tranquille

别想着避开中国的影响了，现实一点吧，逃不掉的 不用考虑美国和中国干起来的plan b，没有意义，这两个国家真要脱钩也不是一朝一夕的事情，到时候再做打算也不迟。 目前该做的只有两件事： 1. 资产翻墙 2. 借着ai的风口多赚点钱 (墙外的)钱多了，哪里都是plan b。 没有钱，你哪里都去不了

AI数据中心确实缺电 但是我也想明白了 就是电力公司本质上没什么龙头的 而且美国很多电力公司都是政治股 每一个州的政策和区域划分很强 投资英伟达 和它的产业链比如存储 是投资垄断逻辑 电力是无法被垄断的 垄断的也不会上市的 比如国家电网是无法上市的 只有它产业链的 这群可替代的小弟可以上市 兄弟们买的就是这群小弟 赚不到大钱的 他们买的赚钱的 都是英伟达产业链里面的电设备 不是电力、发电厂 核电也许可以买 因为有可能也有垄断效应和稀缺性 但是我也想明白了 不存在什么所谓的电力龙头的

Agreed. There is excess capacity for Power Semiconductors and MLCCs. Production capacity for T-Glass and ABF is severely constrained.

UK: cash held on your S&S ISA from April 27 will be taxed. If you take profits from a stock, and don't want it in cash (taxable), invest it straight into Digital Credit (STRC/SATA). Your money is then INVESTED, but receiving a Return of Capital. A ROC isn't taxable. NFA

I am “heavily “ in $AAOI, $SIVE, light in $FLNC 、$PENG and I will get in $NOK when market open. Taiwanese stocks I’m “heavily” in Shunsin,MssCorp, Episil precision and light in Nextronics and PCL precision. I also have some stocks not recommended by Serenity or ParadisLabs for example ：MIRLE AUTOMATION CORPORATION （2464). I might write a DD on this one if my account is getting enough attention 🤣 right now my analysis contributes nothing to the FinX community.

I’ve always believed it’s better to shape your own future than depend on the generosity of others. Independence, self-reliance and taking responsibility for your own path will usually take you further than waiting for someone else to provide it.

photon capital 不随便买股，当它买 sive 的时候，你对这家公司的潜力就不该有任何疑虑了

这是我之前在语校上班的时候遇到的事情： 我们班有个蒙古姑娘，今年顺利考上了日本野鸡大学三大巨头之一。 我好奇问她：“面试都问了啥？” 她想了想，说： “面试官只说了三句话—— 请举左手 请举右手 请站起来

AI 基建真正的大行情，可能才刚刚开始 纵观整个 AI 产业链，我认为市场依然没有 fully price in 的还有很多板块和个股。 当 Hyperscaler 真正开始一年几千亿 CapEx 往下砸后，AI 背后对应的是一整套庞大的基础设施体系：算力、内存、网络、光通信、电力、储能、冷却、数据中心。 未来几年，很多真正拥有收费站属性的底层基础设施公司，可能才会迎来持续性的估值重构。 算力层大家都看过了。GPU、HBM、CoWoS，第一阶段的故事相对成熟。但有几个方向，市场还没有充分定价。 第一个：Ethernet 和光通信 $ANET 之前被错杀，其实有两个原因。 第一个是市场误以为NVLink 和 InfiniBand 会替代 Ethernet。但这混淆了Scale-Up 和 Scale-Out。 NVLink 解决的是机柜内部互联。真正大规模 AI 集群最终拼的是：数万张 GPU 之间的 Scale-Out 网络。 AI 越大，Ethernet 的地位反而越强。 第二个则是短期财务层面的担忧。 随着 1.6T、AI switching 和新一代高速产品开始 ramp， 市场担心：早期 deployment 成本、供应链压力以及 optics BOM 成本上升，会导致毛利率短期承压。但很多人忽略了一点AI 网络现在正从可选配置变成核心瓶颈。当 AI 集群进入十万卡级别后，真正决定效率的是 GPU 之间的数据流动效率。 UEC 对 InfiniBand 的挑战，市场还没有开始充分定价。随着 Tail Latency、LLR、CBFC 等能力逐渐成熟，以太网第一次开始真正接近 InfiniBand 的性能，但成本更低、生态更开放。 而 1.6T 交换机和 Silicon Photonics，可能才刚进入超级周期前夜。 $ANET、 $MRVL、 $CRDO、 $ALAB、 $LITE 本质上都属于 AI 数据流动层的收费站。 第二个：AI-RAN和边缘AI基础设施（这个还会专门写一篇单独讲） 这个方向市场理解度还非常低。 黄仁勋已经把话说得很清楚：AI不会只待在hyperscaler的数据中心里。它会下沉到运营商网络、下沉到边缘节点、下沉到基站。 未来全球几百万个基站，可能都会变成边缘AI节点。真正的受益者不只是GPU，而是整个AI-RAN基础设施层。 Nokia是AI-RAN联盟的核心发起人，英伟达直接投资了Nokia。T-Mobile想在全美试点AI-RAN基站，必须在诺基亚的通信机柜上进行升级。这个物理底座的位置，别人很难绕过去。 $NOK 第四个：能源——黄仁勋说能源永远稀缺 这句话不是随口说的。 一台GB200满载机柜120-140kW，传统数据中心整排柜子才10kW。AI集群对电网的瞬时冲击极其剧烈，很多地方变压器排队2-3年，高压设备缺货，并网审批堵塞。 $CEG 和 $VST是目前最直接的受益者，目前经历过回调后，估值相对于ai基建其他板块就变得相对便宜了。核电提供稳定的基础负载，正好匹配AI数据中心7x24小时不间断的用电需求。这两家已经和多个hyperscaler签署了长期供电协议。这不是新能源叙事，是AI mandatory infrastructure。 第五个：储能 市场现在还把 $BE, $FLNC和 $EOSE 当新能源储能公司看。但未来真正的需求来源可能是AI数据中心的电网调频和负载平衡。未来hyperscaler很可能自己建Gas Turbine加Battery Storage加Microgrid。储能正在从新能源配件变成AI电网稳定层的核心组件。这个估值体系的重写还没有发生。 第六个：数据中心本身 市场现在还把很多IDC公司当传统机房出租来看。 但AI数据中心已经完全不是以前那套逻辑。未来真正值钱的是有没有电力、并网能力、冷却系统、网络带宽和可交付的GPU capacity。数据中心正在逐渐变成AI工业基础设施资产。 $ORCL 已经不只是数据库公司。OCI越来越像AI时代的算力地主。过去市场看云，看的是SaaS增长、云份额、企业客户。但AI时代真正稀缺的开始变成可交付的算力capacity。Oracle已经和多个hyperscaler、AI公司以及主权国家签署长期AI算力协议，订单积压规模远超市场之前的预期。市场目前依然更习惯用传统软件公司的框架给ORCL定价，但OCI的资产属性可能更接近AI基础设施运营商。 $CRWV 是类似逻辑。CoreWeave本质上已经不只是云服务商，更像AI算力shortage时代的租赁平台。如果AI需求持续超过供给，真正拥有GPU capacity的公司会天然拥有更强的议价权。谁手里有capacity，谁就能定价。 $NBIS 是另一个市场关注的方向。未来AI真正的大规模商业化一定会走向推理层。NBIS卡的位置恰好在模型部署、推理优化和实际落地之间。很多人还在看谁在训练模型，但未来持续消耗算力的可能是Inference。 $IREN 的核心逻辑早已不只是挖矿。真正值钱的是低成本电力加HPC基础设施加长期能源优势。目前IREN已经拥有约1.4GW的确定性电力资源，与英伟达签署了长期GPU cloud服务协议，英伟达还通过认股权证进行了深度绑定。这已经不只是合作，更像是用真金白银给AI电力资产定价。 未来AI数据中心最值钱的资产是便宜电。谁手里有稳定、低成本、可持续扩张的电力资源，谁就更有可能拥有AI基础设施时代的定价权。 总结 黄仁勋已经把答案说出来了：能源永远稀缺，AI会扩散到每一个边缘节点。真正绕不过去的，是网络、电力、储能、光通信、边缘基础设施这些底层物理瓶颈。最容易持续扩估值的，是那些卡住物理瓶颈、别人绕不过去的收费站。 #AI #人工智能 #AIInfrastructure #数据中心 #光通信 #核电 #储能 #边缘AI

Lately I have been seeing a lot of Anti $SIVE "theses". This is one of the reason I love @X's algorithm. It forces you to see the other side of your own position. And in markets, that matters because it is very easy to only consume opinions that reinforce what you already believe. But not every bull is blindly pumping. And not every bear is just hating. Sometimes people on the other side are pointing out risks or opportunities you are missing. Tunnel vision is where people get hurt. Now, why does this divide appear? I think a lot of it is tied to incentives. Once a bullish thesis gets popular, the space becomes crowded. Everyone is posting the same charts, the same TAM, the same partnerships, the same hidden gem argument. At some point, saying the bullish thing again does not stand out anymore. So the next high engagement move is often to attack the crowded narrative. You become the contrarian. You become the person calling it out. You become the account that is saving people from the pump. And this works both ways. If the bearish thesis becomes popular, then the next high engagement move is to attack the bears and say they do not understand the technology, the market, or the optionality. So slowly the discussion stops being only about the company. It becomes about identity. But fortunately (or unfortunately) markets do not care about our identity. The company either converts the opportunity into revenue, or it does not. Let's look into a bit of history Nikola is one of the clearest cautionary examples. At one point, the market valued it like it could become foundational infrastructure for hydrogen trucking. Bulls pointed to partnerships, prototypes, OEM relationships, and a massive future market. But the economics and credibility never caught up. So, partnerships, technical language, and future TAM are not the same thing as proven scalable revenue. But there are also important examples where massive excitement looked irrational early and later turned out to be directionally correct. $NVDA is probably the cleanest example that comes to my mind. In 2022, many investors argued that the valuation already assumed too much future AI demand. The stock looked expensive relative to trailing numbers, especially with gaming weakness and uncertainty around the cycle. Then hyperscaler AI spending exploded. What looked like an overvalued semiconductor company became the central bottleneck in the AI infrastructure buildout. I personally remember some people scaring the shit out of me when I bought it around $70 ($700 before the split) That is the hard part. Sometimes the market is hallucinating. Sometimes the market is early. And unfortunately, we cannot foresee the future. But that is also where markets become fascinating. The best we can do is look at the evidence, make a judgment call, size positions accordingly, and keep updating as new information arrives. That is how I see $SIVE. I hold $SIVE, so I am biased. I obviously want the company to succeed. But I also do not want to turn a position into a religion. If tomorrow a major AI infrastructure player announced a direct commercial relationship with Sivers, the debate would change overnight. If, on the other hand, the partnerships never convert into meaningful product revenue, the bears will look obvious in hindsight. The world is diverse enough both of these views to exist. The important thing is not to worship either side. The important thing is to keep learning and updating.

相信大家最近都越来越多看到“硅光子”和InP这些词，两者不是简单替代关系，而是各自擅长不同段位，最终光互连很多方案会走“硅光 + InP 异质整合”。 关于InP和代表公司 $AXTI 之前写过一条，欢迎考古x.com/nft_hu/status/… 本文主要来介绍一下硅光子技术与InP（磷化铟）路线的不同与各自的优缺点。 1️⃣什么是“硅光/ 硅光子”？ 硅光（Silicon Photonics）本质上是“在硅晶圆上做光子集成电路（PIC）”，把光波导、调制器、探测器等光器件做成一个 IC 一样的“光芯片”。 2️⃣为什么要同时存在两条路线？ 根源还是物理差异。 📌硅（Si）是“间接带隙”半导体，本身几乎不发光，电子复合时主要变成热而不是光，所以它不适合作为高效率激光材料，但非常适合做大规模 CMOS 电路与低损耗波导。 📌InP（磷化铟）是“直接带隙”半导体，电子复合很容易直接产生光，且波长刚好落在 1.3–1.55 μm 光纤损耗最低的窗口，是长距离/高速光通信里极高效率的发光和探测材料。 3️⃣硅光子技术的优势与短板 🌟优势 - 可复用 CMOS 生态，对大规模量产和成本下降极为友好； - 高集成度、易和电路同片：硅光平台可以把光学功能与电子控制电路在同一片或同一封装内实现，有利于做高密度光 I/O、CPO（共封装光学）、coherent-lite 等新架构。 - 超大带宽密度，适合做高通道数、高带宽密度的光引擎，满足 800G / 1.6T / 3.2T / 6.4T 等数据中心互连需求。 ❌短板 - 发光效率极差：，硅光平台通常需要外接 InP 或 GaAs 等 材料作为激光/放大增益介质，靠异质集成或光纤耦合把光引入硅波导； - 高性能调制器材料不是最优； - 在极长距离/超高功率下不一定最优：对于几十公里以上的长距传输、高功率光源等，传统 InP/硫化物等平台仍有明显优势。 4️⃣InP（磷化铟）路线的优势与短板 🌟优势 - 高效率激光与探测，适合中长距离与高速传输。 - 适合高速、高功率光源：InP 基 EML、DFB 激光器在 800G / 1.6T 这类高速场景下，仍是高功率、低噪声、高可靠性的主力方案，特别适合数据中心和电信级应用。 -可做完整光子集成电路（InP-PIC）：在 InP 基板上可以 monolithic 集成激光器、调制器、探测器等功能，做成完整的光子集成电路，用于高速收发模块甚至 CPO 应用。 ❌短板 - 成本与产能扩展难：InP 衬底贵、尺寸小（4 吋向 6 吋爬坡中）、外延工艺复杂，MOCVD/MBE 设备和良率都更具挑战，随 AI 光互连需求暴增容易进入“缺货+涨价+长约锁产能”的模式。 - 与 CMOS 集成难度大，设计与封装成本都较高。 - 大规模 SoC 型光 I/O 不占便宜：在需要海量端口、极高集成密度且对成本非常敏感的数据中心“光 I/O 砖头”场景，单纯 InP 平台很难像硅那样吃到 CMOS 规模效应。 5️⃣在 AI 光互连里的分工：不是“二选一”，而是“协同” 相信看完两者的优缺点，我们可以看到硅光和InP的互补性很强。因为在光互连中，两者都被需要。 📌在当前和可见的下一代（800G/1.6T → 3.2T/6.4T）中： InP（EML / DFB / 有源器件）主要负责： 提供连续波激光（CW Laser）或 EML，把电信号转换成高质量的光信号； 特别适合中长距（比如几公里到几十公里的 DCI）、或者单通道速率高到 100G/200G/400G 时，对激光线宽、线性度、SNR 要求很高的场景。 硅光子（SiPh PIC）主要负责： 在一块小芯片上做很多通道的调制、合波/分波、路由（比如 8×100G → 800G，或者 16×200G → 3.2T），追求的是“单位面积带宽”和“功耗/通道数”。 更适合机架内、机架间短距互连，高密度互连、CPO/LPO 这类非常讲究功耗和集成度的AI集群场景。 📌典型 CPO / coherent-lite 架构中，常见方案是 “InP 激光 + 硅光 PIC + CMOS 驱动/DSP”，通过异质集成把三种材料各自的强项（发光效率、光学集成、电路与信号处理）拼在一起。 6️⃣目前的产业趋势： $AXTI Sumitomo：上游 InP 衬底 & 外延 → 成为稀缺资源，动辄长约锁产能、4 吋→6 吋扩产，极易出现“抢货潮”。 $LITE/ $COHR 中游 InP 激光 / EML / PIC 平台 → 在 AI 数据中心与相干长距场景中，成为硅光与 CPO 方案的“光源 / 引擎”核心。 $TSEM / $GFS：硅光工艺平台→ 为 2.4T / 3.2T / 6.4T 级别光引擎与 CPO 方案提供 SiPh 流片基础，并通过与封装厂 / 模组厂协作，把高通道数光 I/O 推向贴近 GPU / 交换芯片的一线。

Recommend a few high-quality foreign X accounts for finding industry alpha, investing... these accounts all provide exceptional value. 1. Serenity @aleabitoreddit 2. Jukan @jukan05 3. Ren @Ren_aramb 4. Paradis Labs @ParadisLabs 5. 🐧 @pennycheck 6. Labubu @labubu_trader

With NVIDIA GTC Taipei 2026 fast approaching, the spotlight is once again on AI infrastructure and next-generation interconnects, Taiwanese CPO (Co-Packaged Optics) concept stocks are expected to draw significant attention from global investors in the coming week. As a Taiwanese investor who actively follows the local supply chain and has these names in my watchlist , I’d like to give international audiences a clear, ground-level introduction to the key Taiwanese CPO players I’m tracking. Here’s a categorized overview based on the companies appearing in my TW Phontonics self-selected list: Upstream – Epitaxy & Wafer Materials -Episil-Precision Inc. (3016.TW): Silicon and compound semiconductor epitaxial wafers with increasing exposure to silicon photonics and CPO. (recommended by @ParadisLabs ) -WIN Semiconductors Corp. (3105.TW): Leading GaAs/InP foundry, essential for CPO laser diodes and photodetectors. (recommended by serenity) -Landmark Optoelectronics (3081.TW): Specialized InP epitaxy supplier and one of the key light-source providers for 800G/1.6T CPO modules. (recommended by serenity)(Directly listed in NVIDIA CPO ecosystem per Goldman Sachs Exhibit 21 — high likelihood of being mentioned at GTC) -IntelliEPI Inc. (IET-KY, 4971.TW): High-end MBE epitaxy player focused on compound semiconductor wafers for advanced optical and RF applications. Midstream – Optical Components, FAU & Modules FOCI Fiber Optic Communications, Inc. (3363.TW): Leading FAU manufacturer and important TSMC COUPE ecosystem partner with direct exposure to NVIDIA’s CPO supply chain. (recommended by serenity) (Directly listed in NVIDIA CPO ecosystem per Goldman Sachs Exhibit 21 — high likelihood of being mentioned at GTC) -Browave Corporation (3163.TW): Major supplier of passive optical components and high-density FAU solutions for CPO interconnects. (Directly listed in NVIDIA CPO ecosystem per Goldman Sachs Exhibit 21 — high likelihood of being mentioned at GTC) -PCL Technologies Inc. (4977.TW): High-speed optical transceiver and CPO module specialist closely tied to Broadcom’s platforms. -EZconn Corporation (6442.TW): Optical communication passive components and high-frequency RF connectors, benefiting from data center and 5G/AI demand. (光聖) -Luxnet Corporation (4979.TW): Active optical components supplier, particularly to Marvell’s high-speed module ecosystem. (華星光) -Shunsin Technology (Shunsin-KY, 6451.TW): Foxconn-affiliated SiP and optical module packaging leader actively ramping CPO solutions. (recommended by serenity)(Notable NVIDIA CPO supply chain exposure via Foxconn — potential GTC mention) -GCS Holdings / GCS (4991.TW): Compound semiconductor epitaxy and foundry services supporting optical and RF applications in the CPO chain. Downstream – Packaging, Testing & Systems Msscorps Co., Ltd. (6830.TW): Leader in advanced materials analysis and specialized testing equipment for silicon photonics and CPO qualification. (recommended by serenity) (Direct NVIDIA CPO-related orders — potential GTC mention) Nextronics Precision Industrial Co., Ltd. (8147.TW): Precision connector and interconnect solutions supporting high-speed optical and CPO systems. (正淩, recommended by serenity) (Direct NVIDIA CPO supply chain exposure — potential GTC mention) Accton Technology Corp. (2345.TW): High-performance networking switch provider positioned for CPO-enabled AI switches and scale-out infrastructure. Elite Advanced Laser Corporation (3450.TW): Advanced packaging and testing player supporting the broader CPO assembly chain. These companies collectively cover the full CPO value chain that Taiwan offers. Several have confirmed or publicly discussed exposure to NVIDIA’s CPO programs (either directly or through key partners like Foxconn and TSMC), making them more likely to appear in supply-chain discussions around NVIDIA GTC events. Just some ideas from me for an event speculation. DYOR! $NVDA $TSM #CPO #GTC #Taiwanstocks

Council tax revaluation wouldn’t automatically raise more revenue. It mainly reshuffles who pays what based on updated property values. Any extra funding only comes if rates or band structures are changed afterwards. Otherwise it’s largely redistribution, not a tax increase.🔍

华人社区最近的赞誉让我感到受宠若惊！ 我认为任何空头被打爆，都只是我单纯喜欢像 $AAOI 这样的股票而产生的无意间的副作用。 希望也能与更多的华人社区朋友互动（最近我在 X 上跟日本和韩国的网友互动得比较多）。

算力提高过程中： 单卡：看GPU 架构设计 +HBM +CUDA 软件 机架72张：考验系统级集成 NVlink 热管理 万卡集群：就是光通 + 变电 + 交换机Fabric

I knew someone from Oxford who went to a very posh girls’ public school in London, where she did lots of Drama. She became a Labour MP ‘up North’ whereupon she suddenly started speaking in a northern accent. It disappeared when she ceased to be an MP.

So I made a thing… I created a subscription here on Twitter to share quick takes. Going forward I’ll be sharing both my initial tarde ideas, random thoughts, portfolio updates with my subscribers first. I’ll share mostly the same on the main timeline the next day. If you have been following me, it’s easy enough to know if this is for you. I’m all in into the AI Infra buildout, so if any of this names resonate. This might be for you CPU $ARM $INTC $AMD Memory HBM $MU SK Hynix NAND $SNDK Kioxia Photonics Transceivers $AAOI Shunsin MSSCORP CW Lasers / ELS $SIVE $LITE Burn-in / Test $AEHR $TRT InP Substrates $AXTI InP Epi $IQE Metrology $M7U SiPh Foundry / Materials $SOI $TSEM FAU $FOCI $TTMI ABF / PCB Unimicron Power Semis SiC / GaN $NVTS $AOSL NeoClouds $NBIS $DGXX Glass Core Substrates $LPKF $GLW Let’s keep winning ⚡️

AI基础设施的下一个瓶颈：数据开始传不动了 —— $NOK AI基础设施的钱，正在慢慢从单点算力流向系统级互联 过去两年市场一直盯着GPU，这没有错。但现在越来越明显的一件事是：训练大模型不是几张卡单打独斗，而是成千上万张GPU同时协作。机器越来越快，系统整体效率却开始越来越受制于数据搬运能力。 AI行业未来几年，本质上都在解决同一个问题：data movement。 PCIe 6.0之后，铜互联在距离、功耗和信号完整性上的压力越来越明显。AI基础设施正在逐步从以铜为主走向光铜混合，尤其在长距离、高带宽场景下，光互联的重要性会越来越高。 过去两年的核心矛盾是算力不够，接下来，系统瓶颈会慢慢扩散到memory、networking和data movement。 这也是为什么最近英伟达、台积电、运营商和云厂商都开始越来越重视optical和networking；而更长期，AI-RAN和edge AI会成为下一阶段的重要扩容方向。 老黄其实已经把未来说得很清楚 老黄其实已经把未来的增长路径讲得很清楚：云端AI工厂是现在，企业与工业AI正在加速落地，Physical AI——自动驾驶、机器人、边缘AI、AI-RAN——是下一个阶段。 但问题在于，当AI真正走进现实世界之后，每一个机器人、每一辆自动驾驶汽车、每一个智能电网节点，都会持续产生海量实时数据。很多场景根本不允许把数据送到几千公里外的云端再等结果返回，因为延迟本身就决定了系统能不能正常运行。 这意味着AI基础设施的重心，会慢慢从"单点算力"扩展到骨干光网络、边缘低延迟通信、AI-RAN、数据中心互联和运营商级基础设施。未来真正重要的，不只是GPU本身，而是谁在负责把这些AI系统连接起来。 为什么是诺基亚 把竞争格局捋清楚，其实答案并不复杂。 真正能做大规模运营商级通信基础设施的玩家，全球其实就那么几家。华为技术实力当然很强，但在欧美AI基础设施体系里，地缘政治限制已经非常明显。剩下的西方玩家里，很多公司要么更偏单点光模块，要么更偏企业网络，真正同时覆盖骨干光网络、IP核心路由、运营商基础设施以及本土化供应链能力的，其实并不多。 而诺基亚，正好卡在这些环节的交叉点上。 最近英伟达在AI-RAN和运营商AI网络方向上，与诺基亚的合作越来越深，这并不是偶然。真正关键的是Infinera收购。它给诺基亚补上了过去最重要的一块短板：长距离光互连能力，以及InP磷化铟光芯片制造产线。 未来AI光通信里，很多高速光芯片都需要InP材料，而欧美真正具备规模化InP制造能力的公司并不多。收购完成后，诺基亚开始从传统设备商，慢慢往芯片 + 系统 + 骨干网络一体化方向走。 Infinera收购补齐了最关键的一块拼图 过去诺基亚更多是设备集成商，核心光芯片依赖外部供应商。别人涨价就难受，别人缺货就断供。 Infinera手里有磷化铟光芯片制造工厂，就在美国加州圣何塞。未来AI光通信里很多高速光芯片都需要InP材料，而欧美市场真正具备规模化InP产线能力的公司并不多。 收购完成后，诺基亚开始往"芯片加系统加骨干网络"全链条走。利润开始留在自己手里。 财报数字印证了这个变化。最新季度整体营收同比增长4%，但光网络业务增长20%，净利润暴涨245%，毛利率明显提升。新工厂今年逐步投产，新芯片方案可以帮客户降低40%的使用成本。 爆发期可能还没真正开始，但触发条件快成熟了 接下来有两个变化，会慢慢把市场注意力从机房内部推向整个网络。 第一个变化，是算力开始跨越地理边界。单个数据中心的土地、电网和散热都有上限，当一个地方的算力不够时，云厂商一定会把多个城市的数据中心连接成一个整体。数据开始走出机房之后，短距离互联不再是唯一瓶颈，长距离骨干光网络、DCI和核心路由系统的重要性会明显提升。这部分才是NOK真正的主场。 第二个变化，是AI开始从训练走向推理，从云端走向边缘。自动驾驶、工业机器人、智能电网这些场景，对延迟要求极高。很多情况下，数据根本不可能传到几千公里外的云端再返回处理，运营商必须在离设备最近的位置部署低延迟边缘网络。这会带来过去十年未见的大规模运营商扩容周期，而诺基亚本身就是全球运营商骨干网络的重要玩家之一。 时间线上，我觉得2026下半年到2027年，工业专网、智能电网通信、AI-RAN这类需求会率先开始体现；真正的大级别骨干网升级周期，可能要等到2027年底到2028年，等Vera Rubin和大规模Agent流量真正落地之后才会全面爆发。 华尔街通常会提前12到18个月开始定价。 NOK和CIEN最大的区别 同样吃光通信这碗饭，但方向不同。 CIEN是技术领先型：赌的是WaveLogic系列持续领先，1.6T传输方案业内第一，每比特功耗降低50%。技术上很强，但被夹在云厂商和上游供应商之间，订单很满，利润不一定都留得住。 NOK是产业链整合型：赌的是整个AI骨干网络升级周期。不只做光网络，还做IP路由、固定网络、运营商基础设施，一站式解决客户需求。芯片、设备全链路打通之后，护城河会越来越深。 还有一个经常被忽略的收入来源 NOK不仅仅赚设备的钱，还有极强的专利现金流。 全球大量4G/5G设备、本地网络和车联网方案，本质上都在给诺基亚交通行费。不管行业怎么波动，这条收入流不会消失，利润率极高，提供了稳定的现金流底座。 风险也要说清楚 1. 传统电信运营商业务近年来资本开支在收缩，这块拖累是真实存在的。AI业务的高增长需要持续抵消传统业务的压力，过程不是线性的。 2. 订单多不代表能顺利变成收入，供应链压力在整个行业都存在。 3. 市场目前还给诺基亚贴着传统通信公司的标签，这个标签的重新定价需要时间和持续的财报数据来推动。 总结 当AI开始跨数据中心、跨城市、跨边缘节点协同，真正受益的是长距离骨干光网络、AI-RAN、运营商级基础设施、边缘低延迟网络。 $NOK 就是这一切的底层管道。 骨干网络是它的主业。AI-RAN是它和英伟达联合推进的方向。运营商基础设施是它几十年积累的客户关系。InP芯片产线是它在欧美市场独一份的制造壁垒。专利收入是它不管行业怎么波动都能持续收到的通行费。 等AI真正走出机房，诺基亚就是那个在路上收费的人。