AI才刚刚开始，不要轻易看空存储、光和先进封装最近很多人开始讨论：AI会不会见顶？算力会不会过剩？我反而觉得，大多数人低估了AI接下来5-10年的发展空间。因为现在的AI，本质上还停留在“大模型训练时代”。未来真正的爆发，不是ChatGPT，而是：Agent机器人自动驾驶AI搜索AI办公AI编程AI视频AI终端这些应用全面落地后，对底层硬件的需求将远超今天。━━━━━━━━━━━━如果把AI看成一座工厂。GPU只是发动机。真正限制产能的，是：📦 存储🌐 光互联🏗 先进封装⚡ 被动元器件━━━━━━━━━━━━① 存储（HBM、DRAM、NAND）AI最大的瓶颈已经不是算力。而是存力。GPU每提升一代，HBM容量和带宽都要同步升级。HBM3E → HBM4 → HBM4E → HBM5未来几年几乎看不到需求天花板。没有存储，再强的GPU也跑不起来。━━━━━━━━━━━━② 光通信（800G → 1.6T → 3.2T）未来AI最大的挑战是互联。从训练到推理，从单Agent到多Agent协同，数据流量呈指数级增长。未来拼的不是芯片数量，而是传输速度。光模块、光芯片、磷化铟、DSP的重要性会越来越高。很多人低估了光互联在AI时代的战略价值。━━━━━━━━━━━━③ 先进封装（CoWoS、ABF）过去是单芯片时代。未来是：GPU + CPU + HBM + DPU异构集成时代。芯片越来越大，功能越来越多，先进封装成为唯一出路。没有CoWoS，HBM和GPU就连不到一起。没有ABF，高端AI芯片就无法实现高密度集成。━━━━━━━━━━━━④ MLCC与钽电容这个环节最容易被忽略。但AI服务器本质上是超级供电系统。功耗越来越高，电流波动越来越大。高端MLCC、高分子钽电容、电源管理器件，都会持续受益。未来AI服务器的被动元器件价值量远高于传统服务器。━━━━━━━━━━━━一句话总结：GPU决定AI能跑多快；HBM决定AI能装多少数据；光互联决定AI能传多快；先进封装决定AI能集成多少功能；MLCC和钽电容决定AI能否稳定运行。所以我始终认为：AI不是结束了，而是刚刚开始。未来真正值得长期跟踪的，不是应用层的热点轮动，而是存储、光通信、先进封装、MLCC这些底层硬科技。因为每一次AI升级，最终都会转化为这些环节的真实需求。AI 光模块 MLCC 半导体