格格党

手机浏览器扫描二维码访问

第1183 章 康寧光连接產能拉升10倍 a股ai敘事交易的新主线（第2页）

真正的內核是——市场在给“算力增长的瓶颈环节”

重新定价。

过去两年，瓶颈更像是gpu：买不到、太贵、交付慢，於是故事集中在英伟达，以及围绕gpu的一圈圈配套。

但到了2026年，產业竞爭发生了关键转向：不再只是“模型更强”

，而是“模型更能干活、更高效率、更可部署”

。

4月29日，英伟达发布开源全模態模型nemotron3nanoomni，官方给出的效率提升是：推理吞吐量可以提高9倍。

它强调为agenticai设计，將文本、图像、音频与视频统一到一个推理体系里，减少跨模型调用带来的效率损耗；並採用moe架构，在约300亿参数规模下仅激活部分参数参与推理，在保证性能的同时降低算力消耗，同时优化hopper和blackwell等架构的fp8推理，併兼容rtx5090、jetsonthor等平台。

把这段话翻译成交易语言就是：

当“效率提升9倍”

成为卖点时，產业链定价会从“堆更多卡”

，变成“让系统跑得更顺、更省、更稳”

。

於是瓶颈自然会外溢到三类基础设施：

1）互联：数据中心內部、集群之间的高速互联能力（光模块、光器件、有源光缆、连接器、交换等）

2）存储：token消耗上去后，读写、带宽、延迟都会被放大成成本

3）能源：电力、散热、供配电、变压、液冷等（所以电力电网今天也不意外）

康寧“光连接產能提升10倍”

，就是把“互联瓶颈”

摆在檯面上：你想让ai系统更高效，得先把“路”

和“血管”

加宽。

三、为什么是康寧？为什么是“10倍產能”

？

康寧不是做gpu的，它做材料、光学与连接相关能力。

但在ai时代，光连接越来越像算力系统的“血管”

。

英伟达与康寧的合作，最重要的信號不是“某家公司要赚钱”

，而是告诉市场三件事：

第一，算力扩张进入系统工程阶段。

ai数据中心不是单点升级，而是“算力—网络—存储—能源”

的全链路升级。

任何一个环节卡住，gpu的算力都会被浪费在等待上。

第二，光互联从“成本项”

变成“性能项”

。

过去光模块更像可替代的部件；现在互联性能决定集群效率，决定推理成本能不能压下来，也决定agent能不能稳定跑在企业场景里。

第三，產能扩张意味著需求被锁定。

“计划把產能提升10倍”

这种话，背后往往对应订单与中长期规划。