高盛直言：AI下一个风口不是GPU，不起眼的光才是王炸

AI下一个风口不是GPU，不起眼的光才是王炸

  最近两年，大家的目光几乎都盯在GPU身上。海外高端算力芯片、国内替代链条、云厂商扩产、资本追捧，几乎所有讨论都绕不开它。很多人默认，只要拿到足够多的高性能GPU，就能在AI时代站稳位置。

高盛研报的核心判断：光互连与光计算将主导下一轮算力形态

  但2026年5月那份被反复提到的高盛AI基础设施研报，把这个判断往前推了一步。它给出的核心意思其实不复杂：长期看，单靠GPU堆数量，不足以支撑大模型继续往前走，真正决定下一轮算力形态的，会是光互连和光计算。

  这件事听上去像概念切换，实际上是算力底层逻辑在变。GPU当然还重要，而且短期内依然重要，但它暴露出来的瓶颈已经越来越明显：功耗太高，带宽不够，制程继续往下压的成本也越来越夸张。把问题拆开看，会发现不是某一颗芯片不够强，而是整套电子算力架构已经逼近物理边界。

三大卡点：电、传、工艺

  第一个卡点是电。大模型训练和推理都很吃电，数据中心不是"算力工厂"，更像"耗电工厂"。单颗高端GPU功耗动辄上千瓦，集群一大，电费、散热、液冷、机柜密度，哪一项都在往上顶。很多公司不是买不起卡，是扛不住长期运营成本。这个问题在行业里已经不是秘密，只是过去大家都把它当作扩容时的代价，现在它开始变成硬约束。

  第二个卡点是传。AI训练不是单点算力，而是数据在芯片、显存、交换网络之间不停跑。跑不动，就算卡再强也会被闲置。铜缆、电互连、传统架构的延迟和损耗，在更高带宽需求下越来越吃力。换句话说，算力不是没有了，是被堵在路上了。

  第三个卡点是继续往下做芯片。工艺越先进，成本越高，收益越小。3nm已经很贵，往2nm、1nm走，投入会更重，良率和产能也更难讲。行业现在面临的不是"还能不能做更强GPU"，而是"继续把所有赌注压在电子芯片上，值不值"。

光技术重新摆上台面

  也正是在这里，光技术被重新摆上台面。

  先说光互连，它解决的是"数据怎么更快、更省地跑起来"。这条线最现实，因为它不是推翻GPU，而是给现有算力系统换一套更好的传输方式。800G、1.6T、CPO这些词，听起来离普通人远，其实背后就是一个非常朴素的事实：AI集群越大，传输越不能拖后腿。谁能把延迟压下去、把功耗降下来，谁就能吃到下一轮基础设施升级的订单。

  再说光计算，它比光互连更远一点，但想象空间也更大。它不是只负责搬运数据，而是试图直接用光做一部分矩阵运算。对大模型推理、低延迟风控、自动驾驶、机器视觉这类任务来说，如果光子芯片真能稳定进入工程化阶段，那意义不是"锦上添花"，而是可能重新定义算力怎么分工。

节奏清晰：短期GPU，中期光互连，长期光计算

  问题在于，市场最容易犯的错，就是把"长期方向"直接当成"短期结果"。这篇研报最值得被认真看的地方，不是它把光技术说得多热，而是它其实把节奏讲得很清楚：短期还是GPU主导，中期是光互连先放量，长期才轮到光计算慢慢打开空间。把这三层混成一层，结论就会变形。

  所以现在真正该看的，不是"GPU会不会马上被替代"，这种问题太粗了。更值得盯的是，谁在给现有GPU系统补最后一块短板，谁在把光互连做成标准件，谁又在把光计算从实验室往工程化里推。很多产业机会，从来不是新名词最先赢，而是最先把新名词做成可交付产品的人赢。

国内布局与冷静看待

  国内这几年在光模块、硅光、薄膜铌酸锂这些方向上推进很快，政策和产业链也都在往这边靠。原因并不神秘：算力国产化要走下去，不能只盯着最上层的芯片，底层的传输、封装、材料、器件，都会变成真实需求。谁能把这些环节做稳，谁就有机会在下一轮基础设施升级里拿到位置。

  但也要说得冷一点。光技术是趋势，不是神话。它现在解决的是部分瓶颈，不是一下子把GPU扫进历史。短期内，GPU依旧是AI训练的主力，光技术更多是增效和补位；中长期如果光电混合架构成熟，行业权重才会真正往这边移动。

  很多产业故事最后都会落到这个地方：真正改变行业的，不一定是最吵的那个词，而是最能把成本、效率和规模同时拉动的那条路。GPU已经把AI带到今天，光技术想接过下一段，就得先证明自己不是概念，而是基础设施。