【前言】
理解了《「AI的利润底座」Token 经济学、大模型盈利模式与阿莫代公式》中TOKEN经济学商业逻辑，以及大模型的1+1+1+N的商业模式后，本篇重点阐述分母端的约束与突围。
分子端简单说，是AI从业者、产品经理们的机会，在大厂利用平台算力，疯狂创收即可，同时保住饭碗。
而对于投资者来说，分母端的变化趋势，孕育着非常多的投资机会。
2026年，算力基建上，当Scaling Laws 部分撞上了物理定律，开始受到电力供应、热力学定律和信号传输物理极限的严苛挑战，那么突围的方向就是投资的方向。
正如我们在2026 年 GTC 上所看到的，以英伟达为首的硅基帝国，正联合其庞大的供应链体系公司，正在通过一场前所未有的“工程暴力”突破这些硬约束，将分母端锁死在下行通道中。
一、分母端的“工程暴力美学”——老黄如何续写 Scaling Laws
如果说阿莫代定义了“账怎么算”，那么黄仁勋则负责“让账能算得过来”。
1.1 硬件降本的确定性：分母的极致压缩
要维持1:3 的逻辑，在模型规模（Scaling Laws）不断膨胀的背景下，必须实现单 Token 成本的非线性下降。英伟达在 2026 年 GTC 上展现的路径非常清晰：用工程暴力延续。
1）LPX/CPX 黑盒产品：
这类专用推理系统的出现，标志着算力从“通用计算”转向“专用生产线”。通过极致的垂直整合，英伟达将单机柜的推理能效比提升到了极致的水平。
2）物理瓶颈的突破：
当算力瓶颈从芯片内部转移到互联带宽时，CPO 技术和超高层PCB（如 52 层背板方案）成为了分母端的救命稻草。
通过降低信号传输的损耗和功耗，单Token 的“物流成本”被大幅压缩。
所以光互联是2026年最重要的业绩兑现的供应链环节，英伟达的工程暴力，不仅是英伟达自己，而是英伟达生态链，包括服务器、液冷、光模块、CPO、NPO、PCB、COWOS等的关键环节的核心公司，这些公司共同构成的是全球AI底座的【分母端】。
1.2 推理时代的“机柜化”逻辑
在推理侧，英伟达正在从“卖卡”转变为“卖工厂”。
只要1:3 的 ROI 逻辑成立，对于 CSP（云服务商）和大型企业而言，购买英伟达的黑盒机柜就不再是“IT 资本支出”，而是购买生产资料。只要单 Token 产出的效率高于折旧速度，这台“Token 印刷机”就可以无限运行下去。
这种商业模式的本质，是英伟达通过硬件锁定，在抽取全球数字劳动力产值的“铸币税”。
（这就是黄仁勋的TOKEN经济学的最关键逻辑支撑）
二、2026 Inflection Point——为何现在的逻辑更具确定性？
很多人质疑AI 是否会像 2000 年的互联网泡沫一样破裂，但阿莫代的访谈和现在的产业数据给出了相反的答案。
2.1 从“练”到“用”的质变
2023-2024 年是“练模型”的时代，分母端巨大，分子端几乎为零，全靠融资支撑。
但2026 年，随着 Agentic AI（智能体）的大规模部署，产业重心已全面转向推理。
推理成本是刚性的、可预测的，且直接挂钩业务收入。当全球顶尖大厂的收入开始以“百亿美元”为基数实现倍数增长时，这意味着分子端已经跑通。
2.2 资本开支的“非理性”支撑：主泉AI逻辑
阿莫代逻辑中还有一个隐藏变量：非ROI 导向的资金入场。
全球各国（沙特、日本、阿联酋等）正在将AI 基础设施视为“算力主权”。这种资金不追求短期的 Token 利润，而是追求战略安全。
这为英伟达提供了隐形且厚实的“安全垫”，进一步延长了其商业逻辑遇到阶段性瓶颈的时间点。
2.3 结论：硅基劳动力已经正式投产
我们不再需要讨论AI 到底有没有用，而应该讨论如何把 1:3 的公式优化到 1:5。
阿莫代的焦虑是先行者的焦虑，是关于“增长速率能否覆盖基建投资”的精准计算。
而对于投资者而言，看清这一套“Token 生产线”的盈利底色，是理解这一轮万亿级估值的唯一钥匙。
三、电力之墙——从“算力竞赛”到“变压器竞赛”
3.1 1GW 的终极考验
2026 年，顶级数据中心的单位门槛已经跨入 1GW（十亿瓦特）时代。这相当于一座中型核电站的满载出力。
阿莫代提到的焦虑之一，便是如果电网扩容需要5 年，而模型迭代只需要 6 个月，那么 Token 的产量将被物理性锁死。
众所周知北美的电力老大难问题和电网落后问题，这里延伸出的比如燃气轮机、变压器等机会，不是短期机会，而是确定性的中长期的投资赛道。
这意味着，单纯追求芯片性能的提升已经失去了边际效应，“单位能耗下的 Token 产出” 成了衡量算力质量的唯一指标。
英伟达推出的LPX/CPX 架构，本质上是在进行一场大规模的“能效压榨”。
能耗、能耗，还是能耗，这是技术路线的关键考量指标。所以为什么笔者在1月反复提及CPO、天孚通信等，背后逻辑是终局思维，CPO放量和加速是必然趋势。
3.2 液冷：从“选配”到“标配”
当单机柜功耗突破100kW 时，传统的风冷技术已经彻底失效。
2026 年，液冷技术不再是实验室的昂贵玩具，而是保住分母端 ROI 的核心组件。
逻辑在于：只有通过液冷实现更精准的温控，才能支撑芯片在更高频率下稳定运行，从而降低由于热损耗导致的单Token 成本攀升。这是硬件对物理定律的第一次“收割”。
液冷的核心产业链公司，如富联，也会在服务器液冷逐步上量的必然趋势下，营收和毛利率会逐步提升，且具有确定性。
同时，液冷核心公司，也会在2026年开始明显兑现业绩，YWK、DT等等。
四、信号的“血栓”与 52 层 PCB 的垄断利润
4.1 信号传输的物理极限
随着算力集群向1.6T 互联迈进，传统的电路板已经无法承载如此高频、海量的数据流动。
信号在铜箔间的损耗（Loss）成了杀伤 Token 效率的“血栓”。
为了解决这个问题，2026 年的算力背板迎来了一次地狱级的技术跳跃：52 层高多层 PCB。
这不仅仅是层数的累加，而是人类材料科学的极限挑战。在52 层板中，每一层铜箔和石英布的压合误差必须控制在微米级，数十万个过孔必须在垂直方向上保持绝对对齐。
4.2 HD（WUS）的“相对唯一性”
为什么说以沪电为代表的头部厂商享有垄断利润？
因为在这个难度下，良率就是生命线。如果良率只有50%，单 Token 的设备分摊成本就会翻倍，直接击穿 1:3 的盈利模型。
只有像沪电这样具备深厚底蕴的企业，通过高良率实现了“技术溢价向成本优势的转化”，才能成为英伟达 Rubin 架构中不可替代的环节。这正是分母端实现“确定性下降”的关键支点。
沪电的上述逻辑，在笔者投研文章《拆解「沪电股份」在英伟达Rubin后时代的“相对唯一性”和价值量跃升路径》中有详细阐述。
将逻辑放到本文的分母端的逻辑中理解，便理解了其底层逻辑。
五、光互联与CPO——解决“互联税”的终极方案
5.1 告别“铜”的桎梏
在阿莫代的逻辑中，随着模型规模的增加，不同芯片之间数据交换的成本（Interconnect Tax）增长速度远超计算成本。如果继续沿用传统的电互联，分母端将迅速膨胀，导致 ROI 破产。
CPO（共封装光学）技术的全面落地，是2026年重要的技术拐点。
通过将光模块直接封装在芯片旁边，传输距离从厘米级缩短到毫米级，功耗下降了30% 以上。
商业意义：这意味着算力集群的规模可以进一步扩张，而不会被互联成本拖垮。它解决了“算力越多，损耗越大”的悖论。
尽管英伟达在2026GTC上给铜缆进行了“续命”，但理解了分母端的必然宿命，就知道未来除柜内保留的少部分铜缆的使用，在总量上评估趋势，光进铜退在2026年、2027年后是不可逆的趋势。
5.2 1.6T时代的收割机
以天孚通信（TFC）为代表的光学引擎供应商，在这场变革中扮演了“算力血管”的角色。
当800G 向 1.6T 极限加速时，这种高确定性的需求增长，是支撑 AI 产业链估值不坠的硬逻辑。
天孚的逻辑以前文章反复阐述过，这里不再赘述。
六、存力与带宽——Token 生产线的“燃料泵”
6.1 存储第一性原理：为什么存力即分母？
在“Token 经济学”中，推理的本质是海量参数的频繁读写。如果说 GPU 是引擎，那么存储带宽（HBM）就是燃料泵。
空转代价：如果HBM 带宽不足，GPU 的算力利用率（MFU）会大幅下降。在财务账单上，这意味着你支付了 100% 的折旧和电力成本，却只拿到了30%的Token产出。
分母端的杠杆：2026 年，随着模型参数迈向 10 万亿级，存储成本在整机中的占比正从 10% 提升至 20% 以上。
存力的提升不是为了让模型“变聪明”，而是为了让算力“不闲置”，从而保住 1:3 的生死线。
6.2 HBM4 与先进封装：物理产能的“最终关口”
目前，所有大模型公司的野心，最终都必须向台积电（TSMC）的 CoWoS 线产能低头。
CoWoS 的逻辑位移： 在 Blackwell 和后续的 Rubin 架构中，先进封装不再是简单的组装，而是决定“单卡存力密度”的关键。
物理瓶颈的确定性：由于供给端的极端刚性，CoWoS 产能是目前 AI 产业链中唯一具有“涨价逻辑”的环节。对于投资者而言，这种基于“物理产能瓶颈”带来的溢价，是分母端最稳固的投资锚点。只有锁定先进封装能力的厂商，才能保证 Token 的稳定产出。
6.3 从SSD 到内存集群：消除推理抖动
在长上下文（Long Context）推理中，KV Cache 的爆发式增长对高性能存储（NVMe SSD）和内存带宽提出了地狱级要求。
推理延迟的财务账：哪怕1ms 的 I/O 延迟，在数千亿次请求的规模化效应下，都会积沙成塔地变成巨额的成本损耗。
存储网络（InfiniBand/Ethernet）： 2026 年，算力集群的竞争已经演变为“存内计算”和“存储架构”的竞争。谁能降低存储到计算节点之间的“物流时延”，谁就能在分母端获得更强的定价权。
小结：整体逻辑闭环阐述
当2026年AI产业从训练转向推理侧，那么算力投资方向其实就很明确，理解算力演进方向的【道】，比直接告诉你具体公司有价值的多。
简要总结就是规律就是如下几点：
算力（GPU）：决定“加工速度”。
存力（HBM/CoWoS）：决定“原材料供给速度”。
运力（CPO/PCB）：决定“半成品周转速度”。
电力：决定“工厂运行能耗”。
理解了方向，就知道在比如高能耗与低能耗方案的选择时，该如何选？CPO和铜缆的长期选择中如何选？北美电力设备投资中长期看好吗？
看好硅光吗？更看好CW方案还是EML方案？OCS为什么市场给予高估值？光互联赛道与铜缆如何选择？等等，不一一赘述，聪明的读者相信已经有了答案。
当然，具体投资中要具体公司具体分析，因为还要考虑公司业务的AI占比、估值等因素，这里不展开。
希望26年四月底笔者的三篇《TOKEN经济学及算力工程》文章，能为您接下来的投资有所指引与启发。
第二篇结束，迟些发第三篇《英伟达万亿营收的闭环逻辑》，有兴趣的朋友可以关注。
相关阅读：
「AI的利润底座」Token 经济学、大模型盈利模式与Amodei公式 | 深度
「AI 产业落地质变」大模型跨越“逻辑推理”临界点，重构商业闭环与算力需求函数
重构与跨越 -「OFC/GTC 2026」产业观察指引：AI互联与底层硬件的演进趋势
拆解「沪电股份」在英伟达Rubin后时代的“相对唯一性”和价值量跃升路径
「洞见AI+产业爆发点，关注❤收藏☆转发=提前布局AI机遇」
现在关注的人，未来会感谢今天的自己
「风险提示：本文企业投研结论系个人投资笔记，个人观点仅供参考，不构成投资建议。数据基于公开数据和行业及券商研究报告。市场有风险，决策需谨慎」
「版权声明：原创内容未经许可禁止转载，侵权必究。如需使用，请联系作者获取许可，并注明来源」
【鹏友圈CapitalCircle】继续欢迎科技行业、半导体行业、有色化工顺周期行业的资深投资人、产业投资人、机构研究员等人士加入鹏友圈，一起分享讨论投资机会。
申请免费，仅要求加入后，未来做一期内部产业分享或投资分享。