人工智能重塑电子产业链未来

AI大模型下半场，应用端的想象力爆炸，有望真正改变一个时代的用户行为的“杀手级应用”初现江湖。

比如，未来“AI coding”会是新的创作方式。中国的AI初创公司YouWare想成为一个“激发普通人coding创作欲望的vibe coder（氛围编程者）社区”。而这家公司也是今年在AI领域备受投资人欢迎的抢手创企。在还没正式推出产品前就连融两轮，估值达到8,000万美元，投资方里有数家顶尖VC。

“时势造英雄”，在技术领域同样如此。而好的产品和应用、好的公司，一定是被一个技术周期里主流的趋势赋能。就像苹果一直在“压榨”摩尔定律的极限；YouTube、字节等公司则是以短视频信息流的形态，把移动互联网的带宽速度和快速增长的移动端用户发挥到了极限。

那么到了现在的AI时代，比拼的就是极大化利用智能红利的能力。正如YouWare创始人明超平所指出的，“今天判断一个AI产品的价值，也应该看它对AI的token消耗是在加速还是放缓？”重点是，要顺着浪潮，站稳冲浪板，否则再怎么划也没用。

而应用端的繁荣，势必将反过来影响产业链整体的生产和供需模式。AI重塑产业的故事正式开启了。对于电子产业链而言，这种影响将更为深刻。

AI算力基础设施投资扩大

带动上下游产业链

今年5月举行的2025台北国际电脑展（COMPUTEX 2025）以“AI Next”为主题，重点展示了人工智能与机器人、新一代技术、未来移动三大主题。其中一个重磅发布是Nvidia的NVLink Fusion，这标志着Nvidia将其专有的高性能互连技术NVLink向合作伙伴开放，以支持第三方CPU和AI加速器的集成，构建半定制化的 AI 基础设施。此举旨在突破传统数据中心在规模和性能上的瓶颈，为云服务商和大型企业提供更灵活、可优化的系统设计方案。

在AI工厂（AI factory）和AI基础设施（AI infrastructure）的需求推动下，数据中心正转变为近万亿美元市场。国金证券对此分析指出，随着全球范围内对AI基础设施投资规模的扩大，也将扩大AI产业链上下游优质公司订单，基本面有望持续兑现。

比如，数据中心互连（Data Center Interconnect, DCI）技术在AI浪潮的驱动下，将进一步释放需求。TrendForce集邦咨询的新研究数据显示，2025年随着生成式AI逐步融入人们的生活应用，SK Telecom、Deutche Telekom等全球主要电信商陆续针对一般用户推出代理式AI（Agentic AI）服务。在电信商和CSP大厂持续建置数据中心的情况下，DCI技术日益受到关注，预估2025年产值将年增14.3%，突破400亿美元。

DCI技术可连接两个或多个数据中心，在短、中长距离范围内进行高速数据传输，有助于降低数据中心庞大的AI数据运算负载。据悉，现阶段主要由光通讯设备厂与美国、北欧、东南亚区域电信商合作，共同部署DCI场景验证。其中以美国的Ciena非常积极地提供DCI服务，其合作的电信商Telia、e&和Arelion皆有采用Wavelength Logic6 Extreme方案。

Nokia则拓展其DCI业务至沙特阿拉伯和越南等国家，在越南，Nokia与当地主要电信商Viettel合作，采用PSE-6s光引擎，以Terabyte等级的速率进行多地和跨城市间数据中心传输，同时推动电信商旗下数据中心采用光收发模组方案，将传输速率从400G升级至800G和1.6T。

从全球DCI产业链来看，目前上游主要厂商多聚焦于雷射光源元件、光调变器、光感测模组、雷射二极体元件、光纤缆线等开发与生产；中游则由光通讯交换器、光收发模组大厂组成，如Cisco、Nokia、中际旭创，再供货至Ciena等DCI方案厂商。

TrendForce集邦咨询由此也指出，DCI产值的逐年增长，将带动800G和1.6T光收发模组等元件需求成长。

硬件创新再升级：

从终端到制造端重塑电子产业链

随着AI端侧应用的持续推进，新的硬件创新机会也不断涌现，其中AI PC、AI手机、AI眼镜及AIoT等产业链将迎来一波成长动能。

国金证券在近期研报中分析指出，这一轮消费终端需求主要来自两个方面。第一是传统终端产品的升级，包括手机、PC、IoT 等产品的自然更换，这主要归因于此前三年居家办公带来的电子产品集中式采购，陆续进入的自然换机周期，同时如智能手机本身产品的升级（包括SoC主控芯片、存储芯片、电源管理芯片等升级）。

第二是AI带来的创新需求：AI所带来的应用创新，包括AI手机、AIPC、机器人、自动驾驶等未来有望爆发的端侧AI，均会带动存储、算力芯片、电源管理以及驱动IC等增长。

国金证券指出，一季度业绩高增长及上半年业绩增长确定性方向包括，AI-PCB、SOC芯片、算力芯片、苹果产业链、CIS芯片、家电补贴受益芯片等。下半年多家厂商有望发布AI智能眼镜，相关产业链也将由此收益，包括SOC芯片、光波导光学，以及其他关键零部件和制造代工等环节。

可见，AI的影响力不仅仅只在终端硬件，而是席卷整个电子产业链，对于中上游的制造端以及材料创新上的影响也开始凸显，犹如多米诺骨牌一般层层传导，每一个环节的变革都在不断推动整个产业向智能化、柔性化方向发展，进而为企业提供了更广阔的创新空间和商业模式。

Omdia在其发布的关于题为《制造业中的人工智能》的白皮书中就指出，人工智能正在彻底改变制造业，它为提高效率和创造新的竞争优势提供前所未有的新机遇。尤其是多模态大模型的生成式AI在近年来的崛起，让AI技术在工业制造领域的应用加速。它可以大地重塑和优化制造流程，包括设计、知识管理、运营和通信，同时在预测性维护方面也大有可为。

不过，工业人工智能的部署面临一些独特挑战。比如，在制造业中，产品设计、预测性维护和工作流程优化等任务通常使用不同的数据格式——传统的非连接设备和异质硬件、软件和系统限制了数据访问，导致不同系统中的数据格式各不相同，并形成了数据孤岛。

对此，Omdia指出，边缘计算可作为跨制造系统整合人工智能应用的桥梁。而AI PC（人工智能电脑）的出现很可能会为工控机领域的人工智能创造新的机遇。根据Omdia的《2023年边缘AI处理器预测》，工业PC和其他边缘服务器的AI处理器附加率预计将从13%（2022年）上升到50%（2027年）。

此外，使用专为受限设备设计的轻量级人工智能（TinyML）是另一种可实践的方法。TinyML，可以将在尖端设备上运行的AI功能“下放”到微控制器（MCU）的规模。

简单来说，就是可以在边缘侧实现超低功耗的AI机器学习。同时，以恩智浦（NXP）、意法半导体（ST）和瑞萨科技（Renesas）为代表的MCU行业正在32位MCU级别上构建更强大的设备，以支持对小型人工智能模型的需求。有了TinyML，工业设备就可以使用自己的数据集进行本地训练，从而参与联合学习。将TinyML与联合学习相结合，就能开发出高效、保护隐私的机器学习应用程序，并能在资源有限的设备上运行。

结语

毋庸置疑，AI将继续深入到各个领域不断发展，并实现更紧密的整合。其先进高效的分析能力，将在产业价值链的更多环节得到充分的应用——从日常生活到生产车间，从一个智能电子产品到工厂设备的预测性维护，并通过更人性化、对话式的方式，提供从个人用户端到产品设计、制造、管理等贯穿产业链的端到端的洞察。人类智能与机器智能的深度携手，进入真正的“人机协作”时代。