在 AI 浪潮的讨论中，英伟达 (Nvidia) 的 GPU 几乎成为了唯一的代名词。然而，算力的发挥并非仅靠芯片，而是一场关于电力、散热、传输与集成的物理战争。近期，多家基础设施巨头的一系列动作预示着 AI 硬件的重心正在向“系统级”转移。
首先是算力交付形式的演进。戴尔 (Dell Technologies) 已经将机架规模 (Rack-Scale) AI 系统转化为核心增长引擎。2026 年 6 月 1 日，戴尔宣布成为首家交付基于英伟达 Vera Rubin 平台的系统公司，其 PowerRack 系统搭载的 PowerEdge XE9812 服务器已向 CoreWeave 出货。这意味着 AI 算力的交付不再是单台服务器的叠加，而是以整个机架为单位的模块化交付，极大提升了部署速度和能效比。
然而，算力集群的规模化面临一个核心瓶颈：光传输。随着数据中心内部通信需求的激增，光学互连成为了关键。Lumentum (Lumentum) 正处于这个光学瓶颈的中心。尽管市场对共封装光学 (CPO) 的采纳进度存在疑虑，但摩根大通 (J.P. Morgan) 最近重申了对其“增持”的评级，认为英伟达及其他客户对共封装和近封装光学的兴趣将持续推动增长。简单来说，如果芯片是大脑，那么光模块就是神经网络，决定了数据传输的带宽上限。
为了进一步加速这种规模化部署，供应链的地理分布也在优化。Astera Labs (Astera Labs) 宣布扩大其在台湾 (Taiwan) 的业务及云规模互操作实验室 (Cloud-Scale Interop Lab)。在半导体供应链的核心枢纽台湾加强工程与协调能力，旨在缩短 AI 基础设施从设计到部署的时间周期，确保其产品能快速适配复杂的算力生态。
与此同时，算力基建的版图正在全球扩张。Nebius Group (Nebius Group) 计划投资约 17 亿英镑在英国 (UK) 建设 AI 产能，通过三个新的英伟达基础设施部署点，并扩大其在伦敦 (London) 的 AI 研发中心。这种由云服务商主导的区域性算力集群建设，正将 AI 基建的需求从少数几个超级数据中心扩散至全球主要经济节点。
综合来看，英伟达也在通过多样化布局来巩固其地位。在 2027 财年第一季度，英伟达录得 816 亿美元营收，其中数据中心收入高达 752 亿美元，同比增长 92%。除了传统的算力芯片，英伟达推出的 XR AI 公测框架，正试图将 AI 基础设施的触角延伸至物理 AI 和扩展现实领域。
对于中文读者而言，关注 AI 投资不应仅盯着芯片厂商的财报，而应将目光移至那些解决“物理限制”的公司。无论是机架集成、光互连还是区域性算力中心，这些基础设施的补涨机会正随着 AI 模型向物理世界延伸而逐渐显现。
本文内容仅供参考，不构成投资建议。