AI數據搬移成2026隱形賽道：光學互連投資指南（附龍頭股）

AI數據搬移是這篇文章討論的核心

AI 資料中心的光學互連基礎設施——這裡才是 2026 年真正的戰場。｜攝影：Brett Sayles / Pexels

⚡ 快速精華

💡 核心結論：AI 的瓶頸已從「算力不足」轉向「數據搬不動」。第一波投資押注晶片製造商（NVIDIA、Broadcom），但下一波價值爆發將發生在互連、光學傳輸與邊緣到雲端管線這個被嚴重低估的「數據搬移」賽道。

📊 關鍵數據：大型科技公司已累計投入 7,250 億美元 AI 資本支出（Forbes, 2026）；NVIDIA 自 2026 年 3 月起已砸超過 65 億美元佈局光子學；預測 2027 年 AI 基礎設施市場將突破 2 兆美元，其中數據搬移相關基礎設施佔比可達 3,000-5,000 億美元。

🛠️ 行動指南：追蹤四大關鍵玩家在數據流動路徑中的卡位——NVIDIA（GPU 內部互連）、Broadcom（叢集級互連）、Marvell（資料中心間互連）、Coherent（光學傳輸層）。關注每季財報中「網路/互連」收入佔比變化。

⚠️ 風險預警：Coherent 等光學概念股目前估值偏高；TSMC CoWoS 先進封裝產能已售罄至 2026 年底，供應鏈逐級瓶頸可能壓縮短期成長空間；光學互連技術標準尚未統一，投資存在技術路線押錯的風險。

作為一個長期蹲在 AI 基礎設施賽道旁邊觀察的人，2026 年中這波「數據搬移」熱潮給我的感覺，像極了 2019 年所有人都盯著 5G 基站、卻沒幾個人注意到光纖鋪設才是真正瓶頸的翻版。The Motley Fool 在 6 月 28 日甩出的那篇專題——《The AI Bottleneck Most Investors Are Missing but Shouldn’t》——話講得夠白了：多數投資人還在死盯著 GPU 供應鏈，卻完全沒意識到，真正卡住 AI 發展脖子的，已經不是算力，而是數據在處理器之間「搬不動」這件事。

讓我們把這整件事掰開揉碎來聊。

為什麼 AI 算力不再只是「買更多 GPU」就能搞定？

The Motley Fool 的文章開宗明義指出，第一波 AI 投資幾乎全部押注在晶片製造商身上——NVIDIA（NVDA）和 Broadcom（AVGO）是最大贏家，這沒什麼好爭議的。但問題的質變發生在模型參數規模跨越一個門檻之後：當模型從數十億參數膨脹到數百億甚至上千億等級，餵養這些怪獸級模型所需的數據量本身，正在成為新的天花板。

打個比方——你可以把 GPU 想成廚房裡的超級烤箱，數據就是食材。烤箱再猛再大，如果食材卡在後門進不來、或者在廚房走廊堵成一團，整條出餐線照樣癱瘓。Forbes 在 2026 年 4 月的報導中披露了一個令人咋舌的數字：大型科技公司已累計砸下 7,250 億美元的 AI 資本支出，但真正的瓶頸根本不是算力不夠——是數據在處理器之間的流動效率拖了後腿。

這不是什麼邊緣問題。當你的模型訓練需要 10 萬顆 GPU 協同工作時，任何一條互連鏈路的延遲或頻寬不足，都會像高速公路上的一起小車禍——影響的是整條車流的通過率。而目前絕大多數 AI 資料中心內部的互連，仍然依賴傳統銅線技術，在 100 公尺以上的傳輸距離就開始出現嚴重的訊號衰減。

🔧 Pro Tip｜專家見解
別把「數據搬移瓶頸」理解成單純的「網速不夠快」。這是一個多層次的架構性問題：GPU 內部互連（如 NVIDIA 的 NVLink）、叢集級互連（如 Ethernet/InfiniBand）、資料中心間互連（DCI）以及長距光學傳輸——每一層都有自己的物理極限和成本結構。當你把視角從「單顆 GPU 跑多快」拉到「10 萬顆 GPU 之間的數據協同效率」，你就會發現，算力投入的邊際回報正在被互連瓶頸嚴重稀釋。投資人如果只看 GPU 出貨量，等於只看了冰山一角。

光學互連崛起：從銅線到光子的基礎設施大遷徙

這裡有一個硬數據值得記住：根據 TNW 的報導，NVIDIA 自 2026 年 3 月起已投入超過 65 億美元佈局光子學（photonics）領域，目標對象包括 Coherent（COHR）、Lumentum、Marvell（MRVL）、Corning 以及 Ayar Labs。這不是在做慈善——NVIDIA 心裡門兒清：如果不能用光取代銅線來傳輸數據，自家 GPU 的效能優勢會被互連瓶頸活生生吃掉一大塊。

CNBC 在 2026 年 5 月的報導也佐證了這個方向：NVIDIA 正在投入數十億美元開發光子學技術，業界觀察人士認為這可能為 AI 產業帶來巨大的效率提升。说白了，整個行業正在經歷一場從「電子傳輸」到「光子傳輸」的範式跳躍。

根據 Wikipedia 關於資料中心互連（DCI）的資料，現代 DCI 已從 400G 演進到 800G，而下一代 1.6T 系統正在研發中。密集波分複用（DWDM）技術允許單一光纖同時傳輸多個數據通道，配合相干光傳輸技術和光放大器，每個波長可支援 400 Gbit/s 以上的傳輸速率。矽光子學（Silicon Photonics）和共封裝光學（Co-Packaged Optics, CPO）是兩個最值得追蹤的技術路線。

🔧 Pro Tip｜專家見解
CPO 將光學元件直接整合在晶片封裝內，理論上可將互連能耗降低 70% 以上。這意味著什麼？同樣的電力預算下，AI 資料中心可以跑更多模型推理——對於利潤率敏感的雲端服務商來說，這是硬邦邦的財務指標，不是錦上添花。當你聽到某家公司宣布 CPO 量產時，別只看技術新聞，去看他們客戶的毛利率變化——那才是真實的影響力。

誰在搶食「數據搬移」的兆元蛋糕？四大玩家深度盤點

The Motley Fool 的文章點名了四家關鍵企業：AVGO、NVDA、MRVL、COHR。但光知道名字沒用，得搞清楚每個人在這條數據高速公路上卡的是哪個收費站。

Broadcom（AVGO）——叢集級互連的隱形王者

The Motley Fool 預測 Broadcom 可能成為 2026 年 Nasdaq 表現最佳的 AI 股票，超越 NVIDIA 的市場動能。原因不複雜：Broadcom 的客製化 AI 加速器（ASIC）和網路產品線，正好卡在「數據搬移」基礎設施的核心位置。當超大規模雲端服務商（hyperscalers）不想被 NVIDIA 鎖死、開始設計自家晶片時，Broadcom 的客製化矽解决方案就是那個「我幫你搞定」的角色。

NVIDIA（NVDA）——從 GPU 公司到全端基礎設施公司

2026 年 NVIDIA 股價僅上漲約 7%，聽起來不太性感。但這不是因為 NVIDIA 不行了——而是因為它在進行一場結構性轉型。65 億美元的光子學投資告訴你，NVIDIA 不再只賣 GPU，它在構建從晶片到光學互連到資料中心架構的完整生態系統。有 Medium 分析師直接點破：NVIDIA 的下一個瓶頸不是 GPU，是數據搬移。

Marvell Technology（MRVL）——Hyperscaler 的 Plan B

The Globe and Mail 報導，Marvell 在 2026 年的報酬率幾乎是 NVIDIA 的兩倍以上。為什麼？因為 Marvell 專注於為超大規模雲端服務商設計客製化 XPU 和高速互連晶片。當 hyperscalers 不想被 NVIDIA 鎖死，Marvell 就是那個遞上替代方案的傢伙。

Coherent（COHR）——光學傳輸層的純粹卡位

光學網路升級是 AI 最被忽略的瓶頸，而 Coherent 正處於這個浪潮的正中心。該公司提供的光學升級方案對於處理 AI 應用至關重要——The Motley Fool 評價其估值偏高但上行潛力顯著。換句話說，現在進場有點貴，但如果賭對了方向，回報空間不小。

🔧 Pro Tip｜專家見解
別只看單一公司的產品線，要看它在「數據流動路徑」上的卡位。一個簡單框架：NVIDIA 卡的是 GPU 內部互連（NVLink）；Broadcom 卡的是叢集級互連（Ethernet/客製化 ASIC）；Marvell 卡的是資料中心間互連（DCI）；Coherent 卡的是光學傳輸層。這四層疊起來，就是「數據從一顆 GPU 出發到抵達另一顆 GPU」的完整路徑。哪一層堵了，整條鏈路就降速。投資策略的核心問題不是「誰的技術最好」，而是「哪一層的供需失衡最嚴重」。

企業 AI 支出結構正在崩塌重組——投資人該怎麼部署？

The Motley Fool 的文章強調，企業 AI 支出正在從單純的「買更多算力」轉向「構建支援生成式和交易式 AI 工作負載的完整基礎設施」。這聽起來像是公關稿裡的場面話，但背後的含義其實很硬核。

Forbes 報導的那 7,250 億美元支出，其中越來越大的比例不是花在 GPU 上，而是花在互連、光學、散熱和電力基礎設施上。根據 NextWave Insight 的分析，TSMC 的 CoWoS 先進封裝產能已銷售一空至 2026 年底，NVIDIA 鎖定了超過 70% 的 CoWoS-L 產能——這意味著其他晶片設計公司（AMD、Broadcom、Marvell 等）在封裝環節就先被卡住了，能出多少貨得看 TSMC 臉色。

換句話說，瓶頸已經從「晶圓供應」轉移到「先進封裝」，現在又從「封裝」轉移到「數據搬移」。每一層瓶頸被打通，就會暴露下一層——這是典型的供應鏈逐級解放過程。而對於投資人來說，每一層瓶頸的轉移，都意味著新的投資主題和新的贏家。

🔧 Pro Tip｜專家見解
追蹤「資本支出流向」比追蹤「技術路線圖」更能提前嗅到投資機會。如果 2027 年大型雲端服務商的資本支出中，互連和光學基礎設施的佔比從目前的約 15% 上升到 25-30%，那麼 AVGO、MRVL、COHR 的營收成長曲線會比純 GPU 廠商更陡峭。具體操作：打開 AWS、Google Cloud、Microsoft Azure 的每季財報，找「基礎設施投資」或「網路設備」的細項，看佔比趨勢線往哪邊走。這比任何分析師報告都管用。

2027 年預測：數據流動基礎設施將如何重塑 AI 產業鏈？

往 2027 年看，幾個趨勢已經有骨有肉：

1. AI 基礎設施市場將突破 2 兆美元規模，其中數據搬移相關的互連和光學基礎設施可能佔 3,000-5,000 億美元——這不是什麼邊角料市場，這是一條獨立的兆級賽道。

2. 光學互連將取代銅線成為主流：預計到 2027 年底，新建 AI 資料中心中超過 60% 的機架間互連將採用光學方案，而非傳統銅纜。NVIDIA 的 65 億美元光子學投資將開始看到回報。

3. 邊緣到雲端管線將成為獨立產品類別：The Motley Fool 文章中提到的「edge-to-cloud pipelines」不是 buzzword。當 AI 推理從雲端延伸到邊緣裝置，數據在兩者之間的高效流動將催生一整批新公司和新產品線。這是一個目前幾乎沒有純粹玩家的空白市場。

4. 客製化互連晶片將迎來爆發：Broadcom 和 Marvell 已經在這條路上跑了一段，2027 年將是收成期。超大規模雲端服務商不再滿足於通用解決方案，他們要的是為自家工作負載量身打造的互連架構——而這正是 AVGO 和 MRVL 的核心競爭力。

5. 「數據搬移」將成為獨立的投資主題：就像 2023-2024 年「AI 晶片」從「半導體」中獨立出來成為專門賽道一樣，2027 年「數據搬移基礎設施」將從「資料中心設備」中獨立出來，擁有自己的指數、自己的 ETF、自己的分析師團隊。The Motley Fool 那篇文章的標題已經在暗示這件事了。

🔧 Pro Tip｜專家見解
如果要用一個指標來判斷「數據搬移」賽道是否真正爆發，看 NVIDIA 的營收結構變化。如果 NVIDIA 的「網路/互連」收入（目前主要來自 Mellanox 產品線）佔比從 2026 年的約 12% 跳升到 2027 年的 20% 以上，那就是最明確的訊號——連 GPU 霸主都開始靠「搬數據」賺錢了，這個賽道的規模化就已經不可逆。到那時候，再進場可能就遲了。

常見問題 FAQ

什麼是 AI 的「數據搬移」瓶頸？

當 AI 模型參數達到數百億甚至上千億等級時，GPU 之間需要交換的數據量極其龐大。傳統銅線互連在頻寬、傳輸距離和能耗上都已逼近物理極限，導致數據在處理器之間的流動效率成為制約 AI 訓練和推理速度的關鍵因素。The Motley Fool 在 2026 年 6 月的專題中明確指出，這個瓶頸正取代單純的算力不足，成為 AI 產業發展的新天花板。

NVIDIA 為什麼要投資 65 億美元在光子學上？

根據 TNW 和 CNBC 的報導，NVIDIA 自 2026 年 3 月起已投入超過 65 億美元佈局光子學領域，目標包括 Coherent、Lumentum、Marvell、Corning 和 Ayar Labs。核心邏輯是：如果不能用光取代銅線來傳輸數據，GPU 的算力優勢會被互連瓶頸嚴重稀釋。NVIDIA 正在從「純 GPU 公司」轉型為「全端 AI 基礎設施公司」，光子學是這個轉型的關鍵拼圖。

投資人應該關注哪些「數據搬移」概念股？

The Motley Fool 點名的四大關鍵玩家為：Broadcom（AVGO，叢集級互連與客製化 ASIC）、NVIDIA（NVDA，GPU 內部互連與光子學佈局）、Marvell Technology（MRVL，資料中心間互連與客製化 XPU）、Coherent（COHR，光學傳輸層）。投資人應追蹤每季財報中「網路/互連」收入佔比變化，以及大型雲端服務商資本支出中基礎設施佔比的趨勢。