AI算力基础设施投资中，哪些硬件细分环节最具弹性？

在AI算力扩容周期中，光互连、PCB、液冷及供电四个环节均受集群规模扩张和单机性能提升驱动，但核心逻辑与弹性来源各有侧重：

1. **光互连**：核心驱动力在于数据中心网络速率由800G向1.6T迭代以及集群规模扩大带来的端口密度提升。随着AI训练集群由数十卡扩展至数百卡乃至更大规模，光模块的需求不仅取决于GPU出货量，更由“传输速率×端口密度×网络层级渗透率×集群规模”共同决定。特别是CPO、LPO等新技术路线的引入，进一步提升了单端口价值量和技术壁垒，使其成为景气度较高、弹性较强的细分环节。

2. **PCB**：主要受益于AI服务器对高速传输、低时延和高密度互连的要求，推动产品向高多层板、高阶HDI及高端材料升级。据测算，GB200/GB300机柜单柜PCB价值量约23万-25万元，而下一代Rubin架构有望提升至57万-61.5万元。其弹性来源于单机价值量的显著提升及高端产能的稀缺性。

3. **液冷**：随着AI GPU机柜峰值功率密度由130kW提升至超1MW，传统风冷难以满足散热需求，液冷从可选配置变为刚性配套。GB200/GB300单GPU对应液冷价值量分别为1110美元和1409美元，R200平台预计提升至2400美元。其弹性主要来自于渗透率的快速提升及单卡价值量的翻倍增长。

4. **供电**：高功率密度推动数据中心供电架构向800V HVDC演进，以提升能效并降低总拥有成本。虽然固态变压器等设备将迎来增量，但相比前三者，其变革节奏相对平稳，更多体现为存量替换与技术升级带来的稳健增长。

综合来看，**光互连**和**液冷**因兼具“量增”（集群规模扩大、渗透率提升）与“价升”（速率升级、单卡价值量翻倍），在当前阶段可能具备最强的业绩弹性；**PCB**则因单机价值量大幅提升而紧随其后；**供电**环节虽重要，但其弹性释放依赖于架构全面切换的进度，相对滞后。