本文来自微信公众号： 青野有枯荣 ，作者：青野Tsingyeh
（题图：雾夜的光线。“要站在光里”是一个Meme，但标签化地理解“光”和AI Infra，仍远远不够）
在过去的两个月，相信很多人被的战争行情折磨，每天都在做无源的预判，最后是反转再反转，令人无所适从。如果只关注宏观品种，这种痛苦无疑会被放大很多：多空原油或者多空股指，相信都在剧烈的起落中难以适从。但另一面，AI相关的个券则显示出明显的韧性。这种差异提示了:身处不确定性的环境中，如何安置注意力、选择主场是个大课题。
我们面临的首要的问题是：是否还要把大量的精力集中在宏观问题上？
宏观作用于于投资有两条路径，一是把宏观作为背景板，用宏观决定整体仓位；二是把宏观作为交易信号和品种本身，即用宏观做择时。二者过程迥异。如果认知框架没有太多问题，那么在宏观上得到大体的方向、仓位的判断并不难（毕竟宏观环境很多时候都是共识）。但，若要推测交易这些主题的点位和时机，可能会花费相当的精力，却未必能改进结果，反倒有可能走向“精确的错误”。后者本就是难事，更何况这些年，我们越发感到到自己生活在一个宏观冲击频仍的世界里，但宏观分析的可见度和效果却都明显下降。为什么？
或许因为，宏观的研究范式只是一种历史视角下对魔方的俯视，看到了一面的色块排列，但未必看到更多面。而宏观冲击却正来自这些看不见的维度：比如政治这个“黑箱”的输出。而哪怕在宏观可见的维度，经验也在重构：比如说这两年老生常谈的“K型分化”之下，我们发现经济总量结果对市场的影响越发趋于边际，过度关注下行结构而忽略了上行结构，就意味着巨大的机会成本。
从实战的角度讲，宏观上能提供大空间的机会本身并不多见，反倒多数时候都是噪音。这之后，更要讲究注意力的“损益比”：若宏观暂无良机或超乎常理，日日紧盯、频频思考总体无益，而要朝产出效果更大的方向配置注意力。
所以，最近一个月，我在做出了“战争冲击很快过去”的判断之后，转向了两件事情：一是读书，看历史上的纵横捭阖和权力变迁如何在具体的人和事件层面上发生（只有历史学家才拥有如此全面的资料和视角，而知道“真正在发生什么”是后人才有的特权，我们之后会更新几篇读书笔记）；另一件事情，便是学一些AI Infra的东西。我感到自己很久没有这样放空心态，沉下心从头学一件事情。必须承认，AI本身就是理解AI的利器，尤其在从0到1的阶段中。世界对所有试图跨界学习的人而言，似乎从来没有如此友好。
在学习的过程中，我的第一感受是：以前从宏观看产业的“俯视感”并不意味着高明，反而因为缺失了许多的侧面和细节，会让观察者更远离事实。比如，从宏观上说：半导体和电子是最复杂的产业链之一，高度依靠全球分工合作，但从对GDP直接拉动来看，贡献比较有限。这样一句话，似乎就对这个产业下定了判词。而面对“AI泡沫”的争议，宏观既设定了叙事，也设定了答案：它往往会基于历史经验的归纳得出“YES”的答案——典型者比如：芯片、光纤这类AI Infra归根到底都是制造业，历史上早就经历过多轮周期，其顶部从来都充满了“这次不一样”的幻觉，但结果从来都是“这次也一样”…
然而，谈论终将结束的周期，如同谈论人终将面临的死亡一样缺乏现实意义。早早地基于历史进行宣判也未必公允，因为人类确实在许多程度上颠覆了历史。而未来塑造权和话语权，几乎都在产业。一旦谈及加速器、存储芯片、光通信等这些具体的环节，宏观上“俯瞰”的认知是远远不够的，甚至按金融市场的炒作逻辑，标签化地理解它们也未必适用。很有代表性的例子便是“光”——如果只是标签化地理解光通信（比如连CPO和光模块到底是什么也区分不请），流于一种“站在光里”的主题概念（甚至是Meme），那么结果自然是“心中无锚”：既不知道它现在处于什么位置、估值是否合理、确定性如何，也难以应对价格在绝对高位时不可避免的巨大波动。比如，在战争压制最强的一段时间，有人得出了“资金在光里避险”这样一种似是而非的结论——但这个逻辑并不全然准确。因为在战争冲击缓和后，在“光”上的抱团反倒加速了，而不是瓦解了。
所以我想，对产业未来的支持或是质疑，终归要回归对产业本身的理解。不说要搞懂每一个技术细节，但至少对基本的环节、关键的矛盾要有所掌握。所以，在下面的部分，我想简要记录一下个人的一些心得。
AI Infra无疑正在经历一轮超级通胀周期。从供给端可以看到，产能的瓶颈是客观存在的，向上游看，半导体制造、封装的各个环节都出现了明显的紧缺，人们发现织布机、洁净室、气体、检测装置等等环节都面临短缺。而这一轮供需缺口的关键表征之一是高端产品大幅挤占了产能，进而导致低端产品也出现了缺口。这类看似“老经济的复仇”的现象，也在存储、光模块、光纤、PCB等等领域均密集出现，这意味着紧缺的程度相当高，也意味着资本开支必须是全产业链、全方位的，并且需要相当的时间。基于目前的预测，许多环节都把产能释放的节点看向了27年和28年；而更紧张的发电和电网设备，甚至看到了2030年之后。
而重要的问题是，为什么这种短缺在经历了2025年的狂奔年代后，仍然愈演愈烈？根本的原因在于：需求仍看不到天花板和减速的迹象。AI浪潮已经“从训练到推理”：在靠训练堆参数外，在推理过程种投入更多算力，同样能明显提升模型的表现（Inference Scaling）。而与此同时，“从Chatbot到Agent”的商业模式已经初见端倪：来自B端Agentic AI、多模态的推理需求已经开始兑现，而最直接的体现，就是Anthropic营收的剧烈增长。
因而，算力仍然是主战场。模型能力对基础设施提出了更高要求——更高带宽、更低延迟、更低功耗，以及更强的分布式通信能力。因而，几乎所有的AI Infra的进步方向，都围绕以上目标展开：一是算法的升级，比如Google TurboQuant算法旨在压缩KV缓存来缓和DRAM压力；二是材料的优化，支持更大集群、更长距离的通信，会有“光进铜退”、磷化铟、薄膜铌酸锂等的需求崛起；而同样关键的是架构和关键节点的升级，大到电网、机房、机架和GPU的架构，小到CPO、OCS交换机和甚至是激光器EML的架构……这些方向相互交织。
而在这些现状的基础上，我们谈论“杰文斯悖论”、“Scaling Law是否有效”和“AI是否是泡沫”等看似形而上的问题，才有更丰富的细节。我想，或许可以期待的是：AI基建的周期可能会明显拉长，而周期性可能更不明显。这基于三个假设：
1.推理需求的爆发显著延后了“总算力过剩”的时点的到来：至少在目前阶段，模型能力还没有到达边际效率递减的阶段，哪怕产生了算力过剩，模型能力的需求也能吞掉一切的冗余。
2.产业链的重构预示着供需的更强绑定。从HBM到交换机到光纤，定制化的需求会越来越多，这些都使得需求有更强的黏性，而供给方有更强的议价权。我们看到一些新的协议方式正在出现：比如签订带预付款的“长协”，甚至要求需求方参与资本开支。与之随行的是已然发生的垂直并购，这既能降低成本、控制产能，也可能会减轻“牛鞭效应”的负向结果。
3.紧缺是分层的，高低端的紧缺会以不同速度缓解。最底层的变数是，不同的模型对token的需求可能开始分化，而往上游走，随着产业链的适应调整，高端和低端产能的紧缺程度也可能会逐步出现分化。或许最终的情况是，低端的紧缺可能会更早缓解、但高端产能的紧缺会因良率、定制化粘性和杰文斯悖论等一直持续，前者会影响“通胀”的速率，但后者可能是“通胀景气”的核心。
所以，Agent、推理能力和AI Infra的需求都不是可以轻易证伪的概念。当然，从理解产业到标的选择以及策略制定，仍需要几步跳跃。可以看到，市场在“做通胀”逻辑（产成品价格自然是最直接的指征）之外，还在关注两条暗线：利润的实际分配和技术路线的竞争，这会导致同一族群之内的明显分化。因而不难理解，市场跟着产业链一路往上游寻找，寻找供应链的卡点（有景气支撑）和潜在新技术（更多是概念层面）。每一轮涨势的催化节点很明确：技术路线的明确、高端产品的出货……并不是毫无逻辑。或许可以确信的是，在目前这个市场位置，更多可能只有泛AI链条里的“高低切”，而不大会有绝对便宜的资产。
必须说明：在景气周期内，泡沫与否是不容易判别的，或者说必然存在一定程度的泡沫也不为过。市场展现出来的良好承接力中，不可避免会带有“信仰”的成分——这个词让我蓦地想起币圈。币圈纯然是泡沫吗？现在回想起来，2020年前后围绕去中心化和DeFi狂热的诸多概念和迷思早已不攻自破，但趋势和产业逻辑仍是存在的、有兑现的，并且相当简明的——即“大类资产化”的进程。这决定了：哪怕以2021年高点为基点，BTC作为共识和最大容量的标的，仍然展现出相当的趋势性。所以，信仰要走向兑现，也不是“选方向然后闭眼蹲好”那么简单的事情。而是，你看到了最大可能的位置和路径，摒弃浮华，做出最直接的选择。把研究做深入、把交易做简单，大致如此。