AI大模型下半場，應用端的想象力爆炸，有望真正改變一個時代的用戶行為的“殺手級應用”初現江湖。

比如，未來“AI coding”會是新的創作方式。中國的AI初創公司YouWare想成為一個“激發普通人coding創作欲望的vibe coder（氛圍編程者）社區”。而這家公司也是今年在AI領域備受投資人歡迎的搶手創企。在還沒正式推出產品前就連融兩輪，估值達到8,000萬美元，投資方里有數家頂尖VC。

“時勢造英雄”，在技術領域同樣如此。而好的產品和應用、好的公司，一定是被一個技術周期里主流的趨勢賦能。就像蘋果一直在“壓榨”摩爾定律的極限；YouTube、字節等公司則是以短視頻信息流的形態，把移動互聯網的帶寬速度和快速增長的移動端用戶發揮到了極限。

那么到了現在的AI時代，比拼的就是極大化利用智能紅利的能力。正如YouWare創始人明超平所指出的，“今天判斷一個AI產品的價值，也應該看它對AI的token消耗是在加速還是放緩？”重點是，要順著浪潮，站穩沖浪板，否則再怎么劃也沒用。

而應用端的繁榮，勢必將反過來影響產業鏈整體的生產和供需模式。AI重塑產業的故事正式開啟了。對于電子產業鏈而言，這種影響將更為深刻。

AI算力基礎設施投資擴大

帶動上下游產業鏈

今年5月舉行的2025臺北國際電腦展（COMPUTEX 2025）以“AI Next”為主題，重點展示了人工智能與機器人、新一代技術、未來移動三大主題。其中一個重磅發布是Nvidia的NVLink Fusion，這標志著Nvidia將其專有的高性能互連技術NVLink向合作伙伴開放，以支持第三方CPU和AI加速器的集成，構建半定制化的 AI 基礎設施。此舉旨在突破傳統數據中心在規模和性能上的瓶頸，為云服務商和大型企業提供更靈活、可優化的系統設計方案。

在AI工廠（AI factory）和AI基礎設施（AI infrastructure）的需求推動下，數據中心正轉變為近萬億美元市場。國金證券對此分析指出，隨著全球范圍內對AI基礎設施投資規模的擴大，也將擴大AI產業鏈上下游優質公司訂單，基本面有望持續兌現。

比如，數據中心互連（Data Center Interconnect, DCI）技術在AI浪潮的驅動下，將進一步釋放需求。TrendForce集邦咨詢的新研究數據顯示，2025年隨著生成式AI逐步融入人們的生活應用，SK Telecom、Deutche Telekom等全球主要電信商陸續針對一般用戶推出代理式AI（Agentic AI）服務。在電信商和CSP大廠持續建置數據中心的情況下，DCI技術日益受到關注，預估2025年產值將年增14.3%，突破400億美元。

DCI技術可連接兩個或多個數據中心，在短、中長距離范圍內進行高速數據傳輸，有助于降低數據中心龐大的AI數據運算負載。據悉，現階段主要由光通訊設備廠與美國、北歐、東南亞區域電信商合作，共同部署DCI場景驗證。其中以美國的Ciena非常積極地提供DCI服務，其合作的電信商Telia、e&和Arelion皆有采用Wavelength Logic6 Extreme方案。

Nokia則拓展其DCI業務至沙特阿拉伯和越南等國家，在越南，Nokia與當地主要電信商Viettel合作，采用PSE-6s光引擎，以Terabyte等級的速率進行多地和跨城市間數據中心傳輸，同時推動電信商旗下數據中心采用光收發模組方案，將傳輸速率從400G升級至800G和1.6T。

從全球DCI產業鏈來看，目前上游主要廠商多聚焦于雷射光源元件、光調變器、光感測模組、雷射二極體元件、光纖纜線等開發與生產；中游則由光通訊交換器、光收發模組大廠組成，如Cisco、Nokia、中際旭創，再供貨至Ciena等DCI方案廠商。

TrendForce集邦咨詢由此也指出，DCI產值的逐年增長，將帶動800G和1.6T光收發模組等元件需求成長。

硬件創新再升級：

從終端到制造端重塑電子產業鏈

隨著AI端側應用的持續推進，新的硬件創新機會也不斷涌現，其中AI PC、AI手機、AI眼鏡及AIoT等產業鏈將迎來一波成長動能。

國金證券在近期研報中分析指出，這一輪消費終端需求主要來自兩個方面。第一是傳統終端產品的升級，包括手機、PC、IoT 等產品的自然更換，這主要歸因于此前三年居家辦公帶來的電子產品集中式采購，陸續進入的自然換機周期，同時如智能手機本身產品的升級（包括SoC主控芯片、存儲芯片、電源管理芯片等升級）。

第二是AI帶來的創新需求：AI所帶來的應用創新，包括AI手機、AIPC、機器人、自動駕駛等未來有望爆發的端側AI，均會帶動存儲、算力芯片、電源管理以及驅動IC等增長。

國金證券指出，一季度業績高增長及上半年業績增長確定性方向包括，AI-PCB、SOC芯片、算力芯片、蘋果產業鏈、CIS芯片、家電補貼受益芯片等。下半年多家廠商有望發布AI智能眼鏡，相關產業鏈也將由此收益，包括SOC芯片、光波導光學，以及其他關鍵零部件和制造代工等環節。

可見，AI的影響力不僅僅只在終端硬件，而是席卷整個電子產業鏈，對于中上游的制造端以及材料創新上的影響也開始凸顯，猶如多米諾骨牌一般層層傳導，每一個環節的變革都在不斷推動整個產業向智能化、柔性化方向發展，進而為企業提供了更廣闊的創新空間和商業模式。

Omdia在其發布的關于題為《制造業中的人工智能》的白皮書中就指出，人工智能正在徹底改變制造業，它為提高效率和創造新的競爭優勢提供前所未有的新機遇。尤其是多模態大模型的生成式AI在近年來的崛起，讓AI技術在工業制造領域的應用加速。它可以大地重塑和優化制造流程，包括設計、知識管理、運營和通信，同時在預測性維護方面也大有可為。

不過，工業人工智能的部署面臨一些獨特挑戰。比如，在制造業中，產品設計、預測性維護和工作流程優化等任務通常使用不同的數據格式——傳統的非連接設備和異質硬件、軟件和系統限制了數據訪問，導致不同系統中的數據格式各不相同，并形成了數據孤島。

對此，Omdia指出，邊緣計算可作為跨制造系統整合人工智能應用的橋梁。而AI PC（人工智能電腦）的出現很可能會為工控機領域的人工智能創造新的機遇。根據Omdia的《2023年邊緣AI處理器預測》，工業PC和其他邊緣服務器的AI處理器附加率預計將從13%（2022年）上升到50%（2027年）。

此外，使用專為受限設備設計的輕量級人工智能（TinyML）是另一種可實踐的方法。TinyML，可以將在尖端設備上運行的AI功能“下放”到微控制器（MCU）的規模。

簡單來說，就是可以在邊緣側實現超低功耗的AI機器學習。同時，以恩智浦（NXP）、意法半導體（ST）和瑞薩科技（Renesas）為代表的MCU行業正在32位MCU級別上構建更強大的設備，以支持對小型人工智能模型的需求。有了TinyML，工業設備就可以使用自己的數據集進行本地訓練，從而參與聯合學習。將TinyML與聯合學習相結合，就能開發出高效、保護隱私的機器學習應用程序，并能在資源有限的設備上運行。

結語

毋庸置疑，AI將繼續深入到各個領域不斷發展，并實現更緊密的整合。其先進高效的分析能力，將在產業價值鏈的更多環節得到充分的應用——從日常生活到生產車間，從一個智能電子產品到工廠設備的預測性維護，并通過更人性化、對話式的方式，提供從個人用戶端到產品設計、制造、管理等貫穿產業鏈的端到端的洞察。人類智能與機器智能的深度攜手，進入真正的“人機協作”時代。