核心观察：AI产业正在同时发生三件事：头部实验室的现金流与算力规模形成正反馈，模型训练和内部研发的战略权重重新上升；Rubin一代把机柜、交换板、光互联和液冷的复杂度继续推高；供应链则围绕PTFE混压、CPO/NPO、PCB高层板和先进封装展开验证。算力集中、资本投入和硬件交付之间并不是一条可以简单线性外推的曲线，很多数字仍属于行业推演，必须和已确认的工程进展分开看。
01｜实验室盈利拐点正在改变算力分配
当前AI商业模式的关键变化，不只是模型调用量增加，而是头部实验室开始尝试把算力变成可持续扩张的现金流。产业交流中给出的估算是：建设每兆瓦基础算力的成本约为1000万至1500万美元，而新一代模型带来的收入可能达到每兆瓦5000万美元甚至更高，投入与收入之间形成极高的毛利差。到2027年末，每兆瓦收入达到7000万至8000万美元以上仍只是基于模型稀缺性的假设，不能当作财务事实。
如果高毛利能够持续，实验室就可以把经营现金流投入下一代训练，减少对风投输血的依赖，形成“模型能力提升—商业价值增加—继续购买算力”的闭环。这也是不能只用当前收入或亏损判断OpenAI、Anthropic等实验室长期位置的原因：前沿模型的稀缺性、用户愿意为高端能力支付的价格，以及模型能否打通新的商业模式，都会影响未来现金流。
算力分配也可能因此发生变化。当前交流中使用的一个参考比例是约60%用于训练、40%用于外部推理，其中约5%用于探索研究、10%用于最终模型开发。这个比例并非公开统计口径，但它反映了一个值得跟踪的方向：当外部推理收入无法捕获模型创造的大部分价值时，实验室会更愿意把最好的模型和算力留给内部研发。
02｜头部集中与训练—推理摆锤，决定算力需求的斜率
资料中的集中化推演给出了一个非常激进的图景：两家头部实验室年初合计约2GW，到年底可能超过5GW；今年全球新增算力约30%流向两家，已签合同对应的明年比例可能升至40%—50%。如果算力规模每年继续增长三倍，2027年可能达到18GW、2028年可能达到54GW甚至更高。但这些数字是推演，不是经过审计的装机统计，实际结果会受到芯片供给、能源、监管、客户结构和模型路线影响。
模型市场从2023年前后的“百花齐放”走向更少的头部玩家，可能带来递归自我改进的飞轮：能力领先者先获得更多算力，更多算力又支持更强训练，领先者因此更容易拉开差距。与此同时，不能把某个阶段推理占比上升直接外推为永久趋势。2024—2025年推理需求随模型可用性提升而爆发，模型改变了大量企业的工作方式；当收入和应用成熟后，资本又会回到训练，训练与推理更像摆锤而非单向替代。
对硬件产业而言，这意味着总量扩大并不等于结构固定。训练集群需要更大规模的光模块、交换板、铜缆和散热系统；推理集群则更看重成本、时延和部署密度。若训练再次提速，光互联和高速PCB的需求曲线可能重新变陡；若推理部署占主导，机柜拓扑、功耗和运维效率会成为更重要的约束。
03｜Rubin Ultra与NVL576把光互联、铜缆和液冷一起放大
围绕Rubin Ultra的架构交流，较明确的部分是8个NVL72组成NVL576，共包含18个NVLink switch tray。每个switch tray前端被描述为配置16个NPO或CPO端口，两种方案并存，最终仍取决于客户需求和工程验证。按每端口对应8个光口的口径估算，18个tray对应288个端口、约2304个光口和576个光引擎；这一换算是架构推导，不等同于最终BOM。
switch tray数量从9个增加到18个，也会推高铜缆连接组件用量，交流中给出的量级约从5000增加到1万。柜间scale-out连接还没有在NPO与CPO之间做出最终选择，机柜之间需要的多模光纤连接器和配套光纤也会随系统规模增加。Kyber正交背板并未被确认取消，一体化冷板和二相液冷仍处于研发阶段；Obrum架构已经被更多资料采用，但其与Kyber的关系仍需等待工程图纸和客户验证。
高密度机柜同时带来液冷增量。八卡机占比被预期从流片中的10%—15%提高，部分B300八卡机可能从8U风冷转向2U或4U液冷，每个GPU配置两个波纹管的说法仍属于行业信息。inner manifold、水冷气管和波纹管会增加单柜用量，但具体供应商和份额没有得到确认；level 11由品牌厂商主导液冷采购，也意味着CDU和管路供应格局可能更分散。
04｜PTFE混压是交换板的现实过渡，尚未等同于大规模量产
NVIDIA computer tray交换板的材料路线被描述为从M8切换到PTFE，以降低高速信号损耗。原有M8方案改为两个子部件分别加工，再通过铜缆烧结成型；正交背板则是另一条长期讨论的架构路线，两者不是简单的一对一替换。PTFE方案的工程意图较明确，但样品、良率和交付能力仍决定它能否进入稳定量产。
目前的产业判断是Ultra交换板和Rubin交换板都在测试，Rubin相关板材制作处于早期验证，2026—2027年量产是市场预期而非公开订单确认。16层板制造、既有电性能能力和多家通信PCB厂商的加工经验，为方案落地提供了工程基础；但不同应用的混压组合尚未完全敲定，与Q布混压的概率被认为偏低，若良率不达标，方案仍会调整。相关的高速覆铜板与mSAP上游供给梳理可作为材料端补充背景。
深南电路、沪电股份、景旺电子、生益科技、胜宏科技等被列为具备测试或潜在导入能力的厂商。深南和沪电的加工能力被较明确地看好，景旺、生益科技和胜宏的实际参与节奏则取决于导入进度。PCB企业此前参与意愿波动，更多是因为甲方方案反复变化，而不是主观拒绝高端AI板材。覆铜板先于PCB、PCB又先于整机交付，短期量价兑现需要留意时间差。
05｜CPO与NPO并存，FAU和DFAU是价值量分配的关键
CPO和NPO在Rubin系统中被视为共同存在的产品形态，而非一条路线彻底替代另一条路线。NPO更接近可插拔光互联，CPO强调光引擎与交换芯片的紧密集成；在不同机柜、客户和维护条件下，两者会有不同的成本与可靠性权衡。单看某一个年度的出货量容易误判，较合理的观察窗口是2026年的测试订单与2027—2028年的连续部署能否形成规模。关于两种架构演进的背景，可参阅CPO、NPO与AI互联演进。
CPO供应链的一个重要变化在FAU。当前FAU供应被认为较集中，未来可能引入康宁、Coherent等厂商，形成三家左右的竞争格局；这会影响天孚通信的份额，但价格和工艺能力是否足以让新供应商稳定导入，尚未被公开验证。DFAU，即可插拔光纤阵列，被视为更重要的下一步技术变量。如果DFAU能够解决可靠性、装配和维护问题，FAU的封装方式与供应链位置都可能重构。
CPO组装数量方面，行业交流给出的2026年约1万套、2027年15万套以上，存在CPO与NPO口径混用的风险，不能直接当作确定产量。工业富联、天孚通信、中际旭创、新易盛、华工科技等企业分别处在服务器制造、FAU、光模块和硅光/先进封装的不同环节，实际订单、客户认证与产线位置仍需要以公司披露和验收结果为准。
06｜服务器制造层级变化，重新分配PCB与ODM的价值量
Rubin生产环节可拆为level 6、level 10和level 11。level 6核心是PCBA：采购PCB、贴装多层陶瓷电容和芯片、焊接并完成板卡；level 10把板卡组装成服务器系统；level 11进一步加入电源、电缆、液冷并形成机柜。传统富士康、工业富联、广达等厂商之外，联想、戴尔、惠普、超威等品牌和MGX厂商也开始进入level 11，品牌客户的自有工厂和外包策略将直接影响份额。
Rubin模块化设计让level 6承担更多前期复杂工序，生产更精细，但也可能提高该环节的价值量。交流中对某家ODM在level 6的份额给出70%—80%的判断，对level 10和level 11则认为很难精确估计，因为联想、惠普、戴尔等客户会在自有产能不足时外包。level 11和level 12还应区分：前者是机柜销售，后者包含现场交付、上架和网络调试服务。
GB300的27年流片量被估算在4万片左右、某公司份额约50%，单柜300万美元的估算偏低；GB300净利率可能低于Rubin 1—2个百分点，超算业务通常高于通用x86服务器。上述数字需要结合实际客户订单、产品组合和制造服务范围核验，不能仅以机柜数量推导利润。
07｜宏观资本虹吸与地缘约束，决定行业推演的边界
如果AI基础设施长期保持高回报，企业会通过现金流和债务扩大数据中心建设，资金将从传统行业流向算力。交流中使用的远期估算是，2020—2029年全球AI相关基础设施可能需要约11万亿美元，约6万亿由企业现金流覆盖，剩余部分通过信贷市场筹集；这些规模和“实际利率上行、非AI行业融资被挤出”的推演具有较强假设性，但资本成本变化确实会影响房地产、电信和消费品等低毛利行业。
地缘层面，新增算力的区域分布被描述为美国约70%、中国不足10%，中国每年新增算力可能在5—10GW，到2028年总量约30GW；这些数字尚未形成统一统计口径。出口管制、芯片供应、能源和主权客户需求会限制“头部实验室无限集中”的线性外推，中美之外的欧洲和中东更多体现为客户或资本角色，而不是同等规模的训练研究中心。
因此，最值得跟踪的不是某个单一预测是否精确命中，而是三条可验证链条能否同时成立：头部模型是否持续获得更高的算力与支付能力；Rubin等新架构能否完成板材、光互联和液冷的工程交付；训练带来的能力提升能否转化为可持续应用收入。对PCB、光模块、FAU、液冷和服务器制造企业而言，订单、客户认证、良率、产能爬坡和现金流才是把产业叙事落到经营结果的关键。
可回看相关专题：1.6T光模块进入验证深水区。其中涉及的供应链验证、磷化铟和产能爬坡，可与本次Rubin、CPO/NPO和PTFE路线放在同一条产业链上理解。