大摩大中华区科技硬件判断显示，AI硬件已经从普涨叙事进入精挑细选阶段。把Scale up、Scale out、Scale across与可插拔光模块、NPO、CPO、OCS、服务器ODM、ABF载板和散热测试设备放在同一条产业链上，才能看清获利了结之后的机会与风险。

一、获利了结不是AI周期结束，而是定价方式改变

大摩对大中华区科技硬件的观察，首先指向一个市场状态变化：经历前期快速上涨后，部分AI硬件龙头在2026年三季度出现资金获利了结，但细分企业并没有同步走弱。过去“只要沾上AI就能上涨”的Beta行情，正在转为看订单、产品结构、交付能力和利润兑现的Alpha筛选。这里的关键不是判断短期涨跌，而是分清产业需求仍在增长，还是股价已经提前把多年增长写进估值。服务器、光模块、连接器、散热、测试设备和材料都受算力建设拉动，却拥有不同的客户集中度、议价能力和资本开支强度。

获利了结与产业需求不是同一件事，后续需要用财报和订单验证预期。

股价调整反映预期、仓位和估值变化，订单变化反映客户采购；两者需要分开核对。若价格回落但资本开支和交付计划稳定，不能认定需求结束；若订单增长而库存与回款恶化，也不能把热度当成经营质量。

二、三种Scale把算力需求从GPU扩展到整座数据中心

Scale up是单台设备内部把GPU与内存做得更强，Scale out是机柜内部让多台服务器高速协同，Scale across则是跨机柜、跨区域连接成更大规模的AI工程。只盯着单颗GPU性能，会漏掉互联、交换、布线、光模块和电力散热的增量。模型规模扩大后，任何一个节点的通信等待、带宽不足或功耗浪费，都会降低整个集群的利用率，因此光互联不只是配件升级，而是算力系统的有效产出约束。

三种Scale对应不同的采购环节，不能把单机升级的收入直接外推到跨区域工程。

单卡、机柜和跨区域扩展会让瓶颈逐层迁移。供应商应说明产品处于哪一层、替代方案是什么，以及客户增加一台服务器后是否必须同步采购该产品。

三、可插拔、NPO、CPO与OCS不会一夜之间互相替代

产业链正在经历技术路线并行期。传统可插拔光模块仍然具备维护便利、部署成熟和更换灵活的优势；NPO把光学器件靠近芯片，缩短高速电信号距离；CPO进一步把光学组件与交换或计算芯片放进更紧密的封装关系；OCS则尝试通过光电路交换降低部分数据调度的功耗。新路线能否规模化，取决于散热、良率、标准化、维修难度和客户验证，而不只取决于实验室带宽。2026—2028年更像过渡窗口，同一代平台可能同时容纳成熟方案和新封装方案。

技术路线的失效信号是客户验证延期、良率不足、维护成本过高，或新方案无法在总拥有成本上胜出。

可插拔的维护便利与CPO的带宽优势可以长期并存。渗透率要由客户平台、良率、维修成本和真实采购批次验证，而不是由实验室带宽直接推导。

四、服务器ODM订单很多，利润却不一定同步放大

服务器ODM能够直接承接AI服务器订单，营收因此保持增长，但组装制造环节的单位附加值通常有限。新一代高端AI机柜中，内存、PCB、高速连接器和其他零件的价值量上升，整机售价变高并不等于ODM毛利率改善。真正值得跟踪的是产品组合、客户报价、材料成本、每台机柜的加工复杂度、库存和经营现金流。随着平台迭代，能承担系统集成、测试和复杂交付的厂商可能获得更高份额；只依靠规模装配的企业，则可能面临客户压价。

订单金额不能直接等同于净利润，毛利额、费用、应收账款和存货需要放在同一时间轴检查。

设备售价要拆成芯片、内存、网络、机箱、散热和加工服务。高价值部件推高营收，却不一定把利润留在代工厂，单位加工价值、报废率和应收周转更关键。

五、被忽略的连接、散热、测试和ABF载板正在变成关键环节

AI机柜密度提高后，结构件更重、功耗更高、热流更集中，高速连接器、服务器机架、液冷组件和电源管理都需要升级。测试设备也会受益：光器件、光模块、封装产品和新型互联方案在出厂前都要经历光电性能与可靠性验证，路线越复杂，测试项目越多。上游ABF载板则承受高端芯片与封装需求的传导压力，若扩产慢于需求，瓶颈可能从芯片转移到材料。

细分零件的机会需要落到单机价值量、出货数量、认证周期和良率，不能只用“AI受益”概括。

测试设备跟随新品认证与量产爬坡，而不是跟随发布会日期。若新品延期或单件测试时间下降，订单都可能弱于出货量的直觉判断。

六、海外云厂商资本开支是产业链的总开关

大中华区AI硬件供应链的订单相当一部分来自海外超大规模云厂商。云厂商继续建设训练和推理基础设施，ODM、光模块、连接器、散热和测试设备就会获得需求；但一旦资本开支节奏放慢，或客户开始严格核算投入产出，供应链各环节会同时面对订单延期、库存积压和价格压力。技术路线切换也会改变供应商名单：企业可能在NPO、CPO、OCS或传统方案上投入大量研发，却因客户最终采用另一条路线而延后回报。

最值得观察的信号是云厂商资本开支指引、订单取消或延后、客户库存，以及新技术的大规模采购而不是展会演示。

云厂商宣布建机房不等于订单下达，订单也不等于验收和现金到账。预算、采购、发货、验收和回款要逐级观察。

七、2026年三季度之后，判断机会要回到业绩验证

AI超级周期并没有因为一次获利了结就结束，但行业已经告别只讲故事的阶段。判断一家公司时，可以沿着“客户资本开支—平台采购—实际出货—产品价格—毛利与现金流”逐层核对。新技术的长期方向不代表短期全面替代，细分零部件的增长也不代表拥有稳定议价权。只要把已经发生的订单、仍在测算的渗透率和会推翻判断的交付信号区分开，才能避免把产业趋势误当成单家公司确定性。

若收入增长主要来自低毛利组装、应收和库存快于收入，或云厂商削减资本开支，原有乐观判断就需要下调。

跟踪表可以分为需求、技术、经营和估值四组；任何一组出现偏离，都应更新判断，而不是用另一组的好消息抵消。