2026年AI算力紧缺将如何向产业链上游扩散？

2026年，随着AI从训练阶段全面转向推理阶段，算力紧缺已从单一的GPU环节向产业链上游多个维度扩散，形成全面的“算力通胀”局面。

首先，在光互连领域，随着大模型推理并发量暴增，数据中心内部互联带宽需求急剧提升。800G和1.6T光模块在2026年迎来快速放量，市场规模有望达到146亿美元。同时，NPO（无源光引擎）和CPO（共封装光学）技术打开Scale up全新增量，CW光源因高端InP衬底和MOCVD设备短缺而呈现明显涨价和紧缺态势，EML芯片同样被海外巨头垄断且供给紧张。

其次，存储环节面临结构性紧缺。HBM产能被AI客户全额锁定，缺口达50%-60%，尽管三大原厂已将70%新增产能倾斜至HBM，但仍无法满足需求。在AI推理时代，KV Cache爆发导致NAND SSD成为二级/三级容量底座，其需求CAGR高达56%，远超训练需求的11%，且扩产周期长导致供给错配。

再次，CPU从辅助调度转变为执行核心。Agent流程的复杂性使得CPU核数需求激增，英特尔表示CPU与GPU比例已从1:8调整为1:4。由于高端晶圆厂产能优先保障高毛利的GPU，CPU产能被挤压，2026年全球服务器CPU供需缺口接近50%，高端AI专用CPU交付周期拉长至6个月以上。

最后，PCB、液冷及上游新材料也随算力集群规模扩大而需求旺盛。整体来看，2026年下半年算力及相关材料的供不应求将是行业主旋律，上游各环节均受益于算力基础设施的扩张。