文：董指导
过当AI从实验室、发布会，走进数据中心、企业应用后，一个有意思的反转出现了：
一批看上去很“老”的公司，在AI时代却老树发新芽。
诺基亚Nokia，这个长期被写进商业失败案例的名字，因着AI业务，重获增长，股价也大涨2倍多；
戴尔Dell，这家一度被贴上“PC时代遗民”标签的公司，也因为AI服务器订单爆发，股价在一周内就翻倍；
PCB行业，过去是电子制造里最不性感的底层环节，如今也因着AI业务，站到了算力产业链的中间;
甚至连MLCC这种普通人一辈子都不会主动谈起的被动元件，也因为AI服务器用量激增而成为关键供给瓶颈。
这不是巧合。它说明AI并不是一场单点技术革命，而是一场价值链重排。当一项技术进入规模化阶段，市场最关心的问题就会从“谁最会定义未来”，变成“谁最能承接未来”。
旧能力，在新场景下获得新定价
AI越走向规模化，越需要不性感的基础设施
新需求，也推动旧工艺升级
不在舞台中央，但经历着牛鞭效应和产能挤压
老树发新芽，不是因为它忽然变年轻，而是因为它刚好落在了四个新位置上。
01 旧能力、新场景、新定价
戴尔的复兴，不是它忽然成为了AI公司，而是AI忽然成为了戴尔擅长的生意。
它值钱的点，不是卖电脑，而是积累的企业客户关系、服务器产品线、供应链组织能力、系统集成能力和全球交付体系。
AI基础设施周期爆发后，企业和云厂商真正需要的不是一个概念，而是一整套可采购、可部署、可维护的算力系统：
GPU要进服务器，服务器要进机柜，机柜要接入网络和存储，集群要被供电、散热、验证、交付、运维和扩展，这个过程中也面临众多挑战。
比如，AI服务器的功耗和热密度远高于传统服务器，传统的风扇散热已经逼近空气动力学极限；AI集群要求GPU之间、服务器之间、机柜之间可以高速互联，但数据传输速率达到了赫兹级别，铜线之间的电磁干扰（串扰）又极其严重。
“买到卡”和“让卡跑起来”之间，隔着一条残酷的物理鸿沟。高速网卡、交换机、线缆、光模块、电源模块、液冷管路、管理软件，每一个环节都不能掉链子。任何一个地方出问题，AI战略都会重新退回PPT里。
这套系统复杂得远超普通企业的能力。但又恰恰是戴尔的老本行。
比如，戴尔的整柜系统和PowerCool设计，将几十年来在高端企业级市场积累的风液混合散热、冷板式液冷以及智能风道设计都直接平移了过来；精密线束管理和高速高频线缆的布线工艺，可以让线缆在不阻挡散热风道的前提下，精准实现微秒级的信号同步，且互不干扰等等。
戴尔不仅有技术优势，而且，也用一体化架构，让客户更快、更低门槛地部署大规模AI算力集群。它不生产最耀眼的GPU，但也不是低价值的“装配工”，而是让GPU变成可运行、可管理、可扩展的算力资产的总工程师。
旧能力迅速成为新场景下的订单。2026财年戴尔全年收入1135亿美元；AI优化服务器全年收入246.83亿美元，同比增长166%。
当然，这不是一门轻松的暴利生意。AI服务器硬件重、供应链复杂、组件价格敏感，利润率未必像软件那样漂亮。但它的价值在于规模、可靠性、进入门槛、以及客户依赖度。
应对极端物理要求的高级组装能力，也获得了高级定价。
02 AI越走向规模化，越需要不性感的基础设施
过去半年多，华尔街很推崇HALO投资范式（Heavy Assets,Low Obsolescence，重资产、低过时风险）。
因为AI越走向规模化，越会从“算法问题”变成“系统问题”。算力从哪里来，电力够不够，热量怎么散，数据如何传输，服务器如何上架，网络如何互联，故障如何恢复，成本如何摊薄等等。也就越需要底层那些不性感的基础设施来托住需求。
代码可以瞬间复制，机房、光纤、电力、服务器和供应链不能一夜长出来。因此，有些重资产不是负担，而是门票。它们慢、重、贵、难复制，恰恰因此拥有低过时风险。
诺基亚，正是HALO范式中的一个典型。它曾作为大公司病、路径依赖、创新迟钝的标准案例，在手机市场一败涂地；但并不是丢掉了所有能力。
在聚光灯之外，诺基亚则开启了一场漫长手术，重新让自己成为通信领域的龙头公司。
首先，拿回子公司控制权。早在2007年，诺基亚和西门子就把各自的运营商网络业务合并，成立了诺基亚西门子通信公司，也就是后来的NSN。2013年，诺基亚把手机业务出售给微软；但与此同时，诺基亚反而以17亿欧元收购西门子持有的NSN 50%股权，把网络业务完整地收入自己旗下。
随后，清理非核心资产。陆续出售了设备服务业务给微软、Here地图业务给汽车产业联盟。
更关键的是，通过并购做强主业。2015年，诺基亚以156亿欧元的估值，收购了行业同行阿尔卡特-朗讯。诺基亚的业务优势在移动宽带和无线接入，而阿尔卡特-朗讯则强在IP路由、光传输、固定网络、北美运营商客户以及贝尔实验室的底层研究能力。2024年6月，诺基亚宣布收购英飞朗Infenera，后者是美国的光网络设备\光芯片厂商。
这两次收购，让诺基亚从一家偏移动网络的设备商，成为更扎实、全面的通信基础设施供应商，而且在美国市场也是佼佼者。
这样的转型，在当时当然不性感。资本市场更喜欢年轻公司的曲线，而不是老公司的缝合线。但几年后，AI突然把世界的注意力拉回机房，诺基亚也享受到了时代红利，2026年一季度，其AI与云客户净销售额同比增长49%。
诺基亚，通过主动变革，把自己变成行业龙头，避免了被时代淘汰；然后，又幸运地等到了新时代对基础设施的定价。
03 新需求，推动旧工艺升级
PCB是印制电路板，被称为“电子产品之母”。传统模式下，它的任务就是像木匠一样，用铜箔把各种买来的芯片、电容连接在一起，形成相应的功能。但AI时代就不一样了。
从应用层面来看，传统服务器和AI服务器的差别，不只是多放几块GPU。AI服务器需要更高的数据吞吐、更复杂的电源分配、更严格的散热管理、以及更高层数和更高密度的PCB设计。
早期对DGX A100等AI服务器的拆解显示，AI服务器PCB价值量大约是普通服务器的5-6倍。未来甚至会继续提升。
价值量的跃升，首先来自层数升级。
传统通用服务器的PCB一般只需要12到16层，而AI服务器的主板、加速卡（OAM）以及基板（UBB），层数直接跳跃至20层、40层，甚至在极其复杂的超级计算节点中达到了100层以上。
层数增加不是简单“多压几层板”。它意味着层间对位、钻孔精度、压合稳定性、热膨胀控制、翘曲管理、阻抗一致性和良率控制都要重新升级。PCB越厚、越密、越高速，制造难度就越不像普通制造，而更像精密工艺。
其次，是高频高速材料升级。
AI服务器和高速交换机要处理海量数据流动，400G、800G、1.6T网络迭代，会把信号完整性推到极限。行业开始转向M7、M8、M9等级的低介电、低损耗材料，以及HVLP高端低粗糙度的铜箔。
从M7升级到M8，价值量可能提升1.5-1.8倍，M8升级到M9，单张价值量可能增长3倍以上。
第三，是散热和电源完整性要求提升。
AI服务器功耗高，GPU、CPU、交换芯片、电源模块长期处于高负载状态。PCB不仅要传输信号，还要承载复杂供电路径，保证电压稳定、噪声可控、瞬态响应良好，同时还要应对热膨胀、局部过热和板材变形等物理挑战。
此时，PCB已经不再只是被动连接件，而是系统稳定性的一部分。这也是为什么海内外都开始讨论一个更大的趋势：
PCB正在半导体化。
功能角色在半导体化。过去的芯片封装链条大致是：芯片和HBM通过硅中介层、封装基板连接，再安装到PCB主板上。而为了缩短信号路径、降低延迟、改善信号完整性和电源完整性等优势，业内也在开发CoWoP工艺，Chip-on-Wafer-on-PCB，也就是取消封装基板，直接搭载到PCB上。
线宽线距也从毫米级向微米级制程靠拢。更关键的是，高端AI PCB不是谁扩产谁就能做。
它需要高端材料、精密设备、客户长期认证、良率爬坡、工艺配方积累和持续迭代。这也越来越接近半导体封装产业的逻辑：
前期投入大，技术门槛高，良率爬坡慢，而且认证周期长；但是，客户黏性强，一旦进入供应链，就不容易被替代，可以享受业务稳定增长。PCB厂商也开始参与和芯片厂商在芯片研发初期，就协同开发。
这种趋势也已经体现在头部公司的报表里。沪电股份2025年营业收入189亿元，其中数据通信应用领域PCB收入145亿元，同比增长45%；
胜宏科技的变化更剧烈，2025年营业收入193亿元，同比增长80%；归母净利润43亿元，同比增长273%；而人工智能与高性能计算收入占比，也从2024年的6.6%，跃升至2025年的43.2%，增长显著。相关的高端材料例如电子布，相关公司收入也是火箭般增长。
AI需求，生生将一个低毛利的传统制造环节，从一个资本、劳动密集型行业，逼成了高壁垒、高溢价的技术密集型核心资产。
04牛鞭效应和产能挤压
供应链管理里有一个经典概念，叫牛鞭效应。意思是，终端需求哪怕只是轻微波动，传导到上游时，也可能被库存、订单、排产、预期和交付周期层层放大。这个现象在AI浪潮里也非常显著。
短缺不是停在一个环节上的，它会沿着供应链一层层传导，甚至被放大。AI服务器需求先拉动GPU，GPU再拉动HBM、DRAM、PCB、MLCC、电源、散热、光模块、铜箔、玻纤布、低损耗材料，最后把压力传导到更上游的晶圆、基材、设备和化学材料。
这个过程有两个特点：一是高端产品需求快速爆发，导致产能持续紧缺；二是高端挤压低端产能后，低端产品也享受了紧缺红利。
以内存为例，AI服务器需要大量高带宽内存，相关产品价格暴涨；三星、SK海力士、美光等存储厂商更愿意把产能转向HBM和高端DDR5，这样，反而挤压了普通DRAM、NAND以及消费电子和传统服务器所需的内存供给，也导致低端产品公司经营改善。
另外，MLCC多层陶瓷电容也在演绎类似逻辑。
AI服务器功耗更高、板卡更复杂、电源管理更苛刻、瞬态电流变化更剧烈，对高性能MLCC的需求也随之增加。
在过去，一部智能手机可能只需要大约1000颗MLCC，一台个人电脑需要约2000颗。但根据行业调研机构TrendForce援引的相关报道提到，每台高阶AI服务器大约配备了高达15,000至25,000颗MLCC。
而且，产品要求也在提高。AI服务器要求的MLCC，彻底告别了过去那种打价格战的中低端规格，而是必须要同时满足“超高容值、超高耐压、超强耐高温、以及超低等效串联电阻（Low ESR）”的特种元器件。完整的AI算力机柜，其高端MLCC的整体消耗量更是直接拉升至几十万甚至上百万颗的恐怖级别。
高端产品的需求虽然旺盛，但全球产能却很有限。村田、三星电机、太阳诱电、TDK等少数公司占据主要优势。当他们厂商把产能、材料、设备、工程资源向高端产品倾斜时，也就导致中低端产品的排产和交付弹性也会被压缩。
这与几年前全球新能源汽车爆发时的情节如出一辙：
一开始，大家觉得缺的只是电动车本身；但很快，缺口开始沿着“电动车-动力电池 -电池正负极材料/隔膜-锂矿/钴矿/镍矿”的路径疯狂向最上游传导。
任何一个在过去看来最卑微、最没有存在感的底层材料环节（比如矿石、或是如今的MLCC和高多层基板），一旦被卡在牛鞭效应的最顶端，就会瞬间变成掐死整个产业咽喉的“致命瓶颈”。
总结起来，如果一个环节同时满足三个条件，它就很容易成为牛鞭效应里的受益者：
第一，是高端需求的必要环节；第二，产能扩张慢；第三，客户会提前锁货。一旦下游担心断供，就会提高安全库存、签长期协议、重复下单，需求就会从真实消费变成“真实消费+安全库存+恐慌预期”。
一旦这三个条件同时出现，短缺就不再是短缺，而会变成一轮产业链重估。然而，不要忽视的是，产能并非永久受限，一旦有人打响扩产的第一枪、降价的第一枪，反转也会快速来临。
05 结尾
老树发新芽，不是一个关于怀旧的故事，而是一个关于位置的故事：
在整个AI产业里的位置、在同行业里的位置、在供需匹配里的位置、在市场情绪演绎里的位置，重新变得不可替代。
