Serenity 的 AI 假設：光子學、記憶體與 Nebius 將在新基礎設施週期中迎來重新評級

Serenity 的 AI 假設：光子學、記憶體與 Nebius 將在新基礎設施週期中迎來重新評級

2026/06/20 11:11:00
Custom ImageSerenity 最新的 AI 投資主題 標誌著 AI 市場的重大轉變。投資者不再僅僅關注聊天機器人、軟體平台、GPU 領導者和大型語言模型。下一階段的焦點正轉向讓 AI 能夠擴展的基礎設施：AI 原生雲端容量、高速光學網路、高頻寬記憶體、資料中心電力、儲存與散熱。Serenity 認為，目前有三大主題正帶動這一新週期：新雲端、光子學與記憶體。Nebius 在新雲端故事中脫穎而出，因為它正在為訓練、推論和生產工作負載建設 AI 雲端容量。Applied Optoelectronics（AAOI）在光子學領域正獲得關注，因為 AI 群集需要更快的光學網路。美光、SK 海力士和三星在記憶體主題中居於核心地位，因為 HBM 已成為先進 AI 加速器的必需元件。更大的訊息十分明確：AI 投資正變得更加精選，下一次重評估可能更傾向於掌控 AI 增長背後真正瓶頸的公司。
 

為何 Serenity 的 AI 假設標誌著新基礎設施重評周期的到來

Serenity 的論點至關重要，因為它解釋了人工智慧市場如何從廣泛的熱情轉向更成熟的基礎設施驅動階段。早期的人工智慧漲勢由生成式人工智慧、企業自動化、編碼助手和生產力工具的顯著突破所支撐。這些產品讓投資者更容易理解人工智慧，但也引發了一個更重要的問題：要在全球規模上支援人工智慧，需要哪些基礎設施？答案遠不止於軟體。人工智慧需要計算能力、高速網路、記憶體頻寬、儲存、電力、冷卻、資料中心建設以及專用硬體供應鏈。這正是市場開始更深入關注幕後支援人工智慧的公司之原因。
 

1. 人工智慧投資正從軟體敘事轉向基礎設施瓶頸

AI 投資的第一階段由軟體故事主導，因為應用程式是這股趨勢中最顯而易見的部分。投資者能夠輕鬆理解 AI 聊天機器人、協作助手、編碼工具和企業自動化平台。然而，隨著使用範圍擴大，市場逐漸意識到，若無重大基礎設施投資，AI 軟體無法持續成長。大型模型需要昂貴的訓練叢集，而生產環境中的 AI 系統則需要持續的推論能力。這使得基礎設施成為長期需求驅動因素，而非臨時支援層。市場不再僅僅詢問哪家公司擁有最令人印象深刻的 AI 產品，同時也開始關注哪些公司擁有讓這些產品實現規模化運行的基礎設施。
 
這一轉變也符合 AI 與加密貨幣基礎設施生態系統的整體趨勢，投資者正更密切關注計算、自動化、數據網絡和實體基礎設施。Serenity 執行長觀點的重要變化在於，投資者開始重視瓶頸。如果 AI 需求持續增長，提供稀缺基礎設施的公司可能會獲得更強的定價能力與更高的戰略價值。這包括提供雲端容量、光纖網絡、高頻寬記憶體、資料中心電力接入和專用系統的公司。
 
目前受到關注的關鍵 AI 基礎設施層級包括：
  • 用於模型訓練、推論和企業部署的 AI 雲端容量
  • 專為高性能 AI 工作負載設計的 Neocloud 平台
  • 光子學與光學網路，提升人工智慧資料中心內部的資料傳輸速度
  • 高頻寬記憶體（HBM）適用於 GPU 和 AI 加速器
  • 支援大型 AI 集群所需的電力、冷卻和儲存系統
  • 專用晶片、伺服器和互連技術，可提升人工智慧系統效能
 
這就是為什麼 Serenity 的論點預示著一次重新評級週期。曾經被視為次要供應商的基礎設施公司，如果掌控了 AI 技術堆疊的重要部分，現在可能被評估為核心的 AI 受益者。
 

2. Serenity 的 AI 基礎設施論點背後的三大主題

Serenity 的架構圍繞三個相互關聯的主題：neoclouds、photonics 和 memory。neoclouds 代表計算層，因為 AI 開發者和企業需要訪問專用的雲端基礎設施。photonics 代表網絡層，因為 AI 集群需要在 GPU、伺服器和存儲系統之間實現更快的數據轉帳。memory 代表性能層，因為 AI 加速器需要高內存頻寬和容量，以高效處理大型工作負載。這些主題至關重要，因為它們描述了完整的 AI 基礎設施鏈，而不僅僅是其中一部分。
 
模型無法在沒有運算的情況下運行，運算無法在沒有高效網絡的情況下擴展，而先進的加速器在沒有 HBM 的情況下也無法發揮全部性能。數據中心同樣無法在沒有電力和冷卻的情況下擴張。這創造了一個相互關聯的投資故事，每一層都支撐著下一層。與將 AI 視為單一的軟體趨勢不同，Serenity 的觀點將 AI 視為類似於早期技術週期的物理基礎設施建設，長期勝出者通常位於應用層之下的平台、供應商和瓶頸資產中。
 

3. 為何在 AI 交易中股票選擇變得越來越重要

Serenity 的觀點中有一個關鍵點是，AI 交易正變得更加精挑細選。在重大科技主題的早期階段，許多相關股票會一起上漲，因為投資者正在購買整體敘事。隨著時間推移，市場通常會變得更加有紀律。擁有真實訂單、強勁利潤率、客戶需求和供應鏈優勢的公司繼續吸引關注，而較弱的公司即使與同一主題相關，也可能表現落後。
 
這就是為什麼 Serenity 提到 IREN 至關重要。某些 AI 基礎設施名稱若面臨融資壓力、稀釋風險、大量賣壓或執行能見度不足，可能會表現不佳。市場可能喜歡更廣泛的主題，但仍會懲罰那些需要過多資本或缺乏明確需求支持的公司。這意味著 AI 投資的下一階段，可能不再是購買每一家帶有 AI 標籤的公司，而是識別在真實基礎設施瓶頸中擁有強大持倉的公司。
 
最重要的選擇因素包括：
  • 來自主要客戶的強勁需求能見度
  • 對 AI 基礎設施瓶頸的真實暴露
  • 在運算、記憶體、網路或資料中心方面的產品領導力
  • 由訂單或長期協議支持的清晰收入增長
  • 紀律嚴明的融資與可控的稀釋風險
  • 可在不損害保證金的情況下擴展容量
 
這種選擇性方法是 Serenity 理論的核心，因為市場正從廣泛的 AI 熱情轉向更聚焦的主題性投資。
 

Nebius、Neoclouds 與 Photonics：下一波 AI 資料中心成長故事

Nebius、neoclouds 和光子學至關重要，因為它們位於 AI 數據中心擴張下一階段的核心。隨著 AI 模型變得越來越龐大且推論需求不斷增加，企業需要的不僅僅是 GPU。它們需要能夠提供可靠算力的雲平台，以及能夠在大型叢集中快速傳輸數據的網絡系統。這正是 neoclouds 與光子學產生關聯之處：neoclouds 提供 AI 專用的計算能力，而光子學則支援實現高效計算所需的數據傳輸。兩者共同構成了 AI 市場正從軟體應用向基礎設施擁有權轉移的最清晰範例之一。
 

1. 為何 Neoclouds 正成為核心 AI 計算基礎設施

Neoclouds 是專為 AI 工作負載打造的雲端基礎設施公司。傳統雲端平台是為通用計算、儲存、網路服務和企業軟體而設計，但 AI 工作負載需要更專業的環境。訓練大型模型和執行高頻率推論需要密集的 GPU叢集、快速互連、先進的散熱、高利用率，以及專為機器學習運營設計的基礎設施軟體。這正是 neoclouds 在雲端市場中作為一個新類別受到關注的原因。
 
新雲的崛起也與稀缺性有關。AI 計算能力昂貴且難以快速建立，因為它依賴於晶片供應、電力獲取、資料中心建設、冷卻系統和技術專長。當需求超過可用容量時，客戶可能願意簽訂更長期的協議以確保存取權限。這使得 AI 雲端容量成為一種戰略資產，而非單純的商品服務。對於投資者而言，新雲主題提供了一種方式，以接觸模型訓練、推論、企業 AI 和 AI agents背後的基礎設施需求。
 
Neocloud 的需求受到多個因素的支持：
  • AI 創業公司需要可擴展的計算資源，而無需自建數據中心
  • 企業需要可靠的基礎設施來將 AI 推入生產環境
  • 大型科技公司正在提前鎖定未來的容量
  • 推論工作負載可能產生重複的長期計算需求
  • 專用雲端平台可針對 AI 性能與利用率進行優化
 
這就是為什麼 Serenity 將 neoclouds 放在 AI 基礎設施週期的中心。計算不再是僅僅的背景輸入；它是 AI 增長的主要限制之一。
 

2. Nebius 作為主要的 AI 雲端重評估潛力股

Nebius 是 Serenity 新雲端理論中最具實力的名稱之一，因為它讓投資者直接接觸到 AI 雲端基礎設施。該公司正在打造一個全棧平台，專為 AI 開發者和企業提供支援，涵蓋模型訓練、推論與生產部署，而非一般用途的雲端工作負載。其與 Meta 簽訂的五年 AI 基礎設施協議，使這則故事更具吸引力，顯示主要科技公司正因運算成為戰略資產而提前鎖定未來的 AI 能力。Nebius 亦報告了強勁的收入增長，並擴大其基礎設施佈局，包括在賓夕法尼亞州進行一項具強大電力供應的大型 AI 工廠項目。然而，此機會伴隨風險，因為 AI 雲端基礎設施需要大量資本支出、先進硬體、資料中心建設、電力供應與高利用率。若融資壓力上升或執行進度放緩，投資者可能會更加謹慎。即便如此，Nebius 仍是唯一一家明確定位於 AI 運算瓶頸的公司。
 
重要的 Nebius 點包括：
  • Nebius 專注於原生 AI 雲端基礎設施
  • 其平台支援訓練、推論和生產型 AI 工作負載
  • Meta 協議提升了長期需求的能見度
  • 強勁的收入增長支持了 AI 雲端需求的故事
  • 主要風險包括資本密集度、執行、融資和客戶集中度
 

3. 為何光子學正成為關鍵的 AI 資料中心層

光子學正變得越來越重要，因為人工智慧資料中心需要更快、更高效的方式來傳輸資料。大型人工智慧叢集依賴數千個 GPU 和加速器協同運作。這些系統不斷在晶片、伺服器、儲存裝置和網路設備之間交換資訊。如果網路速度緩慢，即使 GPU 性能強大，整個叢集的效率也會降低。這正是光學網路成為重要基礎設施主題的原因。
 
光子學利用基於光的技術以極高速度傳輸資料。在 AI 資料中心中，這可以提升頻寬、降低延遲，並支援更大規模的叢集。隨著超大規模運算商逐步轉向更快的基礎設施，需求正從舊有的光學系統轉向 800G 和 1.6T 傳收器。這些升級不僅是技術上的改進，更是整體 AI 容量擴建的一部分。AI 叢集規模越大，光學網路就越重要。
 
光子學至關重要，因為：
  • AI 集群需要 GPU 和伺服器之間的快速通訊
  • 如果網絡無法與計算能力同步擴展，就可能成為瓶頸
  • 光學收發器有助於支援更高的頻寬和更低的延遲
  • 超大規模運算商正在為 AI 工作負載升級資料中心網路
  • 光子學可能成為繼 GPU 和記憶體之後的下一個 AI 供應鏈主題
 
這使得光子學成為 Serenity 投資理念中最重要的早期領域之一。GPU 交易已獲得大量關注，但隨著投資者研究完整的 AI 數據中心堆棧，光纖網絡可能會變得更加顯著。
 

4. AAOI 與 1.6T 光學收發器升級週期

應用光電（AAOI）是與 Serenity 論文中光子學部分相關的公司之一。該公司供應用於資料中心基礎設施的光纖網路產品，其從一間主要超大規模客戶獲得的首批 1.6T 資料中心收發器訂單，顯示 AI 網路需求已轉化為實際商業訂單。這至關重要，因為 1.6T 收發器專為支援更大 AI 集群所產生的更高頻寬需求而設計。
 
AAOI 的故事解釋了光子學為何可能成為重新評估的主題。投資者最初專注於推動 AI 系統的晶片，但隨著叢集規模擴大，周邊基礎設施變得越來越重要。光學收發器是這類周邊基礎設施的一部分。如果超大規模雲端服務商持續升級至更高速的網路，擁有 800G 和 1.6T 產品佈局的公司可能受益於更強勁的需求。然而，AAOI 也展現了此主題的風險，因為光學供應商可能對客戶集中度、保證金壓力、生產執行與訂單時機敏感。
 
主要的AAOI點包括：
  • AAOI 提供用於數據中心網絡的光學產品
  • 該公司從一傢大型超規模客戶收到 1.6T 收發器的批量訂單
  • 1.6T 技術支援 AI 工作負載的更高頻寬
  • 隨著 AI 集群變得更大且更依賴網路，需求可能上升
  • 風險包括客戶集中、生產執行、保證金和估值波幅
 
Nebius 和 AAOI 代表了同一個 AI 資料中心故事的不同部分。Nebius 與運算能力相關，而 AAOI 則與頻寬和網路相關。兩者都顯示出 AI 基礎設施投資正超越原本顯而易見的晶片龍頭。
 

記憶體股、HBM 需求與 AI 基礎設施投資的下一階段

記憶體是 Serenity 的 AI 基礎設施理論中最關鍵的部分之一，因為 AI 系統極度依賴頻寬與容量。多年來，記憶體公司主要被視為週期性半導體企業，投資者關注 DRAM 和 NAND 的價格、庫存水平、供應增長和需求週期。AI 正在改變這一框架，因為高頻寬記憶體正成為先進 AI 加速器的戰略性組件。若沒有足夠的高速記憶體，強大的 GPU 無法高效運作。這正是為什麼美光、SK 海力士和三星如今被視為核心 AI 基礎設施公司，而不僅僅是傳統的記憶體供應商。
 

1. 為何 HBM 需求正在重塑記憶體股的敘事

HBM 需求正在重塑記憶體領域，因為 AI 工作負載所需的記憶體頻寬遠高於傳統運算。大型語言模型、多模態 AI 系統、長上下文推論、代理式 AI 和企業部署都需要快速存取大量資料。在 AI 伺服器中，記憶體不僅是支援元件，更會直接影響效能。如果加速器無法快速存取資料，系統效率就會下降，昂貴的運算資源也會浪費。
 
這正是投資者開始以不同方式評估記憶體公司的原因。HBM 比標準 DRAM 更難製造，因為它需要先進的堆疊、封裝、測試和客戶認證。供應無法立即擴充，若需求持續高企，可能支撐更強勁的定價。Serenity 的觀點認為，若市場將 HBM 視為結構性 AI 基礎設施資產，而非單純的週期性產品，記憶體公司可能獲得更高的估值。
 
HBM 的需求受到以下因素支持：
  • 每個 AI 伺服器擁有更多記憶體內容
  • 先進加速器需要更高的頻寬要求
  • 推理、代理式 AI 與長上下文工作負載的增長
  • 複雜的製造流程限制了供應的快速擴張
  • 長期客戶協議，可能提升收益的可見性
 
這就是為何記憶體在人工智慧基礎設施週期中至關重要。運算效能越來越取決於資料存取與傳輸的速度。
 

2. Micron 在 AI 記憶體與儲存成長中的角色

Micron 是記憶體主題的重要組成部分，因為其在 AI 記憶體和儲存領域具有廣泛的佈局。公司正將其產品組合圍繞完整的 AI 基礎設施層級進行規劃，從高頻寬記憶體和 DRAM 到資料中心 SSD 和儲存產品。這至關重要，因為 AI 工作負載所需的不僅僅是 HBM，訓練和推論系統還需要高密度儲存、快速資料傳輸，以及伺服器堆疊中可靠的記憶體。
 
美光的機遇來自於 AI 伺服器中記憶體內容的增加以及對 HBM 產品需求的增強。如果 AI 基礎設施支出持續增長，美光可能從高價值記憶體產品、供應緊縮以及資料中心運營商日益增長的需求中受益。同時，美光仍面臨記憶體週期的風險。若供應過快擴張，價格可能走弱，且與 SK Hynix 和三星的競爭依然激烈。關鍵問題在於，AI 需求是否足夠強勁，以減輕傳統記憶體週期的嚴重性。
 
重要的 Micron 點包括：
  • Micron 正在擴展其 AI 記憶體和儲存產品組合
  • HBM 是當前 AI 加速器需求週期的一部分
  • AI 資料中心需要 DRAM、HBM、NAND 和 SSD 產品
  • 供應緊張可支持更強的定價和客戶承諾
  • 風險包括競爭、供應增長、定價週期和高期望值
 
美光的重新評級取決於投資者是否認為 AI 記憶體需求是持久的，而非臨時的。
 

3. SK Hynix 與 HBM 領導的記憶體超週期

SK Hynix 是 AI 記憶週期中最明確的受益者之一，因為其在高頻寬記憶體領域擁有強大的持倉。Serenity 的投資主張包含 SK Hynix，因為 HBM 對於 AI 加速器至關重要，而 SK Hynix 始終緊密連結於 AI 記憶體供應的最前沿。公司已將 HBM3E 和 HBM4 列為 2026 年市場的核心產品，預計 HBM3E 將持續重要，而 HBM4 則將開啟下一階段的成長。
 
SK 海力士的故事也解釋了為何韓國半導體敞口與 AI 基礎設施主題相關。由於韓國是主要記憶體龍頭的所在地，投資者有時會透過 EWY 等更廣泛的工具來獲取該國半導體生態的敞口。然而，EWY 並非純粹的 AI 記憶體投資，因為它還包含半導體以外的眾多領域。更準確地說，它是一種更廣泛的韓國敞口工具，若記憶體龍頭持續獲得市場關注，則可能受益。
 
SK Hynix 的關鍵要點包括：
  • SK Hynix 是高頻寬記憶體的主要領導者
  • HBM3E 在 2026 年 AI 記憶體週期中仍至關重要
  • HBM4 支援下一代 AI 加速器平台
  • 該公司對 AI 資料中心需求有強烈的曝光度
  • 風險包括擴張容量、客戶集中、競爭和估值壓力
 
如果 HBM 需求持續超過供應量，SK Hynix 可能仍將是 AI 記憶體交易的核心。
 

4. 三星的 HBM4 和 HBM4E 在 AI 記憶體競賽中進軍

三星電子是AI記憶體主題中的另一個重要名稱，因為它結合了規模、製造深度和廣泛的半導體生態。公司正在推進適用於下一代AI系統的HBM4和HBM4E產品，這些系統對更高頻寬、更大容量和更佳能源效率的需求日益關鍵。三星的優勢在於其能在記憶體、邏輯、晶圓代工、封裝和先進製造等領域競爭，使其擁有資源來挑戰快速成長的HBM市場中的競爭對手。然而，執行力仍是主要風險，因為AI客戶對性能標準和產品認證有嚴格要求。若三星在HBM4和HBM4E上取得更強勁的市場滲透，投資者信心可能提升，公司或成為AI記憶體重評周期中更大的受益者。
 
三星的AI記憶體理論包括：
  • HBM4 和 HBM4E 正在為下一代 AI 系統進行開發
  • 在記憶體和半導體技術領域的大規模製造
  • 有潛力在先進的 HBM 供應鏈中恢復或擴大份額
  • 對更廣泛的 AI 資料中心和半導體需求的曝險
  • 若資格認定或客戶採用落後於競爭對手，將存在執行風險
 
三星之所以重要，是因為它能為 AI 記憶體市場帶來更多具競爭力的供應，同時也能從該領域的長期增長中受益。
 

5. 為何記憶體股可能獲得更高的估值倍數

如果市場認為 HBM 需求具有結構性，記憶體股可能獲得更高的估值倍數。在過往週期中，投資者常因該行業能迅速從供不應求轉為供過於求而對記憶體公司給予折價。AI 並未消除此風險，但可能提升需求的品質。HBM 技術複雜、客戶特定，且為 AI 加速器的關鍵元件。若供應持續緊張且客戶簽訂更長期的協議，投資者可能會將領先的記憶體公司與傳統 DRAM 周期股區別對待。
 
重新評級的論點也取決於推論成長。訓練創造了第一波 AI 基礎設施需求，但隨著 AI 應用程式進入日常使用，推論可能變得更加重要。企業協作助手、AI 代理、搜尋工具、機器人和多模態系統都可能增加記憶體需求。如果這情況發生，記憶體公司可能會從每台伺服器的內容增加和更可預測的需求中受益。這正是 Serenity 將記憶體與新雲端和光子學並列為核心基礎設施主題的原因。
 
記憶體股可能被重新評估的原因包括：
  • HBM 對於 AI 加速器的性能至關重要
  • AI 伺服器使用的記憶體比傳統伺服器多
  • HBM 供應難以快速擴充
  • 長期客戶承諾可能有助於提升收益的可見度
  • 推論增長可能使需求延續至首波訓練之後
  • 投資者若認為記憶不再僅僅具有週期性，可能會賦予更高的倍數。
 
機遇重大，但仍需謹慎選擇股票，因為記憶體產業仍具競爭性且資本密集。
 

為何 AI 基礎設施對 Web3 也至關重要

儘管 Serenity 的投資主軸主要聚焦於 AI 基礎設施股票，但該主題也間接與加密貨幣相關。隨著 AI 需求增長，加密貨幣領域如去中心化計算、DePIN、基於區塊鏈的數據網絡和 AI 代理可能會變得更加重要，因為它們旨在為計算、存儲和自動化提供開放式基礎設施。這並不意味著 Nebius、光子學或 HBM 是加密貨幣項目，但相同的基礎設施趨勢對 Web3 至關重要，因為未來的 AI 應用程式可能需要更便宜的計算能力、可驗證的數據、去中心化網絡以及機器對機器的支付。
 

Serenity 的 AI 基礎設施主題的主要風險

Serenity 的 AI 基礎設施主題強調了強勁的長期機會，但該主題並非沒有風險。Neoclouds、光子學和記憶體是資本密集型領域，其估值、客戶需求、供應週期和執行情況可能迅速變化。投資者在將 AI 基礎設施的重新評級視為必然趨勢之前，應充分理解這些風險。
  • 估值風險：AI 基礎設施股票可能已反映強勁的未來增長，上漲空間有限。
  • 資本密集度：Neoclouds、資料中心、記憶體和光學供應商需要大量投資才能擴張。
  • 稀釋風險：公司可能發行股份或舉債以籌集擴張資金，這會對股東造成壓力。
  • 客戶集中度：許多供應商依賴少數幾家大型超大規模買家，存在訂單延遲風險。
  • 供應週期風險：若產能擴張過快，HBM 和光學市場可能從供不應求轉為供過於求。
  • 執行風險：產品擴產、數據中心建設、電力接入和客戶資格審核可能出現延遲。
  • AI 支出風險：如果超大規模廠商減緩 AI 資本支出，對運算、光子學和記憶體的需求可能放緩。
 

結論

Serenity 的 AI 假設顯示，AI 市場的下一階段可能不再由軟體炒作驅動，而是更多由基礎設施需求推動。像 Nebius 這樣的 neoclouds、AAOI 等光子學企業，以及 Micron、SK Hynix 和 Samsung 等記憶體領導者，正獲得關注，因為它們支撐著 AI 增長背後的真實瓶頸：運算、資料移動和高頻寬記憶體。機遇強勁，但投資者仍需關注估值、稀釋、客戶集中度和執行風險。總體而言，該假設表明，AI 基礎設施可能成為下一個科技週期中最重要的重評估故事之一。
 

常見問題

Serenity 的 AI 理論是什麼？

Serenity 的 AI 假設認為，AI 市場的下一階段可能從軟體熱潮轉向基礎設施需求。該假設聚焦於新雲端、光子學和記憶體，因為這些領域支撐著 AI 增長的真正核心：計算能力、數據傳輸和高頻寬記憶體。

為何 AI 基礎設施變得越來越重要？

AI 基礎設施變得越來越重要，因為先進的 AI 模型需要龐大的數據中心、GPU 集群、光纖網絡、內存、存儲、電力和冷卻系統才能實現大規模運行。隨著企業從 AI 測試轉向實際部署，對這些基礎設施層的需求持續增長。

AI 中的 neoclouds 是什麼？

Neoclouds 是專為 AI 工作負載打造的專業雲端基礎設施供應商，提供 GPU 容量、高效能運算、模型訓練支援與推論基礎設施，與專注於廣泛企業運算的傳統雲端平台有所不同。

為何 Nebius 對 Serenity 的 AI 假設至關重要？

Nebius 至關重要，因為它被定位為一家原生 AI 雲端基礎設施公司。它讓投資者能參與 AI 計算能力這一主題，特別是在主要科技公司和企業尋求可靠雲端基礎設施以支援 AI 訓練、推論和生產工作負載的情況下。

什麼是人工智能資料中心中的光子學？

光子學是一種利用光來以極高速度傳輸資料的技術。在 AI 資料中心中，光子學有助於提升頻寬、降低延遲，並支援大型 GPU叢集，其中晶片、伺服器和儲存系統之間的快速通訊至關重要。

為何記憶體對人工智慧基礎設施至關重要？

記憶體至關重要，因為 AI 加速器需要快速存取大量資料。高頻寬記憶體（HBM）可讓 GPU 和 AI 芯片更高效地處理工作負載。若無強大的記憶體頻寬，即使是最強大的處理器也可能無法達到全效能。

哪些公司與 Serenity 的 AI 基礎設施主題相關？

與 Serenity 投資主題相關的主要公司包括：Nebius（AI 雲端基礎設施）、AAOI（光子學與光學網路），以及 Micron、SK Hynix 和 Samsung（AI 記憶體與 HBM 需求）。每家公司均代表 AI 基礎設施供應鏈的不同環節。

AI 基礎設施交易中最大的風險是什麼？

主要風險包括高估值、大額資本支出、稀釋風險、客戶集中度高、供應擴張以及執行挑戰。AI 基礎設施是一個強勁的長期主題，但若成長預期過高或需求放緩，該領域的股票可能波動劇烈。
 
 

免責聲明

本頁提供的資訊可能源自第三方來源，不一定代表 KuCoin 的觀點或意見。此內容僅供一般資訊用途，不應視為財務、投資或專業建議。KuCoin 不保證資訊的準確性、完整性或可靠性，亦不對因使用此資訊而產生的任何錯誤、遺漏或後果負責。投資數碼資產具有固有風險，請在作出任何投資決定前，仔細評估您的風險承受能力及財務狀況。如需更多詳情，請參閱 KuCoin 的 使用條款 和 風險披露。

免責聲明: 本頁面經由 AI 技術（GPT 提供支持）翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。