AI芯片竞争的下一条主线，可能不是更先进的制程，而是让数据在芯片之间跑得更快。

Marvell和GlobalFoundries签署多年协议，要在美国扩大SiGe硅锗芯片产能，应用方向直接指向可插拔光模块、NPO近封装光学和CPO共封装光学。有意思的是，华为刚发布的Atlas 960E SuperPoD也把NPO作为重点。中美供应链几乎同时加码同一个方向，说明AI集群的瓶颈正在从“芯片算得不够快”，转向“芯片之间的数据搬得不够快”。这里还有一个容易被忽略的点：AI半导体受益者并不只有最先进制程。光互联需要的高速模拟芯片，SiGe等特色工艺反而很重要。GF目前相关工艺已支持单通道200Gbps，并准备向更高速率推进。因此，下一阶段AI硬件的价值量可能继续从GPU向光模块、光电芯片、高速互联和先进封装扩散。