AI算力互联的第四增长极：Scale-memory
最近算力链有点乱，一会儿炒CPO，一会儿追HBM，很多人越看越慌，生怕踏错节奏。其实拨开迷雾就会发现，大模型下半场的核心矛盾，早就从“堆算力”变成了“释算力”——而能解决这个矛盾的，正是Scale-Memory（内存扩展）。
先跟大家用大白话理清四个容易混淆的Scaling-law，避免踩坑：
✅ Scale-up（垂直扩展）：几十台机器GPU集群组成一个更大的GPU，简单粗暴但有物理上限；
✅ Scale-out（横向扩展）：多台机器组网分担负载，容错性强但跨节点延迟高，比如传统分布式集群；
✅ Scale-across（跨域扩展）：跨数据中心协同，架构复杂成本高，主要用于全球分布式云；
✅ Scale-memory（内存扩展）：今天的主角！打破内存和计算单元的绑定，用池化+高速互联扩展内存，解决大模型“内存墙”，释放闲置算力——这才是AI下半场的胜负手！
Scale-Memory以CXL协议为依托，也是一个庞大的网络架构：
而谷歌TPUv8，就是Scale-Memory的第一个标杆落地！
很多人只知道TPUv8堆了9216颗芯片，却没注意它的核心突破是「内存池化」：把上万颗TPU的内存整合成一个统一资源池，通过3D环面网络+光学互联，实现跨芯片高速共享数据。以前大模型训练，要么单节点内存不够装参数，要么跨节点传数据卡脖子，TPUv8直接把“计算”和“内存”解绑，动态分配资源，千亿参数模型训练效率直接翻倍。
存储器市场迎来涨价潮，AI 算力领域的内存池化技术则成为缓解内存供需矛盾的关键抓手。这一技术通过统一编址整合异构存储资源、智能分层调度冷热数据、高效复用内存空间，将内存利用率从传统架构的 50% 左右大幅提升至 90% 以上，还能让 GPU 显存占用最高降低 82%。借助 CXL 高速互联与动态资源分配，内存池化实现了算力与存储的解耦，让分散的内存资源形成统一可调度的资源池，从技术层面大幅提升内存使用效率，相当于在物理内存增量有限的情况下实现了 “内存扩容”，有效等效减轻了当前 AI 算力场景下的内存紧张问题。
这背后，离不开两大核心支撑：CXL互联协议+NPO/DAC高速连接技术——这也是我们普通人能抓住的投资主线！
先讲CXL，简单说它就是“内存池化的高速公路”。以前内存和CPU、GPU绑死，扩展只能一起换，成本高还浪费；CXL通过缓存一致性协议，让CPU、内存、加速器各自独立扩展，主机能直接访问远程内存池，秒级调度，完美适配AI训练中KVCache的动态内存需求。就像澜起科技，作为DDR5接口芯片三巨头，它的CXL内存扩展芯片毛利率超60%，直接受益于AI服务器升级，这就是最直接的受益标的之一。
再看NPO和DAC，这是CXL落地的“关键配套”，也是近期高速连接板块的爆发点，二者分工不同、互补协同！
NPO（近封装光互联），简单说就是把光器件放得离算力芯片更近，缩短传输路径——1个3.2T NPO等效8个400G光模块，尺寸却只有1/3，功耗、延迟还能降40%以上，腾讯、谷歌都在重点推进，26H2有望迎来小批量订单。它和CPO是并行路线，CPO更深度集成但落地慢，NPO兼顾性能和可维护性，现阶段更具确定性，相关标的比如中际旭创、天孚通信、炬光科技、致尚科技，都是产业链核心玩家。
而DAC（高速直连铜缆），和NPO的光互联路径不同，它是CXL短距高速连接的“性价比之选”，核心用于机架内部3米以内的短距传输，比如服务器与交换机、GPU与交换机的近距离连接。它两端带有固定接头、不含昂贵电子元件，功耗低、延迟小且成本可控，能完美适配CXL内存池化中短距互连的需求，尤其在800G及以下速率场景中，是不可或缺的核心配套。目前随着AI服务器集群规模化部署，DAC铜缆需求快速增长，相关标的仍处于估值洼地，值得重点挖掘。
结合近期产业催化：美股存储器价格暴涨，驱动内存池化加速落地；谷歌云涨价、腾讯推进NPO，都在印证Scale-memory的产业趋势正在加速落地，不是概念炒作，而是实打实的业绩增量。
最后梳理一下重点关注方向（不荐股，仅逻辑梳理）：
1. CXL生态：内存池化控制器、CXL DIMM、交换机，比如澜起科技（CXL扩展芯片），还有相关设备厂商；
2. NPO/光互联：光引擎、外置光源、光纤阵列等核心环节，标的参考中际旭创、新易盛、天孚通信、炬光科技、致尚科技、太辰光等；
3. DAC铜缆：高速直连铜缆领域的核心厂商，尤其是适配800G/1.6T速率、聚焦数据中心短距连接场景的标的华懋科技（给安费诺代工）等；
总结一句话：AI下半场，算力看释放，释放看内存，内存看CXL+NPO+DAC（光铜协同），这三条线，才是2026年算力链新增的主线，后续重点跟踪GTC大会的技术催化和厂商订单落地情况，逢低布局，比追高炒概念靠谱多了！