1.1 2025年AI硬件新品发布会时间表与关键节点梳理
我年初把2025年的发布会日历摊开，先圈出CES 2025。1月7日到10日拉斯维加斯，AI PC、AI眼镜、智能家居新品扎堆。现场感受是端侧AI从PPT走进展台。3月MWC 2025巴塞罗那，AI手机和5G-A绑在一起讲。3月英伟达GTC 2025，AI服务器和机器人平台热度高。这几个节点像一年的开场锣鼓。
4月到6月的节奏更密。4月华为、小米的春季发布会把AI手机、全屋智能推到前台。5月谷歌I/O给Android生态加AI能力。5月底6月初台北Computex 2025，AI PC、液冷服务器、边缘计算盒子集中亮相。6月苹果WWDC，Apple Intelligence的落地细节牵动开发者。我的日历上这几周几乎没有空档。
下半年从9月IFA 2025柏林展开始，AI眼镜和智能穿戴新品多。9月苹果秋季发布会、华为Mate系列发布会把AI手机热度推到高点。10月高通骁龙峰会、联发科天玑峰会决定下一波安卓旗舰的底座。11月到12月是双十一、黑五和CES 2026预热。这个时间表不是孤立的日期，它和芯片流片、备货、渠道培训绑在一起。
1.2 AI硬件发布的主要品类矩阵与场景划分
我把2025年AI硬件发布拆成品类矩阵看，个人消费端最热的是AI手机、AI PC、AI眼镜、智能手表、AI平板。办公场景看AI PC的多屏协同、本地大模型和会议纪要。内容创作场景盯AI手机的视频生成、AI眼镜的第一视角拍摄。家庭场景里，AI中控屏、AI音箱、AI摄像头在发布会上的存在感变强。
商用和基础设施端是另一条线。AI服务器、边缘AI盒子、AI一体机在GTC、Computex上密集发布。工业场景用边缘AI做质检、巡检。数据中心场景看整机柜、液冷、高速互联。我站在观众席的感受是，同一场发布会里，消费级AI硬件讲体验，企业级AI硬件讲吞吐和能效。
品类和场景划分清楚后，发布会内容更好读。AI手机强调端侧模型和影像，AI PC强调本地算力和续航，AI眼镜强调重量和交互，AI服务器强调每瓦性能。我写选题时会按场景找产品，读者也更容易对号入座。
1.3 头部厂商发布节奏与重点产品线布局
头部厂商的发布节奏有明显分层。苹果把AI能力放进WWDC和秋季发布会，节奏稳，重点在芯片、系统和开发者生态。三星在年初Galaxy Unpacked和MWC附近推AI手机，折叠屏和AI功能一起讲。华为的春季和秋季发布会覆盖手机、平板、全屋智能，盘古大模型和鸿蒙生态是暗线。小米、荣耀、OPPO、vivo把AI手机和AIoT新品穿插在全年。
PC和服务器阵营的节奏更贴近算力供给。联想、戴尔、惠普在CES和Computex发布AI PC商用系列，重点讲本地推理和数据安全。英伟达在GTC放出服务器平台和机器人开发套件，AMD在Advancing AI活动和Computex跟进。高通、联发科在骁龙峰会和天玑发布会锁定下一代安卓旗舰的AI算力。
我自己会盯产品线布局的连贯性。手机厂商有没有把AI功能下放到中端机，PC厂商有没有把NPU算力写进商用采购清单，服务器厂商有没有把液冷和HBM容量做成标准配置。这些动作比单场发布会的声量更能说明厂商的真实投入。
1.4 发布会事件驱动下的市场关注点与传播路径
发布会事件驱动下的市场关注点很集中。我刷直播弹幕和媒体群，大家先问AI算力多少TOPS，再问端侧模型多大、内存给到多少、续航有没有崩。AI手机看影像和助手，AI PC看本地大模型跑分和离电性能，AI眼镜看重量和续航，AI服务器看整机柜功率和交付周期。价格公布那一刻，评论区风向变得最快。
传播路径我观察下来是层层扩散。发布会直播先打科技媒体和KOL，评测视频拆解AI功能，短视频平台放大使用场景，电商平台同步预售和预约，线下渠道做体验培训。一个新品从发布到首销，声量曲线通常在两到三周内走完。企业级AI硬件的传播更慢，客户案例和白皮书比直播更重要。
我写稿时会区分“发布关注点”和“购买关注点”。发布关注点看参数和演示，购买关注点看真实场景、价格和生态。把这两层分开，读者不容易被参数带偏。
1.5 从发布时间表看供需验证与量产落地节奏
从发布时间表能反推供需验证节奏。1月CES发布的新品，往往在2024年四季度就完成芯片验证和首批备货。3月MWC的AI手机，供应链在春节前后就要锁定屏幕、存储和摄像头模组。5月Computex的AI PC和服务器，代工厂在二季度进入产能爬坡。发布会日期像一颗钉子，前后各两个月都是供应链的忙季。
我和几位做渠道的朋友聊，他们看发布时间表的方式很实际。AI手机看首销两周的激活量，AI PC看商用客户的招标节奏，AI眼镜看线下体验店的转化率，AI服务器看交付周期和液冷机柜的良率。发布会开得热闹，备货和量产跟不上，渠道就会压货。时间表排得太密，供应链容易在存储和电源环节卡壳。
我自己的判断是，2025年的供需验证会比2024年更细。端侧AI硬件的BOM成本高，厂商不敢盲目铺货。企业级AI硬件受数据中心预算影响，订单能见度更长。看发布时间表时，我会把芯片流片、整机代工、渠道备货三个节点叠上去，判断哪个月份可能出现供给紧张。
1.6 2025年AI硬件发布的阶段性趋势与观察指标
2025年AI硬件发布的阶段性趋势挺清楚。上半年偏概念验证和生态卡位，CES、MWC、GTC上的新品先立住“AI原生”标签。年中Computex和WWDC把AI PC、AI手机的系统级体验补齐。下半年进入规模落地，秋季发布会和双十一、黑五把销量压力摆上台面。我看到的趋势是，AI功能从旗舰机向中端机下放，AI服务器从单机向整机柜交付。
我会盯几个观察指标。发布会后的预约量、首销激活量、渠道库存周转、AI功能的日活渗透率、退货率、企业客户招标数量。AI手机看助手调用频次，AI PC看本地大模型的使用时长，AI眼镜看日均佩戴时长，AI服务器看交付验收周期。指标比发布会声量更诚实。
2025年AI硬件发布的关键词是“验证”。验证端侧算力有没有真实需求，验证AI功能能不能撑起溢价，验证供应链能不能跟上节奏。我写这一章时更愿意把时间表当成一张地图，发布会是路标，量产和销量才是终点。读者看这张地图，能找到自己关心的节点。
2.1 端侧AI算力升级与异构计算架构演进
我今年看发布会有个习惯，先翻到参数页找NPU的算力数字。手机厂商从最早的几TOPS喊到现在的几十TOPS，PC厂商直接把“本地大模型流畅运行”当标题。这个变化背后是端侧AI算力在2025年真正上了台阶。高通骁龙8 Elite把Hexagon NPU的算力拉高一大截，联发科天玑9400也在NPU上做文章。苹果M4芯片的神经网络引擎让MacBook跑本地模型不再卡顿。英特尔酷睿Ultra 200V系列把NPU算力推到48 TOPS，AMD锐龙AI 300系列也在跟进。这些数字放在两年前还是云端芯片的活儿。
异构计算架构的演进方向更值得琢磨。CPU、GPU、NPU三者的分工在2025年变得清晰：CPU管系统调度和轻量任务，GPU管图形和并行计算，NPU专门跑AI推理。我试过在一台AI PC上同时开视频会议和本地模型翻译，NPU占用率上去了，CPU和GPU反而闲下来。这种分工让功耗分布更合理。厂商在发布会上开始强调“NPU独立处理AI任务不抢占系统资源”，这个卖点对商务用户挺有吸引力。
芯片厂商还在往更细的方向切。高通在骁龙X Elite上搞了Hexagon NPU加传感器中枢的组合，让AI眼镜和手表也能做端侧推理。联发科把APU和NPU做进天玑座舱芯片，车机也能跑本地AI。我注意到一个趋势：端侧算力不再只堆TOPS数字，厂商开始讲“有效算力”和“场景能效比”。跑分高但发热降频的产品，发布会后会被评测机构打回原形。异构计算架构的成熟度，要看调度算法能不能把任务分到对的处理单元上。
2.2 AI手机、AI PC与智能穿戴的发布创新点
AI手机的发布创新点集中在影像和助手两个方向。我翻了几场发布会，小米15 Ultra把AI降噪和AI追焦做成默认开启的功能，vivo X200 Pro用AI做长焦增强，荣耀Magic7系列把AI换脸检测放进系统层。助手这块，各家都在做“一句话完成多步操作”的能力。我说“帮我订明天去上海的高铁票并通知同事”，手机能拆成订票、发消息、加日历三个动作。这种Agent能力在2025年从演示走向可用，但实际体验还要看应用生态的配合程度。
AI PC的创新点更偏生产力。联想YOGA系列在发布会上演示本地跑70亿参数模型做会议纪要，戴尔XPS把AI降噪和背景虚化做成硬件级功能，惠普蜻蜓系列强调NPU在离电状态下的续航优势。我比较在意的是“离线可用”这个点。出差在高铁上没网，本地模型能帮我整理文档、翻译邮件、生成PPT大纲，这种场景比跑分更有说服力。华硕和宏碁在Computex上展出的AI PC还加了实体AI按键，一键唤醒本地助手。
智能穿戴的发布创新点绕不开重量和续航。AI眼镜这块，Ray-Ban Meta迭代款把重量控制在50克以内，拍摄和音频交互做得更顺。国内厂商像雷鸟、Rokid在CES上展出的AI眼镜加了提词器和实时翻译功能，发布会现场演示的第一视角直播挺抓人。智能手表方向，华为Watch GT系列加了AI健康摘要，苹果Watch Series 10用AI做运动姿态识别。穿戴设备的AI功能有个共同点：不能太耗电，不能太重，交互要够快。我试戴过几款AI眼镜，超过60克戴半小时就难受，续航低于四小时基本没法用。
2.3 AI服务器与边缘AI硬件的形态与配置趋势
AI服务器的形态在2025年明显往整机柜走。英伟达GTC上放的GB200 NVL72把72颗GPU塞进一个机柜，液冷管路直接做到机柜背板。这种形态对数据中心是好事，部署密度上去了，布线复杂度下来了。我看了几场服务器发布会，厂商不再单讲一台服务器的配置，而是讲“一个机柜能跑多少推理任务”。浪潮信息、超聚变、宁畅都在推整机柜交付方案，冷板式液冷从选配变成标配。HBM容量和NVLink带宽成了发布会PPT上最显眼的数字。
边缘AI硬件的形态更杂。工业场景有防尘防震的AI盒子，零售场景有带摄像头的AI边缘服务器，车载场景有域控制器。我在Computex上看到研华、凌华展出的边缘AI设备，配置从 Jetson Orin 到酷睿Ultra都有，接口给得很足，串口、CAN总线、PoE口一排排。这些设备的发布会不太讲TOPS，讲的是“多少路视频分析”和“工作温度范围”。边缘AI硬件的配置趋势是算力和接口并重，散热方案用无风扇或小风扇，功耗卡在15瓦到60瓦之间。
边缘AI的另一个趋势是“云边协同”的配置逻辑。我在几场发布会上听到厂商讲边缘盒子本地过滤数据、只把关键帧传到云端，节省带宽也保护隐私。这种架构对配置的影响很直接：边缘侧要够用的算力做预处理，云端侧要够大的集群做训练和二次分析。AI一体机这块，厂商把大模型、向量数据库、推理引擎打包成一站式方案，发布逻辑从卖硬件转向卖“开箱即用的AI能力”。我聊过几个企业客户，他们更关心部署周期和运维成本，硬件参数排在后面。
2.4 交互方式、操作系统与AI原生体验的发布逻辑
交互方式的变化是我今年逛发布会最有感触的部分。语音交互从“一问一答”变成“多轮对话加主动建议”。我在荣耀发布会现场试了他们的AI助手，说“我下午要去客户那里”之后，手机主动把地址、天气、交通建议推出来。这种主动服务的能力在2025年成了旗舰机的标配卖点。手势交互在AI眼镜和智能电视上重新冒头，用手指捏合做选择，比语音在公共场合更实用。眼球追踪也用上了，苹果Vision Pro的迭代款把注视点渲染做得更准。
操作系统的AI原生化是另一条线。谷歌Android 15把Gemini做进系统层，三星One UI 7把AI摘要放进通知栏，华为HarmonyOS NEXT把盘古大模型和系统调度绑在一起。苹果的Apple Intelligence把Siri换成更懂上下文的助手，写邮件、改文案、生成图片都能在系统里直接调。我注意到一个细节：厂商在发布会上花大量时间讲“系统级AI”和“第三方App AI”的区别。系统级AI能调用通讯录、日历、相册这些底层数据，第三方App做不到这个深度。
AI原生体验的发布逻辑有个共同套路：先讲痛点场景，再放一段演示视频，最后公布推送时间。我看了十几场发布会，演示视频里的流畅体验和实际到手后的版本往往隔着一两个季度。厂商也学聪明了，开始标注“Beta版”“分批推送”的字样。交互创新的落地节奏比硬件慢，用户尝鲜之后能不能留下来，要看AI功能能不能融进日常高频操作。我自己的判断是，2025年能看到交互方式的雏形，真正定型的系统级体验还要再等一年。
2.5 功耗、散热、存储与连接技术对产品发布的影响
功耗这件事在2025年的发布会PPT上被提到更显眼的位置。AI手机的NPU跑起来之后，电池掉电速度肉眼可见。厂商的应对方式是把NPU的峰值算力和持续算力分开标，持续跑AI任务时的功耗控制在3瓦以内。我在高通的技术讲解会上听到一个说法：端侧AI的能效比每提升一倍，用户愿意打开的AI功能就多一倍。这个逻辑在AI PC上同样成立。离电状态跑本地模型，功耗超过15瓦风扇就转得吵人，续航也扛不住。英特尔和AMD在发布会都开始强调“每瓦AI性能”而不是单纯堆TOPS。
散热方案跟着功耗走。AI手机用了均热板加石墨烯的组合，面积比上一代大了不少。红魔和ROG的游戏手机在发布会现场直接拆机展示散热结构，把风扇和液冷管摆出来。AI PC的散热从热管往均热板转，轻薄本用双风扇加液金导热。AI服务器那边，液冷从冷板式往浸没式试探，英伟达GB200直接指定液冷方案。我在台北电脑展上看到几家散热厂商的展台，3D VC和均热板的样品摆了一排，来问价的服务器厂商不少。
存储和连接技术对发布节奏的影响更隐性。AI手机要跑端侧大模型，内存从12GB起步往16GB走，UFS 4.0的读写速度直接影响模型加载时间。AI PC的内存焊死加上LPDDR5X，带宽上去了但升级空间没了。连接技术上，Wi-Fi 7在2025年的旗舰设备上基本普及，蓝牙5.4加LE Audio让AI眼镜的音频延迟降下来。5G-A在AI手机和边缘AI盒子上开始铺，我在MWC上测过几款5G-A设备的上下行速率，上传带宽的提升对AI眼镜的第一视角直播挺关键。UWB在AI手机和智能家居中控屏之间做空间感知，厘米级的定位精度让设备知道你在房间哪个位置。
2.6 AI硬件发布中的差异化策略与评测关注维度
差异化策略在2025年的发布会上分成了几个流派。手机厂商走“影像加助手”的路子，把AI能力绑在具体场景上。OPPO的AI消除和AI通话摘要做成发布会压轴功能，vivo把AI蓝心大模型和蔡司镜头绑在一起讲。PC厂商走“安全和生产力”的路子，联想的AI PC强调企业级数据本地处理，戴尔讲IT运维的AI自动化。服务器厂商的差异化更直接，比液冷方案成熟度、比整机柜交付周期、比HBM供货能力。
我观察到一个有意思的现象：同一颗芯片不同厂商能讲出完全不一样的卖点。骁龙8 Elite在小米发布会上讲影像算力，在荣耀发布会上讲安全芯片加AI，在iQOO发布会上讲游戏插帧。这种差异化来自厂商对目标人群的理解。AI眼镜的差异化更明显，雷鸟讲观影和办公，Rokid讲提词和翻译，Meta讲社交拍摄。发布会的内容组织方式本身就是差异化的一部分。
评测关注的维度在2025年变得更多元。我列几个自己会重点看的：端侧AI任务的持续功耗和温升曲线、本地大模型的首次加载时间和连续对话延迟、AI功能的离线可用程度、隐私数据是否离开设备、跨设备AI任务的流转流畅度。AI服务器那边看整机柜的PUE、液冷管路的泄漏检测机制、HBM的实际可用带宽、故障场景下的降级策略。这些维度比发布会上的参数表更能说明产品的真实水平。我写评测时会花大量时间做场景还原，用日常高频操作去压测AI功能，比跑分软件的数据更有说服力。
3.1 AI硬件发布对算力产业链的影响机制分析
我今年跑了几场发布会之后有个很直接的感受：硬件发布这件事早就不是厂商自己关起门来热闹了。一台AI手机或者一个AI服务器机柜背后，牵动的是从晶圆厂到封装线再到散热模组厂的一整条链子。发布会上的参数页写得越激进，上游供应商的排产表就改得越频繁。我认识几个在芯片原厂做规划的朋友，他们现在盯发布会的密度比盯竞品还高，因为客户产品的发布节奏直接决定了未来两个季度的订单曲线。
影响机制里最核心的一条线是“算力规格倒推供应链”。我举个例子，某家手机厂商在发布会上说端侧模型要跑70亿参数，这句话翻译到存储环节就是内存必须上到16GB起步、UFS 4.0的读写带宽要够快。再往前推，芯片设计端要预留足够的NPU面积，先进制程的产能就要多切一块出来。这种倒推逻辑在AI服务器上更夸张，GB200 NVL72一个机柜的发布，背后是液冷管路、高多层PCB、大功率电源、HBM堆叠封装全部要提前备货。
另一条机制是“发布节奏决定库存节奏”。我观察2025年上半年的情况，头部厂商把发布会排得密，二三线厂商跟着调时间表，供应链上的备货窗口就被压缩了。原本可以分三个月慢慢拉的产能，现在要在一个月内凑齐。我在一次行业会上听到一家PCB厂的销售吐槽，说客户发布会提前两周，他们产线排班表得全部重排。这种传导在缺货周期里会放大，在供过于求的周期里反而变成库存压力。
3.2 上游AI芯片、先进制程与先进封装的需求变化
先进制程那边的情况我聊下来感觉是“紧而不乱”。台积电3nm和2nm的产能分配在2025年被AI芯片客户占了大头，苹果、英伟达、AMD、高通这几家把节点抢得很满。我从供应链人士那里听到的说法是，AI芯片的流片优先级明显高于消费电子芯片，晶圆厂在排产时会单独划一条线给数据中心GPU和云端推理芯片。手机SoC的迭代节奏反而被压了一压，厂商开始接受“旗舰芯片用上一代制程优化版”这件事。
先进封装的变化更值得盯。CoWoS产能从2024年喊缺喊到2025年，英伟达的GB200系列把CoWoS-L的产能吃掉一大块，AMD的MI300系列也在抢。我翻了几份封装厂的扩产公告，2025年CoWoS月产能往翻倍的方向走，但客户需求涨得更快。这种供需缺口直接反映在芯片的交期上，我听到的反馈是高端AI芯片从下单到交付的周期还在拉长。
先进封装的技术路线也在分化。2.5D封装在训练芯片上是主流，3D堆叠在推理芯片和端侧芯片上开始冒头。台积电的SoIC、三星的X-Cube、英特尔的Foveros都在抢客户。我比较在意的是面板级封装这件事，几家厂商在2025年拿出了更大尺寸的封装基板方案，目的是把单位成本压下来。封装的散热和应力问题还是良率瓶颈，我在一次技术论坛上听到工程师说，3D堆叠的散热路径设计比制程微缩还难搞。
3.3 HBM、存储、PCB、电源与散热等环节的价值量变化
HBM是整个链条里价值量跳升最猛的环节。我对比了几代AI服务器的BOM表，HBM在整机成本里的占比从个位数涨到接近两成。SK海力士、三星、美光三家的HBM3E产能被预订得差不多，HBM4的样品在2025年已经开始送测。我聊过一家服务器厂商的采购，他说现在谈HBM不是谈价格，是谈有没有货、什么时候到。这种卖方市场格局短期看不到反转的迹象。
存储这块的变化分两条线。高容量DDR5和LPDDR5X在AI服务器和AI PC上用量往上走，企业级SSD的容量需求被本地模型和数据集撑大。我注意到一个细节：AI PC的发布会上厂商开始标注“标配32GB内存”，这个规格在两年前还是工作站级别。存储原厂把产能往高利润的HBM和企业级产品上切，消费级DRAM和NAND的供给反而偏紧，价格走势跟着波动。
PCB和电源的价值量变化容易被忽略，但我认为值得单独拎出来说。AI服务器用的高多层板从16层往20层以上走，材料从普通FR4换到高频高速板材，单机柜的PCB价值量翻了几倍。电源这边，单个机柜的功率从几十千瓦往一百千瓦以上冲，AC-DC和DC-DC模块的规格跟着升级。我在展会上看到电源厂商把效率标到97%以上，液冷兼容设计成了标配。散热环节从冷板式往浸没式试探，单机柜的散热价值量跟着液冷渗透率往上走。
3.4 AI服务器、数据中心与边缘算力基础设施的联动影响
AI服务器的发布节奏和数据中心的建设节奏在2025年绑得很紧。我看到的趋势是服务器厂商的发布会和互联网大厂的算力集群上线时间对得上，GB200 NVL72整机柜交付之后，数据中心那边的液冷改造和电力扩容要同步跟上。我认识一个在数据中心做运维的朋友，他说现在最头疼的是单个机柜功率密度往上跳之后，原有配电和制冷架构全部要重新算。这种联动让数据中心的建设周期拉长，反过来也制约了服务器出货的爬坡速度。
边缘算力基础设施的联动逻辑不太一样。边缘AI盒子和边缘服务器的发布更分散，运营商、工业客户、零售客户各买各的。我在几场边缘计算大会上听到的讨论是，边缘节点的算力配置和云端训练集群形成分工，边缘侧做推理和预处理，云端做训练和模型更新。这种架构对边缘设备的配置要求是“够用加接口丰富”，对云端的要求是“集群规模加调度效率”。联动效果体现在带宽节省和响应延迟上，实际落地要看行业客户的部署意愿。
数据中心和边缘算力之间还有一个联动点是“电力”。我看到的数据是AI数据中心的单机柜功率往100kW以上走，边缘节点的功耗卡在几十瓦到几百瓦。电力供给的瓶颈在数据中心侧更突出，几个算力枢纽节点的能耗指标审批变严，液冷和余热回收方案被推到台前。边缘侧反而因为功耗低、部署灵活，在工业园区和门店场景铺得快。这种联动的结果是算力基础设施呈现“云集中、边分散”的格局。
3.5 供应链产能、国产替代与产业投资机会研判
供应链产能这件事我分环节看。先进制程和HBM的产能扩张周期长、资本开支大，2025年的供给增量有限。先进封装和PCB的扩产节奏相对快，但良率爬坡和客户认证要花时间。电源和散热环节的产能弹性大一些，国内厂商在这块的响应速度挺快。我在一次产业链调研中听到的说法是，散热模组厂从接单到量产的周期可以压到两个月以内，前提是方案定型够早。
国产替代的进展在2025年有分化。AI芯片设计端，国内几家厂商在推理芯片上拿出了能对标的产品，训练芯片的差距还在。先进封装环节，国内封测厂在2.5D封装上有了量产能力，3D堆叠还在追赶。HBM的国产化进度偏慢，存储原厂的HBM样品在送测阶段，离大规模供货还有距离。PCB和电源的国产化程度相对高，高频高速板材和液冷电源模块都有国内供应商在供货。
产业投资机会我自己的判断是盯着“价值量跳升加国产化率低”的交叉点。HBM封装、先进制程设备、液冷管路和快接头、高多层PCB这些环节值得看。我在一级市场听到的反馈是，散热和电源方向的融资项目变多，投资人开始往产业链中游找标的。二级市场那边，算力产业链的估值波动跟着发布会和订单公告走，短期情绪重，长期还是要看产能落地和客户验证的进度。
3.6 AI硬件发布热潮下的风险识别与企业应对策略
风险这块我列几个自己会重点看的。第一个是发布节奏和产能节奏的错配。发布会开得密，供应链备货跟不上，就会出现“发布即缺货”的局面，用户热情被消磨，厂商口碑受损。我在2025年看到几款AI硬件产品出现过这种情况，发布会后三个月才陆续发货，评测机构拿到样机时竞品已经迭代了。这种错配对品牌方的伤害比参数落后更大。
第二个风险是技术路线切换带来的库存减值。HBM从3E往4切换、液冷从冷板往浸没切换、封装从2.5D往3D切换，每一次切换窗口里押错路线的厂商都要面对库存压力。我听到的一个案例是某家服务器厂商在冷板式和浸没式之间押注偏晚，手里的一批冷板模组成了滞销库存。企业应对这种风险的方式是保持多路线小批量验证，不把产能全压在一个方案上。
第三个风险是需求侧的波动。AI硬件的采购需求里，互联网大厂和运营商占大头，这些客户的预算调整会直接传导到供应链。我在2025年下半年听到一些关于算力采购节奏放缓的讨论，部分客户从“抢卡”转向“看利用率”。企业应对策略我观察到几个方向：一是往行业客户分散，工业、医疗、零售的边缘AI需求在起量；二是往服务收入转，卖硬件加卖运维和模型调优；三是控制资本开支节奏，把扩产和订单挂钩而不是和发布会挂钩。我自己觉得最稳的策略是把发布节奏压到产能和需求验证之后，少讲愿景多讲交付。
