01
在前两天CNBC的采访中，英伟达创始人黄仁勋盛赞了一家公司，并且，英伟达向它承诺了32亿美元的股权投资（5亿已到账），更是直接拍出了数十亿美元的预付款。
这家公司是谁呢？
就是传统制造企业康宁。
一个是站在云端、代表着人类前沿AI的芯片设计巨头；一个是成立于1851年、靠做灯泡玻璃跟锅碗瓢盆起家的百年传统老厂。
英伟达为什么放着那么多高科技企业不去投资，非要砸下重金去找一家卖玻璃的传统制造企业呢？
AI到底给传统制造企业带来了什么机遇呢？
02
我们要看懂英伟达为什么要给康宁塞钱，就必须先搞清楚今天AI大模型面临的一个致命瓶颈。
过去，我们普遍存在一个共性误区，大家认为AI大模型就是纯粹的显卡数字游戏。
只要GPU芯片足够多，算得足够快，AI的智商就能无限进化。
但实际上，今天AI的瓶颈，不只是算得不够快，关键是传得不够快。
什么意思呢？
当成千上万张GPU被塞进超级机架系统里，进行万亿参数运算的时候，它们之间需要极其庞大的数据交换。
过去，连接这些显卡的就是铜线电缆，但在AI的数据洪流面前，铜线的物理极限不够了。
因为在高速传输下，铜线会产生电阻、信号衰减以及恐怖的发热量。
在现代AI集群中，仅仅是数据在铜线里的移动，就可能消耗掉整个系统近50%的能源，让数据中心变成一个超级火炉。
这就是今天业内所称的CPO，叫共封装光学技术，简单来说就是“光进铜退”，用光纤逐步替代铜缆进行数据传输。
因为光子的传输速度不仅是电子的极限，而且几乎不产生电阻发热。
那么，既然光纤这么重要，全世界做光通信的企业那么多，为什么偏偏是康宁这家有着175年历史的传统老厂，拿到了英伟达最大的支票呢？
03
我们一提到康宁，很多人会想到这是一家玻璃厂。
确实，回顾它175年的历史：
1879年，它为爱迪生制造了人类第一个白炽灯泡的玻璃外壳；后来，它发明了耐高温的Pyrex玻璃，成就了无数家庭的烤箱。
2007年，它又为乔布斯的初代iPhone赶制出了防刮防摔的“大猩猩屏幕玻璃”。
但如果你觉得康宁的原点能力只是做玻璃，那就大错特错了。
我们讲过，什么是原点能力？
它不是你现在卖的具体产品，而是你这家企业长久以来不断积累，赖以生存的核心技术以及组织能力。
康宁的原点能力是什么？
不是玻璃，玻璃只是产品，而是“对硅酸盐材料科学跟精密光学的掌控力”。
无论外在的产品怎么变，康宁175年积累的都是材料上的手艺。
所以，当AI时代呼啸而来，康宁是怎么做的？
它以自己的原点能力为轴心，把应用场景的枪口，转到了AI数据传输的物理瓶颈上。
其实，早在1970年，康宁就拉制出了世界上第一根低损耗光纤。
而在今天，当英伟达的数据中心被“铜线发热”折磨得痛不欲生的时候，康宁就顺势推出了能让数据以光速无损传输的特种光纤连接组件，收获了英伟达的信任。
04
康宁的例子，就是一部传统制造企业转轴的教科书。
今天很多传统企业在面对AI浪潮的时候，都会感到焦虑跟恐慌，大家每天看着新闻里OpenAI发了新模型、字节搞了新算法，感觉自己完全挨不上边，只能等死。
他们觉得：“我是做塑料的、我是做钢材的、我是做螺丝的，AI这种高科技跟我有什么关系？
但实际上，在这个世界上，不是所有人都去挖金矿，去做AI大模型，也不是所有人都去当第一层“卖铲子的人”，比如做GPU的英伟达。
作为传统实体企业，我们可以思考怎么给卖铲子的人，修更好的路。
因为今天的AI不仅仅是电脑、手机里的聊天机器人。
它的背后，是极其庞大的电力吞噬、是巨大负荷的物理散热、是占地辽阔的数据中心厂房。
虚拟世界越繁荣，它对物理世界的依赖就越沉重。
比如说，如果你是做传统风机、制冷设备、管道工程的，那不要再死盯着那些家用空调跟普通厂房通风了。
你的原点能力应该是“热管理与流体控制”，那么，转轴的方向，就可以指向AI的数据中心。
因为当机柜的功率从十几千瓦飙升到单机柜上百千瓦的时候，传统的风冷就不够看了。
数据中心就需要工业级的液冷散热系统，假如你的热管理技术，能够替换掉机房里的空调，那你当然就能吃到AI爆发的红利。
如果你是做强电施工、建筑工程的，也不要去卷那些结不到工程款的传统房地产项目了。
黄仁勋说今天AI非常缺电工跟建筑工人，这不是开玩笑。
因为一个大型AI数据中心的耗电量，堪比一座中型城市。
那么，有能力交付复杂基建跟电力施工的企业，自然就有机会承接未来井喷的AI智算中心建设，去铺设能承载巨大能源的微电网。
就算你是做特种材料、精密五金加工的，那么，我们也可以像康宁一样去思考，AI的机房跟服务器里还需要什么呢？
还需要海量的精密连接器、防静电的特殊金属外壳、甚至是基础的防震支架。
那么，梳理企业沉淀了十几年、二十年的原点能力，再去AI的产业链条当中，寻找那个被大厂忽视，但不可或缺的垂直场景，然后用我们积累的能力去填补它。
05
黄仁勋和康宁跨越一个半世纪的握手，就是对这个时代深刻的隐喻：算法决定了AI能飞多高，但传统制造业跟材料科学，决定了AI能活多久。
其实，在商业的历史长河中，每一次技术的飞跃，最终都会到物理的基础。
作为制造企业，只要我们找准了不可替代的原点能力，转动应用的轴心，照样能在AI时代，找到发展的新方向。
被时代抛弃的，只是那些陈旧的商业模式，但时代奖赏的，是那些在一公分宽度中，挖掘一公里应用深度的长期主义者。
责任编辑 | 罗英凡
图片均来源于AI
本文不构成任何投资建议，股市有风险，投资需谨慎
■ 免责声明
本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。
热门跟贴