今年科技投资不是没有机会，而是“闭眼买板块”的时代过去了。
随着美联储降息的预期推迟或落空，AI为代表的科技板块的估值不再出现普涨，而将迎来分化。当下，我们更应该关注有基本面支撑、有预期差、还能把业绩兑现出来的细分方向。
而新技术的突破，意味着产生新的市场预期。这次，OpenClaw和“养龙虾”的走红，正在把AI推进到一个新的投资阶段。
表面上看，这只是又一个Agent（智能体）产品爆发；但往深了看，它改写的是AI系统的运行方式。大模型不再只是被动回答问题，而是开始自主拆解任务、多轮调用模型、持续访问工具、长期维护上下文。
这意味着，AI产业的竞争焦点，正在从“谁的模型更强”，转向“谁能以更低成本生成更多有价值的Token”。
换句话说，下一阶段比拼的不只是总算力，而是单位能耗到底能产出多少有效Token，即Tokens per Watt（Token/W）。
这也是妙投判断下一阶段AI投资机会的核心框架。
如果说上一轮AI行情主要围绕“堆GPU”，那么这一轮更值得关注哪些环节能真正提升Token/W，谁就更可能成为新一轮资本定价的中心。
顺着这条主线看，至少有三类资产正在被重估：
一是负责调度和编排的CPU；
二是负责搬运数据的高速互联与CPO；
三是掌握Token收费权的大模型厂商。
一、CPU成为决定效率的指挥官
过去在对话式AI场景里，CPU的重要性并不高。
从流程上看，用户发出请求，CPU负责接收、分发，再把任务交给GPU执行，最后返回结果。
在这个链条里，GPU像厨师，CPU更像传菜员——等炒好端上来就行，CPU的作用只是“打杂”，能用就行。
但Openclaw为代表的Agent改变了这一点。
Agent不是一次性问答，而是一个持续运行的系统。它要拆解任务、调用工具、等待结果、修正路径、再次调用工具，形成多轮循环。
这类工作流的复杂度，远高于传统Chatbot。
问题在于，GPU擅长的是大规模并行计算，不擅长逻辑控制、任务编排、I/O管理和跨工具调度；而这些，恰恰是CPU最擅长的部分。
所以，进入Agent时代后，CPU的角色不再只是“辅助算力”，而更像是整个AI工作流的指挥官。
指挥官（CPU）凭借高效的调度能力，可以减少GPU空转、降低等待时间、压缩系统性损耗，从而提高单位能耗下的Token产出。
这便意味着，CPU的重要性将被重估。
有数据表明，对话式AI场景下，CPU主要负责Token化等边缘计算工作，工作量仅占约5%；代理型AI模式下，CPU承担工具调用、任务编排、实时决策等大量非AI原生计算，消耗量占AI工作流的80-90%。
需求端已经有迹象。
据Creative Strategies预测，数据中心CPU市场规模将从2026年的250亿美元增长至2030年的600亿美元；如果叠加Agent相关需求，规模有望逼近1000亿美元。
ARM CEO Rene Haas也曾表示，随着Agent驱动应用扩张，数据中心单位功耗所需的CPU算力需求可能增长到当前的4倍以上。
更关键的是，CPU还是一个供给弹性没那么大的行业。
和存储有些类似，服务器CPU长期是高度集中的双寡头格局，英特尔与AMD主导市场；一旦AI链条挤占产能、原材料成本上升、交期拉长，CPU的价格就因供需错配进入上行通道。
据日经亚洲3月25日报道，英特尔与AMD已通知客户上调全系列CPU价格，平均涨幅在10%-15%，部分产品涨幅更高；同时，交货周期将从之前的1-2周大幅延长至8-12周，个别情况下甚至将长达6个月。
因此，妙投认为，CPU正在进入新的景气周期，整个赛道将迎来价值重估。参考存储的上涨，资本市场愿意给出更高的溢价。
当然，最大的受益者会是，海外CPU双雄英特尔、AMD。受益于国产替代，海光信息等国内CPU厂商也将迎来发展机遇和价值重估。
二、小龙虾记忆能力“吃光模块”
另一方面，OpenClaw（“小龙虾”）为代表的Agent具备记忆能力，能够让用户感到终于被记住，不用反复“自我介绍”，协作效率大幅提升。
“小龙虾”的记忆能力本质上就是长上下文推理——把"记住"变成"携带在上下文里"，把更多历史信息、任务状态和中间结果持续塞进上下文窗口里，让模型在生成下一个Token时，始终带着这些信息一起推理。
上下文越长，记忆雪球越大（KV Cache越大），需要搬运给GPU的数据就越多，单个GPU装不下，就得分给多个GPU计算。
问题也随之升级。在每步计算（每个token生成）中，GPU之间还需同步全部的记忆（KV Cache）；否则，每个GPU只看到局部信息，生成的Token是"瞎子摸象"，上下文理解支离破碎。
因此，上下文越长，GPU之间要对账的数据越多，需要“搬”的数据爆发式增长。
于是，Agent的“记忆能力”最终会转化成一个物理层问题，即GPU之间的数据互联（主要依赖于光模块）是否足够快、足够省电。
从Token/W的框架看，这一点也尤其关键。
因为在新的AI工作模式里，真正昂贵的未必只是“算”，很多时候更贵的是“搬”，即光模块的传输效率。
传统可插拔光模块的问题在于，电信号需要经过较长PCB走线，损耗和发热都较高；
而CPO（共封装光学）把光引擎直接放到交换芯片或加速芯片附近，显著缩短电互联距离，从而降低功耗、改善热管理、提升整体传输效率。
在Token/W投资框架下，共封装光学器件（CPO）的价值不再仅是“更高带宽、更低延迟”，而是降低数据搬运的能量代价，用同样的电能跑出更多Token。
正因如此，妙投认为，共封装光学器件（CPO）将进入加速落地的快车道，进入从“1”到“100”的阶段。
集邦咨询预测，共封装光学器件（CPO）渗透率将从2026年约0.5%攀升至2030年约35%。
从市场预测数据来看，据YOLE预测，CPO市场在2024年的规模为4600万美元，预计到2030年将达到81亿美元，期间的年复合增长率高达137%。
落地在产业链上，相对于传统光模块，CPO减少了部分有源器件，如激光器芯片、探测器芯片等，增加了集成多种光器件的光引擎、硅光芯片和薄膜铌酸锂调制器等。
而CPO产业链上游中硅光光引擎和ELS/CW光源需求将迎来爆发，源杰科技、仕佳光子等相关厂商迎来机遇。
三、大模型重掌定价权
这波“养龙虾”的浪潮，让大模型厂商看到了更清晰的商业化路径。
过去市场对大模型商业化的最大质疑在于，模型能力越来越强，但谁来付费、为哪种价值付费、付费能否覆盖成本，这些问题始终没有真正解决。
而OpenClaw等改变了这套叙事。
因为用户买的不再只是一次性问答，而是一个持续工作的数字劳动力。而Token消耗就不再只是“聊天成本”，而变成了企业愿意为效率提升买单的生产成本。
近期多家厂商开始结束免费公测、转向正式商用按量计费，甚至释放涨价信号。
关键的是，市场已经开始接受高质量Token的收费权，而不是“谁涨了多少价”。这比单纯的调用量增长更重要。
另外，token消耗的想象空间还很大。
GMI Cloud创始人AlexYeh曾表示，“随着开源和闭源的模型越来越好，token的调用量会越来越高。所以我觉得我们甚至连1%或5%都还没有到。”
根据IDC数据，中国企业活跃智能体数量将在2031年突破3.5亿规模，年复合增长率达到135%以上，同时由于智能体任务执行密度的增长和任务复杂度的提升，也将带来智能体Token消耗年均超30倍的指数级跃升。
妙投认为，大模型厂商持续受益的确定性很高。
与此同时，资本市场对大模型企业商业化的叙事颇为认可，尤其在科技股回调时逆势上涨。今年以来，MiniMax的股价上涨已达到483%。
这里，不禁有人会问，大模型的估值高吗？
当下，大模型厂商估值不具备“性价比”。接下来，投资者还需关注大模型的token量以及业绩能否超出预期。
小结
总体而言，妙投认为，资本市场将更关注AI新技术带来的“蝴蝶效应”，即token激增带来的新的商业模式（如：大模型商业化叙事）以及新的市场需求（CPU、CPO产业链等）。
另外，中东边缘冲突推高通胀预期，美联储降息落空或加息影响整体科技股估值，因而科技股出现“杀估值”，同时也会跌出“性价比”。一旦冲突出现结束信号，资本将重新关注科技股，甚至“抢跑”并押注新的机会。
广盛网提示：文章来自网络，不代表本站观点。
