GPU之后，AI基础设施的故事并没有结束。
互联、存储、端侧推理、Agent工作流，以及把模型真正用起来的工程化能力，正在成为新一轮基础设施机会。
“AI浪潮足够大，大到早期和中后期机会会同时存在；模型足够强，还需要更好的环境和工程化能力释放价值；云端算力很关键，端侧推理机会也在持续涌现。”
在清科2026 SuperLink“人工智能，赋能与深耕”圆桌讨论中，耀途资本创始合伙人杨光围绕AI投资节奏、算力基础设施、端侧机会与模型演进，分享了他的观察与判断。
以下为杨光发言节选，经不改变原意编辑。
主持人袁润兵： 过去两年，从具身机器人到 AI 应用，很多主流赛道都获得大量融资，估值也比较高。在这种情况下，今年你们还会继续布局这些行业吗？还是会等待市场回归理性？
杨光：这波AI浪潮已经巨大到，从早期到中后期，机会都是共存的。
如果拆开看，在AI计算里，GPU 这条主线已经进入后期阶段，因为已经有多家公司上市或正在上市进程中，我们也抓到了第一波GPU机会，早期投了训练GPU的壁仞科技、推理GPU的瀚博半导体。
但这并不意味着 AI 计算没有早期机会了。2026 年，这个赛道依然出现了很多新的热点。比如 TPU、LPU 等新架构，会不会在部分场景替代 GPU，市场都很关注。近期英伟达收购Groq并将 Groq 3 LPU 纳入 Vera Rubin 平台，推出 “GPU+LPU” 异构协同方案，说明巨头已在积极布局GPU之外的新架构。
一级市场投资人也分两拨，第一拨投过GPU的人，希望继续抓住下一代技术，有可能又会诞生大公司。还有一拨错失第一波GPU的投资人，看到新的架构出来，也希望积极布局而不要再次miss。所以，AI 计算从早期到中后期都有机会。
今年最大热点之一是互联。二级市场上，大家开玩笑说不要“光站着”，要站在“光里”，光通讯公司业绩非常好。传导到一级市场，光模块上游的核心器件关注度都非常高。
未来AI基建会走向更大规模集群，里面有大量铜互联和光互连机会。我们过去投资了四五个互联相关项目，包括DPU、CXL、PCIE retimer、硅光和激光器，现在还在持续加码互联方向。
另外一大热点是存储，今年也有很多新的变量，三星、SK海力士、闪迪、美光等头部公司业绩炸裂，HBM 和HBF等高带宽存储方向非常受关注。背后是 AI 对带宽、容量、功耗和先进封装提出了新要求，也带出了新的技术方案和投资机会。
所以整个AI基础建设领域都在快速迭代，这里还有很多值得关注的早期机会。如果一个行业上限足够高，即便是中后期机会，该上车还是要上车。
袁润兵：端侧算力你们投吗？
杨光： 我们也投。现在从OpenClaw到Hermes这类AI Agent ，大家都发现一个问题：跑一个很简单的任务，结果消耗掉了很多Token。
所以未来是不是有很多任务，并不一定需要调用云端 SOTA 模型，而是可以放在边缘侧、端侧去跑？用百亿甚至千亿参数级别的本地开源模型就行。
但现在端侧想要运行千亿模型，受限于内存容量和带宽，跑不动。
所以我们投了端侧存储和存算相关项目，比如光羽芯辰，用3D堆叠和存算一体技术，打破端侧推理内存墙，能把参数量比较大的模型存在本地。
这样有百分之七八十任务在本地跑，百分之二三十在云端。当然，端侧真正要起体量确实比云端要慢一些。
袁润兵：从模型基础能力来看，你认为它还会继续提升吗？如果未来三五年达到 AGI，这会不会成为“最后一波”大的技术浪潮？
杨光： AI 领域很难预测，因为大部分预测最后都会被打脸。
我觉得 AGI 在 coding 领域已经实现了，自动驾驶也基本实现了，多模态五年之内应该也能看到非常明显的进展。
模型的发展，可能会更趋向于实用化。
比如自动驾驶量产场景，并不是参数越大越好。模型要在效果、实时性、成本和车端部署之间做平衡。在一些专用场景里，相对小的亿级参数模型就能达到很好的效果。
所以现在 context、harness 这类工程化工作变得越来越重要。很多用户价值的提升，不一定完全来自模型本身，也可能来自环境和记忆。如果把 harness 做好，给用户带来的体验和价值提升，有可能超过单纯模型能力的提升。
比如小龙虾、Hermes类Agent跑在你的本地计算机环境，打通所有本地文件、浏览器等，就创造了与web agent不同的用户价值，这可能是一条比较好的路径。
