老牌巨头思科诺基亚黑莓集体新高，AI下一轮机会藏于旧资产

过去几年，美股科技股的核心主线几乎被“算力”一词垄断。

英伟达GPU、微软与谷歌的数据中心、OpenAI及Anthropic的大模型，共同构成了本轮AI牛市最鲜明的叙事逻辑。资本市场一度坚信，只要模型参数持续膨胀、数据中心不断扩建、GPU供应继续紧张，科技股就能延续估值重估的上升通道。

然而进入2026年，一个显著的结构性变化正在酝酿。

市场不再仅聚焦“云端大脑”，转而开始深度审视那些长期被边缘化的“神经系统”：网络交换机、光互联链路、无线基站、边缘计算节点、车载及工业级实时操作系统。

思科、诺基亚、黑莓这些曾被贴上“传统老牌”标签的科技企业，再次回到投资者视野中央。

本轮行情固然包含情绪驱动与估值修复成分。但如果仅视为低位股的补涨反弹，很可能错失更关键的产业拐点信号：AI正从云端向物理世界渗透，而物理世界需要全新的网络架构、边缘算力与安全基础设施来承载。

先给出几个核心判断：为何是这些老牌公司？为何此刻爆发？下一批受益者将是谁？

AI投资主线正从“云端算力”向“物理层基础设施”外溢

过去三年，AI投资的底层逻辑相当直白。

训练大模型需要更多GPU、更高带宽的显存、更密集的数据中心集群，以及稳定充足的电力供应。资本自然向英伟达、台积电、博通、超微，以及微软、亚马逊、谷歌这类占据云端算力核心节点的公司集中。

这一阶段，市场定价的核心是“谁掌握训练算力，谁就掌握AI时代入口”。

该逻辑并未失效，只是变得不再完整。

大模型不再仅限于聊天窗口。它们已渗透进汽车、机器人、工业设备、电网、通信网络、医疗终端与城市基础设施。AI从单纯回答问题，转向发出指令、控制设备、协调资源，甚至参与真实世界的实时决策。

随之而来的是更具体的工程挑战。

一个聊天机器人延迟200毫秒，用户最多感觉卡顿；一辆自动驾驶汽车延迟200毫秒，后果完全不同。办公软件崩溃重启即可，而正在搬运重物的工业机器人失控，则远非“用户体验差”能概括。

AI从屏幕进入物理世界后，瓶颈不再只是算力，更包括延迟、带宽、稳定性、安全隔离与实时控制。

这正是物理层资产重新被定价的根本原因。

这里的物理层远不止光纤和基站。它是一整套支撑AI落地的底层系统，具体包括：

数据中心内部的高速交换网络；

云与边缘间的路由、光传输与回传链路；

5G/6G无线接入网与通信基站；

靠近终端用户的边缘计算节点；

汽车、机器人及工业设备中的实时操作系统；

网络安全、身份认证与设备可信执行环境。

过去，这些资产的共同标签是增长缓慢、周期性强、想象空间有限。尤其在云计算与软件订阅主导市场的十年里，传统网络设备商与通信设备商一度显得笨重滞后。

但AI的物理化进程正在颠覆这一认知。

当AI Agent、自动驾驶车队、工业机器人与智能电网开始产生高频、实时、机器对机器的数据交互时，网络不再只是后台基础设施，而成为AI系统能否正常运行的前置条件。

换言之，过去三年市场在定价“AI大脑”的成型；接下来，市场将逐步定价“AI神经系统”的重建。

思科、诺基亚、黑莓重新被纳入视野，正是这一进程的侧影。

本轮行情不同于1999年：“基建超前” vs “需求倒逼”

每当老牌科技股出现剧烈上涨，市场难免联想到1999年互联网泡沫。

当年的剧本并不陌生：互联网叙事爆发，电信运营商与网络设备商大规模投资光纤、路由器、交换机与基站。资本笃信流量将无限增长，导致基础设施建设大幅超前于真实需求。

但问题在于，当时互联网用户数量、应用复杂度与数据吞吐量远不足以消化这些投资。最终大量通信资产闲置，电信运营商资产负债表恶化，思科、诺基亚等公司经历了漫长的估值回调。

1999年的核心矛盾是：基建跑在需求前面。

当前情况正好相反。AI时代的流量制造者不再只是人类，更是机器。

人类每天上网、看视频、发消息，虽然流量巨大，但行为频率受限于时间、注意力与生理节奏。AI Agent、自动驾驶车队、工业机器人与物联网设备则完全不同——它们可以24小时不间断运行，以毫秒级频率交互，持续上传环境数据、调用模型接口、同步状态日志、执行本地推理。

这意味着网络流量的性质正在发生根本性转变：

从“人到人”转向“机器到机器”；

从低频交互转向高频交互；

从内容消费转向实时决策；

从中心化云处理转向云边端协同；

从可容忍延迟转向低延迟甚至超低延迟。

这正是物理层资产重新具备投资价值的底层逻辑。

云端模型再强，也必须通过网络连接终端，通过边缘节点降低延迟，通过安全操作系统控制设备。缺少这些基础设施，AI很难真正进入汽车、机器人、工厂和城市。

这也是本轮行情与1999年最本质的区别：

1999年是为尚未到来的需求提前修路；2026年是需求已经上路，但道路开始拥堵。

三家老牌巨头各自拿到了什么新剧本？

在这轮物理层重估中，思科、诺基亚、黑莓看似同属“老科技股”，但受益方向截然不同。

思科：从企业网络设备商转向AI数据中心网络平台

思科的核心机会在于AI数据中心网络。

如果说GPU是AI工厂的发动机，那么交换机、路由器和网络管理系统就是发动机之间的传动系统。传动效率越高，整体算力利用率越高。

思科的竞争优势主要体现在三个方面：

长期积累的企业与数据中心客户基础；

Silicon One等自研网络芯片及高性能交换能力；

Splunk并表后，在可观测性、安全监测、日志分析方面形成软件补强。

其中Splunk对思科战略意义重大。

过去思科更多被视为硬件公司，估值中枢受硬件周期压制。Splunk的加入使其能够将网络设备、安全监控、流量分析、可观测性与自动化运维整合，形成更高比例的软件订阅收入。

这意味着思科的故事不再是“卖交换机”，而是向AI数据中心提供一整套网络效率、安全监测与运维管理方案。

对机构投资者而言，值得跟踪的关键指标包括：

AI数据中心相关订单占比；

软件订阅收入增速；

毛利率变化趋势；

大客户集中度；

与英伟达、博通等生态伙伴的竞合关系。

思科的确定性相对更高，但弹性可能不如黑莓。它更像是物理层重估中的“稳健核心资产”。

诺基亚：从通信设备商转向AI-RAN与边缘网络参与者

诺基亚的机会在于电信网络AI化。

它拥有无线接入网、核心网、光网络及通信专利等资产，在全球运营商体系中仍占据重要地位。若AI-RAN进入规模化部署阶段，诺基亚有望受益于基站升级、边缘计算、网络智能化及专利授权。

但诺基亚面临的挑战同样明显。

电信运营商资本开支周期性强，全球通信设备市场竞争激烈。运营商是否愿意大规模投入AI-RAN，取决于实际商业回报，而非单纯技术可行性。

因此，诺基亚的重估逻辑需观察两个核心问题：

第一，AI-RAN能否真正帮助运营商增收。如果仅增加基站成本而没有带来新增收入，运营商难以长期买单。

第二，诺基亚能否在AI-RAN价值链中获取足够利润。若算力芯片、云平台及应用层拿走大部分价值，设备商仍可能仅赚硬件利润。

所以，诺基亚的投资逻辑更偏“产业拐点型”。它拥有较强的叙事弹性，但也需要更严格地跟踪订单兑现与利润率改善。

黑莓：从过气手机品牌转向安全实时操作系统供应商

黑莓的变化最具戏剧性，也最容易被市场误读。

它的价值不在手机，而在QNX及网络安全业务。特别是QNX，在智能汽车、工业控制与机器人系统中具备较强稀缺性。

黑莓的想象空间来自两个方向：智能汽车电子架构升级；机器人与工业智能设备放量。

过去QNX单车价值量有限，更多服务于仪表盘、信息娱乐及部分控制模块。未来随着智能车向中央计算、舱驾融合与自动驾驶演进，底层安全操作系统的重要性提升，单车价值量有望扩大。

如果具身智能机器人进入规模化量产，QNX还可能从汽车市场外溢到更广泛的工业与机器人场景。

但黑莓同样存在风险。

其业务规模、盈利稳定性及客户转化节奏仍需时间验证。市场给予高弹性估值时，往往提前反映多年增长预期。一旦订单节奏不及预期，股价波动也会更剧烈。

因此，黑莓更像是物理层重估中的“高弹性期权”。上行空间来自QNX的平台化扩展，下行风险则来自商业化节奏与估值透支。

外延受益者：物理层革命不会只属于三家公司

如果AI基础设施从云端向边缘和物理层扩散，受益者将远不止思科、诺基亚、黑莓。

更完整的产业链还包括：

高速交换芯片——代表公司Broadcom、Marvell，驱动逻辑：AI数据中心以太网升级带动交换芯片与PHY芯片需求；

光模块与光互连——代表公司Coherent、Lumentum等，驱动逻辑：数据中心内部及云边传输需要更高带宽光连接；

通信公司与边缘地产——代表公司American Tower、Crown Castle，驱动逻辑：AI-RAN与边缘节点提升站址、电力、机房价值；

网络安全——代表公司Palo Alto、Fortinet、CrowdStrike，驱动逻辑：AI Agent与边缘设备增加攻击面；

工业自动化——代表公司Siemens、Rockwell，驱动逻辑：工业AI落地需要端侧控制与安全系统。

本轮物理层重估并非孤立行情，它有望让一整条从云端算力向网络、基站、边缘、终端和安全扩散的产业链从中受益。

资本市场往往会先交易最容易讲清的标的，再逐步扩散到更隐蔽的环节。

因此，判断重点不能只看股价涨幅，而要沿着真实的产业因果链往下拆解：

谁真正拥有定价权？

谁只是短期订单受益？

谁能把硬件收入转化为软件订阅？

谁的专利和标准不可替代？

谁的估值已经透支未来三到五年？

这些问题，比单纯判断“涨多了还是没涨够”更具价值。

结论：AI的下一阶段，不只属于云端

过去三年，资本市场习惯于把AI理解为云端服务器里的模型、芯片和数据中心。

但AI真正改变世界的方式，不会停留在浏览器窗口里。它最终要进入汽车、机器人、工厂、电网、城市和通信网络。到了那个阶段，决定AI能否落地的，不只是模型参数和GPU数量，还有网络延迟、带宽、安全、实时控制和系统稳定性。

这正是思科、诺基亚、黑莓重新被市场看见的原因。

它们代表的是AI投资框架的一次横向扩展：

从云端算力，走向物理层基础设施；

从训练大模型，走向部署智能体；

从“让AI更聪明”，走向“让AI真正控制现实世界”。

这条主线的长期逻辑值得重视。

但同时我们需注意，产业趋势与股价节奏并不总是同步。真正能穿越周期的，是那些能够卡住数据、网络、安全、标准和操作系统关键节点，并持续把技术壁垒转化为现金流的公司。

AI的第一阶段，市场奖励了云端大脑。

AI的第二阶段，市场开始重新定价那些长期沉在水面下的基础设施公司。

思科、诺基亚、黑莓的上涨，或许只是这场重估的开端。繁华之后，能留下来的公司，必须证明自己不仅站在叙事里，也站在订单、利润和不可替代性之上。

来源：互联网