过去几年，美股科技股的主线几乎被一个词统治：算力。

英伟达的 GPU、微软和谷歌的数据中心、OpenAI 和 Anthropic 的大模型，构成了这轮 AI 牛市最显眼的叙事。资本市场一度相信，只要模型还在变大、数据中心还在扩建、GPU 还在供不应求，科技股就能继续向上重估。

但进入 2026 年后，一个新的变化正在发生。

市场不再只盯着“云端的大脑”，也开始重新审视那些长期被忽视的“神经系统”：网络交换机、光通信链路、无线基站、边缘计算节点、车载与工业级操作系统。

于是，思科、诺基亚、黑莓这些曾经被贴上“老登股”标签的科技公司，又一次回到人们的视野中。

这轮变化当然有情绪成分，也有估值修复的味道。但如果只把它理解成低位股补涨，可能会错过更重要的产业信号：AI 正在从云端走向物理世界，而物理世界需要新的网络、边缘和安全基础设施来承接它。

这篇文章中，RockFlow 投研团队将为你解答以下问题：为什么是这些老公司？为什么是现在？以及，下一个受益者会是谁？

AI 投资主线正在从“云端算力”扩散到“物理层基础设施”

过去三年，AI 投资的核心逻辑并不复杂。

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，也需要充足而稳定的电力。资本自然流向英伟达、台积电、博通、超微，以及微软、亚马逊、谷歌这类处在云端算力链条核心位置的公司。

在这个阶段，市场定价的是“谁掌握训练算力，谁就掌握 AI 时代的入口”。

这个逻辑没有失效，只是变得不够完整。

大模型不再只停留在聊天窗口里。它们开始进入汽车、机器人、工业设备、电网、通信网络、医疗终端和城市基础设施。AI 不再只是回答问题，也要发出指令、控制设备、协调资源，甚至参与真实世界里的实时决策。

问题也随之变得更具体。

一个聊天机器人慢 200 毫秒，用户大多只是觉得卡了一下；一辆自动驾驶汽车慢 200 毫秒，情况就完全不同。一个办公软件崩溃，重启即可；一个正在搬运重物的工业机器人失去控制，后果无法用“用户体验不好”来概括。

AI 从屏幕进入物理世界后，瓶颈不再只是算力，还有延迟、带宽、稳定性、安全隔离和实时控制。

这也是物理层资产重新被定价的原因。

这里说的物理层，不只是光纤和基站。它是一整套支撑 AI 落地的底层系统，包括：

数据中心内部的高速交换网络；

云与边缘之间的路由、光传输和回传链路；

5G/6G 无线接入网和通信基站；

靠近终端用户的边缘计算节点；

汽车、机器人和工业设备中的实时操作系统；

网络安全、身份认证和设备可信执行环境。

过去，这些资产的共同标签是增长慢、周期强、想象力有限。尤其在云计算和软件订阅横扫市场的十年里，传统网络设备商和通信设备商一度显得笨重。

但 AI 的物理化正在改变这套认知。

当 AI Agent、自动驾驶车队、工业机器人和智能电网开始产生高频、实时、机器对机器的数据交互时，网络不再是后台设施，同时也是 AI 系统能否正常运行的前提条件。

换句话说，过去三年，市场在定价“AI 大脑”的形成；接下来，市场可能要逐步定价“AI 神经系统”的重建。

思科、诺基亚、黑莓重新被看见，正是这个过程中的一个侧影。

这一次与 1999 年不同：“基建超前” VS “需求倒逼”

每当老牌科技股出现剧烈上涨，市场很自然会联想到 1999 年互联网泡沫。

当年的故事并不陌生：互联网叙事爆发，电信运营商和网络设备商大规模投资光纤、路由器、交换机和基站。资本相信流量会无限增长，于是基础设施建设远远跑在真实需求前面。

但问题是，当时的互联网用户数量、应用复杂度和数据吞吐量都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、诺基亚等公司也经历了漫长的估值回落。

所以，1999 年的核心矛盾是：基建走在需求前面。

而今天的情况正在反过来。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，但行为频率仍然受限于人的时间、注意力和生理节奏。AI Agent、自动驾驶车队、工业机器人和物联网设备则不同。它们可以 24 小时运行，可以毫秒级交互，可以持续上传环境数据、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变化：

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根本原因。

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。没有这些基础设施，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。

三家老牌巨头分别拿到什么新剧本？

在这轮物理层重估中，思科、诺基亚、黑莓看似同属“老科技股”，但真正受益的方向并不相同。

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。

思科的优势主要体现在三点：

长期积累的企业与数据中心客户基础；

Silicon One 等自研网络芯片和高性能交换能力；

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。

尤其是 Splunk，对思科意义重大。

过去思科更多被看作硬件公司，估值中枢受到硬件周期压制。Splunk 的加入，使其能够把网络设备、安全监控、流量分析、可观测性和自动化运维组合起来，形成更高比例的软件订阅收入。

这意味着思科的故事不只是“卖交换机”，同时也是向 AI 数据中心提供一套网络效率、安全监测和运维管理方案。

对机构投资者而言，真正值得跟踪的指标包括：

AI 数据中心相关订单占比；

软件订阅收入增速；

毛利率变化；

大客户集中度；

与英伟达、博通等生态伙伴的竞争与合作关系。

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、光网络和通信专利等资产，在全球运营商体系中仍有重要地位。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、网络智能化和专利授权。

但诺基亚的挑战也很明显。

电信运营商资本开支周期较强，且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，而不仅是技术可行性。

因此，诺基亚的重估逻辑需要观察两个问题：

第一，AI-RAN 是否能真正帮助运营商赚钱。如果只是增加基站成本，而没有带来新增收入，运营商很难长期买单。

第二，诺基亚能否在 AI-RAN 价值链中获得足够利润。如果算力芯片、云平台和应用层拿走大部分价值，设备商仍可能只赚硬件利润。

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

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 和网络安全业务。尤其是 QNX，在智能汽车、工业控制和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；机器人和工业智能设备放量。

过去 QNX 的单车价值量有限，更多服务仪表盘、信息娱乐和部分控制模块。未来随着智能车向中央计算、舱驾融合和自动驾驶演进，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。

但黑莓也有风险。

它的业务规模、盈利稳定性和客户转化节奏，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。

所以，黑莓更像是物理层重估中的“高弹性期权”。它的上行空间来自 QNX 的平台化扩展，下行风险则来自商业化节奏和估值提前透支。

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，受益者不会只有思科、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，受益逻辑：AI 数据中心以太网升级带来交换芯片和 PHY 芯片需求；

光模块与光互连，代表公司 Coherent、Lumentum 等，受益逻辑：数据中心内部与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，受益逻辑：AI-RAN 和边缘节点提升站址、电力、机房价值；

网络安全，代表公司 Palo Alto、Fortinet、CrowdStrike，受益逻辑：AI Agent 和边缘设备增加攻击面；

工业自动化，代表公司 Siemens、Rockwell，受益逻辑：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楚的标的，再逐步扩散到更隐蔽的环节。

因此，RockFlow 投研团队认为，不能只看股价涨幅，更要沿着真实的产业因果链往下拆：

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”更重要。

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。

但同时我们也需注意，产业趋势和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。