思科、諾基亞、黑莓等老牌巨頭集體新高？AI下一輪機會，藏在這些舊資產里

過去幾年，美股科技股的主線幾乎被一個詞統治：算力。

英偉達的 GPU、微軟和谷歌的數據中心、OpenAI 和 Anthropic 的大模型，構成了這輪 AI 牛市最顯眼的敍事。資本市場一度相信，只要模型還在變大、數據中心還在擴建、GPU 還在供不應求，科技股就能繼續向上重估。

但進入 2026 年后，一個新的變化正在發生。

市場不再只盯着「雲端的大腦」，也開始重新審視那些長期被忽視的「神經系統」：網絡交換機、光通信鏈路、無線基站、邊緣計算節點、車載與工業級操作系統。

於是，思科、諾基亞、黑莓這些曾經被貼上「老登股」標籤的科技公司，又一次回到人們的視野中。

這輪變化當然有情緒成分，也有估值修復的味道。但如果只把它理解成低位股補漲，可能會錯過更重要的產業信號：AI 正在從雲端走向物理世界，而物理世界需要新的網絡、邊緣和安全基礎設施來承接它。

這篇文章中，RockFlow 投研團隊將為你解答以下問題：為什麼是這些老公司？為什麼是現在？以及，下一個受益者會是誰？

AI 投資主線正在從「雲端算力」擴散到「物理層基礎設施」

過去三年，AI 投資的核心邏輯並不複雜。

訓練大模型需要更多 GPU，更高帶寬的顯存，更密集的數據中心，也需要充足而穩定的電力。資本自然流向英偉達、臺積電、博通、超微，以及微軟、亞馬遜、谷歌這類處在雲端算力鏈條核心位置的公司。

在這個階段，市場定價的是「誰掌握訓練算力，誰就掌握 AI 時代的入口」。

這個邏輯沒有失效，只是變得不夠完整。

大模型不再只停留在聊天窗口里。它們開始進入汽車、機器人、工業設備、電網、通信網絡、醫療終端和城市基礎設施。AI 不再只是回答問題，也要發出指令、控制設備、協調資源，甚至參與真實世界里的實時決策。

問題也隨之變得更具體。

一個聊天機器人慢 200 毫秒，用户大多隻是覺得卡了一下；一輛自動駕駛汽車慢 200 毫秒，情況就完全不同。一個辦公軟件崩潰，重啟即可；一個正在搬運重物的工業機器人失去控制，后果無法用「用户體驗不好」來概括。

AI 從屏幕進入物理世界后，瓶頸不再只是算力，還有延迟、帶寬、穩定性、安全隔離和實時控制。

這也是物理層資產重新被定價的原因。

這里説的物理層，不只是光纖和基站。它是一整套支撐 AI 落地的底層系統，包括：

數據中心內部的高速交換網絡；

雲與邊緣之間的路由、光傳輸和回傳鏈路；

5G/6G 無線接入網和通信基站；

靠近終端用户的邊緣計算節點；

汽車、機器人和工業設備中的實時操作系統；

網絡安全、身份認證和設備可信執行環境。

過去，這些資產的共同標籤是增長慢、周期強、想象力有限。尤其在雲計算和軟件訂閲橫掃市場的十年里，傳統網絡設備商和通信設備商一度顯得笨重。

但 AI 的物理化正在改變這套認知。

當 AI Agent、自動駕駛車隊、工業機器人和智能電網開始產生高頻、實時、機器對機器的數據交互時，網絡不再是后臺設施，同時也是 AI 系統能否正常運行的前提條件。

換句話説，過去三年，市場在定價「AI 大腦」的形成；接下來，市場可能要逐步定價「AI 神經系統」的重建。

思科、諾基亞、黑莓重新被看見，正是這個過程中的一個側影。

這一次與 1999 年不同：「基建超前」 VS 「需求倒逼」

每當老牌科技股出現劇烈上漲，市場很自然會聯想到 1999 年互聯網泡沫。

當年的故事並不陌生：互聯網敍事爆發，電信運營商和網絡設備商大規模投資光纖、路由器、交換機和基站。資本相信流量會無限增長，於是基礎設施建設遠遠跑在真實需求前面。

但問題是，當時的互聯網用户數量、應用複雜度和數據吞吐量都遠不足以消化這些投資。最終，大量通信資產閒置，電信運營商資產負債表惡化，思科、諾基亞等公司也經歷了漫長的估值回落。

所以，1999 年的核心矛盾是：基建走在需求前面。

而今天的情況正在反過來。AI 時代的流量製造者不再只是人類，更是機器。

人類每天上網、看視頻、發消息，雖然流量巨大，但行為頻率仍然受限於人的時間、注意力和生理節奏。AI Agent、自動駕駛車隊、工業機器人和物聯網設備則不同。它們可以 24 小時運行，可以毫秒級交互，可以持續上傳環境數據、調用模型接口、同步狀態日誌、執行本地推理。

這意味着網絡流量的性質正在發生變化：

從「人到人」轉向「機器到機器」；

從低頻交互轉向高頻交互；

從內容消費轉向實時決策；

從中心化雲處理轉向雲邊端協同；

從可容忍延迟轉向低延迟甚至超低延迟。

這正是物理層資產重新具備投資價值的根本原因。

雲端模型再強，也必須通過網絡連接終端，通過邊緣節點降低延迟，通過安全操作系統控制設備。沒有這些基礎設施，AI 很難真正進入汽車、機器人、工廠和城市。

這也是本輪行情與 1999 年最本質的區別：

1999 年是為尚未到來的需求提前修路；2026 年是需求已經上路，但道路開始擁堵。

三家老牌巨頭分別拿到什麼新劇本？

在這輪物理層重估中，思科、諾基亞、黑莓看似同屬「老科技股」，但真正受益的方向並不相同。

思科：從企業網絡設備商，轉向 AI 數據中心網絡平臺

思科的核心機會在於 AI 數據中心網絡。

如果説 GPU 是 AI 工廠的發動機，那麼交換機、路由器和網絡管理系統就是發動機之間的傳動系統。傳動效率越高，整體算力利用率越高。

思科的優勢主要體現在三點：

長期積累的企業與數據中心客户基礎；

Silicon One 等自研網絡芯片和高性能交換能力；

Splunk 並表后，在可觀測性、安全監測、日誌分析方面形成軟件補強。

尤其是 Splunk，對思科意義重大。

過去思科更多被看作硬件公司，估值中樞受到硬件周期壓制。Splunk 的加入，使其能夠把網絡設備、安全監控、流量分析、可觀測性和自動化運維組合起來，形成更高比例的軟件訂閲收入。

這意味着思科的故事不只是「賣交換機」，同時也是向 AI 數據中心提供一套網絡效率、安全監測和運維管理方案。

對機構投資者而言，真正值得跟蹤的指標包括：

AI 數據中心相關訂單佔比；

軟件訂閲收入增速；

毛利率變化；

大客户集中度；

與英偉達、博通等生態夥伴的競爭與合作關係。

思科的確定性相對更高，但彈性可能不如黑莓。它更像是物理層重估中的「穩健核心資產」。

諾基亞：從通信設備商，轉向 AI-RAN 與邊緣網絡參與者

諾基亞的機會在於電信網絡 AI 化。

它擁有無線接入網、核心網、光網絡和通信專利等資產，在全球運營商體系中仍有重要地位。若 AI-RAN 進入規模化部署階段，諾基亞有望受益於基站升級、邊緣計算、網絡智能化和專利授權。

但諾基亞的挑戰也很明顯。

電信運營商資本開支周期較強，且全球通信設備市場競爭激烈。運營商是否願意大規模投入 AI-RAN，取決於實際商業回報，而不僅是技術可行性。

因此，諾基亞的重估邏輯需要觀察兩個問題：

第一，AI-RAN 是否能真正幫助運營商賺錢。如果只是增加基站成本，而沒有帶來新增收入，運營商很難長期買單。

第二，諾基亞能否在 AI-RAN 價值鏈中獲得足夠利潤。如果算力芯片、雲平臺和應用層拿走大部分價值，設備商仍可能只賺硬件利潤。

所以，諾基亞的投資邏輯更偏「產業拐點型」。它有較強的敍事彈性，但也需要更嚴格地跟蹤訂單兑現和利潤率改善。

黑莓：從過氣手機品牌，轉向安全實時操作系統供應商

黑莓的變化最具戲劇性，也最容易被市場誤讀。

它的價值不在手機，而在 QNX 和網絡安全業務。尤其是 QNX，在智能汽車、工業控制和機器人系統中具備較強稀缺性。

黑莓的想象空間來自兩個方向：智能汽車電子架構升級；機器人和工業智能設備放量。

過去 QNX 的單車價值量有限，更多服務儀表盤、信息娛樂和部分控制模塊。未來隨着智能車向中央計算、艙駕融合和自動駕駛演進，底層安全操作系統的重要性提升，單車價值量有望擴大。

如果具身智能機器人進入規模化量產，QNX 還可能從汽車市場外溢到更廣泛的工業與機器人場景。

但黑莓也有風險。

它的業務規模、盈利穩定性和客户轉化節奏，仍需時間驗證。市場給予高彈性估值時，往往提前反映多年增長預期。一旦訂單節奏不及預期，股價波動也會更劇烈。

所以，黑莓更像是物理層重估中的「高彈性期權」。它的上行空間來自 QNX 的平臺化擴展，下行風險則來自商業化節奏和估值提前透支。

外延受益者：物理層革命不會只屬於三家公司

如果 AI 基礎設施從雲端向邊緣和物理層擴散，受益者不會只有思科、諾基亞、黑莓。

更完整的產業鏈還包括：

高速交換芯片，代表公司 Broadcom、Marvell，受益邏輯：AI 數據中心以太網升級帶來交換芯片和 PHY 芯片需求；

光模塊與光互連，代表公司 Coherent、Lumentum 等，受益邏輯：數據中心內部與雲邊傳輸需要更高帶寬光連接；

通信公司與邊緣地產，代表公司 American Tower、Crown Castle，受益邏輯：AI-RAN 和邊緣節點提升站址、電力、機房價值；

網絡安全，代表公司 Palo Alto、Fortinet、CrowdStrike，受益邏輯：AI Agent 和邊緣設備增加攻擊面；

工業自動化，代表公司 Siemens、Rockwell，受益邏輯：工業 AI 落地需要端側控制與安全系統。

本輪物理層重估並非孤立行情，它有望讓一整條從雲端算力向網絡、基站、邊緣、終端和安全擴散的產業鏈從中受益。

資本市場往往會先交易最容易講清楚的標的，再逐步擴散到更隱蔽的環節。

因此，RockFlow 投研團隊認為，不能只看股價漲幅，更要沿着真實的產業因果鏈往下拆：

誰真正擁有定價權？

誰只是短期訂單受益？

誰能把硬件收入轉化為軟件訂閲？

誰的專利和標準不可替代？

誰的估值已經透支未來三到五年？

這些問題，比單純判斷「漲多了還是沒漲夠」更重要。

結論：AI 的下一階段，不只屬於雲端

過去三年，資本市場習慣於把 AI 理解為雲端服務器里的模型、芯片和數據中心。

但 AI 真正改變世界的方式，不會停留在瀏覽器窗口里。它最終要進入汽車、機器人、工廠、電網、城市和通信網絡。到了那個階段，決定 AI 能否落地的，不只是模型參數和 GPU 數量，還有網絡延迟、帶寬、安全、實時控制和系統穩定性。

這正是思科、諾基亞、黑莓重新被市場看見的原因。

它們代表的是 AI 投資框架的一次橫向擴展：

從雲端算力，走向物理層基礎設施；

從訓練大模型，走向部署智能體；

從「讓 AI 更聰明」，走向「讓 AI 真正控制現實世界」。

這條主線的長期邏輯值得重視。

但同時我們也需注意，產業趨勢和股價節奏並不總是同步。真正能穿越周期的，是那些能夠卡住數據、網絡、安全、標準和操作系統關鍵節點，並持續把技術壁壘轉化為現金流的公司。

AI 的第一階段，市場獎勵了雲端大腦。

AI 的第二階段，市場開始重新定價那些長期沉在水面下的基礎設施公司。

思科、諾基亞、黑莓的上漲，或許只是這場重估的開端。繁華之后，能留下來的公司，必須證明自己不僅站在敍事里，也站在訂單、利潤和不可替代性之上。

本文來自微信公眾號「RockFlow Universe」，作者：RockFlow，36氪經授權發佈。