🔦
foton
Po przejściu przez opracowania naukowe, materiały branżowe, komunikaty spółek, doniesienia rynkowe oraz finansowanie startupów — można wysunąć wniosek, że w najbliższych latach największe stopy zwrotu nie muszą przypaść twórcom modeli ani beneficjentom AI. Asymetria siedzi tam, gdzie AI wchodzi w fizyczne ograniczenia świata: w przesyłaniu danych, pamięci, pakowaniu układów, zasilaniu i przesuwaniu inferencji bliżej użytkownika.
Ważenie szans
Nie szukałem “najlepszej spółki AI” w sensie marketingowym. Szukałem miejsc, w których jednocześnie występują: realne wąskie gardło technologiczne, szybka adopcja w horyzoncie najbliższych lat, niedostateczne zrozumienie przez rynek, potwierdzenie w badaniach i standardach branżowych oraz widoczny napływ kapitału do startupów pracujących nad tym samym problemem — tego ostatniego akurat nie szukałem, ale zawsze hedge
Taki filtr zawęża pole. Globalna agencja energetyczna pokazuje, że AI-fabryki potroiły moc w osiemnaście miesięcy, zużycie energii centrów danych ma w bazowym scenariuszu się podwoić do końca dekady, a obciążenia AI wymuszają walkę o prąd, pamięć, zdolności produkcyjne, układy i kapitał. Jednocześnie badania i raporty inżynierskie pokazują, że dzisiejsza architektura zbliża się do granic w zasilaniu, chłodzeniu i przesyle sygnału. To właśnie tu powstaje asymetria inwestycyjna. [1]
Gdzie naprawdę są wąskie gardła
Najważniejsze dziś nie jest już samo “więcej GPU”, tylko to, że cały system AI staje się fizycznie trudny do skalowania. Według raportu energetycznego globalnej agencji, zużycie energii przez centra danych wzrosło o 17% w samym 2025 roku, zużycie energii przez centra skupione na AI skoczyło o 50%, a do 2030 roku globalny popyt energetyczny centrów danych w scenariuszu bazowym ma dojść do około 950 TWh. Ta sama analiza podkreśla, że pojawił się niedobór HBM i że ma on utrzymać się co najmniej do końca 2027 roku. [2]
Równolegle rośnie gęstość mocy. Szacuje się, że pojedyncza zaawansowana szafa serwerowa może w ciągu najbliższych lat osiągać pobór porównywalny z sześćdziesięcioma pięcioma gospodarstwami domowymi, a przeglądy branżowe pokazują, że racki AI wypychają architekturę centrów danych poza stare limity AC. Dlatego coraz częściej pojawiają się wysokonapięciowy DC, nowe architektury zasilania, magazyny energii i chłodzenie cieczą. [3]
Druga zmiana jest jeszcze ważniejsza dla selekcji spółek: wartość przesuwa się z samego treningu w stronę inferencji, zastosowań multimodalnych, agentów i systemów działających w czasie rzeczywistym. Reuters odnotowuje, że popyt przesuwa się coraz mocniej w stronę układów potrzebnych do pracy modeli w inferencji, a dostawcy architektur i producenci chipów otwarcie budują ofertę pod edge AI i physical AI. To oznacza większe znaczenie pamięci, krótszych ścieżek przesyłu, niższego poboru energii i lokalnego przetwarzania. [4]
Z tego wynika hierarchia technologii o najwyższej asymetrii: na pierwszym miejscu optyczne interkonekty i fotonika dla skali AI; na drugim zaawansowane pakowanie, HBM i hybrid bonding; na trzecim edge i physical AI; na czwartym zarządzanie energią oraz “grid-aware” centra danych. To nie są modne suplementy do AI. To są warstwy, bez których skala AI zacznie się dusić. [5]
Technologie, których rynek jeszcze nie wycenił do końca
Najmocniejsza, a moim zdaniem nadal niedowyceniona, teza dotyczy fotoniki. Naukowe przeglądy podkreślają, że zintegrowana fotonika CMOS daje ścieżkę do wysokiej przepustowości i niskiej energii na bit dla centrów danych i AI/HPC, a Nature wprost opisuje fotonikę jako klucz do skalowania AI data centers. Co ważniejsze, prywatny kapitał potwierdza, że to nie jest teoria: Ayar Labs [6] zamknął rundę na skalowanie produkcji CPO, Lightmatter [7] zebrał kapitał na masowe wdrożenia fotonicznych interposerów w data center, a Celestial AI [8] pozyskał finansowanie na rozwój photonic fabric do połączeń między układami i pamięcią. Dodatkowym sygnałem jest to, że startupy takie jak Scintil Photonics [9] zaczynają testować zintegrowane rozwiązania laserowe z partnerami produkcyjnymi, a foundry rozbudowują moce dla silicon photonics. To jest klasyczny znak, że ekosystem przechodzi z etapu “obietnicy” do etapu “industrializacji”. [10]
Druga teza dotyczy packagingu. IEEE i materiały branżowe są tu jednoznaczne: hybrid bonding staje się kluczowym enablerem dla 3D integracji, HBM i połączeń accelerator-to-memory, bo daje drobniejszy pitch, lepszą przepustowość i niższą energię. Materiały prezentacyjne jednego z liderów pakowania pokazują przewagę hybrid bonding nad klasycznym micro-bump/TCB w gęstości połączeń, szybkości i energii na bit, a niezależny przegląd IEEE podkreśla, że właśnie ten kierunek ma odblokować następne iteracje AI/HPC. Tymczasem producenci pamięci już przesuwają roadmapę: HBM4 ma ponad 2.8 TB/s przepustowości na stos, JEDEC podwoił I/O do 2048-bit, a próbki 16-warstwowego HBM4 są już w 2026 roku u klientów. Jeśli dodać do tego publicznie sygnalizowany niedobór HBM i rozbudowę mocy zaawansowanego pakowania, widać, że to nie jest nisza, tylko aorta całego stosu AI. [11]
Trzecia teza to edge i physical AI. Tu rynek nadal ma tendencję do myślenia w kategoriach “AI = hyperskalowe GPU”, podczas gdy architektury Arm, Qualcomm, Synaptics i Ambarella coraz otwarciej budują pod lokalne inferencje w robotyce, motoryzacji, wizyjnych systemach przemysłowych, audio i urządzeniach konsumenckich. McKinsey pisze już wprost o tipping point dla physical AI, a finansowanie startupów od robotyki potwierdza, że fala kapitału idzie także w ten kierunek. Jeśli agentyczne i multimodalne systemy mają zejść z chmury do realnego świata, to wygrają nie tylko modele, ale też dostawcy taniego energetycznie przetwarzania na krawędzi. [12]
Czwarta teza jest mniej oczywista, ale ważna: centra danych zaczynają być traktowane nie tylko jako odbiorcy energii, ale jako aktywa współpracujące z siecią. Nature Energy pokazała demonstrację programowego sterowania pracą AI data center jako elastycznego zasobu dla sieci, a prywatny ekosystem wokół Emerald AI [13] próbuje przełożyć ten model na komercyjne wdrożenia. To może być ważny kierunek, ale dziś uznaję go za sygnał zmiany architektury rynku, a nie za najlepszy bezpośredni wehikuł giełdowy. [14]
Krótka lista spółek o odpowiedniej asymetrii
Coherent [15] ma najsilniejszą kombinację tego, czego szukamy: szeroki, pionowo zintegrowany stos fotoniczny, ekspozycję na scale-out, scale-up i scale-across, przyspieszający roadmap 800G, 1.6T, 3.2T i 6.4T oraz już zabezpieczone wieloletnie zamówienia na rozwiązania CPO. Na poziomie biznesowym widać, że Datacenter & Communications to już 72% przychodów, a ten segment rośnie szybciej niż część przemysłowa. [16]
Lumentum [17] to najbliższy konkurent do pierwszego miejsca. Nie ma aż tak szerokiej optionality jak lider rankingu, ale ma czysty profil infleksji: w drugim kwartale roku fiskalnego przychody wzrosły o 65.5% rok do roku, backlog w optical circuit switches przekroczył 400 mln USD, firma dostała dodatkowe wielosetmilionowe zamówienie na CPO, a przewodnik na kolejny kwartał sugeruje dalszy mocny skok przychodów i marż. To jest silny kandydat, ale bardziej skoncentrowany. [18]
BE Semiconductor Industries [19] jest zakładem na hybrid bonding. Zamówienia w pierwszym kwartale wzrosły dwukrotnie rok do roku, spółka wskazuje na hybrydowe łączenie jako główny motor, a cały rynek pamięci i chipletów przesuwa się w stronę gęstszego stackingu. Jeżeli HBM pójdzie w stronę wyższych stosów i agresywnego 3D, ten podmiot może być jednym z zaskoczeń cyklu. [20]
Camtek [21] jest słabiej śledzony przez szeroki rynek, a jednocześnie siedzi dokładnie tam, gdzie rośnie złożoność produkcji AI: inspekcja i metrologia zaawansowanego pakowania. Spółka pokazuje narzędzia projektowane pod chiplets, HBM i hybrid bonding, dostaje konkretne zamówienia dla zastosowań AI, a jej własny model docelowy zakłada przejście z bieżącego rytmu około pół miliarda dolarów przychodów do około 750 mln USD przy wyższych marżach. To nie jest efektowna historia, ale może być jedną z tych niedocenionych. [22]
Ambarella [24] jest faworytem w physical AI i edge vision. W całym roku fiskalnym spółka ustanowiła rekord przychodów, około 80% sprzedaży jest już powiązane z edge AI/physical AI, nowa generacja układów CV7 ma wejść do przychodów, a zarząd mówi nie tylko o motoryzacji, ale również o robotyce, edge infrastructure i lokalnym przetwarzaniu multimodalnym. To pozostaje bardziej spekulacyjne niż fotonika czy packaging, ale asymetria jest realna. [24]
Synaptics [25] jest “przeoczonym” kandydatem z grupy edge AI. Core IoT rośnie o 53% rok do roku, firma buduje portfel Astra od procesorów multimodalnych po AI-native MCU z Wi‑Fi 7, a zarząd mówi już wprost o próbkowaniu rozwiązań do humanoidów i robotyki. Rynek nadal kojarzy ten podmiot z dawnymi kategoriami wejścia, podczas gdy spółka stała się realnym zakładem na to, że AI przejdzie z chmury do urządzeń. [26]
Kandydat dominujący
Mój kandydat dominujący to lider rankingu z obszaru fotoniki, a nie software’u. Kluczowy powód jest taki, że ten podmiot nie sprzedaje jednej “modnej” części stosu, tylko kontroluje dużą część fizycznej infrastruktury potrzebnej do przesyłania danych światłem: źródła, detektory, układy, TIA, pasywną optykę, chłodzenie termiczne, silicon photonics oraz elementy potrzebne zarówno do klasycznych transceiverów, jak i do CPO. W AI to ważne, bo rynek nie wie jeszcze, jaka kombinacja form factorów wygra ostatecznie. Lepiej więc posiadać dostawcę “warstwy bazowej” niż pojedynczy produkt. [27]
Drugim powodem jest timing. Spółka nie jest czystą opowieścią o dalekiej przyszłości. W wynikach już widać silny popyt: segment Datacenter & Communications odpowiada za większość przychodów, urósł do około 1.208 mld USD w kwartale, a zarząd sygnalizuje dalszy wzrost przez drugą połowę roku fiskalnego i przez kolejny rok, wsparty zwiększaniem mocy produkcyjnych. Jednocześnie roadmap produktowy pokazuje 800G w dalszym rampie, 1.6T w przyspieszeniu oraz rozwój 3.2T i 6.4T. To oznacza, że nie kupuje się tu wyłącznie marzenia o CPO; kupuje się rosnący biznes pluggables plus opcję na przełom architektoniczny. [28]
Trzecim powodem jest walidacja z rynku. Firma ma publicznie wskazane mocne zaangażowanie klientów, zabezpieczone wieloletnie zamówienia o dużym wolumenie od czołowego klienta AI data center dla rozwiązań CPO oraz wieloletnią strategiczną umowę z NVIDIA [29] na rozwój zaawansowanej optyki, mocy produkcyjnych i badań. To nie jest już “może kiedyś”. To jest moment, w którym gracze próbują zaklepać dostęp do fotoniki zanim stanie się ona kolejnym wąskim gardłem. [30]
Czwarty powód jest subtelny: rynek nadal częściowo traktuje lidera rankingu jako dawną spółkę materiałowo-laserową po transformacji, podczas gdy faktyczny profil przesuwa się w stronę platformy AI optics. To tworzy przestrzeń do niedoszacowania, bo inwestorzy często wyceniają dopiero to, co jest łatwe do nazwania jednym hasłem. Tu zaś mamy jednocześnie ekspozycję na scale-out, scale-up, optical circuit switching, multi-rail i “scale-across”, czyli połączenia między ośrodkami i odległościami większymi niż zamknięta skrzynka rackowa. W mojej ocenie właśnie ta wielowarstwowość daje najlepszą relację prawdopodobieństwo razy skala zwrotu. [31]
Jeśli AI wchodzi w erę, w której ograniczeniem staje się nie sam model, lecz ruch bitów między akceleratorami, pamięcią i centrami danych, to niespodzianka cenowa może przyjść nie od kolejnego modelu, lecz od spółki, która jest jednym z dostawców “fizycznych dróg” dla tego ruchu. Właśnie dlatego stawiam na lidera rankingu przed “czystrzym” pod względem krótkoterminowych marż kandydatem z miejsca drugiego. [32]
Ryzyka i otwarte pytania
Największe ryzyko dla tej tezy nie brzmi “AI się nie wydarzy”, tylko “adopcja wygranych potrwa dłużej niż rynek oczekuje”. Jeżeli miedź i klasyczne architektury interkonektów okażą się wystarczające na dłużej, jeśli hyperskalerzy przesuną capex lub jeśli ograniczenia energetyczne i przyłączeniowe spowolnią budowę AI-fabryk, wtedy scenariusze dla fotoniki i packagingu przesuną się w czasie. Do tego dochodzą ryzyka cykliczne półprzewodników, geopolityka handlowa i zależność od dużych klientów. [33]
Otwarte pytanie numer jeden brzmi, jak szybko CPO przejdzie z fazy strategicznych zamówień i demonstracji do szerokiej produkcji na poziomie całej architektury klastrów. Pytanie numer dwa dotyczy tego, czy w pamięci i 3D integracji hybrid bonding wejdzie do mainstreamu tak szybko, jak sugerują roadmapy HBM4 i HBM5. Pytanie numer trzy jest bardziej rynkowe: czy w edge i physical AI powstanie wystarczająco realnych wdrożeń, by przełamać przyzwyczajenie inwestorów do myślenia wyłącznie o chmurze.
Niezależnie od tych zastrzeżeń, intuicyjną i obiecującą asymetrię na najbliższe lata widzę w fotonice dla AI, a publicznym wehikułem do zagrania tej tezy jest Coherent. Drugi wybór to czysty optyczny challenger z miejsca drugiego. Trzecia grupa, którą obserwowałbym uważnie, to pure-playe na hybrid bonding i metrologię zaawansowanego pakowania
–––
Materiał ma charakter wyłącznie edukacyjny i informacyjny. Nie stanowi rekomendacji inwestycyjnej ani oferty w rozumieniu przepisów prawa. Autor nie ponosi odpowiedzialności za decyzje inwestycyjne podjęte na jego podstawie.
[1] [2] [3] [8] [25] [32] [33] https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
[4] [13] [19] https://www.reuters.com/business/strong-asml-tsmc-forecasts-signal-ai-spending-boom-is-intact-2026-04-16/
[5] [10] [15] https://www.nature.com/articles/s44310-025-00105-1
https://www.nature.com/articles/s44310-025-00105-1
[6] [17] [26] https://investor.synaptics.com/news-releases/news-release-details/synaptics-reports-second-quarter-fiscal-2026-results
[7] [9] [16] [28] https://www.coherent.com/content/dam/coherent/site/en/documents/investors/investor-presentations/2026/february-4/investor-presentation-20260204.pdf
[11] https://eps.ieee.org/wp-content/uploads/2026/03/EM_Hybrid-Bonding_Apr26.pdf
https://eps.ieee.org/wp-content/uploads/2026/03/EM_Hybrid-Bonding_Apr26.pdf
[12] https://newsroom.arm.com/blog/the-next-platform-shift-physical-and-edge-ai-powered-by-arm
https://newsroom.arm.com/blog/the-next-platform-shift-physical-and-edge-ai-powered-by-arm
[14] [29] https://www.nature.com/articles/s44287-025-00255-6
https://www.nature.com/articles/s44287-025-00255-6
[18] https://investor.lumentum.com/financial-news-releases/news-details/2026/Lumentum-Announces-Second-Quarter-of-Fiscal-Year-2026-Financial-Results/default.aspx
[20] https://www.besi.com/investor-relations/press-releases/details/be-semiconductor-industries-nv-announces-q1-26-results/
[21] [23] [27] [30] [31] https://www.coherent.com/content/dam/coherent/site/en/documents/investors/investor-presentations/2026/march-17/OFC-2026-Investor%20event-deck-vf.pdf
[22] https://www.camtek.com/news-and-events/camtek-receives-multiple-hawk-systems-order-of-approximately-25-million-from-an-idm-for-ai-applications/
[24] https://investor.ambarella.com/static-files/309cc9ba-e8e5-45ba-a2e7-f64f7311eb24
https://investor.ambarella.com/static-files/309cc9ba-e8e5-45ba-a2e7-f64f7311eb24