從算力層面來看，英偉達的芯片產(chǎn)品是行業(yè)發(fā)展的核心風(fēng)向標(biāo)。作為全球AI計算芯片領(lǐng)域占據(jù)絕對市場份額的龍頭企業(yè)，英偉達的產(chǎn)品迭代節(jié)奏，對整個AI硬件行業(yè)具備極強的指引作用。

從英偉達的產(chǎn)品迭代來看，芯片制程正在持續(xù)微縮。此前推動全球半導(dǎo)體產(chǎn)業(yè)制程持續(xù)迭代的核心動力是智能手機，比如此前臺積電最先進的制程工藝，絕大部分產(chǎn)能都優(yōu)先供應(yīng)蘋果公司。但現(xiàn)在，推動半導(dǎo)體制程迭代的核心主角已經(jīng)發(fā)生變化，未來這一趨勢也將持續(xù)延續(xù)。

為什么要持續(xù)推進制程升級？核心是讓AI計算能夠充分受益于摩爾定律帶來的性能紅利。但摩爾定律的迭代速度相對有限，通常需要兩年多時間才能實現(xiàn)性能翻倍。當(dāng)前半導(dǎo)體制程逐漸逼近1納米物理極限，摩爾定律的迭代速度還在持續(xù)放緩。但與此同時，AI算力需求呈現(xiàn)爆發(fā)式增長，如何填補這一供需缺口，成為行業(yè)核心命題。

在這樣的行業(yè)背景下，行業(yè)選擇通過擴大芯片部署規(guī)模來滿足算力需求——當(dāng)摩爾定律帶來的單芯片性能提升跟不上算力需求增長時，就通過增加芯片投放量、擴建數(shù)據(jù)中心的方式，填補算力缺口。這也直接推動了算力芯片市場的高速增長。海外市場中，無論是英偉達的GPU，還是谷歌的TPU等AI算力芯片，均實現(xiàn)了極快的增長。以上就是算力層面的行業(yè)發(fā)展趨勢。

對于存儲的情況，其最本質(zhì)的需求就來自于AI的帶動。因為我們知道，AI領(lǐng)域需要大量存儲來存放數(shù)據(jù)，不管是GPU上面有很多的HBM——HBM就是一種高帶寬內(nèi)存。除了HBM以外，英偉達還在其機柜里面配置了大量DRAM、NAND等存儲芯片，催生了對應(yīng)的需求。現(xiàn)在隨著agent的快速發(fā)展以及放量，尤其推理市場現(xiàn)在起量得這么快，我們知道很多用戶，比如很多人可以看到自己的公司里面可能已經(jīng)部署了一些大模型了。這種大模型在部署的時候，本身帶有海量參數(shù)，每個大模型的參數(shù)規(guī)模都極為龐大，用來存儲這些參數(shù)的存儲需求也十分強勁。后續(xù)大模型還在不斷地走強，那么從這一發(fā)展邏輯來看，后續(xù)存儲的需求還會快速地增加。就目前來看，存儲的漲價可能還會持續(xù)一段時間。所以存儲的景氣度，本質(zhì)上還是來源于AI的計算需求在快速地增長，從而帶來的價格上行效應(yīng)。

而運力，是我們今天想重點給大家分享的板塊。其實對于運力而言，其組網(wǎng)邏輯主要分為兩個部分?；蛘哒f我們可以想象，海外的云廠商要進行組網(wǎng)，是通過兩個階段實現(xiàn)的：第一個是scale up。

這個scale up怎么理解？比如英偉達之前的A100以及H100的GPU，都是以八張GPU組成一個小型集群，再把這些服務(wù)器通過柜外連接，組成超大規(guī)模的數(shù)據(jù)中心。單臺服務(wù)器內(nèi)部的GPU互聯(lián)，我們就可以看作是scale up，它原本就要把服務(wù)器里面的GPU連接成一個整體，服務(wù)器之內(nèi)的互聯(lián)就是scale up。我們從scale up的發(fā)展來看，單集群內(nèi)的GPU數(shù)量在不斷地增加。目前來看，單柜GPU數(shù)量已經(jīng)增加到72卡，后續(xù)本次發(fā)布的576卡機柜將進一步刷新單機柜算力規(guī)模。這也是剛剛提到的，我們在GTC大會上看到的核心發(fā)布內(nèi)容。

Scale out是什么？就是要把這些服務(wù)器或者機柜組成一個超大規(guī)模的整體，只有組成完整的大規(guī)模集群、搭建起超大型數(shù)據(jù)中心之后，才能開展AI的訓(xùn)練以及推理工作。從目前來看，海外頭部的云廠商，已經(jīng)建成了十幾萬卡的GPU集群，整體發(fā)展速度非?？臁?/p>

那么我們在實現(xiàn)scale up和scale out的互聯(lián)時，有哪些可用的技術(shù)方案？第一個是PCB，可能有的朋友知道PCB是什么。大家如果在家拆過鬧鐘或者其他電器，就會知道里面基本都會有一塊PCB。PCB就是印刷電路板，被稱作電子元器件之母，其核心作用就是讓電路能夠更高效、更穩(wěn)定地運行。當(dāng)然，不同PCB之間的規(guī)格差異極大，比如我們家里鬧鐘里面用的PCB，一平方米可能也就100多塊錢。

但是像英偉達這類企業(yè)，或是其他云廠商，用于GPU計算芯片的PCB，規(guī)格都非常高：基材目前基本都在M8級別，后續(xù)還會向M9甚至M10的材料迭代；層數(shù)也很高，普遍能達到二三十層，還帶有一次DI的相關(guān)設(shè)計。所以AI場景所用的PCB單價極高，部分產(chǎn)品一平方米能賣到幾萬塊錢，甚至更高。

所以我們可以看到，相關(guān)PCB企業(yè)的業(yè)績成長得也非常迅猛，從市場規(guī)模來看，也在快速地擴大，目前整個行業(yè)產(chǎn)能都處于供不應(yīng)求的狀態(tài)。大家可以看到，很多廠商目前都在快速地擴產(chǎn)，后續(xù)產(chǎn)能釋放之后，對相關(guān)廠商的業(yè)績提振是比較樂觀的。當(dāng)然這里只是給大家做行業(yè)情況的分析列示，不做任何個股推薦。

第二種備選的互聯(lián)方式是銅連接。大家可以看到，我列示了英偉達機柜背面的實拍情況，機柜背面這些銀白色、一捆一捆的部件，就是英偉達目前在NVL72機柜中所用的銅纜，整體用量非常大。

資料來源：Nvidia

這些銅纜的作用是什么？大家可以看下方的示意圖，英偉達的機柜內(nèi)部是一個個獨立的托盤，每個計算托盤里放置4個GPU，一個機柜內(nèi)有18個計算托盤，所以總共有72張GPU。計算托盤內(nèi)部的GPU，主要通過PCB來連接。從內(nèi)部結(jié)構(gòu)來看，這個結(jié)構(gòu)就相當(dāng)于一個托盤，每個托盤里有兩個超級芯片，每個超級芯片上搭載兩個GPU，下方藍色的部分就是兩塊PCB，也就是我們剛剛提到的高規(guī)格PCB。這里我們可以看到，PCB將4個GPU組成了一個完整的計算托盤。

下一步，就是要把所有的計算托盤，組成一個完整的機柜整體。而機柜內(nèi)部的跨托盤互聯(lián)，就是靠銅纜來實現(xiàn)的?；揪褪峭ㄟ^銅纜連接NV Switch芯片，從而把機柜內(nèi)所有72張GPU組成一個完整的互聯(lián)整體。

資料來源：Nvidia

但是銅纜也有自身的技術(shù)局限。比如目前單層網(wǎng)絡(luò)下，用銅纜組成72卡集群已經(jīng)接近物理極限，如果再疊加一層網(wǎng)絡(luò)，最多也只能擴展到576卡，且這還只是技術(shù)層面的設(shè)想，未必能完全實現(xiàn)。因為銅本身存在諸多物理限制，我們知道銅是導(dǎo)體，而當(dāng)下數(shù)據(jù)中心的功耗極高，功耗高的核心原因，是計算芯片的計算吞吐量極大，數(shù)據(jù)傳輸過程中的運算量極高，傳輸?shù)碾娏鞲蟆⑿盘栴l率也更快。

資料來源：Nvidia

如果用銅纜承擔(dān)數(shù)據(jù)傳輸任務(wù)，極有可能出現(xiàn)過度發(fā)熱的問題。持續(xù)發(fā)熱就意味著能量損耗，長時間工作還會引發(fā)數(shù)據(jù)丟失等問題，這在AI訓(xùn)練與推理場景中是絕對無法容忍的。為什么？我們以訓(xùn)練為例，AI模型需要通過一次次的迭代，不斷尋找到最優(yōu)的參數(shù)集合，如果每次迭代都丟失一部分?jǐn)?shù)據(jù)，最終很可能導(dǎo)致整個訓(xùn)練過程完全無效。所以銅纜的核心問題就在這里：它只能支持短距離的連接，傳輸距離過長就無法滿足需求。從目前來看，銅纜最多只能支持幾米的傳輸距離，而英偉達的互聯(lián)網(wǎng)絡(luò)已經(jīng)升級到800G通信規(guī)格，后續(xù)還會進一步向1.6T升級，銅纜的局限性會持續(xù)凸顯。

當(dāng)然，在英偉達機柜規(guī)格持續(xù)提升的過程中，柜內(nèi)互聯(lián)的整體市場規(guī)模也在不斷擴大。在這個擴容的過程中，我們認(rèn)為無論是PCB還是銅纜，后續(xù)都能獲得可觀的市場份額。但如果要讓它們承擔(dān)柜內(nèi)全部的互聯(lián)任務(wù)，尤其是本次發(fā)布的576卡機柜的互聯(lián)需求，僅靠銅和PCB在技術(shù)上存在不小的難度。后續(xù)隨著Feynman芯片的量產(chǎn)落地，將正式引入CPO技術(shù)，同步推進柜內(nèi)可插拔光模塊等光互聯(lián)方案的落地應(yīng)用。

柜外的互聯(lián)要如何實現(xiàn)？從英偉達的方案來看，其目前所用的網(wǎng)絡(luò)架構(gòu)，主要是葉脊網(wǎng)絡(luò)。什么叫葉脊網(wǎng)絡(luò)？大家可以看下方的拓?fù)鋱D，葉脊網(wǎng)絡(luò)的架構(gòu)其實很簡單，看起來就像一棵樹，從樹根不斷長出更多的樹枝，樹枝再進一步分化出更細(xì)的枝丫，最終連接到葉片，就是這樣的架構(gòu)。

注：以上為根據(jù)英偉達資料推論所得，具體應(yīng)用網(wǎng)絡(luò)會在客戶間有一定差異

葉脊網(wǎng)絡(luò)的邏輯就是如此，比如我們假設(shè)有四個輸入端口，中間設(shè)置兩臺交換機，從這個架構(gòu)來看，最基本的要求，就是任意一個輸入端口到任意一個輸出端口之間，至少要有一條通信通路。

而所有的交換機不僅承擔(dān)輸入功能，也承擔(dān)輸出功能，如果我們把上面的拓?fù)鋱D沿中線對折，就形成了英偉達所用的網(wǎng)絡(luò)架構(gòu)。大家可以看到，最上層是脊交換機，把下層的葉交換機連接成一個整體，葉交換機再進一步連接大量的GPU，最終組成數(shù)據(jù)中心的完整集群。

這個架構(gòu)中需要用到大量的光模塊。光模塊的應(yīng)用場景在哪里？大家可以看到，拓?fù)鋱D里標(biāo)注的這些線路，其實都是光纜，而交換機側(cè)和服務(wù)器側(cè)處理信號時，用的都是電信號。所以信號要從一臺交換機傳輸?shù)搅硪慌_交換機，或是從一臺服務(wù)器傳輸?shù)搅硪慌_服務(wù)器，傳輸過程中需要多次完成光電轉(zhuǎn)換，而這個核心功能，就是由光模塊來實現(xiàn)的。

我在這里給大家做了相關(guān)測算：在三層網(wǎng)絡(luò)架構(gòu)下，GPU與光模塊的配比大約是1:6。當(dāng)然這里是用同規(guī)格的光模塊進行測算的，比如在Hopper架構(gòu)芯片下，1:6的配比對應(yīng)的是400G光模塊；在Blackwell架構(gòu)芯片下，1:6的配比對應(yīng)的是800G光模塊；下一代Rubin架構(gòu)，對應(yīng)的則是1.6T光模塊。當(dāng)然大家也知道，光模塊有很強的靈活適配性，兩個800G的光模塊可以合并當(dāng)作一個1.6T的光模塊使用，一個1.6T的光模塊也可以拆分成兩個800G的光模塊使用。所以這個配比在實際產(chǎn)品應(yīng)用中可能會有小幅波動，但整體對應(yīng)的帶寬需求是固定的，因此三層網(wǎng)絡(luò)下的配比基本維持在1:6左右。

由此可以看到，隨著下游芯片的快速放量，光模塊的整體市場規(guī)模會迎來快速增長。后續(xù)來看，“光入柜內(nèi)”會是整個市場預(yù)期最高的發(fā)展方向之一。為什么會有光入柜內(nèi)這樣的預(yù)期？剛才我已經(jīng)給大家介紹過，實現(xiàn)scale up和scale out互聯(lián)的技術(shù)方案，目前只有三種：銅連接、PCB，以及光模塊。目前在英偉達的技術(shù)體系中，scale up對應(yīng)的柜內(nèi)互聯(lián)，全部通過電連接實現(xiàn)，也就是銅纜和PCB；而柜外的長距離互聯(lián)，基本都通過光模塊來實現(xiàn)。

往后面去看，正是因為Scale Up在不斷地擴張，我們可以看到從8卡到72卡再到576卡，甚至后續(xù)規(guī)?？赡軙絹碓酱?、覆蓋的卡量越來越多。隨著GPU的數(shù)量在不斷地增加，對應(yīng)的部署空間也在不斷地擴大，對吧？所以大家可以看到，比如本次發(fā)布的576卡的機柜落地后，所需的部署空間就已經(jīng)非?？捎^了。

對于這么大的部署空間而言，不管是PCB還是銅纜，都會存在自身的固有局限。比如說PCB無法制造得過大，不可能做出一間屋子那么大的PCB板，因為其內(nèi)部尤其是多層板的壓合工藝，會受到諸多機械條件的限制。而銅纜則受自身物理特性的限制，無法實現(xiàn)長距離的信號傳輸。所以其實在scale up市場規(guī)模持續(xù)擴大的過程中，光技術(shù)后續(xù)很有可能會成為核心選擇。

在scale up規(guī)模持續(xù)擴大的過程中，我再強調(diào)一下：scale up的市場規(guī)模在不斷擴張的過程中，首先PCB的成長性是比較強的。不管是本次發(fā)布的Rubin Ultra采用的正交背板，還是其技術(shù)持續(xù)升級、層數(shù)不斷增加，亦或是所用材料的性能持續(xù)提升，PCB的成長性都十分強勁。我只是想說明，在scale up規(guī)模持續(xù)增長的過程中，PCB與銅纜很難獨自承接市場的全部份額。所以往后面去看，光技術(shù)會是非常重要的選擇。

那么scale up這個市場到底有多大？從目前來看，即便我們給大家做相關(guān)測算，結(jié)果也并不具備足夠的參考性。但從博通CEO的表述來看，該市場規(guī)模有5到10倍的增長空間。雖然產(chǎn)業(yè)鏈上有5到10倍的增長預(yù)期，但各家公司可能都有自身的發(fā)展訴求。從我們目前的觀察來看，該市場規(guī)模至少會超過柜外市場。

對于當(dāng)前的可插拔光模塊廠商而言，對應(yīng)的市場機會大概是怎樣的？我們知道，當(dāng)前的scale out市場，大致可以理解為柜外市場，已經(jīng)是可插拔光模塊的核心主戰(zhàn)場。而后續(xù)的scale up場景中，采用的可能是可插拔光模塊，也可能是CPO。但無論是可插拔光模塊還是CPO，對于當(dāng)前的行業(yè)龍頭廠商而言，都有充足的訂單機會可以承接。即便是CPO，也有諸多相關(guān)方案正在驗證階段，后續(xù)有望拿到大量訂單，所以大家也不用過度擔(dān)心。

總體從產(chǎn)業(yè)層面來看，算力、存力、運力仍在快速地成長。在這樣的發(fā)展過程中，相關(guān)廠商都將迎來更多的成長機會。

長期來看，AI行業(yè)發(fā)展遠未觸頂，2026年全球AI資本開支預(yù)計超7000億美元，Agent技術(shù)進入規(guī)?；逃迷辏a(chǎn)業(yè)成長空間全面打開。投資層面，核心推薦通信ETF國泰（515880），光模塊、服務(wù)器等算力核心權(quán)重超75%，2025年漲幅居全市場ETF首位；半導(dǎo)體設(shè)備ETF國泰（159516）受益于全球存儲擴產(chǎn)與國產(chǎn)替代雙重邏輯，具備充足業(yè)績彈性。同時短期布局需警惕美聯(lián)儲貨幣政策不確定性、大宗商品漲價推高運營成本等潛在風(fēng)險。

風(fēng)險提示：

投資人應(yīng)當(dāng)充分了解基金定期定額投資和零存整取等儲蓄方式的區(qū)別。定期定額投資是引導(dǎo)投資人進行長期投資、平均投資成本的一種簡單易行的投資方式。但是定期定額投資并不能規(guī)避基金投資所固有的風(fēng)險，不能保證投資人獲得收益，也不是替代儲蓄的等效理財方式。

無論是股票ETF/LOF基金，都是屬于較高預(yù)期風(fēng)險和預(yù)期收益的證券投資基金品種，其預(yù)期收益及預(yù)期風(fēng)險水平高于混合型基金、債券型基金和貨幣市場基金。

基金資產(chǎn)投資于科創(chuàng)板和創(chuàng)業(yè)板股票，會面臨因投資標(biāo)的、市場制度以及交易規(guī)則等差異帶來的特有風(fēng)險，提請投資者注意。

板塊/基金短期漲跌幅列示僅作為文章分析觀點之輔助材料，僅供參考，不構(gòu)成對基金業(yè)績的保證。

文中提及個股短期業(yè)績僅供參考，不構(gòu)成股票推薦，也不構(gòu)成對基金業(yè)績的預(yù)測和保證。

以上觀點僅供參考，不構(gòu)成投資建議或承諾。如需購買相關(guān)基金產(chǎn)品，請您關(guān)注投資者適當(dāng)性管理相關(guān)規(guī)定、提前做好風(fēng)險測評，并根據(jù)您自身的風(fēng)險承受能力購買與之相匹配的風(fēng)險等級的基金產(chǎn)品?；鹩酗L(fēng)險，投資需謹(jǐn)慎。