今日通信ETF（515880）開盤后持續(xù)上漲，全天維持強(qiáng)勢(shì)，截至收盤上漲6.45%。創(chuàng)業(yè)板人工智能ETF國(guó)泰（159388）走勢(shì)接近，收漲5.50%。

資料來源：wind

今日大盤表現(xiàn)強(qiáng)勢(shì)。滬指突破去年10月8日高點(diǎn)，創(chuàng)近4年新高。滬深兩市全天成交額2.15萬億，較上個(gè)交易日放量2694億，時(shí)隔114個(gè)交易日重回2萬億上方。截至收盤，滬指漲0.48%，深成指漲1.76%，創(chuàng)業(yè)板指漲3.62%。AI今日獲得市場(chǎng)認(rèn)可，相關(guān)題材表現(xiàn)強(qiáng)勢(shì)。

消息面上，Lumentum發(fā)布截至2025年6月28日的第四財(cái)季和整個(gè)財(cái)年業(yè)績(jī)。Lumentum第四財(cái)季實(shí)現(xiàn)營(yíng)收4.8億美元，同環(huán)比+56%/+13%。云收入同環(huán)比+67%/+17%。作為上游核心供應(yīng)商，其業(yè)績(jī)超預(yù)期直接映射到光模塊板塊。

借著今日AI板塊強(qiáng)勢(shì)，想跟大家探討一下：目前AI發(fā)展幾何？后面還能持續(xù)么？

首先，回歸本源，為什么token在快速增長(zhǎng)？

Scaling Law通常被譯作縮放定律，這是OpenAI研究人員總結(jié)出來的一條規(guī)律，模型的性能與模型規(guī)模（參數(shù)量）、數(shù)據(jù)集規(guī)模、計(jì)算資源三者強(qiáng)相關(guān)。通俗的說，就是大力出奇跡，通過更大的模型、更多的語料、更深層的運(yùn)算，模型性能可以平穩(wěn)提升。

我們知道，大模型通常在預(yù)訓(xùn)練完成后會(huì)有一個(gè)后訓(xùn)練的過程，隨后就會(huì)讓用戶使用。在早期，Scaling Law在預(yù)訓(xùn)練階段大顯身手，通過增加模型參數(shù)、增加訓(xùn)練語料等手段就實(shí)現(xiàn)了模型性能的本質(zhì)飛躍。但是，隨著優(yōu)質(zhì)語料的耗盡，Scaling Laws在預(yù)訓(xùn)練階段的邊際收益開始下滑。但隨后，后訓(xùn)練、推理階段的Scaling Laws開始發(fā)力。比如，當(dāng)解決問題的時(shí)候，可以讓基礎(chǔ)模型分步驟去思考，一步一步得出答案?；蛘咦屇Ｐ投啻瓮评?，最后進(jìn)行采樣。實(shí)際上，OpenAI發(fā)布o(jì)1的時(shí)候，引起了巨大反響。o1并未以GPT冠名，主要原因便是技術(shù)路徑發(fā)生了巨大的變化。從此，思維鏈開始成為了一種提升性能的重要途徑。這就是Scaling Law在后訓(xùn)練和推理發(fā)力的重要表現(xiàn)。

Scaling Law直接讓模型處理的token數(shù)量快速增長(zhǎng)。Token，通俗的理解就是大模型的字符基本單位。比如我們?cè)谧x書的時(shí)候要一個(gè)字一個(gè)字的讀，大模型處理語言同樣需要把字符分割成基本單位。

在大模型發(fā)展的過程中，token的增長(zhǎng)并不是線性的。舉個(gè)例子，在預(yù)訓(xùn)練過程中，模型需要多次迭代，通過梯度下降得到最優(yōu)的參數(shù)集。所以，如果把模型參數(shù)增加，這時(shí)候整個(gè)訓(xùn)練過程所需要的計(jì)算量增加倍數(shù)會(huì)更大。而在推理階段，這種增加甚至又被加速了，因?yàn)楫?dāng)模型性能開始提升時(shí)，不僅僅是單一用戶使用模型的頻率和單次使用的時(shí)間在增加，更重要的是，應(yīng)用場(chǎng)景拓寬導(dǎo)致越來越多的用戶參與了進(jìn)來。以谷歌為例，在 5 月份的 IO大會(huì)，谷歌宣布每月處理 480 萬億個(gè)tokens，比起一年前增長(zhǎng)了50多倍。而到了7月，這個(gè)數(shù)字再次翻倍，每月處理超過 980 萬億個(gè)token。

資料來源：華泰證券

遺憾的是，硬件的進(jìn)化速度并沒有算力需求那么快。摩爾定律表明“集成電路上可以容納的晶體管數(shù)目在大約每經(jīng)過18個(gè)月到24個(gè)月便會(huì)增加一倍”。且現(xiàn)在先進(jìn)制程逐步接近物理極限，摩爾定律效能減弱。所以，為了趕上算力需求的增長(zhǎng)，算力硬件開啟了規(guī)模放量的進(jìn)程。英偉達(dá)在GPU領(lǐng)域市占超過90%，也坐上了全球市值的龍頭寶座。

第二，AI發(fā)展到頂了嗎？

答案是沒有。相反，現(xiàn)在仍處在早中期階段。

從資本開支的角度來看，據(jù)華泰證券統(tǒng)計(jì)，北美四大云廠商（微軟、亞馬遜、Meta、谷歌）2025年第二季度合計(jì)資本開支同比增長(zhǎng)69%至874億美元，F(xiàn)actset一致預(yù)期25年資本開支將達(dá)到3338億美元（同比+49%）。

可能有的投資者對(duì)3338億美元這個(gè)數(shù)沒有概念。以世界銀行統(tǒng)計(jì)的2024年全球各國(guó)的GDP排名為例，3338億美元的GDP大概能排到45名。更重要的是，即便是目前的資本開支，仍無法在短期內(nèi)解決算力供應(yīng)瓶頸的問題，所以，資本開支會(huì)進(jìn)一步增長(zhǎng)。Marvell預(yù)計(jì)，數(shù)據(jù)中心資本開支將在2028年達(dá)到一萬億美金，這個(gè)數(shù)字大概能在全球GDP排行榜上排在第20名。

資料來源：marvell

資本開支并沒有打水漂。我們看到的是每個(gè)季度的電話會(huì)議上，北美四家云廠商都在表示，AI給他們的用戶帶來了新的體驗(yàn)，并且愿意為了他們的產(chǎn)品付費(fèi)。這一點(diǎn)，從云廠商每個(gè)季度都有雙位數(shù)幅度增加的業(yè)績(jī)就可以看出來。

從軟件端看，2025年以來，伴隨英偉達(dá)GB200機(jī)架量產(chǎn)出貨，算力資源的緊缺有所緩解。軟件端，在今年也迎來了明顯加速。谷歌今年發(fā)布的Gemini2.5系列、Genie3等模型，再次讓業(yè)界看到了長(zhǎng)遠(yuǎn)的可能性。Genie3在世界模型的大道上前進(jìn)了一大步，它不僅僅是一個(gè)視頻生成器，而是試圖讓生成的場(chǎng)景連貫，試著去理解物理學(xué)的基本定律?？梢韵胂螅珿enie3可以將2D的圖片拓展到三維空間，若其運(yùn)算速度和性能進(jìn)一步提升，可能對(duì)于智能駕駛、人形機(jī)器人這些領(lǐng)域的發(fā)展產(chǎn)生難以忽視的影響。谷歌一直是AI領(lǐng)域的領(lǐng)導(dǎo)者，其DeepMind團(tuán)隊(duì)此前憑借AlphaGO擊敗世界圍棋冠軍，名冠當(dāng)世。去年又因?yàn)樵诘鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的貢獻(xiàn)斬獲諾貝爾化學(xué)獎(jiǎng)，沒想到一年之后，又再次讓世界驚艷。而其他廠商，如xAI、微軟、阿里等也在積極推進(jìn)軟件研發(fā)。

大模型的爆火。從2023年到現(xiàn)在已經(jīng)兩年多了。以英偉達(dá)的產(chǎn)品劃分，在2023年-2024年，AI下游使用的GPU主要是Hopper（H100、H200），而到現(xiàn)在，新一代的Blackwell架構(gòu)產(chǎn)品開始主導(dǎo)。在Hopper時(shí)代，云廠商巨額的資本開始不禁讓人質(zhì)疑它的持續(xù)性，因?yàn)槟菚r(shí)AI的閉環(huán)還很朦朧，人們沒有看到這些云廠商要通過什么方式來回收他們的成本。但到了Blackwell時(shí)代，AI進(jìn)入到了新的階段，云廠商的業(yè)績(jī)高速增長(zhǎng)，AI對(duì)他們的賦能已經(jīng)顯而易見，換言之，AI的模式已經(jīng)跑通，接下來是更高更快更遠(yuǎn)。軟件和硬件共振，訓(xùn)練和推理共振，AI或許會(huì)進(jìn)一步拓寬應(yīng)用場(chǎng)景和增加用戶數(shù)量，相關(guān)的需求或進(jìn)一步推動(dòng)AI基建。站在當(dāng)下，我們看到AI仍然處在上升通道。

第三，怎么選擇投資品？為什么要關(guān)注光模塊？

目前大模型參數(shù)量已經(jīng)達(dá)到了萬億參數(shù)規(guī)模，每次完成訓(xùn)練和推理都需要面臨龐大的運(yùn)算量，所以，廠商無法依靠單一的GPU或者AI服務(wù)器完成這么龐大的運(yùn)算。解決方法是組網(wǎng)。

以英偉達(dá)的架構(gòu)為例，網(wǎng)絡(luò)的目標(biāo)是將大的計(jì)算任務(wù)分割，然后分發(fā)到每一片GPU上運(yùn)算，最后再交互結(jié)果。所以，組網(wǎng)的第一步，是將GPU組成一個(gè)AI服務(wù)器。這個(gè)過程是使用NVLink技術(shù)來完成的，在Blackwell架構(gòu)中，介質(zhì)就是銅纜。

銅纜傳輸高速，功耗小，優(yōu)點(diǎn)顯著。但沒有什么東西是完美的，銅纜也有其固有的缺點(diǎn)。比如，在面對(duì)數(shù)據(jù)中心的高頻高速信號(hào)時(shí)，銅纜無法完成長(zhǎng)距離傳輸?shù)娜蝿?wù)。由于“趨膚效應(yīng)”，信號(hào)會(huì)集中在導(dǎo)體的表面，傳輸?shù)挠行M截面變小，發(fā)熱等問題被放大，數(shù)據(jù)丟包等問題開始變得不可忍受。

工程師說，要有光，于是就有了光模塊。光模塊的任務(wù)是將電信號(hào)轉(zhuǎn)變?yōu)楣庑盘?hào)，使得其能長(zhǎng)距離傳輸。這樣，AI服務(wù)器便可以進(jìn)一步組裝成為大規(guī)模集群，完成復(fù)雜的運(yùn)算。換言之，光模塊是數(shù)據(jù)中心組網(wǎng)過程中不可或缺的。由于全球產(chǎn)業(yè)鏈分工的關(guān)系，光模塊的核心份額聚焦在中國(guó)大陸，北美相關(guān)廠商的需求，也主要是由中國(guó)大陸的企業(yè)來完成。所以，光模塊無疑是A股的AI行情中的核心環(huán)節(jié)之一。這一點(diǎn)，我們也從龍頭公司高速增長(zhǎng)的業(yè)績(jī)中看到了，并且，我們認(rèn)為業(yè)績(jī)?nèi)杂休^大的增長(zhǎng)空間。

產(chǎn)品層面，通信ETF（515880）標(biāo)的指數(shù)的光模塊占比超過40%，加上服務(wù)器、銅連接等占比超過60%，光模塊占比應(yīng)該是目前主流人工智能指數(shù)和通信指數(shù)中最高的。而創(chuàng)業(yè)板人工智能ETF國(guó)泰中也含有較多的光模塊成分，而且有20cm的彈性。

目前全球的科技巨頭都在AI戰(zhàn)場(chǎng)上角逐，且北美目前已經(jīng)跑通了這條道路，AI或許真的能改變我們的生活。同時(shí)，A股的光模塊又是在全球產(chǎn)業(yè)鏈分工中占據(jù)了核心地位的環(huán)節(jié)，在A股慢牛的過程中，其表現(xiàn)代表了市場(chǎng)對(duì)AI這一產(chǎn)業(yè)趨勢(shì)的認(rèn)可程度。建議投資需圍繞關(guān)鍵環(huán)節(jié)展開，繼續(xù)關(guān)注通信ETF（515880）、創(chuàng)業(yè)板人工智能ETF國(guó)泰（159388）。

風(fēng)險(xiǎn)提示

本速評(píng)已力求報(bào)告內(nèi)容的客觀、公正，但對(duì)這些信息的準(zhǔn)確性和完整性不作任何保證，文中的觀點(diǎn)、結(jié)論和建議僅供參考，相關(guān)觀點(diǎn)不代表任何投資建議或承諾。行業(yè)或板塊短期漲跌幅列示僅作為市場(chǎng)行情分析的輔助材料，僅供參考，不構(gòu)成投資建議或承諾。文中涉及個(gè)股僅用于行業(yè)表現(xiàn)說明，非個(gè)股推薦。

我國(guó)基金運(yùn)作時(shí)間較短，不能反映股市發(fā)展的所有階段?；鸸芾砣顺兄Z以誠(chéng)實(shí)信用、勤勉盡責(zé)的原則管理和運(yùn)用基金資產(chǎn)，但不保證本基金一定盈利，也不保證最低收益?；鸬倪^往業(yè)績(jī)及其凈值高低并不預(yù)示其未來業(yè)績(jī)表現(xiàn)?；鸸芾砣颂嵝淹顿Y人基金投資的“買者自負(fù)”原則，在做出投資決策后，基金運(yùn)營(yíng)狀況與基金凈值變化引致的投資風(fēng)險(xiǎn)，由投資人自行負(fù)擔(dān)?；鹩酗L(fēng)險(xiǎn)，購(gòu)買過程中應(yīng)選擇與自己風(fēng)險(xiǎn)識(shí)別能力和承受能力相匹配的基金，投資需謹(jǐn)慎。

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(chǔ)蓄方式的區(qū)別。定期定額投資是引導(dǎo)投資人進(jìn)行長(zhǎng)期投資、平均投資成本的一種簡(jiǎn)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(xiǎn)，不能保證投資人獲得收益，也不是替代儲(chǔ)蓄的等效理財(cái)方式。