這輪AI牛市到底在漲什么？

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：六億居士

來源：雪球

雖然，市場的兩極分化讓不少朋友有些不適，但這輪AI技術革新，卻切實地影響著我們的日常生活。

隨著國內外AI大模型的不斷出現和升級，ChatGPT、Gemini、豆包、Claude、Deepseek等已成為不少人不可或缺的幫手。

尤其在龍蝦、WorkBuddy、Codex等智能體工具的普及下，AI的影響力觸及到我們生活的方方面面，極大地提高了工作效率。

受益于前些年互聯網、云計算、大數據的蓬勃發展，我們打開各類大模型、智能體時，其實我們感知不到AI模型背后的運行邏輯和代價，但其實沒有一個科技樹是跳著點亮的。

試想一下：我們讓AI寫一篇專業報告，幾秒鐘就能出一個結果，而手機都不會燙一下。

實際上，我們的指令可能跑了幾千公里遠，在某個數據中心里，成千上萬塊GPU正賣力地幫我們運算著。而GPU的背后則是數據交換需要用到的核心部件“光模塊”，但計算壓力太大，GPU會出現跟不上的狀態，還需要HBM來救場。

為了提升效率，HBM還需要更先進的封裝模式，減少中間的損耗。而先進封裝需要特定的板載和工藝，需要用到電子特氣。更有甚者，已經早早布局了土地、能源、礦產等傳統板塊，從而應對泛科技領域日益上漲的需求。

而整個AI產業鏈的向上探索，市場熱度的細分變化，每一輪細分行情的本質，都是AI需求在產業鏈上暴露了新的供需短板。而經歷過了新能源、光伏等新領域完整探索的我們，這一輪AI產業鏈的探索，變得更加充分和迅速。

這或許便是當下泛科技各種細分題材，你放唱罷我登場的底層動力。

今天，我們走進泛AI科技鏈，一步步梳理這輪傳導的完整脈絡。

一、AI行業的產業鏈傳導之路

自2023年英偉達點燃算力行情以來，這輪傳導基本沒有停過，沿著卡算力、卡存儲、卡通信、到零部件、原材料的路徑逐層擴散。我們來一層一層拆解。

1、算力爆發：GPU

說起算力，大多數人首先想到的是CPU。但在AI大模型領域，真正的主角卻是GPU。

CPU擅長復雜的邏輯控制和串行運算，像一個全能但速度有限的管理者。而GPU擁有成百上千個計算核心，正好契合大規模的并行計算，高度契合深度學習所需的矩陣運算。

訓練一個大模型，需要成千上萬顆GPU組成算力集群，英偉達的H100和后續系列，憑借CUDA軟件生態的深度綁定，成為全球科技巨頭爭搶的對象。它的營收規模、毛利率一路走高，股價也隨之飛升，這是整輪行情的起點，也是市場最先定價的環節。

2、高速公路：光模塊

GPU單卡算力再強，也無法獨立完成訓練，畢竟在現有的物理學限制下，單卡總歸有天然的瓶頸。所謂一個好漢三個幫，一塊不行就疊加，此時便需要用到光模塊。

光模塊就像連接每一塊GPU的數據高速公路，帶寬越高，集群的整體效率就越高。

數千顆GPU組成集群后，彼此之間需要海量數據交換。單顆GPU在集群中通常需要搭配多個高速光模塊，800G率先成為剛需，1.6T隨后接力。

受益于這輪光模塊需求爆發，國內相關企業憑借全球領先的制造能力和成本優勢，從2023年至今享受了持續數年的高景氣周期。

3、打破內存墻：HBM

GPU算力飛速提升，光模塊解決了數據的外部傳輸問題，但一個新的瓶頸悄然出現：計算速度太快，傳統顯存的數據供給速度遠遠跟不上，GPU不得不頻繁停下來等待數據，這就是內存墻。

HBM高帶寬內存通過3D堆疊技術將多層DRAM芯片垂直堆疊，并與GPU并列貼在同一塊硅中介層上，用縮短物理距離的方式換取帶寬的指數級提升。

隨著AI訓練規模持續擴大，HBM的需求量急劇攀升。從HBM2E到HBM3E，每一代產品都供不應求，全球HBM市場長期由少數幾家存儲巨頭壟斷，供需缺口持續擴大，存儲芯片板塊隨之全面起飛。

4、挑戰物理極限：先進封裝與PCB

HBM的制造是一個物理集成的奇跡，它在指甲蓋大小的空間里，將多層DRAM芯片垂直堆疊，再用數千個比頭發絲還細的微凸塊，將它們與GPU高密度互聯。

它不像傳統內存那樣可以直接焊在PCB上，其數千個I/O引腳必須通過“微凸塊”高密度連接到硅中介層，再由硅中介層將信號傳遞給GPU。

以臺積電的CoWoS封裝為代表的先進封裝技術，先將GPU和HBM并排安放在硅中介層上，通過微凸塊完成互聯，再整體封裝到基板上，成為整個AI芯片制造的核心樞紐。

隨著AI芯片面積越來越大、HBM堆疊層數越來越高，CoWoS產能缺口一度達40%至50%。先進封裝從配角蛻變為主角，而封裝所需的ABF載板、高端覆銅板、高速PCB也因精度和可靠性要求大幅提升，開始享受產能溢價。

5、擴產的先行指標：半導體設備

封裝廠與晶圓廠產能嚴重不足，擴產成為唯一出路，而擴產的第一步，就是訂購設備。光刻機、刻蝕機、薄膜沉積設備、檢測設備……這些設備的交貨周期長、技術門檻高，必須提前鎖定產能。

設備板塊成為產業鏈擴產最敏銳的先行指標，全球半導體設備巨頭紛紛進入業績爆發期。

6、最后的供給彈性瓶頸：上游原材料

設備可以加班加點生產，但制造芯片和先進封裝所需的原材料，卻有著天然的剛性約束。

光刻膠、ABF薄膜、電子特氣、高純硅片、CMP拋光液——這些材料技術壁壘極高、認證周期極其漫長、全球供應商高度集中。

當設備到位、產能鋪開之后，市場猛然發現，最底層的原材料，成了整個產業鏈擴張的最后瓶頸。

這一層的邏輯，和2021年新能源大行情中碳酸鋰的劇本如出一轍。需求爆發后，產業鏈最上游、供給彈性最小的環節，往往會經歷最劇烈的價格重估。只不過這一次，主角換成了半導體材料。

二、AI泛科技行業的跟蹤指數挖掘

對于大類資產配置的朋友而言，其實不一定要關注細分行業，選擇科創綜指、科創50、創業板指、創業50或者雙創50等板塊寬基指數，已經能實現較好的市場跟蹤效果。

如果對新興科技有一定偏好，愿意花時間去研究的朋友而言，根據行業的發展進程，選擇不同階段的細分行業指數，也是一個不錯的方式。

值得注意的是，隨著泛科技、人工智能領域的快速走高，目前相關指數的估值并不低，部分指數已經到了歷史高位，需要注意風險。

1、上證科創新材料指數(000689)

關于上游原材料，其實也有相關指數跟蹤，這便是發布于2022年8月的科創新材料指數。

從編制規則看，科創新材料指數核心選取50只市值較大的先進鋼鐵、先進有色金屬、先進化工、先進無機非金屬等基礎材料以及關鍵戰略材料等領域上市公司為樣本。

從十大權重可見，科創新材料指數主要集中于半導體材料、印制電路板、化學制品、金屬新材料、非金屬新材料等細分領域。

如滬硅聚焦半導體硅片，中船特氣關注電器特氣（如六氟化鎢），安集則專注CMP材料，是半導體等泛科技行業上游新材料的重點企業。

2、科創新材料指數相關跟蹤產品

目前，市場一共有三個相關ETF跟蹤該指數，均采用0.5%+0.1%的標準費率，從規模看，均在2-10億左右區間，已能滿足日常需求。

從ETF的選擇角度出發，在其他條件均接近的情況下，我們可以評估不同產品的跟蹤緊密度，選擇超額相對較高的產品。

場外目前也有一只產品跟蹤，檢索“科創板新材料”即可搜到，目前產品A/C類合并規模接近1億。

3、其他主題細分指數

站在整個半導體、AI領域，我們常見的選擇有：中證半導體、國證芯片、科創芯片、中證人工智能、科創板人工智能、半導體設備材料、中證科創創業人工智能等指數。

這些指數可能涉及不同的板塊、行業和細分領域，針對不同的細分和主題，在之前的文章中，我們或多或少都有所提及。

三、AI科技浪潮的啟示

梳理完這六層傳導，我們發現：AI需求從算力端出發，沿著產業鏈一路向上傳導，每暴露出一個新的供需短板，那個環節就會成為市場的焦點。

從GPU到光模塊，從HBM到先進封裝，從設備到原材料，短板在哪里，焦點就在哪里。

這輪科技牛市的推進速度之快、滲透之深、鏈條之復雜，遠超以往任何一輪結構性行情。回顧過去幾年，有幾個值得留意的觀察：

1、市場對產業鏈的認知在進化

經歷過新能源、光伏等產業的完整周期，這一輪AI行情中，市場對產業鏈的“短板識別”變得更快、更精準。以前可能需要一兩年才能完成從下游到上游的傳導，現在幾個月就能走完一輪。

這意味著留給普通投資者研究和反應的時間窗口正在縮短，但也意味著，那些提前把產業鏈脈絡理清楚的人，會越來越從容。

對于普通投資者而言，不一定要精準把握每一個輪動節點，但搞清楚產業鏈的基本結構和傳導邏輯，就能在市場切換焦點時知道‘現在輪到哪一層了’。

2、最終限制產業擴張的，永遠是上游

不管是2021年碳酸鋰的劇本，還是當下電子特氣和鎢粉的故事，都在驗證同一個規律：當需求爆發式增長，產業鏈最上游、供給彈性最小的環節，往往會經歷最劇烈的價格重估。

這不是偶然，而是產業規律使然。懂了這個規律，下一輪科技浪潮再來時，就能更快地找到關鍵環節，此文的目的也在于此。

3、科技投資的難度在提升

這輪行情從GPU一路燒到光刻膠、電子特氣、鎢粉，細分領域的專業性越來越強，普通投資者想要精準把握每一個輪動節點幾乎不可能。

與其追逐每一個風口，不如退一步，用指數化的方式分享產業趨勢的紅利，這也是指數化投資的價值。

需要提醒的是：產業鏈傳導越到上游，波動往往越大。上游材料對產業周期的敏感度更高，供需缺口的持續性也存在不確定性。

對于普通投資者而言，理解產業鏈的傳導邏輯，理解市場發生的變化，堅守自己的策略，并通過一定的學習，慢慢拓展能力圈才是正道。

從我們手機里的一個AI指令，到礦山里的鎢粉和工廠里的特種氣體：看懂這條鏈，才算真正看懂了這輪科技牛市。

看懂了這個規律，才能在下一輪機會浮現時，做出更從容的判斷。