華寶基金ETF熱點π | 趙曉光聊“光”：AI算力基建的縱深遠未結束，應用加速正在路上

當前AI投資正處在關鍵路口：算力基建的狂歡能否延續？應用加速的春天還有多遠？市場關于“芯片還是應用”的爭論，本質上是對于產業趨勢持續性以及資金流向節奏的深度博弈。

2026年5月13日，在華寶基金主辦的《華寶ETF·熱點π》第6期線上交流中，天風證券董事、副總裁趙曉光給出了他的系統研判。本文圍繞趙曉光的核心觀點進行了深度梳理，從行業底層邏輯、算力基建的增量機會、國產替代的超節點路徑，到應用端的商業化兌現節奏，為投資者梳理AI資金遷徙的全景圖譜。

在工具層面，本次交流重點提及了幾只聚焦AI不同環節的產品——創業板人工智能ETF華寶（159363），側重算力側尤其是光模塊方向；以及科創人工智能ETF華寶（589520）、港股通信息技術ETF華寶（159131），聚焦國產芯片與前沿應用，為投資者提供了高效布局AI雙主線的工具化解決方案。

一、AI行業邏輯質變——告別性價比，進入“性能為王”的高利潤時代

要想理解人工智能產業的投資可持續性，必須首先認識到一個本質變化：AI行業的運行邏輯，已經與過去幾十年我們熟悉的制造業和消費品行業截然不同。

1.從“性價比”到“性能至上”的范式轉移

過去，無論是家電、手機還是光伏產業，企業競爭的核心往往圍繞成本控制與規模效應展開，性價比是贏得市場的關鍵。但AI產業完全不同。大模型的訓練與推理，對算力、帶寬、時延提出了極高要求，任何性能上的短板都可能導致整個系統失效。因此，行業的核心競爭法則不再是“誰的性價比更高”，而是“誰的性能最好”。只要性能領先，就能獲得所有市場份額，并享有極高的定價權。

這種“性能為王”的屬性，直接導致了行業投資規模和利潤水平的歷史性突破。過去一個制造業項目投資幾十億已屬大手筆，半導體、面板產線投資幾百億便是行業天花板；而今天，頂尖AI巨頭的單年度資本開支計劃動輒2000億至5000億美元。與此同時，上游核心供應商的凈利率從傳統科技行業20%的天花板，一路飆升至50%，存儲行業甚至達到70%。這種盈利能力，在過去是不可想象的。

2.“囚徒困境”式投入與良性競爭格局

為什么巨頭們愿意進行如此大規模的投資？這背后是一種典型的“囚徒困境”驅動——如果任何一家科技巨頭不在AI上全力投入，就極有可能在下一輪技術周期中被徹底淘汰。谷歌在ChatGPT問世后一度被認為是最危險的公司之一，但正是這種危機感驅動它成為今天AI領域的最大贏家之一，這便是最好的證明。

更為關鍵的是，這種投入已經形成正反饋。AI投入不再是一項“成本”，而已經成為實實在在的“利潤來源”。英偉達CEO黃仁勛在不同場合反復強調這一觀點。因此，當前行業的競爭格局是良性的：頭部企業沒有意愿打價格戰，甚至主動控制擴產節奏，以維持高盈利水平。存儲巨頭們已經達成默契——“未來幾年都不擴產”，這在過去的周期行業中，幾乎是不可想象的。

3.對投資的啟示：高估值有高邏輯支撐

市場對于AI行業增長放緩、競爭加劇的擔憂，是基于傳統產業經驗的誤判。在“性能至上”、技術驅動、巨頭被裹挾投入的三重力量下，整個行業仍處在健康向上的長周期中。短期的美股回調、A股波動，更多是交易層面的資金行為，而非產業趨勢的逆轉。

二、增量市場涌現——智能終端成巨頭“數據新大陸”，中國企業深度嵌入全球供應鏈

如果說GPU、光模塊是AI產業的“存量”高景氣方向，那么正在快速崛起的增量市場——智能終端，同樣值得高度關注。

1.大模型發展的“數據瓶頸”

大模型的發展可以劃分為三個階段。第一階段，以ChatGPT為代表，利用了過去20年互聯網積累的開源數據，打響了第一槍。但很快，這些公共數據就被消耗殆盡，大模型遇到了第一個瓶頸。第二階段，互聯網巨頭們利用自身平臺積累的私有數據（用戶行為、交易記錄、企業信息等）進行模型訓練，谷歌、微軟、字節跳動、阿里等成為這一階段的勝出者，而缺乏數據源的純技術模型公司則面臨淘汰。

那么第三階段的數據從哪里來？答案只有一個：全新的智能終端。互聯網巨頭拿不到彼此的數據，而現有的智能手機和PC市場又被蘋果的iOS和谷歌的Android牢牢把控，新進入者難以撬動。因此，巨頭們必須創造新的終端形態，通過攝像頭、傳感器，以“第一視角”實時采集用戶的語音、圖像、身體狀態乃至情緒數據，從而為下一代大模型提供“彈藥”。

2.三類智能終端正在加速落地

正在加速落地的三類智能終端包括：

眼鏡類：Meta、谷歌、蘋果、字節、華為等均已制定雄心勃勃的計劃。雖然過去一年光學技術成熟度和用戶體驗仍在打磨，略低于預期，但長期前景巨大。

新型可穿戴設備：包括OpenAI正在探索的戒指、手環、項鏈式設備等，通過語音和圖像捕捉用戶數據，預計單品出貨量可達千萬級別。

桌面機器人：作為家庭場景的交互入口，同樣被多家巨頭列為戰略級產品。

此外，家庭端的智能電視、機頂盒、NAS等產品，也將成為家庭AIAgent的重要落地場景。這些智能終端不僅是數據采集入口，更是未來的“變現場景”——在AI時代，APP作為入口的地位將被顛覆，用戶直接通過終端下達指令（如“訂附近酒店”“搜索某位名人”），終端即服務。

3.中國企業的核心卡位

對于國內投資者而言，最值得關注的信號是：在這些智能終端的供應鏈中，中國企業已經深度切入，并且在許多細分領域成為獨家的核心供應商。經過過去幾年的貿易沖突，美國試圖擺脫對中國供應鏈的依賴，但現實是“更加離不開我們”。無論是在端側設備，還是在算力基礎設施，中國的制造能力、工程師紅利和響應速度，都構成了難以替代的競爭優勢。

三、克服“摩爾定律失效”——光賽道、先進封裝與液冷將成為算力基建新重心

隨著AI模型參數量的指數級增長，傳統芯片制程微縮帶來的性能提升已經逼近物理極限——“摩爾定律”正在失效，這正催生出算力基建領域三個最重要的增量方向。

1.光：從連接到計算的核心載體

當電信號的傳輸速度成為瓶頸，光成為最直接、最高效的解決方案。光賽道的創新才剛剛開始。過去一年，市場已經看到了CPO（共封裝光學）、OCS（光電路交換）、硅光等技術的快速升溫。

值得注意的是，就在半年前，許多產業專家還判斷這些技術要到2027-2028年才能規模商用，但僅僅過去幾個月，工程化落地已大幅加速——這正是AI行業“所有人被裹挾著加速創新”的典型體現。光不僅在連接層面不可替代，未來甚至可能直接用于計算，即“光計算”。這將是顛覆性的技術路徑，值得長期跟蹤。

2.先進封裝：半導體產業的“第二增長曲線”

長江存儲的董事長曾公開表示：未來半導體行業封裝技術將成為關鍵。當芯片制程微縮越來越困難，通過2.5D、3D封裝將不同工藝節點的芯片集成在一起，成為提升系統性能的最有效手段。圍繞先進封裝的材料、設備以及具備平臺能力的封裝企業，將迎來顯著的估值重估機會。

3.散熱：算力提升的“隱形瓶頸”

芯片算力越高，功耗越大，散熱問題成為制約性能釋放的關鍵。從芯片級的散熱材料，到系統級的液冷方案，再到碳化硅等第三代半導體的應用，整個散熱產業鏈正處在需求快速釋放的前夜。這一領域的頭部公司雖然已有千億市值，但整體仍處于成長期初期。

四、國產算力進入規模商用臨界點——超節點架構以系統創新彌合單芯片差距

在美國持續收緊高端AI芯片出口的背景下，國產算力的自主可控或成為確定性較強的長線主線。

1.超節點：中國特色的算力突圍路徑

面對單芯片性能與英偉達的差距，中國企業選擇了另一條路——通過系統架構創新，以大規模集群（超節點）的方式彌合單卡差距。華為是目前走得最遠的國內廠商之一，其“CloudMatrix384”超節點方案，已在互聯網金融、運營商等20多個客戶處累計部署300余套，是國內最成熟的商用化產品。

更令人振奮的是，2026年4月，深圳點亮了全國首個萬卡級全棧自主可控計算集群，總算力規模達到14000P。華為計劃在2026年和2027年Q4分別推出8192卡和15488卡的萬卡級超節點產品，正式進入全球最頂尖的算力集群行列。

2.算力指標對標：超越并非空話

具體數據顯示：華為CloudMatrix384提供的300PFLOPS算力，約為英偉達GB200NVL772的兩倍；中科曙光與海光合作推出的ScaleX640，單機柜640卡算力密度提升了20倍。這些數字表明，在集群總算力層面，國產方案已經具備了與海外龍頭對標甚至超越的能力。

3.2026-2027年：國產芯片的業績兌現窗口

在政策端（信創2.0、東數西算強制國產化率要求）、需求端（國產大模型主動適配國產芯片）和供給端（晶圓代工廠產能與良率提升）三重共振下，預計2026年或將是國產AI芯片龍頭公司的收入放量年，2027年則是利潤規模化兌現與產能大幅改善的加速期。

五、應用端兌現加速——AIAgent商用元年，三大方向率先突圍

2026年被市場視為AIAgent（數字員工）的商用元年，模型推理能力的實質性突破是核心驅動力。過去三年，大模型推理成本下降30倍以上，性能提升數十倍，海外年化收入超100萬美元的AI應用客戶已超100家，《財富》世界500強企業滲透率達80%——AI已從“玩具”變為企業愿意付費的“生產力工具”。

參照海外驗證經驗，編程、廣告營銷、智能客服是商業模式最先跑通的場景。映射到中國市場，篩選邏輯聚焦兩個標準：AI不可顛覆的垂直數據壁壘，以及客戶強付費能力。據此，三大投資方向脫穎而出，這些方向共同構成了AI應用端最先兌現業績的核心陣地：

一是編程與企業服務領域，相關公司與大廠深度綁定，具備先發優勢；

二是金融信息服務領域，與錢直接相關，變現效率最高；

三是工業控制與智能制造領域，場景落地扎實，客戶付費意愿強。

總結：算力與應用雙主線并行，借道ETF把握產業趨勢

綜合以上五大觀點，當前AI產業正處于“算力基建持續縱深發展”與“應用端商業化加速落地”的雙輪驅動階段。算力側，光模塊、先進封裝、液冷、國產超節點等方向確定性高，業績持續兌現；應用側，AIAgent開啟商用元年，編程、金融、工業等場景率先突圍。兩者并非此消彼長的對立關系，而是同一產業趨勢在不同環節的依次演繹。

對于普通投資者而言，面對技術迭代快、個股選擇難度大的AI賽道，借道ETF進行工具化布局是更為高效的選擇。根據算力+應用的不同比重，可重點關注：

創業板人工智能ETF華寶（159363）：約70%權重聚焦算力側，其中光模塊龍頭“易中天”組合（新易盛、中際旭創、天孚通信）占比近40%，是全市場光模塊含量最高的ETF之一；同時約30%布局金融、營銷等已率先落地的應用場景，兼具算力的確定性與應用的彈性。

科創人工智能ETF華寶（589520）：更側重于國產芯片（約50%權重）與前沿應用的結合，適合看好自主可控主線與科創板科技Alpha的投資者。

港股通信息技術ETF華寶（159131）：“70%硬件+30%軟件”構成，直指港股芯片超級周期的利器，重倉港股半導體、電子、計算機等52只硬科技公司，不含互聯網企業，AI硬科技銳度更高。

借助上述工具，在算力與應用之間進行靈活的戰術配置，以應對不同市場階段的風格切換，避免個股選擇中的信息不對稱與波動風險，從而更從容地把握AI產業長周期中的投資機遇。

ETF基金相關費用說明：投資者在申購或贖回基金份額時，申購贖回代理機構可按照不超過0.5%的標準收取傭金。場內交易費用以證券公司實際收取為準，不收取銷售服務費。

風險提示：創業板人工智能ETF華寶被動跟蹤創業板人工智能指數，該指數基日為2018.12.28，發布日期為2024.7.11；科創人工智能ETF華寶被動跟蹤上證科創板人工智能指數，該指數基日為2022.12.30；港股通信息技術ETF華寶及其聯接基金被動跟蹤中證港股通信息技術綜合指數，該指數基日為2014.11.14，發布于2017.6.23。指數成份股構成根據該指數編制規則適時調整，其回測歷史業績不預示指數未來表現。文中指數成份股僅作展示，個股描述不作為任何形式的投資建議，也不代表管理人旗下任何基金的持倉信息和交易動向。基金管理人評估的以上基金風險等級為R4-中高風險，適宜積極型（C4）及以上的投資者，適當性匹配意見請以銷售機構為準。任何在本文出現的信息（包括但不限于個股、評論、預測、圖表、指標、理論、任何形式的表述等）均只作為參考，投資人須對任何自主決定的投資行為負責。另，本文中的任何觀點、分析及預測不構成對閱讀者任何形式的投資建議，亦不對因使用本文內容所引發的直接或間接損失負任何責任。基金投資有風險，基金的過往業績并不代表其未來表現，基金管理人管理的其他基金的業績并不構成基金業績表現的保證，基金投資須謹慎。

以上內容與數據，與有連云立場無關，不構成投資建議。據此操作，風險自擔。