华宝基金ETF热点π   赵晓光聊“光”：AI算力基建的纵深远未结束，应用加速正在路上

当前AI投资正处在关键路口：算力基建的狂欢能否延续？应用加速的春天还有多远？市场关于“芯片还是应用”的争论，本质上是对于产业趋势持续性以及资金流向节奏的深度博弈。

2026年5月13日，在华宝基金主办的《华宝ETF·热点π》第6期线上交流中，天风证券董事、副总裁赵晓光给出了他的系统研判。本文围绕赵晓光的核心观点进行了深度梳理，从行业底层逻辑、算力基建的增量机会、国产替代的超节点路径，到应用端的商业化兑现节奏，为投资者梳理AI资金迁徙的全景图谱。

在工具层面，本次交流重点提及了几只聚焦AI不同环节的产品——创业板人工智能ETF华宝（159363），侧重算力侧尤其是光模块方向；以及科创人工智能ETF华宝（589520）、港股通信息技术ETF华宝（159131），聚焦国产芯片与前沿应用，为投资者提供了高效布局AI双主线的工具化解决方案。

一、AI行业逻辑质变——告别性价比，进入“性能为王”的高利润时代

要想理解人工智能产业的投资可持续性，必须首先认识到一个本质变化：AI行业的运行逻辑，已经与过去几十年我们熟悉的制造业和消费品行业截然不同。

1. 从“性价比”到“性能至上”的范式转移

过去，无论是家电、手机还是光伏产业，企业竞争的核心往往围绕成本控制与规模效应展开，性价比是赢得市场的关键。但AI产业完全不同。大模型的训练与推理，对算力、带宽、时延提出了极高要求，任何性能上的短板都可能导致整个系统失效。因此，行业的核心竞争法则不再是“谁的性价比更高”，而是“谁的性能最好”。只要性能领先，就能获得所有市场份额，并享有极高的定价权。

这种“性能为王”的属性，直接导致了行业投资规模和利润水平的历史性突破。过去一个制造业项目投资几十亿已属大手笔，半导体、面板产线投资几百亿便是行业天花板；而今天，顶尖AI巨头的单年度资本开支计划动辄2000亿至5000亿美元。与此同时，上游核心供应商的净利率从传统科技行业20%的天花板，一路飙升至50%，存储行业甚至达到70%。这种盈利能力，在过去是不可想象的。

2. “囚徒困境”式投入与良性竞争格局

为什么巨头们愿意进行如此大规模的投资？这背后是一种典型的“囚徒困境”驱动——如果任何一家科技巨头不在AI上全力投入，就极有可能在下一轮技术周期中被彻底淘汰。谷歌在ChatGPT问世后一度被认为是最危险的公司之一，但正是这种危机感驱动它成为今天AI领域的最大赢家之一，这便是最好的证明。

更为关键的是，这种投入已经形成正反馈。AI投入不再是一项“成本”，而已经成为实实在在的“利润来源”。英伟达CEO黄仁勋在不同场合反复强调这一观点。因此，当前行业的竞争格局是良性的：头部企业没有意愿打价格战，甚至主动控制扩产节奏，以维持高盈利水平。存储巨头们已经达成默契——“未来几年都不扩产”，这在过去的周期行业中，几乎是不可想象的。

3. 对投资的启示：高估值有高逻辑支撑

市场对于AI行业增长放缓、竞争加剧的担忧，是基于传统产业经验的误判。在“性能至上”、技术驱动、巨头被裹挟投入的三重力量下，整个行业仍处在健康向上的长周期中。短期的美股回调、A股波动，更多是交易层面的资金行为，而非产业趋势的逆转。

二、增量市场涌现——智能终端成巨头“数据新大陆”，中国企业深度嵌入全球供应链

如果说GPU、光模块是AI产业的“存量”高景气方向，那么正在快速崛起的增量市场——智能终端，同样值得高度关注。

1. 大模型发展的“数据瓶颈”

大模型的发展可以划分为三个阶段。第一阶段，以ChatGPT为代表，利用了过去20年互联网积累的开源数据，打响了第一枪。但很快，这些公共数据就被消耗殆尽，大模型遇到了第一个瓶颈。第二阶段，互联网巨头们利用自身平台积累的私有数据（用户行为、交易记录、企业信息等）进行模型训练，谷歌、微软、字节跳动、阿里等成为这一阶段的胜出者，而缺乏数据源的纯技术模型公司则面临淘汰。

那么第三阶段的数据从哪里来？答案只有一个：全新的智能终端。互联网巨头拿不到彼此的数据，而现有的智能手机和PC市场又被苹果的iOS和谷歌的Android牢牢把控，新进入者难以撬动。因此，巨头们必须创造新的终端形态，通过摄像头、传感器，以“第一视角”实时采集用户的语音、图像、身体状态乃至情绪数据，从而为下一代大模型提供“弹药”。

2. 三类智能终端正在加速落地

正在加速落地的三类智能终端包括：

眼镜类：Meta、谷歌、苹果、字节、华为等均已制定雄心勃勃的计划。虽然过去一年光学技术成熟度和用户体验仍在打磨，略低于预期，但长期前景巨大。

新型可穿戴设备：包括OpenAI正在探索的戒指、手环、项链式设备等，通过语音和图像捕捉用户数据，预计单品出货量可达千万级别。

桌面机器人：作为家庭场景的交互入口，同样被多家巨头列为战略级产品。

此外，家庭端的智能电视、机顶盒、NAS等产品，也将成为家庭AI Agent的重要落地场景。这些智能终端不仅是数据采集入口，更是未来的“变现场景”——在AI时代，APP作为入口的地位将被颠覆，用户直接通过终端下达指令（如“订附近酒店”“搜索某位名人”），终端即服务。

3. 中国企业的核心卡位

对于国内投资者而言，最值得关注的信号是：在这些智能终端的供应链中，中国企业已经深度切入，并且在许多细分领域成为独家的核心供应商。经过过去几年的贸易战，美国试图摆脱对中国供应链的依赖，但现实是“更加离不开我们”。无论是在端侧设备，还是在算力基础设施，中国的制造能力、工程师红利和响应速度，都构成了难以替代的竞争优势。

三、克服“摩尔定律失效”——光赛道、先进封装与液冷将成为算力基建新重心

随着AI模型参数量的指数级增长，传统芯片制程微缩带来的性能提升已经逼近物理极限——“摩尔定律”正在失效，这正催生出算力基建领域三个最重要的增量方向。

1. 光：从连接到计算的核心载体

当电信号的传输速度成为瓶颈，光成为最直接、最高效的解决方案。光赛道的创新才刚刚开始。过去一年，市场已经看到了CPO（共封装光学）、OCS（光电路交换）、硅光等技术的快速升温。

值得注意的是，就在半年前，许多产业专家还判断这些技术要到2027-2028年才能规模商用，但仅仅过去几个月，工程化落地已大幅加速——这正是AI行业“所有人被裹挟着加速创新”的典型体现。光不仅在连接层面不可替代，未来甚至可能直接用于计算，即“光计算”。这将是颠覆性的技术路径，值得长期跟踪。

2. 先进封装：半导体产业的“第二增长曲线”

长江存储的董事长曾公开表示：未来半导体行业封装技术将成为关键。当芯片制程微缩越来越困难，通过2.5D、3D封装将不同工艺节点的芯片集成在一起，成为提升系统性能的最有效手段。围绕先进封装的材料、设备以及具备平台能力的封装企业，将迎来显著的估值重估机会。

3. 散热：算力提升的“隐形瓶颈”

芯片算力越高，功耗越大，散热问题成为制约性能释放的关键。从芯片级的散热材料，到系统级的液冷方案，再到碳化硅等第三代半导体的应用，整个散热产业链正处在需求快速释放的前夜。这一领域的头部公司虽然已有千亿市值，但整体仍处于成长期初期。

四、国产算力进入规模商用临界点——超节点架构以系统创新弥合单芯片差距

在美国持续收紧高端AI芯片出口的背景下，国产算力的自主可控或成为确定性较强的长线主线。

1. 超节点：中国特色的算力突围路径

面对单芯片性能与英伟达的差距，中国企业选择了另一条路——通过系统架构创新，以大规模集群（超节点）的方式弥合单卡差距。华为是目前走得最远的国内厂商之一，其“Cloud Matrix 384”超节点方案，已在互联网金融、运营商等20多个客户处累计部署300余套，是国内最成熟的商用化产品。

更令人振奋的是，2026年4月，深圳点亮了全国首个万卡级全栈自主可控计算集群，总算力规模达到14000P。华为计划在2026年和2027年Q4分别推出8192卡和15488卡的万卡级超节点产品，正式进入全球最顶尖的算力集群行列。

2. 算力指标对标：超越并非空话

具体数据显示：华为Cloud Matrix 384提供的300P FLOPS算力，约为英伟达GB200 NVL 772的两倍；中科曙光与海光合作推出的ScaleX 640，单机柜640卡算力密度提升了20倍。这些数字表明，在集群总算力层面，国产方案已经具备了与海外龙头对标甚至超越的能力。

3. 2026-2027年：国产芯片的业绩兑现窗口

在政策端（信创2.0、东数西算强制国产化率要求）、需求端（国产大模型主动适配国产芯片）和供给端（晶圆代工厂产能与良率提升）三重共振下，预计2026年或将是国产AI芯片龙头公司的收入放量年，2027年则是利润规模化兑现与产能大幅改善的加速期。

五、应用端兑现加速——AI Agent商用元年，三大方向率先突围

2026年被市场视为AI Agent（数字员工）的商用元年，模型推理能力的实质性突破是核心驱动力。过去三年，大模型推理成本下降30倍以上，性能提升数十倍，海外年化收入超100万美元的AI应用客户已超100家，《财富》世界500强企业渗透率达80%——AI已从“玩具”变为企业愿意付费的“生产力工具”。

参照海外验证经验，编程、广告营销、智能客服是商业模式最先跑通的场景。映射到中国市场，筛选逻辑聚焦两个标准：AI不可颠覆的垂直数据壁垒，以及客户强付费能力。据此，三大投资方向脱颖而出，这些方向共同构成了AI应用端最先兑现业绩的核心阵地：

一是编程与企业服务领域，相关公司与大厂深度绑定，具备先发优势；

二是金融信息服务领域，与钱直接相关，变现效率最高；

三是工业控制与智能制造领域，场景落地扎实，客户付费意愿强。

总结：算力与应用双主线并行，借道ETF把握产业趋势

综合以上五大观点，当前AI产业正处于“算力基建持续纵深发展”与“应用端商业化加速落地”的双轮驱动阶段。算力侧，光模块、先进封装、液冷、国产超节点等方向确定性高，业绩持续兑现；应用侧，AI Agent开启商用元年，编程、金融、工业等场景率先突围。两者并非此消彼长的对立关系，而是同一产业趋势在不同环节的依次演绎。

对于普通投资者而言，面对技术迭代快、个股选择难度大的AI赛道，借道ETF进行工具化布局是更为高效的选择。根据算力+应用的不同比重。

相关ETF:

创业板人工智能ETF华宝（159363）：约70%权重聚焦算力侧，其中光模块龙头“易中天”组合（新易盛、中际旭创、天孚通信）占比近40%，是全市场光模块含量最高的ETF之一；同时约30%布局金融、营销等已率先落地的应用场景，兼具算力的确定性与应用的弹性。

科创人工智能ETF华宝（589520）：更侧重于国产芯片（约50%权重）与前沿应用的结合，适合看好自主可控主线与科创板科技Alpha的投资者。

港股通信息技术ETF华宝（159131）：“70%硬件+30%软件”构成，直指港股芯片超级周期的利器，重仓港股半导体、电子、计算机等52只硬科技公司，不含互联网企业，AI硬科技锐度更高。

借助上述工具，在算力与应用之间进行灵活的战术配置，以应对不同市场阶段的风格切换，避免个股选择中的信息不对称与波动风险，从而更从容地把握AI产业长周期中的投资机遇。

信息来源：华宝基金

风险提示：创业板人工智能ETF华宝被动跟踪创业板人工智能指数，该指数基日为2018.12.28，发布日期为2024.7.11；科创人工智能ETF华宝被动跟踪上证科创板人工智能指数，该指数基日为2022.12.30；港股通信息技术ETF华宝及其联接基金被动跟踪中证港股通信息技术综合指数，该指数基日为2014.11.14，发布于2017.6.23。指数成份股构成根据该指数编制规则适时调整，其回测历史业绩不预示指数未来表现。文中指数成份股仅作展示，个股描述不作为任何形式的投资建议，也不代表管理人旗下任何基金的持仓信息和交易动向。基金管理人评估的以上基金风险等级为R4-中高风险，适宜积极型（C4）及以上的投资者，适当性匹配意见请以销售机构为准。任何在本文出现的信息（包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证，基金投资须谨慎。