從大模型本身的角度來看，有一個定律叫做縮放定律，或者翻譯為規模定律可能會更加合適一點，這是這幾年支撐我們大模型定律在快速增長的一個理論上的邏輯。大家可以看到，規模定律是非常簡單的，就是當一個模型的參數量做得越來越多，投入給這個模型、讓它進行訓練的語料越來越多時，它的準確率可能會持續改善。

當然，從現在發展的階段來看，大模型在訓練的過程中主要分為預訓練、后訓練以及推理階段。這個規模定律，或者說縮放定律，正在從之前的預訓練階段逐步向后訓練以及推理階段過渡。當然，這件事情一直在發生。雖然這兩年提到規模定律的聲音可能變少了一點，但我覺得它仍然是持續支撐算力需求快速成長的邏輯。我們也看到，在規模定律以及推理放量的情況下，現在全球算力成長比較明顯，比如谷歌，其token每過一到兩個季度就會有接近翻倍的增長。本質上，還是因為在類似于規模定律這些理論的支撐下，自發形成的需求。

如果從全球的產業鏈去看，有的朋友可能還不是特別了解，我這里簡單介紹一下。北美那邊有幾家耳熟能詳的廠商，比如英偉達，以及其他廠商像谷歌，它們自己都可能做GPU或者定制型計算芯片ASIC。在它們的產業鏈上，我們以英偉達為例，它是一家芯片設計廠商，它完成芯片設計之后，會讓中國臺灣的臺積電幫它做代工。臺積電完成代工之后，會進一步把芯片交給下游的組裝廠商，最后再把組裝成的服務器交到終端的這些云廠商手上。然后這些云廠商會把服務器進一步組裝成大型數據中心。

在這個過程中，它們可能需要采購我們經常提到的光模塊、PCB等器件。所以可以看到，從通信行業的需求去看，還是要觀察北美景氣的情況。當然，這個過程中有一個很核心的景氣度指標，就是北美資本開支情況，其實也就是北美頭部幾家云廠商的資本開支情況。這里我們做了資本開支測算，主要是用中國臺灣臺積電的AI收入去測算全球AI資本開支。為什么會選臺積電作為錨點呢？本質上因為，在芯片這個層面，給大家舉個例子，我們知道英偉達的份額很高，但是目前來看，除了英偉達之外，其他云廠商，包括谷歌、亞馬遜等，也都在做自己的定制芯片，所以后面份額可能會有一些變化。

但是海外廠商做AI芯片，不管是誰做，都會去找中國臺灣臺積電幫它們做代工，所以從臺積電視角來看，對全球AI發展應該說有比較強的指引意義。因此，我們從臺積電的AI芯片代工收入去對應全球資本開支，就有比較強的指引性質。我們這邊測算，臺積電的代工收入對應到全球的資本開支，中間的倍數大約會在20倍出頭。所以我們看到，在2026年我們測算的臺積電的AI代工收入會是354億美金左右，占它總體收入的22%左右。測算出來，2026年全球AI資本開支會在8000億美金左右，這是一個比較大的需求。

如果往2027年看，根據我們測算的結果，全球AI CapEx可能會在1.14萬億美元左右。也就是說，今年以及明年，全球AI CapEx的增速都會保持在45%左右，也就是高位企穩的狀態。可能有的朋友對1.14萬億美元這個數字沒有特別大的感覺，我們可以把它轉換成人民幣，大概接近8萬億元的水平，這個體量已經非常大了。我們可以看一下很多上市公司，包括龍頭上市公司，它們的收入體量在8萬億元面前都是比較小的。所以從產業鏈上看，很多公司都還是有比較強的增長空間。

如果往遠期看，我們根據臺積電的視角去看，2029年臺積電AI的收入可能會接近1000億美元，對應全球的AI CapEx大約在2萬億美元左右。所以可以看到，全球AI資本開支在2028年和2029年都能夠保持在中高雙位數的水平，總體上需求成長非常迅猛。因為我們知道，在這個資本開支里面，包括芯片，也包括數據中心里用到的服務器、交換機等。在這個過程中，如果資本開支能夠快速成長，對于里面的硬件都會是比較大的機會。

如果我們再進一步去拆分資本開支的結構，比如芯片，英偉達自己的GPU現在基本上每年都在迭代，大家可以看一下英偉達GPU產品的路線圖。2025年以及今年2026年，目前主流的芯片還是基于Blackwell架構的GPU。大家可以看一下圖最左邊的一些GPU的情況，中間部分是Rubin芯片架構，這款芯片會在今年Q3實現快速的量產發貨，2028年會推出Feynman芯片。

數據來源：NVIDIA

所以總體來看，英偉達芯片的底層架構是每過兩年更新一次，產品則是每年都會更新。以Rubin為例，今年它下半年會生產RubinGPU，明年會進一步地去生產Rubin Ultra GPU。它們底層架構都是基于Rubin體系，所以它的迭代速度就是每年都會有產品迭代，每過兩年都會有一次底層架構比較大的更新。因此，從GPU來看，整體發展速度非常迅猛。

然后谷歌這一邊，我們可以看到，谷歌的TPU成長得比較快。當然，谷歌它做這種計算芯片的歷史可能沒有像英偉達那么久。英偉達在2000年以前就推出了自己的GPU，但是谷歌第一代TPU可能是2015年才開始做的。但是我們觀察到，今年谷歌的TPU放量非常迅猛，可能已經達到400萬片左右的水平，明年可能會進一步接近600萬片的水平。所以總體上，谷歌TPU成長比較迅猛，當然它也擠掉了一些英偉達的需求。

但不管怎么樣，我們可以看到，芯片端的快速放量，對于A股的像光模塊這類部件是一件好事。為什么我們會這么說？其實大家可以看到，像光模塊這類部件有一個“賣鏟人”的邏輯。也就是說，在芯片端，我不管你放量的是誰的芯片，是英偉達還是谷歌的。只要你們放量，因為現在的數據中心肯定要把很多GPU組成一個超大型網絡。現在數據中心都是一二十萬張GPU組成的巨大網絡。在組網過程中，光模塊的作用非常重要。

從ETF配置角度看，通信ETF（515880）更偏向海外算力主線，主要受益于光模塊、服務器、銅連接、光纖等環節的景氣提升。由于A股通信產業鏈與美股半導體、海外云計算廠商處在同一條AI算力產業鏈上，海外AI資本開支高增有望繼續帶動相關環節需求。半導體設備ETF（159516）則更偏向國產算力和存儲擴產主線，受益于半導體設備國產替代和存儲產能擴張。整體來看，通信ETF短期業績彈性和確定性更突出，半導體設備ETF中長期空間較大，但波動和風險也相對更高。投資者可結合自身風險承受能力，采取分批或逢低布局的方式參與。

風險提示：提及個股僅用于行業事件分析，不構成任何個股推薦或投資建議。指數等短期漲跌僅供參考，不代表其未來表現，亦不構成對基金業績的承諾或保證。觀點可能隨市場環境變化而調整，不構成投資建議或承諾。提及基金風險收益特征各不相同，敬請投資者仔細閱讀基金法律文件，充分了解產品要素、風險等級及收益分配原則，選擇與自身風險承受能力匹配的產品，謹慎投資。涉及基金費率請查閱法律文件。