夜雨聆风
虽然，市场的两极分化让不少朋友有些不适，但这轮AI技术革新，却切实地影响着我们的日常生活。
随着国内外AI大模型的不断出现和升级，ChatGPT、Gemini、豆包、Claude、Deepseek等已成为不少人不可或缺的帮手。
尤其在龙虾、WorkBuddy、Codex等智能体工具的普及下，AI的影响力触及到我们生活的方方面面，极大地提高了工作效率。
受益于前些年互联网、云计算、大数据的蓬勃发展，我们打开各类大模型、智能体时，其实我们感知不到AI模型背后的运行逻辑和代价，但其实没有一个科技树是跳着点亮的。
试想一下：我们让AI写一篇专业报告，几秒钟就能出一个结果，而手机都不会烫一下。
实际上，我们的指令可能跑了几千公里远，在某个数据中心里，成千上万块GPU正卖力地帮我们运算着。而GPU的背后则是数据交换需要用到的核心部件“光模块”，但计算压力太大，GPU会出现跟不上的状态，还需要HBM来救场。
为了提升效率，HBM还需要更先进的封装模式，减少中间的损耗。而先进封装需要特定的板载和工艺，需要用到电子特气。更有甚者，已经早早布局了土地、能源、矿产等传统板块，从而应对泛科技领域日益上涨的需求。
而整个AI产业链的向上探索，市场热度的细分变化，每一轮细分行情的本质，都是AI需求在产业链上暴露了新的供需短板。而经历过了新能源、光伏等新领域完整探索的我们，这一轮AI产业链的探索，变得更加充分和迅速。
这或许便是当下泛科技各种细分题材，你放唱罢我登场的底层动力。
今天，我们走进泛AI科技链，一步步梳理这轮传导的完整脉络。
自2023年英伟达点燃算力行情以来，这轮传导基本没有停过，沿着卡算力、卡存储、卡通信、到零部件、原材料的路径逐层扩散。我们来一层一层拆解。
1、算力爆发：GPU
说起算力，大多数人首先想到的是CPU。但在AI大模型领域，真正的主角却是GPU。
CPU擅长复杂的逻辑控制和串行运算，像一个全能但速度有限的管理者。而GPU拥有成百上千个计算核心，正好契合大规模的并行计算，高度契合深度学习所需的矩阵运算。
训练一个大模型，需要成千上万颗GPU组成算力集群，英伟达的H100和后续系列，凭借CUDA软件生态的深度绑定，成为全球科技巨头争抢的对象。它的营收规模、毛利率一路走高，股价也随之飞升，这是整轮行情的起点，也是市场最先定价的环节。
2、高速公路：光模块
GPU单卡算力再强，也无法独立完成训练，毕竟在现有的物理学限制下，单卡总归有天然的瓶颈。所谓一个好汉三个帮，一块不行就叠加，此时便需要用到光模块。
光模块就像连接每一块GPU的数据高速公路，带宽越高，集群的整体效率就越高。
数千颗GPU组成集群后，彼此之间需要海量数据交换。单颗GPU在集群中通常需要搭配多个高速光模块，800G率先成为刚需，1.6T随后接力。
受益于这轮光模块需求爆发，国内相关企业凭借全球领先的制造能力和成本优势，从2023年至今享受了持续数年的高景气周期。
3、打破内存墙：HBM
GPU算力飞速提升，光模块解决了数据的外部传输问题，但一个新的瓶颈悄然出现：计算速度太快，传统显存的数据供给速度远远跟不上，GPU不得不频繁停下来等待数据，这就是内存墙。
HBM高带宽内存通过3D堆叠技术将多层DRAM芯片垂直堆叠，并与GPU并列贴在同一块硅中介层上，用缩短物理距离的方式换取带宽的指数级提升。
随着AI训练规模持续扩大，HBM的需求量急剧攀升。从HBM2E到HBM3E，每一代产品都供不应求，全球HBM市场长期由少数几家存储巨头垄断，供需缺口持续扩大，存储芯片板块随之全面起飞。
4、挑战物理极限：先进封装与PCB
HBM的制造是一个物理集成的奇迹，它在指甲盖大小的空间里，将多层DRAM芯片垂直堆叠，再用数千个比头发丝还细的微凸块，将它们与GPU高密度互联。
它不像传统内存那样可以直接焊在PCB上，其数千个I/O引脚必须通过“微凸块”高密度连接到硅中介层，再由硅中介层将信号传递给GPU。
以台积电的CoWoS封装为代表的先进封装技术，先将GPU和HBM并排安放在硅中介层上，通过微凸块完成互联，再整体封装到基板上，成为整个AI芯片制造的核心枢纽。
随着AI芯片面积越来越大、HBM堆叠层数越来越高，CoWoS产能缺口一度达40%至50%。先进封装从配角蜕变为主角，而封装所需的ABF载板、高端覆铜板、高速PCB也因精度和可靠性要求大幅提升，开始享受产能溢价。
5、扩产的先行指标：半导体设备
封装厂与晶圆厂产能严重不足，扩产成为唯一出路，而扩产的第一步，就是订购设备。光刻机、刻蚀机、薄膜沉积设备、检测设备……这些设备的交货周期长、技术门槛高，必须提前锁定产能。
设备板块成为产业链扩产最敏锐的先行指标，全球半导体设备巨头纷纷进入业绩爆发期。
6、最后的供给弹性瓶颈：上游原材料
设备可以加班加点生产，但制造芯片和先进封装所需的原材料，却有着天然的刚性约束。
光刻胶、ABF薄膜、电子特气、高纯硅片、CMP抛光液——这些材料技术壁垒极高、认证周期极其漫长、全球供应商高度集中。
当设备到位、产能铺开之后，市场猛然发现，最底层的原材料，成了整个产业链扩张的最后瓶颈。
这一层的逻辑，和2021年新能源大行情中碳酸锂的剧本如出一辙。需求爆发后，产业链最上游、供给弹性最小的环节，往往会经历最剧烈的价格重估。只不过这一次，主角换成了半导体材料。
对于大类资产配置的朋友而言，其实不一定要关注细分行业，选择科创综指、科创50、创业板指、创业50或者双创50等板块宽基指数，已经能实现较好的市场跟踪效果。
如果对新兴科技有一定偏好，愿意花时间去研究的朋友而言，根据行业的发展进程，选择不同阶段的细分行业指数，也是一个不错的方式。
值得注意的是，随着泛科技、人工智能领域的快速走高，目前相关指数的估值并不低，部分指数已经到了历史高位，需要注意风险。
1、上证科创新材料指数(000689)
关于上游原材料，其实也有相关指数跟踪，这便是发布于2022年8月的科创新材料指数。
从编制规则看，科创新材料指数核心选取50只市值较大的先进钢铁、先进有色金属、先进化工、先进无机非金属等基础材料以及关键战略材料等领域上市公司为样本。
从十大权重可见，科创新材料指数主要集中于半导体材料、印制电路板、化学制品、金属新材料、非金属新材料等细分领域。
如沪硅聚焦半导体硅片，中船特气关注电器特气（如六氟化钨），安集则专注CMP材料，是半导体等泛科技行业上游新材料的重点企业。
2、科创新材料指数相关跟踪产品
目前，市场一共有三个相关ETF跟踪该指数，均采用0.5%+0.1%的标准费率，从规模看，均在2-10亿左右区间，已能满足日常需求。
从ETF的选择角度出发，在其他条件均接近的情况下，我们可以评估不同产品的跟踪紧密度，选择超额相对较高的产品。
场外目前也有一只产品跟踪，检索“科创板新材料”即可搜到，目前产品A/C类合并规模接近1亿。
3、其他主题细分指数
站在整个半导体、AI领域，我们常见的选择有：中证半导体、国证芯片、科创芯片、中证人工智能、科创板人工智能、半导体设备材料、中证科创创业人工智能等指数。
这些指数可能涉及不同的板块、行业和细分领域，针对不同的细分和主题，在之前的文章中，我们或多或少都有所提及。
梳理完这六层传导，我们发现：AI需求从算力端出发，沿着产业链一路向上传导，每暴露出一个新的供需短板，那个环节就会成为市场的焦点。
从GPU到光模块，从HBM到先进封装，从设备到原材料，短板在哪里，焦点就在哪里。
这轮科技牛市的推进速度之快、渗透之深、链条之复杂，远超以往任何一轮结构性行情。回顾过去几年，有几个值得留意的观察：
1、市场对产业链的认知在进化
经历过新能源、光伏等产业的完整周期，这一轮AI行情中，市场对产业链的“短板识别”变得更快、更精准。以前可能需要一两年才能完成从下游到上游的传导，现在几个月就能走完一轮。
这意味着留给普通投资者研究和反应的时间窗口正在缩短，但也意味着，那些提前把产业链脉络理清楚的人，会越来越从容。
对于普通投资者而言，不一定要精准把握每一个轮动节点，但搞清楚产业链的基本结构和传导逻辑，就能在市场切换焦点时知道‘现在轮到哪一层了’。
2、最终限制产业扩张的，永远是上游
不管是2021年碳酸锂的剧本，还是当下电子特气和钨粉的故事，都在验证同一个规律：当需求爆发式增长，产业链最上游、供给弹性最小的环节，往往会经历最剧烈的价格重估。
这不是偶然，而是产业规律使然。懂了这个规律，下一轮科技浪潮再来时，就能更快地找到关键环节，此文的目的也在于此。
3、科技投资的难度在提升
这轮行情从GPU一路烧到光刻胶、电子特气、钨粉，细分领域的专业性越来越强，普通投资者想要精准把握每一个轮动节点几乎不可能。
与其追逐每一个风口，不如退一步，用指数化的方式分享产业趋势的红利，这也是指数化投资的价值。
需要提醒的是：产业链传导越到上游，波动往往越大。上游材料对产业周期的敏感度更高，供需缺口的持续性也存在不确定性。
对于普通投资者而言，理解产业链的传导逻辑，理解市场发生的变化，坚守自己的策略，并通过一定的学习，慢慢拓展能力圈才是正道。
从我们手机里的一个AI指令，到矿山里的钨粉和工厂里的特种气体：看懂这条链，才算真正看懂了这轮科技牛市。
看懂了这个规律，才能在下一轮机会浮现时，做出更从容的判断。
=============
数据整理不易，还望多多点赞、推荐、转发支持。
往期热文