从大模型本身的角度来看，有一个定律叫做缩放定律，或者翻译为规模定律可能会更加合适一点，这是这几年支撑我们大模型定律在快速增长的一个理论上的逻辑。大家可以看到，规模定律是非常简单的，就是当一个模型的参数量做得越来越多，投入给这个模型、让它进行训练的语料越来越多时，它的准确率可能会持续改善。

当然，从现在发展的阶段来看，大模型在训练的过程中主要分为预训练、后训练以及推理阶段。这个规模定律，或者说缩放定律，正在从之前的预训练阶段逐步向后训练以及推理阶段过渡。当然，这件事情一直在发生。虽然这两年提到规模定律的声音可能变少了一点，但我觉得它仍然是持续支撑算力需求快速成长的逻辑。我们也看到，在规模定律以及推理放量的情况下，现在全球算力成长比较明显，比如谷歌，其token每过一到两个季度就会有接近翻倍的增长。本质上，还是因为在类似于规模定律这些理论的支撑下，自发形成的需求。

如果从全球的产业链去看，有的朋友可能还不是特别了解，我这里简单介绍一下。北美那边有几家耳熟能详的厂商，比如英伟达，以及其他厂商像谷歌，它们自己都可能做GPU或者定制型计算芯片ASIC。在它们的产业链上，我们以英伟达为例，它是一家芯片设计厂商，它完成芯片设计之后，会让中国台湾的台积电帮它做代工。台积电完成代工之后，会进一步把芯片交给下游的组装厂商，最后再把组装成的服务器交到终端的这些云厂商手上。然后这些云厂商会把服务器进一步组装成大型数据中心。

在这个过程中，它们可能需要采购我们经常提到的光模块、PCB等器件。所以可以看到，从通信行业的需求去看，还是要观察北美景气的情况。当然，这个过程中有一个很核心的景气度指标，就是北美资本开支情况，其实也就是北美头部几家云厂商的资本开支情况。这里我们做了资本开支测算，主要是用中国台湾台积电的AI收入去测算全球AI资本开支。为什么会选台积电作为锚点呢？本质上因为，在芯片这个层面，给大家举个例子，我们知道英伟达的份额很高，但是目前来看，除了英伟达之外，其他云厂商，包括谷歌、亚马逊等，也都在做自己的定制芯片，所以后面份额可能会有一些变化。

但是海外厂商做AI芯片，不管是谁做，都会去找中国台湾台积电帮它们做代工，所以从台积电视角来看，对全球AI发展应该说有比较强的指引意义。因此，我们从台积电的AI芯片代工收入去对应全球资本开支，就有比较强的指引性质。我们这边测算，台积电的代工收入对应到全球的资本开支，中间的倍数大约会在20倍出头。所以我们看到，在2026年我们测算的台积电的AI代工收入会是354亿美金左右，占它总体收入的22%左右。测算出来，2026年全球AI资本开支会在8000亿美金左右，这是一个比较大的需求。

如果往2027年看，根据我们测算的结果，全球AI CapEx可能会在1.14万亿美元左右。也就是说，今年以及明年，全球AI CapEx的增速都会保持在45%左右，也就是高位企稳的状态。可能有的朋友对1.14万亿美元这个数字没有特别大的感觉，我们可以把它转换成人民币，大概接近8万亿元的水平，这个体量已经非常大了。我们可以看一下很多上市公司，包括龙头上市公司，它们的收入体量在8万亿元面前都是比较小的。所以从产业链上看，很多公司都还是有比较强的增长空间。

如果往远期看，我们根据台积电的视角去看，2029年台积电AI的收入可能会接近1000亿美元，对应全球的AI CapEx大约在2万亿美元左右。所以可以看到，全球AI资本开支在2028年和2029年都能够保持在中高双位数的水平，总体上需求成长非常迅猛。因为我们知道，在这个资本开支里面，包括芯片，也包括数据中心里用到的服务器、交换机等。在这个过程中，如果资本开支能够快速成长，对于里面的硬件都会是比较大的机会。

如果我们再进一步去拆分资本开支的结构，比如芯片，英伟达自己的GPU现在基本上每年都在迭代，大家可以看一下英伟达GPU产品的路线图。2025年以及今年2026年，目前主流的芯片还是基于Blackwell架构的GPU。大家可以看一下图最左边的一些GPU的情况，中间部分是Rubin芯片架构，这款芯片会在今年Q3实现快速的量产发货，2028年会推出Feynman芯片。

数据来源：NVIDIA

所以总体来看，英伟达芯片的底层架构是每过两年更新一次，产品则是每年都会更新。以Rubin为例，今年它下半年会生产RubinGPU，明年会进一步地去生产Rubin Ultra GPU。它们底层架构都是基于Rubin体系，所以它的迭代速度就是每年都会有产品迭代，每过两年都会有一次底层架构比较大的更新。因此，从GPU来看，整体发展速度非常迅猛。

然后谷歌这一边，我们可以看到，谷歌的TPU成长得比较快。当然，谷歌它做这种计算芯片的历史可能没有像英伟达那么久。英伟达在2000年以前就推出了自己的GPU，但是谷歌第一代TPU可能是2015年才开始做的。但是我们观察到，今年谷歌的TPU放量非常迅猛，可能已经达到400万片左右的水平，明年可能会进一步接近600万片的水平。所以总体上，谷歌TPU成长比较迅猛，当然它也挤掉了一些英伟达的需求。

但不管怎么样，我们可以看到，芯片端的快速放量，对于A股的像光模块这类部件是一件好事。为什么我们会这么说？其实大家可以看到，像光模块这类部件有一个“卖铲人”的逻辑。也就是说，在芯片端，我不管你放量的是谁的芯片，是英伟达还是谷歌的。只要你们放量，因为现在的数据中心肯定要把很多GPU组成一个超大型网络。现在数据中心都是一二十万张GPU组成的巨大网络。在组网过程中，光模块的作用非常重要。

从ETF配置角度看，通信ETF（515880）更偏向海外算力主线，主要受益于光模块、服务器、铜连接、光纤等环节的景气提升。由于A股通信产业链与美股半导体、海外云计算厂商处在同一条AI算力产业链上，海外AI资本开支高增有望继续带动相关环节需求。半导体设备ETF（159516）则更偏向国产算力和存储扩产主线，受益于半导体设备国产替代和存储产能扩张。整体来看，通信ETF短期业绩弹性和确定性更突出，半导体设备ETF中长期空间较大，但波动和风险也相对更高。投资者可结合自身风险承受能力，采取分批或逢低布局的方式参与。

风险提示：提及个股仅用于行业事件分析，不构成任何个股推荐或投资建议。指数等短期涨跌仅供参考，不代表其未来表现，亦不构成对基金业绩的承诺或保证。观点可能随市场环境变化而调整，不构成投资建议或承诺。提及基金风险收益特征各不相同，敬请投资者仔细阅读基金法律文件，充分了解产品要素、风险等级及收益分配原则，选择与自身风险承受能力匹配的产品，谨慎投资。涉及基金费率请查阅法律文件。