摘要：过去三年，AI行情的演绎先后经历了ChatGPT带来“从0到1”的突破，Sora掀起第二波浪潮，海外科技巨头加注。如今，伴随算力需求从“训练”主导走向“推理”驱动，又迎来新一轮爆发。随着AI相关资本开支持续攀升，市场也快速计入未来的成长预期。
重要提示：本材料不构成淡水泉任何形式的要约、承诺或其他法律文件，亦非任何投资、法律或财务等方面的专业建议。过往业绩不预示未来表现。投资须谨慎。
过去三年，AI行情的演绎先后经历了ChatGPT带来“从0到1”的突破，Sora掀起第二波浪潮，海外科技巨头加注。如今，伴随算力需求从“训练”主导走向“推理”驱动，又迎来新一轮爆发。随着AI相关资本开支持续攀升，市场也快速计入未来的成长预期。
推理端的"规模定律"催生新需求
近几年，互联网大厂持续投入AI技术，背后有一个不变的底层逻辑——“规模定律”（scaling law）。简单来说，就是每多投入一块GPU、每提升一点算力，AI的效果就会变得更好。而这条定律的应用，在过去几年中经历了三次关键变化：从预训练到后训练，再到推理端。
2023年，“规模定律”主要体现在“预训练”阶段：基座大模型的性能随模型规模、数据量和计算资源增加而提升。到了2024年，“规模定律”则从预训练转向后训练（post-training），即针对特定任务、领域或偏好，对模型进行进一步优化的阶段。以马斯克的Grok模型为例：从Grok2升级到Grok3时，算力主要加在预训练环节；而在Grok3到Grok4的迭代中，算力的增加主要体现在后训练环节。
今年的一个新趋势是，“推理端”的规模定律（Test-time scaling law）变成了算力增长的核心动力，原因是AI应用需求开始落地，如编程、搜索、图像处理等AI的使用量明显增长。每一次用户调用、人机交互，都在实时消耗算力。应用越广泛、调用频次越高，tokens（可理解为文本单位）的消耗量就越大，推理所需的算力也就越强。可以看到，仅用一年时间，谷歌Gemini tokens的月消耗量增长了50倍。
每年高达数千亿美元的算力投资，驱动产业链上游迎来“水涨船高”的机遇，这不仅包括GPU本身，还包括与之配套的高速互联方案、电源、散热系统等。
在算力投资方面，可大致分为海外算力与国产算力两大方向，二者在投资逻辑上各有侧重。
海外算力：产品升级与对价格敏感的上游环节受到关注
产品升级是指该环节需要更高性能的产品，进而使得该环节的价值量提升。这意味着，细分行业不仅可以享受到总量的需求增长，还能捕捉到由技术升级带来的额外价值提升。
芯片升级与互联升级，是驱动产品迭代的两大核心动力。
芯片升级方面，以英伟达为例，去年主打H系列芯片，今年已过渡到B系列，明年将推出R系列。随着每一代芯片的功耗提高，配套供电系统将会持续升级——例如电源规格从3kw提升到5.5kw，下一代可能进一步提升到10kw以上，散热方案也从风冷转向液冷。这些都使得单系统的价值量不断提升。
互联升级方面，高速互联是实现多芯片协同、充分发挥算力的关键。以铜连接的互联为例，高速线缆的互联速率从112G向224G升级，下一代可能会向448G演进，这对 PCB和铜缆等材料提出了更高要求，从而推动整个配套产业链持续技术创新。
另一方面，则是对价格敏感的上游环节。当下游需求发生波动时，往往会沿供应链向上游传递，但这个传导过程存在滞后性，会导致某些环节出现供给瓶颈，从而推动价格上涨。以 PCB 产业链为例：回顾过去五年的扩产节奏，下游需求起来后，PCB率先扩产，其后，产业链上游环节才跟进，最后传导至细分材料环节。由此就产生了一个“滞后效应”，越往上游，扩产周期越长，供给往往越紧张，价格弹性也越明显。这一现象背后也隐藏着相应的投资机会。
国产算力：壁垒高和远期空间大的环节具备想象力
在AI出现之前，中美互联网企业的年度资本开支长期稳定在1:5左右。而进入AI时代，双方在算力储备上的增速开始拉开差距。美国互联网公司近几年的算力储备几乎每年翻倍增长。国内算力储备的增长虽快，却仍落后于美国。核心原因在于美国对华实施高端芯片禁运，导致国内出现明显算力缺口，而这一缺口，亟需由国产算力芯片来补足。
国产算力芯片到底能不能补上这个缺口？国产算力技术的进步与AI产业趋势的变化，为国产算力的应用提供了现实可能。
客观来看，国产GPU的单卡性能仍落后于英伟达的主流产品，但值得注意的是，英伟达目前对华销售的H20芯片，其单卡性能已经低于部分国产GPU，这意味着，从单卡性能角度来讲，国产GPU已经可以和英伟达对华特供版较量。
此外，虽然国产算力在互联技术与软件生态方面尚需持续追赶，但一个重要趋势是，AI算力需求正逐渐从训练转向推理。训练依赖大规模集群互联，而推理对于超大集群互联的要求比训练低，这一趋势转变恰恰有利于国产算力扬长避短，使其在特定场景与环节中逐步满足客户需求。
当前国产算力仍处于发展早期，需要权衡两个维度综合考虑：一是远期市场空间是否足够大；二是行业壁垒是否足够高。壁垒高的领域通常竞争格局更优，相关公司可以享有更高的利润率。一般而言，越靠近产业链上游，壁垒往往越高，例如晶圆制造、GPU芯片以及半导体设备等环节；而从远期市场空间来看，GPU、AIDC、服务器ODM等环节则是空间较大的环节。
AI作为典型的新兴产业，其发展始终伴随高度不确定性。今年初，DeepSeek大模型以更低计算成本实现高性能，一度引发市场对“算力通缩”的担忧。但进入四、五月份，随着“推理端”需求的快速增长，AI叙事又重回乐观。产业趋势的快速变化是新兴科技投资的本质特征，没有人拥有预判未来的水晶球。因此，对于AI算力投资既要积极拥抱产业趋势，也需紧密跟踪，保持“走一步看一步”的理性和清醒。
市场有风险，投资须谨慎）
来源：新浪财经
