算力链的下一张涨价单，呼之欲出 | ETF风向标
时间：2026-07-16 13:17
上述文章报告出品方/作者：华夏ETF；仅供参考，投资者应独立决策并承担投资风险。
光模块、CPU就是前期的修公路，高投入拉动设备、材料的高景气；云计算服务、API调用就是服务区，当车流起来了之后，长期、可预期的收入也会到来。过去一两年，市场对算力硬件的挖掘非常充分；而对云计算服务、API调用等环节相对冷落。但最近市场环境正在发生微妙变化：
云计算ETF华夏（516630）连续获得资金净流入，规模近10亿元创下历史新高。（来源：wind，截至7月15日）云计算（Cloud Computing）本质上是一种按需提供计算、存储、网络等IT资源的服务模式。企业或个人无需自行采购服务器、建设机房，只需通过互联网即可调用所需的算力资源，并按照实际使用量付费。无论是训练大模型，还是部署AI Agent、智能办公、自动驾驶等应用，背后都需要云平台统一完成计算资源调度、数据存储、网络互联和运维管理。可想而知，近年来，随着AI大模型快速发展，云计算的重要性正在进一步提升。近日，国内服务器龙头浪潮信息发布业绩预告，上半年盈利能力大幅跃升。预计2026年上半年实现归母净利润26亿元至31亿元，同比增长226%至288%。（来源：公司公告）相比利润数字，更值得关注的是需求弹性和盈利结构已然发生变化。有分析指出，浪潮信息业绩大幅超出市场预期，主要得益于互联网厂商对服务器和超节点产品的大规模采购。随着AI服务器、高密度集群、液冷系统以及超节点架构逐渐普及，服务器企业已经从传统的硬件制造，转向价值量更高的系统集成、整机交付、算力调度及工程服务，带动营收和盈利能力同步改善。不只是A股市场，海外资本市场近期也开始重新审视AI产业链的投资逻辑。近期，摩根士丹利首席美股策略师Mike Wilson提出，AI投资正在进入第四轮风格轮动。他认为，相较于前期持续领涨的AI芯片企业，未来一段时间市场关注点可能逐步转向云计算，例如微软、谷歌、亚马逊、Meta等超大规模云服务厂商。第一，云计算大厂本身业务基本盘强，核心业务稳健，不完全依赖AI资本开支叙事；第二，云厂商在AI应用层拥有独特地位，这一价值被市场低估；结合过去几年的AI行情轮动特点看，分析师提出“四轮轮动”，核心逻辑其实是AI资本开支开始向云计算收入转化——（1）第一轮（2022年底至2023年）：ChatGPT发布引爆生成式AI浪潮，产业链情绪受到全面催化，软硬件方向呈现普涨格局。（2）第二轮（2023年至2024年）：随着模型宕机情况不断发生，市场认识到是算力供给是制约AI发展的最大瓶颈。GPU作为最稀缺的资源，英伟达成为最大的受益者，"卖铲人"逻辑主导市场。（3）第三轮（2025年至2026年）：随着AI训练规模持续扩大，仅有GPU已无法满足需求，服务器、交换机、光模块、液冷、PCB、先进封装等硬件产业链全面受益，AI基础设施进入系统性建设阶段。（4）第四轮：随着模型愈加成熟，市场开始尝试寻找AI商业化机会，资金逐渐向AI软件和应用公司扩散，希望寻找真正能够实现收入增长的AI应用场景。过去几年，全球云厂商持续投入数千亿美元建设AI数据中心、采购GPU和网络设备，而随着算力迭代，原先的资本开支正在逐步形成可对外提供服务的算力资源。随着企业AI推理需求不断增长，云计算平台有望迎来收入释放阶段。例如，Meta就已经开始筹划开展出租算力的云计算业务：一类是把部署在自身AI基础设施上的模型能力开放给外部客户，另一类是出租更底层的“裸算力”，把存量老旧算力做现金流回收。所以，如果说2023—2026年是全球AI基础设施的大规模投资期，那么到下半年或者明年，"资本开支兑现业绩、业绩反哺资本开支"的新态势可能会更加明显。换句话说，AI产业正在从“建设基础设施”逐步过渡到“运营基础设施”。在此前的内容中，我们经常会强调，AI产业正在经历一个重要变化——需求重心开始由训练向"训练 推理"双轮驱动转变。过去几年，大模型快速迭代带动训练算力需求持续增长；而随着AI Agent、多模态模型以及企业级AI应用不断落地，推理算力正在成为新的需求增量。训练决定了单次投资规模，而推理则决定了长期资源消耗。一次吃饱不如顿顿有粮。每一次智能客服响应、AI办公、代码生成、视频理解、工业质检等应用，都需要持续调用GPU集群完成推理计算。这意味着，随着AI应用渗透率不断提升，推理算力需求将呈现更加持续、更高频的增长特征。对于云厂商而言，这不仅意味着GPU利用率提升，也意味着IDC机柜利用率、网络带宽需求以及高速互联需求同步增长。从产业链来看，算力需求井喷 木桶效应下，需求增量正沿着"GPU—服务器—交换机—光模块—IDC—云服务"逐级传导，形成较强的产业协同效应。不仅如此，除了需求增长带来的规模爆发外，AI基础设施的底层架构升级，也在重塑云计算产业链。传统数据中心更多围绕CPU服务器构建，而AI时代的数据中心正逐步向GPU集群、超节点（Super Node）、高速互联及液冷散热演进。尤其是在超节点架构下，服务器已不再是单一计算设备，而成为融合计算、网络、存储、电源和散热的一体化系统。这意味着产业价值量正在重新分配。原本作为配角的交换机、高速光模块、液冷、电源管理、高速PCB等环节重要性凸显，价值占比持续提升，服务器厂商也由传统设备供应商逐步向整体算力解决方案提供商升级。与此同时，国产算力平台持续成熟，云厂商超节点方案陆续进入规模部署阶段，国产GPU、国产服务器、国产网络设备及国产操作系统协同推进，进一步提升了国内产业链的成长空间。IaaS（Infrastructure as a Service，基础设施即服务）：向用户提供服务器、GPU、存储、网络等基础计算资源，是AI训练和推理最重要的底层支撑。PaaS（Platform as a Service，平台即服务）：提供数据库、中间件、AI开发框架、模型训练平台等开发环境，帮助企业快速开发和部署AI应用。SaaS（Software as a Service，软件即服务）：直接向用户提供成熟的软件服务，如智能办公、CRM、ERP、协同办公等，AI能力正加速融入各类SaaS产品。简单来说，IaaS提供算力，PaaS提供开发能力，SaaS提供最终应用，三者共同构成了完整的云计算生态
VIP复盘网
