从大模型发展的底层逻辑来看，存在一个被业界广泛认可的规律——缩放定律（或称规模定律），这一理论为近年来大模型技术的迅猛发展提供了坚实的理论支撑。简单来说，缩放定律揭示了一个现象：当模型的参数量持续增加，同时用于训练模型的数据量也不断扩大时，模型的准确率会随之显著提升。这一规律不仅适用于模型的预训练阶段，而且正逐步向后训练及推理阶段延伸，尽管近年来关于缩放定律的讨论有所减少，但它仍然是推动算力需求持续增长的核心动力。以谷歌为例，其token生成量每过一到两个季度便接近翻倍，这正是规模定律在算力需求上的直观体现。

从全球产业链的视角审视，北美地区汇聚了多家AI领域的领军企业，如英伟达、谷歌等，它们不仅在GPU研发上占据领先地位，还积极投身于定制型计算芯片ASIC的研发。以英伟达为例，作为一家芯片设计巨头，它完成芯片设计后，会委托中国台湾的台积电进行代工生产。台积电完成芯片制造后，再将其交付给下游的组装厂商，最终组装成服务器并交付给云厂商，由云厂商进一步构建成大型数据中心。在这一过程中，光模块、PCB等关键器件的需求也随之激增，因此，通信行业的需求变化与北美市场的景气程度紧密相连。而北美资本开支情况，尤其是头部云厂商的资本支出，成为了衡量行业景气度的核心指标。我们通过台积电的AI收入来测算全球AI资本开支，因为无论哪家海外厂商研发AI芯片，最终都离不开台积电的代工服务，这使得台积电的收入数据对全球AI发展具有极强的指引意义。

据我们测算，台积电的代工收入与全球资本开支之间存在着约20倍的倍数关系。基于此，我们预测2026年台积电的AI代工收入将达到354亿美元左右，占其总收入的22%，进而推算出全球AI资本开支将达到约8000亿美元，这是一个庞大的市场需求。展望2027年，全球AI资本开支有望突破1.14万亿美元，年均增速保持在45%左右，呈现出高位企稳的态势。这一数字若换算成人民币，将接近8万亿元，远超许多上市公司的收入规模，为产业链上的众多企业提供了广阔的增长空间。

将目光投向更远的未来，根据台积电的预测，2029年其AI收入有望接近1000亿美元，对应全球AI资本开支将达到约2万亿美元。这意味着在2028年和2029年，全球AI资本开支将继续保持中高双位数的增长速度，需求成长势头强劲。这一庞大的资本开支不仅涵盖了芯片研发与生产，还包括了数据中心所需的服务器、交换机等硬件设施，为相关产业链上的企业带来了前所未有的发展机遇。

进一步剖析资本开支的结构，我们可以发现芯片领域的创新与发展尤为迅猛。以英伟达为例，其GPU产品路线图显示，2025年及2026年主流芯片仍将基于Blackwell架构，而Rubin芯片架构则将于今年第三季度实现量产发货，预计2028年将推出Feynman芯片。英伟达的芯片底层架构每两年更新一次，产品则每年迭代升级，如Rubin架构下的GPU将在下半年生产，明年则将推出Rubin Ultra GPU，展现出极强的创新活力。

与此同时，谷歌的TPU计算芯片也呈现出快速增长的态势。尽管谷歌在计算芯片领域的起步较晚，其第一代TPU于2015年才问世，但今年谷歌TPU的出货量已达到约400万片，明年有望进一步增长至600万片左右，对英伟达的市场份额构成了一定挑战。然而，无论芯片市场的竞争格局如何变化，芯片端的快速放量都将为A股市场上的光模块等部件带来利好。

光模块等部件在数据中心建设中扮演着至关重要的角色，它们如同“卖铲人”一般，无论数据中心采用的是英伟达还是谷歌的芯片，都需要大量的光模块来构建超大型网络。当前的数据中心往往由一二十万张GPU组成，光模块的需求量之大可想而知。因此，芯片端的快速放量无疑将为光模块等部件带来广阔的市场空间。

从ETF配置的角度来看，通信ETF（515880）更侧重于海外算力主线，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、海外云计算厂商同处于一条AI算力产业链上，海外AI资本开支的高增有望继续带动相关环节的需求增长。而半导体设备ETF（159516）则更偏向于国产算力和存储扩产主线，受益于半导体设备的国产替代和存储产能的扩张。整体来看，通信ETF在短期业绩弹性和确定性方面表现更为突出，而半导体设备ETF则具有更大的中长期发展空间，但波动和风险也相对较高。投资者可根据自身的风险承受能力，采取分批或逢低布局的方式参与投资。

风险提示：本文提及的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。指数等短期涨跌情况仅供参考，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。提及的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相匹配的产品进行谨慎投资。涉及基金费率请查阅相关法律文件。