AI发展打开芯片设计行业成长空间——浦银安盛上证科创板芯片设计主题ETF投资价值分析

AI发展打开芯片设计行业成长空间 ——浦银安盛上证科创板芯片设计主题ETF投资价值分析 本报告导读： AI基础设施投入扩张、国产替代推进及政策支持共同提升芯片设计环节关注度，上证科创板芯片设计主题指数历史区间内呈现较高收益弹性，可关注浦银安盛上证科创板芯片设计主题ETF工具型配置价值。 梁誉耀(分析师)021-38038665liangyuyao@gtht.com登记编号S0880524080003 投资要点： AI算力从云端向边端扩散，打开芯片设计成长空间。生成式AI与大模型落地推动算力需求提升，AI应用由云端训练延伸至推理、边缘和终端场景，带动AI加速芯片、端侧SoC、边缘推理芯片、存储接口和高速互联等需求提升。 付欣郁(分析师)021-23183940fuxinyu2@gtht.com登记编号S0880525070018 存储与数据搬运压力上升，强化相关设计需求。AI训练、推理和长上下文应用扩张后，数据存取和搬运重要性提升，高带宽内存、存储接口、缓存管理和高速互联等环节有望成为算力硬件升级的重要支撑。 国泰海通量化选股系列（四）——如何构建低波策略2026.06.05低利率背景下的绝对收益探索2026.05.29ET F配置系列（三）：构建不同风险偏好的ETF配置策略2026.05.28解构“固收+”系列（一）：公募“固收+”全景解析2026.05.25ET F配置系列（七）：海内外主动ETF发展趋势及布局方向研究2026.05.21 国产算力生态加速成型，政策新基建提供支撑。国产算力从“单卡比拼”转向“系统级竞争”，模型适配、超节点和“一云多芯”调度等进展为本土芯片设计企业提供验证场景，算力网、算电协同等政策亦提供中长期需求环境。 浦银安盛上证科创板芯片设计主题ETF以上证科创板芯片设计主题指数为跟踪指数，该指数选取科创板内业务涉及芯片设计领域的上市公司证券作为指数样本，成分股集中于芯片设计及相关高附加值环节，数字芯片设计权重79.6%，模拟芯片设计权重15.4%，两者合计约95.0%，高于国证芯片和科创50。基本面指标来看，科创芯片设计指数呈现偏中小市值和高研发的特征。从收益特征来看，在过去1年、3年和5年收益分别为113.04%、157.44%和139.28%，高于国证芯片和科创50，收益弹性相对较高，同时需关注较高波动和估值回撤风险。该ETF交易代码为589250，已于2026年3月18日成立，2026年4月1日在上海交易所上市。 产品投资团队具有较丰富的基金管理经验。浦银安盛基金在管产品数量123只，管理规模3513.08亿元。目前公司业务多元发展，涵盖权益、固收、量化、另类等多领域的资产管理业务，较为多元的产品布局有助于该产品日常运营和跟踪管理。 风险提示：AI发展受国际形势等因素影响，发展速度不及预期；政策实际落地力度不及预期；芯片相关技术发展速度不及预期；半导体行业周期波动、估值回撤、ETF跟踪误差及流动性风险。 目录 1.多重逻辑支撑芯片设计产业高景气.......................................................3 1.1.芯片产业链全景拆分.......................................................................31.2.芯片设计环节核心特征：轻资产、高研发、高附加值......................31.3.AI算力从云端向边端扩散，多场景硬件需求打开............................41.4.推理与Agentic AI发展，算力系统走向异构协同.............................51.5.存储与数据搬运压力上升，存储和互联相关设计重要性提升...........51.6.国产算力生态加速成型，本土芯片设计迎来更多验证场景...............61.7.政策与新基建持续支撑算力基础设施建设.......................................72.从泛芯片到芯片设计：指数成分画像与细分暴露..................................72.1.指数编制方案.................................................................................72.2.指数成分画像：市值分布、行业分布..............................................82.3.指数个股穿透：集中于芯片设计及相关高附加值环节....................102.4.指数收益表现：高弹性、高波动...................................................123.浦银安盛上证科创板芯片设计主题ETF投资价值分析........................133.1.产品简介......................................................................................133.2.产品优势......................................................................................143.2.1.作为ETF产品的优势..............................................................143.2.2.平台和基金经理管理的优势....................................................144.总结...................................................................................................155.风险提示............................................................................................15 1.多重逻辑支撑芯片设计产业高景气 1.1.芯片产业链全景拆分 半导体芯片产业链是电子信息产业的核心底座，覆盖从基础材料到终 端应用的全流程环节。 上游为产业基石环节，主要包括半导体材料与半导体设备两大板块：半导体材料涵盖硅片、光刻胶、特种气体、靶材等，是芯片生产的基础原材料；半导体设备包括光刻机、刻蚀机、沉积设备、检测设备等，是芯片量产的核心生产工具，两者共同为中游制造环节提供底层保障。 中游为产业价值核心环节，分为芯片设计、晶圆制造、封装测试三大专业化环节，是产业链技术壁垒与附加值最高的部分：芯片设计处于产业链中枢位置，承担芯片产品定义、架构研发、电路设计、功能验证等核心工作，直接决定芯片的性能、功耗、功能与成本，是技术创新的源头与核心；晶圆制造将设计好的芯片版图通过光刻、刻蚀、沉积等工艺在硅片上实现电路结构，是芯片量产的核心制造环节，具有重资产、高资本开支的特征；封装测试对制造完成的晶圆进行切割、封装、功能与性能测试，是芯片进入终端应用前的最后环节，保障芯片的良品率与可靠性。 下游为产业需求终端，覆盖消费电子、汽车电子、人工智能、工业控制、物联网、数据中心等万亿级应用场景，终端需求的变化直接决定芯片行业的整体规模、增长动能与结构方向。 资料来源：上海硅产业集团招股说明书，国泰海通证券研究整理 1.2.芯片设计环节核心特征：轻资产、高研发、高附加值 芯片设计环节通常不直接承担大规模晶圆制造产线建设，资产投入相 对较轻，但对研发人员、IP积累、EDA工具、架构设计和产品迭代能力要求较高。因此，芯片设计企业往往呈现轻资产、高研发和高附加值特征。 也正因为设计环节更依赖产品定义和技术迭代，当AI应用从训练走向推理、从云端走向边缘和终端，相关企业的研发方向会更多围绕算力、功耗、带宽、接口和生态适配展开。 1.3.AI算力从云端向边端扩散，多场景硬件需求打开 AI算力需求首先来自基础设施投入和模型能力升级。根据国泰海通证券计算机团队的报告《AI算力云、边、端的演绎与格局：技术、架构与应用的三重演进》，AI正向“云-边-端”协同演进，算力部署呈现模型训练成本高企但单位任务成本下降的趋势，智能算力在云端、终端和边缘市场全面爆发增长。 资料来源：Wind，国泰海通证券研究 在终端侧，根据国泰海通证券计算机团队的报告《AI算力云、边、端的演绎与格局：技术、架构与应用的三重演进》，根据头豹研究院数据，中国端侧AI市场规模从2018到2023年CAGR高达116.3%，2023年达1939亿元。预计2028年中国端侧AI市场规模将为19,071亿元，年化复合增长率为58%。AI手机渗透率将在2025年达到34%，并将保持高速渗透趋势。AI PC渗透率在2025年底将达到31%，到2029年AI PC将成为常态。 端侧之外，边缘场景也在扩展。根据国泰海通证券计算机团队的报告《AI算力云、边、端的演绎与格局：技术、架构与应用的三重演进》，当前边缘AI产业正呈现出多元化、协同化的发展态势。在芯片层面，市场竞争尤为活跃，国内外已有超过32家芯片企业参与角逐，技术路线丰富多样。从瑞芯微等厂商专注于小算力、低功耗的端侧芯片，到英伟达等巨头推出面向大模型训练与推理的高性能专用芯片，形成了覆盖不同算力需求的全栈产品矩阵。 1.4.推理与Agentic AI发展，算力系统走向异构协同 AI进入推理和Agentic AI阶段后，算力系统的瓶颈开始从单点算力转向协同效率。根据国泰海通证券计算机团队的报告《推理与Agentic AI浪潮下，CPU重回AI基础设施核心中枢》，推理与Agentic AI正推动AI基础设施从GPU单点算力竞争转向CPU-GPU异构协同竞争，CPU有望由配套组件升级为执行中枢，并带动国产CPU及数据中心配套产业链迎来结构性机遇。 这类工作负载对系统内各类芯片的配合提出了更高要求,根据国泰海通证券计算机团队的报告《推理与Agentic AI浪潮下，CPU重回AI基础设施核心中枢》。随着推理请求、多用户并发、长上下文、多Agent协作的增长，CPU负载显著提升，CPU:GPU配比由训练阶段的1:8演进至推理阶段1:3~1:4，Agent阶段接近1:2。CPU价格上涨、交期延长已初步验证需求回升，未来AI数据中心将从单纯堆GPU转向“CPU+GPU+内存+网络+软件”的整体优化。 从具体任务看，CPU在任务规划、数据处理、KV Cache管理、工具调用及多智能体协作中作用凸显，正迎来估值重塑与供需错配，或成继存储后的稀缺溢价环节。我们认为，这也意味着，AI推理和AgenticAI不仅带来某一类芯片需求，而是推动通用计算、AI加速、存储和网络等多类芯片在同一系统中重新分工。 1.5.存储与数据搬运压力上升，存储和互联相关设计重要性提升 AI训练、推理和长上下文应用持续扩张后，数据存取和数据搬运的重要性明显上升。根据国泰海通证券半导体团队的报告《存储产业链的“通胀”投资机会》，本轮由AI驱动的存储超级大周期的持续性很强，国内长鑫科技IPO招股文件的披露预示着公司离科创板成功上市又进一步，将带动国内 存储相关半导体设备、半导体材料公司同步受益。 存储需求的变化与推理侧应用形态密切相关。根据国泰海通证券半导 体团队的报告《存储产业链的“通胀”投资机会》，NVIDIA推理上下文记忆存储平台的推出将进一步加大存储供给的紧张状态，预计26Q1 NAND和DRAM合约价将分别环比增长33%-38%、55%-60%。 在AI系统中，存储不只是容量配套，还直接影响模型