这一轮半导体周期的核心驱动力是AI的基建背景，与上一轮由单一消费电子产品驱动的周期不同，当前周期主要聚焦于AI算力端的上游需求，如材料、设备和服务器等。目前AI应用主要在训练端和推理端，但尚未完全渗透到下游终端，未来随着AI agents和大模型的应用普及，将带动终端芯片的硬件迭代，为半导体行业带来更大的周期机会。当前阶段可能还处于半山腰，产业发展趋势远未走到尽头。
从产业链价值分配来看，芯片设计环节在整个半导体产业链中占据最高价值量占比，约56%，其中逻辑芯片和存储芯片占比约60%。芯片设计公司凭借其在上游和中游的作用，对下游AI硬件的用量、发展方向和路径具有决定性影响，同时其轻资产、高经营杠杆的商业模式也使其在行业中具有高弹性。
算力芯片主要包括GPU、NPU和TPU。GPU最早用于图形处理，适合大规模并行计算，在AI服务器中占比约80-90%；NPU专注于神经网络运算，功率较低，更聚焦于推理端；TPU由谷歌提出，可进行正向和反向推理，性能优于GPU，未来在非GPU部分的AI服务器中占比可能达到40%以上。
随着AI从训练走向推理，CPU的重要性逐渐回归。CPU负责服务器中的任务编排、调度和工具调用，在混合模型和推理场景下使用率上升，未来AI服务器中GPU和CPU的比例将趋于1:1。
功率半导体在AI数据中心中扮演重要角色，其核心功能是控制电，例如手机快充芯片、新能源车逆变器芯片和电网高压输电芯片等。在AI发展过程中，功率半导体将用于提升服务器效能，包括更高功率的配电任务，推动800伏碳化硅等技术的应用。
“鲑定律”是一种范优化范式转变，从过去的几何微缩转向时间微缩，目标是提升芯片计算速度和解决复杂问题的效率。其衍生概念“逻辑折叠”通过更紧密的算力芯片、存储芯片、功率半导体等一体化设计，提升整体系统性能。鲑定律将推动封测封装、芯片设计（尤其是3D仿真和逻辑折叠）、EDA等领域的发展，为国产替代提供更多元路径。
国产大模型迭代速度加快，海外token调用量增多，标志着国产芯片设计不再仅仅是国产替代，而是打开了全新的需求天花板。目前国产大模型在编程领域已达到国际顶尖水平，但训练端仍需提升，未来多模态发展值得关注。华为昇腾950已推出PR版本并计划大规模量产，昇腾960、升算4等国产AI芯片也将陆续发布，超节点集群化方案预计三季度量产。
当前AI投资市场处于阶段性拥挤度较高状态，但基本面和产业趋势依然向好。下半年和明年AI行情的确定性较高，国产算力是现阶段更具投资价值的领域。国产算力将受益于产能瓶颈突破、AI算力供需增长、云厂商资本开支提升和政策支持等因素，未来发展空间广阔。
对于想布局芯片设计赛道的投资者，科创芯片设计ETF（永银）是纯度较高、聚焦国产算力的产品工具，适合看好国产算力发展并希望参与AI算力贝塔的朋友。近期市场波动可能加剧，建议采取分批建仓、逢低布局的思路。
