这是对算力产业链的简单示意图，流程上，英伟达先设计GPU，接着委托台积电做制造和封装测试，然后交给下游的ODM厂商做成一个基板，在这个基础上进一步把它组装成服务器，再把服务器转交给下游的云厂商，这些云厂商可能在进行组网的时候也需要购买交换机。
在这个产业链中，设计主要是由英伟达自己完成的，制造由中国台湾的台积电完成。其中用到的PCB包括A股的几家PCB龙头公司以及台股的PCB龙头公司，服务器ODM主要是由工业互联、广达电脑、伟创、英业达等公司进行组装，到客户端下游的云厂商，主要是北美几家较大的云厂商，包括亚马逊、谷歌、微软、META等。在英伟达的产业链上，IC设计、IC制造等方面A股公司的参与程度是比较低的，而在以下环节占有较高的份额，自然这些环节也就跟英伟达本身的景气度高度强相关。
第一个是PCB，因为A股很多公司比较有竞争力，他们在AI还没有兴起之前就有比较大的优势。另一个是光模块，光模块属于英伟达AI需求起来以后形成的针对性成长领域。第三个是服务器ODM，也就是组装AI服务器，它的利润可能也会比组装传统的通用服务器更高一点。这里面我们重点聊一下光模块的机会。
光模块：用于大型网络连接，AI服务器带动光模块起量
因为现在的大模型规模比较大，进行大模型的训练和推理不可能依靠一台服务器或者一张GPU就能够完成。即使GPU再先进，它显然都承受不起这么大规模的运算量，我们就可以把GPU进一步组装成更大的集群，大模型运算的任务就可以分割成无数个小任务，分发到每一张GPU上，分别进行运算，最后通过各种各样的运算得到结果并汇总。
现在数据中心的组网也比较复杂，我们用的AI集群里面最简单的要求就是任意两个GPU之间或者服务器之间必须得有一条通路，这样才能够满足数据交换，可以看一下示意图，其中红色部分是GPU，上面有一层交换机，分别把GPU连起来，连成一个小的集群，再由上面的交换机把各交换机连接起来，这样下面的GPU可以连成一个集群，如果还要进一步扩展GPU的规模，就可以在上面再加第三层交换机，叫作核心交换机，这样就可以把GPU连成一个比较大的集群。
在这其中，光模块的作用是什么？数据中心信号的频率是比较快的，传输的速率也很快，在这个时候如果还用传统的铜缆进行长距离信号的传递，这个电流会有一个趋肤效应，这些信号在传输的过程中集中在导体的表面，传输不均匀，这就会引发发热、信号的损耗等问题，导致最后数据包丢失等比较严重的后果，训练和推理的效率就会下降得非常快，所以在传输的过程中必须用光进行长距离的传输。
如果距离比较长的话，怎么用光传输？信号从交换机出来以后需要用一个光模块把电信号转化成光信号，传输到另一端之后又把光信号转化为电信号进行进一步的数据处理，光电转换的任务就是由光模块来做的。为什么要转化成电信号？因为现在光信号是没有办法进行数据处理的。所以光模块在集群里面占据了必要且核心的位置。A股公司也在光模块领域的技术领域、产能方面全球有一个比较大的优势，在北美的云厂商定制芯片里面都有比较大的份额。
在英伟达GPU进化的过程里，对于网络的要求也变得越来越高，英伟达的上上代A100芯片，它的网络通信速率大概是200G，因为配套的是200G网卡，在英伟达H100芯片里面，它的网络通信速率已经到达了400G，当时用的主要光模块是400G和800G，到GB200后，网络的通信速率到达了800G，也就是说现在在这个网络里用到的光模块必须得是800G以上，甚至是1.6T的光模块。因为它可以向下兼容，一个1.6T的光模块相当于两个800G的光模块，所以整体来看光模块一方面是受益于英伟达的GPU量的成长，另一方面从200G到400G、800G，再到1.6T，后面可能还会再到3.2T，技术密集度也在提高，所以总体上光模块也是量价齐升的。
根据研究机构的测算，在组建三层网络的时候，GPU和光模块的比大概是1：3.5，也就是一张GPU需要用到3.5个光模块，之所以比例会略低，是因为它是以Blackwell进行测算的，里面用到了1.6T的光模块，如果全部用800G的，这个比例会进一步上升。光模块和PCB的业绩确定性是很强的，需求也是比较明确的，只要英伟达的卡可以放量，下游的厂商买了卡以后要组建一个大规模的集群。在组建集群的时候，所用到的光模块、服务器交换机以及光模块里面的PCB的量都是在上升的。
如果要去筛选相关的投资品，通信ETF（515880）光模块、服务器ODM加铜连接的占比超过60%，光模块占比超40%，业绩确定性比较强，从4月份看到现在的走势是比较好的。创业板人工智能ETF国泰（159388）光模块占比也较高，具备高弹性的特点。而信创ETF（159537）涵盖了在信创产业链上的很多个股，比如GPU设计、制造等公司，随国产算力发展或有比较好的前景。
