AI投资已经不只是 $NVDA：22只ETF把整条产业链拆开了 如果你还把AI行情理解成“买英伟达、买半导体”，可能已经低估了这一轮资本开支扩散的速度。 现在AI已经从GPU一路扩散到：HBM、晶圆、光通信、Neocloud、电源、MLCC、液冷、软件、网络安全，甚至OpenAI、Anthropic、Meta、DeepMind和xAI各自的生态链。 这份AI ETF地图，建议收藏： 一｜半导体 / GPU / 晶圆 $SMH VanEck半导体ETF 半导体核心组合，覆盖英伟达、台积电、AMD等龙头。 $SOXX iShares半导体ETF 同样覆盖整个半导体产业链，配置相对分散。 $AIFR Defiance Global Foundries ETF 专门聚焦晶圆制造，把AI投资进一步拆到“谁负责真正把芯片制造出来”。 二｜HBM / DRAM / 存储 $DRAM Roundhill Memory ETF 直接押注存储产业链，包括DRAM、NAND以及AI最重要的HBM方向。 AI算力越强，对高速存储的需求越高，所以HBM已经从普通零组件升级成AI基础设施的重要瓶颈之一。 三｜光通信 / 光模块 / 硅光 $LYTE Roundhill Photonics & Optics ETF 聚焦光通信、光学、光模块和相关产业链。 $FOTO Tuttle Capital Pure Play Photonics ETF 同样主打Photonics光子技术。 当AI集群从几千颗GPU扩展到几万甚至几十万颗芯片以后，最大的挑战之一，就是如何让这些芯片高速连接。 所以AI的下一轮预算，不只是“算得快”，还要“传得快”。 四｜Neocloud / GPU算力租赁 $NCLD Roundhill Neocloud ETF 重点押注GPU-as-a-Service、AI数据中心以及Neocloud算力租赁。 如果不想自己买GPU，就租算力。 这也是AI基础设施里过去两年迅速冒出来的一种新商业模式。 五｜传统云计算 $SKYY First Trust云计算ETF 聚焦成熟云生态。 相比Neocloud，这条线更多是传统云计算、软件和基础设施平台。 六｜MLCC / 电容 / AI电源 这一块可能是目前市场最容易忽略的AI基础设施分支之一。 $CCML Roundhill MLCC & Electronic Components ETF 聚焦MLCC以及电子元件。 $CAPA 电容 / MLCC ETF 主要覆盖被动元件、电容相关产业链。 $PSOX AI服务器电源相关ETF 聚焦AI服务器供电、电源转换及相关零组件。 为什么这些东西突然重要？ 因为GPU功耗越来越高，AI机架的电力密度也越来越高。 到了下一代AI数据中心，市场讨论的已经不是单纯“GPU够不够”，而是： 电送不送得到？电压稳不稳定？功率转换效率够不够？ 七｜液冷 / AI热管理 $COOL AI Thermal Management ETF 聚焦液冷、散热以及AI数据中心热管理。 GPU越强，产生的热量越大。 所以AI资本开支最终会形成一条非常清晰的链条： 芯片 → 电力 → 散热 → 互联。 少任何一环，整个AI数据中心都跑不起来。 八｜AI软件 / SaaS $IGV iShares Expanded Tech-Software Sector ETF 覆盖软件、SaaS以及云软件。 $WCLD WisdomTree Cloud Computing Fund 更集中在云计算软件方向。 AI基础设施建设完成以后，最终还是需要应用层去产生收入。 所以AI交易的后半场，很可能会逐渐从“卖铲子”向“谁真正把AI变成软件收入”扩散。 九｜网络安全 $CIBR First Trust Nasdaq Cybersecurity ETF $HACK 网络安全ETF $BUG Global X Cybersecurity ETF AI Agent越来越多、企业数据越来越多、模型访问权限越来越复杂，网络安全本身也可能成为AI时代另一笔刚性IT预算。 十｜最特别的一组：直接押注五大AI实验室生态 这可能是整张ETF地图里最有意思的一组。 $OAIW OpenAI Lab Ecosystem ETF 押注OpenAI产业链合作伙伴。 $ANTW Anthropic AI Lab Ecosystem ETF 押注Claude / Anthropic生态。 $MTAW Meta AI Lab Ecosystem ETF 押注Meta AI生态。 $DEPW Google DeepMind AI Lab Ecosystem ETF 押注Gemini / DeepMind生态。 $XAIW SpaceXAI Lab Ecosystem ETF 押注xAI / Grok生态。 这类ETF的逻辑已经不再只是： “AI会不会增长？” 而是进一步变成： 你认为未来哪一个AI生态系统会跑出来？ 把这22只ETF放在一起，其实就能看清AI行情正在发生什么变化： 第一阶段，市场买GPU。 第二阶段，市场买HBM、晶圆和服务器。 第三阶段，市场开始买光通信、电源、MLCC和液冷。 再往后，则是云、软件、网络安全和AI应用生态。 所以AI并不是一个板块。 它正在变成一整套新的科技基础设施。 真正值得研究的，已经不是“AI行情什么时候结束”，而是： 下一笔AI资本开支，会流向产业链的哪一层。

AI 投资 8 层框架 x 3 类终端 1. 能源 2. 制造 3. 存储 4. 芯片+互联 5. 算力 6. 数据 7. 模型+编排 8. 应用+执行 可以有两种用法 1. 查漏补缺，看看哪一块还有不错的机会，我比较看好物理 AI 2. 评估标的，覆盖层数 + 不可替代性 = 护城河深度 护城河 S 级标的： $NVDA $GOOG $TSLA $TSM SpaceX

《AI时代，投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界，讲究“分工”： 有人做宏观，有人做行业，有人做基本面，有人做量化。 但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。 今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。 就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导—— 既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。 这是时代的要求，也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈？ 1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有： 算法（Transformer、MoE、World Model） GPU（NVDA / AMD） HBM（SK hynix / Samsung / Micron） 先进封装（TSMC CoWoS / SoIc） 光互联（Broadcom / Coherent / Intel SiPh） 数据中心（VRT、NET、DDOG） 能源（BE、CWEN、XIFR） 云与 AI 平台（GOOG、MSFT、META、OpenAI） AI 应用层（PLTR、SaaS 全部重构） 任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。 如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识，而是端到端系统理解。 2. 信息量爆炸，纯靠人力无法覆盖 AI 相关的信息密度，已经远超传统行业： 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化，就永远落后于别人。 全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快，不懂技术就无法提前布局 AI 的技术迭代速度大概是： 每 3～4 个月一次重要突破 每 6～9 个月一次产品更新 每 12～18 个月一次算法范式变化（MoE、SSM、World Model） 每 24 个月一次硬件架构代差（H100 → B200 → Rubin） 如果你不了解技术周期，你根本无法预测： 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力，是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课？ 真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。 因为： 1. 投资者的核心能力之一是“快速验证观点” 你想验证： 最近 48h 哪些 AI 项目最热？ 某事件（财报/政策）对哪些股票影响最大？ 算力增速 vs 数据中心供电缺口的关系？ 模型参数增速 vs HBM 需求增长？ 只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计： 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己 三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下： 不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。 更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者，才能吃到全周期的红利。

在 AI投资里，我多年总结下来有几条线是华尔街最喜欢奖励的基本面条件 1. 现金流开始由负转正 2. 新的新增收入确认 3. 叙事的转换 4. 等等 这篇我从 $MRVL 讲讲第三点，以及我为什么能安心持有快三年，几乎没有卖出。我认为 Marvell 在我清晰可见的技术主线上，坚定地一步一步向前进 $MRVL 过去最大的争议就是：一个 hyperscaler custom ASIC 的设计平台，怎么能承担起这么大的估值？ 最近一步步证明：它不只定制 ASIC，还有光通信、DSP 网络芯片这种毛利润高的收入。 在谷歌和英伟达等算力巨头的扶持下，互联即将成为把存储 X 算力发挥到极限、提升经济的关键玩家 是的，一个叙事发生了转换，但我认为市场还没有完全 price in 这个叙事。我认为需要时间，但目前 on track。我不知道明天的股价，但如果你问我明年，我觉得大概率会不错的 我们再来从 4 月到捋一遍 1/ 4 月 Google-Marvell 传闻 今年 4 月 Reuters 已经报道过，Google 正在和 Marvell 谈两类 AI 推理芯片：一个是配合 TPU 的 memory processing unit，另一个是专门跑 AI model inference 的新 TPU。今天 8-K 披露的 AI inference accelerators、memory interface controllers、near-memory compute 2/ 5月 $MRVL 财报，管理层的口径非常保守，scale up 和谷歌的这些利好一句话也没提，股价横在了 200。因此我认为是一个不错的供应价，可以用我之前提到的相对估值法 3/ 黄仁勋高喊 MRVL万亿美元，市场提前把 Scale up/out互联 和谷歌等合作打满，股价提升到了 300 美元 4/ 7 月半导体集体下跌，因为市场算力过剩的故事发酵。七月，我每天都在更新解读市场新闻，欢迎回看。同时，伴随着存储涨价、存储供不应求的小作文满天飞，大家也能看到，一台 AI 服务器大部分的利润都给了存储，毛利率 80% 多 5/ MRVL 的 FMS 叙事被强化。 Marvell 8 月初刚在 FMS 推 AI memory / storage infrastructure，核心口径就是 agentic AI inference 以后会被 memory capacity、bandwidth、latency、data movement

AI 是现在最大的投资趋势，围绕 AI 做投资，我觉得有这么几条核心主线。 1️⃣ AI 已经进入推理时代，在算力消耗占比中，推理已逐渐超过训练，并且未来推理不是线性增长，而是指数级。围绕推理，布局长线 AI 投资。 除了 GPU 之外，CPU、内存、存储、光互连、推理专用加速卡、云厂商、NeoCloud 都是值得长期布局的板块。 - CPU $AMD $INTC $ARM - HBM 内存 + NAND/SSD + HDD 存储 $MU 海力士 三星 $SNDK $WDC - 光互连：这里标的太多... 这周 Nico 前沿 Alpha 频道里有详细讲过，大家可以翻翻 - 推理专用 ASIC $CBRS（即将 IPO 可能短期炒作严重） $GOOGL $AMZN $MSFT $META（自研推理芯片） $AVGO（AISC 设计代工） - 传统云厂商 $GOOGL $AMZN $MSFT $ORCL -NeoCloud $CRWV $NBIS $IREN 2️⃣ 英伟达作为世界 AI 工厂，目前交付的不仅仅是算力 GPU，而是直接面向客户，交付从芯片到软件再到整套 AI 工厂的全栈解决方案. 它投钱去哪里，说明哪里就是产业链上最真实的瓶颈。从英伟达的投资版图入手，就能看到当下市场最热门的投资方向。 - 英伟达直接投资的上市公司 $INTC $CRWV $NBIS $COHR $LITE $GLW $IREN 3️⃣ 能源仍然是 AI 最大的物理约束，目前 AI 增长最大的瓶颈在于电力。核电、SMR 小型核反应堆、天然气发电、电网设备、变压器、液冷、储能，这些都是 AI 电力受益板块，能源投资逻辑已经被 AI 重塑。 - 核电运营商 $CEG $VST - SMR 小型核反应堆 $OKLO $SMR - 天然气发电 $GEV - 电网设备 $ETN - 液冷 $VRT $MOD - 储能 $TSLA $FLNC 4️⃣ 数据正在变成新一代核心资产，只不过目前市场注意力不在这。模型架构趋同，算力瓶颈也会慢慢被解决，未来 AI 真正的差异化优势还是数据。 这一侧重点关注社交平台以及拥有垂直领域数据的公司，比如 $META $RDDT $TSLA 等等 5️⃣ AI 应用落地变现，最大的赢家还是掌握用户分发渠道的公司，核心还是得回归用户价值，而大科技牢牢掌握这一层入口。 - 信息分发入口 $GOOGL - 社交入口 $META - 购物入口 $AMZN - 消费设备入口 $AAPL - 操作系统入口 $MSFT - 物理 AI 入口 $TSLA

Arthur Hayes：为什么 AI 投资浪费可能利好比特币？ 2026 年 9 月 9 日，BitMEX 联合创始人Arthur Hayes @CryptoHayes 在 Bitcoin Magazine @BitcoinMagazine 的采访中表示，过去几年 AI 成为全球市场最受追捧的投资叙事，并吸收了大量新增信贷，影响了资金流向比特币等资产。如今，随着半导体和存储芯片股票遭到抛售，投资者开始质疑巨额 AI 投入能否产生实际回报。他认为，AI 泡沫可能已经进入资本浪费阶段，各国政府为避免承认错误投资，可能继续印钞并为相关项目兜底，从而利好比特币和黄金等资产。 吴说提醒，Arthur Hayes 的市场预测历史准确率较低且观点常有调整，建议重点参考其分析框架，而非具体价格与时间预测。 来源：Bitcoin Magazine