不是所有AI指数都一样：AI行情扩散期，为什么更要看指数方法论？

经历了近2年多的快速演绎，人工智能已经成为市场最重要的产业主线之一。

但站在当前时点，很多投资者的疑问也越来越现实：AI涨了这么多，还能不能看？如果继续看好AI，应该买哪一类产品？同样是人工智能主题的指数，为什么过去一年表现各有侧重？

近期台北GTC大会给了一个很好的观察窗口。黄仁勋反复提到AI工厂、Agentic AI、Token和物理AI，本质上指向同一件事：AI正在从“模型能力竞争”，走向“产业链效率竞争”；从单一算力环节，走向更完整的全产业链扩散。

这也意味着，AI投资不能只看“人工智能”四个字，指数投资更要看指数背后的产业覆盖和编制方法。

以人工智能ETF华富（515980）跟踪的中证人工智能产业指数（931071）为例，截至2026年6月4日，其近一年其涨幅超过CS人工智能指数（930713）接近22个百分点（数据来源：wind，中证人工智能指数和CS人工智能指数分别上涨146.01%、124.16%，统计区间：2025/6/4-2026/6/4，相关指数历史业绩不预示其未来表现，不构成对相关类型基金未来业绩表现的保证。）。

这个差异背后，并不只是行情结果，更体现了指数在AI纯度、成长性、行业分散、景气跟踪和动态调仓上的方法论差异。

换句话说，AI机会仍在扩散，但选对工具，可能比单纯判断方向更重要。

01 AI不只是会聊天，正在变成“生产力工具”

两年前黄仁勋在谈到 AI 浪潮时，曾提到生成式 AI 之后，下一波会是代理式 AI。这次的GTC大会，他直接宣告：「Agentic AI has arrived，useful AI has arrived。」也就是说，代理式 AI 已经到來，真正“有用”的 AI 也已经到來。

过去的AI更像“问答助手”，用户输入问题，模型给出答案；而Agentic AI更像“数字员工”，可以理解任务、拆解步骤、调用工具、读取数据、生成文件，并完成一整套工作流程。也就是说，AI正在从内容生成工具，升级为企业生产力系统。

这背后的变化，不只是模型能力提升，更是使用频率和计算负载的提升。黄仁勋提到，GitHub commit数量从2023年的约3亿次，提升至2025年的约5亿次，2026年前几个月更出现明显加速。这说明AI并非简单替代工程师，而是在提升单位人力产出。

对投资而言，Agentic AI意味着AI需求从一次性训练，走向持续推理、工具调用和任务执行。AI越能“干活”，企业越愿意部署，Token消耗越大，算力、网络、存储和软件基础设施的需求也会随之扩张。

02 Token成为收入单位，AI工厂打开全产业链空间

过去市场讨论AI，更多关注模型参数、GPU数量和训练成本；但当AI开始服务企业真实业务时，核心问题变成：一座AI工厂能生产多少Token？每个Token成本多低？系统吞吐和稳定性如何？能否快速转化为收入？

这次演讲的另一个核心是，黄仁勋反复强调的AI Factory。在 AI 工厂时代，计算能力就是营收（Compute is Revenue），每生成一个 Token 都能创造利润。这让每瓦性能、可靠性以及系统的长生命周期，成为关键的财务杠杆，而不仅仅是技术指标。如果你拥有十亿瓦级的电力，那么每瓦吞吐量就是你的收入。仅因为芯片更便宜就选择错误的架构，是没有意义的，因为计算能力就是营收。

在架构正确的前提下，投入的算力规模越大，能生产的Token就越多，最终转化成的实际利润也就越厚。

这也决定了AI Factory不是买几块GPU那么简单，而是GPU、CPU、服务器、网络、存储、液冷、电力、PCB、连接器、数据中心和软件运维的系统工程。AI机会因此不会只集中在单一芯片环节，而会向整柜系统、数据中心、电源散热、网络互联、国产算力和应用端持续扩散。对于投资者来说，AI已经从“单点硬件故事”进入“全产业链基础设施升级”阶段。

03 AI主线正在从“单点爆发”走向“全链扩散”

如果说2023年以来，市场最先定价的是海外算力链，比如GPU、光模块，那么现在AI产业的机会正在从“单点硬件”走向“系统工程”。

这种扩散不是资金在找新故事，而是AI产业本身的需求在变复杂。训练大模型阶段，核心矛盾是“有没有足够算力”；但进入推理和Agentic AI阶段，核心矛盾变成“能不能低成本、高效率、稳定地生产Token”。这就不只考验GPU性能，还会同时考验CPU调度、网络传输、存储带宽、液冷散热、电力供给、数据中心运维和软件运行时。

因此，第一层扩散发生在算力基础设施内部：从GPU，扩散到光模块、交换机、服务器、PCB、连接器、液冷、电源和数据中心。AI工厂越走向整柜化、集群化和工厂化，产业链受益环节就越长。

第二层扩散发生在应用场景上：AI不再只是云端训练模型，而是进入企业软件、办公、代码开发、智能驾驶、机器人和AI PC。Agent越多，推理调用越频繁，应用端的商业化验证也会逐步成为新的观察重点。

第三层扩散发生在产业格局上：在科技巨头资本开支高增的背景下海外算力仍是高景气主线，但在国内大模型能力不断提升、推理需求增长和安全可控要求背景下，国产算力、AI服务器、云计算和软件生态在加速发展；在供给端，以华为“τ定律”所代表的思路看，国产算力不只是等待先进制程单点突破，而是通过先进封装、Chiplet、超节点互联、软硬件协同和系统级优化，提升整体算力效率。换句话说，国产算力的竞争正在从“单芯片性能追赶”，转向“系统级有效算力提升”。

所以，AI投资已经不是简单押注某一个环节。真正重要的是，在产业链扩散过程中，找到需求最真实、景气度最高、业绩兑现更早更清晰的方向。也正因为机会越来越分散，普通投资者反而更需要一个覆盖面足够广、能够动态及时跟踪产业变化的投资工具。

04 涨2年多时间了，还能不能配置？

说到这里，很多投资者可能会问：人工智能过去这两年涨幅巨大，短期来看过去一个多月涨幅也很多，现在还能不能配置？会不会买在高位？

这个问题非常接地气。任何高景气产业，股价走到一定阶段后，都会遇到类似的纠结：不买，担心错过未来更大级别的趋势；买了，又担心短期波动。

所以，真正需要纠结的不是“人工智能已经涨了多少”，而是三个现实问题：

第一，产业趋势有没有结束？（叙事是否还在？）第二，企业订单和盈利有没有继续验证？（业绩是否持续高增？）第三，参与方式是不是足够分散和理性？（投资工具是否动态更新？）

这三个问题，汇总起来讲就是思考一个核心问题：AI产业的相关资产价格是否和行业基本面出现了显著的背离走势？

从产业角度看，Token调用量快速增长。根据OpenRouter 的最新数据测算，前期（5月18日至5月24日），全球AI大模型总调用量为28.9万亿Token，较此前一周增长7.4%，连续五周上涨，大模型调用需求仍在持续释放。其中，上榜的AI大模型中，中国AI大模型周调用量达9.223万亿Token，环比增长19.89%；同期美国AI大模型周调用量为4.93万亿Token，环比增长16.27%。中国AI大模型Token调用量连续四周超过美国并稳居全球首位，中国AI大模型正在更深地进入全球开发者调用体系。

除此之外，AI工厂持续建设，Agent、AI PC、机器人等新场景不断打开，说明AI仍处在从“技术突破”走向“商业化扩散”的过程中。

但从投资角度看，AI主题短期波动也不会小。部分方向阶段性涨幅较大，估值和交易拥挤度都需要消化。因此，对于普通投资者来说，与其纠结“今天是不是最低点”，不如结合自身的风险承受能力和投资计划，用更适合自己的方式参与：比如通过指数投资的方式分散布局，或者采用分批买入、下跌定投等方式，降低一次性买入带来的择时压力。

换句话说，人工智能这种的高成长的行业不适合用“赌短线”的方式看。它更适合作为中长期产业趋势，在充分评估自身风险承受能力的基础上，用合理仓位、合适的产品去参与。

05宽一点，或许更稳一点

对普通人来说，AI机会很多，但难点也很明显。

今天市场关注光模块，明天可能是国产算力，后天又可能切到AI应用、端侧芯片或者机器人。单押一个方向，可能弹性很高，但波动也往往更大。

人工智能ETF华富（515980），跟踪中证人工智能产业指数（931071）。从结构上看，指数兼顾算力端和应用端——算力约占六成，应用约占四成。这一结构，既包含了当前AI基础设施建设中相对确定的方向，也保留了未来AI应用爆发带来的成长弹性。

如果说AI工厂是当前产业链的"地基"，那么应用、智能终端和机器人，可能就是未来打开空间的"楼层"。

数据来源：中证指数公司，wind，华富基金整理，数据截至2026/6/4

06 同样是人工智能指数，为什么表现各有侧重？

很多投资者可能会觉得，市场上也有其他人工智能主题相关指数，看名字都差不多，反正都是投资AI。

但实际上，同样叫人工智能指数，底层编制思路可能完全不同。以CS人工智指数（930713）为例，它的编制方法偏传统：先圈定业务涉及人工智能相关领域的公司，再按照过去一年日均总市值排序，选取规模靠前的50只证券作为样本。

而人工智能ETF华富跟踪的中证人工智能产业指数（931071），则更强调“AI纯度”和“景气度”。它不是简单看公司市值大小，而是在选样和赋权中引入AI业务收入占比、营收增速等指标，力争把更高纯度、更高成长性的AI公司筛选出来。

可以从几个要点理解：

要点1：不是“沾AI就行”，而是强调AI营收占比。

中证人工智能产业指数引入AI真实业务收入占比，力争提高组合中“真AI公司”的权重，减少部分传统业务占比较高、只是受AI概念带动的公司的影响。

要点2：不是只看市值大小，而是叠加成长性优选。

CS人工智指数更偏市值代表性，而中证人工智能产业指数在选样和赋权中引入营收增速等成长指标，力争优先配置景气度更高、成长性更强的AI产业链公司。

要点3：不是单押某个赛道，而是强调行业中性。

AI行情经常在光模块、芯片、数据中心、服务器、软件应用、智能终端等方向之间轮动。中证人工智能产业指数通过行业中性思路，力争避免过度押注单一赛道，更全面覆盖AI产业链中的高景气代表方向，也降低单一行业的暴露风险，真正做到人工智能指数中的“小宽基”作用。

要点4：不是只看静态景气，而是跟踪基本面的边际变化。

中证人工智能产业指数引入SUE指标，主要用于捕捉企业盈利相对市场预期的变化。当某个方向仍处在热门叙事中，但盈利增速、业绩兑现或景气趋势已经边际走弱时，SUE有助于更早识别基本面变化，降低组合继续暴露在“高估值+业绩下修”风险中的概率。对AI这种高预期、高波动赛道而言，跟踪景气边际变化比单纯持有主题暴露更重要。

要点5：不是半年才看一次，而是季度调仓更灵活。

AI产业变化快，主线切换也快。中证人工智能产业指数采用季度调仓机制，能够更及时进行成分股和权重再平衡，力争锁定阶段性收益、降低估值波动，并更快跟随产业景气变化。

这也是为什么，同样都是人工智能主题的指数，过去一年表现各有侧重。截至2026年6月4日，其近一年相较CS人工智指数，中证人工智能产业指数取得了接近22个百分点的超额收益（数据来源：wind，中证人工智能指数和CS人工智能指数分别上涨146.01%、124.16%，统计区间：2025/6/4-2026/6/4，相关指数历史业绩不预示其未来表现，不构成对相关类型基金未来业绩表现的保证。）。

这个差异背后，不只是行情结果，更体现了指数在产业覆盖、选股规则、景气跟踪和风险控制上的不同。

基于月度成分权重测算，中证人工智能产业指数相对CS人工智指数的正向超额来源可以拆成两类：

一类是“进攻型超额”，即在光模块/CPO、国产AI芯片、数据中心/IDC、部分AIGC应用等高景气方向上配置早更充分，强势环节上涨时弹性更高；

另一类是“防守型超额”，即对部分阶段性表现偏弱或波动较大的方向保持相对低配，在智能驾驶、图像传感、智能家居等环节上权重配置较低，减少负向影响，从而形成相对收益。

数据来源：Wind，2025.6.5 - 2026.6.4。人工智能（931071），CS人工智（930713），相关指数历史业绩不预示其未来表现，不构成对相关类型基金未来业绩表现的保证。

所以，投资AI指数，不只是看“人工智能”四个字，更是关注背后的指数方法论。覆盖哪些产业链环节，如何调仓，如何跟踪景气变化，都会影响最终的产品表现。

07 AI不是一阵风，而是一场长期产业变革

从黄仁勋台北GTC的演讲可以看到，AI正在进入新的阶段：

从训练走向推理，从云端走向终端，从聊天走向执行，从数字世界走向物理世界。

这背后对应的，正是AI产业链从单一算力环节，向基础设施、国产算力、软件应用、智能终端和机器人等方向扩散。

短期看，经历过快速上涨之后股价波动不会小，部分方向也可能阶段性拥挤；但中长期看，如果Token调用量持续增长，AI工厂持续建设，智能体和端侧应用持续落地，人工智能产业仍然具备较强成长基础。

注：本文所提产品及相关公司仅作为示例，不构成任何投资建议。

风险提示

基金/股市有风险，投资需谨慎。本文关于证券市场、人工智能行业的论述仅为本公司对当下证券市场与相关行业的研究观点，基于市场环境的不确定和多变性，所涉观点后续可能随着市场发生调整或变化。本内容仅用于投资者沟通交流之目的，不构成对任何机构和个人投资的建议或意见，不代表本公司管理基金当下或未来的持仓，也不必然作为本公司管理之基金进行投资决策的依据，不构成对投资者投资收益的承诺或保证。本文数据来自WIND、中证指数公司与公开资料整理，本公司并不保证本文所载文字及数据的准确性及完整性，不对任何人因使用此类报告的全部或部分内容而引致的任何损失承担任何责任。投资人购买基金前，应当认真阅读《基金合同》、《招募说明书》、《产品资料概要》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。投资人应根据个人风险承受能力和投资经验，审慎参与基金/股市投资。

来源：华富基金