证券研究报告

穿越AI的基石，算力基建的起始-—AI算力报告

2023年07月16日

行业评级：增持

姓名：王聪（分析师）

邮箱：wangcong@gtjas.com

电话：021-38676820

证书编号：S0880517010002

姓名：文紫妍（分析师）

邮箱:wenziyan@gtjas.com

电话：021-38038321

证书编号：S0880523070001

姓名：王彦龙（分析师）

邮箱：wangyanlong@gtjas.com

电话：010-83939775

证书编号：S0880519100003

姓名：黎明聪（研究助理）

邮箱: limingcong@gtjas.com

电话：0755-23976500

证书编号: S0880121080014

姓名：舒迪（分析师）

邮箱： shudi@gtjas.com

电话：021-38038385

证书编号：S0880521070002

姓名：刘校（研究助理）

邮箱: liuxiao026731@gtjas.com

电话：021-38038661

证书编号： S0880122070050

姓名：谭佩雯（分析师）

邮箱：tanpeiwen@gtjas.com

电话：0755-23976032

证书编号：S0880521040001

每日免费获取报告 □

每日微信群内分享7+最新重磅报告；

每日分享当日华尔街日报、金融时报；

√ 行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。

投资要点 (行业评级：增持)

算力是智能世界的基础，产业生态和投资图谱逐步清晰

智能世界三要素为算力、算法和数据，其中算力网络是一切的基础，且各类硬件发展迭代为算力狂飙提供强有力保障。海外以互联网大厂为主导，资本开支向AI大幅倾斜。国内参与全球AI基建供应链，海外大厂配套产品相对较少。

基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

AI服务器带动高端GPU用量及ASP提升，提升DRAM和NAND的需求，HBM未来的渗透率有望提升，对SERDES提出更高性能要求，带动PCB量价齐升。同时还带来服务器、交换机、液冷等产业和格局的变化。

网络连接：算力配套的核心，兼顾800G主线和扩散行情

AI对网络架构变化较大，无损流量传输使得光模块需求暴增，同时新的技术路线开始出现，或对供应链格局产生影响。800G主线从各大厂需求指引预测等不同维度看，2024-2025年需求乐观，同时考虑到供应链各类因素，预计龙头企业牢牢把握份额。

终端：边缘算力建设加速，MR是最具潜力的AI终端

小型AI模型逐步植入本地终端，硬件性能有望迎大升级带来换机需求。同时Soc作为核心部件有望深度受益，具有先进制程&高算力&强解码能力的SoC，能够适应更多元的场景，提供更出色的性能。

目录/CONTENTS

01算力是智能世界的基础，产业生态和投资图谱逐步清晰

02基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

03网络连接：算力配套的核心，兼顾800G主线和扩散行情

04终端：边缘算力建设加速，MR是最具潜力的AI终端

05重点标的

01 算力是智能世界的基础，产业生态和投资图谱逐步清晰

1.1算力是智能世界的基础，基础设施从云向算泛在演进《穿越AI的基石，算力基建的起始》

·智能世界三要素：数据、算力、算法是智能世界三要素，其中算力平台是核心基础。

算力两大类：通用算力、 HPC（高性能计算，High-performancecomputing）算力。其中通用算力计算量小，用于常规应用。HPC算力是一个计算机集群系统，通过各种互联技术将多个计算机系统连接在一起，利用所有被连接系统的综合计算能力来处理大型计算问题。

算力基础设施从云向算泛在演进，其位置的分布从中心向边缘和端侧泛在延伸，将出现云、边、端三级算力架构。

图：构建数据、算力、智能之间的互联网络

数据来源：国泰君安证券研究

图：专用算力是算力中极为重要一环

科学计算类：物理化学、气象环保、生命科学、天文探测等工程计算类：计算机辅助工程/制造、电子设计自动化、电磁仿真等智能计算类：机器学习、深度学习、数据分析等

图：算力基础设施从云向算泛在演进

1.1|AI大模型带动算力需求超越摩尔定律增长

AI算力报告《穿越AI的基石，算力基建的起始》

AI模型训练算力增长速度超越芯片摩尔定律。AI训练任务中的算力增长（所需算力每3.5个月翻一倍）已经超越摩尔定律（晶体管数量每18月翻-倍）。

ChatGPT仅推出两个月，月活跃用户数预计已达1亿。ChatGPT在2023年1月达到1亿月活跃用户，平均每天有1,300多万访客，用2个月时间达到1亿月活数，成为史上最快达到1亿月活跃用户的应用，TikTok、Instagram、Facebook、Twitter则分别用了9个月、2年半、4年半、5年的时间。

图：大模型时代算力需求增长超越摩尔定律

数据来源：Google Scholar，国泰君安证券研究
图：chatgpt仅用2个月月活用户突破1亿

数据来源：SensorTower，国泰君安证券研究

1.1AI大模型核心在数据、算力与模型，需消耗大量算力《穿越AI的基石，算力基建的起始》

预训练算力需求：训练一次13亿参数的GPT-3 XL模型需要的全部算力约为27.5PFlop/s-day，而训练一次1,746亿参数的GPT-3模型需要的算力约为3,640 PFlop/s-day，对应的单次训练成本高达460万美元。

日常运营算力需求：ChatGPT在日常与用户交互过程中需要大量的算力支持，结合访问量与内容量测算，单月运营算力约4,800PFlop/s-day；2023年1月ChatGPT官网总访问量已经达到6.16亿次，而ChatGPT每次交互产生的算力云服务成本约1\~5美分，对应的单月运营成本高达千万美元。

调优迭代算力需求：ChatGPT模型需要不断进行Finetune模型调优，以确保模型处于最佳应用状态；预计每月模型调优带来的算力需求为82.5\~137.5PFlop/s-day.

图：模型的尺寸在过去5年增长了5000倍

表：不同NLP模型参数量及训练算力对比

	模型	总计算量 (PFlop/s-day) (Flops)	总计算量	参数量（百万个）	令牌数量（十亿）
T5模型	T5-Small	2.08E+00	1.80E+20	60	1000
	T5-Base	7.64E+00	6.60E+ 20	220	1000
	T5-Large	2.67E+01	2.31E+21	770	1000
	T5-3B	1.04E+02	9.00E+21	3000	1000
	T5-11B	3.82E+02	3.30E+22	11000	1000
BERT模型	BERT-Base	1.89E+00	1.64E+20	109	250
	BERT-Large	6.16E+00	5.33E+20	355	250
	ROBERTa-Base	1.74E+00	1.50E+21	125	2000
	ROBERTa-Large	4.93E+01	4.26E+ 21	355	2000
GPT模型	GPT-3 Small	2.60E+00	2.25E+20	125	300
	GPT-3 Medium	7.42E+00	6.41E+20	356	300
	GPT-3 Large	1.58E+01	1.37E+21	760	300
	GPT-3 XL	2.75E+01	2.38E+21	1320	300
	GPT-3 2.7B	5.52E+01	4.77E+ 21	2650	300
	GPT-3 6.7B	1.39E+02	1.20E+22	6660	300
	GPT-3 13B	2.68E+02	2.31E+22	12850	300
	GPT-3 175B	3.64E+03	3.14E+23	174600	300

1.1MR、车载等数字经济新型应用场景带来新的算力需求穿越AI的基石，算力基建的起始》

MR的推出更带来对低延时网络传输和底层算力技术升级的需求。虚拟世界需要强大的图像实时渲染能力、计算和存储海量数据资源，头显交互设备的出现将进一步增加对云计算和边缘计算的应用需求。云计算能将终端渲染逐步迁移至云端，基于规模效应摊低运算成本，提升服务器使用效率，提升虚拟世界的可进入性。而边缘计算则更能满足实时数据分析需求、缓解中心云的计算负载。

汽车智能化需求持续升级带来数据流量的急剧飙升。随着自动驾驶等级提升，车载信息娱乐系统、长续航电池及5G网络的引入，车辆要面对的计算量越来越大，网络架构升级、本地实时处理能力、“大容量缓存和存储”规格将成为硬需求。

图：算力升级是支撑虚拟世界内容创作与真实交互的保障

图：2025年L4等级无人自动驾驶数据存储需求

1.2算力与经济水平直接挂钩，且具有倍增效应

AI算力报告《穿越AI的基石，算力基建的起始》

全球各国算力规模与经济发展水平呈现正相关。2021年算力规模前20的国家中有17个是全球排名前20的经济体，并且前五名排名一致。算力对经济有倍增效应。数字经济作为GDP的组成部分，占比正在逐年增加，而算力是数字化技术持续发挥效益的根本性要素。根据IDC的报告，计算力指数平均每提高1个点，数字经济和GDP将分别增长3.3%o和1.8%o。当一个国家的计算力指数达到40分以上时，指数每提升1点，对于GDP增长的拉动将提高到1.5倍；当计算力指数达到60分以上时，对GDP的拉动将进一步提升至2.9倍。

图：算力排名与经济排名较为吻合

数据来源：中国信通院信通院2022年算力白皮书国泰君安证券GUOTAI JUNAN SECURITIES

图：算力对经济有倍增效应

数据来源：IDC

1.2|中美算力布局较为领先，中国智能算力在追赶

AI算力报告《穿越AI的基石，算力基建的起始》

智能算力规模和增速亮眼。根据信通院算力白皮书，2021年全球算力增速超过40%，华为GIV预测2030年人类将迎来YB数据时代，全球算力平均年增速达到 65%,其中基础算力平均年增速达 27%;智能算力占大头,平均年增速超过 80%;超算算力平均年增速超过 34%。

中美算力在全球属于领先地位。美国、中国、欧洲、日本在全球算力规模中的份额分别为34%、33%、14%和5%，其中全球基础算力美国份额达37%，中国以26%份额排名第二;智能算力方面，中国、美国分别占比为45%和28%；美国、日本、中国在超级计算综合性能指标方面份额分别为48%、22%、18%。

图：全球算力规模增长速度在40%以上

图：中美全球算力分布较为领先

图：中国占比较大为基础算力，智能算力当前快速赶上

数据来源：信通院算力白皮书

1.2|海外以互联网大厂为主导，资本开支向AI大幅倾斜

美国人工智能公司在过去的五年间获得的投资占到了全球的56%,数百亿美元，谷歌、微软、亚马逊、Meta四家美国科技巨头在经历了2022和2023年初史无前例的大裁员之后，这些公司一边降本增效，一边AI in AI。

表：北美大厂积极自研和购买算力芯片

	自研芯片	算力布局	2023Q1	2023年展望	投入领域
AWS	Inferentia、 trainium	AWS宣布即将推出的EC2超级集群（EC2P5实例）可扩展至20000个互连的H100。	我们预计在数据中心建设和服务器的投入会在Q2以我们预计总体资本开支会略微高于2022年，同时资本数据中心，服务器，开支会在技术基础设施显著提升，而在办公室设施下及后面持续的提升供应链降
Google	TPUv4	已经建成包含26000个H100的A3；当前已经部署了数十台TPUv4超级计算机，每台拥有4096个TPU芯片；	发布了专门用于推理或训练的机器学习定制化芯片	资本开支包括金融租赁，2023年预计资本开支会低于2022年的590亿美金，去年主要因为完善物流网络的投资，未来这个数字会逐步减少。我们将持续投入础设施来支持AWS客户需求，包括支持LLM和生成式AI	基AWS
Meta	MTIA	已经包含有2000个DGXA100，配备16000个 A100；semianalysis认为其是2023年H100GPU最大的买家，据专家交流可能采购了3万片H100以上。	投入的三个领域：1）非AI计算需求：计算和存储来支撑现有业务；2）核心的AI投资，支持Discovery我engine、排序广告等的建设；当我们评估ROI感觉我可以的话，这些都会提高我们对AI的投入；3）支持及生成式AI，现在虽然难评估，但我们未来会提高资tr本开支，同时平衡好AI能力的建设	们预期资本开支在300-330亿元，与前次预测无异们继续建设AI能力来支持ADS、Feed和Reels，以将提升我们在生成式AI的容量投资（earninganscript）	数据中心
Microsoft	Athena	Azure云拥有10000个GPU和285000个CPU内核；据专家交流北美各家可能采购了3万片H100以上。	我们希望引领AI平台的浪潮并做相应投资来实现它	我们预计资本开支会有显著的后续环比增长，主要驱动为AzureAI基础设施。注意可能有正常的季度支出波动	AzureAI基础设施

数据来源：公司官网、国泰君安证券研究

1.2|海外算力板块企业和国内对标

AI算力报告

《穿越AI的基石，算力基建的起始》

行业/细分领域		海外公司	2022年营收（亿美元）	中国对标公司
	通用人工智能、自然语言处理、多模态模型 O	penA (ChatGPT)		百度（文心一言）、昆仑万维
大模型	自然语言处理、多模态模型、云计算	谷歌(PaLM)	2828	阿里巴巴（通义干间）、科大讯飞、三六零
	办公软件、自然语言处理 C	微软(Microsoft 365opilot)	1983	金山办公（WPS ai）
	自然语言处理、多模态模型、计算机视觉 M	et (LLaMa)	1166	腾讯（混元大模型）
光模块/器件芯片光芯片	光模块	II-VI (Finisar)	33	中际旭创、天孚通信、新易盛等
		NeoPhotonics	2
		AOI	2
		Lumentum	17	源杰科技、光迅科技、长光华芯、仕佳光子、永鼎股份
	DSP芯片	CredoTechnology		橙科、芯速联
		[CRDO.O]
		Marvell (Inphi )
服务器	GPU、AI功速器	英伟达(NVDA)		寒武纪、海光信息
		AMD(AMD)	236
		英特尔(INTC)
	FPGA、AI加速器模拟芯片、功率管理芯片	赛灵思(XLNX)
	FPGA、AI加速器模拟芯片、功率管理芯片	英飞凌（IFX）	153	杰华特
	PCB	臻鼎科技		鹏鼎控股、东山精密、沪电股份、景旺电子
		欣兴集团
		迅达科技（TTM）	25
		华通电子
		健鼎科技
交换机	企业网络、数据中心网络、云计算网络等	Cisco		华为、浪潮、中兴、联想、紫光、菲菱科思新华三、万国数据、润泽科技、中国移动、中国电信、中国联通、奥飞数据、云赛智联、光环新网、数据港
		Arista Networks
		HPE	285
		Juniper	53
		Dell Technologies	1023
IDC	企业网络、数据中心网络、云计算网络等 Extreme	Networks	11
	IDC服务、互联网交换、云服务	Equinix
	IDC服务、数据中心基础设施	Digtal Realty Trust
	IDC服务、电信服务、云服务	NTT global datacenter	10
	温控、UPS、机柜等数据中心设备	Vertiv	61

1.2|国内数字&算力政策频出，当前走向地方细化落地

《穿越AI的基石，算力基建的起始》

中国政府基于数字经济发展大背景，在2023年各个省市加快了AI及智算超算的规划和投入。

表：我国及地方出台多个政策和文件

	文件名	时间	发布单位
1	《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025年）》《北京市促进通用人工智能创新发展的若干措施》	2023/5/30	北京市人民政府
2	《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023-2024年）》	2023/5/31	深圳人民政府
3	《上海市推进算力资源统一调度指导意见》	2023/4/19	上海市经济信息化委
4	《成都市围绕超算智算加快算力产业发展的政策措施》	2023/1/12	成都市经信局
5	《数字中国建设整体布局规划》	2023/2/27	中共中央、国务院
6	《关于数字经济发展情况的报告》	2023/2	十三届全国人大常委会第三十七次会议
7	《关于构建数据基础制度更好发挥数据要素作用的意见》	2022/12/2	中共中央、国务院
8	《“十四五”数字经济发展规划》	2022/1/12	国务院
9	《“十四五”大数据产业发展规划》	2021/11/15	工信部
10	《全国一体化大数据中心协同创新体系算力枢纽实施方案》	2021/5/26	发改委、网信办、工信部、国家能源局

表：各地算力平台开始陆续实施

	算力平台	地方	参与单位	时间
1	算力互联互通验证平台	北京	中国电信、中科院信息中心	2023/3/3
2	集群算力服务调度与采购平台	北京	中国通信工业协会数据中心委员会、北京数字科智技术有限公司	2023/2/28
3	上海市人工智能公共算力服务平台	上海	上海超算中心	2023/2/20
3	南京市城市算力网运营平台	南京	中科南京信息高铁研究院	2023/2/24
4	算力一体化统一管理服务平台	合肥	合肥市大数据资产运营有限公司	2023/1/16
5	郑州城市算力网	郑州	国家信息中心、中国科学院计算技术研究所、粤港澳大湾区大数据研究院等	2023/2/27
6	东数西算一体化算力服务平台	宁夏	北京国际大数据交易所、数字宁夏建设运营公司、中国电信宁夏	2023/2/24
7	贵州枢纽算力调度平台	贵州	云上贵州、中软国际云智能业务集团	2022年5月26日

1.3算力板块国内产业投资图谱

AI算力报告《穿越AI的基石，算力基建的起始》

请参阅附注免责声明

02 基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

2.1|算力芯片：AI服务器带动高端GPU用量及ASP提升

AI服务器采用异构式架构，GPU数量远高于普通服务器。AI服务器和普通服务器的主要区别在于：1）架构不同，AI服务器采用CPU+GPU/FPGA/ASIC等异构式架构，而普通服务器一般是CPU架构；2）GPU数量差别巨大，AI服务器单服务器GPU用量通常在 4颗以上。例如：NVIDIA DGX A100包括8个A100 GPU + 2个AMD Rome CPU，而浪潮英信服务器NF5280M6仅配置1-2个英特尔第三代Xeon处理器。

GPU架构为主流加速架构，是服务器核心成本构成。GPU采用并行计算，适用于处理密集型运算，如图形渲染、机器学习等场景，AI算力需求的提升推动了GPU卡的运算速度和用量需求进一步增长。根据IDC 数据，2022年GPU加速卡占据AI市场89%的份额，在机器学习型服务器中GPU成本占比达72.8%。

表：A服务器和普通服务器的区别

类型	典型产品	芯片	价格	数量
AI服务器	NVIDIA DGXA100	A100 TensorCore GPU	USD14,999	8
AI服务器	NVIDIA DGXA100	64 core AMDRome CPU	~USD7,000	2
普通服务器	浪潮英信服务器NF5280M6	Intel第三代Xeon处理器	RMB64,000	1~2

数据来源：英伟达官网，浪潮信息官网，国泰君安证券研究

图：服务器成本构成情况

数据来源：IDC，国泰君安证券研究

图：中国智能算力规模及预测（单位：EFLOPS)

数据来源：IDC，国泰君安证券研究

2.1算力芯片：多卡互联&软件生态铸就英伟达强力护城河BAI的基石，算力基建的力报告

高速互连技术开创者，多卡互联优势显著。为实现超算模型的高速通信需求，英伟达开创式提出NVLink和NVSwitch技术：NVLink主要用于连接多个GPU，以加速高性能计算和深度学习等应用；NVSwitch用于连接多个GPU和CPU，形成高性能计算系统，适用于更复杂和大规模的场景，用户可根据具体应用需求和系统配置来决定使用NVLink或NVSwitch。GH200超级芯片所采用的NVLink-C2C技术，通过Chiplet工艺将CPU+GPU组合到同一封装，相比于PCIe5在能效方面提升25倍，面积效率提升90倍。

CUDA生态不断演进，满足各类行业需求。英伟达依托于CUDA软件栈进行第三方应用及工具的扩展，形成了广义的CUDA生态，并在此基础上向上扩展出CUDA-X，以对接不同的行业应用需求，分为面向AI计算的CUDA-X AI和面向HPC计算的CUDA-X HPC。

表: NVLink和NVSwitch技术

NVLink	第二代	第三代	第四代
NVLink总带宽	300GB/s	600GB/s	900GB/s
每个GPU最大链路数	6	12	18
架构支持	NV IDIA Volta	NVIDIA Ampere	NV IDIA Hopper
NVSwitch	第一代	第二代	第三代
直连或节点中GPU数量	最多8个	最多8个	最多8个
NVSw itch GPU之间带宽	300GB/s	600GB/s	900GB/s
聚合总带宽	2.4TB/s	4.8TB/s	7.2TB/s
架构支持	NVIDIA Volta	NVIDIA Ampere	NV IDIA Hopper

数据来源：英伟达官网

图：英伟达CUDA-X AI

数据来源：英伟达官网

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿越AI的基石，算力基建的方始》

受益大模型热潮，国内AI服务器市场增量明显。ChatGPT横空出世，引发科技企业大模型竞赛，全球算力需求呈指数级增加，带动国内AI服务器市场快速增长，以浪潮信息为主的国内厂家占据国内AI服务器主要市场。

头部厂商持续加单，国内AI芯片需求强劲。全球头部互联网厂商相继入局大模型赛道，以英伟达GPU为代表的算力核心产品订单暴增，一批中国AI芯片企业立足于不同技术路径开展研发，面向云计算、汽车、智能家居等领域，国内AI芯片市场同样前景广阔。

图：2022年中国A服务器市场规模（亿美元）

数据来源：中商产业研究院，国泰君安证券研究

图：2022年中国AI服务器市场份额

数据来源：华经产研，国泰君安证券研究

图：中国AI芯片市场规模（亿元）

数据来源：IDC，国泰君安证券研究

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿起越A的基石，算力基建力报告

国际巨头炙手可热，高性能GPU一芯难求。科技企业大模型竞赛下，凭借A100、H100等绝对主流算力芯片，海外巨头英伟达订单火爆，芯片价格节节攀升；同时在地缘政治摩擦背景下，国产替代需求迫切。

在国家政策的指引下，国产公司遍地开花，各施所长不断缩短差距。中国主要的AI芯片公司，寒武纪已量产四代芯片，其在研思元590性能预计能达到A100的70%，有望部分场景实现替代；华为昇腾采用独家达芬奇架构，昇腾910性能优越，处理速度达到同类产品180%；阿里平头哥另辟蹊径，其含光800推理性能和能效均达到世界前列水平；沐曦科技的通用芯片曦云MXC500对标A100；壁仞的BR100、燧原的邃思2.5以及天数智芯的智铠100等一系列高性能芯片即将面世。

图：2022年中国AI芯片市场规模占比

数据来源：IDC，国泰君安证券研究

数据来源：各公司官网

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿越AI的基石，算力基建的力报

大力发展硬件的同时，软件也是及其重要的一环。英伟达不仅在硬件方面具有统治力，在软件平台也具有很强的竞争力，CUDA生态已成为行业标的。对国内企业而言，兼顾软硬的发展路径至关重要，大力发展算力的同时，国产软件生态的建立刻不容缓。

共建生态开发平台，加速AI芯片落地。寒武纪不仅实现了终端、云端、边缘端产品的完整布局，还为云边端全系列智能芯片与处理器产品提供统一的平台级基础系统软件CambriconNeuware，使开发的应用可以在云边端互相兼容，大幅减少云边端不同平台的开发和应用迁移成本。华为同样致力于“一平台双驱动”为核心的昇腾AI生态，已有200多家合作伙伴经过认证，围绕昇腾的开发者超30万，其中核心开发者超2000，并在100多所高校开展了昇腾的人工智能课程。

图:寒武纪Cambricon NeuWare

数据来源：寒武纪开发者论坛

图：华为昇腾产业生态

数据来源：华为官网

2.1|存储：AI 服务器催动DRAM/NAND需求

AI大模型的数据处理需求驱动服务器硬件升级与扩容。目前AI大模型处理数据的吞吐量呈指数级增长。AI服务器对内存、硬盘存储容量要求更高。主要的提升是支持更大容量的内存满足当下实时负载增加的需求，提供更多外置硬盘插槽，并广泛支持NVME/PCIE等SSD，满足数据洪流需求。根据半导体观察，AI服务器容量是普通服务器的8倍，NAND容量是普通服务器的3倍。

图：AI大模型处理数据的吞吐量增长趋势

数据来源 : Our WROLD in Data

2.1|HBM：需求暴增，产能紧缺

HBM内存技术：新型高性能存储产品的竞争与短缺。HBM（High BandwidthMemory，高带宽内存）是一款新型的CPU/GPU内存芯片，是将多个DDR芯片堆叠在一起后和GPU封装在一起，实现大容量和高位宽的DDR 组合阵列。目前HBM占整个DRAM市场比重约1.5%，为新型高性能存储产品，处于缺货低库存阶段。SK海力士、三星、美光等存储巨头都在HBM领域展开了升级竞

图：HBM的堆叠结构

数据来源：半导体产业纵横，《电子与封装》

图：HBM提供更快的数据处理速度

数据来源：TSMC

2.1|HBM：需求暴增，产能紧缺

HBM：突破‘内存墙’的新一代3DDRAM解决方案。“内存墙”是指处理器的运算能力超过了存储芯片的读取和写入能力，这导致了整体的计算能力被存储器所限制。3D化的DRAM是解决“内存墙”问题的主要途径。其中，HBM是3DDRAM的一种形式，相比其他DRAM的集成方式，它的数据传输速度最快，损耗最小，因此被认为是目前最理想的3DDRAM形式。HBM突破了内存容量和带宽的瓶颈，打破了"内存墙"对提升算力的束缚，被看作是新一代DRAM的解决方案。

图：存储带宽落后于算力成长速度形成“内存墙”

2.1|HBM：技术壁垒高，韩国厂商占据主导地位

HBM市场：SK海力士占据主导地位。据半导体行业观察，作为HBM的先驱，SK海力士是拥有最先进技术路线的领导者。SK海力士于2022年6月开始生目前唯—一家批量出货HBM3的供应商，拥有超过95%的市场份额，这是大多数H100SKU所使用的。HBM现在的最大产HBM3，是配置为8层16GBHBM3 模块。SK Hynix正在为AMDMI300X和Nvidia H100 刷新生产数据速率为5.6GT/s的12层24GB HBM3。三星紧随Hynix之后，预计将在2023年下半年发货HBM3，并正在大力投资以追赶市场份额。美光科技由于直到2018年，才开始从HMC转向HBM路线图，仍然停留在HBM2E，在HBM方面排名落后。

图：SK海力士在新一代技术方面保持最强

数据来源：半导体行业观察

图：三星预计2023下半年发布HBM3

数据来源：半导体行业观察

2.1交换芯片：AI服务器对SerDes提出更高性能要求

SerDes作为底层接口技术，是充分发挥AI硬件算力效能的关键。SerDes是Serializer/Deserializer的缩写，即串行器和解串器，是目前主流的串行通信技术。通过数据在发送端并转串一串行传输一在接收端串转并，实现芯片间信号的有线传输。相比于传统并行接口传输，SerDes具有更高的速率（Gbps级）、更低的功耗，以及显著的成本优势，能够满足AI训练&推理等场景下高带宽、低延迟的数据传输要求，适用于电信、汽车、工业等领域。

图:SerDes结构

数据来源：CSDN

图：SerDes汽车电子应用场景

数据来源：罗姆半导体

2.1|交换芯片：AI服务器对SerDes提出更高性能要求

AI算力报告《穿越AI的基石，算力基建的起始》

AI服务器算力提升显著，带动SerDes通信带宽需求激增。AI服务器网络模块升级主要表现为带宽增加，主要涉及的芯片是SerDes。高性能计算机性能提升主要源于单个结点计算能力增强和系统中结点数增加。一般而言，结点对互连带宽的要求与其处理能力呈正比。随着结点计算能力迅速提高，系统对互连网络带宽的需求更加迫切。

以“天河二号”为例，单个计算结点性能3TFlops，结点通信带宽112Gbps，结点带宽性能比0.037。在未来E级高性能计算机中，单结点计算能力约为10TFIps，若要将结点带宽性能比维持在0.04，则结点通信带宽需增加至400Gbps，对SerDes芯片性能提出了更高的要求。通过交替增加SerDes通道数量和每个通道传输速率，实现容量翻倍。

表：SerDes技术演进

年份	2010	2012	2014	2016	2018	2020	2020E	2022E
SerDes数量	64	128	128	256	256	512	256	512
SerDes速率率（Gbps）	10	10	25	25	50	50	100	100
调制方式	NRZ	NRZ	NRZ	NRZ	PAM4	PAM4	PAM4	PAM4
容量（Tb/s）	0.64	1.28	3.2	6.4	12.8	25.6	25.6	51.2

数据来源：IETOptoelectronics，国泰君安证券研究

2.1|交换芯片：AI服务器对SerDes提出更高性能要求

·国内SerDes发展现状：

上游：半导体IP龙头芯原股份于2021年2月获得加拿大高速接口领域全球领导者Alphawave公司在国内一系列多标准SerDes IP的独家经销权。

中游：芯片设计领域，专注于高速混合芯片设计公司龙讯股份基于单通道12.5GbpsSerDes技术研发的通用高速信号延长芯片可在5G通信领域实现国产化应用。国产以太网PHY芯片龙头裕太微研究形成高性能SerDes技术，可实现1.25\~5G等不同数据率，应用于多款量产产品；10GSerDes现已通过实验室性能测试，在FR4电路板上传输距离长达40英寸，适配以太网、PCIE等多种上层协议。

图：高速SerDes技术和各种接口的关系

数据来源：IP与Soc设计

图：全球SerDes市场规模（单位：亿美元）

数据来源：iCroudNewswire，国泰君安证券研究

2.2|PCB及载板：规格加速升级，单机ASP持续上升

AI算力报告《穿越AI的基石，算力基建的起始》

相比于普通服务器，AI服务器的PCB增量主要体现在GPU板组中。由于AI服务器比普通服务器的GPU用量从1颗提升到8颗（参考英伟达DGX H100），相应GPU板组的PCB需求量增大且要求进一步提高。

图:NVIDIA DGX H100 爆破图

图:NVIDIA DGX H100 GPU板组爆破图

2.2|PCB及载板：规格加速升级，单机ASP持续上升

OAM卡，是承载GPU加速卡片的PCB板，以NVIDIADGXH100服务器为例，其可搭载8颗GPU，显著高于普通服务器，因此其PCB用量显著高于普通服务器。

AI服务器的OAM卡需要用更高层数的PCB板，价值量更大。由于AI服务器电路更加复杂，需要更大带宽和更高传输速率，因此OAM需要更高层数PCB。NVIDIAOAM共两个版本，SXM约需要20层PCB，而Pcle版本层数相对较少；相比传统服务器，AI服务器的PCB层数更高，单台PCB价值量大幅提升。

AI服务器的OAM由于芯片性能的提升，对布线密度提出了更高要求。其需要4阶及以上HD加工工艺，根据靖邦电子，HDI板增加一阶，成本增加18%左右，因此带动OAM的ASP上升。

·目前国内企业鹏鼎控股、沪电股份、奥士康、胜宏科技等均有领先布局。

图: NVIDIA DGX H100 OAM 实物图

2.2|PCB及载板：规格加速升级，单机ASP持续上升

NVSwitch是GPU之间的通信模块，在单节点内和节点间实现以NVLink能够达到的最高速度进行多对多GPU通信。NVIDIA DGXH100的GPU板组包含4个NVSwitch。

NVSwitch对PCB板的高速传输有更高要求。根据立鼎产业研究院，NVIDIA DGX H100在4个NVSwitch加持下总带宽达到PCle5.0的7倍，意味着其覆铜板材料至少需要使用UItraLow Loss级别。

图: NVIDIA DGX H100 NVSwitch 实物图

图: NVIDIA DGX H100 NVSwitch 概念图

2.2|PCB及载板：规格加速升级，单机ASP持续上升

UBB是GPU模组板，用以承载OAM、NVSwitch等模块，面积随GPU、NVSwitch数量增加而增大。

由于其上集成部件较多，布线较为复杂，通常需要24\~26层的超高层PCB板，ASP提升较大。

作为搭载整个GPU板组的板块，对于高频高速具有较高的要求，需要使用的覆铜板等级为UItra LoWLoss。NVIDIA DGX H100的UBB设计更为紧凑，使用HDI技术会进一步提高ASP。

目前沪电股份在超高层和高密度PCB中优势领先，未来深度受益于AI服务器需求释放。

图: NVIDIA DGX H100 UBB 实物图

2.2|PCB及载板：规格加速升级，单机ASP持续上升

从覆铜板（CCL）技术升级角度，将目前最新的Intel EagleStream平台与前代平台对比，可明显看出服务器平台用覆铜板升级处于一个阶梯跨越至另一个阶梯的关键转型期。最新的EagleStream平台要求CCL的介电损失因数Df达到0.002-0.004，介电常数Dk达到3.3-3.6.

表： Intel 不同平台CCL性能对比

服务器平台升级要求传输速率提高，Dk与Dr值下降
项目	Grantley平台	Purley平台	Whitley平台	Eagle Stream
传输速率(Gbps)	28及以下	28	56	112
高速覆铜板类型	Mid-loss	Mid-loss	Low-loss	Ultra-Low-loss
典型Dk值	4.1-4.3	4.1-4.3	3.7-3.9	3.3-3.6
典型Df值	0.008-0.010	0.008-0.010	0.005-0.008	0.002-0.004
对标松下电工产品型号(注)	M4以下	M4以下	M4及以上	M6及以上

2.2|PCB及载板：规格加速升级，单机ASP持续上升

H100等GPU的芯片封装通常使用2.5D/3D封装技术，而ABF载板是2.5D/3D封装的核心材料之一。随着GPU需求持续走高，ABF载板需求也相应增加。并且由于AI大模型要求多张GPU之间相互通信形成超级CPU，对ABF载板的高频高速需求更高，ABF载板量价齐升。

从产业链看，上游ABF薄膜基本由日本味之素垄断，中游制造有日本的Ibiden、Shinko，韩国的Semco，中国台湾的Kinsus、Unimicron等。在ABF载板市场，中国台湾、日本、韩国总份额高达80%，大陆内资厂2020年全球占比仅为5.3%。目前国内深南电路、兴森科技等产品逐步突破，未来有望深度受益于国产替代。

图: H10O TENSOR CORE GPU 实物图

2.3 AI服务器：需求加速爆发，云服务商是采购主

《穿越AI的基石，算力基建的起始》

算力时代来临，高ASP的AI服务器需求加速爆发。传统服务器数据处理能力有限，AI服务器通过异构形式实现并行计算，可以更好满足算力要求。相较于普通服务器，AI服务器采用多芯片组合，算力硬件成本更高，品牌与白牌组装市场有望进一步扩容。

AI服务器需求量加速增长，2026年将超过200w台。根据TrendForce数据，2022年全球AI服务器出货量为85万台，预计2023年AI服务器出货量将增长到118.3万台，同比增长38.4%，预计到2026年出货量将达到236.9万台。

云服务厂商是AI服务器主要的采购主力。根据TrendForce，2022年北美四大云端厂商谷歌、亚马逊AWS、Meta、微软合计占据全球AI服务器采购量的66.2%，国内互联网/云计算厂商字节跳动、腾讯、百度、阿里巴巴分别占比6%、2%、2%、2%。

图：2022-2026全球AI服务器出货量预估（单位：干

图：2022全球AI服务器市场客户采购结构

2.3 AI服务器：量价齐升，组装市场进一步扩容

相较于普通服务器，AI服务器在规格以及价格方面均迎来升级，整机组装市场有望进一步扩容，且技术壁垒将同步提升。

·总体服务器市场：根据Counterpoint，2021年全球服务器市场中排名前三的品牌分别为戴尔、HPE及浪潮，份额分别为14.5%、12.4%及10.1%。ODM厂商销售规模302.3亿美元，占比达31.1%，其中工业富联销售规模最大，在ODM市场占比42%。

·AI服务器市场：参照2022年上半年全球AI服务器市场中，浪潮、戴尔、惠普分别以20.2%、13.8%、9.8%位列前三。工业富联则在AI服务器ODM领域份额一家独大。

图：2021全球服务器供应商收入（单位：百万美元）

图：2022H1全球AI服务器市场份额占比统计

2.3交换机：速率需求升级，锐捷和新华三竞争力提升

数据流量快速增长和人工智能快速发展推动数据中心网络架构转型，有望驱动交换机数量和端口速率上行，高速以太网交换机市场有望实现强劲增长。根据IDC预测，中国25G端口交换机市场规模到2022年将达到4.4亿美元，而100G交换机市场规模将达到13.87亿美元。

国内交换机市场集中度较高，锐捷和新华三市场份额提升。根据IDC测算，2022前三个季度新华三、华为、星网锐捷三家市占率已经超过80%，国产份额持续保持领先。

图：我国高速数据中心交换机市场规模（单位：亿美元）

图：2020-2022Q3 中国交换机市场份额

2.3 交换机：AI驱动端口速率和端口数提升

AI驱动交换机端口速率和端口数提升，带来交换机市场增量需求。GH200的Nvlink架构交换机为25.6Tb交换容量，32*800G端口，服务器交换机的比例从A100的1:1.2提升到1:5。

近期产业链发展显著提速，各家均推出可支持AI训练的800G产品。华为发布全球首款800G数据中心核心交换机，新华三全球首发51.2T800G CPO硅光数据中心交换机，均可支持AI训练业务需求。

图：DGX GH200采用胖树和无阻塞的拓扑结构

图：一个NVLink交换机为25.6Tb交换容量，32*800G端口

DGXH1OOSUPERPOD:NVLINKSWITCH
HVLink5witch
Standard 1RU19-inch formfactor highlyleveraged from InfiniBand
witch design
Dual VLink4 N5witch chips
128 NVLink4ports
32OSFP cages
6.4TB/s full-duplex BW
Managed switch with out-of-band management communication
Support forpassive-copperactive-copper and optical OSFP cables （customFW)

2.3|交换机：白盒化趋势下，相关厂商更容易脱颖而出

《穿越AI的基石，算力基建的起始》

软硬件解耦的白盒交换机有效降低组网成本，成为当下的主流选择。白盒交换机将网络中的物理硬件和操作系统进行解耦，让标准化的硬件配置与不同的软件协议进行匹配，下游客户可选择为交换机安装外部操作系统或在交换机厂商已提供开放式操作系统基础上开发上层应用软件，客户可组建更为开放灵活的网络方案，在大幅提高数据中心运维效率的同时，降低了建网成本。

白盒交换机厂商具备低成本、高开放性、易操作性的优势，有望在未来市场竞争中逐步提升份额。我们认为白盒交换机的成本低、操作难度小的优势未来将进一步凸显，锐捷网络等白盒交换机厂商在国内交换机市场中份额也逐步提高。

图：白盒交换机降低了组网成本

表：白盒交换机与其他类型交换机的对比

种类	裸金属交换机	品牌裸金属交换机	白盒交换机	品牌交换机
定义	仅有硬件，ODM提供基础技术支持	仅有硬件，OEM提供贴牌和技术支持/服务	商品化硬件，预装网络操作系统	品牌专门化硬件，预装操作系统
硬件成本	低	低	低	高
硬件种类	商品化硬件（包括ASIC）	商品化硬件（包括ASIC）	商品化硬件（包括ASIC）	品牌硬件（系统化ASIC）
网络操作系统	没有（顾客选择第三方操作系统）	没有（顾客选择第三方操作系统）	预装厂商自己的操作系统或第三方操作系统	品牌商自有操作系统

2.4液冷：AI时代算力密度急速增加，早期以冷板式为主

AI算力时代数据中心趋于集中化、大型化，且服务器功率密度逐年增加，风冷方案已经不能满足要求。自然风冷单机柜密度一般支持8-10kw，AI时代单机柜密度将达到20-50kW。

我们预计早期仍以技术较为成熟的冷板式方案为主。IDC液冷技术方案主要包括冷板式、浸没式和喷淋式，冷板式方案目前较为成熟、成本较低、改造上对服务器芯片影响较小，浸没式和喷淋式散热效率更好但成本较高。目前，阿里巴巴以单相浸没式液冷为主要发展方向，其他用户以冷板式液冷试点应用居多。

图：单机柜功率密度快速增加，风冷已经不能满足要求

图：2019-2025 年中国液冷 IDC 市场规模(亿

图：2019-2025年中国液冷方案结构

2.4液冷：三大运营商全面拥抱液冷

中科曙光、华为行业领先，英维克液冷方案全面布局，近年来竞争力不断加强。其中中科曙光、华为、阿里和联想位于中国液冷数据中心市场领导者位置，浪潮位于挑战者位置，戴尔中国、维谛技术和英维克位于跟随者位置，IBM中国位于可期待者位置。

三大运营商全面拥抱液冷，预计2025年能累计带来百亿左右增量市场空间。关键假设：（1）机柜数按复合5-10%增速增长；（2）冷板式方案占比7-8成；（3）浸没式方案单价约为冷板式的4-5倍；（4）平均新增机柜功率8-10kw；（5）暂时不考虑老旧改造只考虑新建。

图：中国液冷数据中心能力竞争矩阵图

数据来源：《中国液冷数据中心发展白皮书》，国泰君安证券研究

《穿越AI的基石，算力基建的起始》

表：国内厂商在液冷方面的布局

企业名称	储备液冷技术类型	主要液冷产品	推出时间
英维克	冷板式液冷、单相浸	XGlacier服务器液冷解决方案	2019 年
	没液冷、相变浸没液冷等	Coolinside全链条液冷解决方案	2021 年
		Coolinside全链条液冷6大集成交付方案	2022 年
申菱环境	冷板式液冷、单相浸没液冷、相变浸没液冷等	天枢-液冷温控系统	2021 年
高澜股份	冷板式液冷、浸没式液冷等	冷板式液冷服务器热管理解决方案、浸没式液冷服务器热管理解决方案	2022 年
同飞股份	冷板式液冷等	同飞数据中心板式液冷全链条整体解决方案	2022 年
佳力图	冷板式液冷、浸没式液冷等	技术储备和预研
依米康	冷板式液冷、浸没式液冷等	技术储备和预研
中兴通讯	冷板式液冷、浸没式液冷	寥蒋华无	2023 年

数据来源：各家官网、财报，国泰君安证券研究

03 网络连接：算力配套的核心，兼顾800G主线和扩散行情

3.1|核心逻辑：网络性能决定GPU集群算力效率

运行效率问题：根据阿姆达尔定律，串行通信决定了并行系统整体运行效率，并行系统节点数越多，其通信占比越高，通信对整体系统运行效率的影响越大。

图：GPU集群需要超大的接入带宽

增加GPU/计算节点+提升对等算力收益

图：网卡数越多，效率提升显著

数据来源：星脉

3.1|需求侧：AI流量爆发带动800G光模块需求大幅提升

《穿越AI的基石，算力基建的起始》

·我们认为800G升级需求侧主要来源于1）云数据中心自然升级；2）AI训练推理的需求推动。

·Meta论文：提到1）服务器计算训练需求6个季度翻了3倍，2）6个季度内分布式的训练工作流提升到原来7倍

图：传统数据中心架构图（800G传统云需求在51.2T较为明显）

	层级	25.6T	51.2T
amazon	Spine/Leaf	400GFR4/DR4	400GFR4/DR4	2*400GFR4
	Tor	400GSR8/100GDR1	400GDR4	800GPSM8
	Server	100GAOC	100GAOC	200GAOC
google	Spine/Leaf	2*400GFR4	2*800GFR4
	Tor	8*100GPSM8	8*200GPSM8
	Server	100GDAC/ACC	100GDAC/ACC
microsoft	Spine/Leaf	400G DR4、400G ZR
	Tor	400GAOC
	Server	100GDAC
Meta	Spine/Leaf	400G(2*200GFR4)
	Tor	200GFR4
	Server
百度	Spine/Leaf	400G FR4/DR4	400G FR4/DR4	2*400FR4
	Tor	400G SR8/100G DR1	400GDR4	800GPSM8
	Server	100GA0C:2*200G SR4/A0C	100GAOC	200GAOC
腾讯	Spine/Leaf	200G FR4	400GFR4；400G2DR4+	400GFR4;24000DR4+
	Tor	200G SR4	400G DR4/400GSR4	800G PSM8
	Server	100G AOC/ACC/AOC	100GDAC/ACC/AOC	200G DAC/ACC/AOC
阿里	Spine/Leaf	200G FR4	400G FR4；400G2DR4+	400G FR4;2400GDR4+
	Tor	200G SR4	400GDR4/400GSR4	800G PSM8
	Server	100G AOC/ACC/AOC	100GDAC/ACC/AOC	200G DAC/ACC/AOC

图：训练、推理相关的需求增长远高于其他自然增长需求

3.1供给侧：主流AI算力集群方案会采用大量800G光模块宇越AI的基石，算力基建的力报》

·AI和高性能计算迅猛发展，数据中心服务器接入侧速率快速提升。

. Nvidia解决方案中，DGX H100使用4个800G端口；QM9700则是32*800G的交换容量。

图：QM9700采用32*800G交换容量

图：DGX H100采用4个800G端口

图：Nvidia方案的Basepod采用高速的互联

B.1800G主线：互联带宽快速提升，催化800G模块需求《穿越AI的基石，算力基建的起始》

网络性能是决定AI集群算力效率的核心要素。根据阿姆达尔定律，并行系统节点数越多，而其通信占比越高，对整体系统运行效率的影响越大。因此AI芯片的互联带宽都需要非常巨大，如H100互联达到了900GB（1B=8bps）

·以Nvidia历代GPU为例，芯片互联速率显著提升，GPU互联速率提升=nvlink自身单通道的升级*link的数量。

芯片互联性能持续提升，对于节点外的芯片互联，需要经过数据中心网络，带来网络架构的变革。以Nvidia的DG×H100集群为例，单节点服务器侧（8卡）接入带宽为3.2T，交换机侧采用32*800G的交换机。

图：NVLink本身单通道速率在升级，同时连接数也在升级

图:DGX H100集群采用4*800G接入（Infiniband组网，1016卡）

数据来源 : Nvidia H100 reference architecture.

3.1800G主线：节点接入带宽提升带动上层800G光模块穿越Ai的基石，算力基建的起始》 AI算力报告

·AI和高性能计算迅猛发展，数据中心服务器接入侧速率快速提升。

GPU A100/H100推动网卡速率提升到200G/400G/800G，交换机800G端口会急剧增加。

图：数据中心架构图（800G需求快速提升）

B.1800G主线：从芯片接入-服务器外-交换机层级

最通用的测算方法就是芯片的接入流量->服务器内流量->服务器外流量->不同层级交换机流量，最后换算成端口数，再考虑是否采用光模块还是铜缆等形态。

以GH200测算为例：端口数来自L1层和L2层，共(2*115200GB+115200GB)*8(B/b）/800Gbps=3456个端口，再考虑L1接收流量端口距离较近，可以舍去，则最终为2304个端口，对应256个GPU芯片。

图：以DGX GH200集群计算方法为例

核心前提：GH200是Fat Tree架构，收敛比为1:1

B.1|800G主线：主要模型A100\H100\GH200测算

核心要点：1）在非Nvlink组网中，接入带宽是由网卡的速率*网卡的个数决定的。2）Nvidia构建的基本都是无阻塞的收敛比为1:1的架构。3）实际上Nvidia的推荐方案中部分端口是闲置的，不能直接数交换机端口数。4）对于谷歌TPU、MI300等，也取决于接入网络的带宽到底是多少，有一个初始值，我们既可以算出不同层数下需要的800G端口数。

表：H100和A100网卡组网下光模块数量比例测算

	16KGPU训练集群设计	H100	A100
核心参数	POD数量	8	8
	单个POD节点数	8	8
	单个节点所需AI服务器个数	32	32
	数		AI服务器个数	2048	2048
	数		AI服务器个数	2048	2048
	单个服务器GPU数	8	8
	GPU个数	16384	16384
	1个服务器对应网卡端口	4*（800G端口）	8*（200G端口）
服务器	服务器端口需求	8192	16384
接入层	TOR下行端口数	8192	16384
接入层	TOR上行端口数	8192	16384
汇聚层	Leaf下行端口数	8192	16384
汇聚层	Leaf上行端口数	8192	16384
核心层	Spine下行端口数	8192	16384
	三层架构汇总	49152	98304
结果	GPU：端口数	1:3.0 (800G )	1:6 (200G )

表：H100和GH200 Nvlink组网下光模块测算

	GH200	H100 Nvlink
GPU数量	256	256
单个GPU互联流量	450GB	450GB
板卡内：板块外收敛比	1:1	2 : 1
L1层流量（南向）	115200GB	57600GB
L1层流量（北向）	115200GB	57600GB
L2层流量	115200GB	57600GB
端口数	3456	1728
GPU :800G端口	1:13.5	1:6.75
GPU:800G光模块	1:9	1:4.5

B.1|跟踪预期：Nvidia和Marvell指引乐观

· NvidiaQ1数据中心业务占约60%，对应40亿美金，而Q2增量主要来源于数据中心，可能接近环比翻倍增长。

Marvell则指引AI相关业务22年2亿美金，23年至少4亿美金，24年至少8亿美金，AI主要为PAM4 DSP和DCI相关应用。

简单瀏算下id保考疲强9FY2\$P29110美金，MarvelIDSP对应2年同皆攪鼻繇业势积崇蕊块以上。

3.1技术创新主线：单位速率对应的功耗、成本持续下降等越A的基石，算力基建的力报》

》光模块技术的演进离不开以下两个核心指标：单位速率功耗：pJ/Bit，单位速率成本：\$/Gbps

》该指标下降可以因为：

》1）自然的技术代际升级：光芯片和电芯片成本、功耗并不因速率提升而线性提升；

》2）里面器件和材料的变化；3）封装形态的变化；

图：封装形态的变化可以实现单位带宽的功耗下降

图：器件层面主要通过改进材料可以下降单位速率的功耗

3.1 创新变化一：硅光模块是集成度更高的方案

硅光技术是利用现有集成电路CMOS工艺在硅基材料上进行光电子器件的开发和集成。

·与分立器件方案不同，硅光技术的集成度更高，封装形态也更加简化。

图：传统光模块方案（左）vs硅光光模块（中）及硅光芯片（右）

表：我们预计硅光技术在800G模块中渗透将明显上升

电口速率	光口速率	4通道	8通道	16通道
112G serdes	100G/lane	400G 非硅光	800G非硅光or硅光	1.6T OSFP-XD硅光
112G serdes	200G/lane	800G非硅光or硅光	1.6T非硅光or硅光	3.2T CPO硅光
224G Serdes	200G/lane	800G非硅光or硅光	1.6T非硅光or硅光	3.2T CPO硅光

请参阅附江元贝声明

3.1创新变化一：硅光良率高、产业链成熟、规模效应明显的基石，算力基建器力报告

·硅光芯片晶圆利用率高，可以复用CMOS集成电路较为成熟的产业链，上量后边际成本低。

硅光的应用取决于客户接受度，目前全球看Intel的硅光产品接受度较高。

表：硅光在集成度、产业链成熟度、良率、成本等都具有优势

类别	硅光	传统InP
晶圆尺寸	8-12'	2-3'
工艺精度	65nm-250nm	0.3-0.5um
集成度	耦合器、波导、调制器、和波器、探测器、分束器、Driver、lLA、CDR单片集成	难实现高密度集成
工厂维护	代工生产	自有Fab
产业链	成熟	相对不成熟
芯片良率	>80%	<40%
成本	量大可以很低	受限于良率和固定开支

数据来源：ICCSZ.博创科技，国泰君安证券研究国泰君安证券GUOTAI JUNAN SECURITIES

表：硅/SOI衬底价格便宜且晶圆尺寸更大

	InP	GaAs	SOI	Si
衬底价格（$/cm2）	4.55	1.65	1.3	0.2
功能晶圆价格（$/cm2）	33.95	27.16	1.3	0.2
最大尺寸（mm）	150	200	450	450

数据来源：ICCSZ，博创科技，国泰君安证券研究

·LPO：线性驱动可插拔模块（Linear Pluggable Optics）省略DSP/CDR等部件，大幅降低成本和功耗。

·成本下降：省略了800GDSP成本实现下降。

·功耗下降：省略的DSP芯片功耗占光模块超过一半。

图：传统的光模块使用CDR/DSP（上半部分），LPO模块省略了CDR/DSP（下半部

数据来源：索尔思，国泰君安证券研究
DSP功耗占8W的400G DR4/FR4接近60%

数据来源：inphi，光通信女會参案

3.1 创新变化二：LPO模块大幅改善PJ/Bit指标

·本质上是一种牺牲性能来降功耗的方案，目前只能用在SR（短距离领域）。

·需要跟交换机厂商、交换机芯片厂商、Driver/TIA厂商紧密合作

·当前Meta、Arista、Broadcom、Macom等厂商比较积极推进。

线性驱动减少光学部分的DSP功能

线性驱动可插拔模块接近当前DEMO的CPO方案单位带宽功耗

数据来源: Lightcounting，Ranovus

·薄膜铌酸锂是一种高带宽的材料，可以支持800G\1.6T等更高速率模块；

·硅光的带宽到达单通道200G/lane难度大，传统方案带宽到单通道200G难度也接近极限（EML），TFLN的上限可以更高。

薄膜铌酸锂功耗可以比硅光更低

图：铌酸锂调制性能好，薄膜化后尺寸与硅和LnP无异

材料类型	长度/mm	芯片损耗/ dB/cm	3dB带宽 /GHz	半波电压/v	直流消光比 (dB)
SiPh硅光	4	16	50	4	25
磷化铟	5	10	65	3	25
传统LN	>40	0.1	35	3-5	>40
薄膜LN	5/10/20	0.2	100/80/ 45	4.4/2.3/1.4	30
薄膜LN2	3/5	0.98	70	7.4/5.1	40

数据来源：锯酸锂调制器发展进展

·新易盛、联特、中际旭创等均在研发或发布TFLN模块，我们认为有可能在800G第二代\1.6T实现应用。

当前TFLN芯片供应商主要有铌奥光电、光库科技、宁波元芯、富士通等。

图：薄膜铌酸锂可以用在800G模块的发端

数据来源宁波元芯，国泰君安证券研究国泰君安证券GUOTAI JUNAN SECURITIES

数据来源：联特科技招股书，优迅科技招股书

B.1光芯片主线：上游核心物料，重点关注光芯片环节

《穿越AI的基石，算力基建的起始》

》光模块价值量占比：光学器件约占35%-40%，光芯片约占25%，电芯片约占30%。

》光芯片全球市场规模在80-90亿元，根据ICC预测，当前高速芯片国产化率低于10%。

Chip On Carrier

光芯片层面

·1.6T将开始采用8*200G的结构，意味着单通道的EML芯片速率将提升到200G PAM4。

·OFC2022、OFC 2023 Lumentum、IIVI、索尔思等陆续推出200G EML产品。

·国内源杰、等当前正在突破100G EML产品。

图 : Sumitomo 100G EML

图：200G/通道将成为下一个代际

3.1光芯片主线：800G有望带动100GEML市场快速增长《穿越AI的基石，算力基建剪力报》

》 800G需要8个100G EML芯片，芯片单价预计在10美金左右。

》我们详细测算下，单100G市场规模可能达到50+亿人民币。

图：全球光通信DFB/EML光芯片市场快速提升

图：100G速率光芯片快速成长

3.1光芯片主线：A100和H100出货可以快速拉动高速芯片越A的基石，算力基建的力报告

图：A100出货对50G光芯片的拉动

事项	Scen1	Scen 2	Scen3	备注
AI服务器出货量（万台）	20	50	80
A100数量（1:8)	160	400	640	一台AI服务器8张卡
200G端口数量(A100 :200G端口数=1:6)	960	2400	3840	假设按1:1收敛比计算三层网络
200G光模块数量	640	1600	2560	仅交换机与交换机链接采用光模块，服务器到交换机都不采用
50G光芯片数量（1:4）	2560	6400	10240	200G端口采用200G光模块，不采用DAC、ACC;假设全部用单模，不采用VCSEL
50GDFB光芯片单价（元）	50	50	50	50G DFB大致价钱
50G光芯片市场规模（亿元）	12.8	32	51.2

数据来源：国泰君安证券研究

图：H100出货对100G光芯片的拉动

事项	Scen	Scen 21	Scen3	备注
AI服务器出货量（万台	20	50	80	=
H100数量（1:8)	160	400	640	一台AI服务器8张卡
800G端口数量(H100：800G端口数=1:3)	480	1200	1920	假设按1:1收敛比计算三层网络
800G光模块数量	320	800	1280	仅交换机与交换机链接采用单模光模块，服务器到交换机采用SR多模光模块
100G光芯片数量（1:8）	2560	6400	10240	800G端口采用800G EML方案，不采用硅光方案；因为上面已经限制采用单模，即不采用vCSEL
100G光芯片单价（元）	100	100	100	100G EML大致价钱
100G光芯片市场规模（亿元）	25.6	64	102.4

数据来源：国泰君安证券研究

B.1|国内算网主线：预计年内400GOTN升级

·东数西算、算力光网的大规模投入建设，带动国内骨干网升级的需求

枢纽间光网

骨干网:OXC/ROADM技术实现一二干融合，支持400G端口演进，扩展到500T+以上能力投资机会：400G相干、OXC、C+L光放大器

省内一体光网

省级互联：使用OXC/ROADM技术实现全光互联，支持400G端口演进

400G相干、OXC、C+L光放大器

城市光网

城域网：增加光锚点数量，接入带宽需要快速提升

DCI子系统、光模块

3.1 国内算网主线：传统架构无法满足算力网络带宽、时《穿越AI的基石，算力基建的起始》延、可靠性等问题

网络架构

时延调整

网络带宽

以行政地域为中心布
局，
三层架构接入、汇聚、核心，环形和链型为
主，不能应对东西流量需求

现网数据中心多条链接

省干、本地网以 100G为主，难以满足DC间大带宽需求

数据来源：三大运营商讲话，国泰君安证券研究

以算力为中心布局

算力节点直连，提供MESH组网多路径；减少光电转换，做到10 ms级

骨干网：2024-2025年提升至400G端口规模商用，达到Tbps直连的容量

DCI：传统汇聚接入主要采用非相干10GDWDM，带宽需要10x以上提升到100G/200G/400G低成本相干下沉，用量也翻10-100倍。

B.1骨干设备：骨干网400G新代际，主要设备商受益

·100G OTN自2013年起已经应用10年，我们预计骨干网 400G OTN将开启新代际的落地。

·主要设备厂商均有试验项目，年内有望开启招采较为受益。

图：2020-2023年OTN端口比例华为占比最高

表：100G代际OTN新建+扩容有超过累计100万端口

	合计	华为	中兴	烽火	诺基亚
2022-2023	335309	228488	59245	39976	4447
2021	1160
2020	292578	193091	48885	33424	3509
2018-2019	315460	220502	50813	51040	4835
2017-2018	399284	256476.8	67874.2	51040	23893

数据来源：中国移动采招网，国泰君安证券研究

3.1相干模块：价值量高，竞争壁垒好

·相干模块价值量高，而且由于需要与客户进行更多定制化，竞争格局较好。

·我们预计单个相干模块价值量至少在万元以上，国内能批量出货的厂商较少。

表：主流相干模块市场价格情况

相干模块市场价格

100GCFP/CFP2 28000

200G CFP2 DCO 40000

400G CFP2 DCO 60000

800G 6位数

1.2T 6位数

数据来源：易飞扬通信

图：相干模块图样

数据来源：德科立官网

3.1 薄膜铌酸锂：高带宽CDM器件，有望应用在400G端口

·薄膜领域，当前海外富士通、国内光库科技等有相应产品，我们预计有望应用在400G骨干网端口中。

交付的形式大概率为调制器HB-CDM的格式，封装尺寸可以相对做的较小。

图：富士通宣布商用的驱动器+铌酸锂调制器封装起来3cm

(Figure1) Compact thin-fitmLN driver integrated coherent Modutator (Package length 30 mm)

表：核心的薄膜材料技术我国已经掌握，芯片技术已逐渐兴起

数据来源：富士通官网，国泰君安证券研究

	铌酸锂薄膜材料	薄膜锯酸锂调制器芯片	薄膜LN器件制作
学院派	山东大学：胡卉团队	中山大学：余思远蔡鑫伦团队、武汉国家重点实验室等	华中科技大学夏金松团队、山东大学晶体材料实验室
产业	济南晶正（胡卉团队）	光库科技、铌奥光电、宁波元芯	光库科技、铌奥光电、宁波元芯等

数据来源：国泰君安证券研究

数据中心底层硬件，保障高速高质量信号传输。连接器作为连接系统、实现光/电信号传输交换所必需的基础配件，广泛应用于通信、汽车、消费电子、工业交通、航空航天、军事等领域。传输高速高频数据信号的同时须保证电路阻抗连续性好、串扰小、时延低、信号完整性高。

数据中心连接新趋势不断涌现，对连接器&线束性能要求持续提升。随着数据中心规模不断扩大、组网模式日益复杂，研发更快速度、更高密度和更小型化的连接器以及更高集成度的线束成为行业技术发展的趋势。

表：连接器分类

连接器类别	主要功能	应用领域
电连接器	用于器件、组件、设备、系统之间的电信号连接，借助电信号和机械力量的作用使电路接通、断开，传输信号或电磁能量，包括大功率电能、数据信号在内的电信号等	广泛应用于通信、航空航天、计算机、汽车，工业等领域
微波射频连接器	用于微波传输电路的连接，隶属于高频电连接器，因电气性能要求特殊，行业内企业会将微波射频连接器与电连接器进行区分	主要应用于通信、军事等领域
光连接器	用于连接两根光纤或光缆形成连续光通路的可以重复使用的无源器件，广泛应用于光纤传输线路、光纤配线架和光纤测试仪器，仪表，光纤对于组件的对准精度要求	广泛应用于传输干线、区域光通讯网、长途电信、光检测、等各类光传输网络系统中

数据来源：瑞可达招股书，国泰君安证券研究

图：数据中心场景下的连接器应用

数据来源：立讯精密官网

3.2

连接器顺应光模块迭代趋势实现用量增长。根据集成光纤数量的不同，常见的光模块连接器可分为LC接口和MPO/MTP接口，100G以下光模块多使用LC接口，100G以上光模块则需要光纤集成度更高的MPO/MTP接口（常用2\~48芯）。随着光模块速率从100G/200G向400G/800G跃升，单个光模块的通道数量增加，所需使用的单个连接器的通道密度&分支端连接器数量也增加即需要更多的MPO/MTP连接器。

表：光模块技术演进

光模块封装类型	通道数量	单通道速率	调制技术	传输速率
QSFP+	4	10Gbps	NRZ	40G
QSFP28	4	25Gbps	NRZ	100G
QSFP56	4	50Gbps	PAM4	200G
QSFP-DD400G	8	50Gbps	PAM4	400G
QSFP-DD 800G	8	100Gbps	PAM4	800G

数据来源：飞速FS，国泰君安证券研究

图：常见400G光模块连接方案

数据来源：飞速FS

3.2 连接器：高速背板连接器新技术，高壁垒筑就高附加穿越AI的基石，算力基建起蜡》值

高速背板连接器新技术，高壁垒筑就高附加值。高速背板连接器因其功能主要集中在高速信号的板间传输，且能够在有限的空间布置更多电路板，已成为应用于高端服务器的新技术方向。由于其在技术难度、信号传输速率和应用场景多方面优于I/O连接器且下游客户产品定制化要求较高，价值量大幅提升。

图：I/O连接器和背板连接器应用

数据来源：鼎通科技招股书

表：I/O连接器和高速背板连接器对比

应用领域	I/O连接器	高速背板连接器
技术难度	①单片信号PIN数量较少（一般为4个）②信号PIN一般只包含信号层和包围信号层的两个绝缘层③差分对集中在同一个信号PIN上，间距相同易加工	①信号PIN数量较多（一般为12个以上）②信号PIN额外包含一个屏蔽层以及屏蔽层和信号层之间的绝缘层；③差分对配置在不同信号PIN上，且交错分布，不易加工
传输速率	市面主流产品QSFP28：单个通道的传输速率为28Gbps，共4个通道，总传输速率为100Gbps	市面主流方案6pair/4column：单个差分对的传输速率为28Gbps，共24个差分对，总传输速率为600Gbps
应用场景	安装在子板边缘，主要作用是和外部的其它设备互联，以便和外部系统进行数据/信号交换	安装在背板上，主要作用是将背板和子板进行连接，实现背板和子板的数据/信号交换

数据来源：鼎通科技招股书，国泰君安证券研究

3.2 线缆：匹配服务器接口升级，高速线缆迎来快速发展

线缆同步平台升级，内部线缆单服务器价值量大幅提升。根据在数据中心中应用场景的不同，线缆产品可分为内部线缆/外部线缆：高速裸线等内部线缆，用于服务器内板卡、存储等组件互联；DAC/AOC高速线缆属于外部线缆，一般用于短距离服务器-交换机、交换机-交换机互联。由于内部线缆需配合服务器/交换机平台不断升级（Intel平台从支持PCIe 4.0向5.0升级，传输速率和调制技术均升级），可实现单服务器价值量大幅提升。

随着交换机与AI服务器需求和性能持续提升，高速线缆、组件、连接器迎来快速发展期。

图：DAC/AOC应用场景

数据来源：飞速FS

图：主板上PCIE通道

数据来源：Intel官网

3.2

国内厂商凭借在消费电子领域的技术积累+国产替代节奏加速，有望打破行业格局。海外连接器市场发展较早且成熟，欧美、日系厂商依靠技术沉淀和规模优势长期占据全球大部分市场份额。我国连接器行业起步相对较晚，以消费电子领域为代表，产品以中低端为主，市场份额有限。随着数据中心需求爆发式增长以及国产替代稳步推进，国内连接器厂商有望实现产品技术升级，突破现有行业格局。

图：2020年全球连接器厂商市场份额

数据来源：Bishop&associates，国泰君安证券研究

表：国外厂商与国内厂商对比

应用领域	主要国外制造商	主要国内制造商
通信	泰科、安费诺、莫仕、航空电子、灏讯、雷迪埃、罗森伯格	电连技术、中航光电、航天电器、四川华丰、瑞可达
汽车	泰科、安费诺、莫仕、矢崎、航电空电子	连技术、中航光电、航天电器、得润电子、永贵电器、徕木股份、瑞可达
计算机等消费电子	泰科、安费诺、莫仕、航空电子	电连技术、立讯精密、得润电子、徕木股份
工业和交通	泰科、安费诺、莫仕、矢崎、航空电子、灏讯、罗森伯格	中航光电、航天电器、永贵电器、四川华丰
军事、航空航天	泰科、安费诺、莫仕、航空电子	中航光电、永贵电器、四川华丰

数据来源：瑞可达招股书，国泰君安证券研究

3.2

立讯精密：国内连接器龙头，跟随数据中心发展趋势深度布局通讯领域，公司全面拓宽产品线，在电连接（高速电连接器及线缆）、光连接（AOC 和光模块）、射频通信（基站天线、基站滤波器、塔顶放大器、双工器、合路器、RRU、AAU、小基站等现有产品基础上，增加了热管理（热管、VC、轴流风扇、冷板、液冷散热）和工业连接等产品，实现数据中心场景下解决方案的垂直整合。

电连技术：国内高频高速连接器龙头供应商，产品品类从消费电子领域射频连接器扩张至汽车领域高频高速连接器，公司自身扎实的产品基础+5G趋势有望推动公司复刻海外龙头发展路径，实现通信领域连接器覆盖。

图：立讯精密数据中心场景解决方案

数据来源：立讯精密公司公告

图：电连技术ECT产品应用

数据来源：电连技术公司公告

04 终端：边缘算力建设加速， MR是最具潜力的AI终端

终端：边缘算力建设加速，终端产品打开市场空间

《穿越AI的基石，算力基建的起始》

谷歌PaLM2全面进化，“大语言模型的小型化”迎重大突破。在谷歌I/O2023大会上，推出PaLM2，改进了数学、代码、推理、多语言翻译和自然语言生成能力。PaLM 2包含了4个不同参数的模型，包括壁虎（Gecko）、水獭（Otter）、野牛（Bison）和独角兽（Unicorn。其中，PaLM2最轻量版本Gecko小到可以在手机上运行。

小型化模型将打破智能终端性能冗余窘境，终端接口的硬件性能将迎大升级。目前，以手机为代表的智能终端性能冗余，算力需求基本满足目前应用需求场景，导致终端消费者换机动力不足。而AI大语言模型的小型化发展，将带来智能终端的再升级。在手机、MR、机器人等终端应用上内嵌部署AI模型，将迎来终端的核心架构的变化，终端推理计算能力要求将大升级，对应存储、传输、执行、感知等硬件需求也将同步升级。

图：谷歌发布可植入终端设备的小型化模型Gecko

4.1终端SOC：边缘算力建设加速，终端产品打开市场空间A的基石，算力基建的力报

Soc作为核心部件有望深度受益。Soc作为智能终端中的底层硬件产品，涵盖声音、影像、A处理功能，为智能化场景提供完整解决方案。Soc在一块芯片上集成整个信息处理系统，主要集成CPU、GPU、视频编解码器、显示控制器、总线控制器、内存子系统、音频处理器、I/O子系统以及各类高速模拟接口等功能模块。

具有先进制程&高算力&强解码能力的SoC，能够适应更多元的场景，提供更出色的性能。随着Soc发展向多核整合、更低功耗、更小工艺节点迈进，逐步支持深度学习（DL）、神经网络（NN）加速、计算器视觉（CV）应用以及超高清画质显示，将广泛应用于智能家居、互动零售、企业、商业、工业物联网等场景。

图：Soc赋能的终端AI应用

4.2MR：苹果VisionPro震撼发布，最具潜力的AI终端《穿越AI的基石，算力基建的力》

Vision Pro通过VST（video see through）实现MR（数字与现实的混合）。Vision Pro通过传感器实时感知现实环境，将数字化的现实运算后发给显示屏幕，通过光机系统真实的发送给佩戴者。

图：通过调节VisionPro的旋钮，用户可以获得不同的沉浸度体验

数据来源：WWDC23

图：完全沉浸时，EyeSight技术让走近的同伴出现在用户视野中

数据来源：WWDC23

4.2MR：消除数字与现实的鸿沟，开启空间运算新时代

VisionPro对现实的运算，是真正意义上的数字与现实的融合，也是与AI的完美结合。

算力芯片是对现实进行运算的基础，AI将无处不在。Vision Pro对现实的运算由M2和R1两颗强大的芯片保障算力，开启了空间运算新时代。

Vision Pro与AI结合生成Persona虚拟现实形象。Vision Pro采用机器学习技术，通过前置传感器和神经网络生成用户专属形象，并动态模仿用户的手部和面部动作，创建具有立体感的人物形象Persona

图：基于机器学习运算后创造的现实形象

05 重点公司与盈利预测

5.1新易盛：数通模块后起之秀，高端占比不断提升

公司在电信领域耕耘已久，是国内少数批量交付电信100G高端模块的厂商。此外，公司2019年推出业内低功耗10w以下400G产品，并在海外大客户获得较大突破，自此高速率模块占比快速上升。

超预期的点：新客户开拓进展；硅光能力整合加强；22-23年行业需求超预期。

图：主要产品为各速率光模块

数据来源：公司公告，国泰君安证券研究

5.2天孚通信：拓品类和拓赛道，数通产线迎来旺季

·成立于2005年，最早做陶瓷套管，后续增加光纤适配器和光收发组件。

·2015年上市后，拓展OSA、Barrel Lens、带隔离器的光收发组件；

2016年-2017年：增加MPO连接器、设立光通信Lens镀膜、陶瓷插芯产品线。

·2018-2020年：收购AiDi、开拓有源BOX、FA、收购北极光电（滤波片、玻璃block加工、WDM器件）。

·2021年-至今：发力激光雷达、医疗检测、光引擎，横向和垂直延伸。

超预期的点：数通器件需求超预期，激光雷达项目进展超预期，23年光引擎需求超预期。

图：全球客户链条

数据来源：公司公告，国泰君安证券研究

图：全球研发和产能布局

预计2023年公司电信网络侧业务将稳步增长。根据工业和信息化部的数据，2023年全国5G基站建设量将约为60万个，与2022年相近。截至2022年底，具备干兆网络服务能力的10GPON端口数达1,523万个，比2021年底增加737万个。干兆光网络渗透率不足20%，预计干兆光网络建设将快速爬升，将为公司光网络设备业务提供增长机会。

服务器和存储业务高增长可期，产品组合不断丰富。由于电信运营商强劲的算力资本开支，预计公司对电信运营商的服务器和存储出货量仍将强劲。公司最新发布的G5系列服务器产品，具备高密度算力、灵活扩展、异构算力、海量存储、稳定可靠等特性，采用最新的英特尔至强第四代可扩展处理器，双路最大支持120核，AI性能提升10倍，提供强大算力支持。公司目前已与百度合作，为“文心一言”量身定制算力底座，为AI产品应用提供更加强劲的算力支撑

·催化剂：更多AI算力产品的推出；干兆光网建设提速；与更多客户达成合作。

图：中兴通讯G5系列服务器新品

表：中兴通讯智算基础设施产品矩阵

产品分类	产品简介全系列服务器支持GPU和液冷，可以以极致低耗构建大模型计算资源池，使数据中心的PUE降到1.13以下。已推出R6500G5GPU服务器，最大支持20个GPU，还将推出更高性能的R6900G5GPU训练服务器。
服务器
存储	提供高带宽多元融合存储，以满足AI训练多态数据存储需求。提供分布式磁阵和高端全闪磁阵组合方案，兼顾了大容量和高性能需求，同时提供文件、对象和块等多元存储。此外，通过NEO智能云卡卸载高性能存储传输协议NVMe，实现了3MIOPS的存储性能。
网络	采用高速“无损”网络，实现了AI算力的“无损”。以DPU为中心，基于无损交换机的高性能RDMA网络，构建了超大规模算力集群。引入NEO智能云卡，服务器可实现单节点800Gbps转发性能、微秒级时延，从而突破节点间网络瓶颈，可以将GPU集群算力发挥到极致。

5.4中国移动：盈利和派息稳健增长，数据要素市场广阔

《穿越AI的基石，算力基建的起始》

盈利和派息均将持续稳健增长。预计移动客户和家庭宽带客户仍将实现净增长；预计移动ARPU将基本保持稳定，而家庭客户综合ARPU在智慧家庭增值业务推动下将同比增长。由于资本开支放缓带来的折旧压力减小，以及运维费用的管控，预计盈利的增长将高于服务收入的增长。此外，预计公司仍将提高派息率，2023年派息率将超过70%，因此股息增长将高于盈利增长。

数据要素市场空间广阔，为公司带来巨大市场机会。公司拥有大量的优质数据，在数据资源方面有很大的优势，未来在数据要素市场将有很大的发展机会及占据较大市场份额。目前，已有一些商业案例落地，但数据相关业务仍处于发展初期；我们认为公司将从战略层面推动数据相关业务的发展，业务模式也会愈加成熟，进入更多的垂直行业，为各行业的数字化转型赋能。

·催化剂：派息及派息率的上升；数据要素相关业务的推进。

表：中国移动算网基础设施

数据中心	布局	4+N+31+X
	算力规模	8 EFLOPS
	可用机架数	35万架
云专网覆盖城市数		304个
网络时延	全国	20ms
	省域	10ms
	地市	1ms
省际骨干网带宽		>=800Tbps

数据来源：产业通信网、国泰君安证券研究

表：中国移动面向政务领域的行业大模型

模型类型	简介	优势
九天·海算政务大模型	基于近年来积累的丰富数字政府建设经验所打造的面向政务领域的行业大模型。	依托九天·海算政务大模型，政务服务系统将具备强大的政务事项理解能力、多维度的信息关联能力、面向复杂事项和复杂流程的多元交互能力。
九天·客服大模型	既可根据用户提供的自然语言描述，解析用户问题并提供答案，又可以与人工客服协作，分析历史沟通内容的语义和上下文，总结和归纳对话的重点和关键信息，根据对话内容为人工客服坐席提示回复建议，以减少应答时间，形成大模型一人工坐席一用户"的三方沟通场。	极大提升传统人工客服的工作效率。

数据来源：中国移动、国泰君安证券研究

5.5中国电信：云业务不断拓展，算力资源奠定发展基础

《穿越AI的基石，算力基建的起始》

国资云龙头，业务规模不断拓展。天翼云公有云市场份额进入行业前三，在云业界影响力不断提高。公司计划在2023年将其云业务拓展至人民币1,000亿元。目前，市场需求依然旺盛，关键点在于公司自身的关键核心技术能力；预计公司将继续加强在云计算核心技术方面的能力计划2023年投资云资源人民币195亿元。我们预计公司将大力投入核心技术研发，加上强劲的市场需求、庞大的客户基础、云网融合优势、数据安全优势，以及大规模投资算力网络，我们预计云业务将持续高增。

算力资源规模持续扩充，为产业数字化业务奠定坚实基础。中国电信在全国范围部署层次化算力，持续提升“2+4枢纽节点”和31省的规模算力，不断丰富边缘近场算力和客户现场算力，2022年底算力总规模达到3.8EFLOPS，预计2023年底将达到6.2FLOPS。公司计划2023年在产业数字化方面的资本开支占比同比上升9.1个百分点。

催化剂：派息及派息率的上升；云业务的增长快于预期。

表：中国电信“2+4+31+X+0" 算力布局

分类	具体内容
2	在内蒙古和贵州两个全国性云基地打造融合资源池
4	在京津冀、长三角、粤港澳、陕川渝4个大区建成大规模公有云
31	在31个省省会级和重点城市建设属地化专属云
X	在X节点打造差异化边缘云
0	布局“一带一路”沿线国家，将算力体系延展至海外

数据来源泰婴电，国泰君安证券研究

表：中国电信新一代智算引擎

分类	具体内容全面布局图像、语音、语义和AR/VR等领域基础算法和前沿探索，AI算法仓已突破5500+，发布星河通用视觉大模型2.0，从垂直领域智能迈向跨行业通用智能。
核心算法
高效算力	依托天翼云进行人工智能4级算力的平台建设：在全国6个大区建设核心的、大型的算力集群；在31个省节点和部分重点城市节点，进行推理服务器和少部分训练服务器的部署
数据治理	实现了结构化和非结构化数据的标签化管理，打通数据内循环，推动数据外循环，为算法训练和应用提供了强大的数据支撑，赋能内外部的融合应用。
统一平台	构筑全球首款以云网融合为基础底座，搭载“全网、区域、边、端”四级算力的人工智能产品和能力平台星河AI赋能平台

数据来源：公司联通国泰君安证券研究国泰君安证券GUOTAI JUNAN SECURITIES

盈利水平稳健，产业互联网业务高增。移动业务和固网宽带业务收入都将维持较为稳定的增长，但全屋智能方面ARPU仍有挖掘空间。由于折旧摊销的压的缓解，以及铁塔费用的折扣、2G和3G的退网将减轻运维费用的压力，预计费用的增长率将低于收入，因此我们预计今年的每股盈利会保持双位数的增长。由于政务云的强劲需求、运营商在数据安全和云网融合方面的优势、以及对公司对云资源储备的大力投资，我们预计联通云仍将实现高速增长。IoT业务方面，公司在车联网前装市场处于领先地位，并基于平台能力，专注于智慧城市、工业制造和可靠供应链的布局，迭代行业标准化解决方案。

·中国联通布局全面承接国家“东数西算”工程的“5+4+31+X”新型数据中心体系，建成数据中心880个，机架规模超过40万架，推动联通云“一市一池”覆盖200多个城市，实现超大规模的算力供给。预计2023年公司在算力方面的资本开支同比上升20%至人民币149亿元。

·催化剂：派息及派息率的上升；产业互联网的发展快于预期。

表：中国联通"5+4+31+X”数据中心布局

分类	具体内容
5	加快京津冀、长三角、粤港澳大湾区、成渝区域4大国家东数枢纽节点和鲁豫陕通信云大区中心枢纽节点建设
4	建设蒙贵甘宁4大国家西算枢纽节点
31	按需建设“31"省新型数据中心灵活部署“X"边缘数据中心，实现大规模算力部署，
X	按需建设“31"省新型数据中心灵活部署“X"边缘数据中心，实现大规模算力部署，

表：中国联通A智算中心核心优势

分类	具体内容
自主创新的基础软硬件	基于昇腾硬件、欧拉开源操作系统、昇思MindSpore全场景AI框架，CANN异构计算架构等全栈自主创新的基础软硬件支撑原生创新。
极简易用的训推一体平台	提供从训练到推理的一站式AI开发平台，通过昇思AI框架和全流程开发工具包，加速行业算法和应用开发，快速实现AI使能业务能力。
全场景的端边云协同能力	硬件层面均采用统一的达芬奇架构，软件层面支持主流操作系统、多种AI框架，实现增量训练模型迭代，全场景自适应感知与协同。
不断丰富的生态体系	依托智算平台，联合高校、算法厂商等合作伙伴联合创新，孵化AI行业应用，实现产学研用深度融合，构筑成熟AI生态体系。

5.7光迅科技：国内芯片到模块、子系统集大成者

·光迅科技（002281.SZ）是全球领先的光通信器件及系统解决方案供应商，也是我国光电产业稀缺的产品能力覆盖芯片、器件、模块、子系统的全链条供应商，在国内数通市场市占率较高。

超预期的点：国内数通高景气，高速芯片研发成功，新募投项目持续推进，激光雷达应用（光源）。

图：主要产品为多场景光模块、传输器件、光芯片等

数据来源：公司公告，国泰君安证券研究

5.8光库科技：匠心享誉中国，期待薄膜数通领域应用

·公司能力覆盖光纤激光器各类器件设计生产能力，开发出光纤光栅、隔离器等明星产品；

·2020年起，公司募投定增薄膜铌酸锂产线，达产后芯片有望广泛应用于高速率数据中心光模块、电信传输骨干网等领域；

·超预期的点：薄膜铌酸锂送样顺利、激光雷达业务推进超预期。

图：公司产品应用中光纤激光器和光通信领域

图：OFC2022模块厂商推出基于薄膜铌酸锂的800G光模块

数据来源：新易盛官网，国泰君安证券研究

5.9|奥飞数据：AIGC应用的快速发展，公司核心受益

公司是国内较有影响力的专业IDC服务商。截至2022年12月末，公司在北京、广州、深圳、海口、南宁、廊坊、南昌拥有12个自建自营的数据中心，可用机柜约为22，000个，同时公司继续抓紧海外市场资源布局，奥飞国际网络以香港为核心，通过搭建海缆资源网络，互联了公司在东南亚、欧洲和美洲节点。

AI浪潮下获得百度订单，出海布局沙特数据中心。2022年公司部分大型互联网公司客户的投资进度和投资力度受到了影响，期间公司加大市场拓展力度，拓展新客户群体，持续获得了百度等客户的意向订单，同时启动了在沙特与各方合作投资建设数据中心的计划。

图：公司从华南起家，已经形成核心区域布局

图：奥飞国际主要POP节点遍布亚洲、美洲等地区

5.10立讯精密（002475.SZ）

手机/手表业务迎来放量期。手机领域，公司凭借自动化程度更高的组装产线以及强大的供应链管理能力，手机整机组装份额和盈利能力持续提升；手表领域，公司深度参与整机组装以及除屏幕/芯片外的大部分零部件，其目前在组装和SiP模组份额持续提升，供应链地位和产品获利能力遥遥领先。未来健康功能完善后有望进一步爆发，极具业绩弹性。

MR放量在即，公司将深度受益。苹果MR作为划时代产品，是引领行业下一个十年创新的全新装备，立讯深度配合苹果多条产品线，在结构件、连接器、光学、声学、SiP/AiP、射频、功能模组、整机组装中构筑了强大的垂直一体化能力；同时供应链管控、精益管理、成本管控能力将助力其成为苹果MR硬件核心供应商。

公司持续推进数据中心和智能汽车中的产品布局，未来有望迎来快速增长。目前立讯拥有以车身控制、智能座舱、ADAS、车载电源、线束连接器、传感器为核心的整体方案能力，客户涵盖国内外主机厂、头部新势力等，单车价值量持续提升。在算力中心场景中，公司由多品类的零组件、模组产品延伸至服务器整机组装，并持续在低速、高速IO接口的光、电传输及电源类产品上提供原创性开发并拥有广泛且深度的专利布局。在以CPO/CPC技术为基础的匹配高算力数据中心高速连接方案架构的研发更处于领先地位。

图：公司在数据中心的产品布局

数据来源：公司2022年年报

智驾渗透率加速提升，高速连接器龙头扬帆起航

公司是国内高速连接器稀缺标的，汽车领域进展迅速。目前公司的高速连接器产品涵盖全部四大类型（FAKRA、Mini-FAKRA、HSD、以太网）。已经导入比亚迪、长安、长城、吉利等国内主流车企，在国内部分“新势力”车企也已经实现量产出货。竞争格局方面，目前市场主要厂商为泰科、罗森博格等国外企业，公司成长空间巨大。

AI有望加速智能驾驶发展，高速连接器市场迎来量价齐升。智能驾驶渗透率提升迎来加速阶段，高频高速连接器作为信号传输的重要桥梁，市场将迎来量价齐升。量方面：L3及以上自动驾驶对于摄像头、雷达等传感器的需求量增加，车内数据通讯及接口模块的需求不断增长。价方面，高级别自动驾驶对于数据传输速率要求显著增加叠加激光雷达装车辆的上升，以太网连接器有望逐步替代HSD，同时摄像头规格的升级将带动Mini-FAKRA的用量提升。

图：ADAS系统使用了大量的连接器

图：公司产品覆盖高速连接器四大类型

5.12|沪电股份（002463.SZ）

深度布局数据中心PCB，未来将受益于AI服务器放量和交换机升级。AI推动数据中心朝更高速数据传输标准发展，这将加速400Gbps和更高速度的数据中心交换机的采用以及服务器产品的更新换代，相关的路由器、数据存储、A加速计算服务器产品也有望高速成长，催生对大尺寸、高层数、高阶HDI以及高频高速PCB产品的强劲需求，并对其技术层次和品质提出更高的要求，公司客户优质技术领先，未来将深度受益。

汽车智能化加速推进，公司汽车板空间广阔。根据公司公告，随着汽车自动驾驶辅助、智能座舱等的持续渗透，推动相关高端汽车板的需求增加，其复杂度、性能和可靠性的要求也不断提高，传统6层以内为主的汽车板逐步向多层、高阶HDI、高频高速等方向升级。

图：公司在高速通讯和汽车领域拥有领先布局

BP(Backplane)

LC(Line Card)

Server Products

ANT(Antenna)

HDI(Higth Density Interconnec)

Hybrid Products

Heat sinks(Metal-backed PCB)

Heavy Copper

5.13|深南电路（002916.SZ）

·公司PCB订单结构持续优化。数据中心领域，目前其已配合主要客户完成新一代平台服务器PCB研发，逐步进入中小批量供应阶段，有能力快速满足客户后续大批量供应需求。汽车电子专业工厂南通三期产能爬坡稳步推进、技术能力持续提升，22年底已开始盈利。

封装基板业务未来爆发性十足。目前公司FC-CSP基板已具备中阶产品样品制造能力，高阶产品技术研发按期顺利推进。其FC-CSP基板产品在MSAP和ETS工艺方面达到行业先进技术能力。广州封装基板项目和无锡基板二期项目建设推进顺利，未来业绩弹性充足。

图：公司形成独特“3-in-0ne”业务布局

数据来源：公司年报

5.14生益科技（600183.SH ）

覆铜板景气度有望边际改善，公司业绩有望率先迎来拐点。未来随着宏观经济边际改善需求端有望迎来复苏，叠加PCB库存进一步消化，产品需求及价格有望回升。公司份额全球领先，技术积累深厚，且成本优势和交付能力优秀。同时其持续进行产品结构升级在HDI基板/封装基板等产品中持续布局，未来盈利水平有望改善。伴随着未来景气度转好，公司作为龙头，业绩有望率先迎来拐点。

ABF载板产业链国产化加速推进，公司积极布局上游增层材料。国内企业积极推进Chiplet开发，有望打破海外技术封锁从而进一步打开国产ABF载板空间。ABF上游薄膜原料由日本味之素完全垄断，此前其扩产意愿不足导致产能受限。同时国产化大趋势下，公司积极研发增层绝缘膜材料，目前配套客户验证进度顺利。

图：公司的主营业务为覆铜板和粘结片同时下游领域广泛

能终产品

常性产品
汽车产品

与微波产品
金属基校与高导产品

IC封产品

软生材料产品

高速产品

特种产品

5.15|胜宏科技（300476.SZ）

AI算力报告《穿越AI的基石，算力基建的起始》

深度布局数据中心PCB产品，未来有望快速放量。根据公司公告，其应用于EagleStream级服务器领域的产品已实现规模化量产，Birch Stream级已小批量导入；在高阶数据中心交换机领域，应用于Pre800G的产品已小批量生产；基于AI服务器的加速模块的多阶HDI及高多层产品，已实现4阶HDI及高多层的产品化，6阶HDI产品已在加速布局中。

公司加速拓展汽车PCB产品。根据公司公告，针对车载电子产品，公司是全球最大电动车客户的TOP2供应商，众多国际Tier1车载企业的合格供应商，产品涉及自动驾驶运算模块（4 阶 HDI），三电系统，车身控制模组（3 阶HDI）以及集成MCU。77Ghz车载雷达已实现了小批量作业，同时加大对细分领域的研发。

项目Item		工艺能力TechnologyCapability		2021	2022	2023	2024
板厚	Board Thickness	层数Layer count 最大成品板厚Max.Finished board thickness		2~32L 5.0mm	2-36L 5.0mm	2~40L 5.0mm	2-42L 5.0mm
		最芯板厚（不含）Corethickness（Excludecopper）		50um	50um	50um	50um
		PP厚度Prepre thickness		40um	40um	30um	25um
		厚公差Board thickness tolerance		±10%	8%
		小机械孔径Minmechanical holesize		150um	150um	5%	5%
		NPTH孔径公差NPTHholediameter tolerance				100um	100um
		PTH孔径公差PTHholediameter tolerance		±38um ±50um	±38um ±50um	±38um	±38um
		压接孔孔经公Pressfit holediameter tolerance		±38um	±38um	±50um ±38um	±50um
		孔到孔精度公差“Holeto Hole”accuracy		±50um	±50um	±50um	±38um ±50um
钻孔 Drilling	长 Slot length		±3mi	±2.5ml	±2.5mil	±2.5mll
	PTH孔公差 PTHSlot Tolerance 页Slot width		±2mi	±1.5mi	±1.5mil	±1.5mil
	背钻孔径Backdriling Via Diameters		D+6mil	D+6mil	D+5mil	D+4mil
	孔残柱Back drllingstub					4±2mil
	BD2M		5t3mil Smil	5t3mil 4.5mil	4±2mil 4mil	4mil
	Platine	通孔纵横比Aspect radio 孔经Hole size≤0.15mm		16:1			25:1
					20:1 25:1	20:1 25:1	30:1
			0.15mm<孔径Holesize≤0.3mm 孔径Hole size>0.3mm	20:1 25:1	30:1	30:1	35:1
	多层板事业部技术路径RoadmapofMulti-LayersBU 线路及甩抗 Backdriling Va Diameters	线宽/线距 Uine width/space	+电plaing	（Copper thicness）1/20	100/100um	90/90um	90/90um	85/85um
厚（Copper thickness）1/20				75/75um	60/60um	60/60um	60/60um
钢厚（Copperthickness）1o				75/75um	75/75um	60/75um	60/75um
厚（Copperthicness）2oz				125/125um	125/125um	125/125um	100/125um
外层和内层对位盘尺寸				DHS+8mil	DHS+6mil	DH5+6mil	DHS+6ml
Ir Outterlayeregstration Minpad Die
阻抗控力 Impedancecontrol tolerance		±10%	±8%	8%		±7%
		防焊对位公差L）S/MRegistration		±25um 63.5um	±20um 63.5um	±20um		±15um
		小绿油桥尺寸Y）Min.S/Mdam					50um	50um
		防焊 Solder Mask		最小防焊开窗尺寸Min.5/Mopening size	8mil	7mi	5mil	4mil

	塞孔比POFAaspect ratio 图形位置公差Paternto nearest board edge tolerance			20:1 ±50um	25:1 ±38um	25:1 ±38um	30:1 ±38um
				125um	±100um	75um
尺寸 Size	图形到成型边公差Patternposition tolerance 深锣公 Depth-Controlled routing tolerance		±0.1mm	0.05mm			±75um
尺寸 Size						0.05mm	0.05mm

数据来源：公司官网

项目Item		工艺能力TechnologyCapability	2021	2022	2023	2024
	数 Layers Counts	N/M/N	4-20L（5Steps）	4-20L（5Steps）	4~24L（6Steps)	4-28L（65teps）
		任意层互联Anylayer	12L	14L	14L	16L
		总板厚Finished board thickness（um）	300~3200	200~3200	200~3200	200~3200
	板厚	半固化片类型和厚度PrepregType（um）	PP1027/40um	PP1017/30um	PP1017/30um	PP1010/22um
	Board Thickness	基板厚度CCLThickness（um）	50um	50um	50um	50um
		铜箔类型CopperFoi Type	HTE.RTF.VLP	RTF.VLP.SLP	RTF.VLP.SLP	VLP.SLP.SLP2
		射孔最小孔径/padMinlaservia/pad（um）	75/175	75/160	70/150	70/140
		雷时对准度Laserregistrationaccuracy（um）	25	20	20	15
	机站&射	最小埋孔孔径/padMin buriedviadiameter/pad（um）	200/400	150/350	150/300	100/230
	Mechanical&	内层的承接pad Capturepad/target pad（um）	D+4	D+3	D+3	D+3
	Laser Drilling	最小通孔孔径/padMinPTHdiameter/pad（um）	200/400	150/350	150/350	100/230
		机械钻孔精度Mechanicaldrillingaccuracy（um）	±75	±62.5	±62.5	±50
		通孔孔壁到孔间距PTHviato viaspacing（um）	400	300	275	275
		铜均匀性（25um铜厚度）（um） Cu platingeveness（25umcu plating）（um）	R<9	R<6	R<6	R<4
	电	POVF Dimple填孔凹陷（um）	20	20	15	15
	Plating	通孔电纵横比PTHCuplatingaspect ratio	6:1	8:1	8:1	10:1
		Via填孔纵横比（增层）Pluggedviaaspectratio	0.9:1	0.9:1	0.9:1
		最小线宽/线距Mintrace&spacing（um）	40/40			1:1
	线路			35/40	30/40	35/35
	Track	BGApitch	400	350	330	300
		pad夹线（条）Tracksallowance between pad	1	2	2	2
	防焊	防焊对准度 Soldermaskregistration（um）	±37.5	±25	±20	±15
	SolderMask	公差Soldermask tolerance（%）	10	10	10	8
		最小阻埠开窗Minsoldermask openging（um）	100	100	90	90
	成型	成型公差Profile outline toleranceum）	±100	±87.5	±75	±75
	Profile	最小孔宽Minslot width（um）	0.4	0.4	0.3	0.3
HDI板事业部技术路径Roadmapof HDIBU	表处理Surfacetreatment		喷锡/化/化银/化金/金/镍钜金/OSP
新技术开发 New developed technologies			HASL/ImmersionTin/immersionSilver/lmmersionGold/ENEPIG/OSP

5.16 恒玄科技（688608.SH）

AI算力报告《穿越AI的基石，算力基建的起始》

公司是智能音频SoC芯片龙头，深度布局AIoT智能音频细分市场

智能音频SoC芯片龙头，布局AIoT场景。公司主要产品为蓝牙音频芯片、智能手表芯片和智能家居主控芯片，并逐步延伸至Wi-Fi/BT连接芯片。产品广泛应用于智能蓝牙耳机、Type-C耳机、智能音箱等低功耗智能音频终端，已经进入三星、OPPO、小米、荣耀、华为、vivo等全球主流安卓手机品牌，并在阿里、百度、谷歌等互联网公司的智能音频产品中得到应用。

智能音频需求提升，AI有望加速市场渗透。科技发展与生活品质需求带动智能家居市场扩大。智能音箱被视为智能家居入口，同时TWS耳机可以作为声音交互的辅助入口。同时，AI人工智能有望提升智能水平，扩展使用场景，加速市场渗透。公司产品针对性布局下游智能音箱与蓝牙耳机，相关芯片业务有望收益。

图：智能音频SoC芯片龙头，深度布局智能音频

产品类别简介	主要终端产品	主要品牌客户
普通蓝牙音频芯片主要采用40nm工艺，单芯片集成RF、PMU、CODEC、CPU；支持前馈或反馈主动降噪，支持TWS。	TWS耳机	华为
	颈环耳机	哈曼
	头戴式耳机	OPPO
	蓝牙音箱	小米
		SONY
		AKGJBL
智能蓝牙音频芯片主要采用28nm工艺，功耗更低；单芯片	TWS智能耳机	Skullcandy
智能蓝牙音频芯片主要采用28nm工艺，功耗更低；单芯片	头戴式耳机	漫步者
集成RF、PMU、CODEC、高性能CPU及嵌入式语音AI；支持智能语音和混合主动降噪，支持IBRT真无线技术。	颈环智能耳机	万魔
	智能音箱	谷歌
	阿里百度等
Type-C音频芯片主要采用40nm工艺，单芯片集成USB接口、高性能CODEC和耳机功放；支持USB2.0高速/全速模式；支持前馈或混合主动降噪。	Type-C耳机、华为Type-C音频转换器三星小米Moto等

数据来源：公司年报，招股说明书，国泰君安证券研究

公司是全球布局、国内领先的无晶圆半导体系统设计厂商，深度布局AIoT

产品全球布局，SoC芯片性能领先。公司是全球布局、国内领先的无晶圆半导体系统设计厂商，主要产品有多媒体智能终端SoC芯片、无线连接芯片、汽车电子芯片等。多媒体智能终端SoC芯片为公司主要收入来源，产品广泛应用于家庭、汽车、办公、教育、体育健身、工业、商业、农业、娱乐、仓储等领域。

AI激发行业升级，产品绑定海外头部企业。AI人工智能有望提升智能家居智能化水平，升级用户体验，加速市场渗透。公司多媒体智能终端 SoC 芯片业务具备 S/T/A 三大稳定成熟的产品线，广泛应用于小米、谷歌、亚马逊、创维等企业其中，A系列配丰富多元智能应用场景，包括智能家居、智能办公、智能家电、AR终端，有望获益。

图：SoC芯片性能领先，深度布局AIoT

数据来源：公司年报，公司官网，国泰君安证券研究

5.18|工业富联（601138.SH）

智能制造经验丰富，三大业务有望协同发展。公司智能制造经验丰富，主要业务包括通信设备、云服务器及工业互联网，同时其还在半导体和新能源汽车零部件领域布局，同时重视大数据和机器人的新业务布局。

·公司作为服务器ODM龙头，未来将深度受益于AI服务器需求爆发。

图：公司是服务器ODM龙头

Global Server Revenues by Company, 2021 (In \$million)

数据来源：Counterpoint
高性能服务器

图：公司在高性能服务器域布局全面

数据来源：公司官网

5.19传音控股（688036.SH）

新兴市场有望复苏，公司深度受益。公司是新兴市场手机龙头，其在产品及渠道的方面拥有显著优势。伴随着美联储加息接近尾声以及粮食价格扰动因素改善，新兴市场需求有望率先复苏。

·公司持续推进扩品类业务发展，发挥新兴市场本地化优势，推动“手机+移动互联网服务+家电、数码配件”的商业生态模式逐步完善。公司智能机的销售为其带来了持续稳定的流量，是公司发展移动互联网业务的保证。公司与网易、腾讯等多家国内领先的互联网公司，在多个应用领域进行出海战略合作，积极开发和孵化移动互联网产品，未来增长动力充足。

图：传音控股是非洲等新兴手机市场龙头

非洲智能手机市场

5

代码	公司简称	股价（元）（7月14日）	EPS			PE			投资评级
代码	公司简称	股价（元）（7月14日）	2022A	2023E	2024E	2022A	2023E	2024E	投资评级
000063.SZ	中兴通讯	44.01	1.69	2.06	2.39	26.01	21.36	18.41	增持
600050.SH	中国联通	5.12	0.23	0.27	0.31	22.31	18.96	16.52	增持
300502.SZ	新易盛	65.39	1.27	1.94	2.44	51.38	33.71	26.80	增持
002281.SZ	光迅科技	34.93	0.76	0.90	0.99	46.11	38.81	35.28	增持
300620.SZ	光库科技	58.20	0.48	0.88	1.32	121.60	66.14	44.09	增持
300394.SZ	天孚通信	102.00	1.02	1.24	1.57	99.93	82.26	64.97	增持
300738.SZ	奥飞数据	9.66	0.17	0.26	0.35	55.60	37.15	27.60	增持
002475.Sz	立讯精密	34.17	1.29	1.63	2.06	26.49	20.93	16.63	增持
300679.SZ	电连技术	37.5	1.06	1.20	1.53	35.38	31.25	24.51	增持
002463.SZ	沪电股份	25.21	0.72	0.86	1.09	35.12	29.31	23.13	增持
002916.SZ	深南电路	79.9	3.22	3.70	4.37	24.81	21.59	18.28	增持
600183.SH	生益科技	15.58	0.66	0.77	1.03	23.61	20.23	15.13	增持
300476.SZ	胜宏科技	25.87	0.92	1.25	1.06	28.12	20.70	24.41	增持
688608.SH	恒玄科技	136.37	1.02	1.59	3.02	133.55	85.77	45.16	增持
688099.SH	晶晨股份	94.14	1.77	3.07	4.32	53.19	30.66	21.79	增持

》外部环境变化导致AI产业链安全风险：AI全球产业链融合交织程度较深，外部环境政策走向对较多公司的采购、海外业务影响较大，且对市场情绪有重要影响，具有较大不确定性。

》海外需求复苏不及预期：部分企业经营设计全球范围，甚至海外收入占比较高，存在多种原因导致经济复苏存在波动，进而影响需求的风险。

》AI业务应用发展或不及预期：AI发展初期很多业务存在不确定性，未来发展和应用落地存在不确定性。

免责声明

分析师声明

作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，本报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响。分析师薪酬的任何组成部分，均与其在本研究报告中所表述的具体建议或观点无直接或间接的关系。特此声明。

免责声明

本报告仅供国泰君安证券股份有限公司或国泰君安证券（香港)有限公司（以下统称“国泰君安”或“本公司”）研究服务签约客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。

本报告的信息来源于已公开的资料，本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司、本公司员工或者关联机构不承诺投资者一定获利，不与投资者分享投资收益，也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意，其据此做出的任何投资决策与本公司、本公司员工或者关联机构无关。本公司利用信息隔离墙控制内部一个或多个领域、部门或关联机构之间的信息流动。因此，投资者应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。

市场有风险，投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。

本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员，也并非意图发送、发布给因可得到、使用本报告的行为而使国泰君安违反或受制于当地法律或监管规则的机构或人员。本报告版权仅为本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“国泰君安证券研究”或国泰君安香港研究”，且不得对本报告进行任何有悖原意的引用、删节和修改。

国泰君安证券(香港)有限公司依法就研究报告的内容和发布行为对国泰君安证券股份有限公司承担责任。

若本公司以外的其他机构（以下简称“该机构”）发送本报告，则由该机构独自为此发送行为负责。通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息或进而交易本报告中提及的证券。本报告不构成本公司向该机构之客户提供的投资建议，本公司、本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任。

评级说明
		评级	说明
1.投资建议的比较标准	股票投资评级	增持	相对沪深300/恒生指数涨幅15%以上
投资评级分为股票评级和行业评级。以报告发布后的12个月内的市场表现为比较标准，报告发布日后的12个月内的		谨慎增持	相对沪深300/恒生指数涨幅介于5%~15%之间
公司股价（或行业指数）的涨跌幅相对同期的沪深300指数涨跌幅为基准。		中性	相对沪深300/恒生指数涨幅介于-5%~5%
2.投资建议的评级标准	行业投资评级	减持	相对沪深300/恒生指数下跌：5%以上
		增持	明显强于沪深300/恒生指数
		中性减持	基本与沪深300/恒生指数持平明显弱于沪深300/恒生指数

国泰君安证券研究所E-mail:gtjaresearch@gtjas.com
上海	地址：上海市静安区新闸路669号
	邮编：200041
	电话：（021）38676666
深圳	地址：深圳市福田区益田路6003号
	邮编：518026
	电话：（0755） 23976888
北京	地址：北京市西城区金融大街甲9
	邮编：200032
	电话：（010）83939888

THANKS FORLISTENING国泰君安证券研究所科技团队

START YOUR FINANCE

起点财经，网罗天下报告

证券研究报告

穿越AI的基石，算力基建的起始-—AI算力报告

每日 免 费 获取 报告 □

投资要点 (行业评级：增持)

算力是智能世界的基础，产业生态和投资图谱逐步清晰

基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

网络连接：算力配套的核心，兼顾800G主线和扩散行情

终端：边缘算力建设加速，MR是最具潜力的AI终端

推荐标的及风险提示

目录/CONTENTS

01

算力是智能世界的基础， 产业生 态和投资图谱逐步清晰

1.1算力是智能世界的基础，基础设施从云向算泛在演进《穿越AI的基石，算力基建的起始》

1.1|AI大模型带动算力需求超越摩尔定律增长

1.1AI大模型核心在数据、算力与模型，需消耗大量算力《穿越AI的基石，算力基建的起始》

1.1MR、车载等数字经济新型应用场景带来新的算力需求穿越AI的基石，算力基建的起始》

1.2算力与经济水平直接挂钩，且具有倍增效应

1.2|中美算力布局较为领先，中国智能算力在追赶

1.2|海外以互联网大厂为主导，资本开支向AI大幅倾斜

1.2|国内数字&算力政策频出，当前走向地方细化落地

1.3算力板块国内产业投资图谱

AI算力报告《穿越AI的基石，算力基建的起始》

02

基础设备：数据中心加速升级，芯片PCB等上游部件量价齐升

2.1|算力芯片：AI服务器带动高端GPU用量及ASP提升

2.1算力芯片：多卡互联&软件生态铸就英伟达强力护城河BAI的基石，算力基建的力报告

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿越AI的基石，算力基建的方始》

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿起越A的基石，算力基建力报告

2.1自主可控：国内企业高算力AI芯片的布局和发展进度穿越AI的基石，算力基建的力报

2.1|存储：AI 服务器催动DRAM/NAND需求

2.1|HBM：需求暴增，产能紧缺

2.1|HBM：需求暴增，产能紧缺

2.1|HBM：技术壁垒高，韩国厂商占据主导地位

2.1交换芯片：AI服务器对SerDes提出更高性能要求

2.1|交换芯片：AI服务器对SerDes提出更高性能要求

2.1|交换芯片：AI服务器对SerDes提出更高性能要求

·国内SerDes发展现状：

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.2|PCB及载板：规格加速升级，单机ASP持续上升

2.3

AI服务器：需求加速爆发，云服务商是采购主

2.3 AI服务器：量价齐升，组装市场进一步扩容

2.3交换机：速率需求升级，锐捷和新华三竞争力提升

2.3 交换机：AI驱动端口速率和端口数提升

2.3|交换机：白盒化趋势下，相关厂商更容易脱颖而出

2.4液冷：AI时代算力密度急速增加，早期以冷板式为主

2.4液冷：三大运营商全面拥抱液冷

03

网络连接：算力配套的核心，兼顾800G主线和扩散行情

3.1|核心逻辑：网络性能决定GPU集群算力效率

3.1|需求侧：AI流量爆发带动800G光模块需求大幅提升

3.1供给侧：主流AI算力集群方案会采用大量800G光模块宇越AI的基石，算力基建的力报》

B.1800G主线：互联带宽快速提升，催化800G模块需求《穿越AI的基石，算力基建的起始》

3.1800G主线：节点接入带宽提升带动上层800G光模块穿越Ai的基石，算力基建的起始》 AI算力报告

B.1800G主线：从芯片接入-服务器外-交换机层级

B.1|800G主线：主要模型A100\H100\GH200测算

B.1|跟踪预期：Nvidia和Marvell指引乐观

3.1技术创新主线：单位速率对应的功耗、成本持续下降等越A的基石，算力基建的力报》

3.1 创新变化一：硅光模块是集成度更高的方案

3.1创新变化一：硅光良率高、产业链成熟、规模效应明显的基石，算力基建器力报告

3.1 创新变化二：LPO模块大幅改善PJ/Bit指标

B.1光芯片主线：上游核心物料，重点关注光芯片环节

3.1光芯片主线：800G有望带动100GEML市场快速增长《穿越AI的基石，算力基建剪力报》

3.1光芯片主线：A100和H100出货可以快速拉动高速芯片越A的基石，算力基建的力报告

B.1|国内算网主线：预计年内400GOTN升级

3.1 国内算网主线：传统架构无法满足算力网络带宽、时《穿越AI的基石，算力基建的起始》 延、可靠性等问题

以算力为中心布局

B.1骨干设备：骨干网400G新代际，主要设备商受益

3.1相干模块：价值量高，竞争壁垒好

3.1 薄膜铌酸锂：高带宽CDM器件，有望应用在400G端口

3.2

3.2 连接器：高速背板连接器新技术，高壁垒筑就高附加穿越AI的基石，算力基建起蜡》值

3.2

线缆：匹配服务器接口升级，高速线缆迎来快速发展

3.2

3.2

每日免费获取报告 □

算力是智能世界的基础，产业生态和投资图谱逐步清晰

3.1 国内算网主线：传统架构无法满足算力网络带宽、时《穿越AI的基石，算力基建的起始》延、可靠性等问题

人工智能行业AI算力报告：穿越AI的基石，算力基建的起始-20230716-国泰君安-100页