簡(jiǎn)體中文
當(dāng)下AI大模型的用戶滲透率仍較低，大模型發(fā)展仍處于中初級(jí)階段，產(chǎn)業(yè)化周期才開始，大模型帶來的算力投資方興未艾，資本開支會(huì)隨著大模型收入的增長(zhǎng)而增長(zhǎng)，投資的天花板可以很高。我們持續(xù)推薦AI算力板塊，包括國內(nèi)算力產(chǎn)業(yè)鏈與北美算力產(chǎn)業(yè)鏈。
中信建投證券通信、電子、人工智能、計(jì)算機(jī)研究團(tuán)隊(duì)推出【算力芯片產(chǎn)業(yè)鏈投資機(jī)遇】：
人工智能2025中期投資策略報(bào)告：推理走向舞臺(tái)中央，自主可控大勢(shì)所趨，Agent及多模態(tài)加速
博通公布截至2025年8月3日的2025財(cái)年第三財(cái)季業(yè)績(jī)，營收、利潤(rùn)及業(yè)務(wù)指引全面超越市場(chǎng)預(yù)期。第三財(cái)季，博通實(shí)現(xiàn)營業(yè)收入159.5億美元，同比增長(zhǎng)22%，高于分析師預(yù)期的158.4億美元，亦超出公司此前指引的158億美元，創(chuàng)下公司歷史上同期最高營收紀(jì)錄，非GAAP口徑下調(diào)整后凈利潤(rùn)達(dá)84.04億美元，同比增長(zhǎng)37.3%；調(diào)整后EBITDA為107.02億美元，同比增長(zhǎng)30.1%，超出市場(chǎng)預(yù)期的約105億美元，利潤(rùn)率升至67.1%，前一季度利潤(rùn)率66.7%。同時(shí)，公司對(duì)第四財(cái)季給出強(qiáng)勁指引，預(yù)計(jì)營收約為174億美元，同比增長(zhǎng)23.8%，超過市場(chǎng)預(yù)期的170.5億美元；EBITDA利潤(rùn)率預(yù)計(jì)維持在67%左右，高于分析師預(yù)期的66%。
博通CEO陳福陽表示，公司第三財(cái)季AI半導(dǎo)體收入同比增長(zhǎng)63%至52億美元，高于分析師預(yù)期的51.1億美元，且增速較上一季度的46%進(jìn)一步提升。展望第四財(cái)季，博通預(yù)計(jì)AI芯片業(yè)務(wù)收入將大幅增長(zhǎng)至62億美元，實(shí)現(xiàn)連續(xù)11個(gè)季度增長(zhǎng)，相當(dāng)于環(huán)比增幅達(dá)19%。該指引較市場(chǎng)預(yù)期高出逾6%。陳福陽表示，公司正與多家潛在客戶合作開發(fā)定制AI加速器，正式進(jìn)軍由英偉達(dá)主導(dǎo)的AI訓(xùn)練芯片市場(chǎng)。上個(gè)季度，其中一家潛在客戶已向博通下達(dá)生產(chǎn)訂單。雖未具名，但該“神秘客戶”已確認(rèn)為博通XPU平臺(tái)的合格客戶，并帶來高達(dá)100億美元的訂單，成為繼現(xiàn)有三大客戶后的第四大定制AI客戶。
我們認(rèn)為，當(dāng)下AI大模型的用戶滲透率仍較低，大模型發(fā)展仍處于中初級(jí)階段，產(chǎn)業(yè)化周期才開始，大模型帶來的算力投資方興未艾，資本開支會(huì)隨著大模型收入的增長(zhǎng)而增長(zhǎng)，投資的天花板可以很高。我們持續(xù)推薦AI算力板塊，包括國內(nèi)算力產(chǎn)業(yè)鏈與北美算力產(chǎn)業(yè)鏈。
證券研究報(bào)告名稱：《博通業(yè)績(jī)?cè)俅悟?yàn)證算力板塊高景氣度，持續(xù)推薦算力產(chǎn)業(yè)鏈》
阿里發(fā)布2025Q2業(yè)績(jī)，2025Q2阿里云業(yè)務(wù)營收333.98億元，同比增長(zhǎng)26%，AI相關(guān)收入繼續(xù)保持三位數(shù)增長(zhǎng)，外部商業(yè)化收入中AI貢獻(xiàn)已超過20%，AI需求快速擴(kuò)大，同時(shí)帶動(dòng)計(jì)算、存儲(chǔ)及其它公有云服務(wù)需求上升。2025年第二季度，阿里巴巴的資本開支為386億元，同比增長(zhǎng)220%，環(huán)比上季增長(zhǎng)57.1%，創(chuàng)下單季歷史新高。在財(cái)報(bào)電話會(huì)上，阿里巴巴CEO吳泳銘披露，過去四個(gè)季度，阿里已經(jīng)在AI基礎(chǔ)設(shè)施及AI產(chǎn)品研發(fā)上累計(jì)投入超1000億元。公司重申，將在未來三年持續(xù)投入3800億元用于AI資本開支，雖單季投資額會(huì)因供應(yīng)鏈因素有所波動(dòng)，但整體節(jié)奏不變。阿里透露，公司已為全球AI芯片供應(yīng)及政策變化準(zhǔn)備“后備方案”，通過與不同合作伙伴合作，建立多元化的供應(yīng)鏈儲(chǔ)備，從而確保投資計(jì)劃能夠如期推進(jìn)。目前阿里已實(shí)現(xiàn)AI投入增加帶來AI收入增加的正循環(huán)，建議關(guān)注阿里產(chǎn)業(yè)鏈，包括GPU、IDC、光模塊、交換機(jī)等。
英偉達(dá)發(fā)布最新財(cái)季業(yè)績(jī)，需求持續(xù)強(qiáng)勁，H20影響了公司收入。截至自然年2025年7月27日的FY26Q2，英偉達(dá)實(shí)現(xiàn)營收467.43億美元，同比增長(zhǎng)56%，其中數(shù)據(jù)中心營收411億美元（H20銷售收入減少40億美元），同比增長(zhǎng)56%，Blackwell平臺(tái)環(huán)比增長(zhǎng)17%，并且公司在第二季度開始了GB300的生產(chǎn)出貨。基于Blackwell架構(gòu)，每token可實(shí)現(xiàn)10倍投資回報(bào)，相比Hopper在每token能效方面提升了50倍。FY26Q2，公司非GAAP口徑下調(diào)整后的每股收益（EPS）為1.05美元，同比增長(zhǎng)54%；公司FY26Q3營收指引中值為540億美元（±2%）。英偉達(dá)表示，預(yù)計(jì)今年CSP等資本開支約6000億美元，指引2030年全球AI基礎(chǔ)設(shè)施支出將達(dá)到3萬億-4萬億美元。英偉達(dá)表示，今年中國市場(chǎng)預(yù)計(jì)規(guī)模約500億美元，預(yù)計(jì)每年有望實(shí)現(xiàn)50%左右的增長(zhǎng)。7月下旬，美國政府開始審查向中國客戶銷售H20的許可證，如地緣政治問題得到解決，公司有望在第三季度實(shí)現(xiàn)20億至50億美元的H20收入，此外將Blackwell帶到中國市場(chǎng)的機(jī)會(huì)是真實(shí)存在的。
國務(wù)院日前印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》。《意見》總體要求，到2027年，率先實(shí)現(xiàn)人工智能與6大重點(diǎn)領(lǐng)域廣泛深度融合，新一代智能終端、智能體等應(yīng)用普及率超70%，智能經(jīng)濟(jì)核心產(chǎn)業(yè)規(guī)模快速增長(zhǎng)，人工智能在公共治理中的作用明顯增強(qiáng)，人工智能開放合作體系不斷完善。到2030年，我國人工智能全面賦能高質(zhì)量發(fā)展，新一代智能終端、智能體等應(yīng)用普及率超90%，智能經(jīng)濟(jì)成為我國經(jīng)濟(jì)發(fā)展的重要增長(zhǎng)極，推動(dòng)技術(shù)普惠和成果共享。到2035年，我國全面步入智能經(jīng)濟(jì)和智能社會(huì)發(fā)展新階段，為基本實(shí)現(xiàn)社會(huì)主義現(xiàn)代化提供有力支撐。
從阿里巴巴以及英偉達(dá)的最新財(cái)報(bào)來看，國內(nèi)外CSP廠商對(duì)于算力的投資仍然保持強(qiáng)勁的增長(zhǎng)；阿里AI相關(guān)收入繼續(xù)保持三位數(shù)增長(zhǎng)，讓人看到AI商業(yè)化落地的清晰路徑，打消了投資者對(duì)AI投資回報(bào)的擔(dān)憂。我們持續(xù)推薦算力板塊，包括海外算力鏈和國產(chǎn)算力鏈。
證券研究報(bào)告名稱：《行業(yè)綜述：盈利能力提升，算力板塊亮眼，機(jī)構(gòu)持倉占比創(chuàng)新高》
國產(chǎn)算力板塊迎來密集催化，騰訊業(yè)績(jī)會(huì)表示推理芯片的供應(yīng)渠道側(cè)具備多種選擇，國際供應(yīng)鏈波動(dòng)背景下國產(chǎn)推理算力芯片有望提供助力。DeepSeek更新模型，明確支持FP8精度與將發(fā)布的下一代國產(chǎn)芯片，頭部國產(chǎn)開源模型對(duì)國產(chǎn)芯片的支持有望推動(dòng)國產(chǎn)算力生態(tài)加速落地。華為昇騰芯片近期陸續(xù)參與到政府、金融、運(yùn)營商等行業(yè)客戶招投標(biāo)產(chǎn)品中，印證國產(chǎn)芯片競(jìng)爭(zhēng)力持續(xù)提升。
8月13日，騰訊業(yè)績(jī)會(huì)表示公司推理芯片供應(yīng)渠道側(cè)具備多種選擇。8月21日，DeepSeek更新模型版本至DeepSeek-V3.1，預(yù)計(jì)將支持FP8精度以及國產(chǎn)芯片。
騰訊業(yè)績(jī)會(huì)表示未來推理芯片供給有望多元化，利好國產(chǎn)算力芯片廠商。8月13日，騰訊控股發(fā)布2025Q2業(yè)績(jī)并舉辦說明會(huì)，會(huì)上騰訊總裁劉熾平表示當(dāng)前公司AI芯片儲(chǔ)備足以支持現(xiàn)有模型的訓(xùn)練及迭代升級(jí)；元寶、AI搜索等多個(gè)應(yīng)用場(chǎng)景的用戶數(shù)提升帶來推理負(fù)載占比提升，公司一方面通過模型輕量化和軟件優(yōu)化來控制推理成本，另一方面公司在推理芯片的供應(yīng)渠道側(cè)也具備多種選擇。當(dāng)前海外高端芯片貿(mào)易政策仍存較大不確定性，騰訊有望依托華為、寒武紀(jì)、海光等國產(chǎn)廠商的推理芯片滿足相關(guān)算力需求。
DeepSeek V3.1發(fā)布，預(yù)計(jì)支持FP8精度以及國產(chǎn)芯片。據(jù)官方公眾號(hào)，DeepSeek今日正式發(fā)布DeepSeek-V3.1。目前官網(wǎng)與網(wǎng)頁端模型已升級(jí)至最新版本，且新模型已在Huggingface開源。新版本模型主要升級(jí)體現(xiàn)在以下維度：（1）一個(gè)模型同時(shí)支持思考模式與非思考模式；（2）相比前代模型，新模型思考模式下能在更短時(shí)間內(nèi)給出答案；（3）通過Post-Training優(yōu)化，新模型具備更強(qiáng)的Agent能力。除去功能升級(jí)，新版本模型使用了UE8M0 FP8 Scale參數(shù)精度，該參數(shù)代表模型支持轉(zhuǎn)為矩陣乘法等AI核心運(yùn)算優(yōu)化設(shè)計(jì)的FP8精度格式。相比FP16格式，F(xiàn)P8在同等芯片面積下能夠?qū)崿F(xiàn)翻倍性能，且功耗和帶寬需求更低。此外，DeepSeek表示新精度格式針對(duì)即將發(fā)布的下一代國產(chǎn)芯片設(shè)計(jì)，表明未來基于DeepSeek模型的訓(xùn)練與推理有望更多應(yīng)用國產(chǎn)AI芯片，助力國產(chǎn)算力生態(tài)加速建設(shè)。
華為昇騰芯片加速突圍，國產(chǎn)芯片市場(chǎng)競(jìng)爭(zhēng)力逐步提升。近期，基于華為昇騰芯片的服務(wù)器產(chǎn)品陸續(xù)在政府、金融、運(yùn)營商等行業(yè)落地大單。上海浦發(fā)銀行大模型算力擴(kuò)容項(xiàng)目招標(biāo)中，包含176臺(tái)鯤鵬+昇騰配置的智算服務(wù)器；新疆疆算萬卡樞紐型智算中心項(xiàng)目招標(biāo)中，包含4500臺(tái)昇騰910C-2服務(wù)器集群；中國移動(dòng)2025-2026推理AI計(jì)算設(shè)備招標(biāo)中，包含5000套CANN生態(tài)設(shè)備，即基于昇騰異構(gòu)計(jì)算架構(gòu)和昇騰芯片的服務(wù)器產(chǎn)品。由于海外供應(yīng)鏈風(fēng)險(xiǎn)持續(xù)，國產(chǎn)芯片廠商產(chǎn)品性價(jià)比持續(xù)提升，更多算力需求有望由國產(chǎn)芯片支持，國產(chǎn)芯片市場(chǎng)競(jìng)爭(zhēng)力持續(xù)提升。
投資建議：國產(chǎn)算力板塊迎來密集催化，騰訊業(yè)績(jī)會(huì)表示推理芯片的供應(yīng)渠道側(cè)具備多種選擇，國際供應(yīng)鏈波動(dòng)背景下國產(chǎn)推理算力芯片有望提供助力。DeepSeek更新模型，明確支持FP8精度與將發(fā)布的下一代國產(chǎn)芯片，頭部國產(chǎn)開源模型對(duì)國產(chǎn)芯片的支持有望推動(dòng)國產(chǎn)算力生態(tài)加速落地。華為昇騰芯片近期陸續(xù)參與到政府、金融、運(yùn)營商等行業(yè)客戶招投標(biāo)產(chǎn)品中，印證國產(chǎn)芯片競(jìng)爭(zhēng)力持續(xù)提升。
證券研究報(bào)告名稱：《DeepSeek-V3.1發(fā)布，建議關(guān)注國產(chǎn)算力板塊》
8月11日，馬斯克旗下的人工智能公司xAI宣布Grok 4現(xiàn)已向全球所有用戶免費(fèi)開放，用戶每天允許進(jìn)行有限次數(shù)的查詢，超出次數(shù)則需要付費(fèi)訂閱。蘋果公司宣布，即將發(fā)布的iOS 26系統(tǒng)將集成OpenAI的GPT-5模型，為Apple智能帶來顯著的性能提升，當(dāng)Apple智能無法處理特定請(qǐng)求時(shí)，將能夠利用GPT-5的能力來提供更準(zhǔn)確和更智能的響應(yīng)。我們認(rèn)為，當(dāng)前AI大模型的用戶滲透率仍較低，大模型發(fā)展仍處于中初級(jí)階段，產(chǎn)業(yè)化應(yīng)用周期才開始，大模型帶來的算力投資方興未艾，資本開支會(huì)隨著大模型收入的增長(zhǎng)而增長(zhǎng)，投資的天花板可以很高。當(dāng)前對(duì)于算力基礎(chǔ)設(shè)施產(chǎn)業(yè)鏈，北美鏈和國產(chǎn)鏈都值得關(guān)注。
隨著各方面應(yīng)用的加速，AI算力消耗開始從訓(xùn)練走向推理，同時(shí)主權(quán)AI加大投入，帶來顯著的算力增量。探究背后增量需求主要來自四方面：
一是各家互聯(lián)網(wǎng)大廠紛紛加速AI與原有業(yè)務(wù)結(jié)合，如谷歌搜索在今年5月21日正式迎來 AI 模式，并逐步在美國市場(chǎng)推出，考慮到谷歌搜索全球范圍內(nèi)年搜索量為5萬億次+，假設(shè)單次回答平均為2000token，則該功能都將帶來日均27萬億token消耗（超過其Gemini模型目前日均16萬億token消耗），類似案例如抖音搜索、微博AI智搜，搜索功能開始從普通服務(wù)器遷移到AI服務(wù)器并重塑所有搜索體驗(yàn)，類似的視頻編輯、剪輯功能也被AI重塑；
二是Agent和深度思考推理的結(jié)合，通過兩者結(jié)合，Agent執(zhí)行任務(wù)準(zhǔn)確率大幅提高，Agent執(zhí)行一次任務(wù)平均消耗token達(dá)到10萬的量級(jí)，大幅超過AI搜索單次問答token消耗，并且能延伸到更多開放式場(chǎng)景，同時(shí)多Agent協(xié)作的群體智能也已開始逐步商用化，過去復(fù)雜、多步驟的任務(wù)可通過Agent實(shí)現(xiàn)，Agent的普及將帶來推理算力需求的大幅增長(zhǎng)；
三是多模態(tài)，隨著多模態(tài)生成的圖片及視頻質(zhì)量今年均顯著提升，今年AI營銷內(nèi)容占比提升十分明顯，根據(jù)《2025中國廣告主營銷趨勢(shì)調(diào)查報(bào)告》顯示“超過50%的廣告主，已經(jīng)在生成創(chuàng)意內(nèi)容時(shí)使用AIGC，并且AI營銷內(nèi)容占比超過10%”，而一分鐘視頻的生成token消耗基本在10萬token至百萬token量級(jí)，目前多模態(tài)模型開始步入快速商業(yè)化階段，如快手可靈四五月連續(xù)兩月付費(fèi)金額超過1億，多模態(tài)的加速滲透帶來明顯的算力需求提升。
四是主權(quán)AI，科研和軍事領(lǐng)域是關(guān)鍵，隨之?dāng)U展到其他各行業(yè)的效率提升，典型代表為美國重點(diǎn)推進(jìn)其“星際之門”計(jì)劃。與之而來的是各國政府也紛紛開啟主權(quán)AI的投資計(jì)劃，尤其是以歐洲、中東、日本等國為代表，投資體量超過3000億美金。
算力方面從投資角度來看，一是隨著推理占比的提升，云計(jì)算廠商投入產(chǎn)出比逐漸清晰，并且超賣率有望繼續(xù)提升，從而帶動(dòng)利潤(rùn)率提升；二是圍繞機(jī)柜增量變化及新技術(shù)投資，25年下半年核心是英偉達(dá)NVL72機(jī)柜上量，其中液冷散熱、銅連接、電源變化最大：三是圍繞估值性價(jià)比、景氣度投資，重視PCB、光模塊等供應(yīng)鏈。
1）散熱方面：散熱方面將是AI算力領(lǐng)域未來幾年核心技術(shù)升級(jí)方向之一，英偉達(dá)單卡功耗從700瓦到1200、1400瓦，未來有望迭代至2000瓦+，并且大機(jī)柜、超節(jié)點(diǎn)的出現(xiàn)，熱源的疊加使得散熱難度進(jìn)一步提升，因此散熱成為了接下來持續(xù)迭代升級(jí)的方向。其次，目前供應(yīng)商以臺(tái)系、美系廠為主，如Coolermaster、AVC、BOYD及臺(tái)達(dá)等，中國大陸供應(yīng)商比例較低，隨著液冷散熱從研發(fā)走向大規(guī)模量產(chǎn)，中國大陸公司擴(kuò)產(chǎn)能力更具優(yōu)勢(shì)，我們認(rèn)為液冷散熱領(lǐng)域一系列部件會(huì)有更多中國大陸供應(yīng)商進(jìn)入到全球供應(yīng)體系。
2）銅鏈接：銅線在短距數(shù)據(jù)傳輸?shù)某墒於雀咔?48G等新技術(shù)路線逐步面世，今年擴(kuò)產(chǎn)最快的公司將充分享受從Blackwell到Rubin所帶來的高速連接需求增長(zhǎng)。
3）電源領(lǐng)域：高功率帶動(dòng)單W價(jià)值提升。PSU是服務(wù)器電源進(jìn)行AC-DC轉(zhuǎn)換的核心，隨著單體功率密度的提升，單W價(jià)格也在提升，呈現(xiàn)量?jī)r(jià)齊升局面。新一代GB300等GPU方案中，BBU、CBU逐步成為標(biāo)配，能夠解決負(fù)載波動(dòng)率大的供電穩(wěn)定、電壓穩(wěn)定問題。目前5.5 KW電源已進(jìn)入量產(chǎn)階段，后續(xù)伴隨2026 下半年800 V HVDC 數(shù)據(jù)中心電力基礎(chǔ)設(shè)施及 1 MW IT 機(jī)架逐步落地，電源將持續(xù)升級(jí)。隨著功率密度要求的提升，UPS目前正在由600kW級(jí)向MW級(jí)邁進(jìn)，以應(yīng)對(duì)越來越大的功率密度需求，未來AIDC有望全面切換到HVDC為代表的全直流供電方案，電壓等級(jí)也提升至800V。巴拿馬電源等集成化、模塊化產(chǎn)品逐步成為大廠青睞的主流，更先進(jìn)的固態(tài)變壓器（SST）也已開始研發(fā)和測(cè)試。
4）PCB：亞馬遜、META、谷歌等自研芯片設(shè)計(jì)能力弱于英偉達(dá)，因此對(duì)PCB等材料要求更高，價(jià)值量更有彈性。隨著短距離數(shù)據(jù)傳輸要求不斷提高，PCB持續(xù)升級(jí)，并帶動(dòng)產(chǎn)業(yè)鏈上游升級(jí)，覆銅板從M6/M7升級(jí)到M8/M9。伴隨國內(nèi)PCB公司在全球份額持續(xù)提升，并帶動(dòng)上游產(chǎn)業(yè)鏈國產(chǎn)化，從覆銅板出發(fā)，并帶動(dòng)上游高端樹脂、玻纖布、銅箔等國內(nèi)份額進(jìn)一步提升。
5）光模塊：除了GPU等算力硬件需求強(qiáng)勁，也催生了網(wǎng)絡(luò)端更大帶寬需求。優(yōu)秀的網(wǎng)絡(luò)性能可以提升計(jì)算效率，顯著提升算力水平。相較于傳統(tǒng)的云計(jì)算網(wǎng)絡(luò)，AI訓(xùn)練組網(wǎng)由葉脊架構(gòu)向胖樹架構(gòu)轉(zhuǎn)變，交換機(jī)和光模塊數(shù)量大幅提升，且隨著通信數(shù)據(jù)量的增加，對(duì)光模塊的速率要求也更高。800G光模塊2023年開始放量，2024-2026年都保持高速增長(zhǎng)；1.6T光模塊2025年開始出貨，2026年有望放量，整個(gè)光模塊產(chǎn)業(yè)鏈迎來量?jī)r(jià)齊升的景氣周期。從競(jìng)爭(zhēng)格局看，國內(nèi)光模塊巨頭經(jīng)歷了一輪又一輪的競(jìng)爭(zhēng)，與北美的云廠商深度綁定，占據(jù)了全球光模塊市場(chǎng)的主要份額。從未來技術(shù)趨勢(shì)演進(jìn)看，我們建議關(guān)注硅光與CPO（共封裝光學(xué)）。
6）先進(jìn)封裝、HBM：為了解決先進(jìn)制程成本快速提升和“內(nèi)存墻”等問題，Chiplet設(shè)計(jì)+異構(gòu)先進(jìn)封裝成為性能與成本平衡的最佳方案，臺(tái)積電開發(fā)的CoWoS封裝技術(shù)可以實(shí)現(xiàn)計(jì)算核心與HBM通過2.5D封裝互連，因此英偉達(dá)A100、H100等AI芯片紛紛采用臺(tái)積電CoWos封裝，并分別配備40GB HBM2E、80GB的HBM3內(nèi)存。全球晶圓代工龍頭臺(tái)積電打造全球2.5D/3D先進(jìn)封裝工藝標(biāo)桿，未來幾年封裝市場(chǎng)增長(zhǎng)主要受益于先進(jìn)封裝的擴(kuò)產(chǎn)。先進(jìn)封裝市場(chǎng)的快速增長(zhǎng)，有望成為國內(nèi)晶圓代工廠商與封測(cè)廠商的新一輪成長(zhǎng)驅(qū)動(dòng)力。
7）國內(nèi)算力鏈：一方面來自于美國BIS政策的持續(xù)收緊，中期維度看，國產(chǎn)芯片占比提升是必然趨勢(shì)。考慮到國產(chǎn)芯片逐漸進(jìn)入量產(chǎn)交付階段，預(yù)期市場(chǎng)集中度將看到顯著提升。另一方面隨著國內(nèi)算力消耗快速增長(zhǎng)（典型如字節(jié)跳動(dòng)，每三個(gè)月token消耗接近翻一倍，5月底為16.4萬億token），我們預(yù)計(jì)國內(nèi)各家大型云廠商在日均token消耗達(dá)到30萬億token時(shí)會(huì)感受到算力緊張，在達(dá)到60萬億token時(shí)會(huì)開始出現(xiàn)一定算力缺口。我們認(rèn)為國內(nèi)增速斜率更陡峭，國產(chǎn)芯片今年將迎來發(fā)展大年。
2025年8月8日，GPT-5正式發(fā)布，包含GPT-5、GPT-5-Mini、GPT-5-Nano三個(gè)版本。GPT-5在數(shù)學(xué)、編程、視覺理解和健康領(lǐng)域表現(xiàn)突出，在數(shù)學(xué)AIME 2025（無工具）測(cè)試得分 94.6%、真實(shí)世界編碼SWE-bench Verified得分 74.9%、多模態(tài)理解MMMU 得分 84.2%，健康HealthBench Hard 得分 46.2%，在各方面均位居前列。值得一提的是，GPT-5幻覺顯著降低。在啟用網(wǎng)頁搜索時(shí)，GPT-5響應(yīng)的事實(shí)錯(cuò)誤率較GPT-4o降低約45%；深度思考模式下，錯(cuò)誤率較OpenAI o3降低近80%。token定價(jià)方面，GPT-5為每百萬輸入token 1.25美元，每百萬輸出token 10美元，Mini和Nano則為GPT-5的1/5和1/25。隨著近期Grok4、Genie3的陸續(xù)發(fā)布，大模型迭代提速，且準(zhǔn)確率提升、成本降低，預(yù)計(jì)將加速AI應(yīng)用的爆發(fā)，商業(yè)化也有望提速，幫助互聯(lián)網(wǎng)大廠形成AI投入到商業(yè)變現(xiàn)的閉環(huán)，我們建議持續(xù)關(guān)注算力基礎(chǔ)設(shè)施與AI應(yīng)用等環(huán)節(jié)。
算力基礎(chǔ)設(shè)施產(chǎn)業(yè)鏈我們認(rèn)為北美鏈和國產(chǎn)連都值得關(guān)注。前期，受到供應(yīng)鏈影響，國內(nèi)AI算力基礎(chǔ)設(shè)施投資節(jié)奏受到一定影響，但我們認(rèn)為國內(nèi)的需求依然旺盛，只是短期節(jié)奏受到一些干擾，但后續(xù)隨著算力缺口的出現(xiàn)及擴(kuò)大，國內(nèi)的部署節(jié)奏有望恢復(fù)、甚至提速，建議擇機(jī)布局IDC、液冷、光模塊、交換機(jī)等板塊。
證券研究報(bào)告名稱：《GPT-5發(fā)布，繼續(xù)推薦算力，eSIM引發(fā)市場(chǎng)關(guān)注》
在人工智能行業(yè)不斷取得進(jìn)展，以及相關(guān)產(chǎn)業(yè)鏈上市公司業(yè)績(jī)預(yù)告表現(xiàn)亮眼的共同驅(qū)動(dòng)下，通信指數(shù)上漲7.56%，在申萬31個(gè)一級(jí)行業(yè)中排名第1。扎克伯格在表示，Meta將投資數(shù)千億美元建設(shè)幾座大型數(shù)據(jù)中心，用于支持其人工智能的發(fā)展，目標(biāo)是實(shí)現(xiàn)通用人工智能，其中首個(gè)數(shù)據(jù)中心預(yù)計(jì)將于明年投入使用。7月18日，OpenAI宣布將在ChatGPT中推出一款通用型AI智能體，該公司表示該智能體可以幫助用戶完成各種基于計(jì)算機(jī)的任務(wù)。此外，根據(jù)英偉達(dá)官網(wǎng)消息顯示，英偉達(dá)將恢復(fù)向中國銷售H20，并宣布推出一款全新、完全合規(guī)的面向中國的GPU，美國政府已明確表示將批準(zhǔn)相關(guān)許可，預(yù)計(jì)不久后即可啟動(dòng)交付。
算力鏈公司發(fā)布業(yè)績(jī)預(yù)告，實(shí)現(xiàn)快速增長(zhǎng)，持續(xù)驗(yàn)證AI帶動(dòng)的算力行業(yè)景氣度依然較高。當(dāng)前位置，我們認(rèn)為AI大模型的競(jìng)爭(zhēng)與迭代仍在持續(xù)，意味著算力投資大概率依然維持較高強(qiáng)度，因此繼續(xù)推薦算力板塊：一是業(yè)績(jī)持續(xù)高增長(zhǎng)且估值仍處于歷史較低水平的北美算力鏈核心標(biāo)的；二是有望享受外溢需求、取得客戶或份額突破的公司；三是上游緊缺的環(huán)節(jié)；四是隨著GB300的批量出貨，建議重點(diǎn)關(guān)注 1.6T光模塊及CPO產(chǎn)業(yè)鏈；五是隨著H20供應(yīng)恢復(fù)、NV將向中國推出全新GPU等，建議關(guān)注國產(chǎn)算力鏈。
我們認(rèn)為隨著大模型的不斷迭代，產(chǎn)業(yè)將向通用人工智能方向發(fā)展，AI應(yīng)用仍值得期待，疊加宇樹IPO，建議關(guān)注AI端側(cè)的芯片、模組等產(chǎn)業(yè)鏈。此外，我們?nèi)岳^續(xù)推薦電信運(yùn)營商、軍工通信等板塊。
7月10日，xAI正式發(fā)布Grok 4，在GBQA（博士級(jí)問題集）、AMC 25（美國數(shù)學(xué)邀請(qǐng)賽）、Live Coding Benchmark（編程能力測(cè)試）、HMMT（哈佛-MIT數(shù)學(xué)競(jìng)賽）、USAMO（美國數(shù)學(xué)奧林匹克）等測(cè)試中均表現(xiàn)出色。馬斯克表示，“現(xiàn)在在學(xué)術(shù)問題上，Grok 4比博士水平在每個(gè)學(xué)科都要強(qiáng)，沒有例外。”定價(jià)方面，Grok 4基礎(chǔ)版本為30美金一個(gè)月；Grok 4Heavy為300美金/月。后續(xù)產(chǎn)品路線月將發(fā)布專門編程模型；9月發(fā)布多模態(tài)智能體；10月發(fā)布視頻生成模型。
Grok4 在性能上的強(qiáng)勢(shì)提升與模型版本的快速迭代，這背后離不開強(qiáng)大的算力支撐，xAI在美國田納西州孟菲斯建立了超級(jí)計(jì)算中心“Colossus”，2024年7月啟動(dòng)時(shí)配備了10萬塊英偉達(dá)H100 GPU，到2025年2月，GPU數(shù)量已翻倍至20萬塊。Grok4用于RL的計(jì)算資源幾乎與預(yù)訓(xùn)練時(shí)使用的相同。
當(dāng)前位置，我們認(rèn)為AI大模型的競(jìng)爭(zhēng)與迭代仍在持續(xù)，意味著算力投資大概率依然維持較高強(qiáng)度，因此繼續(xù)推薦算力板塊：一是業(yè)績(jī)持續(xù)高增長(zhǎng)且估值仍處于歷史較低水平的北美算力鏈核心標(biāo)的；二是有望享受外溢需求、取得客戶或份額突破的公司；三是上游緊缺的環(huán)節(jié)；四是隨著GB300的批量出貨，建議重點(diǎn)關(guān)注 1.6T光模塊及 CPO 產(chǎn)業(yè)鏈。
近期，算力板塊表現(xiàn)出色。雖然經(jīng)歷了年初deepseek出圈，以及關(guān)稅政策調(diào)整帶來的兩波較大的股價(jià)調(diào)整，但是隨著海外CSP廠商capex的樂觀指引，大模型及各種Agent帶來tokens爆發(fā)式增長(zhǎng)，OpenAI和Anthropic等公司的ARR大幅提升，市場(chǎng)對(duì)于未來AI算力投資的信心不斷增強(qiáng)。
小米AI眼鏡發(fā)布，重量40g，續(xù)航達(dá)8.6小時(shí)，價(jià)格為國補(bǔ)后1699元起，同時(shí)推出單色/彩色電致變色的選配版本。小米AI眼鏡作為其隨身AI接口，支持口令、多模態(tài)、掃碼支付、語音控制和會(huì)議紀(jì)要等多種功能，是未來重要的端側(cè)AI產(chǎn)品之一。建議繼續(xù)重視智能眼鏡供應(yīng)鏈，包括整機(jī)、代工、軟件與算法環(huán)節(jié)相關(guān)標(biāo)的。
工信部披露運(yùn)營商今年1-5月電信業(yè)務(wù)收入，同比增長(zhǎng)1.4%，1-3月同比增速為0.7%，1-4月同比增速為1%，意味著4月和5月電信業(yè)務(wù)收入增速持續(xù)提升，分別達(dá)到2.0%和2.7%。我們持續(xù)推薦運(yùn)營商。
英偉達(dá)召開2025年度股東大會(huì)，機(jī)器人融合人工智能打造新萬億級(jí)市場(chǎng)空間。英偉達(dá)于美國當(dāng)?shù)貢r(shí)間6月25日召開股東大會(huì)，CEO黃仁勛宣布將機(jī)器人列為僅次于AI計(jì)算的公司第二大增長(zhǎng)引擎，目標(biāo)通過融合AI與機(jī)器人技術(shù)開辟“物理世界AI”新萬億級(jí)市場(chǎng)。為實(shí)現(xiàn)這一愿景，英偉達(dá)構(gòu)建了全棧式技術(shù)壁壘：硬件層推出新一代機(jī)器人芯片 Thor SoC，兼容工業(yè)機(jī)械臂與自動(dòng)駕駛車輛；軟件層依托 Isaac Robotics平臺(tái)整合GR00T人形機(jī)器人基礎(chǔ)模型，支持多模態(tài)感知與物理仿真。無論自動(dòng)駕駛還是更廣闊的機(jī)器人應(yīng)用，其訓(xùn)練軟件都將依托于英偉達(dá)強(qiáng)大的數(shù)據(jù)中心芯片，端側(cè)應(yīng)用設(shè)備則采用其他專業(yè)芯片支持運(yùn)行。展望未來，英偉達(dá)將由芯片供應(yīng)商向“AI基礎(chǔ)設(shè)施”平臺(tái)商轉(zhuǎn)型，搭建AI工廠進(jìn)而成為AI產(chǎn)業(yè)的核心基礎(chǔ)架構(gòu)。當(dāng)前機(jī)器人和汽車業(yè)務(wù)占英偉達(dá)整體收入比例約1%，但人工智能結(jié)合機(jī)器人、自動(dòng)駕駛將發(fā)展成為萬億美元級(jí)別的增量市場(chǎng)空間。
全球Token消耗量呈現(xiàn)爆發(fā)式增長(zhǎng)，免費(fèi)AI服務(wù)的規(guī)模化普及成為核心引擎。谷歌將AI能力融合到搜索場(chǎng)景中，AI Overviews功能推動(dòng)其2025年4月推理Token消耗量飆升至480萬億/月，較2024年同期的9.7萬億激增50倍。這一增長(zhǎng)直接受益于其覆蓋45億用戶的免費(fèi)服務(wù)生態(tài)；中國市場(chǎng)的C端應(yīng)用同樣爆發(fā)，字節(jié)跳動(dòng)豆包大模型日均Token調(diào)用量從2024年12月的4萬億躍升至2025年5月的16.4萬億，其中超60%消耗量來自抖音、今日頭條的AIGC營銷內(nèi)容生成。與此同時(shí)，企業(yè)級(jí)Agent任務(wù)復(fù)雜度升級(jí)大幅推高單次消耗量：企業(yè)端單Agent解決供應(yīng)鏈、財(cái)務(wù)等場(chǎng)景對(duì)于tokens消耗量達(dá)到十萬數(shù)量級(jí)，針對(duì)復(fù)雜場(chǎng)景或多Agent協(xié)同則可能突破百萬級(jí)別，較傳統(tǒng)問答tokens消耗增長(zhǎng)約2個(gè)數(shù)量級(jí)。當(dāng)前海內(nèi)外頭部廠商持續(xù)發(fā)力算力基礎(chǔ)設(shè)施建設(shè)，以滿足激增的推理算力需求。
ASIC市場(chǎng)空間預(yù)期持續(xù)上調(diào)，助力各大云廠商自研AI芯片以滿足激增算力需求。全球ASIC市場(chǎng)空間預(yù)期持續(xù)上調(diào)，核心驅(qū)動(dòng)力源于云計(jì)算巨頭為滿足激增的AI算力需求而加速自研芯片部署。Marvell 在投資者交流會(huì)中提及其為微軟Azure定制的ASIC芯片單token成本較GPU方案顯著降低，同時(shí)解決了英偉達(dá)芯片供給缺口。Marvell為AWS、微軟、谷歌、Meta等提供底層算力支持，得益于上述云廠商強(qiáng)勁的算力需求，Marvell預(yù)計(jì)2028年數(shù)據(jù)中心資本開支將超過一萬億美元，同時(shí)進(jìn)一步上調(diào)數(shù)據(jù)中心市場(chǎng)規(guī)模2028年預(yù)期至940億美元，較2024年4月的預(yù)期750億美元上調(diào)26%，其中上調(diào)定制計(jì)算芯片（XPU和XPU配套芯片）市場(chǎng)規(guī)模指引37%。Marvell的競(jìng)爭(zhēng)對(duì)手博通同樣發(fā)力ASIC市場(chǎng)，博通CEO在業(yè)績(jī)說明會(huì)上表示，2025財(cái)年第二季度博通人工智能收入超44億美元，預(yù)計(jì)人工智能半導(dǎo)體收入將在第三季度增長(zhǎng)至51億美元，實(shí)現(xiàn)連續(xù)十個(gè)季度的增長(zhǎng)，明年XPU部署將顯著增加，超出公司此前預(yù)期。
6月20日，在2025華為開發(fā)者大會(huì)（HDC 2025）上，華為云正式發(fā)布盤古大模型5.5及新一代昇騰AI云服務(wù)，實(shí)現(xiàn)AI基礎(chǔ)設(shè)施與大模型技術(shù)的協(xié)同突破。本次升級(jí)覆蓋自然語言處理（NLP）、多模態(tài)、預(yù)測(cè)、科學(xué)計(jì)算及計(jì)算機(jī)視覺（CV）五大領(lǐng)域，通過架構(gòu)創(chuàng)新顯著提升性能與能效，并深化工業(yè)、氣象、能源等場(chǎng)景應(yīng)用，加速產(chǎn)業(yè)智能化轉(zhuǎn)型。
面對(duì)大模型訓(xùn)練與推理引發(fā)的算力需求指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)計(jì)算架構(gòu)已觸及性能瓶頸。華為云此次發(fā)布的昇騰AI云服務(wù)，通過CloudMatrix384超節(jié)點(diǎn)架構(gòu)實(shí)現(xiàn)基礎(chǔ)層突破：該架構(gòu)創(chuàng)新性地將384顆昇騰NPU與192顆鯤鵬CPU經(jīng)由全對(duì)等互聯(lián)的MatrixLink高速網(wǎng)絡(luò)整合為高密度異構(gòu)計(jì)算單元，形成具備超域并行能力的AI算力基座。關(guān)鍵性能指標(biāo)實(shí)現(xiàn)代際跨越——單卡推理吞吐量提升至2300 Token/s，較傳統(tǒng)架構(gòu)相比提升近4倍，徹底釋放大模型推理效能。
在架構(gòu)設(shè)計(jì)上，超節(jié)點(diǎn)針對(duì)混合專家模型（MoE） 的稀疏計(jì)算特性進(jìn)行深度優(yōu)化：1）首創(chuàng) “一卡一專家”并行范式 ，單節(jié)點(diǎn)即可承載384個(gè)專家模塊的協(xié)同推理，顯著降低通信開銷；2）支持“算子級(jí)任務(wù)編排”，通過動(dòng)態(tài)資源切片實(shí)現(xiàn)“一卡多任務(wù)”并發(fā)處理，使算力有效利用率（MFU）提升超50%，從根本上解決傳統(tǒng)架構(gòu)的算力閑置問題。
對(duì)于十萬億參數(shù)級(jí)別的訓(xùn)練場(chǎng)景，系統(tǒng)支持級(jí)聯(lián)彈性擴(kuò)展——通過432個(gè)超節(jié)點(diǎn)構(gòu)建16萬卡級(jí)算力集群，并創(chuàng)新性地實(shí)現(xiàn)訓(xùn)推一體化調(diào)度：采用 “日推夜訓(xùn)”動(dòng)態(tài)資源池 策略，依據(jù)負(fù)載峰谷智能調(diào)配算力，在保障日間高并發(fā)推理需求的同時(shí)，利用閑置資源進(jìn)行夜間模型訓(xùn)練。
此次，盤古 5.5 在 NLP 領(lǐng)域主要有三大模型組成，即盤古 Ultra MoE、盤古 Pro MoE、盤古 Embedding；以及快慢思考合一的高效推理策略、智能體產(chǎn)品DeepDiver。
Ultra MoE（7180億參數(shù)） 作為準(zhǔn)萬億級(jí)深度思考模型，基于昇騰全棧軟硬件協(xié)同優(yōu)化，首創(chuàng) Depth-Scaled Sandwich-Norm（DSSN）穩(wěn)定架構(gòu) 與 TinyInit小初始化技術(shù) ，在CloudMatrix384集群上完成10+T token數(shù)據(jù)的穩(wěn)定訓(xùn)練。其創(chuàng)新性 EP Group Loss負(fù)載均衡機(jī)制，保障256個(gè)專家模塊高效協(xié)同，結(jié)合 “MLA多層級(jí)注意力”“MTP混合精度訓(xùn)練”策略，在知識(shí)推理、數(shù)學(xué)計(jì)算等任務(wù)中達(dá)到國際前沿水平。
Pro MoE（72B A16B） 專為昇騰硬件定制，通過分組混合專家算法（MoGE） 解決跨芯片負(fù)載不均衡問題。該模型針對(duì)300I Duo推理芯片優(yōu)化架構(gòu)拓?fù)洌看蝺H激活160億參數(shù)（16B），在800I A2芯片實(shí)現(xiàn) 1529 Token/s 的極致吞吐效率，較同規(guī)模模型提升15%以上。SuperCLUE榜單驗(yàn)證其智能體任務(wù)能力比肩6710億參數(shù)模型，成為商業(yè)落地最優(yōu)解。
Embedding（7B） 輕量化模型突破規(guī)模限制，采用“漸進(jìn)式SFT微調(diào)”與 “多維度強(qiáng)化學(xué)習(xí) ”策略，模型在學(xué)科知識(shí)、編碼、數(shù)學(xué)和對(duì)話能力方面均優(yōu)于同期同規(guī)模模型，為邊緣端部署提供高性價(jià)比解決方案。
同時(shí)，華為提出了自適應(yīng)快慢思考合一的高效推理方案，構(gòu)建難度感知的快慢思考數(shù)據(jù)并提出兩階段漸進(jìn)訓(xùn)練策略，讓盤古模型可以根據(jù)問題難易程度自適應(yīng)地切換快慢思考。通過構(gòu)建包含200萬樣本的難度感知數(shù)據(jù)集形成動(dòng)態(tài)感知機(jī)制，基于問題復(fù)雜度分級(jí)標(biāo)注，訓(xùn)練輕量級(jí)判別模塊實(shí)現(xiàn)毫秒級(jí)難度判定，通過系統(tǒng)級(jí)訓(xùn)練框架實(shí)現(xiàn)模型內(nèi)生決策能力，打破“人工規(guī)則切換”局限。
華為推出的DeepDiver智能體通過強(qiáng)化學(xué)習(xí)框架重構(gòu)開放域信息獲取路徑，基于7B輕量模型實(shí)現(xiàn)千億級(jí)復(fù)雜任務(wù)處理能力。該產(chǎn)品構(gòu)建百萬級(jí)合成交互數(shù)據(jù)集模擬真實(shí)搜索環(huán)境，采用漸進(jìn)式獎(jiǎng)勵(lì)策略優(yōu)化多跳推理能力，深度融合知識(shí)邊界判定與結(jié)構(gòu)化驗(yàn)證機(jī)制，突破傳統(tǒng)引擎的關(guān)鍵信息遺漏瓶頸；技術(shù)實(shí)現(xiàn)上通過延時(shí)敏感型調(diào)度器協(xié)調(diào)128節(jié)點(diǎn)昇騰集群，結(jié)合主機(jī)-設(shè)備自適應(yīng)權(quán)重遷移技術(shù)消除數(shù)據(jù)傳輸延遲，使單次任務(wù)可完成10跳深度推理鏈挖掘。目前已在投研智庫、專利預(yù)警、醫(yī)療證據(jù)鏈分析等場(chǎng)景驗(yàn)證其顛覆性價(jià)值，推動(dòng)AI智能體從工具執(zhí)行向戰(zhàn)略決策角色演進(jìn)。
除了幾個(gè)NPL大模型，華為盤古5.5還覆蓋了幾個(gè)垂直領(lǐng)域模型實(shí)現(xiàn)產(chǎn)業(yè)深度賦能：
盤古預(yù)測(cè)模型采用業(yè)界首創(chuàng)的triplet transformer統(tǒng)一預(yù)訓(xùn)練架構(gòu)，將不同行業(yè)的數(shù)據(jù)，包括工藝參數(shù)的表格數(shù)據(jù)，設(shè)備運(yùn)行日志的時(shí)間序列數(shù)據(jù)，產(chǎn)品檢測(cè)的圖片數(shù)據(jù)進(jìn)行統(tǒng)一的三元組編碼，并在同一框架內(nèi)高效處理和預(yù)訓(xùn)練，極大地提升預(yù)測(cè)大模型的精度，并大幅提升跨行業(yè)、跨場(chǎng)景的泛化性。助力寶武鋼鐵高爐出鐵溫度合格率突破90%，云南鋁業(yè)電解鋁工藝年省電2600萬度。
CV視覺模型以300億MoE架構(gòu)構(gòu)建跨模態(tài)工業(yè)樣本庫，全面支持圖像、紅外、激光點(diǎn)云、光譜、雷達(dá)等多維度、泛視覺的感知、分析與決策。另外，盤古CV大模型通過跨維度生成模型，構(gòu)建油氣、交通、煤礦等工業(yè)場(chǎng)景稀缺的泛視覺故障樣本庫，極大地提升了業(yè)務(wù)場(chǎng)景的可識(shí)別種類與精度。推動(dòng)中石油亞毫米級(jí)缺陷識(shí)別效率提升40%。
科學(xué)計(jì)算模型在氣象領(lǐng)域支撐深圳“智霽”實(shí)現(xiàn)區(qū)域集合預(yù)報(bào)，重慶“天資·12h”模型提升強(qiáng)降水預(yù)警精度，深圳能源風(fēng)光發(fā)電預(yù)測(cè)優(yōu)化清潔能源消納效率。
盤古大模型持續(xù)深耕行業(yè)，已在30多個(gè)行業(yè)、500多個(gè)場(chǎng)景中落地，在政務(wù)、金融、制造、醫(yī)療、煤礦、鋼鐵、鐵路、自動(dòng)駕駛、氣象等領(lǐng)域發(fā)揮巨大價(jià)值，實(shí)現(xiàn)產(chǎn)業(yè)智能化轉(zhuǎn)型。
證券研究報(bào)告名稱：《華為盤古大模型5.5全面升級(jí)，AI算力與模型能力再突破》
Deepseek發(fā)布深度推理能力模型。R1-Zero采用純粹的強(qiáng)化學(xué)習(xí)訓(xùn)練，證明了大語言模型僅通過強(qiáng)化學(xué)習(xí)也可以有強(qiáng)大的推理能力，DeepSeek-R1經(jīng)歷微調(diào)和強(qiáng)化學(xué)習(xí)取得了與OpenAI-o1-1217相媲美甚至超越的成績(jī)。DeepSeek R1訓(xùn)練和推理算力需求較低，主要原因是DeepSeek R1實(shí)現(xiàn)算法、框架和硬件的優(yōu)化協(xié)同。過去的預(yù)訓(xùn)練側(cè)的scaling law正逐步邁向更廣闊的空間，在深度推理的階段，模型的未來算力需求依然會(huì)呈現(xiàn)爆發(fā)式上漲，充足的算力需求對(duì)于人工智能模型的性能進(jìn)步依然至關(guān)重要。
Deepseek發(fā)布深度推理能力模型，性能和成本方面表現(xiàn)出色。Deepseek發(fā)布兩款具備深度推理能力的大模型R1-Zero和DeepSeek-R1。R1-Zero采用純粹的強(qiáng)化學(xué)習(xí)訓(xùn)練，模型效果逼近OpenAI o1模型，證明了大語言模型僅通過RL，無SFT，大模型也可以有強(qiáng)大的推理能力。但是R1-Zero也存在可讀性差和語言混合的問題，在進(jìn)一步的優(yōu)化過程中，DeepSeek-V3-Base經(jīng)歷兩次微調(diào)和兩次強(qiáng)化學(xué)習(xí)得到R1模型，主要包括冷啟動(dòng)階段、面向推理的強(qiáng)化學(xué)習(xí)、拒絕采樣與監(jiān)督微調(diào)、面向全場(chǎng)景的強(qiáng)化學(xué)習(xí)四個(gè)階段，R1在推理任務(wù)上表現(xiàn)出色，特別是在AIME 2024、MATH-500和Codeforces等任務(wù)上，取得了與OpenAI-o1-1217相媲美甚至超越的成績(jī)。
國產(chǎn)模型邁向深度推理，策略創(chuàng)新百花齊放。在Deepseek R1-Zero模型中，采用的強(qiáng)化學(xué)習(xí)策略是GRPO策略，取消價(jià)值網(wǎng)絡(luò)，采用分組相對(duì)獎(jiǎng)勵(lì)，專門優(yōu)化數(shù)學(xué)推理任務(wù)，減少計(jì)算資源消耗；KIMI 1.5采用Partial rollout的強(qiáng)化學(xué)習(xí)策略，同時(shí)采用模型合并、最短拒絕采樣、DPO 和long2short RL策略實(shí)現(xiàn)短鏈推理；Qwen2.5擴(kuò)大監(jiān)督微調(diào)數(shù)據(jù)范圍以及兩階段強(qiáng)化學(xué)習(xí)，增強(qiáng)模型處理能力。
DeepSeek R1通過較少算力實(shí)現(xiàn)高性能模型表現(xiàn)，主要原因是DeepSeek R1實(shí)現(xiàn)算法、框架和硬件的優(yōu)化協(xié)同。DeepSeek R1在諸多維度上進(jìn)行了大量?jī)?yōu)化，算法層面引入專家混合模型、多頭隱式注意力、多token預(yù)測(cè)，框架層面實(shí)現(xiàn)FP8混合精度訓(xùn)練，硬件層面采用優(yōu)化的流水線并行策略，同時(shí)高效配置專家分發(fā)與跨節(jié)點(diǎn)通信，實(shí)現(xiàn)最優(yōu)效率配置。當(dāng)前階段大模型行業(yè)正處于從傳統(tǒng)的生成式模型向深度推理模型過渡階段，算力的整體需求也從預(yù)訓(xùn)練階段逐步過渡向后訓(xùn)練和推理側(cè)，通過大量協(xié)同優(yōu)化，DeepSeek R1在特定發(fā)展階段通過較少算力實(shí)現(xiàn)高性能模型表現(xiàn)，算力行業(yè)的長(zhǎng)期增長(zhǎng)邏輯并未受到挑戰(zhàn)。過去的預(yù)訓(xùn)練側(cè)的scaling law正逐步邁向更廣闊的空間，在深度推理的階段，模型的未來算力需求依然會(huì)呈現(xiàn)爆發(fā)式上漲，充足的算力需求對(duì)于人工智能模型的性能進(jìn)步依然至關(guān)重要。
證券研究報(bào)告名稱：《華為盤古大模型5.5全面升級(jí)，AI算力與模型能力再突破》
北美四大云廠商一季度資本開支持續(xù)高增，總計(jì)773億美元，同比增長(zhǎng)62%。其中，2025Q1亞馬遜的capex為250億美元，同比增長(zhǎng)68%，微軟的capex為214億美元，同比增長(zhǎng)53%，谷歌的capex為172億美元，同比增長(zhǎng)43%，Meta的capex為137億美元，同比增長(zhǎng)104%。四家云廠商對(duì)于2025年資本開支的指引保持樂觀，谷歌、亞馬遜、微軟表示年初資本開支指引保持不變，Meta將全年資本開支由上季度指引的600億-650億美元上調(diào)至640億-720億美元。市場(chǎng)此前在DeepSeek出圈后認(rèn)為算力可能加速通縮，資本開支可能會(huì)趨緩，但從北美云廠商的最新指引來看，投資依然強(qiáng)勁，反映出北美算力行業(yè)景氣度依舊很高。
國內(nèi)CSP廠商季度間資本開支略有波動(dòng)，但保持較高投資強(qiáng)度。2025Q1，阿里的資本開支為239.93億元（Purchase of property and equipment），同比增長(zhǎng)136%。相較于此前年報(bào)時(shí)的指引，2025Q1資本開支或低于投資者預(yù)期，預(yù)計(jì)與GPU芯片采購發(fā)貨節(jié)奏有關(guān)；騰訊的資本開支為275億元，同比增長(zhǎng)91%，占營收比為15%，落在此前“l(fā)ow teens”指引區(qū)間。當(dāng)前仍處于AI基礎(chǔ)設(shè)施的投資期，盡管季度間資本開支或許有波動(dòng)，但整體仍保持較高的投資強(qiáng)度，反映出國內(nèi)算力投資需求也保持較高景氣度。
隨著大模型應(yīng)用的普及和用戶互動(dòng)頻率的增加，LLM的Token使用量正在以驚人的速度增長(zhǎng)。在近期舉行的2025年Google I/O開發(fā)者大會(huì)上，谷歌表示目前系統(tǒng)每月處理的token數(shù)量激增，從去年的9.7萬億增加到現(xiàn)在的480萬億，增長(zhǎng)將近50倍。目前，Gemini的App上每月有4 億多活躍用戶。近期在字節(jié)跳動(dòng)旗下火山引擎舉辦 Force 原動(dòng)力大會(huì)上，公司宣布，截至2025年5月底，豆包大模型日均tokens使用量超過16.4萬億，較去年5月剛發(fā)布時(shí)增長(zhǎng)137倍。Agent在解決復(fù)雜問題的過程中，會(huì)進(jìn)行多輪對(duì)話或內(nèi)部思考，每一輪的對(duì)話中都會(huì)產(chǎn)生大量的token。隨著Agent在各種應(yīng)用場(chǎng)景的快速普及，token數(shù)量還有望快速增長(zhǎng)。
但市場(chǎng)對(duì)于當(dāng)下AI發(fā)展的短期情況存在一定的擔(dān)憂。自從2023年OpenAI的ChatGPT引爆了算力需求之后，CSP廠商的capex高速增長(zhǎng)已有3年，但是AI相關(guān)的爆款應(yīng)用遲遲沒有出現(xiàn)，在無法商業(yè)閉環(huán)情況下，實(shí)際上也存在資本開支放緩可能。但是從長(zhǎng)期發(fā)展的維度看，AI仍然會(huì)是整個(gè)科技行業(yè)最大的發(fā)展方向之一。總體來看，我們認(rèn)為應(yīng)先抱以樂觀態(tài)度，但緊盯微觀層面的訂單變化，及時(shí)調(diào)整。因此，從投資的角度來看，我們認(rèn)為應(yīng)該重點(diǎn)錨定行業(yè)景氣度變化和估值水平進(jìn)行投資，海外產(chǎn)業(yè)鏈更看重景氣度變化，估值水平在一定條件下可以提供安全邊際，而國內(nèi)算力產(chǎn)業(yè)鏈短期內(nèi)則更需要重視業(yè)績(jī)的兌現(xiàn)情況。
從2023年OpenAI的ChatGPT橫空出世以來，人工智能帶動(dòng)的需求持續(xù)高速增長(zhǎng)。CSP廠商的capex保持快速增長(zhǎng)勢(shì)頭，GPU、ASIC、HBM、交換機(jī)、光模塊、銅纜等需求旺盛。
北美四大云廠商一季度資本開支持續(xù)高增，總計(jì)773億美元，同比增長(zhǎng)62%。其中，2025Q1亞馬遜的capex為250億美元，同比增長(zhǎng)68%，微軟的capex為214億美元，同比增長(zhǎng)53%，谷歌的capex為172億美元，同比增長(zhǎng)43%，Meta的capex為137億美元，同比增長(zhǎng)104%。四家云廠商對(duì)于2025年資本開支的指引保持樂觀，谷歌、亞馬遜、微軟表示年初資本開支指引保持不變，Meta將全年資本開支由上季度指引的600億-650億美元上調(diào)至640億-720億美元。高帶寬、高質(zhì)量以及高可靠性的互聯(lián)網(wǎng)絡(luò)能夠確保算力集群處于高效率的運(yùn)行狀態(tài)。人工智能數(shù)據(jù)中心建設(shè)景氣度高，給光模塊產(chǎn)業(yè)鏈帶來廣闊的空間，國內(nèi)主要光模塊公司的業(yè)績(jī)持續(xù)增長(zhǎng)。
展望明年，預(yù)計(jì)800G光模塊需求仍然強(qiáng)勁，1.6T光模塊有望快速放量。在AI數(shù)據(jù)中心中，越來越多的客戶傾向于選擇更大帶寬的網(wǎng)絡(luò)硬件。帶寬越大，單位bit傳輸?shù)某杀靖汀⒐母图俺叽绺 ?00G光模塊的高增速已經(jīng)能夠反映出AI對(duì)于帶寬迫切的需求，其在2022年底開始小批量，2023年和2024年的出貨量都大幅增長(zhǎng)。而AI對(duì)于帶寬的需求是沒有極限的，得益于網(wǎng)絡(luò)較高的性價(jià)比，1.6T光模塊有望加速應(yīng)用。NVIDIA正在通過ConnectX-8 SuperNIC 升級(jí)網(wǎng)絡(luò)平臺(tái)架構(gòu)，ConnectX-8是業(yè)內(nèi)首款集成PCIe 6.0交換機(jī)和高速網(wǎng)絡(luò)的網(wǎng)卡，專為現(xiàn)代 AI 基礎(chǔ)架構(gòu)設(shè)計(jì)，可提供更高的吞吐量，同時(shí)簡(jiǎn)化系統(tǒng)設(shè)計(jì)，并提高能效和成本效益。
CPO，Co-packaged Optics，即共封裝光學(xué)技術(shù)，是將光芯片/器件與電芯片/器件合封在一起的封裝技術(shù)。CPO的封裝一般指兩方面：一是光引擎（OE）中PIC和EIC的封裝，二是光引擎和ASIC/XPU/GPU的系統(tǒng)級(jí)封裝。共封裝光學(xué)技術(shù)的優(yōu)點(diǎn)包括降低功耗、降低成本和減小尺寸。降低功耗：信號(hào)傳輸?shù)碾娐肪嚯x大大縮短，電信號(hào)損耗降低，簡(jiǎn)化后的SerDes去掉CDR、DFE、FFE和CTLE之后功耗降低，可節(jié)省30%+的功耗；降低成本：封裝工藝成本更低，高集成度的光引擎成本更低，同時(shí)省去部分電學(xué)芯片成本，可降低25%+的成本；減小尺寸：借助硅光技術(shù)和CMOS工藝，共封裝顯著減小光電引擎各自獨(dú)立封裝方式的尺寸，同時(shí)實(shí)現(xiàn)更高密度的I/O集成。
Scale-up是指通過增加單個(gè)節(jié)點(diǎn)的資源來提升整個(gè)集群的算力。常見的單個(gè)節(jié)點(diǎn)是八卡服務(wù)器，隨著大模型參數(shù)量大幅提升，英偉達(dá)先后推出了GH200 NVL32和GB200 NVL72等機(jī)架類產(chǎn)品，得益于高速的NVLink互連帶寬，整個(gè)機(jī)架可類比為“One Giant GPU”，未來scale-up domain有望提升到千卡及萬卡級(jí)別。2023年，英偉達(dá)宣布生成式AI引擎NVIDIA DGX GH200現(xiàn)已投入量產(chǎn)。GH200通過NVLink 4.0的900GB/s超大網(wǎng)絡(luò)帶寬能力來提升算力，服務(wù)器內(nèi)部可能采用銅線方案，但服務(wù)器之間可能采用光纖連接。相比較傳統(tǒng)的IB/Ethernet的網(wǎng)絡(luò)，GH200采用的NVLink-Network網(wǎng)絡(luò)部分的成本占比大幅增長(zhǎng)，但是因?yàn)榫W(wǎng)絡(luò)在數(shù)據(jù)中心中的成本占比較低，因此通過提升網(wǎng)絡(luò)性能來提升算力性價(jià)比很高。
CPO技術(shù)是系統(tǒng)性工程，涉及到材料、器件、EDA、模塊、設(shè)備等，對(duì)設(shè)計(jì)、封裝和測(cè)試的要求非常高，因此目前產(chǎn)業(yè)中的現(xiàn)狀主要是科技巨頭在主導(dǎo)，產(chǎn)業(yè)鏈中的供應(yīng)商配合。CPO/OIO中主要組成部分是CPO光引擎，采用的主要是硅光技術(shù)，因此兩者的供應(yīng)鏈也高度重合。參與到CPO/OIO研發(fā)的廠商主要是FAU、MPO、CW laser、光引擎、封裝、流片廠、PCB廠商等，我們認(rèn)為在各個(gè)細(xì)分領(lǐng)域具備較強(qiáng)優(yōu)勢(shì)的廠商，同樣在CPO/OIO領(lǐng)域有望延續(xù)該領(lǐng)先優(yōu)勢(shì)。光引擎是核心產(chǎn)品，雖然目前主要是英偉達(dá)和博通等公司在主導(dǎo)，但是考慮到光引擎與光模塊的設(shè)計(jì)、制造和測(cè)試環(huán)節(jié)高度相似，我們認(rèn)為光模塊公司仍然具備較大的優(yōu)勢(shì)。FAU、MPO和Fiber Shuffle等光纖連接器產(chǎn)品，在CPO/OIO產(chǎn)品上的價(jià)值量有望顯著提升。CW DFB laser是重要的光源產(chǎn)品，在FR等波分復(fù)用的方案中，邊緣波長(zhǎng)的激光器難度較大，價(jià)值量也較高。
我們認(rèn)為，算力板塊目前的景氣度依然較高，雖然市場(chǎng)對(duì)未來的預(yù)期存在分歧，但從Token的增長(zhǎng)情況來看，中長(zhǎng)期展望依然樂觀就估值而言，我們認(rèn)為既然市場(chǎng)對(duì)未來有分歧，那就對(duì)未來的盈利預(yù)測(cè)也會(huì)有分歧，所以未來的估值一定程度上就不具有很強(qiáng)的參考意義。對(duì)此，我們認(rèn)為可以參考?xì)v史。復(fù)盤2019-2020年，5G、云計(jì)算疊加疫情帶來的在線經(jīng)濟(jì)需求，也讓光模塊板塊大漲，之后進(jìn)入了約2年半的市場(chǎng)震蕩尋底階段。
華為發(fā)布CloudMatrix 384超節(jié)點(diǎn)，性能表現(xiàn)優(yōu)異，通過集群、網(wǎng)絡(luò)彌補(bǔ)單芯片差距
2025年4月，華為在云生態(tài)大會(huì)上推出CloudMatrix 384超節(jié)點(diǎn)，并宣布已在蕪湖數(shù)據(jù)中心規(guī)模上線。據(jù)介紹，華為昇騰超節(jié)點(diǎn)憑借高速總線互聯(lián)技術(shù)實(shí)現(xiàn)重大突破，把總線從服務(wù)器內(nèi)部，擴(kuò)展到整機(jī)柜、甚至跨機(jī)柜。在超節(jié)點(diǎn)范圍內(nèi)，用高速總線互聯(lián)替代傳統(tǒng)以太網(wǎng)。根據(jù)SemiAnalysis的對(duì)比分析，華為昇騰910C的單卡算力約為GB200的0.3X、HBM容量約為GB200的0.7X，但是在組成集群后，CloudMatrix 384算力約為NVL72的1.7X、HBM容量約為NVL72的3.6X。不足之處則是CloudMatrix 384能耗更高，系統(tǒng)總功耗是NVL72的3.9X，每FLOP功耗是NVL72的2.3X。正如任正非近期接受人民日?qǐng)?bào)時(shí)所說，中國芯片產(chǎn)業(yè)可通過“疊加與集群”技術(shù)路徑實(shí)現(xiàn)突圍，在計(jì)算結(jié)果上與全球最先進(jìn)水平相當(dāng)。
英偉達(dá)NVLink與華為HCCS，兩大廠商均希望打造自己的高速互聯(lián)生態(tài)。自2014年開始，英偉達(dá)在其GPU中引入了NVLink互聯(lián)技術(shù)。NVLink是由英偉達(dá)開發(fā)的一種高帶寬、低延遲的點(diǎn)對(duì)點(diǎn)數(shù)據(jù)傳輸通道。它的主要用途是連接GPU，或者GPU與CPU之間的通信。經(jīng)歷了近十年的迭代，從NVLink1.0到5.0，GPU上的NVLink鏈路數(shù)從4條變?yōu)?8條，隨著serdes速率增長(zhǎng)以及調(diào)制方式從NRZ升級(jí)為PAM4，單通道帶寬從5GB/s升級(jí)至50GB/s，GPU之間通信的雙向帶寬達(dá)到了1800GB/s。華為HCCS對(duì)標(biāo)英偉達(dá)的NVLink，能夠給內(nèi)核、設(shè)備、集群提供系統(tǒng)內(nèi)存的一致訪問，HCCS采用對(duì)等拓?fù)洌瑔捂溌返淖畲髱捠?6GB/s，昇騰910B中的HCCS采用點(diǎn)對(duì)點(diǎn)拓?fù)洌瑔捂溌返淖畲髱捠?6GB/s，聚合帶寬392GB/S。高速的互聯(lián)帶寬對(duì)于模型的分布式訓(xùn)練至關(guān)重要，也成為英偉達(dá)與華為的核心競(jìng)爭(zhēng)力之一。
英偉達(dá)和華為作為同時(shí)擁有GPU與交換芯片設(shè)計(jì)能力的公司，既懂網(wǎng)絡(luò)也懂計(jì)算，打造一套屬于自己的互聯(lián)生態(tài)順理成章。但對(duì)于其它GPU與網(wǎng)絡(luò)設(shè)備廠商則并非如此，為了與NVlink競(jìng)爭(zhēng)，UEC、UALink等組織相繼成立，旨在打造一個(gè)開放的高性能計(jì)算網(wǎng)絡(luò)生態(tài)。對(duì)于阿里、騰訊這樣的互聯(lián)網(wǎng)廠商，他們希望自己定義計(jì)算集群架構(gòu)，而不是成套的購買設(shè)備廠商的訓(xùn)練集群，例如騰訊發(fā)布自己的星脈網(wǎng)絡(luò)架構(gòu)，阿里也著手自研交換機(jī)，因此開放的互聯(lián)生態(tài)同樣需要重視。
UALink1.0規(guī)范發(fā)布：支持連接1024個(gè)加速器，每通道200GT/s帶寬。UALink（UltraAcceleratorLink）由AMD、AWS、AsteraLabs、思科、谷歌、HPE、英特爾、Meta和微軟9家企業(yè)發(fā)起成立，旨在為AIPod和集群中加速器與交換機(jī)之間的縱向擴(kuò)展通信定義一種高速、低延遲的互聯(lián)規(guī)范，挑戰(zhàn)英偉達(dá)NVLink等互聯(lián)在該場(chǎng)景的領(lǐng)導(dǎo)地位。2025年4月，UALink1.0發(fā)布，支持每通道200GT/s的最大雙向數(shù)據(jù)速率，信號(hào)傳輸速率為212.5GT/s，以適應(yīng)前向糾錯(cuò)和編碼開銷。UALink可配置為x1、x2或x4，四通道鏈路在發(fā)送和接收方向上均可實(shí)現(xiàn)高達(dá)800GT/s的速度。從標(biāo)準(zhǔn)發(fā)布到實(shí)際應(yīng)用，還需要協(xié)調(diào)眾多廠商配合，因此開放的互聯(lián)協(xié)議能夠真正在組網(wǎng)中應(yīng)用預(yù)計(jì)還需要一至兩年。我們認(rèn)為，對(duì)于網(wǎng)絡(luò)與交換環(huán)節(jié)建議重點(diǎn)關(guān)注交換芯片、網(wǎng)卡等公司。
證券研究報(bào)告名稱：《通信行業(yè)2025年中期投資策略報(bào)告：穩(wěn)居紅利，精選算力，關(guān)注變化》
GB200服務(wù)器進(jìn)入規(guī)模化量產(chǎn)階段，Blackwell將接替Hopper成為出貨主力。在GTC 2024大會(huì)上，英偉達(dá)正式發(fā)布了新一代Blackwell架構(gòu)AI芯片，并推出了基于該架構(gòu)的新型機(jī)架式AI服務(wù)器參考設(shè)計(jì)GB200。由于散熱挑戰(zhàn)與液冷系統(tǒng)泄漏等問題，GB200系統(tǒng)在2024年量產(chǎn)推進(jìn)并不順利，整體進(jìn)度滯后于預(yù)期。隨著英偉達(dá)與供應(yīng)鏈合作逐步優(yōu)化設(shè)計(jì)，并解決關(guān)鍵技術(shù)難題，24年底Blackwell平臺(tái)開始進(jìn)入爬坡階段，開啟對(duì)Hopper平臺(tái)的替代。英偉達(dá)FY26Q1（2025年2月-4月）數(shù)據(jù)中心業(yè)務(wù)中近70%的收入已由Blackwell平臺(tái)貢獻(xiàn)。鴻海、廣達(dá)等核心ODM供應(yīng)商也普遍預(yù)計(jì)，GB200將在2025Q2加速放量，微軟、Meta等多家云服務(wù)廠商也陸續(xù)部署新一代系統(tǒng)。
升級(jí)方案GB300有望于2025年下半年開啟量產(chǎn)。英偉達(dá)在GTC 2025大會(huì)上披露，預(yù)計(jì)GB300將于2025年下半年量產(chǎn)上市。硬件方面，GB300采用12-Hi堆疊的HBM3e內(nèi)存結(jié)構(gòu)，每顆GPU配備288 GB顯存，較GB200的192 GB提升50%。系統(tǒng)I/O也全面升級(jí)，整機(jī)網(wǎng)絡(luò)帶寬提升至1.6 Tbps，以滿足更高并發(fā)推理的通信需求。在性能表現(xiàn)上，GB300 NVL72在FP4精度下的推理算力相較GB200 NVL72提升約1.5倍。為確保量產(chǎn)進(jìn)度，英偉達(dá)此次在設(shè)計(jì)上回歸穩(wěn)定的Bianca板卡方案，并優(yōu)化了液冷系統(tǒng)與供電模塊。GB300將成為繼GB200之后，又一輪AI服務(wù)器放量的關(guān)鍵驅(qū)動(dòng)。
自研ASIC芯片不僅能夠降低功耗，還能幫助CSP掌握AI基礎(chǔ)設(shè)施的成本與供應(yīng)鏈，避免過度依賴英偉達(dá)，因此自研ASIC正成為CSP的競(jìng)爭(zhēng)關(guān)鍵。谷歌曾獨(dú)占ASIC AI芯片市場(chǎng)，目前AWS、Meta、微軟等企業(yè)也開始積極投入ASIC AI芯片開發(fā)。AWS的ASIC AI芯片Trainium 2在2024Q4開始量產(chǎn)，搭載該芯片的服務(wù)器則在2025Q1開始規(guī)模化出貨，緯穎作為AWS ASIC服務(wù)器的核心供應(yīng)商，營收大幅受益。AWS下一代Trainium 3晶片則預(yù)計(jì)在2025年底之前量產(chǎn)。
制程迭代是芯片算力提升的關(guān)鍵因素，AI算力需求的爆發(fā)催生了對(duì)先進(jìn)制程的強(qiáng)需求。AI大模型發(fā)展對(duì)芯片算力提出更高要求，未來更成熟的AGI模型所需算力是現(xiàn)在GPT-4所需算力的1萬倍。而解決高算力需求的一種方案是采用更為先進(jìn)制程的芯片，因?yàn)樾酒瞥淘较冗M(jìn)，功耗越低、計(jì)算速度越快。如2nm芯片功耗約為16nm芯片的10%，而性能約為16nm芯片的2倍以上。臺(tái)積電估計(jì)其即將推出的N2P節(jié)點(diǎn)的功耗可能比N3E節(jié)點(diǎn)低30-40%。
服務(wù)器需求將超過智能手機(jī)成為先進(jìn)制程最主要的驅(qū)動(dòng)力。歷史上，智能手機(jī)的迭代更新推動(dòng)了芯片制程的不斷演進(jìn)，但隨著AI應(yīng)用的計(jì)算需求上升，服務(wù)器成為主要的算力中心，且對(duì)高算力的追求使得其對(duì)先進(jìn)制程呈現(xiàn)出越來越高的需求，AI芯片功耗較高，且需要更小的尺寸，因此AI芯片對(duì)先進(jìn)制程的迫切需求將推動(dòng)服務(wù)器需求成為先進(jìn)制程最大的驅(qū)動(dòng)力。Sumco估計(jì)，在AI服務(wù)器出貨量強(qiáng)勁增長(zhǎng)的推動(dòng)下，服務(wù)器對(duì)先進(jìn)制程晶圓的需求量最快將在2024年超過智能手機(jī)。
2025年是2nm量產(chǎn)交付元年，臺(tái)積電已獲得多家客戶訂單。臺(tái)積電、三星、Intel均有望在2025年量產(chǎn)2nm制程，但目前Intel和三星主要用于生產(chǎn)自有產(chǎn)品，并未獲得第三方客戶的量產(chǎn)訂單。Intel的18A將生產(chǎn)Panther Lake （PC CPU）和Clearwater Forest （服務(wù)器CPU），三星的SF2可能將獲得自研處理器Exynos 2600的訂單。臺(tái)積電的2nm已獲得多家客戶訂單，包括AMD的Venice（服務(wù)器CPU），蘋果的A20/A20 Pro和M6系列，高通第三代8 Elite。此外，AWS、谷歌、微軟未來的ASIC AI芯片在2nm節(jié)點(diǎn)上都大概率選擇臺(tái)積電。
先進(jìn)制程面臨物理約束瓶頸，先進(jìn)封裝成為提高芯片性能的重要解決方案。AI大發(fā)展使得算力需求爆發(fā)式增長(zhǎng)，然而，隨著半導(dǎo)體工藝尺寸進(jìn)一步縮小，集成電路制造面臨的挑戰(zhàn)日益增大，摩爾定律日趨放緩，單位晶體管的成本不降反升，應(yīng)用先進(jìn)制程的芯片研發(fā)費(fèi)用也大幅增長(zhǎng)。先進(jìn)封裝通過異構(gòu)集成，將多個(gè)芯粒（Chiplets）高密度連接在一起，整體性能提升不再依賴單一芯片支持，且大幅提升良率，降低成本，成為提供系統(tǒng)級(jí)性能提升的新路徑。
CoWoS為HPC和AI計(jì)算領(lǐng)域廣泛使用的先進(jìn)封裝技術(shù)。CoWoS是臺(tái)積電推出的 2.5D封裝技術(shù)，本質(zhì)上是將多個(gè)芯片（如邏輯芯片+HBM）放置在一塊硅中介層（interposer）上，再封裝在基板上，2012年首先應(yīng)用于Xilinx的FPGA上。此后，英偉達(dá)、AMD、谷歌等廠商的AI芯片均采用了CoWoS，例如A100、H100。如今CoWoS已成為HPC和AI計(jì)算領(lǐng)域廣泛應(yīng)用的2.5D封裝技術(shù)，絕大多數(shù)使用HBM的高性能芯片，包括大部分創(chuàng)企的AI訓(xùn)練芯片都應(yīng)用CoWoS技術(shù)。
AI持續(xù)高景氣帶動(dòng)CoWoS需求不斷提升。2023年一季度以來，AI服務(wù)器的需求不斷增長(zhǎng)，使臺(tái)積電CoWoS封裝產(chǎn)能緊缺。臺(tái)積電一方面將制程分段委外，另一方面大幅擴(kuò)產(chǎn)CoWoS產(chǎn)能。
HBM 3D堆疊提升內(nèi)存性能，AI芯片廣泛采用。隨著數(shù)據(jù)的爆炸式增長(zhǎng)，內(nèi)存墻對(duì)于計(jì)算速度的影響愈發(fā)顯現(xiàn)。為了減小內(nèi)存墻的影響，提升內(nèi)存帶寬一直是存儲(chǔ)芯片聚焦的關(guān)鍵問題。如同閃存從2D NAND向3D NAND發(fā)展一樣，DRAM也正在從2D向3D技術(shù)發(fā)展，HBM為主要代表產(chǎn)品。與傳統(tǒng)DRAM不同，HBM是3D結(jié)構(gòu)，它使用TSV技術(shù)將數(shù)個(gè)DRAM裸片堆疊起來，形成立方體結(jié)構(gòu)，與傳統(tǒng)內(nèi)存相比，HBM的存儲(chǔ)密度更大、帶寬更高，基本成為數(shù)據(jù)中心AI芯片的標(biāo)配。
預(yù)計(jì)2028年全球先進(jìn)封裝市場(chǎng)規(guī)模增至786億美元，2022-2028年CAGR達(dá)到10.0%。根據(jù)Yole數(shù)據(jù)，2022年全球封裝市場(chǎng)中，先進(jìn)封裝占比已達(dá)到47%。預(yù)計(jì)到2028年，先進(jìn)封裝市場(chǎng)占比將增至58%，規(guī)模約為786億美元，2022年-2028年CAGR約為10.0%，明顯高于傳統(tǒng)封裝市場(chǎng)的2.1%和市場(chǎng)整體的6.2%。
晶圓代工龍頭臺(tái)積電打造先進(jìn)封裝工藝標(biāo)桿，傳統(tǒng)封測(cè)廠商亦紛紛加快轉(zhuǎn)型步伐。臺(tái)積電在先進(jìn)封裝上已取得了可觀的收入體量，技術(shù)布局也進(jìn)入關(guān)鍵節(jié)點(diǎn)，未來投入規(guī)模將持續(xù)加碼。在OSAT廠商中，日月光VIPack先進(jìn)封裝平臺(tái)包含六大核心技術(shù)，安靠推出FCMCM（倒裝多晶片模組）、2.5D（TSV）等五大先進(jìn)封裝解決方案。國內(nèi)長(zhǎng)電先進(jìn)聚焦bumping，F(xiàn)an-out CSP晶圓級(jí)等先進(jìn)封裝，通富微電在2.5D/3D先進(jìn)封裝保持國內(nèi)領(lǐng)先，深科技專注存儲(chǔ)封測(cè)領(lǐng)域，并聚焦倒裝工藝（Flip-chip）、POPt堆疊封裝技術(shù)的研發(fā)。
全球HBM（高帶寬存儲(chǔ)器）技術(shù)呈現(xiàn)“海外領(lǐng)跑、國內(nèi)加速追趕”的雙軌格局。海外市場(chǎng)由SK海力士、三星、美光三大巨頭壟斷95%以上份額：SK海力士憑借HBM3/3E量產(chǎn)優(yōu)勢(shì)穩(wěn)居首位（市占率52.5%），其12層堆疊HBM4測(cè)試良率已突破70%，計(jì)劃2025年量產(chǎn)；三星正加速優(yōu)化HBM3E良率并推進(jìn)HBM4研發(fā)，2024年通過AMD MI300系列驗(yàn)證后逐步放量；美光則聚焦HBM3e量產(chǎn)，但產(chǎn)能擴(kuò)張略有滯后。國內(nèi)HBM產(chǎn)業(yè)受地緣政策催化進(jìn)入提速階段。
從HBM的生產(chǎn)工藝來看，DRAM顆粒為定制的DRAM顆粒，工藝難點(diǎn)在于封測(cè)。TSV、大規(guī)模回流模塑底部填充（MR-MUF）、自對(duì)準(zhǔn)、混合鍵合等工藝很大程度上影響HBM的性能和良率。
（1）TSV：不采用傳統(tǒng)的布線方法來連接芯片與芯片，而是通過在芯片上鉆孔并填充金屬等導(dǎo)電材料以容納電極來垂直連接芯片。制作帶有TSV的晶圓后，通過封裝在其頂部和底部形成微凸塊（Micro Bumping），然后連接這些凸塊。由于TSV允許凸塊垂直連接，因此可以實(shí)現(xiàn)多芯片堆疊。最初，使用TSV接合的堆棧有4層，后來增加到8層。最近，一項(xiàng)技術(shù)使得堆疊12層成為可能，SK海力士于2023年4月開發(fā)了其12層HBM3。雖然TSV倒裝芯片接合方法通常使用基于熱壓的非導(dǎo)電薄膜（TC-NCF），但SK海力士使用MR-MUF工藝，可以減少堆疊壓力并實(shí)現(xiàn)自對(duì)準(zhǔn)。這些特性使SK海力士能夠開發(fā)出世界上第一個(gè)12層HBM3。
（2）MR-MUF：將半導(dǎo)體芯片堆疊起來，并將液體保護(hù)材料注入芯片之間的空間，然后硬化以保護(hù)芯片和周圍電路的工藝。與在每個(gè)芯片堆疊后應(yīng)用薄膜型材料相比，MR-MUF是一種更高效的工藝，并提供有效的散熱。目前SK海力士主要使用MR-MUF工藝生產(chǎn)HBM2e/3/3e，使得其領(lǐng)先于三星電子和美光，后者主要采用TC-NCF工藝。MR-MUF工藝需要使用液態(tài)環(huán)氧樹脂（EMC），目前全球僅日本namics獨(dú)供。除EMC外，HBM封裝還需要底部填充膠用于FC工藝，采用PSPI作為硅中介層中RDL的再鈍化層，還需要IC載板、DAF、Solder ball等材料。
（3）自對(duì)準(zhǔn)：在 MR-MUF工藝期間通過大規(guī)模回流將芯片重新定位到正確的位置。在此過程中，熱量被施加到芯片上，導(dǎo)致相關(guān)凸塊在正確的位置熔化并硬化。
（4）混合鍵合：C2W混合鍵合具有多種優(yōu)勢(shì)，①允許無焊料鍵合，減少鍵合層的厚度、縮短電氣路徑并降低電阻。因此，小芯片可以高速運(yùn)行，就像單個(gè)芯片一樣。②通過直接將銅與銅接合，可以顯著減小凸塊上的間距。目前，使用焊料時(shí)很難實(shí)現(xiàn)10 um或更小的凸塊間距。然而，銅對(duì)銅直接鍵合可以將間距減小到小于1um，從而提高芯片設(shè)計(jì)的靈活性。③先進(jìn)的散熱功能。④上述的薄粘合層和細(xì)間距影響了封裝的形狀因數(shù)，可以大大減小封裝尺寸。目前混合鍵合主要用于單層鍵合或兩個(gè)芯片面對(duì)面堆疊，SK海力士2022年用混合鍵合完成了8層HBM2e的堆疊，正在開發(fā)用于更高密度、高堆疊HBM的混合鍵合。
需求緊俏，HBM持續(xù)擠壓DRAM產(chǎn)能。從需求端看，云計(jì)算廠商將更多資本開支投入AI基礎(chǔ)設(shè)施，2024年北美CSP的資本開支增速在55%，主要來自AI推動(dòng)，傳統(tǒng)服務(wù)器需求基本持平，25Q1同比增長(zhǎng)64%，預(yù)計(jì)2025年CSP資本開支維持大幅增長(zhǎng)。算力需求的快速增長(zhǎng)，算力卡的數(shù)量和配置快速升級(jí)，最終帶來的是算力芯片和HBM需求的快速增長(zhǎng)。結(jié)合海外存儲(chǔ)廠商和咨詢機(jī)構(gòu)的預(yù)測(cè)， 2024年HBM市場(chǎng)規(guī)模達(dá)到160億美金，同比增長(zhǎng)300%，預(yù)計(jì)2025年達(dá)到320億美金，同比增長(zhǎng)100%。從供給端看，HBM供應(yīng)仍然緊缺，在傳統(tǒng)DRAM庫存波動(dòng)的情況下，HBM由于AI服務(wù)器的強(qiáng)勁需求，擠占DRAM產(chǎn)能的現(xiàn)象還在持續(xù)。
HBM快速迭代，HBM4即將進(jìn)入量產(chǎn)。結(jié)構(gòu)上，2025年HBM3e將占據(jù)主導(dǎo)，根據(jù)SK海力士，2024年其HBM3e收入將占HBM收入一半以上，2025年12層HBM3e供給量將超過8層產(chǎn)品，12層HBM4計(jì)劃于25H2發(fā)貨。（1）HBM3e：三大原廠相繼推出12Hi產(chǎn)品，這些12Hi的HBM預(yù)計(jì)用在英偉達(dá)的B300A（B200A Ultra）和B300上。（2）HBM4：三星、海力士計(jì)劃24Q4開始HBM4的流片，預(yù)計(jì)2026年用在英偉達(dá)下一代的Rubin芯片上。
1.2.4 模型推理時(shí)代到來，ASIC需求爆發(fā)，看好ASIC服務(wù)器PCB廠商
推理時(shí)代即將到來，推理將成為AI算力需求的新動(dòng)力。英偉達(dá)首席執(zhí)行官黃仁勛在2025年GTC的主題演講中提到，隨著AI行業(yè)在模型訓(xùn)練上的需求放緩，疊加DeepSeek在模型推理上所作的創(chuàng)新，AI推理時(shí)代即將到來。相較于傳統(tǒng)的生成式AI主要以語言大模型與聊天機(jī)器人的形式呈現(xiàn)、聚焦生成文本和圖像內(nèi)容等，AI Agent能理解任務(wù)、進(jìn)行復(fù)雜推理、制定計(jì)劃并自主執(zhí)行多步驟操作，由于AI Agent解決復(fù)雜問題、分解任務(wù)每一步的邏輯思考過程都需要用到模型推理，因此推理將成為AI新階段的核心動(dòng)力。
低成本是AI推理爆發(fā)的必要條件，北美CSP廠商均加速研發(fā)ASIC的步伐。大模型推理時(shí)代相較于移動(dòng)互聯(lián)網(wǎng)時(shí)代，底層邏輯發(fā)生了巨大變化。推理系統(tǒng)的成本幾乎和客戶使用量成線性關(guān)系，因此邊際成本很高，且成本絕大部分是推理的算力消耗。因此，在大模型時(shí)代，能將推理成本降到極致的廠商有望獲得最終的勝利。目前北美四大CSP廠商，除了繼續(xù)采用英偉達(dá)GPU做模型訓(xùn)練之外，均在加速開發(fā)自家的ASIC產(chǎn)品，一方面因英偉達(dá)的GPU價(jià)格昂貴，硬件投入成本過高，另一方面，自研ASIC可針對(duì)特定需求進(jìn)行優(yōu)化，也能針對(duì)特定的應(yīng)用進(jìn)行設(shè)計(jì)，因此對(duì)于能耗或電力管理的控制將更加精準(zhǔn)，此外，從供應(yīng)鏈安全角度，也可以避免算力資源都來自英偉達(dá)、AMD等GPU廠商的風(fēng)險(xiǎn)。在同等預(yù)算下，AWS的Trainium 2可以比英偉達(dá)的H100 GPU更快速完成推理任務(wù)，且性價(jià)比提高了30%~40%。2025年底計(jì)劃推出的Trainium3，其計(jì)算性能更是提高了2倍，能效有望提高40%。谷歌的TPU v5芯片在Llama-3推理場(chǎng)景中，單位算力成本較H100降低了70%。根據(jù)IDC數(shù)據(jù)，微軟Azure自研ASIC后，硬件采購成本占比從75%降至58%，擺脫長(zhǎng)期被動(dòng)的議價(jià)困境。
在Google Cloud Next 25大會(huì)上，谷歌又推出了第七代張量處理單元（TPU v7）Ironwood，它是谷歌迄今為止性能最高、可擴(kuò)展性最強(qiáng)的定制ASIC芯片，也是首款專為推理而設(shè)計(jì)的加速器。Ironwood的每瓦性能是谷歌去年發(fā)布的第六代TPU Trillium的兩倍，HBM容量及雙向帶寬均大幅提升。谷歌ASIC服務(wù)器計(jì)算板上有四個(gè)Ironwood TPU，這個(gè)與之前TPU v5計(jì)算板架構(gòu)一樣。
博通和Marvell均看好ASIC市場(chǎng)需求。博通和Marvell是ASIC定制領(lǐng)域的主要玩家，二者在AI定制芯片中占據(jù)了超70%的市場(chǎng)份額。博通定制的ASIC芯片廣泛應(yīng)用于數(shù)據(jù)中心、云計(jì)算、高性能計(jì)算（HPC）、5G無線基礎(chǔ)設(shè)施等領(lǐng)域，根據(jù)博通最新財(cái)報(bào)，2025Q1公司AI芯片收入占比50%，同比增長(zhǎng)77%，其中ASIC相關(guān)收入占比60%。博通認(rèn)為XPU的需求會(huì)持續(xù)上漲，公司預(yù)計(jì)2025年下半年ASIC收入占比會(huì)持續(xù)上升，主要是因?yàn)橥评砟Ｐ托枨笤鲩L(zhǎng)使得AI芯片業(yè)務(wù)增速加快。Marvell的ASIC業(yè)務(wù)也成為公司強(qiáng)勁增長(zhǎng)的核心動(dòng)力之一。2024年12月初，Marvell與AWS達(dá)成了一項(xiàng)為期五年的戰(zhàn)略合作協(xié)議，包括幫助亞馬遜設(shè)計(jì)自有AI芯片。伴隨AWS芯片的量產(chǎn)，Marvell在2025Q1實(shí)現(xiàn)營收18.95億美元，同比增長(zhǎng)63%，創(chuàng)歷史新高。Marvell也預(yù)測(cè)，隨著AI計(jì)算需求的增長(zhǎng)，公司ASIC占比有望提升至25%，預(yù)計(jì)2028年數(shù)據(jù)中心ASIC市場(chǎng)規(guī)模將提升至429億美元。
中國ASIC服務(wù)器市場(chǎng)增速超40%。中國ASIC服務(wù)器市場(chǎng)未來在中國市場(chǎng)，由于部分高端GPU產(chǎn)品受供應(yīng)的限制，出現(xiàn)了算力缺口，另外中國頭部的互聯(lián)網(wǎng)企業(yè)為了降低成本以及更好地適配自身業(yè)務(wù)場(chǎng)景，也增大了自研ASIC芯片服務(wù)器的部署數(shù)量。IDC預(yù)測(cè)，2024年中國加速服務(wù)器市場(chǎng)規(guī)模將達(dá)到190億美元，同比2023年增長(zhǎng)87%。其中GPU服務(wù)器依然是主導(dǎo)地位，占據(jù)74%的市場(chǎng)份額。到2028年，中國加速計(jì)算服務(wù)器市場(chǎng)規(guī)模將超過550億美元，其中ASIC加速服務(wù)器市場(chǎng)占比將接近40%。
隨云廠商積極自研ASIC芯片，ASIC正成為AI服務(wù)器市場(chǎng)中與GPU并行的重要架構(gòu)，進(jìn)一步帶動(dòng)高階PCB的需求。金像電為全球服務(wù)器PCB第一大廠，也是ASIC服務(wù)器放量時(shí)PCB企業(yè)中的最大受益者。金像電的產(chǎn)品已經(jīng)切入北美四大CSP，涵蓋UBB、OAM（加速器模組）所需要的HDI、厚銅板等。根據(jù)金像電25Q1法說會(huì)資料，公司25Q1單季度實(shí)現(xiàn)收入29.52億元，創(chuàng)歷史新高，其中服務(wù)器收入占比持續(xù)提升，到72%。在傳統(tǒng)服務(wù)器市場(chǎng)溫和復(fù)蘇背景下，金像電業(yè)績(jī)高增核心來自于云廠商ASIC服務(wù)器PCB訂單，根據(jù)公司交流，2024年AI產(chǎn)品占比已達(dá)20%，未來將持續(xù)提升。
根據(jù)Semianalysis數(shù)據(jù)，亞馬遜第二代推理芯片Trainium2的計(jì)算托盤中使用了2個(gè)Trainium2的芯片，即用到2個(gè)OAM，下面是一塊UBB板。UBB為采用了M8規(guī)格覆銅板材料的28層高多層板，OAM為M6/M7的三階HDI，往下一代Trainium3迭代的過程中，UBB中層數(shù)、OAM層數(shù)及階數(shù)均會(huì)進(jìn)一步提升。
展望2025年，除AWS外，谷歌、meta的新產(chǎn)品中，ASIC服務(wù)器UBB層數(shù)均將向30層板以上推進(jìn)，制作難度加劇，也將進(jìn)一步推動(dòng)ASP的提升，ASIC服務(wù)器PCB將迎來量?jī)r(jià)齊升階段，同時(shí)也將拉動(dòng)上游高規(guī)格（M8等）覆銅板的需求。
證券研究報(bào)告名稱：《2025年中期投資策略報(bào)告：端側(cè)AI爆發(fā)可期，國產(chǎn)高端產(chǎn)能亟需突破》
三大增量助力推理算力需求加速。AI算力消耗開始從訓(xùn)練走向推理，并且?guī)盹@著的算力增量，探究背后增量需求主要來自三方面：一是各家互聯(lián)網(wǎng)大廠紛紛加速AI與原有業(yè)務(wù)結(jié)合，如谷歌搜索在今年5月21日正式迎來 AI 模式，并逐步在美國市場(chǎng)推出，考慮到谷歌搜索全球范圍內(nèi)年搜索量為5萬億次+，假設(shè)單次回答平均為2000 token，則該功能將帶來日均27萬億token消耗（超過其Gemini模型目前日均16萬億token消耗），類似案例如抖音搜索、微博AI智搜，搜索功能開始從普通服務(wù)器遷移到AI服務(wù)器并重塑所有搜索體驗(yàn)，類似的視頻編輯、剪輯功能也被AI重塑；二是Agent和深度思考推理的結(jié)合，通過兩者結(jié)合，Agent執(zhí)行任務(wù)準(zhǔn)確率大幅提高，Agent執(zhí)行一次任務(wù)平均消耗token達(dá)到十萬億的量級(jí)，大幅超過AI搜索單次問答token消耗，并且能延伸到更多開放式場(chǎng)景，如智譜發(fā)布會(huì)演示的“用你最擅長(zhǎng)的方式去賺100塊錢”，同時(shí)多Agent協(xié)作的群體智能也已開始逐步商用化，過去復(fù)雜、多步驟的任務(wù)可通過Agent實(shí)現(xiàn)，Agent的普及將帶來推理算力需求的大幅增長(zhǎng)；三是多模態(tài)，隨著多模態(tài)生成的圖片及視頻質(zhì)量今年均顯著提升，今年AI營銷內(nèi)容占比提升十分明顯，根據(jù)《2025中國廣告主營銷趨勢(shì)調(diào)查報(bào)告》顯示“超過50%的廣告主，已經(jīng)在生成創(chuàng)意內(nèi)容時(shí)使用AIGC，并且AI營銷內(nèi)容占比超過10%”，而一分鐘視頻的生成token消耗基本在10萬億token量級(jí)，目前多模態(tài)模型開始步入快速商業(yè)化階段，如快手可靈4、5月連續(xù)兩月付費(fèi)金額超過1億，多模態(tài)的加速滲透帶來明顯的算力需求提升。
展望2025年下半年及26年，我們認(rèn)為算力領(lǐng)域投資分為海外景氣度投資以及國內(nèi)自主可控兩大類：
海外景氣度投資：1）重視推理占比的提升：參照臺(tái)積電Cowos擴(kuò)產(chǎn)節(jié)奏，ASIC芯片在26年的邊際變化最為明顯，同時(shí)英偉達(dá)依然有較高增速；2）圍繞機(jī)柜增量變化及新技術(shù)投資，25年下半年核心是英偉達(dá)NVL72機(jī)柜上量，其中液冷散熱、銅連接、電源變化最大，散熱方面將是AI算力領(lǐng)域未來幾年核心技術(shù)升級(jí)方向之一，目前供應(yīng)商以臺(tái)系廠為主，考慮到中國大陸的公司擴(kuò)產(chǎn)能力更具優(yōu)勢(shì)，我們認(rèn)為液冷散熱領(lǐng)域一系列部件會(huì)有更多中國大陸供應(yīng)商進(jìn)入到全球供應(yīng)體系。銅鏈接方面，銅線在短距數(shù)據(jù)傳輸?shù)某墒於雀咔?48G等新技術(shù)路線逐步面世，今年擴(kuò)產(chǎn)最快的公司將充分享受從Blackwell到Rubin所帶來的高速連接需求增長(zhǎng)。電源領(lǐng)域重視氮化鎵等機(jī)會(huì)；3）圍繞預(yù)期差及景氣度投資，重視PCB，英偉達(dá)、亞馬遜、META、谷歌等相關(guān)需求景氣度高，并重視上游國產(chǎn)化比例提升，并且部分領(lǐng)域庫存開始下降、價(jià)格具備一定彈性。
國內(nèi)自主可控：一方面來自于美國BIS政策的持續(xù)收緊，另一方面隨著國內(nèi)算力消耗快速增長(zhǎng)（典型如字節(jié)跳動(dòng)，每三個(gè)月token消耗接近翻一倍，5月底為16.4萬億token），我們預(yù)計(jì)國內(nèi)各家大型云廠商在日均token消耗達(dá)到30萬億token時(shí)會(huì)感受到算力緊張，在達(dá)到60萬億token時(shí)會(huì)開始出現(xiàn)一定算力缺口。我們認(rèn)為國內(nèi)增速斜率更陡峭，國產(chǎn)芯片今年將迎來發(fā)展大年。
自從23年ChatGPT出現(xiàn)以來，基于AI業(yè)務(wù)token消耗的快速提升，海外大廠開啟CAPEX高額投入周期，持續(xù)在模型訓(xùn)練和推理端加大算力投入，模型性能得到快速迭代。與此同時(shí)，伴隨24年12月以來DeepSeek V3和R1的逐漸發(fā)布，其首次實(shí)現(xiàn)了國產(chǎn)模型在推理任務(wù)上與 OpenAI-o1的基本相當(dāng)，并引發(fā)了訪問流量的快速擴(kuò)大（DeepSeek 應(yīng)用（APP）于 2025年1月11日發(fā)布，1月31日DAU達(dá) 2215 萬，達(dá) ChatGPT 日活用戶的 41.6%，超過豆包的日活用戶 1695 萬），伴隨Deepseek帶來的降本范式（FP8 混合精度訓(xùn)練框架）持續(xù)演化，模型輸入/輸出成本得到快速下降，AI應(yīng)用大范圍推廣成為可能。云計(jì)算產(chǎn)業(yè)作為模型訓(xùn)練/推理需求快速擴(kuò)大下的直接受益方，進(jìn)入了持續(xù)高景氣周期。
站在當(dāng)前時(shí)點(diǎn)，云廠云業(yè)務(wù)營收增速與營業(yè)利潤(rùn)率（或EBITA利潤(rùn)率）是CAPEX投入的前瞻指引。2023年以來，伴隨著Transform架構(gòu)下Scaling law的持續(xù)生效，各家大廠均對(duì)模型訓(xùn)練做出大量投入。考慮到此時(shí)海外廠商并不以投入產(chǎn)出比來做出CAPEX投入的衡量，且模型能力邊界本身尚不清晰，因此25年以前，更多以CAPEX本身作為實(shí)際算力需求的前瞻指引。但25年以來伴隨LLM模型能力邊界逐步逼近上限，模型訓(xùn)練需求相對(duì)有所下滑，推理開始成為核心需求來源，CAPEX投入產(chǎn)出比逐步進(jìn)入可測(cè)算階段。在此基礎(chǔ)上，云業(yè)務(wù)增速與營業(yè)利潤(rùn)率趨勢(shì)成為算力需求的直觀體現(xiàn)，也是后續(xù)CAPEX投入力度的核心決定因素。
以阿里云為例，24Q2是阿里云算力投入決策的核心拐點(diǎn)。2022年以來，由于互聯(lián)網(wǎng)大廠業(yè)務(wù)的快速收縮，阿里云營收增速快速下滑，同時(shí)伴隨著云資源池利用率的降低，營業(yè)利潤(rùn)率隨之下降。23年以來，通過提升公有云業(yè)務(wù)占比以提升利潤(rùn)率與發(fā)展AI以實(shí)現(xiàn)營收提速成為阿里云的核心戰(zhàn)略。伴隨24Q2阿里云營收增速首次由負(fù)轉(zhuǎn)正（AI業(yè)務(wù)貢獻(xiàn)較大增量），GPU實(shí)例業(yè)務(wù)的需求和盈利性的首次得到論證，因此從24Q3開始，阿里云CAPEX投入力度快速加大，并在24Q4的業(yè)績(jī)交流會(huì)上宣布三年3800億資本開支計(jì)劃。
當(dāng)前國內(nèi)云廠仍處于資本開支投入第一階段，短期投入力度具備保障。參考海外廠商，云業(yè)務(wù)的發(fā)展往往有三個(gè)階段，而目前我國云計(jì)算業(yè)務(wù)還在第一階段。以微軟為例，23Q1開始其率先進(jìn)行大額CAPEX投入，以配合OpenAI模型的快速發(fā)展，受益于更高利潤(rùn)率的AI業(yè)務(wù)快速發(fā)展，23Q1-23Q3公司Azure營業(yè)利潤(rùn)率進(jìn)入快速上行階段；隨后，從23Q4開始高額資本開支開始逐漸對(duì)折舊端產(chǎn)生壓力，相對(duì)應(yīng)的微軟也做了員工數(shù)量削減，希望通過費(fèi)用的控制來維持營業(yè)利潤(rùn)率的持續(xù)上行；后續(xù)，伴隨折舊壓力放大，資本開支進(jìn)入平穩(wěn)周期。
目前阿里云的營收分為對(duì)內(nèi)關(guān)聯(lián)交易和對(duì)外商務(wù)，對(duì)內(nèi)AI部分主要支持夸克，釘釘，高德等調(diào)用通義/DeepSeek模型，對(duì)外創(chuàng)收中的AI業(yè)務(wù)主要包含GPU租賃、MaaS服務(wù)、模型服務(wù)（百煉與PAI平臺(tái)）三類。由于近年來模型側(cè)價(jià)值量逐漸被云端內(nèi)化（MaaS的價(jià)值量被帶入到了IaaS中），導(dǎo)致GPU租賃成為了公有云業(yè)務(wù)中毛利率更高的部分，大幅資本開支本質(zhì)是為了讓高毛利率GPU租賃業(yè)務(wù)占比快速擴(kuò)大，以此拉動(dòng)AI業(yè)務(wù)規(guī)模快速增長(zhǎng)。在此思路下，從24Q2開始，AI業(yè)務(wù)成為支撐公有云增長(zhǎng)核心動(dòng)力，24Q2一半以上營收增速來自AI貢獻(xiàn)，且在后續(xù)持續(xù)保持100%以上同比增長(zhǎng)。
相比傳統(tǒng)CPU實(shí)例，中期看GPU實(shí)例將具備更高投入產(chǎn)出效率。一方面，傳統(tǒng)公有云商業(yè)模式下，云廠主要提供計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)等同質(zhì)化服務(wù)，難以在客戶體驗(yàn)上產(chǎn)生本質(zhì)性不同，更多是依托規(guī)模效應(yīng)。而GPU租賃時(shí)代，客戶需求主要聚焦于模型訓(xùn)練與推理，智算平臺(tái)的運(yùn)維能力和自動(dòng)化、容錯(cuò)率是競(jìng)爭(zhēng)優(yōu)勢(shì)的核心區(qū)分，“有效訓(xùn)練時(shí)長(zhǎng)”是各家智算業(yè)務(wù)中的一項(xiàng)關(guān)鍵性能指標(biāo)，如阿里云今年四月就強(qiáng)調(diào)，其“萬卡級(jí)超大規(guī)模訓(xùn)練中，一個(gè)月內(nèi)靈駿GPU集群有效訓(xùn)練時(shí)長(zhǎng)占比能超過93%”，相對(duì)而言，大廠云平臺(tái)具有更強(qiáng)穩(wěn)定性；另一方面，在提供GPU實(shí)例租賃的服務(wù)同時(shí)，大廠同時(shí)也會(huì)提供模型訓(xùn)練/推理加速服務(wù)，通過算力與通信的調(diào)度實(shí)現(xiàn)訓(xùn)練效率數(shù)倍式提升。雙重優(yōu)勢(shì)下，大廠GPU實(shí)例租賃具備一定溢價(jià)能力，相對(duì)傳統(tǒng)CPU實(shí)例更具備投入產(chǎn)出比。
長(zhǎng)期看，通過超賣率的提升，GPU實(shí)例將持續(xù)保持較高的盈利能力。過去十年以來，公有云價(jià)格進(jìn)行了數(shù)次降低，其降價(jià)能力一方面來源于規(guī)模效應(yīng)對(duì)運(yùn)營成本的分?jǐn)偅ㄒ约瓣P(guān)鍵技術(shù)自有化），但另一方面也來源于CPU超賣能力的不斷增強(qiáng)，使單CPU實(shí)例實(shí)際收費(fèi)能力大幅上升，因此得以在不斷降價(jià)的背景下實(shí)現(xiàn)利潤(rùn)率穩(wěn)定；目前阿里云GPU租賃業(yè)務(wù)仍以模型微調(diào)需求為主，而TensorFlow、Pytorch等智能化應(yīng)用框架開發(fā)的應(yīng)用往往會(huì)獨(dú)占一張GPU整卡，無法做超額出售，但伴隨后續(xù)推理需求大幅提升，則GPU虛擬化是必然趨勢(shì)。GPU實(shí)例超賣率的提升將進(jìn)一步拉高GPU租賃業(yè)務(wù)的EBITA利潤(rùn)率，并為后續(xù)降價(jià)獲客提供空間。
高算力需求推動(dòng)算力中心單機(jī)功率密度提升，液冷散熱走向必選。傳統(tǒng)風(fēng)冷系統(tǒng)通過讓冷源更靠近熱源，或者密封冷通道/熱通道的方案，來適應(yīng)更高的熱密度散熱需求。隨著機(jī)架密度升至20kW以上，多種液冷技術(shù)應(yīng)運(yùn)而生，從而滿足高熱密度機(jī)柜的散熱需求。此外，液冷散熱相較于風(fēng)冷更加綠色低碳，PUE（Power Usage Effectiveness，數(shù)據(jù)中心總能耗/IT設(shè)備實(shí)際能耗）是算力中心最常見的評(píng)價(jià)性能指標(biāo)，也是行業(yè)評(píng)價(jià)算力中心綠色性能的主要衡量指標(biāo)，PUE值越接近于1，代表算力中心的綠色化程度越高，液冷散熱往往更接近于1。從分類來看，液冷技術(shù)主要分為冷板式、浸沒式和噴淋式液冷技術(shù)等技術(shù)類型，其中冷板式液冷技術(shù)作為成熟度最高、應(yīng)用最廣泛的液冷散熱方案。
以英偉達(dá)GPU芯片為。
