中信建投：AI算力2025年投资展望

北美云厂商单季度资本开支持续提升。2024Q3，北美四家云厂商的资本开支总计为588.62亿美元，同比增长59.31%，持续高速增长态势，且对未来资本开支指引乐观。

亚马逊：226.20亿美元，同比增长81.26%，预计2024年资本支出约750亿美元（现金资本支出+设备融资租赁，前三季度为519亿美元），大部分用于基础设施建设，主要与AWS相关；预计2025年资本支出或将增加，其中大部分用于AWS，由生成式AI驱动。

微软：149.23亿美元，同比增长50.48%（含融资租赁为200亿美元，同比增长78.6%），鉴于云和人工智能的需求信号，预计资本支出环比增加。

谷歌：130.61亿美元，同比增长62.15%，预计Q4资本支出与Q3保持同一水平，预计25年资本支出将增加。

Meta：82.58亿美元，同比增长27.12%（含融资租赁为92亿美元，同比增长36.1%），预计2024年资本支出380-400亿美元，此前预期为370-400亿美元，预计2025年资本支出将大幅增长。

国内企业深度参与海外算力基础设施建设，在需求持续增长下有望充分获益。从产业链环节拆分来看，算力基础设施包括GPU芯片和服务器、交换机、光模块及其上游所需要的PCB、铜连接、电源、液冷等，将ICT设备放置于IDC机房内，最终形成算力基础设施。在当前海外的算力基础设施环节，除芯片环节外，国内厂商在其他环节均有不同程度的参与，尤其在光模块领域占据主要市场份额，并在其他环节具有良好的市场份额提升预期。

NVIDIA表示，随着新模型的推出，人工智能领域对计算的需求正在以指数级增长，这需要加速的训练和推理能力。强化学习（Reinforcement Learning）是机器学习的一个分支，它的核心思想是让智能体通过与环境的交互，不断尝试、不断学习，最终找到最优的行动策略，以最大化累积奖励。强化学习有三大优势：在复杂环境中表现出色；减少了对人类互动的要求；针对长期目标进行优化。凭借这些优势，强化学习在个性化营销、优化难题和财务预测上有广泛的应用。随着强化学习模型的快速迭代，推理侧算力需求有望呈爆发式增长。

布局硅光子技术的海外巨头厂商较多，有望在 AI 浪潮下实现快速发展。硅光子技术是以硅或者硅基材料（Si，SiO2，SiGe）作为衬底材料，利用与集成电路兼容的 CMOS 工艺制造对应的光子器件和光电器件，以实现对光的激发，调制，响应等功能，广泛应用于设备互连、光计算等下游多个领域中。硅基材料具备兼容 CMOS工艺、低成本和低功耗等优势。随着 AI 的快速发展，硅光子技术从通信逐步拓展到算力基础设施及下游应用领域，包括板间芯片光互连、芯片内 chiplet 光互连、光计算和激光雷达等领域。海外巨头厂商纷纷布局硅光子技术，有望实现快速发展。

硅光子技术下游需求旺盛，上游设计方案百花齐放，代工厂积极布局。硅光子技术产业链的上游包括光芯片设计、SOI衬底、外延片和代工厂，中游为光模块厂商，下游分为数通领域和电信领域。一体化布局的厂商优势比较明显。英特尔、旭创、Coherent、思科和Marvell等厂商同时具备PIC设计和模块集成能力，且与下游云厂商和AI等巨头客户保持紧密合作，优势显著，在供应链中的引领作用较为明显。

共封装光学（CPO）是业界公认的未来更高速率光通信的主流产品形态之一，可显著降低交换机的功耗和成本。随着交换机带宽从最初的640G升级到51.2T，Serdes速率不断升级叠加数量的持续增加，交换机总功耗大幅提升约22倍，而CPO技术能够有效降低Serdes的功耗，因此在51.2T及以上带宽交换机时代，CPO有望实现突破。硅光芯片是CPO交换机中光引擎的最佳产品形态，有望在未来得到广泛应用。目前英伟达、博通和TSMC等海外巨头厂商在CPO具有布局。

随着AI的快速发展，多模态大模型的参数量大幅提升使带宽容量也快速扩张，其中也包括服务器或机柜内部的带宽容量。随着带宽的加速增长，电信号传输距离越来越短，在芯片互连领域“光进铜退”目前看来也是势在必行的行业趋势。英伟达与Ayar Labs、台积电等多家公司合作硅光子集成项目。在传统的DGX服务器中，服务器内部GPU与NVSwitch之间用电信号连接，硅光子方案中将GPU和NVSwitch都接入硅光I/O，每个GPU对应2个光引擎，每个NVSwitch对应6个光引擎，双向带宽达到25.6Tbps。数据收发过程单位bit消耗3.5pJ能量，英伟达仍在努力降低功耗，从而提升该方案的性价比。此外，博通和英特尔都推出了OIO产品，有望取得突破。

CPO渗透率提升将带来数通光通信领域市场规模的大幅增长。CPO技术应用的重点并不仅仅在交换机侧实现功耗和成本的降低，更多的是在IO领域突破电信号传输的速率瓶颈。市场对GPU：光模块=1:2.5的换算比例认识较为清晰，但如果在scale up应用CPO，那么GPU：光引擎=1：11.5将成为现实。除了GPU之外，CPU、FPGA、ASIC，甚至三星开始研发的HBM中也会用到。在未来的CPO时代，光模块行业预计将演进为光引擎行业，市场规模有望实现大幅增长，同时在此过程中对于光芯片、封装和设备领域将带来明显的需求拉动和产业格局重塑。

国内光模块厂商实力领先，充分参与海外算力链条，业绩已经陆续兑现高增。当前来看，除了光模块厂商外，更多A股上市公司也积极参与布局海外算力链，包括液冷、铜连接、电源等环节。

液冷：GB200系列产品带动液冷渗透率快速提升，预计将成为AI算力必选项

参考TrendForce信息，随着英伟达Blackwell架构的GPU芯片产品预计于今年第四季出货，将推动液冷散热方案的渗透率明显增长，从2024年的10%左右至2025年将突破20%。相关产业链公司表态积极：

Vertiv：2024年三季度，Vertiv收入同比增长19%，增速进一步提升，公司上调2024年全年预期，并对2025年展望乐观。2024年三季度公司订单同比增长17%，截至2024年三季度订单（TTM）同比增长37%。2024年四季度营收增速指引11-15%，营业利润率指引20.2%-20.6%。进一步上调2024年全年指引，营收增速中枢由12%上调至14%，营业利润率中枢从18.7%上调至19.0%。2024年每个季度的库存量连续增长，包括与AI相关的库存量大幅增加，反映了数据中心市场的强劲增长。预期2025年内生增速进一步提速。

液冷整体产业成熟度相对较低，并且涉及到比较多的环节，包括冷板、CDU、manifold、UQD等，目前参与厂商相对较多，包括全球数据中心散热系统厂商Vertiv等、原来服务器内部风扇等散热部件供应较多的厂商cooler master、奇鋐、双鸿、coolIT等，英维克等大陆厂商也在积极布局。

铜连接：GB200机柜内部互联带来需求增量，关注后续发展路径

自大模型时代开启以来，产业界沿着Scaling Law在持续不断推出更大参数的模型和更多模态的模型，超节点计算能力的要求也不断提升，scale-up网络趋势上将实现更多的节点互联和更大的互联速率。GB200 NVL72通过NVLink将72个Blackwell GPU互连。

GB200 NVL72实现72个GPU NVLink5.0互联，铜连接的场景与用量加大。当前来看，在GB200 NVL72机柜中，Compute tray与switch tray之间、Switch tray内部将采用铜缆连接，GB200 NVL72互联协议采用NVLink5.0（1.8TB的总带宽，双向），连接器/铜缆采用224Gb/s serdes速率，则一个NVL72的机柜将会用到5000多根tray与tray之间的背板铜缆以及5000多根在Switch tray内部的overpass线缆。简单来看，铜连接的用量与域内互联的GPU数量、NVLink的互联带宽、铜缆连接器的速率等相关，scale up互联GPU的数量增加、NVLink互联性能的提升，将带动铜连接的用量增加/速率提升。

相比于光传输，电传输具备明显的成本和性价比优势，但由于电信号在铜线中传输存在损耗，通信带宽提升，趋肤效应导致在铜线和PCB Trace中传输损耗增加，连接器头子损耗增加，封装Trace损耗增加，因此有效传输距离将随着速率提升而明显缩短。人工智能加速算力基础设施配套环节迭代，电连接（包括PCB、铜连接）、光连接都在持续演进升级，需要关注后续技术路径的变化发展。

电源：单卡与机柜功率密度提升，电源产品规格要求升级

服务器电源通常由三层构成：不间断电源（UPS）、交流直流电源(AC/DC)和直流直流电源(DC/DC)。其中，UPS负责在电网中断时保护数据，AC-DC则将交流电转换为适合服务器使用的直流电，而DC-DC则进一步将电压调整到芯片可接受的范围。

AI发展与GPU的功耗提升，促使AI服务器电源的功率密度不断提升。以H100服务器机架为例，10.2kW的功率需要配备19.8kW的电源；而NVL72机架的120kW功率则多配备198kW的电源模块，部分厂商配备264kW的电源模块。AI服务器电源的功率密度可达100W/立方英寸并且中长期持续提升趋势，远超普通服务器电源的50W/立方英寸，功率密度的提升对于电源模块拓扑设计、材料/元器件选择、散热等均提出高要求。

服务器电源行业是比较强工艺技术经验积累的行业，目前英伟达GB200等高端服务器电源产品多以全球电源头部厂商台达、光宝、FlexPower等参与为主，麦格米特等大陆厂商也在积极布局。

国内算力：多主体需求释放叠加自主可控，产业链业绩释放在即

国内算力投资加大。互联网厂商侧，从腾讯、阿里巴巴两家云厂商资本开支情况来看，2023Q1开始呈现逐季度回暖态势，从23Q4开始同比转正，2024年以来较快增长。2024Q3，腾讯和阿里巴巴资本开支分别为170.94亿元、169.77亿元，分别同比增长114%、313%，2024Q1、2024Q2、2024Q3腾讯和阿里巴巴合计资本开支分别同比增长245%、108%、181%。

运营商也在明显加码算力网络方面的资本开支。中国移动2024年计划总体资本开支1730亿元，同比下降4%，用于算力资本开支计划475亿元，同比增长21%。中国电信2024年计划总体资本开支960亿元，同比下降4%，用于产业数字化资本开支370亿元，同比增长4%，用于云/算力投资180亿元。中国联通2024年计划总体资本开支650亿元，同比下降12%，公司表示投资重点将由稳基础的联网通信业务转向高增长的算网数智业务。截至2024年中报，中国移动、中国电信、中国联通智算算力（FP16）分别达到19.6EFlops、21EFlops、10EFlops。

国产芯片、大模型、应用端持续获得快速发展。国产头部芯片单芯片算力或已接近A100，或优于H20。以FP16精度为例，国产芯片中华为昇腾910算力为256TFLOPS，略低于A100的312TFLOPS，相较于H100的1513TFLOPS有较大差距，但强于H20的148TFLOPS。此外，平头哥含光800在INT8精度，壁仞科技BR100在FP32精度均超过A100。在单颗芯片峰值算力上，国产芯片已满足大规模使用条件。近期中国证监会官网显示，摩尔线程在北京证监局办理辅导备案登记，启动A股上市进程，此前8月燧原科技在上海证监局办理了上市辅导备案，9月壁仞科技在上海证监局办理IPO辅导备案登记。同时国内大模型厂商的能力也在快速提升，应用加速发展。SuperCLUE最新2024年10月测评结果显示，国产第一梯队大模型已与GPT4-4o得分拉至接近。

智算中心建设适度超前。2024年10月，国务院国资委主任张玉卓在《新型工业化》发文中提到，中央企业智能算力资源是我国算力网络的重要组成部分，下一步将适度超前建设一批智能算力中心，强化人工智能算力供给；同时构建更加完善的网络安全保障体系，提升数据安全治理能力，筑牢数字经济安全屏障。据中国IDC圈不完全统计（2024年11月8日新闻信息），目前不同建设阶段的智算中心项目已超过500个，其中投产运营的项目160个，开工在建项目超过200个。工信部《算力基础设施高质量发展行动计划》显示，2023年我国算力规模达到220EFLOPS，其中智能算力占25%，目标到2025年，算力规模超过300EFLOPS，智能算力占比达到35%。截至2024年6月，全国在用算力中心机架总规模超过830万标准机架，算力总规模达246EFLOPS。

未来随着国产芯片能力、大模型能力的提升、人工智能应用的发展，国内算力基础设施需求预计将持续被拉动。此前国内AI发展掣肘于海外AI芯片禁运和国产AI芯片能力不足，随着国内自研AI芯片供给能力的逐步提升，国内算力基础设施建设蓄势待发。在海外AI芯片主导的AI算力产业链中，AI芯片、服务器、交换机等大价值量环节基本由海外公司主导，而国产算力产业链自身基本可以实现闭环，包括AI芯片、服务器、交换机、光模块、液冷、连接器/线束、PCB等各环节在内的国内公司都将集中受益。国产算力建设带来的增量已经在部分厂商在业绩端逐步体现，并且后续预期乐观。

服务器：AI服务器占比和国产化率提升，竞争格局或存变数

AI服务器市场高增。IDC数据显示，2023全年中国加速服务器市场规模达到94亿美元，同比增长104%，从行业角度看，互联网依然是最大的采购行业，占整体加速服务器市场近60%的份额，此外金融、电信、交通和医疗健康等多数行业均有超过一倍以上的增长。

AI服务器占比提升和国产化率提升，国内服务器厂商竞争格局或存变数。此前服务器竞争格局中，浪潮、新华三等厂商份额较高。2022年中国服务器市场份额来看，浪潮、新华三、超聚变、宁畅、中兴位列前五，份额分别为28%、17%、10%、6%、5%。2022年我国AI服务器市场份额来看，浪潮、新华三、宁畅位居前三，份额分别为47%、11%、9%。随着国产AI芯片占比的提升，AI服务器供应商格局或存在变化。当前昇腾在国产GPU中性能较为领先，国内深度参与华为昇腾算力服务器供应的厂商有望更为受益，具体可参考中国电信、中国移动等中标候选人情况。未来随着国内其他厂商GPU新产品的推出以及推理等场景的丰富，国内GPU生态也有望更加丰富，进一步可能存在新的变化。

交换机：AI组网拉动需求增长，高速产品占比迅速提升

2023年国内交换机市场规模小幅下滑，2024年在AI拉动下，高速交换机放量，2024H1恢复增长。据IDC数据，2023年中国交换机市场规模约57.82亿美元，同比下降4.44%。2024H1中国交换机市场规模为25.84亿美元，同比增长3.12%。

2023年，由于英伟达、华为等GPU卡的供不应求，国内互联网厂商、电信运营商加大了GPU的采购力度，而网络设备采购相对滞后，因此国内数通交换机市场规模出现下滑。2023年中国数通交换机市场收入为33.96亿美元，同比下降3.68%，占比约48.66%。随着下游客户训练集群的陆续搭建，也带动网络设备采购，2024H1中国数通交换机市场规模18.14亿美元，同比增长16.78%，份额占比达58.16%。

此外，2020年以来，200G/400G交换机出货占比提升，预计高速交换机比例有望持续提升。2023年中国200G/400G交换机出货占比为8.0%，2024H1占比提升至16.7%。随着2023年来博通TH5交换芯片的规模出货，预计2024下半年800G交换机将开始放量。

算力：海外景气度高企，重视增量变化，国内自主可控大势所趋

算力投资核心要点

算力芯片快速升级，高端产能于周期底部积极扩产

英伟达Blackwell提升算力性价比，关注AI服务器新的机架式设计带来的机会

2024年3月，英伟达在GTC会议上发布以Blackwell架构为基础的新产品线，产品性能迎来大幅提升，同时推出新型机架式AI服务器产品GB200。Blackwell架构在单芯片训练方面的FP8性能是其上一代Hopper架构的2.5倍，在推理方面的FP4 性能是其上一代Hopper架构的5倍，采用台积电N4P工艺节点，提供高达20 petaflops FP4的算力。与H100相比，B200的晶体管数量是其2倍多，单个H100最多提供4 petaflops算力，B200实现5倍性能提升，大幅优化芯片性能，与此同时算力性价比在快速提升。Grace Blackwell超级芯片通过900GB/s超低功耗的NVLink芯片间互连，在服务器设计上推出了新型机架式AI服务器，GB200服务器成为了英伟达产品的新形态。

先进制程、先进封装积极扩产，AI带动半导体进入新的成长期

制程迭代是芯片算力提升的关键因素，AI算力需求的爆发催生了对先进制程的强需求。AI大模型发展对芯片算力提出更高要求，未来更成熟的AGI模型所需算力是现在GPT-4所需算力的1万倍。而解决高算力需求的一种方案是采用更为先进制程的芯片，因为芯片制程越先进，功耗越低、计算速度越快。如2nm芯片功耗约为16nm芯片的10%，而性能约为16nm芯片的2倍以上。台积电估计其即将推出的N2P节点的功耗可能比N3E节点低30-40%。目前头部Fab厂下一个最先进的工艺节点均为2nm，如台积电计划将其2nm工艺于2025年下半年投产，三星计划在2025年实现移动应用领域的2nm量产，英特尔等效台积电2nm芯片工艺Intel 20A预计2026年量产。

服务器需求将超过智能手机成为先进制程最主要的驱动力。历史上，智能手机的迭代更新推动了芯片制程的不断演进，但随着AI应用的计算需求上升，服务器成为主要的算力中心，且对高算力的追求使得其对先进制程呈现出越来越高的需求，AI芯片功耗较高，且需要更小的尺寸，因此AI芯片对先进制程的迫切需求将推动服务器需求成为先进制程最大的驱动力。Sumco估计，在AI服务器出货量强劲增长的推动下，服务器对先进制程晶圆的需求量最快将在今年超过智能手机。

在2nm制程领域，预计台积电市占率将达4成以上，英特尔达3成以上。目前2nm的主要玩家包括台积电、英特尔和三星，台积电将在位于台湾新竹和高雄的工厂增加2nm产能，亚利桑那州的两个晶圆厂也将增加2nm产能。英特尔在亚利桑那州新建两个2nm晶圆厂，在俄亥俄州的两个晶圆厂也将提供支持。三星可能会在韩国和美国的晶圆厂增加2nm产线。根据产能规划，预计将来在2nm制程领域，台积电产能将占40%以上，英特尔占30%以上。 

先进制程面临物理约束瓶颈，CoWoS、HBM等先进封装成为提高芯片性能的重要解决方案。AI大发展使得算力需求爆发式增长，提高芯片算力的一种方案是采用更为先进的制程，但由于量子隧道效应，5年内芯片制程将在1.4nm附近遇到物理瓶颈，因此先进封装成为另一种提高芯片算力的重要解决方案。

3D封装通常特指芯片通过TSV直接进行高密度互连，典型的案例即HBM。同时3D封装也包括3D without TSV：虽然多颗芯片在物理结构上呈现3D堆叠形态，但其电气互连上均需要通过基板（除极少数通过键合线直接连接的键合点），即先通过键合线/凸点连接到基板，然后在基板上进行电气互连，而非TSV。在某些场景下，此类集成也被归类为2D+集成以与3D TSV进行区分，典型案例即TSMC的InFO_PoP。

CoWoS为HPC和AI计算领域广泛使用的2.5D封装技术。台积电早在2011年推出CoWoS技术，并在2012年首先应用于Xilinx的FPGA上。此后，华为海思、英伟达、谷歌等厂商的芯片均采用了CoWoS，例如GP100（P100显卡核心），TPU 2.0。如今CoWoS已成为HPC和AI计算领域广泛应用的2.5D封装技术，绝大多数使用HBM的高性能芯片，包括大部分创企的AI训练芯片都应用CoWoS技术。

SoIC具有尺寸减小和性能提高优势，采用超高密度垂直堆叠，实现高性能、低功耗和最小的RLC，支持亚10微米键合间距的高密度芯片间互连。目前SoIC技术有SoIC-X（无凸点）和SoIC-P（有凸点）两种实现形式。SoIC-X用于高性能设备，如AMD的3D V-cache和Instinct MI300 AI产品。预计到2027年可以组装出顶部为台积电的A16、底部为台积电N2的芯片。通过3微米键合间距的TSV连接，密度是目前9微米间距的三倍。SoIC-P设计用于低成本应用，采用25微米微凸点技术。台积电计划在2025年推出F2B SoIC-P技术，用于将0.2光罩大小的N3顶部芯片与N4底部芯片配对，使用25微米间距微凸点连接。到2027年，台积电将推出F2F有凸点SoIC-P技术，能够将N2顶部芯片与N3底部芯片配对，间距为16微米。改进的混合键合技术旨在使台积电的大型高性能计算客户（如AMD、Broadcom、Intel、NVIDIA等）能够为苛刻应用构建超高密度的处理器设计，芯片间距和总占地面积至关重要。