2024年华西通信行业投资策略

一、大势研判

宏观政策多方面发力

国内宏观经济政策持续有力，预计宏观调控的政策工具包还会不断丰富完善。实际经济指标转暖及改善程度 待观察。内部政策导向确定性与一致性下，预计市场信心缓慢修复。

高度重视科技发展，产业扶持政策明确

中国政府高度重视科技产业发展，科技产业政策目标明确：瞄准人工智能、量子信息、集成电路、生命健 康、脑科学、生物育种、空天科技、深地深海等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项 目。采取基础研究与科技应用并举的方式，除了政府会加大力度实施国家重大科技项目及建设科研中心外， 企业进行科研也会有更多税收等财政政策支持。

高技术产业改善程度及路线有待确认

由于地方政府债务及外部宏观经济等因素，2023年ICT投资预计较为保守，对应相关软硬件产品及服务行业 未走出同比增长态势，需要进一步刺激等。 战略新兴产业具体实施有待于宏观与产业复苏的双重加持，包括科技路线和技术的趋势正确性。

中美博弈，外部不确定市场判断艰难

地缘政治、金融以及科技博弈烈度加强，美国对中国的制裁与国内科技发展过程中的不确定性，对国产替代、 自主可控等科技行业发展的阶段性影响程度不同，相关上市公司业绩确定性不强。

外部科技发展与国内科技发展的路径差异性，加之制裁等因素，使得底层技术（类似算力芯片）等限制发 展，国内外相关产业投资的目标与重点都在不断变化，国内底层基础科技产业发展甚至平台型经济都受到影 响。

TMT市场投资交易博弈性加强

TMT整体板块业绩等指标与估值指标背离情况较大，板块收入、毛利率、ROE等指标未见明显大幅改善，事 件等因素驱动估值上涨，估值博弈性加强，资金行为短期化，长期需要投资风格的过渡与转换。

二、未来对于TMT市场的 基本判断

运营商资本开支重点侧重算力等方向

2023年上半年，中国电信资本开支416.2亿元，结构中向产业数字化重心偏移，达到118.2亿元。 中国联通资本开支总额约276亿元，其中家庭互联网及固话、政企及创新业务和承载网，同比分别增加 4pct/4pct。 中国移动资本开支总额约814亿元，算力、能力方面的投资额度均有不同程度的增加。

人工智能依旧是未来一段时间投资重点

从 2012 到现在，深度神经网络的使用呈爆炸式增长，进展惊人。 当前人工智能等新一代信息技术仍处在与经济社会各领域加速渗透融合的阶段，以大模型技术为代表的新兴 技术更进一步抬高了人工智能研发与应用中对算力的需求，成为推动算力投资的新引擎，将进一步延续甚至 增强 IT 投资增长趋势。 咨询机构IDC认为，就现阶段而言，由于中国市场倾向于首先投资硬件，中国人工智能支出中硬件占比将保 持最大，未来5年将一直保持65%左右的份额。

手机、笔电等消费电子需求反转可期待

Canalys数据显示，全球智能手机市场在2023年第 三季度小幅下降1%，达到2.934亿台，由于2023 年上半年成功实现库存正常化，供应商在第二季 度保持健康的库存水平后推出了新机型。

根据Gartner数据，2023年第三季度全球PC出货量 总计达到6430万台，比2022年第三季度下降9%。 尽管第三季度的结果标志着全球PC市场连续第八 个季度下滑，但Gartner预计，从2023年第四季度 开始，全球PC市场将再次出现增长。

三、主要子板块观点

算力：计算存储网络，缺一不可

计算存储网络，缺一不可：算力问题之所以成为行业头疼的难题，是因为当前大模型需要万亿参数 时代，单体AI服务器算力有限，需要将大量AI服务器、存储系统通过高性能网络相连，打造大规模 算力集群。  因此用上了先进芯片并不代表就拥有了先进算力，高性能计算存在“木桶效应”，一旦计算、存储、 网络任一环节出现瓶颈，就会导致运算速度严重下降。

AI：算力-芯片

AI市场大量产业价值最终流向底层基础设施，包括云厂商和芯片硬件厂商等：无论是训练模型的模 型提供商和科研实验室、执行推理微调的托管公司或者自建模型的应用程序公司，对底层计算的需 求都需要通过云托管的GPU或TPU等来实现。 应用程序公司平均将约20-40%的年收入用于推理和定制化微调，这部分通常直接支付给云厂商或第 三方模型提供商，而模型提供商也需要将50%左右的收入继续投入到云基础设施中。 硬件厂商包括英伟达A100/H100、谷歌TPU、AMD Instinct GPU、AWS Inferentia和Trainium芯片、英 特尔的Havana和Ponte Vecchio GPU。国内方面，训练芯片包括华为昇腾、百度昆仑、寒武纪、天数 智芯、沐曦科技等云端训练芯片。

AI：运力--网络（光网络）

大规模的无阻塞网络是构建AI大模型的基础设施：面对千亿、万亿参数规模的大模型训练，仅仅是单次计算 迭代内梯度同步需要的通信量就达到了百 GB 量级。此外还有各种并行模式、加速框架引入的通信需求，使 得传统低速网络的带宽远远无法支撑 GPU 集群的高效计算。因此要充分发挥 GPU 计算资源的强大算力，必 须构建一个全新的高性能网络底座，用高速网络的大带宽来助推整个集群计算的高效率。 大规模 AI 训练集群架构中，GPU 之间的通信实际上由多种形式的网络来承载的：机间网络（网卡 + 交换 机）与机内网络（NVLink/NVSwitch 网络、PCIe 总线网络）。

AI：存力-存储

AI工作负载对存储架构具有重大影响：由于GPU的并行处理能力和绝对密度，从基于磁盘的系统读取训练数 据是最常见的瓶颈之一。存储子系统的设计要减少 I/O 瓶颈，从而充分发挥专用计算硬件（如 GPU）的投资 价值。存储层面，几千台计算节点同时读取一批数据集，需要尽可能缩短加载时长。要减少 GPU 空闲时间，使用固态阵列或驱动器或其他形式的非易失性存储器来优化预处理管道。由于在训 练阶段摄入的数据量很大，最好是将这些数据集存储到共享存储器中，这样企业就可以单独扩展计算和存储 环境。NVMe SSD 可以缓解与神经网络相关的低带宽和高延迟问题。 产业变化 ：存储全闪存化、存储网络化：随着机械硬盘向全闪存升级，存储介质的读写性能提升了百倍。 PCIe+NVMe作为SSD主流方案持续高增，验证技术路线逻辑。全闪存具有更高的可管理性和可维护性，同 时，固态硬盘的尺寸正变得更加灵活，通常可提供多种长度、宽度和高度选项。

AI：辅助-散热

伴随单机柜功率的不断提升，传统风冷系统也逐渐无 法满足散热需求，或相应更加节能高效的散热技术方 案逐渐铺开：从早期的封闭冷/热通道、机柜循环制冷、 热风抽取冷却、到背板热交换、间接蒸发冷却，再到 液冷方案中的喷淋液冷、冷板液冷以及浸没液冷。冷 服务器生态初步形成，大多以间接冷板为主。浸没式 液冷考虑其对服务器主板等技术革新需求以及下游厂 商机房业务部署的差异性，规模化起量仍需要时间。

目前国内液冷服务器厂商主要包括华为、曙光、神威 蓝光、浪潮等，海外液冷服务器厂商包括戴尔、惠普、 思科、SGI、BULL、Cray、富士康、超微、Nortech （浪潮合作）、Iceotop等。此外，相关产业链中，海 外产业化液冷方案制造商包括Coolit和Asetek（生产液 冷配件厂）、Dynatron、K-computer；直接式液冷方案 包括Green Revolution Cooling和3M（制冷液）等。国 内相关企业包括英维克、维谛技术、网宿科技等。

AI：辅助-电源

智能算力推动，服务器电源需求及技术要求愈来愈高：人工智 能和云应用正在推动先进硬件的采用，能耗的不断增加。英特 尔的“Sky Lake”和AMD的“Rome”等高级处理器功耗升至230- 300W，英伟达的GPU功耗更将攀升到600W左右。 电源架构从12v提升到48v：OCP试图通过定义电源架构的新标 准来应对此类挑战，将中间总线电压从传统的12V提高至48V。 这一举措可显著降低传输损耗，将电力更有效地传输到有效负 载，比如AI ASIC/GPU/CPU或SOC上。 数据中心电源小尺寸、高功率等要求，对电源研发与生产提出 更高的技术要求，服务器电源市场国产替代空间大：服务器电 源认证周期较长，从研发立项到获取认证通常需要2-3年时间， 一般公司难以进入竞争，目前服务器电源市场份额主要由台达 电子、光宝科技、艾默生、中国长城等企业长期占据。 近年来国内大陆企业包括欧陆通和高斯宝电气等规模逐渐扩大。 2020年高斯宝电气服务器电源出货量全球前8、国内第3，正式 成为全球八大服务器电源制造商。

数据要素

数据资产化、要素化，推动我国经济未来长期转型：过去十几年，我国数字经济发展过程中积累大量存量数 据，随着传统的土地要素、资本要素对于经济的边际促进作用越来越小；我们认为我国需要通过数字手段提 升各行业生产效率、从单纯的依赖土地、资本发展向以数据为核心的数字经济转变。数字政务是数字要素大背景下大数据行业落地的关键和重点领域：做大做强数字经济成为共识，数字经济有 望进入高速发展阶段。

报告节选：

编辑：火腿肠