2025年通信行业投资策略：AIDC算力产业链迎黄金新周期

1、 回顾与展望：通信板块估值仍处于低位

1.1、 通信板块表现优秀，估值仍处较低水平

2024 年初至今通信板块整体表现优秀，在 TMT 板块中跑赢电子、计算机、传 媒。截至 2025 年 5 月 9 日，通信指数上涨 24.68%，在 31 个子行业中排名第 4，在 TMT 板块中跑赢电子（上涨 17.31%，排名第 6）。

我们对 2015 年至今 TMT 各子行业的估值情况进行了复盘，横向对比来看，通 信行业估值的历史平均水平为 PE_TTM=42，低于计算机（PE_TTM=62）和电子 （PE_TTM=47），略高于传媒（PE_TTM=41）。纵向与自身历史 TTM 估值对比，通 信板块估值中枢处于历史平均偏下水平，2024 年以来 PE_TTM=31。

1.2、 以 AIDC 算力产业链为主攻，兼顾多个板块

展望 2025 年，以字节跳动、阿里巴巴、腾讯等为代表的国内 AI 巨头进入 AI 算力和 AI 应用大规模投入期，同时以微软、Meta、亚马逊、谷歌等为代表的海外 巨头继续大力投资 AI，我们认为 AIDC 算力产业链是核心主攻方向，同时看好 AI 应用、运营商、卫星互联网&6G 等板块投资价值。

2025 年赛道一：以 AI 为主攻，聚焦 AIDC&云产业链高景气细分赛道

2024 年 Q4 开始，豆包大模型和 Deepseek 等陆续引爆市场，字节跳动、阿里巴 巴、腾讯先后宣布大力进行 AI 投资和 AI 人才招聘，同时运营商积极投入 AI，中国 移动宣布对推理资源投资不设上限，2025 年，Manus、QwQ-32B、豆包 1.5·深度思 考多模态模型等 AI Agent 陆续演化，同时以 Meta、微软、亚马逊、谷歌等为代表的 海外巨头继续大力投资 AI，我们认为 AIDC 算力产业链或迎黄金发展新周期，建议 重视五大细分方向：（1）AIDC 机房基建：AIDC 机房、液冷风冷、柴油发电机、蓄 电池、UPS/HVD、变压器等；（2）IT 设备：AI 芯片、AI 服务器、服务器电源等；（3） 网络设备：交换机路由器&交换机芯片、光模块&光器件&CPO、AEC&铜缆、光纤 光缆等；（4）算力租赁；（5）云计算平台。

2025 年赛道二：AI 应用风起云涌，模组、控制器、CDN 等板块迎机遇

基于 AI 模型的语音识别、图像识别等技术的进步加速了 AI 玩具的发展，AI 玩 具通过搭配智能算力模组、蜂窝/wifi 模组等硬件实现了拟人化交互能力，伴随边端 AI 模型持续优化，智能算力及通信模组需求或将加速释放；AI 模型是具身智能发展 的底座，经过剪枝、量化后的小模型在边缘终端表现亮眼，智能算力模组及控制器 需求或将逐步提升；AI 应用有望催生对于毫秒级响应的需求，而 CDN 通过边缘节 点网络的布局，有望将算力下沉至用户端，实现数据的本地化和轻量化的处理，AI 应用或持续拉动对于 CDN 的需求。

2025 年赛道三：国家重视自主可控，卫星互联网迈入“破茧成蝶”成长期

在国际局势动荡、地缘冲突加剧、关税摩擦升级的复杂形势背景下，内需扩展+ 自主可控+技术升级的逻辑或被反复强化，卫星互联网作为 6G 核心组成部分，受到 国家高度重视，建议重视四大细分方向：（1）卫星制造环节：优先受益于卫星发射 增量需求，关注卫星载荷供应商、卫星平台零部件供应商；（2）卫星发射环节：关 注发射资源分配、发射节奏及技术发展带来的产业催化；（3）地面设备环节：关注 高价值量核心网建设各环节，以及终端市场；（4）卫星运营环节：星网、垣信分别 牵头星网、G60，双线共进，有望快速构建卫星网络。

2、 国内巨头开启 AI 大规模投资，AI 应用与 AI 训练或齐飞

2.1、 AI 应用陆续演化，国内巨头开启 AI 规模投资新周期

2024 年四季度，字节跳动豆包大模型引爆市场，2025 年春节开始，Deepseek 大模型逐渐引领国产 AI 大模型浪潮，以阿里云、腾讯云、火山云、华为云、天翼云、 移动云、联通云等为代表的国内云计算平台和以亚马逊 AWS、微软 Azure 为代表的 海外云计算平台纷纷接入Deepseek，国内各大行业陆续接入/适配Deepseek大模型， 国产 AI 大模型和国产算力发展呈现出势如破竹的态势。 2024 年开始，以字节跳动、阿里巴巴、腾讯微代表的国内 AI 巨头陆续加大 AI 投资，阿里和腾讯资本开支同比增速从 2024 年 Q3 开始显著提速。进入到 2025 年， 字节跳动持续大幅扩张 AI 大模型和 AI 应用版图，阿里巴巴宣布开启三年 AI 资本 开支大投入期和 AI 人才大幅扩招期，腾讯资本开支从 2024Q4 开始大幅增长并宣布 开启大规模人才招聘。国内 AI 三巨头 AI 军备竞赛持续加剧，或大幅拉动国产 AI 算力产业链发展。 2025 年，国内按下 AI Agent 加速键。2025 年 3 月 6 日，中国的创业公司 Monica 正式对外发布通用型 AI Agent 产品 Manus，在 GAIA 基准测试的 Level 1~3 均中取 得了 SOTA 的成绩，显示其性能超越 OpenAI DeepResearch；3 月 6 日，阿里通义 千问发布推理模型 QwQ-32B；4 月 17 日，微信上线 AI 助手“元宝”搭载混元和 DeepSeek 双模引擎；4 月 18 日，豆包发布 1.5·深度思考多模态模型，在数学、代 码、科学等专业领域推理任务中表现出色，已经达到或接近全球第一梯队水平。 伴随着国内 AI 巨头大幅发力 AI 训练大模型和 AI 推理大模型，以及 AI Agent 的持续演化，我们认为国产 AI 算力链或迎来黄金发展时代。

（1）字节跳动：大幅扩张 AI 大模型和 AI 应用版图

字节跳动持续完善 AI 大模型及 AI 终端产品布局。2025 年 1 月 22 日，字节跳 动正式发布豆包全新基础模型 Doubao-1.5-pro，在知识、代码、推理、中文等多个测 评基准上获得较优成绩，模型效果达到全球领先水平。此外，公司还发布了视觉理 解、语音合成、视频生成、语音识别、角色扮演、文生图、图生文等多个模型，持 续完善模型矩阵，加速迭代升级。据极客公园、书享界等报道，1 月底，字节启动 SeedEdge 项目，专注比预训练和大模型迭代更长线、更基础的通用人工智能（AGI） 前沿研究，公司将持续加大对 SeedEdge 的投入，当前字节 AI 部门架构分为三 层:Stone(技术支持)、Seed(专注大模型研发)、Flow(专注 AI 应用开发)，已形成算力、 算法、模型、应用的全产业链布局，未来或将在 AI 模型和 AI 终端产品应用等方面 持续加码。 4 月 17 日，豆包发布豆包 1.5·深度思考模型，升级豆包·文生图模型 3.0、豆包·视 觉理解模型。豆包 1.5·深度思考多模态模型采用 MoE 架构，总参数为 200B，激 活参数仅 20B，具备显著的训练和推理成本优势，在数学、代码、科学等专业领域 推理任务中表现出色，已经达到或接近全球第一梯队水平，模型还具备视觉理解能 力，可以像人类一样，不光基于文字思考，更能基于所见画面思考。同时，面向 Agent 服务，发布 OS Agent 解决方案、GUI Agent 大模型——豆包 1.5·UI-TARS 模型；面 向大规模推理，发布 AI 云原生·ServingKit 推理套件。 截至 2025 年 3 月底，豆包大模型日均 tokens 调用量已超过 12.7 万亿，是 2024年 12 月的 3 倍，是一年前刚刚发布时的 106 倍。IDC 报告显示，2024 年中国公有云 大模型调用量激增，火山引擎以 46.4%的市场份额位居中国市场第一。

（2）阿里巴巴：开启三年 AI 资本开支大投入期，规模扩招 AI 人才

据阿里巴巴 2025 财年第三季度财报及业绩交流会，未来三年，阿里将围绕 AI 战略核心，加大投入三大领域：第一，AI 和云计算的基础设施建设，未来三年集团 在云和 AI 的基础设施投入预计将超越过去十年的总和。第二，AI 基础模型平台以 及 AI 原生应用。第三，现有业务的 AI 转型升级。公司宣布未来三年 AI 相关投入将 投入至少 3,800 亿元人民币，超过阿里过去十年在云和 AI 基础设施上的投入总和， 明确加码基础设施、基础大模型及业务 AI 化三大方向，全力构建技术护城河。 Al 推动阿里云收入增速持续提升，2025 财年第三季度，阿里云季度收入同比增 长 13%，公有云业务保持双位数增长，AI 相关产品收入连续 6 个季度实现三位数同 比增长，截至 2025 年 1 月 31 日，基于 Qwen 模型家族在 Hugging Face 上开发的衍 生模型数量超 90000 个，已经成为全球最大的 A1 模型家族之一；截至 2025 年 2 月 中旬，A1 模型社区“魔搭”模型总量超过 4 万个，涵盖 LLM、对话、语音、文生图、 图生视频等多个领域，已服务超 1000 万开发者。 2 月 19 日，阿里 AI To C 业务开启大规模人员招聘，开放招聘岗位达到数百个， 其中 AI 技术、产品研发岗位占比达到 90%，所招聘人员将重点投入到文本、多模态 大模型、AI Agent 等前沿技术与应用的相关工作中，持续加大 AI 投入。

（3）腾讯：资本开支大幅提升，元宝 DAU 高速增长

据腾讯 2024 年 Q4 及全年度财报，公司重视 AI 板块，几个月前重组 AI 团队以 聚焦深度模型研发及产品创新，增加 AI 资本开支及原生 AI 产品的研发和销售力度， 2024Q4 公司资本开支达 365.78 亿元，同比增长 113.98%，环比增长 386.15%，主要 是购买了大量的 GPU，2024 年全年资本开支达到 767.60 亿元，同比增长 221.27%， 公司计划于 2025 年持续增加资本开支，坚定投入 AI。 混元大模型持续突破，元宝 DAU 加速增长。基础模型方面，2024 年 9 月，腾 讯推出基础模型混元 Turbo，采用 MoE 混合专家架构，训练和推理效率翻倍，推理 成本减半；2025 年 3 月，发布新一代快思考模型混元 TurboS，吐字速度提升一倍， 首字时延降低 44%，同时应用于腾讯元宝等内部产品，3 月 21 日，TurboS 升级为混 元-T1 正式版，显著降低了训练和推理成本，腾讯云宝率先接入 DeepSeek-R1，同时 上线腾讯混元深度思考模型 T1 及 Turbo S，持续提供的 AI 服务，腾讯元宝 2025 年 2 月至 3 月的 DAU(日活)增长超 20 倍。 4 月 16 日，微信上线 AI 助手元宝，用户可以将它添加为好友，即可直接在微信 聊天界面与其进行聊天互动。元宝是腾讯元宝 APP 入驻微信的 AI 助手，搭载混元 和 DeepSeek 双模引擎，并无缝衔接微信生态。它目前支持的核心功能包括：一键解 析公众号文章、图片和文档（100M 以内），并支持对解读内容做各种智能互动，同 时也支持日常陪伴互动等，并对微信场景进行了特别优化，避免直接调用第三方模 型，确保用户数据仅在本地处理。用户通过腾讯元宝，可以免费使用 DeepSeek-R1 满血版、DeepSeek-V3、腾讯混元深度思考模型 T1 以及腾讯混元通用模型 Turbo， 不仅支持深度思考，也支持快速输出答案。

2.2、 运营商积极投入 AI，中国移动对推理资源投资不设上限

运营商云计算业务维持增长，智算规模持续增长。三大运营商云计算营收持续 增长，持续投入算力资源，自有通用算力资源保持较大规模，智算算力规模实现较 快增长。截至 2024 年底，中国电信拥有 35EFlops 智算算力，中国联通拥有超 17EFlops 智算算力，中国移动拥有超 29.2EFlops 智算算力。 国内 5G 网络建设进入平缓期，运营商网络建设方面总投资持续下降，但算力 相关业务资本开支占比呈上升趋势，中国移动曾公开表示对推理资源投资不设上限。 （1）2024 年，中国移动实现资本开支 1640 亿元，预计 2025 年资本开支为 1512 亿元，其中算力资本开支为 373 亿元，总资本开支占比达到 24.67%，同比提升 2.05 个百分点，预计通算规模（FP32）累计达到 8.9 EFLOPS，智算规模（FP16）超 34 EFLOPS，公司表示超 34 EFLOPS 的智算计划主要是以预训练资源为主，对于推理 资源将根据市场需求进行投资，不设上限； （2）2024 年，中国电信实现资本开支 935 亿元，预计 2025 年资本开支为 836 亿元，其中产业数字化资本开支为 318 亿元，总资本开支占比达到 38.00%，同比提 升 3.00 个百分点； （3）中国联通预计 2025 年固定资产投资约为 550 亿元，其中算力投资同比增 长 28%。

我们认为运营商积极发展创新业务，有望驱动运营商在算力基础设施方面持续 投资，对于 AIGC 方面，运营商以“国家队”身份持续投入到 AI 模型训练中，有望 赋能多个垂直领域，加速 AI 应用在多行业持续渗透，国产算力产业链（AI 芯片、 AIDC、AI 服务器、液冷风冷、光通信、交换机及路由器、铜缆等）有望持续受益。

2.3、 海外巨头仍保持较高 AI 投入，全球 AI 有望共振

（1）谷歌：据谷歌 2025 年第一季度报告，2025Q1 公司实现营收 902 亿美元， 同比增长 12%，其中，谷歌云业务实现营收 123 亿美元，同比增长 28%，实现谷歌 云营业利润率提升到 17.7%，同比提升 8.4 个百分点，GCP 核心产品、AI 基础设施 和生成式 AI 解决方案营收持续增长，盈利能力持续提升。自研 AI 模型持续突破， 自研芯片持续迭代。在搜索领域，营收保持 2 位数增长，AI Overviews 每月已有超 15 亿用户。公司在 3 月份推出了 Gemini 2.5 pro 系列模型，在推理、编码、科学和数 学功能方面持续突破，在多项基准测试中取得 SOTA 成绩，在 Chatbot Arena 排名第 一。自今年年初以来，AI Studio 和 Gemini API 的活跃用户增长了 200% 以上。目 前，公司的 15 款产品约 5 亿用户都在使用 Gemini 模型。公司发布了第七代 TPU Ironwood，首款专为大规模推理设计的 TPU，计算能力提高了 10 倍以上，同时能效 几乎翻倍，同时，公司也是首家提供 NVIDIA B200 和 GB200 Blackwell GPU 的云提 供商，并将提供他们的下一代 Vera Rubin GPU。公司 2025Q1 资本开支为 171.97 亿 美元，同比增长 43%，其中主要为服务器投资，其次为数据中心，用以支持在 Google Services、Google Cloud 和 Google DeepMind 方面的业务增长。公司重视 AI 和云的 投资，当前云的供需关系紧张，预计 2025 年底云容量将达到较高水平，预计 2025 年资本开支仍约为 750 亿美元。

（2）微软：据微软 2025 财年第三季度报告，公司 FY2025Q3 实现营收 701 亿 美元，同比增长 13%；微软云实现营收 424 亿美元，同比增长 20%，毛利率达 69%， 其中，智能云业务实现营收 268 亿美元，同比增长 21%，Azure 及其他云服务同比增 长33%，AI推动Azure云营收增长到达16%。在本季度，公司处理了超过1万亿tokens， 同比增长 5 倍，其中 3 月份创下了单月 500 亿 tokens 的记录。公司持续增长数据中 心容量，公司在本季度中在 10 个国家开通了数据中心，并持续优化数据中心效率， 在供应链上，新 GPU 从码头到交付的时间缩短了 20%。公司 FY2025Q3 资本开支为 214 亿美元，主要受到数据中心租赁交付时间正常波动，略低于预期，资本开支中超 过一半云和 AI 资本开支用于购买长期资产，剩余主要用于服务器（CPU 和 GPU）， 以满足客户需求，FY2025Q3 积压订单为 3150 亿美元。预计 FY2025Q4 资本开支将 环比增长，下半年资本开支维持指引，FY2026 将根据强劲的需求信号继续投入，同 比增速将低于 FY2025。公司预计 FY2025Q4 智能云实现营收 287.5-290.5 亿美元， 同比增长 20-22%，其中，预计 Azure 云营收同比增长 34-35%，Azure 云营收将随着 AI 容量增长持续加速。

（3）亚马逊：据亚马逊 2025 年第一季度报告，公司 2025Q1 实现营收 1557 亿 美元，同比增长 9%；其中，AWS 云业务实现营收 293 亿美元，同比增长 17%，AI 和非 AI 业务持续增长。2025Q1 AWS 积压订单为 1890 亿美元，同比增长 20%。加 权平均寿命周期为 4.1 年。公司 AI 领域拥有数十亿美元年化收入率，持续以三位数 年增长率增长，并且仍处于早期阶段，公司表示只要有新投入云的容量，便会被很 快消耗掉，仍有大量本地设施尚未迁移至云中。定制芯片 Trainium2 已开始大量生产， 与其他基于 GPU 的实例相比，Trainium2 的性价比提高了 30-40%，公司认为为了 持续推进 AI 的发展，推理价格需求大幅降低。公司 2025Q1 实现现金资本开支 243 亿美元，大部分用于建设 AWS 基础设施以满足 AI 需求，并且更多的投资于 Trainium 定制芯片，其余还用于投资建设北美和国际市场的基础设施以及配送运输网络，公 司认为 2024Q4 年化资本支出率将代表 2025 年全年资本开支水平（即 263x4，约 1050 亿美元）主要用于建设 AWS 基础设施以满足 AI 需求。预计 2025Q2 将实现营收 1590-1640 亿美元，同比增长 7-11%。

（4）Meta：据 Meta2025 年第一季度报告，公司 2025Q1 实现营收 423 亿美元， 同比增长 16%；实现净利润 166 亿美元，同比增长 35%。第一批 Llama 4 AI 模型已 对外发布，是更智能、更低延时和更高效的多模态模型，更大参数的 Llama 4 behemoth model 正在开发当中，已有近 10 亿月活用户使用 Meta AI，使用率持续提升。2024 上半年自研芯片最初 MTIA 用于核心排名和推荐的推理，2025 年将持续提高其负载 采用率、增加容量，并替代老旧 GPU 服务器，2026 年将用 MTIA 支持核心 AI 训练 工作，并支持 GenAI 使用案例。公司 2025Q1 实现资本开支 136.9 亿美元，同比增长 104%，主要是对服务器、数据中心和网络基础设施的投资。公司预计 2025Q2 实现 营收 425-455 亿美元，预计 2025 年总资本开支将在 640-720 亿美元之间，高于年初 600-650 亿美元资本开支指引，公司将持续增加数据中心和基础设备投资以支持 AI 相关工作。

2.4、 AI 大模型持续迭代，推理成本降低带动 AI 应用加速发展

国外大模型持续迭代，国内大模型加速追赶，拉动算网基础设施建设。2018 年， 谷歌提出基于 Transformer 实现的预训练模型 BERT，同年，OpenAI 公司发布了第 一代生成式预训练模型 GPT-1，擅长文本内容生成任务。2022 年 11 月，OpenAI 发 布的 ChatGPT，随后相继发布文生图模型 Sora、多模态模型 GPT-4.5、GPT-4o、o3、 o4-mini 模型。国内大模型加速追赶，截至 2024 年 6 月，据信通院数据，国内已经 发布了华为“盘古”、百度“文心一言”、阿里“通义千问”、腾讯“混元”和智谱“清 言”等 200 多个通用和行业大模型产品，据国家数据局数据，国内 10 亿参数规模以 上大模型超 100 个，持续拉动对算力基础设施需求。 2025 年 3 月 6 日，中国的创业公司 Monica 正式对外发布通用型 AI Agent 产品 Manus，在 GAIA 基准测试的 Level 1~3 均中取得了 SOTA 的成绩，显示其性能超越 OpenAI DeepResearch。相较于目前的大模型产品，作为通用型 Agent，Manus 定位 于一位性能强大的通用型助手，具备一定的学习能力和适应性，不再局限于单一任 务，而是能够理解复杂指令、自主学习、跨领域协同，根据官网展示，Manus 可以 实现的功能包括：简历筛选、旅行规划、教育内容创建、保险政策比较、供应商采 购、财务报告分析、创业公司列表整理、在线商店运营分析等。

3 月 6 日，阿里通义千问发布推理模型 QwQ-32B，拥有 320 亿参数，在推理模 型中集成了与 Agent 相关的能力，使其能够在使用工具的同时进行批判性思考，并 根 据 环 境 反 馈 调 整 推 理 过 程 。 QwQ-32B 在 数 学 能 力 AIME24 、 代 码 能 力 LiveCodeBench、LiveBench 等评测集中，性能可与具备 6710 亿参数（其中 370 亿 被激活）DeepSeek-R1 媲美。 4 月 17 日，微信上线 AI 助手“元宝”搭载混元和 DeepSeek 双模引擎，用户通 过腾讯元宝，可免费使用 DeepSeek-R1 满血版、DeepSeek-V3、腾讯混元深度思考模 型 T1 以及腾讯混元通用模型 Turbo，并无缝衔接微信生态，核心功能包括：一键解 析公众号文章、图片和文档（100M 以内），并支持对解读内容做各种智能互动，同 时也支持日常陪伴互动。 4 月 18 日，豆包发布 1.5·深度思考多模态模型，采用 MoE 架构，总参数为 200B，激活参数仅 20B，具备显著的训练和推理成本优势，在数学、代码、科学等 专业领域推理任务中表现出色，已经达到或接近全球第一梯队水平。 Scaling Law 拓展至多领域，模型深度思考成为新主线。模型训练方面，Scaling Law 从预训练扩展到后训练和推理阶段，模型不光随着参数量提升而提高性能，还 能基于强化学习、思维链等算法创新在后训练和推理阶段更多的算力投入，可以进 一步大幅提升大模型的深度思考能力。据 OpenAI 介绍，GPT-4.5 使用了 10 万张 GPU 卡进行训练，在开发 OpenAI o3 时在训练计算和推理时间方面都增加了一个数量级， 发现了明显的性能提升，验证了模型的性能会随着思考的次数而不断提高，并首次 将图片整合到思维链中，算力需求持续提升。模型推理方面，DeepSeek 带来的算法 效率的提升并未抑制算力需求，反而因更多的用户和场景的加入，推动 AI 大模型普 及与应用落地，进而带动数据中心、边缘及端侧算力建设。

3、 算力即国力，AIDC 算力产业链核心受益

大模型加速行业渗透，叠加多模态大模型发展，催生算力需求持续增长，有望 持续拉动算力基础设施建设。2022 年底生成式 AI 大模型 ChatGPT 横空出世，掀起 新的 AI 浪潮，海内外云计算厂商和研究院所等企业均陆续投入到大模型研发当中。 伴随模型参数量、Token 数量、上下文能力、多模态能力持续提升，模型对算力需求 持续增长。随着 AIGC 技术发展，IDC 预测 2024 年全球将涌现出 5 亿个智能化应用， 在较大的应用蓝海市场面前，算力缺口显著，Sora、OpenAI o3、Gemini 等多模态大 模型持续迭代，多模态的海量数据、高清晰度的多轮去噪将带来算力百倍以上的增 长。根据《智算产业发展研究报告》测算，与语言大模型（GPT-3）相比，Sora 训练 阶段的算力需求是大语言模型 170+倍；推理阶段，即完成一项常规任务，算力需求 是大语言模型 600+倍。 我们认为随着模型持续迭代，AIGC 应用多点开花，训练和推理算力需求有望 持续增长，有望长期利好 AIDC 算力基础设施产业链，建议重视五大细分方向： （1）AIDC 机房基建：AIDC 机房、液冷风冷、柴油发电机、蓄电池、UPS/HVD、 变压器等； （2）IT 设备：AI 芯片、AI 服务器、服务器电源等； （3）网络设备：交换机路由器&交换机芯片、光模块&光器件、铜缆连接器、 光纤光缆等； （4）算力租赁； （5）云计算平台。

3.1、 AIDC 机房：AI 应用起，AIDC 起

3.1.1、 AI 时代，IDC 向 AIDC 升级

AI 时代来临，IDC 逐步走向 AIDC。传统数据中心（IDC）可向用户提供建筑 物、数据中心基础设施、网络通信、服务器/存储、数据库、中间件、应用等不同层 次的服务，包括网络宽带服务、网络安全服务、服务器托管服务、虚拟主机服务、 数据备份管理等。相比传统数据中心，智算中心（AIDC）的机柜电力容量更高，机 房的 IT 容量也更高，可支持更高算力密度，支持更大规模的算力集群，提供的服务 除了机房托管外，还包括算力租赁、智算平台、工具集等增值服务和模型即服务 （MaaS）、大模型应用服务等，呈现定制化、智能化特点。 从业务类型来划分，国内 IDC 市场主要有零售型、批发型、基地代建三种业务 模式，一般而言，从客户结构、议价能力、盈利能力来看，零售型＞批发型＞代建， 不过随着互联网大客户占比逐渐提升，一线零售型和批发型界限逐渐模糊，零售型 企业也会按照客户需求进行定制化开发建设: （1）零售：卡位需求旺盛核心地段的零售型 IDC 企业客户结构最优质、议价和 盈利能力最强，劣势在于上架速度较慢，国内大部分一线布局的 IDC 企业都是以零 售业务为主； （2）批发：批发型 IDC 企业主要服务于客户大批量定制化需求，优势在于上架 速度较快以及需求具备确定性，劣势在于客户结构相对较差、议价和盈利能力相对 较弱； （3）代建：基地代建业务主要伴随着互联网巨头二三线大型基地型项目的投建 而兴起，优势在于机柜扩张速度快且需求具备确定性，劣势在于议价和盈利能力差， 由于不掌握机房所属权，后续存在无法永续运营的风险。

从 IDC 企业建设模式来看，目前市场上存在五种较为常见的模式，其中自建模 式盈利能力较强。自建模式分为自有土地和租赁土地两种模式，自有土地模式毛利 率相对最高；代建模式主要是为云计算企业代建 IDC，由云计算企业出地建房子， 搞定能耗指标、带宽、电力资源等，IDC 企业仅负责投资相关机电设备，云计算企 业以租金的形式覆盖 IDC 企业的 Capex，同时双方一般会约定一个较长时期的运营 期；租赁模式和代运营模式毛利率较低，未来或将逐渐退出市场。

IDC 收入的三个主要决定因素：出租率、ARPU 值、机房规模： （1）与客户距离越近、机房等级越高，则出租率越高，除了云计算客户，主要 金融客户、政企客户、大型互联网企业等大部分集中在一线城市； （2）客户结构越好，则 ARPU 值越高，从单机柜价值来看，金融客户、大企业 客户单机柜价值相对较高； （3）机柜数越多，则机房规模越大。由此可见，在一线城市及周边进行大规模 布局，抢占高价值客户，有助于提高 IDC 企业收入和盈利能力。 IDC 成本：主要分为建设成本 Capex 和运营成本 Opex： Capex 主要反映在 Opex 的折旧摊销中，折旧摊销费用在 Opex 占比约超 20%， 电力成本在 Opex 中占比约近 50%，为主要构成部分，决定电力的主要因素是电价和 PUE，电价主要走的是国家电网的电价，差距不大，所以降低 PUE 成为降低电力成 本的重要途径，地租也是影响单机柜毛利率的一个重要成本因素。

3.1.2、 需求端：巨头 AIDC 需求大幅提升

巨头加大 AI 算力投入，带来大量 AIDC 需求。据阿里巴巴 2025 财年第三季度 财报及业绩交流会，阿里公司宣布未来三年 AI 相关投入将投入至少 3,800 亿元人民 币，超过阿里过去十年在云和 AI 基础设施上的投入总和，明确加码基础设施、基础 大模型及业务 AI 化三大方向；据腾讯 2024 年 Q4 及全年度财报，公司重视 AI 板块， 增加 AI 资本开支及原生 AI 产品的研发和销售力度，2024Q4 公司资本开支达 365.78 亿元，同比增长 113.98%，环比增长 386.15%，主要是购买了大量的 GPU，2024 年 全年资本开支达到 767.60 亿元，同比增长 221.27%，公司计划于 2025 年持续增加资 本开支，坚定 AI 投入；据 Omdia 预计，2024 年字节跳动和腾讯各自订购约 23 万 块英伟达芯片，包括 H20 型号，2025 年字节持续加码 AI 模型、AI 应用、AI 工具框 架，AIDC 需求或将加速释放。

3.1.3、 供给端：国家能耗控制趋严，供给侧逐步收紧

数据中心已成为新“能耗大户”，政策对能耗指标控制趋严，AIDC 稀缺性凸显。 “双碳”目标提出后，国家更加重视数据中心能耗，《贯彻落实碳达峰碳中和目标要 求推动数据中心和 5G 等新型基础设施绿色高质量发展实施方案》、《数据中心节能诊 断服务指南（2023）》、《数据中心绿色低碳发展专项行动计划》等进一步落实数据中 心能效监管，对 PUE 等指标提出明确要求，推动产业绿色低碳发展。在落实节能降 碳方面，政策要求到 2025 年，数据中心运行电能利用效率和可再生能源利用率明显 提升，全国新建大型、超大型数据中心平均电能利用效率降到 1.3 以下，国家枢纽节点进一步降到 1.25 以下，绿色低碳等级达到 4A 级以上，旨在有序推动以数据中 心为代表的新型基础设施绿色高质量发展，发挥其“一业带百业”作用，助力实现碳 达峰碳中和目的。

3.1.4、 资金端：IDC REITs 有望助力 IDC 企业规模扩张

我国 REITs 试点采用契约型 REITs 架构，有助于盘活存量资产，改善融资压力。 根据组织结构，REITs 分为公司型 REITs 和契约型 REITs。其中，美国 REITs 以公 司型 REITs 为主，亚洲国家 REITs 以契约型 REITs 为主，我国 REITs 试点采用契约 型 REITs 架构。对于国内 IDC 企业来说，IDC REITs 有助于盘活存量资产，实现资 金闭环，增加隐形杠杆，改善融资压力。IDC 属于重资产项目，建设周期较长，建 好以后存在比较长的上架爬坡期，爬坡期业绩增速较快，可帮助企业实现高增长， 一般上架率到 95%就达到成熟期，成熟期项目虽然每年可以贡献稳定现金流，但后 续已无法实现太大增长。IDC REITs 给成熟项目很好变现渠道，可帮助企业盘活存量 资产，一次性获得可观的投资收益，用于新项目开发与建设，及大量并购，帮助企 业快速扩张。 IDC REITs 有助于提升 ROE，实现轻资产运营。对于 IDC 企业而言，IDC 项目 做 REITs 以后财务报表可能将从母公司剥离，IDC 企业可以将重资产业务从体内剥 离，并通过代运营业务实现轻资产运营。（1）资产端：资产、折旧摊销等均或实现 出表，有助于降低资金风险和财务成本，同时可以将商誉一并剥离，有助于提升整 体 ROE 水平；（2）利润端：一般而言资产公司并不具备 IDC 运营能力，IDC 企业可 以通过成立运营公司对 IDC REITs 机柜进行代运营，IDC 企业仍可获得 IDC 代运营 的收入和利润，另外由于 IDC 企业仍保留对 IDC REITs 项目不低于 20%的股权，所 以仍可获得稳定持续的派息收益。

近年来数据中心朝着大型化、集约化方向发展，第三方数据服务中心成为增长 主力。截至 2024 年 9 月底，国内数据中心在用机架总规模超过 880 万标准机架，算 力总规模达到 263 EFLOPS（FP32 单精度），全球排名第二。根据信通院数据，在机 架数量方面， 2017-2023 年国内机架总数从 166 万架增长至 810 万架，复合增长率 约 30%，保持较快增长，其中新增机架主要为大型规模机架，数据中心行业正朝着 大型化、集约化方向发展。根据 ODCC 数据显示，2020-2023 年第三方数据中心服 务商是国内数据中心新增机柜的主要贡献者，新增机柜数量占比达到 56%，持续推 动国内数据中心市场发展。

3.1.5、 重视八大节点和三大超级节点，以及算力租赁投资机会

在 AI 时代，我们判断 AIDC 需求主要由三部分构成：（1）八大节点超大规模 AIDC 需求；（2）三大超级节点大规模 AIDC 需求；（3）由于 AI 对于 AI 芯片的需 求或大幅提升，我们判断“算力租赁”有望迎来新发展机会。 AI 时代，IDC 向 AIDC 演进，AIDC 主要部署 AI 服务器，较传统服务器，AI 服务器功耗或大幅提升，我们判断 AIDC 将沿着超大规模绿色数据中心演进。我国 于近年来启动了“东数西算”工程，规划了八大算力枢纽节点和十大数据中心集群，其中八大算力枢纽节点包括：京津冀枢纽、长三角枢纽、粤港澳大湾区枢纽、成渝 枢纽、贵州枢纽、内蒙古枢纽、 甘肃枢纽、宁夏枢纽，十大集群包括：张家口集群、 长三角、芜湖集群、韶关集群、天府集群、重庆集群、贵安集群、庆阳集群、和林 格尔集群、中卫集群。我们认为随着字节跳动、阿里、腾讯等 AI 巨头对于 AI 的大 力投入，东数西算八大节点重要性或将日益凸显，八大节点中部分节点城市的需求 或将率先释放，重视在八大节点城市卡位有规模布局的 AIDC 重点公司。 中国网络的核心层由北京、上海、广州、沈阳、南京、武汉、成都、西安等 8 个城市的核心节点组成，核心节点之间为不完全网状结构。核心层的功能主要是提 供与国际 internet 的互联，以及提供大区之间信息交换的通路。其中北京、上海、广 州核心层节点各设有国际出口路由器，负责与国际 internet 互联，以及两台核心路由 器与其他核心节点互联，其他核心节点各设一台核心路由器。以北京、上海、广州 为中心的三中心结构，其他核心节点分别以至少两条高速 ATM 链路与这三个中心相 连。随着 DeepSeek 和豆包大模型的持续升级，我们判断 2025 年有望成为 AI 应用百 花齐放的一年。随着 AI 应用的发展，我们判断对于网络时延的要求或逐步提升，从 而带动对于三大超级节点城市及周边核心城市卡位的 AIDC 的需求。

3.2、 风冷液冷：制冷设备需求提升，液冷有望加速渗透

伴随 AIDC 加速建设，有望持续拉动制冷系统设备的需求，间接蒸发冷等风冷 设备及液冷设备有望受益。在制冷系统方面，包括如风冷 DX 空调系统、水冷冷水 机组系统、蒸发冷却系统、新型氟泵系统、液冷系统等。对比来看，风冷 DX 空调 设备构成简单、部署灵活，适用于对能效要求不高且规模较小的数据中心；水冷冷 水机组设备种类多、系统较为复杂、运维难度大，适用于对能效要求较高且自然环 境适宜的大规模数据中心；蒸发冷却机组能效高，依据园区的空气洁净度和温度够 做到极致的节能效果；液冷技术能够满足 AIDC 高密度、低能耗的发展需求。

3.2.1、 间接蒸发冷：节能效果显著，适用于基地型AIDC

间接蒸发冷效率高、安全性好、不易堵塞，节能效果显著，适用于 AI 大基地型 数据中心机房。蒸发冷却技术分为直接蒸发冷却和间接蒸发冷却。直接蒸发冷却技 术是指空气与水直接接触，水分子蒸发进入空气，吸收汽化热而使空气的干球温度 降低。间接蒸发冷却技术是指空气经过表面式换热器，与经蒸发冷却的水或空气进 行热交换而被冷却，其极限温度能达到空气的露点温度。 依据不同的室外气象参数，间接蒸发冷却空调可分为干模式、湿模式、混合模 式 3 种运行模式。 （1）干模式：当室外空气干球温度足够低， 仅依靠一次空气与二次空气热交 换提供的冷量满足机房所需全部冷量时，此时水喷淋系统、补充机械制冷系统不开 启，仅一/二次风机运行； （2）湿模式：当干模式不能满足制冷需求时，需开启水喷淋系统，依靠蒸发冷 却提供的冷量补充机房所需要的全部冷量； （3）混合模式：当湿模式不能满足制冷需求时，开启机械制冷系统来补充不足 的冷量，此时水喷淋系统、机械制冷系统、 一/二次风机全部开启。对比传统空调来 看，应用间接蒸发冷空调耗电量更低，数据中心 PUE 更低，在严寒地区、西北干旱 地区节能效果显著。

3.2.2、 液冷：AI 集群高密度化发展，液冷渗透率有望快速提升

AIGC 高速发展，带动数据中心朝着高密度化发展。（1）主流计算芯片功耗不 断增加，热流密度不断增加，芯片侧发热量热逼近风冷极限，继续使用风冷或造成 局部热点问题，导致硬件故障率提升；（2）AI 集群对算力密度有一定要求，训练单 元过于分散不利于作业开展，减少组网距离亦可减少通信耗材开支,使得整体机柜密 度较高；（3）服务器功率上升带动单机柜功率不断上升，逼近风冷单机柜散热极限，液冷散热效率优于风冷，或将成为更佳选择。随着人工智能的算力需求不断增长， 我们认为液冷能更好满足 AIDC 的散热需求，液冷有望在 AIDC 场景中加速部署。 液冷技术优势显著，运营商助力液冷生态完善。虽然风冷技术是目前最普遍应 用的数据中心散热技术，但其存在密度低和散热能力差的缺陷。液冷与风冷技术相 比，具有低能耗、高散热、低噪声、低 TCO、空间利用率高、环境易部署等优势。 在电信运营商的强推动下，我们认为液冷产业链生态有望加速完善，解决液冷产品 标准不统一、CAPEX 较高等行业痛点，助力液冷散热成本进一步降低，推动液冷渗 透率持续增长。 长期驱动：政策对 PUE 要求趋严，引导数据中心绿色化、低碳化发展。随着数 据中心规模不断扩大，行业耗电量与日俱增，数据中心节能减排迫在眉睫。在碳达 峰、碳中和战略引导下，各地方政府对新建数据中心 PUE 指标要求日益严格，当前 数据中心平均 PUE 水平偏高，液冷方案可使 PUE 降至 1.25 以下，可由传统风冷向 风液混合冷过渡，充分满足政策要求。

液冷产业生态涉及产业链上中下游，包括上游的液冷系统一次侧和二次侧产品 零部件提供商、中游的液冷服务器、液冷交换机等 IT 设备提供商及下游的算力使用 者和第三方 IDC 服务商。 （1）上游：主要为产品零部件及液冷设备，包括快速接头（QDC）、CDU/CDM、 电磁阀、浸没腔体（TANK）、分级液器（Manifold 或 RCM 或 VCDU）、冷却液、软 管、环路工艺冷媒供回歧管（LCM）等组件或产品供应商； （2）中游：主要为液冷服务器和液冷交换机等 IT 厂商、芯片厂商以及液冷集 成设施、模块与机柜等； （3）下游：主要为算力使用者和第三方 IDC 服务商，主要包括三大电信运营商、 互联网企业、第三方 IDC 服务商及其他行业客户。

AIGC 高速发展，带动数据中心朝着高密度化发展，伴随芯片侧及机柜侧功耗 持续增长，逼近风冷散热极限，液冷产业链渗透率有望快速提升。 （1）芯片侧：高算力需求下，国内外算力芯片热功率不断攀升，传统风冷散热 模组下热点问题显著，风冷散热已达瓶颈。我们认为：当 CPU 芯片≥350W 或 GPU 芯片功耗≥400W 时，液冷成为“待选”方案。随着芯片功率提升，液冷散热优势逐 渐凸显，风冷散热性价比持续降低，采用液冷散热方案的比例不断增长。当 GPU 芯 片功耗≥800-1000W 时，液冷成为必选方案。此时已逼近风冷散热极限 800W 左右， 液冷将从可选改为必选，目前英伟达 B200 计算芯片 TDP 为 1000W，GB200 计算芯 片 TDP 最高为 2700W，已采用单相冷板式液冷替代原有风冷方案，若芯片功耗持续 上升，单相冷板式液冷或达到散热瓶颈逐渐开始向相变冷板式或浸没式液冷转变； （2）机柜侧：AI 集群对算力密度有一定要求，训练单元过于分散不利于作业开 展，同时，AI 服务器功耗大幅增长带动机柜侧整体功耗持续增长，如英伟达 GB200 NVL72 方案单机柜功耗达 120KW，华为 Atlas 900 单机柜功耗达到 50KW，已超过 风冷散热极限，均改用风液混合方案，英伟达下一代 Rubin Ultra NVL576 单机柜功 耗高达 600KW，或采用纯液冷方案。

电信运营商提出三年愿景，液冷发展按下“加速键”。据三大电信运营商联合发 布的《电信运营商液冷技术白皮书》，电信运营商提出三年愿景：构筑开放生态，降 低 PUE 与 TCO；发挥规模优势，大力拓展应用。冷板式液冷方面，推进形成拥有原 创技术、接口标准统一、产业生态完善、应用规模最大的发展态势；浸没式液冷方 面，推进形成标准统一化、产品国产化、实施工程化、推广规模化的发展格局。 《电信运营商液冷技术白皮书》提出：2023 年开展技术验证，充分验证液冷技 术性能，降低 PUE，储备规划、建设与维护等技术能力；2024 年开展规模测试，推 进液冷机柜与服务器解耦，促进竞争，推进产业生态成熟，降低全生命周期成本； 至 2025 年，开展规模应用，共同推进形成标准统一、生态完善、成本最优、规模应 用的高质量发展格局，电信行业力争成为液冷技术的引领者、产业链的领航者、推 广应用的领先者。运营商近年来对算力基础设施的资本开支增长较快，我们认为运 营商大力开展液冷技术验证，有望加速液冷数据中心的标准化，完善液冷生态。

3.2.3、 液冷技术优势显著，液冷服务器加速放量

性能方面，液冷技术相较于风冷，优势显著。虽然风冷技术是目前普遍应用的 数据中心散热技术，但其存在散热密度低和散热能力差的缺陷，在散热密度较高的 场景如 AI 集群、HPC 集群下尽现颓势。液冷与风冷技术相比，液冷技术主要有：（1） 低能耗；（2）高散热；（3）低噪声；（4）低 TCO；（5）空间利用率高；（6）环境要 求低，易部署；（7）余热回收易实现等优势。 AI 注入强大动能，液冷数据中心市场规模有望保持高速增长。AIGC 的高速发 展离不开高算力的支撑，随着计算芯片功耗持续上升带动服务器及整机柜功耗上升， 液冷散热有望成为首选。据 IDC 数据，2024 年中国液冷服务器市场保持快速增长， 市场规模达到 23.7 亿美元，同比增长 67.0%，全年出货量超 23 万台。其中，冷板式 液冷因具备更优的散热密度和 PUE 控制能力，正成为智算中心的标配选择，市场占 有率进一步提高。IDC 预计，2024-2029 年，中国液冷服务器市场年复合增长率将达 到 46.8%，2029 年市场规模将达到 162 亿美元。据科智咨询预计，2023 年中国液冷数据中心市场将同比增长 53.2%，市场规模将增长至 154 亿元，预计 2022-2027 年， 中国液冷数据中心市场将以 59%的复合增长率持续蓬勃发展。预计到 2027 年，随着 AI 系列应用的规模化落地以及液冷生态的日趋成熟，市场规模将突破千亿大关。

3.3、 国产 AI 芯片、AI 服务器、高速交换机需求持续高增

3.3.1、 贸易摩擦反复发酵，国产算力芯片指日可待

国产芯片加速发展，推理及训练卡双头发力。从我国自研 AI 芯片来看，我国本 土的高性能芯片龙头以华为海思、寒武纪、地平线、昆仑芯等为代表，在高性能芯 片领域加大投入并持续迭代升级，虽然国产芯片性能仍与国际顶尖水平存在一定差 距，但部分解决方案正替代英伟达成为一些大厂的选择。其中，华为昇腾主要包括 310 和 910 两款主力芯片，其中昇腾 910 采用了 7nm 工艺，最高可提供 256 TFLOPS 的 FP16 计算能力，其能效比在行业中处于领先水平。寒武纪先后推出了思 元 290 和思元 370 芯片及相应的云端智能加速卡系列产品、训练整机，国产算力指 日可待。据 IDC 数据，2024 年，中国加速芯片的市场规模增长迅速，超过 270 万张。 从技术角度来看，GPU 卡仍然主导市场，ASIC 和 FPGA 等非 GPU 加速服务器高速 增长，占比超过 30%，据 IDC 预计，2029 年非 GPU 服务器市场规模将接近 50%； 从品牌角度来看，中国本土人工智能芯片品牌的出货量已超过 82 万张，通过适配 DeepSeek，中国本土芯片在软件生态领域实现了突破，逐步完善软件生态。

量取胜，国产集群规模持续增长，弥补单卡算力差距。2025 年 2 月 5 日，百度 成功点亮昆仑芯三代 P800 万卡集群，这也是国内首个正式点亮的自研万卡集群。百 度智能云将进一步点亮 3 万卡集群。百度百舸 AI 异构计算平台 4.0 在集群创建、开 发实验、模型训练、模型推理四大方面持续提升。 4 月 14 日，华为推出 CloudMatrix 384 超节点，以 384 张昇腾算力卡组成一个超节点，规模、性能和可靠性上对标英伟 达 NVL72，基于 CloudMatrix 的昇腾 AI 云服务，大模型训练作业可稳定运行 40 天， 互联带宽断点恢复在 10 秒级别。在互联带宽上，超节点网络交换机采用 6912 个 400G 光模块，实现 2.8Tbps 卡间互联带宽。硅基流动已经联合华为云基于 CloudMatrix384 超节点昇腾云服务正式上线 DeepSeek-R1，在保证单用户 20TPS 水平前提下，单卡 Decode 吞吐突破 1920Tokens/s，可比肩 H100 部署性能。

3.3.2、 AI 服务器需求快速释放，非 GPU 卡占比提升

AI 服务器需求快速释放，推理需求加速增长，非 GPU 卡占比持续提升。AI 大 模型兴起和 GenAI 应用显著提升了对智算资源的需求，AI 服务器作为支撑模型及应 用发展的的核心基础设施，市场规模持续扩大。据 IDC 数据，2024 年中国加速服务 器市场规模达到 221 亿美元，同比 2023 年增长 134%，并预计到 2029 年中国加速服 务器市场规模将超过千亿美元。2024 年，从服务器厂商销售额看，浪潮、宁畅、新 华三位居前三，CR3 超过 50%；从服务器出货台数角度看，浪潮、宁畅、华为位居 前三名，占总体近 55%的市场份额；从下游客户看，互联网厂商依然是最大的采购 行业，占整体加速服务器市场超过 65%的份额，其余行业均有不同幅度的增长。 随着模型的成熟以及生成式人工智能应用的不断拓展，推理场景的需求日益增 加，DeepSeek 等开源算法的推出进一步降低了部署大型模型的门槛，使更多企业通 过私有云或公有云部署 AI 模型，推理服务器的占比将显著提高。据 IDC 数据，2024 年国内人工智能服务器工作负载重推理占比达到 65%，预计到 2028 年，推理工作负 载占比将达到 73%。

3.3.3、 AI 集群新增后端组网需求，高速交换机有望加速释放

AI 模型参数持续增长，AI 训练集群带来 GPU 互联需求，新增后端网络组网需 求。传统数据中心架构下，传统服务器与交换机之间通过网卡互相通信，网卡可直 连 CPU 进行数据交换；AI 服务器比传统服务器新增 GPU 模组，服务器内部 GPU 之 间通过 PCIe Switch 芯片或 NVSwtich 芯片实现内部互联，GPU 模组通过对应的网卡 与其他服务器的网卡互联，实现各节点之间的通信。因此相比传统网络架构，AI 服 务器组网增加后端网络组网（Back End），增加了每台服务器的网络端口数量，拉动 对高速交换机、网卡、光模块、光纤光缆等组件的需求。

白盒交换机灵活性、可扩展性较高。白盒交换机不同于传统品牌交换机，相比 传统交换机，白盒交换机灵活性、可扩展性较高，采购和维护成本较低，广泛应用 于互联网和运营商网络。白盒交换机产业生态较为完善，上游主要为硬件提供商包 括 Arista、思科、新华三、锐捷网络、Accton、工业富联、Dell、Quanta 等，网络操 作系统供应商包括 Arrcus，Kaloom，Cumulus，Big Switch、FBOSS、SONIC 等，下 游客户主要包括云服务商、电信运营商等，主要利用白盒交换机用于业务转型和网 络重构。

AIGC 持续带动数据中心市场持续增长，800G 端口数据中心交换机有望于 2025 年加速放量，400G 需求或达到顶峰。据 IDC 数据，2024 年全球网络市场规模为 645.1 亿美元，中国网络市场规模为 696.8 亿元人民币，同比下滑 4.3%，其中交换机市场 增长 5.9%。交换机市场细分产品来看，数据中心交换机同比增长 23.3%，智算建设 猛增推动数据中心交换机需求，AIGC 加持下互联网和信息技术服务企业有大量投资， 金融客户处于框架集采调整期同比基本持平，政府统筹规划有较多智算基础设施投 资，200/400G 设备收入同比增长 132.0%，端口出货量同比增长 166.5%；园区交换 机同比下滑 9.2%，Wi-Fi 6 的成熟应用带动 2.5/5G 多速率设备收入同比增长 30.7%， 端口出货量同比增长 48.5%。 据 Dell‘Oro 数据，从端口速率来看，2023 年全球 100G 端口数据中心交换机仍 为主流，400G 端口交换机加速放量，预计 2024 年 800G 端口交换机有望逐渐放量， 并逐渐成为主流，1.6T 端口交换机有望于 2026 年左右开始放量。

3.4、 光模块：AI 驱动高速光模块需求，重视 CPO 等新技术发展

算力网络升级，加速光模块需求及迭代。整体来看，光模块向着高速率、低成 本、低功耗的方向发展。 （1）数据中心高速率光模块加速发展。自 2019 年后全球数据中心产业开始步 入算力中心阶段，根据 Cisco 数据，2010-2022 年全球数据中心网络交换带宽提升了 80 倍，特别是近期 AIGC 的快速发展带来网络架构的升级和 GPU 的加速迭代，进一 步带动设备间更高的带宽需求，从光模块带宽需求来看，目前已进入 800G 光模块的 放量阶段，从数据中心交换芯片的演化角度来看，目前进入每两年翻一番的快速增 长阶段，预计 2025 年有望实现 102.4T 的容量，对应 1.6T 光口，进一步加速 1.6T 光 模块升级； （2）高速光通信时代降本降耗需求凸显，硅光、CPO、LPO 等新技术有望迎 新机遇。根据 Cisco 数据，2010-2022 年全球数据中心的网络交换芯片功耗提升约 8 倍，光模块功耗提升 26 倍，交换芯片 SerDes 功耗提升 25 倍。随着高速率光模块进 一步放量，传统可插拔光模块方案的成本及功耗不断增加，降本降耗的需求不断提 升，相较于传统光模块方案，硅光、LPO、CPO 等技术方案或迎来发展机遇期。

3.4.1、 AI 带动高速光模块需求，1.6T 时代加速到来

数据中心网络架构升级拉动光模块需求上升。（1）云计算需求推动网络架构迭 代升级。传统数据中心计算网络逐步向 Spine-Leaf 数据中心网络架构转变。由于 Spine-Leaf 数据中心网络架构连接端口众多，信息传递中使用的光模块数量随之提高， 传统三层数据中心网络架构所需光模块数量约为机柜数的 9 倍，而 Spine-Leaf 网络 架构下光模块数量约为机柜数的 44 至 48 倍。（2）DGX GH200 驱动 800G 光模块市 场需求扩张。英伟达发布的DGX GH200超级计算机中引入NVLink与NVLink Switch 方案，搭载 256 颗 Grace Hooper 超级芯片，每台 NVLink Switch 交换机含有 32 个 800G 接口，铜线方案下两层 Fat-Tree 拓扑结构中第一层并不涉及光模块的使用，第二层 中 36 台交换机共需 36×32×2=2304 颗 800G 光模块；综上所述，256 个 GH200 与 800G 光模块对应数量关系为 1：9。

英伟达每 1-2 年发布新的芯片架构以不断适应算力需求的增长。2010 年英伟达 发布第一代 GPU 计算机构 Fermi，2017 年提出 Volta 架构以提供人工智能超级计算 机的性能，2020 年 Ampere 架构采用全新精度标准 TensorFloat32(TF32)与 64 位浮点 (FP64)，以加速并简化人工智能应用。2022 年发布 Hopper 架构，支持第四代 TensorCore，每个 SM 能力更强。2024 年发布新一代 GPU 架构 Blackwell 以及搭 载新一代 GPU 架构的产品 B100、B200 以及 GB200 等。2024 年 10 月 8 日，富 士康母公司鸿海精密举办 2024 鸿海科技日，公司董事长表示鸿海及供应链已准备成 为“首个量产出货（英伟达芯片）GB200 的公司”，正在墨西哥为英伟达建设全球最 大的 GB200 芯片生产基地，预计到 2025 年，英伟达 NVL72 服务器产能将达到 20000 台。此外，董事长表示 GB200 服务器计划将在 2024 年第四季度中末期发货。我们 认为，2023 年作为 AI 元年，AI 在一半的时间内将互联速度提升一倍，互联速度由 过去的 4 年两倍变为 2 年两倍，海外市场正由 400G 向着 1.6T、3.2T 等更高速发展。

3.4.2、 Nvidia 推出 CPO 交换机，重视 CPO 产业机遇

Nvidia 推出 CPO 交换机，预计 2025H2 进入商业化应用。2025 年 3 月 19 日， Nvidia 在 GTC 2025 大会上推出 Quantum-X 和 Spectrum-X CPO 交换机，预计分别于 2025H2 和 2026H2 发布，各包含多种配置，Quantum-X 包括 144 个 800Gb/s 端口或 576 个 200Gb/s 端口，总带宽可达到 115.2Tb/s；800Spectrum-X 包括 128 个 800Gb/s 端口或 512 个 200Gb/s 端口，总带宽可达到 100Tb/s，以及 512 个 800Gb/s 或 2048 个 200Gb/s 端口，总带宽可达到 100Tb/s；整个系列核心技术方面包括（1）基于微环调制器的 1.6T 硅光芯片（2）台积电开发的 3D 堆叠光电集成 EPIC 的硅光引擎（3） 高功率，高效率的外置连续激光器（4）可插拔的光纤连接器，综合来看采用 CPO 交换机在数据中心内有望节省几十 MW 的电力。 以 Quantum-X CPO 交换机为例，采用液冷技术，包含多个 CPO 模组，每套模 组包含一个 TSMC 4nm 28.8Tb/s 的 Quantum-X800 ASIC 芯片，6 个可拆卸光学子组 件，每个光组件包含 3 个采用 TSMC COUPE 的 1.6Tb/s 硅光引擎，每个光引擎上 2 路激光输入和 16 路数据通路，光引擎由 8×200G 的硅光微环调制器组成，可实现 3.5 倍功耗节约；外部连接上，交换机端口采用 1152 单模光纤 144 个 MPO 连接器， 采用 18 个搭载 8 个激光器的外置光源 ELS。

（1）光电共封装（CPO）是一种新型的光电子集成技术。光电共封装基于先进 封装技术将光收发模块和控制运算的专用集成电路（ASIC）芯片异构集成在一个封 装体内，形成具有一定功能的微系统。光电共封装技术进一步缩短了光信号输入和 运算单元之间的电学互连长度，在提高光模块和 ASIC 芯片之间的互连密度的同时实 现了更低的功耗，是解决未来大数据运算处理中海量数据高速传输问题的重要技术 途径。

（2） CPO 或带动硅光光引擎、CW 光源、光纤、FAU、MPO/MTP 等需求增 长。CPO 方案通过将光引擎与交换芯片近距离互连，相较于传统可插拔方案具有高 带宽、低延时、低功耗、小尺寸等优点，同时利用基于硅光的光引擎，CPO 使用经 过验证的半导体制造技术和设计工艺实现了高水平的光学和电气设备集成，有望实 现规模化生产、可靠性提高和成本的降低。 从器件构成上来看，相较于采用分立式器件的传统可插拔光模块，主流 CPO 方 案中由于硅光光引擎的引入，除激光器外，大部分已实现了多种光电器件的硅基集 成： 有源器件方面，激光器部分，传统光模块发射部分中的 EML 光芯片功能被解耦 成光源和调制器，目前 CPO 多采用基于 CW 激光器的外置激光光源（ELS），一方面 较 EML 激光器芯片可获得成本上的优势，且减少散热影响，另一方面外置激光器方 案与硅光芯片的耦合带了新的挑战；调制器部分，CPO 中采用集成与硅光芯片上的 硅光调制器，包括马赫-曾德尔调制器（MZM）、微环调制器（MRM）等方案；探测 器部分，传统光模块接收部分中采用分立的 PIN/APD 光电探测器，在 CPO 中同样集 成于硅光芯片上的 Ge-Si 光探测器成主流方案； 无源器件方面，除隔离器和 FAU 连接器外，硅光芯片替代了大部分传统光模块 中的无源器件，传统器件中的透镜和大型组件都被取代，陶瓷、铜等材料用量大幅 降低，晶圆、硅光芯片等电子材料占比提升，价值向硅光芯片、硅光引擎转移，整 体有望进一步实现工艺简化和成本控制，同时硅光器件更高的集成密度带来了芯片 尺寸的大幅缩减，相较于传统光模块具备小型化优势； 电芯片方面，传统可插拔光模块方案中的 DSP、TIA、Driver 等电芯片或被进一 步集成，CPO 中单片 CMOS EIC 有望成为重要发展方向。

从互连架构来看，在电气连接上，通过引入更适合短距离场景 XSR SerDes，实 现对电气接口的优化；在连接零部件上，CPO 相较于传统可插拔方案光互连取代铜 互连，因此在交换机内部引入额外的光纤及光纤连接器，主要包括 ELS-光引擎段、 光引擎-前面板段，同时前面板原光模块的电气接口转为光互连的光纤连接器。

（3）CPO 发展潜力较大，商业落地仍需产业协同

总体来看， CPO 是实现高集成度、低功耗、低成本、小体积的最优封装方案之 一。虽然 CPO 具有显著的潜在优势，但 CPO 目前处于产业化初期，除了技术上的 挑战外，更受集成光学器件的市场接受度、标准和制造能力的限制。作为光通信解 决方案的一环，其发展仍需整体产业链的协同推进。

3.5、 光电共进，铜连接需求逐步提升

3.5.1、 铜互联技术已成为提升数据中心性能的关键要素

针对交换网络，有多重连接方案。在数据中心内部，按照传输介质不同，存在 光纤连接和铜缆连接两大类网络线缆连接方式，常见的光纤连接包括光模块+光纤、 AOC，铜缆连接则主要包含 DAC/ACC/AEC。 按是否内置电子元件以增强信号，铜缆连接可分为无源铜缆（DAC，Direct Attach Cable）和有源铜缆（Active Copper Cable）。 DAC（Direct Attach Cable，无源铜缆）：是一种双绞线网络线缆，用于连接交换 机、路由器和服务器进行组网。不需要外部电源，不内置电子元件增强信号，仅通 过两根导线绞合在一起形成双轴电缆。DAC 不仅满足高速互联的需求，同时几乎不 消耗任何电力，也不产生任何热量，其功耗几乎为零，同时成本相比“光模块+光纤” 更低，适用于超短距离连接，但缺点容易受到电磁干扰的影响。 有源铜缆：在 DAC 基础上加入信号调节芯片后，即形成有源铜缆，分为 ACC 和 AEC。ACC 是一种在线缆的接收端（Rx 端）加入一定能力的线性 Redriver 来提 供信号的均衡和整形的技术，他利用芯片来补偿无源铜缆 DAC 的高频损失，更像是 通过放大拟信号的有源电缆，将传统铜缆的传输距离扩展到更长的应用场景范围。 AEC（Active Electrical Cable，有源电缆）是有源铜缆的细分种类，AEC 通过在线缆 两端加入 Retimer 芯片实现对信号的放大和再生，相比传统的无源直连铜缆 DAC 的 传输距离更长，同时大幅优化了信号质量。

3.5.2、 铜连接技术契合数据中心当前需求

铜缆互联由于不涉及光电转化，因此具有低功耗特点。相比于有源光缆（AOC）， 目前的铜直接连接电缆（DAC）的功耗小于 0.1W，可以忽略不计，有源电缆（AEC） 亦可将功耗控制在 5w 以内，可在一定程度上降低算力集群整体功耗。

成本考量下铜互联性价比突出。在铜缆可触达的高速信号传输距离内，相比光 纤连接，铜连接方案的成本较低，此外，铜缆模组在短距离内可以提供极低延迟的 电信号传输并具有高可靠性，不会出现光纤在某些环境下可能出现的信号丢失或干 扰风险。同时，铜缆的物理特性使得它更易于处理和维护，并且其具有高兼容度并 不需要额外的转换设备。

3.5.3、 伴随接口速率升级，高速铜缆传输速度亦逐步升级

随着数据中心 400G 和 800G 速率网络成为主流，1.6T 升级趋势明确，伴随 Serdes 速率逐步从 56G、112G 向 224G 升级，单端口速率将基于 8 通道达到 1.6T，高速传 输成本有望大幅下降，对应铜缆速率也向着 224Gbps 演进。为解决高速铜缆的传输 损耗问题，AEC、ACC 通过内置信号增强芯片提升传输距离。

3.5.4、 高速铜缆产业链涉及多环节，市场空间广阔

分应用场景来看，铜互联应用场景主要有芯片直出跳线 overpass、服务器内部 线、背板互联线和机柜外部线。具体来看，高速跳线 overpass 可解决数据量激增及 带宽更高时面临的传输问题，可实现 AISC 与背板、ASIC 与 IO 接口及芯片之间的 互连；芯片跳线主要包括 C2B（芯片对背板）线、C2C（芯片对芯片）线、C2F（芯 片对前面板）线；服务器内部线主要包括 MCIO 线、PCIE 线及 SAS 线等等；机柜内高速背板互连指背板和单板之间通过裸线进行互连，机柜外部通过高速铜缆 ACC 连接到服务器 SFP/QSFP 等 IO 端口，再通过服务器内部跳线进行数据传输，或实现 机柜与机柜之间的互联。 外部线可进一步分类为无源 DAC、有源 ACC（Active Copper Cable）和 AEC （Active Electrical Cable），功耗均低于 AOC。以 400G 为例，无源 DAC 使用导电 铜线在两端之间直接连接，不包括有源元件，因此成本最低，传输距离不超过 3 米， 主要用于系统内机架连接，功耗也最低；有源铜缆（ACC）在电缆内部添加了有源 信号驱动器或均衡器芯片，可以补偿铜传输造成的部分损耗，因此传输距离可达 DAC 的 2 到 3 倍，功耗也随之增加；有源电缆（AEC）在电缆内部包含 retimer，可以在 传输开始和结束时清理、去除噪声并放大信号，因此传输距离可达近 10 米，功耗也 高于 ACC，但仍低于有源光缆 AOC。

根据 Light counting 最新预测，有源电缆（AEC）、数模转换器（DAC）和有源 光缆（AOC）市场预计将从 2023 年的 12 亿美元增长到 2028 年的 28 亿美元。AOC 的基数相对较大，预计每年将增长 15%左右。DAC 预计将以每年约 25%的速度增长。 AEC 的基数较小，但预计年均增长率约为 45%。

AEC 产业链主要可以分为以下几个环节：上游环节包含：原材料（铜材料、塑 料材料）供应、芯片制造、铜缆制造、连接器及其组件的生产。中游为 AEC 生产组 装厂。下游环节的终端客户群体涉及多个行业，包括数据中心、高性能计算(HPC)、 消费电子和工业自动化等领域，其中不乏英伟达、华为等知名算力服务器供应商， 以及众多互联网厂商和电信运营商等大型企业。 高速铜缆组件由线材和连接器组成。安费诺以组件形式销售背板线模组、近芯 片跳线以及外部 IO DAC&ACC，高速线材和连接器作为重要原材料可能选择外采或 代工方式。根据华丰科技招股书，高速线缆组件产品工序包括外购线材、智能裁切、 电子布线、导线端头处理、与自制的连接器端接、灌封、包装处理。高速线模组作 为新兴的高速铜连接产品，工艺壁垒较高，以华丰科技的产品为例，工序合计达到 1000 道以上，焊点平均 6000 个以上，每个焊点均需可靠性测试，且位置精度控制在 ±0.005mm，每个工序良率在 99%以上。

编辑：火腿肠