2026年通信行业投资策略报告：聚焦AI算力供不应求和新技术演进，低轨卫星进入景气周期

一、回顾2025年：AI尤其亮眼，板块估值提升

1.1 通信行业行情回顾：通信板块涨幅居首，板块估值明显提升

截至 2025 年 12 月 16 日，沪深 300 指数年涨幅 14.3%，深证成指年涨幅 24.0%，上证指 数年涨幅 14.1%，通信（申万）指数年涨幅 73.0%，通信板块整体跑赢大盘。在申万行业 分类 31 个行业板块中，通信板块年涨幅在申万一级行业中排名第 2。

根据我们梳理的西部通信股票池（包含 258 只股票），剔除三大运营商后，2014 年初以来 通信板块 PE（TTM，整体法，剔除负值）最高值为 110.6 倍，最低值为 22.7 倍，中值为 37.4 倍；PB（整体法，MRQ，剔除负值）最高值为 9.4 倍，最低值为 2.3 倍，中值为 3.8 倍。2025 年以来，通信板块受数字经济和 AI 催化，估值整体呈上升趋势。截至 2025 年 12 月 16 日，根据我们梳理的西部通信股票池（包含 258 只股票），剔除三大运营商后， 行业 PE（TTM，整体法，剔除负值）为 51.7 倍；PB（整体法，MRQ，剔除负值）为 6.2 倍。 近一年多来，该板块估值从 2024 年初开始震荡调整，2024 年 2 月 8 日至 3 月 22 日开启 一波上涨行情，之后进入区间波动状态整体相对稳定，2024 年 7 月中旬后估值再度回落， 2024 年下半年 9 月 24 日后估值加速上涨，2025 年 2-4 月受中美关税战及 AI 板块情绪回 落等因素影响，估值有所回落，4 月初中美关税事件落地后开始持续回升并维持在高位水 平。

1.2 分板块行情：光器件光模块、光纤光缆、通信元器件和温控设备涨幅居前

通信行业深度参与数字中国的数字底座建设，在算力、网络基础设施建设和数据资源体系 建设中都扮演重要角色。通信行业的传统驱动力主要来自运营商和云厂商的资本开支投资， 伴随数字基础设施的完善和下游新兴应用的兴起，通信行业需求驱动力逐步转向商业、工 业、政府、军工等垂直领域；同时通信技术与人工智能、云计算、大数据等新技术相融合 赋能于各行各业，衍生出越来越多新兴产业数字化成长赛道，包括物联网、工业互联网、 军工通信、企业通信、通信+汽车、通信+新能源、卫星应用等。在 AI 浪潮之下，AI 能力 向各行各业渗透，百废待兴，“AI+”的变革仍在持续进行中。立足当下展望，通信行业需 求端迎来三大增量变化，受数字中国建设、AIGC 和出海的同步拉动，供给端受产业升级 和大国博弈共振，呈现技术升级和国产替代两大趋势。

截至 2025 年 12 月 16 日，我们构建的西部通信股票池中 258 家公司整体年涨幅（算术平 均）为 51.1%，其中，涨幅居前的细分板块包括光器件光模块、光纤光缆、通信元器件和 温控设备，板块涨幅均在 80%以上，剩余其他细分板块除电力载波通信、通信终端设备和运营商之外均呈现不同程度的涨幅。 根据西部通信股票池，截至 2025 年 12 月 16 日，涨幅居前五的个股分别是胜宏科技 （+584.9%）、仕佳光子（+484.0%）、新易盛（395.23%）、中际旭创（+349.0%）和源 杰科技（+348.0%）。

二、聚焦AI算力供不应求环节和新技术趋势

2.1 AI算力综述：AI算力迈入新阶段，关注结构性新变化

回顾 2025 年的结构性变化演绎，基本符合西部通信团队发布的《2025 年通信行业投资策 略》中的核心方向性判断：1）变化一：大模型突破“慢思考”能力，预训练之外，后训 练和推理算力需求增加。2）变化二：伴随应用逐步繁荣，多样化推理需求增加，边缘计 算和云计算的协同共生是大势所趋。3）变化三：英伟达通用 GPU 之外，ASIC AI 芯片供 给增加。 2026 年 AI 迈入新发展阶段。AI 大模型能力持续进化，AI 应用持续渗透，AI 算力投入持 续高景气，关于 CAPEX 和行业短期回报之间的剪刀差的讨论较多，AI 算力产业链多个环 节呈现供不应求的紧张态势。整体来看，AI 算力的投入短期仍处于高成长期，应用的商业 闭环变现路径仍在探索和培育中。

2026 年重点关注新结构性变化：

训练算力 vs 推理算力：算力需求结构从训练端向推理端加速迁移。 训练集群向 10 万卡以上规模继续扩展，推理算力需求持续高速增长，推理算力结构占比 持续提升。当万卡集群成为大模型竞赛的 “入场券”，十万卡集群正成为科技巨头竞逐的 新高地，比如 xAI 的 Colossus 集群在 122 天内建成 10 万张 H100 GPU 集群，腾讯 基于星脉网络支持 10 万卡 GPU 计算规模，阿里云灵骏集群拓展至十万卡级别。2025 年年初 Deepseek-V3 的低成本训练推动了推理芯片和推理算力市场的发展，带动市场的关注点从算力规模的扩展进而转向 AI 在特定业务场景下的实际应用表现。

训练和推理需求推动 AI 算力总量有望持续提升，空间足够大。AI 大模型让自然语言成为 有效的人机交互范式，并在知识归纳和处理以及 AIGC 领域呈现出较大的商用价值和社会 价值。训练端，在生成式 AI 技术快速发展和 Scaling Law 奏效背景下，随着大模型参数 量提升，大模型训练需要大量 AI 算力支撑；推理端，伴随模型的成熟和应用的落地，算 力需求的重心向推理转移，未来推理成本的降低有望进一步吸引开发者加入促进生态的繁 荣，继续促进大模型推理侧的算力需求。

训练和推理对算力和显存的需求逻辑不同，通信效率核心服务于整体算力效率的发挥，交 互式人工智能分阶段对数据通信网络产生不同影响。算力的提升从简单的硬件扩展发展为 涵盖算法优化、系统设计、资源调度和网络通信等多个层面的系统优化，数据通信网络是 算力提升的重要支撑。 在 AI 大模型训练阶段，包括前向传播过程和反向传播过程，网络流量主要分为两类：1） GPU 之间同步梯度和中间激活的网络流量，发生于所有 GPU 之间，主要因为当模型的参 数规模超过单个 GPU 的内存，采用 GPU 集群协同计算时，需要 GPU 之间相互通信以交 换信息，这类信息包括参数/梯度、中间激活值等；2）GPU 和存储服务器之间的流量，主 要因为当庞大的数据集被所有 GPU 共享时需要集中存放到远端的存储服务器中通过网络 调用，以及定期保存的参数和优化器状态也需要通过存储服务器共享。在大模型训练阶段， 计算需求与模型参数量和数据量直接相关，显存需求与模型参数、模型梯度和优化器有关。 例如，以 175B 模型为例，以 FP16 精度计算，模型参数需要 350GB 显存，模型梯度需 要 350GB 显存，优化器需要 2100GB 显存，合计约 2800GB 的显存规模，超出单卡显存 极限，硬件集群分布式训练是必然选择。

在 AI 大模型推理阶段，只有前向传播过程，网络流量主要分别两类：1）每次推理在 Prefill （预填充）GPU 和 Decode（解码） GPU 之间传递 KV 缓存，因为预填充阶段和解码阶段对 GPU 需求不同，可以用 Prefill-Decode 解耦的方式，由两个不同类型的 GPU 分别承 担两个阶段的计算任务，因此就需要在两个阶段间传输 KV 缓存；2）Prefill GPU 集群和 Decode GPU 集群分别实施张量并行，产生的中间激活的传递，因为大模型推理时虽然模 型经过了压缩，但模型尺寸仍可能超过单个 GPU 的内存，因此需要张量并行加速推理过 程。在大模型推理阶段，推理计算需求与模型参数量和数据量直接相关，相较训练阶段不 需要反向计算过程，计算需求比训练阶段少。推理显存需求主要受模型参数量大小和推理 过程中的 KV 缓存影响。推理过程中需要频繁访问显存，通信带宽规格是影响推理速度的 核心因素。在推理时可以选择多卡推理，做张量并行切分时，训练卡可以用于推理业务。

Capex 投资方结构：头部云厂格局稳定，二线云厂加入。 大模型公司是 AI 算力的核心消耗方。随着大模型新版本迭代，大模型格局在过去一年持 续演变。ChatGPT 的领先地位仍较为显著，但其份额在持续下滑，主要由于竞争对手 Grok、 DeepSeek、Claude、Gemini 等持续迭代，加剧市场竞争；用户需求逐步从“通用聊天” 向“专业场景”迁移，如搜索、写作、低成本 API、多模态能力等；开发者群体出现迁移， DeepSeek（低价 API）和部分开源模型让部分开发者逐渐分流。Gemini 份额增长亮眼， 得益于 Nano Banana 的出圈以及 Gemini3.0 的万众期待。

AI 云厂商是 AI 掘金浪潮中的“卖水人”。全球 AI 云厂商格局呈现出头部云厂占主导，二 线新云厂加入的局面，北美 AI 投资呈现加速态势。AI CAPEX 的主要投资方以头部 CSP 厂商为主，美国加密矿企纷纷转型加入云厂商阵营。2025Q3 北美五大 CSP 厂商的 capex 合计为 1209.7 亿美元，同比增长 83.6%，同比增速呈现加速态势。

根据 Gartner 的魔力象限，达标的大模型开发平台必须具备六大硬件条件，即对话助手、 智能体调用、多模态功能、支持代码框架、自带基础模型、防护栏。Google、Amazon、 Microsoft 三大云厂商位居“领导者”象限，中国云厂商火山引擎、阿里云、腾讯云位居 “挑战者”象限，美国多家挖矿企业转型 AI 算力云赛道，CoreWeave 是代表型厂商，位 居“细分者”象限。OpenAI 在基础模型和消费级应用等领域的能力行业领先，但在 AI 云领域目前进展居后，位于“远见者”象限。

算力网络架构：scale out 之外，scale up 和 scale across 带来增量。 Scale up 和 Scale across 是 Scale out 之外的增量场景，有助于在同等芯片数量规模的 算力集群中，增加网络连接层数和价值量，提升光模块与 GPU 芯片的数量配比关系和价 值量配比关系。其背后的核心逻辑在于单颗芯片晶体管扩充的迭代难度逐步提升后，算力 集群的拓宽会更依赖于卡间互联能力和规模的增强。 Scale up 新场景的核心驱动主要来自超大规模 AI 模型需要大量的内存资源，而单张 GPU 难以提供足够的计算能力和内存资源，因此 AI 算力集群需要利用 Scale up 网络连接多张 GPU 形成一个巨大的计算单元，允许该计算单元中的各个 GPU 直接访问其他 GPU 的存 储器，形成一个虚拟的大内存池来供模型使用。内存的互访对延迟要求极高，内存访问时 延一般需要低于 100ns，这对于 Scale-up 中的网络设备和协议提出了极高要求，NVL72 方案中采用铜缆直连来降低时延，后续当算力卡数量进一步增加，则需要高速光连接来解 决大规模超节点内部的远距离互联问题。 Scale aross 新场景的核心驱动主要来自分布式数据中心训练需求的崛起，其背后原因主 要是单一数据中心扩展到一定规模后，受限于能源供给局限或土地、环境的局限，远距离 的跨区域数据中心并行训练成为解决路径之一。伴随相干技术和交换、传输网络的技术升 级，NVIDIA 在 2025 年中提出 scale across 的解决方案，说明了分布式数据中心训练需 求的迫切性以及技术的可行性。海外 DCI 市场光通信解决方案龙头公司 Ciena 也在财报 中披露其交付落地 scale across 项目的实践。

算力芯片结构：GPU 持续升级，ASIC 芯片放量，国产算力加速崛起。 超大规模厂商（AWS、谷歌、Meta 和微软）自研 AI ASIC 芯片逐步成熟，进入量产阶 段。比如，谷歌的 TPU、Meta 的 MTIA、微软的 Maia、亚马逊 Trainium2 等。虽然芯片 开发成本高昂，但使用定制的芯片可以提高运营效率，减少向用户提供 AI 服务的成本， 并降低用户使用新 AI 应用的成本。随着 AI 市场从开发转向部署，大厂自研 AI 芯片的趋 势将会持续。 大厂积极参与自研 AI 基础设施，或推动数据通信网络的技术创新。如 AWS 设计的 Trainium2 集群是一个训推一体的集群，在 scale up 设计中充分考虑到实例要拆散了卖的 需求，一个64卡的Trn2-ultra服务器也可以拆成4个16卡机器或单卡进行售卖。如Google 的 TPUv4 集群基于 OCS 光交换机的可重构能力，根据售卖实例和线上故障来构建 TPU 拓扑。 国产算力芯片崛起，尤其在推理算力能力上逐步缩小与海外主流算力芯片的差距。国产算 力正通过技术突破、生态建设与产业链协同发展不断提升整体能力，以华为昇腾为代表的 国产芯片迭代加快，通过“超级节点”集群和多卡互联实现系统级算力突破，同时开放生 态吸引更多企业加入，形成自主可控的算力基础设施体系。

2.2 光互联：关注供不应求环节、新技术趋势

2.2.1 供不应求环节：光模块、光芯片、法拉第旋光片

在 AI 算力需求持续高速增长的背景下，AI 算力产业链上游多个环节出现供不应求的供应 瓶颈。光模块的核心组成部件包括光芯片、电芯片、无源光学元器件、PCB 及外壳等结 构件。木桶效应的短板主要在于扩产周期长、响应速度慢或扩产壁垒高的环节，光芯片和 个别的无源光学元器件（如隔离器上游的法拉第旋光片）扩产效率相较较低，或成为影响 光模块顺利交付的核心掣肘，因此导致中游的光模块厂商无法及时满足下游提货需求。 对于光模块厂商来说，供应链的保障及时交付能力和自身多元的产品方案布局是其解决供 不应求问题的核心竞争力。其交付能力会受上游任一环节卡壳的影响，其竞争格局和业绩 兑现也会受其解决供给程度的影响。

对于光芯片厂商来说，关注二线厂商份额突围机会。供给端 EML 原材料供应短缺，200g EML 供不应求，硅光方案作为重点的产能供给补充，带动 CW 光源及硅基调制器的需求。 CW 光源的原材料也是和 EML 同源的 LnP（磷化铟）。EML 是在磷化铟衬底上，通过复 杂的外延生长，一次性集成激光器（DFB）和电吸收调制器（EAM）。高纯度、低缺陷的 单晶 InP 锭制备难度极大，需要高压液封直拉（LEC）法等特殊工艺，良率控制难度和成 本远高于硅晶圆，供给相对紧缺。衬底环节，全球仅少数几家公司（日本住友电工、美国 AXT（中国子公司：北京通美晶体）、美国 American Elements 等）能稳定提供通信级高 品质 InP 衬底，形成了天然寡头垄断格局。外延片环节，技术壁垒较高，需要在 InP 衬底 上精确生长出数十层、每层仅几纳米厚的不同材料（如 InGaAsP/InGaAlAs）量子阱结构， Coherent、Lumentum 和日本三菱电机垄断。 对于隔离器及其上游法拉第旋光片环节来说，核心关注供不应求环节带来的国产替代或涨 价溢价机会。光隔离器作为光通信的核心无源器件，主要组件包括偏振片和法拉第炫光片， 通过法拉第磁光效应实现光的单向传输。隔离器上游原材料法拉第旋光片市场格局呈现高 度集中、国际主导和国产化加速并存的特点。根据东田微投资者交流公告，法拉第旋光片 目前其全球供应链以国外厂商为主导，国内具备制备能力的厂商较少，受下游高速光模块 需求显著增加的影响，整体市场供需关系处于紧张状态。

2.2.2 新技术趋势：1.6T、硅光、OCS、CPO

AI 算力投资驱动光模块行业技术迭代加速，具备技术领先地位、供应链更高话语权及更 强批量交付能力的公司有望更充分享受行业红利。2026 年重点关注光模块速率向 1.6T、 硅光、OCS、CPO 等新技术趋势带来的新机会。 1.6T 光模块：2026 年进入大规模批量化生产交付阶段，节奏取决于英伟达 GB200 及下 一代芯片的推进速度和 1.6T 端口的交换机的批量化商用速度。2025 年，北美市场 800G 光模块需求旺盛，行业加速从 400G 向 800G 升级，1.6T 光模块需求初步批量化交付。头 部公司在 1.6T 光模块的产品验证进度和批量化交付进度上具备行业领先优势，有助于其 率先享受产品升级带来的盈利能力提升红利和格局聚拢效应。 硅光：硅光光模块渗透率在 800G、1.6T 产品中有望加速渗透，缓解光模块上游物料供给 紧缺瓶颈，并提升具备自研芯片能力的光模块公司的盈利能力。一方面，硅光光模块凭借 高集成度、低能耗、低成本的优点，逐渐受到终端客户认可，另一方面，在 EML 方案原 材料短缺下，硅光方案成为重点产能供给补充。重点关注在 CW 激光器、硅光光模块环节 的领先厂商。

OCS：谷歌之外的其他大厂开始考虑采用 OCS 方案，未来出货量有望高速增长。十多年 前谷歌就在其计算节点和 AI 集群中使用 OCS，Nvidia 和 Microsoft 等大型 AI 厂商也开始 关注 OCS。OCP 联盟（开放计算项目）在 2025 年 8 月成立了 OCS 项目组，谷歌、微软、 Meta、英伟达等巨头共同推动技术开放和标准化。OCS（Optical Circuit Switch，光路交 换机）是直接实现光信号在光纤端口间切换的交换设备。其技术原理核心在于直接对光信 号本身进行物理路径的重构，从而在任意输入/输出端口之间建立一个专用的、端到端的光 路，形成光交换矩阵，整个过程无需进行传统交换机所需的光-电-光的转换。 OCS 具备低插入损耗、低功耗、高兼容性、可跨代际重复利用等有优点，目前多种 OCS 技术路线并行突破：MEMS 方案、数字液晶方案、DLBS 方案及光波导方案。我们认为， 谷歌是目前率先进行“万台级”规模部署 OCS 光交换机的厂商，其应用集中于两条主线： AI 训练（TPU 集群）和数据中心云网络的 Spine 层（Jupiter/Apollo）。近期，谷歌 Gemini 登上 App Store 免费榜榜首，并宣布对外出售 TPU，大模型能力提升、硬件自研能提升及 商用落地的闭环逐步走通，有望拉动其 TPU 使用数量和相配套的 OCS 交换机需求加速增 长。伴随 OCP 主导的 OCS 项目组成立，OCS 生态圈进一步扩大，iPronics、Lumentum、 Coherent、谷歌、Lumotive、微软、nEye、英伟达、Oriole Networks 及 POLATIS （HUBER+SUHNER）等企业作为创始成员，有望合力助推 OCS 产业加速发展。

CPO：重点关注具备产业链卡位优势的厂商和新增环节。英伟达今年年初宣布其下一代机 架级 AI 平台将融合两大关键技术——硅光子互连技术与共封装光学器件（CPO）。其中， 硅光子技术凭借光子传输的高速特性提升数据交互效率，CPO 则通过将光学引擎与芯片 封装集成，减少信号损耗，两者结合旨在同时实现更高的传输速率与更低的功耗，为 AI 集群的高效运行提供底层支撑。在今年举办的 Hot Chips 大会（国际高性能芯片领域重要 会议）上，英伟达进一步披露了该方向的技术落地细节，重点发布了下一代 Quantum-X 和 Spectrum-X 两款光子互连解决方案的更多参数与功能信息。同时，官方明确了这两款 解决方案的上市时间节点——计划于 2026 年正式推向市场，标志着英伟达在 AI 集群光互连领域的技术布局已进入商业化落地的关键阶段。CPO 作为新技术趋势，其大批量商用 化仍存在较多挑战，英伟达的积极部署促使业界看到趋势可能加速推动的可能性。从 CPO 的应用前景来看，除了 scale out 场景之外，scale up 场景中的柜间互联也是 CPO 的核心 应用场景。从产业链环节来看，根据英伟达 CPO 版本的 Quantum 3400 X800 IB 交换机 内部结构设计，涉及的组成部分包括 CW 激光器、FAU、光引擎、芯片层面的基板和封装 供应商等，相较传统可插拔光模块的使用，光纤分纤盒（shuffle box）是新增环节。

2.3 液冷：加速赛道，出海0到1

服务器液冷冷板市场处在历史性的重要拐点，有望迎来在 AI 算力场景中的渗透率加速提 升。随着算力密度的提高，算力设备、数据中心机柜的热密度都已显著提高，加快了液冷 技术的导入。NVIDIA、AMD 和 Intel 等公司的高热设计功耗（TDP）GPU 和 AI 加速器的 普及，是推动算力液冷市场增长的重要因素。英伟达已在其 GB200 平台中将液冷作为标 准配置，相比 H 卡平台，为液冷市场的加速渗透提供了直接驱动。

需求端，北美、东南亚和中国都是液冷市场的重要承载地，尤其是北美算力市场。 供给端，冷板式液冷方案商当前以中国台湾和美国厂商为主导，未来国产厂商有可能实现 0 到 1 及 1 到 n 的突围。 国内的液冷市场为国产厂商的能力培育奠定了基础。冷板式液冷系统的国内需求主要来自 国内新建液冷数据中心和存量数据中心机房温控系统改造需求，冷板式液冷系统的需求跟 液冷服务器的需求紧密联系，未来几年需求端有望保持高速增长。 中国厂商积极前往东南亚布局算力，有望带动国内算力产业链上的设计、施工、温控设备 厂商顺势出海。根据《2025 东南亚数据中心液冷发展白皮书》，东南亚数据中心市场正迎 来“存量扩容”+“增量扩张”的双轨发展态势。马来西亚等东南亚国家已开始大规模部 署、应用高功率 AI 液冷服务器，液冷方案迅速普及。根据 DCMAP 的调研和相关业内人 士访谈：液冷技术在东南亚新建数据中心的渗透率目前已达到 50%左右，未来将继续增长。 国产厂商有望直接或间接地参与到 GPU 或 ASIC 芯片所配套的液冷方案供应名单。服务 器液冷板方案的供应端当前格局相对集中，主要由奇鋐科技（AVC）、双鸿科技（Auras）、 酷冷至尊（Cooler Master）、CoolIT Systems 和博伊德公司（Boyd Corporation）五大公 司占据大部分份额。伴随市场规模的快速膨胀，以英维克为代表的更多中国国产公司已经 初步显露出突围打破格供应格局的潜力。

冷板式液冷系统的设计主要包括一次侧和二次侧的相关设备。一次侧设备主要由室外机等组成，负责通过冷却液体与发热部件的热量进行相互交换，降低冷却液的温度。二次侧设 备组成部分主要包括冷却液分配单元（CDU）、manifold、二次侧管道、快插接头、冷却 工质/冷媒等，负责完成发热部件与冷却液体热量的交换，液体升温带走部件热量。通过一 次侧和二次侧的结合，实现了冷板式液冷系统的整机液体循环，进而达到 IT 设备散热的 目标。

2.4 AIDC：出海、行业格局优化及新REITs发布或成2026年看点

我国在用标准机架规模连续多年实现稳步增长，2024 年末超 900 万架。2017 到 2024 年 我国在用机架规模稳步提升，2024 年在用算力中心标准机架数超 900 万架，7 年间年均 复合增长率近 23.35%，展现出强劲的发展韧性。早期（2018-2019 年）同比增长率超 35%， 反映出数字经济快速发展驱动下，算力基础设施建设呈高速增长；2020 年后仍保持超 20% 的年均增速，行业逐步进入稳健增长阶段；2024 年同比增长 11.11%，或因基数扩大以及 行业对算力资源进行优化整合。整体来看，我国算力基础设施建设规模稳步提升，为数字 经济发展提供坚实支撑的同时，也在不断优化结构，向高质量发展迈进。

2.5 超节点一体化设备：集成解决方案附加值提升，关注通信芯片和设备商

超节点由核心计算节点、高速互联网络和辅助保障模块构成。超节点（SuperPoD）是英 伟达提出的，通过 Scale-up（纵向扩张）网络将多张算力卡（XPU）相互连接的超级服务 器。

计算节点主要包括 CPU、GPU 或者其他类型的 ASIC，完成加速计算的功能，附加交 换和网络模块实现与其他节点互联。

交换节点和光互联、铜互联都属于高速互联网络的范畴。交换节点主要包括核心交换 芯片和接口等，实现各节点间数据的高效路由连接。Scale-up 网络目前主流方案可分为铜缆互联和光纤互联两大类，其直接影响超节点系统的功耗、散热、成本、规模、 可靠性和可维护性等关键指标。

辅助保障模块包括用于解决超节点高密度计算带来的散热、供电、运维等问题，保障 系统稳定运行。

整机柜侧：硬件厂有望通过整机柜一体化交付方案提升附加值。在 scale-up 网络场景， 端到端延迟、带宽利用率、拓扑确定、流量模式都与传统数据中心网络（即 scale-out） 有很大不同，硬件（芯片、SerDes、交换 ASIC 等）与软件（操作系统、网络协议栈、 RDMA、流量控制等）必须紧密配合才能够实现 Scale-up 网络的苛刻要求。 芯片侧：定制 Scale-up 高端交换芯片需求有望增长，交换芯片、接口芯片以及以太网交 换机厂商有望受益。超节点集群内计算芯片的模型并行、参数同步等功能均需要高带宽、 低时延的点对点通信，交换芯片负责在输入输出节点之间路由流量、切分和合并路径，因 此 交 换 芯片 （ Switch ASIC ）的 设 计性 能和 交换 带 宽 要求 较高 。 如英 伟 达 自研 Nvlink/NVSwitch 芯片负责 GPU-GPU 的节点内部高速互联，亚马逊通过其 NeuronLink 芯片实现 C2C 互联等。 据 Lightcounting，Scale-up 交换机市场将快速增长，2025 年市场规模近 57 亿美金， 2025-30 期间 5 年 CAGR 预计为 26%。从 Lightcounting 的统计表明，无论是在 Scale-up 或是 Scale-out 网络，以太网将会是 GPU/ASIC 网络的主要技术路线之一。

三、关注低轨卫星进入景气周期

我国商业航天产业已是国家力量重点支持方向，产业向上趋势坚定且持续。太空基建已成 为大国战略必争之地，航天产业是包括低轨卫星互联网星座在内的太空基建的唯一“运输 通道”，国家推动产业发展的决心坚定且紧迫性强。我国航天事业有望发展成为“国家航 天力量”+“商业航天力量”的双轮驱动格局，步入“十五五”，产业链将进入提速拐点。

“十五五”规划建议，在“建设现代化产业体系，巩固壮大实体经济根基”部分，提 出“加快建设制造强国、质量强国、航天强国、交通强国、网络强国”，航天强国在 文件中排序前列，政策重视程度突出。

在 11 月 25 日国家航天局发布的《国家航天局推进商业航天高质量安全发展行动计划 （2025—2027 年）》中提到将商业航天纳入国家航天发展总体布局，到 2027 年，商 业航天产业规模显著壮大，基本实现商业航天高质量发展。

据新华网，11 月国家航天局下新设商业航天司，标志着我国商业航天迎来专职监管 机构，为后续商业航天产业高质量可持续发展提供坚实保障。

朱雀三号首飞，我国商业航天产业拉开序幕。2025 年 12 月 3 日，朱雀三号启动首飞，圆 满完成入轨飞行任务。同时，在一子级垂直回收技术的飞行验证中，一子级成功经受住了 可回收技术中最具挑战性的“超音速再入气动滑行阶段”。在经历最大动压等严苛考验下， 箭体结构热防护、总体气动布局以及姿态控制系统均表现稳定。火箭在再入点火段、气动 滑行段基本实现对着陆场坪回收点的高精度制导控制，验证了冷气反作用控制系统、栅格 舵联合复合控制策略和制导算法的正确性，为后续回收试验积累了宝贵经验。

卫星+算力为空间数据处理提供多种可能。2025 年 5 月，我国“三体”计算星座首批 12 颗卫星成功发射入轨，该星座搭载了 80 亿参数的天基模型，首次将算力部署至太空环境。 当前受限于星地通信效率，仅有不足 10%的数据能够被有效利用，未来通过“三体”星座的星间大容量激光通信设备、太空服务器网络等系统，能够实现同轨、异轨甚至其他星座 的数据传输和处理，降低太空信息处理和传输门槛。此外，北京市支持研发的首个算力星 座将发射首颗算力试验卫星——“辰光一号”，截至 25 年 11 月，该卫星已完成产品研制， 正在开展总装试验。

行业空间广阔，将迎高增速黄金发展期。从星座规划来看，据你好太空公众号统计，中国 目前在册的卫星星座共计 100 个，其中包括商业航天项目 88 个，国家级战略工程 12 个。 仅表中前五大星座规划总数已接近 5 万颗，假设单颗卫星重量为 400kg（参考微小卫星重 量在 100-500kg 区间），其建网所需运力达 2 万吨，由于低轨卫星寿命在 5 年左右，假设 远期成熟星座年均卫星替换量约在 10%左右，即远期替换运力需求为 2000 吨/年。

我们以垣信卫星的火箭招标价格 5 万元/kg，以及 SpaceX 猎鹰 9 号约 2 万元/kg、星舰 0.7 万元/kg（目标）为近/中/远期的价格参考，预计未来五年我国低轨星座建设将带来 1011 亿元的火箭运力增量市场，该新增市场的年复合增速为 82%。

低轨卫星制造产业也将形成千亿元的超大增量市场。参照上述组网进度，以目前单颗低轨 卫星造价 3000 万元计算，低轨卫星制造产业有望在未来五年贡献约 2074 亿元的增量市 场，该新增市场的年复合增速为 95%。

编辑：火腿肠