【四海读报】20251016：AI算力跟踪深度（四）

AI算力跟踪深度（四）：怎么看算力的天花板和成长性？

【原报告在线阅读和下载】：20251016【MKList.com】AI算力跟踪深度（四）：怎么看算力的天花板和成长性？ | 四海读报

【迅雷批量下载】：链接：https://pan.xunlei.com/s/VOXJ23RJHhoECPL5FRrVathfA1     提取码：umqb
【夸克批量下载】：链接：https://pan.quark.cn/s/fe42cc605010   提取码：j4Vv

1. 一段话总结

本报告（东吴证券2025年10月15日发布）指出，AI算力相比4G/5G具备更高天花板与更快成长性：AI以“算力-模型-应用-数据”飞轮驱动乘法式扩张（OpenRouter平台Token消耗量一年增长28倍），行业天花板由可智能化任务空间决定，而4G/5G受频谱、站址等物理约束呈加法式增长；AI投资滚动式兑现（H100单卡回收期约400天，4G/5G需8-10年），且技术迭代速度更快（GPU12-18个月一代，4G/5G代际跨越6-10年），通过“年更+软硬协同”打破传统量价周期；未来随着Genie 3等新需求涌现，算力需求将持续提升，建议关注光互连（中际旭创、新易盛）、交换机（锐捷网络）、铜互连（兆龙互连）等标的，风险主要来自算力需求、客户份额、研发落地不及预期及行业竞争加剧。

2. 思维导图（mindmap）

3. 详细总结

一、报告基础信息

二、AI算力 vs 4G/5G：核心差异对比

1. 天花板：AI呈“乘法式”扩张，4G/5G受物理约束

AI与4G/5G在增长逻辑、边界约束及需求规模上存在本质差异，具体如下表：

2. 兑现速度：AI“边部署边变现”，4G/5G回收期长

AI算力通过按量计费、高利用率实现快速回本，而4G/5G受重资本、慢变现制约，具体差异如下：

3. 技术迭代：AI“12-18个月/代”，4G/5G周期长

AI算力通过高频迭代打破传统量价周期，4G/5G受标准与产业链约束迭代缓慢：

三、AI算力成长性支撑：技术迭代与新需求

1. 技术迭代：硬件与互连持续升级

• GPU迭代：英伟达平台从Hopper（2022）→Blackwell（2024）→Rubin（2026），每代算力提升2-3倍，HBM容量从80GB（H100）→192GB（B100）→384GB（Rubin）。

• 互连升级：

  • NVLink：版本从4.0（3600Gb/s）→5.0（7200Gb/s），带宽翻倍，支持多GPU集群高效协同。
  • 光模块：迭代周期从3-4年缩至1-2年，800G成为当前主流，1.6T 2025年起上量，LPO技术使功耗减半（7.5W vs 15W）。

• 存储升级：HBM3E（2024Q2上量）→HBM4（2025年量产），带宽从1.1TB/s→2.0TB/s，满足大模型上下文需求。

2. 新需求催生：杰文斯悖论持续演绎

当算力成本下降、可用性提升时，开发者会提出更复杂需求，推动算力需求跨数量级增长：

• 模型复杂度提升：GPT-MoE 1.8T参数模型推理需GB200集群支持，单GPU性能较H200提升30%+。
• 多模态应用：Genie 3等生成视频模型需算力较文本模型提升100-1000倍，当前算力仍无法满足大规模商用。
• 行业渗透：AI在工业、医疗、自动驾驶等领域的深度应用（如实时质检、精准诊疗），催生增量算力需求。

四、投资建议与风险提示

1. 投资建议：聚焦三大方向

2. 风险提示

• 算力需求不及预期：若云厂商资本开支放缓或AI应用落地滞后，将导致算力硬件需求下降。
• 客户份额不及预期：光模块、交换机等领域竞争加剧，标的公司在客户处份额可能低于预期。
• 产品研发落地不及预期：1.6T光模块、LPO技术等研发进度滞后，影响业绩释放。
• 行业竞争加剧：新进入者增多导致价格战，挤压利润率（如光模块ASP年降超10%）。

4. 关键问题

问题1：AI算力“乘法式扩张”的核心逻辑是什么？相比4G/5G的“加法式增长”，其在天花板上的本质差异体现在哪些方面？

答案：

• AI算力“乘法式扩张”的核心逻辑：AI以“算力-模型-应用-数据”飞轮驱动——算力提升支撑更大规模模型训练（如GPT-MoE 1.8T参数），模型能力增强催生多模态应用（文本→图像→视频），应用落地产生海量数据反哺模型迭代，形成正反馈，使算力需求呈指数级增长（如OpenRouter平台Token消耗量一年增长28倍）。

• 与4G/5G天花板的本质差异：

  1. 增长约束不同：4G/5G受物理边界限制（频谱资源有限、站址建设受地理/功耗制约），收入由“基建CAPEX+用户ARPU”加法决定，TAM收敛（国内运营商CAPEX 2022年见顶）；AI算力无物理约束，天花板由“可智能化的任务空间”决定（如工业质检、自动驾驶等未饱和场景），随技术迭代持续上修。
  2. 产出价值不同：4G/5G产出“连接与流量”，价值随用户数/设备数线性增长；AI产出“智能”，作为生产要素与数据、劳动力相乘提升全要素生产率，单算力单位创造的经济价值远超流量（如AI质检效率较人工提升10倍）。
  3. 市场规模不同：2030年AI基础设施规模预计3-4万亿美元（英伟达预测），全球直接AI市场CAGR 35.9%；4G/5G全球市场增速不足5%，且受折旧、能耗制约，长期增长乏力。

问题2：AI算力投资“滚动式兑现”的具体体现是什么？其回收期远短于4G/5G的关键原因有哪些？

答案：

• AI算力“滚动式兑现”的具体体现：AI算力投资无需等待全量覆盖，可“边部署边变现”——云服务商按GPU卡时计费（如AWS p5.48xlarge $3.933/GPU·h），设备上线即产生现金流；同时，高算力需求使GPU利用率维持90%+，提前锁定RPO（如甲骨文RPO同比增359%），快速摊薄前期投入。

• 回收期短于4G/5G的关键原因：

  1. 变现模式差异：AI算力采用“按量计费”，单卡收入高（H100单卡年营收约2.6万美元），回收期约400天；4G/5G采用“订阅制”，ARPU提价受限（高收入市场年增1%），且需承担频谱拍卖成本（如德国5G频谱竞拍65.5亿欧元），回收期长达8-10年。
  2. 资产生命周期差异：AI算力核心资产（GPU、光模块）生命周期2-3年，迭代快且残值高；4G/5G核心资产（基站、光纤）生命周期8-10年，折旧压力大，且需二次建设（如5G-A）拉长回收周期。
  3. 用户渗透差异：AI产品（如ChatGPT）3年获8亿用户，获客成本低且付费转化率高（企业版ARPU超1000美元/月）；4G/5G用户渗透依赖终端替换（如5G手机渗透率达80%用了5年），用户付费意愿弱。

问题3：AI算力技术迭代如何打破传统硬件“量价周期”？未来哪些技术方向将进一步支撑算力成长性？

答案：

• AI算力打破传统量价周期的机制：传统硬件（如4G/5G基站）呈“量增价跌”周期（建设初期量增、后期价跌幅度大于量增）；AI算力通过“12-18个月高频迭代+软硬协同”，在旧代产品价格下行前，以“新代际价值锚”重定价——例如：

  1. GPU迭代：英伟达Blackwell（2024）较Hopper（2022）算力提升2倍，单卡价格提价30%+，同时旧代H100因需求旺盛仍维持底价（无大幅降价）。
  2. 互连升级：光模块从400G→800G→1.6T，每代产品在量增前先实现价涨（800G光模块均价较400G高50%），龙头毛利率稳步提升（中际旭创2025Q2毛利率40%+）。

• 支撑未来算力成长性的技术方向：

  1. 硬件升级：GPU向Rubin平台（2026年）演进，HBM4容量达384GB，算力较Blackwell提升2-3倍；异质集成（TFLN-on-SiPho）实现单通道400G，支撑3.2T光模块商用。
  2. 互连优化：LPO技术进一步降功耗（从7.5W→5W），CPC替代PCB走线减少信号损耗，NVLink 6.0带宽突破10000Gb/s，提升集群协同效率。
  3. 新需求技术：针对Genie 3等视频模型，开发专用AI芯片（如视频生成加速卡），降低单位算力成本，推动多模态应用规模化落地。