AI 算力跟踪深度报告总结

一、AI 算力的天花板与成长逻辑

（一）行业天花板更高：乘法式扩张 vs 加法式增长

1. 增长逻辑差异：AI 算力由 “算力 – 模型 – 应用 – 数据” 飞轮驱动，核心产出 “智能” 可与多生产要素相乘，OpenRouter 平台 Token 调用量过去一年增长 28 倍，呈指数级扩张；4G/5G 受频谱、站址等物理约束，流量消耗量 2013-2024 年 CAGR 约 61.1%，为 “加法式” 增长，边界受人口、设备数限制。
2. 市场空间差异：AI 天花板由可智能化任务空间决定，能重构各行业流程催生新价值链，理论上 “无界”；5G 连接上限虽高，但国内三大运营商 CAPEX 呈 “建设 – 消化 – 再建设” 周期（4G 建网 2013-2016 年见顶，5G 2020-2022 年高位趋稳），TAM 随物理资源饱和收敛。
3. 规模预测：北美四大云厂 CAPEX 持续高增，英伟达指引 2030 年全球 AI 基础设施规模或达 3-4 万亿美元；rand View Research 预测 2030 年全球直接 AI 市场规模 1.8 万G亿美元，2025-2030 年 CAGR 35.9%，远超通信行业增速。

（二）投资兑现更快：滚动式变现 vs 长周期回收

1. 4G/5G 的痛点：“先覆盖后变现” 模式导致 CAPEX 前置，频谱拍卖成本高（如德国 2019 年 5G 频谱竞拍 65.5 亿欧元），ARPU 提升受限（GSMA 预测 2030 年高收入市场 ARPU 年增仅 1%），回收期长达 8-10 年。
2. AI 算力的优势：
   • 即时变现：算力按秒 / 小时计费（如 AWS p5.48xlarge 折算 $3.933/GPU・h），上线即产生现金流，无 “覆盖滞后” 问题。
   • 快速回本：单张 H100 GPU（约 3 万美元）在高利用率下 400 天可覆盖成本，回报周期 2-5 年，远短于通信基建。
   • 用户渗透快：ChatGPT 上线 3 年用户近 8 亿，互联网达同等规模需 12-13 年，用户金字塔（免费→订阅→企业版）与网络效应加速成本摊薄。

二、技术迭代优化价格与需求周期

（一）打破传统硬件量价周期：高频迭代 + 软硬协同

1. 迭代速度差异：4G/5G 按 3GPP 标准推进，单次 Release 需 18-24 个月，代际跨越 6-10 年（如 LTE→5G 间隔 10 年）；AI 算力 “年更 + 软硬协同”，GPU 迭代缩至 12-18 个月（英伟达 Hopper→Blackwell→Rubin 平台衔接），NVLink 5.0 带宽达 7.2Tb/s（较 4.0 翻倍），HBM3E 2024Q2 上量、HBM4 2025 年量产，存储与互联同步升级。
2. 价格逻辑重构：传统通信硬件呈 “量增→价跌→利润率承压” 周期（如 5G 基站 ASP 随招标竞价年降）；AI 算力价格由 “新旧代际价值差” 驱动，新代际（如 Blackwell）具提价能力，旧代际因供需紧张有底价支撑，头部厂商通过长期协议锁定 HBM、先进封装产能，竞争格局更稳定。

（二）技术迭代催生新需求：杰文斯悖论持续演绎

1. 需求创造机制：算力成本下降后，开发者会以更复杂模型为新基准（如提升参数量、上下文长度），模型架构优化虽可能降低单次算力需求，但新场景（如 Genie 3 生成视频模型）需跨数量级算力，形成 “算力越便宜→需求越旺盛” 的杰文斯悖论。
2. Scale Up 网络需求激增：推理场景中，单用户 TPS 与 GPU 性能提升推动超节点规模非线性增长（符合公式S=aGbUc，b、c>1），需更高信号密度与能效，LPO 光模块（功耗 7.5W，较 DSP 减半）、CPC 连接、TFLN-on-SiPho 异质集成等技术成为关键，支撑光互连、交换机等配套环节成长。

三、投资建议与风险提示

（一）投资标的

1. 光互连：中际旭创、新易盛（高端光模块龙头）、天孚通信（光器件）、光库科技（相干组件）、长芯博创、仕佳光子、源杰科技、长光华芯、太辰光。
2. 交换机：锐捷网络、盛科通信（AI 数据中心交换机）。
3. 铜互连：兆龙互连、中际旭创（高速线缆）。

（二）风险提示

1. 需求不及预期：下游云厂、AI 企业算力投入放缓，导致硬件需求下降。
2. 客户份额风险：头部厂商在云厂供应链中份额低于预期，影响业绩。
3. 研发落地滞后：LPO、HBM4 等关键技术量产或客户认证延迟。
4. 行业竞争加剧：光模块、交换机等环节新玩家进入，引发价格战。