新一代信息產業圖譜丨AI時代漸近，這些賽道將迎“高光時刻”

AI（人工智能）、物聯網、6G、半導體、信創……以新一代信息技術產業為主的科技賽道蓬勃發展日新月異，也誕生出一些極具空間、值得關注的投資機會。

2020年6月，中央深改委第十四次會議審議通過《關于深化新一代信息技術與制造業融合發展的指導意見》，突顯了國家對新一代信息技術的高度重視。此外，科創板和北交所設立，也拓寬新一代信息技術企業融資途徑，助力公司更好地發展。

(資料圖片僅供參考)

各個細分領域目前也呈現出高速增長態勢。例如，隨著數據量的爆發式增長，云計算市場規模快速增長。中國信通院預計，“十四五”末市場規模將突破萬億元，2021-2025年期間年復合增速（CAGR）將高達32.7%。信創領域，據艾媒咨詢測算，我國信創產業規模將從2021年的1.4萬億元增長至2025年的2.8萬億元，5年CAGR將達到19.4%。工業互聯網領域，中商情報網預計2022年我國工業互聯網規模將達1.1萬億元。

從投資角度看，隨著AI某種程度上“iPhone時刻”的到來，未來AI及相關算力、基礎設施等新一代信息技術產業將迎來高光時刻。

算力需求打開AI服務器想象空間

chatGPT帶動了AI大模型爆火，一方面，大模型數量不斷增多。

出于自身數據安全等角度考慮，未來各個國家或將推出專屬大語言模型，因此在大模型數量上有望持續增長。

另一方面，AI大模型的迭代往往伴隨著數據量和計算量的快速增長。AI模型的研究和應用主要分為訓練和推理過程，GPT-1約1.17億參數量，GPT-3約需要1750億參數量。

根據《AI算力集群方案設計與優化》的總結，過去四年全球主要NLP（自然語言處理）模型的參數量，從ELMo的9400萬增長至Megatron-TuringNLG的5300億，增長了近5600倍。

在大模型數量和參數量同時增長的情況下，算力需求正在爆發式增長。

在訓練階段，影響因素主要是模型參數量、訓練數據量和芯片算力，GPT-3模型訓練一次需要幾萬顆量級的算力芯片。據了解，AI發展的早期階段以訓練能力為核心，在進入應用期后將逐步以推理為核心，未來對推理芯片的需求或將遠超對訓練芯片的需求。

華安證券研究所所長尹沿技認為，2012 年以來，AI訓練任務中的算力增長（所需算力每3.5月翻一倍）已經超越芯片產業長期存在的摩爾定律（晶體管數量每18月翻一倍）。

受益于算力需求的大幅提升，AI服務器需求量有望呈現數倍增長。IDC數據顯示，2021年，全球AI服務器市場規模達156億美元，同比增長39.1%，預計2025年將達317.9億美元，CAGR為19%。

MIC預計，2022年全球服務器出貨量達1362萬臺。根據TrendForce信息，截至2022年，預估搭載GPGPU的AI服務器年出貨量占整體服務器比重近1%，而2023年，在ChatGPT相關應用加持下，預估出貨量年同比增長8%，2022~2026年CAGR將達10.8%。

加速芯片、CPU和存儲價值占比超八成

AI服務器價值量的構成核心在于昂貴的GPU加速卡、CPU和存儲配置，同時對于PCB、電源管理、信號傳輸等多方面均有更高需求，帶來大幅的價值量提升。根據測算，高性能AI服務器中，GPU、CPU和存儲三大件的價值占比有望超過80%。

GPU在架構設計上擅長進行大量數據運算，被廣泛應用于AI場景中。TrendForce集邦咨詢估計，ChatGPT大模型對GPU的需求量約2萬顆，未來邁向商用將達到3萬顆。

根據VerifiedMarketResearch數據，2020年，全球GPU市場規模為254.1億美元（約合人民幣1717.2億元）。隨著需求的不斷增長，預計到2028年，這一數字將達到2465.1億美元（約合人民幣1.67萬億元），CAGR為32.82%。

英偉達CEO黃仁勛稱，英偉達的GPU在過去10年中將AI處理性能提高了不低于100萬倍，在接下來的10年里，希望通過新芯片、新互連、新系統、新操作系統、新分布式計算算法和新AI算法，并與開發人員合作開發新模型，“將人工智能再加速100萬倍”。

“英偉達在美股 Forward 12個月的 PE遠遠高于平均水平，約50倍，其他半導體公司在20倍左右，這正是源于AI帶來的快速增長。就像10多年前看智能手機，四、五年前看電動車一樣，人工智能將給半導體產業帶來巨大的推動作用，這是信息革命。”某基金制造業分析師對第一財經表示。

值得注意的是，GPU在深度學習算法模型訓練上非常高效，但在推理時對于小批量數據，并行計算的優勢不能發揮出來。當前AI加速計算卡除了GPU之外還有部分FPGA產品，FPGA具備低延遲、易燒錄等優點，通常用于推理階段，未來FPGA滲透率有望提升。

綠色數據中心成未來發展方向

數據中心作為算力的物理承載，承擔了算力部署、運維的關鍵作用。

“十四五”規劃和2035年遠景目標綱要中明確提出，要加快構建全國一體化大數據中心體系，強化算力統籌智能調度，建設若干國家樞紐節點和大數據中心集群，建設E級和10E級超級計算中心。此外，工信部和國家發改委等先后出臺《新型數據中心發展三年行動計劃（2021-2023年）》《全國一體化大數據中心協同創新體系算力樞紐實施方案》等重要政策文件，有效規范了我國數據中心產業發展。

目前我國數據中心以通用算力為主，智算、超算和邊緣數據中心應用和數量有待增長。隨著我國AI計算、高性能計算以及邊緣計算需求的提升，智算、超算和邊緣數據中心將進一步發展，算力呈現多樣化的發展趨勢。

智算中心從早期實驗探索逐步走向商業試點，隨著我國各類人工智能應用場景逐漸豐富，智算需求將快速增長，中原證券預計，規模增速將達到70%，而邊緣數據中心的規模增速有望達到30%。

按照標準機架2.5kW統計，截至2022年年底，我國在用數據中心機架總規模超過650萬架，近五年CAGR達到31.4%。其中，大型以上數據中心機架規模增長更快，按照標準機架2.5kW統計，預計2022年機架規模540萬架，占比超過80%。

中國信通院數據顯示，2021年中國數據中心市場規模超過1500億元，預計2023年中國數據中心市場規模到突破2430億元。

值得注意的是，工信部發布的《新型數據中心發展三年行動計劃（2021-2023年）》顯示，到2023年底，新建大型及以上數據中心PUE降低到1.3以下。我國綠色數據中心發展政策也指出，將計劃降低數據中心能耗總體水平。在數據中心能耗占比中制冷系統的能耗占比為30%-40%，是總能耗中占比最高的數據中心基礎設施模塊，因此改進數據中心制冷等基礎設施技術，提高制冷效率、減少制冷系統的能耗水平，成為未來發展方向。

AI時代漸近，光模塊增量巨大

AI算力的增長帶來AI計算集群網絡架構的改變，高速率光模塊用量因此大幅提升。

光模塊主要應用場景可以分為三大塊：無線回傳、電信傳輸、數據中心。其中數據中心內部互聯的光收發模塊需求從25/100G向200/400/800G提升，數據中心之間互聯帶動中長距離、高速率光收發模塊及光傳輸子系統的需求。

自2019年起，包括亞馬遜、谷歌等在內的北美超大型數據中心內部互連已經開始商用部署400G光模塊，國內數據中心預計到2022年也將實現400G規模部署。

浙商證券預計，數據中心交換芯片吞吐量在2023年將達到51.2T，2025年后將達到102.4T。更高速率的800G/1.6T光模塊將被逐漸需要。

此外，高速率模塊還具有相對較低的功耗，其中400G光模塊的早期功耗約為10-12W，預計長期功率在10W左右，而800G光模塊的功耗約為16W左右。

光模塊處在產業鏈中游，產業鏈的上游為電子元器件、PCB、光芯片、結構件等元器件供應商；產業鏈的下游為電信運營商和云計算數據中心運營商等客戶。光芯片是上游產業鏈核心器件，約占光模塊總成本的26%。

根據Omdia對數據中心和電信場景激光器芯片的預測，高速率光芯片增速較快，2019-2025年，25G以上速率光模塊所使用的光芯片占比逐漸擴大，整體市場空間將從13.56億美元增長至43.40億美元，CAGR將達21.40%。

受益于持續的研發創新和下游中國光模塊企業逐漸主導市場，上游芯片國產化率機會逐步提升，根據ICC估計，25G以上光芯片到2024年國產化率能夠接近20%。

標簽：