《通信行業·國產算力專題：國產算力加速發展產業鏈蓄勢待發-240602（76頁）.pdf》由會員分享，可在線閱讀，更多相關《通信行業·國產算力專題：國產算力加速發展產業鏈蓄勢待發-240602（76頁）.pdf（76頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的免責聲明及其項下所有內容2024年年6月月2日日【國信通信國信通信 國產算力專題國產算力專題】國產算力加速發展，產業鏈蓄勢待發國產算力加速發展，產業鏈蓄勢待發行業研究行業研究 行業專題行業專題通信通信投資評級：優于大市（維持評級）投資評級：優于大市（維持評級）證券研究報告證券研究報告|證券分析師：馬成龍021-S0980518100002證券分析師：袁文翀021-S0980523110003請務必閱讀正文之后的免責聲明及其項下所有內容投資摘要投資摘要 國內智算中心加速建設，國產算力產業鏈前景廣闊國內智算中心加速建設，國產算力產業鏈前景廣闊。AI是新質生產力的重要組成，黃仁勛

2、也提出每個國家構建自己的主權AI基礎設施，我國正在加速建設智算中心，包括政府、運營商和互聯網等積極推進。同時以昇騰為代表的國產算力芯片已取得長足進步，加速國內落地，帶動國產算力產業鏈的發展。從智算中心基礎設施視角，本文從服務器、交換機和光模塊三個維度對國產算力產業鏈進行分析：算力服務器快速增長，液冷、機架式方案加速應用。算力服務器快速增長，液冷、機架式方案加速應用。相較于通算服務器的整體出貨相對疲軟，算力服務器需求旺盛，IDC預計2027年中國加速服務器市場規模將達到164億美元。傳統來看，浪潮信息在國內算力服務器場景份額靠前，隨著昇騰等國產芯片應用加速，昇騰系整機合作伙伴份額有望提升。聚焦服

3、務器發展趨勢，一是高速卡間互聯規模擴大，機架式方案有望加速應用，關注對應關注對應高速連接器需求高速連接器需求；二是算力服務器熱密度顯著提升，推進液冷應用，國內液冷市場規模有望達百億規模，關注液冷應用關注液冷應用。交換機是交換機是AI集群無損通信的載體，以太網應用加速。集群無損通信的載體，以太網應用加速。架構層面，國內智算中心多采用胖樹或葉脊架構，在基本無收斂的網絡要求下，對應GPU和等價交換機端口比值約為1:5（3層組網）。協議層面，以太網方案具備性價比優勢，超以太網聯盟及全調度以太網等優化協議持續推進，以太網有望加速應用。國內數據中心交換機市場規模目前約240億，其中華為和新華三為龍頭公司。

4、交換機上游一方面關注高端交換機代工產能轉移高端交換機代工產能轉移，另一方面交換芯片市場國內廠商份額較低，商用高速率交換芯片國產廠商有望逐步突破商用高速率交換芯片國產廠商有望逐步突破。國內國內400G光模塊有望起量，光模塊有望起量，800G加速應用。加速應用。國內光模塊升級進度相對慢于海外，國產算力建設下，有望加速國內光模塊的迭代升級，國產算力配套的400G和800G光模塊有望起量。競爭格局維度，光迅科技等廠商在國內市場競爭力靠前，有望受益國產算力發展。同時上游高速率光芯片有望突破，關注關注100G EML和硅光采用的和硅光采用的CW光源的國產化進程光源的國產化進程。國產算力加速發展，產業鏈有望

5、充分受益，基于細分環節，推薦關注：交換機環節如國產算力加速發展，產業鏈有望充分受益，基于細分環節，推薦關注：交換機環節如紫光股份、銳捷網絡、菲菱科思紫光股份、銳捷網絡、菲菱科思等，光器件光模塊等，光器件光模塊環節如環節如光迅科技、中際旭創、新易盛光迅科技、中際旭創、新易盛等，液冷如等，液冷如英維克、申菱環境英維克、申菱環境等，智算中心如等，智算中心如潤澤科技潤澤科技等。同時，基于產業發展視角，建議關注機等。同時，基于產業發展視角，建議關注機架式方案對高速連接器的需求拉動以及核心上游芯片環節的國產替代，如交換芯片、架式方案對高速連接器的需求拉動以及核心上游芯片環節的國產替代，如交換芯片、PHY芯

6、片、光芯片等。芯片、光芯片等。風險提示：風險提示：AI發展及投資不及預期；行業競爭加??；全球地緣政治風險；新技術發展引起產業鏈變遷。1ZCXpRtQtNrMzQrRrMoNpNbRcM9PpNmMmOsOjMmMpRkPrRmPaQqRoOwMpPoNxNnQmR請務必閱讀正文之后的免責聲明及其項下所有內容重點公司盈利預測重點公司盈利預測表表 27：重點公司盈利預測及估值（截至：重點公司盈利預測及估值（截至5月月29日）日）產業鏈產業鏈代碼代碼簡稱簡稱投資評級投資評級歸母凈利潤（億元）歸母凈利潤（億元）EPS（元）（元）PEPB收盤價收盤價（5月月29日）日）總市值總市值（億元）（億元）202

7、32024E2025E20232024E2025E20232024E2025E光器件光模塊002281.SZ光迅科技優于大市6197349330.780.921.1742.636.028.32.933.23264300308.SZ中際旭創優于大市2181516481642.816.4310.1757.325.015.89.7161.001,297300394.SZ天孚通信優于大市730125816431.853.194.1668.840.030.617.3127.31504300502.SZ新易盛無評級691147221290.972.073.0090.642.429.39.187.86624

8、300620.SZ光庫科技優于大市60871320.240.350.53161.0111.273.25.438.6396交換機000938.SZ紫光股份優于大市2103233026780.740.810.9429.326.923.21.721.77623301165.SZ銳捷網絡優于大市4014886230.710.861.1045.237.329.24.432.08182301191.SZ菲菱科思優于大市1441792462.082.583.5435.528.620.82.873.7851液冷002837.SZ英維克優于大市3445357030.610.941.2440.325.919.76

9、.024.39180301018.SZ申菱環境優于大市1052863630.391.071.3755.320.115.82.221.5557智算中心300422.SZ潤澤科技優于大市1762231534711.141.352.0222.018.712.55.225.15433資料來源：Wind，國信證券經濟研究所整理和預測；新易盛、光庫科技、菲菱科思、申菱環境采用Wind一致預期請務必閱讀正文之后的免責聲明及其項下所有內容政策與投資驅動，國內智算中心加速建設01算力服務器快速增長，液冷、機架式方案應用加速02交換機：AI集群無損通信的載體，以太網應用加速03光模塊：速率迭代升級，關注國產鏈供應

10、商04目錄目錄投資建議05請務必閱讀正文之后的免責聲明及其項下所有內容一、政策支持，投資啟動，國內智算中心加速建設一、政策支持，投資啟動，國內智算中心加速建設請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 1：新型智能計算中心架構新型智能計算中心架構資料來源：中國移動中國移動NICC新型智算中心技術體系白皮書，國信證券經濟研究所整理 智算中心是以智算中心是以 GPU、AI 加速卡等智能算力為核心、集約化建設的新型數據中心加速卡等智能算力為核心、集約化建設的新型數據中心，為人工智能應用提供所需的算力服務、數據服務和算法服務，使能各行各業數智化轉型升級。作為 AI 技術發展的關鍵底座，智算中心的

11、建設和部署在全球范圍內提速。從國內視角，一方面，AI是新質生產力的構成，而算力中心是AI發展的基礎和引擎，另一方面，黃仁勛也提出主權AI的概念每個國家都需要擁有自己的人工智能基礎設施。全球算力競爭加速，我國智算算力儲備對比美國相對落后。全球算力競爭加速，我國智算算力儲備對比美國相對落后。據工信部數據，2023年我國智算算力達到70EFlops，同比增長70%；海外高性能算力芯片出貨快速增長，推動算力規模爆發，推算2023年英偉達H100新增算力有望超過1000EFlops（FP16）?；诖?，政策上我國高度重視AI發展，而在落地方面，國內互聯網龍頭、ICT龍頭、運營商等先后推出大模型產品，如K

12、imi等產品用戶量增長迅速。我國智算中心建設正加速布局，并且國產算力自主可控的產業趨勢明確。我國智算中心建設正加速布局，并且國產算力自主可控的產業趨勢明確。智算中心：新質生產力的引擎，主權智算中心：新質生產力的引擎，主權AI的基礎的基礎圖圖 2：中國智算能力規模中國智算能力規模資料來源：工信部，國信證券經濟研究所整理；注：2025年基于工信部部等六部門發布的算力基礎設施高質量發展行動計劃中300EFLops算力目標中35%為智算算力推算020406080100120202220232025E智算能力（EFLops）請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 4：400G及以上高速光傳輸調

13、制格式及其應用場景及以上高速光傳輸調制格式及其應用場景資料來源：C114通信網，國信證券經濟研究所整理圖圖 3：包含包含DCI互聯的互聯的AI集群網絡架構示意圖集群網絡架構示意圖資料來源：Marvell，國信證券經濟研究所整理 隨著隨著AI集群的規模不斷擴大，智算能力的落地不僅以來單卡性能的提升，超大規模集群的系統和工程能力也發揮重要作用。集群的規模不斷擴大，智算能力的落地不僅以來單卡性能的提升，超大規模集群的系統和工程能力也發揮重要作用。網絡層面，當前的AI集群規模已經從數千個GPU增長到數萬個GPU，未來可能會發展到數十萬乃至數百萬個加速單元的超級計算集群，AI時代需要建造比現在規模更大的

14、數據中心，或者將一個數據中心內部分割出多個集群建筑單元，構建一個邏輯上規模更大的數據中心。更大更大規模的規模的AI集群需要集群需要DCI互聯網絡支撐?；ヂ摼W絡支撐。我國在分布式智算中心所需的我國在分布式智算中心所需的DCI網絡層面有望發揮優勢。網絡層面有望發揮優勢。如中國移動已開啟骨干網400G升級；中國電信聯合華為2024年2月份在北京電信現網完成800G超高速波分技術驗證，于近日成功在實驗室完成萬億/十萬億級參數大模型分布式訓練仿真驗證，在北京電信武在北京電信武清、永豐、瀛海三地清、永豐、瀛海三地IDC機房完成數百億參數經典大模型的分布式訓練任務機房完成數百億參數經典大模型的分布式訓練任務

15、，測試分布式訓練性能達到集中式單智算中心訓練性能的90%以上。其中在瀛海到武清的業務節點，進一步驗證了單波PS-64QAM 1.2T的現網傳輸能力。國內智算能力有望加速追趕海外國內智算能力有望加速追趕海外網絡角度網絡角度請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 6：東數西算工程八大核心節點東數西算工程八大核心節點資料來源：國家發改委，國信證券經濟研究所整理圖圖 5：智算中心能耗大幅提升智算中心能耗大幅提升資料來源：SemiAnalysis，國信證券經濟研究所整理“東數西算”工程有望發揮西部區域能源優勢，匹配“東數西算”工程有望發揮西部區域能源優勢，匹配AI增長增長電力供給電力供給壓力。

16、壓力。國際能源署(IEA)預測，全球數據中心的用電量可能從2022年的460太瓦時(TWh)飆升至2026年的1050太瓦時（1太瓦時相當于10億千瓦時），在4年內翻一番，電力將成為制約算力發展的關鍵因素。東數西算等戰略工程下，我國西部區域能源優勢有望匹配算力增長。國內智算能力有望加速追趕海外國內智算能力有望加速追趕海外電力角度電力角度請務必閱讀正文之后的免責聲明及其項下所有內容 總體規劃層面，政策注重人工智能發展，對底層基礎設施，尤其是智算中心加強規劃?？傮w規劃層面，政策注重人工智能發展，對底層基礎設施，尤其是智算中心加強規劃。如國務院國資委召開中央企業人工智能專題推進會。會議認為，加快推動

17、人工智能發展，是國資央企發揮功能使命，搶抓戰略機遇，培育新質生產力，推進高質量發展的必然要求。其中提出要夯實發展基礎底座，把主要資源集中投入到最需要、最有優勢的領域，加快建設一批智能算力中心。地方政府層面，地方政府層面，上海、北京等多個地方政府已先后出臺政策，在算力、運力、存儲方面均有明確規劃。政府側：重視政府側：重視AI發展，大力推進國內智算中心建設發展，大力推進國內智算中心建設表表 2：國內人工智能相關政策：國內人工智能相關政策時間時間相關部門相關部門/地方地方政策政策相關說明相關說明中央2023.10工信部、網信辦、教育部、衛健委、央行、國資委算力基礎設施高質量發展行動計劃到2025 年

18、，計算力方面，算力規模超過300EFLOPS，智能算力占比達到35%，東西部算力平衡協調發展。運載力方面，國家樞紐節點數據中心集群間基本實現不高于理論時延1.5倍的直連網絡傳輸，重點應用場所光傳送網（OTN）覆蓋率達到80%，骨干網、城域網全面支持IPv6，SRv62等創新技術使用占比達到40%。存儲力方面，存儲總量超過1800EB，先進存儲容量占比達到30%以上，重點行業核心數據、重要數據災備覆蓋率達到100%。2024.2國務院國資委中央企業人工智能專題推進會會議強調中央企業要更重視并主動擁抱人工智能變革，把發展人工智能放在全局工作中統籌規劃，集中資源投入最需要、最有優勢的領域，加快建設智

19、能算力中心，促進跨 央企協同創新，帶頭搶抓人工智能賦能傳統產業，構建數據驅動、人機協同、跨界融合、共創分享的智能經濟形態。2024.3政府工作報告深入推進數字經濟創新發展。制定支持數字經濟高質量發展政策，積極推進數字產業化、產業數字化，促進數字技術和實體經濟深度融合。深化大數據、人工智能等研發應用，開展“人工智能+”行動，打造具有國際競爭力的數字產業集群。地方2024.3青海青海省綠色算力基地建設方案到2025年，算力總規模超過2.06EFLOPS，其中智能算力占比超過35%。運力能力，省內數據中心間時延低于2ms，至國家算力樞紐節點時延不高于20ms，重點場所算力網絡（OTN）通達率超過50

20、%，1ms全光城市數量達到5個。存力總規模超過10.7EB，先進存儲容量占比達到30%以上。2024.3南京南京市推進算力產業發展行動方案到2025年，全市數據中心總規模達到25萬標準機架，總算力超8.5EFLOPS（FP32），可統籌智能算力超6000PFLOPS（FP16）。打造南京都市圈、長三角重點城市算力設施3ms低時延圈，市內算力設施時延不高于1ms。存儲總量超60EB，先進存儲容量占比達到40%以上。2024.3上海上海市智能算力基礎設施高質量發展“算力浦江”智算行動實施方案（2024-2025年）到2025年，上海市智能算力規模將超過30EFlops，占總算力的50%以上。網絡時

21、延：算力網絡節點間單向網絡時延將控制在1毫秒以內。存儲容量：智算中心內先進存儲容量占比將達到50%以上。2024.3廣東廣東省算力基礎設施高質量發展行動暨“粵算”行動計劃（2024-2025年）到2025年，在計算力方面，算力規模達到38EFLOPS，智能算力占比達到50%。建成智能計算中心10個。在運載力方面，打造“城市內1ms、韶關至廣深3ms、韶關至全省5ms”時延圈，重點應用場所光傳送網（OTN）覆蓋率達到90%。在存儲力方面，存儲總量超過260EB，先進存儲容量占比達到30%以上，重點行業核心數據、重要數據災備覆蓋率達到100%。2024.4北京北京市算力基礎設施建設實施方案（202

22、42027年）到2025年，北京市智算供給規模達到45EFLOPS，2025-2027年根據人工智能大模型發展需要和國家相關部署進一步優化算力布局；到2027年，實現智算基礎設施軟硬件產品全棧自主可控，整體性能達到國內領先水平，具備100%自主可控智算中心建設能力，有效支撐對標國際領先水平的通用和行業垂類大模型的訓練和推理。資料來源：中國政府網，各地方政府官網，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 運營商運營商2024年資本開支精準投放，加強算力領域投資：年資本開支精準投放，加強算力領域投資：中國移動中國移動規劃2024年投資1730億元，其中，算力規劃投資475

23、億元（同比+21.5%）。中國移動已形成10.1 EFLOPS智算算力（FP16），規劃2024年底實現智算算力17 EFLOPS（同比提升約7 EFLOPS）。中國電信中國電信規劃2024年實現資本開支960億元（同比-3%），其中產業數字化資本開支369.6億元（占38.5%，提升2.5pct），包括面向云/算力領域投資180億元。中國電信已具備11 EFLOPS智算算力，2024年計劃新增10EFLOPS 智算算力。中國聯通中國聯通規劃2024年資本開支650億元（預計同比-12%），投資重點由穩基礎的聯網通信業務轉向高增長的算網數智業務。運營商：加大智算領域資本開支運營商：加大智算領域

24、資本開支表表 3：三大運營商資本開支明細情況（億元）：三大運營商資本開支明細情況（億元）中國移動中國移動連接連接算力算力能力能力基礎基礎總計總計20221171335134212185220231090（其中5G:880）39113418818032024E874（其中5G:690)4751632181730YoY-20%21%22%16%-4%中國電信中國電信移動網移動網（5G+4G）產業數字化產業數字化寬帶網寬帶網運營系統運營系統基礎設施基礎設施總計總計2022320271186148867.2 2023348355168117988.42024E295370160135960YoY-15

25、%4%-4%15%-3%中國聯通中國聯通5G算網投資算網投資總計總計20223311427422023374-7392024E650YoY-12%資料來源：三大運營商推介材料，國信證券經濟研究所整理圖圖 7：中國移動中國移動（上上）和中國電信和中國電信（下下）2024年智算算力規劃年智算算力規劃資料來源：中國移動、中國電信推介材料，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 三大運營商已先后開啟三大運營商已先后開啟AI服務器招標：服務器招標：中國移動中國移動近期啟動2024年至2025年新型智算中心的大規模采購，規劃采購7994臺AI訓練服務器及60臺以太網交換機；此前

26、，移動2023-2024年新型智算中心（試驗網）集采項目12個標包對應AI訓練服務器采購量總計達到2454臺（1-11標包集采1204臺，12標包集采1250臺）。中國電信中國電信2023-2024年AI服務器共采購4175臺訓練型服務器，其中G系列（鯤鵬CPU）訓練服務器合計招標1977臺（合計金額約27.8億元），I系列（Intel CPU）訓練服務器合計招標2198臺。中國聯通中國聯通2024年3月23日首次集采AI服務器，根據預審公告，中國聯通本次將采購2503臺AI服務器，688臺關鍵組網設備RoCE交換機。運營商：運營商：AI服務器招標均已啟動服務器招標均已啟動表表4：中國電信：中

27、國電信AI算力服務器算力服務器（2023-2024年年）集采及中標候選人集采及中標候選人標包標包產品品類產品品類產品名稱產品名稱規格規格數量（臺）數量（臺）中標候選人中標候選人投標報價（億元）投標報價（億元）標包一I系列服務器主設備-訓練型風冷服務器（I系列）CPU:Intel至強可擴展處理器*2GPU=8片，單卡FP16算力不低于300TFLOPS（H800）2073超聚變53.4浪潮信息53.4紫光華山53.7寧暢53.8配套設備-IB交換機64個NDR 400G端口；32個OSFP光模塊1129中興通訊52.9烽火通信50.4聯想52.1標包二I系列服務器主設備-訓練型液冷服務器（I系列

28、）CPU:Intel至強可擴展處理器*2GPU=8片，單卡FP16算力不低于300TFLOPS（H800）125超聚變3.4浪潮信息3.4配套設備-Infiniband交換機64個NDR 400G端口；32個OSFP光模塊53紫光華三3.4寧暢3.4標包三標包三G系列服務器系列服務器訓練型風冷服務訓練型風冷服務器（器（G系列）系列）CPU:鯤鵬鯤鵬920系列系列*4GPU=8片，單卡片，單卡FP16算算力不低于力不低于280TFLOPS1048華鯤振宇華鯤振宇13.0昆侖技術昆侖技術13.0烽火通信烽火通信13.0寶德寶德13.0新華三新華三13.0湘江鯤鵬湘江鯤鵬13.0神州數碼神州數碼13

29、.0黃河科技黃河科技13.1標包四標包四G系列服務器系列服務器訓練型液冷服務訓練型液冷服務器（器（G系列）系列）CPU:鯤鵬鯤鵬920系列系列*4GPU=8片，單卡片，單卡FP16算算力不低于力不低于280TFLOPS929華鯤振宇華鯤振宇14.8昆侖技術昆侖技術14.8烽火通信烽火通信14.8新華三新華三14.8寶德寶德14.8湘江鯤鵬湘江鯤鵬14.8神州數碼神州數碼14.8黃河科技黃河科技14.8資料來源：中國電信，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 國內互聯網廠商資本開支顯著回暖，國內互聯網廠商資本開支顯著回暖，AI為重要投資方向。為重要投資方向。2023

30、年三季度開始，國內BAT合計資本開支實現同比增長，趨勢在2024年一季度延續據BAT財報顯示，24Q1合計資本開支265.7億元，同比增長223%，環比增長44%。其中，阿里巴巴資本開支101.7億元（同比+305%，環比+40%），騰訊資本開支143.6億元（同比+226%，環比+91%），百度資本開支20.4億元（同比+57%，環比-44%）。AI是BAT重要的投資方向，百度、阿里、騰訊等公司密集發布大模型，BAT 也均表示將持續加大人工智能投入?；ヂ摼W：資本開支回暖，加大互聯網：資本開支回暖，加大AI投資投資圖圖 9：BAT資本開支同比增速資本開支同比增速（%）資料來源：公司公告，國信證

31、券經濟研究所整理圖圖 8：BAT季度資本開支情況季度資本開支情況（百萬元百萬元）資料來源：公司公告，國信證券經濟研究所整理05000100001500020000250003000002000400060008000100001200014000160002020Q42021Q22021Q42022Q22022Q42023Q22023Q4阿里巴巴 騰訊 百度 合計-100%-50%0%50%100%150%200%250%300%350%2020Q42021Q22021Q42022Q22022Q42023Q22023Q4阿里巴巴 騰訊 百度 國內合計 請務必閱讀正文之后的免責聲明及其項下所有內

32、容 隨著政府、運營商以及互聯網等核心主體加強智算中心建設規劃，我國智算中心正加速落地。隨著政府、運營商以及互聯網等核心主體加強智算中心建設規劃，我國智算中心正加速落地。國內智算中心建設加速落地國內智算中心建設加速落地表表 5：國內部分智算中心項目：國內部分智算中心項目類型類型項目名稱項目名稱地區地區運營主體運營主體設計算力規模設計算力規模已建成規模已建成規模芯片方案芯片方案政府類天津人工智能計算中心項目一期天津市河北區天津市河北區政府100P100P華為天津市人工智能計算中心二期項目天津市河北區天津市河北區政府100P（已上線一二期共200P，但總的規劃算力為400P)100P華為河北人工智能

33、計算中心河北省廊坊廊坊市委、市政府300P完成一期建設100P華為南京智能計算中心南京市麒麟科技創新園南京中科逆熵科技有限公司理論峰值為1250P140P華為南京鯤鵬 昇騰人工智能計算中心南京江北新區中心40P40P華為運營商類中國移動呼和浩特智算中心項目內蒙古內蒙古呼和浩特和林格爾新區中國移動6000P華為中國聯通長三角（蕪湖）智算中心項目安徽安徽蕪湖中國聯通3000P中國電信長三角（蕪湖）智算中心項目安徽安徽省蕪湖市中國電信3000P中國移動智算中心（武漢）項目湖北湖北移動東湖高新中國移動1000P中國電信（邯鄲）天翼視超云基地河北河北省邯鄲市經開區中國電信300P上海中國電信算力高效調度

34、示范項目上海市青浦區中國電信聯通佛山藍灣云智算中心佛山中國聯通互聯網類百度智能云-昆侖芯（鹽城）智算中心項目江蘇省鹽城市百度智能云業務200P百度昆侖芯通用AI計算處理器阿里云張北超級智算中心項目河北張家口張北縣阿里云12000P阿里云烏蘭察布智算中心項目內蒙古內蒙古烏蘭察布市阿里云3000P百度沈陽智能計算中心項目沈陽百度規劃500P，一期建設208P百度云計算（徐水大王店）中心河北省保定市徐水經濟開發區百度資料來源：IDC圈，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 美國對中國先進芯片進口限制持續升級。美國對中國先進芯片進口限制持續升級。2022 年8月，美國首次

35、針對中國實施大規模芯片出口制裁，停止出口A100和H100兩款芯片和相應產品組成的系統。2023 年10 月，美國頒布新的半導體出口限制，對芯片算力和性能密度做了更嚴格的規定，對性能滿足以下條件的芯片實施出口管制：(1)總計算能力TPP（算力*位寬）超過4800的芯片；(2)TPP超過1600且PD（TPP/芯片面積）超過5.92的芯片；(3)2400TPP4800，且1.6PD5.92的芯片；(4)1600TPP，且3.2PD5.92的芯片。根據該要求下，英偉達A100/A800、H100/H200/H800、L4、L40s均不滿足出口條件。2024年4月美國再次修訂防止中國取得美國AI芯片

36、和芯片制造設備的規定。這一背景這一背景下，國內算力自主可控是必然趨勢。下，國內算力自主可控是必然趨勢。供給側：禁運背景下，國產算力替代具有必要性供給側：禁運背景下，國產算力替代具有必要性表表 6：美國：美國AI芯片禁運法規芯片禁運法規法規日期法規日期性能指標性能指標涉及芯片涉及芯片芯片性能指標芯片性能指標2022.8（3A090.a）限制每次運算位長乘以TOPS為單位的處理性能不能大于4800 A100性能指標TPP4800，性能密度指標5.92 H100性能指標TPP4800，性能密度指標5.92 2023.10（3A090.b）(1)總計算能力TPP（算力*位寬）超過4800的芯片；性能指

37、標TPP4800，性能密度處于1.65.92區間(2)TPP超過1600且PD（TPP/芯片面積）超過5.92的芯片；性能指標TPP4800，性能密度處于1.65.92區間(3)2400TPP4800，且1.6PD5.92的芯片；(4)1600TPP，且3.2PD5.92的芯片A800性能指標TPP4800，性能密度指標5.92H800性能指標TPP4800，性能密度指標5.92L40S性能指標TPP4800，性能密度處于1.65.92區間 4090性能指標TPP4800，性能密度處于1.65.92區間 2024.4新規文件更新，對于包含滿足3A090.a和3A090.b限制要求的計算機或服務

38、器整機組裝類產品，同樣實施出口管制資料來源：美國商務部，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 10：鵬城云腦鵬城云腦II硬件配置硬件配置資料來源：EE Times，國信證券經濟研究所整理 以鵬城云腦以鵬城云腦II為例，我們重點關注國產智算中心的基礎設施為例，我們重點關注國產智算中心的基礎設施服務器、溫控、交換機以及光模塊：服務器、溫控、交換機以及光模塊：（1）AI服務器配置：服務器配置：采用Atlas 800 AI服務器，基于2個鯤鵬920 CPU和8個昇騰 910A AI加速器。單機柜8臺AI服務器，合計計算機柜數量64個，總計4096張昇騰910A AI加

39、速器。（2）交換機：）交換機：采用RoCE v2網絡。通用算力和AI算力面采用華為FM8850-64CQ-E1交換機，64*100G接口配置；樣本面和業務面采用華為FM6865-46 S8CQ-E1交換機，48*25G接口配置；設備管理面采用GES5735交換機。（3）光模塊：）光模塊：昇騰910和鯤鵬920直出接口速率為100G。（4）散熱：）散熱：采用液冷散熱，PUE小于等于1.25。國產算力集群案例國產算力集群案例鵬城云腦鵬城云腦II系統指標：系統指標：半精度峰值算力 1EOPS存儲容量 64PB點到點帶寬 100Gbps機柜個數：機柜個數：計算機柜 64其他機柜 278合計342功耗指

40、標：功耗指標：系統最大功耗 =5MWPUE =1.25圖圖 11：鵬城云腦鵬城云腦II網絡配置網絡配置資料來源：EE Times，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容國產算力重點關注產業環節國產算力重點關注產業環節冷板（電子散熱）冷板（電子散熱）加速卡加速卡服務器服務器交換機交換機光模塊光模塊高速連接器高速連接器液冷（一次側液冷（一次側&二次側）二次側）算力集群算力集群產業環節產業環節GPU服務器服務器交換機端口交換機端口光模塊光模塊液冷冷板液冷冷板液冷（二次側）液冷（二次側）高速連接器高速連接器配比關系10.12553-51.25-單位價值量參考10-15萬萬約

41、約150-200萬萬單端口單端口200美元美元120-150美元美元1000-2000元元5000-6000元元/kw占服務器價值量占服務器價值量3-5%圖圖 12：國產算力重點關注產業環節：國產算力重點關注產業環節資料來源：華為，銳捷網絡，Vertiv，安費諾，國信證券經濟研究所整理及測算；注：配比關系和價值量均基于8卡服務器（2個CPU+8個GPU）和3層組網估計，假設GPU出口帶寬400G，交換機端口和光模塊速率等效400G，液冷采用冷板式假設請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 13：中國移動面向超萬卡集群的新型智算總體架構中國移動面向超萬卡集群的新型智算總體架構資料來源：

42、中國移動面向超萬卡集群的新型智算技術白皮書（2024），國信證券經濟研究所整理 萬卡以上的大規模集群加速建設。萬卡以上的大規模集群加速建設。以運營商為例，中國移動中國移動預計24年商用三大自主可控萬卡集群即哈爾濱、呼和浩特、貴陽三個自主可控萬卡集群，總規模近6萬張GPU，充分滿足大模型集中訓練需求；同時推理方面，中國移動將按需在1500個邊緣節點部署推理算力，形成“中心大集群、邊緣廣分布、中訓邊推、訓推一體”的智算網絡。中國電信中國電信3月22日宣布天翼云上海臨港國產萬卡算力池正式啟用，算力集群規模達15000卡，其中包括全國首個單池萬卡規模的國產液冷算力集群。圖圖 14：天翼云上海臨港國產萬

43、卡液冷算力池投入使用天翼云上海臨港國產萬卡液冷算力池投入使用資料來源：中國電信，國信證券經濟研究所整理產業趨勢：大規模集群應用趨勢明顯產業趨勢：大規模集群應用趨勢明顯請務必閱讀正文之后的免責聲明及其項下所有內容 我國國產我國國產AI芯片以華為昇騰系列為代表，蓄勢待發。芯片以華為昇騰系列為代表，蓄勢待發。華為于2018年首發昇騰310推理芯片，可用于邊緣計算領域；2019年發布昇騰910訓練芯片應用于云端領域；2023年科大訊飛公布其使用華為昇騰910B的星火一體機，據科大訊飛，其性能可對標A100。另據路透社報道，百度為200臺服務器訂購了1600片昇騰910B。華為之外，海光信息深算三號、寒

44、武紀思元590等國內芯片廠商以及互聯網大廠自研芯片布局也在持續推進。產業趨勢：國產產業趨勢：國產AI芯片持續提升芯片持續提升表表 7：國內：國內AI加速芯片和英偉達加速芯片和英偉達GPU對比對比A800(PCIe/SXM)A100(PCIe/SXM)華為華為 Ascend 910BH800(PCIe/SXM)H100(PCIe/SXM)L20(PCIe)H20(PCIe/SXM)深算一號年份年份202220202023202220222023202321H1工藝工藝7nm7nm4nm4nm4nm4nm7nm架構架構AmpereAmpereHUAWEI Da VinciHopperHopperA

45、da LovelaceHopper-TDP300/400W300/400W400W350/700W275W400W350WGPU內存內存80G HBM2e80G HBM2e64G HBM2e80G HBM380G HBM348G GDDR680G HBM332GBGPU內存帶寬內存帶寬1935/2039 GB/s2/3.35 TB/s864GB/s4.0TB/s1024 GB/sGPU互連互連（一對一）（一對一）NVLINK 400GB/sPCIe Gen4 64GB/s,NVLINK 600GB/sHCCS 56GB/sNVLINK 400GB/sPCIc Gen5 128GB/s,；NVL

46、INK 900GB/sPCIe Gen4 64GB/sPCIe Gen5 128GB/s,NVLINK 900GB/sPCIe Gen4x16GPU互連互連（一對多）（一對多）NVLINK 400GB/sPCIe Gen4 64GB/s,NVLINK 600GB/sHCCS 392GB/sNVLINK 400GB/sPCIe Gen5 128GB/s,NVLINK 900GB/sPCIe Gen4 64GB/sPCIe Gen5 128GB/s,NVLINK 900GB/sxGMI x 2,Up to 184 GB/sFP3219.5TFLOPS19.5TFLOPS-51/67 TFLOPS5

47、9.8 TFLOPS44 TFLOPS-TF32(TensorFloat)156/312 TFLOPS156/312 TFLOPS-756/989 TFLOPS59.8 TFLOPS74 TFLOPS-BFLOAT16 TensorCore156/312 TFLOPS156/312 TFLOPS-119/119 TFLOPS148/148 TFLOPS-FP16 TensorCore312/624 TFLOPS312/624 TFLOPS320 TFLOPS-1513/1979 TFLOPS-FP8 TensorCoreNOT supportNOT support640 TFLOPS-3026

48、/3958TFLOPS-INT8 TensorCore624/1248 TFLOPS624/1248 TFLOPS640 TFLOPS-3026/3958TFLOPS239/239 TFLOPS296/296 TFLOPS-資料來源：英偉達，華為，架構師聯盟，SDNLAB，海光信息招股說明書，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 15：全調度以太網全調度以太網（GSE）技術架構技術架構資料來源：中國移動，國信證券經濟研究所整理 AI組網采用以太網具有性價比優勢，全球及國內均提出以太網優化協議。組網采用以太網具有性價比優勢，全球及國內均提出以太網優化協議。以太網

49、在AI集群中主要采用RoCEv2協議，但對比IB網絡，以太網本身仍然在丟包等方面存在一定性能差距。全球范圍來看，超以太網聯盟（UEC）組建，旨在打造高性能以太網，以新形式進行傳輸層處理，在非無損網絡的情況下也可實現以太網性能提升，較RDMA更靈活；國內中國移動牽頭“全調度以太網（GSE）推進計劃”，基于逐包的以太網轉發和全局調度機制，突破傳統無損以太性能瓶頸，中國移動計劃于2024年開展GSE中試，近期已發布新型智算中心以太網物理層安全（PHYSec）架構白皮書。圖圖 16：PHYSec 整體技術流程整體技術流程資料來源：中國移動新型智算中心以太網物理層安全（PHYSec）架構白皮書，國信證券

50、經濟研究所整理產業趨勢：以太網協議加速適配產業趨勢：以太網協議加速適配請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 17：AI大模型要求不斷提升通信帶寬降低時延大模型要求不斷提升通信帶寬降低時延資料來源：納多德，國信證券經濟研究所整理 網絡帶寬是訓練算力的瓶頸之一，點對點通信速率加速升級。網絡帶寬是訓練算力的瓶頸之一，點對點通信速率加速升級。大模型訓練產生龐大的集群內通信流量，GPT 3.5的訓練僅是單次計算迭代內梯度同步需要的通信量就達到了百GB 量級，此外還有各種并行模式、加速框架引入的通信需求。一個高效的模型在硬件依賴三個環節的性能改進存儲、計算和通信能力，在存儲和算力一定的情況下，

51、AI模型訓練的效率將取決于通信時長。而存儲和算力分別可通過HBM應用、GPU算力提升等方式解決，通信時長則由數據量和通信帶寬決定，因此提高通信帶寬有助于提升訓練集群的計算效率。圖圖 18：騰訊星脈高性能計算網絡騰訊星脈高性能計算網絡資料來源：騰訊云，國信證券經濟研究所整理產業趨勢：點對點通信速率加速升級產業趨勢：點對點通信速率加速升級請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 19：單機柜功率密度與適宜的散熱方式單機柜功率密度與適宜的散熱方式資料來源：Vertiv，國信證券經濟研究所整理 單服務器、單機柜功率持續提升，單服務器、單機柜功率持續提升，PUE考核下考核下AIDC加速液冷應用。

52、加速液冷應用。隨著單卡功率的持續提升，AIDC集群的單機柜功率顯著提升。如H100單卡TDP 700W，對應單服務器設計功率約10kW，以標準單機柜4個AI服務器計算，單機柜功率超過40kW。同時AIDC電力緊缺已成為初步共識，采用液冷降低PUE有望節約整體數據中心電能消耗。國內雙碳目標下推動PUE考核趨嚴，加速帶動液冷滲透率提升。圖圖 20：AIDC的能耗需求快速提升的能耗需求快速提升資料來源：Semianalysis，國信證券經濟研究所整理產業產業趨勢：液冷應用逐步滲透趨勢：液冷應用逐步滲透請務必閱讀正文之后的免責聲明及其項下所有內容二、服務器：算力服務器快速增長，液冷、機架式方案二、服務

53、器：算力服務器快速增長，液冷、機架式方案應用加速應用加速請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 22：全球服務器市場規模全球服務器市場規模（億美元億美元）資料來源：IDC，國信證券經濟研究所整理 通算服務器需求相對疲軟，算力服務器快速增長。通算服務器需求相對疲軟，算力服務器快速增長。服務器整體市場維度，2023年由于宏觀經濟不景氣、庫存周期以及資本開支等因素影響，服務器市場出貨量下海，據IDC數據顯示，2023年全球服務器出貨量約371萬臺，同比下降6%；受益于AI服務器出貨增長，由于價值量較高，總體服務器市場規模同比提升11.8%至306億美元。通算需求相對疲軟，整體出貨量下降通算

54、需求相對疲軟，整體出貨量下降圖圖 21：全球服務器出貨量全球服務器出貨量（萬臺萬臺）資料來源：IDC，國信證券經濟研究所整理-30%-25%-20%-15%-10%-5%0%5%10%15%20%25%0501001502002503003504004502020Q12020Q32021Q12021Q32022Q12022Q32023Q12023Q3Units（萬臺）出貨量增速(%）-5%0%5%10%15%20%25%30%0501001502002503003504004502020Q12020Q32021Q12021Q32022Q12022Q32023Q12023Q3Vendor Rev

55、enue(億美元）銷售額增速(%)請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 24：中國加速計算服務器市場規模預測中國加速計算服務器市場規模預測（百萬美元百萬美元）資料來源：IDC，國信證券經濟研究所整理 AI服務器需求高增。服務器需求高增。Trendforce預計2023年AI服務器（包含搭載GPU、FPGA、ASIC等）出貨量近120萬臺，同比增長38.4，占整體服務器出貨量近9，至2026年將占15，2022-2026年AI服務器出貨量年復合成長率至22。國內視角，IDC數據顯示2023年上半年加速服務器市場規模達到31億美元，同比增長54%，預計2027年中國加速服務器市場規模將

56、達到164億美元。AI服務器需求旺盛，國內規模有望破百億美元服務器需求旺盛，國內規模有望破百億美元圖圖 23：全球全球AI服務器出貨量預測服務器出貨量預測（千臺千臺）資料來源：Trendforce，國信證券經濟研究所整理85511831504189523690%5%10%15%20%25%30%35%40%45%0500100015002000250020222023E2024E2025E2026EAI服務器出貨量（千臺）YoY(%)請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 25：國內主要智算中心分布及采用昇騰服務器的智算中心情況國內主要智算中心分布及采用昇騰服務器的智算中心情況資料來

57、源：至頂網，國信證券經濟研究所整理國產算力服務器加速落地國產算力服務器加速落地智算中心視角智算中心視角省份省份智算中心智算中心規劃算力規劃算力投資規模（億元）投資規模（億元）算力卡算力卡廣東深圳鵬城云腦華為昇騰北京北京昇騰人工智能計算中心1000P華為昇騰天津天津人工智能計算中心300P12.7華為昇騰河北河北人工智能計算中心5.9華為昇騰山東濟南人工智能計算中心400P5.47華為昇騰山東青島人工智能計算中心100P3.9華為昇騰江蘇南京鯤鵬 昇騰人工智能計算中心140P5.7華為昇騰浙江杭州人工智能計算中心140P3.3華為昇騰廣西中國-東盟人工智能計算中心華為昇騰福建福建人工智能計算中心

58、400P華為昇騰廣東深圳人工智能融合賦能中心華為昇騰廣東廣州人工智能公共算力中心1000P華為昇騰河南中原人工智能計算中心300P15華為昇騰湖南長沙昇騰人工智能創新中心1000P180華為昇騰、寒武紀湖北武漢人工智能計算中心400P10華為昇騰四川成都人工智能計算中心1000P109華為昇騰陜西未來人工智能計算中心19華為昇騰重慶重慶人工智能創新中心11.8華為昇騰遼寧大連人工智能計算中心華為昇騰請務必閱讀正文之后的免責聲明及其項下所有內容國產算力服務器加速落地國產算力服務器加速落地運營商集采視角運營商集采視角表表 8：中國移動中國移動2023-2024年新型智算中心（試驗網）采購中標結果年

59、新型智算中心（試驗網）采購中標結果包段包段產品名稱產品名稱數量數量（套）（套）中標候選人中標候選人份額份額投標報價投標報價（億元，不含稅）（億元，不含稅）招標金額招標金額（億元，不含稅）（億元，不含稅）標包1高性能無損交換機324重新招標機架式PC服務器2通用Al訓練服務器(扣卡液冷)256管理軟件2050標包2通用Al訓練服務器(扣卡液冷)374重新招標標包3通用Al訓練服務器(PCle風冷)86重新招標標包標包4特定場景特定場景Al訓練服務器訓練服務器(PCle風冷風冷)52新華三新華三70%0.150.15烽火通信烽火通信30%0.14標包標包5通用通用Al推理服務器推理服務器(PCle

60、風冷風冷)16中興通訊中興通訊100%0.040.04標包標包6特定場景特定場景Al推理服務器推理服務器(PCle風冷風冷)64新華三新華三70%0.110.11昆侖技術昆侖技術30%0.10標包7數據中心交換機(接入交換機)10華為100%0.040.04數據中心交換機(出口交換機)2標包8數據中心交換機(出口交換機)64銳捷網絡48臺0.670.73數據中心交換機(接入交換機)128華為144臺0.85標包9分布式文件存儲-性能型典配96華為70%0.910.89分布式文件存儲-高性能典配23曙光信息30%0.84標包10虛擬化軟件608趨動科技100%0.250.25標包標包11特定場景

61、特定場景Al訓練服務器訓練服務器(扣卡液冷扣卡液冷)356昆侖技術昆侖技術256臺臺4.914.91華鯤振宇華鯤振宇100臺臺4.90標包標包12特定場景特定場景Al訓練服務器訓練服務器(扣卡風冷扣卡風冷)106昆侖技術昆侖技術41%24.7424.74華鯤振宇華鯤振宇30%24.74特定場景特定場景Al訓練服務器訓練服務器(扣卡液冷扣卡液冷)1144烽火通信烽火通信20%24.74神州數碼神州數碼8%24.74資料來源：中國移動采購與招標網，國信證券經濟研究所整理表表 9：中國移動中國移動2024-2025年新型智算中心采購中標候選人情況年新型智算中心采購中標候選人情況包段包段產品名稱產品名

62、稱數量數量（套）（套）中標候選人中標候選人份額份額投標報價投標報價（億元，不含稅）（億元，不含稅）招標金額招標金額（億元，不含稅）（億元，不含稅）標包標包1特定場景特定場景AI訓練服務器訓練服務器7994昆侖技術昆侖技術21%190.97191.04華鯤振宇華鯤振宇18%190.97寶德寶德16%190.97百信百信14%191.36長江計算長江計算12%191.17神州鯤泰神州鯤泰11%191.17湘江鯤鵬湘江鯤鵬9%190.58標包2以太網交換機60重新招標資料來源：中國移動采購與招標網，國信證券經濟研究所整理 以運營商集采為例，國產算力服務器已占據主流。以運營商集采為例，國產算力服務器已

63、占據主流。如中國移動2023和2024年兩次智算中心招標，其中AI服務器中標單位以昇騰系整機合作伙伴為主，2024年此次191億AI服務器招標中標候選人均為華為昇騰系整機合作伙伴。請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 27：中國移動近年來中國移動近年來AI服務器招標中標候選人變化服務器招標中標候選人變化資料來源：中國移動，國信證券經濟研究所整理圖圖 26：中國中國AI服務器市場競爭格局服務器市場競爭格局（2022）資料來源：IDC，國信證券經濟研究所整理 AI服務器視角，此前浪潮信息份額靠前。服務器視角，此前浪潮信息份額靠前。據IDC數據，2022年國內加速計算服務器市場中，浪潮信

64、息、新華三、寧暢位居前三，份額分別為47%、11%、9%，浪潮信息份額大幅領先。隨著國產芯片發展，國內AI服務器競爭格局或產生變化（參考運營商招標），昇騰系相關服務器廠商份額有望提升。國內國內AI服務器競爭格局：浪潮信息份額靠前，關注昇騰系廠商服務器競爭格局：浪潮信息份額靠前，關注昇騰系廠商9%5%6%6%7%9%11%47%其他寶德華為坤前安擎寧暢H3C浪潮50%30%20%2020-2021華為浪潮信息新華三31%21%12%36%2021-2022浪潮信息新華三曙光信息烽火通信2%16%46%29%6%2023-2024新華三烽火通信昆侖技術華鯤振宇神州數碼21%18%16%14%12%

65、11%9%2024-2025昆侖技術華鯤振宇寶德百信信息長江計算神州鯤泰湘江鯤鵬請務必閱讀正文之后的免責聲明及其項下所有內容昇騰系整機合作伙伴一覽昇騰系整機合作伙伴一覽表表 10：昇騰系整機合作伙伴一覽：昇騰系整機合作伙伴一覽合作伙伴合作伙伴級別級別控股關系控股關系營業收入（億元）營業收入（億元）盈利指標盈利指標相關上市公司相關上市公司相關上市公司收入（億元）相關上市公司收入（億元）相關上市公司歸母凈利潤（億元）相關上市公司歸母凈利潤（億元）證券代碼證券代碼證券簡稱證券簡稱202120222023202120222023昆侖技術戰略級超聚變子公司-華鯤振宇戰略級高新發展擬取得控制權39.5凈利

66、潤：0.5億元000628.SZ高新發展66.165.780.11.62.03.7神州鯤泰領先級神州數碼100%持股38.3毛利率：10%000034.SZ神州數碼1223.81158.81196.22.410.011.7寶德優先級-002661.SZ拓維信息-百信優先級-長江計算優先級烽火通信間接持股70.7%13.72凈利潤：0.3億元600498.SH烽火通信263.1309.2311.32.94.15.1廣電五舟優先級廣電運通16.2%持股扣非凈利潤：0.07億元002152.SZ廣電運通67.875.390.48.28.39.8同方計算機優先級軟通動力100%持股44.06毛利率：8

67、%凈利潤：-1.2億元301236.SZ軟通動力166.2191.0175.89.49.75.3湘江鯤鵬優先級拓維信息100%持股15.53凈利潤：54.3萬元002661.SZ拓維信息43.350.251.80.71.5-0.7新華三認證級紫光股份51%持股519.39凈利潤：34.1億元000938.SZ紫光股份676.4740.6773.121.521.621.0安擎認證級-黃河認證級-北聯國芯認證級-資料來源：昇騰官網，各公司公告，國信證券經濟研究所整理；注：斜體為2023年前三季度數據請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 29：GPU服務器內部引入服務器內部引入Switc

68、h芯片芯片資料來源：中國移動面向超萬卡集群的新型智算白皮書（2024），國信證券經濟研究所整理圖圖 28：模型參數從千億邁向萬億模型參數從千億邁向萬億，互聯高需求從互聯高需求從8卡擴展到百卡間卡擴展到百卡間資料來源：中國移動算力網絡原創技術與NICC新型智算中心技術體系，國信證券經濟研究所整理 基于 Transformer 的大模型演進趨勢遵循 Scaling Law，參數量走向萬億級是可預見的必然趨勢。新型的算法結構帶來了新的分布式訓練策略，如專家系統（Mixture-Of-Experts，MoE）并行，高速通信需求進一步擴展至百卡級別，卡間互聯的最優解指向高速通信需求進一步擴展至百卡級別，

69、卡間互聯的最優解指向 Switch 交交換拓撲，“超級服務器”等機柜式方案有望加速應用換拓撲，“超級服務器”等機柜式方案有望加速應用通過利用提高 GPU 南向的 Scale up 互聯能力，提升張量并行或 MOE 并行對大模型訓練任務的收益，實現性能躍升，縮短訓練總時長，實現大模型訓練整體性能的優化。服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用01234567Server 101234567Server N01234567Super Server01234567千億模型：千億模型：高通信需求（張量并行）集中8卡之間萬億模型

70、：萬億模型：高通信需求（MoE并行）集中在百卡之間請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 31：英偉達英偉達GB200 NVL72單機柜拓撲單機柜拓撲（上上）及及576卡全互聯雙機柜拓撲卡全互聯雙機柜拓撲資料來源：NVIDIA，國信證券經濟研究所整理 海外芯片廠商中，英偉達已先后推出海外芯片廠商中，英偉達已先后推出GH200、GB200等機架式方案，擴大卡間互聯規模等機架式方案，擴大卡間互聯規模。英偉達通過私有協議NVLink實現卡間互聯，在此前GH200方案中，英偉達采用2層fat-tree網絡結構實現256張GH200超級芯片互聯；GB200架構中，英偉達推出NVL72方案，單機

71、柜集成72個全互聯的Blackwell芯片，英偉達也推出雙機柜（NVL36）方案，也可通過2層NVLink交換實現最大576個GPU的全互聯。服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用圖圖 30：英偉達英偉達GH200超級計算機網絡結構超級計算機網絡結構資料來源：NVIDIA，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 32：昇騰昇騰910服務器內通過服務器內通過HCCS實現實現8卡互聯卡互聯資料來源：華為DaVinci:A Scalable Architecture for Neural N

72、etwork Computing，國信證券經濟研究所整理 國內芯片廠商也推出相應卡間互聯協議。國內芯片廠商也推出相應卡間互聯協議。如華為的HCCS（high-speed cache coherence network）、寒武紀的 MLU-LINK、燧原的 GCU-LARE和壁仞的B-LINK等。對比NVLink已經采用 Switch 交換或全互聯的拓撲結構達到 8 卡或百卡級別的互聯，國內廠商技術方案大多采用 cube 類拓撲實現8卡成環連接，相比之下在集群總吞吐和規模能力上均有代際差。但產業趨勢明確，基于國內卡間互聯但產業趨勢明確，基于國內卡間互聯協議的機架式方案有望加速應用。協議的機架式方

73、案有望加速應用。服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用服務器趨勢一：卡間高速互聯規模擴大，機柜式方案有望加速應用圖圖 33：昇騰昇騰 910 AI處理器互聯拓撲圖處理器互聯拓撲圖資料來源：昇騰官網，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 對比光互連，銅互聯擁有功耗、成本等方面的優勢。對比光互連，銅互聯擁有功耗、成本等方面的優勢。英偉達GB200 NVL72方案中，72個GPU通過超5000根銅纜實現互聯，在短距離連接中，銅互聯互聯對比光互連具有成本低、功耗低等優勢正如英偉達官網對以太網DAC銅纜產品的優勢描述包括：成本最低的高速互聯、功耗和延遲接

74、近零、高度可靠。銅互聯：機柜式方案高速互聯的選擇銅互聯：機柜式方案高速互聯的選擇表表 11：DAC對比對比AOC指標指標DACAOC說明說明功耗低（尤其是無源DAC）高傳輸距離7m300m電磁干擾受電磁干擾無光纖通信不受電磁波干擾，銅纜屬于電通信，會受電磁干擾傳輸信號電信號光信號價格低高光纖價格高于銅線，高速銅纜的成本比同等長度的光纜要便宜2倍到5倍；且AOC兩端光纖收發器包含激光器重量與體積重輕在同等長度下，DAC的重量是AOC的4倍，體積是AOC的兩倍散熱強弱銅纜的自然散熱效果好于光纖傳輸性能弱強DAC的誤碼率高于AOC應用場景應用場景數據中心數據中心10m的中短距的中短距離通信，如接入交

75、換機到核離通信，如接入交換機到核心交換機心交換機資料來源：今日光電，易天光通信，國信證券經濟研究所整理圖圖 34：DAC與與AOC數據中心應用示意圖數據中心應用示意圖資料來源：兆龍互連官網，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容 數據中心短距離通信所需的高速銅纜持續優化。數據中心短距離通信所需的高速銅纜持續優化。以直連銅纜為例，直連銅纜（Direct Attach Cable，DAC）是兩端帶有固定接頭的線纜組件。作為高速傳輸線纜，DAC采用平行對稱結構，大幅提升傳輸帶寬和傳輸速率，同時降低了對內對間的時延差，提高了抗電磁干擾能力，其單通道傳輸速率最高已可達到224

76、Gbps。DAC又分無源又分無源DAC(Passive Copper Cable)和有源和有源DAC(Active Copper Cable)，后者通過加入芯片增加傳輸距離。，后者通過加入芯片增加傳輸距離。無源DAC使用屏蔽的高速差分銅纜，兩端的電路板上沒有芯片，整個信號傳輸過程中，未對信號做任何處理。有源DAC內部具備預加重、均衡等高速電信號補償芯片，對電信號傳輸過程中的衰減進行補償，可以增加數據傳輸距離。為了進一步增加傳輸距離，業界演進出AEC（Active Electrical Cable），在線纜兩端加入CDR。銅互聯：銅線傳輸速率和距離持續優化銅互聯：銅線傳輸速率和距離持續優化圖圖

77、35：無源銅纜對比有源銅纜無源銅纜對比有源銅纜資料來源：新浪財經，國信證券經濟研究所整理圖圖 36：不同速率銅纜的傳輸距離不同速率銅纜的傳輸距離資料來源：ODCC，國信證券經濟研究所整理556G Passive112G Passive224G Paasive(TBD)56G ACC112G ACC224G ACC(TBD)224G AEC(TBD)m1m2m3m4m5m5m 26AWG3.5m 25AWG2m 26AWG1m 26AWG5m 30AWG3m 30AWG2m 26AWGAEC:4m 32AWGACC:4m 27AWG5m 30AWG4m 26AWG112G AEC請務必閱讀正文之

78、后的免責聲明及其項下所有內容圖圖 38：安費諾安費諾Overpass有線背板方案有線背板方案（上上）和內部跳線方案示例和內部跳線方案示例（下下）資料來源：安費諾，國信證券經濟研究所整理 參考參考GB200機架式方案：機架式方案：（1）計算單元（Compute Tray）通過背板連接器連接到背板，并通過銅纜連接到NVLink交換機，實現GPU和交換機的互聯；（2）交換機內部，交換芯片通過4個跳線連接器與背板連接器連接?？紤]到NVLink協議速率較高（NVLink 4.0雙向1800GB/s），如前文所述，出于帶寬考慮，對比NVLink已經采用 Switch 交換的拓撲結構達到8卡或72卡的互聯，

79、國內廠商技術方案大多采用cube 類拓撲實現8卡成環連接，短期內國內機架式方案或仍不會引入Switch組成芯片拓撲架構。國內機架式方案或采用類似葉脊架構（多軌）的組網方案，但高速背板仍有望應用。國內機架式方案或采用類似葉脊架構（多軌）的組網方案，但高速背板仍有望應用。銅互聯：關注高速背板連接器銅互聯：關注高速背板連接器圖圖 37：GB200銅互聯銅互聯資料來源：Nvidia，國信證券經濟研究所整理10 x Compute Tray8x Compute Tray9x Switch Tray使用銅纜連接NVSwitch內部銅互聯請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 39：單機柜功率密度

80、與適宜的散熱方式單機柜功率密度與適宜的散熱方式資料來源：Vertiv，國信證券經濟研究所整理 隨著單卡功率的持續提升，隨著單卡功率的持續提升，AIDC集群的單機柜功率顯著提升。集群的單機柜功率顯著提升。H100單卡TDP 700W，對應單服務器設計功率約10kW，以標準單機柜4個AI服務器計算，單機柜功率超過40kW；預計B200單卡TDP 將達到1000W，對應單機柜功率有望突破50kW。一般認為，風冷散熱所適配的單機柜功率在一般認為，風冷散熱所適配的單機柜功率在4-40kW左右區間，液冷的最佳單機柜功率適配區間在左右區間，液冷的最佳單機柜功率適配區間在50kw及以上水平?？紤]到下一代及以上

81、水平?？紤]到下一代Blackwell芯片單機柜功率有望突破芯片單機柜功率有望突破50kW，風冷已達散熱極限，采用液冷散熱大勢所趨。，風冷已達散熱極限，采用液冷散熱大勢所趨。服務器趨勢二：功耗顯著提升，液冷加速應用服務器趨勢二：功耗顯著提升，液冷加速應用表表 12：H100/B200服務器與單機柜功率測算服務器與單機柜功率測算項目項目單位單位H100B200服務器功率服務器功率W1020012600GPU TDP（x8）W700*81000*8CPU、內存、NVLink等其他W46004600存儲、管理設備等W183183交換機等W729729機柜功率（機柜功率（4臺服務器）臺服務器）kW41.

82、751.3資料來源：Nvidia，semianalysis，國信證券經濟研究所整理對應散熱方式所適宜的單機柜功率下限（考慮性價比等因素）對應散熱方式所適宜的單機柜功率上限可混合使用不同散熱技術的單機柜功率區間請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 40：AIDC的能耗需求快速提升的能耗需求快速提升資料來源：semianalysis，國信證券經濟研究所整理 一方面，算力中心電力緊缺已成為初步共識，采用液冷降低一方面，算力中心電力緊缺已成為初步共識，采用液冷降低PUE有望節約整體數據中心電能消耗有望節約整體數據中心電能消耗。目前，一個標準的風冷數據中心中，溫控環節的能耗占比達到40%（主

83、要為精密空調消耗）。而算力中心對電力需求正在快速提升，需要降低單位算力能耗。通過液冷替代精密空調有助于降低PUE，實現節約能耗的目的。另一方面，國內雙碳目標下，推動另一方面，國內雙碳目標下，推動PUE考核趨嚴，有望帶動液冷滲透率提升考核趨嚴，有望帶動液冷滲透率提升。從國內市場維度，數據中心作為耗能大戶，在雙碳目標下，政策對其的PUE考核趨嚴，目前部分地區已降低至1.25以下。若進一步加大考核力度，風冷已無法滿足政策PUE要求。PUE優勢節約優勢節約AIDC能耗，關注國內能耗，關注國內PUE政策考核政策考核注：注：PUE=（IT設備設備+制冷設備制冷設備+供電設備供電設備+照明及其它等設備）照明

84、及其它等設備）/IT設備能耗，即設備能耗，即PUE越接近于越接近于1，則數據中心中的能耗將主要來源于，則數據中心中的能耗將主要來源于IT設備（服務器、交換機等）。設備（服務器、交換機等）。圖圖 41：2023年典型數據中心的能耗構成年典型數據中心的能耗構成資料來源：服務器浸沒式液冷技術研究進展（2023 年 6 月，侯富民、李超恩、吳佳育、蔡偉、邵璟璟），國信證券經濟研究所整理圖圖 42：數據中心不同冷卻方式的典型數據中心不同冷卻方式的典型PUE資料來源：中興通訊液冷技術白皮書，數據中心單相提沒液冷規?；瘧藐P鍵技術研籠，國信證券經濟研究所整理40%44%13%3%制冷IT設備損耗其他1.51

85、.21.091.05000111112傳統風冷冷板式液冷單相浸沒式液冷雙相浸沒式液冷請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 43：液冷方式分類液冷方式分類資料來源：賽迪顧問中國液冷數據中心發展白皮書，國信證券經濟研究所整理 液冷主要原理為用液體替代空氣作為冷媒，為發熱器件換熱。液冷主要原理為用液體替代空氣作為冷媒，為發熱器件換熱。相比風冷，液冷的主要原理是用液體替代空氣作為冷媒，為 CPU、芯片組、內存條以及擴展卡等發熱器件進行換熱，帶走熱量。在節能、成本、節地、芯片可靠性、機房環境等多維度，液冷相比風冷均具備優勢。液冷主要可分為冷板式、浸沒式、噴淋式三大類。液冷主要可分為冷板式、浸

86、沒式、噴淋式三大類。按照接觸方式，液冷主要可分為冷板式、浸沒、噴淋式三大類。其中，按照是否相變，冷板式液冷可分為單相冷板式液冷、兩相冷板式液冷，浸沒式液冷可分為單相浸沒式液冷、相變浸沒式液冷。液冷技術簡介液冷技術簡介原理與分類原理與分類表表 13：液冷技術對比：液冷技術對比液冷方案液冷方案非接觸式液冷非接觸式液冷接觸式液冷接觸式液冷冷板式冷板式浸沒式液冷浸沒式液冷噴淋式噴淋式相變浸沒式相變浸沒式單相浸沒式單相浸沒式投資成本投資成本初始投資中等，運維成本低初始投資及運維成本高初始投資及運維成本高結構改造及液體消耗成本大，液冷系統初始投資成本低PUE1.1-1.21.051.091.1可維護性可維

87、護性較簡單復雜復雜供應商供應商華為、浪潮、曙光、聯想、超聚變等主流供應商僅曙光阿里巴巴、H3C、綠色云圖、云酷智能、曙光數創僅廣東合一應用案例應用案例多超算領域較多較多數據中心場景無批量使用分析分析初始投資中等，運維成本低，PUE收益中等，部署方式與風冷相同，從傳統模式過渡較平滑初 始 投 資 最 高，PUE收益最高，需使用專用機柜，服務器結構需改造為刀片式初 始 投 資 較 高，PUE收益較高，部分部件不兼容，服務器結構需改造初始投資較高，運維成本高，液體消耗成本高，PUE收益中等，部署方式同浸沒式，服務器結構需改造資料來源：中國移動冷板液冷服務器設計白皮書，國信證券經濟研究所整理請務必閱讀

88、正文之后的免責聲明及其項下所有內容圖圖 44：液冷系統通用架構液冷系統通用架構資料來源：中興通訊液冷技術白皮書，國信證券經濟研究所整理 液冷系統通用架構可拆解為機房側和液冷系統通用架構可拆解為機房側和ICT設備側兩部分，機房側可進一步分為一次側和二次側兩部分，浸沒式和冷板式液冷在機房側設備側兩部分，機房側可進一步分為一次側和二次側兩部分，浸沒式和冷板式液冷在機房側架構基本相同，差異主要在架構基本相同，差異主要在ICT設備側：設備側：一次側：一次側：包含冷卻塔、一次側管網、一次側冷卻液（通常為水）。室外側為外部冷源，通常為室外的冷水機組、冷卻塔或干冷器，熱量轉移主要通過水溫的升降實現；二次側：二

89、次側：包含CDU、液冷機柜、二次側管網和二次側冷卻液。室內側包括供液環路和服務器內部流道，主要通過冷卻液溫度的升降實現熱量轉移；兩個部分通過 CDU中的板式換熱器發生間壁式換熱；ICT設備側設備側：浸沒式采用Tank安裝制冷工質，ICT設備浸于其中；冷板式主要采用冷板貼于核心熱源（CPU、GPU、內存）等上方。制冷工質的選擇制冷工質的選擇：冷板式通常采用乙二醇/丙二醇溶液（基于防凍考慮）或去離子水；浸沒式通常采用氟化液、礦物油（如硅油）等。液冷通用架構解析液冷通用架構解析圖圖 45：一個典型冷板式液冷機房的布局和部件拆解一個典型冷板式液冷機房的布局和部件拆解資料來源：Vertiv，國信證券經濟

90、研究所整理一次側（機房外），核心設施為外部冷源（如冷卻塔）一次側（機房外），核心設施為外部冷源（如冷卻塔）CDU（冷量分配單元）（冷量分配單元）液冷機柜液冷機柜機架頂機架頂Manifold豎向豎向Manifold服務器內部服務器內部快接頭快接頭二次側（機房內）二次側（機房內）冷板冷板請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 46：不同液冷方式對比：不同液冷方式對比資料來源：電信運營商液冷技術白皮書,數據中心用浸沒式冷卻液的研究進展，國信證券經濟研究所整理圖圖 47：2023H1冷板式和浸沒式液冷服務器比例冷板式和浸沒式液冷服務器比例(出貨量出貨量)資料來源：IDC中國半年度液冷服務器市

91、場(2023 上半年跟蹤，國信證券經濟研究所整理 冷板式和浸沒式液冷方式各有優劣：冷板式和浸沒式液冷方式各有優劣：冷板式：冷板式：優點在于設備改造幅度較小，兼容度、初始投資/改造成本較低，推廣更為容易；缺點在于散熱效率低于浸沒式液冷，150KW以上機柜散熱存在壓力；浸沒式：浸沒式：優點在于散熱效率最高；缺點在于制冷工質成本高，且常用的制冷工質氟化液具有致癌/激素紊亂等毒性問題，同時改造和初始投資成本大，對機房基礎設施有更高要求。目前液冷方式以冷板式為主。目前液冷方式以冷板式為主。冷板式液冷對于數據中心的改造難度較低，所需成本也較為可控，目前冷板式液冷的市場應用相對更加普及。根據IDC報告，按照

92、服務器出貨量口徑統計，2023H1我國冷板式液冷服務器比例達到90%左右，浸沒式液冷滲透率僅為10%。冷板式應用占多數，浸沒式方案為長期方向冷板式應用占多數，浸沒式方案為長期方向單相浸沒式單相浸沒式相變浸沒式相變浸沒式原理冷板貼近服務器芯片等高發熱元件，利用冷板中冷卻液帶走熱量；同時增設風冷單元帶走低發熱元件散熱服務器完全浸沒在冷卻液中，冷卻液循環流動并帶走熱量服務器完全浸沒在冷卻液中，冷卻液產生蒸發冷凝相變，并帶走熱量冷卻液從服務器機箔頂部噴淋下來，通過對流換熱為期間降溫技術特點服務器與動力系統改造較小，IT設備維護較簡單；管路接頭、密封件較多，漏液維護復雜散熱能力強、功率密度高。IT設備無

93、風扇，靜音；機械式吊臂拆裝，液體清理和拆卸難、運維經驗少散熱能力強、功率密度高，IT設備無風扇，靜音；服務器改為刀片式，專用機柜，管路要求高，控制復雜IT設備靜音，節省液體；需保證冷卻液按需分配，運維復雜，排液、補液，維護時破壞服務器原有密封結構成本冷板要求的規格多，需要定制，成本較高可適度改造原有服務器機柜，成本較小最高散熱效率80%100%生態T設備、冷卻液、管路、供配電等不統一，服務器多與機柜深耦合，支持廠家較多IT設備需定制化，普通光模塊等費容性待驗證IT設備需定制化，普通光模塊等兼容性待驗證目前有一家類型類型冷板式液冷冷板式液冷浸沒式液冷浸沒式液冷噴淋式噴淋式冷卻液用量大，成本居中1

94、00%制冷工質、設備、改造等成本均較低制冷工質用量大，氟化液成本高請務必閱讀正文之后的免責聲明及其項下所有內容 據測算，據測算，到2025年，通用服務器對應液冷市場規模將達到13億元左右；加速服務器液冷服務器市場規模達到83億元，合計約合計約9797億元億元，以下是核心假設：（1 1）滲透率假設：）滲透率假設：2025年通用服務器液冷滲透率15%；AI服務器液冷滲透率50%；（2 2）功耗假設：）功耗假設：假設通用服務器單芯片平均功耗提升至250W；AI服務器單芯片功耗提升至500W（參考-昇騰910 TDP約400W）（3 3）單價假設：）單價假設：假設2025年風冷、冷板式、浸沒式單位成本

95、分別為2430、4000、8000元/kW?？臻g測算：國內液冷市場有望達百億元空間測算：國內液冷市場有望達百億元表表 14：國內液冷市場規模測算：國內液冷市場規模測算2021Y2022Y2023E2024E2025E通用服務器（萬臺）366.9364.4375.4401.9422.0平均CPU數量（片/臺）2.02.02.02.02.0平均功耗（w）170185200230250服務器總功耗（kw）12475191348294150145618487422110205風冷占比100%99%97%90%85%風冷單價（元/kw）45004000350027002430風冷市場規模（億元）56.1

96、53.451.044.943.6冷板式液冷占比0%1%3%10%14%冷板式液冷單價（元/kw）8000550045004000浸沒式液冷占比0%0%1%1%浸沒式液冷單價（元/kw）150001100090008000液冷市場規模（億元）1.12.68.713.3加速計算服務器（萬臺）23.128.5356394.5平均GPU數量（片/臺）46688平均功耗（w）350375400450500服務器總功耗（kw）32399564055384000022680003780000風冷占比100%90%85%75%50%風冷單價（元/kw）45004000350027002430風冷市場規模（億元

97、）14.623.125.045.945.9冷板式液冷占比0%9%14%23%45%冷板式液冷單價（元/kw）8000550045004000浸沒式液冷占比1%2%3%5%浸沒式液冷單價（元/kw）150001100090008000液冷市場規模（億元）5.67.628.183.2風冷市場合計（億元）70.7 76.5 76.0 90.9 89.5 液冷市場合計（億元）6.7 10.2 36.8 96.5 資料來源：IDC，國信證券經濟研究所整理及預測請務必閱讀正文之后的免責聲明及其項下所有內容表表 15：冷板式液冷方案交付模式對比：冷板式液冷方案交付模式對比資料來源：電信運營商液冷技術白皮書，

98、國信證券經濟研究所整理由于目前液冷服務器的機柜需要定制，需綁定機柜（基礎設施）和服務器（ICT設備），），因此以中科曙光（曙光數創）、浪潮信息（組建液冷工程師團隊）為代表的服務器廠商采用自研為代表的服務器廠商采用自研+代工的形式布局液冷，目的是攫取液冷高溢價，從而提高盈利能力。代工的形式布局液冷，目的是攫取液冷高溢價，從而提高盈利能力。交付模式交付模式解耦交付解耦交付一體化交付一體化交付服務器廠商職責范圍根據液冷服務器設備，還需明確液冷服務器進回水的溫度、壓力、水質、監控范圍的要求，液冷基礎設施連接頭的要求、配電要求提供液冷整機柜及二次側管理的整體設計解決方案服務器多廠家單廠家整體適配性根據既

99、定接口標準分別生產機柜與服務器，測試階段進行適配原廠機柜和原廠服務器適配性較好，無法與非原廠設備匹配整體機房管理 可形成統一標準及規范，后續易管理各廠家標準不同，不容易對接安裝部署批量生產，規模推廣，靈活部署，基礎設施和服務器廠家需協調合作，機柜供應商提供機柜級的漏液監測功能與服務器結合部署采購模式 機柜與服務器分別采購，促進競爭，有利降低價格統一來購，受廠家限制較多運維管理機柜與服務器分別交付，需明確責任界面，需明確責任主體。各機柜及服務器配置統一，運維方式相同，易于統一管理同廠家整機柜交付，責任界面明晰；不同廠家運維方式，接口、數據類型不同，需分開運維產業成熟度當前尚不成熟當前較成熟服務器

100、/整機柜交付周期盲插快接模式：對現有軟管快接廠家，服務器深度定制開發，交付周期約9個月；軟管快接模式：對服務器進行淺度定制開發或無需定制，交付周期約3個月主流廠商已有的量產產品分析目前不同液冷供應商之間產品的適配和兼容有一定困難，服務器與機柜之間、機柜與不同品牌服務器之間可能存在不適配的風險，需標準引領，服務器與機柜統一接口標準，提前開展對接聯調、驗證測試等目前液冷技術在產業化和標準化方面還處于發展階段，液冷服務器和機柜無統一標準，一體交付模式不利于液冷產業標準的技術積累和創新引領液冷競爭格局（國內）：液冷設計非標，部分服務器廠商自研液冷競爭格局（國內）：液冷設計非標，部分服務器廠商自研請務必

101、閱讀正文之后的免責聲明及其項下所有內容專業溫控廠商也有方案落地，呈現多方合作模式。專業溫控廠商也有方案落地，呈現多方合作模式。目前，英維克、申菱環境和高瀾股份已有液冷項目落地（字節馬來西亞項目），是國內專業液冷溫控供應商中的領先企業。曙光數創為中科曙光系的溫控廠商，主要客戶為曙光系超算中心，以浸沒式方案為主。英維克通過綁定華為英維克通過綁定華為/Intel芯片方案的形式，目前合作服務器廠商如超聚變、寧暢、新華三等，優勢更為突出。芯片方案的形式，目前合作服務器廠商如超聚變、寧暢、新華三等，優勢更為突出。表表 16：數據中心液冷溫控可比公司綜合對比數據中心液冷溫控可比公司綜合對比名稱名稱 簡介簡介

102、細分領域細分領域 IDC策略策略 產品技術產品技術23Y機房溫控收入機房溫控收入/億元億元客戶客戶英維克致力于為云計算數據中心、服務器機房、通信網絡、電力電網、儲能系統、電源轉換等領域提供設備散熱解決方案，為客車、重卡、冷藏車、地鐵等車輛提供相關車用的空調、冷機等產品及服務，并為人居健康空氣環境推出系列的空氣環境機。數據中心、服務器機房、通信機房、高精度實驗室、無線通信基站、儲能電站、電動汽車充電樁、公交、通勤、旅運等產品直接或通過系統集成商提供給數據中心業主、IDC運營商、大型互聯網公司，可根據項目情況提供模塊化數據中心系統、數據中心基礎設施等整體方案和集成總包服務風冷、間接蒸發冷、液冷16

103、騰訊、阿里巴巴、秦淮數據、萬國數據、數據港、中國移動、中國電信、中國聯通等申菱環境為數據服務產業環境、工業工藝產研環境、專業特種應用環境、公共建筑室內環境等應用場景提供人工環境調控整體解決方案數據中心、特種環境（核電、機場溫控、油氣回收等）、新能源（海上風電、儲能、電池廠、發電廠等）、工業溫控數據中心、特種環境（核電、機場溫控、油氣回收等）、新能源（海上風電、儲能、電池廠、發電廠等）、工業溫控提供IDC溫控一體化解決方案間接蒸發冷、液冷等9華為、中國移動、曙光、浪潮、百度、世紀互聯等高瀾股份控股子公司高瀾創新科技信息與通信（ICT）熱管理產品主要為服務器液冷板、流體連接部件、多種型號和不同換熱

104、形式的CDU、多尺寸和不同功率的TANK，換熱單元。工業、數據中心、新能源汽車、儲能等形成冷板液冷數據中心熱管理和浸沒液冷數據中心熱管理的解決方案液冷為主-終端客戶如字節跳動等曙光數創以數據中心高效冷卻技術為核心的數據中心 基礎設施產品供應商，主營浸沒相變液冷 數據中心基礎設施產品，布局冷板式液冷聚焦數據中心/超算中心等提供浸沒式方案為主，布局冷板式液冷為主6.5冷板收入1.90億元曙光系、潤澤科技等數據來源：公司公告，國信證券經濟研究所整理（*上述公司機房溫控主要收入為在數據中心機房收入）液冷競爭格局（國內）：專業溫控廠商積極布局液冷競爭格局（國內）：專業溫控廠商積極布局請務必閱讀正文之后的

105、免責聲明及其項下所有內容三、交換機：三、交換機：AI集群無損通信的載體，以太網應用加速集群無損通信的載體，以太網應用加速請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 48：胖樹架構組網示意圖：胖樹架構組網示意圖資料來源：中國移動，國信證券經濟研究所整理 胖樹(Fat-Tree)組網由 Leaf 交換機、Spine 交換機和 Core 交換機組成，如圖所示。每8臺Leaf交換機和下掛的AI服務器做為一個 group，8臺 Leaf 交換機又和上面 N 臺 Spine 交換機組成一個pod，胖樹組網以 pod 為單位進行擴展。在胖樹組網中，Spine 交換機和 Leaf 交換機之間采用 Ful

106、lmesh 全連接，所有Spine1都 Full-Mesh 連接至第一組 Core，所有 Spine2 都 Full-Mesh 連接至第二組Core，依次類推。Spine交換機和 Leaf 交換機上下行收斂比都為1:1。胖樹架構下，假設單臺交換機端口數為P，則單臺交換機最多可下聯P/2張GPU，2層胖樹網絡最大可連接GPU數量為P*P/2，3層胖樹網絡最大可連接GPU數為P*P/2*P/2；以GPU端口:交換機端口視角，最大最大連接情況下兩層組網連接情況下兩層組網GPU:交換機端口數交換機端口數=1:3，三層組網則為，三層組網則為1:5。網絡架構網絡架構胖樹架構胖樹架構表表 17：胖樹架構下：

107、胖樹架構下144端口交換機端口交換機GPU:交換機端口數測算交換機端口數測算GPU數量數量72144288576115223044608921610368184323686473728網絡層數112222222333交換機數量11612245010020021658012682536Layer-1 Leaf11481632641281442565121024Layer-2 Spine248183672722165041008Layer-3 Core108252504交換機端口數14414486417283456720014400288003110483520182592365184交換機端口數

108、/GPU2.01.03.03.03.03.13.13.13.04.55.05.0資料來源：英偉達，SemiAnalysis，國信證券經濟研究所整理及測算請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 49：Spine-Leaf兩層組網兩層組網資料來源：Google，國信證券經濟研究所整理 Spine-Leaf 兩層組網如圖所示。每8臺 Leaf 交換機和下掛的 Al 服務器做為一個 group，以 group 為單位進行擴展。在 group 內部，采用多軌方案將AI服務器連接至 Leaf 交換機，即所有 AI服務器的1號網口都上連至 Leaf1，所有2號網口上連至 Leaf2，依此類推，所有

109、8號網口上連至Leaf8。Spine 交換機和Leaf 交換機之間采用 Fullmesh 全連接；Leaf 交換機上下行收斂比為 1:1。葉脊架構的組網方案在實際應用中綜合交換機方案、收斂比設計等不同有不同的落地形式。葉脊架構的組網方案在實際應用中綜合交換機方案、收斂比設計等不同有不同的落地形式。如Meta此前披露的采用以太網RoCE的3.2萬張GPU算力集群中，機架交換機（Rack Switch）上下行收斂比為 1:1，而集群（Cluster Switch）和匯聚交換機設置收斂比為7:1；對比來看，銳捷網絡AI-FlexiForce智算中心網絡解決方案Leaf層交換機收斂比1.1:1，Spi

110、ne和Leaf層交換機收斂比為1:1（詳見下頁）。網絡架構網絡架構葉脊架構葉脊架構圖圖 50：Meta通過以太網通過以太網RoCE組建最大可支持組建最大可支持3.2萬張萬張GPU的算力集群的算力集群資料來源：Google，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 51：銳捷網絡：銳捷網絡AI-FlexiForce智算中心網絡解決方案設計（上為智算中心網絡解決方案設計（上為2層，下為層，下為3層）層）資料來源：銳捷網絡，國信證券經濟研究所整理 以銳捷網絡以銳捷網絡AI-FlexiForce智算中心網絡解決方案為例：智算中心網絡解決方案為例：交換機參數：NCP（Lea

111、f交換機）采用NCP-RG-S6930-18QC40F1，18個400G業務口（下行）及40個200G Fabric內聯口（上行）；NCF交換機采用NCF-RG-X56-96F1，共96個200G Fabric內聯口。NCP交換機收斂比1.1:1，NCF交換機收斂比1:1。2層架構下，1個Pod對應18臺服務器（單服務器8卡），采用8個NCP交換機；滿配為12個Pod，最大對應216臺服務器（即1728張卡）對應NCP交換機數量=12*8=96；NCF交換機數量=1728*400G*1.1/200G/9640臺。即即GPU：端口數（等效端口數（等效400G）=1:3.2。3層架構下，1個Pod

112、包含6組18臺服務器（單服務器8卡），對應NCP交換機=8*6=48臺，Layer-2 NCF交換機需求=6*18*8*400G*1.1/200G/4840臺；滿配為20個Pod，Layer-3 NCF交換機需求=40*20/2=400臺。即即GPU：端口數：端口數（等效（等效400G）=1:5.4。網絡架構網絡架構葉脊架構葉脊架構表表 18：銳捷網絡：銳捷網絡AI-FlexiForce解決方案解決方案GPU:交換機端口數測算交換機端口數測算GPU數量數量72144576115217282304460892161036817280網絡層數2222233333交換機數量6114590136248

113、49695210561760Layer-1 NCP48326496128256512576960Layer-2 NCF23132640120240440480800Layer-3 NCF60120220240400交換機端口數（等效400G）2484481840368055681350427008511365644894080交換機端口數/GPU3.43.13.23.23.25.95.95.55.45.4資料來源：銳捷網絡官網，國信證券經濟研究所整理及測算DDC 2級組網級組網DDC 3級組網級組網請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 52：RDMA與傳統與傳統TCP的對比的對比資

114、料來源：架構師技術聯盟Google，國信證券經濟研究所整理圖圖 53：InfiniBand 與與 RoCE 協議棧協議棧資料來源：中國移動，國信證券經濟研究所整理 服務器內部由TCP協議棧接收/發送報文，對報文進行內部處理時會產生數十微秒的固定時延，這使得在AI數據運算和SSD分布式存儲這些微秒級系統中，TCP協議棧時延成為最明顯的瓶頸，RDMA技術無需操作系統和技術無需操作系統和TCP/IP協議的介入，可以輕易的實現超協議的介入，可以輕易的實現超低延時的數據處理：低延時的數據處理：允許應用與網卡之間的直接數據讀寫，將服務器內的數據傳輸時延降低到接近1us。允許接收端直接從發送端的內存讀取數據

115、，極大減少了CPU的負擔。RDMA起初針對起初針對Infiniband（IB），以太網基于），以太網基于RDMA的改進技術即為的改進技術即為RoCE。網絡協議：低時延要求網絡協議：低時延要求RDMA技術應用技術應用請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 54：RoCE延遲較延遲較TCP大幅優化，但對比大幅優化，但對比IB仍有劣勢仍有劣勢資料來源：電子發燒友，國信證券經濟研究所整理圖圖 55：網絡：網絡 Incast 流量發生場景流量發生場景資料來源：中國移動NICC新型智算中心技術體系白皮書，國信證券經濟研究所整理 InfiniBand高可靠性、低時延、高帶寬等特點在超級計算機集群中

116、得到廣泛應用；而以太網則具備分布式和兼容性設計，仍存在技術瓶頸，主要體現在易發生堵塞、丟包主要體現在易發生堵塞、丟包：（1）傳統基于流的等價多路徑路由（Equal Cost Multi Path，ECMP）負載均衡技術在流量數小、單流流量大的情況下可能失效，導致鏈路負載不均。當某些物理鏈路負載過大時，容易出現擁塞甚至網絡丟包。當某些物理鏈路負載過大時，容易出現擁塞甚至網絡丟包。（2）分布式訓練的多對一通信模型產生大量分布式訓練的多對一通信模型產生大量 In-cast 流量，造成設備內部隊列緩存的瞬時突發而導致擁塞甚至丟包流量，造成設備內部隊列緩存的瞬時突發而導致擁塞甚至丟包，造成應用時延的增加

117、和吞吐的下降。PFC（Priority-based Flow Control）和 ECN（Explicit Congestion Notification）都是擁塞產生后，再進行干預的被動擁塞控制機制，它們無法從根本上避免擁塞。（3）業界通過 CLOS 架構搭建大規模分布式轉發結構來滿足日益增長的轉發規模需求，在該架構下，各節點分布式運行和自我決策轉發路徑導致無法完全感知全局信息和實現最優的整網性能。網絡協議：網絡協議：IB網絡性能更優，網絡性能更優，RoCE協議仍存在性能瓶頸協議仍存在性能瓶頸50s5s20%8%2%請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 92：2023年中國光器件

118、與輔助設備最具競爭力企業年中國光器件與輔助設備最具競爭力企業10強強資料來源：網絡電信研究院，國信證券經濟研究所整理 國內份額領先廠商有望更受益國產算力建設。國內份額領先廠商有望更受益國產算力建設。中際旭創、新易盛等全球領先光模塊公司在海外大型云廠商客戶中份額較高，充分受益海外AI建設浪潮。同時如光迅科技、華工正源等國內份額較高的光模塊公司，有望更加受益國內算力建設。競爭格局：國內份額領先廠商有望受益國產算力建設競爭格局：國內份額領先廠商有望受益國產算力建設圖圖 91：主要光模塊廠商國內收入對比主要光模塊廠商國內收入對比（百萬元百萬元，2023）資料來源：Wind，國信證券經濟研究所整理050

119、010001500200025003000350040004500光迅科技中際旭創新易盛德科立劍橋科技請務必閱讀正文之后的免責聲明及其項下所有內容圖圖 93：光模塊成本大致拆分光模塊成本大致拆分資料來源：易天光通信，國信證券經濟研究所整理圖圖 94：光芯片成本在不同速率光模塊的占比光芯片成本在不同速率光模塊的占比資料來源：易天光通信，國信證券經濟研究所整理 芯片是光模塊核心環節之一，高速市場突破或加快。芯片是光模塊核心環節之一，高速市場突破或加快。光通信模塊產品所需原材料主要是光器件、電路芯片、PCB板以及外殼等。其中，光器件占光模塊成本的73%，電路芯片18%，PCB板5%以及外殼4%。光器

120、件中包括了以激光器芯片為核心的TOSA組件、以探測器芯片為核心的ROSA組件以及濾光片等部分。如果進一步拆分，低端光模塊中光芯片占比較低，約為30%，高端光模塊中光芯片的占比可達到70%光模塊上游：高速率光芯片價值占比提升光模塊上游：高速率光芯片價值占比提升73%18%5%4%光器件電路芯片PCB板外殼0%10%20%30%40%50%60%70%80%低端模塊中端模塊高端模塊請務必閱讀正文之后的免責聲明及其項下所有內容 AI需求推動，或加速國內廠商高速光需求推動，或加速國內廠商高速光芯片市場份額突破。芯片市場份額突破。在低速率光芯片領域（25G及以下）基本實現國產替代。根據中國光電子器件產業

121、技術發展路線圖（2018-2022年），2017年10G以下激光器芯片國產化率接近80%，10G激光器芯片國產化率接近50%。目前在目前在25G及以及以上速率的光芯片（尤其是激光器芯片）市上速率的光芯片（尤其是激光器芯片）市場主要玩家為歐美、日本等廠商，場主要玩家為歐美、日本等廠商，如美國的Lumentum、II-VI、博通，日本的三菱、住友等?？紤]到AI帶來的800G等高速光模塊需求或在短期內快速釋放，結合供應鏈安全和穩定的考慮，或有望加速國內光芯片廠商的高速市場突破。光模塊上游：高速光芯片市場突破或加快光模塊上游：高速光芯片市場突破或加快表表 24：國內外主要光芯片廠商對比情況：國內外主要

122、光芯片廠商對比情況廠商廠商主要產品主要產品激光器業務來源激光器業務來源Lumentum1）激光器芯片：10G/25G/100G DML;25G/100G PAM4 EML;25G/50G PAM4 VCSEL；可調諧激光器；CW DFB；即將發布100G VCSEL/200G EML2)探測器芯片：10G APD等收購Oclaro資產，最初來自日立2000年成立的子公司Opxnet；2022年收購NeoPhotonicsCoherent1）激光器芯片為主，各類DFB、VCSEL、可調諧激光器;100GDML2）探測器芯片：各類PIN、APD2001年收購Sensors（PIN、APD），Dem

123、eter（FP和DFB）；2004年收購Honeywell（VCSEL）；2011年收購Ignis（可調諧）AOI1.激光器芯片：25G DFB、100G PAM4 EML2）探測器芯片：100G PD1997年成立，核心工藝在于自研激光器，批量出貨25G激光器住友1）激光器芯片：各類VCSEL+DFB1992年研發FP，1994年研發DFB，目前有DFB、EML、ITLA等激光器。MACOM1）激光器芯片：10/25G FB、2.5G/10G/25G DFB;2）探測器芯片：10/25G APDBinOptics，2000年成立，FP、DFB用于PON領域博通1）激光器芯片：10/25G D

124、FB、50G、100G EML2）探測器芯片：10/25G/50G APD2005年：HP-Agilent的Vcsel2013年：Cyoptics，磷化銦的EML、DFB芯片，前身是朗訊和貝爾實驗室的光電部門三菱1）激光器芯片：25G DFB、10G/25G/100G OSA等最早1980年即有超長工作時長的半導體激光器，是該領域多項結構和發明的全球領先者源杰科技1）激光器芯片：2.5G/10G/25G DFB：10G EML；儲備50G/100G EML等產品成立2013年，主營業務為光芯片的研發、設計、生產與銷售，主要產品包括2.5G、10G和25G及更高速率激光器芯片系列產品等長光華芯1

125、）激光器芯片：發布56G（單波100G）EML芯片；2）探測器芯片：未來布局方向之一主營業務為半導體激光芯片的研發、設計及制造，主要產品包括高功率單管系列產品、高功率巴條系列產品、高效率VCSEL系列產品及光通信芯片系列產品等仕佳光子1.無源PLC芯片：全球市占率第一；2）激光器芯片：2.5G/10G DFB批量出貨;25G DFB客戶驗證階段主要產品包括PLC分路器芯片系列產品、AWG芯片系列產品、DFB激光器芯片系列產品、光纖連接器、室內光纜、線纜材料等光迅科技1）激光器芯片：25G VCSEL已實現量產國內領先光器件及模塊廠商，光芯片自研光庫科技1）調制器：薄膜鈮酸鋰芯片2019年通過收

126、購海外優質資產獲得光芯片能力云嶺光電（未上市）1）激光器：2.5G/10G/25G DFB;10G/25G EML2）探測器：2.5G/10G/25G/50G PIN華工科技部分持股，定位光芯片及封裝業務，主要產品為光通信用激光器和探測器芯片敏芯股份（未上市）1）激光器：2.5G/10G/25G DFB;10G/25G/50G EML2）探測器：2.5G/10G/50G PD;2.5G/10G/25G APD定位光芯片及封裝業務,主要產品包2.5G/10G/25G/50G全系列激光器和探測器光芯片及封裝類產品。資料來源：各公司公告，公司官網，OFC，觀研天下，國信證券經濟研究所整理請務必閱讀正

127、文之后的免責聲明及其項下所有內容 關注硅光模塊關注硅光模塊CW光源國產突破。光源國產突破。硅光模塊主要采用CW光源，目前，400G DR4/800G DR8硅光方案采用70mW CW光源，分支比為1:2，即400G（4通道）采用2個CW光源、800G（8通道）采用4個CW光源。后續趨勢來看，分支比擴大能夠減少激光器用量，進一步降低成本，關注后續大功率CW光源產業進度及供應商情況。據源杰科技公告，2023年公司完成100G PAM4 EML、70mW/100mW大功率CW芯片等產品的研發與設計定型，并在客戶端送樣測試，目前相關測試進展順利。光模塊上游：高速光芯片市場突破或加快光模塊上游：高速光芯

128、片市場突破或加快表表 25：外置：外置CW光源理論功率需求測算（光源理論功率需求測算（400G DR4/FR4）DR4FR4損耗（損耗（dB）輸出功率（輸出功率（dBm）損耗（損耗（dB）輸出功率（輸出功率（dBm）ELS總輸出功率總輸出功率18.5 18.5 內部光接口0.5 18.0 0.5 18.0 保偏光纖與引擎的輸入耦合2.0 16.0 1.8 16.2 偏振相關0.4 15.6 0.4 15.8 分支比，1:46.0 9.6 6.0 9.8 片上無源波導損耗0.5 9.1 0.5 9.3 調制器OMA損耗6.0 3.1 6.0 3.3 合波器損耗0.5 2.8 Tx發射端與光纖耦合

129、2.0 1.1 1.8 1.0 輸出光接口0.5 0.6 0.5 0.5 前面板接口0.5 0.1 0.5 0.0 TP10.1 0.0 TP2需求，802.3(TDECQ1.4dB)-0.8-0.8 余量(dB)0.9 0.8 換算為功率換算為功率18.5dBm=70mW18.5dBm=70mW資料來源：菲魅通信，國信證券經濟研究所整理請務必閱讀正文之后的免責聲明及其項下所有內容五、投資建議五、投資建議請務必閱讀正文之后的免責聲明及其項下所有內容投資建議投資建議 國產算力加速發展，產業鏈有望充分受益，基于細分環節，推薦關注：交換機環節如國產算力加速發展，產業鏈有望充分受益，基于細分環節，推薦

130、關注：交換機環節如紫光股份、銳捷網絡、菲菱科思紫光股份、銳捷網絡、菲菱科思等，光器件光模等，光器件光模塊環節如塊環節如光迅科技、中際旭創、新易盛光迅科技、中際旭創、新易盛等，液冷如等，液冷如英維克、申菱環境英維克、申菱環境等，智算中心如等，智算中心如潤澤科技潤澤科技等。同時，基于產業發展視角，建議關注等。同時，基于產業發展視角，建議關注機架式方案對機架式方案對高速連接器（如背板連接器）高速連接器（如背板連接器）的需求拉動以及核心上游芯片環節的國產替代，如的需求拉動以及核心上游芯片環節的國產替代，如交換芯片、交換芯片、PHY芯片、光芯片芯片、光芯片等。等。表表 26：重點公司盈利預測及估值（截至

131、：重點公司盈利預測及估值（截至5月月29日）日）產業鏈產業鏈代碼代碼簡稱簡稱投資評級投資評級歸母凈利潤（億元）歸母凈利潤（億元）EPS（元）（元）PEPB收盤價收盤價（5月月29日）日）總市值總市值（億元）（億元）20232024E2025E20232024E2025E20232024E2025E光器件光模塊002281.SZ光迅科技優于大市6197349330.780.921.1742.636.028.32.933.23264300308.SZ中際旭創優于大市2181516481642.816.4310.1757.325.015.89.7161.001,297300394.SZ天孚通信優于大

132、市730125816431.853.194.1668.840.030.617.3127.31504300502.SZ新易盛無評級691147221290.972.073.0090.642.429.39.187.86624300620.SZ光庫科技優于大市60871320.240.350.53161.0111.273.25.438.6396交換機000938.SZ紫光股份優于大市2103233026780.740.810.9429.326.923.21.721.77623301165.SZ銳捷網絡優于大市4014886230.710.861.1045.237.329.24.432.0818230

133、1191.SZ菲菱科思優于大市1441792462.082.583.5435.528.620.82.873.7851液冷002837.SZ英維克優于大市3445357030.610.941.2440.325.919.76.024.39180301018.SZ申菱環境優于大市1052863630.391.071.3755.320.115.82.221.5557智算中心300422.SZ潤澤科技優于大市1762231534711.141.352.0222.018.712.55.225.15433資料來源：Wind，國信證券經濟研究所整理和預測；新易盛、光庫科技、菲菱科思、申菱環境采用Wind一致預

134、期請務必閱讀正文之后的免責聲明及其項下所有內容風險提示風險提示 AI發展及投資不及預期 行業競爭加劇 全球地緣政治風險 新技術發展引起產業鏈變遷請務必閱讀正文之后的免責聲明及其項下所有內容免責聲明免責聲明分析師承諾分析師承諾作者保證報告所采用的數據均來自合規渠道；分析邏輯基于作者的職業理解，通過合理判斷并得出結論，力求獨立、客觀、公正，結論不受任何第三方的授意或影響；作者在過去、現在或未來未就其研究報告所提供的具體建議或所表述的意見直接或間接收取任何報酬，特此聲明。重要聲明重要聲明本報告由國信證券股份有限公司（已具備中國證監會許可的證券投資咨詢業務資格）制作；報告版權歸國信證券股份有限公司（以

135、下簡稱“我公司”）所有。，本公司不會因接收人收到本報告而視其為客戶。未經書面許可，任何機構和個人不得以任何形式使用、復制或傳播。任何有關本報告的摘要或節選都不代表本報告正式完整的觀點，一切須以我公司向客戶發布的本報告完整版本為準。本報告基于已公開的資料或信息撰寫，但我公司不保證該資料及信息的完整性、準確性。本報告所載的信息、資料、建議及推測僅反映我公司于本報告公開發布當日的判斷，在不同時期，我公司可能撰寫并發布與本報告所載資料、建議及推測不一致的報告。我公司不保證本報告所含信息及資料處于最新狀態；我公司可能隨時補充、更新和修訂有關信息及資料，投資者應當自行關注相關更新和修訂內容。我公司或關聯機

136、構可能會持有本報告中所提到的公司所發行的證券并進行交易，還可能為這些公司提供或爭取提供投資銀行、財務顧問或金融產品等相關服務。本公司的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中意見或建議不一致的投資決策。本報告僅供參考之用，不構成出售或購買證券或其他投資標的要約或邀請。在任何情況下，本報告中的信息和意見均不構成對任何個人的投資建議。任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。投資者應結合自己的投資目標和財務狀況自行判斷是否采用本報告所載內容和信息并自行承擔風險，我公司及雇員對投資者使用本報告及其內容而造成的一切后果不承擔任何法律責任。證券投資咨

137、詢業務的說明證券投資咨詢業務的說明本公司具備中國證監會核準的證券投資咨詢業務資格。證券投資咨詢，是指從事證券投資咨詢業務的機構及其投資咨詢人員以下列形式為證券投資人或者客戶提供證券投資分析、預測或者建議等直接或者間接有償咨詢服務的活動：接受投資人或者客戶委托，提供證券投資咨詢服務；舉辦有關證券投資咨詢的講座、報告會、分析會等；在報刊上發表證券投資咨詢的文章、評論、報告，以及通過電臺、電視臺等公眾傳播媒體提供證券投資咨詢服務；通過電話、傳真、電腦網絡等電信設備系統，提供證券投資咨詢服務；中國證監會認定的其他形式。發布證券研究報告是證券投資咨詢業務的一種基本形式，指證券公司、證券投資咨詢機構對證券

138、及證券相關產品的價值、市場走勢或者相關影響因素進行分析，形成證券估值、投資評級等投資分析意見，制作證券研究報告，并向客戶發布的行為。國信證券投資評級國信證券投資評級投資評級標準投資評級標準類別類別級別級別說明說明報告中投資建議所涉及的評級（如有）分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后6到12個月內的相對市場表現，也即報告發布日后的6到12個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A股市場以滬深300指數（000300.SH）作為基準；新三板市場以三板成指（899001.CSI）為基準；香港市場以恒生指數(HSI.HI)作為基準；美國市

139、場以標普500指數(SPX.GI)或納斯達克指數（IXIC.GI）為基準。股票投資評級股票投資評級優于大市股價表現優于市場代表性指數10%以上中性股價表現介于市場代表性指數10%之間弱于大市股價表現弱于市場代表性指數10%以上無評級股價與市場代表性指數相比無明確觀點行業投資評級行業投資評級優于大市行業指數表現優于市場代表性指數10%以上中性行業指數表現介于市場代表性指數10%之間弱于大市行業指數表現弱于市場代表性指數10%以上請務必閱讀正文之后的免責聲明及其項下所有內容國信證券經濟研究所國信證券經濟研究所深圳深圳深圳市福田區福華一路125號國信金融大廈36層郵編：518046 總機：0755-82130833上海上海上海浦東民生路1199弄證大五道口廣場1號樓12樓郵編：200135北京北京北京西城區金融大街興盛街6號國信證券9層郵編：100032