1、1證券研究報告作者：行業評級：上次評級：行業報告|請務必閱讀正文之后的信息披露和免責申明通信通信強于大市強于大市維持2023年06月21日（評級）分析師 唐海清 SAC執業證書編號：S1110517030002分析師 王奕紅 SAC執業證書編號：S1110517090004分析師 林竑皓 SAC執業證書編號：S1110520040001分析師 余芳沁 SAC執業證書編號：S1110521080006分析師 康志毅 SAC執業證書編號：S1110522120002全球全球AI軍備競賽，通信行業蓬勃發展軍備競賽，通信行業蓬勃發展行業投資策略2請務必閱讀正文之后的信息披露和免責申明代碼代碼名稱名稱2

2、023-06-16評級評級2022A2023E2024E2025E2022A2023E2024E2025E300308.SZ中際旭創155.00買入1.531.762.383.06101.3188.0765.1350.65300502.SZ新易盛68.64買入1.781.582.373.1838.5643.4428.9621.58000063.SZ中興通訊39.00買入1.712.152.482.7822.8118.1415.7314.03300394.SZ天孚通信107.30增持1.021.261.642.10105.2085.1665.4351.10600522.SH中天科技16.08買入

3、0.941.231.581.9617.1113.0710.188.20600487.SH亨通光電15.48買入0.640.981.261.5124.1915.8012.2910.25600941.SH中國移動95.74買入5.876.396.917.4516.3114.9813.8612.85002335.SZ科華數據38.74買入0.541.652.283.1471.7423.4816.9912.34300442.SZ潤澤科技33.85增持1.261.922.613.5326.8717.6312.979.59002929.SZ潤建股份44.08買入1.822.803.925.4324.221

4、5.7411.248.12002123.SZ夢網科技14.24增持-0.900.370.580.82-15.8238.4924.5517.37688498.SH源杰科技283.00增持1.662.443.184.05170.48115.9888.9969.88重點標的推薦重點標的推薦股票股票股票股票收盤價收盤價投資投資EPS(元元)P/E展望未來，通信行業部分細分產業鏈有望充分受益全球展望未來，通信行業部分細分產業鏈有望充分受益全球AI大趨勢以及國內數字經濟，行業景氣度有望持續得到印證。市大趨勢以及國內數字經濟，行業景氣度有望持續得到印證。市場情緒和風格變化之下，通信行業主要標的業績增速、長期

5、成長性突出。場情緒和風格變化之下，通信行業主要標的業績增速、長期成長性突出。風險提示風險提示：5G產業和商用進度低于預期、產業和商用進度低于預期、ChatGPT發展低于預期、發展低于預期、ChatGPT政策監管風險、下游應用推廣不及預期、行政策監管風險、下游應用推廣不及預期、行業競爭格局加劇、人才及技術更新風險。業競爭格局加劇、人才及技術更新風險。資料來源：Wind、天風證券研究所請務必閱讀正文之后的信息披露和免責申明回顧總結與未來展望回顧總結與未來展望3請務必閱讀正文之后的信息披露和免責申明通信產業鏈全景圖：通信產業鏈全景圖：通信產業鏈最下游兩大條線，圍繞運營商，以及圍繞B端/G端等行業客戶

6、應用。運營商產業鏈：以5G、10GPON等網絡建設，以及流量增長帶來的網絡持續升級擴容，驅動整個硬件/軟件/工程維護等產業鏈的成長；2B/2G等應用：以算力（及配套的IDC、光模塊、網絡設備）、云視頻、物聯網等為主的豐富的產業應用，受益5G等新技術的變革，產業鏈持續發展。4資料來源：Wind、天風證券研究所請務必閱讀正文之后的信息披露和免責申明5G通信網絡建設上游零部件廠商射頻器件世嘉科技武漢凡谷大富科技國人通信天線/陣子通宇通訊世嘉科技飛榮達科創新源碩貝德散熱殼體銀寶山新科創新源飛榮達光模塊中際旭創光迅科技華工科技新易盛劍橋科技PCB/CCL深南電路滬電股份生益科技華正新材建滔連接器中航光電

7、意華股份金信諾立訊精密主設備商宏基站中興通訊華為愛立信諾基亞供電/防雷俊知集團中恒電氣科士達新雷能中光防雷鐵塔中國鐵塔華體科技中嘉博創制冷英維克依米康佳力圖應用上量基礎設施物聯網終端模組移遠通信廣和通日海智能高新興移為通信樂鑫科技博通集成5G流量應用視頻會議億聯網絡蘇州科達淳中科技云通信夢網集團中嘉博創IDC機房寶信軟件光環新網奧飛數據數據港萬國數據流量監控及內容分發網宿科技中新賽克恒為科技光通信設備烽火通信中興通訊諾基亞華為中興通訊烽火通信紫光股份星網銳捷華為思科增長邏輯：5G基站上量，從預期到兌現流量增長的網絡擴容上游零部件主設備商SDN/NFV設備光模塊中際旭創光迅科技華工科技新易盛劍橋

8、科技海信寬帶LumentumFinisar光器件太辰光天孚通信博創科技LumentumFinisarSemtech增長邏輯：5G用戶滲透，流量快速增長，網絡擴容服務器/交換機浪潮信息中科曙光星網銳捷紫光股份增長邏輯：ISP廠商基于新應用和新內容增長，加大云計算基礎設施投入網優網維三維通信超訊通信宜通世紀國脈科技海格通信中富通華星創業世紀鼎利創意信息中國移動運營商中國聯通中國電信鵬博士中國廣電BOSS系統天源迪科思特奇亞信科技東方國信網絡優化/運維行情回顧行情回顧板塊行情回顧板塊行情回顧回顧2022年初至2022年12月31日行情，通信指數跌幅15.60%，排名第14名（總計31個行業）。從產業

9、角度來看，我們認為通信指數2022年初至2022年年底表現排名市場整體中游水平的主要原因包括：1）運營商資本開支增速放緩；2）外部宏觀環境影響等。從整體持倉比例來看，2022年，通信板塊基金持倉處于歷史較低水平。21Q4-22Q3機構通信持倉比例有所提升，但22Q4 的機構持倉比例進一步下降至1.17%，顯著低于同期通信行業A股總市值占比的3.59%，處于明顯低配狀態，且也處于歷史較低水平。5資料來源：Wind、天風證券研究所請務必閱讀正文之后的信息披露和免責申明行情回顧行情回顧板塊估值有望逐步修復，重點關注低估值高成長方向板塊估值有望逐步修復，重點關注低估值高成長方向從通信整體估值水平比看，

10、板塊估值水平自2019年以來持續低于創業板平均估值，并且差距逐步擴大，縱向比較也處于通信板塊歷史估值底部區間。展望未來，通信行業部分細分產業鏈有望充分受益全球AI大趨勢以及國內數字經濟，行業景氣度有望持續得到印證。6資料來源：Wind、天風證券研究所請務必閱讀正文之后的信息披露和免責申明展望未來展望未來#1 全球科技巨頭加速布局，全球科技巨頭加速布局，AIGC產業高速發展產業高速發展2022年12月，Open AI的大型語言生成模型ChatGPT火熱。隨后，全球各大科技企業都在積極擁抱AIGC，不斷推出相關技術、平臺和應用。生成算法、預訓練模式、多模態等AI技術累計融合，催生了AIGC的高速發

11、展。GPT模型對比BERT模型、T5模型的參數量有明顯提升。GPT-3是目前最大的知名語言模型之一，包含了1750億（175B）個參數。在GPT-3發布之前，最大的語言模型是微軟的Turing NLG模型，大小為170億（17B）個參數。GPT-3 的paper 也很長，ELMO 有 15 頁，BERT 有 16 頁，GPT-2 有 24 頁，T5 有 53 頁，而 GPT-3 有 72 頁。7資料來源：數字金融網微信公眾號、Language Models are Few-Shot LearnersTom B.Brown等、天風證券研究所請務必閱讀正文之后的信息披露和免責申明展望未來展望未來#

12、2 網絡先行，輔以終端普及，催生內容與應用網絡先行，輔以終端普及，催生內容與應用從時間邏輯上講，新一代網絡科技浪潮，將又是一個先網絡建設，輔以終端普及，而后推動內容與應用滲透的過程。因此網絡是先行的；近年來，新興應用的涌現，亦是依托于新一代基礎基建的逐步完善。5G網絡時代，終端的豐富性預計將會強很多（從5G手機到VRAR設備到可穿戴設備到無人駕駛汽車等但爆款仍有待觀察），內容和應用目前雛形：VRAR游戲云計算人工智能無人駕駛工業互聯網等等。5G應用：1）萬物互聯，快速打開物聯網/車聯網市場空間，汽車智能化大趨勢下大量細分領域迎來發展新機遇；2）RCS、視頻應用、MCN等5G應用迎來機會；3）計

13、算需求提升，邊緣計算也將逐步上量；8資料來源：IMT5G推進組官網、創維數字官網、天風證券研究所請務必閱讀正文之后的信息披露和免責申明5G服務工業教育家居交通農業AIGC引導產業變革引導產業變革Part#19請務必閱讀正文之后的信息披露和免責申明10請務必閱讀正文之后的信息披露和免責申明資料來源：中國信息通信研究院和京東探索研究院，天風證券研究所3.13.1.AIGCAIGC：孕育數字經濟新業態的關鍵技術：孕育數字經濟新業態的關鍵技術AIGC(Artificial Intelligence Generated Content，人工智能生成內容，人工智能生成內容)是通過人工智能算法對數據或媒體進

14、行生產、操控和修改的統稱，是通過人工智能算法對數據或媒體進行生產、操控和修改的統稱，是繼專業生成內容是繼專業生成內容(PGC)和用戶生成內容和用戶生成內容(UGC)之后自動生成內容的新型生產方式之后自動生成內容的新型生產方式。AIGC的興起源于深度學習技術的突破和日益增長的數字內容供給需求。的興起源于深度學習技術的突破和日益增長的數字內容供給需求。一方面，深度學習技術驅動AIGC可用性不斷增強；另一方面，海量需求牽引AIGC應用落地。AIGC有望成為數字內容創新的新引擎，為數字經濟發展注入全新動能。有望成為數字內容創新的新引擎，為數字經濟發展注入全新動能。AIGC 不僅能以低邊際成本、高效率的

15、方式進行信息挖掘、復刻編輯等基礎性機械勞動，還能創新內容生產的流程和范式，提升內容生產的創造力。同時，AIGC 能夠通過支持數字內容與其他產業的多維互動、融合滲透從而孕育數字經濟的新業態新模式，打造經濟發展新增長點。圖：圖：AIGCAIGC發展歷程發展歷程11請務必閱讀正文之后的信息披露和免責申明資料來源：中國信息通信研究院和京東探索研究院，天風證券研究所3.13.1.AIGCAIGC：孕育數字經濟新業態的關鍵技術：孕育數字經濟新業態的關鍵技術AIGC根據面向對象、實現功能的不同分為智能數字內容孿生、智能數字內容根據面向對象、實現功能的不同分為智能數字內容孿生、智能數字內容編輯和智能數字內容創

16、作三個層次。編輯和智能數字內容創作三個層次。智能數字內容孿生主要目標是建立現實世界到數字世界的映射；智能數字內容編輯主要目的是建立數字世界與現實世界的雙向交互。在數字內容孿生的基礎上，從現實世界實現對虛擬數字世界中內容的控制和修改，同時利用數字世界高效率仿真和低成本試錯的優勢，為現實世界的應用提供快速迭代能力；智能數字內容創作主要目標是讓AI算法具備內容創作和自我演化的能力，使得 AIGC 產品具備類似甚至超越人的創作能力。以上三個層次的能力共同構成 AIGC 的能力閉環。圖：圖：AIGCAIGC的技術能力層次的技術能力層次12請務必閱讀正文之后的信息披露和免責申明資料來源：中國信息通信研究院

17、和京東探索研究院，天風證券研究所3.13.1.AIGCAIGC：孕育數字經濟新業態的關鍵技術：孕育數字經濟新業態的關鍵技術深度學習的發展帶來了神經網絡在大模型和多模態兩個方向的不斷突破，為深度學習的發展帶來了神經網絡在大模型和多模態兩個方向的不斷突破，為AIGC技術能力的升級提供強力支撐。技術能力的升級提供強力支撐。當前AIGC技術從追求生成內容的真實性這一基本需求，發展到滿足生成內容多樣性、可控性的進階需求，并開始追求生成內容的組合性。在應用上，在應用上，AIGC以其真實性、多樣性、可控性和組合性的特征，有望幫助各行業提高內容生產效率，并為其提供更為豐富多元、動以其真實性、多樣性、可控性和組

18、合性的特征，有望幫助各行業提高內容生產效率，并為其提供更為豐富多元、動態且可交互的內容態且可交互的內容。以傳媒行業為例，AIGC+傳媒可以實現人機協同生產，推動媒體融合。在采編環節，采訪語音轉寫、智能新聞寫作加視頻剪輯，可以提升新聞資訊的時效性。在傳播環節，AIGC應用集中于以AI合成主播為核心的新聞播報領域，并呈現應用范圍不斷拓展、應用場景不斷升級和應用形態日趨完善的特點。圖：圖：AIGCAIGC多模態大模型生成結果圖多模態大模型生成結果圖圖：圖：AIGCAIGC應用視圖應用視圖13請務必閱讀正文之后的信息披露和免責申明資料來源：ACM，IEEE Xplore，NIPS，天風證券研究所3.2

19、3.2.大模型拓展大模型拓展AIAI應用可能邊界應用可能邊界近年，隨著機器學習研究的不斷深入，大規模并行化計算和遷移學習理論逐步形成，結合硬件層面算力和適配性的提升，大模型應運而近年，隨著機器學習研究的不斷深入，大規模并行化計算和遷移學習理論逐步形成，結合硬件層面算力和適配性的提升，大模型應運而生。較過往的場景化生。較過往的場景化AI應用，大模型性能明顯增強，實現了可執行任務的多樣性，極大拓展了應用，大模型性能明顯增強，實現了可執行任務的多樣性，極大拓展了AI應用可能邊界。應用可能邊界。前期理論研究和算法突破奠定大模型基礎。前期理論研究和算法突破奠定大模型基礎。Thrun等人證明AI模型可以實

20、現遷移學習遷移學習(transfer learning)，即將從特定任務的模式識別能力用于另一項任務1。此外，異步優化算法異步優化算法(asynchronous algorithm)的完善，大幅提高了系統利用率，使得實證中模型優化速度明顯提升。Transformer模型開啟大模型時代。模型開啟大模型時代。2017年提出的Transformer模型完全基于多注意力機制3，該結構更易并行化和進行多任務學習，模型訓練時間也明顯更少。該模型迅速成為深度學習主流模型框架，衍生的自回歸系列架構、自編碼系列架構等在生成性任務和自然語言理解上大放異彩。圖：并行同步和異步算法比較圖：并行同步和異步算法比較22圖

21、：圖：TransformerTransformer和多注意力機制結構和多注意力機制結構3314請務必閱讀正文之后的信息披露和免責申明資料來源：Github，openAI官網，天風證券研究所3.23.2.大模型拓展大模型拓展AIAI應用可能邊界應用可能邊界openAI等團隊不斷改進模型結構，并通過輕量化方法對模型進行“瘦身”，讓大模型實現效率、成本和性能的綜合性提升。等團隊不斷改進模型結構，并通過輕量化方法對模型進行“瘦身”，讓大模型實現效率、成本和性能的綜合性提升。GPT-1和和GPT-2模型結構基于模型結構基于Transformer的解碼器的解碼器(decoder)而來而來。GPT-1模型使

22、用12層的Transformer解碼器結構和掩碼自注意力機制，以探索該模型架構在多任務學習上的表現。GPT-2模型在GPT-1模型基礎上，調整和添加了層標準化，并調整殘差層權重以應對殘差路徑上的累積問題。GPT-3模型在模型在GPT-2模型上進行了改進和模型大小擴充，以追求小樣本學習情境下的泛化能力。模型上進行了改進和模型大小擴充，以追求小樣本學習情境下的泛化能力。GPT-3模型使用和GPT-2模型基本相同的結構，但其中也借鑒了Sparse Transformer中的Dense層和Locally Banded Sparse Attension層設置?？紤]到之前GPT-2模型在無微調情況下的多任

23、務表現欠佳，GPT-3模型擴充了其模型層數和維度，使得參數最大可以達到1750億個。InstructGPT和和ChatGPT在在GPT-3模型研究基礎上，進一步改進其模型結構。模型研究基礎上，進一步改進其模型結構。根據openAI官網公布，作為作為ChatGPT姊妹模型的姊妹模型的InstructGPT參數數量為參數數量為13億個億個，模型明顯小于GPT-3模型，但在性能上并不遜于后者，且更少出現偽造信息等問題。圖：圖：InstructGPTInstructGPT模型大小及性能描述模型大小及性能描述圖：圖：GPTGPT-1 1模型結構模型結構44圖：圖：GPTGPT-2 2模型大小模型大小55

24、圖：圖：GPTGPT-3 3模型大小模型大小6615請務必閱讀正文之后的信息披露和免責申明資料來源：Github，openAI官網，天風證券研究所3.23.2.大模型拓展大模型拓展AIAI應用可能邊界應用可能邊界除了模型結構的演化，訓練方法和訓練集的改進也讓除了模型結構的演化，訓練方法和訓練集的改進也讓大模型輸出更加貼近用戶需求大模型輸出更加貼近用戶需求，進一步提升大模型的實用性。，進一步提升大模型的實用性。GPT系列模型不斷強化多任務學習能力及泛化能力。系列模型不斷強化多任務學習能力及泛化能力。GPT-1模型中，openAI團隊采用無監督學習預訓練無監督學習預訓練+有監督微調模式有監督微調模

25、式，測試發現針對特定任務區分性微調后的GPT-1表現較傳統任務特化模型更佳?？紤]到任務相關數據集的可獲得性及成本和微調過程中過擬合任務相關數據集等問題，GPT-2僅對模型進行了無監督學習預訓練，并測試其在多任務中的表現?？紤]GPT-2模型表現的不足，GPT-3模型引入了無監督學習預訓練了無監督學習預訓練+少樣本學習模式少樣本學習模式，相較于之前的有監督微調，少樣本學習僅需要不到100個樣本數據（zero-shot：不提供樣本，one-shot：提供1個樣本，few-shot：提供10-100個樣本），對任務相關數據集的需求量大幅下降，同時模型依舊在各項任務測試中取得較好表現。GPT系列模型訓練

26、集生成方式在不斷改進，訓練集大小快速上升。系列模型訓練集生成方式在不斷改進，訓練集大小快速上升。GPT-2模型所用的訓練數據集規模超過40GB，而為了滿足超大模型對訓練數據的需求，GPT-3模型使用了超過45TB數據進行訓練。圖：圖：GPTGPT-3 3模型少樣本學習后的表現模型少樣本學習后的表現66圖：圖：GPTGPT-1 1模型結構及有監督微調訓練方式（橙色部分）模型結構及有監督微調訓練方式（橙色部分）4416請務必閱讀正文之后的信息披露和免責申明資料來源：openAI官網，天風證券研究所3.23.2.大模型拓展大模型拓展AIAI應用可能邊界應用可能邊界除了模型結構的演化，訓練方法的改進也

27、讓除了模型結構的演化，訓練方法的改進也讓大模型輸出更加貼近用戶需求大模型輸出更加貼近用戶需求，進一步提升大模型的實用性。，進一步提升大模型的實用性。InstructGPT和和ChatGPT模型進一步更新訓練模式，提升其對人類思維的理解能力模型進一步更新訓練模式，提升其對人類思維的理解能力?；谇笆瞿Ｐ偷难芯拷Y果，InstructGPT和ChatGPT模型的訓練方式更新為RLHF(基于人類反饋的強化學習方法)：對模型進行監督微調對模型進行監督微調(fine-tuning)訓練獎勵模型訓練獎勵模型(RM)基于獎勵模型進行近端策略優化基于獎勵模型進行近端策略優化(PPO)。在這一過程中，基于人類排序

28、標注的訓練集訓練得到的獎勵模型能夠有效反映人類的表基于人類排序標注的訓練集訓練得到的獎勵模型能夠有效反映人類的表達和思維習慣，這使得模型相較過去的大模型能夠更好遵循達和思維習慣，這使得模型相較過去的大模型能夠更好遵循用戶的意圖。用戶的意圖。圖：圖：InstructGPTInstructGPT和和ChatGPTChatGPT訓練方式訓練方式77圖：圖：InstructGPTInstructGPT多維度綜合表現評估多維度綜合表現評估17請務必閱讀正文之后的信息披露和免責申明資料來源：ArXiv，天風證券研究所3.23.2.大模型拓展大模型拓展AIAI應用可能邊界應用可能邊界ChatGPT等大模型的

29、成功，意味著等大模型的成功，意味著AI模型的通用性實現了突破，顯著降低了研發成本，滿足了當前日益碎片化、多樣化的模型的通用性實現了突破，顯著降低了研發成本，滿足了當前日益碎片化、多樣化的AI解決方案解決方案需求需求。大模型具有以下幾點主要優勢：1.大模型可以提供具有通用性的預訓練方案；大模型可以提供具有通用性的預訓練方案；2.大模型具備自監督學習功能，降低了模型訓練成大模型具備自監督學習功能，降低了模型訓練成本；本；3.大模型有望進一步突破大模型有望進一步突破AI模型結構精度局限。模型結構精度局限。大模型為應用端提供了“預訓練大模型大模型為應用端提供了“預訓練大模型+下游任務微調下游任務微調/

30、少樣本學習”的低成本解決方案，自監督學習讓模型訓練不再依賴昂貴的少樣本學習”的低成本解決方案，自監督學習讓模型訓練不再依賴昂貴的人工標注數據集，人工標注數據集，AI應用有望從“手工廠”模式走向“流水線”模型。圖：圖：大模型，既是單一模型，也是多模型大模型，既是單一模型，也是多模型88圖：大模型能夠實現多模態學習圖：大模型能夠實現多模態學習 8 8 18請務必閱讀正文之后的信息披露和免責申明資料來源：ArXiv，Google Research，天風證券研究所3.33.3.多模態學習時代已至，技術突破推動應用落地多模態學習時代已至，技術突破推動應用落地展望未來，展望未來，我們認為，我們認為，多模態

31、模型將成為通用人工智能實現的關鍵，并推動多模態模型將成為通用人工智能實現的關鍵，并推動AIGC應用加速滲透和算力、通信及存儲需求的進一步提升。應用加速滲透和算力、通信及存儲需求的進一步提升。多模態學習讓多模態學習讓AI模型能夠和人類一樣基于多方面信息了解事物和強化認知。模型能夠和人類一樣基于多方面信息了解事物和強化認知。模態指的是信息的特定接受方式，是相較媒體更為細粒度的劃分。多模態指具有不同結構特征和表現形式的數據，例如同一對象的不同媒體數據或者不同類型傳感器獲取的同一類媒體數據等。大模型讓多模態信號輸入和輸出成為可能，這將賦予AI應用與人類相似的信息流處理方式，讓通用人工智能成為現實。多模

32、態模型應用時代已經到來，將極大推動多模態模型應用時代已經到來，將極大推動AI在各行業的滲透與普及。在各行業的滲透與普及。2023年3月1日，微軟推出多模態大語言模型KOSMOS-1，實現了多模態的輸入輸出。3月6日，谷歌發布PaLM-E模型，參數量最高可達5620億個，能夠基于文本和圖像輸入完成文本交互、推理、路徑規劃和過程控制等多重任務。兩種模型的應用場景多樣性將加速AI相關產品的普及應用。圖：圖：PaLMPaLM-E E模型介紹圖模型介紹圖1010圖：圖：KOSMOSKOSMOS-1 1實現了對圖像和文本數據的嵌入實現了對圖像和文本數據的嵌入9919請務必閱讀正文之后的信息披露和免責申明資

33、料來源：ArXiv，NVIDIA官網，openAI官網，天風證券研究所3.33.3.多模態學習時代已至，技術突破推動應用落地多模態學習時代已至，技術突破推動應用落地3月15日，openAI發布GPT-4模型，模型接受文本和圖像輸入信息，并進行文本輸出，經過微軟雷蒙德研究院和獨立研究機構ARC測試，GPT-4模型已經具備基于常識概念的理解和推理能力，實現了向通用人工智能模型已經具備基于常識概念的理解和推理能力，實現了向通用人工智能(AGI)邁進的一大步，或將成為邁進的一大步，或將成為AGI的一種早的一種早期版本。期版本。從簡單多模態走向復雜多模態應用，需要集成各類模型實現對信息流的嵌入處理。從簡

34、單多模態走向復雜多模態應用，需要集成各類模型實現對信息流的嵌入處理。以PaLM-E為例，其由ViT模型和PaLM模型融合而成，圖像信息通過ViT模型進行嵌入處理后，和文本信息的嵌入序列一同交由PaLM模型處理并輸出，以實現對多模態數據的信息融合和有效處理。隨著所用數據模態的多樣化，不僅數據輸入輸出帶來更高的通信和數據存儲需求，而且應用中也將需要集成更多模型以完成數據的嵌入處理，這將使得模型整體更為龐大，對算力資源的需求進一步提升。圖：圖：對數據進行嵌入處理實現多模態學習對數據進行嵌入處理實現多模態學習圖：圖：GPTGPT-4 4能力展示能力展示20請務必閱讀正文之后的信息披露和免責申明參考文獻

35、：參考文獻：1 F.Zhuang et al.A Comprehensive Survey on Transfer LearningJ.Proceedings of the IEEE,vol.109,no.1,pp.43-76,Jan.2021.鏈接：A Comprehensive Survey on Transfer Learning|IEEE Journals&Magazine|IEEE Xplore2 J.Zhang and K.You,AsySPA:An Exact Asynchronous Algorithm for Convex Optimization Over Digraphs

36、J.IEEE Transactions on Automatic Control,vol.65,no.6,pp.2494-2509,June 2020.鏈接：AsySPA:An Exact Asynchronous Algorithm for Convex Optimization Over Digraphs|IEEE Journals&Magazine|IEEE Xplore3 Vaswani A,Shazeer N,Parmar N,et al.Attention is all you needJ.Advances in neural information processing syst

37、ems,2017,30.鏈接：Attention is All you Need(neurips.cc)4 Radford A,Narasimhan K,Salimans T,et al.Improving language understanding by generative pre-trainingJ.2018.鏈接：radford2018improving.pdf(ubc.ca)5 Radford A,Wu J,Child R,et al.Language models are unsupervised multitask learnersJ.OpenAI blog,2019,1(8)

38、:9.鏈接：Language Models are Unsupervised Multitask Learners(life-extension.github.io)6 Brown T,Mann B,Ryder N,et al.Language models are few-shot learnersJ.Advances in neural information processing systems,2020,33:1877-1901.鏈接：GPT3_Brown_2020.pdf(ailab-ua.github.io)7 Ouyang L,Wu J,Jiang X,et al.Trainin

39、g language models to follow instructions with human feedbackJ.arXiv preprint arXiv:2203.02155,2022.鏈接：2203.02155.pdf(arxiv.org)8 Bommasani R,Hudson D A,Adeli E,et al.On the opportunities and risks of foundation modelsJ.arXiv preprint arXiv:2108.07258,2021.鏈接：2108.07258.pdf(arxiv.org)9 Huang S,Dong L

40、,Wang W,et al.Language Is Not All You Need:Aligning Perception with Language ModelsJ.arXiv preprint arXiv:2302.14045,2023.鏈接：2302.14045.pdf(arxiv.org)10 Driess D,Xia F,Sajjadi M S M,et al.PaLM-E:An Embodied Multimodal Language ModelJ.arXiv preprint arXiv:2303.03378,2023.鏈接：2303.03378.pdf(arxiv.org)光

41、模塊：光模塊：去偽存真，中國廠商份額持續提升去偽存真，中國廠商份額持續提升Part#1.121請務必閱讀正文之后的信息披露和免責申明22資料來源：中際旭創年報、Lightcounting、天風證券研究所請務必閱讀正文之后的信息披露和免責申明以 ChatGPT 為代表的生成式 AI 工具正引領新一輪科技革命，英偉達也接連發布新款產品為下一波 AI 提供技術助力。前沿科技產業化的落地需要云廠商龐大的算力支持，而光通信網絡是算力網絡的重要基礎和堅實底座，預計這將進一步推動海外云巨頭對于數據中心硬件設備的需求增長與技術升級。Lightcounting 預測，全球光模塊的市場規模在未來 5 年將以 CA

42、GR11%保持增長，2027 年將突破 200 億美元。AIGC光模塊：光模塊：新一輪科技革命到來，光模塊成為最閃亮的“星”新一輪科技革命到來，光模塊成為最閃亮的“星”23根據Lightcounting以及Omedia數據，過去10年中國光模塊企業全球市場份額持續拓展，全球光模塊出貨量前十名的公司，從2010年的僅有WTD一家中國企業，發展到2022年中際旭創已經位列全球市場并列第一。光模塊行業的持續成長疊加國內廠商全球份額持續提升，優質頭部公司成長有望超越行業平均水平。AIGC光模塊：光模塊：中國光模塊廠商全球份額穩步提升中國光模塊廠商全球份額穩步提升光通信模塊行業的下游主要是通信設備制造商

43、和大型互聯網企業，光通信模塊產品的運用領域涵蓋 了云計算數據中心、寬帶接入及長距離傳輸等行業。高速光通信模塊是光通訊設備中的核心組件，作為信息化和互連通信系統中必需的核心器件，光通信模塊的發展對 5G 通信、電子、大數據、互聯網行業 的影響至關重要。同時，也只有不斷提高光通信轉換模塊產品的速率、積極研發出更高規格的模塊，才能滿足下游產業迅速發展的要求資料來源：中際旭創年報、中國產業經濟信息網、Lightcounting、天風證券研究所請務必閱讀正文之后的信息披露和免責申明光芯片：光芯片：去偽存真，中國廠商份額持續提升去偽存真，中國廠商份額持續提升Part#1.224請務必閱讀正文之后的信息披露

44、和免責申明25請務必閱讀正文之后的信息披露和免責申明資料來源：北京通美公告，天風證券研究所半導體材料包括三大類：半導體材料包括三大類：1、單元素半導體材料，即以單一元素構成的半導體材料，主要包括硅（Si）、鍺（Ge），其中硅基半導體材料是目前產量最大、成本最低、應用最廣的半導體材料；2、III-V 族化合物半導體材料，即以 III-V 族元素的化合物構成的半導體材料，主要包括砷化鎵（GaAs）、磷化銦（InP），具有電子遷移率高、光電性能好等特點，是當前僅次于硅之外最成熟的半導體材料，在 5G 通信、數據中心、光纖通信、新一代顯示、人工智能、無人駕駛、可穿戴設備、航天方面有廣闊的應用前景；3、

45、寬禁帶半導體，以氮化鎵（GaN）和碳化硅（SiC）等為代表，具有高禁帶寬度、耐高壓和大功率等特點，在通信、新能源汽車等領域前景廣闊，但目前成本較高。圖：圖：不同半導體材料的主要特點、應用領域不同半導體材料的主要特點、應用領域項目項目單元素半導體材料單元素半導體材料IIIIII-V V族化合物半導體材料族化合物半導體材料寬禁帶半導體材料寬禁帶半導體材料硅鍺砷化鎵磷化銦氮化鎵碳化硅分子式SiGeGaAslnPGaNSiC特點儲量大、價格便宜電子遷移率、空穴遷移率高光電性能好、耐熱、抗輻射導熱性好、光電轉換效率高、光纖傳輸效率高高頻、耐高溫、大功率應用領域先進制程芯片空間衛星LED 器、射頻模組光通

46、信充電器、高鐵電動汽車部分主要應用場景CPU、內存空間衛星太陽能電池面板大功率半導體激光器；手機、電腦射頻器件；新一代顯示；面部識別；激光雷達5G基站光模塊；數據中心光模塊；激光雷達；可穿戴設備快速充電芯片；高鐵芯片新能源汽車；充電樁AIGC光芯片：光芯片：不同類型半導體材料的應用領域不同類型半導體材料的應用領域26請務必閱讀正文之后的信息披露和免責申明資料來源：源杰科技公告，天風證券研究所光芯片按功能可以分為激光器芯片和探測器芯片，其中激光器芯片主要用于發射信號，將電信號轉化為光信號，探測器芯片主要用于接光芯片按功能可以分為激光器芯片和探測器芯片，其中激光器芯片主要用于發射信號，將電信號轉化

47、為光信號，探測器芯片主要用于接收信號，將光信號轉化為電信號。收信號，將光信號轉化為電信號。激光器芯片按出光結構可進一步分為面發射芯片和邊發射芯片，面發射芯片包括激光器芯片按出光結構可進一步分為面發射芯片和邊發射芯片，面發射芯片包括 VCSEL 芯片，邊發射芯片，邊發射EEL芯片包括芯片包括 FP、DFB 和和 EML 芯片；芯片；探測器芯片，主要有探測器芯片，主要有 PIN 和和 APD 兩類。兩類。激光器芯片按照材料體系劃分，可以分為砷化鎵激光器芯片按照材料體系劃分，可以分為砷化鎵GaAs和磷化銦和磷化銦Inp兩套材料體系。兩套材料體系。圖：圖：光芯片在光通信系統中應用光芯片在光通信系統中應

48、用圖：激光器芯片和探測器芯片特點圖：激光器芯片和探測器芯片特點AIGC光芯片：光芯片：光通信用光芯片分類光通信用光芯片分類27請務必閱讀正文之后的信息披露和免責申明資料來源：Yole，華經產業研究院公眾號，半導體照明網，天風證券研究所按導電性能，按導電性能，InP襯底主要分為半導電和半絕緣襯底襯底主要分為半導電和半絕緣襯底半導體襯底分為N型和P型半導電襯底：1）N 型摻Sn InP 主要用于激光二極管。2）N 型摻S的InP 不僅用于激光二極管，而且還用于光探測器。3）P 型摻Zn InP 主要用于高功率激光二極管。半絕緣襯底按照是否摻雜分為摻雜半絕緣襯底和非摻雜半絕緣襯底，半絕緣襯底主要用于

49、制作射頻器件。從全球磷化銦襯底應用情況來看，據從全球磷化銦襯底應用情況來看，據Yole數據顯示，數據顯示，2020年光模塊器件、傳感器件、高端射頻器件三者銷量占比分別為年光模塊器件、傳感器件、高端射頻器件三者銷量占比分別為83%、4%和和14%。光模塊器件和高端射頻器件是磷化銦下游主要的應用。光模塊器件和高端射頻器件是磷化銦下游主要的應用。圖：圖：磷化銦襯底的分類及用途磷化銦襯底的分類及用途圖：圖：20202020年全球磷化銦襯底下游市場銷量結構情況年全球磷化銦襯底下游市場銷量結構情況磷化銦襯底半導電襯底N型半導電襯底摻Sn激光二極管摻S激光二極管和光探測器P型半導電襯底摻Zn高功率激光二極管

50、半絕緣襯底摻雜半絕緣襯底摻Fe2P非摻雜半絕緣襯底高純單晶襯底通過高溫退火射頻器件83%14%4%光模塊器件高頻射頻器件傳感器件AIGC光芯片：光芯片：磷化銦光芯片分類及下游應用磷化銦光芯片分類及下游應用28請務必閱讀正文之后的信息披露和免責申明資料來源：源杰科技公告，天風證券研究所光通信是以光信號為信息載體，以光纖作為傳輸介質，通過電光轉換，以光信號進行傳輸信息的系統。光通信系統傳輸信號過程中，發光通信是以光信號為信息載體，以光纖作為傳輸介質，通過電光轉換，以光信號進行傳輸信息的系統。光通信系統傳輸信號過程中，發射端通過激光器芯片進行電光轉換，將電信號轉換為光信號，經過光纖傳輸至接收端，接收

51、端通過探測器芯片進行光電轉換，將光信號射端通過激光器芯片進行電光轉換，將電信號轉換為光信號，經過光纖傳輸至接收端，接收端通過探測器芯片進行光電轉換，將光信號轉換為電信號轉換為電信號。光芯片加工封裝為光發射組件光芯片加工封裝為光發射組件（TOSA）及光接收組件及光接收組件（ROSA），再將光收發組件再將光收發組件、電芯片電芯片、結構件等進一步加工成光模塊結構件等進一步加工成光模塊。光芯片的光芯片的性能直接決定光模塊的傳輸速率性能直接決定光模塊的傳輸速率，是光通信產業鏈的核心之一是光通信產業鏈的核心之一。圖：圖：光芯片在光通信系統中應用光芯片在光通信系統中應用圖：圖：光模塊結構示意圖（光模塊結構示

52、意圖（SFP+SFP+封裝）封裝）AIGC光芯片：光芯片：光通信系統中的光芯片位置及應用結構圖光通信系統中的光芯片位置及應用結構圖29請務必閱讀正文之后的信息披露和免責申明資料來源：中際旭創公告，天風證券研究所根據中際旭創披露的根據中際旭創披露的2016年年1-8月光模塊成本構成，芯片成本占月光模塊成本構成，芯片成本占60-70%（光芯片及組件占（光芯片及組件占50%，比重最大；電芯片成本占，比重最大；電芯片成本占15%），人工和），人工和其他成本占其他成本占23%；光模塊中的芯片包含：光芯片（激光器芯片和探測器芯片）、電芯片（光模塊中的芯片包含：光芯片（激光器芯片和探測器芯片）、電芯片（LD

53、驅動芯片、驅動芯片、TIA跨阻放大芯片、跨阻放大芯片、CDR時鐘和數據電路、時鐘和數據電路、DSP、MUX&DeMUX等）。等）。圖：圖：中際旭創2016年1-8月光模塊成本構成光芯片及組件50%集成電路芯片15%結構件11%電力1%人力及其他成本23%AIGC光芯片：光芯片：光芯片及組件，光模塊中最大的成本項光芯片及組件，光模塊中最大的成本項30請務必閱讀正文之后的信息披露和免責申明資料來源：中芯晶研官網，Yole，天風證券研究所根據根據Yole預測，磷化銦器件應用領域正從傳統的數據通信和電信市場向預測，磷化銦器件應用領域正從傳統的數據通信和電信市場向C端消費市場擴展，預計到端消費市場擴展，

54、預計到2026年下游應用規模將達到約年下游應用規模將達到約52億美億美元，元，2020-2026年年均復合增長率為年年均復合增長率為16%。數據通訊和電信仍然將是磷化銦最大應用領域，骨干網全光化和數據中心內的數據通訊和電信仍然將是磷化銦最大應用領域，骨干網全光化和數據中心內的400G/800G光模塊等對磷化銦激光器件帶來持續需求，而光模塊等對磷化銦激光器件帶來持續需求，而消費電子領域應用增速更快，如消費電子領域應用增速更快，如3D傳感、可穿戴設備、無開孔屏幕傳感等。傳感、可穿戴設備、無開孔屏幕傳感等。圖：圖：2022020 0-20262026年全球磷化銦裸芯片光學應用市場預測年全球磷化銦裸芯

55、片光學應用市場預測AIGC光芯片：光芯片：全球磷化銦芯片市場規模全球磷化銦芯片市場規模31請務必閱讀正文之后的信息披露和免責申明資料來源：訊石光通訊網，源杰科技公告，天風證券研究所超大規模數據中心運營商對超大規模數據中心運營商對400G的部署反映了用戶對云服務需求的不斷增長，以及對更高帶寬的需求，以支持高要求的應用，包括人的部署反映了用戶對云服務需求的不斷增長，以及對更高帶寬的需求，以支持高要求的應用，包括人工智能（工智能（AI）、機器學習（）、機器學習（ML）和視頻處理。）和視頻處理。根據根據LightCounting和中際旭創預計，從和中際旭創預計，從2023年開始數據中心年開始數據中心8

56、00G光模塊將有更多需求，光模塊將有更多需求，之后逐漸增量，之后逐漸增量，2024年年800G需求將進一步提升，銷售額有望超過需求將進一步提升，銷售額有望超過400G。數通產品激光器芯片方案：數通產品激光器芯片方案：100G光模塊以4*25G DFB或EML為主，也有單通道100G方案；200G光模塊以4*50G DFB或EML為主；400G光模塊以4*100G EML為主。圖：圖：常見常見3 3層數據中心架構及光互連速率演進層數據中心架構及光互連速率演進表表：數通光模塊對應的激光器芯片方案數通光模塊對應的激光器芯片方案數據中心主要光模塊類別對應速率主要模塊產品激光器芯片方案100G光模塊10

57、0G FR4 QSFP28100G LR4 QSFP28100G ER4 QSFP28100G FR1 QSFP28FR4：4*25G DFB；LR4：4*25G DFB；ER4：4*25G EML；FR1：100G EML/硅光CW 光源。200G及以上速率光模塊200G FR4 QSFP-DD400G DR4 QSFP-DD400G FR4 QSFP-DD2*200G FR4 OSFPFR4：4*50G DFB/EML；400G DR4：4*100GEML/硅光 CW 光源；FR4：4*100G EML。AIGC光芯片：光芯片：數通市場中，數通市場中，400G、800G逐步成為主力逐步成為

58、主力32請務必閱讀正文之后的信息披露和免責申明資料來源：深圳市進洋聯合科技有限公司網站，世界光通信之都公眾號，天風證券研究所光纖寬帶光纖寬帶PON技術是一種基于無源技術是一種基于無源ODN網絡的寬帶接入技術，網絡的寬帶接入技術，10G PON技術已經大規模商用，可為用戶提供高達技術已經大規模商用，可為用戶提供高達1Gbps的帶寬，實現千的帶寬，實現千兆網絡的覆蓋；而下一代兆網絡的覆蓋；而下一代PON預計為預計為25G/50G PON，而，而50G和和100G/200G PON已經被已經被IEEE、ITU、FSAN和其他標準組織視為和其他標準組織視為10G PON的后的后續演進技術。續演進技術。

59、5G前傳網絡方面，前傳網絡方面，C-RAN組網模式大量部署，組網模式大量部署，25Gb/s xWDM光模塊已廣泛應用。針對未來更高通道光模塊已廣泛應用。針對未來更高通道Massive MIMO基站、基站、U6G頻段基站、頻段基站、毫米波基站等應用場景，前傳網絡帶寬需求將進一步提升，在保留現有端口數量和節約光纖資源的前提下，業界已啟動毫米波基站等應用場景，前傳網絡帶寬需求將進一步提升，在保留現有端口數量和節約光纖資源的前提下，業界已啟動50Gb/s及更高速及更高速率的下一代率的下一代5G前傳光模塊技術研究。前傳光模塊技術研究。圖：圖：PONPON速率演進速率演進表表：5G5G前傳需求演進前傳需求

60、演進AIGC光芯片：光芯片：電信市場中，光纖寬帶、基站傳輸升級電信市場中，光纖寬帶、基站傳輸升級33請務必閱讀正文之后的信息披露和免責申明資料來源：ICC，源杰科技公告，天風證券研究所從光模塊市場反推光芯片市場，源杰科技推算從光模塊市場反推光芯片市場，源杰科技推算2021年光芯片市場總體在年光芯片市場總體在150億元左右，其中光纖接入、移動通信、數據中心分別為億元左右，其中光纖接入、移動通信、數據中心分別為14億、億、70億、億、63億元。根據億元。根據C&C的預測，的預測，2020-2025年全球光芯片市場的年復合增長率將達到年全球光芯片市場的年復合增長率將達到12.59%，主要受益于，主要

61、受益于5G網絡的建設和應用，以及網絡的建設和應用，以及相應數據中心、接入網、城域骨干網等網絡基礎設施的全面升級。相應數據中心、接入網、城域骨干網等網絡基礎設施的全面升級。根據根據ICC預測預測2019-2024年，年，中國光芯片廠商銷售規模占全球光芯片市場的比例將不斷提升，中高速率光芯片增長更快。中國光芯片廠商銷售規模占全球光芯片市場的比例將不斷提升，中高速率光芯片增長更快。2.5G及以下光芯及以下光芯片市場被國內光芯片企業占據主要市場份額；片市場被國內光芯片企業占據主要市場份額；10G光芯片我國企業已基本掌握核心技術，但部分型號產品仍存在較高技術門檻，依賴進光芯片我國企業已基本掌握核心技術，

62、但部分型號產品仍存在較高技術門檻，依賴進口；口；25G及以上激光器芯片以海外供應商為主。及以上激光器芯片以海外供應商為主。表表：光通信用光芯片市場細分測算：光通信用光芯片市場細分測算圖：中國光芯片廠商銷售規模占全球光芯片市場的比例趨勢圖：中國光芯片廠商銷售規模占全球光芯片市場的比例趨勢億美元光纖接入 移動通信 數據中心合計光模塊全球市場規模6.2232.0348.9587.2其中：10G及以下速率光模塊6.226.527.2319.97其中：25G及以上速率光模塊25.5141.7167.22中低速率光模塊-毛利率高速率光模塊-毛利率直接材料成本80%80%80%光芯片及組件占光模塊成本比例8

63、5%85%50%光芯片占光芯片及組件材料比例光芯片市場（億美元）2.2210.839.6922.7光芯片市場（億人民幣）14.3369.8462.53146.770%25%30%AIGC光芯片：光芯片：磷化銦芯片市場規模磷化銦芯片市場規模34請務必閱讀正文之后的信息披露和免責申明資料來源：ICC，源杰科技公告，天風證券研究所2.5G及以下光芯片：及以下光芯片：主要應用于光纖接入市場，國內光芯片企業已經占據主要市場份額。10G光芯片：光芯片：主要應用在光纖接入市場、移動通信網絡市場和數據中心市場。我國光芯片企業已基本掌握 10G 光芯片的核心技術，但部分型號產品仍存在較高技術門檻，依賴進口。25

64、G及以上光芯片：及以上光芯片：主要應用于移動通信網絡市場和數據中心市場，包括25G、50G、100G激光器及探測器芯片。根據 LightCounting并結合行業數據測算，2021全球25G及以上光芯片市場規模為107.55億元。根據ICC統計，25G光芯片的國產化率約20%，但25G以上光芯片的國產化率仍較低約5%。圖：圖：全球全球2.5G2.5G及以下及以下DFB/FPDFB/FP激光器芯片市場份額激光器芯片市場份額圖：圖：全球全球10G DFB10G DFB激光器芯片市場份額激光器芯片市場份額武漢敏芯17%中科光芯17%光隆科技13%光安倫11%仕佳光子9%源杰科技7%中電13所4%其他

65、22%源杰科技20%住友電工15%云嶺光電6%中電13所6%中科光芯6%三菱電機4%武漢敏芯2%其他41%AIGC光芯片：光芯片：各速率廠商份額各速率廠商份額35請務必閱讀正文之后的信息披露和免責申明資料來源：Yole，蓋世汽車社區公眾號等，天風證券研究所Yole預測，汽車預測，汽車ADAS激光雷達市場將在未來激光雷達市場將在未來5年迎來飛速增長，年均復合增長率高達年迎來飛速增長，年均復合增長率高達73%，到，到2027年，年，ADAS激光雷達市場規模將從激光雷達市場規模將從2021年的年的3800萬美元增至萬美元增至2027年的年的20億美元，成為激光雷達行業最大的應用領域。與此同時，無人駕

66、駛出租車市場也將以億美元，成為激光雷達行業最大的應用領域。與此同時，無人駕駛出租車市場也將以28%的年均復合增的年均復合增長率增長，到長率增長，到2027年市場規模將從年市場規模將從2021年的年的1.2億美元增長至億美元增長至6.98億美元。億美元。激光雷達發射光源的波長主要包括激光雷達發射光源的波長主要包括905nm、1550nm、1064nm等。等。2021年在公開定點量產的激光雷達產品中，年在公開定點量產的激光雷達產品中，905nm是為首選波長，排是為首選波長，排名第一，占比為名第一，占比為69%，排在第二位的為，排在第二位的為1550nm，排名第二，占比達到，排名第二，占比達到14%

67、。1550nm相比相比905nm來說，探測距離更遠，探測精度更高，來說，探測距離更遠，探測精度更高，并且在同等功率水平下，并且在同等功率水平下，1550nm產品對人眼安全性更高。產品對人眼安全性更高。1550nm激光雷達采用的光纖激光器，其種子光源為磷化銦材料體系開發。激光雷達采用的光纖激光器，其種子光源為磷化銦材料體系開發。圖：圖：全球激光雷達市場規模預測全球激光雷達市場規模預測圖：圖：20212021年全球激光雷達各波長的定點量產項目數量占比年全球激光雷達各波長的定點量產項目數量占比905nm69%1550nm14%1064nm7%885nm3%其他7%AIGC光芯片：光芯片：車載激光雷達

68、應用車載激光雷達應用36請務必閱讀正文之后的信息披露和免責申明資料來源：源杰科技公告，天風證券研究所成本中，制造成本占比達成本中，制造成本占比達59%、人工成本占、人工成本占24%、材料成本占、材料成本占17%（源杰（源杰2021年各速率產品成本合并統計）年各速率產品成本合并統計）（1）制造費用主要包括折舊費、裝修費攤銷、水電費、光柵加工費等其他費用。（2）光芯片的原材料包括襯底、金靶、特殊氣體（主要包括高純氫、磷化氫、液氮等）、三甲基銦、光刻膠、封裝材料（包括管帽等）和其他材料等，其他原材料包括顯影液、光刻掩模板、異丙醇、砷化氫等材料，其他原材料品種較多且占比較低。（3）襯底供應商為通美、住

69、友、云南鍺業等。圖：圖：光芯片成本構成（源杰光芯片成本構成（源杰20212021年各速率產品成本合并統計）年各速率產品成本合并統計）圖：圖：光芯片成本中材料費用的構成（源杰光芯片成本中材料費用的構成（源杰2121年數據）年數據）33%6%6%6%5%3%4%5%31%襯底金靶高純氫磷化氫液氮三甲基銦光刻膠管帽其他17%24%59%材料費用人工制造費用AIGC光芯片：光芯片：制造成本構成制造成本構成37請務必閱讀正文之后的信息披露和免責申明資料來源：北京通美公告，天風證券研究所磷化銦產業鏈上游為晶體生長、襯底和外延片的生產加工環節。從襯底生產的原材料和設備來看，其中原材料包括金屬銦、紅磷、坩堝磷

70、化銦產業鏈上游為晶體生長、襯底和外延片的生產加工環節。從襯底生產的原材料和設備來看，其中原材料包括金屬銦、紅磷、坩堝等；生產設備涉及晶體生長爐、研磨機、拋光機、切割機、檢測與測試設備等。產業鏈中游包括集成電路設計、制造和封測環節。產業等；生產設備涉及晶體生長爐、研磨機、拋光機、切割機、檢測與測試設備等。產業鏈中游包括集成電路設計、制造和封測環節。產業鏈下游應用主要涉及光通信、鏈下游應用主要涉及光通信、無人駕駛、人工智能、可穿戴設備等多個領域。無人駕駛、人工智能、可穿戴設備等多個領域。各環節廠商：各環節廠商：1）襯底廠商：北京通美、）襯底廠商：北京通美、日本日本 JX、Sumitomo及少數國內

71、廠商。及少數國內廠商。2-1）外延廠商：）外延廠商：IQE、臺灣聯亞光電、臺灣聯亞光電、臺灣全新光電、臺灣全新光電、臺灣英特磊等，臺灣英特磊等，2-2）器件廠商包括）器件廠商包括Finisar、Lumentum、AOI等。等。3）IDM模式廠商：國內的源杰科技、仕佳光子、長光華芯等。模式廠商：國內的源杰科技、仕佳光子、長光華芯等。圖：圖：化合物半導體生產流程化合物半導體生產流程圖：圖：磷化銦產業鏈磷化銦產業鏈AIGC光芯片：光芯片：磷化銦光芯片的生產流程及產業鏈磷化銦光芯片的生產流程及產業鏈38請務必閱讀正文之后的信息披露和免責申明資料來源：北京通美公告，天風證券研究所根據根據 Yole統計顯

72、示，到統計顯示，到 2026 年全球光模塊器件磷化銦襯底（折合兩英寸）預計銷量將超過年全球光模塊器件磷化銦襯底（折合兩英寸）預計銷量將超過 100萬片，萬片，2019 年年-2026 年復合增長率達年復合增長率達13.94%，2026 年全球光模塊器件磷化銦襯底預計市場規模將達到年全球光模塊器件磷化銦襯底預計市場規模將達到 1.57 億美元。億美元。2020 年全球前三大廠商占據磷化銦襯底市場年全球前三大廠商占據磷化銦襯底市場 90%以上市場份額，其中以上市場份額，其中 Sumitomo 為全球第一大廠商，為全球第一大廠商，占比為占比為 42%；北京通美位居第二，北京通美位居第二，占比占比 3

73、6%?；衔锇雽w單晶生長的制備方法有水平布里奇曼法（化合物半導體單晶生長的制備方法有水平布里奇曼法（HB）、垂直布里奇曼法（）、垂直布里奇曼法（VB）、液封切克勞斯基法（）、液封切克勞斯基法（LEC）、垂直梯度冷凝法）、垂直梯度冷凝法（VGF），磷化銦單晶批量生長的技術主要包括后三種。北京通美和），磷化銦單晶批量生長的技術主要包括后三種。北京通美和Sumitomo 分別使用分別使用VGF 和和 VB 技術可以生長出直徑技術可以生長出直徑6 英寸磷化銦英寸磷化銦單晶，日本單晶，日本 JX 使用使用 LEC 技術可以生長出直徑技術可以生長出直徑 4 英寸的磷化銦單晶。英寸的磷化銦單晶。圖：圖：單

74、晶晶體制備工藝示意圖單晶晶體制備工藝示意圖圖：圖：20202020年全球磷化銦襯底競爭格局年全球磷化銦襯底競爭格局42%36%13%9%Sumitomo北京通美日本 JX其他AIGC光芯片：光芯片：磷化銦襯底市場及競爭格局磷化銦襯底市場及競爭格局39請務必閱讀正文之后的信息披露和免責申明資料來源：源杰科技公告，天風證券研究所1、量子阱外延層的設計和制造：通過MOCVD生長量子阱外延片多層結構。該環節是激光器芯片的設計和制造的核心工藝之一，影響產品光電轉化效率與高速性能，是激光器芯片調制速率能否達到25G及以上的關鍵工藝之一。2、光柵結構的設計和制造：利用高精度的電子束光柵系統，在晶圓中制造多條

75、寬度約100nm的變相位周期布拉格光柵掩膜，再利用高精度刻蝕技術，將光柵掩膜圖樣轉移至晶圓，然后利用MOCVD進行光柵刻蝕層的覆蓋生長，最終在晶圓上形成多周期布拉格光柵結構，實現激光器發射的單縱模輸出和特定的發光波長及單色性。3、光波導的設計和制造：光波導，即光在激光器里傳輸的通道。采用光刻技術制作微米級光波導結構，利用波導材料與周圍材料的折射率差異，引導光子傳輸路徑，使得光子在諧振腔內往復諧振，實現光子的穩定單模態輸出。4、光學端面鍍膜的設計和制造：晶圓解離成巴條后，需對暴露的激光器芯片諧振腔兩側的出光端進行光學鍍膜，一側背光端面為高反射鍍膜，另一側出光端面為高透射鍍膜，利用納米級光學膜層的

76、厚度設計與制備工藝，控制芯片兩側的出光比例，形成單端高強度出光。圖：圖：25G25G激光器芯片生產流程激光器芯片生產流程AIGC光芯片：光芯片：磷化銦光芯片制造工藝流程的幾個難點磷化銦光芯片制造工藝流程的幾個難點40請務必閱讀正文之后的信息披露和免責申明資料來源：源杰科技公告，天風證券研究所量子阱工藝：量子阱工藝：晶圓有源發光區的量子阱設計和制造是激光器芯片的核心。（1）量子阱外延片共包含2030層結構，每層量子阱厚度410nm不等。相較于中低速率激光器芯片，25G DFB激光器芯片有源區量子阱堆疊層數更多。（2）每層量子阱的材料比例誤差會造成量子阱發光波長的偏差、量子阱各層間的應力偏差，影響

77、產品最終性能與可靠性，25G DFB 激光器芯片要求對每層材料厚度、比例、電學摻雜、缺陷控制等參數的精準控制。光柵工藝：光柵工藝：主要在涂有光刻膠的基板上定義出光柵結構對應的掩膜圖形，再利用刻蝕技術將掩膜上的圖形轉移至襯底上形成最終的光柵結構。光柵工藝主要分為兩種，一種是全息光柵工藝，即利用兩束激光的干涉條紋定義周期性掩膜圖形，全息光柵工藝在 2.5G 激光器芯片生產中廣泛使用；另外一種是電子束光柵工藝即利用電磁場控制電子形成電子束，利用電子束定義掩膜圖形，該工藝技術較全息光柵工藝更為先進，能大幅提高光柵的控制精度。圖：圖：10G10G及及25G25G光芯片量子阱數量光芯片量子阱數量表表：兩種

78、光柵工藝對比兩種光柵工藝對比全息光柵工藝 電子束光柵工藝適中 復雜光功率功率離散 功率一致性好單模良率30%-50%50%-90%芯片波長3nm 2nm極限工作溫度50%高頻特性差 好產品特性工藝復雜度項目項目AIGC光芯片：光芯片：磷化銦光芯片制作中量子磷化銦光芯片制作中量子阱和光柵工藝阱和光柵工藝41請務必閱讀正文之后的信息披露和免責申明資料來源：Wind，源杰科技公告，天風證券研究所公司成立于公司成立于2013年，聚焦于光芯片行業，公司已實現向主流光模塊廠商批量供貨，產品最終成功應用于國內外知名運營商。年，聚焦于光芯片行業，公司已實現向主流光模塊廠商批量供貨，產品最終成功應用于國內外知名

79、運營商。2020年在年在磷化銦（磷化銦（InP）半導體激光器芯片產品對外銷售的國內廠商中，公司收入排名第一，其中）半導體激光器芯片產品對外銷售的國內廠商中，公司收入排名第一，其中10G、25G激光器芯片系列產品的出貨量在國內激光器芯片系列產品的出貨量在國內同行業公司中均排名第一，其中同行業公司中均排名第一，其中10GDFB在全球出貨量同樣排名第一，約占在全球出貨量同樣排名第一，約占20%，超越住友電工、三菱電機；，超越住友電工、三菱電機；25G DFB產品源杰已實現突產品源杰已實現突破，在破，在5G基站前傳、數通市場兩個市場實現了批量出貨。高速率的基站前傳、數通市場兩個市場實現了批量出貨。高速

80、率的50G、100G產品，公司預計從明年至后年開始經過送樣測試等各環節，產品，公司預計從明年至后年開始經過送樣測試等各環節，后續有望放量增加。后續有望放量增加。除在光通信的應用外，在激光雷達、傳感等領域均有市場前景。源杰科技基于現有磷化銦材料體系，構建了多業務的拓展能力，在激光除在光通信的應用外，在激光雷達、傳感等領域均有市場前景。源杰科技基于現有磷化銦材料體系，構建了多業務的拓展能力，在激光雷達領域研發生產雷達領域研發生產1550nm激光雷達種子源，氣體傳感領域布局甲烷傳感器，這些有望成為下一個增長點。激光雷達種子源，氣體傳感領域布局甲烷傳感器，這些有望成為下一個增長點。圖：圖：公司收入、凈

81、利潤及增速（百萬元，公司收入、凈利潤及增速（百萬元，2222年數據來自業績年數據來自業績快報）快報）圖：公司收入結構圖：公司收入結構90.00%46.10%73.84%77.69%9.71%51.33%11.73%11.65%0.28%2.57%14.43%10.66%0%10%20%30%40%50%60%70%80%90%100%2019202020211H2022光纖接入4G/5G移動通信網絡數據中心70.4181.31233.37232.11282.9115.5313.2178.8495.29100.2815%187%-1%22%-15%497%21%5%-100%0%100%200%

82、300%400%500%600%0.0050.00100.00150.00200.00250.00300.002018A2019A2020A2021A2022E營業總收入歸屬母公司股東的凈利潤營收增速凈利潤增速AIGC光芯片：光芯片：源杰科技，源杰科技，25G已批量、已批量、50&100G在路上在路上42請務必閱讀正文之后的信息披露和免責申明資料來源：Wind，天風證券研究所公司聚焦光通信行業，主營業務覆蓋光芯片及器件、室內光纜、線纜材料三大板塊。公司系統建立了覆蓋芯片設計、晶圓制造、芯片加公司聚焦光通信行業，主營業務覆蓋光芯片及器件、室內光纜、線纜材料三大板塊。公司系統建立了覆蓋芯片設計、晶

83、圓制造、芯片加工、封裝測試的工、封裝測試的 IDM 全流程業務體系。光芯片及器件產品包括全流程業務體系。光芯片及器件產品包括 PLC分路器芯片系列產品、分路器芯片系列產品、AWG 芯片系列產品、芯片系列產品、DFB 激光器芯片系列產激光器芯片系列產品、光纖連接器、隔離器和平行光組件系列產品。品、光纖連接器、隔離器和平行光組件系列產品。數據中心數據中心AWG系列有系列有100G/200G/400G/800G高速光模塊的高速光模塊的AWG組件和平行光組件；用于數據中心之間互聯的組件和平行光組件；用于數據中心之間互聯的400G ZR相干傳輸的相干傳輸的DWDM AWG模塊。模塊。400G AWG已有

84、小批量應用，已有小批量應用，800G AWG組件及平行光組件正在送樣驗證。組件及平行光組件正在送樣驗證。激光器芯片產品有激光器芯片產品有2.5G DFB和和10G DFB，CW DFB（硅光用大功率），特殊波長光源等。（硅光用大功率），特殊波長光源等。2.5G、10G激光器芯片處于可量產階段，截止到激光器芯片處于可量產階段，截止到22年年6月月25G激光器芯片正在客戶的驗證中。激光器芯片正在客戶的驗證中。圖：圖：公司收入、凈利潤及增速（百萬元，公司收入、凈利潤及增速（百萬元，2222年業績來自業績年業績來自業績快報）快報）圖：圖：20222022年上半年公司收入結構年上半年公司收入結構AWG芯

85、片系列產品19%PLC分路器芯片系列產品14%光纖連接器6%DFB激光器芯片系列產品6%隔離器2%其他光器件類0%室內光纜27%線纜材料26%517.90546.32671.60817.34903.19-11.97-1.5838.0750.1666.178%5%23%22%11%43%87%32%32%0%10%20%30%40%50%60%70%80%90%100%-200.000.00200.00400.00600.00800.001,000.002018A2019A2020A2021A2022E營業總收入歸屬母公司股東的凈利潤營收增速凈利潤增速AIGC光芯片：光芯片：仕佳光子，無源強者，

86、有源仕佳光子，無源強者，有源25G光芯片在驗證光芯片在驗證43請務必閱讀正文之后的信息披露和免責申明資料來源：Wind，天風證券研究所公司主要產品有光電子器件、模塊和子系統產品，按應用領域可分為傳輸類、接入類、數據通信類。公司擁有從芯片、器件、模塊到子公司主要產品有光電子器件、模塊和子系統產品，按應用領域可分為傳輸類、接入類、數據通信類。公司擁有從芯片、器件、模塊到子系統的垂直集成能力，擁有光芯片、耦合封裝、硬件、軟件、測試、結構和可靠性七大技術平臺，支撐公司有源器件和模塊、無源器件系統的垂直集成能力，擁有光芯片、耦合封裝、硬件、軟件、測試、結構和可靠性七大技術平臺，支撐公司有源器件和模塊、無

87、源器件和模塊產品。和模塊產品。截至截至2022年年8月月DFB低速率芯片全部自供；低速率芯片全部自供；25G DFB大概大概70%可以自供，可以自供，20%+外購，但有些特殊波長、功率還需要外購；外購，但有些特殊波長、功率還需要外購；25G EML內部測內部測試通過，在做商業化和良率提升；試通過，在做商業化和良率提升；25G vcsel芯片已量產。芯片已量產。有源光芯片的研發方向包括有源光芯片的研發方向包括25G/50G的的DFB/EML以及高端探測器。以及高端探測器。圖：圖：公司收入、凈利潤及增速（百萬元）公司收入、凈利潤及增速（百萬元）圖：圖：20212021年公司收入結構年公司收入結構傳

88、輸59%接入和數據40%其他主營業務1%4,929.055,337.926,046.026,486.305,280.80332.72357.70487.38567.27492.148.3%8.3%13.3%7.3%11.7%0%8%36%16%8%-5.0%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%40.0%0.001,000.002,000.003,000.004,000.005,000.006,000.007,000.002018A2019A2020A2021A2022前三季營業總收入歸屬母公司股東的凈利潤營收增速凈利潤增速AIGC光芯片：光芯片：光迅科技

89、，光芯片光模塊一體化光迅科技，光芯片光模塊一體化44請務必閱讀正文之后的信息披露和免責申明資料來源：Wind，天風證券研究所公司聚焦半導體激光行業，專注于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、高公司聚焦半導體激光行業，專注于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、高效率效率 VCSEL 系列產品及光通信芯片系列產品等，逐步實現高功率半導體激光芯片的國產化，已建成覆蓋芯片設計、外延生長、晶圓處理系列產品及光通信芯片系列產品等，逐步實現高功率半導體激光芯片的國產化，已建成覆蓋芯片設計、外延生長、晶圓處理工

90、藝（光刻）、解理工藝（光刻）、解理/鍍膜、封裝測試、光纖耦合等鍍膜、封裝測試、光纖耦合等 IDM 全流程工藝平臺和全流程工藝平臺和 3 吋、吋、6 吋量產線，應用于多款半導體激光芯片開發。吋量產線，應用于多款半導體激光芯片開發。磷化銦芯片方面：磷化銦芯片方面：10G 1577nm的高功率的高功率EML處于量產階段，可批量供貨，并已建成了一條完整的處于量產階段，可批量供貨，并已建成了一條完整的25G EML激光器芯片和激光器芯片和TO-CAN封裝的研封裝的研發和生產線，具備從晶圓級發和生產線，具備從晶圓級MOCVD外延材料生長、晶圓流片、解理鍍膜、封裝和器件級的所有測試驗證全流程的能力。公司已推

91、出外延材料生長、晶圓流片、解理鍍膜、封裝和器件級的所有測試驗證全流程的能力。公司已推出APD產品，該產品適用于產品，該產品適用于10G光接收機，在主要指標方面與國際水平相近。光接收機，在主要指標方面與國際水平相近。車載雷達光芯片：車載雷達光芯片：VCSEL與與EEL材料體系相同（砷化鎵），工藝重合度在材料體系相同（砷化鎵），工藝重合度在70%以上，設備可復用。以上，設備可復用。22年年12月完成了車規體系月完成了車規體系16949的認證，的認證，今年通過了車規級今年通過了車規級AEC-Q102認證。認證。圖：圖：公司收入、凈利潤及增速（百萬元，公司收入、凈利潤及增速（百萬元，2222年業績來自

92、業績年業績來自業績快報）快報）圖：圖：20212021年公司收入結構年公司收入結構高功率單管系列84.1%高功率巴條系列13.0%VCSEL芯片系列1.9%廢料銷售0.7%其他主營業務0.3%92.43138.51247.18429.09386.26-14.40-128.8926.18115.32125.1250%78%74%-10%-795%120%340%9%-1000%-800%-600%-400%-200%0%200%400%-200.00-100.000.00100.00200.00300.00400.00500.002018A2019A2020A2021A2022E營業總收入歸屬母

93、公司股東的凈利潤營收增速凈利潤增速AIGC光芯片：光芯片：長光華芯，短期砷化鎵，長期定位綜合性廠商長光華芯，短期砷化鎵，長期定位綜合性廠商45請務必閱讀正文之后的信息披露和免責申明資料來源：Wind，天風證券研究所公司是專業從事光纖器件、鈮酸鋰調制器件及光子集成器件的設計、研發、生產、銷售。包括三大產品系列：公司是專業從事光纖器件、鈮酸鋰調制器件及光子集成器件的設計、研發、生產、銷售。包括三大產品系列：1）光纖激光器件主要產）光纖激光器件主要產品包括隔離器、合束器、光纖光柵、激光輸出頭等，主要應用于光纖激光器、激光雷達、無人駕駛等領域。品包括隔離器、合束器、光纖光柵、激光輸出頭等，主要應用于光

94、纖激光器、激光雷達、無人駕駛等領域。2）光通訊器件包含兩個部）光通訊器件包含兩個部分，隔離器、波分復用器等用于密集波分，跳線、尾纖、分，隔離器、波分復用器等用于密集波分，跳線、尾纖、MPO連接器等用于數通。連接器等用于數通。3）鈮酸鋰調制器件主要產品包括）鈮酸鋰調制器件主要產品包括 400/600Gbps、100/200Gbps鈮酸鋰相干調制器、鈮酸鋰相干調制器、10Gbps 零啁啾強度調制器等，主要應用于超高速干線光通信網、超高速數據中心等。零啁啾強度調制器等，主要應用于超高速干線光通信網、超高速數據中心等。鈮酸鋰電光調制器主要用在鈮酸鋰電光調制器主要用在 100Gbps 以上直至以上直至

95、1.2Tbps 的長距骨干網相干通訊和單波的長距骨干網相干通訊和單波 100/200Gbps 的超高速數據中心上。由于電信級鈮的超高速數據中心上。由于電信級鈮酸鋰高速調制器芯片及器件產品設計難度大，工藝較為復雜，截止酸鋰高速調制器芯片及器件產品設計難度大，工藝較為復雜，截止22年年8月全球僅有三家主要供應商可批量供貨，主要為富士通、住友月全球僅有三家主要供應商可批量供貨，主要為富士通、住友以及公司。同時公司在建以及公司。同時公司在建8萬件鈮酸鋰調制器芯片及器件產能。萬件鈮酸鋰調制器芯片及器件產能。圖：圖：公司收入、凈利潤及增速（百萬元）公司收入、凈利潤及增速（百萬元）圖：圖：20212021年

96、公司收入結構年公司收入結構光纖激光器件55%光通訊器件25%鈮酸鋰調制器15%其他主營業務5%289.28390.78491.60667.80493.9079.9257.4859.21130.8189.9826%35%26%36%1%33%-28%3%121%-8%-40%-20%0%20%40%60%80%100%120%140%0.00100.00200.00300.00400.00500.00600.00700.00800.002018A2019A2020A2021A2022前三季營業總收入歸屬母公司股東的凈利潤營收增速凈利潤增速AIGC光芯片：光芯片：光庫科技，鈮酸鋰調制器有望份額提升

97、光庫科技，鈮酸鋰調制器有望份額提升服務器：服務器：AI之火點燃算力需求，之火點燃算力需求，AI服務器迎來新機服務器迎來新機遇遇Part#1.346請務必閱讀正文之后的信息披露和免責申明47資料來源：美科安防科技微信公眾號、天風證券研究所服務器構成：服務器構成：主要硬件包括處理器、內存、芯片組、I/O(RAID卡、網卡、HBA卡)、硬盤、機箱(電源、風扇)。以一臺普通的服務器生產成本為例，CPU及芯片組大致占比50%左右，內存大致占比 15%左右，外部存儲大致占比10%左右，其他硬件占比25%左右。服務器的邏輯架構和普通計算機類似。但是由于需要提供高性能計算，因此在處理能力、穩定性、可靠性、安全

98、性、可擴展性、可管理性等方面要求較高。邏輯架構中，最重要的部分是CPU和內存。CPU對數據進行邏輯運算，內存進行數據存儲管理。服務器的固件主要包括BIOS或UEFI、BMC、CMOS，OS包括32位和64位。請務必閱讀正文之后的信息披露和免責申明圖：服務器構成圖：服務器邏輯架構AIGC服務器：服務器：服務器整體市場情況服務器整體市場情況服務器市場規模持續增長服務器市場規模持續增長。根據 Counterpoint 的全球服務器銷售跟蹤報告，2022年，全球服務器出貨量將同比增長6%，達到 1380 萬臺。收入將同比增長 17%，達到1117 億美元。根據IDC、中商產業研究院，我國服務器市場規模

99、由2019年的182億美元增長至2022年的273.4億美元，復合年均增長率達14.5%，預計2023年我國服務器市場規模將增至308億美元。競爭格局：競爭格局：根據IDC發布的2022年第四季度中國服務器市場跟蹤報告Prelim，浪潮份額國內領先，新華三次之，超聚變排行第三，中興通訊進入前五。48資料來源：國際電子商情、中商產業研究院、同花順財經、天風證券研究所圖：2019-2023年中國服務器市場規模及預測圖：2018-2022F全球服務器銷售額28.1%17.2%10.1%5.3%4.9%34.4%浪潮信息新華三超聚變中興通訊聯想其他圖：中國服務器市場份額AIGC服務器：服務器：整體市場

100、情況整體市場情況AIGC服務器：服務器：AIGC火熱，產業生態形成火熱，產業生態形成49資料來源：測控技術微信公眾號、騰訊研究院AIGC發展趨勢報告（2023）、天風證券研究所2022年12月，Open AI的大型語言生成模型ChatGPT火熱，它能勝任刷高情商對話、生成代碼、構思劇本和小說等多個場景，將人機對話推向新的高度。全球各大科技企業都在積極擁抱AIGC，不斷推出相關技術、平臺和應用。生成算法、預訓練模式、多模態等AI技術累計融合，催生了AIGC的大爆發。目前，AIGC產業生態體系的雛形已現，呈現為上中下三層架構：第一層為上游基礎層第一層為上游基礎層，也就是由預訓練模型為基礎搭建的AI

101、GC技術基礎設施層。第二層為中間層第二層為中間層，即垂直化、場景化、個性化的模型和應用工具。第三層為應用層第三層為應用層，即面向C端用戶的文字、圖片、音視頻等內容生成服務。圖：AIGC產業生態圖：AIGC累計融合AIGC服務器：服務器：模型參數量持續提升模型參數量持續提升50資料來源：數字金融網微信公眾號、Language Models are Few-Shot LearnersTom B.Brown等、天風證券研究所GPT模型對比BERT模型、T5模型的參數量有明顯提升。GPT-3是目前最大的知名語言模型之一，包含了1750億（175B）個參數。在GPT-3發布之前，最大的語言模型是微軟的T

102、uring NLG模型，大小為170億（17B）個參數。GPT-3 的 paper 也很長，ELMO 有 15 頁，BERT 有 16 頁，GPT-2 有 24 頁，T5 有 53 頁，而 GPT-3 有 72 頁。訓練數據量不斷加大，對于算力資源需求提升?；仡橤PT的發展，GPT家族與BERT模型都是知名的NLP模型，都基于Transformer技術。GPT，是一種生成式的預訓練模型，由OpenAI團隊最早發布于2018年，GPT-1只有12個Transformer層，而到了GPT-3，則增加到96層。其中，GPT-1使用無監督預訓練與有監督微調相結合的方式，GPT-2與GPT-3則都是純無

103、監督預訓練的方式，GPT-3相比GPT-2的進化主要是數據量、參數量的數量級提升。圖：不同模型訓練消耗算力圖：不同模型參數量及使用數據量對比AIGC服務器：服務器：異構計算成為趨勢異構計算成為趨勢51資料來源：青云QingCloud微信公眾號、阿里云官網、天風證券研究所未來異構計算或成為主流未來異構計算或成為主流異構計算（Heterogeneous Computing）是指使用不同類型指令集和體系架構的計算單元組成系統的計算方式，目前主要包括GPU云服務器、FPGA云服務器和彈性加速計算實例EAIS等。讓最適合的專用硬件去服務最適合的業務場景。讓最適合的專用硬件去服務最適合的業務場景。在CPU

104、+GPU的異構計算架構中，GPU與CPU通過PCle總線連接協同工作，CPU所在位置稱為主機端(host)，而GPU所在位置稱為設備端(device)?；贑PU+GPU的異構計算平臺可以優勢互補，CPU負責處理邏輯復雜的串行程序，而GPU重點處理數據密集型的并行計算程序，從而發揮最大功效。越來越多的AI計算都采用異構計算來實現性能加速。阿里第一代計算型GPU實例，2017年對外發布GN4，搭載Nvidia M40加速器.，在萬兆網絡下面向人工智能深度學習場景，相比同時代的CPU服務器性能有近7倍的提升。圖：GPU+CPU異構計算圖：GPU面向深度學習場景性能比CPU提升近7倍AIGC服務器：

105、服務器：為何為何GPU適用于適用于AI52資料來源：昱唯官網、天風證券研究所未來異構計算或成為主流未來異構計算或成為主流CPU 適用于一系列廣泛的工作負載，特別是那些對于延遲和單位內核性能要求較高的工作負載特別是那些對于延遲和單位內核性能要求較高的工作負載。作為強大的執行引擎，CPU 將它數量相對較少的內核集中用于處理單個任務，并快速將其完成。這使它尤其適合用于處理從串行計算到數據串行計算到數據庫運行等類型的工作庫運行等類型的工作。GPU 最初是作為專門用于加速特定 3D 渲染任務的 ASIC 開發而成的。隨著時間的推移，這些功能固定的引擎變得更加可編程化、更加靈活。盡管圖形處理和當下視覺效果

106、越來越真實的頂級游戲仍是 GPU 的主要功能，但同時，它也已經演化為用途更普遍的并行處理器，能夠處理越來越多的應用程序并行處理器，能夠處理越來越多的應用程序。維度維度GPUCPU核心數量數干個加速核心(雙卡 M40 高達 6144 個加速核心)幾十個核心產品特點1.高效眾多的運算單元(ALU)支持并行處理2.多線程以到達超大并行吞吐量3.簡單的邏輯控制1.復雜的邏輯控制單元2.強大的算數運算單元(ALU)3.簡單的邏輯控制適用場景計算密集、易于并行的程序邏組控制、串行運算的程序圖：CPU與GPU的差別表：CPU與GPU的對比AIGC服務器：服務器：訓練訓練&推理推理53資料來源：硬十AI微信公

107、眾號、天風證券研究所訓練和推理過程所處理的數據量不同。在AI實現的過程中，訓練（Training）和推理（Inference）是必不可少的，其中的區別在于：訓練過程：又稱學習過程，是指通過大數據訓練出一個復雜的神經網絡模型，通過大量數據的訓練確定網絡中權重和偏置的值，使其能夠適應特定的功能。推理過程：又稱判斷過程，是指利用訓練好的模型，使用新數據推理出各種結論。簡單理解，我們學習知識的過程類似于訓練，為了掌握大量的知識，必須讀大量的書、專心聽老師講解，課后還要做大量的習題鞏固自己對知識的理解，并通過考試來驗證學習的結果。分數不同就是學習效果的差別，如果考試沒通過則需要繼續重新學習，不斷提升對知

108、識的掌握程度。而推理，則是應用所學的知識進行判斷，比如診斷病人時候應用所學習的醫學知識進行判斷，做“推理”從而判斷出病因。圖：訓練與推理差異AIGC服務器：服務器：訓練和推理過程所處理的數據量不同訓練和推理過程所處理的數據量不同54資料來源：硬十AI微信公眾號、天風證券研究所訓練和推理過程所處理的數據量不同。訓練需要密集的計算，通過神經網絡算出結果后，如果發現錯誤或未達到預期，這時這個錯誤會通過網絡層反向傳播回來，該網絡需要嘗試做出新的推測，在每一次嘗試中，它都要調整大量的參數，還必須兼顧其它屬性。再次做出推測后再次校驗，通過一次又一次循環往返，直到其得到“最優”的權重配置，達成預期的正確答案

109、。如今，神經網絡復雜度越來越高，一個網絡的參數可以達到百萬級以上，因此每一次調整都需要進行大量的計算。吳恩達（曾在谷歌和百度任職）舉例“訓練一個百度的漢語語音識別模型不僅需要4TB的訓練數據，而且在整個訓練周期中還需要20 exaflops（百億億次浮點運算）的算力”，訓練是一個消耗巨量算力的怪獸。推理是利用訓練好的模型，使用新數據推理出各種結論，它是借助神經網絡模型進行運算，利用輸入的新數據“一次性”獲得正確結論的過程，他不需要和訓練一樣需要循環往復的調整參數，因此對算力的需求也會低很多。圖：訓練與推理圖示AIGC服務器：服務器：訓練和推理所應用的訓練和推理所應用的GPU/服務器有所差異服務

110、器有所差異55資料來源：英偉達官網、天風證券研究所此外，訓練和推理過程中，芯片的部署位置、準確度/精度要求、存儲要求等都有所不同。訓練和推理所應用的GPU/服務器也有不同。推理常用：NVIDIA T4 GPU 為不同的云端工作負載提供加速，其中包括高性能計算、深度學習訓練和推理、機器學習、數據分析和圖形學。引入革命性的 Turing Tensor Core 技術，使用多精度計算應對不同的工作負載。從 FP32 到 FP16，再到 INT8 和 INT4 的精度，T4 的性能比 CPU 高出 40 倍，實現了性能的重大突破。訓練：A100和H100。對于具有龐大數據表的超大型模型，A100 80

111、GB 可為每個節點提供高達 1.3TB 的統一顯存，而且吞吐量比A100 40GB 多高達 3 倍。在 BERT 等先進的對話式 AI 模型上，A100 可將推理吞吐量提升到高達 CPU 的 249 倍。圖：T4推理性能圖：A100大型模型AI訓練速度圖：A100服務器系統規格AIGC服務器：服務器：推算推算ChatGPT帶來的服務器需求增量帶來的服務器需求增量#156資料來源：英偉達官網、天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，訓練階段的算力估算。根據OpenAI在2020年發表的

112、論文，訓練階段算力需求與模型參數數量、訓練數據集規模等有關，且為兩者乘積的6倍：訓練階段算力需求=6模型參數數量訓練集規模。GPT-3模型參數約1750億個，預訓練數據量為45 TB，折合成訓練集約為3000億tokens。即訓練階段算力需求=61.75101131011=3.151023 FLOPS=3.15108PFLOPS依據谷歌論文，OpenAI公司訓練GPT-3采用英偉達V100 GPU，有效算力比率為21.3%。GPT-3的實際算力需求應為1.48109PFLOPS(17117 PFLOPS-day)。假設應用A100 640GB服務器進行訓練，該服務器AI算力性能為5 PFLOP

113、S，最大功率為6.5 kw，則我們測算訓練階段需要服務器數量=訓練階段算力需求服務器AI算力性能=2.96108臺（同時工作1秒），即3423臺服務器工作1日。參數量參數量值值參數量1750億預訓練數據量45TB算力需求3.15108PFLOPS有效算力比率21.3%實際算力需求1.48109PFLOPSA100服務器算力性能5 PFLOPS工作1日所需服務器（臺）3423表：訓練側所需服務器測算圖：A100服務器規格參數AIGC服務器：服務器：推算推算ChatGPT帶來的服務器需求增量帶來的服務器需求增量#257資料來源：英偉達官網、天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開

114、ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，訓練階段的算力估算。H100性能更強，與上一代產品相比，H100 的綜合技術創新可以將大型語言模型的速度提高 30 倍。根據Nvidia測試結果，H100針對大型模型提供高達 9 倍的 AI 訓練速度，超大模型的 AI 推理性能提升高達 30 倍。在數據中心級部署 H100 GPU 可提供出色的性能，并使所有研究人員均能輕松使用新一代百億億次級(Exascale)高性能計算(HPC)和萬億參數的 AI。H100 還采用 DPX 指令，其性能比 NVIDIA A100 Tensor Core GPU 高

115、 7 倍，在動態編程算法（例如，用于DNA 序列比對 Smith-Waterman）上比僅使用傳統雙路 CPU 的服務器快 40 倍。假設應用H100服務器進行訓練，該服務器AI算力性能為32 PFLOPS，最大功率為10.2 kw，則我們測算訓練階段需要服務器數量=訓練階段算力需求服務器AI算力性能=4.625107臺（同時工作1秒），即535臺服務器工作1日。值值參數量1750億預訓練數據量45TB算力需求3.15108PFLOPS有效算力比率21.3%實際算力需求1.48109PFLOPSH100服務器算力性能32 PFLOPS工作1日所需服務器（臺）535圖：H100服務器規格圖：H1

116、00多專家模型表現優異表：推理測所需服務器測算AIGC服務器：服務器：推算推算ChatGPT帶來的服務器需求增量帶來的服務器需求增量#358資料來源：天翼智庫微信公眾號、英偉達官網、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。訓練階段的算力估算-敏感性分析。根據天翼智庫，GPT-3模型參數約1750億個，預訓練數據量為45 TB，折合成訓練集約為3000億tokens。按照有效算力比率21.3%來計算，訓練階段實際算力需求為1.48109PFLOPS。對AI服務器訓練階段需求進行敏感性分析，兩個變化參數：同時并行訓練的大

117、模型數量、單個模型要求訓練完成的時間。按照A100服務器5 PFLOPs，H100服務器32 PFLOPs來進行計算。若不同廠商需要訓練10個大模型，1天內完成，則需要A100服務器34233臺，需要H100服務器5349臺。此外，若后續GPT模型參數迭代向上提升（GPT-4參數量可能對比GPT-3倍數級增長），則我們測算所需AI服務器數量進一步增長。訓練敏感性分析訓練敏感性分析同時訓練的模型數量同時訓練的模型數量A100（臺）1234510100單個模型要求訓練天數13423684710270136931711734233 34233231141228234234564570611411 1

118、14111748997814671956244548904890510342685102713691712342334233142454897349781223244524452301142283424565711141114119038761141521903803804訓練敏感性分析訓練敏感性分析同時訓練的模型數量同時訓練的模型數量H100（臺）1234510100單個模型要求訓練天數15351070160521402674534953489317835753571389117831783077615322930638276476411053107160214267535534914387

119、6115153191382382130183653718917817839061218243059594表：A100訓練側敏感性分析表：H100訓練側敏感性分析AIGC服務器：服務器：推算推算ChatGPT帶來的服務器需求增量帶來的服務器需求增量#459資料來源：Simlarweb、天翼智庫微信公眾號、天風證券研究所由于OpenAI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。根據天翼智庫，推理階段的算力估算。ChatGPT與用戶對話時需進行模型的推理，消耗智能算力。根據前述OpenAI論文，推理階段算力需求是模型參數數量與訓練數據集規模乘積的2倍：推

120、理階段算力需求=2模型參數數量訓練及規模。假設每輪對話產生500 tokens（約350個單詞）則每輪對話產生推理算力需求：21.751011500=0.175 PFLOPS。根據Similarweb的數據，OpenAI網站月度訪問量從今年1月6.67億次，持續快速上升，到3月單月訪問次數已達到16億次，換算成每日訪問量約為每日5300萬訪問量，假設每次訪問發生10輪對話，則我們測算每日對話產生推理算力需求=0.1755.3107 10=9.275107 PFLOPS，假設有效算力比率按30%取定，則我們測算每日對話實際算力需求為3.09108PFLOPS。假設應用搭載16片V100 GPU的

121、英偉達DGX2服務器進行訓練推理，該服務器算力性能為2 PFLOPS，最大功率為10kw，則我們測算需要服務器數量為=1.545108臺（同時工作1秒），即1789臺服務器工作1日。模型名稱模型名稱推出時間推出時間使用硬件使用硬件有效算力比有效算力比率率GPT-32020年5月英偉達 V10021.3%MT-NLG2021年10月英偉達 A10030.2%PaLM2022年4月谷歌TPU46.2%圖：OpenAI網站訪問量表：不同模型有效算力比率AIGC服務器：服務器：推算推算ChatGPT帶來的服務器需求增量帶來的服務器需求增量#560資料來源：天翼智庫微信公眾號、天風證券研究所由于Open

122、AI暫未公開ChatGPT（基于大語言模型GPT-3.5）相關技術細節。估算基于GPT-3。推理階段的算力估算-敏感性分析。根據天翼智庫，ChatGPT與用戶對話時需進行模型的推理，消耗智能算力。根據前述OpenAI論文，推理階段算力需求是模型參數數量與訓練數據集規模乘積的2倍：推理階段算力需求=2模型參數數量訓練及規模。模型參數數量不變，每輪對話產生tokens數量的變化將影響推理階段所需算力需求，隨著未來智能語音、娛樂甚至B端等應用場景的增多，每輪對話產生tokens數可能發生變化，以此作敏感性分析。此外，用戶訪問量預計將隨著ChatGPT的持續火熱和普及，訪問數量持續增加。若后續Chat

123、GPT普遍應用于日常生活工作，則日訪問用戶數將顯著提升。仍然假設每次訪問發生10次對話不變。假設有效算力比率按30%取定，應用搭載16片V100 GPU的英偉達DGX2服務器進行訓練推理，該服務器算力性能為2 PFLOPS。我們測算得到敏感性分析如下表：推理敏感性分析推理敏感性分析每輪對話產生每輪對話產生tokens數數V100（臺）100200300500100020005000用戶訪問用戶訪問量量10006813520333867513503376200013527040567513502701675230002034056081013202540511012750003386751013

124、16883376675216879100006751350202533766752135033375850000337667521012716879337586751516878910000067521350320255337586751513503133757750000033758675151012731687893375776751541687886表：推理測敏感性分析AIGC服務器：服務器：AI服務器市場規模預計將高速增長服務器市場規模預計將高速增長61資料來源：ChinaIT、城市大腦研究院微信公眾號、IDC、天風證券研究所AI服務器作為算力基礎設備有望受益于算力需求持續增長AI服務

125、器作為算力基礎設備，其需求有望受益于AI時代下對于算力不斷提升的需求而快速增長。根據TrendForce，截至2022年為止，預估搭載GPGPU（General Purpose GPU）的AI服務器年出貨量占整體服務器比重近1%，預估在ChatBot相關應用加持下，有望再度推動AI相關領域的發展，預估出貨量年成長可達8%；20222026年復合成長率將達10.8%。AI服務器是異構服務器，可以根據應用范圍采用不同的組合方式，如CPU+GPU、CPU+TPU、CPU+其他加速卡等。IDC預計，中國AI服務器2021年的市場規模為57億美元，同比增長61.6%，到2025年市場規模將增長到109億

126、美元，CAGR為17.5%。圖：中國算力發展情況31.775.0155.2268.0427.0640.7922.81271.40.0%20.0%40.0%60.0%80.0%100.0%120.0%140.0%160.0%0.0200.0400.0600.0800.01000.01200.01400.020192020202120222023E2024E2025E2026E百億億次浮點運算/秒（EFLOPS）同比增速AIGC服務器：服務器：用戶數增長用戶數增長+模型迭代模型迭代+場景擴張，場景擴張，AI服務器需求有望超預期服務器需求有望超預期62資料來源：天翼智庫微信公眾號、黑馬程序員、天風證

127、券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴張或將使AI服務器需求超預期ChatGPT用戶數快速增加，上線僅5天，用戶數便突破百萬，上線兩月后，ChatGPT月活用戶數突破1億，根據Similarweb統計，OPENAI網站用戶訪問量快速增長，我們預計未來用戶數仍將快速提升，帶來交互對話的產生，提升推理所需算力基礎設施需求。2018年OpenAl正式發布GPT(生成式預訓練語言模型)，可以生成文章、代碼、機器翻譯等，GPT是ChatGPT的前身，最終形成的ChatGPT是優化版本的對話語言模型。預計GPT-4模型的參數量仍將進一步增長，根據天翼智庫，給GPT-3喂料的長度每次不能超過大

128、約2000個字，現在GPT-4的“消化能力”提升了10倍以上。帶來AI應用生態的繁榮，未來有望涌現更多應用場景。圖：達到1億月活躍用戶耗時圖：GPT-4“消化能力”提升圖：ChatGPT引發新一輪AI應用生態繁榮AIGC服務器：服務器：用戶數增長用戶數增長+模型迭代模型迭代+場景擴張，場景擴張，AI服務器需求有望超預期服務器需求有望超預期63資料來源：天翼智庫微信公眾號、科普海南微信公眾號、天風證券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴張或將使AI服務器需求超預期據網站統計，目前基于ChatGPT推出的應用表現出高度活躍和極度豐富特性，截止2023年3月6日已有620個案例。從生成

129、的內容格式來看可以把目前所有案例分為五大類，即文本生成、代碼生成、圖像生成、音頻生成、和視頻生成。其中文本生成是目前最主要的應用方向，有397個案例，占比達64.1%；隨后是代碼生成92個案例，占比14.7%；圖像生成73個案例，占比11.8%；音頻生成29個案例，占比4.7%；視頻生成16個案例，占比2.6%。下游應用場景有望持續拓展。目前ChatGPT的主要應用場景包括但不限于無代碼編程、小說生成、對話類搜索引擎、語音陪伴、語音工作助手、對話虛擬人、人工智能客服、機器翻譯、芯片設計等。隨著算法技術和算力技術的不斷進步，ChatGPT也有望進一步走向更先進功能更強的版本，在越來越多的領域進行

130、應用，為人類生成更多更美好的對話和內容。圖：ChatGPT應用場景案例占比及典型案例圖：ChatGPT應用場景有望不斷豐富64資料來源：天翼智庫微信公眾號、天風證券研究所用戶快速增長+模型持續迭代+應用場景的不斷擴張或將使AI服務器需求超預期中國電信研究院從應用技術發展成熟度、應用市場空間及應用提供方是否具有海量的業務數據基礎和能力等維度，采取背靠背專家評估法，邀請電信研究院戰略發展研究所19位專家評分，綜合評估認為，2-3年內類ChatGPT將可能在智能客服、傳媒、辦公及搜索領域中實現規模應用。根據紅杉資本及中國電信研究院，ChatGPT引發大模型成為AI新型基礎設施，使AI能力標準化、規模

131、化、流程化、低成本化，催生產業各方應用創新。目前一切還處于“高速創新”的前期，中長期發展很有可能重構娛樂、文學等模式，并賦能教育、金融、工業、醫療等實體。短期應用在搜索+客服，中期利好內容創作+文娛生活場景，長期看好B端的產業機會。圖：不同領域ChatGPT可能應用機會判斷圖：長期看好B端產業機會AIGC服務器：服務器：用戶數增長用戶數增長+模型迭代模型迭代+場景擴張，場景擴張，AI服務器需求有望超預期服務器需求有望超預期AIGC服務器：服務器：AI服務器構成及形態服務器構成及形態65資料來源：浪潮官網、天風證券研究所AI服務器主要構成：以浪潮NF5688M6 服務器為例，其采用NVSwitc

132、h實現GPU跨節點P2P高速通信互聯。整機8 顆 NVIDIA Ampere架構 GPU，通過NVSwitch實現GPU跨節點P2P高速通信互聯。配置 2顆第三代Intel Xeon 可擴展處理器(Ice Lake)，支持8塊2.5英寸NVMe SSD or SATA/SAS SSD以及板載2塊 SATA M.2，可選配1張PCIe 4.0 x16 OCP 3.0網卡，速率支持10G/25G/100G；可支持10個PCIe 4.0 x16插槽，2個PCIe 4.0 x16插槽(PCIe 4.0 x8速率)，1個OCP3.0插槽；支持32條DDR4 RDIMM/LRDIMM內存，速率最高支持32

133、00MT/s，物理結構還包括6塊3000W 80Plus鉑金電源、N+1冗余熱插拔風扇、機箱等。目前按照GPU數量的不同，有4顆GPU（浪潮NF5448A6）、8顆GPU（Nvidia A100 640GB）以及16顆GPU（NVIDIA DGX-2）的AI服務器。4顆GPU8顆GPU圖：NF5688M6產品特性圖：4顆GPU與8顆GPU服務器AIGC服務器：服務器：AI服務器產業鏈服務器產業鏈66資料來源：各公司官網、天風證券研究所AI服務器核心組件包括GPU（圖形處理器）、DRAM（動態隨機存取存儲器）、SSD（固態硬盤）和RAID卡、CPU（中央處理器）、網卡、PCB、高速互聯芯片（板內

134、）和散熱模組等。CPU主要供貨廠商為Intel、GPU目前領先廠商為國際巨頭英偉達，以及國內廠商如寒武紀、海光信息等。內存主要為三星、美光、海力士等廠商，國內包括兆易創新等。SSD廠商包括三星、美光、海力士等，以及國內江波龍等廠商。PCB廠商海外主要包括金像電子，國內包括滬電股份、鵬鼎控股等。主板廠商包括工業富聯，服務器品牌廠商包括浪潮信息、紫光股份、中科曙光、中興通訊等。CPUIntel、AMD內存Samsung、海力士、美光、兆易創新等SSDSamsung、海力士、美光、江波龍等PCB滬電股份、金像電子、深南電路、生益科技等電源艾默生、中國長城、新雷能等散熱工業富聯等光模塊中際旭創、Fin

135、isar、新易盛、天孚通信等GPUNvidia、寒武紀等主板/集成商工業富聯、英業達等服務器廠商浪潮信息紫光股份中興通訊中科曙光超聚變互聯網廠商百度、阿里、騰訊等運營商中國移動、中國電信、中國聯通政企客戶政府、金融/醫療等行業客戶圖：AI服務器產業鏈AIGC服務器：服務器：行業競爭格局行業競爭格局67資料來源：ChinaIT、天風證券研究所IDC發布了2022年第四季度中國服務器市場跟蹤報告Prelim。從報告可以看到，前兩名浪潮與新華三的變化較小，第三名為超聚變，從3.2%份額一躍而至10.1%，增幅遠超其他服務器廠商。Top8服務器廠商中，浪潮、戴爾、聯想均出現顯著下滑，超聚變和中興則取得

136、明顯增長。其中，浪潮份額從30.8%下降至28.1%；新華三份額從17.5%下降至17.2%；中興通訊（000063）從3.1%提升至5.3%，位居國內第5。聯想降幅最為明顯，從7.5%下降至4.9%。據TrendForce集邦咨詢統計，2022年AI服務器采購占比以北美四大云端業者Google、AWS、Meta、Microsoft合計占66.2%為最，而中國近年來隨著國產化力道加劇，AI建設浪潮隨之增溫，以ByteDance的采購力道最為顯著，年采購占比達6.2%，其次緊接在后的則是Tencent、Alibaba與Baidu，分別約為2.3%、1.5%與1.5%。國內AI服務器競爭廠商包括：

137、浪潮信息、新華三、超聚變、中興通訊等。圖：2022年AI服務器采購量占比68資料來源：浪潮信息官網、Wind、同花順財經、IDC、天風證券研究所服務器主要廠商包括：工業富聯、浪潮信息、超聚變、紫光股份（新華三）、中興通訊、中科曙光。AI服務器目前領先廠商為工業富聯和浪潮信息，浪潮信息在阿里、騰訊、百度AI服務器占比高達90%。紫光股份在 GPU 服務器市場處于領先地位，有各種類型的 GPU 服務器滿足各種 AI 場景應用。特別針對 GPT 場景而優化的 GPU 服務器已經完成開發，并取得 31 個世界領先的測試指標，該新一代系列 GPU 服務器將在今年二季度全面上市。中興通訊近年服務器發展較快

138、，年初推出AI服務器G5服務器，此外在布局新一代AI加速芯片、模型輕量化技術，大幅降低大模型推理成本。營業收入（億元）營業收入（億元）歸母凈利潤（億元）歸母凈利潤（億元）23年年PE（截至（截至2023.4.18一致預期）一致預期）22Q4中國服務中國服務器市場份額器市場份額2020A2021A2022A2020A2021A2022A浪潮信息630.38670.48695.2514.6620.0320.8022.5228.1%紫光股份597.05676.38740.5818.9521.4821.5834.2517.2%中興通訊1014.511145.221229.5442.6068.1380.

139、8016.825.3%超聚變10.1%中科曙光101.60112.00130.088.2211.5815.4434.96圖：浪潮信息人工智能服務器市場份額圖：浪潮信息在阿里、騰訊、百度AI服務器占比高達90%表：各服務器廠商對比AIGC服務器：服務器：行業競爭格局行業競爭格局AIGC服務器：服務器：中興通訊，全球主要的中興通訊，全球主要的ICT廠商之一，服務器及存儲產品值得期廠商之一，服務器及存儲產品值得期待待69資料來源：中興通訊官網、中興通訊公告、天風證券研究所中興通訊作為全球主要的ICT廠商之一，產品廣泛覆蓋運營商網絡、政企設備和應用、消費者終端和應用等眾多信息通信網絡環節，覆蓋底層網絡

140、基礎設施（5G基站和SPN、傳輸網各類設備、千兆寬帶設備等），算力基礎（服務器、存儲等），垂直行業和消費側的網絡和終端（企業級網絡設備、工業網關、手機、家庭終端等），應用產品（數據庫、云視頻、云平臺等）。隨著數字經濟的持續深入發展，未來中興通訊有望深度參與數字經濟建設，在底層網絡、算力和流量以及上層眾多垂直行業和消費者終端和應用領域長期成長。服務器及存儲產品已規模進入金融、互聯網、能源等行業的頭部企業。在AI方面，1)公司的新一代智算中心基礎設施產品，全面支持大模型訓練和推理，包括高性能AI服務器、高性能交換機、DPU等；2)下一代數字星云解決方案，利用生成式AI技術，在代碼生成、辦公智能化、

141、運營智能化等領域展開研究，全面提升企業效率；3)新一代AI加速芯片、模型輕量化技術，大幅降低大模型推理成本。數字經濟相關環節數字經濟相關環節細分產業鏈細分產業鏈中興通訊提供的產品和服務中興通訊提供的產品和服務底層網絡底層網絡5G基站、SPN傳輸設備等千兆寬帶10GPON終端和局端設備流量相關流量相關傳輸網傳輸網設備、交換機、路由器等應用相關應用相關云計算服務器、儲存、交換機、路由器、模塊化數據中心產品、數據庫、云平臺、云電腦、云視頻等企業/園區網絡企業級交換機、路由器、網關等物聯網、工業互聯網工業網關、系統解決方案消費者終端智能手機、智能手表等人工智能uSmartInsight人工智能平臺虛擬

142、現實和增強現實XRExplore平臺家庭媒體中心IP機頂盒、AI智能交互產品類型產品類型具體產品具體產品應用領域應用領域IT服務器、存儲等公有云、私有云以及政企機房等場景使用的服務器、存儲等設備數據通信數據通信交換機、路由器、網絡安全、網絡管理等政府、企業等客戶的接入網、機房、網絡管理、網絡安全等使用的設備以及成套解決方案WLAN企業AP、企業AC等企業、商業、工業等場景下的無線接入網絡及控制系統能源能源通信電源、儲能電源、微模塊等機房、數據中心等電源模塊和系統接入和傳輸接入和傳輸PON、接入終端、OTN、PTN、MSTP等針對政企等客戶的專網、內網等需求提供的接入及傳輸網絡產品云視訊云視訊云

143、視訊平臺，個人終端，大屏一體機、融合調度等企業、政府、公安等視頻終端、平臺及系統數據庫數據庫GoldenDB分布式數據庫主要針對金融行業的分布式數據庫表：數字經濟中中興通訊提供的產品和服務表：中興通訊政企業務主要產品梳理70資料來源：各公司官網、紫光股份2020年度報告、紫光股份2021年度報告、IDC、天風證券研究所公司深耕ICT領域，業務覆蓋數字化基礎設施產品。2016年收購新華三集團，進一步提升公司技術實力與業務范圍，打造“云網邊端芯”產業鏈。公司在 GPU 服務器市場處于領先地位，有各種類型的 GPU 服務器滿足各種AI 場景應用。特別針對 GPT 場景而優化的 GPU 服務器已經完成

144、開發，并取得 31 個世界領先的測試指標，該新一代系列 GPU 服務器將在今年二季度全面上市。全球服務器市場來看：新華三/HPE服務器份額有望趕超戴爾，聯想增長勢頭較猛。21Q1份額情況來看，CR5為52.3%，戴爾全球領先占據17%市場份額。市場份額變動情況來看，戴爾出現頹勢，市場份額出現較大下滑，而新華三/HPE穩中有進，未來份額有望趕超戴爾。市場市場21年年排名排名2018201920202021中國以太網交換機市中國以太網交換機市場場第二33.2%35.5%35.0%35.2%中國企業網路由器市中國企業網路由器市場場第二27.2%27.9%30.8%31.3%中國企業級中國企業級WLA

145、N第一31.1%30.9%31.3%28.4%中國中國X86服務器市場服務器市場第二11.7%16.1%15.4%17.4%中國存儲市場中國存儲市場第二10.7%11.8%11.4%12.6%中國安全硬件市場中國安全硬件市場第二9.9%9.3%9.4%9.0%中國超融合市場中國超融合市場第一18.2%21%20.7%20.5%中國中國SDN（軟件軟件）市市場場第一-中國云管理平臺市場中國云管理平臺市場第一-17.00%15.90%7.20%6.90%5.30%26.30%21.40%戴爾HPE/H3C浪潮聯想IBMODM Direct其他圖：2021Q1服務器市場份額情況表：紫光股份各市場排名

146、及份額情況圖：紫光股份業務結構AIGC服務器：服務器：紫光股份，深耕紫光股份，深耕ICT領域，服務器份額有望趕超戴爾領域，服務器份額有望趕超戴爾71請務必閱讀正文之后的信息披露和免責申明資料來源：中國移動推介材料，天風證券研究所“東數西算”推動運營商進行層次化算力網絡布局，三大運營商均已形成區域中心“東數西算”推動運營商進行層次化算力網絡布局，三大運營商均已形成區域中心-省級資源池省級資源池-邊緣云節點的算力網絡體系。結合自身邊緣云節點的算力網絡體系。結合自身產業數字化業務領域豐富經驗，運營商有望在產業數字化業務領域豐富經驗，運營商有望在AIGC應用快速落地的背景下保持云業務快速發展趨勢，助力

147、中國數字經濟發展。應用快速落地的背景下保持云業務快速發展趨勢，助力中國數字經濟發展。具體來看：中國移動構建了“4+N+31+X”數據中心布局，在京津冀、長三角、粵港澳和成渝建設區域中心，在呼和浩特、哈爾濱和貴陽建設跨省中心，并設X個省級中心和業務節點?！癗（中心資源）+31（省級資源池）+X（邊緣云節點）”移動云布局持續優化，截至2022年底，中國移動對外可用 IDC 機架達到 46.7 萬架，凈增 6 萬架；云網邊協同發展持續加強，多樣性算力資源能力規?？焖偬嵘?，累計投產云服務器超 71 萬臺，凈增超 23 萬臺，算力規模達到 8.0 EFLOPS，凈增 2.8 EFLOPS。圖：圖：中國移

148、動算力網絡整體建設情況（截至中國移動算力網絡整體建設情況（截至20222022年底）年底）AIGC運營商：運營商：“東數西算”布局算力網絡建設“東數西算”布局算力網絡建設72請務必閱讀正文之后的信息披露和免責申明資料來源：中國電信推介材料，天風證券研究所各運營商積極落實“東數西算”工程部署，構建形成了層次化算力網絡布局。各運營商積極落實“東數西算”工程部署，構建形成了層次化算力網絡布局。具體來看：中國電信構建了“2+4+31+X+O”資源布局，在內蒙和貴州構建數據中心園區，在京津冀、長三角、粵港澳和川陜渝區域布局大數據中心，滿足大規模、集群化、低成本的算力需求；在31省部署屬地化全產品能力池，

149、承接各省黨政及重點行業屬地化業務需求；中國電信按照一城一池標準推進邊緣云在超過240個城市實現覆蓋，邊緣算力節點超過 800 個，滿足了就近接入、低時延、數據本地化的近場級算力需求；繼續覆蓋全國的算力平臺打造，2022 年新增天翼云算力 1.7EFLOPS，算力總規模達 3.8EFLOPS，同比增長81%。圖：圖：中國電信云網融合數字信息基礎設施建設布局情況（截至中國電信云網融合數字信息基礎設施建設布局情況（截至20222022年底）年底）AIGC運營商：運營商：構建形成了層次化算力網絡布局構建形成了層次化算力網絡布局73請務必閱讀正文之后的信息披露和免責申明資料來源：中國聯通推介材料，天風證

150、券研究所各運營商積極落實“東數西算”工程部署，構建形成了層次化算力網絡布局。各運營商積極落實“東數西算”工程部署，構建形成了層次化算力網絡布局。具體來看：中國聯通構建了“5+4+31+X”資源布局，聚焦京津冀、長三角、粵港澳、成渝和魯豫五大重點區域，在蒙貴甘寧建設國家西算樞紐節點，并按需建設31省份新型數據中心，靈活部署X個邊緣數據中心，實現大規模算力部署，提升算力服務品質和利用效率。截至2022年底，中國聯通在 170 個城市實現“一城一池”，MEC 節點超過 400 個，內外部云池連接達到 336 個，IDC 機架規模達到36.3 萬架，千架數據中心覆蓋 23 個省。圖：圖：中國聯通算力網

151、絡建設布局情況（截至中國聯通算力網絡建設布局情況（截至20222022年底）年底）AIGC運營商：運營商：強化算力感知和調度能力強化算力感知和調度能力74請務必閱讀正文之后的信息披露和免責申明資料來源：移動云公眾號，天風證券研究所算力網絡不僅要求強大的算力和網絡資源支撐，也要求算力資源的互通和智能調度。算力網絡不僅要求強大的算力和網絡資源支撐，也要求算力資源的互通和智能調度。運營商紛紛強化算力網絡感知和調度能力，實現算網資源的高效應用：中國移動打造“超級算網大腦”，具有實現算網一體化編排和智能調度的能力。其中算網一體化編排利用云原生架構使算力“原子化”，從而實現資源與業務場景、業務邏輯的封裝，

152、提供一體化方案。在智能調度上，構建以“SLA”為中心的調度體系，實現百萬節點級的算力協同和應用最優化部署。圖：圖：中國移動“超級算網大腦”能力圖中國移動“超級算網大腦”能力圖圖：圖：中國移動算力一體化編排實現流程中國移動算力一體化編排實現流程AIGC運營商：運營商：算力資源的互通與智能調度算力資源的互通與智能調度75請務必閱讀正文之后的信息披露和免責申明資料來源：中國電信天翼云公眾號，聯通云公眾號，天風證券研究所算力網絡不僅要求強大的算力和網絡資源支撐，也要求算力資源的互通和智能調度。算力網絡不僅要求強大的算力和網絡資源支撐，也要求算力資源的互通和智能調度。運營商紛紛強化算力網絡感知和調度能力

153、，實現算網資源的高效應用：中國電信自研構建了“息壤”算力感知與分發平臺，由算力資源管理平臺、算力調度引擎和算力資源共同構成。其中算力資源管理平臺能夠對泛在或異構算力進行統一納管、注冊、建模和度量，從而映射成標準算力供引擎調度；調度引擎根據用戶需求，綜合應用場景，實現云原生級的算力調度。中國聯通于2022年12月發布“聯通云7版本”，對雙引擎架構進行再升級，同時自研構建云網邊端一體化防護體系，并融合“墨攻”安全運營平臺，實現了全棧產品的安全可控。圖：圖：中國聯通中國聯通云宣傳圖云宣傳圖圖：圖：中國中國電信“息壤”電信“息壤”平臺平臺AIGC運營商：運營商：算力資源的互通與智能調度算力資源的互通與

154、智能調度76請務必閱讀正文之后的信息披露和免責申明資料來源：運營商公司財報，天風證券研究所受益于政策傾斜和行業需求增長受益于政策傾斜和行業需求增長，運營商云業務近年保持高速增長，拉動運營商整體業績提升和數字化轉型發展，運營商云業務近年保持高速增長，拉動運營商整體業績提升和數字化轉型發展。運營商云業務迎來快速發展運營商云業務迎來快速發展。中國電信天翼云、中國移動云和中國聯通云近年保持了高速增長：中國移動2022年云收入503億元，同比增長108%，其中，行業云收入412億元，同比增長115%；中國電信2022年云收入579億元，同比增長108%，2023年云業務收入指引為達千億元；根據中國聯通2

155、022年年報和業績說明會披露，中國聯通2022年云業務收入為361億元，同比增長121%；云業務貢獻了運營商主營業務增長中的主要部分云業務貢獻了運營商主營業務增長中的主要部分，已經成為運營商產業數字化業務中的重要組成部分已經成為運營商產業數字化業務中的重要組成部分。25.6%85.4%41.4%48.6%93.5%43.7%23.2%43.0%0%20%40%60%80%100%202020212022中國聯通中國電信中國移動圖：運營商圖：運營商云云業務營收情況（億元）業務營收情況（億元）*中國聯通2020年云業務收入為推算值，推算方法：2021年云業務收入/(1+同比增長率)圖：運營商圖：運

156、營商云云業務對主營業務增長貢獻占比業務對主營業務增長貢獻占比111163361711382795792011324250301002003004005006007002019202020212022中國聯通中國電信中國移動AIGC運營商：運營商：大安全和大安全和AIGC背景下，運營商云業務快速發展背景下，運營商云業務快速發展5G網絡網絡Part#277請務必閱讀正文之后的信息披露和免責申明5G網絡網絡中國中國5G的三個發展階段，由第二階段向第三階段演進的三個發展階段，由第二階段向第三階段演進5G投資以及發展根據驅動力可以分成三個階段：政策驅動運營商投資、業務發展驅動運營商投資、垂直行業業務發展

157、驅動企業投資。第一階段：2018至2021年，由政策驅動運營商投資。第二階段：2022至2024年，由于5G手機等終端設備的滲透需要一定時間，基于5G硬件實現的新應用如超高清視頻、VR/AR等逐步成熟，推動5G網絡流量和網絡負載快速增長，5G對運營商的收入和現金流貢獻開始快速起量，進而推動運營商進入第二輪投資，該輪投資主要是業務和流量拉動的網絡擴容投資。第三階段：2025至2030年，該階段隨著網絡部署持續完善，國內運營商網絡建設支出可能逐步減緩，同時隨著 5G 向垂直行業應用的滲透融合，各行業企業在 5G 設備上的支出帶動5G相關投資的新一輪增長。78資料來源：中國移動年報、中國電信年報、中

158、國聯通年報、中國信通院、天風證券研究所請務必閱讀正文之后的信息披露和免責申明第一階段政策驅動第二階段運營商業務發展驅動第三階段垂直行業業務發展驅動航空物流汽車互聯網醫療制造業5G網絡網絡5G時代中國引領撬動多個產業，全球投資周期或將拉長時代中國引領撬動多個產業，全球投資周期或將拉長5G是新基建之首是新基建之首。新基建與傳統基建相比，增加了信息通信類基礎設施建設，其新意更多的體現在對數字經濟的支撐作用上。直接拉動，運營商的資本開支直接帶動主設備、傳輸網設備以及上游各類元器件的銷售，對經濟帶來直接的拉動。間接拉動，根據中國信通院估算，5G建設對整體經濟拉動達到萬億級別。5G時代中國引領、海外陸續跟

159、進，拉長投資周期：預計全球5G網絡建設將分成三波推進。第一波，以第一梯隊國家為主，中國、美國、韓國、日本等引領，主要驅動力包括政策引導，技術引領以及垂直領域應用探索；第二波，主要是以第二梯隊國家為主，包括德國等歐洲國家，主要驅動力包括業務需求推動；第三波，主要其他剩下的國家，主要驅動力包括對標領先、以及業務落地的推動。79資料來源：中國信通院、CTIA、天風證券研究所請務必閱讀正文之后的信息披露和免責申明第一波韓國、美國、中國、日本政策引導、技術引領及垂直領域應用探索第二波德國、意大利等歐洲國家業務需求推動第三波其他國家和地區對標領先、以及業務落地的推動20182020202320305G網絡

160、網絡5G網絡覆蓋持續深入，終端普及加快，構建網絡建設正循環網絡覆蓋持續深入，終端普及加快，構建網絡建設正循環5G網絡覆蓋持續深入，5G終端硬件連接數有望高速增長。根據GSMA預測，全球5G網絡設備的連接數占比將從2019年開始快速滲透，在2025年有望達到20%的比例，即達到18億連接數。5G網絡帶來更快的網絡速率、更低的時延等性能升級，網絡用戶對5G服務增加付費的意愿較強，針對全球不同區域用戶的調查顯示，平均57%的用戶愿意為5G服務增加付費。80資料來源：GSMA、天風證券研究所請務必閱讀正文之后的信息披露和免責申明圖：全球無線網絡連接數占比圖：全球無線網絡連接數占比圖：圖：5G用戶增加付

161、費的意愿用戶增加付費的意愿5G網絡網絡基站主設備基站主設備5G基站主設備包括鐵塔上的天線（AAU）以及塔下機房中的設備（CU-DU）為實現無線信號的傳輸，在鐵塔、樓頂桿塔等位置部署大量天線設備，5G時代的天線引入大量新技術，融合了部分網絡設備的功能，叫做AAU。天線傳輸的無線信號，轉化為電信號后，在塔下機房中，經過專用設備進行初步處理，這些設備成為CU和DU81資料來源：中國移動：5G對傳輸網絡的需求、挑戰與網絡演進方向、天風證券研究所請務必閱讀正文之后的信息披露和免責申明5G網絡網絡傳輸網設備傳輸網設備2G時代，回傳網主要以SDH/MSTP設備為主；3G早期數據量不大的時候以MSTP為主，后

162、期轉為IPRAN和PTN；4G的回傳設備和3G一樣用IPRAN和PTN；5G回傳以SPN（切片分組網絡）和M-OTN（面向移動承載優化的OTN）為主。5G傳輸網絡可分為城域網和骨干網，其中城域內組網包括接入、匯聚和核心三層架構。傳輸設備的用量基本由接入基站的數量以及流量需求共同決定，5G網絡接入層的傳輸設備以25GE的為主（4G以1GE居多，部分10GE），匯聚層以100GE為主（4G以10GE為主），核心層將都是超100GE設備（4G以10GE略多，部分100GE）。82資料來源：烽火通信公司官網、天風證券研究所請務必閱讀正文之后的信息披露和免責申明5G網絡網絡網絡設備之間依靠大量光纖光纜、

163、光模塊連接網絡設備之間依靠大量光纖光纜、光模塊連接傳輸網設備也稱為光傳輸設備，是將電信號轉換為光信號，以激光的形式在光纖光纜中實現遠距離傳輸。傳輸網設備也稱為光傳輸設備，是將電信號轉換為光信號，以激光的形式在光纖光纜中實現遠距離傳輸。光纖光纜：光纖光纜：目前中長距離傳播性價比最高的方式，核心成分是二氧化硅，由芯層和外包層構成，核心是光纖預制棒，經過拉絲等工序制備成光纖光纜產品。光模塊：光模塊：網絡設備中處理的都是電信號，而光纖光纜中傳輸的是激光信號，光模塊就是實現光電-電光轉換的核心器件，在運營商網絡以及數據中心等網絡環節中均有大量使用，有不同傳輸距離、不同傳輸速率等多種細分型號產品。83資料

164、來源：飛速公司官網、天風證券研究所請務必閱讀正文之后的信息披露和免責申明一級前傳一級前傳二級前傳二級前傳（中傳中傳）回傳回傳200G/400G200G/400G接入環接入環匯聚環匯聚環核心設備核心設備200G/400G200G/400G50G/100G50G/100G核心設備核心設備25G25G50G/100G50G/100G200G200G200G200G光網絡設備光模塊光纖光纜光纖光纜5G網絡網絡潛在的機遇：小基站、智慧桿塔潛在的機遇：小基站、智慧桿塔5G5G小基站數量大增：小基站數量大增：國內目前儲備的5G頻段包括6GHz以下（3.3-3.6GHz和4.8-5GHz）和6GHz以上（24

165、.75-27.5GHz、37-42.5GHz或其他毫米波頻段）。相比主要部署在2.6GHz等頻段的4G網絡，5G使用的頻段更高，網絡覆蓋能力、穿透能力更弱，需要引入小基站進行深度網絡密集覆蓋。搭載小基站的重要站點是智慧桿塔：搭載小基站的重要站點是智慧桿塔：小基站一部分通過吸頂天線等方式部署在室內，在人流密集的商區、辦公區域等室外可以在路燈等站點進行部署，集成了小基站等功能的智慧桿塔迎來新機遇。84資料來源：千家綜合布線網、晶宏照明官網、天風證券研究所請務必閱讀正文之后的信息披露和免責申明5G應用應用Part#385請務必閱讀正文之后的信息披露和免責申明5G應用應用物聯網：感知、傳輸、平臺、應用

166、構成四大層級物聯網：感知、傳輸、平臺、應用構成四大層級物聯網（物聯網（IoT）是實現萬物互聯的核心技術，它賦予物品以感知力、控制力和決策力，推動各類生活場景沿智能）是實現萬物互聯的核心技術，它賦予物品以感知力、控制力和決策力，推動各類生活場景沿智能化方向不斷發展?；较虿粩喟l展。物聯網的主要應用領域包括智能家居、車聯網、公共服務、智慧農業、智慧物流、智慧工業等，把過去獨立割裂的終端融入網絡體系，也可以創造大量新應用模式和商業模式。86資料來源：億歐智庫、天風證券研究所請務必閱讀正文之后的信息披露和免責申明43%11%8%7%5%3%1%1%21%智慧家居車聯網公共服務智慧農業智慧物流零售服務智

167、慧工業智慧醫療其他圖：物聯網的主要應用場景圖：物聯網的主要應用場景圖：圖：2020年中國物聯網應用場景分布年中國物聯網應用場景分布5G應用應用物聯網：感知、傳輸、平臺、應用構成四大層級物聯網：感知、傳輸、平臺、應用構成四大層級物聯網簡單來說就是將各類終端設備，賦予網絡功能，增加遠程控制、實時追蹤等豐富的功能。以智慧家居中物聯網簡單來說就是將各類終端設備，賦予網絡功能，增加遠程控制、實時追蹤等豐富的功能。以智慧家居中的空調場景為例：的空調場景為例：空調中配置溫度、人體紅外線等傳感器，采集屋內溫度、判斷室內是否有人（感知層）；空調上再加裝物聯網無線傳輸模組，通過Wi-Fi等方式聯網（傳輸層）；通過

168、手機APP以及背后的管理平臺軟件（平臺層），可以用APP遠程遙控、定時開關、離開房間自動關閉等（應用層）。87資料來源：億歐智庫、天風證券研究所請務必閱讀正文之后的信息披露和免責申明圖：物聯網的主要應用場景圖：物聯網的主要應用場景5G應用應用物聯網：百億連接，萬億市場物聯網：百億連接，萬億市場物聯網的商業模式很多跟連接數掛鉤，比如感知和傳輸層按傳感器、網絡模組出貨量收費；平臺層按連接數量物聯網的商業模式很多跟連接數掛鉤，比如感知和傳輸層按傳感器、網絡模組出貨量收費；平臺層按連接數量收費；應用層按用戶規模產生經濟效益等。收費；應用層按用戶規模產生經濟效益等。GSMA預計到2025年，全球物聯網設

169、備連接數將達到251億個，全球物聯網市場規模將達到1.1萬億美元。88資料來源：億歐智庫、天風證券研究所請務必閱讀正文之后的信息披露和免責申明251億80億1.1萬億美元1.7萬億元2025年全球物聯網設備連接數2025年中國物聯網設備連接數2025年全球物聯網市場規模2020年中國物聯網市場規模圖：物聯網的市場規模及連接數量預測圖：物聯網的市場規模及連接數量預測1261471711972242512020E2021E2022E2023E2024E2025E圖：圖：2020-2025全球物聯網設備連接數預測（單位：億個）全球物聯網設備連接數預測（單位：億個）8989傳感器是物和物之間得以相連的

170、起點，是將接收到的物理感知轉化為電信號的基本樞紐。傳感器是物和物之間得以相連的起點，是將接收到的物理感知轉化為電信號的基本樞紐。傳感器技術經過數十年的發展，已經能夠將各種場景下大部分物理狀態信息采集轉化為電子信息系統可以處理的電信號。像溫度、濕度、壓力（重量）、氣壓（輪胎胎壓）、光照強度、氣體成分、指紋、面部識別、速度和位移等等，均可通過傳感器進行采集感知。這些傳感功能，與智慧家居、物流、車輛安全監測、節能環保、安防等下游場景密切配合，可以組合形成豐富的應用模式。結構型傳感器：利用結構參量來對信號進行識別和轉換固體傳感器：利用特殊材料的特性識別信號，如半導體、磁性材料傳感器等智能傳感器：集合計

171、算機技術，對信號具備一定的檢測、處理和自適應能力1950-19691970-19992000-至今32.30%17.70%15.60%5.70%5.50%23.20%24.20%14.70%21.10%21.00%7.20%11.80%汽車電子消費電子工業制造網絡通信醫療其他環境中 國全 球491.3億美元237.3億美元269.2億美元27%25%15%11%8%4%4%2%1%4%CISMEMSRF雷達傳感器指紋傳感器磁傳感器3D傳感器氣體傳感器光譜傳感器其他圖：傳感器發展歷程圖：傳感器發展歷程圖：圖：2019年全球及中國傳感器下游應用分布年全球及中國傳感器下游應用分布圖：全球傳感器市場類

172、型分布圖：全球傳感器市場類型分布資料來源：中商產業研究院，前瞻產業研究院，賽迪顧問，天風證券研究所5G應用應用物聯網：傳感器物聯網：傳感器9090資料來源：前瞻產業研究院，天風證券研究所從發展趨勢來看，未來傳感器將繼續沿著智能化、從發展趨勢來看，未來傳感器將繼續沿著智能化、集成化、微型化的技術路徑進行更新升級，更好適集成化、微型化的技術路徑進行更新升級，更好適應物聯網對于基礎零件的性能要求，與物聯網實現應物聯網對于基礎零件的性能要求，與物聯網實現協同發展。協同發展。智能化是指通過在傳感器中內置微處理器，或與人工智能技術相結合，令其具備自動檢測、邏輯判斷、數據存儲等功能，具備一定的人工智能特性；

173、集成化則是在傳感器中集成不同功能敏感元件，來達到同時檢測不同類別信號的目的，從而對場景產生更加全面、準確的感知；微型化則是為了滿足可穿戴設備等新型物聯設備對于零件體積的要求，對傳感器各個部件的尺寸進行微縮。MEMS傳感器是傳感器智能化、集成化、微型化發傳感器是傳感器智能化、集成化、微型化發展趨勢下的集中代表。展趨勢下的集中代表。MEMS即微機電系統，是一個獨立的智能系統。MEMS集成了微傳感器、微控制器、集成電路等結構，系統尺寸可達毫米級甚至更小，能夠較好滿足物聯網應用中對傳感器性能的要求。圖：傳感器未來發展趨勢通過在傳感器中內置微處理器，或與神經網絡、模糊推理等人工智能技術相結合，令其具備自

174、動檢測、邏輯判斷、數據存儲等功能，或具備一定的人工智能特性智能化智能化在傳感器中集成溫度、濕度、光線、壓力等不同功能敏感元件，來達到同時檢測不同類別信號的目的，從而對場景產生更加全面、準確的感知，實現對環境數據的綜合監測集成化集成化滿足可穿戴設備等新型物聯設備對于零件體積的要求，對傳感器各個部件的尺寸進行微縮，微電子技術、微機械工藝和超精密加工的發展助推傳感器的微型化趨勢微型化微型化5G應用應用物聯網：傳感器朝智能化、集成化、微型化趨勢持續演進物聯網：傳感器朝智能化、集成化、微型化趨勢持續演進9191物聯網終端功能控制和實現的核心是物聯網終端功能控制和實現的核心是MCU芯片。芯片。MCU也稱為

175、單片機或微控制器，由CPU、存儲器、各類端口等構成，是智能控制的核心部件，可以簡單理解成一臺微型電腦。傳感器采集的信息、輸入界面（按鍵、傳感器采集的信息、輸入界面（按鍵、APP遙控等）輸入的命令等經過遙控等）輸入的命令等經過MCU的分析和處理，再控制執行的分析和處理，再控制執行機構（電機、變頻壓縮機、音頻設備等），實現物聯網最終的功能。機構（電機、變頻壓縮機、音頻設備等），實現物聯網最終的功能。資料來源：ASPENCORE，國際電子商情公眾號，天風證券研究所圖：圖：MCU可以看作是芯片級的計算機可以看作是芯片級的計算機圖：圖：2019年中國年中國MCU應用領域分布應用領域分布25.60%18.

176、40%16.20%15.30%11.20%13.30%消費電子計算機網絡汽車電子智能卡工業控制其他5G應用應用物聯網：感知層物聯網：感知層MCU從市場規模來看，IC insights預測，2022年全球年全球MCU市場規模有望達到市場規模有望達到239億美元億美元，出貨量有望達到438億個，2020年全球市場規模在207億美元左右。國內方面，前瞻產業研究院預測，2018-2023年，中國年，中國MCU市場將維持市場將維持12%的的CAGR增長，增長，2023年市場規?；驅⑼黄颇晔袌鲆幠；驅⑼黄?40億億元。元。從平均售價來看，2015年以來MCU單價整體呈現下降態勢，2015年全球MCU單價約

177、為0.72美元，2020年為0.57美元，價格降幅約為21%。9292資料來源：IC insights，前瞻產業研究院，天風證券研究所圖：2015-2022年全球MCU市場規模與出貨量情況及預測159.45150168.42186.15203.57206.92220.77238.75-10%-5%0%5%10%15%050100150200250300350400450500201520162017201820192020E2021E2022E全球MCU市場規模（億美元）全球出貨量（億個）市場規模YOY3073443854314835400100200300400500201820192020

178、E2021E2022E2023E圖：2018-2023年中國MCU市場規模及預測（單位：億元）0.500.550.600.650.700.75201520162017201820192020E2021E2022E圖：2015-2022年全球MCU單價變化趨勢（單位：美元）5G應用應用物聯網：物聯網：MCU市場規模穩步增長市場規模穩步增長9393資料來源：ittbank公眾號，翱捷科技招股書，天風證券研究所按功能分類，通信芯片主要包含基帶芯片和射頻芯片兩大類?；鶐酒瑢鶐盘栠M行解碼或合成后，再由射頻芯片對信號進行頻率調制按功能分類，通信芯片主要包含基帶芯片和射頻芯片兩大類?；鶐酒瑢鶐盘?/p>

179、進行解碼或合成后，再由射頻芯片對信號進行頻率調制和發射，來滿足信號的工作頻率要求。和發射，來滿足信號的工作頻率要求。從結構來看，基帶芯片主要CPU處理器、信道編碼器、數字信號處理器、調制解調器和接口模塊五個部分組成，射頻芯片的結構則包括功率放大器、低噪聲放大器和天線開關等。按不同的通信制式分類，通信芯片還可分為蜂窩基帶芯片、按不同的通信制式分類，通信芯片還可分為蜂窩基帶芯片、WiFi芯片、芯片、LoRa芯片、芯片、GNSS芯片，其中，按照支持的最高通信制式，蜂窩芯芯片，其中，按照支持的最高通信制式，蜂窩芯片可以細分為片可以細分為4G芯片、芯片、5G芯片、芯片、NB-IoT芯片等。不同類別芯片之

180、間并非是完全的技術迭代或替代關系，而是適用于不同的應用場景。芯片等。不同類別芯片之間并非是完全的技術迭代或替代關系，而是適用于不同的應用場景。工信部 2020 年 5 月發布的關于深入推進移動物聯網全面發展的通知確立了以 LTE-Cat1滿足中等速率物聯需求和話音需求，以 5G 技術滿足更高速率、低時延聯網需求的發展目標。圖：基帶芯片與射頻芯片的工作原理示意圖圖：按不同通信制式分類的通信芯片蜂窩基帶芯片蜂窩基帶芯片GNSS芯片芯片LoRa芯片芯片WiFi芯片芯片5G應用應用物聯網：感知層的基帶芯片物聯網：感知層的基帶芯片9494資料來源：翱捷科技招股書，天風證券研究所根據根據Strategy

181、Analytics 的數據，的數據，2019 年全球基帶芯片市場規模為年全球基帶芯片市場規模為 209 億美元，億美元，2012-2019 年間的復合增長率為年間的復合增長率為 5.42%，保持平穩增長。，保持平穩增長。WiFi芯片方面，根據芯片方面，根據 Markets and Markets，2020 年，年，WiFi芯片市場規模已達到芯片市場規模已達到 197 億美元；億美元；LoRa芯片方面，根據物聯傳媒，芯片方面，根據物聯傳媒，2019 年中年中國國 LoRa 終端芯片市場規模為終端芯片市場規模為 112.5 億元。億元。其中，蜂窩基帶芯片的主要應用領域有移動終端和無線模組兩個大類，

182、而中國是這兩個領域的主要市場。根據Counterpoint和IoT Analytics的統計，2020年，全球手機出貨結構中國內企業占比約為49%，2019年，全球無線模組市場結構中國內企業占比則超過半數達到55%，中國成為基帶芯片最主要的應用市場。表：各通信芯片市場規模及應用場景蜂窩基帶芯片蜂窩基帶芯片WiFiWiFi芯片芯片LoRaLoRa芯片芯片GNSSGNSS芯片芯片市場規模市場規模2019 年全球基帶芯片市場規模為 209 209 億美元億美元，2012-2019 年間的復合增長率為 5.42%5.42%2020 年全球WiFi芯片市場規模達到 197 197 億美元億美元，預計 2

183、026 年將增長至 252252億美元億美元，2021 年至 2026 年預計CAGR達 4.2%4.2%2019 年中國 LoRa 終端芯片市場規模為 112.5 112.5 億元億元，預計至2023 年將達到 360 360 億元億元，市場規模年復合增長率達 33.75%33.75%2020年中國與衛星導航技術研發和應用直接相關的芯片、器件、算法等在內的產業核心產值達1,295 1,295 億元億元應用領域應用領域適用于手機、無線模組、車聯網、智慧城市等場景適用于智能支付、智慧安防、智能家居等場景適用于智能表計、工業物聯網、智慧安防等場景適用于智能可穿戴設備、車聯網、工業物聯網、手機等場景

184、圖：中國企業在手機市場占有率較高圖：2020年全球無線模組市占率中國企業約為55%5G應用應用物聯網：基帶芯片達百億美元市場規模，中國是蜂窩基帶的主要市物聯網：基帶芯片達百億美元市場規模，中國是蜂窩基帶的主要市場場9595物聯網的傳輸層以無線傳輸為主，按照傳輸距離的不同，無線傳輸又可以分為局域網（物聯網的傳輸層以無線傳輸為主，按照傳輸距離的不同，無線傳輸又可以分為局域網（LAN）和廣域網）和廣域網（LPWAN）兩種。）兩種。局域網包括人們較為熟知的藍牙、WiFi等，其特點是通信距離相對較短，一般在200米范圍以內，適合于室內、低移動性場景（智慧家居、智能倉庫等）。廣域網包括NB-IoT、Sig

185、fox等，其特點是通信范圍大，可以達到15km以上，適合于大范圍、移動性場景（車聯網、物流跟蹤、資產定位等）。資料來源：億歐智庫，天風證券研究所表表：各類：各類通信技術特性不同，應用于日常工作生活生產通信技術特性不同，應用于日常工作生活生產名稱通信技術傳輸速度通信距離成本是否授權優點缺點局域網藍牙1Mbps20-200m2-5美元否組網簡單、低功耗、低延遲、安全距離較低、傳輸數據量小WiFi11-54Mbps20-200m約25美元否應用廣泛、傳輸速度快、距離遠設置麻煩、功耗高、成本高Zigbee20-250bps2-20m約20美元否低功耗、自組網、低復雜度、可靠傳輸范圍小、速率低、時延不確

186、定廣域網LoRa小于10kbps城內1-2km城外大于15km約5美元否低成本、電池壽命長、廣連接，通信不頻繁非授權頻段Sigfox小于100bps3-10km低于1美元否傳輸速率低，成本低，范圍廣，技術簡單數據傳輸量小，非授權頻段，相對封閉NB-IoT小于200kbps大于15km約5美元是高可靠、傳輸數據量大、低時延、廣覆蓋成本高、協議復雜，電池耗電大eMTC小于1Mbps-約10美元是低功耗、海量連接、高速率、可移動模塊成本高5G應用應用物聯網：傳輸網絡物聯網：傳輸網絡而根據傳輸速率的不同，物聯網業務可分為高速率、中速率及低速率業務。而根據傳輸速率的不同，物聯網業務可分為高速率、中速率及

187、低速率業務。其中，高速率高速率業務主要使用3G、4G 及WiFi技術，可應用于視頻監控、車載導航等場景；中速率中速率業務主要使用藍牙、eMTC等技術，可應用于智能家居、儲物柜等高頻使用場景；低速率業務低速率業務，即LPWAN(低功耗廣域網)，主要使用NB-IoT、LoRa、Sigfox及ZigBee等技術，可能應用于智慧停車、遠程抄表智慧停車、遠程抄表等使用頻次低的應用場景。全球物聯網市場有大約全球物聯網市場有大約60%以上都屬于低速率業務以上都屬于低速率業務，這類應用需要具有支持海量連接數、低終端成本、低終端功耗和超強覆蓋等能力。由于自身的發展以及成本等問題，各個企業都在向低成本、低功耗等方

188、向發展。而在低速率領域，中國主要以發展NB-IoT（窄帶物聯網）為主。9696資料來源：麥肯錫咨詢，億歐智庫，天風證券研究所圖：通信技術分為中低高速率圖：通信技術分為中低高速率圖：圖：不同通信網絡的性能特點不同通信網絡的性能特點5G應用應用物聯網：低速率場景更多，高速率價值量較高物聯網：低速率場景更多，高速率價值量較高9797資料來源：智研咨詢，有方科技官網，天風證券研究所無線模組是將芯片、存儲器等電子器件集成于電路板上的模塊化組件，是實現設備聯網的基礎樞紐。無線模組是將芯片、存儲器等電子器件集成于電路板上的模塊化組件，是實現設備聯網的基礎樞紐。依據網絡制式的不同，無線模組主要可以分為4G模組

189、、5G模組、NB-IoT模組等，依據應用場景的不同，無線模組也可以分為智能模組和車規級模組等。無線模組是連接上游芯片與下游終端的樞紐，起到承上啟下的作用。一方面，芯片技術壁壘雖然高，但與下游物聯網應用距離遠，無法深入涉足下游；另一方面，下游終端技術能力有限，難以較好滿足物聯網各個場景下對部件的定制化需求。因此，無線模組在物聯網產業鏈因此，無線模組在物聯網產業鏈中起著重要的銜接作用中起著重要的銜接作用，滿足著不同場景下對于模組的定制化需求。圖：不同的無線模組類別上上 游游 芯芯 片片下下 游游 終終 端端中中 游游 模模 組組技術壁壘高，利潤空間高，向下游整合缺乏收益，難以深入涉足下游碎片化特性

190、下技術整合能力不足，向上整合存在壁壘技術支持：技術支持：通信技術、信號處理技術等；場景定制：場景定制：滿足不同領域的定制需求；配套開發：配套開發：底層協議、微操作系統等技術支持能力技術支持能力配套開發配套開發能力能力場景定制場景定制能力能力5G應用應用物聯網：傳輸的核心，無線模組物聯網：傳輸的核心，無線模組硬件端具備物聯網能力后，需要平臺實現整個網絡和應用的具體實現。平臺按功能類型大致可以分為硬件端具備物聯網能力后，需要平臺實現整個網絡和應用的具體實現。平臺按功能類型大致可以分為4類，類，實際上很多通用化平臺兼具多個功能。實際上很多通用化平臺兼具多個功能。1）CMP/DMP管理平臺：管理平臺：

191、設備連接的管理。舉個例子，買一個掃地機器人，回家開機激活，與手機APP綁定等，這些都是通過管理平臺實現。2）AEP應用使能平臺：應用使能平臺：很多傳統公司（比如插排工廠），想升級成物聯網遙控插排，但是沒有相應的技術人員，他們就可以付費使用AEP平臺，AEP平臺上匯聚了很多物聯網解決方案，插排工廠在平臺上設置產品參數（有幾個插孔）、功能模塊（手機控制開關、定時開關等），就可以直接生成需要的物聯網功能。3）BAP業務分析平臺：業務分析平臺：物聯網采集了大量用戶數據，有專門的平臺來分析用戶數據，通過大數據讓設備的功能更加智能，也可以通過對用戶習慣的分析做定制化營銷等等拓展功能（比如智能門鎖給老年人用

192、，每天都開門，突然一整天都沒出門，就給家人報警是不是摔倒了等）。9898資料來源：億歐智庫，阿里云官網，天風證券研究所圖：圖：物聯網平臺層的四大平臺物聯網平臺層的四大平臺CMP連接管理平臺連接管理平臺DMP設備管理平臺設備管理平臺AEP應用使能平臺應用使能平臺BAP業務分析平臺業務分析平臺對物聯網進行連接管理、對物聯網進行連接管理、故障管理、資費管理等故障管理、資費管理等對數據進行采集分析和處對數據進行采集分析和處理，包含大數據服務和機理，包含大數據服務和機器學習兩大功能器學習兩大功能結合應用場景的系統開發結合應用場景的系統開發平臺，能夠對物聯網應用平臺，能夠對物聯網應用進行快速開發和部署進行

193、快速開發和部署對物聯網終端進行遠程監對物聯網終端進行遠程監控、軟件升級等，幫助客控、軟件升級等，幫助客戶進行集成和開發等戶進行集成和開發等5G應用應用物聯網：平臺層，計費、開通、應用實現、后端數據管理等物聯網：平臺層，計費、開通、應用實現、后端數據管理等9999車聯網將汽車進化為另一個移動的智能終端。車聯網將汽車進化為另一個移動的智能終端。未來智能互聯化是一個不可逆轉的趨勢，生活中常用的物品都在逐漸聯網化，目前手機已成為人們出行攜帶的一個智能終端，汽車過去僅作為一項出行工具使用。而車聯網的應用可以將汽車進化為另一個智能終端，提供包括導航、娛樂、通訊、移動金融服務等功能應用，賦能汽車。圖：車聯網

194、的構成與應用圖：車聯網的構成與應用資料來源：阿里云數據庫，天風證券研究所5G應用應用車聯網：將汽車進化為移動的智能終端車聯網：將汽車進化為移動的智能終端100100疫情改變了人們很多的工作、生活模式，其中“混合”辦公就是其中最為常見的一種?；旌限k公，是疫情之后，出現的一種全新的辦公模式，采用的時而遠程、時而坐班的通勤形式。諸多企業也在探索永久混合辦公可行方式，不少的互聯網等高科技企業對混合辦公情有獨鐘，主動擁抱混合辦公，甚至是推行永久混合辦公?；旌限k公所帶來的趨勢變化是顯而易見的，從個人的使用習慣養成，到企業加強自身管理，使得現在的混合辦公模式已經變得越來越成熟，越來越多的企業成功案例，已經讓

195、大家看到混合辦公所帶來的辦公趨勢變化。趨勢一：隨時隨地辦公推動辦公場所轉型；趨勢二：人工智能和云服務應用更加普遍；趨勢三：辦公場景將更加靈活；趨勢四：技術投資以“員工為核心”。資料來源：Yealink億聯網絡公眾號、Poly博詣公眾號、億聯網絡公司官網，天風證券研究所5G應用應用混合辦公：全球辦公趨勢之一，大廠爭相入局混合辦公：全球辦公趨勢之一，大廠爭相入局1011015G消息是信息服務創新發展的新路徑，我國移動短消息業務已經有20多年的發展歷史，隨著移動互聯網提速和互聯網應用的發展，短消息從人與人溝通的主要方式，變化為目前的密碼認證方式、營銷推廣渠道。5G消息的出現正是短消息業務創新的一次探

196、索，在保持用戶原有通信習慣、充分繼承電信業務的碼號體系、實名制、安全性、互聯互通，以及電信級服務質量和用戶規模的基礎上，將為信息服務業務的創新發展提供新的可能。相較于傳統短信，5G消息突破了對信息長度和內容格式的限制，支持文本、圖片、音頻、視頻、位置、聯系人和文檔等多種媒體形式；相較于互聯網即時消息應用，5G消息可以幫助企業觸達互聯網即時消息服務不能覆蓋的人群，避免互聯網生態對手間的功能限制、無差別的為各類企業提供平等的業務能力；同時，5G消息還將行業短信從單向通知延展為多重交互，使其能承載更多的應用和功能。資料來源：中國信通院，天風證券研究所5G應用應用5G消息：信息服務創新發展的新路徑，多

197、重交互承載更多應用和功能消息：信息服務創新發展的新路徑，多重交互承載更多應用和功能通信通信+Part#4102請務必閱讀正文之后的信息披露和免責申明103103全球風電裝機容量持續快速增長。根據GWEC數據，2020年全球風電新增裝機容量為93GW，其中陸風86.9GW，海風6.1GW,2016-2020年全球風電裝機容量CAGR約為14%。同時海風建設的占比正逐漸增長，2001-2009年為海風建設初期，占比僅為約1%，此后快速發展，至2017-2020年達到7%-10%。中國與歐洲是海風建設主力軍。根據GWEC發布的2021全球海上風電報告數據顯示，中國在2020年實現了3GW以上的海上風

198、電新增并網，連續第三年成為全球最大的海上風電市場。歐洲市場保持穩定增長，荷蘭以近1.5GW的新增裝機排在全球第二位，比利時位列第三（706 MW）；存量海風裝機方面，中國也逐漸追趕英國的海上風電霸主地位，截止2020年中國占全球海上風電整體裝機量為28.3%，落后英國僅為0.6%。資料來源：阿里云數據庫，天風證券研究所“通信“通信+”通信與能源的共振通信與能源的共振：海風海風&海纜海纜104104海纜位于海上風電產業鏈中游。海上風電產業鏈上游主要是葉片材料如纖維、樹脂等，中游為風電機組安裝，風電機組安裝包括軸承、齒輪箱、控制系統、發電機等，海纜屬于風電機組一部分，一部分為風場風機陣列纜，一部分

199、為風場向陸地傳輸電力的送出纜。下游則是風電運營及維護。海底電纜作為電力傳輸通道。海底電纜是指在深海底敷設的電力電纜，由于海底環境較為復雜，海底電纜需要面臨潮汐、沖刷、地震等干擾，需保證高質量安全可靠。資料來源：阿里云數據庫，天風證券研究所“通信“通信+”通信與能源的共振通信與能源的共振：海風海風&海纜海纜105105海纜行業壁壘高，新晉企業難以搶占份額。海纜的特性決定了進入海纜行業門檻高，1.地理位置：海纜企業運輸需要，須臨近港口，且需要配上接駁的碼頭，目前萬噸級別碼頭資源有限；2.技術門檻：由于海底特殊的環境，海纜系統對于技術指標的要求非常高；3.資金門檻；4.品牌/業績門檻：海纜招標通常需

200、要投標人近3年具有至少1個220kV及以上電壓等級的海纜敷設工程業績。中天科技與亨通光電涉及風機海工業務。對比各公司海洋業務板塊的差異性，可以發現中天科技與亨通光電的業務涉及海纜敷設，風機安裝、運維等業務，而東方電纜、寶勝股份、漢纜股份以及起帆電纜業務僅為提供電纜產品及其敷設安裝。資料來源：阿里云數據庫，天風證券研究所“通信“通信+”通信與能源的共振通信與能源的共振：海風海風&海纜海纜106106回顧2022年，光伏&儲能如火如荼，通信行業亦涌現出諸多優秀企業進行該業務布局。如潤建股份、科華數據等。潤建股份：依托電力行業的技術底蘊和積累，將傳統自動化技術及 5G、AI、物聯網、大數據、云計算等

201、現代新技術融合，全面布局能源網絡，打造“發電-輸電-配電-儲能-用電-云服務”全流程、全專業的技術服務能力，為客戶提供能源設計、能源基建、能源運維、能源安全與能效提升、能源增值服務一體化能源網絡管維解決方案，助力新型電力系統的構建與“雙碳目標”的實現?？迫A數據：經過35年深厚的電力電子技術積累，持續大規模的研發投入，科華數能高可靠光儲解決方案在各大場景中成熟應用。目前，公司已擁有自主知識產權的全系列光儲產品，并占據行業領先的市場份額。資料來源：潤建股份官網、科華數據官網、天風證券研究所“通信“通信+”通信與能源的共振通信與能源的共振：光伏：光伏&儲能儲能1071071、5G產業和商用進度低于預

202、期：5G產業商用進度低于預期，如運營商資本開支下滑會導致5G網絡建設進度不及預期，對通信行業整體造成影響。2、ChatGPT發展低于預期的風險：GPT持續迭代，存在技術發展不及預期的可能性，導致整體行業發展進度放緩。3、ChatGPT政策監管的風險：存在政府政策管控ChatGPT發展，規范化發展對整體推進節奏的影響。4、下游應用推廣不及預期：ChatGPT在下游應用場景的拓展正在探索中，存在下游應用推廣不及預期，導致推理需求不及預期，減少服務器需求的風險5、行業競爭加劇，價格和盈利能力下降的風險：存在進入行業的廠商增加，價格競爭使得盈利能力下降的風險。6、人才及技術更新風險：部分行業具備高壁壘

203、、高投入特點，若相關企業不能保持人才及技術優勢，產品迭代、性能突破可能受阻。資料來源：天風證券研究所風險提示：風險提示：THANKS108109請務必閱讀正文之后的信息披露和免責申明股票投資評級自報告日后的6個月內，相對同期滬深300指數的漲跌幅行業投資評級自報告日后的6個月內，相對同期滬深300指數的漲跌幅買入預期股價相對收益20%以上增持預期股價相對收益10%-20%持有預期股價相對收益-10%-10%賣出預期股價相對收益-10%以下強于大市預期行業指數漲幅5%以上中性預期行業指數漲幅-5%-5%弱于大市預期行業指數漲幅-5%以下投資評級聲明投資評級聲明類別類別說明說明評級評級體系體系分析

204、師聲明分析師聲明本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的所有觀點均準確地反映了我們對標的證券和發行人的個人看法。我們所得報酬的任何部分不曾與，不與，也將不會與本報告中的具體投資建議或觀點有直接或間接聯系。一般聲明一般聲明除非另有規定，本報告中的所有材料版權均屬天風證券股份有限公司（已獲中國證監會許可的證券投資咨詢業務資格）及其附屬機構（以下統稱“天風證券”）。未經天風證券事先書面授權，不得以任何方式修改、發送或者復制本報告及其所包含的材料、內容。所有本報告中使用的商標、服務標識及標記均為天風證券的商標、服務標識及標記。本報告

205、是機密的，僅供我們的客戶使用，天風證券不因收件人收到本報告而視其為天風證券的客戶。本報告中的信息均來源于我們認為可靠的已公開資料，但天風證券對這些信息的準確性及完整性不作任何保證。本報告中的信息、意見等均僅供客戶參考，不構成所述證券買賣的出價或征價邀請或要約。該等信息、意見并未考慮到獲取本報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對任何人的個人推薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，天風證券及/或其關聯人員均不承擔任何法律責任

206、。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷。該等意見、評估及預測無需通知即可隨時更改。過往的表現亦不應作為日后表現的預示和擔保。在不同時期，天風證券可能會發出與本報告所載意見、評估及預測不一致的研究報告。天風證券的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。天風證券沒有將此意見及建議向報告所有接收者進行更新的義務。天風證券的資產管理部門、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的意見或建議不一致的投資決策。特別聲明特別聲明在法律許可的情況下，天風證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到天風證券及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突，投資者請勿將本報告視為投資或其他決定的唯一參考依據。