1、1证券研究报告作者：行业评级：上次评级：行业报告|请务必阅读正文之后的信息披露和免责申明通信通信强于大市强于大市维持2023年06月21日（评级）分析师 唐海清 SAC执业证书编号：S02分析师 王奕红 SAC执业证书编号：S04分析师 林竑皓 SAC执业证书编号：S01分析师 余芳沁 SAC执业证书编号：S06分析师 康志毅 SAC执业证书编号：S02全球全球AI军备竞赛，通信行业蓬勃发展军备竞赛，通信行业蓬勃发展行业投资策略2请务必阅读正文之后的信息披露和免责申明代码代码名称名称2

2、023-06-16评级评级2022A2023E2024E2025E2022A2023E2024E2025E300308.SZ中际旭创155.00买入1.531.762.383.06101.3188.0765.1350.65300502.SZ新易盛68.64买入1.781.582.373.1838.5643.4428.9621.58000063.SZ中兴通讯39.00买入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买入

3、0.941.231.581.9617.1113.0710.188.20600487.SH亨通光电15.48买入0.640.981.261.5124.1915.8012.2910.25600941.SH中国移动95.74买入5.876.396.917.4516.3114.9813.8612.85002335.SZ科华数据38.74买入0.541.652.283.1471.7423.4816.9912.34300442.SZ润泽科技33.85增持1.261.922.613.5326.8717.6312.979.59002929.SZ润建股份44.08买入1.822.803.925.4324.221

4、5.7411.248.12002123.SZ梦网科技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重点标的推荐重点标的推荐股票股票股票股票收盘价收盘价投资投资EPS(元元)P/E展望未来，通信行业部分细分产业链有望充分受益全球展望未来，通信行业部分细分产业链有望充分受益全球AI大趋势以及国内数字经济，行业景气度有望持续得到印证。市大趋势以及国内数字经济，行业景气度有望持续得到印证。市场情绪和风格变化之下，通信行业主要标的业绩增速、长期

5、成长性突出。场情绪和风格变化之下，通信行业主要标的业绩增速、长期成长性突出。风险提示风险提示：5G产业和商用进度低于预期、产业和商用进度低于预期、ChatGPT发展低于预期、发展低于预期、ChatGPT政策监管风险、下游应用推广不及预期、行政策监管风险、下游应用推广不及预期、行业竞争格局加剧、人才及技术更新风险。业竞争格局加剧、人才及技术更新风险。资料来源：Wind、天风证券研究所请务必阅读正文之后的信息披露和免责申明回顾总结与未来展望回顾总结与未来展望3请务必阅读正文之后的信息披露和免责申明通信产业链全景图：通信产业链全景图：通信产业链最下游两大条线，围绕运营商，以及围绕B端/G端等行业客户

6、应用。运营商产业链：以5G、10GPON等网络建设，以及流量增长带来的网络持续升级扩容，驱动整个硬件/软件/工程维护等产业链的成长；2B/2G等应用：以算力（及配套的IDC、光模块、网络设备）、云视频、物联网等为主的丰富的产业应用，受益5G等新技术的变革，产业链持续发展。4资料来源：Wind、天风证券研究所请务必阅读正文之后的信息披露和免责申明5G通信网络建设上游零部件厂商射频器件世嘉科技武汉凡谷大富科技国人通信天线/阵子通宇通讯世嘉科技飞荣达科创新源硕贝德散热壳体银宝山新科创新源飞荣达光模块中际旭创光迅科技华工科技新易盛剑桥科技PCB/CCL深南电路沪电股份生益科技华正新材建滔连接器中航光电

7、意华股份金信诺立讯精密主设备商宏基站中兴通讯华为爱立信诺基亚供电/防雷俊知集团中恒电气科士达新雷能中光防雷铁塔中国铁塔华体科技中嘉博创制冷英维克依米康佳力图应用上量基础设施物联网终端模组移远通信广和通日海智能高新兴移为通信乐鑫科技博通集成5G流量应用视频会议亿联网络苏州科达淳中科技云通信梦网集团中嘉博创IDC机房宝信软件光环新网奥飞数据数据港万国数据流量监控及内容分发网宿科技中新赛克恒为科技光通信设备烽火通信中兴通讯诺基亚华为中兴通讯烽火通信紫光股份星网锐捷华为思科增长逻辑：5G基站上量，从预期到兑现流量增长的网络扩容上游零部件主设备商SDN/NFV设备光模块中际旭创光迅科技华工科技新易盛剑桥

8、科技海信宽带LumentumFinisar光器件太辰光天孚通信博创科技LumentumFinisarSemtech增长逻辑：5G用户渗透，流量快速增长，网络扩容服务器/交换机浪潮信息中科曙光星网锐捷紫光股份增长逻辑：ISP厂商基于新应用和新内容增长，加大云计算基础设施投入网优网维三维通信超讯通信宜通世纪国脉科技海格通信中富通华星创业世纪鼎利创意信息中国移动运营商中国联通中国电信鹏博士中国广电BOSS系统天源迪科思特奇亚信科技东方国信网络优化/运维行情回顾行情回顾板块行情回顾板块行情回顾回顾2022年初至2022年12月31日行情，通信指数跌幅15.60%，排名第14名（总计31个行业）。从产业

9、角度来看，我们认为通信指数2022年初至2022年年底表现排名市场整体中游水平的主要原因包括：1）运营商资本开支增速放缓；2）外部宏观环境影响等。从整体持仓比例来看，2022年，通信板块基金持仓处于历史较低水平。21Q4-22Q3机构通信持仓比例有所提升，但22Q4 的机构持仓比例进一步下降至1.17%，显著低于同期通信行业A股总市值占比的3.59%，处于明显低配状态，且也处于历史较低水平。5资料来源：Wind、天风证券研究所请务必阅读正文之后的信息披露和免责申明行情回顾行情回顾板块估值有望逐步修复，重点关注低估值高成长方向板块估值有望逐步修复，重点关注低估值高成长方向从通信整体估值水平比看，

10、板块估值水平自2019年以来持续低于创业板平均估值，并且差距逐步扩大，纵向比较也处于通信板块历史估值底部区间。展望未来，通信行业部分细分产业链有望充分受益全球AI大趋势以及国内数字经济，行业景气度有望持续得到印证。6资料来源：Wind、天风证券研究所请务必阅读正文之后的信息披露和免责申明展望未来展望未来#1 全球科技巨头加速布局，全球科技巨头加速布局，AIGC产业高速发展产业高速发展2022年12月，Open AI的大型语言生成模型ChatGPT火热。随后，全球各大科技企业都在积极拥抱AIGC，不断推出相关技术、平台和应用。生成算法、预训练模式、多模态等AI技术累计融合，催生了AIGC的高速发

11、展。GPT模型对比BERT模型、T5模型的参数量有明显提升。GPT-3是目前最大的知名语言模型之一，包含了1750亿（175B）个参数。在GPT-3发布之前，最大的语言模型是微软的Turing NLG模型，大小为170亿（17B）个参数。GPT-3 的paper 也很长，ELMO 有 15 页，BERT 有 16 页，GPT-2 有 24 页，T5 有 53 页，而 GPT-3 有 72 页。7资料来源：数字金融网微信公众号、Language Models are Few-Shot LearnersTom B.Brown等、天风证券研究所请务必阅读正文之后的信息披露和免责申明展望未来展望未来#

12、2 网络先行，辅以终端普及，催生内容与应用网络先行，辅以终端普及，催生内容与应用从时间逻辑上讲，新一代网络科技浪潮，将又是一个先网络建设，辅以终端普及，而后推动内容与应用渗透的过程。因此网络是先行的；近年来，新兴应用的涌现，亦是依托于新一代基础基建的逐步完善。5G网络时代，终端的丰富性预计将会强很多（从5G手机到VRAR设备到可穿戴设备到无人驾驶汽车等但爆款仍有待观察），内容和应用目前雏形：VRAR游戏云计算人工智能无人驾驶工业互联网等等。5G应用：1）万物互联，快速打开物联网/车联网市场空间，汽车智能化大趋势下大量细分领域迎来发展新机遇；2）RCS、视频应用、MCN等5G应用迎来机会；3）计

13、算需求提升，边缘计算也将逐步上量；8资料来源：IMT5G推进组官网、创维数字官网、天风证券研究所请务必阅读正文之后的信息披露和免责申明5G服务工业教育家居交通农业AIGC引导产业变革引导产业变革Part#19请务必阅读正文之后的信息披露和免责申明10请务必阅读正文之后的信息披露和免责申明资料来源：中国信息通信研究院和京东探索研究院，天风证券研究所3.13.1.AIGCAIGC：孕育数字经济新业态的关键技术：孕育数字经济新业态的关键技术AIGC(Artificial Intelligence Generated Content，人工智能生成内容，人工智能生成内容)是通过人工智能算法对数据或媒体进

14、行生产、操控和修改的统称，是通过人工智能算法对数据或媒体进行生产、操控和修改的统称，是继专业生成内容是继专业生成内容(PGC)和用户生成内容和用户生成内容(UGC)之后自动生成内容的新型生产方式之后自动生成内容的新型生产方式。AIGC的兴起源于深度学习技术的突破和日益增长的数字内容供给需求。的兴起源于深度学习技术的突破和日益增长的数字内容供给需求。一方面，深度学习技术驱动AIGC可用性不断增强；另一方面，海量需求牵引AIGC应用落地。AIGC有望成为数字内容创新的新引擎，为数字经济发展注入全新动能。有望成为数字内容创新的新引擎，为数字经济发展注入全新动能。AIGC 不仅能以低边际成本、高效率的

15、方式进行信息挖掘、复刻编辑等基础性机械劳动，还能创新内容生产的流程和范式，提升内容生产的创造力。同时，AIGC 能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育数字经济的新业态新模式，打造经济发展新增长点。图：图：AIGCAIGC发展历程发展历程11请务必阅读正文之后的信息披露和免责申明资料来源：中国信息通信研究院和京东探索研究院，天风证券研究所3.13.1.AIGCAIGC：孕育数字经济新业态的关键技术：孕育数字经济新业态的关键技术AIGC根据面向对象、实现功能的不同分为智能数字内容孪生、智能数字内容根据面向对象、实现功能的不同分为智能数字内容孪生、智能数字内容编辑和智能数字内容创

16、作三个层次。编辑和智能数字内容创作三个层次。智能数字内容孪生主要目标是建立现实世界到数字世界的映射；智能数字内容编辑主要目的是建立数字世界与现实世界的双向交互。在数字内容孪生的基础上，从现实世界实现对虚拟数字世界中内容的控制和修改，同时利用数字世界高效率仿真和低成本试错的优势，为现实世界的应用提供快速迭代能力；智能数字内容创作主要目标是让AI算法具备内容创作和自我演化的能力，使得 AIGC 产品具备类似甚至超越人的创作能力。以上三个层次的能力共同构成 AIGC 的能力闭环。图：图：AIGCAIGC的技术能力层次的技术能力层次12请务必阅读正文之后的信息披露和免责申明资料来源：中国信息通信研究院

17、和京东探索研究院，天风证券研究所3.13.1.AIGCAIGC：孕育数字经济新业态的关键技术：孕育数字经济新业态的关键技术深度学习的发展带来了神经网络在大模型和多模态两个方向的不断突破，为深度学习的发展带来了神经网络在大模型和多模态两个方向的不断突破，为AIGC技术能力的升级提供强力支撑。技术能力的升级提供强力支撑。当前AIGC技术从追求生成内容的真实性这一基本需求，发展到满足生成内容多样性、可控性的进阶需求，并开始追求生成内容的组合性。在应用上，在应用上，AIGC以其真实性、多样性、可控性和组合性的特征，有望帮助各行业提高内容生产效率，并为其提供更为丰富多元、动以其真实性、多样性、可控性和组

18、合性的特征，有望帮助各行业提高内容生产效率，并为其提供更为丰富多元、动态且可交互的内容态且可交互的内容。以传媒行业为例，AIGC+传媒可以实现人机协同生产，推动媒体融合。在采编环节，采访语音转写、智能新闻写作加视频剪辑，可以提升新闻资讯的时效性。在传播环节，AIGC应用集中于以AI合成主播为核心的新闻播报领域，并呈现应用范围不断拓展、应用场景不断升级和应用形态日趋完善的特点。图：图：AIGCAIGC多模态大模型生成结果图多模态大模型生成结果图图：图：AIGCAIGC应用视图应用视图13请务必阅读正文之后的信息披露和免责申明资料来源：ACM，IEEE Xplore，NIPS，天风证券研究所3.2

19、3.2.大模型拓展大模型拓展AIAI应用可能边界应用可能边界近年，随着机器学习研究的不断深入，大规模并行化计算和迁移学习理论逐步形成，结合硬件层面算力和适配性的提升，大模型应运而近年，随着机器学习研究的不断深入，大规模并行化计算和迁移学习理论逐步形成，结合硬件层面算力和适配性的提升，大模型应运而生。较过往的场景化生。较过往的场景化AI应用，大模型性能明显增强，实现了可执行任务的多样性，极大拓展了应用，大模型性能明显增强，实现了可执行任务的多样性，极大拓展了AI应用可能边界。应用可能边界。前期理论研究和算法突破奠定大模型基础。前期理论研究和算法突破奠定大模型基础。Thrun等人证明AI模型可以实

20、现迁移学习迁移学习(transfer learning)，即将从特定任务的模式识别能力用于另一项任务1。此外，异步优化算法异步优化算法(asynchronous algorithm)的完善，大幅提高了系统利用率，使得实证中模型优化速度明显提升。Transformer模型开启大模型时代。模型开启大模型时代。2017年提出的Transformer模型完全基于多注意力机制3，该结构更易并行化和进行多任务学习，模型训练时间也明显更少。该模型迅速成为深度学习主流模型框架，衍生的自回归系列架构、自编码系列架构等在生成性任务和自然语言理解上大放异彩。图：并行同步和异步算法比较图：并行同步和异步算法比较22图

21、：图：TransformerTransformer和多注意力机制结构和多注意力机制结构3314请务必阅读正文之后的信息披露和免责申明资料来源：Github，openAI官网，天风证券研究所3.23.2.大模型拓展大模型拓展AIAI应用可能边界应用可能边界openAI等团队不断改进模型结构，并通过轻量化方法对模型进行“瘦身”，让大模型实现效率、成本和性能的综合性提升。等团队不断改进模型结构，并通过轻量化方法对模型进行“瘦身”，让大模型实现效率、成本和性能的综合性提升。GPT-1和和GPT-2模型结构基于模型结构基于Transformer的解码器的解码器(decoder)而来而来。GPT-1模型使

22、用12层的Transformer解码器结构和掩码自注意力机制，以探索该模型架构在多任务学习上的表现。GPT-2模型在GPT-1模型基础上，调整和添加了层标准化，并调整残差层权重以应对残差路径上的累积问题。GPT-3模型在模型在GPT-2模型上进行了改进和模型大小扩充，以追求小样本学习情境下的泛化能力。模型上进行了改进和模型大小扩充，以追求小样本学习情境下的泛化能力。GPT-3模型使用和GPT-2模型基本相同的结构，但其中也借鉴了Sparse Transformer中的Dense层和Locally Banded Sparse Attension层设置。考虑到之前GPT-2模型在无微调情况下的多任

23、务表现欠佳，GPT-3模型扩充了其模型层数和维度，使得参数最大可以达到1750亿个。InstructGPT和和ChatGPT在在GPT-3模型研究基础上，进一步改进其模型结构。模型研究基础上，进一步改进其模型结构。根据openAI官网公布，作为作为ChatGPT姊妹模型的姊妹模型的InstructGPT参数数量为参数数量为13亿个亿个，模型明显小于GPT-3模型，但在性能上并不逊于后者，且更少出现伪造信息等问题。图：图：InstructGPTInstructGPT模型大小及性能描述模型大小及性能描述图：图：GPTGPT-1 1模型结构模型结构44图：图：GPTGPT-2 2模型大小模型大小55

24、图：图：GPTGPT-3 3模型大小模型大小6615请务必阅读正文之后的信息披露和免责申明资料来源：Github，openAI官网，天风证券研究所3.23.2.大模型拓展大模型拓展AIAI应用可能边界应用可能边界除了模型结构的演化，训练方法和训练集的改进也让除了模型结构的演化，训练方法和训练集的改进也让大模型输出更加贴近用户需求大模型输出更加贴近用户需求，进一步提升大模型的实用性。，进一步提升大模型的实用性。GPT系列模型不断强化多任务学习能力及泛化能力。系列模型不断强化多任务学习能力及泛化能力。GPT-1模型中，openAI团队采用无监督学习预训练无监督学习预训练+有监督微调模式有监督微调模

25、式，测试发现针对特定任务区分性微调后的GPT-1表现较传统任务特化模型更佳。考虑到任务相关数据集的可获得性及成本和微调过程中过拟合任务相关数据集等问题，GPT-2仅对模型进行了无监督学习预训练，并测试其在多任务中的表现。考虑GPT-2模型表现的不足，GPT-3模型引入了无监督学习预训练了无监督学习预训练+少样本学习模式少样本学习模式，相较于之前的有监督微调，少样本学习仅需要不到100个样本数据（zero-shot：不提供样本，one-shot：提供1个样本，few-shot：提供10-100个样本），对任务相关数据集的需求量大幅下降，同时模型依旧在各项任务测试中取得较好表现。GPT系列模型训练

26、集生成方式在不断改进，训练集大小快速上升。系列模型训练集生成方式在不断改进，训练集大小快速上升。GPT-2模型所用的训练数据集规模超过40GB，而为了满足超大模型对训练数据的需求，GPT-3模型使用了超过45TB数据进行训练。图：图：GPTGPT-3 3模型少样本学习后的表现模型少样本学习后的表现66图：图：GPTGPT-1 1模型结构及有监督微调训练方式（橙色部分）模型结构及有监督微调训练方式（橙色部分）4416请务必阅读正文之后的信息披露和免责申明资料来源：openAI官网，天风证券研究所3.23.2.大模型拓展大模型拓展AIAI应用可能边界应用可能边界除了模型结构的演化，训练方法的改进也

27、让除了模型结构的演化，训练方法的改进也让大模型输出更加贴近用户需求大模型输出更加贴近用户需求，进一步提升大模型的实用性。，进一步提升大模型的实用性。InstructGPT和和ChatGPT模型进一步更新训练模式，提升其对人类思维的理解能力模型进一步更新训练模式，提升其对人类思维的理解能力。基于前述模型的研究结果，InstructGPT和ChatGPT模型的训练方式更新为RLHF(基于人类反馈的强化学习方法)：对模型进行监督微调对模型进行监督微调(fine-tuning)训练奖励模型训练奖励模型(RM)基于奖励模型进行近端策略优化基于奖励模型进行近端策略优化(PPO)。在这一过程中，基于人类排序

28、标注的训练集训练得到的奖励模型能够有效反映人类的表基于人类排序标注的训练集训练得到的奖励模型能够有效反映人类的表达和思维习惯，这使得模型相较过去的大模型能够更好遵循达和思维习惯，这使得模型相较过去的大模型能够更好遵循用户的意图。用户的意图。图：图：InstructGPTInstructGPT和和ChatGPTChatGPT训练方式训练方式77图：图：InstructGPTInstructGPT多维度综合表现评估多维度综合表现评估17请务必阅读正文之后的信息披露和免责申明资料来源：ArXiv，天风证券研究所3.23.2.大模型拓展大模型拓展AIAI应用可能边界应用可能边界ChatGPT等大模型的

29、成功，意味着等大模型的成功，意味着AI模型的通用性实现了突破，显著降低了研发成本，满足了当前日益碎片化、多样化的模型的通用性实现了突破，显著降低了研发成本，满足了当前日益碎片化、多样化的AI解决方案解决方案需求需求。大模型具有以下几点主要优势：1.大模型可以提供具有通用性的预训练方案；大模型可以提供具有通用性的预训练方案；2.大模型具备自监督学习功能，降低了模型训练成大模型具备自监督学习功能，降低了模型训练成本；本；3.大模型有望进一步突破大模型有望进一步突破AI模型结构精度局限。模型结构精度局限。大模型为应用端提供了“预训练大模型大模型为应用端提供了“预训练大模型+下游任务微调下游任务微调/

30、少样本学习”的低成本解决方案，自监督学习让模型训练不再依赖昂贵的少样本学习”的低成本解决方案，自监督学习让模型训练不再依赖昂贵的人工标注数据集，人工标注数据集，AI应用有望从“手工厂”模式走向“流水线”模型。图：图：大模型，既是单一模型，也是多模型大模型，既是单一模型，也是多模型88图：大模型能够实现多模态学习图：大模型能够实现多模态学习 8 8 18请务必阅读正文之后的信息披露和免责申明资料来源：ArXiv，Google Research，天风证券研究所3.33.3.多模态学习时代已至，技术突破推动应用落地多模态学习时代已至，技术突破推动应用落地展望未来，展望未来，我们认为，我们认为，多模态

31、模型将成为通用人工智能实现的关键，并推动多模态模型将成为通用人工智能实现的关键，并推动AIGC应用加速渗透和算力、通信及存储需求的进一步提升。应用加速渗透和算力、通信及存储需求的进一步提升。多模态学习让多模态学习让AI模型能够和人类一样基于多方面信息了解事物和强化认知。模型能够和人类一样基于多方面信息了解事物和强化认知。模态指的是信息的特定接受方式，是相较媒体更为细粒度的划分。多模态指具有不同结构特征和表现形式的数据，例如同一对象的不同媒体数据或者不同类型传感器获取的同一类媒体数据等。大模型让多模态信号输入和输出成为可能，这将赋予AI应用与人类相似的信息流处理方式，让通用人工智能成为现实。多模

32、态模型应用时代已经到来，将极大推动多模态模型应用时代已经到来，将极大推动AI在各行业的渗透与普及。在各行业的渗透与普及。2023年3月1日，微软推出多模态大语言模型KOSMOS-1，实现了多模态的输入输出。3月6日，谷歌发布PaLM-E模型，参数量最高可达5620亿个，能够基于文本和图像输入完成文本交互、推理、路径规划和过程控制等多重任务。两种模型的应用场景多样性将加速AI相关产品的普及应用。图：图：PaLMPaLM-E E模型介绍图模型介绍图1010图：图：KOSMOSKOSMOS-1 1实现了对图像和文本数据的嵌入实现了对图像和文本数据的嵌入9919请务必阅读正文之后的信息披露和免责申明资

33、料来源：ArXiv，NVIDIA官网，openAI官网，天风证券研究所3.33.3.多模态学习时代已至，技术突破推动应用落地多模态学习时代已至，技术突破推动应用落地3月15日，openAI发布GPT-4模型，模型接受文本和图像输入信息，并进行文本输出，经过微软雷蒙德研究院和独立研究机构ARC测试，GPT-4模型已经具备基于常识概念的理解和推理能力，实现了向通用人工智能模型已经具备基于常识概念的理解和推理能力，实现了向通用人工智能(AGI)迈进的一大步，或将成为迈进的一大步，或将成为AGI的一种早的一种早期版本。期版本。从简单多模态走向复杂多模态应用，需要集成各类模型实现对信息流的嵌入处理。从简

34、单多模态走向复杂多模态应用，需要集成各类模型实现对信息流的嵌入处理。以PaLM-E为例，其由ViT模型和PaLM模型融合而成，图像信息通过ViT模型进行嵌入处理后，和文本信息的嵌入序列一同交由PaLM模型处理并输出，以实现对多模态数据的信息融合和有效处理。随着所用数据模态的多样化，不仅数据输入输出带来更高的通信和数据存储需求，而且应用中也将需要集成更多模型以完成数据的嵌入处理，这将使得模型整体更为庞大，对算力资源的需求进一步提升。图：图：对数据进行嵌入处理实现多模态学习对数据进行嵌入处理实现多模态学习图：图：GPTGPT-4 4能力展示能力展示20请务必阅读正文之后的信息披露和免责申明参考文献

35、：参考文献：1 F.Zhuang et al.A Comprehensive Survey on Transfer LearningJ.Proceedings of the IEEE,vol.109,no.1,pp.43-76,Jan.2021.链接：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.链接：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.链接：Attention is All you Need(neurips.cc)4 Radford A,Narasimhan K,Salimans T,et al.Improving language understanding by generative pre-trainingJ.2018.链接：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.链接：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.链接：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.链接：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.链接：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.链接：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.链接：2303.03378.pdf(arxiv.org)光

41、模块：光模块：去伪存真，中国厂商份额持续提升去伪存真，中国厂商份额持续提升Part#1.121请务必阅读正文之后的信息披露和免责申明22资料来源：中际旭创年报、Lightcounting、天风证券研究所请务必阅读正文之后的信息披露和免责申明以 ChatGPT 为代表的生成式 AI 工具正引领新一轮科技革命，英伟达也接连发布新款产品为下一波 AI 提供技术助力。前沿科技产业化的落地需要云厂商庞大的算力支持，而光通信网络是算力网络的重要基础和坚实底座，预计这将进一步推动海外云巨头对于数据中心硬件设备的需求增长与技术升级。Lightcounting 预测，全球光模块的市场规模在未来 5 年将以 CA

42、GR11%保持增长，2027 年将突破 200 亿美元。AIGC光模块：光模块：新一轮科技革命到来，光模块成为最闪亮的“星”新一轮科技革命到来，光模块成为最闪亮的“星”23根据Lightcounting以及Omedia数据，过去10年中国光模块企业全球市场份额持续拓展，全球光模块出货量前十名的公司，从2010年的仅有WTD一家中国企业，发展到2022年中际旭创已经位列全球市场并列第一。光模块行业的持续成长叠加国内厂商全球份额持续提升，优质头部公司成长有望超越行业平均水平。AIGC光模块：光模块：中国光模块厂商全球份额稳步提升中国光模块厂商全球份额稳步提升光通信模块行业的下游主要是通信设备制造商

43、和大型互联网企业，光通信模块产品的运用领域涵盖 了云计算数据中心、宽带接入及长距离传输等行业。高速光通信模块是光通讯设备中的核心组件，作为信息化和互连通信系统中必需的核心器件，光通信模块的发展对 5G 通信、电子、大数据、互联网行业 的影响至关重要。同时，也只有不断提高光通信转换模块产品的速率、积极研发出更高规格的模块，才能满足下游产业迅速发展的要求资料来源：中际旭创年报、中国产业经济信息网、Lightcounting、天风证券研究所请务必阅读正文之后的信息披露和免责申明光芯片：光芯片：去伪存真，中国厂商份额持续提升去伪存真，中国厂商份额持续提升Part#1.224请务必阅读正文之后的信息披露

44、和免责申明25请务必阅读正文之后的信息披露和免责申明资料来源：北京通美公告，天风证券研究所半导体材料包括三大类：半导体材料包括三大类：1、单元素半导体材料，即以单一元素构成的半导体材料，主要包括硅（Si）、锗（Ge），其中硅基半导体材料是目前产量最大、成本最低、应用最广的半导体材料；2、III-V 族化合物半导体材料，即以 III-V 族元素的化合物构成的半导体材料，主要包括砷化镓（GaAs）、磷化铟（InP），具有电子迁移率高、光电性能好等特点，是当前仅次于硅之外最成熟的半导体材料，在 5G 通信、数据中心、光纤通信、新一代显示、人工智能、无人驾驶、可穿戴设备、航天方面有广阔的应用前景；3、

45、宽禁带半导体，以氮化镓（GaN）和碳化硅（SiC）等为代表，具有高禁带宽度、耐高压和大功率等特点，在通信、新能源汽车等领域前景广阔，但目前成本较高。图：图：不同半导体材料的主要特点、应用领域不同半导体材料的主要特点、应用领域项目项目单元素半导体材料单元素半导体材料IIIIII-V V族化合物半导体材料族化合物半导体材料宽禁带半导体材料宽禁带半导体材料硅锗砷化镓磷化铟氮化镓碳化硅分子式SiGeGaAslnPGaNSiC特点储量大、价格便宜电子迁移率、空穴迁移率高光电性能好、耐热、抗辐射导热性好、光电转换效率高、光纤传输效率高高频、耐高温、大功率应用领域先进制程芯片空间卫星LED 器、射频模组光通

46、信充电器、高铁电动汽车部分主要应用场景CPU、内存空间卫星太阳能电池面板大功率半导体激光器；手机、电脑射频器件；新一代显示；面部识别；激光雷达5G基站光模块；数据中心光模块；激光雷达；可穿戴设备快速充电芯片；高铁芯片新能源汽车；充电桩AIGC光芯片：光芯片：不同类型半导体材料的应用领域不同类型半导体材料的应用领域26请务必阅读正文之后的信息披露和免责申明资料来源：源杰科技公告，天风证券研究所光芯片按功能可以分为激光器芯片和探测器芯片，其中激光器芯片主要用于发射信号，将电信号转化为光信号，探测器芯片主要用于接光芯片按功能可以分为激光器芯片和探测器芯片，其中激光器芯片主要用于发射信号，将电信号转化

47、为光信号，探测器芯片主要用于接收信号，将光信号转化为电信号。收信号，将光信号转化为电信号。激光器芯片按出光结构可进一步分为面发射芯片和边发射芯片，面发射芯片包括激光器芯片按出光结构可进一步分为面发射芯片和边发射芯片，面发射芯片包括 VCSEL 芯片，边发射芯片，边发射EEL芯片包括芯片包括 FP、DFB 和和 EML 芯片；芯片；探测器芯片，主要有探测器芯片，主要有 PIN 和和 APD 两类。两类。激光器芯片按照材料体系划分，可以分为砷化镓激光器芯片按照材料体系划分，可以分为砷化镓GaAs和磷化铟和磷化铟Inp两套材料体系。两套材料体系。图：图：光芯片在光通信系统中应用光芯片在光通信系统中应

48、用图：激光器芯片和探测器芯片特点图：激光器芯片和探测器芯片特点AIGC光芯片：光芯片：光通信用光芯片分类光通信用光芯片分类27请务必阅读正文之后的信息披露和免责申明资料来源：Yole，华经产业研究院公众号，半导体照明网，天风证券研究所按导电性能，按导电性能，InP衬底主要分为半导电和半绝缘衬底衬底主要分为半导电和半绝缘衬底半导体衬底分为N型和P型半导电衬底：1）N 型掺Sn InP 主要用于激光二极管。2）N 型掺S的InP 不仅用于激光二极管，而且还用于光探测器。3）P 型掺Zn InP 主要用于高功率激光二极管。半绝缘衬底按照是否掺杂分为掺杂半绝缘衬底和非掺杂半绝缘衬底，半绝缘衬底主要用于

49、制作射频器件。从全球磷化铟衬底应用情况来看，据从全球磷化铟衬底应用情况来看，据Yole数据显示，数据显示，2020年光模块器件、传感器件、高端射频器件三者销量占比分别为年光模块器件、传感器件、高端射频器件三者销量占比分别为83%、4%和和14%。光模块器件和高端射频器件是磷化铟下游主要的应用。光模块器件和高端射频器件是磷化铟下游主要的应用。图：图：磷化铟衬底的分类及用途磷化铟衬底的分类及用途图：图：20202020年全球磷化铟衬底下游市场销量结构情况年全球磷化铟衬底下游市场销量结构情况磷化铟衬底半导电衬底N型半导电衬底掺Sn激光二极管掺S激光二极管和光探测器P型半导电衬底掺Zn高功率激光二极管

50、半绝缘衬底掺杂半绝缘衬底掺Fe2P非掺杂半绝缘衬底高纯单晶衬底通过高温退火射频器件83%14%4%光模块器件高频射频器件传感器件AIGC光芯片：光芯片：磷化铟光芯片分类及下游应用磷化铟光芯片分类及下游应用28请务必阅读正文之后的信息披露和免责申明资料来源：源杰科技公告，天风证券研究所光通信是以光信号为信息载体，以光纤作为传输介质，通过电光转换，以光信号进行传输信息的系统。光通信系统传输信号过程中，发光通信是以光信号为信息载体，以光纤作为传输介质，通过电光转换，以光信号进行传输信息的系统。光通信系统传输信号过程中，发射端通过激光器芯片进行电光转换，将电信号转换为光信号，经过光纤传输至接收端，接收

51、端通过探测器芯片进行光电转换，将光信号射端通过激光器芯片进行电光转换，将电信号转换为光信号，经过光纤传输至接收端，接收端通过探测器芯片进行光电转换，将光信号转换为电信号转换为电信号。光芯片加工封装为光发射组件光芯片加工封装为光发射组件（TOSA）及光接收组件及光接收组件（ROSA），再将光收发组件再将光收发组件、电芯片电芯片、结构件等进一步加工成光模块结构件等进一步加工成光模块。光芯片的光芯片的性能直接决定光模块的传输速率性能直接决定光模块的传输速率，是光通信产业链的核心之一是光通信产业链的核心之一。图：图：光芯片在光通信系统中应用光芯片在光通信系统中应用图：图：光模块结构示意图（光模块结构示

52、意图（SFP+SFP+封装）封装）AIGC光芯片：光芯片：光通信系统中的光芯片位置及应用结构图光通信系统中的光芯片位置及应用结构图29请务必阅读正文之后的信息披露和免责申明资料来源：中际旭创公告，天风证券研究所根据中际旭创披露的根据中际旭创披露的2016年年1-8月光模块成本构成，芯片成本占月光模块成本构成，芯片成本占60-70%（光芯片及组件占（光芯片及组件占50%，比重最大；电芯片成本占，比重最大；电芯片成本占15%），人工和），人工和其他成本占其他成本占23%；光模块中的芯片包含：光芯片（激光器芯片和探测器芯片）、电芯片（光模块中的芯片包含：光芯片（激光器芯片和探测器芯片）、电芯片（LD

53、驱动芯片、驱动芯片、TIA跨阻放大芯片、跨阻放大芯片、CDR时钟和数据电路、时钟和数据电路、DSP、MUX&DeMUX等）。等）。图：图：中际旭创2016年1-8月光模块成本构成光芯片及组件50%集成电路芯片15%结构件11%电力1%人力及其他成本23%AIGC光芯片：光芯片：光芯片及组件，光模块中最大的成本项光芯片及组件，光模块中最大的成本项30请务必阅读正文之后的信息披露和免责申明资料来源：中芯晶研官网，Yole，天风证券研究所根据根据Yole预测，磷化铟器件应用领域正从传统的数据通信和电信市场向预测，磷化铟器件应用领域正从传统的数据通信和电信市场向C端消费市场扩展，预计到端消费市场扩展，

54、预计到2026年下游应用规模将达到约年下游应用规模将达到约52亿美亿美元，元，2020-2026年年均复合增长率为年年均复合增长率为16%。数据通讯和电信仍然将是磷化铟最大应用领域，骨干网全光化和数据中心内的数据通讯和电信仍然将是磷化铟最大应用领域，骨干网全光化和数据中心内的400G/800G光模块等对磷化铟激光器件带来持续需求，而光模块等对磷化铟激光器件带来持续需求，而消费电子领域应用增速更快，如消费电子领域应用增速更快，如3D传感、可穿戴设备、无开孔屏幕传感等。传感、可穿戴设备、无开孔屏幕传感等。图：图：2022020 0-20262026年全球磷化铟裸芯片光学应用市场预测年全球磷化铟裸芯

55、片光学应用市场预测AIGC光芯片：光芯片：全球磷化铟芯片市场规模全球磷化铟芯片市场规模31请务必阅读正文之后的信息披露和免责申明资料来源：讯石光通讯网，源杰科技公告，天风证券研究所超大规模数据中心运营商对超大规模数据中心运营商对400G的部署反映了用户对云服务需求的不断增长，以及对更高带宽的需求，以支持高要求的应用，包括人的部署反映了用户对云服务需求的不断增长，以及对更高带宽的需求，以支持高要求的应用，包括人工智能（工智能（AI）、机器学习（）、机器学习（ML）和视频处理。）和视频处理。根据根据LightCounting和中际旭创预计，从和中际旭创预计，从2023年开始数据中心年开始数据中心8

56、00G光模块将有更多需求，光模块将有更多需求，之后逐渐增量，之后逐渐增量，2024年年800G需求将进一步提升，销售额有望超过需求将进一步提升，销售额有望超过400G。数通产品激光器芯片方案：数通产品激光器芯片方案：100G光模块以4*25G DFB或EML为主，也有单通道100G方案；200G光模块以4*50G DFB或EML为主；400G光模块以4*100G EML为主。图：图：常见常见3 3层数据中心架构及光互连速率演进层数据中心架构及光互连速率演进表表：数通光模块对应的激光器芯片方案数通光模块对应的激光器芯片方案数据中心主要光模块类别对应速率主要模块产品激光器芯片方案100G光模块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及以上速率光模块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：数通市场中，数通市场中，400G、800G逐步成为主力逐步成为

58、主力32请务必阅读正文之后的信息披露和免责申明资料来源：深圳市进洋联合科技有限公司网站，世界光通信之都公众号，天风证券研究所光纤宽带光纤宽带PON技术是一种基于无源技术是一种基于无源ODN网络的宽带接入技术，网络的宽带接入技术，10G PON技术已经大规模商用，可为用户提供高达技术已经大规模商用，可为用户提供高达1Gbps的带宽，实现千的带宽，实现千兆网络的覆盖；而下一代兆网络的覆盖；而下一代PON预计为预计为25G/50G PON，而，而50G和和100G/200G PON已经被已经被IEEE、ITU、FSAN和其他标准组织视为和其他标准组织视为10G PON的后的后续演进技术。续演进技术。

59、5G前传网络方面，前传网络方面，C-RAN组网模式大量部署，组网模式大量部署，25Gb/s xWDM光模块已广泛应用。针对未来更高通道光模块已广泛应用。针对未来更高通道Massive MIMO基站、基站、U6G频段基站、频段基站、毫米波基站等应用场景，前传网络带宽需求将进一步提升，在保留现有端口数量和节约光纤资源的前提下，业界已启动毫米波基站等应用场景，前传网络带宽需求将进一步提升，在保留现有端口数量和节约光纤资源的前提下，业界已启动50Gb/s及更高速及更高速率的下一代率的下一代5G前传光模块技术研究。前传光模块技术研究。图：图：PONPON速率演进速率演进表表：5G5G前传需求演进前传需求

60、演进AIGC光芯片：光芯片：电信市场中，光纤宽带、基站传输升级电信市场中，光纤宽带、基站传输升级33请务必阅读正文之后的信息披露和免责申明资料来源：ICC，源杰科技公告，天风证券研究所从光模块市场反推光芯片市场，源杰科技推算从光模块市场反推光芯片市场，源杰科技推算2021年光芯片市场总体在年光芯片市场总体在150亿元左右，其中光纤接入、移动通信、数据中心分别为亿元左右，其中光纤接入、移动通信、数据中心分别为14亿、亿、70亿、亿、63亿元。根据亿元。根据C&C的预测，的预测，2020-2025年全球光芯片市场的年复合增长率将达到年全球光芯片市场的年复合增长率将达到12.59%，主要受益于，主要

61、受益于5G网络的建设和应用，以及网络的建设和应用，以及相应数据中心、接入网、城域骨干网等网络基础设施的全面升级。相应数据中心、接入网、城域骨干网等网络基础设施的全面升级。根据根据ICC预测预测2019-2024年，年，中国光芯片厂商销售规模占全球光芯片市场的比例将不断提升，中高速率光芯片增长更快。中国光芯片厂商销售规模占全球光芯片市场的比例将不断提升，中高速率光芯片增长更快。2.5G及以下光芯及以下光芯片市场被国内光芯片企业占据主要市场份额；片市场被国内光芯片企业占据主要市场份额；10G光芯片我国企业已基本掌握核心技术，但部分型号产品仍存在较高技术门槛，依赖进光芯片我国企业已基本掌握核心技术，

62、但部分型号产品仍存在较高技术门槛，依赖进口；口；25G及以上激光器芯片以海外供应商为主。及以上激光器芯片以海外供应商为主。表表：光通信用光芯片市场细分测算：光通信用光芯片市场细分测算图：中国光芯片厂商销售规模占全球光芯片市场的比例趋势图：中国光芯片厂商销售规模占全球光芯片市场的比例趋势亿美元光纤接入 移动通信 数据中心合计光模块全球市场规模6.2232.0348.9587.2其中：10G及以下速率光模块6.226.527.2319.97其中：25G及以上速率光模块25.5141.7167.22中低速率光模块-毛利率高速率光模块-毛利率直接材料成本80%80%80%光芯片及组件占光模块成本比例8

63、5%85%50%光芯片占光芯片及组件材料比例光芯片市场（亿美元）2.2210.839.6922.7光芯片市场（亿人民币）14.3369.8462.53146.770%25%30%AIGC光芯片：光芯片：磷化铟芯片市场规模磷化铟芯片市场规模34请务必阅读正文之后的信息披露和免责申明资料来源：ICC，源杰科技公告，天风证券研究所2.5G及以下光芯片：及以下光芯片：主要应用于光纤接入市场，国内光芯片企业已经占据主要市场份额。10G光芯片：光芯片：主要应用在光纤接入市场、移动通信网络市场和数据中心市场。我国光芯片企业已基本掌握 10G 光芯片的核心技术，但部分型号产品仍存在较高技术门槛，依赖进口。25

64、G及以上光芯片：及以上光芯片：主要应用于移动通信网络市场和数据中心市场，包括25G、50G、100G激光器及探测器芯片。根据 LightCounting并结合行业数据测算，2021全球25G及以上光芯片市场规模为107.55亿元。根据ICC统计，25G光芯片的国产化率约20%，但25G以上光芯片的国产化率仍较低约5%。图：图：全球全球2.5G2.5G及以下及以下DFB/FPDFB/FP激光器芯片市场份额激光器芯片市场份额图：图：全球全球10G DFB10G DFB激光器芯片市场份额激光器芯片市场份额武汉敏芯17%中科光芯17%光隆科技13%光安伦11%仕佳光子9%源杰科技7%中电13所4%其他

65、22%源杰科技20%住友电工15%云岭光电6%中电13所6%中科光芯6%三菱电机4%武汉敏芯2%其他41%AIGC光芯片：光芯片：各速率厂商份额各速率厂商份额35请务必阅读正文之后的信息披露和免责申明资料来源：Yole，盖世汽车社区公众号等，天风证券研究所Yole预测，汽车预测，汽车ADAS激光雷达市场将在未来激光雷达市场将在未来5年迎来飞速增长，年均复合增长率高达年迎来飞速增长，年均复合增长率高达73%，到，到2027年，年，ADAS激光雷达市场规模将从激光雷达市场规模将从2021年的年的3800万美元增至万美元增至2027年的年的20亿美元，成为激光雷达行业最大的应用领域。与此同时，无人驾

66、驶出租车市场也将以亿美元，成为激光雷达行业最大的应用领域。与此同时，无人驾驶出租车市场也将以28%的年均复合增的年均复合增长率增长，到长率增长，到2027年市场规模将从年市场规模将从2021年的年的1.2亿美元增长至亿美元增长至6.98亿美元。亿美元。激光雷达发射光源的波长主要包括激光雷达发射光源的波长主要包括905nm、1550nm、1064nm等。等。2021年在公开定点量产的激光雷达产品中，年在公开定点量产的激光雷达产品中，905nm是为首选波长，排是为首选波长，排名第一，占比为名第一，占比为69%，排在第二位的为，排在第二位的为1550nm，排名第二，占比达到，排名第二，占比达到14%

67、。1550nm相比相比905nm来说，探测距离更远，探测精度更高，来说，探测距离更远，探测精度更高，并且在同等功率水平下，并且在同等功率水平下，1550nm产品对人眼安全性更高。产品对人眼安全性更高。1550nm激光雷达采用的光纤激光器，其种子光源为磷化铟材料体系开发。激光雷达采用的光纤激光器，其种子光源为磷化铟材料体系开发。图：图：全球激光雷达市场规模预测全球激光雷达市场规模预测图：图：20212021年全球激光雷达各波长的定点量产项目数量占比年全球激光雷达各波长的定点量产项目数量占比905nm69%1550nm14%1064nm7%885nm3%其他7%AIGC光芯片：光芯片：车载激光雷达

68、应用车载激光雷达应用36请务必阅读正文之后的信息披露和免责申明资料来源：源杰科技公告，天风证券研究所成本中，制造成本占比达成本中，制造成本占比达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年各速率产品成本合并统计）年各速率产品成本合并统计）（1）制造费用主要包括折旧费、装修费摊销、水电费、光栅加工费等其他费用。（2）光芯片的原材料包括衬底、金靶、特殊气体（主要包括高纯氢、磷化氢、液氮等）、三甲基铟、光刻胶、封装材料（包括管帽等）和其他材料等，其他原材料包括显影液、光刻掩模板、异丙醇、砷化氢等材料，其他原材料品种较多且占比较低。（3）衬底供应商为通美、住

69、友、云南锗业等。图：图：光芯片成本构成（源杰光芯片成本构成（源杰20212021年各速率产品成本合并统计）年各速率产品成本合并统计）图：图：光芯片成本中材料费用的构成（源杰光芯片成本中材料费用的构成（源杰2121年数据）年数据）33%6%6%6%5%3%4%5%31%衬底金靶高纯氢磷化氢液氮三甲基铟光刻胶管帽其他17%24%59%材料费用人工制造费用AIGC光芯片：光芯片：制造成本构成制造成本构成37请务必阅读正文之后的信息披露和免责申明资料来源：北京通美公告，天风证券研究所磷化铟产业链上游为晶体生长、衬底和外延片的生产加工环节。从衬底生产的原材料和设备来看，其中原材料包括金属铟、红磷、坩埚磷

70、化铟产业链上游为晶体生长、衬底和外延片的生产加工环节。从衬底生产的原材料和设备来看，其中原材料包括金属铟、红磷、坩埚等；生产设备涉及晶体生长炉、研磨机、抛光机、切割机、检测与测试设备等。产业链中游包括集成电路设计、制造和封测环节。产业等；生产设备涉及晶体生长炉、研磨机、抛光机、切割机、检测与测试设备等。产业链中游包括集成电路设计、制造和封测环节。产业链下游应用主要涉及光通信、链下游应用主要涉及光通信、无人驾驶、人工智能、可穿戴设备等多个领域。无人驾驶、人工智能、可穿戴设备等多个领域。各环节厂商：各环节厂商：1）衬底厂商：北京通美、）衬底厂商：北京通美、日本日本 JX、Sumitomo及少数国内

71、厂商。及少数国内厂商。2-1）外延厂商：）外延厂商：IQE、台湾联亚光电、台湾联亚光电、台湾全新光电、台湾全新光电、台湾英特磊等，台湾英特磊等，2-2）器件厂商包括）器件厂商包括Finisar、Lumentum、AOI等。等。3）IDM模式厂商：国内的源杰科技、仕佳光子、长光华芯等。模式厂商：国内的源杰科技、仕佳光子、长光华芯等。图：图：化合物半导体生产流程化合物半导体生产流程图：图：磷化铟产业链磷化铟产业链AIGC光芯片：光芯片：磷化铟光芯片的生产流程及产业链磷化铟光芯片的生产流程及产业链38请务必阅读正文之后的信息披露和免责申明资料来源：北京通美公告，天风证券研究所根据根据 Yole统计显

72、示，到统计显示，到 2026 年全球光模块器件磷化铟衬底（折合两英寸）预计销量将超过年全球光模块器件磷化铟衬底（折合两英寸）预计销量将超过 100万片，万片，2019 年年-2026 年复合增长率达年复合增长率达13.94%，2026 年全球光模块器件磷化铟衬底预计市场规模将达到年全球光模块器件磷化铟衬底预计市场规模将达到 1.57 亿美元。亿美元。2020 年全球前三大厂商占据磷化铟衬底市场年全球前三大厂商占据磷化铟衬底市场 90%以上市场份额，其中以上市场份额，其中 Sumitomo 为全球第一大厂商，为全球第一大厂商，占比为占比为 42%；北京通美位居第二，北京通美位居第二，占比占比 3

73、6%。化合物半导体单晶生长的制备方法有水平布里奇曼法（化合物半导体单晶生长的制备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）、液封切克劳斯基法（）、液封切克劳斯基法（LEC）、垂直梯度冷凝法）、垂直梯度冷凝法（VGF），磷化铟单晶批量生长的技术主要包括后三种。北京通美和），磷化铟单晶批量生长的技术主要包括后三种。北京通美和Sumitomo 分别使用分别使用VGF 和和 VB 技术可以生长出直径技术可以生长出直径6 英寸磷化铟英寸磷化铟单晶，日本单晶，日本 JX 使用使用 LEC 技术可以生长出直径技术可以生长出直径 4 英寸的磷化铟单晶。英寸的磷化铟单晶。图：图：单

74、晶晶体制备工艺示意图单晶晶体制备工艺示意图图：图：20202020年全球磷化铟衬底竞争格局年全球磷化铟衬底竞争格局42%36%13%9%Sumitomo北京通美日本 JX其他AIGC光芯片：光芯片：磷化铟衬底市场及竞争格局磷化铟衬底市场及竞争格局39请务必阅读正文之后的信息披露和免责申明资料来源：源杰科技公告，天风证券研究所1、量子阱外延层的设计和制造：通过MOCVD生长量子阱外延片多层结构。该环节是激光器芯片的设计和制造的核心工艺之一，影响产品光电转化效率与高速性能，是激光器芯片调制速率能否达到25G及以上的关键工艺之一。2、光栅结构的设计和制造：利用高精度的电子束光栅系统，在晶圆中制造多条

75、宽度约100nm的变相位周期布拉格光栅掩膜，再利用高精度刻蚀技术，将光栅掩膜图样转移至晶圆，然后利用MOCVD进行光栅刻蚀层的覆盖生长，最终在晶圆上形成多周期布拉格光栅结构，实现激光器发射的单纵模输出和特定的发光波长及单色性。3、光波导的设计和制造：光波导，即光在激光器里传输的通道。采用光刻技术制作微米级光波导结构，利用波导材料与周围材料的折射率差异，引导光子传输路径，使得光子在谐振腔内往复谐振，实现光子的稳定单模态输出。4、光学端面镀膜的设计和制造：晶圆解离成巴条后，需对暴露的激光器芯片谐振腔两侧的出光端进行光学镀膜，一侧背光端面为高反射镀膜，另一侧出光端面为高透射镀膜，利用纳米级光学膜层的

76、厚度设计与制备工艺，控制芯片两侧的出光比例，形成单端高强度出光。图：图：25G25G激光器芯片生产流程激光器芯片生产流程AIGC光芯片：光芯片：磷化铟光芯片制造工艺流程的几个难点磷化铟光芯片制造工艺流程的几个难点40请务必阅读正文之后的信息披露和免责申明资料来源：源杰科技公告，天风证券研究所量子阱工艺：量子阱工艺：晶圆有源发光区的量子阱设计和制造是激光器芯片的核心。（1）量子阱外延片共包含2030层结构，每层量子阱厚度410nm不等。相较于中低速率激光器芯片，25G DFB激光器芯片有源区量子阱堆叠层数更多。（2）每层量子阱的材料比例误差会造成量子阱发光波长的偏差、量子阱各层间的应力偏差，影响

77、产品最终性能与可靠性，25G DFB 激光器芯片要求对每层材料厚度、比例、电学掺杂、缺陷控制等参数的精准控制。光栅工艺：光栅工艺：主要在涂有光刻胶的基板上定义出光栅结构对应的掩膜图形，再利用刻蚀技术将掩膜上的图形转移至衬底上形成最终的光栅结构。光栅工艺主要分为两种，一种是全息光栅工艺，即利用两束激光的干涉条纹定义周期性掩膜图形，全息光栅工艺在 2.5G 激光器芯片生产中广泛使用；另外一种是电子束光栅工艺即利用电磁场控制电子形成电子束，利用电子束定义掩膜图形，该工艺技术较全息光栅工艺更为先进，能大幅提高光栅的控制精度。图：图：10G10G及及25G25G光芯片量子阱数量光芯片量子阱数量表表：两种

78、光栅工艺对比两种光栅工艺对比全息光栅工艺 电子束光栅工艺适中 复杂光功率功率离散 功率一致性好单模良率30%-50%50%-90%芯片波长3nm 2nm极限工作温度50%高频特性差 好产品特性工艺复杂度项目项目AIGC光芯片：光芯片：磷化铟光芯片制作中量子磷化铟光芯片制作中量子阱和光栅工艺阱和光栅工艺41请务必阅读正文之后的信息披露和免责申明资料来源：Wind，源杰科技公告，天风证券研究所公司成立于公司成立于2013年，聚焦于光芯片行业，公司已实现向主流光模块厂商批量供货，产品最终成功应用于国内外知名运营商。年，聚焦于光芯片行业，公司已实现向主流光模块厂商批量供货，产品最终成功应用于国内外知名

79、运营商。2020年在年在磷化铟（磷化铟（InP）半导体激光器芯片产品对外销售的国内厂商中，公司收入排名第一，其中）半导体激光器芯片产品对外销售的国内厂商中，公司收入排名第一，其中10G、25G激光器芯片系列产品的出货量在国内激光器芯片系列产品的出货量在国内同行业公司中均排名第一，其中同行业公司中均排名第一，其中10GDFB在全球出货量同样排名第一，约占在全球出货量同样排名第一，约占20%，超越住友电工、三菱电机；，超越住友电工、三菱电机；25G DFB产品源杰已实现突产品源杰已实现突破，在破，在5G基站前传、数通市场两个市场实现了批量出货。高速率的基站前传、数通市场两个市场实现了批量出货。高速

80、率的50G、100G产品，公司预计从明年至后年开始经过送样测试等各环节，产品，公司预计从明年至后年开始经过送样测试等各环节，后续有望放量增加。后续有望放量增加。除在光通信的应用外，在激光雷达、传感等领域均有市场前景。源杰科技基于现有磷化铟材料体系，构建了多业务的拓展能力，在激光除在光通信的应用外，在激光雷达、传感等领域均有市场前景。源杰科技基于现有磷化铟材料体系，构建了多业务的拓展能力，在激光雷达领域研发生产雷达领域研发生产1550nm激光雷达种子源，气体传感领域布局甲烷传感器，这些有望成为下一个增长点。激光雷达种子源，气体传感领域布局甲烷传感器，这些有望成为下一个增长点。图：图：公司收入、净

81、利润及增速（百万元，公司收入、净利润及增速（百万元，2222年数据来自业绩年数据来自业绩快报）快报）图：公司收入结构图：公司收入结构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%20H2022光纤接入4G/5G移动通信网络数据中心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营业总收入归属母公司股东的净利润营收增速净利润增速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请务必阅读正文之后的信息披露和免责申明资料来源：Wind，天风证券研究所公司聚焦光通信行业，主营业务覆盖光芯片及器件、室内光缆、线缆材料三大板块。公司系统建立了覆盖芯片设计、晶圆制造、芯片加公司聚焦光通信行业，主营业务覆盖光芯片及器件、室内光缆、线缆材料三大板块。公司系统建立了覆盖芯片设计、晶

83、圆制造、芯片加工、封装测试的工、封装测试的 IDM 全流程业务体系。光芯片及器件产品包括全流程业务体系。光芯片及器件产品包括 PLC分路器芯片系列产品、分路器芯片系列产品、AWG 芯片系列产品、芯片系列产品、DFB 激光器芯片系列产激光器芯片系列产品、光纤连接器、隔离器和平行光组件系列产品。品、光纤连接器、隔离器和平行光组件系列产品。数据中心数据中心AWG系列有系列有100G/200G/400G/800G高速光模块的高速光模块的AWG组件和平行光组件；用于数据中心之间互联的组件和平行光组件；用于数据中心之间互联的400G ZR相干传输的相干传输的DWDM AWG模块。模块。400G AWG已有

84、小批量应用，已有小批量应用，800G AWG组件及平行光组件正在送样验证。组件及平行光组件正在送样验证。激光器芯片产品有激光器芯片产品有2.5G DFB和和10G DFB，CW DFB（硅光用大功率），特殊波长光源等。（硅光用大功率），特殊波长光源等。2.5G、10G激光器芯片处于可量产阶段，截止到激光器芯片处于可量产阶段，截止到22年年6月月25G激光器芯片正在客户的验证中。激光器芯片正在客户的验证中。图：图：公司收入、净利润及增速（百万元，公司收入、净利润及增速（百万元，2222年业绩来自业绩年业绩来自业绩快报）快报）图：图：20222022年上半年公司收入结构年上半年公司收入结构AWG芯

85、片系列产品19%PLC分路器芯片系列产品14%光纤连接器6%DFB激光器芯片系列产品6%隔离器2%其他光器件类0%室内光缆27%线缆材料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营业总收入归属母公司股东的净利润营收增速净利润增速AIGC光芯片：光芯片：仕佳光子，无源强者，

86、有源仕佳光子，无源强者，有源25G光芯片在验证光芯片在验证43请务必阅读正文之后的信息披露和免责申明资料来源：Wind，天风证券研究所公司主要产品有光电子器件、模块和子系统产品，按应用领域可分为传输类、接入类、数据通信类。公司拥有从芯片、器件、模块到子公司主要产品有光电子器件、模块和子系统产品，按应用领域可分为传输类、接入类、数据通信类。公司拥有从芯片、器件、模块到子系统的垂直集成能力，拥有光芯片、耦合封装、硬件、软件、测试、结构和可靠性七大技术平台，支撑公司有源器件和模块、无源器件系统的垂直集成能力，拥有光芯片、耦合封装、硬件、软件、测试、结构和可靠性七大技术平台，支撑公司有源器件和模块、无

87、源器件和模块产品。和模块产品。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%+外购，但有些特殊波长、功率还需要外购；外购，但有些特殊波长、功率还需要外购；25G EML内部测内部测试通过，在做商业化和良率提升；试通过，在做商业化和良率提升；25G vcsel芯片已量产。芯片已量产。有源光芯片的研发方向包括有源光芯片的研发方向包括25G/50G的的DFB/EML以及高端探测器。以及高端探测器。图：图：公司收入、净利润及增速（百万元）公司收入、净利润及增速（百万元）图：图：20212021年公司收入结构年公司收入结构传

88、输59%接入和数据40%其他主营业务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前三季营业总收入归属母公司股东的净利润营收增速净利润增速AIGC光芯片：光芯片：光迅科技

89、，光芯片光模块一体化光迅科技，光芯片光模块一体化44请务必阅读正文之后的信息披露和免责申明资料来源：Wind，天风证券研究所公司聚焦半导体激光行业，专注于半导体激光芯片的研发、设计及制造，主要产品包括高功率单管系列产品、高功率巴条系列产品、高公司聚焦半导体激光行业，专注于半导体激光芯片的研发、设计及制造，主要产品包括高功率单管系列产品、高功率巴条系列产品、高效率效率 VCSEL 系列产品及光通信芯片系列产品等，逐步实现高功率半导体激光芯片的国产化，已建成覆盖芯片设计、外延生长、晶圆处理系列产品及光通信芯片系列产品等，逐步实现高功率半导体激光芯片的国产化，已建成覆盖芯片设计、外延生长、晶圆处理工

90、艺（光刻）、解理工艺（光刻）、解理/镀膜、封装测试、光纤耦合等镀膜、封装测试、光纤耦合等 IDM 全流程工艺平台和全流程工艺平台和 3 吋、吋、6 吋量产线，应用于多款半导体激光芯片开发。吋量产线，应用于多款半导体激光芯片开发。磷化铟芯片方面：磷化铟芯片方面：10G 1577nm的高功率的高功率EML处于量产阶段，可批量供货，并已建成了一条完整的处于量产阶段，可批量供货，并已建成了一条完整的25G EML激光器芯片和激光器芯片和TO-CAN封装的研封装的研发和生产线，具备从晶圆级发和生产线，具备从晶圆级MOCVD外延材料生长、晶圆流片、解理镀膜、封装和器件级的所有测试验证全流程的能力。公司已推

91、出外延材料生长、晶圆流片、解理镀膜、封装和器件级的所有测试验证全流程的能力。公司已推出APD产品，该产品适用于产品，该产品适用于10G光接收机，在主要指标方面与国际水平相近。光接收机，在主要指标方面与国际水平相近。车载雷达光芯片：车载雷达光芯片：VCSEL与与EEL材料体系相同（砷化镓），工艺重合度在材料体系相同（砷化镓），工艺重合度在70%以上，设备可复用。以上，设备可复用。22年年12月完成了车规体系月完成了车规体系16949的认证，的认证，今年通过了车规级今年通过了车规级AEC-Q102认证。认证。图：图：公司收入、净利润及增速（百万元，公司收入、净利润及增速（百万元，2222年业绩来自

92、业绩年业绩来自业绩快报）快报）图：图：20212021年公司收入结构年公司收入结构高功率单管系列84.1%高功率巴条系列13.0%VCSEL芯片系列1.9%废料销售0.7%其他主营业务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营业总收入归属母

93、公司股东的净利润营收增速净利润增速AIGC光芯片：光芯片：长光华芯，短期砷化镓，长期定位综合性厂商长光华芯，短期砷化镓，长期定位综合性厂商45请务必阅读正文之后的信息披露和免责申明资料来源：Wind，天风证券研究所公司是专业从事光纤器件、铌酸锂调制器件及光子集成器件的设计、研发、生产、销售。包括三大产品系列：公司是专业从事光纤器件、铌酸锂调制器件及光子集成器件的设计、研发、生产、销售。包括三大产品系列：1）光纤激光器件主要产）光纤激光器件主要产品包括隔离器、合束器、光纤光栅、激光输出头等，主要应用于光纤激光器、激光雷达、无人驾驶等领域。品包括隔离器、合束器、光纤光栅、激光输出头等，主要应用于光

94、纤激光器、激光雷达、无人驾驶等领域。2）光通讯器件包含两个部）光通讯器件包含两个部分，隔离器、波分复用器等用于密集波分，跳线、尾纤、分，隔离器、波分复用器等用于密集波分，跳线、尾纤、MPO连接器等用于数通。连接器等用于数通。3）铌酸锂调制器件主要产品包括）铌酸锂调制器件主要产品包括 400/600Gbps、100/200Gbps铌酸锂相干调制器、铌酸锂相干调制器、10Gbps 零啁啾强度调制器等，主要应用于超高速干线光通信网、超高速数据中心等。零啁啾强度调制器等，主要应用于超高速干线光通信网、超高速数据中心等。铌酸锂电光调制器主要用在铌酸锂电光调制器主要用在 100Gbps 以上直至以上直至

95、1.2Tbps 的长距骨干网相干通讯和单波的长距骨干网相干通讯和单波 100/200Gbps 的超高速数据中心上。由于电信级铌的超高速数据中心上。由于电信级铌酸锂高速调制器芯片及器件产品设计难度大，工艺较为复杂，截止酸锂高速调制器芯片及器件产品设计难度大，工艺较为复杂，截止22年年8月全球仅有三家主要供应商可批量供货，主要为富士通、住友月全球仅有三家主要供应商可批量供货，主要为富士通、住友以及公司。同时公司在建以及公司。同时公司在建8万件铌酸锂调制器芯片及器件产能。万件铌酸锂调制器芯片及器件产能。图：图：公司收入、净利润及增速（百万元）公司收入、净利润及增速（百万元）图：图：20212021年

96、公司收入结构年公司收入结构光纤激光器件55%光通讯器件25%铌酸锂调制器15%其他主营业务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前三季营业总收入归属母公司股东的净利润营收增速净利润增速AIGC光芯片：光芯片：光库科技，铌酸锂调制器有望份额提升

97、光库科技，铌酸锂调制器有望份额提升服务器：服务器：AI之火点燃算力需求，之火点燃算力需求，AI服务器迎来新机服务器迎来新机遇遇Part#1.346请务必阅读正文之后的信息披露和免责申明47资料来源：美科安防科技微信公众号、天风证券研究所服务器构成：服务器构成：主要硬件包括处理器、内存、芯片组、I/O(RAID卡、网卡、HBA卡)、硬盘、机箱(电源、风扇)。以一台普通的服务器生产成本为例，CPU及芯片组大致占比50%左右，内存大致占比 15%左右，外部存储大致占比10%左右，其他硬件占比25%左右。服务器的逻辑架构和普通计算机类似。但是由于需要提供高性能计算，因此在处理能力、稳定性、可靠性、安全

98、性、可扩展性、可管理性等方面要求较高。逻辑架构中，最重要的部分是CPU和内存。CPU对数据进行逻辑运算，内存进行数据存储管理。服务器的固件主要包括BIOS或UEFI、BMC、CMOS，OS包括32位和64位。请务必阅读正文之后的信息披露和免责申明图：服务器构成图：服务器逻辑架构AIGC服务器：服务器：服务器整体市场情况服务器整体市场情况服务器市场规模持续增长服务器市场规模持续增长。根据 Counterpoint 的全球服务器销售跟踪报告，2022年，全球服务器出货量将同比增长6%，达到 1380 万台。收入将同比增长 17%，达到1117 亿美元。根据IDC、中商产业研究院，我国服务器市场规模

99、由2019年的182亿美元增长至2022年的273.4亿美元，复合年均增长率达14.5%，预计2023年我国服务器市场规模将增至308亿美元。竞争格局：竞争格局：根据IDC发布的2022年第四季度中国服务器市场跟踪报告Prelim，浪潮份额国内领先，新华三次之，超聚变排行第三，中兴通讯进入前五。48资料来源：国际电子商情、中商产业研究院、同花顺财经、天风证券研究所图：2019-2023年中国服务器市场规模及预测图：2018-2022F全球服务器销售额28.1%17.2%10.1%5.3%4.9%34.4%浪潮信息新华三超聚变中兴通讯联想其他图：中国服务器市场份额AIGC服务器：服务器：整体市场

100、情况整体市场情况AIGC服务器：服务器：AIGC火热，产业生态形成火热，产业生态形成49资料来源：测控技术微信公众号、腾讯研究院AIGC发展趋势报告（2023）、天风证券研究所2022年12月，Open AI的大型语言生成模型ChatGPT火热，它能胜任刷高情商对话、生成代码、构思剧本和小说等多个场景，将人机对话推向新的高度。全球各大科技企业都在积极拥抱AIGC，不断推出相关技术、平台和应用。生成算法、预训练模式、多模态等AI技术累计融合，催生了AIGC的大爆发。目前，AIGC产业生态体系的雏形已现，呈现为上中下三层架构：第一层为上游基础层第一层为上游基础层，也就是由预训练模型为基础搭建的AI

101、GC技术基础设施层。第二层为中间层第二层为中间层，即垂直化、场景化、个性化的模型和应用工具。第三层为应用层第三层为应用层，即面向C端用户的文字、图片、音视频等内容生成服务。图：AIGC产业生态图：AIGC累计融合AIGC服务器：服务器：模型参数量持续提升模型参数量持续提升50资料来源：数字金融网微信公众号、Language Models are Few-Shot LearnersTom B.Brown等、天风证券研究所GPT模型对比BERT模型、T5模型的参数量有明显提升。GPT-3是目前最大的知名语言模型之一，包含了1750亿（175B）个参数。在GPT-3发布之前，最大的语言模型是微软的T

102、uring NLG模型，大小为170亿（17B）个参数。GPT-3 的 paper 也很长，ELMO 有 15 页，BERT 有 16 页，GPT-2 有 24 页，T5 有 53 页，而 GPT-3 有 72 页。训练数据量不断加大，对于算力资源需求提升。回顾GPT的发展，GPT家族与BERT模型都是知名的NLP模型，都基于Transformer技术。GPT，是一种生成式的预训练模型，由OpenAI团队最早发布于2018年，GPT-1只有12个Transformer层，而到了GPT-3，则增加到96层。其中，GPT-1使用无监督预训练与有监督微调相结合的方式，GPT-2与GPT-3则都是纯无

103、监督预训练的方式，GPT-3相比GPT-2的进化主要是数据量、参数量的数量级提升。图：不同模型训练消耗算力图：不同模型参数量及使用数据量对比AIGC服务器：服务器：异构计算成为趋势异构计算成为趋势51资料来源：青云QingCloud微信公众号、阿里云官网、天风证券研究所未来异构计算或成为主流未来异构计算或成为主流异构计算（Heterogeneous Computing）是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式，目前主要包括GPU云服务器、FPGA云服务器和弹性加速计算实例EAIS等。让最适合的专用硬件去服务最适合的业务场景。让最适合的专用硬件去服务最适合的业务场景。在CPU

104、+GPU的异构计算架构中，GPU与CPU通过PCle总线连接协同工作，CPU所在位置称为主机端(host)，而GPU所在位置称为设备端(device)。基于CPU+GPU的异构计算平台可以优势互补，CPU负责处理逻辑复杂的串行程序，而GPU重点处理数据密集型的并行计算程序，从而发挥最大功效。越来越多的AI计算都采用异构计算来实现性能加速。阿里第一代计算型GPU实例，2017年对外发布GN4，搭载Nvidia M40加速器.，在万兆网络下面向人工智能深度学习场景，相比同时代的CPU服务器性能有近7倍的提升。图：GPU+CPU异构计算图：GPU面向深度学习场景性能比CPU提升近7倍AIGC服务器：

105、服务器：为何为何GPU适用于适用于AI52资料来源：昱唯官网、天风证券研究所未来异构计算或成为主流未来异构计算或成为主流CPU 适用于一系列广泛的工作负载，特别是那些对于延迟和单位内核性能要求较高的工作负载特别是那些对于延迟和单位内核性能要求较高的工作负载。作为强大的执行引擎，CPU 将它数量相对较少的内核集中用于处理单个任务，并快速将其完成。这使它尤其适合用于处理从串行计算到数据串行计算到数据库运行等类型的工作库运行等类型的工作。GPU 最初是作为专门用于加速特定 3D 渲染任务的 ASIC 开发而成的。随着时间的推移，这些功能固定的引擎变得更加可编程化、更加灵活。尽管图形处理和当下视觉效果

106、越来越真实的顶级游戏仍是 GPU 的主要功能，但同时，它也已经演化为用途更普遍的并行处理器，能够处理越来越多的应用程序并行处理器，能够处理越来越多的应用程序。维度维度GPUCPU核心数量数干个加速核心(双卡 M40 高达 6144 个加速核心)几十个核心产品特点1.高效众多的运算单元(ALU)支持并行处理2.多线程以到达超大并行吞吐量3.简单的逻辑控制1.复杂的逻辑控制单元2.强大的算数运算单元(ALU)3.简单的逻辑控制适用场景计算密集、易于并行的程序逻组控制、串行运算的程序图：CPU与GPU的差别表：CPU与GPU的对比AIGC服务器：服务器：训练训练&推理推理53资料来源：硬十AI微信公

107、众号、天风证券研究所训练和推理过程所处理的数据量不同。在AI实现的过程中，训练（Training）和推理（Inference）是必不可少的，其中的区别在于：训练过程：又称学习过程，是指通过大数据训练出一个复杂的神经网络模型，通过大量数据的训练确定网络中权重和偏置的值，使其能够适应特定的功能。推理过程：又称判断过程，是指利用训练好的模型，使用新数据推理出各种结论。简单理解，我们学习知识的过程类似于训练，为了掌握大量的知识，必须读大量的书、专心听老师讲解，课后还要做大量的习题巩固自己对知识的理解，并通过考试来验证学习的结果。分数不同就是学习效果的差别，如果考试没通过则需要继续重新学习，不断提升对知

108、识的掌握程度。而推理，则是应用所学的知识进行判断，比如诊断病人时候应用所学习的医学知识进行判断，做“推理”从而判断出病因。图：训练与推理差异AIGC服务器：服务器：训练和推理过程所处理的数据量不同训练和推理过程所处理的数据量不同54资料来源：硬十AI微信公众号、天风证券研究所训练和推理过程所处理的数据量不同。训练需要密集的计算，通过神经网络算出结果后，如果发现错误或未达到预期，这时这个错误会通过网络层反向传播回来，该网络需要尝试做出新的推测，在每一次尝试中，它都要调整大量的参数，还必须兼顾其它属性。再次做出推测后再次校验，通过一次又一次循环往返，直到其得到“最优”的权重配置，达成预期的正确答案

109、。如今，神经网络复杂度越来越高，一个网络的参数可以达到百万级以上，因此每一次调整都需要进行大量的计算。吴恩达（曾在谷歌和百度任职）举例“训练一个百度的汉语语音识别模型不仅需要4TB的训练数据，而且在整个训练周期中还需要20 exaflops（百亿亿次浮点运算）的算力”，训练是一个消耗巨量算力的怪兽。推理是利用训练好的模型，使用新数据推理出各种结论，它是借助神经网络模型进行运算，利用输入的新数据“一次性”获得正确结论的过程，他不需要和训练一样需要循环往复的调整参数，因此对算力的需求也会低很多。图：训练与推理图示AIGC服务器：服务器：训练和推理所应用的训练和推理所应用的GPU/服务器有所差异服务

110、器有所差异55资料来源：英伟达官网、天风证券研究所此外，训练和推理过程中，芯片的部署位置、准确度/精度要求、存储要求等都有所不同。训练和推理所应用的GPU/服务器也有不同。推理常用：NVIDIA T4 GPU 为不同的云端工作负载提供加速，其中包括高性能计算、深度学习训练和推理、机器学习、数据分析和图形学。引入革命性的 Turing Tensor Core 技术，使用多精度计算应对不同的工作负载。从 FP32 到 FP16，再到 INT8 和 INT4 的精度，T4 的性能比 CPU 高出 40 倍，实现了性能的重大突破。训练：A100和H100。对于具有庞大数据表的超大型模型，A100 80

111、GB 可为每个节点提供高达 1.3TB 的统一显存，而且吞吐量比A100 40GB 多高达 3 倍。在 BERT 等先进的对话式 AI 模型上，A100 可将推理吞吐量提升到高达 CPU 的 249 倍。图：T4推理性能图：A100大型模型AI训练速度图：A100服务器系统规格AIGC服务器：服务器：推算推算ChatGPT带来的服务器需求增量带来的服务器需求增量#156资料来源：英伟达官网、天翼智库微信公众号、天风证券研究所由于OpenAI暂未公开ChatGPT（基于大语言模型GPT-3.5）相关技术细节。估算基于GPT-3。根据天翼智库，训练阶段的算力估算。根据OpenAI在2020年发表的

112、论文，训练阶段算力需求与模型参数数量、训练数据集规模等有关，且为两者乘积的6倍：训练阶段算力需求=6模型参数数量训练集规模。GPT-3模型参数约1750亿个，预训练数据量为45 TB，折合成训练集约为3000亿tokens。即训练阶段算力需求=61.75101131011=3.151023 FLOPS=3.15108PFLOPS依据谷歌论文，OpenAI公司训练GPT-3采用英伟达V100 GPU，有效算力比率为21.3%。GPT-3的实际算力需求应为1.48109PFLOPS(17117 PFLOPS-day)。假设应用A100 640GB服务器进行训练，该服务器AI算力性能为5 PFLOP

113、S，最大功率为6.5 kw，则我们测算训练阶段需要服务器数量=训练阶段算力需求服务器AI算力性能=2.96108台（同时工作1秒），即3423台服务器工作1日。参数量参数量值值参数量1750亿预训练数据量45TB算力需求3.15108PFLOPS有效算力比率21.3%实际算力需求1.48109PFLOPSA100服务器算力性能5 PFLOPS工作1日所需服务器（台）3423表：训练侧所需服务器测算图：A100服务器规格参数AIGC服务器：服务器：推算推算ChatGPT带来的服务器需求增量带来的服务器需求增量#257资料来源：英伟达官网、天翼智库微信公众号、天风证券研究所由于OpenAI暂未公开

114、ChatGPT（基于大语言模型GPT-3.5）相关技术细节。估算基于GPT-3。根据天翼智库，训练阶段的算力估算。H100性能更强，与上一代产品相比，H100 的综合技术创新可以将大型语言模型的速度提高 30 倍。根据Nvidia测试结果，H100针对大型模型提供高达 9 倍的 AI 训练速度，超大模型的 AI 推理性能提升高达 30 倍。在数据中心级部署 H100 GPU 可提供出色的性能，并使所有研究人员均能轻松使用新一代百亿亿次级(Exascale)高性能计算(HPC)和万亿参数的 AI。H100 还采用 DPX 指令，其性能比 NVIDIA A100 Tensor Core GPU 高

115、 7 倍，在动态编程算法（例如，用于DNA 序列比对 Smith-Waterman）上比仅使用传统双路 CPU 的服务器快 40 倍。假设应用H100服务器进行训练，该服务器AI算力性能为32 PFLOPS，最大功率为10.2 kw，则我们测算训练阶段需要服务器数量=训练阶段算力需求服务器AI算力性能=4.625107台（同时工作1秒），即535台服务器工作1日。值值参数量1750亿预训练数据量45TB算力需求3.15108PFLOPS有效算力比率21.3%实际算力需求1.48109PFLOPSH100服务器算力性能32 PFLOPS工作1日所需服务器（台）535图：H100服务器规格图：H1

116、00多专家模型表现优异表：推理测所需服务器测算AIGC服务器：服务器：推算推算ChatGPT带来的服务器需求增量带来的服务器需求增量#358资料来源：天翼智库微信公众号、英伟达官网、天风证券研究所由于OpenAI暂未公开ChatGPT（基于大语言模型GPT-3.5）相关技术细节。估算基于GPT-3。训练阶段的算力估算-敏感性分析。根据天翼智库，GPT-3模型参数约1750亿个，预训练数据量为45 TB，折合成训练集约为3000亿tokens。按照有效算力比率21.3%来计算，训练阶段实际算力需求为1.48109PFLOPS。对AI服务器训练阶段需求进行敏感性分析，两个变化参数：同时并行训练的大

117、模型数量、单个模型要求训练完成的时间。按照A100服务器5 PFLOPs，H100服务器32 PFLOPs来进行计算。若不同厂商需要训练10个大模型，1天内完成，则需要A100服务器34233台，需要H100服务器5349台。此外，若后续GPT模型参数迭代向上提升（GPT-4参数量可能对比GPT-3倍数级增长），则我们测算所需AI服务器数量进一步增长。训练敏感性分析训练敏感性分析同时训练的模型数量同时训练的模型数量A100（台）1234510100单个模型要求训练天数2704233 342332334564570611411 1

118、85489048905733423397852306570387603804训练敏感性分析训练敏感性分析同时训练的模型数量同时训练的模型数量H100（台）1234510100单个模型要求训练天数525348933897627647642914387

119、62382892表：A100训练侧敏感性分析表：H100训练侧敏感性分析AIGC服务器：服务器：推算推算ChatGPT带来的服务器需求增量带来的服务器需求增量#459资料来源：Simlarweb、天翼智库微信公众号、天风证券研究所由于OpenAI暂未公开ChatGPT（基于大语言模型GPT-3.5）相关技术细节。估算基于GPT-3。根据天翼智库，推理阶段的算力估算。ChatGPT与用户对话时需进行模型的推理，消耗智能算力。根据前述OpenAI论文，推理阶段算力需求是模型参数数量与训练数据集规模乘积的2倍：推

120、理阶段算力需求=2模型参数数量训练及规模。假设每轮对话产生500 tokens（约350个单词）则每轮对话产生推理算力需求：21.751011500=0.175 PFLOPS。根据Similarweb的数据，OpenAI网站月度访问量从今年1月6.67亿次，持续快速上升，到3月单月访问次数已达到16亿次，换算成每日访问量约为每日5300万访问量，假设每次访问发生10轮对话，则我们测算每日对话产生推理算力需求=0.1755.3107 10=9.275107 PFLOPS，假设有效算力比率按30%取定，则我们测算每日对话实际算力需求为3.09108PFLOPS。假设应用搭载16片V100 GPU的

121、英伟达DGX2服务器进行训练推理，该服务器算力性能为2 PFLOPS，最大功率为10kw，则我们测算需要服务器数量为=1.545108台（同时工作1秒），即1789台服务器工作1日。模型名称模型名称推出时间推出时间使用硬件使用硬件有效算力比有效算力比率率GPT-32020年5月英伟达 V10021.3%MT-NLG2021年10月英伟达 A10030.2%PaLM2022年4月谷歌TPU46.2%图：OpenAI网站访问量表：不同模型有效算力比率AIGC服务器：服务器：推算推算ChatGPT带来的服务器需求增量带来的服务器需求增量#560资料来源：天翼智库微信公众号、天风证券研究所由于Open

122、AI暂未公开ChatGPT（基于大语言模型GPT-3.5）相关技术细节。估算基于GPT-3。推理阶段的算力估算-敏感性分析。根据天翼智库，ChatGPT与用户对话时需进行模型的推理，消耗智能算力。根据前述OpenAI论文，推理阶段算力需求是模型参数数量与训练数据集规模乘积的2倍：推理阶段算力需求=2模型参数数量训练及规模。模型参数数量不变，每轮对话产生tokens数量的变化将影响推理阶段所需算力需求，随着未来智能语音、娱乐甚至B端等应用场景的增多，每轮对话产生tokens数可能发生变化，以此作敏感性分析。此外，用户访问量预计将随着ChatGPT的持续火热和普及，访问数量持续增加。若后续Chat

123、GPT普遍应用于日常生活工作，则日访问用户数将显著提升。仍然假设每次访问发生10次对话不变。假设有效算力比率按30%取定，应用搭载16片V100 GPU的英伟达DGX2服务器进行训练推理，该服务器算力性能为2 PFLOPS。我们测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轮对话产生每轮对话产生tokens数数V100（台）00用户访问用户访问量量33386750523000203405608386751013

124、27566752000033766752375867500067523758675577500000337586757893375776751541687886表：推理测敏感性分析AIGC服务器：服务器：AI服务器市场规模预计将高速增长服务器市场规模预计将高速增长61资料来源：ChinaIT、城市大脑研究院微信公众号、IDC、天风证券研究所AI服务器作为算力基础设备有望受益于算力需求持续增长AI服务

125、器作为算力基础设备，其需求有望受益于AI时代下对于算力不断提升的需求而快速增长。根据TrendForce，截至2022年为止，预估搭载GPGPU（General Purpose GPU）的AI服务器年出货量占整体服务器比重近1%，预估在ChatBot相关应用加持下，有望再度推动AI相关领域的发展，预估出货量年成长可达8%；20222026年复合成长率将达10.8%。AI服务器是异构服务器，可以根据应用范围采用不同的组合方式，如CPU+GPU、CPU+TPU、CPU+其他加速卡等。IDC预计，中国AI服务器2021年的市场规模为57亿美元，同比增长61.6%，到2025年市场规模将增长到109亿

126、美元，CAGR为17.5%。图：中国算力发展情况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%0.0200.0400.0600.0800.01000.01200.01400.0200222023E2024E2025E2026E百亿亿次浮点运算/秒（EFLOPS）同比增速AIGC服务器：服务器：用户数增长用户数增长+模型迭代模型迭代+场景扩张，场景扩张，AI服务器需求有望超预期服务器需求有望超预期62资料来源：天翼智库微信公众号、黑马程序员、天风证

127、券研究所用户快速增长+模型持续迭代+应用场景的不断扩张或将使AI服务器需求超预期ChatGPT用户数快速增加，上线仅5天，用户数便突破百万，上线两月后，ChatGPT月活用户数突破1亿，根据Similarweb统计，OPENAI网站用户访问量快速增长，我们预计未来用户数仍将快速提升，带来交互对话的产生，提升推理所需算力基础设施需求。2018年OpenAl正式发布GPT(生成式预训练语言模型)，可以生成文章、代码、机器翻译等，GPT是ChatGPT的前身，最终形成的ChatGPT是优化版本的对话语言模型。预计GPT-4模型的参数量仍将进一步增长，根据天翼智库，给GPT-3喂料的长度每次不能超过大

128、约2000个字，现在GPT-4的“消化能力”提升了10倍以上。带来AI应用生态的繁荣，未来有望涌现更多应用场景。图：达到1亿月活跃用户耗时图：GPT-4“消化能力”提升图：ChatGPT引发新一轮AI应用生态繁荣AIGC服务器：服务器：用户数增长用户数增长+模型迭代模型迭代+场景扩张，场景扩张，AI服务器需求有望超预期服务器需求有望超预期63资料来源：天翼智库微信公众号、科普海南微信公众号、天风证券研究所用户快速增长+模型持续迭代+应用场景的不断扩张或将使AI服务器需求超预期据网站统计，目前基于ChatGPT推出的应用表现出高度活跃和极度丰富特性，截止2023年3月6日已有620个案例。从生成

129、的内容格式来看可以把目前所有案例分为五大类，即文本生成、代码生成、图像生成、音频生成、和视频生成。其中文本生成是目前最主要的应用方向，有397个案例，占比达64.1%；随后是代码生成92个案例，占比14.7%；图像生成73个案例，占比11.8%；音频生成29个案例，占比4.7%；视频生成16个案例，占比2.6%。下游应用场景有望持续拓展。目前ChatGPT的主要应用场景包括但不限于无代码编程、小说生成、对话类搜索引擎、语音陪伴、语音工作助手、对话虚拟人、人工智能客服、机器翻译、芯片设计等。随着算法技术和算力技术的不断进步，ChatGPT也有望进一步走向更先进功能更强的版本，在越来越多的领域进行

130、应用，为人类生成更多更美好的对话和内容。图：ChatGPT应用场景案例占比及典型案例图：ChatGPT应用场景有望不断丰富64资料来源：天翼智库微信公众号、天风证券研究所用户快速增长+模型持续迭代+应用场景的不断扩张或将使AI服务器需求超预期中国电信研究院从应用技术发展成熟度、应用市场空间及应用提供方是否具有海量的业务数据基础和能力等维度，采取背靠背专家评估法，邀请电信研究院战略发展研究所19位专家评分，综合评估认为，2-3年内类ChatGPT将可能在智能客服、传媒、办公及搜索领域中实现规模应用。根据红杉资本及中国电信研究院，ChatGPT引发大模型成为AI新型基础设施，使AI能力标准化、规模

131、化、流程化、低成本化，催生产业各方应用创新。目前一切还处于“高速创新”的前期，中长期发展很有可能重构娱乐、文学等模式，并赋能教育、金融、工业、医疗等实体。短期应用在搜索+客服，中期利好内容创作+文娱生活场景，长期看好B端的产业机会。图：不同领域ChatGPT可能应用机会判断图：长期看好B端产业机会AIGC服务器：服务器：用户数增长用户数增长+模型迭代模型迭代+场景扩张，场景扩张，AI服务器需求有望超预期服务器需求有望超预期AIGC服务器：服务器：AI服务器构成及形态服务器构成及形态65资料来源：浪潮官网、天风证券研究所AI服务器主要构成：以浪潮NF5688M6 服务器为例，其采用NVSwitc

132、h实现GPU跨节点P2P高速通信互联。整机8 颗 NVIDIA Ampere架构 GPU，通过NVSwitch实现GPU跨节点P2P高速通信互联。配置 2颗第三代Intel Xeon 可扩展处理器(Ice Lake)，支持8块2.5英寸NVMe SSD or SATA/SAS SSD以及板载2块 SATA M.2，可选配1张PCIe 4.0 x16 OCP 3.0网卡，速率支持10G/25G/100G；可支持10个PCIe 4.0 x16插槽，2个PCIe 4.0 x16插槽(PCIe 4.0 x8速率)，1个OCP3.0插槽；支持32条DDR4 RDIMM/LRDIMM内存，速率最高支持32

133、00MT/s，物理结构还包括6块3000W 80Plus铂金电源、N+1冗余热插拔风扇、机箱等。目前按照GPU数量的不同，有4颗GPU（浪潮NF5448A6）、8颗GPU（Nvidia A100 640GB）以及16颗GPU（NVIDIA DGX-2）的AI服务器。4颗GPU8颗GPU图：NF5688M6产品特性图：4颗GPU与8颗GPU服务器AIGC服务器：服务器：AI服务器产业链服务器产业链66资料来源：各公司官网、天风证券研究所AI服务器核心组件包括GPU（图形处理器）、DRAM（动态随机存取存储器）、SSD（固态硬盘）和RAID卡、CPU（中央处理器）、网卡、PCB、高速互联芯片（板内

134、）和散热模组等。CPU主要供货厂商为Intel、GPU目前领先厂商为国际巨头英伟达，以及国内厂商如寒武纪、海光信息等。内存主要为三星、美光、海力士等厂商，国内包括兆易创新等。SSD厂商包括三星、美光、海力士等，以及国内江波龙等厂商。PCB厂商海外主要包括金像电子，国内包括沪电股份、鹏鼎控股等。主板厂商包括工业富联，服务器品牌厂商包括浪潮信息、紫光股份、中科曙光、中兴通讯等。CPUIntel、AMD内存Samsung、海力士、美光、兆易创新等SSDSamsung、海力士、美光、江波龙等PCB沪电股份、金像电子、深南电路、生益科技等电源艾默生、中国长城、新雷能等散热工业富联等光模块中际旭创、Fin

135、isar、新易盛、天孚通信等GPUNvidia、寒武纪等主板/集成商工业富联、英业达等服务器厂商浪潮信息紫光股份中兴通讯中科曙光超聚变互联网厂商百度、阿里、腾讯等运营商中国移动、中国电信、中国联通政企客户政府、金融/医疗等行业客户图：AI服务器产业链AIGC服务器：服务器：行业竞争格局行业竞争格局67资料来源：ChinaIT、天风证券研究所IDC发布了2022年第四季度中国服务器市场跟踪报告Prelim。从报告可以看到，前两名浪潮与新华三的变化较小，第三名为超聚变，从3.2%份额一跃而至10.1%，增幅远超其他服务器厂商。Top8服务器厂商中，浪潮、戴尔、联想均出现显著下滑，超聚变和中兴则取得

136、明显增长。其中，浪潮份额从30.8%下降至28.1%；新华三份额从17.5%下降至17.2%；中兴通讯（000063）从3.1%提升至5.3%，位居国内第5。联想降幅最为明显，从7.5%下降至4.9%。据TrendForce集邦咨询统计，2022年AI服务器采购占比以北美四大云端业者Google、AWS、Meta、Microsoft合计占66.2%为最，而中国近年来随着国产化力道加剧，AI建设浪潮随之增温，以ByteDance的采购力道最为显著，年采购占比达6.2%，其次紧接在后的则是Tencent、Alibaba与Baidu，分别约为2.3%、1.5%与1.5%。国内AI服务器竞争厂商包括：

137、浪潮信息、新华三、超聚变、中兴通讯等。图：2022年AI服务器采购量占比68资料来源：浪潮信息官网、Wind、同花顺财经、IDC、天风证券研究所服务器主要厂商包括：工业富联、浪潮信息、超聚变、紫光股份（新华三）、中兴通讯、中科曙光。AI服务器目前领先厂商为工业富联和浪潮信息，浪潮信息在阿里、腾讯、百度AI服务器占比高达90%。紫光股份在 GPU 服务器市场处于领先地位，有各种类型的 GPU 服务器满足各种 AI 场景应用。特别针对 GPT 场景而优化的 GPU 服务器已经完成开发，并取得 31 个世界领先的测试指标，该新一代系列 GPU 服务器将在今年二季度全面上市。中兴通讯近年服务器发展较快

138、，年初推出AI服务器G5服务器，此外在布局新一代AI加速芯片、模型轻量化技术，大幅降低大模型推理成本。营业收入（亿元）营业收入（亿元）归母净利润（亿元）归母净利润（亿元）23年年PE（截至（截至2023.4.18一致预期）一致预期）22Q4中国服务中国服务器市场份额器市场份额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%中兴通讯1014.511145.221229.5442.6068.1380.

139、8016.825.3%超聚变10.1%中科曙光101.60112.00130.088.2211.5815.4434.96图：浪潮信息人工智能服务器市场份额图：浪潮信息在阿里、腾讯、百度AI服务器占比高达90%表：各服务器厂商对比AIGC服务器：服务器：行业竞争格局行业竞争格局AIGC服务器：服务器：中兴通讯，全球主要的中兴通讯，全球主要的ICT厂商之一，服务器及存储产品值得期厂商之一，服务器及存储产品值得期待待69资料来源：中兴通讯官网、中兴通讯公告、天风证券研究所中兴通讯作为全球主要的ICT厂商之一，产品广泛覆盖运营商网络、政企设备和应用、消费者终端和应用等众多信息通信网络环节，覆盖底层网络

140、基础设施（5G基站和SPN、传输网各类设备、千兆宽带设备等），算力基础（服务器、存储等），垂直行业和消费侧的网络和终端（企业级网络设备、工业网关、手机、家庭终端等），应用产品（数据库、云视频、云平台等）。随着数字经济的持续深入发展，未来中兴通讯有望深度参与数字经济建设，在底层网络、算力和流量以及上层众多垂直行业和消费者终端和应用领域长期成长。服务器及存储产品已规模进入金融、互联网、能源等行业的头部企业。在AI方面，1)公司的新一代智算中心基础设施产品，全面支持大模型训练和推理，包括高性能AI服务器、高性能交换机、DPU等；2)下一代数字星云解决方案，利用生成式AI技术，在代码生成、办公智能化、

141、运营智能化等领域展开研究，全面提升企业效率；3)新一代AI加速芯片、模型轻量化技术，大幅降低大模型推理成本。数字经济相关环节数字经济相关环节细分产业链细分产业链中兴通讯提供的产品和服务中兴通讯提供的产品和服务底层网络底层网络5G基站、SPN传输设备等千兆宽带10GPON终端和局端设备流量相关流量相关传输网传输网设备、交换机、路由器等应用相关应用相关云计算服务器、储存、交换机、路由器、模块化数据中心产品、数据库、云平台、云电脑、云视频等企业/园区网络企业级交换机、路由器、网关等物联网、工业互联网工业网关、系统解决方案消费者终端智能手机、智能手表等人工智能uSmartInsight人工智能平台虚拟

142、现实和增强现实XRExplore平台家庭媒体中心IP机顶盒、AI智能交互产品类型产品类型具体产品具体产品应用领域应用领域IT服务器、存储等公有云、私有云以及政企机房等场景使用的服务器、存储等设备数据通信数据通信交换机、路由器、网络安全、网络管理等政府、企业等客户的接入网、机房、网络管理、网络安全等使用的设备以及成套解决方案WLAN企业AP、企业AC等企业、商业、工业等场景下的无线接入网络及控制系统能源能源通信电源、储能电源、微模块等机房、数据中心等电源模块和系统接入和传输接入和传输PON、接入终端、OTN、PTN、MSTP等针对政企等客户的专网、内网等需求提供的接入及传输网络产品云视讯云视讯云

143、视讯平台，个人终端，大屏一体机、融合调度等企业、政府、公安等视频终端、平台及系统数据库数据库GoldenDB分布式数据库主要针对金融行业的分布式数据库表：数字经济中中兴通讯提供的产品和服务表：中兴通讯政企业务主要产品梳理70资料来源：各公司官网、紫光股份2020年度报告、紫光股份2021年度报告、IDC、天风证券研究所公司深耕ICT领域，业务覆盖数字化基础设施产品。2016年收购新华三集团，进一步提升公司技术实力与业务范围，打造“云网边端芯”产业链。公司在 GPU 服务器市场处于领先地位，有各种类型的 GPU 服务器满足各种AI 场景应用。特别针对 GPT 场景而优化的 GPU 服务器已经完成

144、开发，并取得 31 个世界领先的测试指标，该新一代系列 GPU 服务器将在今年二季度全面上市。全球服务器市场来看：新华三/HPE服务器份额有望赶超戴尔，联想增长势头较猛。21Q1份额情况来看，CR5为52.3%，戴尔全球领先占据17%市场份额。市场份额变动情况来看，戴尔出现颓势，市场份额出现较大下滑，而新华三/HPE稳中有进，未来份额有望赶超戴尔。市场市场21年年排名排名20021中国以太网交换机市中国以太网交换机市场场第二33.2%35.5%35.0%35.2%中国企业网路由器市中国企业网路由器市场场第二27.2%27.9%30.8%31.3%中国企业级中国企业级WLA

145、N第一31.1%30.9%31.3%28.4%中国中国X86服务器市场服务器市场第二11.7%16.1%15.4%17.4%中国存储市场中国存储市场第二10.7%11.8%11.4%12.6%中国安全硬件市场中国安全硬件市场第二9.9%9.3%9.4%9.0%中国超融合市场中国超融合市场第一18.2%21%20.7%20.5%中国中国SDN（软件软件）市市场场第一-中国云管理平台市场中国云管理平台市场第一-17.00%15.90%7.20%6.90%5.30%26.30%21.40%戴尔HPE/H3C浪潮联想IBMODM Direct其他图：2021Q1服务器市场份额情况表：紫光股份各市场排名

146、及份额情况图：紫光股份业务结构AIGC服务器：服务器：紫光股份，深耕紫光股份，深耕ICT领域，服务器份额有望赶超戴尔领域，服务器份额有望赶超戴尔71请务必阅读正文之后的信息披露和免责申明资料来源：中国移动推介材料，天风证券研究所“东数西算”推动运营商进行层次化算力网络布局，三大运营商均已形成区域中心“东数西算”推动运营商进行层次化算力网络布局，三大运营商均已形成区域中心-省级资源池省级资源池-边缘云节点的算力网络体系。结合自身边缘云节点的算力网络体系。结合自身产业数字化业务领域丰富经验，运营商有望在产业数字化业务领域丰富经验，运营商有望在AIGC应用快速落地的背景下保持云业务快速发展趋势，助力

147、中国数字经济发展。应用快速落地的背景下保持云业务快速发展趋势，助力中国数字经济发展。具体来看：中国移动构建了“4+N+31+X”数据中心布局，在京津冀、长三角、粤港澳和成渝建设区域中心，在呼和浩特、哈尔滨和贵阳建设跨省中心，并设X个省级中心和业务节点。“N（中心资源）+31（省级资源池）+X（边缘云节点）”移动云布局持续优化，截至2022年底，中国移动对外可用 IDC 机架达到 46.7 万架，净增 6 万架；云网边协同发展持续加强，多样性算力资源能力规模快速提升，累计投产云服务器超 71 万台，净增超 23 万台，算力规模达到 8.0 EFLOPS，净增 2.8 EFLOPS。图：图：中国移

148、动算力网络整体建设情况（截至中国移动算力网络整体建设情况（截至20222022年底）年底）AIGC运营商：运营商：“东数西算”布局算力网络建设“东数西算”布局算力网络建设72请务必阅读正文之后的信息披露和免责申明资料来源：中国电信推介材料，天风证券研究所各运营商积极落实“东数西算”工程部署，构建形成了层次化算力网络布局。各运营商积极落实“东数西算”工程部署，构建形成了层次化算力网络布局。具体来看：中国电信构建了“2+4+31+X+O”资源布局，在内蒙和贵州构建数据中心园区，在京津冀、长三角、粤港澳和川陕渝区域布局大数据中心，满足大规模、集群化、低成本的算力需求；在31省部署属地化全产品能力池，

149、承接各省党政及重点行业属地化业务需求；中国电信按照一城一池标准推进边缘云在超过240个城市实现覆盖，边缘算力节点超过 800 个，满足了就近接入、低时延、数据本地化的近场级算力需求；继续覆盖全国的算力平台打造，2022 年新增天翼云算力 1.7EFLOPS，算力总规模达 3.8EFLOPS，同比增长81%。图：图：中国电信云网融合数字信息基础设施建设布局情况（截至中国电信云网融合数字信息基础设施建设布局情况（截至20222022年底）年底）AIGC运营商：运营商：构建形成了层次化算力网络布局构建形成了层次化算力网络布局73请务必阅读正文之后的信息披露和免责申明资料来源：中国联通推介材料，天风证

150、券研究所各运营商积极落实“东数西算”工程部署，构建形成了层次化算力网络布局。各运营商积极落实“东数西算”工程部署，构建形成了层次化算力网络布局。具体来看：中国联通构建了“5+4+31+X”资源布局，聚焦京津冀、长三角、粤港澳、成渝和鲁豫五大重点区域，在蒙贵甘宁建设国家西算枢纽节点，并按需建设31省份新型数据中心，灵活部署X个边缘数据中心，实现大规模算力部署，提升算力服务品质和利用效率。截至2022年底，中国联通在 170 个城市实现“一城一池”，MEC 节点超过 400 个，内外部云池连接达到 336 个，IDC 机架规模达到36.3 万架，千架数据中心覆盖 23 个省。图：图：中国联通算力网

151、络建设布局情况（截至中国联通算力网络建设布局情况（截至20222022年底）年底）AIGC运营商：运营商：强化算力感知和调度能力强化算力感知和调度能力74请务必阅读正文之后的信息披露和免责申明资料来源：移动云公众号，天风证券研究所算力网络不仅要求强大的算力和网络资源支撑，也要求算力资源的互通和智能调度。算力网络不仅要求强大的算力和网络资源支撑，也要求算力资源的互通和智能调度。运营商纷纷强化算力网络感知和调度能力，实现算网资源的高效应用：中国移动打造“超级算网大脑”，具有实现算网一体化编排和智能调度的能力。其中算网一体化编排利用云原生架构使算力“原子化”，从而实现资源与业务场景、业务逻辑的封装，

152、提供一体化方案。在智能调度上，构建以“SLA”为中心的调度体系，实现百万节点级的算力协同和应用最优化部署。图：图：中国移动“超级算网大脑”能力图中国移动“超级算网大脑”能力图图：图：中国移动算力一体化编排实现流程中国移动算力一体化编排实现流程AIGC运营商：运营商：算力资源的互通与智能调度算力资源的互通与智能调度75请务必阅读正文之后的信息披露和免责申明资料来源：中国电信天翼云公众号，联通云公众号，天风证券研究所算力网络不仅要求强大的算力和网络资源支撑，也要求算力资源的互通和智能调度。算力网络不仅要求强大的算力和网络资源支撑，也要求算力资源的互通和智能调度。运营商纷纷强化算力网络感知和调度能力

153、，实现算网资源的高效应用：中国电信自研构建了“息壤”算力感知与分发平台，由算力资源管理平台、算力调度引擎和算力资源共同构成。其中算力资源管理平台能够对泛在或异构算力进行统一纳管、注册、建模和度量，从而映射成标准算力供引擎调度；调度引擎根据用户需求，综合应用场景，实现云原生级的算力调度。中国联通于2022年12月发布“联通云7版本”，对双引擎架构进行再升级，同时自研构建云网边端一体化防护体系，并融合“墨攻”安全运营平台，实现了全栈产品的安全可控。图：图：中国联通中国联通云宣传图云宣传图图：图：中国中国电信“息壤”电信“息壤”平台平台AIGC运营商：运营商：算力资源的互通与智能调度算力资源的互通与

154、智能调度76请务必阅读正文之后的信息披露和免责申明资料来源：运营商公司财报，天风证券研究所受益于政策倾斜和行业需求增长受益于政策倾斜和行业需求增长，运营商云业务近年保持高速增长，拉动运营商整体业绩提升和数字化转型发展，运营商云业务近年保持高速增长，拉动运营商整体业绩提升和数字化转型发展。运营商云业务迎来快速发展运营商云业务迎来快速发展。中国电信天翼云、中国移动云和中国联通云近年保持了高速增长：中国移动2022年云收入503亿元，同比增长108%，其中，行业云收入412亿元，同比增长115%；中国电信2022年云收入579亿元，同比增长108%，2023年云业务收入指引为达千亿元；根据中国联通2

155、022年年报和业绩说明会披露，中国联通2022年云业务收入为361亿元，同比增长121%；云业务贡献了运营商主营业务增长中的主要部分云业务贡献了运营商主营业务增长中的主要部分，已经成为运营商产业数字化业务中的重要组成部分已经成为运营商产业数字化业务中的重要组成部分。25.6%85.4%41.4%48.6%93.5%43.7%23.2%43.0%0%20%40%60%80%100%202020212022中国联通中国电信中国移动图：运营商图：运营商云云业务营收情况（亿元）业务营收情况（亿元）*中国联通2020年云业务收入为推算值，推算方法：2021年云业务收入/(1+同比增长率)图：运营商图：运

156、营商云云业务对主营业务增长贡献占比业务对主营业务增长贡献占比0020030040050060070020022中国联通中国电信中国移动AIGC运营商：运营商：大安全和大安全和AIGC背景下，运营商云业务快速发展背景下，运营商云业务快速发展5G网络网络Part#277请务必阅读正文之后的信息披露和免责申明5G网络网络中国中国5G的三个发展阶段，由第二阶段向第三阶段演进的三个发展阶段，由第二阶段向第三阶段演进5G投资以及发展根据驱动力可以分成三个阶段：政策驱动运营商投资、业务发展驱动运营商投资、垂直行业业务发展

157、驱动企业投资。第一阶段：2018至2021年，由政策驱动运营商投资。第二阶段：2022至2024年，由于5G手机等终端设备的渗透需要一定时间，基于5G硬件实现的新应用如超高清视频、VR/AR等逐步成熟，推动5G网络流量和网络负载快速增长，5G对运营商的收入和现金流贡献开始快速起量，进而推动运营商进入第二轮投资，该轮投资主要是业务和流量拉动的网络扩容投资。第三阶段：2025至2030年，该阶段随着网络部署持续完善，国内运营商网络建设支出可能逐步减缓，同时随着 5G 向垂直行业应用的渗透融合，各行业企业在 5G 设备上的支出带动5G相关投资的新一轮增长。78资料来源：中国移动年报、中国电信年报、中

158、国联通年报、中国信通院、天风证券研究所请务必阅读正文之后的信息披露和免责申明第一阶段政策驱动第二阶段运营商业务发展驱动第三阶段垂直行业业务发展驱动航空物流汽车互联网医疗制造业5G网络网络5G时代中国引领撬动多个产业，全球投资周期或将拉长时代中国引领撬动多个产业，全球投资周期或将拉长5G是新基建之首是新基建之首。新基建与传统基建相比，增加了信息通信类基础设施建设，其新意更多的体现在对数字经济的支撑作用上。直接拉动，运营商的资本开支直接带动主设备、传输网设备以及上游各类元器件的销售，对经济带来直接的拉动。间接拉动，根据中国信通院估算，5G建设对整体经济拉动达到万亿级别。5G时代中国引领、海外陆续跟

159、进，拉长投资周期：预计全球5G网络建设将分成三波推进。第一波，以第一梯队国家为主，中国、美国、韩国、日本等引领，主要驱动力包括政策引导，技术引领以及垂直领域应用探索；第二波，主要是以第二梯队国家为主，包括德国等欧洲国家，主要驱动力包括业务需求推动；第三波，主要其他剩下的国家，主要驱动力包括对标领先、以及业务落地的推动。79资料来源：中国信通院、CTIA、天风证券研究所请务必阅读正文之后的信息披露和免责申明第一波韩国、美国、中国、日本政策引导、技术引领及垂直领域应用探索第二波德国、意大利等欧洲国家业务需求推动第三波其他国家和地区对标领先、以及业务落地的推动200305G网络

160、网络5G网络覆盖持续深入，终端普及加快，构建网络建设正循环网络覆盖持续深入，终端普及加快，构建网络建设正循环5G网络覆盖持续深入，5G终端硬件连接数有望高速增长。根据GSMA预测，全球5G网络设备的连接数占比将从2019年开始快速渗透，在2025年有望达到20%的比例，即达到18亿连接数。5G网络带来更快的网络速率、更低的时延等性能升级，网络用户对5G服务增加付费的意愿较强，针对全球不同区域用户的调查显示，平均57%的用户愿意为5G服务增加付费。80资料来源：GSMA、天风证券研究所请务必阅读正文之后的信息披露和免责申明图：全球无线网络连接数占比图：全球无线网络连接数占比图：图：5G用户增加付

161、费的意愿用户增加付费的意愿5G网络网络基站主设备基站主设备5G基站主设备包括铁塔上的天线（AAU）以及塔下机房中的设备（CU-DU）为实现无线信号的传输，在铁塔、楼顶杆塔等位置部署大量天线设备，5G时代的天线引入大量新技术，融合了部分网络设备的功能，叫做AAU。天线传输的无线信号，转化为电信号后，在塔下机房中，经过专用设备进行初步处理，这些设备成为CU和DU81资料来源：中国移动：5G对传输网络的需求、挑战与网络演进方向、天风证券研究所请务必阅读正文之后的信息披露和免责申明5G网络网络传输网设备传输网设备2G时代，回传网主要以SDH/MSTP设备为主；3G早期数据量不大的时候以MSTP为主，后

162、期转为IPRAN和PTN；4G的回传设备和3G一样用IPRAN和PTN；5G回传以SPN（切片分组网络）和M-OTN（面向移动承载优化的OTN）为主。5G传输网络可分为城域网和骨干网，其中城域内组网包括接入、汇聚和核心三层架构。传输设备的用量基本由接入基站的数量以及流量需求共同决定，5G网络接入层的传输设备以25GE的为主（4G以1GE居多，部分10GE），汇聚层以100GE为主（4G以10GE为主），核心层将都是超100GE设备（4G以10GE略多，部分100GE）。82资料来源：烽火通信公司官网、天风证券研究所请务必阅读正文之后的信息披露和免责申明5G网络网络网络设备之间依靠大量光纤光缆、

163、光模块连接网络设备之间依靠大量光纤光缆、光模块连接传输网设备也称为光传输设备，是将电信号转换为光信号，以激光的形式在光纤光缆中实现远距离传输。传输网设备也称为光传输设备，是将电信号转换为光信号，以激光的形式在光纤光缆中实现远距离传输。光纤光缆：光纤光缆：目前中长距离传播性价比最高的方式，核心成分是二氧化硅，由芯层和外包层构成，核心是光纤预制棒，经过拉丝等工序制备成光纤光缆产品。光模块：光模块：网络设备中处理的都是电信号，而光纤光缆中传输的是激光信号，光模块就是实现光电-电光转换的核心器件，在运营商网络以及数据中心等网络环节中均有大量使用，有不同传输距离、不同传输速率等多种细分型号产品。83资料

164、来源：飞速公司官网、天风证券研究所请务必阅读正文之后的信息披露和免责申明一级前传一级前传二级前传二级前传（中传中传）回传回传200G/400G200G/400G接入环接入环汇聚环汇聚环核心设备核心设备200G/400G200G/400G50G/100G50G/100G核心设备核心设备25G25G50G/100G50G/100G200G200G200G200G光网络设备光模块光纤光缆光纤光缆5G网络网络潜在的机遇：小基站、智慧杆塔潜在的机遇：小基站、智慧杆塔5G5G小基站数量大增：小基站数量大增：国内目前储备的5G频段包括6GHz以下（3.3-3.6GHz和4.8-5GHz）和6GHz以上（24

165、.75-27.5GHz、37-42.5GHz或其他毫米波频段）。相比主要部署在2.6GHz等频段的4G网络，5G使用的频段更高，网络覆盖能力、穿透能力更弱，需要引入小基站进行深度网络密集覆盖。搭载小基站的重要站点是智慧杆塔：搭载小基站的重要站点是智慧杆塔：小基站一部分通过吸顶天线等方式部署在室内，在人流密集的商区、办公区域等室外可以在路灯等站点进行部署，集成了小基站等功能的智慧杆塔迎来新机遇。84资料来源：千家综合布线网、晶宏照明官网、天风证券研究所请务必阅读正文之后的信息披露和免责申明5G应用应用Part#385请务必阅读正文之后的信息披露和免责申明5G应用应用物联网：感知、传输、平台、应用

166、构成四大层级物联网：感知、传输、平台、应用构成四大层级物联网（物联网（IoT）是实现万物互联的核心技术，它赋予物品以感知力、控制力和决策力，推动各类生活场景沿智能）是实现万物互联的核心技术，它赋予物品以感知力、控制力和决策力，推动各类生活场景沿智能化方向不断发展。化方向不断发展。物联网的主要应用领域包括智能家居、车联网、公共服务、智慧农业、智慧物流、智慧工业等，把过去独立割裂的终端融入网络体系，也可以创造大量新应用模式和商业模式。86资料来源：亿欧智库、天风证券研究所请务必阅读正文之后的信息披露和免责申明43%11%8%7%5%3%1%1%21%智慧家居车联网公共服务智慧农业智慧物流零售服务智

167、慧工业智慧医疗其他图：物联网的主要应用场景图：物联网的主要应用场景图：图：2020年中国物联网应用场景分布年中国物联网应用场景分布5G应用应用物联网：感知、传输、平台、应用构成四大层级物联网：感知、传输、平台、应用构成四大层级物联网简单来说就是将各类终端设备，赋予网络功能，增加远程控制、实时追踪等丰富的功能。以智慧家居中物联网简单来说就是将各类终端设备，赋予网络功能，增加远程控制、实时追踪等丰富的功能。以智慧家居中的空调场景为例：的空调场景为例：空调中配置温度、人体红外线等传感器，采集屋内温度、判断室内是否有人（感知层）；空调上再加装物联网无线传输模组，通过Wi-Fi等方式联网（传输层）；通过

168、手机APP以及背后的管理平台软件（平台层），可以用APP远程遥控、定时开关、离开房间自动关闭等（应用层）。87资料来源：亿欧智库、天风证券研究所请务必阅读正文之后的信息披露和免责申明图：物联网的主要应用场景图：物联网的主要应用场景5G应用应用物联网：百亿连接，万亿市场物联网：百亿连接，万亿市场物联网的商业模式很多跟连接数挂钩，比如感知和传输层按传感器、网络模组出货量收费；平台层按连接数量物联网的商业模式很多跟连接数挂钩，比如感知和传输层按传感器、网络模组出货量收费；平台层按连接数量收费；应用层按用户规模产生经济效益等。收费；应用层按用户规模产生经济效益等。GSMA预计到2025年，全球物联网设

169、备连接数将达到251亿个，全球物联网市场规模将达到1.1万亿美元。88资料来源：亿欧智库、天风证券研究所请务必阅读正文之后的信息披露和免责申明251亿80亿1.1万亿美元1.7万亿元2025年全球物联网设备连接数2025年中国物联网设备连接数2025年全球物联网市场规模2020年中国物联网市场规模图：物联网的市场规模及连接数量预测图：物联网的市场规模及连接数量预测72242512020E2021E2022E2023E2024E2025E图：图：2020-2025全球物联网设备连接数预测（单位：亿个）全球物联网设备连接数预测（单位：亿个）8989传感器是物和物之间得以相连的

170、起点，是将接收到的物理感知转化为电信号的基本枢纽。传感器是物和物之间得以相连的起点，是将接收到的物理感知转化为电信号的基本枢纽。传感器技术经过数十年的发展，已经能够将各种场景下大部分物理状态信息采集转化为电子信息系统可以处理的电信号。像温度、湿度、压力（重量）、气压（轮胎胎压）、光照强度、气体成分、指纹、面部识别、速度和位移等等，均可通过传感器进行采集感知。这些传感功能，与智慧家居、物流、车辆安全监测、节能环保、安防等下游场景密切配合，可以组合形成丰富的应用模式。结构型传感器：利用结构参量来对信号进行识别和转换固体传感器：利用特殊材料的特性识别信号，如半导体、磁性材料传感器等智能传感器：集合计

171、算机技术，对信号具备一定的检测、处理和自适应能力-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%汽车电子消费电子工业制造网络通信医疗其他环境中 国全 球491.3亿美元237.3亿美元269.2亿美元27%25%15%11%8%4%4%2%1%4%CISMEMSRF雷达传感器指纹传感器磁传感器3D传感器气体传感器光谱传感器其他图：传感器发展历程图：传感器发展历程图：图：2019年全球及中国传感器下游应用分布年全球及中国传感器下游应用分布图：全球传感器市场类

172、型分布图：全球传感器市场类型分布资料来源：中商产业研究院，前瞻产业研究院，赛迪顾问，天风证券研究所5G应用应用物联网：传感器物联网：传感器9090资料来源：前瞻产业研究院，天风证券研究所从发展趋势来看，未来传感器将继续沿着智能化、从发展趋势来看，未来传感器将继续沿着智能化、集成化、微型化的技术路径进行更新升级，更好适集成化、微型化的技术路径进行更新升级，更好适应物联网对于基础零件的性能要求，与物联网实现应物联网对于基础零件的性能要求，与物联网实现协同发展。协同发展。智能化是指通过在传感器中内置微处理器，或与人工智能技术相结合，令其具备自动检测、逻辑判断、数据存储等功能，具备一定的人工智能特性；

173、集成化则是在传感器中集成不同功能敏感元件，来达到同时检测不同类别信号的目的，从而对场景产生更加全面、准确的感知；微型化则是为了满足可穿戴设备等新型物联设备对于零件体积的要求，对传感器各个部件的尺寸进行微缩。MEMS传感器是传感器智能化、集成化、微型化发传感器是传感器智能化、集成化、微型化发展趋势下的集中代表。展趋势下的集中代表。MEMS即微机电系统，是一个独立的智能系统。MEMS集成了微传感器、微控制器、集成电路等结构，系统尺寸可达毫米级甚至更小，能够较好满足物联网应用中对传感器性能的要求。图：传感器未来发展趋势通过在传感器中内置微处理器，或与神经网络、模糊推理等人工智能技术相结合，令其具备自

174、动检测、逻辑判断、数据存储等功能，或具备一定的人工智能特性智能化智能化在传感器中集成温度、湿度、光线、压力等不同功能敏感元件，来达到同时检测不同类别信号的目的，从而对场景产生更加全面、准确的感知，实现对环境数据的综合监测集成化集成化满足可穿戴设备等新型物联设备对于零件体积的要求，对传感器各个部件的尺寸进行微缩，微电子技术、微机械工艺和超精密加工的发展助推传感器的微型化趋势微型化微型化5G应用应用物联网：传感器朝智能化、集成化、微型化趋势持续演进物联网：传感器朝智能化、集成化、微型化趋势持续演进9191物联网终端功能控制和实现的核心是物联网终端功能控制和实现的核心是MCU芯片。芯片。MCU也称为

175、单片机或微控制器，由CPU、存储器、各类端口等构成，是智能控制的核心部件，可以简单理解成一台微型电脑。传感器采集的信息、输入界面（按键、传感器采集的信息、输入界面（按键、APP遥控等）输入的命令等经过遥控等）输入的命令等经过MCU的分析和处理，再控制执行的分析和处理，再控制执行机构（电机、变频压缩机、音频设备等），实现物联网最终的功能。机构（电机、变频压缩机、音频设备等），实现物联网最终的功能。资料来源：ASPENCORE，国际电子商情公众号，天风证券研究所图：图：MCU可以看作是芯片级的计算机可以看作是芯片级的计算机图：图：2019年中国年中国MCU应用领域分布应用领域分布25.60%18.

176、40%16.20%15.30%11.20%13.30%消费电子计算机网络汽车电子智能卡工业控制其他5G应用应用物联网：感知层物联网：感知层MCU从市场规模来看，IC insights预测，2022年全球年全球MCU市场规模有望达到市场规模有望达到239亿美元亿美元，出货量有望达到438亿个，2020年全球市场规模在207亿美元左右。国内方面，前瞻产业研究院预测，2018-2023年，中国年，中国MCU市场将维持市场将维持12%的的CAGR增长，增长，2023年市场规模或将突破年市场规模或将突破540亿亿元。元。从平均售价来看，2015年以来MCU单价整体呈现下降态势，2015年全球MCU单价约

177、为0.72美元，2020年为0.57美元，价格降幅约为21%。9292资料来源：IC insights，前瞻产业研究院，天风证券研究所图：2015-2022年全球MCU市场规模与出货量情况及预测159.45150168.42186.15203.57206.92220.77238.75-10%-5%0%5%10%15%05003003504004505002001820192020E2021E2022E全球MCU市场规模（亿美元）全球出货量（亿个）市场规模YOY30734438543200300400500201820192020

178、E2021E2022E2023E图：2018-2023年中国MCU市场规模及预测（单位：亿元）0.500.550.600.650.700.752001820192020E2021E2022E图：2015-2022年全球MCU单价变化趋势（单位：美元）5G应用应用物联网：物联网：MCU市场规模稳步增长市场规模稳步增长9393资料来源：ittbank公众号，翱捷科技招股书，天风证券研究所按功能分类，通信芯片主要包含基带芯片和射频芯片两大类。基带芯片对基带信号进行解码或合成后，再由射频芯片对信号进行频率调制按功能分类，通信芯片主要包含基带芯片和射频芯片两大类。基带芯片对基带信号

179、进行解码或合成后，再由射频芯片对信号进行频率调制和发射，来满足信号的工作频率要求。和发射，来满足信号的工作频率要求。从结构来看，基带芯片主要CPU处理器、信道编码器、数字信号处理器、调制解调器和接口模块五个部分组成，射频芯片的结构则包括功率放大器、低噪声放大器和天线开关等。按不同的通信制式分类，通信芯片还可分为蜂窝基带芯片、按不同的通信制式分类，通信芯片还可分为蜂窝基带芯片、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，蜂窝芯芯片，其中，按照支持的最高通信制式，蜂窝芯片可以细分为片可以细分为4G芯片、芯片、5G芯片、芯片、NB-IoT芯片等。不同类别芯片之

180、间并非是完全的技术迭代或替代关系，而是适用于不同的应用场景。芯片等。不同类别芯片之间并非是完全的技术迭代或替代关系，而是适用于不同的应用场景。工信部 2020 年 5 月发布的关于深入推进移动物联网全面发展的通知确立了以 LTE-Cat1满足中等速率物联需求和话音需求，以 5G 技术满足更高速率、低时延联网需求的发展目标。图：基带芯片与射频芯片的工作原理示意图图：按不同通信制式分类的通信芯片蜂窝基带芯片蜂窝基带芯片GNSS芯片芯片LoRa芯片芯片WiFi芯片芯片5G应用应用物联网：感知层的基带芯片物联网：感知层的基带芯片9494资料来源：翱捷科技招股书，天风证券研究所根据根据Strategy

181、Analytics 的数据，的数据，2019 年全球基带芯片市场规模为年全球基带芯片市场规模为 209 亿美元，亿美元，2012-2019 年间的复合增长率为年间的复合增长率为 5.42%，保持平稳增长。，保持平稳增长。WiFi芯片方面，根据芯片方面，根据 Markets and Markets，2020 年，年，WiFi芯片市场规模已达到芯片市场规模已达到 197 亿美元；亿美元；LoRa芯片方面，根据物联传媒，芯片方面，根据物联传媒，2019 年中年中国国 LoRa 终端芯片市场规模为终端芯片市场规模为 112.5 亿元。亿元。其中，蜂窝基带芯片的主要应用领域有移动终端和无线模组两个大类，

182、而中国是这两个领域的主要市场。根据Counterpoint和IoT Analytics的统计，2020年，全球手机出货结构中国内企业占比约为49%，2019年，全球无线模组市场结构中国内企业占比则超过半数达到55%，中国成为基带芯片最主要的应用市场。表：各通信芯片市场规模及应用场景蜂窝基带芯片蜂窝基带芯片WiFiWiFi芯片芯片LoRaLoRa芯片芯片GNSSGNSS芯片芯片市场规模市场规模2019 年全球基带芯片市场规模为 209 209 亿美元亿美元，2012-2019 年间的复合增长率为 5.42%5.42%2020 年全球WiFi芯片市场规模达到 197 197 亿美元亿美元，预计 2

183、026 年将增长至 252252亿美元亿美元，2021 年至 2026 年预计CAGR达 4.2%4.2%2019 年中国 LoRa 终端芯片市场规模为 112.5 112.5 亿元亿元，预计至2023 年将达到 360 360 亿元亿元，市场规模年复合增长率达 33.75%33.75%2020年中国与卫星导航技术研发和应用直接相关的芯片、器件、算法等在内的产业核心产值达1,295 1,295 亿元亿元应用领域应用领域适用于手机、无线模组、车联网、智慧城市等场景适用于智能支付、智慧安防、智能家居等场景适用于智能表计、工业物联网、智慧安防等场景适用于智能可穿戴设备、车联网、工业物联网、手机等场景

184、图：中国企业在手机市场占有率较高图：2020年全球无线模组市占率中国企业约为55%5G应用应用物联网：基带芯片达百亿美元市场规模，中国是蜂窝基带的主要市物联网：基带芯片达百亿美元市场规模，中国是蜂窝基带的主要市场场9595物联网的传输层以无线传输为主，按照传输距离的不同，无线传输又可以分为局域网（物联网的传输层以无线传输为主，按照传输距离的不同，无线传输又可以分为局域网（LAN）和广域网）和广域网（LPWAN）两种。）两种。局域网包括人们较为熟知的蓝牙、WiFi等，其特点是通信距离相对较短，一般在200米范围以内，适合于室内、低移动性场景（智慧家居、智能仓库等）。广域网包括NB-IoT、Sig

185、fox等，其特点是通信范围大，可以达到15km以上，适合于大范围、移动性场景（车联网、物流跟踪、资产定位等）。资料来源：亿欧智库，天风证券研究所表表：各类：各类通信技术特性不同，应用于日常工作生活生产通信技术特性不同，应用于日常工作生活生产名称通信技术传输速度通信距离成本是否授权优点缺点局域网蓝牙1Mbps20-200m2-5美元否组网简单、低功耗、低延迟、安全距离较低、传输数据量小WiFi11-54Mbps20-200m约25美元否应用广泛、传输速度快、距离远设置麻烦、功耗高、成本高Zigbee20-250bps2-20m约20美元否低功耗、自组网、低复杂度、可靠传输范围小、速率低、时延不确

186、定广域网LoRa小于10kbps城内1-2km城外大于15km约5美元否低成本、电池寿命长、广连接，通信不频繁非授权频段Sigfox小于100bps3-10km低于1美元否传输速率低，成本低，范围广，技术简单数据传输量小，非授权频段，相对封闭NB-IoT小于200kbps大于15km约5美元是高可靠、传输数据量大、低时延、广覆盖成本高、协议复杂，电池耗电大eMTC小于1Mbps-约10美元是低功耗、海量连接、高速率、可移动模块成本高5G应用应用物联网：传输网络物联网：传输网络而根据传输速率的不同，物联网业务可分为高速率、中速率及低速率业务。而根据传输速率的不同，物联网业务可分为高速率、中速率及

187、低速率业务。其中，高速率高速率业务主要使用3G、4G 及WiFi技术，可应用于视频监控、车载导航等场景；中速率中速率业务主要使用蓝牙、eMTC等技术，可应用于智能家居、储物柜等高频使用场景；低速率业务低速率业务，即LPWAN(低功耗广域网)，主要使用NB-IoT、LoRa、Sigfox及ZigBee等技术，可能应用于智慧停车、远程抄表智慧停车、远程抄表等使用频次低的应用场景。全球物联网市场有大约全球物联网市场有大约60%以上都属于低速率业务以上都属于低速率业务，这类应用需要具有支持海量连接数、低终端成本、低终端功耗和超强覆盖等能力。由于自身的发展以及成本等问题，各个企业都在向低成本、低功耗等方

188、向发展。而在低速率领域，中国主要以发展NB-IoT（窄带物联网）为主。9696资料来源：麦肯锡咨询，亿欧智库，天风证券研究所图：通信技术分为中低高速率图：通信技术分为中低高速率图：图：不同通信网络的性能特点不同通信网络的性能特点5G应用应用物联网：低速率场景更多，高速率价值量较高物联网：低速率场景更多，高速率价值量较高9797资料来源：智研咨询，有方科技官网，天风证券研究所无线模组是将芯片、存储器等电子器件集成于电路板上的模块化组件，是实现设备联网的基础枢纽。无线模组是将芯片、存储器等电子器件集成于电路板上的模块化组件，是实现设备联网的基础枢纽。依据网络制式的不同，无线模组主要可以分为4G模组

189、、5G模组、NB-IoT模组等，依据应用场景的不同，无线模组也可以分为智能模组和车规级模组等。无线模组是连接上游芯片与下游终端的枢纽，起到承上启下的作用。一方面，芯片技术壁垒虽然高，但与下游物联网应用距离远，无法深入涉足下游；另一方面，下游终端技术能力有限，难以较好满足物联网各个场景下对部件的定制化需求。因此，无线模组在物联网产业链因此，无线模组在物联网产业链中起着重要的衔接作用中起着重要的衔接作用，满足着不同场景下对于模组的定制化需求。图：不同的无线模组类别上上 游游 芯芯 片片下下 游游 终终 端端中中 游游 模模 组组技术壁垒高，利润空间高，向下游整合缺乏收益，难以深入涉足下游碎片化特性

190、下技术整合能力不足，向上整合存在壁垒技术支持：技术支持：通信技术、信号处理技术等；场景定制：场景定制：满足不同领域的定制需求；配套开发：配套开发：底层协议、微操作系统等技术支持能力技术支持能力配套开发配套开发能力能力场景定制场景定制能力能力5G应用应用物联网：传输的核心，无线模组物联网：传输的核心，无线模组硬件端具备物联网能力后，需要平台实现整个网络和应用的具体实现。平台按功能类型大致可以分为硬件端具备物联网能力后，需要平台实现整个网络和应用的具体实现。平台按功能类型大致可以分为4类，类，实际上很多通用化平台兼具多个功能。实际上很多通用化平台兼具多个功能。1）CMP/DMP管理平台：管理平台：

191、设备连接的管理。举个例子，买一个扫地机器人，回家开机激活，与手机APP绑定等，这些都是通过管理平台实现。2）AEP应用使能平台：应用使能平台：很多传统公司（比如插排工厂），想升级成物联网遥控插排，但是没有相应的技术人员，他们就可以付费使用AEP平台，AEP平台上汇聚了很多物联网解决方案，插排工厂在平台上设置产品参数（有几个插孔）、功能模块（手机控制开关、定时开关等），就可以直接生成需要的物联网功能。3）BAP业务分析平台：业务分析平台：物联网采集了大量用户数据，有专门的平台来分析用户数据，通过大数据让设备的功能更加智能，也可以通过对用户习惯的分析做定制化营销等等拓展功能（比如智能门锁给老年人用

192、，每天都开门，突然一整天都没出门，就给家人报警是不是摔倒了等）。9898资料来源：亿欧智库，阿里云官网，天风证券研究所图：图：物联网平台层的四大平台物联网平台层的四大平台CMP连接管理平台连接管理平台DMP设备管理平台设备管理平台AEP应用使能平台应用使能平台BAP业务分析平台业务分析平台对物联网进行连接管理、对物联网进行连接管理、故障管理、资费管理等故障管理、资费管理等对数据进行采集分析和处对数据进行采集分析和处理，包含大数据服务和机理，包含大数据服务和机器学习两大功能器学习两大功能结合应用场景的系统开发结合应用场景的系统开发平台，能够对物联网应用平台，能够对物联网应用进行快速开发和部署进行

193、快速开发和部署对物联网终端进行远程监对物联网终端进行远程监控、软件升级等，帮助客控、软件升级等，帮助客户进行集成和开发等户进行集成和开发等5G应用应用物联网：平台层，计费、开通、应用实现、后端数据管理等物联网：平台层，计费、开通、应用实现、后端数据管理等9999车联网将汽车进化为另一个移动的智能终端。车联网将汽车进化为另一个移动的智能终端。未来智能互联化是一个不可逆转的趋势，生活中常用的物品都在逐渐联网化，目前手机已成为人们出行携带的一个智能终端，汽车过去仅作为一项出行工具使用。而车联网的应用可以将汽车进化为另一个智能终端，提供包括导航、娱乐、通讯、移动金融服务等功能应用，赋能汽车。图：车联网

194、的构成与应用图：车联网的构成与应用资料来源：阿里云数据库，天风证券研究所5G应用应用车联网：将汽车进化为移动的智能终端车联网：将汽车进化为移动的智能终端100100疫情改变了人们很多的工作、生活模式，其中“混合”办公就是其中最为常见的一种。混合办公，是疫情之后，出现的一种全新的办公模式，采用的时而远程、时而坐班的通勤形式。诸多企业也在探索永久混合办公可行方式，不少的互联网等高科技企业对混合办公情有独钟，主动拥抱混合办公，甚至是推行永久混合办公。混合办公所带来的趋势变化是显而易见的，从个人的使用习惯养成，到企业加强自身管理，使得现在的混合办公模式已经变得越来越成熟，越来越多的企业成功案例，已经让

195、大家看到混合办公所带来的办公趋势变化。趋势一：随时随地办公推动办公场所转型；趋势二：人工智能和云服务应用更加普遍；趋势三：办公场景将更加灵活；趋势四：技术投资以“员工为核心”。资料来源：Yealink亿联网络公众号、Poly博诣公众号、亿联网络公司官网，天风证券研究所5G应用应用混合办公：全球办公趋势之一，大厂争相入局混合办公：全球办公趋势之一，大厂争相入局1011015G消息是信息服务创新发展的新路径，我国移动短消息业务已经有20多年的发展历史，随着移动互联网提速和互联网应用的发展，短消息从人与人沟通的主要方式，变化为目前的密码认证方式、营销推广渠道。5G消息的出现正是短消息业务创新的一次探

196、索，在保持用户原有通信习惯、充分继承电信业务的码号体系、实名制、安全性、互联互通，以及电信级服务质量和用户规模的基础上，将为信息服务业务的创新发展提供新的可能。相较于传统短信，5G消息突破了对信息长度和内容格式的限制，支持文本、图片、音频、视频、位置、联系人和文档等多种媒体形式；相较于互联网即时消息应用，5G消息可以帮助企业触达互联网即时消息服务不能覆盖的人群，避免互联网生态对手间的功能限制、无差别的为各类企业提供平等的业务能力；同时，5G消息还将行业短信从单向通知延展为多重交互，使其能承载更多的应用和功能。资料来源：中国信通院，天风证券研究所5G应用应用5G消息：信息服务创新发展的新路径，多

197、重交互承载更多应用和功能消息：信息服务创新发展的新路径，多重交互承载更多应用和功能通信通信+Part#4102请务必阅读正文之后的信息披露和免责申明103103全球风电装机容量持续快速增长。根据GWEC数据，2020年全球风电新增装机容量为93GW，其中陆风86.9GW，海风6.1GW,2016-2020年全球风电装机容量CAGR约为14%。同时海风建设的占比正逐渐增长，2001-2009年为海风建设初期，占比仅为约1%，此后快速发展，至2017-2020年达到7%-10%。中国与欧洲是海风建设主力军。根据GWEC发布的2021全球海上风电报告数据显示，中国在2020年实现了3GW以上的海上风

198、电新增并网，连续第三年成为全球最大的海上风电市场。欧洲市场保持稳定增长，荷兰以近1.5GW的新增装机排在全球第二位，比利时位列第三（706 MW）；存量海风装机方面，中国也逐渐追赶英国的海上风电霸主地位，截止2020年中国占全球海上风电整体装机量为28.3%，落后英国仅为0.6%。资料来源：阿里云数据库，天风证券研究所“通信“通信+”通信与能源的共振通信与能源的共振：海风海风&海缆海缆104104海缆位于海上风电产业链中游。海上风电产业链上游主要是叶片材料如纤维、树脂等，中游为风电机组安装，风电机组安装包括轴承、齿轮箱、控制系统、发电机等，海缆属于风电机组一部分，一部分为风场风机阵列缆，一部分

199、为风场向陆地传输电力的送出缆。下游则是风电运营及维护。海底电缆作为电力传输通道。海底电缆是指在深海底敷设的电力电缆，由于海底环境较为复杂，海底电缆需要面临潮汐、冲刷、地震等干扰，需保证高质量安全可靠。资料来源：阿里云数据库，天风证券研究所“通信“通信+”通信与能源的共振通信与能源的共振：海风海风&海缆海缆105105海缆行业壁垒高，新晋企业难以抢占份额。海缆的特性决定了进入海缆行业门槛高，1.地理位置：海缆企业运输需要，须临近港口，且需要配上接驳的码头，目前万吨级别码头资源有限；2.技术门槛：由于海底特殊的环境，海缆系统对于技术指标的要求非常高；3.资金门槛；4.品牌/业绩门槛：海缆招标通常需

200、要投标人近3年具有至少1个220kV及以上电压等级的海缆敷设工程业绩。中天科技与亨通光电涉及风机海工业务。对比各公司海洋业务板块的差异性，可以发现中天科技与亨通光电的业务涉及海缆敷设，风机安装、运维等业务，而东方电缆、宝胜股份、汉缆股份以及起帆电缆业务仅为提供电缆产品及其敷设安装。资料来源：阿里云数据库，天风证券研究所“通信“通信+”通信与能源的共振通信与能源的共振：海风海风&海缆海缆106106回顾2022年，光伏&储能如火如荼，通信行业亦涌现出诸多优秀企业进行该业务布局。如润建股份、科华数据等。润建股份：依托电力行业的技术底蕴和积累，将传统自动化技术及 5G、AI、物联网、大数据、云计算等

201、现代新技术融合，全面布局能源网络，打造“发电-输电-配电-储能-用电-云服务”全流程、全专业的技术服务能力，为客户提供能源设计、能源基建、能源运维、能源安全与能效提升、能源增值服务一体化能源网络管维解决方案，助力新型电力系统的构建与“双碳目标”的实现。科华数据：经过35年深厚的电力电子技术积累，持续大规模的研发投入，科华数能高可靠光储解决方案在各大场景中成熟应用。目前，公司已拥有自主知识产权的全系列光储产品，并占据行业领先的市场份额。资料来源：润建股份官网、科华数据官网、天风证券研究所“通信“通信+”通信与能源的共振通信与能源的共振：光伏：光伏&储能储能1071071、5G产业和商用进度低于预

202、期：5G产业商用进度低于预期，如运营商资本开支下滑会导致5G网络建设进度不及预期，对通信行业整体造成影响。2、ChatGPT发展低于预期的风险：GPT持续迭代，存在技术发展不及预期的可能性，导致整体行业发展进度放缓。3、ChatGPT政策监管的风险：存在政府政策管控ChatGPT发展，规范化发展对整体推进节奏的影响。4、下游应用推广不及预期：ChatGPT在下游应用场景的拓展正在探索中，存在下游应用推广不及预期，导致推理需求不及预期，减少服务器需求的风险5、行业竞争加剧，价格和盈利能力下降的风险：存在进入行业的厂商增加，价格竞争使得盈利能力下降的风险。6、人才及技术更新风险：部分行业具备高壁垒

203、、高投入特点，若相关企业不能保持人才及技术优势，产品迭代、性能突破可能受阻。资料来源：天风证券研究所风险提示：风险提示：THANKS108109请务必阅读正文之后的信息披露和免责申明股票投资评级自报告日后的6个月内，相对同期沪深300指数的涨跌幅行业投资评级自报告日后的6个月内，相对同期沪深300指数的涨跌幅买入预期股价相对收益20%以上增持预期股价相对收益10%-20%持有预期股价相对收益-10%-10%卖出预期股价相对收益-10%以下强于大市预期行业指数涨幅5%以上中性预期行业指数涨幅-5%-5%弱于大市预期行业指数涨幅-5%以下投资评级声明投资评级声明类别类别说明说明评级评级体系体系分析

204、师声明分析师声明本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告所表述的所有观点均准确地反映了我们对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与，不与，也将不会与本报告中的具体投资建议或观点有直接或间接联系。一般声明一般声明除非另有规定，本报告中的所有材料版权均属天风证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）及其附属机构（以下统称“天风证券”）。未经天风证券事先书面授权，不得以任何方式修改、发送或者复制本报告及其所包含的材料、内容。所有本报告中使用的商标、服务标识及标记均为天风证券的商标、服务标识及标记。本报告

205、是机密的，仅供我们的客户使用，天风证券不因收件人收到本报告而视其为天风证券的客户。本报告中的信息均来源于我们认为可靠的已公开资料，但天风证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供客户参考，不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，天风证券及/或其关联人员均不承担任何法律责任

206、。本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，天风证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。天风证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。天风证券没有将此意见及建议向报告所有接收者进行更新的义务。天风证券的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。特别声明特别声明在法律许可的情况下，天风证券可能会持有本报告中提及公司所发行的证券并进行交易，也可能为这些公司提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。因此，投资者应当考虑到天风证券及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突，投资者请勿将本报告视为投资或其他决定的唯一参考依据。