趋势明确与基本面回暖下的通信策略

SAC NO:S1120523090003 证券研究报告 请仔细阅读在本报告尾部的重要法律声明 一、大势研判：积极因素累积 A股：TMT底部修复，市场情绪关注点 整体营收与ROE稳定回升，季度毛利率有所下滑，市场情绪拉动PE快速回升。图：TMT核心财务指标 坚实牢固的政策底 国内宏观经济政策持续有力，预计宏观调控的政策工具包还会不断丰富完善。实际经济指标转暖及改善程度待观察。内部政策导向确定性与一致性下，预计市场信心缓慢修复。 房地产政策 高度重视的科技 中国政府高度重视科技产业发展，科技产业政策目标明确：瞄准人工智能、量子信息、集成电路、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目。采取基础研究与科技应用并举的方式，除了政府会加大力度实施国家重大科技项目及建设科研中心外，企业进行科研也会有更多税收等财政政策支持。 重新定位的资本 大胆资本 耐心资本 降低子基金返投认定和要求，对于种子和天使等初早期基金，探索取消返投时序进度 保险公司、资产管理机构等资金进入一二级市场，VC/PE基金投资周期拉长 国际资本 产业资本 面向CVC（企业风险投资）机构的专业化母基金，联合产业龙头、上市公司等共同出资设立“链主”基金，推动重点产业“补链强链延链” 中国内地与中国香港共同设立创投基金，扩大银行保险领域外资金融机构准入 积极活跃的并购 并购6条落地，并购市场成为上市公司产业整合或转型的重要途径：9月24日发布《关于深化上市公司并购重组市场改革的意见》，支持上市公司注入优质资产、提升投资价值。9月24日至10月20日，A股市场52家上市公司披露了资产重组相关公告，涉及能源、船舶、医药、半导体、设备制造等多个领域。经济发展的驱动模式已发生转变，从过去的数量型发展进入质量型驱动关键阶段，并购重组是实现产业整合和转型升级、优化资源配置、助力上市公司实现高质量发展的重要途径。 二、科技行业：基本面回暖确定 大宗电子消费品需求反转 新一轮换机周期的到来使得市场需求持续向好：数据公司（IDC）最新手机季度跟踪报告显示，2024年第三季度，中国智能手机市场出货量约6,878万台，同比增长3.2%，连续四个季度保持同比增长。 根据canalys数据，2024年第2季度全球PC出货量持续恢复增长，出货量同比增加3%，全球PC市场持续回暖。 芯片出口恢复高速增长 芯片为代表的高科技产品出口高速增长：根据海关总署发布的统计数据，2024年前8个月，我国集成电路出口总额达到1035.4亿美元，同比增长10.5%，在出口的重点商品中，增幅仅次于船舶；出口累计数据已连续8个月保持双位数增长，摆脱连续两年进出口下滑态势。以芯片为代表的顶尖科技竞争力持续提升：2024年1-8月中国集成电路出口均价为0.54美元/个，我国集成电路出口均价稳步提升，代表我国集成电路全球市场竞争力持续增强。 龙头公司开支持续高涨 2024年上半年，中国电信资本开支472亿元，2024年预计占收比降至20%以内，结构中向产业数字化占上半年资本开支34%，同比增长5.6pct，新增智算规模10EFLOPS。2024年上半年，中国联通资本开支总额约239亿元，同比下滑13.4%，全网智算算力达10EFLOPS， 通算算力快速增长，打造上海、呼和浩特万卡智算中心。 2024年上半年，中国移动资本开支总额约640亿元，智算算力同比增长9.5EFLOPS。 三、产业趋势 产业趋势：人工智能崛起 大模型能力爆发，模型算法+基础设施投资需要持续加大 人类有望进入AGI（通用人工智能）时代 以GPT为代表的AI大模型能力突出，AI技术的不断进步使得数据处理和分析的效率大幅提升。深度学习的两大驱动力：提升硬件算力和模型，通过更多的层和非线性计算增加非线性能力的演进，持续带动模型算法及硬件研发投资加大。 AI大模型成为人工智能迈向通用智能的里程碑技术。基于数据的互联网时代和基于算力的云计算时代之后，我们将进入基于大模型的AI时代。AI大模型的落地应用使得AI的三要素由“数据、算法、算力”演变为“场景、产品、算力”。 产业趋势：新技术萌芽期，底层创新 摩尔定律、多核高主频架构、软件并行加速等计算技术固有升级驱动力先后面临发展瓶颈，计算技术升级趋势逐渐放缓。 新材料：III-V、SiGe、SOI、MEMS等新架构：硅光子、CPO、RISC-V、存算一体、光计算、chiplet新封装：3D封装、AiP封装新装备：光刻机、检测设备等新软件：EDA到PDA 计算需求的增速远超摩尔定律，数据总量激增：进入Z字节时代，海量数据隐藏着巨大价值，实现前提就是具备分析计算能力。 类型多样：由结构化向非结构化及不规则/定制演进。 资料来源：信通院，华西证券研究所 产业趋势：三个“安全”愈加重要 产业链供应链安全：关键核心技术和关键零部件的自主研发，技术自立自强。 国防军事安全：打造强大战略威慑力量体系，增加新域新质作战力量比重，军工行业将向着更加全面、更多维度方向发展。 网络信息安全：网络安全作为网络强国、数字中国的底座，将在未来的发展中承担托底的重担，是现代化产业体系中不可或缺的部分。 四、重点投资方向 重点方向：人工智能基础设施依旧是未来一段时间投资重点 从2012到现在，深度神经网络的使用呈爆炸式增长，进展惊人。 当前人工智能等新一代信息技术仍处在与经济社会各领域加速渗透融合的阶段，以大模型技术为代表的新兴技术更进一步抬高了人工智能研发与应用中对算力的需求，成为推动算力投资的新引擎，将进一步延续甚至增强IT投资增长趋势。 我们认为，目前依旧倾向于首先投资硬件基础设施，中国人工智能支出中硬件占比将保持最大，未来5年将一直保持65%左右的份额。AI应用爆发拐点仍需跟踪。图：中国人工智能支出中硬件、软件、服务占比及趋势 重点方向：卫星互联网，新基建之一，处于行业加速期 通信卫星制造：低轨卫星数量预期发射量较大，卫星及星载核心硬件最先受益。通信卫星和有效载荷是通信转发器和天线（相控阵天线和固定多波束天线），Ka频段高通量卫星需求带动下，相控阵天线具备规模经济优势。 导航应用方面：由于北斗三号北斗卫星组网已经完成，北斗三号终端有望加速渗透尤其是军工市场，相关具备芯片能力的上市公司有望受益，相关受益标的包括海格通信、华力创通、北斗星通等。 卫星通信应用方面：地面接收硬件终端（卫星接收天线、手持终端等）以及应用服务。尤其是服务高通量卫星之前卫通通信领域多用于应急、航海、航空的等专业高价值领域，相关上市公司包括海格通信、华力创通、盛洋科技等。 重点方向：低空经济，新质生产力，政策加速落地 目前感知网络的产业链及建设进度还未明确，且覆盖成本还需要通信覆盖来率先补贴，相关产业链具备较好的发展机遇。 1）5G-A通感一体化带来通信天线及毫米波产业链应用延伸；2）低空经济的发展带来无线通信技术空间上的延伸带动短波超短波、无线中继组网等产业链；3）卫星通信作为低空飞行器重要的补充通信方式，随着国内低轨卫星的发射组网逐渐成熟，低空经济有望成为低轨卫星通信的重要落地应用场景；4）异构多传感器提供多维度环境信息，保障飞行安全：低空飞信器的感知域主要由摄像头、毫米波雷达、激光雷达、全球导航卫星系统（GNSS）+惯性测量单元（IMU）等模块组成，相关产业链与智能驾驶产业链高度重合。 重点方向：智能制造，带动ICT产业链新需求 针对不同场景的需求共性进行分析归纳，输出了5G重点场景两大类解决方案，同时对各类场景规模化时间、行业整体规模进行预测。 重点解决方案：智能监控、工业机器视觉、云化AGV、数据采集（工业传感）、工业AR。 长期目标：无线云化PLC控制及云化机器人控制两个场景仍需要实验室去开展相关研究及验证工作 附：未来一些有机会的子板块分析及标的 01AI：算力、运力、存力 计算存储网络，缺一不可：算力问题之所以成为行业头疼的难题，是因为当前大模型需要万亿参数时代，单体AI服务器算力有限，需要将大量AI服务器、存储系统通过高性能网络相连，打造大规模算力集群。 因此用上了先进芯片并不代表就拥有了先进算力，高性能计算存在“木桶效应”，一旦计算、存储、网络任一环节出现瓶颈，就会导致运算速度严重下降。 AI：算力-芯片 AI市场大量产业价值最终流向底层基础设施，包括云厂商和芯片硬件厂商等：无论是训练模型的模型提供商和科研实验室、执行推理微调的托管公司或者自建模型的应用程序公司，对底层计算的需求都需要通过云托管的GPU或TPU等来实现。 应用程序公司平均将约20-40%的年收入用于推理和定制化微调，这部分通常直接支付给云厂商或第三方模型提供商，而模型提供商也需要将50%左右的收入继续投入到云基础设施中。硬件厂商包括英伟达A100/H100、谷歌 TPU、AMD Instinct GPU、AWSInferentia和Trainium芯片、英特尔的Havana和Ponte Vecchio GPU。国内方面，训练芯片包括华为昇腾、百度昆仑、寒武纪、天数智芯、沐曦科技等云端训练芯片。 AI：运力—光网络（光模块->CPO->OIO） 大规模的无阻塞网络是构建AI大模型的基础设施：面对千亿、万亿参数规模的大模型训练，仅仅是单次计算迭代内梯度同步需要的通信量就达到了百GB量级。此外还有各种并行模式、加速框架引入的通信需求，使得传统低速网络的带宽远远无法支撑GPU集群的高效计算。因此要充分发挥GPU计算资源的强大算力，必须构建一个全新的高性能网络底座，用高速网络的大带宽来助推整个集群计算的高效率。大规模AI训练集群架构中，GPU之间的通信实际上由多种形式的网络来承载的：机间网络（网卡+交换机）与机内网 络（NVLink/NVSwitch网络、PCIe总线网络）。 AI：存力-存储 AI工作负载对存储架构具有重大影响：由于GPU的并行处理能力和绝对密度，从基于磁盘的系统读取训练数据是最常见的瓶颈之一。存储子系统的设计要减少I/O瓶颈，从而充分发挥专用计算硬件（如GPU）的投资价值。存储层面，几千台计算节点同时读取一批数据集，需要尽可能缩短加载时长。 要减少GPU空闲时间，使用固态阵列或驱动器或其他形式的非易失性存储器来优化预处理管道。由于在训练阶段摄入的数据量很大，最好是将这些数据集存储到共享存储器中，这样企业就可以单独扩展计算和存储环境。NVMeSSD可以缓解与神经网络相关的低带宽和高延迟问题。 产业变化：存储全闪存化、存储网络化：随着机械硬盘向全闪存升级，存储介质的读写性能提升了百倍。PCIe+NVMe作为SSD主流方案持续高增，验证技术路线逻辑。全闪存具有更高的可管理性和可维护性，同时，固态硬盘的尺寸正变得更加灵活，通常可提供多种长度、宽度和高度选项。 AI：辅助-散热 伴随单机柜功率的不断提升，传统风冷系统也逐渐无法满足散热需求，或相应更加节能高效的散热技术方案逐渐铺开：从早期的封闭冷/热通道、机柜循环制冷、热风抽取冷却、到背板热交换、间接蒸发冷却，再到液冷方案中的喷淋液冷、冷板液冷以及浸没液冷。冷服务器生态初步形成，大多以间接冷板为主。浸没式液冷考虑其对服务器主板等技术革新需求以及下游厂商机房业务部署的差异性，规模化起量仍需要时间。 目前国内液冷服务器厂商主要包括华为、曙光、神威蓝光、浪潮等，海外液冷服务器厂商包括戴尔、惠普、思科、SGI、BULL、Cray、富士康、超微、Nortech（浪潮合作）、Iceotop等。此外，相关产业链中，海外产业化液 冷 方 案 制 造 商 包 括Coolit和Asetek（生 产 液 冷 配 件厂）、Dynatron、K-computer；直接式 液冷 方案包括GreenRevolutionCooling和3M（制冷液）等。国内相