AI算力跟踪深度（四）：怎么看算力的天花板和成长性？

证券分析师：张良卫执业证书编号：S0600516070001联系邮箱：zhanglw@dwzq.com.cn联系电话：021-60199793 证券分析师：李博韦执业证书编号：S0600525070006联系邮箱：libw@dwzq.com.cn 2025年10月15日 我们认为AI产业的天花板、变现性、成长性、产业链友好度等是稀缺的，从宏观到微观进行对比分析，我们认为主要有以下几点因素： 1、行业天花板更高：AI的产出是可乘数放大的“智能”，由“算力—模型—应用—数据”飞轮驱动，OpenRouter等平台Token调用量呈指数级增长；对比通信流量的“加法式”增长与频谱/站址等物理边界，AI的可拓展空间显著更大，AI在各行业重构流程并催生新价值链与新市场，行业天花板由可被智能化的任务空间决定而非人口、设备数等底层数字。 2、见效更快：4G/5G“先覆盖后变现”的工程属性与ARPU增速受限导致回本周期达数年；AI模型、算力投入后可即插即用，并不断迭代满足新需求、新场景，进行滚动式兑现。 3、硬件迭代更快，优化价格、需求周期：AI算力“年更+软硬协同”的高频迭代，在12–18个月内刷新单位算力成本并催生新需求，从而在价格下行之前就以“更高代际的价值锚”重定价，打破了传统硬件的量价周期。当算力更便宜、更易得时，开发者会把更复杂的模型与系统作为新基准，提升参数量、上下文与并行度。模型架构的迭代有机会减小单次推理、训练所需算力，而AI产业发展过程中杰文斯悖论将演绎很多次，如Genie 3等生成视频的世界模型，或需要跨数量级提升的算力才可满足。 投资建议：我们认为AI算力更高的天花板与更好的竞争格局支撑起AI算力相对4G/5G的更高估值框架与更强Beta，相关标的——光互连：中际旭创，新易盛，天孚通信，光库科技，长芯博创，仕佳光子，源杰科技，长光华芯，太辰光；交换机：锐捷网络，盛科通信；铜互连：兆龙互连，中际旭创。 风险提示：AI算力需求不及预期；客户处份额不及预期；产品研发落地不及预期；行业竞争加剧。 AI的天花板与飞轮不一样 AI算力以更快的技术迭代，优化价格与需求周期 投资建议及风险提示 一、AI的天花板与飞轮不一样 1.1 AI具有更高的天花板 •AI算力呈“乘法式”扩张，行业天花板与技术迭代速度显著更高；4G/5G呈“加法式”增长、受物理边界约束。 •5G的需求与可部署资源和连接总量高度相关，受频谱、站址、覆盖半径、功耗等硬约束影响，收入结构本质上由基建CAPEX与运营服务收入相加决定，边界受人口与设备密度限制。 •AI的核心产出是“智能”，作为生产要素与数据、劳动力、资本相乘提升全要素生产率，算力需求由模型规模、上下文长度、多模态维度与推理负载共同驱动，能力提升与单位算力成本下行形成“算力-模型-应用-数据”正反馈飞轮，带来指数级模型复杂度与场景渗透。 •横向对比流量消耗量与token消耗量，从13年开始的4G时代到当前的5G时代，流量消耗量CAGR（2013-2024年）约61.1%，而token消耗量则呈指数级增长，以openrouter平台为例，过去一年即增长约28倍。 •AI在各行业重构流程并催生新价值链与新市场，行业天花板由可被智能化的任务空间决定而非人口与设备数，概念上更接近无界；5G的连接上限虽高，但受频谱资源和物理部署所框定。中国移动互联网流量消耗量（亿GB）openrouter平台token消耗量（T） •基础设施端，受“可计算的连接上限”约束，4G/5G呈现明显的周期特性。 •从国内三大运营商资本开支轨迹可见，4G推进期（约2013–2016）CAPEX阶梯上行并在2016年前后见顶，随后2017–2019年进入消化回落；5G首轮规模建网（2020–2022）CAPEX再度抬升，伴随覆盖范围扩大、边际收益下行与折旧约束，2023–2024转为高位趋稳。建设周期取决于频谱/标准迭代速度与站址、光纤、供电等物理资源上限，以及人口与终端渗透的可测边界，使连接类基础设施的TAM收敛。 •我们认为AI算力的行业天花板远高于4G/5G并仍在上修，体现为数据中心Capex与上游加速芯片TAM的绝对规模与增速同时抬升。 •北美四大云厂资本开支持续高增，主权AI等贡献新增量，英伟达指引Blackwell和Rubin平台有望共同推动全球AI基础设施规模在2030年左右达到3-4万亿美元。 •Grand View Research预测预计全球直接AI市场规模到2030年将达到18117.5亿美元，2025年至2030年的复合年增长率为35.9%。 4G/5G的投资回收期显著偏长，源于前期重资本、后端慢变现的商业模式。根据PatentPC，5G投资平均收支平衡时间预计为8-10年。 •“先覆盖、后变现”的工程属性决定CAPEX前置。 •频谱拍卖与许可费用进一步抬升资本门槛，如德国2019年5G频谱竞拍总额65.5亿欧元，挤压早期现金回笼空间。•收益侧提升有限：ARPU提价空间受竞争与监管制约，GSMA预计至2030年高收入市场ARPU年增仅约1%，行业收入增速温和，ROI摊薄。•二次建设叠加：当一期覆盖接近“边际”，Capex/Revenue比率见顶后趋稳，但5G-A与行业专网等二次建设仍需持续投入，使回收呈“建设—消化—再建设”的多周期拉长。运营商移动服务ARPU预测（美元/月） 以云服务商为例，AI算力的回收期显著短于4G/5G，核心在于边部署边变现（按量计费）+高利用率。 •变现即时性：算力以按秒/按小时计费的On-Demand形态，上线即产生现金流，避免“大网络先覆盖、后变现”的滞后。 •单机收入高：主流8×H100机型对应每卡时价常见$2–$4+区间（AWSp5.48xlarge折算$3.933/GPU·h；专业GPU云最低$2.99/GPU·h），在高利用率场景下可快速摊薄前期投入。以一张H100价格为3万美元计算，大约需400天即可覆盖单卡成本。 •高利用率：AI加速卡长期处于供不应求的状态，云服务厂商RPO激增，算力资源被提前锁定。 AI产品的用户渗透速度远超互联网，已拥有庞大的用户基础，潜在变现能力强，投资回收期相比4G/5G有望显著缩短。ChatGPT上线约3年用户已接近8亿，而互联网达到相近体量约用时12–13年，同等用户规模在更短时间达成，使单位获客成本更快被摊薄。 •①用户金字塔完善：免费用户→高级订阅→企业版与API，用量计费与席位订阅并行，带来更高ARPU与更长生命周期价值；•②强网络效应与内容自传播降低获取成本，结合云化交付的近零边际成本，使规模扩张直接转化为毛利改善；•③产品梯度与功能包（更强模型、更高上下文、更快速率等）提供持续的付费升级与交叉销售空间。AI用户增长速度远超互联网（百万用户） 算力-模型-应用-数据的飞轮加速转动，不断打开行业天花板 二、AI算力以更快的技术迭代，优化价格与需求周期 2.1AI算力以更快的技术迭代，打破典型价格与需求周期 4G/5G的技术演进以3GPP标准为节拍，单次Release通常18–24个月、代际跨越6–10年。 •标准节拍决定速度：5G第一阶段标准Release-15在2018年6月功能冻结，支撑2019年起的全球商用；面向5G-Advanced的Release-18在2024年6月冻结，Release-19/20按既定规划推进。单次Release通常保持18–24个月的稳定节奏。•代际跨越长：从LTE（R8，2008年冻结）→LTE-A（R10，2011年冻结）→5G（R15，2018年冻结）→5G-A（R18，2024年冻结），每次“代际/大阶段”跨度通常6–10年，且需等待终端/频谱/站点改造的协同到位。•产业链约束：蜂窝网络迭代不仅受芯片与软件影响，更受频谱规划、站点建设、回传与核心网演进等多要素制约，导致从标准冻结到规模商用需1–2年生态爬坡。 2.1AI算力以更快的技术迭代，打破典型价格与需求周期 4G/5G在基础设施端呈现典型量价周期，在每轮建设周期中，出货量暴增、伴随价格年降是客观产业规律。 •通信标准切换与牌照落地触发首轮覆盖建设（基站、载波、光传输、配电），运营商CAPEX和设备商出货量快速上行；随后进入密集化与容量扩建期，量维持高位但集中招标+多厂竞价使ASP年度下修；当覆盖边际趋缓且折旧与能耗压力上升，转入优化与消化期，量显著放缓、设备ASP延续下探、价跌幅度大于量，链条利润率承压。 2.1AI算力以更快的技术迭代，打破典型价格与需求周期 •AI算力“年更+软硬协同”的高频迭代，在12–18个月内刷新单位算力成本并催生新需求，从而在价格下行之前就以“更高代际的价值锚”重定价，打破了传统硬件的量价周期。 •GPU从2–3年一代逐渐切换为一年一代，且每代伴随互连（NVLink等）、高带宽内存、编译器与内核的系统性升级，将研发—生态—整机的爬坡窗口压缩，显著抬高进入门槛，竞争格局相对稳定。HBM、先进封装、算力配套（光模块、PCB）等产能需提前锁定、良率爬坡周期长，头部厂商通过长期协议占用大部分产能。价格的主驱动从“同代去库存”转为“新旧代际的价值差”，行业呈新代具提价能力、旧代有底价支撑的结构。 •需求端推动更快迭代：前沿模型训练所用计算量以每年数倍的速度增长，拉动硬件与存储迭代节奏向12–18个月收敛。 2.1AI算力以更快的技术迭代，打破典型价格与需求周期 AI算力技术迭代速度显著快于4G/5G，系统性能呈12–18个月一次的阶跃式提升。 •硬件迭代周期缩短为一到两年：英伟达在2024 COMPUTEX宣布新平台规划：Hopper→Blackwell→Rubin等。英伟达芯片快速迭代 2.1AI算力以更快的技术迭代，打破典型价格与需求周期 •PCB板上芯片间的连接、设备间的连接场景均需要通过不同载体实现性能升级。 •互连带宽迅速增长：NVLink跟随每一代GPU架构进行升级，目前最新用于B系列GPU的NVLink5.0可支持单卡7.2Tb的带宽，相较用于H100的NVLink4.0带宽翻倍。 •存储代际压缩：HBM3E已在2024Q2随H200上量，2025年内主流厂商已完成HBM4开发、内测并准备量产，存储带宽与容量几乎以1–2年一代推进，为大模型上下文与激活带来更快的可用带宽与更低能耗。 2.1 AI算力以更快的技术迭代，打破典型价格与需求周期 2.1 AI算力以更快的技术迭代，打破典型价格与需求周期 •以A股海外算力链龙头中际旭创、新易盛、胜宏科技和沪电股份为例，受益于旺盛的AI算力需求与产品持续迭代，格局基本稳定，随着高端产品出货量增长与规模效应的产生，总体毛利率稳步提升。 2.2技术迭代有望满足越来越多尚未满足的新需求 •参考半导体制程迭代，芯片在性能升级后可应用于更高规格应用场景，创造更多直线无法满足的需求，行业总空间可随摩尔定律的演绎持续增长。 •当算力更便宜、更易得时，开发者会把更复杂的模型与系统作为新基准，提升参数量、上下文与并行度。 •模型架构的迭代有机会减小单次推理、训练所需算力，而AI产业发展过程中杰文斯悖论将演绎很多次，如Genie 3等生成视频的世界模型，或需要跨数量级提升的算力才可满足。 2.2技术迭代有望满足越来越多尚未满足的新需求 具体分析欢迎参考之前外发的深度报告《从英伟达的视角看算力互连板块成长性——Scale Up网络的“Scaling Law”存在吗？》 2.2技术迭代有望满足越来越多尚未满足的新需求 •Scale Up需要更高的信号密度，更低的功耗、延时、信号损耗； •LPO相比DSP光模块功耗减半（~7.5w vs 15w），能效比介于DSP光模块与CPO之间（~20pJ/bit vs 10pJ/bit vs 6-7pJ/bit），CPC可代替Tray内PCB走线连接xPU与端口，LPO+降低功耗、延时、信号损耗； •Scale Up单端口速