通信行业周报：智算中心建设方兴未艾，产业链有望持续受益

行情回顾。本周通信行业（申万）下跌了0.82%，跑输沪深300指数涨幅（-0.56%）0.27个百分点，跑输创业板指数涨幅（+0.14%）0.97个百分点。今年以来通信行业（申万）上涨了50.66%，跑赢沪深300指数涨幅（-0.75%）51.41个百分点，跑赢创业板指数涨幅（-5.61%）56.28个百分点。本周通信行业涨幅（-0.82%）在所有一级行业中排序第二十一，全年涨幅排序第一。截止本周末，通信行业（申万）估值PE- TTM 为34.77，同期沪深300 PE- TTM 为11.68，创业板指数PE- TTM 为32.55。本周通信板块涨幅前五分别为华脉科技（+61.1%）、东方通信（+26.8%）、联特科技（+16.7%）、长盈通（+13.3%）、通宇通讯（+12.6%）；本周通信板块跌幅前五分别为超讯通信（-24.8%）、菲菱科思（-14.2%）、剑桥科技（-13.8%）、挖金客（-11.7%）、欧比特（-11.0%）。 智算中心是数字经济下的公共算力基础设施，主要为产业客户提供技术支撑和算力支持，推动人工智能的产业化发展。智算中心以人工智能芯片组成的服务器算力机组为底座，集合了释放算力、调度算力、聚合算力、生产算力四个作业环节，为产业客户提供数据服务、算力服务和算法服务。智算中心的主要功能包括推进AI产业化、赋能产业AI化、助力治理智能化、促进产业集群化，其计算能力有效支持AI训练、AI推理、数据压缩等项目，同时为农业、工业、服务业提供软硬件支持。各级政府积极推动建设智算中心，有助于优化产业结构，赋能传统行业数字化转型；企业建立智算中心则有助于提升数据处理能力、减低管理和维护成本。 智算中心基于前沿的人工智能理论，以算力技术和算法模型为关键核心，具体包括AI芯片、AI服务器、AI大模型等。AI芯片方面，目前主流的解决方案为CPU系统搭载GPU、FPGA、ASIC等异构加速芯片，其中GPU芯片通用性强，适合大规模并行运算，能够为深度学习提供良好的加速效果；FPGA芯片具有模块化和规则化的架构，可通过编程灵活配置芯片架构适应算法迭代； ASIC芯片为全定制化芯片，通过算法固化实现极致的性能和能效。AI服务器方面，其通常由CPU、GPU、特定加速芯片（FPGA、ASIC等）、内存、散热模组等电子元器件组成，下游市场空间广阔。根据IDC数据，2023年全球AI服务器市场规模预计达到211亿美元，19-23E复合增速20.8%，2027年中国加速服务器市场将达164亿美元。AI大模型方面，其通常具备Transformer、GAN、CNN等架构，具备泛化性、通用性、实用性特征。 中国移动宣布将推进人工智能基础设施建设，地方政府、运营商、互联网企业等积极布局智算中心，产业链有望持续受益。在6月27日举行的中国移动创新技术论坛上，中国移动宣布其建设的“人工智能大平台”有望作为新型人工智能基础设施使用，此外明确提出力争到2025年，算力规模超20百亿亿次/秒（EFLOPS），并在2024年中国移动超大规模智算中心将投产。各级政府、运营商、互联网企业也纷纷开启智算中心建设计划，目前已有超过30座城市布局智算中心。在行业下游需求驱动和政策持续引领下，智算中心产业链有望整体受益，建议关注产业链上游和中游标的，如运营商、设备商及代工企业、数据中心制冷、IDC服务商等。 通信行业持续跟踪公司： 运营商重点推荐中国电信、中国移动、中国联通；设备商建议关注紫光股份、中兴通讯、锐捷网络、共进股份；光模块光器件光芯片建议关注中际旭创、天孚通信、新易盛、源杰科技；光纤光缆建议关注长飞光纤、亨通光电、中天科技；IDC建议关注奥飞数据、光环新网、科华数据；物联网模组重点推荐广和通、移为通信，建议关注威胜信息；控制器重点推荐拓邦股份、和而泰；卫星通信重点推荐铖昌科技；军工通信重点推荐七一二、上海瀚讯；会议系统重点推荐亿联网络；5G消息重点推荐梦网科技；通信网络管维建议关注润建股份。 风险提示：智算中心基础设施建设不及预期，AI芯片与服务器技术发展不及预期，智算中心赋能产业应用进展不及预期 一、智算中心作为公共服务设施，为产业客户提供智能算力支持 （一）智算中心成为新型公共算力基础设施，主要提供技术支撑和算力支持 智算中心是一种基于人工智能理论，提供人工智能应用所需的算力服务、数据服务和算法服务的公共算力基础设施，能够为高校、科研机构、企业等提供公共算力、技术支持和产业合作，以实现人工智能的产业化发展。智算中心以人工智能芯片组成的服务器算力机组为底座，涵盖基建基础设施、硬件基础设施、软件基础设施等，可以用于人工智能深度学习模型的设计、训练和推理，为下游核心产业提供从底层芯片到顶层应用的人工智能全栈能力，为各行各业提供稳定的技术支撑和算力生态。 图表1智算中心内部设施示意图 智算中心集合了释放算力、调度算力、聚合算力、生产算力四个作业环节。其基于算力生产供应平台、数据开放共享平台、智能生态建设平台和产业创新聚集平台，为产业客户提供数据服务、算力服务和算法服务。 释放算力：在图像、视频、语音、自然语言处理等AI场景中，智算中心通过机器学习、深度学习、强化学习、自监督学习等算法和自动机器学习平台，为各行各业提供模型文件、开发接口、在线服务等AI服务。 调度算力：智算中心通过CPU、GPU、FPGA、ASIC等底层算力资源，通过细粒度切分、算力标准化等算力池化和算力调度过程，实现算力服务管理。 聚合算力：智算中心将分散的数据资源进行集中管理，以提高计算能力和资源利用率。网络虚拟化、网络卸载、RDMA等智能网络和随需扩展、高IPOS的智能存储为算力集群提供了数据传输和存储支持，便于通过算力聚合提高计算效果。 生产算力：包括AI训练服务器、AI推理服务器等算力机组，CPU、GPU等多样化的算力芯片、成熟丰富的软件生态和强大高效的算力输出。 图表2智能计算中心总体架构 （二）智算中心推动产业与AI的融合，助力AI产业化 智算中心是现代信息基础设施的重要组成部分，在推进AI产业化、赋能产业AI化、助力治理智能化、促进产业集群化等方面具有关键作用。各级政府主导建立智算中心，有助于优化产业结构，积极推动传统行业数字化转型。运营商、互联网企业等建立智算中心，有助于提升数据处理能力、减低管理和维护成本。 推进AI产业化：智算中心的计算能力能够有效支持AI训练、AI推理、数据压缩等项目，为高校、科研院所等机构提供低成本、高性能的人工智能开发场景，将有力促进人工智能领域前沿研究成果的转化。 赋能产业AI化：智算中心可以为农业、工业、服务业提供软硬件支持，推动产业转型升级。在农业领域，智算中心通过提供专有算法，分析气象卫星、视频监控等数据，为农业生产赋能；在工业领域，智算中心为智能制造、传感与监测、工业机器人等多个场景提供算力和算法支持，推动传统工业数字化转型；在生活服务业，智算中心助力电子商务、智能家居等行业的发展，提高人民生活水平。 助力治理智能化：智算中心为城市智能服务提供算力支撑，在政务、交通、安防、医疗等领域全面提升地方政府治理水平，推动各类便民服务的精准实施。 促进产业集群化：智算中心聚合了算力服务、技术研发、应用转化、人才培养、企业孵化等功能，使得高校、科研院所、不同行业的优质企业通力合作，强化人工智能在研发和生产领域的融合，推动人工智能产业集群化发展。 图表3智算中心的四大核心作用 智算中心与超算中心、云计算中心相比，在建设目的、技术标准、具体功能等方面具有明显差别。智算中心以促进产业和AI的相互融合，以及推动政府治理智能化为主要目标； 超算中心侧重于助力科研人员进行自主创新、承担大规模工程计算任务；云计算中心侧重于降本增效、提升企业盈利水平。在技术标准上，采用统一的高安全标准进行统筹规划，便于不同智算中心之间的互联互通。在应用领域上，智算中心主要面向AI的典型应用场景，以应用为导向赋能产业数字化转型。在“投-建-运”模式上，智算中心通常由地方政府出资指导建设，以期为各行业企业提供低成本、高效率的算力基础设施服务。 图表4智算中心、超算中心、云数据中心对比 二、政府、运营商加大算力基础设施建设，产业链持续受益 （一）智算中心集AI芯片、AI服务器、AI大模型等前沿技术为一体 智算中心基于前沿的人工智能理论，以算力技术和算法模型为关键核心。其中算力技术以AI芯片、AI服务器、AI集群为载体，算法模型则以AI大模型为主要代表。 AI芯片：目前主流的加速计算解决方案主要采用CPU系统搭载GPU、FPGA、ASIC等异构加速芯片。GPU芯片通用性强，其中原本为图形计算设计的大量算数逻辑单元（ALU）可以为深度学习提供良好的加速效果；FPGA芯片包含可编程逻辑模块、片上储存器及用于连接逻辑模块的可重构互连层次结构，能在保证算力的情况下降低功耗；ASIC芯片为应客户需求设计、制造的全定制芯片，在性能、能效、成本上都极大超越了标准芯片，更加适合AI计算场景；类脑芯片等新型人工智能芯片也正在迭代开发中，行业整体呈现多元化发展态势。 图表5 GPU、FPGA、ASIC芯片的优缺点对比 AI服务器：是智算中心的算力机组，通常由CPU、GPU、特定加速芯片（FPGA、ASIC等）、内存、散热模组等电子元器件组成。AI服务器可以根据使用场景划分为深度学习训练型和智能应用训练型，同时可以按照芯片类型划分为CPU+GPU、CPU+FPGA、CPU+TPU、CPU+ASIC等组合模式。AI服务器市场广阔，2023年全球AI服务器市场规模预计达到211亿美元，19-23E复合增速20.8%；中国AI服务器同样呈现蓬勃发展态势，IDC《中国半年度加速计算市场（2022下半年）跟踪》预测2027年中国加速服务器市场规模将达到164亿美元。另据TrendForce集邦咨询报告数据，2022年AI服务器采购中，微软、谷歌、Meta、AWS的采购量位居前四位，合计占比约66.2%；字节跳动、腾讯、阿里巴巴、百度作为国内企业紧随其后，合计占比约11.3%。 图表6 2019-2023年全球AI服务器市场规模预测 图表7 2022年AI服务器采购量占比 AI集群：采用模块化方法构建，能够满足智算中心的大规模算力扩展要求。AI集群以AI服务器为基本单元，由高速连接的数十台AI服务器构成POD计算模组，并以模组为单位实现横向扩展。AI集群的构建采用低延迟、高带宽的网络互联，以满足大模型训练中对于混合并行策略的需求，同时配置高性能、多层次的智能存储，为各种数据访问需求提供优化性能。 AI大模型：相比于传统AI模型使用了更多的数据，因此具有更好的泛化性，在下游多个不同场景中均能得到良好应用。AI大模型按照应用场景，可以划分为语言大模型、视觉大模型、多模态大模型等，典型的语言大模型包括GPT-3、源、悟道、文心等，视觉大模型则广泛应用于自动驾驶、智能安防、医学影像等领域。 图表8 AI大模型的内涵与特征 （二）地方政府、运营商、互联网企业等主体均积极布局智算中心 随着下游算力需求集中的集中爆发和“东数西算”的推进，各级政府、运营商、互联网企业纷纷开启智算中心建设计划。在6月27日举行的中国移动创新技术论坛上，中国移动研究院院长黄宇红表示，公司正在建设的“人工智能大平台”有望作为新型人工智能基础设施，支持国民经济主体使用通用智能大模型和行业大模型，实现对于数据的高质量运用。 政府主导建设的数据中心通常作为公共基础设施存在，用于支持地方产业与AI相互融合，推动产业集群化发展。在“十四五”规划的引领下，目前已有超过30座城市布局智算中心，经典案例包括京津冀大数据智算中心、长沙5A级智能计算中心等。国家工业信息安全发展研究中心发布的《智能计算中心2.0时代展望报告》指出，智算中心已经由1.0时代的粗放式发展阶段进入到2.0时代的精细化发展阶段，仍需要在通用和专用算力的融合、完善一体化的服务体系、部署能耗低碳化技术、实现算力价格的普惠、