AI浪潮下的通信投资策略演进:扬帆起航

通信行业 通信团队证券分析师：马军SAC NO:S11205230900032025年3月13日 证券研究报告 请仔细阅读在本报告尾部的重要法律声明 01大势研判：科技行业大年 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。图表：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。 财政政策 货币政策 关键词：加大逆周期调节、信贷利率持续降低 关键词：中央加杠杆趋势显现、专项债发行加速、一揽子化债方案 产业政策 房地产政策 关键词：十大重点行业稳增长方案，对汽车、电力装备、电子信息制造业等行业提出了明确的发展目标和配套政策 关键词：保交房、降首付、降利率、放宽购买人权限 活跃资本市场政策 消费政策 关键词：证券、基金、保险公司互换便利，鼓励回购，加大违规违法处罚 资料来源：华西证券研究所整理 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。 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积极活跃的并购 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。 四类重要的并购趋势值得重视 022025年关注点 AI泛在化、空天地一体（6G）、智能制造 产业趋势：新技术萌芽期，底层创新不断 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。 后摩尔时代颠覆性技术前瞻： 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。 人工智能崛起，AGI还属于早期发展阶段 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 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”。 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。 AGI 1.0 •交互革命•人机交互方式：GUI---DUI/HUI •Prompt工程价值凸显 •AI具备独立思考与逻辑判断能力•具备智能连接物理世界 •知识革命•语言是知识的载体，未来模型人人可 训、人人可用 AGI 0.1 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。 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。 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 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。 03AI平权，泛在化与端侧化演进 边缘AI+端侧AI GPT3引发大模型涌现，百模大战 由OpenAI发布的GPT3开始，大语言模型的理解和生成能力、通用和泛化能力大幅提升，引爆AGI大模型喷薄发展，开源模型与闭源模型并驾齐驱。 AI大模型出现后，算力及网络需求倍数提升 大模型和AIGC高速演进，高性能计算行业面临迫切的更高效率的算力需求 大模型训练的算力当量正在进一步增大，从GPT-3到GPT-4算力当量增长了68倍。算力当量越大，交叉熵越小，模型能力越强。数据中心为训练AI模型产生的能耗将为常规云工作的三倍，美国数据中心电力需求以10%复合增速增长。 产业趋势：需求驱动IDC向AIDC演进 在生成式AI及大模型的需求驱动下，客户算力需求由传统CPU通用算力向GPU、TPU等智能算力演进。根据客户和智算需求可大致分为三类： 训推一体 纯智算 普智一体 主要面向私有云和极低时延的端侧推理，主要应用于央国企、政府部门和中小型产业数字化客户，包括烽火等，机柜功率在2KW-8KW或35KW以上，通常以风冷为主，少许配置液冷形式。 主要面向公有云和互联网，比如运营商公有云、字节跳动等，机柜功率在8KW-15KW或35KW以上，考虑成本通常采用以液冷为主的风液混合形式； 主要面向大模型的通用训练，比如华为盘古大模型等，机柜功率普遍在35KW以上，平均功耗较高通常采用全液冷形式； 对于数据中心运营方来说，多种不同客户对应不同的智能算力需求，以及同一客户训推重点也对算力结构有所要求，因此，其运营的数据中心灵活部署要求也在不断提升，具备标准化建造及运营能力的中大型数据中心厂商具备更好的服务基础。 对于互联网大厂，一般都集中以训推一体需求为主，大部分自建数据中心，注重大网络的集群化部署，对于机电配套设备要求高，定制化以及低容错的高要求运维能力至关重要，该类大数据中心集群通常以高功率机柜为主，且基本具备一定规模，网络配置优异，通常选用核心城市周边地区以获得更高的能耗容量，伴随智算占比不断提升，通常采用冷板式液冷模式为主，预计在未来需求中仍将伴随客户Capex不断提升。主要关注阿里、腾讯、字节等相关主流供应商； 对于政府、金融客户，通常以私有部署或中低功率机柜需求为主，对于安全等级、灾备能力要求更高，该部分客户也主要采取定制化、自有自建部署为主； 对于企业客户，目前其功率需求仍相对较低，或通常直接租用公有云服务，其客户流动更加频繁，但对于价格敏感度更高。 产业趋势：龙头公司开支持续高涨 AI应用催化，互联网大厂资本开支加速增长，重心向算力方向转移。其中，国内互联网大厂包括腾讯、阿里等季度资本开支均出现同比大幅增长，且结构重心向AI领域倾斜。 字节：12月18日，字节跳动正式发布豆包视觉理解模型，并接入豆包App和PC端产品，豆包大模型全面升级。伴随字节在抖音等App流量加速上涨过程中，字节对数据中心、AI硬件等资本开支不断加大，豆包App的全面升级有望推动公司持续加大AI相关领域投资。 腾讯：2023年全年经营性资本开支172亿元，同比增长69%。2024年Q1-Q3经营性资本支出分别为66/72/147亿元，同比分别增长557%/144%/122%，主要受GPU服务投资驱动。 阿里：2024Q1-Q3购置物业及设备资本开支约102/119/170亿元，同比分别增长305%/99%/313%，主要系围绕AI基础设施投入，在2024财年报告中，公司强调将持续对AI基础模型和AI创新进行投入。 产业趋势：Scaling Law逐渐递减 Scaling Law规律带来百模大战：伴随OpenAI2020年提出的Scaling Law，众多互联网企业加入模型大战，不断提升资本支出，加大用于训练的计算资源以及数据，从而提升自身模型能力。Scaling Law指出，对于模型，模型规模（如参数数量N）、训练数据集大小（D，token数）和计算量（C）之间存在一定可预测的关系，三 者满足C≈6ND；而模型的最终性能主要与计算量C、模型参数量N和数据大小D三者相关，而与模型的具体结构（层数/深度/宽度）基本无关。 随着模型规模的增大，每增加相同数量的参数或计算资源，获得的性能提升逐渐减少。这对模型设计及其部署策略有重要指导意义，提示研究人员和工程师在扩大模型规模时，需要综合考虑成本和收益。 伴随数据资源耗尽，Scaling Law边际效益逐渐递减： （1）人类创作的文本资料（D）几乎耗尽； （2）在计算量（C）没有大幅提升和数据量（D）耗尽下，仅提升参数（N）无助于模型效能； （3）计算量（C）短期无法显著提升，主要是Blackwell系统尚未量产和电力供应限制等因素。 资料来源：Scaling Laws for Neural Language Models，华西证券研究所整理 产业趋势：开源与闭源并驾齐驱 基础大模型普遍进入性能提升瓶颈期，开源模型吸引大量开发展，开源模型与闭源模型性能差距逐渐缩小。在Scaling Law边际效益递减规律下，开源模型通过提升优化训练方式来提升模型效能。 国产开源模型引发巨震，有望加速完善产业生态 在OpenAI发布O推理模型后，国内大模型厂商紧随其后，陆续推出自己的推理模型。这些模型在数学、代码、推理谜题等多种复杂推理任务上取得显著进步。主要模型机构包括DeepSeek、月之暗面、阿里的QwQ和Marco-o1等。DeepSeek开源模型引动巨震，有望加速完善产业生态：2024年12月，DeepSeekV3模型发布，2025年1月，DeepSeek正式发布R1 系列模型并开源，根据AI产品榜统计，DeepSeek仅上线18天日活1500万，成为全球增速最快的AI应用。其模型能力比肩