从骚扰模型中看到人工智能计算能力和光通信的市场机会

在本次战略会议上，我们邀请了中泰证券通信行业首席分析师陈宁玉先生。我们带来的主题是从骚扰模型中看到人工智能计算能力和光通信的市场机会。事实上，今天上证指数也迎来了七连阳。让我们来看看自反弹以来各行业的涨跌。计算机、媒体、通信和电子四大行业排名靠前。该板块在通信行业的反弹幅度超过20%。我们相信，前四个行业的反弹与人工智能的发展有很大关系。特别是在年后的第一个交易日，在这种骚扰模式发布的推动下，通信行业大幅上涨了7%，也是第一个。发言人1 01:昨日盘后，国务院国有资产监督管理委员会还召开了企业人工智能专项推广会议，扎实推动人工智能产业转型。昨晚，美股英伟达宣布其业绩也超出预期。我们看到今天通信板块的表现还是不错的。那么，未来通信行业的市场将如何演绎呢？特别是计算能力和光通信的市场机会是什么？今天，我们邀请陈宁玉先生为我们回答。陈宁宇先生是中泰证券通信行业的首席分析师，研究方向包括人工智能计算能力、光模块、云计算、电信运营商、卫星通信等。2016年新财富团队入围第六名，2020年东方财富最佳分析师第一名，2023年21世纪金牌分析师第五名。发言人1 02:05分享结束后，陈老师会有这个互动环节，专业回答大家的问题和留言。在交流过程中，可以在互动区积极提问留言。我们现在请陈先生和我们分享。非常感谢。发言人2 02:22好的，感谢新闻用户和韩老师的邀请。我也很高兴和大家分享一下现在的行业观点，包括AI的分析和观点的更新。这一次，我们的主题主要是从这种做法的角度来看待未来的计算能力，包括光通信未来市场的趋势，包括未来的投资机会，然后我们正式开始，我们的分享主要分为四个部分。在第一部分，你主要介绍这个收入模型，包括它的特点，这也是一个非常高的关注。第二，我们看到，除了这个收入，其他多模态的整个模型应用也在出现，这将大大提高整个计算能力和带宽的需求。第三是人工智能计算能力驱动光模块市场的逻辑，包括整个光刻技术的新技术方向，技术方向的演变，对未来投资机会的一些影响，我们将做一些分析，主要分为四个部分。发言人2 03:首先，让我们从第一部分来看看这个sara。我相信你可能已经在一些文章中看到了整个他的视频。让我们总结一下，事实上，产品有三个主要特点。第一个是这样一个60秒的纹身视频。我们看看之前这个呃视频生成的其他模型。我们可以看到，它的时间其实比较短，都在几秒到十秒之间，所以它的时间第一次比较长。第二个是我们看到它的单视频，它是一个多角度的镜头。在过去，这种视频通常是第三个单一角度实际上更重要的一点，也就是说，这个模型的特征是一个世界模型，也就是说，它理解和模拟这个真实的世界，这实际上是三个相对较大的特征。发言人2 04:除此之外，我们还可以看到，在这些视频生成的模型比较中，我们可以看到它最右边的列是分辨率。事实上，这款sara的特点是显而易见的，其清晰度也相对较高。它的最高分辨率达到了1080p的效果，基本上就是一个K的视频。所以从这个角度来看，多方面的算法模型实际上给了你一个惊人的效果。发言人2 05:在07之后，让我们来看看这个模型是如何训练的，它可能有一个面对面的影响。这一排训练的一个特点是我们看到的。事实上，我们刚才提到了这个模型，它实际上可以制作一个单视频多角度的镜头。所以像其他一样，包括皮卡，包括其他模型，它实际上在整个训练中，它通常使用标准的视频数据源进行训练。例如，生成一个标准的长乘宽的宽度。发言人2 05:其实视频的类型是多种多样的。首先，事实上，他在训练中对数据的预处理有自己的特点。事实上，它可以将各种视频数据转换成一个统一的训练格式，这一点很重要。因此，在整个训练过程中，他的数据源比其他人更丰富，这一点更为重要。发言人2 06:第二个是他在数据处理方面也对视频进行了一些模块化，并将其分为一些单元。众所周知，在文本培训中，它最小的单位是用token来表示的。事实上，在这个视频单元中，它实际上切割了这个视频。切割后，它形成了这样一个单元，将其变成一个一维向量，然后发送到这个模型进行训练。然后包括对视频生成进行详细的文本描述进行训练。所以这是他在数据源和数据预处理方面的一些变化。发言人2 06:第二个是从模型的特点来看，模型仍然基于扩散模型，然后随着训练量的增加，其整体效果将显著提高。其实这个特点和以前的大模型是一样的，就是叫大力出奇迹，大力出奇迹。我们看到的是最右边的图片。随着这种训练规模的增加，整个视频生成的质量显著提高，这是第二个。它仍然基于这种扩散模型。发言人2 07:事实上，第三点也更重要，也就是说，他是上面提到的世界模型。事实上，世界模型的特征是模拟现实世界，然后对现实世界形成一定的认知。其实我们认为这个定义更合适的说法就是这个纹身视频的牛顿时刻，类似于我们物理界的牛顿发发发明发现这个第一定律，类似。其实在这个模型中，它是在理解真实世界，模拟真实世界。例如，就像下面两张图片一样，它可以模拟画家在画画，你可以留下这个笔痕，也就是说，在画的时候留下这个笔痕。二是吃汉堡的时候，咬下去之后，这个汉堡就会缺一块，对吧？这就留下了这个咬痕，所以这是通过大量的学习，它的整个模型建立在这个特征中，它实际上是在模拟这个现实世界。所以从整个模型的构建来看，其实和之前的视频有很大的不同。因此，它导致了整个视频的效果，其3D的一致性，包括物体的持久性，以及模拟物理的交互。包括上面这个没有列，还有一张图片，还有一个视频是咖啡杯里有两艘海盗船，所以模拟就是海上的效果，对吧？发言人2 09:10海浪的效果其实更逼真，更逼真。事实上，它仍然是世界模型构建的一个特征，这实际上有很大的影响。让我们看看原来的，包括CSB4，以前的，它主要通过文本和图片与人类互动。事实上，它主要学习一些我们现有的知识，或一些人类认知的知识，来进行人工智能的交互。如果我们看看这个世界模型，它实际上会从这个纯粹的知识的一维角度学习和认识世界，从这个三维空间的角度认识世界。所以未来就是这个模型的潜力，不仅仅是这个视频生成的应用。在未来，我认为可能在很多方面，比如这种人形机器人，它还没有达到非常智能的效果。如果这种世界模型可以应用于人形机器人，它可以模拟我们人类学习这个物理世界和这个物理世界。事实上，这种对通用人工智能未来的影响将是一个非常大的里程碑，因此我们称之为AGI模型是一个重要的里程碑事件。它将使人工智能能够理解和模拟未来运动中的物理世界，这一点更为重要。发言人2 10:42另一个大家比较关心的是这个模型用了多少算力。事实上，我们也列出了一个公式和一个公式。所以关于这个大模型训练，还有几个参数，一个是你训练的参数，所以我们看到有一个推断，业内人士推断他所有模型的参数可能是3B点。事实上，三个B点的参数并不大。与GPT4等相比，其实这个参数还是比较少的。另一个是你用来训练的GPU的数量，包括每个GPU的吞吐量，以及需要训练的总数据的tokens的数量，所以我们可以通过这些参数获得一个训练时间，一个训练时间，一个公式，一个公式。发言人2 11:事实上，如果我们看看这个GPS4，它的模型大约有1800个比例，大约有2.5万个A100个，训练了90到100天，90到100天。所以从这个角度来看，简单地看，因为他所有的具体参数都没有非常详细的数据。因此，大友的推断实际上是在训练方面。事实上，也许他需要的计算能力没有特别大的量级，所以他可能仍然有一个相对正常的参数量和一个计算能力量级。那么这就是第一点。第二点是，事实上，我们也看到了一些规律，那就是在整个大模型训练阶段。人工智能的硬件成本和运维实际上占整个模型训练的70%以上。发言人2 12:所以其实我们说这是AI大模型，它最大的初始投资成本就是AI计算AI计算能力。然后，在应用程序部署之后，根据业内的猜测，其实他收入的20%到40%，也就是年收入的20%到40%，会用于推理和定制的微调。其中这个22% 10-40中的一半适用于计算资源的支出。所以事实上，也许这就是我们目前收到的训练端计算能力的规模，不会是一个特别大的量级。发言人2 13:但我们实际上可以看到，他在推理端，也就是说，推理端的计算能力需求应该相对较大。一是视频持续时间长，二是清晰度高。这个模型也会不断迭代，也就是说，这个数据源在训练后可能会不断改进。随着数据源的增加，它的整体效果会越来越好。虽然它已经达到了这样一个惊人的效果，但仍然有一些缺陷或一些缺陷。所以我们可以看到这种影响，事实上，它可能对这个推理端有很大的影响。发言人2 13:51如果这个sara的大模型一旦进入大规模应用，大量用户将访问并生成视频。这些视频对应的计算能力需求、推理端的计算能力需求以及将这些视频推送到用户端的带宽需求将是一个相对较大的规模。好吧，这是我们对整个sara模型的特点和训练的一种情况。发言人2 14:另一个是我们在2月16日看到海外，谷歌也发布了它的小米1.5 这样的pro模型。该模型是一种多模式，相当于中等规模的模型。该模型的特点还可以支持较长的上下文交互，可以一次处理大量信息，包括1小时视频、11小时音频、3万行代码等。其实你跟他提这个提示词，包括输入这个视频，处理能力比较强，其实比GP44的版本更强。事实上，我们也看到谷歌一方面在推动这个大模型，另一方面也在建立自己的人工智能芯片，它有自己的TPU开发的TPU芯片。TPU芯片现已推出TPUV5版本，PUV5版本。发言人2 15:24好吧，所以我们可以看到，事实上，除了GPT这样的缩小模型之外，其他大型多模式模型也在快速推广，比如谷歌这边的模型。事实上，我们可以看到他的未来，也就是说，我们与这是人工智能的互动。它不仅生成视频，还以视频的形式向人工智能发送您遇到的一些问题。AI根据这些视频进行分析，给你这个解决方案或者问他。我们以前可能看过GPT的视频，也就是修理自行车。你把工具放在那里，然后拍一张视频或者拍一张照片发给他。他会指导你如何完成这个维修，然后更专业，给你这个专业的指导。因此，这种视频的双向人工智能交互在未来可能是一个相对较大的方向。因此，在这种多模态应用中，未来整个计算能力和带宽的需求可能会大大提高。所以让我们看看这个GPT，事实上，他的版本一直在迭代，现在我们正在等待GDP5的推出，预计很可能在今年下半年推出，没有有太多的数据。发言人2 16:59我们可以看到，sam在达姆斯论坛上有一个相对定量的描述。他说GT4目前可以解决人类10%的任务，如果低于5，可以解决人类15%到20%的任务。也就是说，它的GP5模型至少可能是金色的两倍，也可能是金色的两倍。所以这就是这个，所以这个905也更关注，更关注我的右下角也列出了一些模型，这些参数，包括训练参数，包括训练计算能力，包括时间，只是这与我们之前的公式相对应。事实上，现在我们可以看到这个大模型，特别是这个多模型，它的参数水平越来越大，计算能力的规模越来越大，这是在训练端。与此同时，我们刚才提到了塑料等应用程序，它也将在推理端形成相对较大的需求。我们提到，在未来，人工智能的视频交互是一种双向传输。在这种情况下，它的计算能力在推理端，一个是对推理芯片计算能力的需求，另一个是这个推理的数据流量传输，它在整个数据中心，因此它将增加对整个数据中心带宽的需求。另一点是，事实上，我们可能会看到一个更重要的变化，即这种多模态应用，它将在未来产生这种边缘计算的需求。发言人2 18:事实上，边缘计算的概念已经被提及了很长一段时间，表达应用还没有形成。我们认为，如果人工智能在多模多模态中得到推广，未来对边缘计算的需求将大规模出现。所以这个边缘计算的雏形，我们可以参考这个CDN模型。发言人2 19:目前，世界上有两家知名的独立第三方制造商，一家是美国阿卡曼，另一家是国内网络速度技术。他们都是主要从事CD业务的领先公司。他们的业务也随着整个数据流量的增长而增长，有一定的增长周期和一定的增长周期。事实上，过去两年互联网的整个流量实际上已经进入了一个相对缓慢的阶段。如果整个人工智能的应用在推理端大规模推广，可能会带来新一轮互联网流量的逐一增长。首先，我认为这对整个CDN行业都有好处。第二，基于CDN模型，CDN是将一些服务器节点放在离用户更近的地方。如果你这样做，整个用户都会访问这些节点，它的延迟，包括效果会更好。如今，这些服务器主要是一些通用的CPU服务器。它主要是做一些一般的计算能力和存储存储，特别是视频存储，它减少了骨干网络的压力。发言人2 20:20好，然后这是它的CDN模型。那么，如果是这个推理端的整个人工智能的大规模应用，那么我们认为这是推理端的服务器，它可能会像这个边缘的节点一样布局。形成这个节点的计算能力点，然后它接近用户。在这种情况下，当你使用它时，你的应用程序包括延迟，包括安全和隐私保护，这将会更好。发言人2 20:因此，在这些CD节点上，可能会升级为推理的人工智能服务器，即CPU加上这种推理的人工智能芯片的服务器节点。另一个是这种纹身视频，我们看这种纹身视频，它的清晰度追求会越来越大。我们现在看到这个sara已经做到了1080P，对吧？其实我们现在的视频基本都是1080。嗯，有些高清，现在4K，甚至8K，所以整个推理应用程序可能有，特别是视频应用程序，它将带来一个新的流量需求，所以我认为机会点是现有网络CDN的需求。另一方面，这是对边缘计算的需求。这种边缘计算是谁来做这项业务的，也可能是从CDN方向延伸的，也可能是IDC中的一些布局，需要我们跟踪。但是我觉得去中心看这个多模态应用，推理端行业的一个趋势，值得关注这个带宽的变化。发言人2 22:13然后第三部分就是和大家分享一下人工智能算力对光块市场需求的推动有什么逻辑？我们看到的其实是英伟达。在整个人工智能芯片中处于领先地位。让我们从他的人工智能服务器的架构开始。我们前面有一张图片，也就是说，这张图片列出了英伟达的几个主流芯片。A100和H100和H100现在主要训练。后面包括H200，今年可能会发布的第一版，明年会有这个训练端的新芯片。发言人2 23:我们以A100和H100的这些架构为例。现在它的AI服务器架构包含两个CPU和8个GPU在一个服务器中。这是普通英伟达A服务器的标准结构，即两个CPU加8个GPU，这8个GPU做成一个模块。在这张图中，我们可以看到这架飞机上的八个模块被封装在一起，英伟达将这个模块封装在一起。然后这八个模块之间的这种互联是英伟达自己设计的，叫做envy Link芯片来来去去地连接在一起。该模块外的连接通过光块连接，即服务器之间的GPU连接通过光块连接。目前，AF7包括ddx A100服务器，以及现在像DDX这样的服务器 A100改变空气。发言人2 24:02之前因为在美国对中国人工智能芯片没有那么大的吸收力。事实上，英伟达可以销售另一个版本，即相应的A100芯片，即A800，A100对应于中国可以销售的芯片，称为H800。目前这两款芯片都卖不出去，也卖不出去。去年的这些都是在第三季度之前。事实上，当时中国仍有一些采购，因此它们对应于A100和A100两个系列的服务器。目前单个服务器的价格，比如AC100，现在一个服务器的价格可能在300万元左右。以前高到350多万，现在可能在300万左右，300万左右还是比较贵的。A100的价格参考价格是20万美元，也是140万，450万人民币。好的，以前高的时候也可能达到200万到200万。发言人2 25:06对，这是他的房子，你这个服务器的架构。在整个网络架构中，其服务器的这种互联，我们刚才提到的是，它实际上是通过GPU外的GPU互联，也就是说，服务器和服务器之间的GPU互联是通过光块连接的。光块是将电信号转换为光信号，通过光纤传输到另一个服务器端，然后将光信号转换为电信号，然后传输到电芯片中的电芯片。这种网络架构的名字叫factory，一棵胖树，一棵胖树。发言人2 25:52它通过交换机将这些人工智能分析连接到一个组和一个集群中。下面我们就列出两张图，就是两张表格中的一个是250台A800，另一个是500台H800。我们对集面使用的交换机模块等材料进行了一些统计和分类。我们将计算GPU芯片与整个架构中相应光分比的比例关系。因此，在这种语音架构下，其比例关系基本上是GPU对应光模块的比例为1-2.5-31-22.5-3。发言人2 26:44还有一点是，AI服务器中的一个很大的变化是什么？也就是说，以前的普通服务器或以前的普通服务器都是等级相对较低的A服务器，外部互联是服务器到第一层交换机的连接。它以前没有使用光学模块。它刚才列在我们的表中。有些是用铜缆连接的，铜缆几乎是用光学模块连接的。然后，特别是在这个A百系列中，有的是用的，有的是用的光模块。发言人2 27:在H100系列中，他建议使用全国模块，因为它的带宽需求比以前有了很大的提高。假如你用同感，其实成本比较低。但是它的带宽没有光模块好，包括整个通信效果，所以在H100之后，这个AI芯片基本上是一个全光合方案。也就是说，光模块从服务器端连接起来。事实上，在过去，它不一定是连接光模块，也不一定是连接模块。因此，这导致了对光谱的需求在整个人工智能中增加。现在这是一种成比例的关系。因此，整个板块的一个驱动因素实际上变成了人工智能计算能力和人工智能计算能力。因为它与人工智能的计算能力是成比例关系和成比例关系，我们刚才提到的是1-2.5到3的比例。事实上，让我们来谈谈人工智能上方块的逻辑关系。发言人2 28:第二个是今年24年，会不会有一些变化？有些变化，事实上，我们看到23是23年底到24年，事实上，在这段时间里我们看到英伟达仍然是人工智能芯片的领先公司，但人工智能芯片的竞争，你的家具安全家具，如MD，MD，它还推出了这种算力芯片。而且它的算力芯片效果还是挺不错的，尤其是新推出的MI300叉芯片，基本上可以标杆AH100的性能。在这种模型训练中，基本上相当于A100的性能。此外，我们还看到，包括meta和微软在内的AMB订单非常简单，然后这就是其中之一，包括因为AMD的股价表现也相对强劲和强劲。发言人2 29:30然后是另一个，也就是说，正如我们前面提到的，谷歌也推出了它的芯片，尽管它不是GGPU芯片，它是一个TPU芯片，一个a 这种芯片ethic。它也用于人工智能、训练和训练，因此整体实际上属于GPU领域，其竞争正在加剧。然后，我们认为这种GPU芯片的技术迭代会加速加剧后的后果。因为有这样的追赶者，为了保持领先优势，英伟达会迅速推动下一代产品来保持领先地位。因此，我们正在观看英伟达的芯片路线图谱，即右下角的图片。我们可以看到，它将在24年内发布，包括07 200，包括A100，到25年要发布这个差异版，还要发布差异100，所以节奏其实比较快。发言人2 30:32那么这个呃对工会有什么影响呢？它是AI芯片技术的快速迭代，在整个参数性能上主要有三个方向。第一个方向是它的计算能力规模，计算能力和计算能力，比如它达到了多少flows，t flows的算力规模是每一代必须不断提高的。二是其存储容量提高，因此对这种显存的需求不断增加。事实上，其带宽水平也在不断提高，因此每一种产品的带宽也在不断提高。发言人2 31:我们看这个是H100和H200，其实它的GPU，它的网口端，它的带宽是400G，是400G。在这张图中，你可以看到这个100芯片是400g。现在它已经升级到网口端的800g和800g。例如，在服务器端，它的网卡是800g。它将直接连接一张网卡和一个800g光块。如果将这个800G光块连接到band Tree的网络架构可能是这样一个方块，当它连接到交换机时，它可能连接到1.6T，因此它将带来1.6T光模块的需求。因此，综上所述，GPU竞争加剧，这将加速DPGPU技术的迭代。发言人2 32:那么GPU的技术迭代加速就会带来带宽的快速升级。这种带宽的快速升级将推动整个光模块的处理升级，比以前更快。因此，我们可以看到，24年1.6T的光模块可能会出现，其需求也会出现。因此，这也是去年第二季度调整后，第二轮是光模块启动驱动的主要因素。我们可以看到1.6T的光块升级比以前提前了。因为之前的预期是1.6T的需求可能会在25年后出现。因为它出现在25年后，我们看到现在是英伟达的芯片发布，它的第一版昨天没有发布财务报告。他还提到，3月18日将有一个新的新闻发布会来宣布其新的人工智能结果。发言人2 32:54那可能是他的第一版要发布的。预计今年第三季度和第四季度可能会有产品发货，已经发货，相应的会带来1.6T的需求。即使在今年的第一年，1.6T开始出现需求，那么相应的25年也许1.67就会上量，就会上量。这就是英伟达这边，包括我们其实看谷歌的论文，他还提到24年会有1.67的需求。这就是你的需求，也就是说，崩溃的逻辑是当前的变化。发言人2 33:33事实上，如果我们过去看，我们可以看到左下角的图片，即以前的CD升级。它的周期基本上是2到3年的代理周期，从100g到200g到400g到800g。现在800g去年才开始，对吧？今年1.67日出现，周期明显缩短，另一个因素是同时关注各种数据的光环需求，同时存在。因为人工智能实际上需求主要是高速的，在旧的数据中心，当它的模块被替换和升级时，它最老的一代基本上需求会慢慢减弱，或者基本上逐渐被淘汰，逐渐被淘汰。现在，事实上，在我们看到的AIP数据中心中，它是同时对几个芯片的需求。这样，整个市场规模也会有明显的提升。发言人2 34:因此，让我们来看看整个光块的生长性未来，尤其是视通和人工智能。二三年来，200亿的出货量约为140万。那么，如果24年现在预期，出货量应该是8 900890万，那么热管可能会达到1000万，890，890只是比较确定的。发言人2 35:然后还有一点就是24年会有1.6T的需求，那么现在还不清楚1.6T能有多少。首先简单估计一下，也许我们估计可能是二三十万。所以到了25年，也许这个水平至少是一个百万以上的需求。因此，整个25年的大规模市场需求将进一步加强。因此，正如我们刚才提到的，事实上，1.6T的增量是整个模块第二轮上升的主要逻辑。发言人2 35:52让我们来看看全球竞争模式。总的来说，全球光芯片和光块市场参与了世界三大国家，一个是美国，一个是英国，另一个是日本。事实上，从这个光模块的角度来看，中国是最大的，中国是最大的。美国和日本的行业逐渐缩小到上游芯片端。美国保留了一些模块，日本的模块相对较少。因此，从整体供应份额的角度来看，根据21年的数据，中国的份额是超过一半的。现在，因为从去年的人工智能来看，这个份额肯定不止这个比例。如果我们估计这个份额应该是60到71，直到70这样的份额，管理者的份额。我们可以看到，世界十大公司中有五家是中国公司。事实上，从这个行业的角度来看，推荐筷子主要是因为它是一个与海外人工智能直接相关的行业环节，并深入参与其中。中国在这一份额上仍有明显的优势。发言人2 37:为什么会有这样的氛围表现？我们认为有两个主要因素。第一个因素是，从该模块的生产和技术来看，它是一个成本优势与技术并重的行业。特别是在技术快速更新时，制造商也需要具有较强的技术能力。这种技术能力需要长期的经验积累和nohl和know how的要求。发言人2 37:第二个问题是，在美国的资本市场上，他们的工程师红利肯定不如中国。它的生产环节仍然需要人工。我不可能完全自动化生产，它还需要人工。因此，这个行业既需要技术要求，也需要人工。第三点是，当这个产业链进入时，他需要与这个客户有长期的合作经验。也许客户会更信任你，他会更信任你。因此，这一结果导致了目前的情况。发言人2 38:所以像以前一样，大家都很担心特朗普上来后会加关税，对吧？会影响这个板块，所以当时也调了一下，调了一下，然后又回来了。所以从我们的角度来看，在短时间内，美国很难在两三年内取代中国的供应链，他也没那么容易。在东南亚的一些市场，他自己的制造商做到了这一点。他还没有这种能力。就成本而言，中国公司仍然具有明显的优势，因此这是其行业缓解的一个特点。发言人2 39:如果说美国从长远来看，他想取代，也许他的方式就是考关税，对吧？高关税使当地制造商的成本能够补贴到与中国相似的水平。我不认为他会这样做。由于总体而言，这项工作在整个经济总板块中并不是那么重要。包括一些芯片，其实在美国还是比较强的。所以我觉得人工智能现在比较急需，所以我觉得短期内不容易透析这个环节。然后现在这家投资公司也在海外，包括东南亚的产能。因此，这种关税风险也可以在一定程度上规避，从经典格局与全球产业链的比较来看。另一点是，我们应该关注光块领域的细分技术。目前，我们主要关注硅光和LPO1CPU。这些尖端技术可能是这些制造商未来竞争的焦点。发言人2 40:这里我简单列出了光盘结构，它包括光芯片、电芯片、光学元件、光学元件。它正在形成光模块，然后将这些光模块放入设备中，特别是交换机和服务器，因为现在主要是交换机。这个技术方向主要分为三个方向。第一个方向是硅光，即硅光。那么我们传统的光模块，其实是光学部分和电部分分开的，最后集成在一个模块中。硅光方案基本采用集成工艺，然后在芯片层面上最大限度地实现这种混合集成。事实上，这一特点，事实上，如果这条观光路线已经成熟，它可以大大节省气垫和组装的成本，包括体积，包括功耗，是一些优势。发言人2 41:目前来看，这种硅光技术在很多年前就已经存在了，包括在100G光模块中。英特尔主要推广这个100G硅光模块。当时其实在这个100G里，它的硅光成本没有优势。英特尔自己补贴了这个成本，然后为了推广这条技术路线，当时最多可能占这个光框的20%。后来到了200亿和400亿，这个比例很小。许多客户没有进行大规模采购，因为它没有强大的优势。现在到了第二季，这种采购又开始出现了。事实上，在800g中，其集成要求也会越来越高，包括其功耗也会越来越大。发言人2 42:现在追光这条路线的一些优势，慢慢开始体现出来，慢慢开始体现出来。总的来说，硅光的难度主要是因为它将不同的材料集中在硅基板上，其中有许多特性需要调和。这就是生产方面，工艺方面的一些困难。但如果说这个过程的难度突破了它，其实在整个生产端会比较容易。那么它的自动化率可能会高于以前的模块，这是它的一个特点，尤其是现在。发言人2 42:48800G现在是一个芯片，一个芯片控制一个通道，一个芯片，一个100G的email芯片。它使用了8个100G的芯片，实现了800G。目前单波实现200G的瓶颈相对较大，200G以上难度较大。所以现在的1.6T光模块，采用单个200G乘以16个来完成这个1.6T。如果再升到3.2T，现在你的单波有瓶颈，其实就是传统方案，也很难。发言人2 43:事实上，硅光现在在800G中，它使用两个或四个当前的光源来控制八个通道。也就是说，一个光源可以驱动两个或四个通道，所以它实际上在基层工作中有一些优势，包括去年第四季度，一些主要制造商已经开始小批量生产硅光产品。就像去创sa一样，这一块布局比较好。发言人2 44:然后，另一个是国内叫云辉光电，这个怎么收购？它的主要产品也是硅光，所以硅光的份额可能是800亿。我们预计这样的比例可能是20%到30%。在未来，在更高的速度下，回归光可能有更多的优势，包括CPU阶段，它是基于硅基的技术，所以这项技术更重要。目前，英特尔是世界上明显积累这种技术的人。但是从模块的角度来看，我刚才提到前面有三个，一个是徐创，一个是菲尼sa，另一个是iphone收购的银灰。这是一个。二是从CW光源的角度来看，中国的主要参与者是原始技术。他在这方面做得很好。目前，他也在客户方面进行验证，推广相对顺利。因此，这条微光技术路线，对于在这一领域积累起来的公司来说，是未来比较优势的竞争点。发言人2 45:第二个方向是LPO方案。传统的光模块就是这样。事实上，LPO方案主要包括光芯片和电芯片在光模块中。这个芯片里有一个叫DSP的芯片，主要是处理和恢复这个信号，包括你在传说中恢复这个数字时钟，包括色散补偿的功能。所以有了这个芯片，可以说你的整个光块的传输信号质量更好，误码率更低。这是DSP芯片。现在LPO方案的主要想法是去掉这个DSP芯片。这款电子芯片的价格在800G左右，大概在100美元左右。拆卸后，将部分功能放在其他芯片和交换机上。它的整体功耗，包括成本和低延迟，都会下降。但现在他的技术方案可能仍然存在一些缺陷，即整个信号传输中存在一些缺陷。它需要与整个系统一起制定这个标准。在某些场景中，特别是在一些短距离场景中，它将通过这种成本与性能的和谐调整到一个中间点，它将具有更好的性价比和更好的性价比。发言人2 46:这里面就是，国内其实主要是在推动这一块，包括像兴盛一样推动这一方案推动这一方案。目前对这个比较感兴趣的两个大客户，一个是meta，meta还是比较推广这个方案的。预计meta可能在今年第二季度基本定型，并可能下订单。另一个是这个英伟达，英伟达现在对它也很感兴趣，因为今年800G的总量还是比较大的。在如此大的使用量的基础上，你的成本略有降低，你的功耗也可以降低，这对整个基础设施都有很大的好处，尤其是在功耗方面。我认为DSP的功耗基本上占整个模块的50%，因此，如果你能去除这一点并将这些功能转移到其他方面进行一些补偿，你可以节省30%或40%的功耗。应该是比较可实现的比较可实现。因此，这是一种比较过渡的方案，属于传统的可插拔模块。这里面是新盛，值得关注。另外，这个CPU，整个二级市场就是大家提到光块的时候，其实很多自媒体都提到了CPU板块。事实上，光块不是CPU的代名词，而是CPU是未来光块的新技术方向。它被称为光电包装和光电包装。发言人2 48:我们看看这个一般的模块，我们称之为可插拔空模块。也就是说，在交换机或服务器上的模块坏了之后，你拔下来直接换一个新的。然后换一个新的插头，它可以使用，所以这个光模块主要用于交换机，光模块与交换芯片的数据连接，它被称为串行芯片，通过交互板连接。由于目前整个光伏的速度，它正在不断升级，功耗也在上升。然后，包括你的交换芯片，它一直在增加这个容量，所以它的整体功耗越来越高，如果3.27，他可能有点难以忍受。因此，我们需要找到一些新技术来解决这一问题，包括散热、集成度等，包括传输带宽的一些瓶颈。这种叫做CPU的技术出现了。它将交换机的交换芯片和公网引擎放在插槽上，集成在这个板上，并在这里协同包装。然后他拉近了光发动机和交换芯片之间的距离，然后做了一个相对较高的电子集成包装形式。发言人2 49:54这样，整个中间传输距离缩短，带宽性能更好，功耗更低。这是它的一大优势，也是基于这种硅基功能技术来完成的。这种技术在未来可能是高速场景，也可能是一个大趋势。但现在实现这项技术也可能存在一些瓶颈和问题，尤其是在这个光影屏幕上。您将其与交换芯片集成在一个插槽中。如果核心坏了，你必须更换所有的核心，这可能是一个相对较大的成本。包括可能在这个机身上也要突破一些工艺问题，但也许这个方向还是比较确定的，方向也比较确定。相信这随着时间的推移，一些技术能力可能会随着这些制造商的努力逐渐得到解决。发言人2 50:50类似于这种CPU形式，有一个叫做高速光发动机，其中是千伏发动机。现在这个400G和800G的光发动机方案正在制定中。事实上，它类似于与交换芯片集成的模块。它不是这种CPU形式。它将光块的光学部分制成发动机形式，交付给类似的英伟达，然后英伟达将其交付给OEM制造模块。因此，事实上，从CPU的角度来看，未来天府这一块可能会积累起来，它也会积累起来。而且如果说这款CPUV大规模应用，其实就意味着光棍的整体形态发生了变化。从原来的可插拔式到这种光引擎交付形式。这意味着从这个供应商的角度来看，他可能会提供更多的客户，简单地说，他可能会从二级到一级，所以这个逻辑实际上是人才的好处，对于硅基础能力强的公司，这也是一个好处。发言人2 52:03现在很多龙头公司已经开始在这个方向布局，做CPU交换机，包括思科、博通、英伟达，包括最近在中国看到的新闻是头条新闻，他们也在资本创意。他们也在布局这种自主研发的CPU交换机。CPU交换机是三个模块中技术路线的共享。每一条技术路线都会影响整个行业的这一份额，包括供应商的变化。由于不同的供应商在不同的技术路线上积累。是不一样的。但总的来说，这是技术的快速升级，对头部厂商更有利。发言人2 52:正如我们刚才提到的，事实上，就像光模块一样，它的主要竞争实际上是两部分，一部分是生产，一部分是技术能力。如果它是一个相对成熟的产品，你可能会很快掌握这种生产技术，它可能会成为一种价格竞争。假如说技术迭代周期比较快，那么它的研发优势就会体现出来。发言人2 53:例如，像这样的徐创好，他在第一批中提供了800G的光模块，到目前为止也有很强的竞争优势。因为竞争对手不多，他其实是在批量生产800姬光块，领先行业半年左右。从他开始，其实我们发现只有3到4个800g，除了头。其它厂家也无法进入批量供货，那么现在1.67的需求又重新出现了。因此，当技术快速迭代时，移动制造商的优势将更加明显。这是我们对这一技术方向的分析。这基本上是产业链的结构。你可以参考它。这包括光芯片、光组件、光设备，最后到公共模块，然后将模块应用到设备中。我可能会分享这么多沉淀的结构图结构图。你可以看看是否有一些问题需要讨论，我们可以交流。发言人1 54:35好，感谢陈先生的专业分享。的确，投资者还是有很多问题的。然后首先，投资者问的第一个问题是Sara的出现是否会扩大中美之间的技术差距？如何准备这项国内技术？不知道这个成功。发言人2 54:55对，因为现在这个人工智能芯片端是，所以美国的目的一定是扩大与你的差距，对吧？我们现在训练的芯片主要靠国内几家，对吧？包括华为，这方面肯定有一些差异。但也许如果我们看到一些这样的多模式模型，它可能是开源的，那么后续的应用也可能是在开源的基础上迭代的。所以我们也就是说，在形式上，美国一定想扩大与你的差距，但客观上，我们肯定会有一些方法，包括从半导体到整个模型端来增加我们的努力。发言人1 55:陈先生刚才提到了这个芯片，他问的是我们国内公司的这些培训芯片，包括华为、海光、寒武纪等。谁能真正提供可靠的国产计算能力？发言人2 56:03其实只有这些头，一个是华为升腾，对吧？另一个是海光，另一个是寒武纪。事实上，也许从重庆的角度来看，这种升腾似乎会比这个海关好一些，寒武纪这边可能主要是推理可能会好一些。因此，事实上，如果我认为他将来想建造它，我相信华为有能力推动这种生态建设，因为这种计算能力不仅是一个计算能力区域，而且是一个整体生态建设。所以也许我认为这取决于华为是中长期的。在短期内，我认为这三种产品都可以使用，但你可能仍然需要做一些优化，包括其他模型的调整。发言人1 56:好的，谢谢陈总。客户问的是源杰科技200G光芯片验证怎么样，是交给哪个客户验证的？公告说验证已经很久了，这个方。发言人3 57:我们不会提到07的具体客户名称，因为公司也需要做商业保密。到时候可以私下交流。发言人1 57:22谢谢陈总。然后投资者问，我们三大运营商是否也会从人工智能中受益，受益程度大？发言人3 57:对不起，刚才有个电话进来了，刚才我没听清楚你的问题，麻烦再重复一遍。发言人1 57:40好，就是这三大运营商，他也会从这个人工智能中受益多少？发言人3 57:50对运营商也在布局大模型，这是一点。二是计算能力水平，特别是像这样的计算中心，运营商也是主要的建设者，所以一方面是建设这个计算中心，另一方面是做云服务。未来在中国就是这些。那些从事培训或推理的人也可以选择他的形式，这相当于人工智能云服务，或计算能力，计算能力租赁，这是收入的方向。第二，反正他自己也在做模型。但事实上，他主要是在优化自己的业务和业务，这大大提高了降低成本和提高效率。因此，可能主要是在这两个方面。我认为这可能更现实、更现实。发言人1 58:44好，谢谢陈总。投资者提出的问题是，中国将如何促进人工智能的发展？其实我想问一下，国务院国资委昨天盘后是否召开了企业人工智能专题推广会？我不知道陈先生是如何回答和解释这件事的，以及如何推广这件事的。发言人3 59:首先，现在的计算能力还比较短，对吧？现在每个人的模型都在这种优化和训练中，所以特别是训练端的计算能力相对较短。国家支持这些计算中心的建设，实际上是对这些模型企业的支持。一是可能的政策支持，二是有些地方也有这样的优惠券等等。此外，除了这种商业模式外，还有一些模型，如学校科研模式，也在这种培训应用中。所以这也是国家支持的一个重点方向，所以总的来说可能对国内整个计算能力的产业链更有利。先给你做这个基础设施，然后对整个计算能力做一个比较优化的配置优化配置，所以这对国内这个计算能力行业也有好处。看看执行政策的具体可能性。在不同的地方，它可能有不同的支持政策。有些人，如类似的算力券模式或其他形式，实际上是在政策方面做出这样的支持。发言人1 01:00:二十四好，谢谢陈总。投资者问2024年光模块行业整体需求同比增长幅度如何？而且他会担心2025年会不会放缓。发言人3 01:00:从增长率的角度来看，24年的增长率肯定是比较快的。因为二三年才刚刚开始，刚才我也列出了这个数据。以这个800g为例，也就是说二三年的出货量是140万，这个24年的出货量预计至少是800890万，所以这是一个量级的几倍，所以增速一定很快。25年，就是这个增长率，我觉得没有这样几倍的增长。这应该是更正常的下跌，更正常的下跌，但也会保持更好的增长率。发言人3 01:01:事实上，25年来，每个人都说要准确地根据25年的数据进行排名仍然比较困难。因为你的人工智能发展日新月异，对吧？它可能每个月都有不同的变化。但总的来说，我们可以看到，光泡的逻辑遵循人工智能计算能力。事实上，你需要在未来中期看到计算能力。这是一个非常大的增长行业，也是一个非常大的增长行业，所以整个光块需要它也是一个相对较大的增长行业。25年来，这一需求的一个担忧，其实以前也一直存在啊，只是现在这种担忧会相对减弱一点。主要是因为这种1.6T的需求，它会有一个新的增量，一点增量。具体来说，25年整体盘怎么样？我们还要看整个人工智能的发展。如果有更大的人工智能创新，包括像索尔这样的模型，它已经大规模推出商业用途，那么需求在整个25年内仍可能保持良好的增长，因此需要跟踪这一点。发言人1 01:02:10谢谢陈总。让我们问最后一个问题，那就是行业背后是否会有催化剂？当然，结合银行的市场表现，投资者也想问你如何看待这一轮光模块的反弹？发言人3 01:02:我们认为后面会有很多催化剂。因为人工智能就像sara，它现在只有这样一个演示，没有用户，没有广泛的用户，他什么时候推开应用程序，然后像其他大型模型公司，包括谷歌等，他看到这个新的创新肯定会跟进，所以未来可能会有更多的变化。第二，我们提到了催化剂，英伟达3月18日将召开新的新闻发布会，宣布他的新成果，人工智能成果，包括我们预期的B100芯片的推出，对吧？等等这些。所以这个行业可能会有更多的催化剂。发言人3 01:03:然后从这个股价的角度来看，也就是说，从市场的角度来看，我们认为会有持续的机会。那么短期内该怎么办呢？影响因素很多，但从中长期来看，其实我们对这个板块还是很看好的。因为对整个计算能力的需求，是现在还是刚刚开始。虽然它可能有一定的节奏，但我们认为它将继续增长到更大的规模。发言人1 01:03:52好的，非常感谢陈老师。事实上，陈先生今天已经交流了一个多小时，陈先生给了我们一个非常详细和专业的答案。我们相信所有的投资者也充满了收获，听了之后，我也觉得充满了信心。由于时间的关系，我们的交流到此结束。感谢陈先生细致专业的交流，感谢投资者抽出宝贵的时间参与本次交流活动。下个月再见，谢谢陈先生，谢谢大家好。股市调研