算力作為數(shù)字經(jīng)濟時代新生產(chǎn)力，已成為經(jīng)濟社會高質(zhì)量發(fā)展重要支撐。隨著AI浪潮的發(fā)展推進，算力更是開始加速擴張。算力的時代已然到來。

在整個人工智能領域，算力扮演著怎樣的角色? 我國算力發(fā)展空間如何？這一波受益于AI的算力行情是否具有可持續(xù)性？站在當前時點如何看待AI算力領域的投資機會？

對此，中國基金報記者采訪了：

(資料圖)

博時基金權益投資四部投資副總監(jiān)兼基金經(jīng)理肖瑞瑾

嘉實信息產(chǎn)業(yè)基金經(jīng)理李濤

國泰半導體設備材料ETF基金經(jīng)理艾小軍

創(chuàng)金合信芯片產(chǎn)業(yè)、創(chuàng)金合信全球芯片產(chǎn)業(yè)QDII基金經(jīng)理劉揚

匯豐晉信科技先鋒基金、新動力基金基金經(jīng)理陳平

恒越研究精選基金經(jīng)理、恒越基金TMT研究組組長趙炯

富榮基金研究員郭梁良

上述七家基金公司專業(yè)人士表示，隨著數(shù)字經(jīng)濟時代的到來，算力已經(jīng)變成了一種和水、電一樣的基礎資源，算力是人工智能的底座，是打造大模型生態(tài)的必備基礎，海量的數(shù)據(jù)計算、傳輸需求將帶來算力和網(wǎng)絡基礎設施新的長期景氣周期。作為賣鏟人角色的公司，業(yè)績兌現(xiàn)最早，商業(yè)模式無需驗證，確定性相對更高。算力是一個相對比較明確的賽道，AI相關應用發(fā)展的迭代、創(chuàng)新，其背后都通過算力作支撐，未來算力的增長空間非常巨大。不過，在上半年漲幅較大的情況下，要注意波動風險，可以考慮遇調(diào)整后分批布局。

算力是AI的底座

中國基金報記者：在整個人工智能領域，算力扮演著怎樣的角色?

肖瑞瑾：生成式人工智能體系共分為四個層次：底層是搭載GPU等專用芯片的AI服務器，中層是在AI服務器上進行迭代訓練的大模型，上層是基于大模型的各類應用，同時在迭代訓練中需要用到大量的數(shù)據(jù)，因此，數(shù)據(jù)也是其中一個層次。由此可見，算力是生成式人工智能體系的底層基礎設施，只有通過強大算力對人工智能大模型進行迭代訓練，才能獲得具備智慧涌現(xiàn)能力的人工智能大模型，同時在后續(xù)每一次調(diào)用中都需用到算力進行推理。因此，算力是人工智能的基石。

李濤：算力主要指計算機或服務器系統(tǒng)的處理能力，通俗來講，算力的大小決定了計算機系統(tǒng)的計算速度和承載能力。隨著數(shù)字經(jīng)濟時代的到來，算力已經(jīng)變成了一種和水、電一樣的基礎資源，而數(shù)據(jù)中心和通信網(wǎng)絡也已成為不可或缺的公共基礎設施。在人工智能三要素中，無論是數(shù)據(jù)還是算法，都離不開算力的支撐。

在各類AI應用繁榮的背后，需要大量算力支持。AI越聰明，背后所需要的算力支持就越多，而且隨著模型算法的迭代升級，其對算力的需求呈指數(shù)型增長。據(jù)華為發(fā)布的《計算2030》預測，2030年人類將進入YB數(shù)據(jù)時代，全球數(shù)據(jù)每年新增1YB。通用算力將增長10倍到3.3ZFLOPS、AI算力將增長500倍超過100ZFLOPS。相當于一百萬個中國超級計算機神威“太湖之光”的算力總和?？梢姡磥砣祟悓λ懔Φ男枨罅渴欠浅｝嫶蟮?。

艾小軍：AI產(chǎn)業(yè)鏈上游主要為AI大模型的訓練和應用提供軟硬件支撐，中游主要以設備制造商、服務提供商為主，下游應用多樣化，前期市場上多重點關注AIGC在傳媒領域的應用等，云通信服務商也有望在AIGC中受益。算力處在產(chǎn)業(yè)鏈的上游，在人工智能三要素算力、算法、數(shù)據(jù)中，算力普遍被認為是“卡脖子”最關鍵的地方。在AI快速發(fā)展背景下，算力是非常緊缺的資源，持續(xù)重點關注光模塊、ICT設備等算力板塊。

劉揚：算力是AI的基石。算力即計算能力，是對數(shù)據(jù)信息進行處理、運算、存儲、傳輸和應用的計算能力的統(tǒng)稱。算力又分為通用算力和專用算力，不僅僅是AI服務器和光模塊，還包括數(shù)字芯片、通信網(wǎng)絡、數(shù)據(jù)中心和終端算力等等。

AI時代對算力的需求十分巨大，而算力建設天然受到政策性和地域性的影響，具有不均衡性的特征。因此，未來AI時代的算力，更可能是整個經(jīng)濟體全方位的提升，是各個信息產(chǎn)業(yè)的算力總量，以大量的云計算數(shù)據(jù)中心、超算中心和智算中心等組成的AI算力網(wǎng)絡為主體，結合整個經(jīng)濟體的通用算力設施大幅升級，再加上企業(yè)和組織的專用AI算力，最終建成超過當下算力總量幾百倍規(guī)模的算力基礎設施。

趙炯：算力是人工智能的底座，是打造大模型生態(tài)的必備基礎，海量的數(shù)據(jù)計算、傳輸需求將帶來算力和網(wǎng)絡基礎設施新的長期景氣周期，算力的發(fā)展影響著未來人工智能發(fā)展的高度。

陳平：AI最重要的三要素是算力、算法和數(shù)據(jù)，算力是AI的底座。整個AI的發(fā)展需要大量算力的支撐。ChatGPT引領的AI大模型的訓練和推理的浪潮使算力的需求出現(xiàn)激增。

郭梁良：產(chǎn)業(yè)鏈賣鏟人角色。生成式AI在各行各業(yè)的絲滑應用，需要能力強大的底層大模型。GPT-3.5參數(shù)量在1750億左右，而GPT-4達到1.8萬億參數(shù)量，參數(shù)量更大的模型，展現(xiàn)出更強的推理能力和思維鏈能力。而要有效訓練更大參數(shù)量的模型，就需要更大的算力支持。更強大的GPU，傳輸速率更快算力互聯(lián)，帶寬更大的存儲等高頻高速算力產(chǎn)品，都將得到更廣闊的應用空間。

賣鏟人角色的公司，業(yè)績兌現(xiàn)最早，商業(yè)模式無需驗證，確定性相對更高。需要區(qū)分的是，有些公司是“的確在產(chǎn)業(yè)鏈上”，有些公司是“理論上也能做”，行情越往后發(fā)展，越聚焦“的確在產(chǎn)業(yè)鏈上”的公司。

算力賽道明確

增長空間巨大

中國基金報記者：連月來多家上市公司持續(xù)加碼AI算力投資，對此您怎么看？我國算力發(fā)展空間如何？

李濤：從終端維度看，算力是一個相對比較明確的賽道，AI相關應用發(fā)展的迭代、創(chuàng)新，其背后都通過算力作支撐，隨著成千上萬甚至幾十億的算力驅(qū)動，到后面可能每一個產(chǎn)生的符號都是相對等價，我們認為未來算力的增長空間非常巨大。

根據(jù)工信部數(shù)據(jù)，近年來，我國算力產(chǎn)業(yè)年增長率近30%，算力總規(guī)模位居全球第二。算力核心產(chǎn)業(yè)規(guī)模達到1.8萬億元。

肖瑞瑾：中國作為全球人工智能產(chǎn)業(yè)綜合實力排序居前的國家，針對算力的投入一直保持在較高強度。近年來，全國各地政府興建了各類的超算和智算中心，其中智算中心即為用于人工智能大模型訓練的基礎設施。近期我們看到多家上市公司布局AI算力投資，這是對當前地方政府作為投資主體的有益補充，民營資本的進入將提升算力基礎設施的運營效率，促進產(chǎn)業(yè)健康發(fā)展。但需要注意到，國內(nèi)目前涉足人工智能大模型大部分是互聯(lián)網(wǎng)平臺企業(yè)或者大型科技企業(yè)，這些大型企業(yè)都有自建算力基礎設施的需求，投入算力投資的上市公司未來能否獲取這些優(yōu)質(zhì)的客戶資源將是評估投資回報率的重要判斷條件。

艾小軍：AI行業(yè)正處在快速爆發(fā)的階段，所以芯片的需求和算力的增長也將呈現(xiàn)指數(shù)級向上的趨勢，明年可能是整個AI服務器大幅增長的第一年。

在人工智能的產(chǎn)業(yè)趨勢下，算力國產(chǎn)化的布局重點在于打通整個半導體產(chǎn)業(yè)鏈，需要我們在材料和設備端加快國產(chǎn)化布局，通過在制造端形成一定的產(chǎn)業(yè)競爭力，實現(xiàn)芯片端的自主可控。從中長期角度來看，提高國內(nèi)芯片制造端的能力，重點在于推動上游材料和設備的國產(chǎn)化。目前滲透率仍然較低，空間較大，未來仍然有很大的發(fā)展?jié)摿Α?/p>

陳平：AI浪潮下，全球大量公司的算力需求在快速增加，因此，A股上市公司加碼AI算力投資十分自然。我國目前所擁有的算力規(guī)模是非常大的。根據(jù)7月19日工業(yè)和信息化部新聞發(fā)言人趙志國在新聞發(fā)布會上的介紹，目前我國算力總規(guī)模居全球第二，且具有高增長和結構性優(yōu)化的特點——保持30%左右的年增長率，新增算力設施中智能算力占比過半。未來，我國算力發(fā)展的空間也非常大。AI方向上，目前全球最領先的國家就是美國和中國，相應的算力需求最多也是這兩個國家。待 AI應用起來之后，國內(nèi)的訓練和推理將會消耗大量的算力，同時中國可能還會向外輸出算力。

郭梁良：我們認為，對于進行自有大模型訓練的廠商來說，AI算力投資是大模型訓練的入場券。強大的算力支持是有效訓練更大參數(shù)量、更大數(shù)據(jù)量的大模型基礎之一。

國內(nèi)算力相關產(chǎn)業(yè)鏈，在光器件、光模塊、PCB、服務器整機等領域，都具備全球范圍內(nèi)成本優(yōu)勢，承接了主要的產(chǎn)能供給。這些環(huán)節(jié)有望在這一波AI算力發(fā)展的浪潮中獲得新的增長動力。長遠看，國內(nèi)在算力核心環(huán)節(jié)，比如GPU、CPU、高性能存儲、光芯片等環(huán)節(jié)，也將逐步追趕世界先進水平，發(fā)展空間廣闊。

劉暢：如前所述，現(xiàn)在的AI產(chǎn)業(yè)剛開始發(fā)力，AI算力的需求如此巨大，現(xiàn)在的投資遠遠不夠。而最終的AI算力市場，肯定需要全社會的共同努力，建設成連接大量超算智算數(shù)據(jù)中心的AI算力網(wǎng)絡為主、企業(yè)與組織的專用AI算力中心為輔的算力基礎設施。

現(xiàn)在上市公司加碼AI算力投資，有幾種方向，包括自研、承建和算力租賃等方式，難度和未來前景不一樣，所需要的資源與能力也是不同的。因此，并不是所有的AI算力投資都會成功，它需要和AI產(chǎn)業(yè)發(fā)展節(jié)奏相匹配。

我國算力需求巨大，投資意愿非常迫切，但受制于缺乏先進的AI芯片，因此成本較高、發(fā)展受到掣肘。因此，我相信中國最有前景的AI算力投資方向在于兩點：一是本土化的先進AI芯片研發(fā)，二是新型舉國體制下的全國超算智算網(wǎng)絡建設。

階段性供需錯配催化行情

需求端景氣度決定持續(xù)性

中國基金報記者：具體到二級市場，這一波AI行情受益最明顯的算力漲幅居前，原因是什么？行情是否具有可持續(xù)性？

肖瑞瑾：本輪AI行情算力漲幅居前的主要原因在階段性供需錯配。由于國內(nèi)外越來越多企業(yè)進行人工智能大模型部署和訓練，造成了GPU芯片等環(huán)節(jié)產(chǎn)能不足，GPU芯片價格出現(xiàn)了大幅上漲，此外人工智能算力集群所需的AI服務器、800G光模塊、交換機等環(huán)節(jié)尚未完全準備好應對大幅提升的下游需求，階段性的供需錯配提升了相關產(chǎn)品的價格和毛利率，相關產(chǎn)業(yè)鏈環(huán)節(jié)呈現(xiàn)階段性高訂單景氣情況，因此漲幅居前。不僅是A股，我們看到美股和中國臺灣市場相關板塊也呈現(xiàn)了大幅上漲。

展望未來，行情走勢的主導在于需求端高景氣度能否持續(xù)，以及供給端的約束是否會得到緩解。參考歷史上新技術驅(qū)動的行情，隨著需求邊際收斂和供給釋放，資本市場也將逐步走向理性。

陳平：首先AI拉升了全球算力需求。AI是個全球大浪潮，雖然目前還處于浪潮開啟的初期，很多應用暫時還沒有落地，但是大家已經(jīng)開始了先進行算力儲備，進一步拉升了算力需求。而那些已經(jīng)能落地的應用，例如ChatGPT等，由于用戶需求激增，也在持續(xù)增加算力。因此，算力的需求是確定性、立刻就有訂單體現(xiàn)的。

其次，雖然全球最主要的AI服務提供商很多都在美股，但A股的算力產(chǎn)業(yè)鏈確實參與到全球AI產(chǎn)業(yè)鏈中，比如，作為AI服務提供商的供應商。而且不少A股公司現(xiàn)在就已經(jīng)感受到了需求爆發(fā)，客戶在持續(xù)加單。它們有望成為整個AI行情中最早出業(yè)績的部分。

因此這波AI行情下，算力板塊整體漲幅居前。

目前看，一方面這波AI算力板塊的漲幅較高，行情對于未來需求的樂觀預期已經(jīng)反應得比較充分。同時我們也看到，AI大模型們也在通過剪枝、蒸餾等方法減少對于算力的消耗。因此，未來算力的實際需求還要看AI應用爆發(fā)的進度。算力行情是否能夠持續(xù)還是要持續(xù)跟蹤產(chǎn)業(yè)的發(fā)展狀況。

趙炯:算力漲幅居前的原因在于算力對應人工智能領域的資本開支，偏前置指標，也有自主可控邏輯的加成，一個產(chǎn)業(yè)鏈景氣上行的初期，上游環(huán)節(jié)通常是最先受益的品種。在大部分AI公司今年上半年沒有業(yè)績的情況下，假設這個產(chǎn)業(yè)還是有非常高的關注度，可能就會使得真正有業(yè)績的公司，包括上游算力的光模塊、服務器、PCB和一些終端游戲類公司，被資金更加聚焦。算力領域的訂單變化可追蹤，不斷有事件或數(shù)據(jù)催化，行情持續(xù)性要看人工智能應用的突破情況。當前海外大廠對光模塊等的加單仍相對保守，因為除ChatGPT以外暫無其他爆款應用落地。

郭梁良：算力板塊上漲的起點是估值修復，估值修復進程中，與產(chǎn)業(yè)鏈意向訂單、上市公司季報業(yè)績兌現(xiàn)等因素形成共振，讓市場看到了高速率算力產(chǎn)品對于上市公司未來業(yè)績的潛在提振。

可持續(xù)性方面，我們認為產(chǎn)業(yè)發(fā)展尚處于早期。海外各大科技巨頭的大模型訓練軍備競賽，無論是模型參數(shù)量還是數(shù)據(jù)量，都有很大提升空間，而要訓練參數(shù)和數(shù)據(jù)量更大的模型，就需要進行更強大的算力儲備。上游英偉達H100高性能GPU，更大的出貨量主要在明年，這有望在未來幾個季度，給在供應鏈上的算力和新標的的業(yè)績釋放提速。所以我們認為行情可持續(xù)，并沒有結束。

劉暢：AI行情中算力板塊漲幅居前，是非常合理的，就是因為算力在AI中的基石性作用，以及算力投資的巨大市場空間，確定性較強、持續(xù)性較好的和較為緊迫。

李濤：AI產(chǎn)業(yè)浪潮剛剛興起，作為底層基礎資源和設施的算力，我們認為未來的空間比較大。我們將持續(xù)關注，聚焦行業(yè)龍頭，精選優(yōu)質(zhì)個股，力爭為投資者帶來長期可觀的回報。

艾小軍：展望后市，人工智能變革下的新時代即將到來，大模型密集發(fā)布、應用成果的持續(xù)落地引爆海量算力需求。宏觀經(jīng)濟復蘇、下游需求修復及行業(yè)庫存逐步出清，有望帶動板塊業(yè)績增速回升。不過，在上半年漲幅較大的情況下，還是要注意波動風險，可以考慮遇調(diào)整后分批布局。

AI產(chǎn)業(yè)趨勢已打開

中國基金報記者：站在當前時點如何看待AI算力領域的投資機會？AI超算引領光通信發(fā)展新階段，800G光模塊和光芯片投資價值幾何？

劉揚：算力板塊，中國當下最擅長的、業(yè)務彈性最大的，是AI服務器生產(chǎn)相關的配套，包括AI服務器代工、光模塊和高級PCB板等。我認為這只是產(chǎn)業(yè)發(fā)展早期的特征。隨著AI技術的突破、AI應用的拓展與落地、AI算力大規(guī)模建設的推行，后續(xù)AI算力板塊的投資機會持續(xù)不斷地涌現(xiàn)，會有更多的細分方向，越來越大的市場機會。

肖瑞瑾：通過研究海外高端AI服務器，我們看到800G光模塊的使用量出現(xiàn)大幅增加，AI服務器所需的更為復雜的網(wǎng)絡拓撲結構和更高的數(shù)據(jù)吞吐率是期使用800G光模塊的主要原因。因此800G光模塊明確進入了較快增長期。從供給端看，由于需求快速增長，能夠提供800G光模塊的廠商數(shù)量并不多，隨著技術成熟和產(chǎn)業(yè)發(fā)展，未來也將有愈來愈多的國內(nèi)外企業(yè)開始生產(chǎn)800G光模塊，其產(chǎn)品價格也有望逐步下行，驅(qū)動滲透率提升。

由于當前800G光模塊產(chǎn)能受限，相關的VCSEL光芯片目前尚未出現(xiàn)短缺的情況，但部分DSP數(shù)字信號處理電芯片由于國產(chǎn)率較低，目前產(chǎn)能供給緊張，價格呈現(xiàn)了一定上漲。未來國內(nèi)也將突破光模塊DSP電芯片技術，有望釋放產(chǎn)能并拉低產(chǎn)品價格。

艾小軍：800G光模塊2023年需求主要來自部分海外科技巨頭，預計北美各大云廠商和相關科技巨頭均有望在2024年大量采購800G光模塊。伴隨AI應用加速滲透，未來推理所需的算力和流量實際上可能遠大于訓練。今年大部分800G光模塊訂單預計在下半年完成交付，業(yè)績有望不斷兌現(xiàn)。建議關注接下來可能對行業(yè)產(chǎn)生影響的事件，包括云廠商的二季報，頭部算力公司的二季報，以及科技巨頭光模塊需求指引的變化。數(shù)字中國等政策不斷加碼、AI新應用持續(xù)推新的背景下，數(shù)字經(jīng)濟新基建有望夯實助力算力網(wǎng)絡升級，在此背景下，持續(xù)關注光模塊和光芯片板塊。

趙炯:我們認為當前AI產(chǎn)業(yè)趨勢已打開，第一有現(xiàn)象級的C端產(chǎn)品落地，第二形成了全球共振，海外龍頭大廠都已展現(xiàn)業(yè)績爆發(fā)式增長，第三全球經(jīng)濟放緩的現(xiàn)狀加大了對降本增效的訴求，第四在整個板塊演繹過程中，我們能看到非常密集的催化，從數(shù)據(jù)大模型、算法，再到算力和應用，是不止一次的循環(huán)，有反復的表現(xiàn)。8至9月海外龍頭大廠將披露二季報，并公布三季報預期情況，海外龍頭連續(xù)兩個季度釋放業(yè)績意味著產(chǎn)業(yè)鏈的形成被驗證，后續(xù)仍可能不斷超預期。光模塊、AI服務器、AI芯片相關A股上市公司的國際訂單可能在今年下半年和明年集中體現(xiàn)到利潤端。股價層面短期可能會有波動，長期要看全球AI應用的突破以及國內(nèi)算力自主可控的突破。如果應用端沒有特別亮眼的爆款表現(xiàn)，那么明年800G光模塊的需求量可能需審慎評估。

郭梁良：大模型訓練對于數(shù)據(jù)高速互聯(lián)的需求，推動了800G產(chǎn)業(yè)升級提前到來。在大模型訓練場景，英偉達H100GPU必須搭配NV-Link片間互聯(lián)和InfiniBand交換機才能發(fā)揮出更好的效果，800G光模塊正是用于H100服務器與InfiniBand交換機的連接，且使用量與GPU數(shù)量存在線性關系。因此，大模型訓練或?qū)⑼苿?00G光模塊出貨量提升。

對于光模塊上市公司來說，早期切入新一代產(chǎn)品或意味著一段高毛利獨占期，這段時間內(nèi)公司高毛利產(chǎn)品量價齊升，有望帶來業(yè)績上的明顯提振。

光芯片方面，EML、DSP、Driver等光芯片和光器件的需求量也會隨800G光模塊出貨量的上升而增加。但現(xiàn)階段供應商主要以海外成熟供應商為主，國內(nèi)光芯片廠商，在大模型訓練所需的光芯片供應方面，更多還在從零到1的突破階段。

李濤：經(jīng)過前期上漲后，最近市場開始有畏高情緒，算力等方向也受到一些影響。我們堅信科技行業(yè)的長期空間和長期趨勢，但市場反應有時會快一些有時慢一些，就造成了較大的波動，也希望大家做好心理準備，以長期投資的心態(tài)來對待短期的波動。

算力提升需各環(huán)節(jié)協(xié)同發(fā)力

中國基金報記者：市場擔心高端光芯片短缺出現(xiàn)“木桶效應”，對產(chǎn)業(yè)鏈投資帶來哪些影響？

肖瑞瑾：如前所述，當前高端光芯片尚未出現(xiàn)短缺情況，部分DSP電芯片出現(xiàn)了短缺情況。這種短缺情況將限制800G光模塊產(chǎn)能的釋放，使得相關產(chǎn)品呈現(xiàn)緊缺情況，導致毛利率和盈利能力階段性維持高位，對于資本市場的風險偏好有利。但未來產(chǎn)能釋放后，價格和盈利能力都會回歸常態(tài)。

李濤：世間萬物環(huán)環(huán)相扣，人工智能領域的各個要素也不例外。在算力方面，存在也的確存在“木桶效應”，一旦計算、存儲、網(wǎng)絡任一環(huán)節(jié)出現(xiàn)瓶頸，就會導致運算速度嚴重下降。高端光芯片短缺和受限，固然是個卡脖子難題，也需要投入更多力量去解決。但先進芯片不等于先進算力，算力的提升不是單純堆卡，需要各個細分環(huán)節(jié)協(xié)同發(fā)力。先進算力的背后，是先進芯片、先進網(wǎng)絡、先進存儲等一系列的合力。

正因算力的“木桶效應”，也給了云廠商可施展的舞臺。通過對單機算力、網(wǎng)絡架構和存儲性能進行協(xié)同優(yōu)化，有望提高算力效率，云廠商的高性能計算集群也將能夠彌補芯片的一部分傳輸損耗。

艾小軍：從公開報道獲得的信息來看，芯片是制約國內(nèi)算力的重要因素，但一方面目前能夠獲得的芯片能夠滿足大多數(shù)AI(尤其是行業(yè)大模型)的需求，另一方面也促使國內(nèi)芯片產(chǎn)業(yè)鏈更加協(xié)同，有望通過包括加快技術驗證、先進封裝等在更短的時間內(nèi)推出能夠滿足需求的國內(nèi)的算力芯片。

陳平：光芯片在光通信中主要負責光電、電光信號的轉(zhuǎn)換，是光通信的核心器件。高端光芯片也是整個AI環(huán)節(jié)中的重要一環(huán)，如果供給不足也會限制整個行業(yè)的發(fā)展。

資料顯示，2021年我國2.5G速率國產(chǎn)光芯片占全球比重超過90%；10G國產(chǎn)光芯片占全球比重約60%(部分難度大的10G光芯片國產(chǎn)化率不到40%甚至更低)；2021年25G光芯片的國產(chǎn)化率約20%；但25G以上光芯片的國產(chǎn)化率仍較低約5%，目前仍以海外光芯片廠商為主。這也代表著巨大的國產(chǎn)化替代空間，我國部分廠商正在加速追趕，如果能順利突破技術瓶頸的話，未來可能會有比較好的成長空間。

劉揚：現(xiàn)在高端光芯片處于緊平衡狀態(tài)，海外三家頭部供應商的光芯片供不應求，且只有一家計劃擴產(chǎn)30%左右新產(chǎn)能，而中國國產(chǎn)100G光芯片最快也需要今年年底到明年年初推出商用?？紤]到明年更多的AI服務器需求，市場擔心高端光芯片短缺是有一定道理的。但不要忘了，海外芯片設計龍頭不可能有錢不賺，經(jīng)過幾十年的芯片周期洗禮，對供需節(jié)奏的把握經(jīng)驗豐富。明年，海外光芯片龍頭可以通過技改與擴產(chǎn)釋放部分新產(chǎn)能，再加上硅光和薄膜鈮酸鋰等新技術的性價比與產(chǎn)能的進一步提升，以及200G光模塊的逐漸商用化、中小廠商的100G光芯片的陸續(xù)加入，明年的光芯片產(chǎn)業(yè)，大概率會形成持續(xù)緊平衡的狀態(tài)。這樣，龍頭廠商的光芯片會持續(xù)保持高利潤，生命周期初期的必然高價格的新技術新產(chǎn)品也可以更容易地提高滲透率。因此，這是個產(chǎn)業(yè)鏈價值分配與產(chǎn)品迭代相交織的博弈過程，我國企業(yè)不要被嚇住，更不要被現(xiàn)有產(chǎn)品的高利潤迷住，一定要更積極地往更先進的新產(chǎn)品上投入，爭取在幾年后躋身前沿龍頭，而不是被拉開差距。

郭梁良：目前看，800G光模塊所需光芯片主要還是以美、日供應商為主，核心芯片產(chǎn)能尚可滿足產(chǎn)業(yè)鏈排產(chǎn)預期。如果出現(xiàn)芯片短缺現(xiàn)象，或?qū)⒊蔀閲鴥?nèi)光芯片廠商補位的好機會。但這也對國內(nèi)光芯片廠商的產(chǎn)品穩(wěn)定性、良率控制等能力提出更高要求，抓住這個機會可能會推動產(chǎn)業(yè)快速進步。

短期留意去偽存真風險

中國基金報記者：作為投資者，參與AI算力領域相關投資，應該注意哪些風險？

肖瑞瑾：投資者需要重點觀察三方面的風險。首先是海外GPU芯片訂單的持續(xù)性，這代表了下游需求景氣度邊際變化情況，目前流通市場GPU芯片價格是衡量景氣持續(xù)性的重要參考。其次是關注地緣政治風險，當前域外國家對我國人工智能行業(yè)進行限制和打壓，限制先進的GPU芯片出口我國，地緣政治風險將是影響投資風險偏好的重要因素。最后是關注國內(nèi)新供給和替代技術的出現(xiàn)，未來國內(nèi)人工智能芯片廠家能否迎頭趕上，是否有新的廠家進入800G光模塊產(chǎn)業(yè)鏈，以及未來是否出現(xiàn)的技術替代當前800G光模塊，都需要投資者緊密跟蹤產(chǎn)業(yè)動態(tài)變化。

劉揚：投資時不要低估智能時代價值的風險， AI的安全與政策風險，AI重投資的效益風險，產(chǎn)業(yè)鏈被動重組的風險。

陳平：主要的潛在風險有兩個：一是全球需求不及預期的風險。當前股價已經(jīng)漲了較多，股價已經(jīng)反應了較為樂觀的預期——當前樂觀預期下，要求北美巨頭們2024年大幅增加資本支出且大幅傾斜于AI服務器。如果AI發(fā)展節(jié)奏比較緩慢，算力的需求不如大家的樂觀預期，未來的基本面或無法支撐較高的估值。

二是地緣政治的風險，可能會制約國內(nèi)公司深度參與全球AI產(chǎn)業(yè)鏈，進而對A股相關上市公司的業(yè)績造成影響。

趙炯：算力的大部分利潤蛋糕還是在海外，國內(nèi)的光模塊、PCB、交換機只是一小部分。投資上我們應注意全球AI應用的推進節(jié)奏是否符合預期或有超預期，另外注意海外大廠的資本開支等變化。目前AI領域能夠兌現(xiàn)業(yè)績的板塊可能只在服務器、光模塊、交換機，而類似GPU這些環(huán)節(jié)兌現(xiàn)的時間點可能要往后移。關于AI算力的投資，短期要去偽存真，如果沒有持續(xù)的業(yè)績兌現(xiàn)，那么進一步引來的增量資金可能會比較少，導致后期可能會出現(xiàn)收斂。

李濤：從產(chǎn)業(yè)趨勢的角度來說，AI產(chǎn)業(yè)浪潮剛剛開始，AI+充滿想象空間，未來的技術發(fā)展可能會超出我們的預想。當然，創(chuàng)新趨勢產(chǎn)業(yè)的投資是有一定的波動性的，希望大家能在堅守產(chǎn)業(yè)趨勢的時候，對波動有一定的心理準備，也可采用定投的方式，來平滑投資中的體驗。

整體看，以算力為代表的人工智能板塊，專業(yè)和技術門檻都相對較高，個人投資者參與的話，可能時間和精力有限。而且需要關注技術研發(fā)進展、下游市場需求等不達預期的風險；也要注意市場競爭加劇導致毛利率下降的風險。

艾小軍：投資者可以關注芯片ETF和半導體設備材料ETF以及通信ETF。芯片ETF標的指數(shù)包括了芯片行業(yè)的上游設備、材料、設計、制造、封裝和測試，它代表的是整個芯片產(chǎn)業(yè)的發(fā)展。半導體設備材料ETF更加集中。理論上，半導體設備材料ETF的波動比芯片ETF更大，2019年以來的累計收益也更高。整體來看，前景廣闊，但是波動也比較大。通信ETF涵蓋了國內(nèi)主要的光模塊上市公司，能夠率先受益AI所帶來全球算力需求。投資者可結合自己的風險偏好進行選擇。

郭梁良：主要有以下幾個方面，海外云廠商資本開支擴張力度不及預期的風險；對于通用算力業(yè)務占比較大的公司，左右手互博導致業(yè)績不及預期的風險；產(chǎn)業(yè)鏈拉貨節(jié)奏和某些季度業(yè)績預期錯配的風險。

關鍵詞：