海外TMT行业2025年度投资策略：AI需求持续高景气，算力_终端_应用全产业链投资机会梳理

证券研究报告 ——海外TMT2025年度投资策略 2024年12月5日 【光大海外TMT】 分析师： 联系人： 董馨悦、沈昱恒 付天姿 执业证书编号：S0930517040002，CFA，FRM 王贇 执业证书编号： S0930522120001 黄铮 执业证书编号： S0930524070009 AI需求持续高景气，算力-终端-应用全产业链投资机会梳理 请务必参阅正文之后的重要声明 1 终端：AI +终端百花齐放，边缘SoC+生态系统+硬件迭代构筑端侧智能体 算力：AI算力需求持续高景气，单卡到组网集群各产业链环节均受益 风险提示 应用：AI应用百舸争流，LLM仍是核心竞争力 请务必参阅正文之后的重要声明 2）芯片：英伟达全面领先，AMD和博通面临机遇，台积电享受代工红利 3）服务器：拥有大量未交付订单，关注Dell、HPE和超微电脑 2 AIAI算力需求持续高景气，持续高景气，单卡到组网集单卡到组网集群各产业链环群各产业链环节均受益节均受益 1）供需：AI创新支撑算力需求，产能和技术等供给持续改善 请务必参阅正文之后的重要声明 AI大模型技术迭代，Scaling Law构建算力增长底层逻辑 短期订单强劲可见度高，后续持续跟踪客户订单和资本开支计划 3 供需：供需：AIAI创新支撑算力需新支撑算力需求，产能和技求，产能和技术等供给持续术等供给持续改善改善 产业链梳理：AI算力需求持续高景气，算力硬件产业链受益 技术供给方面，AI芯片加速技术迭代，助推算力成本下降 产能供给方面，CoWoS和HBM的供给情况均在积极改善 请务必参阅正文之后的重要声明 生成式AI浪潮推动AI大模型研发和相关应用开发需求，算力硬件公司作为“卖铲人”持续受益。  芯片侧，GPU 直接受益，英伟达Blackwell需求强劲、供不应求。ASIC定制化积极配合云厂商等大客户。芯片制造和CoWoS封装产业链因旺盛需求积极扩产。  服务器侧，AI芯片积极出货进而带动服务器订单高增，同英伟达密切合作的公司受益程度更高。AI服务器同时带动HBM和SSD等存储需求。  数据中心侧，算力集群化趋势带动网络互联需求，利好光模块、交换机、连接器等。数据中心的电力需求激增，推高清洁能源需求。 4 产业链梳理：产业链梳理：AIAI算力需求力需求持续高持续高景气，景气，算力硬算力硬件产业件产业链受益链受益 图表1：AI算力硬件产业链梳理 资料来源：光大证券研究所整理绘制 请务必参阅正文之后的重要声明 生成式AI竞赛中，各公司加快训练大模型，模型发布时间缩短，带动所需算力增长。单以OpenAI为例，2024年已推出文生视频大模型Sora、多模态大模型GPT-4o和擅长解决数学、代码等复杂推理问题的o1。AI大模型仍在积极迭代、向更强性能和更多功能冲刺。 5 需求：需求：AIAI大模型积模型积极迭代极迭代，ScaliScalingng Lawaw构建算构建算力增长力增长底层逻底层逻辑 图表2：近两年已发布的重点AI大模型情况汇总 资料来源：OpenAI官网， Stability AI官网， Anthropic官网，Google官网，Meta AI官网，53AI网，华尔街见闻，新华网，网易新闻，新浪财经，光大证券研究所整理 Scaling Law：OpenAI于2020年的一篇论文提出，大模型最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，而与模型具体结构（层数/深度/宽度）基本无关；而且AI大模型规模（参数量和数据集）扩大，除了提升原有性能表现外，还会“涌现”原来不具有的能力。Scaling Law奠定了客户提升大模型性能必须购买堆叠AI算力的底层逻辑。 模型 Lab 发布时间 参数量 ChatGPT o1-preview OpenAI 2024年9月12日 ChatGPT 4o OpenAI 2024年5月13日 Qwen2.5 阿里云 2024年5月9日 Claude 3.5 Sonnet Anthropic 2024年6月21日 DeepSeek - V2.5 深度求索 2024年9月6日 236B GLM-4-Plus 智谱AI 2024年8月29日 405B Stable LM 2 Stability AI 2024年1月19日 1.6B Gemini 1.5 Google 2024年2月15日 Llama 3.2 Meta AI 2024年9月25日 lightweight text-only：1B&3B；larger：11B&90B Mixtral 8x22B Mistral AI 2024年4月10日 141B Sora OpenAI 2024年2月15日 PalM2 Google 2023年5月10日 Claude 2 Anthropic 2023年7月11日 ChatGPT 4 OpenAI 2023年3月14日 ChatGPT3.5 OpenAI 2022年11月30日 图表3：大模型表现随着模型计算量提升而变佳 资料来源：Epoch AI 请务必参阅正文之后的重要声明 计算量的增长驱动AI大模型开发厂商构建更大的AI芯片算力集群。OpenAI训练GPT-4时，在大约2.5万个A100上训练了90到100天；而OpenAI训练GPT-3时，在大约1万个V100上训练了15天。68倍计算量增长驱动OpenAI采用性能增强的AI芯片、更多芯片数量的算力集群、增长训练时间。 6 需求：需求：AIAI大模型模型技术技术迭代迭代，ScaliScalingng Lawaw构建算构建算力增长力增长底层逻底层逻辑 图表4：OpenAI GPT-4的训练算力需求相较GPT-3大幅增加 资料来源：Life Architect，腾讯云，36氪，Lambda，Medium，光大证券研究所整理 各大模型厂商纷纷囤积AI芯片用于模型训练。Meta CEO扎克伯格表示2024年底Meta将拥有35万块H100，拥有近60万个GPU等效算力；根据The information预测，截至2024Q1，OpenAI用于模型训练的服务器集群约包括12万个英伟达A100，而2024年全年的训练成本（包括支付数据的费用）可能由原先最早计划的8亿美元增至30亿美元。 参数量 Tokens 数据规模 FLOPS 训练芯片型号 芯片数量 训练时长 (B) (B) (GB) （天） GPT-4 1760 13000 5000 2.15 e25 A100 25000 95 GPT-3 175 300 570 3.14 e23 V100 10000 15 请务必参阅正文之后的重要声明 资料来源：华尔街见闻，光大证券研究所 强化学习推理推出测试维度Scaling Law，提升推理算力需求。强化学习范式使得推理过程包含多次推理迭代、更加复杂的搜索算法或模型的深度思考，因此推理中的思考时间（即测试时间）产生的数据量需要投入更多计算资源。 7 图表5：o1在AIEM测试中的准确率与“训练时间计算”和“测试时间计算”呈正比 需求：需求：RL+L+CoTCoT推动推动AIAI Agenent，叠加多，叠加多模态推模态推动推理动推理算力大算力大幅提升幅提升 RL