互联网行业谷歌链专题：AI全栈式创新，TPU%2bOCS共塑下一代智算网络

首席通信分析师 陈宁玉 SAC：S0740517020004通信分析师 孙悦文 SAC：S0760525070002通信分析师 杨雷 SAC：S07405240600052025年11月05日 谷歌链专题：AI全栈式创新，TPU+OCS共塑下一代智算网络1目 录C O N T E N T S谷歌TPU跨越式发展，带动产业链需求OCS主流方案分析与结构价值拆解02.TPU+OCS交换机共塑下一代智算网络03.04.风险提示06.投资建议与核心标的05.01. 谷歌AI全栈优势，增强Capex持续性◼谷歌AI全栈优势构筑护城河，资本开支具备提升潜力。全面布局芯片（TPU）-网络(OCS)-模型(Gemini)-应用(云计算/搜索/广告等)，自研TPU芯片实现跨越式发展，Gemini模型能力全球领先，重视谷歌算力需求的高增长以及AI硬件创新带来的产业链投资机会。谷歌2025Capex上调至910-930亿，capex营收比与经营性现金流占比，相比其他CSP具备提升潜力，预计2026年将继续加大资本投入。Gemini月活跃用户已超6.5亿，每月处理Token总量一年内增长超过20倍。谷歌云营收及占比持续提高，AI拉动下需求强劲在手订单充足。◼为什么AI数据中心要使用OCS？光交换技术最早出现于电信市场，应用于以WSS为代表的传统电信网络中。数通领域特殊的光开关为OCS（光电路交换机），利用光信号直接传输数据，避免了信号的转换过程，减少了延迟和能量消耗，尤其是在跨区域扩展和大规模AI算力需求下表现出极大优势。传统光电架构动态性能、功耗、成本面临挑战，OCS是应对动态算力需求的关键解决方案——服务器解耦的核心动态互连技术。当Scale-Out规模呈指数级扩张，传统 Clos架构在功耗散热，布线及相应资本开支方面都会面对明显挑战；而传统数据中心架构“CPU–内存–GPU–存储”紧耦合加重上述症结。根据Drut，服务器解耦的技术核心是通过OCS动态光子fabric，实现PCIe信号的长距离、低延迟传输，数据无需经过多跳交换机，效率显著提升。◼谷歌TPU出货预期上修，OCS光交换机前景广阔。早期谷歌数据中心使用Clos拓扑架构，在自研TPU集群Jupiter/Apollo架构中引入OCS替代脊交换机，根据SemiAnalysis，谷歌的OCS定制化网络使其整个网络的吞吐量提升了30%，功耗降低了40%，数据流完成时间缩短了10%，网络宕机时间减少50倍，且资本开支减少30%。目前谷歌TPU V7 Ironwood即将全面上市，开始配置1.6T光模块，OCS主要采用MEMS和液晶方案，其核心部件MEMS阵列、光纤阵列、发射/接收模组及其光学器件、钒酸钇晶体、光模块、环形器、光源等供应商均有望受益。OCS主要包括MEMS、液晶、压电、硅光波导四种方案，其中MEMS和液晶方案应用进展较快，其他方案也在技术优化。英伟达等也在探索OCS应用，考虑到OCS的性能优势，随着技术方案的成熟，未来在数据中心应用前景广阔。◼投资建议：重视谷歌AI算力产业链和OCS技术创新带来的投资机会。重点关注中际旭创（谷歌光模块主供应商，海外子公司TeraHop推出硅光子OCS交换机），长芯博创（谷歌链光器件供应商），腾景科技（ OCS主要产品种类较多，且在多种方案都有应用），德科立（iPronics联合研发制造光波导方案 OCS），光库科技（收购武汉捷普，具有OCS业务），炬光科技（提供NXN大透镜、精密设计V型槽阵列等产品），赛微电子（MEMS-OCS境内外产线分别服务于境内外知名客户，具有多年经验），凌云光（压电陶瓷方案国内稀有厂商）、光迅科技（OFC2024创新推出MEMS系列最新产品OCS）等。◼风险提示：AI进展不及预期、全球数据中心资本开支不及预期、下游需求不及预期、OCS 产业技术进展不及预期、国内外宏观经济下行风险、研报更新不及时风险。核心要点核心要点31谷歌AI全栈优势，增强Capex持续性◼谷歌AI围绕芯片（TPU）-网络(OCS)-模型(Gemini)-应用(云计算/搜索/广告等)全栈优势构筑护城河。从2011年谷歌成立谷歌大脑（Google Brain）实验室开始涉足AI开始，一系列具有影响力的AI研究相继问世，包括2017年发布Transformer架构到2023年推出多模态大模型Gemini，目前已形成从芯片到集群架构到大模型再到应用端的布局，谷歌将AI逐步整合到多元业务流程中，这些业务为谷歌获取了海量数据，用于训练完善AI。同时通过收购AI初创公司拓展市场边界。2025Q3季度营收突破千亿美金，全栈式人工智能解决方案发展势头强劲，有3亿付费订阅用户，主要来自Google One和YouTube Premium。Gemini应用的月活跃用户已超过6.5亿，现在每月处理的Token总量超过1.3千万亿枚（7月处理的Token总量为980万亿枚），一年内增长超过20倍。谷歌谷歌AIAI全栈优势构筑护城河5来源： Google，中泰证券研究所图表：芯片（TPU）-网络(OCS)-模型(Gemini)-应用(云计算/搜索/广告等)全栈模型名称发布时间Tokens 规模模型结构Gemini 1.02023 年 12 月32K-128K多模态 Transformer 架构，支持文本 / 图像 / 音频输入Gemini 1.52024 年 2 月128K-100 万同 Gemini 1.0Gemini 2.02024 年 12 月 100 万-200万TransformerGemini 2.52025 年 3 月100 万MoE Transformer模型名称发布时间模型结构核心特点与行业影响Transformer2017 年编码器 - 解码器架构，多头自注意力机制现代大模型基石，具备并行化训练优势，解决 RNN 长距离依赖问题，为 BERT、T5 等模型奠定基础。后续谷歌所有大模型均基于 Transformer 架构衍生。BERT2018 年双向 Transformer 编码器，12-24 层堆叠开创双向预训练范式，在 GLUE 等基准刷新 SOTA，推动 NLP 进入微调时代。衍生出 ALBERT、RoBERTa 等变体，成为工业界最常用基础模型之一。LaMDA2021 年464层 Transformer专注对话的千亿级模型，通过 1.56T万亿词训练，支持开放域对话。其 “安全微调” 框架为后续模型伦理建设提供参考，直接影响 Gemini 的对话能力设计。PaLM2022 年解码器架构，Pathways 系统训练谷歌首个突破 500B 参数的模型，在 29 项任务中超越 SOTA。通过 6144 块 TPU v4 训练，硬件利用率达 57.8%，开创大规模分布式训练新范式。图表：谷歌多模态大模型 Gemini 发展历程图表：谷歌早期大模型介绍◼CSP厂商Capex营收占比历史高位，谷歌具备进一步提升潜力。谷歌25Q3资本开支239.57亿元，同比+83.42%，2025年以来谷歌Capex及同比均重回增长，Capex绝对值为2020年来最高值，同比自24Q4以来营收及同比均创下