[光大证券]：海外tmt行业2025年度投资策略：ai需求持续高景气，算力-尊龙凯时人生就博

ai需求持续高景气，算力终端应用全产业链 投资机会梳理 海外tmt2025年度投资策略 【光大海外tmt】分析师：联系人： 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 董馨悦、宾特丽亚、沈昱恒 2024年12月29日 证券研究报告 ai仍是科技产业主旋律，当前正步入aiagent阶段早期 2023年chatgpt开启ai的“iphone”时刻，ai行业经历2年左右时间发展，2h24以来步入aiagent阶段的早期： ai大模型阶段：2023年chatgpt开启ai的“iphone时刻”，拉开ai大模型时代的序幕。openai、谷歌、百度、阿里巴巴、腾讯、字节跳动、商汤科技等大型互联网厂商科技公司纷纷发布旗下ai大模型、并持续加大ai大模型的研发投入，“百模大战”一触即发。 aiagent阶段：2024年9月，openai发布o1模型，基于rl（强化学习）cot（思维链），为具备自主规划能力的aiagent奠定基础。当前随着ai应用商业化落地进程加快，生成式ai对各种使用场景、应用领域、终端的渗透率提升，当前产业正步入aiagent阶段的早期：1）ai算力需求从训练逐步向推理过渡，产业链延续高景气；2）ai大模型逐步渗透至手机、pc、汽车、机器人等终端，端侧生态蓬勃发展；3）ai应用与具体业务场景的融合不断强化，具备爆款潜质的应用开始萌芽。 agi通用人工智能阶段：长远来看，随着ai算力基建扩容和大模型技术的不断迭代，人工智能的“涌现”将带领人类社会步入agi时代。 图表1：ai应用发展可分成ai大模型、aiagent和agi三阶段 资料来源：光大证券研究所绘制 把握ai算力终端应用全产业链投资机会主线 我们认为ai仍是2025年全球科技的核心主题，ai大模型的迭代、新应用的落地持续带来算力基础设施增量需求，亦将助力终端生态和交互的新变革，赋能千行百业迎来新奇点。本篇报告系统化梳理ai科技行业变化、技术趋势，详细拆解产业链各环节竞争格局，围绕算力终端应用三大主线，深度分析投资逻辑、及重点标的，对应投资机会的分析和把握： 算力为基：多模态ai推理多元客户驱动需求持续高涨，供给改善强化业绩增长确定性，持续看好25年英伟达及算力集群产业链投资机会。24q2以来，半导体复苏节奏呈现整体表现偏弱、不同领域分化的特点，美股市场对ai算力产业链公司的投资整体趋于理性，核心聚焦业绩兑现度、行业格局变化、技术演进趋势，综合：1）短期高业绩支撑性及兑现度，2）具备强逻辑的长期行业成长性，3）高ai敞口，我们梳理四条核心投资主线： ai算力“卖铲人”：ai大模型scalinglaw构建算力增长底层逻辑，英伟达凭借单卡性能软件生态通信组网的综合优势，手握大量确定性订 单，23q1至24q3业绩持续高增。cowosl供给情况改善后，看好2025年英伟达业绩在blackwell出货推动下持续高速增长。推荐：英伟达。 英伟达产业链：1）cowos：先进封装cowos产能成ai算力供应瓶颈，关注：台积电、amkor科技。2）存储：行业开启涨价周期，ai手机 aipc提升容量需求，云端算力带动hbm供不应求、市场规模高速增长。关注：美光科技；3）服务器：ai算力需求强劲带动ai服务器出货量攀升、在手订单高涨，关注：戴尔科技、惠普、慧与、ibm、超微电脑； 受益于ai算力大规模集群化：2024年英伟达发布基于blackwellgpu的nvl机架系统，大规模ai算力集群成为趋势，ai算力产业红利进一步外溢，1）网络：万卡算力集群化趋势驱动通信互联需求，且更多供应商获得英伟达认证，利好网络通信相关中小盘标的。关注：交换机相关arista网络、juniper网络、marvell科技、博通；dsp芯片：credo科技、marvell科技、博通；光模块：coherent、应用光电、先科电子；线缆：安费诺、credo科技、lumen科技。2）液冷：ai芯片性能增强，风冷散热能力达到极限，未来大型算力集群中液冷将成为必选项，关注：vertiv。 asic定制化芯片设计：meta、google、微软、亚马逊为主的互联网大厂布局芯片自研，ai算力需求由通用芯片向配合行业和公司特性的专用定制ai芯片转型。关注：博通、marvell科技。 终端为继：ai大模型发展有望驱动pc、手机、智能汽车、机器人等终端的软硬件生态持续迭代，看好ai趋势对产业升级下游需求的催化作用。 ai手机pc：ai升级带动智能手机、pc更加高效智能个性化，apple、微软、安卓、联想等操作系统终端阵营相继布局完善生态，硬件创新与换机周期有望迎来共振。持续推荐苹果、小米集团，关注联想集团、戴尔科技、惠普。看好多模态背景下影像光学声学产业链，关注高伟电子、瑞声科技、舜宇光学科技。 智能驾驶：车企智能化的迭代节奏进入加速阶段，搭载多融合传感器智能驾驶ai算法优化的智能汽车或将成为行业未来发展方向，建议关注智驾能力领先厂商特斯拉，关注智驾芯片厂商地平线；关注激光雷达厂商禾赛科技、速腾聚创；关注智能车载屏显厂商京东方精电。 机器人：多模态规划大模型端到端神经网络有望持续赋能具身智能机器人，人形机器人商业化进展持续推进，建议关注技术落地领先厂商 特斯拉、优必选。 应用为核：ai算力开支的变现依赖于下游应用场景的增长。美股ai应用公司24q3业绩基本面转暖，底层大模型迭代、特朗普胜选叠加降息对美国经济预期更加乐观。看好ai应用将驱动美股ai应用在2526年迎来大周期： 短期：关注生成式ai的低代码、可视化能力对核心体验提升较直观的领域，以及受益于决策式ai的领域，关注：1）it运维：servicenow、datadog、gitlab、dynatrace；2）广告营销：applovin、meta、谷歌、zeta；3）数据治理：palantir、c3ai；4）网络安全：crowdstrike、paloalto网络、cloudflare。 中期：从底层改变企业运营治理，利用ai打通数据孤岛，融入企业工作流。帮助行业客户简化ai探索、优化企业运营效率的平台将具备巨大的潜在需求，推荐微软，关注：1）大型企业服务平台：servicenow、salesforce、sap、oracle。2）特定业务流：workday、atlassian、zoom、twilio、asana。 长期：随着各行业ai与具体业务场景的融合效果得到验证，ai应用相对传统应用的比例将不断提升，对应的上游需求将水涨船高，关注：1）nosql数据库数据仓库：snowflake、mongodb；2）可观测性：datadog、confluent；3）训练数据尊龙凯时人生就博的版权：reddit、shutterstock。4、行业垂类：随着llm推理成本的持续降低，以及多模态、agent等技术的迭代，ai行业垂类将打开广阔的市场空间，建议关注：1）ai多媒体：adobe、soundhound。2）ai教育：duolingo、coursera；3）ai金融：intuit、fico、lemonade、ccc智能，guidewire。4）ai电商：亚马逊、shopify。 风险提示：ai产业链产能扩产可能存在瓶颈；ai行业竞争加剧的风险；ai大模型迭代及下游应用进展不及预期，大模型训练和推理的算力需求的下行风险；下游需求不及预期风险；市场竞争加剧风险；市场拓展不及预期；商业化进展不及预期风险；国内外政策风险。 算力为基：aiagent多模态推理支撑新需求，算力集群趋势带动产业红利 终端为继：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 应用为核：海外ai应用大周期拉开帷幕，各细分领域行情分阶段演绎 风险提示 aiagent多模态推理支撑新需求，算力集群趋势带动产业红利 1）供需：未到“思科时刻”，aiagent推理供给改善助力持续高景气 2）芯片：英伟达龙头引领，产业链迎来asic和组网集群新红利机遇 3）服务器：未交付订单金额持续增长，但短期盈利能力有所承压 产业链梳理：ai算力高景气，单卡到组网集群各环节均受益 aiagent新阶段，预训练、后训练和测试时间三类scalinglaw齐头并进 需求：英伟达未到“思科时刻”，客户后续资本开支投入可见度高技术供给：ai芯片迭代助推算力成本下降，为推理侧和应用发展蓄力 产能供给：cowos预计2025年翻倍扩产，12层hbm3e已实现量产 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、线缆等。数据中心的电力需求激增，推高清洁能源和液冷需求。 图表2：ai算力硬件产业链梳理 资料来源：应用光电尊龙凯时人生就博官网，先科电子尊龙凯时人生就博官网，c114通信网，36氪，网易，搜狐，华尔街见闻，光大证券研究所整理绘制 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gpt4o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。 scalinglaw：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。scalinglaw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 chatgpto1preview openai 2024年9月12日 chatgpt4o openai 2024年5月13日 qwen25 阿里云 2024年5月9日 claude35sonnet anthropic 2024年6月21日 deepseekv25 深度求索 2024年9月6日 236b glm4plus 智谱ai 2024年8月29日 405b stablelm2 stabilityai 2024年1月19日 16b gemini15 google 2024年2月15日 llama32 metaai 2024年9月25日 lightweighttextonly：1b3b；larger：11b90b mixtral8x22b mistralai 2024年4月10日 141b sora openai 2024年2月15日 palm2 google 2023年5月10日 claude2 anthropic 2023年7月11日 chatgpt4 openai 2023年3月14日 chatgpt35 openai 2022年11月30日 图表3：近两年已发布的重点ai大模型情况汇总 资料来源：openai尊龙凯时人生就博官网，stabilityai尊龙凯时人生就博官网，anthropic尊龙凯时人生就博官网，google尊龙凯时人生就博官网，metaai尊龙凯时人生就博官网，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 图表4：大模型表现随着模型计算量提升而变佳 资料来源：epochai 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gpt4时，在大约25万个a100上训练了90到100天；而openai训练gpt3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