AI算力技术发展如何？

AI算力以更快的技术迭代，打破典型价格与需求周期。

4G/5G的技术演进以 3GPP 标准为节拍，单次Release通常 18–24 个月、代际跨越 6–10 年。标准节拍决定速度：5G 第一阶段标准 Release-15 在2018年6月功能冻结，支撑 2019 年起的 全球商用；面向 5G-Advanced 的 Release-18 在2024年6 月冻结，Release-19/20 按既定规划推 进。单次 Release通常保持18–24 个月的稳定节奏。 代际跨越长：从 LTE（R8，2008 年冻结）→LTE-A（R10，2011 年冻结）→5G（R15，2018 年冻结）→5G-A（R18，2024 年冻结），每次“代际/大阶段”跨度通常6–10 年，且需等待 终端/频谱/站点改造的协同到位。产业链约束：蜂窝网络迭代不仅受芯片与软件影响，更受频谱规划、站点建设、回传与核心 网演进等多要素制约，导致从标准冻结到规模商用需 1–2 年生态爬坡。

4G/5G在基础设施端呈现典型量价周期，在每轮建设周期中，出货量暴增、 伴随价格年降是客观产业规律。 通信标准切换与牌照落地触发首轮覆盖建设（基站、载波、光传输、配 电），运营商 CAPEX和设备商出货量快速上行；随后进入密集化与容量 扩建期，量维持高位但集中招标+多厂竞价使 ASP 年度下修；当覆盖边际 趋缓且折旧与能耗压力上升，转入优化与消化期，量显著放缓、设备 ASP 延续下探、价跌幅度大于量，链条利润率承压。

AI算力“年更+软硬协同”的高频迭代，在 12–18 个月内刷新单位算力成 本并催生新需求，从而在价格下行之前就以“更高代际的价值锚”重定价， 打破了传统硬件的量价周期。GPU 从 2–3 年一代逐渐切换为一年一代，且每代伴随互连（NVLink 等）、 高带宽内存、编译器与内核的系统性升级，将研发—生态—整机的爬坡窗 口压缩，显著抬高进入门槛，竞争格局相对稳定。HBM 、先进封装、算 力配套（光模块、PCB）等产能需提前锁定、良率爬坡周期长，头部厂商 通过长期协议占用大部分产能。价格的主驱动从“同代去库存”转为“新 旧代际的价值差”，行业呈新代具提价能力、旧代有底价支撑的结构。 需求端推动更快迭代：前沿模型训练所用计算量以每年数倍的速度增长， 拉动硬件与存储迭代节奏向 12–18 个月收敛。

PCB板上芯片间的连接、设备间 的连接场景均需要通过不同载体 实现性能升级。互连带宽迅速增长：NVLink跟随 每一代GPU架构进行升级，目前 最新用于B系列GPU的NVLink 5.0 可支持单卡7.2Tb的带宽，相较用 于H100的NVLink 4.0带宽翻倍。存储代际压缩：HBM3E 已在 2024Q2 随 H200 上量，2025 年内 主流厂商已完成 HBM4 开发、内 测并准备量产，存储带宽与容量 几乎以1–2 年一代推进，为大模 型上下文与激活带来更快的可用 带宽与更低能耗。

以A股海外算力链龙头中际旭创、新易盛、胜宏科技和沪电股份为例，受 益于旺盛的AI算力需求与产品持续迭代，格局基本稳定，随着高端产品出 货量增长与规模效应的产生，总体毛利率稳步提升。

参考半导体制程迭代，芯片在性能升级后可应用于更高规格应用场景，创 造更多直线无法满足的需求，行业总空间可随摩尔定律的演绎持续增长。 当算力更便宜、更易得时，开发者会把更复杂的模型与系统作为新基准， 提升参数量、上下文与并行度。 模型架构的迭代有机会减小单次推理、训练所需算力，而AI产业发展过程 中杰文斯悖论将演绎很多次，如Genie 3等生成视频的世界模型，或需要 跨数量级提升的算力才可满足。

Scale Up需要更高的信号密度，更低的功耗、延时、信号损耗； LPO相比DSP光模块功耗减半（~7.5w vs 15w），能效比介于DSP光模块 与CPO之间（~20pJ/bit vs 10pJ/bit vs 6-7pJ/bit ），CPC可代替Tray内PCB 走线连接xPU与端口，LPO+降低功耗、延时、信号损耗； Scale Up单端口速率升级进展有望快于Scale Out，单端口3.2T需要400G/ 通道速率，异质集成TFLN-on-SiPho满足单通道400G等更高速率，实现 更高信号密度。