2024年海外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

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

产业链梳理：AI算力需求持续高景气，算力硬件产业链受益

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。

需求：AI大模型积极迭代，Scaling Law构建算力增长底层逻辑

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。

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。

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。

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。

需求：英伟达未到“思科时刻”，跟踪客户订单和资本开支计划

AI算力产业链相较互联网时期的“思科泡沫” ，存在客户积极研发投入、行业竞争壁垒高等优势。1）AI算力客户群体（云 厂商、AI初创公司）投入大量资本开支用于AI基础设施建设，思科对应的互联网公司资金除产品技术投入外更多投入广告宣 传；2）AI芯片技术和资金壁垒高，思科的路由器、网络技术壁垒低，后期市场竞争激烈。

“思科泡沫”警醒应紧密跟踪AI算力需求和订单变化，当前英伟达Blackwell芯片订单可见度高。互联网泡沫破灭时，思科 存在22亿美元过剩库存，因此应短期监控客户订单、中长期跟踪下游客户需求和资本开支计划。

供给：AI芯片加速迭代，算力成本下降助推应用推理侧发展

AI芯片厂商产品迭代加速，英伟达性能优势明显。自2023年以来，英伟达、AMD和博通等AI芯片厂商均积极进行产品迭代。

性能提升帮助算力成本下降，降低AI应用推理运行门槛，帮助硬件和应用形成正向循环。单芯片性能提升、算力集群整体运 行效率增强均帮助单位算力成本下降，有望促进AI应用和产品研发和使用，丰富的AI应用则将为AI算力带来持续需求。

CoWoS：AI芯片扩产瓶颈之一是CoWoS先进封装中的硅中介层(interposer)产能。1）台积电克服土地和厂房等扩产限制， 2025年底CoWoS月产能预计由2024年底4万片翻倍扩至8万片；2）英伟达积极扩展非台积电的CoWoS供应链，吸纳联华电 子和三星电子实现对台积电的产能补充。

HBM：根据TrendForce，英伟达和AMD的AI芯片积极提升搭载HBM规格，由HBM3向HBM3E更迭，由8层堆叠向12层堆叠 更迭，并不断提升HBM容量和内存带宽。

英伟达：股价历史复盘，多轮业绩超预期驱动股价快速抬升

英伟达股价可分成逻辑推演期和业绩兑现期： ）逻辑推演期（ ）：英伟达收割生成式 算力红利“铲子”逻辑突出，市场预期 算力需求强劲、英伟达手握大量确定性订单； ）业绩兑现期（ 至今）： 亮眼业绩不断推高盈利预测，进而带动股价提升。

业绩驱动股价：英伟达凭借其技术优势，夺得绝大部分AI GPU市场份额，成为收获AI算力红利的主要受益公司。AI算力需求帮助英伟达数据 中心业务营收高速增长，同时高价值量的AI GPU帮助英伟达盈利能力爬升。

Blackwell全新架构实现单卡芯片算 力密度及峰值算力较上代Hopper跃 升。Blackwell GPU实 现两 个GPU die 双 芯 片 堆 叠 ， 晶 体 管 数 量 较 Hopper GPU提升160%，B200同精 度的峰值算力也较H200均提升至少 一倍（除FP64精度外）。 弱化单独GPU芯片，英伟达推出当 前 最强AI芯片GB200。GB200通过 NVLink-C2C接口连接两个Blackwell GPU和一个Grace CPU，GB200推理 速度为 H100 的7 倍 ， 训练速度为 H100的4倍（基于GPT-3模型）。 互联技术帮助GB200机架系统实现 通信速度和整体性能的大幅提升。 GB200还可扩充至机架系统级产品， DGX GB200 NVL72机 架 通 过18个 NVLink Switch芯片连接36个GB200， 帮助Blackwell机架级系统推理性能 较Hopper算力集群提升至30倍（基 于GPT-MoE模型）。

全球AI服务器市场规模有望持续高增，市场竞争格局较为分散

受益于生成式AI的数据分析、训练、推理等多方面需求，AI服务器行业有望维持高景气度。Statista研究数据显示，2023年全球 AI服务器市场规模为310亿美元，预计2024年达到400亿美元、2028年将达到1150亿美元左右，2024-2028年间CAGR约30%。 除云厂商委托ODM定制的AI服务器外，品牌服务器厂商DELL、HPE、超微电脑份额合计超50%。Counterpoint发布的2Q24统 计数据显示，品牌服务器厂商DELL、HPE、超微电脑为AI服务器三大巨头，份额合计超50%。 服务器商业模式分为品牌和白牌厂商。数据中心建设过程包括“零部件—服务器—服务器机柜—数据中心” ，零部件除关键算力 设施GPU外，还需要CPU、内存、硬盘等核心部分，组装完成的服务器需要挂载在服务器机架，以实现服务器间的数据交互及 统一管理。白牌服务器厂商主要负责将GPU等部件组装为GPU服务器/机柜，在主板设计、供应链整合、制造代工等环节提供溢 价；品牌服务器厂商通过自主设计服务器整体解决方案提供溢价。

三大服务器厂商AI服务器营收&未交付订单金额增长，印证行业高景气

受强劲AI需求拉动， DELL、HPE、超微电脑AI服务器营收高速增长：1）Dell科技 ISG业务线收入连续2个季度同比正增长，最 新季度收入环比增长26%至116亿美元，超市场预期。业绩改善主因是AI服务器需求强劲，看好AI服务器的强劲势头持续；2） HPE：已实现连续2个季度AI系统收入同比增长，公司对AI新系统未来订单保持乐观。3）超微电脑：OEM设备和大型数据中心 业务收入近3个季度均实现超过150%同比高增长，截至2024年6月30日的最新季度同比增长达192%，增长主因OEM和大型数 据中心客户增加、超大数据中心业务占比增加，客户对DLC液冷机架需求超预期。

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

PC进入温和增长阶段，厂商专注AIPC软硬件技术迭代

2024年PC全球出货预计温和增长：根据Canalys数据，2Q24全球PC（台式机+笔记本电脑）出货量6280万台，同比增长 3.4%。2H24我们看好PC行业持续温和增长态势：1）PC市场持续复苏的大趋势；2）2H2024PC行业有望迎来换机潮；3） AIPC发布带来产品创新，有望增强客户购买意愿。2025年我们看好PC行业仍能实现温和的个位数增长。 AIPC产品密集发布，看好2025年软硬件持续迭代，2026年加速市场渗透。2Q2024微软发布首款搭载高通骁龙PC处理器的 Copilot+PC产品，英特尔和AMD AIPC芯片以及苹果预期推出的基于M4芯片的Mac产品也将进一步推动2H24高端PC和AIPC产 品的发展。我们预计2025年芯片和终端厂商仍将围绕开发AIPC的硬件迭代、软件生态和用例探索中，2026年AIPC产品实现更 广泛的进入大众视角。

智能手机2024全年或将温和增长，期待25-26年AI手机革新

2024年全球出货或将实现温和增长：1H24全球智能手机出货显著提升至5.93亿台，同比提升10.4%，主要受益于非洲中东、拉美、东南亚等新 兴市场需求提升；考虑到2H23存在高基数效应，我们预计2H24全球智能手机出货增速将有所放缓，但由于下半年仍存在： 1）华为+苹果上新 旺季；2）双十一、圣诞节等传统促销拉动，我们预计2024全年智能手机全球出货仍将保持5%左右温和上涨。

应用：AI应用百舸争流，LLM仍是核心竞争力

LLM：推理成本快速下降，新的Scaling Law正在涌现

近一年LLM的发展基于MoE、RL推理、思维链等前沿技术，性 能迭代加速，从纯文本模型向多模态和复杂推理模型迭代。

1）Gemini 1.5 Pro：谷歌于24M2发布的多模态模型，可以一次性处理大 量信息，包括一小时视频、11小时音频、超过30000行代码等。 2）GPT-4o：于24M5发布的语音对话多模态模型，语音对话延迟显著降低， 与人类对话的反应速度基本一致。可以输出笑声、歌声或表达情感。 3）Claude 3.5 Sonnet：于24M6发布，综合性能超越GPT-4o的同时价格 更便宜，推理端降本速度超预期。同时推出了实时交互功能Artifacts。 4）OpenAI o1：于24M9发布，在编程、理科竞赛等推理密集型任务中， o1的性能明显优于GPT-4o，但在部分自然语言任务上无明显提升，缺点是 推理成本较高、延迟较高。基于强化学习推理和思维链技术，o1可以通过 反思和修正得出最优解决方案，展现出一定的全局思维能力和自主规划能 力，复杂推理补足长尾需求，开拓学术教育等垂类场景，AI+低代码/网络 安全领域有望最早受益。

推理端降本超预期，使更多AI应用在商业上可行。同等量级参数的模型调用成本在快速下降。例如，GPT-4o相比一年前的 GPT-4，输入价格降为1/12，输出价格降为1/6。 根据LLM Leaderboard对大模型性能的评分，顶尖模型的调用价格逐步下 降，主要得益于算力层、基础设施优化和模型技术迭代的联动，未来有望 产生指数级的变化。对下游应用厂商而言，这一预期赋予了AI应用价格战 的空间，短期的亏损可能被未来下降的成本与更大的市场占有率所抹平。

报告节选：

编辑：火腿肠