行业与公司 * 涉及的行业为光通信（光模块）与国产算力（AI芯片/显卡）行业[1] * 涉及的公司包括光通信领域的东田微、可川科技、汇绿生态、至尚科技、旭创、新易盛[2]，以及国产算力领域的寒武纪[8] 核心观点与论据 光通信行业供需与市场展望 * **市场表现与资金流向**：开年以来光通信板块跑输热门板块，但随着业绩预告期来临，市场风险偏好将向业绩线转移，算力与光通信板块具备明显超额收益[1] 上周板块波动后，资金开始逐步回归业绩线[3] 监管层表态将聚焦业绩线，建议关注具备真实业绩、估值合理的优质公司[3] * **需求端乐观**：2025年四季度至2026年一季度光通信板块业绩趋势乐观，行业供需情况指向2027-2028年需求侧均保持相对乐观[1] * **供给端紧张**：供给端当前整体处于紧张状态，隔离器、光芯片、DSP、叉芯等环节尤为紧缺[1] 头部公司供给保障能力较好，二三线公司面临的供给端压力更大[2] * **新技术加速落地**：供给紧张加速了硅光、LPO等新技术的落地进程，以规避缺货的核心器件（如硅光规避EML，LPO规避DSP）[2] 在硅光技术中，PIC（光子集成电路）环节价值量最高，将吸收传统光模块中EML、DSP等芯片的核心价值量，重塑行业价值分配格局[2] * **业绩与估值优势**：光通信板块估值优势显著，相比海外友商优势突出，业绩确定性较强[4] 2025年业绩增长超50%的公司需发布业绩快报，光通信板块的业绩快报值得期待[4] 人民币升值对板块利润的负面影响整体可控[5] * **未来产业节奏**：2026年一季度业绩值得看好，全年走势将跟随产业迭代节奏[4] 2026年3月光通信展有望发布下一代及新形态产品[4] 2026年二季度行业将进入模型密集迭代周期，马斯克的XAI新数据中心投产将推动模型迭代加速，若大模型商业化确定性增强，将为算力推理市场提供核心支撑[4] 光通信具体标的与投资逻辑 * **弹性标的梳理**：东田微是隔离器环节辨识度较高的标的，隔离器是当前最紧缺环节之一，中日贸易问题加剧物料紧缺，公司凭借供给优势具备行业话语权[2] 可川科技聚焦硅光PIC环节，将受益于PIC价值量提升与行业价值量分配重塑[2] 汇绿生态作为海外大厂代工厂，通过收购实现国内客户突破，在供给紧张背景下凭借产能与物料支持实现明显放量[2] 至尚科技布局英伟达体系CPU连接方案，为三口的方案提供生产加工服务[2] * **龙头配置价值**：光通信板块后续发展趋势确定性较强，头部公司供应链保供能力出色，如新易盛已明确表示供应链无问题，1.6T产品将如期大规模上量[6] 头部公司兼具业绩增速与估值优势，业绩预期明确，当前核心投资逻辑为优先配置龙头标的[7] 国产算力行业动态与指引 * **H200预期**：英伟达已暂时停止H200P PCB的采购，表明国家将其作为中美博弈筹码，不会大规模放开落后一代产品的供应[8] 即便后续有英伟达产品进入国内，也仅会是小规模，且需配套大量国产显卡才能完成采购[8] H200是否放行，对国内上游采购不会产生特别大的影响[8] * **国产算力发展节奏**：2026年国产3D相关公司将逐步进入交付阶段，但此前有收购动作的小公司在2026年仍难以释放业绩[8] 2026年国产算力行业将走出类似光模块2025年的节奏，头部大厂将逐步交付算力卡并兑现业绩，未通过测试的小厂市场份额会被进一步挤压[8] 算力产能的释放从wafer in到收入确认，需经历7~9个月的周期[9] * **业绩预期**：国产算力相关公司因同比实现50%的增长需发布业绩预增公告，但对2025年第四季度业绩无需抱过高预期，例如寒武纪8月已预告全年业绩区间为50~70亿，目前来看难以超越该区间上限[8] 其他重要内容 * 监管层及官媒正引导市场回归具备真实业绩、核心技术的标的，这类标的是市场长线配置的优质选择[10]

公司动态 - OpenAI宣布将于7月14日正式移除GPT-4.5 Preview API [2] - GPT-4.5预览版将继续作为选项提供给个人ChatGPT用户使用 [5] - OpenAI早在4月发布GPT-4.1时就已公布移除计划，GPT-4.5始终是实验性产品 [5] 开发者影响 - 开发者需在27天内从近40个模型中寻找替代品 [3] - 迁移涉及提示词重标定、延迟与费用模型重算及向客户解释语气变化 [8] 商业策略 - GPT-4.5 API定价高昂，输入tokens为75美元/百万，输出tokens为150美元/百万 [6] - OpenAI降低o3 API价格80%，集中资源推广成本可控的主力模型 [8] - 公司战略聚焦规模效应和成本优化，舍弃定位模糊的边缘产品 [8] 财务与估值 - OpenAI在2025年3月完成400亿美元融资，由软银主导，估值达3000亿美元 [11] - 高估值依赖领先模型溢价和渠道议价能力，但模型迭代速度和算力成本构成天花板 [11] 技术背景 - GPT-4.5使命是为未来模型迭代提供创意和写作细微之处的经验 [5] - NVIDIA H100 GPU市价约2.5万美元，满载功耗700W [6] - ChatGPT Plus仍按20美元/月收费，公司需优化算力分配 [6]

纪要涉及的行业和公司 - **行业**：AI 算力行业 - **公司**：微软、Meta、Amazon、谷歌、OpenAI、AXIS、英伟达、博通、泰晶光天孚、Oracle、Skillz AI、DeepSeek、Gloster、X.AI 纪要提到的核心观点和论据 1. **AI 算力需求趋势**：未来 AI 算力需求显著增长，训练和推理端需求都会增加，纵向扩展规模化趋势更明显；当前市场主要反映推理需求，训练需求将成新一轮起点；4 月底起市场对 AI 算力需求存在预期差，美股季报显示微软、Meta 和 Amazon 资本开支超预期，2025 年下半年新 AI 叙事逻辑或重塑，大概率是模型迭代路径新发展 [1][2] 2. **AI 算力集群发展前景**：2025 年上半年推理需求预期上升，下半年训练需求预期增加，A股市场预期将提升；相关标的有 NVMe 链、SATA 链和光互联；若未来模型迭代依赖大集群，中美差距或拉大，中国可通过软件算法创新弥补但有不确定性，美国继续推进参数优化，各公司迭代方向各异 [1][3][4] 3. **中美 AI 领域发展差距**：可能重新拉大，取决于未来一年大模型迭代路径；方向是继续预训练并利用大集群发展大模型，2025 年 Q3 是关键时间点 [1][5] 4. **AI 模型迭代节奏**：2025 年 Q3 是新一轮 AI 模型迭代起点，训练投入增加，市场共识或在 Q4 形成，2026 年 Q1 推理需求有望增长，可通过观察客户量预测未来节奏；2026 年下半年爆款模型出现概率较大 [1][6] 5. **集群在 AI 模型迭代中的作用**：处理大规模计算任务时作用关键，模型参数量增大使对计算量、内存和通信要求增加，需更大集群支持；光互联技术受关注，但 DeepSpeed 出现标志算力通缩逻辑开启，降低对大型集群依赖 [1][7] 6. **不同公司迭代路径** - **谷歌**：预计年底推出新双架构模型，通过架构创新优化 AI 能力 [15] - **Meta**：继续卷入数据层面，拥有大量社交平台数据，但仅增加数据量提升效果有限，收购 Skillz AI 增强技术实力，内部可能有人员调整 [15][16][18] - **微软**：采取跟随策略，减少训练需求投资，转向推理战略，砍掉两个 GW 数据中心，但推理需求超预期使资本开支保持稳定 [25][26] - **OpenAI**：擅长通过增加预训练模型参数量提升效果，使用类似马斯克百万卡集群方法，2025 下半年到 2026 年该方法或成 AI 变化最大环节 [20] 7. **算力通胀与通缩逻辑** - **通胀逻辑**：每个环节性能提升导致价值量增加，如模型参数增多、数据集庞大，对单卡性能、卡间互联速度和光模块规格要求提高 [30] - **通缩逻辑**：模型变小，对集群规模要求减少，算力成本降低，DeepSpeed 出现标志算力通胀逻辑结束，开启通缩逻辑 [9] 8. **集群需求判断及发展趋势**：应基于实际算力需求，而非等待爆款产品；目前 OpenAI 和 XAI 需要大集群，微软、谷歌、亚马逊和 Meta 是否需要待定；大厂最好策略是等待新技术架构出现再建大集群，现有数据中心无法满足需求时可通过 CGI 或 ECI 互联现有数据资源解决部分问题 [28] 其他重要但可能被忽略的内容 1. **后训练阶段影响**：主要依赖强化学习算法，注重算法设计技巧，减少对大规模计算资源需求，降低模型成本，从去年 9 月到今年二季度全球大规模计算资源需求无显著增加 [13] 2. **Meta 内部观点分歧**：杨立昆和杰弗里·辛顿在大模型观点上存在分歧，杨立昆批评大模型，杰弗里·辛顿支持，这种分歧可能促使 Meta 进行管理层调整 [17] 3. **微软资本开支情况**：砍掉两个 GW 数据中心后资本开支未下降，因推理需求超预期补足训练资源 [26] 4. **中国 AI 发展路径**：因硬件基础设施限制，选择以算法优化为主的发展路径，通过异构计算和算法创新突破瓶颈，如 DeepSeek 采用稀疏架构等技术降低对硬件要求 [32][35] 5. **博通技术优势**：胖猫通信技术扩宽通信通道，增强数据同步能力，通过动态自动化负载均衡优化数据加载和处理，支撑训练过程数据处理 [36] 6. **集群架构后端网络重要性**：对带宽和卡性能要求高，是 scale up 的核心，使用 TOPO6 或更强带宽交换机芯片可扩大卡间交互带宽，对大规模集群建设整体性能优化至关重要 [39] 7. **2025 年 AI 算力市场预期变化**：上半年 A 股市场对 AI 算力、推理和训练需求预期共振向下，下半年预期共振向上，波动源于市场预期变化，实际需求一直存在且较好，上半年供给端问题导致供给不足，下半年供给恢复市场预期将改善 [40]