【东兴证券】2023年通信行业半年度策略：紧抓AI之光.pdf

2023-07-21

33页

5MB

1 通信行业2023上半年行情回顾

上半年行情回顾：通信板块领涨全市场，光模块表现最为耀眼

2023年上半年，通信板块一路领跑。2月以来，随着chatGPT的火爆，景气度从光模块传导到服务器、交换机等设备，市场对数据中心的算力网络的增长预期大幅提升。今年上半年，通信板块大幅跑赢科创50、沪深300等指数。在A股所有板块中，通信涨幅最大。以通信、传媒、计算机、电子为代表的TMT板块涨幅靠前，其中，通信上半年涨幅51%，位居所有板块前列。

上半年AI行情中，光模块产业链个股市场表现最优。以中际旭创、联特科技为代表的光模块公司、以天孚通信为代表的光器件公司、以及产业链上数通设备、线缆公司涨幅靠前。

2 紧握AI算力主线

紧握AI算力主线—新生产力背后的变革，这一轮800G周期有何不同？

大模型是一种新的生产力工具，来帮助我们更准确地认知世界和预测世界。大模型（Foundation Model）的出现是一系列的变革，我们看到不仅是800G光模块、HBM需求旺盛的现象，其背后是深度学习对于链上所有参与环节的突破，包括解决存储墙出现的HBM、解决算力墙出现的集群和分布式训练、解决通信墙而出现的网络架构革新、解决功率墙出现的液冷等等，是通信和电子一系列技术新一轮的变革。

本轮800G周期有何不同

本轮光模块800G周期有何不同？光模块行业是一个周期成长的行业，本身遵循光摩尔定律，即每2-3年网络带宽翻倍，因此光模块公司的业绩往往跟随速率升级周期节奏。而本轮800G周期和以往100G、400G的不同之处在于，不仅仅是速率升级，还有网络架构的变革。我们看到AI 数据中心网络架构有两个变革：一个是从Spine-Leaf架构→Fat-tree架构；二是GPU All-to-all直连，这两种变革都额外地、大幅地增加了光模块需求。

大模型训练的本质是海量的数据在数据中心内部反复转移

大模型训练的本质是将权重参数网络多次迭代。深度学习目标是通过反复迭代，算出预测输出准确率最高时的权重。首先，模型设定初始权重（通常服从均值为0的高斯分布），从输入逐步计算每一层神经元的值，直到计算出模型的输出，将其和实际结果比对计算出偏差，这是前向传播（Forward propagation）。权重和偏差的数据会暂存到DRAM中。而利用得到的偏差，再通过计算梯度调整上一层权重，逐渐反推到第一层，这是反向传播（Back propagation）。这样，计算单元每进行一次迭代，都需要把上一次迭代得到的参数从存储中读取出来，完成计算后再存回存储，以备下一次迭代使用。现代的神经网络通常有十亿级别甚至百亿的参数，海量的数据因此需要不停地从存储和计算单元反复转移，需要至少数百万次的迭代（大部分时间计算单元需要等待存储单元读写数据，存储首先成为了算力瓶颈），直到输出可接受的结果。

AI数据中心流量模式异于传统云计算

因此，大量的数据需要在不同的服务器之间来回流动，为了实现同步，需要等所有GPU都计算完再分发数据，因此有部分任务小的GPU出现空闲，出现了长尾时延。这种集群同时协作的特点，使得数据中心流量呈现明显的瞬时性，流量模式和传统云计算最大的不同在于：云计算每个任务是异步的小流量，因此整体流量比较均衡。但AI的数据是短时的大流量，这使得在传统的云计算网络架构下，神经网络的训练会造成网络延迟和训练速度的降低。而无阻塞（Non-blocking）的网络，由于其不收敛的特点，可以提高网络效率，加快训练速度，这是专用于AI/ML训练的数据中心，其网络架构从Spin-leaf转到Fat-tree的原因。

下一步是什么？200G PAM4和持续提升的带宽需求

未来，模型大型化的演进，会持续提升的算力需求。AI对算力增长的推动主要来自两个方面：1）更大规模的模型，会持续向更高数量级的参数和更大样本集演进，以获得更准确的结果。例如，OnpenAPI发现，随着GPT-3的参数规模从130亿拓宽到1750亿，其完成算术题的准确性从<20%跃升至接近100%，达到了量变到质变的变化；2）多模态模型，由于复杂度上升，同样提升了算力的要求。

HBM迭代加快，更高带宽的HBM3E有望今年底量产，将进一步推动网络带宽的提升。作为第一个推出HBM的公司，SK海力士将在下半年推出HBM3E新品。2022年，SK海力士HBM市场全球市场份额高达50%（Trendforce数据），是英伟达的主要供应商。根据Tom’s Hardware报道，日前（2023年6月），英伟达正在评估SK海力士新推出的HBM3E。HBM3E带宽将从HBM3的819.2GB/s提升至1TB/s，即25%的提升，计划于2023年下半年送样，2023年底或者2024年开始上量，有希望应用在英伟达的新一代的AI和HPC GPU中。随着新一代HBM的量产，网络带宽扩张确定性较高。

光模块：我国目前竞争优势最突出的AI产业链环节

事实上，光模块已成为我国优势产业。近5年来，中国光模块厂商凭借强大的工程师红利，在与海外光模块厂商竞争中不断占据上风。 2010年，全球前十大光模块厂商仅光迅科技一家中国企业。，2022年，旭创科技（排名并列第1）、华为（排名第4）、光迅科技（排名第 5）、海信宽带（排名第6）、新易盛（排名第 7）、华工正源（排名第8）、索尔思光电（排名第10）七家光模块厂商进入全球前十，中际旭创更是凭借在数通领域的强大优势，与IIVI并列第一，连续两年成为全球光模块龙头。我们认为，未来中国光模块厂商优势稳固，在全球光模块产业链中的比重将继续提升。

3 关注中国光模块产业崛起机遇

光模块厂商扶持上游意愿明显，光模块芯片&器件替代加速

在光器件的所有原材料中，光芯片、陶瓷外壳和TEC 的国产化程度较低。其中，光芯片价值量占比（ 31.67%）最高。全球当前处于生产光芯片的龙头企业有美国的博通、II-V、Lumentum，日本的三菱、住友等，国内有源光芯片中，EML较为突出的有华为海思和源杰科技，成熟DFB产品的有源杰科技、光迅科技、仕佳光子、博创科技等，VCSEL方面较为成熟的是长光华芯。

除此之外，陶瓷外壳和TEC的国产化程度同样较低。陶瓷外壳占光器件成本约16%，目前日本的京瓷处于领先地位，国内有中瓷电子正在快速突破。而TEC占 13%这一不小的比例，全球知名的公司有日本的 Ferrotec、美国的Phononic，国内目前仅有富信科技拥有成熟量产光模块TEC的能力。

光模块上游国产替代方向1：高端光芯片

光芯片是光模块中价值量最高的部分。光芯片主要为激光器芯片和探测器芯片，分别完成电光转换和光电转换的功能。光器件厂商将光芯片与透镜、金属盖、陶瓷套管等组件搭配分别封装成 TOSA、ROSA、BOSA等光器件，再由光模块厂商将 PCB与电芯片组成的驱动电路、结构件等封装成光模块。一般来说，芯片占据光模块整体成本的50% ~ 70%，是价值量最高的部分。

10G DFB国产化相当成熟，25G DFB国产化加速，50G DFB仍有非常大的空间。2017年，我国10G光芯片国产化率早已接近50%，2.5G等10G以下光芯片国产化率已达80%，而25G光芯片国产化率不足5%。近年来，“双千兆”建设带动运营商10G PON网络改造升级，10G DFB光芯片基本已实现国产化，竞争渐趋激烈。而25G DFB国内厂商中能形成稳定出货的较少，其中源杰科技25G DFB已批量稳定出货，50G DFB国内量产厂商稀缺，国产化空间巨大。

光模块上游国产替代方向2：TEC

什么是TEC？TEC即半导体热电制冷器件（Thermoelectric Cooling Modules），是一种利用半导体材料的佩尔捷效应（ Peltier Effect）实现制冷或加热的电子器件。与传统的机械压缩制冷方式不同，TEC更适用于尺寸、便携性、静音性要求较高的小容积、小冷量制冷场景，如消费电子领域的小冰箱等，以及对环境适应性要求较高的场景，如激光系统冷却、光学的探测器和传感器的温度控制等。

为什么光模块需要TEC？激光器发光中，部分电能会转化成热量浪费掉，但是这些热量还会对自身工作有影响，光芯片工作温度每变化 1°C，激光器发射的波长会漂移 0.08nm 至 0.1nm。波分复用特别是 DWDM（密集波分复用）激光器通常要求将波长间隔控制在 0.8nm、0.4nm 甚至 0.2nm，需要在光器件中内置 TEC 使激光器处于恒温的工作环境，保证光模块内部各路激光的输出波长及功率稳定，以及更高的安全性和更长的使用寿命。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）