AI大模型的指数级算力需求正倒逼通信基础设施全面升级。OpenAI数据显示，自2012年以来全球头部AI模型训练算力需求每3-4个月翻一番，GPT-3训练使用128台英伟达A100服务器，而GPT-4使用3125台（GPU数量增加近24倍）。算力需求增速远超摩尔定律2年的倍增周期，供需缺口持续扩大。在此背景下，PCB向HDI升级（2023-2028年CAGR 16.3%）、光模块向800G/1.6T迭代、铜连接在短距场景替代光纤、AI服务器出货量2024年预计42.1万台——算力基础设施建设正迎来全面升级周期。
算力供需缺口——AI需求 vs 摩尔定律的赛跑
算力需求和算力基础设施之间存在着持续扩大的供需缺口。OpenAI的分析指出，自2012年以来，最大规模人工智能训练中使用的计算量以3.4个月的倍增时间呈指数增长，而摩尔定律的倍增周期为2年。GPT-3模型训练使用了128台英伟达A100服务器，GPT-4模型训练则使用了3125台英伟达A100服务器——GPU数量增加了近24倍。
供需差的产生分为两个阶段。初期，AI大模型对算力的需求增长远超摩尔定律迭代速度，算力正成为AI发展的瓶颈，尤其是大模型训练和推理阶段；中后期，具身智能机器人、车联网、工业物联网等新应用的持续渗透，将在数据处理、实时推理、模型训练全流程带来指数级算力需求增长，云计算和边缘计算同步增长。
基础设施升级路径——PCB、光模块、铜连接、服务器
算力需求倒逼四大基础设施环节同步升级。PCB方面，AI服务器升级使GPU主板从高多层板向HDI转型，HDI在更小空间实现更高集成度和更强功能，适合高速传输场景。Prismark预计2023-2028年HDI年均复合增速达16.3%，是PCB中增速最快的品类。
光模块方面，Lightcounting预测全球光模块市场规模2026年达176亿美元，数通市场占比从2020年55%升至2026年77%。AI数据中心对算力和带宽的需求推动光模块向800G、1.6T迭代，CPO、硅光、LPO等新技术加速落地，CPO预计2026-2027年规模上量，有望将可插拔光模块功耗降低50%。铜连接方面，英伟达GB200NVL72采用5000根铜缆连接GPU，短距场景下铜连接具备成本、功耗、散热优势，端口速率从56Gbps向112Gbps、224Gbps演进。
AI服务器——国产替代的广阔空间
2023年全球AI服务器出货量接近120万台（+38.4%），预计2024年超160万台。中国AI服务器2023年出货约35.4万台，2024年预计42.1万台。浪潮在中国AI服务器市场份额约47%排名第一，新华三（11%）、宁畅（9%）、安擎（7%）、坤前（6%）、华为（6%）紧随其后。
交换机方面，中国商用以太网交换芯片市场2022年规模132.45亿元（2018-2022年CAGR 13.8%），博通/美满/瑞昱占据97.8%份额，盛科通信市占率1.6%在境内厂商中排名第一。400G端口将成为数据中心网络主流，国产化替代空间广阔。
AI服务器算力需求增长对比| 模型 | GPU数量 | 算力需求 | 发布时间 |
|---|
| GPT-3 | 128台A100 | 基准 | 2020年 |
| GPT-4 | 3,125台A100 | 增长24倍 | 2023年 |
