【从 IDC 到 AIDC：投资回报周期有望缩短】

传统 IDC 针对“广覆盖”通用计算需求，AIDC 则面向 AI、大数据、高性能计算的“深计算”需求。传统 IDC 和 AIDC 的区别主要体现在终端客户、技术架构、运营模式、硬件资源要求等方面，其中最为核心的区别点在于，AIDC 由于单机柜功率密度较高，投资回报周期有望较传统 IDC 更短：

• 硬件设施：IDC 以通用服务器为主，功率密度较低（通常 4-8kW/ 机柜），AIDC 功率密度较高（20-100kW/ 机柜）。

• 散热要求：IDC 主要采用风冷，结合机房环境控制；AIDC 广泛采用液冷。

• 投资回报周期：IDC 建设周期较长，以长期托管和租赁为主，收入模型稳定；AIDC 初始建设成本（硬件、冷却系统）较高，但单位功率密度功率更高，回报期相对更短。

  
  

• 服务模式：IDC 以通用托管服务为主；AIDC 有望提供更加垂直化和专业化服务，如定制化机柜部署、专用冷却解决方案等。

【AI 对数据中心需求量的拉动：先去库存，后涨价】

AI 的快速发展将在消化存量资源后拉动 AI 数据中心的需求，推动价格和盈利能力的改善。与上一轮周期不同，这轮因计算功率密度提升，对用电量的需求将大于对 IDC 空间需求。因此我们认为，IDC 行业在 AI 发展下的新逻辑将从能耗去库存开启，或许之前三层楼的用电量现在半层楼就能消化，IDC 按功率计算的整体利用率提升，再在高端需求增加的背景下，通过机房改造，上架率逐步满载，核心城市和偏远城市资源在训练和推理中各取所需，有望逐步开始行业新一轮周期：

• 存量压力与去库存：上一波云计算浪潮带来的 IDC 建设高峰，留下了大量空置或低租金的存量资源，尤其是在核心城市和偏远市场，这些存量数据中心的利用率需要随着 AI 需求的增加而逐步提升，短期内去库存是市场的首要任务。

  
  

• AI 推动存量资源盘活：AI 的高密度计算任务对现有数据中心资源进行再配置，例如，通过增加 GPU 服务器部署，改造机房电源供电系统，部分空置的传统 IDC 可以快速转型为满足 AI 需求的基础设施，从而提高资源利用率。

  
  

• 展望——价格提升逻辑：在存量资源得到有效利用后，新增 AI 数据中心的需求将推动市场供需平衡向紧张方向转变，高功率密度的 AI 专用数据中心租金有望提振。

【AIDC 时代如何优选第三方托管公司】

在 AIDC 时代，第三方 IDC 公司的核心竞争力将围绕技术能力、客户资源和运营效率展开。首先，技术能力是关键，具备高密度计算支持能力（如 GPU 服务器部署）、先进散热方案（液冷）和高效网络架构的公司将具备长期竞争优势；其次客户资源决定成长性，拥有互联网巨头（字节、BAT 等）、AI 公司或科研机构等优质客户资源的公司，业务扩展更具稳定性和潜力；此外，运营效率提升盈利能力，通过低 PUE 值实现能效优化、借助模块化设计降低扩建成本的公司有望具备较为良好的盈利能力。

我们长期看好算力板块，当下时点重点建议关注国产算力以及相关产业链的进展，重点推荐在光通信龙头中际旭创、新易盛、天孚通信等，同时建议关注国内“四大四小”中兴、锐捷、寒武纪、光迅 + 美格、德科立、太辰光、东田微，并且建议关注 AIDC 后续发展及库存出清节奏，建议关注优质数据中心厂商如润泽科技、光环新网、奥飞数据、数据港等。

建议关注：

算力——

光通信：中际旭创、新易盛、天孚通信、太辰光、腾景科技、光库科技、光迅科技、德科立、联特科技、华工科技、源杰科技、剑桥科技、铭普光磁。铜链接：沃尔核材、精达股份。算力设备：中兴通讯、紫光股份、锐捷网络、盛科通信、菲菱科思、工业富联、沪电股份、寒武纪、海光信息。液冷：英维克、申菱环境、高澜股份。边缘算力承载平台：美格智能、广和通、移远通信。卫星通信：中国卫通、中国卫星、震有科技、海格通信。

数据要素——

运营商：中国电信、中国移动、中国联通。数据可视化：浩瀚深度、恒为科技、中新赛克。

风险提示：AI 发展不及预期，算力需求不及预期，市场竞争风险。

1.    投资策略：AI 下数据中心的新逻辑

本周建议关注：

算力——

光通信：中际旭创、新易盛、天孚通信、太辰光、腾景科技、光库科技、光迅科技、德科立、联特科技、华工科技、源杰科技、剑桥科技、铭普光磁。

铜链接：沃尔核材、精达股份。

算力设备：中兴通讯、紫光股份、锐捷网络、盛科通信、菲菱科思、工业富联、沪电股份、寒武纪。

液冷：英维克、申菱环境、高澜股份。

边缘算力承载平台：美格智能、广和通、移远通信。

卫星通信：中国卫通、中国卫星、震有科技、华力创通、电科芯片、海格通信。

数据要素——

运营商：中国电信、中国移动、中国联通。

数据可视化：浩瀚深度、恒为科技、中新赛克。

本周观点变化：

本周海外市场整体上升趋势较好，英伟达本周涨幅达 5.44%，周五涨幅达 4.45%，股价创四周新高。此轮上涨主要受 2024 年各个行业对 AI 芯片的强劲需求带动：据英国《金融时报》报道，英伟达公司在 2024 年向人工智能初创企业投入了 10 亿美元的资金，参与 50 轮初创企业融资和多笔企业交易。2025 年初投资者仍普遍看好 AI 市场，周五美国科技股普遍走高，英伟达涨超 4%，台积电涨 3.49%，戴尔涨 2.9%，亚马逊涨约 1.8%。长期来看，应用领域的大幅拓展也将支持上游算力基础设施的进一步投入。

我们长期看好算力板块，当下时点重点建议关注国产算力以及相关产业链的进展，重点推荐在光通信龙头中际旭创、新易盛、天孚通信等，同时建议关注国内“四大四小”中兴、锐捷、寒武纪、光迅 + 美格、德科立、太辰光、东田微，并且建议关注 AIDC 后续发展及库存出清节奏，建议关注优质数据中心厂商如润泽科技、光环新闻、奥飞数据、数据港等。

2. 行情回顾：通信板块下跌，光通信表现最优 

本周（2024 年 12 月 30 日 -2025 年 1 月 3 日）上证综指收于 3211.43 点。各行情指标从好到坏依次为：沪深 300>上证综指>万得全 A >万得全 A( 除金融，石油石化 )> 中小板综>创业板综。通信板块上涨，表现劣于上证综指。

从细分行业指数看，运营商、量子通信、物联网分别下跌 0.9%、8.4%、11.1%，表现优于通信行业平均水平；光通信、移动互联、通信设备、卫星通信导航、云计算、区块链分别下跌 11.9%、12.0%、12.1%、13.70%、13.71%、15.2%，表现劣于通信行业平均水平。

本周，受益于浪潮信息合作、债券兑付，ST 鹏博上涨 18.539%，领涨版块。受益于算力概念，爱施德上涨 8.152%；受益于 AI 眼镜概念，润欣科技上涨 7.190%；受益于车载 TDDI 芯片量产交付，英唐智控上涨 6.351%；受益液冷概念，共进股份上涨 6.215%。

3.周专题：AI 下数据中心的新逻辑

【从 IDC 到 AIDC：投资回报周期有望缩短】

传统 IDC 针对“广覆盖”通用计算需求，AIDC 则面向 AI、大数据、高性能计算的“深计算”需求。传统 IDC 和 AIDC 的区别主要体现在终端客户、技术架构、运营模式、硬件资源要求等方面，其中最为核心的区别点在于，AIDC 由于单机柜功率密度较高，投资回报周期有望较传统 IDC 更短：

• 硬件设施：IDC 以通用服务器为主，功率密度较低（通常 4-8kW/ 机柜），AIDC 功率密度较高（20-100kW/ 机柜）。

• 散热要求：IDC 主要采用风冷，结合机房环境控制；AIDC 广泛采用液冷。

• 投资回报周期：IDC 建设周期较长，以长期托管和租赁为主，收入模型稳定；AIDC 初始建设成本（硬件、冷却系统）较高，但单位功率密度功率更高，回报期相对更短。

  
  

• 服务模式：IDC 以通用托管服务为主；AIDC 有望提供更加垂直化和专业化服务，如定制化机柜部署、专用冷却解决方案等。

【AI 对数据中心需求量的拉动：先去库存，后涨价】

AI 的快速发展将在消化存量资源后拉动 AI 数据中心的需求，推动价格和盈利能力的改善。与上一轮周期不同，这轮因计算功率密度提升，对用电量的需求将大于对 IDC 空间需求。因此我们认为，IDC 行业在 AI 发展下的新逻辑将从能耗去库存开启，或许之前三层楼的用电量现在半层楼就能消化，IDC 按功率计算的整体利用率提升，再在高端需求增加的背景下，通过机房改造，上架率逐步满载，核心城市和偏远城市资源在训练和推理中各取所需，有望逐步开始行业新一轮周期：

• 存量压力与去库存：上一波云计算浪潮带来的 IDC 建设高峰，留下了大量空置或低租金的存量资源，尤其是在核心城市和偏远市场，这些存量数据中心的利用率需要随着 AI 需求的增加而逐步提升，短期内去库存是市场的首要任务。

  
  

• AI 推动存量资源盘活：AI 的高密度计算任务对现有数据中心资源进行再配置，例如，通过增加 GPU 服务器部署，改造机房电源供电系统，部分空置的传统 IDC 可以快速转型为满足 AI 需求的基础设施，从而提高资源利用率。

  
  

• 展望——价格提升逻辑：在存量资源得到有效利用后，新增 AI 数据中心的需求将推动市场供需平衡向紧张方向转变，高功率密度的 AI 专用数据中心租金有望涨价。

【AIDC 时代如何优选第三方托管公司】

在 AIDC 时代，第三方 IDC 公司的核心竞争力将围绕技术能力、客户资源和运营效率展开。首先，技术能力是关键，具备高密度计算支持能力（如 GPU 服务器部署）、先进散热方案（液冷）和高效网络架构的公司将具备长期竞争优势；其次客户资源决定成长性，拥有互联网巨头（字节、BAT 等）、AI 公司或科研机构等优质客户资源的公司，业务扩展更具稳定性和潜力；此外，运营效率提升盈利能力，通过低 PUE 值实现能效优化、借助模块化设计降低扩建成本的公司有望具备较为良好的盈利能力。

我们长期看好算力板块，当下时点重点建议关注国产算力以及相关产业链的进展，重点推荐在光通信龙头中际旭创、新易盛、天孚通信等，同时建议关注国内“四大四小”中兴、锐捷、寒武纪、光迅 + 美格、德科立、太辰光、东田微，并且建议关注 AIDC 后续发展及库存出清节奏，建议关注优质数据中心厂商如润泽科技、光环新网、奥飞数据、数据港等。

4.  IDC：GPU 算力需求出现缺口，ASIC 市场高速增长

据 C114 报道，国际数据公司（IDC）发布了最新的加速计算服务器市场预测数据。IDC 预测，2024 年中国加速服务器市场规模将达到 190 亿美元，同比 2023 年增长 87%。其中 GPU 服务器依然是主导地位，占据 74% 的市场份额。

IDC 预计，到 2028 年，中国加速计算服务器市场规模将超过 550 亿美元，其中 ASIC 加速服务器市场占比将接近 40%。

GPU 服务器依然是最终用户的首要选择，但由于部分 GPU 产品受供应的限制，导致出现了算力缺口。

另外，很多头部的互联网企业，为了降低成本以及更好地适配自身业务场景，也增大了自研 ASIC 芯片服务器的部署数量。综合两方面因素，也使得 ASIC 人工智能服务器有的大幅度增长。

随着人工智能技术在自动驾驶、智能医疗、智慧城市等多个领域的广泛应用，对 AI 服务器的需求不断增加。此外，AI 大模型的深入研发和应用加速落地，对算力提出了更高的要求，从而推动了 AI 服务器市场的增长。

未来，更多的企业将成为智能计算中心的建设者和运营者。计算能力将成为数字经济的核心生产力。通过智能计算中心建设，推动各行业向智能化转型，实现智能经济。在这些因素的共同作用，预计人工智能服务器市场将在未来几年内保持强劲的增长势头。

5.  Meta AI 推出 LIGER 混合检索 AI 模型，计算效率与推荐精度兼得

据 C114 报道，Meta AI 的研究人员提出了一种名为 LIGER 的新型 AI 模型，巧妙地结合密集检索和生成检索的优势，显著提升了生成式推荐系统的性能。

LIGER 有效地解决了传统推荐系统在计算资源、存储需求和冷启动项目处理上的难题，为构建更高效、更精准的推荐系统提供了新的思路。

想要把用户与相关内容、产品或服务联系起来，推荐系统是其中重要一环。该领域的常规方法是密集检索（Dense retrieval），利用序列建模来计算项目和用户表示。但这种方法由于要嵌入每个项目，因此需要大量的计算资源和存储。随着数据集的增长，这些要求变得越来越繁重，限制了它们的可扩展性。而另一种新兴的方法叫做生成检索（Generative retrieval），通过生成模型预测项目索引来减少存储需求，但该方式存在性能问题，在冷启动项目（用户交互有限的新项目）中表现尤为明显。

Meta AI 公司联合威斯康星大学麦迪逊分校、ELLIS Unit、LIT AI Lab、机器学习研究所、JKU Linz 等机构，混合密集检索和生成检索，推出了 LIGER（LeveragIng dense retrieval for GEnerative Retrieval）模型。该模型混合了生成检索的计算效率和密集检索的精度，利用生成检索生成候选集、语义 ID 和文本属性的项目表示，再通过密集检索技术进行精练，平衡了效率和准确性。LIGER 采用双向 Transformer 编码器和生成解码器。密集检索部分整合了项目文本表示、语义 ID 和位置嵌入，并使用余弦相似度损失进行优化。生成部分使用波束搜索根据用户交互历史预测后续项目的语义 ID。通过这种混合推理过程，LIGER 降低了计算需求，同时保持了推荐质量。LIGER 还能很好地泛化到未见过的项目，解决了先前生成模型的关键限制。

在 Amazon Beauty、Sports、Toys 和 Steam 等基准数据集上的评估显示，LIGER 的性能持续优于 TIGER 和 UniSRec 等现有最先进模型。例如，在 Amazon Beauty 数据集上，LIGER 对冷启动项目的 Recall@10 得分为 0.1008，而 TIGER 为 0.0。在 Steam 数据集上，LIGER 的 Recall@10 达到了 0.0147，同样优于 TIGER 的 0.0。

6.   花旗分析师：英伟达今年将成台积电最大客户，为其贡献二成营收

据台媒《经济日报》1 月 2 日报道，花旗分析师看好英伟达推动台积电 AI 相关营收增长，有望超越苹果成为最大客户。花旗分析师预计，在英伟达的推动下，台积电的人工智能相关营收将在 2025 年显著增长。英伟达甚至有望超越苹果，成为台积电的最大客户，预计对台积电的营收贡献将翻倍至 20%。

供应链数据显示，目前台积电最大客户苹果占其营收约 25.2%，而英伟达占比约为 10.1%。

除了英伟达之外，花旗分析师指出，未来两到三年内，专为 AI 设计的特殊应用集成电路（ASIC）需求将强劲增长，并进一步支撑台积电的业绩表现。花旗还提到，大部分 AI 芯片将在 2025 年底开始采用 3 纳米制程工艺。随着技术升级带来的更高平均售价，台积电的盈利增长有望持续至 2026 年。

花旗预测，台积电将在 2025 年公布营收增长 20% 至 25%，毛利率则有望维持在 50% 以上。此外，2025 年的资本支出预计将在 350 亿至 380 亿美元。

7. 英伟达 2024 年豪掷 10 亿美元，为 AI 初创公司提供资金支持

据英国《金融时报》1 月 1 日报道，英伟达在刚刚过去的 2024 年向人工智能初创企业投入了 10 亿美元资金，成为推动 AI 革命的重要支持者，而这场革命正是由其芯片技术驱动的。

凭借市场对英伟达高性能 GPU 的旺盛需求，这家半导体巨头的市值在去年 6 月突破 3 万亿美元，此后该公司持续向 AI 领域的部分客户注入大量资金。根据公司文件和 Dealroom 数据，英伟达在 2024 年参与了 50 轮融资和多笔交易，总金额达 10 亿美元，比 2023 年的 39 轮融资和 8.72 亿美元（当前约 63.79 亿元人民币）有所增加。

大部分投资流向对计算能力需求较高的“核心 AI”企业，这些公司中亦有部分还是英伟达芯片的客户。自 ChatGPT 推出引发 AI 投资热潮以来，科技公司过去一年在英伟达芯片上的支出已达数百亿美元。英伟达在资金储备充足、GPU 需求飙升的背景下加大交易力度，其股价 2024 年上涨超过 170%，带动标普 500 指数创下近年来最佳表现。

尽管微软、亚马逊和谷歌等大客户正研发自有芯片以减少依赖，英伟达依然通过扶持初创企业拓展市场，并强调其投资决策不会附带技术使用要求。“我们在竞争中凭借实力取胜，这与我们做出的任何投资无关。”

公司近期的交易包括对马斯克旗下 xAI 的投资，以及支持 OpenAI、Cohere、Mistral、Perplexity 等行业领先企业。它还通过 Inception 孵化器计划帮助初创企业成长，并收购了多家 AI 软件公司和技术平台。

英伟达在 AI 领域全面布局，涉足医疗、交通、数据处理和人形机器人等领域，进一步巩固其市场地位和技术生态。但与此同时，其同时也面临反垄断监管机构的密切审查和竞争压力。

8.   美国四大科技巨头疯狂建设 AI 数据中心，2024 年总投资约 2180 亿美元

据 C114 报道，2024 年 1-8 月，微软、Meta、谷歌、亚马逊总计向 AI 数据中心投入 1250 亿美元，包括 AI 资本支出、总数据中心运营成本，现金运营费用、软件、折旧和电费也纳入统计。

在固定 AI 资产投资方面，微软花钱最多，比如采购 GPU 及其它芯片，维护 AI 数据中心。

亚马逊的 AI 资本支出约为 160 亿美元，它花了 80 亿美元购买 GPU 和其它数据中心芯片，在其它 AI 开支方向投入 80 亿美元。总数据中心运营成本约为 30 亿美元，其中 20 亿美元用于训练、研发，10 亿美元用于推理。

Meta 总的 AI 资本支出为 230 亿美元，它将 110 亿美元用于购买 GPU 或者其它数据中心芯片，120 亿美元为“其它 AI 开支”。总的数据中心运营成本为 40 亿美元，20 亿美元用于训练和研发，20 亿用于推理。

报告认为，谷歌总的 AI 资本支出为 290 亿美元。在 GPU 及其它数据中心芯片上，谷歌投入 140 亿美元，另外 150 亿美元属于其它 AI 开支。总的数据中心运营成本为 40 亿美元，30 亿用于训练、研发，10 亿用于推理。

微软总的 AI 资本支出为 400 亿美元，它是 OpenAI 的主要投资者。在统计期内，微软花费 200 亿美元购买 GPU 及其它数据中心芯片，其它 AI 开支约为 200 亿美元。微软总的数据中心运营成本约为 60 亿美元，30 亿用于训练和研发，30 亿用于推理。

按照戴尔 Oro Group 的估计，今年三季度亚马逊、谷歌、Meta、微软在基础设施方面的投资同比增长 81%，增长主要是因为 AI 大模型训练带来的，企业拼命建设数据中心。

在三季度支出中，AWS、Azure、谷歌云占了开支的 80%。截至 10 月 27 日的三个月里，英伟达营收增加约一倍，CPU、内存、存储供应商的营收增加了 90%。今年二季度，数据中心组件产业的营收增长 127%，达到 540 亿美元。Hyperscaler 不断采购 GPU，加上 CPU 服务器需求增加，导致整个行业的营收增速达到历史最高。

为了保障 AI 运行，企业需要投入巨资建设基础设施，采购设备，还需要消耗大量电力，所有这些都为不动产、建筑材料、半导体、能源等行业带来巨大需求。其中，能源需求的增长极为明显，因为一座数据中心消耗的电力相当于一座小城市。高盛并购联合主管 Stephan Feldgoise 说：“纵观工业史，总是会出现一些历史性的突变，所以你会不断看到科技、半导体、数据中心、Hyperscaler 与电力生产商的融合。”有些企业渴望在新生市场快速成长，所以它们会积极并购。整体来看，目前 AI 军备竞赛的增长主要来是来自于资本支出。

9.  谷歌云发布 2025 年 AI 商业趋势报告：锚定多模态 AI 等五个关键领域

据 C114 报道，谷歌云（Google Cloud）发布了《2025 年 AI 商业趋势》报告，预测了 AI 在未来一年将如何重塑商业格局。报告中，谷歌云锚定了企业 AI 将发挥重要作用的五个关键领域：多模态 AI、AI 代理、辅助搜索、AI 驱动的客户体验，以及 AI 增强的安全性。

多模态 AI

多模态 AI 模型能够像人类大脑一样处理来自文本、图像、音频和视频的信息。谷歌云在报告中指出，这可以实现更直观的交互，并提高 AI 输出的准确性。

谷歌云预测，2025 年将成为企业采用 AI 技术的关键一年，这一趋势主要由多模态学习及其实现的情境感知所驱动的，并预计 2025 年全球多模态 AI 市场规模将达到 24 亿美元。报告强调，多模态 AI 模型需要大量数据才能有效地训练，但企业可以通过优先考虑以其高质量、富含长情境信息且专为大规模生产部署而精心设计的 AI 模型来应对这一挑战。

AI 代理

报告称，AI 应用已经从聊天机器人发展成为能够处理复杂工作流程的复杂 AI 代理。该公司预测，它们将有助于简化内部流程，提供跨渠道支持，并大幅提升设计与生产效率。

谷歌云全球零售战略与解决方案总监 Paul Tepfenhart 在报告中指出：“我们预计，零售商将致力部署富有创意的 AI 代理，能够为营销团队提供帮助，例如生成以客户为中心的营销活动、文案和产品描述，并为活动策划与版面编辑定制图像和创意内容。”

AI 辅助搜索

报告中提到的第三个趋势是辅助搜索。新的 AI 系统将允许使用图像、音频、视频和对话提示来搜索内部数据，而不是使用关键字来驱动企业搜索。谷歌云表示，这一深远的变革将得益于 GenAI 的日益普及和多模式搜索功能快速发展的推动，这些进步使用户能够以一种反映他们自然感知世界的方式检索信息。

该报告发现，以网站搜索、产品搜索和客户支持自助服务搜索形式出现的 AI 搜索技术，已经在提高转化率并优化产品数据目录，因为它提供了更快的数据访问、更先进、更直观的搜索以及更深入的见解。谷歌云全球医疗战略与解决方案总监 Aashima Gupta 表示：“我们期待看到更多直观、情境化的搜索方式涌现，这些方式能够深入理解医学术语、复杂词汇及缩写，从而有效减轻医疗专业人员的管理负担，并同步提升患者教育与研究的质量。”

AI 驱动的客户体验

报告提出的第四个趋势是 AI 驱动的客户体验技术。谷歌云表示，这些解决方案将预测客户需求，并促进企业与客户之间的联系。通过了解客户意图，个性化推荐和搜索功能将在多个购物渠道中创建个性化的客户支持。

谷歌云制造业全球总监 Praveen Rao 进一步指出，“甚至像制造业这样的行业也将使用 AI 来改进生产和客户服务。我们预计将从传统的库存销售模式转变为复杂的按订单销售模式。为了推动这一转变，制造商需要有一个强大且实时的运营视图，实现 IT 与 OT 数据的无缝整合，并优化产品设计、生产、营销和客户服务。”

AI 增强的安全功能

报告提出的最后一个趋势是 AI 增强的安全功能。谷歌云指出，到 2025 年，AI 将有助于加强防御、识别和打击威胁，实现安全任务的自动化处理，并加快响应时间。

10.  六部门：2029 年数据产业规模年均复合增长超 15%，支持企业面向人工智能应用创新

据 C114 报道，12 月 30 日，国家发展改革委、国家数据局、教育部、财政部、金融监管总局、中国证监会共六部门联合印发的《关于促进数据产业高质量发展的指导意见》正式对外公布。

“意见”指出，数据产业是利用现代信息技术对数据资源进行产品或服务开发，并推动其流通应用所形成的新兴产业，包括数据采集汇聚、计算存储、流通交易、开发利用、安全治理和数据基础设施建设等。发展数据产业是深化数据要素市场化配置改革、构建以数据为关键要素的数字经济的重要举措，是推进国家大数据战略、加快建设数字中国的重要支撑。

总体要求提到，到 2029 年，数据产业规模年均复合增长率超过 15%，数据产业结构明显优化，数据技术创新能力跻身世界先进行列，数据产品和服务供给能力大幅提升，催生一批数智应用新产品新服务新业态，涌现一批具有国际竞争力的数据企业，数据产业综合实力显著增强，区域聚集和协同发展格局基本形成。

11. CAICT：我国已开始 400G 光模块批量部署，800G 应用尚处探索阶段

据 C114 报道，中国信息通信研究院发布《信息光子技术发展与应用研究报告（2024 年）》。报告指出，“信息光子”是光子学与信息科学的交叉领域，将光子作为载体，通过操控光子实现信息的获取、传递、处理和呈现。

“信息光子”横向包含光采集、光连接、光算存和光呈现四大细分领域；纵向包含核心光子芯片器件和材料、模块级产品、系统级产品，并进一步赋能上层各类业务及应用，价值链不断延伸。其中在光连接方面，持续向高速率、大容量、多场景等方向演进。

高速率方面，早期由城域和干线电信网络引领驱动，迭代速度较慢，约 10 年更新一代。当前，在人工智能的驱动下，数据 / 智算中心互联成为最主要应用场景，市场规模约为电信网络的 1.5-2 倍，早期为 3-4 年更新一代，也是在 AI 影响下，迭代周期将进一步缩短。目前，直调直检光连接当前处于 800Gb/s 速率,其中基于单通道 100Gb/s 的 800Gb/s 光模块基本成熟，基于单通道 200Gb/s 的 800Gb/s、1.6Tb/s 光模块加速研发，预计未来 1-2 年进入 1.6Tb/s 速率，2030 年 3.2Tb/s 将走向规模应用。干线网络相干光连接当前处于单波 400Gb/s，预计 2030 年主流应用将达到单波 800Gb/s，2035 年后进一步向单波 T+b/s 挺进。同时，相干技术由干线 / 城域向百 km 及以内中短距应用下沉，预计 2030 年将达单波 T+b/s。另外从基础光电芯片的角度，业界将始终瞄准最少通道的技术方向，已开始向 100GBd 及以上光电芯片平台演进升级。同时在材料方面，III-V 族、硅基光电子、薄膜铌酸锂等竞相发展，光子集成、先进封装技术也在加速演进。

大容量方面，频谱扩展是短期内提升系统容量的有效方式，在干线和城域网络中，随着单通道速率由 100Gb/s 提升至 400Gb/s，12THz C+L 即将迈入规模部署。未来 5-10 年将进一步通过更宽频谱拓展、空分复用系统和空芯光纤等方式实现传输容量提升。

另外，波长选择开关（WSS）、阵列光开关（OCS）等全光交换技术以大颗粒交换提升系统容量。未来 2-3 年，WSS 将实现 32 维 C+L 波段一体化、OCS 将实现 300-500 端口；未来 5 年，WSS 将实现 48/64 维、OCS 将实现 1000 端口。

应用场景方面，陆地光通信由电信网络、行业专网和数据中心互联等传统领域向智算 / 超算互联、算间互联、工业互联网等领域扩展，并进一步由陆地向空间、水下、车内、以及芯片级等范围延伸，助力构建空天地海一体化协同网络，应用领域和连接范围不断扩展。具体而言，在空间，激光通信可为星 - 星、星 - 地之间提供高指向性、高带宽连接手段；在水下，可见光通信将成为继声波、射频之后的又一重要水下连接技术；在车内，车载光总线将成为车辆电子化、智能化连接技术极具竞争力的选择。报告还指出，随着数据 / 智算中心的快速发展以及 5G-A/6G 持续推进，光连接需求不断增长，并逐步由模块或板卡极光互连向片间 / 片上光互连演进。

片间光互连以光电合封（CPO）和光输入输出（OIO）为研究热点。CPO 低功耗的特性有助于数据中心绿色升级，根据博通数据 CPO 系统功耗相较可插拔光模块可降低 50% 以上，另外硅基光电子集成方案成为 CPO 主流路线，目前 CPO 产业链由交换机巨头牵引，国内外标准体系也已经初步建立。

OIO 是算存架构中的重要互连方案，产业链由计算巨头牵引，标准研制尚处初期。片上光互连方面，大规模集成电路需要高密度、长距离布线，引发带宽、能耗、时延等瓶颈问题，片上光互连可支撑实现大量长距通道，若扩展至整个晶圆，则可实现晶圆级光互连网络。其研究重点包括光子器件、交换机制、拓扑结构和路由算法等，目前处于发展早期阶段。技术演进趋势之外，

报告指出，Omdia 数据显示，2023 年全球光连接用光器件（包含光模块及芯片）市场规模约 124.07 亿美元，在数据 / 智算中心互联等需求驱动下，2024 年市场规模将显著增长。

从区域分布来看,市场增长动力主要来源于北美，谷歌、英伟达在人工智能集群中已规模部署 800Gb/s 光模块、即将迈入 1.6Tb/s 时代；亚马逊、Meta 即将部署 800Gb/s 光模块。我国已开始 400Gb/s 光模块批量部署，800Gb/s 应用尚处探索阶段。在全球光模块器件企业市场份额方面，我国企业与美国平分秋色，多家企业位列全球 TOP10。

12.  风险提示

AI 发展不及预期，算力需求不及预期，市场竞争风险。