请务必阅读正文之后的免责声明及其项下所有内容
2026年06月24日
ASIC芯片崛起：云厂、芯片设计及光互连
投资机遇
行业研究 · 行业专题
互联网 · 互联网Ⅱ
投资评级：优于大市（维持）
证券分析师：张伦可 证券分析师：张昊晨
0755-81982651 zhanghaochen1@
zhanglunke@ S0980525010001
S0980521120004
证券研究报告 | 2026年06月25日
请务必阅读正文之后的免责声明及其项下所有内容
报告摘要
• 模型商业模式逐步闭环，算力成为核心生产要素。2026年以来，模型最大的变化是跨越了可持续执行任务拐点，编程能力、长程任
务、工具调用成为模型重点提升的方向。随着模型价值量不断释放，推理需求进入快速增长阶段，Anthropic或将实现单季度盈利标
志着模型公司商业模式逐步形成闭环，算力正成为企业创造价值的核心生产要素。
• 伴随推理侧需求爆发，各公司自研芯片能力验证成熟，ASIC出货迎来加速期。我们预计26年ASIC芯片出货量大约770万片，份额为
45%，并将在27年超过GPU份额达到58%。对比来看，英伟达GPU拥有更好的TPS，但是从TCO或者Cost Per Token角度，ASIC的优势更
显著，因此也更加适合推理场景。
• 自研ASIC正在成为云厂商构建竞争优势的重要抓手。一方面，自研芯片有助于缓解高端GPU供给约束，提升算力供给能力；另一方面，
相较于外部采购GPU，自研ASIC能够显著优化成本结构，提升云业务盈利能力。随着自研芯片成熟度持续提升，我们预计具备ASIC能
力的云厂商有望在收入增长与利润释放两个维度持续受益。
① 谷歌：自研芯片进展领先同业，26年起对外出售，加速放量带动云收入增长。自研芯片已推动26Q1云收入同比+63%，预计26/27年
出货量达到500/1500张，并于26年开始正式对外出售，预计27年贡献云收入占比达到18%。
② 亚马逊：26年起Trainium外部客户认可度提升，芯片业务整体ARR超过200亿美元，带动云收入加速。26年起Anthropic、OpenAI等
更多外部客户逐步与公司签订合同，表明芯片能力已达到成熟可用阶段，伴随出货量持续增长，我们测算Trainium将带动AWS27年
约4%的收入增速。
③ 阿里巴巴：真武系列芯片已累计出货56万片，26年云业务有望迎来利润率拐点。
2
请务必阅读正文之后的免责声明及其项下所有内容
报告摘要
• ASIC崛起对产业链投资的启示：1）ASIC设计与制造产业链。随着ASIC需求快速增长，云巨头正在逐步收回芯片设计主导权，并主动推
动供应链多元化，其核心目标是实现更快迭代、更快交付以及更低TCO。例如Google正在弱化对博通的依赖，引入联发科、Marvell等设
计伙伴；AWS也在持续优化Trainium产业链分工，通过提升自主掌控能力降低成本。2）网络与互联基础设施。随着ASIC规模化部署，产
业瓶颈正逐步从算力转向连接。①Scale-up方向，交换芯片、CPO等技术有望受益于柜内连接升级。以Trainium3为代表的新一代机柜方
案，NeuronSwitch-v1带来了大量的增量PCIe芯片需求。②Scale-out方向，Google采用的OCS光交换方案以及持续扩大的大规模网络架
构，均将带动OCS芯片、光模块以及相关光通信器件需求增长。
① AVGO：同时受益于ASIC放量和连接需求增加，但ASIC份额受冲击。博通此前在高端ASIC设计领域拥有超过80%市场份额，充分受益于
TPU放量以及Meta、OpenAI等公司的ASIC需求，但由于谷歌分散供应链后续份额将受到冲击。
② MRVL：ASIC放量、XPU Attach崛起、连接需求爆发。公司在ASIC设计层面尽管面临丢失Trainium份额的风险，但积极与谷歌洽谈合作
同时大力发展XPU Attach业务。同时公司在光互联 DSP 市场占据绝对主导地位，充分受益于连接需求增加。
③ COHR：核心受益于光模块需求增加。从800G到以及后续的，ASP和需求量持续增长。
④ LITE：OCS贡献弹性，光模块需求放量。公司作为谷歌的核心供应商，目标是在2027年实现10亿美元的OCS芯片年化销售额。由于原本
收入体量有限，因此TPU爆发释放的OCS需求有望充分贡献业绩弹性。
⑤ ALAB：PCIe交换芯片放量。从PCIe Retimer（Aries）单品垄断向PCIe Switch（Scorpio）及光学连接平台跨越，PCIe交换芯片成为
重要增量。
风险提示：宏观经济波动、下游需求不及预期、核心技术水平升级不及预期的风险、AI快速迭代平权化下竞争加剧。
3
请务必阅读正文之后的免责声明及其项下所有内容
目录
4
模型商业模式逐步闭环，算力成为核心生产要素01
需求和供给双重驱动，ASIC芯片加速放量拐点到来02
自研ASIC正在成为云厂商构建竞争优势的重要抓手03
ASIC崛起对产业链投资的启示（一）：设计与制造产业链04
ASIC崛起对产业链投资的启示（二）：网络与互联基础设施05
请务必阅读正文之后的免责声明及其项下所有内容
图：OpenAI和Anthropic ARR变化情况（亿美元）
资料来源：openai、Anthropic、国信证券经济研究所整理
Anthropic或实现单季度盈利，模型厂商迎来商业化闭环
• Anthropic 26Q2或将实现盈利，ARR接近500亿美元。根据The information和WSJ的数据，26Q1 Anthropic收入48亿美
元，OpenAI 57亿美元，但Q2预计Anthropic将达到109亿，并且实现单季度OP盈利（亿），而根据公司官网，5月初
其ARR已达到470亿美元。
图：WSJ预计Anthropic或将实现单季度经营利润转正
资料来源：WSJ、国信证券经济研究所整理
15 20
29 37
46
60
85
120 130
214
250
1 2 7 10
20
40
70
90
140
300
470
0
50
100
150
200
250
300
350
400
450
500
20
23
年
11
月
20
24
年
1月
20
24
年
3月
20
24
年
5月
20
24
年
7月
20
24
年
9月
20
24
年
11
月
20
25
年
1月
20
25
年
3月
20
25
年
5月
20
25
年
7月
20
25
年
9月
20
25
年
11
月
20
26
年
1月
20
26
年
3月
20
26
年
5月
OpenAI ARR Anthropic ARR
-15
-10
-5
0
5
10
15
1Q2026 2Q2026（预测）
营业收入 算力与基础设施开支
销售、市场与合作成本 其他运营成本
调整后经营利润
5
请务必阅读正文之后的免责声明及其项下所有内容
图：通用前沿模型智能体能够以50%的可靠性自主完成的任务长度
资料来源：METR、国信证券经济研究所整理
图：通用前沿模型智能体能够以 80% 的可靠性自主完成的任务长度
资料来源：METR、国信证券经济研究所整理
模型能力：跨过可持续执行的拐点
• 今年以来模型能力发生的核心变化是，跨过了可持续执行的拐点，编程能力、长程任务、工具调用成为模型重点提升的
方向。用户可以放心将大段时间交给模型自行完成任务而不需要过多人为介入，模型发展的方向从更好回答问题向更高效
更准确完成任务进化。根据METR，过去六年里，这一指标持续呈指数级增长，平均每七个月翻一番，目前Opus 、
Gemini 等新一代前沿模型以80%准确度完成任务的时间已经突破了1小时，即将正式发布的Claude Mythos甚至突破了3
小时。
6
请务必阅读正文之后的免责声明及其项下所有内容
图：Semi Analysis部分工作场景AI ROI
资料来源：Semi Analysis、国信证券经济研究所整理
Token的价值量提升，ROI清晰被测算
• 企业对AI的使用量迅速增长，部分公司甚至不设置预算上限，开启Tokenmaxxing。Tokenmaxxing指的是把 AI
Token 消耗量当作生产力指标，并尽可能把 Token 用到极致。企业为了鼓励模型使用，甚至会在内部推出消耗排行
榜。SemiAnalysis 的年化 Token ⽀出已达到员⼯薪酬的约 30%，在Anthropic Claude token 上的年度⽀出率已⾼
达 1095 万美元，每位员⼯每⽉消耗的Token 数量略低于 50 亿个。有些团队成员每⽉的消耗量超过 1000 亿个
Token。
• Tokenmaxxing同时招致了部分员工的Token滥用，企业开始寻求低成本替代方案。持续的Tokenmaxxing导致部分企
业员工出现浪费或无意义的Token消耗，近期Uber等公司开始设置限额或选择性价比模型支持简单任务，微软CEO在
近期的访谈中表示，针对确定且可重复的业务流程，应部署小参数模型进行定向优化，如何合理利用模型，针对不
同任务分配不同的模型成为企业新的关注方向，国产开源模型受到更多关注。
7
请务必阅读正文之后的免责声明及其项下所有内容
图：目前主流模型公司去年以来前沿模型输出价格变化情况
资料来源：Artificial Analysis、国信证券经济研究所整理
Token的价值量提升，价格持续上涨
• Token价值量提升驱动价格持续上涨。去年以来，SOTA模型的价格普遍呈现上涨趋势，尤其是智谱、OpenAI、谷歌，
智谱26Q1累计提价幅度接近翻倍。长期来看，随着模型能力的进步，现在的单位Token和过去的单位Token已经是不
同的商品，能完成的任务价值量明显增加，因此，Token价格的上涨可能是长期趋势。Sam Altman在访谈中曾提到，
未来模型收费的商业模式可能变为按照完成的任务进行付费。
图：海外Token平均支付价格
资料来源：Silicon Data、国信证券经济研究所整理
2025/12/1 2026/1/1 2026/2/1 2026/3/1 2026/4/1 2026/5/1 2026/6/1
1
2
4
8
16
32
64
128
20
25
年
4月
20
25
年
5月
20
25
年
6月
20
25
年
7月
20
25
年
8月
20
25
年
9月
20
25
年
10
月
20
25
年
11
月
20
25
年
12
月
20
26
年
1月
20
26
年
2月
20
26
年
3月
20
26
年
4月
20
26
年
5月
20
26
年
6月
P
r
i
c
e
(
U
S
D
p
e
r
M
T
o
k
e
n
s
)
Minimax GLM Kimi Qwen GPT Claude Gemini
8
请务必阅读正文之后的免责声明及其项下所有内容
图：Anthropic去年末以来加速算力建设和采购
资料来源：Anthropic、国信证券经济研究所整理
算力成为模型公司增长的关键
• AI时代，算力已成为企业创造价值的核心生产要素。黄仁勋认为，过去购买算力是为了运行软件，是支持性成本，
现在算力就是生产力，算力规模直接决定token产量，进而决定企业收入。
• 26年4月开始，随着Claude用户量快速增长，社区大量反馈 Max 订阅也会频繁 hit limit，5月在与SpaceX 达成算
力合作后（300MW+、22万+ NVIDIA GPU 新容量），立刻5小时限额翻倍，对于Pro、Max、Team及按席位计费的
Enterprise计划，Claude Code的5小时使用限额翻倍，同时取消高峰时段限速。
合作方 采购/自建 具体细节
谷歌+博通 采购
• 23年双方开始合作，谷歌一直是Anthropic的主要算力提供方。
• 25年10月，双方宣布扩展1GW的计算容量，26年上线，Anthropic
将获得100万个TPU芯片
• 26年4月，与谷歌和博通签署了一项新协议，获得5GW的TPU容量，
27年开始上线
亚马逊 采购
• AWS与Anthropic合作开展Project Rainier，25年10月已投入使
用，到年底采用超过50万颗 Trainium 2 芯片进行训练和推理任
务。其中仅印第安纳州项目就斥资110亿美元，发电量超过。
• 26年4月，与AWS达成协议，未来10年投入1000亿美元，确保5GW
的容量，投入涵盖 Graviton 和 Trainium2 至 Trainium4 芯片，
包括到26年底上线的接近1GW的 Trainium2 和 Trainium3
微软+英伟达 采购
25年11月，Anthropic宣布采购 300 亿美元 Azure计算容量，由英
伟达Blackwell和Rubin提供支持，购买算力容量上限达到1GW，以获
得英伟达和微软150亿美元的投资
Fluidstack 自建
2025年11月，Anthropic宣布将投资500亿美元，与 Fluidstack 合
作在德克萨斯州和纽约州建设数据中心
Coreweave 采购 26年4月，达成多年期协议，今年晚些时候开始启用计算服务
SpaceX 采购
26年5月，与 SpaceX 达成协议，使用其 Colossus 1 数据中心的所
有计算能力，一个月内获得300MW+，22万+ NVIDIA GPU
图：OpenAI数据中心建设计划及算力采购计划
数据来源：公司官网、华尔街新闻、彭博新闻、国信证券经济研究所整理
时间 地点 负责方与容量 建设说明
2025-2026 德克萨斯州阿比林市 Oracle负责，目前，
后续可达
两栋建筑完工，每栋约
60,000个GB200 NVL 72
服务器
2025-2026 俄亥俄州洛兹敦、德克萨
斯州米拉姆县
软银负责，未来18个月内
可出售
Vera Rubin 芯片
2026- 阿联酋的Stargate UAE 、
挪威的 Stargate 等
阿联酋2026年上线
200MW，后续计划规模
5GW
星际之门阿联酋
2026-2027 德克萨斯州沙克尔福德县 、
新墨西哥州多纳阿纳县 、
美国中西部
Oracle负责，超4GW
总计 原计划未来四年内Stargate计划容量达到近10吉瓦 （GW），投资超5000亿美
元；最新26年4月已经超过10GW规模
英伟达投资1000亿美元锁定未来10GW数据中心的芯片供应权。
AMD授权最多亿股权（AMD的10%）绑定未来6GW芯片供应权。
AWS • 25年11月，采购380亿美元的英伟达GPU，26年底部署完成
• 26年2月，新增8年1000亿美元，约2GW AWS Trainium容量，覆盖
Trainium3 和下一代 Trainium4
9
请务必阅读正文之后的免责声明及其项下所有内容
目录
10
模型商业模式逐步闭环，算力成为核心生产要素01
需求和供给双重驱动，ASIC芯片加速放量拐点到来02
自研ASIC正在成为云厂商构建竞争优势的重要抓手03
ASIC崛起对产业链投资的启示（一）：设计与制造产业链04
ASIC崛起对产业链投资的启示（二）：网络与互联基础设施05
请务必阅读正文之后的免责声明及其项下所有内容
表：全球GPU/ASIC 出货量与YoY
资料来源：各公司业绩会、各公司官网、Google Cloud Next 26、SemiAnalysis、JPR，国信证券经济研究所整理 *根据各家产品迭代路线与代工产能测算
推理需求爆发，自研ASIC能力成熟，GPU/加速器芯片迎来加速期
• 伴随推理侧需求爆发，以及各公司自研芯片能力验证成熟，ASIC出货迎来加速期。根据Gartner数据，到 2026 年，终
端用户在推理方面的支出将超过训练密集型工作负载。另一方面，供给端各公司的ASIC芯片产品经历持续迭代目前也
已逐步验证成熟。
• 我们根据各个企业对于其自研芯片产品路线与产能测算得：26年ASIC芯片出货量大约770万片，份额为45%，并将在27
年超过GPU份额达到58%。并且未来在2030年占比达到约73%，谷歌贡献主要增量。
11
加速器/千颗* 2024 2025 2026E 2027E 2028E 2029E 2030E
GPU 5,234 6,110 9,570 11,500 13,300 14,600 16,000
NVDA 4,850 5,700 9,000 10,500 12,000 13,000 14,000
AMD 384 410 570 1,000 1,300 1,600 2,000
ASIC 2,130 2,850 7,700 15,900 35,200 39,500 43,000
TPU 1,280 1,700 5,000 12,000 30,000 33,000 35,000
Trainium 750 750 1,700 2,400 3,200 4,000 5,000
其他ASIC 100 400 1,000 1,500 2,000 2,500 3,000
Total 7,364 8,960 17,270 27,400 48,500 54,100 59,000
YoY 22% 93% 59% 77% 12% 9%
占比
GPU 71% 68% 55% 42% 27% 27% 27%
NVDA 66% 64% 52% 38% 25% 24% 24%
AMD 5% 5% 3% 4% 3% 3% 3%
ASIC 29% 32% 45% 58% 73% 73% 73%
TPU 17% 19% 29% 44% 62% 61% 59%
Trainium 10% 8% 10% 9% 7% 7% 8%
其他ASIC 1% 4% 6% 5% 4% 5% 5%
请务必阅读正文之后的免责声明及其项下所有内容
图：台积电26/27年CoWoS产能预测
资料来源：台积电、国信证券经济研究所整理测算
26年起ASIC厂商占比台积电CoWoS产能份额崛起
• 从制造和封装环节来看，ASIC厂商在台积电的份额快速崛起。根据我们测算，预计27年台积电CoWoS产能266万
Wafer，同比+87%，其中ASIC厂商的份额将从28%提升至32%。
12
AI芯片厂商 产品
2026 2027
Compute die
size
制程 Compute die颗数CoWoS产能
(k wafers)
每片CoWoS芯片数 隐含出货(k)
CoWoS产能(k
wafers)
每片CoWoS芯片
数
隐含出货(k)
NVIDIA B300 390 14 5,460 40 14 560 850 4nm 2
NVIDIA Vera CPU 90 23 2,070 250 23 5,750 850 3nm 1
NVIDIA Spectrum / CPX 60
NVIDIA Rubin R200 260 8 2,080 740 8 5,920 850 3nm 2
NVIDIA Rubin Ultra 130 8 1,040 850 3nm 2
NVIDIA H200 20 27 540 814 4nm 1
AMD MI300 3 12 36 110 5nm 8
AMD MI350/375 7 12 84 24 12 288 110 3nm 8
AMD MI400 65 10 650 192 10 1,920 110/850 2nm 8/2
AMD MI500 24 4 96 2nm
AMD Venice 50 25 1,250 2nm
AMD Venice GPU 270 25 6,750 2nm
Google TPU v7p 145 16 2,320 13 16 208 700 3nm 2
Google TPU v8i 80 12 960 330 12 3,960 800 3nm 2
Google TPU v8t 40 20 800 180 20 3,600 800 3nm 2
Google TPU v9 400 850 2nm 2
AWS Trainium 3 100 17 1,700 140 17 2,380 700 3nm 2
GUC's customers 10 20 200 60 20 1,200 645 4nm 1
Microsoft Maia 200 4 29 116 700 3nm 1
Microsoft Maia 300 5 11 55 50 11 550 850 2nm 1
Meta MTIA 3 15 10 150 55 10 550 850 3nm 2
Others 18
Total 1,424 2,664
请务必阅读正文之后的免责声明及其项下所有内容
图：GPU、TPU、Trainium芯片 TCO比较
资料来源：Semi Analysis、国信证券经济研究所整理
单芯片TCO来看，ASIC芯片更有优势
单位：美元 单位
GB200 NVL72
(Spectrum)
GB300 NVL72
(Spectrum)
Trainium2
NL16 2D Torus
Trainium2
NL32x2 3D
Torus
Trainium3
NL16 2D Torus
Trainium3
NL32x2 3D
Torus
Trainium3
NL32x2
Switched
Trainium3
NL72x2
Switched
TPU v7 - 3D
Torus -
Internal
TPU v7 - 3D
Torus -
External
服务器成本 USD $3,179,652 $3,997,587 $154,020 $655,793 $170,554 $693,183 $757,415 $2,020,274
服务器维护服务 USD $72,000 $72,000 $16,000 $64,000 $16,000 $64,000 $64,000 $144,000
网络成本 USD $296,733 $296,733 $26,300 $105,202 $26,300 $105,202 $105,202 $236,700
存储成本 USD $42,021 $42,021 $5,800 $23,200 $5,800 $23,200 $23,200 $52,200
软件授权及其他成本 USD $20,677 $23,057 $2,448 $9,838 $2,912 $11,684 $12,956 $30,826
其他安装成本 USD $72,000 $72,000 $16,000 $64,000 $16,000 $64,000 $64,000 $144,000
单服务器总前期集群资本开
支
USD $3,683,083 $4,503,398 $220,569 $922,032 $237,566 $961,269 $1,026,772 $2,627,998
单服务器GPU数 # 72 72 16 64 16 64 64 144
单 GPU 总前期资本开支 USD $51,154 $62,547 $13,786 $14,407 $14,848 $15,020 $16,043 $18,250
WACC % % % % % % % %
折旧周期 年 4 4 4 4 4 4 4 4
单服务器每月总资本成本 USD/mth $92,311 $112,871 $5,528 $23,109 $5,954 $24,093 $25,734 $65,867
单GPU 每小时资本成本 USD/hr/GPU $ $ $ $ $ $ $ $
电力成本 USD/kWh $ $ $ $ $ $ $ $
利用率 % 80% 80% 80% 80% 80% 80% 80% 80%
电源使用效率（PUE） Ratio
每月每 kW IT 负载电力成
本
USD/kW/mth $ $ $ $ $ $ $ $
机房托管成本 USD/kW/mth $ $ $ $ $ $ $ $
每月每 kW 总托管成本 USD/kW/mth $ $ $ $ $ $ $ $
整机功耗 kW
每月服务器托管总成本 USD/mth $25,548 $28,584 $2,225 $8,958 $2,817 $11,312 $12,935 $31,233
远程运维与支持工程师成本 USD/mth $1,179 $1,179 $262 $1,048 $262 $1,048 $1,048 $2,358
网络连接成本 USD/mth $351 $351 $78 $312 $78 $312 $312 $702
单服务器每月总运营成本 USD/mth $27,078 $30,114 $2,565 $10,318 $3,157 $12,672 $14,295 $34,293
单 GPU 每月运营成本 USD/mth $376 $418 $160 $161 $197 $198 $223 $238
单 GPU 每小时运营成本 USD/hr/GPU $ $ $ $ $ $ $ $
单GPU 每小时成本TCO USD/hr/GPU
13
请务必阅读正文之后的免责声明及其项下所有内容
图：GPU、TPU、Trainium芯片Cost Per Token
资料来源：Semi Analysis、国信证券经济研究所整理测算
图：GPU、TPU、Trainium芯片Token Per Second
资料来源：Semi Analysis、国信证券经济研究所整理测算
GPU拥有更好的TPS（Token Per Second)，但ASIC的Cost Per Token更优
• 在推理场景中，客户更关注Cost Per Token，ASIC的成本优势更加明显。根据我们测算，在相同模型下，GPU单位时间
能够产生更多Tokens，这可能意味着更加适合训练的场景，而ASIC的成本优势则更明显，也因此在推理场景下更受青睐。
具体来说，我们采用DeepSeekR1模型，激活专家数: 9 out of 257，模型大小: 671GB，Model layer: 61。假设Input
token: 1,024; Output token: 1,024，Batch size: 1，Computing power: FP8。并且假设芯片利用率为100%。根据测
算结果，ASIC的Cost Per Token更优
• 训练阶段，成本不是核心要素，每秒的Token吞吐量、集群的稳定性更加关键。根据我们测算，GPU拥有更好的TPS
（Token Per Second)，叠加万卡集群的成熟度，GPU依然是更好的选择。
0
1,000
2,000
3,000
4,000
5,000
6,000
GB
20
0
NV
L7
2
(S
pe
ct
ru
m
)
GB
30
0
NV
L7
2
(S
pe
ct
ru
m
)
Tr
ain
iu
m
2
NL
16
2
D
To
ru
s
Tr
ain
iu
m
2
NL
32
x2
3
D
To
ru
s
Tr
ain
iu
m
3
NL
16
2
D
To
ru
s
Tr
ain
iu
m
3
NL
32
x2
3
D
To
ru
s
Tr
ain
iu
m
3
NL
32
x2
S
wi
tc
he
d
Tr
ain
iu
m
3
NL
72
x2
S
wi
tc
he
d
TP
U
v7
-
3D
T
or
us
-
In
te
rn
al
TP
U
v7
-
3D
T
or
us
-
Ex
te
rn
al
GB
20
0
NV
L7
2
(S
pe
ct
ru
m
)
GB
30
0
NV
L7
2
(S
pe
ct
ru
m
)
Tr
ain
iu
m
2
NL
16
2
D
To
ru
s
Tr
ain
iu
m
2
NL
32
x2
3
D
To
ru
s
Tr
ain
iu
m
3
NL
16
2
D
To
ru
s
Tr
ain
iu
m
3
NL
32
x2
3
D
To
ru
s
Tr
ain
iu
m
3
NL
32
x2
S
wi
tc
he
d
Tr
ain
iu
m
3
NL
72
x2
S
wi
tc
he
d
TP
U
v7
-
3D
T
or
us
-
In
te
rn
al
TP
U
v7
-
3D
T
or
us
-
Ex
te
rn
al
14
请务必阅读正文之后的免责声明及其项下所有内容
图：Trainium与TPU、GPU对比
资料来源：SemiAnalysis、国信证券经济研究所整理
亚马逊Trainium、谷歌TPU、GPU基础参数对比
核心规格对比 Trn3 Trn2 Trn2-Ultra TPUv7 TPUv6e GB300 GB200 H100
理论 BF16 密集算力（TFLOPS/芯片） 671 667 667 2307 918 2500 2500 989
理论 8-bit 密集算力（TFLOPS/芯片） 2517 1300 1300 4614 1836 5000 5000 1978
HBM 容量（GB/芯片） 144 96 96 192 32GB HBM3 288GB HBM3e 192 80
HBM 带宽（GB/s/芯片） 4900 2900 2900 7380 1640 8000 8000 3350
算术强度（BF16 FLOP/Byte） 230 230 625
单位 HBM 容量算力（FLOP/Byte）
结构化稀疏支持 2:4, 4:8, 4:16 2:4, 4:8, 4:16 2:4, 4:8, 4:16 未披露 无 2:04 2:04 2:04
芯片功耗（W） 700 500 500 980 600 1400 1200 700
散热方式 风冷/液冷 风冷 风冷 液冷 风冷 直连液冷（DLC） 直连液冷（DLC） 主要风冷 / 部分液冷
Scale Up 网络
Scale Up 互连技术 NeuronLinkV4
NeuronLinkV3
（PCIe Gen5）
NeuronLinkV3 TPU ICI TPU ICI NVLink5 NVLink5 NVLink4
Scale Up 带宽（GB/s 单向） 1200 512 640 600 448 900 900 450
Scale Up 最大规模（芯片数） 16 16 64 9216 256 72 72 8
Scale Up 拓扑结构 二维/三维互连域
4×4 二维环形
（Torus）
4×4×4 三维环形 3D Torus 16×16 二维环形 18轨优化 Fat Tree 18轨优化 Fat Tree 4轨优化 Fat Tree
每芯片 Scale Up 邻居数 4 4 6 6 4任意互连 任意互连 任意互连
Scale Up 总 HBM 容量 2304 1536 6144 1769472 8192 20736 13824 640
Scale Up 物理服务器数量 1 1 4 32 18 18 1
Scale Out 网络
Scale Out 网络技术 EFAv4 EFAv3 EFAv3 Google 以太网 Google 以太网 InfiniBand / 以太网 InfiniBand / 以太网 InfiniBand / 以太网
Scale Out 带宽（Gb/s 单向） 400最高 800 200 400 100 800 800 400
Scale Out 拓扑 ToR Fat Tree ToR Fat Tree ToR Fat Tree ToR / OCS ToR Fat Tree 4轨 Fat Tree 4轨 Fat Tree 8轨 Fat Tree
Scale Up / Scale Out 带宽比 24 12 9 9 9
15
请务必阅读正文之后的免责声明及其项下所有内容
目录
16
模型商业模式逐步闭环，算力成为核心生产要素01
需求和供给双重驱动，ASIC芯片加速放量拐点到来02
自研ASIC正在成为云厂商构建竞争优势的重要抓手03
ASIC崛起对产业链投资的启示（一）：设计与制造产业链04
ASIC崛起对产业链投资的启示（二）：网络与互联基础设施05
请务必阅读正文之后的免责声明及其项下所有内容
图：AWS自研芯片发展历程
资料来源：AWS、国信证券经济研究所整理
AWS自研芯片历程：技术班底来自Marvell，从网络芯片拓展至AI算力
注：时间口径为 AWS 对外首次公开宣布/发布芯片代际的时间，非实例 GA 或大规模商用时间。
▣ Graviton
（通用计算芯片）
ARM 架构 CPU
♧ Trainium
（AI 训练/推理芯片）
面向大模型训练与推理
⌘ Inferentia
（AI 推理芯片）
高性价比推理优化
2018 2019 2020 2021 2022 2023 2024 2025
Graviton 1
2018 年
第一代 ARM CPU
Graviton 2
2019 年
第二代，性能提升
Graviton 3
2021 年
第三代，增强能效
Graviton 4
2023 年
第四代，性能提升
Trainium 1
2020 年
第一代训练芯片
Trainium 2
2023 年
训练与推理扩展
Trainium 3
2025 年
3nm，训练/推理
Inferentia 1
2018 年
第一代推理芯片
Inferentia 2
2022 年
第二代推理芯片
后续推理能力向 Trainium / Neuron 生态收敛
未再单独推出 Inferentia 3
Graviton 5
2025 年
第五代，性能提升25%
• 技术班底来自Marvell，从网络芯片拓展至AI算力。2015年亚马逊以约亿美元收购以色列芯片设计公司 Annapurna Labs，两位核
心创始人Nafea Bshara和Bilic Hrvoje在Marvell工作约10年，亚马逊收购的最初目的是为降低成本，2017年推出Nitro把原来CPU负责
的网络、存储、虚拟化、安全隔离全部卸载到专用芯片上；2018年推出CPU芯片AWS Graviton采用ARM架构；2019年发布推理芯片AWS
Inferentia进入AI领域；21年推出训练芯片AWS Trainium，并且自23年开始将推理芯片与训练芯片合并。
17
请务必阅读正文之后的免责声明及其项下所有内容
图：Trainium每代参数对比
资料来源：SemiAnalysis、国信证券经济研究所整理
亚马逊Trainium：单一芯片开始逐渐构建系统级集群能力
Trainium Trainium2 NL16 Trainium2 NL32x2 Trainium3 Trainium4
逻辑与算力
逻辑芯片配置 1×计算芯片 + 2×HBM2E 2×计算芯片 + 4×HBM3E 同左 2×计算芯片 + 4×HBM3E
4×计算芯片 + 8×HBM4 +
2×IO Die
制程节点 N7 N5 N5 N3P N2
FP8 密集算力（TFLOPS/封装） 191 1299 1299 2517 TBD
BF16 密集算力（TFLOPS/封装） 191 667 667 671 TBD
FP16 密集算力（TFLOPS/封装） 191 667 667 671 TBD
TF32 密集算力（TFLOPS/封装） 191 667 667 671 TBD
FP32 密集算力（TFLOPS/封装） 48 181 181 183 TBD
内存系统
HBM 类型 HBM2E 8-Hi HBM3E 8-Hi HBM3E 8-Hi HBM3E 12-Hi HBM4 12-Hi
HBM 堆叠数量 2 4 4 4 8
单堆容量（GB） 16GB 24GB 24GB 36GB 36GB
总 HBM 容量 32GB 96GB 96GB 144GB 288GB
总线位宽（bit） 2048 4096 4096 4096 16384
引脚速率（Gb/s）
内存带宽 TB/s TB/s TB/s TB/s TB/s
封装与散热
封装技术 CoWoS-S CoWoS-R CoWoS-R CoWoS-R TBD
功耗（TDP） - ~500W ~500W ~700W TBD
散热方式 风冷 风冷 风冷 风冷 / 液冷 TBD
Scale Up 网络
Scale Up 互连技术 NeuronLinkV2 NeuronLinkV3 NeuronLinkV3 NeuronLinkV4 TBD
有效通道数（Lanes） - 128 160 144 TBD
单通道速率（Gb/s） - 32 32 64 TBD
Scale Up 带宽（TB/s） - TBD
Scale Out 网络
Scale Out 网络技术 EFAv2 EFAv3 EFAv3 EFAv4 TBD
最大 Scale Out 带宽（Gb/s） 170 最高 800 200 400 TBD
• Trainium目前一共推出三代，从成本替代，到具备单卡能力和大模型训练能力，再到拥有系统级互联能力挑战GPU集群。
18
请务必阅读正文之后的免责声明及其项下所有内容
图：谷歌TPU发展历程
资料来源：Google、国信证券经济研究所整理
谷歌TPU发展历程：从内部推理加速器，到AI基础设施平台
TPU
（谷歌AI加速芯片）
面向训练 / 推理
2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026
TPU v1
2016年
第一代：推理优
化
TPU v2
2017年
第二代：训练+推理
TPU v3
2018年
第三代：性能提
升
TPU v4
2021年
第四代：大规模训
练
TPU v5e
2023年
第五代：高性价
比
TPU v5p
2023年
第五代：高性能训
练
Trillium
2024年
第六代 TPU
Ironwood
2025年
第七代 TPU
推理时代
TPU 8t
2026年
第八代：训练优
化
TPU 8i
2026年
第八代：推理优
化
2026年起：训练与推理
路线进一步分化
• 从谷歌内部推理加速器，逐步演进成“训练+推理+大规模互联+云服务化”的AI基础设施平台。谷歌的TPU设计团队是由内部基础设施
团队牵头成立的，2015年内部部署TPUv1，服务内部搜索、广告、翻译、推荐等业务，v2开始支持训练，并通过Cloud TPU对外提供；
v3进一步提高算力和内存带宽，并引入更大规模Pod。TPUv4是关键分水岭，在Pod中引入了OCS，变成“芯片+光互联+系统调度”的数
据中心级产品。v5分拆训练和推理线，v6则是面向Transformer时代的一次大升级，v7 Ironwood则面向生成式AI推理时代。
19
请务必阅读正文之后的免责声明及其项下所有内容
项目 单位
TPU v5e
(Viperlite)
TPU v5p
(Viperfish)
TPU v6 (Trillium)
TPU v7
(Ironwood)
TPU v8t TPU v8i
逻辑裸片配置 -
1x Compute Die,
1x IOD, 2x HBM2E
4-Hi
1x Compute Die,
1x IOD, 6x HBM2E
8-Hi
1x Compute Die,
1x IOD, 2x HBM3
8-Hi
2x Compute Dies,
1x IOD, 8x HBM3E
8-Hi
系统可用时间 - 4Q23 1Q24 4Q24 4Q25
计算芯片制程节点 - N/A N5 N5P N3E
HBM 容量 GB 16GB HBM2E 95GB HBM2E 32GB HBM3 192GB HBM3E 216GB 288GB
HBM 带宽 GB/s 819 2,765 1,640 7,380 6,528 8601
封装技术 - - CoWoS-S - -
FP8 稠密算力 TFLOPs - 459 918 4,614
INT8 稠密算力 TFLOPs 394 918 1,836 4,614
BF16 稠密算力 TFLOPs 197 459 918 2,307
芯片热设计功耗（TDP） W ~300 ~550 ~390 ~980
Scale up网络
Scale Up 拓扑结构 - 2D Torus 3D Torus 2D Torus 2D/3D Torus 3D torus Boardfly
芯片间单向互联带宽 Gb/s 1,600 4,800 3,200 4,800 9600 9600
TPU Pod 集群规模 # 256 8,960 256 9,216 9600 1152
图：TPU每代参数对比
资料来源：SemiAnalysis、国信证券经济研究所整理
谷歌TPU：训推分离，演进重心转向互联架构
• 2026年4月的谷歌CloudNext大会上披露了TPUv8的更多信息，最大变化是训练和推理分拆。TPUv8t（训练）：单Pod可扩展至9600芯片，
FP4峰值算力121 ExaFlops（前代3倍），芯片间ICI带宽翻倍至 Tb/s；采用Virgo两层无阻塞网络，单集群可连超100万芯片，
Scale-out带宽升至400Gb/s，空载延迟降40%。TPU8i（推理/智能体）：单Pod1152芯片，搭载288GBHBM+384MB片上SRAM（前代3倍），
HBM带宽达8601GB/s；改用Boardfly拓扑，将1024芯片集群网络直径从16跳减至7跳，尾部延迟降50%，片上CAE引擎将全局操作延迟降
低5倍。
20
请务必阅读正文之后的免责声明及其项下所有内容
图：AWS AI芯片保有量预测（存量）、谷歌TPU出货量预测
资料来源：Omdia、Amazon、The Information、Wolfe Research、国信证券经济研究所整理预测
预计27年谷歌TPU和亚马逊Trainium出货量将达到1500/220万张
• 亚马逊：根据公司25年股东信，亚马逊26Q1芯片业务ARR已超过200亿美元，同比三位数增长（包括Graviton, Trainium, and
Nitro），占云收入的约15%。如果作为独立业务对外销售则将达到500亿美元。
1. Graviton：23-25年，连续3年AWS 新增 CPU 容量的一半以上由 Graviton 提供支持，排名前 1000 的 EC2 客户中有 98%已
经受益于 Graviton 的性价比优势。
2. Trainium：公司主要面向Anthropic和OpenAI提供服务，25年主要面向Anthropic，预计25年Trainium芯片为公司贡献约30亿+
美元收入。
• 谷歌：TPU由于更成熟的使用效果，目前谷歌已经开始向特定客户群体直接交付TPU硬件，首批客户包括Thinking Machines Lab、
Hudson River Trading和Boston Dynamics等AI实验室、资本市场公司和高性能计算应用客户，今年晚些时候开始确认收入，27年产
生绝大部分收入，我们预计今年TPU的出货量将达到500万张。
单位：万张 2023年 2024年 2025年 2026E 2027E
v5 50 240 180
v6 120 110
v7 200
v8t（博通负责） 60
v8i（联发科负责） 130
合计 50 240 300 500 1200
单位：万张 2022年 2023年 2024年 2025年 2026年 2027年
Trainium1 10
Trainium2 10 120
Trainium3 170 220
合计 10 10 120 170 220
21
请务必阅读正文之后的免责声明及其项下所有内容
阿里云：平头哥芯片出货量达56万，真武M890发布
• 26年5月20日，阿里发布自研芯片的路线图，平头哥发布了新一代训推一体AI芯片真武M890，144GB显存，片间互联带宽
800GB/s，性能是上一代真武810E的3倍。配套发布的ICN Switch 互联芯片，可以将128张AI芯片组成一台超节点服务
器，P2P时延低于150纳秒。未来两年将陆续推出算力更强的真武V900、真武J900两代芯片。
• 根据阿里技术，截止5月，真武系列芯片已累计出货56万片。服务了中国电信、中国一汽、浦发银行等20多个行业的400
多家客户。截至26Q1，超过10万卡真武PPU已部署于阿里云公共平台，超过30家车企及自动驾驶公司正基于此芯片开展智
能驾驶研发。
图：真武芯片发展路线&平头哥芯片出货量
资料来源：阿里巴巴、国信证券经济研究所整理测算
真武810E 真武M890 真武V900 真武J900
发布时间 2024Q2 2026Q2 2027Q3 2028Q3
核心性能 基线（1X) 3X 3X -
显存容量 96GB 144GB 216GB -
片间互联带宽 700GB/s 800GB/s 1200GB/s -
架构特点
自研并行计算架构，
高易用训推一体AI
芯片
全面升级自研并行
计算架构
深度迭代自研并行
计算架构
自研并行计算架构
跨越革新
累计出货量 截至2026年2月，真武（810E）已经累计规模化交付47万片
0
20
40
60
80
100
120
2025年 2026E 2027E
22
请务必阅读正文之后的免责声明及其项下所有内容
图：海外云厂收入增速
资料来源：公司财报、国信证券经济研究所整理
海外云收入与利润率：研芯片产能爬坡带动云厂利润率优化
• 研芯片产能爬坡带动云厂利润率优化。26Q1海外云厂收入加速增长，其中谷歌、亚马逊表现亮眼，谷歌云收入增速已达
到63%，AWS也连续多个季度加速，但Azure则保持平稳，我们认为核心原因在于TPU和Trainium芯片得到验证后极大缓解
了两家公司的供给压力，但微软的自研芯片尚未获得大范围认可。利润端，自研芯片也能够缓解云厂的成本压力（根据
公司财报，Trainium合作的世芯毛利率仅20%+，博通在60%，因此谷歌寻求了联发科合作，而英伟达毛利率高达75%）。
36%
38%
32%
28% 28%
22%
26%
28% 29%
35%
30%
28%
32%
34%
48%
63%
33%
27%
20%
16%
12% 12% 13%
17%
19% 19% 19%
17% 18%
20%
24%
28%
40%
35%
31%
27% 26%
29% 30%
31%
29%
33%
31%
33%
39% 40% 39% 40%
0%
10%
20%
30%
40%
50%
60%
70%
2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24 2Q24 3Q24 4Q24 1Q25 2Q25 3Q25 4Q25 1Q26
谷歌云 亚马逊云 微软Azure
图：海外云OPM
资料来源：公司财报、国信证券经济研究所整理
-9%
-6%
-3%
3%
5%
3%
9% 9%
11%
17% 18% 18%
21%
24%
30%
33%
29%
26%
24% 24% 24%
30% 30%
38%
36%
38% 37%
39%
33%
35% 35%
38%
42%
44%
41%
43% 44%
48% 48% 47%
45%
44% 42% 41% 41%
43% 42% 43%
-20%
-10%
0%
10%
20%
30%
40%
50%
60%
2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24 2Q24 3Q24 4Q24 1Q25 2Q25 3Q25 4Q25 1Q26
谷歌云 亚马逊云 微软云
23
请务必阅读正文之后的免责声明及其项下所有内容
图：Trainium、GPU、TPU的毛利率对比（注：仅考虑芯片成本，租赁价格未考虑折扣）
资料来源：AWS、GCP、国信证券经济研究所整理测算
云厂自研芯片能够有效降低成本，带来利润率的提升
• 云厂自研芯片能够有效降低成本，带来利润率的提升。我们结合Trainium2、H100、H200、B200、B300、TPUv6的租
赁价格和售价，仅考虑芯片成本，不考虑租赁价格的折扣，测算毛利率能够得到Trainium2和TPUv6的毛利率都好于
英伟达芯片。
80%
82%
84%
86%
88%
90%
92%
94%
96%
98%
100%
0
2
4
6
8
10
12
14
Trainium2 H100 H200 B200 B300 TPUv6
租赁价格（美元/h perGPU） 折旧摊销 毛利率
24
请务必阅读正文之后的免责声明及其项下所有内容
图：AWS Trainium和GPU收入
资料来源：AWS、国信证券经济研究所整理测算
亚马逊云：Trainium将带动AWS27年约4%的收入增速
• 我们预计25年亚马逊Trainium芯片贡献收入34亿美元，27年在云收入中占比提升至7%，AI IaaS收入2027年占比有
望达到%，Trainium将带动约4%的收入增速
$MMs 2022 2023 2024 2025E 2026E 2027E
AWS资本开支 27,755 24,843 53,267 90,554 117,720 141,264
AWS服务器资本开支占比 % % % % % %
AWS服务器资本开支 16,653 14,906 31,960 54,332 70,632 84,758
Trainium出货量测算 2022 2023 2024 2025E 2026E 2027E
Trainium期初保有量
加：Trainium单位净新增
Trainium期末保有量
Trainium预计单芯片成本 $1,200 $1,200 $1,500 $8,071 $8,071 $8,071
Trainium资本开支 106 120 150 9,686 13,721 17,757
占AWS资本开支比例 1% % % % % %
Trainium3芯片
Trainium2芯片
Trainium1芯片
Trainium3占比 -- -- -- -- 50% 56%
Trainium2占比 -- -- 20% 76% 38% 33%
Trainium1占比 100% 100% 80% 24% 12% 10%
Trainium收入测算 2022 2023 2024 2025E 2026E 2027E
Trainium每小时成本 $ $ $ $ $ $
Trainium综合每小时成本 $ $ $ $ $ $
批量折扣 58% 57% 56% 56% 56% 56%
内部工作负载 35% 33% 31% 26% 21% 16%
外部工作负载 65% 67% 69% 74% 79% 84%
利用率 85% 85% 85% 85% 85% 85%
Trainium收入 $363 $511 $1,044 $3,430 $8,088 $14,336
同比增速 % % % % %
占AWS收入比例 % % % % % %
NVDA GPU出货量测算（百万颗） 2022 2023 2024 2025E 2026E 2027E
NVDA GPU期初保有量
加：NVDA GPU净新增
减：退役NVDA GPU
NVDA GPU期末保有量
NVDA芯片收入贡献（百万美元） 2022 2023 2024 2025E 2026E 2027E
NVDA GPU每小时成本
A100
H100
H200
GB200
NVDA GPU综合每小时成本
A100 100% 40% 20% 0% 0% 0%
H100 0% 60% 80% 60% 55% 50%
H200 0% 0% 0% 25% 20% 15%
GB200 0% 0% 0% 15% 25% 35%
批量折扣 50% 50% 50% 50% 50% 50%
相对Trainium溢价
内部工作负载 5% 5% 5% 5% 5% 5%
外部工作负载 95% 95% 95% 95% 95% 95%
利用率 90% 90% 90% 90% 90% 90%
NVDA GPU收入 $694 $2,556 $6,176 $12,595 $16,870 $23,714
同比增速 % % % % %
占AWS收入比例 % % % % % %
Trainium + NVDA GPU收入 $1,057 $3,067 $7,220 $16,025 $24,958 $38,050
同比增速 % % % % %
占AWS总收入比例 % % % % % %
25
请务必阅读正文之后的免责声明及其项下所有内容
图：谷歌云收入预测
资料来源：谷歌、国信证券经济研究所整理测算
谷歌云：TPU收入在26年占比将达到18%，贡献近170亿美元
• AI云已成为谷歌云增长主要动力。
25年谷歌云收入同比+36%，我们
测算其中AI云有望实现同比+102%，
收入占比达到27%。GPU和TPU租赁
相关收入同比+72%，26年将延续
这一趋势。
• 当前算力的需求方仍以头部公司
为主，大型互联网公司是主要客
户。我们预计TPU的收入主要来自
苹果和Anthropic，小部分来自
Safe Superintelligence和
Physical Intelligence等人工智
能实验室，GPU租赁收入则主要来
自Meta、字节、腾讯等公司。根
据我们测算，预计TPU在云收入中
的占比在26年将达到18%，贡献近
170亿美元
2022 2023 2024 2025 2026E 2027E
谷歌云收入 26,280 33,088 43,229 58,705 93,521 142,582
YoY 37% 26% 31% 36% 59% 52%
传统云 24,510 29,496 35,431 42,953 53,692 63,356
YoY 20% 20% 21% 25% 18%
AI云 1,770 3,592 7,798 15,752 39,829 79,225
YoY 103% 117% 102% 153% 99%
占云收入比例 7% 11% 18% 27% 43% 56%
AI IaaS收入 1,770 3,592 7,798 13,404 28,089 44,005
YoY 103% 117% 72% 110% 57%
TPU收入 1,340 2,109 3,832 6,220 16,907 30,142
YoY 121% 56% 82% 52% 66% 46%
占云收入比例 5% 6% 9% 11% 18% 21%
TPU 数量 24
TPU Blended Cost/HR
折扣率 70% 70% 70% 70% 70% 70%
外部使用占比 14% 17% 20% 23% 40% 45%
利用率 90% 90% 90% 90% 90% 90%
GPU收入 430 1483 3966 7184 11182 13863
YoY 245% 168% 81% 56% 24%
占云收入比例 2% 4% 9% 12% 12% 10%
MaaS收入 2,348 11,740 35,220
YoY 400% 200%
26
请务必阅读正文之后的免责声明及其项下所有内容
图：阿里云收入拆分
资料来源：公司财报、国信证券经济研究所整理测算
阿里云：自研芯片带动收入加速增长及EBITA Margin改善
• 自研芯片放量驱动云收入加速增长。根据我们测算，AI云收入在阿里外部云收入中占比在FY28将超过50%，核心驱动来自
于GPU租赁和MaaS的高速增长，其中，自研芯片的放量将带动GPU租赁收入的加速增长，保持三年超过50%的增速。
• 利润端，自研芯片将提升GPU租赁业务的毛利率。结合算力租赁的涨价，我们预计FY29GPU租赁的毛利率将提升至约36%。
结合MaaS的高毛利率，预计到FY29阿里云整体的经调EBITA利润率将达到16%。
单位：百万元人民币 FY2023 FY2024 FY2025 FY2026 FY2027E FY2028E FY2029E
收入 103,268 106,432 118,028 158,132 234,078 344,923 492,590
YoY 38% 3% 11% 34% 48% 47% 43%
外部 77,203 75,957 83,698 111,043 168,153 252,628 363,378
yoy -2% 10% 33% 51% 50% 44%
AI云收入 800 4,800 11,260 28,263 70,291 140,086 236,206
yoy 500% 135% 151% 149% 99% 69%
占外部云收入 1% 6% 13% 25% 42% 55% 65%
GPU租赁 19,687 38,437 61,499 92,248
YoY 95% 60% 50%
占AI云比例 70% 55% 44% 39%
毛利率 25% 31% 35% 36%
MaaS（含百炼+API调用） 5,658 25,000 66,250 121,750
YoY 342% 165% 84%
占AI云比例 20% 36% 47% 52%
毛利率 30% 40% 45% 48%
传统云收入 76,403 71,157 72,438 82,780 97,862 112,542 127,172
yoy -7% 2% 14% 18% 15% 13%
经调EBITA 2281 5592 10556 14265 24,899 47,955 80,404
YoY 99% 145% 89% 35% 75% 93% 68%
经调EBITA Margin % % % % % % %
27
请务必阅读正文之后的免责声明及其项下所有内容
目录
28
模型商业模式逐步闭环，算力成为核心生产要素01
需求和供给双重驱动，ASIC芯片加速放量拐点到来02
自研ASIC正在成为云厂商构建竞争优势的重要抓手03
ASIC崛起对产业链投资的启示（一）：设计与制造产业链04
ASIC崛起对产业链投资的启示（二）：网络与互联基础设施05
请务必阅读正文之后的免责声明及其项下所有内容
图：博通、迈威尔、联发科、世芯 ASIC业务毛利率
资料来源：公司财报、国信证券经济研究所整理测算
图：博通、迈威尔、联发科、世芯 ASIC业务收入
资料来源：公司财报、国信证券经济研究所整理测算
谷歌TPU：寻找更多设计合作方，推动成本降低
• 根据公司财报，博通在芯片设计中的毛利率达到接近60%，在中间环节加价约15%-20%。博通是谷歌TPU的主要合作方，与谷歌在芯片设计
中分工明确，谷歌负责整体芯片架构、算法及结构验证；博通承担芯片集成、电路实现（含互联、内存、电源管理相关电路设计等前端
环节）及后端的布局布线、流片测试、封装交付等全流程工作。由于博通在其中打包销售了高毛利的 IO Chiplet（高速接口芯粒）和专
用交换机芯片（如 Tomahawk 5/6 系列和分布式 X-Bar 架构），这部分网络 IP 的毛利率高达 75%+
• 26年4月，博通与谷歌签订合作，将为谷歌未来几代的张量处理单开发和供应定制的TPU。此外，根据公司公告，博通还达成了一项供应
保证协议，博通将为谷歌的下一代AI机架提供网络和其他组件，直至2031年。同时，博通、谷歌和Anthropic扩大了现有的战略合作。根
据该合作，Anthropic将从2027年开始，通过博通接入约的计算能力。
• 谷歌积极寻求摆脱对博通的依赖，与联发科、Marvell洽谈合作。26年初官宣的TPUv8分为推理和训练两个版本，其中推理芯片TPUv8i由
联发科负责。此外，根据The information，谷歌还在正与Marvell洽谈开发两款新型AI芯片：一是内存处理单元（MPU），用于协同TPU
卸载内存计算任务，缓解高并发推理下的内存带宽瓶颈；二是针对推理场景优化的专用TPU，旨在降低单次AI响应的算力成本。
-
10,000
20,000
30,000
40,000
50,000
60,000
70,000
80,000
90,000
2025 2026E 2027E
博通 迈威尔 联发科 世芯 50-60%
50%
35-45%
20-30%
0%
10%
20%
30%
40%
50%
60%
博通 迈威尔 联发科 世芯
29
请务必阅读正文之后的免责声明及其项下所有内容
图：半导体产业链价值量分布
资料来源：各公司官网、国信证券经济研究所整理
图：TPU26年封装产能结构
资料来源：公司财报、国信证券经济研究所整理测算
谷歌TPU：积极寻求台积电外产能
• 谷歌主要依赖台积电提供的CoWoS封装和晶圆生产，但由于需要同时支持自身模型业务发展、主业运行、以及云业务对外提供服务，谷
歌存在较大的算力缺口，因此近两年积极寻求其他公司产能。
1. Intel已获得谷歌300万颗订单：根据The information报道，谷歌在对英特尔的先进封装技术进行数月测试后，已向英特尔订购了超过
300万颗TPU，预计将于2028年交付。
2. Amkor、ASE承接CoWoS体系的外溢产能合作：Amkor24年将台积电成熟的先进封装技术——晶圆基板芯片封装 (CoWoS) 和集成扇出封装
(InFO)——引入美国市场。
3. 三星：根据The Information，谷歌正在与三星电子洽谈，计划由三星承接第十代TPU芯片的部分组件，负责制造内存I/O Die，即连接
计算核心与HBM等内存的桥梁，采用2nm GAA工艺制程。I/O Die主要负责SerDes、PCIe/CXL 等接口，以及与HBM的互联，同时相对更标
准化，更适合三星。核心计算引擎（计算Die）则是由台积电代工，采用其最尖端的先进制程。分开制造再拼接，既释放了台积电
的产能压力，又能大幅降低整颗TPU的综合制造成本。
• 我们预计26年谷歌TPU接近500万颗产能中，台积电与ASE合计贡献接近450万颗，其余部分则由Amkor承接。
台积电
86%
ASE
8%
Amkor
6%
环节 代表公司 价值量占比 特点
设计（Design）
英伟达、博通、高通、联
发科
25%–40%
轻资产，高毛利，核心壁垒
在于人才、IP积累和生态绑
定。
制造（Fabrication）
台积电、三星电子、中芯
国际
40%–60%
重资产、资本密集、规模效
应显著
封装（Packaging）
日月光、安靠、长电科技、
通富微电、华天科技、台
积电
5%–20%
劳动密集，技术壁垒中等，
AI时代先进封装价值量在提
升
测试（Testing）
京元电子、日月光、长电
科技、通富微电、华峰测
控
2%–8% 劳动密集，技术壁垒中等
30
请务必阅读正文之后的免责声明及其项下所有内容
亚马逊Trainium：与Marvell和Alchip深度合作，逐渐收拢价值量
• 从世芯到Marvell，Trn1+Trn2 芯片设计和互联能力逐渐成熟。根据SemiAnalysis，Trainium系列的前端设计由亚马逊自己完成，
第一代版本后端设计和全套管理工作，包括台积电的流片均由Alchip完成，根据公司财报，预计2024年其收入的60%都由亚马逊贡
献。采用台积电 5nm 工艺制造的Trainium2 芯片由Marvell负责，但其在Trainium2 项目上执行不佳，开发周期拖太久，并且在
封装 RDL interposer 设计上遇到问题，后来需要 Alchip 介入，帮助交付可工作的方案。
• Trn3世芯重新主导，但价值量进一步被亚马逊收拢。根据SemiAnalysis，Trainium3 前端继续由亚马逊设计，PCIe SerDes 部分
则获得了 Synopsys 的授权。后端物理设计和封装设计由 Alchip 负责。SemiAnaylsis认为 Trainium3 可能继承了 Marvell 设
计的 Trainium2 的部分接口 IP。在Trn3中，预计存在两个流片项目，一个由 Alchip 拥有（称为“Anita”），另一个则由
Annapurna 直接拥有（称为“Mariana”）。在 Anita 项目中，Alchip 直接从台积电采购芯片组件；而在 Mariana 项目中，
Annapurna 也直接采购芯片组件。大部分产量将用于 Mariana 项目。虽然 Alchip 在 Mariana 项目中的设计参与度与 Anita 项
目类似，但他们从 Mariana 项目获得的收入应该会低于 Anita 项目。就每总拥有成本（TCO）的性能而言，亚马逊更加重视降低
TCO。
图：世芯电子来自亚马逊的收入占比
资料来源：公司财报、国信证券经济研究所整理
%
%
% %
%
0%
10%
20%
30%
40%
50%
60%
70%
2021年 2022年 2023年 2024年 2025年
图：世芯电子毛利率
资料来源：公司财报、国信证券经济研究所整理
%
%
% %
%
0%
5%
10%
15%
20%
25%
30%
2021 2022 2023 2024 2025
31
请务必阅读正文之后的免责声明及其项下所有内容
单位：百万美元 FY2024 FY2025 FY2026E FY2027E FY2028E
收入 51,574 63,887 105,807 173,088 226,142
YoY % 44% 24% 66% 64% 31%
Semis 30,096 36,858 72,084 137,988 191,354
YoY % 7% 22% 96% 91% 39%
AI Semis 12,252 20,138 56,542 119,255 164,474
YoY % 64% 181% 111% 38%
AI Networking 3,841 7,168 13,231 26,033 31,685
YoY % 87% 85% 97% 22%
交换芯片 5,808 10,350 19,800 23,400
YoY % 78% 91% 18%
出货量
单价（美元） 11,000 15,000 18,000 18,000
其他芯片 1,360 2,881 6,233 8,285
YoY % 112% 116% 33%
AI Compute 8,411 13,056 43,311 93,222 132,789
YoY % 55% 232% 115% 42%
TPU 11,750 40,700 88,000 126,000
出货量
单价（美元） 3,917 11,000 16,000 18,000
其他ASIC 1,306 2,611 5,222 6,789
100% 100% 30%
Non-AI Semis 17,844 16,720 15,542 18,733 26,880
YoY % -6% -7% 21% 43%
Infra Software 21,478 27,029 31,946 37,228 37,789
YoY % 181% 26% 18% 17% 2%
毛利 32,509 43,294 72,969 119,693 162,195
毛利率 63% 68% 69% 69% 72%
OP 13,463 25,484 53,240 95,975 132,688
OPM 26% 40% 50% 55% 59%
Non-Gaap OP 30,736 41,997 70,115 113,940 151,061
Non-Gaap OPM 60% 66% 66% 66% 67%
Semis OP 16,759 21,232 44,366 79,840 111,053
Semis OPM 56% 58% 62% 58% 58%
Infra Software OP 13,977 20,765 26,227 36,332 37,033
Infra Software OPM 65% 77% 82% 98% 98%
net income 5,895 23,126 45,320 82,721 111,536
NPM 11% 36% 43% 48% 49%
图：博通收入利润预测
资料来源：公司财报、彭博、国信证券经济研究所整理测算
博通：同时受益于ASIC放量和连接需求增加，但ASIC份额受冲击
• 博通的主要收入驱动因素来自AI Semis（FY25占
比大约30%），其中包括AI Networking，主要是
以太网AI网络芯片，以及AI Compute（ASIC）。
• AI Compute（ASIC）受益于TPU放量以及Meta、
OpenAI等公司的ASIC需求，但由于谷歌分散供应
链份额将受到冲击。大约90%收入来自TPU，预计
FY26/27伴随TPU出货加速将迎来爆发期，但考虑
到从TPUv8开始谷歌仅将训练芯片交给博通负责
设计，我们预计FY26-FY28博通的TPU出货量为
370/550/700万。预计博通ASIC芯片业务FY26-
FY28收入分别为433/932/1328亿美元。
• AI Networking受益于连接需求增加。Tomahawk
交换芯片是博通AI网络收入的主要来源，预计
FY26-FY28出货量为69/110/130万张，对应产生
的收入为104/198/234亿美元，此外其他部分中，
PCIe交换芯片、DSP芯片、NIC也将迎来持续放量
32
请务必阅读正文之后的免责声明及其项下所有内容
图：迈威尔收入利润预测
资料来源：公司财报、彭博、国信证券经济研究所整理测算
迈威尔：ASIC放量、XPU Attach崛起、连接需求爆发
单位：百万美元 FY2023 FY2024 FY2025 FY2026 FY2027E FY2028E FY2029E
收入 5,920 5,508 5,767 8,195 11,518 16,763 23,361
-7% 5% 42% 41% 46% 39%
Data center 2,409 2,217 4,164 6,100 9,210 14,313 20,959
-8% 88% 46% 51% 55% 46%
AI 3, 5, 9, 13,
61% 70% 51%
光 1, 3, 5, 7,
89% 51% 28%
ASIC/XPU attach 1, 1, 3, 6,
103% 86%
其他非AI 2,730 3,794 5,129 7,123
39% 35% 39%
Comms and Other 3,511 3,291 1,603 2,094 2,221 2,361 2,492
-6% -51% 31% 6% 6% 6%
毛利 2,988 2,294 2,382 4,181 6,023 8,911 12,753
毛利率 50% 42% 41% 51% 52% 53% 55%
OP 238 -568 -720 1,323 2,172 4,383 7,731
OPM 4% -10% -12% 16% 19% 26% 33%
net income -164 -933 -885 2,670 1,514 3,631 6,110
NPM -3% -17% -15% 33% 13% 22% 26%
• ASIC业务放量。根据The Information，
ASIC除了传统的 Amazon Trainium 项目，
Microsoft 的 Maia 3nm 项目预计在明年
进入大批量生产，同时公司正在与谷歌洽
谈相关的合作。
• XPU Attach（如 CXL 控制器、SmartNIC
等配套芯片） 的崛起。公司预计Custom
XPU 市场 2023-2028 CAGR 为 47%，XPU
Attach 市场 CAGR 高达 90%，到 2028 年，
XPU Attach TAM 将从 2023 年的约 6 亿
美元增长至约 146 亿美元，占整个定制计
算市场的约 26%。未来每个 AI Tray 内部
的很多芯片都会逐渐定制化，因此 Attach
的设计机会数量将显著高于 XPU 本身。目
前已有超过 20 个 Custom + XPU Attach
design wins。
• Marvell 在光互联 DSP 市场占据绝对主
导地位，受益于连接需求增加。在 800G
时代，其市场份额高达 70%，尽管博通布
局对其形成一定竞争压力，但连接需
求的爆发依然能够带动公司相关收入增长。
33
请务必阅读正文之后的免责声明及其项下所有内容
目录
34
模型商业模式逐步闭环，算力成为核心生产要素01
需求和供给双重驱动，ASIC芯片加速放量拐点到来02
自研ASIC正在成为云厂商构建竞争优势的重要抓手03
ASIC崛起对产业链投资的启示（一）：设计与制造产业链04
ASIC崛起对产业链投资的启示（二）：网络与互联基础设施05
请务必阅读正文之后的免责声明及其项下所有内容
图：当集群规模扩大时（横轴是GPU个数），集群利用效率会下降，连接的
重要性凸显
资料来源：《MegaScale: Scaling Large Language Model Training to More
Than 10,000 GPUs》、国信证券经济研究所整理
网络与互联基础设施：算力规模扩大后，连接成为关键
• Marvell CEO Murphy 6月COMPUTEX大会上提出了一条
核心结论：AI基础设施的瓶颈正在从算力和存储转向
连接，而铜缆正在逼近物理极限，光学替代不可逆。
具体来看，AI基础设施的瓶颈正在经历第三次迁移。
• 第一次瓶颈是算力。行业需要远超传统的计算能力来
支撑AI训练和推理。
• 第二次瓶颈是存储。更大的模型需要更大的存储容量
和更高的带宽。HBM高带宽存储器成为关键资源，它把
存储颗粒垂直堆叠后紧贴GPU封装，提供远超传统内存
的带宽。
• 第三次瓶颈是连接。现代AI需要数万乃至数百万个处
理器协同工作，构成一台超大规模计算引擎。当计算
问题被拆解成无数子任务分散到整个数据中心执行时，
连接就是一切。 推理模型、MoE混合专家架构（一个大
模型被拆成多组"专家"子网络，每次推理只激活一小
部分，但不同专家可能分布在不同芯片上）、agentic
AI（能自主规划任务、调用工具、持续执行的AI系统）
都在推高对连接带宽和延迟的要求。
30%
35%
40%
45%
50%
55%
60%
65%
70%
256 512 768 1024
Megatron-LM MegaScale
35
请务必阅读正文之后的免责声明及其项下所有内容
图：Trn2和Trn3 NL32X2 机柜方案
资料来源：Semi Analysis、国信证券经济研究所整理测算
Scale Up：亚马逊Scale Up方案较谷歌更激进，PCIe交换芯片需求增加
• 亚马逊Scale Up方案较谷歌更激进，PCIe交换芯片需求增加。在Scale up网络中，Trainium2 使用的是2D/3D Torus，
与谷歌的思路类似，但环面拓扑结构并不是最适合MOE模型的网络结构，采用3D Torus 架构时，扩展网络会因过载而突
然面临带宽瓶颈。为应对以上问题，Trainium3从 2D/3D 环面架构转向了交换式架构，引入 NeuronSwitch-v1，这带来
了大量交换芯片需求的增加。
36
请务必阅读正文之后的免责声明及其项下所有内容
图：Trn3 Scale-up交换机路线图
资料来源：Semi Analysis、国信证券经济研究所整理测算
Trainium3带来PCIe交换芯片需求量增加
• 采用NeuronSwitch-v1带来了大量的增量PCIe芯片需求。Trainium3 的生命周期内，共推出了三代Scale up交换机，
而每代升级意味着需要大量的 PCIe芯片。第一代是 160 通道的 Scorpio X PCIe 交换机，第二代是 320 通道的
Scorpio-X PCIe 交换机，第三大还可以选择升级到更高基数的 72+ 端口 UALink 交换机。。
• 第一代交换机需求数量与芯片数量比例为1:2左右。以第一代版本为例，在32x2的服务器节点中需要32个交换芯片，
但在72x2的服务器节点中泽需要368个交换芯片（其中288个36通道的pcie交换芯片），如果仅看160通道的PCIe芯片，
需求数量与芯片数量比例为1:2左右，在第二代中的需求量有所减少，约为1:4。
单位 Gen1(Scorpio X 160通道) Gen2(Scorpio X 320通道) Gen3(Scorpic X UALink)
Trainium3服务器SKU NL32x2 Switched NL72x2 Switched NL32x2 Switched NL72x2 Switched NL32x2 Switched NL72x2 Switched
交换机规格对比（按代际）
PCIe代际 无
PCIe物理通道数（PHY） 无 160 320 ?
每通道带宽（单向） Gbit/s 64 64 128
每端口通道数 无 8 8 ?
端口数量 无 20 40 72+
单交换机带宽（单向） Gbit/s 10240 20480 ?
每机架拓扑结构（按具体SKU）
每机架交换平面数 无 2 4 1 2 1 1
每交换平面交换机数量 无 8 10 8 10 ? ?
每机架Switch Tray交换机总数 无 16 40 8 20 ? ?
每机架PCB上32通道交换机数 无 0 144 0 144 0 144
每机架横向扩展交换机总数 无 16 184 8 164 - ?+144
单服务器横向扩展交换机总数 无 32 368 16 328 ?x2 ?x2+288
160通道交换机连接率（每Tm3） 无 - - - -
320通道交换机连接率（每Tm3） 无 - -
32通道交换机连接率（每Tm3） 无 - - -
机箱内最大跳数 无 2 3 1 3 1 1
横向扩展域内最大跳数 无 3 4 2 4 2 2
37
请务必阅读正文之后的免责声明及其项下所有内容
图：Google TPU v7 3D Torus连接数量测算
资料来源：Semi Analysis、国信证券经济研究所整理测算
Scale out：Google TPU采用OCS架构，打开AI光互联新价值量
• Google在TPU集群中率先规模化采用OCS。OCS通过直接调度光路实现端口连接，避免传统EPS的光电/电光转换，具备低功耗、低时延、
速率无关等优势，适合训练场景中相对稳定的大规模互联流量。
• OCS价值量主要集中在MEMS芯片、校准系统和2D准直阵列。以176x176 MEMS OCS为例，BOM约13k美元，MEMS芯片/校准系统/2D
collimator array占比分别约35%/30%/15%。
• TPUv7以4x4x4、64颗TPU cube为ICI基本单元，每颗TPU在3D Torus中连接6个邻居，其中2个固定通过PCB走线连接，其余4条按位置采
用DAC或光模块；face/edge/corner TPU分别需要1/2/3个光模块，推导出整柜96个光模块、个/TPU attach ratio，并通过OCS实现
cube间连接与环回。
TPU位置 数量 铜缆/TPU PCB/TPU 光模块/TPU 光模块合计
内部TPU 8 4 2 0 0
角部TPU 8 1 2 3 24
边缘TPU 24 2 2 2 48
面部TPU 24 3 2 1 24
合计/均值 64 96
MEMS-176x176平台 成本($) 制造成本占比 BOM占比
MEMS芯片 32% 35%
校准系统 28% 31%
2D准直阵列 14% 16%
2D MEMS阵列 2% 2%
分束器 4% 4%
其他组件 10% 11%
制造 10% 11%
总制造成本 100%
BOM成本 100%
销售价格 32
毛利率 56%
图：176x176 MEMS OCS BOM拆分
资料来源：Semi Fundamental、国信证券经济研究所整理测算 38
请务必阅读正文之后的免责声明及其项下所有内容
图：TPU 8i pod 上通过光路交换机实现的最大七跳 ICI 网络直径的可视化表示
资料来源：Google Cloud、国信证券经济研究所整理
TPUv8：v8i采用Boardfly 拓扑，OCS进入scale up
• TPUv8t：沿用3D Torus + ICI + OCS 的训练型架构，同时谷歌推出 scale-out架构Virgo Network，通过增加每个交
换机的端口数量来减少网络层数，并采用扁平化的两层无阻塞拓扑结构。可以在单个结构中连接 134,000 个芯片
（TPU 8t），提供高达 47 petabits/秒的无阻塞双向带宽。
• TPUv8i：为推理/采样/MoE 场景引入了新的 Boardfly 拓扑，放弃了环形结构，将OCS引入scale up。虽然环面对于
密集训练中常见的邻居间通信非常高效，但它会给所有芯片间的通信模式带来额外的延迟。在推理模型和迭代优化
（MoE）时代，任何芯片都可能需要与其他任何芯片通信来路由令牌，因此跳数至关重要。通过增加板组之间的直接光
纤长距离链路数量，同样 1,024 颗芯片，如果用 8×8×16 的 3D Torus，最远通信需要 16 hops；Boardfly 把网络
直径降到 7 hops，网络直径减少 56%，通信密集型工作负载延迟最多改善 50%。
• 根据SemiAnalysis，TPUv7的9216TPU POD中，对应需要48个OCS交换机，TPU:OCS=192:1，但在TPUv8i中，TPU与OCS的
配比关系为58：1，OCS的比例明显增加。
39
请务必阅读正文之后的免责声明及其项下所有内容
图：OCS供应链公司
资料来源：公司财报、国信证券经济研究所整理
图：OCS 市场规模预测
资料来源：Google、国信证券经济研究所整理测算
OCS市场28年有望超过60亿美元，LITE、COHR有望受益
• 仅考虑TPU采用的OCS方案，我们测算，假设28年TPU出货量达到3000万，OCS市场将突破60亿美元。
• 早期谷歌部署基于自主研发的MEMS OCS交换机，但近年来已开始转向Lumentum等商业MEMS OCS供应商。Lumentum在
最近一次财报电话会议上表示，其OCS硬件订单积压总额达4亿美元，这些订单来自三家不同的客户，均为公司新增
订单。Coherent公司也在不断增加客户参与度，其OCS订单积压量也逐季度增长。
公司 OCS业务布局
Lumentum
(LITE)
主要生产基于MEMS的OCS芯片，但也具备一定的LCoS
芯片生产能力。其主要商业产品是为谷歌（主要）和甲
骨文提供的300x300 OCS芯片。此外，该公司还向微软
和英伟达发送了64×64 OCS芯片样品进行测试。Lite的
OCS生产基地位于泰国，预计将于2026年第四季度开始
量产。目标是在2027年实现10亿美元的OCS芯片年化销
售额。
Coherent
(COHR)
Coherent预计将于2026年向谷歌交付约3000台基于
LCoS的OCS设备，量产计划将于2026年上半年启动。
公司表示已收到来自谷歌和甲骨文超过3亿美元的订单。
Silex 赛微电子持有Silex 45%的股份。谷歌OCS系统的主要
MEMS系统供应商
2024 2025 2026 2027 2028
TPU出货量（百万） 3 5 12 30
OCS端口数/TPU端口 1
OCS端口总数（百万个） 18 45
OCS设备ASP（美元/台，600端
口）
100,000 100,000 95,000 90,250 81,225
OCS市场规模（百万美元） 400 750 1,188 2,708 6,092
40
请务必阅读正文之后的免责声明及其项下所有内容
图：DGX GB300 Super POD光芯比测算
资料来源：英伟达、国信证券经济研究所整理测算
Scale out：集群规模扩大增加拓扑网络层数，光芯比提升
• 英伟达在GB300的SuperPOD参考架构中给出了从1152张GPU到9216张GPU的计算网络和存储网络，根据我们测算，当前计算
网络的光模块需求与GPU比例为:1，加上存储网络则接近4:1，区别在于计算网络在交换机侧用光模块，服务器侧
和存储网络都使用的是800G光模块。
• Scale Out网络的层数增加，英伟达案例中最大接近万卡集群都用的是2层fabric，但如果进一步扩大，则可能需要三层
结构，需要更多交换机和光模块。
DGX GB300 Super POD
计算网络
fabric层数 2 2 2 2
GPU 数 1152 2304 4608 9216
SU 数 2 4 8 16
每个 SU 的 IB leaf 8 8 8 8
IB leaf 总数 16 32 64 128
IB spine 总数 8 18 36 72
服务器侧光模块数量 1152 2304 4608 9216
交换机侧光模块数量（Q3400-RD，72个cage） 1728 3600 7200 14400
光模块总数 2880 5904 11808 23616
计算网络光芯比
存储网络
Spine数（ SN5600D，64个cage，下同） 4 8 12 24
计算leaf 8 16 32 64
存储leaf 2 2 4 8
管理leaf 2 2 2 2
OOB spine（SN2201，48个cage） 2 2 2 2
交换机侧光模块数量 1120 1888 3296 6368
服务器侧光模块数量 576 1152 2304 4608
光模块总数 1696 3040 5600 10976
合计光模块总数 4576 8944 17408 34592
光芯比 41
请务必阅读正文之后的免责声明及其项下所有内容
图：Coherent收入利润预测
资料来源：公司财报、彭博、国信证券经济研究所整理测算
COHR：光模块需求持续释放
• Coherent的核心增长驱动来自于Datacom部分的光模块以及光器件、OCS等，其中贡献最多的仍然是光模块，受益于连接需求增加，从
800G到以及后续的，ASP和需求量持续增长。
单位：百万美元 FY2022 FY2023 FY2024 FY2025 FY2026E FY2027E FY2028E
收入 3,317 5,160 4,708 5,810 7,060 9,615 12,725
YoY % 56% -9% 23% 22% 36% 32%
Datacenter&Communications 3,756 5,190 7,578 10,030
YoY % 38% 46% 32%
Datacom
YoY % 33% 65% 47% 54% 44%
<400 Gbps
YoY % -25% 21% 5% -10% -10%
出货量
单价
800+ Gbps
YoY % 142% 80% 82% 56%
出货量
单价
其他
Other
YoY % 18% 24% -9%
Industrial 2,054 1,873 1,957 2,044
YoY % -9% 4% 4%
分拆二：
Networking 2,197 2,341 2,296 3,421 4,365 5,871 8,427
28% 35% 44%
Materials 1,119 1,350 1,017 954 1,250 1,461 1,642
31% 17% 12%
lasers 0 1,469 1,395 1,435 1,454 1,755 1,726
1% 21% -2%
毛利 1266 1618 1456 2043 2,650 3,774 5,181
毛利率 38% 31% 31% 35% 38% 39% 41%
OP 414 -37 96 290 880 1,542 2,355
OPM 12% -1% 2% 5% 12% 16% 19%
net income 235 -404 -159 49 806 1,327 2,082
NPM 7% -8% -3% 1% 11% 14% 16%42
请务必阅读正文之后的免责声明及其项下所有内容
图：LITE收入利润预测
资料来源：公司财报、彭博、国信证券经济研究所整理测算
LITE：OCS贡献弹性，光模块需求放量
• 连接需求增加，光模块放量，同时从800T
到升级ASP翻倍。 模块的 ASP
是 800G 的两倍，但成本和裸片尺寸相似，
具有显著更高的毛利率。随着 在今
年夏季开始规模出货，叠加内部 CW 激光
器集成比例的提升，指引OPM持续提升。
• OCS获得大单。LITE 获得了一份多年期、
价值数十亿美元的 OCS 采购协议，预计仅
在 2026 年下半年，OCS 的出货量就将超
过 4 亿美元。目标是在2027年实现10亿美
元的OCS芯片年化销售额。
单位：百万美元 FY2022 FY2023 FY2024 FY2025 FY2026E FY2027E FY2028E
收入 1,713 1,767 1,359 1,645 2,997 5,374 8,272
YoY % 3% -23% 21% 82% 79% 54%
Cloud & Networking 1, 1, 1, 2, 5, 8,
YoY % -18% 30% 95% 86% 56%
EML 1,
YoY % 9% 67% 130% 57% 19%
Cloud Light 1, 1,
YoY % 55% 156% 84% 36%
OCS/CPO - - 1, 2,
YoY % 615% 168%
Telecom 1, 1, 1,
YoY % -13% 13% 43% 34% 20%
Industrial Tech
YoY % -38% -15% 8% 1% 5%
Components 1,116 1,992 3,312 5,013
YoY % 78% 66% 51%
Systems 529 1,005 2,062 3,259
YoY % 90% 105% 58%
毛利 789 569 252 460 1,219 2,572 4,285
毛利率 46% 32% 19% 28% 41% 48% 52%
OP 303 -116 -434 -180 504 1,780 3,263
OPM 18% -7% -32% -11% 17% 33% 39%
Non-Gaap OP 527 339 38 160 873 2,170 3,586
Non-Gaap OPM 31% 19% 3% 10% 29% 40% 43%
net income 199 -132 -547 26 456 1,508 2,644
NPM 12% -7% -40% 2% 15% 28% 32%
43
请务必阅读正文之后的免责声明及其项下所有内容
图：ALAB收入利润预测
资料来源：公司财报、彭博、国信证券经济研究所整理测算
ALAB：PCIe交换芯片放量
• ALAB是一家AI连接半导体解决方案提供
商，主要依靠Aries Retimer拿下了PCIe
• 从PCIe Retimer（Aries）单品垄断向
PCIe Switch（Scorpio）及光学连接平
台跨越，PCIe交换芯片成为重要增量。
随着Scorpio P（Scale-out）和Scorpio
X（Scale-up）在2026年下半年加速出货，
管理层预计到2026年底，Scorpio将超越
Aries成为公司最大的产品线。此外，通
过收购aiXscale，公司正将触角延伸至
2027-2028年的NPO/CPO（共封装光学）
市场，试图在多机架集群的光互联时代
提前卡位。
单位：百万美元 FY2023 FY2024 FY2025 FY2026E FY2027E FY2028E
收入 1, 2, 2,
242% 115% 81% 42% 28%
Aries
8% 11%
Taurus
-13% 45%
Leo
188% 135%
Scorpio 1, 1,
123% 31%
毛利 1, 1, 2,
毛利率 69% 76% 76% 73% 73% 74%
OP 367
OPM -25% -29% 20% 24% 30% 28%
net income 643
NPM -23% -21% 26% 26% 29% 30%
44
请务必阅读正文之后的免责声明及其项下所有内容
风险提示
第一，宏观经济波动。若宏观经济波动，公司业务、产业变革及新技术的落地节奏或将受到影响。
第二，下游需求不及预期。若下游AI需求不及预期，相关的AI研发投入增长或慢于预期，致使行业增长不及预期。
第三，核心技术水平升级不及预期的风险。AI大模型研发进度落后，AIGC相关产业技术壁垒较高，核心技术难以突破，
影响整体进度。
第四，AI快速迭代、平权化下竞争加剧，影响云业务利润率。
45
请务必阅读正文之后的免责声明及其项下所有内容
免责声明
分析师承诺
作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未
就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。
重要声明
本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司（以下简称“我公司”）所有。本报告仅供我公司客户使用，本公司
不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客
户发布的本报告完整版本为准。
本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司
可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关
更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管
理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。
本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投
资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切
后果不承担任何法律责任。
证券投资咨询业务的说明
本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者
建议等直接或者间接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评
论、报告，以及通过电台、电视台等公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询服务；中国证监会认定的其他形式。
发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等
投资分析意见，制作证券研究报告，并向客户发布的行为。
国信证券投资评级
投资评级标准 类别 级别 说明
报告中投资建议所涉及的评级（如有）分为股票
评级和行业评级（另有说明的除外）。评级标准
为报告发布日后6到12个月内的相对市场表现，
也即报告发布日后的6到12个月内公司股价（或
行业指数）相对同期相关证券市场代表性指数的
涨跌幅作为基准。A股市场以沪深300指数
（）作为基准；新三板市场以三板成
指（）为基准；香港市场以恒生指数
()作为基准；美国市场以标普500指数
()或纳斯达克指数（）为基准。
股票投资评级
优于大市 股价表现优于市场代表性指数10%以上
中性 股价表现介于市场代表性指数±10%之间
弱于大市 股价表现弱于市场代表性指数10%以上
无评级 股价与市场代表性指数相比无明确观点
行业投资评级
优于大市 行业指数表现优于市场代表性指数10%以上
中性 行业指数表现介于市场代表性指数±10%之间
弱于大市 行业指数表现弱于市场代表性指数10%以上
请务必阅读正文之后的免责声明及其项下所有内容
国信证券经济研究所
深圳
深圳市福田区福华一路125号国信金融大厦36层
邮编：518046 总机：0755-82130833
上海
上海浦东民生路1199弄证大五道口广场1号楼12楼
邮编：200135
北京
北京西城区金融大街兴盛街6号国信证券9层
邮编：100032
