Q：这段对话讨论了什么内容？

A：这段对话主要讨论了大模型在AI硬件行业投资的机会和应用侧的观点。其中涉及到了模型的参数、训练数据集的量、推理相关的硬件需求、推理芯片市场规模、光模块芯片市场规模等。

Q：关于大模型的优点和应用方向有哪些观点？

A：大模型相对于传统AI具有更大的语料规模、效率需求参数规模大、具备强泛化能力和内容生成能力 等特点。在应用方向上，大模型可以在智能汽车领域的智能驾驶和智能座舱环节提升汽车的智能化水 平，并在人工智能的细分垂直场景中提高产业运行效率。

Q：特斯拉在自动驾驶技术上有哪些相关进展？

A：特斯拉最新版本的自动驾驶测试脱离了传统的高精度地图和导航数据，完全依靠车载摄像头和深度 神经网络进行道路和交通情况识别，并做出决策。此中关键的技术就是Bev加transport大模型。经过 大模型的赋能，特斯拉的软件具有端到端的特征，并且通过生成大量框的case来提升算法的可靠性。

Q：AI硬件行业投资的观点和机会是怎样的？

A：AI硬件行业投资有长期的机会，随着AI大模型应用的落地和用户使用量的增多，相关的硬件需求和 市场规模也会持续增长。在智能汽车领域，智能驾驶的渗透率不断提高和政策的支持推动了AI硬件的 发展。此外，光模块芯片等零部件市场也在不断增长。

Q：在智能座舱环节中，大模型能否为车载语音提供更好的交互方式和体验？

A：是的，大模型可以通过借鉴智能家居中的应用经验，改进车载语音的多轮连续对话和上下文理解能 力，从而提升智能座舱的交互体验。华为将在9月份发布的华为问界m9中搭载AI大模型来提升人机交 互。

Q：大模型在商拍中有哪些应用？

A：大模型在商拍领域可以替代传统商拍的模特试穿、摄影拍照修图，通过AI声图能够生成接近于模特 照效果的照片。目前产品效果仍有提升空间，需要AI厂商加入自己的AI小模型来调整生成的图片，以 保证最终图像的准确性、光影的和谐性和人像的真实性。

Q：在商拍行业中，AI大模型的渗透率预计会提升吗？

A：是的，AI大模型在商拍行业目前处于早期阶段，不同厂商的定价差异较大，尚未形成统一共识。相 对于传统商标，AI大模型的价格具有竞争力，因此预计渗透率将快速提升，推动整个智能商拍行业规 模的增长。现有厂商也将从中受益。

Q：大模型在工业视觉领域有何影响？

A：大模型能够提升机器视觉的定位、识别、测量和检测功能。在定位和识别功能上，大模型效率较 高。但在需要精细度较高的测量和检测任务中，大模型的表现有限，仍需要与小模型结合使用。有研 究表明，大模型在对细节特征的辨别上准确度较低。工业视觉厂商已通过结合大模型和自身小模型的 算法进行验证，能够实现更准确的缺陷检测。

Q：AI大模型技术对于深化行业运营和生活环节有何重要作用？

A：AI大模型技术有助于提高特定行业场景的运行效率，是深入应用人工智能赋能社会生产和生活各环 节的重要推动力。未来，如果AI大模型的渗透率快速上升趋势得以验证，将进一步加速AI应用的落 地，并印证AI应用商业模式的可行性。

Q：在光模块板块上半年的行情分析中，AI大模型和AI应用发展超预期对光模块板块有什么影响？A：光模块板块的市值在今年上半年出现了300%以上的增长，这主要受到了来自AI大模型和AI应用发 展超预期的强烈推动。海外头部云厂商对AI领域的持续加码，带动了光模块作为AI数据中心硬件的需 求。国内光模块厂商在海外市场拥有较高份额，享有业绩兑现和较大业绩弹性预期的优势。因此，光 模块板块受到了市场对业绩预期和估值的双重提升。

Q：据介绍，莱斯康婷对2324年800g出货量的预测分别是30多万只和100多万只，但现在市场预期已 经上调到至少是150万只以上。请问这个数字相比去年年底的预测增长了多少倍？对此，有何分析和判 断？

A：根据莱斯康婷的预测数据，明年800g的出货量预计达到1，000万只，比去年年底的预测增长了好几 倍。这一数据的上调反映了市场对于800g需求的不断上升。另外，从业绩表现上来看，整个光模块板 块在近几个月内回调了30%~40%，这可能是市场预期变动的一个体现。

Q：关于AI应用端的可持续性和市场担忧，可以详细介绍一下原因和影响吗？

A：目前对于AI能够带来的订单增长的可持续性存在一定的分歧。根据调研数据显示，全球AI应用端的 访问量在6月份出现了环比下降，持续到8月已经连续三个月下滑。这引发了对于AI商业可变现和投资 可持续性的疑虑，导致整个AI产业链出现回调的走势。

Q：近期北美云厂商的资本开支下降幅度引发市场担忧，可以解析一下影响因素和对未来AI投资的影响 吗？

A：影响云厂商资本开支下降的两个重要因素是亚马逊进一步收缩与物流相关的资本开支，以及谷歌在 非AI领域的业务投入放缓，这引发了市场对云厂商明年资本开支规模是否能够满足高达千亿美元的AI 投资需求的担忧。然而，根据银行业绩电话会上的情况来看，对于明年的资本开支，特别是对于AI领 域的投入，各家云厂商的态度比较乐观。并且根据彭博对北美五家云厂商资本开支的一致预测，2024 年这些厂商的资本开支合计将超过1800亿美元，同比增长超过13%。

Q：AI领域的发展对于光模块需求有何影响？未来几年的光模块需求趋势如何？

A：AI领域的发展对光模块需求产生了积极影响。随着AI应用的推进，云厂商的资本开支不断上行，三 个网络建设的周期约为2~3年，重要的AI应用迭代更新、国内数通需求和垂直行业侧推理端需求的增 加，将进一步释放光模块的需求。预计未来几年甚至到2025年、2026年，光模块需求将保持持续增 长。

Q：光模块板块市场的最新表现和未来发展趋势吗？

A：最近一个周五光模块板块市场表现活跃，这主要是应用端的催化以及超跌反弹的结果。回调之后，部分个股的前向PE已经调整到20倍甚至以下的水平。从需求端来看，微软在9月份宣布将推出AI助手 Pilate的新版本，展现了AI商业化进程加速的态势。预计明年800g光模块将大规模放量，出货量预计 达到1，000万只左右。此外，光模块的主要原材料之一，DSP芯片的产能逐步跟上，有效转化了光模块 的在手订单，加速了交付节奏。因此，市场对于光模块板块业绩的预期较为强劲。

Q：今年上半年对于400g的采购量比较一般，但对于明年的400g需求是不错的吗？

A：是的，对于明年400g的需求预计会有一定的上升，例如亚马逊用于AI数据中心建设的需求以及国 内数通测的采购跟进，预计明年400g的需求量能达到和800g相当的水平。

Q：在AI的催化下，1.6t光模块的升级周期有望缩短吗？

A：是的，我们预计在AI的推动下，从800g到1.6t的升级将有望在2025年迎来大量推广。这将为光模 块厂商带来业绩增长的机会。

Q：对于光模块行业需求的催化剂有哪些？

A：以后请关注A股光模块、三季报业绩预告和电视发布，以及美股的AI公司和云厂商业绩发布，云厂 商对24年资本开支的指引变化，以及一些AI应用商业化进展，如Pajak的企业版11月份发布、openai 的多模态模型，AI应用商业化的一些进展。

Q：当前光模块行业需求基本上达到了比较饱满的阶段，有哪些具体的盈利预测？

A：根据我们的情景测算，假设2024年全球800g需求达到1，000万只，续创预计明年份额在50%左 右，金益社在8%左右的假设下，两家公司明年的整体业绩分别有望达到45亿和15亿左右。

Q：目前在供给侧来看，光模块的竞争格局如何？有哪些光模块厂商值得关注？

A：整个光模块行业的竞争格局相对稳定，我们建议关注头部的光模块厂商。他们能在每一代光模块部 署初期享受到更多的红利，并且受益逻辑更为明确。具体到个股的标的上，我们一直建议关注这些头 部厂商。

Q：除了光模块方面，还有其他一些值得关注的赛道布局吗？

A：除了光模块方向，以太网也有望在智能计算中心中提升占有率，并带动以太网生态产业链中的优质 企业业绩呈现后周期成长。可以关注国内的一些以太网交换机的品牌商和代工厂商。

Q：华为在计算中心领域的相关动作。

A：华为在计算中心领域的动作层出不穷，他们在数据中心推出的800g的核心交换机和新和AI网络的 一些特点和优势。华为对于AI的态度积极，后续可以继续关注由国内的AI算力驱动的光模块和交换机 等硬件侧的持续增长。

Q：英伟达最近有哪些动态？对大陆的AI芯片公司有借鉴意义吗？

A：英伟达最近推出的gh200超级芯片受到了来自学术界和相关行业的AI领导者组成的m二k联盟的评 估，结果显示其性能优势比h100GPU高出17%。这展示了英伟达在全球AI芯片领军地位下继续推动算 力极致表现的意愿。对大陆的AI芯片公司有一定的借鉴意义。

Q：英伟达的数据中心业务在今年呈现了爆炸式增长，主要原因是什么？

A：据与会者提到的信息，英伟达在数据中心业务的持续增长和领先行业的硬件迭代能力密切相关。他 们与台积电合作，通过跟进先进制程的推动来提高算力和核心数量，提高核心频率。此外，英伟达引 入了专门针对AI训练和推理等需求的芯片架构，同时提供友好的开发工具和多种解决方案。这些硬件 和软件方面的优势推动了英伟达数据中心业务的发展。

Q：英伟达在算力极致的演进和软硬件整体纵深布局两方面推动数据中心业务发展，请问未来的关注点 有哪些？

A：指出，未来的关注点包括公司在下一个季度的财报对于4q收入的业绩指引，商业版图的落地速 度，以及如极致算力追求的200硅粗和超级芯片的出货落地、推理产品条线的未来演进等。这些趋势将 对AI芯片产业产生重要借鉴意义。

Q：关于国内AI芯片厂商的发展，有哪些观点？

A：从整个硬件功能需求的角度看，未来更大量的采购可能来自推理芯片。与训练相比，推理对硬件的 功能要求不同，且具有更多可持续性的采购需求。对于国内的企业来说，由于推理在应用场景上更有 机会，因此有更多发展机会。此外，训练过程需要进行反向传播，依赖英伟达等厂商的生态系统更 多；而推理则不需要训练阶段，侧重算子的依赖深度和广度，迁移生态过程复杂，对厂商硬件的选择 更加重要。

Q：对于推train和训练流程来说，硬件和算法都不确定，让人对新厂商的硬件产品持怀疑态度。但是 你认为现在的新硬件接受度是向好的吗？如果是，有哪些机会呢？

A：在训练过程中，虽然硬件和算法都不确定，但我们认为酷贷的依赖度正在减小，新硬件厂商进入这 个领域是有机会的。尤其是在训练中使用新的硬件，如果能够适配好拍拓架构和框架，会有新的机 会。

Q：在推理侧，AMD和英伟达的差距并不大，而且现在落地的模型对硬件的要求并不高，国内厂商在 性价比上具备优势，他们是否也有机会进入这个领域呢？

A：是的。在推理侧的应用中，国内芯片和整机厂商凭借性价比的优势，也有机会进入这个领域。特别 是在AI硬件领域，预计会有落地的预期产生，这对资本市场的投资情绪也会起到推动作用。虽然目前 国内和海外头部厂商在芯片制造能力上存在差距，但是我们相信供应链问题会逐步得到解决。

Q：目前有哪些供应链解决方案针对中国特色的问题，并为投资带来了机会？

A：我认为，目前市场上出现了一些针对中国特色的供应链解决方案。比如，在封装方面，一些厂商提 出了用载板替代整个input的方案，引入一些通用的新接口和IP来解决2.5D和3D封装良率低、国产增 高良率和技术问题、input成本高的问题。而在生态硬件生态方面，一些新的创业公司试图与上层的框 架和现有的异构硬件对接，通过做新的编译等方式来支撑起来。这些公司可以解决产业中面临的问 题，并且具有较大的发展潜力。另外，特斯拉的Dota和一些新的计算架构也将逐渐替代传统的行动架 构，解决功耗和能耗的问题。在国内，也有一些新兴创业公司在存算一体等新型计算架构的思路上取 得了突破。因此，我们建议投资者密切关注这些变化，特别是国产算力芯片产业，有中长期的投资机 会。

Q：英特尔加速芯片在国内的部署落地速度如何？

A：从目前情况来看，云计算厂商已经开始测试和部署英特尔的加速芯片，并且取得不错的进展。对于 英特尔的计算芯片，云计算厂商的接受度应该还不错，而且速度不会慢于AMD。

Q：美光的HBM产品在市场上的落地情况如何？

A：在HBM产品方面，目前主要集中在海地市场，并且进展比较快。对于AI国内算力的问题，由于相 关标的可能没有覆盖到，而且涉及到一些敏感问题，不太方便在电话会议中详细讨论。但是从整体逻 辑来看，拥有之前GPU生态公司的企业在落地方面应该会比较快一些。

Q：在AI硬件领域，做disc架构的大企业落地速度如何？

A：相对于整体软件占比较大的企业，做disc架构的大企业可能需要更多的人力配合，所以在落地方面 相对受制约。但是对于人数较多的大厂来说，因为具备配套的团队和资源，落地速度可能会更快一 些。