信达证券：通信行业深度研究-人工智能带动5G爆发-自主可控迫在眉睫

《信达证券：通信行业深度研究-人工智能带动5G爆发-自主可控迫在眉睫》由会员分享，可在线阅读，更多相关《信达证券：通信行业深度研究-人工智能带动5G爆发-自主可控迫在眉睫（30页珍藏版）》请在启牛文库网上搜索。

1、 人工智能带动 5G 爆发，自主可控迫在眉睫 Table_Industry Table_CoverStock Table_ReportDate2023 年 3 月 14 日 蒋颖 通信行业首席分析师 执业编号：S1500521010002 联系电话：15510689144 邮 箱： 请阅读最后一页免责声明及信息披露 http:/ 2 证券研究报告 行业研究 行业深度研究 通信 投资评级 看好 上次评级 Table_Author 蒋颖 通信行业首席分析师 执业编号：S1500521010002 联系电话：15510689144 邮 箱： 信达证券股份有限公司 CINDA SECURITIES C

2、O.,LTD 北京市西城区闹市口大街9号院1号楼 邮编：100031 人工智能带动 5G 爆发，自主可控迫在眉睫 Table_ReportDate 2023 年 3 月 14 日 核心观点 Table_Summary 5G 是数字经济发展的基石，以人工智能、智能制造为代表的新科技应用有望拉动算力暴涨，高算力时代仅“大带宽、低时延、高可靠”的 5G才能满足数字经济的发展需求，5G 投资势在必行。ChatGPT 开启人工智能新纪元，ChatGPT 拥有海量的参数和复杂的算法模型，需要大量的算力支撑；工业互联网、智能制造等也是数字时代的核心组成部分，5G 的更大容量和更高速度可以支持更多设备和传感器

3、的连接，打造万物互联新时代。5G 赋予智能制造“无线”可能，国产替代成为主旋律，芯片作为智能制造上游核心环节，自主可控迫在眉睫。5G 将有效解决智能制造中工业互联网网络层连接问题，加速新型工业化进程。面对国内外动荡的局势以及国际贸易摩擦，重要产业链的断供短期内会影响到企业的正常生产经营，同时限制企业的自主创新发展，长期来看，不利于国家工业强国战略的推行，在工业 4.0 时代，我们要实现工业强国，就必须在芯片等卡脖子的关键工序实现真正的自主可控。中证 5G 通信主题指数（指数代码为 931079.CSI，以下简称中证 5G通信指数）由中证指数公司在 2019 年 4 月 25 日发布。该指数选取

4、 50只产品和业务与 5G 通信技术相关的上市公司股票作为样本股，包括但不限于电信服务、通信设备、计算机及电子设备和计算机运用等细分行业，旨在反映相关领域的 A 股上市公司整体表现。市值分布：从市值分布来看，指数成分股自由流通市值在 100-300 亿元的数量最多，占比 42%，共有 21 只。成分股自由流通市值占比最高的也是 100-300 亿元的个股，占比 34%。行业分布：从行业分布上来看，指数中电子和通信两个申银万国一级行业的成分股数量最多，占比分别达到 50%和 22%。指数收录了 25只电子和 11 只通信的个股。按照行业流通市值占比的分布来看，电子和计算机行业成分股的市值占比最高

5、，分别为 58%和 18%。指数权重股：中证 5G 通信指数前十大权重股精选了 5G 相关板块的相关龙头企业，其中包含了 7 只电子行业的个股，以及通信、计算机、国防军工行业的个股各 1 只。前十大权重股的平均市值达到 600.05 亿的规模，市盈率（TTM）平均数为 36.99，2022Q3 的 ROE（TTM）达到 14.98。华夏中证 5G 通信主题 ETF（基金代码：515050）是由华夏基金管理有限公司成立的一只 ETF，跟踪中证 5G 通信主题指数(931079.CSI）。风险因素：5G 建设不及预期，芯片缺货影响供应链稳定，中美贸易摩擦加剧，新冠疫情蔓延。请阅读最后一页免责声明及

6、信息披露 http:/ 3 目 录 一、人工智能领航数字经济高算力时代，5G 投资迫在眉睫.5 二、人工智能带动算力暴涨，将大幅拉动 5G 投资.9 三、5G 赋予智能制造“无线”可能，国产替代成为主旋律.17 四、中证 5G 通信主题指数（931079.CSI）介绍.21 五、中证 5G 通信指数成份股财务分析.24 六、中证 5G 通信主题指数 ETF 投资价值.26 七、风险因素.28 表 目 录 表 1：政策持续支持智能制造发展.19 表 2：中证 5G 通信基本信息、中证 5G 通信主题指数与同类指数对比.21 表 3：中证 5G 通信指数十大权重股概况.25 表 4：华夏中证 5G

7、 通信主题 ETF 费率介绍.26 图 目 录 图 1：ChatGPT 发布两个月后用户数超过 1 亿.5 图 2：C 网站访问量.5 图 3：GPT1.0 的 12 层 Transformer Decoder 结构.5 图 4：GPT 的 left-to-right Transformer 架构.5 图 5：ChatGPT 演变路径.6 图 6：2020 年前的 NLP 模型参数（百万个）.7 图 7：2020 年后 NLP 模型参数.7 图 8：各模型训练所需算力.7 图 9：ChatGPT 日常运营所需服务器台数.7 图 10：GPT-3 的各种功能.8 图 11：嵌入 ChatGPT

8、的 Bing 搜索引擎.8 图 12：4G 网络（浅绿）与 5G 网络（深绿）的区别.9 图 13：5G 万物互联.9 图 14：GPT-3 训练用 Tokens（亿个）.9 图 15：运营商的中间作用.10 图 16：移动电话基站建设情况（万站）.10 图 17：三大运营商 5G 用户数（百万户）.10 图 18：三大运营商资本开支情况（亿元）.11 图 19：5G 网络架构.11 图 20：5G 产业链涉及公司.12 图 21：云计算产业链及相关公司.13 图 22：云产业链投资时钟与产业链.14 图 23：云数据中心投资构成.15 图 24：云计算对人工智能的底座作用.15 图 25：国

9、内算力资源结构.15 图 26：思科 Nexus 9800 系列交换机.16 图 27：全球光模块市场情况预测.16 图 28：5G 推动工业互联网的发展.17 图 29：工业互联网产业增加值占 GDP 比重持续提升.18 图 30：工业互联网带动三大产业增加值逐步增长.18 图 31：2017-2022 年中国集成电路贸易逆差持续扩大.20 图 32：2010-2025 年中国及全球半导体市场规模及预测.20 请阅读最后一页免责声明及信息披露 http:/ 4 图 33：成分股自由流通市值数量分布.22 图 34：成分股自由流通市值权重分布.22 图 35：指数成分股行业数量分布.22 图

10、36：按行业流通市值占比分布.22 图 37：5G 相关指数成分股行业数量分布对比.23 图 38：中证 5G 通信指数及同类指数销售净利率.24 图 39：中证 5G 通信指数及同类指数归母净利润同比增速.24 图 40：中证 5G 通信指数及同类指数总资产同比增速.24 图 41：中证 5G 通信指数及同类指数净资产同比增速.24 图 42：华夏基金基金数量（左轴）及总资产净值（右轴）.27 请阅读最后一页免责声明及信息披露 http:/ 5 一、人工智能领航数字经济高算力时代，5G 投资迫在眉睫1.1 ChatGPT 开启人工智能新纪元，算力需求有望暴涨 2022 年 11 月 30 日

11、 OpenAI 开发并推出聊天机器人 ChatGPT，之后 ChatGPT 的热度迅速上升。据英国卫报，ChatGPT 发布两个月后，用户已经超过 1 亿，成为了目前达到 1 亿用户数最快的技术消费应用。Similarweb 统计显示，ChatGPT 的 1 月日均独立访问用户数达 1300 万人，其官网 在 1 月 31 日的访问量达到了 2800 万次、访问人数达到 1570 万人次，平均每天访问流量增加 3.4%。ChatGPT 聊天机器人程序使用基于 GPT-3.5 架构的大型语言模型并通过强化学习进行训练。目前 ChatGPT 仍以文字方式与用户进行互动，除了可以透过人类自然对话方式

12、进行交互，还可以用于相对复杂的语言工作，包括自动文本生成、自动问答、自动摘要等功能，还具有编写和调试计算机程序，创作音乐、电视剧、童话故事和论文的能力。图 1：ChatGPT 发布两个月后用户数超过 1 亿图 2：C 网站访问量资料来源:UBS，Yahoo Finance，investorplace，信达证券研发中心资料来源:Similarweb，信达证券研发中心OpenAI 2018 年 6 月发布的 GPT-1（即 Generative Pre-Training）基于 Transformer Decoder 技术，模型仅拥有 12 层 Transformer Decoder 结构每层有 1

13、2 个注意头，共有 1.17 亿参数。图 3：GPT1.0 的 12 层 Transformer Decoder 结构图 4：GPT 的 left-to-right Transformer 架构资料来源:Improving Language Understanding by Generative Pre-Training，信达证券研发中心资料来源:BERT:Pre-training of Deep Bidirectional Transformers for Language Understanding，信达证券研发中心 请阅读最后一页免责声明及信息披露 http:/ 6 经过不断的迭代，20

14、20 年 5 月发布的 GPT-3 已经拥有 96 层 Transformer Decoder 结构每层拥有 96 个注意头，模型拥有 1750 亿参数。GPT-3 的模型参数是 GPT-1 的 1495 倍，性能大幅提升。随后，2021 年 7 月 OpenAI在 GPT-3 的基础上开发了 CodeX 模型，可以看作是一个有着代码专精能力的 GPT 模型，能够根据自然语言输入生成比较复杂的代码。在之后发布的 InstructGPT 中，加入了指令微调（Prompt tuning）和 RLHF（Reinforcement Learning from Human Feedback）人类反馈强化

15、学习技术让模型输出更加合理。最终，基于GPT-3.5 系列模型，ChatGPT 于 2022 年 11 月问世。图 5：ChatGPT 演变路径资料来源:信达证券研发中心整理 请阅读最后一页免责声明及信息披露 http:/ 7 1.2 人工智能应用逐渐向大模型发展，算力需求激增 早期模型参数少算法简单，现在的大模型参数量均为千亿以上。早期的 GPT-1 模型参数量仅有 1.17 亿，算法较为简单仅有 12 层 Transformer Decoder 结构，随着模型的不断迭代，参数量成倍增长。20 年发布的 GPT-3 模型参数量达到了 1750 亿，21 年百度发布的 ERNIE 3.0 Ti

16、tan 中文预训练模型拥有 2600 亿参数，22 年谷歌发布的 PaLM 参数量达到了 5400 亿。图 6：2020 年前的 NLP 模型参数（百万个）图 7：2020 年后 NLP 模型参数资料来源:Hugging face,Tensorflow,信达证券研发中心资料来源:State of AI Report,信达证券研发中心ChatGPT 拥有海量的参数和复杂的算法模型，需要大量的算力支撑。目前主流的一台 DGX A100 高算服务器（内含 8 台 A100 系列 80G GPU）的峰值算力性能为 5 PetaFLOP/s，我们假设其实际算力性能效率为 80%即 4 PetaFLOP/s，根据我们的测算，ChatGPT 当前日活用户稳定在 1000 万人的情况下，如果 24 小时平均分配任务，每天需要 3700 台高算服务器支持 ChatGPT 的日常运营；如果 ChatGPT 日活用户达到 1 亿人，每天需要 3.7万台高算服务器。据 OpenAI，GPT-3 175B 单次训练所需算力为 3640 PetaFLOP/s-day，根据我们测算，单次训练每天需要 910 台高算