金元证券：通信行业深度报告：光通信：AI算力中心的神经网络

单一芯片算力无法满足AI训练需求：模型所需算力与单芯片算力之间的巨大差距。例如GPT-3每次训练迭代需约4.5EFLOPS计算，但单卡GPU仅提供数十TFLOPS级算力，差距高达百万倍。为突破计算墙，使用数十甚至上百GPU进行并行计算（分布式训练）。AI算力集群受制于“通信墙”：通过分布式训练部分解决了算力墙和存储墙后，通信墙随之凸显。大模型并行需要大量节点间通信（如AllReduce梯度同步、AlltoAll等），通信性能直接决定训练效率 算力基础建设方面，截至2024年，中国算力总规模为280EFLOPS，2020年至2024年期间年复合增长率为20%。根据弗若斯特沙利文预测，中国算力规模将从2024年的280EFLOPS增长至2029年的648.3EFLOPS，2024-2029年期间仍维持18.3%的年复合增长率。需求方面，AI创新浪潮下，云端智能平台及数字基础设施解决方案市场规模持续增长：预计2029年，中国云端智能平台、数字基础设施规模将分别增长至1.8万亿、1.3万亿元。 从国内算力基础设施市场规模来看，网络资源市场规模占比仅次于算力资源。中国算力基础设施规模从2020年