文章核心观点 - AI硬件能力由算力、存力、运力三位一体协同推动，运力发展将成为国产化攻坚重点 [2] - 超节点和大集群趋势推动运力市场规模迅速提升，Scale up交换芯片市场预计到2030年接近180亿美元，2022-2030年复合年增长率约为28% [1][3] - 运力硬件国产化率极低，相关公司正从产品化走向商业化，国产替代空间广阔 [5] AI硬件构成与瓶颈 - AI硬件能力取决于算力（GPU性能与数量）、存力（HBM缓存方案）和运力（节点内、节点间、数据中心间的高速通信） [2] - 随着GPU计算能力与HBM带宽提升，运力瓶颈将导致AI数据中心节点空置率高和GPU性能浪费 [2] - 运力发展将带动整体AI数据中心运行效率提升，并成为推动AI数据中心运算能力提升的重点 [2] 运力市场趋势与规模 - Scale up交换芯片已成为数据中心主力交换需求，预计到2030年全球市场规模接近180亿美元，2022-2030期间年复合增长率约为28% [1][3] - 超大规模AI集群建设带动Scale out硬件需求，跨数据中心的Scale across方案将因电力资源瓶颈而逐步采用 [1][3] - 超节点趋势通过提升单节点计算能力，大幅带动Scale up相关硬件需求 [3] 通信协议发展格局 - Scale up层面，英伟达NVlink、AMD Infinity Fabric（Ualink）与华为UB mesh是私有协议代表，博通推动的SUE与PCIe是公有协议代表 [4] - Scale out层面，英伟达Infiniband为私有协议，博通推动基于公有以太网的RoCE2，海外厂商推动超级以太网联盟 [4] - 大厂自研私有协议与第三方及中小厂推动公有协议将成为未来发展趋势 [4] 国产运力硬件进展 - 运力硬件主要涉及交换芯片和改善信号质量的数模混合芯片，国产自给率极低，博通和Marvell占据全球商用交换芯片90%以上市场份额 [5] - 数渡科技自主设计的PCIe5.0交换芯片已实现量产并正导入客户应用 [5] - 盛科通信面向大规模数据中心和云服务的Arctic系列在2023年年底已给客户送样测试 [5] - 运力硬件相关公司正走向从产品化至商业化的快车道，国产替代空间广阔 [5]

AI算力架构演进与硬件需求 - 传统算力架构难以满足高效、低耗、大规模协同的AI训练需求，超节点成为趋势[1] - 超节点通过提升单节点计算能力，大幅带动Scale up相关硬件需求[1] - 超大规模AI集群建设推动大量节点互联，带动Scale out硬件需求，单一地区电力资源成为瓶颈后，跨数据中心的Scale across方案将逐步采用[1][3] 算力、存力与运力的协同 - AI硬件能力由算力、存力、运力三位一体协同推动[1] - 算力由GPU性能和数量决定，存力当前主流方案是使用贴近GPU的超高带宽HBM缓存[1] - 运力分为Scale up、Scale out和Scale across三个场景，分别对应节点内、节点间与数据中心间的高速通信和数据传输能力[1] - 随GPU计算能力与HBM带宽提升，运力瓶颈将导致AI数据中心节点空置率高，GPU性能浪费，运力发展将成为提升AI数据中心运算能力的重点[2] 运力市场规模与增长 - Scale up交换芯片已成为数据中心主力交换需求并持续增长，预计到2030年全球市场规模接近180亿美元，2022-2030期间年复合增长率约为28%[3] 通信协议发展趋势 - 针对Scale up和Scale out有不同的通信协议，大厂自研私有协议与第三方及中小厂推动公有协议将成为未来发展趋势[1][4] - Scale up层面，英伟达NVlink、AMD Infinity Fabric和华为UB mesh是私有协议代表，博通推动的SUE与行业历史悠久的PCIe是公有协议代表[4] - Scale out层面，英伟达Infiniband为私有协议，博通致力于推动基于公有以太网的RoCE2，海外众多厂商还一起推动超级以太网联盟[4] 运力硬件国产化机遇 - 运力硬件主要涉及交换芯片与部分改善信号质量的数模混合芯片，国产自给率极低，博通、Marvell占据全球商用交换芯片90%以上市场份额[5] - 国产厂商已逐步完成产品量产并走向商业化，如数渡科技自主设计的PCIe 5.0交换芯片已实现量产并正导入客户应用，盛科通信面向大规模数据中心的Arctic系列已在2023年年底送样测试[5] - 运力硬件相关公司正走向从产品化至商业化的快车道，国产替代空间广阔，有望成为下一个高赔率的国产替代新方向[2][5] 投资建议 - PCIe硬件受益标的包括万通发展（数渡科技）、澜起科技等[6] - 以太网硬件受益标的包括盛科通信、中兴通讯、裕太微等[6]