引言：自人类迈入信息化时代以来，传输和存储，始终扮演着企业IT基础设施的底座。尽管中国的通信网络从2G时代“一步一个脚印”，已然登上世界的5G主舞台，却仍无法摆脱“与周期共舞”的烙印；然而当下，情况似乎不一样了。AI正在以前所未有的速度重塑企业的基础设施，掀起算力、存储、传输架构的时代革命，为传统行业注入一汪活水。当传输行业邂逅AI，这棵“老树”将长出怎样的“新花”？
我们眼中的“大传输” 提到“数据传输”，行业难免指向传统意义上的通信网络。过去20年间，我们陪伴中国底层通信网络实现了从2G到5G的飞跃，也见证了华为等一众产业巨头的崛起。然而，当我们经历了5G大基建、IoT万物互联，再到方兴未艾的AI数智化风潮，“大传输”行业已具备了焕新的骨架——行业亟待建立统筹光电通信、终端互联、数据中心的“大传输框架”。 究竟什么是“大传输”？或者，当产业进化，“大传输”被赋予了怎样的时代使命？ 传输行业1.0（主线信息化，-2010）：成熟期 暨传统意义上的通讯产业，面向运营商构建以ICT硬件设施为基础的网络底座，本质上是以光电转化为核心的通信传输。在相当长的时间内，中国通讯产业的发展既受制于产业链寡头的话语权，以及由此衍生封闭、失衡的产业竞争格局；同时，又面临运营商资本开支的周期性考验。 传输行业2.0:（主线数字化，2010-2022）：相对成熟期 暨物联网和移动互联产业，面向移动终端、应用和消费者，通过WiFi、低功耗蓝牙和UWB等技术，构建万物互联的终端网络，本质上是以信号交互为核心的移动互联传输。这一时期，物联网技术走向成熟，“应用上云”成为不可逆的历史潮流；而移动传输承载的数据量相对有限。 传输行业3.0:（主线智能化，2023-）：新兴成长期 暨AI大模型时代海量非标数据所催生的智算、智存、智传产业，面向企业和开发者，传输成为连接数据中心、算力和存储单元的重要枢纽，本质上是以面向场景的AI基础架构为核心的数据中心传输。相较于移动传输，下一代数据中心强调AI对于大容量、高带宽、低时延传输的需求升级，以及数据中心边缘侧、端侧、板间、片间、片上的高速互联。当下，伴随方兴未艾的智算中心大基建，高速互联的需求即将迎来蓬勃增长。
图 – 传输产业的历史与未来（来源：远桥研究）
我们眼中，传输产业既背负了历史的沧桑和厚重，也即将在AI时代迎来焕新革命。为更好地统筹传统光电通信、移动互联和新型通信的关系，我们以传输载体为基础，解剖上游产业链，构建了“通信基站—运营商—数据中心”的大传输产业图谱。
图 – 大传输产业图谱（来源：远桥研究）
专网泛在化，云算网一体 中国通信产业的迭代，造就了举世闻名的“基建神话”：截至当前，我国已建成全球规模最大、技术领先的5G网络。9月底，我国累计建成开通5G基站318.9万个，5G移动电话用户达7.37亿户，5G行业虚拟专网超2万个。 尽管数据光鲜，但实际成效不尽然，5G产业面临“增量困境”：一面是国家意志牵头，发政策、上项目、给补贴，强行送了5G产业一程；一面是运营商入不敷出，大搞基建的背后，是投入和产出的失衡。从产业链上游看，相对饱和的市场面临“增量困境”，5G基站建设进展实际慢于预期，相较于4G时代连年走高的资本开支，运营商在5G建设的中期却“偃旗息鼓”了。 增长困境的背后，是5G的To B应用尚未规模化。5G的核心边际效益，对于普通消费者而言并不显著，更多针对自动驾驶、4K/8K超高清视频、元宇宙及数字孪生等B端场景。上述场景正在从“概念”走向“现实”，但真正规模化却必须考虑：技术与商业路径的闭环、投入与产出的关系、市场教育与实际需求的起量……显然，垂直场景的5G应用之路是必然趋势，却还有3-5年的距离要走。 AI时代，传统传输行业是否真如二级市场所言“通信已死”？又有哪些新变化？ 我们眼中的核心趋势：专网和边缘计算泛在化，公专融合、云算网一体 所谓“天下大势，分久必合，合久必分”，在传输产业同样有迹可循。经历了移动传输时代的“上云”风潮，传统的集中式数据中心和公网通信，已逐渐无法满足下游的数据传输需求。 为什么？当下，企业面临的挑战更多了： • 高度多元的数据形态：从相对单一的格式数据，到以图像、视频和3D热数据为代表的异构数据、 • 超大容量的数传需求：大模型时代的底层数据正在经历指数级增长 • 极低延时的场景冗余：区别于传统消费场景，以工业、汽车、医疗等专业场景为代表的To B应用，需要更低延时、更快速率、更精准控制的柔性网络 怎么解决？分布式通信和边缘侧的本地专网建设，正在成为主流方案。
以工业场景为例：边缘侧的专网和计算需求（来源：远桥研究）
什么是边缘？我们眼中：有电、有网、有数据，决定了垂直场景的介入价值。传统意义上的边缘侧，是指距离数据中心和基站存在一定距离，但具备高速数据传输和计算需求的垂直场景。“有电”意味着“能源”、“有网”意味着“通信网络”、“有数据”意味着“计算和场景应用价值”。 传统公网正在向“公专融合”迈进，掀开云算网一体新时代。随着 5G、MEC 和 AI 的发展，算力已经无处不在，网络需要为云、边、端算力的高效协同提供更加智能的服务，计算与网络将深度融合，迈向云网融合 2.0，即云、算、网一体的新阶段，根据“应用部署匹配计算，网络转发感知计算，芯片能力增强计算”的要求，在云、网、芯三个层面实现深度协同。 垂直场景应用泛在化，专网和边缘计算泛在化。按上述标准，未来的边缘侧将越来越多，边缘存储、边缘计算、边缘专网通信的需求将越来越大，云—边—端的交互会越来越多。“合久必分”的背后，是工厂、学校、医院、企业园区等垂直场景，数据应用呼唤更安全、更可靠、更灵活的边缘计算和传输基础设施。
展望大AI时代：迎接高速互联 AI是影响传输产业剧变的核心变量，AI催化是观察传输产业增长的主逻辑。从传统通信网络向“公专一体、云网融合”转变，背后取决于垂直场景的数智化应用需求，带动了存、算、传基础架构的融合与创新；而在数据中心内部，存、算、传打通一体，AI呼唤新型数据中心更高要求的存储和传输体系，以形成新一代“智算中心”。 “兵马未动，粮草先行”，AI所对应的高速互联正在成为重要的底层设施。新一代智算中心架构下，数据中心与数据中心之间、处理器与处理器间、处理器与存储间的数据交互将更加频繁，也对接口传输速率提出更高要求。服务器内板上通信技术迎来大规模升级，这将推动接口通信芯片、片上互联技术的规格大幅提升，带来全新市场机遇。 核心趋势1——数据中心间互联：高速光模块及光芯片 AI大模型催生高性能AI服务器集群的建设需求，而集群间通信需要800G及以上的高速光模块作为支撑。影响高速光模块采购的核心变量：1）数据中心总算力规模；2）数据流量规模。显然，在大厂争相涌入算力的“军备竞赛”，垂直场景数据训练层出不穷的当下，上述两个变量正在呈指数级增长。算力翻倍迭代周期从21.3个月缩短至5.7个月；GPT-3模型参数量增长近100倍，训练数据量从5GB增长至45TB，增幅近万倍。大模型的普及，为构建现代高速信息网的基础元器件的光模块需求带来巨大增量。 AI大模型产业化提前了800G光模块的量产和放量时间。据Lightcounting数据，2020-2022年是400G光模块的快速起量期；而在2023年下半年起，800G光模块产品已开始进入测试和出货阶段，并在2025年底开始主导市场。根据TrendForce估计，大模型对GPU的需求接近2万颗，单个GPU对光模块的需求大约为5个（参考英伟达GPU H100网络架构）。假设按照未来新增100个大模型计算，光模块的新增需求=2万×5×100=1000万个。 光模块的核心是光芯片，而高速光模块的光芯片更加重要。高速光模块成本结构中，光器件占光模块成本73%（其中以激光器为主的光发射组件成本占比达48%，以探测器为主的接收组件成本占比达32%），电路芯片占比18%，光接口占比9%。激光芯片和探测芯片在整个光模块占比超过50%，传输速率越高，光芯片成本占比越高。
图：光模块的核心成本剖析——光芯片是最重要卡位（来源：ICC）
目前高速光芯片国产化率低，25G以上光芯片国产化率不足20%（以50G 激光器发射芯片为代表）：25G及以上光芯片，主要用于移动互联网和数据中心市场，200G以上速率光模块，使用EML激光器芯片方案，但是芯片设计和工艺相对复杂，短期国产化率较低；根据ICC估计，2024年25G及以上光芯片国产替代率预计为20%。
核心趋势2——片上高速互联：高速Serdes的国产攻坚 SerDes为PCIe、以太网等协议提供物理层（Physical Layer，PHY）基础。SerDes在电信、PC/服务器、数据中心、固态硬盘存储等领域应用广泛；按照应用连接类型，SerDes技术主要用于芯片与芯片的互联（如在PCIe PHY中）、以太网互连（如在Ethernet switch PHY中）、芯片与光模块的互联（如在ODSP PHY中）。Serdes IP的需求取决于芯片互联的需求，对于速率的要求尤甚。 接口升级推动底层SerDes高速化，高端接口IP增长强劲。伴随以GPU为代表的新一代计算芯片需求井喷，片上互联的核心技术授权Serdes IP成为炙手可热，尤其体现在112Gbps以上的高速互联领域。 现有市场的三类Serdes IP供应商可分为：1）独立北美大厂：Cadence、Synopsys、Rambus等，可实现112Gbps SerDes 多协议PHY；2）各大芯片自有体系、自研IP，如Intel、Marvell等；3）独立的国产第三方IP提供商，以芯动科技为首的国产企业已积极突破高速Serdes技术，现基本达到国际先进水平的70%左右。 核心趋势3——片间融合与互联：NVLink/NVSwitch效能较传统PCIe增长数倍 PCIe是面向CPU为核心的传统计算架构中的核心互联接口，处于持续迭代之中。CPU迭代加速PCIe 5.0大规模商用。以PCIe SSD为例，市场呈现出多版本并存的局面，根据Forward Insights（3Q21）数据，2021年PCIe 3.0、4.0在所有数据中心PCIe SSD市场中的份额分别为81%和19%；而根据FW预测，到2025年PCIe 5.0的渗透率有望达到57%。接口芯片的放量直接受益于CPU与CPU、CPU与存储单元之间的互联愈发频繁和加速。 多GPU间通信时PCle或存在带宽瓶颈，新互联技术应运而生。面向AI的新一代智算中心，以GPU和异构AI芯片为核心计算架构；区别于传统的CPU计算架构，算力的持续增强不仅依靠单张GPU卡的性能提升，往往还需要多GPU卡组合。在多GPU系统内部，GPU间通信的带宽通常在数百GB/s以上，PCIe总线的数据传输速率容易成为瓶颈，且PCIe链路接口的串并转换会产生较大延时，影响GPU并行计算的效率和性能，其他专用互联技术应运而生，如英伟达提出的NVLink/NVSwitch、AMD提出的Infinity Fabric等。根据英伟达官网，对比基于PCIe的系统，基于NVLink的系统在交换/排序/3D FTT性能上分别提升约5倍、1.4倍、2倍。 国内呼唤开放、中立的GPU间互联体系。伴随NVIDIA高端GPU受限，国产GPU进一步享受了当前形势下的需求红利。以华为、寒武纪为代表，先后自研建立了AI芯片的互联架构（如华为的HCCS、昇腾芯片的集群组网能力等）。随着国产GPU性能和量产速度加快，预计未来3-5年内必然会衍生GPU片间高速互联的现实需求，以在广阔计算芯片的土壤上重新开出“传输之花”。 阶段性小结
传输行业虽自古而有之，但在AI蓬勃席卷的当下，正在焕发出全新的生机与革命。 置于通信产业框架下：传统公网无法满足垂直场景的数智应用需求，倒逼基础设施革新，演化出专网泛在化、“公专一体”、“云算网融合”等新型通信和网络架构。 置于大传输产业框架下：AI大模型训练量指数级增长，加快重塑基础设施架构，形成下一代智算中心为代表的新型数据中心，带动传输模块的革命性创新：
