算力作為數字經濟時代新生產力，已成為經濟社會高質量發展重要支撐。隨著AI浪潮的發展推進，算力更是開始加速擴張。算力的時代已然到來。

在整個人工智能領域，算力扮演著怎樣的角色? 我國算力發展空間如何？這一波受益于AI的算力行情是否具有可持續性？站在當前時點如何看待AI算力領域的投資機會？

對此，中國基金報記者采訪了：

(資料圖)

博時基金權益投資四部投資副總監兼基金經理肖瑞瑾

嘉實信息產業基金經理李濤

國泰半導體設備材料ETF基金經理艾小軍

創金合信芯片產業、創金合信全球芯片產業QDII基金經理劉揚

匯豐晉信科技先鋒基金、新動力基金基金經理陳平

恒越研究精選基金經理、恒越基金TMT研究組組長趙炯

富榮基金研究員郭梁良

上述七家基金公司專業人士表示，隨著數字經濟時代的到來，算力已經變成了一種和水、電一樣的基礎資源，算力是人工智能的底座，是打造大模型生態的必備基礎，海量的數據計算、傳輸需求將帶來算力和網絡基礎設施新的長期景氣周期。作為賣鏟人角色的公司，業績兌現最早，商業模式無需驗證，確定性相對更高。算力是一個相對比較明確的賽道，AI相關應用發展的迭代、創新，其背后都通過算力作支撐，未來算力的增長空間非常巨大。不過，在上半年漲幅較大的情況下，要注意波動風險，可以考慮遇調整后分批布局。

算力是AI的底座

中國基金報記者：在整個人工智能領域，算力扮演著怎樣的角色?

肖瑞瑾：生成式人工智能體系共分為四個層次：底層是搭載GPU等專用芯片的AI服務器，中層是在AI服務器上進行迭代訓練的大模型，上層是基于大模型的各類應用，同時在迭代訓練中需要用到大量的數據，因此，數據也是其中一個層次。由此可見，算力是生成式人工智能體系的底層基礎設施，只有通過強大算力對人工智能大模型進行迭代訓練，才能獲得具備智慧涌現能力的人工智能大模型，同時在后續每一次調用中都需用到算力進行推理。因此，算力是人工智能的基石。

李濤：算力主要指計算機或服務器系統的處理能力，通俗來講，算力的大小決定了計算機系統的計算速度和承載能力。隨著數字經濟時代的到來，算力已經變成了一種和水、電一樣的基礎資源，而數據中心和通信網絡也已成為不可或缺的公共基礎設施。在人工智能三要素中，無論是數據還是算法，都離不開算力的支撐。

在各類AI應用繁榮的背后，需要大量算力支持。AI越聰明，背后所需要的算力支持就越多，而且隨著模型算法的迭代升級，其對算力的需求呈指數型增長。據華為發布的《計算2030》預測，2030年人類將進入YB數據時代，全球數據每年新增1YB。通用算力將增長10倍到3.3ZFLOPS、AI算力將增長500倍超過100ZFLOPS。相當于一百萬個中國超級計算機神威“太湖之光”的算力總和?？梢?，未來人類對算力的需求量是非常龐大的。

艾小軍：AI產業鏈上游主要為AI大模型的訓練和應用提供軟硬件支撐，中游主要以設備制造商、服務提供商為主，下游應用多樣化，前期市場上多重點關注AIGC在傳媒領域的應用等，云通信服務商也有望在AIGC中受益。算力處在產業鏈的上游，在人工智能三要素算力、算法、數據中，算力普遍被認為是“卡脖子”最關鍵的地方。在AI快速發展背景下，算力是非常緊缺的資源，持續重點關注光模塊、ICT設備等算力板塊。

劉揚：算力是AI的基石。算力即計算能力，是對數據信息進行處理、運算、存儲、傳輸和應用的計算能力的統稱。算力又分為通用算力和專用算力，不僅僅是AI服務器和光模塊，還包括數字芯片、通信網絡、數據中心和終端算力等等。

AI時代對算力的需求十分巨大，而算力建設天然受到政策性和地域性的影響，具有不均衡性的特征。因此，未來AI時代的算力，更可能是整個經濟體全方位的提升，是各個信息產業的算力總量，以大量的云計算數據中心、超算中心和智算中心等組成的AI算力網絡為主體，結合整個經濟體的通用算力設施大幅升級，再加上企業和組織的專用AI算力，最終建成超過當下算力總量幾百倍規模的算力基礎設施。

趙炯：算力是人工智能的底座，是打造大模型生態的必備基礎，海量的數據計算、傳輸需求將帶來算力和網絡基礎設施新的長期景氣周期，算力的發展影響著未來人工智能發展的高度。

陳平：AI最重要的三要素是算力、算法和數據，算力是AI的底座。整個AI的發展需要大量算力的支撐。ChatGPT引領的AI大模型的訓練和推理的浪潮使算力的需求出現激增。

郭梁良：產業鏈賣鏟人角色。生成式AI在各行各業的絲滑應用，需要能力強大的底層大模型。GPT-3.5參數量在1750億左右，而GPT-4達到1.8萬億參數量，參數量更大的模型，展現出更強的推理能力和思維鏈能力。而要有效訓練更大參數量的模型，就需要更大的算力支持。更強大的GPU，傳輸速率更快算力互聯，帶寬更大的存儲等高頻高速算力產品，都將得到更廣闊的應用空間。

賣鏟人角色的公司，業績兌現最早，商業模式無需驗證，確定性相對更高。需要區分的是，有些公司是“的確在產業鏈上”，有些公司是“理論上也能做”，行情越往后發展，越聚焦“的確在產業鏈上”的公司。

算力賽道明確

增長空間巨大

中國基金報記者：連月來多家上市公司持續加碼AI算力投資，對此您怎么看？我國算力發展空間如何？

李濤：從終端維度看，算力是一個相對比較明確的賽道，AI相關應用發展的迭代、創新，其背后都通過算力作支撐，隨著成千上萬甚至幾十億的算力驅動，到后面可能每一個產生的符號都是相對等價，我們認為未來算力的增長空間非常巨大。

根據工信部數據，近年來，我國算力產業年增長率近30%，算力總規模位居全球第二。算力核心產業規模達到1.8萬億元。

肖瑞瑾：中國作為全球人工智能產業綜合實力排序居前的國家，針對算力的投入一直保持在較高強度。近年來，全國各地政府興建了各類的超算和智算中心，其中智算中心即為用于人工智能大模型訓練的基礎設施。近期我們看到多家上市公司布局AI算力投資，這是對當前地方政府作為投資主體的有益補充，民營資本的進入將提升算力基礎設施的運營效率，促進產業健康發展。但需要注意到，國內目前涉足人工智能大模型大部分是互聯網平臺企業或者大型科技企業，這些大型企業都有自建算力基礎設施的需求，投入算力投資的上市公司未來能否獲取這些優質的客戶資源將是評估投資回報率的重要判斷條件。

艾小軍：AI行業正處在快速爆發的階段，所以芯片的需求和算力的增長也將呈現指數級向上的趨勢，明年可能是整個AI服務器大幅增長的第一年。

在人工智能的產業趨勢下，算力國產化的布局重點在于打通整個半導體產業鏈，需要我們在材料和設備端加快國產化布局，通過在制造端形成一定的產業競爭力，實現芯片端的自主可控。從中長期角度來看，提高國內芯片制造端的能力，重點在于推動上游材料和設備的國產化。目前滲透率仍然較低，空間較大，未來仍然有很大的發展潛力。

陳平：AI浪潮下，全球大量公司的算力需求在快速增加，因此，A股上市公司加碼AI算力投資十分自然。我國目前所擁有的算力規模是非常大的。根據7月19日工業和信息化部新聞發言人趙志國在新聞發布會上的介紹，目前我國算力總規模居全球第二，且具有高增長和結構性優化的特點——保持30%左右的年增長率，新增算力設施中智能算力占比過半。未來，我國算力發展的空間也非常大。AI方向上，目前全球最領先的國家就是美國和中國，相應的算力需求最多也是這兩個國家。待 AI應用起來之后，國內的訓練和推理將會消耗大量的算力，同時中國可能還會向外輸出算力。

郭梁良：我們認為，對于進行自有大模型訓練的廠商來說，AI算力投資是大模型訓練的入場券。強大的算力支持是有效訓練更大參數量、更大數據量的大模型基礎之一。

國內算力相關產業鏈，在光器件、光模塊、PCB、服務器整機等領域，都具備全球范圍內成本優勢，承接了主要的產能供給。這些環節有望在這一波AI算力發展的浪潮中獲得新的增長動力。長遠看，國內在算力核心環節，比如GPU、CPU、高性能存儲、光芯片等環節，也將逐步追趕世界先進水平，發展空間廣闊。

劉暢：如前所述，現在的AI產業剛開始發力，AI算力的需求如此巨大，現在的投資遠遠不夠。而最終的AI算力市場，肯定需要全社會的共同努力，建設成連接大量超算智算數據中心的AI算力網絡為主、企業與組織的專用AI算力中心為輔的算力基礎設施。

現在上市公司加碼AI算力投資，有幾種方向，包括自研、承建和算力租賃等方式，難度和未來前景不一樣，所需要的資源與能力也是不同的。因此，并不是所有的AI算力投資都會成功，它需要和AI產業發展節奏相匹配。

我國算力需求巨大，投資意愿非常迫切，但受制于缺乏先進的AI芯片，因此成本較高、發展受到掣肘。因此，我相信中國最有前景的AI算力投資方向在于兩點：一是本土化的先進AI芯片研發，二是新型舉國體制下的全國超算智算網絡建設。

階段性供需錯配催化行情

需求端景氣度決定持續性

中國基金報記者：具體到二級市場，這一波AI行情受益最明顯的算力漲幅居前，原因是什么？行情是否具有可持續性？

肖瑞瑾：本輪AI行情算力漲幅居前的主要原因在階段性供需錯配。由于國內外越來越多企業進行人工智能大模型部署和訓練，造成了GPU芯片等環節產能不足，GPU芯片價格出現了大幅上漲，此外人工智能算力集群所需的AI服務器、800G光模塊、交換機等環節尚未完全準備好應對大幅提升的下游需求，階段性的供需錯配提升了相關產品的價格和毛利率，相關產業鏈環節呈現階段性高訂單景氣情況，因此漲幅居前。不僅是A股，我們看到美股和中國臺灣市場相關板塊也呈現了大幅上漲。

展望未來，行情走勢的主導在于需求端高景氣度能否持續，以及供給端的約束是否會得到緩解。參考歷史上新技術驅動的行情，隨著需求邊際收斂和供給釋放，資本市場也將逐步走向理性。

陳平：首先AI拉升了全球算力需求。AI是個全球大浪潮，雖然目前還處于浪潮開啟的初期，很多應用暫時還沒有落地，但是大家已經開始了先進行算力儲備，進一步拉升了算力需求。而那些已經能落地的應用，例如ChatGPT等，由于用戶需求激增，也在持續增加算力。因此，算力的需求是確定性、立刻就有訂單體現的。

其次，雖然全球最主要的AI服務提供商很多都在美股，但A股的算力產業鏈確實參與到全球AI產業鏈中，比如，作為AI服務提供商的供應商。而且不少A股公司現在就已經感受到了需求爆發，客戶在持續加單。它們有望成為整個AI行情中最早出業績的部分。

因此這波AI行情下，算力板塊整體漲幅居前。

目前看，一方面這波AI算力板塊的漲幅較高，行情對于未來需求的樂觀預期已經反應得比較充分。同時我們也看到，AI大模型們也在通過剪枝、蒸餾等方法減少對于算力的消耗。因此，未來算力的實際需求還要看AI應用爆發的進度。算力行情是否能夠持續還是要持續跟蹤產業的發展狀況。

趙炯:算力漲幅居前的原因在于算力對應人工智能領域的資本開支，偏前置指標，也有自主可控邏輯的加成，一個產業鏈景氣上行的初期，上游環節通常是最先受益的品種。在大部分AI公司今年上半年沒有業績的情況下，假設這個產業還是有非常高的關注度，可能就會使得真正有業績的公司，包括上游算力的光模塊、服務器、PCB和一些終端游戲類公司，被資金更加聚焦。算力領域的訂單變化可追蹤，不斷有事件或數據催化，行情持續性要看人工智能應用的突破情況。當前海外大廠對光模塊等的加單仍相對保守，因為除ChatGPT以外暫無其他爆款應用落地。

郭梁良：算力板塊上漲的起點是估值修復，估值修復進程中，與產業鏈意向訂單、上市公司季報業績兌現等因素形成共振，讓市場看到了高速率算力產品對于上市公司未來業績的潛在提振。

可持續性方面，我們認為產業發展尚處于早期。海外各大科技巨頭的大模型訓練軍備競賽，無論是模型參數量還是數據量，都有很大提升空間，而要訓練參數和數據量更大的模型，就需要進行更強大的算力儲備。上游英偉達H100高性能GPU，更大的出貨量主要在明年，這有望在未來幾個季度，給在供應鏈上的算力和新標的的業績釋放提速。所以我們認為行情可持續，并沒有結束。

劉暢：AI行情中算力板塊漲幅居前，是非常合理的，就是因為算力在AI中的基石性作用，以及算力投資的巨大市場空間，確定性較強、持續性較好的和較為緊迫。

李濤：AI產業浪潮剛剛興起，作為底層基礎資源和設施的算力，我們認為未來的空間比較大。我們將持續關注，聚焦行業龍頭，精選優質個股，力爭為投資者帶來長期可觀的回報。

艾小軍：展望后市，人工智能變革下的新時代即將到來，大模型密集發布、應用成果的持續落地引爆海量算力需求。宏觀經濟復蘇、下游需求修復及行業庫存逐步出清，有望帶動板塊業績增速回升。不過，在上半年漲幅較大的情況下，還是要注意波動風險，可以考慮遇調整后分批布局。

AI產業趨勢已打開

中國基金報記者：站在當前時點如何看待AI算力領域的投資機會？AI超算引領光通信發展新階段，800G光模塊和光芯片投資價值幾何？

劉揚：算力板塊，中國當下最擅長的、業務彈性最大的，是AI服務器生產相關的配套，包括AI服務器代工、光模塊和高級PCB板等。我認為這只是產業發展早期的特征。隨著AI技術的突破、AI應用的拓展與落地、AI算力大規模建設的推行，后續AI算力板塊的投資機會持續不斷地涌現，會有更多的細分方向，越來越大的市場機會。

肖瑞瑾：通過研究海外高端AI服務器，我們看到800G光模塊的使用量出現大幅增加，AI服務器所需的更為復雜的網絡拓撲結構和更高的數據吞吐率是期使用800G光模塊的主要原因。因此800G光模塊明確進入了較快增長期。從供給端看，由于需求快速增長，能夠提供800G光模塊的廠商數量并不多，隨著技術成熟和產業發展，未來也將有愈來愈多的國內外企業開始生產800G光模塊，其產品價格也有望逐步下行，驅動滲透率提升。

由于當前800G光模塊產能受限，相關的VCSEL光芯片目前尚未出現短缺的情況，但部分DSP數字信號處理電芯片由于國產率較低，目前產能供給緊張，價格呈現了一定上漲。未來國內也將突破光模塊DSP電芯片技術，有望釋放產能并拉低產品價格。

艾小軍：800G光模塊2023年需求主要來自部分海外科技巨頭，預計北美各大云廠商和相關科技巨頭均有望在2024年大量采購800G光模塊。伴隨AI應用加速滲透，未來推理所需的算力和流量實際上可能遠大于訓練。今年大部分800G光模塊訂單預計在下半年完成交付，業績有望不斷兌現。建議關注接下來可能對行業產生影響的事件，包括云廠商的二季報，頭部算力公司的二季報，以及科技巨頭光模塊需求指引的變化。數字中國等政策不斷加碼、AI新應用持續推新的背景下，數字經濟新基建有望夯實助力算力網絡升級，在此背景下，持續關注光模塊和光芯片板塊。

趙炯:我們認為當前AI產業趨勢已打開，第一有現象級的C端產品落地，第二形成了全球共振，海外龍頭大廠都已展現業績爆發式增長，第三全球經濟放緩的現狀加大了對降本增效的訴求，第四在整個板塊演繹過程中，我們能看到非常密集的催化，從數據大模型、算法，再到算力和應用，是不止一次的循環，有反復的表現。8至9月海外龍頭大廠將披露二季報，并公布三季報預期情況，海外龍頭連續兩個季度釋放業績意味著產業鏈的形成被驗證，后續仍可能不斷超預期。光模塊、AI服務器、AI芯片相關A股上市公司的國際訂單可能在今年下半年和明年集中體現到利潤端。股價層面短期可能會有波動，長期要看全球AI應用的突破以及國內算力自主可控的突破。如果應用端沒有特別亮眼的爆款表現，那么明年800G光模塊的需求量可能需審慎評估。

郭梁良：大模型訓練對于數據高速互聯的需求，推動了800G產業升級提前到來。在大模型訓練場景，英偉達H100GPU必須搭配NV-Link片間互聯和InfiniBand交換機才能發揮出更好的效果，800G光模塊正是用于H100服務器與InfiniBand交換機的連接，且使用量與GPU數量存在線性關系。因此，大模型訓練或將推動800G光模塊出貨量提升。

對于光模塊上市公司來說，早期切入新一代產品或意味著一段高毛利獨占期，這段時間內公司高毛利產品量價齊升，有望帶來業績上的明顯提振。

光芯片方面，EML、DSP、Driver等光芯片和光器件的需求量也會隨800G光模塊出貨量的上升而增加。但現階段供應商主要以海外成熟供應商為主，國內光芯片廠商，在大模型訓練所需的光芯片供應方面，更多還在從零到1的突破階段。

李濤：經過前期上漲后，最近市場開始有畏高情緒，算力等方向也受到一些影響。我們堅信科技行業的長期空間和長期趨勢，但市場反應有時會快一些有時慢一些，就造成了較大的波動，也希望大家做好心理準備，以長期投資的心態來對待短期的波動。

算力提升需各環節協同發力

中國基金報記者：市場擔心高端光芯片短缺出現“木桶效應”，對產業鏈投資帶來哪些影響？

肖瑞瑾：如前所述，當前高端光芯片尚未出現短缺情況，部分DSP電芯片出現了短缺情況。這種短缺情況將限制800G光模塊產能的釋放，使得相關產品呈現緊缺情況，導致毛利率和盈利能力階段性維持高位，對于資本市場的風險偏好有利。但未來產能釋放后，價格和盈利能力都會回歸常態。

李濤：世間萬物環環相扣，人工智能領域的各個要素也不例外。在算力方面，存在也的確存在“木桶效應”，一旦計算、存儲、網絡任一環節出現瓶頸，就會導致運算速度嚴重下降。高端光芯片短缺和受限，固然是個卡脖子難題，也需要投入更多力量去解決。但先進芯片不等于先進算力，算力的提升不是單純堆卡，需要各個細分環節協同發力。先進算力的背后，是先進芯片、先進網絡、先進存儲等一系列的合力。

正因算力的“木桶效應”，也給了云廠商可施展的舞臺。通過對單機算力、網絡架構和存儲性能進行協同優化，有望提高算力效率，云廠商的高性能計算集群也將能夠彌補芯片的一部分傳輸損耗。

艾小軍：從公開報道獲得的信息來看，芯片是制約國內算力的重要因素，但一方面目前能夠獲得的芯片能夠滿足大多數AI(尤其是行業大模型)的需求，另一方面也促使國內芯片產業鏈更加協同，有望通過包括加快技術驗證、先進封裝等在更短的時間內推出能夠滿足需求的國內的算力芯片。

陳平：光芯片在光通信中主要負責光電、電光信號的轉換，是光通信的核心器件。高端光芯片也是整個AI環節中的重要一環，如果供給不足也會限制整個行業的發展。

資料顯示，2021年我國2.5G速率國產光芯片占全球比重超過90%；10G國產光芯片占全球比重約60%(部分難度大的10G光芯片國產化率不到40%甚至更低)；2021年25G光芯片的國產化率約20%；但25G以上光芯片的國產化率仍較低約5%，目前仍以海外光芯片廠商為主。這也代表著巨大的國產化替代空間，我國部分廠商正在加速追趕，如果能順利突破技術瓶頸的話，未來可能會有比較好的成長空間。

劉揚：現在高端光芯片處于緊平衡狀態，海外三家頭部供應商的光芯片供不應求，且只有一家計劃擴產30%左右新產能，而中國國產100G光芯片最快也需要今年年底到明年年初推出商用?？紤]到明年更多的AI服務器需求，市場擔心高端光芯片短缺是有一定道理的。但不要忘了，海外芯片設計龍頭不可能有錢不賺，經過幾十年的芯片周期洗禮，對供需節奏的把握經驗豐富。明年，海外光芯片龍頭可以通過技改與擴產釋放部分新產能，再加上硅光和薄膜鈮酸鋰等新技術的性價比與產能的進一步提升，以及200G光模塊的逐漸商用化、中小廠商的100G光芯片的陸續加入，明年的光芯片產業，大概率會形成持續緊平衡的狀態。這樣，龍頭廠商的光芯片會持續保持高利潤，生命周期初期的必然高價格的新技術新產品也可以更容易地提高滲透率。因此，這是個產業鏈價值分配與產品迭代相交織的博弈過程，我國企業不要被嚇住，更不要被現有產品的高利潤迷住，一定要更積極地往更先進的新產品上投入，爭取在幾年后躋身前沿龍頭，而不是被拉開差距。

郭梁良：目前看，800G光模塊所需光芯片主要還是以美、日供應商為主，核心芯片產能尚可滿足產業鏈排產預期。如果出現芯片短缺現象，或將成為國內光芯片廠商補位的好機會。但這也對國內光芯片廠商的產品穩定性、良率控制等能力提出更高要求，抓住這個機會可能會推動產業快速進步。

短期留意去偽存真風險

中國基金報記者：作為投資者，參與AI算力領域相關投資，應該注意哪些風險？

肖瑞瑾：投資者需要重點觀察三方面的風險。首先是海外GPU芯片訂單的持續性，這代表了下游需求景氣度邊際變化情況，目前流通市場GPU芯片價格是衡量景氣持續性的重要參考。其次是關注地緣政治風險，當前域外國家對我國人工智能行業進行限制和打壓，限制先進的GPU芯片出口我國，地緣政治風險將是影響投資風險偏好的重要因素。最后是關注國內新供給和替代技術的出現，未來國內人工智能芯片廠家能否迎頭趕上，是否有新的廠家進入800G光模塊產業鏈，以及未來是否出現的技術替代當前800G光模塊，都需要投資者緊密跟蹤產業動態變化。

劉揚：投資時不要低估智能時代價值的風險， AI的安全與政策風險，AI重投資的效益風險，產業鏈被動重組的風險。

陳平：主要的潛在風險有兩個：一是全球需求不及預期的風險。當前股價已經漲了較多，股價已經反應了較為樂觀的預期——當前樂觀預期下，要求北美巨頭們2024年大幅增加資本支出且大幅傾斜于AI服務器。如果AI發展節奏比較緩慢，算力的需求不如大家的樂觀預期，未來的基本面或無法支撐較高的估值。

二是地緣政治的風險，可能會制約國內公司深度參與全球AI產業鏈，進而對A股相關上市公司的業績造成影響。

趙炯：算力的大部分利潤蛋糕還是在海外，國內的光模塊、PCB、交換機只是一小部分。投資上我們應注意全球AI應用的推進節奏是否符合預期或有超預期，另外注意海外大廠的資本開支等變化。目前AI領域能夠兌現業績的板塊可能只在服務器、光模塊、交換機，而類似GPU這些環節兌現的時間點可能要往后移。關于AI算力的投資，短期要去偽存真，如果沒有持續的業績兌現，那么進一步引來的增量資金可能會比較少，導致后期可能會出現收斂。

李濤：從產業趨勢的角度來說，AI產業浪潮剛剛開始，AI+充滿想象空間，未來的技術發展可能會超出我們的預想。當然，創新趨勢產業的投資是有一定的波動性的，希望大家能在堅守產業趨勢的時候，對波動有一定的心理準備，也可采用定投的方式，來平滑投資中的體驗。

整體看，以算力為代表的人工智能板塊，專業和技術門檻都相對較高，個人投資者參與的話，可能時間和精力有限。而且需要關注技術研發進展、下游市場需求等不達預期的風險；也要注意市場競爭加劇導致毛利率下降的風險。

艾小軍：投資者可以關注芯片ETF和半導體設備材料ETF以及通信ETF。芯片ETF標的指數包括了芯片行業的上游設備、材料、設計、制造、封裝和測試，它代表的是整個芯片產業的發展。半導體設備材料ETF更加集中。理論上，半導體設備材料ETF的波動比芯片ETF更大，2019年以來的累計收益也更高。整體來看，前景廣闊，但是波動也比較大。通信ETF涵蓋了國內主要的光模塊上市公司，能夠率先受益AI所帶來全球算力需求。投資者可結合自己的風險偏好進行選擇。

郭梁良：主要有以下幾個方面，海外云廠商資本開支擴張力度不及預期的風險；對于通用算力業務占比較大的公司，左右手互博導致業績不及預期的風險；產業鏈拉貨節奏和某些季度業績預期錯配的風險。

關鍵詞：