Scaling law 下算力需求持续扩张，基础硬件端将充分受益OpenAI 的Scaling Law 下，模型有效性和计算约束正相关。因此在GPU 能力一定的情况下，如何提高集群的线性加速比，满足低时延、大带宽、无阻塞的机间通信，从而降低多机多卡间数据同步的通信耗时，成为模型训练侧新的核心议题。根据英伟达的财报后电话会，黄仁勋认为推理需求在当下被极大低估。当下大模型企业把更多的精力都花在提升大模型智能水平，因此绝大部分算力都被用在于训练。但随着模型迭代逐步放缓及更多AI 应用的落地，推理侧的需要也在快速增加。

IB 胜在性能、以太网优在开放，看好AI 推动的量、速双增IB 协议由于源生的RDMA 技术，从而天然的具有低时延高性能的特征，在AI 训练侧有更好的应用。而推理侧的需求方面，具有成本及开放性优势的RoCE 协议或将更占优。

IB 的网络硬件格局相对封闭，核心供应商Mellanox 具主要份额。

GB200 的新架构通过充分提升单芯片的算力密度、应用散热效率更高的液冷方式，实现了在更小的空间内部署更多的GPU 卡，使铜缆连接成为机柜内连接新需求。以太网设备国内供应商参与相对充分，从上游交换芯片到中游的制造和品牌商均有覆盖。在数据中心市场为核心驱动的大背景下，中游的品牌商格局相较制造商更为集中，同时由于互联网厂商对于数据安全及硬件可编程性的重视，自组网的白盒硬件有望持续受益；上游原材料中，芯片的BOM 成本占比高，交换芯片作为原材料核心，具有天然的技术、资金壁垒，同时盈利能力高度依赖出货规模，需警惕部分自用厂商在该方向的垂直整合程度深化。

投资建议

受益于智算数据中心的推动，网络硬件的需求持续提升。以太网架构的网络硬件随着海外巨头的布局市场重视度强化，我们认为随着国产算力链的迭代升级，以太网交换机链亦将深度受益。看好产业链上游交换芯片核心供应商盛科通信；网络设备商锐捷网络、紫光股份、菲菱科思、星网锐捷、共进股份。

风险提示

国际贸易摩擦加剧与宏观经济环境波动的经营风险、下游行业发展不及预期、客户相对集中度高的风险、行业竞争加剧风险