近年及 2030 年全球算力总规模（单位：EFLOPS）

AI未来已来，AIGC大模型参数量节节攀升。具体来看，以GPT大模型为例，经过3年迭代，GPT模型参数量从初代的1.17亿个提升至2020年GPT-3的1750亿个，OpenAI的论文数据显示，训练参数完整的GPT-3模型会消耗算力3640PFLOPS-dav，也就是说，以一万亿次/秒的速度进行计算，一次训练需要3640天来完成。而2023年3月的GPT-4新增多模态输入功能，参数量只会有增无减。

AI时代，算力就是生产力。AI大模型的训练和推理都离不开强大算力支持，否则AI发展将受到生产力瓶颈的制约。据中国信通院数据，2021年全球计算设备算力规模达到615EFLOPS，同比增长44%；华为GIV预测，2030年人类有望迎来YB数据时代，全球算力规模达到56ZFLOPS，CAGR达到65%。而近年诞生的大模型都宛如“参数怪兽”，在算力资源的高度支持下，才能跑出理想表现，微软NewBing已经消耗了Azure近一半的算力资源，微软不得不在内部建立Waitlist制度以合理调度算力资源。

在本次算力建设的大周期中，光模块的增长弹性最为明显，因此我们将光模块比作“AI时代的逆变器”。首先，光模块是我国的优势产业，我国光通信企业生产的低/中/高速率数通、电信光模块供应全球，因此本轮北美的算力升级周期，国内企业拿下海量订单具有高度确定性。其次，算力芯片升级，推动超算中心内部的数据交换网络带宽升级，光模块向800G、1.6T速率迭代。