结论
　　AI底层硬件向“大系统”演进。
　　市场较多讨论英伟达GB200 NVL系统的通信需求，光与铜“孰轻孰重”；我们认为光电混合是当前重要架构，未来更高速的光网络和芯片层面的光互联是长期方向。
　　基于云厂商视角，我们预计GB200 NVL系统是AI训练+推理在云端的较佳选择。而在英伟达B系列芯片更新的节点上，我们预计后续AI芯片迭代出货，对应的800G/1.6T光模块/光器件需求增长，硅光、液冷产业链投资机会也随之增加，看好海外大厂的高速网络需求的持续性。
　　原因及逻辑
　　1）英伟达的GB200 NVL72方案将72 GPU高密度配置在一个机柜中，用于大模型训推，其中柜内组网以电气信号背板和铜线的NVLink网络为主，而机柜外扩容组网尤其千至万卡互联则需要2-3层交换机网络和光通信方案。前者是芯片互联增量，后者架构延续但整体升级。
　　 2）整体看，单一介质网络连接的性能，最大传输距离与最高带宽成反比，且综合考虑成本，同时考虑工程可行性。光电混合是当前出于成本考虑的重要架构，光网络和芯片层面的光互联是长期方向。
　　 3）硅光的演进方向明确。芯片算力性能暴增+训练/推理的参数需求，网络、访存性能亟需同步提升。电口瓶颈已至，芯片-板卡-设备间高速互联，光电子几乎是迭代唯一出路。当前放量临近、格局逐步明晰。
　　 4）AI硬件高密度、高功耗的路径下，液冷方案的渗透空间巨大。
　　有别于大众的认识
　　市场担心英伟达GB200系统为代表的AI硬件演进，光通信需求降低。我们从GB200 NVL72系统的拆解与理想化测算、光铜两种方案的应用场景、硅光产业的发展节奏等角度出发，认为光电混合是当前重要架构，未来更高速的光网络和芯片层面的光互联是长期方向。
　　市场担心AI从训练到推理的过程，对硬件的需求降低。而AI大模型参数量的增速显著大于GPU内存与算力增速，高集成度+大内存+多GPU的系统更适配大模型训推，我们认为不管是800G/1.6T光模块/光器件需求，还是硅光、液冷的投资机会，均是后续重要的产业增量，看好高速网络等硬件需求的持续性。
　　相关标的：聚焦AI算力网络产业链
　　光通信之中际旭创、新易盛、天孚通信、华工科技、光迅科技、源杰科技等。算力设备之紫光股份、锐捷网络、中兴通讯、烽火通信以及盛科通信等。液冷与IDC之英维克、飞荣达、润泽科技等。
　　风险提示：
　　1）芯片与系统的技术演进速度几乎是历史最快，同时也意味着演进方向可能多元化，科技大厂定制芯片的需求也说明了这一点。不同的系统架构和网络实践，可能会影响网络器件、设备等的长期需求。
　　 2）大模型算法的发展方向，例如参数量的变化、模型设计的变化等，也直接影响了底层的硬件架构设计，可能造成硬件需求的波动。