投资要点：
　　 AI集群快速扩容，互联能力是系统效率关键。随大模型参数规模增长和训练推理任务复杂度提升，AI基础设施由单机、单柜向超节点和大规模集群演进，计算模式逐步由单芯片计算转向多芯片协同计算。在大规模AI集群中，GPU之间需要持续进行参数同步、梯度交换以及中间数据传输，计算节点数量增加使通信开销占比不断提升，互联带宽、通信时延以及网络调度能力成为影响集群算力利用率的重要因素，AI基础设施竞争正由单芯片性能竞争转向系统级协同效率竞争。
　　 Scale-up与out协同演进，构建AI互联体系。面向不同计算扩展需求，AI集群形成Scale-up与Scale-out相结合的分层互联架构。Scale-up主要解决服务器或机柜内部计算资源扩展问题，通过PCIe、CXL、NVLink、Infinity Fabric等技术实现CPU、GPU及AI加速芯片之间高速互联，提升多芯协同计算能力，伴随着集群规模扩大Scale-up互联正加速拓张；Scale-out则面向跨服务器、跨机柜集群扩展，通过InfiniBand、RoCE等网络技术连接大规模计算节点，实现计算资源横向扩展。不同互联技术围绕通用I/O、异构资源共享、多芯协同以及集群通信等场景形成互补，共同支撑大规模AI训练与推理任务。随着AI集群规模持续提升，高带宽、低时延互联技术成为支撑万卡、十万卡级训练与推理的重要基础设施。
　　国产厂商正快速发展，自研与三方互联协议共进。在高端AI互联领域，国内厂商围绕自主算力体系加快互联布局，逐步形成覆盖芯片互联、超节点扩展和集群组网的多层次方案。在Scale-up方向，华为UB、海光HSL、阿里ICN、OISA、寒武纪MLU-Link等方案围绕多芯协同和超节点架构展开探索，推动国产算力平台内部互联能力提升；在Scale-out方向，国内厂商围绕以太网和RDMA体系持续完善智算网络能力，新华三、锐捷网络、紫光股份等厂商布局高速交换机和网络设备，推动国产智算集群互联方案发展。随着国产AI芯片、服务器及智算中心建设加速，互联环节有望成为算力基础设施升级的重要方向。
　　建议关注：
　　GPU：海光信息、寒武纪、摩尔线程、沐曦股份、壁仞科技、天数智芯、英伟达、AMD
　　互联：博通、盛科通信、澜起科技
　　服务器：浪潮信息、紫光股份、中科曙光、工业富联
　　算力服务：宝信软件、神州数码、软通动力、宏景科技、优刻得、网宿科技、亚康股份、蜂助手、杰创智能、智微智能、赛意信息、盛视科技、数据港、首都在线、金山云
　　风险提示：板块业绩存在不达预期的风险；下游需求存在景气度不稳定的风险；科技创新可能带来短期业绩下降。海光信息、寒武纪、澜起科技为兴业证券做市股票。