CITIC Construction Investment: Proporsi ekspor serat optik China meningkat secara signifikan, terus optimis terhadap sektor daya komputasi AI

Sumber: Riset Sekuritas Guotai Junan Citic

Karya|Yan Guicheng 于芳博 Liu Yongxu Cao Tianyu Fang Zixiao

Pada bulan Februari tahun ini, ekspor serat optik Tiongkok mencapai 3.779,9 ton, senilai 790 juta yuan, naik 63,6% YoY, dan 126,8%. Jika dikonversi ke panjang (kilometer), pada bulan Februari ekspor serat optik Tiongkok sekitar 25,2 juta core-kilometer, sekitar 65% dari kapasitas produksi efektif serat optik bulanan Tiongkok. Jika ditambah dengan serat optik dalam ekspor kabel serat optik, maka proporsi ekspor serat optiknya lebih tinggi lagi. Dari estimasi berdasarkan nilai ekspor, kenaikan harga serat optik terhadap penularan kinerja diperkirakan pada kuartal pertama belum akan terlalu terlihat. Secara keseluruhan, luar negeri sedang berebut membeli serat optik buatan Tiongkok, sehingga pemasok serat optik Tiongkok berada dalam kondisi “tidak khawatir tidak laku”. Karena itu, kami berpendapat bahwa pasar juga tidak perlu terlalu memusingkan pengadaan terpusat (collect) serat optik oleh operator telekomunikasi domestik. Secara umum, jaringan telekomunikasi luar negeri, AI, drone, dan lain-lain secara bersama-sama mendorong pertumbuhan permintaan serat optik yang tinggi, sehingga mendorong harga terus merangkak naik; industri sedang berada pada siklus berprospek sangat baik, dan secara berkelanjutan kami merekomendasikan sektor serat optik.

Algoritma kompresi Google TurboQuant mewujudkan kompresi hampir tanpa rugi untuk memori inferensi AI, secara signifikan menurunkan biaya inferensi konteks panjang yang berulang, dan aplikasi seperti AI on-device serta generasi video AI diharapkan mendapat manfaat; kami tetap optimistis terhadap rantai industri AI.

Pada bulan Februari tahun ini, ekspor serat optik Tiongkok mencapai 3.779,9 ton, senilai 790 juta yuan, naik 63,6% YoY, dan 126,8%, serta meningkat 17,6 kali dibandingkan Februari 2018 (puncak historis permintaan domestik), dengan volume ekspor serat optik 203,5 ton. Jika dikonversi berdasarkan serat optik 1km sekitar 0,15kg (termasuk kemasan, dll.), pada bulan Februari ekspor serat optik Tiongkok sekitar 25,2 juta core-kilometer, sekitar 65% dari kapasitas produksi efektif serat optik bulanan Tiongkok. Jika ditambah dengan serat optik dalam ekspor kabel serat optik, maka proporsi ekspor serat optiknya lebih tinggi lagi. Dari estimasi berdasarkan nilai ekspor, kenaikan harga serat optik terhadap penularan kinerja diperkirakan pada kuartal pertama belum akan terlalu terlihat. Secara keseluruhan, luar negeri sedang berebut membeli serat optik buatan Tiongkok, sehingga pemasok serat optik Tiongkok berada dalam kondisi “tidak khawatir tidak laku”. Karena itu, kami berpendapat bahwa pasar juga tidak perlu terlalu memusingkan pengadaan terpusat serat optik oleh operator telekomunikasi domestik.

Dilihat dari negara pengekspor serat optik pada bulan Februari, 10 besar negara pengekspor adalah Cote d’Ivoire, Burkina Faso, Polandia, Filipina, Argentina, Rusia, Nigeria, Amerika Serikat, Panama, dan Australia. Di antaranya, ketiga negara di Afrika menunjukkan kenaikan volume ekspor yang signifikan, diperkirakan terutama terkait dengan kebutuhan pembangunan jaringan setempat. Selain itu, permintaan Rusia diperkirakan didominasi oleh drone, sedangkan Amerika Serikat, Australia, Filipina, dan lain-lain diperkirakan terkait dengan AI. Secara keseluruhan, jaringan telekomunikasi luar negeri, AI, drone, dan lain-lain secara bersama-sama mendorong pertumbuhan permintaan serat optik yang tinggi, sehingga mendorong harga terus merangkak naik; industri sedang berada pada siklus berprospek sangat baik, dan secara berkelanjutan kami merekomendasikan sektor serat optik.

Algoritma kompresi TurboQuant yang diumumkan oleh Google Research Institute dapat, dengan premis kecepatan eksekusi meningkat dan akurasi tetap tidak berubah, menurunkan penggunaan memori model bahasa besar (LLM). TurboQuant dapat mengompresi “memori kerja” saat AI berjalan, yakni cache nilai kunci (KV cache), minimal 6 kali. Pada GPU H100, dibandingkan basis 32-bit, kecepatan attention komputasi 4-bit melonjak 8 kali, sehingga secara signifikan menurunkan biaya operasional AI. Selain itu, sorotan paling penting TurboQuant adalah: tidak ada kehilangan presisi (precision zero loss), tanpa perlu fine-tuning, tanpa perlu data pelatihan.

Tujuan optimasi TurboQuant adalah mengecilkan ukuran KV cache; inti TurboQuant adalah proses dua tahap yang cermat. Tahap pertama: PolarQuant mengganti sistem koordinat untuk memandang dunia. Kuantisasi tradisional beroperasi dalam sistem koordinat Kartesius (sumbu X, Y, Z), dengan rentang nilai tiap sumbu yang tidak tetap, sehingga perlu menyimpan parameter normalisasi tambahan untuk penyelarasan. Tahap kedua: QJL menghilangkan error sisa dengan 1-bit. Pada langkah kedua TurboQuant, transformasi Johnson-Lindenstrauss diterapkan pada error sisa dari tahap pertama, sehingga setiap nilai error dikompresi menjadi sebuah bit tanda: +1 atau -1. Kemudian dipadukan dengan sebuah estimator khusus—melakukan perhitungan gabungan menggunakan vektor Query berpresisi tinggi dan Key hasil kompresi berpresisi rendah. Dengan mengonsumsi hanya bit terakhir, bias sistematis yang tersisa dari tahap pertama dapat diratakan. Dua langkah tersebut memungkinkan TurboQuant mencapai efek kompresi yang hampir tanpa rugi dengan anggaran total hanya 3-bit, tanpa biaya tambahan sepanjang proses.

Google melakukan verifikasi ketat terhadap TurboQuant pada lima tolok ukur konteks panjang LongBench, Needle In A Haystack, ZeroSCROLLS, RULER, dan L-Eval. Model yang diuji mencakup Gemma, Mistral, dan Llama-3.1-8B-Instruct. Pada tugas gabungan seperti tanya-jawab, generasi kode, dan ringkasan teks di LongBench, TurboQuant dengan konfigurasi 3-bit memiliki performa komprehensif yang lebih baik daripada metode baseline seperti KIVI, bahkan mendekati performa model full-precision. Dengan rasio kompresi 4 kali, akurasi pencarian TurboQuant tetap konsisten hingga 104 ribu Token, sepenuhnya sama dengan model full-precision. Dalam pencarian vektor berdimensi tinggi, pada dataset GloVe (200 dimensi), TurboQuant mengalahkan dua metode mutakhir utama, PQ dan RabbiQ, serta meraih tingkat recall terbaik. Algoritma kompresi Google TurboQuant mewujudkan kompresi memori inferensi AI yang hampir tanpa rugi, secara signifikan menurunkan biaya inferensi konteks panjang; AI on-device serta generasi video AI diharapkan mendapat manfaat, dan iterasi teknologi mendorong peningkatan berkelanjutan rantai industri komputasi.

Pada 23 Maret, kepala Badan Data Nasional (National Data Bureau), Liu Liehong, secara resmi mengumumkan pada rapat tahunan Forum Pembangunan Tiongkok tingkat tinggi 2026 bahwa nama standar dalam bahasa Mandarin untuk istilah inti AI Token ditetapkan sebagai “词元”. Liu Liehong menyatakan bahwa “token” (词元) “bukan hanya jangkar nilai pada era cerdas, tetapi juga unit penyelesaian yang menghubungkan pasokan teknologi dan kebutuhan bisnis”, dan mengungkapkan bahwa ada perusahaan model yang mencatat rekor pendapatan dalam 20 hari melebihi total pendapatan sepanjang tahun 2025. 100 miliar, 1 triliun, 140 triliun—itulah lompatan bertingkat tiga dari penggunaan token harian Tiongkok dalam waktu dua tahun.

Saat ini industri komunikasi berada pada periode “dua keuntungan besar” yang didorong oleh teknologi AI serta ditopang oleh kebijakan infrastruktur baru (new infrastructure). Rantai industri komputasi masih merupakan jalur utama dengan prospek yang cukup tinggi; komputasi dan chip adalah fondasi inti bagi pengembangan industri AI, dan juga merupakan jalur investasi utama saat ini untuk industri komunikasi yang sedang memiliki prospek sangat baik dan pertumbuhan yang tinggi. Direkomendasikan untuk memberi perhatian khusus.

Perubahan lingkungan internasional memengaruhi keamanan dan stabilitas rantai pasok, serta berdampak pada kemajuan perusahaan terkait dalam ekspansi ke luar negeri; dampak tarif bea masuk melebihi perkiraan; perkembangan industri kecerdasan buatan tidak sesuai harapan, memengaruhi permintaan dari perusahaan terkait rantai industri komputasi awan; persaingan pasar meningkat, menyebabkan penurunan margin laba kotor yang cepat; fluktuasi nilai tukar memengaruhi pendapatan selisih kurs dan margin laba kotor perusahaan berorientasi ekspor, termasuk perusahaan di sektor perangkat ICT dan modul/komponen optik; pembangunan ekonomi digital dan Tiongkok digital berkembang tidak sesuai harapan; bisnis komputasi awan operator telekomunikasi berkembang tidak sesuai harapan; belanja modal operator tidak sesuai harapan; belanja modal vendor cloud tidak sesuai harapan; permintaan pada industri modul komunikasi dan pengontrol cerdas tidak sesuai harapan.

Banyak informasi besar, interpretasi yang akurat, semuanya ada di aplikasi Sina Finance

责任编辑：王珂