Циньсинь Цзяньтоу: Доля экспорта китайской оптоволоконной продукции значительно выросла, сохраняется оптимизм по сектору AI-вычислительных мощностей

Источник: 信通建投证券研究

文|阎贵成 于芳博 刘永旭 曹添雨 方子箫

今年2月，我国出口光纤3779.9吨，金额7.9亿元，同比增长63.6%，126.8%。Если пересчитать в километры, то в феврале экспорт оптоволокна из Китая составил около 2520万芯公里, что примерно соответствует 65% от месячной эффективной производительности оптоволокна в Китае; если добавить оптоволокно в составе экспорта оптических кабелей, то доля экспорта оптоволокна будет выше. Судя по экспортной стоимости, влияние роста цен на оптоволокно на динамику результатов, вероятно, пока не будет слишком заметным в первом квартале. В целом можно сказать, что зарубежные покупатели активно берут китайское производимое оптоволокно, а китайские поставщики оптоволокна находятся в состоянии «не приходится беспокоиться о продажах». Поэтому, по нашему мнению, рынку не нужно слишком сильно переживать по поводу централизованных закупок оптоволокна китайскими операторами связи на внутреннем рынке. В целом, зарубежные телеком-сети, AI, беспилотники и другие факторы совместно резко увеличивают спрос на оптоволокно, поддерживают продолжающийся рост цен, отрасль находится в периоде высокой конъюнктуры; сохраняем рекомендацию по сектору оптоволокна.

Алгоритм сжатия TurboQuant от Google позволяет осуществлять AI-инференс с почти без потерь при сжатии памяти, значительно снижает стоимость вывода при длинном контексте с множеством входов; приложения на периферийных устройствах для AI, генерация AI-видео и т. п. могут получить выгоду, продолжаем позитивно смотреть на AI-цепочку поставок.

В феврале этого года Китай экспортировал 3779.9 тонн оптоволокна на сумму 7.9亿元, что на 63.6% больше, а также рост на 126.8% по сравнению с прошлым годом; по сравнению с февралем 2018 года (исторический максимум внутреннего спроса) экспорт оптоволокна вырос с 203.5 тонн до 17.6 раз. Если пересчитать по допущению, что 1 км оптоволокна — это примерно 0.15 кг (включая упаковку и т. п.), то в феврале экспорт оптоволокна Китая составил около 2520万芯公里, что примерно соответствует 65% от месячной эффективной производительности оптоволокна в Китае; если добавить оптоволокно в составе экспорта оптических кабелей, то доля экспорта оптоволокна будет выше. Судя по экспортной стоимости, влияние роста цен на оптоволокно на динамику результатов, вероятно, пока не будет слишком заметным в первом квартале. В целом можно сказать, что зарубежные покупатели активно берут китайское производимое оптоволокно, а китайские поставщики оптоволокна находятся в состоянии «не приходится беспокоиться о продажах». Поэтому, по нашему мнению, рынку не нужно слишком сильно переживать по поводу централизованных закупок оптоволокна китайскими операторами связи на внутреннем рынке.

С точки зрения стран-экспортеров оптоволокна в феврале, в первую десятку входят: Кот-д’Ивуар、Буркина-Фасо、Польша、Филиппины、Аргентина、Россия、Нигерия、США、Панама и Австралия. При этом экспортный объем трех стран Африки вырос значительно; ожидается, что это связано главным образом с местными потребностями в строительстве сетей. Кроме того, спрос в России, как ожидается, будет в основном связан с беспилотниками, а Россия, США, Австралия, Филиппины и т. п. — предположительно с AI. В целом, зарубежные телеком-сети, AI, беспилотники и другие факторы совместно резко увеличивают спрос на оптоволокно, поддерживают продолжающийся рост цен, отрасль находится в периоде высокой конъюнктуры; сохраняем рекомендацию по сектору оптоволокна.

Алгоритм сжатия TurboQuant, опубликованный исследовательским институтом Google, снижает использование памяти больших языковых моделей (LLM), при том что скорость выполнения повышается, а точность при этом остается неизменной. TurboQuant может сжимать по меньшей мере в 6 раз «рабочую память» при запуске AI, то есть кэш значений ключей (KV cache). На графических картах H100 по сравнению с базовой 32-bit-схемой скорость вычислений внимания в формате 4-bit выросла в 8 раз, что существенно снижает стоимость работы AI. При этом самая ключевая особенность TurboQuant — «нулевая потеря точности»: не требуется дообучение, не требуется обучающая выборка.

Цель оптимизации TurboQuant — сократить объем кэш-памяти значений ключей; в основе TurboQuant лежит изящный двухэтапный процесс. Первый этап: PolarQuant меняет систему координат, чтобы взглянуть на мир. Традиционная квантовка выполняет операции в декартовой системе координат (оси X、Y、Z); диапазоны значений каждой оси не фиксированы, поэтому нужно дополнительно хранить параметры нормализации для выравнивания. Второй этап: QJL уничтожает остаточную погрешность с помощью 1-bit. На втором шаге TurboQuant применяет преобразование Джонсона—Линденштраусса к остаточной погрешности первого этапа, сжимая каждое значение ошибки до одного знакового бита: +1 или -1. Затем используется специальный оценщик — совместное вычисление с высокоточным Query-вектором и низкоточным сжатым Key. По сути, только последний 1 bit позволяет сгладить систематическое смещение, остававшееся после первого этапа. Два шага позволяют TurboQuant при общем бюджете всего в 3-bit добиться эффекта сжатия, близкого к без потерь, при этом на протяжении всего процесса нет дополнительных накладных расходов.

Google провел строгую валидацию TurboQuant на пяти бенчмарках длинного контекста: LongBench, Needle In A Haystack, ZeroSCROLLS, RULER и L-Eval. Тестируемые модели включают Gemma, Mistral и Llama-3.1-8B-Instruct. В комплексных задачах, таких как вопросы-ответы, генерация кода, текстовые суммаризации в LongBench, TurboQuant при конфигурации 3-bit демонстрирует всесторонне лучшую производительность по сравнению с базовыми методами вроде KIVI и даже приближается к результатам моделей полной точности. При коэффициенте сжатия 4x точность извлечения TurboQuant сохраняется на протяжении всего до 104 тыс. Token и полностью совпадает с моделью полной точности. В поиске по векторам высокой размерности на датасете GloVe (200 измерений) TurboQuant обходит два ведущих метода — PQ и RabbiQ — и занимает первое место по показателю оптимальной скорости извлечения. Алгоритм сжатия Google TurboQuant реализует почти без потерь сжатие памяти для AI-инференса, существенно снижая стоимость инференса с длинным контекстом; AI на устройстве и генерация AI-видео могут получить выгоду, а технологическая итерация будет продолжать подталкивать к постоянному повышению уровня модернизации цепочки поставок вычислительных мощностей.

23 марта глава Государственного управления по данным Лю Лецюнь на ежегодном саммите China Development Forum 2026 официально объявил, что китайское стандартное название ключевого термина AI Token определено как «词元». Лю Лецюнь отметил, что «токен — это не только якорь ценности в эпоху интеллекта, но и единица расчетов, соединяющая технологическое предложение и коммерческий спрос», и сообщил, что одна из модельных компаний установила рекорд: за 20 дней доход превысил суммарный доход за весь 2025 год. 1000 млрд、100 трлн、140 трлн — это трехступенчатый скачок: среднесуточное число вызовов токенов в Китае выросло в течение двух лет.

В настоящее время телекоммуникационная отрасль находится в двойном периоде благоприятных возможностей: благодаря AI-технологиям и подкреплению политики в рамках нового инфраструктурного строительства; цепочка поставок вычислительных мощностей по-прежнему является основной линией с высокой конъюнктурой. Вычислительные мощности и чипы — ключевая фундаментальная база развития AI-индустрии, а также основная инвестиционная линия телеком-отрасли с высокой конъюнктурой и высоким потенциалом роста; рекомендуется уделить особое внимание.

Изменения международной обстановки оказывают влияние на безопасность и стабильность цепочки поставок, что сказывается на темпах выхода соответствующих компаний на зарубежные рынки; влияние тарифов оказалось выше ожиданий; развитие отрасли искусственного интеллекта оказалось ниже ожиданий, что повлияло на спрос у компаний, связанных с цепочкой поставок облачных вычислений; усилилась рыночная конкуренция, что приводит к быстрому снижению валовой маржи; колебания валютного курса влияют на курсовую прибыль и валовую маржу экспорт-ориентированных компаний, включая компании в сегментах ICT-оборудования, оптических модулей/оптоэлектронных компонентов; развитие цифровой экономики и цифрового Китая оказалось ниже ожиданий; развитие облачных сервисов у операторов связи оказалось ниже ожиданий; капитальные затраты операторов оказались ниже ожиданий; капитальные затраты облачных вендоров оказались ниже ожиданий; спрос в отрасли коммуникационных модулей и интеллектуальных контроллеров оказался ниже ожиданий.

Масса информации, точная интерпретация — всё в приложении Sina Finance

Ответственный редактор: Ван Кэ