通信行业周报：博通和Ciena财报说明了什么？250608

事件：博通发布 FY25 Q2 季报（截至 2025 年 4 月），实现营收 150 亿美元，同比增长 20%，公司合并毛利率为 79%，业绩增长主要得益于AI 业务的增长和 VMware 的并表整合。从产品结构来看，半导体解决方案营收 84 亿美元，同比增长 17%截其中 AI 业务 44 亿美元，同比增长 46%）；基础设施软件营收 66 亿美元，同比增长 25%。公司指引FY25 Q3 营收 158 亿美元，其中 AI 业务 51 亿美元。我们认为，在 AI 大模型驱动的算力经济中，网络不再是配角，而是 AI 系统性能释放的前提，建议重视 AI 发展中网络的重要性：截1）网络：AI 算力体系的“新瓶颈”大模型集群要求系统内部具备极致的低延迟、高带宽和可扩展性，系统瓶颈由此重构，过去的瓶颈在“单芯片算力”，现在及未来的瓶颈在“节点互联”。博通作为数据中心网络芯片龙头，在此次财报中多次强调其Tomahawk、Jericho 等交换芯片的出货与客户设计周期同步推进，网络产品囊括北美发大部分 AI 超大规模训练集群部署计划。我们认为这体现了产业链的技术演化选择，AI 集群日趋模块化、分布式，GPU/TPU之间的互联延迟成为性能提升的瓶颈，高性能网络成为第一性优化变量。截2）网络的“不可替代性”：AI Capex 结构的再分配市场在解读 AI 基础设施 Capex 时，习惯性聚焦于 GPU，实际整体建设成本中，网络所占比例逐步拉升。以 Meta 为例，其部署的一个 24K 集群中网络设施占比已超过集群在计算上花费的三分之一以上。我们认为，未来在更高性能集群需求下，为了避免 GPU 闲置等待通信的空转时间，客户可能需要同步部署相匹配的交换机组网方案，整个 AI 供应链都依赖“GPU+网络+电力”三位一体的优化协同，网络是 AI 系统性能释放的前提。截3）延伸讨论：关于 ASIC 和以太网近期市场对 ASIC 关注度较高，如微软的 MAIA、谷歌的 TPU、亚马逊的 Trainium，以及 Meta、OpenAI 等潜在客户都在探索用自研 ASIC 替代现成 GPU，ASIC 主要优势在于可以进一步压缩芯片成本、同时降低功耗、优化推理效率等，博通也在财报中提及，已有三个大客户计划部署百万级 XPU 加速器集群。我们认为，ASIC 带来的 AI 成本优化是长期趋势，而非短期兑现的业绩引擎，目前大多数 AI 工作负载仍由 NV GPU 完成（截比如 CoreWeave与 OpenAI 签署近 120 亿美元 GPU 合同；Blackwell 集群支持 FP8 大模型推理等）。抛开 ASIC 与 GPU 的竞争，网络作为其连接基座，是所有架构路径下都不可绕开的共性投入项，换言之，以太网才是确定性更强的增长方向，重视未来网络通信方向。