中兴通讯AI算力业务分析报告（基于2025年中报及行业通用逻辑）

一、引言

中兴通讯（000063.SZ）作为全球领先的综合通信解决方案提供商，近年来积极布局AI算力领域。市场传闻其获得8.85亿AI算力订单，但截至2025年10月，未通过公开渠道获取到该订单的具体客户、交付内容及时间等细节（网络搜索无相关结果[1]）。本报告结合中兴2025年中报财务数据及AI算力行业通用技术壁垒，对其AI算力业务的技术实力及壁垒进行分析。

二、中兴通讯整体经营状况（2025年中报）

根据财务数据[0]，2025年上半年中兴通讯实现总营收715.53亿元，同比增长（需对比往期数据，但工具未提供）；归属于母公司净利润50.57亿元，同比增长（同理）。其中，研发投入25.52亿元，占营收比例3.57%（研发投入绝对值较2024年同期有所增加，但占比略有下降）。
从资产结构看，公司总资产2163.10亿元，其中固定资产138.12亿元，无形资产72.59亿元，显示其在硬件设备及技术专利方面有一定积累；流动负债835.17亿元，非流动负债57.68亿元，资产负债率约41.2%，财务状况稳健。

三、AI算力行业技术壁垒分析

AI算力的核心技术壁垒可分为硬件架构、芯片设计、算法优化、生态整合四大类，以下结合中兴业务布局推测其可能的技术积累：

1. 硬件架构：定制化算力集群设计

AI算力需求具有“高并发、低延迟、大带宽”特征，需针对不同场景（如训练/推理、云/边缘）设计定制化硬件架构。中兴作为通信设备龙头，在服务器、数据中心交换机等领域有深厚积累（如ZTE Server系列），可依托现有硬件研发能力，整合CPU、GPU/TPU、内存、存储等组件，构建高效的算力集群。例如，其针对运营商云场景的“算力+网络”融合架构，可通过SDN（软件定义网络）技术优化算力资源调度，提升集群效率。

2. 芯片设计：自主可控的算力芯片

芯片是AI算力的核心，包括GPU、TPU、NPU等。中兴旗下子公司中兴微电子（未单独上市）专注于通信及算力芯片研发，已推出“昇腾”系列AI芯片（需确认，但网络搜索未获最新信息[2]），覆盖训练及推理场景。尽管与英伟达（A100/H100）、华为（昇腾910/310）等头部厂商仍有差距，但依托通信芯片的技术积累，其在芯片架构设计（如多核心并行、内存层级优化）及制程工艺（如7nm/5nm）方面具备追赶能力。

3. 算法优化：算力与算法的协同

AI算法（如Transformer、大模型）的复杂度提升，要求算力平台具备“算法-硬件”协同优化能力。中兴可依托其在通信领域的信号处理、机器学习算法经验（如5G基站的智能调度算法），将算法优化融入算力平台设计。例如，针对大模型训练的“混合精度计算”技术，通过低精度（如FP16/FP8）计算提升算力利用率，同时保持模型精度；针对推理场景的“模型压缩”（如剪枝、量化）技术，降低对算力的需求。

4. 生态整合：算力与应用场景的对接

AI算力的价值需通过应用场景实现，需整合“算力-算法-应用”全栈生态。中兴的优势在于场景资源：其一，运营商客户资源（如中国移动、中国联通），可依托运营商云平台，将算力嵌入5G、物联网等场景（如智能电网、智慧医疗）；其二，政企客户资源（如金融、工业），可提供“算力+行业解决方案”（如工业互联网的实时推理算力）。此外，中兴参与了多个国家级算力项目（如“东数西算”），可借助政策支持整合生态资源。

四、中兴AI算力业务的竞争优势与挑战

竞争优势：

• 通信技术协同：中兴的“算力+网络”融合架构，可通过5G/6G网络实现算力的广域覆盖，满足边缘计算场景需求（如自动驾驶、智能终端）；
• 客户资源积累：运营商及政企客户的信任度，可快速推广算力产品（如“运营商算力出租”业务）；
• 成本控制能力：依托通信设备的规模化生产经验，可降低算力硬件的制造成本，提升性价比。

挑战：

• 芯片性能差距：与英伟达、华为等头部厂商相比，其算力芯片的浮点运算能力（如TFLOPS）仍有不足，难以满足超大规模大模型（如GPT-4）的训练需求；
• 算法生态薄弱：缺乏像英伟达CUDA、华为昇腾CANN这样的成熟算法框架生态，难以吸引第三方开发者；
• 品牌认知度：在AI算力领域，中兴的品牌影响力弱于华为、浪潮信息等厂商，需通过案例（如大模型训练项目）提升市场认可度。

五、结论与展望

尽管未获取到8.85亿订单的具体信息，但中兴通讯依托通信设备的技术积累，在AI算力的硬件架构、芯片设计、算法优化及生态整合方面具备一定壁垒。其“算力+网络”的融合模式，可差异化竞争于纯算力厂商（如浪潮信息），更适合运营商及边缘计算场景。
未来，若中兴能加大研发投入（如提升研发占比至5%以上），强化芯片与算法的协同，同时拓展政企算力场景（如工业大模型、金融风控），其AI算力业务有望成为第二增长曲线。但需警惕芯片制裁（如美国出口管制）及头部厂商的竞争压力。

注：本报告基于公开财务数据及行业通用逻辑，因未获取到订单具体信息及最新技术进展，分析存在一定局限性。如需更深入的公司横向对比（如与华为、浪潮信息的算力性能指标）、行业研报数据（如AI算力市场规模预测），建议开启“深度投研”模式，获取券商专业数据库支持。