国家“十五五”规划明确：新一轮科技革命和产业变革加速突破，要全面实施“人工智能+”行动。我们认为，目前世界正处于AI产业革命中，类比工业革命，影响深远，不能简单对比近几年的云计算、新能源等，需要以更长期的视角、更高的视野去观察。因此，我们对AI带动的算力需求以及应用非常乐观。
展望2026，算力领域我们认为有以下投资机会：
1）龙头公司增长确定性：英伟达需要整个产业链研发能力快速迭代、快速响应。若能力不够很难进入英伟达产业链，或者份额显著下降，PCB、光模块等龙头公司与下游芯片公司跟踪紧密、地位稳固，其中PCB价值量未来将受益于正交背板使用、cowop工艺的提升；
2）新技术升级方向，英伟达阶段性着重解决问题的方向，是获取超额利润的子方向。2025年开始，系统方案的供电、散热问题成为整个系统的瓶颈点。北美缺电越来越明显，电力系统需要更加稳定以及更加高效的输送方式，关注HVDC和更高效的SST固态变压器等技术。同时随着芯片性能提升，散热方面遇到越来越多的瓶颈，关注液冷板、CDU、UQD等领域大陆企业份额提升的投资机会，其次如何稳定提高芯片计算频率，对于AI芯片来说是一个提升性能的关键办法，针对下一代芯片封装方案演进是未来重要投资方向，关注微通道盖板、金刚石衬底或者热界面材料；
3）产业链加速本土化集群。为应对快速的研发迭代，产业集群优势逐步显现，如PCB产业链国内下游高份额之后，上游的覆铜板，覆铜板上游的树脂、玻纤布、铜箔等等都开始了国内企业加速验证，光模块亦是如此；
4）订单外溢。围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升。
国家“十五五”规划明确：新一轮科技革命和产业变革加速突破，科技自立自强水平要大幅提高。重点领域关键核心技术要快速突破，并跑领跑领域明显增多。要加强原始创新和关键核心技术攻关。完善新型举国体制，采取超常规措施，全链条推动集成电路、工业母机、高端仪器、基础软件、先进材料、生物制造等重点领域关键核心技术攻关取得决定性突破。要加快人工智能等数智技术创新，突破基础理论和核心技术，强化算力、算法、数据等高效供给。全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。 目前，人工智能产业仍在加速发展，带来的产业革命持续推进，带动算力行业需求爆发。北美以OpenAI为代表的公司，对未来的算力需求与投资给予了非常乐观的展望。如：2025年9 月，OpenAI与甲骨文签署了一份为期五年的算力采购协议，总价值约3000亿美元，2027年开始执行；2025年9月，OpenAI计划未来部署至少10GW英伟达系统，英伟达计划向OpenAI投资高达1000亿美元（随每GW部署逐步到位）；2025年10月，OpenAI宣布将在未来数年内部署总计6GW的AMD GPU算力，首GW计划2026 年下半年开始部署；2025年10月，OpenAI宣布与博通达成长期战略合作，2026-2029年共同开发部署10GW的定制AI加速器及网络系统；2025年10月，OpenAI承诺向微软追加采购价值2500亿美元的Azure云计算服务；2025年11月，OpenAI又与亚马逊云科技（AWS）达成380亿美元的算力采购协议。中国以阿里为代表的公司，也对AI非常乐观：AGI（通用人工智能）已是确定性事件，但只是起点，AI 的终极目标是实现能自我迭代、全面超越人类的超级人工智能ASI。阿里正积极推进3800亿元的AI基础设施建设，并计划追加更大的投入，对比2022年GenAI元年，到2032年阿里云全球数据中心的能耗规模将提升10倍，这意味着阿里云算力投入将指数级提升。 我们认为，目前世界正处于AI产业革命中，类比工业革命，影响深远，不能简单对比近几年的云计算、新能源等，需要以更长期的视角、更高的视野去观察。因此，我们对AI带动的算力需求以及应用也非常乐观。其中，AI算力板块涉及先进制程、GPU/ASIC、光模块、PCB、服务器、交换机、光器件、铜连接、IDC及其配套（液冷、电源、电力、综合布线等）等，是板块性大行情，产业链个股普遍有机会，市值仍有空间。AI大模型及应用也应高度关注。我们认为，AI大模型可能率先产业化与变现的领域在B端，如编程等，AI算力大投入的背后一定需要大模型实现商业变现和闭环，建议要关注核心大模型公司。 风险提示： 阎贵成 SAC 编号:S1440518040002 SFC 编号:BNS315 杨伟松 SAC 编号:S1440522120003 刘永旭 SAC 编号:S1440520070014 SFC 编号:BVF090 汪洁 SAC 编号:S1440523050003 曹添雨 SAC 编号:S1440522080001 朱源哲 SAC 编号:S1440525070002 光模块：高速光模块需求持续高增，Scale-up有望打开市场新空间 随着GPU和ASIC的快速升级迭代，算力性能持续提升，同时对于数据传输需求也大幅增长。在AI数据中心中，越来越多的客户倾向于选择更大带宽的网络硬件。带宽越大，单位bit传输的成本更低、功耗更低及尺寸更小。800G光模块的高增速已经能够反映出AI对于带宽迫切的需求。我们认为，2026年，800G光模块需求预计将继续保持高速增长态势，而1.6T的出货规模也将大幅增长，3.2T光模块的研发也正式开始布局。 交换机：全球交换机市场规模大幅增长，高速交换机增速明显提升 AI浪潮下，2025上半年全球交换机市场规模大幅增长。根据IDC数据，2025H1全球交换机市场规模达到308.8亿美金，同比增长35.5%，增速创近十几年新高，其中数据中心交换机市场规模达到186.9亿美金，同比增长58.1%。国内方面，2025H1中国交换机市场规模为36.3亿美金，同比增长16.5%，其中数据中心交换机市场规模为22.8亿美金，同比增长26.0%。在数通交换机需求高景气的拉动下，无论是全球还是中国，交换机市场规模均取得较快增长。国内交换机市场增速较全球增速稍慢，预计系海外互联网大厂比国内大厂资本开支强度更大，若后续国内互联网大厂资本开支强度提升，预计国内数通交换机市场有望提速。 液冷：渗透率快速提升，千亿级市场启动，大陆厂商迎来机会 GPU液冷的应用渗透与单芯片的功耗（单位面积功耗）、超节点方案的部署（有限的散热空间）等密切相关。英伟达从GB200 NVL72开始大规模应用液冷，2025年是其液冷渗透元年，2026年随着GB系列机柜出货量的增加和芯片功耗的提升，以及CPX带来的液冷新增量，英伟达芯片对应的液冷市场规模将大幅增长。其它海外ASIC、其它GPU供应商的最新/下一代产品中，液冷也很大比例是部署的优选项，包括谷歌TPU v7p、META MTIA T、AWS TRN3、微软MAIA 200、AMD MI400X等。 国内的芯片功耗方面虽然比海外落后1-2代，但是国内厂商也在积极推进超节点部署，叠加国内机房基础设施的超前建设，我们认为国内AI服务器的液冷渗透率在2026-2027年也会大幅提升。 IDC：算力基础设施底座，关注HVDC、绿电直连进展 随着AI算力需求的不断增长，数据中心作为算力底层基础设施需求量不断扩大，我国2025年上半年数据中心新增交付容量已经超过以往全年的新增交付容量。根据中国信通院数据，截至2024年底，我国在用数据中心机架规模达900万架（按单机柜2.5KW统计），同比增长11.11%。2017-2024年，我国在用数据中心机架规模较快增长，7年年均复合增长率达23.35%。2024年，我国在用数据中心机架规模同比增速有所下滑，预计与基数扩大及行业对算力资源进行优化改造有关。截至2025年6月底，我国在用数据中心机架规模达1085万架，较2024年底新增185万架，对应IT负载4.63 GW，2025年的新增交付容量已经超过以往全年的新增交付容量。 数据中心用电量快速增长，电力供应重要性凸显，随着单机柜的功率密度的快速提升，IDC供电架构向HVDC演进，同时更大的用电量也为绿电直连打开成长空间。据中国信通院数据，2024年全国数据中心用电量超过1660亿千瓦时，约占全社会总用电量的1.68%，用电量同比增长10.7%，而同期全社会总用电量的增速为6.8%。中国信通院测算，高情景下，人工智能爆发增长，2030年我国算力中心用电或超过7000亿千瓦时，占全社会用电量5.3%；低情景下，人工智能慢速增长，2030年我国算力中心用电将达到3000亿千瓦时左右，占全社会用电量2.3%。总体来看，数据中心的用电量占社会总用电量的比例都在提升。 端侧AI：智能眼镜不再只是语音交互与拍照，AI+AR逐步成为主流形态 AI发展，端侧也必不可少。端侧AI已经在包括手机/PC/眼镜等消费电子、汽车电子/智能驾驶、工业控制、医疗、交通、教育、服务机器人/工业机器人/人形机器人等垂直行业中应用，未来空间广阔。参考Roots Analysis数据，2024年全球端侧AI（Edge AI）市场规模为240.5亿美元，预计2035年将达到约3568.4亿美元，2024-2035年复合增速CAGR 27.8%。2026年包括苹果、OpenAI、Meta等全球头部厂商计划推出多款端侧AI新品，以及大模型、算力、AI应用的进一步创新融合，我们认为端侧AI 产业2026年有望提速发展。 风险提示： 阎贵成 SAC 编号:S1440518040002 SFC 编号:BNS315 杨伟松 SAC 编号:S1440522120003 刘永旭 SAC 编号:S1440520070014 SFC 编号:BVF090 汪洁 SAC 编号:S1440523050003 曹添雨 SAC 编号:S1440522080001 朱源哲 SAC 编号:S1440525070002 算力领域我们认为有以下投资机会： 1）龙头公司增长确定性：英伟达需要整个产业链研发能力快速迭代、快速响应。若能力不够很难进入英伟达产业链，或者份额显著下降，PCB、光模块等龙头公司与下游芯片公司跟踪紧密、地位稳固，其中PCB价值量未来将受益于正交背板使用、cowop工艺的提升； 2）新技术升级方向，英伟达阶段性着重解决问题的方向，是获取超额利润的子方向。2025年开始，系统方案的供电、散热问题成为整个系统的瓶颈点。北美缺电越来越明显，电力系统需要更加稳定以及更加高效的输送方式，关注HVDC和更高效的SST固态变压器等技术。同时随着芯片性能提升，散热方面遇到越来越多的瓶颈，关注液冷板、CDU、UQD等领域大陆企业份额提升的投资机会，其次如何稳定提高芯片计算频率，对于AI芯片来说是一个提升性能的关键办法，针对下一代芯片封装方案演进是未来重要投资方向，关注微通道盖板、金刚石衬底或者热界面材料； 3）产业链加速本土化集群。为应对快速的研发迭代，产业集群优势逐步显现，如PCB产业链国内下游高份额之后，上游的覆铜板，覆铜板上游的树脂、玻纤布、铜箔等等都开始了国内企业加速验证，光模块亦是如此； 4）订单外溢。围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升。 中期维度看，订单向国产芯片倾斜是必然趋势。由于美国政府芯片法案多轮制裁，英伟达旗舰芯片向中国的售卖持续受阻，从2022年的片间互联、23年的算力以及算力密度限制、到2025年初的1700GB/s通信带宽限制，英伟达产品被迫多次进行阉割，竞争力持续下降。云厂商以及人工智能初创公司基于算力稳定供应诉求，将更多算力采购规划倾斜向国产芯片，并且比重不断加大。目前看伴随国产先进制程逐渐成熟，低端版英伟达芯片在国内将不再是具有性价比的采购选项，国产算力市占率大幅抬升时机已经成熟。 目前国产芯片市场集中度提升趋势明显。由寒武纪、华为为代表的芯片公司凭借强大的技术实力、优异的产品性能、以及前线业务资源的大量投入，最先实现商业化客户业务的成功落地，在大模型推理算力建设中贡献大量算力；以天数智芯、沐曦、昆仑芯为代表的创业公司也在奋起直追，通过良好的产品性能以及性价比，争取大规模商业化客户成单机会，近期可以观察到国内芯片厂商纷纷投入大量人力物力资源，尝试与多家头部互联网客户进行业务绑定。 国内芯片生态建设分为两大路线，一条是以天数智芯、沐曦、海光等主打GPGPU路线，追求与英伟达的CUDA兼容，实现兼容性与通用性提高，在客户处实现迁移成本与迁移时间大幅度下降，在英伟达的生态圈内抢占市场。后续CUDA升级或模型升级，CUDA兼容路线软件栈同样需要更新升级以适配，长期跟进对人力消耗较大；另一条则是以华为的Mindspore为代表的自主生态，试图在英伟达生态圈外建立单独生态圈，与英伟达进行竞争。其后续突围能力，除技术成熟度外，更多考量产品出货量与基于Mindspore开发的研发人员数量，对长期持续投入具有较高要求。 财务数据角度看，国产GPU厂商已经进入营收高速增长阶段。伴随其产品运用从prefill阶段逐渐向decode阶段渗透，并在训练场景得到一定落地，国产芯片厂在CSP厂处的业绩快速跃迁，并为后续更进一步份额抬升打下良好基础。除营收增速高速增长外，国产GPU厂商存货同步进入上升轨道，“产品销售—资金回流—流片放量”循环逐步启动，国产替代趋势愈发明确。 风险提示： 北美经济衰退预期逐步增强，宏观环境存在较大的不确定性，国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；疫情影响公司正常生产和交付，导致收入及增速不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；人工智能技术进步不及预期；汽车与工业智能化进展不及预期；半导体扩产不及预期等。 于芳博 SAC 编号:S1440522030001 SFC 编号:BVA286 庞佳军 SAC 编号:S1440524110001 方子箫 SAC 编号:S1440524070009 辛侠平 SAC 编号:S1440524070006 孟龙飞 SAC 编号:S1440525070005 内存仍然是AI算力核心卡口，HBM需求持续高景气。随着英伟达GPU的发布周期固定在每年一次，算力提升对内存容量和带宽提出了接近每年翻倍的高要求；根据咨询公司数据，GPU的计算能力在过去20年间增长了60000倍，但同期DRAM内存带宽仅提高了100倍——“内存墙”仍将长期存在，通过HBM路线实现低功耗高带宽趋势明确。以位元计算，目前HBM占整个DRAM市场比重仍在个位数，渗透率存在较大提升空间；TrendForce预测到2026年HBM出货量将超过300亿Gb。 DRAM产能供给紧缺趋势不变，SK海力士等龙头厂商加速扩产。从供给端看，HBM供应仍然紧缺，相应持续挤占DRAM产能，25Q2~Q3 DRAM厂商现货报价加速攀升；部分美国与国内厂商已经开始和晶圆厂签订2-3年的长期合同进行锁价。根据Trendforce援引The Bell报道，SK海力士计划通过清州DRAM工厂M15X和利川M16的扩产，在26H2将其DRAM晶圆产量提高到60万片/月，和三星的DRAM晶圆产能处于同一水平。具体来看，M15X在投产初期将保持在10000片/月的DRAM晶圆，到26Q4将爬坡至5万片/月。 HBM迭代周期随之显著缩短。2025年下半年，英伟达量产的GB300搭载的是12层24GB的HBM3e，2026年英伟达将发布的Rubin系列和AMD将发布的MI400系列均将搭载HBM4/4e。其中英伟达计划在26Q1完成HBM4的最终资格测试。从更新周期来看，JEDEC于2025年4月正式发布了JESD 270-4高带宽存储器(HBM4)标准，（接口宽度从HBM3/HBM3e的1024位翻倍至2048位；堆栈通道数从16个增加到32个，支持24Gb或32Gb芯片的4到16层堆栈配置），较HBM3规范发布约三年，计划落地时间较HBM3落地时点亦在三年左右。根据EETimes的预测，HBM的迭代周期从前期的每四年一代提高并稳定到每两年到两年半一代。 全球龙头存储厂商竞逐HBM4，SK海力士仍居领先地位，三星美光加速追赶。根据Trendforce预测，2025年SK海力士将以59%的HBM出货量保持行业领先地位，而三星和美光将各占20%左右份额。从时点上看，SK海力士于2025年3月交付了全球首批12层HBM4样品、6月小批量出货，计划10月快速进入量产；美光也在25Q2向主要客户交付了HBM4样品、计划2026年进入量产；三星的HBM4样品25Q2交付给英伟达，当前进入最终的预生产（PP）阶段。 从技术上看，SK海力士的HBM4拥有2048个I/O终端，带宽翻倍，引脚速度在10 Gbps以上。美光目前交付HBM4样品超过2.8 TBps带宽和超过11 Gbps引脚速度，计划在2027年同时推出标准版和定制版的HBM4e。三星同样计划于2027年推出HBM4e产品，目标引脚速度超过13Gbps，目标最大吞吐量3.25TB/s，较当前HBM2.5e快约3倍。 远期看，英伟达计划自研Base Die，意在进一步提高传输速率。除传统晶圆厂外，为了进一步提高传输速率，AI算力芯片厂商也开始协同进行HBM设计。2025年8月，英伟达宣布计划自研HBM内存Base Die，采用3nm工艺，预计于2027年下半年开始小规模试产。英伟达此次自研HBM内存Base Die的计划，旨在优化AI芯片的内存带宽与能效匹配度；未来英伟达的HBM内存有望采用内存原厂DRAM Die与英伟达Base Die的组合模式，标志着其在高性能计算存储架构领域的垂直整合进一步深化。 风险提示： 1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险； 2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险； 3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险； 4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险； 5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。 刘双锋 SAC 编号:S1440520070002 SFC 编号:BNU539 庞佳军 SAC 编号:S1440524110001 孙芳芳 SAC 编号:S1440520060001 章合坤 SAC 编号:S1440522050001 王定润 SAC 编号:S1440524060005 何昱灵 SAC 编号:S1440524080001 郭彦辉 SAC 编号:S1440520070009 赵子鹏 SAC 编号:S1440523080001 梁艺 SAC 编号:S1440525080006 混合AI有望成趋势，端侧AI价值显现 云边协同的混合式AI架构对AI的规模化扩展起到重要作用。根据高通《混合AI是AI的未来》白皮书，随着生成式AI正以前所未有的速度发展以及计算需求的日益增长，AI处理必须分布在云端和终端进行，才能实现AI的规模化扩展并发挥其最大潜能。与仅在云端进行处理不同，混合AI架构可以根据模型和查询需求的复杂度等因素，在云端和边缘终端之间分配并协调AI工作负载。云端和边缘终端如智能手机、汽车、个人电脑和物联网终端协同工作，能够实现更强大、更高效且高度优化的AI。 端侧AI具有成本、能耗、可靠性、隐私、安全和个性化优势。 成本优势：AI推理的规模远高于AI训练。模型的推理成本将随着日活用户数量及其使用频率的增加而增加。在云端进行推理的成本极高，这将导致规模化扩展难以持续。将一些运算负载从云端转移到边缘终端，可以减轻云基础设施的压力并减少开支。 能耗优势：边缘终端能够以很低的能耗运行生成式AI模型，尤其是将处理和数据传输相结合时。 可靠性、性能和时延：当生成式AI查询对于云的需求达到高峰期时，会产生大量排队等待和高时延，甚至可能出现拒绝服务的情况。向边缘终端转移计算负载可防止这一现象发生。 隐私、安全和个性化：由于数据处理完全在本地进行，终端侧AI有助于保护个人信息，以及企业和工作场所中的机密信息。以本地和云端分别运行AI大模型制作行程安排为例，本地AI大模型通过长期学习用户行为，并利用本地存储的信息，可以给出更贴合用户生活习惯、更准确的建议。相较之下，如果云端模型需要访问用户本地存储的文件、浏览记录等信息再给出个性化的建议，用户通常较难接受。 边缘侧已具备运行AI的实践基础，未来将支持多样化的生成式AI模型。在生成式AI出现之前，AI处理已在终端侧获得应用，越来越多的AI推理工作负载在手机、PC等边缘终端上运行。自2017年华为麒麟 970 首度在手机 SoC中引入了 NPU（用于拍摄和图像识别）之后，高通与联发科也先后在2018年的骁龙855和2019年的天玑1000中集成了NPU/APU模块；目前NPU已逐渐成为手机SoC中常备集成的模块，且用途从最初的协同ISP进行图像处理发展为目前端侧模型的主要支撑者，重要性与日俱增。在2024年发布的骁龙8e和天玑9400上，分别集成了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用于AI处理，NPU模块占SoC投影面积比例显著提升。除此之外，OPPO还曾在2021年12月举办的OPPO INNO DAY上发布了首款外挂式NPU MariSilicon X(采用TSMC 6nm制程)，尽管只是用于图像处理，但仍让我们看到了未来NPU在端侧独立部署的另一种可能。 终端设备有望在AI的催化下迎来新一轮创新周期。生成式AI正在驱动新一轮内容生成、搜索和生产力相关用例的发展，覆盖包括智能手机、PC、汽车、XR以及物联网等终端品类，提供全新的增强用户体验。以PC为例，AI大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美契合PC作为生产力工具的定位。此外，在以终端为中心的混合AI架构中，多数任务能够在PC本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，全球科技巨头正加速投入。 风险提示： 1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险； 2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险； 3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险； 4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险； 5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。 刘双锋 SAC 编号:S1440520070002 SFC 编号:BNU539 庞佳军 SAC 编号:S1440524110001 孙芳芳 SAC 编号:S1440520060001 章合坤 SAC 编号:S1440522050001 王定润 SAC 编号:S1440524060005 何昱灵 SAC 编号:S1440524080001 郭彦辉 SAC 编号:S1440520070009 赵子鹏 SAC 编号:S1440523080001 梁艺 SAC 编号:S1440525080006 国内外大模型加速迭代，差距进一步缩窄 2024年以来，国内外模型均加速迭代。其中海外各家大厂模型能力侧重有所不同，OpenAI通过GPT-5统一了O系列和数字系列模型，并聚焦幻觉率下降以适配用户落地需求；Anthropic的Claude围绕编程能力不断优化，Sonnet 4已支持百万token上下文；xAI基于20万GPU集群开发的Grok 4引入了多个智能体共同思考的模式，其RL投入的算力已超过Pre-Training算力；Google Gemini和Veo模型则分别对应Chrome和YouTube产品生态。国内由阿里主导开源生态，围绕“全尺寸”“全模态”“多场景”推出各种模型；初创厂商中DeepSeek及MiniMax亦入局争夺开源第一宝座，DeepSeek-R1、MiniMax-M2模型均以较低成本实现较高性能。 随着国内外模型进一步迭代，预计国内开源阵营头部模型能力与海外大厂闭源模型差距将进一步缩窄，并通过成本优化为AI应用打开空间。 国内厂商不断优化模型架构，竞相争夺开源第一 国内前沿模型与海外差距缩短，多方角逐开源阵营领先地位。横向对比各厂商大模型能力，尽管以OpenAI为代表的海外厂商持续引领技术优势，但国内前沿模型能力同样始终位列全球第一梯队，且较海外头部厂商的差距已由最初的6个月以上缩短到目前的约3个月。就厂商而言，阿里作为国内唯一践行全面开源战略的互联网大厂，持续引领国内开源模型风向；但也不乏DeepSeek、MiniMax等初创厂商在开源领域崭露头角。 加单不断，全球资本开支持续上行 当前国内外资本开支向上的趋势基本一致，但近期海外以OpenAI和Oracle主导的算力大单进一步加速了开支上行节奏。其中，OpenAI通过和AMD、英伟达、博通、CoreWeave等合作，向着2033年达到250GW数据中心的目标不断推进；Oracle则坚定向GPU云转型，以超过经营性现金流的投入体量加速部署AI数据中心。OpenAI多样化的算力融资方式，以及Oracle需要举债的资本开支投入方式，有望促进海外传统云和科技厂商，以及国内的大厂进一步上修资本开支预期。 国内B端AI商业化初显 国内B端企业AI商业化初显，Pre-AI环节需求旺盛，降本增效的垂直场景推进较快。当前国内AI应用正处于加速渗透阶段，政策层面，中央密集出台一系列政策文件，提出“适度超前建设数字基础设施”并 印发《关于深入实施“人工智能+”行动的意见》，提出到2027年智能体渗透率达到70%。技术突破方面，国产大模型DeepSeek V3.1版本发布，编程能力提升以及更长上下文窗口支持有望推动智能体在更多复杂场景的落地，助力企业数字化、智能化建设，提升企业管理效率。 从当前2B企业已公告AI相关订单或收入的情况看，尽管订单或收入绝对值不高，但AI已经开始逐步体现商业化价值。 风险提示： 应瑛 SAC 编号:S1440521100010 SFC 编号:BWB917 王嘉昊 SAC 编号:S1440524030002 张敏 SAC 编号:S1440525070012
国家“十五五”规划明确：新一轮科技革命和产业变革加速突破，要全面实施“人工智能+”行动。我们认为，目前世界正处于AI产业革命中，类比工业革命，影响深远，不能简单对比近几年的云计算、新能源等，需要以更长期的视角、更高的视野去观察。因此，我们对AI带动的算力需求以及应用非常乐观。
展望2026，算力领域我们认为有以下投资机会：
1）龙头公司增长确定性：英伟达需要整个产业链研发能力快速迭代、快速响应。若能力不够很难进入英伟达产业链，或者份额显著下降，PCB、光模块等龙头公司与下游芯片公司跟踪紧密、地位稳固，其中PCB价值量未来将受益于正交背板使用、cowop工艺的提升；
2）新技术升级方向，英伟达阶段性着重解决问题的方向，是获取超额利润的子方向。2025年开始，系统方案的供电、散热问题成为整个系统的瓶颈点。北美缺电越来越明显，电力系统需要更加稳定以及更加高效的输送方式，关注HVDC和更高效的SST固态变压器等技术。同时随着芯片性能提升，散热方面遇到越来越多的瓶颈，关注液冷板、CDU、UQD等领域大陆企业份额提升的投资机会，其次如何稳定提高芯片计算频率，对于AI芯片来说是一个提升性能的关键办法，针对下一代芯片封装方案演进是未来重要投资方向，关注微通道盖板、金刚石衬底或者热界面材料；
3）产业链加速本土化集群。为应对快速的研发迭代，产业集群优势逐步显现，如PCB产业链国内下游高份额之后，上游的覆铜板，覆铜板上游的树脂、玻纤布、铜箔等等都开始了国内企业加速验证，光模块亦是如此；
4）订单外溢。围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升。
国家“十五五”规划明确：新一轮科技革命和产业变革加速突破，科技自立自强水平要大幅提高。重点领域关键核心技术要快速突破，并跑领跑领域明显增多。要加强原始创新和关键核心技术攻关。完善新型举国体制，采取超常规措施，全链条推动集成电路、工业母机、高端仪器、基础软件、先进材料、生物制造等重点领域关键核心技术攻关取得决定性突破。要加快人工智能等数智技术创新，突破基础理论和核心技术，强化算力、算法、数据等高效供给。全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。 目前，人工智能产业仍在加速发展，带来的产业革命持续推进，带动算力行业需求爆发。北美以OpenAI为代表的公司，对未来的算力需求与投资给予了非常乐观的展望。如：2025年9 月，OpenAI与甲骨文签署了一份为期五年的算力采购协议，总价值约3000亿美元，2027年开始执行；2025年9月，OpenAI计划未来部署至少10GW英伟达系统，英伟达计划向OpenAI投资高达1000亿美元（随每GW部署逐步到位）；2025年10月，OpenAI宣布将在未来数年内部署总计6GW的AMD GPU算力，首GW计划2026 年下半年开始部署；2025年10月，OpenAI宣布与博通达成长期战略合作，2026-2029年共同开发部署10GW的定制AI加速器及网络系统；2025年10月，OpenAI承诺向微软追加采购价值2500亿美元的Azure云计算服务；2025年11月，OpenAI又与亚马逊云科技（AWS）达成380亿美元的算力采购协议。中国以阿里为代表的公司，也对AI非常乐观：AGI（通用人工智能）已是确定性事件，但只是起点，AI 的终极目标是实现能自我迭代、全面超越人类的超级人工智能ASI。阿里正积极推进3800亿元的AI基础设施建设，并计划追加更大的投入，对比2022年GenAI元年，到2032年阿里云全球数据中心的能耗规模将提升10倍，这意味着阿里云算力投入将指数级提升。 我们认为，目前世界正处于AI产业革命中，类比工业革命，影响深远，不能简单对比近几年的云计算、新能源等，需要以更长期的视角、更高的视野去观察。因此，我们对AI带动的算力需求以及应用也非常乐观。其中，AI算力板块涉及先进制程、GPU/ASIC、光模块、PCB、服务器、交换机、光器件、铜连接、IDC及其配套（液冷、电源、电力、综合布线等）等，是板块性大行情，产业链个股普遍有机会，市值仍有空间。AI大模型及应用也应高度关注。我们认为，AI大模型可能率先产业化与变现的领域在B端，如编程等，AI算力大投入的背后一定需要大模型实现商业变现和闭环，建议要关注核心大模型公司。 风险提示： 阎贵成 SAC 编号:S1440518040002 SFC 编号:BNS315 杨伟松 SAC 编号:S1440522120003 刘永旭 SAC 编号:S1440520070014 SFC 编号:BVF090 汪洁 SAC 编号:S1440523050003 曹添雨 SAC 编号:S1440522080001 朱源哲 SAC 编号:S1440525070002 光模块：高速光模块需求持续高增，Scale-up有望打开市场新空间 随着GPU和ASIC的快速升级迭代，算力性能持续提升，同时对于数据传输需求也大幅增长。在AI数据中心中，越来越多的客户倾向于选择更大带宽的网络硬件。带宽越大，单位bit传输的成本更低、功耗更低及尺寸更小。800G光模块的高增速已经能够反映出AI对于带宽迫切的需求。我们认为，2026年，800G光模块需求预计将继续保持高速增长态势，而1.6T的出货规模也将大幅增长，3.2T光模块的研发也正式开始布局。 交换机：全球交换机市场规模大幅增长，高速交换机增速明显提升 AI浪潮下，2025上半年全球交换机市场规模大幅增长。根据IDC数据，2025H1全球交换机市场规模达到308.8亿美金，同比增长35.5%，增速创近十几年新高，其中数据中心交换机市场规模达到186.9亿美金，同比增长58.1%。国内方面，2025H1中国交换机市场规模为36.3亿美金，同比增长16.5%，其中数据中心交换机市场规模为22.8亿美金，同比增长26.0%。在数通交换机需求高景气的拉动下，无论是全球还是中国，交换机市场规模均取得较快增长。国内交换机市场增速较全球增速稍慢，预计系海外互联网大厂比国内大厂资本开支强度更大，若后续国内互联网大厂资本开支强度提升，预计国内数通交换机市场有望提速。 液冷：渗透率快速提升，千亿级市场启动，大陆厂商迎来机会 GPU液冷的应用渗透与单芯片的功耗（单位面积功耗）、超节点方案的部署（有限的散热空间）等密切相关。英伟达从GB200 NVL72开始大规模应用液冷，2025年是其液冷渗透元年，2026年随着GB系列机柜出货量的增加和芯片功耗的提升，以及CPX带来的液冷新增量，英伟达芯片对应的液冷市场规模将大幅增长。其它海外ASIC、其它GPU供应商的最新/下一代产品中，液冷也很大比例是部署的优选项，包括谷歌TPU v7p、META MTIA T、AWS TRN3、微软MAIA 200、AMD MI400X等。 国内的芯片功耗方面虽然比海外落后1-2代，但是国内厂商也在积极推进超节点部署，叠加国内机房基础设施的超前建设，我们认为国内AI服务器的液冷渗透率在2026-2027年也会大幅提升。 IDC：算力基础设施底座，关注HVDC、绿电直连进展 随着AI算力需求的不断增长，数据中心作为算力底层基础设施需求量不断扩大，我国2025年上半年数据中心新增交付容量已经超过以往全年的新增交付容量。根据中国信通院数据，截至2024年底，我国在用数据中心机架规模达900万架（按单机柜2.5KW统计），同比增长11.11%。2017-2024年，我国在用数据中心机架规模较快增长，7年年均复合增长率达23.35%。2024年，我国在用数据中心机架规模同比增速有所下滑，预计与基数扩大及行业对算力资源进行优化改造有关。截至2025年6月底，我国在用数据中心机架规模达1085万架，较2024年底新增185万架，对应IT负载4.63 GW，2025年的新增交付容量已经超过以往全年的新增交付容量。 数据中心用电量快速增长，电力供应重要性凸显，随着单机柜的功率密度的快速提升，IDC供电架构向HVDC演进，同时更大的用电量也为绿电直连打开成长空间。据中国信通院数据，2024年全国数据中心用电量超过1660亿千瓦时，约占全社会总用电量的1.68%，用电量同比增长10.7%，而同期全社会总用电量的增速为6.8%。中国信通院测算，高情景下，人工智能爆发增长，2030年我国算力中心用电或超过7000亿千瓦时，占全社会用电量5.3%；低情景下，人工智能慢速增长，2030年我国算力中心用电将达到3000亿千瓦时左右，占全社会用电量2.3%。总体来看，数据中心的用电量占社会总用电量的比例都在提升。 端侧AI：智能眼镜不再只是语音交互与拍照，AI+AR逐步成为主流形态 AI发展，端侧也必不可少。端侧AI已经在包括手机/PC/眼镜等消费电子、汽车电子/智能驾驶、工业控制、医疗、交通、教育、服务机器人/工业机器人/人形机器人等垂直行业中应用，未来空间广阔。参考Roots Analysis数据，2024年全球端侧AI（Edge AI）市场规模为240.5亿美元，预计2035年将达到约3568.4亿美元，2024-2035年复合增速CAGR 27.8%。2026年包括苹果、OpenAI、Meta等全球头部厂商计划推出多款端侧AI新品，以及大模型、算力、AI应用的进一步创新融合，我们认为端侧AI 产业2026年有望提速发展。 风险提示： 阎贵成 SAC 编号:S1440518040002 SFC 编号:BNS315 杨伟松 SAC 编号:S1440522120003 刘永旭 SAC 编号:S1440520070014 SFC 编号:BVF090 汪洁 SAC 编号:S1440523050003 曹添雨 SAC 编号:S1440522080001 朱源哲 SAC 编号:S1440525070002 算力领域我们认为有以下投资机会： 1）龙头公司增长确定性：英伟达需要整个产业链研发能力快速迭代、快速响应。若能力不够很难进入英伟达产业链，或者份额显著下降，PCB、光模块等龙头公司与下游芯片公司跟踪紧密、地位稳固，其中PCB价值量未来将受益于正交背板使用、cowop工艺的提升； 2）新技术升级方向，英伟达阶段性着重解决问题的方向，是获取超额利润的子方向。2025年开始，系统方案的供电、散热问题成为整个系统的瓶颈点。北美缺电越来越明显，电力系统需要更加稳定以及更加高效的输送方式，关注HVDC和更高效的SST固态变压器等技术。同时随着芯片性能提升，散热方面遇到越来越多的瓶颈，关注液冷板、CDU、UQD等领域大陆企业份额提升的投资机会，其次如何稳定提高芯片计算频率，对于AI芯片来说是一个提升性能的关键办法，针对下一代芯片封装方案演进是未来重要投资方向，关注微通道盖板、金刚石衬底或者热界面材料； 3）产业链加速本土化集群。为应对快速的研发迭代，产业集群优势逐步显现，如PCB产业链国内下游高份额之后，上游的覆铜板，覆铜板上游的树脂、玻纤布、铜箔等等都开始了国内企业加速验证，光模块亦是如此； 4）订单外溢。围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升。 中期维度看，订单向国产芯片倾斜是必然趋势。由于美国政府芯片法案多轮制裁，英伟达旗舰芯片向中国的售卖持续受阻，从2022年的片间互联、23年的算力以及算力密度限制、到2025年初的1700GB/s通信带宽限制，英伟达产品被迫多次进行阉割，竞争力持续下降。云厂商以及人工智能初创公司基于算力稳定供应诉求，将更多算力采购规划倾斜向国产芯片，并且比重不断加大。目前看伴随国产先进制程逐渐成熟，低端版英伟达芯片在国内将不再是具有性价比的采购选项，国产算力市占率大幅抬升时机已经成熟。 目前国产芯片市场集中度提升趋势明显。由寒武纪、华为为代表的芯片公司凭借强大的技术实力、优异的产品性能、以及前线业务资源的大量投入，最先实现商业化客户业务的成功落地，在大模型推理算力建设中贡献大量算力；以天数智芯、沐曦、昆仑芯为代表的创业公司也在奋起直追，通过良好的产品性能以及性价比，争取大规模商业化客户成单机会，近期可以观察到国内芯片厂商纷纷投入大量人力物力资源，尝试与多家头部互联网客户进行业务绑定。 国内芯片生态建设分为两大路线，一条是以天数智芯、沐曦、海光等主打GPGPU路线，追求与英伟达的CUDA兼容，实现兼容性与通用性提高，在客户处实现迁移成本与迁移时间大幅度下降，在英伟达的生态圈内抢占市场。后续CUDA升级或模型升级，CUDA兼容路线软件栈同样需要更新升级以适配，长期跟进对人力消耗较大；另一条则是以华为的Mindspore为代表的自主生态，试图在英伟达生态圈外建立单独生态圈，与英伟达进行竞争。其后续突围能力，除技术成熟度外，更多考量产品出货量与基于Mindspore开发的研发人员数量，对长期持续投入具有较高要求。 财务数据角度看，国产GPU厂商已经进入营收高速增长阶段。伴随其产品运用从prefill阶段逐渐向decode阶段渗透，并在训练场景得到一定落地，国产芯片厂在CSP厂处的业绩快速跃迁，并为后续更进一步份额抬升打下良好基础。除营收增速高速增长外，国产GPU厂商存货同步进入上升轨道，“产品销售—资金回流—流片放量”循环逐步启动，国产替代趋势愈发明确。 风险提示： 北美经济衰退预期逐步增强，宏观环境存在较大的不确定性，国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；疫情影响公司正常生产和交付，导致收入及增速不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；人工智能技术进步不及预期；汽车与工业智能化进展不及预期；半导体扩产不及预期等。 于芳博 SAC 编号:S1440522030001 SFC 编号:BVA286 庞佳军 SAC 编号:S1440524110001 方子箫 SAC 编号:S1440524070009 辛侠平 SAC 编号:S1440524070006 孟龙飞 SAC 编号:S1440525070005 内存仍然是AI算力核心卡口，HBM需求持续高景气。随着英伟达GPU的发布周期固定在每年一次，算力提升对内存容量和带宽提出了接近每年翻倍的高要求；根据咨询公司数据，GPU的计算能力在过去20年间增长了60000倍，但同期DRAM内存带宽仅提高了100倍——“内存墙”仍将长期存在，通过HBM路线实现低功耗高带宽趋势明确。以位元计算，目前HBM占整个DRAM市场比重仍在个位数，渗透率存在较大提升空间；TrendForce预测到2026年HBM出货量将超过300亿Gb。 DRAM产能供给紧缺趋势不变，SK海力士等龙头厂商加速扩产。从供给端看，HBM供应仍然紧缺，相应持续挤占DRAM产能，25Q2~Q3 DRAM厂商现货报价加速攀升；部分美国与国内厂商已经开始和晶圆厂签订2-3年的长期合同进行锁价。根据Trendforce援引The Bell报道，SK海力士计划通过清州DRAM工厂M15X和利川M16的扩产，在26H2将其DRAM晶圆产量提高到60万片/月，和三星的DRAM晶圆产能处于同一水平。具体来看，M15X在投产初期将保持在10000片/月的DRAM晶圆，到26Q4将爬坡至5万片/月。 HBM迭代周期随之显著缩短。2025年下半年，英伟达量产的GB300搭载的是12层24GB的HBM3e，2026年英伟达将发布的Rubin系列和AMD将发布的MI400系列均将搭载HBM4/4e。其中英伟达计划在26Q1完成HBM4的最终资格测试。从更新周期来看，JEDEC于2025年4月正式发布了JESD 270-4高带宽存储器(HBM4)标准，（接口宽度从HBM3/HBM3e的1024位翻倍至2048位；堆栈通道数从16个增加到32个，支持24Gb或32Gb芯片的4到16层堆栈配置），较HBM3规范发布约三年，计划落地时间较HBM3落地时点亦在三年左右。根据EETimes的预测，HBM的迭代周期从前期的每四年一代提高并稳定到每两年到两年半一代。 全球龙头存储厂商竞逐HBM4，SK海力士仍居领先地位，三星美光加速追赶。根据Trendforce预测，2025年SK海力士将以59%的HBM出货量保持行业领先地位，而三星和美光将各占20%左右份额。从时点上看，SK海力士于2025年3月交付了全球首批12层HBM4样品、6月小批量出货，计划10月快速进入量产；美光也在25Q2向主要客户交付了HBM4样品、计划2026年进入量产；三星的HBM4样品25Q2交付给英伟达，当前进入最终的预生产（PP）阶段。 从技术上看，SK海力士的HBM4拥有2048个I/O终端，带宽翻倍，引脚速度在10 Gbps以上。美光目前交付HBM4样品超过2.8 TBps带宽和超过11 Gbps引脚速度，计划在2027年同时推出标准版和定制版的HBM4e。三星同样计划于2027年推出HBM4e产品，目标引脚速度超过13Gbps，目标最大吞吐量3.25TB/s，较当前HBM2.5e快约3倍。 远期看，英伟达计划自研Base Die，意在进一步提高传输速率。除传统晶圆厂外，为了进一步提高传输速率，AI算力芯片厂商也开始协同进行HBM设计。2025年8月，英伟达宣布计划自研HBM内存Base Die，采用3nm工艺，预计于2027年下半年开始小规模试产。英伟达此次自研HBM内存Base Die的计划，旨在优化AI芯片的内存带宽与能效匹配度；未来英伟达的HBM内存有望采用内存原厂DRAM Die与英伟达Base Die的组合模式，标志着其在高性能计算存储架构领域的垂直整合进一步深化。 风险提示： 1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险； 2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险； 3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险； 4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险； 5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。 刘双锋 SAC 编号:S1440520070002 SFC 编号:BNU539 庞佳军 SAC 编号:S1440524110001 孙芳芳 SAC 编号:S1440520060001 章合坤 SAC 编号:S1440522050001 王定润 SAC 编号:S1440524060005 何昱灵 SAC 编号:S1440524080001 郭彦辉 SAC 编号:S1440520070009 赵子鹏 SAC 编号:S1440523080001 梁艺 SAC 编号:S1440525080006 混合AI有望成趋势，端侧AI价值显现 云边协同的混合式AI架构对AI的规模化扩展起到重要作用。根据高通《混合AI是AI的未来》白皮书，随着生成式AI正以前所未有的速度发展以及计算需求的日益增长，AI处理必须分布在云端和终端进行，才能实现AI的规模化扩展并发挥其最大潜能。与仅在云端进行处理不同，混合AI架构可以根据模型和查询需求的复杂度等因素，在云端和边缘终端之间分配并协调AI工作负载。云端和边缘终端如智能手机、汽车、个人电脑和物联网终端协同工作，能够实现更强大、更高效且高度优化的AI。 端侧AI具有成本、能耗、可靠性、隐私、安全和个性化优势。 成本优势：AI推理的规模远高于AI训练。模型的推理成本将随着日活用户数量及其使用频率的增加而增加。在云端进行推理的成本极高，这将导致规模化扩展难以持续。将一些运算负载从云端转移到边缘终端，可以减轻云基础设施的压力并减少开支。 能耗优势：边缘终端能够以很低的能耗运行生成式AI模型，尤其是将处理和数据传输相结合时。 可靠性、性能和时延：当生成式AI查询对于云的需求达到高峰期时，会产生大量排队等待和高时延，甚至可能出现拒绝服务的情况。向边缘终端转移计算负载可防止这一现象发生。 隐私、安全和个性化：由于数据处理完全在本地进行，终端侧AI有助于保护个人信息，以及企业和工作场所中的机密信息。以本地和云端分别运行AI大模型制作行程安排为例，本地AI大模型通过长期学习用户行为，并利用本地存储的信息，可以给出更贴合用户生活习惯、更准确的建议。相较之下，如果云端模型需要访问用户本地存储的文件、浏览记录等信息再给出个性化的建议，用户通常较难接受。 边缘侧已具备运行AI的实践基础，未来将支持多样化的生成式AI模型。在生成式AI出现之前，AI处理已在终端侧获得应用，越来越多的AI推理工作负载在手机、PC等边缘终端上运行。自2017年华为麒麟 970 首度在手机 SoC中引入了 NPU（用于拍摄和图像识别）之后，高通与联发科也先后在2018年的骁龙855和2019年的天玑1000中集成了NPU/APU模块；目前NPU已逐渐成为手机SoC中常备集成的模块，且用途从最初的协同ISP进行图像处理发展为目前端侧模型的主要支撑者，重要性与日俱增。在2024年发布的骁龙8e和天玑9400上，分别集成了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用于AI处理，NPU模块占SoC投影面积比例显著提升。除此之外，OPPO还曾在2021年12月举办的OPPO INNO DAY上发布了首款外挂式NPU MariSilicon X(采用TSMC 6nm制程)，尽管只是用于图像处理，但仍让我们看到了未来NPU在端侧独立部署的另一种可能。 终端设备有望在AI的催化下迎来新一轮创新周期。生成式AI正在驱动新一轮内容生成、搜索和生产力相关用例的发展，覆盖包括智能手机、PC、汽车、XR以及物联网等终端品类，提供全新的增强用户体验。以PC为例，AI大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美契合PC作为生产力工具的定位。此外，在以终端为中心的混合AI架构中，多数任务能够在PC本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，全球科技巨头正加速投入。 风险提示： 1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险； 2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险； 3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险； 4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险； 5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。 刘双锋 SAC 编号:S1440520070002 SFC 编号:BNU539 庞佳军 SAC 编号:S1440524110001 孙芳芳 SAC 编号:S1440520060001 章合坤 SAC 编号:S1440522050001 王定润 SAC 编号:S1440524060005 何昱灵 SAC 编号:S1440524080001 郭彦辉 SAC 编号:S1440520070009 赵子鹏 SAC 编号:S1440523080001 梁艺 SAC 编号:S1440525080006 国内外大模型加速迭代，差距进一步缩窄 2024年以来，国内外模型均加速迭代。其中海外各家大厂模型能力侧重有所不同，OpenAI通过GPT-5统一了O系列和数字系列模型，并聚焦幻觉率下降以适配用户落地需求；Anthropic的Claude围绕编程能力不断优化，Sonnet 4已支持百万token上下文；xAI基于20万GPU集群开发的Grok 4引入了多个智能体共同思考的模式，其RL投入的算力已超过Pre-Training算力；Google Gemini和Veo模型则分别对应Chrome和YouTube产品生态。国内由阿里主导开源生态，围绕“全尺寸”“全模态”“多场景”推出各种模型；初创厂商中DeepSeek及MiniMax亦入局争夺开源第一宝座，DeepSeek-R1、MiniMax-M2模型均以较低成本实现较高性能。 随着国内外模型进一步迭代，预计国内开源阵营头部模型能力与海外大厂闭源模型差距将进一步缩窄，并通过成本优化为AI应用打开空间。 国内厂商不断优化模型架构，竞相争夺开源第一 国内前沿模型与海外差距缩短，多方角逐开源阵营领先地位。横向对比各厂商大模型能力，尽管以OpenAI为代表的海外厂商持续引领技术优势，但国内前沿模型能力同样始终位列全球第一梯队，且较海外头部厂商的差距已由最初的6个月以上缩短到目前的约3个月。就厂商而言，阿里作为国内唯一践行全面开源战略的互联网大厂，持续引领国内开源模型风向；但也不乏DeepSeek、MiniMax等初创厂商在开源领域崭露头角。 加单不断，全球资本开支持续上行 当前国内外资本开支向上的趋势基本一致，但近期海外以OpenAI和Oracle主导的算力大单进一步加速了开支上行节奏。其中，OpenAI通过和AMD、英伟达、博通、CoreWeave等合作，向着2033年达到250GW数据中心的目标不断推进；Oracle则坚定向GPU云转型，以超过经营性现金流的投入体量加速部署AI数据中心。OpenAI多样化的算力融资方式，以及Oracle需要举债的资本开支投入方式，有望促进海外传统云和科技厂商，以及国内的大厂进一步上修资本开支预期。 国内B端AI商业化初显 国内B端企业AI商业化初显，Pre-AI环节需求旺盛，降本增效的垂直场景推进较快。当前国内AI应用正处于加速渗透阶段，政策层面，中央密集出台一系列政策文件，提出“适度超前建设数字基础设施”并 印发《关于深入实施“人工智能+”行动的意见》，提出到2027年智能体渗透率达到70%。技术突破方面，国产大模型DeepSeek V3.1版本发布，编程能力提升以及更长上下文窗口支持有望推动智能体在更多复杂场景的落地，助力企业数字化、智能化建设，提升企业管理效率。 从当前2B企业已公告AI相关订单或收入的情况看，尽管订单或收入绝对值不高，但AI已经开始逐步体现商业化价值。 风险提示： 应瑛 SAC 编号:S1440521100010 SFC 编号:BWB917 王嘉昊 SAC 编号:S1440524030002 张敏 SAC 编号:S1440525070012
参与讨论
-
- feuser_5798325 中信建投：算力产业链2026年投资展望
