輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。中信建投通訊&人工智慧、電腦、電子、機械團隊推出【AI算力產業鏈投資前景】系列研究：01 GTC 大會召開， Token 為王，持續看好AI算力類股1）輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。2）大會回溯 CUDA 架構二十年發展鑄就的生態護城河，發佈 cuDF、cuVS 兩大核心軟體庫與 Vera Rubin 超級 AI 平台，深度佈局 OpenClaw 智能體生態，同時公佈 Feynman 架構、DSX 基建平台、軌道太空資料中心等前瞻規劃。我們認為，本次 GTC 大會進一步驗證了 AI 產業的高景氣度與長期成長空間，我們持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域，我們對 AI 帶動的算力需求以及應用持續樂觀。輝達 2026 年 GTC 大會隆重舉行，本次大會全面展現了輝達在 AI 領域的全端技術實力與長期產業佈局，成為 AI 產業從大模型訓練向推理與智能體應用演進的關鍵里程碑。大會開篇，黃仁勳用近十分鐘回溯了 CUDA 架構誕生二十年的演進歷程，明確 CUDA 是輝達所有業務的核心，其最難以複製的壁壘，是二十年沉澱的全球海量安裝基數，以及由此形成的 “安裝基數 - 開發者 - 技術突破 - 生態擴容” 閉環增長飛輪。二十年技術深耕讓 CUDA 形成了覆蓋數千種工具、編譯器、框架和庫的完整開發生態，數億塊可運行 CUDA 的 GPU 與計算系統實現了對全球主流雲廠商、企業的全覆蓋，這是競爭對手無法通過技術、資金在短期追趕的核心護城河，而 CUDA 帶來的超長產品生命周期與持續軟體最佳化能力，也持續放大輝達的成本與生態優勢。本次大會的核心主線明確了 “Token 為王” 的 AI 產業新邏輯，正式宣告 AI 推理拐點已經到來。大會指出，ChatGPT 開啟生成式 AI、推理 AI 實現邏輯規劃、Claude Code 開啟代理時代三大里程碑事件，推動 Token 使用量呈爆炸式增長，AI 產業已從訓練主導階段全面進入推理主導的全新階段，AI 的思考、行動、閱讀、推理全環節都依賴推理計算，算力需求增長已達 100 萬倍。黃仁勳在大會中重新定義了 AI 產業的商業邏輯，指出受電力等物理條件限制，資料中心的核心價值已從傳統儲存計算中心，重構為生產 Token 的 “AI 工廠”，衡量 AI 系統效率的核心指標是每瓦特功耗能夠生成的 Token 數量，Token 成為 AI 時代的核心數字商品。輝達通過軟硬體全端協同設計，實現了 Token 生產成本的全球絕對領先，從 Hopper H200 到 GB NVL72 架構，每 GW 性能提升 35-50 倍，僅軟體棧更新即可讓現有推理平台的 Token 生成速度提升約 7 倍，同時輝達重磅宣佈 Rubin+Blackwell 晶片到 2027年營收將至少達到 1 兆美元，為 AI 算力產業的長期增長打開了空間。為適配推理與智能體時代的需求，輝達在大會中完成了軟體與硬體的全端革新。軟體層面，大會重磅發佈 cuDF、cuVS 兩大核心軟體庫，重構適配智能體時代的企業級資料處理基礎設施，其中 cuDF 專為結構化資料加速，完美適配企業常用的 SQL、Excel 等工具，解決 AI 讀資料慢的核心瓶頸，cuVS 則專注非結構化資料處理，能夠啟動企業內佔比超 90% 的非結構化沉睡資料，目前兩項技術已在 IBM、雀巢等企業落地應用，實現了資料處理效率的大幅提升與成本的顯著下降。同時，輝達宣佈深度支援開源智能體作業系統 OpenClaw，黃仁勳評價其增長速度超過過往數十年的 Linux，是智能體時代的關鍵軟體底座，針對企業級智能體部署的安全痛點，輝達同步推出企業級安全增強版 NemoClaw 參考架構，解決了智能體落地的核心安全障礙，並明確預判傳統 SaaS 模式將全面轉向 AaaS（智能體即服務），未來幾乎所有軟體企業都將被這一浪潮重構。硬體層面，大會重磅發佈了已全面投產的 Vera Rubin 超級 AI 平台，這是專為智能體 AI 打造的軟硬體全端垂直整合計算系統，也是輝達支撐兆營收目標的核心硬體底座。該平台通過 7 款自研晶片 + 五大專用機架的全鏈路協同設計，覆蓋計算、網路、儲存三大核心環節，專為高 Token 消耗、長上下文處理的智能體工作負載設計，目前已獲得 Anthropic、OpenAI、Meta 等頭部 AI 廠商及全球頂級雲服務商的客戶支援。平台通過 Rubin GPU 與自研 Vera CPU 協同、Groq3 LPU 低延遲推理異構加速、BlueField-4 DPU 驅動的 STX 儲存架構革新、全液冷系統與 CPO 光電共封裝技術升級，實現了 Token 生產能效與成本的顛覆性最佳化，整套系統可提供 60 exaflops 的運算能力與 10 PB/s 的總擴展頻寬，單吉瓦算力可解鎖 1500 億美元的年營收機會。大會同步推出了平台的超大規模擴展版本 Rubin Ultra，實現了單 NVLink 域 144 顆 GPU 的統一協同，同時黃仁勳明確重申，光銅協同仍是支撐 AI 算力增長的核心支柱。此外，本次大會輝達還完成了 AI 算力的全維度長期規劃，公佈了三大核心前瞻佈局：一是 2028 年將商用的下一代 Feynman 架構，核心目標是將傳統資料中心伺服器叢集重構為一台高度整合的巨型超級電腦，通過定製化 HBM 記憶體、自研 Rosa CPU、計算儲存封裝深度耦合實現算力的跨越式升級；二是 NVIDIA DSX 端到端基礎設施平台，覆蓋 AI 資料中心從設計、建設到維運的全流程，解決超大規模算力叢集的部署效率、能源效率與穩定性核心痛點；三是太空算力前瞻佈局，計畫聯合合作夥伴開發 Vera Rubin Space One 太空計算平台，在地球軌道建設太空資料中心，突破地面算力的邊界限制。整體而言，本次 GTC 大會全面驗證了 AI 產業仍處於高速發展的產業革命處理程序中，明確了推理拐點的到來與智能體時代的開啟，將持續帶動全球 AI 算力需求的爆發式增長。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。02 關注數位人民幣和國產算力鏈數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。數位人民幣營運機構有望擴容，12家商業銀行或將入圍，數位人民幣相關系統建設與改造需求有望加速釋放。 25年12月，《關於進一步加強數位人民幣管理服務體系和相關金融基礎設施建設的行動方案》出台，新一代數位人民幣計量框架、管理體系、運行機制和生態體繫於2026年1月1日啟動實施，標誌著數位人民幣正式進入M1/M2的新時代。數位人民幣計息擴容等落地實施成為後續關注重點。3月20日，根據上證報新聞，自相關管道獲悉，數字人民幣業務營運機構有望擴容，12家商業銀行或入圍，將接入央行端數位人民幣系統。有望擴容名單包括中信銀行、光大銀行、華夏銀行、民生銀行、廣發銀行、浦發銀行、浙商銀行這7家全國性股份行；寧波銀行、江蘇銀行、北京銀行、南京銀行、蘇州銀行這5家地方城商商行。一家城商行人士向記者證實已經收到有關部門相關通知要求，需要如期完成系統研發、聯調測試、驗收投產、上線面客等工作。此外，3月17日，寧波銀行在其官方採購管理系統發佈了兩則公告，對外召集“數位人民幣系統建設項目供應商”。公告顯示根據業務發展需要，按照寧波銀行採購相關管理辦法，擬對《數位人民幣系統建設項目》面向社會公開徵集供應商，誠邀符合條件的供應商參與方案洽談。我們認為，隨著數位人民幣進入M1/M2時代，銀行營運推廣數位人民幣的動力大幅增加，數位人民幣核心系統建設以及相關IT系統改造需求有望加速釋放。阿里雲與AI業務強勁增長，管理層目標相關業務五年年化增速約47%。阿里於3月19日發佈截至2025年12月31日的2026財年Q3財報，阿里雲收入432.84億元，同比增長36%，AI相關產品收入連續第十個季度三位數增長，AI已經成為公司主要增長引擎之一。資本開支方面，阿里持續加大投入力度，最新財季資本開支約290億元，且公司CEO在業績會上提出考慮到客戶AI推理需求的爆發式增長，此前提及的3800億元投資可能顯得偏小，會在確保財務健康的前提下動態調整資本開支節奏。今年以來，阿里雲在模型、應用、晶片層均取得一定突破，Qwen3.5-Plus在推理、程式設計、Agent智能體等領域取得積極進展。阿里自研的平頭哥GPU晶片截至2026年2月已累計規模化交付47萬片，年化營收規模達百億，已為阿里的雲基礎設施提供實質性貢獻。據阿里CEO吳泳銘，阿里雲基礎能力的建設和持續增長正將阿里巴巴的AI戰略推向新的高潮，五年內阿里雲和AI商業化年收入將從今年的1000多億元大幅增長至1000億美元，復合年化增長約47%。為了實現AI商業化加速落地，阿里近期發佈了企業級AI原生工作平台“悟空”，悟空Agent能原生操作釘釘上千項能力。此外，阿里本周還宣佈正式成立Alibaba Token Hub（ATH）事業群，圍繞“創造Token、輸送Token、應用Token”重組AI業務體系，為AI toB & to C業務拓展提供組織保障和戰略協同。AI逐步融入騰訊各項業務，騰訊雲首次實現規模化盈利。騰訊於3月18日發佈2025年全年業績，收入利潤均實現穩健增長。AI正融入騰訊各個業務類股，遊戲業務部署AI以改善使用者體驗、廣告業務融入AI提升行銷效益、元寶及微信等服務接入AI能力完善生態佈局等。此外，騰訊雲2025年雖然因為優先保障內部需求導致外部客戶GPU供應有限，營收相對承壓，但仍首次實現規模化盈利，調整後營業利潤達50億元。資本開支方面，騰訊2025年全年約為792億元，同比小幅增長3%創歷史新高，2026年一方面加大AI產品投入，混元、元寶相關投入在2025年180億元基礎上預計2026年投入翻倍；另一方面，會根據AI訓練推理需求、雲業務增長和晶片供應情況動態調整資本開支節奏，2026年資本開支會高於2025年。騰訊預計將瞄準AI融入產品生態中的發展戰略，今年以來騰訊密集發佈包含元寶派、WorkBuddy、QClaw等AI功能與產品，有望憑藉自身社交、辦公相關生態卡位優勢搶佔AI時代流量入口。總結：數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響（目前美國持續加息，影響科技行業估值，同時市場對於海外衰退預期加強，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓）。03 AI算力驅動散熱架構升級，液冷一次側裝置迎來價值重估AI算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫、穩定、可控要求大幅提升，使得一次側系統從輔助配套升級為核心基礎設施。一次側散熱裝置中冷水機組和壓縮機尤為關鍵，冷水機組作為核心冷源，承擔全天候兜底製冷功能，壓縮機作為冷水機組動力核心，直接決定整機製冷量、能效水平與運行穩定性。隨著資料中心製冷系統向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機單機價值量、技術壁壘與行業集中度同步抬升，具備自主技術的磁懸浮離心壓縮機廠商，以及擁有大冷量產品、切入主流供應鏈的冷水機組龍頭企業將持續受益。AIGC驅動散熱需求爆發，液冷已成首選解決方案AIGC浪潮推動AI大模型迭代及商業化落地持續加速，訓練端與推理端算力需求呈指數級增長，直接帶動全球AIDC進入爆發式建設周期。國內外大型科技企業算力相關資本開支大幅增加，為AIDC建設提供有力支撐，全球及國內AIDC市場規模持續擴容，高功率密度大型、超大型算力中心已成為未來建設重點。與此同時，AIDC單機櫃功率密度持續攀升，傳統風冷技術已無法滿足高密算力的散熱需求，疊加“雙碳”目標下全球資料中心PUE管控標準持續收緊，液冷技術憑藉耗能低、散熱效率高、運行工況優異、全生命周期成本低等核心優勢，成為AIDC製冷系統的首選方案。AIGC驅動、功率密度提升、PUE管控收緊三大因素形成共振，推動液冷散熱需求加速釋放，為液冷一次側散熱行業的快速發展奠定了堅實基礎。液冷一次側散熱重要性提升，冷水機組與壓縮機成核心環節AIDC液冷系統以CDU為界分為一次側與二次側，其中一次側作為室外冷源側，承擔熱量外排核心職能，其冷源方案直接決定資料中心PUE與TCO，與二次側協同完成全流程散熱閉環，一次側散熱作為聯結機房內部熱交換與外部環境排熱的核心鏈路，重要性日益凸顯。一次側散熱方案呈現三大主流格局，冷水機組為兜底冷源，是各類方案中不可或缺的核心，也是液冷一次側價值量與技術壁壘最高的環節。壓縮機作為冷水機組的“心臟”，成本佔比超50%、能耗佔比約72%，由於AIDC與傳統IDC在需求上差異顯著，螺桿壓縮機、傳統離心壓縮機的能效、冷量和穩定性短板凸顯，而磁懸浮離心壓縮機憑藉無油運行、高能效、寬負荷調節、溫控精準等優勢，可完美適配AIDC液冷需求，已成為新建高密度智算中心標配。需求爆發與技術突破共振，一次側散熱國產替代重構行業格局隨著 AIGC 推動全球算力基建高速增長，資料中心算力密度持續提升，散熱需求加速升級，冷水機組與壓縮機作為一次側核心裝置，直接影響資料中心PUE與整體營運成本TOC，行業需求持續釋放。當前全球一次側裝置高端市場長期由開利、特靈、約克、麥克維爾等美系巨頭及磁懸浮領域龍頭丹佛斯佔據，外資憑藉技術、品牌與客戶資源優勢主導高端供給，但普遍存在價格偏高、交付周期長、本土化適配不足及產能緊張等問題，為國內企業帶來替代機遇。國內廠商在政策支援與需求紅利下，已在磁懸浮軸承、高速電機、控制系統等核心技術實現突破，企業憑藉高性價比、快速交付與本土化服務，持續向中高端市場滲透，在冷水機組整機與磁懸浮離心壓縮機環節加速推進國產替代。未來隨著液冷普及與行業格局重構，具備核心技術與規模化交付能力的國產龍頭有望實現市場份額與盈利水平的雙重提升。投資建議：AIDC 液冷一次側散熱已成為AI算力基建的剛性核心環節，行業正處在滲透率快速提升、技術路線升級與國產替代三重共振的高確定性成長階段。AI 算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫輸出、連續穩定、精準可控要求大幅提升，使得一次側系統由輔助配套升級為算力基礎設施的核心組成部分。液冷一次側系統中，冷水機組和壓縮機因其承擔核心供冷與動力輸出職能、契合冷源高效化升級趨勢，重要性和價值量顯著提升，其中冷水機組承擔全天候兜底製冷與穩定供冷功能，是液冷體系中不可或缺的關鍵裝備；壓縮機作為冷水機組唯一做功部件與“動力心臟”，價值量佔比超50%，直接決定整機製冷量、能效水平與運行穩定性，是產業鏈技術壁壘與盈利核心。隨著液冷滲透率持續提升、單機櫃功率不斷上移，資料中心冷源正加速向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機從傳統螺桿路線向磁懸浮離心路線迭代，單機價值量、技術壁壘與行業集中度同步抬升。建議聚焦AIDC液冷一次側散熱高價值、高壁壘環節，重點佈局兩條主線：①磁懸浮離心壓縮機核心標的：優先選擇已實現磁懸浮軸承、高速永磁電機、控制系統自主突破，產品完成客戶驗證並進入批次供貨的壓縮機廠商，充分受益技術迭代與國產替代紅利；②大功率冷水機組整機龍頭：重點關注面向AIDC場景、具備大冷量機型與系統方案能力，已切入主流雲廠商與算力中心供應鏈的冷水機組企業，受益行業規模擴張與格局集中。1.1 AIGC浪潮驅動全球算力基礎設施建設進入爆發式增長周期AI大模型迭代與商業化落地加速，共同推動算力需求在訓練端與推理端呈現指數級增長。訓練端，隨著AI大模型從基礎研發向超大規模、多模態、AI智能體（Agents）升級，模型的參數量從1.17億提升至數兆，模型結構也從稠密LLM模型向MoE稀疏化模型以及多模態模型持續演進發展，單次任務Token消耗量呈指數級上升。與此同時，模型數量也在呈井噴式增長，據中國資訊通訊研究院統計，截至2025年6月底，中國已發佈1509個大模型，在全球已發佈的3755個大模型中數量位居首位。推理端，AI大模型推動各領域智能化轉型加速，已從初步應用向深度賦能階段邁進，成為推動行業高品質發展的核心驅動力。從發展趨勢來看，隨著多模態大模型技術的不斷迭代以及具身智能的逐步落地，AI技術將打破現有應用邊界，更深層次地融入生產生活各領域，催生出新的應用場景與商業模式。無論是從AI業務負載還是應用發展趨勢，都在驅動算力需求呈現爆發式增長。AIDC作為AI產業的核心算力基座，其建設規模與增速與AI行業發展高度相關，當前全球算力技術設施建設正進入新一輪快速發展期。根據科智諮詢與Global Growth Insights資料，2021年全球資料中心市場規模為765.6億美元，預計2026年將達到1459.2億美元，2027年將增至1632.5億美元，到2035年將進一步達到2621.5億美元以上，未來十年全球AIDC市場將呈現高速增長態勢。國內市場方面，根據工信部資料顯示，截至2025年6月，中國在用算力中心標準機架達1085萬架，智能算力規模達788EFLOPS，幹線400G連接埠數量大幅增加至14060個，存力總規模超過1680EB，全國算力中心平均電能利用效率（PUE）降至1.42，算力基礎設施規模和水平不斷提升。與此同時，大型以上算力中心機架數量佔算力中心總機架規模比重逐年上漲，部分超大型算力中心的平均單機櫃功率已達20kW，高功率密度、高算力的大型、超大型算力中心已經成為未來建設的重點。本輪全球算力基礎設施建設提速主要源自國內外大型科技企業持續的資本開支增加。自2022年以來，北美四大雲廠商為代表的國內外大型科技企業資本開支經歷了顯著的周期性變化。2022年至2023年上半年，受宏觀經濟逆風及疫情後需求變化影響，資本開支增速放緩甚至出現負增長。然而，自2023年下半年起，受生成式AI技術突破驅動，無論是海外的科技巨頭，還是國內的網際網路大廠，均在人工智慧基礎設施上投入重金，開啟了新一輪激進的“AI軍備競賽”，資本開支在2024年和2025年呈現爆發式增長，主要資金流向AI基礎設施，主要包括購買GPU和定製晶片、建設或租賃大規模智算中心、採購配套能源設施等，以應對大模型訓練與推理帶來的算力挑戰。2025年全球各大雲廠商均宣佈了近千億美元等級的資本開支計畫，核心投向用於AI訓練和推理的GPU叢集，其中OpenAI正計畫到2030年累計投入約6000億美元用於算力支出，字節跳動初步規劃2026年資本開支1600億元人民幣，較2025年同比增長7%，阿里雲則在未來三年3800億元資本開支基礎上額外增加投入。風險提示：1）技術迭代不及預期風險：磁懸浮離心壓縮機核心技術（磁懸浮軸承、高速永磁電機）研發難度高，若國內廠商技術突破進度慢於行業升級節奏，或液冷冷源出現更優替代技術路線，可能導致相關企業產品競爭力下降，錯失行業增長機遇。2）核心零部件供應鏈風險：冷水機組、磁懸浮壓縮機部分高端零部件（如精密感測器、高端控製器）仍依賴進口，若海外供應鏈出現中斷、進口限制或價格大幅上漲，將影響國內企業生產交付、成本控制及產品性能穩定性。3）行業需求落地不及預期風險：AIDC建設受AI算力擴張節奏、政策調控、資本開支收縮等因素影響，若下游算力中心建設進度放緩，液冷滲透率提升不及預期，將直接影響冷水機組、磁懸浮壓縮機的訂單放量，拖累行業及相關企業成長。4）行業競爭加劇風險：隨著液冷一次側散熱賽道熱度提升，傳統製冷企業、跨界企業加速佈局冷水機組及磁懸浮壓縮機領域，可能引發價格戰，導致行業盈利水平下滑；同時，海外頭部廠商若加速產能釋放、技術下沉，將擠壓國產廠商市場份額。04 公募基金通訊行業持倉佔比再創新高，持續推薦AI算力類股2025Q4，公募基金通訊行業持倉市值3428.71億元，同比增長63.80%，環比增長12.84%，創歷史新高；公募基金通訊行業持倉市值佔比10.18%，創歷史新高，較2025Q3的持倉佔比6.87%提升3.31pcts，較2024Q4的持倉佔比3.57%提升6.61pcts。通訊行業公募基金持倉市值前十大個股集中在光模組光器件類股。部分算力公司已披露業績預告，保持較快增長勢頭。近期，算力類股走勢糾結，我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，也建議關注可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股、量子科技類股。AI算力需求增長強勁，算力產業鏈部分公司業績高增發佈業績預告的光模組/光器件公司2025年歸母淨利潤幾乎均實現50%以上的同比增長，其中長芯博創、光庫科技預計2025年歸母淨利潤同比增長超過100%，光模組/光器件公司業績表現突出主要是受益於人工智慧相關算力投資持續增長。同時，連接器公司鼎通科技受益於AI驅動連接器市場需求旺盛，業績顯著增長。近期，算力類股走勢比較糾結。我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。目前，AI大模型仍在持續迭代升級，算力需求旺盛，站在中期視角我們仍建議持續重視AI類股。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，我們也建議關注未來可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股，國內外巨頭紛紛加碼的量子科技類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。05 千問接入阿里生態業務，台積電超預期，推薦算力類股1月15日，Qwen App正式宣佈全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務。這一動作標誌著Qwen App超越了傳統意義上的“聊天機器人”。與此前ChatGPT、Gemini已經推出的購物功能相比，依託阿里生態的各項業務，Qwen App能夠做的事情更多，成為了全球首個能完成真實生活複雜任務的AI助手。長期以來，使用者對大模型的體感大多停留在螢幕內的數字閉環，AI可以幫助使用者寫文案、畫圖，但一旦涉及現實世界的互動，AI往往會因為缺乏執行工具而無法操作。而此次Qwen App的升級，改變了這一局面。在這場AI超級入口戰役中，Qwen被內部賦予的差異點之一是，阿里擁有Qwen開源模型和從支付、購物到出行、旅行、娛樂的生態和履約能力，因此“模型”+“生態”整合會是其獨特優勢所在。發佈會現場，Qwen C端事業群總裁吳嘉演示了一個典型的生活場景：使用者僅需語音下達“幫我點40杯霸王茶姬的伯牙絕弦”指令，Qwen App即刻呼叫淘寶閃購介面生成訂單，並通過系統級打通的“支付寶AI付”完成支付，全程無需跳轉第三方應用。這種所說即所得的體驗重構了消費鏈路，過去的電商購物需要“搜尋-比價-加購-支付”等繁瑣步驟，而Qwen將其折疊為一個對話方塊，引領行業從傳統聊天工具正式邁入辦事時代。我們認為，大模型已經持續迭代超過3年，CSP廠商也為此投入大額資本開支，2026年有望成為AI全面走嚮應用發展的一年，包括整合生態推出各類AI助手、通過廣告引流實現創收等，建議重視AI應用的發展。當然，AI應用的發展也會繼續推動大模型進一步訓練迭代以及推理算力的持續增長，因此也持續看好算力類股。台積電披露最新財報，收入、淨利潤、毛利率與資本開支指引均超出市場預期，公司提及大額資本開支指引是基於與客戶反覆溝通後確定的。對此，我們認為台積電的指引可以作為算力行業的重要前瞻指標，預期2027年算力需求仍有望保持強勁增長勢頭，從通訊行業來看我們持續推薦光模組、液冷、光纖光纜等類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。06 國內算力與衛星網際網路建設或再提速，重點關注輝達宣佈新一代“Rubin”計算架構平台已正式進入量產階段，中國客戶對H200的需求“非常高”。工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》。DeepSeek或將推出新一代旗艦級人工智慧模型。除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，其中，中國移動申報了兩個星座，規模為2664顆衛星。中國移動資金實力強，客戶規模龐大，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司建議重點關注。在CES 2026主題演講中，輝達CEO黃仁勳宣佈新一代“Rubin”計算架構平台已正式進入量產階段。其在接受媒體採訪時表示：公司已重啟H200供應鏈，中國客戶對H200的需求“非常高”。同時，馬斯克旗下AI初創公司xAI發佈公告，宣佈已完成一輪200億美元的E輪融資，超過了此前設定的150億美元目標，公司計畫利用本輪新融資，繼續擴巨量資料中心規模，並推進Grok模型的進一步開發與訓練。近日，工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》，提出到2027年，中國人工智慧關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。此外根據新浪財經報導，DeepSeek預計將在未來幾周內推出新一代旗艦級人工智慧模型，該模型主打強勁的程式碼生成能力。在大模型能力提升和下游應用逐漸萌芽等因素的推動下，國內AI算力需求有望持續提升，除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。根據國際電信聯盟（ITU）最新披露資料，中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，這一規模創下國內衛星星座申報的新紀錄。其中，中國移動申報了兩個星座：分別被命名為CHINAMOBILE-L1，規模為2520顆（低軌）；CHINAMOBILE-M1，規模為144顆（中軌），兩個星座總計為2664顆衛星。中國移動資金實力強，且作為基礎電信營運商，客戶規模龐大，並擁有衛星移動通訊業務牌照，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。07 持續推薦AI算力類股，關注量子計算與商業航天產業鏈OpenAI發佈其人工智慧模型的最新升級版GPT-5.2，提供Instant、Thinking和Pro三種模型，是迄今在專業知識工作領域中能力最強的模型系列，在製作電子表格、建構簡報、編寫程式碼、圖像理解、長文字處理、工具使用及處理複雜的多步驟任務等方面都有顯著提升。與GPT-5.1相比，GPT-5.2產生幻覺的情況更少，回答錯誤率相對降低了約30%，這意味著在運用模型進行調研、寫作、分析與決策支援時出錯更少，模型在日常知識型工作中變得更為可靠。博通本周公佈了2025財年第四季度業績，CEO陳福陽表示，未來18個月內博通在AI定製晶片、交換機及其它資料中心硬體產品上的訂單積壓已達730億美元。此外，據彭博社報導，美國將批准輝達向中國出口H200 AI晶片，條件是美政府從銷售額中抽取25%分成，銷售僅限“獲批准的客戶”。我們認為，AI大模型仍在持續迭代升級，競爭遠未結束，算力需求旺盛，繼續看好AI算力類股。北美鏈繼續看好之外，國內鏈也建議重視，一方面國內鏈公司前期調整較多，而北美鏈光模組公司近期已紛紛新高，另一方面隨著國產GPU能力及供給量的提升以及H200的放開，有望加速國內AI算力基礎設施的部署節奏。量子科技作為國家重點佈局的未來產業，近期催化不斷，如國儀量子技術（合肥）股份有限公司科創板IPO申請已獲得受理，國家標準《無液氦稀釋製冷機》正式發佈，建議持續關注量子科技產業鏈，尤其是量子計算整機、稀釋製冷機、低溫同軸線纜等環節。本周，中國在海南商業航天發射場成功將衛星網際網路低軌16組衛星發射升空；文昌國際航天城年產1000顆衛星的超級工廠即將投產，可實現“衛星出廠即發射”的無縫銜接；SpaceX正推進IPO計畫，公司的估值目標或定為約1.5兆美元。此前，國家航天局印發《國家航天局推進商業航天高品質安全發展行動計畫（2025-2027年）》，推進商業航天高品質發展和高水平安全。建議持續關注商業航天領域相關投資機會。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。08 AI大模型與應用持續發展，算力受益，關注量子DeepSeek V3.2正式版發佈，強化Agent能力，融入思考推理。在公開的推理類Benchmark測試中，DeepSeek-V3.2達到了GPT-5的水平，僅略低於Gemini-3.0-Pro。DeepSeek-V3.2-Speciale的目標是將開源模型的推理能力推向極致，探索模型能力的邊界。字節跳動旗下豆包團隊與中興通訊合作推出首款工程樣機nubia M153，支援豆包手機助手，進一步探索手機側AI Agent。我們認為，AI大模型仍在持續迭代，大局未定，各家都存在繼續進步或逆襲可能，所以不能因為某些模型階段性領先就過度看空其餘模型及相關公司產業鏈，AI應用也在持續發展，不論是手機還是眼鏡，尚未到完全突破階段，但都可能引發階段性行情，值得持續關注。亞馬遜發佈Trainium3，基於3奈米製程打造，性能較Trainium2提升4倍，能效提升40%。同時，亞馬遜表示正在研發中的Trainium4將支援與輝達晶片協同工作。AMD蘇姿丰證實已獲批對華出口AI晶片MI308，需向美政府支付15%稅費。摩爾線程上市首日大漲。xPU持續迭代，市場高度關注，有望推動AI進一步快速發展。近期，AI產業鏈催化不斷，包括Google新模型性能大幅提升及TPU展示出的較強能力、DeepSeek V3.2正式版發佈、亞馬遜發佈Trainium3、以及摩爾線程上市市場展現出的高參與熱情等等，同時更多公司包括輝達、阿里、AMD等否認AI泡沫的觀點，均展現了AI的良好發展前景。目前，世界正處於AI產業革命中，類比工業革命，影響深遠，不能簡單對比近幾年的雲端運算、新能源等，需要以更長期的視角、更高的視野去觀察。因此，我們對AI帶動的算力需求以及應用非常樂觀，持續推薦AI算力類股。工業和資訊化部量子資訊標準化技術委員會籌建方案公示。我們認為，量子科技作為國家重點佈局的未來產業，承載著成為新經濟增長點的重任，建議重點關注稀釋製冷機、低溫同軸線纜等環節。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。09 國產算力：替代趨勢較為明確，生態能力逐步完善算力領域我們認為有以下投資機會：1）龍頭公司增長確定性：輝達需要整個產業鏈研發能力快速迭代、快速響應。若能力不夠很難進入輝達產業鏈，或者份額顯著下降，PCB、光模組等龍頭公司與下游晶片公司跟蹤緊密、地位穩固，其中PCB價值量未來將受益於正交背板使用、cowop工藝的提升；2）新技術升級方向，輝達階段性著重解決問題的方向，是獲取超額利潤的子方向。2025年開始，系統方案的供電、散熱問題成為整個系統的瓶頸點。北美缺電越來越明顯，電力系統需要更加穩定以及更加高效的輸送方式，關注HVDC和更高效的SST固態變壓器等技術。同時隨著晶片性能提升，散熱方面遇到越來越多的瓶頸，關注液冷板、CDU、UQD等領域大陸企業份額提升的投資機會，其次如何穩定提高晶片計算頻率，對於AI晶片來說是一個提升性能的關鍵辦法，針對下一代晶片封裝方案演進是未來重要投資方向，關注微通道蓋板、金剛石襯底或者熱介面材料；3）產業鏈加速本土化叢集。為應對快速的研發迭代，產業叢集優勢逐步顯現，如PCB產業鏈國內下游高份額之後，上游的覆銅板，覆銅板上游的樹脂、玻纖布、銅箔等等都開始了國內企業加速驗證，光模組亦是如此；4）訂單外溢。圍繞份額變化投資，隨著龍頭公司訂單外溢，整個產業鏈都呈現高景氣度，部分公司份額提升。中期維度看，訂單向國產晶片傾斜是必然趨勢。由於美國政府晶片法案多輪制裁，輝達旗艦晶片向中國的售賣持續受阻，從2022年的片間互聯、23年的算力以及算力密度限制、到2025年初的1700GB/s通訊頻寬限制，輝達產品被迫多次進行閹割，競爭力持續下降。雲廠商以及人工智慧初創公司基於算力穩定供應訴求，將更多算力採購規劃傾斜向國產晶片，並且比重不斷加大。目前看伴隨國產先進製程逐漸成熟，低端版輝達晶片在國內將不再是具有性價比的採購選項，國產算力市佔率大幅抬升時機已經成熟。目前國產晶片市場集中度提升趨勢明顯。由寒武紀、華為為代表的晶片公司憑藉強大的技術實力、優異的產品性能、以及前線業務資源的大量投入，最先實現商業化客戶業務的成功落地，在大模型推理算力建設中貢獻大量算力；以天數智芯、沐曦、崑崙芯為代表的創業公司也在奮起直追，通過良好的產品性能以及性價比，爭取大規模商業化客戶成單機會，近期可以觀察到國內晶片廠商紛紛投入大量人力物力資源，嘗試與多家頭部網際網路客戶進行業務繫結。國內晶片生態建設分為兩大路線，一條是以天數智芯、沐曦、海光等主打GPGPU路線，追求與輝達的CUDA相容，實現相容性與通用性提高，在客戶處實現遷移成本與遷移時間大幅度下降，在輝達的生態圈內搶佔市場。後續CUDA升級或模型升級，CUDA相容路線軟體棧同樣需要更新升級以適配，長期跟進對人力消耗較大；另一條則是以華為的Mindspore為代表的自主生態，試圖在輝達生態圈外建立單獨生態圈，與輝達進行競爭。其後續突圍能力，除技術成熟度外，更多考量產品出貨量與基於Mindspore開發的研發人員數量，對長期持續投入具有較高要求。財務資料角度看，國產GPU廠商已經進入營收高速增長階段。伴隨其產品運用從prefill階段逐漸向decode階段滲透，並在訓練場景得到一定落地，國產晶片廠在CSP廠處的業績快速躍遷，並為後續更進一步份額抬升打下良好基礎。除營收增速高速增長外，國產GPU廠商存貨同步進入上升軌道，“產品銷售—資金回流—流片放量”循環逐步啟動，國產替代趨勢愈發明確。風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；晶片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；疫情影響公司正常生產和交付，導致收入及增速不及預期；資訊化和數位化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；人工智慧技術進步不及預期；汽車與工業智能化進展不及預期；半導體擴產不及預期等。10 記憶體頻寬成為算力卡口，存算架構持續迭代記憶體仍然是AI算力核心卡口，HBM需求持續高景氣。隨著輝達GPU的發佈周期固定在每年一次，算力提升對記憶體容量和頻寬提出了接近每年翻倍的高要求；根據諮詢公司資料，GPU的計算能力在過去20年間增長了60000倍，但同期DRAM記憶體頻寬僅提高了100倍——“記憶體牆”仍將長期存在，通過HBM路線實現低功耗高頻寬趨勢明確。以位元計算，目前HBM佔整個DRAM市場比重仍在個位數，滲透率存在較大提升空間；TrendForce預測到2026年HBM出貨量將超過300億Gb。DRAM產能供給緊缺趨勢不變，SK海力士等龍頭廠商加速擴產。從供給端看，HBM供應仍然緊缺，相應持續擠佔DRAM產能，25Q2~Q3 DRAM廠商現貨報價加速攀升；部分美國與國內廠商已經開始和晶圓廠簽訂2-3年的長期合同進行鎖價。根據Trendforce援引The Bell報導，SK海力士計畫通過清州DRAM工廠M15X和利川M16的擴產，在26H2將其DRAM晶圓產量提高到60萬片/月，和三星的DRAM晶圓產能處於同一水平。具體來看，M15X在投產初期將保持在10000片/月的DRAM晶圓，到26Q4將爬坡至5萬片/月。HBM迭代周期隨之顯著縮短。2025年下半年，輝達量產的GB300搭載的是12層24GB的HBM3e，2026年輝達將發佈的Rubin系列和AMD將發佈的MI400系列均將搭載HBM4/4e。其中輝達計畫在26Q1完成HBM4的最終資格測試。從更新周期來看，JEDEC於2025年4月正式發佈了JESD 270-4高頻寬儲存器(HBM4)標準，（介面寬度從HBM3/HBM3e的1024位翻倍至2048位；堆疊通道數從16個增加到32個，支援24Gb或32Gb晶片的4到16層堆疊配置），較HBM3規範發佈約三年，計畫落地時間較HBM3落地時點亦在三年左右。根據EETimes的預測，HBM的迭代周期從前期的每四年一代提高並穩定到每兩年到兩年半一代。全球龍頭儲存廠商競逐HBM4，SK海力士仍居領先地位，三星美光加速追趕。根據Trendforce預測，2025年SK海力士將以59%的HBM出貨量保持行業領先地位，而三星和美光將各佔20%左右份額。從時點上看，SK海力士於2025年3月交付了全球首批12層HBM4樣品、6月小批次出貨，計畫10月快速進入量產；美光也在25Q2向主要客戶交付了HBM4樣品、計畫2026年進入量產；三星的HBM4樣品25Q2交付給輝達，當前進入最終的預生產（PP）階段。從技術上看，SK海力士的HBM4擁有2048個I/O終端，頻寬翻倍，引腳速度在10 Gbps以上。美光目前交付HBM4樣品超過2.8 TBps頻寬和超過11 Gbps引腳速度，計畫在2027年同時推出標準版和定製版的HBM4e。三星同樣計畫於2027年推出HBM4e產品，目標引腳速度超過13Gbps，目標最大吞吐量3.25TB/s，較當前HBM2.5e快約3倍。遠期看，輝達計畫自研Base Die，意在進一步提高傳輸速率。除傳統晶圓廠外，為了進一步提高傳輸速率，AI算力晶片廠商也開始協同進行HBM設計。2025年8月，輝達宣佈計畫自研HBM記憶體Base Die，採用3nm工藝，預計於2027年下半年開始小規模試產。輝達此次自研HBM記憶體Base Die的計畫，旨在最佳化AI晶片的記憶體頻寬與能效匹配度；未來輝達的HBM記憶體有望採用記憶體原廠DRAM Die與輝達Base Die的組合模式，標誌著其在高性能計算儲存架構領域的垂直整合進一步深化。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。11 端側：巨頭加碼終端側AI算力，應用落地驅動產業發展混合AI有望成趨勢，端側AI價值顯現雲邊協同的混合式AI架構對AI的規模化擴展起到重要作用。根據高通《混合AI是AI的未來》白皮書，隨著生成式AI正以前所未有的速度發展以及計算需求的日益增長，AI處理必須分佈在雲端和終端進行，才能實現AI的規模化擴展並行揮其最大潛能。與僅在雲端進行處理不同，混合AI架構可以根據模型和查詢需求的複雜度等因素，在雲端和邊緣終端之間分配並協調AI工作負載。雲端和邊緣終端如智慧型手機、汽車、個人電腦和物聯網終端協同工作，能夠實現更強大、更高效且高度最佳化的AI。端側AI具有成本、能耗、可靠性、隱私、安全和個性化優勢。成本優勢：AI推理的規模遠高於AI訓練。模型的推理成本將隨著日活使用者數量及其使用頻率的增加而增加。在雲端進行推理的成本極高，這將導致規模化擴展難以持續。將一些運算負載從雲端轉移到邊緣終端，可以減輕雲基礎設施的壓力並減少開支。能耗優勢：邊緣終端能夠以很低的能耗運行生成式AI模型，尤其是將處理和資料傳輸相結合時。可靠性、性能和時延：當生成式AI查詢對於雲的需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況。向邊緣終端轉移計算負載可防止這一現象發生。隱私、安全和個性化：由於資料處理完全在本地進行，終端側AI有助於保護個人資訊，以及企業和工作場所中的機密資訊。以本地和雲端分別運行AI大模型製作行程安排為例，本地AI大模型通過長期學習使用者行為，並利用本地儲存的資訊，可以給出更貼合使用者生活習慣、更準確的建議。相較之下，如果雲端模型需要訪問使用者本地儲存的檔案、瀏覽記錄等資訊再給出個性化的建議，使用者通常較難接受。邊緣側已具備運行AI的實踐基礎，未來將支援多樣化的生成式AI模型。在生成式AI出現之前，AI處理已在終端側獲得應用，越來越多的AI推理工作負載在手機、PC等邊緣終端上運行。自2017年華為麒麟 970 首度在手機 SoC中引入了 NPU（用於拍攝和圖像識別）之後，高通與聯發科也先後在2018年的驍龍855和2019年的天璣1000中整合了NPU/APU模組；目前NPU已逐漸成為手機SoC中常備整合的模組，且用途從最初的協同ISP進行圖像處理發展為目前端側模型的主要支撐者，重要性與日俱增。在2024年發佈的驍龍8e和天璣9400上，分別整合了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用於AI處理，NPU模組佔SoC投影面積比例顯著提升。除此之外，OPPO還曾在2021年12月舉辦的OPPO INNO DAY上發佈了首款外掛式NPU MariSilicon X(採用TSMC 6nm製程)，儘管只是用於圖像處理，但仍讓我們看到了未來NPU在端側獨立部署的另一種可能。終端裝置有望在AI的催化下迎來新一輪創新周期。生成式AI正在驅動新一輪內容生成、搜尋和生產力相關用例的發展，覆蓋包括智慧型手機、PC、汽車、XR以及物聯網等終端品類，提供全新的增強使用者體驗。以PC為例，AI大模型已能夠有效地處理文件撰寫和簡報製作等任務，完美契合PC作為生產力工具的定位。此外，在以終端為中心的混合AI架構中，多數任務能夠在PC本地運行，既保護隱私，又能及時響應。新興的發展趨勢有望帶動新一輪的產品創新周期，全球科技巨頭正加速投入。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。12 AI模型加速迭代，算力飛輪與軟體生態有望共振（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。國內外大模型加速迭代，差距進一步縮窄2024年以來，國內外模型均加速迭代。其中海外各家大廠模型能力側重有所不同，OpenAI通過GPT-5統一了O系列和數字系列模型，並聚焦幻覺率下降以適配使用者落地需求；Anthropic的Claude圍繞程式設計能力不斷最佳化，Sonnet 4已支援百萬token上下文；xAI基於20萬GPU叢集開發的Grok 4引入了多個智能體共同思考的模式，其RL投入的算力已超過Pre-Training算力；Google Gemini和Veo模型則分別對應Chrome和YouTube產品生態。國內由阿里主導開源生態，圍繞“全尺寸”“全模態”“多場景”推出各種模型；初創廠商中DeepSeek及MiniMax亦入局爭奪開源第一寶座，DeepSeek-R1、MiniMax-M2模型均以較低成本實現較高性能。隨著國內外模型進一步迭代，預計國內開源陣營頭部模型能力與海外大廠閉源模型差距將進一步縮窄，並通過成本最佳化為AI應用打開空間。國內廠商不斷最佳化模型架構，競相爭奪開源第一國內前沿模型與海外差距縮短，多方角逐開源陣營領先地位。橫向對比各廠商大模型能力，儘管以OpenAI為代表的海外廠商持續引領技術優勢，但國內前沿模型能力同樣始終位列全球第一梯隊，且較海外頭部廠商的差距已由最初的6個月以上縮短到目前的約3個月。就廠商而言，阿里作為國內唯一踐行全面開源戰略的網際網路大廠，持續引領國內開源模型風向；但也不乏DeepSeek、MiniMax等初創廠商在開源領域嶄露頭角。加單不斷，全球資本開支援續上行當前國內外資本開支向上的趨勢基本一致，但近期海外以OpenAI和Oracle主導的算力大單進一步加速了開支上行節奏。其中，OpenAI通過和AMD、輝達、博通、CoreWeave等合作，向著2033年達到250GW資料中心的目標不斷推進；Oracle則堅定向GPU雲轉型，以超過經營性現金流的投入體量加速部署AI資料中心。OpenAI多樣化的算力融資方式，以及Oracle需要舉債的資本開支投入方式，有望促進海外傳統雲和科技廠商，以及國內的大廠進一步上修資本開支預期。國內B端AI商業化初顯國內B端企業AI商業化初顯，Pre-AI環節需求旺盛，降本增效的垂直場景推進較快。當前國內AI應用正處於加速滲透階段，政策層面，中央密集出台一系列政策檔案，提出“適度超前建設數字基礎設施”並 印發《關於深入實施“人工智慧+”行動的意見》，提出到2027年智能體滲透率達到70%。技術突破方面，國產大模型DeepSeek V3.1版本發佈，程式設計能力提升以及更長上下文窗口支援有望推動智能體在更多複雜場景的落地，助力企業數位化、智能化建設，提升企業管理效率。從當前2B企業已公告AI相關訂單或收入的情況看，儘管訂單或收入絕對值不高，但AI已經開始逐步體現商業化價值。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。 (中信建投證券研究)

全球AI算力競賽出現重大技術拐點！近日，Google公佈的全新AI內存壓縮技術“TurboQuant”，引發了業界的極大關注。該技術宣稱能在不犧牲模型精準度的前提下，將生成式AI推理階段最吃資源的“鍵值快取”（KV Cache）空間需求減少到原來的1/6，並讓計算速度暴增8倍。這一突破性的技術，也引發了整個市場對於記憶體需求將斷崖式下跌的擔憂，美光、Sandisk、西部資料等儲存相關美股紛紛大跌。TurboQuant究竟是什麼？在LLM（大語言模型）推理過程中，為了處理長文字，系統必須將過往對話資訊存放在KV Cache中，這如同AI的“隨身筆記本”。隨著對話長度增加，這本筆記本需要儲存的資訊會迅速擠爆AI GPU的高頻寬內存（HBM），成為AI運行的最大瓶頸。Google的TurboQuant技術的核心優勢在於解決了傳統記憶體壓縮技術產生的“內存噪聲”（Overhead）。該技術由兩大關鍵部分組成：PolarQuant（極坐標量化）：傳統向量以XYZ坐標標註，運算繁瑣。Google改為採用“極坐標”邏輯，將複雜的方位簡化為“半徑”與“角度”。這好比將原本要標記“往東走3公里、再往北走4公里”的資訊，簡化為“以37度角走5公里”。這種幾何結構的轉換，大幅減少了資料處理的負荷。QJL（Quantized Johnson-Lindenstrauss）：這是一套極其精簡的1bit數學校正機制。僅利用額外的1bit來精準修正壓縮過程中的殘餘誤差，讓模型即使被壓縮到僅剩3bit，在LongBench等多項基準測試中仍能達成“零精度損失”。△在Llama-3.1-8B-Instruct模型上，TurboQuant 在LongBench基準測試中展現出強大的 KV 快取壓縮性能，優於各種壓縮方法 （括號中標明了位寬）。Google選擇將這套足以成為核心競爭力的技術完全開源，不僅最佳化了Gemini等大型模型的檢索效率，更為其他大模型減少對於記憶體依賴，加速端側AI發展鋪平道路。根據實測，在輝達（NVIDIA）H100加速器上，TurboQuant相比未壓縮方案，性能最高提升了8倍，且無須重新訓練模型即可直接掛載，堪稱AI部署的降本增效的“神兵利器”。△在NVIDIA H100加速器上，TurboQuant 在計算鍵值快取中的注意力邏輯值方面表現出顯著的性能提升，在各種位寬等級上均優於高度最佳化的JAX基線。△TurboQuant 展現出強大的檢索性能，在GloVe資料集 (d=200)上實現了相對於各種最先進的量化基線的最佳1@k 召回率。Cloudflare首席執行長Matthew Prince等人將TurboQuant稱為Google的“DeepSeek時刻”，認為其有望像DeepSeek一樣，通過極高的效率收益大幅拉低AI的運行成本，同時在結果上保持競爭力。記憶體需求會降低，還是會帶來更大需求？針對TurboQuant技術會引發了整個市場對於記憶體需求斷崖式下跌的擔憂，產業專家與研究機構也給出了截然不同的看法：富國銀行（Wells Fargo）分析師Andrew Rocha指出：“當context window（上下文窗口）越來越大，KV Cache的爆炸性成長原本是推升內存需求的保證。但TurboQuant正在直接攻擊這條成本曲線，一旦被廣泛採用，資料中心對內存容量的規格要求將被打上大問號。”不過，知名投行摩根士丹利（Morgan Stanley）和研究機構Lynx Equity Strategies則給出了截然不同的觀點，摩根士丹利認為市場可能忽視了“效率提升帶動總量增長”的經濟規律。當AI計算所需的記憶體成本降低到原本的1/6，這將會使得原本因記憶體太貴而無法上線的AI應用（如長文字翻譯、複雜程式碼生成）需求大規模爆發，反而會填補、甚至超越被壓縮掉的記憶體缺口。這就是傑文斯悖論（Jevon's paradox），即當技術進步提高了使用資源的效率（減少任何一種使用所需的數量），但成本降低導致需求增加，令資源消耗的速度不減反增。摩根士丹利分析師約瑟夫·摩爾（Joseph Moore）及其團隊在周四發佈的投資者報告中指出： “有報導稱Google的TurboQuant會導致記憶體使用量減少了到原來的1/6，但這忽略了他們僅僅指的是KV Cache，而不是整體記憶體使用量。“值得注意的是，Google的 Gemini 3 和 2.5 Pro 模型都擁有 100 萬個Token的上下文窗口，但Google曾透露，他們使用 Gemini 1.5 Pro 測試過高達 1000 萬個Token的上下文窗口，並取得了非常好的結果，但由於推理成本較高，他們最終沒有發佈該模型，”摩爾說道。“因此，我們預計，隨著此類創新以及其他技術的出現，成本將會降低，這項技術將被用於服務於更智能、計算密集型的產品。”摩根士丹利進一步指出，TurboQuant主要最佳化的是“推理階段”的快取，並非“訓練階段”的模型權重。因此，對於支撐AI核心訓練的HBM（高頻寬內存）採購邏輯影響相對有限。相比之下，TurboQuant對手機、筆記型電腦等終端裝置的人工智慧部署更具意義。由於移動裝置的內存有限，這類高效壓縮技術能讓更強大的AI模型在手機端運行，這反而會刺激各類終端裝置進行內存規格的全面換代。Lynx Equity Strategies 的觀點認為，雖然人工智慧提供商需要創新來解決推理中隨著Token上下文長度增加而出現的瓶頸問題，但由於供應限制，這在未來三到五年內並不會減少對記憶體和快閃記憶體的需求。 (芯智訊)

當 AI 算力以指數級速度狂飆突進，晶片製程的每一次下探，都在挑戰物理極限的邊緣。過去，晶圓廠更多是在最佳化單一工藝節點，但進入AI時代的晶圓廠，則是在運行一個高度耦合的複雜系統：先進邏輯晶片、HBM、高頻寬封裝、Chiplet架構相互疊加，使得製造流程不再是線性的，而是一個對精度、節拍與一致性都提出極致要求的動態系統。在這樣的背景下，裝置端的演進呈現出一個清晰趨勢：不僅要“更快”，更要“更穩、更準、更乾淨”。本質上，這三個維度共同指向了一個核心命題——精準控制。事實上，在先進製程節點下，越來越多影響良率的因素，並不一定來自光刻或刻蝕工藝本身，而是來自那些曾經被忽視的執行細節：一次不平穩的晶圓夾持、一次細微的機械振動、或是一滴液體是否在關鍵步驟中殘留。在3月25日-27日召開的2026 SEMICON China 大會上，我們採訪了自動化領域的深度玩家Festo（費斯托）。這家成立於1925年的德國企業，至今仍保持獨立營運，在自動化領域積累了逾百年的技術沉澱。正如費斯托電子及裝配行業銷售總監劉高亮所指出的那樣：“裝置廠往往代表著某項工藝的製程domain技術核心，但是要讓機台真正的動起來，底層的核心元件都是不可或缺的。可以說，就算裝置有再好的工藝技術研發，如果不透過這些氣動/電動元件的驅動，裝置也是無法達成它所設計的工藝創新。”AI時代，裝置控製為何如此重要？如果我們把半導體裝置拆解為多個層級，那麼最上層是工藝與設計，中間層是裝置系統，而最底層，則是負責執行所有動作的控制單元——包括氣動系統、閥門、感測器以及流體控制模組等。在過去，這一層往往被視為“輔助系統”；但在先進製程與AI算力需求的雙重驅動下，它正在發生角色躍遷，從“支援性元件”變為“決定性變數”。劉高亮在採訪中提到一個非常關鍵的變化：“隨著工藝不斷的創新，需要的製程精度不斷往上攀升到奈米等級，Fab對於以往不在意的細小元件背後所驅動的製程工藝內容越來越在意。整個行業已經從先做好這項工藝，演變成如何達成國際水平的工藝水平，在這個基礎上，過往不會要求的精度和顆粒度，都會更上一個等級。”也正是在這一背景下，像Festo這樣長期深耕自動化領域的企業，其價值開始被重新定義：它們不再只是提供元件，而是在參與定義整個製造系統的穩定邊界。守衛前道製造：Festo 的“四道防線”在2026 SEMICON China 大會期間，Festo 展示了四項核心技術方案，可以清晰地看到控制能力如何在不同前道製造工藝環節中轉化為實際的製造價值。1 微米級競賽的“穩壓器”：氣動系統進入微米級時代在半導體裝置體系中，“定位”是所有工藝的物理起點，它看似只是一個基礎動作，但在先進製程環境下，卻直接決定了工藝穩定性與良率上限。尤其是在AI算力驅動下，晶圓製造節拍持續提升，裝置需要在更高速度下完成更高精度的動作控制。從具體工藝環節來看，這類能力幾乎貫穿多個前道製造流程，例如，在塗布與光刻環節中，晶圓需要精準定位以保證圖形轉移的一致性；在顯影與蝕刻過程中，工裝與晶圓的相對位置誤差會被直接放大為結構偏差；而在CMP與量測環節，任何細微的定位誤差，都可能影響最終的平整度與檢測結果。這類應用的本質，並不在於“移動本身”，而在於“如何停得準、停得穩”。在高速運行的裝置中，既要保證節拍，又要避免衝擊帶來的振動與顆粒風險，同時還要在目標位置實現微米級精度的穩定停留，這對控制系統提出了極高要求。長期以來，氣動定位控制系統被視為高性價比但精度有限的方案。然而，隨著裝置內部空間日益受限，這一傳統認知正在被 Festo 打破。針對這一類典型場景，Festo提出了整套受控氣動解決方案，通過控制演算法、比例閥島（VTEP）與運動控製器（CPX-E）的協同，實現對氣動執行器的閉環控制，並結合高精度壓力調節，使氣動系統具備可預測、可調節的動態響應能力。在這一體系下，即便是標準氣動執行器，在經過系統級最佳化設計後，能夠實現微米級定位性能，從而滿足前道各關鍵工藝段對精度與穩定性的嚴苛要求。據劉高亮的介紹，因為空間或使用方式的原因，無法使用電機來控制相關位置，這個時候就可以通過微米等級的氣動定位方案來達成最後一里路。這樣的好處不只空間節省，不需要大範圍修改機械結構，精度也可以達到電機控制的精度，甚至更高。2 翹曲晶圓：先進製程下的新挑戰隨著先進封裝技術的普及，晶圓翹曲問題變得越來越普遍，並成為影響鍵合良率的關鍵因素。劉高亮指出：“目前的晶圓製造已經不同於以往簡單的前道與後道二分法，先進封裝中，當單一晶圓完成後，需要與其他晶圓進行Die to Wafer或Wafer to Wafer的鍵合，這就要求晶圓必須在平整狀態下完成封裝，否則良率無法提升。”傳統的夾持方式，在面對翹曲晶圓時，要麼無法穩定夾持，要麼容易在過程中引入微裂紋。而Festo提出的“非接觸式”晶圓翹曲解決方案，通過標準氣動閥實現成本效益最大化，並結合獨有的壓電（Piezo）技術推出標準化產品，可精準控制壓力與真空，適配翹曲晶圓的夾持與釋放。針對同一晶圓翹曲分佈不均的問題，Festo 支援多區獨立控制，將晶圓劃成多個壓力區域，獨立調節各區的壓力/真空等級，從而實現整體均勻、穩定的夾持效果。3 一個門閥動作，也決定晶片良率在先進製程中，潔淨度要求的近乎苛刻，使得顆粒污染成為良率控制的核心博弈點。然而，一個極易被行業忽視的污染源，正隱藏在晶圓出入工藝腔的必經之路——門閥的開關動作中。作為隔離工藝環境的關鍵部件，門閥或閘閥（TV/SV）的每一次機械啟閉，都在考驗著腔室的真空度與潔淨度。當前，多數閥門仍沿用傳統的“開/關”式粗放控制，缺乏過程調節。這種“硬著陸”式的運動會導致閥門在末端產生劇烈衝擊與高頻振動，瞬間剝離的微小顆粒若落在晶圓表面，將直接導致電路失效。針對這一問題，Festo基於高精度智能氣動控制，提出了一套Transfer Valve 門閥開關控制方案。其核心在於通過比例壓力控制技術，對閥門氣缸運動進行連續調節，使原本“剛性開關”的動作，轉變為可程式設計、可調節的動態過程；在閥門接近開啟或閉合終點時，通過軟啟動與軟停止策略，有效削弱衝擊力，顯著降低振動水平，從而在不犧牲節拍的前提下，減少顆粒產生並提升整體潔淨度。劉高亮給出了一個非常直觀的結果：“我們在很多終端廠的驗證中確認，可以降低90%的震動，以及降低至少50%的顆粒產生，這個技術實際上已經把整個製程window改變到另外一個等級。”同時，這種更平滑的運動控制方式，也有助於延長閥門密封件的使用壽命，提升裝置長期運行的穩定性。4 “零滴落”：把不可控的液體變數，變成可程式設計能力在半導體前道製造中，從清洗、塗布到光刻、顯影乃至蝕刻與CMP，大量關鍵工藝都依賴於液體的精準控制。無論是光刻膠、蝕刻液還是清洗劑，這些液體不僅參與工藝過程，更直接影響晶圓表面質量與最終良率。從原理上看，點膠是通過施加壓力，將液體從特定開口擠出並實現均勻分佈的過程，難點並不在“如何出膠”，而在“如何結束出膠”。尤其是在光刻等關鍵環節中，液體價格昂貴且對潔淨度極為敏感，一旦在出膠結束後產生殘液滴落，就可能在晶圓表面形成污染，進而影響後續工藝甚至導致良率損失。因此，點膠系統必須具備“回吸”能力，在關斷瞬間切斷液流並回收殘液，實現無滴漏、無污染。然而在傳統方案中，這一過程往往依賴人工經驗調節，回吸量與時機缺乏精確控制，液體控制長期處於“可調但不可控”的狀態。針對這一問題，Festo基於壓電技術建構了智能氣動控制方案，通過高精度壓力調節與動態響應控制，將回吸過程轉化為可數位化、可程式設計的控制動作，在出膠結束時實現精準回吸，從而真正做到“零滴落、零污染”。綜上可以看出，Festo展示的四項核心技術方案，從“運動、夾持、開關、流體”四個維度，完整勾勒出一套貫穿前道製造的底層控制體系。從微米級定位，到翹曲晶圓夾持，再到門閥控制與液體回吸，Festo所展示的這四類看似分散的技術，實際上指向同一個方向——將製造過程中的不確定性逐步收斂，並轉化為可控制、可復現的系統能力。深耕本土，建構中國半導體的E2E支撐如果說技術能力決定了產品的上限，那麼在中國市場，決定企業能否站穩腳跟的，往往是另一件事——響應速度。面對中國半導體 OEM 廠商對響應速度和定製化能力的近乎苛刻的要求，Festo 給出的答案是全方位的本土化戰略。據劉高亮介紹，Festo 在中國已投入超過 400 位的技術人員，涵蓋了從產品設計、客制化開發到現場驗證的完整技術供應鏈。這種 End-to-End (E2E) 的支援模式，確保了本土客戶在快速迭代中能夠獲得比肩國際一流水準的技術服務。2024年在上海成立的半導體創新中心，更是成為了 Festo 響應中國特殊需求的“前哨站”。通過建立完全獨立的質量與交貨體系，Festo 正在助力中國半導體裝置實現從“能做”到“做精”的質變。結語在 AI 算力的大航海時代，如果說製程突破是衝鋒陷陣的帆，那麼 Festo 所做的，就是那套保障航向精準、船身平穩的底層控制系統。隨著 SEMICON China 2026 的深入開展，我們看到的不僅是技術的迭代，更是製造文明的進化。真正的核心競爭力，已不再侷限於某一項工藝的突破，而在於誰能實現對製造全流程最幽微處的“精準掌控”。唯有守住底層的“微米級”防線，方能成就算力時代的“萬里宏圖”。 (半導體行業觀察)

重磅！Arm CPU 路線圖公開發佈剛剛，歷史性突破！Arm發佈三十多年來首顆自研專用CPU——Arm AGI CPU。打破長期IP授權模式，直擊AI算力剛需，劍指x86陣營。核心參數拉滿：3nm工藝，136核Neoverse V3核心。主頻3.2-3.7GHz，300瓦功耗，雙Chiplet封裝（台積電代工）。快取亮眼：2MB L2/核心，128MB共享SLC。介面拉滿：96條PCIe 6.0，支援CXL 3.0，12通道DDR5，總頻寬825GB/s。極致能效！放棄同步多線程，剔除冗餘功能。每瓦性能碾壓英特爾、AMD最新x86晶片，號稱“最高效agentic CPU”。強強聯手！與Meta聯合開發，Meta為首個客戶。OpenAI、SAP等巨頭已確認採購，商業化勢頭強勁。量產明確：今年下半年全面量產，中國是重要目標市場。巨額投入：斥資7100萬美元，耗時18個月新建實驗室。伺服器方案雙選擇：風冷36kW（8160核）、液冷200kW（超45000核）。定價具競爭力，可直接替代Meta現有計算CPU。行業震動！打破Arm中立定位，衝擊x86陣營格局。Arm高管表態：此舉核心是滿足客戶需求，有望帶來數十億美元收入。AI時代算力革新，Arm正式從IP授權商，躋身自研晶片賽道。全新Arm AGI CPU核心亮點高性能 CPU：採用 Armv9.2 架構，Arm AGI CPU 最高整合 136 個 Neoverse V3 高性能核心，每核配雙 128 位 SVE2 單元，支援 bfloat16/INT8 AI 加速。全核主頻 3.2GHz，睿頻 3.7GHz。高記憶體頻寬：單核心記憶體頻寬最高 6GB/s，緩解高吞吐 AI 負載的記憶體瓶頸，提升 AI 與雲端系統性能。先進 I/O 與加速器互聯：支援 96 路 PCIe Gen6、CXL 3.0 及 AMBA CHI 擴展鏈路，實現大規模異構計算。企業級安全架構：面向多租戶雲與 AI 基礎設施提供硬體級安全，包含根安全引擎、指針認證、分支目標間接保護。 (芯榜)PDF文件：https://www.arm.com/static/az/pdf/product-brief/arm-agi-cpu-product-brief.pdf

Meta剛把一張最高270億美元的合同壓給Nebius真正把Nebius一下推到台前的，並不是這筆新債，而是前一天那張更大的合同。按照公司與路透披露的資訊，Meta已承諾到2027年向Nebius採購120億美元的AI算力容量，另外還有未來五年最高150億美元的附加採購空間，整份協議的總額上限約為270億美元。這不是一筆普通的雲服務訂單，它更像是把未來幾年的GPU產能、機櫃、供電和交付節奏，提前鎖給一家外部AI基建供應商。這件事之所以重要，不只是因為數字大，還因為它把AI基建賽道的一層現實直接攤開了。過去外界更習慣看大廠自己修資料中心、自己買晶片，但現在情況正在變化：在GPU和電力都偏緊的背景下，Meta這樣的科技巨頭，也開始更積極地從“新型AI雲服務商”這類專業供應商手裡鎖定稀缺產能。Nebius被看中的，不只是能不能賣雲，而是能不能比別人更快把大規模AI基礎設施建起來、交付出來。37.5億美元可轉債，幾乎是跟著這張大單一起出來的也正因為如此，Nebius第二天就宣佈要發37.5億美元可轉債，這件事其實並不意外。從公司公告來看，這次融資分成兩部分：20億美元、2031年到期的可轉債，以及17.5億美元、2033年到期的可轉債；如果承銷安排全部執行，規模還可能進一步擴大。資金用途寫得也很直接：繼續投向資料中心建設、全端AI雲擴張、資料中心擴建，以及關鍵部件採購，其中就包括GPU。所以，這筆債並不是在“慶祝利多”，而是在為下一輪資本開支提前備資。Meta的大單看上去是收入，但落到Nebius這邊，最先到來的其實是建設壓力：公司必須先把機房、供電、晶片、網路和交付能力準備出來，後面的收入確認才有意義。換句話說，這張大單一旦落地，Nebius最先面對的不是利潤，而是支出。微軟、Meta、輝達，三股力量正在把Nebius往前推把最近幾筆交易連在一起看，Nebius過去半年的擴張路徑就很清楚了。2025年9月，它簽下了與微軟價值174億美元的協議；2025年11月，它拿到Meta一筆30億美元的合作；到了2026年3月，Meta又把合作規模一下抬到最高270億美元。與此同時，輝達在2026年3月11日宣佈出資20億美元，拿下約8.3%的股份，並支援Nebius到2030年部署超過5吉瓦的資料中心能力。如果只看表面，Nebius像是在同時得到客戶、晶片夥伴和資本市場的追捧；但把經營面攤開，另一面也同樣清楚。公司2025年第四季度營收只有2.28億美元，卻錄得2.5億美元淨虧損；同一時期，資本開支則明顯抬升，路透報導其2025年第四季度資本支出升至21億美元，上年同期為4.16億美元。這說明，市場當前看中的，並不是一份已經兌現的利潤表，而是它能不能把訂單、裝置、土地、電力和融資能力組織在一起，持續把擴張節奏推下去。在這條賽道里，誰先把這些資源拼起來，誰才有資格去談後面的規模效應。輝達已經投了20億美元，Nebius為什麼還要再借37.5億美元問題的關鍵，其實就在這裡。輝達那20億美元，當然是一筆很重要的資金，但它解決的更像是啟動資金和信用背書；而Meta、微軟這類多年期大單真正帶來的，是持續不斷、而且節奏高度前置的建設需求。Nebius自己給出的預期也很激進：到2025年底，它的年化收入運行率（run rate）是12.5億美元；到2026年底，這個數字要拉到70億至90億美元。這樣的目標如果要兌現，靠一筆股權投資顯然不夠，後面還需要更大體量、也更連續的資金供給跟上。這也是為什麼它會在大單落地後立刻再借一筆巨額可轉債。因為這類公司眼下最稀缺的，已經不是故事，而是時間。客戶在催交付，晶片窗口期有限，土地和電力指標也不是想拿就能立刻拿到。你越晚把錢備好，後面的建設節奏就越容易被卡住。說到底，Nebius這輪融資看起來激進，實則是在搶一個行業窗口。當AI基建從“有沒有需求”進入“誰先交付”的階段，現金儲備與產能準備，事實上已經被綁在了一起。它今天借的，不是一筆普通的擴張資金，而是在為未來兩三年的交付節奏提前準備資金安全墊。Nebius這筆債，把AI算力生意最重的一面擺到了台前看到這裡，這件事就不能只當成一家公司的融資新聞來看了。路透對這輪合作的描述很到位：美國科技巨頭正在補充自建資料中心的不足，通過Nebius這類新型AI雲服務商去鎖GPU和電力等稀缺資源。換句話說，AI基建的分工正在變細，需求方未必什麼都自己建，但中間這一層承建者，必須先把最重、最貴、最吃現金流的部分扛起來。Nebius這次之所以特別有代表性，就在於它幾乎把這門生意的重資產屬性完整展示了一遍：上面是Meta、微軟這樣的大客戶在壓交付，旁邊是輝達這樣的上游在提供晶片支援和資本背書，下面則是公司自己要去消化土地、機房、電力、裝置和融資成本。行業熱度當然還在，但這門生意最先到來的，從來不是利潤，而是巨額投入。前端必須先投入一筆又一筆的大額資本開支，後面才談得上把訂單慢慢兌現出來。到了這一步，AI算力生意已經越來越像一場基礎設施競賽，而不是一個輕資產的軟體故事。 (視界的剖析)

《南華早報》今日披露，正在召開的全國"兩會"上，中國半導體行業代表密集發聲，呼籲國家加大對人工智慧晶片和關鍵材料的戰略扶持，建議建立全國統一的算力交易市場，並將AI算力定價納入政府監管，以破解行業"內卷式"惡性競爭，加速核心技術突破。中國科學院計算技術研究所張雲泉教授、全國政協委員在接受採訪時表示，當前國內AI算力市場競爭"慘烈"，企業普遍採取低價傾銷策略，導致"內卷式"競爭——這一被北京明令整治的現像已從電動車、外賣蔓延至AI基礎設施。"企業為搶客戶把算力價格壓到成本線以下，無力投入研發，最終損害的是國家AI競爭力。"張雲泉指出。他建議政府出台AI算力定價指導原則，並建立"全國統一算力交易市場"，讓算力像電力、石油一樣成為可標準化交易的"國計民生商品"，"北數南算、東數西算"工程產出的算力資源可在全國平台統一調度、統一定價。全國人大代表、西安電子科技大學副校長郝躍則強調中國應發揮稀土等戰略原材料的"產業槓桿"作用。中國控制全球60%以上的稀土開採與90%的精煉產能，而稀土正是高性能永磁材料、晶片拋光液、特種氣體的關鍵原料。"我們有資源優勢，但缺乏定價權和下游技術話語權。"郝躍表示，建議將稀土出口與半導體技術引進掛鉤，"用稀土換技術、換裝置、換市場准入"，打破美歐日在EDA、光刻機、高端材料領域的封鎖。兩會期間，國家發改委、工信部相關負責人多次參與半導體界別小組討論。知情人士透露，2026-2030年"十五五"規劃草案已將"AI晶片商業化應用"和"關鍵材料自主可控"列為國家重點專項，國家大基金三期擬設立300億元"算力基礎設施子基金"，支援統一交易平台建設。資本市場反應積極，市場押注"資源換技術"政策落地。但亦有分析師指出，算力"統一定價"可能抑制市場競爭，與"發揮市場在資源配置中的決定性作用"原則相悖；稀土"槓桿外交"則可能引發WTO訴訟及供應鏈"去中國化"加速。張雲泉回應，"統一定價"並非計畫經濟回歸，而是建立"基準價+浮動區間"機制，防止惡意低價傾銷；"算力交易"平台可由國家隊與民營企業共建，"政府定規則、市場定價格"。從"內卷"到"統管"，從"資源"到"槓桿"，兩會半導體代表的建言獻策，折射出中國晶片產業在政策驅動下的轉型焦慮。當算力被定義為"像電一樣的商品"，當稀土被視作"外交籌碼"，2026年的中國半導體產業，正試圖以"新型舉國體制"破解"卡脖子"困局。十五五規劃能否將這些建議轉化為可執行的政策，將決定未來五年全球AI算力競賽的走向。 (晶片行業)

拆解四大卡脖子賽道的技術壁壘、產業鏈暗線與2026年投資的真命題2026年Q1，國內某估值超千億的通用大模型廠商，遭遇了成立以來最嚴重的一次算力危機：他們提前6個月鎖定了晶圓廠產能、包下了華南某頭部封測廠3條Chiplet專屬產線、囤積了足額的HBM3記憶體，計畫一次性落地2萬片國產高端AI晶片，支撐新一代大模型的訓練與推理。但最終，整個項目的交付周期拖了整整4個月，算力叢集上線時間直接跳票——卡脖子的不是晶片設計、不是晶圓代工、不是HBM，而是一張厚度不足0.3mm的ABF載板。該廠商供應鏈負責人的原話是：“我們找遍了國內所有能做ABF載板的廠商，實驗室參數都能對標海外，但量產良率最高只有32%，而海外頭部廠商的良率穩定在95%以上。那怕我們願意承擔3倍的成本，也拿不到足夠的、能穩定用於AI晶片的合格載板。”這個案例，不是個例，而是2026年整個中國AI算力產業的縮影。當全行業都在盯著晶片製程、大模型參數、算力叢集規模的時候，很少有人真正看清：AI算力的終局競爭，早已從晶片設計的表層戰場，坍縮到了底層材料的生死局。海外對華科技封鎖的槍口，也早已從7nm、5nm晶圓代工，精準對準了那些看不見、卻能鎖死整個算力產業命脈的新材料賽道。本文從技術底層邏輯、產業鏈繫結暗線、真實量產資料、海外封鎖細節、投資真偽命題五個維度，深度拆解卡死AI算力的四大核心材料賽道，還原中國材料產業突圍的真實戰場，給從業者與投資人最具落地性的行業判斷。一、破題為什麼AI算力的競爭，最終會坍縮成材料的生死之爭？絕大多數人對AI算力的認知，都停留在“晶片製程越先進，算力越強”的表層。但事實上，當矽基晶片製程逼近1nm的物理極限，電晶體尺寸已經接近矽原子直徑（0.22nm），量子隧穿效應帶來的漏電、發熱問題已經無法通過製程迭代解決。行業公認的提升算力的四大核心路徑——Chiplet先進封裝、液冷散熱、矽光互聯、存算一體，沒有一個能脫離底層材料的突破。換句話說，AI算力的天花板，從來不是晶片設計能力，而是材料的物理極限。我們可以從三個底層邏輯，徹底看清這場材料生死局的本質：1.矽基晶片的物理極限，本質是材料的極限從14nm到3nm，製程迭代帶來的電晶體密度提升，已經從10倍級下降到2倍級，而研發成本、製造成本卻呈指數級上漲。輝達最新的H200晶片，單晶片算力已經突破4PFLOPS，但實際落地到AI叢集中，有效算力利用率不足40%——不是晶片算不動，而是訊號傳不出去、熱量散不出來、資料存不下來，而這三大問題的核心卡點，全在材料。更關鍵的是，所有能突破矽基極限的下一代技術，無論是光子晶片、碳基晶片，還是量子晶片，最終的落地瓶頸，依然是材料。沒有新材料的突破，所有的架構創新、設計創新，都是空中樓閣。2.AI算力的成本曲線，最終由材料的國產化率決定2026年國內AI算力的TCO（總擁有成本）中，70%以上來自進口環節，其中材料成本佔比超過一半。比如：——先進封裝成本中，ABF載板等核心材料佔比高達65%，幾乎100%依賴進口；——AI資料中心液冷系統成本中，核心散熱材料佔比超過60%，高端產品進口依賴度超90%；——800G以上高速光模組成本中，光學材料佔比超過40%，高端產品進口依賴度超70%。這意味著，只要核心材料沒有實現國產化，國內AI算力的成本就永遠降不下來，中國AI產業就永遠只能賺“組裝加工”的辛苦錢，利潤大頭全被海外材料廠商拿走。更致命的是，海外廠商可以隨時通過漲價、斷供，鎖死整個中國AI產業的發展。3.海外對華科技封鎖的終局，是材料的精準卡脖子2025年12月，美國BIS更新了對華半導體出口管制條例，新增了12種用於先進封裝、矽光互聯的半導體材料的出口限制，明確禁止向中國出口用於3nm以下Chiplet封裝的ABF樹脂、高端環氧塑封料；2026年1月，日本經濟產業省跟進更新了對華出口管制清單，新增了6種高端半導體材料，包括AI晶片用的高導熱介面材料、矽光晶片用的非線性光學材料。海外很清楚：晶圓代工你能靠產能、政策慢慢追，但材料的壁壘，是幾十年的工藝積累、全球專利佈局、深度繫結的供應鏈體系，不是短時間能突破的。這才是真正能鎖死中國AI算力產業的“命門”——那怕你能設計出頂尖的AI晶片，能造出晶圓，沒有對應的材料，你根本封裝不出、用不了、跑不起來。二、核心賽道深度拆解四大材料賽道的卡脖子真相與突圍戰場接下來，我們將從技術壁壘的底層本質、產業鏈的繫結暗線、國產替代的真實現狀、投資的真命題與偽命題四個維度，深度拆解每一個核心賽道。（一）先進封裝核心材料：Chiplet時代的命門，不是工藝，是材料體系的全面壟斷1、行業認知糾偏絕大多數人以為，Chiplet的核心壁壘是TSV、RDL等封裝工藝，但事實上，先進封裝的成本構成裡，材料佔比高達65%，其中ABF載板佔45%，封裝樹脂、底部填充膠、導電銀漿等佔20%，工藝裝置僅佔35%。換句話說，Chiplet的產能瓶頸，從來不是封測產線，而是核心材料的供貨能力。輝達、AMD高端AI晶片的交付延遲，80%以上的原因，是ABF載板的供貨不足，而非晶圓代工產能不足——這是全行業都知道，卻很少有人公開說的真相。2、核心卡脖子壁壘的底層拆解先進封裝材料的卡脖子，從來不是“國內做不出樣品”，而是配方、專利、供應鏈繫結的三重壟斷，其中最具代表性的，就是AI晶片用ABF載板。ABF載板的核心，是日本味之素壟斷的ABF薄膜樹脂，全球市佔率高達99%，幾乎形成了絕對壟斷。國內廠商之所以無法突破，核心卡點有三個：（1）ppm級的工藝控制壁壘，不是配方，是量產一致性ABF樹脂的核心性能要求，是低介電常數（Dk≤3.0）、低吸水率（≤0.3%）、高耐熱性（Tg≥180℃），同時雜質含量必須控制在1ppm以內，分子量分佈離散係數必須控制在1.2以內。國內廠商在實驗室裡，能做出參數達標的樣品，但量產時，雜質含量普遍在5ppm以上，分子量分佈離散係數最高達到1.8。這一點點差距，會直接導致載板在高溫工作時介電常數飆升，訊號延遲增加30%以上，甚至出現訊號串擾，直接廢掉AI晶片的多芯粒互聯能力。更致命的是，海外廠商的量產良率穩定在95%以上，而國內廠商的量產良率最高僅能達到40%，這直接導致國產ABF載板的成本，是海外產品的3倍以上，完全沒有市場競爭力。（2）覆蓋全產業鏈的專利壁壘，繞不開的專利陷阱味之素在ABF樹脂領域，佈局了超過3000項全球專利，覆蓋了配方、聚合工藝、應用場景、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的產品，也幾乎無法繞開味之素的專利佈局，只要進入全球供應鏈，就會面臨巨額的專利訴訟，根本無法商業化落地。這也是為什麼，國內絕大多數ABF載板廠商，只能做“來料加工”——採購味之素的ABF薄膜，自己做基板的鑽孔、鍍銅、層壓，核心材料100%依賴進口，根本不是真正的國產替代。一旦海外斷供，直接停擺。（3）繫結死的供應鏈體系，新玩家根本無法進入的閉環味之素和台積電、英特爾、AMD、輝達，有超過20年的聯合研發協議。下一代Chiplet架構需要什麼樣的載板性能，提前3年就會和味之素確定研發方向，材料研發和晶片設計、封測工藝完全同步。這意味著，當國內廠商拿到海外最新的載板參數，開始模仿研發的時候，味之素已經在研發下一代產品了，國內廠商永遠只能跟在後面模仿，永遠慢一步。更關鍵的是，台積電、三星等頭部封測廠，已經和味之素形成了深度的工藝繫結，產線完全適配味之素的材料，國內廠商的材料，那怕參數達標，也需要封測廠花費1-2年的時間調整產線工藝，根本沒人願意付出這個成本。3、國產替代的真實現狀我們用2026年Q1最新的產業資料，還原最真實的國產替代進度，拒絕“偽突破”的宣傳話術：——AI晶片用10層以上高精密ABF載板：國產化率不足3%，僅深南電路、興森科技等少數企業實現小批次試產，仍處於頭部客戶驗證階段，良率不足40%；——消費電子用4層以下ABF載板：國產化率約21%，主要集中在中低端市場，無法用於高端AI晶片；——AI晶片用低應力環氧塑封料（EMC）：國產化率不足5%，高端市場被日本日立化成、住友電木壟斷；——高端底部填充膠、導電銀漿：國產化率不足8%，核心市場被美國漢高、日本日立化成壟斷。4、投資的真命題與偽命題（1）偽命題（堅決規避）——只看實驗室參數，不看量產良率和客戶認證的項目，90%都是“樣品講故事”；——僅做基板加工，不掌握核心樹脂配方的“偽國產替代”項目，沒有核心壁壘，斷供即死；——靠低價內卷中低端市場，沒有高端研發能力，無法進入AI晶片供應鏈的項目，沒有長期成長空間。（2）真命題（重點佈局）：——已經掌握核心樹脂配方，實現中試量產，正在通過頭部封測廠、AI晶片廠商認證的項目；——已經進入華為海思、寒武紀、壁仞科技等國內頭部AI晶片廠商供應鏈，有批次訂單的項目；——和封測廠、晶片設計廠聯合研發，繫結下一代Chiplet技術路線，而非單純模仿海外的項目。（二）算力散熱核心材料：不是“輔助件”，是AI算力成本的生死線1、行業認知糾偏絕大多數人以為，散熱材料只是AI晶片的“輔助空調”，但事實上，2026年國內AI資料中心的TCO中，散熱系統的佔比已經超過30%，而散熱材料佔了散熱系統成本的60%以上。更關鍵的是，國家對東部地區資料中心PUE的強制要求（≤1.3），已經讓風冷技術徹底走到了盡頭，液冷成為高端AI算力機房的唯一標配，而液冷的核心壁壘，從來不是管道和機櫃，而是散熱材料。一組扎心的資料：國內超80%的AI算力機房，因散熱能力不達標，晶片長期只能運行在標稱算力的60%以下，極端場景下甚至會觸發過載保護，直接停機。散熱材料，已經成為決定AI算力能不能跑起來、能不能降本的核心生死線。2、核心卡脖子壁壘的底層拆解AI算力散熱的核心賽道，分為浸沒式冷卻液和高導熱介面材料（TIM）兩大方向，兩者的卡脖子邏輯完全不同，但核心都是工藝、驗證、供應鏈繫結的三重壁壘。（1）浸沒式冷卻液：全氟化合物的合成壟斷，與相容性驗證的死亡門檻浸沒式液冷是當前最高效的散熱方案，直接把晶片泡在冷卻液裡，散熱效率是風冷的100倍以上，也是下一代超算、AI叢集的標配。其中，高端全氟浸沒冷卻液，被美國3M、杜邦壟斷了全球90%以上的市場，國內廠商的突破難度極大：——核心合成工藝壁壘：全氟冷卻液的核心製備技術是電化學氟化，該技術被3M、杜邦壟斷了超過60年，國內只有極少數企業掌握了小規模合成工藝，且產品的絕緣性、熱穩定性、沸點控制精度，和海外產品差距在2個數量級以上。更致命的是，全氟化合物的合成，會產生大量的副產物，提純難度極高，國內廠商的產品純度普遍在99%以下，而海外產品純度能達到99.999%，這一點點雜質，會在長期高溫工作中腐蝕晶片和伺服器元器件，造成不可逆的損壞。——相容性驗證的死亡門檻：3M的氟化液，和輝達的AI晶片、戴爾/惠普的伺服器，做了長達5年的相容性驗證，形成了行業默認的標準。國內廠商的產品，那怕實驗室參數達標，也沒有頭部廠商願意給你做驗證——因為一顆AI晶片的成本超過1萬元，一台伺服器的成本超過10萬元，一旦出現腐蝕問題，損失誰來承擔？那怕你願意承擔所有驗證成本，完整的驗證周期也長達18-24個月，絕大多數廠商根本等不起。（2）高導熱介面材料（TIM）：奈米級配方壁壘，與量產穩定性的鴻溝TIM材料是晶片和散熱板之間的“導熱橋樑”，負責把晶片產生的熱量高效傳匯出去，直接決定了晶片能不能滿負荷運行。高端AI晶片用的TIM材料，導熱係數需要達到12W/m・K以上，日本信越、美國道康寧的產品能做到15W/m・K以上，且熱阻極低，而國內廠商的產品，大多集中在8W/m・K以下的中低端市場，能做到12W/m・K以上的，量產穩定性極差。核心壁壘在於，高端TIM材料的配方，是奈米級的陶瓷粉體和聚合物基體的復合，粉體的粒徑、分散性、表面改性，直接決定了材料的導熱性能。海外廠商經過幾十年的積累，已經形成了完整的配方資料庫和製備工藝，而國內廠商大多還處於“試錯式研發”階段，那怕做出了達標的樣品，量產時也會出現粉體團聚、分散不均的問題，性能波動極大，根本無法滿足AI晶片的長期穩定運行要求。3、國產替代的真實現狀2026年Q1最新產業資料：——國內AI資料中心液冷滲透率約18%，預計到2028年將達到82%，對應的浸沒式冷卻液市場規模，將從2026年的42億元，增長到2028年的310億元，年複合增長率超過170%；——高端全氟浸沒冷卻液：國產化率不足10%，僅永和股份、康鵬科技等少數企業實現小批次量產，仍處於頭部客戶驗證階段；——冷板式液冷合成型冷卻液：國產化率約42%，巨化股份、新宙邦等企業的產品，已經進入字節、阿里、騰訊等頭部廠商的供應鏈；——高端AI晶片用TIM材料：國產化率不足15%，僅德邦科技、飛榮達等少數企業實現技術突破，仍以中低端市場為主。4、產業鏈暗線頭部網際網路廠商、AI廠商的液冷項目，大多採用“總包模式”，總包商和3M、杜邦等海外材料廠商有長達10年以上的合作協議，國內材料廠商那怕產品更便宜，也很難進入供應鏈——因為總包商不願意承擔更換材料帶來的風險，一旦出問題，要承擔巨額的違約賠償。這也是為什麼，很多國產材料參數達標，卻始終拿不到批次訂單的核心原因。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室配方，沒有量產能力和長期相容性驗證資料的項目；——僅做基礎液復配，不掌握核心電化學氟化合成工藝的項目，沒有核心壁壘；——沒有頭部客戶訂單，靠低價內卷中低端市場的項目。（2）真命題（重點佈局）：——掌握核心電化學氟化合成工藝，實現穩定量產，正在通過頭部伺服器廠商、AI晶片廠商認證的項目；——已經拿到字節、阿里、騰訊等頭部網際網路廠商批次訂單，實現商業化落地的項目；——和液冷系統整合商、伺服器廠商聯合研發，繫結下一代液冷技術路線的項目。（三）光電互聯核心材料：矽光時代的算力高速公路，專利與工藝的雙重壁壘1、行業認知糾偏AI大模型的訓練，對叢集頻寬的需求是指數級增長的：GPT-5的訓練，需要的叢集頻寬是GPT-3的100倍以上。傳統的電互聯（銅纜傳輸），頻寬上限是400Gbps，延遲超過100ns，已經根本無法滿足下一代AI大模型的訓練需求。行業公認的終極解決方案，是矽光互聯——用光訊號代替電訊號傳輸資料，頻寬能做到1.6Tbps以上，延遲不到10ns，能耗降低70%。而矽光技術的核心，從來不是光晶片設計，而是光學材料——沒有光學材料的突破，矽光晶片就是無源之水。更關鍵的是，中國光模組廠商佔據了全球800G以上光模組60%以上的市場份額，但核心光學材料的國產化率不足30%，相當於“我們組裝了全球最多的光模組，卻要給海外材料廠商交一半以上的利潤”。2、核心卡脖子壁壘的底層拆解矽光互聯的核心材料賽道，分為特種光纖預製棒、矽光晶片波導材料、高速光模組封裝材料三大方向，核心壁壘是工藝精度、專利佈局、產業鏈協同。（1）特種光纖預製棒：氣相沉積工藝的精度壁壘，折射率的奈米級控制高端資料中心用的超低損耗單模光纖預製棒，是光訊號傳輸的核心載體，日本信越、藤倉壟斷了全球75%以上的市場。核心壁壘在於氣相沉積工藝的精準控制：預製棒的折射率分佈偏差，必須控制在10^-5以內，相當於在1公里的長度上，偏差不能超過1cm。國內廠商的沉積工藝，普遍只能做到10^-4的精度，這一點點偏差，會直接導致光訊號的傳輸損耗增加30%以上，傳輸距離縮短一半，根本沒法用於長距離、高頻寬的AI算力叢集。更致命的是，海外廠商的預製棒拉絲合格率穩定在99%以上，而國內廠商的合格率最高僅能達到90%，成本差距極大。（2）矽光晶片波導材料：原子級的表面粗糙度控制，散射損耗的生死線氮化矽波導是矽光晶片的核心元器件，負責光訊號的傳輸和調製，美國Ligentec、荷蘭ASML旗下的光刻機廠商，壟斷了核心的製備工藝。波導材料的核心性能要求，是表面粗糙度必須控制在0.1nm以內，也就是原子級的精度。國內廠商製備的波導材料，表面粗糙度普遍在1nm以上，比海外高了一個數量級，這會導致光訊號的散射損耗增加10倍以上，根本沒法用於高速光模組。這也是為什麼，國內能設計出頂尖的矽光晶片，卻沒法實現量產落地的核心原因——沒有對應的波導材料，晶片設計再好，也跑不起來。（3）值得驕傲的反向壟斷：非線性光學晶體非線性光學晶體是矽光晶片的核心元器件，負責雷射的頻率轉換和調製，國內福晶科技、華光光電等企業，佔據了全球80%以上的市場份額，掌握了核心專利和製備工藝，是少數能反向卡脖子海外的材料賽道，也是國內矽光產業突圍的核心底牌。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球800G以上光模組的市場規模，將達到180億美元，中國廠商的市場份額超過60%，但核心光學材料的國產化率不足30%；——高端資料中心用超低損耗光纖預製棒：國產化率不足25%，長飛光纖、亨通光電實現了部份量產，主要集中在中低端市場；——矽光晶片用氮化矽波導材料：國產化率不足10%，仍處於實驗室研發和中試階段，基本依賴進口；——高速光模組用高端封裝材料：國產化率不足20%，核心市場被日本日立、美國康寧壟斷。4、產業鏈暗線海外光學材料廠商，和全球頭部的光晶片廠商、光模組廠商，有深度的聯合研發繫結。比如康寧和思科、英特爾，信越和中際旭創、新易盛，有長期的合作協議，光模組廠商要給海外客戶供貨，必須使用客戶指定的材料，沒法隨便更換國產材料。這就導致國內材料廠商，那怕產品達標，也很難進入全球供應鏈，只能在國內小眾市場內卷。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只做材料加工，不掌握核心合成、製備工藝的項目；——沒有頭部光模組廠商的認證，只有實驗室樣品的項目；——技術路線落後，跟不上矽光技術迭代節奏的項目。（2）真命題（重點佈局）：——掌握核心氣相沉積工藝，實現高端光纖預製棒穩定量產的項目；——已經進入中際旭創、新易盛等頭部光模組廠商供應鏈，有批次訂單的項目；——和光晶片廠商、光模組廠商聯合研發，繫結下一代矽光技術路線的項目；——在非線性光學晶體等優勢賽道，拓展矽光應用場景，實現技術延伸的項目。（四）新型儲存核心材料：破解“記憶體牆”的終極底牌，專利與商業化的雙重陷阱1、行業認知糾偏AI大模型訓練中，90%以上的能耗和延遲，都來自資料在計算單元和儲存單元之間的搬運，這就是行業常說的“記憶體牆”。這個問題，靠傳統的DRAM和NAND Flash根本沒法解決，因為它們的讀寫速度和功耗，已經逼近物理極限。破解“記憶體牆”的唯一終極路徑，是存算一體——把計算單元和儲存單元整合在一起，直接在儲存裡完成計算，徹底消除資料搬運的損耗。而存算一體的核心，就是新型儲存材料——沒有材料的突破，存算一體就是空中樓閣。2、核心卡脖子壁壘的底層拆解當前全球公認的、最適合AI場景的三大新型儲存技術，分別是相變儲存（PCRAM）、阻變儲存（RRAM）、鐵電儲存（FeRAM），三者的核心卡點，全在材料，核心壁壘是專利壟斷、量產一致性、晶圓廠工藝協同。（1）相變儲存材料（PCRAM）：硫系化合物的專利壟斷，繞不開的智慧財產權陷阱PCRAM的核心是硫系化合物材料，通過材料的晶態和非晶態轉換實現資料儲存，是當前商業化進度最快的存算一體技術。三星、美光、英特爾壟斷了全球90%以上的核心專利，覆蓋了材料配方、製備工藝、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的材料，也幾乎無法繞開海外的專利佈局，只要進入商業化量產，就會面臨巨額的專利訴訟。這也是為什麼，國內PCRAM的研發進度很快，卻始終無法實現大規模量產的核心原因。（2）阻變儲存材料（RRAM）：量產一致性的鴻溝，晶圓級的均勻性控制RRAM的核心是金屬氧化物材料，通過材料的電阻變化實現資料儲存，結構簡單、功耗極低，特別適合AI端側場景。國內的研發進度和海外基本同步，復旦大學、清華大學等高校，已經研發出了性能達標的材料樣品，但核心問題是量產一致性極差。同一晶圓上的不同儲存單元，電阻變化的偏差超過20%，根本沒法實現大規模量產，而海外廠商的偏差能控制在5%以內。這個差距，不是配方的問題，是幾十年的薄膜製備工藝積累，不是短時間能彌補的。更致命的是，RRAM的製備工藝，和晶圓廠的產線深度繫結，國內晶圓廠的工藝精度，根本沒法滿足大規模量產的要求。（3）鐵電儲存材料（FeRAM）：下一代存算一體的核心，製備工藝的代差FeRAM的核心是鉿基鐵電材料，讀寫速度極快、功耗極低、循環壽命極長，是下一代存算一體晶片最有潛力的方向。英特爾、台積電、三星已經在這個領域佈局了超過10年，掌握了核心的原子層沉積製備工藝，已經實現了3nm以下工藝的量產適配。國內的研發還處於實驗室階段，雖然部分高校實現了材料的實驗室製備，但距離量產還有很遠的距離，核心卡點在於，國內晶圓廠的最先進工藝是14nm，根本沒法支援下一代鐵電儲存材料的大規模製備，研發成果只能在實驗室裡驗證，沒法實現商業化落地。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球新型儲存晶片的市場規模，將達到85億美元，預計到2030年將超過400億美元，年複合增長率超過40%；——國內新型儲存材料的商業化量產率不足5%，絕大多數還處於實驗室研發和中試階段；——PCRAM/RRAM材料：僅武漢新芯、兆易創新等少數企業，推出了存算一體晶片原型，進入了端側場景的驗證階段，量產規模極小；——鉿基鐵電儲存材料：國內仍處於實驗室研發階段，商業化量產率不足1%，基本依賴進口。4、產業鏈暗線新型儲存技術的迭代，和晶圓廠的工藝深度繫結。台積電、三星的3nm以下工藝，已經全面支援新型儲存材料的製備，而國內的中芯國際，最先進的量產工藝是14nm，根本沒法支援下一代新型儲存材料的大規模製備。這就導致國內的研發成果，只能在實驗室裡驗證，沒法實現量產落地，陷入了“研發-驗證-沒法量產-再研發”的死循環。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室原型，沒有量產工藝和晶圓廠合作的項目，90%都是概念炒作；——沒有核心自主專利，繞不開海外專利壁壘的項目，商業化即死；——沒有明確的落地場景，純靠技術講故事的項目。（2）真命題（重點佈局/長期關注）：——掌握核心材料配方和製備工藝，有自主智慧財產權，和國內晶圓廠聯合研發，實現中試驗證的項目；——在端側AI場景，已經實現存算一體晶片量產落地，有明確客戶訂單的項目；——和國內AI晶片廠商聯合研發，繫結下一代存算一體架構的項目（長期佈局）。三、深度洞察中國新材料突圍的核心矛盾，根本不是技術，是產業閉環的缺失寫到這裡，相信很多人都能看清一個殘酷的真相：中國新材料產業的最大痛點，從來不是“實驗室做不出來”，而是“做出來了，沒人敢用；沒人用，就沒法量產；沒法量產，就沒法迭代；沒法迭代，就永遠追不上海外”——這是一個死循環，也是海外廠商能壟斷幾十年的核心原因。1、海外廠商的壟斷閉環：聯合研發的生態繫結海外的材料產業，已經形成了“材料廠商-晶圓廠/封測廠-晶片設計廠-終端客戶”的四方聯合研發體系，這是一個牢不可破的閉環。比如味之素的ABF樹脂，是和台積電、輝達、AMD聯合研發的：下一代Chiplet架構需要什麼樣的材料性能，提前3年就會確定研發方向，材料研發和晶片設計、封測工藝完全同步。材料一研發出來，就有台積電的產線做驗證，有輝達的晶片做測試，有終端客戶的場景做落地，迭代速度極快。更關鍵的是，這個閉環形成了極強的排他性：新的廠商那怕做出了性能更好的產品，也根本沒法進入這個體系——因為整個產業鏈的工藝、標準、產線，都已經和現有材料廠商深度繫結，更換供應商的成本極高，風險極大，沒人願意做這個嘗試。2、國內產業的困境：單向研發的死循環國內的材料產業，恰恰相反，是“材料廠商自己悶頭研發，研發出樣品，到處找客戶做驗證”的單向模式，而客戶根本不敢給你驗證的機會，核心原因有三個：驗證成本極高：一顆高端AI晶片的成本超過1萬元，用你的材料做驗證，一旦出問題，晶片直接報廢，損失誰來承擔？驗證周期極長：高端半導體材料的完整驗證周期，長達18-24個月，要經過上千次的高低溫循環、濕度循環、可靠性測試，客戶沒有動力花這麼長的時間，去驗證一個沒有經過市場檢驗的國產材料。責任風險極大：如果用了你的材料，最終產品出了問題，客戶要承擔終端使用者的巨額賠償，沒人敢擔這個責任。國內某頭部封測廠的採購負責人，說過一句非常扎心的話：“我們也想支援國產材料，但海外廠商的材料，用了20年，從來沒出過問題。國產材料那怕實驗室參數達標，我們也不敢大規模用，因為一旦出問題，整個產線都要停，損失幾千萬，誰來負責？我們最多給你1%的產線做驗證，而且要你自己承擔所有的驗證成本，就算驗證通過了，也最多給你10%的訂單，不可能全部替換。”這就是國內材料產業最真實的困境：沒有驗證機會，就沒有量產資料；沒有量產資料，就沒法最佳化工藝、迭代產品；沒法迭代產品，就永遠追不上海外廠商，永遠只能在中低端市場內卷。3、破局的唯一路徑：建構產業鏈協同的國產替代閉環要打破這個死循環，靠單個企業的研發突破根本沒用，必須靠“政策引導+龍頭帶動+產業鏈協同”，建構起屬於中國的材料產業閉環：政策引導：國家出台專項政策，給使用國產材料的晶圓廠、封測廠、終端廠商，提供風險補償、稅收優惠和專項資金支援，降低客戶的驗證風險和成本；龍頭帶動：國內的AI晶片龍頭、網際網路大廠、封測廠、晶圓廠，主動承擔起產業鏈責任，給國產材料廠商提供驗證的機會，開放產線和場景，聯合研發；產業鏈協同：材料廠商、晶圓廠、晶片設計廠、終端客戶，形成聯合研發體系，提前佈局下一代技術路線，讓材料研發和產業需求同步，而不是跟在海外後面模仿。只有這樣，才能真正打破海外的壟斷，實現中國新材料產業的自主可控。四、2026年AI算力材料賽道投資全景圖譜為了方便從業者與投資人參考，我們整理了2026年AI算力材料賽道的完整投資全景圖譜，基於最新的產業資料、國產化進度、技術壁壘，給出明確的投資評級與核心關注標的。結尾AI算力的競爭，從來不是單點的晶片之爭，而是整個產業鏈的底層生態之爭。 (材料匯)

這是資本市場對AI算力賽道的集體冷靜，也是對輝達未來增長深層焦慮。連續14個季度業績超預期的輝達，折在了AI商業化前夕？台北時間2月26日，全球晶片巨頭輝達發佈了2026財年第四季度及全年財報。財務資料堪稱完美，但其股價卻應聲大跌超5%，市值一夜蒸發近2600億美元（約合人民幣1.7兆元）。儘管27日，輝達向OpenAI投資300億美元的消息披露，同時雙方還敲定了下一代推理計算能力的合作，但這依然沒能讓輝達的股價止跌回升。截至27日收盤，輝達跌4.16%，市值再度蒸發1871億美元（約合人民幣1.28兆元）。兩天時間，輝達市值蒸發4471億美元。資本市場對AI算力賽道的集體冷靜驟不及防，對輝達未來增長的深層焦慮呼之慾出。業績連續超預期，AI算力成絕對支柱自2023財年第三季度以來，輝達已經連續14個季度營收超過市場預測。最新財報顯示，輝達第四季度營收681.27億美元，同比增長73%，高於分析師此前預測的662.1億美元。淨利潤429.6億美元，同比增長94%，近乎翻番。毛利率維持75%的超高水平，較上年同期提升2個百分點，盈利能力依舊強勁。分析師對其下一季度營收的預期攀升至780億美元，且該資料尚未計入中國資料中心業務收入。主營業務的營收變化，標誌著輝達已完成從遊戲顯示卡廠商到AI算力基礎設施提供商的徹底轉型。第四季度，輝達資料中心部門收入達623億美元的創紀錄水平，同比增長75%，在總營收中的佔比高達91%，成為絕對增長引擎。相比之下，遊戲和AIPC部門收入37億美元，佔比約5%；專業可視化部門收入13億美元，佔比1.9%；汽車與機器人部門收入6.04億美元，佔比約0.9%，後三類業務已處於邊緣位置。資料中心業務的爆發，核心源於全球大模型訓練、AI推理的旺盛需求，以及新一代Blackwell晶片的訂單爆發。輝達首席財務官Colette Kress在財報電話會上表示，AI發展已迎來拐點，算力需求呈爆發式增長，Blackwell晶片自發佈後訂單需求遠超產能，全球主要雲廠商、大模型公司的大額訂單，足以支撐公司下一季度的增長目標。Trend Force集邦諮詢的研究也為其提供了基本面支撐。2026年全球八大雲巨頭的資本支出將突破7100億美元，其中大部分將投入AI算力基礎設施建設，這為輝達資料中心業務的未來營收定下了基礎。業績與股價背離，半導體類股集體受挫與完美的財報形成鮮明對比的是輝達的股價表現。財報發佈當日，其股價盤中一度漲超2%，但隨著財報披露和電話會結束，股價持續走低，最終跌超5%，創下2025年4月以來的最大單日跌幅。這一走勢不僅打破了輝達長期的“財報必漲”魔咒，還形成了新的反常規律——自2024年8月起，無論財報業績是否超預期，其股價在財報發佈次日均會“走低一下”。輝達的股價異動還拖累了整個半導體類股，財報發佈當日，博通股價跌超3%，AMD跌3.41%，台積電跌2.8%，資本市場對AI算力類股的擔憂顯露無遺。即便後續有新消息釋放，也未能止住輝達的跌勢。2月27日，OpenAI宣佈完成1100億美元最新融資，其中輝達出資300億美元，同時雙方還敲定了下一代推理計算能力的合作，但其股價依舊走低，當日收盤報177.19美元/股，跌幅4.16%。市場分析人士認為，此次股價與業績的背離，直接原因是利多出盡後的獲利盤集中兌現，深層則是市場對輝達未來增長的擔憂。Jones Trading首席市場策略師奧羅克直言，投資者的關注點已從“現在有多好”轉向“未來還能好多久”，過度透支的預期讓這份滿分財報失去了說服力。Janus Henderson投資組合經理Richard Clode也指出，過去三年輝達的持續超預期，讓“超預期”從驚喜變成了市場基準，一旦業績只是符合預期而非大幅超越，高位資金就會選擇落袋為安。四重隱憂浮現，輝達增長天花板顯現資本市場的遲疑，並非毫無依據，透過亮眼的財報資料，輝達的多重發展隱憂已逐漸浮現，這些問題不僅關乎公司自身，也折射出整個AI算力產業的潛在風險。最突出的問題是業務結構極度單一。91%的營收依賴資料中心業務，意味著該業務的需求波動將直接決定輝達的整體營收表現，缺乏第二增長曲線的支撐，讓公司的發展開始瀰漫不確定性的影子。其次是客戶高度集中，且需求可持續性存疑。Colette Kress在財報電話會上承認，2026年全球頭部五大雲端運算服務商貢獻了輝達資料中心業務超50%的營收，公司業績與少數巨頭的資本開支計畫深度繫結。而TrendForce的報告顯示，2026年四大雲廠商的資本支出增速將從2025年的73%放緩至62%，2027年還存在見頂風險。更關鍵的是，這些核心客戶正加速自研晶片，試圖擺脫對輝達的依賴。Google第七代Ironwood TPU算力已超越輝達B200晶片，且成本更低。Meta計畫2027年在資料中心部署數十億美元TPU，2026年已通過Google雲租用算力。AMD的GPU產品也拿下了Oracle、Meta的訂單，還與OpenAI簽署了6GW算力協議。雲廠商的自研替代，正逐步侵蝕輝達的市場份額。第三是地緣政治風險加劇，海外營收穩定性受影響。2025年12月美國雖允許輝達H200晶片對華出口，但附加了嚴格限制條件，截至2026年2月，該晶片對華獲批銷售數量為零，輝達未收到任何中國客戶的有效訂單。中國作為全球重要的AI晶片市場，市場需求旺盛，這對輝達長期業務佈局造成持續衝擊。而近期美國政府官員關於“DeepSeek使用輝達晶片訓練模型違反美國出口管制規定”的言論，更是讓輝達的海外市場拓展蒙上了政策不確定性的陰影。知名“大空頭”、《大空頭》原型麥可·貝瑞指出，輝達財報中的“採購義務”從一年前的161億美元飆升至952億美元，原因是台積電要求其支付更多現金用於定製晶片生產。這意味著輝達被迫在需求尚未完全明朗的情況下，簽下了不可取消的採購訂單，若未來下游需求出現動搖，這一高額數字將直接威脅公司的業績健康。AI產業回歸理性，自主可控成國核心心方向輝達的股價波動，也是整個AI算力賽道的一個重要訊號。生成式AI爆發後，資本市場對AI算力的狂熱正在降溫，行業認知開始回歸理性。過去兩年，資本市場對AI的投資多停留在“故事和預期”層面，只要與AI沾邊，企業就能獲得高估值。而如今，隨著AI創業企業估值走高和逐步完成上市，投資者的關注焦點已轉向“商業化落地和增長可持續性”，不再盲目追捧相關概念。Richard Clode表示，市場的辯論核心已從短期業績轉移到人工智慧資本支出的可持續性，輝達的規模、貨幣化能力以及潛在的現金流惡化，都成為投資者擔憂的點。從產業層面來看，AI算力領域的競爭格局和發展邏輯正發生深刻變化。過去輝達憑藉CUDA生態壁壘，在AI晶片領域形成壟斷，而如今隨著GoogleTPU的崛起，以及雲廠商自研晶片的推進，這一壟斷格局正被打破。同時，全球AI應用正從訓練向推理加速遷移，雲廠商的採購策略也從“單一GPU”轉向“GPU與ASIC雙軌平行”，兼顧成本效益與場景適配性。這意味著未來的AI算力需求將更趨多元化，單純依靠高端晶片的增長模式已難以為繼，輝達需要在生態、產品、成本等方面持續發力，才能維持領先地位。而輝達的地緣政治風險和市場壟斷，也讓國內AI產業進一步明確了自主可控的重要性。經過多輪技術限制後，國內相關行業逐漸形成共識，關鍵算力產品不能過度依賴外部供應。這一共識也讓國內企業更傾向於支援國產方案，推動了國內AI算力產業鏈的自主化發展。目前，國內頭部雲廠商均在加大自研晶片佈局。騰訊在外購GPU的同時，與本土廠商合作推進ASIC自主方案。阿里巴巴旗下平頭哥、阿里雲正積極自研ASIC AI晶片。百度旗下崑崙芯也在今年1月份提請IPO。這些舉措不僅有助於降低國內產業對輝達的依賴，也讓國產AI算力晶片的研發和商業化處理程序不斷加快。除了大廠之外，國內GPU創業企業也在加快追趕。2月27日，國內算力晶片廠商寒武紀、摩爾線程和沐曦股份相繼發佈了2025年度業績快報。總體來看，上述三家企業營收都呈現出明顯的增長趨勢。最新完成IPO的摩爾線程和沐曦股份雖目前仍處於虧損狀態，但其虧損缺口在縮小。報告顯示，沐曦股份虧損縮小21.28%，摩爾線程虧損縮小36.70%。從全球來看，AI產業依然是未來科技發展的核心方向，算力需求的長期增長趨勢並未改變，但行業的競爭邏輯已發生根本變化。靠講故事、炒預期的階段或許已過去，未來的競爭將聚焦於技術創新、成本控制、生態建構和商業化落地。對輝達而言，如何打破業務單一的困局、應對競品的替代挑戰、化解地緣政治風險，將決定其未來的發展命運。而對整個AI產業來說，輝達的這次股價異動是一次重要提醒：AI的故事已經講完，真正的現實考驗才剛剛開始，只有能實現技術突破、落地商業化的企業，才能在未來的競爭中站得更加穩固。 (億歐網)