DeepSeekV4爆了，全面擁抱國產算力，中國“芯”崛起。1、 國產晶片與輝達是否還有差距？先上結論：差距在快速縮小，大叢集方案讓中國芯迎來了全新變數。華為昇騰950是今年的國產主力，主打推理，單卡算力對標輝達H100，FP4性能局部反超H100，雖訓練端與H200仍有差距，但遠優於特供版H20。但與輝達下一代Rubin架構對比，單卡性能仍然落後。未來，真正的突破還在於用系統化思維，重新定義晶片戰爭。比如華為CloudMatrix 384叢集，與輝達GB200 NVL72叢集對比，實現了1.7倍的算力表現。這說明現在競爭進入了超大規模晶片叢集比拚階段。未來要通過數萬顆國產晶片高效協同，實現算力質變。2、 能不能超越？超越正在進行時，中國晶片正迎來關鍵的趕超窗口。未來主要從製程、光刻機、核心原料三大環節突破。製程。我們仍在成熟製程（28nm及以上）向先進製程（14nm、7nm及以下）的爬坡中，比如等效7nm工藝需依賴DUV多重曝光，良率與成本均需要提升。光刻機。全球90%以上的光刻機市場被荷蘭和日本佔據。艾斯摩爾市佔80%，佳能、尼康佔15%。用於7nm以下製程的高端EUV光刻機只有艾斯摩爾能生產，國產28nm DUV光刻機已經實現突破，等待EUV研發破局。原材料。高純度矽片、光刻膠、特種氣體等基礎原材料仍依賴進口。比如日本信越化學、JSR壟斷的ArF光刻膠等。未來需要更多工業積累和研究突破。中國晶片產業正快速崛起。華為、寒武紀等本土晶片品牌快速發展，IDC資料顯示AI加速卡市場國內廠家滲透率突破40%；中興通訊的5nm製程ASIC完成流片、中芯國際步入先進製程良率和產能突破期。長期看，國產晶片必然從“能用”跨越到“好用又便宜”，憑藉產業鏈、規模化和成本優勢，複製新能源汽車和太陽能的奇蹟。中國芯重構全球格局，只是時間問題。3、 AI不是風口，是海嘯我從美國考察回來提醒：AI不是風口，是海嘯。DeepSeekV4與八大國產GPU適配，更低算力成本、更頂級性能。 算力國產化加速，這是國產GPU全面崛起最好契機。 前期預測：2026年超級應用大爆發，中國力量崛起。AI的背後是算力，算力的背後是電力。這是我們這代人最重要的機遇，人生發財靠周期。 (澤平宏觀)

在萬眾期待中，DeepSeek正式推出新一代旗艦大模型DeepSeek V4。超高的參數規模、百萬級超長上下文、全面升級的智能體能力，讓這場發佈會看點十足。但相較於亮眼的技術資料，官方一句“下半年全面切換國產算力”，才是本次發佈真正的重磅訊號，其價值遠超所有技術參數的發佈。長期以來，國內大模型產業始終深陷算力“卡脖子”困境。國內絕大多數AI模型的訓練與推理，高度依賴海外高端晶片，不僅供應隨時面臨政策風險，高昂的算力成本，也嚴重阻礙了大模型商業化落地與行業普及。打造自主可控的算力底座，早已成為中國AI產業發展的核心訴求。然而過去很長一段時間，國產算力受限於生態、性能等短板，難以承載兆參數級大模型的商用運行。眾多頭部模型廠商雖有心佈局，卻始終停留在小規模適配測試階段，遲遲無法實現規模化落地。DeepSeek V4的官宣，徹底打破了這一僵局。作為國內第一梯隊的開源大模型，DeepSeek官方明確表示，將在下半年依託成熟的國產算力，完成主力模型的全面遷移，並同步下調服務價格。同時，該模型已完成國產晶片平台的深度適配與性能驗證，證明國產算力完全可以支撐頂級大模型的商業運行。這一表態釋放出三重關鍵產業訊號。首先，國產算力技術已經迎來成熟拐點，不再是行業備選方案，正式具備商用替代能力；其次，頭部模型廠商的帶頭適配，將形成強大的頭雁效應，帶動整個行業加速向國產算力生態遷移；最後，中國AI產業正式進入海外算力與國產算力雙軌平行的新階段，算力自主化處理程序大幅提速。除此之外，全面切換國產算力，還將大幅降低大模型推理成本。成本的下降，能夠降低各行各業接入AI的門檻，推動大模型從高端技術實驗，走向千行百業的普惠應用。同時，也能從根本上規避外部斷供風險，築牢中國AI產業的安全防線。一場發佈會，耀眼的參數隻是技術的常規迭代，而擁抱國產算力的決定，才是改變行業格局的關鍵一步。DeepSeek V4的這份宣言，不僅是企業自身的戰略選擇，更是中國AI產業擺脫外部依賴、走向自主自強的縮影。可以預見，在頭部企業的引領下，國產算力生態將迎來爆發式增長。屬於中國AI算力自主可控的新時代，已然加速到來。 (向陽而生的南山)

前言：轉折點，2023 年末美國限制高端 AI 晶片出口（A100/H100），倒逼國產算力加速替代，形成 "政策 + 市場 + 技術" 三重驅動格局。經過近幾年的發展，國產算力進入加速迭代周期。尤其是2026 年 4 月 24 日發佈的 DeepSeek-V4（含 V4-Pro 旗艦版和 V4-Flash 輕量版），對國產算力發展具有里程碑意義，核心催化作用體現在四個方面：1. 技術適配：全球首個兆參數 MoE 模型全鏈路國產算力適配芯模協同：與華為昇騰、寒武紀、天數智芯等國產晶片實現"Day 0 級" 原生適配，非簡單移植架構升級：採用DSA 稀疏注意力機制，token 維度壓縮，百萬上下文（1M）算力消耗僅為 V3.2 的 27%，KV 快取佔用降至 10%性能突破：昇騰950 通過融合 kernel 技術，推理速度提升超 35 倍，單卡性能達輝達 H20 的 2.87 倍，推理成本降至 GPT 的 1/102. 生態建構：打破輝達 CUDA 壟斷，加速國產算力生態閉環框架遷移：從CUDA 轉向華為 CANN 異構計算架構，重寫 40 萬個底層算子，重構通訊協議與平行框架開源賦能：適配程式碼開源至GitHub，推動 vLLM 等推理框架對國產晶片的支援，降低開發者門檻產業協同：華為雲MaaS 平台提供一鍵呼叫 API，昇騰 A3 超節點全面適配，形成 "模型 - 晶片 - 雲" 自主閉環3. 需求啟動：帶動國產算力規模化部署，加速替代處理程序高端場景驗證：兆參數大模型在國產算力上穩定運行，證明國產算力具備支撐頂級AI 應用的能力成本優勢：V4-Flash 輕量版推理能力接近 Pro 版，參數規模更小，大幅降低 AI 應用落地成本市場預期：下半年昇騰950 超節點批次上市後，V4-Pro 服務價格將大幅下調，進一步擴大應用規模4. 產業標準：樹立國產算力適配標竿，推動技術迭代性能基準：為國產晶片提供大模型適配性能參考，倒逼晶片廠商最佳化硬體架構與軟體棧生態聯盟：促進國產晶片、伺服器、軟體廠商形成協同，加速建構自主可控的AI 產業生態以下從產業鏈受益環節梳理出核心上市公司以供大家參考研究：一、AI 晶片 / 算力核心（替代彈性最大）1、寒武紀（688256）：思元 590 對標 A100，邊緣計算市佔率 25%，率先完成 DeepSeek-V4 Day 0 適配，開源 vLLM 最佳化程式碼2、海光資訊（688041）：國產 DCU 龍頭，深算二號對標 AMD MI300，深算系列適配 V4，x86 CPU+DCU 雙輪驅動，繫結百度字節3、華為昇騰（未上市）：950/910B 晶片性能接近 H100，CANN 生態成熟，與 DeepSeek 深度協同，超節點全系列支援 V4，推理性能領先4、沐曦股份（688802）：高端訓練晶片，MX1 系列對標 H100，適配 V4，受益國產算力訓練需求爆發二、AI 伺服器 / 超節點（算力載體，需求放量）1、中科曙光（603019）：國產超節點領軍者，全球首個單機櫃 640 卡超節點，搭載海光 / 寒武紀晶片，適配 V4 大規模部署2、工業富聯（601138）：AI 伺服器絕對龍頭，CPO 全光交換機量產，為國產算力提供高密度伺服器，受益超節點放量3、浪潮資訊（000977）：國內伺服器龍頭，網際網路客戶基礎深厚，國產算力伺服器核心供應商，出貨量領先4、紫光股份（000938）：乙太網路交換機核心供應商，提供算力網路關鍵裝置，支援超節點互聯三、光模組/ CPO（算力傳輸，高景氣賽道）1、中際旭創（300308）：全球光模組龍頭，800G/1.6T 份額第一，國產算力叢集高速互聯核心供應商，2026 年 Q1 淨利潤增 262%2、光迅科技（002281）：央企光晶片 + CPO 龍頭，自主光晶片降低成本，適配國產算力高頻寬需求3、華工科技（000988）：800G/1.6T 光模組量產，受益國產算力資料中心建設，CPO 技術領先四、算力服務/ IDC（需求落地，長期受益）1、潤澤科技（300442）：全國最大 AIDC 營運商，六大區域佈局，提供國產算力基礎設施，受益 "東數西算" 與 V4 應用落地2、光環新網（300383）：核心城市算力龍頭，機櫃超 23 萬個，國產算力租賃服務，繫結頭部 AI 企業五、其他關鍵配套（PCB、介面晶片等）1、勝宏科技（300476）：AI 伺服器 PCB 龍頭，高頻高速板技術領先，單價為普通 PCB 5-8 倍，AI 業務佔比提升至 35% 以上2、瀾起科技（688008）：記憶體介面晶片龍頭，DDR5 技術領先，國產算力伺服器記憶體核心供應商，受益記憶體頻寬提升需求總結與展望：DeepSeek-V4 的發佈標誌著國產算力發展進入芯模協同、生態閉環的新階段，不僅驗證了國產算力支撐頂級 AI 應用的能力，更將加速國產替代處理程序，推動算力產業鏈從 "單點突破" 向 "全鏈崛起" 轉變。未來1-2 年，國產算力將在訓練晶片性能提升、生態適配完善、成本持續下降三大驅動力下實現爆發式增長，產業鏈上下游企業將迎來業績與估值的雙重提升。風險提示：技術進展緩慢，資本開支縮減，海外晶片出口限制解除。 (預見預研)

進入2026年一季度，全球半導體行業徹底告別此前的去庫存周期，迎來顛覆性轉折。從上游晶圓代工、關鍵裝置材料，到中游儲存晶片、模擬晶片、功率器件，再到下游封測與終端應用，全產業鏈掀起罕見漲價潮，疊加AI算力需求指數級增長、國產技術持續突破，半導體產業正邁入“量價齊升”的超級周期，兆美金市場規模提前到來，全球產業格局迎來深度重構。一、史上罕見！全產業鏈漲價潮來襲，部分品類漲幅超100%2026年開年，半導體行業就迎來了前所未有的全品類漲價浪潮，超50家國內外頭部廠商密集發佈調價通知，覆蓋晶圓代工、儲存、模擬、MCU、功率半導體、被動元件等全環節，不再是單一品類的周期波動，而是行業供需反轉、成本上漲、地緣因素多重共振的結果。儲存晶片成為漲價領頭羊，受AI大模型、資料中心算力需求爆發驅動，三星NAND Flash漲幅突破100%，DRAM產品漲幅達60%-70%，SK海力士部分LPDDR產品漲幅逼近100%，HBM高頻寬記憶體更是供不應求，交期持續拉長，成為本輪漲價的核心引擎。模擬晶片與MCU成漲價重災區，德州儀器開啟年內第二次全面漲價，數字隔離器、電源管理IC等核心產品最高漲幅達85%，亞德諾、恩智浦等國際巨頭同步提價，國內芯海科技、中微半導等本土廠商也跟進10%-50%的漲幅，車規級晶片受新能源汽車需求回暖影響，漲價勢頭尤為強勁。上游晶圓代工與封測環節同步跟進，台積電連續第四年上調先進製程價格，2nm工藝漲幅約50%，中芯國際等本土晶圓廠也調整8英吋成熟製程價格；英飛凌、安森美等功率半導體廠商，村田、國巨等被動元件廠商，均因原材料、能源、物流成本上漲，紛紛上調產品價格，部分電感、電阻漲幅達5%-35%，全產業鏈成本壓力持續傳導。二、AI算力成核心驅動力，兆半導體市場提前落地此前行業預測2030年全球半導體市場突破兆美金，而根據SEMI（國際半導體產業協會）最新資料，這一目標有望在2026年底提前實現。2025年全球半導體銷售額已達7917億美元，同比增長25.6%，2026年預計增至9750億美元，同比大漲23%，距離兆關口僅一步之遙，而這一切的核心驅動力，正是AI算力的爆發式增長。AI大模型推理與訓練需求激增，讓全球資料中心利用率達到歷史峰值，GPU、HBM、伺服器CPU等高端晶片供需嚴重失衡。2026年全球AI基礎設施支出將達到4500億美元，推理算力佔比首次超過70%，海量的算力需求直接拉動半導體全產業鏈產能擴張，晶圓廠裝置支出持續加碼，2026年全球半導體裝置支出預計增至1260億美元，先進製程、先進封裝賽道迎來爆發式增長。在3月底落幕的SEMICON/FPD China 2026展會上，全球1500家半導體企業齊聚上海，展出最新技術與產品，展會規模再創新高，直觀展現了AI驅動下半導體產業的火熱態勢。AI不再是單一的應用場景，而是成為貫穿半導體設計、製造、封測全環節的核心主線，重塑整個產業的增長邏輯。三、國產半導體加速突圍，從“可用”邁向“高端”在全球產業鏈重構、漲價潮與供應鏈安全需求的多重推動下，國產半導體產業迎來關鍵戰略窗口期，不再侷限於低端替代，而是向著高端製程、核心裝置、先進材料領域全力突破，產業話語權持續提升。技術成果集中落地，中微公司一口氣推出四款覆蓋矽基和化合物半導體的關鍵工藝新品，拓荊科技發佈針對Chiplet異構整合和HBM應用的3DIC系列裝置，中科飛測展出15款高端質量控制裝置，國產半導體裝置廠商逐步打破海外壟斷，實現從單點突破到全流程覆蓋的跨越。中科院發佈“香山”開源處理器、“如意”原生作業系統，啟動下一代“昆明湖”架構研發，聯合數十家企業建構本土晶片生態，築牢產業自主根基。產能與市場份額穩步提升，中國大陸已連續六年保持全球第一大半導體裝置投資市場，預計2027年裝置投資市場份額接近全球30%。到2030年，中國半導體產能將佔全球32%，在22-40奈米主流製程領域，2028年市場份額將達到42%，長江儲存、中芯國際、華潤微等本土龍頭，在儲存、晶圓代工、功率半導體領域逐步掌握定價權，跟隨國際廠商同步調價，標誌著國產晶片在全球產業鏈的地位實現質的飛躍。同時，“十五五”規劃將半導體產業列為核心戰略領域，政策、資本、人才全方位傾斜，疊加海外廠商漲價、供應鏈不穩定，下游終端企業加速供應鏈多元化，國產替代從“可選項”變為“必選項”，車規級、工控、AI終端等高端領域的國產滲透速度持續加快。四、行業新格局：區域化、本土化，機遇與挑戰並存本輪半導體超級周期，不僅是市場規模的增長，更是全球產業鏈格局的重構。地緣政治因素推動產業“去全球化”，區域化、本土化供應鏈成為主流趨勢，美洲、歐洲紛紛加大半導體產業投資，而中國憑藉龐大的市場需求、完整的產業鏈配套與持續的技術突破，成為全球半導體增長的核心引擎。對於行業而言，本輪漲價潮雖會給下游消費電子、汽車、工控等終端帶來短期成本壓力，但也加速了行業優勝劣汰，倒逼企業技術升級與供應鏈最佳化。對於國產半導體廠商來說，這是前所未有的發展機遇，更是實現從“跟跑”到“並跑”“領跑”的關鍵階段。未來，AI算力需求仍將持續釋放，儲存革命、先進製程、先進封裝將成為行業競爭焦點，國產半導體在核心裝置、高端晶片、關鍵材料領域的突破，將決定全球產業格局的走向。2026年，註定是半導體行業的變革之年，也是國產晶片的崛起之年，兆市場的新征程已經開啟，屬於中國半導體的黃金時代正在到來。結語半導體作為科技產業的“糧食”，始終是全球科技競爭的核心賽道。2026年的行業巨變，既是周期反轉的必然，也是技術創新的結果。站在產業新起點，本土半導體企業唯有持續深耕技術、完善產業鏈生態，才能抓住這一輪超級周期機遇，在全球格局中牢牢佔據一席之地，讓中國芯真正走向世界。 (SEMI半導體研究院)

01前沿導讀據美國戰略與國際研究中心研究員格雷戈裡·C·艾倫表示，中國科技公司已聘請ASML員工開發國產的光刻機裝置，但整體進度仍然處於落後狀態。隨後艾倫補充表示，在美國禁令生效之前，中國企業與ASML緊急簽訂了採購協議，囤積了ASML部分老款光刻機，以便繼續製造那些不太先進的晶片。02取得成功美國經濟歷史學家、外交政策研究院主任克里斯·米勒在個人作品《Chip War》中指出，先進的光刻機裝置是人類迄今為止創造過的最複雜的工業機器，其供應鏈企業遍佈全球，包括了歐洲、美國、亞洲在內的5100家企業。涉及學科複雜，包括材料學、物理學、化學、機械製造、設計光學等各類科學技術。ASML的成功依託於全球資源體系的支援，並且服務於全球範圍內的客戶群體。美國的對華限制讓ASML中國區業務出現不穩定因素，先封鎖了中國企業在2018年採購的EUV光刻機，隨後又接連封鎖了浸潤式光刻機的出口，這極大刺激了中國本土裝置企業，讓中國自主技術裝置迎來了大規模的集中發展。ASML前CEO與現任CEO紛紛在接受採訪時指出，已經知曉中國企業在開發先進的國產光刻機裝置這件事，這完全合情合理。中國是一個14億人口的大國，作為一個世界上最大的經濟體，中國企業絕對不會接受在關鍵技術上面被別人卡脖子的困境，美國試圖阻止中國發展科技，那麼中國就會更加努力地取得成功。在先進晶片和EUV光刻機受到封鎖之後，中國企業積極採取備選技術方案，通過可採購到的ASML浸潤式光刻機以及自對準多重圖案化技術製造國產7nm晶片。該技術需要光刻機一次曝光，然後經過兩次沉積-刻蝕工藝的交替實現電晶體半間距的縮短，以此來達到等效7nm工藝的特性。這種技術雖然可以製造7nm晶片，但是其能效、性能、良品率、成本均無法與先進的EUV技術相比。在積極解決先進晶片卡脖子的困境時，中國企業還在持續推進國產化裝置的技術進度。2024年中國工信部公佈了兩台光刻機裝置，一台KrF一台ArF。最先進的ArF裝置已經具備了65nm解析度，可以實現65nm—40nm的晶片製造。雖然只是兩台幹式光刻機裝置，但對於中國之前90nm的裝置來說技術進步明顯。03裝置出口ASML中國區總裁沈波此前在中國進博會上對媒體表示，從1988年ASML將第一台裝置運送到中國至今，中國大陸地區包括光刻機以及測量台在內的裝置數量達到了1400台左右。這些ASML的裝置，一部分被拿去生產等效工藝為7nm的先進晶片，另一部分被用於製造28nm、14nm工藝的成熟晶片，這些成熟工藝的晶片被廣泛應用於汽車、工業控制、物聯網、消費電子等領域，佔全球總市場需求的60%以上。大規模囤貨確保了在未來可能完全斷供的情況下，中國龐大的製造業基礎不至於因缺少裝置而停擺，為經濟安全構築了關鍵防線。據ASML財報顯示，2023年至2025年，中國市場為其貢獻的總銷售佔比極高，某些季度一度達到了40%以上的規模佔比。依靠ASML裝置形成的製造產業鏈，是整個全球晶片製造業的技術標準，同時也是中國國產光刻膠、鏡頭、工作台等裝置材料相對比的範本。研發團隊可以將國產部件接入現有產線進行測試，對比其與進口原件的性能差距，從而獲得最直接的反饋資料進行迭代最佳化。ASML的裝置能達到現在這麼穩定的水平，也是經過了長時間的技術偵錯與大量的資料資訊當做參考。依照ASML的標準進行國產技術的最佳化，這要比閉門造車效率高得多。如今來自於美國的外部壓力，已經迫使中國半導體產業從單點突破轉向系統發展。在刻蝕、沉積、清洗、檢測等多個裝置領域，北方華創、中微公司等本土廠商已加速進入主流產線，芯上微裝等本土光刻機企業也正在有條不紊的推動技術進步。中國企業依靠內需市場以及前幾年所囤積的進口裝置，正在成熟製程領域形成規模優勢和成本優勢。這不僅能滿足內需，還可能以更具競爭力的價格參與全球市場，從而在半導體產業的基本盤中佔據主導地位，削弱傳統巨頭的利潤基礎，為向高端進軍積累資本和市場話語權。 (逍遙漠)

TrendForce今日援引Newsswitch及路透消息披露，中國正系統性推進半導體裝置國產化攻堅，目標2027年將成熟製程（28nm及以上）裝置本土化率從當前約55%提升至70%，並在14nm及以下先進節點取得突破。上海微電子（SMEE）、北方華創（NAURA）、中微公司（AMEC）等國產裝置商處於技術攻關最前沿。報導稱，中國新建晶圓廠已強制要求50%以上裝置採購國產化，2027年目標上調至70%。這一政策由中芯國際、華為等龍頭牽引，配套國家大基金三期及地方專項補貼。與此前"鼓勵替代"不同，此次設定量化硬指標，未達標企業將無法獲得新建產線批文及稅收優惠。裝置進展：光刻、刻蝕雙線突破光刻機：SMEE 28nm ArF浸沒式光刻機已進入產線驗證階段，套刻精度<2.5nm，目標2026年Q4匯入中芯國際量產；路透援引消息人士稱，中國已利用舊ASML裝置元件組裝出EUV原型機，計畫2028年試產功能晶片，2030年量產更現實。刻蝕機：北方華創28nm CCP/ICP刻蝕機已批次出貨，14nm裝置正在中芯國際驗證；中微公司5nm以下電漿體刻蝕機通過台積電驗證，成為首個進入國際大廠先進產線的國產裝置。清洗/薄膜：盛美上海、拓荊科技在12英吋單片清洗、ALD原子層沉積領域市佔率突破20%，驗證周期較外資裝置縮短至約一年。除製造裝置外，中國正加速EDA工具與先進材料替代。華大九天、概倫電子14nm以上EDA工具已通過華為海思驗證；滬矽產業12英吋矽片、南大光電ArF光刻膠進入中芯國際供應鏈，目標2027年材料本土化率同步達到70%。Newsswitch指出，國產裝置驗證周期普遍短於外資裝置，約一年內即可完成產線匯入，而ASML、應用材料等裝置驗證通常需18-24個月。這一"速度優勢"使國產廠能快速響應本土晶圓廠擴產需求，尤其在成熟製程領域形成替代窗口。分析師提醒，70%目標聚焦成熟製程，14nm以下光刻機、量測裝置仍存代差；EUV原型機若2028年試產，與ASML量產EUV仍有5-8年差距。TrendForce認為，中國裝置國產化加速將重塑全球供應鏈。2027年若實現70%成熟製程自給，ASML、應用材料、東京電子在中國區收入可能下滑30%-40%；但同時，中國晶圓廠擴產速度將提升，全球成熟製程產能佔比有望從當前25%提升至35%，進一步壓低28nm以上晶圓價格。從50%到70%，不僅是數字躍升，更是中國半導體產業"去美化"的深水區攻堅。當SMEE的28nm光刻機與中微的5nm刻蝕機同時進入驗證，國產裝置正從"可用"邁向"好用"。2027年能否如期達標，將決定中國在全球晶片產業格局中的最終站位。 (晶片行業)

技術的真正意義，不在於其孤立的機械成就，而在於它如何被整合進生活的整體，並在此過程中擴散至整個社會機體，從而改變文明的質感。—— 劉易斯·芒福德，《技術與文明》2026年的春節，國產AI領域呈現出一種莫名的“折疊感”。一邊是社交媒體上關於DeepSeek“變冷淡”的討論。使用者發現，這個曾在去年春節期間以“平替OpenAI”姿態破圈的先行者，如今的對話風格變得極其精簡、機械，甚至拒絕在廢話上浪費那怕一個Token。另一邊，中國網際網路大廠們在春節檔已經開啟了熱戰模式：阿里通義千問豪擲數億元請全國人民喝“AI奶茶”，字節跳動的Seedance 2.0以電影級的視訊生成能力席捲創作者圈、就連馬斯克都不斷在X上保持關注，騰訊元寶、百度文心的“搶紅包”更是一浪接替一浪。如果說 2024 年和 2025 年是 AI 的“幻覺期”，人們沉浸在 AGI 即將降臨的狂喜與恐懼中；那麼 2026 年的春節，則標誌著AI正式跨越了那道名為“有用性”的鴻溝，真正成為一次產業革命。回想2025年末AI泡沫的討論。今天我需要思考的是，冷熱之間，到底正在發生什麼？01DeepSeek拒絕討好型人格先來看國產AI黑馬DeepSeek。在AI產品裡，存在一種根深蒂固的“討好型人格”。為了讓大模型說出貼心、得體、充滿人情味的“漂亮話”，開發者往往需要通過大規模的RLHF（基於人類反饋的強化學習）對模型進行精密微調。這意味著什麼？意味著需要僱傭海量的標註員去對齊人類的感性偏好，消耗巨大的算力去磨平邏輯中的棱角。對於大多數旨在成為“超級助理”的產品來說，這種討好是通往C端市場的入場券。但DeepSeek選了另一條路。回看DeepSeek的崛起，梁文鋒曾有過無數次機會將其打造成一個“國民級App”。在2025年春節DeepSeek震驚全球、流量如潮水般湧入時，如果按照傳統的網際網路邏輯，他們完全可以迅速推出社交裂變功能、搶佔辦公套件市場、引入各種生活服務介面，甚至通過狂砸廣告來留住那些被“平替”概念吸引而來的泛使用者。但他選擇了極度的克制。到今天為止，DeepSeek的介面依然保持著一種近乎簡陋的極簡主義，沒有冗餘的社交入口，沒有華麗的行銷活動。這種拒絕，源於梁文鋒更大的戰略野心：他想做的從來不是AI時代的超級流量入口，而是AI時代的“核動力引擎”。從目前來看，在DeepSeek的邏輯裡，看起來更希望的是把每一分算力都應該被消耗在邏輯鏈條的推理（CoT）上，而不是消耗在客套話和語氣助詞上。這種“機械感”和“冷淡”，本質上是思維透明化的代價。這種對“思考質量”的極致追求，意味著它主動放棄了對泛C端使用者情緒的迎合，轉而尋求與那些真正需要解決複雜問題的開發者、科研工作者和極客們達成深層次的“邏輯共鳴”。當然，討好還是冷淡其實並無對錯，而意味著兩種不同的朝向AGI未來的探索道路。支援deepseek不提供情緒價值，但同時也不是說在否定情緒價值的重要性，而是生態分工位的不同。從產品視角觀察，梁文鋒想做的，大機率不是 AI 時代的超級流量入口，要不然，在去年春節Deepseek震驚全球時，他們就可以開始了。他希望的，應該是真的能突破技術極限，去探索 MoE（混合專家模型）的邊界，去嘗試在有限的資源下復現甚至超越 OpenAI 的推理能力。對於DeepSeek而言，使命不是做一個“好用的聊天機器人”，而是做一個“最聰明的智能引擎”。這是生態位的差異。02DS之外：紅包、奶茶、seedance2.0這就要繼續說回最近大廠的春節AI大戰。我們要意識到，今天的AI 產業正進入一個深度的分工期。在做面向C端的應用上，國內的網際網路大廠們——字節、阿里、騰訊、百度、美團——顯然更有經驗。他們擁有現成的流量入口、深厚的使用者心理積澱，以及極其成熟的營運體系。他們更懂得如何把 AI 變成一個貼心的助理、一個懂你的玩伴、或者一個高效的生產力工具。如果要求 DeepSeek 這樣一家極客色彩濃厚的技術公司，去和大廠比拚如何做“情緒價值”“場景落地”，這不僅是對人才的浪費，更是戰略上的錯位。大廠們擅長的是“降維打擊”，將成熟的技術包裝成絲滑的產品；而 DeepSeek 的價值在於“升維突破”，去攻克那些無人區裡的演算法難題。芒福德在《技術與文明》中強調，技術的真正價值在於其擴散過程，而大廠們恰恰是這一過程的超級加速器。首先是“奶茶、紅包、外賣”所代表的流量邏輯。對於絕大多數普通使用者來說，AGI的宏大敘事太過遙遠，但一杯實實在在的、由AI下單的奶茶外賣卻非常具體。大廠們深諳此道，他們擁有現成的流量入口、深厚的使用者心理積澱，以及極其成熟的營運體系。通過這些看似“沒技術含量”的玩法，AI正迅速從極客的玩物變成一種全民級的生活方式。其次是Seedance 2.0所代表的生產力飛躍。字節跳動最新發佈的Seedance 2.0，實現了單指令生成多場景、音畫同步的電影級視訊。這不再僅僅是“提供情緒價值”，而是將導演、攝影、剪輯的功能端到端地壓縮排一個模型中。這標誌著AI應用已經跨越了簡單的對話階段，進入了影視工業和社媒行銷的深水區。放眼全球AI競賽，中美兩國正在呈現出截然不同的演進範式。如果說矽谷更傾向於在“Scaling Law”的加持下追求全能型的通用智能，試圖一舉攻克算力與智慧的塔尖；那麼中國AI則正在呈現一種“多元突進”的混戰局面：一端是以DeepSeek為代表的技術原教旨主義，在算力受限的極限壓強下，通過演算法創新死磕推理深度與成本極限；另一端則是以大廠為核心的應用生態，利用全球最肥沃的商業土壤，將AI迅速轉化為奶茶、短劇、視訊工具等觸手及人的互動節點。這種分工不僅不是衰退，反而是一種極具韌性的系統性對抗。我們不應輕易否定任何一端。沒有DeepSeek式的底層突破，國產AI將永遠失去“入場券”，在全球算力競賽中淪為附庸；而如果沒有大廠在紅包、奶茶、Seedance 2.0上的應用突圍，領先的技術也將因缺乏商業閉環而枯萎，無法惠及普羅大眾。03真正的下半場從商業進化的視角看，這已經非常像技術周期進入下半場後的必然分化階段。幾乎可以斷定的是，大模型的“驚豔期”過去，市場開始進入殘酷的“重估期”：我們正在從對通用大模型的盲目崇拜，轉向對不同生態位的精準錨定。正如芒福德所言，一項技術的生命力最終取決於它的擴散能力與整合深度。DeepSeek的“冷”與大廠應用的“熱”，本質上是同一場技術革命在不同維度的硬核迴響。這種分化不僅標誌著中國AI企業戰略路徑的清晰化，更預示著一個多層次、差異化競爭的成熟生態正在形成。從技術發展的長軸來看，2026 年春節的這場分化並非偶然。在每一次科技革命的中段，都會出現類似的“重估期”：從對技術本身的崇拜，轉向對技術所創造的價值的重塑。當蒸汽機離開礦井，裝上車輪成為火車，裝入工廠成為織布機，將孤立的技術奇蹟擴散為全球貿易的毛細血管；當 TCP/IP 協議的爭論告一段落，真正的戰場便轉移到了瀏覽器、搜尋引擎與電子商務等具體應用場景。現在的AI革命正處於這個關鍵的“中段”。這意味著我們已經不再滿足於討論 AI “能做什麼”，而開始死磕 AI “在做什麼”。太陽底下無新事，這樣的場景，其實我們經歷過很多次。所以也沒有必要過於擔心AI對人類的替代，當年電燈出現時、汽車出現時，這種擔憂都出現過。但事實證明，人不是不被需要了，而是更加能夠發揮價值了。2026年春節的這場“冷熱交替”，是AI產業最為真實的成人禮。而值得慶幸的是，中國AI公司們，整體表現都不錯。 (深水研究)

國產AI大模型春節檔密集發佈。在智譜正式推出新一代旗艦模型GLM-5，Minimax亦上線Minimax 2.5。同時，DeepSeek已在網頁及App端進行模型的版本更新，上下文窗口由原有的128K直接提升至1M（百萬Token）等級，能夠單次完成處理一部長篇小說。《科創板日報》記者獲悉，阿里千問的Qwen 3.5、字節跳動的豆包大模型2.0預計也將在春節期間發佈。從已發佈的模型來看，程式設計和智能體能力成為重點。但隨著智能體任務複雜度提升，單次任務的token消耗在急劇增加。若無法進一步降低成本，將影響未來AI的規模化落地。▌MiniMax、智譜瞄準AI程式設計2月12日，MiniMax正式上線最新旗艦程式設計模型MiniMax M2.5。作為全球首個為Agent場景原生設計的生產級模型，其程式設計與智能體性能 (Coding & Agentic)比肩國際頂尖模型，直接對標 Claude Opus 4.6，支援PC、App、跨端應用的全端程式設計開發，尤其在Excel高階處理、深度調研、PPT等Office核心生產力場景中均處於行業領先（SOTA）地位。M2.5模型啟動參數量僅10B，在視訊記憶體佔用和推理能效比上優勢明顯，支援 100 TPS超高吞吐量，推理速度遠超國際頂尖模型。而智譜在前一日推出的旗艦模型GLM-5，同樣主攻程式設計與智能體能力。GLM-5參數規模由上一代的355B擴展至744B，啟動參數從32B提升至40B。內部評估顯示，GLM-5在前端、後端、長程任務等程式設計開發場景中，平均性能較上一代提升超20%，真實程式設計體驗逼近Claude Opus 4.5水平。由於GLM-5的超強表現，智譜在港股近四個交易日實現翻倍，從203港元今日最高漲至443港元，收盤價已經逼近Minimax。過去一年，AI程式設計發展迅猛。Anthropic此前發佈的《2026年智能體編碼趨勢報告》中指出，傳統軟體開發的遊戲規則正在被徹底改寫。一個曾預計需要4到8個月的項目，使用Claude大模型後僅用兩周就完成。《報告》明確指出，程式設計師這一職業並不會消失，但那些“只會寫程式碼”的程式設計師將逐漸被市場淘汰。Anthropic的CEO達里歐·阿莫代伊在一年前就曾預言：“未來3～6個月，AI將編寫90％的軟體程式碼。”如今，這一預言正逐步轉化為現實。這或將對傳統軟體行業帶來影響。業內分析認為，AI智能體可以直接呼叫軟體底層系統，這動搖了傳統軟體“按人頭訂閱”的盈利邏輯，推動行業向“按使用計費”的模式轉型。▌智能體成為最核心的競爭主線CIC灼識諮詢TMT行業相關分析師對《科創板日報》記者表示，國產大模型競爭已從單純的參數規模競賽，全面轉向以技術差異化、應用場景深耕與成本效率為核心的新階段。春節期間及近期，各廠商的發佈與迭代均圍繞此主線展開。除了騰訊元寶和阿里千問等推出的行銷活動帶動市場對生態側的關注，近期字節跳動發佈的Seedance2.0、DeepSeek的V4模型和MiniMax上線的Agent平台等，從技術細節來看，無論是基座模型還是Agent的更新，都反映出智能體工程（Agentic Engineering）成為技術路線的重要競技場，AI企業對於模型的推理效率和長期任務表現更加注重，從大模型廠商當下模型設計的實際來看，產品形態也越來越Agent導向。圖片由AI生成灼識諮詢分析師表示，通用大模型在複雜業務邏輯和專業知識場景中表現有限。智能體通過整合領域知識、工具呼叫、工作流編排等能力，能夠深入垂直場景，提供專業化、自動化的解決方案，真正實現生產力變革。經歷近幾年的發展，市場普遍對於AI在實際場景中能夠帶來的真實價值更加關注，智能體是連結模型與使用者場景的關鍵一步，自然也是競爭的焦點。IDC中國研究經理孫振亞認為，大模型的能力正在從純粹的生成式輸出向智能體能力進化。“可以看到，各家模型廠商都在程式碼、多模態、長上下文和工具呼叫能力上做針對性的最佳化。程式碼和工具呼叫能力讓模型能夠進行執行和操作，多模態能力讓模型的感知從文字擴展至圖文音視訊，長上下文讓模型能處理更多的環境和記憶資訊。這些能力是模型能不能在更多場景中幹活並產出價值的基礎，也是智能體能力的重要組成部分。”▌AI規模化落地仍要過成本關談及AI規模應用的挑戰，CIC灼識諮詢TMT行業相關分析師表示，國內AI生態在晶片、框架、模型、應用層仍存在一些碎片化問題，需要進一步統一。在成本方面，他指出，從B端（企業端）來看，儘管API呼叫成本下降，但企業若追求私有化本地部署，一次性硬體投入和長期維運成本依然高昂且需要明確的業務價值閉環來證明投資回報，企業端部署的投入產出比（ROI）仍舊需要進一步驗證。孫振亞也表示成本是一大挑戰。隨著智能體任務複雜度提升，模型需要處理的上下文越來越長，呼叫鏈路越來越深，單次任務的token消耗在急劇增加。成本降不下來，智能體就只能停留在高價值場景，很難真正普及。另外，可靠性也是瓶頸。灼識諮詢分析師稱，一些行業對於可靠性要求極高，當前技術未能完全消除幻覺。孫振亞同樣指出，當前AI在執行複雜任務時的穩定性還不夠，模型依然存在的幻覺問題，使得複雜場景下多步執行非常容易出現錯誤累積。如果沒有可靠性，就談不上規模化落地。而在治理與信任方面，孫振亞表示，隨著AI從輔助工具走向自主執行，權限管理、審計追溯、責任界定這些治理能力必須跟上。“企業敢不敢讓AI去做決策、出了問題誰來負責、AI的操作過程能不能被審計。這些解決了，AI才會真正在各行業大規模落地。”灼識諮詢分析師還指出，在敏感領域，資料出域安全、模型訓練資料的合規性與質量、以及智能體互動中的資料隱私保護，也是規模化落地的主要障礙之一。 (科創板日報)