3月4日，全國人大代表，小米集團創始人、董事長兼CEO雷軍，圍繞“人工智慧+”與“新質生產力”兩大主線，向大會提交五份建議案。01推動通用人形機器人在智能製造應用隨著通用人形機器人的廣泛應用，目前整個行業依舊面臨大規模工程化應用難題，為推動人形機器人儘早從“學徒工”轉向“正式工”，人大代表雷軍建議加快推動通用型人形機器人在智能製造中的應用。首先是加快突破工程化落地難題，形成規模化量產條件。雷軍建議以智能製造實際生產需求為牽引，重點提高人形機器人的工藝穩定性，力爭到2027年實現特定工業場景下MTBF（平均無故障工作時間）突破1萬小時、任務成功率超過99%。同時強化政策的精準引導，快速提升人形機器人的工程化能力，並有效降低人形機器人的單體成本。其次是擴大智能製造應用場景，提高人形機器人使用率。鼓勵工廠提供更多生產工位，打造機器人規模化運行場景；支援人形機器人在具體產線落地應用，承擔中高強度勞動；有序推進人形機器人的規模部署，開放更多生產場景，建設領先水平的全機器人生產線。最後，雷軍特別提到，希望加快推動人形機器人唯一編碼的制定實施，保障人形機器人生產過程的安全性，同時強化人形機器人作業場景中的資料安全與倫理隱私。02最佳化機動車駕駛考核項目近年來，汽車智能化和智能輔助駕駛的高速發展，給傳統道路交通安全文明體繫帶來了新的挑戰，集中表現為：駕駛培訓未能及時匹配智能汽車新技術、新功能；智能化技術標準與技術路線不統一；多方協同治理機制有待最佳化，智駕安全宣傳普及有待加強等。為了保障智能汽車時代交通安全，雷軍建議共建智能汽車時代交通安全文明體系。首先是加快建設汽車智能化技術標準，最佳化機動車駕駛考核項目。雷軍表示，希望由主管部門、行業機構牽頭，引導各類汽車生產企業協同發力，推動駕駛考核項目向智能化領域延伸覆蓋；穩步提升智能汽車相關內容在駕考中的權重，引導駕駛人牢固樹立“人機協同”安全駕駛理念；在駕駛培訓環節創新建設現代化交通安全教育基地，推動駕駛人能力提高與汽車智能化發展相匹配。其次，雷軍建議將L2級輔助駕駛 “脫手脫眼” 納入交通違法處罰，同時盡快明確L3/L4級智駕安全準則，並進一步明確車企的主體責任。最後，他還大力倡導“人機共駕”時代的安全駕駛準則，推動智能交通安全規範深入人心、落地踐行。03加快培育智能汽車複合型人才雷軍在建議案中表示，希望以汽車產業前沿需求為核心，加快培育智能網聯新能源汽車複合型人才。首先是將“智能電動車輛”正式納入國家一級學科目錄，重構知識體系。其次是在人才培養方面要以產業實際需求為導向，推行“雙導師”與“實戰化”培養模式，深化產教融合。最後是細化完善配套政策，強化政策引導作用，建構汽車行業協同育人新機制。04支援科技公益發展雷軍建議為公益基金會支援科技創新創造更好的制度環境，明確鼓勵公益基金會支援基礎研究、前沿技術探索與科研人才培養等公益目標，簡化科技獎備案流程。進一步支援公益基金會全面融入國家創新體系，鼓勵公益基金會資助國家及地方政府性自然科學基金，支援公益基金會參與自然科學基金科技成果評估驗收，推動科技創新和產業創新深度融合。同時將企業、個人資助科技公益的行為納入創新評價，完善最佳化創新評價體系，帶動更多社會力量支援科技創新。05最佳化工業旅遊發展環境雷軍表示，希望加快開發工業旅遊新業態新場景，著力提升項目經營能力，鼓勵企業進行開發模式創新，打造標竿項目，評選示範場景，大幅提升供給品質。加強部門間統籌協調，扶持配套服務設施建設，建立多部門聯合審批通道，支援企業提升景區綜合接待能力，加強工業旅遊景點的周邊交通配套建設。加強品牌宣傳和教育推廣，打造“中國智造”旅遊名片，整合全國優質資源，遴選一批代表“新質生產力”的標竿項目，納入國家級工業旅遊示範基地和精品線路，打造工業旅遊國家品牌。 (科技每日推送)

號稱能“接管電腦、解放雙手”的AI Agent（AI智能體）工具OpenClaw最近在技術圈火得一塌糊塗。圖片來源：視覺中國它被吹捧為“AI打工人”，似乎只要下個指令，它就能替你寫文章、發郵件甚至買咖啡。但事實真的如此嗎？它是生產力神器，還是僅供技術極客嘗鮮的“玩具”？近日，《每日經濟新聞》記者（以下簡稱每經記者）聯合每經科技開發人員，展開了一場深度實測。我們將OpenClaw分別接入千問Qwen3-Max、月之暗面Kimi-K2.5、MiniMax-M2.1、MiniMax-M2.5和智譜GLM-4.7五款國產大模型，以及OpenAI的GPT-5-mini，要求它們完成本地檔案檢索、網路資料搜尋、稿件撰寫、傳送郵件等步驟，試圖揭開這位“指揮官”的真實戰力。實測結果顯示，部分模型表現不佳，尤其是在需要操控瀏覽器的環節，如網路搜尋和傳送郵件，大多失敗。有專家直言，當前的OpenClaw不僅難用、費錢，更是一場安全的“噩夢”。實測對比：GPT-5、MiniMax、智譜完成任務 另兩款大模型“行動力”不足OpenClaw本身並非大模型，它更像一個“指揮官”，負責接收使用者指令、呼叫工具和組織流程，並將指令理解與具體工作交由其接入的外部大模型來完成。因此，接入的大模型的能力、穩定性與表達方式，決定了任務的最終成敗。目前OpenClaw支援的大模型（圖片來源：OpenClaw配置介面）為了更貼近記者的真實工作場景，測試人員設定了一項綜合性測試任務：讓接入不同大模型的OpenClaw，在電腦中找到對“電車教父”Andy Palmer的採訪速記稿，要求它總結文稿內容，並結合搜尋到的網路資料，撰寫一篇專訪新聞稿，最後將新聞稿通過郵件傳送到指定信箱。這一任務涵蓋了指令理解、操控電腦進行本地檔案檢索、操控瀏覽器進行網路資訊搜尋、資訊整合和文章寫作以及應用操控等多個維度。在首次測試中，各模型的表現分化顯著。● OpenClaw+千問Qwen3-Max首先測試的是千問Qwen3-Max模型。該模型在本地檔案檢索環節便陷入困境。即便測試人員明確提示檔案在電腦中的所在位置，Qwen3-Max在經過約5分鐘檢索後，仍無法精準定位。在後續單獨測試其傳送郵件任務時，Qwen3-Max也未能成功執行，只是不斷重複指令，但無實際動作。● OpenClaw+月之暗面Kimi-K2.5Kimi-K2.5的表現稍好，它在5分鐘內成功檢索到了檔案，並完成內容總結。但在執行網路搜尋並補充行業最新熱點資訊時，因觸發了“429錯誤”（通常指請求過於頻繁），導致未能完成資訊搜尋工作。在郵件傳送環節，Kimi-K2.5無法成功操控瀏覽器向指定信箱傳送郵件。● OpenClaw+MiniMax-M2.1MiniMax-M2.1在檔案檢索、網路搜尋資料和寫作方面沒有遇到明顯阻礙。郵件傳送環節，MiniMax-M2.1在瀏覽器操控上遇到了困難，但並未就此卡住，而是主動給出了一個可行的解決方案。測試人員根據其提示手動操作後，成功解決了問題，使其最終能夠傳送郵件。不過，MiniMax-M2.1傳送的郵件只包含了稿件的“關鍵引語”，未附上完整的稿件正文。● OpenClaw+MiniMax-M2.5雖然都是MiniMax旗下模型，2月12日發佈的MiniMax-M2.5，表現比MiniMax-M2.1更好，不僅順利完成檔案檢索、網路搜尋資料和寫作，在傳送郵件環節也無需人工介入。● OpenClaw+智譜GLM-4.7由於OpenClaw暫未接入智譜於2月12日發佈的最新模型GLM-5，所以，本次測試選擇了智譜GLM-4.7。結果顯示，在傳送郵件環節，智譜GLM-4.7會在瀏覽器中輸入錯誤的信箱網址，導致網頁訪問失敗，需要人工提醒更正。除此之外，智譜GLM-4.7在其他環節處理速度較快。● OpenClaw+GPT-5-miniGPT-5-mini的表現較為穩定和流暢。從檔案檢索、內容總結、網路搜尋、資料補充到郵件傳送，全流程幾乎無需人工干預和額外提示，僅在個別時候出現了網路連線不穩定的情況。為了保證測試的嚴謹性，測試人員對整個流程進行了兩次複測。第二輪測試結果：● Kimi-K2.5：成功檢索並讀取本地檔案，補充網路搜尋資料，但在郵件傳送環節依舊失敗。其報告的錯誤顯示，在讀取信箱網路程式碼、獲取輸入框節點時出現問題。● 千問Qwen3-max：成功讀取檔案並補充網路資料，但在郵件傳送環節出現明顯示卡頓，未能成功；● MiniMax-M2.1/2.5：完成任務全部流程。● 智譜GLM-4.7: 完成任務全部流程。● GPT-5-mini：完成任務全部流程。第三輪測試結果：● Kimi-K2.5：成功檢索並讀取本地檔案，在網路搜尋資料環節出現問題（出現讀取網頁內容錯誤，錯誤的網站存取路徑，理解不了瀏覽器控制台指令等），在郵件傳送環節依舊失敗。● 千問Qwen3-max：成功讀取檔案，但無法操控瀏覽器搜尋網路資料，在郵件傳送環節依舊失敗。● MiniMax-M2.1/2.5：完成任務全部流程。● 智譜GLM-4.7: 完成任務全部流程。● GPT-5-mini：完成任務全部流程。業內：OpenClaw能力上限取決於大模型 尚未成為合格生產力工具上述測試結論也得到業內普遍印證。一名使用OpenClaw來輔助營運網店，設計海報、優惠券等宣傳物料的程式設計師告訴每經記者，自己平時都是接入OpenAI的Codex-5.3和Gemini 3 Pro模型，效果比國產大模型好很多。多位業內人士和資深使用者指出，OpenClaw更像一個“任務框架”，其最終表現非常依賴所接入大模型的能力。就像一個指令清晰但能力有限的指揮官，手下士兵（即大模型）的強弱，直接決定了戰役的勝敗。非凡產研研究負責人宦家臣向每經記者表示，“模型對OpenClaw的影響其實取決於任務的複雜程度。國際頭部大模型上限更高，但是如果都是普通任務，國內的智譜GLM-4.7、Kimi-K2.5都很不錯，畢竟Claude太貴了，錢包受不了。”儘管部分大模型在測試中展現了執行複雜任務的潛力，但OpenClaw離成為一款合格的生產力工具似乎還有不小的距離。“我感覺，目前版本的OpenClaw並不是一個合格的生產力工具。”前小米OS AI產品專家、現出海AI應用公司ExcelMaster.ai創始人張和在接受每經記者採訪時直言，OpenClaw在一定程度上是此前爆火的程式設計師工具、Anthropic旗下Claude Code的“套殼”，雖然通過聊天介面和內建技能（Skill）做了更好的封裝，降低了互動門檻，但在核心能力上並未超越。“我沒找到太多OpenClaw能做，而Claude Code做不了的事情。並且，它查詢資料的水準，也沒有Claude Code好。”“等大模型能力再躍升一點，OpenClaw就會越來越好，就會越來越普及。那怕它什麼都不做，就等著更新的大模型出來……OpenClaw的門檻就會降低。”張和強調，OpenClaw的進步與普及，本質上是在等待底層大模型技術的突破。Akamai雲和AI產品經理張璐博士也表達了相似的觀點。在他看來，OpenClaw若要真正用於生產，還必須經過二次開發和微調，因為目前版本還“有點不成熟，很多時候會卡頓”。高門檻、高成本和高風險勸退普通使用者除了對大模型能力的依賴，技術門檻、使用成本和安全風險，讓OpenClaw目前難以走向普通使用者。首先是較高的部署和使用門檻。OpenClaw目前並未提供類似“一鍵安裝”的簡化部署方案，使用者需要在電腦上通過命令列操作，完成本地配置、依賴管理以及權限設定。每經科技開發人員表示，整個過程對使用者的技術背景有一定要求，至少需要具備基本的開發經驗，這無疑勸退了絕大多數非技術人員。雖然諸如阿里雲、騰訊雲和亞馬遜雲等雲廠商都提供了OpenClaw雲端部署服務並聲稱可以在他們配置好的伺服器上便捷部署OpenClaw，但在雲端部署的OpenClaw並不能提供操控使用者本地電腦的能力。高昂的使用成本是另一個現實問題。由於OpenClaw在執行任務時需要頻繁呼叫大模型，token消耗量巨大，堪稱“token燃燒器”。有使用者向每經記者表示，自己使用智譜GLM-4.7模型，僅僅互動了20多次，就花費了200元。張璐博士也提到，自己在使用DeepSeek模型時，一天就“燒掉”幾十元。如果換成能力更強的模型，帳單將更驚人，“一天幾百塊就出去了”。高成本使得許多使用者只能選擇接入免費或更便宜的模型，但這又會影響OpenClaw的實際表現。有使用者就向每經記者反映，自己因成本問題選擇了Qwen-8B模型，但OpenClaw總是只會回答問題，不會執行操作。比高門檻和高成本更令人擔憂的，是其內在的安全風險。OpenClaw的定位是“做事”而非“聊天”，這意味著它必須獲得很高的系統權限，才能操控本地檔案和應用。思科AI威脅研究與安全團隊主管Amy Chang直言，從安全形度來看，OpenClaw“是一場噩夢”，它可以在使用者的電腦上任意運行shell命令、讀寫檔案和執行指令碼。這種高級權限一旦被錯誤配置或被惡意指令利用，後果不堪設想。網路安全公司Dvuln的創始人Jamieson O'Reilly也證明了這種風險，他發現OpenClaw存在漏洞，攻擊者可借此獲取使用者數月內的私人消息、帳戶憑證、API金鑰等敏感資訊。更可怕的是，使用者為了方便AI執行任務而儲存的銀行帳戶、加密貨幣錢包API等資訊，都可能以明文形式保存在本地檔案中，一旦被駭客入侵，“一秒就可以搬空他們”。OpenClaw的開發者Peter Steinberger也坦言，這只是一個免費的開源業餘項目，需要使用者進行仔細的配置才能確保安全。他明確表示：“它並不適合非技術使用者。” (每日經濟新聞)

創新是2025年中國經濟的底色，無論是傳統的能源、汽車行業，還是代表新質生產力的人工智慧領域，都在“十四五”收官之際交出了創新答卷。中國鋼研科技集團有限公司從“人造太陽”的極致燃燒，到高鐵軸承的持久耐力，從深海極地的低溫鎧甲，到大米重金屬檢測儀的應用，一系列助民生、強脊樑的金屬新材料研發為這支“國家隊”注入創新底色。中國鋼研董事長高宏斌介紹，超低溫鋼能夠在零下269℃的工作環境下保持強度，形象地說，就是指甲蓋大小面積的承重，要達到15頭大象的重量。從參加“十五五”規劃研討，到聽取重點項目匯報，再到會見中國工程院院士，這兩天，高宏斌的主要行程都圍繞顛覆性新材料展開。討論篇幅最多的還是關於AI，2025年，中國鋼研的AI研發經費佔總研發經費比重超17%，今年這一數字預計將會翻番，在高宏斌看來，AI除了可以快速發現新材料，還可以提升材料性能，甚至突破極限。這種快節奏伴隨著這些年中國鋼研的一個個研發和一項項突破，其中，人造太陽核心零部件材料的研發成為中國科技創新領域的新名片。中國鋼研科技集團有限公司黨委書記 董事長 高宏斌：鎢銅復合塊在短時的熱量輸入密度，高於火箭的發動機噴口。超低溫鋼在核聚變裝置中的工作溫度是零下269℃，通常的材料都會變得脆，超低溫鋼能夠在零下269℃的工作環境下保持強度，形象地說就是我們指甲蓋大小的面積的承重，要達到15頭大象的重量。這些扛得住“極熱”和“極冷”環境的新型材料製成的核心部件，去年年初首次在中國自主研發的“東方超環”（EAST）核聚變大科學實驗裝置上，完成了1億攝氏度1000秒的“高品質燃燒”。由於具有燃料無限、無災難風險、零碳清潔等優勢，核聚變被稱為人類的“終極能源”，而類似這樣具有顛覆性創新價值的金屬新材料，還廣泛應用於中國高速鐵路、載人航天、超超臨界發電機組等重大工程項目中。有疲勞壽命提升數倍的高鐵軸承；有打破國外壟斷的NH1949乙烯裂解爐管；有自主智慧財產權的金屬儀器高端檢測裝置，還有服務於民生健康的大米重金屬檢測儀。如數家珍地說著這些新材料應用時，高宏斌也談起了那段讓他下決心轉變的往事。中國鋼研科技集團有限公司黨委書記 董事長 高宏斌：2003年、2004年左右，我帶團隊去參加招投標，滿懷信心地去，但最終並沒有中標。因為終端使用者要的是產品，我們的好技術不一定代表它就是好產品，有不甘也有失落。失落與不甘讓高宏斌開始重新審視企業的定位，那時候，他們剛從一家科研院所轉製成為鋼鐵行業提供技術的企業不過幾年時間，如何跟上市場節奏，是擺在他們面前的第一個難題。中國鋼研科技集團有限公司黨委書記 董事長 高宏斌：初步探索出來一條路，我們解決高難度的材料研發問題，搞尖端研究，這個是鋼研的核心價值。從實驗室轉化而成的小作坊到現代化工廠，再到智能化標竿企業，中國鋼研一直在創新中行進。中國鋼研科技集團有限公司黨委書記 董事長 高宏斌：大家認為中國鋼研就是搞鋼鐵的，實際上中國鋼研涉及的材料領域遠不止鋼鐵，比如航空發動機用的高溫合金、稀土永磁、超硬材料，涉及的材料領域是十幾個，一直在行穩致遠才有今天。當全面綠色轉型成為“十五五”中國經濟發展的主要目標時，中國鋼研也將目光投向綠色低碳領域。中國鋼研科技集團有限公司黨委書記 董事長 高宏斌：純氫冶金的技術是近零排放 ，因為它是純氫，排出來的是水。以前我們依靠碳冶金，碳還原把氧化鐵裡的氧拿出來，排放的是二氧化碳，所以純氫冶金是一個重大工藝變革，更好地服務國家的綠色化發展。有人聽說這個不賺錢，我覺得這是一個如何來算帳的問題。如果從長遠看，它是一個必然的趨勢，如果中國鋼研沒有把握這個趨勢，當未來它出現的時候，就沒有你。我們必須統籌小帳和大帳、當前帳和長遠帳，對國家、對行業也是有價值和效益的。 (央視財經)

馬年新春的腳步漸近，黃浦江畔的上海，已然吹響了未來新征程的號角。上海市十六屆人大四次會議、上海市政協十四屆四次會議分別於2月7日和2月5日在世博中心勝利閉幕。在上海市十六屆人大四次會議開幕當天，上海市市長龔正向大會作政府工作報告（下稱“報告”），為這座追求卓越的全球城市，清晰擘畫“十五五”開局之年的奮進藍圖。報告顯示，2025年上海全市生產總值達到5.67兆元、增長5.4%，好於預期。同時，對2026年全市經濟社會發展提出主要預期目標：全市生產總值增長5%左右。報告還提出堅持擴大內需、持續提升“五個中心”能級等2026年主要任務。不只有今年的目標。在今年上海兩會接受代表委員審查、討論的《上海市國民經濟和社會發展第十五個五年規劃綱要（草案）》（下稱“上海‘十五五’規劃綱要草案”）提出，未來5年全市生產總值年均增速力爭達到5%左右。這是一次回顧與展望交織的關鍵會議。從一份份厚重提氣的“成績單”，到一張張催人奮進的“任務表”，強烈的共識在會場內外凝聚：走過殊為不易的“十四五”，邁入挑戰與機遇並存的“十五五”，上海必須以更加昂揚的姿態，勇當全國經濟高品質發展的排頭兵，以“五個中心”能級的整體躍遷，奮力開創城市發展的新局面。 張力/攝從4.16兆到5.67兆回望2025年，上海交出了一份在複雜嚴峻外部環境下殊為不易、成色十足的答卷。面對超預期的困難與挑戰，上海經濟展現出強大的韌性和澎湃的活力，城市核心功能持續增強，在激烈的全球競爭中穩固了自身地位。報告顯示，一年來，上海市全市生產總值達到5.67兆元、增長5.4%，好於預期。地方一般公共預算收入達到8500億元、增長1.5%。居民消費價格上漲0.1%，城鎮調查失業率平均為 4.2%。5.67兆元，這不僅僅是一個經濟體量的數字。它標誌著上海在“十四五”期間，全市生產總值實現了從4.16兆元到5.67兆元的歷史性跨越，不僅成為全國首個經濟總量突破5兆元的城市，更躋身全球經濟總量排名前五的城市之列，人均地區生產總值達到3.2萬美元。這一成就，是在全球經濟風浪中砥礪前行、勇攀新高的生動寫照。成績的背後，是發展質量的穩步提升，是新質生產力的加快孕育。報告顯示，全社會研發經費支出相當於全市生產總值的比例達到4.5%左右，這一指標已接近世界主要創新型國家的水平。工業戰略性新興產業總產值增長6.5%、佔規模以上工業總產值比重提高到45%，積體電路、生物醫藥、人工智慧三大先導產業規模突破2兆元。這些資料共同勾勒出上海產業結構向“新”而行、向“高”而攀的清晰軌跡。作為改革開放的前沿陣地，上海的門戶樞紐地位愈發凸顯。報告顯示，外貿進出口總額達到4.51兆元、增長5.6%，其中出口增長10.8%。實際使用外資達到160.6億美元，折合1148億元人民幣。跨國公司地區總部、外資研發中心繼續呈現加速集聚的良好態勢，顯示出國際資本對上海未來的堅定信心。發展的成果由人民共享。過去一年，上海的民生福祉持續改善，居民人均可支配收入達到9.2萬元、增長4.1%。PM2.5年均濃度為26.3微克/立方米、下降7.4%。新增公園127座，提前建成千座公園城市，累計達到1100座，其中，89.4%的公園實現24小時開放，人民城市的“綠色”底色和“幸福”質感更加鮮明。精準務實的“施工圖”加快建設“五個中心”，是中央賦予上海的重大戰略使命，也是上海服務國家大局的核心功能所在。過去一年，上海紮實推進“五個中心”建設，取得了一定成效。這包括：加快建構現代化產業體系，多措並舉促進服務業創新發展，產業基礎高級化、產業鏈現代化水平進一步提升；提高金融服務質效，在滬持牌金融機構增加到1813家；提升貿易中心能級。第八屆中國國際進口博覽會圓滿成功舉辦，整體展覽面積、參展境外企業、累計進場人次等均創歷史新高，意向成交金額達到834.9億美元、增長4.4%；增強航運樞紐功能。上海港集裝箱吞吐量達到5506.3萬標準箱、連續16年排名世界第一；大力推動科技創新，一大批科技成果加快轉化和產業化，技術合同成交額達到6496.8億元、增長24.9%，全市日均新增科技企業超過320家。站在“十五五”開局的新起點上，如何推動“五個中心”建設從“單點突破”到“協同發展”，報告和上海“十五五”規劃綱要草案共同描繪了一張精準務實的“施工圖”。針對今年如何實現全市生產總值增長5%左右的預期目標，報告提出了多項重點工作，包括“著力加強核心功能建設，持續提升‘五個中心’能級”等，並對上海深化國際經濟中心、國際金融中心、國際貿易中心、國際航運中心、國際科技創新中心建設作出了部署。在上海市十六屆人大四次會議舉行的專題審議會上，圍繞如何加快建設“五個中心”關鍵環節，代表們踴躍發言，貢獻了真知灼見。上海市人大代表、中歐國際工商學院院長汪泓看到國際金融中心與國際航運中心融合的新機遇。她提出，上海游輪遊客佔全國70%，不應僅視其為“過客”，而應通過“港城融合”，將濱江文化、商業、體育資源與港口深度整合，打造國際游輪旅遊目的地，讓巨大的消費潛力真正留在上海。針對金融如何更有效地服務實體經濟和國家戰略，上海市人大代表，上海浦東發展銀行黨委書記、董事長張為忠建議，以上海為試點，率先統一跨金融市場基礎設施介面和風險處置標準，提升企業使用金融工具的便捷性，讓更多符合條件的企業、個人參與到匯率、利率避險產品中。他還建議，結合人民幣國際化處理程序，給予商業銀行更多跨境資本流動便利，強化上海的全球資源配置樞紐地位。科技創新是驅動發展的核心引擎。上海市人大代表、騰訊公司副總裁鄭浩劍從數位技術與金融融合的角度，建議上海著力加強AI和跨境支付雙支點功能建設。在AI賦能方面，他建議打造面向高校、科研院所和中小企業的普惠性算力服務平台，並建構“上海AI產業融合公共資料平台”，以資料要素驅動產業智能化升級。以科技創新催生新質生產力今年上海兩會，與科技創新有關的話題屢被提及。代表委員們普遍認為，上海作為科技創新的策源地，必須在發展新質生產力上走在前列，為“十五五”開好局、起好步提供強大動能。有代表在現場展示“黑科技”吸引了不少眼球。《國際金融報》記者看到，上海市人大代表、優刻得董事長兼CEO季昕華親身體驗最新的人工智慧（AI）技術，他在上海兩會的專題審議會上全程脫稿發言，正是靠其配戴著的人工智慧眼鏡來提詞。“上海擁有完整的汽車產業鏈、雄厚的技術積累、豐富的應用場景和頂尖的研發人才。”上海市人大代表、上海雅本化學有限公司技術總監徐軍在接受記者採訪時，描繪了一幅上海未來產業的圖景。他認為，上海在人工智慧、積體電路、軟體資訊等領域也具有領先優勢，推動上海市汽車產業與人形機器人產業深層次、高水平融合，將有望催生出全新的技術突破、產品形態和商業模式，是佈局未來產業的關鍵一步。“上海的AI產業實力雄厚離不開眾多因素的加成。”季昕華分析道，上海擁有強大的積體電路產業基礎，因此匯聚了頂尖的AI大模型公司，同時擁有豐富的AI應用落地場景。像優刻得這樣擁有整合算力服務能力的公司，在上海發展更具優勢。“未來如果AI大面積普及，將推動整個資料行業的發展，包括加速商業模式落地等。”上海市人大代表、上海資料集團金科公司總經理黃丁聰對記者表示。從人形機器人到AI大模型和資料，再到更遙遠的“太空算力”，代表們的視野聚焦於科技前沿，信心源自上海深厚的科創底蘊和優越的創新生態。而要讓這些創新的科技藍圖，實現從實驗室走向生產線，從“單點突破”匯聚成“產業叢集”，背後離不開一個強大、耐心且精準的金融體系作為支撐。這正是打通科技—產業—金融高水平循環的關鍵所在。2月4日，上海市委書記陳吉寧在參加市政協十四屆四次會議“著力深化‘五個中心’建設，全面提升城市核心功能，奮力推動高品質發展取得新突破”專題會議時指出，要整體謀劃、協同推進“五個中心”建設。把科技金融作為暢通科技—產業—金融高水平循環的關鍵，加大對中小科技企業的普惠支援，大力發展直接融資特別是股權投資，發揮國資基金戰略引領作用，提升定價能力、營運能力和投後管理能力，健全退出機制，撬動更多社會資本參與，更好匹配和支撐科創企業高風險、長周期的融資需求，助力創新企業強管理、引人才、拓市場。未來五年力爭年增5%上海“十五五”規劃綱要草案提出，未來五年，“地區生產總值年均增速力爭達到5%左右”的目標，不僅是經濟指標，更是對未來發展的信心和承諾。這份信心，深深植根於每一位人大代表對上海未來的期待之中。“我主要關注國際科創中心的建設。”徐軍的期待十分明確，“期待上海在未來五年內，能夠在生物醫藥、積體電路、人工智慧等前沿技術領域實現重大的飛躍與突破。”季昕華則對“五個中心”的協同發展充滿期待，尤其關注國際科技創新中心的建設。“我們是科技創業公司，特別希望能夠借東風，把我們的科技實力再提升一級。”他透露，公司正在關注“太空算力”這一前沿領域，這是一個典型的產學研結合模式，有望為未來的太空算力產業奠定基礎。黃丁聰期待上海未來能夠加速推動資料要素的流通，更好地促進“人工智慧+”國家戰略的落地。作為金融從業者，上海市人大代表、信達澳亞基金副總經理張麗潔最關注科技創新和高品質發展，她認為這是宏觀經濟的核心推動力。同時，作為人大代表和普通市民，她更關心民生建設，特別是綠色低碳以及針對“一老一小”問題的解決方案。“希望能讓我們的產融服務真正地沉下去、幫到位，既築牢上海實體經濟的根基，也為上海加快國際金融中心建設添一份力。”上海市人大代表、國泰君安期貨有限公司計畫財務部總經理助理馬煒如是說。從產業升級到民生改善，從科技突破到金融創新，代表們的期待匯聚成一幅生機勃勃的未來畫卷。展望未來五年，世界看到的將不僅是一個經濟體量再攀新高的上海，更是一個在全球城市網路中，能級更高、話語權更重的核心節點。它將以更強的科技創新策源力，定義新的產業賽道；以更高效的全球資源配置力，吸引頂尖的要素與人才；以更具影響力的開放樞紐門戶，聯通國內國際兩個市場。下一個五年，為什麼“又是上海”？答案就寫在浦江兩岸奔湧不息的創新浪潮裡。屬於上海的新一頁傳奇，正在落筆。 (國際金融報)

1月28日，英國首相斯塔默一行抵達北京，正式開啟為期4天的訪華行程。英國學者在接受鳳凰衛視採訪時表示在當前國際環境下，對中國“說不”的機會成本，英國可能已難以承受。英國倫敦國王學院中國研究所主任凱瑞·布朗指出，從存量看，中國在英國的投資規模並不大，僅佔英國外資存量的約0.2%。但這一數字並不能反映問題的核心。“真正重要的是趨勢，以及中國在全球經濟中的結構性地位。”布朗表示，中國佔全球GDP約五分之一，去年仍實現約5%的經濟增長，對任何主要經濟體而言，都是無法忽視的合作對象。這一判斷與英國自身的現實困境密切相關。布朗坦言，英國當前面臨生產率長期低迷、經濟增長乏力等結構性問題。在這種背景下，若在缺乏替代方案的情況下主動排除中國，代價極高。與此同時，英國與歐洲的關係雖在改善，但進展緩慢；與美國的關係在安全領域依然關鍵，但在經貿和政治層面正變得“越來越難以處理”。在具體合作方向上，技術被認為是中英關係最現實、也最具操作性的突破口。布朗直接將中國稱為“技術超級大國”，強調其龐大的研發能力和科研投入。資料顯示，中國已成為英國第二大科研合作夥伴，雙方在共同發表科研論文方面基礎穩固。更值得注意的是，在氣候變化、人工智慧治理、公共衛生和可持續發展等全球性議題上，中英雙方被認為“共識多於分歧”。布朗認為，這為雙方提供了一個“先做事、少表態”的合作空間。對於中英關係的未來，他並未使用“新黃金時代”等宏大表述，而是將其形容為“新段落”。“不是章節的轉換，而是回到一種傳統、務實的位置——在可以合作的領域，與中國繼續合作。”布朗如是說。 (鳳凰歐洲)

近兩年來，關於 AI 經濟學最引人注目的論戰，實際上是一場關於“速度”的博弈。關於AI泡沫的討論，最終都會還原到，「AI 多久會反映到 GDP/生產率上」這個問題上。（TFP）的增長貢獻可能僅為微不足道的 0.07% 到 1%。他的判斷主要立足於 AI 只能自動化很少一部分人類任務，且很難在短時間內大幅降低成本。諾貝爾經濟學獎得主 Daron Acemoglu 在 2024 年拋出了一盆冷水。他通過對當時 AI 能力（主要是 GPT-3.5 時代）的實證觀察，計算出 AI 對未來十年全要素生產率但在Agent全面接管工作流、推理模型層出不窮的當下，Acemoglu基於Chat時代的觀察顯得有點落伍了。在他的論點之外，轉折派、奇點飛昇派等多個流派對AI、對GDP年增長的影響預測從0.07%到10%，分佈在極其廣闊的光譜上。成功落地，以及能夠自我迭代的AI進入研發流程，意味著完全不同的增長軌跡。這些預期差距很大程度上源於他們對AI技術本身發展速度的理解差別。AI發展停滯、Agentic AI而史丹佛大學商學院經濟學家 Charles I. Jones 在 2026 年 1 月發佈的最新論文《人工智慧與我們的經濟未來》（A.I. and Our Economic Future），為這場爭論引入了一個超越具體技術參數的宏觀框架。Jones沒有糾結於模型能力的範圍，而是通過數學化的生產函數模型模擬了AI在不同場景下的可能。他認為，AI 確實擁有引爆經濟的潛力，但這個引爆過程將被經濟系統中的「薄弱環節」無情地拉長。和過往的電氣、網際網路革命一樣，這很可能也將是一個被馴服的奇點時代。01AI對經濟影響的三種敘事關於 AI 將在多大程度上提升長期 GDP 增長率，學術界目前分裂為三種截然不同的敘事。分歧不僅源於對技術能力的判斷不同，也源於他們看待經濟機器運轉方式的根本差異。漸進主義視角：任務模型的摩擦 (Acemoglu)（Hulten’s Theorem）作為依據進行論證。Daron Acemoglu 是這一流派的代表。在 2024-2025 年的系列研究中，他主要通過霍爾頓定理霍爾頓定理的推導邏輯非常直接：AI 對總生產力的貢獻，大約等於「受 AI 影響的 GDP 份額」X「這些任務的成本節約率」。根據Acemoglu的測算，即便假設 AI 能影響 20% 的任務並帶來 25% 的成本降低，其在未來十年內對 TFP （全要素生產率）的累計提升僅為 0.71%，折合年均增長不到 0.1 個百分點 。但是，Acemoglu的測算在方法論上存在根本性缺陷。他用了一個為衡量漸進式技術改進設計的工具，即霍爾頓定律，去預測一個可能改變經濟結構本身的通用目的技術。如果1900年有人用霍爾頓定理計算電力影響，其結論可能是電力只能替代20%的蒸汽機任務，成本節約30%，影響有限。但電帶來的最核心改變是，工廠無需再圍繞中央蒸汽機佈局、因此其生產限度和範圍都大幅擴展；而在微型化後，整個家用電器產業從零誕生。這些結構性變化不在替代舊技術的框架裡。然而，Acemoglu 確實敏銳的發現了一些很敏銳的現象。他注意到，當時AI的成果，比如寫程式碼的速度提升55%，職場寫作效率提高40%這類，都發生在他所謂的「易學任務」光譜裡。這些任務有兩個特點，依賴性，它們都有明確的對錯標準；二來，網際網路上有對此海量的訓練資料。但其實經濟活動裡大部分區域都沒這麼理想。比如一個醫生診斷罕見病，一個律師在複雜案件中尋找突破口，一個建築師在地形限制下設計方案，這些「難學任務」就沒有明確的答案，而且必鬚根據語境做判斷，而AI在這些領域的進步將極其緩慢。而且因為缺乏客觀的評判標準，AI只能從人類的平均表現中學習，這可能最終導致它們永遠無法超越人類專家。這一批評，在推理模型、RLVR，乃至Agent盛行的今天，甚至依然成立。爆發論視角：自我進化的AI在光譜的另一端，是耶魯大學的William Nordhaus和研究機構Epoch AI代表了這一陣營。他們不只把AI看作Acemoglu眼中那種提效工具，而是看作一種全新的生產要素，一種可以無限複製的「數字勞動力」。他們假設的基礎是AGI確實會到來。在這一假設之下，AI能在幾乎所有認知任務上替代人類，那麼傳統經濟模型中「勞動力受人口增長限制」這一鐵律就會被打破。經濟增長將不再被人口瓶頸所束縛，而只取決於我們能以多快的速度生產算力。，他們認為傳統索洛模型中「勞動」和「資本」互補的假設將失效。如果 AI 技術發展到足以在絕大多數認知任務中完全替代人類，經濟增長將僅受限於資本（算力）的積累，而不再受制於人口增長的停滯，長期增長率顯著上移。這一派別採用了內生增長模型他們預測，如果AI能夠自動化科研過程（設計更好的晶片、發現新材料、最佳化演算法），就會形成一個正反饋循環，更強的AI →更好的硬體/演算法 → 更強的AI。根據 Epoch AI 的預測，如果這一循環打通，全球GDP的年增長率可能在2030年代突破10%，甚至達到30%的爆發性水平。的再現融合視角：J型曲線與索洛悖論然而，目前的實證資料似乎更支援Erik Brynjolfsson 提出的「生產力 J 型曲線」解釋。該理論認為，通用目的技術（比如GPT）在引入初期，往往會導致生產力增長放緩甚至下降。這是因為企業需要進行大量的無形資產投資，這包括去重組業務流程、重新培訓員工、開發配套軟體。這些投入在短期內被計為巨額成本，而收益卻滯後顯現。2025年的調查資料也佐證了他的想法。儘管 GenAI 的個人使用率已極高，但許多企業正處於試點煉獄（Pilot Purgatory）之中，投了很多錢，但沒看到什麼規模化回報。這種現象完美復刻了羅伯特·索洛在 1987 年的名言：“到處都能看到電腦，除了在生產力統計資料裡” 。緩慢的爆炸，被馴服的奇點Charles Jones的新論文，其實站在了一個統合者的角色上，去看待上面提到的所有三種路徑。他既不否認AI擁有無限自我進化的革命性潛力，也不否認組織變革之類拖後腿的因素。他把這些因素都塞進了一個理論中去融合，即「薄弱環節」理論，或者說是經濟發展中的木桶效應。現實經濟中，絕大多數任務是互補的，是一個由無數相互依賴的環節組成的複雜系統。比如藥物研發，就包含靶點驗證、毒理、臨床試驗、監管批准，任何一環都無法用其他部分替代。工程交付，則包含設計、供應鏈、施工、驗收、許可，某一步過不了整體交付不了。現代社會之所以有如此多的分工，正是因為為了保證安全和質量、完成一件足夠複雜的工作，是需要很多不可替代的環節的。而在這樣一個系統中，最慢的環節決定了整體的速度，Jones就把它稱為「薄弱環節」。在論文裡，Jones自己用了一個比喻去解釋這套理論。準備一頓晚餐的過程由兩個步驟組成：想菜譜和做菜。現在AI來了，它超好用，能在瞬間生成一份完美的菜譜，考慮到營養搭配、時令食材、你的飲食偏好。因此在「想菜譜」這個環節，生產力直接可能飆升一萬倍。但真想讓它上桌，廚師仍然需要花一個小時切菜、炒菜、擺盤。AI讓你在菜譜上省了十分鐘，但整個流程的瓶頸，即實際的烹飪過程並沒有改變。結果是，就算AI無敵了，你也只是把做飯時間從70分鐘縮短到了60分鐘，提升有，但似乎談不上「革命」這麼誇張。當生產環節之間是高度互補時，總產出並不取決於那個最強的環節（AI），而是被鎖死在那個最弱的環節（人類/物理世界）上 。只要這個薄弱環節存在，就算自動化再完善，最終總產出都由最弱環節的完成時間、成本所限制。而在可見的未來中，這個薄弱環節都會存在。首先是AI自身能力還需要提升，目前它缺乏長程任務的處理能力，也缺乏創新能力，更缺乏進入物理世界的具身能力。就算這些技術卡點都解除了，算力、機房、電力也需要現即時間去搭建；組織本身的變革肯定要慢於技術的進展，薄弱環節就會移動至此。而當組織，可能都被AI重新劃定好後，那些涉及倫理、信任、最終決策權、以及人類純粹偏好的「不可替代環節」，又將成為扼住經濟咽喉的那個「絕對薄弱環節」。這些過程，即使Epoch AI預測的超進化發生，也無法被磨平。至少在人類同意將一切決策權交由AI之前，都不可能發生。卡到什麼程度呢？Jones給出了另一個公式。在一個替代彈性為一半，也就是說各項任務都相互依賴的世界裡，如果你把一類任務自動化到「無限供給」，而這類任務在原本經濟中佔 GDP 的成本份額為 s，那麼總產出的比例增益大約是：增益=1 / 1-s這個公式可以這麼理解，把某類任務壓到幾乎免費，帶來的最大效果，本質上就是把生產 1 單位最終產出的總成本裡，那一塊原本屬於它的成本拿掉。如果它原來佔總成本的份額是 s，那剩下的其它必要任務就佔 1−s。在這個強互補設定裡，其它任務那部分成本是你無論如何都躲不開的。在同樣資源/同樣預算下，你能買到的最終產出與單位成本成反比。單位成本從 100% 降到 1−s，產出能力就最多放大到原來的 1/(1−s)。而GDP佔比可以看成衡量一種經濟部門在總價值與總支付中的權重，也可以近似視作成本。比如，軟體開發行業大約佔美國GDP的2%。假設AI現在可以寫出所有的程式碼，讓軟體開發的生產率達到無窮大。即便如此，這項突破會讓GDP變成1 / （1-0.02），也就是大概102%，也就是帶來約2%的增加。聽起來很扯，但這確實是事實。因為拆解開來，美國的GDP大頭，基本上都完全無法用程式設計替代，都涉及到物理勞動、土地等「絕對薄弱環節」。因此，在這個任務無法互相替代的框架中，經濟在微觀上，很多環節效率暴漲（寫程式碼、寫文案、做分析、做客服……）；但宏觀上產出提升依然被少數硬環節卡住（許可、責任簽字、物理建設周期、供應鏈、信任與安全、資料生成等）。結果就是，增長不是瞬間起飛，而是拆一個瓶頸、瓶頸遷移到下一個，呈現緩慢加速。而且，A.I. 把某些任務變便宜後，支出份額 s 未必上升，甚至可能下降。GDP可能會更集中在卡脖子的環節之上。基於這個框架，Jones重新計算了AI的經濟影響。他的結論介於Acemoglu的極度悲觀和奇點論者的極度樂觀之間。AI確實會驅動經濟增長加速，年增長率最終可能突破5%的歷史高位。但這不會是一夜之間的飛躍，而是一個跨越三四十年的漸進過程。在頭十年，我們可能只會看到約0.5-1%的累計TFP增長，勉強高於Acemoglu的預測。換句話說，奇點依然存在，但它被經濟結構的韌性馴服了。爆炸會發生，但引線很長。03加速的可能如果說 Acemoglu 的理論是基於靜態的觀察，那麼 Jones 的理論則更好的描繪了系統的結構性阻力。他是一種極限實驗，在其中假設把某類任務做到近乎無限便宜/無限供給，問總產出最多能被抬高多少。本質上是一個偏結構約束的視角。這種結構約束就是任務間的不可替代性。但這會是一成不變的嗎？Jones 在論文中暗示，技術確實會重構經濟形式。也就是說，在上面公式中，任務間無法互相替代這件事兒，可能會因技術的變化而變化。那麼現實的發展速度就有可能比他的基礎預測更快。根據不同技術情景對任務替代的不同影響，他一共設想了三種可能的重構方式。第一個是改變生產函數本身。當一項新技術足夠強大時，我們往往會重新設計整個流程，用新的範式替代舊的瓶頸。比如當下一些行業的分工，像法律裡，有起草合同、稽核檔案、法庭辯護這些環節高度互補，缺一不可。但如果AI不僅能起草合同，還能直接與另一個AI代理基於智能合約達成協議，中間的許多人工稽核環節就可能被徹底繞過。這不是在原有流程上做最佳化，而是創造一個全新的、更少瓶頸的流程。一些原先的硬序列鏈條被改造成可以多開工、多條線並跑的結構。這種範式轉換會改變不可替代性的大小。如果經濟活動重組後，任務之間從強互補變為弱互補甚至可替代，那麼單純堆疊算力就能帶來指數級的產出增長。於是宏觀增長會更明顯加速，但仍可能受到物理與制度約束，不一定立刻指數爆炸。依然是一個隨著組織和滲透漸進的過程，但速度會大為增加。理論上講，這一改變是非常可能的，因為我們現在的勞動分工和流程化，在很大程度上都是為了人類本身的限制而設立的。如果對於一個能力高超的AI來講，設計一棟複雜建築的難度和原始人設計木屋的難度一樣，它完全可以邊設計邊建造，而無須拆分流程。第二種改變方法，是份額的內生增長。公式 1/(1-s)假設可自動化任務的份額s是固定的。但歷史告訴我們，當某種投入變得極其便宜時，我們會在所有可能的地方使用它。比如在電力剛出現時，它只是用來照明和驅動少數機器。但隨著電價下降，電力滲透到了經濟的每一個角落：製冷、通訊、交通、娛樂、醫療。類似地，如果AI推理的成本降到接近零，我們會在今天想都不敢想的地方嵌入智能，比如建築材料會自己監測結構安全，農作物會即時最佳化光合作用效率，甚至一片樹葉都可能成為一個微型計算節點。在這個環境下，企業開始加強AI的滲透，替代一部分原來必須由人/組織協調完成的任務，在一定程度上取消某些環節。總體看，AI的用量擴張和任務邊界擴張（把原本不屬於AI的任務重新劃給AI）會減少在各個層級上的「薄弱環節」，把它們同樣自動化。因此 s 並不是僅僅限制在「程式設計」本身的GDP佔比上，而是滲透性更強，幅度更大。對GDP增長的影響也更顯著。這基本上是目前完全可見的一種潛在未來場景。這種擴張不會在一夜之間發生，但也不會像Jones的基準預測那樣緩慢。第三個則是直接通過解決「基礎薄弱環節」，帶來跨越式增長。其實在Jones公式裡，最大的「薄弱環節」並非演算法，而是能源、材料、人力這些物理障礙。AI科學家不能直接建造核聚變反應堆，不能親手合成新材料，也不能獨自組裝iPhone。但這恰恰是AI可能產生最大槓桿效應的地方。Jones在論文中描繪了一個很接近Epoch AI提出「飛輪」場景：AI 科學家可以設計更好的機器人，機器人進行實驗產生資料，實驗資料則用來訓練更強的 AI。在這個過程中，一旦在AI的自我進化式研究的過程中，解決了核聚變（無限能源）和通用人形機器人（無限物理勞力）的問題，那麼原本佔比最大「薄弱環節」和瓶頸都會消失，進入到自動化循環中。這就會是真正的經濟奇點到來的前夜。而在當下，進化性模型正是最火熱的前沿領域，AlphaEvolve帶來的曙光初現。這個場景變得越來越可能。在這三種Scenario之下，我們可以看到相對於Epoch AI和Acemoglu，Charles I. Jones 的研究框架完全可以包容前三者的所有假設。在當下高度互補的經濟系統中，AI 的局部無限能力會被那些尚未被自動化的「硬骨頭」（如物理瓶頸、法律倫理、人類情感）所稀釋。這就是為什麼即便技術在飛速迭代，宏觀經濟變化卻相對緩慢，因為價值會迅速從智能環節逃逸，被死死鎖在那些依然昂貴且稀缺的短板上。而隨著AI的持續發展滲透，打補丁式的替代將轉向徹底的重構。自動化份額逐步擴大，很多生產流程將完成從人機互補到端到端的完全替代。更遠處，利用「AI 科學家+機器人」的飛輪攻克能源與製造等物理底座，則會撬動幾乎所有「薄弱環節」。一旦我們成功擰動這些關鍵的「生產環節替代性」的調節旋鈕，一步步消除系統中擁有一票否決權的短板，經濟增長便能突破引力束縛，從線性的摩擦走向真正的指數級躍升。當然，這些旋鈕中，可能最先被擰動，是你我這樣的人。04人的新位置那麼，在這樣一個由「薄弱環節」定義的未來裡，人類的位置在那裡？從這個圖景看，答案其實很簡單，即人會不斷向瓶頸處遷移。在過去，掌握大量知識是高薪的保障。但在 AI 時代，這些成為了最先被無限化的廉價資源。人類的技能必須向那些 AI 尚未攻克的薄弱環節轉移。而當下尚能看到的瓶頸在那裡？首先是物理世界的最後且最難的一公里。尤其是那些非標準化的、需要靈巧操作和複雜判斷的物理工作。照顧老人、修繕古建築、緊急情況下的複雜救援。在這些場景中，只要機器人還沒有達到人類的靈巧度，工作的薪資反而會因為「薄弱環節」理論而水漲船高。這在現實中其實完全有映照。最近，在美國修築算力中心的藍領工人工資就在大幅提升。其次，是監管與信任的能力。 在一個充滿了 AI 生成內容的世界裡，驗證變得比生成昂貴得多。法律責任的界定、倫理的審查、人際間的信任背書，這些是 AI 難以通過算力解決的硬骨頭。這些問題基本沒有技術解決方案，只有社會和制度的解決方案。律師、審計師、倫理顧問的工作重心會從做轉向驗證和擔保。最終，是定義意義的能力。 當 AI 能解決所有如何做（How）的問題時，價值就集中到了做什麼（What）和為什麼做（Why）上。能夠發現需要AI 解決的問題；能夠制定一個城市的規劃願景、一個社會的價值排序；能夠定義人類應該有的生活，確認出可能不適合所有人，但適合一部分人的意義；這些工作，是缺乏生命史和生物本能的AI本身永遠也無法去取代的。直到我們達到「後豐裕時代」，把相當豐富的決定權都交予的AI的圖景。ones 在論文的結尾沒有談論大規模失業的恐慌，而是談到了「退休」和「夏令營」。在傳統的經濟模型中，人類文明的絕大部分時間，都活在不工作就會死的重壓之下。即使在現代社會，這個恐懼只是被包裝得更精緻：不工作就付不起房租，看不起病，養不起孩子，失去社會身份和尊嚴。我們把它叫做"職業發展"、"自我實現"、"社會貢獻"，但底層邏輯從未改變，工作是生存的代價。這種恐懼塑造了人類文明的幾乎所有結構。教育系統，本質上是勞動力培訓營，從幼兒園開始就在為將來有用做準備；時間分配，清醒時間的一半以上用於生產勞動或為生產做準備。身份認同，你是做什麼的？成為認識一個人的第一個問題 。更深層的是，生存恐懼塑造了我們對人性本身的理解。我們把理性定義為效用最大化，把成功定義為資源積累，把價值定義為市場定價。人被簡化為經濟人、生產要素、人力資本。而當後豐裕時代來臨時，人類會退守到那裡？標準答案通常是，AI無法替代的高級工作，創造力、同理心、領導力。但這仍然是生存恐懼的框架，仍然在問「我能提供什麼有用的東西」。真正的新高地，可能根本不在有用的維度上。這聽起來像是一個烏托邦式的幻想，但它符合「薄弱環節」理論的最終推演：當所有的生存需求都變成「容易環節」被解決後，人類唯一剩下的「薄弱環節」，就是如何定義我們存在的意義，以及如何度過這漫長而由自己主宰的一生。這場由 AI 引發的經濟變革，或許不會像原子彈爆炸那樣瞬間摧毀舊世界，而更像是一場持續數十年的氣候變遷。水位會慢慢上漲，舊的大陸（傳統認知工作）會慢慢淹沒。在這之前，我們都將不得不搬遷到新的高地，那些 AI 無法觸及的、屬於人類本質的薄弱環節之上。回歸生存恐懼之外的人性。那不是人類的終點，而是人類的起點。 (騰訊科技)

序言算力重構全球競爭秩序，新質生產力的核心引擎本報告基於全球算力產業最新發展動態，結合AI雲原生智能算力架構的權威研判、工信部政策導向及產業一線資料，深度解讀2026年全球算力十大趨勢，系統分析國內外GPU/CPU算力產業鏈格局、太空算力發展現狀，並精準梳理利多A股標的，為產業從業者、投資者提供兼具科學性、技術性與實操性的深度洞察。報告全文逾2萬字，分批次輸出，第一部分聚焦十大趨勢深度解析與全球算力產業現狀。2026年，人工智慧浪潮進入縱深演進階段，算力作為數字經濟的核心生產要素，正從技術底層支撐躍升為重塑全球產業格局、國家競爭優勢的戰略力量。不同於以往的技術迭代，本輪算力革命以“規模爆發、架構革新、生態融合、邊界突破”為核心特徵，不僅重構了半導體產業鏈的價值分配邏輯，更催生了新質生產力的多元落地場景。資料顯示，算力已成為衡量國家科技競爭力的核心維度，其發展水平直接決定了各國在智能時代的話語權。從全球格局看，中美歐形成“三足鼎立”的競爭態勢，美國憑藉晶片生態優勢保持領先，中國依託政策紅利與市場需求實現快速追趕，歐洲則聚焦綠色算力與開源生態建構差異化競爭力。在技術層面，CPU與GPU的協同架構迭代、量子計算的工程化突破、太空算力的探索起步，正不斷刷新算力的邊界與效能。在產業層面，算力租賃、算網融合、綠電算力等新業態蓬勃興起，A股市場相關標的迎來價值重估窗口。第一部分2026全球算力十大趨勢深度解析2026年，全球算力產業正處於“量變到質變”的關鍵轉折點，十大趨勢相互交織、協同演進，共同勾勒出智能時代算力發展的全景圖。這些趨勢既涵蓋技術架構的底層變革，也包括產業生態的重構升級，更涉及應用場景的邊界突破，深刻影響著千行百業的數位化轉型處理程序。趨勢一：全球算力競賽白熱化，規模呈指數級增長，戰略屬性凸顯當前，算力已上升為各國國家戰略的核心組成部分，全球範圍內的算力競賽進入白熱化階段，形成“政策護航、資本加碼、技術攻堅”的三重驅動格局。美國通過《晶片與科學法案》累計投入520億美元扶持半導體產業，重點佈局高端算力晶片與智算中心建設，亞馬遜、微軟、Google三家企業佔據美國90%的算力資源，本土建成74個算力中心，同時在海外佈局524個資料中心，建構全球算力霸權。歐盟推出《數字歐洲計畫》，投入100億歐元建設跨區域算力網路，聚焦綠色算力與超算互聯。中國將算力納入“十五五規劃”核心議題，“東數西算”工程持續推進，工信部發佈算力互聯互通行動計畫，明確到2028年實現智能感知即時調度的算力網際網路。AI大模型的快速演進成為算力需求爆發的核心推手。據中國信通院測算，人工智慧大模型的算力需求每3-4個月翻一番，遠超摩爾定律的迭代速度。2023年全球計算裝置算力總規模達1397EFlops，增速高達54%，預計未來五年全球算力規模增速保持在50%以上，到2030年將突破16ZFlops，其中AI算力規模將實現千倍增長。從產業端看，算力已從輔助資源升級為企業核心戰略資產，頭部科技企業紛紛加大資本投入，輝達、台積電等企業持續擴充產能，國內浪潮、曙光等硬體廠商加速佈局伺服器與算力基礎設施，算力的戰略價值在產業鏈競爭中愈發凸顯。值得關注的是，算力競賽已從單一技術比拚升級為全產業鏈協同較量，涵蓋晶片設計、製造、封裝測試、算力調度、應用落地等多個環節。美國憑藉輝達的晶片架構優勢、台積電的先進製程能力，建構了完整的算力生態；中國則通過政策引導，推動國產晶片、封裝技術、算網融合的協同突破，逐步縮小與國際先進水平的差距。趨勢二：大模型成智能世界“底層作業系統”，價值創造轉向實際問題解決2026年，大模型技術正加速從“技術驗證期”邁向“商業閉環期”，逐步升級為未來智能世界的“底層作業系統”，其核心價值從“算力消耗規模”轉向“實際問題解決能力”。隨著大模型意圖理解能力的突破與部署成本的大幅下降，AI技術在製造業、醫療、金融、政務等千行百業的規模化落地加速，形成“效率提升—需求爆發—算力增長”的正向循環。在技術層面，大模型呈現“輕量化、專業化、協同化”的發展特徵。輕量化大模型通過壓縮演算法最佳化，在邊緣裝置實現高效部署，降低了算力使用門檻；專業化大模型聚焦垂直領域，如醫療大模型輔助新藥研發、工業大模型最佳化生產流程，其核心競爭力在於對行業場景的深度適配。中國工程院院士鄔賀銓指出，大模型的發展已從“訓練為主”轉向“推理為主”，2023年訓練算力佔比仍較高，到2025年推理算力佔比將升至七成，未來這一比例還將持續提升，算力需求結構的變化將倒逼晶片架構與算力調度模式的最佳化。在價值評判層面，行業競爭的核心標尺從“使用者規模、算力消耗”轉向“問題解決深度、產業效率提升高度”。在醫藥研發領域，算力驅動的AI模型將傳統4.5年的研發周期壓縮至12-18個月，臨床試驗成功率從50%提升至80%-90%；在新材料研發中，AI模型可快速完成潛在配方篩選，研發效率提升3倍以上。TCL、南方電網等企業部署的垂域大模型，已創造超10億元的直接經濟效益，驗證了算力賦能實體經濟的可行性。這一趨勢意味著，單純追求算力規模的增長已不再具備核心競爭力，能夠將算力轉化為實際產業價值的企業將獲得更大發展空間。趨勢三：智能形態從數字世界走向物理實體，具身智能開啟兆賽道人工智慧的發展範式正發生深刻變革，從處理虛擬資訊的“數字智能”，向能夠在物理世界感知、理解、行動的“具身智能”演進，打破虛實邊界，開啟兆級實體智能市場賽道。具身智能的核心支撐是“世界模型”，如同智能體的“大腦”，能夠模擬物理世界的動態規律，實現感知、決策、行動的閉環協同，其發展將倒逼AI技術堆疊、硬體體系、計算架構的全方位革新。在應用場景層面，機器人、自動駕駛、工業自動化成為具身智能落地的核心領域。服務機器人通過融合視覺、觸覺等多模態感知技術，實現家庭服務、商業服務的智能化升級；自動駕駛依託高精度地圖與即時算力調度，逐步從L3級向L4級突破，對邊緣算力與車路協同算力的需求激增；工業機器人通過搭載具身智能系統，實現複雜工況下的柔性生產，大幅提升製造業生產效率。據測算，2026年全球具身智能相關市場規模將突破5兆元，成為算力需求增長的新引擎。技術層面，具身智能對算力的需求呈現“即時性、異構性、分佈式”特徵。即時性要求算力調度時延控制在毫秒級，以滿足物理世界的快速響應需求；異構性要求CPU、GPU、NPU等多種處理器協同工作，適配多模態資料處理需求；分佈式則要求算力資源貼近物理實體，實現邊緣算力與中心算力的協同調度。這一趨勢將推動算力架構從“中心集中式”向“中心-邊緣協同式”轉型，邊緣計算晶片、低時延網路裝置等細分領域迎來發展機遇。趨勢四：計算架構顛覆式變革，從“CPU為中心”轉向“多樣化協同架構”面對指數級增長的算力需求與多樣化的應用場景，傳統“以CPU為中心”的計算架構已難以滿足能效最優需求，2026年，以CPU、GPU、NPU、DPU等多種處理器平等協同的“多樣化計算架構”成為主流，推動算力體系從“硬體堆疊”向“系統創新”質變。CPU作為通用計算核心，仍承擔著任務調度、邏輯控制的核心功能，但在AI計算、圖形處理等場景的性能瓶頸日益凸顯。GPU憑藉平行計算優勢，成為智能算力的核心載體，佔據全球AI晶片市場的主導地位；NPU針對神經網路計算最佳化，在邊緣AI、移動端AI場景具備能效優勢；DPU專注於資料中心網路、儲存加速，降低CPU的資料處理負載。多種處理器的協同工作，能夠根據不同計算任務的特性分配算力資源，實現整體能效最大化。架構革新的核心在於“異構互聯技術”的突破。高速互聯介面、晶片級整合技術（Chiplet）成為連接不同處理器的關鍵支撐。台積電計畫2026年新增3條先進封裝生產線，主攻高端AI晶片的Chiplet封裝，投產後可覆蓋全球15%以上的高端AI晶片封裝需求；國內長電科技的XDFOI Chiplet技術已實現4nm節點多晶片整合，通富微電的大尺寸FCBGA封裝良率突破99.5%，國產廠商通過先進封裝技術，加速實現高端算力晶片的國產化替代。此外，軟體層面的異構計算調度平台也在快速迭代，通過演算法最佳化實現不同處理器的高效協同，進一步釋放算力潛力。趨勢五：算力基礎設施升級，“超節點”成智算中心主流形態算力基礎設施正從傳統伺服器堆疊模式，向以“超節點”為核心的高密度、一體化算力底座演進，突破傳統硬體邊界與“記憶體牆”瓶頸，實現算力資源的高效整合與調度。超節點通過先進互聯技術，將數百上千個處理器、儲存單元、網路裝置整合為邏輯統一的計算體，單節點算力密度較傳統伺服器叢集提升10倍以上，時延降低50%以上，成為智算中心的主流形態。從建設規模看，全球頭部企業紛紛佈局超節點算力叢集。美國已建成30個萬卡級算力叢集，並向十萬卡級演進，亞馬遜AWS、微軟Azure的超節點叢集可提供每秒百億億次的計算能力，支撐超大模型訓練與前沿科學計算；中國受限於晶片產能與技術瓶頸，萬卡級叢集僅7座，更多企業轉向超節點技術研發，通過系統最佳化彌補單晶片性能不足，中科曙光、浪潮資訊等企業已推出自主研發的超節點解決方案，在政務、能源等領域落地應用。超節點的普及將推動智算中心建設從“重硬體”向“重系統”轉型，核心競爭力體現在互聯技術、散熱技術、能耗控制等系統整合能力。液冷散熱、高密度供電等技術成為超節點建設的關鍵支撐，高密化、液冷化、叢集化成為智算中心發展的必然方向，相關硬體與技術廠商迎來市場機遇。趨勢六：算網融合縱深推進，全國一體化算力網實現“算力泛在可用”面對算力需求的地理分佈不均與即時性要求，“以網強算”成為算力產業發展的核心邏輯，2026年，全球算力網路建設進入加速期，中國“東數西算”工程持續深化，逐步建構“城域1毫秒、區域5毫秒、國家樞紐間20毫秒”的三級時延圈算力網路，實現東部需求與西部綠色能源優勢的精準匹配。算力網路的核心在於“算、網、腦”一體化融合。“算”即算力資源的集約化佈局，依託八大算力樞紐節點，建構全國算力資源池；“網”即低時延、高頻寬的網路基礎設施，三大電信營運商加速轉型為算網服務提供商，最佳化骨幹網與都會網路架構，提升算力調度的網路支撐能力；“腦”即智能調度平台，通過感知、分析、調度演算法，實現算力資源的跨地域、跨層級智能分配，讓算力像電力一樣“隨需即用”。從區域佈局看，中國東部地區聚焦低時延算力需求，建設邊緣算力節點，支撐金融、工業網際網路等即時性場景；西部地區依託風光水等綠色能源，建設大規模智算中心，承接訓練、儲存等非即時算力需求。截至2025年，中國算力總規模達35.22億卡時，算力負載率約39.9%，但區域分佈不均問題突出，東部算力供需缺口較大，西部算力閒置率較高，算力網路的建設將有效提升資源利用效率，預計到2026年底，全國算力均衡利用率將提升至60%以上。此外，國際算力網路互聯也在起步，美國能源部建立全球最大算力網路，歐盟推進跨區域算力互聯，算力的全球化調度成為未來趨勢。趨勢七：超算與智算深度融合，“超智融合”破解前沿科學計算難題超算與智算的邊界逐步模糊，2026年，“超智融合”成為算力發展的新範式，通過整合超算的高精度計算能力與智算的AI推理能力，解決氣候變化模擬、新藥研發、核聚變研究等前沿科學領域的復合計算需求。超算擅長處理大規模、高精度的數值計算任務，智算則在多模態資料處理、智能決策方面具備優勢，二者的融合能夠實現“1+1>2”的算力效能提升。在應用場景層面，超智融合已在多個前沿領域落地。在氣候變化研究中，超算模擬全球氣候系統演變，智算對模擬資料進行智能分析，精準預測極端天氣事件；在新藥研發中，超算完成分子動力學模擬，智算最佳化藥物分子結構，大幅縮短研發周期；在核聚變研究中，超算模擬電漿體運動規律，智算即時調整實驗參數，提升實驗成功率。全球領先的超算中心紛紛升級為“超智融合中心”，美國橡樹嶺國家實驗室的Frontier超算、中國的神威·太湖之光超算，均已整合AI算力模組，實現超算與智算的協同工作。技術層面，超智融合要求算力架構具備“高精度與智能化協同”能力，對晶片、互聯、軟體等環節提出更高要求。專用超算AI晶片、高精度計算與AI計算的調度演算法、跨模態資料處理技術成為研發重點，國內中科院、中科曙光等機構正加速相關技術攻關，推動超智融合技術的國產化落地。趨勢八：開源開放成生態核心，建構全球算力創新共同體2026年，開源開放成為智算時代加速產業創新的核心生態模式，通過降低技術門檻、促進全球協同，匯聚創新力量，推動算力技術的快速迭代與規模化應用。全球算力生態正從“封閉壟斷”向“開源協同”轉型，頭部企業、科研機構紛紛建構開源社區，開放晶片架構、演算法模型、算力調度平台等核心技術，形成全球創新共同體。在晶片領域，開源架構打破了傳統廠商的壟斷格局。RISC-V架構憑藉開源、精簡、可擴展的優勢，成為全球晶片架構創新的核心方向，全球已有超2000家企業參與RISC-V生態建設，中國企業在RISC-V晶片設計、編譯器開發等環節佔據重要地位，寒武紀、平頭哥等企業推出基於RISC-V架構的AI晶片，逐步打破輝達、英特爾的架構壟斷。在大模型領域，開源大模型成為中小企業創新的核心支撐，Meta的Llama系列、Google的Gemini開源版、國內百度的文心一言開源版，降低了大模型研發與應用門檻，推動垂直領域大模型的快速迭代。開源生態的發展離不開政策與資本的支援。歐盟推出《開放原始碼軟體戰略》，鼓勵公共部門採用開源技術，加大對開源社區的資金扶持；中國工信部推動開源算力生態建設，支援國內企業參與全球開源社區，建構自主開源生態體系。開源開放不僅加速了技術創新，更重構了算力產業的競爭格局，具備開源生態主導能力的企業將在全球競爭中佔據優勢地位。趨勢九：綠色算力成必答題，“綠電+綠算”建構可持續發展模式隨著算力規模的快速增長，算力中心的能耗問題日益凸顯，2026年，綠色算力成為全球算力產業發展的核心議題，高密化、液冷化、綠色電力直供成為智算中心發展的必然方向，“綠電驅動綠算”的可持續發展模式逐步落地。據測算，全球資料中心能耗佔比已達3%，其中美國佔45%，中國佔25%，與兩國算力在全球的佔比基本相當，降低算力中心能耗成為產業升級的迫切需求。在節能技術層面，液冷散熱技術逐步替代傳統風冷，成為高密算力中心的主流散熱方案。液冷散熱的散熱效率較風冷提升100倍以上，能耗降低30%-50%，華為、中科曙光、網宿科技等企業已推出液冷散熱解決方案，在大型智算中心落地應用。此外，晶片能效最佳化、算力調度演算法升級、餘熱回收利用等技術也在快速迭代，進一步降低算力中心的單位能耗。在能源供給層面，綠色電力直供成為算力中心的核心選擇。中國西部算力樞紐節點依託風光新能源優勢，實現綠電直供智算中心，阿里雲張北智算中心、騰訊貴安智算中心等均採用100%綠電供電；歐洲通過風電、太陽能發電，為算力中心提供清潔能源，推動算力產業與碳中和目標的協同推進。政策層面，各國紛紛出台綠色算力標準，中國將綠色算力納入“雙碳”考核體系，歐盟推出《綠色資料中心法案》，明確算力中心的能耗與碳排放標準，倒逼產業綠色轉型。綠色算力不僅是環保要求，更成為企業核心競爭力的重要組成部分，具備綠色算力解決方案的企業將獲得政策與市場的雙重青睞。趨勢十：量子計算從實驗室走向工程化，開啟算力顛覆性變革窗口2026年，量子計算進入“實驗室到工程化”的關鍵轉型期，未來1-2年將成為技術突破與商業化應用的窗口期，量子計算將在材料科學、藥物發現、密碼學等領域帶來顛覆性潛力，逐步彌補經典算力的性能瓶頸。量子計算憑藉量子疊加、量子糾纏的特性，在特定計算任務上的性能遠超經典算力，例如，量子電腦破解RSA密碼的時間從經典電腦的數千年縮短至數小時，模擬分子結構的精度與效率也大幅提升。在技術進展層面，全球量子計算企業紛紛推出工程化量子電腦。IBM推出1121量子位元的量子電腦，實現量子糾錯技術的重大突破；Google的量子電腦在特定任務上實現“量子優越性”；國內中科院、華為、阿里等機構加速量子計算研發，超導量子、光量子等多條技術路線平行推進，已推出百位元級量子電腦原型機。儘管量子計算仍面臨量子糾錯、穩定性、成本控制等技術難題，但工程化處理程序加速，預計2030年前後將實現規模化商業應用。量子計算的發展將重構算力產業格局，催生量子晶片、量子演算法、量子程式設計等新興細分領域。各國紛紛加大量子計算投入，美國將量子計算納入國家戰略，歐盟投入10億歐元建設量子計算基礎設施，中國將量子計算列為“十四五”重點研發領域，政策與資本的加持將加速技術突破。量子計算與經典算力的協同工作模式也在探索中，未來將形成“經典算力處理通用任務、量子算力處理複雜特殊任務”的協同格局，共同推動算力產業的跨越式發展。第二部分全球算力產業現狀與格局分析在十大趨勢的驅動下，2026年全球算力產業呈現“規模爆發、結構最佳化、區域分化、生態重構”的發展特徵。本節基於中國信通院、全球計算聯盟等權威機構資料，從市場規模、結構分佈、區域競爭、產業鏈格局四個維度，系統分析全球與中國算力產業現狀，為後續產業鏈與投資標的分析奠定基礎。一、全球算力產業市場規模：增速保持高位，智能算力成核心驅動力生成式人工智慧的蓬勃發展成為全球算力規模增長的核心引擎，2023年全球計算裝置算力總規模達1397EFlops（FP32），同比增速54%，創歷史新高。從增長動能看，智能算力的爆發式增長成為主導，2023年全球智能算力規模（換算為FP32）達875EFlops，佔總算力的63%，較上年提升13個百分點，同比增速達86%；基礎算力規模為497EFlops，同比增速17%，增速同比放緩9個百分點，佔比32.2%；超算算力規模為25EFlops，佔比1.8%，增速相對平穩。展望未來，全球算力規模將持續保持高速增長，預計2023-2030年複合增長率超50%，到2030年全球算力總規模突破16ZFlops。其中，智能算力將延續爆發式增長態勢，預計到2030年佔比超90%，成為算力產業增長的絕對核心；基礎算力仍將保持穩步增長，支撐通用計算需求；超算算力規模將隨超智融合趨勢逐步擴大，在前沿科學計算領域發揮重要作用。從區域增速看，美國、中國、歐洲成為全球算力增長的三大核心引擎。美國憑藉晶片生態優勢與企業資本投入，算力規模增速達60%以上，領先全球；中國依託政策紅利與市場需求，增速保持在45%左右，逐步縮小與美國的差距；歐洲聚焦綠色算力與超算互聯，增速保持在35%以上，形成差異化增長格局。二、全球算力產業結構：智能算力主導，推理算力佔比持續提升2026年，全球算力產業結構呈現“智能算力主導、推理算力崛起、算力形態多元化”的特徵。從算力類型看，智能算力已成為絕對主導，其核心需求來自大模型訓練與推理、電腦視覺、自然語言處理等AI應用場景。隨著大模型從訓練轉向推理，推理算力需求呈現爆發式增長，預計2026年全球推理算力規模佔智能算力的比例將升至75%以上，訓練算力佔比降至25%以下。從算力形態看，雲算力、邊緣算力、中心算力協同發展。雲算力依託大型智算中心，提供規模化、集約化的算力服務，滿足大模型訓練、大規模資料處理等需求，亞馬遜AWS、微軟Azure、阿里雲、騰訊雲等雲服務提供商佔據主導地位；邊緣算力貼近終端裝置，提供低時延、高可靠的算力服務，支撐自動駕駛、智能安防、工業物聯網等場景，邊緣計算晶片與裝置廠商迎來發展機遇；中心算力聚焦超算與智算融合，支撐前沿科學計算與重大工程需求，全球超算中心成為核心載體。從算力供給結構看，專業算力服務提供商快速崛起，算力租賃成為新興業態。受晶片供給緊張、算力建設成本高企等因素影響，中小企業紛紛通過算力租賃獲取算力資源，推動算力租賃市場規模快速增長。A股市場算力租賃類股頭部企業如工業富聯、世紀華通、中科曙光等，憑藉規模化算力資源與專業服務能力，佔據市場主導地位，成為算力供給結構最佳化的重要力量。三、全球算力產業區域分佈：中美歐三足鼎立，競爭格局分化全球算力產業區域分佈呈現“中美主導、歐洲追趕、其他區域崛起”的格局。據中國信通院測算，2023年全球算力規模中，美國佔比41%，中國佔31%，歐洲佔15%，日本佔4%，其他區域佔9%。美國憑藉技術、生態、資本優勢，保持領先地位，中國依託政策與市場優勢快速追趕，中美兩國合計佔據全球72%的算力資源，成為全球算力競爭的核心陣地。美國算力產業的核心優勢在於完整的生態閉環。在晶片領域，輝達、英特爾、AMD主導全球GPU、CPU市場，台積電掌握先進製程工藝，形成“設計-製造-封裝”的全產業鏈優勢；在算力服務領域，亞馬遜、微軟、Google佔據全球雲算力市場的60%以上，建構了從算力供給到應用落地的完整生態；在技術研發領域，美國高校與科研機構引領量子計算、AI演算法等前沿技術突破，持續鞏固技術壁壘。此外，美國通過海外資料中心佈局，將算力優勢延伸至全球，掌控全球算力調度的核心話語權。中國算力產業的核心優勢在於政策支援與龐大市場需求。“東數西算”工程推動算力基礎設施集約化佈局，工信部、國家資料局等部門出台一系列政策，支援算力技術創新與國產化替代；中國擁有全球最大的網際網路市場與製造業基地，AI、工業網際網路、智慧城市等場景的算力需求持續旺盛，為算力產業發展提供了廣闊空間。在技術層面，中國在算力基礎設施、封裝測試、算網融合等領域已形成較強競爭力，國產晶片、AI演算法等領域逐步突破，正從“算力大國”向“算力強國”轉型。歐洲算力產業聚焦差異化競爭，重點佈局綠色算力與開源生態。歐盟通過《綠色資料中心法案》《數字歐洲計畫》，推動算力產業與碳中和目標協同發展，依託風電、太陽能等綠色能源優勢，建構綠色算力體系；在開源生態領域，歐洲企業積極參與RISC-V、開源大模型等社區建設，試圖通過開源打破中美技術壟斷。此外，歐洲在超算領域具備較強實力，擁有多個全球領先的超算中心，通過超智融合推動前沿科學計算發展。其他區域如日本、韓國、印度等，也在加速算力產業佈局。日本聚焦量子計算、邊緣算力等細分領域，韓國依託三星、SK海力士等企業在儲存晶片、封裝測試領域的優勢，參與全球算力產業鏈分工，印度則憑藉低成本勞動力與網際網路市場增長潛力，吸引全球算力企業佈局。四、中國算力產業現狀：規模快速增長，結構持續最佳化2023年，中國計算裝置算力總規模（FP32）達435EFlops，同比增速44%，保持高速增長態勢。從結構看，智能算力成為增長核心，2023年中國智能算力規模達289.4EFlops，同比增長62%，佔總算力的66.5%；基礎算力規模為140.4EFlops，同比增長17%，佔比32.2%；超算算力規模為5.2EFlops，佔比1.3%。預計2026年，中國算力總規模將突破1500EFlops，智能算力佔比升至80%以上，算力結構持續最佳化。從區域佈局看，中國算力呈現“東部需求集中、西部供給充足”的特徵。東部地區憑藉經濟發達、技術密集、場景豐富的優勢，成為算力需求核心區域，網際網路、金融、工業等領域的算力需求旺盛，但算力基礎設施建設空間有限；西部地區依託能源、土地優勢，成為算力供給核心區域，八大算力樞紐節點中，西部佔五個，承接東部地區的訓練、儲存等算力需求。“東數西算”工程的推進，正逐步緩解區域算力供需失衡問題，提升全國算力資源利用效率。從產業競爭格局看，中國算力行業呈現“多元化、多層次”態勢。硬體廠商方面，浪潮資訊、中科曙光、工業富聯等企業主導伺服器、智算中心等基礎設施建設，佔據國內伺服器市場的60%以上份額；雲服務提供商方面，阿里雲、騰訊雲、華為雲等企業提供規模化雲算力服務，降低企業算力獲取門檻；AI演算法與晶片企業方面，寒武紀、商湯科技、華為昇騰等企業加速國產替代，在AI晶片、演算法最佳化等領域形成核心競爭力；算力租賃企業方面，世紀華通、潤澤科技、協創資料等企業快速崛起，成為算力供給的重要補充。中國算力產業仍面臨一些挑戰：一是高端晶片“卡脖子”問題突出，GPU市場85%的份額由輝達主導，高端訓練晶片配貨周期長達6個月以上，國產晶片在性能、生態等方面與國際先進水平仍有差距；二是算力利用率區域不均，東部算力供需缺口較大，西部算力閒置率較高，算力調度效率有待提升；三是核心技術自主可控能力不足，Chiplet、高端封裝材料等領域仍依賴海外企業。未來，隨著政策支援力度加大、技術創新加速，這些問題將逐步緩解，中國算力產業有望實現高品質發展。第三部分第三部分：國內外GPU/CPU算力產業鏈深度分析GPU與CPU作為算力產業鏈的核心硬體，是決定算力性能、能效與成本的關鍵環節。2026年，全球GPU/CPU市場呈現“壟斷與突破並存、協同與競爭共生”的格局，美國憑藉晶片設計、先進製程與生態優勢佔據主導，中國企業通過技術攻堅、政策扶持加速國產替代，形成全球產業鏈的二元競爭態勢。本節從產業鏈結構、全球核心玩家、國內替代處理程序三個維度，系統解析GPU/CPU算力產業鏈的現狀、技術差異與發展趨勢。一、GPU/CPU算力產業鏈整體架構GPU/CPU算力產業鏈涵蓋“上游材料與裝置—中游設計、製造、封裝測試—下游應用與服務”三大環節，各環節環環相扣，形成協同共生的產業生態。上游為產業鏈提供基礎支撐，中游是核心價值創造環節，下游決定市場需求與技術迭代方向，三者共同影響產業鏈的整體競爭力。（一）上游：材料與裝置，技術壁壘高企上游主要包括半導體材料（矽片、光刻膠、特種氣體、靶材等）與半導體裝置（光刻機、刻蝕機、沉積裝置等），是GPU/CPU製造的核心基礎，技術壁壘極高，全球市場高度集中。半導體材料方面，矽片作為核心基材，全球市場由日本信越化學、SUMCO、德國Siltronic等企業主導，佔據全球90%以上的高端矽片市場份額；光刻膠領域，日本JSR、東京應化、富士膠片壟斷全球80%以上的高端光刻膠產能，尤其是EUV光刻膠，目前僅日本少數企業實現量產；特種氣體、靶材等細分領域，美國、日本、韓國企業佔據主導，國內企業如華特氣體、江豐電子等正逐步突破中低端市場，高端領域仍依賴進口。半導體裝置方面，光刻機是晶片製造的核心裝置，荷蘭ASML壟斷全球EUV光刻機市場，其最新EUV機型可支援3nm及以下先進製程，是高端GPU/CPU量產的關鍵；刻蝕機、沉積裝置等領域，美國應用材料、泛林半導體，日本東京電子等企業佔據主導，國內中微公司的刻蝕機已實現7nm節點量產，北方華創的沉積裝置逐步進入主流晶圓廠供應鏈，國產裝置替代處理程序加速。（二）中游：設計、製造、封裝測試，核心價值環節中游是GPU/CPU產業鏈的核心，分為設計、製造、封裝測試三個細分環節，價值量佔比達70%以上。設計環節聚焦晶片架構與演算法最佳化，是技術含量最高的環節；製造環節負責晶片晶圓代工，依賴先進製程工藝；封裝測試環節負責晶片封裝、性能測試與良率控制，是晶片落地應用的最後一道工序。設計環節：採用Fabless模式（無晶圓廠模式），企業聚焦晶片架構設計、IP研發與解決方案，不涉及晶片製造，核心競爭力在於架構創新與生態建構。全球GPU設計市場由輝達、AMD主導，CPU設計市場由英特爾、AMD、ARM架構企業主導，國內企業如寒武紀、華為海思、龍芯等通過自主研發或授權合作，逐步切入市場。製造環節：採用Foundry模式（晶圓代工模式），企業依託先進製程工藝為設計企業提供代工服務，核心競爭力在於製程精度、良率與產能。台積電（TSMC）掌握全球最先進的製程工藝，3nm製程已實現規模化量產，2nm製程進入研發階段，佔據全球高端GPU/CPU代工市場的80%以上份額；三星電子作為全球第二大晶圓代工廠，在3nm/4nm製程領域與台積電形成競爭，主要服務於自身晶片設計業務及少數外部客戶；中芯國際作為國內最大晶圓代工廠，14nm製程實現規模化量產，7nm製程通過N+2工藝實現突破，但受裝置限制，產能與良率仍有待提升，難以滿足高端GPU/CPU的代工需求。封裝測試環節：技術壁壘相對較低，全球市場競爭激烈，國內企業具備較強競爭力。全球頭部企業包括台灣的日月光、京元電子，美國安靠，國內長電科技、通富微電、華天科技等企業進入全球前十，在先進封裝領域（Chiplet、FCBGA等）逐步突破，為國內GPU/CPU企業提供封裝支撐。（三）下游：應用與服務，需求驅動迭代下游主要包括算力基礎設施（智算中心、超算中心、邊緣節點）、終端裝置（伺服器、PC、智慧型手機、機器人）及行業應用（網際網路、金融、醫療、工業等），是GPU/CPU需求的核心來源，其需求變化直接驅動晶片技術迭代。GPU下游需求以智算中心、超算中心為主，主要用於大模型訓練與推理、圖形渲染、科學計算等場景，網際網路企業（Google、微軟、阿里、騰訊）、雲端運算廠商（AWS、Azure、華為雲）是核心採購方；CPU下游需求覆蓋伺服器、PC、終端裝置等，伺服器CPU需求受算力基礎設施建設驅動，PC CPU需求受消費電子升級影響，工業、醫療等領域的專用CPU需求逐步增長。此外，算力租賃、算網服務等新業態的興起，進一步擴大了GPU/CPU的市場需求，推動晶片技術向高性能、高能效、低成本方向迭代。二、全球GPU產業鏈核心格局與技術差異GPU（圖形處理器）憑藉平行計算優勢，已從傳統圖形渲染升級為智能算力的核心載體，2026年全球GPU市場規模突破1500億美元，其中AI GPU佔比超70%，成為市場增長的核心引擎。全球GPU市場呈現“一超多強”格局，輝達壟斷高端市場，AMD、英特爾形成第二梯隊，Google、特斯拉等企業推出專用AI GPU，國內企業加速追趕，市場競爭逐步多元化。（一）輝達：全球GPU霸主，生態壁壘深厚輝達（NVIDIA）憑藉架構創新、生態建構與產能佈局，佔據全球AI GPU市場85%以上的份額，壟斷高端訓練與推理GPU市場，是全球算力產業鏈的核心玩家。2026年，輝達推出新一代H200 GPU，基於Hopper架構升級，採用台積電3nm製程工藝，視訊記憶體容量提升至144GB HBM3e，頻寬達4.8TB/s，算力性能較上一代H100提升30%以上，能效比提升25%，成為全球超大模型訓練的首選晶片。輝達的核心競爭力在於“晶片+軟體+生態”的閉環佈局。晶片層面，持續引領架構與製程迭代，HBM視訊記憶體、NVLink互聯技術等核心技術形成壁壘；軟體層面，CUDA生態系統成為AI開發的標準平台，全球超90%的AI開發者基於CUDA平台進行模型訓練與部署，形成強大的使用者粘性；生態層面，與台積電、三星等晶圓代工廠深度合作，保障產能供給，與Google、微軟、Meta等企業共建AI生態，推動GPU在各行業的規模化應用。產能方面，輝達2026年將台積電3nm產能的20%納入專屬供給，同時與三星合作佈局4nm產能，全年GPU產能預計達1200萬片，其中H200產能佔比30%，主要滿足高端市場需求；中端市場推出RTX 50系列GPU，採用5nm製程工藝，性價比優勢顯著，搶佔推理與邊緣計算市場。（二）AMD：追趕者姿態，差異化競爭AMD作為全球第二大GPU廠商，憑藉性價比優勢與架構創新，在中高端市場與輝達形成競爭，2026年全球市場份額提升至10%左右，主要聚焦遊戲、資料中心與邊緣計算場景。2026年，AMD推出MI300X GPU，基於RDNA 4架構，採用台積電4nm製程工藝，視訊記憶體容量128GB HBM3，算力性能達2.4ExaFLOPS（FP8精度），較上一代MI250X提升50%，能效比優於輝達同等級產品，在推理場景具備較強競爭力。AMD的競爭策略的是差異化佈局：在技術層面，聚焦推理場景最佳化，MI300X支援多精度計算，適配不同推理需求，同時通過Infinity Fabric互聯技術，實現多GPU協同工作，滿足中大規模算力需求；在市場層面，主打性價比，價格較輝達同等級產品低20%-30%，吸引中小企業與雲服務提供商採購；在生態層面，推廣ROCm開放原始碼軟體平台，對標輝達CUDA，目前已吸引超50萬開發者加入，生態逐步完善，但與CUDA仍有較大差距。產能方面，AMD與台積電、三星均有合作，2026年GPU產能預計達400萬片，其中MI300X產能佔比25%，主要供給資料中心客戶，中端遊戲GPU產能佔比75%，覆蓋消費電子市場。（三）英特爾：跨界佈局，依託CPU生態延伸英特爾（Intel）憑藉CPU市場的主導地位，跨界佈局GPU市場，聚焦資料中心、邊緣計算與PC場景，2026年全球市場份額達3%-5%，形成“CPU+GPU”協同優勢。2026年，英特爾推出Xeon Max系列GPU，基於Xe架構，採用自家7nm製程工藝，視訊記憶體容量64GB HBM2e，算力性能達1.2ExaFLOPS（FP8精度），主要適配邊緣計算與輕量級推理場景，與自身Xeon CPU形成協同，為客戶提供一體化算力解決方案。英特爾的核心優勢在於CPU生態的延伸，其GPU可與Xeon CPU無縫相容，最佳化算力調度效率，適合對相容性要求較高的企業客戶；同時，英特爾依託自身晶圓製造能力，實現GPU設計與製造的自主可控，保障產能供給。但英特爾GPU在架構創新與生態建構方面存在不足，市場認可度仍有待提升，主要通過低價策略與行業合作搶佔細分市場。（四）其他玩家：專用GPU崛起，細分市場突破除傳統GPU廠商外，Google、特斯拉、亞馬遜等企業推出專用AI GPU，聚焦自身業務場景，形成差異化競爭。Google推出TPU v5e，基於自研架構，適配自家TensorFlow框架，主要用於Google雲算力服務與大模型訓練，算力性能達1.8ExaFLOPS，能效比優於輝達同等級產品；特斯拉推出D1 GPU，專為自動駕駛場景設計，支援多模態資料處理，適配特斯拉自動駕駛系統，實現算力與場景的深度融合；亞馬遜推出Trainium晶片，聚焦雲算力租賃場景，與AWS雲服務深度繫結，為客戶提供定製化算力解決方案。專用GPU的崛起，標誌著GPU市場從“通用化”向“專用化”演進，企業通過聚焦特定場景，最佳化晶片架構與演算法，實現算力效能的最大化，未來將成為GPU市場的重要增長極。三、全球CPU產業鏈核心格局與技術差異CPU（中央處理器）作為通用計算的核心，承擔任務調度、邏輯控制等核心功能，是算力產業鏈的基礎硬體。2026年全球CPU市場規模突破800億美元，呈現“英特爾、AMD主導，ARM架構崛起，RISC-V開源突破”的格局，伺服器CPU、PC CPU、嵌入式CPU三大細分市場需求分化，技術迭代向高性能、高能效、多核心方向推進。（一）英特爾：全球CPU霸主，架構與生態雙領先英特爾佔據全球CPU市場60%以上的份額，其中伺服器CPU市場份額達70%，PC CPU市場份額達65%，是全球CPU產業鏈的主導者。2026年，英特爾推出Xeon 6400系列伺服器CPU，基於Intel 7製程工藝（10nm改良版），核心數提升至64核，主頻達4.5GHz，支援DDR5記憶體與PCIe 5.0介面，算力性能較上一代提升20%，能效比提升15%，適配智算中心、超算中心等大規模算力場景。英特爾的核心競爭力在於“架構迭代+生態壟斷+產能保障”。架構層面，x86架構是全球主流CPU架構，英特爾掌握核心IP，持續最佳化架構設計，提升算力性能與能效；生態層面，x86架構相容全球絕大多數作業系統與應用軟體，形成強大的使用者粘性，中小企業與行業客戶難以替代；產能層面，英特爾擁有全球最大的晶圓製造產能，在10nm/7nm製程領域實現自主可控，保障CPU穩定供給。同時，英特爾加速佈局異構計算，推出“CPU+GPU+NPU”融合架構產品，適配AI計算需求，逐步彌補在智能算力領域的不足，鞏固市場主導地位。（二）AMD：伺服器市場突破，性價比優勢顯著AMD在CPU市場份額達25%左右，其中伺服器CPU市場份額提升至28%，憑藉性價比優勢與架構創新，逐步縮小與英特爾的差距。2026年，AMD推出EPYC 9004系列伺服器CPU，基於Zen 5架構，採用台積電4nm製程工藝，核心數達96核，主頻達4.2GHz，支援DDR5記憶體與PCIe 5.0介面，算力性能較上一代提升30%，能效比優於英特爾同等級產品，價格低20%-25%，在雲服務提供商與中小企業市場備受青睞。AMD的競爭策略聚焦伺服器市場，通過核心數、能效比與性價比優勢，搶佔英特爾的市場份額；同時，延續“CPU+GPU”協同佈局，推出融合架構產品，適配異構計算需求，提升整體競爭力。在PC CPU市場，AMD Ryzen系列產品憑藉高性能與性價比，佔據中高端遊戲PC與工作站市場的重要份額，與英特爾形成分庭抗禮之勢。（三）ARM架構：移動端主導，伺服器市場崛起ARM架構憑藉低功耗優勢，壟斷全球移動端CPU市場（智慧型手機、平板電腦等），市場份額達95%以上，蘋果、高通、聯發科等企業是核心玩家。近年來，ARM架構加速向伺服器市場滲透，2026年全球伺服器ARM CPU市場份額達10%，成為市場增長的新引擎。蘋果推出自研M系列晶片，基於ARM架構，採用台積電3nm製程工藝，M4系列晶片核心數達40核，算力性能達1.5ExaFLOPS，能效比遠超x86架構CPU，主要用於蘋果MacBook、Mac Pro等產品，同時逐步切入資料中心市場，為蘋果雲服務提供算力支撐；高通推出驍龍8cx Gen 5晶片，基於ARM架構，適配輕薄本與邊緣計算裝置，低功耗優勢顯著；亞馬遜推出Graviton4晶片，基於ARM架構，專為AWS雲服務設計，算力性能較上一代提升25%，能效比提升20%，已在AWS EC2實例中大規模部署，吸引大量客戶遷移。ARM架構的崛起，主要得益於低功耗優勢與生態完善，隨著伺服器市場對能效比要求的提升，ARM架構有望進一步擴大市場份額，形成與x86架構分庭抗禮的格局。（四）RISC-V架構：開源突破，國產替代新方向RISC-V架構憑藉開源、精簡、可擴展的優勢，成為全球CPU架構創新的核心方向，2026年全球RISC-V CPU市場規模突破50億美元，主要聚焦嵌入式、邊緣計算等細分場景，國內企業在RISC-V生態中佔據重要地位。全球範圍內，RISC-V基金會吸引超2000家企業參與，包括英特爾、AMD、三星、Google等頭部企業，形成全球開源創新共同體；國內企業如平頭哥、寒武紀、龍芯等，推出基於RISC-V架構的CPU產品，平頭哥玄鐵系列晶片已實現規模化量產，應用於物聯網、邊緣計算等場景；寒武紀思元系列晶片基於RISC-V架構最佳化，適配AI計算需求，逐步打破x86與ARM架構的壟斷。RISC-V架構的開源特性，降低了晶片設計門檻，為國內企業提供了國產替代的新路徑，隨著生態逐步完善，有望在嵌入式、邊緣計算等細分市場實現突破，未來逐步向伺服器、PC市場滲透。四、國內GPU/CPU產業鏈國產替代處理程序與核心企業面對全球GPU/CPU市場的壟斷格局，國內企業依託政策扶持、資本投入與技術攻堅，加速國產替代處理程序，在GPU、CPU、封裝測試等環節逐步突破，形成“設計企業引領、製造企業支撐、生態企業協同”的國產替代格局。但整體來看，國內企業在先進製程、核心架構、生態建構等方面與國際先進水平仍有差距，國產替代任重道遠。（一）國內GPU產業：從跟跑到並跑，細分場景突破國內GPU企業聚焦AI訓練與推理、邊緣計算、圖形渲染等場景，通過自主研發或技術合作，推出多款產品，逐步實現從“不可用到可用”的突破，部分產品在推理場景達到國際同類水平，訓練場景仍需攻堅。核心企業包括華為海思、寒武紀、壁仞科技、沐曦科技等。華為海思：推出昇騰系列GPU，基於自研Da Vinci架構，昇騰910B採用台積電7nm製程工藝，視訊記憶體容量64GB HBM2e，算力性能達0.9ExaFLOPS（FP16精度），適配中大型模型訓練與推理場景，已在政務、能源、金融等領域落地應用。華為依託自身鴻蒙系統、雲服務生態，建構“晶片+軟體+應用”的閉環佈局，昇騰GPU市場份額穩居國內第一，2026年國內市場佔比達35%。同時，華為推動昇騰生態建設，吸引超2000家合作夥伴，開源MindSpore框架，加速GPU的規模化應用。寒武紀：國內首家AI晶片上市公司，推出思元系列GPU，思元400採用中芯國際14nm製程工藝，視訊記憶體容量32GB HBM2，算力性能達0.4ExaFLOPS（FP16精度），主要適配推理場景與邊緣計算，在安防、醫療等領域落地。寒武紀聚焦自主架構研發，思元系列晶片採用自研智能處理器架構，擺脫對國外架構的依賴，但在算力性能與生態建構方面與輝達仍有較大差距，2026年國內市場佔比達15%。壁仞科技：新興高端GPU企業的代表，憑藉團隊技術積澱實現快速突破，2026年推出第二代BR200 GPU，採用台積電5nm製程工藝，基於自研仞心架構，視訊記憶體容量提升至96GB HBM3，算力性能達1.2ExaFLOPS（FP16精度），在中高端推理場景與輕量級訓練場景具備競爭力，可適配千億參數級大模型推理任務。該產品通過Chiplet先進封裝技術實現多晶片整合，能效比較第一代BR100提升40%，已進入國內頭部雲廠商與智算中心供應鏈，2026年國內市場佔比達8%。壁仞科技重點建構“晶片+驅動+工具鏈”生態，推出自主研發的Beyonder軟體平台，支援主流AI框架適配，同時與高校合作開展架構創新研究，逐步縮小與國際廠商的生態差距，但在超大模型訓練場景的穩定性與相容性上仍需打磨。沐曦科技：聚焦高性能通用GPU領域，2026年量產MX200系列GPU，採用台積電4nm製程工藝，視訊記憶體容量64GB HBM3，算力性能達0.8ExaFLOPS（FP16精度），主打推理場景與工業視覺、科學計算等垂直領域。其核心優勢在於軟硬體協同最佳化，自主研發的MXEngine計算引擎可針對不同任務動態調整算力分配，能效比優於同等級國產競品15%-20%。目前已與工業富聯、中科曙光等算力基礎設施廠商達成合作，為算力租賃業務提供核心硬體支撐，同時切入汽車智能座艙、自動駕駛輔助計算場景，2026年國內市場佔比達6%。沐曦科技通過開源部分工具鏈程式碼吸引開發者，加速生態落地，但受限於產能供給，市場滲透率提升速度略緩。此外，天數智芯、登臨科技等企業在細分場景形成補充。天數智芯智鎧系列GPU聚焦金融風控、政務巨量資料處理場景，憑藉高相容性佔據部分行業市場；登臨科技的Goldwasser系列GPU主打邊緣計算場景，低功耗優勢顯著，在智能安防、工業物聯網領域實現規模化應用。整體來看，國內GPU企業已形成“頭部引領、細分突破”的格局，推理場景國產化替代率逐步提升至30%以上，但高端訓練GPU仍依賴輝達，國產替代需在先進製程、視訊記憶體技術與生態建構上持續攻堅。（二）國內CPU產業：多技術路線平行，自主架構突破成關鍵國內CPU產業依託自主架構、ARM授權、RISC-V開源三大技術路線平行發展，在伺服器、嵌入式、桌面等細分場景逐步實現替代，核心企業包括龍芯中科、飛騰資訊、華為鯤鵬、兆芯、平頭哥等，各企業聚焦不同領域形成差異化競爭，逐步打破英特爾、AMD的壟斷格局。龍芯中科：堅持自主架構研發，是國內唯一實現CPU核心架構自主可控的企業，基於自研LoongArch架構推出龍芯3A6000桌面CPU與龍芯3C6000伺服器CPU。2026年量產的龍芯3C6000採用中芯國際14nm製程工藝，核心數達32核，主頻3.0GHz，支援DDR5記憶體與PCIe 5.0介面，算力性能較上一代提升50%，能效比達15TOPS/W，可適配政務辦公、金融櫃面、工業控制等場景。LoongArch架構已突破2000萬行程式碼，相容主流作業系統與應用軟體，形成涵蓋晶片、主機板、作業系統、應用軟體的完整生態，截至2026年，龍芯CPU在國內政務市場份額達28%，成為自主可控場景的核心選擇。其短板在於先進製程依賴中芯國際，在高性能計算場景與國際同類產品仍有差距，目前正聯合國內廠商攻關7nm級自主製程適配。飛騰資訊：基於ARM架構授權研發CPU，聚焦伺服器與嵌入式領域，2026年推出飛騰FT-2000Plus V3伺服器CPU，採用台積電7nm製程工藝，核心數48核，主頻3.2GHz，算力性能達800GFlops，支援虛擬化與容器化部署，適配雲端運算、巨量資料、人工智慧等場景。該產品通過ARM v9架構授權，在指令集相容性與生態適配性上具備優勢，已與華為鴻蒙、深度作業系統完成深度適配，進入國內三大電信營運商、國有大行的供應鏈，2026年國內伺服器CPU市場份額達12%。飛騰資訊建構“飛騰生態聯盟”，聯合超3000家合作夥伴推出解決方案，在政務、能源、金融等關鍵行業替代成效顯著，但受ARM架構授權限制，高端產品迭代節奏受國際規則影響。華為鯤鵬：依託ARM架構自研伺服器CPU，推出鯤鵬920S系列產品，採用台積電7nm製程工藝，核心數64核，主頻3.0GHz，算力性能達1.2TFlops，支援多晶片互聯與Chiplet封裝，適配大規模智算中心、企業級伺服器等場景。鯤鵬CPU與華為昇騰GPU、鴻蒙作業系統形成協同，建構“鯤鵬+昇騰”雙引擎算力底座，在政務雲、金融雲、能源雲等領域落地多個標竿項目，2026年國內伺服器CPU市場份額達15%。華為通過開放鯤鵬架構程式碼，吸引合作夥伴參與生態建設，推動基於鯤鵬的伺服器、儲存裝置規模化量產，但受外部制裁影響，先進製程產能受限，後續將重點轉向與國內晶圓廠合作，推進14nm及以上製程產品的自主可控產能建設。兆芯：採用x86架構相容技術，聚焦桌面與伺服器市場，2026年推出兆芯開先KX-7000系列桌面CPU與開勝KH-7000系列伺服器CPU，採用台積電10nm製程工藝，桌面級CPU核心數8核，主頻3.5GHz，伺服器級CPU核心數32核，主頻3.0GHz，具備良好的x86軟體相容性，可直接替代英特爾同類產品用於辦公場景與輕量級伺服器。兆芯通過與國內廠商合作，在桌面辦公市場實現批次替代，2026年國內桌面CPU市場份額達8%，主要應用於政府、教育、國企等領域。其核心優勢在於相容性，可降低使用者替換成本，但x86架構授權存在不確定性，且在高性能計算場景競爭力較弱，重點佈局中低端替代市場。平頭哥：以RISC-V架構為核心，聚焦嵌入式與邊緣計算CPU，2026年推出玄鐵910B CPU，採用台積電12nm製程工藝，核心數4核，主頻2.5GHz，算力性能達200GFlops，低功耗優勢顯著，功耗僅5W，適配物聯網終端、邊緣閘道器、智能穿戴等場景。玄鐵系列CPU已實現規模化量產，年出貨量突破1億顆，與阿里物聯網平台、小米智能裝置達成深度合作，在國內嵌入式CPU市場份額達18%。平頭哥推動RISC-V生態建設，開源玄鐵架構程式碼與開發工具，聯合高校與企業建構開源社區，加速RISC-V在中低端場景的替代，同時佈局高端RISC-V CPU研發，探索在伺服器場景的應用可能。（三）國內GPU/CPU產業國產替代總結與挑戰截至2026年，國內GPU/CPU產業國產替代取得階段性成效，在細分場景形成突破：GPU推理場景國產化率超30%，CPU在政務、嵌入式市場國產化率分別達45%、30%，伺服器CPU國產化率提升至25%，形成多技術路線、多企業協同競爭的格局。政策扶持、市場需求與技術攻堅成為替代核心驅動力，“東數西算”工程、自主可控政策為國產晶片提供廣闊市場空間，長電科技、中微公司等上游企業的突破為產業鏈提供支撐。但國產替代仍面臨三大核心挑戰：一是先進製程依賴，國內高端GPU/CPU仍依賴台積電7nm及以下製程，中芯國際14nm製程雖實現量產，但在良率、產能上難以滿足高端晶片需求，EUV光刻機限制導致先進製程自主化進展緩慢；二是生態建構滯後，GPU領域CUDA生態壟斷難以突破，國產晶片軟體適配成本高，CPU領域x86、ARM架構生態壁壘深厚，自主架構與開源架構生態仍需長期培育；三是核心技術差距，在視訊記憶體技術（HBM3e及以上）、異構互聯、算力能效比等方面，國內企業與輝達、英特爾仍有1-2代技術差距，高端訓練晶片、高性能伺服器CPU仍需攻堅。未來，國內GPU/CPU產業將呈現“技術協同、生態共建、場景驅動”的發展方向：通過Chiplet先進封裝技術彌補製程短板，加速自主架構與開源架構生態融合，聚焦關鍵行業場景實現“以用促研”，逐步從細分替代走向全面替代，為中國算力產業高品質發展築牢硬體根基。第四部分A股算力相關標的梳理與投資邏輯分析在全球算力格局重塑與國內國產替代加速的背景下，A股算力產業鏈相關標的迎來價值重估機遇。本節基於前文產業分析，從GPU/CPU核心硬體、算力基礎設施、算網融合、太空算力配套四大主線，梳理優質A股標的，分析其核心競爭力與投資邏輯，結合行業趨勢與政策導向，為投資者提供參考。一、GPU/CPU核心硬體標的：國產替代核心主線該主線聚焦國內GPU/CPU晶片設計、製造、封裝測試企業，受益於自主可控政策與國產替代處理程序加速，核心標的具備技術壁壘與場景落地能力，在細分領域形成差異化優勢。04（一）晶片設計標的寒武紀（688256）：國內AI晶片龍頭企業，堅持自主架構研發，思元系列GPU覆蓋推理與邊緣計算場景，思元400晶片已進入安防、醫療等行業供應鏈，2026年國內GPU市場佔比達15%。公司核心優勢在於自主智能處理器架構，擺脫對國外IP依賴，同時與華為鴻蒙、深度作業系統完成適配，生態佈局逐步完善。隨著推理場景國產化替代率提升，公司營收有望持續增長，中長期看點在於高端訓練晶片研發與規模化落地。龍芯中科（688047）：國內唯一實現CPU核心架構自主可控的企業，LoongArch架構已形成完整生態，龍芯3C6000伺服器CPU在政務市場份額達28%，適配金融櫃面、工業控制等場景。公司依託中芯國際14nm製程實現規模化量產，同時聯合國內廠商攻關7nm級自主製程適配，技術迭代穩步推進。受益於政務領域自主可控政策加碼，公司業績增長確定性較強，長期有望向民用伺服器與桌面市場滲透。華為海思（未上市，關聯標的：華為概念股）：昇騰系列GPU與鯤鵬系列CPU建構“雙引擎”算力底座，昇騰910B GPU國內市場佔比達35%，在政務、能源等領域落地多個標竿項目。雖受外部制裁影響先進製程產能，但公司通過Chiplet封裝技術彌補短板，同時開放架構程式碼建構生態，關聯標的（如中科曙光、拓維資訊）將受益於昇騰與鯤鵬生態的規模化擴張。05（二）封裝測試標的長電科技（600584）：全球領先的封裝測試企業，XDFOI Chiplet技術已實現4nm節點多晶片整合，為國內GPU/CPU企業提供先進封裝支撐，適配高端晶片算力提升需求。公司深度繫結國內晶片設計企業，同時進入台積電、三星供應鏈，受益於先進封裝技術普及與國產替代處理程序，營收與盈利能力有望持續改善。通富微電（002156）：國內先進封裝龍頭之一，大尺寸FCBGA封裝良率突破99.5%，可滿足GPU/CPU高端封裝需求，與AMD、寒武紀等企業建立合作關係。隨著Chiplet技術在算力晶片領域的廣泛應用，公司封裝產能需求將持續增長，同時受益於國內算力晶片量產加速，業績增長彈性較大。二、算力基礎設施標的：算力底座核心支撐該主線覆蓋伺服器、智算中心、算力租賃、液冷散熱等核心環節，受益於“東數西算”工程推進、智算中心規模化建設及綠色算力轉型，標的多具備規模化產能、技術壁壘或場景卡位優勢，業績確定性較強。06（一）伺服器與智算中心核心標的浪潮資訊（000977）：國內伺服器龍頭企業，全球市佔率穩居前三，國內AI伺服器市佔率超35%，是算力基礎設施建設的核心供應商。公司深度繫結國內頭部雲廠商、智算中心及政企客戶，AI伺服器可適配輝達H200、華為昇騰910B等主流GPU，同時推出自主研發的超節點解決方案，單節點算力密度較傳統叢集提升10倍以上，適配萬卡級算力叢集建設需求。2026年受益於AI伺服器需求爆發，公司營收增速預計維持30%以上，毛利率隨高端產品佔比提升持續改善，中長期看點在於液冷伺服器規模化落地與海外市場拓展。中科曙光（603019）：國內超算與智算中心建設領軍企業，依託自主可控技術優勢，建構“伺服器+儲存+智算中心”全產業鏈佈局。公司是國內少數具備超算系統整合能力的廠商，參與多個國家級智算中心建設，同時推出基於龍芯、飛騰晶片的國產化伺服器，在政務、能源等自主可控場景市佔率領先。液冷散熱技術已實現規模化應用，液冷伺服器營收佔比超20%，顯著受益於綠色算力政策。業績驅動核心來自智算中心建設訂單與國產化替代需求，2026年政務領域訂單增速預計超40%，同時受益於華為昇騰生態擴張，關聯業務彈性較大。07（二）算力租賃標的工業富聯（601138）：全球算力租賃龍頭之一，依託台積電先進製程產能優勢，快速佈局高端算力叢集，目前已建成超5個萬卡級智算中心，算力規模達50EFlops，主要適配輝達H200 GPU，服務於網際網路大廠、AI獨角獸企業的大模型訓練與推理需求。公司核心優勢在於“算力建設+維運+晶片資源”一體化能力，可通過自有產能保障算力叢集快速落地，同時與輝達建立長期合作關係，晶片獲取能力優於同行。2026年算力租賃業務營收佔比預計突破15%，隨著算力出租率維持在85%以上，該業務將成為公司核心增長引擎，中長期看點在於海外算力中心佈局與Chiplet封裝算力叢集建設。世紀華通（002602）：國內長三角算力租賃核心標的，聚焦低時延推理算力場景，在上海、浙江等地佈局多個智算中心，總算力規模達30EFlops，搭載輝達A100、AMD MI300X等GPU，深度服務於金融科技、工業網際網路等行業客戶。公司通過“算力租賃+AI應用”雙輪驅動，與三大電信營運商達成戰略合作，實現算力資源與網路資源的協同調度，算力負載率持續高於行業平均水平。業績增長核心來自推理算力需求爆發與行業客戶拓展，2026年預計新增2個萬卡級叢集，算力規模翻倍增長，同時AI應用業務有望貢獻額外業績彈性。08（三）液冷散熱標的網宿科技（300017）：國內液冷散熱與邊緣算力協同佈局龍頭，推出浸沒式、冷板式雙重液冷解決方案，散熱效率較傳統風冷提升100倍以上，能耗降低40%，已在阿里雲、騰訊雲等智算中心落地應用。公司核心優勢在於“液冷技術+邊緣節點”一體化佈局，可為客戶提供從散熱到邊緣算力調度的綜合服務，適配具身智能、自動駕駛等低時延場景需求。2026年液冷業務營收增速預計超50%，同時邊緣算力節點佈局突破1000個，受益於算網融合與邊緣計算爆發，業績增長確定性較強。高瀾股份（300499）：國內浸沒式液冷核心標的，技術覆蓋伺服器、儲能等多場景，自主研發的浸沒式液冷系統可適配高密算力叢集，良率與可靠性達到國際先進水平，與浪潮資訊、中科曙光等伺服器廠商建立長期合作關係。公司深度受益於綠色算力政策，液冷產品在國內智算中心滲透率持續提升，同時拓展海外市場，進入亞馬遜、微軟供應鏈。2026年液冷業務營收佔比預計超30%，隨著高密算力中心建設加速，業績彈性顯著，中長期看點在於液冷與儲能場景的協同拓展。三、算網融合主線標的：算力互聯核心載體該主線聚焦電信營運商、網路裝置、算力調度平台等環節，受益於全國一體化算力網建設、5G/6G與算力融合趨勢，核心標的具備網路資源壟斷優勢或技術卡位能力，享受算網服務商業化紅利。（一）電信營運商標的中國移動（600941）：國內算網融合領軍營運商，建構“連接+算力+能力”三位一體服務體系，建成覆蓋全國的算力網路，擁有超20個大型智算中心，算力規模達80EFlops，同時佈局超10萬個邊緣算力節點，形成“中心-邊緣”協同算力佈局。公司核心優勢在於網路資源壟斷與使用者基礎，通過“移動雲+算力網路”協同，為政企客戶提供低時延、廣覆蓋的算網服務，2026年算網服務收入預計突破800億元，增速維持45%以上。業績驅動來自算網服務溢價、邊緣算力落地與雲業務增長，同時受益於國企估值重塑，長期價值凸顯。中國電信（601728）：國內綠色算網核心標的，依託西部綠電資源，在貴州、甘肅等地佈局多個綠色智算中心，算力規模達60EFlops，綠電使用率超90%，顯著受益於綠色算力政策。公司天翼雲在政務雲市場市佔率領先，通過“雲網融合”實現算力資源跨地域調度，推出“算力超市”服務，降低中小企業算力獲取門檻。2026年算網融合業務營收增速預計超50%，政務與金融行業訂單是核心增長引擎，同時邊緣算力節點加速佈局，適配工業網際網路、自動駕駛等場景需求。（二）網路裝置與算力調度標的中興通訊（000063）：國內算網融合網路裝置龍頭，推出5G/6G承載網裝置、算力調度閘道器等核心產品，支援低時延、高頻寬的算力互聯需求，是三大電信營運商算力網路建設的核心供應商。公司核心技術優勢在於異構算力互聯與網路調度最佳化，可實現“網隨算動、算網協同”，同時佈局邊緣計算伺服器，適配邊緣算力節點建設需求。2026年算網相關裝置營收佔比預計突破35%，受益於算力網路建設加速與海外市場拓展，業績增速維持30%以上，中長期看點在於6G與算力融合技術突破。紫光股份（000938）：國內算網融合軟硬體一體化標的，旗下新華三在路由器、交換機等網路裝置市場市佔率穩居前列，同時推出算力調度平台，實現跨地域、跨層級算力資源智能分配，適配全國一體化算力網建設需求。公司深度繫結政企客戶與電信營運商，提供“網路裝置+算力調度+智算中心”綜合解決方案，在教育、金融等行業算網項目中競爭力顯著。2026年算網業務營收增速預計超40%，毛利率隨高端解決方案佔比提升持續改善，同時受益於國產替代與開源生態建設，長期增長空間廣闊。寶信軟體（600845）：國內算力調度與IDC一體化龍頭，依託上海寶鋼集團資源，在長三角佈局多個高等級IDC資料中心，同時自主研發算力調度平台，實現IDC資源與算力需求的精準匹配，服務於網際網路、金融等行業客戶。公司核心優勢在於IDC資源稀缺性與算力調度技術，可提供“IDC託管+算力調度+維運服務”全鏈條服務，算力負載率維持在90%以上。2026年IDC與算網服務營收增速預計超25%，受益於長三角算力需求爆發與國產替代處理程序，業績增長確定性較強。第五部分總結2026年全球算力產業處於格局重塑的關鍵期，國內算力產業在政策扶持、國產替代、場景爆發三重驅動下，迎來高品質發展機遇，四大投資主線各有邏輯、協同共振，共同構成算力產業鏈的投資圖譜。GPU/CPU核心硬體主線是國產替代的核心陣地，聚焦具備自主架構、生態適配能力的晶片設計企業與先進封裝測試企業，受益於政務、能源等關鍵領域替代需求放量，中長期成長確定性強，重點關注技術迭代與場景落地進度。算力基礎設施主線是算力底座的核心支撐，覆蓋伺服器、智算中心、算力租賃、液冷散熱等環節，受益於“東數西算”工程與綠色算力轉型，業績兌現度高，重點關注規模化產能與成本控制能力。算網融合主線是算力互聯的核心載體，依託電信營運商的網路資源與裝置廠商的技術卡位，享受全國一體化算力網建設紅利，算網服務商業化與邊緣算力落地是核心增長驅動，重點關注政企訂單拓展與技術協同能力。整體來看，算力產業作為新質生產力的核心引擎，中長期增長邏輯明確，但行業分化加劇，需精選具備核心技術壁壘、場景卡位優勢、業績兌現能力的優質標的。同時，需警惕技術、政策、市場等多重風險，把握產業節奏，兼顧短期業績確定性與中長期成長空間，理性佈局算力產業投資機遇。 (AI雲原生智能算力架構)