科技电子行业_AI算力硬件年中策略——竞争进入_系统性_时代_产业链配套协同进化_65页_2mb

报告摘要

AI算力硬件年中策略总结

核心内容

当前AI算力行业正经历从“芯片驱动”向“系统驱动”的转变，技术迭代加速，算力需求持续高增。海外四大CSP（云计算服务提供商）巨头2026年Capex指引合计达6150亿美元，较2025年增长约71%。同时，AI产品月度数据、Token消耗量以及能源和土地紧缺现象，均表明算力需求闭环逻辑被持续强化，Scaling Law依然有效。

AI应用盈利已验证，推动算力投资和算力基础设施技术升级。算力扩张遭遇电力和土地瓶颈，资源争夺加剧。与此同时，Token消耗量的激增直接强化盈利，并反哺模型迭代，形成“盈利-数据-模型升级”闭环。企业为抢占市场份额，需进行更前瞻、更系统的算力投资，竞争进入白热化阶段。

主要观点

算力核心引擎：GPU和服务器是算力的基石，决定“有多强”。英伟达的Blackwell和Rubin平台显著提升算力性能，同时降低推理成本，为AI商业化提供有力支撑。
突破瓶颈：液冷和存储是解决算力效能瓶颈的关键。液冷技术（尤其是浸没式）在降低PUE、提升散热效率方面表现突出，而HBM等高性能存储芯片突破内存限制，赋能GPU算力。
系统级协同：算力竞争进入系统级协同阶段，高速互联、高效供电、散热等环节共同构成支撑算力扩张的核心基础设施。光模块与PCB作为连接动脉，正向1.6T及以上迭代。
盈利拐点已至：AI算力需求的爆发推动相关企业业绩显著增长，尤其在国产芯片领域，寒武纪、摩尔线程、海光信息、沐曦股份等企业实现扭亏为盈或大幅盈利增长。
液冷进入放量期：随着机柜功率密度的提升，液冷从“可选”变为“必选”，且技术门槛逐步提升，间接接触式冷板式液冷目前为主流方案，未来浸没式液冷将逐步成为主流。

关键信息

算力基础设施

GPU与服务器：英伟达、AMD等企业主导市场，寒武纪、摩尔线程等国产企业快速崛起。
液冷：冷板式液冷为主流，浸没式液冷作为未来趋势，其技术难度高但散热效率最佳。
存储：HBM成为AI芯片标配，性能显著提升，支撑GPU算力需求。
光模块与PCB：光模块向1.6T+升级，PCB向高多层和高速率发展，满足高速数据传输需求。
电源：从传统交流供电向48V直流供电演进，HVDC架构逐步成为AI数据中心标配。

AI商业化进展

推理型AI：AI已从“生成式”转向“推理型”，模型具备逻辑推理和长时记忆能力。
物理AI：英伟达发布具备推理能力的自动驾驶模型Alpamayo，与梅赛德斯-奔驰合作，开启物理AI商业化阶段。
开源生态：英伟达扩展其开源模型生态，覆盖多个关键领域，推动AI应用落地。

资本开支与市场需求

Capex指引：亚马逊、Alphabet、Meta、微软等CSP厂商2026年Capex指引大幅增长，表明AI算力需求持续旺盛。
Token消耗：Token消耗数据持续攀升，推动模型迭代和算力需求增长。

行业趋势与投资建议

投资标的：
- GPU、ASIC：寒武纪、摩尔线程、海光信息、沐曦股份等。
- 服务器及模块：工业富联、立讯精密、浪潮信息等。
- 液冷：英维克、申菱环境、东阳光、鸿富瀚等。
- 电源：麦格米特、中恒电气、欧陆通等。
- 存储：佰维存储、德明利、江波龙等。
- 被动元件：风华高科、三环集团、洁美科技、顺络电子等。
- 半导体设备与材料：北方华创、华海清科、中芯国际等。