计算机策略报告_AI泛化模式到来_53页_4mb

AI泛化模式到来总结

核心内容

AI技术正经历从基础能力竞争到泛应用化铺开的重要阶段，行业进入需求升级和产业变革的新时期。谷歌与英伟达等公司通过技术迭代和生态建设，持续推动AI算力和应用的发展。同时，国产AI算力芯片厂商如寒武纪、华为、摩尔线程和沐曦正加速追赶，构建全栈式技术体系。此外，AI在机器人、智能驾驶、太空算力等领域的应用正逐步实现商业化落地。

主要观点

1. AI需求升级不断

• 谷歌：推出Gemini 3.0，强化AI生态，TPU V8即将问世，算力达到42.5Exaflops，成为全球最大的AI算力集群。
• 英伟达：下一代芯片Rubin和Rubin Ultra的推出，算力提升显著，NVL576算力达15 exaflops（FP4）和5 exaflops（FP8）。
• 液冷技术：已从选配成为标配，相关公司如英维克已产生实质订单，提升散热效率和算力密度。
• NPO技术：作为可插拔光模块和CPO的过渡方案，提升算力和带宽，推动光互连技术发展。

2. 国产算力加速追赶

• 寒武纪：推出思元系列芯片，性能接近英伟达A100，构建国产“CUDA”生态。
• 华为：昇腾910具备高算力、高带宽和大规模互联能力，计划2026年推出自研HBM。
• 摩尔线程：全功能GPU路线，MUSA生态体系，产品矩阵覆盖图形渲染和AI计算。
• 沐曦：自研GPU架构和指令集，构建软硬协同生态，实现国产替代。

3. 大模型产业步入新阶段

• 海外大模型：Google、OpenAI和Anthropic等大模型迭代加快，竞争格局由一家独大转为多强并立。
• 国产大模型：阿里、字节、DeepSeek等大模型在参数量、功能和应用方面取得显著进展，部分产品已进入市场。
• 资本支持：智谱和Minimax即将登陆港股，标志着模型厂商正式进入资本市场，推动AI应用百花齐放。

4. AI泛应用化铺开

• 机器人：从机械能力比拼转向大脑与控制能力竞赛，具身智能实现“ChatGPT时刻”，具备零样本泛化能力。
• 智能驾驶：从1到N的商业化进程加速，特斯拉无安全员Robotaxi路测启动，2026年有望量产。
• 太空算力：低轨卫星星座建设加速，太空计算成为AI应用的新场景，推动“天数天算”模式，实现低延迟和高带宽通信。

关键信息

• 技术趋势：AI算力需求持续增长，液冷和NPO技术成为关键增量，正交背板提升PCB互联效率。
• 产品迭代：英伟达和谷歌推出新一代GPU和TPU，性能提升显著，推动算力和应用发展。
• 国产替代：寒武纪、华为、摩尔线程和沐曦等企业加速国产算力发展，构建自主生态。
• 商业应用：AI在机器人、智能驾驶、卫星通信等领域实现商业化落地，推动产业变革。

受益标的

风险提示

• 技术风险：AI芯片和大模型技术迭代迅速，技术路线选择失误可能导致落后。
• 市场竞争：全球AI企业竞争激烈，国产替代面临技术壁垒和国际竞争压力。
• 政策风险：卫星星座建设涉及国家资源竞争，政策变动可能影响行业布局。
• 供应链风险：液冷、NPO等新技术依赖特定供应链，技术自主化不足可能影响发展。