英伟达 2026 年 GTC 大会召开，以 “Token 为王，7 芯 5 柜迎 Agent 新时代” 为核心主线，宣告 AI 产业已从训练全面进入推理主导的新阶段，Token 成AI 时代的核心数字商品，算力需求迎来百万级指数增长，并宣布Rubin Blackwell芯片到2027年营收将超过1万亿美金。
我们对 AI 带动的算力需求以及应用发展持续乐观，算力板块的短期波动不改长期成长逻辑，持续推荐 AI 算力产业链相关标的，包括GPU/CPU、光模块、光芯片、液冷、光纤光缆等算力链上下游细分领域。
2）大会回溯 CUDA 架构二十年发展铸就的生态护城河，发布 cuDF、cuVS 两大核心软件库与 Vera Rubin 超级 AI 平台，深度布局 OpenClaw 智能体生态，同时公布 Feynman 架构、DSX 基建平台、轨道太空数据中心等前瞻规划。
我们认为，本次 GTC 大会进一步验证了 AI 产业的高景气度与长期成长空间，我们持续推荐 AI 算力产业链相关标的，包括GPU/CPU、光模块、光芯片、液冷、光纤光缆等算力链上下游细分领域，我们对 AI 带动的算力需求以及应用持续乐观。
英伟达 2026 年 GTC 大会隆重举行，本次大会全面展现了英伟达在 AI 领域的全栈技术实力与长期产业布局，成为 AI 产业从大模型训练向推理与智能体应用演进的关键里程碑。大会开篇，黄仁勋用近十分钟回溯了 CUDA 架构诞生二十年的演进历程，明确 CUDA 是英伟达所有业务的核心，其最难以复制的壁垒，是二十年沉淀的全球海量安装基数，以及由此形成的 “安装基数 - 开发者 - 技术突破 - 生态扩容” 闭环增长飞轮。二十年技术深耕让 CUDA 形成了覆盖数千种工具、编译器、框架和库的完整开发生态，数亿块可运行 CUDA 的 GPU 与计算系统实现了对全球主流云厂商、企业的全覆盖，这是竞争对手无法通过技术、资金在短期追赶的核心护城河，而 CUDA 带来的超长产品生命周期与持续软件优化能力，也持续放大英伟达的成本与生态优势。
本次大会的核心主线明确了 “Token 为王” 的 AI 产业新逻辑，正式宣告 AI 推理拐点已经到来。大会指出，ChatGPT 开启生成式 AI、推理 AI 实现逻辑规划、Claude Code 开启代理时代三大里程碑事件，推动 Token 使用量呈爆炸式增长，AI 产业已从训练主导阶段全面进入推理主导的全新阶段，AI 的思考、行动、阅读、推理全环节都依赖推理计算，算力需求增长已达 100 万倍。黄仁勋在大会中重新定义了 AI 产业的商业逻辑，指出受电力等物理条件限制，数据中心的核心价值已从传统存储计算中心，重构为生产 Token 的 “AI 工厂”，衡量 AI 系统效率的核心指标是每瓦特功耗能够生成的 Token 数量，Token 成为 AI 时代的核心数字商品。英伟达通过软硬件全栈协同设计，实现了 Token 生产成本的全球绝对领先，从 Hopper H200 到 GB NVL72 架构，每 GW 性能提升 35-50 倍，仅软件栈更新即可让现有推理平台的 Token 生成速度提升约 7 倍，同时英伟达重磅宣布 Rubin Blackwell 芯片到 2027年营收将至少达到 1 万亿美元，为 AI 算力产业的长期增长打开了空间。
为适配推理与智能体时代的需求，英伟达在大会中完成了软件与硬件的全栈革新。软件层面，大会重磅发布 cuDF、cuVS 两大核心软件库，重构适配智能体时代的企业级数据处理基础设施，其中 cuDF 专为结构化数据加速，完美适配企业常用的 SQL、Excel 等工具，解决 AI 读数据慢的核心瓶颈，cuVS 则专注非结构化数据处理，能够激活企业内占比超 90% 的非结构化沉睡数据，目前两项技术已在 IBM、雀巢等企业落地应用，实现了数据处理效率的大幅提升与成本的显著下降。同时，英伟达宣布深度支持开源智能体操作系统 OpenClaw，黄仁勋评价其增长速度超过过往数十年的 Linux，是智能体时代的关键软件底座，针对企业级智能体部署的安全痛点，英伟达同步推出企业级安全增强版 NemoClaw 参考架构，解决了智能体落地的核心安全障碍，并明确预判传统 SaaS 模式将全面转向 AaaS（智能体即服务），未来几乎所有软件企业都将被这一浪潮重构。
硬件层面，大会重磅发布了已全面投产的 Vera Rubin 超级 AI 平台，这是专为智能体 AI 打造的软硬件全栈垂直整合计算系统，也是英伟达支撑万亿营收目标的核心硬件底座。该平台通过 7 款自研芯片 五大专用机架的全链路协同设计，覆盖计算、网络、存储三大核心环节，专为高 Token 消耗、长上下文处理的智能体工作负载设计，目前已获得 Anthropic、OpenAI、Meta 等头部 AI 厂商及全球顶级云服务商的客户支持。平台通过 Rubin GPU 与自研 Vera CPU 协同、Groq3 LPU 低延迟推理异构加速、BlueField-4 DPU 驱动的 STX 存储架构革新、全液冷系统与 CPO 光电共封装技术升级，实现了 Token 生产能效与成本的颠覆性优化，整套系统可提供 60 exaflops 的运算能力与 10 PB/s 的总扩展带宽，单吉瓦算力可解锁 1500 亿美元的年营收机会。大会同步推出了平台的超大规模扩展版本 Rubin Ultra，实现了单 NVLink 域 144 颗 GPU 的统一协同，同时黄仁勋明确重申，光铜协同仍是支撑 AI 算力增长的核心支柱。
此外，本次大会英伟达还完成了 AI 算力的全维度长期规划，公布了三大核心前瞻布局：一是 2028 年将商用的下一代 Feynman 架构，核心目标是将传统数据中心服务器集群重构为一台高度集成的巨型超级计算机，通过定制化 HBM 内存、自研 Rosa CPU、计算存储封装深度耦合实现算力的跨越式升级；二是 NVIDIA DSX 端到端基础设施平台，覆盖 AI 数据中心从设计、建设到运维的全流程，解决超大规模算力集群的部署效率、能源效率与稳定性核心痛点；三是太空算力前瞻布局，计划联合合作伙伴开发 Vera Rubin Space One 太空计算平台，在地球轨道建设太空数据中心，突破地面算力的边界限制。
整体而言，本次 GTC 大会全面验证了 AI 产业仍处于高速发展的产业革命进程中，明确了推理拐点的到来与智能体时代的开启，将持续带动全球 AI 算力需求的爆发式增长。我们对 AI 带动的算力需求以及应用发展持续乐观，算力板块的短期波动不改长期成长逻辑，持续推荐 AI 算力产业链相关标的，包括GPU/CPU、光模块、光芯片、液冷、光纤光缆等算力链上下游细分领域。
风险提示：
对外发布时间：2026年3月22日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
阎贵成 SAC 编号:S1440518040002
SFC 编号:BNS315
于芳博 SAC 编号:S1440522030001
SFC 编号:BVA286
刘永旭 SAC 编号:S1440520070014
SFC 编号:BVF090
曹添雨 SAC 编号:S1440522080001
方子箫 SAC 编号:S1440524070009
数字人民币运营机构有望扩容，12家商业银行或将入围，数字人民币相关系统建设与改造需求有望加速释放。 25年12月，《关于进一步加强数字人民币管理服务体系和相关金融基础设施建设的行动方案》出台，新一代数字人民币计量框架、管理体系、运行机制和生态体系于2026年1月1日启动实施，标志着数字人民币正式进入M1/M2的新时代。数字人民币计息扩容等落地实施成为后续关注重点。3月20日，根据上证报新闻，自相关渠道获悉，数字人民币业务运营机构有望扩容，12家商业银行或入围，将接入央行端数字人民币系统。有望扩容名单包括中信银行、光大银行、华夏银行、民生银行、广发银行、浦发银行、浙商银行这7家全国性股份行；宁波银行、江苏银行、北京银行、南京银行、苏州银行这5家地方城商商行。一家城商行人士向记者证实已经收到有关部门相关通知要求，需要如期完成系统研发、联调测试、验收投产、上线面客等工作。此外，3月17日，宁波银行在其官方采购管理系统发布了两则公告，对外召集“数字人民币系统建设项目供应商”。公告显示根据业务发展需要，按照宁波银行采购相关管理办法，拟对《数字人民币系统建设项目》面向社会公开征集供应商，诚邀符合条件的供应商参与方案洽谈。我们认为，随着数字人民币进入M1/M2时代，银行运营推广数字人民币的动力大幅增加，数字人民币核心系统建设以及相关IT系统改造需求有望加速释放。
阿里云与AI业务强劲增长，管理层目标相关业务五年年化增速约47%。阿里于3月19日发布截至2025年12月31日的2026财年Q3财报，阿里云收入432.84亿元，同比增长36%，AI相关产品收入连续第十个季度三位数增长，AI已经成为公司主要增长引擎之一。资本开支方面，阿里持续加大投入力度，最新财季资本开支约290亿元，且公司CEO在业绩会上提出考虑到客户AI推理需求的爆发式增长，此前提及的3800亿元投资可能显得偏小，会在确保财务健康的前提下动态调整资本开支节奏。今年以来，阿里云在模型、应用、芯片层均取得一定突破，Qwen3.5-Plus在推理、编程、Agent智能体等领域取得积极进展。阿里自研的平头哥GPU芯片截至2026年2月已累计规模化交付47万片，年化营收规模达百亿，已为阿里的云基础设施提供实质性贡献。据阿里CEO吴泳铭，阿里云基础能力的建设和持续增长正将阿里巴巴的AI战略推向新的高潮，五年内阿里云和AI商业化年收入将从今年的1000多亿元大幅增长至1000亿美元，复合年化增长约47%。为了实现AI商业化加速落地，阿里近期发布了企业级AI原生工作平台“悟空”，悟空Agent能原生操作钉钉上千项能力。此外，阿里本周还宣布正式成立Alibaba Token Hub（ATH）事业群，围绕“创造Token、输送Token、应用Token”重组AI业务体系，为AI toB & to C业务拓展提供组织保障和战略协同。
AI逐步融入腾讯各项业务，腾讯云首次实现规模化盈利。腾讯于3月18日发布2025年全年业绩，收入利润均实现稳健增长。AI正融入腾讯各个业务板块，游戏业务部署AI以改善用户体验、广告业务融入AI提升营销效益、元宝及微信等服务接入AI能力完善生态布局等。此外，腾讯云2025年虽然因为优先保障内部需求导致外部客户GPU供应有限，营收相对承压，但仍首次实现规模化盈利，调整后营业利润达50亿元。资本开支方面，腾讯2025年全年约为792亿元，同比小幅增长3%创历史新高，2026年一方面加大AI产品投入，混元、元宝相关投入在2025年180亿元基础上预计2026年投入翻倍；另一方面，会根据AI训练推理需求、云业务增长和芯片供应情况动态调整资本开支节奏，2026年资本开支会高于2025年。腾讯预计将瞄准AI融入产品生态中的发展战略，今年以来腾讯密集发布包含元宝派、WorkBuddy、QClaw等AI功能与产品，有望凭借自身社交、办公相关生态卡位优势抢占AI时代流量入口。
总结：数字人民币运营机构拟扩容至12家商业银行，相关IT系统建设需求提速。2025年底相关方案出台，2026年起数字人民币进入M1/M2时代，计息扩容等成为后续关注重点。阿里最新季度阿里云收入同比增 36%，AI 业务高增，资本开支加大并上调长期投入目标，设定云与AI业务五年年化约47%增长目标，同时推进自研芯片、新AI平台及组织架构调整。腾讯2025年业绩稳健，AI 融入各业务，腾讯云首次实现规模化盈利；2026年计划翻倍加码AI投入，资本开支将高于上年，并密集推出AI产品，依托生态抢占AI流量入口。
风险提示：
AIGC驱动散热需求爆发，液冷已成首选解决方案
AIGC浪潮推动AI大模型迭代及商业化落地持续加速，训练端与推理端算力需求呈指数级增长，直接带动全球AIDC进入爆发式建设周期。国内外大型科技企业算力相关资本开支大幅增加，为AIDC建设提供有力支撑，全球及国内AIDC市场规模持续扩容，高功率密度大型、超大型算力中心已成为未来建设重点。与此同时，AIDC单机柜功率密度持续攀升，传统风冷技术已无法满足高密算力的散热需求，叠加“双碳”目标下全球数据中心PUE管控标准持续收紧，液冷技术凭借耗能低、散热效率高、运行工况优异、全生命周期成本低等核心优势，成为AIDC制冷系统的首选方案。AIGC驱动、功率密度提升、PUE管控收紧三大因素形成共振，推动液冷散热需求加速释放，为液冷一次侧散热行业的快速发展奠定了坚实基础。
液冷一次侧散热重要性提升，冷水机组与压缩机成核心环节
AIDC液冷系统以CDU为界分为一次侧与二次侧，其中一次侧作为室外冷源侧，承担热量外排核心职能，其冷源方案直接决定数据中心PUE与TCO，与二次侧协同完成全流程散热闭环，一次侧散热作为联结机房内部热交换与外部环境排热的核心链路，重要性日益凸显。一次侧散热方案呈现三大主流格局，冷水机组为兜底冷源，是各类方案中不可或缺的核心，也是液冷一次侧价值量与技术壁垒最高的环节。压缩机作为冷水机组的“心脏”，成本占比超50%、能耗占比约72%，由于AIDC与传统IDC在需求上差异显著，螺杆压缩机、传统离心压缩机的能效、冷量和稳定性短板凸显，而磁悬浮离心压缩机凭借无油运行、高能效、宽负荷调节、温控精准等优势，可完美适配AIDC液冷需求，已成为新建高密度智算中心标配。
需求爆发与技术突破共振，一次侧散热国产替代重构行业格局
随着 AIGC 推动全球算力基建高速增长，数据中心算力密度持续提升，散热需求加速升级，冷水机组与压缩机作为一次侧核心设备，直接影响数据中心PUE与整体运营成本TOC，行业需求持续释放。当前全球一次侧设备高端市场长期由开利、特灵、约克、麦克维尔等美系巨头及磁悬浮领域龙头丹佛斯占据，外资凭借技术、品牌与客户资源优势主导高端供给，但普遍存在价格偏高、交付周期长、本土化适配不足及产能紧张等问题，为国内企业带来替代机遇。国内厂商在政策支持与需求红利下，已在磁悬浮轴承、高速电机、控制系统等核心技术实现突破，企业凭借高性价比、快速交付与本土化服务，持续向中高端市场渗透，在冷水机组整机与磁悬浮离心压缩机环节加速推进国产替代。未来随着液冷普及与行业格局重构，具备核心技术与规模化交付能力的国产龙头有望实现市场份额与盈利水平的双重提升。
投资建议：AIDC 液冷一次侧散热已成为AI算力基建的刚性核心环节，行业正处在渗透率快速提升、技术路线升级与国产替代三重共振的高确定性成长阶段。AI 算力高密度化推动数据中心散热从风冷全面转向液冷，液冷架构对冷源的低温输出、连续稳定、精准可控要求大幅提升，使得一次侧系统由辅助配套升级为算力基础设施的核心组成部分。液冷一次侧系统中，冷水机组和压缩机因其承担核心供冷与动力输出职能、契合冷源高效化升级趋势，重要性和价值量显著提升，其中冷水机组承担全天候兜底制冷与稳定供冷功能，是液冷体系中不可或缺的关键装备；压缩机作为冷水机组唯一做功部件与“动力心脏”，价值量占比超50%，直接决定整机制冷量、能效水平与运行稳定性，是产业链技术壁垒与盈利核心。随着液冷渗透率持续提升、单机柜功率不断上移，数据中心冷源正加速向中温高效、大冷量、磁悬浮离心方向升级，带动冷水机组和压缩机从传统螺杆路线向磁悬浮离心路线迭代，单机价值量、技术壁垒与行业集中度同步抬升。
建议聚焦AIDC液冷一次侧散热高价值、高壁垒环节，重点布局两条主线：①磁悬浮离心压缩机核心标的：优先选择已实现磁悬浮轴承、高速永磁电机、控制系统自主突破，产品完成客户验证并进入批量供货的压缩机厂商，充分受益技术迭代与国产替代红利；②大功率冷水机组整机龙头：重点关注面向AIDC场景、具备大冷量机型与系统方案能力，已切入主流云厂商与算力中心供应链的冷水机组企业，受益行业规模扩张与格局集中。
1.1 AIGC浪潮驱动全球算力基础设施建设进入爆发式增长周期
AI大模型迭代与商业化落地加速，共同推动算力需求在训练端与推理端呈现指数级增长。训练端，随着AI大模型从基础研发向超大规模、多模态、AI智能体（Agents）升级，模型的参数量从1.17亿提升至数万亿，模型结构也从稠密LLM模型向MoE稀疏化模型以及多模态模型持续演进发展，单次任务Token消耗量呈指数级上升。与此同时，模型数量也在呈井喷式增长，据中国信息通信研究院统计，截至2025年6月底，我国已发布1509个大模型，在全球已发布的3755个大模型中数量位居首位。推理端，AI大模型推动各领域智能化转型加速，已从初步应用向深度赋能阶段迈进，成为推动行业高质量发展的核心驱动力。从发展趋势来看，随着多模态大模型技术的不断迭代以及具身智能的逐步落地，AI技术将打破现有应用边界，更深层次地融入生产生活各领域，催生出新的应用场景与商业模式。无论是从AI业务负载还是应用发展趋势，都在驱动算力需求呈现爆发式增长。
AIDC作为AI产业的核心算力基座，其建设规模与增速与AI行业发展高度相关，当前全球算力技术设施建设正进入新一轮快速发展期。根据科智咨询与Global Growth Insights数据，2021年全球数据中心市场规模为765.6亿美元，预计2026年将达到1459.2亿美元，2027年将增至1632.5亿美元，到2035年将进一步达到2621.5亿美元以上，未来十年全球AIDC市场将呈现高速增长态势。国内市场方面，根据工信部数据显示，截至2025年6月，我国在用算力中心标准机架达1085万架，智能算力规模达788EFLOPS，干线400G端口数量大幅增加至14060个，存力总规模超过1680EB，全国算力中心平均电能利用效率（PUE）降至1.42，算力基础设施规模和水平不断提升。与此同时，大型以上算力中心机架数量占算力中心总机架规模比重逐年上涨，部分超大型算力中心的平均单机柜功率已达20kW，高功率密度、高算力的大型、超大型算力中心已经成为未来建设的重点。
本轮全球算力基础设施建设提速主要源自国内外大型科技企业持续的资本开支增加。自2022年以来，北美四大云厂商为代表的国内外大型科技企业资本开支经历了显著的周期性变化。2022年至2023年上半年，受宏观经济逆风及疫情后需求变化影响，资本开支增速放缓甚至出现负增长。然而，自2023年下半年起，受生成式AI技术突破驱动，无论是海外的科技巨头，还是国内的互联网大厂，均在人工智能基础设施上投入重金，开启了新一轮激进的“AI军备竞赛”，资本开支在2024年和2025年呈现爆发式增长，主要资金流向AI基础设施，主要包括购买GPU和定制芯片、建设或租赁大规模智算中心、采购配套能源设施等，以应对大模型训练与推理带来的算力挑战。2025年全球各大云厂商均宣布了近千亿美元级别的资本开支计划，核心投向用于AI训练和推理的GPU集群，其中OpenAI正计划到2030年累计投入约6000亿美元用于算力支出，字节跳动初步规划2026年资本开支1600亿元人民币，较2025年同比增长7%，阿里云则在未来三年3800亿元资本开支基础上额外增加投入。
风险提示：
1）技术迭代不及预期风险：磁悬浮离心压缩机核心技术（磁悬浮轴承、高速永磁电机）研发难度高，若国内厂商技术突破进度慢于行业升级节奏，或液冷冷源出现更优替代技术路线，可能导致相关企业产品竞争力下降，错失行业增长机遇。2）核心零部件供应链风险：冷水机组、磁悬浮压缩机部分高端零部件（如精密传感器、高端控制器）仍依赖进口，若海外供应链出现中断、进口限制或价格大幅上涨，将影响国内企业生产交付、成本控制及产品性能稳定性。
3）行业需求落地不及预期风险：AIDC建设受AI算力扩张节奏、政策调控、资本开支收缩等因素影响，若下游算力中心建设进度放缓，液冷渗透率提升不及预期，将直接影响冷水机组、磁悬浮压缩机的订单放量，拖累行业及相关企业成长。
4）行业竞争加剧风险：随着液冷一次侧散热赛道热度提升，传统制冷企业、跨界企业加速布局冷水机组及磁悬浮压缩机领域，可能引发价格战，导致行业盈利水平下滑；同时，海外头部厂商若加速产能释放、技术下沉，将挤压国产厂商市场份额。
部分算力公司已披露业绩预告，保持较快增长势头。近期，算力板块走势纠结，我们预计一是因为市场对2027年的需求展望仍存分歧，二是板块持仓较重。我们认为调整是机会。一方面，我们持续推荐AI算力板块，包括北美算力产业链与国内算力产业链的核心公司；另一方面，我们也建议关注AI应用板块，特别是端侧AI Agent的进展。此外，也建议关注可能边际改善的海缆及光纤光缆板块、军工通信及商业航天板块、量子科技板块。
AI算力需求增长强劲，算力产业链部分公司业绩高增
发布业绩预告的光模块/光器件公司2025年归母净利润几乎均实现50%以上的同比增长，其中长芯博创、光库科技预计2025年归母净利润同比增长超过100%，光模块/光器件公司业绩表现突出主要是受益于人工智能相关算力投资持续增长。同时，连接器公司鼎通科技受益于AI驱动连接器市场需求旺盛，业绩显著增长。
近期，算力板块走势比较纠结。我们预计一是因为市场对2027年的需求展望仍存分歧，二是板块持仓较重。我们认为调整是机会。目前，AI大模型仍在持续迭代升级，算力需求旺盛，站在中期视角我们仍建议持续重视AI板块。一方面，我们持续推荐AI算力板块，包括北美算力产业链与国内算力产业链的核心公司；另一方面，我们也建议关注AI应用板块，特别是端侧AI Agent的进展。此外，我们也建议关注未来可能边际改善的海缆及光纤光缆板块、军工通信及商业航天板块，国内外巨头纷纷加码的量子科技板块。
风险提示：
长期以来，用户对大模型的体感大多停留在屏幕内的数字闭环，AI可以帮助用户写文案、画图，但一旦涉及现实世界的交互，AI往往会因为缺乏执行工具而无法操作。而此次Qwen App的升级，改变了这一局面。在这场AI超级入口战役中，Qwen被内部赋予的差异点之一是，阿里拥有Qwen开源模型和从支付、购物到出行、旅行、娱乐的生态和履约能力，因此“模型” “生态”整合会是其独特优势所在。
发布会现场，Qwen C端事业群总裁吴嘉演示了一个典型的生活场景：用户仅需语音下达“帮我点40杯霸王茶姬的伯牙绝弦”指令，Qwen App即刻调用淘宝闪购接口生成订单，并通过系统级打通的“支付宝AI付”完成支付，全程无需跳转第三方应用。这种所说即所得的体验重构了消费链路，过去的电商购物需要“搜索-比价-加购-支付”等繁琐步骤，而Qwen将其折叠为一个对话框，引领行业从传统聊天工具正式迈入办事时代。我们认为，大模型已经持续迭代超过3年，CSP厂商也为此投入大额资本开支，2026年有望成为AI全面走向应用发展的一年，包括整合生态推出各类AI助手、通过广告引流实现创收等，建议重视AI应用的发展。当然，AI应用的发展也会继续推动大模型进一步训练迭代以及推理算力的持续增长，因此也持续看好算力板块。
台积电披露最新财报，收入、净利润、毛利率与资本开支指引均超出市场预期，公司提及大额资本开支指引是基于与客户反复沟通后确定的。对此，我们认为台积电的指引可以作为算力行业的重要前瞻指标，预期2027年算力需求仍有望保持强劲增长势头，从通信行业来看我们持续推荐光模块、液冷、光纤光缆等板块。
风险提示：
我国相关机构开启了超大规模卫星星座计划，申报20万颗，其中，中国移动申报了两个星座，规模为2664颗卫星。中国移动资金实力强，客户规模庞大，该申请对卫星互联网产业链别具意义，持续建议关注卫星互联网产业链，尤其是卫星制造及上游元器件，其中如果业务涉及传统地面通信网络设备业务、且又深度参与卫星互联网建设的公司建议重点关注。
在CES 2026主题演讲中，英伟达CEO黄仁勋宣布新一代“Rubin”计算架构平台已正式进入量产阶段。其在接受媒体采访时表示：公司已重启H200供应链，中国客户对H200的需求“非常高”。同时，马斯克旗下AI初创公司xAI发布公告，宣布已完成一轮200亿美元的E轮融资，超过了此前设定的150亿美元目标，公司计划利用本轮新融资，继续扩大数据中心规模，并推进Grok模型的进一步开发与训练。
近日，工信部等八部门联合印发《“人工智能 制造”专项行动实施意见》，提出到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。此外根据新浪财经报道，DeepSeek预计将在未来几周内推出新一代旗舰级人工智能模型，该模型主打强劲的代码生成能力。
在大模型能力提升和下游应用逐渐萌芽等因素的推动下，国内AI算力需求有望持续提升，除北美算力链持续推荐外，我们建议近期重点关注国产算力产业链，包括IDC及产业链（HVDC/液冷/柴发）、交换机等环节。
根据国际电信联盟（ITU）最新披露数据，我国相关机构开启了超大规模卫星星座计划，申报20万颗，这一规模创下国内卫星星座申报的新纪录。其中，中国移动申报了两个星座：分别被命名为CHINAMOBILE-L1，规模为2520颗（低轨）；CHINAMOBILE-M1，规模为144颗（中轨），两个星座总计为2664颗卫星。中国移动资金实力强，且作为基础电信运营商，客户规模庞大，并拥有卫星移动通信业务牌照，该申请对卫星互联网产业链别具意义，持续建议关注卫星互联网产业链，尤其是卫星制造及上游元器件，其中如果业务涉及传统地面通信网络设备业务、且又深度参与卫星互联网建设的公司。
风险提示：
国际环境变化对供应链的安全和稳定产生影响，对相关公司向海外拓展的进度产生影响；关税影响超预期；人工智能行业发展不及预期，影响云计算产业链相关公司的需求；市场竞争加剧，导致毛利率快速下滑；汇率波动影响外向型企业的汇兑收益与毛利率，包括ICT设备、光模块/光器件板块的企业；数字经济和数字中国建设发展不及预期；电信运营商的云计算业务发展不及预期；运营商资本开支不及预期；云厂商资本开支不及预期；通信模组、智能控制器行业需求不及预期。对外发布时间：2026年1月11日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
阎贵成 SAC 编号:S1440518040002
SFC 编号:BNS315
于芳博 SAC 编号:S1440522030001
SFC 编号:BVA286
刘永旭 SAC 编号:S1440520070014
SFC 编号:BVF090
曹添雨 SAC 编号:S1440522080001
方子箫 SAC 编号:S1440524070009
朱源哲 SAC 编号:S1440525070002
量子科技作为国家重点布局的未来产业，近期催化不断，如国仪量子技术（合肥）股份有限公司科创板IPO申请已获得受理，国家标准《无液氦稀释制冷机》正式发布，建议持续关注量子科技产业链，尤其是量子计算整机、稀释制冷机、低温同轴线缆等环节。
本周，我国在海南商业航天发射场成功将卫星互联网低轨16组卫星发射升空；文昌国际航天城年产1000颗卫星的超级工厂即将投产，可实现“卫星出厂即发射”的无缝衔接；SpaceX正推进IPO计划，公司的估值目标或定为约1.5万亿美元。此前，国家航天局印发《国家航天局推进商业航天高质量安全发展行动计划（2025-2027年）》，推进商业航天高质量发展和高水平安全。建议持续关注商业航天领域相关投资机会。
风险提示：
对外发布时间：2025年12月14日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
阎贵成 SAC 编号:S1440518040002
SFC 编号:BNS315
刘永旭 SAC 编号:S1440520070014
SFC 编号:BVF090
朱源哲 SAC 编号:S1440525070002
亚马逊发布Trainium3，基于3纳米制程打造，性能较Trainium2提升4倍，能效提升40%。同时，亚马逊表示正在研发中的Trainium4将支持与英伟达芯片协同工作。AMD苏姿丰证实已获批对华出口AI芯片MI308，需向美政府支付15%税费。摩尔线程上市首日大涨。xPU持续迭代，市场高度关注，有望推动AI进一步快速发展。
近期，AI产业链催化不断，包括谷歌新模型性能大幅提升及TPU展示出的较强能力、DeepSeek V3.2正式版发布、亚马逊发布Trainium3、以及摩尔线程上市市场展现出的高参与热情等等，同时更多公司包括英伟达、阿里、AMD等否认AI泡沫的观点，均展现了AI的良好发展前景。目前，世界正处于AI产业革命中，类比工业革命，影响深远，不能简单对比近几年的云计算、新能源等，需要以更长期的视角、更高的视野去观察。因此，我们对AI带动的算力需求以及应用非常乐观，持续推荐AI算力板块。
工业和信息化部量子信息标准化技术委员会筹建方案公示。我们认为，量子科技作为国家重点布局的未来产业，承载着成为新经济增长点的重任，建议重点关注稀释制冷机、低温同轴线缆等环节。
风险提示：
国际环境变化对供应链的安全和稳定产生影响，对相关公司向海外拓展的进度产生影响；关税影响超预期；人工智能行业发展不及预期，影响云计算产业链相关公司的需求；市场竞争加剧，导致毛利率快速下滑；汇率波动影响外向型企业的汇兑收益与毛利率，包括ICT设备、光模块/光器件板块的企业；数字经济和数字中国建设发展不及预期；电信运营商的云计算业务发展不及预期；运营商资本开支不及预期；云厂商资本开支不及预期；通信模组、智能控制器行业需求不及预期。
1）龙头公司增长确定性：英伟达需要整个产业链研发能力快速迭代、快速响应。若能力不够很难进入英伟达产业链，或者份额显著下降，PCB、光模块等龙头公司与下游芯片公司跟踪紧密、地位稳固，其中PCB价值量未来将受益于正交背板使用、cowop工艺的提升；
2）新技术升级方向，英伟达阶段性着重解决问题的方向，是获取超额利润的子方向。2025年开始，系统方案的供电、散热问题成为整个系统的瓶颈点。北美缺电越来越明显，电力系统需要更加稳定以及更加高效的输送方式，关注HVDC和更高效的SST固态变压器等技术。同时随着芯片性能提升，散热方面遇到越来越多的瓶颈，关注液冷板、CDU、UQD等领域大陆企业份额提升的投资机会，其次如何稳定提高芯片计算频率，对于AI芯片来说是一个提升性能的关键办法，针对下一代芯片封装方案演进是未来重要投资方向，关注微通道盖板、金刚石衬底或者热界面材料；
3）产业链加速本土化集群。为应对快速的研发迭代，产业集群优势逐步显现，如PCB产业链国内下游高份额之后，上游的覆铜板，覆铜板上游的树脂、玻纤布、铜箔等等都开始了国内企业加速验证，光模块亦是如此；
4）订单外溢。围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升。
中期维度看，订单向国产芯片倾斜是必然趋势。由于美国政府芯片法案多轮制裁，英伟达旗舰芯片向中国的售卖持续受阻，从2022年的片间互联、23年的算力以及算力密度限制、到2025年初的1700GB/s通信带宽限制，英伟达产品被迫多次进行阉割，竞争力持续下降。云厂商以及人工智能初创公司基于算力稳定供应诉求，将更多算力采购规划倾斜向国产芯片，并且比重不断加大。目前看伴随国产先进制程逐渐成熟，低端版英伟达芯片在国内将不再是具有性价比的采购选项，国产算力市占率大幅抬升时机已经成熟。
目前国产芯片市场集中度提升趋势明显。由寒武纪、华为为代表的芯片公司凭借强大的技术实力、优异的产品性能、以及前线业务资源的大量投入，最先实现商业化客户业务的成功落地，在大模型推理算力建设中贡献大量算力；以天数智芯、沐曦、昆仑芯为代表的创业公司也在奋起直追，通过良好的产品性能以及性价比，争取大规模商业化客户成单机会，近期可以观察到国内芯片厂商纷纷投入大量人力物力资源，尝试与多家头部互联网客户进行业务绑定。
国内芯片生态建设分为两大路线，一条是以天数智芯、沐曦、海光等主打GPGPU路线，追求与英伟达的CUDA兼容，实现兼容性与通用性提高，在客户处实现迁移成本与迁移时间大幅度下降，在英伟达的生态圈内抢占市场。后续CUDA升级或模型升级，CUDA兼容路线软件栈同样需要更新升级以适配，长期跟进对人力消耗较大；另一条则是以华为的Mindspore为代表的自主生态，试图在英伟达生态圈外建立单独生态圈，与英伟达进行竞争。其后续突围能力，除技术成熟度外，更多考量产品出货量与基于Mindspore开发的研发人员数量，对长期持续投入具有较高要求。
财务数据角度看，国产GPU厂商已经进入营收高速增长阶段。伴随其产品运用从prefill阶段逐渐向decode阶段渗透，并在训练场景得到一定落地，国产芯片厂在CSP厂处的业绩快速跃迁，并为后续更进一步份额抬升打下良好基础。除营收增速高速增长外，国产GPU厂商存货同步进入上升轨道，“产品销售—资金回流—流片放量”循环逐步启动，国产替代趋势愈发明确。
风险提示：
北美经济衰退预期逐步增强，宏观环境存在较大的不确定性，国际环境变化影响供应链及海外拓展；芯片紧缺可能影响相关公司的正常生产和交付，公司出货不及预期；疫情影响公司正常生产和交付，导致收入及增速不及预期；信息化和数字化方面的需求和资本开支不及预期；市场竞争加剧，导致毛利率快速下滑；主要原材料价格上涨，导致毛利率不及预期；汇率波动影响外向型企业的汇兑收益与毛利率；人工智能技术进步不及预期；汽车与工业智能化进展不及预期；半导体扩产不及预期等。
于芳博 SAC 编号:S1440522030001
SFC 编号:BVA286
庞佳军 SAC 编号:S1440524110001
方子箫 SAC 编号:S1440524070009
辛侠平 SAC 编号:S1440524070006
孟龙飞 SAC 编号:S1440525070005
DRAM产能供给紧缺趋势不变，SK海力士等龙头厂商加速扩产。从供给端看，HBM供应仍然紧缺，相应持续挤占DRAM产能，25Q2~Q3 DRAM厂商现货报价加速攀升；部分美国与国内厂商已经开始和晶圆厂签订2-3年的长期合同进行锁价。根据Trendforce援引The Bell报道，SK海力士计划通过清州DRAM工厂M15X和利川M16的扩产，在26H2将其DRAM晶圆产量提高到60万片/月，和三星的DRAM晶圆产能处于同一水平。具体来看，M15X在投产初期将保持在10000片/月的DRAM晶圆，到26Q4将爬坡至5万片/月。
HBM迭代周期随之显著缩短。2025年下半年，英伟达量产的GB300搭载的是12层24GB的HBM3e，2026年英伟达将发布的Rubin系列和AMD将发布的MI400系列均将搭载HBM4/4e。其中英伟达计划在26Q1完成HBM4的最终资格测试。从更新周期来看，JEDEC于2025年4月正式发布了JESD 270-4高带宽存储器(HBM4)标准，（接口宽度从HBM3/HBM3e的1024位翻倍至2048位；堆栈通道数从16个增加到32个，支持24Gb或32Gb芯片的4到16层堆栈配置），较HBM3规范发布约三年，计划落地时间较HBM3落地时点亦在三年左右。根据EETimes的预测，HBM的迭代周期从前期的每四年一代提高并稳定到每两年到两年半一代。
全球龙头存储厂商竞逐HBM4，SK海力士仍居领先地位，三星美光加速追赶。根据Trendforce预测，2025年SK海力士将以59%的HBM出货量保持行业领先地位，而三星和美光将各占20%左右份额。从时点上看，SK海力士于2025年3月交付了全球首批12层HBM4样品、6月小批量出货，计划10月快速进入量产；美光也在25Q2向主要客户交付了HBM4样品、计划2026年进入量产；三星的HBM4样品25Q2交付给英伟达，当前进入最终的预生产（PP）阶段。
从技术上看，SK海力士的HBM4拥有2048个I/O终端，带宽翻倍，引脚速度在10 Gbps以上。美光目前交付HBM4样品超过2.8 TBps带宽和超过11 Gbps引脚速度，计划在2027年同时推出标准版和定制版的HBM4e。三星同样计划于2027年推出HBM4e产品，目标引脚速度超过13Gbps，目标最大吞吐量3.25TB/s，较当前HBM2.5e快约3倍。
远期看，英伟达计划自研Base Die，意在进一步提高传输速率。除传统晶圆厂外，为了进一步提高传输速率，AI算力芯片厂商也开始协同进行HBM设计。2025年8月，英伟达宣布计划自研HBM内存Base Die，采用3nm工艺，预计于2027年下半年开始小规模试产。英伟达此次自研HBM内存Base Die的计划，旨在优化AI芯片的内存带宽与能效匹配度；未来英伟达的HBM内存有望采用内存原厂DRAM Die与英伟达Base Die的组合模式，标志着其在高性能计算存储架构领域的垂直整合进一步深化。
风险提示：
1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险；
2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险；
3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险；
4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险；
5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。
刘双锋 SAC 编号:S1440520070002
SFC 编号:BNU539
庞佳军 SAC 编号:S1440524110001
孙芳芳 SAC 编号:S1440520060001
章合坤 SAC 编号:S1440522050001
王定润 SAC 编号:S1440524060005
何昱灵 SAC 编号:S1440524080001
郭彦辉 SAC 编号:S1440520070009
赵子鹏 SAC 编号:S1440523080001
梁艺 SAC 编号:S1440525080006
云边协同的混合式AI架构对AI的规模化扩展起到重要作用。根据高通《混合AI是AI的未来》白皮书，随着生成式AI正以前所未有的速度发展以及计算需求的日益增长，AI处理必须分布在云端和终端进行，才能实现AI的规模化扩展并发挥其最大潜能。与仅在云端进行处理不同，混合AI架构可以根据模型和查询需求的复杂度等因素，在云端和边缘终端之间分配并协调AI工作负载。云端和边缘终端如智能手机、汽车、个人电脑和物联网终端协同工作，能够实现更强大、更高效且高度优化的AI。
端侧AI具有成本、能耗、可靠性、隐私、安全和个性化优势。
成本优势：AI推理的规模远高于AI训练。模型的推理成本将随着日活用户数量及其使用频率的增加而增加。在云端进行推理的成本极高，这将导致规模化扩展难以持续。将一些运算负载从云端转移到边缘终端，可以减轻云基础设施的压力并减少开支。
能耗优势：边缘终端能够以很低的能耗运行生成式AI模型，尤其是将处理和数据传输相结合时。
可靠性、性能和时延：当生成式AI查询对于云的需求达到高峰期时，会产生大量排队等待和高时延，甚至可能出现拒绝服务的情况。向边缘终端转移计算负载可防止这一现象发生。
隐私、安全和个性化：由于数据处理完全在本地进行，终端侧AI有助于保护个人信息，以及企业和工作场所中的机密信息。以本地和云端分别运行AI大模型制作行程安排为例，本地AI大模型通过长期学习用户行为，并利用本地存储的信息，可以给出更贴合用户生活习惯、更准确的建议。相较之下，如果云端模型需要访问用户本地存储的文件、浏览记录等信息再给出个性化的建议，用户通常较难接受。
边缘侧已具备运行AI的实践基础，未来将支持多样化的生成式AI模型。在生成式AI出现之前，AI处理已在终端侧获得应用，越来越多的AI推理工作负载在手机、PC等边缘终端上运行。自2017年华为麒麟 970 首度在手机 SoC中引入了 NPU（用于拍摄和图像识别）之后，高通与联发科也先后在2018年的骁龙855和2019年的天玑1000中集成了NPU/APU模块；目前NPU已逐渐成为手机SoC中常备集成的模块，且用途从最初的协同ISP进行图像处理发展为目前端侧模型的主要支撑者，重要性与日俱增。在2024年发布的骁龙8e和天玑9400上，分别集成了“Hexagon V79 Sensing Hub DSP”和MediaTek NPU 890用于AI处理，NPU模块占SoC投影面积比例显著提升。除此之外，OPPO还曾在2021年12月举办的OPPO INNO DAY上发布了首款外挂式NPU MariSilicon X(采用TSMC 6nm制程)，尽管只是用于图像处理，但仍让我们看到了未来NPU在端侧独立部署的另一种可能。
终端设备有望在AI的催化下迎来新一轮创新周期。生成式AI正在驱动新一轮内容生成、搜索和生产力相关用例的发展，覆盖包括智能手机、PC、汽车、XR以及物联网等终端品类，提供全新的增强用户体验。以PC为例，AI大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美契合PC作为生产力工具的定位。此外，在以终端为中心的混合AI架构中，多数任务能够在PC本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，全球科技巨头正加速投入。
风险提示：
1、未来中美贸易摩擦可能进一步加剧，存在美国政府将继续加征关税、设置进口限制条件或其他贸易壁垒风险；
2、AI上游基础设施投入了大量资金做研发和建设，端侧尚未有杀手级应用和刚性需求出现，存在AI应用不及预期风险；
3、宏观环境的不利因素将可能使得全球经济增速放缓，居民收入、购买力及消费意愿将受到影响，存在下游需求不及预期风险；
4、大宗商品价格仍未企稳，不排除继续上涨的可能，存在原材料成本提高的风险；
5、全球政治局势复杂，主要经济体争端激化，国际贸易环境不确定性增大，可能使得全球经济增速放缓，从而影响市场需求结构，存在国际政治经济形势风险。
2024年以来，国内外模型均加速迭代。其中海外各家大厂模型能力侧重有所不同，OpenAI通过GPT-5统一了O系列和数字系列模型，并聚焦幻觉率下降以适配用户落地需求；Anthropic的Claude围绕编程能力不断优化，Sonnet 4已支持百万token上下文；xAI基于20万GPU集群开发的Grok 4引入了多个智能体共同思考的模式，其RL投入的算力已超过Pre-Training算力；Google Gemini和Veo模型则分别对应Chrome和YouTube产品生态。国内由阿里主导开源生态，围绕“全尺寸”“全模态”“多场景”推出各种模型；初创厂商中DeepSeek及MiniMax亦入局争夺开源第一宝座，DeepSeek-R1、MiniMax-M2模型均以较低成本实现较高性能。
随着国内外模型进一步迭代，预计国内开源阵营头部模型能力与海外大厂闭源模型差距将进一步缩窄，并通过成本优化为AI应用打开空间。
国内厂商不断优化模型架构，竞相争夺开源第一
国内前沿模型与海外差距缩短，多方角逐开源阵营领先地位。横向对比各厂商大模型能力，尽管以OpenAI为代表的海外厂商持续引领技术优势，但国内前沿模型能力同样始终位列全球第一梯队，且较海外头部厂商的差距已由最初的6个月以上缩短到目前的约3个月。就厂商而言，阿里作为国内唯一践行全面开源战略的互联网大厂，持续引领国内开源模型风向；但也不乏DeepSeek、MiniMax等初创厂商在开源领域崭露头角。
加单不断，全球资本开支持续上行
当前国内外资本开支向上的趋势基本一致，但近期海外以OpenAI和Oracle主导的算力大单进一步加速了开支上行节奏。其中，OpenAI通过和AMD、英伟达、博通、CoreWeave等合作，向着2033年达到250GW数据中心的目标不断推进；Oracle则坚定向GPU云转型，以超过经营性现金流的投入体量加速部署AI数据中心。OpenAI多样化的算力融资方式，以及Oracle需要举债的资本开支投入方式，有望促进海外传统云和科技厂商，以及国内的大厂进一步上修资本开支预期。
国内B端AI商业化初显
国内B端企业AI商业化初显，Pre-AI环节需求旺盛，降本增效的垂直场景推进较快。当前国内AI应用正处于加速渗透阶段，政策层面，中央密集出台一系列政策文件，提出“适度超前建设数字基础设施”并 印发《关于深入实施“人工智能 ”行动的意见》，提出到2027年智能体渗透率达到70%。技术突破方面，国产大模型DeepSeek V3.1版本发布，编程能力提升以及更长上下文窗口支持有望推动智能体在更多复杂场景的落地，助力企业数字化、智能化建设，提升企业管理效率。
从当前2B企业已公告AI相关订单或收入的情况看，尽管订单或收入绝对值不高，但AI已经开始逐步体现商业化价值。
风险提示：
VIP复盘网
