Anthropic发布Claude Sonnet5，DSpark与 JetSpec共探投机解码效率新边界

推荐（维持）

分析师：任春阳

S1050521110006

rency@cfsc.com.cn

行业相对表现

表现

1M

3M

12M

计算机(申万)

-4.5

-5.4

-4.7

沪深300

0.5

9.0

21.6

市场表现


一计算机行业周报

资料来源：Wind，华鑫证券研究

1、《计算机行业周报：火山引擎发布豆包2.1系列大模型，ClaudeTag开启人机协作新范式》2026-07-02

相关研究

2、《计算机行业点评报告：新思科技（SNPS）：Q2收入高于指引，AI芯片复杂度支撑EDA与仿真需求》 2026-06-30

3、《计算机行业点评报告： EverPure（P）：Q1收入与RPO高增，数据云与AI存储需求支撑指引上修》2026-06-30

投资要点

算力：算力租赁价格平稳，Anthropic发布Claude Sonnet 5

2026年7月1日，Anthropic正式发布Claude Sonnet5。该模型能够自主规划任务、调用浏览器和终端工具，相较于上一代模型 Sonnet4.6，该模型在推理、工具使用、编程和知识工作任务等方面性能显著提升，官方称其为迄今 Agent能力最强的 Sonnet模型。测评结果显示，该模型在多项基准测试中显著超越 Sonnet4.6，部分指标逼近甚至反超旗舰模型 Opus4.8。与此同时，该模型主打高性能、低成本路线，标准价格仅为旗舰模型 Opus4.8定价的六成。

AI 应用：Character.AI 周时长环比+9.94% DSpark与JetSpec共探投机解码效率新边界

近期，继DeepSeek推出其投机解码框架DSpark后，阶跃星辰也同期发布了名为JetSpec的技术方案。尽管两者都致力于解决大模型高频调用的问题，但其技术路径和侧重点存在显著差异：DSpark更侧重于在服务系统层面优化验证环节，减少无效计算，而JetSpec则从Draft生成入手，通过因果并行树，旨在单次验证步骤中接受更多有效Token。

AI融资动向：Together AI完成8亿美元C轮融资，投后估值达83亿美元

2026年7月2日，开源AI云平台TogetherAI宣布完成8亿美元C轮融资，投后估值达83亿美元，较上一轮翻倍。本轮融资由Aramco Ventures领投，NVIDIA、General Catalyst等多家机构参投，所得资金将主要用于拓展推理服务与扩充基础设施。该公司成立于2022年，核心产品为一套针对开源AI模型优化的训练与推理平台，技术上搭载自研的ATLAS引擎，推理速度最高可提升 400%。业务方面，公司第二季度年化订单额已突破11.5亿美元，客户群体Corsor、Cognition、Decagon等AI原生企业，公司预计未来五年内计

Cognition、Decagon等AI原生企业，公司预计未来五年内计算容量与基础设施规模将扩展约50倍。

投资建议

DeepSeekV4正式版计划于7月中旬上线，API定价将引入结构性调整，首次采用"峰谷定价"机制。新版本推出 deepseek-v4-pro与 deepseek-v4-flash 两款主力模型，按北京时间划


分平时段与高峰时段：工作日9:00-12:00及14:00-18:00为高峰时段，定价为平时段两倍；晚间、夜间及周末全天执行平时段价格。具体来看，v4-pro平时段百万tokens输入（缓存中/未命中）0.025元/3元、输出6元，高峰时段对应 0.05元/6元/12元；v4-flash平时段输入0.02元/1元、输出2元，高峰时段对应0.04元/2元/4元。公司表示V4将带来更多功能优化和性能提升，此次定价调整旨在更合理配置资源、提升服务稳定性。

此次 DeepSeek 推出峰谷定价，前提是推理调用量已具备显著规模且存在真实波峰，标志着国产大模型从技术验证走向规模化商用。国产算力已从可选配置转为稀缺资源，产业链核心逻辑从替代性价比切换为供需定价。进一步看，高峰时段的算力调度对集群互联效率提出刚性约束，低延迟、高带宽互联方案从性能优化项升级为产能释放瓶颈。在推理需求持续放量、Token消耗量快速增长的背景下，我们认为 CPO 作为高密度推理集群的核心互联路径，是 Token 经济学下的核心解。

中长期，建议关注专注于功率半导体及模拟芯片测试系统研发的联动科技（301369.SZ）、专注于半导体等高端制造业的罗博特科（300757.SZ）、新能源业务高增并供货科尔摩根等全球电机巨头的唯科科技（301196.SZ）、AI智能文字识别与商业大数据领域巨头的合合信息（688615.SH）、深耕工业AI与软件并长期服务高端装备等领域头部客户的能科科技 （603859.SH）。

风险提示

1) AI底层技术迭代速度不及预期。2）政策监管及版权风险。3）AI应用落地效果不及预期。4）推荐公司业绩不及预期风险。

重点关注公司及盈利预测

公司代码

名称

2026-07-06股价

EPS

PE

投资评级

2025

2026E

2027E

2025

2026E

2027E

300757.SZ

罗博特科

494.30

-0.30

0.30

0.60

-1647.67

1647.67

823.83

买入

301196.SZ

唯科科技

114.35

2.53

3.34

3.98

45.20

34.24

28.73

买入

301369.SZ

联动科技

224.18

0.48

1.08

2.62

467.04

207.57

85.56

买入

603859.SH

能科科技

48.50

0.92

1.21

1.50

52.72

40.08

32.33

买入

688615.SH

合合信息

105.50

3.24

4.22

5.25

32.56

25.00

20.10

买入

资料来源：Wind，华鑫证券研究


正文目录

1、算力动态：算力租赁价格平稳，ANTHROPIC 发布 CLAUDE SONNET 5 ... 4

1.1、Tokens 跟踪 ... 4

1.2、数据跟踪：阿里云发布 Qoder 企业版，支持企业知识库与 Credits 灵活分配 ... 6

1.3、产业动态：Anthropic 发布 Claude Sonnet 5 ... 7

2、AI 应用动态：CHARACTER.AI 周时长环比+9.94%，DSPARK 与 JETSPEC 共探投机解码效率新边界 ... 10

2.1、周流量跟踪：Character.AI 周时长环比+9.94% ... 10

2.2、产业动态：DSpark 面向服务级吞吐量精准控费，JetSpec 瞄准端到端解码延迟有效加速 ... 10

3、AI 融资动向：TOGETHER AI 完成 8 亿美元 C 轮融资，投后估值达 83 亿美元 ... 14

4、行情复盘 ... 16

5、投资建议 ... 18

6、风险提示 ... 19

图表目录

图表 1: TOKEN 规模 LEADERBOARD（TOKEN 消耗量为统计口径） ... 6

图表 2: 文本类模型市场份额占据示意图（REQUEST 调用量为统计口径） ... 6

图表 3: CLAUDE SONNET 5 基准测试结果横向对比图 ... 7

图表 4: 不同投入水平下性价比曲线示意图 ... 8 ...

图表 5: 不一致行为的发生率横向对比图 ... 8

图表 6: 软件漏洞利用程序开发成功率对比图 ... 9

图表 7: 2026.6.26-2026.7.2 AI 相关网站流量 ... 10

图表 8: 投机解码的理论公式 ... 11

图表 9: 在不同逐 TOKEN 草稿成本和接受率下，投机解码的期望加速比随着草稿长度变化而变化 ... 11

图表 10: DSPARK 的吞吐量与每用户生成速度（TPS）关系曲线 ... 12

图表 11: DFLASH 和 JETSPEC 在 AIME25 上不同草稿深度位置的逐位置接受率 ... 12

图表 12: 在 H100 GPU 上，跨数学、代码和对话基准测试中，相较于标准自回归解码的端到端解码加速比 ... 13

图表 13: 上周 AI 初创公司融资动态 ... 14

图表 14: 上周（2026.6.29-2026.7.3 日）指数日涨跌幅 ... 16

图表 15: 上周（2026.6.29-2026.7.3 日）AI 算力指数内部涨跌幅度排名 ... 16

图表 16: 上周（2026.6.29-2026.7.3 日）AI 应用指数内部涨跌幅度排名 ... 17

图表 17: FICONTEC2025 年年中至今公告订单 ... 18

图表 18: 重点关注公司及盈利预测 ... 19


1、算力动态：算力租赁价格平稳， Anthropic发布Claude Sonnet5

1.1、Tokens跟踪

根据 OpenRouter 公开数据，2026年6月29日至7月5日，周度 Token 消耗量保持平稳，消耗量为46.7T，环比上周无增减。在Tokens规模Leaderboard前五名中，DeepSeek的 DeepSeek V4以F5a34T tokens位居榜首；Xiaomi的MiMo-V2.5以4.38T tokens位列 M第Max的MiniMax M3以4.11T tokens位居第三；Tencent的Hy3 preview以3.13T tokens位居第四；Z.AI旗下的GLM5.2以2.58T tokens位居第五。

文本类模型的市场份额，Google以897M requests占据 28.2%的份额，位居第一； DeepSeek以652M requests占据 20.5%，位列第二；OpenAI、Qwen、Anthropic则分别以 516M、185M、167M requests，对应占据 16.2%、5.8%、5.2%的市场份额。

图像生成类模型调用量有所上升，调用量为5.47M requests，环比上周增加 3.01%。在 Image Leaderboard 中，Google的Nano Banana系列包揽榜单前四名，其中Nano Banana (Gemini 2.5 Flash Image)、Nano Banana 2 (Gemini 3.1 Flash Image Preview)分别以 2.03M、855K requests位居前二；Nano Banana 2（Gemini 3.1 Flash Image）、Nano Banana Pro（Gemini 3 Pro Image Preview）分别以659K、498K requests位列第三、第四；xAI旗下的Grok Imagine Image Quality以382K requests位列第五。从市场份额来看，Google以4.51M requests占据 82.6%的份额，位居第一；xAI以382K requests占据 7.0%，位列第二；OpenAI、Black Forest Labs、ByteDance Seed则分别以235K、149K、131K requests，对应占据 4.3%、2.7%、2.4%的市场份额。

嵌入模型调用量有所上升，调用量为212M requests，环比上周增加 7.61%。在 Embedding Leaderboard 前五名中，OpenAI的Text Embedding 3 Small以70.9M requests位居榜首；Qwen的Qwen3 Embedding 8B以54.9M requests位列第二；BAAI的bge-m3以 16.5M requests位列第三；OpenAI的Text Embedding 3 Large以11.8M requests位列第四；Google的Gemini Embedding 001以10.2M requests位列第五。从市场份额来看， OpenAI以85.3M requests占据 40.2%的份额，位居第一；Qwen以61.2M requests占据 28.8%，位列第二；Google、BAAI、Perplexity则分别以21.6M、19.3M、11.9M requests，对应占据 10.2%、9.1%、5.6%的市场份额。

重排序模型调用量有所下降，调用量为1.44M requests，环比上周减少 10%。在Rerank Leaderboard中，Cohere的Rerank v3.5以496K requests位列榜首；NVIDIA的Llama Nemotron Rerank VL1B V2以394K requests位列第二；Cohere的Rerank4 Fast以308K requests位居第三； Cohere的Rerank4 Pro以239K requests位居第四。从市场份额来看，Cohere以1.04M requests占据 72.6%的份额，位居第一；NVIDIA以394K requests占据 27.4%，位列第二。

视频生成类模型调用量大幅回落，调用量为129K requests，环比上周减少 24.12%。在 Video Leaderboard 前五名中，Google的Veo 3.1 Fast以41K requests位列第一；Google的Veo 3.1以23K requests位列第二；ByteDance的Seedance 2.0以18K requests位居第三；Google的Veo 3.1 Lite以15K requests位居第四；xAI的Grok Imagine Video以 8.83K requests位居第五。从市场份额来看，Google以79K requests占据 61.2%的份额，


位居第一；ByteDance以29Krequests占据 22.4% ，位列第二；xAI、KwaiVGI、Alibaba则分别以9K、7K、5Krequests，对应占据 6.8%、5.3%、3.8%的市场份额。

语音生成类模型调用量显著增长，调用量为920K requests，环比上周增加 31.81%。在 Speech Leaderboard 前五名中，Google的 Gemini 3.1 Flash TTS Preview 以 387K requests 位居第一；Hexgrad的Kokoro 82M以374K requests位列第二；xAI的Grok Voice TTS 1.0

以79K requests位列第三；Microsoft的MAI-Voice-2以69K requests位列第四；Canopy Labs的Orpheus3B以5.63K requests位列第五。从市场份额来看，Google以387K requests占据 42.1%的份额，位居第一；Hexgrad以374K requests占据 40.7%，位列第二；xAI、 Microsoft、Canopy Labs则分别以79K、69K、6K requests，对应占据 8.6%、7.5%、0.6%的市场份额。

语音转写类模型调用量有所回落，调用量为6.95M requests，环比上周减少 5.44%。在 Transcription Leaderboard 前五名中，OpenAI的 Whisper Large V3 以 3.73M requests 位居第一；OpenAI的 Whisper Large V3 Turbo以 975K requests 位列第二；OpenAI的 GPT-4o Mini Transcribe以 947K requests 位列第三；NVIDIA的 Parakeet TDT 0.6B v3以 794K requests 位列第四；Qwen的 Qwen3 ASR Flash以 189K requests 位列第五。从市场份额来看，OpenAI以 5.8M requests占据 83.4%的份额，位居第一；NVIDIA以 794K requests占据 11.4%，位列第二；Qwen、Mistral AI、Google则分别以 189K、73K、70K requests，对应占据 2.7%、1.0%、1.0%的市场份额。

• 统计口径说明：以上数据均来源于 OpenRouter。基于官方统计口径调整，当前 Rankings 采用 Token 与 Request 两套统计维度：其中，仅 Tokens 规模 Leaderboard 仍以模型 Token 消耗量为统计口径，其余类目榜单及市场份额板块则统一采用 Request 调用量为统计口径，两者统计维度不同，不宜直接对应或进行横向比较。

6月30日，英伟达宣布在Blackwell平台上完成全栈推理优化，对于DeepSeekV4模型，相较1个月前上线初期，单Token处理成本已最多降至1/5，创下行业最低水平。同时，英伟达已将单Token成本列为AI总拥有成本的核心考核指标。

7月1日，摩根大通在最新发布的《数据中心观察》报告中表示，尽管Token价格有所下降，但大模型实际调用量仍在加速扩张，Token支出已重新进入上行通道。同时，非超大规模云厂商市场的GPU租赁价格继续走高，DRAM现货价格也保持坚挺。报告认为，模型降价并非需求疲软的信号，反而通过降低使用门槛、拓展应用场景，正进一步推动推理端需求扩张。

7月2日，北京举办的“Token普惠：交付可见价值重塑AI效能”主题沙龙上，业内人士指出，当前Token市场存在计费不透明、计量标准混乱、价值匹配脱节三大核心痛点，呼吁建立全行业统一的Token计量基准，参照移动流量体系制定标准化核算规则，保障不同主体的Token计量具备可比性。

截至7月3日，硅谷数据LLM Token支出指数已从5月份的高点下跌近 20%。该指数于去年12月创立，此后经历近乎翻倍的增长，主要用于追踪AI Token付费情况。该指标的回落表明，AI行业定价权正在承压，市场或将重新审视巨额资本开支的实际投资回报率。


图表1：Tokens规模Leaderboard（Token消耗量为统计口径）


资料来源：OpenRouter，华鑫证券研究

图表2：文本类模型市场份额占据示意图（Request调用量为统计口径）


资料来源：OpenRouter，华鑫证券研究

1.2、数据跟踪：阿里云发布Qoder企业版，支持企业知识库与Credits灵活分配

2026年7月3日，阿里云正式发布Qoder企业版，并围绕企业知识库与灵活计费两大核心进行了升级。

在企业知识库方面，企业版为开发者提供个人云端知识库QMind，支持跨产品、跨设备、跨人员的知识共享。QMind集成了RepoWiki、本地文件、URL等多种数据源，可将分散资料整合为个人或团队的可复用资产。其中，RepoWiki可处理十万级文件代码库（如企业沉淀近十年的超大代码库），从模块功能、核心业务逻辑等维度快速建立代码理解。在此基础上，开发者在Qoder Desktop中进行跨库开发时，可直接调用其他仓库的代码语义和文档上下文，大幅提升开发效率。当前，QMind已上架官方Skill市场，企业版用户可通过对话调用Skill，对知识库进行增删改查。

在安全能力方面，企业版覆盖传输加密、身份认证与访问控制、AI运行时、数据存储、审计合规五个安全领域，并通过ISO/IEC27001:2022认证。同时，针对AI Agent的安全风险，Qoder具备执行从命令拦截、语义分析、AI风险判定到沙箱隔离逐层防护的能力，能够有效应对提示词注入、代码注入等攻击。


在计费模式方面，Qoder企业版推出资源池化的Credits付费模式。企业以共享资源包方式持有Credits，管理员可按需为成员或计费组动态分配额度，也可按群组或代码库配置可用模型范围，为不同敏感度的代码库匹配不同模型，实现精细化管理。

目前，Qoder全系产品在全球拥有超500万用户，服务对象包括中国一汽、中信证券、亚信科技等企业。

1.3、产业动态：Anthropic发布Claude Sonnet5

2026年7月1日，Anthropic正式发布Claude Sonnet5。该模型能够自主规划任务、调用浏览器和终端工具，相较于上一代模型Sonnet4.6，该模型在推理、工具使用、编程和知识工作任务等方面性能显著提升，官方称其为迄今Agent能力最强的Sonnet模型。

测评结果显示，新模型在多项基准测试中显著超越 Sonnet 4.6，部分指标逼近甚至反超旗舰模型 Opus 4.8：

智能体编程方面，该模型在 SWE-bench Pro 基准上获得 63.2%的评分，超过前代模型 58.1%的评分，同时高于 GPT-5.5的 58.6%以及 Gemini 3.5的 F5ash%，低于 Opus 4.8的 69.2%。与此同时，在 Terminal-Bench 2.1 基准上，该模型获得评分，远高于前代模型 67.0%的评分，略低于 Opus 4.8的 82.7%；

跨学科推理方面，该模型带工具在 Humanity's Last Exam测试上获得 57.4%的评分，同一测试下评分同时超过GPT-5.5的 52.2%和 Gemini 3.1 Pro的 51.4%，并且与 Opus 4.8的 57.9%仅剩0.5个百分点的差距；

电脑操控能力方面，该模型在OSWorld-Verified基准上得分 81.2% ，评分超过GPT-5.5 （78.7%）并且直追Opus4.8（83.4%）；

知识工作任务方面，该模型在 GDPval-AA v2 基准上拿到了1618的评分，超过了Opus 4.8的1615。

图表3：Claude Sonnet5基准测试结果横向对比图

Sonnet 5

Sonnet 4.6

Opus 4.8For reference

Agentic codingSWE-bench Pro

63.2%

58.1%

69.2%

Agentic codingTerminal-Bench 2.1

80.4%

67.0%

82.7%

Multidisciplinary reasoningHumanity's Last Exam

43.2%no tools57.4%with tools

34.6%no tools46.8%with tools

49.8%no tools57.9%with tools

Computer useOSWorld-Verified

81.2%

78.5%

83.4%

Knowledge workGDPval-AA v2

1618

1395

1615

资料来源：智东西，华鑫证券研究


此外，在不同工作量水平下，Sonnet5相较Sonnet4.6均实现了显著的性能提升。同时，与旗舰级的Opus4.8相比，Sonnet5覆盖了更广泛的性价比区间：在中等工作量场景下，其成本效益更为突出；在特定条件下，高工作量下的性能表现可逼近Opus4.8。

图表4：不同投入水平下性价比曲线示意图


资料来源：智东西，华鑫证券研究

在安全能力方面，Sonnet 5在防御恶意请求和即时注入攻击方面表现突出。数据显示，该模型提示注入攻击成功率仅为 0.19%，与Opus4.8持平，显著优于GPT-5.5的 3.08%和 Gemini 3.5 Flash的 6.66%；在浏览器注入防御上，该模型的攻击成功率低至 0.93%，而 Mythos 5和Opus4.8则分别为 29.7%和 31.5%。

与 Sonnet 4.6相比，新模型表现出更低的幻觉和奉承行为发生Anthropic的自动化行为审查中（该审计测试各类不协调行为，如滥用和欺骗等），Sonnet 5的总体得分更低，即更安全。但与此同时，与Opus4.8和Mythos Preview相比，Sonnet5在该评估中的不协调行为发生率略高。

图表5：不一致行为的发生率横向对比图



资料来源：智东西，华鑫证券研究

不仅如此，在测试潜在危险技能（如开发软件漏洞利用程序）的评估中，Sonnet 5的表现远逊于Opus4.8和Mythos5等模型。在未进行过针对性网络安全任务执行训练的情况下，该模型仅能够执行一些常规的、无害的网络安全任务。

图表6：软件漏洞利用程序开发成功率对比图


资料来源：智东西，华鑫证券研究

定价方面，Sonnet5主打高性能、低成本的性价比路线。从发布之日起至2026年8月 31日，Claude Platform上提供首发优惠价：每百万输入token2美元（约合人民币13.6元），每百万输出token10美元（约合人民币67.9元）。优惠期结束后，价格将调整为每百万输入token3美元（约合人民币20.4元），每百万输出token15美元（约合人民币 101.8元），仅为Opus4.8标准定价的 60%。

当前，Sonnet 5已成为所有 Free和Pro用户的默认模型，Max版、团队版和企业版用户也可使用，同时，模型已上线Claude Code和Claude Platform，开发者可通过API调用。


2、AI应用动态：Character.AI周时长环比 +9.94%，DSpark与JetSpec共探投机解码效率新边界

2.1、周流量跟踪：Character. AI 周时长环比+9.94%

本期（2026.6.26-2026.7.2）AI相关网站流量数据：访问量前三位分别为ChatGPT （1226.0M）、Bing（833.4M）和 Gemini（625.4M），访问量环比增速第一为 Discord （3.82%）；平均停留时长前三位分别为 Character.AI（00:15:40）、Discord（00:11:13）和 Kimi（00:08:00）；平均停留时长环比增速第一为 Character.AI（9.94%）。

图表7：2026.6.26-2026.7.2AI相关网站流量

应用

应用类型

归属公司

周平均访问量(M)

访问量环比

平均停留时长

时长环比

ChatGPT

聊天机器人

OpenAI

1226.0

-2.85%

6:15

3.02%

Bing

搜索

微软

833.4

0.97%

7:15

-0.91%

Gemini

聊天机器人

谷歌

625.4

-8.77%

7:06

1.43%

Canva

在线设计

Canva

184.6

-12.68%

5:55

1.43%

Discord

游戏社区

微软

149.6

3.82%

11:13

0.30%

Github

代码托管

微软

139

-4.20%

6:21

-0.78%

Character.AI

聊天机器人

Character.AI

38.75

-2.74%

15:40

9.94%

Deepl

翻译工具

DeepL

24.45

-6.00%

2:27

-0.68%

Perplexity

AI搜索

Perplexity

24.11

-16.23%

4:24

0.76%

Kimi

聊天机器人

Moonshot AI

8.80

-4.07%

8:00

-4.76%

QuillBot

释义工具

QuillBot

7.373

-11.59%

2:52

-1.71%

NotionAI

文本/笔记

Notion

3.585

-38.55%

6:07

-19.52%

文心一言

聊天机器人

百度

0.38

-25.59%

2:51

-5.52%

资料来源：similarweb，华鑫证券研究

2.2、产业动态：DSpark面向服务级吞吐量精准控费， JetSpec瞄准端到端解码延迟有效加速

近期，继 DeepSeek 推出其投机解码框架 DSpark 后，阶跃星辰也同期发布了名为 JetSpec 的技术方案。尽管两者都致力于解决大模型高频调用的问题，但其技术路径和侧重点存在显著差异：DSpark 更侧重于在服务系统层面优化验证环节，减少无效计算，而 JetSpec 则从 Draft 生成入手，通过因果并行树，旨在单次验证步骤中接受更多有效 Token。


投机解码的核心理念在于利用轻量级草稿模型生成候选 token，再由目标大模型进行一次性并行验证，以此减少自回归生成所需的串行步骤。然而，草稿预算的增加并不必然带来速度的提升，真正的关键在于“接受率”。在低草稿生成成本的场景下，保持较高的逐 token接受率尤为重要。理论公式表明，在低草稿成本但中等逐 token接受率的情况下（例如当 c=0.05%， $ \alpha \leqslant 0. 8 $），最大理论加速比仍然低于5倍。

图表8：投机解码的理论公式

资料来源：机器之心，华鑫证券研究

图表9：在不同逐token草稿成本和接受率下，投机解码的期望加速比随着草稿长度变化而变化


资料来源：机器之心，华鑫证券研究

当前投机解码面临着一个因果一致性与并行效率的两难困境。传统的自回归草稿方法，如EAGLE系列，虽能保证良好的因果一致性和高质量的候选令牌，但其串行生成步骤限制了扩展性，成本随树深度增长。反之，以DFlash为代表的块并行草稿方法，虽通过一次前向传播预测多个未来位置大幅降低了草稿成本，却因缺乏分支级的因果约束，导致生成的token“局部合理、整体冲突”，接受率迅速被稀释，浪费了计算预算。DSpark与JetSpec正是针对这一困境的两类互补性解法。

DSpark面向的是高并发、吞吐量导向的生产服务场景。其策略是在保持并行草稿主干低成本优势的同时，引入轻量级的串行头和置信度估计。具体而言，对于每个草稿位置，DSpark会生成基础logits（ $ z_{i}^{(0)} $ ）与对应的隐藏状态，并通过置信度头评估前缀相关性，随后仅将满足置信度阈值的最长前缀送入目标模型验证。这使得DSpark适用于预算感知的服务场景，提升整体吞吐量。在高并发场景下，DSpark相比MTP-1基线，在吞吐量与每用户生成速度的权衡曲线上实现了明显改善，在Flash模型上展现出 60%至 85%的速度提升空间，在Pro模型上亦达到 57%至 78%。


图表10：DSpark的吞吐量与每用户生成速度（TPS）关系曲线



资料来源：机器之心，华鑫证券研究

与 DSpark 不同，JetSpec 则集中在低并发、延迟导向的场景。在此类情境下，系统通常拥有更多的 FLOPs 预算，因此核心问题转变为如何把更高的计算预算转化为每次草稿一验证步骤中更多被接受的 token。JetSpec 的答案是通过设计因果并行草稿头，生成路径条件化的草稿树。这一设计让更深层的节点生成能够依赖同一分支上更早生成的 token。其效果是显著的：在 AIME25 上，JetSpec 在草稿深度1处的逐位置接受率几乎达到完美水平（约 99%），即便到深度8处，生存概率仍维持在约 50%。凭借此优势，JetSpec 在 Qwen3-8B 模型上实现了端到端解码最高达9.64倍的加速。在 MATH-500任务上，其单次验证平均可接受高达10.76个 token，在 HumanEval、LiveCodeBench 及 MT-Bench 等代码与对话任务上，也分别实现了7.12倍、7.67倍和4.58倍的显著加速。通过拟合，其有效逐 token 接受率约为 93%，显著高于 DFlash。

图表11：DFlash和JetSpec在AIME25上不同草稿深度位置的逐位置接受率


资料来源：机器之心，华鑫证券研究


图表12：在H100 GPU上，跨数学、代码和对话基准测试中，相较于标准自回归解码的端到端解码加速比


资料来源：机器之心，华鑫证券研究


3、AI融资动向：Together AI完成8亿美元C轮融资，投后估值达83亿美元

2026年7月2日，开源AI云平台TogetherAI宣布完成8亿美元C轮融资，投后估值达83亿美元，较2025年2月的上一轮融资相比，投后估值再度翻倍。本轮融资由 Aramco Ventures领投，Vista Equity Partners、General Catalyst、Emergence Capital、NVIDIA、March Capital等多家机构共同参投。此轮融资所得资金将主要用于拓展推理服务能力、大规模扩充基础设施容量，持续深化市场定位。

该公司成立于2022年，以AI原生云为自身定位，致力于大幅降低闭源模型成本，其核心产品为一套针对开源AI模型优化的云平台，用于支持企业在DeepSeek、MiniMax、Kimi等主流开源模型的训练与推理。具体来说，公司对外提供Serverless推理、专属基础设施推理、批量推理（Batch Inference）三种服务形态，其中，Serverless推理服务的环境性能约为同类最快方案的两倍，开发者无需自配置和网络设备，即可直接调用开源AI模型，与此同时，专属基础设施推理服务专注于提供更高可靠性保障与定制化选项，批量推理服务则以高性价比优势区别于另外两种服务。

技术方面，平台底层由NVIDIA芯片驱动，搭载自研ATLAS引擎。该引擎核心采用推测解码（Speculative Decoding）技术，通过轻量模型预生成草稿、主模型校验修正的方式提升推理速度，部分推理工作负载最高可提速 400%。与此同时，产品方案自身具备差异化优势，其ATLAS技术能够根据用户需求变化自动调整轻量模型配置，有效避免精度下降。

此外，在模型训练方面，其训练集群可接入数千张GPU，支持Kubernetes和Slurm两种管理工具，以分别满足易用性和高度定制化需求，同时内置自动故障检测修复功能，以降低因芯片异常导致训练流程中断或引入错误的风险。

业务方面，公司第二季度年化订单额已突破11.5亿美元，客户群体涵盖Cursor、Cognition、Decagon等AI原生企业。客户反馈显示，与闭源模型相比，在同等甚至更优性能下，成本节省幅度可达6倍至60倍：以Decagon为例，迁移至Together AI后推理成本降低六倍。麦肯锡数据显示，近四分之三企业计划加大开源AI使用。与此同时，公司预计未来五年计算容量扩展约50倍。

图表13：上周AI初创公司融资动态

应用

应用类型

领投方

融资轮

融资额

目前累计融资额

目前估值

Together AI

AI原生云

Aramco Ventures

C轮

8亿美元

超13.2亿美元

83亿美元


Tripo AI

AI3D大模型

未披露

A3轮

1.5亿美元

近4亿美元

未披露

Higharc

AI原生建筑科技

Insight Partners

C轮

9500万美元

1.74亿美元

未披露

资料来源：wind，Saasverse，华鑫证券研究


4、行情复盘

上周（2026.6.29-2026.7.3日），AI应用指数/AI算力指数/万得全A/中证红利日涨幅最大值分别为 2.97%/5.02%/1.69%/1.71%，AI应用指数/AI算力指数/万得全A/中证红利日跌幅最大值分别为-1.58%/-4.1%/-2.81%/-1.92%。AI算力指数内部，紫光股份以 18.19%录得上周最大涨幅，天孚通信以-21.35%录得上周最大跌幅。AI应用指数内部，格灵深瞳以 18.96%录得上周最大涨幅，美迪凯以-18.27%录得上周最大跌幅。

图表14：上周（2026.6.29-2026.7.3日）指数日涨跌幅


资料来源：wind，华鑫证券研究

图表15：上周（2026.6.29-2026.7.3日）AI算力指数内部涨跌幅度排名


资料来源：wind，华鑫证券研究


图表16：上周（2026.6.29-2026.7.3日）AI应用指数内部涨跌幅度排名


资料来源：wind，华鑫证券研究


5、投资建议

DeepSeekV4正式版计划于7月中旬上线，API定价将引入结构性调整，首次采用"峰谷定价"机制。新版本推出 deepseek-v4-pro与 deepseek-v4-flash 两款主力模型，按北京时间划分平时段与高峰时段：工作日9:00-12:00及14:00-18:00为高峰时段，定价为平时段两倍；晚间、夜间及周末全天执行平时段价格。具体来看，v4-pro平时段百万 tokens输入 （缓存命中/未命中）0.025元/3元、输出6元，高峰时段对应0.05元/6元/12元；v4-flash平时段输入0.02元/1元2元输出高峰时段对应0.04元/2元/4元。公司表示V4将带来更多功能优化和性能提升，此次定价调整旨在更合理配置资源、提升服务稳定性。

此次 DeepSeek 推出峰谷定价，前提是推理调用量已具备显著规模且存在真实波峰，标志着国产大模型从技术验证走向规模化商用。国产算力已从可选配置转为稀缺资源，产业链核心逻辑从替代性价比切换为供需定价。进一步看，高峰时段的算力调度对集群互联效率提出刚性约束，低延迟、高带宽互联方案从性能优化项升级为产能释放瓶颈。在推理需求持续放量、Token消耗量快速增长的背景下，我们认为 CPO作为高密度推理集群的核心互联路径，是Token经济学下的核心解。

中长期，建议关注专注于功率半导体及模拟芯片测试系统研发的联动科技 （301369.SZ）、专注于半导体等高端制造业的罗博特科（300757.SZ）、新能源业务高增并供货科尔摩根等全球电机巨头的唯科科技（301196.SZ）、AI智能文字识别与商业大数据领域巨头的合合信息（688615.SH）、深耕工业AI与软件并长期服务高端装备等领域头部客户的能科科技（603859.SH）。

图表17：ficonTEC2025年年中至今公告订单

签约日期

客户/描述

业务类型

金额

折合人民币

2025/6/20

美国某头部公司A及其子公司

光电子封测设备

约1,710万欧元

约1.36亿元

2025/7/11

美国某头部公司B及其子公司

光电子封测设备

约1,418万美元

约0.98亿元

2025/9/3

瑞士某头部公司C的子公司

全自动硅光子封装整线设备或服务

约946.50万欧元

约0.75亿元

2025/10/21

武汉驿路通科技股份有限公司

光纤预制及组装线相关自动化设备

约900万美元

约0.62亿元

2026/1/6

瑞士某头部公司C的子公司

第二条全自动OCS(光交换机)封装整线设备及服务

约770.00万欧元

约0.61亿元

2025/9/24-2026/1/26

以色列的纳斯达克上市的头部公司E

单面晶圆测试设备及服务

约921.60万美元

约0.64亿元

2026/3/13

暂未披露

双面晶圆测试设备及服务

约608.09万欧元

约0.48亿元


2026/3/19-2026/3/25

纳斯达克上市的公司F及其子公司

耦合设备及服务(可用于可插拔硅光高速光模块封装程核心环节的量产)

约6亿元人民币

约6亿元

2026/4/1

纳斯达克上市的公司F

耦合设备及服务(可用于可插拔硅光高速光模块封装程核心环节的量产)

约3,570万美元

约2.46亿元

2026/4/8-2026/5/1

纽约证券交易所上市的公司B的子公司

耦合设备及相关服务

约2680万美元

约1.83亿元

2026/4/8-2026/5/1

纳斯达克上市的公司F

视觉检测设备、高精度激光bar条封装设备及相关服务

约3226万美元

约2.20亿

总金额

约17.93亿元

资料来源：Wind，公司公告，华鑫证券研究

图表18：重点关注公司及盈利预测

公司代码

名称

2026-07-06

EPS

PE

投资评级

股价

2025

2026E

2027E

2025

2026E

2027E

300757.SZ

罗博特科

494.30

-0.30

0.30

0.60

-1647.67

1647.67

823.83

买入

301196.SZ

唯科科技

114.35

2.53

3.34

3.98

45.20

34.24

28.73

买入

301369.SZ

联动科技

224.18

0.48

1.08

2.62

467.04

207.57

85.56

买入

603859.SH

能科科技

48.50

0.92

1.21

1.50

52.72

40.08

32.33

买入

688615.SH

合合信息

105.50

3.24

4.22

5.25

32.56

25.00

20.10

买入

资料来源：Wind，华鑫证券研究

6、风险提示

1) AI底层技术迭代速度不及预期。2）政策监管及版权风险。3）AI应用落地效果不及预期。4）推荐公司业绩不及预期风险。


中小盘&北交所组介绍

任春阳：华东师范大学经济学硕士，6年证券行业经验，2021年11月加盟华鑫证券研究所，从事计算机与中小盘行业上市公司研究

周文龙：澳大利亚莫纳什大学金融硕士

何春玉：金融学士、理学硕士，2023年8月加盟华鑫证券研究所。

证券分析师承诺

本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度，独立、客观地出具本报告。本报告清晰准确地反映了本人的研究观点。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。

证券投资评级说明

股票投资评级说明：

投资建议

预测个股相对同期证券市场代表性指数涨幅

1

买入

>20%

2

增持

10%-20%

3

中性

-10%-10%

4

卖出

<-10%

行业投资评级说明：

投资建议

行业指数相对同期证券市场代表性指数涨幅

1

推荐

>10%

2

中性

-10%-10%

3

回避

<-10%

以报告日后的12个月内，预测个股或行业指数相对于相关证券市场主要指数的涨跌幅为标准。

相关证券市场代表性指数说明：A股市场以沪深300指数为基准；新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以恒生指数为基准；美国市场以道琼斯指数为基准。


免责条款

华鑫证券有限责任公司（以下简称“华鑫证券”）具有中国证监会核准的证券投资咨询业务资格。本报告由华鑫证券制作，仅供华鑫证券的客户使用。本公司不会因接收人收到本报告而视其为客户。

本报告中的信息均来源于公开资料，华鑫证券研究部门及相关研究人员力求准确可靠，但对这些信息的准确性及完整性不作任何保证。我们已力求报告内容客观、公正，但报告中的信息与所表达的观点不构成所述证券买卖的出价或询价的依据，该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。投资者应当对本报告中的信息和意见进行独立评估，并应同时结合各自的投资目的、财务状况和特定需求，必要时就财务、法律、商业、税收等方面咨询专业顾问的意见。对依据或者使用本报告所造成的一切后果，华鑫证券及/或其关联人员均不承担任何法律责任。本公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或者金融产品等服务。本公司在知晓范围内依法合规地履行披露。

本报告中的资料、意见、预测均只反映报告初次发布时的判断，可能会随时调整。该等意见、评估及预测无需通知即可随时更改。在不同时期，华鑫证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。华鑫证券没有将此意见及建议向报告所有接收者进行更新的义务。

本报告版权仅为华鑫证券所有，未经华鑫证券书面授权，任何机构和个人不得以任何形式刊载、翻版、复制、发布、转发或引用本报告的任何部分。若华鑫证券以外的机构向其客户发放本报告，则由该机构独自为此发送行为负责，华鑫证券对此等行为不承担任何责任。本报告同时不构成华鑫证券向发送本报告的机构之客户提供的投资建议。如未经华鑫证券授权，私自转载或者转发本报告，所引起的一切后果及法律责任由私自转载或转发者承担。华鑫证券将保留随时追究其法律责任的权利。请投资者慎重使用未经授权刊载或者转发的华鑫证券研究报告。