国金证券_计算机行业周报：国内算力斜率陡峭_2026-01-11.pdf

国金证券2026-01-11查看原文

摘要

1国金证券维持计算机行业“买入”评级。

2报告指出国内算力需求斜率陡峭，AI入口之争白热化，推理需求激增解锁10倍算力潜力。

3国产GPU从可用向好用升级，CSP加速适配，预计2020-2028年中国智能算力CAGR达57%。

4重点推荐寒武纪、海光信息、中际旭创等算力产业链标的，看好GPU、服务器、IDC电源等环节供需双高带来的投资机会。

文本

![](page=0,bbox=[73, 31, 213, 55])

![](page=0,bbox=[94, 67, 196, 140])

计算机行业研究

买入（维持评级）

行业周报

证券研究报告

计算机组

分析师：刘高畅（执业 S1130525120005）

分析师：陈芷婧（执业S1130525120008）

联系人：孙恺祈

liugaochang@gjzq.com.cn

chenzhijing@gjzq.com.cn

sunkaiqi@gjzq.com.cn

国内算力斜率陡峭

本周观点

AI入口之争，大厂投资力度再增强。

1) 中国AI全球存在感大幅提升，国内大模型迭代不断。据AA，尽管GPT-5.2与Gemini3Pro仍占据塔尖，但中国国产模型已有效改变了北美单极主导的竞争格局。在全球Top10阵营中，GLM-4.7、DeepSeekV3.2、KimiK2Thinking已占据3席；若将观测范围扩大至Top15，中国企业席位达6个，2025年中国开源AI模型调用量约占全球市场的 70+%。2)推理需求激增：o1类推理模型的出现，使推理阶段的计算量（Inference-time Compute）相对传统模型解锁了约10倍的潜力，算力需求已从单一的“训练驱动”转向“训练+推理双轮驱动”。3）流量入口重塑：入口不再仅限于手机，而是演变为“OS级智能体”与“超级APP“层面较量。2025年12月24日，字节跳动旗下AI应用豆包宣布日均活跃用户数（DAU）突破1亿；千问App近期持续扩大投流，截止12月10日（公测23天）月活已突破3000万，下成全球增长最快AI应用。豆包绕开传统接口，用“看屏幕+代操作”的方式在现有生态之上再搭一层“AI操作系统”，AIOS直接触碰微信、支付宝等超级App的商业命门，传统App时代的游戏规则面临挑战，微信、淘宝等超级App陆续封禁豆包手机权限。在此背景下，我们认为入口之争的背后是流量之争，直接指向大型互联网企业广告及电商业务的基本盘，2026年各家在模型、AI应用产品上的算力投入将进入白热化的锦标赛阶段。

国产卡持续突破，2026年爆发之时。

1) 智算中心持续扩容，国产替代加速：2020-2028年中国智能算力规模预计保持 57%复合增长率。2）国产通用 GPU从“可用”向“好用”升级：国产算力芯片在工艺与架构上持续突破，在处理大模型长文本、复杂算子融合等方面的表现已显著缩小与国际巨头的差距，以中芯国际为代表的本土晶圆厂产能/利用率持续高位运行，为国产AI芯片的产能提供了坚实保障。3）CSP厂商加速适配，助力国产芯片生态建设：腾讯云宣布全面适配主流国产芯片，百度、阿里等企业加速适配国产芯片，推动“芯片-模型-应用”闭环形成。

供需双高，国内算力斜率陡峭。

1) 需求侧： $ \textcircled{1} $下游推理需求伴随AI手机等终端AI进入落地放量临界点确定性增强； $ \textcircled{2} $大模型Scaling Law仍然有效，模型迭代持续加速提升训练需求的确定性。2）供给侧： $ \textcircled{1} $国产GPU性能持续提升； $ \textcircled{2} $国内CSP厂商加速适配国产GPU。上述背景下，GPU、服务器、柴发、电源、IDC、云6大产业环节供需两高，其中，AI服务器整合GPU、存储等直接影响模型效果的硬件基础；AIDC承载算力与数据；AIDC电源是AIDC的主要供电系统；柴油发电机是AIDC不可或缺的备用电力来源；大模型公有云本质上是算力的共享化与弹性化。

投资建议

风险提示

行业竞争加剧的风险；技术研发进度不及预期的风险；特定行业下游资本开支周期性波动的风险。

![](page=1,bbox=[52, 27, 191, 52])

![](page=1,bbox=[217, 5, 299, 63])

内容目录

一、AI入口之争，大厂投资力度再增强 ... 4

二、国产卡持续突破，2026年爆发之时 ... 11

三、供需双高，国内算力斜率陡峭 ... 13

四、相关标的 ... 17

风险提示 ... 17

图表目录

图表 1: 中国 AI 在全球顶级模型排名中位居中段 ... 4

图表 2: 北美 AI 玩家持续引领; 中国 AI 玩家加速追赶; 欧洲创企表现不俗 ... 4

图表 3: 中国开源 AI 模型调用量约占全球市场的 70+%, DS 一家约占 40+% ... 5

图表 4: Hugging Face 上主要开源权重 LLMs 的累积下载量 ... 6

图表 5: ChatBot Arena 中得分最高的开源权重模型,截止 12 月 4 日 ... 6

图表 6: 三大 Scaling 定律 ... 7

图表 7: Interleaved Thinking 推理范式 ... 7

图表 8: Hopper (H100)与 Blackwell(B200/GB300) 对比 ... 8

图表 9: 推理相对非推理解锁了 10X Token 消耗 ... 9

图表 10: Groq 的芯片专为推理设计 ... 10

图表 11: 微信淘宝等超级 APP 封禁豆包手机 ... 10

图表 12: 豆包手机扩充 VIVO、联想、传音等合作商 ... 10

图表 13: 终端 AI 有望依托 AI 手机生态持续繁荣 ... 11

图表 14: 2020-2028 年中国智能算力规模及预测 ... 11

图表 15: 2024 年中国 AI 加速芯片市场竞争格局 ... 11

图表 16: 国产通用 GPU 从“可用”向“好用”升级 ... 12

图表 17: 中芯国际产能/利用率持续提升 ... 12

图表 18: 腾讯云宣布全面适配主流国产芯片 ... 13

图表 19: 供需两高,国产算力斜率陡峭 ... 14

图表 20: 预计未来推理型服务器将逐渐成为市场主流 ... 14

图表 21: 2024 年我国 x86 服务器市场 CR6 ... 14

图表 22: AIDC 电源是专为人工智能数据中心设计的供电系统 ... 15

图表 23: AIDC 电源主要玩家一览 ... 15

图表 24: 柴油发电机组在数据中心作为备用电源使用 ... 15

图表 25: 2024 年国产 IDC 柴发机组份额约为 30% ... 15

![](page=2,bbox=[52, 28, 191, 51])

![](page=2,bbox=[217, 5, 299, 63])

图表 26: 不同主体的 AIDC 的功能定位与布局诉求存在差异 ... 16

图表 27: 我国公有云大模型调用量快速增长 ... 16

图表 28: 2025 上半年我国大模型公有云服务市场格局 ... 17

![](page=3,bbox=[50, 5, 300, 62])

一、AI入口之争，大厂投资力度再增强

模型迭代持续精彩：中国AI全球存在感大幅提升，国内大模型迭代不断。

中国AI在全球顶级模型排名中位居中端。据AA，尽管GPT-5.2与Gemini3Pro仍占据塔尖，但中国国产模型已有效改变了北美单极主导的竞争格局。在全球Top10阵营中， GLM-4.7、DeepSeekV3.2、KimiK2 Thinking已占据3席；若将观测范围扩大至Top 15，中国企业席位达6个。

图表1：中国AI在全球顶级模型排名中位居中段

![](page=3,bbox=[64, 238, 941, 454])

来源：Artificial Analysis官网，国金证券研究所（注： $ \textcircled{1} $数据及信息截至2026年1月9日；红框内为中国公司； $ \textcircled{2} $ Intelligence Index综合考虑了MMLU-Pro， GPQA Diamond，Humanity's Last Exam，LiveCodeBench，SciCode，AIME2025，IFBench，AA-LCR，Terminal-Bench Hard， $ \tau^{2} $ -Bench Telecom十类测评基准。）

图表2：北美AI玩家持续引领；中国AI玩家加速追赶；欧洲创企表现不俗

![](page=3,bbox=[73, 559, 906, 802])

来源：Artificial Analysis 官网，国金证券研究所（注： $ \textcircled{1} $数据及信息截至2026年1月9日；红框内为中国公司； $ \textcircled{2} $ Intelligence Index综合考虑了MMLU-Pro GPQA Diamond, Humanity's Last Exam, LiveCodeBench, SciCode, AIME 2025, IFBench, AA-LCR, Terminal-Bench Hard, $ \tau^{2} $ -Bench Telecom十类测评基准。）

2025年中国开源AI模型调用量约占全球市场的 70+%。据《State of AI: An Empirical 100 Trillion Token Study with OpenRouter》，DeepSeek与Qwen分别以14.37万亿及 5.59万亿Token消耗量领跑开源市场，这一数据远超同口径下OpenAI（1.65万亿）与 Google（0.82万亿）的表现。去年8月份之后，国产开源模型厂商竞相繁荣，驱动中国

![](page=4,bbox=[52, 28, 192, 52])

![](page=4,bbox=[216, 6, 299, 63])

厂商整体份额稳中有进，合计占据了全球超过 70%的开源份额。

图表3：中国开源AI模型调用量约占全球市场的 70+%，DS一家约占 40+%

![](page=4,bbox=[62, 130, 939, 214])

The Decline of DeepSeek's Dominance: Fragmentation in the OSS Token Market

![](page=4,bbox=[75, 242, 929, 409])

来源：《State of AI: An Empirical 100 Trillion Token Study with OpenRouter》，国金证券研究所

DeepSeek V3.2系列模型提出多项创新：延续使用DSA稀疏注意力机制、加码后训练、大规模合成数据。

DSA全称DeepSeek Sparse Attention，旨在降低计算复杂度，同时在上下文场景中还能保持模型性能。举个例子，当你面前有一本超厚的书（假设页数上万页），现在需要从这本书里查询特定信息，要求只能一页一页地看，且需要记忆看过的内容，这就是传统AI模型处理长文本时的困境——计算量随文本长度呈平方级增长。而DSA的作用如同将这种“大海捞针”的方式转为“精准定位”，不是每页都要看，而是能够只关注与目标信息最相关的几页，大幅提升了模型记忆与理解效率

此外，DeepSeek意识到开源模型的后训练投入普遍不足，限制了模型任务表现，于是采用更激进的方式，将后训练算力预算调整到超过预训练成本的 10%。

DeepSeek这次用到了大规模智能体数据合成，根本原因在于缺乏足够多样化的真实训练环境，无法让智能体具备任务泛化能力。从测试评估结果看，使用合成数据使模型泛化能力提升显著。

12月16日斯坦福大学发布研究报告指出，在能力与采用率方面，中国的AI模型尤其是开放权重的大语言模型，已接近甚至部分领先于国际先进水平。

2025年9月，阿里巴巴的Qwen模型家族超越Llama，成为Hugging Face上下载量最多的LLM家族。2024年8月至2025年8月期间，中国开源模型开发者占Hugging Face所有下载量的 17.1%，略超过美国开发者，后者占下载量的 15.8%。自2025年1月起，基于阿里巴巴和DeepSeek发布的开源模型的上传衍生模型已超过基于美国和欧洲主要模型的衍生模型。并且在2025年9月，中国微调或衍生模型占Hugging Face上发布的所有新微调或衍生模型的 63%。

![](page=5,bbox=[51, 5, 299, 63])

图表4：Hugging Face 上主要开源权重 LLMs 的累积下载量

Figure 1: Cumulative downloads of major open-weight LLMs on Hugging Face (November 2023 - October 2025) Source: Hugging Face via the ATOM Project

![](page=5,bbox=[297, 153, 889, 347])

来源：斯坦福报告，国金证券研究所

中国的开放权重模型现在在主要基准和排行榜上表现接近顶尖水平，涵盖通用推理、编码和工具使用。在Chatbot Arena这个著名的用户比较和评分排行榜上，中国生产了顶尖的开放权重模型，而且其中最好的模型几乎与美国公司领先的闭源模型不相上下。

图表5：ChatBot Arena 中得分最高的开源权重模型，截止12月4日

Rank

Model

Lab

Country

Elo score*

Coding score

Vision score

AAII score†

MMLU-Pro score§

GLM-4.6

Z.ai

China

1442

1458

83.5

Kimi-K2-Thinking

Moonshot

China

1438

1450

84.8

GLM-4.5

Z.ai

China

1430

1448

83.5

Mistral Large 3

Mistral

France

1429

1450

Qwen3-VL-235B-A22B-Instruct

Alibaba

China

1427

1457

1246

82.8

DeepSeek-R1-0528

DeepSeek

China

1426

1436

84.9

DeepSeek-V3.2-Exp-Thinking

DeepSeek

China

1421

1438

85.1

LongCat-Flash-Chat

Meituan

China

1420

1460

82.7

Qwen3-235B-A22B-Instruct-2507

Alibaba

China

1418

1457

82.8

DeepSeek-V3.2-Exp

DeepSeek

China

1418

1431

83.6

DeepSeek-V3.1

DeepSeek

China

1418

1430

83.3

Qwen3-Next-80B-A3B-Instruct

Alibaba

China

1417

1456

82.4

DeepSeek-V3.1-Thinking

DeepSeek

China

1417

1437

85.1

Qwen3-235B-A22B-Thinking-2507

Alibaba

China

1416

1442

84.3

Qwen3-VL-235B-A22B-Thinking

Alibaba

China

1411

1432

1215

84.3

GLM-4.5-Air

Z.ai

China

1386

1410

81.5

Qwen3-30B-A3B-Instruct-2507

Alibaba

China

1382

1425

77.7

Kimi-K2-0905-Preview

Moonshot

China

1382

1403

82.4

Qwen-VL-Max-2025-08-13

Alibaba

China

1381

1440

1213

Kimi-K2-0711-Preview

Moonshot

China

1380

1402

82.4

DeepSeek-V3-0324

DeepSeek

China

1377

1391

81.9

DeepSeek-R1

DeepSeek

China

1373

1382

84.4

Qwen3-235B-A22B

Alibaba

China

1369

1394

82.8

gpt-oss-120b

OpenAI

1368

1398

80.8

Qwen3-Coder-480B-A35B-Instruct

Alibaba

China

1358

1406

78.8

来源：斯坦福报告，国金证券研究所

Scaling-law仍然有效：三大Scaling持续演绎，DS发布mHC提升训练稳定性。大模型三大Scaling定律：预训练（pre-training）/后训练（post-training）/推理深度思考（test-

![](page=6,bbox=[51, 6, 299, 63])

time long thinking）。算力与应用循环促进：算力 Scaling一>智能提升（Intelligence）一>应用的广泛采用（Adoption）一>经济效益（Profits）一>算力 Scaling。GPTo1之后，模型 Scaling law从单一的预训练（pre-training）向三大 Scaling转变。1）模型在回应用户之前产生很长的内部思考链，思考时间越长，答案的质量就越高；2）Multi-agent进一步提升模型性能，但其 Token消耗量往往达到对话聊天的数倍。

图表6：三大 Scaling定律

![](page=6,bbox=[295, 188, 923, 432])

来源：英伟达官网，国金证券研究所

训练层面，预训练重启，后训练加码。预训练方面，DeepSeek团队在论文中坦言，受训练算力约束，DeepSeek-V3.2的世界知识广度仍落后于领先闭源模型（如Gemini3Pro），后续将通过扩大预训练规模补齐能力上限。此外，V3.2往往需要更多token才能逼近Gemini 3.0-Pro等模型的输出质量，未来将聚焦提升推理链的“智能密度”，以更少token达到同等效果；后训练投入强度提升：DeepSeek认为开源模型后训练投入普遍不足并制约任务表现，因此将后训练算力预算上调至超过预训练成本的 10%。

推理方面，MiniMax M2、DeepSeek V3.2等国产大模型，把“思考→行动→观察→再思考”的动态循环模式（Interleaved Thinking）融入推理流程，正成为 Agent模型标配。我们认为，国内 Interleaved Thinking 范式渗透，能够显著提高 Agent的准确性和规划能力，2026年 Token消耗与推理需求有望加速爆发。

图表7：Interleaved Thinking推理范式

![](page=6,bbox=[323, 649, 900, 873])

来源：英伟达官网，国金证券研究所

我们认为模型的进步目前并未到瓶颈，2026年模型的进展会更值得期待：

1) 靠 Scaling law 提升模型能力的路径依旧有效。

![](page=7,bbox=[51, 6, 299, 64])

DeepSeek V3.2后训练规模扩展到预训练规模 10%，预计未来比例还会提高，而且 DeepSeek团队在论文表示由于训练算力有限，DeepSeek-V3.2的世界知识广度还是落后于 Gemini 3 pro这样的顶尖闭源模型，团队计划未来进一步扩大预训练规模。同时 DeepSeek大量使用合成数据有效说明不用担心数据会遇到瓶颈。

2) DeepSeek-V3.2提出的DSA机制展示出强大算法创新能力，不必担心大模型技术创新已经到达瓶颈。

3) 大模型训练的硬件基础正从英伟达的 Hopper 架构转向 Blackwell 架构，Blackwell 相比前代在单卡算力、显存带宽、显存容量、以及集群互联都大幅提升，这对大模型训练的意义一方面是加速和降低成本，另一方面是可以使用更大的 Batch Size（模型更新学习内容前一次性处理的训练样本数量），这对训练稳定性有帮助，更大的 Batch Size能够更准确地估计整个数据集的梯度，从而使学习过程更加稳定，而较小的批次则会产生噪声过大且特征过于明显的信号，这可能导致模型的学习路径出现不稳定的跳跃。

图表8：Hopper（H100）与Blackwell（B200/GB300）对比

特征

NVIDIA HOPPER(H100)

NVIDIA BLACKWELL(B200/GB300)

建筑概论

Hopper(H100 Tensor Core,2022)

Blackwell(B200/GB300 Tensor Core,2024/25)

每个GPU的SM数量

约80个SM(GH100)

每个芯片约80个SM(B200),2个芯片共封装(19)

晶体管(总数)

~80B(整体式)(20)

~208B(2×芯片组)(19)

进程节点

台积电4N(定制5nm)

台积电4NP(新型4nm变体)(19)

芯片包装

单GPU芯片

双GPU芯片组,带10TB/sNVLink芯片间链路(19)

每个SM的共享/L1内存

256KB(可配置)

128KB(更小,统一)(14)

统一的L2缓存

总计50MB(分块)

65MB单体式(14)

指令缓存

每个SM的L0缓存

更大的统一L0(减少指令获取延迟)

HBM容量

80GB HBM3(17)

192GB HBM3e(B200)/288GB(GB300)(2)(17)

HBM带宽

3.35TB/s(18)

8.0TB/s(18)

NVLink(芯片间)

NVLink4-900GB/s

NVLink5-1.8TB/s(21)

NVSwitch(DGX pod中的链接)

~50TB/s(在16路GPU的DGX A100上)

每个72-GPU NVL72 pod的处理能力为130TB/s(21)

张量核心精度(密集)

FP16/BF16、FP8、INT8

FP16/BF16、FP8、FP6、FP4(10)(13)

FP8/密集型TFLOPS

峰值约为4-5PF

~~9PF(11)(每个GPU)

FP4/密集型TFLOPS

(不支持)

~~18PF(11)(每个GPU,新模式)

FP64 TFLOPS(张量)

60TF(张量)(12)

较低(弱化)(1)

峰值功率(TGP)

约700瓦(17)

约1,200-1,400瓦(22)

来源：intuitionlabs.ai，国金证券研究所

2026年1月1日，DeepSeek在AI开源社区HuggingFacear和研究分享平台arXiv发布论文，提出了名为mHC（Manifold-Constrained Hyper-Connections）的新型神经网络架构优化方案。mHC通过数学上的流形约束（Manifold Constraint）强制信号在跨层传播中保持范数守恒。这成功解决了传统超连接（HC）架构虽能带来性能增提升，但因信号发散导致训练不稳定的痛点。扩展残差流会增加显存和通信的压力，同时流形约束数学理论的落地也较复杂， DeepSeek进行了大量底层算子和通信优化，再一次展现了极高的软硬结合能力。mHC解决了超宽残差流的训练稳定性难题，为训练更大参数规模的基模扫清了架构障碍，我们预计 DeepSeek下一代更大的基模正在酝酿中。

推理需求高增：推理模型解锁10X算力需求，英伟达或将收购Groq布局推理算力技术。

推理相对非推理理解锁了10X Token消耗。随着大模型参数边际效应的初现，技术竞争的关键变量开始向后训练发生结构性转移。Post-training将训练从通用的参数堆叠转向了基于高质量私有数据的监督微调与人类反馈强化学习，训练过程需要引入海量由高算力生成的合成数据进行反复迭代。在这一阶段，模型在响应用户指令之前，会先在内部生成长思维链，自主进行策略试错、逻辑推演与自我纠错，从而显著提升了解决复杂数学与逻辑问题的准确率。据AA，推理模型相对非推理模型在Token消耗量上出现10X提升。

![](page=8,bbox=[52, 28, 191, 52])

![](page=8,bbox=[216, 6, 299, 62])

图表9：推理相对非推理解锁了10X Token消耗

![](page=8,bbox=[66, 113, 902, 320])

来源：Artificial Analysis官网，国金证券研究所

据界面新闻报道，美东时间2025年12月24日，AI芯片初创公司Groq宣布已与英伟达就其推理技术达成非独家许可协议。根据协议条款，Groq创始人 Jonathan Ross、总裁 Sunny Madra及其他核心团队成员将加入英伟达，共同推进授权技术的升级与规模化应用。

Groq将继续作为独立公司运营，Simon Edwards将接任首席执行官职务。Groq云服务将保持正常运行，不受此次合作影响。

值得注意的是，此前有报道称，英伟达将以大约200亿美元收购人工智能芯片初创公司 Groq，这将是英伟达迄今为止规模最大的一笔收购。但英伟达很快表示，并没有收购 Groq，只是达成了技术许可，使用 Groq的推理技术而已。

公开资料显示，成立于2016年的Groq由谷歌TPU核心开发者Jonathan Ross创立，公司自研的LPU推理芯片是本次合作的核心价值所在。

区别于英伟达通用型GPU，LPU专为AI推理场景深度优化，凭借确定性架构、片上SRAM内存设计等核心技术，实现了超低延迟、超高能效与极速推理速度。在主流大语言模型运行中， LPU推理速度可达英伟达H100GPU的5至18倍，首token响应时间仅0.2秒，还能有效降低算力成本，解决传统GPU在推理环节的“内存墙”与高延迟问题。这家明星初创企业曾在 9月完成一轮7.5亿美元的融资，投后估值达69亿美元，累计融资超30亿美元。

我们认为英伟达与 Groq的合作是对推理算力的前瞻布局，反映出AI算力需求正由以训练为中心向训练+大规模推理并重演进，印证大模型应用落地节奏加快、商业化前景乐观。

![](page=9,bbox=[50, 7, 299, 61])

图表10：Groq的芯片专为推理设计

![](page=9,bbox=[274, 108, 946, 391])

来源：groq官网，国金证券研究所

入口不再仅限于手机，而是演变为“OS级智能体”与“超级APP“层面较量。1）超级APP的入口之争已经打响。2025年12月24日，字节跳动旗下AI应用豆包宣布日均活跃用户数（DAU）突破1亿；千问App近期持续扩大投流，截止12月10日（公测23天）月活已突破3000万，下成全球增长最快AI应用。阿里巴巴在内部沟通中提及，千问C端事业群的首要目标是将千问打造成为一款超级APP，成为AI时代用户的第一入口；2）“入口之战”从流量分发层推到了系统权限层，已成必争之地。豆包绕开传统接口，用“看屏幕+代操作”的方式在现有生态之上再搭一层“AI操作系统”，AIOS直接触碰微信、支付宝等超级App的商业命门，传统App时代的游戏规则面临挑战，微信、淘宝等超级App陆续封禁豆包手机权限。但值得注意的是，华为、小米、荣耀、OPPO、vivo等品牌均在旗舰机型里注入AI Agent能力，模型厂商仍有望通过开源或广泛结盟来绕过APP厂商的封锁。

在此背景下，我们认为入口之争的背后是流量之争，直接指向大型互联网企业广告及电商业务的基本盘，2026年各家在模型、AI应用产品上的算力投入将进入白热化的锦标赛阶段。

图表11：微信淘宝等超级APP封禁豆包手机

![](page=9,bbox=[62, 665, 473, 860])

图表12：豆包手机扩充VIVO、联想、传音等合作商

豆包手机扩充合作厂商 vivo、联想、传音在列

![](page=9,bbox=[515, 677, 948, 861])

来源：36Kr，国金证券研究所

来源：新浪财经，国金证券研究所

GUI AgentAI手机的出现有望驱动形成繁荣的AI终端生态。因为手机作为超级个人计算终端，承载了几乎所有C端的信息流，且是物理世界的超级入口，所以只有当AI击穿手机之后，其他AI终端才有可能依托AI手机持续繁荣，并且由于AI手机的信息流处理复杂度较高，所以

![](page=10,bbox=[51, 5, 299, 63])

AI手机一定是“大云小端”的，进一步拉动算力需求。

图表13：终端AI有望依托AI手机生态持续繁荣

![](page=10,bbox=[282, 138, 949, 380])

来源：国金证券研究所绘制

二、国产卡持续突破，2026年爆发之时

智算中心持续扩容，国产替代加速。根据IDC数据，2020年中国智能算力规模为75.0 EFLOPS，到2028年预计将达到2,781.9EFLOPS，预计2020-2028年复合增长率达到 57.1%。随着地缘政治紧张局势推动中国企业寻求本地替代方案，以及国产芯片技术的稳步提升，国内云服务提供商正在加速构建异构环境（将不同类型的芯片结合使用，如CPU、GPU、国内替代芯片）。例如，腾讯云已将其异构计算平台全面兼容所有主流国产芯片，以满足内部开发和客户对AI算力的需求。根据Bernstein Research，2024年中国AI加速芯片市场中，英伟达、AMD市场份额分别为 66%、5%，合计占比达 71%。但受益于国产替代趋势及供应链安全需求，国内计算芯片公司正迅速提升。其中，华为海思/沐曦/摩尔市场份额已分别达到 23%/1%/1%。

图表14：2020-2028年中国智能算力规模及预测

![](page=10,bbox=[65, 604, 500, 772])

来源：沐曦招股说明书，国金证券研究所

图表15：2024年中国AI加速芯片市场竞争格局

![](page=10,bbox=[528, 609, 947, 767])

来源：沐曦招股说明书，国金证券研究所

国产通用GPU从“可用”向“好用”升级。国产GPU在性能指标、软件生态、应用适配等方面与NV最先进一代仍有差距，但已基本追平H20、A100等，且在本地化服务、政策支持、成本控制等方面具备优势。随着资本持续注入，国产企业有望在细分场景实现突破，逐步扩大市场份额。1）算力指标上：国内多数头部企业主流在售产品的FP16/BF16在100-300 TFLOPS左右，处于英伟达A100产品阶段，少数厂商通过先进封装等方式实现接近英伟达 H100产品的算力，为国内最先进水平；2）显存方面：国内企业结合自身产品特点，分别选择HBM2e、HBM2、GDDR等显存类型，显存带宽在0.5-2TB/s左右。

![](page=11,bbox=[52, 6, 299, 62])

图表16：国产通用GPU从“可用”向“好用”升级

参数/厂商

平头哥

华为

壁仞

型号

PPU

A800

H20

昇腾910B

104P

显存容量

96G

80G

96G

64G

32G

显存类型

HBM2e

HBM3

HBM2

HBM2e

片间带宽(GB/s)

700

400

900

392

256

PCIe

5.0×16

4.0×16

5.0×16

4.0×16

5.0×16

功耗(W)

400

550*

350

300

来源：芯东西微信公众平台，国金证券研究所

供给侧：中芯国际作为中国集成电路领导者，产能/利用率持续提升。11月13日，中芯国际披露2025年第三季度财报，2025Q3中芯国际营收171.62亿元，环比增长 6.9%，毛利率 25.5%；月产能为102.28万片（折合8英寸），同比增加产能约13.85万片（折合8英寸）；产能利用率达 95.8%，环比增长3.3个百分点。中芯国际产能全球第三，约为台积电的三分之一。公司资本支出维持高位，未来产能或将继续增加。

图表17：中芯国际产能/利用率持续提升

全球主要代工厂工艺路线图

![](page=11,bbox=[267, 391, 948, 621])

来源：TrendForce，国金证券研究所

CSP厂商加速适配，助力国产芯片生态建设。英特尔的X86生态、英伟达的CUDA生态之所以难以撼动，核心在于形成了“芯片-软件-应用”的闭环。而当前国产阵营中，华为昇腾、阿里平头哥、壁仞科技等芯片厂商各有技术路线，生态分散问题显著。腾讯集团高级执行副总裁汤道生在交流中坦言，不同参数规模的AI模型需要适配不同芯片配置，当前只能通过与多家厂商合作实现场景覆盖。百度、阿里等企业加速适配国产芯片，推动“芯片-模型-应用”闭环形成。

![](page=12,bbox=[52, 6, 299, 63])

图表18：腾讯云宣布全面适配主流国产芯片

![](page=12,bbox=[339, 104, 872, 528])

来源：腾讯全球数字生态大会，国金证券研究所

三、供需双高，国内算力斜率陡峭

供需双高，国内算力斜率陡峭。

1) 需求侧： $ \textcircled{1} $下游推理需求伴随AI手机等终端AI进入落地放量临界点确定性增强； $ \textcircled{2} $大模型Scaling Law仍然有效，模型迭代持续加速提升训练需求的确定性。

2) 供给侧： $ \textcircled{1} $国产GPU性能持续提升； $ \textcircled{2} $国内CSP厂商加速适配国产GPU。

上述背景下，GPU、服务器、柴发、电源、IDC、云6大产业环节供需两高，其中，AI服务器整合GPU、存储等直接影响模型效果的硬件基础；AIDC承载算力与数据；AIDC电源是AIDC的主要供电系统；柴油发电机是AIDC不可或缺的备用电力来源；大模型公有云本质上是算力的共享化与弹性化。

![](page=13,bbox=[51, 7, 438, 58])

图表19：供需两高，国产算力斜率陡峭

![](page=13,bbox=[55, 114, 947, 465])

来源：国金证券研究所绘制

AI服务器是指专为AI应用设计的高性能计算机设备，能够支持大规模数据处理、模型训练、推理计算等复杂任务。与传统服务器相比，AI服务器通常配备强大的处理器（如CPU、 GPU、FPGA、ASIC等）、高速内存、大容量且高速的存储系统以及高效的散热系统，以满足人工智能算法对计算资源的高需求。据IDC，目前AI服务器市场中 57.33%为训练型服务器，推理型服务器占比达 42.67%，预计未来推理型服务器将逐渐成为市场主流。2024年，我国x86服务器市场CR6分别为浪潮信息/超聚变/新华三/联想/宁畅/中兴，2024年我国x86服务器市场规模约为393亿美元，同比增长 49.7%。

图表20：预计未来推理型服务器将逐渐成为市场主流

![](page=13,bbox=[101, 641, 464, 787])

图表21：2024年我国x86服务器市场CR6

来源：中投未来产业研究中心转引自IDC，国金证券研究所

![](page=13,bbox=[591, 633, 898, 810])

来源：芯语转引自IDC，国金证券研究所

AIDC电源是专为人工智能数据中心设计的供电系统。其核心功能是将电网交流电高效、稳定地转换为服务器、GPU等高性能计算设备所需的直流电压，确保供电环节的高可靠性、高效率和高功率密度。国际巨头如台达电子占据AIDC电源市场主导地位，施耐德等在高端市场具有优势。国内企业如麦格米特、欧陆通、中恒电气等凭借技术突破和成本优势，市场份额逐步提升，其中麦格米特成为英伟达指定供应商，中恒电气是阿里核心HVDC供应商。据华经产业研究院，2024年全球AIDC电源市场规模已达约49亿美元。

![](page=14,bbox=[52, 27, 191, 52])

![](page=14,bbox=[217, 5, 299, 62])

图表22：AIDC电源是专为人工智能数据中心设计的供电系统

主要AIDC电源分类

UPS不间断电源

当市电输入正常时，UPS将市电稳压后供应给负载使用，同时向机内电池充电；当市电意外中断时，UPS立即将电池的直流电能，通过逆变器切换转换的方法向负载继续供应电能，使负载维持正常工作并保护负载软、硬件不受电网波动而造成损坏。

AC-DC电源模块

将电网的交流电转换为适合服务器使用的直流电，如48V或50V直流电。其内部包含电源供应单元(PSU)和电源管理控制器(PMC)，PSU为CPU、GPU等组件提供电源，PMC则用于管理和优化服务器电源。

DC-DC电源模块

进一步将较高电压的直流电降至芯片可接受的低电压，如将48V或50V直流电降至0.8V等，以满足服务器内部不同组件的供电需求。

来源：观研天下，国金证券研究所

图表23：AIDC电源主要玩家一览

主营业务

AIDC电源产业布局

麦格米特

工业电源、新能源汽车零部件

800V直流输出产品，是英伟达指定车雯部件等供应商，参与Blackwell架构设计

欧陆通

开关电源的研发、生产和销售

浸没式液冷电源，为阿里定制液冷供电系统，合作浪潮、新华三等

中恒电气

电力电子设备及系统集成

800VHVDC研发，巴拿马电源系统，是阿里核心HVDC供应商，覆盖BAT数据中心

雄韬股份

化学电源、新能源储能、动力电池等

是阿里HVDC锂电备电唯一供应商，主导BBU市场

来源：华经产业研究院，国金证券研究所

柴油发电机是数据中心不可或缺的备用电力来源。AIDC备用电源可分为超级电容（瞬间响应，应对短时大功率冲击）、BBU（快速响应，提供机柜级持续供电）、UPS（迅速介入，保障设备持续运行）和柴油发电机（较慢响应，应对长时间停电）四类，实际应用中通常采用组合式供电方案协同运作。柴油发电机组约占数据中心基建成本比重的 23%。由于从柴油发动机集成至柴发机组技术壁垒较低，国内厂商与外资柴油发动机龙头合作，具备相关制造能力。2024年中国数据中心用柴发机组中，国产品牌科泰电源、泰豪科技、潍柴重机、苏美达市占率合计约为 30%。据华经产业研究院，2024年我国数据中心用2MW柴发机组市场规模或达82亿元。

图表24：柴油发电机组在数据中心作为备用电源使用

原理

优势

劣势

电网主力能源

直接将市电引入数据中心，为数据中心的各类设备供电。

系统简单，建设成本低，维护方便。

需要配备其他备用电源来提高供电的可靠性。

不间断电源(UPS)短时间备用电源

市电中断时，继续为设备供电，确保设备不会因市电中断而停机。

为数据中心设备提供高质量的电力保障。可在毫秒级时间内切换到电池供电。

UPS电池组的容量有限，且价格较高。

柴油发电机长时间备用电源

当市电中断且UPS电池组电量即将耗尽时，柴油发电机启动，为数据中心设备供电。

功率较大，能满足数据中心在市电停电时的大部分甚至全部电力需求。可长时间持续供电。

启动时间相对较长，一般需要几十秒到几分钟才能达到稳定供电状态。

来源：观研天下，国金证券研究所

图表25：2024年国产IDC柴发机组份额约为 30%

![](page=14,bbox=[523, 578, 885, 813])

来源：华经产业研究院，国金证券研究所

AIDC的参与主体众多，涵盖政府、CSP、三方IDC服务商、上游服务器或芯片渠道商等等，不同主体的AIDC的功能定位、盈利模式以及布局诉求均存在较大差异。据《中国智算中心产业发展白皮书》，2024年互联网及云厂商/基础电信运营商/地方政府分别占我国 AIDC算力规模份额的 35.0%/25.6%/14.2%。AIDC商业模式主要包括IaaS（包括传统的机房托管与算力租赁两种细分模式）、PaaS（提供AI应用开发平台及工具）、MaaS（模型定制、微调、部署等全流程服务）、SaaS（直接落地应用）4类，目前算力租赁为AIDC

![](page=15,bbox=[51, 6, 299, 63])

主要商业模式，主要玩家包括上游芯片厂商、下游AI企业、地方政府上市公司新进入者、云厂商五大力量。

图表26：不同主体的AIDC的功能定位与布局诉求存在差异

主体类别

战略目标

优势

劣势

代表案例

地方政府

响应国家战略,推动政策落地;促进区域产业发展

政策、资金、产业园区客户

缺乏IT技术、供应链经验、运营能力不足

北京/上海/广州/武汉/天津/重庆/长沙/南京/西安/成都/合肥等30多个城市

互联网及云厂商、基础电信运营商

满足自身大模型训练需求;拓展算力业务

充足的资金、技术和客户资源,丰富的软件供应链资源,较成熟的云计算业务模式

自有大模型与大模型训练客户形成竞争互斥

腾讯合肥智算中心/百度智算中心/阿里飞天云智能华东算力中心等;中国电信武清智算中心/中国联通芜湖智算中心/中国移动武汉智算中心等

第三方IDC服务商

寻求业务增长

丰富的IDC机房资源,IDC一体化建设运营能力

缺乏IT供应链资源和算力客户

润泽国际信息港A-11云数据中心、博大数据深圳前海智算中心

服务器厂商/芯片渠道商

纵向一体化

AI芯片、服务器等硬件资源获取能力

缺乏IDC供应链和机房建设运营能力

协鑫智算(上海)中心、浪潮新疆克拉玛依智算中心

AI企业、应用企业

纵向一体化

算法及相关软件能力,客户资源和应用场景积累

缺乏AI芯片资源、IDC资源

商汤临港AIDC、理想汽车智算中心、小鹏“扶摇”智算中心

跨界企业

战略转型/发展新业务

一般与芯片厂商、渠道商合作,获得芯片资源

缺乏IDC资源和持续稳定的客户

英博数科北京AI创新赋能中心、威星智能贵安智算中心、恒润股份芜湖智算中心

来源：《中国智算中心产业发展白皮书》，国金证券研究所

大模型公有云本质上是算力的共享化与弹性化，其核心是实现了算力发展的规模效应。据 IDC，2024年我国公有云大模型调用量达114万亿Tokens；2025年上半年我国公有云上大模型调用量达536.7万亿Tokens，实现同比近 400%的增长，其中，火山引擎/阿里云/百度智能云分别取得 49.2%/27.0%/17.0%的市场份额。

图表27：我国公有云大模型调用量快速增长

![](page=15,bbox=[271, 720, 946, 863])

来源：量子位转引自IDC，国金证券研究所

![](page=16,bbox=[51, 5, 299, 64])

图表28：2025上半年我国大模型公有云服务市场格局

![](page=16,bbox=[460, 127, 772, 272])

来源：量子位转引自IDC，国金证券研究所

四、相关标的

海外算力/存储：中际旭创、新易盛、天孚通信、源杰科技、胜宏科技、景旺电子、英维克等；闪迪、铠侠、美光、SK海力士、中微公司、北方华创、拓荆科技、长川科技。

风险提示

行业竞争加剧的风险：

在信创等政策持续加码支持计算机行业发展的背景下，众多新兴玩家参与到市场竞争之中，若市场竞争进一步加剧，竞争优势偏弱的企业或面临出清，某些中低端品类的毛利率或受到一定程度影响。

技术研发进度不及预期的风险：

计算机行业技术开发需投入大量资源，如果相关厂商新品研发进程不及预期，表观层面将呈现出投入产出在较长时期的滞后特征。

特定行业下游资本开支周期性波动的风险：

部分计算机公司系顺周期行业，下游资本开支波动与行业周期性相关性较强，或在个别年份对于上游软件厂商的营收表现产生扰动。

![](page=17,bbox=[52, 28, 191, 51])

![](page=17,bbox=[217, 5, 299, 63])

行业投资评级的说明：

买入：预期未来3-6个月内该行业上涨幅度超过大盘在 $15\%$ 以上；

增持：预期未来3-6个月内该行业上涨幅度超过大盘在 $5\% -15\%$

中性：预期未来3一6个月内该行业变动幅度相对大盘在 $ - 5\% - 5\% $；

减持：预期未来3一6个月内该行业下跌幅度超过大盘在 5%以上。

![](page=18,bbox=[52, 28, 191, 51])

![](page=18,bbox=[217, 5, 300, 63])

特别声明：

国金证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

形式的复制、转发、转载、引用、修改、仿制、刊发，或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发，需注明出处为“国金证券股份有限公司”，且不得对本报告进行任何有悖原意的删节和修改。

本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料，但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法，故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致，国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，在不作事先通知的情况下，可能会随时调整，亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。

本报告仅为参考之用，在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险，可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。

客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突，而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品，使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议，国金证券不就报告中的内容对最终操作建议做出任何担保，在任何时候均不构成对任何人的个人推荐。

在法律允许的情况下，国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易，并可能为这些公司正在提供或争取提供多种金融服务。

本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密，只有符合条件的收件人才能使用。根据《证券期货投资者适当性管理办法》，本报告仅供国金证券股份有限公司客户中风险评级高于C3级（含C3级）的投资者使用；本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具，本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资，遭受任何损失，国金证券不承担相关法律责任。

若国金证券以外的任何机构或个人发送本报告，则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议，国金证券不为此承担任何责任。

上海

电话：021-80234211

邮箱：researchsh@gjzq.com.cn

邮编：201204

地址：上海浦东新区芳甸路1088号紫竹国际大厦5楼

北京

电话：010-85950438

邮箱：researchbj@gjzq.com.cn

邮编：100005

地址：北京市东城区建内大街26号新闻大厦8层南侧

深圳

电话：0755-86695353

邮箱：researchsz@gjzq.com.cn

邮编：518000

地址：深圳市福田区金田路2028号皇岗商务中心 18楼1806

![](page=18,bbox=[284, 715, 432, 820])

【小程序】国金证券研究服务

![](page=18,bbox=[537, 725, 660, 813])

【公众号】国金证券研究

本站所有资讯是用户利用其本地Agent获取并分享，均为公开信息，如需删除请联系我们。