国金证券_计算机行业2026年度投资策略：两仪生四象，超级时代_2026-01-04.pdf

国金证券2026-01-04查看原文

摘要

1国金证券维持计算机行业“买入”评级。

2报告提出2026年AI演绎路径清晰，模型迭代与AI手机超级载体奠定基调。

3重点看好四大方向：算力（国产GPU爆发、存储景气上行）、空天时代（太空算力、商业航天政策利好）、具身智能（特斯拉Optimus量产元年）、AI应用（大模型、Infra及垂类软件）。

4此外关注3D打印、金融IT及智能驾驶（L3准入、Robotaxi盈利）机会。

5行业基本面见底回升，具备反弹条件。

文本

![](page=0,bbox=[64, 31, 204, 55])

![](page=0,bbox=[84, 67, 187, 140])

计算机行业研究

买入（维持评级）

行业研究

证券研究报告

计算机组

分析师：刘高畅（执业S1130525120005）

分析师：赵伟博（执业S1130525120006）

liugaochang@gjzq.com.cn

分析师：陈芷婧（执业S1130525120008）

zhaoweibo@gjzq.com.cn

chenzhijing@gjzq.com.cn

分析师：郑元昊（执业S1130525120004）

分析师：李可夫（执业 S1130525120009）

zhengyuanhao@gjzq.com.cn

联系人：孙恺祈

likefu@gjzq.com.cn

sunkaiqi@gjzq.com.cn

计算机行业2026年度投资策略：两仪生四象，超级时代

行业观点

2026年AI演绎路径更加清晰，人工智能太极生两仪，模型加速迭代与AI超级载体出现奠定基调。1）算力基础设施变革、算法细节创新不断驱动模型仍在快速迭代。全球顶尖大模型持续突破，谷歌Gemini3在基础推理与多模态能力上实现跃迁式提升，最关键的指标screen understanding准确度从上一代11.4%提升到72.7%意味着AI手机爆发成为必然，同时具身智能模型有可能在三年内能理解自然语言指令，变成场景内多用途的机器人；算法创新仍然频繁：国产开源模型DeepSeek-V3.2Speciale在推理性能上逼近顶尖闭源模型，其稀疏注意力（DSA）、高比例后训练和大规模合成数据等方面的创新，证明算法与训练范式仍具巨大突破空间，预训练与后训练Scaling Law远未触及瓶颈；目前模型训练仍以英伟达Hopper系列与谷歌TPUv3、v5为主，随着英伟达Blackwell集群与谷歌TPUv7年底投入使用，2026年大模型迭代仍然精彩。2）AI超级载体出现：手机本身是人们工作与生活信息流的集大成者，全能的AI助手出现将全面重构所有人的工作与生活。字节跳动于2025年12月发布豆包AI手机助手技术预览版，全能智能助理实现AI对手机的跨应用自主操作，虽然尚有不足之处但已经展现全能潜力，形成数据飞轮，开始快速迭代。GUI技术突破扰乱了API时代形成的护城河，且AI手机是其他AI终端爆发的前置条件，预计全球顶尖大厂将极致投入到这场新入口之战。3）两仪生四象：算力为基、空天时代、具身智能、AI应用精彩不断。

四象一：一切仍然指向算力，算力/存力/超节点景气加速，国内算力斜率极高。1）Scaling Law从pre Training向pre/Post/Test-Time三维度转变，叠加Interleaved Thinking的新推理范式，训练和推理算力均有望指数级爆发。2）AI手机驱动入口之战，没有厂商能独善其身，腾讯、华为近期投入信号明显。预计全球大厂投入容忍度将极高，目前统计主流大厂现金流无压力。3）国内算力：国产GPU性能追平H20，上市/增发融资叠加产能突破，国产GPU厂商"融资-研发-量产"的闭环跑通，26年国产替代加速；4）存储：多模态渗透与KV Cache的广泛应用，存储正经历从"供过于求"向"供不应求"的转变，价格与景气度持续上行；5）超节点：超节点通过高速互联弥补贷款不足、高时延等问题，已成为AI基础设施新常态，国产GPU厂商加速布局。

四象二：空天时代，AI的锋刃。1）海外端，英伟达、谷歌、SpaceX等机构纷纷投入太空算力建设，且SpaceX有望成就史上最大IPO，估值或高达1.5万亿美元，是全球算力6000亿美金市场未来超万亿美金市场中增长斜率最高的部分。2）政策端：近期支持政策频出，“十五五”规划中重视航空航天发展，2025年国家航天局印发行动规划并随后成立专职监管机构商业航天司，近日商业火箭企业适用科创板第五套上市标准等重磅政策不断。3）国内端，我们积极规划多个万星低轨星座并已规划三体计算星座与北京太空数据中心参与太空算力角逐。4）我国可回收火箭技术突破正在临点，“国家队”与民企积极良性竞争，关键瓶颈正在逐渐突破。

四象三：具身智能有望变得精准与有用，实现放量的基础。1）特斯拉 optimusV3 临近发布，预计为机器人小脑发展的集大成者，各类任务精准度快速提升。2）模型大脑侧，Gemini3.0pro意味着大模型多模态理解能力跃升，未来机器人能理解多种人类指令，结合场景完成泛化任务从不可能变得可能，这是具身智能真正放量的基础。3）从产业信号看，特斯拉人形机器人有望迎量产元年，成为一切的起点。

四象四：AI应用破土而生，大模型/AI Infra/高增长/高壁垒垂类软件值得关注。1）模型迭代、应用深化、无论是C端还是B端token调用进一步爆发。2）计算机行业持仓在历史低位，具备交易与反弹条件。3）计算机行业收入、利润增速于2025年初步见底，在AI的驱动下存在重回增长轨道可能，建议重点关注四类确定性较高的投资方向：一是大模型及超级入口，头部基模厂商高增的ARR与Token消耗量证明，基于个性化与生态化构建的个人及企业智能体已广泛铺开；二是AI Infra，作为连接模型与落地的关键中间层，其直接决定AI的使用成本与效果上限，Databricks与Snowflake的高增表现印证该环节的高价值属性；三是高增长垂类软件：动态漫、广告、医疗等垂类AI都展现着快速增长潜力；四是高壁垒垂类软件，依托行业Know-how、专有数据、复杂流程及合规壁垒，此类应用能将大模型作为其核心能力的放大器，在避免被颠覆的同时实现价值跃升。

其他重点细分：1）3D打印：当创新遇到物理瓶颈，3D打印开启序章。中国3D打印市场重回较快增长，2034年全球市场规模有望突破1145亿美元。我们认为随着AI、空天、3C、机器人、汽车等产业不断突破创新边界，传统制造工艺已临近上限，难以满足散热、轻量化等实际需要，亟需3D打印技术突破传统上限，多维需求爆发有望加速产业发展。2）金融IT：降息周期全球资本活跃，跨境支付重塑金融生态。2026年美联储降息预期有望推升资本市场交易活跃度；“十五五”明确资本市场高质量发展，资本市场IT有望迎来新的建设浪潮；全球跨境支付创新加速变革，为数字人民币更大力度推广应用打开空间。3）智能驾驶：正式进入产业化阶段。$\textcircled{1} $25年9月，“中国L2强标”进入公开征求意见阶段。25年12月，工信部正式公布我国首批L3级有条件自动驾驶车型准入许可，标志着我国L3级自动驾驶从测试阶段正式迈入商业化应用。$ \textcircled{2} $年末，小马智行第七代Robotaxi率先在广州实现了城市级单车UE模型转正，中美Robotaxi车队或处于爆发前夜。$ \textcircled{3}$以鸿蒙智行为代表的智能驾驶车型不断迭代，市场份额快速上升。

风险提示

行业竞争加剧的风险；技术迭代不及预期的风险；特定行业下游资本开支周期性波动的风险。

![](page=1,bbox=[52, 28, 191, 52])

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

投资建议

内容目录

一、AI演绎路径更加清晰...6

1.1 全球顶尖模型模型快速迭代...6

1.2 字节AI手机发布，AI超级载体出现...8

二、四象一：一切仍指向算力，2026国产算力爆发之年...11

2.1 一切仍然指向算力，Scaling Law从训练侧向推理侧拓展...11

2.2 国产GPU：产能+性能持续突破，26年加速爆发...12

2.3 入口之战已打响，大厂持续加大投入...14

2.4 存储：AI训练/推理持续拉动存储需求...15

2.5 超节点：产能+性能持续突破，26年加速爆发...16

三、四象二：火箭瓶颈突破在即，太空算力打开应用空间...17

3.1 海外巨头竟逐太空算力，打开万亿美金市场...17

3.2 我国近期空天支持政策频出，行业发展有望加速...19

3.3 我国积极布局大型星座与太空算力...20

3.4 我国火箭发射瓶颈有望逐渐突破...21

四、四象三：具身智能有望变得精准与有用，实现放量的基础...23

五、四象四：AI应用破土而生，大模型/AI Infra/高增长/高壁垒垂类软件值得关注...26

5.1 大模型：已广泛应用，向个性化与生态化深入发展...26

5.2 AI Infra：获取卖铲子的确定收益，直接奠定应用成色...28

5.3 高增长场景应用：广告营销、动态漫、医疗等有望跑通飞轮...29

5.4 高壁垒垂类应用：具备数据与工作流护城河，对客价值更为显著...31

六、3D打印：当创新遇到物理瓶颈，3D打印开启序章...32

七、金融IT：降息周期全球资本活跃，跨境支付重构金融生态...35

八、智能驾驶：L2强标落地，L3元年，Robotaxi单车UE转正...37

风险提示...43

图表目录

图表 1: Gemini 3 在多项评分基准大幅领先 ... 6

图表 2: Hopper (H100) 与 Blackwell (B200/GB300) 对比 ... 8

图表 3: 豆包手机助手执行用户任务 ... 9

图表 4: API Agent 和 GUI Agent 在完成"3 月 8 日下午 4:00 在 Google 日历上安排 1 小时会议"任务时的区别 ... 10

图表 5: API Agent 与 GUI Agent 在关键维度上的比较 ... 10

图表 6: 人工智能太极生两仪，两仪生四象 ... 11

![](page=3,bbox=[52, 27, 192, 52])

![](page=3,bbox=[217, 5, 299, 63])

图表 7: 三大 Scaling 定律 ... 11

图表 8: Interleaved Thinking 推理范式 ... 12

图表 9: 2020-2028 年中国智能算力规模及预测 ... 12

图表 10: 2024 年中国 AI 加速芯片市场竞争格局 ... 12

图表 11: 腾讯云宣布全面适配主流国产芯片 ... 13

图表 12: 国产通用 GPU 从“可用”向“好用”升级 ... 13

图表 13: OpenAI 与 Anthropic 收入曲线 ... 14

图表 14: 微信淘宝等超级 APP 封禁豆包手机 ... 14

图表 15: 豆包手机扩充 VIVO、联想、传音等合作商 ... 14

图表 16: 北美科技巨头最新季度财务状况 ... 15

图表 17: 大模型对训练、推理的存储需求 ... 15

图表 18: 存储现货价格变动情况 ... 16

图表 19: 存储合约价变动情况 ... 16

图表 20: 主流并行计算方式及算力资源扩展策略 ... 16

图表 21: Scale-up 网络关键技术分层分析 ... 16

图表 22: 昇腾 384 超节点与曙光 AI 超集群对比 ... 16

图表 23: 美国初创科技公司 Starcloud ... 17

图表 24: 马斯克认为运行人工智能成本最低的方式将在太空进行 ... 18

图表 25: 2025 年以来我国低轨卫星互联网组网明显提速 ... 20

图表 26: 北京太空数据中心建设工作推进大会进行 ... 21

图表 27: 朱雀三号首飞的技术突破 ... 22

图表 28: 长征十二号甲遥一运载火箭飞行试验任务 ... 23

图表 29: 空天时代临点将至 ... 23

图表 30: 2027 年中国具身智能市场规模有望突破 1.25 万亿元 ... 24

图表 31: 2025 年具身智能投资分布中人形机器人为第一大细分赛道 ... 24

图表 32: Optimus V2.5 无需连接电线，可自主完成行走 ... 25

图表 33: ScreenShot-Pro 评测的部分数据集，包含各类桌面应用和场景 ... 25

图表 34: Nano Banana Pro 图像生成：创建一个信息图，展示如何制作香茅茶 ... 25

图表 35: 软件行业营收及增长率 ... 26

图表 36: 软件行业归母净利润及增长率 ... 26

图表 37: OpenAI 与 Anthropic 收入曲线 ... 26

图表 38: 个人大模型使用场景及工作流 ... 27

图表 39: OpenAI AgentKit 使用案例 ... 28

图表 40: Databricks AI 平台 ... 29

图表 41: Snowflake Cortex AI ... 29

![](page=4,bbox=[52, 27, 192, 52])

![](page=4,bbox=[217, 5, 299, 63])

图表 42: Applovin 业务模式 ... 30

图表 43: Applovin 营收及利润 ... 30

图表 44: 抖音漫剧市场商业化指标 ... 31

图表 45: Palantir AIP 系统架构 ... 32

图表 46: Palantir 收入及利润（亿美元） ... 32

图表 47: 2024 年全球 3D 打印市场规模已达 219 亿美元 ... 32

图表 48: 2025 年国内 3D 打印行业投融资总额预计达 84 亿元 ... 32

图表 49: 微通道液冷板制造中 3D 技术路线前景更好 ... 33

图表 50: 流道拓扑优化后可以显著提升散热性能 ... 33

图表 51: 发动机成本占火箭总成本 50% ... 34

图表 52: 第三代猛禽发动机通过 3D 打印工艺，将前两代的多零部件整合为一 ... 34

图表 53: 3D 打印制造轻量化弹性体为 IRON 机器人塑造“肌肉” ... 34

图表 54: Kengoro 机器人使用金属 3D 打印打造多孔框架为全身电机降温 ... 34

图表 55: 超薄均热板能够高效消除局部热点，保障高功率柔性电子设备稳定运行 ... 35

图表 56: OPPO Find N5 采用 3D 打印打造铰链、翼板及外传轴中框 ... 35

图表 57: 3D 打印汽车零部件在保障强度的同时能够有限减重 ... 35

图表 58: 保时捷提供定制 3D 打印座椅 ... 35

图表 59: 过去 24 个月，全球央行多次降息 ... 36

图表 60: “十五五”规划明确资本市场“高质量发展”核心主线 ... 36

图表 61: 2024 年全球跨境支付规模增长至 194.6 万亿美元 ... 37

图表 62: 三大平台协同解决了传统跨境支付的效率与成本痛点 ... 37

图表 63: 新旧国标对比：适用对象由 M1 扩展至 N1 类汽车，AEBS 系统激活速度区间及误检&漏检要求升级 ... 38

图表 64: 欧洲、美国、日本均通过强制法规要求安装 AEBS 系统 ... 38

图表 65: AEBS 激活速度区间扩展后需要更远的探测距离 ... 39

图表 66: 新国标新增多项误响应试验，3D 毫米波雷达在技术层面易造成误触发 ... 40

图表 67: L2 强标对复杂环境下的多目标状态识别提出较高要求 ... 40

图表 68: 梅赛德斯 L3 级 DRIVE PILOT 系统配备一颗激光雷达 ... 41

图表 69: 梅赛德斯 L3 级 DRIVE PILOT 系统设置 10 秒响应接管时间 ... 41

图表 70: 国内车企密集公布 L3 进展，已公布车型均标配 4-5 颗激光雷达 ... 41

图表 71: 国内 Robotaxi 落地车型搭载 7-10 颗激光雷达 ... 42

图表 72: 2025 年 11 月鸿蒙智行单月交付破 8 万辆 ... 43

图表 73: 鸿蒙智行用时 43 个月累计交付量破百万辆 ... 43

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

一、AI演绎路径更加清晰

1.1 全球顶尖模型模型快速迭代

2025年11月19日谷歌Gemini3发布，跃进式的得分提升、强大的多模态理解力、更加多样化的UI、惊艳的前端能力，让大模型的进展迈出显著一步。

基础思考能力上，Humanity's Last Exam是衡量AI能否解决人类顶尖难题的终极试金石。在 Gemini3之前，Gemini2.5Pro的得分是 21.6% ，Claude Sonnet4.5仅为 13.7% 。Gemini3 Pro交出的答卷是 37.5% （无工具）和 45.8% （带工具）。ARC-AGI-2测试，旨在衡量模型处理从未见过的新颖推理任务的能力，而非死记硬背。Gemini3Pro拿下了 31.1%的分数，而GPT-5.1仅为 17.6% ，Gemini2.5Pro甚至只有 4.9% 。这意味着它开始展现出一种接近人类的流体智力，能够在没有大量训练数据覆盖的领域进行抽象推理。

在多模态领域 Gemini3尤其惊艳，MMMU-Pro的 81.0% ，CharXiv Reasoning的 81.4%都超越了对手。而在理解截图的测试 ScreenSpot-Pro的 72.7%中，Gemini3的得分是 Claude Sonnet4.5的两倍，GPT-5.1的二十倍。这对于构建能够真正理解和操作图形界面的AI代理至关重要。

图表1：Gemini3在多项评分基准大幅领先

Benchmark

Description

Gemini3Pro

Gemini2.5Pro

ClaudeSonnet4.5

GPT-5.1

Humanity's Last Exam

Academic reasoning

No tools

37.5%

21.6%

13.7%

26.5%

With search and code execution

45.8%

ARC-AGI-2

Visual reasoning puzzles

ARC Prize Verified

31.1%

4.9%

13.6%

17.6%

GPQA Diamond

Scientific knowledge

No tools

91.9%

86.4%

83.4%

88.1%

AIME2025

Mathematics

No tools

95.0%

88.0%

87.0%

94.0%

With code execution

100%

MathArenaApex

ChallengingMathContestproblems

23.4%

0.5%

1.6%

1.0%

MMMU-Pro

Multimodal understanding and reasoning

81.0%

68.0%

76.0%

ScreenSpot-Pro

Screen understanding

72.7%

11.4%

36.2%

3.5%

CharXivReasoning

Information synthesis from complex charts

81.4%

69.6%

68.5%

69.5%

OmniDocBench1.5

OCR

OverallEditDistance,lowerisbetter

0.115

0.145

0.147

Video-MMMU

Knowledge acquisition from videos

87.6%

83.6%

77.8%

80.4%

LiveCodeBenchPro

Competitive coding problems fromCodeforces,ICPC,andIOI

EloRating,higherisbetter

2,439

1,775

1,418

2,243

Terminal-Bench2.0

Agenticterminalcoding

Terminus-2agent

54.2%

32.6%

42.8%

47.6%

SWE-BenchVerified

Agenticcoding

Singleattempt

76.2%

59.6%

77.2%

76.3%

t2-bench

Agentictooluse

85.4%

54.9%

84.7%

80.2%

Vending-Bench2

Long-horizonagentictasks

Networth(mean),higherisbetter

$5,478.16

$573.64

$3,838.74

$1,473.43

FACTSBenchmarkSuite

Heldoutinternalgrounding,parametric,MM,andretrievalbenchmarks

70.5%

63.4%

50.4%

50.8%

SimpleQAVerified

Parametricknowledge

72.1%

54.5%

29.3%

34.9%

MMMLU

MultilingualQ&A

91.8%

89.5%

89.1%

91.0%

GlobalPIQA

Commonsensereasoningacross100LanguagesandCultures

93.4%

91.5%

90.1%

90.9%

MRCRv2(8-needle)

Longcontextperformance

128k(average)

77.0%

58.0%

47.1%

61.6%

1M(pointwise)

26.3%

16.4%

not supported

来源：腾讯科技，国金证券研究所

2025年12月11日OpenAI发布GPT-5.2，为专业工作设计的顶尖模型。

GPT-5.2旨在为人们带来更多经济价值。该模型在制作电子表格、设计演示文稿、编写代码、识别图像、理解长文本上下文、使用工具以及处理复杂的多步骤项目方面表现更佳。

GDPval评测是一项覆盖44个职业、用于衡量明确知识型工作任务的评估。在GDPval测试中，模型尝试完成定义明确的知识型工作，内容涵盖美国GDP贡献度最高的9个行业中的 44种职业。任务要求生成真实的工作成果，例如销售演示文稿、会计表格、急诊排班表、制造业图表或短视频。根据人类专家评审的结果，GPT-5.2 Thinking在 70.7%的高难度知识型工作任务上，表现优于行业顶尖专家，或与其持平。这些任务包括制作演示文稿、电子表格以及其他专业产出。GPT-5.2 Thinking完成任务的速度大约是专家的3倍，而成本只有大约

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

1%。

12月1日DeepSeek-V3.2正式版发布，国产模型引领开源创新。

在公开的推理类 Benchmark 测试中，DeepSeek-V3.2 达到了 GPT-5的水平，仅略低于 Gemini-3.0-Pro；DeepSeek-V3.2-Speciale 是 DeepSeek-V3.2的长思考增强版，在主流推理基准测试上的性能表现媲美 Gemini-3.0-Pro，成功斩获 IMO2025（国际数学奥林匹克）、CMO2025（中国数学奥林匹克）、ICPC World Finals2025（国际大学生程序设计竞赛全球总决赛）及 IOI2025（国际信息学奥林匹克）金牌。其中，ICPC与IOI成绩分别达到了人类选手第二名与第十名的水平。

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。

我们认为模型的迭代还未到瓶颈，2026年模型的进展会更精彩：

1) 靠 Scaling law 提升模型能力的路径依旧有效。

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升级。

英伟达的 Hopper 架构正在转向 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。

![](page=7,bbox=[51, 8, 299, 62])

图表2：Hopper（H100）与Blackwell（B200/GB300）对比

特征

NVIDIA HOPPER(H100)

NVIDIA BLACKWELL(B200/GB300)

建筑概论

Hopper(H100Tensor Core,2022)

Blackwell(B200/GB300Tensor 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)(120)

~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

80GBHBM3(17)

192GBHBM3e(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(20)

NVSwitch(DGX pod中的链接)

~50TB/s(在16路GPU的DGX A100上)

每个72-GPUNVL72 pod的处理能力为130TB/s(20)

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(10)(每个GPU)

FP4/密集型TFLOPS

(不支持)

~~18PF(10)(每个GPU,新模式)

FP64 TFLOPS(张量)

60TF(张量)(12)

较低(弱化)(11)

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

谷歌也在2025年11月宣布其第七代TPU Ironwood将在未来几周内全面上市。Ironwood专为应对最严苛的工作负载而打造：从大规模模型训练和复杂的强化学习到高容量、低延迟的AI推理和模型服务，它都能轻松胜任。与TPU v5p相比，Ironwood的峰值性能提升了10倍；与TPU v6e（Trillium）相比，其单芯片在训练和推理工作负载下的性能均提升了4倍以上，使其成为谷歌迄今为止性能最强大、能效最高的定制芯片。我们认为谷歌的芯片升级也会对模型迭代带来显著促进作用。

1.2 字节AI手机发布，AI超级载体出现

手机本身是人们工作与生活信息流的集大成者，全能的AI手机助手出现将全面重构所有人的工作与生活。

2025年12月字节跳动在和中兴合作的工程样机nubiaM153上发布了豆包手机助手技术预览版。目前该版本已面向开发者和科技爱好者少量发售，售价3499元。用户不仅可以通过语音、侧边键或豆包Ola Friend耳机直接唤醒豆包，实现交互以及调用语音通话、视频通话和屏幕共享等功能。此外，豆包手机助手可以通过AI直接操控手机功能，用户输入查票订票、商品下单、批量下载文件等信息，豆包手机助手可在多个App之间跳转，帮用户完成多个平台搜索同款商品、比价、选择最便宜的商品下单等操作。

我们认为豆包手机助手是AI在C端从单一的语音助手进化为真正会行动的助理的重要里程碑，不仅能理解用户意图，还能跨应用自主执行复杂任务，体现了AI在真实场景中的巨大进展，也预示着手机交互方式和用户效率将被系统性重塑。

![](page=8,bbox=[50, 5, 300, 63])

图表3：豆包手机助手执行用户任务

![](page=8,bbox=[272, 115, 941, 622])

来源：字节跳动，界面新闻，国金证券研究所

基于图形用户界面（GUI）的触控是移动互联网时代的核心交互方式，但也存在操作流程复杂的问题以及App间信息孤岛的问题。如今大模型正推动移动端交互革命：用户从复杂的点击跳转中解放，只需下达自然语言指令，AI Agent即可跨越应用边界完成任务。针对如何打破应用壁垒，行业目前形成了两套演进逻辑：

API Agent路线：通过标准化协议让开发者主动接入。如苹果通过App Intents框架让开发者可以将应用接入Apple Intelligence。

GUI Agent路线：利用多模态模型模拟人类视觉和操作。这种方式无需开发者配合，凭借通用视觉能力直接操作各类App，如豆包手机助手。

![](page=9,bbox=[52, 28, 192, 52])

![](page=9,bbox=[217, 6, 299, 63])

图表4：API Agent和GUI Agent在完成"3月8日下午4:00在Google日历上安排1小时会议"任务时的区别

![](page=9,bbox=[292, 127, 920, 342])

来源：《API Agents vs. GUI Agents: Divergence and Convergence》，Chaoyun Zhang等，国金证券研究所

在效率、隐私、可靠性等方面API Agent更有优势，但是GUI Agent的最核心优势在于灵活通用，不需要应用厂商主动适配，是打通碎片化应用生态的利器。预计模型厂商、应用厂商和手机厂商为了抢夺流量入口，会在两种路线选择上进行激烈的博弈。

图表5：API Agent与GUI Agent在关键维度上的比较

维度

API Agent

GUI Agent

模态

依赖基于文本的API调用

依赖屏幕截图或辅助功能树

可靠性

通常较高，具有定义明确的端点

较低，受视觉解析和布局变化影响

效率

单次调用即可完成复杂任务

需要多次类似人类用户的操作步骤

可用性

局限于已发布或预定义的API

可操作任何可见的UI元素

灵活性

受现有API的限制

对新功能或未公开功能具有高度适应性

安全性

可通过细粒度的端点控制进行管理

风险较高，因为具有对UI元素的广泛访问权限

可维护性

只要API版本保持稳定，维护较易

在UI重构或改版时容易失效

透明度

通常是隐藏的、后端驱动的

逐步进行，视觉上可追溯

类人交互

纯程序化交互

模拟在屏幕上的真实用户操作

来源：《API Agents vs. GUI Agents: Divergence and Convergence》，Chaovun Zhang等，国金证券研究所

我们认为AI手机是其他AI终端爆发的前置条件，预计全球顶尖大厂将极致投入到这场新入口之战。

两仪已定，四象初生：算力为基、空天时代、具身智能、AI应用精彩不断。模型的快速迭代与AI手机聚集数据流并拥有智能会在2026年推动4个领域明确的投资机会。1）算力的争夺更加激烈，且上限非常高。2）空天时代成为算力领域斜率最高的方向。3）机器人可能变得能听懂话，且结合环境执行多种任务。4）AI应用渗透率临近甜蜜点（ 5%～20%为新科技渗透率甜蜜区）。

![](page=10,bbox=[51, 8, 300, 62])

图表6：人工智能太极生两仪，两仪生四象

![](page=10,bbox=[269, 112, 946, 372])

来源：国金证券研究所绘制

二、四象一：一切仍指向算力，2026国产算力爆发之年

2.1 一切仍然指向算力，Scaling Law从训练侧向推理侧拓展

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-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7：三大 Scaling 定律

![](page=10,bbox=[292, 587, 920, 833])

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

![](page=11,bbox=[51, 5, 299, 63])

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8：Interleaved Thinking推理范式

![](page=11,bbox=[320, 198, 897, 423])

来源：英伟达官网，国金证券研究所

2.2国产GPU：产能+性能持续突破，26年加速爆发

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9：2020-2028年中国智能算力规模及预测

![](page=11,bbox=[61, 650, 496, 817])

图表10：2024年中国AI加速芯片市场竞争格局

来源：沐曦招股说明书，国金证券研究所

![](page=11,bbox=[526, 653, 943, 811])

来源：沐曦招股说明书，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=[51, 6, 299, 63])

图表11：腾讯云宣布全面适配主流国产芯片

![](page=12,bbox=[337, 103, 869, 527])

来源：腾讯全球数字生态大会，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。

图表12：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。

![](page=13,bbox=[50, 5, 299, 62])

图表13：OpenAI与Anthropic收入曲线

![](page=13,bbox=[266, 112, 947, 361])

来源：TrendForce，国金证券研究所

2.3 入口之战已打响，大厂持续加大投入

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。

图表14：微信淘宝等超级APP封禁豆包手机

![](page=13,bbox=[60, 607, 471, 804])

图表15：豆包手机扩充VIVO、联想、传音等合作商

![](page=13,bbox=[516, 594, 945, 804])

来源：36Kr，国金证券研究所

来源：新浪财经，国金证券研究所

全球科技巨头军备赛，现金流仍支撑进一步加大投入。全球科技巨头对AI的投入进入军备竞赛阶段，但综合考虑各家的自由现金流以及在手的现金及现金等价物和短期投资看：北美科技巨头除Meta外，即使在假设人工智能（AI）的贡献对自由现金流的推动作用尚未完全显现的情况下，2026年的资本支出压力预计仍处于可控范围。同时，我们认为AI需求的确定性有望训练和推理相关的投入资本回报率ROIC。吴泳铭表示从需求侧和供给侧两个维度来看：从需求侧，有两大核心驱动力支撑ROIC的提升，一是模型能力持续进阶，基座模型、视频生成模型及未来的全模态模型等，能力仍在不断突破，规模化法则的发展尚未触顶，谷歌Gemini3

![](page=14,bbox=[51, 6, 299, 63])

人工智能模型的进展就印证了这一点。随着模型能力提升，AI可承载的任务与适配的场景持续增多。二是AI任务在各行业的渗透率不断提高，两大动能叠加，未来三年内AI需求的增长具有高度确定性。

图表16：北美科技巨头最新季度财务状况

公司名称

经营性现金流(OCF)(亿美元)

最新季度资本支出(CapEx)(亿美元)

自由现金流(FCF)(亿美元)

现金及现金等价物和短期投资(亿美元)

Google

484

240

244

985

Microsoft

451

349

102

1020

2.4存储：AI训练/推理持续拉动存储需求

AI大模型推理拉动存储需求快速增长。训练侧，SSD不仅负责储存模型参数，包含不断更新的权重和偏差，而且可以创建检查点（check point），以定期保存AI模型训练进度，即使训练中断也能从特定点恢复；推理侧，主要包括三个方面：1）LLM fast loading & KV caching：快速装载模型相关内容并支持KV缓存，加速推理响应；2）Content store：推理侧需要内容存储作为在线供给（可理解为面向推理的内容/数据仓储）；3）RAG：检索增强生成把“检索”引入推理闭环，推理链路对存储访问更敏感。存储芯片市场正经历一场由AI驱动的、前所未有的全面缺货与涨价潮。进入第四季度非但没有趋缓，反而有进一步加剧的迹象。

图表17：大模型对训练、推理的存储需求

![](page=14,bbox=[267, 501, 945, 746])

来源：kioxia，国金证券研究所

![](page=15,bbox=[52, 27, 192, 52])

![](page=15,bbox=[216, 5, 299, 62])

图表18：存储现货价格变动情况

![](page=15,bbox=[58, 114, 470, 272])

图表19：存储合约价变动情况

来源：Wind，国金证券研究所

![](page=15,bbox=[514, 109, 932, 270])

来源：Wind，国金证券研究所

2.5 超节点：产能+性能持续突破，26年加速爆发

Scale-up与Scale Out持续拓展。大模型需要采用多机多卡集群的方式进行训练，主流的并行训练方式有数据并行、模型并行（张量并行、流水线并行）、专家并行等。张量并行和专家并行的并行计算方式，每次迭代数据量达几百GB，GPU互联需要超高带宽和极低时延，以压缩GPU之间的通信开销成本。随着大模型参数规模指数级增长，单卡有效算力难以应对超大规模的算力需求，高带宽、低延迟的卡间互连技术成为关键竞争要素，对GPU集群互连拓扑结构也提出了更高要求，驱动了纵向扩展（Scale-up）与横向扩展（Scale-out）网络架构的技术演进。

图表20：主流并行计算方式及算力资源扩展策略

切分方式

通信操作

通信量(单卡)

对网络的需求

张量并行(TP)

AllReduce

百GB级别

(超)节点内高速互联

专家并行(EP)

All-to-All

百GB级别

(超)节点内高速互联

流水并行(PP)

Send/Recv

MB级别

节点间高速互联

数据并行(PP)

AllReduce

GB级别

节点间高速互联

来源：通信世界网，国金证券研究所

图表21：Scale-up 网络关键技术分层分析

挑战1：极致带宽

挑战2：极低时延

挑战3：极端可靠

其他上层

内存一致性

Load/Store/RDMA端到端Credit流控内存一致性

其他上层

链路层

节点规模编码效率CBFC/PFC

CBFC

链路层

物理层

电连接Serdes速率光连接

FEC通信距离

FEC

物理层

来源：通信世界网，国金证券研究所

国产超节点陆续发布，2025年是超节点产业的“加速渗透年”。从华为昇腾384超节点真机在2025世界人工智能大会期间首秀，到12月18日中科曙光scaleX万卡超集群真机亮相，超节点已经加速从技术突破走向产品落地。华为、中科曙光、阿里、百度等头部企业均发布超节点产品，中兴通讯、浪潮、新华三、超聚变等企业纷纷跟进推出解决方案，形成全面竞争格局。

图表22：昇腾384超节点与曙光AI超集群对比

对比维度

华为昇腾384超节点

曙光AI超集群系统

核心特点

超大带宽、超低时延、超强性能

超高性能、超高效率、超高可靠、全面开放

路径模式

“类大型机”/“类苹果”的封闭垂直优化，单一巨头企业主导

“类Cluster”/“类安卓”的开放跨层优化，大量厂商分工协作

加速卡类型

支持华为昇腾910C加速卡

支持市面上多品牌AI加速卡

算力性能

单机柜32卡，单机柜算力约25PF，384超节点共300PF（12个计算柜）

单机柜96卡，单机柜算力大于100PF

网络性能

超节点内任意两卡间通信带宽相较于

采用层次化高速互连网络，单机柜访存总带宽大于

![](page=16,bbox=[52, 28, 191, 52])

![](page=16,bbox=[217, 6, 299, 63])

传统架构提升15倍，单跳通信时延降低10倍，是业界唯一突破Decode时延15ms的方案

180TB/s，单机柜片间互连总带宽大于50TB/s

效率优化

强调算力互联效率，在通信占比更高的MoE模型上达到3倍以上性能提升。

强调系统多维效率提升，千卡集群性能提升2.3倍，GPU算效提升55%，能源使用效率PUE小于1.12，模型开发部署效率提高4倍。

可扩展性

最大16万卡Scale-out集群

支持百万卡超大规模集群扩展

来源：芯语，国金证券研究所

三、四象二：火箭瓶颈突破在即，太空算力打开应用空间

3.1 海外巨头竞逐太空算力，打开万亿美金市场

英伟达首次将芯片送入太空，开启太空算力时代。根据机器之心报道，2025年11月2日，英伟达首次把H100 GPU送入了太空。此次测试飞行搭载于初创公司Starcloud的 Starcloud-1卫星上，是该公司雄心勃勃的计划的第一步，该计划旨在将全球耗能巨大的数据处理基础设施迁移到太空。这项为期三年的任务将由SpaceX的猎鹰9号火箭发射升空。仅重60公斤的Starcloud-1卫星将在距离地球约350公里的超低轨道上运行。在那里，它将接收来自美国Capella公司运营的合成孔径雷达(SAR)地球观测卫星群的数据，实时处理这些数据，并将信息传回地球。Starcloud甚至预测在未来十年内，几乎所有新建数据中心都将建在太空，这完全是因为地面能源的限制。一颗功率更大的100千瓦卫星预计将于2027年入轨。 Starcloud公司认为，到2030年代初，它将在太空中拥有一个40兆瓦的数据中心，其数据处理成本与地球上的数据中心相当。

图表23：美国初创科技公司 Starcloud

![](page=16,bbox=[267, 479, 943, 880])

来源：机器之心，国金证券研究所

谷歌披露“Project Suncatcher”，进军太空算力。根据华尔街见闻，谷歌披露了名为“Project Suncatcher”的计划，旨在构建一个由太阳能驱动的太空数据中心原型。该项目并不是建立

![](page=17,bbox=[51, 6, 299, 63])

一个单一的轨道巨石，而是由81颗搭载AI芯片的卫星组成的集群，它们将在太空中协同飞行并处理数据。作为该计划的第一步，谷歌将与卫星公司Planet合作，预计于2027年向近地轨道发射两颗原型卫星。此举的核心逻辑在于利用太空独特的环境优势一一特别是太阳同步轨道提供的近乎恒定的太阳能，以及免除在地面建设所需的土地和水资源。对于投资者而言，这释放了一个明确的信号：尽管面临物理世界的限制，科技行业仍试图证明AI具备无限的可扩展性。如果Gemini等AI模型的查询能够在太空中处理并将结果传回地球，将彻底改变算力基础设施的成本结构与能源依赖。

马斯克目标在4-5年将通过星舰完成每年100GW的数据中心部署。根据财联社报道，2025年11月4日马斯克表示，将扩大星链V3卫星规模，建设太空数据中心，目标在4-5年将通过星舰完成每年100GW的数据中心部署。此外，根据IT之家报道，马斯克估计，AI算力未来可能需要200至300吉瓦甚至接近1太瓦的持续功率输出。作为对比，一座典型的核电站仅能提供约1吉瓦的持续电力，而整个美国的持续总发电量也仅为490吉瓦左右。因此，马斯克断言，在地球上建设如此规模的电厂来支持AI是“不可能的”，唯一的出路在于太空。

图表24：马斯克认为运行人工智能成本最低的方式将在太空进行

![](page=17,bbox=[282, 315, 479, 347])

![](page=17,bbox=[778, 316, 909, 341])

Elon and Jensen share the vision that in less than five years, the lowest-cost way to run AI compute will be in space.

With minimal cooling needs, no storage requirements, cheaper solar power, and massive scale, space makes AI compute far cheaper.

埃隆和詹森都认为，在不到五年的时间内，运行人工智能计算成本最低的方式将在太空进行。

由于冷却需求极低、无需存储、太阳能更便宜且规模巨大，太空使得人工智能计算成本大大降低。

![](page=17,bbox=[285, 580, 907, 825])

上午2:23·2025年11月20日·1万查看

来源：IT之家，国金证券研究所

![](page=17,bbox=[824, 846, 918, 885])

马斯克旗下SpaceX目标估值高达1.5万亿美元。根据界面新闻报道，埃隆·马斯克旗下 SpaceX正加速推进首次公开募股（IPO）计划，目标估值高达1.5万亿美元，拟募资超300

![](page=18,bbox=[51, 6, 299, 64])

亿美元。若计划实现，SpaceX将超越石油巨头沙特阿美此前290亿美元的募资规模，成为史上最大规模IPO。

我们认为，太空算力有望成为全球算力中斜率最陡峭细分赛道。根据科创板日报报道，英伟达在2026财年第二季度财务业绩电话会议表示“仅今年一年，全球在数据中心基础设施与计算领域的投资规模预计就将达到6000亿美元，这一数字在两年内几乎实现翻倍。”我们认为，由于美国科技巨头纷纷发力太空算力，太空算力有望成为全球算力中斜率最陡峭细分赛道。

3.2 我国近期空天支持政策频出，行业发展有望加速

2014年我国鼓励民间资本参与空间基础设施建设，拉开空天时代序幕。2014年11月，国务院发布《国务院关于创新重点领域投融资机制鼓励社会投资的指导意见》，其中明确提出“鼓励民间资本参与国家民用空间基础设施建设。完善民用遥感卫星数据政策，加强政府采购服务，鼓励民间资本研制、发射和运营商业遥感卫星，提供市场化、专业化服务。引导民间资本参与卫星导航地面应用系统建设。”随后在2015年，发改委发布《关于印发国家民用空间基础设施中长期发展规划（2015-2025年）的通知》，提出“探索国家民用空间基础设施市场化、商业化发展新机制，支持和引导社会资本参与国家民用空间基础设施和应用开发，积极开展区域、产业化、国际化及科技发展等多层面的遥感、通信、导航综合应用示范，加强跨领域资源共享与信息综合服务能力，加速与物联网、云计算、大数据及其他新技术、新应用的融合，促进卫星应用产业可持续发展，提升我国空间基础设施全面支撑经济社会发展的水平和能力。”自此，我国空天时代发展拉开序幕。

商业航天2024-2025年连续被写入政府工作报告，受重视程度持续提升。2024年政府工作报告中提出“积极打造生物制造、商业航天、低空经济等新增长引擎。”2025年政府工作报告中提出“新培育一批国家级先进制造业集群，商业航天、北斗应用、新型储能等新兴产业快速发展。开展新技术新产品新场景大规模应用示范行动，推动商业航天、低空经济、深海科技等新兴产业安全健康发展。”商业航天受重视程度持续提升。

“十五五”规划中同样重视空天行业发展。2025年10月国务院发布《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，其中提出“培育壮大新兴产业和未来产业。着力打造新兴支柱产业。实施产业创新工程，一体推进创新设施建设、技术研究开发、产品迭代升级，加快新能源、新材料、航空航天、低空经济等战略性新兴产业集群发展。完善产业生态，实施新技术新产品新场景大规模应用示范行动，加快新兴产业规模化发展。”

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）》，指引行业发展路径。2025年11月新华社报道，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）》，明确五方面22项重点举措，推进商业航天高质量发展和高水平安全。其中明确，“鼓励商业航天布局航天产业链相应环节”“重点支持商业航天主体开发新技术、新产品，挖掘应用新场景”“完善商业航天发展投融资体制机制，设立国家商业航天发展基金”等。在推动产业发展壮大方面，《行动计划》明确，推进产业结构优化，鼓励商业航天布局航天产业链相应环节，做强星箭制造，做大应用服务，拓展测控运营能力，推动商业航天产业高质量发展。支持拓展新业态。支持商业航天主体围绕太空资源开发利用、太空制造、在轨维护与服务、太空环境监测探测、空间碎片监测预警与减缓清除、太空旅游、太空生物制药等新领域，加强原始创新和关键核心技术攻关、系统开发和应用服务。

商业航天司成立，商业航天迎来专职监管机构。根据新华社2025年11月报道，国家航天局已于近期设立商业航天司，相关业务正在逐步开展，标志着我国商业航天产业迎来专职监管机构，未来将持续推动我国商业航天高质量发展，产业链有望全线受益。近年来，我国商业航天在政策牵引、技术突破与市场驱动下，以全产业链协同创新，完成了历史性的跨越。国家航天局相关负责人介绍，当前我国商业航天企业数量超600家，在确保安全的前提下逐步释放商业航天发展潜力。

商业航天有望获得更多资金支持，助力头部企业积极技术突破。根据财联社报道，2025年11月26日上午，国家发改委、财政部等多部门联合发布国家创投基金启动相关政策；傍晚，商业火箭企业适用科创板第五套上市标准的专项细则正式落地，两项重磅政策将为商业航天产业发展注入强劲动力。1）国家创投引导基金，在实施区域上，重点辐射京津冀、长三角、粤港澳大湾区三大经济核心带；在产业方向上，围绕集成电路、人工智能、生物制造、未来能源等前沿领域布局，大力支持发展我们国家的塔尖产业，商业航天也被明确纳入支持清单，凸显其在国家硬科技产业布局中的核心地位。2）科创板专项细则的出台，则是为商业航天企业登陆资本市场开辟了 “绿色通道”。这是科创板第五套上市标准重启后，首次针对单一行业发布专项实施细则。此前，该标准已明确将人工智能、低空经济、商业航天等领域纳入支持范畴，而此次细则进一步聚焦商业火箭赛道，对企业的硬科技属性、技术优势、科研成果转化、资质认定及商业空间等核心指标作出明确界定。

![](page=19,bbox=[51, 6, 299, 63])

3.3 我国积极布局大型星座与太空算力

我国规划多个万星以上星座，积极抢占稀缺轨道资源。根据东方中科微信公众号：1）2021年4月28日中国星网成立，标志国有资源与民营资本共同推进和加速我国空间互联网建设，主导建设巨型低轨卫星工程“GW”星座计划，整合鸿雁星座、虹云星座等原有卫星计划，实现卫星网络全面布局。GW星座包含两个子星座GW-A59（6080颗）和GW-2（6912颗）。 2）我国第二大巨型低轨商业卫星星座一G60星座（又名：千帆星座）部署计划为在2027年前1296颗卫星提供全球网络覆盖，到2030年完成超1万颗卫星组网，为全球用户提供低延时、高速率、高可靠性的多远融合卫星互联网服务。3）2025年5月24日ITU收到上海蓝箭鸿擎科技有限公司（简称：鸿擎科技）提交的申请文件，内容“鸿鹄三号”星座是继GW星座和G60星座计划之后，我国第三个超万颗卫星的巨型低轨卫星星座计划。据ITU规定，卫星轨道资源和频率资源采取“先申请先获得”原则。为真正拥有频段使用权，获得批准实体必须在限期七年内完成卫星发射和信号验证。如果超期，获得资源作废。

2025年以来我国低轨卫星组网速度明显提速，后续有望进一步加快组网节奏。千帆星座首次组网于2024年8月开始，GW星座于2024年底开始组网，通过统计发现2025年我国两大星座组网显著加速，截至2025年12月26日，GW星座2025年合计成功发射16组低轨卫星。我们认为，由于轨道资源稀缺，后续我国卫星组网速度有望进一步加速。

图表25：2025年以来我国低轨卫星互联网组网明显提速

事件

时间

千帆极轨01组卫星成功发射

2024/8/6

千帆极轨02组卫星成功发射

2024/10/15

千帆极轨03组卫星成功发射

2024/12/5

卫星互联网低轨01组卫星成功发射

2024/12/16

千帆极轨04组卫星成功发射

2025/1/23

卫星互联网低轨02组卫星成功发射

2025/2/11

“千帆星座”第五批卫星成功发射

2025/3/12

卫星互联网低轨03组卫星成功发射

2025/4/29

卫星互联网低轨04组卫星成功发射

2025/6/6

卫星互联网低轨05组卫星成功发射

2025/7/27

卫星互联网低轨06组卫星成功发射

2025/7/30

卫星互联网低轨07组卫星成功发射

2025/8/4

卫星互联网低轨08组卫星成功发射

2025/8/13

卫星互联网低轨09组卫星成功发射

2025/8/17

卫星互联网低轨10组卫星成功发射

2025/8/26

卫星互联网低轨11组卫星成功发射

2025/9/27

卫星互联网低轨12组卫星成功发射

2025/10/16

“千帆星座”第六批卫星成功发射

2025/10/17

卫星互联网低轨13组卫星成功发射

2025/11/10

卫星互联网低轨14组卫星成功发射

2025/12/6

卫星互联网低轨15组卫星成功发射

2025/12/9

卫星互联网低轨16组卫星成功发射

2025/12/12

卫星互联网低轨17组卫星成功发射

2025/12/26

来源：无锡博报，央广网，上海市国资委，新华网，工信部官网，新浪财经，国资委官网等，国金证券研究所整理

太空算力方面我国同样积极布局。1）2025年5月14日，我国首个整轨互联太空计算卫星星座正式进入组网阶段，这也是中国“三体计算星座”的首次发射。“三体计算星座”是千星规模的太空计算基础设施，建成后总算力可达1000POPS（每秒百亿亿次运算）。其中，此次

![](page=20,bbox=[51, 6, 299, 63])

发射的计算卫星核心载荷一一星载智能计算机把卫星算力从T级提升到P级，实现了10一100倍的提升；星载高通量路由器作为星座天地网络互联的核心设备，将完成星间、星地和星内百G比特高速率、低延迟网络传输。2）根据IT之家报道，北京市支持研发的首个算力星座将发射首颗算力试验卫星一一“辰光一号”已完成产品研制，正在开展总装试验。预计5年左右，首座太空算力中心将建成。根据规划，太空数据中心将部署在距地面700至800公里的晨昏轨道，建设过程分为“天数天算”“地数天算”“天基主算”三个阶段。项目采用模块化、标准化设计，通过在轨交会对接搭建平方公里级大型航天器，最终具备超大模型训练与推理能力。算力提升方面，规划明确：未来3年内，星座太空算力将达到1000P（每秒千万亿次浮点运算）量级；到2030年，算力有望提升至40万P，相当于当前我国所有地面数据中心的算力总和，首座太空数据中心将正式建成。届时，该中心将在6G通信、自动驾驶、气象预报等多个关键领域发挥核心支撑作用，为相关产业的技术突破与规模化应用注入强劲动力。

图表26：北京太空数据中心建设工作推进大会进行

![](page=20,bbox=[268, 285, 944, 644])

来源：北京发布公众号，国金证券研究所

3.4 我国火箭发射瓶颈有望逐渐突破

我国当前发射节奏较慢，核心矛盾在于运力不足。根据央广网报道，目前我国低轨卫星星座的发射节奏尚不能称为大规模组网，且面临“占频保轨”的压力一一国际电信联盟规定，运营商须在申报7年内发射首颗卫星，9年内发射星座总数量的 10%，12年内完成 50%，14年内必须 100%部署完毕。当前的核心矛盾在于卫星亟待发射，而火箭运力却严重不足。承担两大星座卫星发射任务的火箭包括长征十二号、长征八号甲、长征六号改等“国家队”火箭，但这些火箭还需兼顾国家其他航天任务，排期紧张；与此同时，商业航天公司尚无成熟的大运力火箭可用，导致整体发射进度不及预期。

可回收技术突破可大幅降低火箭发射成本。根据36氪报道，2015年，猎鹰9号火箭一级首次成功着陆回收，2016年首次实现海上平台的着陆回收，2017年实现火箭重复使用，2019年将首批60颗星链卫星发射入轨。根据经济观察网报道，美国SpaceX的“猎鹰九号”近地轨道运力约22.8吨，2024年单箭发射报价为6975万美元，折合每公斤约3000美元（约合人民币2.1万元/公斤），而国内商业火箭的发射报价多在每公斤6万元到15万元之间。猎鹰九号能够实现第一级火箭和整流罩的回收再复用：一子级约占火箭成本的 67%，整流罩成本占比约 10%。SpaceX已成功实现单枚火箭第一级重复使用22次，总回收复用次数超300次，火箭成本因此得以大幅摊薄。Starcloud公司联合创始人、CEOPhilipJohnston表示，“我们预计每公斤发射成本约为500美元，达到盈亏平衡点。而使用星舰后，预计发射成本会更低”。

![](page=21,bbox=[51, 5, 299, 64])

一旦星舰全面投入运营，其每公斤发射价格预计将在10美元到150美元之间。

我国可回收火箭技术突破正在临点，“国家队”与民企积极性竞争。1）2025年12月3日，朱雀三号遥一运载火箭在东风商业航天创新试验区发射升空，按程序完成了飞行任务，火箭二级进入预定轨道。与此同时，本次任务开展了一子级垂直回收技术的飞行验证。根据飞行测量数据，火箭一子级在着陆段点火后出现异常，未实现在回收场坪的软着陆，残骸着陆于回收场坪边缘。2）12月23日，长征十二号甲遥一运载火箭在东风商业航天创新试验区发射升空，运载火箭二子级进入预定轨道，一子级未能成功回收，飞行试验任务获得基本成功。本次任务虽未实现预定的火箭一级回收目标，但是获取了火箭真实飞行状态下的关键工程数据，为后续发射、子级可靠回收奠定了重要基础。根据贝壳财经，首次发射就实现回收没有先例。猎鹰9号从首发到成功回收历经5年，经历了20余次试错爆炸，新格伦火箭历经发动机爆炸、储箱爆裂等多重挫折才实现入轨。我们认为，在当前政策支持下叠加国营企业与民企积极竞争，我国火箭发射瓶颈将得到快速突破。

图表27：朱雀三号首飞的技术突破

在国内首次实现了全新总体布局的重复使用液氧甲烷运载火箭入轨飞行。突破动力、气动、飞控、结构等多专业耦合设计关键技术，对一子级创新采用燃箱在上/氧箱在下的总体布局和面对称边条翼、P型局部后掠栅格舵及流线型着陆腿外罩为典型特征的气动布局，可有效降低返回过程推进剂消耗量，提升重复使用模式下的运载能力。

在国内首次实现九机并联液氧甲烷动力系统的集成应用，突破了大流量推进剂稳定可靠输送技术，满足了全任务复杂剖面下发动机多次起动、深度变推需求，实现了滑行段失重状态大姿态机动下，低温推进剂有效管理和可靠沉底；解决了全过冷加注甲烷易冻结的难题，实现了射前2小时大流量全过冷加注。

在国内首创全新的高强度不锈钢/高性能激光焊接贮箱制造材料和工艺体系，自主开发全套不锈钢贮箱激光焊接工艺装备和产线，实现大直径超薄壁不锈钢贮箱制造成本较铝合金大幅降低 80% ，生产周期缩短 40%。

在国内首次实现入轨级重复使用运载火箭高精度返回导航、制导与控制技术的飞行验证。突破复杂约束条件、大范围状态变化、强不确定环境下的在线轨迹优化、姿态稳定和高精度控制技术。

在国内首次实现重复使用运载火箭混合冗余分布式综合电子集成设计与应用，构建面向服务的集控

制、测量、健康管理于一体的开放式系统。基于高速Powerlink实时以太网构建的高带宽、高可靠性实时通信平台，通信速率超100Mbps，较传统火箭1553B提升百倍。采用汽车电子先进的高可靠计算平台研制高算力返回控制计算机，较传统运载火箭算力提升10倍以上，打造火箭航电系统与高端先进制造业相融合的新质生产力。

来源：界面新闻，国金证券研究所

![](page=22,bbox=[51, 6, 299, 62])

图表28：长征十二号甲遥一运载火箭飞行试验任务

![](page=22,bbox=[267, 109, 946, 467])

来源：第一财经，国金证券研究所

我们认为，当前空天行业正处于从1~10的快速发展阶段，可回收火箭技术作为行业瓶颈有望得到快速突破，全球加速竞争太空算力为空天行业打开广阔应用市场，2026年空天行业有望持续表现亮眼。

图表29：空天时代临点将至

![](page=22,bbox=[287, 593, 859, 853])

来源：国金证券研究所绘制

四、四象三：具身智能有望变得精准与有用，实现放量的基础

“十五五规划”提出“将具身智能打造成新的经济增长点”。政策不断提升“具身智能”战

![](page=23,bbox=[51, 5, 299, 64])

略定位，2023年《“十四五”机器人产业发展规划》首次提及具身智能，2025年首次写入《政府工作报告》，二十届四中全会“十五五”规划中明确提出“将具身智能打造成新的经济增长点”。各地政府积极响应提出明确量化目标，加速产业落地：

北京市：提出到2027年，突破百余项关键技术，产出不少于10项国际领先的软硬件产品；实现不少于100项规模化应用，量产总规模率先突破万台，培育千亿级产业集群。

上海市：提出到2027年，实现具身模型、具身语料等方面核心算法与技术突破不少于 20项，我市具身智能核心产业规模突破500亿元。

深圳市：提出到2027年新增培育估值过百亿企业10家以上、营收超十亿企业20家以上，实现十亿级应用场景落地50个以上，关联产业规模达到1000亿元以上。

图表30：2027年中国具身智能市场规模有望突破1.25万亿元

![](page=23,bbox=[58, 275, 473, 496])

来源：亿欧智库，国金证券研究所

图表31：2025年具身智能投资分布中人形机器人为第一大细分赛道

投资领域

金额占比

代表案例

政策杠杆

人形机器人

35%

智元机器人B轮融资超50亿元

北京千亿政府基金定向支持

核心零部件

28%

傲意灵巧手产能扩至500台/月

深圳百亿产业基金优先采购

具身大模型

22%

光轮智能合成数据平台估值翻倍

国家AI重大专项倾斜

应用生态

15%

太希外骨骼景区租赁模式落地

场景开放补贴制度

来源：中投产业研究院，国金证券研究所

特斯拉OptimusV3临近发布，预计为机器人小脑发展集大成者，各类任务精准度快速提升。马斯克明确“2026年启动OptimusV3量产”，因此量产前V3的发布将会更近，目前根据马斯克公开表述，“OptimusV3将在手部灵活性和AI大脑层面拥有巨大提升”，同时得益于多自由度运动系统和自适应学习能力，有望成为机器人小脑发展集大成者：

1) 手部灵活性上，马斯克称“人类的手时极其精妙的进化成果。驱动人手的大部分肌肉其实在小臂上，人手大约有27、28个自由度。要让机器人成为真正的通用人形机器人，必须解决‘手’的问题”，“造机器人的根本难点在于硬件设计，手和前臂的工程难度最大。如果硬件问题解决了，软件方面可以直接利用大模型进展对机器人下达指令”。

2) 在AI大脑上，马斯克确认“V3已经启用了Grok语音助手”，Grok与Optimus的集成或许能让机器人与周围环境和用户更自然地互动，能让Optimus对普通消费者更加友好。

3) 多自由度运动系统，全身自由度达200以上，手部拥有11-27个自由度，可实现精准抓握与精细操作，如抓取20磅重物或完成叠衣服等家务、感知与算力系统。

4) 自适应学习能力，比如通过端到端神经网络，仅用2D摄像头、手部触觉及压力传感器数据即可生成关节控制序列，能在分拣电池等任务中自我纠正失误。

![](page=24,bbox=[52, 6, 299, 63])

图表32：Optimus V2.5无需连接电线，可自主完成行走

![](page=24,bbox=[271, 112, 944, 372])

来源：中国机器人网，国金证券研究所

模型大脑侧，Gemini3.0Pro实现多模态理解能力跃升，未来机器人结合场景泛化任务从不可能变得可能。Gemini3拥有极强的多模态理解能力，在ScreenShot-Pro评测基准中Gemini 3 Pro（得分 72.7%）大幅领先，是Claude Sonnet4.5的两倍，GPT5.1的二十倍。空间推理能力的提升，使模型能够更好地服务于自动驾驶、机器人、XR设备和智能终端，加速具身智能落地。Gemini3 Pro能预测运动轨迹、理解物体关系并判断任务进度，为下一代自动化系统奠定基础，也是通向实体机器人的关键一步。其本质在于“感知一决策一行动”的统一：模型学会在屏幕上识别按钮并操作，与机器人识别现实中的物体并完成抓取，在底层逻辑上是相通的，这一能力也可自然扩展到对真实设备和复杂操作界面的理解与控制。我们认为未来机器人能理解多种人类指令，结合场景完成泛化任务从不可能变得可能，这是具身智能真正放量的基础。

图表33：ScreenShot-Pro评测的部分数据集，包含各类桌面应用和场景

![](page=24,bbox=[53, 605, 486, 761])

图表34：Nano Banana Pro图像生成：创建一个信息图，展示如何制作香茅茶

来源：《ScreenSpot-Pro：GUI Grounding for Professional High-Resolution

Computer Use》，国金证券研究所

![](page=24,bbox=[511, 597, 941, 762])

来源：谷歌官网，国金证券研究所

从产业信号看，特斯拉人形机器人有望迎量产元年，成为一切的起点。特斯拉2025年股东大会上，马斯克明确“2026年启动OptimusV3量产，2027年推出V4，2028年迭代至V5；远期规划年产能1000万台，最终成本降至2万美元”，“公司计划首先在加州弗里蒙特工厂建立一条年产100万台Optimus的生产线，并在得克萨斯州超级工厂建设规模更大的产线，年产能预计达数千万台。”我们认为2026年随着Optimus量产，叠加模型多模态理解能力的跃升，具身智能将迎来真正应用的元年，在部分简单场景真正发挥价值，成为一切的起点。

![](page=25,bbox=[51, 5, 299, 64])

五、四象四：AI应用破土而生，大模型/AI Infra/高增长/高壁垒垂类软件值得关注

计算机行业基本面已于2025H2见底回升，具备反弹条件。根据Wind软件指数（882250.WI），可以看到，软件行业营收已于2025H2见底回升。其中2025Q3，行业营业收入1765.19亿元，同比增长 1.61%，收入端全年维稳、缓慢修复；归母净利润3.77亿元，同比增长 244.56%，预计主要受益于各类降本增效措施。

图表35：软件行业营收及增长率

![](page=25,bbox=[64, 227, 475, 419])

图表36：软件行业归母净利润及增长率

来源：Wind，国金证券研究所

![](page=25,bbox=[519, 228, 946, 419])

来源：Wind，国金证券研究所

5.1 大模型：已广泛应用，向个性化与生态化深入发展

大模型本身即为最具代表性的AI应用，全球领军模型ARR已达百亿美金。1）无论是OpenAI与Gemini，亦或是Deepseek与Qwen等，大模型本身即为最具代表性的AI应用。2）自2022年底以来，经过约3年发展，OpenAI ARR预计2025年底将超过200亿美元，并计划到2030年实现“数千亿美元”级别的收入规模；Google Gemini虽未直接披露ARR，但其token使用量呈指数级别提升，2025年10月已达到1.3千万亿个/月；Anthropic Claude ARR在2025年7月已达到50亿美元，过去7个月翻了5倍。3）国内来看，大模型使用量同样快速增长，以豆包为例，2025年12月其日均Tokens使用量已突破50万亿。

图表37：OpenAI与Anthropic收入曲线

![](page=25,bbox=[400, 621, 806, 831])

Note: Based on OpenAI and Anthropic's projections from the summer. Figures are rounded.

Source: The Information reporting

来源：智东西，The Information，国金证券研究所

在使用大模型过程中，用户可将其与个人知识库及工作流深度结合。1）大模型使用场景远不止对话及搜索，用户可利用大模型为自己设计和搭建的自动化、智能化工作流程，旨在提高效率、简化任务或实现特定目标。2）根据日常的工作生活，工作流可包括信息收集与整理、内容创作与辅助、任务管理与提醒、财务规划与分析、健康管理、旅行规划等。相比通用AI，自定义Agent可与使用者个人的知识库及工作流深度结合，通过多次使用与反馈，Agent的个

![](page=26,bbox=[52, 7, 300, 62])

性化及效益水平可持续提升。

图表38：个人大模型使用场景及工作流

场景

内容

流程

调用工具

信息收集与整理

自动收集新闻、行业动态、学术论文等信息，并进行分类整理

Agent通过网络搜索工具获取指定关键词的信息→对信息进行筛选和去重→按主题或日期分类存储→生成摘要或索引

可结合搜索引擎API、RSS订阅工具和文本处理模型实现

内容创作辅助

帮助撰写文章、文案、报告等，提供创意灵感、语法检查和内容优化

用户输入主题或关键词→Agent生成多个创意方向→选择方向后生成初稿→进行语法和逻辑检查→提供修改建议

大型语言模型（如ChatGPT、豆包等）搭配文本编辑工具

任务管理与提醒

自动规划每日任务、设置提醒，并跟踪进度

用户输入任务清单→Agent根据优先级和时间安排任务→设置定时提醒→任务完成后记录结果→提供总结报告

结合日历应用、提醒工具和简单的逻辑判断模块

财务规划与分析

自动整理收支记录、生成财务报表，并提供理财建议

连接银行账户或导入财务数据→Agent分类统计收入和支出→生成月度/年度报表→分析消费趋势→提供节省开支或投资建议

财务数据接口、数据分析模型和可视化工具

健康管理

跟踪运动数据、饮食记录，并提供健康建议

连接运动设备或手动输入数据→Agent分析运动量和饮食结构→提供个性化运动计划和饮食建议→设置健康目标并跟踪进度

健康监测设备API、营养数据库和健康模型

旅行规划

自动搜索目的地信息、预订酒店和机票，并生成旅行攻略

用户输入旅行时间和地点→Agent搜索景点、酒店和航班信息→根据预算和偏好筛选选项→生成行程安排→提供当地美食和文化推荐

旅行预订平台API、地图服务和知识图谱

来源：国金证券研究所归纳整理

头部基模厂商已发布各类开发工具，助力基模更方便、更深入地部署。1）OpenAI：2025年 10月，OpenAI开发者日2025召开，发布AgentKit工具包，包含诸多模块，可以帮助开发者更高效设计工作流。例如通过AgentBuilder模块，开发者无需从代码开始，只需添加并设置一系列节点即可用可视化直观的方式快速构建Agent。OpenAI研究员现场演示，在8分钟内用AgentKit为其开发者日官方网站构建Agent。2）腾讯：微信最终会推出一个AI智能体，让用户在微信内部就可利用AI完成多项任务，能够理解用户的需求、意图和兴趣。他表示，微信拥有强大的通信和社交生态系统，还有购物支付等场景，几乎是用户的理想助手。但刘炽平也认为，目前这项愿景还处于“非常早期的阶段”；目前，微信正在更多地引入元宝能力，包括用AI来增强搜索等。同时，腾讯也在开发垂直领域的智能体能力，这些能力未来会逐步开放、整合，从而打造出微信智能体的理想蓝图。

![](page=27,bbox=[52, 6, 299, 63])

图表39：OpenAI AgentKit 使用案例

![](page=27,bbox=[309, 107, 902, 319])

来源：量子位，国金证券研究所

5.2 Al Infra：获取卖铲子的确定收益，直接奠定应用成色

AI Infra不直接生产模型和应用，但提供了基础的“水电煤”，直接奠定AI的“成本”与“上限”。1）算力调度：与指挥交通类似，将庞大的计算任务分配给成千上万个处理器（GPU/TPU），并处理节点故障，确保训练不中断。2）数据吞吐：在训练中，海量数据需要尽可能快地“喂”给 GPU，不能让 GPU 等数据（IO Wait），需要高性能的存储和网络；在推理中，高并发数据涌入，需要尽可能提高 CPU/GPU 计算效率，降低用户延迟。3）模型训练与推理支持：提供环境及工具，让模型学得快，并在用户使用时回得快。4）资源抽象与虚拟化：开发者无需关心底层是何种 GPU，可直接通过软件层调用算力。

Databricks: “湖仓一体”全球大数据领军，AI收入已达10亿美元。

Databricks成立于2013年，主要提供统一的数据与AI平台服务，帮助企业整合和处理大规模数据，用于数据工程、数据科学、机器学习与AI应用，也能为电商、金融、医疗等领域的企业提供数据服务。公司为“湖仓一体”数据库架构开创者，是数据智能领域代表性企业，也是AI时代重要的数据基础设施提供商。根据智东西报道，截至2025年 12月，有超过 60%的财富500强企业采用了Databricks的数据智能平台来管理数据，并将其与AI结合。

随着AI技术的全面渗透，“湖仓一体”模式正成为数据基础设施的核心选型。面对AI全生命周期中对多模态庞杂数据的需求，该架构不仅实现了统一纳管和实时处理，更利用云原生的弹性扩缩容机制达到了降本增效的目的。值得注意的是，它还针对AI场景进行了底层优化，例如内建向量搜索功能并对接PyTorch等开发生态，从而精简了数据预处理到模型应用的复杂流程。

12月16日，Databricks宣布完成超过40亿美元融资，投后估值1340亿美元。经营数据方面，公司披露其第三季度对应的年化营收规模超过48亿美元，同比增长超过 55%；同时称其AI相关产品与数据仓库业务的年化收入规模均超过10亿美元，并在过去12个月实现自由现金流为正。

![](page=28,bbox=[52, 6, 299, 62])

图表40：Databricks AI平台

![](page=28,bbox=[365, 116, 866, 295])

来源：微致资本，国金证券研究所

Snowflake：全能型数据云平台，Cortex有望成为企业AI开发支柱。

Snowflake 成立于13年前，基于公有云构建了一个完整的数据和AI平台。其致力于帮助客户处理各种不同类型的数据，支持多种语言进行开发和数据建模，并为商业用户提供数据工程、数据分析、AI以及数据共享方面的应用。截至2025年11月，Snowflake在全球拥有超过12,000个企业级客户，其中超过 50%的客户使用了其AI功能和产品。

Snowpark：允许开发者不用 SQL，而是用 Python、Java等语言直接在 Snowflake内部处理数据。此为机器学习的关键。

Snowflake Cortex：原生AI和机器学习套件，直接构建于Snowflake平台之中。它使用户能够利用Snowflake数据运行高级AI模型，而无需迁移数据或配置单独的基础设施。

FY2026Q3，Snowflake实现营业总收入12.13亿美元，净亏损2.94亿美元。其中，AI业务年化营收超过1亿美元，比原计划提前约一个季度，主要得益于创新速度、跨部门的高效协作以及众多标杆客户的早期采用。

图表41: Snowflake Cortex AI

![](page=28,bbox=[290, 556, 929, 724])

来源：Snowflake，国金证券研究所

5.3 高增长场景应用：广告营销、动态漫、医疗等有望跑通飞轮

我们认为，大模型相比上代AI，具备更强大的语义理解、数据分析及多模态处理能力。在部分场景中，已展现出更优秀的落地潜力，高增长态势已较为显著。

广告营销已成为AIGC商业化落地最具代表性的场景之一。1）得益于该场景高频、海量的业务特性，基于AIGC的“数据飞轮”效应已成功跑通，实现了算法优化与投放效果的正向循环。不同于单纯的降本，AIGC在此场景下能通过精准化投放与自动化素材生成，直接为广告主带来可量化的收入增量与ROI（投资回报率）提升，有效激发了下游客户的付费意愿，推动该场景率先实现从技术验证向规模化应用的跨越。2）以Applovin为例，其收入利润于近年高速增长。其业务包括App游戏、广告平台以及底层算法基建等三大块，而这三大块是能够通过互相推动来旋转的业务飞轮。

![](page=29,bbox=[52, 6, 299, 62])

图表42：Applovin业务模式

![](page=29,bbox=[309, 110, 878, 302])

来源：华尔街见闻，国金证券研究所

图表43：Applovin营收及利润

![](page=29,bbox=[306, 377, 905, 584])

来源：Wind，国金证券研究所

多模态技术红利释放，动态漫已预定“爆款”。1）随着2025年多模态大模型技术路径的收敛与突破，动态漫的视觉表现力实现了质的飞跃。在需求侧，其叙事节奏紧凑、情绪密度高，精准契合了当下用户在碎片化时间内的娱乐偏好；在供给侧，相较于传统动画或真人短剧，AI赋能下的动态漫制作周期大幅缩短，具备低成本、批量化产出的显著优势。技术跃升叠加供需适配，正推动该赛道加速从边缘走向主流。2）根据巨量引擎与火山引擎统计，2025上半年，漫剧市场商业化高速增长。抖音端漫剧付费自然流：从2024上半年的0，一路跑到2025年二季度的300+万/天、2025年8月的1000+万/天；抖音端漫剧商业化投流：从2024下半年的1万/天，逐步上涨至春节的20万/天、2025年二季度的80万/天，并在2025年8月破峰，达到400万/天。

![](page=30,bbox=[49, 6, 299, 63])

图表44：抖音漫剧市场商业化指标

![](page=30,bbox=[273, 110, 939, 304])

来源：短剧自习室，国金证券研究所

医疗AI能力全面跃迁，有望成为下一个高速增长的场景。1）该场景拥有高质量的私有数据沉淀与稀缺的医学专家资源，为模型训练提供了坚实基础。通过将专家标注（RLHF）与既有的场景卡位优势相结合，AIGC能够有效整合碎片化信息，实现从“数据要素”到“临床决策辅助”的完整业务闭环。这种深度融合不仅解决了医疗领域对专业性与准确性的极高要求，也助力拥有核心数据资产的厂商构建起难以复制的竞争护城河。2）从案例来看，截至2025年 12月16日，蚂蚁阿福下载量即飙升至苹果应用榜第三、月活用户规模突破1500万；美年健康或可凭借近3亿人次的医疗级体检数据积累、覆盖全国的近600家线下服务网络以及成熟的AI产品矩阵，成为核心受益方。

5.4 高壁垒垂类应用：具备数据与工作流护城河，对客价值更为显著

大模型的发展将加速“简单应用”的商品化与淘汰；而对于具备深厚行业Know-how、专有数据资产、复杂流程整合能力及严格合规资质的应用而言，大模型非但不是威胁，反而将成为巩固其核心优势的关键工具。

“简单”应用一般具备如下特征：1）依赖公开知识：核心输入输出基于互联网通用语料及共识信息；2）验证门槛低：结果的优劣对错可被快速判定（如代码单元测试）；3）责任风险弱：容错率高，回滚成本低（如图像生成、文案编辑）；4）系统耦合度低：任务单一，不涉及跨系统协作或复杂的权限与审计流程。

而深层垂类应用，具备四类大模型难以攻克的壁垒：

深层行业 Knowhow：特定行业依赖隐性经验、场景化判断及不成文规范。通用大模型难以低成本覆盖此类长尾且深度的领域知识。因此，能够将垂直领域业务逻辑转化为专用模型或 Agent的企业，将凭借比通用方案更高的精准度与可靠性，构建起显著的竞争壁垒。

专有数据资产：随着基础模型能力的普惠化，竞争重心将通过模型层下沉至数据层。拥有独特、高质量且难以通过公开渠道获取的闭环数据，才是核心差异化优势。在此场景下，大模型仅作为数据价值的放大器，数据所有者将占据价值链的主导地位。

复杂流程整合：现代企业软件的价值在于对跨部门、多环节业务流程的深度编排（如集成财务、HR及审批流的ERP系统）。这种深度嵌入工作流的特性带来了极高的客户粘性与替换成本。大模型难以独立完成需强耦合与可追责的复杂执行，更倾向于被集成至现有系统中以提升效率。

资质与合规壁垒：在强监管领域，业务开展依赖明确的责任主体、执照资质及合规体系。虽然模型可辅助生产，但最终的法律责任与结果背书必须由具备资质的实体承担。这一刚性约束决定了此类企业在产业链中不可替代的地位及更高的议价能力。

以上因素同样决定了在与基模合作中，应用公司能占据更大价值。

Palantir: 军工业务为基，展现复杂场景下的 Alpha

Palantir成立2003年，总部位于美国科罗拉多州丹佛，实际运作始于2004年，专注于提供大数据整合、可视化和分析平台，帮助组织从海量、复杂的数据中获取有价值的洞察。基于超强的数据挖掘分析能力，Palantir成为美国军政机构的大数据软件核心供应商，并凭借发现麦道夫“庞氏骗局”和追踪本拉登两大传闻而名声大噪。在商业领域，通过与客户的深度合作帮助其构建数据基础设施，利用数据挖掘分析实现业务成功，如摩根

![](page=31,bbox=[51, 5, 299, 63])

大通、默克集团、法国空客、克莱斯勒等。

根据广电运通研究总院研究，与众多SaaS公司不同，Palantir采用深度定制的方式与客户合作，每个实施项目都可能需要数月甚至数年时间。它不仅为客户提供软件平台，还深度参与客户的数据整合和决策流程，形成了一种“软件+咨询”的混合服务模式。这种模式使得Palantir能够解决客户最复杂的数据问题，虽然限制了客户基数的快速增长，但也建立了极高的客户粘性和切换成本。

产品包括4类：1）面向政府和情报机构的Palantir Gotham；2）面向企业的Palantir Foundry；3）专门支持Gotham和Foundry的Apollo平台；4）基于Palantir机器学习技术和大模型的AIP平台。其中，AIP平台是专注于提供高级数据整合、分析和智能决策支持解决方案，提供了大型语言模型和先进人工智能技术的强大能力；无论是在机密系统还是战术边缘设备上，AIP都能在私有网络中实现对AI解决方案的负责、有效和安全的部署，可以高效构建AI应用、持续改进AI驱动工作流的功能点、提供Ontology SDK与企业运营快速结合。

图表45：Palantir AIP 系统架构

![](page=31,bbox=[57, 318, 436, 527])

来源：腾讯云，国金证券研究所

图表46：Palantir收入及利润（亿美元）

![](page=31,bbox=[520, 316, 945, 525])

来源：Wind，国金证券研究所

六、3D打印：当创新遇到物理瓶颈，3D打印开启序章

中国3D打印市场重回较快增长，2034年全球市场规模有望突破1145亿美元。中国3D打印赛道投融资额重拾快速增长，2025年全年行业投融资总额预计达84亿元，创历史新高，同比增长 115.4%，扭转了2024年同比下滑的局面。在航空航天、液冷、3C及汽车等需求拉动下，全球3D打印市场将迎来快速增长，根据WOHLERS统计，2024年全球3D打印市场规模已达219亿美元，预计未来10年将以 18%的年复合增长率稳健向千亿美元量级迈进，预计2034年将突破1145亿美元。

图表47：2024年全球3D打印市场规模已达219亿美元

![](page=31,bbox=[56, 730, 495, 888])

来源：Wohlers Report 2025，国金证券研究所

图表48：2025年国内3D打印行业投融资总额预计达84亿元

![](page=31,bbox=[515, 733, 928, 909])

来源：南极熊3D打印公众号，国金证券研究所

![](page=32,bbox=[51, 6, 299, 63])

我们认为随着AI、空天、3C、机器人、汽车等产业不断突破创新边界，传统制造工艺已临近上限，难以满足散热、轻量化等实际需要，亟需3D打印技术突破传统上限，多维需求爆发有望加速产业发展。

AI大爆发，3D打印赋能微通道解决散热痛点。随着AI芯片功率密度爆发式增长，具备极高换热效率的微通道液冷方案需求迫切，然而传统铲齿、CNC及焊接工艺在制造微通道（深宽比大、几何结构复杂且直径低于1mm的）时，受限于加工原理无法实现精细复杂流道成型，又因焊接工序额外引入热阻存在泄漏风险，难以匹配AI芯片创新节奏，亟需3D打印助力突破制造上限。3D打印彻底解放了流道设计束缚，其无需模具与焊接的一体化成型能力，可直接制造传统工艺无法企及的拓扑优化、仿生叶脉状等复杂流道，大幅增加换热表面积并优化流体动力学性能，同时通过微米级精密制造，能从根源上消除焊接带来的热阻与泄漏隐患，提升结构强度，完美适配新一代AI芯片对极致散热性能的刚性需求。

图表49：微通道液冷板制造中3D技术路线前景更好

加工技术

原理

优势

局限性

微机械切削

通过微铣削或微车削进行加工，宽度取决于刀具主切削刃的长度

走刀速度快，热量不易聚集；加工工件的轮廓形状一致性好

加工尺寸受刀具直径限制，会对薄板造成一定程度变形

微电火花加工

利用高温火花放电对金属表面进行烧蚀以达到加工材料的目的

非接触式加工；材料去除率高

电极丝直径小，容易断裂；只能在极低走丝速度下实现高精度，加工效率低

微冲压

结合精密模具使用，通过冲压使材料变形

生产效率高；成本低

主要加工高延展性材料；精密模具制造难度大

微液压成形

使用加压液体作为介质，将材料加工成理想的零件形状

效率高；能够制备出复杂形状的零件

依赖复杂专业的设备

激光加工

激光在短时间内以高峰值功率蒸发或烧蚀材料

灵活性高；表面质量好

加工精度取决于参数设置

聚焦等离子体蚀刻

通过离子束对表面进行轰击，达到去除表面原子的目的，或通过离子束轰击气相前驱体，使气相前驱体分解并沉积在表面

可以加工任何硬金属和非金属，无材料选择性；具有精确制造复杂三维微纳结构的能力

效率低；成本高；加工的基底尺寸有限；只能小批量生产

增材制造技术

以数字化模型为基础，按照计算机设定的路径，将金属粉末或丝材逐道熔凝堆积，最终制备成三维金属零件

具有较强的灵活性可控性，能够制造传统方法所不能获得的复杂结构；减少材料浪费，高净成形

部分增材制造工艺制备的零件需要后处理；成形过程复杂，目前的研究工作不能精准预防缺陷的产生

来源：《复杂微通道热管理部件的应用与加工技术进展》，国金证券研究所

图表50：流道拓扑优化后可以显著提升散热性能

![](page=32,bbox=[534, 305, 925, 481])

来源：《基于COMSOL液冷板拓扑优化设计》，国金证券研究所

3D打印降低火箭发动机生产成本，重塑空天时代。航空航天领域对零部件的强度、轻量化、复杂结构一体化要求极高，与3D打印特质天然耦合。以火箭发动机为代表，其制造成本占火箭总成本的比例高达 50%，为追求极致的性能和性价比，3D打印广泛应用于该领域：

天兵科技的天龙二号采用的3D打印高压补燃发动机，接近 90%的部件通过增材制造完成，与传统工艺相比，该发动机制造周期缩短 70%-80%，成本与重量均降低 40%-50%。

星河动力的“苍穹”液氧/煤油发动机采用3D打印技术，实现了4:1的变推比和50次重复使用能力。飞而康科技与星河动力合作，利用华曙高科金属3D打印解决方案，在4个月内完成30多件火箭发动机零件的交付。

星际荣耀的双曲线二号验证火箭完成国内首次液体火箭全尺寸一子级垂直起降与重复使用飞行试验，铂力特为其研制了多个发动机关键零部件，有效帮助缩短生产周期，节约成本。

我们认为3D打印在航空航天领域，突破了传统工艺上限，以更低的成本，提供了一体化的复杂结构生产能力、更快速的研发节奏、更好的强度和轻量化表现，作为必要的生产环节，未来有望随着商业航天的快速爆发，迎来确定性的需求爆发。

![](page=33,bbox=[52, 27, 191, 52])

![](page=33,bbox=[216, 5, 299, 62])

图表51：发动机成本占火箭总成本 50%

![](page=33,bbox=[56, 134, 442, 322])

来源：你好太空，国金证券研究所

图表52：第三代猛禽发动机通过3D打印工艺，将前两代的多零部件整合为一

![](page=33,bbox=[533, 136, 930, 321])

来源：宇航总体技术，国金证券研究所

3D打印通过拓扑优化，解决具身智能轻量化与散热双重约束。

在轻量化方面，3D打印凭借其对复杂几何形状的成型能力，能够通过拓扑优化设计和点阵晶格结构，制造出高强度且中空的骨骼与肢体部件，在大幅降低机器人自重、提升运动灵活性与续航能力的同时，通过一体化成型显著减少零部件数量与装配难度。

在散热管理层面，面对人形机器人关节内部空间狭小且电机高负荷运转产生的热聚集问题，传统散热手段往往难以奏效，而3D打印能够将热管理功能直接融入结构件设计，通过构建复杂的一体化导热壳体与优化内部热传导路径，极大增加了有效散热表面积并提升了热交换效率，有效解决了高集成度下的热聚集失效风险，为具身智能的高动态性能迭代奠定了物理基础。

图表53：3D打印制造轻量化弹性体为 IRON 机器人塑造“肌肉”

![](page=33,bbox=[51, 552, 489, 748])

图表54：Kengoro机器人使用金属3D打印打造多孔框架为全身电机降温

来源：36氪公众号，国金证券研究所

![](page=33,bbox=[531, 554, 932, 744])

来源：车乾科技公众号，国金证券研究所

端侧AI时代，3D打印赋能端侧热管理与定制化。随着AI大模型在手机及AIPC等移动端落地，芯片瞬时高算力引发的热流密度激增与设备极致轻薄化的空间限制形成矛盾，3D打印技术能够制造出传统冲压或蚀刻工艺无法实现的、适应异形狭窄空间的超薄均热板，通过构建复杂的内部三维毛细结构大幅提升被动散热效率，保障端侧AI的稳定运行；另一方面，针对折叠屏手机铰链等关键结构件向高强度钛合金转型的趋势，3D打印有效克服了钛合金材料传统CNC加工良率低、刀具磨损大且难以切削复杂内腔的难题，实现了铰链轴盖等精密部件的一体化成型与拓扑减重，在满足数十万次折叠寿命的同时为电池释放了宝贵的堆叠空间，成为高端3C产品迈向轻量化与耐用性平衡的必选方案。

![](page=34,bbox=[52, 27, 191, 52])

![](page=34,bbox=[216, 5, 299, 62])

图表55：超薄均热板能够高效消除局部热点，保障高功率柔性电子设备稳定运行

![](page=34,bbox=[55, 190, 493, 337])

图表56：OPPO Find N5采用3D打印打造铰链、翼板及外传轴中框

![](page=34,bbox=[532, 133, 931, 398])

来源：《High-precision additive manufacturing enabled ultra-thin flexible

来源：铂力特市场营销公众号，国金证券研究所

vaporchamber for adaptive and efficient electronic cooling》，国金证券研究所

3D打印帮助汽车突破轻量化瓶颈。在整车结构一体轻量化领域，传统冲压、铸造工艺受限于分体制造逻辑，需通过焊接组装多部件，存在重量冗余，又有连接点疲劳失效风险，而3D打印技术能够利用拓扑优化算法，将底盘副车架、控制臂等关键承力部件设计为仿生镂空或点阵结构并实现一体化成型，在大幅降低簧下质量的同时避免了多部件焊接带来的强度衰减；同时，针对高端车型日益增长的个性化需求，该技术彻底摆脱了内饰件与外壳制造对昂贵模具的依赖，能够直接制造出具有复杂晶格结构的透气座椅中底、特殊纹理仪表盘及异形车身外壳，不仅显著缩短了研发试制周期，更以低成本小批量生产模式满足了智能座舱对功能性与美学的双重定制需求。

图表57：3D打印汽车零部件在保障强度的同时能够有限减重

零件名称

3D打印优势

立柱

该零件基于拓扑优化创新设计的3D打印技术，传统铸造或机加工无法制造，能够保证极高的制造精度，显著提升轻量化表现，助力赛车成为中国大学生方程式汽车大赛8年来最轻赛车

轮毂

3D打印降低零件重量，解决传统铸造因结构复杂导致的缺陷问题，提升成品率，保障零件性能稳定，满足设计要求

摇臂

采用高强铝3D打印。通过拓扑优化设计，相比传统制造方法减重30%，力学性能完全满足应用要求

来源：铂力特招股说明书，国金证券研究所

图表58：保时捷提供定制3D打印座椅

![](page=34,bbox=[532, 627, 930, 785])

来源：叁迪科技公众号，国金证券研究所

七、金融IT：降息周期全球资本活跃，跨境支付重构金融生态

降息周期全球资产打开估值弹性，金融IT业绩有望修复。全球流动性迎来拐点，2025宽松周期叠加2026降息预期，有望改善风险资产估值环境。据美国银行统计，过去两年全球央行降息频次已超2008年金融危机时期，虽然当前中性利率仍处高位，但机构预测美联储未来 12-18个月仍有100BP的降息空间，中性利率有望回归至 3%-3.25%区间。更为关键的边际变化在于，美联储会议纪要暗示量化紧缩或将于12月结束，甚至不排除在2026年重启量化宽松以对冲就业压力。我们认为流动性的实质性改善将有效降低资金成本并推升资产价格，

![](page=35,bbox=[51, 6, 299, 63])

资本市场交易活跃度有望回升，利好交易系统及相关IT服务商的业绩修复。

图表59：过去24个月，全球央行多次降息

![](page=35,bbox=[329, 132, 901, 399])

Source: BofA Global Investment Strategy, Bloomberg

来源：BofA Global Investment Strategy，Bloomberg，国金证券研究所

“十五五”明确资本市场高质量发展，资本市场IT迎来建设新浪潮。2025年10月28日，证监会副主席李超在科创板相关仪式上明确表示，证监会将抓紧谋划“十五五”时期资本市场战略任务，核心围绕“防风险、强监管、促高质量发展”三大支柱展开。当前政策端强调以深化投融资综合改革为牵引，旨在持续增强资本市场的包容性与适配性，服务于金融强国建设目标。我们认为，随着新一轮资本市场改革，资本市场IT板块有望迎来新的系统性建设浪潮。

图表60：“十五五”规划明确资本市场“高质量发展”核心主线

![](page=35,bbox=[298, 540, 917, 818])

来源：证监会发布公众号，国金证券研究所

跨境支付规模稳步增长，全球监管框架加速演进。跨境支付规模持续增长，2020至2024年全球跨境支付规模从141.1万亿美元增至194.6万亿美元，其中B2B业务增速趋稳，而受益于电商出海与数字服务扩张，以个人为参与方的跨境支付复合增速超 30%，实现快速增长。全球监管框架加速演进，针对反洗钱（AML）、反恐怖融资（CFT）及客户身份识别（KYC）的合规要求日益严苛，监管体系向模块化、实时化转型。覆盖范围已拓展至传统跨境支付、数字资产、加密资产等多元支付形态；监管机构也在积极引入实时风控、监管科技等工具，强化动态风险的识别与管理能力。

![](page=36,bbox=[50, 8, 297, 62])

图表61：2024年全球跨境支付规模增长至194.6万亿美元

![](page=36,bbox=[267, 112, 952, 294])

注释：依据交易双方的主体身份进行划分，但在实际调研中，主要通过账户类型、KYC信息、用途代码等指标进行归纳。B2B指企业之间的跨境支付，涵盖大型跨境贸易等；B2C和C2B是指企业与个人之间的跨境支付，涵盖来源：FXC Intelligence，专家访谈，艾瑞研究院自主测算研究及绘制。

@2025.B.IResearch.Inc.

来源：iresearch网站，国金证券研究所

数字人民币再升级，进一步助力建设金融强国，推动人民币国际化。2026年1月1日，央行出台《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》，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将于正式启动实施。本轮数字人民币升级的目的，我们认为主要系：1）为落实十五五规划要求的“加快建设金融强国”“稳步发展数字人民币”指示；2）为应对全球虚拟资产/稳定币等挑战，积极拥抱区块链及智能合约技术，提高跨境支付效率。从行动方案细节看，最核心的变化有三点：

新增计息收益。升级前的数字人民币本质是“数字现金”，拿在手里的现金而非存在银行的存款，无法产生利息收入，升级后的数字人民币本质是“数字存款”，银行需为用户钱包里的数字人民币计息付息，有利于激励用户使用意愿；同时，作为“数字存款”存在，受存款保险保护，安全保障更高。

加强智能合约功能。智能合约能力的升级，为数币服务商提供更丰富的“武器库”，有利于创新供应链金融、绿色金融、预付资金管理、定向补贴等服务。

优化跨境体验。升级版数字人民币将优化跨境支付体验，比如中国游客在老挝旅游时，可用数字人民币App直接扫码支付，无需兑换外币，便捷中国游客和老挝商户体验。

我们认为在全球支付创新背景下，数字人民币被赋予了新内涵，对内以数字存款计息为切入点吸引更多用户，对外可以便利跨境支付，整体有望进一步推动人民币国际化行稳致远。

图表62：三大平台协同解决了传统跨境支付的效率与成本痛点

平台名称

核心功能

解决痛点

跨境数字支付平台

支持法定数字货币跨境清算

传统跨境支付效率低、成本高

区块链服务平台

提供跨链交易转接及链上支付服务

区块链互操作性不足

数字资产平台

为金融级数字资产提供发行、托管等标准化服务

数字资产缺乏合规基础设施

来源：每经网，国金证券研究所

八、智能驾驶：L2强标落地，L3元年，Robotaxi单车UE转正

≤L2辅助驾驶：AEBS系统或升级为强制性国标，“中国L2强标”征求意见稿发布。 2025年2月28日，《轻型汽车自动紧急制动系统技术要求及试验方法》完成起草，于4月30日进入公开征求意见阶段。该标准将代替现行国标GB/T39901-2021《乘用车自动紧急制动系统（AEBS）性能要求及试验方法》，由“推荐性国标”升级为“强制性国标”。

对比现行国家标准，新国标要求AEBS在覆盖范围、激活速度和误检&漏检等方面全面升级。1）新国标覆盖范围从M1类乘用车扩展至N1类轻型载货汽车；2）M1/N1类汽车 AEBS系统激活速度区间由15km/h以上分别改为10~80km/h/10~60km/h，同时明确对行人和两轮车有效识别的激活速度区间为20km/h~60km/h；3）误响应试验新增右转跟车、静止自行车等复杂场景，提升车道内铁板误检难度，试验漏检率要求由 40%降至 10~20%。

![](page=37,bbox=[52, 27, 191, 52])

![](page=37,bbox=[217, 6, 299, 62])

图表63：新旧国标对比：适用对象由M1扩展至N1类汽车，AEBS系统激活速度区间及误检&漏检要求升级

现行国标GB/T39901-2021

新国标征求意见稿

文件名

《乘用车自动紧急制动系统(AEBS)性能要求及试验方法》

《轻型汽车自动紧急制动系统技术要求及试验方法》

适用对象

适用于M1类车辆

适用于M1及N1类汽车

标准性质

推荐性标准：适用于安装AEBS的M1车辆

强制性标准：全部M1及N1车型应满足文件规定的全部要求

车辆碰撞激活速度区间

15km/h以上

M1:10km/h~80km/hN1:10km/h~60km/h

行人、自行车、摩托车碰撞激活速度区间

无

20km/h~60km/h

预警性能

不晚于紧急制动前1s

车辆碰撞：不晚于紧急制动前0.8s其他：不晚于紧急制动

紧急制动性能

紧急制动不应在预计碰撞时间3s前开始

紧急制动后车辆的减速度绝对值的最大值不小于5.0m/s2

误响应试验

相邻车道车辆、车道内铁板误响应试验

相邻车道车辆、车道内铁板、跟车过程中车辆目标右转、经过同向运动的成年行人、经过对向静止自行车误响应试验

车道内铁板误响应试验

直径600mm、厚度10mm的圆形铁板

2.4m×3.7m×25mm的长方形铁板

试验方法

实车测试

部分试验可通过仿真试验开展，至少30%的试验通过场地开展

试验要求

预警及启动试验5次中至少3次满足规定；误响应试验5次中至少4次满足规定

预警及启动实验中车对车、车对行人试验通过次数占比不低于总次数的90%；车对自行车、摩托车通过次数占比不低于总次数的80%

来源：《乘用车自动紧急制动系统（AEBS）性能要求及试验方法》，《轻型汽车自动紧急制动系统技术要求及试验方法》，国金证券研究所

全球范围内，欧洲、美国、日本均已通过相关法规要求在不同程度上强制要求安装AEBS系统。1）24年4月，美国发布FMVSS127，要求自2029年9月1日起，所有新生产的轻型车必须配备符合该标准的AEBS系统（目前AEB系统仍为推荐技术，NHTSA的新车评估计划自2018年起将AEBS纳入测试）。2）21年4月，欧盟发布UNR152，要求自2022年7月6日起进入欧盟市场的新车型都需要配备满足UN-R152法规的AEBS功能。3）2020年底，日本宣布本土新车型自2021年11月起，进口新车型2024年6月起，必须装配AEBS系统并符合UNR152；对于已批准车型，本土新车需自2025年12月起、进口新车于2026年6月起，必须装配AEBS系统并符合UNR152。

图表64：欧洲、美国、日本均通过强制法规要求安装AEBS系统

风险提示

行业竞争加剧的风险：

![](page=43,bbox=[52, 7, 299, 62])

在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。

技术迭代不及预期的风险：

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=44,bbox=[52, 28, 191, 52])

![](page=44,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=45,bbox=[52, 28, 191, 52])

![](page=45,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。

何形式的复制、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=45,bbox=[283, 715, 432, 820])

【小程序】国金证券研究服务

![](page=45,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。

摘要

文本

计算机行业研究

行业观点

风险提示

投资建议

相关标的：

内容目录

图表目录

一、AI演绎路径更加清晰

1.1 全球顶尖模型模型快速迭代

2025年12月11日OpenAI发布GPT-5.2，为专业工作设计的顶尖模型。

12月1日DeepSeek-V3.2正式版发布，国产模型引领开源创新。

3）大模型训练的硬件基础升级。

1.2 字节AI手机发布，AI超级载体出现

二、四象一：一切仍指向算力，2026国产算力爆发之年

2.1 一切仍然指向算力，Scaling Law从训练侧向推理侧拓展

2.2国产GPU：产能+性能持续突破，26年加速爆发

2.3 入口之战已打响，大厂持续加大投入

2.4存储：AI训练/推理持续拉动存储需求

2.5 超节点：产能+性能持续突破，26年加速爆发

三、四象二：火箭瓶颈突破在即，太空算力打开应用空间

3.1 海外巨头竞逐太空算力，打开万亿美金市场

3.2 我国近期空天支持政策频出，行业发展有望加速

3.3 我国积极布局大型星座与太空算力

3.4 我国火箭发射瓶颈有望逐渐突破

图表27：朱雀三号首飞的技术突破

在国内首次实现重复使用运载火箭混合冗余分布式综合电子集成设计与应用，构建面向服务的集控

四、四象三：具身智能有望变得精准与有用，实现放量的基础

五、四象四：AI应用破土而生，大模型/AI Infra/高增长/高壁垒垂类软件值得关注

5.1 大模型：已广泛应用，向个性化与生态化深入发展

5.2 Al Infra：获取卖铲子的确定收益，直接奠定应用成色

Databricks: “湖仓一体”全球大数据领军，AI收入已达10亿美元。

Snowflake：全能型数据云平台，Cortex有望成为企业AI开发支柱。

5.3 高增长场景应用：广告营销、动态漫、医疗等有望跑通飞轮

5.4 高壁垒垂类应用：具备数据与工作流护城河，对客价值更为显著

而深层垂类应用，具备四类大模型难以攻克的壁垒：

以上因素同样决定了在与基模合作中，应用公司能占据更大价值。

Palantir: 军工业务为基，展现复杂场景下的 Alpha

六、3D打印：当创新遇到物理瓶颈，3D打印开启序章

3D打印通过拓扑优化，解决具身智能轻量化与散热双重约束。

七、金融IT：降息周期全球资本活跃，跨境支付重构金融生态

八、智能驾驶：L2强标落地，L3元年，Robotaxi单车UE转正

风险提示

行业投资评级的说明：

特别声明：