报告投资评级 - 行业投资评级：看好（维持） [1] 报告核心观点 - 海南自贸港已正式启动全岛封关运作，标志着其建设完成筑基夯台的历史性跨越，正进入通过降低制度型交易成本吸引全球高端要素汇聚、提升全球节点地位、并依托特色禀赋从通道经济升级为产业经济的动态演进阶段 [6][17] - 以“零关税、低税率”和六大便利化措施为核心的制度体系已显现创新优势，正加速吸引首轮要素（企业、资本、人才）集聚，为产业迁移和现代服务业发展奠定基础 [7] - 离岛免税市场在经历深度调整后，供给侧改革成效显现，2025年9月以来销售额迎来正向拐点，叠加新政放宽和封关催化，行业正站在新周期的起点 [8] 分章节总结 1. 自贸港战略定位与发展路径 - **战略定位**：海南自贸港是中央高标准建设的中国特色自由贸易港，旨在打造三大核心功能定位：服务中国内地的消费与供应链前置中心、面向东盟与RCEP的离岸贸易和服务中心、基于特色资源的高端产业集聚区 [6][25][28][29] - **差异化优势**：相较于中国香港、新加坡等成熟金融贸易枢纽，海南重在打造“双向循环战略支点”；相较于上海、深圳，海南是享有更高规格开放试验权的新型离岸政策试验田，聚焦发展旅游业、现代服务业、高新技术产业、热带特色高效农业等“4+3+3”特色产业体系 [22][23][24] - **发展框架**：建设是一个“制度资本、枢纽能级、产业生态”循环增强的动态演进过程，预计将经历制度磨合期、制度成熟期，并在2035年后成为开放型经济新高地 [36][37] 2. 关键政策解读：税制与便利化措施 - **税制改革（零关税、加工增值免关税、低税率）**： - 封关后“零关税”商品税目从约1900个扩大至约6600个，覆盖比例从21%提升至74%，享惠主体基本覆盖全岛有进口需求的单位，高价值生产设备进口可节省约13%-25%的成本 [43][44][45][46] - 加工增值免关税政策门槛降低，取消鼓励类产业60%营收占比限制，允许上下游企业加工增值合并统计，与零关税形成减负组合拳 [46][47] - 企业所得税和个人所得税“双15%”政策延续至2027年，未来可能探索三档累进税率，并以“实质性运营/居住”为认定准绳 [52][54] - **便利化措施（六大自由便利）**： - 通过贸易、投资、资金、人员、运输、数据六大便利化措施，破除要素跨境流动壁垒，旨在打造新型区域性离岸国际贸易中心和培育现代服务业 [63][64][66] - 政策吸引总部经济集聚，截至2025年9月，驻琼央企及子企业资产总额较2020年底增长79.2%；2025年前三季度海南实际使用外资同比+42.2% [67][70][71] - 促进跨境贸易与旅游消费，2025年海南保税物流进口额同比+29%，国际航线恢复至92条，服务进出口总额占全国比重整体提升 [74][75][77][81] 3. 离岛免税行业分析 - **发展复盘与当前拐点**： - 行业历经政策红利推动扩容（2011-2021年）、供需深度调整（2022-2024年）两个阶段，2024年销售额较峰值下滑37% [79][82][88] - 2025年供给侧改革成效显现，运营商优化商品结构，驱动客单价回升，9-12月销售额同比增速转正（分别为+3%、+13%、+27%、+17%），客单价同比显著增长（如12月同比+21.2%） [91][95] - 封关首月（2025年12月）销售金额达50.2亿元，同比+46.8%；购物人数77.2万人次，同比+29.7% [8] - **新政影响与增量展望**： - **岛民免税**：2025年11月新政将岛民购物场景扩充至“即购即提”日常消费，实施首月岛民“即购即提”购物金额1081万元，客单价约2480元，有望支撑全岛消费活力 [96][97] - **离境免税**：新政将享惠主体扩大至入境国际旅客，2025年海南入境过夜旅客150万人次，同比+35.2% [103][109] - **增量测算**：中性假设下，预计2028年入境外国游客贡献的离境免税消费增量规模约10亿元 [104][108] 4. 产业迁移与要素集聚现状 - **加工制造业迁移**：税制改革红利引导产业迁移，2025年前十一月海南加工贸易额同比+10.5%，工业增加值同比+10.4% [58][62] - **要素集聚加速**：封关前后各类要素汇聚呈现加速趋势，封关首月“零关税”政策业务货值达7.53亿元，同比+38.9%，减免税款1.09亿元，同比+194.6% [58] - **数字经济成长**：2025年海南数字经济核心产业预计营收规模突破2300亿元，同比增长15% [78] 5. 投资建议 - **受益标的**：报告指出离岛免税领域的受益标的包括中国中免、王府井 [8]

行业投资评级 - 投资评级：看好（维持）[1] 报告核心观点 - 预制菜国家标准草案有望出台，将首次从国家级层面为行业划定规范，解决定义模糊、安全隐患、信息不透明等痛点，为监管和生产划定清晰边界[3][4] - 标准落地将成为行业洗牌的核心催化剂，短期将推高合规成本，对中小作坊形成压力，长期将重构竞争逻辑，焦点转向供应链、品控、技术及品牌等综合能力[5] - 行业标准化提升将驱动市场集中度加速提升，具备规模化优势的龙头企业有望优先受益，行业马太效应有望持续加剧[5][6] 行业事件与背景 - 2026年1月，国务院食安办组织国家卫生健康委、市场监管总局等部门起草了《食品安全国家标准 预制菜》、《预制菜术语和分类》草案，并会同相关部门起草了关于推广餐饮环节菜品加工制作方式自主明示的公告，将公开征求意见[3] 行业格局影响 - 预制菜行业此前呈现“大行业、小公司”格局，中小作坊凭借低成本、低标准模式占据大量市场份额[5] - 标准实施将显著推高企业合规成本，对缺乏资金、技术实力的中小作坊形成压力[5] - 具备规模化优势的龙头企业，可通过产能摊薄成本，对冲合规带来的费用压力，形成明显的成本壁垒[5] - 行业竞争逻辑有望重构：依赖低价竞争的模式难以为继，竞争焦点转向供应链稳定性、品控能力、技术壁垒及品牌信任度等综合能力比拼[5] 产业链影响 - 上游规模化农牧企业凭借标准化原料供应能力，将与头部预制菜企业形成深度绑定，强化产业链协同优势[6] - 中游生产端，具备全国产能布局、先进锁鲜技术的企业将占据主导地位[6] - 下游B端餐饮客户更倾向于与合规性强、供应稳定的龙头合作[6] - C端市场则因消费者信任度提升，推动品牌化企业份额集中[6] 受益方向与标的 - B端、C端餐饮供应链龙头有望优先受益，在生产标准化、供应链稳定性上具备先天优势，新规下客户开发速度及合作稳定性有望进一步提升[6] - C端预制菜企业亦有望受益品牌建设及消费者信任度提升，实现份额提升[6] - 受益标的包括安井食品、千味央厨、味知香等[6]

报告投资评级 - 行业投资评级：看好（维持）[1] 报告核心观点 - 生态环境部强调加快推动聚氯乙烯（PVC）行业无汞化转型，这将成为行业格局重塑的关键催化剂[5] - 《关于汞的水俣公约》将增加电石法PVC企业的生产成本，推动行业落后产能退出[6] - 行业已进入大面积亏损状态，叠加水俣公约、高能耗限制、出口退税取消等多重因素，有望加速产能出清，优化供给格局[7] - 2026-2027年PVC行业无新增产能，供给端格局将进一步优化[7] 行业现状与催化剂分析 - **行业亏损加剧**：2025年Q3氯碱双吨净利润约为182元/吨，但进入2025年Q4，氯碱双吨净利润转为-49元/吨，行业进入大面积亏损状态[7] - **政策与公约压力**： - 《关于汞的水俣公约》明确2032年将禁止全球原生汞矿开采，届时无法再利用氯化汞作为催化剂生产PVC[6] - 2026年1月9日财政部取消PVC出口退税[7] - 未来在双碳目标推进下，对氯碱等高耗能行业可能进行相关限制[7] - **无汞化转型路径与成本**： - **采用金基催化剂**：预计产线改造加催化剂费用将增加PVC单吨成本约100元，且首次加注量大，规模较小的企业或无力承担[6] - **改用乙烯法生产工艺**：烧碱/乙烯法PVC配套项目单吨投资额约为5,973元/吨，远高于烧碱/电石法PVC配套项目的3,328元/吨[6] - 无论采用哪种方式，都将增加电石法PVC企业的生产成本[6] 受益标的 - 报告列举的受益标的包括：新疆天业、中泰化学、氯碱化工、嘉化能源、君正集团、北元集团、凯立新材等[8]

宏观经济 - 2025年1-12月全国规模以上工业企业利润累计同比增长0.6%，营业收入累计同比增长1.1%，结束了连续三年的下降态势[4] - 2025年12月工业企业利润当月同比回升18.4个百分点至5.3%，但营收当月同比约为-3.2%，较前值下行3.0个百分点，呈现“营收转弱+利润改善”的组合[5] - 12月利润率改善显著，对利润增速贡献了4.2个百分点，推测主要受益于投资收益增加，可能源于股市走强和有色大宗商品上涨[5][6] - 从利润格局看，12月中游设备制造业的ttm利润占比为40.7%，较前值提升0.2个百分点，上游采掘、下游消费、公用事业占比分别为28.1%、19.5%、11.8%[7] - 高技术制造业带动作用明显，集成电路制造、半导体器件专用设备制造、智能消费设备制造1-12月利润累计同比分别增长172.6%、128.0%、48.0%[7] - 12月工业企业名义库存同比为3.9%，实际库存同比为5.8%，库销比趋于上行，需求整体偏弱[8] 投资策略 - 策略观点认为市场牛市驱动力未变，维持科技+周期的配置思路，建议关注军工、传媒（游戏）、AI应用、港股互联网、电池、核心AI硬件、有色、化工、光伏、保险、机械等行业[10] - 基于行业轮动模型，2月推荐的多头行业组合为：石油石化、钢铁、基础化工、商贸零售、社会服务、交通运输、纺织服饰、环保、农林牧渔、有色金属[11] - 展望2026年，主题投资或更为活跃，报告筛选出五大潜在强主题，分别是AI+（AI4S）、具身智能、核聚变能、量子科技、脑机接口[23][24] - 主题投资筛选逻辑为“买新不买旧，买大不买小”，旨在避开套牢盘并追求产业浪潮与时代共鸣[24] - 从机构调研热度看，周度层面汽车、医药生物、通信、轻工制造、建筑装饰、传媒等行业的调研总次数环比有所上升[32][33] - 月度层面，基础化工、有色金属、通信、环保、钢铁等行业的机构关注度同比上升[34] 金融工程 - 报告升级了深度学习因子挖掘框架至2.0版本，重点在于变量丰富、网络迭代和应用升级[38] - 采用GRU和GAT（图注意力网络）模型，基于财务网络挖掘出的因子多头表现相对最好[39] - 在考虑财务数据后，合成因子（ML_C）未来10日RankIC为14.2%，多头超额收益为26.1%（信息比率3.1），多空收益为72.7%（信息比率6.1）[42] - 该模型可用于多头优选个股，2020年至今，全A市场优选50只股票的年化收益为38.52%[43] - 模型构建的行业轮动因子10日RankIC为9.27%，用于上证50指数增强可获得年化4.95%的超额收益（信息比率2.28）[43] - 使用ML_C因子进行指数增强，2020年至今，沪深300、中证500、中证1000增强策略的超额年化收益分别为6.77%、10.72%、14.41%，信息比率分别为2.06、2.83、3.26[43] 通信与AI基础设施 - “超节点”（SuperPod）集群通过更大的节点内互联，将多个算力芯片整合成逻辑上的“大型GPU/ASIC”，以突破单一服务器的效率瓶颈[45] - 超节点的渗透增长将持续拉动高功率电源、高压UPS/HVDC、服务器液冷散热、铜缆、PCB、光通信等板块的需求[46] - 国产AI集群通过超节点方式弥补单卡算力差距，例如单个CloudMatrix384集群的BF16总体性能是英伟达NVL72的1.7倍[47] - 截至2025年9月，华为Atlas 900 A3 SuperPoD已累计部署超300套，服务超20位客户[47] - 投资建议看好“网络端+AIDC+计算端”三条核心方向，以及“光+液冷+供电+芯片”四大赛道[48] - 亚马逊AWS对其EC2机器学习容量块实施约15%的价格上调，这是其近二十年来首次打破“只降不涨”的定价传统，反映AI算力需求高景气与资源稀缺性[49][54] - 谷歌云计划于2026年5月1日上调部分地区数据传输价格，例如北美地区从0.04美元/GB翻倍至0.08美元/GB[49] - 英伟达向AI算力租赁公司CoreWeave追加投资20亿美元，以加速其在2030年前增加超过5GW AI计算能力的进程[55][56] - Meta已与康宁签署价值60亿美元的光纤长期供货协议，以保障其AI数据中心建设，印证光纤需求旺盛[57] - 报告判断AI数据中心建设将持续驱动光纤光缆需求及价格提升，重视AI云IAAS（包括AIDC和算力租赁）和光纤板块的投资机会[57][58] 汽车行业 - 2025年全年重卡批发销量约为114.4万辆，同比增长约27%，成功跨越百万辆大关；其中国内重卡批发销量81.9万辆，同比增长34.4%[59] - 2025年国内新能源重卡实销达23.11万辆，同比增长182%，12月单月渗透率一度突破38%，全年平均渗透率超过28%[60] - 2025年中国重卡出口约33万辆，再创历史新高，出海市场向“一带一路”沿线国家多元化发展[60] - 2025年主要重卡企业销量：中国重汽30.5万辆（同比+26.7%）、一汽解放21.6万辆（同比+17.8%）、陕汽集团18.4万辆（同比+24.7%）、东风公司18.1万辆（同比+22.0%）、福田汽车14.2万辆（同比+102.7%）[61] 食品饮料行业（公司研究） - 卫龙美味2026年春节旺季备货从一月开始，预计年初旺季有望催化业绩[64] - 公司魔芋新口味产品储备充足，面制品导入明星代言，预计为销售贡献增量[64][65] - 预计公司2025-2027年归母净利润分别为13.8亿元、17.0亿元、20.6亿元，同比分别增长29.2%、23.1%、21.1%[64] - 公司渠道覆盖全面，战略拥抱量贩零食、山姆会员店等新兴线下渠道，并把握抖快等新兴电商机遇[66] 其他行业与公司观点 - **化工**：巨化股份是制冷剂行业绝对龙头，受益于近期制冷剂价格大幅上涨[12] - **商贸零售**：潮宏基围绕“文化+创新”打造产品，国内及海外拓展加快，2025年业绩超预期[13] - **军工**：华秦科技核心技术壁垒深厚，积极布局航空发动机高价值赛道以打造第二成长曲线[14] - **传媒**：心动公司自研游戏陆续上线带来业绩释放，储备游戏及TapTap平台增长有望进一步驱动增长[15] - **食品饮料**：甘源食品传统渠道逐渐恢复，春节备货延后叠加低基数，2026年第一季度业绩大概率超预期增长[16] - **通信**：光环新网IDC机柜持续加快规划及投产，有望受益于AIGC发展带动的算力需求[17] - **电子**：中微公司在刻蚀领域领先，正大力推进薄膜沉积设备研发，并拓展量检测设备[18] - **医药**：药明康德作为行业龙头，海外业务占比高，业绩持续回暖，在手订单饱满，TIDES业务快速增长[19] - **有色**：洛阳钼业作为国内铜巨头，产量有望持续增长，黄金业务打开第二增长曲线[20][21] - **中小盘**：奥来德是OLED材料与蒸发源设备双龙头，凭借设备+材料双轮协同助力国产替代[22] - **计算机**：以Clawdbot为代表的通用AI Agent（在GitHub收获超6.58万 stars）能够执行复杂任务，有望推动算力需求高增[50] - 国内模型厂商如Kimi、阿里千问等正竞相布局通用型Agent，多Agent协同已成为产业趋势[51]

报告行业投资评级 - 行业投资评级：看好（维持）[1] 报告核心观点 - 生态环境部强调加快推动聚氯乙烯行业无汞化转型，叠加《水俣公约》要求、行业亏损加剧、出口退税取消及高能耗限制等多重因素，将加速氯碱行业落后产能退出，优化供给格局，行业有望迎来历史性新变化[5][6][7] 行业事件与政策影响 - 事件：生态环境部表示将聚焦无汞催化剂研发攻关等关键环节，加快推动聚氯乙烯行业无汞化转型[5] - 《关于汞的水俣公约》目标为保护人类健康和环境免受汞危害，公约已明确2032年将禁止全球原生汞矿开采，届时将无法再利用氯化汞作为催化剂生产聚氯乙烯[6] - 2026年1月9日财政部取消聚氯乙烯出口退税，未来在双碳推进下对氯碱这类高耗能行业可能进行相关限制，将促使行业内落后产能加速退出[7] 行业现状与成本分析 - 2025年第四季度，除了乙烯法聚氯乙烯企业以及部分位于内蒙古的企业，其他氯碱企业均进入大面积亏损状态[7] - 据计算，2025年第三季度氯碱双吨净利润约为182元/吨，但进入2025年第四季度氯碱双吨净利润为-49元/吨，行业出现大面积亏损[7] - 2026年之后烧碱盈利能力下降，以碱补氯的局面较难维持，将加速行业产能退出[7] - 2021年以来，聚氯乙烯价格价差持续下滑；2025年第四季度以来，烧碱价格价差亦出现下滑[10] 无汞化转型路径与影响 - 在电石法生产聚氯乙烯过程中，乙炔与氯化氢的反应需以氯化汞作为催化剂，但氯化汞易发生汞流失，带来环境和健康危害[6] - 目前推动聚氯乙烯无汞化主要有两种方式：一是采用金基催化剂，二是采用乙烯法生产工艺[6] - 采用金基催化剂路线需要改造生产线并使用价格更高的黄金作为催化剂，预计产线改造加催化剂费用将增加聚氯乙烯单吨成本100元左右，且第一次加注量较大，规模较小的聚氯乙烯生产企业可能无力承担[6] - 采用乙烯法生产工艺投资成本更高，根据统计，烧碱/电石法聚氯乙烯配套项目单吨投资额平均为3，328元/吨，而烧碱/乙烯法聚氯乙烯配套项目单吨投资额约为5，973元/吨[6] - 无论采用哪种方式，都将增加电石法聚氯乙烯企业的生产成本，其中采用金基催化剂路线为较优方式，行业触媒无汞化已成趋势，规模较小、盈利能力较弱的聚氯乙烯企业或将退出[6] 行业供给格局展望 - 2026-2027年聚氯乙烯行业无新增产能，供给端格局将进一步优化[7] - 水俣公约、高能耗限制、出口退税取消及行业亏损等因素共同作用，有望推动行业发生新变化，加速落后产能退出[7] 相关受益标的 - 报告列举的受益标的包括：新疆天业、中泰化学、氯碱化工、嘉化能源、君正集团、北元集团、凯立新材等[8]

行业投资评级 - 投资评级：看好（维持）[2] 报告核心观点 - 超节点（SuperPod）是AI算力基础设施发展的必然趋势，旨在通过网络互联将多个分离的算力芯片整合成逻辑上的“超大型GPU/ASIC”，以突破单一服务器在效率和可靠性上的瓶颈[4] - 超节点架构新增了Scale Up互联需求，将带动光通信、液冷、供电、芯片等多个环节的全面升级[5] - 超节点技术有助于弥补国产芯片在单卡算力上的差距，通过集群化方式提升整体性能，助力国产AI生态发展[6] - 伴随AI训练和推理算力需求持续增长，超节点产业链有望长期受益，报告看好“网络端+AIDC+计算端”三条核心方向，以及“光+液冷+供电+芯片”四大赛道[7] 模型发展与超节点时代背景 - AI模型加速迭代，参数量从千亿级迈向万亿级（例如Qwen3-Max超过1T，文心5.0达2.4T），训练数据量达EB级，对千卡、万卡算力集群需求迫切[14] - 模型训练算力需求已达到十万亿兆量级，且仍以每年4.1倍的速度快速增长[14] - Scaling Law从预训练泛化至后训练和逻辑推理全流程，模型性能随思考次数增长而提高，进一步推高算力需求[15] - 算力集群扩张方式主要为Scale Up（纵向扩展）和Scale Out（横向扩展）两个维度，超节点是集群的最小单元[17] - 基础设施从单卡、八卡模组迈入超节点服务器集群阶段，以应对万亿参数大模型（如GPT4 1.8T需超10TB显存）的训练需求[23] 超节点技术架构与互联协议 - 构造超节点的核心在于更大的节点内互联，硬件与软件协议需互相适配整合[39] - Scale Up组网架构主要包括：Fat-tree胖树拓扑、Mesh类拓扑、Torus拓扑等[41] - **胖树架构示例**：英伟达GB200 NVL72采用一层胖树架构，通过9个NVlink Switch tray连接72个GPU，形成总带宽130TB/s的全mesh网络[41] - **Mesh类架构示例**：AMD MI350采用Infinity Fabric实现8节点Fullmesh互联；华为柜内64个NPU采用2Dfullmesh互联[54] - **Torus拓扑示例**：谷歌TPU采用2D/3D Torus架构，TPU v7支持9216颗芯片集群[59] - Scale Up互联协议正从大厂私有走向开源开放，主要协议包括：[61] - **NVLink**：从P100的160GB/s迭代至B200的1.8TB/s，单卡带宽年复合增长率超60%，并于2025年推出开放生态策略[61][62] - **UAlink**：由AMD、AWS、谷歌等公司发起的开放式互连标准，UALink 1.0支持每通道最高200 GT/s[63] - **SUE（Scale Up Ethernet）**：博通发布的框架，旨在将以太网引入AI系统内部Scale Up领域，其Tomahawk Ultra芯片在51.2 Tbps吞吐量下实现250ns低交换延迟[67][68] - **UB（UnifiedBus）**：华为的灵衢协议，支持百ns~us级低时延，并可通过UBoE与以太网融合组网[72] - **HSL**：海光发布的系统总线互联协议1.0规范[77] - **OISA**：中国移动携手48家单位发布的协议，OISA 2.0支持1024张AI芯片，带宽突破TB/s级，时延缩短至数百纳秒[77] 超节点架构带来的产业链升级机会 - 超节点服务器Rack主要由计算节点、交换节点、TOR交换机、供电单元、供电母线、液冷散热配套等单元组成[80] - 随着渗透率增长，将持续拉动以下板块需求：[5][80] - **计算与交换**：算力卡、交换芯片、交换机 - **光通信**：光模块、光芯片 - **供电**：高功率电源、高压UPS/HVDC - **散热**：服务器液冷散热（液冷占比80%以上，未来向全液冷发展） - **其他**：铜缆、PCB - **以国产ETH-X超节点方案为例**：[84][90][94][96] - **计算节点（Computer tray）**：包含GPU、CPU、PCIe Switch等，采用风液混合散热 - **交换节点（Switch tray）**：提供柜内GPU全带宽Scale Up互连，交换芯片搭配液冷冷板 - **供电**：机柜最大功耗支持132KW，采用Busbar供电，支持N+2冗余 - **制冷**：以液冷为主，风冷为辅，需搭配冷板模组、快接头、CDU等 国产超节点发展案例与性能对比 - **华为Atlas 900 A3 SuperPoD（CloudMatrix 384）**：[98] - 由192颗鲲鹏CPU和384颗昇腾910C芯片通过UB网络互联而成 - 单个系统包含12个计算柜和4个互联柜 - 昇腾910C芯片采用双die共封装，片上互联带宽540 GB/s，内存带宽3.2 TB/s[100] - **性能对比**：尽管单颗昇腾910C芯片的BF16性能仅为英伟达GB200模组的1/3，但单个CloudMatrix 384集群的总体BF16性能是英伟达NVL72的1.7倍，总内存容量为后者3.6倍，总内存带宽为后者2.1倍[6][112] - **部署进展**：截至2025年9月，Atlas 900 A3 SuperPoD已累计部署超300套，服务超20位客户[6] - **规模扩大**：华为后续发布Atlas 950和Atlas 960 SuperCluster，算力规模分别超过50万卡和达到百万卡[113] - Atlas 950支持8192张昇腾950DT芯片，FP8算力达8EFlops，内存容量1152 TB，互联带宽16.3 PB/s - 相比英伟达计划中的NVL144，Atlas 950总算力是其6.7倍，内存容量是其15倍，互联带宽是其62倍[113] 投资建议与关注标的 - 报告看好“网络端+AIDC+计算端”三条核心方向，以及“光+液冷+供电+芯片”四大赛道[7] - **具体推荐标的包括**：[7][116][117] - **光模块&光芯片**：中际旭创、新易盛、华工科技、源杰科技 - **液冷**：英维克 - **服务器电源**：欧陆通 - **交换芯片**：盛科通信-U、中兴通讯、紫光股份 - **AIDC（数据中心）**：大位科技、光环新网、奥飞数据、新意网集团 - **部分公司业务介绍**： - **盛科通信**：产品覆盖100Gbps~25.6Tbps交换容量，是国内稀缺的商用交换机芯片龙头[121] - **中兴通讯**：推出搭配自研凌云AI交换芯片的超节点系统，并联合合作伙伴推出国内首个光互连光交换GPU超节点[124] - **锐捷网络**：已展示ETH128超节点产品，并与两家GPU厂商完成适配测试[125] - **紫光股份**：其UniPoD S80000超节点支持64卡柜内全互联，相比传统8卡服务器，卡间互联带宽提升8倍，单卡推理效率提升80%[127] - **浪潮信息**：发布“元脑SD200”超节点AI服务器，在单机内实现64路GPU高速互连，显存地址空间扩增8倍[130]

量化模型与构建方式 1. **模型名称：因子挖掘2.0模型框架（GRU+GAT_SA加权_考虑财务）**[2][18] * **模型构建思路**：在1.0版本（LSTM+MLP）基础上进行升级，通过GRU网络挖掘时序信息，通过GAT网络挖掘股票间的截面关联信息，并使用自注意力（SA）加权方式融合不同关联网络（行业、财务、资金流）的GAT输出，最后拼接财务指标以增强多头表现。[2][18][24][25][32][35] * **模型具体构建过程**： 1. **输入**：使用不同的特征集（如PV、G、C等）作为模型输入。[19] 2. **时序信息提取**：输入特征首先通过GRU（门控循环单元）网络，提取时间序列上的隐藏信息。[24] 3. **截面信息提取**：将GRU的输出作为GAT（图注意力网络）的输入。GAT网络根据预定义的股票关联图（如行业关联、财务关联、资金流关联）聚合邻居节点的信息。[25][27] 4. **多网络融合**：对于三种不同关联网络（行业、财务、资金流）的GAT输出，不采用简单等权合成，而是引入一个可学习的MLP层进行SA加权。该MLP层的输入为过去20日的Barra风格因子收益，输出经Softmax归一化后得到各网络的动态权重。[7][32] 5. **财务信息融合**：将SA加权融合后的GAT输出，与截面标准化后的财务指标（9大类，含原始值、同比、环比）进行拼接。[35][36][37] 6. **输出**：拼接后的特征通过一个全连接层（MLP），输出最终的因子预测值。[35] 2. **模型名称：收益率牵引因子模型**[27] * **模型构建思路**：基于资金流关联网络，通过聚合同状态股票集的收益率信息来构建选股因子，是GAT网络思想的雏形。[27] * **模型具体构建过程**： 1. **构建关联状态**：在每个交易日，回看过去20个交易日，根据小单净流入强度将股票分为20种状态。[27] 2. **计算同状态股票集收益**：对于股票A，找到与其处于相同状态的所有股票，计算该股票集合的收益平均值。[27] 3. **计算因子值**：将股票A自身的收益对同状态股票集收益平均值进行回归，所得的残差即为股票A的因子值。[27] $$因子值_A = 残差(收益_A \sim 同状态股票集平均收益)$$ 3. **因子名称：ML_C（综合深度学习因子）**[7][69] * **因子构建思路**：将多个单一特征集（PV, G, C, HF, DP）以及二维度交叉挖掘出的因子，按照其多头收益表现进行加权合成，得到最终的综合因子。[69] * **因子具体构建过程**： 1. **单一维度挖掘**：使用“GRU+GAT_SA加权_考虑财务”模型，分别对PV、G、C、HF、DP五个特征集进行训练，得到五个基础因子。[68] 2. **二维度交叉挖掘**：尝试将任意两个特征维度放在一起进行联合挖掘，维度间使用SA加权，得到一系列二维因子。[69] 3. **合成**：将步骤1得到的基础因子和步骤2得到的二维因子，按照各自的多头收益表现进行加权，合成最终的ML_C因子。[69] 4. **因子名称：G（技术指标和K线状态变量）**[7][19][45] * **因子构建思路**：从图形识别思路出发，基于基础行情（开、高、低、收、成交量）计算技术指标和合成K线，并通过状态变量编码进行特征拓展。[45] * **因子具体构建过程**：报告未提供具体计算的技术指标列表和K线状态变量编码公式，但指出其转化思路来源于《深度学习赋能技术分析》报告。[45][46] 5. **因子名称：C（大小单资金流）**[7][19][52] * **因子构建思路**：基于大小单资金流原始数据，通过计算衍生指标和状态变量来增强特征。[52][54] * **因子具体构建过程**： 1. **原始数据**：使用AshareMoneyFlow基础表中的资金流数据。[52] 2. **衍生指标**：计算如资金流过去250日的分位点等特征。[54] 3. **状态变量转化**：针对每类资金流（如买入、卖出、主动买入、主动卖出），每日判断四个问题：净买入>0？主动净买入>0？主动买入比例>0.5？主动卖出比例>0.5？将答案转化为状态变量。[54][55] 6. **因子名称：HF（高频特征）**[7][19][59] * **因子构建思路**：将高频数据降维至日度特征进行挖掘。[59] * **因子具体构建过程**：输入特征包括两部分：1) 分钟收益率和分钟成交量相关衍生指标；2) 逐笔成交数据降频至分钟频后计算的相关衍生指标，具体指标来源于前期相关报告。[59] 7. **因子名称：DP（遗传算法有效因子）**[7][19][60] * **因子构建思路**：将前期通过遗传算法挖掘出的有效因子（Alpha185因子集）作为特征，输入深度学习模型进行“再掘金”。[60][65] * **因子具体构建过程**：从Alpha185因子集中，筛选在2017年之前表现较好且缺失度较低的48个因子作为输入特征。在挖掘时，由于输入已是有效因子，不再使用时序网络（GRU），而直接采用GAT网络进行截面信息挖掘。[60][65] 8. **模型名称：行业轮动因子合成模型**[89][91][92] * **模型构建思路**：采用自下而上的方法，将个股因子通过多种方式聚合至行业层面，构建行业轮动因子。[89] * **模型具体构建过程**： 1. **聚合方法**：对个股因子采用5种聚合方式生成行业因子：(1)因子值均值（等权）；(2)因子值市值加权；(3)因子值分域后等权（前1/3标1，后2/3标-1，其余0，取均值）；(4)因子值分域后市值加权；(5)选取因子值前20%的股票，统计其数量占行业股票总数的比例。[89] 2. **因子选取与合成**：选取“综合因子ML_C”等5个特定因子在特定聚合方式下生成的行业轮动因子，进行等权合成，得到最终的行业轮动因子。[91][92] 9. **模型名称：强化学习风格优选模型**[5][76][77] * **模型构建思路**：针对深度学习因子风格倾向性强的问题，结合强化学习进行风格轮动，实现Alpha与Beta的协同优选，以降低极端市场环境下的回撤。[5][76] * **模型具体构建过程**：基于《深度学习赋能风格轮动和多策略融合》中的方案，将风格轮动转化为截面标的优选问题，使用强化学习SAC方法进行日度决策。在调仓日，汇总过去20个交易日的风格action值进行排序，选取排名靠前的10种风格。[77][80] 模型的回测效果 *测试区间均为2020年1月1日至2025年11月28日，双周频调仓，因子经市值行业中性化处理。多头超额基准：全市场为中证全指，宽基内为对应宽基指数。[24]* 1. **GRU+GAT_SA加权_考虑财务模型 (基于PV特征集)**，10日RankIC 11.7%，年化RankICIR 5.7，多空对冲年化收益 58.9%，多空对冲信息比率 5.1，多空对冲最大回撤 -4.8%，多空对冲胜率 82.7%，多头超额年化收益 24.1%，多头超额信息比率 3.0，多头超额最大回撤 -5.4%，多头超额胜率 72.0%。[39][44] 2. **GRU+GAT_SA加权_考虑财务模型 (基于G特征集)**，10日RankIC 11.0%，年化RankICIR 5.8，多空对冲年化收益 59.9%，多空对冲信息比率 6.2，多空对冲最大回撤 -2.5%，多空对冲胜率 82.7%，多头超额年化收益 23.3%，多头超额信息比率 3.3，多头超额最大回撤 -5.4%，多头超额胜率 75.3%。[47][49] 3. **GRU+GAT_SA加权_考虑财务模型 (基于C特征集)**，10日RankIC 10.6%，年化RankICIR 5.1，多空对冲年化收益 56.4%，多空对冲信息比率 5.2，多空对冲最大回撤 -4.4%，多空对冲胜率 81.3%，多头超额年化收益 19.5%，多头超额信息比率 2.8，多头超额最大回撤 -5.6%，多头超额胜率 70.0%。[56][58] 4. **GRU+GAT_SA加权_考虑财务模型 (基于HF特征集)**，10日RankIC 11.6%，年化RankICIR 5.9，多空对冲年化收益 57.5%，多空对冲信息比率 5.8，多空对冲最大回撤 -5.2%，多空对冲胜率 82.0%，多头超额年化收益 19.1%，多头超额信息比率 2.6，多头超额最大回撤 -7.4%，多头超额胜率 73.3%。[59][62] 5. **GRU+GAT_SA加权_考虑财务模型 (基于DP特征集)**，10日RankIC 11.4%，年化RankICIR 6.2，多空对冲年化收益 49.2%，多空对冲信息比率 4.4，多空对冲最大回撤 -4.7%，多空对冲胜率 76.0%，多头超额年化收益 20.3%，多头超额信息比率 2.8，多头超额最大回撤 -4.6%，多头超额胜率 70.0%。[65][66] 6. **PV和G因子合成 (基于GRU+GAT_SA加权_考虑财务模型)**，全市场10日RankIC 12.4%，年化RankICIR 6.0，多空对冲年化收益 66.7%，多空对冲信息比率 6.0，多空对冲最大回撤 -4.5%，多空对冲胜率 82.7%，多头超额年化收益 24.5%，多头超额信息比率 3.3，多头超额最大回撤 -3.9%，多头超额胜率 75.3%。[50][51] 7. **ML_C (综合深度学习因子)**，全市场10日RankIC 14.2%，年化RankICIR 6.3，多空对冲年化收益 72.7%，多空对冲信息比率 6.1，多空对冲最大回撤 -4.8%，多空对冲胜率 82.0%，多头超额年化收益 26.1%，多头超额信息比率 3.1，多头超额最大回撤 -5.0%，多头超额胜率 74.0%。[7][72] 8. **ML_C因子在沪深300样本空间**，10日RankIC 8.6%，年化RankICIR 2.7，多空对冲年化收益 26.4%，多空对冲信息比率 1.9，多空对冲最大回撤 -14.6%，多空对冲胜率 60.7%，多头超额年化收益 12.4%，多头超额信息比率 1.3，多头超额最大回撤 -6.3%，多头超额胜率 57.3%。[73][75] 9. **ML_C因子在中证500样本空间**，10日RankIC 9.4%，年化RankICIR 3.5，多空对冲年化收益 37.9%，多空对冲信息比率 2.8，多空对冲最大回撤 -15.5%，多空对冲胜率 70.0%，多头超额年化收益 13.7%，多头超额信息比率 2.0，多头超额最大回撤 -5.3%，多头超额胜率 66.7%。[73][75] 10. **ML_C因子在中证1000样本空间**，10日RankIC 11.8%，年化RankICIR 4.7，多空对冲年化收益 57.0%，多空对冲信息比率 4.1，多空对冲最大回撤 -12.4%，多空对冲胜率 78.0%，多头超额年化收益 17.3%，多头超额信息比率 2.3，多头超额最大回撤 -8.1%，多头超额胜率 65.3%。[74][75] 11. **行业轮动因子 (5因子等权合成)**，10日RankIC 9.21%，多头年化收益 17.93%，多头年化波动率 25.44%，多头最大回撤 -20.23%，多头胜率 54.67%，夏普比率 0.70，多空对冲年化收益 22.41%，多空对冲信息比率 1.70，多空对冲最大回撤 -9.96%，多空对冲胜率 60.00%。[92][94] 12. **上证50增强 (行业轮动方案)**，超额年化收益 4.95%，超额年化波动率 2.17%，超额信息比率 2.28，超额最大回撤 -1.98%。[5][95][97] 13. **上证50增强 (Barra优化框架)**，超额年化收益 5.82%，超额年化波动率 2.78%，超额信息比率 2.09，超额最大回撤 -3.03%。[99][101] 14. **沪深300增强 (Barra优化框架)**，超额年化收益 6.77%，超额年化波动率 3.29%，超额信息比率 2.06，超额最大回撤 -3.81%。[5][103][106] 15. **中证500增强 (Barra优化框架)**，超额年化收益 10.72%，超额年化波动率 3.78%，超额信息比率 2.83，超额最大回撤 -3.31%。[5][103][109] 16. **中证1000增强 (Barra优化框架)**，超额年化收益 14.41%，超额年化波动率 4.42%，超额信息比率 3.26，超额最大回撤 -3.34%。[5][103][112] 量化因子与构建方式 1. **因子名称：收益率牵引因子**[27] * **因子构建思路**：基于资金流关联网络，通过聚合同状态股票集的收益率信息来构建选股因子。[27] * **因子具体构建过程**： 1. **构建关联状态**：在每个交易日，回看过去20个交易日，根据小单净流入强度将股票分为20种状态。[27] 2. **计算同状态股票集收益**：对于股票A，找到与其处于相同状态的所有股票，计算该股票集合的收益平均值。[27] 3. **计算因子值**：将股票A自身的收益对同状态股票集收益平均值进行回归，所得的残差即为股票A的因子值。[27] $$因子值_A = 残差(收益_A \sim 同状态股票集平均收益)$$ * **因子评价**：该因子具备一定的选股效果，是GAT网络挖掘因子思想的雏形。[27] 2. **因子名称：开源金工特色大小单资金流人工因子（大单残差、小单残差、主动买卖、散户羊群效应、超大单关注度）**[52][53] * **因子构建思路**：基于AshareMoneyFlow基础表，从不同角度人工构建的交易行为因子。[52] * **因子具体构建过程**：报告未提供具体公式，仅列出因子名称及来源报告。[53] 因子的回测效果 *测试区间均为2020年1月1日至2025年11月28日，双周频调仓。[53]* 1. **收益率牵引因子**，10日RankIC 2.3%。[27] 2. **大单残差因子**，10日RankIC 2.1%，RankICIR 1.6。[53] 3. **小单残差因子**，10日RankIC -2.2%，RankICIR -1.9。[53] 4. **主动买卖因子**，10日RankIC 4.8%，RankICIR 3.5。[53] 5. **散户羊群效应因子**，10日RankIC -3.0%，RankICIR -2.3。[53] 6. **超大单关注度因子**，10日RankIC 5.3%，RankICIR 3.9。[53]

报告行业投资评级 - 行业投资评级：看好（维持）[1] 报告核心观点 - 核心观点：AWS和谷歌拉开“云涨价”序幕，其背后逻辑在于CPU及存储成本上涨以及AI Agent复杂任务执行带来的算力需求激增，这反映了下游算力需求旺盛，建议重视AI基建产业链的投资机会[1][4][7] 根据相关目录分别总结 云服务市场动态 - 亚马逊云科技（AWS）上调其EC2机器学习容量块价格约**15%**，例如p5e.48xlarge实例每小时费用由**34.61美元**涨至**39.80美元**[4] - Google Cloud将于**2026年5月1日**调整数据传输价格，其中北美地区价格翻倍，从**0.04美元/GB**涨至**0.08美元/GB**；欧洲从**0.05美元/GB**涨至**0.08美元/GB**；亚洲从**0.06美元/GB**涨至**0.085美元/GB**[4] - 云涨价的背后逻辑在于近期CPU及存储成本上涨，同时AI Agent的复杂任务执行带来算力需求激增[4] - AWS和谷歌的行动可能引领国产云厂商跟进涨价[4][7] AI Agent发展推动算力需求 - 开源项目Clawdbot在GitHub上收获超**6.58万** stars，它是一个可在本地运行的通用AI Agent，能接入多种聊天工具和生产力工具[5] - 以Clawdbot为代表的通用Agent能够**7*24小时**执行复杂任务，对算力提出更高要求，有望进一步推动算力需求增加[5] - 国内模型厂商竞相布局通用型Agent：Kimi发布并开源K2.5模型，将Agent能力扩展到日常办公领域，掌握Word、Excel、PPT、PDF等软件技能；阿里千问App全面接入阿里生态业务，升级为生态内的Agent入口，可实现点外卖、购物、订机票等功能[6] - 多Agent协同已成为产业趋势，有望成为人类的生产力工具及生活助手[6] 投资建议与关注标的 - 投资建议关注AI基建产业链[1][7] - 重点推荐：深信服[7] - 受益标的包括：并行科技、青云科技、优刻得、金山云、云赛智联、首都在线、铜牛信息等[7]

市场环境与投资逻辑 - 2026年主题投资预计将比2025年更为活跃，当前市场正处于主题投资活跃的大周期[2] - 历史上主题投资活跃期多发生在弱基本面（如规模以上工业企业利润低迷）与宽流动性叠加的时期[2][17] - 主题投资的触发机制包括技术突破、政策导向、重要事件催化、赚钱效应及媒体宣传等[2][18] - 筛选强主题的口诀是“买新不买旧，买大不买小”，旨在避开套牢盘并追求产业天花板高、叙事格局大的方向[3][22][23] 2025年市场回顾 - 2025年A股市场衍生出人形机器人、商业航天、AI+、海南自贸港等一系列热门主题[13] - 2025年全年成交额占比最高的主题投资方向集中在AI+和人形机器人[15] 2026年五大潜在强主题 - **AI+ (AI4S)**：产业重心从“算力建设”向“应用加速渗透”转变。美国企业端AI渗透率从2024年12月的23.4%快速提升至2025年12月的46.6%；中国生成式AI用户规模半年近乎翻番，达5.15亿人[28]。AI模型成本在18个月内下降99.6%，从20美元/百万token降至0.07美元/百万token[29] - **具身智能**：被视为人工智能的“终极形态”，中美两国竞争的核心战场。2026年被认为是人形机器人商业化元年，预计国内出货量将达到6.25万台[44][50] - **核聚变能**：正式纳入国家未来产业体系，安徽、四川、上海三地形成差异化竞逐格局[4][52]。国际能源署预测，2030年全球核聚变市场规模有望达到4965.5亿美元[66] - **量子科技**：是基于量子力学原理的颠覆性、底层科技革命，与现有科技存在代差，是中美科技竞争的核心领域之一[5][67][69] - **脑机接口**：被列为“十五五”规划六大未来产业之一，政策支持其2027年关键技术突破、2030年综合实力迈入世界前列的目标[6][72]

总体业绩 - 2025年全国规模以上工业企业利润累计同比增长0.6%，结束了连续三年的下降态势[3][4] - 2025年12月单月利润同比大幅改善，增速回升18.4个百分点至5.3%，但营收当月同比转负至-3.2%[4][11] - 12月利润增长主要受利润率同比改善驱动，其贡献了+4.2个百分点，抵消了PPI同比-2.0个百分点的拖累[4][15] 利润结构与驱动 - 12月工业企业利润率改善推测主要源于投资收益，推算“投资收益/营收”约2.1%，高于2021-2024年同期均值1.5%[5] - 12月每百元营收中，费用同比增加0.47元，继续形成拖累，但“投资收益+营业外收支”同比改善0.68元[5][18] - 中游设备制造业利润占比持续提升，12月ttm利润占比达40.7%，较前值增加0.2个百分点[6][19] 行业分化 - 高技术制造业增长迅猛，1-12月集成电路制造、半导体器件专用设备制造、智能消费设备制造利润累计同比分别增长172.6%、128.0%、48.0%[6] - 上游采掘业利润累计同比为-7.8%，但有色冶炼和有色采选分别改善11.5和3.8个百分点；下游消费制造业普遍承压[6][20] - “反内卷”与“非反内卷”行业利润增速剪刀差自7月以来持续收敛，12月收窄至-2.6个百分点[6][19] 库存与展望 - 12月末产成品存货同比增速下降0.7个百分点至3.9%，但由于营收下滑，库销比趋势仍在上行，显示需求偏弱[7][21][22] - 报告预计在扩内需政策、有色原油涨价及低基数效应下，2026年初企业利润有望实现“开门红”[7]