产品促销信息 - 浪潮英信NF5280M5服务器正在中关村在线商家“北京科创腾达”进行特价促销，并提供赠品京东E卡 [1][7] - 产品参考价格为面议，购买咨询时提及中关村在线可能获得更优价格和服务 [5][10] 产品核心硬件配置 - 服务器搭载双路英特尔至强金牌5218处理器，具备多核多线程架构，提供强劲的并行计算能力以应对高密度计算负载 [1][7] - 配备128GB大容量内存，为多任务并行运行提供支撑，旨在降低内存瓶颈对业务效率的影响 [1][7] - 存储系统由6块1.2TB硬盘组成大容量存储阵列，支持灵活的RAID配置以保障数据安全与读写性能 [1][7] 产品设计与功能特性 - 整机采用全模块化设计，拥有丰富的扩展插槽，支持多种网络接口与加速卡配置 [1][7] - 产品具备智能管理功能，可实时监控运行状态并简化部署维护流程，特性为稳定可靠与灵活适配 [1][7] 产品应用场景 - 适用于云计算领域，其强劲算力可支撑虚拟化集群部署，为公有云和私有云平台提供稳定算力输出 [4][9] - 适用于大数据分析任务，大容量内存与存储能高效处理海量数据检索与分析运算 [4][9] - 适用于金融服务、企业关键业务等场景，可为交易系统、数据库服务等核心业务提供持续可靠运行保障 [4][9] - 可赋能深度学习、高性能计算等需求，成为企业数字化转型过程中的核心算力支撑设备 [4][9] 公司背景 - 浪潮是中国领先的计算平台与IT应用解决方案供应商，同时是中国最大的服务器制造商和服务器解决方案提供商 [6][11] - 浪潮集团旗下拥有“浪潮信息”和“浪潮软件”两家国内A股上市公司 [6][11]

公司信息披露 - 浪潮信息在互动平台表示，截至2025年12月31日的公司股东总户数将在公司年报中披露 [2]

文章核心观点 - 全球服务器市场正迎来结构性变革，ASIC服务器渗透加速，AI整机柜服务器芯片平台向多元化演进，叠加全球云服务提供商资本支出大幅增长，行业将在2025-2027年维持高景气周期 [1] 全球服务器市场规模显著扩容 - 高盛上调全球服务器市场规模预期，预计2025-2027年全球服务器总营收将分别达到4331亿美元、6061亿美元和7639亿美元，同比增速依次为71%、40%和26% [2] - AI训练服务器成为核心增长引擎，2025-2027年营收预计分别达2348亿美元、3698亿美元和5062亿美元，同比增速高达97%、57%和37% [2] - 通用服务器逐步回归常态增长，营收增速预计为51%、19%和5%；AI推理服务器与HPC服务器则保持稳健增长，2027年营收将分别达484亿美元和103亿美元 [2] - 2025-2027年全球AI高功率训练服务器(8GPU等效单位)出货量预计为69.2万台、95.2万台和122.7万台，同比增速26%、38%和29% [2] - AI整机柜服务器(含英伟达、AMD等多平台)出货量将从2025年的1.9万台激增至2027年的8万台，2026年同比增幅达185% [2] - 通用服务器出货量则将从2025年的1387.2万台增长至2027年的1519.6万台，增速逐步趋稳 [2] 关键变革一：ASIC服务器渗透加速 - 高盛上调ASIC AI服务器渗透率预测，预计2025-2027年ASIC芯片在AI芯片中的占比将分别达到38%、40%和50% [3] - 这一调整主要基于中国ASIC供应商技术突破与商业化落地，以及全球AI应用对定制化算力需求的激增 [3] - 高盛预测，2025-2027年全球AI服务器对应的AI芯片需求将分别达到1100万颗、1600万颗和2100万颗，较上一轮预测上调7%、17%和26% [3] - 2026年下半年多款新型AI芯片量产将进一步助推芯片需求扩容，ASIC与GPU双轨驱动成为AI算力供给的核心特征 [3] 关键变革二：AI整机柜芯片平台多元化 - 高盛首次将非英伟达芯片平台纳入AI整机柜服务器预测，标志着行业从单一芯片依赖转向多元化竞争 [4] - AI整机柜服务器自2024年第四季度随英伟达Blackwell平台启动出货后，2026年下半年起将有更多厂商采用整机柜设计，其中AMD Helios机架等非英伟达方案将逐步放量 [4] - 2025-2027年全球AI整机柜服务器出货量预计为1.9万台、5.5万台和8万台，对应的市场规模分别达546亿美元、1646亿美元和2551亿美元 [4] - 英伟达相关整机柜服务器出货量维持1.9万台、5万台和6.7万台的预测，非英伟达阵营出货量将从2025年的0台快速增长至2027年的1.3万台 [4] - AI整机柜服务器配置持续升级，英伟达方案采用每机架144颗GPU核心设计，非英伟达方案则多为每机架72个GPU模块，具备超高算力密度 [4][5] 细分赛道展望：高功率与推理服务器分化增长 - **AI高功率训练服务器**：高功率AI训练服务器(单芯片算力>500TFLOPS)成为增长核心，高盛上调其2025-2027年出货量预测至69.2万台、95.2万台和122.7万台，较此前预测提升9%、30%和50%，对应的市场规模分别达1802亿美元、2052亿美元和2511亿美元 [5] - **AI推理服务器**：AI推理服务器(单芯片算力<500TFLOPS)将随AI应用规模化落地实现稳健增长，2025-2027年出货量预计为47万台、53.9万台和65.6万台，同比增速1%、15%和22%，市场规模从298亿美元增长至484亿美元 [6] - 全球AI模型迭代加速(如Gemini3Deep Think、OpenAI GPT-5.2等上线)，以及自动驾驶、智能客服等终端应用渗透提升，成为推理服务器需求增长的核心驱动力 [6] 通用服务器与HPC：回归常态与平稳运行 - 通用服务器市场在CPU平台更新周期结束后回归正常增长，2025-2027年出货量增速预计为11%、8%和2%，营收增速51%、19%和5% [7] - 增长动力主要来自数据处理需求提升推动的产品结构升级，以及内存价格上涨带来的ASP(平均售价)提升 [7] - HPC服务器则维持平稳运行，2025-2027年营收预计为97亿美元、101亿美元和103亿美元，增速基本保持在1%-11%区间 [7] 核心公司梳理：聚焦产业链核心 - **ODM厂商**：工业富联作为全球AI服务器市占率龙头(约40%)，绑定英伟达、微软等核心客户，2025年Q3净利润同比暴增62% [8]；纬颖专注高端AI服务器定制，是英伟达整机柜服务器核心供应商 [8]；广达、鸿海(工业富联)、仁宝也被重点提及 [8][9] - **液冷厂商**：AVC(奇鋐科技)为英伟达GB300平台提供定制冷水板，Fositek(富世达)依托AVC供应链放量，两者合计占据GB300液冷核心供应链份额 [10][11]；Auras(双鸿科技)切入Meta、Oracle供应链，液冷业务成为核心增长极 [10][11] - **核心部件及制造厂商**：台积电作为AI芯片及ASIC核心制造平台，被视为算力产业链“基石型标的” [12]；Chenbro(勤诚)、GCE(金像电子)、MPI(京元电子)、Hon Precision(鸿准精密)分别为机箱、PCB、探针卡、精密组件领域龙头 [12] - **中国算力行业重点公司**：高盛单独圈定8家重点推荐上市公司，第一梯队：工业富联、浪潮信息、中际旭创；第二梯队：海光信息、寒武纪-U、佰维存储；第三梯队：英维克、盛科通信 [12]

市场表现 - 1月5日，沪指加速上涨超1%，重返4000点，算力板块再度强势 [1] - 云计算ETF汇添富（159273）当日大幅收涨超3%，全天成交额超3000万元，环比放量33% [1] - 该ETF标的指数权重股多数收红，其中金山办公涨超6%，中际旭创、阿里巴巴-W、中科曙光涨超2%，浪潮信息、恒生电子涨近2%，腾讯控股微涨 [2] 机构观点：AI大模型发展趋势 - 复盘美股科技巨头过去三年股价走势，AI叙事不断递进 [4] - 2023年，OpenAI领先开启AI加速度，微软因独家合作受益，估值明显抬升 [4] - 2024年，市场叙事转向推理侧，认为应用公司最优，Meta因社交垄断生态和广告场景，成为除英伟达外PE唯一抬升的巨头；同年云厂商因资本开支大增但供给受限，收入传导延迟，三大CSP（云服务提供商）估值略有回落 [4] - 2025年，模型差距与OpenAI明显收敛，谷歌后来居上，生态优势受市场追逐 [4] - 展望2026年，Scaling Law将持续，模型厂商将打开差异化应用市场，模型推理侧需求或进入放量拐点，模型和算力或为最优投资方向 [4] 资本开支与算力需求 - 2025年北美四家科技巨头资本开支同比增长50%以上，从年初的3200-3300亿美元上修至年末接近4000亿美元 [5] - 测算2026年资本开支将持续实现30%以上增速 [5] - 巨额资本开支投入数据中心建设，可能面临电力瓶颈 [5] - 2024年北美数据中心容量约25GW，据Grid Strategies估计，至2029年的五年将新增80GW需求，但煤电退役、变压器建设周期长等因素可能导致电力缺口成为主要矛盾，算力能耗比成为关键考量因素 [5] 技术演进与架构发展 - 模型架构继续演化，Scaling law延续，多模态与长文本能力为Agent爆发提供基础 [5] - 2023年为Scaling law红利期，2024年多模态、推理模型涌现，2025年算法工程与Scaling Law并进 [5] - 下一代模型架构需解决两大核心痛点：训练阶段Transformer的计算量和内存消耗瓶颈；推理时模型的记忆能力有限且参数无法跟随记忆变化 [5] - 海外已有谷歌的Titans架构及Mamba架构，国内则从成本效率优化角度出发，如Qwen3-Next、DeepSeek V3.2取得明显提升 [5] - 预计2026年Scaling law仍将延续，强化学习将成为重点突破方向 [7] - 多模态、长文本能力更加成熟，为Agent涌现提供技术基础，目前中美模型差距在3-6个月，算力和算法是追赶关键 [7] 应用市场与需求变化 - 人工智能实际上打开了软件需求的天花板，据IDC数据，预计2029年全球SaaS市场将达到近1万亿美元规模，对比2025年的5800亿美元有明显增长 [7] - 市场玩家将重新洗牌，拥有数据壁垒、布局垂类细分场景、工作流程复杂或对准确度要求极高的行业（如医疗、能源、会计、安全）被大模型替代的风险较小 [7] - 大模型厂商开始通过与B端软件服务商合作开发行业需求，或与传统SaaS厂商产生直面竞争 [7] - 2026年推理侧需求有望爆发，一级市场中，编程场景、Agent爆发为主要应用方向 [8] - 当前规模增长较快的行业以AI编程、AI Agent、AI内容创作为主，聚焦生产力提升 [8] - 今年以来诞生多个爆款应用：AI编程软件Cursor年经常性收入已达到10亿美元，AI agent Manus在8个月时间年经常性收入达到1亿美元，AI Perplexity年经常性收入也已达到2亿美元 [8] - 随着模型能力成熟，2026年在端侧的AI手机、AI眼镜，以及协助大模型在企业落地的分销商领域将看到明显增长 [8] 公司动态 - 1月5日，阿里巴巴旗下高德已正式布局"世界模型"技术，并计划基于该模型推出全新产品应用，标志着其在空间智能领域的战略进一步深化 [6] 投资主线 - 华西证券认为，AI大模型的研发从侧重规模，到追求效率，再到追求推理能力，一切朝着更利于应用的方向不断发展 [8] - 2023年及以前，大语言模型发展遵循"Scaling Laws"，GPT-4的成功印证了该路径 [8] - 效率追求：传统Transformer架构的注意力机制存在二次方计算复杂度，限制了上下文长度扩展和模型实际部署，催生了对稀疏架构和新型注意力机制（如MoE架构、MLA注意力机制）的需求 [9] - 推理追求：单纯的规模扩张不能赋予模型多步骤逻辑推理能力，催生了思考模型（如CoT）的诞生 [9] - 智能体的诞生：模型基础能力、效率及推理能力的提升，为智能体的诞生奠定基础，智能体在传统大模型基础上引入了与外部工具和环境的交互 [9]

行业趋势：VLA大模型成为高阶自动驾驶关键方向 - 随着高阶自动驾驶迈向“端到端”阶段，VLA（视觉-语言-动作）大模型正成为自动驾驶的最佳模型方案，它通过统一建模视觉感知、语义理解与逻辑决策，使系统具备类似人类的语义理解与推理能力，是突破自动驾驶“长尾场景”挑战的关键 [2] - 然而，VLA大模型参数规模已增长至数十亿甚至百亿级，多模态数据在异构算力间流转处理时，模型延时普遍超过100ms，难以满足实时性需求，亟需软硬件系统优化来解决车载端异构计算协同问题 [2][5] 技术挑战：VLA大模型车端部署面临三大瓶颈 - **计算挑战**：模型参数从千万级跃迁至数十亿甚至百亿级，对算力、存储带宽与系统协同效率提出空前挑战；其推理过程呈现多阶段强依赖特征，时延呈串行累积；Transformer架构的自注意力计算复杂度随序列长度指数增长，且自回归生成导致动作指令必须串行产出，限制了硬件并行度；数十亿级参数量导致芯片频繁访存，受限于端侧内存带宽，计算单元常因“等数据”而空转 [5][6] - **通信挑战**：与传统模块化系统相比，VLA大模型对数据通信的压力呈指数级增长，多模态特征、高清图像及中间张量频繁在不同计算单元间流转；端到端闭环对时延极为敏感，传统基于中间件的通信机制（如多次拷贝、序列化与协议栈开销）成为制约实时性的核心瓶颈 [6] - **调度挑战**：VLA大模型的执行过程具有明显的异构性与阶段性特征，不同子任务在实时性、计算量与优先级上差异显著；传统以线程或进程为粒度的粗放式调度方式，难以应对多任务并发、强优先级约束与异构算力协同的需求，容易导致关键任务阻塞、算力资源空转或端到端时延不可预测 [7] 解决方案：AutoDRRT 3.0计算加速框架 - 浪潮信息研究团队开源了面向VLA大模型的自动驾驶计算加速框架AutoDRRT 3.0，该框架基于其自动驾驶车载计算平台EIS400，通过在计算效率、通信延时、任务调度三大维度的创新重构，旨在解决VLA大模型的上车挑战 [3][8] - 该框架面向2D+CNN小模型、BEV+Transformer大模型、VLA大模型等不同算法进行了针对性的算法内核与架构升级，汽车厂商、软件平台商和中间件软件开发商可免费下载使用 [3] 技术突破一：计算革新实现全闭环加速 - 通过并行解码、视觉剪枝、算子融合与混合量化等技术，对VLA推理链路进行重构，实现了从“视觉输入”到“动作输出”的全闭环加速 [9][12] - **并行解码**：将单步预测演进为“时域序列预测”，在一个推理周期内并行产出未来多步动作指令，消除了逐个Token产出的逻辑依赖，释放了异构硬件的并行计算潜能 [12] - **视觉剪枝**：引入面向自动驾驶场景的视觉剪枝技术，通过衡量特征向量间的余弦距离，在无须模型微调的前提下，实现了对冗余视觉信息的极高比例压缩，解决了传统注意力剪枝可能导致关键感知目标被误剔除的风险 [12] - **算子融合与混合量化**：实施异构精度策略，对视觉Transformer实施INT8 PTQ量化以提升吞吐，对语言内核采用W4A16量化以突破访存带宽瓶颈；同时进行深度算子融合，并将部分高频操作前移至预处理阶段，消除冗余计算 [12] - 通过上述优化，成功将10亿级参数VLA大模型的端到端推理时延从8000ms降低到78ms，其中并行解码模块将时延从2000ms降低至300ms，视觉剪枝模块将时延从170ms降低至130ms，整体性能提升102倍，这是业内首个将VLA大模型端到端推理时延稳定压缩至100ms以内的开源计算加速框架 [13] 技术突破二：通信革新构建高性能机制 - 从底层重构了面向异构计算单元（CPU-CPU、CPU-GPU、GPU-GPU）的统一高性能通信机制，构建了“轻量调度+极速流转”的混合模式 [14][16] - “轻量调度模式”专注于微秒级的逻辑信令通路，用于精细调度与同步唤醒；“极速模式”为大数据提供共享内存，从根本上革除了传统DDS协议中的序列化损耗与冗余拷贝 [16] - 通过地址映射实现CPU与GPU之间的数据直达，在GPU之间构建以共享内存为中枢的高速流转机制，实现了以“地址共享替代数据搬运”的“零拷贝”闭环 [16] - 在1MB至16MB的负载测试中，AutoDRRT 3.0展现出代差优势：在16MB大数据流转时，其时延表现较FastDDS提升了4至5.6倍，较CycloneDDS最高提升近35倍，实现了大数据负载下的微秒级确定性响应 [17] 技术突破三：调度革新实现异构算力统一编排 - 构建了一套面向多计算单元（CPU、GPU、AI加速单元）的异构算力统一调度机制，进行精细化管理，避免算力空转与链路阻塞 [18][20] - 在CPU侧，深度融合优先级与时间片轮转等调度策略，并结合精细化绑核控制，确保逻辑控制与关键任务的实时性 [18] - 在GPU侧，引入“优先级+流水线+全并行”的一体化调度架构：通过模型级优先级管理保障关键任务算力；借助异步流水线调度实现数据处理与模型推理的重叠执行；协同GPU与专用加速单元进行并行执行，最大化整体吞吐 [18][20] - 实测数据显示，该调度框架使逻辑响应时延降低31%，核心感知模型推理时延降低30%，VLA推理链路进一步压缩28%，端到端时延稳定性显著提升，推理时延由108ms缩减至78ms [21] 生态合作与商业化应用 - AutoDRRT已率先实现了对地平线征程6（J6）平台的深度原生支持，打通了底层芯片异构算力到上层通用软件栈的全链路，完成了ROS + Autoware.ai 以及 ROS2 + Autoware.universe 的全栈原生适配，成为行业首个适配该平台的开源自动驾驶框架 [21] - 基于J6域控+AutoDRRT，客户可实现方案的“开箱即用”与快速验证，覆盖无人配送与环卫小车等多元场景，助力无人车产品缩短研发周期，抢占商业化落地先机 [21] - 该框架为业界提供了首个面向VLA大模型、可在智驾域控平台运行的开源加速框架，验证了VLA大模型在车端实时闭环运行的工程可行性，为自动驾驶从“端到端感知”迈向“全场景通用智能”提供了系统基础 [23]

行业整体表现与市场关注 - 软件ETF（515230）在1月5日上涨超过1.2%，显示计算机与软件开发行业景气度获得市场关注 [1] - 软件ETF跟踪的软件指数（H30202）主要反映软件行业上市公司的整体表现，成分股涵盖系统软件、应用软件开发及相关服务企业 [2] - 该指数侧重于信息技术领域，具有较高的成长性和创新性特征，能够较好地代表软件行业相关上市公司的整体表现 [2] GPU芯片领域发展 - 天数智芯已形成天垓（训练）和智铠（推理）两大GPU系列，产品均价分别为3-4万元和1万元，并已实现小规模批量销售 [1] - 壁仞科技聚焦自研GPGPU芯片及智能算力解决方案，2025年在手订单超过12亿元 [1] - 壁仞科技的下一代BR20X芯片预计将于2026年实现商业化 [1] 大模型领域进展 - 智谱和MiniMax已通过港交所上市聆讯，分别代表ToB和ToC商业模式 [1] - 智谱背靠清华大学，模型能力国内领先，提供语言、多模态、智能体和代码模型，2024年收入为3.1亿元，同比增长150.9% [1] - MiniMax注重高效模型架构和产品迅速商业化，其ToC产品海螺AI和Talkie为核心收入来源，73.1%的收入来自海外 [1] AI服务器产品更新 - 浪潮信息推出了超节点AI服务器“元脑SD200”，该产品支持万亿参数大模型的推理 [1]

报告行业投资评级 - 看好 [1] 报告的核心观点 - 报告梳理了近期港股AI热门新股，包括两家AI算力芯片公司（壁仞科技、天数智芯）和两家大模型公司（智谱华章、MiniMax），并对比了其商业模式与技术路径 [2][3] - 报告认为智谱与MiniMax作为大模型初创公司IPO具有代表性意义，分别代表了ToB和ToC两条不同的商业化路径 [3][39][60] - 报告更新了部分重点公司的近期动态，并梳理了九条重点推荐投资主线 [3] 根据相关目录分别进行总结 1. 壁仞/天数对比研究 1.1 壁仞科技 - **公司概况**：壁仞科技于2019年成立，专注自研GPGPU芯片及智能算力解决方案，于2025年12月18日提交港股招股书 [3][4] - **核心团队**：核心团队来自AMD、华为等大厂，创始人张文曾任商汤科技总裁，CTO洪洲曾任英伟达GPU资深架构师、华为海思GPU首席架构师 [4][5] - **业务与产品**：核心业务为GPGPU芯片及智能计算解决方案，采用“硬件+软件”协同模式 [5] - **芯片产品**：主要产品为BR106、BR110、BR166系列，拥有PCIe板卡、OAM模组等多种形态 [8] - BR106于2023年1月量产，定位训练和推理 [8] - BR110于2024年10月量产，定位推理 [8] - BR166通过芯粒技术集成双BR106裸晶，其硬件产品壁砺166系列于2025年分批量产 [8][9] - **软件平台**：BIRENSUPA软件平台，分层架构涵盖驱动、编程平台、框架及解决方案，兼容PyTorch、TensorFlow等主流框架 [12] - **智能集群**：以自研GPGPU芯片为核心构建大规模集群，千卡集群无中断运行超30天，线性加速比达95% [15][20] - **技术优势**： - **GPGPU架构**：采用SIMT架构，搭载专用张量核，SoC设计采用芯粒技术及BLink互连技术（双向速率达64GB/s/通道） [18] - **硬件系统**：支持PCIe、OAM等多规格，覆盖75W-600W产品形态，下一代将升级至700W风冷/1000W液冷 [20] - **软件技术**：编译器优化并行效率，内存管理技术突破千亿参数模型训练瓶颈 [20] - **财务与运营**： - **收入**：2023年起产生收入，2024年收入为3.368亿元，2025年上半年收入为5890万元 [20] - **订单**：截至最后可行日期，有24份未完成订单（价值8.218亿元），另有框架协议及销售合同合计12.407亿元待变现 [20] - **销量**：2024年BR106销量达9344片；2025年上半年共销售BR106 2216卡，BR166 22卡 [3][25][26] - **毛利率与利润**：毛利率从2023年的76.4%下降至2025年上半年的31.9%，利润端仍在亏损 [22][23] - **供应链**：2023年10月进入BIS实体清单，已引入国内替代供应商，覆盖IP、EDA工具等关键环节，制造成本增加约10% [26][27] 1.2 天数智芯 - **公司概况**：上海天数智芯半导体股份有限公司于2025年12月30日开启招股，准备于2026年1月8日在港交所上市 [3][28] - **发展历程**：公司成立于2015年，2021年推出中国首款量产通用GPU训练产品天垓Gen1，2022年推出推理系列智铠Gen1，产品持续迭代 [28][29] - **核心团队**：核心成员背景丰富，负责芯片研发的孙怡乐曾在AMD任职超过10年 [29][30] - **产品体系**： - **天垓系列**：面向AI模型训练，是国内首款量产的训练通用GPU，已迭代至Gen3，支持主流深度学习框架与大规模集群 [32] - **智铠系列**：面向AI模型推理，是国内首款量产的推理通用GPU，支持量化算法及快速部署，具备影像处理能力 [33] - **产品均价**：天垓（训练）均价为3-4万元/片，智铠（推理）均价约为1万元/片 [3][34] - **销售与客户**：以直销模式为主，前五大客户收入占比从2022年的94.2%下降至2025年上半年的38.6% [36][37] - **财务表现**： - **收入**：从2022年的1.89亿元增长至2024年的5.40亿元，呈现高速增长 [37][38] - **研发投入**：2024年研发投入达到7.7亿元 [37][38] - **毛利率**：约50% [38] 2. 智谱和minimax对比研究 2.1 智谱华章 - **公司概况**：背靠清华，模型能力国内领先，近期通过港交所上市聆讯，成为大模型“六小龙”中第一家启动IPO的公司 [3][39][41] - **商业模式**：以ToB本地化部署为核心，2024年本地化部署收入占比为84.5% [3][42] - **模型能力**：具备从文字、多模态到深度思考Agent的全系列自研基座模型（GLM系列），平台提供语言模型、多模态模型、智能体模型和代码模型 [3][40][47] - **财务表现**： - **收入**：2024年实现营收3.1亿元，同比增长150.9%；2025年上半年实现收入1.9亿元，同比增长325.0% [42][43] - **利润**：2024年经调整归母净利润为-24.7亿元，2025年上半年为-17.5亿元，仍处于高研发投入期 [42] - **毛利率**：本地化部署毛利率保持较高水平，2022-2025年上半年分别为53.6%、68.2%、66.0%、59.1% [44][46] - **市场地位**：截至2025年上半年，模型已为8000+机构客户、约8000万台设备提供支持；按2024年收入计，在中国独立通用大模型开发商中位列第一 [47] 2.2 MiniMax - **公司概况**：成立于2021年，注重高效模型架构和产品迅速商业化，近期通过港交所上市聆讯 [3][39][50] - **商业模式**：以ToC产品为核心，73.1%收入来自海外，核心收入来源为海螺AI视频生成平台和Talkie/星野全模态交互App [3][51][65] - **模型技术**：注重高效推理和多模态，2024年发布MoE架构模型（亚洲首家），并首发大规模Linear Attention机制 [50] - **产品矩阵**：在基模发布后迅速建立C端产品矩阵，包括MiniMax Agent应用平台、海螺AI、Talkie/星野等 [3][51] - **财务表现**： - **收入**：2024年收入为2.2亿元，同比增长782.2%；2025年第一季度至第三季度收入为3.8亿元，同比增长174.7% [52][54] - **利润**：2024年、2025年第一季度至第三季度经调整净利润分别为-17.4亿元、-13.3亿元 [52][57] - **费用率**：2024年研发费用率、销售费用率、管理费用率分别为619.1%、285.0%、47.1%，但呈现下降趋势 [52][59][63] - **毛利率**：开放平台及企业服务板块毛利率维持在60%以上，但C端AI原生产品因推理成本较高，毛利率较低 [59][64] 3. 重点公司更新 - **鼎捷数智**：完成可转债发行，募集资金8.28亿元，其中6.88亿元投向“鼎捷数智化生态赋能平台项目”，旨在建立AI平台商业化支撑 [65] - **浪潮信息**：作为AI服务器核心厂商，在互联网大客户中市占率保持高位，2024年前四大客户销售额占比合计达72% [68] - **税友股份**：AI数字会计商业化超预期，已进入PMF（产品市场匹配）阶段，通过数字人产品矩阵实现开票、记账、报税全流程自动化 [70][72] 4. 重点推荐主线 报告梳理了九条重点推荐投资主线，涵盖数字经济、AIGC、算力、数据要素、信创、港股、智联汽车、新型工业化及医疗信息化等领域，并列举了相关标的公司 [3][73][74]

市场表现 - 2025年最后一个交易日，AI算力方向午后走强，云计算ETF（159890）午后拉升涨超1%，日K冲击6连阳 [1] - 个股方面，易点天下大涨11.46%，汉得信息涨超8%，中科星图、万兴科技、泛微网络涨超4%，润泽科技、科大讯飞、金山办公等多股跟涨 [1] 政策与行业催化 - 我国重要部门领导人表示，深入实施“人工智能+”行动，为人工智能算力芯片提供了广泛应用场景，各类型算力芯片需求增长迅速、创新非常活跃 [3] - 未来随着产业链上下游协同持续深化，国产算力水平将不断提升，为人工智能产业发展提供更加有力的支撑 [3] - 据报道，H200“有条件”对华开放，计划于春节前向中国客户交付，首批动用库存发货约4万至8万颗 [3] 产业链厂商动态与策略 - 头部科技企业正抓紧机遇启动大规模采购以快速补充高端算力，例如阿里在计划采购英伟达H200的同时，也在寻求对AMD MI308芯片的采购 [4] - 字节计划试购2万块H200，其规划中的2026年AI资本开支高达1600亿元，若H200供应稳定，其投入与采购规模预计将进一步扩大 [4] - 其他国内主要厂商采购策略分化，百度正大力推动自研的昆仑芯AI芯片在其AI业务中的规模化应用，以减少对外部芯片的依赖 [4] - 腾讯拟通过“算力租用”的间接方式，获得超过12亿美元最新B200/B300芯片使用权，以获取比H200性能更强的算力 [4] 行业观点与市场前景 - 本次H200有条件放开强化了国产算力长期自主可控的战略必然性 [5] - 考虑到主权AI投资规模庞大以及AI推理市场潜力大，AI算力需求或将维持高景气 [5] - 根据IDC和浪潮信息的联合测算，预计2025年中国智能算力规模将达到1,037.3 EFLOPS，到2028年将达到2,781.9 EFLOPS，2023-2028年复合增长率达到46.2% [6] - 预计2025年中国通用算力规模将达到85.8 EFLOPS，到2028年将达到140.1 EFLOPS，2023-2028年复合增长率达到18.8% [6] - 当前国际AI竞赛胜负未定，2026年仍是激烈的“大模型赛马期”，国内算力市场催化剂频发 [6] - 市场慷慨定价GPU龙头发行价表明国产算力格局仍在早期阶段，替代空间巨大、迭代速度也有望提升 [6] - 国内算力链条无论从胜率角度（资本开支贝塔）和赔率角度（国产替代和技术创新）机会或都有很多 [6] 相关投资工具 - 云计算ETF（159890）跟踪中证云计算与大数据主题指数，其前十大成份股覆盖中际旭创、新易盛两大光模块龙头，中科曙光、浪潮信息等电子终端及组件龙头，以及科大讯飞、金山办公等软件开发龙头，从上游AI基建到下游AI应用均有布局 [6]

公司股价与市场表现 - 12月31日，浪潮信息股价下跌1.07%，收报66.84元/股，成交额8.83亿元，换手率0.89%，总市值981.53亿元 [1] 公司基本信息 - 浪潮电子信息产业股份有限公司成立于1998年10月28日，于2000年6月8日上市 [1] - 公司主营业务为计算机软、硬件及其他信息产品的开发、生产、销售以及系统集成 [1] - 公司主营业务收入构成：服务器产品占93.88%，存储类、交换类等产品占6.03%，其他占0.09% [1] 基金持仓动态 - 合煦智远金融科技指数(LOF)A（168701）在2023年第三季度减持浪潮信息1400股，期末持有9.34万股，占基金净值比例为5.92%，为基金第三大重仓股 [2] - 根据测算，该基金在12月31日因浪潮信息股价下跌浮亏约6.73万元 [2] - 该基金成立于2020年4月3日，最新规模为7073.24万元 [2] - 该基金今年以来收益率为15.11%，同类排名3198/4189；近一年收益率为9.95%，同类排名3381/4188；成立以来收益率为22.62% [2] 基金经理信息 - 合煦智远金融科技指数(LOF)A（168701）的基金经理为杨志勇 [3] - 杨志勇累计任职时间为3年186天，现任基金资产总规模为1.22亿元 [3] - 其任职期间最佳基金回报为33.68%，最差基金回报为0.53% [3]

公司市场拓展情况 - 浪潮信息在互动平台表示，公司持续努力拓展国内外市场 [2] - 公司业务遍及全球主要国家和地区 [2] - 具体经营数据需以财报披露为准 [2]