报告行业投资评级 - 报告未明确给出行业整体投资评级，但通过投资建议部分暗示了积极看好的态度 [88] 报告的核心观点 - 计算机产业正经历新一轮范式变迁与价值再分配，AI的出现有潜力打破专业软件壁垒，同时将硬件推回聚光灯下 [7][10] - 算力为核心的硬件产业链持续高景气，应用端价值能否接棒是基础设施投资延续的关键 [54] - 模型能力快速提升，“单位智能”价格快速下降，价值创造飞轮加速转动 [56][60][63] - 产业价值重心正加速向应用层迁移，金融、医疗、具身智能与AI4S等场景率先形成规模化落地 [73][75][79][81] 根据相关目录分别进行总结 1 计算机产业或在经历又一次范式变迁与价值再分配 - 计算机产业早期软硬一体、强项目化，硬件是瓶颈 [9][10] - 摩尔定律推动硬件标准化与算力云化后，软硬分离、垂直软件价值凸显 [9][10] - AI的出现有潜力再次打破专业软件壁垒，同时其对算力的高要求又将硬件推回聚光灯下 [7][10] - AI产业链可大体分为硬件与软件两部分，硬件以算力为核心，软件以大模型与应用为核心 [16] - 英伟达认为AI可以划分为五层“蛋糕”结构，自下而上分别为能源、芯片、基础设施、模型、应用 [16] 2 算力为基，重筑计算机产业硬件基石 2.1 硬件：算力产业链 - 算力产业链上游为算力基础硬件设施，中游为算力网络与平台，下游为应用场景与用户 [20] 2.1.1 芯片：支撑深度学习、模型训练和推理的核心 - 2025年全球AI芯片市场销售额达到1059.8亿美元，预计2032年将达到3956.4亿美元，2026-2032年期间年复合增长率为20.0% [23] - AI芯片可代表性分为五类，包括GPU类、ASIC类、FPGA类、NPU/其他专用类、类脑/新兴类 [23] - 国产芯片性能已有较大提升，摩尔线程MTT S4000单卡支持48GB显存和768GB/s的显存带宽 [24] - 壁仞科技BR100采用7nm制程，16位浮点算力达到1000T以上、8位定点算力达到2000T以上 [24] - 2025年中国云端AI加速器市场，中国本土芯片厂商拿下近41%的份额，英伟达市场份额近乎腰斩 [24] - 2026年中国高端AI芯片市场中，国产解决方案的份额将接近90% [24] - 国产AI算力正在形成两条路线：华为、寒武纪等国产AI加速芯片扩大供应，阿里、百度、腾讯等大型云服务商加快自研ASIC [24] - 生态仍然为“软约束”，全球CUDA开发者约590万，国产主流生态（华为CANN）开发者规模不足100万，起跑时间晚12年 [24] - 国产芯片实际推理性能（60% H100）低于纸面参数（80%），差距主要来自生态成熟度 [24] 2.1.2 服务器：从通用服务器到AI服务器 - AI服务器采用CPU+GPU/NPU异构架构，专注并行计算，需配备4~8张GPU/NPU加速卡 [26][28] - 2024年全球人工智能服务器市场规模预计为1251亿美元，2025年将增至1587亿美元，2028年有望达到2227亿美元 [28] - 生成式人工智能服务器占比将从2025年的29.6%提升至2028年的37.7% [28] - 2026年一季度全球以太网交换机整体市场规模154亿美元，同比增长39.8% [33] - 面向AI超算、企业算力集群的高速数据中心交换机规模达100亿美元，同比增长61% [33] - 以太网交换芯片领域集中度较高，博通为全球龙头 [33] - 2020年中国商用以太网交换芯片市场，博通占61.7%份额，美满占20.0%，瑞昱占16.1%，盛科通信占1.6% [33] 2.1.2 超节点：超级计算节点，专门面向AI大模型训推场景 - 阿里云发布全新一代磐久AI Infra2.0 AL128超节点服务器，同等AI算力下推理性能可提升50% [37] - 昇腾950超节点（Atlas 950 SuperPoD）在2026年世界人工智能大会首次公开亮相，面向万亿级大模型训练与中心高并发推理场景 [37] - 华为超节点产品路线从Atlas 800（8卡/节点）发展到下一代CloudMatrix（千卡到万卡级） [36] 2.1.3 数据中心：从IDC到AIDC - 全球人工智能数据中心（AIDC）市场在2025年已形成约875亿美元的产业规模，较上一年度增长42.3% [41] - 预计到2030年，全球AIDC市场规模将突破3400亿美元，2025-2030年复合增长率维持在28.7%左右 [41] - IDC正从传统模式向AIDC升级，经历了网络中心、IT中心、云中心、算力中心四个阶段 [41] 2.1.3 数据中心：能耗挑战持续加剧，液冷重要性提升 - 2024年人工智能数据中心IT能耗达到55.1太瓦时，2025年将增至77.7太瓦时，是2023年能耗量的两倍 [45] - 2027年AI数据中心IT能耗将增长至146.2太瓦时，2022-2027年五年年复合增长率为44.8% [45] - 数据中心制冷技术逐渐向液冷发展 [45] - 2024年我国智算中心液冷市场规模达到了184亿元，较2023年同比增长66.1% [45] - 预计到2029年我国智算中心液冷市场将达到约1300亿元 [45] 2.1.3 数据中心：算电协同与绿电 - 算电协同指通过数字化技术、智能算法和通信网络，将算力基础设施与电力系统进行有机整合 [51] - 算电协同背景：人工智能发展驱动算力消耗增长，对应电力能耗快速增加；新能源装机量和发电量快速增长持续推高消纳压力 [51] - 更高层级的算电协同是建立两个调度系统之间的联动，形成动态机制 [51] 3 智能“降价”重构软件价值，各行业应用加速渗透 3.1 应用端价值能否接棒，将成为基础设施投资延续的关键 - 基础设施资本开支能否延续，最终取决于应用端能否把算力转化为收入、效率与现金流 [54] - 训练集群的回报依赖推理调用，推理调用依赖可付费应用 [54] 3.2 模型能力快速提升，RSI有望全面加速迭代进程 - 前沿模型可独立完成的任务边界快速扩张，模型以50%成功率独立完成的软件任务时长，自2019年以来约每7个月翻一倍 [59] - 2024年后翻倍周期或进一步缩短至约4个月 [59] - 递归自我改进（RSI）或将全面加速模型迭代进程，仅预训练算法效率提升即相当于每年约3倍的等效算力增长 [59] - Anthropic联合创始人JackClark判断，2028年底前出现RSI的概率约为60% [59] 3.3 “单位智能”价格快速下降，国产模型追赶前沿水平 - 国产模型的竞争力已从低价替代升级为“性能与成本同步追赶” [60] - DeepSeek、Kimi和GLM均支持百万级上下文 [60] - DeepSeek-V4-Pro-0813每任务成本为0.25美元（max强度），Kimi K3为0.84美元，GLM-5.3为0.68美元 [62] - Anthropic Claude Fable 5每任务成本为3.14美元，OpenAI GPT-5.6 Sol为1.23美元 [62] 3.4 智能性价比提升，价值创造飞轮提速 - 随着模型能力持续增强、调用成本快速下降，越来越多任务跨过ROI门槛 [63] - AI应用正由低复杂度辅助场景向研发设计、销售运营、供应链决策及行业专业流程延伸 [63] - 产品形态从单点工具升级为智能体，应用深度和使用频次同步提升 [63] 3.5 AI Native化：软件栈边界日益模糊，AgentHarness成为企业软件转型焦点 - 传统企业软件以人为操作主体，进入Agent时代，软件需要为智能体提供可调用、可治理的运行环境 [68] - 企业软件的竞争焦点由单点功能逐步转向Agent Harness [68] - Salesforce、SAP从业务应用入口切入自建Agent平台，Databricks从数据与运行环境切入，Palantir以Ontology连接业务语义、数据与执行 [68] 3.6 AI Native化：催生FDE等职位 - FDE（前线部署工程师）是深入客户现场，将具体业务需求转化为可运行、可复用平台能力的工程师 [72] - FDE是一种“现场共创+平台沉淀”的增长机制 [72] 3.7 金融AI：行业进入高速增长期，监管架构同步完善 - 2025年中国金融行业生成式AI市场规模达到17.40亿元人民币，同比增速高达90.4% [74] - 2025年金融行业大模型中标项目达587个，披露金额15.06亿元，银行业贡献近半数项目和超过75%的金额 [74] - 工商银行有500+AI应用，农业银行有200+智能体，建设银行有近400智能助手，交通银行有2500+智能助手 [74] - 蚂蚁数科Agentar在银行、证券、保险等机构落地超300个金融专业智能体 [74] - 阿里云推出金融级通用智能体平台“点金”，平头哥自研真武AI芯片在金融行业部署规模已突破10万卡，覆盖150余家主流金融机构 [74] - 2026年5月，中国人民银行与国家金融监督管理总局联合印发《金融领域大模型应用合规指引》 [74] - 2026年6月，国家金融监督管理总局印发《关于银行业保险业人工智能安全开发应用的指导意见》，从七大方面提出32项要求 [74] 3.8 医疗AI：应用进程显著加速，智能体重构工作流+辅助临床决策 - 2025年AI+医疗应用软件市场规模达到35.4亿元人民币，预测到2030年将达到140.0亿元人民币，渗透率达44.7% [78] - 医疗大模型的准确率已从80%提到95% [78] - 行业竞争焦点将由单点功能转向智能体驱动的业务闭环，深入诊前、诊中、诊后流程 [78] 3.9 具身智能：人形机器人算法趋向多路线融合，整机从演示走向交付 - 报告提及具身智能，但未提供具体市场规模或数据 [79] 3.10 AI4S：辅助各领域科研突破，工具层快速进化 - AI正沿生命科学、数理推理、材料化学、科研智能体和算力平台等主线，重塑科学研究范式 [81] - 海外方面，Google DeepMind完成AlphaGenome，支持输入百万碱基DNA序列 [82] - 海外方面，Google DeepMind完成AlphaEvolve，在50余个开放数学问题中20%改进已知最优解 [82] - 海外方面，Microsoft Research完成MatterGen，按目标性质生成稳定无机材料 [82] - 国内方面，字节跳动Seed开源Protenix-v2，强化抗体-抗原结构预测 [82] - 国内方面，深度求索完成DeepSeekMath-V2，扩展测试算力下IMO 2025达金牌线 [82] - 国内方面，北京科学智能研究院、深势科技等发布DPA-3，首次系统性地验证了scaling law在LAM中的适用性 [82] - 国内方面，中科曙光与河南省科学院投用6万卡AI4S集群，接入国家超算互联网 [82] 4 投资建议 - 重点建议关注国产算力及配套产业链，如浪潮信息、紫光股份、冰轮环境 [88] - 建议重点关注国产AI应用链，如阿里链、腾讯链、字节链、华为链 [88] - 建议关注鼎捷数智、万兴科技、焦点科技、彩讯股份、商汤、赛意信息、汉得信息、金现代、广联达、明源云、金山办公、合合信息等 [88]