核心观点 - AI时代算力即生产力，Agent AI驱动算力进入黄金爆发期，算力从稀缺资源转向新型数字基建 [2] - 单位算力成本因技术普惠而大幅下降，但总需求因应用场景爆发而激增，导致算力总投资经历超级通胀 [6][7] - 算力产业面临三大趋势：算力规模定义智能上限、推理算力成为增长核心、能源与数据成为终极约束 [2][9][11][13] 算力产业发展趋势 - 趋势一：算力投入规模直接定义AI智能上限：Scaling Law是模型进化的第一性原理，算力规模成为决定国家与企业智能竞争力的第一基石 [9] - 趋势二：推理算力成为增长核心：算力需求从预训练转向动态推理，具备思维链能力的模型使推理算力需求呈指数级通胀，预计其占比将从20%攀升至70%以上 [11] - 趋势三：算力通胀引发连锁反应，能源与数据成为终极约束：全球年度Token消耗量预计从2025年的0.0005 PetaTokens暴增至2030年的15万PetaTokens以上，复合增长率超3000%[13]；大规模训练导致高质量数据面临枯竭，合成数据将成为关键原材料 [13] 算力产业链上游：芯片与先进制造 - 国产AI加速卡市占率突破：2025年中国AI加速卡总出货约400万张，国产厂商出货165万张，占比达41% [15] - 技术持续突破：国产算力芯片进入第三代高带宽内存HBM3e与2.5D/3D先进封装时代，Chiplet技术成为核心突围路径 [16] - 封测环节承接结构性红利：国内企业在2.5D封装、高密度互联等领域取得突破，封装设备国产化率同步提升 [17] 算力产业链中游：光互联革命 - 光互联成为解决带宽瓶颈的核心：过去二十年计算能力增长约60000倍，但互联带宽仅增长30倍，光互联从配套角色跃升为系统架构核心 [18][19] - CPO（共封光学）是下一代核心技术：将光引擎与交换机芯片在封装内集成，可降低互联功耗70%，同时端口密度翻倍 [19] - 光源技术路线迭代：EML方案适用于长距离骨干网；CW+硅光方案成本更低、集成度更高，适合数据中心内部短距高速互联 [20] 算力产业链下游：AIDC（人工智能数据中心）基建 - AIDC向高密度“算力工厂”升级：2026年新建AIDC普遍要求单机柜功率达50kW以上，部分超算场景突破100kW，远超传统IDC的5-10kW标准 [21] - 液冷技术成为必选项：液冷提供数倍于风冷的散热效率，并带动从液冷板到冷却系统的全产业链需求爆发 [21] - 主权AI驱动国家级网格化投资：“主权AI”兴起推动各国政府进行饱和式投资，AIDC布局从中心化向边缘化渗透，形成网格化布局以贴近用户 [22] 算力面临的能源瓶颈与太空算力展望 - 电力成为AI发展最大瓶颈：预计到2030年，单个AI训练地点的电力需求或高达8GW（约相当于8座大型核反应堆），电力供需严重错配 [23][26] - 太空算力成为潜在解决方案：太空太阳能板效率约为地面的5倍，并提供天然深空热沉用于辐射散热，可彻底解决地面数据中心的能耗与冷却痛点 [26] - 太空算力进入工程化阶段：随着相关技术成熟，计划在五年内向轨道输送100吉瓦太阳能与算力载荷，低轨算力网成为大国主权竞争的新赛道 [26]