大会概况 - 新一代计算产业大会于9月16日在北京召开，由中国电子工业标准化技术协会指导，新一代计算标准工作委员会主办，中科驭数、Intel、经开区国家信创园共同承办 [1] - 大会汇聚产学研多方力量，聚焦GPU、DPU、服务器电源、异构计算和行业应用等关键领域，旨在通过标准化推动计算产业创新与发展 [1] 行业趋势与战略意义 - 计算技术与工业结合日益广泛深入，智能制造和智能服务成为全球传统工业和制造业转型升级的主要方向 [2] - 新一代计算技术被视作驱动中国经济高质量发展的核心引擎，其与新型工业化的融合是工业发展的重要驱动力 [2] - 人工智能大模型生命周期包含五个高度依赖大规模算力与存储支持的环节：数据获取、数据预处理、模型训练、模型微调和模型推理 [3] 关键技术领域与工作部署 - 新一代计算标准工作委员会成立了五个工作部：DPU数据处理器、图形处理器、计算产品组件、液冷生态、异构计算 [3] - 随着AI快速发展，传统计算架构无法满足海量数据处理需求，基于DPU高速网络的新一代计算架构成为提升效能的关键 [4] - 芯片微缩无法完全满足数据量上升和计算速度提高的需求，先进封装为数据传输和存储提供更高效率以应对未来需求 [4] - 面临单芯片瓶颈、集群效率下降及散热供电挑战，需通过算电热协同、算网协同及标准化构建绿色高效的智算生态 [5] - 异构计算工作部将重点覆盖芯片特性、高速互联、软件生态及未来组件等关键技术方向，并推动其在行业场景中的规模化应用 [5] 标准化成果与产业协作 - 大会正式发布了《新一代计算标准体系》，旨在为团体标准建设奠定坚实基础 [6] - 大会为GPU、DPU、计算产品组件、液冷生态、异构计算工作部部长单位颁发证书，并启动了服务器电源两项国家标准的编制工作 [6] - 通过多方合力，新一代计算产业正加速形成标准共建、技术共进、生态共赢的新格局 [6]

国产芯片性能提升 - 国产芯片计算性能持续提升 [1] - 腾讯云异构计算平台全面适配主流国产芯片 [1] 算力芯片策略 - 云厂商保持多样化算力芯片策略 [3] - 积极强化自研及国产芯片适配测试 [3] - 2025年国产GPU芯片应用比例将进一步提升 [3] - 腾讯同时采用进口芯片和国内可用芯片 [3] - 部分国产芯片可支持较小模型推理 [3] 算力效率优化 - 腾讯通过资本开支构建算力支持自研和客户需求 [4] - 2023年Q4至2024年Q2累计资本开支达831亿元 [4] - 算力不足时效率优化至关重要 [4] - 腾讯投入研发优化算力包括GPU、存储、通信等多领域 [4] - 星脉网络提升近10倍通信效率 [4] - 千卡/万卡集群运行时效率显著变化 [4] - AI基础设施升级提升成本效益 [4] - 云厂商最终比拼技术能力 [4] 技术开源与创新 - AI基础设施升级加速智能体规模化落地 [4] - 开源社区推理技术范式快速迭代 [4] - 腾讯开源多token联合预测技术 单次运算可生成多个token [4]

好的，我将为您总结这份晨会纪要的关键要点。作为拥有10年经验的分析师，我会专注于核心内容和数据，忽略风险提示和免责声明等内容。 报告核心观点 本次晨会纪要涵盖了多个热门投资赛道的最新研究观点，重点包括：AI算力基础设施特别是液冷技术的需求爆发、AI应用商业化进程加速、汽车行业政策利好与智能化升级、钾肥行业的高景气周期延续，以及多家上市公司的业绩表现和战略布局。整体呈现科技与传统行业并重的投资主线。 分项总结 AI算力基础设施（液冷技术） - AI数据中心需求强劲增长，2024年全球AI智算中心装机容量为7GW，预计到2028年将持续增长[3] - 液冷技术受两大因素推动：高散热需求（芯片功率密度提升）和高耗电问题（冷却系统占数据中心总能耗40%）[3] - 冷板式液冷主要采用去离子水（单相）和氟化物（相变），重点推荐昊华科技、巨化股份、三美股份[4] - 浸没式冷却液分为合成油（碳氢合成油和有机硅油）和氟化液（全氟烃、全氟烯烃等）[5] - 合成油领域推荐卫星化学、皇马科技，建议关注润禾材料；氟化液领域推荐新宙邦、巨化股份、华谊集团、永和股份，建议关注八亿时空[5] - 散热组件领域重点推荐德邦科技[6] - 行业首次覆盖给予"推荐"评级[7] AI应用与商业化 - Tokens是大语言模型切割文本的基本单位和定价核心，与模型厂商收入呈现同步高增趋势[9] - 日均Tokens调用量持续增长，受C端用户基础扩张和B端行业客户加速渗透驱动[10] - C端驱动包括原生产品AI功能、聊天助手及图像视频等新兴应用；B端驱动包括行业客户和API调用[11] - 技术迭代方向为推理增强+多模态+Agent化+长上下文，将解锁存量场景和增量需求[12] - 模型厂进行算力成本优化和多价格策略，提高企业/个人调用ROI[13] - 2025年及以后模型厂算力投入加码，有望支撑千亿美元营收预期[14] - 维持AI应用方向"推荐"评级[14] 汽车行业政策与市场动态 - 八部门联合印发《汽车行业稳增长工作方案（2025-2026年）》，目标2025年汽车销量3230万辆（同比增3%），新能源汽车销量1550万辆（同比增20%）[15] - 2025年8月乘用车产销分别完成250万辆和254万辆，环比分别增长9%和11.1%，同比分别增长12.5%和16.5%[16] - 新能源汽车8月产销完成139.1万辆和139.5万辆，同比分别增长27.4%和26.8%[16] - 智己LS6于9月10日上市，起售价19.79万元，27分钟内大定订单突破1万辆[18] - 长城高山7同日开启预售，预售价28.98万元起，是30万元内唯一全系标配激光雷达的MPV[18] - 维持汽车板块"推荐"评级，关注自主高端化、智驾平价化、机器人量产等机会[19] 钾肥行业供需分析 - 全球钾肥需求2025-2027年有望以3.2%复合增速增长[21] - 2026年底前全球新增产能有限，仅亚钾国际在老挝扩产约200万吨[23] - 俄罗斯和白俄罗斯2025年预计减少出口180万吨以上[21] - 2025年9月11日主要港口钾肥库存仅163万吨（2018年以来3%分位数），远低于去年同期309万吨[21] - 我国6月12日签订钾肥进口大合同346美元/吨（CFR），折合国内成本约2865元/吨[21] - 我国氯化钾表观消费量2024年约1872万吨，2017-2024年复合增速约5.5%[22] - 进口依赖度2024年大幅提高至67%[23] - 行业首次覆盖给予"推荐"评级，重点推荐亚钾国际、盐湖股份、东方铁塔[23] 重点公司研究 爱尔眼科 - 1H2025实现收入115.07亿元（同比+9.12%），归母净利润20.51亿元（同比+0.05%）[24] - 门诊量925万人次（同比+16.47%），手术量87.9万例（同比+7.63%）[24] - 屈光收入46.18亿元（同比+11.14%），视光服务收入27.2亿元（同比+14.73%）[25] - 境外收入15.17亿元（同比+16.50%）[25] - 开发"AI眼科医生"智能体，整合28个眼科专病数据集[26] - 预计2025-2027年归母净利润分别为39亿元、45亿元、52亿元[26] 海光信息 - 开放CPU互联总线协议（HSL），打造国产算力核心基座[28][29] - 披露2025年限制性股票激励计划，业绩目标为2025-2027年营收增长率55%/125%/200%[30][31] - 预计2025-2027年营收目标分别为142亿元/206亿元/275亿元，CAGR达44%[31] - 海光C86处理器单核性能提升62%，多核性能提升超过135%[32] - DCU实现"训推一体"AI场景全覆盖，与多家头部互联网厂商完成适配[33] - 预计2025-2027年营收分别为168.39/265.62/385.22亿元[33] 怡合达 - 2025H1实现营收14.61亿元（同比+18.7%），归母净利润2.82亿元（同比+26.49%）[34] - 2025Q2实现营收8.41亿元（同比+21.8%），归母净利润1.6亿元（同比+26.5%）[35] - 整体毛利率达39.1%（同比+3.46pct），Q2毛利率39.83%[37] - 新能源行业收入3.21亿元（同比+53.17%），汽车行业收入1.75亿元（同比+53.25%）[38] - 产品体系涵盖258万个SKU，较2024年底增加28万个[39] - 预计2025-2027年营业收入分别为29/36/44亿元[39]

投资评级 - 维持买入评级 [1] 核心观点 - 海光信息开放HSL总线协议，旨在打造国产AI算力核心基座，提升产业链协同效率 [2][6] - 公司推出股权激励计划，设定高增长营收目标，2025-2027年营收增长率目标分别为55%/125%/200% [7] - CPU产品性能显著提升，应用领域有望从服务器扩展至PC、汽车电子等新市场 [8] - DCU产品具备全精度支撑能力，与国内头部互联网厂商完成适配，生态完善 [9] - 预计2025-2027年营收为168.39/265.62/385.22亿元，归母净利润为38.20/61.48/96.92亿元 [10][11] 市场表现与数据 - 当前股价220.02元，总市值511.40亿元，流通市值511.40亿元 [4] - 近1月/3月/12月股价涨幅分别为58.5%/61.7%/189.5%，显著跑赢沪深300指数 [4] - 日均成交额18.22亿元，近一月换手率57.40% [4] 产品与技术进展 - CPU性能大幅提升：新一代移动工作站单核性能提升62%，多核性能提升135% [8] - DCU支持双精度、单精度、半精度及整型运算，软件栈DTK实现"训推一体"全覆盖 [9] - HSL协议开放内容包括总线协议、IP参考设计及指令集，支持缓存一致性和多链路扩展 [6] 财务预测 - 2025-2027年营收增长率预测为84%/58%/45% [10] - 归母净利润增长率预测为98%/61%/58% [10] - 每股收益预测为1.64/2.64/4.17元，ROE预计提升至16%/21%/25% [10] 战略与生态建设 - HSL开放将降低GPU产品设计门槛，提升硬件资源利用效率 [6] - 公司计划通过异构计算架构（CPU+AI加速处理器）扩大市场份额 [6] - 股权激励覆盖31.36%核心技术人员，目标聚焦CPU及DCU业务增长 [7]

交易概况 - 公司正在筹划以发行股份及支付现金方式收购芯来智融股权并同步募集配套资金 交易尚处于筹划阶段 核心条款尚未确定 股票自2025年8月29日起停牌不超过10个交易日 [1] - 交易采用发行股份加现金支付的组合方式 参考公司2025年已完成多笔千万元级以上现金交易 显示并购整合成熟经验 [4] 标的公司情况 - 芯来智融成立于2018年 是国内RISC-V领域领军企业 专注于RISC-V CPU IP及平台方案研发 累计服务超过300家国内外授权客户 [6] - 产品包括面向边缘计算与IoT的32位N/U系列 适用于数据中心的64位NX/UX系列 以及针对安全支付 汽车电子和AI计算的NS/NA/NI专用系列 [6] 收购方业务优势 - 公司IP营收连续多年位居全球第七 中国第一 IP种类排名全球前二 拥有6大类处理器IP及1600多个数模混合IP和射频IP [6] - 在汽车电子领域耕耘十余年 内置GPU IP的汽车已达数千万辆 NPU IP获得82家客户采用并出货超1亿颗 在ADAS和自动驾驶领域形成技术壁垒 [6] 战略协同效应 - 芯来智融RISC-V CPU IP与公司GPU NPU形成互补 共同构建通用计算加专用加速的异构计算平台 [7] - 芯来NA系列产品可与公司已获ISO 26262认证的车规级设计流程无缝衔接 NACC Micro-NPU产品支持最高4TOPS算力将强化端侧AI竞争力 [7] - 公司2025年战略聚焦汽车智驾系统 智慧可穿戴设备和AI计算三大市场 RISC-V架构被视为突破异构计算瓶颈的关键技术路径 [7] 市场前景 - 到2030年基于RISC-V的AI SoC市场规模将超过420亿美元 年复合增长率达49.2% 成为半导体产业增长新引擎 [7] - 在智慧可穿戴设备领域 公司低功耗IP组合与芯来32位架构形成技术互补 共同服务超20家智能手表芯片企业 [9] 历史交易参考 - 公司2021年曾以5400万元现金完成芯思原微电子相关资产收购 本次交易或将延续强化IP矩阵的战略逻辑 [4]

交易概况 - 公司正在筹划以发行股份及支付现金的方式收购芯来智融股权 并同步募集配套资金 交易尚处于筹划阶段 核心条款尚未确定 股票自2025年8月29日起停牌不超过10个交易日 [1][2] - 交易采用发行股份加现金支付的组合方式 参考公司2025年已完成多笔千万元级以上现金交易 显示并购整合成熟经验 [4] 标的公司分析 - 芯来智融是国内RISC-V领域领军企业 专注于RISC-V CPU IP及平台方案研发 产品包括32位N/U系列 64位NX/UX系列 以及NS/NA/NI专用系列 累计服务超过300家国内外授权客户 [6] - 公司产品面向边缘计算与IoT 数据中心 安全支付 汽车电子和AI计算等应用领域 [6] 战略协同效应 - 收购可实现多重技术协同：芯来智融RISC-V CPU IP与公司GPU NPU形成互补 构建通用计算加专用加速的异构计算平台 [7] - 芯来NA系列汽车电子产品与公司已获ISO 26262认证的车规级设计流程无缝衔接 [7] - 芯来NACC Micro-NPU产品支持最高4TOPS算力及TFLM推理框架 将强化公司在端侧AI领域的竞争力 [7] - 技术布局与市场拓展形成战略共振：在汽车电子领域共同推进车规认证 在AI计算领域完善从通用到专用的AI算力布局 在智慧可穿戴设备领域形成低功耗技术互补 [9] 市场前景 - 公司2025年战略聚焦汽车智驾系统 智慧可穿戴设备和AI计算三大市场 RISC-V架构被视为突破异构计算瓶颈的关键技术路径 [7] - 预计到2030年基于RISC-V的AI SoC市场规模将超过420亿美元 年复合增长率达49.2% [7] 公司行业地位 - 公司IP营收连续多年位居全球第七 中国第一 IP种类排名全球前二 拥有6大类处理器IP及1600多个数模混合IP和射频IP [6] - 在汽车电子领域耕耘十余年 内置其GPU IP的汽车达数千万辆 NPU IP获得82家客户采用并出货超1亿颗 在ADAS和自动驾驶场景形成技术壁垒 [6] - 在智慧可穿戴设备领域服务超20家智能手表芯片企业 [9]

行业趋势 - 汽车电子电气架构正从分布式向集中式演进 舱驾一体成为智能汽车领域的新发展趋势[1][2] - 集中式架构以单颗通用SoC为核心 高通Snapdragon Ride Flex SoC是满足中央计算趋势的代表产品[2] - 中国市场在汽车架构创新中处于速度与创新的中心 蔚来 小鹏汽车 岚图 极氪等十余家车企正积极布局舱驾一体方案[1][6] 技术优势 - 舱驾一体方案实现算力共享 蔚来ADAM平台可实现智驾 智舱和整车控制最大256TOPS算力共享[3] - 通过中央计算平台调度 可让更擅长AI计算的芯片处理乘员识别等任务 提升运行效率[3] - 多SoC集成有效减少线束使用量和复杂性 行业通过系列化产品从研发效率与规模效应实现成本下降[3] 实施挑战 - 智能座舱与智能驾驶属于不同体系 智能驾驶涉及最高级别安全性标准 系统多域并行存在技术复杂性[4][6] - 车内显示界面数量增多 HMI需要大量图形音频交互 AI技术上车对算力要求进一步提升[5] - 安全标准差异导致成本控制难题 若智能座舱按智驾安全标准设定会提高成本[6] 解决方案 - 高通采用异构计算方式 通过CPU NPU及AI工具构建计算环境 在保障安全性与功耗控制前提下实现多域融合[6] - Snapdragon Ride Flex平台提供软件工具和SoC解决方案 支持不同关键级功能同时运作[6] - 行业生态伙伴包括零跑汽车 理想汽车 博泰车联网等计划采用骁龙汽车平台至尊版[6] 发展前景 - 企业解决方案有望在未来两年逐步实现商业化落地[7] - 舱驾一体是当前较好解决方案但并非最终形态 更高级别智能驾驶技术落地时可能存在方案迭代[7]

国产算力生态协同发展 - 国产算力产业链通过芯片、服务器、智算集群的产业聚合寻求高效解法，大模型厂商和平台型厂商加速应用落地 [1] - 产业链从芯片架构创新、超节点高速互联到系统级能效重构形成高度耦合的生态格局，实现算力自主的体系性跃迁 [2] - 产业链拉通需底层芯片、软件生态、服务器整机、智算环节协同，开源开放成为破局关键路径 [3] 技术路线与生态建设 - DeepSeek应用UE8M0 FP8路线提升计算效率并减少存储传输开销，为国产芯片厂商指明趋势方向 [4] - 芯片厂商同时重视DeepSeek精益求精路线和OpenAI"大力出奇迹"路线，需提升基础设施能力以吸引生态开发 [4] - OISA 2.0协议支持AI芯片数量提升至1024张，带宽突破TB/s级别，互联时延缩短至数百纳秒 [5] - 中国移动推出全调度以太网（GSE）技术体系，支持千卡级组网能力，推进技术规范和大容量交换芯片发布 [6] - 服务器厂商与国产GPU芯片厂商深度合作进行软硬件适配，共同完善国产算力生态 [7] 异构计算与平台化解决方案 - 高性能计算与智算融合需解决硬件架构差异，联想通过"一横五纵"战略构建覆盖通用、科学、AI算力的异构智算平台 [8] - 智算中心建设需推进全流程标准体系、核心技术自主创新、政产学研协同生态及重点领域专项行动 [9] - 一体机通过"通用基座+垂直增强"模式实现行业适配，需结合具体业务场景进行模型调优和性能测试 [9] - 同泰怡构建覆盖轻量化至满血版大模型的全栈解决方案，在教育、能源、电网、政务、医疗等行业实现落地 [10] 液冷技术发展与能效优化 - 冷板式液冷改造速度快，浸没式液冷技术复杂度高，液冷部署受供电、散热、承重、运维条件限制 [11] - 液冷技术降低PUE值并提升算力密度，长周期TCO优势显著，芯片结温可降低15°C至25°C [11][12] - 冷板式液冷与风冷系统高度兼容，改造难度低周期短成本可控，联想开发双循环浸没式液冷技术实现PUE值1.035 [12][13] - 联想推动低成本冷板方案实现风液同价，研发相变冷板应对更高功耗芯片散热需求 [12]

财务业绩 - 2025年上半年营业收入13.37亿元，同比增长25.82% [1] - 归属于上市公司股东的净利润1.61亿元，同比增长35.36% [1] 增长驱动因素 - 市场需求回暖及扫地机器人、智能汽车电子、智能视觉等领域产品落地推动收入增长 [1] - 通过A527、A537、A733等量产平台优化系统调度算法提升产品竞争力 [1] 技术研发进展 - 启动下一代高性能SoC架构研发应对复杂计算需求 [2] - 在AI算法领域围绕视觉、语音、人机交互等场景强化软硬件协同创新 [2] - 基于NPU算力开发AI ISP智能成像、AI夜景人像等平板领域AI技术 [2] 产品应用拓展 - 智能视觉应用新增AI人车宠监测、婴儿看护等自研算法包 [2] - V821芯片适配低内存人形识别模型支撑安防产品 [2] - AI眼镜和玩具领域适配视频防抖算法及多语言大模型API [2] 产品线布局 - 智能平板领域形成A333/A133/A523/A537/A733全系列产品矩阵 [3] - A733平台通过Google Android16 GMS Express认证 [3] - 机器人领域MR536实现扫地机量产，MR153送样集成四核ARM+RISC-V处理器 [3] - 智慧视觉领域V861具备6M30高清处理与1T NPU算力，形成V821/V831/V851/V861序列 [3] - 解码显示领域H723试产、H135量产、TV323完成验证 [3] 战略发展方向 - 通过技术迭代在智能终端、机器视觉、车载电子等赛道实现突破 [4] - 依托AI与异构计算需求增长巩固全面智能化市场地位 [4]

通用人工智能(AGI)发展现状 - AGI定义为实现经济价值领域超越人类的全自主系统 但专家认为需涵盖更广的智能维度如适应性重组能力[4] - 当前AI在专业领域(药物发现 代码编写)表现优异 但解决基础谜题能力远逊人类 显示认知鸿沟[2] - 最先进大型语言模型在ARC-AGI-2基准测试得分为0% 而人类接近满分 凸显适应性缺陷[4] AGI实现时间表加速 - GPT出现前AGI预测需80年 GPT-3发布后缩短至50年 2024年底预测进一步骤降至5年[3] - 行业领袖预测: Anthropic联合创始人认为"强大AI"可能2026年出现 具备跨界面自主推理能力[3] - 综合预测显示50%概率2028年前实现多项AGI里程碑 2047年机器全面超越人类概率达50%[4] 技术瓶颈与突破路径 - 计算能力需求: AGI可能需要超10^16 teraflops 2037年计算成本或超美国GDP[5] - 深度学习时代计算量翻倍时间从21个月缩短至5.7个月 需转向高效异构计算架构[5][6] - 硬件创新需结合CPU/GPU/NPU/TPU 配套软件工具实现跨平台代码运行[7] - 根本性障碍在于智能定义本身 需突破概率图谱技术基础 寻求类似Transformer的架构革命[7][8] 智能本质的重新定义 - 需建立超越人类成就的新框架 纳入流体智能/社交智能/具身智能等维度[8] - 智能被重新定义为"有效重组已知事物解决新问题的能力" 当前AI缺乏此核心特质[4] - 视觉感知/精细运动/创造力/情感互动等8项人类能力仍是AI显著短板[5] 行业生态发展趋势 - OpenAI CEO认为AGI将引发堪比电力/互联网的社会变革 创造超指数级社会经济价值[3] - 实现路径需硬件/软件/算法/定义的四重革命 形成统一生态系统[8][9] - 麦肯锡数据显示当前AI在色彩一致性/上下文理解/同理心等方面存在明显不足[5]