液冷行业特点与商业模式 - 液冷是算力生态的一部分，但商业模式和盈利能力相比光模块和PCB较差，其优势在于渗透率提升空间较大[1] - 光模块和PCB是算力集群的“标配”，渗透率接近100%，而液冷仅在高密度AI集群（如GB300/NVL72、昇腾384超节点）成为刚需，当前整体渗透率仍低，预计2025年约20%-25%[1] - 光模块和PCB是服务器与交换机的核心部件，随整机BOM批量下单、出货即确认收入，回款快、周期短；液冷是机房级配套基建，需等机柜上架、管路铺设、调试验收后才确认，周期通常滞后6个月以上，且项目制回款慢、垫资压力大，导致报表端业绩释放晚于前者[1] - 光模块和PCB标准化程度高、可批量生产、良率与成本控制成熟，龙头毛利率稳定且高（光模块龙头常33%+）；液冷以项目制与定制化方案为主，非标导致规模化效应弱、研发与交付成本高，同时赛道参与者增多，价格竞争进一步压缩毛利，头部液冷公司毛利率多在25%-30%区间[2] 液冷行业主要公司分析 - **英维克**：国内液冷龙头，以Coolinside全链条方案为核心，覆盖冷板、CDU、快接头、工质与系统集成，深度绑定英伟达/英特尔/谷歌等生态，冷板式液冷市占率领先，海外订单与规模化交付正加速兑现，是AI高密算力散热的核心受益者；同时布局浸没式与储能液冷，形成双轮增长[2] - **同飞股份**：工业精密温控出身的“专精特新”企业，当前将数据中心液冷作为第二增长曲线，以冷板式+浸没式双路径并行，覆盖CDU、冷板、Manifold、干冷器、浸没箱体与自研“巨芯”冷却液，形成全链条方案；同时叠加储能液冷与半导体温控，构成多场景协同的增长格局；2025年已落地超2亿元的浸没式液冷大单[3] - **奕东电子**：精密电子与连接器出身的企业，2024年切入AI服务器液冷，2025年以6120万元控股深圳冠鼎51%股权加速补强，以可俐星为液冷业务主体，主攻冷板与散热模组，同步推进“连接器+液冷”一体化，深度嵌入英伟达等海外生态的Tier 1供应链，2025年已实现单月千万级收入与批量交付[4] - **鼎通科技**：以高速通讯连接器/Cage为基，主攻“连接器+液冷”一体化模组，深度绑定安费诺等海外Tier 1，适配英伟达GB300等高密AI服务器与1.6T光模块，2025Q2小批量出货、2025年底—2026年初量产，2026年排产与毛利弹性可期；同时布局光模块液冷散热器与越南产能，形成“高速连接+液冷”双轮驱动[5] - **思泉新材**：以高导热材料与精密制造为基，主攻AI服务器/GPU液冷板、热界面材料（TIM）与液冷模组，深度绑定英伟达生态（GB300测试耗材独供、2500W级液冷板测试性能领先），叠加沙特超算大单与国内外产能扩张，2025年进入批量交付与认证攻坚期，2026年产能释放与BOM表突破将是关键催化[6] - **中石科技**：以热管理材料与精密制造为基，主攻AI服务器冷板式液冷模组/冷板、TIM（导热界面材料）与光模块VC组件，深度绑定英伟达生态（A100/H100/GB200/GB300），通过富士康等Tier 1进入供应链，同时覆盖华为、谷歌等头部算力与光模块厂商；2025年推进泰国/宜兴扩产与中石讯冷并购补全液冷板设计/制造/测试能力，2025H2起规模化交付，2026年订单与毛利弹性可期[7] - **飞荣达**：以电磁屏蔽与热管理为基，主攻AI服务器/数据中心液冷，形成“材料—冷板—模组—系统”垂直整合能力，覆盖单相/两相冷板、3D-VC、浸没式与CDU/Manifold，深度绑定华为/英伟达/微软/Meta等头部生态，2025年进入规模化交付与海外产能扩张的关键期[8] - **东阳光**：以氟化工/高端铝箔为基，主攻AI服务器/数据中心液冷，走“材料—部件—系统”全链式路线，冷板式与浸没式双轨并行，通过合资/并购/参股补强能力与生态，2025年进入规模化交付与海外拓展关键期[9] - **巨化股份**：以氟化工为核心壁垒，主攻AI服务器/数据中心液冷，走“材料—部件—系统”全链条路线；以“巨芯”氟化液与R134a为抓手，同步通过巨冷科技提供浸没式液冷数据中心整体方案与交钥匙工程，2025年处于国产替代与海外拓展的关键兑现期[10] - **强瑞技术**：以整线测试设备为抓手，深度绑定华为昇腾/鲲鹏生态，同时通过参股铝宝科技间接配套英伟达，2025年处于规模化交付与海外生态突破的关键期[11]

行业背景与战略意义 - 当前处于“十五五”规划谋篇布局关键阶段 高水平科技自立自强是高质量发展的战略支撑 [2] - 算力是数字经济时代的新质生产力 是支撑全国一体化算力网络建设与“东数西算”工程的核心要素 [2] 公司产品与技术进展 - 公司致力于打造世界一流的GPU芯片及计算平台 努力成为数字经济的算力基石 [2] - 经过五年左右技术积累 公司完成了从技术到产品矩阵落地的跨越式发展 已打造自研完整产品线 [2] - 产品明确三大系列：曦思(N系列)主要为推理产品 曦云(C系列)主打训推一体产品 曦彩(G系列)为图形渲染产品线 [2] - 曦思与曦云系列产品已进入规模量产阶段 [2] - 下一代产品C700研发进展顺利 公司遵循“在售一代、在研一代、预研一代”的产品策略 [3] 核心技术路线与理念 - 技术路线强调“通用性”核心理念 旨在适应未来多样化的计算需求 [2] - 选择通用性路线是因为芯片研发长周期与软件快速迭代存在天然不匹配 且高性能GPU主要应用于多任务、多负载的数据中心场景 [2] 软件生态与兼容性 - 软件生态构建是关键 直接决定用户能感受到的算力价值 [3] - 公司软件团队已打造广泛兼容的自研软件栈 全面支持PyTorch上的所有算子 [3] - 生态兼容性测试显示：在近4500个活跃开源应用仓库中 92%可在公司平台上实现“即插即用” [3] - 在训练、微调、推理全流程上都能做到很好支撑 在Llama、ChatGLM、DeepSeek等主流模型上能达到与国际旗舰平台相当的算力利用率 [3] 供应链与产业化 - 曦云C600产品实现了设计、制造到封装测试的全流程国产化供应链闭环 [3] - 公司正以全栈自研的通用GPU技术与算力生态 走“硬件自主、软件可控、生态开放”的发展之路 [3] - 为国产GPU产业突破、筑牢数字经济算力底座提供了有力实践 [3]

行业范式转移 - 中国AI产业正经历从“炼大模型”到“炼大应用”的范式转移，商业闭环的跑通和将AI变为廉价易得的基础设施是关键[3] - 行业从“仰望星空”的技术浪漫主义转向“下地干活”的商业实用主义，商业可行性取代单纯的技术可行性成为企业必须守住的底线[5] - 参数规模已从千亿卷向万亿，但模型在各行各业的落地应用是否顺畅成为尖锐的现实问题和产业必须跨越的“生死线”[3] 市场趋势与焦点 - AI主战场从实验室服务器迁移到产业链毛细血管，企业不再迷信参数至上，而是在垂直领域精耕细作[6] - 低空经济、工业制造、具身智能等领域是AI的基本盘和最大增量场，企业需在具体复杂场景中寻找AI落脚点以决定未来生态位[6] - 未来的独角兽将是能把AI真正揉碎进业务、长出增量的实干家，而非仅会讲模型故事的技术公司[6] 产业挑战与错配 - 产业链存在算力“时差”，中小企业面临算力成本高昂、调度不便的困境，先进算力集中导致资源滞后性制约创新速度[8] - 存在应用“温差”，技术厂商因不懂行业Know-How而遭遇软钉子，传统企业则对AI技术持审慎态度，担心数据安全和投入产出比[8] - 算力方、模型厂、应用开发者与传统行业用户之间存在信息差与信任壁垒，形成难以逾越的“孤岛”[8] 大会核心内容 - 大会主题为“智赋万象，创新共融”，旨在打破信息孤岛，让算力生态与AI+应用行业发生真实化学反应[10][11] - 汇聚政、产、学、研、用各方力量，院士将带来人工智能前沿趋势与产业变革的顶层战略导航[11] - 头部创新企业将分享AI创新与产业融合的实战经验，来自健康、终端、金融、物流等领域的企业代表将带着真实业务痛点探讨技术落地与合作[12] 活动嘉宾与议程 - 大会嘉宾包括中国科学院和中国工程院的刘大响、柴天佑、何积丰、戴琼海等多位院士[11][17][18] - 企业嘉宾来自零一万物、第四范式、云圣智能、明略科技、峰瑞资本等头部机构[17][19] - 议程包括院士报告、企业分享、行业对话及以“在行业智能化中，寻找AI价值新锚点”为主题的圆桌对话[18][19]

市场表现 - 今日早盘A股主要指数集体低开，人工智能产业链方向出现震荡 [1] - 截至10:50，上证科创板人工智能指数下跌1.1%，中证人工智能主题指数上涨0.1% [1] - 资金借道相关ETF逢低加仓，人工智能ETF（159819）盘中净申购达2200万份 [1] 行业动态 - DeepSeek新发布两个正式版模型DeepSeek-V3.2和DeepSeek-V3.2-Speciale [1] - DeepSeek-V3.2目标为平衡推理能力与输出长度，适合日常问答场景和通用Agent任务场景 [1] - DeepSeek-V3.2-Speciale目标为将开源模型推理能力推向极致，探索模型能力边界 [1] - 分析指出DeepSeek推动中国算力生态协同创新与演进，将模型、算法创新与编译语言、计算芯片协同 [1] 指数与投资工具 - 中证人工智能主题指数由50只为人工智能提供基础资源、技术及应用支持的股票组成，覆盖AI全产业链 [2] - 上证科创板人工智能指数从科创板选取30只市值较大、业务涉及人工智能领域的股票作为样本，基础芯片、AI应用环节占比较高 [2] - 人工智能ETF（159819）、科创人工智能ETF（588730）可助力投资者布局AI与算力生态成长机遇 [2]

合作签约与中心成立 - 广州广电五舟科技股份有限公司、沐曦集成电路(上海)股份有限公司、上海华研企业发展(集团)有限公司于11月25日签署战略合作协议，共建大湾区生态创新中心 [1] - 合作旨在依托三方在国产算力产业链中的核心优势，加速国产算力技术规模化应用 [1] 战略目标与核心任务 - 创新中心将围绕"算力生态聚合、技术创新突破、行业场景落地、人才培育、社区共建共享"五大核心进行建设 [1] - 中心以打造大湾区智算技术创新基地为目标，构建"芯片—整机—系统—场景—人才"全产业链协同生态 [1] 行业背景与发展规划 - 根据《广东省国家数字经济创新发展试验区建设方案(2025-2027年)》，到2027年大湾区人工智能核心产业规模将超4400亿元，算力规模突破60EFLOPS [1] - 粤港澳大湾区正加速打造全球数字经济与人工智能创新高地 [1] 应用领域与发展路径 - 创新中心将重点推动国产算力与医疗、交通、金融、教科研等关键领域的深度融合 [2] - 发展路径为通过技术融合、场景驱动和生态共建，推动国产算力从"可用"向"好用、易用、规模用"跃升 [2]

英伟达算力预期与生态战略 - 英伟达CEO黄仁勋预测AI推理将迎来十亿倍增长 由AI增强的经济活动将催生每年5万亿美元的AI基础设施资本支出市场[2] - 英伟达与OpenAI达成战略合作 计划建设高达10GW的AI数据中心 相当于部署400万-500万个GPU[2][3] - 合作模式被比喻为"梯云纵" 向OpenAI投资1000亿美元 资金以订单形式回流英伟达 提前锁定利润[2] 全球算力竞争格局 - 算力竞赛进入淘汰赛阶段 需求不断抬高[3] - 大模型迭代加速 新框架与算法多基于英伟达平台开发 生态结构固化将增加后来者兼容成本与技术负担[3] - 甲骨文、英特尔等厂商以订单、资金或股权方式与英伟达结盟 形成美国企业主导的AI新生态[2] 华为算力生态战略 - 华为宣布软件全面开源开放策略 包括开源CANN、Mind系列应用使能套件和openPangu[5] - 未来5年计划每年投入150亿人民币生态发展费用 1500P开源社区算力 15000人进行生态平台开发[5] - 明确变现依靠昇腾硬件 通过开源开放促进硬件规模使用 换取更广阔生态空间[5] 中国算力产业现状 - 从硬件突破向生态构建转型 昇腾处理器在算力密度、能效比等指标具国际竞争力[6] - 寒武纪、海光信息等国产企业在特定领域实现技术突破[6] - 缺乏"中国版CUDA"生态平台 现有CUDA生态将AI应用锁定在英伟达硬件平台[6] 华为生态建设具体措施 - 与Triton、PyTorch、vLLM等开源社区深度合作 贡献插件化架构降低生态维护成本[7] - 作为PyTorch基金会最高级别会员参与主流框架建设[7] - 昇腾主导开源60多个项目 累计6500多名核心贡献开发者 在50多个开源社区贡献37万行代码[7] 生态竞争核心观点 - 黄仁勋承认中国拥有最优秀企业家、最多AI工程师且行动迅速 但强调英伟达护城河比三年前更宽[6] - 华为选择不兼容CUDA生态 坚持开源生态和MindSpore 旨在构建不依赖西方供应链的软件生态[7] - 生态建设需要产业链同心协力 芯片供应问题曾阻碍发展 但"生态是用出来的"[8]

全球算力市场预期与竞争格局 - 英伟达CEO预测AI推理将迎来十亿倍增长，并指出由AI增强的经济活动将催生一个每年5万亿美元的AI基础设施资本支出市场 [1] - 英伟达与OpenAI达成战略合作，计划建设高达10GW的AI数据中心，相当于部署400万-500万个GPU [2] - 近一个月以来，甲骨文、英特尔等厂商开始以订单、资金或股权方式与英伟达结盟，一个以美国企业主导的AI新生态正在酝酿 [1] 英伟达的商业模式与护城河 - 英伟达与OpenAI的交易模式被比喻为"梯云纵"，即向OpenAI投资1000亿美元，实则资金又以订单形式流回英伟达，提前锁定利润 [1] - 英伟达的护城河不仅是硬件和软件，更包括迭代速度、规模优势和能源效率等综合能力，且比三年前更宽 [5] - 随着大模型迭代加速，大量新框架与算法基于英伟达平台开发，生态结构一旦固化，兼容性成本与技术负担将使后来者难以突围 [2] 华为的生态构建战略 - 华为宣布软件全面开源开放策略，包括开源CANN、Mind系列应用使能套件、openPangu等，同时支持业界主流开源社区和项目 [3] - 未来5年，华为计划每年投入150亿人民币生态发展费用、1500P开源社区算力，并投入15000人进行生态平台开发与支持 [3] - 华为明确变现依靠昇腾硬件，通过开源开放促进硬件规模和使用普遍性，以换取更广阔的生态空间 [3] 中国算力产业的生态挑战与机遇 - 中国算力产业正处在从硬件突破向生态构建转型的关键时期，昇腾系列处理器在算力密度、能效比等关键指标上已具备国际竞争力 [4] - 国内算力产业缺乏的不是对标H100或B200的芯片，而是一个能让全球开发者使用的"中国版CUDA" [5] - CUDA生态经过十余年发展，构建的AI应用被锁定在英伟达硬件平台上，这种生态优势比单纯技术优势更难超越 [5] 华为昇腾的生态实践与进展 - 昇腾与业界开源社区和项目深度合作，如Triton、PyTorch、vLLM等，并将新功能和特性开源到社区 [6] - 作为PyTorch基金会最高级别会员，华为深度参与主流框架建设，并通过贡献插件化架构降低生态维护成本 [6] - 昇腾主导开源的60多个项目累计有6500多名核心贡献开发者，在50多个开源社区和项目中贡献了37万行代码 [6] - 华为选择构建开源生态和MindSpore，旨在使软件生态不依赖于西方生态和供应链，为长远考虑 [6]

行业现状与问题 - 截至2024年9月中国算力规模达246 EFLOPS智能算力同比增长超65%各行业算力应用项目超1.3万个[1] - 智算中心平均机柜利用率仅20%～30%部分企业级中心低至10%[1] - 全国已上线智算中心算力整体利用率仅32%存在供需失衡和资源错配问题[2] - 优质算力供给不足大部分智算中心规模在1000P左右由分散社会资本建设难以匹配需求方[2] - 使用门槛过高创业公司面临找不到或用不起算力问题且缺乏使用裸金属算力的能力[3] - 国产芯片生态割裂多模型多芯片架构导致异构算力无法高效流动部分国产卡难以应用[3] 公司背景与定位 - 无问芯穹于2023年5月由清华大学电子工程系教授汪玉及博士生团队联合创立具备清华科研背景[4] - 公司成立不到两年完成近10亿元融资投资方包括红杉中国百度智谱AI等知名机构[4] - 公司定位为大模型时代"算力运营商"目标解决国产芯片生态割裂和算力使用门槛高问题[5] - 通过"M×N"技术将异构异域异属算力汇聚成云端算力网络实现智能感知和随需获取[5] - 技术路径包括统一中间层屏蔽硬件差异及优化国产芯片在大模型训练推理场景的性能[5] 产品与技术方案 - 公司推出三大核心产品覆盖万卡至十万卡无穹AI云百卡至千卡无界智算平台及单卡至十卡无垠终端智能[6] - 无穹AI云覆盖26省市53个数据中心整合超15种芯片架构异构算力池总算力规模超25000P[7] - 无界智算平台基于3000卡沐曦国产GPU集群支撑百亿参数模型训练600小时不间断利用2000张华为昇腾910B卡实现千亿参数模型推理[8] - 无垠终端智能推出端侧本征模型Infini-Megrez2.0实现21B参数智能水平内存占用控制在7B规模计算量控制在3B规模[9] - 公司通过底层算子通信调度容错技术创新提升算力利用率部分混合芯片算力利用率最高达97.6%[10] 生态合作与验证 - 公司与高校通过产学研协同机制缩短科研成果产业化周期如在研电赛中吸引25支高校团队参与[6] - 无穹AI云覆盖"东数西算"国家战略关键节点通过广域高性能专线实现算力资源实时切换与迁移[7] - 公司服务上海模速空间实现日均Token调用量突破100亿[10]

文章核心观点 - 深度求索发布V3.1版本大模型 提出UE8M0 FP8浮点数格式 专为下一代国产芯片设计 体现国产AI生态从软件到硬件的深度协同变革 [6][11][13] - UE8M0 FP8采用范围优先策略 放宽小数精度 确保数值范围稳定 适配国产芯片硬件逻辑 虽损失细节但避免计算溢出风险 [11] - FP8标准竞争本质是算力生态争夺 国产阵营需从模型到芯片协同创新 大模型厂商主动调整技术路线 与国产硬件对齐 即便暂时性能妥协 [13][14] 技术背景与行业现状 - 模型参数通常以浮点数形式存储计算 传统FP32精度高但显存占用大 FP8通过牺牲部分精度 换取显存占用减半和计算速度大幅提升 [7] - 英伟达在H100等GPU上实现FP8高效支持 通过动态缩放策略和Tensor Core指令优化 成为训练千亿级大模型标配 但这些优化深度绑定英伟达硬件 [7] - 国产GPU若直接照搬英伟达方案 面临数值不稳定和训练难以收敛等问题 [7] UE8M0 FP8技术特点 - UE8M0 FP8是范围优先变体格式 大幅放宽小数精度 优先确保数值范围稳定 适配国产芯片硬件逻辑 [11] - 设计类似于用粗糙但足够长卷尺测量 虽损失细节但避免计算溢出风险 [11] - 调整背景是国产GPU在指令集和底层架构上与英伟达存在差异 [11] 国产芯片生态进展 - 沐曦曦云C600计划2025年推出 原生支持FP8 采用多精度混合算力架构 [13] - 燧原科技L600主打训推一体 优化FP8计算效率 [13] - 合作模式成为未来趋势 模型端优化低精度计算策略适配国产芯片特性 芯片端针对主流大模型需求定制计算单元和指令集 生态端建立国产FP8标准逐步摆脱对英伟达依赖 [18] 产业意义与展望 - UE8M0 FP8背后是国产AI行业从单点突破迈向全栈协同的关键一步 [16] - 在算力被卡脖子背景下 软硬件深度绑定探索比单纯模型规模增长更具长远价值 [16] - FP8标准竞争本质是算力生态争夺 国产阵营需从模型到芯片协同创新 [13]

活动概述 - 华为与恒扬数据在深圳联合举办2025新品推介会 聚焦智能计算技术与产业深度融合 核心议题为鲲鹏昇腾赋能商业新生 [1] - 活动吸引众多行业精英参与 共同探讨智能计算为各行各业注入新活力 [1] - 双方携手发布恒扬数据K+A一体机与SempFusion智算平台两款重量级新品 [1] 战略合作 - 华为与恒扬数据建立深度合作关系 共同推动算力技术创新与应用 [1] - 合作标志双方从硬件协同迈向软硬一体新阶段 [6] - 华为通过鲲鹏昇腾两大核心技术构建开放协同算力生态 [3] 产品发布 - 恒扬数据K+A一体机是华南地区乃至全国首家正式发布的合作伙伴旗舰机型 具备强大AI训练推理能力 [4] - SempFusion智算平台提供全栈AI解决方案 旨在激活知识资产赋能业务活动 [6] - 恒扬数据创新构建多种异构融合算力解决方案 解决企业技术落地难题 [4] 技术能力 - 华为基于昇腾打造坚实算力底座 通过自主创新提供从训练到推理一体化解决方案 [3] - 以DeepSeek为代表的大模型显著降低AI部署和使用门槛 加快行业智能化步伐 [3] - 华为携手众多KPN伙伴共创多款高竞争力差异化产品 覆盖多个应用场景 [3] 行业应用 - 伊登软件依托华为算力底座推出eCopilot系列产品 提供端到端智慧办公能力 [6] - 明泰智能AI数字人一体机已在多地政务领域落地 分享AI在政务场景应用成果 [6] - 算力技术升级推动千行万业数智化升级 助力企业把握智能化转型关键机遇 [3] 生态建设 - 面对全球算力需求爆炸式增长 构建开放协同算力生态成为行业共识 [1] - 通过生态协同凝聚产业链上下游合力 满足行业发展多元化要求 [1] - 算力从可用向好用的转变 推动企业快速实现智能化转型和应用落地 [3][4]