过去十年，数据中台经历了"全民建中台"的热潮，也走过"建用脱节"的迷茫。随着AI技术的爆发，尤其是大模型对高质量数据供给的迫切需求，数据中台 的定位正在被重塑——它不只是数据的"管理者"，更要成为AI能力落地的"赋能者"。未来的数据中台，只有两条路：要么成为AI Infra的核心支撑，要么 在技术迭代中被边缘化出局。这是我深耕大数据产业十年，最坚定的判断。 十年前，我在阿里深耕大数据基础设施——搭平台、建数仓、做实时计算，服务电商、金融等核心业务。彼时一个判断愈发清晰：数据基础设施绝不会只 服务互联网公司，终将成为所有行业的"公共基建"。正是这个判断，让我选择离开阿里云，联合创办了袋鼠云，全力投身"让大数据走进产业"的事业。这 个决定在当时并不被普遍理解：从头部平台"下船"，去做一件高投入、长周期、短期看不到回报的事，风险不言而喻。但对我而言，大数据已证明技术可 行，接下来必须回答：它在产业一线是否真的有价值？我想成为验证这件事的人。 宁海元 "【提示】2025第八届年度金猿颁奖典礼将在上海举行，此次榜单/奖项的评选依然会进行初审、公审、终审三轮严格评定，并会在国内外渠道大规模发布 传播欢迎申报。 回望袋鼠云 ...

文章核心观点 - AI Agent的时代已经到来，成为行业共识和确定性机会，但当前的基础设施（包括算力、成本、数据、软件生态）尚不完善，无法完全承接其爆发式发展，这既是挑战也孕育着新的商业和投资机遇 [5][9][14][15] Agent成为行业焦点 - 2025年12月，行业人士分赴NeurIPS会议与亚马逊云科技re:Invent展会，分别关注前沿AI研究与务实的AI落地机会 [4] - 在亚马逊云科技re:Invent展会上，与十多名美国开发者交流后形成的共识是：Agent的时代已经到来 [5] - 亚马逊云科技CEO Matt Garman宣布的12项AI新发布均围绕Agent的基建、开发和管理，并判断AI Agent正在让AI的价值真正释放 [5] - 相比2024年re:Invent展会只有不到五家厂商谈论Agent，2025年展会中宣称要做Agent的展商数量激增 [5][6] 基础设施面临严峻挑战 - 行业普遍认为当前Agent的基础设施还很薄弱，面临成本高昂和AI-first能力不足的问题 [9] - Agent发展的速度是破坏性的，厂商对Agent开发的需求呈指数级增加，对训练、推理算力及数据存储软硬件带来巨大挑战 [9] - 行业已逐渐从GPU短缺演变成了内存短缺 [9] - 在推理成本的巨大压力下，“为降低成本做开发”成为美国Agent创业圈新的竞争力评价体系 [11] - 市面上AI Agent的成本，平均百分之八九十都在推理上，AI应用公司需要将推理成本降低80%才能有真正的利润 [11] - 风险投资机构普遍会询问Agent初创公司推理成本以及订阅收入能否覆盖推理成本 [11] 软件生态尚未适配 - 当前的软件生态是为人类开发，而非为AI Agent开发，尚未做好被Agent调用的准备 [12] - 人类与AI对软件的使用偏好不同，AI讨厌需要浪费更多Token打通的“数据孤岛”，且在面对众多调用接口时容易因注意力分散而产生幻觉或智力下降 [13] - 厂商需要围绕“给Agent使用”的理念开展软件革命，包括：设计让Agent能简单表达需求的交互界面、避免制造数据孤岛、控制成本 [14] 基础设施领域的商业与投资机会 - 优化AI基础设施以降低模型调用过程中的推理成本，正成为基础设施创业的新风向 [15] - 2025年9月，英伟达被曝豪掷超9亿美元，拿下了AI基础设施初创公司Enfabrica的技术授权并雇佣了其CEO [15] - 数据作为Agent的另一项重要基建正受到重视，数据库厂商在展会中占据半壁江山，数据决定了Agent对业务和场景的理解 [15] - 数据库厂商面临的新命题是：寻找能与Agent更有效交互的数据库形态，以及进行扩容以承接爆发式的Agent开发需求 [15] - 有数据库展商表示近期正计划投资几个在美华人的AI基础设施项目 [15] - 若人人追逐最显性的Agent应用而无人做好匹配的基建，Agent可能成为泡沫 [17]

核心观点 - 报告对2025年12月A股市场持“震荡巩固”观点，认为在经历连续反弹后，市场短期面临技术性调整压力，但中期在政策、基本面和资金面支撑下，仍具备进一步向上动能 [5] - 主要指数在2025年11月普遍收跌，上证指数月线下跌1.67%，终结月线六连阳，市场呈现冲高回落态势 [5][10] - 行业配置建议超配基础化工、TMT、电力设备、机械设备，并关注汽车、建筑材料等行业 [5][37][38] 月度行情回顾 - 2025年11月A股主要指数冲高回落，上证指数月K线下跌1.67%，深证成指下跌2.95%，创业板指下跌4.23%，科创50下跌6.24%，北证50下跌12.32% [5][10] - 市场板块表现分化，综合、银行、纺织服饰、石油石化、轻工制造等板块涨幅靠前；医药生物、非银金融、电子、汽车和计算机等板块跌幅靠前 [5][10] 2025年12月份市场环境分析 - 全球经济相对平稳，10月全球制造业PMI指数为50.8%，连续第3个月位于荣枯线上方，IMF预计2025年全球经济增速为3.2% [16][17] - 美联储12月继续降息是基准情形，但需警惕明年上半年美国通胀压力在降息后持续显现 [5][18][34] - 国内经济行稳致远，10月规模以上工业增加值同比增长4.90%，但1—10月全国固定资产投资同比下降1.7%，10月社零总额同比增长2.9% [19] - 10月CPI同比转正，PPI同比降幅收窄；10月社会融资规模增量为8150亿元，较上年同期少增5970亿元；11月制造业PMI指数为49.2%，比上月上升0.2个百分点 [20][21] - 政策积极释放消费潜力，六部门印发促进消费实施方案，部署5方面19项重点任务；各部委聚焦谋划“十五五”良好开局，财政政策强调力度给足、发力精准、政策协同 [25][26][27] - 货币政策将继续实施适度宽松，降准、降息等举措仍可期待；资本市场政策将提高制度包容性、适应性，健全投资和融资相协调的功能 [28][29][36] - 市场资金面上，截至11月28日，A股两融余额24735.77亿元，占流通市值比重约为2.59%，较10月末提升；11月重要股东净减持约430.11亿元，股票融资规模约为304.76亿元 [30][31][33] 12月行情研判 - 市场在经历连续多月反弹后，短线获利盘压力加大，需注意技术层面的反复波动 [5][37] - 中期来看，中美贸易形势、“十五五”规划政策指引、资本市场政策演绎、利率下行背景下的资产配置、资金面动向均对市场构成积极影响 [5][37] - 市场整体仍处于修复阶段，风险偏好稳步提升的势头未变，三季报显示基本面有适度改善迹象 [5][37] - 随着政策效果逐步落地、基本面实质好转、资金增量稳步入场，市场在震荡巩固后，仍具备进一步向上的动能 [5][37] 行业配置建议 - **基础化工**：在“双碳”目标背景下，行业向高端化、智能化、绿色化转型升级，建议关注化工新材料及精细化工领域；改性塑料产量从2020年的2250万吨增长至2024年的3320万吨，年均复合增速达10%；多种维生素主流厂商暂停报价，挺价意愿强烈，价格或将修复 [38][39][40] - **TMT**： - **电子**：AI Infra市场有望高增，英伟达指引2030年全球AI基础设施开支有望达3-4万亿美元，2025-2030年CAGR高达38%-46%；端侧创新持续，iPhone17系列销售火热，AI眼镜和AR眼镜出货量有望快速增长 [41][42] - **通信**：5G-A商用网络发展普及，建议关注光模块、交换机等连接侧器件与设备，以及物联网、卫星通信等相关标的 [43][44] - **计算机**：建议把握AI及自主可控两条投资主线，关注AI应用商业化和国产AI算力、信创、工业软件等领域 [45] - **半导体**：人工智能仍为创新主线，算力、存力、设备、先进封装等多环节有望受益，同时关注国产替代进程 [46] - **电力设备**： - **光伏**：行业处于转型升级关键阶段，资本支出显著收缩，竞争核心转向技术、品牌和盈利能力，关注对BC电池、钙钛矿等前沿技术的布局 [47] - **储能**：国内储能电芯需求强劲，订单排至2026年年初；政策目标2027年全国新型储能装机规模达到1.8亿千瓦以上，带动直接投资约2500亿元 [48] - **机械设备**： - **工程机械**：出口表现亮眼，电动化率持续提升；长期受国家重大工程开工、资金落地和更新政策驱动 [49] - **人形机器人**：预计将率先落地工业场景，特斯拉OptimusGen3双手共用50个执行器，对零部件需求巨大 [49] - **自动化设备**：关注工业机器人、工控、机床等细分领域需求复苏情况 [50]

报告投资评级 - 行业投资评级为“看好” [1] 报告核心观点 - AI基础设施（AI Infra）是AI工作负载的底层支撑系统，涵盖算力、存储、网络等五层架构，其核心目标是高效完成AI模型训练和推理 [3] - 生成式AI进入推理时代，AI Infra市场规模和渗透率显著提升，2025年预计成为中国AI Infra平台应用元年 [7] - 模型及应用管理层中，数据类基础设施软件将率先受益，海外厂商Snowflake、MongoDB的收入增速拐点已显现 [3][32] - AI基础设施厂商处于产业链“卖铲”位置，确定性高，具备高成长潜力 [3][51] AI Infra市场概况与架构 - 中国AI Infra平台市场规模2024年达34.5亿元，预计2025年跃升至67.3亿元，同比增长95.1% [7] - AI Infra包含三类核心软件：算力管理层（2024年市场份额64.6%）、模型管理层、应用管理层（占比持续提升） [11] - 一个完整的AI基础设施通常包含算力层、存储层、网络层、软件与中间件层、运维与管理层 [5] 算力管理层分析 - 国内AI Infra算力管理层软件参与者主要为云厂商（如阿里云、华为云、火山引擎）和MaaS初创公司 [12] - 算力调度环节至关重要，直接影响大模型厂商成本，1%的效率提升意义显著 [16] - 华为Flex:ai可实现异构算力调度，将单张GPU/NPU算力卡切分至10%粒度，算力资源平均利用率可提升30% [20][22][24] - 阿里巴巴Aegaeon通过token级动态调度，使10个模型所需GPU数量从1192个锐减至213个，资源节约率高达82% [26][28] 模型及应用管理层分析 - IDC预测2024年全球将涌现超过5亿个新应用，相当于过去40年间出现的应用数总和 [29] - 企业对私有化部署、数据整合需求迫切，数据类Infra软件先受益 [3][29] - MongoDB凭借原生支持结构化、半结构化与非结构化数据的统一存储能力，成为AI应用的理想平台，其AMP平台被视为未来增长点 [36] - Snowflake作为数据仓库推出AI数据平台，25%的已部署用例已整合AI功能，新客户中50%的签约受AI驱动 [38][43] 国内对标公司 - 达梦数据推出向量数据库，践行“智算多模”技术理念，实现图、关系、键值、文档、向量等数据模型的统一存储 [45] - 英方软件作为数据复制及灾备厂商，推出i2Stream实时数据流处理平台，满足AI大模型等领域对数据实时处理的需求 [48] 重点标的梳理 - 报告梳理了八大类重点标的，涵盖AIGC应用、数字经济领军、信创&数据、AIGC算力、数据要素、智联汽车、新型工业化、医疗信息化等领域 [52]

文章核心观点 - AI 2.0时期，年轻人成为技术浪潮的核心力量，技术变革使所有人回到同一起跑线，年轻人率先发现并冲刺新赛道[2][3][4] - 虎嗅评选出“最有潜力的30岁以下AI领军者·TOP20榜单”，旨在发掘年轻领军者，评审团从技术、产品、商业、融资、市场五大维度严格筛选[5] 领军者群体特征 - 技术硬实力与商业转化能力是关键考量，上榜团队研发投入高，核心成员多来自顶尖高校或科研机构，专利布局、学术成果及GitHub项目运营突出[6] - 商业端表现亮眼，包括收入增长率、毛利率及服务行业头部客户的案例，产品通过快速迭代构建活跃用户社区，形成高效数据飞轮[6] - 资本市场认可显著，多数项目获知名机构投资，融资轮次与投资方背景过硬，企业估值建立在坚实可持续的商业逻辑之上[6] 重点创业领域分布 - 上榜者近一半集中在机器人领域，其次是AI Infra（算力相关）及AI Agent，还有大模型方向创业者[7] - 机器人创业考验软硬件结合与供应链能力，例如松延动力发布全球首台高性能人形机器人，售价9998元，并完成接近3亿元Pre-B轮融资[8] - AI Agent、AI Infra及大模型企业均已拥有客户并实现破千万收入，部分ToB AI Agent已获标杆客户，体现商业化能力[12] 领军者背景与案例 - 候选名单中有五位博士，博士毕业创业者多聚焦AI Infra领域，例如清程极智联合创始人师天麾、寅谱创始人田洋[13] - 存在辍学创业案例，例如00后张宇诺硕士休学创立陪伴机器人公司，松延动力姜哲源博士辍学创业[9][13][53] - 具体案例包括舞肌科技潘韫哲团队开发全世界最轻灵巧手（600g，20个主动自由度），团队120人，核心成员来自大疆等[11]

核心观点 - 报告认为2026年中国AI产业链将进入成熟发展阶段，各环节创新加速，从算力、模型到应用均存在投资机会 [4] - 谷歌Gemini 3 Pro及Nano Banana Pro的发布标志着多模态模型在效果、理解和生产应用上取得重大突破 [4][6] - 华为Flex:ai容器技术的发布是AI基础设施领域的关键进展，有望提升算力利用率并加速行业落地 [4][65] 谷歌大模型突破 - Gemini 3 Pro及其图像生成模型Nano Banana Pro在直观效果上实现大幅提升，具备精准的语义对齐、精细化控制、空间理解和高分辨率细节增强能力 [4][6] - 模型不再是单纯的生图工具，而是基于多模态理解进行产出，例如能理解“无法仅凭图片标出实际长宽数字”的复杂推理 [6][16] - 在多语言理解和生成上效果显著提升，能够稳定生成中文文字并准确理解语义，例如生成《琵琶行》全文及对应水墨画 [12][13] - 模型落地从创意素材环节深入至生产过程，可在电商、工业设计、教育等多个行业实现应用 [18][20] 2026年中国AI趋势：算力 - 2026年是国产算力产业化元年，供给侧国产AI芯片从可用到好用，超节点展现强大工程能力；需求侧互联网和运营商智算中心需求旺盛 [4][18] - 国产超节点分化为“多机柜”和“单机高密”两大路径，华为CM384方案可搭载384个NPU，通过自研UB-Switch实现高速全互联，提升整体计算性能 [22][23] - 服务器架构创新采用正交架构，缩短计算模块到交换模块走线距离，降低插损，工程优势显著 [27][29] - 液冷等新技术正式落地，中科曙光scaleX640采用浸没相变液冷，其10万卡集群已通过30天长稳运行测试 [30] 2026年中国AI趋势：模型 - 2025年全球大模型迭代速度整体放缓，中美模型差距迅速缩小，预计2026年将进一步缩小乃至部分领域超越 [4][33] - 大模型货币化加速，Anthropic年化收入达30亿美元，OpenAI年化达120亿美元，AI编程和多模态是重点场景 [33][34] - 模型使用量持续上升，2025年为效率转化元年，全球216家科技公司累计裁员近10万人，而AI研发岗位扩招 [40][43] - 2026年模型迭代将聚焦三大方向：突破长上下文瓶颈（如DeepSeek OCR压缩比<10倍时精度达97%）、多模态细节控制与世界模型、以及Mid-training三阶段训练法 [44][48][51] 2026年中国AI趋势：应用 - 中国软件行业以乙方定制化为特色，行业know-how形成壁垒，大模型难以完全取代应用软件 [58][60] - AI应用渗透率正处加速初期，类比云计算渗透率约15%-40%的最佳投资窗口期，当前软件行业进入最佳布局期 [61][64] - 大量公司AI收入占比突破10%，看好Deep Research、AI编程、多模态、行业Agent等方向 [4][47] AI基础设施突破 - 华为发布并开源AI容器技术Flex:ai，基于Kubernetes构建，可统一管理英伟达、昇腾等异构算力 [4][65] - Flex:ai通过芯片级算力切分（粒度精准至10%）和“拉远虚拟化”技术，使算力利用率提升30%，解决算力分布不均衡问题 [69][70] - 该技术对标英伟达Run:ai但兼容异构算力，将融入华为ModelEngine开源生态，加速AI行业化落地 [4][72][74] - 传统容器技术无法满足AI工作负载需求，例如AI大模型镜像可达TB级别，传统容器拉起环境需数小时 [68][71] 重点投资标的 - AIGC应用方向关注金山办公、万兴科技、虹软科技等公司 [4][77] - 数字经济领军方向包括海康威视、恒生电子、中控技术等 [4][77] - AIGC算力方向推荐浪潮信息、海光信息、中科曙光等 [4][77] - 信创&数据方向涉及海光信息、软通动力、太极股份等 [4][77]

核心观点 - 报告认为2026年将是中国AI产业链从“百舸争流”走向“自成畦径”的关键一年，算力、模型、应用三大环节均存在投资机会 [5] - 谷歌发布的多模态模型Nano Banana Pro在效果、理解和应用深度上实现显著突破，标志着多模态AI正从创意素材环节深入生产核心链条 [5][7] - 华为发布并开源的AI容器技术Flex:ai实现了异构算力统一管理和效率提升，是AI基础设施领域的关键突破 [5][71] 谷歌大模型突破 - 谷歌发布的Gemini 3 Pro及基于其的图像生成模型Nano Banana Pro核心影响在于直观效果大幅提升、基于多模态理解的产出、以及落地应用从创意素材深入生产过程 [5][7] - 模型在语义对齐、精细化控制、空间理解、高分辨率细节增强和多语言理解方面效果显著，例如能精准呈现“木架上有三个玻璃罐，左边罐装两个红苹果，中间空，右边装蓝色弹珠”的复杂提示词 [7] - 模型具备多模态思考能力，例如在被要求标出图中罐子长宽时，会反馈“仅凭此图无法准确标出实际数字，需要参照物”，而非盲目生成 [7][18] - 在高分辨率细节上能生成极其细微复杂的纹理和结构，如根据提示词生成“彩色跳蛛脸部极限微距摄影，聚焦独立绒毛、多面体纹理和晨露水珠”的4K分辨率图像 [10][12] - 多语言能力提升迅速，能稳定生成中文文字并准确理解语义，例如成功生成《琵琶行》全文并配以对应水墨画风格画面 [14][15] - 模型能结合世界知识通过图片呈现复杂信息，例如根据搜索生成“植物光合作用原理”的科普图片，标志着多模态AI可更深入业务核心链条 [19][20] 2026年中国AI趋势：算力 - 2026年是国产算力产业化元年，供给侧国产AI芯片从可用到好用，超节点展现国产工程能力；需求侧互联网、运营商智算中心需求旺盛 [5] - 超节点是全球算力发展重心，国产方案如华为CM384、阿里磐久、腾讯ETH-X、海光scaleX640等具备较强竞争力 [20][25] - 国产超节点分化为“多机柜”和“单机高密”两大路径，华为CM384为多机柜代表可搭载384个NPU，阿里磐久等为单机高密方案 [25] - 超节点通过工程创新提升性能，例如华为CM384通过自研UB-Switch芯片实现384个NPU高速全互联，有效弥补国产AI芯片单卡性能短板 [26] - 服务器架构创新采用正交架构，缩短计算模块到交换模块走线距离，较英伟达NVL72的Cable Tray方案插损降低、容错性提升 [30][32] - 液冷等新技术正式落地，中科曙光scaleX640采用浸没相变液冷等技术，其10万卡集群已通过30天长稳运行测试，进度领先海外 [32] - 超节点及互联技术走向开放兼容，为众多国产AI芯片提供标准基础设施底座，提升整体国产算力性价比，趋势进一步确立 [33][34] 2026年中国AI趋势：模型 - 2025年全球大模型迭代速度整体放缓，中美大模型差距迅速缩小，预计2026年将进一步缩小乃至部分领域超越 [5] - 根据测评数据，中美模型在语言能力上持平，在多模态、数学、编程有差距但缩小；从人类真实偏好反馈看，国内模型不落后于海外 [38][39] - 大模型使用量持续上升，2025年为效率转化元年，模型能力提升带来AI落地加速和对传统人力替代，全球216家科技公司累计裁员近10万人 [42][45] - 模型迭代方向一为突破长上下文瓶颈和效率提升，DeepSeek开源OCR模型通过光学压缩方式将文本渲染为图像压缩为少量视觉token，压缩比<10倍时精度达97%，单张A100-40G GPU可支持20万页数据处理每日 [46] - 模型迭代方向二为多模态细节控制及世界模型与物理AI，谷歌Genie3可基于文本提示以每秒24帧、720p分辨率生成长达数分钟交互式3D环境 [51] - 物理AI核心价值在于将物理规律与数据驱动结合，核心应用领域在于数字孪生、智能驾驶及具身智能的训练和推理 [52] - 模型迭代方向三为Mid-training，从“预训练+后训练”两阶段变为三阶段，标志大模型开发从粗放规模扩张进入精细化系统工程阶段 [55][56] 2026年中国AI趋势：应用 - 中国软件行业具有强乙方和定制化特色，行业know-how形成壁垒，大模型难以完全取代应用，AI应用在软件行业的渗透率正处在加速初期 [63][65][66] - 复盘云计算演绎路径，当前软件行业处在最佳布局期，以广联达为例，云渗透率约15%-40%时为最佳投资窗口期，其云收入占比从2017年2%提升至2020年41%，期间市值涨幅超过300% [70][73] - 2025年部分公司开始披露AI订单，标志行业即将进入市值快速提升阶段，大量公司AI收入占比突破10% [5][71] AI基础设施关键突破 - 华为发布并开源AI容器技术Flex:ai，基于Kubernetes构建，可统一管理英伟达、昇腾等异构算力 [5][71] - Flex:ai通过芯片级算力切分（粒度精准至10%）和“拉远虚拟化”技术，使算力利用率提升30%，并能解决超大镜像拉起慢等传统容器痛点 [5][76][77] - 该技术对标英伟达Run:ai且兼容异构算力，后续将融入华为ModelEngine开源生态，加速AI行业化落地 [5][79][81]

全球AI基础设施投资趋势 - 2025年全球数据中心投资预计达约5800亿美元，超过同年全球石油供应投资额5400亿美元，差额为400亿美元 [2] - AI云竞争的本质正从单一算力供应转向对底层硬件、系统架构、编译优化、算力调度、模型服务等全链路的深度整合 [5] - 行业头部公司为掌控能力和效率，正不可避免地走向从应用到模型、框架、云基础设施再到芯片的端到端垂直整合 [21] 国际AI基础设施竞争格局 - 谷歌依托TPU形成高度定制化AI算力体系 [4] - 亚马逊AWS持续押注自研芯片并与云服务深度绑定以实现更高能效比和更低成本 [4] - OpenAI联手博通自研AI加速器并布局独立AI云服务业务以减少对外部算力供应链的依赖 [4] - 英伟达不断提升GPU性能，深入高速互联等关键领域，并向云端延伸，越来越像一家完整的AI基础设施公司 [4] 百度AI基础设施全栈布局 - 公司构建覆盖芯片、集群到平台的全栈式、规模化AI Infra解决方案，包括昆仑芯P800三万卡集群、百舸平台及天池超节点 [2] - 昆仑芯团队始于2011年FPGA AI加速器项目，是国内最早源自真实业务场景的AI芯片研发团队，并于2018年启动昆仑芯研发完成3次迭代 [5] - 百度智能云2020年开启"云智一体"战略，在2023年中国AI公有云服务195.9亿元市场中以24.6%份额连续六年位居第一 [5] 百度AI基础设施技术演进 - 昆仑芯未来五年路线图包括2026-2027年两款新品及天池256/512超节点上市，天池256超节点卡间互联总带宽提升4倍，主流大模型推理任务单卡tokens吞吐提升3.5倍 [8][9] - 天池512超节点最高支持512卡极速互联，卡间互联总带宽提升1倍，单节点可完成万亿参数模型训练 [9] - 通过XPU驱动通信模式实现高效直通通信，万卡带宽有效性达95%，接近理想线性扩展 [11] - 百舸平台通过全面故障检测体系精准定位慢节点和故障卡，保障大规模训练稳定性 [11] 百度AI基础设施应用成效 - 公司国产化算力底座稳定支持搜索、推荐等核心业务及大模型训练与推理，Qianfan 70B VL等SOTA模型在5000卡昆仑芯集群训练而成 [13] - 百度蒸汽机视频生成模型在6000卡昆仑芯集群炼成，发布时在VBench-12V榜单位列全球第一 [13] - 基于"百舸平台+昆仑芯P800"的国产万卡集群通过信通院测评获最高"五星级"评级 [15] - 百舸平台支撑北京人形机器人创新中心训练72B开源具身多模态大模型Pelican-VL 1.0，性能提升20.3%，超过同级别开源模型10.6% [16] - 平台帮助招商银行、国家电网、中国钢研、同济大学等头部机构实现国产算力规模化部署 [20]

核心观点 - 报告维持电子行业“超配”评级，认为AI基础设施（AI Infra）市场有望高速增长，同时终端侧创新持续演进，为2026年上半年带来投资机遇 [1][6] - 电子行业在2025年前三季度表现出色，指数累计上涨40.90%，业绩快速增长，主要受益于AI创新周期驱动和传统消费电子需求复苏 [6][15][20] - AI算力产业链（如AI服务器、高端PCB/CCL、钻针）将深度受益于模型厂商算力储备、CSP资本开支高增及主权AI需求释放 [6][33][48][70] - 终端创新方面，iPhone 17系列销售火热，2026年苹果有望推出折叠手机及更高阶AI功能；AI眼镜与AR眼镜出货量预计将快速增长 [6][129][143][152] 行业今年走势与业绩表现 - 截至2025年11月14日，申万电子行业指数累计上涨40.90%，在申万一级行业中排名第5，涨幅靠前主要受益于AI创新周期驱动 [6][15] - 电子行业2025年前三季度营业收入为2.44万亿元，同比增长20.86%；归母净利润为1,003.33亿元，同比增长33.41%；扣非后归母净利润为861.02亿元，同比增长36.00% [6][20] - 细分领域中，元件子行业涨幅最高，达85.55%；PCB板块归母净利润同比增长61.41%，CCL板块同比增长86.47%，业绩表现亮眼主要得益于AI算力需求拉动 [15][20][31] AI Infra市场与算力产业链 - 英伟达指引2030年全球AI基础设施开支有望达到3-4万亿美元，2025-2030年复合年增长率（CAGR）高达38%-46% [6][70] - 海外云服务提供商（CSP）资本开支强劲，谷歌、微软、亚马逊、Meta四家巨头Q3资本开支合计达1,125亿美元，同比增长77.05% [48] - AI服务器出货量持续高增，Digitimes预计2025年全球出货量达124.9万台，同比增长25.28%，2027年有望达207.8万台 [71] - 英伟达下一代Rubin平台将采用更高规格的PCB（如高阶HDI、正交背板）和CCL材料（如M8.5+/M9），推动产业链价值量提升 [83][87][102] - 用于AI服务器等高端产品的钻针面临量价齐升机遇，高阶AI服务器单主板钻孔数可能超10万个，且钻针寿命因材料升级而显著缩短，需求加大 [121][123] 端侧创新动态 - iPhone 17系列因标准版“加量不加价”及Pro系列功能升级而销售火热，苹果已要求供应链提高日产量，并指引下一季度iPhone收入同比双位数增长 [6][129][143] - 2026年被视为苹果创新大年，预计将推出更高阶AI功能及首款折叠手机，有望进一步拉动供应链业绩 [6][129][148] - AI眼镜在RayBan Meta爆品驱动下成为终端必争之地，Wellsenn预测2026年全球AI眼镜和AR眼镜出货量分别有望达到1,800万台和150万台 [6][129] - AI眼镜的核心是SoC，AR眼镜的核心是光学显示系统，相关技术升级和产品迭代将带动供应链需求 [6][129]

公司业务定位 - 公司主营互联网营销业务，是一家以数据研究为基础的效果营销及产品开发运营公司 [1] - 公司未涉及包括芯片、服务器、存储设备等硬件设施的算力业务 [1] 算力部署现状与规划 - 公司目前部署算力主要服务于公司内部业务支撑和研发需求 [1] - 预计伴随公司后续研发及运营，算力需求将持续提升 [1] 行业趋势与合作机遇 - 近期国产大模型加速迭代，通过线性注意力机制等技术不断降低算力成本 [1] - 公司密切关注算力产业发展，积极寻求与算力厂商在AI Infra等领域的合作机遇 [1] - 合作旨在加速模型在B端、C端的应用 [1]