行业与公司概览 * **行业**：算力租赁、智算、AI基础设施 * **涉及公司**：红警科技、协创数据、智微智能、东方国信、首都在线、中贝通信、杰创智能、七牛智能、石头云 核心观点与论据 行业趋势与宏观动态 * **行业特点**：2026年算力租赁行业呈现**头部集中、业绩兑现和出海加速**三大特点[18] * **需求演变**：算力需求正从**训练为主**转向**训练与推理并重**，且**推理需求正在加速放量**，成为更具弹性和持续性的增长点[19][20] 推理需求增长由**技术突破、应用落地和成本下滑**三大因素驱动[20] * **市场供需**：国内智算市场**供给未饱和**，存在**结构性错配** 2024年底智算规模为**90 EFLOPS**，但2023年实际需求已超**123 EFLOPS**[22] * **资本开支**：国内大厂进入算力军备扩张阶段，预计2026年主要大厂**CAPEX总和超4,200亿元**[1][23] 阿里巴巴未来三年AI相关投入将超**3,800亿元**[23] * **政策框架**：“东数西算”工程是符合**2025至2026年AI算力基础设施落地需求**的国家级框架[19] 西部四大核心枢纽节点（庆阳、贵安、和林格尔、中卫）已形成各自优势[21] * **逻辑关联**：大厂资本开支是**核心驱动力**，“东数西算”是**承接需求的关键框架**，算力租赁公司扮演将产能转化为实际供给的**“阿尔法”角色**[23][24] 公司业务进展与投资逻辑 红警科技 / 协创数据 * **订单规模**：截至2026年2月，已公告服务器采购总金额达**432亿元**，其中2025年**232亿元**，2026年前两月约**200亿元**，预计2026年全年采购体量有望达**500亿元**[1][2] * **核心逻辑**：订单规模行业领先，客户为头部AI大模型公司或云厂商的**万卡级别长期订单**[2] 采用**“五年合同，三年现金流回本”** 的盈利模式，IDC费用由客户承担[2] 设备残值率高，使用5年后预计实际残值在**35%至45%** 之间，远高于**15%** 的账面残值[1][3] * **业务进展**：2025年采购的**232亿元**设备已于2026年Q1完成交付，预计Q2开始产生收入[2] 2026年Q1公告的**200亿元**订单有望在Q2后开始交付[2] 已获得H800和B100的万卡租赁项目，其中B100合同在春节前已完成大部分交付[3] * **竞争力**：交付效率高（H系列项目交付比预期快约半年），客户粘性强，金融租赁年化利率已降至**4%** 以内，对大客户项目可实现**1:9**的资金配比[3][4] 智微智能 * **业务进展**：2026年Q1中标**接近三位数**的智算订单，预计Q3前全部交付，收入主要在Q2确认[5] 在NAS存储服务器代工、AI PC和AI学习机代工、具身智能控制器等领域均有突破[5] * **核心壁垒**：智算业务爆发式增长，2024年收入约**30亿元**，2025年达**50亿元**，2026年Q1订单额已接近三位数[6] 深度绑定英伟达全球**12**家NPN中的**3**家，具备稳定交付算力卡的能力[6] 多业务线（NAS、AI PC、机器人控制器）协同提供对冲[6] * **业绩前瞻**：2026年全年智算收入水平有望**突破三位数**，是算力板块中业绩弹性较高的标的之一[6] 东方国信 / 石头云 * **业务模式**：采用 **“IDC+算力”双轮驱动**模式[7] * **IDC业务**：和林格尔数据中心项目独家为某大厂供应超**200兆瓦**资源，具备绿电优势，PUE值低于**1.1**[7] 与客户签有包含**80%** 以上上架率保底条款的长期合同[8] * **算力业务**：控股C端算力租赁平台AutoDL（是拓云），集团与是拓云合计持有约**4万张**GPU卡，平台客户数已超**百万**[7][8] 是拓云承诺2025-2027年扣非净利润分别不低于**4,000万元、8,000万元、6,000多万元**[8] * **估值与展望**：估值存在被低估的可能性，目标2026年实现业绩扭亏[1][10] 石头云设定了**5年实现10亿元**的收入指引[9] 首都在线 * **业务结构**：智算云、传统CPU云计算和IDC三大板块当前收入占比分别为**13%、28%和55%**[14] 智算业务**80%** 收入来自头部大模型客户[14] * **核心优势**：庆阳节点享受**0.2元/度**的绿电价格[1][14] 拥有自主云平台，算力出海是核心差异化优势，连接全球**110**条海缆推进token出海[14][15] IDC业务已进入**2026至2032年**的长期涨价周期[1][15] * **业绩预期**：预计2026年智算业务收入占比将提升至**25%** 左右，IDC业务年利润有望翻番[1][16] 2027年智算业务收入占比将超**30%**[16] 中贝通信 * **业务布局**：智算总规模超**27,000P**，国内布局九大集群[11] 国际业务成为第一增长极，2026年收入增速有望超**200%**[1][12] * **项目进展**：印尼智算中心一期**1,000P**已运营，全部建成可满足超**5,000P**需求[11] 新增阿联酋、埃塞俄比亚、西班牙等合作项目，计划国际业务收入超**双位数（亿元）**[11] 拥有印尼**200万**户光纤到户、南非**30万**线光纤交付等重点项目[11][12] * **增长逻辑**：受益于“一带一路”通信基建，国际业务储备丰富[12] 在6G、卫星互联网、低空经济等领域进行前瞻性布局[12] * **营收展望**：2026年总营收目标超**五六十亿元**，其中国际业务占比力争达**20%**，规模超**10亿元**[13] 2028年总营收有望**突破三位数（百亿元）**[13] 杰创智能 * **业务进展**：确立“遨鹰AI”战略，聚焦AI技术设施和行业应用[10] 2025年底建成近**3,000P**算力集群，其中超**2,000P**已于Q3产生收入[10] 2026年算力业务规模预计达**大几十亿元**级别，年初已推进**40亿元**采购[10] 安全装备“电磁动力防暴捕网器”已进入公安采购平台，2025年云南省公安厅一次性采购量达**几千台**[10] * **核心逻辑**：云计算业务将成为其第一大收入和增速支柱，预计2026年收入占比最大[10] 新型安全装备无同类竞品，潜在市场规模可达**百亿级**[10] 传统安全业务毛利率超**60%-70%**，为算力业务提供现金流支持[11] * **收入预期**：2025年建成的集群预计年化收入超**2亿元**，2026年云计算业务收入将**突破双位数（亿元）**[11] 七牛智能 * **最新情况**：2025年实现**EBITDA转正**，AI相关收入占比超**24%**[16] AI Max模型API业务一个季度吸引超**20万**开发者，累计注册开发者从**160万**增至超**184万**[16] 将以轻资产模式开展推理算力租赁业务[16] * **核心逻辑**：估值处于历史绝对低位，账上净现金至少**2.5亿元**，扣除后对应PS仅为**0.2至0.3**倍[17] AI业务高速增长，毛利率目标区间为**20%至30%**[17] 拥有**184万**开发者的生态系统是核心壁垒[17] * **业务规划**：预计2026年AI业务收入占比有望超**30%**，成为第一增长曲线，全年EBITDA持续为正[18] 其他重要内容 * **业绩兑现期**：从2026年第二季度起，部分算力板块公司业绩预计集中兑现[19] 智微智能（订单弹性大）、首都在线（算力出海独家优势）、东方国信（估值修复空间）等被提及[19] * **潜在风险**：中美半导体政策变化可能对芯片供应造成短期影响[19] 行业需求逻辑从训练向推理切换[19] * **投资评估关键**：在“东数西算”中，投资价值取决于哪个地区或公司能**最先形成真实的算力供给能力和实现较高的利用率**[21]

文章核心观点 - 行业正经历一场规模为工业革命十倍、速度更快的“十倍速”范式转移，AI正从赋能工具进化为变革企业流程与组织范式的力量[1] - 传统的“前端”、“后端”、“全栈”等开发职位概念将消失，未来将只有“AI Agent工程师”[1] - 为应对此变革，由CSDN与奇点智能研究院联合举办的全球机器学习技术大会已升级为“奇点智能技术大会”，旨在推动从“传统研发”到“Agent工程师”的代际跃迁[2][3] 大会概况与目标 - 2026奇点智能技术大会·上海站将于4月17-18日召开，汇聚50多位技术领袖与1000多位来自金融、智造、汽车、通信等行业的精英听众[3] - 大会聚焦AI从技术突破走向规模化落地的核心逻辑，即如何利用Agent范式驱动企业增长，并将算力投入与万亿级Token消耗转化为组织的正向投资回报率[5] - 大会基于“AI原生软件研发成熟度模型 AISMM”设立了十二大专题，作为“Agent工程师”在2026年的认知地图[5][6] 技术专题方向 - **大语言模型技术演进**：关注大语言模型的技术发展路径[5] - **多模态与世界模型**：涉及多模态理解及对物理世界的建模[5] - **AI计算平台与性能优化**：聚焦底层算力基础设施与效能提升[5] - **AI原生软件研发与氛围编程**：探讨以AI为核心的新型软件开发范式[5] - **智能体系统与工程**：专注于AI Agent的系统化构建与工程实践[5] - **AI原生应用创新与开发实践**：涵盖基于AI原生产品与应用的创新开发[5] - **智能体使能的DevOps**：研究智能体如何赋能开发运维一体化流程[5] - **大模型系统架构**：关于大型模型系统的架构设计[5] - **AI Infra基础设施与运维**：涵盖人工智能基础架构的搭建与维护[12] - **具身智能与智能硬件**：涉及智能体与物理实体结合的技术[12] - **开源模型与框架**：关注开源生态中的模型与工具框架[12] - **AI+行业落地实践**：聚焦人工智能在各垂直行业的实际应用案例[12] 专题出品人阵容 - **段楠（京东集团副总裁、探索研究院副院长）**：原微软亚洲研究院资深首席研究员，研究方向包括自然语言处理、代码智能、多模态基础模型、智能体[9][11][13] - **李永彬（阿里巴巴通义实验室对话智能&代码智能负责人）**：负责通义星尘、通义灵码、通义晓蜜、通义听悟等产品的大模型技术，发表90余篇国际顶会论文[14][16] - **汪晟杰（腾讯云开发者AI产品负责人）**：负责腾讯CodeBuddy产品，拥有丰富的软件架构设计、产品管理与AI研发提效经验[17][19] - **何万青（清程极智副总裁）**：曾任燧原科技高级总监、英特尔首席工程师、阿里云高性能计算负责人，专注高性能计算与AI应用性能调优25年[20][22][23] - **陈景东（蚂蚁集团基础智能部技术总监）**：负责多模态大模型技术研发，其项目曾获CCF科技进步二等奖，论文引用量超过5300次[25] 首批演讲嘉宾 - **李建忠（奇点智能研究院院长，CSDN高级副总裁）**：大会主席，提出科技创新的“范式转换立方体 ParaShift Cube”[29][31] - **王炳宁（腾讯微信搜索AI算法研究方向负责人）**：前百川智能预训练负责人，主导发布的模型在GitHub上超过1万Star，HuggingFace下载量超过2000万次[32][34] - **张俊林（新浪微博首席科学家及AI研发部负责人）**：中国中文信息学会理事，技术书籍作者[36][38] - **邓金秋（京东定价算法负责人）**：曾任Uber和Bloomberg算法专家，其团队荣获2024年INFORMS Prize，是该奖项设立34年来首个获奖的亚洲团队[39][41][42] - **陆承强（小红书AI搜索生成算法负责人）**：研究方向包括大模型预训练/后训练、Agent、RAG等，谷歌学术被引用次数约六千余次[43][45] - **许辰人（北京大学博雅长聘副教授）**：研究领域为超视智能（具身智能物联网与多模态驱动科学与工程智能），其研究成果获CCF技术发明一等奖（2025）并已在华为鸿蒙、阿里物流等系统大规模商用[46][48] - **宫叶云（微软亚洲研究院人工智能推理组负责人）**：发表超过80篇顶级会议论文，其研究成果广泛应用于微软广告业务和Bing搜索服务[50][52] - **王佳琦（京东探索研究院研究总监）**：多模态理解大模型研发团队负责人，发表论文60余篇，Google Scholar引用次数超过20,000次[54] - **刘树杰（微软亚洲研究院（MSRA）香港首席研究员）**：研究方向包括口语语言处理、多模态大语言模型以及医疗人工智能，发表论文100余篇，研究成果应用于Microsoft Translator、Skype等多款产品[55][57][58] - **黄浩洋（京东集团多模态基础模型团队负责人）**：曾主导微软亚洲研究院多语言与多模态基础模型研发，推出覆盖100种语言的Unicoder及全球首个多语言多模态预训练模型M3P[59][61] 目标受众与合作 - 大会欢迎在AI原生软件研发、多模态世界模型、具身智能、AI Infra性能优化等领域攻坚，且其AI Agent已为企业带来实际增长的团队领导者参与分享[63] - 大会同步开放技术生态合作伙伴、企业专场共建、行业解决方案联合展示等多种合作形式[65][68]

技术原理 - 强化学习（RL）是用于解决多步决策问题的算法框架，与传统机器学习不同，无标准答案但有反馈机制评判结果[3][7] - 大语言模型（LLM）本质是预测下一个词，存在不遵从指令的缺陷，通过与 RL 结合解决该问题[8][9][10] 行业应用 - RL+LLM 应用广泛，海外 OpenAI 的 RL 已从纯推理进化到 Agent 范式，实现多轮交互和上网互动[21] - 国内豆包和 DeepSeek 等团队在探索 RL+LLM 的新可能性，不同公司在该路径上出现编程、Agent、通用泛化能力等分支[21][26][27][28] 发展趋势 - 预训练的规模法则收益变小，但仍有数据和模型小型化两个发展方向；RL 的规模法则处于初始阶段，决策能力将持续提升[26] 人才与基建 - RL 人才稀缺，因门槛高、工业界应用少、对工程要求高；开源工作可降低使用门槛，如 AReaL - boba 框架[33][34][35][36] 训练与评估 - RL 训练中基建最重要，其次是数据和算法；评估可看准确率和多轮交互体验[29] 组织架构 - 大模型团队最好将 LLM 和 RL 两条线融合，至少设预训练和后训练团队，再按目标细分[31]