种种迹象表明，这次开放测试资源池含金量极大。盘了一下官方公布的邀测计划，既 有限时免费期，也针对不用AI用户做了分类，目前主要分为两大人群： 轻量级用户： 包含 科研新手、敏捷创客或初创团队成员，加入遥测计划可免费领取 100卡时算力资源+500G存储资源+1000万Tokens，提交反馈可额外获得最高1000 卡时算力礼、5000万Tokens及国家超算互联网核心节点体验官荣誉称号。总的来说 主打一个功能免费体验。 国芯网[原:中国半导体论坛] 振兴国产半导体产业！ 这两天，伴随着国家超算互联网核心节点上线试运行，一个更关乎AI算力用户切身利 益的消息引爆业内：超算互联网平台正面向科研机构、企业、开发者，正式开放亿元 级测试资源池，目的是要打造新一代计算服务的大规模应用标杆案例。 相信大家都听说了，这次核心节点上线对传统算力应用模式的冲击很大。相较于此前 各家计算中心"分封而治"，算力资源在异构技术壁垒下难以流通复用，超算互联网平 台更像是一个网购平台，可以让算力让水电一样自由流动，并精准匹配到对应的用户 场景。 尤其这次的核心节点，不仅是平台上线以来接入的全国最大单体国产AI算力资源池， 可以为万亿参数模 ...

榜单总体情况 - 《2025胡润中国500强》上榜门槛为340亿元人民币，较上一年上升75亿元，涨幅接近三成 [1] - 榜单显示有95家新上榜企业，主要来自消费电子、AI算力、新能源等领域 [1] - 有102家企业价值较上一年下降，同时有99家上一年上榜企业在今年落榜 [1] - 房地产行业上榜企业数量从去年的19家减少至12家 [1] 头部公司表现 - 台积电以50%的涨幅位列第一 [2] - 腾讯价值达到53，300亿元人民币，增长1.9万亿元，涨幅为56%，位列第二 [2][3] - 字节跳动价值为34，000亿元人民币，涨幅达109%，位列第三 [2] - 阿里巴巴价值为27，000亿元人民币，涨幅75%，位列第四 [2] - 宁德时代价值为18，600亿元人民币，涨幅59%，位列第五 [2] - 拼多多价值为13，200亿元人民币，涨幅16%，位列第六 [2] - 中国平安保险价值为10，500亿元人民币，涨幅15%，位列第七 [2][3] - 小米价值涨幅为56%，位列第八 [2] - 比亚迪价值为8，720亿元人民币，涨幅10%，位列第九 [2][3] - 华为价值为8，500亿元人民币，涨幅25%，位列第十 [2][3] 区域与企业分布 - 深圳创新“四姐妹”（华为、比亚迪、腾讯、中国平安）均进入榜单前十，深圳成为TOP10总部企业数量最多的城市 [2][3] - 北京拥有59家总部企业，较上一年减少6家，位列第一 [3][4] - 上海拥有57家总部企业，较上一年增加7家，位列第二 [3][4] - 深圳拥有49家总部企业，数量与上一年持平，位列第三 [3][4] - 长三角地区共有161家企业上榜，占全国32%，占比较上一年提升3% [4] - 粤港澳大湾区共有108家企业上榜，占全国22%，占比较上一年几乎持平，仅提升1% [4] 具体公司动态 - 总部在深圳的影石创新为新晋上榜企业，价值超过1000亿元 [5] - 总部在深圳的大疆价值增长两倍，得益于消费级无人机市场稳固、海外市场增长及低空经济政策红利 [5] - 总部在广州的Shein价值下降950亿元，受海外市场政策冲击、行业竞争加剧及自身盈利能力下降影响 [5] - 总部在深圳的迈瑞价值下降760亿元，因2025年前三季度业绩下滑、核心业务受挫及行业政策与医院商业模式变革冲击 [5] - 传音控股价值下降330亿元，受到净利润“腰斩”等利空影响 [5] 行业趋势与驱动因素 - 过去一年，在新质生产力驱动下，AI算力、消费电子、创新药及娱乐领域表现亮眼，成为推动民营经济高质量发展的重要力量 [5]

公司与清微智能的战略合作 - 公司于1月16日与北京清微智能科技有限公司正式签署战略合作协议，双方将围绕人工智能数据中心建设，推动算力和能源建设等全方位合作 [1] - 合作核心在于实现“能源+算力”的协同创新，将技术互补性转化为产业竞争力 [1] 合作的具体内容与模式 - 第一，共同推动绿色智算中心与储能设施的一体化建设 清微智能提供基于可重构计算技术的高能效算力集群解决方案，公司则量身定制以熔盐储能为核心的零碳供能方案 [1] - 该零碳供能方案可利用绿电储能，旨在降低智算中心的碳排放与用电成本 [1] - 第二，合作开展面向云厂商的绿色算力中心服务 清微智能负责提供算力底座与建设支撑，公司贡献先进的储能技术与零碳建设方案 [2] - 双方共同帮助云厂商优化PUE指标与可持续发展目标，以拓展高增长市场 [2] 公司熔盐储能技术的优势与应用 - 熔盐储能技术在AIDC场景中能实现电力的“移峰填谷”，有效平抑电网负荷波动，保障算力中心供电的稳定性与经济性 [2] - 其储热特性可与液冷等先进散热技术深度结合，为高密度算力集群提供高效、精准的温控解决方案 [2] - 该技术有助于达成“电—热—算”一体化协同 [2] 合作的意义与未来规划 - 此次战略合作是公司主动布局“AI+能源”交叉领域的关键一步 [2] - 未来双方将通过组建专项工作小组、建立常态化沟通机制，将协议转化为具体项目 [2] - 双方将共同探索算力中心储能的创新模式，为我国人工智能产业的绿色可持续发展注入“零碳”动力 [2]

合作项目概况 - 一项总金额达16.8亿元人民币的高性能算力运营合作正式签约 [1] - 签约双方为深圳天顿数据科技有限公司与江苏悟空数字产业集团有限公司 [1] - 合作旨在为连云港市海州区(高新区)共建高效、稳定、可扩展的算力基础设施体系 [1] 合作战略意义与模式 - 合作高度契合海州区(高新区)“算力枢纽+场景驱动+生态聚合”的发展战略 [3] - 目标是构建普惠性算力服务平台，加速企业创新转型，增强区域对高端数字产业要素的吸引力，促进产业生态集聚 [3] - 天顿数据将提供数据中心建设、系统集成及算力平台运营方面的技术支撑 [3] - 悟空数字集团将依托其政企客户渠道、市场资源及行业应用场景挖掘能力，共同形成“基建-服务-应用”的完整业务闭环 [3] 垂直领域应用拓展 - 双方明确将共建“AI+生物制药赋能中心”，聚焦生物医药垂直领域 [4] - 该中心将构建面向药物研发的专业大模型体系，推进人工智能与生物医药的深度融合，打造区域性AI+生物制药创新标杆平台 [4] 合作方背景与近期表现 - 悟空数字集团是连云港市智算产业龙头企业，核心聚焦人工智能算力基础设施建设与全产业链生态构建 [4] - 该公司是“连云港悟空智算项目”的集团化管理与全国拓展平台，已获得工业智算基地(华东)经济聚集区域节点等权威认证 [4] - 公司打造了全国首个公共安全人工智能训练中心等重大标杆项目，并入围国家算力强基揭榜行动 [4] - 2026年首月，其签约的算力合作订单金额已突破6亿元人民币 [4]

行业核心观点 - AI算力演进聚焦Scale-Up（超节点）方向，以应对万亿参数大模型训练与推理带来的单机性能挑战 [1] - 阿里、腾讯、华为等云厂商/算力厂商的超节点渗透率有望持续超预期 [1][3] - 现阶段Scale-Up网络多采用铜缆互联，但在系统设计和传输距离上存在局限，建议关注交换设备、NPO、DAC/AEC等赛道 [1][4] AI模型推理需求驱动网络升级 - 模型推理具备长上下文、高并发、实时交互等核心特征，推动Scale-Up架构升级 [2] - 长上下文推理依赖KV Cache缓存机制，分布式环境下需频繁跨节点传输数据，对网络带宽和时延要求极高 [2] - Scale-Up架构中，所有加速器的内存呈现为单一共享池，可满足推理阶段高性能网络的带宽及时延需求 [2] 国内云厂商超节点布局加速 - 阿里云发布磐久AI Infra2.0 AL128超节点服务器，核心解决GPU互连，同等算力下推理性能可提升50% [3] - 腾讯ETH-X超节点项目分两步走：先优化GPU与内存通信的“执行顺序”，同时在研基于全光互联的“ETH-X Ultra”方案 [3] - 华为宣布3年算力计划，正在开发Ascend 950，其8192卡超节点有望在2026年第四季度推出 [3] 光互联在Scale-Up中的投资机会 - 现阶段的Scale-Up网络大多采用铜缆互联方案，存在传输距离和系统设计局限 [1][4] - 以英伟达GB200 NVL 72为例，其机柜内部采用铜缆全连接，但受限于链接距离，通常限制在一个机柜内，给供电、制冷、布线带来挑战 [4] - 随着Scale-Up扩展到百卡甚至千卡级别，铜互联因距离限制无法覆盖，光互联优势凸显：有源AEC 100G/lane传输距离仅7米，而光互联可覆盖几十米至几百米 [4]

文章核心观点 - 随着大模型应用普及，AI算力需求激增，导致算力资源出现阶段性紧张，自主可控的高质量AI算力供给成为产业发展的关键前提[1] - 国内算力供需矛盾突出，存在显著缺口，尤其在高端芯片领域对外依赖度高，但国产AI算力自给率正快速提升，产业发展从硬件性能追赶转向系统级创新[2] - 破解算力困境需多措并举，包括释放国产算力潜力、优化算力调度与利用率、完善产业生态协同，以在全球人工智能竞争中掌握主动权[4][5] 行业现状与供需矛盾 - 智能算力是人工智能产业的“水和电”，但当前算力供需矛盾突出，国内缺口尤为明显[2] - 国外厂商占据全球AI算力主导地位，2024年占据中国AI芯片市场近七成的市场份额，在大模型训练领域自给不足问题更为突出[2] - 人工智能加速落地千行百业，带来算力需求激增，全国已落地算力应用项目超过1.3万个，建成各级智能工厂超过3万家[3] - 随着大模型技术成熟及开源普及，算力应用门槛降低，算力需求持续爆发式增长，供给不足问题将更加显著[3] 市场前景与国产化进展 - 我国AI芯片市场规模预计2028年将超一万亿元，约占全球市场的30%[1] - 国产AI算力自给率快速提升，从2020年不足10%提升至2024年约34%，并有望在2027年升至约82%[2] - 在算力设施方面，国内已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列[4] 供给端面临的挑战 - 高端芯片进口受限，国产GPU芯片在绝对计算性能、能效比、工艺方面与国际旗舰产品仍有差距[3] - 技术创新能力不足，在芯片设计工具、底层算法框架等方面与国际先进水平有差距[3] - 算力资源存在“碎片化”问题，各服务商接口协议不统一，跨区域跨主体调度能力弱，导致资源利用率偏低[3] - 产业发展制度环境待完善，数据确权、使用和交易等方面的规则有待细化[3] - 部分智算中心GPU实际利用率偏低，造成资源浪费和供需结构失衡[5] 破局路径与发展建议 - 破解难题的核心在于充分释放国产算力潜力，需大力支持国产算力应用推广，将现有资源“用足用好”，同时加快推进国产芯片供应链建设[4] - 应通过更精细的调度、资源池化和弹性部署，把现有算力用到极致[5] - 需完善算力利用率、任务完成效率、单位能耗产出等实际效能指标，引导产业转向精细化效率竞争[5] - 国产算力生态需产业链各方凝聚合力，尤其是算力方、模型方、应用方的协同创新，实现深度适配以支撑从训练到推理的全流程[5]

企业级AI部署的挑战与“规模悖论” - 生成式AI从“可选创新”变为企业“生存必需”，但部署面临挑战，37%已部署企业中超60%反馈实时交互应用响应延迟超预期，高昂算力成本导致“部署即亏损”困境[2] - 智能体产业化核心三要素是能力、速度和成本，其中token交互速度决定商业价值，token成本决定盈利能力，根基在于算力基础设施革新[2] - 企业级AI应用场景升级导致算力需求爆炸式增长与成本失控，形成“不规模化则无价值，一规模化则亏成本”的行业“规模悖论”[2] AI算力需求与市场增长 - 企业级AI系统对算力需求年均增长达200%，远超硬件技术迭代速度[3] - 2024年全球AI服务器市场规模达1251亿美元，预计2025年增至1587亿美元，2028年有望突破2227亿美元，其中生成式AI服务器占比将从2025年29.6%提升至2028年37.7%[3] - 智能体复杂任务处理对算力提出高要求，如金融量化交易需毫秒级决策，制造业质检需实时处理高清图像流，零售智能导购需同步响应多用户[3] 延迟问题对商业的影响 - 以电商虚拟试衣间为例，用户上传图像后AI推理延迟常达2-3秒，导致转化率较预期下降40%[4] - 智能体时代交互是智能体间高频博弈与协作，任何延迟都可能导致决策失效或机会错失，token吞吐速度是AI应用的“隐形计时器”[5] - 金融场景如股票交易、风险监测对延时要求需小于10ms，而目前绝大多数AI Agent服务延时在15ms以上，响应过长可能造成资产损失[5] Token消耗量激增与成本压力 - 截至2025年12月，字节跳动豆包大模型日均token使用量突破50万亿，较2024年同期增长超10倍，较2024年5月推出时增长达417倍[6] - 2025年10月谷歌各平台每月处理token用量达1300万亿（日均43.3万亿），一年前月均仅为9.7万亿[6] - 全球88%企业已布局AI应用，但仅39%实现实质性财务回报，成本高昂是核心原因，企业AI辅助编程每月token消耗量相比1年前平均增长约50倍，达1000万到5亿token量级[6] 高昂的综合成本构成 - 2026年AI数据中心单机柜功率密度将升至240kW，2028年达1MW，能源消耗随算力密度同步攀升[7] - 某制造企业AI质检项目初始硬件投入800万元，加上每年200万元运维与能源成本，投资回报周期长达5年[7] - 以输出百万token为例，Claude、Grok等海外模型价格普遍10-15美元，国内大模型多在10元以上，OpenAI GPT-5输入token成本为每百万1.25美元，输出为每百万10.00美元[7] - AI推理致企业带宽成本激增3-5倍，部分制造企业AI算力集群年能耗成本占IT总支出25%以上[7] 算力架构失衡与资源错配 - 企业级AI算力成本高企背后是底层算力架构与推理需求严重错配，导致“高配低效”、“资源闲置”等结构性问题[8] - 80%以上token成本来自算力支出，核心矛盾在于推理负载与训练负载本质差异被忽视，沿用传统训练架构承载推理任务导致效率瓶颈[8] - 训练阶段算力利用率（MFU）可达50%以上，而推理阶段由于token自回归解码特性，实际MFU往往仅为5%-10%[8][9] - 某头部制造企业AI质检系统采用传统算力架构，其GPU集群平均MFU仅为7%，大量算力资源在等待数据传输中被浪费[9] “存储墙”与网络通信瓶颈 - 大模型推理中，随着上下文长度增加，KV Cache呈指数级增长，占用大量显存，传统“存算分离”模式导致高数据迁移功耗与延迟[10] - 配备HBM的GPU单价较普通GPU高出2-3倍，KV Cache占用显存空间可达模型本身30%-50%，超长上下文推理场景中比例甚至超70%[10] - 跨节点通信成为性能瓶颈，传统网络延迟高，通信开销可能占据总推理时间30%以上，推高总拥有成本（TCO）[11] - 在千卡级以上大规模算力集群中，网络设备采购成本占整体硬件支出20%-30%[11] - 网络通信延迟是导致国内大模型token生成速度普遍高于30毫秒的核心原因之一，而全球主要大模型API服务商速度基本维持在10-20毫秒[11] 软硬协同与行业差异化需求 - 多数企业AI部署采用“通用硬件+通用软件”组合，未针对特定模型计算特征与行业场景深度优化，导致算力资源无法充分释放[12] - 不同行业AI模型计算特征差异显著：金融风控模型对CPU算力需求高，制造业质检模型对GPU并行计算能力要求高，零售推荐模型需异构算力协同调度[12] - 软件框架与硬件架构适配不足影响算力效率，部分开源框架未针对本土AI芯片优化，导致芯片核心性能无法充分发挥[12] 算力破局方向与架构革新 - 破局关键在于通过算力架构根本性革新，实现“算力效率数量级提升”与“成本规模化降低”，而非盲目增加算力投入[13] - Gartner预测到2028年，超40%领先企业将采用融合CPU、GPU、AI ASIC、神经形态计算等多种范式的混合计算架构[13] - 需推动算力架构从“集中式”向“分布式协同”转型，通过存算一体、算力网络、边缘计算等技术破解“存储墙”、“网络墙”瓶颈[13] - 天翼云“端网协同负载均衡方案”通过自研集合通信库CTCCL，将AllReduce峰值带宽提升40%，大模型训练效率提升7%[14] - 目前国内一流水平已将每百万token成本降低到1元，但未来token成本需在现有基础上实现数量级跨越，成为“生存入场券”[14] 架构重构与未来发展趋势 - 架构重构核心逻辑是“按需拆分、精准适配”，将推理流程细化解耦，支持PD分离、AF分离、KV并行、细粒度专家拆分等策略，实现“卡时成本”最低、“卡时产出”最高[15] - 在架构重构基础上进行软硬协同优化，软件层面精准适配以充分释放硬件潜力[15] - 未来企业级AI算力成本优化将朝“专用化、极致化、协同化”方向发展：针对不同行业场景开发定制化解决方案；通过多重手段持续提升算力效率；构建完善产业生态实现深度协同[16]

文章核心观点 - 中科曙光的scaleX万卡超集群在“越来越好”国际设计大赛中荣获最高奖项“产品至尊奖” 这标志着超节点、超集群类AI算力产品首次在设计领域获得重要认可 体现了公司在科技与文化融合、工业设计创新方面的实力 [1] - 该奖项的获得被视为中国算力产业从“制造”迈向“创造”的有力佐证 彰显了公司在高端算力基础设施领域的领先地位和创新能力 [3] 产品获奖与设计理念 - scaleX万卡超集群从全球69个国家和地区的15691份参赛作品中脱颖而出 获得“产品至尊奖” [1] - 该产品获奖契合了“有中更优”、“无中生有”、“超前引领”的好设计评价标准 [1] - 产品将工业设计与前沿技术深度融合 运用模块化设计思路 功能区域划分清晰 杜绝繁琐的形式化堆砌 以纯粹的人体工学造型排列成独特的韵律感 呈现出简约、厚重、强劲的整体形象视觉美感 [3] - 公司始终坚持科技与文化融合的设计理念 注重人文关怀与用户体验 [3] 产品定位与技术突破 - scaleX万卡超集群是公司面向大模型前沿方向、科学智能等复杂任务场景打造的大规模智能算力基础设施方案 [3] - 产品在超节点架构、高速互连网络、存储性能优化、系统管理调度等方面实现多项创新突破 引领国产大规模算力集群技术进入新阶段 [3] 行业背景与产品意义 - 人工智能已从辅助工具跃迁为核心生产要素 科学大模型、世界模型等前沿方向的迅猛发展 对底层算力提出了前所未有的规模与性能要求 [3] - 高端算力供给不足、成本高昂已成为人工智能产业发展的主要壁垒 scaleX万卡超集群的诞生正是对这一产业痛点的精准回应 [3] - “越来越好”国际设计大赛聚焦服务国家战略、破解产业难题、守护民生福祉的核心需求 [4] - 设计已成为连接科技与人文、传统与未来的战略工具 世界需要来自中国的设计方案以助力解决人类共同面临的复杂挑战 [4]

核心观点 - 品高股份将于2025年12月25日发布品原AI一体机AI Station液冷AI工作站系列，旨在构建从桌面级终端到集群训练的全栈自主算力解决方案，以响应国产化AI基础设施加速落地的行业趋势 [1] 产品发布：AI Station液冷AI工作站 - 产品以境内流片量产的江原D20 AI加速卡为核心算力底座，推出单卡（D20-S）、双卡（D20-D）、四卡（D20-Q）全矩阵机型 [2] - 江原D20 AI加速卡是国内首款实现设计、制造、封装、境内流片量产的云端AI推理卡，搭载256GB显存，INT8算力峰值达320TOPS [2] - 单卡机型可稳定流畅运行32B参数级大模型，四卡机型凭借多芯片协同架构与自研4D并行调度策略，可单机承载Qwen 235B、DeepSeek 685B等千亿级大模型 [2] - 采用一体式液冷散热架构，热传导效率较传统风冷提升40%，运行噪音低至28dB，保障7×24小时连续运行 [3] - 全系列机型深度支持RAG、工作流自动化、智能体部署等前沿AI应用场景，依托本地算力部署模式构建数据私域安全屏障，契合政企客户数据合规需求 [3] 战略布局：国产软硬件生态矩阵 - 本次发布是“国产智芯软硬件系列化”战略的集中落地，构建“硬件全矩阵+软件全栈化+生态开放化”的完整国产AI算力生态体系 [4] - 硬件产品矩阵覆盖边端、桌面级及服务器集群，服务器级涵盖1卡、8卡、16卡等多规格机型，全系列硬件全面支持全信创架构，已完成与飞腾、海光等主流国产CPU的深度适配 [4] - 配套三大自研核心软件平台：BingoAIInfra智算调度平台具备驱动级GPU切割与云原生调度能力；BingoAIStack训推一体化平台提供一站式MaaS能力；BingoAIDriver智能应用平台聚焦行业应用落地 [5] - 公司已与江原科技等国产芯片厂商达成深度战略协作，并与国内主流AI算法厂商、行业ISV完成全面适配，覆盖智慧政务、智能制造、医疗健康、智慧交通等多个垂直领域 [7] - 品原AI一体机系列已获行业认可，包括荣获“2025年度人工智能创新产品”奖项，相关应用项目在创新应用大赛中获一等奖，公司入选“2025中国AI商业落地基础设施服务商Top20”榜单 [7] 未来展望：江原T800大模型训推一体AI芯片 - 2026年江原科技将推出T800大模型训推一体AI芯片，对标英伟达H800芯片，聚焦大规模AI模型训练推理场景，以境内流片量产实现更高性价比 [8] - 芯片采用国产先进工艺与先进封装技术，原生支持FP8/FP4高精度计算加速，相较于传统FP16精度可减少50%内存占用，搭载144GB高速率HBM3E存储，配备SmartLink卡间高速互联技术，支持最大256卡超节点集群部署 [8] - 相较于英伟达H20 GPU，江原T800实现两倍FP8/FP16算力提升，全面支持FP4精度达成四倍推理算力突破，存储容量升级且显存带宽提升 [9] - 相较于英伟达H800 GPU，江原T800互联带宽实现翻倍，存储容量和显存带宽也提升明显 [9] - 江原T800与本次发布的AI Station形成战略呼应，前者锚定未来大规模算力需求，二者共同构成公司“自主可控、全栈覆盖、长期迭代”的算力战略 [9]

市场行情与热点 - 市场整体表现强劲，沪指高开高走收出六连阳，深成指涨近1%，全市场超4100只个股上涨 [1] - 市场热点轮动较快，商业航天概念持续爆发，20余只成分股涨停，算力硬件延续强势，液冷、PCB等细分表现亮眼 [1] 春季行情与内需板块配置 - 当前A股增量资金抢跑春季行情意愿较强烈，后续除可能的1月业绩预告扰动外，利空因素能见度不高，可顺应抢跑，逢低布局 [2] - 从历史经验看，全年或四季度涨幅靠前板块在当年末次年初期间超额收益大概率回落，相反，涨幅靠后板块则有补涨需求 [2] - 短期政策催化与安全边际驱动下，内需板块具备足够赔率吸引力且胜率在上升，叠加岁末年初行业配置规律、人民币汇率趋势和提振内需政策取向，部分内需板块或具备一定持续性 [2] - 建议重点关注保险、券商、有色、AI算力/半导体、零售/美护/社服/乳品、航空、新能源等板块 [3] 北美AI数据中心（AIDC）电力与变压器需求 - 北美整体电力缺口大，AIDC需求增长进一步加剧缺口，传统快速补能受限，AIDC配储具备经济性且交付快，占比有望提升 [4] - 假设美国AIDC功耗从2025年10GW提升至2028年22GW，按20%容量、4h系统测算，北美AIDC配储需求约从2025年9.6GWh提升至2028年21GWh，配储比例及配储时长从4h逐步提升至6-8h，仍具有较大弹性 [4] - 北美AIDC变压器供不应求，根据测算，2024年、2027年全球AIDC装机功率约15GW、66GW，假设变压器约4亿元/GW，则对应全球变压器市场空间约为60亿元、264亿元，年复合增长率约64% [4] - 参考伍德麦肯兹估算，目前北美电力变压器和配电变压器的供应缺口已分别达到30%和6%，进口产品预计占美国电力变压器供应量的80%、配电变压器供应量的50% [4] - 海关总署数据显示，中国变压器1-11月合计出口579亿元，同比增长36%，变压器出口持续高景气 [5] AIDC产业链相关公司梳理 - **核心算力与IDC运营**：相关公司包括中科曙光（液冷服务器市占率国内领先）、浪潮信息（AI服务器龙头）、宝信软件（第三方IDC龙头）、数据港（深度绑定头部云厂商）、奥飞数据（专业IDC服务商） [6][7] - **液冷散热核心**：相关公司包括英维克（液冷全场景覆盖，绑定英伟达）、秋田微（液冷散热部件供应商）、高澜股份（浸没式液冷技术领先）、炬光科技（液冷散热相关光学组件）、申菱环境（华为昇腾液冷系统核心供应商） [7] - **供配电与储能**：相关公司包括中恒电气（HVDC龙头）、科华数据（UPS向HVDC升级核心标的）、阳光电源（成立AIDC事业部，对接GWh级订单）、上能电气（储能变流器核心供应商） [8] - **网络与服务器配套**：相关公司包括新易盛（800G/1.6T光模块量产）、中际旭创（光模块龙头）、麦格米特（电源产品进入英伟达供应链）、晶方科技（传感器封装） [8]