报告行业投资评级 - 增持（维持） [1] 报告的核心观点 - 模型厂“算力扫货”映射 AI 芯片超级周期，产业链景气度持续攀升 [1] - 台积电法说会确认 AI“超级周期”，CPU 紧缺与 PCB 产业链紧张共振向上 [4] 模型厂算力需求与AI芯片超级周期 - Anthropic 年化营收从 2025 年底约 90 亿美元飙升至 2026 年 3 月底逾 300 亿美元，不足三个月翻了三倍 [1] - Anthropic 年化支出超过 100 万美元的企业客户数量从 2026 年 2 月的 500 家，两个月内突破至 1000 家 [1] - Anthropic 与博通、谷歌签订协议，自 2027年起通过谷歌 TPU 提供约 3.5 吉瓦 AI 算力，结合其他协议未来数年新增算力接近 5 吉瓦 [2] - 按每吉瓦基础设施成本 350 亿至 500 亿美元估算，Anthropic 总承诺支出规模或高达数千亿美元 [2] - OpenAI 计划投资 200 亿美元锁定 Cerebras 产能 [2] - DeepSeek 正寻求以不低于 100 亿美元的估值筹集至少 3 亿美元资金 [3] - Trendforce 预计 ASIC 定制芯片渗透率将从 2026 年的 27.8% 攀升至 2030 年的近 40% [3] CPU紧缺与算力架构演进 - 随着智能体 AI 崛起，CPU 与 GPU 配比预计从 1:8 骤收至 1:1，需求激增四倍 [7] - Intel 和 AMD 已于 2026 年第一季度末对部分 CPU 产品线提价 [7] - 英伟达和 Arm 于 2026 年 3 月双双宣布进军服务器 CPU 市场 [7] PCB产业链供需与价值重塑 - 英伟达 H200 GPU 服务器大规模部署后，单台 AI 服务器 PCB 用量相比传统服务器增长 3 至 5 倍，价值量提升 8 至 12 倍 [8] - PCB 在 AI 服务器中的成本占比从传统服务器的 3% 至 5% 跃升至 8% 至 12% [8] - 覆铜板龙头建滔积层板 2026 年年内已连续三次上调产品出厂价格 [8] - 日本三菱瓦斯化学、Resonac 等巨头半年内多次提价，涨幅均超 30% [8] - 三井金属 MicroThin 铜箔产品 4 月起再度提价 12% [8] - 电子玻纤布 7628 厚布从 2025 年下半年累计涨幅达 1 至 1.2 元/米 [8] - AI 服务器所需的 20 层以上高多层 PCB 交付周期已延长至 8 至 12 周 [8] - 工信部《印制电路板行业规范条件》预计把 80% 以上的新建产能导向 20 层以上高多层、HDI、IC 载板等高端领域 [9] - 全球 PCB 产能加速向东南亚转移，泰国落地的 PCB 投资项目已超 100 个，总投资金额逾 1700 亿泰铢 [9] 产业链相关公司 - PCB 产业链：深南电路，胜宏科技、沪电股份、广合科技、超颖电子、生益电子、景旺量子、生益科技、南亚新材、隆扬电子、铜冠铜箔、宏和科技、东材科技、联瑞新材等 [10] - 光互联产业链：中际旭创、新易盛、天孚通信、东山精密、长光华芯、仕佳光子、源杰科技、永鼎股份、长芯博创、致尚科技、太辰光、罗博特科、炬光科技、腾景科技等 [10]

公司融资策略转变 - 公司首次寻求外部融资，计划以不低于100亿美元的估值筹集至少3亿美元资金 [1][2] - 公司此前坚决不融资，多次拒绝国内顶级风投和科技巨头的投资意向，此次转变旨在充实资金弹药库以应对激烈的AI大模型开发竞赛 [3][6][7] - 融资成功将有助于公司获取更多算力资源并开出更高薪酬，防止顶尖研究者流失 [9] V4模型技术规格与进展 - V4模型参数量跃升至万亿级别，采用MoE架构，总参数约1万亿，但每个token仅激活约370亿参数，推理成本与前代V3持平 [17][18] - 模型上下文窗口扩展到100万token，引入Engram条件记忆架构，在该长度下的信息召回率达到97% [20] - V4将是公司首个原生多模态模型，支持文本、图像和视频生成 [22] - 模型代码能力大幅强化，内部benchmark显示SWE-bench成绩超过80%，HumanEval达到90%，能处理整个代码仓库级别的复杂bug修复 [23] - V4预计分两个版本发布：完整版超万亿参数，针对高级推理和复杂代码任务；轻量版约2000亿参数，面向通用对话和API服务 [24] - 模型计划以Apache 2.0协议开源权重 [25] - 多个信源指向V4将于4月底发布，近期已有测试版本短暂出现，且公司开始招聘算力基础设施相关驻场人员，表明已进入大规模部署准备阶段 [26][27][28] 硬件生态迁移与战略影响 - V4模型将运行在华为最新的昇腾芯片上，公司工程师花费大量时间将核心代码从英伟达CUDA生态迁移至华为CANN架构 [31][32] - 公司刻意未向英伟达和AMD提供V4做早期优化适配，而是将早期访问权限独家给了国产芯片厂商 [33] - 若V4在华为芯片上跑出有竞争力的性能，将是全球首个不依赖英伟达的前沿AI模型 [34] - 英伟达CEO对此表示担忧，认为AI模型被优化为在中国硬件上运行对美国芯片产业将是一个糟糕的结果 [35][36] 行业竞争背景 - 公司新一代模型发布已推迟一年半，而全球各大顶尖模型正在快速迭代，中美科技巨头凭借资金优势不断占领高位 [9][11] - 根据斯坦福大学2026年度AI指数报告，截至今年3月，美国顶级模型与中国最强竞品之间的性能差距仅剩2.7个百分点 [40] - 竞争对手OpenAI近期以8520亿美元估值完成了1220亿美元融资，相比之下公司寻求的3亿美元融资规模较小 [40]

公司融资动态 - 公司DeepSeek寻求首次外部融资，计划以不低于100亿美元的估值筹集至少3亿美元资金[2] - 公司此前一直保持“从不融资”的立场，此次融资标志着其创始人梁文锋的重大战略转变[6][7][8] - 融资目的旨在充实资金弹药库，以应对AI大模型开发的巨额成本，并用于获取更多算力和支付更高薪酬以留住顶尖人才[3][10] 新一代模型V4技术规格 - 模型参数量跃升至万亿级别，采用MoE架构，总参数约1万亿，但每个token仅激活约370亿参数以保持推理成本与V3持平[19] - 上下文窗口扩展到100万token，并引入Engram条件记忆架构，据称在100万token长度下的信息召回率达到97%[21] - V4将是公司首个原生多模态模型，支持文本、图像和视频生成[23] - 代码能力大幅强化，内部benchmark显示SWE-bench成绩超过80%，HumanEval达到90%，旨在处理整个代码仓库级别的复杂bug修复[24] - 模型计划分两个版本发布：完整版超万亿参数针对高级推理和复杂代码任务优化；轻量版约2000亿参数面向通用对话和API服务[26] - 公司计划以Apache 2.0协议开放V4的权重，延续其开源策略[27] 模型发布与部署进展 - V4原定于2026年2月发布，但已多次推迟，最新时间窗口指向“未来几周内”[16][17] - 多个信源指向V4可能在4月底发布[28] - 测试版本“V4 Lite”曾于3月9日短暂出现在公司平台上，随后被撤下；4月初API节点上再次出现测试版本，推理速度提升30%，128K上下文的信息召回率从45%提升至94%[29][30] - 公司在内蒙古乌兰察布发布了服务器运维工程师和交付经理的招聘岗位，这是其首次公开招聘算力基础设施相关的驻场人员，表明V4已进入大规模部署准备阶段[31][32] 战略转向与行业竞争 - V4延期的核心原因在于底层硬件的大迁移，公司决定将V4运行在华为最新的昇腾芯片上，而非此前一直依赖的英伟达芯片[34][35][36] - 公司工程师花费大量时间解决V4对华为芯片的适配问题，重写核心代码，从英伟达的CUDA生态迁移到华为的CANN架构[37] - 公司刻意未向英伟达和AMD提前提供V4做优化适配，而是将早期访问权限独家给了国产芯片厂商[39] - 若V4在华为芯片上跑出有竞争力的性能，它将是全球第一个不依赖英伟达的前沿AI模型[40] - 英伟达CEO黄仁勋对此表示担忧，认为DeepSeek基于华为平台的新模型“对美国来说将是一个糟糕的结果”[41][42] - 根据斯坦福大学2026年度AI指数报告，截至2026年3月，美国顶级模型与中国最强竞品之间的性能差距仅剩2.7个百分点，竞争日趋激烈[46] - 同期，OpenAI以3000亿美元估值完成400亿美元融资，凸显了行业融资规模[47]

公司融资动态 - 公司正寻求首次外部融资，计划以不低于100亿美元的估值筹集至少3亿美元资金 [2] - 公司此前坚决不融资，多次拒绝顶级风投和科技巨头的投资意向，此次融资标志着其策略的重大转变 [5][6] - 融资目的包括获取更多算力、提供更高薪酬以防止顶尖研究者流失，以应对日益激烈的行业竞争 [6] 新一代模型V4的技术规格 - V4模型参数量跃升至万亿级别，采用MoE架构，总参数约1万亿，但每个token仅激活约370亿参数，推理成本与V3持平 [8] - 模型上下文窗口扩展到100万token，并引入Engram条件记忆架构，在该长度下的信息召回率达到97% [10] - V4将是公司首个原生多模态模型，支持文本、图像和视频生成 [12] - 模型代码能力大幅强化，内部基准测试显示SWE-bench成绩超过80%，HumanEval达到90%，能处理代码仓库级别的复杂bug修复 [13] - V4计划分两个版本发布：完整版超万亿参数，针对高级推理和复杂代码任务，面向华为昇腾芯片；轻量版约2000亿参数，面向通用对话和API服务，可在其他国产芯片上运行 [13] - 公司计划以Apache 2.0协议开源V4模型的权重 [13] 模型发布与部署进展 - V4原定今年2月发布，但已多次跳票，最新发布时间窗口指向“未来几周内”或4月底 [8][13] - 测试版本“V4 Lite”曾短暂出现，其推理速度提升30%，128K上下文的信息召回率从45%提升至94% [13] - 公司在内蒙古乌兰察布发布服务器运维和交付经理的招聘岗位，这是其首次公开招聘算力基础设施驻场人员，表明V4已进入大规模部署准备阶段 [13][14] 底层硬件战略迁移 - V4延期的核心原因在于底层硬件的大迁移，模型将运行在华为最新的昇腾芯片上，而非此前一直依赖的英伟达芯片 [16] - 工程师花费大量时间重写核心代码，将模型从英伟达CUDA生态迁移至华为CANN架构 [16] - 公司刻意未向英伟达和AMD提供V4做优化适配，而是将早期访问权限独家给了国产芯片厂商 [16] - 若V4在华为芯片上跑出有竞争力性能，将成为全球首个不依赖英伟达的前沿AI模型，英伟达CEO对此表示担忧 [16] 行业竞争格局 - 在极其烧钱的AI大模型开发竞赛中，公司也需要充实资金弹药库 [2] - 全球顶尖模型快速迭代，中美科技巨头凭借财力优势不断占领高位，给公司带来竞争压力 [6] - 根据斯坦福大学2026年度AI指数报告，截至今年3月，美国顶级模型与中国最强竞品之间的性能差距仅剩2.7个百分点 [19] - 作为对比，OpenAI近期以3000亿美元估值完成了400亿美元融资 [19]

涉及的公司与行业 * **公司**：天数智芯 (股票代码: 9903.HK) [1][2][4] * **行业**：中国本土AI芯片（GPGPU/通用GPU）行业，特别是面向AI训练和推理的芯片设计与供应 [4][10][27] 核心投资观点与论据 * **首次覆盖给予“增持”评级，目标价620港元**：基于20倍的2027年6月一年期动态市销率，较国内同业平均估值折让30% [1][4][7][23] * **核心投资逻辑：供应瓶颈有限，受益于推理新范式** * **供应瓶颈较小**：在英伟达GPU供应面临不确定性的背景下，天数智芯的主要瓶颈在于代工产能可得性而非芯片性能。其产品组合能利用本土和国际代工厂产能，预计2026年下半年开始通过本土代工厂量产更高性能的下一代GPU [1][4][11] * **受益于预填充-解码分离的推理新范式**：AI推理分为计算密集的预填充阶段和内存密集的解码阶段。天数智芯的GPU采用INT8等低精度格式，能最大化预填充计算能力，适配该趋势。预计云服务商将部署H20等高带宽内存芯片用于解码，搭配天数智芯等国产芯片用于预填充，以优化系统成本效益 [4][15][58][71] * **财务与运营预测** * **高速增长**：预测2026-2028年销售额年复合增长率为102%，2026/27/28年收入分别为29.51亿、55.69亿、84.59亿元人民币 [5][89][110] * **盈利拐点**：预计2027年实现盈利，调整后净利润为7.31亿元人民币，2026-2028年盈利年复合增长率约为228% [1][19][89] * **出货量与市场份额**：预测2026/27/28年芯片总出货量分别为10万、17.5万、26.4万颗，到2028年国内市场份额将从目前的不到1%提升至3%左右 [4][12][50] * **产品结构**：训练芯片（天垓系列）销售额年复合增长率预计达129%，推理芯片（智铠系列）为34% [4][15][81] * **竞争优势与催化剂** * **双重产能支持**：相比第二梯队同业，天数智芯能利用国际（现有产品未触及7nm管制门槛）和本土代工厂（2026H2起量产下一代芯片）的双重产能，供应保障更强 [4][11][26][50] * **切入头部云服务商客户**：凭借充足的供应、出色的CUDA兼容性以及针对客户优化的产品设计，预计将从今年起获得国内头部云服务商的定点项目，打开收入上行空间并实现规模经济 [1][4][19][79] * **估值具备吸引力**：当前市值和市销率（基于预测）显著低于A股及港股上市的同业公司，存在折让 [23][24][92] 其他重要内容（行业与风险） * **行业现状与瓶颈** * **当前主要瓶颈在于供应**：中国AI芯片供应链的主要瓶颈是代工厂产能可得性，而非单芯片性能。拥有可靠产能支持的厂商将表现突出 [9][26][36] * **竞争格局变化**：2025年DeepSeek冲击市场后，行业进入国产GPU/ASIC的商业化阶段。大多数国产主流产品计算性能与英伟达A100相仿，但互联性落后 [27][30][32] * **短期市场为卖方市场**：由于推理需求指数增长及海外供应可能受限，预计未来6-18个月内国内AI计算芯片维持卖方市场。拥有高库存的厂商更受青睐 [38][39] * **HBM可能成为潜在瓶颈**：中国AI芯片多与HBM2e合封，新款芯片设计针对HBM3/3e，但国内供应商（如长鑫存储）的HBM3产品仍处认证阶段，可能落后全球头部企业2-3年 [60][62] * **公司具体信息** * **产品与客户**：提供天垓（训练/大模型推理）和智铠（推理/边缘）两大芯片系列。现有客户集中于AI交通、医疗、金融、研究机构等特定领域，正向云服务商市场渗透 [19][79][96][98] * **财务预测详情**：预计综合毛利率从2025年的54.0%稳步提升至2028年的55.7%。经营现金流将于2027年转正 [5][89][102][119] * **股价与市值**：截至2026年4月2日股价为219.80港元，总市值约71.32亿美元。自2026年1月上市以来股价上涨40%，跑赢同业 [2][5][87] * **主要风险提示** * **供应风险**：1) 中美半导体紧张局势升级可能导致国际代工厂服务中断；2) 2026年下半年开始在本土代工厂量产的新芯片存在生产良率不确定性 [21] * **需求风险**：云服务商客户需求疲软或支出保守，或海外芯片采购规模高于预期，可能影响对本土芯片的需求 [21] * **估值风险**：目标价基于市销率估值法，补充的现金流折现法敏感性分析显示公允价值区间为387-967港元/股 [93][94]

我国人工智能发展现状与优势 - 核心观点：我国人工智能发展与美国同处全球领先地位，但路径不同，我国长于规模化应用，并在算法模型、算力硬件、支撑要素和创新机制方面形成了独特优势 [3] - 在算法模型方面，我国走在开源路线前列，以深度求索（DeepSeek）、阿里等为代表的中国厂商通过架构创新实现低成本、高性能突破，并在全球开源模型榜单上占据领先地位，构建了繁荣的开发者生态 [4] - 在算力硬件方面，我国通过自主创新与体系化布局实现能力大幅跃升，华为昇腾、寒武纪思元等国产芯片正构建国产化生态，并通过超大组网等工程创新建设了若干万卡集群智算中心，2025年我国智能算力规模超过1590 EFLOPS [5] - 在支撑要素方面，我国供给规模与网络优势突出，2025年网民总数达11.25亿人，2024年数据生产量占全球26.67%，达41.06 ZB，5G基站总数约484万个占全球60%，光缆线路总长7499万公里，同时可再生能源发电装机占比超六成，为产业提供大规模低成本绿电 [6] - 在创新机制方面，我国教育科技人才一体化推进成效显著，STEM专业毕业生每年超500万人，校企联合培养工程硕博士近2.6万人，国家主导的科技重大专项与产业引导基金加速了技术转化 [7] 推动科技创新与产业创新深度融合 - 核心观点：推动人工智能科技创新和产业创新深度融合，将我国的场景、资源、体制等优势转化为技术和产业优势，是促进高质量发展的关键路径 [9] - 需更大范围推动数字化向智能化抵进，截至2025年底我国已累计建成4.3万余家智能工厂，但人工智能赋能深度尚待提升，应推进工业供应链智能协同，让制造业成为深度融合的主战场 [10] - 应构建以企业为主体的技术创新体系，截至2025年6月底我国大模型数量达1509个位居世界首位，占全球总量约40%，应组建跨行业跨学科创新联合体，攻克高端芯片、基础软件等核心技术，并完善开源生态 [11] - 抓好存量设备智能化升级改造是重要着力点，我国已连续10多年保持全球最大工业机器人市场，“十四五”以来工业机器人新增装机量占全球比重超50%，应推动工业机器人、数控机床等向智能控制演进，用好“两新”政策支持 [12] - 需建立适配人工智能发展的新型投融资体制，美国科技巨头2026年资本支出计划总额高达约6500亿美元，而我国人工智能头部企业2025年资本开支普遍在千亿元人民币，国家人工智能产业投资基金总规模为600.6亿元，必须系统性改革和创新投融资机制，打造覆盖全生命周期的金融生态 [13] 人工智能的治理与风险应对 - 核心观点：在推动人工智能发展的同时，必须处理好发展和安全的关系，加强人工智能治理，构建安全可靠的发展环境 [14] - 应正确认识人工智能对就业的影响，智能化工具替代的是重复性、程序性工作环节，并会形成新的岗位需求，当前应加大“投资于人”的力度，开展专项培训，帮助劳动者向人机协同的新角色转型 [15] - 需健全法律伦理规则体系，我国已出台《生成式人工智能服务管理暂行办法》等专门管理规范，下一步需加快建立健全覆盖算法、数据与应用的法律法规框架，并制定相关国家标准与行业标准 [16] - 应构建沙盒监管模式以适应人工智能创新产品的“黑箱”属性，例如北京经济技术开发区于2024年率先建立全国首个人工智能数据训练基地并应用“监管沙盒”机制，未来需加快完善相关制度安排 [18] - 需建立全链条风险防控机制，当前风险形态已延伸至价值观渗透、深度伪造等隐性领域，要压实企业的安全主体责任，并建立健全多部门组成的人工智能安全应急管理机制，在重点行业常态化组织安全应急演练 [19] - 应推动全球治理协作，积极参与国际规则对话，加快推动建立全球人工智能治理框架，并通过技术合作协助发展中国家融入人工智能发展进程，缩小数字鸿沟 [20]

文章核心观点 - 中国在机器人、芯片等硬科技领域的快速崛起，展示了强大的科技实力与产业升级，这正促使美国调整对华策略，寻求在贸易、关税和技术限制等议题上进行务实对话[1][3][5][7] 机器人行业 - 中国公司在春晚上展示的人形机器人表演（包括空翻、醉拳、双截棍）技术精湛，故障恢复能力显著提升，被外媒形容为“大放异彩”和“难以置信”[1] - 宇树、银河通用、松延动力等中国机器人公司被视为特斯拉Optimus机器人的头号竞争对手[1] - 中国将AI软件、机器人硬件与制造业规模相结合，未来可能定义全球自动化标准，预计到2025年机器人能力将从简单动作升级至高难度特技[1] 半导体与科技行业 - 美国对中国的技术封锁产生了反效果，华为昇腾、寒武纪等国产AI芯片迅速崛起，中国已能自主制造14nm芯片并实现批量生产[3] - 在光刻胶等关键材料领域，中国已实现高端产品的自主生产，关键零部件逐步国产化[3] - 美国实施了370多项技术限制，中国已突破其中186项，平均每项仅耗时3.2年[5] - 在量子通信、新能源汽车等领域，中国已处于全球领先地位[5] 贸易与供应链 - 美国最高法院裁定特朗普关税政策违法，可能需退还超过1750亿美元的关税款[1] - 中国是全球唯一拥有全工业门类的国家，美国在稀土、药品及关键产品供应链上依赖中国，例如美国大部分稀土从中国进口[3] - 中美经济深度绑定，例如苹果手机大部分在中国生产，脱钩将导致成本上升并损害消费者利益[7] 中美关系与谈判议题 - 特朗普计划访华的核心目的可能包括：延长贸易休战、降低关税、放宽AI芯片出口限制[5] - 美国提出“G2”（两国共治）构想遭中国拒绝，中国坚持多边主义与发展中国家站在一起[1] - 中国的科技自立为其在国际谈判中提供了底气和话语权[5][7]

宏观经济表现 - 中国经济总量突破140万亿元，同比增长5%，对全球经济增长贡献率约30% [3] - GDP增长数据超出年初西方媒体的悲观预测（如彭博社、路透社曾预测下滑），实际顶住压力实现增长 [5] - 中国被描述为地球上除美国外唯一的经济超级大国 [1] 对外贸易与顺差 - 全年出口总额达45.47万亿元，同比增长3.8% [3] - 贸易顺差达到1.2万亿美元 [3] - 进出口创历史新高，对东盟、拉美等地区出口增速快于整体，其中对拉美出口增长11.2% [5] - 中国已成为150多个国家的主要贸易伙伴 [5] 制造业与产业结构 - 制造业增加值连续16年位居全球第一 [3] - 工业增加值同比增长5.9%，装备制造业和高技术制造业占比提升至17.1% [5] - 高技术产品出口同比增长13.2% [3] - 服务业占GDP比重达到57.7% [5] - 拥有完整的工业体系和超大规模市场 [5] 科技创新与研发 - 全国研发经费投入强度（与GDP之比）达到2.8%，超过OECD国家平均水平 [5] - 研发总投入达39262亿元，位居世界第二 [7] - 发明专利拥有量超过475万件，位居世界第一 [5] - PCT专利申请量全球第一 [7] - 在深海、航天等领域处于领跑地位 [7] 人工智能与半导体产业 - DeepSeek-R1模型仅用560万美元成本和2000块Nvidia H800芯片，性能逼近ChatGPT并在数学、代码领域领先 [7] - 华为昇腾、寒武纪等国产芯片正在缩小与英伟达的差距 [7] - 美国的管制促使中国转向本土技术，英伟达在中国市场份额从95%降至接近0% [7] - 中国通过开源模式（如中关村论坛开源长安链300万行代码）打破技术壁垒，AI发展从跟跑进入并跑阶段 [7] 农业发展与社会民生 - 粮食产量稳定在1.4万亿斤 [5] - 居民收入实际增长5% [5] - 发展模式兼顾民生与可持续发展，避免了高通胀和民众债务缠身的问题 [5] 对外经济合作与“一带一路” - 对“一带一路”共建国家的投资增长20% [9] - 中欧班列累计开行达12万列 [9] - 与东盟签署FTA 3.0升级协议，深化数字经济合作 [9] - 中吉乌铁路、坦赞铁路等项目推进区域联通 [9] - 中国对世界经济增长的贡献超过七国集团（G7）总和，成为全球发展的主引擎 [9] 经济发展模式与预期 - 西方机构如高盛曾预测中国将在2035年超越美国，但现实可能使这一时间表提前 [3] - 中国经济发展不依赖“大水漫灌”式的金融刺激，专注于产业升级和实体经济 [3][5] - 中国模式被部分西方学者认为更接近马克思主义经济结构，通过开放经济参与国际分工实现高速增长 [5] - 自1978年以来，中国实现了全球主要经济体中最快的经济增长 [5]

润六尺-天顿AI推理算力基地启航 - 润六尺科技与天顿数据合作的AI推理算力基地于1月29日在深圳龙岗区正式启航 [1] - 基地首期已运营超过3000 PFlops推理算力服务器，并规划建设至10000 PFlops的规模 [1][2] - 该基地旨在解决AI技术从实验室走向产业应用的“最后一公里”难题，为AI模型在实际场景中的应用提供推理算力支撑 [2] 基地定位与战略意义 - 基地核心任务是成为AI应用“核心引擎”，支撑智能客服、工业机器人、医疗影像诊断等千行百业的AI推理需求 [2] - 基地致力于成为区域算力高地及AI技术与产业融合的连接器，并计划通过AI云平台等开放计划与合作伙伴共建生态 [3] - 基地落地龙岗，旨在把握人工智能与算力发展趋势，推动数字经济与实体经济深度融合 [1] 合作方与生态建设 - 润六尺科技与天顿数据签署了深度战略合作协议，并与首批6家生态伙伴完成签约 [3] - 合作方天顿数据是国内第一梯队的智算全生命周期服务商，其自主研发的量子湃云平台具备算力调度、纳管与可视化运营能力 [3] - 基地注重生态共建，希望通过开放计划推动AI技术的普惠化与商业化落地 [3] 龙岗区的产业基础与优势 - 龙岗区是深圳的工业大区，连续8年位居全国工业百强区榜首，2025年地区生产总值预计突破6000亿元 [4] - 区内拥有华为、比亚迪等龙头企业，形成了坚实的制造业基础和完整产业链，为算力应用提供了丰富场景 [4] - 龙岗区已集聚人工智能与机器人全产业链企业超过1.27万家，形成了从上游基础层到下游应用层的完整产业体系 [5] 地方政府政策支持 - 龙岗区已出台系统性算力扶持政策，对向非关联方采购算力服务且年度费用达50万元以上的企业，最高按实际支出的30%给予补贴，每年扶持金额不超过600万元 [6] - 政策显著降低了企业，尤其是中小企业在模型训练与推理应用方面的算力成本 [6] - 龙岗区将持续完善产业政策与人才服务，构建“算力+算法+数据+场景”协同发展的产业生态 [6] 龙岗区2026年AI发展规划 - 龙岗区2026年规划以“All in AI”和“鸿蒙之区”建设战略为核心引擎，推动AI赋能产业升级、城区治理与民生服务全领域 [7] - 计划将人工智能与机器人产业作为六大未来千亿级产业的核心抓手，培育人工智能细分领域领军企业或高成长性项目15个以上 [8] - 在硬件支撑上，将全力支持智能硬件国产化规模化，并加快贵安算力中心二期建成投用 [8] - 将强化“4T数字生活空间”数字基座能力，构建覆盖千家万户的数字家庭新范式，保障居民在数字世界的权利 [8][9]

核心观点 - 2026年科技行业将进入现有技术能力的消化期 概念炒作退潮 行业将更注重提高容错率和实现真实商业价值 [1] - 2026年是“祛魅之年” 热点退潮 市场将挤干水分 产业智能革命将加速而确定地到来 [2][30] 智算市场 - 智算市场增速断崖式放缓 增幅从2025年的近80%降至约38% 遍地黄金的日子结束 [4] - 中国AI算力在2025年确定突围 华为昇腾 昆仑芯 海光等国产芯片稳定出货并加速商业化 海外AI算力“断供即停摆”的风险已基本解除 [6] - 需求放缓与国产崛起共同破解算力荒问题 “英伟达神话”开始祛魅 [6] - 行业集中度将进一步提升 市场加速收敛至拥有成熟生态和技术实力的厂商 [6][7] - 硬件上 企业用户青睐生态成熟 能规模量产的芯片厂商 国产超节点将持续火热 [6] - 软件上 国产算力的高效使用成为重点 通过软件平台 调度系统和全栈优化最大化算力效率 并激活现有通用算力中心实现资源复用 [6] AI算法与模型 - AI算法和模型厂商至今未能跑通可持续的商业模式 年底上市的“中国OpenAI第一股”招股书显示其仍在烧钱阶段 [9] - 2026年模型技术预计不会有大的质变 各行各业需要时间消化现有模型能力 [9] - 大模型技术演进沿两条路径：向上摸高靠更大参数与高质量数据 或小而精用多个小专家模型组合 底层技术栈仍是预训练+监督微调+RLHF的渐进优化 Agent是应用层创新 [11] - 国外主流商业模式是“订阅+Token消耗” OpenAI也在试水社交 广告 硬件等模式 说明订阅制可能走不远 [12] - 中国企业级市场商业模式曲折 要么“卖盒子”如deepseek一体机 要么“卖人天”做B端定制服务 AI尚未找到自己的收费锚点 [13] - ToC市场竞争惨烈 互联网巨头重金抢夺“AI入口” 但C端产品一旦免费停止 用户可能立刻流失 2026年广告变现难以带来商业模式本质突破 [13] - 一旦投融资收紧 烧钱型AI产品可能崩塌 AI算法公司需学会在有限资源下抓住少数真实价值 [14] AI终端 - 2025年AI手机 AI PC等新品密集发布但换机潮未到 主要因AI能力使用价值不强且体验无壁垒 [16] - 2026年AI终端需放弃对全民买单的幻想 转而深耕高价值垂直领域 为特定人群解决真实痛点 [17][19] - AI PC应聚焦专业生产力场景 吸引重度依赖AI提升效率的知识工作者 如律师 设计师 白领等 [17] - AI手机需靠系统级能力形成差异化体验 深度改变某些场景的使用习惯 如通过OS优化 个人因子建模和端云协同实现私密 个性化的场景体验 [17] - AI新硬件如AI学习机 AI玩具 AI眼镜等将进入体验优化期 深耕教育 陪伴 导航 翻译等细分刚需场景 把核心价值做深做透 [19] 云计算 - MaaS曾被视作云厂商新盈利模式 但2025年市场证明其远比想象中难啃 典型案例如提供DeepSeek服务的云厂商陷入“用户越多 亏损越大”的困境 [21][22] - 企业需求更倾向于将核心难题“外包”给云厂商 集中在两类：全栈深度优化 与 异构算力调度 [22] - 行业马太效应明显 只有具备全栈技术能力的头部厂商才有机会突围 如阿里云 火山引擎 百度智能云 华为云 [23] - 2026年 能提供全栈 高效 安全且可落地的AI基础设施服务的厂商才能端稳MaaS的饭碗 [23] 通信行业 - 2025年“AI+通信”和算网融合成为热词 但以AI为叙事带动的建网热潮在2026年大概率降温 因多数场景现有网络能力已能匹配AI运力需求 [25] - 真正需要新增建网的高价值场景有限 如无人化工厂实时数据传输 AI训练集群跨地域互联 但体量有限 [25] - 更普遍的需求是改造现有落后网络 如学校 酒店 园区等 这些地方的核心问题是网络本身老旧 而非为AI建网 [25] - 华为坤灵等高性价比设备与方案进入分销市场 使中小企业等主体能花小钱办大事进行数智化改造 [26] - 2026年通信行业增长重心从国家队大工程转向中小企业微改造 市场机会将流向有品牌 有服务 有长期承诺的头部渠道伙伴 [27]