报告行业投资评级 - 优于大势 [8] 报告的核心观点 - 华为未来十年新增长方向是企业业务，其已较大程度实现自主可控全产业链，多款重磅产品推出使其重回技术和产品领先地位 [3] - 企业业务是华为三大业务中未来几年增长确定性最高的方向，有望成为未来十年增长主线 [5][7] - 随着华为企业业务壮大，存在两类投资机遇，即华为合作伙伴圈和被华为赋能者 [7] 根据相关目录分别进行总结 华为的下一个十年增长：赋能千行百业——企业业务 下一个十年，华为战略聚焦千行百业数智化转型 - 华为是全球领先的 ICT 企业，正加速构建自主可控的软硬一体化数智生态，业务重心向内需倾斜 [21][22] - 华为公司整体发展可划分为三个阶段，2003 - 2013 年由连通走向统一，奠基全球通信底座；2013 - 2023 年乘移动互联之势，拓展终端与云边布局；2023 年至今以智为核，重构“端 - 管 - 云”智能底座 [28][31] 企业业务承载战略落地，成为华为下一个十年核心增量 - 外部制裁叠加周期回落，运营商与消费者两大核心业务增长承压，运营商业务下游需求增速放缓乃至收缩，消费者业务面临芯片供给及操作系统生态双重瓶颈 [32] - 企业业务是“数字化打底＋智能化升级＋行业定制化”的服务组合，在供给端受“断供”影响小，具备一体化交付能力；在需求端有国家战略政策红利，目标是 2025 年营收达 2600 亿 [35][37] - 企业数智化转型至少具备万亿级市场空间，以 2024 年规模以上工业企业营收总额测算，假设 1%收入用于数智化投入，对应市场空间 1.38 万亿元 [37] 行业军团全场景建制，全流程赋能千行百业数智化 21 大行业军团，9 大可行方向，践行 All Intelligence 战略 - 各行业数智化本质是“以数据为核心驱动力，实现智能决策和高效运营”，核心要素包括智能感知、智能联接、智能底座、智能平台和 AI 大模型 [40][42] - 自 2021 年起华为成立 21 个军团，体系分为行业军团与子行业/产品军团，梳理出数字政府、大型企业、油气矿山、制造、金融、电力、交通、教育医疗及互联网九大核心方向 [43][45] 政府：城市、政务、公共事业 - 数字政府是政府部门以新一代信息技术为基础的系统性变革，涵盖底座智能化、数据价值化、业务模型化和应用智慧化四大核心路径 [48][49] - 报告列举了南京、深圳、鄂尔多斯等地在城市治理、政务管理与公共服务等场景中的数字政府案例 [53][54] 大企业：建筑、场馆、酒店、零售、物流、养殖 - 大企业数智化是对企业各环节进行系统性重构，覆盖多个领域，助力企业实现多种能力提升 [55][56] - 报告展示了华为在多个重点行业的数智化转型案例，如雄安金湖、厦门国贸会展集团等 [58][59] 采矿：油气、化工、矿山、冶炼 - 华为助力油气、化工、矿山、冶炼四大领域数智化转型，在各领域有不同的转型方向和目标 [62][63] - 报告列举了中石油、云天化等企业的数智化转型实践案例 [66][67] 制造：智慧工厂、数字研发、机器人 - 制造业数智化转型聚焦无人化、柔性化与供应网可视化三大方向 [69] - 报告汇总了华为在制造业典型场景中的数智化落地实践案例，如酷特智能、冠捷科技等 [72][73] 金融：核心系统、大模型 - 金融机构核心系统面临多重结构性挑战，华为六大体系支撑其向高韧性、高安全、高敏捷转型，大模型融入金融业务主流程 [75][77] - 报告列举了邮储银行、浦发银行等金融行业核心系统升级与 AI 大模型落地案例 [80][81] 电力：发电、输电、变电、配电、用电 - 绿色、电网柔性、源荷互动是未来电力行业的三大演进方向，数智化是应对挑战的关键手段，将在各核心环节落地应用 [82][84] - 报告汇总了华为在电力全链条中的数智化实践案例，如酒泉戈壁风电场、宁洲智慧电厂等 [89][90] 交通：公路、铁路、城轨、航空、港口 - 交通数智化从“点 - 线 - 面 - 体”体系出发，提升资源配置与产业链协同效率 [92] - 报告展示了华为在交通行业典型场景中的数智化落地实践案例，如山东高速、天津港等 [95][96] 教育医疗：教育、医疗 - 新一代信息技术加速重构教育体系，全球医疗体系面临结构性矛盾，数智化转型箭在弦上，医疗数智化形成全流程闭环 [97][100] - 报告汇总了华为在教育与医疗领域的数智化典型实践案例，如宁夏大学、深圳龙岗区域影像中心等 [104][105] 互联网：ISP、OTT、传媒 - 智能化浪潮下，信息基础设施与内容生态加速融合演进，华为将在 ISP、OTT、传媒领域助力企业数智化转型 [106][107] - 报告展示了华为在互联网行业的数智化基础设施实践案例，如科奇集团、富嶽株式会社等 [110][111] 数智化转型服务市场爆发，华为是最有力竞争者 企业数智化转型从“可选”走向“必选” - 华为企业业务提供数智化转型解决方案，全球企业数智化转型需求持续升温，在中国正从“可选”演变为“必选” [112][113] - 劳动力红利消退使数智化刚需上升，消费者需求倒逼产线柔性化重构，数智化成为影响企业竞争力的决定性变量 [113][114] 华为已在技术底座、生态合作和组织架构上形成深厚积淀 - 技术底座方面，华为完成从硬件到行业算法的闭环布局，硬件有通用设备和第三方硬件，昇腾 910C 和 UB - Mesh 表现突出，软件与云服务为企业提供统一可靠云服务并形成经验库和模型库 [118][129] - 生态合作方面，华为构建了体系化、多层级的合作伙伴生态，通过多种方式推动生态体系扩容与能力认证进阶 [130] - 组织架构方面，华为通过行业军团模式重组资源，形成分布式军团架构模式，总结出可复制、可落地的大模型应用方法体系 [137] 华为是企业数智化转型市场的最有力竞争者 - 华为数智化转型服务比传统咨询公司更具竞争力，具备全栈自研能力和完整能力闭环，招投标结果也印证其优势 [138][140] - 华为云能提供低价、个性化的算力服务，在中小企业市场竞争优势突出 [143] 投资建议：华为合作伙伴+华为赋能客户 投资机会 1: 华为合作伙伴圈——完成行业数智化的最后一公里 - 合作伙伴体系是华为落地千行百业的“必要”路径，投资机会确定性高 [145] - 选股思路一是聚焦市场空间处于加速释放拐点的行业，如采矿业和制造业，核心合作伙伴包括神州数码等；思路二是挖掘数智化空间长坡厚雪的行业，制造、金融、互联网与零售是价值洼地，核心合作伙伴包括赛意信息等 [146][161] 投资机会 2：被华为赋能者——降本增效从传统行业蜕变 - 数智化转型具备降本增效能力，存在三类投资机会，报告基于公开资料整理了华为解决方案赋能客户 [166]

全球AI人才争夺战 - 硅谷科技巨头如xAI、Meta、谷歌等正在激烈争夺华人AI科学家和工程师，xAI创始团队12人中华人占5席，团队合影中华人面孔占比高达80%[7][8][9][11][12] - Meta发起"超级智能实验室"项目锁定全球50位顶尖AI专家，已公布的14人挖角名单中华人占8人，为顶级AI研究员提供四年3亿美元总薪酬[14] - OpenAI为自保拿出44亿美元做股权激励，金额超过2024年全年营收的19%[16] 华人科学家的独特优势 - 全球AI领域100位顶尖专家中有65人来自中国，其中50人供职于中国本土机构[18] - 2010-2023年全球AI专利数量增长29.6%，中国占比达69.7%[19] - 华人工程师在算法设计、架构创新与数据理解方面具有明显优势，被评价为"效率、稳定与创新的三重保障"[19][20] 中国AI产业崛起 - 中国已有535所高校设立人工智能专业，4500家AI企业[21] - 国产大模型DeepSeek上线一个月下载量突破1.1亿次[21] - 华为昇腾910C芯片性能接近英伟达H100的80%，成本仅为一半[21] - 月之暗面Kimi智能助手支持200万字上下文处理[21] 华人创业者的影响力 - 华人创业者Scott Wu创立的Cognition公司估值达20亿美元，推出全球首个AI程序员Devin[25] - Scale AI被Meta以143亿美元收购49%股权，创始人汪滔将出任Meta首席AI官[26] - Surge AI以十分之一员工规模实现10亿美元营收[27] 中国AI市场发展 - 中国开发者对AI持乐观态度比例达83%，远超美国的39%[22] - 英伟达CEO黄仁勋称全球超50%AI研究人员在中国，中国开发者推动全球AI发展[28][30] - 中国自主芯片性能已媲美甚至超越英伟达H20芯片[31]

显卡与AI大模型训练 - H20显卡是英伟达专为中国市场打造的"特供版"显卡，性能为旗舰显卡H100的10%到15% [6] - 尽管单张H20售价高达11万元，但仍是国内可购得的最佳性能显卡，科技公司大量采购 [7] - 2023年第一季度，字节、阿里、腾讯等公司下单至少160亿美元的H20显卡，其中字节跳动囤积10万个GPU模组 [7] 显卡市场动态 - 4月9日H20显卡在中国被禁售，导致英伟达面临45亿美元的库存积压和采购违约损失 [8][9] - 英伟达最新旗舰显卡GB200性能是H20的50多倍，OpenAI、谷歌各订购40万颗，xAI订购10万颗 [9] - 华为昇腾910C性能已接近H100，可能填补H20禁售后的市场空白 [10] 行业竞争格局 - 算力成为大模型竞赛中的核心战略资源，显卡数量直接体现算力水平 [12] - 拥有更多显卡的公司更有可能训练出优质大模型 [4][13] - H20恢复销售表明AI时代的算力争夺战仍在持续 [13]

显卡与AI大模型训练 - H20显卡是英伟达专为中国市场推出的AI大模型推理训练显卡，性能为H100的10%到15% [3] - 尽管H20单价高达11万元，但仍是国内能获得的最佳性能显卡，科技公司大量采购 [4] - 2023年第一季度字节、阿里、腾讯等公司下单至少160亿美元的H20显卡，其中字节囤积10万个GPU模组 [5] 市场动态与竞争格局 - H20显卡在4月9日被禁止在中国销售，导致英伟达面临45亿美元的库存积压和采购违约损失 [7][8] - 英伟达最新旗舰显卡GB200性能是H20的50多倍，OpenAI、谷歌各订购40万颗，xAI订购10万颗 [8] - 华为昇腾910C性能已接近H100，可能填补H20禁令造成的市场空白 [9] 行业发展趋势 - 算力成为大模型竞赛中的核心战略资源，显卡数量直接决定算力水平 [12] - 显卡数量与AI大模型训练质量正相关，拥有更多显卡意味着可能训练出更好的模型 [1][13] - H20恢复销售表明AI时代的算力竞争仍在持续 [13]

电子行业2025年中期投资策略 核心观点 - AI赋能互联网应用带动推理需求增长和Token消耗提升，实现AI投资ROI闭环 [1][2] - 算力需求高增背景下，英伟达产品加速迭代，CSP自研ASIC迎来更快成长 [1][2] - 国产算力在芯片、基建、模型等方面实现突破，进入破局元年 [3] - AI终端硬件创新持续，AI眼镜向AR演进路径明确 [4][5] 海外算力 - 英伟达业绩超预期推动美股AI软硬件标的创新高，长期驱动力为AI应用带来的推理需求 [1][2] - 算力升级围绕功率和速率两条路线：速率方面关注ASIC带来的PCB升级、CPO演进、AEC渗透率提升；功率方面关注HVDC、超级电容、液冷技术 [2] - ComputeX大会明确了未来几年算力行业发展方向 [2] 国产算力 - 豆包和DeepSeek分别在多模态和轻量化方向推动国产大模型发展，其他厂商如通义千问、百度等加速迭代 [3] - 云计算厂商加大算力基建投入，资本开支进入扩张周期，算力租赁成为短期解决方案 [3] - 芯片厂商加速适配国产生态：中芯国际N+1工艺成熟，昇腾910C量产，寒武纪、海光在AI训推方向突破 [3] - 云端ASIC成为主流，芯原等设计企业与头部厂商合作紧密 [3] AI终端 - 手机AI功能仍有硬件创新空间，如光学、折叠屏、指纹识别 [4] - AI眼镜市场升温，Meta&Rayban验证"先眼镜后智能"路径，AR眼镜通过显示功能提升体验 [4][5] - AR眼镜光学显示模块BOM占比高，主流方案为MicroLED+衍射光波导 [5] 细分赛道投资机会 - 算力链重点关注服务器、PCB、CPO、铜缆、电源、液冷等产业链 [5] - AI终端需观察新品放量节奏，硬件创新和光学显示是重点 [5] - 具体关注标的包括工业富联（服务器）、芯原股份（算力芯片）、沪电股份（PCB）、瑞可达（铜/光互联）、禾望电气（电源）等 [6]

纪要涉及的公司和行业 - **公司**：华为、NVIDIA - **行业**：AI基础设施行业 纪要提到的核心观点和论据 华为CloudMatrix384与NVIDIA架构对比 - **架构设计哲学差异**：NVIDIA是分层式、节点中心架构，华为是对等/解耦架构，资源池化形成逻辑上统一的计算实体[1][2][40] - **性能对比**：华为CloudMatrix - Infer服务方案在昇腾910C上运行MoE模型时，计算效率在预填充和解码阶段超越NVIDIA H100与H800数据，并非单NPU理论峰值算⼒超越，而是系统取胜策略体现[3] - **软件生态差异**：华为CANN软件生态系统相较于NVIDIA经营近二十年的CUDA生态，在成熟度、开发者基础、工具链丰富性及稳定性方面均存在显著差距[3] 华为CloudMatrix384架构剖析 - **架构蓝图**：以对等资源池化为核心哲学，将NPU、CPU等关键硬件资源解耦并汇聚成资源池，统一总线（UB）网络是实现愿景的关键技术，构建无阻塞全互联拓扑，实现近乎一致的跨节点与节点内通信性能[6][8][10] - **核心硬件组件**：昇腾910C NPU是核心，采用先进双Die封装技术，集成两类异构计算核心，具备充裕内存容量和带宽，原生双网络接口支持三平面网络架构；节点架构集成8颗昇腾910C NPU等，通过两级UB交换系统构成全互联网络，但软硬件高度绑定可能制约推广[12][14][16] - **CloudMatrix - Infer引擎**：是专为大规模MoE模型推理设计的综合性软件解决方案，核心架构创新是基于PDC解耦的对等服务架构，还有针对MoE推理的关键优化技术，形成高度垂直整合但相对封闭的生态系统[17][18][24] - **量化优化影响与精度格式比较**：上下文缓存影响最显著，多令牌预测在解码阶段重要，微批次流⽔线在预填充阶段效果好；华为INT8方案是复杂系统工程，需多团队协作，通用性差；NVIDIA FP8方案是平台化、水平化生态构建思路，降低开发者使用门槛[27][30][31] 华为CloudMatrix384与NVIDIA DGX SuperPOD多维度对比 - **市场领导者的架构**：NVIDIA H100 GPU是DG核心构成核心构成构成DGX节点和SuperPOD的核心，集群互联方案是分层架构，节点内通过NVLink与NVNVSwitchSwitch互联，节点间通过Infiniband网络互联，节点内外通信性能存在巨大差距[36][38][39] - **全面架构对比分析**：从单加速器、节点内互联、节点间互联、系统架构哲学、核心架构差异点、软件生态等维度对比，华为核心竞争力在于创新系统架构，可弥补单卡理论性能差距[40][43] - **优劣势提炼与理想应用场景**：华为优势在于极致Scale - Up能力等，劣势在于软件生态不成熟等，理想应用场景为大规模MoE模型推理服务等；NVIDIA优势在于顶级单卡性能等，劣势在于分层网络架构等，理想应用场景为通用AI模型训练与推理等[44][48] AI算⼒集群评估框架及应用 - **评估框架**：提出专为专为现代大规模AI集群群的多维度评估框架，包括理论峰值算⼒、内存子系统性能、网络互联能力、实际应⽤算效、系统扩展性、软件生态成熟度、总体拥有成本七⼤支柱及关键量化指标[49][51] - **框架应用**：华为策略是在网络互联能力上突破，最大化实际应⽤算效和系统扩展性，但在软件生态成熟度和总体拥有成本方面存在短板，是一种非对称竞争策略[58][59][60] 新闻分析报告评估 - **解读准确之处**：准确识别核心技术亮点，正确引用性能数据，到位解读市场意义[64] - **存在的潜在谬误或过度简化之处**：标题简化比较背景，忽略比较条件差异，对“无损”量化描述绝对[65] - **分析的局限性**：未深入探讨软件生态挑战，缺乏对商业风险和成本讨论，缺失地缘政治背景[66] 其他重要但是可能被忽略的内容 - **华为CloudMatrix384发展潜力与演进路径**：包括扩展超级节点规模、实现CPU与NPU资源物理级解耦、更细粒度的组件级解耦[67][68][69] - **华为CloudMatrix384面临的挑战**：CUDA的生态护城河难以逾越，还面临对受限制造工艺的依赖、供应链安全问题、潜在更高功耗和TCO等商业风险[69][70][71]

报告行业投资评级 - 韩国科技行业投资评级为Cautious（谨慎） [7] 报告的核心观点 - DeepSeek的R2模型发布或重新定义中国AI开发、定价和供应链方式，有望成为加速中国AI应用落地的关键催化剂 [1] - R2是中国初创公司DeepSeek思维模型的第二次重大迭代，在多语言推理和代码生成等方面有进展，成本低且性能强，若成功将扰乱AI市场 [2] - R2依托华为昇腾910B芯片集群训练，构建自有供应链，减少对外部依赖 [3] - 中国公司有更多资源部署AI技术，“中国AI 60强”个股或参与R2行情和中国AI发展 [10] 根据相关目录分别进行总结 R2模型介绍 - R2是针对国产硬件优化的万亿参数模型，在多语言推理、代码生成和多模态能力方面取得重大进展，可重新定义AI应用落地的价值、性能和单位成本 [9] - R2优先提高编程能力，采用混合专家混合（MoE）架构，总共有1.2万亿个参数，其中780亿个参数是活跃的，成本比大多数先进模型便宜97％ [13] R1模型进展 - 2025年5月29日，DeepSeek发布R1推理模型的更新版本R1 - 0528，使用9900万个tokens完成评估，比原版本多40％，性能在多个测试中有提升 [11] 供应链情况 - DeepSeek可能建立本地硬件供应链，R1曾使用数万张英伟达GPU训练，现在可能用华为昇腾910C芯片推理 [16] - 华为昇腾910C可达到英伟达H100性能的60％，采用中芯国际7纳米N + 2制程工艺，但华为在构建软件和支持生态系统方面还有挑战 [17] 投资影响 - DeepSeek的受益者在业绩、营收和盈利修正方面是长期赢家，后训练阶段tokens增加对本土GPU、GDDR和中国HBM是好兆头 [20] - 全球人工智能公司年初至今整体下跌 -5％，iPhone供应链表现不理想，传统子细分市场每股盈利回升但相对温和 [20] DeepSeek模型演变 - DeepSeek强调软件驱动的资源优化，已发布R1、V3和Prover - V2等模型，即将推出R2和V4模型 [23] - Prover - V2专注数学定理形式化证明，采用改进的MoE架构和压缩的KV缓存，推出MTP框架提高生成速度 [25] R2/V4模型功能 - “推理时间扩展”是R2和V4模型性能突破的关键，采用GRM技术，中型模型可在基准测试中表现出色 [26] - 通过点式生成奖励建模（GRM）、自我原则批评调整（SPCT）和元奖励模型（meta RM）实现模型架构改进 [27][32] 行业覆盖公司评级 - 报告对韩国科技行业多家公司给出评级，如Ecopro BM为Underweight（U），Fadu Inc为Equal - weight（E），Hanmi Semiconductor Co. Ltd.为Overweight（O）等 [81]

国产GPU采购情况 - 字节跳动对国产GPU态度最为积极，主要采用寒武纪和昇腾，并广泛测试昆仑芯、天数、沐曦、摩尔等其他品牌，2025年计划追加购买昇腾和寒武纪卡，同时采购海光卡 [2] - 阿里巴巴对国产GPU态度较为谨慎，上线部分昇腾卡但性能表现不佳，2025年预计首次采购海光和寒武纪卡，同时继续加大英伟达产品储备，自研芯片平头哥尚未商业化推广 [2][3] - 腾讯对国产GPU态度最保守，首选英伟达，其次为华为产品，最后考虑寒武纪和海光，2025年资本支出计划包括400亿用于GPU采购，110亿用于高性能服务器采购 [2][3] 昇腾910系列出货及性能 - 昇腾910B累计出货量达16万张，主要客户为地方超算中心和运营商，910C因量产延迟仅出货2.7万张，预计后续单月出货量增至5万张，主要客户为大型互联网公司如字节跳动 [5][6] - 昇腾910C单卡性能在国产芯片中领先，但集群能力仍逊于NVIDIA产品，全年出货目标从85万张下调至70万张，其中910B和910C各占一半 [5][6] - 昇腾卡应用场景中15%-20%用于模型训练，其余用于推理，训练场景面临成本高和技术难题限制，仅DeepSeek、科大讯飞等少数头部企业尝试使用 [6] 行业技术趋势与竞争 - FP8成为推理侧硬件基本要求，多模态模型推动更高标准硬件需求，如CloudMatrix 384超节点方案，国产芯片厂商正加紧追赶国际领先品牌 [7] - NVIDIA即将推出适配中国市场的新一代算力卡，推理场景下仍有竞争力，寒武纪、海光等国产品牌在生态系统建设上取得进展 [7] - 互联网大厂与昇腾合作定制化开发需投入大量人力资源适配，相比直接使用NVIDIA卡增加时间成本和技术难度 [8] 市场动态与需求变化 - 互联网巨头采购策略波动较大，受训练卡缺口大、推理卡需求小及910C出货延迟影响，字节跳动占据昇腾910C近三分之一需求份额 [6] - 一体机市场热度下降导致出货量低于预期，阿里平头哥自研芯片逐步替代也对昇腾市场需求产生影响 [6]

国产GPU行业动态 - 美国对GPU的限制政策促使国产GPU快速发展 华为昇腾系列性能被英伟达CEO提及已超越H200 但表述存在夸张成分[1] - 互联网巨头资本开支计划显示国产GPU采购趋势：字节跳动2025年计划投入1600亿 阿里未来3年投入3800亿 腾讯2025年投入900亿用于云和AI基础设施[2] 国内大厂采购策略 - 字节跳动最积极采用国产GPU 主要采购寒武纪和昇腾 并广泛测试其他国内品牌 2025年计划增加采购量[2] - 阿里巴巴态度谨慎 除自研平头哥外上线部分昇腾卡 但性能表现不佳 2025年计划首次采购海光和寒武纪卡 同时继续储备英伟达产品[2] - 腾讯最保守 首选英伟达 其次考虑华为产品 最后评估寒武纪和海光 已认证摩尔线程 2025年资本支出包含大规模GPU采购和算力租赁[2] 昇腾910系列出货与性能 - 昇腾910B累计出货达16万张 保持稳定 而910C因量产延迟仅出货2.7万张 预计后续单月出货将提升至5万张[3] - 910C在国产芯片中集群能力领先 单卡性能获市场认可 但服务端支持和生态系统建设仍是短板[3] - 全年出货目标从85万张下调至70万张 其中910B和910C各占一半 调整主因包括互联网巨头需求波动及阿里自研芯片替代影响[6] 应用场景与市场需求 - 昇腾卡15%-20%用于模型训练 其余主要用于推理 但训练场景面临高成本和技术难题 仅DeepSeek、科大讯飞等头部企业尝试使用[6] - 910B主要客户为地方超算中心和运营商 910C则更多被大型互联网公司采用 字节跳动占其需求近三分之一[6] - 一体机产品因市场热度下降 出货量预计低于预期[6] 技术发展趋势 - FP8成为推理侧硬件基本要求 多模态模型推动更高标准需求 CloudMatrix 384超节点方案逐渐成为行业标杆[7] - 国产芯片厂商在生态系统建设上取得进展 寒武纪、海光等品牌已解决部分兼容性问题 长期有望扩大市场份额[7][8] - 互联网大厂与昇腾合作定制化开发需投入大量人力资源适配 相比直接使用英伟达卡增加时间成本和技术难度[8]

报告行业投资评级 - 计算机AI算力行业投资评级为领先大市 - A（维持）[1] - 首选股票海光信息、浪潮信息、中科曙光评级均为买入 - A [2] 报告的核心观点 - AI产业高景气持续，算力国产化大势所趋，互联网和智算中心两大下游AI算力需求持续，国产AI芯片和服务器厂商发展机遇大 [3][5][85] 根据相关目录分别进行总结 1. AI产业高景气持续，算力国产化大势所趋 - 算力需求及国产化两大因素共同推动国产算力发展，全球算力需求高景气，国内互联网和智算中心需求旺盛，国产化是国产AI算力成长主驱动力 [13][16][20] - 互联网训练算力需求持续，推理侧需求将逐渐占据主导，头部互联网厂商持续投入大模型训练，AI应用流量增长，推理需求旺盛，且加大国产AI芯片采购 [22][24][28] - 智算中心全国产化项目已跑通，国产化率有望持续提升，中央和地方政策助力，智算中心倾向国产AI算力采购，部分项目已实现全国产化 [29][31][34] 2. AI芯片：国产替代空间广阔，第一梯队国产芯片正加速替代 - 英伟达仍占据国内市场主导，政策加码创造国产替代空间，英伟达占主导但份额下降，美国出口管制政策加码，H20短期内仍占较高份额 [36][39][40] - 国产AI芯片加速追赶，互联网及智算国产化采购快速提升，国产芯片分GPGPU、FPGA和ASIC阵营，厂商快速涌现，部分产品可对标英伟达 [43][44][46] - 国产厂商基于兼容及自研两大路径逐渐突破CUDA生态壁垒，英伟达CUDA生态是障碍，国产厂商通过兼容和自研构建生态 [51][53][55] 3. AI服务器：AI驱动服务器市场格局变化，昇腾系份额持续提升 - AI服务器高速增长，市场规模迅速追赶通用服务器，国内和全球AI服务器市场均快速增长，非GPU服务器市场规模占比将提升 [61][63] - AI上游芯片及下游需求驱动服务器市场竞争格局剧变，浪潮信息等领军主导市场，昇腾系厂商份额提升，H20带动头部厂商增长，昇腾芯片带动昇腾系厂商份额提升 [68][71][76] - 昇腾系计算产业生态成型，两大领先级部件伙伴将占主要份额，昇腾计算产业生态体系完整，昆仑技术和华鲲振宇将占较大份额 [79][83] 4. 盈利预测及投资建议 - 芯片端推荐海光信息，关注寒武纪，因美国出口管制倒逼国产采购，第一梯队厂商突破瓶颈 [85] - 服务器端推荐浪潮信息，关注华勤技术等，H20带动头部厂商，昇腾出货量增长带动昇腾系厂商 [86]