霍尔木兹海峡航运与地缘局势 - 路透社消息称，美伊已收到停火协议方案，可能于6日生效，方案拟先实现立即停火、重新开放霍尔木兹海峡，随后在15至20天内达成最终协议 [1] - 伊朗外交部发言人随后表示，不存在任何停火的法律或国际保障，并质疑停火协议的合理性 [2] - Citrini研究公司的实地调查报告指出，霍尔木兹海峡并未完全封锁，伊朗已建立通行审批机制，船只经申报、审核并缴费后可通行 [4] - 海峡日通行量已从冲突初期的零星几艘回升至十余艘，包括希腊、中国等国的油轮和商船均在通行，遵循伊朗规则的船只未受打击 [4] - 投资建议认为运费将持续高位运行，即使海峡完全开放，油轮公司仍有望维持高盈利，可关注油轮运价ETF（BWET）及相关个股 [5] - 中东冲突导致霍尔木兹海峡航运受阻，全球航运成本急剧飙升，运费已经上涨了11倍到12倍，船舶战争风险保险费迅速上涨 [23] - 北美航线CCFI指数周环比上涨3%，欧洲航线周环比上涨5%，涨幅预计将进一步扩大 [23] A股市场分析与机构观点 - 战争对A股的直接影响有限，但通胀预期走升压缩风险资产估值空间，市场流动性收紧 [8] - 小微盘股前期涨幅过高，获利盘兑现意愿强，作为市场的“流动性放大器”加剧了调整压力，叠加量化策略、对冲基金等绝对收益资金止损及两融账户被动降杠杆，形成“流动性负反馈”机制 [8] - 截至4月3日，主要A股指数普遍下跌，中证1000指数当周下跌2.71%，中证2000指数当周下跌12.83% [11] - 招商证券认为，4月中上旬市场面临外部冲击，调整压力较大，下旬随着冲突升级利空落地，A股有望迎来上行拐点，高景气和高业绩增速的方向是市场企稳后的选择 [12] - 多家券商发布周度策略，开源证券认为战争演绎的“二阶导”已出现变化，左侧信号出现；广发证券预计市场仍需时间震荡磨底；中信证券认为霍尔木兹海峡“武器化”及供应链扰动可能性在加大 [13] - 当周A股市场主力资金净卖出1201.46亿元，前周为净买入135.42亿元 [31] - 北向资金当周成交9196.64亿元，为连续第4周成交减少，较前周减少4895.31亿元 [31] - 当周资金最追捧的行业是通信，净流入213.98亿元；资金净流出最大的行业是电力设备、公用事业和电子 [32] - 行业景气度方面，截至4月5日，石油石化、基础化工、有色金属行业位于扩张象限；商贸零售、银行、汽车行业位于衰退象限 [35] - 有色金属、电力设备、国防军工行业位于“高景气、低估值”象限；电力设备、公用事业行业的趋势强度由强转弱 [36] 科技与半导体产业动态 - 产业链消息称，富士康已在试产苹果折叠屏iPhone，目标在2026年下半年推出首款大折叠屏iPhone [14] - SemiAnalysis数据显示，英伟达H100一年期租赁价格从2025年10月至2026年3月涨幅接近40% [16] - 台积电宣布硅光整合平台COUPE年内量产，标志CPO正式进入商业化元年，罗博特科上周斩获约6亿元硅光耦合设备订单 [16] - 英伟达Rubin Ultra架构有望于2027年下半年落地，成为PCB行业最强需求催化，推动PCB层数跨越式提升，单机柜价值量显著增长，采用CoWoP技术的PCB价值量为传统的2-3倍 [16] - 报道称DeepSeek新一代模型V4将运行于华为最新芯片之上，国内算力产业链有望直接受益 [17] - 工信部发文推动全光交换（OCS）等技术应用部署，降低网络时延 [18] - 多家公司在OCS领域有进展：光迅科技募资研发高端口数全光交换机；德科立硅基OCS产品已获取海外样品订单；腾景科技为OCS整机厂商提供精密光学元组件；赛微电子启动首批MEMS-OCS晶圆小批量试生产 [20] - 三星电子将在第二季度供应的DRAM价格较第一季度上涨约30%，包括HBM和通用DRAM [28] - SK海力士与微软就DDR5三年期长期供应合同的最终条款正处于收尾阶段，规模达数十万亿韩元 [29] - 上海人工智能实验室和沐曦股份联合发布了高性能GPU算子生成系统Kernel-Smith [26] 大宗商品与原材料价格 - 阿联酋环球铝业表示，全面恢复原铝生产可能需要长达12个月的时间 [21] - LME铝可实际动用的有效库存已降至2025年5月以来的最低水平，海外供应紧张，若中东产能影响持续，供需缺口或将进一步放大 [21] - 制冷剂R32二季度长协价格为62,200元/吨，环比上涨1000元/吨；R410a二季度长协价格为56,700元/吨，环比上涨1600元/吨 [21] - 粗纱产品再次超预期涨价，内蒙古天皓报价上涨100-200元/吨 [21] - 伊朗硫磺（固体）现货价已从2月末约460美元/吨上升至4月2日的约500美元/吨 [21] - 甲醇期货结算价从2月27日的2189元/吨上涨至4月2日的3165元/吨，涨幅44.59% [22] - 3月粮农组织食品价格指数为128.5点，环比上涨2.4%，为连续第二个月上涨 [23] - 电子布4月提价全面落地，主流的7628型号，河南光远新材4月1日出厂价达6.5元/米，较3月提价0.5元/米，本轮调价幅度在9%至10%之间 [23] 新能源与高端制造 - 新闻联播强调要加快规划建设新型能源体系，确保能源安全 [24] - 宁德时代已在约900艘船舶上部署电池，计划今年将团队规模扩大一倍以上至约500人 [28] - 根据Clarksons数据，3月全球新船订单1575万dwt，同比增长94%；一季度累计新船订单5672万dwt，同比增长105% [27] - Meta计划建设10座数据中心燃气发电厂，总装机容量达7.5GW [28] - 快舟十一号遥十三运载火箭通过出厂质量评审 [26] - 太空算力产业大会成立“太空算力专业委员会”，并发布十大重点攻关项目 [26] 公司公告精选（利好） - 深南电A：控股子公司拟投建翠亨新区300MW/600MWh独立储能电站项目 [37] - 西子洁能：中标约6345万元燃气轮机配套项目 [37] - 长虹能源：拟9.99亿元投建马来西亚锂电池生产基地 [37] - 铂科新材：拟出资1000万元参与设立产业投资基金，投资AI数据中心及半导体与光电材料等领域 [37] - 博众精工：截至3月31日在手订单66.34亿元，同比增长163.78% [37][39] - 光迅科技：3.2T硅光单模NPO模块已在国内头部CSP厂商完成全系列验证 [37] - 中颖电子：拟向控股股东定增募资不超10亿元，用于高端工业级芯片研发及产业化项目 [38] - 四川路桥：下属企业中标南充至广安铁路60.69亿元项目 [39] - 兴发集团：拟投13.81亿元新建10万吨/年电池级磷酸铁锂项目 [39] - 京东方A：获得不超过50亿元回购贷款承诺函 [39] - 东岳硅材：一季度净利同比预增397%-451% [39] - 上汽集团：今年将在不同品牌逐步推出搭载半固态电池的量产车型 [39] 公司公告精选（利空与风险） - 德科立：公司近两年至三年的财务预算和业绩规划中均未将OCS产品纳入预期 [39] - 炬光科技：已披露的激光雷达相关定点项目已全部取消 [39] - 金地集团：2025年度净亏损132.81亿元 [39][40] - 招商轮船：预计相关航运市场运费率持续面临剧烈波动的风险 [40] - 中国核电：第一季度上网电量为549.25亿千瓦时，同比下降2.7% [40] - 双塔食品：欧盟对中国豌豆蛋白反倾销调查，公司涉案产品倾销税率适用112.7% [39] - 多家公司收到监管函、立案调查或面临退市风险警示 [39][40]

行业核心观点 - 市场研究机构报告指出，以Kimi K2.5、GLM等开源模型使用场景激增为代表的AI需求，带动了算力供应链产品和服务价格上涨 [1] - GPU租赁市场供应紧张，价格飙升且容量售罄，获取新计算资源变得困难且昂贵 [1] GPU租赁市场供需与价格 - 一块H100 GPU的一年期租赁合同价格从2025年10月的低点1.7美元/小时飙升至2026年3月的2.35美元/小时，涨幅近40% [1] - 尽管价格上涨，相关GPU租赁容量已经售罄，在2026年初寻找新的GPU计算资源价格高昂且困难 [1] - 2025年底前，由于算力租赁服务商库存较多，GPU租赁价格具有竞争力，但此情况已发生改变 [1] 客户行为与合同趋势 - AI原生公司和较小的AI实验室目前主要签订1年期GPU租赁合同 [1] - 客户越来越希望签订4年以上的长期合同来锁定计算资源，甚至同意支付超过20%的预付款，这在4年前并不常见 [1] - 4至5年的长期租赁合同主要由AI实验室签订，这些交易涉及50兆瓦、100兆瓦乃至更大的集群 [2] - 长期合同对应的集群规模相当于2.4万块至4.8万块英伟达GB NVL72 GPU的算力 [2] 技术与产品背景 - H100 GPU属于英伟达的Hopper架构芯片，采用4纳米工艺，集成了800亿个晶体管，于2022年推出 [2] - 尽管英伟达的GPU架构已迭代至Blackwell和Rubin，H100并非最新款，但其租赁价格上涨仍反映了AI计算需求的增长 [2]

AI算力需求与市场动态 - 市场研究机构SemiAnalysis报告指出，Kimi、GLM等开源模型使用场景激增，叠加获得融资的AI公司需求，共同带动算力供应链产品和服务价格上涨 [2] - 尽管GPU租赁价格飙升，但相关租赁容量已售罄，在2026年初寻找新的GPU计算资源被形容为价格高昂且困难，如同“试图预订最后一班航班的机票” [3] - AI原生公司及较小实验室主要签订1年期租赁合同，但越来越希望签订4年以上长期合同以锁定资源，甚至同意超20%的预付款，这在4年前并不常见 [3] 英伟达GPU租赁价格变化 - 英伟达H100 GPU一年的租赁合同价格从2025年10月的低点**1.7美元/小时**飙升至2026年3月的**2.35美元/小时**，涨幅近**40%** [2] - H100芯片于2022年推出，采用4nm工艺，集成**800亿**个晶体管，虽非最新款，但其租赁价格上涨仍反映了AI计算需求的增长 [3] - 4-5年的长期租赁合同主要涉及**50兆瓦、100兆瓦乃至更大**的集群规模，相当于**2.4万块至4.8万块**英伟达GB NVL72 GPU的算力 [3] 行业高层观点与需求展望 - 英伟达CEO黄仁勋在2025年2月提到，包含旧一代GPU在内的产品依然供不应求，反映出市场对AI计算资源的强劲渴望 [4] - 黄仁勋判断AI建设“还有七到八年的路要走”，目前仅是漫长建设周期的开始 [4] - 腾讯高管在2026年3月的财报交流会上表示，GPU供应受阻是公司2025年资本支出增长不多的一个原因，已通过租用弥补部分算力需求 [5] - 腾讯计划在2026年提升资本支出，并在灵活租用方面加大投入，以支持模型训练并提供更多能对外出租的云算力 [5]

文章核心观点 - 全球算力需求激增与地面数据中心面临的能耗、散热、传输瓶颈，正倒逼算力基础设施向太空迁移，一场将数据中心搬上太空的产业革命已从概念走向现实 [2][4] - 太空环境在近乎无限的太阳能、宇宙深空极致散热以及数据就近处理方面具有系统性优势，有望彻底重塑全球算力格局 [2][6][7] - 太空算力已成为全球科技竞争的战略制高点，中美欧正以不同路径竞逐，预计2030年前后实现成本盈亏平衡，并催生万亿级市场与全新产业生态 [15][20][21][22] 绝境突围——为什么必须“上天” - **地面算力面临三重天花板**：当前地面算力体系面临能耗、散热、数据传输三重天花板，而太空环境提供了系统性破局方案 [4] - **算力与能源危机倒逼**：全球AI算力需求每3.5个月翻一番，远超摩尔定律，预计到2027年全球算力需求将突破1万亿美元，而地面数据中心能耗占全球总电力1.5%，年增速12%，其中40%的电力用于散热，单园区算力规模难以突破100 PFlops [5] - **太空能源与散热优势**：太空太阳能强度为地面1.36倍，能量利用率高达99%，晨昏轨道发电效率是地面的5倍以上，宇宙深空-270℃是终极热沉，散热碳排放有望降低90% [6] - **数据传输范式革命**：传统“天数地算”模式下，低轨卫星每天采集2TB数据却只能下传200-500GB，导致90%的遥感数据因回传延迟被丢弃，响应延迟长达数小时，太空算力升级为“天数天算”，可在数据源头直接完成AI分析与决策，例如将森林火险响应时间从数小时压缩至几十秒 [7] - **构建天地一体网络**：未来将构建天地一体协同计算网络，部署超大规模“太空计算中心”，形成能与地面互补甚至部分替代的“天基主算”能力 [7] 太空筑基：跨越四重“地狱级”壁垒 - **核心挑战**：将数据中心送入太空面临强辐射、极端温差、真空散热与远程无人值守四道工程挑战 [9][10] - **算力模块**：核心是能在强辐射、极端温差下稳定运行5至15年的星载计算集群，国内航宇微玉龙810A提供72–200 TOPS算力，英伟达Space-1 Vera Rubin Module推理性能较H100提升25倍，可在轨运行大语言模型 [11] - **高效能源**：太空轨道光伏年发电量约为地面的5-12倍，主流方案为“太阳电池阵＋储能电池组”，三结砷化镓电池转换效率超30%，AI算力卫星功耗较传统通信卫星提升10倍以上，百平米级“太阳翼”将成为标配 [12] - **先进散热**：真空环境靠辐射散热，微重力下液冷对流失效，卫星每90分钟绕轨阴阳面温差超250℃，行业已形成流体回路主动冷却、结构化导热、大面积辐射板三重混合架构，解决了高功耗AI芯片在微重力下的散热难题 [13] - **高速通信**：分布式算力星座依赖星间激光通信，主流单链路速率达100-400Gbps，SpaceX与谷歌聚合带宽突破3.2Tbps，国星宇航实现100Gbps在轨应用，700公里轨道往返延迟仅数毫秒，催生了“太空训练预处理、地面推理响应”的天地协同新范式 [14] 全球竞逐：中美欧三方角力 - **美国：商业巨头领跑，全链条商业化** - SpaceX：计划2026年上半年用星舰批量部署搭载AI算力的星链V3卫星，目标4-5年内实现每年100GW太空数据中心部署 [17] - 谷歌：启动“太阳捕手计划”，2027年初发射首批两颗搭载Trillium TPU的算力卫星，规划81颗完整星座，目标星间链路带宽达数十TB/s [17] - 英伟达 & StarCloud：2025年11月将H100 GPU送入太空验证，计划建设首个千兆瓦级太空数据中心提供在轨AI训练服务 [17] - 亚马逊：贝索斯计划投资500亿美元部署5000颗太阳能AI卫星，建设吉瓦级太空云计算中心 [17] - **中国：举国体制+商业活力双轮驱动** - 之江实验室：“三体计算星座”首发12颗计算卫星已入轨，搭载80亿参数天基多模型，2030年计划扩至1000颗，总算力达1000 POPS [18] - 国星宇航：“星算计划”2026年将发射02组星座，其中天秤-10卫星单星算力将突破10 POPS，2030年前实现2800颗算力卫星组网，总算力达1000 POPS [18] - 中科院计算所：研制极光 POPS 级星载智能计算载荷，发布“天算计划”，2030年目标建成40万 POPS 级太空超算 [18] - 武汉大学、中科星图、中科曙光、星测未来等机构也在推进智能遥感星座、天地一体化架构及算力载荷的在轨验证 [18] - **欧洲：多国协同研发，瞄准远期主权** - 欧空局ASCEND项目由17个成员国协同研发，计划2031年部署概念验证设施，2036年建成首个太空数据中心，2050年目标实现1GW在轨算力 [19] 未来已来——2030，万亿蓝海的起点 - **成本下探，2030年实现盈亏平衡**：星链单颗卫星制造成本约50万到100万美元，SpaceX猎鹰9号发射成本已降至1500美元/公斤以下，星舰目标压降至200美元/公斤以下，业界预测2030年前后太空算力成本将与地面数据中心实现盈亏平衡 [21] - **万亿市场，撬动全新产业生态**：根据ResearchAndMarkets数据，到2035年在轨数据中心市场规模将达390亿美元，复合年增长率高达67.4%，民生证券测算卫星互联网长期算力调度市场空间可达1260亿元，将延展至轨道制造、太空能源、小行星采矿等领域 [22] - **四步演进，2050年融入全球智能基建** - 2025—2027年（技术突破期）：关键技术在轨验证，主攻遥感、灾害监测、国防情报等刚需场景 [23] - 2028—2030年（技术成熟期）：突破在轨组装与降本，千星级算力星座成型，海洋监测、气象预报规模化应用 [23] - 2031—2035年（规模化部署期）：发射成本突破临界点，大型太空数据中心落地，拓展AI训练、全球低时延通信 [23] - 2036—2050年（深度商业化期）：太空算力融入全球智能基础设施，覆盖地面盲区，太空原生应用生态爆发 [23] - **关键窗口期**：2026至2030年将是决定“苍穹革命”格局的关键窗口期 [24]

行业投资评级 - 超配（维持）[1] 报告核心观点 - AI算力需求呈指数级爆发，推动集群功耗上扬，散热需求从芯片向互连系统延伸，连接器散热成为散热方案中的关键环节，正从被动散热走向主动管理，建议关注AI集群互连中的连接器散热市场投资机遇[4][62][63] 1、算力升维，散热边界外延 1.1 功耗激增：AI集群散热需求增长 - **大模型加速迭代**：2025年下半年以来，全球大模型厂商密集更新，平均迭代周期维持在3～4个月，例如OpenAI在8月推出GPT-5，11月发布GPT-5.1[11] - **AI迈向L3智能体时代**：预计2025-2030年全球AI智能体市场规模将从78.4亿美元增至526.2亿美元，复合年增长率高达46.3%，其中亚太地区增速最快，预计达48.5%[14][16] - **企业级Agent应用前景广阔**：根据Gartner测算，到2028年，约33%的企业软件将内置AI智能体功能，约15%的日常业务决策可由AI自动完成[16] - **全球算力规模高速增长**：2023年全球计算设备算力总规模达1397 EFlops，同比增长54%，其中智能算力规模为875 EFLOPS，占比62.6%，预计未来五年全球算力规模仍将以超过50%的速度增长，至2030年将超过16 ZFlops，智能算力占比将超过90%[17] - **AI芯片功耗持续突破**：以英伟达产品为例，芯片功率从H100的700W TDP，到B200的1000W，再到GB200的1200W，预计2026年下半年登场的Vera Rubin平台GPU TDP将飙升至2300W，VR200 NVL44 CPX将高达3700W[4][19][20] - **数据中心单机柜功率密度增长**：国内8kW及以上功率密度的机柜占比从2021年的11%提升至2022年的25%，主流IT机柜功率密度预计将从目前的6-8kW/柜提升至12-15kW/柜，超算和智算中心预计将超过30kW，根据赛迪顾问预测，到2025年全球数据中心单机柜平均功率将达到25kW，单机柜20kW以上通常需要采用液冷散热[20][21] 1.2 数据中心PUE相关要求趋严 - **PUE定义与现状**：PUE是数据中心总能耗与IT设备能耗的比值，2021年全国数据中心平均PUE为1.49，华北、华东地区接近1.40，华中、华南地区接近1.60[22][23] - **国家政策目标**：要求到2025年，全国新建大型、超大型数据中心平均电能利用效率降到1.3以下，国家枢纽节点及寒冷地区进一步降到1.25以下，绿色低碳等级达到4A级以上，2023年3月政策明确鼓励数据中心部署液冷系统[23][27] - **地方政策更严**：例如宁夏要求新建大型、超大型数据中心PUE值不高于1.2，上海要求到2025年新建智算中心PUE值达到1.25以下，存量改造智算中心PUE值达到1.4以下，且液冷机柜数量占比超过50%[24][27] 2、连接器散热成为散热方案中的关键环节 2.1 散热边界拓展：从芯片到互连 - **互连系统成为新热源**：随着AI算力中心架构演进，高速连接器、光模块、互连线缆等互连系统的发热量占比正从边缘迅速扩展至核心地位[4][29] - **光模块功耗激增**：传输速率从100G提升到800G时，单个光模块功耗从2.5W提升到30W，在叶脊架构下，光模块需求成倍增长，全部加载情况下光模块消耗可达整机消耗的40%以上[31] - **SerDes功耗占比跃升**：因单通道速率提升，SerDes在交换芯片中的功耗占比从2014年的15%跃升至2022年的40%[34] - **高密度集成带来散热挑战**：光模块等互连模块被直接焊接或卡载在主板上，热量直接传导至CPU/GPU散热器底座，形成“算力与互连总成”的热源，高密度堆叠导致热阻增加，铜缆的趋肤效应进一步加剧发热，可能形成高温热斑引发系统风险[38] 2.2 互连散热：连接器正从被动散热走向主动管理 - **连接器热源主要来自三方面**：焦耳热（大电流、高速信号）、接触电阻热（接触界面特性）、临近热源传导（芯片/DSP功耗激增）[39][44] - **散热技术路线分为两大类**： - **被动散热**：通过结构优化与材料升级降低产热、优化导热路径，例如采用铜合金、银镀层等高导电率材料，或PT-610、PEI、PPS、PEEK等耐高温绝缘材料[44] - **主动散热**：引入外部冷却介质，包括接触式冷板（如泰科的散热桥技术，热传导能力较传统散热垫提高2倍；莫仕的浮动静置式冷板方案）和集成式液冷（冷却液直接流经连接器/端子内部）[45][47] - **连接器散热三大核心应用场景**： - **高速I/O连接器**：配套光模块的笼子连接器散热，解决1.6T光模块功耗突破20W及内部DSP散热需求，散热方案从模块自带散热片转向连接器侧主动液冷[48] - **电源连接器**：解决GPU供电、机柜电源输入输出等场景下载流能力需达200A-500A、焦耳热呈平方级增长、接触电阻热可能引发热失控等难题[48] - **高速背板连接器**：解决112G/224G高速信号传输产生的焦耳热、多通道密集排布的热耦合、背板气流受限等挑战，行业方案包括泰科的液冷母线解决方案（单个机架内提供高达750千瓦功率）和中航光电的GF3D系列高速背板连接器（传输速率25Gbps，可扩展至112G/224G）[49][50] 3、重点公司 - **英维克（002837）**：国内温控系统龙头企业，覆盖数据中心、储能等多场景温控需求，在液冷技术领域具备全链条平台优势，其Coolinside全链条液冷解决方案（包括CPU液冷冷板、UQD快速接头等）通过英特尔验证，UQD产品被列入英伟达MGX生态系统合作伙伴，2025年前三季度实现营业收入40.26亿元，同比增长40.19%，归母净利润3.99亿元，同比增长13.13%[53][54][55][64] - **瑞可达（688800）**：国内知名连接器生产制造商，产品应用于数据通信、AI与数据中心等领域，为AI系统提供包括传输高速数据400G/800G/1.6T的I/O有源及无源铜缆、电源传输、PCIE协议及冷却连接等完整解决方案，2025年前三季度实现营收23.21亿元，同比增长46.04%，归母净利润2.33亿元，同比增长119.89%，预计2025年年度归母净利润同比增加64.20%到81.43%[56][57][58][64] - **中航光电（002179）**：为航空防务和高端制造提供互连解决方案的高科技企业，产品广泛应用于通信网络、数据中心等领域，自主研发各类连接产品500多个系列，截至2025年底累计获得授权专利6300余项，其GF3D系列高速背板连接器适用于高速率场景，2025年前三季度实现营业收入158.38亿元，同比增长12.36%，据业绩快报披露，2025年全年实现营业收入213.01亿元[49][59][60][61][64] 4、投资策略 - 全球算力需求高速增长，推动AI算力密度持续攀升，散热从芯片到互连实现边界拓展，连接器散热成为关键环节并从被动走向主动管理，建议关注AI集群互连中的连接器散热市场投资机遇，重点关注英维克、瑞可达、中航光电等公司[62][63][64]

马斯克的商业版图与综合实力 - 马斯克旗下AI公司xAI与SpaceX合并，新公司估值达1.25万亿美元，其个人财富因此超过8000亿美元，成为历史首位[3] - 马斯克持有12%的特斯拉股份及数十亿股票期权，综合财富已接近“万亿富翁”门槛[3] - 其商业帝国涵盖特斯拉、星链、xAI、脑机接口和Optimus机器人，每一项都是关乎国家命脉的重资产领域[5] 特斯拉与中国市场的深度绑定 - 特斯拉上海超级工厂2024年交付量达91.6万辆，占其全球总交付量的一半[7] - 该工厂除了是生产交付中枢，还是关键的数据收集中心，特斯拉在中国收集的自动驾驶数据已超过30亿公里，且每日新增约120万公里[7] - 上海工厂的工人产能效率已是美国本土工厂的数倍，而工资仅为美国的七分之一，形成了“效率反向绑定”[16] 星链（Starlink）的战略影响与潜在风险 - 星链已部署上万颗卫星，计划总数达4.2万颗，大量占用全球各国竞相争夺的低轨道资源[9] - 其卫星具备变轨能力，存在军事化应用潜力，可用于干扰、封锁甚至攻击其他航天器，中国空间站曾因此两次紧急避让[9] - 星链提供不受国家管控的全球联网通信能力，已在缅甸反诈行动中查获30多套终端设备，对国家安全构成潜在挑战[9] 人工智能（xAI）的生态整合野心 - xAI虽处亏损，但资本持续投入，因其与特斯拉共享数据池与算法底座，目标是将AI整合进汽车与机器人[11] - 其终极目标是构建一个融合星链网络、汽车、机器人的闭环智能生态系统，实现“上游垄断+终端全面控制”[11] - 这种模式可能定义关键生态的标准与底座，使其他企业只能在有限空间内寻找发展缝隙[11] 对中国产业链与科技发展的“鲶鱼效应” - 特斯拉进入中国，以“上海速度”（从签约到投产不足一年）拉动了中国纯电动汽车整个产业链的发展，带动了从电池（如宁德时代）到整车（如比亚迪）及零部件供应商的快速成长[13] - 中国供应链展现的韧性，成为特斯拉难以轻易脱钩的关键[15] - 在航天领域，中国通过“国网星座”、“千帆星座”等计划以及放开商业航天牌照，对标星链模式发展本国低轨卫星网络[16] 中国在相关领域的现状与挑战 - 在AI算力方面，有报告指出华为昇腾芯片的算力约为英伟达H100的七分之一，在核心算力上存在差距[18] - 中国在AI应用侧拥有生态和真实场景优势，可支撑算法优化，且工程师密集型产业在AI训练成本高企时可能形成反超优势[18] - 面临的挑战在于马斯克实现了跨汽车、太空、AI、通信等领域的全链条整合，这种跨界能力是单个龙头企业难以匹敌的，中国需要构建整体生态而非依赖单个“赛道冠军”[18] 竞争本质的演变与未来方向 - 未来的全球竞争关键将在于谁定义了技术标准、垄断了通信通道、掌握了算法闭环并拥有“全脑操控权”，而不仅是GDP或传统制造业的比拼[20] - 中国需要在算力自主、数据主权、全球低轨星座覆盖、技术标准制定等多个领域同时取得突破[22] - 面对马斯克所代表的、能打破传统秩序并重组全球标准的“科技统治力量”，中国需要系统性创新与生态构建[22]

行业宏观背景 - 全球科技巨头微软、谷歌、亚马逊披露巨额AI资本支出计划，但市场对投资回报率存在“时差”焦虑，导致其市值集体下挫，三巨头市值蒸发近9000亿美元[1] - 上游供给紧张，AI加速器对高带宽内存的虹吸效应引发存储“超级周期”，自2025年第二季度起，全球存储芯片价格出现罕见的非线性暴涨，DRAM与NAND价格在极端时刻以“小时”为单位跳变[1] - 资本市场态度转变，从仅凭资本支出就能引发狂热，进入要求支出在合理时间内转化为营收增长的新阶段[1] 联想集团业绩表现 - 2025/26财年第三财季营收创纪录，达到222亿美元，同比增长18%[1] - 第三财季经调整后的净利润增速达到36%，是营收增速的两倍[1] - 公司业绩在供应链失序、科技巨头下挫的背景下，呈现出稳态和超预期的“异类”表现[1][2] 穿越周期的交付韧性 - 在历次行业供给冲击中，包括CPU长期紧缺、疫情期间物流中断与零部件短缺、2025年存储涨价潮，公司均展现出极强的交付韧性，未出现经营断档[2] - 2018年第二季度，在英特尔14nm产能危机导致行业“有单无货”时，公司PC出货量达1360.1万台，同比增长10.5%，并重夺全球PC第一[2] - 疫情期间，依托全球30多家制造基地和“全球资源、本地交付”模式，实现营收跨越式增长，2020-2022年连续三年跨越500亿、600亿、700亿美元大关[3] - 面对AI浪潮导致全行业15%至20%的成本上涨压力，公司通过卓越运营将外部失序转化为内部稳态[3] 市场份额与业务表现 - 第三财季PC出货量同比增长15%，连续第10个季度跑赢市场[3] - 第三财季全球PC市场份额提升至25.3%，刷新IDC统计以来的历史纪录，与第二名惠普的差距扩大至5.2个百分点，且领先优势已连续维持8个季度[3] - 商用PC出货量同比增速超15%[8] - 智能设备业务集团运营利润率维持在7.3%的高位，同比增长超15%，测算领先竞争对手约3个百分点[6] 全球供应链与运营策略 - 公司在180个市场运营全球业务长达20年，业务均衡发展，形成端到端“全球资源、本地交付”的运营策略[4] - 通过多区域、多中心的体系化配置整合资源，以“ODM+”模式对冲局部断供，维持经营和交付的连续性[4] - 被Gartner连续多年列入“全球供应链领导者”，亚太区排名第一，全球排名第八[4] - 凭借全球第一的PC市占率获得供应链“确定性溢价”，在紧缺期供应商更倾向于将配额向头号客户倾斜[5][6] - 通过覆盖终端、基础设施与服务的混合式AI布局，在PC、手机、服务器等多条业务线形成合并采购规模，整体需求不逊于任何单一云客户[6] 成本与风险管理 - 通过前瞻性的资产负债表管理，提前与核心供应商签署年度框架协议，锁定供应量与成本区间，将价格波动摊入更长合约周期[7][8] - 摩根士丹利指出，公司已提前将核心内存库存储备于资产负债表之上，这种“已在表内”的确定性比口头承诺更有防御力[7] - 客户结构中企业与政府客户占绝对大头，有能力将成本压力通过高价值的企业级市场进行消化和转嫁，而非在价格敏感的消费市场进行“存量博弈”[8] - 在投行评估中，公司被认为是“抵御存储成本上涨风险的最佳公司”[8] 财务纪律与稳健性 - 在组件成本上升、需求前拉的情况下，公司端到端库存周转周与去年同期持平，现金转换周期也长期稳定，避免“追涨备货—拐点减值”的路径[10] - 第三财季经营活动现金流为9.52亿美元，自由现金流升至4.51亿美元，期末现金余额53亿美元，经调整净财务成本同比减少，未将短期波动演化为资金链压力[10] 业务结构与AI战略 - 基础设施方案业务通过“全栈式AI”布局，拥有跨品类的“资源再平衡”权力，可锁定整个AI生态链的优先级，绕过“配额陷阱”[11] - 方案服务业务连续维持20%以上的高运营利润率，且拥有极高的递延收益，成为公司的“利润压舱石”，可依靠服务收入对冲以维持健康毛利水位[11] - 公司处在“入口+基础设施+服务”的交汇点，能用AI PC、AI手机等终端承接本地推理需求，用AI服务器与边缘基础设施承接企业侧算力部署，并通过服务体系将交付延伸为持续运维与订阅[12]

公司近期发展与融资情况 - 算苗科技在四个月内连续完成两轮累计规模近10亿元人民币的融资 [2][3] - Pre-A轮融资由源码资本、石溪资本联合领投，联想创投等多家半导体核心产业方跟投 [3] - Pre-A1轮融资由襄禾资本领投，并获国开金融、北京顺禧等国资背景资本加持 [3] - 募集资金将用于100%国产化3D算力芯片的研发和量产 [3] 公司技术与产品核心 - 公司长期专注于3D算力芯片研发，核心产品是AI大模型推理3D定制化芯片 [4] - 公司旨在通过计算机体系结构创新和3D IC供应链解决AI大模型计算的“内存墙”制约 [4] - 现有AI芯片在推理时，高达70%的计算单元因等待数据搬运而空转，过去20年计算能力增长60000倍，内存带宽仅增长100倍 [4] - 公司研发的3D DRAM带宽可达到32 TB/s，相当于英伟达B200的4倍 [4] - 公司芯片A4的仿真数据显示，在Llama和Mixtral等主流开源大模型上，其推理吞吐量（tokens/s）能达到英伟达H200的1.26倍到2.19倍 [5] - 公司采用12nm工艺的3D架构芯片，通过将内存芯片堆叠在计算核心上并修建垂直通道，实现16-32 TB/s的带宽，以专用芯片设计换取极致推理性能 [12][13] 市场定位与战略选择 - 公司战略聚焦于AI大模型推理芯片，而非训练芯片 [15] - 从市场角度看，未来90%的AI算力需求将发生在推理侧，大模型推理算力需求将远大于训练算力 [15] - 大模型训练终将收敛，推理的成本（TCO）将成为唯一考量，这是ASIC芯片擅长的战场 [15] - 公司认为大模型推理在全球是个千亿美金的算力市场，在中国则是数千亿人民币的市场，且快速增长 [19] - 公司不做GPU，专注于3D芯片的研发、量产和全球销售，并已在该领域投资十多亿人民币 [20] - 公司相信3D芯片代表计算的未来，ASIC是解决大模型推理计算的正确路径，GPU只是过渡 [20] 创始人背景与团队构成 - 创始人汪福全曾是中科院声学所国家重点实验室博士、研究员，师从张仁和院士，后进入中科院计算所从事博士后工作，合作导师为“龙芯”首席科学家胡伟武 [5] - 公司核心科学家大多毕业于中科院计算所、声学所、自动化所以及清华等高校，团队包括半导体行业创业老兵和微软亚洲研究院的前沿AI研究员 [5] - 创始人于2009年创办中科声龙，围绕龙芯进行产业化探索，后于2018年关停相关业务，带领团队进入加密算力芯片领域 [6] - 在加密算力领域，团队选择挑战以太坊算力芯片，并于2021年第四季度推出JASMINER X4芯片，用40nm工艺实现了比英伟达7nm旗舰显卡高出20倍的加密算力功耗比，在以太坊转向POS前一年带来8亿元收入 [8] 技术发展路径与竞争优势 - 公司技术起源于攻克以太坊“抗ASIC”共识算法（ethash）带来的内存带宽瓶颈，最终在2019年底锁定3D堆叠架构 [7][8] - AI大模型计算与以太坊挖矿有相似的内存瓶颈，团队已验证3D堆叠是解决此类问题的最佳现实方案 [8] - 公司认为其生存发展的关键是“AI大模型时代，计算范式跃迁带来的新机遇” [8] - 英伟达因需维护CUDA生态和通用GPU架构的兼容性，其硬件创新受制约，而创业公司可基于第一性原理进行ASIC定制化设计，这是公司的机会 [14] - 创始人认为，在需要极致效率、具象思维的ASIC专用芯片领域，中国工程师擅长“在螺蛳壳里做道场”的精耕细作，加密算力芯片的历史已证明中国公司能称雄，AI推理战场历史会重演 [17] - 公司携手供应链伙伴，开创了中国3D堆叠芯片领域，并已在全球范围内初步形成显著优势 [20] 公司理念与行业展望 - 公司很少提“国产替代”，因其目标是成为具有国际竞争力的芯片公司，为全球AI大模型计算贡献中国优势的全新解决方案 [9] - 创始人的底气来自团队在3D IC领域多年的研发经验，以及在加密算力市场大规模商业化的成功实践 [9] - 创始人认为中国芯片产业的前途在于市场化力量，中国技术的市场化力量被严重低估 [22] - 公司在加密算力全球市场的极限生存训练，历练了团队并与国内3D IC核心供应链伙伴共同发展 [24] - AI算力在未来将像水电气一样成为新时代的基础设施，AI时代核心竞争力在于算力，算力的未来在于架构创新 [28] - 公司坚信3D堆叠架构和ASIC极致优化的设计理念，在未来5-10年内是AI大模型算力的最优解 [28]

文章核心观点 - 全球AI竞争的最新焦点已转向太空算力，中美两国在该领域正展开你追我赶的竞赛[1][3][4] - 中国公司国星宇航在太空算力领域展现出先发优势，其技术方案（如通用大模型在轨部署与更新）比美国公司Starcloud的当前验证更为前沿[3][8][9] - 太空算力因其在降低土地与能源成本、提供低延迟实时服务、推动AI普惠等方面的巨大潜力，成为中美押注的战略方向[13][14][17] - 太空算力面临硬件迭代、软件适配、太空环境（散热、辐射）等系统性技术挑战，中国玩家已率先突破并占据优势[19][21][22] 太空算力竞赛的中美格局 - **美国动态**：英伟达投资的Starcloud公司近期利用已发射至太空的英伟达H100芯片，成功运行开源模型，完成了太空算力技术验证[1][4] - **中国动态**：国星宇航发布了全球首个服务硅基智能体的太空算力网，计划发射2800颗卫星服务数亿硅基智能体[2] - **技术对比**：Starcloud是将地面部署好的模型随算力送上太空运行，而国星宇航已实现“隔空”在轨部署通用大模型，并能根据需求在线更新，技术更为先进[8][9][10] 国星宇航的太空算力计划 - **卫星部署规模**：计划发射2800颗卫星，其中2400颗提供推理算力（总算力达十万P级），400颗用于训练（算力达百万P级）[4] - **时间规划**：全部卫星部署完毕预计需近10年，已于2024年5月成功发射01组太空计算中心，02组和03组已投产，计划今年实现轨道部署，2030年前实现千星规模组网和商用，2035年前完成全部组网[4] - **技术里程碑**：在2024年9月25日至10月5日完成了全球首次卫星在轨运行AI模型技术验证[11]，并于2025年11月协助完成千问大模型Qwen3的实时在轨部署与多项在轨推理任务[4][5][6] 发展太空算力的核心动因 - **降低成本与能耗**：节省宝贵的土地资源，并利用太空太阳能持续供能，更为节能；对比数据显示，到2026年全球数据中心总用电量预计达1万亿度，相当于1.2亿人全年用电量[13] - **提供实时低延迟服务**：服务于Robotaxi、无人机等硅基智能体，满足时效性要求极高的任务；例如可为渔业提供实时鱼群动向信息[14][16] - **推动AI普惠**：覆盖全球的太空算力网络可为偏远地区提供AI基础设施，与开源大模型共同推动AI技术普及[17] 太空算力面临的技术挑战 - **硬件迭代矛盾**：AI芯片性能迭代快（摩尔定律），与太空基建建设周期长存在矛盾，需建立硬件在轨更替机制或通过软件延长硬件生命周期[19][20] - **软件与操作系统适配**：需开发适配太空环境、同时又能兼容地面主流开发架构的操作系统[21] - **太空环境特殊性**：面临散热挑战（太空无空气，热量只能通过辐射传递）和高能粒子轰击导致硬件损坏与计算精度干扰等问题，需创新热管理与安全冗余技术[21][22]

核心观点 - AI推理芯片正成为汽车智能化，特别是自动驾驶领域的关键决胜因素，市场需求已超越训练芯片并持续增长 [2][3][4] 市场趋势与需求转变 - AI芯片市场增长点正从模型训练转向推理，IDC数据显示推理芯片需求已反超训练芯片，成为数据中心算力和智能驾驶应用的新主力 [4] - 行业预言，随着自动驾驶等汽车智能化需求的快速增长，2026年推理芯片占比还将进一步大幅增加 [3] - OpenAI与Cerebras签署协议，计划在2026至2028年间将750MW规模的Cerebras芯片集成到其AI推理计算资源库中，这一部署专门为AI推理服务 [2] 推理芯片的技术与成本优势 - 相比训练芯片，推理芯片可直接应用于自动驾驶等终端设备，没有高功耗、高成本、依赖云端数据中心的短板 [5] - 训练芯片满载运行时功耗高，产生高昂电费成本，且研发生产成本极高，价格动辄数万甚至数十万元 [5] - 新一代推理芯片采用7nm甚至更先进的制程工艺，在保证高性能运算的同时大幅降低能耗 [8] - 推理芯片针对自动驾驶核心任务进行定制化神经网络加速器设计，实现算力与场景的精准匹配，提高处理效率和准确性 [9] 在自动驾驶中的关键作用 - 自动驾驶汽车已成为高度集成的智能移动终端，需要推理芯片提供强大的实时算力支持，以对环境做出迅速准确的判断 [6] - 一辆L4级别自动驾驶汽车正常行驶时，每秒产生的数据量可达数GB，这些海量数据需在极短时间内被处理分析 [6] - 推理芯片具备强大的边缘计算能力，能在车内直接完成数据处理，无需依赖云端传输，确保毫秒级的实时响应 [7] - 推理芯片通过内置神经网络算法，能准确识别行人位置、动作和行进方向，结合雷达数据计算距离和速度，迅速向控制系统发出指令 [7] 车规级应用面临的挑战 - 车规级认证是推理芯片进入汽车市场的第一道门槛，其可靠性和稳定性要求比消费级芯片高出数倍 [10] - 芯片需要通过一系列严苛环境测试，例如在150℃高温环境下持续存储数千小时，以确保全生命周期内稳定运行 [10] - 算法适配是关键挑战，推理芯片需与不同车企各具特色的自动驾驶算法深度融合，要求芯片厂商与车企、Tier1供应商紧密合作构建闭环生态 [11] - 成本控制是推动推理芯片从高端车型向量产车型普及的关键，需在保证性能和质量的前提下优化设计和生产工艺以控制成本 [11] 未来前景与行业影响 - 推理芯片的崛起标志着AI及自动驾驶产业进入新阶段，解决了AI落地应用中的成本、延迟和隐私等核心痛点 [11] - 随着自动驾驶技术从L2向L5演进，对推理芯片的算力、能效和稳定性提出了更高要求 [12] - 未来，高性能、低成本的推理芯片将成为定义下一代智能汽车形态的关键因素 [12] - 车企将围绕推理芯片展开更激烈竞争，通过与芯片厂商深度合作打造更具竞争力的自动驾驶解决方案，推动产业向更高水平发展 [12]