行业与公司信息 * 纪要涉及的行业为数据中心液冷及热管理行业[1] 公司方面提及了维谛技术（在北美市场排名前三）[2] 以及国内的曙光数创、金梅克、歌华等品牌[4] 全球液冷市场概况 * 全球服务器液冷市场（包括冷板和浸没式业务）2024-2025年前三季度整体规模约为60亿至70亿美元[2] * 预计未来3至5年内液冷市场每年将保持20%至25%的增长率[1][2] * 区域分布：北美是最大市场占比约50%至55% 欧洲和亚太地区各占20%至25%[2] * 北美市场中维谛技术排名前三占据20%至25%的份额[2] * 2025年液冷系统在AI数据中心中的渗透率约为33%[20] 技术路径与选择阈值 * 冷板式和浸没式液冷技术的选择依据GPU芯片热设计功率（DDP）划分[8] * 1千瓦以内可用风冷热管理[8] 1-2千瓦推荐单向（相变）液冷热板[1][8] 超过2千瓦建议双向（相变）液冷热板[1][8] 未来Ultra系列若超2千瓦或需转向双向相变方案[8] * 国内AI集群中H100液冷机柜通常采用30%风冷、70%液冷热板方式（三七开比例）[7] 单芯片功耗未超过1,000瓦以单向液冷热板为主[1][7] * 液冷热介质发展从单向走向双向并引入微通道技术[3][12] 二次侧介质常用去离子水或含有25%至30%乙二醇/丙二醇的溶液需添加缓蚀剂[13] * 未来可能从水基制冷剂过渡到电子氟化液等新型制冷剂如R134A R515B等[15][16] 高功率数据中心设计关键 * 电系统采用N+N或3+3+1冗余供电模式例如使用6至8个PowerShell分组进行N+1冗余[6][7] * 热管理系统采用N+1冗余风冷系统部署N+1台空调液冷系统关键器件如循环水泵采用N+1冗余（小容量1+1 大容量2+1或3+1）[1][6][7] * 高功耗GPU机柜制冷系统不能间断否则几十秒内温度会升至自动关机水平[7] 应对挑战的策略 * 北美头部数据中心应对电力瓶颈采用新能源引入 电池储能系统（BESS） 分布式供电（如燃气轮机组 燃料电池）及联合研发分布式核能等措施但成本较高[5] * 国内厂商因芯片限制采购前一代以风冷为主的GPU芯片并通过东南亚数据中心部署先进技术以规避限制[1][5] * 为防止电化学腐蚀在制冷剂中添加缓蚀剂并在管路内增加检测和控制装置实时监控水质[13][14] 特定技术评述与发展趋势 * 浸没式液冷成本高（电子氟化液成本是合成油的三倍以上）维护难 占地面积大 短期内难以广泛推广[3][10][11] 一个100至150千瓦的浸没式系统需要约1,000升工质（每千瓦10升）而单向/双向循环系统每千瓦仅需2至4升[17] * 冷板液冷系统将进化从单向冷板发展到相变式冷板未来三到五年市场将快速过渡到更先进的相变式冷板系统[9] 当前GB200 GB300等产品采用单向冷板 NBL 576机型（Ruby Ultra）大概率采用双向冷板[9] * 两相液体循环规模化后供应链瓶颈可能出现在两相流动专用的CPU管路 密封件 快接头及专用泵等组件上[18] 产业链与交付模式 * 产业链分工包括零部件厂商 系统集成商 温控设备厂家及上游材料供应商等环节[20] 头部数据中心（如英伟达 Google Meta 微软）与温控厂联合设计液冷系统[20] * 高功耗平台有整机柜方案（一体化交付）和解耦方案[21] 一体化交付降低适配难度 提高议价权 简化集成 便于快速部署[23] 解耦交付提高灵活性 利于未来调整和扩容 促进市场竞争[21][23]

AI行业格局与资本流动 - AI基础设施竞赛驱动算力、资本与能源深度交织，形成产业迁徙[2] - 算力—资本—基础设施形成闭环，算力成为AI时代的货币[2] - OpenAI–Oracle–Nvidia形成3000亿美元三角交易，OpenAI五年内向甲骨文采购3000亿美元算力服务[4] - 英伟达向OpenAI投资最高1000亿美元，合作建设10吉瓦AI数据中心，耗电量相当于800万户美国家庭[5] - 1GW数据中心建设成本约100-150亿美元/年，5年总额500-750亿美元，10GW集群需数千亿美元[8] - 英伟达通过三角交易将约50%毛利转化为OpenAI股权，1GW集群350亿美元直接流向英伟达，毛利率达75%[8] 市场控制权与竞争态势 - 掌控数据、接口与切换成本的企业拥有AI市场话语权[2] - Cursor作为应用方掌握用户数据并可多模型切换，保有对Anthropic的议价空间[9] - 微软放弃独家算力供应后，OpenAI转向甲骨文，双方正就利润分配和知识产权重新谈判[9] - 英伟达通过需求担保、回购协议和算力前置分配巩固生态，实现GPU货币化[10] - Oracle、CoreWeave等提供"首年免付算力窗口"，允许客户先训练模型后偿还成本[10] Neo Clouds商业模式 - Neo Clouds承担算力租赁与模型托管，形成产业链新分层[10] - 短期合同模式：Blackwell芯片每小时成本2美元，短期租赁价达3.5-4美元，利润率高但资产贬值风险大[11] - 长期绑定模式：Nebius与微软签190亿美元合同，CoreWeave转向服务Google和OpenAI但面临信用风险[11] - Inference Providers为Roblox、Shopify等企业提供模型托管服务，客户多为资金有限初创企业，承担较高信用风险[12][13] - 产业链利润最终集中在英伟达，其通过GPU销售获得稳定收益且几乎不受市场波动影响[13] 技术发展路径 - Scaling Law未出现边际效益递减，模型性能随算力投入持续提升[3][16] - 模型智能提升呈质变式跨越，下一阶段能力需投入10倍算力但经济回报可支撑[16] - 真正进步来自算法架构优化和推理时间延长，而非单纯扩大模型规模[3][18] - 需在inference latency与capacity间权衡，GPU降低延迟会急剧推升成本[17] - 过参数化陷阱：模型规模扩大而数据量未同步增长时，模型仅记忆而非理解内容[18] 硬件创新趋势 - 硬件创新重心在芯片互联、光电与电力设备等传统工业环节[3][24] - 英伟达Blackwell架构NVL72模块实现芯片间1.8TB/秒高速通信[25][26] - 光学互连为关键前沿，电光信号转换效率决定数据中心性能上限[25] - 固态变压器等传统电力设备创新提升能源利用效率，成为新利润源头[24] - 半导体制造复杂度达"太空时代级别"，但软件体系滞后，数据共享文化缺失阻碍效率[24][26] AI工厂与经济模型 - AI工厂以token为产品单元，竞争关键是以最低token成本提供可规模化智能服务[3][28][30] - GPT-3级别推理成本比两年前下降约2000倍，但算力仍是稀缺资源[30] - OpenAI在GPT-5阶段保持与GPT-4相近规模，优先提升推理效率而非盲目扩大模型[30] - 未来可能出现AI执行抽成模式，平台从AI执行环节收取0.1%-1%费用[21] - Etsy超10%流量直接来自GPT，亚马逊若未屏蔽GPT则该比例可能更高[21] 人才与能源挑战 - 能高效使用GPU的人才比GPU更稀缺，研究者提升5%算力利用率可抵消数亿美元设备投资[31] - 美国数据中心用电占全国总电力3%-4%，其中约一半来自AI数据中心[31] - 美国2025年电力消耗预计41650亿千瓦时，AI数据中心将消耗624-833亿千瓦时[32] - OpenAI建设2吉瓦数据中心相当于费城全市耗电量，500兆瓦项目需约250亿美元资本支出[35] - 美国电网规定供电紧张时可要求大型企业削减50%用电量，迫使AI企业启用自备发电机[37] 软件行业变革 - AI降低软件开发成本，使SaaS行业"租比买划算"逻辑逐渐失效[38][39] - 中国软件工程师薪资为美国五分之一但能力可能更强一倍，导致本地化开发成本低于SaaS订阅[39] - AI抬高软件公司COGS，任何集成AI功能的服务成本显著上升[39] - Google凭借自研TPU和垂直一体化基础设施，在token边际服务成本上具显著优势[40] - 内容生成成本持续下降，YouTube等超级平台可能成为最大赢家[40] 主要玩家评估 - Anthropic收入增长快于OpenAI，因其专注2万亿美元软件市场，执行更稳健聚焦[41] - xAI建设可部署30-50万颗Blackwell GPU的Colossus 2数据中心，但商业化模式未突破[41] - Meta拥有硬件、模型能力、算力供应和推荐算法完整体系，具人机交互革命潜力[42] - Google从两年前悲观转向积极，对外销售TPU并推进AI商业化，在企业级应用具潜力[43] - AMD长期抗衡英特尔和英伟达，扮演友善挑战者角色[41]

中兴通讯与国产算力行业分析 涉及的行业与公司 - 行业：国产算力、AI 算力基建、半导体、GPU 与交换芯片、数据中心[2][10][18] - 公司：中兴通讯（含子公司中芯微）、寒武纪、昆仑芯、沐曦、盛科、华为、英伟达[2][9][13][15][19] 核心观点与论据 **1 国产算力需求回升与商业闭环形成** - 2025 年 5 月起海外推理与应用端需求回升，ASIC 推理芯片、甲骨文算力租赁及 Google TOKEN 量增加表明商业闭环形成[2] - Deepsec 会议释放垂直行业推理与训练需求，降低算力使用门槛[3] - 国内寒武纪、昆仑芯、沐曦在 GPU 领域取得进展，DS 计划在下一代产品中使用国产芯片[9] **2 中兴通讯技术布局与业务转型** - 具备 AI 集群计算到网络全栈能力，覆盖芯片到整机，涉及液冷技术，实现传统连接业务向算力业务转型[3][10] - 研发投入 2024 年达 240 亿元，占总收入 20%[3][11] - 子公司中芯微实现 130 种芯片商用，发货量 2 亿颗，以太网交换芯片达 51.2T 级别，定海 DPU 引入头部互联网厂商[13][16] **3 国产算力盈利能力与估值优势** - 交换机等细分领域业绩显现，估值优于新易盛、旭创等公司，PB 角度更具优势[2][5] - 中兴通讯 2025 年 PE 约 25 倍，2026 年 5G 投资恢复及算力侧资本开支增加有望改善业绩[6][24] **4 政策与事件影响** - 美国对半导体加征 100% 关税（短期利空），长期推动国内芯片技术进步[7] - Deepsec 发布 V3.1 版本模型，提出针对国产芯片设计的新精度标准[8] - 韩 5G 发布 40 亿竞争方案，寒武纪股票起飞[8] **5 技术突破与市场机会** - 中芯国际可生产 100 多种 7 纳米工艺芯片，导入 5 纳米技术[13] - Scale-up 架构（如英伟达 GB200、华为 CM384）为国产 GPU 放量提供新市场机会，需交换芯片厂商支持互联部署[18][20][21] - 华为和英伟达拥有全站能力（GPU/NPU/NV Switch），国产 GPU 需借助寒武纪、中兴等厂商解决集群网络问题[19][20][21] 其他重要内容 - 中兴通讯业务分为运营商（2024 年下降 15%）、政企（2025 年一季度 AI 服务器同比倍增）、消费者（AI 手机与努比亚合作增长）三大板块[12] - 中芯微 2021 年收入 97.3 亿元，利润超 8 亿元，年化营收近百亿[22] - IDC 报告指出中兴通讯全栈开放能力亮眼，覆盖珠峰计算、定海 DPU、高速互联等关键组件[17]