行业与公司 * 涉及行业：人工智能（AI）与算力行业，特别是国产算力芯片、AI基础设施、AI大模型及应用领域 [1] * 涉及公司/实体：国内互联网云服务提供商（CSP）（如阿里（PPU）、字节（ADONE）、百度（昆仑芯））、芯片定制服务商、国产算力芯片公司（如升腾产业链相关公司）[1][6][7][9] 核心观点与论据 1. AI应用需求爆发，驱动算力消耗激增 * Token调用量呈指数级增长：2026年3月，中国日均Token调用量已突破140万亿次，相比2024年初的1,000亿次，增长超过1,000倍 [2] * 增长驱动因素： * Agent规模化落地：以OpenClaw为代表的工具，单次互动的Token消耗量是传统AI的10至100倍 [1][2] * 多模态场景爆发：视频生成、AI漫画等应用成为重要增长极，例如即梦AI 2.0模型上线后，曾引发短视频平台单周Token调用量增长超过300% [1][2] * 中国成为全球最活跃市场之一：截至2026年3月，中国模型周调用量达12.96万亿次，占全球36%，并已连续五周超越美国 [1][4] * 发展阶段对标海外：当前国产模型Token需求的大爆发状态，与2025年5月起谷歌等海外模型经历的Token爆发阶段相似 [4] 2. 大模型快速迭代，对算力提出更高要求 * 迭代周期显著缩短：国内头部大模型（如千问、DeepSeek）的迭代节奏已加快至每6-8周完成一次核心版本更新，快于2024-2025年的季度更新频率 [1][3] * 技术趋势推高算力需求： * 训练侧：支持100万Token上下文窗口的模型，其单次训练所需算力比2024年提升超过30倍 [1][3] * 推理侧：多模态应用对算力的高并发和低延迟性能提出更高标准，进一步推升推理侧算力需求 [3] 3. 外部制裁强化国产替代逻辑，国产算力迎来发展机遇 * 外部环境挑战：美国对华芯片出口禁令趋严，导致获取美国先进制程芯片的性能差距拉大，且供应量级变小（如H200芯片遵循严格的审批配额制）[5] * 核心趋势：外部环境为国产算力芯片公司创造了类似于2019年半导体设备行业的发展机遇，即在产业上升周期中，因外部制裁而进入国产替代的逻辑 [5] * 市场现状：国内算力市场呈现出供不应求的旺盛景气度 [5] 4. 国内CSP自研芯片进展提速，合作模式成熟 * 自研动力更强、进展更快：国内CSP厂商在供应链中话语权相对更强，且缺乏像英伟达那样具有强大垄断地位的第三方芯片厂商，竞争环境相对不激烈 [6] * 具体进展：百度的昆仑芯已较为领先，预计2026年阿里的PPU和字节的ADONE将在出货量上取得较大突破 [1][7] * 与芯片定制服务商的合作模式： * 专业分工：互联网大厂负责芯片定义（前端逻辑设计），定制服务商负责芯片实现（后端物理设计、量产、供应链管理）[8] * 核心价值：定制服务商在物理设计（时序收敛、功耗优化）、提供通用IP以缩短研发周期、凭借订单规模锁定先进制程产能和获取价格优势方面具有不可替代价值 [8] * 风险承担：定制服务商作为中间方，承担了大部分的制造风险和良率风险，一次流片成本高达数千万美元，互联网公司借此实现“花小钱办大事” [8] 5. 新兴技术方向与投资主线 * 超节点技术进入量产期：核心是通过极致的Scale-up，在单机柜内实现数十至数百张加速卡的紧密耦合互联，预计2026年将进入大规模量产交付阶段，其中Switch芯片等核心环节是关键增量 [1][9] * 升腾产业链景气度持续上修：其出货预期在2026年以来已多次上修，来自互联网CSP的规模化订单确定性高，且对2027年的供应链备货预期也有较大提升，放量的确定性与弹性兼备 [1][9] 其他重要内容 * 合规性考量：对于中国公司而言，与芯片定制服务商合作还存在更深层次的合规性考量 [8] * 定制服务商的核心竞争力：体现在拥有极高的流片成功率，从而实现其商业价值 [8]