国产算力：AI 时代的自主可控算力底座

定义：国产算力是由中国本土芯片、服务器、网络互联、液冷、电源、调度软件和智算中心共同构成的 AI 计算基础设施，核心目标是在高端 GPU 受限背景下支撑大模型训练、推理和行业智能化。

TL;DR · 一句话结论

国产算力是当前AI算力链条中热度高、产业映射清晰的方向。 核心看点不是单一概念，而是需求放量、国产替代、客户验证和资本开支共同驱动。 A 股映射应沿着上游材料设备、中游制造集成、下游订单兑现三条线索跟踪。 核心风险是技术路线变化、认证周期拉长、价格竞争和估值提前透支。

一、这是什么（底层科普）

• 定义：国产算力，指由中国企业自主研发、设计、制造、集成和运营的计算能力体系。狭义上，它是国产 CPU、GPU、NPU、DCU、AI ASIC 等芯片提供的计算能力；广义上，它还包括服务器、存储、网络、液冷、电源、操作系统、AI 框架、算力调度平台和智算中心。
• 通俗类比：如果大模型是一座“炼钢厂”，数据是铁矿石，算法是工艺流程，那么算力就是高炉、电力和运输系统。国产算力的核心，就是把这套高炉、电网、铁路尽量掌握在自己手里，而不是关键时刻被别人断电、断设备、断软件生态。
• 核心作用：它解决的是 AI 时代最底层的生产资料安全问题。没有稳定可控的算力，模型训练、推理部署、政务金融信创、工业智能化和科研计算都会受制于海外 GPU、先进制程、HBM、EDA、CUDA 生态和出口管制。
• 关键技术指标：
  • 峰值算力：FP16、BF16、FP8、INT8 等不同精度下每秒计算能力，训练更看 FP16/BF16/FP8，推理更看 INT8/FP4。
  • 显存/高带宽内存：决定单卡能承载多大模型、训练 batch 和推理上下文长度。
  • 互联带宽：决定多卡、多机、多集群能否高效协同，越大模型越依赖高速互联。
  • 软件生态：是否兼容主流框架、算子库、编译器、调度平台，决定“能不能好用”。
  • 能效比与稳定性：智算中心不是买几张卡就完事，长期运行成本取决于功耗、散热、故障率和利用率。

二、起源与发展历程

国产算力不是突然出现的题材，而是中国计算产业从“超级计算机攻关”到“云计算普及”，再到“AI 大模型驱动智能算力”的长期演进结果。

• 起步探索阶段：早期以高性能计算和科研攻关为主，2009 年“天河一号”使中国成为全球少数具备千万亿次超算能力的国家；2016 年“神威·太湖之光”采用自研申威处理器登顶全球超算榜，是自主架构的重要标志。
• 云化普及阶段：2010 年后移动互联网和云计算推动数据中心、通用服务器、云服务商快速发展，算力开始从科研设施变成商业基础设施。
• 国家统筹阶段：2020 年后，算力被纳入新型基础设施，“东数西算”工程推动 8 大国家算力枢纽和 10 个数据中心集群建设，目标是把东部需求和西部能源、土地资源连接起来。
• 智能引领阶段：2023 年后，大模型爆发使智能算力成为核心矛盾。2025 年中国智能算力规模预计达到 1037.3 EFLOPS，2028 年有望达到 2781.9 EFLOPS。国产算力从“可用替代”进入“能否规模化、生态化、商业化”的新阶段。

当前行业处在成长期偏早中段：需求爆发明确，但结构性问题突出，通用算力相对过剩，智能算力尤其是高质量、可调度、软件配套完善的算力仍然短缺。

三、行业本质 — 商业模式怎么赚钱

商业模式

国产算力不是单一生意，而是多层商业模式叠加：

• 芯片厂商：卖 AI 芯片、加速卡、CPU、DCU 或授权方案，典型企业包括华为昇腾、海光信息、寒武纪、百度昆仑芯、阿里平头哥、沐曦、壁仞、摩尔线程等。收入来自硬件销售和少量软件/服务配套，毛利率通常高，但研发投入极重。
• 服务器与整机厂商：把芯片、主板、内存、存储、网卡、电源、液冷系统集成为 AI 服务器或超节点，代表企业包括浪潮信息、中科曙光、工业富联、联想、拓维信息、华鲲振宇、神州数码等。收入规模大，毛利率低于芯片设计环节。
• 智算中心/云厂商：采购服务器建设算力资源池，再向政企、互联网、模型公司出租训练和推理算力，类似“卖电+卖机房+卖调度服务”。运营商、阿里云、华为云、腾讯云、百度智能云、第三方 IDC 是主要参与者。
• 配套零部件厂商：光模块、交换机、PCB、连接器、液冷、电源、封装基板、先进封装等环节受益于 AI 服务器升级，部分环节毛利率和弹性高于整机。

盈利模式

行业利润主要集中在三类环节：

1. 技术壁垒最高的芯片与软件生态：英伟达毛利率长期高位，国产芯片厂商如海光、寒武纪毛利率也处在较高水平，但研发投入、流片成本和客户适配成本很高。
2. 供需紧张的关键配套：高速光模块、先进封装、ABF 载板、液冷、电源、高速连接器等环节，在 AI 服务器功耗和互联带宽快速升级时，容易出现价值量提升。
3. 拥有客户和场景的算力运营平台：单纯机柜出租容易过剩，但能提供模型适配、算力调度、故障运维和行业解决方案的算力服务商，才有更强议价权。

现金流与资本密集度

国产算力是典型重资本、长周期行业。芯片设计需要高研发投入和高流片成本，先进制程单次流片动辄数千万美元；智算中心需要一次性投入服务器、网络、供电、液冷和机房，回收依赖上架率、利用率和客户稳定性。服务器整机账期相对较长，云厂商和运营商资本开支节奏会直接影响上游订单。

四、产业链全景

产业链总览

国产算力产业链可分为四层：

1. 底层工具与制造能力：EDA、IP、半导体设备、材料、晶圆制造、封装测试。
2. 核心芯片层：CPU、GPU、NPU、DCU、ASIC、FPGA、DPU、网卡、存储和接口芯片。
3. 系统基础设施层：AI 服务器、交换机、光模块、PCB、连接器、液冷、电源、IDC、智算中心。
4. 软件与应用层：操作系统、AI 框架、编译器、算子库、模型适配、算力调度、行业应用。

上游 — 工具、制造与核心元器件

EDA 与 IP

EDA 是芯片设计的“工业软件底座”。全球市场由 Synopsys、Cadence、Siemens EDA 三巨头主导，合计份额约 74%-75%。国产 EDA 在模拟、验证、器件建模等点工具上有突破，但整体国产化率仍偏低，先进制程全流程能力不足。华大九天、概伦电子、广立微、芯华章是主要玩家。

半导体设备与材料

国产设备在刻蚀、薄膜沉积、清洗、热处理等环节进展较快，北方华创、中微公司等进入关键产线；但光刻机、检测量测、高端涂胶显影、先进材料仍是短板。2025 年设备国产化率预计约 29%，高端光刻机等环节国产化率仍不足 5%。

晶圆制造

中芯国际是国产 AI 芯片制造的关键代工方。2025 年第三季度中芯国际月产能达到 102.28 万片 8 英寸等效晶圆，产能利用率约 95.8%。在先进制程方面，中芯国际承担昇腾、寒武纪、海光等部分国产 AI 芯片需求，但先进制程良率、成本、设备来源仍是约束。

先进封装与封装基板

AI 芯片越来越依赖 Chiplet、2.5D/3D 封装和高带宽内存集成。长电科技、通富微电、华天科技是国内封测三强。封装基板方面，兴森科技、深南电路在 ABF/FC-BGA 等高端基板上加速突破，是昇腾等高算力芯片的重要配套。

中游 — 芯片、服务器和智算基础设施

芯片设计

国产算力芯片形成多技术路线并行：

• CPU：海光 x86、鲲鹏 ARM、飞腾 ARM、龙芯 LoongArch、申威自主架构。
• AI 训练/推理芯片：华为昇腾、寒武纪思元、海光 DCU、百度昆仑芯、阿里平头哥、壁仞、沐曦、摩尔线程、天数智芯等。
• FPGA/边缘芯片：紫光国微、安路科技、复旦微电、瑞芯微等。

AI 服务器与整机

AI 服务器是芯片落地的主要载体。浪潮信息、中科曙光、工业富联、联想、新华三、拓维信息、华鲲振宇等构成整机与系统集成主体。服务器厂商的核心壁垒不只是组装，而是液冷、高速互联、集群稳定性、客户认证和供应链交付能力。

高速互联、液冷与电源

AI 集群从单卡竞争进入系统竞争。800G/1.6T 光模块、交换机、连接器、PCB、液冷和高效电源成为新增价值量最大的环节之一。中际旭创、新易盛、光迅科技、华工科技、沪电股份、深南电路、华丰科技、英维克、高澜股份、申菱环境、中恒电气等是代表企业。

下游 — 应用场景与终端需求

互联网与大模型公司

互联网仍是智能算力最大需求方，用于推荐、广告、搜索、内容生成、客服、编程、视频和大模型训练推理。此类客户对性能、生态和成本都敏感，也是国产芯片从“能用”走向“好用”的关键验证场。

运营商与政企

运营商是 2025 年国产算力建设的重要买单方。公开信息显示，中国移动 2025 年算力预算 373 亿元，占资本开支 25%，计划将智算规模提升至 34 EFLOPS；中国联通 2025 年算力投资计划增长 28%；中国电信明确算力投资同比增长约 20%+ 且“不设限”。政务、金融、能源、交通等行业对自主可控要求更高，是国产算力最先规模化落地的场景。

制造、医疗、教育、科研

工业质检、预测性维护、医疗影像、药物研发、气候模拟、材料发现等 AI for Science 和行业大模型场景，会逐步拉动推理和行业专用算力需求。

产业链价值分配

• 芯片设计：毛利率最高，壁垒最高，但研发和生态投入最大。
• 晶圆制造/封装：资本开支大，利润率低于设计，但国产替代战略价值高。
• 服务器整机：收入规模大，毛利率相对低，依赖客户订单和交付效率。
• 光模块/PCB/连接器/液冷/电源：在 AI 服务器升级周期中弹性较高，部分细分环节受益于价值量提升。
• 算力运营：分化最大，低质量通用算力可能过剩，高质量智能算力和调度服务仍稀缺。

五、供需格局

需求端

中国算力需求的核心驱动来自四个方面：

1. 大模型训练与推理：模型参数、上下文长度、多模态和智能体应用提升算力消耗。
2. 国产替代：海外高端 GPU 受出口管制影响，政企、运营商、金融、能源等关键行业加速采用国产方案。
3. AI 应用落地：从训练转向推理后，推理算力可能成为长期消耗主体。
4. 政策建设：东数西算、全国一体化算力网、算力互联互通推动公共算力资源池化和交易。

IDC 预测，2025 年中国智能算力规模将达到 1037.3 EFLOPS，2028 年达到 2781.9 EFLOPS。2024 年中国智能算力规模约 725.3 EFLOPS，同比增长 74.1%，显著高于通用算力约 20.6% 的增速。

供给端

供给端并不是简单“多或少”，而是结构性错配：

• 通用算力和低质量 IDC 偏宽松：部分老旧数据中心上架率不足，科智咨询数据曾显示我国 IDC 机柜平均上架率约 58%。
• 智能算力偏短缺：高端 AI 卡、稳定集群、配套软件、低时延网络、成熟运维能力不足。
• 东部需求强、西部资源多：西部能源和土地资源丰富，但模型训练、推理业务、客户服务和低时延需求多在东部。
• 国产芯片供给受制造、HBM、封装、生态约束：芯片设计进展快，但先进制程、先进封装、高带宽内存、软件生态仍是瓶颈。

供需平衡判断

未来 1-2 年，国产算力会呈现“量扩张、质分化”的格局：

• 低端通用算力：可能继续过剩。
• 高质量智能算力：仍然短缺。
• 国产训练芯片：在政企、运营商、金融等场景加速替代，但互联网大规模训练仍需时间验证。
• 国产推理芯片：更容易率先放量，因为推理场景对生态迁移和极限性能要求低于前沿训练。

六、竞争格局

全球竞争格局

全球 AI 算力仍由英伟达主导。英伟达凭借 GPU 性能、CUDA 生态、NVLink/NVSwitch 互联、整机方案和开发者社区，在数据中心 AI 芯片市场长期占据高份额。AMD MI 系列、谷歌 TPU、亚马逊 Trainium、微软 Maia 等在特定云生态中追赶。

中国竞争格局

国产 AI 芯片可分为三类：

1. 华为昇腾：全栈生态型

   • 优势：芯片、服务器、框架、编译器、云、行业客户一体化；政企、运营商、金融场景强。
   • 短板：不兼容 CUDA，迁移和适配成本高。

2. 大厂自研型：阿里平头哥、百度昆仑芯

   • 优势：母公司云业务和模型场景提供稳定需求。
   • 短板：外部客户可能担心服务优先级和生态绑定。

3. 专业芯片公司：寒武纪、海光、沐曦、壁仞、摩尔线程、天数智芯

   • 优势：技术路线更聚焦，资本市场关注度高，客户多元化潜力大。
   • 短板：研发投入重、客户集中、生态适配压力大。

36氪/AIX财经统计口径显示，2025 年英伟达在中国市场份额约降至 55%，华为昇腾约 20%，阿里平头哥约 6.6%，百度昆仑芯和寒武纪约 3%左右，海光约 5% 的国产厂商份额。不同机构口径差异较大，但方向一致：英伟达仍领先，国产份额快速提升，华为是国产第一梯队。

竞争壁垒分析

• 技术壁垒：芯片架构、制程、HBM、互联、算子优化、稳定性。
• 生态壁垒：CUDA 是最大参照系，国产平台需要解决 PyTorch、TensorFlow、MindSpore、PaddlePaddle、算子库和模型迁移问题。
• 客户壁垒：政企、金融、运营商认证周期长，一旦进入供应体系粘性较高。
• 资本壁垒：流片、研发、适配、扩产都消耗大量资金。
• 供应链壁垒：先进制造、封装、材料、设备、HBM 都决定最终交付能力。

国产替代进展

国产替代最快的场景是政企、运营商、金融、信创和部分推理任务；最慢的是前沿大模型训练、CUDA 高度依赖的科研和互联网核心训练任务。国产替代不是“一夜替代英伟达”，而是沿着“能用场景先替代—推理规模化—训练局部替代—生态逐步迁移”的路线推进。

七、生命周期与周期性

国产算力属于“政策安全驱动 + AI 成长驱动 + 资本开支周期”叠加行业。

• 生命周期：处于成长期，智能算力渗透率快速提升，但生态和商业模式尚未完全成熟。
• 周期属性：既有成长性，也有明显资本开支周期。运营商、云厂商、互联网大厂的年度资本开支决定服务器和芯片订单节奏。
• 当前阶段：从“建设热”转向“质量验证”。市场不再只看谁宣布建智算中心，而是看算力能否被消纳、能否稳定运行、能否服务真实模型和行业应用。
• 领先指标：运营商 AI 服务器集采、云厂商资本开支、国产芯片中标、智算中心上架率、GPU/NPU 利用率、模型厂商适配进度。

八、政策与监管环境

政策总体高度支持。关键文件包括：

• 《算力基础设施高质量发展行动计划》：提出到 2025 年算力规模超过 300 EFLOPS，智能算力占比达到 35%，推动东西部算力协调发展。
• “东数西算”工程：构建 8 大国家算力枢纽和 10 个数据中心集群，推动算力、网络、电力、土地协同。
• 《算力互联互通行动计划》：工信部 2025 年 5 月印发，提出到 2026 年建立较完备的算力互联互通标准、标识和规则体系，到 2028 年基本实现全国公共算力标准化互联，形成可智能感知、实时发现、随需获取的算力互联网。

政策方向从“建更多机房”转向“建可调度、可交易、可互联、可使用的算力网络”。这对国产算力的意义很大：单个芯片追赶英伟达很难，但通过算力互联、调度优化、场景适配和系统工程，可以提高国产算力整体利用效率。

九、技术变革与未来演进

当前主流技术路线

• GPU/GPGPU 路线：最接近全球主流生态，适合训练和通用并行计算。海光 DCU、沐曦、壁仞、摩尔线程属于这一大类。
• NPU/DSA 路线：面向 AI 工作负载优化，能效比高，适合特定模型和场景。华为昇腾、寒武纪、昆仑芯具备代表性。
• ASIC 路线：为特定云厂商或模型定制，长期有望在推理和稳定负载中提升份额。
• CPU + AI 加速：海光、鲲鹏、龙芯、飞腾等支撑信创和通用算力底座。

下一代技术

• 低精度计算：FP8、FP4、INT4 会显著降低推理和训练成本。
• Chiplet 与先进封装：在先进制程受限时，通过多芯片封装提升总算力。
• HBM 与国产高带宽内存：决定高端训练芯片上限，是最关键瓶颈之一。
• 高速互联与超节点：华为 Atlas 950/960 等超节点路线，本质是用系统工程弥补单卡差距。
• 算力调度与互联互通：提升利用率可能比单纯堆硬件更重要。若 GPU/NPU 利用率从 30%-40% 提升至 60%-70%，相当于释放大量隐性产能。

颠覆性风险

如果海外先进 GPU 重新宽松供应，国产芯片短期替代速度可能放缓；如果模型结构发生变化，专用芯片路线可能受益也可能受损；如果推理成本大幅下降，算力需求增速可能从训练驱动切换为应用普及驱动。

十、产业进程（国内 vs 海外）

🇨🇳 国内进展

• 中国智能算力规模高速增长，2025 年预计达到 1037.3 EFLOPS，2028 年达到 2781.9 EFLOPS。
• 运营商成为国产算力最大确定性买家之一，中国移动、中国联通、中国电信均上调算力投资或强调 AI 基础设施投入。
• 华为昇腾形成全栈路线，2025 年出货量和市场份额快速提升，成为国产第一梯队。
• 寒武纪、海光信息在 2025 年业绩改善明显。海光信息 2025 年前三季度营收 94.89 亿元，同比增长 54.65%；寒武纪 2025 年前三季度营收 46.07 亿元，同比增长 2386.38%，实现扭亏为盈。
• 智算中心从“建设竞赛”进入“消纳竞赛”，一边是运营商和地方项目大量招标，一边也出现部分上市公司算力合同终止，反映行业专业化不足和结构性错配。

🌍 海外进展

• 英伟达从 H100/H200 进入 Blackwell B200/B300 周期，单卡性能、互联、生态继续领先。
• 谷歌 TPU、亚马逊 Trainium、微软 Maia 代表云厂商自研 ASIC 趋势，说明“拥有模型和云场景的大厂自研芯片”正在成为全球趋势。
• 美国出口管制持续影响中国高端 GPU 供给，客观上加速国产替代，但也加剧了先进制程、HBM、EDA、设备等环节的供应链压力。

十一、中美龙头企业深度对比

🇺🇸 美股标杆企业：英伟达（NVDA）

• 企业画像：全球 AI 算力基础设施事实标准制定者。
• 核心产品：H100/H200、B200/B300、GB200/GB300、CUDA、NVLink、DGX/HGX 系统。
• 护城河：硬件性能、CUDA 生态、开发者社区、整机方案、网络互联、客户锁定。
• 财务特征：2025 财年营收 1304.97 亿美元，同比增长 114%；净利润 728.80 亿美元，同比增长 145%；毛利率约 75%。
• 市场地位：全球数据中心 AI 芯片市场长期占据绝对优势，中国市场份额虽受管制和国产替代影响下降，但仍保持领先。

🇨🇳 A 股/国产代表：海光信息、寒武纪、华为昇腾

海光信息（688041）

• 定位：国产 CPU + DCU 双线龙头，兼具通用算力和 AI 加速。
• 优势：x86 生态兼容、金融电信客户积累、DCU 类 CUDA 迁移成本相对较低。
• 财务：2025 年前三季度营收 94.89 亿元，同比增长 54.65%；净利润 19.61 亿元，同比增长 28.56%；毛利率约 60.1%。

寒武纪（688256）

• 定位：国内 AI 芯片上市公司代表，云端训练/推理芯片快速放量。
• 优势：思元系列产品进入运营商和互联网客户，2025 年收入弹性突出。
• 财务：2025 年前三季度营收 46.07 亿元，同比增长 2386.38%；净利润 16.05 亿元，扭亏为盈；但客户集中度仍需跟踪。

华为昇腾（未上市）

• 定位：国产 AI 算力全栈生态核心。
• 优势：芯片、服务器、框架、编译器、云、行业应用一体化，政企和运营商渠道强。
• 短板：CUDA 迁移成本高，生态建设仍需时间。

中美企业对比分析

核心差异不是“国产芯片能不能做出来”，而是“能否形成稳定、易用、低成本、可规模复制的软件硬件生态”。

十二、财务特征与公司横向对比

行业财务特征

• 芯片设计：毛利率高，研发费用高，利润波动大。
• 服务器整机：营收规模大，毛利率较低，周转和客户订单重要。
• 光模块/PCB/连接器/液冷：受 AI 服务器升级驱动，部分公司毛利率和增速较高。
• IDC/算力租赁：资本开支重，最关键是上架率、利用率、客户质量和电价/PUE。

核心公司横向对比

估值上下文

国产算力公司估值通常由三类因素驱动：

1. 业绩兑现：订单、收入、毛利率、净利润是否真实改善。
2. 国产替代空间：海外限制越强，国产芯片和配套环节预期越高。
3. AI 资本开支周期：云厂商、运营商和互联网大厂是否持续加码。

风险在于：部分公司业务相关性弱、概念映射强，估值可能提前反映过多乐观预期；如果订单延迟、客户集中、利用率不足或价格下行，估值会快速回落。

十三、关键跟踪指标

高频跟踪（周/月度）

• 运营商 AI 服务器/算力集采：看中国移动、中国电信、中国联通招标规模、中标厂商和国产芯片占比。
• 国产芯片出货与交付：关注昇腾、寒武纪、海光、昆仑芯、沐曦等出货量和客户结构。
• 智算中心合同与终止公告：接单和撤单并存，能反映行业真实消纳能力。
• 光模块价格与订单：800G/1.6T 需求体现 AI 集群建设强度。

领先指标

• 云厂商资本开支：阿里、腾讯、百度、字节、运营商资本开支决定行业需求。
• 大模型推理调用量：训练是一次性高峰，推理是长期消耗。
• 国产框架适配进度：PyTorch、MindSpore、PaddlePaddle、DeepSeek 等模型在国产芯片上的适配效率。
• 算力利用率：如果 GPU/NPU 利用率不能提升，算力建设会变成低效资产。

景气验证指标

• 智能算力规模增速：若持续高于 40%，行业景气仍强。
• AI 服务器出货增速：若运营商和云厂商集采持续上行，硬件链条景气延续。
• 国产芯片收入占比：服务器厂商和智算项目中国产芯片占比提升，是替代加速信号。

一票否决指标

• 算力利用率长期偏低：说明需求并未真实消化供给。
• 软件生态迁移失败：如果主流模型和开发者无法低成本迁移，国产芯片只能停留在政策采购市场。

十四、A股炒作逻辑

核心驱动

国产算力能在 A 股被反复炒作，主要因为它同时具备四种叙事：

1. AI 主线映射：海外英伟达上涨和全球 AI 资本开支扩张，映射到国内算力链。
2. 国产替代：出口管制和供应链安全提升自主可控权重。
3. 政策催化：东数西算、算力互联互通、全国一体化算力网持续出台。
4. 业绩兑现：寒武纪、海光、光模块、PCB、液冷等部分环节已经出现收入和利润改善。

市场叙事

A 股讲的不是单纯“替代英伟达”，而是“在海外高端 GPU 受限背景下，中国必须建立自己的 AI 算力底座”。这个叙事会沿着“芯片—服务器—光模块/液冷/PCB—智算中心—应用落地”轮动。

历史炒作节奏

• 第一阶段：AI 大模型爆发，炒光模块、服务器、算力租赁。
• 第二阶段：海外 GPU 受限，炒国产芯片和华为昇腾链。
• 第三阶段：运营商集采和地方智算项目落地，炒整机、液冷、电源、连接器。
• 第四阶段：市场开始检验订单质量、收入确认、利用率和盈利能力。

A股核心公司横向对比

十五、最新边际变化与催化剂

1. 2025 年 5 月：工信部印发《算力互联互通行动计划》，提出到 2026 年建立算力互联互通标准、标识和规则体系，到 2028 年基本实现全国公共算力标准化互联。
   → 影响：政策重点从“建算力”转向“用好算力、调度算力、交易算力”，利好算力调度、网络互联、服务器、交换机和软件平台。

2. 2025 年 4 月：新华社报道“通用算力相对过剩、智能算力相对短缺”，同时运营商加码算力投资。
   → 影响：市场开始从概念建设转向质量筛选，高质量智能算力和成熟运维能力更稀缺。

3. 2025 年：中国智能算力规模预计达到 1037.3 EFLOPS，2028 年预计达到 2781.9 EFLOPS。
   → 影响：智能算力是未来三年最确定的增量方向，硬件、网络、液冷、电源、调度均受益。

4. 2025 年：国产 AI 芯片份额快速提升，华为昇腾、寒武纪、海光、昆仑芯、平头哥等进入更多运营商、政企和互联网场景。
   → 影响：国产替代从政策预期进入出货和收入验证阶段。

5. 2025 年以来：部分算力租赁和智算合同终止案例增加。
   → 影响：提醒市场低质量算力、缺乏客户和运维能力的项目存在过剩风险，行业将分化。

十六、多空分歧与投资含义

Bull Case（看多逻辑）

• AI 大模型和智能体应用长期提升训练与推理需求。
• 海外高端 GPU 受限，国产替代是战略必选项。
• 政策从算力基础设施到互联互通持续支持。
• 运营商、政企、金融等关键行业率先采购国产方案。
• 芯片、光模块、PCB、液冷、电源等环节已有业绩兑现。

Bear Case（看空逻辑）

• 国产芯片与英伟达在单卡性能、生态和开发者习惯上仍有差距。
• 通用算力和低质量 IDC 已出现过剩，算力租赁合同终止说明商业模式并非无风险。
• 先进制程、HBM、EDA、设备、封装材料仍受制约。
• 部分 A 股标的概念相关性弱，估值提前透支。
• 客户集中、订单确认慢、资本开支波动可能导致业绩不及预期。

关键验证点表

投资含义

当前国产算力最好的风险收益比不一定在最热门的概念股，而在“真实订单 + 高壁垒 + 业绩可验证”的环节。芯片龙头弹性最大但估值高；光模块、PCB、液冷、连接器等配套环节业绩弹性更容易验证；算力租赁和智算中心需要重点区分高质量资源与低质量堆设备。

十七、核心结论与展望

• 一句话总结：国产算力的核心矛盾，不是有没有需求，而是能否把“政策驱动的建设热”变成“生态可用、利用率高、商业闭环成立”的高质量智能算力。
• 未来 1 年展望：运营商和政企采购仍是国产算力最确定需求，昇腾、海光、寒武纪等进入更多项目；市场会继续淘汰低质量算力租赁故事。
• 未来 3 年展望：国产算力将沿着推理先放量、训练逐步突破、超节点和调度提升系统效率的路径推进。先进封装、HBM、高速互联和软件生态是胜负手。
• 值得持续跟踪的变量：
  1. 国产 AI 芯片出货和客户结构；
  2. 运营商和云厂商资本开支；
  3. 智算中心利用率和算力价格；
  4. 主流大模型在国产芯片上的适配效率；
  5. 先进封装、HBM、液冷、光模块等瓶颈环节供给。

信息来源：公开网络资料、上市公司公告与行业研究资料整理，仅供学习参考，不构成投资建议。

产业链全景速查

多空分歧

看多核心论点： 产业处于高景气或国产替代关键阶段，需求侧由 AI 算力、先进制造和自主可控共同驱动。

看空核心论点： 技术验证、客户认证、资本开支和价格竞争可能导致业绩兑现慢于主题预期。

我的立场： 更适合跟踪产业链订单、良率、招标、客户导入和资本开支，而不是只按概念热度交易。

相关研究

• 相关研究
• 相关研究
• 相关研究
• 相关研究