核能与SMR小型堆
AI数据中心需要稳定低碳基荷电力,核电审批、安全监管和SMR商业化经济性是核心约束;国内核电建设周期长但确定性强
智能规模的物理底座:电力、核能、冷却、储能。
AI数据中心需要稳定低碳基荷电力,核电审批、安全监管和SMR商业化经济性是核心约束;国内核电建设周期长但确定性强
数据中心短期缺电需要可调度电源支撑,F/H级燃机核心部件、天然气价格和交付周期决定燃气轮机弹性
光伏风电提供低成本绿电但存在间歇性,AI数据中心采购取决于储能配套、并网消纳和光伏产能出清
AI数据中心高功率机柜推动配电升级,变压器受铜价、交付周期、直流供电标准和海外电网投资共同约束
AI数据中心、电网扩容和高功率配电共同推升铜需求,供给端受矿山资本开支、资源国风险和冶炼约束限制
高密度AI机柜需要低损耗大电流配电,母线槽受铜铝价格、直流标准统一和数据中心建设节奏约束
AI机柜从交流配电向高压直流和智能PDU演进,标准路线、客户认证和国际巨头竞争决定国产厂商份额
GPU功耗提升推动液冷从可选变必选,冷板/浸没路线、CDU价格、氟化液环保和客户集中度是关键变量
传统风冷仍服务中低功率机柜,但高功率AI机柜转向液冷,磁悬浮压缩机、制冷剂合规和混合冷却能力决定空间
AI数据中心对供电连续性要求提升,UPS升级受模块化/HVDC路线、华为与国际厂商竞争、应收账款周期约束
数据中心备用电源仍依赖大功率柴发,5MW以上机组技术壁垒、排放监管和AI建设节奏决定需求弹性
AI数据中心需要削峰填谷和绿电消纳,储能安全标准、电力市场化开放和VPP可调负荷商业模式是核心约束
把能源转化为算力:GPU、HBM、先进封装、高速互联。
先进制程EDA工具(7nm以下)及高端处理器IP严重依赖Synopsys/Cadence/ARM,出口管制直接影响国内芯片设计能力
EUV光刻机由ASML垄断,高端光刻胶被日本JSR/TOK/信越控制,设备整体国产化率仅13.6%
先进制程FPGA(7nm以下)对华出口受限;国产EDA工具不足导致国产FPGA性能损失20–30%;高端数据中心/5G基站市场国产化率<5%
AI服务器多相电源控制器及DrMOS仍由MPS/TI/Infineon主导(MPS占AI服务器>40%市场份额);国产DrMOS电流能力达90A但效率/热性能仍有差距
CUDA软件生态(400万+开发者)构成NVIDIA最深护城河;国产芯片先进制程受限(依赖中芯国际7nm);软件栈(CANN/Cambricon Neuware)与CUDA生态差距仍大
CoWoS产能紧张(台积电2024年产能7万片/月→2026年12.5万片/月,英伟达独占63%产能);高端封装材料国产化率低(EMC全球前三日韩占75%,ABF基板味之素/台湾垄断95%)
HBM供给卡在DRAM原厂良率、TSV/混合键合和CoWoS先进封装产能;DDR5与企业级NAND/SSD供给紧张共同决定AI服务器数据吞吐底座,国产DRAM与NAND份额仍低
高端CCL材料(M8/M9级低损耗树脂)国产化刚起步;PPO树脂/低Dk玻纤原料长期被日本企业垄断直至近年突破
AI集群内部互联(GPU-to-GPU)仍由NVIDIA InfiniBand垄断(Mellanox 2020年收购);以太网400G/800G高端交换芯片Broadcom+Marvell双寡头控制;国内DPU/SmartNIC仍处于追赶阶段
AI服务器毛利率极薄(浪潮信息毛利率仅4.91%);GPU供应链基本由NVIDIA主导;国产服务器整机在高端AI训练机架(GB200 NVL72/GB300)上主要由台湾ODM(工业富联、广达)承接
高速DSP芯片被Broadcom+Marvell双寡头垄断(>90%);高端激光芯片(EML/VCSEL)仍以美日企业为主;1.6T光模块量产验证进行中
把芯片编排成可用算力:云、数据中心、网络、部署。
GPU 供给(出口管制)+ 模型生态适配 + 客户大模型/Agent 黏性
GPU 卡时供给 + 客户结构(大客户长协 vs 散单波动)
边缘节点 GPU 部署密度 + 推理小模型生态 + 国产化替代
一线城市电力指标 + 高功率机柜储备 + 头部大客户长协
资质 + 工程经验 + 与运营商/政府关系
智算中心建设需要缩短交付周期并降低运维复杂度,液冷微模块、预制化工程能力和DCIM接入大厂自研系统是关键
AI集群网络从前端业务网络转向后端算力互联,以太网替代InfiniBand、800G/1.6T升级和DPU国产替代是核心变量
存储 IO 瓶颈匹配 GPU + 介质升级(QLC NAND/CXL)+ 软件栈
AI基础设施安全由合规采购转向真实攻防需求,云安全、数据安全、模型调用安全和国产化替代决定厂商空间
AI应用落地需要向量检索、模型管理和算力调度中间层,但向量能力被主流数据库内置,大厂平台化压缩独立工具护城河
智能内核:基础模型、推理模型、多模态和开源生态。
高质量真实训练数据趋于稀缺,版权授权、数据确权和AI生成内容冲击共同决定IP资产的议价权与商业化路径
模型训练从人工标注走向AI预标注加人工审核,RLHF质量、客户集中度和自动化替代决定标注平台利润空间
AI训练和企业落地必须解决数据血缘、权限、隐私和合规,国产平台受政策驱动但与Databricks/Snowflake仍有技术差距
真实高质量数据耗尽推动合成数据成为训练补充,数据质量、模型崩溃风险和大模型厂商内化能力决定第三方平台空间
基础大模型竞争进入能力趋同和价格战阶段,算力供给、推理成本、开源生态和商业化场景决定模型公司分化
垂直行业模型依赖既有客户、行业数据和工作流入口,通用模型能力下沉与AI软件估值过高是主要约束
视频、语音和3D生成是多模态商业化前沿,版权诉讼、内容合规、模型迭代速度和分发场景决定赛道稳定性
AI编码从补全走向Agent开发,模型能力、安全合规、企业私有化部署和大模型厂商内置能力决定独立工具空间
具身智能把语言视觉模型接入物理控制,硬件成本、可靠性、安全认证和VLA技术路线成熟度是核心瓶颈
开源模型、RAG和Agent框架加速企业AI落地,但SDK框架被低代码平台和大模型原生能力挤压,商业化路径仍待验证
模型安全从研究议题转向企业必需能力,红队评测、对齐方法、监管标准和云厂商内置安全能力决定商业空间
推理负载成为AI算力主战场,模型压缩、服务编排、成本下降和云厂商低价策略决定独立推理服务商利润
把模型能力落进工作流、搜索、创作、自动驾驶和企业软件。
L3/L4量产法规落地与高精地图商业化
关节执行器成本与AI泛化能力
版权归属与内容合规监管
临床试验数据监管与AI预测结果可解释性
医疗数据隐私监管与AI医疗器械注册审批
双减政策约束与学生付费意愿
金融监管合规与大模型幻觉问题
企业数据安全与私有化部署成本
广告收入模式转型与实时信息准确性
政府采购周期长与数据孤岛问题
通用视觉模型对垂直场景的适配成本
AI驱动的攻击手法升级与防御滞后
AI内容合规审核与版号政策不确定性
律师行业保护政策与AI法律建议责任认定