《電子行業深度報告：算力平權國產AI力量崛起-250508（69頁）.pdf》由會員分享，可在線閱讀，更多相關《電子行業深度報告：算力平權國產AI力量崛起-250508（69頁）.pdf（69頁珍藏版）》請在三個皮匠報告上搜索。

1、本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 1 電子行業深度報告 算力平權，國產 AI 力量崛起 2025 年 05 月 08 日 豆包+DeepSeek 破局，國產大模型彎道超車。豆包和 DeepSeek 分別在多模態和輕量化兩方面加速了國產大模型的發展進程。2024 年 12 月 18 日，豆包發布豆包視覺理解模型，一舉成為國內最領先的多模態大模型之一；同為 12 月，DeepSeek 發布 DeepSeek-V3 大模型，擁有 671B 總參數、37B 激活參數，成本僅為 557.6 萬美元，但在性能上卻與 GPT-4o 和 Claude-3.5-Sonne

2、t 同屬世界頂尖水平。國內其他模型廠商也加速了追趕節奏，2025 年以來，豆包、通義千問、百度、騰訊混元、階躍星辰和 Kimi 等其他國產大模型加速了更新迭代，例如通義千問在 3 月連續發布 QwQ-32B 與 Qwen2.5-Omni 等。豆包對多模態的探索，以及 DeepSeek 對輕量化大模型的升級節奏，有望開創大模型開源、低成本、高性能的新時代，為應用側公司探索創新 AI 應用提供巨大便利，AI 應用加速放量下推理側需求有望提升。向“芯”而行，國產算力破局元年。在國產大模型密集落地背景下，芯片廠商加速適配國產算力生態。中芯國際 N+1 工藝已逐步成熟，N+2 持續推進，構建國產算力底座

3、；昇騰 910C 量產落地，920 系列研發加快，性能持續逼近國際主流水平；寒武紀、海光等在 AI 訓推方向深度布局，硬件端多點突破，生態融合加快。云端 ASIC正成為算力演進主流，谷歌、亞馬遜持續加碼自研芯片體系；國內翱捷科技、芯原等設計企業快速成長，覆蓋多元應用場景，并與海內外頭部廠商形成緊密合作，成長彈性充足。在軟件層面，適配節奏同樣加快。以 DeepSeek 為例，發布即獲得 17 家芯片廠商支持適配，訓推效率大幅提升，助力算力生態向自主可控穩步邁進。算力基建加碼，解決供給短板。國內云計算廠商正加大算力儲備及模型優化投入，AI 計算基礎設施建設布局逐步清晰，相關資本開支進入新一輪擴張周

4、期。海量推理算力需求下行業供需關系顯著改善，根據 CloudPrice，AWS 的云計算（H100）均價近一個月來上漲了 76%，云計算商業模式有望迎來“量價齊升”的局面。算力基建作為云廠商資本開支落地的核心環節，華勤、浪潮等公司迅速推出適配國產算力的服務器，并針對卡間互聯推出 ETH-X 超節點方案，而短期內，國產算力基建難以滿足迅速增長的需求，算力租賃成為破局之道。處于數據隱私性及定制化考慮，以DeepSeek 為代表的國產大模型的亦落地本地化部署，算力一體機具備軟硬結合、開箱即用、靈活定制的特性，滿足本地化部署需求。電源及液冷創新，解決功率密度瓶頸。AI 浪潮下，單機柜功率密度提高，對電

5、源及溫控系統提出新的挑戰。為保證數據中心穩定運行，三級供電/備電系統有所升級，供電系統從 UPS 向 HVDC 演進，超級電容亦將成為全新增量；溫控方面，傳統風冷難以滿足高功率芯片散熱需求，液冷逐步成為剛需，科智咨詢預計 23 年到 27年國內液冷市場復合增速達 60%，冷卻液、CDU、快接頭、manifold 等上游零部件成為核心受益環節。投資建議：國產大模型持續突破，DeepSeek、豆包、MCP 等開始引領全球 AI產業發展，AI 應用落地加速。芯片廠商也在加速適配國產算力生態。以自主可控為基石，云廠商資本開支持續加速。帶動服務器、電源、存儲等上游產業鏈環節機遇。建議關注：1）算力芯片：

6、中芯國際、海光信息、寒武紀、芯原股份、云天勵飛、翱捷科技、沐曦技術（未上市）；2）服務器：華勤技術、聯想集團、浪潮技術、弘信電子；3）電源：禾望電氣、麥格米特、中恒電氣、泰嘉股份、科泰電源、濰柴重機、科華數據、歐陸通、奧?？萍?；4）溫控：申菱環境、英維克、溯聯股份、川環科技；5）其他供應鏈：德明利、長光華芯、杰華特、華海誠科、華豐科技、興森科技等。風險提示：AI 應用落地不及預期，云商資本開支不及預期，宏觀經濟波動。重點公司盈利預測、估值與評級 代碼 簡稱 股價（元）EPS（元）PE（倍）評級 2024A 2025E 2026E 2024A 2025E 2026E 688981.SH 中芯國際

7、 89.90 0.46 0.64 0.84 194 140 107 推薦 688041.SH 海光信息 150.01 0.83 1.32 1.91 181 114 79 推薦 688521.SH 芯原股份 91.79-1.2-0.18 0.07/1311 推薦 603063.SH 禾望電氣 31.90 1.00 1.37 1.66 33 23 19 推薦 301018.SZ 申菱環境 40.60 0.43 1.03 1.44 93 39 28 推薦 301397.SZ 溯聯股份 36.95 1.03 1.60 2.36 36 23 16 推薦 688048.SH 長光華芯 60.54-0.57

8、 0.02 0.41/3301 149 推薦 688343.SH 云天勵飛 56.81-1.63/資料來源：Wind，民生證券研究院預測（注：股價為 2025 年 5 月 6 日收盤價；未覆蓋公司數據采用 Wind 一致預期）推薦 維持評級 分析師 方競 執業證書：S0100521120004 郵箱： 分析師 鄧永康 執業證書：S0100521100006 郵箱： 分析師 宋曉東 執業證書：S0100523110001 郵箱： 分析師 李萌 執業證書：S0100522080001 郵箱： 研究助理 李伯語 執業證書：S0100123040030 郵箱： 相關研究 1.電子行業點評：384 架構

9、引領，910C 蓄勢待發-2025/04/29 2.電子行業點評：并購整合加速，國產化 EDA+IP 平臺冉冉升起-2025/04/16 3.半導體行業點評：最新關稅政策解讀，堅定看好半導體自主可控-2025/04/06 4.半導體行業點評：關注模擬 IC 投資機遇-2025/03/18 5.存儲行業動態報告：價格底部企穩，企業級需求構建增量-2025/03/14 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 2 目錄 1 豆包+DeepSeek 破局，國產大模型彎道超車.3 1.1 技術驅動引領，DeepSeek 加速布局.4 1.2 國產模型

10、競速升級，輕量化浪潮提速.8 1.3 基于 DeepSeek，探討推理需求大爆發.9 2 向“芯”而行，國產算力破局元年.12 2.1 先進制程：中芯中流砥柱，筑基國產算力.12 2.2 華為昇騰：384 架構引領，910C 蓄勢待發.13 2.3 算力雙龍：攻堅突圍、加速落地.16 2.4 ASIC：云廠商的曙光，挑戰 GPU 壟斷.20 2.5 算力協力模型，實現生態國產化.23 3 算力基建加碼，解決供給短板.26 3.1 云廠商加大算力儲備及模型投入，資本開支高增.26 3.2 國產算力基建元年，構建算力云服務新生態.28 3.3 服務器：算力之基座，全面適配國產算力.31 3.4 算

11、力租賃：短期內算力短缺破局之道.32 3.5 本地部署需求旺盛，助推 AI 一體機發展.35 4 電源及液冷創新，解決功率密度瓶頸.42 4.1 全新電源架構，數據中心能源衛士.42 4.2 液冷接棒傳統風冷，溫控系統革新升級.46 5 行業投資建議.50 5.1 長光華芯：國產光通信芯片新進者.50 5.2 禾望電氣：新能源與電氣傳動領跑者.53 5.3 申菱環境：數據中心溫控核心供應商.55 5.4 溯聯股份：深耕快接頭及管路，開拓數據中心液冷.58 6 風險提示.62 插圖目錄.67 表格目錄.68 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究

12、報告 3 1 豆包+DeepSeek 破局，國產大模型彎道超車 總書記指出“人工智能是引領這一輪科技革命和產業變革的戰略性技術”，從頂層建筑角度為國產 AI 發展指引了戰略方向。而近期國產大模型也持續突破。豆包、Deepseek、MCP 等開始引領全球 AI 產業發展，為 AI 應用落地加速提供了技術底座。1）豆包大模型：專注多模態融合。推動了國產大模型在多模態領域的能力升級。豆包大模型始于 2023 年 8 月 17 日字節的 AI 對話產品“豆包”公測，2024年，豆包逐步補全了語音、圖像、代碼等能力，并在 12 月 18 日發布豆包視覺理解模型，實現了更強的內容識別、理解和推理、以及視覺

13、描述等能力，一舉成為國內最領先的多模態大模型之一，引領國產化大模型在多模態領域的升級之路。2）DeepSeek：專注深度思考+輕量化。相較于豆包在多模態方面的領先，DeepSeek 則更注重大模型的輕量化升級能力，在成本和性能方面做到極致。2024年 12 月，DeepSeek 發布 DeepSeek-V3 大模型，擁有 671B 總參數、37B 激活參數，成本僅為 557.6 萬美元，但在性能上卻與 GPT-4o 和 Claude-3.5-Sonnet同屬世界頂尖水平；2025 年 1 月 20 日，DeepSeek 發布 DeepSeek-R1 推理大模型，性能追平 OpenAI-o1 正

14、式版。由于性能和成本端的優勢，當前 DeepSeek在國內外均得到了高度的認可：國外方面：微軟 CEO 納德拉高度認可 DeepSeek的新模型，并表明 Azure AI Foundry 和 GitHub 已經融入 DeepSeek AI，英偉達認為 DeepSeek-R1 是具有最先進推理能力的開放模型；國內方面：華為昇騰、沐曦、海光信息、壁仞科技、昆侖芯、云天勵飛等 AI 芯片企業紛紛官宣適配DeepSeek 大模型。我們認為，DeepSeek 開創了大模型開源、低成本的新時代，為應用側公司探索創新 AI 應用提供了極大便利，AI 加速放量下推理側算力需求有望增長。據電子工程專輯，Deep

15、Seek-R2 或將發布，該模型參數總量將達到 1.2萬億，相較 R1 的 6710 億提升一倍，并將采用更先進的混合專家模型 MoE 和門控網絡層 Gating Network，進一步提升推理性能。3）MCP：重新定義模型和數據的交互模式，推動 AI Agent 落地。2024 年11 月，Anthropic 推出 MCP（Model Context Protocol，模型上下文協議），用于統一大語言模型與外部數據源和工具之間的通信協議。該協議為 AI 模型連接不同的數據源和工具提供了標準化的方式，就像是 AI 應用程序的 USB-C 接口，重新定義了模型和外部世界的互動模式，通過 MCP

16、Client 和 MCP Server，提升了AI Agent 從調用數據到做出決策的便利性，極大拓展了 AI Agent 的能力范圍和應用場景。豆包、DeepSeek 和 MCP 的異軍突起加快了國產大模型的迭代節奏。2025年以來，豆包、通義千問、百度、騰訊混元、階躍星辰和 Kimi 等其他國產大模型加速了更新迭代，豆包推出 Doubao-1.5-pro，通義千問連續發布 QwQ-32B 與Qwen2.5-Omni，各大模型廠商均加速了各自的能力迭代速度，提升了國產大模行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 4 型的綜合性能。圖1：豆包

17、和 DeepSeek 突破后，國產大模型的迭代時點 資料來源：各公司官網，民生證券研究院 1.1 技術驅動引領，DeepSeek 加速布局 1.1.1 量化巨頭助力，DeepSeek 崛起之路 DeepSeek（杭州深度求索人工智能基礎技術研究有限公司）是 AI 領域的專業技術研發公司，致力于開發先進的大語言模型（LLM）和相關技術，由國內知名量化巨頭幻方量化于 2023 年 7 月 17 日創立?；梅搅炕鳛閲鴥茸钤绱_立以 AI為主要發展方向的公司之一，早在 ChatGPT 3.5 問世前，就擁有 1 萬張 NVIDIA A100 顯卡，在 GPU 儲備上與商湯、百度、騰訊、字節和阿里位列國

18、內同期第一梯隊。得益于母公司在 AI 領域的前瞻性布局，DeepSeek 于 2023 年 11 月 2 日便開源了首款代碼大模型 DeepSeek Coder，隨后不斷進行迭代，旗下于 2025 年1 月 20 日發布的 DeepSeek-R1 推理模型，在性能方面對標 OpenAI o1 正式版，表現卓越，被英偉達認為是具有最先進推理能力的開放模型。圖2：DeepSeek 發展歷程 資料來源：DeepSeek 官網，GitHub，民生證券研究院 1.1.2 專注算法優化創新，DeepSeek 核心優勢 DeepSeek 始終堅持以創新算法驅動大模型效率與能力的雙重躍升，分別通過 1）構建混

19、合專家架構 DeepSeekMoE；2）原創注意力機制 MLA；3）多 token預測技術 MTP 以及 4）推理優化技術 GRPO 等創新技術為支點構建了其核心競爭力。DeepSeek 大模型均采用 MoE 架構（混合專家模型），并進一步改進成行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 5 DeepSeekMoE。MoE 是一種基于 Transformer 架構的模型，主要包括稀疏 MoE層和門控網絡，其中稀疏MoE層中包含多個專家，每一個專家是單獨的神經網絡，而門控網絡則決定了哪個 token 將被發送給哪個專家。DeepSeek-V3 采

20、用DeepSeekMoE 架構，在 MoE 的基礎上添加了細粒度專家分割和共享專家隔離，并采用無輔助損失的負載均衡策略替代傳統的專家平衡策略，使得模型效率進一步提高：1）細粒度專家分割：在保持專家總參數數量不變的前提下，對專家進行更精細的劃分，使得專家獲得更高的專業化水平，在計算過程中等比例增加專家激活數量，單個 token 能夠被分配給更多的專家，專家組合的多樣性和靈活性也有所上升。2）共享專家隔離：在所有專家中選取部分專家作為共享專家（Shared Expert），所有的 token 都將分配給共享專家進行計算，從中獲取通用知識，并相應減少其他專家被激活的數量，從而緩解專家間的參數冗余問題

21、，提升模型效率。3）無輔助損失的負載均衡策略：通過動態偏差來實現均衡，即對低負載專家增加偏差值以提高被選中的概率，對高負載專家降低偏差值以降低被選中的概率，并輔以部分輔助損失提高整體分配的穩定性。圖3：DeepSeekMoE 示意圖 資 料 來 源：DeepSeekMoE:Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models，Damai Dai 等，民生證券研究院 MLA（多頭潛在注意力架構）是 DeepSeek 原創的注意力機制，能夠實現性能和 KV 緩存的平衡。KV 緩存是影響模型推理效率的

22、關鍵因素，Transformer 架構下的 MHA 會產生大量的 KV 緩存，GQA 和 MQA 作為改進方案雖然減少了 KV緩存，但是在性能表現上受損。MLA 通過對 Key 和 Value 進行低秩聯合壓縮實現了內存的高效利用，在降低 KV 緩存的同時獲得了更強的性能。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 6 圖4：不同注意力機制示意圖 圖5：不同注意力機制 KV 緩存和性能對比 資料來源：DeepSeek-V2 技術報告，民生證券研究院 資料來源：DeepSeek-V2 技術報告，民生證券研究院 MTP（多 token 預測技術）通

23、過預測多個后續 token 提升模型效率。傳統模型只根據前文預測 1 個 token，即根據 t1預測 t2；而 MTP 技術則要求模型一次性生成多個 token，即在主模型中根據 t1預測 t2，在 MTP Module 1 中根據 t1預測 t3，在 MTP Module 2 中根據 t1預測 t4，依此類推。這意味著通過一次訓練便可以學習多個位置的 label，有效提升數據訓練效率，從而降低訓練成本，并提高模型對于長句的理解能力，一次性生成多個 token 也提高了推理速度。DeepSeek-V3 設定了 2 個 token 預測目標，且實驗表明第二個 token 的接受率處于 85%-

24、90%，高接受率保證了模型的解碼速度能夠達到 1.8 倍 TPS（每秒 token 數）。圖6：MTP 技術示意圖 資料來源：DeepSeek-V3 技術報告，民生證券研究院 GRPO（組相對策略優化）通過取消價值模型提高了模型的推理能力。傳統強化學習方法為 PPO（近端策略優化），需要同時訓練價值模型和策略模型，在計算成本方面存在劣勢，而 GRPO 則取消了價值模型，通過比較組內相對表現進行優勢評估，顯著降低了計算和內存消耗，同時簡化了優勢估計過程，組間相對得分相較于絕對得分更加適用于推理任務，提高了模型推理能力。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明

25、 證券研究報告 7 圖7：GRPO 技術示意圖 資料來源：DeepSeekMath:Pushing the Limits of Mathematical Reasoning in Open Language Models，Zhihong Shao 等，民生證券研究院 1.1.3 算法協同優化，DeepSeek 性能出色 通過對算法、框架和硬件進行協同優化，DeepSeek 大模型在性能上表現出色。DeepSeek 的技術團隊擅于在軟件層面進行技術優化創新，以此實現大模型的性能飛躍：1）在 DeepSeek-V3 上，創新性使用無輔助損失的負載均衡策略、FP8混合精度訓練架構、DualPipe

26、跨節點通信、跨節點全對全通信內核等技術，使模型獲得了能夠媲美 GPT-4o 和 Claude-3.5-Sonnet 的性能表現，甚至在數學能力上性能大幅領先，達到世界領先水平；2）在 DeepSeek-R1 上，探索通過大量純強化學習（不通過 SFT 冷啟動）和模型蒸餾提升模型推理能力的可能性，最終模型在性能上比肩 OpenAI o1 正式版。圖8：DeepSeek-V3 與其他大模型性能對比 圖9：DeepSeek-R1 與其他大模型性能對比 資料來源：DeepSeek 官網，民生證券研究院 資料來源：DeepSeek 官網，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格

27、，請務必閱讀最后一頁免責聲明 證券研究報告 8 1.2 國產模型競速升級，輕量化浪潮提速 DeepSeek 加速了國產模型的進展，引領了國產大模型的輕量化趨勢。自DeepSeek-R1 模型發布以來短短幾個月內，豆包、通義千問、百度、騰訊混元、階躍星辰和 Kimi 等其他國產大模型均有重大更新，在模型輕量化方面取得了顯著進展。以豆包和通義千問為例：豆包：2025 年 1 月 22 日豆包發布 Doubao-1.5-pro，模型使用與 DeepSeek相同的 MoE 架構，通過訓練與推理一體化設計，在保持高性能的同時顯著降低了推理成本。在相同的 9T tokens 訓練數據下，激活參數僅為稠密模

28、型 1/7 的 MoE模型，超過了稠密模型的性能，實現了 7 倍的性能杠桿提升。同時，Doubao-1.5-pro 在視覺和語音多模態方面實現了全面升級。視覺方面，采用原生動態分辨率架構，支持任意分辨率和長寬比的圖像輸入，顯著提升了模型在視覺推理、文檔識別等任務中的表現；語音方面，提出了端到端的 Speech2Speech 框架，實現了語音理解與生成的一體化，提升了對話的自然性和情感表達能力。2025 年 3 月 11 日和4月16日，豆包還分別更新發布了圖像生成大模型Seedream 2.0與Seedream 3.0。通義千問：2025 年 3 月 6 日，阿里巴巴發布并開源全新的推理模型通

29、義千問QwQ-32B，該模型通過大規模強化學習，在數學、代碼及通用能力上實現質的飛躍，作為一款參數僅有 320 億的輕量化模型，其性能可與具備 6710 億參數（其中 370 億被激活）的 DeepSeek-R1 媲美。同時，QwQ-32B 大幅降低了部署使用成本，在消費級顯卡上也能實現本地部署，適合快速響應或對數據安全要求高的應用場景。在一系列權威基準測試中，QwQ-32B 模型表現出色，在測試數學能力的 AIME24 評測集上和評估代碼能力的 LiveCodeBench 中，表現與 DeepSeek-R1 相當，遠勝于 o1-mini 及相同尺寸的 R1 蒸餾模型。2025 年 3 月 2

30、6 日，阿里巴巴還發布了多模態理解生成大模型 Qwen2.5-omni-7b。圖10：豆包 Doubao-1.5-pro 與其他大模型性能對比 圖11：通義千問 QwQ-32B 與其他大模型性能對比 資料來源：豆包官網，民生證券研究院 資料來源：通義千問官網，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 9 1.3 基于 DeepSeek，探討推理需求大爆發 前文我們詳細分析了 DeepSeek 在模型結構優化上的突破所帶來的廣泛影響。目前國產大模型呈現出百花齊放、快速迭代的發展態勢，尤其是在模型輕量化方面取得顯著進展。事實上，今

31、年以來推出的多個代表性模型，如 Doubao-1.5-pro、通義千問 QwQ-32B 等，均在輕量精簡上下足了功夫，力求在保證性能的基礎上，大幅降低訓練與推理成本，實現 AI 平權的愿景，但隨之而來，市場也開始關注算力需求的持續性。在此，我們認為，大模型輕量化是以更低門檻激發出更廣泛的推理場景與需求。輕量化降低了 AI 模型的使用成本，加速了 AI 在消費級市場和垂直行業的滲透，催生出更豐富的 AI 原生應用，進而推動推理算力需求持續上升。下文中，我們將以 DeepSeek 為例，解讀大模型輕量化趨勢是如何拉動推理需求的。1.3.1 DeepSeek 開創了低成本大模型的新范式 通過技術優化

32、，DeepSeek 極大程度降低了大模型訓練和使用成本。得益于技術路線優化，DeepSeek-V3 僅使用 2048 塊 NVIDIA H800 GPU，累計訓練278.8 萬個小時，耗費 557.6 萬美元（假設單位訓練成本為 2 美元/小時）。作為對比，GPT-4o 訓練成本約為 1 億美元，Llama 3.1-405B 訓練時長達到 3080 萬GPU 小時，DeepSeek 超高的模型訓練效率打破了大模型領域對于算力堆疊的過度依賴。憑借低訓練成本的優勢，DeepSeek 大模型的使用成本也大幅降低，DeepSeek-V3 的 API 服務價格較 GPT-4o 減少 90%以上，Deep

33、Seek-R1 的 API服務價格較 o1 正式版減少 96%以上。圖12：DeepSeek-V3 與其他大模型性能/價格對比 圖13：DeepSeek-R1 與其他大模型輸入輸出價格對比 資料來源：DeepSeek 官網，民生證券研究院 資料來源：DeepSeek 官網，民生證券研究院 得益于超低的成本，DeepSeek 理論成本利潤率（收入/成本-1）可高達 545%。DeepSeek-V3 和 DeepSeek-R1 的線上系統服務器均采用 NVIDIA H800 GPU，并在白天將所有節點用于推理，晚上用于訓練，日均成本為 8.7 萬美元（假設單位租賃成本為 2 美元/小時），對應理論

34、日均收入為 56.2 萬美元（假設所有 token 按照 DeepSeek-R1 API 定價），理論成本利潤率高達 545%。實際上，由于行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 10 DeepSeek-V3 API 價格遠低于 DeepSeek-R1、夜間時段 API 折扣、API 付費率遠低于 100%等原因，實際成本利潤率將低于理論水平，但成本效益依舊可觀。圖14：DeepSeek 大模型理論收入與成本 資料來源：DeepSeek 知乎認證賬號，民生證券研究院 1.3.1 低成本的輕量化大模型將極大帶動推理需求增長 DeepSeek-

35、R1 作為開源推理大模型，將帶動大模型推理能力提升，推動推理需求增長。DeepSeek-R1 在執行推理任務時與人類思考相似，并且完全展示其思考過程，DeepSeek 選擇同步開源模型權重，向行業展示大模型在處理推理任務上的潛力。大模型推理能力成為未來 AI 落地的關鍵因素，DeepSeek 的開源舉措將加速大模型推理能力進步，有望拓展全新應用場景，促進推理需求增加。DeepSeek 推出后實現了用戶的高速增長，彰顯出大眾對低成本輕量化大模型的強烈需求。在無廣告投入的前提下，僅用短短 7 天便實現用戶量突破 1 億的里程碑式增長，充分展現了 DeepSeek 大模型產品的吸引力與市場滲透能力。

36、圖15：各產品增長 1 億用戶所用時間（天）資料來源：AI 產品榜，民生證券研究院 注：DeepSeek 包含網站 Web/應用 App 累加不去重復，Tiktok 不包含國內版抖音 DeepSeek-R1 模型在 2025 年 1 月份發布后迅速引爆 AI 大模型需求。在DeepSeek-R1 發布后的一個月內，國內原生 App 行業規模幾近翻倍，截至 2025050010001500200025003000萬維網TelegramFacebookWhatsAppInstragram微信拼多多TiktokChatGPTDeepSeek行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱

37、讀最后一頁免責聲明 證券研究報告 11 年 2 月底，AI 原生 APP 用戶規模達到 2.4 億，相比 1 月份增長 88.9%。這一增長速度體現出 DeepSeek-R1 在大模型市場上的爆發效應，進一步印證了輕量化、高性能的大模型具備強大的用戶吸引力，推動了大模型的需求擴張。圖16：AI 原生 App 月活躍用戶規模趨勢（萬人）資料來源：QuestMobile，民生證券研究院 37174407488754216619693871508297939110542121171296224491050001000015000200002500030000活躍用戶數環比增長率行業深度研究/電子 本

38、公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 12 2 向“芯”而行，國產算力破局元年 在國產大模型密集落地背景下，芯片廠商加速適配國產算力生態。中芯國際N+1 工藝已逐步成熟，N+2 持續推進，構建國產算力底座；昇騰 910C 量產落地，920 系列研發加快，性能持續逼近國際主流水平；寒武紀、海光等在 AI 訓推方向深度布局，硬件端多點突破，生態融合加快。云端 ASIC 正成為算力演進主流，谷歌、亞馬遜持續加碼自研芯片體系；國內翱捷科技、芯原等設計企業快速成長，覆蓋多元應用場景，并與海內外頭部廠商形成緊密合作，成長彈性充足。在軟件層面，適配節奏同樣加快。以 Deep

39、Seek 為例，發布即獲得 17 家芯片廠商支持適配，訓推效率大幅提升，助力算力生態向自主可控穩步邁進。2.1 先進制程：中芯中流砥柱，筑基國產算力 中芯國際是全球領先的集成電路晶圓代工企業之一，也是中國大陸技術最先進、規模最大、配套最完善的專業晶圓代工廠。隨著先進制程稀缺性和其在國家戰略中的重要性日益凸顯，公司在半導體行業周期性波動背景下，仍保持堅定的擴產節奏。伴隨核心設備陸續到位，國產設備的配套能力也在不斷提升。中芯國際作為國內晶圓制造龍頭，近年來在算力芯片制程適配和先進工藝升級方面持續加碼，正加快構建與國產算力需求相匹配的工藝體系，加速推動 AI 芯片國產化進程。在成熟制程方面，公司已在

40、 28nm 實現技術突破，對原 40nm 客戶需求進行了平臺級的承接與優化。在起步相對較晚的背景下，公司以海外主流廠商進行對標，在工藝平臺完整性、品質控制與 IP 生態方面進行針對性迭代，逐步在 28nm/40nm工藝節點上形成以模型計算與射頻通信為導向的多平臺演化，推動工藝走向市場化、多樣化需求覆蓋。在應用端，公司從消費電子切入，逐步擴展至工業級，再到車規級制程要求，工藝精度及可靠性水平持續提升。在先進制程方面，中芯國際圍繞 FinFET 路線持續演進，已逐步形成較為完整的代工能力體系。2019 年公司率先實現 14nm FinFET 的量產，并主要應用于 AI、與高性能低功耗計算等領域。為

41、適配大模型時代的高算力場景需求，公司進一步推出 N+1 工藝。作為中芯國際下一代 FinFET 先進制程節點，N+1 工藝制程于 2020年完成測試及流片，第一次采用四重圖形處理（SAQP）形成 Fin 架構，并由自對準雙重成像技術（SADP）形成 Dummy Gate，以達到更小 pitch 的制程需求。工藝功耗較上一代 14nm 下降 57%，性能提升 20%，該工藝在性能、邏輯密度上具有顯著進步。而公司最新的 N+2 制程也在加速突破中，制程有望等同于 7nm工藝。盡管中芯國際在技術水平上仍與全球最大晶圓代工廠臺積電存在一定差距，但通過對成熟制程的持續優化與重構，中芯正在加速縮小差距，逐

42、步推進先進工藝的國產替代。從財務端來看，中芯國際在 AI 浪潮帶動下表現亮眼。2024 年公司實現營業收入571.01億元，同比增長+28.1%；歸母凈利潤為36.99億元，同比下降-23.3%。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 13 公司 2024 年晶圓代工業務實現收入 532.46 億元，同比增長+30.3%，維持穩健增長態勢。全年產能利用率為 85.6%，銷售晶圓總量折合 8 英寸為 802.1 萬片，24 年年末月產能折合 8 英寸為 94.8 萬片。隨著地緣政治博弈加劇、AI 芯片相關禁令持續推進，以及國產替代化浪潮不斷深

43、化，公司給出 2025Q1 指引，銷售收入預計環比增長 6%8%，毛利率預計在 19%21%之間，在外部與內需雙重帶動下，中芯國際營收表現有望保持穩健增長。2.2 華為昇騰：384 架構引領，910C 蓄勢待發 通過自研的 AI 推理引擎，昇騰 910B 與高端 GPU 之間的性能鴻溝有望逐步彌補。潞晨通過自研的國產推理引擎，成功實現了昇騰 910B 與 DeepSeekR1 系列模型的推理適配優化。得益于 910B 的 CANN 軟件棧提供的軟硬協同優化，以及對 PyTorch 等主流框架的全場景兼容，昇騰 910B 在性能表現上與高端 GPU 相當。比如在采用梯度積累與現存復用技術后，昇騰

44、 910B 可承載的模型數量提升至1.7 倍。同時，在相同算力條件下，DeepSeek-R1 系列模型在昇騰 910B 上的推理延遲較 H100GPU 僅相差 5%，吞吐量差距縮小至 8%內。這證明了在硬件架構和工藝技術仍存差距的情況下，國產 AI 推理芯片通過 DeepSeek 兼容適配，具備平替高端 GPU 的潛力，并有望縮小與國際高端競品的硬件差距。表1：昇騰 910B 與英偉達 B200 的性能差異 昇騰 910B 英偉達 B200 產品方向 加速機器學習等任務專為數據中心設計的高性能 ai 處理器 為需要最高級別計算性能和內存帶寬的應用提供支持，如科研等 框架 DaVinci 架構，

45、面向人工智能應用的高效計算架構。Blackwell 架構，專為 AI 計算架構 晶體管數量 496 億 2080 億 制程工藝 7 納米制程工藝 4 納米制程工藝 算力 256Tera-FLOPS(FP16);512Tera-OPS(INT8)40 Peta-FLOPS(FP4);4.5/9Peta-OPS(INT8);功耗 310W 1000W 內存支持 64GBHBM 內存,400GB/s 內存帶寬 192GB 內存，達到了 8TB/s 內存帶寬 靈活性 支持多種 AI 框架的靈活擴展如 MindSpore 具備出色的靈活性，適用于多種高性能計算和 AI 應用 數據中心應用 支持高效應用，

46、包括高吞吐量、低延遲和高可靠性場景 應用于數據中心，支持云計算、大數據處理等場景 智能網卡特性 高性能、低延遲的智能網卡特性，用于內部的數據傳輸 低延遲，適用于數據中心內部的數據傳輸 資料來源：IT 技術訂閱，芯智訊，民生證券研究院 B200依托Blackwell架構，AI算力達20Peta FLOPS（FP4），內存帶寬8TB/s，并支持 NVLink，適用于大規模分布式計算，主要面向高端算力需求場景。昇騰910B 在性能上暫時難以與 B200 直接競爭。但隨著 DeepSeek 模型優化降低算力行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 1

47、4 需求，昇騰系列在本地化生態和成本控制上的優勢放大，有望在 AI 推理市場打破國際 GPU 市場的壟斷，為國產 AI 產業提供更具競爭力的選擇。昇騰 910C 在 910B 性能短板上進行了優化。昇騰 910C 發布實現了算力的顯著提升（640 TFLOPS/FP16），接近 NVIDIA H100（680 TFLOPS/FP16）。910C的推出不僅強化了在云計算、AI 訓練等高性能計算場景的應用能力，也表明其在AI 芯片市場的競爭力進一步增強，加速縮小與英偉達在高端算力市場的差距。同時，昇騰 910C 通過與 DeepSeek 模型的深度優化，實現訓練效率提升 40%，推理速度突破每秒

48、3000 次，進一步縮小與國際算力表現的差距。昇騰對于“芯片模型-場景”全棧閉環的生態兼容性，也大幅降低了企業切換技術路線的成本，增強AI 產業范圍的需求性并構建自主可控的國產 AI 算力生態。同時，華為云也在超節點上實現突破。4 月 10 日華為云宣布 CloudMartix 384 推出，產品使用 384 顆 910c 芯片堆疊制程，并在系統上采用 Scale Up 架構，通過單層網絡實現 GPU 全互聯，同時配備 6912 個 400G 光收發器，有效保障了帶寬功能指標的達成。而在性能端，通過五倍芯片堆疊配置下，產品算力指標優勢明顯，BF16 性能達到 300 PFLOPS，約為 GB2

49、00 NVL72 的 1.7 倍；HBM總容量達 49.2TB，是 GB200 的 3.6 倍；但在但在功耗上，CloudMatrix 384 總功率上達到 559.4kW，是 GB200 NVL72 的近四倍功耗。能耗設計上的取舍，換來了在大規模訓練及推理場景下顯著的性能釋放。本次昇騰超節點的推出，標志著國產 AI 算力在實際應用場景中的滲透步伐進一步加快，國產算力迎來破局元年。920 研發加速有望進一步放大昇騰硬件優勢。作為昇騰第三代 AI 處理器，昇騰 920 采用中芯國際 6nm（N+3）工藝制造，晶體管密度達到 120 億個，較上一代 910 提升約 50%。芯片基于 Davinci

50、 架構，集成 64 個 Core，每個 Core 支持 32 個矩陣計算單元。在 BERT-large 模型訓練場景下，千卡集群吞吐量提升可達 30%。產品在性能層面實現顯著突破，峰值算力達到 1800TOPS（INT8）/900TFLOPS（BF16），內存帶寬達 4000GB/s。與英偉達 H20 對比，920C 在 BF16算力上提升約 37%，內存帶寬增加 33%，能效比（TOPS/W）優化約 42%。軟件生態方面，華為推出 CUDAtoCANN 轉換器，實現約 92%的 CUDA 代碼自動遷移效率，顯著降低開發者適配與遷徙成本。在實際應用場景中，如金融行業的實時風控系統，基于昇騰 9

51、20 構建的平臺可支持每秒百萬級交易請求處理，并通過動態稀疏計算優化，將模型更新延遲從小時級壓縮至分鐘級，進一步強化數據處理能力與系統響應效率。昇騰與DeepSeek的適配加速了昇騰算力在AI計算市場的滲透。DeepSeek-V3 發布即原生支持昇騰硬件，推動大模型在本地算力上的高效部署。2025 年 2月，70%的國內客戶基于昇騰部署 DeepSeek，覆蓋金融、政務、教育等 30 余個行業。據 IDC 預測，2025 年中國 AI 算力市場國產化比例將從 2022 年的 28%提升至 65%，其中昇騰生態預計占據 40%份額。隨著本地化 AI 計算需求增長，昇騰依托一體機方案在推理吞吐、并

52、發能力、強化學習微調等方面優化算力利用效率，行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 15 降低整體部署成本，進一步鞏固昇騰系列在 AI 產業鏈的核心地位。昇騰依托成熟的國產供應鏈體系，在提升硬件性能表現的同時，逐步縮小與國際龍頭競品的技術差距。通過長期業務合作、戰略投資及股權合作，昇騰在復雜供應鏈體系下依然能夠維持穩定的出貨節奏與產品供應管控。這一供應鏈韌性不僅得益于與核心供應商的深度協同，也依托上游環節的成熟技術支撐，為昇騰系列在AI 算力市場的可持續發展提供長期保障。泰嘉股份：公司主營電源業務，涵蓋消費電源、數據電源和站點電源三大領域，

53、其中數據電子業務重點布局服務器電源模塊，服務于行業頭部客戶。自 2023 年投產以來，公司服務器電源模塊業務產能逐步釋放，并根據市場需求優化生產布局，以適應 AI 服務器、電源管理方案的增長需求。此外，公司以參股方式與羅定雅達形成戰略合作，就消費電子領域的業務協同、技術研發、資源共享、資本運營等多個領域深入合作，而雅達電子也是華為在適配器及供電設備領域的重要供應商。華豐科技：公司深耕光、電連接器及線纜組件供應鏈服務，產品覆蓋防務、通訊、工業三大領域。其中，通訊板塊作為核心業務，公司為華為、中興等主流設備供應商，專注于電源連接器及背板連接器，后者廣泛應用于高端服務器及 AI 計算基礎設施。隨著

54、AI 智能產業發展，公司作為上游核心部件供應商，受益于算力需求增長。華為在公司通訊類業務銷售占比高達 70%，公司已成為其關鍵供應伙伴。杰華特：公司憑借完善的產品矩陣與自主研發能力確立了虛擬 IDM 運營模式在模擬集成電路領域的競爭優勢，并依托自研國際先進工藝平臺，持續推動高端產品迭代。公司加速拓展服務器、AI 等高算力應用市場，已構建 DrMOS+多相供電方案的完整產品體系，強化在 AI 計算與數據中心的競爭力。同時，華為哈勃投資持股約 5%，為公司在高性能電源管理領域的協同發展提供支撐。興森科技：公司在 AI 領域的主營業務圍繞 PCB 和半導體兩大主線展開，并提供 PCB 印制電路板等核

55、心產品。在 PCB 領域，公司通過宜興硅谷基地的管理架構優化，集中資源于服務器等高端賽道，并在產線升級改造后，新增加速卡等 AI 服務器類載板的產能。同時，公司與華為在 PCB 和半導體業務領域保持長期穩定合作，是其重要合作伙伴，進一步鞏固了公司在 AI 產業鏈中的市場地位。華海誠科：公司專注于半導體封裝材料的研發及產業化，主要產品涵蓋環氧塑封料與電子膠黏劑，已發展成為國內規模領先、具備持續創新能力的環氧塑封料廠商。在半導體芯片材料領域，公司已構建完整的自主研發與生產體系，并擁有自主知識產權。目前，公司在 GMC 生產工藝方面取得突破，已建立全套量產工藝流程，相關設備通過客戶考核并持續優化。值

56、得關注的是，華為哈勃投資為公司上市前的原始股東，進一步強化其在產業鏈中的戰略價值。飛龍股份：公司自 1952 年成立以來，已深耕汽車水泵領域 73 年。隨著數字時代發展，數據中心與算力需求同步增長，單機柜散熱需求持續攀升，液冷技術憑借高效散熱性能，在“雙碳”目標推動下加速滲透。公司自 2019 年起布局 IDC 液行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 16 冷賽道，已成功開發（微型泵）、S（小型泵）、M（中型泵）、L（大型泵）四大產品平臺，覆蓋不同功率散熱需求。其中，HP22K 作為 L 型泵旗艦型號，填補了國產高性能液冷泵市場空白，推動

57、國內液冷技術實現突破。2024 年 11 月，公司與華為云正式啟動深度合作，圍繞數字化轉型、技術應用等領域展開協同，進一步加速數字化賦能進程。鴻日達：公司在精密連接器領域深耕多年，近年來亦積極布局半導體散熱領域，華為為公司重要客戶之一。目前，公司半導體金屬散熱片產品可廣泛應用于算力CPU 處理器、GPU 及 AI 算力等領域?，F階段，公司已建成一條半導體金屬散熱片生產線，并規劃根據終端客戶需求、產能稼動率及利用率，逐步擴產至年產 1090萬片的規模。產品方面，公司已完成對多家核心終端客戶的送樣并獲得部分供應商代碼，標志掛拍賣行是著在半導體散熱領域邁出實質性步伐。2.3 算力雙龍：攻堅突圍、加速

58、落地 2.3.1 寒武紀：軟硬協同發力，推進高性能 AI 芯片國產化 寒武紀是智能芯片領域全球知名的新興公司，持續聚焦 AI 芯片領域的技術突破與商業化落地。公司具備從云到邊、從硬件到系統軟件的完整能力，已形成云邊端一體化、軟硬協同、訓推融合、生態統一的平臺化布局。自 2016 年 3 月成立以來，公司不斷推進核心技術的產業化應用，旗下思元系列云端智能加速卡產品已廣泛部署于多家服務器廠商場景中，思元 IP 產品也已集成至超過 1 億臺智能終端，產業落地能力持續驗證。當前，公司研發的全新一代云端 AI 訓練芯片為思元 590。該產品采用 ASIC架構設計，具備低功耗、高效率等特點，針對大模型訓練

59、與高復雜 AI 任務進行深度支持，單卡算力達 512 TOPS，在性能上深度對標 A100。在存儲架構方面，思元 590 的 MTP 與 DDR/HBM 間的帶寬大幅優化，支持 L2 Cache 讀寫緩存，MTP Cluster 的訪存帶寬相較上代提升達 4 倍，為大規模數據處理提供強力支持。思元590 已部署在智能安防、自動駕駛等多元應用場景，有效滿足多種邊緣 AI 應用的需求。軟件生態方面，寒武紀持續完善大模型訓練平臺。公司圍繞 Megatron、Transformer 等主流組件持續優化，全面適配 PyTorch 系列訓練框架，并通過改善熱點算子性能、支持通算融合等優化策略，針對 Dee

60、pSeek、Llama 等主流模型進行適配，進一步提升訓練效率并已達到業內主流水平。在推理側，公司已對主流文生文模型及多模態模型如 Flux 等實現深化支持，覆蓋范圍持續拓展，夯實了訓推一體的平臺底座。值得關注的是，搭載思元 590 的阿里云智能計算集群在Llama-3 訓練任務中已實現訓練成本下降 40%，進一步驗證其商業應用潛力。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 17 圖17：寒武紀基礎軟件系統平臺 資料來源：寒武紀 2024 年社會責任報告，民生證券研究院 在業績層面，公司積極把握大模型齊開花背景下國產算力需求快速釋放所帶來的市

61、場機遇。2025 年 Q1 公司實現營收 11.11 億元，同比增長 4230.22%，大幅提速。細分行業方面，公司在互聯網及運營商市場中產品性能與穩定性獲得廣泛認可，在金融行業亦已實現從傳統 AI 任務支持向大模型適配優化的升級，持續推動 AI 算力在銀行、保險、基金等業務場景中的深度落地。2025 年 Q1 公司歸母凈利潤為 3.55 億元，實現扭虧為盈，盈利能力顯著改善。2025 年 Q1 公司在存貨端 27.55 億元，較去年年末大增 9.81 億，側面驗證下游訂單動能延續，未來放量節奏具備良好支撐。2.3.2 海光信息：架構開放兼容，DCU 加速國產 AI 模型落地 海光信息是國內領

62、先的高端計算芯片設計企業，圍繞 CPU 和 DCU 產品進行雙重布局。公司成立于 2014 年，專注于高性能計算芯片和服務器的研發，面向 AI產品端，其高端協處理器（DCU）為主力產品。海光 DCU 產品基于 GPGPU 架構，兼容類 CUDA 通用環境，主要應用于數據中心與云計算場景，旨在解決傳統架構在大規模并發、低延遲和高帶寬需求下的性能瓶頸。隨著 AI 算力時代的到來，DCU產品展現出廣闊的發展前景。海光 DCU 產品以深算系列命名，當前運行于 ROCm 平臺，兼容 CUDA 生態。與國內競品相比，海光 DCU 具備顯著的算力優勢，依托大規模并行計算架構，在雙精度和整型計算方面表現優異。

63、公司目前的主力產品為深算二號，相較于前代產品，在浮點數據精度和主流數據類型的計算能力方面大幅提升，整體性能提升超過 100%，并針對深度學習模型的訓練與推理場景進行深入優化，顯著提升 AI 算力效率。海光最新 DCU 產品深算三號正在積極研發中。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 18 表2：英偉達、AMD、海光同期 GPU 參數對比 英偉達 AMD 海光信息 產品型號 A100 MI100 深算一號 生產工藝 7nmFinFET 7nmFinFET 7nmFinFET 核心數量 2560CUDAprocessors 640Tensor

64、processors 120CUs 4096（64CUs）內核頻率 Upto1.53Ghz Upto1.5Ghz（FP64）Upto1.7Ghz（FP32）Upto1.5Ghz（FP64）Upto1.7Ghz（FP32）顯存容量 80GBHBM2e 32GBHBM2 32GBHBM2 顯存位寬 5120bit 4096bit 4096bit 顯存頻率 3.2GHz 2.4GHz 2.0GHz 顯存帶寬 2039GB/s 1228GB/s 1024GB/s TDP 400W 300W 350W CPUtoGPU 互聯 PCIeGen4x16 PCIeGen4x16 PCIeGen4x16 GPU

65、toCPU 互聯 NVLink Upto600GB/s InfinityFabricx3 Upto276GB/s xGMIx2 Upto184GB/s 資料來源：海光信息招股說明書，民生證券研究院 在模型適配方面，海光也在積極推進。海光 DCU 已構建自主開發的完整軟件棧，包括 DTK、開發工具鏈等，支持 TensorFlow、PyTorch 等主流深度學習框架。在開放生態基礎上，公司搭建了完善的層次化軟件棧和統一的底層硬件驅動平臺，能夠適配多種 API 接口和編譯器，并支持常見 AI 算法與框架。在 AI 快速發展的背景下，海光 DCU 支持全精度模型訓練，已實現 LLaMA、GPT、子東太

66、初等大模型的全面適配，并與 Qwen、DeepSeek 等國產大模型完成全面對接，持續提升產品滲透率。以 DeepSeek 為例，海光于 2025 年 2 月完成適配結合，其 MTP 優化機制，有效提升了文本數據處理效率，進一步增強芯片在大模型場景下的算力表現和性能穩定性。圖18：海光完整軟件棧系統 資料來源：海光信息官網，民生證券研究院 在最新公布的 2025 年第一季度財報中，公司實現營業收入 24.00 億元，同比增長 50.76%；歸母凈利潤為 5.06 億元，同比增長 75.33%。受益于地緣政治推動下的國產化進程及公司產品在國產大模型中的快速適配，整體需求加速拉動營收高增。同時，公

67、司一季度研發投入達 7.64 億元，同比增長 16.26%，體現出公司在技術迭代和性能突破上的持續投入，通過構筑產品護城河夯實長期競爭力。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 19 在未來地緣環境仍不穩定、國產大模型全面開花的背景下，下游客戶需求有望持續釋放，推動海光信息維持穩健增長態勢。公司 25Q1 合同負債 32.37 億元，較去年末大增 23.33 億元，訂單需求持續旺盛，后續業績釋放具備較強增長動能。2.3.3 云天勵飛：算法芯片化加速推進，邊緣 AI 應用深化突破 云天勵飛成立于 2014 年 8 月，長期深耕算法與芯片雙平臺

68、架構，圍繞算法芯片化和端云協同的技術路徑，已在數字城市等核心應用場景中實現落地突破。公司順應大模型時代發展契機，自 2022 年 ChatGPT 發布以來，持續加碼大模型訓練及推理方向，在軟硬協同能力、產品落地廣度及算力平臺演進方面取得積極進展。在硬件端，公司自 2016 年推出首款自研 AI 芯片 DeepEye 100 后，逐步實現產品迭代，陸續推出 DeepEdge 10 系列 SoC 芯片，并不斷提升芯片性能與適配能力。最新產品 DeepEdge 10 Max 基于公司自研的 NNP400T 神經網絡處理器打造，相較前代產品在浮點與整數計算性能上顯著提升，適配主流深度學習網絡結構。公司

69、現階段研發的可重定義 AI 芯片，面向嵌入式前端及邊緣推理需求，支持靈活適配多種算法框架并兼顧性能與成本效率。同時公司新一代產品采用自主可控的國產工藝平臺，提出算力積木式架構，覆蓋 Transformer、BEV 等主流模型，面向多樣化算力場景，滿足不同行業在邊緣部署中的高效推理需求。表3：云天勵飛 DeepEdge 10 系列性能參數 性能 DeepEdge 10 DeepEdge 10 C DeepEdge 10 Max MCU 核 單核 MCU 處理器，450 DMIPS 單核 MCU 處理器，450 DMIPS 4 個單核 MCU 處理器，1.8K DMIPS；異構計算平臺 NNP40

70、0T NNP400T NNP400T;8 TOPS(INT16),2 TFLOPS(FP16)的 4 TOPS(INT16)/1.5 TFLOPS(FP16)32 TOPS(INT16),8 TFLOPS(FP16)圖形處理器 OpenGL ES 3.1/3.0/2.0/1.1 支持 3D 圖形處理單元 OpenGL ES 3.1/3.0/2.0/1.1 存儲器接口 LPDDR43733Mbps/LPDDR4X3733Mbps/DDR43200Mbps LPDDR43200Mbps/LPDDR4X3200Mbp LPDDR43733Mbps/LPDDR4X3733Mbps；接口 RGMII、R

71、MII PCIe 3.0 PCIe 3.0 功耗 10W-40W 封裝 FCBGA 封裝:23nm*23nm FCCSP 封裝：15mm x 15mm FCBGA 封裝：40mm*40mm/0.8mm 間隙 資料來源：云天勵飛官網，民生證券研究院 注：未標注的數據為沒有在公開渠道披露的信息 在模型端，公司推出自研大模型體系“云天天書”，具備行業領先的圖文理解與問答能力，形成通用、行業、場景三類大模型分層體系。模型可針對政務、企業辦公等典型場景實現快速定制化部署。同時公司也與華為聯合打造云天天書大模型訓推一體機，基于昇騰 AI 平臺構建邊緣智算中心，推動訓練與推理一體化部署。該一體機近期已實現與

72、 DeepSeek R1 全尺寸模型（6710 億參數）FP16 精度的本地部署，并完成面向客戶的場景化集成測試，有效支撐下游應用的智能升級。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 20 圖19：云飛勵天下游場景解決方案 資料來源：云飛勵天 2023 年年報，民生證券研究院 財務端來看公司有望釋放進一步的業績潛力。公司 2025 年 Q1 實現營業收入2.64 億元，同比+168.23%；歸母凈利潤為-0.86 億元，仍處于虧損狀態，但虧損幅度同環比均有顯著改善。隨著大模型場景化需求持續釋放，公司在訓練與推理一體化的產品鏈條將逐步完善。2.

73、4 ASIC：云廠商的曙光，挑戰 GPU 壟斷 目前英偉達在 AI 加速卡領域仍然占據主要供應商的地位，但云商自研 ASIC的比例正在逐步提升。AI 加速卡的競爭格局中主要有三類“玩家”：1）全球龍頭英偉達；2）其他商業 AI 加速卡公司，如 AMD、Intel、昇騰等；3）云廠商自研ASIC。據 Trendforce 統計，2022 年全球 AI 芯片市占率來看，英偉達獨占 67.6%，2024 年英偉達市占率將有所下降，而 AMD 以及其他云商自研 ASIC 比例有望提升。我們認為，云廠商自研 ASIC 將成為未來 AI 芯片增量最核心的來源。一方面，云商自研加速卡在成本方面顯著優于向英偉

74、達等商業公司外采，4Q24 英偉達毛利率已達到 73.0%，采用自研加速卡的方式，將幫助云商在有限的資本開支下獲得更多的 AI 算力。另一方面，云商自研 ASIC 更加靈活，云廠商可以根據自身的模型訓練和推理需求，進行 AI 芯片和服務器架構的設計，從而實現更好的訓練和推理效果。伴隨著云廠商自研 ASIC 產品的逐步成熟，未來云商在 AI 算力的布局中自研的比例有望逐步提升。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 21 圖20：2022-2024 年全球 AI 芯片競爭格局 資料來源：Trendforce，民生證券研究院 谷歌采取自研加速卡

75、為主，同時采購部分英偉達加速卡的策略。谷歌研發 TPU的時間始于 2013 年，相較于其他云廠商有近 10 年的時間優勢。由于谷歌在加速卡領域布局早，產品完善度高，谷歌或為 2024 年北美四大云廠商中采購英偉達加速卡最少的廠商。2023 年 12 月，谷歌推出面向云端的 AI 加速卡 TPU v5p，相較于 TPU V4，TPU v5p 提供了 1.7 倍的浮點運算能力和 3 倍內存帶寬提升；集群方面，TPU v5p pod 由 8960 顆芯片組成，使用最高帶寬的芯片間連接（每芯片 4,800 Gbps）進行互連；從訓練效果來看，相較于上一代產品，TPU v5p 訓練大型 LLM 的速度提

76、升了 2.8 倍。Meta 自 2021 年以來便將企業發展的重點放在元宇宙和 AI 領域，并且修改了公司名稱。2023 年，Meta 宣布自研 MTIA v1 芯片。2024 年 4 月，Meta 發布最新版本 MTIA v2 加速卡，新一代 MTIA 加速卡在算力、內存容量、內存帶寬等方面更加平衡，采用臺積電 5nm 工藝制造，Int 8 稀疏算力可以達到 708TOPS，LPDDR5 內存容量達到 128GB。目前 Meta 仍主要采購英偉達等廠商的加速卡用于 Llama 等模型的訓練。微軟 Azure 服務的世界 500 強企業數量超過 300 家，是目前采購英偉達加速卡最為激進的云廠

77、商，但考慮到采購英偉達加速卡的高昂成本，微軟也宣布了自研加速卡的計劃。微軟的 Maia 100 在 2023 年推出，專為 Azure 云服務設計。Maia 100 采用臺積電 5nm 工藝，單芯片擁有 1050 億個晶體管，FP 8 算力可以達到 1600TFLOPS，同時支持 FP 4 運算，算力達到 3200TFLOPS。除了微軟自身以外，OpenAI 也在嘗試采用微軟的加速卡，強大的下游客戶支持有望為微軟自研加速卡的進步帶來重要動力。亞馬遜同樣在自研加速卡方面加大投入，并且已經完善了訓練和推理的兩方面布局。2023 年，亞馬遜推出了用于訓練的 Trainium2 加速卡，以及用于推理的

78、Graviton4 加速卡，補全了亞馬遜在訓練和推理領域加速卡的布局。亞馬遜的Trainium2 加速卡 Int 8 算力達到 861TOPS，相較上一代產品性能提升 1.3 倍，在云廠商自研加速卡中表現優秀。同時公司的產品可以在新一代 EC2 67.6%65.5%63.6%5.7%7.3%8.1%3.1%3.0%2.9%23.6%24.1%25.3%0.0%20.0%40.0%60.0%80.0%100.0%202220232024FNVDIAAMDIntelOthers行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 22 UltraCluste

79、rs 中擴展多達 10 萬顆 Trainium2 加速卡，與 Amazon EFA 網絡互聯，提供高達 65 EFlops 算力，為云端大模型的訓練和推理提供強大的算力保障。表4：云商自研 ASIC 的布局情況 廠商 大類 型號 發布時間 制程nm 峰值算力 TOPS/TFLOPS 內存信息 互聯帶寬GB/s INT8/FP8 Dense/Sparse BF16/FP16 Dense/Sparse TF32/FP32 Dense/Sparse 類型 容量GB 谷歌 訓練 TPUv5E 2023-394 197-HBM2 16 400 TPUv5P 2023-918 459-HBM2 95 80

80、0 Meta 推理 MTIA v2 2024 5 354/708 177/354 2.76 LPDDR5 128-微軟 訓練 Maia 100 2023 5 1600 800-HBM3 64 1200 亞馬遜 訓練 Trainium2 2023 4 861 431 215-96-推理 Graviton4 2023-DDR5-TESLA 訓練 D1 2021 7 362 362 22.6-32-資料來源：各公司官網，Semianalysis 等，民生證券研究院 注：未標注的數據為沒有在公開渠道披露的信息 芯原股份是國內領先的半導體 IP 供應商，擁有包括 GPU IP、NPU IP 在內的多款處

81、理器 IP，具備為客戶提供一站式芯片定制服務的能力。公司芯片設計能力覆蓋 14nm/10nm/7nm/5nm FinFET 和 28nm/22nm FD-SOI，能夠為提供從硬件到軟件的系統解決方案。2023 年 3 月，藍洋智能發布與芯原股份合作打造的基于 Chiplet 架構的高性能 AI 芯片，其中內置芯原 GPGPU IP 的芯片算力可達 8 TFLOPS，內置芯原 NPU IP 的芯片算力可達 240 TOPS。目前，內置芯原 GPU IP的芯片在全球范圍內出貨近 20 億顆，芯原 NPU IP 已被 72 家客戶用于其 128 款人工智能芯片中，在全球范圍內出貨超過 1 億顆。公司

82、正積極研發面向數據中心和 GPU AI 計算的高性能圖形處理器技術，將支持 16-32 TFLOPs FP32 算力、128-1536 Texel/cycle 紋理處理能力、32-384 Pixel/cycle 像素填充能力。翱捷科技是國內少數同時完成“5G+AI”技術突破的企業之一，專注于無線通信芯片領域，具備提供超大規模高速 SoC 芯片定制服務能力。在無線通信領域，公司掌握 2G/3G/4G/5G 全制式蜂窩基帶芯片及多協議非蜂窩物聯網芯片設計能力，相關客戶涵蓋國家大型電網、中興通訊、美的集團、Hitachi、360、TP-Link等知名企業。同時，基于公司成熟的超大規模芯片設計能力，公

83、司還為人工智能、互聯網、智能手機等不同行業內的頭部企業提供芯片定制服務。目前，公司累計芯片出貨量超過 3 億顆，累計量產全新芯片超過 30 顆。芯原股份和翱捷科技作為國內頂尖 ASIC 設計公司，在各方面都體現了強勁的ASIC 研發實力：1）在研發實力上，截至 2024 年，芯原股份研發人員規模達到1800 人，團隊成員來自 Broadcom、Marvell 等，翱捷科技研發人員規模為 1138人，團隊成員來自 Marvell、智擎信息等；2）在 IP 能力上，芯原股份已全面布局GPU、NPU、VPU 等芯片 IP，服務于多家全球知名企業，翱捷科技則更加專注無線通信芯片領域，2024 年，芯原

84、股份 IP 授權收入為 7.36 億元，翱捷科技則為0.35 億元；3）在 ASIC 能力上，芯原股份具備從先進 5nm FinFET、22nm FD-行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 23 SOI 到傳統 250nm CMOS 制程的設計能力，服務于英特爾、亞馬遜、谷歌、微軟等知名企業，翱捷科技則擁有超大規模芯片量產經驗，單顆芯片晶體管數量達到177 億，2024 年，芯原股份芯片定制收入為 15.81 億元，翱捷科技為 3.36 億元。表5：芯原股份和翱捷科技 ASIC 研發實力一覽 芯原股份 翱捷科技 2023年 2024年 2

85、023年 2024年 IP授權收入（億元）7.65 7.36 1.23 0.35 ASIC/芯片定制收入（億元）15.64 15.81 2.26 3.36 研發人員規模（人）1662 1800 1135 1138 研發團隊背景 Broadcom、Marvell等 Marvell、智擎信息等 IP能力 擁有GPU、NPU、VPU等全面的芯片IP布局，AI儲備第一梯隊，服務于多家全球知名企業 專注無線通信芯片領域，ISP、高速通信接口IP、射頻IP等能力領先 ASIC能力 多工藝節點芯片設計能力，多家客戶量產經驗。為新能源車企提供5nm的自動駕駛芯片；為藍洋智能設計基于Chiplet的AI芯片 超

86、大規模芯片量產經驗，單顆芯片晶體管數量高達177億 資料來源：各公司 2023 年年報、各公司 2024 年年報，民生證券研究院 中興微電子是中興通訊控股的子公司，擁有復雜 SoC 芯片前后端全流程設計能力。公司在芯片架構實現、設計自動化、接口標準化，設計周期達到業界先進水平，并在低功耗技術、先進工藝和封裝測試技術上具有平臺優勢。截止 2024 年底，公司擁有專利超過 4800 項，由公司自主研發并成功商用的芯片超過 120 種，每年芯片發貨量達到 2 億顆。2.5 算力協力模型，實現生態國產化 在國產大模型加速涌現、百花齊放的背景下，國產芯片廠商紛紛加快適配進程。當前，主流芯片企業正加速與國

87、產大模型的適配聯動，持續推動國內算力體系的生態完善。在夯實 AI 產業鏈自主可控的基礎上，國產大模型逐步彌合國內硬件參數與生態適配之間的差距，構建起從模型到底層硬件的高效遷移橋梁。同時，大模型的快速落地進一步加速了 AI 技術在各類產業與場景中的廣泛滲透，拉動了國產高性能算力的結構性需求。以 DeepSeek 為例，其適配工作的推進為國產芯片提供了實際應用場景落地與測試反饋，加速了國產算力平臺的成熟與技術優化。根據與非網報道，近期，華為昇騰、海光、沐曦、天數智芯、摩爾線程、壁仞、燧原、昆侖芯、云天勵飛、靈汐科技、鯤云等多家國產芯片廠商紛紛宣布完成對 DeepSeek 系列模型的適配，涵蓋從 1

88、.5B 到 70B 的多參數版本，實現了推理服務的高效部署。從技術層面來看，DeepSeek 的蒸餾模型和高效算法優化，使得國產芯片能夠在推理任務中實現與高端 GPU 相當的性能表現。例如，海光信息、沐曦等國產GPU 已成功完成 DeepSeek-V3 和 R1 模型的適配，并在實際應用中展現了優異行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 24 的推理效率。這種技術突破不僅降低了算力成本，也為國產芯片在邊緣計算、智能終端等場景的普及奠定了基礎。從生態層面來看，DeepSeek 的開源屬性和低成本特性，吸引了大量開發者和企業加入國產 AI 生態

89、。優刻得、華為云、騰訊云等云計算廠商紛紛支持DeepSeek 模型的部署，形成了從底層硬件到上層應用的完整技術棧。這種“國產算力+國產模型”的閉環生態，不僅增強了國產 AI 產業鏈的自主可控能力，也提供了更具性價比的解決方案。國產芯片適配 DeepSeek 多點開花。隨著 DeepSeek 平臺上線，各大芯片廠商對其較低算力需求下的高效能表現反響積極，加速適配。自昇騰 2 月 2 日在華為云與硅基流動推出 DeepSeekR1/V3 推理服務以來，國內廠商如沐曦、海光信息等陸續優化 DeepSeek 相關蒸餾模型，推動本土芯片生態多元化發展。表6：DeepSeek 發布，各平臺適配情況 芯片廠

90、商 日期 主要事件 華為昇騰 2.1-2.6 2 月 1 日，華為云與硅基流動推出基于昇騰云的 DeepSeekR1/V3 推理服務；2 月 4 日，DeepSeek模型上線昇騰社區支持一鍵部署；潞晨科技與華為昇騰聯合發布基于昇騰算力的 DeepSeekR1 系列推理 API 及云鏡像服務;2 月 6 日，百信信息通過自主研發的恒山 326TA 服務器實現昇騰算力與DeepSeek 模型的推理適配優化。沐曦 2.2-2.5 2 月 2 日，開源平臺 giteeai 上線 1.5 等規模的 DeepseekR1,并部署在沐曦曦云 gpu;2 月 5 日，確認 DeepSeekv3(671b)可在

91、沐曦訓推一體 gpu 上尋用，并且 DeepSeek 為基礎由聯想與沐曦聯合發布國產一體機方案。天數智芯 2.4 完成對 DeepSeekr1 的適配，并上線 1.5b 等模型；此前已完成 DeepSeekV3671B 模型的適配精度對標論文標準。摩爾線程 2.4 宣布實現基于夸娥 gpu 智算集群上對于 DeepSeekR1 蒸餾模型的高效部署，也開放基于 MTTS80 等顯卡的推理部署。海光信息 2.4 完成 DeepSeekV3 和 R1 模型與海關 DCU 的適配上線。壁仞科技 2.5 宣布上線自家 ai 算力平臺對于 DeepSeekR1 蒸餾模型推理適配，覆蓋多場景應用并全面支持

92、1.5B至 70B 全系列模型 太初元碁 2.5 宣布再 T100 加速卡上完成對于 DeepSeekR1 系列模型的適配，并上線多款大模型服務 云天勵飛 2.5 DeepEdge10 芯片平臺完成對于 DeepSeek-R11.5B 至 8B 等模型適配，DeepSeekV3/R1671B 等模型正在適配中 燧原科技 2.6 完成 DeepSeek-R1/V3671B 原生模型等全量模型的高效適配 昆侖芯 2.6 宣布支持 DeepSeek 模型，幫助其在智能計算機等領域應用 靈汐科技 2.6 聯合腦技術社區完成基于 KA200 類腦芯片對于 DeepSeek-R1 系列模型適配 鯤云科技

93、2.6 CAISA430 芯片成功適配 DeepSeekR1 蒸餾模型推理并達成動態優化性能，支持 Qwen 和 Llama 模型 希姆計算 2.6 完成 RISC-V 推理加速卡與 DeepSeekR1 全系列蒸餾模型的適配并落地多個智算中心 算能 2.7 自家 BM1684 處理器完成 DeepSeekR17B/1.5B 蒸餾模型適配 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 25 清微智能 2.7 RPU 芯片完成 DeepSeekR1 系列模型的適配和部署，并支持推一機和無交換機自組網調度 芯動力 2.7 AzureBladeK340

94、LM.2 加速卡完成 DeepSeekR1 大模型的適配并支持在 AIPC 等設備上運行 龍芯中科 2.7 搭載龍芯 3 號 CPU 的設備成功運行 DeepSeekR17B 模型從而實現本地化部署 資料來源：泛半導體之家，民生證券研究院 在各大國產主流芯片廠商加速適配的背景下，國產算力市場的產業活力持續凸顯。AI 技術在各類應用場景中的落地進程正顯著拉動上游芯片廠商的供給響應，推動硬件產品線不斷升級。在 AI 與生活日益融合的趨勢下，算力硬件的部署需求與數據處理能力的要求愈發突出，持續帶動上游算力基礎設施的投入與擴展。關注未來，AI 軟硬件的協同演進與系統化落地將成為國產算力生態構建的關鍵支

95、撐。在全球技術體系重構及供應鏈安全博弈加劇的背景下，推動全鏈條的自主可控與國產化替代，將成為中國智能計算產業高質量發展的核心路徑。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 26 3 算力基建加碼，解決供給短板 3.1 云廠商加大算力儲備及模型投入，資本開支高增 隨著各大國產模型發布，AI 領域的用戶規模持續擴大，對大模型訓練及推理的Token計算需求持續攀升。截至2024年底，全國算力總規模已突破230 EFLOPS，但供需缺口仍達 35%。為應對市場需求增長，國內云計算廠商正加大算力儲備及模型優化投入，AI 計算基礎設施建設布局逐步清晰，相

96、關資本開支進入新一輪擴張周期。以騰訊為例，騰訊在 24 年資本支出達到 768 億元，較 23 年增長 221%，創下歷史新高，占全年總收入 6603 億元的約 12%。而 24 年更多資本投入主要由于購買更多的 GPU 以滿足推理需求，僅 2024 年全年騰訊向英偉達訂購 AI 芯片約為 23 萬，并列全球第二。此外，騰訊云持續推進全球基礎設施布局，國際業務連續三年保持兩位數增長，截至 2024 年底，基礎設施已覆蓋全球五大洲 21 個國家和地區，運營 58 個可用區，進一步提升全球算力調度能力。同時，騰訊云在海外市場布局加速，近期宣布將在沙特建設首個中東數據中心，并計劃在未來數年內投入超

97、1.5 億美元，用于基礎設施、算力資源相關投資，以擴展彈性計算、存儲、安全、AI 云服務的全球供應能力。隨著國內外 AI 產業鏈的持續升級，騰訊在云計算及 AI 訓練推理領域的戰略投資預計將持續深化，并開始對外界用戶使用騰訊云服務。同時，騰訊也在持續強化其自研基礎大模型混元的開發。該模型已在 LLM 方向完成多輪迭代與架構衍生，最新版本融合了 Mamba-Transformer-MoE 的混合架構。在性能表現方面，T1 版本在深度推理能力與 CoT 方面已達到業內頂尖水平。同時，混元在視頻生成方向同樣表現亮眼，于 2024 年 12 月在 Hugging Face 榜單中排名第一，進一步驗證了

98、其在多模態領域的技術實力。在模型策略方面，騰訊采取多模型產品布局，以更好適配不同用戶需求。在 C端，公司推出面向普通用戶的元寶應用，通過支持不同推理深度的輸出路徑，實現從網絡側獲取綜合性答案，滿足用戶在語言、視頻等多模態交互中的多樣化指令需求。在 B 端，混元模型已廣泛部署于騰訊會議中，支持實時語音轉文字與會議摘要生成等功能，助力騰訊會議 MAUs 同比實現翻倍增長。此外，公司還推出 HCC與 HAI 兩大企業端 AI 服務平臺，提供低延遲、高精度的訓練與推理能力，并結合可視化編排功能，顯著提升企業客戶在本地化部署與調用大模型時的效率。展望未來，2025 年騰訊資本開支將繼續擴大，預計維持在全

99、年收入的低兩位數占比區間。公司將持續加大對開源模型與自研通用大模型的研發投入，推動 AI訓練技術的前沿探索。同時，基于自身龐大的業務體系，公司也將在各大商業板塊中深化 AI 應用，進一步促進混元模型在 C 端與 B 端的廣泛滲透與實際落地，提升產品生態競爭力。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 27 圖21：騰訊 AI 投資展望 資料來源：騰訊官網，民生證券研究院 阿里巴巴也在 AI 領域投資上持續加碼。在最新業績會上，阿里巴巴宣布 2024年第四季度資本開支達 318 億元，環比大增 80%，進一步加大對 AI 領域的戰略投入。公司管

100、理層指出，未來三年將是 AI 產業擴張的關鍵窗口期，并將在這一時期投入超過 3800 億元人民幣，這一金額超過過去十年總和。阿里云將全面深化 AI計算基礎設施布局，以應對 AI 技術增長和國內產業生態的蓬勃發展。相關的投資將重點集中于大模型研發與開源，AI 硬件設施升級以及生態協同為行業提供普惠、高效的技術支持。此次大規模投資不僅奠定了阿里在 AI 計算領域的核心地位，也標志著國內民營企業在云計算與 AI 基礎設施建設上的最大規模資本投入。圖22：2021Q1-2024Q4 阿里巴巴資本開支 資料來源：阿里巴巴季報，民生證券研究院 阿里巴巴的資本投資主要集中在云計算基礎設施建設和 AI 算力優

101、化領域。在AI 和云計算基礎設施方面，阿里巴巴正加速提升數據中心（IDC）算力規模，以滿足日益增長的 AI 計算需求。目前，阿里云已在全球 29 個地域，87 個可用區部署云基礎設施，并計劃進一步拓展數據中心布局，以支撐 AI 計算的規?；瘮U展。隨著算力需求的激增，阿里巴巴也在加大對高性能 AI 加速卡的采購，同時積極推進國產芯片自研與部署。旗下平頭哥半導體已推出首款云原生處理器芯片倚天行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 28 710，并已在阿里云數據中心實現大規模部署，算力性價比提升超 30%。此外，阿里還推出了高性能 RISC-V

102、處理器如玄鐵 910 等產品，推動全球 RISC-V 生態發展，同時增強其在云計算及 AI 推理領域的技術競爭力。阿里巴巴在數據中心功率節能領域也取得顯著進展。阿里云的仁和數據中心已部署國內最大規模的液冷計算集群，成為國內首座 5A 級綠色數據中心。該中心采用單相浸沒式液冷技術，可實現 15kW 至 100kW 機柜功率密度的靈活擴展，有效降低數據中心對空調等傳統散熱設備的依賴，將 PUE 優化至 1.09，顯著降低AI 服務器的運行能耗。此外，阿里推出的磐久 ImmersionDC1000 系列液冷解決方案，在提升散熱能力的同時，實現 50%設備空間優化，36%能耗節省，為 AI 計算基礎設

103、施提供長期可持續的發展路徑。阿里巴巴的資本投資聚焦于云計算基礎設施和 AI 算力優化，尤其在 Qwen 系列模型上持續加碼，鞏固其 AI 領先地位。最新發布的 Qwen2.5-Max 在高難度問答、知識理解、通用推理等方面表現突出，并采用 MoE 架構，智能調用子網絡，優化算力資源，提高推理效率，同時降低計算成本，增強商業化落地能力。此外，Qwen 開源生迅速擴展，截至 1 月，基于 HuggingFace 平臺的衍生模型超 9 萬個，成為全球最活躍的AI模型之一。其開源許可允許開發者零成本本地部署 QwQ-32B，并通過蒸餾技術輕量化定制，廣泛適用于各類行業場景，進一步強化 Qwen系列的全

104、模態、全場景 AI 生態布局。阿里巴巴正圍繞 AI 算力、國產芯片、數據中心升級及 AI 賦能業務進行全面布局，資本開支持續向云計算基礎設施、AI 訓練模型、綠色數據中心傾斜。未來，隨著 Qwen 系列大模型生態進一步擴展，國產 AI 芯片及液冷數據中心規?；涞?，阿里在 AI 產業鏈的競爭力有望進一步強化。3.2 國產算力基建元年，構建算力云服務新生態 云廠商資本開支的上修，我們認為不僅僅是資金的投入，更是生態的全面完善和構建。3.2.1 國產大模型蓬勃發展，催生 AI 推理需求 國產大模型迎來蓬勃發展，Kimi、文心一言等大模型改變了國內搜索習慣，而豆包憑借其優異的推理能力及抖音、頭條等自

105、有超級流量入口引流，在 24 年下半年迅速出圈，24 年 6 月-11 月豆包月活用戶由 2751 萬增長至 5600 萬，實現翻倍增長。而 25 年初 DeepSeek 以其強大的算法和框架優化能力開創了大模型“高性能+低成本”的時代，平價 AI 推理算力給 AI 應用的迅速落地創造土壤，海量推理算力需求重新定義 AI 云計算業態。據統計機構 QuestMobile，DeepSeek 日活在 2 月 24 日突破 5000 萬，目行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 29 前已成為國內活躍用戶數量最大，全球活躍用戶數量第二大的 AI A

106、PP。DeepSeek目前成為了歷史上活躍用戶增長最快的 APP，短時間內海量用戶的接入引起云端算力需求短缺，大量服務器繁忙問題影響了短期用戶體驗，也反饋出云端 AI 算力大幅增長的態勢。圖23：1Q25 DeepSeek 日活用戶規模趨勢 資料來源：QuestMobile，民生證券研究院 云廠商紛紛推出 DeepSeek 云上部署服務。在 DeepSeek 大模型爆火后，得益于其開源策略，國內各大云廠商紛紛推出 DeepSeek 全系模型云上部署服務，成為用戶在 DeepSeek 官方服務器繁忙時的全新選擇：1）火山引擎：2 月 4 日宣布支持 DeepSeek 開源模型，可在火山引擎機器學

107、習平臺 veMLP 部署和火山方舟調用模型，并提供全網最高的 500 萬 TPM 限流。2）騰訊云：2 月 2 日，宣布高性能應用服務 HAI 支持一鍵部署 DeepSeek-R1 大模型，且隨后在騰訊地圖、騰訊云 AI 代碼助手、騰訊元器、騰訊云 TI 平臺等十余款騰訊云產品接入 DeepSeek 模型，提供 671B、1.5B、7B、32B、70B 等多種尺寸。3）阿里云：2 月 3 日，宣布 PAI Model Gallery 支持開發者在云上一鍵部署DeepSeek-R1 和 DeepSeek-V3，以“零代碼”實現從訓練到部署再到推理的全過程；2 月 9 日，旗下百煉大模型服務平臺全

108、面上線 DeepSeek 模型，用戶享有100 萬 token 的試用額度。4）華為云：2 月 1 日，宣布與硅基流動聯合首發并上線基于華為云昇騰云服務的 DeepSeek-R1/V3 推理服務，能夠獲得持平全球高端 GPU 部署的效果；2 月12 日，宣布 ModelArts Studio（MaaS）平臺支持昇騰適配版的 DeepSeek-R1/V3（滿血版）體驗，并且提供 200 萬 token 支持開發者免費使用；5）百度云：2 月 3 日，宣布千帆 ModelBuilder 平臺支持 DeepSeek-V3/R1，API 價格極低；2 月 8 日，支持在百舸 AI 異構計算平臺部署滿血

109、版 DeepSeek-V3/R1，并同步在客悅、曦靈、一見、甄知大模型產品應用上接入 DeepSeek 大模型。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 30 表7：各云廠商 DeepSeek 系列模型 API 定價 云廠商 模型版本 輸入價格（元/百萬token）輸出價格（元/百萬token）免費token額度（萬）火山引擎 DeepSeek-V3 2 8 50 DeepSeek-R1 4 16 50 騰訊云 DeepSeek-V3 2 8 限時免費至2025年2月25日 DeepSeek-R1 4 16 阿里云 DeepSeek-V3 2

110、 8 100 DeepSeek-R1 4 16 100 華為云 DeepSeek-V3-200 DeepSeek-R1-200 百度云 DeepSeek-V3 0.8 1.6 限時免費至2025年2月18日 DeepSeek-R1 2 8 資料來源：各公司官網，民生證券研究院 注：API 定價均為非優惠價格 3.2.2 AI 部署成本降低，云服務新生態助力“低成本”轉化“高收入”DeepSeek 從性能與成本上改變了行業格局，將帶動云廠商構建算力云服務新生態。DeepSeek 大幅降低了企業和個人的 AI 部署成本，提升了開源可觸達的大模型性能，大幅提升了客戶部署意愿，提升了云計算市場規模，而

111、全新的業態也對云廠商提出了新的要求。一方面，云廠商的本質是提供算力和服務，在 AI 大模型全民部署的情況下，云廠商需要向上兼容更多的大模型，向下提升用戶觸達的深度和廣度。另一方面，但是僅依靠部署是不夠的，云廠商需要構建算力云服務新生態來將“低成本”轉化為“高收入”：1）軟硬件協同優化：目前國內頭部云廠商均具備 AI 硬件生產能力，例如阿里含光、百度昆侖和華為昇騰，其中昇騰與昆侖芯已經宣布適配 DeepSeek 系列模型。云廠商有望形成“硬件-軟件-大模型”的正向循環，通過硬件兼容加快大模型部署，并從軟件層面進行優化協調，例如昇騰自研推理引擎 MindIE，與大模型實現深度適配、全棧整合，提升大

112、模型在云平臺運行的性能和效率。2）以產品構建生態：海外已有云廠商通過產品構建服務生態，微軟開發了copilot 并植入 Windows、Office、Bing 等軟件中，通過產品龐大的用戶基礎實現對云服務的深度綁定。國內方面，金山云已經部署 DeepSeek，有望效仿微軟，以 WPS Office 作為切入點構建服務生態。另外，百度、阿里、騰訊等企業旗下亦有細分領域尖端產品，有望實現“算力-AI 大模型-產品”生態閉環。3）以服務構建生態：DeepSeek 大模型的超高性價比必將帶來 AI 應用快速增長，垂直領域專業 AI 應用將應運而生，云廠商有望通過提升與開發者配合的應用服務能力獲得競爭力

113、，目前昇騰已經具備為客戶提供從服務化到引擎，再到底層算子的全棧解決方案的能力。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 31 3.3 服務器：算力之基座，全面適配國產算力 大模型蓬勃發展催生算力需求，云廠商資本開支高增，AI 服務器作為算力之基，率先受益于國內算力基建。傳統大型企業傾向于采購品牌服務器廠商提供的標準化服務器。2024Q1 戴爾、浪潮、聯想、惠普、超微及其他品牌廠商以強大的品牌影響力、全面的服務和支持，占據 64%的市場份額。白牌服務器廠商通過提供定制化的服務器解決方案，能滿足云計算廠商的特定需求。如廣達、緯穎等 ODM廠商，2

114、024Q1 占據了服務器市場 36%的市場份額，華勤技術則為內資白牌服務器 ODM 龍頭，成為云廠商 AI 服務器核心供應商。美國對英偉達 AI 算力卡實行出口限制，國內對于自主可控的追求必將引起國產 AI 算力芯片浪潮，除華為昇騰、寒武紀、海光信息等算力芯片收到云廠商及智算中心批量采購外，沐曦、燧原、摩爾線程、壁仞等國產算力芯片亦發展迅速，國內服務器廠商已推出適配國產算力芯片的服務器，為國產算力爆發做好準備。由開放數據中心委員會（ODCC）主導、中國信通院與騰訊牽頭設計，聯合華勤技術、立訊技術等 30 余家產學研機構共同研發的 ETH-X 開放超節點項目，在華勤技術東莞智能制造基地下線。ET

115、H-X 以超大帶寬、超低時延、開放互聯技術為核心構建業界首個彈性超節點系統，探索在單芯片算力發展受限情況下突破算力瓶頸的新途徑，各子系統可以由專業計算、交換、互聯廠家按照 ETH-X 硬件規范獨立研發生產并完成多廠家互聯互通，同時可以支持多種不同廠家 GPU 芯片、交換芯片的組合使用。圖24：ETH-X 超節點方案 資料來源：開放數據中心委員會，民生證券研究院 浪潮信息：公司全球領先的 IT 基礎設施產品、方案和服務提供商，為客戶提供云計算、大數據、人工智能等各類創新 IT 產品和解決方案。根據 IDC 數據，行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券

116、研究報告 32 2024 年公司服務器市占率達全球第二，中國第一；公司發布了業界首個僅靠 4 顆CPU 運行千億參數大模型的 AI 通用服務器 NF8260G7，能夠滿足基于大模型的AI 應用及云計算、數據庫等通用場景;并發布了元腦服務器第八代新品，其基于開放架構設計，在業界率先實現“一機多芯”，具備更全面的智能能力和更高能效，能夠更好支撐 AI 大模型開發與應用創新。2024 年，浪潮信息還與 Intel 聯合發布了 AI 通用服務器，業界首次實現服務器基于通用處理器支持千億參數大模型的運行，能夠靈活滿足基于大模型的 AI 應用及云計算、數據庫等通用場景。華勤技術：公司為 ODM 平臺型公司

117、，為全球安卓系 ODM 龍頭，產品涵蓋手機、平板、PC、可穿戴、AIOT、數據產品、車載產品等。公司 2017 年進入服務器市場，超前布局高性能計算和 AI 驅動的數據處理需求，能夠提供通用服務器、存儲服務器、AI 服務器、交換機的全棧式產品組合，成為多個國內知名互聯網廠商的核心供應商。2024 年公司數據業務收入突破 200 億元，AI 新芯片平臺行業率先發貨，用于客戶人工智能大模型訓練及行業推理場景，25 年公司數據業務目標實現 300 億營收。3.4 算力租賃：短期內算力短缺破局之道 算力租賃助力解決短期內算力缺口問題。算力租賃，即算力資源方通過自建或外購算力的方式，形成一定規模的自有算

118、力資源，然后以租賃收費的模式，為 AI公司、科研院所、云廠商等提供算力支持。算力租賃廠商一般擁有 AI 算力卡拿卡渠道，以及有充沛的在手現金可以滿足重資產的算力投資，能夠為沒有足夠現金自建機房的中小機構提供算力支持，同時也能為云廠商提供 AI 算力補充。DeepSeek 推出以來，各大 AI 公司、開發者甚至制造業紛紛嘗試開發相關垂類應用，同時云廠商也積極接入 DeepSeek，如騰訊“元寶“接入 DeepSeek 后APP 下載量登頂排行榜第一，催生廣泛算力需求，算力租賃價格隨之上漲，根據人民財訊3月5日報道，閑魚平臺近三個月高端顯卡算力租賃搜索量增長300%，RTX 3090、4090 等

119、型號顯卡成了“電子硬通貨”。根據 CloudPrice，AWS 的云計算（H100，us-west-1）均價近一個月來上漲了 76%。算力租賃公司成為各地智算中心的重要算力提供商。除大模型廠商、云廠商直接對算力租賃公司下單，各地智算中心算力建設如火如荼，亦成為算力租賃公司重要客戶。智算中心一般由當地政府主導規劃，算力提供商（算力建設出資方）包含資金充沛的央國企、CSP 以及算力租賃公司等，其中算力租賃公司為智算中心算力建設的重要一環。根據通信產業網，甘肅、寧夏、內蒙等八大算力網絡國家樞紐節點 2024 年算力規模之和超過 20 萬 PFlops，算力建設需求旺盛，算力租賃公司深度受益。行業深度

120、研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 33 圖25：中國智算中心布局 資料來源：黑龍江新聞網，金普新聞，華為官網，天津數據發展中心，濟南公共資源交易中心，山東省人民政府官網等，民生證券研究院 弘信電子專注于提供靈活高效、安全易用、智能運維的算力租賃服務。公司于2023 年開展 AI 算力租賃服務，致力于為客戶提供量身定制混合異構算力資源池適配服務及全方位的算力運維解決方案，擁有智能運維、高效穩定和快速響應優勢。表8：部分算力租賃業務梳理 企業名稱 簡介 弘信電子 公司戰略性布局 AI 算力服務器硬件研發和生產制造與 AI 智算中心算力服務兩大業務

121、。公司算力業務的戰略為將公司打造為算力硬件及整體解決方案提供商，既涉及到與合作伙伴共同進行算力卡及算力服務器等算力硬件的研發生產和銷售，亦會根據大模型客戶、垂直應用客戶及其他各種類型客戶的需求開展算力服務業務。公司目前在甘肅天水設有 AI 服務器智能制造工廠。海南華鐵 算力租賃是華鐵應急推進圍繞經營租賃主業開展的多品類擴張戰略落地的舉措之一，旨在打造新的盈利增長點，增強公司抗風險能力，因此海南控股將大力支持華鐵應急創新性租賃業務全面發展。宏景科技 公司與中國移動寧夏公司于簽署了 中國移動寧夏公司 2025 年算力服務引入采購框架協議，為中國移動寧夏公司提供算力服務，本框架協議含稅總金額上限為人

122、民幣 3.12 億元。首都在線 公司深度踐行“一體兩翼”戰略規劃，以“一云多?！?、“一云多芯”、“一云多池”為切入點，全力打造基于“M 種大模型”與“N 種芯片”的首都在線智算云平臺。公司目前在全球布局了近 100 個數據中心節點,還規劃在美國達拉斯、海南、張家口懷來、蕪湖建設 4 個自有數據中心.資料來源：各公司公告，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 34 公司資源池集成了市場上主流的英偉達合規算力資源，如 4090D、L40S、A800、H800、L20、H20 等型號，以及燧原的 I20、T20、S60 等型號，

123、可根據客戶需求靈活配置，重點服務于互聯網大廠、三大運營商、頭部大模型公司及自動駕駛頭部企業等大公司。圖26：弘信電子算力租賃方案優勢 資料來源：弘信電子官網，民生證券研究院 潤澤科技是全國領先的綜合算力中心領域的科技公司。公司采用“自投、自建、自持、自運維”高等級綜合算力中心集群的模式保證服務的長期性、穩定性和可靠性，已在京津冀廊坊、長三角平湖、大灣區佛山和惠州、成渝經濟圈重慶、甘肅蘭州和海南儋州等全國 6 大區域建成了 7 個 AIDC 智算基礎設施集群，基本完成了全國“一體化算力中心體系”框架布局，全國合計規劃 61 棟智算中心、約 32 萬架機柜，服務于字節跳動、華為、京東等知名企業。表

124、9：潤澤國際信息港項目部分數據中心規格參數 數據中心 機房面積（平方米）機房數量（個）可容納機柜數量 A-1數據中心 11200 27 6000個電信標準機柜 A-2數據中心 16200 28 6000個電信標準機柜 A-3數據中心 11200 28 7000個電信標準機柜 A-5數據中心 11200 27 6000個電信標準機柜 A-6數據中心 11200 28 7000個電信標準機柜 A-18數據中心-6500個電信標準機柜 資料來源：潤澤科技官網，民生證券研究院 云賽智聯是一家以云計算與大數據、行業解決方案及智能化產品為核心業務的專業化信息技術服務企業。公司擁有寶山云計算中心、寶山大數據

125、中心、松江大數據中心等機柜資源，為政府和大中小型企業提供公有云、私有云托管和混合云服務，下屬公司南洋萬邦和信諾時代均為微軟金牌合作伙伴、均獲得全國最高級別云托管服務商認證 AEMSP、AIASP 等高級別認證。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 35 圖27：云賽智聯主要合作伙伴 資料來源：云賽智聯官網，民生證券研究院 3.5 本地部署需求旺盛，助推 AI 一體機發展 3.5.1 何為 AI 大模型一體機 大模型一體機是專為企業和政府設計的“一站式 AI 工具箱”，它將高性能算力硬件（如 GPU 芯片）、大模型軟件（如 DeepSeek

126、）和安全管理功能集成在一個機柜中。用戶無需連接互聯網，即可在本地完成數據訓練、模型部署等任務，確保敏感數據不外泄。其核心價值在于降低算力使用門檻，提升 AI 訓練與推理效率，尤其適用于大模型訓練、自動駕駛、智能制造等高算力需求場景。圖28：息壤智算一體機訓推一體場景 圖29：息壤智算一體機模型推理場景 資料來源：天翼云官網，民生證券研究院 資料來源：天翼云官網，民生證券研究院 相比于云部署模式，采用一體機進行私有化部署具有以下優點：1）數據安全：本地化部署，數據不脫離內網。相對于互聯網客戶，政府、金融、電信等行業客戶具備大量敏感數據，處于對數據安全、隱私安全的考慮，上述客戶對于使用大模型，以及

127、將數據上傳至云端進行訓練持保守態度。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 36 2）簡化部署：企業在大模型開發全流程中，常常面臨切換硬件集群、適配底層硬件以及微調優化等復雜問題。采用 AI 算力一體機可以實現在同一個集群內無縫切換大模型的訓練和推理過程，從而為客戶提供高效的大模型訓練和推理部署流程。同時，解決方案內置了大模型推理引擎、調優工具和算子加速庫，支撐客戶開箱即用，無需進行二次硬件適配，即可讓客戶能夠直接使用大型預訓練模型，從而降低了技術門檻;此外，通過芯片層面的算法調優，能夠充分釋放硬件性能，從而提升模型訓練和推理的效率。3）成

128、本更低：短期看通過云服務使用大模型無需一次性硬件投入，但長期使用公有云 API 按 token 付費成本較高，通過一體機私有化部署有助于降低總體成本并更好地掌控預算。表10：傳統云服務和大模型一體機技術對比 比較項目 傳統云服務 大模型一體機 安全性 數據需上傳至云端，存在泄露風險 數據完全本地處理，物理隔離 安裝便捷程度 部署周期長達數周 3小時開機即用 成本 按流量/時長付費，成本不可控 一次性采購，5年運維成本降低40%兼容性 依賴國外芯片（如英偉達）支持國產芯片（華為昇騰等）資料來源：CSDN、民生證券研究院 3.5.2 DeepSeek 賦能 AI 一體機發展 DeepSeek 通過

129、其卓越的模型性能與極低的推理成本，為 AI 一體機的快速發展提供了核心技術支撐，推動國產 AI 生態的全面落地。技術層面，DeepSeek 的 V3 和 R1 系列大模型采用創新的 FP8 混合精度訓練框架與 DualPipe 算法，不僅性能媲美 GPT-4 等國際頂尖模型，還將訓練成本降低 90%以上，“高性價比+開源”特性使其成為 AI 一體機的理想基座。除 671B 的“滿血版本“，DeepSeek 還使用知識蒸餾技術，將 R1 大模型的復雜知識及思維鏈能力蒸餾至 Qwen/Llama 的開源小模型中，實現模型的輕量化，使用 DeepSeek-R1 進行蒸餾后的小模型推理能力顯著提高，甚

130、至能夠超越 o1-mini，表明了大模型的推理能力向小模型遷移的可能。蒸餾后的小模型參數量在1.5B-70B 不等，適合利用價格相對便宜、配置相對較低的一體機進行本地部署，當客戶有成本控制需求，且對性能沒有過高追求時，低成本一體機。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 37 圖30：蒸餾模型性能對比 資料來源：DeepSeek 官網，民生證券研究院 目前，DeepSeek 已賦能金融、醫療、汽車等 20 余個行業。這種“模型+算力+場景”的深度融合，使得 AI 一體機能夠以開箱即用、靈活定制的特性，降低企業智能化轉型門檻，加速“AI+垂類

131、應用“的全方位落地。政務或教育、醫療等行業有不同的專屬數據，利用特定數據對大模型投喂而開發的垂類應用，不僅具備隱私性、快速響應的優勢，更重要的是客戶可以利用個性化的行業數據對模型進行調優，生成更符合行業特點和使用習慣的模型。此前的端側模型不具備思維鏈能力，DS可清晰展示模型思考過程，客戶亦可對其思考過程進行反饋，使模型的思考方式與企業自身所需趨同，有利于生成更加個性化、專業化的模型。表11：DeepSeek 一體機生態圖譜 領域 相關案例 教育 智海AI教育一體機依托DeepSeek模型構建全棧國產化方案，支持從單機到集群的靈活配置，將AI推理資源消耗降低60%，使教育機構能以低成本獲得高性能

132、AI教學體驗 政務 科華數據推出的全國產算力政務智能體一體機搭載DeepSeek-R1蒸餾模型，通過自研RISC-V加速卡實現1.2PFLOPS算力，24小時智能咨詢服務準確率達95%，推動政務服務智能化轉型 制造 LED顯示企業通過模型生成個性化內容，使傳統顯示屏升級為智能交互終端 醫療 天津醫科大學總醫院聯合中國移動天津公司完成DeepSeek“智算一體機”部署 生態建設 天翼云息壤智算一體機實現從芯片到模型的全棧國產化，紫光股份新華三的靈犀使能平臺則提供一站式模型管理服務，支持多行業快速構建智能應用 智慧城市 大華股份基于DeepSeek-R1開發的安防一體機，可實現實時視頻分析與行為預

133、測 資料來源：公司官網、騰訊網等、民生證券研究院 3.5.3 各大廠商競相推出 DeepSeek 一體機產品 昇騰推出從服務器、推理卡、到加速模組等豐富的一體機產品形態，全面適配 DeepSeek V3/R1 滿血版/蒸餾版本全系列模型，涵蓋智能對話、智能編程、文檔分析、開發板等全場景應用，能夠滿足各類用戶在不同場景下的 AI 需求。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 38 圖31：華為推出 FusionCube A3000 訓/推超融合一體機 資料來源：華為官網，民生證券研究院 浪潮創新技術服務器 NF5468H7 深度融合 Deep

134、Seek 全系列模型與國內 AI加速卡，打造“開箱即用”的智算解決方案。全面兼容 DeepSeek V3（通用底座）、R1（推理優化）、Janus Pro（多模態）等系列模型，支持智能客服與對話、文本分析、工業質檢、醫療影像識別等場景快速適配。圖32：浪潮云帆超融合一體機（智算型-7000 G3）資料來源：光明網，民生證券研究院 華勤推出 DeepSeek 一體機方案，兼容 NV 和國產算力，并可根據模型大模型參數提供不同配置。H9236 服務器采用 8 卡 H20 模組的方案；H8230 服務器采用 PCIe 插卡方案，可通過 4-8 臺小集群組網靈活配置。實現 DeepSeek-R1/V3

135、 671B 的本地部署；P6236 服務器采用單機部署的方案，GPU 可配置 1-2 塊提升推理性價比。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 39 圖33：華勤技術 H9236 服務器 資料來源：華勤數據中心業務微信公眾號，民生證券研究院 聯想全棧自研的 AI 工作站和 AI 一體機正式推出。這一系列產品基于聯想“全棧 AI”戰略，深度融合了“軟硬服一體”協同的 AI 能力，預裝合作伙伴 DeepSeek模型（包括DeepSeek-R1不同版本），用戶可根據業務場景靈活選擇從 7B到671B滿血版本的不同容量參數模型，快速完成部署，無需額

136、外配置。此次發布的 AI 工作站與 AI 一體機家族以“高效部署、場景覆蓋、智能協同”為核心設計理念，全面適配包含 DeepSeek 在內的多款大模型。通過 AI 工作站和 AI一體機，用戶無需復雜的部署與配置，即可快速啟動智能體的開發與應用，實現從模型訓練到應用落地的全過程管理，進一步簡化了 AI 技術的應用流程，助力企業用戶輕松接入并快速運行。圖34：聯想 AI 工作站和 AI 一體機方案 資料來源：聯想官方公眾號，民生證券研究院 弘信電子雙擎布局一體機。公司正式推出搭載國產高性能 GPU 算力卡燧原i20/S60 的燧弘一體機，進一步推動國產 AI 算力生態的升級。此外，集團子公司行業深

137、度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 40 安聯通作為英偉達中國區雙料（GPU+網絡）Elite 級別合作伙伴，也宣布推出搭載NVIDIA 高性能 GPU L20 及 H20 的 Anlink 一體機，滿足不同場景的應用需求。兩款一體機均適配 DeepSeek-671B 滿血版、DeepSeek-R1-Distill-Qwen-32B、DeepSeek-R1-Distill-Qwen-70B 等高效蒸餾小模型，支持開箱即用、私有化部署及靈活配置。圖35：弘信電子燧弘一體機和 Anlink 一體機 資料來源：廈門電子官方公眾號，民生證券研究院 表

138、12：國內 AI 一體機梳理 供應商 一體機名稱 詳細信息 華為昇騰 FusionCube A3000訓/推超融合一體機 推出從服務器、推理卡、到加速模組等豐富的一體機產品形態，全面適配 DeepSeek V3/R1 滿血版/蒸餾版本全系列模型 聯想集團 AI 工作站和 AI 一體機 深度融合“軟硬服一體”協同的 AI 能力，預裝合作伙伴 DeepSeek 模型（包括 DeepSeek-R1 不同版本），用戶可根據業務場景靈活選擇從 7B 到 671B 滿血版本的不同容量參數模型 云天勵飛 云天天書大模型訓推一體機 該一體機由云天勵飛和華為聯合推出，已成功適配 DeepSeek，可以部署在華為

139、昇騰服務器上，支持私有化部署，實現開箱即用，滿足本地化、專屬化的業務需求。浪潮信息 浪潮云帆超融合一體機 深度融合 DeepSeek 全系列模型與國內 AI 加速卡，打造“開箱即用”的智算解決方案 中科曙光 DS 人工智能一體機 內置曙光自研 AI 管理平臺 SothisAI3.0，支持從 10 億級參數模型推理到 1000 億級參數模型訓練的 AI 全場景需求 云從科技 從容大模型訓推一體機 集成大模型一體化生產平臺，具備模型訓練、推理、管理全流程等功能，支持語言、視覺、多模態三大類基礎模型，可靈活適配十億至千億級參數規格 軟通動力 軟通訓推一體化平臺 推出結合昇騰 AI 芯片的“軟通訓推一

140、體化平臺”，并發布基于昇騰底座的軟通天璇 2.0 Maas 平臺，AI 一體機取得華為及鯤鵬技術認證，進入華為云商城 中國電信 息 壤 智 算 一 體 機-DeepSeek 版 深度融合 DeepSeek-R1/V3 系列大模型，天翼云全力加碼，在“息壤”智算平臺、科研助手等多個平臺上線 DeepSeek-R1 和 V3，提供私有云、混合云和一體機等多元化部署方案 中國移動 移動云智算一體機-DeepSeek 版 支持 DeepSeek 預置模型的一鍵推理、微調（蒸餾模型）及智能體構建，預置的DeepSeek 模型助力企業快速構建智能體，實現復雜任務的自動化處理 行業深度研究/電子 本公司具備

141、證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 41 中國聯通 DeepSeek 一體機 基于 星羅 算力平臺預置多尺寸模型，適智一體化算力網支撐 京東云 京東云 DeepSeek 大模型一體機 以 國產算力全適配 和 開箱即用 為核心優勢，內置智能體與知識庫雙引擎，預置 100 多個行業解決方案模板及千種插件，支持本地知識庫快速構建 百度 百舸 DeepSeek 一體機 基于百度百剛平臺打造，提供純國產的算力組合，支持昆侖芯 P800 單機 8 卡部署滿血版 DeepSeek R1/V3，支持 8bit 推理。龍芯 龍芯 DeepSeek 推理一體機 政務金融安全之選，支持

142、100 人并發推理，單卡 FP16 算力達 128 TFLOPS 昆侖技術 昆侖 DeepSeek 本地化部署一體機 基于昆侖技術的 KunLun AI 服務器強勁算力和中科加索的 SigInfer 模型推理引擎，能夠實現卓越的性能表現，為用戶提供穩定可靠的生產級 DeepSeek-R1 和 V3 服務 科大訊飛 星火+DeepSeek 雙引擎一體機 訊飛星火 DeepSeek 塔式一體機支持辦公室活動部署，訊飛星火 DeepSeek 一體機適用機房部署，覆蓋多種部署場景，助力開發者和科創企業加速業務創新 拓維信息 拓維信息智能數據標注一體機 基于 異騰+鯤鵬 打造的 兆箭 AI 算力硬件，可

143、本地化輕松調用 671B 滿血版及蒸餾版 DeepSeek 模型，完成了軟硬件對 DeepSeek 滿血版 671B 與蒸餾版 70B、32B、8B、7B、1.5B 等不同參數版本的適配工作 資料來源：聯想集團官方公眾號，北京通信信息協會，云從科技官網等，民生證券研究院整理 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 42 4 電源及液冷創新，解決功率密度瓶頸 4.1 全新電源架構，數據中心能源衛士 國內算力基建如火如荼，截至 2024 年末，全國在用算力中心標準機架數超過880 萬，算力總規模較上年末增長 16.5%；云廠商亦投入大量資本開支

144、于算力基建，如阿里巴巴宣布未來三年將投入超過 3800 億元用于建設云和 AI 硬件基礎設施，這一金額超過過去十年總和。我們認為，2025 年 AI 產業的核心矛盾之一為功率密度。傳統數據中心以 CPU 云計算為主，芯片功耗較低，而 AI 浪潮下，算力芯片單芯片功耗（TDP）快速提高，同時高密度計算要求采用機柜架構，單機柜功率密度提高，對電源系統提出新的挑戰。例如，傳統數據中心單機柜功率僅為 3-8 千瓦，而 AI 數據中心功率密度則躍升至 20-100 千瓦，對供電系統提出更高挑戰；此外為保證數據中心穩定運行，UPS、柴發、超容等后備電源系統亦有所升級。4.1.1 解讀 AIDC 的三級供電

145、和三級備電 下圖為典型的 AIDC 電氣設備結構?？杉毞譃槿壒╇?，以及三級備電。三級供電：1）UPS/HVDC：UPS 即不間斷電源。市電輸入 UPS 后，UPS 需要首先進行ACDC 轉換，用于給蓄電池直流充電，然后進行 DCDC，把電壓等級轉換到合適后續設備工作的電壓，再進行 DCAC 逆變到 230V 或 400V 交流電，用于后續的交流設備供電。而 HVDC 則是高壓直流輸電，過去主要長距離、大容量的電力傳輸。高壓直流可以大幅減少輸電損耗。并支持更高電壓+功率等級。所以目前已有部分 AIDC機房開始采用 HVDC 方案作為第一級供電。如阿里巴巴張北云計算廟灘數據中心。2）ACDC：即

146、機柜內部的 Powershelf，將交流電轉換為算力硬件所需的穩定直流電，一般輸出電壓為 48V。主要供應商包括臺達、光寶、麥格米特。3）DCDC：即 DCDC 電源模塊，將 48V 電壓進一步下變壓至適用于算力芯片的工作電壓，如 0.8V，1.3V。其中具體供電策略由 Drmos 與多相電源控制器芯片決定。主要供應商包括：MPS、瑞薩、AOSL、晶豐明源。三級備電：1）超級電容：當遇到市電短暫中斷的情況，超級電容可以在極短時間內釋放存儲的電能，為服務器的關鍵組件（如內存、緩存等）提供足夠的電力，確保數據不會因為突然斷電而丟失；同時，超級電容還可抑制電壓波動，通過吸收和釋放電能來穩定電壓，消納

147、電網浪涌。2）UPS 蓄電池：在斷電情況下，UPS 可以切換到電池供電模式，電池的直流行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 43 電會立即通過簡單的逆變器電路為設備提供臨時電源。3）柴油發電機：與 超級電容和 UPS 不同的是，柴油發電機只要有充足的柴油供應，就可以持續供電數小時甚至數天。這為在市電恢復之前維持服務器的運行提供了可靠的保障，同時也為采取其他措施（如搶修電網、調配移動發電設備等）爭取了足夠的時間。在字節 2025 年 1 月 17 日披露的火山引擎算力中心中，柴油發電機設備也作為重點項目進行了公示。圖36：AIDC 電氣設備

148、結構 資料來源：CSDN，民生證券研究院 4.1.2 從 UPS 向 HVDC 演進，高效電源未來式 傳統數據中心供配電系統以 UPS 為主，目前已有數據中心升級為 HVDC（高壓直流輸電）系統。國內方面，最早由中國電信推進使用 HVDC，目前已成功擴展至多個領域，主要應用有阿里巴巴的巴拿馬電源、騰訊的第三代數據中心 T-MDC和第四代數據中心 T-block 等；國外方面，Intel、微軟、Meta 等公司也已采用400V 直流供電系統。相較于 UPS，HVDC 取消了逆變器環節，供電線路更加簡單。當市電正常時，市電經由整流器轉換為直流電后直接向服務器設備供電，同時為電池充電；當市電發生故障

149、時，由電池直接向服務器設備供電。圖37：HVDC 全鏈路供電架構 資料來源：鄧健威等數據中心供配電系統節能技術探討，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 44 新一代數據中心 HVDC 系統將輸出更高電壓。目前普遍采用的 HVDC 系統的輸出電壓為 240V/336V，但是隨著 AI 芯片性能不斷攀升、數量不斷增加，單臺服務器功耗激增，以英偉達 GB200 NVL 72 為例，機架功率便達到 120kw，已經遠遠超過傳統服務器，疊加超大算力集群建設，數據中心整體功耗水平急劇上升，傳統方案難以保證效率。在這種情況下，數據中心

150、供電系統的高電壓輸出成為趨勢。百度 2024 年推出的“瀚?！敝绷麟娫磁鋫淞?750V 輸出柜，支持單機柜 100kw，效率提升 2%-4%；臺達最新推出的 10kV 供電系統 DPSST 系列最高輸出電壓更是達到 1000V，整機效率達到 98%以上。圖38：百度“瀚?！币惑w化直流電源 資料來源：2024 數據中心標準大會，民生證券研究院 4.1.3 超級電容護航 AI 服務器 超級電容器作為一種新型儲能技術，具有快速充電、綠色環保、耐溫范圍廣、輸出功率高等優異性能，被廣泛應用于新能源、軌道交通、工業、電網和消費電子等領域。據北美領先的 AI 基礎設施提供商偉創力（Flex）披露，其基于超容

151、的儲能系統(CESS)將于 1H25 開始生產，并將于 3Q25 開始商業化供應，超容或將成為英偉達 GB300 系列標配。超容在 AI 數據中心的主要作用包括：提供緊急供電、平滑電路波動等。緊急供電：當數據中心發生停電時，超級電容作為一級備電，會率先為服務器提供臨時電源。因其響應速度極快，可在毫秒級時間內完成充電和放電。最大程度防止服務器因供電延遲而導致的數據丟失的情況。而后則由不間斷電源（UPS）的蓄電池以及柴油發電機接續供電。平滑波動：隨著 AI 芯片功耗增大，在訓練或推理的過程中功率波動會更加陡峭，對電路造成損害并影響芯片性能。超級電容器的高功率密度快速響應特性可以較好應對電源波動，能

152、夠在電力負載突然變化時立即提供瞬時功率補償，實現削峰填谷，平抑負載浪涌，確保電壓的穩定及電路和芯片的正常運行，不僅提供了高功率支持，而且優化了空間和能效。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 45 4.1.4 相關公司 江海股份：深耕超級電容器，已成為國內超容龍頭。作為國內電容器行業龍頭企業，江海股份經過多年積累，超容產品已形成多方面的競爭優勢，廣泛應用領域于智能三表、風電變槳、智能電網改造、軌道交通、油改電項目、港口機械等領域。其中鋰離子超級電容器在發電側、用戶側調頻、石油勘探、油改電等諸多應用領域開始應用，在線運營效果良好；由于很多應

153、用都在首次采購中選擇了江海的鋰離子超容產品，公司在后續維護、更新及方案推進上更占據主動權，有利于公司超容產品加速滲透。禾望電氣：擁有完整的大功率電力電子裝置及監控系統的自主開發及研發實力與測試平臺。公司專注于新能源和電氣傳動領域，提供 0.75-22400kW 低壓變頻、8-136MVA 中壓變頻傳動解決方案，可廣泛應用于冶金、石油石化、礦山機械、港口起重、分布式能源發電、大型試驗測試平臺、海洋裝備、紡織、化工、水泥、市政及其它各種工業應用場合。麥格米特：公司深耕電源領域多年，是少數具備高功率高效率服務器電源技術與海外全流程生產供應能力的綜合型電源供應商。2024 年公司成為英偉達Blackw

154、ell GB200 系統 40 余家供應商之一。目前公司產品能力已從 Powershelf拓展至一站式配電解決方案，包括 HVDC、Powershelf、BBU 和超級電容。2025年英偉達GTC大會上公司展出800V HVDC Rack方案，電源采用Side-car方案，單柜功率為 570kW，內含 19 個 800V 輸出的 PSU 和 19 個 30kW 整流器。中恒電氣：深耕直流方案，在行業中享有較高地位。作為數據中心 HVDC 技圖39：超級電容在數據中心起到緊急供電及平滑電路波動的作用 資料來源：武藏官網，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱

155、讀最后一頁免責聲明 證券研究報告 46 術方案的先行者，公司牽頭制定了信息通信用 240V/336V 直流供電系統技術要求和試驗方法國家標準，擁有超過 10000MW 的裝機容量，能夠支持單機柜600kW 的負載，正持續探索高可靠性、集中式架構下的 750V 直流解決方案與產品，以滿足未來數據中心更高效、更環保的需求。公司憑借優秀技術水平為各大數據中心提供定制 HVDC 直流配電系統，服務于阿里巴巴、騰訊、字節跳動等知名企業，先后簽訂“百度云計算中心項目之高壓直流供應工程項目”、“2021 年騰訊高壓直流及綜合配電柜采購項目以及 T-Trian 電源集采項目”和“山東移動數據中心直流不間斷電源

156、項目”等。泰嘉股份：公司電源業務主要涵蓋消費電源、數據電源和站點電源三大領域，其中數據電子業務重點布局服務器電源模塊，服務于行業頭部客戶。自 2023 年投產以來，公司服務器電源模塊業務產能逐步釋放，并根據市場需求優化生產布局，以適應 AI 服務器、電源管理方案的增長需求。此外，公司通過直接參股雅達電子，就消費電子領域的業務協同、技術研發、資源共享、資本運營等多個領域展開深入合作。同時雅達電子也成為華為主要供應商，進一步推動雙方在產業鏈中的深度合作。4.2 液冷接棒傳統風冷，溫控系統革新升級 液冷數據中心產業鏈由上游液冷零部件、中游液冷服務器及基礎設施和下游液冷數據中心用戶構成。上游液冷零部件

157、主要包括冷卻液、CDU、快接頭、manifold、電磁閥、TANK 等；中游主要包括浪潮、聯想等服務器制造商，以及曙光數創、英維克、申菱股份等液冷解決方案提供商；下游主要客戶為互聯網廠商、三大運營商、政府、科研院所等機構。圖40：中國液冷數據中心產業鏈 資料來源：科智咨詢中國液冷數據中心市場深度研究報告，民生證券研究院 近年來，中國液冷數據中心市場快速發展，市場規模增速超過 40%；預計行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 47 到 2027 年，液冷市場將以 60%的復合增長率，突破千億規模。圖41：2019-2027 年中國液冷數據中

158、心規模（億元）圖42：2019-2027 年中國液冷服務器市場規模（億元）資料來源：科智咨詢中國液冷數據中心市場深度研究報告，民生證券研究院 資料來源：科智咨詢中國液冷數據中心市場深度研究報告，民生證券研究院 4.2.1 冷板式為短期內主流，重視 CDU、快接頭等產業鏈相關環節 目前數據中心液冷技術主要分為冷板式液冷、浸沒式液冷及噴淋式液冷三種路線。冷板式液冷是通過冷板將發熱元器件的熱量間接傳遞給封閉在循環管路中的冷卻液體，通過冷卻液體將熱量帶走的一種實現方式。冷板式液具有極高的散熱性能、更好的材料兼容性和簡便的改裝方式的優勢，目前行業成熟度最高。浸沒式液冷是最近幾年備受業界關注的新型散熱技術

159、：它主要采用特定的冷卻液作為散熱介質，將 IT 設備直接浸沒在冷卻液中，通過冷卻循環帶走 IT 設備運行過程中產生的熱量。同時，冷卻液通過循環過程與外部冷源進行熱交換，將熱量釋放到環境中去。由于架構特殊，浸沒式液冷具有散熱效率高、運行溫度變化小、支持更高功率 IT 部署的優勢。圖43：液冷系統通用架構原理圖 圖44：冷板式液冷系統原理圖 資料來源：中興通訊液冷技術白皮書，民生證券研究院 資料來源：中興通訊液冷技術白皮書，民生證券研究院 噴淋式液冷通過在服務器內部部署噴淋模塊，使用一種對人、IT 設備和環境行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報

160、告 48 無害無腐蝕的絕緣液體，有針對性的對發熱器件進行噴淋降溫的解決方案。噴淋液冷具有器件集成度高、散熱效率強、高效節能和靜音的特點，但是需要保證冷卻液按需分配，運行維護復雜，應用局限。圖45：單相浸沒液冷系統原理圖 圖46：噴淋式液冷系統原理圖 資料來源：中興通訊液冷技術白皮書，民生證券研究院 資料來源：中興通訊液冷技術白皮書，民生證券研究院 相比冷板式液冷，浸沒式和噴淋式液冷可完全去除散熱風扇，散熱及節能效果更好，數據中心 PUE 值可降至 1.1 及以下，但相應對服務器機柜及機房配套設施的投入及改造成本更高，運維難度更大。表13：冷板式、浸沒式、噴淋式液冷技術對比 比較項目比較項目 冷

161、板式冷板式 浸沒式浸沒式 噴淋式噴淋式 成本 冷板要求的規格多，大多需要單獨定制，成本較高 冷卻液用量較多，與冷板式相比成本居中 通過改造舊式服務器和機柜，增加必須的裝置，成本較小 可維護性 較簡單 復雜 復雜 PUE 1.1-1.2 小于 1.09 小于 1.1 兼容性 未與主板和芯片模塊進行直接的接觸，材料兼容性較強 直接接觸，材料兼容性較差 直接接觸，材料兼容性較差 安裝便捷程度 不改變服務器主板原有的形態，保留現有服務器主板，安裝便捷 改變服務器主板原有結構，需重新安裝 不改變服務器主板原有的形態，安裝便捷 可循環 采用雙路環狀循環對冷凍液實現二次利用，降低運營成本 通過室外冷卻裝置進

162、行循環，降低運營成本-采用循環泵，實現資源的再利用，降低運營成本 資料來源：蘭洋科技官網，聯想液冷服務器白皮書、民生證券研究院 4.2.2 相關公司 英維克：2022 年，公司緊跟 AI 等新應用場景帶來的液冷技術應用需求增長的機遇，持續推進產品研發，23 年 10 月，為高效解決 5G 基站設備散熱難題，滿足 5G 應用加速規?；涞氐男枰?，公司全新推出 3D-TVC 零功耗相變液冷方案。公司于 24 年 8 月推出 Coolinside 全鏈條液冷解決方案，包括冷板式液冷方案和浸沒式液冷方案，能夠根據不同應用場景靈活配置，對應于大型、中型、小型等各類數據中心應用場景，截至 2023 年 3

163、 月，公司已經累計交付超過 500MW 液冷項目。申菱環境：公司是全球領先的數據中心溫控散熱解決方案服務商和專業特種空調系統解決方案服務商，布局數據中心、特種工業、軌道交通等多個領域。歷年行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 49 來公司數據服務產品已廣泛服務于華為、騰訊、字節、秦淮數據、浪潮、潤澤科技、超聚變等眾多知名客戶，并作為聯合發布廠商與秦淮共同發布“智算中心全棧解決方案 2.0”。公司深度參與液冷技術的研究與應用。推出基于智算、超算等多種數據中心發展需求的風液同源大液冷系統。數據服務板塊占比提升，液冷產品收入成倍增長。截至 20

164、24 上半年，公司數據服務板塊表現突出，營收同比增長約 61.35%，新增訂單接近 2023 年全年總量，尤其在高能效創新產品方面表現顯著，蒸發冷卻產品營收為去年同期的 3.6 倍，液冷產品為 6.5 倍。高瀾股份：公司在 IDC 液冷領域已經擁有冷板式和浸沒式液冷服務器熱管理解決方案、集裝箱液冷數據中心解決方案，業務涵蓋了從液冷板、CDU、Tank、集裝箱等部件到數據中心設計、設備集成、系統調試、設備運維的系統集成。子公司高瀾創新目前已積累了字節跳動、阿里巴巴、騰訊、浪潮信息、萬國數據等優質客戶，且在境外北美、歐洲等地區成功部署了熱管理產品。溯聯股份：公司研發、生產的新能源汽車冷卻管路及零部

165、件專門針對新能源汽車液冷技術路線，截至 2022 年末，公司相關產品已廣泛布局 30 多家新能源產業鏈客戶，遍布整車、動力電池、熱管理系統、儲能等領域，形成了較為完善的新能源客戶結構。公司的儲能液冷產品已于 2022 年開始量產。公司的流體管路及注塑零部件產品大量應用在新能源汽車熱管理的液冷領域，是公司增長最快的業務板塊之一。目前公司在電池儲能方面的在手項目較多，公司正積極往液冷充電樁和服務器等領域拓展相關業務。數據中心液冷方面，管路系統主要采用 FEP 或聚四氟乙烯等氟塑料管路，亦配置快速連接器，公司具備相關產品能力，當前正完善相關工藝和技術儲備。川環科技：公司自主研發的用于液冷領域的高性能

166、液冷管路系統，可以取代現有市場普遍使用的聚四氟乙烯結構，該液冷管路系統在耐高溫、耐腐蝕和耐老化方面表現優異，相較于聚四氟乙烯結構，它能更好地應對服務器工作過程中產生的高溫，提高冷卻效果，能夠更好地抵御冷卻液體中可能存在的腐蝕物質，延長冷卻管路的使用壽命，減少液冷管路的更換頻率，從而降低維護成本，有助于提高數據中心的冷卻效率和穩定性，滿足不斷增長的數據處理需求。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 50 5 行業投資建議 國產大模型持續突破，DeepSeek、豆包、MCP等開始引領全球AI產業發展，AI應用落地加速。芯片廠商也在加速適配國產

167、算力生態。以自主可控為基石，云廠商資本開支持續加速。帶動服務器、電源、存儲等上游產業鏈環節機遇。建議關注：1）算力芯片：中芯國際、海光信息、寒武紀、芯原股份、云天勵飛、翱捷科技、沐曦技術（未上市）；2）服務器：華勤技術、聯想集團、浪潮技術、弘信電子；3）電源：禾望電氣、麥格米特、中恒電氣、泰嘉股份、科泰電源、濰柴重機、科華數據、歐陸通、奧?？萍?；4）溫控：申菱環境、英維克、溯聯股份、川環科技；5）其他供應鏈：德明利、長光華芯、杰華特、華海誠科、華豐科技、興森科技等。表14：重點關注個股 證券代碼 證券簡稱 股價（元）EPS PE 評級 2024A 2025E 2026E 2027E 2024A

168、 2025E 2026E 2027E 688981.SH 中芯國際 89.90 0.46 0.64 0.84 1.00 194 140 107 90 推薦 688041.SH 海光信息 150.01 0.83 1.32 1.91 2.64 181 114 79 57 推薦 688521.SH 芯原股份 91.79-1.2-0.18 0.07 0.61/1311 150 推薦 603063.SH 禾望電氣 31.90 1.00 1.37 1.66 2.01 33 23 19 16 推薦 301018.SZ 申菱環境 40.60 0.43 1.03 1.44 1.80 93 39 28 23 推薦

169、 301397.SZ 溯聯股份 36.95 1.03 1.60 2.36 3.19 36 23 16 12 推薦 688048.SH 長光華芯 60.54-0.57 0.02 0.41 0.66/3301 149 92 推薦 688343.SH 云天勵飛 56.81-1.63/資料來源：Wind，民生證券研究院預測 注：股價為 2025 年 5 月 6 日收盤價；未覆蓋公司數據采用 Wind 一致預期。5.1 長光華芯：國產光通信芯片新進者 深耕高功率激光芯片十載，國產光通信新進者。公司 2012 年成立之初，便建成包括芯片設計、封裝測試、光纖耦合等工藝產線；2018 年成立 VCSEL 事業

170、部與激光系統事業部，產線和事業部構建完善。目前建立了半導體激光芯片 GaAs（砷化鎵）和 InP（磷化銦）兩大材料體系，構建了先進的邊發射和面發射兩大芯片結構工藝技術和制造平臺，公司產品中高功率半導體激光芯片和光通信芯片屬于邊發射激光芯片，而 VCSEL 芯片屬于面發射激光芯片。下游應用場景涉及工業、3D傳感、激光雷達、數據通信等。實現快速從 1 到 N 的產品矩陣擴展。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 51 圖47：長光華芯產品系列布局 資料來源：長光華芯招股說明書，民生證券研究院 2019-2022 年，隨著公司收入規模的快速增長

171、，以及公司 18W 及以上單管芯片等高端產品放量帶動盈利能力提升，公司在 2020 年迅速扭虧為盈，并于 2021年達到 1.15 億元凈利潤，同比增長 340.49%。2023 年由于工業市場的持續疲軟，公司利潤端承壓，歸母凈利潤實現虧損 0.92 億元。2024 年公司虧損與 23 年同比基本持平，后續新能源汽車、光通信等新型消費電子領域不斷增長的需求，公司營收及利潤有望迎來修復。圖48：2018-2024 年長光華芯營收和利潤情況 圖49：2020-2024H1 長光華芯營收結構 資料來源：ifind，民生證券研究院。資料來源：ifind，民生證券研究院 分業務收入預測：高功率單管系列業

172、務：公司作為高功率半導體激光芯片領域頭部企業，得益于-1000%-800%-600%-400%-200%0%200%400%-202462018 2019 2020 2021 2022 2023 2024營收（億元）歸母凈利潤（億元）營收yoy（%）歸母凈利潤yoy（%）0%20%40%60%80%100%20202021202220232024H1高功率單管系列高功率巴條系列VCSEL芯片系列其他行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 52 智能設備、消費電子、新能源等領域對激光器需求的持續上升，以及新興應用領域增量市場的不斷開拓，公司

173、2022 年之前維持高速發展時期。23 年受宏觀經濟環境等因素的影響，行業競爭加劇，公司于 23 年初對價格進行調整，使得主業的毛利水平下降。根據公司數據，2024 年上半年工業市場緩慢恢復，并在未來幾年維持此態勢。工業市場面向激光制造和材料加工領域，下游市場增長量進入相對平穩時期；此外，公司在光通訊的技術更新迅速，200G EML 芯片研發進展良好，預計26 年通過小批量交付和樣品驗證，在數據中心和高速網絡的市場份額有望增長。我們預計 2025-2027 年高功率單管系列業務營收增速為-8.0%/5.0%/5.0%。毛利率方面，后續隨成本端壓力緩解，歷史存貨減值逐步消化完成，公司收入+利潤有

174、望逐步回暖到前期水平，預計 2024-2026 年毛利率分別為 29.0%/35.0%/35.0%。高功率巴條系列業務：公司巴條器件產品主要使用方為客戶 A2，產品最終用于其科研，整體銷量受客戶 A2 具體科研項目進度影響，進而過去幾年該板塊營收一直保持波動態勢。24 年上半年，特殊領域的出貨主要來自于 Q2 的貢獻，Q3 及Q4 繼續交付現有訂單。根據公司數據，2024 年上半年為訂單旺季，下半年需求趨于平穩，預計全年增速放緩，特殊領域在 2025 年市場需求將逐步進入放量階段，多家客戶訂單需求旺盛，行業目前仍處于高速增長階段，預計公司該板塊業務會有較好的營收增長。故我們預計 2025-20

175、27 年高功率巴條系列業務營收增速為160.0%/90%/50%。由于該產品主要用于科研攻關，更關注產品性能表現，客戶對產品價格不敏感，預計批量量產出貨后整體毛利率穩中有升，預計 25-27 年毛利率為 65.0%/68.0%/70.0%。VCSEL 芯片系列業務：得益于智能駕駛賽道突飛猛進對激光雷達市場的需求開拓及 3D 傳感器技術的不斷迭代升級，作為其中核心零部件的 Vcsel 將迎來廣闊市場空間。根據公司數據，在高性能車載激光雷達芯片，其 24Q4 已取得部分成績，25 年會進入量產階段；公司還在其他場景中進行技術儲備，例如機器人的“眼睛”、消費電子領域等，后續市場需求有望持續增加。此外

176、，公司在光通訊領域的200G VCSEL 芯片研發進展良好。故我們預計 2025-2027 年 VCSEL 芯片系列業務營收增速為 40.0%/40.0%/40.0%。公司產品高端化后產品毛利率趨勢平穩，預計 24-26 年毛利率為 50.0%/48.0%/47.0%。表15：長光華芯分業務收入預測（百萬元）業務 項目名稱 2022A 2023A 2024A 2025E 2026E 2027E 高功率單管系列 銷售額（百萬元）345.24 251.70 213.45 230.53 242.05 254.15 YOY-4.36%-27.09%-15.20%8.00%5.00%5.00%毛利率 4

177、8.80%29.66%10.93%29.00%35.00%35.00%毛利潤 168.48 74.65 23.33 66.85 84.72 88.95 高功率巴條系列 銷售額（百萬元）29.98 28.08 36.84 95.78 181.99 272.98 YOY-46.14%-6.34%31.20%160.00%90.00%50.00%毛利率 79.92%65.19%64.07%65.00%68.00%70.00%毛利潤 23.96 18.31 23.60 62.26 123.75 191.09 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告

178、53 VCSEL芯片系列 銷售額（百萬元）3.94 2.47 3.62 5.07 7.10 9.93 YOY-51.95%-37.31%46.56%40.00%40.00%40.00%毛利率 26.75%11.42%50.31%50.00%48.00%47.00%毛利潤 1.05 0.28 1.82 2.53 3.41 4.67 其他業務 銷售額（百萬元）6.44 7.96 18.72 21.53 24.76 28.47 YOY 51.21%23.59%135.08%15.00%15.00%15.00%毛利率 83.04%51.48%86.88%50.00%50.00%50.00%毛利潤 5.

179、35 4.10 16.26 10.76 12.38 14.24 合計 銷售額（百萬元）385.60 290.21 272.63 352.91 455.89 565.54 YOY 8.69%-11.45%-6.06%29.45%29.18%24.05%毛利率 51.57%33.54%23.85%40.35%49.19%52.86%毛利潤 198.84 97.34 65.02 142.41 224.26 298.95 資料來：Wind，民生證券研究院預測 投資建議：我們預計公司 2025-2027 年將實現營收 3.53/4.56/5.66 億元，歸母凈利潤 0.03/0.72/1.17 億元，對

180、應現價 2025-2027 年 PS 為 30/23/19 倍，25 年基本實現盈虧平衡、26 年實現盈利。我們看好公司產品結構改善，激光雷達+光通信+特殊領域進入放量階段，首次覆蓋，給予“推薦”評級。風險提示：產品創新不及預期；上游原料價格波動；客戶拓展不及預期 表16：長光華芯盈利預測與財務指標 項目/年度 2024A 2025E 2026E 2027E 營業收入（百萬元）273 353 456 566 增長率（%）-6.1 29.4 29.2 24.1 歸屬母公司股東凈利潤（百萬元）-100 3 72 117 增長率（%）-8.5 103.2 2121.7 63.1 每股收益（元）-0.

181、57 0.02 0.41 0.66 PE/3301 149 91 PS 39.1 30.2 23.4 18.9 資料來源：Wind，民生證券研究院預測；（注：股價為 2025 年 5 月 6 日收盤價）5.2 禾望電氣：新能源與電氣傳動領跑者 國內外市場雙輪驅動，新能源電控業務領跑市場。禾望電氣是一家致力于新能源、電氣傳動和電源領域的高新技術企業，專注于產品研發、生產、銷售及服務。公司自成立以來，一直秉承“科技創新，人才強企”的理念，通過持續的技術創新和優質服務，不斷為客戶創造價值。禾望電氣在風電、光伏、儲能、氫能及電氣傳動等領域取得了顯著成就，成為國內新能源及電氣傳動領域最具競爭力的企業之一

182、。在新能源板塊，公司憑借在風力發電產品及控制系統的關鍵技術突破，全方位支持陸上風電、海上風電、集中式光儲、分布式光儲及氫能產業，雙饋變流器、全功率變流器、風電變槳系統在市場上表現優異，有力推動了新能源行業的高質量、行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 54 規?；l展。在電氣傳動領域，禾望電氣持續深化細分市場，助力高端裝備制造業轉型升級，進一步穩固了公司在行業內的領先地位。圖50：禾望電氣產品系列布局 資料來源：禾望電氣官網，民生證券研究院 2018-2024 年，禾望電氣營收與利潤呈現“階梯式增長短期承壓”特征。營業收入從 2018 年

183、的 11.81 億元增長至 2023 年的 37.52 億元，新能源電控業務的快速放量是核心驅動力，尤其在 2021 年后加速擴張，2024 年營收同比微降0.5%至 37.33 億元。歸母凈利潤波動較大，2018-2021 年處于低位，緩慢爬升，2022年受風電搶裝潮退坡影響利潤同比下滑4.7%至2.67億元，2023年隨光伏、儲能業務放量利潤翻倍至 5.02 億元（同比+88.2%），創歷史新高。但 2024 年利潤回落至 4.41 億元（同比-12.3%），原因可能在于新能源電控業務收入下滑 4.79%，同時費用端壓力增大，拖累盈利水平。圖51：2018-2024 年禾望電氣營收和利潤情

184、況 圖52：2021-2024 年禾望電氣營收結構 資料來源：ifind，民生證券研究院 資料來源：ifind，民生證券研究院 投資建議：我們預計公司 2025-2027 年將實現營收 47.35/56.90/68.42 億元，歸-100%0%100%200%300%400%0102030402018201920202021202220232024營收（億元）歸母凈利潤（億元）營收yoy（%）歸母凈利潤yoy（%）0%20%40%60%80%100%2021202220232024新能源電控業務傳動系統其他主營業務其他業務行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免

185、責聲明 證券研究報告 55 母凈利潤 6.19/7.47/9.04 億元，對應現價 2025-2027 年 PE 為 23/19/16 倍，在國內外市場雙輪驅動下，新能源電控業務穩健增長，同時公司數據中心業務有望快速放量，我們看好公司業務前景，維持“推薦”評級。風險提示：行業需求波動；海外市場拓展受阻的風險；產品創新不及預期的風險。表17：禾望電氣盈利預測與財務指標 項目/年度 2024A 2025E 2026E 2027E 營業收入（百萬元）3,733 4,735 5,690 6,842 增長率（%）-0.5 26.8 20.2 20.3 歸屬母公司股東凈利潤（百萬元）441 619 747

186、 904 增長率（%）-12.3 40.6 20.7 21.0 每股收益（元）0.98 1.37 1.66 2.01 PE 33 23 19 16 PB 3.4 3.0 2.6 2.3 資料來源：Wind，民生證券研究院預測；（注：股價為 2025 年 5 月 6 日收盤價）5.3 申菱環境：數據中心溫控核心供應商 公司 2000 年成立，于 2021 年上市，主要圍繞空氣環境調節設備開展業務、致力于液冷和風冷技術，聚焦數據中心和電力能源包括核電相關的下游。公司主要產品類別包括數據服務、工業工藝、專業特種、高端公建等。在數據服務板塊，受益于 AI 技術，公司數據中心與配套產品不斷升級迭代，提供

187、更高能效產品；在工業板塊，公司重點聚焦國內新能源產業鏈等優勢產業海外設廠等業務；在特種板塊，公司重點聚焦飛機地面空調等高技術含量設備的業務拓展，機場、核電站、醫院將是特種板塊重要增量來源。圖53：申菱環境主要產品布局 資料來源：申菱環境官網，民生證券研究院 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 56 公司 2024 年實現營收 30.16 億元，同比增長 20.11%，受益于與華為、運營商、互聯網企業及第三方數據中心運營商的業務拓展，公司 2018-2024 年營收實現了較快增長，期間 CAGR 達 17.97%。公司的凈利潤在 2022

188、 年達到高點 1.66億元，隨后于 2023 年同比下降了 36.9%，主要由于 2023 年公司加大了研發、擴能市場的投入，此外公司重建智能溫控設備智能制造項目損失了約 2200 萬元，對公司的凈利潤也造成了影響。2024 年公司實現歸母凈利潤 1.16 億元，同比增長10.17%，重啟正增長。設備營收占公司 2024 年營收的 84.60%，解決服務方案及服務的營收占總營收的 14.91%，而其他業務營收占 2024 總營收的 0.49%。分下游應用看，24 數據服務板塊、特種板塊、工業板塊、公建及商用行業、其他行業占公司營收比重分別為 51.31%/23.33%/20.26%/4.61%

189、/0.49%。未來能源和數字化是公司重點業務方向，預計在將來幾年數據中心需求仍會保持較好的增長，數據中心和核電的兩個新基地將陸續投產。當前液冷業務呈現快速增長態勢，預期未來液冷占比會持續提升并成為智算中心主要散熱手段，公司將重點加大在液冷業務的研發和產能投入。圖54：2018-2024 年申菱環境營收和利潤情況 圖55：2024 年申菱環境營收結構 資料來源：ifind，民生證券研究院 資料來源：ifind，民生證券研究院 業務收入預測：設備：公司是全球領先的數據中心溫控散熱解決方案服務商和專業特種空調系統解決方案服務商，布局數據中心、特種工業、軌道交通等多個領域。歷年來公司數據服務產品已廣泛

190、服務于華為、騰訊、字節、秦淮數據、浪潮、潤澤科技、超聚變等眾多知名客戶，并作為聯合發布廠商與秦淮共同發布“智算中心全棧解決方案 2.0”。公司深度參與液冷技術的研究與應用。推出基于智算、超算等多種數據中心發展需求的風液同源大液冷系統。2024 年，公司數據服務板塊表現突出，營收同比增長約 75.40%，新增訂單同比增長約 95%，尤其在高能效創新產品方面表現顯著，蒸發冷卻產品營收為去年同期的 2.3 倍，液冷產品為 2.9 倍。云廠商資本開支高增。騰訊 2024 年度資本開支達 767 億美元，環比 221%，-40%-20%0%20%40%0102030402018 2019 2020 20

191、21 2022 2023 2024營收（億元）歸母凈利潤（億元）營收yoy（%）歸母凈利潤yoy（%）84.60%14.91%0.49%設備解決服務方案及服務其他業務行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 57 主要用于 GPU 采購，以支撐 AI 訓練與推理需求；阿里巴巴宣布 2024 年第四季度資本開支達 318 億元，環比達 80%，并進一步加大對 AI 領域的戰略投入，在未來三年投入超過 3800 億元人民幣，超過過去十年總和。公司設備業務主要客戶為云廠商，受益于騰訊、阿里等云廠商資本開支上修，公司應用于溫控領域的空調、液冷等設備預

192、計放量，我們預計 2025-2027 年公司設備業務營收增速為33.0/28.0/20.0%。毛利率方面，隨著液冷相關的 CDU、管路等產品放量，規模效應逐漸體現，該業務毛利率預計將持續上行，預計 2025-2027 年該業務毛利率分別為 27.0/28.0/28.5%。解決方案及增值服務業務、其他業務：公司其他業務主要包括非設備類的運維服務以及廢料銷售等，預計在 2025-2027 年受主業拉動呈現小幅增長，我們預計2025-2027年公司其他業務和解決方案及增值服務業務的增速為10%/10%/10%。預計這兩個業務的毛利率保持相對穩定，參考 2024 年，預計 2025-2027 年該業務

193、毛利率分別為 32.0/32.0/32.0%。表18：申菱環境分業務收入預測（百萬元）業務 項目名稱 2023A 2024A 2025E 2026E 2027E 設備 營收（百萬元）2201.43 2551.73 3393.80 4344.06 5212.87 YOY 21.50%15.91%33.00%28.00%20.00%毛利率 27.03%22.93%27.00%28.00%28.50%毛利潤 594.96 585.22 916.33 1216.34 1485.67 解決方案及增值服務業務、其他業務 營收（百萬元）309.76 464.46 510.90 561.99 618.19 Y

194、OY-24.31%49.94%10.00%10.00%10.00%毛利率 32.03%32.00%32.00%32.00%32.00%毛利潤 99.22 132.65 163.49 179.84 197.82 合計 營收（百萬元）2,511.19 3,016.18 3,904.70 4,906.05 5,831.07 YOY 13.06%20.11%29.46%25.64%18.85%毛利率 27.64%23.80%27.65%28.46%28.87%毛利潤 694.18 717.87 1,079.81 1,396.17 1,683.49 資料來：Wind，民生證券研究院預測 投資建議：我們預

195、計公司 2025-2027 年將實現營收 39.05/49.06/58.31 億元，歸母凈利潤 2.74/3.84/4.79 億元，對應現價 2025-2027 年 PE 為 39/28/23 倍。我們看好公司液冷產品在數據中心客戶中的導入及放量，首次覆蓋，給予“推薦”評級。風險提示：AI 數據中心需求不及預期；行業競爭加??；客戶拓展不及預期。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 58 表19：申菱環境盈利預測與財務指標 項目/年度 2024A 2025E 2026E 2027E 營業收入（百萬元）3,016 3,905 4,906 5,

196、831 增長率（%）20.1 29.5 25.6 18.9 歸屬母公司股東凈利潤（百萬元）116 274 384 479 增長率（%）10.2 137.2 40.1 24.7 每股收益（元）0.43 1.03 1.44 1.80 PE 93 39 28 23 PB 4.3 3.9 3.5 3.2 資料來源：Wind，民生證券研究院預測；（注：股價為 2025 年 5 月 6 日收盤價）5.4 溯聯股份：深耕快接頭及管路，開拓數據中心液冷 公司是國內領先的老牌汽車用塑料流體管路產品及其零部件的供應商，公司的主營產品為塑料流體管路，具備前期技術沉淀與先發優勢，自制率高；公司產品可細分為管路、真空管

197、、閥體、快接插頭、塑料管夾，其具有耐高溫、耐高壓、耐腐蝕、防滲透、密封性好等特點，可同時適用于燃油車和新能源車。2003 年，公司首推車用尼龍管快速接頭并獲專利；2018 年，公司研發的首款動力電池包專用水管接頭，填補國內細分市場空白。公司在連接件、閥類、傳感器等流體控制件方面的定制化優勢，縮短了客戶開發周期，契合了新能源汽車快速迭代需求。圖56：溯聯股份主要產品布局 資料來源：溯聯股份官網，民生證券研究院 公司 2024 年實現營收 12.42 億元，同比增長 22.89%，主要受益于汽車客戶增加、新產品持續上量，2024 年公司新增 1000 余項產品定點，結合前期在開發項目共 2000

198、余項；2018-2024 年公司的營收 CAGR 達到 27.5%。22 年公司歸母凈利潤達到高點 1.53 億元，隨后連續兩年下滑至 24 年的 1.23 億元，主要歸因行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 59 于產品降價，以及期間費用有所升高。公司 2024 年實現營收 12.42 億元，87.18%的營收占比為汽車流體管路及總成，11.43%的營收占比為汽車流體控制及精密注塑件，剩下 1.39%的營收由其他產品構成。公司未來將持續向數據中心液冷領域拓展業務：數據中心液冷管路系統主要采用 FEP 或聚四氟乙烯等氟塑料管路，亦配置快速

199、連接器，公司按照 OCP(開放計算項目)技術規范和標準開發了應用于數據中心的相關產品，其中 UQD（應用于數據中心液冷的通用快速斷開接頭）產品已經開發成功。2024 年 11 月 22 日公司成立子公司溯聯智控，獨立發展儲能及算力熱管理液冷產品業務，積極為公司開拓第二增長曲線。圖57：2018-2024 年溯聯股份營收和利潤情況 圖58：2024 年溯聯股份營收結構 資料來源：ifind，民生證券研究院 資料來源：ifind，民生證券研究院 分業務收入預測：汽車流體管路總成業務：公司研發、生產的新能源汽車冷卻管路及零部件專門針對新能源汽車液冷技術路線，形成了較為完善的新能源客戶結構，2024

200、年公司新能源車型收入約 7.61 億元，同比增長超過 75%，成為公司業務收入重要支柱，實現了燃油+電動車業務的“雙輪驅動。公司的流體管路及注塑零部件產品大量應用在新能源汽車熱管理的液冷領域，并向儲能領域液冷熱管理延伸，應用于儲能液冷產品已于 2022 年開始量產，儲能業務客戶既包括國內領先的電池制造企業，也包括知名的儲能系統集成商。數據中心液冷方面，管路系統主要采用 FEP 或聚四氟乙烯等氟塑料管路，亦配置快速連接器，公司具備相關產品能力，當前正完善相關工藝和技術儲備。隨著 AI 芯片功率提高，液冷管路需求迅速增長，溯聯作為汽車尼龍管路龍頭，車規級產品防震動、耐久、插拔、可靠性等方面優于工規

201、級產品，產品有望實現向數據中心液冷橫向拓展，我們預計 2025-2027 年汽車流體管路總成業務營收增速為 22.0/25.0/20.0%。毛利率方面，數據中心產品競爭激烈度相比汽車產品較小，毛利率有望持續增長，價格相對不敏感，預計 2025 年該業務毛利率將明顯修復，2025-2027 年毛利率分別為 25.0/26.0/27.0%。汽車流體控制件及精密注塑件：該業務主要包含尼龍快速接頭、流體控制閥類、消音器、塑料緊固件及其他各類應用于機艙、車身、內飾、地盤等位置的覆蓋見、-50%0%50%100%150%0510152018 2019 2020 2021 2022 2023 2024營收（

202、億元）歸母凈利潤（億元）營收yoy（%）歸母凈利潤yoy（%）87.18%11.43%1.39%汽車流體管路總成汽車流體控制件及精密注塑件其他行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 60 結構件。相比金屬快接頭采用 CNC 工藝，公司尼龍快接頭采用注塑加工，生產效率高，成本低，且競爭格局相對較好，溯聯股份有望憑借尼龍快接頭導入數據中心液冷市場，25-26 年該業務有望保持加速增長態勢。據 IDC 數據，中國液冷服務器市場 2024 上半年同比大幅增長 98.3%，市場規模達到 12.6 億美元，出貨量同比增長 81.8%；IDC 預計 20

203、23-2028 年，中國液冷服務器年復合增長率將達47.6%，市場規模有望在 2028 年達到 102 億美元。預計公司液冷快接頭產品將伴隨 AI 服務器市場放量，2025 年處于導入及放量初期，并在 2026 年加速放量，并在 27 年保持較快增長。我們預計 2025-2027 年汽車流體控制件及精密注塑件業務營收增速為 50.0/100.0/50.0%。毛利率方面，數據中心產品競爭激烈度相比汽車產品較小，毛利率有望持續增長，價格相對不敏感，且尼龍快接頭具備創新性，競爭格局較好，預計 2025-2027 年毛利率為 27.0%/28.0%/29.0%。其他：公司其他業務主要包括工裝模具、設備

204、、技術服務及其他生產性物料的出售，為項目性質業務收入，波動較大，占公司整體營收比重較低；我們預計 2025-2027 年公司其他業務增速為 10%/10%/10%。預計該業務毛利率保持相對穩定，參考2023及2024 年，預計 2025-2027年該業務毛利率分別為60.0/60.0/60.0%。表20：溯聯股份分業務收入預測（百萬元）業務 項目名稱 2023A 2024A 2025E 2026E 2027E 汽車流體管路總成業務 營收（百萬元）880.67 1082.59 1320.76 1650.95 1981.14 YOY 16.09%22.93%22.00%25.00%20.00%毛利

205、率 27.95%21.81%25.00%26.00%27.00%毛利潤 246.16 236.07 330.19 429.25 534.91 汽車流體控制件及精密注塑件 營收（百萬元）107.62 141.98 212.97 425.94 638.91 YOY 58.15%31.93%50.00%100.00%50.00%毛利率 22.64%26.02%27.00%28.00%29.00%毛利潤 24.36 36.95 57.50 119.26 185.28 其他 營收（百萬元）22.23 17.25 18.98 20.87 22.96 YOY-1.20%-22.40%10.00%10.00%

206、10.00%毛利率 60.68%63.21%60.00%60.00%60.00%毛利潤 13.49 10.90 11.39 12.52 13.78 合計 營收（百萬元）1010.52 1241.82 1,552.70 2097.76 2643.01 YOY 19.00%22.89%25.03%35.10%25.99%毛利率 28.11%22.86%25.70%26.74%27.77%毛利潤 284.01 283.92 399.08 561.03 733.97 資料來：Wind，民生證券研究院預測 投資建議：我們預計公司 2025-2027 年將實現營收 15.53/20.98/26.43 億元

207、，歸母凈利潤 1.92/2.84/3.82 億元，對應現價 2025-2027 年 PE 為 23/16/12 倍。我們看好公司由汽車管路及快接頭向數據中心橫向拓展的能力，首次覆蓋，給予“推薦”評級。風險提示：液冷設計方案變化；行業競爭激烈；數據中心客戶拓展不及預期 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 61 表21：溯聯股份盈利預測與財務指標 項目/年度 2024A 2025E 2026E 2027E 營業收入（百萬元）1,242 1,553 2,098 2,643 增長率（%）22.9 25.0 35.1 26.0 歸屬母公司股東凈利

208、潤（百萬元）123 192 284 382 增長率（%）-18.7 56.3 48.0 34.9 每股收益（元）1.02 1.60 2.36 3.19 PE 36 23 16 12 PB 2.3 2.2 2.0 1.9 資料來源：Wind，民生證券研究院預測；（注：股價為 2025 年 5 月 6 日收盤價）行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 62 6 風險提示 1）AI 應用落地不及預期的風險。技術成熟度不足可能導致 AI 模型在端側應用等場景中表現不佳，尤其是在面對復雜、多變的環境時，模型的泛化能力和穩定性可能無法滿足需求。此外，A

209、I 應用場景與大模型的匹配度不高以及應用場景的復雜性，可能導致解決方案無法有效解決實際問題，進而導致 AI 應用落地不及預期。2）云廠商資本開支不及預期的風險。作為 AI 大模型訓練和部署的核心基礎設施提供者，云廠商的資本開支主要用于數據中心建設、算力擴容以及硬件升級，是支撐大模型研發和規?；瘧玫挠布A。若資本開支不及預期，可能導致算力資源供給不足，限制大模型的訓練規模和迭代速度，進而延緩技術突破和端側等 AI應用商業化落地。3）宏觀經濟波動的風險。受到全球宏觀經濟的波動、行業景氣度等因素影響，集成電路行業存在一定的周期性，與宏觀經濟整體發展亦密切相關。如果宏觀經濟波動較大或長期處于低谷，

210、集成電路行業的市場需求也將隨之受到影響。另外，下游市場需求的波動和低迷亦會導致集成電路產品的需求下降，或由于半導體行業出現投資過熱、重復建設的情況進而導致產能供應在景氣度較低時超過市場需求，進而影響集成電路晶圓代工企業的盈利能力，將可能對行業內公司的經營業績造成一定的影響。行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 63 中芯國際財務報表數據預測匯總 利潤表（百萬元）2024A 2025E 2026E 2027E 主要財務指標 2024A 2025E 2026E 2027E 營業總收入 57,796 69,248 78,315 89,396 成

211、長能力（%）營業成本 47,051 55,633 61,955 70,567 營業收入增長率 27.72 19.82 13.09 14.15 營業稅金及附加 276 291 316 358 EBIT 增長率 28.17 76.11 37.03 22.01 銷售費用 282 346 392 349 凈利潤增長率-23.31 38.62 30.52 19.77 管理費用 3,835 4,501 5,012 5,453 盈利能力（%）研發費用 5,447 6,232 6,892 7,688 毛利率 18.59 19.66 20.89 21.06 EBIT 3,238 5,702 7,813 9,53

212、3 凈利潤率 6.40 7.40 8.55 8.97 財務費用-1,833-1,462-1,344-1,189 總資產收益率 ROA 1.05 1.36 1.71 1.96 資產減值損失-524-1,113-1,170-1,333 凈資產收益率 ROE 2.50 3.34 4.18 4.77 投資收益 1,100 692 861 983 償債能力 營業利潤 6,299 6,743 8,849 10,399 流動比率 1.73 1.40 1.23 1.21 營業外收支-7 3 3 3 速動比率 0.87 0.65 0.52 0.52 利潤總額 6,292 6,746 8,852 10,402 現

213、金比率 0.78 0.54 0.40 0.40 所得稅 919 337 434 458 資產負債率（%）35.17 37.53 37.72 38.03 凈利潤 5,373 6,409 8,418 9,945 經營效率 歸屬于母公司凈利潤 3,699 5,127 6,692 8,015 應收賬款周轉天數 20.01 22.58 28.24 28.11 EBITDA 26,394 32,467 41,260 48,435 存貨周轉天數 155.49 155.21 159.18 153.24 總資產周轉率 0.17 0.19 0.20 0.22 資產負債表（百萬元）2024A 2025E 2026E

214、 2027E 每股指標（元）貨幣資金 48,029 42,166 34,404 37,254 每股收益 0.46 0.64 0.84 1.00 應收賬款及票據 3,288 6,534 7,390 8,436 每股凈資產 18.56 19.20 20.04 21.04 預付款項 405 1,113 1,239 1,411 每股經營現金流 2.84 5.47 6.05 6.79 存貨 21,267 26,704 28,086 31,991 每股股利 0.00 0.00 0.00 0.00 其他流動資產 33,289 33,377 33,420 33,472 估值分析 流動資產合計 106,279

215、109,893 104,539 112,563 PE 190 137 105 88 長期股權投資 9,004 9,004 9,004 9,004 PB 4.7 4.6 4.4 4.2 固定資產 113,545 149,637 180,365 204,183 EV/EBITDA 27.96 22.73 17.89 15.24 無形資產 3,225 3,225 3,225 3,225 股息收益率（%）0.00 0.00 0.00 0.00 非流動資產合計 247,137 267,137 287,137 297,137 資產合計 353,415 377,030 391,675 409,700 短期借

216、款 1,070 1,070 1,070 1,070 現金流量表（百萬元）2024A 2025E 2026E 2027E 應付賬款及票據 5,658 7,727 8,605 9,801 凈利潤 5,373 6,409 8,418 9,945 其他流動負債 54,816 69,953 75,303 82,186 折舊和攤銷 23,156 26,765 33,447 38,902 流動負債合計 61,544 78,750 84,978 93,058 營運資金變動-4,129 6,609 2,643 1,565 長期借款 57,785 57,785 57,785 57,785 經營活動現金流 22,6

217、59 43,705 48,320 54,238 其他長期負債 4,978 4,978 4,978 4,978 資本開支-54,347-46,535-53,217-48,645 非流動負債合計 62,763 62,763 62,763 62,763 投資 21,401 0 0 0 負債合計 124,308 141,513 147,741 155,821 投資活動現金流-30,669-45,843-52,356-47,662 股本 226 226 226 226 股權募資 2,384 0 0 0 少數股東權益 80,917 82,199 83,925 85,854 債務募資 10,986 0 0

218、0 股東權益合計 229,108 235,517 243,935 253,879 籌資活動現金流 9,999-3,726-3,726-3,726 負債和股東權益合計 353,415 377,030 391,675 409,700 現金凈流量 1,732-5,864-7,762 2,850 資料來源：中芯國際公告、民生證券研究院預測 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 64 長光華芯財務報表數據預測匯總 利潤表（百萬元）2024A 2025E 2026E 2027E 主要財務指標 2024A 2025E 2026E 2027E 營業總收入

219、 273 353 456 566 成長能力（%）營業成本 208 210 232 267 營業收入增長率-6.05 29.44 29.18 24.05 營業稅金及附加 4 3 4 5 EBIT 增長率-40.69 79.25 213.31 133.60 銷售費用 10 12 16 19 凈利潤增長率-8.47 103.24 2121.71 63.09 管理費用 41 48 55 62 盈利能力（%）研發費用 127 138 160 187 毛利率 23.85 40.35 49.19 52.86 EBIT-151-31 35 83 凈利潤率-36.58 0.92 15.76 20.71 財務費用

220、-8-10-12-15 總資產收益率 ROA-3.02 0.10 2.14 3.35 資產減值損失-49-5-5-5 凈資產收益率 ROE-3.34 0.11 2.35 3.69 投資收益 24 25 23 17 償債能力 營業利潤-133-1 66 109 流動比率 6.28 6.74 6.24 6.22 營業外收支 2 4 5 6 速動比率 5.46 5.94 5.45 5.43 利潤總額-131 3 70 115 現金比率 2.27 3.04 3.34 3.69 所得稅-33 0-1-2 資產負債率（%）9.38 8.28 8.54 8.87 凈利潤-98 3 72 117 經營效率 歸

221、屬于母公司凈利潤-100 3 72 117 應收賬款周轉天數 174.72 123.38 125.15 130.40 EBITDA-67 59 137 194 存貨周轉天數 319.69 270.57 235.84 221.75 總資產周轉率 0.08 0.11 0.14 0.17 資產負債表（百萬元）2024A 2025E 2026E 2027E 每股指標（元）貨幣資金 592 675 794 963 每股收益-0.57 0.02 0.41 0.66 應收賬款及票據 154 166 225 279 每股凈資產 16.94 16.96 17.36 18.03 預付款項 7 11 12 13 每

222、股經營現金流-0.38 0.13 0.53 0.90 存貨 169 147 156 172 每股股利 0.00 0.00 0.00 0.00 其他流動資產 712 495 297 197 估值分析 流動資產合計 1,633 1,494 1,483 1,625 PE/3301 149 91 長期股權投資 267 267 267 267 PB 3.3 3.6 3.5 3.4 固定資產 760 861 961 1,028 EV/EBITDA/176.21 75.48 53.21 無形資產 15 15 15 15 股息收益率（%）0.00 0.00 0.00 0.00 非流動資產合計 1,669 1,

223、772 1,871 1,869 資產合計 3,302 3,266 3,354 3,494 短期借款 31 31 31 31 現金流量表（百萬元）2024A 2025E 2026E 2027E 應付賬款及票據 182 140 151 170 凈利潤-98 3 72 117 其他流動負債 47 50 55 60 折舊和攤銷 84 90 101 111 流動負債合計 260 222 238 261 營運資金變動-78-57-69-66 長期借款 0 0 0 0 經營活動現金流-66 24 93 158 其他長期負債 50 49 49 49 資本開支-79-185-195-104 非流動負債合計 50

224、 49 49 49 投資-88 200 200 100 負債合計 310 270 286 310 投資活動現金流-141 62 28 13 股本 176 176 176 176 股權募資 0 0 0 0 少數股東權益 6 6 6 6 債務募資 15 0 0 0 股東權益合計 2,992 2,996 3,067 3,185 籌資活動現金流 31-2-1-1 負債和股東權益合計 3,302 3,266 3,354 3,494 現金凈流量-175 83 119 170 資料來源：長光華芯公告、民生證券研究院預測 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究

225、報告 65 申菱環境財務報表數據預測匯總 利潤表（百萬元）2024A 2025E 2026E 2027E 主要財務指標 2024A 2025E 2026E 2027E 營業總收入 3,016 3,905 4,906 5,831 成長能力（%）營業成本 2,298 2,825 3,510 4,148 營業收入增長率 20.11 29.46 25.64 18.85 營業稅金及附加 20 27 34 41 EBIT 增長率-0.28 155.41 37.41 24.08 銷售費用 216 262 329 391 凈利潤增長率 10.17 137.21 40.10 24.67 管理費用 159 207

226、 260 309 盈利能力（%）研發費用 171 226 285 338 毛利率 23.80 27.65 28.46 28.87 EBIT 131 335 461 572 凈利潤率 3.83 7.02 7.83 8.21 財務費用 14 31 40 49 總資產收益率 ROA 2.16 4.39 5.27 5.74 資產減值損失-8-11-13-16 凈資產收益率 ROE 4.56 9.91 12.60 14.14 投資收益 1 0 0 0 償債能力 營業利潤 118 293 407 507 流動比率 1.56 1.52 1.51 1.52 營業外收支-5-5-3-3 速動比率 1.06 1.

227、00 0.98 0.99 利潤總額 113 288 404 504 現金比率 0.22 0.17 0.14 0.13 所得稅 2 12 16 20 資產負債率（%）52.48 55.47 57.91 59.15 凈利潤 111 277 388 484 經營效率 歸屬于母公司凈利潤 116 274 384 479 應收賬款周轉天數 180.97 175.74 174.20 178.61 EBITDA 215 425 561 682 存貨周轉天數 122.11 121.84 120.61 123.38 總資產周轉率 0.60 0.67 0.72 0.75 資產負債表（百萬元）2024A 2025E

228、 2026E 2027E 每股指標（元）貨幣資金 507 466 455 528 每股收益 0.43 1.03 1.44 1.80 應收賬款及票據 1,756 2,169 2,726 3,239 每股凈資產 9.52 10.39 11.46 12.73 預付款項 39 56 70 83 每股經營現金流 0.51 0.47 0.56 1.14 存貨 863 1,049 1,303 1,540 每股股利 0.16 0.38 0.53 0.66 其他流動資產 360 448 530 602 估值分析 流動資產合計 3,526 4,188 5,084 5,992 PE 86 36 26 23 長期股權

229、投資 0 0 0 0 PB 3.9 3.6 3.3 3.2 固定資產 1,176 1,405 1,608 1,793 EV/EBITDA 48.47 24.52 18.56 16.53 無形資產 159 159 159 159 股息收益率（%）0.43 1.02 1.42 1.63 非流動資產合計 1,834 2,057 2,207 2,357 資產合計 5,360 6,245 7,290 8,348 短期借款 305 375 445 515 現金流量表（百萬元）2024A 2025E 2026E 2027E 應付賬款及票據 1,289 1,569 1,950 2,304 凈利潤 111 27

230、7 388 484 其他流動負債 660 815 973 1,115 折舊和攤銷 84 90 101 110 流動負債合計 2,255 2,760 3,368 3,934 營運資金變動-136-364-483-462 長期借款 349 499 649 799 經營活動現金流 135 125 149 302 其他長期負債 209 205 205 205 資本開支-374-286-245-255 非流動負債合計 558 704 854 1,004 投資 258 20 20 10 負債合計 2,813 3,464 4,222 4,938 投資活動現金流-110-294-225-245 股本 266

231、266 266 266 股權募資 0 0 0 0 少數股東權益 13 16 20 25 債務募資 21 220 220 220 股東權益合計 2,547 2,781 3,068 3,410 籌資活動現金流-50 128 64 15 負債和股東權益合計 5,360 6,245 7,290 8,348 現金凈流量-24-41-11 73 資料來源：申菱環境公告、民生證券研究院預測 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 66 溯聯股份財務報表數據預測匯總 利潤表（百萬元）2024A 2025E 2026E 2027E 主要財務指標 2024A

232、2025E 2026E 2027E 營業總收入 1,242 1,553 2,098 2,643 成長能力（%）營業成本 958 1,154 1,537 1,909 營業收入增長率 22.89 25.03 35.10 25.99 營業稅金及附加 6 9 13 16 EBIT 增長率-23.72 64.57 49.70 35.24 銷售費用 32 40 52 66 凈利潤增長率-18.72 56.31 48.05 34.89 管理費用 60 71 94 119 盈利能力（%）研發費用 66 82 109 137 毛利率 22.86 25.70 26.74 27.77 EBIT 123 202 30

233、2 408 凈利潤率 9.87 12.33 13.52 14.47 財務費用-7 1 4 5 總資產收益率 ROA 4.85 7.01 9.18 11.25 資產減值損失-5-5-6-7 凈資產收益率 ROE 6.29 9.37 13.01 16.33 投資收益 13 16 21 26 償債能力 營業利潤 138 213 315 425 流動比率 3.09 2.58 2.20 2.11 營業外收支 0 0 0 0 速動比率 2.04 1.55 1.21 1.08 利潤總額 138 213 315 425 現金比率 0.72 0.51 0.37 0.30 所得稅 16 21 32 42 資產負債

234、率（%）22.92 25.15 29.43 31.08 凈利潤 123 192 284 382 經營效率 歸屬于母公司凈利潤 123 192 284 382 應收賬款周轉天數 89.43 93.16 80.20 76.50 EBITDA 189 274 386 505 存貨周轉天數 110.84 123.63 107.49 104.53 總資產周轉率 0.51 0.59 0.72 0.81 資產負債表（百萬元）2024A 2025E 2026E 2027E 每股指標（元）貨幣資金 413 341 329 308 每股收益 1.02 1.60 2.36 3.19 應收賬款及票據 383 435

235、530 632 每股凈資產 16.25 17.05 18.17 19.53 預付款項 3 6 8 10 每股經營現金流-0.82 1.38 1.90 2.61 存貨 381 412 506 603 每股股利 0.80 1.24 1.83 2.47 其他流動資產 587 545 589 626 估值分析 流動資產合計 1,767 1,738 1,962 2,179 PE 35 23 15 11 長期股權投資 0 0 0 0 PB 2.2 2.1 2.0 1.9 固定資產 384 475 572 654 EV/EBITDA 22.75 15.71 11.14 8.53 無形資產 98 118 13

236、8 158 股息收益率（%）2.21 3.42 5.07 6.83 非流動資產合計 761 994 1,127 1,219 資產合計 2,528 2,732 3,089 3,398 短期借款 134 182 237 237 現金流量表（百萬元）2024A 2025E 2026E 2027E 應付賬款及票據 386 433 576 716 凈利潤 123 192 284 382 其他流動負債 53 60 78 80 折舊和攤銷 67 73 84 96 流動負債合計 572 674 891 1,033 營運資金變動-288-104-142-166 長期借款 0 0 0 0 經營活動現金流-99 1

237、66 228 314 其他長期負債 7 13 18 23 資本開支-220-220-210-181 非流動負債合計 7 13 18 23 投資-334 100 50 50 負債合計 579 687 909 1,056 投資活動現金流-390-184-139-105 股本 120 120 120 120 股權募資 0 0 0 0 少數股東權益 0 0 0 0 債務募資 63 48 55 0 股東權益合計 1,949 2,045 2,180 2,342 籌資活動現金流-76-53-101-229 負債和股東權益合計 2,528 2,732 3,089 3,398 現金凈流量-565-71-13-2

238、0 資料來源：溯聯股份公告、民生證券研究院預測 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 67 插圖目錄 圖 1：豆包和 DeepSeek 突破后，國產大模型的迭代時點.4 圖 2：DeepSeek 發展歷程.4 圖 3：DeepSeekMoE 示意圖.5 圖 4：不同注意力機制示意圖.6 圖 5：不同注意力機制 KV 緩存和性能對比.6 圖 6：MTP 技術示意圖.6 圖 7：GRPO 技術示意圖.7 圖 8：DeepSeek-V3 與其他大模型性能對比.7 圖 9：DeepSeek-R1 與其他大模型性能對比.7 圖 10：豆包 Doub

239、ao-1.5-pro 與其他大模型性能對比.8 圖 11：通義千問 QwQ-32B 與其他大模型性能對比.8 圖 12：DeepSeek-V3 與其他大模型性能/價格對比.9 圖 13：DeepSeek-R1 與其他大模型輸入輸出價格對比.9 圖 14：DeepSeek 大模型理論收入與成本.10 圖 15：各產品增長 1 億用戶所用時間（天）.10 圖 16：AI 原生 App 月活躍用戶規模趨勢（萬人）.11 圖 17：寒武紀基礎軟件系統平臺.17 圖 18：海光完整軟件棧系統.18 圖 19：云飛勵天下游場景解決方案.20 圖 20：2022-2024 年全球 AI 芯片競爭格局.21

240、圖 21：騰訊 AI 投資展望.27 圖 22：2021Q1-2024Q4 阿里巴巴資本開支.27 圖 23：1Q25 DeepSeek 日活用戶規模趨勢.29 圖 24：ETH-X 超節點方案.31 圖 25：中國智算中心布局.33 圖 26：弘信電子算力租賃方案優勢.34 圖 27：云賽智聯主要合作伙伴.35 圖 28：息壤智算一體機訓推一體場景.35 圖 29：息壤智算一體機模型推理場景.35 圖 30：蒸餾模型性能對比.37 圖 31：華為推出 FusionCube A3000 訓/推超融合一體機.38 圖 32：浪潮云帆超融合一體機（智算型-7000 G3）.38 圖 33：華勤技術

241、 H9236 服務器.39 圖 34：聯想 AI 工作站和 AI 一體機方案.39 圖 35：弘信電子燧弘一體機和 Anlink 一體機.40 圖 36：AIDC 電氣設備結構.43 圖 37：HVDC 全鏈路供電架構.43 圖 38：百度“瀚?！币惑w化直流電源.44 圖 39：超級電容在數據中心起到緊急供電及平滑電路波動的作用.45 圖 40：中國液冷數據中心產業鏈.46 圖 41：2019-2027 年中國液冷數據中心規模（億元）.47 圖 42：2019-2027 年中國液冷服務器市場規模（億元）.47 圖 43：液冷系統通用架構原理圖.47 圖 44：冷板式液冷系統原理圖.47 圖 4

242、5：單相浸沒液冷系統原理圖.48 圖 46：噴淋式液冷系統原理圖.48 圖 47：長光華芯產品系列布局.51 圖 48：2018-2024 年長光華芯營收和利潤情況.51 圖 49：2020-2024H1 長光華芯營收結構.51 圖 50：禾望電氣產品系列布局.54 圖 51：2018-2024 年禾望電氣營收和利潤情況.54 圖 52：2021-2024 年禾望電氣營收結構.54 圖 53：申菱環境主要產品布局.55 圖 54：2018-2024 年申菱環境營收和利潤情況.56 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 68 圖 55：20

243、24 年申菱環境營收結構.56 圖 56：溯聯股份主要產品布局.58 圖 57：2018-2024 年溯聯股份營收和利潤情況.59 圖 58：2024 年溯聯股份營收結構.59 表格目錄 重點公司盈利預測、估值與評級.1 表 1：昇騰 910B 與英偉達 B200 的性能差異.13 表 2：英偉達、AMD、海光同期 GPU 參數對比.18 表 3：云天勵飛 DeepEdge 10 系列性能參數.19 表 4：云商自研 ASIC 的布局情況.22 表 5：芯原股份和翱捷科技 ASIC 研發實力一覽.23 表 6：DeepSeek 發布，各平臺適配情況.24 表 7：各云廠商 DeepSeek 系

244、列模型 API 定價.30 表 8：部分算力租賃業務梳理.33 表 9：潤澤國際信息港項目部分數據中心規格參數.34 表 10：傳統云服務和大模型一體機技術對比.36 表 11：DeepSeek 一體機生態圖譜.37 表 12：國內 AI 一體機梳理.40 表 13：冷板式、浸沒式、噴淋式液冷技術對比.48 表 14：重點關注個股.50 表 15：長光華芯分業務收入預測（百萬元）.52 表 16：長光華芯盈利預測與財務指標.53 表 17：禾望電氣盈利預測與財務指標.55 表 18：申菱環境分業務收入預測（百萬元）.57 表 19：申菱環境盈利預測與財務指標.58 表 20：溯聯股份分業務收入

245、預測（百萬元）.60 表 21：溯聯股份盈利預測與財務指標.61 中芯國際財務報表數據預測匯總.63 長光華芯財務報表數據預測匯總.64 申菱環境財務報表數據預測匯總.65 溯聯股份財務報表數據預測匯總.66 行業深度研究/電子 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 69 分析師承諾 本報告署名分析師具有中國證券業協會授予的證券投資咨詢執業資格并登記為注冊分析師，基于認真審慎的工作態度、專業嚴謹的研究方法與分析邏輯得出研究結論，獨立、客觀地出具本報告，并對本報告的內容和觀點負責。本報告清晰準確地反映了研究人員的研究觀點，結論不受任何第三方的授意、影響，研究人

246、員不曾因、不因、也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。評級說明 投資建議評級標準 評級 說明 以報告發布日后的 12 個月內公司股價（或行業指數）相對同期基準指數的漲跌幅為基準。其中：A 股以滬深 300 指數為基準；新三板以三板成指或三板做市指數為基準；港股以恒生指數為基準；美股以納斯達克綜合指數或標普500 指數為基準。公司評級 推薦 相對基準指數漲幅 15%以上 謹慎推薦 相對基準指數漲幅 5%15%之間 中性 相對基準指數漲幅-5%5%之間 回避 相對基準指數跌幅 5%以上 行業評級 推薦 相對基準指數漲幅 5%以上 中性 相對基準指數漲幅-5%5%之間

247、 回避 相對基準指數跌幅 5%以上 免責聲明 民生證券股份有限公司（以下簡稱“本公司”）具有中國證監會許可的證券投資咨詢業務資格。本報告僅供本公司境內客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告僅為參考之用，并不構成對客戶的投資建議，不應被視為買賣任何證券、金融工具的要約或要約邀請。本報告所包含的觀點及建議并未考慮獲取本報告的機構及個人的具體投資目的、財務狀況、特殊狀況、目標或需要，客戶應當充分考慮自身特定狀況，進行獨立評估，并應同時考量自身的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見，不應單純依靠本報告所載的內容而取代自身的獨立判斷。在任何

248、情況下，本公司不對任何人因使用本報告中的任何內容而導致的任何可能的損失負任何責任。本報告是基于已公開信息撰寫，但本公司不保證該等信息的準確性或完整性。本報告所載的資料、意見及預測僅反映本公司于發布本報告當日的判斷，且預測方法及結果存在一定程度局限性。在不同時期，本公司可發出與本報告所刊載的意見、預測不一致的報告，但本公司沒有義務和責任及時更新本報告所涉及的內容并通知客戶。在法律允許的情況下，本公司及其附屬機構可能持有報告中提及的公司所發行證券的頭寸并進行交易，也可能為這些公司提供或正在爭取提供投資銀行、財務顧問、咨詢服務等相關服務，本公司的員工可能擔任本報告所提及的公司的董事?？蛻魬浞挚紤]可

249、能存在的利益沖突，勿將本報告作為投資決策的唯一參考依據。若本公司以外的金融機構發送本報告，則由該金融機構獨自為此發送行為負責。該機構的客戶應聯系該機構以交易本報告提及的證券或要求獲悉更詳細的信息。本報告不構成本公司向發送本報告金融機構之客戶提供的投資建議。本公司不會因任何機構或個人從其他機構獲得本報告而將其視為本公司客戶。本報告的版權僅歸本公司所有，未經書面許可，任何機構或個人不得以任何形式、任何目的進行翻版、轉載、發表、篡改或引用。所有在本報告中使用的商標、服務標識及標記，除非另有說明，均為本公司的商標、服務標識及標記。本公司版權所有并保留一切權利。民生證券研究院：上海：上海市浦東新區浦明路 8 號財富金融廣場 1 幢 5F；200120 北京：北京市東城區建國門內大街 28 號民生金融中心 A 座 18 層；100005 深圳：深圳市福田區中心四路 1 號嘉里建設廣場 1 座 10 層 01 室；518048