今年以來，人工智能（AI）算力需求持續升溫，推動AI芯片及相關產業鏈公司股價大幅上漲。寒武紀、勝宏科技、新易盛、工業富聯等一批A股標桿公司屢創股價新高，備受市場關注。
在AI概念股股價與業績齊飛之后，市場對其泡沫化也開始有所擔憂——包括估值透支、技術瓶頸與資金博弈等潛在風險。值此之際，英偉達與OpenAI宣布了一項震撼行業的投資計劃，雙方將投入千億美元，聯手建造10千兆瓦級超級AI數據中心，并計劃部署數百萬顆GPU，以支撐下一代大語言模型的訓練。這一重磅動作，又進一步點燃了市場對于AI算力前景的預期。
近日，多位公募基金經理表示，全球AI競賽正邁入新階段，以“超大規模、超高能耗、超高投入”為特征的AI基礎設施競爭正式拉開帷幕——從芯片到液冷技術，從算力集群到能源配套，一條貫穿全球的AI算力產業鏈正在被全面激活。與此同時，國家之間的競爭焦點，也正從“模型競爭”悄然轉向更底層、更核心的“算力競爭”。
競逐“三超”新階段
在AI技術狂飆突進的當下，算力早已成為決定產業上限的關鍵變量。
近日，英偉達宣布與OpenAI達成戰略合作，計劃向OpenAI投資高達1000億美元，用于建設并部署至少10吉瓦（GW）的英偉達系統，以支持其下一代人工智能基礎設施。此次合作，標志著英偉達在AI算力領域的進一步擴張。在此消息的刺激下，當日英偉達的股價盤中一度大漲超4%，刷出歷史新高，總市值逼近4.5萬億美元。
“這是全球AI科技史上的重要里程碑。”金鷹基金劉忠騰直言，這場“強強聯合”構建了軟硬件能力全球領先的生態系統，也讓AI基礎設施競爭的壁壘陡升。
富榮基金基金經理郭梁良則進一步指出，這一事件標志著全球AI競賽進入“三超”新階段——“超大規模的集群、超高的能源消耗、超高的資金投入，未來能參與這場競賽的玩家將越來越少。”
對于上述合作將對全球科技產業鏈帶來的影響，郭梁良表示：“這一合作或將帶動從上游的芯片、服務器、光模塊、液冷系統、高功率電源，到下游的數據中心運營、能源配套等全鏈條景氣度提升。同時，它也加劇了中美之間的‘算力主權’競爭，推動各國加快布局自主可控的AI基礎設施。”
東海基金權益投資部負責人、基金經理張立新從三個方面分析了上述合作事件對全球科技鏈的啟示：首先，人工智能領域競爭格局趨于固化，AI算力“軍備競賽”進入白熱化階段，獲取頂級AI算力的門檻提高，其他AI公司在底層算力上與領先集團的差距拉大；其次，自主創新壓力加劇，會強烈刺激各方加速AI生態建設，谷歌、亞馬遜等科技巨頭會更堅定地發展自研AI芯片，部分國家和地區也會加大對本土算力解決方案的支持；最后，大功率數據中心、新一代算力平臺的出現將驅動產業鏈競爭向上游延伸，英偉達新一代Rubin平臺對封裝技術、高帶寬內存要求更高，同時液冷散熱等新技術的重要性凸顯，為相關領域帶來了新機遇。
AI競爭從模型轉向算力
有市場觀點認為，中美在AI領域的競爭正在從“模型”演變為更為底層的“算力”。
國泰基金援引今年4月斯坦福大學《2025年人工智能指數報告》指出，“到2024年底，中國領先模型落后美國的差距從近20%縮小到了0.3%，但在算力層面，美國控制了全球75%的計算力，因此目前AI的競爭確實有從模型層面競爭演化為基礎算力角逐的跡象。”
在國泰基金看來，這意味著中國在算力硬件層面的追趕力度可能會加大，半導體產業鏈和互聯網企業可能加大協同以突破硬件瓶頸。
“相較于美國，前兩年我們在大模型和算力領域都有一定的產業代差。隨著近年DeepSeek不斷取得突破，我國實現了對海外大模型的追趕，甚至是趕超。算力差距仍較為明顯，由于設備‘卡脖子’，我們在先進制程領域仍有落后，產品良率上不去，流片產能成為產業推進的嚴重瓶頸，不過這些情況今年有了樂觀進展。”劉忠騰說。
郭梁良也認為，今年隨著DeepSeek、Kimi K2、豆包、千問等國產領先模型的出現和迭代，縮小了中國和美國在模型本身的差距。根據Scaling Law的第一性原理，模型能力的進步離不開更大量算力的堆砌。OpenAI與英偉達的千億美元合作，本質上就是對‘算力決定模型上限’這一理念的極致押注。這一演變意味著，中國AI產業的發展路徑需要轉變，“從‘模型追趕’轉變為‘構建自主算力底座’，產業發展重心將更加向產業鏈上游和底層技術傾斜。GPU、ASIC、HBM、高速互聯、先進封裝、先進制程晶圓制造、半導體設備和材料等一系列環節，都有望成為新一輪科技競爭的一部分。”
張立新基本認同上述觀點：“目前，在通用大模型競爭中，中美兩國實力已非常接近，差距僅在3—6個月之間，很難再形成代差。在大模型差距方面，中美之間呈現了從接近到拉大再到接近的趨勢，背后主要原因還是算力的差距。”
他進一步分析了上述合作事件對產業發展的影響，主要體現在三個方面：一是技術發展路徑從Scaling Law到系統工程創新，算力層面采用“集群技術+軟件能力”來彌補硬件短板，例如憑借通信設備領域的技術積累，通過超節點集群設計與軟件優化，使整體系統能力與海外廠商差距大幅縮小；二是以場景優勢彌補基礎不足，在通用大模型絕對性能短期難以超越的情況下，豐富的產業門類和海量應用場景是我們最大的優勢，國家正推動AI技術在制造業升級、智慧城市、生物醫藥等垂直領域快速落地；三是推動國產大模型架構創新，從源頭優化資源利用，比如DeepSeek通過混合專家模型、多頭潛在注意力等技術機制，在保持模型強大能力的同時，大幅縮減實際計算成本。”
數據中心建設有機遇也有挑戰
在全球AI競賽中，中國的腳步從未停歇。國家層面推進的“東數西算”工程，構建起“八大樞紐、十大集群”的超級數據中心網絡，互聯網巨頭也紛紛加碼布局超大規模AI集群。
“中國在超級AI數據中心建設方面走得比較靠前，各地智算中心建設較快，產業層面互聯網巨頭成長迅速。展望未來，伴隨GPU供給瓶頸緩解，中國相關進程有望繼續加速。”國泰基金表示。
不過，在當前全球AI算力競賽加劇的背景下，中國發展超級AI數據中心既面臨機遇，也難躲挑戰。
國泰基金稱：“我們最大的機遇，是龐大的市場規模和資源整合。中國擁有全世界最大的互聯網用戶人群，數據資源得天獨厚，在發展AI相關技術時具備天然優勢。此外，中國電力資源豐富，面對AI數據中心的巨大功耗更具應對能力。”
郭梁良則強調了市場、政策、場景等三大方面面臨的機遇。從市場角度看，中國擁有全球最龐大的網民數量和良好的互聯網群眾基礎，這不僅是AI的市場，也是反哺AI進步的“燃料。從場景角度看，龐大的Token消耗會產生龐大的數據資源，有助于我國廠商訓練更強大、更本土化的AI大模型。從政策角度看，黨和政府高度重視AI產業發展，將數字經濟、建設全國一體化算力體系提升到了國家戰略高度。“在‘東數西算’工程引導下，各地方政府也相繼出臺AI算力建設相關補貼和扶持政策，舉國體制的優勢能在關鍵時刻集中力量辦大事。”
張立新補充道：“最大的機遇，來自產業政策和下游需求。國家通過‘東數西算’等工程進行頂層設計，引導算力基礎設施在全國范圍內合理化布局，直接刺激了投資和應用創新。同時，從企業級大模型到消費端AI應用，市場需求呈現爆發式增長，為數據中心提供了明確的商業前景。”
在挑戰方面，多位基金經理均提到了技術層面的“卡脖子”問題。
國泰基金坦言：“最大的挑戰主要在技術層面。面對美國對出口中國芯片的限制，中國半導體供應鏈自主可控的建設亟需加速。”
劉忠騰認為，最嚴峻的挑戰來自底層基礎設施中的算力卡，即GPU。目前在全球范圍內，英偉達憑借CUDA生態壟斷了GPU絕大部分市場份額，隨著中美博弈深入，美國商務部一度禁止中國采購英偉達算力卡，出現“一卡難求”的局面，也形成了巨大的算力缺口。不過，近年來國產GPU企業取得了長足發展和突破，有望逐步彌補海外算力卡缺失帶來的空白。
基金經理：AI投資邏輯重塑
AI競爭的核心，已從“模型追趕”轉向“構建自主算力底座”，這一演變不僅影響著產業的發展路徑，也重塑了投資的邏輯。
中歐基金權益研究部副總監、科技組負責人杜厚良認為，今年四季度，國產算力會有較清晰的趨勢性機會，科技投資的大體趨勢是硬件先行，再到軟件。明年下半年，AI端側或有較大的投資機會，海外巨頭公司將推出AI眼鏡、耳機、折疊屏手機等新品，通過攝像頭幫助用戶更好地捕捉視覺信息，這一創新突破可能會帶動整個端側的爆發。
“對于消費電子，AI行情從云側逐步切向端側是一條重要線索，可能會帶來包括端側設備、算力芯片、通信模組在內的更廣泛機會。”諾安基金權益事業部副總經理、研究部總經理鄧心怡表示，近期OpenAI針對AI端側硬件的布局，可能意味著大廠的AI競爭從依靠模型應用來爭奪用戶的階段，逐步過渡到了通過用戶基礎來搶奪端側入口、努力構建生態壁壘的階段。
郭梁良則表示：“在當前的市場環境下，會考慮以確定性龍頭為基石、以新技術黑馬做增強的策略，這樣既有望保證組合的穩定性，又有可能抓住產業變革帶來的超額收益機會。”龍頭企業受益于產業趨勢的確定性程度高，抵御風險能力強，且當前估值和業績匹配程度也比較高，概念炒作的估值溢價低；增強部分，可關注產業發展過程中出現的一些新技術方向，比如OCS、DCI、空心光纖、正交背板等。這些新技術在從0到1的落地過程中，能夠享受到供給稀缺帶來的利潤率溢價，遠期廣闊空間折現回當前市值定價，也能夠提供不錯的彈性。
（稿件來源：證券時報）
掃一掃分享本頁
