中泰电子深度精选再汇报三国产算力

核心观点与关键数据

AI模型算力重心迁移
AI模型正从训练时堆算力转向推理时花更多算力，算力重心从预训练逐步转向后训练和推理。Scan Law已从单一预训练轴扩展为预训练-后训练-测试时扩展三阶段，主要原因是数据强信号编辑收益递减，过度训练时推理成本更优。合成数据出现及验证奖励机制（如质谱GM5.3后训练提升）也加速算力向推理迁移。模型智能化程度与推理时长正相关（如ICL2 7B+数搜索超3SB），算力需求从单卡峰值转向显存带宽及互联。

模型结构迁移
模型结构从稠密大模型转向MoE、长上下文、多模态等，算力瓶颈从峰值算力转向显存+带宽+互联。MoE模型覆盖80%主流模型，单次推理成本降60%以上，但要求显存大、带宽高、专家间路由强，推动对大型HBM需求。长上下文及线性注意力使百万token从昂贵特征变为标配，加剧对显存及HBM需求。多模态从拼接走向原生统一，进一步强化对显存、HBM及集群互联的重视。

生态格局迁移
AI跨硬件语言替代加速国产卡适配，生态开源后兼容库达95%以上，迁移成本大幅压缩。国产模型厂商（如DeepSeek、智谱）主动适配国产芯片，头部模型厂商（如Kimi）强调国产芯片从“勉强可用”到“好用”的转变。中国大模型周度调用量和token阅读量快速增长，缩小与美头部模型差距，DeepSeek V4实现8家国产芯片适配。

国产算力需求增长
中国大模型token调用量两年增长1400倍，推理算力两年增长上万倍。算力需求结构从峰值算力转向存算一体、显存带宽互联吞吐及训训推一体化。互联网公司及模型厂商加大国产芯片采购，供应链物料短缺被市场反应过度，微fer及HBM短缺仅影响明年出货峰值但整体仍保持高增长。

研究结论

1. 国产算力需求确定性高：Q4政策催化及模型密集发布（10-12月）将推动国产算力需求，多家厂商计划10万卡规模国产集群，积增需求可观。
2. 国产芯片增速超行业：国产化率提升叠加模型厂商适配，国产芯片增速远超行业平均水平，具备阿尔法机会。
3. 自研芯片是强阿尔法方向：海外巨头（Google、Meta）加速资源芯片进展，国内资源芯片厂商具备拿微分能力、HBM定制服务及大芯片设计经验等优势，将跑出头部公司。
4. 供应链物料影响可控：微fer及HBM短缺被市场过度反应，国产厂商供应链能力较强，明年出货仍将保持高增长。