📰 研报摘要
查看全文 ➔摘要： 本报告分析了国产大模型迭代升级对算力需求的拉动作用，指出模型竞争重心正从通用问答转向开发者工具和企业级工作流，这将显著提升推理侧的 token 消耗和算力需求。
行业主线：
- 模型能力迭代：以 GLM-5.2、Kimi K2.7 为代表的国产模型在长上下文、Agentic Coding 及工程交付能力上取得突破，推动 AI 应用向专业场景深化。
- 入口生态演进：微信 AI 等超级应用生态的灰度测试，标志着 AI 入口正从独立 App 转向任务执行和交易闭环，有望提升模型调用频次。
- 算力需求共振：算力瓶颈由高端 GPU 扩散至 CPU 及存储（DRAM/NAND），推理侧需求增长成为驱动产业链景气度延续的核心动力。
关键变化与分歧：
- 推理侧逻辑凸显：区别于训练侧的一次性投入，推理侧需求与用户规模、任务链长度正相关，将带来更持续的算力消耗。
- 供给端全线紧缺：B200 等高端 GPU 交付周期拉长，且 CPU 价格与交期同步上行，存储链条由周期修复转向结构性紧张。
受益方向与风险：
- 受益方向：国产芯片链及基础设施供应商、Pre-AI 数据治理环节（OA/ERP）、垂直领域 AI 应用（工业、医疗等）以及端侧 AI 产业链。
- 核心风险：宏观经济下行导致 IT 支出不及预期、应收账款坏账风险、行业竞争加剧及国际环境变化影响。