一、核心结论

1. 全球AI算力投资仍在加速而非见顶。英伟达在2026年8月财报会上表示，云厂商订单储备已超过2万亿美元，美国前五大云厂商资本开支预计2026年接近8000亿美元、2027年达到1.3万亿美元，比市场一致预期高约18%。

2. 算力竞争的单位已从"单卡"变成"每吉瓦（GW）数据中心"。黄仁勋给出的口径是：Hopper约180亿美元每GW，Grace Blackwell约250亿美元每GW，Vera Rubin约400亿美元每GW。伯恩斯坦测算，无论用英伟达、AMD还是谷歌、OpenAI自研芯片，整座AI数据中心的投入都集中在每GW约350亿至400亿美元。

3. 需求端的新引擎是智能体（Agent）。IDC与浪潮报告预测，全球活跃智能体数量将从2026年的7940万个增至2030年的22.16亿个，Token消耗增速远高于智能体数量增速，推理算力将成为主要增量。

4. 供给长期偏紧。IDC预计全球AI算力需求满足率将从2024年的79%降到2027年的71%，2030年才回升到77%。华为徐直军判断全球供需平衡大约要到2029年，中国可能更晚。

5. 中国算力国产化已过半。IDC口径下，2026年国产AI加速卡出货约230万张，份额首次超过50%（51.1%），格局为"一超多强"。

二、海外前沿：英伟达仍是风向标

1. 业绩：英伟达2027财年第二季度（2026年5月至7月）营收890亿美元，同比增长117%；下一季度指引1080亿美元，毛利率约74%，且未计入任何中国数据中心收入。

2. 产品节奏：Vera Rubin平台已全面量产，CoreWeave、谷歌云、微软Azure、甲骨文云和Nebius已有机柜在运行，预计第三财季贡献约20%的数据中心收入。英伟达称Rubin相对Blackwell Ultra可实现约35倍的单Token成本下降。

3. 网络与光互联：Spectrum-6交换系统同时支持可插拔光模块和共封装光学（CPO），说明光互联正从"配件"变成算力系统的核心环节。

4. 资金模式创新：英伟达宣布与Apollo、贝莱德、黑石、布鲁克菲尔德、高盛、KKR等合作搭建独立算力融资平台，计划逐步撬动超过5000亿美元第三方资本。算力正在金融化、基础设施化。

5. 自研芯片（ASIC）崛起：谷歌TPU v7 Ironwood、OpenAI自研芯片、AMD MI455X Helios机柜均已进入成本对比框架。单柜更便宜，但需要更多机柜填满1GW，所以整体成本优势被摊薄。

三、成本结构拆解（伯恩斯坦模型）

1. 单个Vera Rubin NVL72机柜估算约750万美元（此前估计910万美元，下调主要因为NAND用量和HBM4价格）。

2. 每GW数据中心中，机柜内设备约230亿至270亿美元，机柜外基础设施约120亿至130亿美元，其中冷却约18亿、电力设备约32亿、其他机电约32亿、土地和建筑约45亿美元。

3. 电费远低于折旧：按每千瓦时0.15美元计算，每GW年电费约13亿美元，而Rubin设备即使按6年折旧，每年也约66亿美元。结论是：算力经济性的关键是芯片效率和利用率，而不只是电价。

4. 按加速器出货量推算，2026年全球新增AI算力容量约36GW，2027年约43GW。

四、中国算力现状

1. 规模：截至2026年6月，全国智算规模达2185 EFLOPS，同比增长177%；在用标准机架1556万架，存力超过2000EB；已建成70多条算力传输通道，批复17个国家算力互联互通区域节点。

2. 预测：IDC与浪潮预计2026年中国智能算力规模达2576.5 EFLOPS，同比增长87.9%，2030年达10524.3 EFLOPS，2025至2030年复合增速上调至50.3%；中国AI算力市场规模2026年约515亿美元，同比增长37%。

3. 政策方向：工信部表示将支持高端芯片和架构设计攻关，推动算电协同，加快算力标准体系建设，并通过降低用算成本推动"人工智能+"行动。重点从"建得多"转向"用得好、协同好"。

五、国产AI芯片格局

1. 份额：2025年国产厂商交付约165万张，份额41%；2026年预计约230万张，份额超过50%。摩根士丹利预计2026年国产阵营内部华为昇腾约62%、寒武纪约14%，两家合计76%。

2. 2026年一季度全市场口径：华为昇腾37%、英伟达19%、AMD 11%、寒武纪8%、海光6%、阿里平头哥5.5%、百度昆仑芯4%。

3. 华为昇腾：950PR已量产，主要面向推理，配备128GB内存；面向训练的950DT超节点正在测试，预计今年底或明年初规模供货，25.6万卡规模集群已在部署测试。徐直军表示瓶颈在于供货能力，"能产多少就供多少"。

4. 寒武纪：2026年上半年营收59.96亿元，同比增长108%，归母净利23.11亿元；思元690已量产，双芯粒封装，FP16算力超过700 TFLOPS，配备196GB HBM3。

5. 海光信息：2026年上半年营收90.99亿元，同比增长66.5%，净利17.98亿元，走CPU加DCU路线，生态兼容性较好。

六、技术趋势

1. 超节点化：竞争从单卡性能转向"把成千上万颗芯片连成一台计算机"，英伟达NVL72和华为Atlas 950超节点都是这一思路，核心指标是模型算力利用率（MFU）。

2. 推理为王：智能体带来Token消耗指数级增长，推理专用芯片和推理集群建设加速，运营商也在布局分布式推理网络。

3. 光互联与CPO：光模块严重供不应求，CPO和NPO（近封装光学）是下一阶段关键技术。

4. 存储瓶颈：HBM4、大容量内存和NAND价格直接影响机柜成本，存储厂商受益于紧缺。

5. 液冷与供电：单机柜功率从GB200的约132千瓦升至Rubin的约220千瓦、AMD Helios约250千瓦，液冷和高压供电成为标配。

6. 算电协同：电力供给是长期约束，算力布局向能源富集地区集中，"东数西算"和算力互联网建设持续推进。

七、产业链受益方向（仅供研究参考）

1. 算力芯片：GPU、ASIC、国产AI加速卡。

2. 高带宽存储：HBM及先进封装。

3. 光通信：高速光模块、CPO、光芯片。

4. 服务器与超节点整机。

5. 液冷、电源、配电等数据中心基础设施。

6. 算力运营和租赁、智算中心建设。

八、主要风险

1. 资本开支过热后的回报压力与需求回落风险。

2. 出口管制变化，以及国产先进制程产能和良率瓶颈。

3. HBM、光模块等关键部件供应紧张、价格波动。

4. 电力和能源约束。

5. 软件生态迁移成本，以及利用率不足导致的算力闲置。

九、数据来源

英伟达2027财年第二季度财报及电话会；I/O Fund分析；伯恩斯坦AI数据中心成本模型（经Hilo Research解读）；IDC与浪潮信息《2026年中国人工智能计算力发展评估报告》（经济参考报，2026年9月22日）；数字中国建设峰会网《全国一体化算力统筹迈出新步伐》（2026年10月8日）；中国经济网华为徐直军访谈（2026年10月6日）；deepreport.cn国产AI芯片竞品分析；界面新闻国产AI芯片深度观察。

声明：本报告根据公开资料整理，部分为机构预测，不构成投资建议。