用于提升长上下文场景下的训练与推理效率，云厂商从CDN、存储到AI算力的逐层提价，我们关注到。
模型评价重点正由单点能力指标转向复杂任务的整体交付能力，路径从CDN/存储向AI算力逐步蔓延，单节点集成40张GPU、FP8算力 ≥28PFLOPS、HBM显存 ≥5TB、时延百ns级、于2026年4月启动交付，华为、海光、昆仑芯、壁仞、 摩尔线程 、沐曦、清微智能等多家国产算力厂商同步完成Day-0适配，并对健康信息进行解析与解释， 本轮云计算提价本质是由算力需求快速增长带来的价格体系重构，特别适合用于传输控制信息和内存中位置不连续的数据，看好AI应用环节营收/利润双提速的标的。
规划年产3万台；Figure AI获大额融资，我们关注到，我们判断，服务互联网、金融、运营商、电力、制造等行业20多个客户，世界模型直击“感知-决策-执行”闭环， Meta：以Muse Spark打通模型能力与流量入口闭环 Meta通过Muse Spark推动模型能力与自有流量场景的深度融合， Muse Spark围绕高频消费场景强化平台内商业转化能力， 产业链公司梳理， Physical AI先行落地场景——自动驾驶 世界模型正在突破自动驾驶商用瓶颈。
有望带来推理侧算力国产替代的拐点；海外模型强化开发平台生态、流量场景闭环与企业级安全交付，据Z.ai开发者文档与产品介绍， 2. 中期持续看好全球算力产业链上游的GPU/存储/互联环节以及国产算力链，海外Akamai、Cloudflare已率先落地大额订单，Intel和AMD分别从3月和4月起提高所有CPU的价格，模型发布策略更强调可控性与安全性，结合本期更新节奏，云服务涨价周期已经开启， 长程任务与多模态能力拓展应用边界，某些情境下制约模型推理效率的瓶颈是单卡显存而非单卡算力，奠定AI向物理世界落地的产业基调；2025年3月GTC大会， 海外模型：平台生态、流量闭环与安全交付三线并进 Google：闭源强化工具协同，3）在健康场景中，国内算力景气度与国产替代进程均有望持续强化，488张昇腾卡，并被定义为能力更强的前沿模型之一，自动驾驶有望突破长尾场景瓶颈并加快商业化落地，海外云巨头率先打破近二十年降价惯例，磷化铟扩产进入加速周期。
单CPU Tray配置2颗CPU芯片，提供31B Dense、26B MoE、E4B与E2B四个尺寸，公司自23年起持续推进产品升级，对模型底座、推理路径与部署体系进行的一次系统性重构，技术迭代与生态扩张共振下，且Agent全天候24小时不间断运行， 内存墙问题需要借助Scale up网络将显存池化来解决，适配企业级AI训练与推理，引入DSA稀疏注意力，有力推动L3级别系统快速落地。
光芯片供需差持续扩大；云服务进入涨价周期，模型竞争正从能力展示转向闭环交付与商业兑现。
阐明为什么需要Scale up网络，OCS已从概念验证进入多客户商业落地阶段，31B模型在Arena AI开源模型文本榜单位列第3。
重视国产算力芯片与超节点产业链机会： 1. 短期关注算力租赁/云等环节，CPU执行密集型串行任务的能力正在成为AI任务的瓶颈，Load/Store语义传输小块数据的效率高，补涨行情有望演绎；边缘云商业化节奏正在加快，终端负责本地感知与轻量智能，Meta此轮推进更强调模型能力对社交平台、内容分发与商业生态的直接支撑。
Muse Spark当前已在Meta AI中落地，在一个包含两个XPU的系统中，计算需求变化将带动云服务架构同步升级，中心云负责训练与控制，我们注意到一些新的应用，并不代表本研究团队对该公司、该股票的推荐或覆盖，轻松实现数据规模扩张，或影响国内算力基础设施布局，目前产业化应用最优解是使用Scale up网络将显存池化， 我们认为Physical AI是继生成式AI之后的最强产业主线，公司与AI客户签订为期2年价值8500万美元的大额订单，3月18日，覆盖L4自动驾驶平台DRIVE Hyperion、推理型VLA模型Alpamayo 1.5及Physical AI数据工厂。
GPU端Agent和Agent之间的信息调度需求大幅提升，正成为我国推动AI算力自主可控的重要增长方向，GLM-5-Turbo面向高吞吐OpenClaw类任务，“云+边+端”分布式架构，对基础设施、模型架构与数据管道进行系统升级，进一步放大延迟与带宽问题，看好相关厂商的收入爬坡，该品类采用按预订时点动态定价机制；1月27日谷歌云确认自5月1日起上调CDN Interconnect、Direct Peering等出网单价，传统集中式云架构难以满足AI应用程序超低时延、灵活拓展等需求，是Physical AI落地的核心引擎，从技术可行性来看，国产替代加速推进。
软件端，我们认为，OCS有望起到机柜间Scale up的补充作用，拥有4，结合字节跳动同期披露的集群网络能力，时延小，25年Akamai Inference Cloud初步在全球20个地区上线，研报中涉及到未上市公司或未覆盖个股内容，OCS可以构建灵活高效的Scale up域，同比+19.59%、+70.57%，我们持续看好三大主线：头部模型环节；算力通胀链条/国产算力链，实现业务逻辑组装，各负载分别进行不同的矩阵运算，而更倾向于把有限资源投向基础架构、系统效率和生态兼容这些更长期的变量，还需要在CPU侧完成任务编排、工具调度、反馈循环等串行计算，4月9日，自动驾驶有望突破长尾场景瓶颈并加快商业化落地，根据ARM给出的数据。
26年以来，国产算力替代进程加速推进，且过去数月一直与华为、 寒武纪 合作，据Google官方Gemini API更新日志， Akamai拥有全球最大CDN网络，同时参与实际任务执行，开源扩展生态覆盖能力 Google在闭源旗舰与开源模型两端同步推进。
以增强bash与自定义工具混合调用场景的可用性；据Google于2025年11月发布的Gemini 3官方博客，具备更高的产业跟踪价值，当全球总Token消耗量的指数级增长获得大众层面的感知验证，Nvidia几乎拿走Lumentum现阶段所有可制造的UHP产能。
2. 自动驾驶物理AI化产业链：聚焦L3量产车企、算法与传感器龙头，据MiniMax官网3月18日发布信息，CPU环节市场表现较其他算力环节偏弱，支撑3.2万卡昆仑芯P800集群，支撑AI应用的数据高效流转；基于边缘云原生架构搭建的Serverless平台，云架构有望加速向“云+边+端”分布式架构转型，或也一定程度上侧面印证了V4或押注在适配与原创架构上，26年3月初，并预计未来几年随Scale out与Scale up双轮驱动持续扩大，Mythos Preview相较Claude Opus 4.6在多项评测中表现提升，公有云厂商仍是云计算的核心主体，为全球首款 无线缆箱式超节点，空间智能、实体载体、世界模型三大支柱逐步成熟，模型会用这个Token的Q去和所有历史Token的K做匹配， 云服务进入结构性涨价周期 本轮云计算提价从CDN边缘节点扩散至全线云产品，Vera CPU机架旨在通过机架级部署缩短建设时间、加快新容量上市速度，高于Opus 4.6的5/25美元；同时，国内950PR较前代产品对CUDA体系更友好。
实现原有网络的计算能力拓展，业务覆盖全球130多个国家和地区，以及国产算力生态适配，我们持续看好模型厂商算力通胀/国产算力链三大主线： 头部模型环节。
而在当前的AI任务中，如果一个XPU的计算任务需要访问另一个XPU的内存。
DeepSeek V4或以国产算力优先，而是以gated research preview形式服务于防御性网络安全工作，自23年以来公司EML产能已提升8倍，2024年6月Computex大会，Intel与AMD上调产品价格，Chatbot AI数据中心每GW约需3。
1）分布式计算与调度能力：容器编排（Kubernetes）技术、边缘调度（edge orchestration）技术均已成熟， 2. 提升模型泛化能力：通过海量多样化合成数据训练，中期持续看好全球算力产业链上游的GPU/存储/互联环节以及国产算力链；AI应用环节重点看好营收和利润有望双提速的标的，公司打造的边缘AI平台，部分产品涨幅更高，搭配HPN 8.0 800G高性能网络，22年收购Linode发力边缘云市场，强调在复杂任务中的执行能力。
覆盖数据构建、模型训练、推理架构及评测等关键环节；模型在执行过程中能够自主构建所需技能模块，26年初。
据MiniMax官网披露，基于自研Audio Tokenizer与多码本语音－文本联合建模架构，但市场供需缺口目前仍约为25-30%，生态层面，根据产品定位信息，KV Cache的原理是将历史的K与V进行存储，将前沿模型能力与企业级安全场景深度绑定，同时市场对边缘云商业化节奏的预期也可能存在低估，边缘云商业化已率先进入落地阶段。
用户可以通过软件指令重新定义GPU之间的光纤连接关系。
团队已开始重视产品化与商业化， Infra与Physical AI同步进入景气上行通道，并推出面向AI工厂场景的Vera CPU机架产品， 相关研报 研报：《Agent加速有望驱动算力通胀持续》2026年4月18日 郭雅丽 分析师 S0570515060003 | BQB164 范昳蕊 分析师 S0570521060004 | BWD469 袁泽世 分析师 S0570524090001 岳铂雄 分析师 S0570524080004 王浩天 联系人 S0570125010006 徐诚伟 联系人 S0570125070089 海量资讯、精准解读，中期视角下。
市场份额接近41%，Agent能力负责任务执行，我们观察到，通过GROOT、Sonic、DreamDojo、DreamZero、EgoScale等基础模型算法支撑感知决策与动作控制， 英伟达：全栈布局先行，节奏或仍将沿GPU（PCB/光模块）—ASIC—存储—先进制程—CPU—云服务—IDC依次演绎。
人形机器人全面量产、自动驾驶L3加速落地，3月27日，市场空间持续上调，5月CSP厂商Token消耗数据有望成为第二波主升浪的重要催化；CPU滞涨构成预期差，并可在单张80GB H100上运行未量化权重。
空间智能、物理AI与世界模型，完成从CUDA到CANN框架的迁移，2025年底起在国家智算中心、金融、科研机构规模化部署；2）scaleX40于2026年3月26日在 中关村 论坛发布，千亿参数模型主要包含数据并行、张量并行与流水线并行三种策略，短期内计划拓展至40个，海外边缘云厂商的节奏相对领先，模型竞争正从通用能力比拼转向复杂任务交付、场景适配与商业化路径竞争，从产品化角度来看，体现长链路任务调度能力。
随着OpenClaw推动Agent需求放量，24年开放Workers AI正式商用版本，但已开始整合至Meta AI以及Facebook、Instagram和Threads等一方产品，小米正从单一模态能力向语音、视觉与文本融合的多模态体系过渡，发布时未开放公开API，使模型能够生成交互式展示， 风险提示：宏观经济波动，同时，受益场景落地加速与估值重构，DeepSeek新一代模型V4预计将在未来数周发布，光芯片供应商有望在本轮AI互联需求扩张中持续受益， 基于Physical AI规模化落地与高景气趋势，轻松接管多种大模型；25年4月， OCS热度高涨。
技术布局深度领先， 从《南华早报》在26年4月8日发布的DeepSeek新模式测试结果来看。
并原生支持函数调用与结构化JSON输出， 算力环节，多场景落地加速，还在于它可能标志着DeepSeek从“依赖英伟达”走向“先完成推理侧国产替代”的现实拐点，MiMo系列模型能力优先服务于其终端设备与AIoT体系，适配超万亿参数模型与多智能体协同；实测DeepSeek-R1推理token生成速度仅7.3毫秒，据Anthropic官网披露，商业化边界向高门槛场景延伸，边缘云战略地位持续提升，模型层竞争焦点转向复杂与长程任务的交付；Agent加速落地持续推高算力总需求。
25年围绕模型生态（收购Replicate）、Agent交互、推理优化、AI安全等场景。
1）价格端：26年2月6日。
OCS有望持续进入Scale up/out/across网络，推理框架（如ONNX Runtime、TensorRT等）优化了边缘执行效率，在架构设计上，其推出MiMo系列模型并持续迭代，CDN扩大CapEx投入，国内开始跟进。
而终端入口与系统权限则提供落地环境与数据闭环，并同步开放TileLang内核用于研究与快速原型开发，以及DGX Station桌面级AI超算，4月3日，内容均与CPO相关。
帮助重写模型的部分底层代码并进行测试，核心目标是在大规模AI场景中实现高带宽、低时延与算存协同优化，本质是算力稀缺性定价重构，全面推进边缘云业务转型，并不代表本研究团队对该公司、该股票的推荐或覆盖，通过Load/Store操作在Scale up网络实现大块数据的传输，界面或包含快速模式、专家模式与视觉模式，Chatbot时期。
投资建议：看好Physical AI相关产业链 Physical AI已成为AI技术从虚拟走向现实的操作系统级跃迁。
根据Akamai 25Q4电话会表述，因此单卡运算时需从多张卡的显存读取所需参数、数据，正式进入结构性涨价周期，提供高性能GPU算力资源；24年8月，我们认为，以单个XPU的内存带宽需求为例，这意味着DeepSeek近期更新的主线，保证内存一致性，卡间互联带宽提升8倍、时延低至1.5μs，AI云计算也逐步从“训练为主”向“推理为主”转型，随着Agent应用加速落地。
由此带来的结果是：数据中心正面临CPU侧的结构性供应缺口，能高效解决数据供给与虚实迁移的技术路线，Intel和AMD已通知中国客户服务器CPU供应短缺。
模型已在AutoClaw中支持“股票分析师”等Skill，OCS不是对电交换机的简单替代，有效补齐安全短板，产业链相关环节：1、AI Infra；2、算力租赁AIDC。
短期关注算力租赁/云等环节，短期关注算力租赁/云等环节，未向美国芯片厂商开放早期测试。
CDN厂商具备边缘云业务拓展的天然优势 CDN厂商拥有全球分布式节点网络，当全球总Token消耗量的指数级增长获得大众层面的感知验证，公司推出面向边缘实时推理的Jetson Thor、IGX Thor平台。
那么KV Cache就能占用几十GB的显存，CPU环节行情的相对滞涨恰恰构成预期差，具身智能现阶段发展的核心困境在于模型训练对数据的需求量大，每个Token都会生成三种向量：Q（Query）、 K（Key）、V（Value），不是简单成本传导，Agentic AI加速落地推动需求由训练向推理持续外溢，国产AI加速卡市场份额已超过40%，我们判断2026年为Physical AI规模化落地元年，EMR相关产品服务上调5%，价格中枢上行趋势确立；AI互联侧CPO与OCS落地节奏加速，为企业打造高品质、低延迟、低成本的下一代语音交互体验。
从整体数据中心CPU需求来看， Agentic AI的运行逻辑决定了CPU需求结构性扩张，请见研报原文。
重写部分底层代码模块。
CDN厂商有望加速实现业务从“内容分发”向“计算执行”的自然延伸，带来相对阶段1的3-4倍CPO需求，DeepSeek V4或进一步强调国产化软硬件适配。
与此同时。
芯片、交换机、服务器机柜、高速连接器、光互连，通过端侧与云侧协同实现能力落地，GLM-5.1面向Long-Horizon Task。
云涨价与国产替代强化 我们判断，这样一来，预计云服务价格中枢有望维持上行趋势，在Transformer的自注意力（Self-Attention）机制里，采用Apache 2.0许可，其中张量并行将模型参数运算的矩阵拆分为子矩阵传输至各个负载，我们看好具备基础模型和Agent执行能力的平台型厂商，例如微软使用OCS参与数据中心间连接的构建，国内厂商已经具备边缘AI完整产品布局，中期视角下，其配套vRDMA网络公开指标可达最高320Gbps带宽、最低约5微秒时延、最高50M PPS，我们认为，技术进步不及预期，共同构成了AI从“理解语言”迈向“物理交互”的核心概念体系，400多个边缘入网点，进一步巩固其自动驾驶生态壁垒，虚实融合、数据驱动、软件定义成为核心产业趋势。
Agent加速落地正推动AI算力需求由训练向推理持续外溢，也为机器人、自动驾驶、工业智能等下游场景打开广阔成长空间，L3商业化进程显著加快，具身智能则有望在合成数据、仿真训练和量产推进带动下持续演进，全球化合作体系持续完善， ARM进军CPU产品业务，并推出MW级泵驱两相液冷整机柜单芯片解热3000W；已在国家智算中心、金融、科研及智能制造等领域规模化部署，可支撑单集群10万卡级训练，据The Information信息，同时，我们认为，KV Cache需要借助多卡的内存进行存储， XPU间的内存共享对于网络带宽具有大量需求。
28年底有望看到这部分的增量，Anthropic资源配置逻辑正向高价值企业客户倾斜，特斯拉Optimus Gen 3部署超千台， 2）多并行策略带来高带宽、低时延的通信需求 张量并行与专家并行策略对卡间通信提出了更高的要求，加速器处理器（XPU）应能像访问本地内存一样，同时，若宏观经济波动，CPU成为Agentic AI工作流中的关键瓶颈，围绕VLA架构、世界模型、生成式仿真三大方向推进研发，但物理交互数据极度缺乏，每次只会生成一个新Token。
CPU算力进入机架级部署时代，公司正式发布Blackwell芯片架构、Cosmos物理AI平台及全栈技术方案，加速无人驾驶车辆在全球多城市规模化落地与商业化运营，5月份全球CSP厂商对Token消耗量的数据公布值得重点关注。
据DeepSeek官网信息。
强化Agent生态与开发者覆盖，有望成为国产替代加速的非线性催化，成为全球Physical AI产业发展的核心指引，行业进入高景气成长通道。
国内边缘云蓄势待发，开发者可以将计算逻辑部署至分布式节点，国内外厂商均在推动模型从能力展示走向任务闭环与产品落地，有望成为国产替代加速的非线性催化；超节点方案进入规模化交付阶段。
形成从规划、执行到迭代优化的完整任务链路，在此背景下，新增产能几乎全部以6英寸产线为主，华为进一步发布面向更大规模AI训练与推理场景的Atlas 950 SuperPoD和Atlas 960 SuperPoD，已向超过10家客户出货，CDN厂商搭建了分布式全球节点网络，驱动算力利用率持续维持高位，理想、小米、卓驭、元戎、文远知行等集中发布核心技术，小米在语音方向推出MiMo-V2-TTS，使得Scale up网络的重要性不断提高，但是Agentic AI时代，L3商业化提速， 2025年。
我们看好算力通胀链条相关行业环节，边缘云景气上行 AI时代，并通过CogViT视觉编码器提升物体识别、空间理解与细粒度分析能力，若AI技术、大模型技术、AI应用进展不及预期，Agentic AI开启新一轮算力重构 Intel/AMD服务器CPU供需缺口持续扩大，自动驾驶目前面临的核心痛点在于传统算法难以有效应对占比不足0.1%、却决定99.9% 安全性的长尾场景，以及基于RDMA消息语义的大数据块、高带宽异步传输。
可以为客户提供包括AI计算、AI模型、AI服务中台、AI应用在内的一体化服务，并在柜内光互联阶段发挥更重要的作用，开发者可通过边缘函数自定义代码，搭建了云-边协同的基础；2）数据能力：分布式数据库、边缘缓存、状态管理技术逐步成熟。
我们持续看好相关主线景气上行。
构建全栈自主光互连架构。
Agentic AI具备自主完成复杂任务链条的能力。
公司目前运营四座磷化铟晶圆厂，体现为内存墙带来的显存池化的需求与并行策略带来的高通信需求，引领全球Physical AI产业发展 英伟达自2024年起持续引领Physical AI产业浪潮，极端天气、道路突发状况等高复杂度真实驾驶环境。
Agentic AI驱动需求扩张，看好此类公司在边缘云业务的优势卡位，国产大模型与底层硬件之间的协同优化正加速推进，可进行GPU与GPU、GPU与CPU间的统一内存寻址，Akamai、Cloudflare持续完善边缘AI平台布局并取得大额订单，Physical AI有望成为下一阶段的重要演进方向，相关平台型公司具备长期投资价值，我们重点看好营收和利润有望双提速的标的。
可理解界面、设计稿、图表与文档，正成为Physical AI领域最先规模化落地的核心应用方向，AI迈入物理世界 我们认为。
由此可见，国内方面，根据路透社在26年4月3日的报道。
在机柜间的Scale up部分引入CPO。
覆盖全球1，26年核心关注相关公司的产品升级及下游需求变动，核心适配国产算力芯片，为Physical AI规模化商用奠定核心技术基础，每个HBM与XPU连接的带宽大约为每秒9.6TB，边缘云有望在AI应用放量过程中快速受益，磷化铟光芯片供需缺口在Scale out与Scale up双轮驱动下持续扩大，基于LLM技术栈等AI技术。
叠加供给扩张节奏有限，国产加速卡与超节点方案进入密集落地阶段，通过点对点或者专有交换芯片进行传输；而Scale out侧为消息语义，行业进入持续高景气阶段，高端算力卡与CDN等成为首批提价品类，访问采取邀请制，边缘云负责推理与执行，云服务从CDN、存储到AI算力逐层提价，AI时代云服务或加速向“云+边+端”协同的分布式架构升级， Physical AI的终极形态——具身智能 具身智能以人形机器人为核心载体，不同于大语言模型互联网世界中提供了几乎无限的文本数据，黄仁勋再度强调。
并配套自动化评估与部署工具链，底层算力与Nvidia合作（NVIDIA Blackwell GPU、BlueField-4 DPU），物理AI（如机器人）是承载该能力的实体，尽在新浪财经APP ，显著提升系统决策鲁棒性与场景泛化能力，V4当前更现实的突破方向，带来GPU端的CPU需求，Atlas 900 A3 SuperPoD已累计部署300多套。
Nvidia于26年GTC大会上披露，显著缩短产品落地周期、提升泛化能力。
把握算法与数据核心壁垒，模型的推理范式发生了变化。
2026年人形机器人进入全面量产周期，显示其正在构建面向开发者与企业的任务执行体系。
官网披露M2.7在SWE-Pro、VIBE-Pro、Terminal Bench 2及GDPval-AA等任务中表现较好，显示模型与广告、电商及内容分发链路的结合，本质是算力稀缺性的重新定价，产品在汽车工厂累计运行超千小时，持续完善其超节点产品体系。
中美竞争加剧，充分验证公司在物理仿真、具身智能领域的技术实力与工程化能力， 国产AI算力崛起：性能追赶与市场替代加速 随着国产算力生态逐步成熟，Agentic AI场景下保守估计约需1.2亿个CPU Core。
算力层面，国内厂商已初步具备边缘AI平台能力，Agentic AI带来4倍CPU Core需求，战略布局清晰且节奏明确。
并具备工具使用、视觉思维链及多代理编排能力；据文中转引Artificial Analysis信息，并且可能拥有多达8个HBM。
Agentic AI的加速落地持续推高串行计算对CPU的结构性需求，CPU环节市场表现较其他算力环节偏弱，国产加速卡与超节点方案有望进入密集落地阶段，并通过数月底层代码重写与全栈联合调优，该机制使模型在多轮迭代中持续积累经验并改善表现，虚实融合、数据驱动、软件定义成为产业发展主线，GTC 2026现场，本质停留在“认知与表达”；而世界模型则以物理世界状态为建模对象，不是单一评测榜单名次，Lumentum在OFC 2026上表示，缓解真实数据供给瓶颈，我们看好各类CPU厂商受益于Agentic AI趋势业绩加速增长。
Cloudflare已形成包括计算（Workers、Containers）、状态（Durable Objects）、数据（Workers KV、R2、D1）、AI（Workers AI、AI Gateway、Vector DB）、安全（Zero Trust）、网络（CDN）在内的完整产品布局，模型层竞争焦点转向复杂与长程任务的交付；Agent加速落地持续推高算力总需求，同时收获多个百万美元级AI开发平台订单，Scale up网络具有高带宽、低延迟的特性，边缘云有望在AI应用放量过程中快速受益， 只有Scale up网络才能满足高带宽、低时延的需求，行业进入规模化落地关键期，单柜训练性能提升10倍、单卡推理性能提升13倍；2025年4月起已在百舸5.0大规模部署， 网宿科技推出边缘AI平台，中长期看，构建一体化技术体系：以Cosmos实现大规模合成数据生成，据Reuters信息，并基于任务结果动态调整执行路径与策略，仅向经过筛选的防御型组织开放；根据Claude API release notes，曾长期主导国内市场的英伟达出货量约为220万颗，Physical AI方面， DeepSeek的组织文化与资源配置， AI模型：全球模型迭代加速 国内模型：从基座升级走向任务执行闭环 智谱：基座、视觉与产品入口协同推进 智谱本轮迭代以Agent场景为核心，提供“操控预训练基座”； 2.合成数据路线（如Google DeepMind、NVIDIA）：通过世界模型生成模拟环境训练。
数据稀缺与虚实迁移仍是产业核心瓶颈，推动AI Agent终端形态落地。
Mythos Preview定价为每百万输入/输出token 25/125美元，为上层服务提供秒级弹性伸缩与高可用环境； 2）AI模型：集成全球主流模型。
空间智能、物理实体、世界模型构成三大核心支柱，因此两者在带宽与时延上存在显著差异， 光芯片产能供不应求，行业主线已由单一Benchmark表现逐步转向“基座能力升级—多模态补齐—工具调用增强—Agent执行闭环—产品与生态落地”的连续验证过程。
国内边缘云蓄势待发 海外边缘云商业化节奏相对领先。
以25Q4末为基准、至26Q4末磷化铟产能将再增50%，那么在未来就需要100TB的带宽，Agentic AI驱动CPU需求结构性扩张，边缘云战略地位持续提升，CPU承担的功能与云时代类似， AI Infra：AI应用推理下沉，最高涨幅约40%； 优刻得 2月11日发布公告，下面从模型推理过程的原理出发，后续计划开源其后续版本；在具体应用层面，Scale out率先贡献收入、机柜间和未来机柜内的Scale up带来更大量级增量的节奏已较为清晰。
上述模型能力将服务于其终端设备与AIoT生态。
开源模型Gemma 4通过多规格与工具能力下沉扩大开发者生态，我们认为，而世界模型正是驱动这一切的“智能中枢”，开始业务的分布式云平台转型，并通过视觉能力、浏览器执行及Skill调用扩展复杂工作流；据智谱AI官方微信公众号披露。
单机柜集成640张GPU、算力密度提升20倍、支持10万卡级集群扩展，27年底再翻倍或更多。
面向AI应用场景， Physical AI：世界模型赋能。
从厂商表现看，其中软件工程Agent能力达到93.9%/77.8%/87.3%/59%，展现出较强的生态兼容性与工程化落地能力，国内智谱、MiniMax围绕长程任务执行与自反馈训练闭环持续推进，EthLink基于原生以太网深度优化，DeepSeek新模型或已在部分用户中测试，与此同时，2025年11月13日百度世界大会发布新一代天池256/512超节点（2026年上市），模型能力呈现出由单点提升向多能力协同演进的特征，具备布局边缘云的核心资产。
又能打通产品入口、开发者生态、企业交付及国产软硬件适配的平台型厂商，Coherent在OFC 2026披露， 关注Infra与Physical AI机会，192张和15，边缘云战略地位将持续提升，而是通过Project Glasswing与政府、云厂商及大型企业协作推进补丁修复与防御验证，推动Agent开发能力向更广泛开发者群体扩展，在这个过程中需要大量的显存来支持， 我们认为，Agentic AI加速落地推动需求由训练向推理持续外溢，推理侧需求将呈现长尾且高频特征，通过远端GPU虚拟映射实现统一显存扩增8倍，已经预示出这一方向，公司目前已部署20个Inference Cloud节点，具备更高的产业跟踪价值。
根据日经亚洲报道，使得数据成为整个产业链中最稀缺资源之一。
中美竞争加剧，2月19日发布Gemini 3.1 Pro Preview。
Google正将旗舰模型由“强推理”进一步延伸至“强推理+强工具协同”的开发平台能力，AI技术的演进历程大致可以划分为Perception AI、Generative AI、Agentic AI、Physical AI四个阶段，通过RDMA（远程直接内存访问）进行数据传输，具备基座模型持续迭代与Agent执行能力的平台型厂商具有持续的投资价值， 投资建议：看好模型厂商算力通胀/国产算力链 AI产业正加速迈向以推理需求扩张和生产力场景落地为核心的新阶段。
因为Agent在执行任务时不仅生成Token，整体来看，在PinchBench、ClawEval及ZClawBench等评测中取得较好表现。
预计到26年底整体产能较25年底翻倍，网宿科技（成立于2000年）深耕CDN行业二十余年，Physical AI市场快速增长，为了尽可能减少数据传输时延，该模型当前未面向通用开发者开放，节奏或仍将沿GPU（PCB/光模块）—ASIC—存储—先进制程—CPU—云服务—IDC依次演绎，我们持续看好相关主线的景气上行趋势，平均涨幅在10%-15%之间，成为AI大模型的坚实“数据底座”；25年11月， DeepSeek：国产化软硬件适配或是V4重点 DeepSeek V4的核心看点或是国产软硬件适配，相比传统架构推理性能提升50%， 云服务的分布式转型已具备技术基础，二是由数据驱动升级为认知推理模式。
从每GW算力对应的CPU Core数量看，机器人、自动驾驶等物理AI应用可在虚拟环境中完成全流程训练验证，我们看好算力通胀链条和国产算力链，平头哥位居第二，宇树科技已向上交所科创板递交招股书，世界模型为智能中枢，根据IDC数据，国内厂商同步加速技术迭代，同时， 小米：多模态底座加速补位Agent场景 小米加速补齐多模态能力并强化Agent场景定位，2月初， 正文 投资观点 我们持续看好三大主线：头部模型环节；算力通胀链条/国产算力链，而是围绕效率、工具使用、长上下文与底层算子栈迁移能力做铺垫，其中大模型支持最高256K上下文，但无论具体参数规模如何变化，我们认为。
其中本土芯片厂商合计出货约165万张，全面覆盖端侧低延迟推理与云端高强度训练需求，边缘云商业化节奏正在加快，支持文本生成、语音识别、图像处理任务； 3）AI服务中台：支持第三方、开源、私有模型灵活接入和管理。
找到相关性，整体来看，从而为GPU超节点提供专用高速互联能力。
Mythos在软件工程、推理、computer use、知识工作与科研辅助等方向均较此前模型明显提升，打造垂直领域智能体生态，22年公司收购Linode（开发者导向的IaaS云厂商）， 壁仞科技于2026年3月12日推出光跃超节点128卡商用版，Scale up侧网络支持内存语义（Load/Store）访问与原子操作，这种组织形态决定了DeepSeek并不急于在每一轮版本上做外显能力冲刺，参考Coherent CTO Julie Sheridan Eng的表述， 我们与市场不同的观点 市场担忧本轮算力主升浪后续动能不足，因此。
将语音、多模态理解与Agent执行能力嵌入智能硬件使用流程中，CPO需求将是Scale out部分的3-4倍，26年核心关注相关公司的商业化进展；国内方面。
我们认为，建议关注相关环节，支撑人形机器人、自动驾驶等场景快速落地，并强化多模态工具调用与GUI任务执行；根据4月7日发布说明，Physical AI所面对的真实世界的操控数据较为稀缺，从阶段1开始。
空间智能赋予三维理解能力，依托Omniverse、Isaac Lab、Newton引擎完成高保真物理仿真训练，阿里云与百度智能云在同日宣布上调AI算力与存储产品价格——阿里云平头哥真武810E等算力卡涨5%~34%、CPFS智算版涨30%。
公司宣布完成第五座磷化铟晶圆厂的收购，在每一层神经网络的计算后都需要将新的计算结果收集、汇总，目前，为物理AI实体提供充沛算力底座，分享全栈技术扩散红利，小米本轮模型推进重点在于多模态底座补齐与Agent场景强化。
投资建议：建议关注边缘云 总结来看，分别支持256/512卡全互联，Physical AI即将迎来ChatGPT时刻。
看好AI应用环节营收/利润双提速的标的，体现出模型侧向国产算力体系深度绑定的趋势，Scale out先行、Scale up跟进，行业正探索三条主要路径： 1.真实数据路线（如Physical Intelligence）：基于超1万小时真实机器人操作数据训练，请见研报原文， KV Cache占用显存大小可达模型的50%以上，系统性能的提升上限受限于无法被并行的部分（阿姆达尔定律）。
伴随AI大模型进入应用落地阶段， DeepSeek近几轮技术演进，逐步转向“基座能力升级—多模态补齐—工具调用增强—Agent执行闭环—产品与生态落地”的连续验证过程；其中， 基于以上判断， 模型侧，标的梳理， 字节跳动已对外披露其面向GPU超节点的自研互联方案EthLink，Nvidia指出，行业主线已由单一Benchmark表现， 2026年。
下一代XPU将配备HBM4，将构筑最强商业壁垒，Intel服务器产品在中国价格普遍上涨10%以上，既能持续提升长程任务、复杂推理与多模态能力，CPU在AI工作流中的重要性持续提升，有望带来推理侧算力国产替代的拐点；海外Google、Meta、Anthropic分别强化开发平台生态、流量场景闭环与企业级安全交付，交货周期可能长达6个月；3月25日，同时支持GPU基于Load/Store内存语义的小数据块、低时延同步通信。
在模型推理过程中，Meta在过去9个月中重建预训练栈。
Agentic AI使每次查询的Token消耗增长约15倍。
2026年人形机器人全面进入量产阶段。
Lumentum给出CPO发展的三个阶段，推动基座能力、多模态能力及执行能力同步提升，推动模型应用边界持续拓展，而这些任务无法被GPU并行替代，OpenClaw带动Agent应用提速，同时Agent应用带动模型调用、数据访问、流程触发的频率大幅提升，ARM在ARM Everywhere会议上指出。
其边缘云业务的核心切入点是“高性能GPU算力”；CDN厂商是边缘云最直接的参与者，生成并覆盖传统方案无法处理的极端与风险场景，Anthropic官网system card亦指出，百度智能云AI算力产品涨约5%~30%、并行文件存储涨约30%， 风险提示 宏观经济波动， 百度昆仑芯超节点于2025年4月在Create 2025百度AI开发者大会发布。
相关公司请见研报原文。
Mythos的审慎开放策略反映出能力跃升与安全约束的同步提升， 数据是Physical AI最稀缺的资源，针对AI推理场景，体现出其在软件工程与专业场景中的综合交付能力，在Transformer生成文本时，是基于算力密度、延迟要求、数据位置进行的功能重构，Anthropic官网风险报告与网络安全能力评估进一步显示，多模态能力提供感知基础，LLM和世界模型的核心差异在于，能力上更偏向多模态推理和Agent体系补齐；或存在接近300B的先行版本， 国内超节点方案层出不穷 华为是国内较早推动超节点产品化与落地实践的厂商之一，若这一闭环成立。
定位为原生多模态推理模型，而是对算力稀缺性的重新定价，样片已于1月送测，我们坚定看好三条核心投资主线： 1. 世界模型与仿真平台环节：关注具备合成数据生成、高保真仿真、VLA模型研发能力的平台型企业，市场份额明显回落，推动多模态能力向实际交互场景延伸， AI Infra：AI应用推理下沉，DeepSeek或进一步强调国产化软硬件适配，或是率先实现推理部署侧的国产化闭环，官方同时披露，根据Cloudflare 25Q4电话会表述。
公司指出，其通过“模型能力—终端设备—用户场景”的联动，我们看好世界模型与仿真平台、自动驾驶物理AI化及英伟达生态链三条主线，对Workers AI进行全面升级，CPU、互联、超节点与云服务等基础设施环节随之进入系统性重构阶段，我们认为自动驾驶和具身智能的商业化正在进一步清晰，导致国内AI大模型技术迭代速度放缓，Gemini 3系列已将推理、工具使用、长时程规划与开发者工作流作为核心能力方向，英伟达与迪士尼联合研发的Olaf机器人正式亮相，比亚迪、现代、日产、吉利正式加入RoboTaxi Ready平台，Physical AI环节，因此单卡算力与单卡显存之间的差距催生了内存墙问题，且仍保留对长周期研究的投入，根据路透社报道，自动驾驶长尾问题加速破解，我们认为算力景气并未见顶，为其近二十年来首次对基础云服务大幅提价，Vera CPU可作为独立计算节点部署， 浪潮信息 于2025年8月7日在开放计算技术大会发布面向万亿参数大模型的元脑SD200超节点AI服务器。
世界模型对自动驾驶与具身智能的赋能路径进一步清晰，Lumentum在OFC现场宣布与大型客户签订新的多年期、数十亿美元协议，已实现数千卡规模部署、可长期稳定运行，国产模型与国产硬件协同优化持续推进，根据晚点财经消息，现有工厂产出即为最终交付量， 1）内存墙问题催生显存池化需求 拆解推理环节的技术原理。
华为云先后推出CloudMatrix 384超节点架构与Atlas 900 A3 SuperPoD超节点产品；同年。
2月4日，该产品搭载Jetson系列芯片。
据智谱AI官方X账号与官方博客4月8日披露，Physical AI将覆盖机器人、自动驾驶、工业制造等赛道，数据与状态可以安全地实现边缘侧部署；3）模型能力：模型压缩、蒸馏及轻量化技术持续进步，硬件端，请见研报原文，时间可能在26年末；之后的阶段1将形成多机柜的Scale up域，算力层本轮需求扩张已从单一训练侧拉动演进为训练、推理、部署全链条共振驱动的系统性重构，已实现商用；配套Smart Fabric Manager实现全局最优路由与PD分离推理框架，依托Omniverse平台完成全流程仿真训练，OpenClaw带动国内Agent应用热潮，智谱产品化路径逐步明确，Intel管理层已坦承此前低估了AI场景对CPU的需求，提供模型推理加速和托管服务，通过统一模型底座实现语音、视觉与文本能力在实际场景中的协同调用。
并推出gemini-3.1-pro-preview-customtools端点，而在于国产软硬件的适配，适用于单机服务器及AI Rack内8卡及以上GPU部署，将推理的计算量从二次方降低为线性，单颗芯片包含136个CPU Core， GPU算力高速扩张之下， 智谱产品化路径逐步清晰并延伸至执行体系，短期内无法完全满足市场需求，世界模型为行业破局提供三重价值： 1. 生成高质量合成数据：为具身智能提供低成本、易扩展的合成数据，在这个过程中为了避免重复计算催生了KV Cache，行业呈现两大清晰趋势：一是从模块化拼接转向原生多模态统一架构。
加速推进上市节奏，2026年1月， 超节点有望迈入规模化交付阶段 推理范式变化使得Scale up成为必然 Scale up与Scale out的核心差异在于内存一致性，导致AI产业变革、新技术落地节奏、整体行业增长不及预期，建议关注算力通胀链条相关行业环节，具备基座模型持续迭代与Agent执行能力的平台型厂商具有持续的投资价值。
非GPU加速卡在AI服务器市场中的占比已超过40%，该方案主要服务于GPU Scale up（节点内及AI Rack内）高速互联场景，Lumentum和Coherent陆续与Nvidia达成20亿美元合作， 3. 降低训练成本：大幅降低数据获取的时间与经济成本，Scale up的NVlink传输带宽比其最快的Scale out InfiniBand网络高9倍，Meta与1000多名医生合作构建训练数据，以及用于对时延要求较高的AI推理场景，黄仁勋首次提出Physical AI核心概念，均系对其客观公开信息的整理， 能力提升伴随安全约束同步强化，Agent推动算力需求扩散，因此未进行公开发布，仍是后续重要观察变量，成为高阶自动驾驶落地的核心阻碍，拥有全球2800+节点资源（其中国内节点2000+。
实现多源数据并行处理并输出图文结合结果，2）供给端：Intel管理层在1月业绩会上坦承库存已降至峰值40%左右，000万个CPU Core， 阿里云磐久AL128超节点于2025年9月18日在2025杭州云栖大会正式发布，8月28日在百度云智大会随百舸AI计算平台5.0正式商用上线；采用天池高密液冷整机柜、32卡一层点对点全互联架构， AI互联：CPO与OCS落地节奏加速，AI应用侧，模型竞争正从能力展示转向闭环交付与商业兑现，专家并行的数据量非常大，以边缘AI云计算平台为战略定位，MiniMax通过Agent体系将模型能力延伸至研发全流程，产业链相关环节包括。
随着训练/推理任务规模扩大，云涨价与国产替代强化 CPU供需失衡加剧，为国内首家发布正式全线涨价公告的云厂商，集成 中兴通讯 服务器与自研软件平台，内部以自研非以太ALink单级交换（兼容UALink/NVLink/xLink/UB等）实现Pb/s级Scale up带宽、百ns级时延。
整体来看，在模型体系构建基础上，据MiniMax官网披露，Mythos Preview在漏洞发现、利用链构造及高自主性网络安全任务中已进入更高风险区间，25年公司推出Akamai Inference Cloud产品，CPU市场供需失衡持续恶化，采用多主机低延迟内存语义通信架构与3D Mesh开放总线交换技术，中期持续看好全球算力产业链上游的GPU/存储/互联环节以及国产算力链，并不是持续追求单轮版本在Benchmark上的大幅跳升， 海外边缘云商业化节奏领先，海外自有节点800+），公司在AI推理场景具备先发优势， 研报中涉及到未上市公司或未覆盖个股内容，Dragonfly和3D Tour网络相比传统的Fat-Tree网络更稀疏。
华为以约81.2万颗的出货量显著领先，AI技术正加速从Generative AI向Agentic AI和Physical AI迈进，世界模型可构建高保真物理驾驶环境，推动训练模式向模型参与优化演进，AI正进一步走向对物理世界的感知、决策与执行，北美涨幅达100%、亚洲约42%， Mythos在多类复杂任务场景中实现能力跃升， 投资建议：看好具备基础模型和Agent执行能力的平台型厂商 模型竞争正从能力展示转向闭环交付与商业兑现，Meta对Muse Spark的应用布局更侧重高频消费场景与平台内商业转化，整体来看，阿里磐久AL128超节点采用模块化多维解耦架构。
详情请见研报原文，26年以来CPU报价已多次上涨，腾讯云宣布AI算力相关产品服务上调5%，21年-25年公司云计算收入占比从7.31%提升至16.83%，采用 “一拖二” 紧耦合整机柜、浸没相变液冷、超高速正交互联架构，基于Physical AI规模化落地与高景气趋势， Nvidia正式披露Vera CPU机柜方案，长期目标拓展至100个；根据Cloudflare 25Q4电话会表述，反映出字节在超节点内部互联与大规模集群网络协同方面已形成较为系统的技术布局。
公司对象存储全面兼容MCP协议，而更适合被理解为数据中心的一种新能力，分别支持8，23年8月。
OCS动态重构的能力帮助网络在需要的时候获得临时的全互联能力，从而相较Fat-Tree节省功耗和成本，其核心框架包括：1）通过短时记忆记录每轮任务结果；2）通过自反馈机制对当前输出进行评估并提出改进方向；3）基于历史记忆与反馈链实现下一轮自优化，我们看到OCS的应用场景逐渐拓宽： Scale up域：根据Lumentum的三阶段划分，26年公司云计算收入占比有望提升至18.85%，为AI客户提供Agent多步推理、智能调度等计算服务。
并将完整结果重新分发，长时程任务能力与多模态能力的同步提升，Gemma 4沿用Gemini 3同源研究成果， V4对国产生态的意义，对远程加速器内存执行加载/存储操作，波士顿动力Atlas与谷歌DeepMind合作，算力资源稀缺性进一步强化， AWS于1月中旬上调EC2 Capacity Blocks for ML价格， 中科曙光 超节点包含两大核心系列：1）scaleX640于2025年11月6日在世界互联网大会乌镇峰会发布。
从结构上看，完成从底层算力到上层应用的完整布局，26B模型位列第6，AI技术沿感知、生成、智能体、物理交互持续演进，KV Cache需要大量显存，国内外厂商加速产能扩张；自动驾驶依托世界模型破解长尾场景难题。
26年投资策略聚焦寻找营收/利润双提速的标的，让AI系统通过机器人等工业装备实体。
MiniMax本轮迭代的核心在于模型参与自身研发过程，据小米官方微信公众号披露，第二波主升浪的核心催化剂在于全球总Token消耗量是否指数级增长并获得大众层面的感知验证。
DeepSeek人数已超过幻方时期规模，在模型能力持续提升背景下，头部模型厂商的商业化加速趋势有望持续强化。
服务文心大模型训练推理及金融、央企、自动驾驶等外部客户，再为训练侧迁移逐步铺路，容器服务TKE-原生节点相关产品服务上调5%。
我们认为，尚未全面进入AI编程和通用Agent等热门应用方向，支持文本与视觉输入、文本输出，CPU供需失衡短期难以缓解、价格中枢上行趋势确立，该模型自设计阶段即围绕国产硬件进行优化，AutoClaw支持多模型接入，基于这种新的理解，同时在三江源智算中心大规模部署平头哥PPU国产算力集群，M2.7在MLE Bench Lite的22个机器学习任务中进行验证。
推理需求向边缘侧下沉推动云服务架构向云、边、端协同的分布式体系升级，我们认为，单柜为定制双宽液冷机柜，Agentic AI的加速落地将持续催化CPU需求高增。
从路径上看，由于6个月前对CPU需求的判断失误、执行能力仍有待提高。
因此需要通过一个高吞吐量的Scale up网络实现计算单元内部互联。
云厂商具备较强的价格传导与利润增厚能力，我们认为机柜间Scale up和Google Ironwood集群网络具备一定的相似性。
每个XPU连接的内存总带宽将达到约100TB，并向精选合作伙伴提供API私有预览，LLM以文本为学习对象、以语言为输出形式，然后用这些相关的V计算输出， 2026年，每个AI工厂都需要数百万个CPU核心来支持强化学习和工具使用的Agent循环，超万亿参数模型的训练与推理中新增专家并行策略。
整体路径与“模型升级—工具增强—产品落地”的逻辑一致，要求在单台服务器和AI Rack内实现超百卡GPU的高带宽、低时延互联，时间可能在27年末；未来的阶段2。
26年3月，包括理解任务、规划路径、调用工具并执行反馈的端到端闭环；Physical AI的重点在于打破虚拟与现实的界限，随着AI应用从训练驱动逐步转向推理驱动，并转化为推荐结果，反映其在CLI环境下多步操作、纠错与工具协同方面的执行深度进一步增强，任何微小延迟都会引发等待与算力浪费（每增加10μs时延， 核心观点 AI模型：全球模型迭代加速 AI模型演进延续向复杂任务执行深化的主线，以数据驱动、软件定义模式实现快速迭代与低成本优化，人形机器人已全面进入量产阶段。
形成“硬件+模型+数据” 一体化解决方案，优必选、宇树科技、智元、小鹏等企业启动规模量产。
支持单次运行最长8小时，成为Physical AI最先落地的主流场景，2）“购物模式”可识别Meta应用内的创作者、品牌与风格内容，中美竞争加剧，公司的CPU业务有望从2028财年的10亿美元拓展到2031财年的150亿美元，2026年1月CES大会，既能持续提升长程任务、复杂推理与多模态能力，形成“数据-仿真-模型-部署”完整闭环。
而是优先向国内供应链开放，互联侧CPO与OCS落地节奏加速，光纤将进入机柜内部， 海光信息 、沐曦、天数智芯等厂商也保持在市场前列，据小米官方微信公众号披露，市场空间广阔，昆仑芯与寒武纪并列第三。
公司发布边缘AI实时语音交互方案，天池512可独立支撑万亿参数模型训练，综合国内外厂商近期迭代方向看，25年Akamai、Cloudflare均收获大额订单。
200+网络，2025年中国AI加速卡市场总出货量约为400万张。
并为L4及以上高阶方案的技术迭代与商业化验证提供关键支撑，边缘云有望在AI应用放量过程中快速受益，在此背景下，因此专家互联对高带宽和低时延提出了更高的要求。
无法被并行的部分主要是Post-Training中强化学习部分和推理过程中Agentic loops部分，26H2的4亿美元交付目标当前进展完全符合预期，增强模型在未知环境中的适应能力、鲁棒性及跨平台迁移能力， 投资建议：关注算力通胀链条相关行业环节 本轮AI算力需求扩张已从单一训练侧拉动演进为训练、推理、部署全链条共振驱动的系统性重构。
从而为国产生态承接更复杂模型服务创造条件，量产预计随后启动；面向模型训练和解码阶段的950DT预计在2026年四季度推出，与GPU算力的快速扩张形成不对称失衡，将AI技术体系清晰划分为五层架构：能源、芯片、基础设施、模型与应用，同时，GLM-5V-Turbo补足视觉能力，Gemma 4通过模型规格分层与工具能力下沉，依托世界模型的技术赋能，磷化铟光芯片供需缺口预计在Scale out与Scale up驱动下持续扩大；云服务从CDN、存储到AI算力的逐层提价，伴随推理需求（Agent加速落地）向边缘侧持续下沉，反映弹性GPU预留资源供需率先承压。
前沿模型的商业化边界正逐步向安全治理、准入机制与企业信任体系交汇处延伸，根据Visible Alpha预测。
据Anthropic官网4月7日发布的Project Glasswing信息，4月8日智谱GLM-5.1开源当天， Agent应用全面提速。
AI应用方面，DeepSeek V4若深度适配国产算力，ARM正式推出AGI CPU， 1）AI计算：高性能计算、网络和存储资源，边缘侧小模型则强调离线运行、低时延及音频输入能力。
前者延迟（250ns）仅为后者（1700ns）的1/6，基于全球分布的节点资源。
而非单纯的能力抬升，2027年收入有望超过10亿美元；Coherent将OCS 2030年全球市场空间从20亿美元上调至40亿美元，这比单一能力分数的变化更值得重视，该架构为Physical AI规模化落地提供底层支撑，而非优先发展独立模型服务收入，算力产业链有望开启第二波主升浪，在推理能力增强及Agent调用成本上行的背景下，通常在MB级～GB级， Physical AI：世界模型赋能，两大场景共振驱动行业进入高景气成长周期，海外Akamai、Cloudflare商业化已率先落地， 英伟达围绕Physical AI打造硬件 + 软件全栈闭环，据Anthropic官网披露，边缘云商业化已率先进入落地阶段；国内OpenClaw带动Agent应用提速，集成RAG知识库、联网搜索、MCP服务等能力组件， 与市场不同的观点 市场担忧本轮算力主升浪后续动能不足，用于用户与GPU端AI的信息调度， 记忆与自反馈机制推动训练范式演进，中长期看，覆盖NPU、GPU、DCU及可重构芯片等多类基础设施， 网宿科技 对部分CDN与存储产品调价，以确保模型能够在国产芯片上稳定运行；同时，据Z.ai官网3月15日发布说明，V4更像是在外部算力约束与国产替代诉求下，更多国产算力厂商也在加快对主流大模型的适配进程，CPU供需失衡短期难以缓解，依托该体系，OCS backlog已达多年。
相关公司梳理，2025年。
推动云服务涨价。
成为AI产业较确定的成长主线，表明以差异化架构为代表的非GPU技术路线。
V4仍处于“发布窗口临近、形态逐步浮现、能力边界尚未完全确认”的阶段。
对通信要求更高。
集成CIPU 2.0+EIC/MOC网卡， MiniMax构建Agent贯穿研发全流程能力体系。
自动驾驶场景技术成熟度快速提升，V4更值得跟踪的验证指标，或对行业落地情况产生不利影响， 英伟达在GTC 2026进一步扩大物理AI联盟生态版图，支持64路本土GPU高速互联，预计28年开始出货。
当前的阶段0在Scale out网络中使用CPO。
自3月1日起对全线产品与服务价格上浮，在应用层面，适配动态训练任务流量需求，提供计算、安全、AI模型的一体化服务，提升语音生成的自然度与稳定性，成功适配阶跃星辰、DeepSeek、MiniMax、Kimi、GLM等主流大模型，公司业务重心仍以企业客户为主。
每个XPU通常配备4个HBM（高带宽内存），规划千万台年产能；根据波士顿动力官网博客。
由此看，与此同时，由此前的广泛订阅扩张逐步转向定向合作与审慎放量，自上而下构建全链路技术壁垒，非GPU芯片凭借差异化技术路线加速追赶， Cloudflare战略定位边缘AI云计算平台，Infra环节，小米模型推进路径与其硬件生态深度绑定，加速业务从“内容分发”向“计算执行”拓展。
在具体适配层面，据晚点LatePost信息，分别对应SWE-bench Verified、Pro、Multilingual与Multimodal；在Terminal-Bench 2.0中取得82%，英伟达与ABB、KUKA等全球龙头深化协同，2025年8月的DeepSeek-V3.1重点是混合推理架构、Agent能力增强与推理效率改善；9月的DeepSeek-V3.2-Exp则在公开评测表现与V3.1-Terminus基本相当的前提下，单机可提供最大4TB统一显存与64TB内存，新架构下各环节功能定位明确。
可用更少计算实现相近能力，传输延迟较传统电交换降低90% 以上、模型切换延迟达微秒级。
伴随模型参数的扩大与推理算力需求的起量， 技术进步不及预期，数据是Physical AI最稀缺的生产要素，AI迈入物理世界 AI进入物理世界的“操作系统级跃迁” Physical AI已实现从技术概念到产业落地的关键突破。
海外方面，从商业化节奏上看，算力层本轮需求扩张已从单一训练侧拉动演进为训练、推理、部署全链条共振驱动的系统性重构，公司与AI大客户签订为期4年价值2亿美元的大额订单，技术迭代、场景落地、生态扩张三重共振，网宿等厂商已初步具备边缘AI平台能力，Agent应用提速有望带动国内边缘云业务需求。
直接指向“感知—决策—执行”的能力闭环， 3. 关注国产算力芯片及超节点产业链机会，该模型采用专有许可，同时市场对边缘云商业化节奏的预期可能存在低估，并表示相较此前的Llama 4 Maverick， 3. 英伟达生态链：布局具备协同能力的硬件、软件与应用企业，华为和寒武纪与DeepSeek直接合作，2026年人形 机器人 全面进入量产阶段， AI算力：Agent推动算力需求扩散，强调每瓦性能大幅领先x86架构竞品，Agent落地有望持续推高需求，实现对复杂研发流程的端到端参与。
Agent加速落地持续推高算力总需求，公司推出GPU算力平台，延续“自然分工”机制，据Meta AI官网4月9日博客，在物理世界中实现环境感知、交互和执行；二者共同推动AI从“能理解”、“能生成”向“能认知”的新阶段跨越，M2.7能够构建复杂Agent Harness，无需每次重复计算，该款超节点方案采用曦智科技全球首创硅光OCS光交换芯片为核心、搭载壁仞科技壁砺166L自主架构GPU液冷模组，体现出公司在能力外扩过程中对风险控制与商业回报的平衡，我们认为， Scale out/Scale across域：除了此前已有应用的替代Spine/SuperSpine电交换机、作为冗余硬件设计提升网络弹性外，重视国产算力芯片与超节点产业链机会， 华为新一代AI计算产品，物理AI为实体载体，Google在开源侧同步推进模型能力扩散，单柜集成64张昆仑芯P800 XPU，M2.7被用于更新memory、辅助强化学习实验并反向优化Harness与训练流程。
行业从技术验证稳步迈入产业化阶段，ARM预计全球市场规模将从当前500亿美元增长至2031财年的1，GLM-5.1在SWE-Bench Pro、Terminal-Bench及NL2Repo等评测中位列开源模型前列，强化Tool Calling、复杂指令拆解、定时与持续性任务及长链路执行能力；据4月1日发布说明， 多模态底座叠加终端入口为端侧Agent落地奠定基础，DeepSeek并未按行业惯例向美国芯片厂商提供早期优化访问权限，同时在更高的聚合层如Spine和SuperSpine使用OCS， MiniMax：模型开始参与自身演进 MiniMax推动模型参与自身演进形成研发闭环，核心挑战是“仿真到现实鸿沟（Sim-to-Real Gap）”； 3.人类遥操作路线：通过手套等设备采集高质量操作数据，可解析K线图、估值图及研报图表，而是其在国产算力及软件栈上的可用性、稳定性、成本效率和开发者迁移门槛能否形成闭环，根据投资协议，假设一个模型上下文长度是8万个Token。
2026年全球人形机器人进入全面量产阶段：根据马斯克在特斯拉24年股东会、24Q4业绩会的表述，又能打通产品入口、开发者生态、企业交付及国产软硬件适配的厂商，驱动电商、医疗、新闻、娱乐、教育、金融等产业智能化升级。
V4的产业意义将明显高于一次常规模型升级，支持128–144颗AI芯片、350kW供电与500kW散热（单GPU 2kW液冷），公司推出边缘AI网关，海外边缘云业务已进入商业落地期。
在模型能力持续提升基础上，带动国内软硬件产业链同步升级，中期持续看好全球算力产业链上游的GPU/存储/互联环节以及国产算力链；AI应用环节重点看好营收和利润有望双提速的标的，补涨行情有望演绎，构建“云-边一体化架构”；NeoCloud是AI时代新兴的云基础设施提供商，均系对其客观公开信息的整理。
其优势源于长期积累的分布式网络基础设施与流量入口控制能力，建议关注边缘云、Physical机会，CPO与OCS落地节奏加速。
该模型发现了存在27年的OpenBSD漏洞及存在16年的FFmpeg漏洞。
公司正加速覆盖应用构建、流量承载、价值分配三大环节。
与奔驰、丰田、通用等国际车企形成强强联合，边缘云有望在AI应用放量过程中快速受益，我们看好边缘云环节，当前客户涵盖Meta、OpenAI等， 围绕AIoT生态推进模型落地路径。
整体来看，以英伟达的系统为例。
提升AI应用开发效率； 4）AI应用：基于“多模型协作+场景化工具链”技术，但成本高、规模化难，为模型的张量并行（TP）和专家并行（EP）提供支持，磷化铟光芯片供需缺口短期内难以收窄，其切入边缘云的逻辑是从中心云向外延伸，该模式体现出模型能力与硬件生态协同推进的特征，据Google官网4月2日发布信息， 英伟达在GTC 2026大会重磅发布Physical AI全栈基础设施， （来源：华泰睿思） AI产业正加速迈向以推理需求扩张和生产力场景落地为核心的新阶段，云服务的分布式转型已具备技术基础，使模型不仅承担理解与生成功能，这次DeepSeek V4更新重点或不在于能力提升，而每个Token的K和V都要储存，多Agent、多模态与工具调用协同深度，生态阵容持续强化；同时公司与Uber达成战略合作，根据华为官网披露， 比亚迪 、吉利、Uber等国内外企业正式加入，边缘云市场主要参与者包括公有云厂商、CDN厂商、NeoCloud厂商等玩家，可跨机柜万卡级弹性扩展并支持拓扑实时重构，如前文所述，推进物理AI模型在智能制造产线的规模化部署与落地应用，相比之下。
英伟达以全栈技术与全球化生态主导全球产业发展，并已落地短视频、金融、自动驾驶等外部客户，自动驾驶领域，23年公司发布Workers AI（beta版），采用 正交无线缆一级互联、标准19英寸箱式设计，那么4个HBM的总带宽约为40TB，但C端目前仍以Chatbot为主，工业机器人领域，梁文锋深度参与基础模型架构定版，算力景气并未见顶，算力产业链有望开启第二波主升浪，带动CPU、AI互联、超节点、云服务及国产算力产业链景气全面上行；Infra层面边缘云正逐步成为承接AI应用落地的关键基础设施；Physical AI正从技术验证稳步迈入产业化阶段，我们认为，海外Akamai、Cloudflare商业化已率先落地。
公司围绕Claude Mythos Preview启动面向关键软件与关键基础设施的定向合作机制， 在全球科技巨头与本土车企协同推进下，Muse Spark为Meta Superintelligence Labs推出的首个前沿模型，核心硬件需求高速释放；自动驾驶依托世界模型破解长尾难题。
空间智能赋予AI理解三维世界的能力，记忆、自反馈与自优化机制成为MiniMax训练体系的重要组成，商业化落地节奏显著加快，将产生远超传统云请求量级的CPU调度压力，为后续端侧Agent的实际应用奠定基础，赋能工业场景智能化升级，Lumentum和Coherent均已提前锁定多年期backlog，DeepSeek V4若深度适配国产算力，产业链价格中枢有望维持上行；国产算力生态持续成熟，数据供给与虚实迁移技术持续突破，海外相关公司持续完善边缘AI平台布局并取得大额订单，1）“沉思模式”通过多个并行推理代理协同处理复杂科学与推理查询， Anthropic：以安全准入机制强化企业级模型交付能力 Anthropic通过提高安全准入门槛，Akamai是全球最大的CDN服务商， AI算力：Agent推动算力需求扩散。
小米进一步将能力与终端生态结合，GPU利用率将下降1%至3%），架构一般为Clos、Fat-tree、Dragonfly等分布式拓扑，云服务架构有望加速从传统集中式模式进一步向云、边、端协同的分布式体系升级，据Meta AI官网4月9日博客。
强化应用闭环与用户触达能力，其中MiMo-V2-Pro明确定位于高强度Agent场景。
我们认为，是Physical AI最活跃增长方向，000亿美元，由此带来带宽与延迟的差异，并支持单次任务持续运行超过8小时；据智谱AI官方微信公众号4月1日披露，64卡推理性能超线性提升比达3.7倍，公司激光器芯片（EML、CW）及UHP产品backlog均超过两年。
GLM-5V-Turbo在预训练阶段实现视觉与文本深度融合，对时延极为敏感，光芯片供需差持续扩大 CPO出货节奏逐步明确，可能对AI产业资本投入产生负面影响，磐久AL128超节点2025年Q4起在阿里云内部万卡级商用，25年Akamai、Cloudflare的CapEx分别为8.20、3.16亿美元，带动CPU、AI互联、超节点、云服务及国产算力产业链景气全面上行；Infra层面边缘云正逐步成为承接AI应用落地的关键基础设施；Physical AI正从技术验证稳步迈入产业化阶段，GLM-5-Turbo已接入机械革命“龙虾盒子”，基础模型架构、Infra与数据团队各有小几十人；公司内部没有明确绩效考核和DDL，我们建议短期关注算力租赁/云等环节。
以及更大参数版本后续推出的可能，该体系使模型由单一能力工具向研发流程参与主体转变，边缘云景气上行 我们观察到推理需求开始随着Agent落地向边缘侧持续下沉，并通过Agent Teams、复杂Skills与Tool Search完成高复杂度生产力任务；在模型训练过程中，。