AI硬件重点看好AI芯片方向，国产算力在解决产能供给瓶颈后，伴随国内互联网公司持续提升的AI算力需求以及自上而下的国产化目标，有望迎来“从1到10”的业绩放量，核心公司具有较大弹性。
存储芯片供给端扩产周期长、产能弹性有限，导致供需严重失衡，进而推动存储价格大幅上涨。这一趋势预计将在未来1—2年内持续，为存储产业链带来显著的业绩弹性。
AI大模型要真正触达消费者，必须依托高效的端侧入口。当前最具潜力的两大终端形态为智能手机与AI眼镜。
来源：新财富杂志（ID：xcfplus）
作者：王芳（中泰证券研究所联席所长兼电子行业首席分析师）
更多详细内容参见2月份出版的《新财富》杂志
01
AI硬件：升级迭代加速
云端算力基建维持高景气，大厂资本开支强劲，北美及中国头部云厂商（CSP）2025―2026年资本开支指引乐观，主要用于AI服务器、数据中心和网络基础设施，因此带动硬件升级迭代加速：AI服务器技术规格快速演进（如英伟达Rubin架构），带动PCB（印刷电路板，高阶技术路线包括高端HDI/SLP，即高密度互连板/类载板）、光模块、液冷系统等配套硬件的需求量和价值量双升。
重点看好AI芯片方向，从图形处理器（GPU）向专用集成电路（ASIC）演进，降本成为核心驱动力。当前AI服务器中价值占比最高的部分是GPU，其成本约占整机的80%―90%。过去两年，尤其是2024年以来，AI应用重心正从训练阶段加速向推理阶段迁移，芯片架构也逐步由通用型GPU转向专用型ASIC。
这一转变的核心动因在于显著的成本优化。以英伟达高端GPU为例，单颗售价约10万美元以上；而谷歌通过自研TPU（张量处理单元），可将推理成本降低约50%。正因如此，全球科技巨头纷纷布局自研AI芯片⃞谷歌的TPU已支撑其大模型在全球保持领先地位，而博通作为TPU的主要设计方，市值在近两年增长2―3倍，目前已达1.5万亿美元。
相比之下，中国AI芯片龙头企业寒武纪当前市值仅约5000亿元人民币，远低于英伟达的4万多亿美元。差距并非源于市场规模或设计能力，而主要受限于先进制程制造环节。国产AI芯片高度依赖台积电等海外代工厂，在先进工艺节点上面临“卡脖子”问题，导致产品迭代速度滞后。因此，以中芯国际为代表的本土晶圆代工企业正加速布局先进制程产能，其营收已实现持续快速增长，成为国产替代的关键支点。
展望2026年，国产算力在解决产能供给瓶颈后，伴随国内互联网公司持续提升的AI算力需求，以及自上而下的国产化目标，有望迎来“从1到10”的业绩放量，核心公司具有较大弹性。
02
存储：需求爆发叠加供给紧张，价格持续上行
服务器第二大价值组成部分是存储系统。近年来，AI服务器和数据中心建设推动存储需求呈爆炸式增长。国内头部互联网厂商资本开支强劲，AI服务器出货量年增速普遍超过30%；若按英伟达的乐观预测，未来几年AI服务器复合增长率有望达到50%。在此背景下，存储需求同步高速增长。
根据TrendForce数据，我们预计2026年全球八大CSP（云计算服务商，包括美系四巨头谷歌、亚马逊、Meta、微软及中国的阿里巴巴、百度、腾讯等）的资本开支将飙升至6020亿美元，同比增长40%。其中，约60%将用于服务器及相关ICT基础设施，这意味着仅CSP的服务器支出就将达到3612亿美元。在全球服务器市场中，CSP贡献近59%的采购额，其需求动向已成为整个市场的风向标⃞我们不能忽视这一核心引擎的强劲拉动力。
此外，我们测算出服务器存储市场规模将同步水涨船高。在服务器BOM成本（物料清单成本）中，存储芯片（DRAM+NAND+HDD，即“动态随机存取存储器+闪存+硬盘”）的价值量占比已稳定在25%―27%。基于上述CSP支出，并考虑非CSP领域（企业、政府等）约20%的需求增速，我们推算2026年全球服务器存储采购金额将达到1376亿美元，同比增长31%。值得注意的是，这一数字尚未计入因供需紧张可能带来的价格上涨因素，实际市场规模有望更高。
我们深入剖析了AI推理三大范式升级如何重构存储需求的底层逻辑。
KVCache多层缓存成为标配：为降低大语言模型（LLM）推理时延与算力成本，业界普遍采用“HBM（热点计算）+DRAM（层级缓存）+SSD（冷数据/长周期缓存）”的三级架构。这使得DRAM与SSD不再是被动的数据仓库，而是主动参与计算流程的关键环节，其配置容量被显著放大。
对话范式从“自答”走向“协作”：链式推理（CoT）、多Agent（智能体）协同、工具调用等复杂交互模式日益普及，单次任务的词元（Token）消耗量从千级跃升至万级，带来10倍量级的数据读写需求。这要求我们的存储系统能高效、低成本地承载中间态与历史态数据。
媒介从“文本”迈向“多模态”：视频、音频等内容的生成与理解，其时空Token密度远超纯文本，对HBM带宽、DRAM容量及SSD持续扩容能力提出更高要求⃞尤其在冷数据缓存、检索索引等方面，SSD展现出最强弹性。
这些趋势共同指向一个结论：我们正进入一个“存储即性能”的时代，存储不再只是配套，而是决定AI系统效率与成本的核心变量。
然而，存储芯片供给端扩产周期长、产能弹性有限，导致供需严重失衡，进而推动存储价格大幅上涨。这一趋势预计将在未来1―2年内持续，为存储产业链带来显著的业绩弹性。
面对汹涌需求，我们观察到存储原厂并未盲目扩产，而是采取“技术优先、聚焦高端”的战略，将有限产能向AI数据中心倾斜，导致通用产品供给相对宽松，而AI专用高端产品供给极度紧张。
在DRAM领域，我们看到制程迭代正在加速。行业正从1a节点快速向1b、1c演进，其中1b将在2026年成为主力，1c则率先用于HBM4芯片等顶级产品。具体来看，三星已与英伟达敲定HBM4供应协议，并通过P4、P5工厂扩建及旧产线改造，大幅提升1c、HBM4产能，同时削减1a产能转向1b。SK海力士采用1b制程生产HBM4，并计划将1c产能扩大8倍以满足AI客户，更宣布将于2026年4月停产DDR4，将全部产能转向HBM与DDR5。美光则将1β、1b工艺用于HBM4，1γ、1c用于DDR5、LPDDR5X，并逐步覆盖全产品线。这些动作清晰表明，原厂的战略重心已完全转向AI驱动的高价值DRAM，通用DRAM的供给增长极为有限。
在NAND领域，我们同样看到结构性倾斜。3DNAND层数已迈入“300+时代”（如SK海力士为321层），单Die（单个NAND闪存芯片）容量与晶圆产出效率大幅提升。但厂商策略高度聚焦：三星重启Z-NAND研发，目标是提供性能比传统NAND高15倍、功耗低80%的AI优化产品；SK海力士推出专属“AI-NAND”家族；美光则果断退出移动UFS5（通用闪存存储第五代标准）与消费级SSD业务，新工厂（台湾A5、日本广岛）全力聚焦HBM，同时推出基于G9-NAND的企业级SSD。
由此可见，NAND供给也在向高密度、高性能的数据中心SSD集中，消费级与移动级产品线被战略性收缩。这种“高端紧、低端松”的格局，正是“硬缺口”形成的关键原因。
03
AI终端入口：
手机与AR眼镜将成为关键载体
AI大模型要真正触达消费者，必须依托高效的端侧入口。当前最具潜力的两大终端形态为智能手机与AI眼镜。
智能手机：苹果被视为AI手机的核心引领者。其首款AI手机将于2025年进入第二代产品周期，并在2026年迭代至第三代，标志着AI手机进入创新爆发期。
AI眼镜：Meta是该领域的先行者。其AI眼镜销量从2023年不足200万台，跃升至2024年约500万台，预计2025年将突破2000万台。Meta正积极推进多款AI硬件产品的发布与生态建设，市场前景广阔。
巨头纷纷布局，苹果、Meta、阿里、字节等科技巨头正加速将AI能力下沉至手机、可穿戴设备（尤其是AI眼镜）等终端。
硬件载体明确，AI手机和AI眼镜被视为中短期最重要的端侧AI落地场景，有望催生新的硬件创新浪潮和供应链机会。
终端设备需兼顾性能、成本与用户体验，因此对芯片能效比、系统集成度及工业设计提出更高要求，也为产业链上下游带来新的增长机遇。
本文所提及的任何资讯和信息，仅为作者个人观点表达或对于具体事件的陈述，不构成推荐及投资建议，不代表本社观点。投资者应自行承担据此进行投资所产生的风险及后果。
热门跟贴