核心观点

    　　1) 算力仍然是大模型持续迭代的根本动力。算力端投资主要有三条线，一是围绕增量变化，如铜连接、液冷等；二是围绕份额变化，如存储、PCB、电源等；三是围绕英伟达业绩增速超预期与否，某种程度上决定了整个算力产业链的估值区间。

    　　2) AI 走向端侧是大势所趋。苹果的Apple Intelligence 打造的原生AI 操作系统和应用具备一定领先性，微软的P C 端A I助手也在加速推进，关注端侧换机潮以及升级后的D RA M、隐私计算、声学、电池、散热以及A rm PC 等投资机会。

    　　3) 随着国内大模型能力的提升、调用价格的下降以及政策上的支持，我们认为更多的AI 应用将会逐步落地。C 端的聊天机器人、文生图、文生视频应用正在逐步被接受。B 端A I 也开始在金融、工业、军事、医疗、教育等领域开始落地。

    　　摘要

    　　展望AI 投资的下半年，我们认为有两大投资方向：一是全球产业趋势，核心是算力；二是围绕国内政策拉动内需，尤其是AI 与G 端以及B 端各行业的结合。

    　　算力领域有三方面投资逻辑：第一，围绕增量变化投资，下半年最重要的变化是AI 服务器形态从过去的8 卡向英伟达NVL36、72 机柜方向发展和过渡，机柜集成度更高，是众多大厂主要选择方向，其中铜连接、液冷是新的增量，今年下半年开始进入订单密集期，从Q4 开始进入业绩催化；第二，围绕份额变化投资，随着龙头公司订单外溢，整个产业链都呈现高景气度，部分公司份额提升，重点关注存储、PCB、电源等板块；第三，估值波动，AI 算力全球估值体系参照英伟达，英伟达业绩增速超预期与否，某种程度上决定了整个算力产业链的估值区间，参照台积电Cowos 扩产节奏，下半年有所加速，我们看好英伟达下半年业绩，因此也看好整个板块向明年估值切换。同时，在4 月份的欧洲技术研讨会上，台积电宣布至少到2026 年，都将以超过60% 的复合年增长率 (CAGR) 扩大CoWoS 产能。可以看到，台　　积电对AI 整体需求判断乐观。

    　　铜连接价值量大幅提升，并于下半年放量：1）用量大幅增长：相比过去8 卡服务器里面主要使用PC I E 线，此次NVL36/72 机柜除了计算托盘内使用PCIE 线，还在计算托盘之间、交换芯片到背板之间、交换芯片到前板I/O 端口之间均使用了高速铜缆连接，不同机柜互联也可以使用高速铜连接；2）下半年产业链开始放量： 根据集邦咨询，Q3 新平台Blac kwell 将进入市场，Q4 开始放量。展望明年，Blackwe ll 系列将成为英伟达主力销售产品，并且主要为机柜形式。对于中国厂商来说，铜连接主要机会来自于安费诺的订单外溢，考虑到明年NV L 3 6、NVL72 机柜整体出货量（等效NVL72 预计在4-5 万台），仅柜内线铜缆高速线市场就达到48-60 亿，若考虑柜外线，则市场规模将更大。重点关注安费诺、沃尔核材、神宇股份。

    　　云端内存需求均呈高景气度：1）算力中心需求量大：显存价值占比高，一台NVL72 机柜中HBM 3e 和LPDDR5x 合计需求约20.74 万美金，约占NVL72 机柜价值量的7%；2）端侧设备需求：长期来看端侧设备参数量会不断变大，内存也将不断增加，下一代A I 手机内存有望增长至12-16GB。对于该产业链投资机会核心为两点：1）HBM3e 份额以及苹果手机8GB DRAM 及下一代DRAM 供应商变化，重点关注美光；2）目前对于存储大厂来说，主要还是以转产为主，未来存储供需平衡可能被打破，带动存储价格持续回升。

    　　电源方案的全新升级：服务器采用Rack 一体化设计，使用外部统一电源，从而进一步优化电源管理，提升系统整体性能和可靠性。NVL72 需要6 个powe r shelf 构成，单台机柜需要电源200kw 左右。DrM OS 模块是GPU 的具体供电单元，B 系列芯片的DrM OS 模块需求量不断提升。主要供应商为台达、光宝，关注大陆供应商进展。

    　　液冷散热的全面应用：目前液冷主要以冷却板与浸没式为主，相较传统风冷，算力密集度增加背景下液冷具备三点优势：1）液冷机柜具备较高功耗承载上限，可承载20 KW 以上AI 服务器运行；2）液冷机房P U E 值更接近于1，满足最新政策要求；3）低PUE 背景下同样算力需求电力消耗更少，长期运营成本优势显著。整体看液冷普及率提升是算力密集度高增时代的必然趋势。

    　　AI 端侧主要投资趋势：一是DRAM 增加：对于30 亿参数量的模型，以Int 4 精度计算对内存占用量大概是1.4GB，6GB 的DRAM 比较难支持AI 大模型。目前能支持该端侧大模型的是苹果手机中配备 8GB DRAM的机型。我们认为，如果苹果之后端侧模型升级到70 亿的参数量之后，那对内存占用将达到3GB，现有的8 G B机型支持也将非常吃力，未来每代手机升级，苹果DRAM 升级将及其重要。安卓方面，谷歌最新推出的 Pixe l8 系列中，只有 Pixel 8 Pro 支持运行 AI 大模型 Gemini，原因在于其配备了 12GB DRAM。二是安全问题及隐私计算：未来AIPC 或者AI 手机都会形成本地的知识库，保证个人信息安全至关重要，未来端侧安全芯片以及算法也会升级。另外，Apple Intelligence 会分析用户发出的请求能否在设备端运行，如果需要更强的计算能力，就可以借助私密云计算仅将与任务相关的数据发送给采用苹果芯片的服务器，对于部分手机大厂未来将自建为手机服务的云上推理中心。三是声学的升级：语音交互将是AI 时代的一个重要入口，端侧很重要的一点是声学器件的升级。四是电池和散热变化明显：随着端侧芯片算力的增加，功耗增加，电池变大，同时散热材料也有所变化。五是关注iPhone17 硬件新变化所带来的机器视觉检测设备需求变化。六是Arm PC：凭借更强大的AI能力、更强的续航、微软的重点支持、高通着力打造PC 芯片等几个要素，各家大厂开始重点推出Arm PC，重点关注中科创达。

    　　特斯拉引领自动驾驶端到端变革：特斯拉FSD Beta V12.3 为第一个使用端到端神经网络的FSD 版本，根据特斯拉公开的最新安全数据，特斯拉车辆在开启FSD 功能后，每行驶539 万英里才可能发生一起事故，远低于全美每行驶67 万英里即有一起事故的平均水平。大模型相比过去的算法有四个重要特点及优势：1）数据驱动：　　过去是靠写规则去定义自动驾驶，现在是由数据驱动，每看100-150 万个视频片段，效果会有明显提升； 2）上限高：大模型的涌现能力目前看在自动驾驶中也有体现，意味着把参数量做大，能解决过去自动驾驶过程中一些难解决的驾驶行为；3）迭代速度加快：过去特斯拉接近每两周迭代一次FSD 算法， 大模型时代每2-3 天就更新一下版本；4）驾驶体验逼近人类：过去规则定义下的自动驾驶很生硬，目前体验更加类似于人类驾驶的感受，从而降低了接管次数。特斯拉也公布了FSD12.3 一系列数据，平均接管里程从 116 英里提升至 286 英里，用户完全无接管的行程次数占比从 FSD V11.4 的 47%上升至 72%，效果有明显提升，乘用车辅助驾驶能力进一步提高，重点关注德赛西威。但是对于L4 级无人驾驶来说，特斯拉的平均接管里程数相比于人类仍有较大差距，目前仅依靠单车智能尚无法完全实现自动驾驶，需要关注国内车路云建设。

    　　AI 应用赋能千行百业：大模型应用的另外一个主战场是行业应用，5 月26 日在山东省的企业和专家座谈会上，重点提及用科技改造传统行业。其次，超长期国债也将大力投入“科技自立自强”等领域。同时，《扩大内需战略规划纲要（2022-2035 年）》：坚定实施扩大内需战略、培育完整内需体系。并重点提出推动5G、人工智能、大数据等技术与交通物流、能源、生态环保、水利、应急、公共服务等深度融合，助力相关行业治理能力提升。我们认为，围绕AI 在金融、工业、教育、交通、军事、医疗等领域开始落地。金融端，大模型逐步成为更好的投研助手、财富管理虚拟人、金融知识库等。工业端，大模型已经开始在CAD 等软件提供人机交互、A I G C生成样本等，重点关注中控技术。在机器人领域，接入大模型后的机器人智能化程度快速提升，已经开始在工厂等场景替代人完成简单任务。军事领域，海外的Palantir 公司已经成功的在战场中利用大模型作为战场助手。

    　　教育领域，AI 逐步在更多学科成为虚拟教师。在交通领域，车路云协同对基础设施提出更高要求，赋能智能交通管理的同时，能够有效降低智能驾驶车端成本。医疗领域，过往AI 本身在医疗影像，新药研发等领域均有较为深入的应用（传统模型），生成式模型的出现使得上述领域的AI 发展得到进一步深化，但总体来看，海外研发方向更偏制药，国内研发方向更偏健康管理，依据大模型效力的不同二者应用方向存在差异。