川海智库

报告概述

本报告是招商证券对计算机行业2026年上半年的中期策略研究。报告以AI产业主线从“扩CapEx”转向“Token生产与商业化”为核心框架，系统分析了该主线下的三大方向：大模型的技术迭代与商业化进展、算力租赁与国产算力等Token经济基础设施的发展、以及Data Infra与AI应用的潜在投资机会。报告覆盖了海外标杆企业（如Anthropic、Snowflake、Databricks）和国内重点公司，旨在帮助投资者把握AI产业从基建投入转向Token变现的关键拐点。

报告的核心结论

AI产业主线从扩CapEx转向Token生产与商业化

报告指出，2026年市场焦点从谁建设更多GPU和数据中心，转向谁能以更低成本、更低延迟生产并变现更多Token。大模型正从“吞金兽”变为“印钞机”，Anthropic的ARR在5个月内从90亿美元增长至470亿美元，验证了商业化路径。

算力租赁与国产算力成为Token经济的核心卖铲人

Token消耗爆发带动推理与训练算力刚需，国内算力租赁行业景气度持续上行，协创数据、宏景科技等上市公司加速布局。国产算力作为AI自主可控底座，寒武纪实现盈利，海光DCU加速适配国产大模型，华为昇腾产品线持续迭代。

Data Infra是Agent规模化落地的关键瓶颈

Agent运行涉及数据获取、工具调用、上下文管理、记忆存储及安全治理，无法仅靠模型实现，必须由底层Data Infra支撑。Snowflake、Databricks、Datadog等海外厂商已率先受益，国内达梦数据、星环科技等有望价值重估。

B端应用成为AI规模化落地的主战场

海外Anthropic凭借Coding和Agent工作流在API市场份额反超OpenAI，国内企业级大模型市场规模远高于消费级。具备“明确预算、任务高频、结果可验、数据独有”特征的B端场景（如AI Coding、金融、法律、企业服务）更适合Agent渗透。

报告回答的关键问题

2026年AI产业的核心变化是什么？

2026年AI产业主线从“扩CapEx”转向“Token生产与商业化”。过去两年市场关注巨头的GPU和数据中心资本开支，而现在焦点转为这些投入能否转化为更多Token和持续的ARR增长。大模型正从能力展示阶段走向商业化兑现阶段，Token调用量持续攀升。

算力租赁行业为什么景气度上升？

全球Token消耗量井喷式增长催生海量算力刚需，国内算力租赁以GPU单机、机柜、算力池等标准化模式为主，渠道、资金和客户资源构成核心壁垒。2026年以来，协创数据、宏景科技等上市公司纷纷披露大额采购合同，行业供给端扩容节奏加快。

国产算力发展到了什么阶段？

2026年以来国产AI芯片呈现硬件性能迭代、模型适配加速和商业化扩容三大趋势。寒武纪实现盈利并扩产，海光DCU已实现与多个国产大模型的Day0适配，华为昇腾推出Ascend 950系列并规划未来三代产品，国产算力正为国产大模型构筑坚实底座。

Data Infra在AI Agent时代扮演什么角色？

Data Infra是Agent规模化落地的关键瓶颈。Agent运行涉及数据获取、工具调用、上下文管理、记忆存储及安全治理，无法仅靠模型实现。Data Infra具备平台属性、高客户粘性和长生命周期，能够率先形成商业闭环。海外Snowflake、Databricks、Datadog已受益于AI驱动增长。

哪些B端场景更容易被AI Agent渗透？

具备“明确预算、任务高频、结果可验、数据独有”四个特征的B端场景更容易被Agent渗透，包括AI Coding、金融投研、法律、风控、企业服务/ITSM/客服、工业软件/数字孪生、Physical AI、AI营销和网络安全等。这些场景任务标准化程度高，ROI可量化，数据壁垒强。

报告中的代表性数据

约470亿美元

Anthropic ARR

2026年5月，据公司披露及SemiAnalysis估算，Anthropic截至2026年5月末的ARR突破470亿美元，较2025年末增长约422%。

64.97亿元

寒武纪2025年营业收入

2025年全年，寒武纪2025年实现营业收入64.97亿元，同比增长453.21%，首次实现全年盈利，归属于上市公司股东的净利润20.59亿元。

47亿元

中国大语言模型市场规模（企业级）

2024年，据弗若斯特沙利文数据，2024年中国大语言模型市场规模53亿元，其中企业级客户贡献47亿元，占比88.7%。预计2030年企业级市场将达904亿元。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 26H1计算机行业复盘：板块走势与个股涨跌分析，公募基金持仓变化，Q1营收与扣非利润增速中位数对比。
  • 大模型技术迭代四个维度：模型参数从追求规模到注重效率（MoE架构）、数据规模与合成数据、推理时算力（CoT与test-time compute scaling）、学习环境向真实工程场景拓展（Coding与Harness Engineering）。
  • 物理AI深度分析：世界模型（如NVIDIA Cosmos 3）、仿真平台与数据闭环平台，以及谷歌、Meta、微软等巨头的布局。
  • 大模型商业化详细案例：Anthropic的营收增长曲线、模型迭代速度、Claude Code产品表现，以及智谱GLM Coding Plan的提价与限售历程。
  • 算力租赁市场结构：海外NeoCloud四类服务商（Hyperscalers、NeoCloud巨头、新兴NeoCloud、经纪商）与国内标准化算力租赁模式对比。
  • 国产算力三大龙头深度分析：寒武纪芯片技术迭代与产能扩张、海光DCU适配进展与CPU需求提升逻辑、华为CANN架构与昇腾AI产品规划。
  • 算电协同政策与机制：中国信通院定义的“算优化电、电支撑算”框架，算力体系与电力体系六大关键要素（算力供给方、算网运营方、发电方、电网方、储能方等）。
  • Data Infra四层架构与海外标杆：Snowflake（AI Data Cloud）、Databricks（Agent平台）、Datadog（可观测性）的商业模式与业绩数据。
  • AI应用B端主战场的详细场景分析：AI Coding、金融投研、企业服务等八个领域的落地逻辑，并附Cursor、Harvey、Palantir等20余家厂商的估值与收入验证。
  • 投资建议与风险提示：三大投资主线（大模型商业化、国产算力/算力租赁/算电协同、Data Infra/Agent/核心应用）及对应标的，以及技术创新、研发进度、芯片、竞争等风险。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告