川海智库

报告概述

本报告聚焦AI性能快速迭代与商业落地对硬件产业链的深远影响。研究对象从底层芯片（GPU/CPU/存储）到服务器、网络、散热、电源等全栈环节，覆盖数据中心、边缘计算及物理AI等场景。报告采用技术演进与供需分析框架，梳理从CoWoS封装、HBM存储到液冷散热等关键技术的突破路径，并指出当前AI产业整体处于早期阶段，硬件投资兼具短期业绩确定性与中长期升级空间。

报告的核心结论

AI Agent进入商业爆发期，推动算力需求指数级增长。

报告指出，AI Agent技术生态已趋成熟，垂直行业应用（金融、医疗、制造）率先规模化部署。Agent需自主规划、调用工具，导致CPU与GPU配比从1:4向1:1靠拢，单Agent算力消耗远超传统AI应用，驱动硬件需求结构性爆发。

硬件产业链面临全栈式协同升级，单一环节突破不再足够。

英伟达Rubin平台显示，芯片、封装（CoWoS/SoIC）、存储（HBM4）、散热（液冷）、网络（NVLink）需同步进化。单CoWoS封装内晶体管总数预计2029年较2024年增48倍，倒逼PCB层数从50层增至80层以上，材料升级为M10。

AI产业仍处早期，深度使用渗透率极低，长期空间广阔。

全球约每六人中一人使用生成式AI，但真正深度使用（付费、高频）人群仅1500-2500万人，占全球人口约0.3%。物理AI（机器人、自动驾驶）有望成为下一个万亿美元市场，硬件需求将跟随应用深化持续扩张。

存储芯片结构性短缺，价格可能持续上涨至2027年。

HBM每GB消耗晶圆产能约是普通DRAM的三倍，挤占效应加剧供给紧张。Trend Force预计2026年DRAM产值达6187亿美元（年增303%），NAND Flash产值达2706亿美元（年增280.7%）。三大原厂计划2027年大幅调高HBM报价。

物理AI将开启新一轮万亿美元级硬件需求。

NVIDIA推出Cosmos 3开放世界基础模型，推动机器人、智能汽车在物理世界中泛化。物理AI需要大量传感器、边缘算力和高可靠存储，NVIDIA认为该市场将达万亿美元规模，带动芯片、元件、服务器等全产业链升级。

报告回答的关键问题

为什么AI Agent会爆发？

报告指出，技术层面LangChain等开源框架成熟，多模态与长上下文能力提升；商业层面金融服务、医疗等垂直场景已验证ROI，GitHub数据显示AI辅助开发者生产力相当于9万亿美元价值。企业级产品如微软Copilot Studio、Salesforce Agentforce加速落地，推动Agent进入商业化加速期。

AI硬件产业链面临哪些瓶颈？

核心瓶颈在于物理世界的产能升级速度滞后于需求增长。芯片方面，先进封装（CoWoS）产能紧张；存储方面，HBM晶圆消耗量是普通DRAM三倍，挤压常规产能；散热方面，单机柜超40kW后液冷成为刚需，当前冷板式渗透率74%。这些瓶颈导致多个环节量价齐升、供不应求。

当前AI产业处于什么发展阶段？

报告判断产业整体仍处早期。全球深度使用AI人口仅约0.3%，多数用户停留在免费浅层应用。硬件投资虽短期爆发，但中长期渗透空间巨大——从对话式AI向物理AI演进，机器人、自动驾驶等新场景将带来万亿美元增量市场。台积电预计2030年全球半导体市场超1.5万亿美元，AI是主驱动力。

存储芯片为什么持续短缺？

三重因素叠加：一是HBM每GB晶圆消耗量是普通DRAM的三倍，扩产直接挤占常规产能；二是AI模型参数从1.17亿增至1.8万亿，单芯片HBM容量从80GB增至384GB（2027年Rubin Ultra）；三是下游AI Agent激增，每个Agent都需要专属算力与存储，需求被用户数、时长、token量相乘放大。SK海力士预计缺口可能持续至2030年。

报告中的代表性数据

0.3%

全球深度使用AI人口比例

2025年下半年，全球付费、高频使用AI的人群约1500-2500万人，占全球人口比例极低，反映AI产业早期特征（来源：AI Native Dev Studio）。

23%

2025年半导体市场成长率

2025年，AI应用驱动半导体市场加速成长，实际成长率远超前一年预估的10%（来源：台积电）。

6187亿美元

2026年DRAM产值预测

2026年，Trend Force集邦咨询预测2026年DRAM产值达6187亿美元，年增303%，主要受HBM结构性短缺和价格持续上涨推动。

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

  • 详细梳理ChatGPT等大模型从GPT-1到GPT-5.4的迭代参数、核心特性与里程碑，展示AI算力指数级增长路径。
  • 深入分析AI Agent技术演进四阶段（萌芽期、框架爆发期、商业化加速期、生态深化期），列举AutoGPT、LangChain、MCP协议等关键产品与标志性事件。
  • 提供AI全产业链分层图谱，包括模型层、应用层（软/硬）、硬件基建层（算力、存储、元件、PCB、液冷、电源、服务器、光通信、电力、AIDC）及具体标的。
  • 英伟达历代GPU（Volta至Rubin Ultra）性能对比表，含Tensor Core代数、算力、显存、带宽、NVLink版本及标志性技术创新。
  • 存储市场深度分析：HBM TAM从2023年30亿美元增至2027年850亿美元，GPU与ASIC用HBM复合增长率分别为73%和88%，以及DRAM/NAND Flash产值预估表。
  • AI服务器发展四大趋势：机架设计从独立堆叠向全栈系统级计算机演进，液冷散热渗透率与功率密度分层，800V高压直流供电商用元年，网络Scale-up与Scale-out架构分化。
  • PCB层数与材料演进路线：从H100的40-60层M7-M8到Feynman的80+层M10+，结合覆铜板、正交背板等变化说明单板价值量翻倍逻辑。
  • 物理AI专题：NVIDIA Cosmos 3模型架构与能力，以及未来机器人、自动驾驶等具身智能对硬件的新增需求测算。
  • AI硬件产业链投资思路：整体PEG约1倍，存储、MLCC、PCB等环节存在短期超预期可能，中长期渗透率提升和物理AI打开增长空间。
  • 关注标的列表：涵盖晶圆代工、算力芯片、存储、服务器、光通信、先进封装、MLCC等环节共30余家公司的财务预测、市盈率与PEG数据。

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