报告概述
本报告为信达证券电子行业周报，以即将召开的英伟达GTC 2026大会为核心前瞻，重点研究LPU（语言处理单元）、CPO（光电共封装）和存储（尤其是HBM）三大技术方向。报告覆盖了这些技术的原理、发展现状、应用前景及对产业链的影响，并结合市场行情与个股表现进行分析。报告旨在帮助投资者理解AI算力从训练向推理切换的趋势，把握相关电子细分领域的投资机遇。
报告的核心结论
LPU架构成为AI推理优化的关键方向。
LPU（语言处理单元）是针对大模型推理场景深度优化的专用计算架构，相比传统GPU更强调低延迟和高吞吐。英伟达收购Groq后，预计在GTC大会上推出集成LPU的新一代Feynman架构，这将带动服务器主板及加速卡PCB等产业链升级。
CPO技术将分阶段在数据中心落地。
CPO（光电共封装）通过缩短电信号传输距离降低功耗与损耗，短期内优先在数据中心Scale-out网络中应用，中长期有望在Scale-up高速互连中大规模部署。英伟达可能在GTC大会上推出Scale-up的CPO解决方案。
HBM产能持续紧缺，价格呈上行趋势。
AI算力需求快速增长推动HBM（高带宽存储）需求提升，下一代HBM4在带宽、容量和能效上进一步突破。目前HBM市场由少数厂商主导，产能偏紧，高端产品订单排期长，存储产业链景气度维持高位。
AI算力范式正从训练转向长期高频推理。
根据OpenRouter数据，2025年以来推理模型流量占比已超过50%，算力消耗从一次性大规模训练转向持续、复杂的推理环节。GTC 2026被视为迈向“大推理”时代的关键节点。
报告回答的关键问题
什么是LPU架构？它和GPU有何不同？
LPU（语言处理单元）是一种专为大模型推理场景优化的计算架构，强调低延迟、高吞吐和序列计算效率。相比传统GPU，LPU通过确定性执行、简化调度和高带宽数据路径设计，在推理任务中效率更高。英伟达收购Groq后，有望在GTC大会上将LPU集成到新一代Feynman架构中。
CPO技术相比传统光模块有哪些优势？
CPO（光电共封装）将光模块与交换芯片共同封装，缩短电信号传输距离，显著降低高速互连的功耗与信号损耗。相比传统可插拔光模块，CPO在带宽密度、系统能效和信号完整性方面优势明显，特别适用于超大规模AI计算集群。
GTC 2026大会有哪些值得关注的技术看点？
GTC 2026大会预计将推出英伟达新一代Feynman架构并可能集成LPU，发布Scale-up的CPO解决方案，同时展示HBM4等存储技术进展。大会还将涵盖物理AI、AI工厂、代理式AI和推理等主题，标志算力向“大推理”时代转型。
当前HBM市场供需情况如何？
AI算力需求带动HBM（高带宽存储）需求快速增长，但产能整体偏紧，高端产品订单排期较长，市场价格呈现上行趋势。下一代HBM4预计在带宽、容量和能效方面进一步提升，技术演进方向包括更高堆叠层数和更先进封装。
报告中的代表性数据
推理模型token用量占比
2025年以来，根据OpenRouter数据，2025年以来推理模型的tokens用量已超过整体的一半，表明AI算力消耗正从训练转向推理。
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
- 本周电子细分行业行情追踪：详细分析了半导体、消费电子、元件、光学光电子、电子化学品等细分板块的涨跌幅及个股表现，并对比了北美主要科技股的走势。
- LPU架构深度解析：介绍LPU的原理及对传统GPU的改进，分析英伟达收购Groq后的布局，预测GTC大会可能发布的新Feynman架构及其对PCB产业链的带动作用。
- CPO技术演进路径：阐述CPO技术相对于传统光模块的优势，分析其分阶段落地节奏（先Scale-out后Scale-up），并提及英伟达可能推出的CPO解决方案。
- HBM存储供需与技术迭代：分析AI算力对高带宽存储的拉动，介绍HBM4的预期规格提升，讨论当前产能紧缺状态及存储产业链景气度。
- 投资建议与风险提示：给出海外AI、国产AI及存储相关个股的关注建议，并提示电子行业发展不及预期、宏观经济波动和地缘政治等风险。
- 完整市场数据与图表：包含申万电子二级指数走势图、美股科技股涨跌幅对比图、LPU系统示意图、CPO路线图、HBM产品规格对比图等可视化资料。
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。
