AI芯片：回望过去一年，展望2026

回望2025年至2026年初，人工智能行业已彻底告别概念炒作，全面迈入深度融入现实的“深水区”。从Nvidia GTC 2026到Tesla自建晶圆厂，从Google TPU向外部市场开放到AMD发起正面挑战，AI算力版图正在经历剧烈的重塑。展望未来，行业将呈现出以下关键趋势与变革。

算力基础设施的军备竞赛与国产化突围

2026年被视为中国走向自主算力的“元年”。在这一时期，海外AI芯片在中国市场的份额将显著下降，自主设计、制造和封装的AI芯片将占据市场主流。

• 国产化进程加速：随着国产高端GPU厂商（如寒武纪、摩尔线程等）逐步实现盈利并扩大产能，中国本土的算力基础设施将迎来爆发式增长。
• 集群规模扩大：国产万卡乃至十万卡集群将出现，芯片算力系统将与中国本土的前沿大模型进行协同设计，形成完整的中国AI生态。
• 标志性事件：最核心的标志是利用中国本土基础设施训练出具备国际竞争力的下一代前沿模型，实现从硬件到算法的全面自主可控。

硬件技术迭代：从GPU到光模块与PCB的全线升级

算力需求的激增直接推动了硬件产业链的全线技术迭代，资本市场的关注点也从单纯的GPU扩展到了“运力”与“散热”等细分领域。

• GPU与架构演进：英伟达新一代GPU及谷歌TPU定制芯片将继续扩展模型预训练与测试时计算能力。2026年英伟达Rubin GPU的量产将成为关键节点，其采用的正交背板设计将对PCB提出更高要求。
• 光模块与光芯片：作为“运力”核心，800G光模块向1.6T升级成为主流，CPO（共封装光学）等新技术趋势带来新机会。然而，高端光芯片（100G及以上）供需失衡加剧，价格有望上涨，掌握核心光芯片技术的企业将具备更高弹性。
• 高端PCB需求爆发：AI服务器对PCB的要求远超传统服务器，单台价值量可达传统产品的3倍以上。随着Rubin架构引入M9甚至M9.5等级树脂基材与高阶铜箔，高多层PCB板产能将保持紧张，行业增长预期强劲。

散热革命：液冷从“可选项”变为“必选项”

随着AI芯片热流密度突破500W/cm²（如英伟达GB300），传统风冷已无法满足需求，液冷技术正在经历从“可选项”到“必选项”的质变。

• 技术路线：单相冷板液冷因其显著优于风冷的散热效率，正成为主流解决方案。
• 供应链格局：英伟达的液冷系统主要由维谛、台达等一级供应商主导，国内厂商多以二级零部件身份切入。相比之下，谷歌在液冷组件供应商的直接对接上更为确定，为国内企业（如英维克）提供了切入高端供应链的“意外之喜”。

应用落地与数据范式的转变

算力的提升最终服务于应用，2026年AI应用将呈现出从验证到普及、从互联网数据到环境交互的深刻转变。

• 终端AI爆发：AI将全面部署于终端设备，AI手机、AI眼镜及原生硬件将成为消费者随身携带的智能体。中国作为全球AI设备供应链中心，将引领这一浪潮。
• 首个“人类级”应用：编程与数学验证将成为首个在实际工作中达到人类水平的AI应用领域，带动AI在科研、服务等更多可验证领域创造经济价值。
• 数据来源变革：高质量互联网文本数据已基本耗尽，AI学习正从“灌输”进入“经验时代”。合成数据、环境交互以及行业非公开数据（Know-how）将成为构建模型壁垒的关键。

2026年展望：投资逻辑与潜在风险

对于2026年的AI市场，虽然算力基础设施的高增长确定性最强，但也伴随着估值泡沫与市场波动的风险。

• 投资主线：GPU国产替代、光模块技术迭代、液冷渗透率提升以及高端PCB产能扩张是核心投资逻辑。机构预测，2026年及2027年，国产GPU厂商及硬件供应链头部企业仍将保持高增长。
• 超预期驱动：目前市场已透支部分未来业绩（如寒武纪市盈率高于英伟达）。2026年的估值提升需依赖“超预期”因素，特别是国内互联网大厂（如字节跳动、阿里、腾讯）资本开支的实际上修力度。
• 风险提示：AI在测评分数与实际工作表现上的脱节、芯片库存周期与数据中心建设周期的错配、以及OpenAI等企业的资金链状况，都是足以影响整个AI生态乃至经济的重要信号。此外，电力短缺（美国）与清洁电力供给（中国）将成为制约AI发展的瓶颈，数据中心正成为与新型电力体系协同演进的“新物种”。