◎记者 李兴彩 春节期间，算力产业链新闻不断。OpenAI“大幅下调”算力投资，引发广泛关注和讨论；Meta与英伟达达成一项价值数十亿美元的芯片采购协议；Taalas芯片的异军突起引人瞩目…… 在业内人士看来，OpenAI并非是预算下调而是表达口径的差异，将原来“8年广义基建”口径改为“5年算力专项”，并非意味着AI泡沫破灭和产业发展“刹车”，而是产业发展进入更务实阶段，开始回归商业本质，更加关注营收利润。北美云厂继续增长的资本开支，将使得算力及英伟达产业链继续保持高景气度。 不过，在AI应用加速落地的背景下，产业链公司对算力结构、AI大模型乃至于商业模式的需求，都将发生变化，AI推理算力、国产AI芯片的投资机遇值得重点关注。 算力领域新闻多 产业链景气持续 2月21日，OpenAI宣布，将2030年前的AI基础设施支出目标由1.4万亿美元下调至6000亿美元，引发广泛关注。知情人士表示，该6000亿美元为纯算力专项支出，聚焦芯片采购与租赁。与此同时，OpenAI仍在推进超千亿美元的融资，其中90%资金将来自英伟达、软银、亚马逊等战略投资者。 OpenAI CEO山姆·奥特曼于2025年11月演讲中提出，2030年前在AI基础设施上投入约1.4万亿美元，用于构建全球领先的算力体系，这一广义远景涵盖芯片、电力、土地、数据中心建设等全产业链投入。 对于OpenAI“大幅下调”投资预算，业界给出整体上较为正面的评价。该事件短期情绪上可能利空英伟达产业链，但长期来看，这意味着其订单确定性更强，有助于AI推理规模化部署及英伟达产业链景气度持续。 高盛等机构认为，OpenAI的6000亿美元资本支出与其“2030年营收2800亿美元”目标更加契合，是该公司从烧钱增长转向“投入产出匹配”的理性回归，也更有利于其融资推进。即便是大幅下调，该资本支出仍是全球最大算力投入，依然显示算力增长动能澎湃。 OpenAI提出，到2030年，要实现消费者业务收入与企业业务收入基本持平。摩根士丹利等机构认为，这是其跑通商业模式的表现。 在OpenAI更务实的同时，北美云厂与AI企业还在继续大力投资数据中心建设。据媒体报道，Meta与英伟达近日达成一项价值数十亿美元的芯片采购协议，Meta将采购数百万片英伟达最新一代AI加速芯片，并承诺大规模部署英伟达CPU来运行AI大模型，这是英伟达首次将CPU产品独立销售。 垂类大模型及应用机遇值得关注 在疯狂“烧钱”后，投资者越来越关注AI公司的盈利问题。在“盈利优先”的背景下，AI应用及商业化落地正在加速。 2月23日，千问发布数据称，春节假期用户“一句话下单”近2亿次，全国平均每10人就有1人在千问下单。来自QuestMobile的数据显示，2月7日，千问日活跃用户数（DAU）达到7352万，接近豆包的7871万，仅用3个月时间就达到后者3年的用户规模。 AI应用商业化拐点临近，中信证券等机构认为，OpenAI下调资本开支，显示行业正从“算力军备竞赛”迈入“商业化验证期”，算力利用率高、盈利性强的AI公司有望率先收获红利。 中银证券表示，综合当前各个AI应用场景及价值量提升趋势，建议重点关注“AI+医疗”“AI+营销”“AI+企服”“AI+编程”“AI+娱乐”等细分赛道。同时，在AI Agent产业链投资机会上，重点关注AI Agent、云服务、算力、存储、大模型厂商等主要环节。 与需求对应，AI大模型将从“单一超大模型”向“多模型+专用模型+MoE（专家模型）”演进，在降低对高端算力依赖、提升能效比的同时，更好地满足行业需求。 如此，具备细分赛道模型及应用、并跑通商业模式的行业和公司值得关注。比如，GEO（生成式引擎优化）作为AI应用率先落地的方向，市场规模迅速提升，相关概念股也受到资本市场青睐。 利欧集团董事长王相荣在新年致辞中表示：在数字营销领域，公司打造了专属AI智能体矩阵；在泵与系统领域，公司推出了领先的数据中心冷却系统解决方案。迎着智能化时代的浪潮，公司将坚定不移地推动AI技术与双主业的深度融合。 AI推理需求成新风口 随着AI发展重心转向应用，其对算力的需求也将由“重训练”转向“训练+推理并重”，AI推理需求成为新的风口，增长速度和规模都将远超AI训练。 云天励飞董事长陈宁在近期接受上证报记者采访时表示，2026年是AI发展核心推动力由AI训练转向AI推理的转折之年，是未来五年AI应用大规模落地的开端。保守估计，到2030年，全球AI训练的算力市场将达到1万亿美元的规模，而全球AI推理市场的规模将达到4万亿美元至5万亿美元。 与AI训练“极致高端”算力需求不同，AI推理对算力的需求更讲究性价比，需要在成本、效率和系统能力上建立优势，也让定制化AI芯片“脱颖而出”。 当地时间2月20日，初创公司Taalas发布了首款采用ASIC技术的产品Taalas HC1芯片，引发市场关注。该产品专为Llama 3.1 8B模型优化，采用30芯片集群时实现每秒12000 tokens的推理速度，较传统GPU方案提升50倍能效，而成本降低至1/20、功耗降低至1/10。 AI推理需求爆发，国产AI算力芯片正在借助ASIC、全栈优化等技术在该赛道上建立竞争优势。 比如，截至2025年末，国内AI ASIC龙头企业芯原股份在手订单金额达到50.75亿元，较三季度末的32.86亿元大幅提升54.45%，且已连续九个季度保持高位。 在国产AI芯片领域，寒武纪、摩尔线程、沐曦股份已经登陆科创板，壁仞科技、天数智芯已经登陆港交所，燧原科技在冲刺IPO，百度也计划分拆昆仑芯在港上市。另外，海光信息同时具有“DCU+CPU”芯片，并与中科曙光合作形成产业链优势。

◎记者 李兴彩

春节期间，算力产业链新闻不断。OpenAI“大幅下调”算力投资，引发广泛关注和讨论；Meta与英伟达达成一项价值数十亿美元的芯片采购协议；Taalas芯片的异军突起引人瞩目……

在业内人士看来，OpenAI并非是预算下调而是表达口径的差异，将原来“8年广义基建”口径改为“5年算力专项”，并非意味着AI泡沫破灭和产业发展“刹车”，而是产业发展进入更务实阶段，开始回归商业本质，更加关注营收利润。北美云厂继续增长的资本开支，将使得算力及英伟达产业链继续保持高景气度。

不过，在AI应用加速落地的背景下，产业链公司对算力结构、AI大模型乃至于商业模式的需求，都将发生变化，AI推理算力、国产AI芯片的投资机遇值得重点关注。

算力领域新闻多 产业链景气持续

2月21日，OpenAI宣布，将2030年前的AI基础设施支出目标由1.4万亿美元下调至6000亿美元，引发广泛关注。知情人士表示，该6000亿美元为纯算力专项支出，聚焦芯片采购与租赁。与此同时，OpenAI仍在推进超千亿美元的融资，其中90%资金将来自英伟达、软银、亚马逊等战略投资者。

OpenAI CEO山姆·奥特曼于2025年11月演讲中提出，2030年前在AI基础设施上投入约1.4万亿美元，用于构建全球领先的算力体系，这一广义远景涵盖芯片、电力、土地、数据中心建设等全产业链投入。

对于OpenAI“大幅下调”投资预算，业界给出整体上较为正面的评价。该事件短期情绪上可能利空英伟达产业链，但长期来看，这意味着其订单确定性更强，有助于AI推理规模化部署及英伟达产业链景气度持续。

高盛等机构认为，OpenAI的6000亿美元资本支出与其“2030年营收2800亿美元”目标更加契合，是该公司从烧钱增长转向“投入产出匹配”的理性回归，也更有利于其融资推进。即便是大幅下调，该资本支出仍是全球最大算力投入，依然显示算力增长动能澎湃。

OpenAI提出，到2030年，要实现消费者业务收入与企业业务收入基本持平。摩根士丹利等机构认为，这是其跑通商业模式的表现。

在OpenAI更务实的同时，北美云厂与AI企业还在继续大力投资数据中心建设。据媒体报道，Meta与英伟达近日达成一项价值数十亿美元的芯片采购协议，Meta将采购数百万片英伟达最新一代AI加速芯片，并承诺大规模部署英伟达CPU来运行AI大模型，这是英伟达首次将CPU产品独立销售。

垂类大模型及应用机遇值得关注

在疯狂“烧钱”后，投资者越来越关注AI公司的盈利问题。在“盈利优先”的背景下，AI应用及商业化落地正在加速。

2月23日，千问发布数据称，春节假期用户“一句话下单”近2亿次，全国平均每10人就有1人在千问下单。来自QuestMobile的数据显示，2月7日，千问日活跃用户数（DAU）达到7352万，接近豆包的7871万，仅用3个月时间就达到后者3年的用户规模。

AI应用商业化拐点临近，中信证券等机构认为，OpenAI下调资本开支，显示行业正从“算力军备竞赛”迈入“商业化验证期”，算力利用率高、盈利性强的AI公司有望率先收获红利。

中银证券表示，综合当前各个AI应用场景及价值量提升趋势，建议重点关注“AI+医疗”“AI+营销”“AI+企服”“AI+编程”“AI+娱乐”等细分赛道。同时，在AI Agent产业链投资机会上，重点关注AI Agent、云服务、算力、存储、大模型厂商等主要环节。

与需求对应，AI大模型将从“单一超大模型”向“多模型+专用模型+MoE（专家模型）”演进，在降低对高端算力依赖、提升能效比的同时，更好地满足行业需求。

如此，具备细分赛道模型及应用、并跑通商业模式的行业和公司值得关注。比如，GEO（生成式引擎优化）作为AI应用率先落地的方向，市场规模迅速提升，相关概念股也受到资本市场青睐。

利欧集团董事长王相荣在新年致辞中表示：在数字营销领域，公司打造了专属AI智能体矩阵；在泵与系统领域，公司推出了领先的数据中心冷却系统解决方案。迎着智能化时代的浪潮，公司将坚定不移地推动AI技术与双主业的深度融合。

AI推理需求成新风口

随着AI发展重心转向应用，其对算力的需求也将由“重训练”转向“训练+推理并重”，AI推理需求成为新的风口，增长速度和规模都将远超AI训练。

云天励飞董事长陈宁在近期接受上证报记者采访时表示，2026年是AI发展核心推动力由AI训练转向AI推理的转折之年，是未来五年AI应用大规模落地的开端。保守估计，到2030年，全球AI训练的算力市场将达到1万亿美元的规模，而全球AI推理市场的规模将达到4万亿美元至5万亿美元。

与AI训练“极致高端”算力需求不同，AI推理对算力的需求更讲究性价比，需要在成本、效率和系统能力上建立优势，也让定制化AI芯片“脱颖而出”。

当地时间2月20日，初创公司Taalas发布了首款采用ASIC技术的产品Taalas HC1芯片，引发市场关注。该产品专为Llama 3.1 8B模型优化，采用30芯片集群时实现每秒12000 tokens的推理速度，较传统GPU方案提升50倍能效，而成本降低至1/20、功耗降低至1/10。

AI推理需求爆发，国产AI算力芯片正在借助ASIC、全栈优化等技术在该赛道上建立竞争优势。

比如，截至2025年末，国内AI ASIC龙头企业芯原股份在手订单金额达到50.75亿元，较三季度末的32.86亿元大幅提升54.45%，且已连续九个季度保持高位。

在国产AI芯片领域，寒武纪、摩尔线程、沐曦股份已经登陆科创板，壁仞科技、天数智芯已经登陆港交所，燧原科技在冲刺IPO，百度也计划分拆昆仑芯在港上市。另外，海光信息同时具有“DCU+CPU”芯片，并与中科曙光合作形成产业链优势。