核心观点
　　1)受益于大厂加速AI与业务结合、Agent及多模态加速渗透，AI算力消耗开始从训练走向推理，并带来显著的算力增量。建议重视海外算力新技术以及增量变化，尤其是随着机柜式方案放量，重点关注液冷、PCB、铜连接等领域。
　　2)国内自主可控大势所趋。首先是AI芯片，其次是随着国内头部云厂商下半年算力消耗迈向50万亿+token大关之际，建议关注在出货量、生态和产品力上具有领先的公司。考虑到国产芯片制程、工艺以及明年国内客户机柜方案落地，建议重视国产电源、铜链接、液冷等相关标的。
　　3) Agent成为全球科技巨头发力方向，B和C端均开始产品快速迭代，C端更重视综合能力，B端更强调对业务流的理解、群体智能和专业Agent打造，预计各类Agent将进入快速落地阶段。
　　摘要
　　展望2025年下半年，我们认为算力领域投资主要围绕以下几方面展开：
　　三大增量助力推理算力需求加速。AI算力消耗开始从训练走向推理，并且带来显著的算力增量，探究背后增量需求主要来自三方面：一是各家互联网大厂纷纷加速AI与原有业务结合，如谷歌搜索在今年5月21日正式迎来AI模式，并逐步在美国市场推出，考虑到谷歌搜索全球范围内年搜索量为5万亿次+，假设单次回答平均为2000token，则该功能都将带来日均27万亿token消耗（超过其Gemini模型目前日均16万亿token消耗），类似案例如抖音搜索、微博AI智搜，搜索功能开始从普通服务器迁移到AI服务器并重塑所有搜索体验，类似的视频编辑、剪辑功能也被AI重塑；二是Agent和深度思考推理的结合，通过两者结合，Agent执行任务准确率大幅提高，Agent执行一次任务平均消耗token达到十万亿的量级，大幅超过AI搜索单次问答token消耗，并且能延伸到更多开放式场景，同时多Agent协作的群体智能也已开始逐步商用化，过去复杂、多步骤的任务可通过Agent实现，Agent的普及将带来推理算力需求的大幅增长；三是多模态，随着多模态生成的图片及视频质量今年均显著提升，今年AI营销内容占比提升十分明显，根据《2025中国广告主营销趋势调查报告》显示“超过50%的广告主，已经在生成创意内容时使用AIGC，并且AI营销内容占比超过10%”，而一分钟视频的生成token消耗基本在10万亿token量级，目前多模态模型开始步入快速商业化阶段，如快手可灵四五月连续两月付费金额超过1亿，多模态的加速渗透带来明显的算力需求提升。
　　展望2025年下半年及26年，我们认为算力领域投资分为海外景气度投资以及国内自主可控两大类：
　　海外算力链：1）重视推理占比的提升，云厂商持续受益：参照台积电Cowos扩产节奏，ASIC芯片在26年的边际变化最为明显，同时英伟达依然有较高增速。其次随着推理占比的提升，云计算厂商投入产出比逐渐清晰，并且超卖率有望继续提升，从而带动利润率提升；2）围绕机柜增量变化及新技术投资，25年下半年核心是英伟达NVL72机柜上量，其中液冷散热、铜连接、电源变化最大：散热方面：散热方面将是AI算力领域未来几年核心技术升级方向之一，英伟达单卡功耗从700瓦到1200、1400瓦，未来有望迭代至2000瓦+，并且大机柜、超节点的出现，热源的叠加使得散热难度进一步提升，因此散热成为了接下来持续迭代升级的方向。其次，目前供应商以台系、美系厂为主，如Coolermaster、AVC、BOYD及台达等，中国大陆供应商比例较低，随着液冷散热从研发走向大规模量产，中国大陆公司扩产能力更具优势，我们认为液冷散热领域一系列部件会有更多中国大陆供应商进入到全球供应体系。铜链接：铜线在短距数据传输的成熟度更高且448G等新技术路线逐步面世，今年扩产最快的公司将充分享受从Blackwell到Rubin所带来的高速连接需求增长。电源领域：重视氮化镓等机会，目前5.5 KW电源已进入量产阶段，后续伴随2026下半年800 VHVDC数据中心电力基础设施及1 MWIT机架逐步落地，电源将持续升级。3）围绕预期差及景气度投资，重视PCB，英伟达、亚马逊、META、谷歌等相关需求景气度高，并重视上游国产化比例提升，并且部分领域库存开始下降、价格具备一定弹性。
　　国内算力链：一方面来自于美国BIS政策的持续收紧，中期维度看，国产芯片占比提升是必然趋势。考虑到国产芯片逐渐进入量产交付阶段，预期市场集中度将看到显著提升。另一方面随着国内算力消耗快速增长（典型如字节跳动，每三个月token消耗接近翻一倍，5月底为16.4万亿token），我们预计国内各家大型云厂商在日均token消耗达到30万亿token时会感受到算力紧张，在达到60万亿token时会开始出现一定算力缺口。我们认为国内增速斜率更陡峭，国产芯片今年将迎来发展大年。
　　大模型：逻辑推理快速提升，迈向智能体阶段。GPT4系列基础模型表明，预训练受到Scaling Law限制愈发明显，仅提升参数规模、扩大数据集对模型性能的提升边际递减。而后训练、测试时扩展方兴未艾，DsspSeekR1等实践证明推理时代已全面开启；Claude4、Gemini 2.5 pro强大的代码能力则说明大模型行