1.投资策略
　　1.1英伟达安全性存疑，或加速国产芯片替代。我们认为，英伟达的安全问题或将造成国内算力芯片供给的真空。鉴于近期我国算力卡的进步，相关产业链条将有望迎来快速发展。1、英伟达算力芯片被曝出存在严重安全问题。为维护中国用户网络安全、数据安全，依据有关法律规定，国家网信办31日约谈了英伟达公司，要求英伟达公司就对华销售的H20算力芯片漏洞后门安全风险问题进行说明并提交相关证明材料。这对于英伟达在中国市场的后续订单或有非常恶劣的影响。2、IDC副总裁周震刚表示，2024年中国数据中心加速卡中已有半数以上是推理卡。且2024年国内数据中心加速卡市场中，国产算力占比大约三成，周震刚预计2025年上半年占比应该会超四成。中国加速计算服务器市场出货量2024年同比增长97.3%，预计2025年增长52.9%。3、砺算科技已发布GPU芯片7G 100及其首款显卡产品Lisuan eXtreme LX。在3DMark Fire Strike测试中，消费级的砺算7G106得分为26800分，大致相当于英伟达RTX 3060 Ti GDDR6X，或者AMDRX 7600。在游戏测试中，砺算科技分别展示了该显卡游玩《黑神话：悟空》、《古墓丽影：暗影》以及《明末：渊虚之羽》的画面。在《黑神话：悟空》中，砺算科技宣称平均游戏帧率大于70，分辨率为1080P，画质为高。
　　1.2 UE8M0 FP8推动软硬协同生态闭环加速落地。我们认为，DeepSeek -V3.1推动了国产算力卡对FP8精度的支持，有望极大程度推动国产算例卡的在大模型领域的“易用性”。国产算力卡应用有望迎来质的飞跃。1、DeepSeek明确指出其V3.1版本使用了UE8M0 FP8 Scale的参数精度，并在评论区直接声明UE8M0FP8是针对即将发布的下一代国产芯片设计。2、FP8是一种8位浮点数表示法，相对于传统的FP16、FP32，它显著减少了存储，提高了计算吞吐。TransformerEngine应用混合的FP8和FP16 /BF16精度格式，大幅加速Transformer训练，同时保持准确性。FP8也可大幅提升大型语言模型推理的速度，性能提升高达Ampere架构的30倍。3、英伟达GPU无论是Hopper架构、还是AdaLovelace架构都支持Transformer Engine进行FP8的训练和推理。4、谷歌、零一万物等技术团队均采用FP8实现AI模型推理加速。5、国产算力卡支持FP8的传统技术方案将FP8模型提前转换为FP16或BF16格式才能运行，这将导致性能损失。
　　1.3 AI加持带来业绩提升，下半年资本开支有望放量。我们认为，我国以运营商及云厂商为代表的算力需求方在算力基础设施上的需求明确，资本开支也有望在下半年持续投放。1、三大运营商半年报算力相关业务收入增长良好①中国电信云服务收入为573亿元，同比增长3.8%，智能服务收入63亿元，同比增长89.4%。②中国联通云服务收入为376亿元，同比增长4.6%，数据中心收入为144亿元同比增长9.4%。2、中国移动云服务收入561亿元，同比增长11.3%。2、三大运营商上半年资本开支谨慎，下半年将迎投资放量。2025年上半年，中国电信、中国联通、中国移动资本开支占全年开支比分别为40.9%、36.7%和38.6%。三大运营商上半年资本开支占全年资本开支比为38.9%。总额同比下降16.5%，中国电信下降27.5%。三运营商在业绩发布会上均表示，将保持年初资本开支计划。据财报数据推算，中国电信、中国联通、中国移动下半年资本开支分别为494亿元、348亿元和928亿元，占全年资本开支比分别为59.1%、63.3%和61.4%。3、国内云厂商腾讯今年中报业绩良好，CEO表示腾讯在AI领域持续投入并从中获益。在保持三大核心业务坚实增长的同时，腾讯持续加码AI战略投入，二季度AI研发投入202.5亿元，同比同比增长17%。资本开支191.1亿元，同比增长119%。
　　2.行业要闻
　　2.1 DeepSeek-V3.1发布，针对国产芯片设计。据微信公众号DeepSeek，8月21日DeepSeek-V3.1正式发布。升级包含以下主要变化：①混合推理架构：一个模型同时支持思考模式与非思考模式；②更高的思考效率：相比DeepSeek-R1-0528，DeepSeek-V3.1-Think能在更短时间内给出答案；③更强的Agent能力：通过Post-Training优化，新模型在工具使用与智能体任务中的表现有较大提升。在工具调用/智能体支持增强：1、编程智能体：在代码修复测评SWE与命令行终端环境下的复杂任务（Terminal-Bench）测试中，DeepSeek-V3.1相比之前的DeepSeek系列模型有明显提高。2、搜索智能体：DeepSeek-V3.1在多项搜索评测指标上取得了较大提升。在需要多步推理的复杂搜索测试（browsecomp）与多学科专家级难题测试（HLE）上，DeepSeek-V3.1性能已大幅领先R1-0528。3、思考效率提升：经过思维链压缩训练后，V3.1-Think在输出token数减少20%-50%的情况下，各项任务的平均表现与R1-0528持平。同时，V3.1在非思考模式下的输出长度也得到了有效控制，相比于DeepSeek-V3-0324，能够在输出长度明显减少的情况下保持相同的模型性能。需要注意的是，DeepSeek-V3.1使用了UE8M0 FP8 Scale的参数精度。另