AI 未来三年看什么?算力革新为核,大模型竞争 + 多领域落地引领产业新航向
作者：微信文章AI三年产业展望
算力革新引领未来
华西证券重磅报告揭示未来三年AI产业的发展趋势，聚焦算力升级、大模型竞争及多领域应用，展望AI泛化时代的到来。
01
算力风暴：从芯片到集群的全面升级
AI产业的底层逻辑正被重新定义。谷歌第七代TPU Ironwood单芯片配备192GB HBM，带宽达7.2Tbps，9,216颗芯片组成的超级Pod算力达42.5 Exaflops。英伟达同样迅速迭代，Blackwell Ultra、Rubin、Rubin Ultra按年更新。华西证券报告预测，到2027年，Rubin Ultra NVL576算力将是Blackwell Ultra NVL72的14倍，极大改变AI训练格局。
报告强调，“先进铜退”已成为必然趋势。随着GPU集群规模扩大，功耗与传输瓶颈日益凸显。NPO（近封装光学）技术介于可插拔模块与CPO之间，开拓增量市场。谷歌自研OCS光电路交换技术省去传统“光-电-光”转换，在光域路由信号，延迟更低，稳定性更高。
02
电力与冷却：被低估的千亿赛道
AI芯片算力与功耗正相关，使电力和冷却系统成为核心基础设施。华西证券指出液冷已成标配，风冷散热极限约800W，但英伟达GB系列和谷歌TPU V7的TDP早超此值。报告认为，液冷产业链主导权掌握在CSP厂商手中，国内厂商凭借扩产速度和产业协作，有望受益显著。
更值得关注的是AI电力板块变革明显。800V HVDC架构重构数据中心电力链，省去中间转换环节。报告显示，NVIDIA的800V HVDC效率提升显著，且SST固态变压器技术正研发，助力未来高密度机柜。
03
国产算力：追赶中的自主化突破
2026年将成为国产AI产业加速追赶的关键节点。华西证券报告指出，摩尔、沐曦等国产算力芯片厂商上市，标志着国产AI产业加速缩小与海外差距。报告分析国内主要算力厂商的突破路径，寒武纪通过思元系列芯片构建国产AI算力全栈方案，其思元590某些性能已接近英伟达A100。华为昇腾910采用达芬奇架构，算力密度超越英伟达Tesla V100与谷歌TPU v3。
2026年一季度，昇腾新品将首次采用华为自研HBM。
字节跳动和阿里巴巴正引领国内算力需求。字节豆包大模型日均token使用量超50万亿，同比增逾10倍。2026年字节计划投入850亿元采购AI处理器及建设基础设施。阿里在3800亿元资本开支基础上，继续加码AI基建，力争掌握全球AI时代的基础设施话语权。
04
大模型竞争：从实验室到应用场景
2025年，谷歌、阿里等传统互联网巨头的大模型全面领先OpenAI与DeepSeek，标志大模型竞争进入新阶段。华西证券预测2026年AI模型和应用将多元发展。智谱、Minimax即将在港股上市，成为全球首批大模型上市公司，显示资本市场AI热潮将启。
报告认为，大模型竞争正从单纯的技术比拼，转向生态与应用的全方位较量。国内大模型市场有五类主要参与者：互联网巨头、技术新贵、垂直领域专家、AI1.0转型企业和科研机构。多样化竞争促进了AI应用快速落地。阿里千问APP公测23天内月活突破3000万，成全球增长最快AI应用。字节跳动与硬件厂商合作，将大模型嵌入手机，实现从偶尔调用到系统常驻的转变。
05
泛应用时代：具身智能、智驾与太空算力
2026年，AI将从基础能力竞争迈向广泛应用。华西证券重点关注具身智能、智能驾驶和商业航天三大领域。具身智能领域正从硬件“躯干”竞争转向“大脑”智能比拼，硬件基础逐步完善，国产供应链降低成本。“端到端”架构推动智能升级，2026年成为具身智能应用元年。特斯拉Optimus Gen3和小鹏IRON即将发布，实体机器人正由试验走向实际应用。
智能驾驶方面，特斯拉FSD已发布V14.2.2版本，完全采用神经网络进行车辆控制。
2026年，无安全员Robotaxi路测已在多地展开，商业化进入关键阶段。摩根士丹利预测，届时特斯拉Robotaxi车队将达约1,000辆。与此同时，太空算力快速崛起。
2025年，全球首个太空计算卫星星座成功发射，实现数据处理从“天乘地算”到“天乘天算”的飞跃。太空算力不仅延迟极低，还能通过星载AI推理减少98%数据量。随着SpaceX上市，太空算力有望成为中美科技竞争的新焦点。
06
受益方向与风险提示
研究报告基于AI产业趋势，指出多个具发展潜力的技术方向和产业环节，供投资者在进行产业研究时参考，这些方向覆盖了从底层算力、中间层模型与软件平台，到顶层具体应用的完整链条。同时，报告提醒需关注产业推进中的多重不确定性，需动态评估，详情请见原报告。
07
泛化之路，始于脚下
AI的“泛化模式”是指其能力从实验室走向现实应用。谷歌Gemini展现了物理世界的理解，人形机器人实现了自主决策，算力也从地面中心扩展到近地轨道。技术的每次突破，都推动了AI在更多领域的应用。
这场迁徙不断演进，依赖芯片算力、能源与互联技术进步，也考验技术、产业、社会的协同。国产算力追赶、大模型商业化、应用从试点到规模，是泛化道路上的关键阶梯。
在未来，AI将超越特定任务，成为普遍基础能力，深刻影响生产和生活各领域。尽管进展缓慢，但趋势明确。与其预测单一突破，不如理解技术“泛化”的整体逻辑更重要。真正变革正在从理论走向广泛应用的过程中逐步展开。
页:
[1]