玻璃基板开启产业化元年，AI封装新赛道谁将脱颖而出？
从英特尔率先布局，到台积电设立CoPoS试验产线，再到三星电机向苹果、博通提供样品测试，全球产业链已步入验证与导入的关键时期。对于国内市场来说，这不仅代表了一条崭新的技术路径，更意味着一次材料、设备与制造体系的重构机遇。玻璃基板，其本质在于采用特种玻璃替代传统的有机基板或硅中介层，成为先进封装的核心承载材料。目前主流的先进封装技术主要依托于两类材料体系：有机载板硅中介层随着AI芯片尺寸的不断扩大以及HBM堆叠层数的持续增加，这两条技术路线正面临共同的挑战：翘曲问题加剧信号损耗升高成本快速攀升封装面积受限相
AI算力瓶颈转向光互连，国产产业链龙头深度解析
AI光芯片与国产算力产业链核心标的深度解析结合AI产业链核心逻辑、市场预期差、需求端变动及供给端约束四大维度，锁定海外高端光芯片产能告急带来的国产替代机遇，以及国产AI芯片市场份额突破的产业变革主线，将产业链龙头标的划分为三大梯队，挖掘AI算力核心瓶颈环节的业绩增长潜力与估值重估空间。一、底层逻辑四大维度剖析1. AI产业链核心逻辑AI算力集群的核心制约已由GPU转向光互连、先进封装及HBM三大领域，其中光互连成为当前最紧迫的“卡脖子”环节，海外产能的全面紧缺为国产产业链创造了历史性的替代契机。光互连构成
AI能力边界拓展：军工应用与国产替代双重突破
核心判断：人工智能工具的性能上限在此次节假日期间再次被打破，而最大的受益者将是普通的职场人士。① 美国国防部批准：人工智能将接入军方保密网络，其深层含义是什么接下来，我们来看一条看似与您关系不大，实则与您息息相关的信息。5月1日，美国国防部发表声明，宣布已与包括SpaceX、OpenAI、谷歌、英伟达、微软以及亚马逊在内的七家人工智能企业达成协议，允许将其先进的人工智能能力部署到国防部的秘密网络中，并应用于合法的军事作战场景。五角大楼特别强调，他们无意过度依赖任何一家人工智能供应商，而是将采用多家美国企业
美军签约七家AI巨头，算力战争决定未来财富格局
你以为AI仅仅是互联网巨头的游乐场？大错特错。 从此刻起，AI博弈的输赢，将直接关乎你的钱袋子。 2026年5月1日，五角大楼搞了个大动作，震惊了全球科技界： 他们与全球七大顶尖AI企业达成协议，将AI系统直接接入美军最高等级的机密网络。 这七家公司分别是：SpaceX、OpenAI、谷歌、英伟达、Reflection AI、微软、亚马逊AWS。 你以为这只是技术层面的联手？ 非也。 这分明就是宣战书。一、这不是简单的军备竞赛，而是文明层面的分水岭 先讲个往事。 2019年华为遭遇断供，深圳一位深耕芯片设
中国AI双引擎驱动，自主创新显成效
2026年4月，中国AI领域发生了两件意义深远的大事，这两件大事不仅重塑了中国AI安全格局，更在全球AI博弈中留下了浓墨重彩的一笔。4月24日，DeepSeek-V4预览版正式发布，华为同步宣布，昇腾超节点全系列产品全面支持DeepSeek，实现从训练到推理的全流程国产硬件支撑。我对这件事关注的重点，是DeepSeek-V4与华为昇腾芯片的全面合体，从此中国大模型的根基不再建立在美国英伟达的CUDA架构之上，而是扎根于中国自己的CANN架构，这正是让美国及英伟达CEO黄仁勋感到恐惧的核心所在。仅仅三天后，
AI驱动智造未来：华中10型智能数控系统的智能编程与工艺优化
华中10型是将前沿AI能力深度融入的下一代智能数控系统。它提出“一个智能底座、两条数字主线、三个功能子系统”的总体技术框架：以软硬一体的智能底座为核心支撑，集成AI芯片与智能传感能力，并可承载大语言模型，从而让机床具备类似“神经网络”的智能表达。系统依托贯通机床全生命周期与加工全过程的数据主线，实现对自身状态的分析与持续学习。围绕工艺优化、精度强化与健康保障三项目标，形成智能编程、人机交互、工艺优化及故障诊断等典型应用方向，让加工过程更快、更精、更稳、更可靠。华中数控的“华中10型”智能数控系统，是一套集
主线锁定AI算力芯片：多因素共振逻辑拆解与阵营梳理
今日A股市场的结构性特征非常突出：大盘整体呈现分化震荡走势，而AI算力与半导体芯片产业链则明显走出独立强势表现，成为市场关注度最高的核心主线。板块内多只标的出现大幅拉升，科创相关方向领涨，资金抱团效应持续增强，成交量也不断放大。与此同时，多路主力资金持续向算力芯片赛道集结。很多粉丝在后台私信提出疑问：AI算力芯片为何会突然走强？政策层面是否有关键利好？行业后续宏观趋势如何演进？又有哪些企业是真正具备扎实核心竞争力的硬核选手？今天我们从行业复盘的角度，把这条主线从底层逻辑到行业基本面做一次系统梳理。内容仅供
国产AI算力与存储：寒武纪、佰维存储的投资机遇
AI算力基础设施建设迎来高速增长期，在国产替代和技术突破的双重推动下，AI芯片与存储芯片已成为最具投资潜力的两大领域。作为各自领域的国产佼佼者，寒武纪和佰维存储正处于业绩释放的黄金时期。AI算力芯片：寒武纪的重大突破寒武纪（688256）在2025年取得了里程碑式的进展：营收同比大幅增长453.21%，达到64.97亿元，并首次实现年度盈利，净利润高达20.59亿元。这一显著成就标志着公司已成功从研发投入阶段迈入收益兑现阶段。寒武纪的核心竞争力体现在其“云、边、端、软”四位一体的生态布局。作为一家中立的厂
端侧AI硬件产业链深度解析
——题材研报君一、产业核心驱动力1.市场规模激增：2025年全球端侧AI芯片市场规模预计达320亿美元，年复合增长率21.5%2.技术实现突破：NPU成为标配、模型小型化、先进制程（3nm/5nm）低功耗技术成熟3.应用全面落地：AI手机、AI PC、AI眼镜（AR）、AIoT、车载端侧五大场景同步爆发4.本土化加速：中美科技竞争背景下，芯片、光学、存储等环节国产化率显著提升二、四大核心布局方向1. 端侧AI芯片（核心环节，价值量最大）瑞芯微：AIoT SoC领军企业，RK3588搭载6TOPS NPU，
深度解析：AI服务器的训练与推理成本构成
AI服务器依据其主要应用领域，可被划分为训练型和推理型两大类。这两类服务器在硬件配置、成本构成以及供应商选择等方面，都展现出明显的区别：概括而言，AI训练服务器的设计理念是“性能优先”，其成本绝大部分（70-80%）集中在GPU的购置上；而AI推理服务器则遵循“能效与成本兼顾”的原则，GPU所占成本比例有所下降（60-70%），相应的，CPU、存储和网络等组件的成本比重则相应增加。在供应商的选择方面，训练型服务器倾向于采用国际顶尖的GPU产品，而推理型服务器则更加侧重于国产化替代方案以及针对特定应用场景的
AI算力的'幕后引擎':交换机芯片产业全景解读
随着AI大规模模型训练与推理需求急剧攀升，单一GPU算力已难以应对超大型模型需求，连接众多GPU的交换机芯片正成为影响整个智能计算中心效能的核心制肘因素。一、宏观趋势：AI推动交换容量三年内增长四倍AI芯片性能的迅猛发展，迫使交换芯片容量加快升级步伐。从2023年的25.6T主流标准，到2024年51.2T开始部署，再到2026年102.4T投入商用，交换芯片容量每18个月翻一番，增速明显快于通用芯片领域。交换容量技术成熟度全球代表厂商国内进展核心应用场景12.8T大规模量产博通、盛科已量产，运营商集采主
AI算力新引擎：PCB产业高端化与国产替代齐飞
随着AI大模型的飞速发展和全球数据中心的加速建设，尽管焦点多集中在芯片产能的争夺上，但支撑这些算力的关键领域——PCB（印刷电路板）——正悄然成为一股强劲的增长力量，其增速已达到近年来的新高。PCB，作为承载所有电子元件的基础载体，正迎来AI带来的确定性机遇。传统上，PCB行业的增长主要依赖于消费电子市场，增速相对平稳且增长空间趋于饱和。然而，如今行业的增长模式已发生根本性转变，AI驱动的双重需求正将行业推向新的增长高峰。在云端，AI服务器的快速迭代对PCB的层数和密度提出了更高要求。相较于仅支持8至12
AI赋能科学仪器，国产高端装备迎来自主化新纪元
人工智能与科学仪器深度融合高端装备自主化进入关键期当前，人工智能技术正加速向基础科研领域渗透，科学仪器的智能化、精准化发展迎来重要拐点。在日前召开的第十九届中国科学仪器发展年会上，与会专家一致认为，AI与科学仪器的融合已从概念验证阶段迈入实质性落地阶段。科研范式正在被AI深刻重塑中国科学院院士、清华大学教授李景虹指出，过去科学研究依赖人工实验，存在误差率高、效率低下、数据孤岛化等突出问题。引入机器人平台与智能计算系统后，科研数据的获取效率与融合能力得到显著提升。多个国家正加速布局AI驱动的新型科研基础设施
中国AI双重突破：自主生态与技术主权双收
李光满冰点时评15102026年4月，中国在人工智能领域迎来两件具有里程碑意义的事件，它们不仅深刻地改变了我国人工智能安全的面貌，更在全球人工智能的竞争格局中留下了浓墨重彩的一笔。4月24日，DeepSeek-V4预览版重磅发布，与此同时，华为也宣布其昇腾超节点全系列产品已全面兼容DeepSeek，标志着从模型训练到推理的整个流程，都实现了完全由国内自主硬件提供支持。我关注此事的关键点在于，DeepSeek-V4与华为昇腾芯片的深度整合，意味着中国大模型的底层技术不再依赖于美国的英伟达CUDA架构，而是牢
AI算力新阶段：CPU成关键价值洼地
不少人都抓住了一个底层规律：AI产业持续走强，绝不是单一硬件在唱独角戏。 高端GPU通常承担大模型训练与高强度算力渲染，但AI真正落到业务的关键环节——云端推理、智能体调度、数据中心运算以及终端侧交互响应——几乎都离不开高性能CPU作为支撑。 换句话说，GPU更像攻坚的尖刀，CPU则负责统筹全局的“中枢大脑”。只要没有强力CPU完成调度协同，再强的GPU算力也很难被高效释放。随着AI应用快速普及，全域计算需求不断扩张，服务器、数据中心以及国产化终端都会对CPU提出更高的容量与性能要求。 那为何近两年市场热