一、AI 大模型训练与推理需求的持续释放

1. 训练端需求扩张

国内主流大模型的参数规模持续攀升，从千亿级迈向万亿级，对海光 DCU（深度计算单元）的集群训练能力提出了更高要求。海光 DCU 产品已与 DeepSeek、Qwen3、ChatGPT 等 365 款主流大模型完成适配，覆盖全球 99% 的非闭源大模型，能够支撑从十亿级端侧推理到千亿级模型训练的全场景需求。

2. 推理端需求爆发

随着大模型应用从训练阶段向大规模商用部署转移，推理算力需求呈现非线性增长态势。海光的 CPU+DCU 组合在推理场景中具备显著优势，能够高效处理海量并发推理任务，直接拉动了高端处理器产品的出货量。

二、AI Agent 应用规模化落地的拉动效应

1. 智能体对算力的新需求

AI Agent（智能体）应用的规模化落地，使得 AI 工作负载从传统的训练快速向推理和实时交互转移。智能体需要频繁调用 CPU 进行逻辑判断、任务调度和数据预处理，这对 CPU 的单核性能、核心数量以及内存带宽都提出了更高要求。

2. CPU 配比提升

AI 智能体和在线推理的场景爆发，改变了服务器的 CPU 与 GPU 配比。单台服务器中 CPU:GPU 的比例从过去的 1:8 提升至 1:4 甚至更高，意味着单台服务器搭载的 CPU 用量翻倍。海光作为国产服务器 CPU 的核心供应商，直接受益于这一结构性变化。

三、国产化进程加速带来的替代需求

1. 关键行业强制国产化

金融、运营商、政务及地方智算中心等关键基础设施领域，对服务器的国产化率有明确规定。以工商银行 30 亿元服务器大单全部采用海光芯片、中国联通集采国产服务器中海光芯片占比可观为代表，国产化采购直接转化为海光的确定性订单。

2. 整机厂业绩爆发的传导

国内 AI 服务器龙头浪潮信息预计上半年净利润同比增长 226% 至 288%，其国产整机产品线大规模采购海光 CPU+DCU。下游整机需求的全面爆发，沿着产业链向上游传导，带动了海光芯片的采购量大幅提升。

四、DCU 在 AI 计算场景的广泛应用

1. 应用场景覆盖广泛

截至 2025 年末，海光 DCU 产品已覆盖 20 多个关键行业、300 余个应用场景，在互联网、金融、教育、交通等领域的 AI 计算需求中扮演核心角色。

2. 产品迭代加速

海光持续高强度研发投入，2025 年研发费用达 45.69 亿元，2026 年一季度研发投入 12.11 亿元，占营收比例高达 30%。深算系列 DCU 产品持续迭代，深算三号已量产，深算四号预计 2026 年下半年推出，性能进一步提升，为承接更大规模的 AI 计算需求奠定了技术基础。

五、CPU+DCU 双业务布局的协同效应

1. 双线产品同步放量

海光信息持续优化 "CPU+DCU" 双业务布局，两条产品线均受益于 AI 算力需求的爆发。CPU 满足通用计算和信创替代需求，DCU 满足 AI 加速计算需求，两条业务线互为补充，共同推动公司营收快速增长。

2. 营收与利润双增长

2026 年上半年，海光预计实现营收 85 亿元至 93 亿元，同比增长 55.56% 至 70.20%。扣除股份支付影响后，归母净利润实际同比增长 74.27% 至 84.71%，核心盈利能力强劲。

六、国产算力全产业链景气共振

1. 产业链协同验证

海光信息的上游晶圆制造、封装测试以及下游的服务器整机、数据中心建设等环节同步受益于 AI 算力需求爆发。从芯片到整机再到智算中心，国产算力链已进入商业化放量阶段。

2. 行业需求确定性增强

多家券商研报指出，海光信息的业绩高增长验证了国产算力芯片在突破客户验证、进入规模交付后的强大经营杠杆。大模型训练持续扩容，推理需求随着用户规模、调用频次及 Token 消耗的增长加速释放，预计国产通用 GPU 市场将在中长期保持高速增长。

本文由 AI 生成