WAIC-2026-总结与超预期点

**1）核心逻辑成立的关键前提与隐含假设。** 报告看多国产算力的底层假设是"系统级协同可弥补单卡性能差距"。这一假设在MoE架构+长上下文场景下确实成立——因为通信时延、KV Cache容量、集群稳定性比单卡FP16算力更制约实际业务吞吐。但隐含前提是：①HBM等先进存储的国产替代进度跟得上，否则万卡集群仍受"内存墙"制约；②互联协议（OAM、UAlink、UBoE）标准走向收敛，否则各家节点互联方案互不兼容将形成新的算力孤岛；③单位token成本下行真的能转化为调用量爆发（杰文斯悖论），而非简单替代存量预训练需求。**2）报告可能回避或低估的风险。** 报告对Scaling Law边际收益递减的讨论偏温和，实际上Scaling并未"终结"，而是单位投入回报在递减——这意味着头部模型厂商的资本开支节奏可能放缓，进而传导至算力侧的订单波动。报告对国产芯片在"先进制程代工"上的脆弱性几乎只字未提，如果美方进一步收紧7nm/5nm代工或HBM出口，国产超节点的量产爬坡将出现实质性延迟。此外，企业级Agent的付费意愿仍需观察——首批落地以"内部提效"为主，能否转化为可复制的SaaS订阅或解决方案收入，是金山办公、百度估值修复的关键变量。**3）行业格局与产业周期视角。** 2026年AI产业正处于"预训练红利兑现尾声+Agent落地验证期"的切换窗口，竞争从"谁模型大"转向"谁系统稳、谁成本低、谁落地深"。这一阶段最受益的不是单纯芯片公司，而是具备"芯片+节点+集群+软件栈+行业know-how"垂直整合能力的平台型厂商。华为、中科曙光、中兴通讯、浪潮等具备这一属性。横向看，国产超节点方案与海外英伟达NVL72/NVL576、AMD MI300集群正在同台竞技，国产方案的"性价比+自主可控"叙事在政策驱动的央国企市场具备确定性，但在民营互联网大客户那里的竞争力仍取决于实际TCO。**4）关键假设的敏感性。** 最敏感的变量是单位token成本——每下降一个数量级（10倍），调用量和厂商毛利空间可能放大数倍，反过来定义中科曙光/寒武纪的盈利弹性。其次是华为升腾950/950+的量产爬坡节奏，2026下半年产能能否支撑Atlas 950 SuperPod的批量出货，直接决定华为系生态的份额边界。**5）横向参照与历史类比。** 类比2018-2020云计算从VM走向容器+Kubernetes，AI算力正经历类似"标准化+平台化"重构；类比特斯拉从单车智能走向车队数据飞轮，超大规模节点的本质是"用系统效率换单点效率"。这两个类比都提示——赢家不是单点性能最强，而是最早构建起"飞轮/生态"的厂商。**6）读者应跟踪的具体指标。** ①季度token调用量与企业级Agent付费用户数（百度、金山办公财报）；②国产AI芯片单季度出货量与良率（寒武纪、海光信息）；③HBM、光模块、液冷供应链价格与产能；④华为升腾950系列量产节奏与Atlas超节点订单；⑤头部模型开源/闭源策略变化对算力需求结构的影响；⑥央国企AI算力招标中标份额与单价变化；⑦2026下半年国产超节点与英伟达Blackwell/Rubin平台的实际TCO对比白皮书。