📋 总结 本报告的核心观点是： AI产业的投资逻辑正从2025年的“结构性”转向2026年的“总量性”，核心催化剂是Agent产品的出现及其带来的“数据飞轮效应”和“Token价值重估”。这解决了AI商业化的核心难题（ROI闭环），并驱动产业链从需求逻辑向供给瓶颈逻辑扩散，市场焦点也从单一的光/存环节扩
- 核心逻辑转变：从结构到总量，Agent是关键拐点
- 2025年的困境：AI投资呈“倒三角”结构，资本开支巨大，但终端收入渺小，商业化回报（ROI）不清晰。
- 2026年的转机：以OpenAI的OpenCloud为代表的Agent产品成为关键拐点。它虽为To B产品，却实现了消费级扩散，带来了两大根本性变化：
- 数据飞轮效应：用户广泛使用后反向产生海量数据，使模型具备了自学习与自适应能力，形成正向循环。
- Token价值重估与ROI闭环：Agent嵌入工作流后，使用门槛高但付费意愿极强，带来了高Token消耗和高付费率。这直接推动了Token价格和算力租赁价格的全面上涨，使得AI投资的商业回报变得清晰可见，总量逻辑得以确立。
- 产业链影响：从需求驱动到供给瓶颈，扩散效应显著
- 扩散现象：AI带来的高景气度已从数据中心核心环节（如光模块、GPU）向外全面扩散，波及CPU、功率器件、模拟芯片、PCB上游材料（电子布、覆铜板）、被动元件（MLCC）等多个传统领域。
- 逻辑切换：对于光模块等已处高位的环节，产业逻辑正从 “需求增长”转向“供给瓶颈” 。上游高端物料（如光芯片、DSP）的紧缺和涨价，开始影响下游公司的季度业绩兑现，同时也带来了相关领域的涨价机会。
- 超级周期：AI需求显著拉长了诸多品类的传统周期规律，形成了“超级周期”。对于此前AI影响较小的传统品类，其需求占比正快速提升，带来显著的边际拉动。
- 国产算力链：聚焦先进封装与模型适配
- 在光刻机限制背景下，先进封装成为弥补制程短板、提升算力系统性能的关键技术路径，国内相关公司（如盛合晶微）景气度与兑现度高。
- 国产算力的另一核心在于 “模型与芯片的深度适配” 。DeepSeek-V4与国产芯片的深度绑定表明，只有实现从芯片到训练落地的全栈闭环，才能具备真正的战略意义和竞争力。
- 港股互联网：需要业绩兑现验证
- 与美股互联网巨头（如Google、Meta）已通过成本节约、主业增长初步证明AI赋能效果不同，港股互联网公司仍处于需要“自证”的阶段。
- 市场关注点从去年的“流量与数据壁垒”演绎，转变为需要实实在在的业绩兑现：1）AI是否带来主营业务成本的切实下降；2）自有模型能力能否追上第三方；3）AI应用能否驱动主营业务收入增长。这三方面的验证将是板块拐点的重要信号。
- 市场策略：景气窗口延续，关注涨价线索
- 中东地缘冲突对金融市场的短期冲击已初步钝化，为成长风格提供了窗口。
- 国内制造业景气度在出口拉动下持续改善，叠加AI产业的总量逻辑，4月至6月是较好的做多时间窗口。
- 涨价成为重要的投资线索，尤其是在供给受限的上游材料环节（如电子布、覆铜板）。投资上，在海外链可关注数据中心暴露度高、供给集中的高端环节（如CPU、存储）；在国内链则倾向于布局有产能话语权的上游材料领域。
- 从需求逻辑到供给瓶颈逻辑：以光模块为例，行业景气度毫无问题，但部分公司财报不及预期，反映出在高景气度下，核心矛盾从需求转向了供给。去年四季度至今，上游物料（如光芯片、激光器、DSP等）出现明显缺货涨价，对下游光模块公司的交付和成本形成了阶段性制约。这在存储、PCB上游材料（电子布、覆铜板）等领域也已出现类似逻辑。
- AI创造“超级周期”：AI需求显著拉长了这些品类的传统周期性规律，可以称之为“超级周期”。
- 影响范围扩大：一些原本AI影响较弱的领域，现在影响变得非常明显。例如：
- CPU：由于Agent需求爆发，AI服务器中CPU与GPU的配比在明显提升，强化了CPU需求。
- 电力相关半导体：数据中心电力需求扩张和电气架构变化，带动了功率、模拟等传统半导体需求增长（如德州仪器、意法半导体财报超预期）。这些品类原先AI占比可能仅个位数，但现在正以每年翻倍的速度增长，拉动作用日益显著。
- 先进封装：这是弥补先进制程短板、提升算力系统性能的关键技术。国内从封测厂到晶圆厂都在积极布局。随着盛合晶微等公司上市，可以看到国产算力在先进封装环节的高景气度和基本面兑现。
- 模型与芯片的深度适配：DeepSeek-V4的发布，其最大意义之一是强调了与国产算力系统的深度适配和底层硬件自主可控。这指出了国产算力的另一关键：只有实现从芯片到训练落地的全栈闭环，才具备真正的战略意义。目前国内芯片公司可分为几个阵营，但唯有那些愿意付出巨大代价、深度绑定模型并进行全栈软件生态适配的公司，才有可能在长期竞争中脱颖而出。
- 成本节约的兑现：在扣除资本开支和折旧影响后，主营业务成本是否因AI应用而切实下降。
- 模型能力的追赶：公司自研的模型能力至少不能落后于MiniMax、智谱等第三方开源模型。
- 主营业务的改善：AI应用能否带来主营业务收入的加速增长。