高盛Tech Tour 2026：看好中国AI推理需求爆发及量子、机器人出租车商业化加速

概览

本报告基于高盛2026年4月在中国多地举办的私人科技之旅（China Private Tech Tour 2026），深入走访了涵盖AI基础模型、软件、硬件、量子计算、卫星通信、脑机接口及机器人出租车等领域的创始人及高管。报告的核心结论是：中国科技产业正经历从底层基础设施到上层应用的全面升级，尤其是生成式AI（GenAI）的落地极大地拉动了对AI服务器、光模块、存储及专用芯片的需求。同时，量子计算和机器人出租车等前沿技术正跨越“死亡之谷”，进入商业化加速期。高盛维持对中国科技供应链及相关创新企业的积极看法。

核心观点

在AI基础设施方面，报告指出中国市场需求结构与海外存在显著差异。由于国内基础大模型多基于开源生态，训练算力需求相对平缓，但推理（Inference）需求因应用层爆发而激增。这一趋势直接推动了Superpod（超级集群）的部署，从64卡扩展至256甚至1024卡规模，进而带动800G及以上高速光模块的强劲需求。尽管上游激光器件曾出现供应紧张，但随着长协签订和技术迭代，供应链已逐步优化。特别是在光芯片材料上，薄膜铌酸锂（TFLN）因其在3.2T及以上速率传输中的性能优势及较低制造成本，正逐渐取代硅光（SiPh）成为高端互联的首选方案。 在芯片与算力架构层面，本土供应商正通过差异化竞争打破垄断。除了传统的GPGPU外，具备可重构并行处理（RPP）架构的新型AI芯片因其更高的能效比、灵活性和更大内存带宽，被视为推理场景下的更优解。这些芯片不仅用于云端服务器，还正向AI PC和智能驾驶领域延伸。与此同时，存储环节的重要性凸显，专为AI推理设计的AI SSD和内存控制器IC成为提升整体系统效率的关键瓶颈突破点。 在前沿技术领域，量子计算展现出多元化的技术路径（超导、核磁共振、冷原子、光子），中国在核心组件和软件层面的自给率较高，正从研发阶段迈向解决复杂计算任务（如投资组合管理、电力调度）的商业化初期。机器人出租车（Robotaxi）方面，得益于无图NOA算法的成熟和硬件成本下降，中国Robotaxi车队规模预计将从2025年的5000辆激增至2030年的70.5万辆，且头部企业正积极拓展中东、欧洲等海外市场。此外，非侵入式脑机接口（BCI）在康复和认知行为治疗领域的应用也取得了实质性进展。

分析框架

高盛采用了典型的“产业链实地调研+供需框架分析”方法。首先，通过高频次的创始人面对面访谈（Founders' visits），获取一手的技术路线图和商业落地进度信息，以此验证宏观判断。其次，运用供需框架拆解各个细分赛道：在光模块和服务器领域，重点考察产能瓶颈（如激光短缺）与技术迭代周期（如TFLN替代SiPh）；在芯片领域，对比不同架构（GPGPU vs RPP）在特定场景（推理vs训练）下的性价比。最后，结合政策导向（如中国“十五五”规划对GenAI渗透率的设定）和市场渗透率S曲线，对Quantum、Robotaxi等新兴行业的规模化时间点进行预测。这种“微观验证+宏观映射”的逻辑确保了结论的扎实性。

方法论与常识提炼

• 行业/产业分析框架供需框架

  通过分析供给端的产能、技术壁垒和需求端的增速、结构变化来判断行业景气度

  研报中多次提及光模块的“供应紧张”与“需求强劲”，以及AI服务器从“训练”向“推理”的需求结构转移，这是典型的供需分析法，用于判断价格弹性与投资优先级。

• 行业/产业分析框架渗透率 S 曲线

  利用S型曲线描述新技术从导入期、成长期到成熟期的市场接受度过程

  研报对Robotaxi车队规模从5000辆到70.5万辆的预测，以及对量子计算从研发到商业化的判断，隐含了对该技术处于S曲线快速上升段的认定，用于预判市场规模爆发的时点。

• 估值方法

  总潜在市场（TAM）更新与单位经济模型（UE）分析

  研报通过更新Robotaxi的TAM（总潜在市场）并强调UE（单位经济模型）的改善来论证商业化的可行性，这是一种基于市场空间测算和投资回报逻辑的定性估值方法。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• xFusion (超聚变)

  受益逻辑：作为AI服务器龙头，直接受益于中国推理需求爆发及Superpod部署

  优势

  强大的供应链整合能力，能更好应对零部件短缺

  劣势

  近期内存成本上涨可能压制短期利润

  对比

  相比国际巨头，更专注于中国本土快速增长的推理市场

  风险

  地缘政治导致的供应链中断风险

• Liobate (铌奥光电)

  受益逻辑：薄膜铌酸锂（TFLN）技术领先者，受益于高速光模块规格升级

  优势

  TFLN在3.2T以上传输性能优于硅光，且制造成本低

  劣势

  新技术路线的市场接受度仍需时间验证

  对比

  在高性能光芯片领域具有技术代差优势

  风险

  硅光技术持续进步导致成本大幅下降的风险

• Deeproute.AI (元戎启行)

  受益逻辑：无图NOA技术领先，Robotaxi车队加速扩张

  优势

  VLA模型支持快速进入新城市，无需高精度地图

  劣势

  高昂的研发投入和法规不确定性

  对比

  相比依赖高精地图的竞争对手，扩张速度更快

  风险

  自动驾驶安全事故及监管政策收紧

• SpinQ / CAS Cold Atom

  受益逻辑：量子计算商业化先行者，技术自主可控

  优势

  在超导和冷原子技术路线上拥有核心IP，自给率高

  劣势

  量子计算仍处于早期，大规模通用计算尚需时日

  对比

  相比GPU，QPU在特定复杂计算任务上具有不可替代性

  风险

  技术迭代失败或被其他路线（如光子量子）超越

关键数据

• 800G光模块中国市场增速预期三位数增长从低基数起步，主要由国内云服务商驱动
• 中国GenAI渗透率目标90%政府“十五五”规划目标，至2030年
• DePIN算力成本降低幅度降至传统公有云的10%通过去中心化物理基础设施网络实现
• 中国Robotaxi车队规模预测(2025E)5,000 辆当前基数
• 中国Robotaxi车队规模预测(2030E)705,000 辆高速增长预期
• TFLN芯片工艺节点180nm相比SiPh更成熟，制造成本更低

影响与含义

对于投资者而言，这意味着中国科技股的投资逻辑正从单纯的“主题炒作”转向“业绩兑现”。AI基础设施链条（特别是光模块、AI服务器、国产推理芯片）将受益于确定的资本开支增加；而量子计算和Robotaxi板块则具备极高的长期成长期权价值。此外，随着鸿蒙生态和DePIN的发展，软件和服务层的变现能力增强，有助于缓解硬件内卷带来的利润率压力。

风险

• 地缘政治紧张局势导致半导体及设备进口受限
• AI应用落地不及预期，导致算力投资回报率（ROI）低下
• 关键技术（如激光器件、高端GPU）供应链出现严重短缺
• Robotaxi等新技术面临严格的监管审批及安全事故风险
• 宏观经济环境波动影响企业IT支出及消费者付费意愿

后续跟踪

• 中国云服务商（CSP）在AI服务器及光模块上的实际资本开支（Capex）落地情况
• 国产AI芯片（特别是RPP架构）在推理市场的份额提升速度
• TFLN光模块在3.2T及以上速率产品的大规模量产进度
• Robotaxi在中国主要城市的商业化运营规模及盈利模型（UE）改善情况
• 量子计算在金融、能源等垂直领域的具体商业订单落地