中国AI基础设施从单芯片竞赛转向系统级部署与token经济

概览

本报告基于J.P. Morgan对WAIC 2026的两日走访，讨论中国AI芯片和AI基础设施生态的变化。报告核心判断是，中国AI基础设施已从单芯片性能对标转向系统级部署，并从单纯扩产转向以低成本、高可及性token供给为目标的产业化阶段。

核心观点

第一，国产AI芯片的性能基线正在重置为有效Hopper级，推理已成为国产GPU较明确的商业化应用，训练则被视为下一个可规模化市场。第二，PD分离推理架构已成为大规模LLM推理降本的标准化方向。第三，超节点通过芯片互联、交换网络、软件协同、液冷和光互联等系统设计，缓解国产芯片单卡性能和制程节点约束。第四，Agentic AI会以高于人类用户数个数量级的token消耗拉动基础设施需求，推动“token factory”概念落地。

分析框架

报告以WAIC 2026现场观察为基础，将技术架构变化、应用层需求、供应链环节和股票含义相结合，重点评估国产AI芯片、超节点、先进封装测试和晶圆厂设备的投资机会。

方法论与常识提炼

• 产业调研WAIC 2026现场观察

  通过会议走访识别中国AI基础设施的技术路线变化和供应链受益环节。

  报告将现场展示的芯片、超节点和应用趋势转化为行业判断与个股偏好。

• 技术架构分析Prefill/Decode分离推理架构

  将LLM推理中的预填充与解码阶段分离，以提升资源利用效率并降低推理成本。

  报告认为该架构已从实验阶段进入标准化应用，是国产GPU推理商业化的重要支撑。

• 系统级部署分析超节点

  通过多卡互联、交换网络、软件栈和散热等方案形成统一算力域。

  报告认为超节点是中国AI基础设施应对制程限制和万亿参数模型部署需求的关键答案。

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）。

• Iluvatar CoreX-H (9903.HK)

  国产AI芯片供应链优选标的

  优势

  报告认为其在二线AI芯片厂商中定位较好，拥有供应保障和头部CSP客户设计导入，并发布Tiangai 300芯片。

  劣势

  仍处于国产AI生态爬坡阶段，需证明持续供货、软件生态和大规模部署能力。

  对比

  报告将有效Hopper级算力作为下一阶段基线，并提到Tiangai 300在部分推理指标上宣称优于Hopper架构10%-20%。

  风险

  国产芯片单卡绝对性能不足、生态不成熟、客户部署节奏和超节点规模选择不确定。

• JCET-A (600584.SS)

  先进封装与测试受益标的

  优势

  报告预计先进封装和测试需求将随AI芯片与系统级部署提升而增加。

  劣势

  受半导体周期、客户订单和先进封装产能利用率影响。

  对比

  相较单一芯片设计公司，JCET更偏向AI供应链后端服务环节受益。

  风险

  AI芯片放量低于预期、封测价格竞争、资本开支周期波动。

• NAURA-A (002371.SZ)

  晶圆厂设备优选标的

  优势

  报告看好WFE板块，认为存储和先进逻辑晶圆厂资本开支强劲。

  劣势

  设备需求与晶圆厂资本开支节奏高度相关。

  对比

  与AMEC同属报告偏好的WFE方向，受益于国产半导体扩产和先进逻辑需求。

  风险

  晶圆厂投资放缓、技术迭代不及预期、供应链和政策不确定性。

• AMEC-A (688012.SS)

  晶圆厂设备优选标的

  优势

  报告认为其受益于存储和先进逻辑晶圆厂资本开支。

  劣势

  设备订单和收入确认可能受客户扩产节奏影响。

  对比

  与NAURA同为报告偏好的WFE标的。

  风险

  半导体资本开支波动、国产替代节奏变化、竞争加剧。

关键数据

• 会议观察周期两日WAIC 2026走访报告观点基于J.P. Morgan对WAIC 2026的现场观察。
• 性能基线有效Hopper级报告认为国产AI芯片下一阶段关键要求是在2026年底至2027年达到有效Hopper级算力。
• Iluvatar CoreX Tiangai 300选择性推理指标较Hopper架构高10%-20%该数据为公司在会议中宣称的指标，报告将其作为国产芯片性能进展示例。
• Kimi K3模型规模2.8万亿参数架构报告以此说明万亿参数LLM对超节点部署的需求。
• 超节点规模从数十张卡到数千张卡最优规模仍取决于不同垂直场景和生态协同成熟度。
• 覆盖公司与评级Iluvatar CoreX-H 9903.HK、JCET-A 600584.SS、NAURA-A 002371.SZ、AMEC-A 688012.SS均为OW报告将这些公司列为国产AI供应链中的优选标的。

影响与含义

若报告判断成立，中国AI基础设施投资重点将从单点芯片性能扩展到系统级集群能力、推理成本优化、token供给工业化和国产供应链协同。受益方向包括国产AI芯片、先进封装测试、晶圆厂设备、液冷、光互联和大规模集群软件生态。

风险

• 国产AI芯片绝对性能与成熟生态仍落后于全球领先方案。
• 超节点需要芯片互联、交换网络、软件、液冷和光互联等环节持续协同，生态成熟度仍不足。
• 异构调度行业标准、token质量衡量和不同场景下最优超节点规模尚未明确。
• AI推理和训练需求若低于预期，可能影响国产GPU、封测和设备链条的放量。
• 相关股票估值可能受半导体资本开支周期、客户导入节奏和政策环境影响。

后续跟踪

• 国产AI芯片在2026年底至2027年能否实现有效Hopper级算力。
• PD分离推理架构在头部客户和真实业务场景中的部署进展。
• 超节点从数十卡到数千卡规模的商业化落地、互联方案和软件栈成熟度。
• Agentic AI应用对token消耗和算力需求的实际拉动。
• 存储与先进逻辑晶圆厂资本开支是否持续支撑WFE需求。
• Iluvatar CoreX、JCET、NAURA、AMEC后续订单、产能、客户导入和评级目标价变化。