? 核心投资框架：一星二模三云
当前市场主线清晰，围绕"一星二模三云"展开：
一星（上游算力基础设施）：算力需求膨胀推动上游受益，包括晶圆厂、国产AI芯片及算力租赁公司。其中，国产AI芯片在推理阶段具备广泛适用性，因推理对性能要求低于训练，性价比成为核心竞争要素。推理芯片需求分为输入和输出阶段，输入阶段门槛较低，多家厂商参与；输出阶段对上下文处理和多模态支持要求高，目前集中于少数第一梯队厂商。芯片产能获取能力是当前关键竞争点。此外，CPU需求在AI时代预计将快速增长，存在预期差机会。
二模（大模型技术发展）：以头部模型公司为代表，模型竞争已进入新阶段，不再单纯比拼跑分和参数量，而是转向自进化能力、复杂任务执行能力和智能体智能。最新发布的M2.7模型首次实现国产模型的部分自学习能力，标志着模型从"会回答"向"会执行"转变，具体表现为更强的自主执行能力、工具调用能力、记忆更新能力和深度参与自身迭代能力。这一趋势与国际巨头方向一致，OpenAI、谷歌等均在强化工具使用能力、长上下文工程能力和多步推理能力，推动AI从聊天模型向数字员工演进。
三云（云计算基础设施）：公有云在推理阶段需求强劲，因需支持大量用户并发请求，且具备较高行业门槛。相关企业已呈现业绩拐点，涨价趋势刚刚开始，部分企业在CDN等细分领域处于国内领先地位。
? 关键技术趋势与瓶颈
大模型自进化与智能体发展：自学习/持续学习成为大模型下一阶段核心方向，模型需具备连续工作、任务拆解、工具调用、记忆存储和迭代改进能力。智能体智能强调与数据交互过程中的综合智能，而非单纯推理能力，这对存储系统提出更高要求。
存储瓶颈与存算一体解决方案：内存墙和存储墙成为制约大模型能力提升的关键。算力增长速度（3倍以上）远超内存带宽和通信带宽增长（1.4-1.6倍），导致GPU大量时间用于等待数据传输。解决路径包括：提升存储本身（如HBM升级）、算法优化（特定场景适用）、改变软硬件架构（存内计算、存算一体、系统级互联等）。其中，存算一体在推理阶段（尤其是访存密集型的decode环节）被看好成为主流方向。
行业竞争焦点转移：从单一模型性能比拼转向系统飞轮构建，包括工具生态丰富度、记忆外挂稳定性、用户深度使用带来的数据反馈闭环等，平台化能力成为竞争壁垒。
⚠️ 投资风险声明
本内容仅为行业分析，不构成任何投资建议。市场存在不确定性，技术发展进度、企业竞争格局、政策监管环境等均可能影响投资结果。投资者应独立判断，谨慎决策。
