计算机行业“一周解码”：Rubin周期开启，驱动全产业链高景气
| 领 涨 个 股 |
名称 | 相关 | 涨跌幅 |
|---|
| 资 金 流 入 |
名称 | 相关 | 净流入(万) |
|---|
英伟达发布2027财年第二季度营收同比翻倍，并给出2028财年营收同比增速70%的确定性指引；Rubin架构开启新一轮产品周期，Vera Rubin已于8月出货，CPO/NPO技术加速落地，驱动算力产业链景气度上行。国内外CSP厂商AI资本开支大幅扩张，标志AI基建已成为战略级核心资产。全球大模型竞争正从模型能力转向算力成本效率比拼，国内厂商因对单位算力成本较为敏感，对国产算力供应链依赖持续增强。
支撑评级的要点
海外算力技术迭代加速，英伟达Rubin架构开启新一轮产品周期。英伟达公布2027财年第二季度财报，当季营收达962亿美元，同比翻倍，并连续四个季度加速增长。同时，公司正式给出2028财年营收同比增长70%的确定性指引，并表示当前无约束真实市场需求可达100%增速，全年增长受限的唯一因素是供应链产能不足，而非下游需求疲软。新一代Rubin产品渗透已正式开启，Vra Rubin平台已全面投产并于8月开始发货，每部署1吉瓦算力就对应约400亿美元的营收机会。Vera Rubin平台将成为明年的核心增长引擎，Q3单季即可贡献数据中心20%营收。公司正式切入全球高端CPU赛道，打开全新增长空间，预计服务器CPU在2028财年实现营收翻倍以上增长。此外，明年NVL144、NVL576等更大规模集群产品系列也在陆续确认中。CPO/NPO作为下一代光互联方案加速落地，将显著降低大规模集群的互联成本与功耗，推动海外算力产业链从芯片架构升级、集群规模扩张到光互联技术革新，全面进入新一轮资本开支周期。
国内外CSP厂商加码资本开支，AI基建投入继续加速。8月20日，阿里巴巴发布2027财年第一季度财报，当季资本性支出达676.78亿元，同比大幅增长75%。在财报电话会上，CEO吴泳铭表示，此前公布的三年3800亿元人民币的投资计划，到今年6月末，已经累计投入了1900亿元人民币，进度符合预期。百度发布的二季报显示，2026Q2公司资本支出达到113.9亿元，同比增长近两倍，环比也增长近93%，算力等AI基础设施成为投入方向。除了国内CSP厂商以外，一些头部科技企业也在通过股权融资加码AI基础设施投资建设。今年6月，谷歌母公司Alphabet宣布通过一揽子股票发行募集847.5亿美元，主要用于人工智能基础设施建设以及全球计算能力扩容。国内外CSP厂商AI资本开支的大幅扩张标志着AI基础设施已经成为战略级核心资产，而非短期成本项。
大模型竞争转向算力成本效率比拼，对国产算力的依赖性持续增强。2026年第二季度，全球头部AI实验室营收均实现大幅增长，但盈利路径出现分化。Anthropic当季初步营收超过115亿美元，同比增长约14倍，首次实现调整后营业利润为正，运营利润率约5%；其推理毛利率从38%升至70%-85%。与之形成鲜明对比的是，同期OpenAI运营亏损率高达122%，xAI2025年运营亏损64亿美元，国内的DeepSeek、豆包、智谱等头部AI企业均未公开宣称接近盈利。大模型竞争正在从“模型能力”比拼转向“算力成本效率”的比拼，Anthropic的盈利是收入质量和成本结构的组合结果。对于仍处于亏损阶段的国内厂商而言，其商业模式对单位算力成本更为敏感，从而构成对国产算力供应链的较强依赖性。
投资建议
国产算力预期持续加强，我们认为国产算力产业链已经进入高确定、高成长兑现期，建议关注：【算力底层芯片】寒武纪、海光信息、昇腾供应链；【算力芯片制造及封装】中芯国际、华虹宏力、长鑫科技、盛合晶微、长电科技、通富微电；【服务器及交换机】浪潮信息、华勤技术、工业富联、紫光股份、锐捷网络、盛科通信；【国产算力光互连】光迅科技、华工科技、长飞光纤；【PCB及封装基板】深南电路、生益电子、方正科技、兴森科技、南亚新材；【高速连接器】华丰科技、电连技术、意华股份；【液冷散热】曙光数创、申菱环境、英维克、海达尔；【AIDC】杰华特、晶丰明源、欧陆通、麦格米特；【AI应用】卓易信息、中控技术、新大陆、同花顺。我们认为国产半导体大规模扩产设备先行，短期可以重点关注长江存储上市的催化，建议关注长江存储供应链相关标的：联芸科技、拓荆科技、中微公司、微导纳米、先导基电、迈为股份、骄成超声等。海外算力方面，英伟达业绩发布会临近，新一代Rubin产品渗透开启，我们认为算力整体反弹依然会延续之前从光—存储—PCB—AIDC—散热等各细分领域，但是本轮反弹重点要关注【算力主需求】相关，而非被挤占的供需问题。个股方面建议关注：工业富联、东山精密、蘅东光、光库科技、炬光科技、生益电子、沪电股份、深南电路、鹏鼎控股、生益科技、麦格米特、欧陆通、江海股份、申菱环境。
评级面临的主要风险
国内外CSP资本开支及AI基础设施建设进度不及预期，AI云、Token调用及行业应用商业化进展不及预期，国产算力产品适配、产能释放及客户验证不及预期。
