【菜科解读】

上调寒武纪、下调浪潮信息！高盛预言了“国产AI芯片的崛起”场景

据追风交易台消息，5月4日，高盛在同一天发布了针对寒武纪和浪潮信息的两份研究报告。

两份报告的核心判断指向同一个方向：国产AI芯片正在中国AI服务器市场快速扩大份额，相较于英伟达等芯片大厂的竞争力正在快速提升。

但这个趋势对两家公司的影响截然不同。

对寒武纪来说，这是直接的业务增量——它就是国产AI芯片的制造商。

对浪潮来说，情况更复杂：它是AI服务器的组装商，芯片从贵的换成（国产）便宜的，服务器的售价随之下降，利润空间被压缩。

高盛的操作由此而来：上调寒武纪目标价至2406元，维持买入；

将浪潮信息从买入下调至中性，目标价从86.5元降至76.5元。

寒武纪：一季度“爆表”，订单堆积 寒武纪2026年一季度的业绩，用高盛的话说，是“大幅超出预期”。

具体数字：营收29亿元，环比增长53%，比高盛此前预测高出61%。

EBITDA利润率从上一季度的26%跳升至42%。

更值得关注的是订单信号。

寒武纪一季度末的合同负债（即已收款但尚未交货的预收款）从上季度末的0.6万元骤升至3.96亿元——这意味着手头积压了大量待履行订单。

与此同时，库存维持在45亿元的高位，也印证了备货充足、需求旺盛的判断。

高盛据此大幅上调盈利预测，将寒武纪2026至2030年净利润预测分别上调68%、30%、42%、45%、43%。

目标价从此前的2104元上调至2406元，对应2027年预期市盈率102倍。

高盛指出，这一估值与寒武纪自2024年7月以来的平均市盈率109倍基本吻合。

国产芯片份额扩大，是这一切的底层逻辑 为什么寒武纪能增长这么快？高盛给出的答案，是整个中国AI基础设施建设的大背景。

据IDC数据，2025年中国AI芯片出货量同比增长47%，达到400万片。

其中，国产芯片的占比从2024年的30%上升至41%。

报告指出，相关政策鼓励国产AI芯片扩大份额，大型算力集群（Supernodes）的建设也在持续推进，以满足AI训练和多模态模型的算力需求。

寒武纪是这一趋势的直接受益者。

高盛指出，在排除华为、阿里（T-Head）、百度（昆仑）等自有云平台的芯片后，寒武纪是中国最大的第三方AI芯片供应商。

从需求端看，高盛列举了AI应用的扩散场景：制造业AI智能体帮助企业留存老工程师的经验、加速新产品良率爬坡；

消费端则有视频生成、个人AI助手等应用快速普及。

这些都在持续拉动算力需求。

浪潮：增长没问题，但钱越来越难赚 浪潮信息被下调评级，不是因为它的业务在萎缩，而是因为赚钱的方式变了，而且变得更难。

逻辑是这样的： 过去，浪潮卖的AI服务器里装的是英伟达的高端GPU，一台服务器动辄十几万到二十几万美元，毛利率相对可观。

现在，服务器里的芯片越来越多地换成了国产芯片，国产芯片成本更低，服务器的售价也随之下降。

高盛预计，浪潮AI服务器的平均售价将从2025年的约12万美元，下降至2028年的约7.2万美元。

与此同时，浪潮的大客户结构也在变化。

字节跳动、阿里、腾讯、百度等云服务商（CSP）采购量占比越来越高，而这类大客户的议价能力强，给浪潮留下的利润空间更薄。

结果体现在毛利率上：浪潮的毛利率从2015至2023年的10%-15%，跌至2024年的6.8%、2025年的4.9%。

高盛预计2026至2028年将维持在5%-6%，回到两位数的可能性很低。

高盛因此将浪潮2026年净利润预测下调20%，2027年下调2%。

浪潮的另一面：规模还在高速增长 需要说明的是，该行对浪潮的下调，并非看空其业务规模。

高盛预计浪潮2026至2028年营收将以约23%的年复合增速增长，从2025年的1648亿元增至2028年的3049亿元。

AI服务器出货量中，5万美元以上的高价值产品出货量预计以55%的年复合增速增长。

该行分析师Allen Chang和Verena Jeng在报告中写道： 我们对浪潮在中国AI服务器市场的领先地位保持正面看法，也看好中国云服务商在AI基础设施上持续加大投入。

下调的原因，是估值层面的判断——当前股价已基本反映了正面预期。

分析师指出，浪潮目前股价对应2027年预期市盈率约22倍，而预期净利润增速为36%，“正面因素已大致反映在股价中”。

该行将目标市盈率从26.4倍下调至23.8倍，后者与浪潮自2021年以来的平均市盈率24.1倍基本一致。

值得一提的是，该行自2025年7月16日将浪潮列入买入名单以来，该股累计上涨28%，同期沪深300指数上涨20%。

浪潮的技术护城河：开放架构应对芯片多元化 面对芯片平台的切换，浪潮并非毫无准备。

分析师在报告中专门提到浪潮的“开放计算架构”。

这套架构的核心思路是：将计算核心模块与系统主板解耦，让服务器可以灵活适配不同品牌的AI芯片，而不需要每换一款芯片就重新设计整台服务器。

这样做的好处是：系统开发周期从原来的更长时间缩短至6至8个月，研发成本也随之降低。

该行认为，这一技术能力在国产AI芯片平台日益多元化的背景下尤为关键——谁能最快适配新芯片，谁就能抢到订单。

DeepSeek-V4上线：使用华为芯片训练，性能比Gemini差3-6个月，价格优势明显

就在刚刚，DeepSeek-V4的预览版本正式上线并同步开源。

据官方介绍，DeepSeek-V4拥有百万字超长上下文，在 Agent 能力、世界知识和推理性能上均实现国内与开源领域的领先。

模型按大小分为两个版本： 更具产业里程碑意义的是，DeepSeek-V4 从模型设计之初就深度适配国产算力，在华为昇腾芯片生态实测跑通，成为全球首个在国产算力底座上完成训练与推理的万亿参数级模型，打破对海外芯片与框架的长期依赖。

性能比肩顶级闭源模型，价格比Claude便宜21倍 官方实测数据显示，DeepSeek-V4-Pro性能比肩顶级闭源模型。

Agent（智能体）能力方面，相比前代模型，DeepSeek-V4-Pro的能力显著增强。

在 Agentic Coding 评测中，V4-Pro 已达到当前开源模型最佳水平，并在其他 Agent 相关评测中同样表现优异。

DeepSeek介绍，目前 DeepSeek-V4 已成为公司内部员工使用的 Agentic Coding 模型，据评测反馈使用体验优于 Sonnet 4.5，交付质量接近 Opus 4.6 非思考模式，但仍与Opus 4.6 思考模式存在一定差距。

DeepSeek给出的结论相对克制。

在知识与推理任务上，其性能已经超过主流开源模型，并接近Gemini等闭源系统，但仍存在约3到6个月差距。

在 agent和代码任务上，其表现接近甚至部分超过Claude Sonnet。

此外，在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro超越当前所有已公开评测的开源模型（包括月之暗面的K2.6 Thinking、智谱GLM-5.1 Thinking等），取得了比肩世界顶级闭源模型的优异成绩。

相较之下，DeepSeek-V4-Flash主打性价比，能够提供更加快捷、经济的 API 服务。

在 Agent 测评中，DeepSeek-V4-Flash 在简单任务上与 DeepSeek-V4-Pro 旗鼓相当，但在高难度任务上仍有差距。

据悉，V4-Pro 与 V4-Flash 最大上下文长度为 1M，均同时支持非思考模式与思考模式，其中思考模式支持 reasoning_effort 参数设置思考强度（high/max）。

对于复杂的 Agent 场景建议使用思考模式，并设置强度为 max。

使用价格如下： DeepSeek表示，“受限于高端算力，目前Pro的服务吞吐十分有限，预计下半年昇腾950超节点批量上市后，Pro的价格会大幅下调。

” 再看看国际友商价格对比，可见DeepSeek的实惠： 混合架构解决工程落地痛点，全面适配国产算力 大模型处理超长文本的最大痛点，从来不是 “能不能装下”，而是跑不动、记不住、算不起。

随着传统注意力机制呈平方级复杂度攀升，百万Token场景下显存与算力直接 “爆炸”，几乎无法工程落地。

DeepSeek-V4 的发布，标志着大模型正式走出 “参数竞赛”，进入效率优先下一代赛道。

从一口气审计全量代码库、一次性解析千页合同，到全程记住长时间会议、串联多轮复杂智能体任务，V4让AI 真正具备“完整理解、长期记忆、深度推理”的能力，同时把使用成本大幅下拉。

这一切得益于DeepSeek业内首创“CSA （压缩稀疏注意力） + HCA （重度压缩注意力）”的混合架构。

用一套“分级压缩 + 分级检索”思路，把效率拉到极致。

这一新方法显著减少了计算复杂度，提升了长上下文处理的效率。

具体来看，CSA像给长文本做重点精读。

先把每 4 个Token压缩成一个信息块，再用稀疏检索只挑最相关的内容，既保留中段细节，又大幅削减计算量，兼顾精准与效率。

HCA像给长文本做大纲速读，把海量信息浓缩成框架级块，专门负责全局逻辑。

官方数据显示：1M Token场景下，V4-Pro 仅需 V3.2 的 27% 推理算力、10% KV 缓存；

Flash 版更是低至 10% 算力、7% 缓存。

除了混合注意力，V4 还带来三项关键技术革新，构成完整效率革命： mHC 流形约束超连接：升级传统残差连接，把信号传播约束在稳定流形上，深层不衰减、训练不炸数值。

Muon 优化器：替代传统 AdamW，收敛更快、训练更稳，完美适配 MoE 大模型与低精度训练，解决大批次长上下文训练的抖动难题。

全链路工程优化：专家并行细粒度通信重叠、TileLang 内核开发、FP4 量化感知训练、异构 KV 缓存管理，从计算、通信、存储全方位降本提速，推理加速最高近2倍。

最受大家关心的，是V4这次是否成功全面适配国产算力？ 报告指出，DeepSeek-V4在英伟达 GPU 与华为昇腾 NPU 两大硬件平台上，对细粒度 EP 优化方案完成了全面验证。

相较于性能优异的非融合基线方案，该方案在通用推理负载场景下可实现1.50~1.73 倍的加速比。

有业内观点指出，这代表已经完成华为昇腾平台的适配和实测落地。

但目前对外开源的只有英伟达GPU版本，昇腾适配代码未开源，属于闭源适配优化。

值得一提的是，寒武纪在软硬一体生态中，已经完成基于 vLLM 推理框架完成对 285B DeepSeek-V4-flash 和 1.6T DeepSeek-V4-pro 的适配，适配代码已开源到 GitHub 社区。

剩下的，就等DeepSeek-V4的实用表现了。

还有DeepSeek的首轮融资最终花落谁家，也还是个谜题。

“不诱于誉，不恐于诽，率道而行，端然正己。

” DeepSeek官方在文章最后表示，他们将始终秉持长期主义的原则理念，在尝试与思考中踏实前行，努力向实现 AGI 的目标不断靠近。

”