2026年计算机行业风险排雷手册：年度策略报告姊妹篇

2025年12月28日2026年计算机行业风险排雷手册 ——年度策略报告姊妹篇证券研究报告行业评级：看好分析师 刘雯蜀 分析师 童非 分析师 郑毅 分析师 刘静一 证书编号S1230523020002证书编号S1230524050005证书编号S1230524070002证书编号S1230523070005 分析师张致远证书编号S1230525080001引言2浙商证券研究所认为2026年资本市场将围绕【结构转型信心重振，外需悲观彻底扭转】而展开。 —— 科技产业投入守得云开见月明，市场重振对结构转型的信心。 —— 非美市场开疆拓土对冲关税战，美欧日财政货币双宽稳需求。 —— 系统性慢牛逐级抬高驭势而上，消费成长周期红利风格均衡。作为年度策略的姊妹篇，浙商研究同步推出各个行业“风险排雷手册”，换位思考年度策略最大的软肋，主动揭示市场误判的风险，前瞻研判行业最大的困难。特别强调，风险排雷绝不是看空，而是为了更好做多，运用逆向思维强化2026年度策略观点。目录C O N T E N T S年度策略风险排雷年度策略|经营风险010203重点个股风险排雷推荐个股风险排雷风险提示3年度策略风险排雷01Partone4年度策略经营风险添加标题95%行业观点：国产算力破局，应用爆发51、从萌芽到成长，国产算力系统性破局•上游突破、国产算力成果涌现，加之政策推动，中国市场的 AI 算力供给正从由依赖英伟达转向有华为昇腾、寒武纪等厂商供应，实现自主化。摩尔线程、沐曦申请上市融资后，国产算力供给有望进一步扩大。•在制程受限背景下，为实现大规模算力供给，在 AI 竞争中领先，国产算力正通过超节点、算法软件优化的方式破局。超节点通过优化通信与系统资源调度的方式，扩大算力集群规模，华为、阿里、昆仑芯、中科曙光等厂商密集发布超节点方案。软件算法方面，DeepSeek 持续通过算法优化减少资源开支。昇腾 CANN 开源、寒武纪完善基础软件平台Cambricon NeuWare，有助于摆脱对 CUDA 生态的依赖。2、 AI 应用从预期走向业绩•AI 大模型正从技术突破转向商业驱动。例如，OpenAI 2025 年采取了一系列措施推动商业化，包括GPT 5 在产品线、应用场景、定价策略等方面进行商业化调整；在 Sora 2 发布同时推出 Sora app 布局社交软件；推出ChatGPT Atlas 浏览器等。从多家上市公司财报可见，目前 AI应用已经成为重要的业绩驱动，AI 应用进入兑现期。•在 LLM 走向商业化的同时，业界开始逐步关注物理 AI。由于 LLM 是基于统计相关性的语言模型，对世界的理解能力受限。结合世界模型、强化学习，物理 AI 可自主学习物理规模，从而具备较好的解决问题能力。目前在机器人、智驾、仿真软件等领域，物理 AI 均有广阔前景。3、 信创提速可期，鸿蒙生态初成•随着 2027 节点将近，在政策硬约束与国产生态成熟背景下，我们预计信创进度将再次加速。金山办公 WPS 软件收入受党政信创推动，增速超 50%已初步验证了这一点。•HarmonyOS 6 发布，搭载HarmonyOS 5的终端设备数量突破2300万台，鸿蒙的突破标志着国产操作系统正从“可用”转向“好用”阶段。2026年投资策略01经营风险：算力国产化不及预期016经营风险：算力国产化不及预期（1）发生概率：低概率（2）出现时点：2026年全年（3）判断依据①下游渗透：英伟达H200出口管制放开后，若国产AI芯片在算力、能耗、软件栈等方面进展低于预期，或者下游对国产AI芯片的支持力度不及预期，将影响AI芯片国产化。②产能释放：当前半导体产业国产化仍在进行时，若上游关键原材料、设备供应不及预期，或产能释放不及预期，则可能影响国产AI芯片供给。（4）作用机理①下游渗透：若下游互联网大厂对国产芯片采购不及预期，或智算中心国产化率不及预期，可能影响国产AI芯片厂商的芯片销售，进而影响收入。②产能释放：若上游国产化芯片产能供给不及预期，则可能导致部分国产AI芯片公司市占率不及预期，影响收入与市场份额。（5）影响程度：①下游渗透：短期看，国产算力渗透放缓，对应公司收入将不及预期；长期看，算力国产化既是社会共识，同时中国制造业具备系统性优势，随着先进制程的突破，算力国产化仍将实现。② 产能释放：短期供给不足直接影响AI芯片公司收入；长期看，现阶段获得份额倾斜较多的厂商更可能抢先占领市场，形成生态壁垒，导致行业未来的集中度更高。（6）跟踪方法：①跟踪头部国产芯片厂商新品发布与性能 ，关注主流AI框架与国产芯片的适配进展，跟踪下游客户采购情况；②关注上游半导体设备、材料国产化进程，关注AI芯片良率。经营风险：AI商业化落地不及预期017经营风险： AI商业化落地不及预期（1）发生概率：较低概率（2）出现时点：2026年全年（3）判断依据目前AI大模型资本投入高，然而大模型实际应用相对有限。若AI大模型无法满足终端场景应用需求，或者应用侧未能开发出更多爆款AI大模型产品，可能影响AI商业化进度。（4）作用机理①若AI产品无法解决用户痛点，商业化低于预期，AI应用市场空间无法打开，AI应用侧公司收入将不及预期，进而还可能导致云服务采购需求不足，带动CSP资本开支不及预期，进而影响国产算力需求。（5）影响程度：对大多数传统软件公司，主要影响其开辟新增长曲线；对云厂商及算力厂商，推理端需求或将减弱，但只要AI大模型技术仍在持续发展，训练端需求以及为未来储备的需求预计影响有限。（6）跟踪方法：①监控重点AI应用公司的季度营收结构、订单增速、用户付费率（ARR）、销售费用率等指标；②跟踪全球AI技术前沿进展（如OpenAI、谷歌等）；关注国内主要AI大模型公司的研发及新产品发布节奏。经营风险：信