智通財經APP獲悉，中信建投發佈研報稱，Agent目前已經成爲全球科技巨頭重點發力方向，C端、B端均開始產品的快速迭代，預計各類Agent將在明年進入快速落地階段。算力領域投資分爲海外景氣度投資以及國內自主可控兩大類，海外景氣度投資需要重視新技術以及增量變化；而國內自主可控大勢所趨，核心是AI芯片，建議關注在出貨量、生態和產品力上具有領先的公司。隨着國內大模型能力的提升、調用價格的下降以及政策上的支持，更多的AI應用將會逐步落地。
中信建投主要觀點如下：
展望2025年，算力領域投資分爲海外景氣度投資以及國內自主可控兩大類：
海外景氣度投資：
1)估值波動：AI算力全球估值體系參照英偉達，參照臺積電Cowos擴產節奏，該行看好英偉達25年高增長及26年穩定增長；
2)圍繞增量變化及新技術投資，25年最重要的是英偉達NVL36、72機櫃開始出貨，以及爲了應對更大模型參數量訓練，單機櫃中AI芯片互聯數量將持續提升，其中銅連接、液冷、電源變化最大，25年開始進入業績兌現期。新技術方面，如CPO及MPO等也將在2025年不斷走向成熟；
3)圍繞份額變化投資，隨着產業鏈的深入，光模塊、PCB等環節的供應商明年會有份額變化。
銅連接：國產廠商在交付能力、產品質量上均有優勢，份額仍在不斷提升。
考慮到明年NVL36、NVL72 機櫃整體出貨量(等效NVL72預計4萬臺以及NVL36兩種版本合計約3萬臺)，僅櫃內線銅纜高速線市場就達到35億+。考慮到櫃外線也在大批量出貨，高速銅線增量明顯。並且，明年AMD、谷歌TPU以及其它大廠也紛紛採用機櫃方案，其所用高速銅線規模也較大。
電源：伴隨服務器(尤其是AI服務器)功耗總額的快速提升，在OCP ORV3標準限制下服務器電源必須通過提升功率密度並維持高能源轉化率(鈦金96%以上)以滿足服務器運轉需要。
更好的材料、更優的拓撲、更多的集成是功率密度提升的主要途徑，因此電源行業不僅享受了總功耗提升帶來的需求快速上行，同時也因爲材料變更、散熱需求加強等因素帶來了單瓦特價格提升現象，並助力行業空間快速擴容。值得注意的是，考慮到近期大陸區域外流片難度加大，伴隨大陸區域流片芯片佔比增加，國產AI芯片所配置的機櫃或將對電源需求要求更高。
液冷：單卡功耗增加以及更多的卡集中在一個機櫃，散熱從風冷升級爲液冷。
1)英偉達GB200由兩個1200W GPU與300W CPU構成，總功耗高達2.7KW，單芯片功耗的翻倍式提升使得其對散熱的要求遠遠超過傳統風冷能力範疇；
2)NVL 72服務器配置了36顆GB200 GPU，集成度更高，其系統功耗可達120 KW，進一步增加了散熱要求；
3)政策嚴控PUE，需要更高效的散熱方案；
4)全生命週期角度看，固定IT需求下液冷系統具備較強運營優勢。總體看液冷相對風冷系統具備較高的建造成本，以液冷造價0.95-1.05 萬元/KW(含室外冷源)，風冷造價0.35 萬元/KW測算，若NVL 72 單機櫃功耗在120kW左右，則液冷系統造成成本爲114-126萬元(約16萬美元)，較風冷系統貴78萬元。
國內自主可控：
根據2023年底美國商務部和安全局(BIS)發佈的一攬子規則，目前國內所能獲取的AI芯片性能上限基本就在H20這一級別，考慮到H20的FP 16算力只有B200芯片的6.7%，其性能並不足以支撐國內向更大參數量模型去探索，因此國內AI芯片發展緊迫性凸顯。未來國內AI芯片領軍企業，將同時在出貨量、生態和產品力上具有領先性。並且，考慮到國產芯片製程、工藝以及明年國內互聯網客戶開始推進機櫃方案，建議重視國產電源、液冷等相關標的。
Agent：Agent目前已經成爲全球科技巨頭重點發力方向，包括PC端的Claude 3.5 Sonnet、手機端的Auto GLM以及企業業務流中的Salesforce和微軟的Agent產品，同時多Agent協作的羣體智能也已開始逐步商用化，如百度的秒噠，過去複雜、多步驟的任務均可通過Agent實現。
C端和B端的Agent會有所區別，C端的個人助理更強調綜合能力以及生活場景的解決能力，B端的Agent更強調術業有專攻，既要有核心Agent具有總覽能力，根據任務準確生成業務執行流，也要有大量的Agent具有獨立的技能和專長，能夠處理特定的任務，並且Agent之間可以彼此溝通。隨着Agent的普及，推理算力消耗將會大增，多個Agent之間通信、協作時，消耗的token、算力指數級增長。
自動駕駛：特斯拉預計於11月最後一週向非特斯拉車主發佈FSD V13版本，該版本主要特點包括原生AI4輸入和神經網絡架構、模型大小擴大3倍、模型上下文長度擴大3倍、(訓練)數據擴大4.2倍、訓練計算量擴大5倍(通過Cortex訓練集羣實現)。
與v12.5.4相比，v13必要干預的間隔里程增加了4倍。隨着大模型在自動駕駛中普及，改變了此前規則定義下自動駕駛生硬的特點，目前體驗更加類似於人類駕駛的感受，從而降低了接管次數。但是對於L4級無人駕駛來說，特斯拉的平均接管里程數相比於人類仍有較大差距，目前僅依靠單車智能尚無法完全實現自動駕駛，需要關注國內車路雲建設。
AI應用賦能千行百業：大模型應用的另外一個主戰場是行業應用。
《擴大內需戰略規劃綱要(2022-2035年)》：堅定實施擴大內需戰略、培育完整內需體系，並重點提出推動5G、人工智能、大數據等技術與交通物流、能源、生態環保、水利、應急、公共服務等深度融合，助力相關行業治理能力提升。圍繞AI在金融、工業、教育、交通、軍事、醫療等領域開始落地。
金融端，大模型逐步成爲更好的投研助手、財富管理虛擬人、金融知識庫等。工業端，大模型已經開始在CAD等軟件提供人機交互、AIGC生成樣本等。在機器人領域，接入大模型後的機器人智能化程度快速提升，已經開始在工廠等場景替代人完成簡單任務。
軍事領域，海外的Palantir公司已經成功的在戰場中利用大模型作爲戰場助手。
教育領域，AI逐步在更多學科成爲虛擬教師。在交通領域，車路雲協同對基礎設施提出更高要求，賦能智能交通管理的同時，能夠有效降低智能駕駛車端成本。
醫療領域，過往AI本身在醫療影像，新藥研發等領域均有較爲深入的應用(傳統模型)，生成式模型的出現使得上述領域的AI發展得到進一步深化，但總體來看，海外研發方向更偏製藥，國內研發方向更偏健康管理，依據大模型效力的不同二者應用方向存在差異。
風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；芯片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；信息化和數字化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；大模型算法更新迭代效果不及預期，可能會影響大模型演進及拓展，進而會影響其商業化落地等；汽車與工業智能化進展不及預期等。