夜雨聆风
——一家芯片公司，为什么值得从"散热"视角重新估值？
开篇：一个容易被误读的投资命题
当投资者谈论"AI液冷散热"时，目光通常投向英维克、曙光数创、高澜股份这类设备制造商。但这里有一个被市场忽视的逻辑链条：液冷散热的需求，本质上由芯片功耗定义；而芯片厂商对热特性的设计选择，决定了液冷方案的技术路径和商业边界。
中科海光（海光信息技术股份有限公司，688041.SH）是中国国产x86 CPU和DCU（Deep Computing Unit，深度计算处理器，功能对标GPU）的核心供应商。它不是一家液冷设备公司——这一点必须在报告开头就讲清楚。但海光在液冷赛道中的战略意义远超"芯片供应商"的表面身份。其深层逻辑在于：在中国信创生态中，海光芯片的热设计参数、封装架构和系统集成方式，正在反向定义国产AI算力集群的液冷技术路线。 加之海光与中科曙光（Sugon）的深度股权与业务绑定关系，一个"芯片设计-整机制造-液冷方案"的垂直整合生态正在成型。
本报告试图回答一个非常规但极具投资价值的问题：从液冷散热的视角看，中科海光的护城河、成长性和估值锚点在哪里？
维度一：技术纵深——海光的"热设计权力"与液冷生态协同
海光芯片的热特性：液冷需求的"源头定义者"
要理解海光与液冷的关系，首先需要理解其产品的热特性。海光目前有两条核心产品线：海光CPU（主要用于服务器通用计算）和海光DCU（用于AI训练与推理、HPC等并行计算场景）。
海光CPU方面，其最新一代产品（海光四号系列，即Hygon C86 7000系列）基于x86架构，热设计功耗（TDP）估计在280-350W区间（推测/分析：基于公开的服务器配置信息和行业对比推断，海光官方未公开精确TDP数据）。这一功耗水平与AMD EPYC同代产品接近，在高密度部署场景下已处于风冷的边缘地带。
海光DCU是液冷讨论的核心。 海光DCU深算系列（如深算二号/三号）定位为AI加速卡，架构源自与AMD的技术授权（早期基于GCN架构演进，后续代际推测已向CDNA方向迭代）。根据行业推测和部分公开的服务器整机功耗数据反推，海光DCU单卡功耗估计在300-500W区间（推测/分析：暂无海光官方公开的精确功耗数据，此范围基于搭载海光DCU的曙光服务器整机功耗推算以及业内人士交流信息）。
需要特别说明的是，海光由于被列入美国商务部实体清单，其产品技术细节公开程度远低于NVIDIA、AMD等国际厂商，许多关键参数（如最新制程节点、精确功耗、浮点算力等）处于"半公开"状态。 这既是分析的难点，也恰恰构成了一种信息不对称带来的投资研究价值——市场可能因信息模糊而低估或误判其真实技术能力。
芯片热设计与液冷方案的"源头耦合"
这里需要引入一个关键概念：芯片热设计（Thermal Design）不是散热厂商的事后工作，而是芯片设计阶段的前置约束。 芯片的Die尺寸、热点分布（Hotspot Map）、封装方式（2.5D/3D堆叠、Chiplet互联等）、顶盖（IHS）材料选择，都直接决定了外部冷却方案的设计空间。
海光作为芯片设计方，天然掌握着自身产品热特性的"第一手定义权"。具体而言：
其一，海光了解自己芯片Die上每一个功能模块的功耗分布，能够向液冷方案商提供精确的热流密度地图（Heat Flux Map），使冷板设计实现最优化。其二，海光的封装选择（如采用何种基板材料、是否使用铟焊料顶盖、Chiplet间的热互耦特性等）直接约束了冷板接触面的设计参数。其三，在系统级热管理上，海光可以通过芯片内置的温度传感器和动态频率调节（DVFS）策略，与外部液冷系统的控制逻辑实现协同——这种"芯片-冷却"的闭环控制，是纯粹的第三方液冷厂商难以独立实现的。
与曙光数创的生态绑定：不是合作关系，而是"血缘关系"
理解海光液冷生态位的关键钥匙，是其与中科曙光（603019.SH）及曙光数创的关系。中科曙光是海光信息的第一大股东（持股约32%），同时也是海光芯片最大的下游整机客户。而曙光数创（872958.BJ，北交所上市）是中科曙光控股的液冷数据中心基础设施子公司，专注于浸没式液冷和冷板式液冷方案。
这意味着海光处于一个"芯片-整机-液冷"三位一体的垂直生态中。 在这个生态内：海光设计芯片并定义热特性 → 曙光（整机厂商）设计搭载海光芯片的服务器 → 曙光数创提供适配该服务器的液冷方案。三者之间的信息流通、联合研发的摩擦成本极低。
对比英维克等独立第三方液冷厂商，它们需要与芯片厂商、整机厂商分别建立合作关系，信息传递链条更长、协同效率更低。曙光体系的垂直整合优势在于：液冷方案可以在芯片设计早期阶段即介入（Design-in），而非在芯片定型后被动适配。 这是一种结构性的技术协同优势。
不过，这里必须做一个重要区分：海光自身并不直接研发或销售液冷设备。它的液冷相关价值是通过生态协同实现的，而非直接的产品收入。 投资者不应将海光简单理解为"液冷公司"，而应将其理解为"因掌握热设计源头定义权而在液冷生态中占据枢纽地位的芯片公司"。
对比国际大厂：NVIDIA 的液冷生态模式
NVIDIA在液冷领域的做法值得对比。NVIDIA通过定义GPU的热接口规范（如SXM5模组的冷板安装接口标准），实际上"规定"了下游液冷厂商的冷板设计边界。CoolIT、Vertiv等液冷厂商必须严格按照NVIDIA的接口规范来设计冷板——芯片厂商通过定义热接口标准，实质上掌控了液冷方案的技术主导权。
海光目前是否具备类似的"标准定义权"？从公开信息看，海光芯片主要搭载在曙光系整机中，其热接口规范更多是在曙光体系内部协同确定，尚未形成面向整个产业链的公开标准。这是海光与NVIDIA的重要差距之一：NVIDIA通过绝对的市场份额将其热接口规范变成了"行业事实标准"，而海光的影响力仍局限于曙光生态圈内。
但从另一个角度看，在中国信创体系中，海光芯片的应用范围正在快速扩大——不仅是曙光，浪潮、联想、新华三等整机厂商也在推出搭载海光CPU的服务器。如果海光DCU在国产AI加速卡市场的份额持续提升，其热接口规范的影响力也将随之扩大，未来有可能在国产液冷生态中获得类似NVIDIA在国际市场的"标准定义者"地位。 这是一个值得长期跟踪的趋势变量。
维度二：市场机会——国产AI算力爆发下的液冷需求传导链
场景一：大模型训练集群——海光DCU的核心战场
在中国国产大模型训练的场景中，能够提供大规模并行计算能力的国产芯片主要是两家：华为昇腾（Ascend）和海光DCU。由于美国出口管制限制了NVIDIA高端GPU向中国的供应，国产芯片在大模型训练中的渗透率正在快速提升。
根据行业估算（综合赛迪研究院、IDC中国等机构数据），2025年中国AI训练市场中，国产芯片的算力占比已从2023年的不足15%提升至约30-35%，预计2027年将达到50%以上。 海光DCU在国产AI加速卡市场中的份额估计为20-30%（推测/分析：华为昇腾占据最大份额，海光DCU为第二梯队，具体份额无权威公开数据），对应的硬件部署规模正在快速扩张。
这些部署在高密度AI训练集群中的海光DCU，几乎100%需要液冷。原因是简单的物理约束：当单机柜功耗超过25-30kW时，传统风冷的PUE（电力使用效率）和噪声都无法满足要求；而AI训练集群的单机柜功耗通常在50-100kW以上。可以说，每一块新部署的海光DCU，都在为液冷市场创造增量需求。
场景二：推理部署——"量大面广"的液冷增量
如果说训练是"集中爆发"，那推理就是"遍地开花"。随着国产大模型（如百度文心、阿里通义、字节豆包等）进入大规模商用阶段，推理算力的部署规模正以比训练更快的速度增长。海光DCU在推理场景的性价比优势（相较于用顶级训练卡做推理的浪费），使其在中小规模推理集群中找到了市场空间。
推理集群的液冷需求特点是：单卡功耗略低于训练场景（推理功耗通常为满载训练功耗的60-80%），但部署密度可能更高（为降低延迟，推理节点倾向于紧凑部署）。这为冷板式液冷而非浸没式液冷提供了更大的市场空间——而冷板式恰好是英维克等主流液冷厂商的主力方案。
场景三：信创替代——政策强驱动下的确定性需求
中国信创（信息技术应用创新）政策要求党政军、金融、电信、能源等关键行业逐步实现IT基础设施的国产替代。在这些场景中，海光CPU几乎是唯一能够提供x86兼容性的国产选择（其他国产CPU如飞腾、龙芯分别基于ARM和LoongArch架构，软件生态适配成本更高）。
信创服务器集群的规模正在快速扩大。虽然信创场景对液冷的需求不如AI训练集群那样迫切（多数信创服务器功耗密度尚在风冷可覆盖范围内），但随着信创从"基础办公"向"核心业务系统"升级，计算密度的提升将逐步触及液冷阈值。信创液冷市场是一个"慢热但确定"的增量。
市场空间定量测算
综合以上三个场景，尝试做一个粗略的市场空间估算：
中国国产AI芯片（含海光DCU、华为昇腾等）对应的液冷市场规模，可从以下路径推算。2025年中国AI服务器市场规模约1200-1500亿元人民币（综合IDC、赛迪等机构预测），其中国产芯片占比约30%，即360-450亿元对应国产芯片的AI服务器。假设其中60-70%的高密度部署需要液冷，液冷系统成本占服务器总成本约8-12%，则2025年国产AI芯片相关的液冷市场约17-38亿元。
到2028年，随着国产芯片占比提升至50%以上、液冷渗透率提升至80%以上，这一数字可能扩大至80-120亿元。海光DCU对应的份额（假设在国产AI芯片中占20-30%）意味着16-36亿元的液冷设备需求直接与海光生态绑定。
（注：以上为分析师基于多源数据的模型推算，非官方数据，误差可能较大，仅供量级参考。）
政策放大器：PUE约束与"东数西算"
中国工信部和各地政府对数据中心PUE的限制持续收紧。一线城市新建数据中心PUE普遍要求低于1.25，部分地区（如北京）已提出1.15以下的目标。液冷系统相较于传统风冷，可将PUE降低0.1-0.2，这在监管合规层面构成了强制性的技术升级驱动。
"东数西算"工程中，西部枢纽节点（如贵州、甘肃、宁夏等）的新建数据中心普遍将液冷作为标配方案写入建设规划。海光芯片作为信创属性突出的国产算力底座，在政府主导的智算中心项目中具有天然的准入优势。 政策（信创采购倾斜）+ 技术（PUE约束要求液冷）的双重驱动，为海光生态中的液冷需求提供了高确定性的增长保障。
维度三：竞争力解构——海光的液冷生态掌控力与不可替代性
核心问题：海光是"做液冷"还是"定义液冷需求"？
这是理解海光竞争力的关键区分。答案是后者。海光的竞争力不在于自己生产液冷设备，而在于：
其一，通过芯片市占率创造液冷需求。 每一块海光DCU的部署都对应一个冷板的需求，海光的出货量直接传导为液冷设备的订单量。这类似于NVIDIA不做液冷设备，但其GPU出货量的爆发直接催生了CoolIT、Vertiv等液冷厂商的营收增长。
其二，通过热接口规范影响液冷方案选型。 搭载海光芯片的服务器，其液冷方案需要适配海光的芯片封装接口和热特性。如果海光在芯片设计中选择了特定的封装尺寸和IHS设计，液冷厂商必须据此定制冷板——这赋予了海光对液冷方案的"间接选择权"。
其三，通过曙光体系实现垂直整合利润。 在曙光体系内，海光芯片→曙光整机→曙光数创液冷的一体化方案，可以在一次交付中完成价值链的内部流转。这种模式下，液冷的利润虽然主要归曙光数创，但海光作为源头的芯片供应商，享受了整个解决方案的捆绑销售溢价。
与英维克的对比：产业链"芯片端"vs"设备端"的不同逻辑
英维克的价值在于"全链条液冷方案能力"——从冷板到CDU到管路到冷却液，它是液冷设备层面的系统集成者。海光的价值则在于"热需求的源头定义者"——它决定了液冷设备需要应对什么样的热流密度、什么样的接口规范。
两者的关系不是竞争，而是互补：英维克们需要海光的芯片来创造需求，海光需要英维克们来完成散热方案的物理实现。 但从产业链话语权角度看，芯片端的不可替代性通常高于设备端——因为芯片是算力的直接载体，而液冷设备是芯片的"配套服务"。
不过，这一逻辑在海光身上需要打折扣。与NVIDIA在全球AI加速卡市场超过80%的统治地位不同，海光DCU在国产AI芯片市场仅占20-30%，且面临华为昇腾的强力竞争。海光尚不具备NVIDIA那样通过芯片垄断地位"胁迫"整个液冷产业链的能力。 液冷厂商既服务海光生态，也服务昇腾生态，两边下注。
"液冷+芯片"协同设计：先发优势是否存在？
从公开信息来看，海光-曙光体系内确实存在芯片热设计与液冷方案的早期协同——曙光数创的液冷产品最早就是为曙光搭载海光芯片的高密度服务器定制开发的。这种"从出生起就一起长大"的协同关系，在工程细节层面积累了大量经验。
但是否构成专利壁垒？暂无公开信息表明海光拥有液冷相关的核心专利。 液冷专利主要集中在设备厂商（如曙光数创、英维克等）手中。海光的壁垒更多体现在：对自身芯片热特性的独家了解（其他液冷厂商无法获得相同深度的芯片内部热数据）以及与曙光数创的优先协同关系。
标准制定权方面， 中国在液冷数据中心领域的标准体系正在快速建设中。中国通信标准化协会（CCSA）和数据中心产业联盟已发布多项液冷相关团体标准。海光作为芯片厂商，目前在液冷设备标准制定中的直接参与度有限（主要参与者是整机厂商和液冷设备商），但在"AI服务器整机"层面的标准制定中有话语权，可间接影响液冷方案的技术要求。
维度四：商业兑现——从生态位到真金白银
海光液冷方案是否进入国际大厂供应链？
答案是明确的：没有，且短期内几乎不可能。 海光自2019年起被列入美国商务部实体清单，这意味着Google、Meta、Microsoft等硅谷大厂不会采购海光芯片，遑论其配套的液冷方案。海光的市场空间完全局限于中国大陆及少数不受美国制裁影响的海外市场。
这是海光最大的结构性约束，也是投资者必须正视的天花板。
国内头部客户的渗透情况
在国内市场，海光的客户渗透可以分为两个层面来看。
芯片层面：海光CPU已广泛进入三大运营商、金融机构、政府部门的服务器采购体系。海光DCU则主要通过曙光整机进入国家级智算中心（如多个"东数西算"节点项目）。据公开招标信息，搭载海光DCU的曙光AI服务器已中标多个省级/国家级智算中心项目，这些项目通常配套液冷方案。
液冷方案层面：海光本身不销售液冷设备，因此不存在"海光液冷方案进入客户名单"的说法。但曙光数创的液冷方案（与海光芯片高度适配）已进入阿里云、中国移动等头部客户的合格供应商名单。 这意味着海光-曙光-曙光数创的一体化方案在大客户端已完成验证。
至于字节跳动、腾讯等企业，目前公开信息显示其AI训练集群仍以NVIDIA GPU为主（在可获得的范围内），国产芯片的使用比例和具体品牌选择尚不完全透明。推测海光DCU在互联网大厂的渗透率目前仍低于华为昇腾， 但这一格局随着政策压力和供应链安全考量可能持续变化。
商业模式：捆绑还是开放？
海光目前的商业模式是纯芯片销售，并不强制捆绑液冷方案。客户购买海光芯片后，可以自行选择任何液冷供应商。但在实际操作中，由于曙光是海光芯片最大的整机渠道，而曙光整机往往搭配曙光数创的液冷方案一并交付，事实上形成了"软性捆绑"——客户如果选择曙光整机+海光芯片，大概率会使用曙光数创的液冷方案，因为这是验证最充分、适配度最高的组合。
这种"软性捆绑"的商业杠杆效应值得关注。它意味着：海光芯片每增加一个百分点的市场份额，大概率同步拉动曙光数创液冷方案的份额——而曙光数创的业绩又会通过中科曙光反哺整个集团的估值。对于投资者来说，投资海光信息，某种程度上也在间接投资其液冷生态的增长。
客户粘性与替换成本分析
一个关键问题是：如果客户从海光DCU切换到华为昇腾或其他芯片，液冷方案是否可以复用？
从纯物理层面看，冷板通常不能跨芯片复用。不同芯片的封装尺寸、热接口高度、螺丝孔位都不同，冷板是高度定制化的。但CDU、管路、冷却液等系统级组件通常可以兼容——只需更换冷板即可。
这意味着：冷板层面存在芯片锁定效应（切换芯片需要重新定制冷板），但系统层面不存在强锁定（CDU和管路是通用的）。对海光而言，这既是好消息也是坏消息——客户不会因为液冷设备的沉没成本而被迫继续使用海光芯片，但反过来，搭配海光芯片的液冷方案也可以较低成本地服务于其他芯片。
液冷视角下海光的投资价值评估
让我们回到核心投资问题。从液冷维度审视海光，可以得出以下判断：
海光不是液冷赛道的直接受益标的。 它不生产液冷设备，不直接从液冷市场中获取收入。将海光作为"液冷概念股"来投资是逻辑错位。
但海光是液冷需求的"源头制造者"之一。 其芯片出货量的增长直接传导为液冷设备的需求增量。投资者关注液冷赛道时，需要判断海光DCU的出货趋势——这是整个国产AI液冷市场规模的关键输入变量之一。
海光的核心投资逻辑仍然是"国产AI算力替代"。 液冷是这个大逻辑的附带受益，而非独立的价值驱动。如果投资者认为中国AI算力的国产化率将持续提升、海光DCU在国产AI芯片中能维持或扩大份额，那么海光本身就是值得配置的标的——液冷只是强化了这一逻辑的确定性（因为高密度部署要求液冷，而液冷的高门槛反而成为已完成液冷验证的海光方案的额外壁垒）。
一个有趣的投资推论是： 如果想在液冷赛道中寻找与海光绑定最深的设备标的，曙光数创（872958）是最直接的选择。它与海光的"血缘关系"意味着，只要海光DCU的部署量增长，曙光数创就是确定性最高的液冷设备受益方。相比之下，英维克等第三方液冷厂商虽然也可以服务海光生态，但其客户来源更分散，与海光的绑定度不如曙光数创。
风险与灰犀牛
技术迭代风险。 海光DCU的架构受限于早期AMD授权（推测为CDNA 1或更早代际），在算力效率和能耗比上与NVIDIA最新代产品存在至少两代以上的差距。如果这一差距导致海光DCU在国内市场被华为昇腾持续挤压份额，则其液冷生态的"需求源头"地位也将相应削弱。
制裁升级风险。 美国制裁的持续加码可能进一步限制海光获取先进制程代工资源（目前海光主要依赖中芯国际等国内代工厂），如果无法向7nm及以下演进，芯片功耗效率将越来越落后，虽然散热需求"更大"了，但产品竞争力下降的负面影响远大于液冷需求增加的正面效应。
生态封闭风险。 海光-曙光体系的高度垂直整合，在提供协同效率的同时，也可能限制海光芯片向更广泛的整机生态渗透。如果第三方整机厂商（如浪潮、新华三）认为采用海光芯片会被"引导"使用曙光数创的液冷方案，可能产生抵触心理。平衡"生态封闭带来的协同效率"与"开放生态带来的市场规模"，是海光管理层需要持续权衡的战略选择。
竞争格局不确定性。 华为昇腾在AI芯片领域的投入力度和政策支持力度均极为强劲。如果昇腾在软件生态（CANN框架）和芯片性能两个维度同时取得突破，海光DCU的市场空间可能被压缩。从液冷角度看，这意味着未来国产AI液冷市场的增长可能更多由昇腾生态驱动，而非海光生态。
结语：海光的液冷故事，本质上是一个"国产AI算力定义权"的故事
如果用一句话总结本报告的核心判断：海光在液冷赛道的价值，不在于它"做"液冷，而在于它"定义"液冷需求。 作为国产x86 AI芯片的核心供应商，海光每一颗DCU的出货，都在为中国AI液冷市场的蛋糕添上一块。它的芯片热设计参数，决定了整个信创AI算力生态中液冷方案的技术路线和成本结构。
但投资者需要清醒认识：这一价值目前更多以"生态协同"的间接方式体现，而非直接反映在海光自身的液冷收入中。投资海光的核心逻辑仍然是"国产AI算力替代"，液冷只是这一逻辑的增强因子，而非独立驱动。
对于想要构建"AI液冷"投资组合的投资者，建议的思考框架是：用海光（或华为昇腾所在的华为体系）来判断国产AI芯片的总需求规模，然后从曙光数创、英维克等液冷设备公司中选择执行层面的受益标的。 芯片端定义需求的方向和规模，设备端兑现收入和利润——两者共同构成完整的AI液冷投资逻辑链。
在这个链条中，海光的角色是"需求的源头"——它未必是最闪亮的投资标的，但它是理解整个赛道最不可或缺的分析起点。
免责声明： 本报告基于公开信息与分析师推断撰写，文中标注为"推测/分析"的内容不构成事实陈述。海光信息因实体清单限制，诸多技术细节缺乏权威公开数据，报告中相关估算仅供投资研究参考。所有内容不构成具体投资建议，投资者应自行判断并承担风险。数据引用截至2026年5月。
