战略共识 - 全球79%受访者认为发展减少外部依赖的AI能力具有极高战略价值 其中北美86% 欧洲83% 亚太79% [3] - 主权AI关注点集中于国家层面66% 涉及基础设施与监管框架 以及组织层面47% 涉及运营自主权与竞争力 [4][5] - 美国将主权AI列为战略优先级的比例达79% 欧洲为83% 亚太为78% [6] 核心驱动力 - 数据主权与控制以72%占比成为首要驱动力 强调数据作为战略资产需保留价值于自身生态系统 [8] - 国家安全以69%占比为核心驱动 AI控制权直接关联关键基础设施风险 [9] - 经济竞争力48% 主权AI被视为构建本土创新生态与提升全球竞争力的关键 [10] - 法规合规44%与文化契合31% 推动本地化AI能力以满足数据隐私及文化价值观需求 [11] 实现路径 - 94%受访者认为全球协作对实现主权AI至关重要 开源成为核心解决方案 [14][16] - 开源三大核心价值包括透明度与可审计性69% 灵活性与定制化69% 安全与信任60% [17] - 90%组织认为开源对主权AI发展至关重要 开源软件81% 开放标准65% 开放数据65%为优先形式 [18] - PyTorch采用率71% Kubernetes58% 显示开源技术已成为AI基础设施基石 [21] 挑战与区域差异 - 主要挑战为数据质量与可用性44% 技术专长短缺35% 安全漏洞34% [23] - 美国最关注数据质量51% 欧洲担忧合规与监管37% 亚太优先考虑安全漏洞47%与技术短缺41% [23][26] - 未来治理模式中 国家政府66%与开源基金会60%被视为核心引领角色 [27]

行业投资评级 - 报告未明确提供行业投资评级 [1] 核心观点 - 人工智能技术迅猛发展推动全球算力需求指数级增长 需要算力调度实现跨地域 跨平台的资源整合与优化 [2] - 中国算力规模快速增长 2024年总规模达280EFLOPS 智能算力占比32% 数据生产总量达41.06ZB 同比增长25% [20][23][25] - 算力调度平台通过基础设施层 管理编排层 服务运营层和算力应用层四层架构 实现算力资源的高效整合与智能调度 [40][41] - 异构算力调度面临资源异构性 软件环境碎片化 跨架构迁移成本高 缺乏统一标准等核心挑战 [4][43][44][45][46] - 国内算力调度平台形成国家级 省级/跨省级 市级三级体系 运营商主导平台侧重跨区域资源整合 科技企业主导平台聚焦垂直领域 [5][48][49][50] - 开源算力调度技术平台中 openFuyao在国产化适配支持上具有优势 Kubernetes和Slurm分别在云原生和HPC领域有深厚积累 [6][52] 算力调度行业综述 算力定义与分类 - 算力指计算机设备或数据中心处理信息的能力 狭义以FLOPS衡量 广义包括数据存储 网络传输 任务调度等能力 [15][17] - 算力分为通用算力（基于CPU 适用云计算 边缘计算） 智能算力（基于GPU/FPGA/ASIC 专为AI任务设计） 超算算力（基于超级计算机 解决复杂工程问题） [18][19] 算力规模与数据生产 - 中国算力总规模从2020年135EFLOPS增长至2024年280EFLOPS 智能算力占比从20.7%提升至32% [20][21][23] - 2024年中国数据生产总量达41.06ZB 同比增长25% 增速较2023年提高2.56个百分点 智能应用推动数据量增长40.95% [25][26] 算力网络与算网融合 - 算力网络是以算为中心 网为根基的新型信息基础设施 实现算力按需分配和灵活调度 [27][28] - 算网融合是计算与网络资源在硬件 软件 平台 应用等多层面的深度整合 追求算力即插即用和网络按需适配 [27][29] - 中国移动算网融合架构分为基础设施层（物理底座） 编排管理层（调度中枢） 运营服务层（能力平台）三层 [30][31] 异构算力定义与分类 - 异构算力通过结合CPU GPU FPGA ASIC等不同架构处理器 提升整体计算性能 能效比和灵活性 [33][36] - 处理器按架构分为CPU（灵活性高） GPU（并行能力强） FPGA（可编程） DSA（特定领域性能高） ASIC（性能最优但无灵活性） [34][36] 算力调度平台与异构计算调度系统 - 算力调度平台面向多类型计算资源 解决宏观资源分配问题 异构计算调度系统针对异构硬件架构 解决微观任务优化问题 [37][39] - 两者关系为异构计算调度系统构建于算力调度平台的基础能力之上 实现硬件抽象 资源池化 细粒度调度等核心扩展能力 [38] 算力调度平台架构与技术 - 算力调度平台技术架构分为基础设施层（整合计算 存储 网络资源） 管理编排层（统一管控 智能调度） 服务运营层（算力交易与服务运营） 算力应用层（多行业场景） [40][41] - 关键技术包括算力感知（实时监测资源状态） 算力度量（量化评估异构资源） 算力路由（任务流量路由至最优节点） 算网编排（计算与网络资源统一编排） 算力交易（智能公平交易） [41] 异构算力调度挑战 - 资源异构性与软件环境差异增加调度复杂性 任务代码需适配目标硬件编程接口 [43] - 跨架构任务迁移需重写代码或调整算法 受限于不同硬件内存管理机制和专用开发工具链 [44] - 缺乏统一计量标准和接口规范 跨厂商作业调度生态支持能力弱导致资源利用率受限 [45] - 异构硬件性能受多重因素影响呈非线性动态变化 传统调度模型无法精准预测任务执行损耗 [46] 国内主要算力调度平台 - 国家级平台包括全国一体化算力算网调度平台（首个人工智能公共算力开放创新平台（9家建设+16家筹建） 东数西算一体化算力交易平台 北京算力互联互通和运行服务平台 国家超级计算中心体系（天津"天河" 广州"天河二号" 济南"神威" 无锡"曙光"等） [48] - 省级/跨省级平台覆盖长三角（长三角一体化示范区异构智算云网调度平台） 粤港澳大湾区（粤港澳大湾区算力调度平台） 成渝（四川省算力调度服务平台） 京津冀（山东省黄河工业算力调度服务平台）等重点区域 [48] - 市级平台包括深圳市智慧城市算力统筹调度平台 杭州市算力资源调度服务平台 武汉市算力公共服务平台 青岛市算力调度服务平台 天津市算力交易中心等 [48] - 运营商主导平台如中国电信"息壤"算力分发网络平台 中国移动云智能算力调度平台（基于"4+N+31+X"梯次化布局） 中国联通云星罗先进算力调度平台（千卡级集群管理能力） 依托全国网络覆盖整合跨区域异构算力资源 [50] - 科技企业主导平台如中科曙光一体化算力交易调度平台 阿里云震旦异构计算平台 百度百舸AI异构计算平台 华为公共多样性算力服务平台 浪潮AI计算系统及推理平台（千卡集群线性加速比96%） 聚焦垂直领域或特定技术 [50] 开源算力调度技术平台 - openFuyao由华为 中国移动 联通等主导 支持CPU/GPU/FPGA多架构算力统一调度 优化大规模集群资源利用率 计划2025年Q3正式开源 [52] - Kubernetes是云原生容器编排平台 支持自动调度与扩缩容 服务发现与负载均衡 多集群管理 [52] - Slurm是HPC领域作业调度系统 支持分区管理 资源隔离 公平调度 [52] - Volcano是Kubernetes批处理调度插件 专为AI/大数据优化 支持Gang调度和多集群调度 [52] - YARN是Hadoop生态资源调度框架 支持资源抽象 多框架兼容（MapReduce Spark） 弹性资源分配 [52]

教育革新 - 传统IT培训正经历范式转移 通过大厂级实战项目将Kubernetes和Istio等工具链与微服务治理方法论深度融合[2] - 培养学员从会写代码到驾驭分布式系统的跨越式能力 采用原理加实战的教学模式重新定义技术人才教育标准[2] - 课程内容精准回应行业痛点 包括灰度发布和分布式追踪等实战场景 企业面试考题与课堂集群故障演练高度重合[3] 产业化趋势 - 企业正从单体架构向微服务迁移 使服务发现和熔断降级等治理能力成为刚需[3] - 云计算产业规模突破万亿 掌握云原生技能的程序员薪资溢价达40%[3] - 企业愿意为具备服务治理经验的候选人支付更高薪资 这类人才直接关系系统稳定性成本[3] 技术影响 - 云原生技能成为程序员的护城河 在AI冲击传统编程岗位的背景下提供职业安全感[3] - 课程设计包含持续更新机制 如适配最新Service Mesh版本 体现终身学习已成为技术人生存法则[3] - 微服务治理从大厂专利变为普及技能 推动更高效和弹性的技术生态诞生[3]

A2A项目成立 - Linux基金会联合AWS、思科、谷歌、微软等科技巨头成立A2A项目，旨在通过开源协议解决AI智能体间的通信孤岛问题[1] - 谷歌捐赠A2A协议规范及SDK作为初始内容，该协议支持跨厂商智能体互操作，已有超100家企业支持[1] - 项目采用Linux基金会中立治理模式，确保厂商中立性和社区驱动特性[1] 谷歌技术捐赠历史 - 谷歌曾将Kubernetes捐赠给CNCF并后续提供900万美元云资源支持其生态发展[2] - 本次A2A捐赠与Kubernetes不同，仅提供标准而非完整解决方案，开发者需自行实现逻辑[2] A2A与MCP协议对比 - MCP聚焦大模型与外部工具集成，解决M个模型与N个工具的组合爆炸问题，服务器数量从2月500台增至4000台[3][4][6] - A2A定位更高层级，实现智能体间安全通信与任务协商，采用HTTP协议和"代理卡"JSON描述机制[6] - 开发者认为A2A可能通过索引机制重构代理生态，但存在算法控制权引发的开放性争议[7] 协议应用场景差异 - MCP已适配Cursor、Claude等客户端但集成复杂，Claude桌面端四个月未完全支持其功能[11] - A2A基于HTTP协议更易集成，ACP则填补本地优先通信场景，适用于低延迟或离线环境[11][12][16] 行业应用现状 - 仅5%生成式AI项目实现盈利，企业需先明确用例再选择协议而非相反[15][18] - 复杂多智能体工作流需MCP/A2A支持，简单场景可能无需协议[13] - 微软采用NPS衡量AI性能，协议安全性需强化OAuth和RBAC机制[17] 技术发展趋势 - A2A被官方定义为MCP补充，前者连接AI与AI，后者连接AI与工具，共同构成模块化基础[7] - 行业需解决智能体可靠性衡量难题，当前缺乏标准化的SLA和监控机制[17][18]

中国及香港地区云原生生态发展 - 中国和香港地区已成为全球云原生领域发展最早和最强大的生态系统之一，开源贡献达106.86万次，其中对Kubernetes开源项目贡献32.74万次，均排名全球第二 [1] - 云原生计算基金会（CNCF）生态中有44个成员来自中国和香港地区 [1] - 2024年CNCF新增140名成员，目前拥有超过200个项目和728名成员，贡献者超过27万名，覆盖189个国家 [4] 云原生技术应用与突破 - 中国企业在云原生领域贡献了多个具有全球影响力的项目，如Volcano、Dragonfly、KubeEdge、OpenYurt，展现了在边缘计算、容器调度、分布式处理等方面的能力 [2] - 阿里、华为等公司在Kubernetes分布式共识机制上取得突破，使节点扩展能力从最初的5000个提升至三至四倍 [5] - 科大讯飞利用Volcano将GPU利用率提升40%以上，故障恢复时间缩短70% [6] 香港地区云原生发展现状 - 香港凭借国际金融中心和亚洲科技枢纽优势，在云原生领域展现出强劲增长潜力 [5] - 金融机构是香港云计算技术核心采用者，如香港交易所的FINI平台和HKEX Synapse平台采用云端技术提升效率 [5] - 香港政府将云计算和云原生视为智慧城市发展的关键技术，推动其在电子政务、智慧交通、医疗保健等领域的应用 [8] 人工智能与云原生结合 - 云原生技术的资源弹性、开发敏捷性、数据融合效率等优势有望为AI产业带来系统性革新 [6] - 容器化工作负载是未来十年方向，特别是AI领域，因AI工作负载高度依赖GPU [7] - CNCF计划在未来6-12个月内获取更多案例研究，展示如何利用其项目解决AI挑战 [7] 基础设施与政策支持 - 香港拥有世界级海底光缆系统，网络延迟低，是服务亚太及全球用户的理想节点 [6] - 华为云在香港发布CloudPond和AI加速计划，其KooVerse覆盖30个地理区域88个可用区，香港region是本地唯一4AZ数据中心 [6] - 香港推出首个人工智能大模型HKGAI V1，计划下半年推出"港话通"大语言模型，支持粤语、英语、普通话 [8]

报告行业投资评级 未提及 报告的核心观点 在AI大模型驱动下，中国智能算力需求与供给同步高速攀升，具备高效资源整合与调度能力的平台，将具备突出的规模化发展价值；算力调度中心的盈利高度依赖政府补贴，企业需战略性早期介入并契合政府多维核心价值；平台需具备高效整合和调度各地异构算力的技术能力；算力平台规模化价值变现的核心在于庞大且多元的客户基础，结合高效的生态合作与增值服务策略 [10]。 根据相关目录分别进行总结 算力需求增长迅速 - 中国智能算力需求与供给同步高速攀升，超大规模、高性能算力中心加速布局，带动整体算力基础设施快速扩容，具备高效资源整合与调度能力的平台有突出规模化发展价值 [10][11] - 智能算力需求在大模型应用领域激增，大模型需求占比接近60%，反映AI技术快速发展和未来算力市场巨大潜力 [14] - 互联网巨头和超大规模云服务提供商持续扩展算力中心，预计至2028年，中国智能算力整体需求将超20,000MW [16] 算力调度平台的价值 - 算力调度平台通过统一架构智能整合异构资源，核心价值在于提升利用率、降低使用门槛、简化算力获取流程，实现高效便捷的服务供给 [20] - 解决资源“碎片化”与“利用率低”痛点，汇聚碎片化、异构算力，通过智能调度提升整体资源利用率与可及性 [19] - 降低用户“成本”并提升“灵活性”，提供弹性、按需、高性价比的算力使用模式，显著降低用户成本和获取门槛 [19] - 简化算力“获取与管理复杂度”，统一管理并智能匹配算力与任务需求，简化用户操作，优化资源分配效率 [19] 政府补贴是核心来源 - 政府补贴是驱动算力调度中心商业模式及盈利的关键，政府核心诉求是确保本地已建算力资源充分利用，并通过结构化补贴机制激励用户、降低平台风险 [30] - 企业要成功赢得政府订单，需战略性早期介入以影响决策，精准把握、满足政府在经济、社会效益及政绩等多维度的核心价值诉求 [30] 优质算力调度平台技术特征 - 平台需具备精细化资源切片、异构算力兼容、跨地区调度、实时监控与动态调度等能力，实现算力资源的高效复用和低成本变现 [38] - 细粒度切片，将整块算力资源精准拆分为小单元，满足不同客户多样化需求，实现闲置资源充分复用 [33][38] - 异构算力兼容能力，具备兼容性，通过资源虚拟化技术统一调度不同芯片架构，确保用户体验不受硬件差异影响 [36][38] - 跨地区调度能力，整合各地区算力资源，实现资源跨区域调度，降低单一地区资源不足或故障的风险 [34][38] - 实时监控与动态调度能力，建立完善监控系统，实时跟踪客户算力使用状态，动态调整和打包复用闲置算力，提升资源利用率和收入 [37][38] - 潮汐调度能力，根据客户需求波动和使用高峰低谷，合理安排任务分配，实现资源高效变现 [35][38] 算力调度中心规模化的核心 - 算力平台需依托庞大且多元的客户基础，并结合高效的生态合作与增值服务策略，实现算力的规模化价值变现 [42] - 足够大的客户规模是快速盈利和达成目标的基础，高价值、需求稳定的大客户是核心目标，促使平台就近部署以优化服务 [42] - 客户群的丰富性允许通过分层定价实现算力溢价，最大化整体收益 [42] - 通过合作生态转型为“批发商”，聚焦高毛利算力销售并由伙伴完成低毛利交付，有效控制风险、提升利润 [42] - 在基础算力之上提供存储、网络等增值服务进行交叉销售，增加收入，提升客户粘性与终身价值 [42]

社交APP技术架构 前端开发 - 移动端分为iOS和Android原生开发，iOS推荐Swift和SwiftUI框架，Android推荐Kotlin和Jetpack Compose框架，性能最佳但开发成本高 [6] - Web端采用React.js、Vue.js、Angular等框架构建单页应用(SPA)，适用于社交APP的Web版本和后台管理系统 [5] - 跨平台开发方案包括React Native(JavaScript)、Flutter(Dart)、uni-app(Vue.js)和Taro(React/Vue)，可降低多端开发成本，其中uni-app和Taro特别适合中国市场的小程序生态 [6] 后端开发 - Java(Spring Boot/Cloud)适合大型复杂社交APP，具备高并发处理能力 [9] - Python(Django/Flask)适合快速原型开发，语法简洁但高并发性能较弱 [9] - Node.js(Express/NestJS)适合实时聊天等I/O密集型场景，开发效率高 [9] - Go语言适合高并发核心服务，性能接近C/C++且内存占用低 [9] 数据库与存储 - 关系型数据库MySQL和PostgreSQL适合存储用户数据和好友关系 [9] - 非关系型数据库MongoDB适合动态/评论等非结构化数据，Redis用于缓存和实时计数 [9] - 图数据库Neo4j适合处理复杂社交关系网络 [9] - 对象存储(阿里云OSS/腾讯云COS)和CDN用于静态资源分发 [9] 第三方服务集成 - 即时通讯可选用融云/环信等国内SDK或自建WebSocket/MQTT系统 [9] - 音视频处理采用FFmpeg或云服务商(腾讯云TRTC/阿里云RTC) [9] - 内容审核需集成阿里云/腾讯云的内容安全API [8] 中国市场特殊考量 - 必须完成ICP备案和APP备案等合规要求 [8] - 优先选择阿里云/腾讯云等国内云服务商 [8] - 开发框架推荐支持多端发布的uni-app或Taro [8]

云计算行业概述 - 云计算是通过互联网交付计算服务的模式 采用基础设施即服务(IaaS)模型 客户可灵活调配处理能力和存储资源 无需自行购买和维护服务器[1] - 行业具有高固定成本特性 规模经济显著 达到盈亏平衡后盈利增速远超收入增速[2] - AI技术兴起推动行业加速增长 客户利用云计算服务定制基础AI模型或开发专属应用[3] 主要云服务商分析 亚马逊AWS - 全球最大云服务商 市场份额近30% AWS上季度收入同比增长17%至293亿美元 运营利润增长22%至115亿美元[6] - 通过Bedrock提供第三方AI基础模型定制服务 SageMaker支持用户从零构建模型[7] - 自研Trainium和Inferentia AI芯片 相比通用GPU能效更高 成本优势显著[8] 微软Azure - 市场份额约22% 过去七个季度收入增速均超30% 上季度增长33%[9] - 与OpenAI深度合作 直接集成其领先AI模型 并将技术嵌入GitHub等生态产品[10] - 开始托管xAI模型 聘请DeepMind联合创始人开发自研AI模型 拓展技术路线[11] 谷歌云 - 市场份额约12% 一季度收入增长28%至123亿美元 运营利润暴涨142%至22亿美元[12][13] - Vertex AI提供端到端机器学习平台 BigQuery分析工具和Kubernetes容器技术构成差异化优势[14] - 基于Gemini基础模型开发定制AI解决方案 与Broadcom合作研发专用AI芯片降低成本[15] 行业增长驱动因素 - 企业从本地化解决方案向云端迁移持续进行 AI应用爆发成为新增长引擎[3] - 三大云厂商均通过自研芯片优化AI算力成本 形成技术护城河[8][15] - 云服务商面临数据中心建设节奏把控挑战 需平衡产能扩张与需求匹配[5]

纪要涉及的行业和公司 - **行业**：云基础设施、云计算、IDC、数据中心配套建设、通信、液冷、AIGC 基础设施、柴油发电机、燃气轮机、机械 - **公司**：阿里巴巴、腾讯、字节跳动、金山云、奥飞、润泽、光环、英维克、科华数据、胜宏科技、明阳电气、迈米、应流股份、泰豪科技、潍柴重机、科泰、长园 纪要提到的核心观点和论据 1. **云技术资源投资机会大**：2025 年 2 月起国内进入 AI 技术资源大规模投入周期，如阿里巴巴宣布未来三年投 3800 亿人民币；2024 年 Q4 起阿里和腾讯财报显示 K8S 季度显著增长，所以 2025 年云技术资源紧密度和景气度高[1][2] 2. **2025 年云基础设施市场景气度快速提升**：2024 年 Q4 云技术资源配套的 IDC 服务器采购量明显增长；春节后 DGP 大火，国内应用高速发展，各大厂商推出 AI 芯片推动 AI 应用落地，带动云技术资源进入新一轮成长周期[1][3][4] 3. **当前适合布局云计算板块**：一季度 IaaS 大涨后深度调整，因短期涨幅大、业绩兑现滞后、市场担忧等因素，目前悲观预期充分消化，多数个股调整 30% - 40%；5 月财报季若实际需求未下滑，有望预期修复，国内大厂财报可能亮眼[1][5] 4. **国内与海外云计算结构不同**：国内推理相关占比预计比海外高，近期模型和应用进展好，如阿里巴巴发布原生多模态大模型等，AI 模型应用能力和算力有显著增长空间[1][6] 5. **云基础设施建设落地依赖生态完善**：依赖 MCP 及各种服务完善、工程优化，普生碳模型打开上限，2025 年下半年这些因素加速推进将带动技术资源消耗[7] 6. **看好云技术资源布局**：中期云技术和应用落地顺利，当前看好云技术资源布局机会，重点推荐阿里和金山云；AI 化由训练向推理切换，云环节边际提升显著；也看好 IDC、算力国产化及配套建设方向[8] 7. **IDC 行业供需格局改善**：2021 年后供大于求，政府管控有助于改善格局；2025 年交付节奏和规模大，如奥飞和润泽交付体量达截至 24 年底的 70% - 80%；三大运营商一季报显示 IDC 业务快速增长，龙头公司回调至年初位置，是布局良机[1][9][12] 8. **数据中心配套建设业绩确定性强**：依赖 IDC 厂商资本开支扩张，2025 年是扩张年份；一季报部分公司业绩不及预期，但散热系统受确认节奏影响，需关注存货和合同负债变化，云计算板块回调是配置机会，推荐英维克[1][10][12] 9. **通信行业推荐相关赛道**：推荐 IDC、散热、国产算力相关赛道；政府对 IDC 行业管控利于健康发展；2025 年交付节奏和规模大，关注收入端兑现；数据中心配套受确认节奏影响，关注存货和合同负债，散热推荐英维克[11][12] 10. **英维克公司发展乐观**：当前估值 30 - 35 倍，预计 2025 年达 35 倍；未交付项目二季度确认收入将好转；毛利率下滑因会计准则变化，调整后合理；存货和合同负债上涨，未交货订单处历史高位[13] 11. **液冷技术应用前景好**：H20 被禁对 IDC 短期影响小，国产算力发展提升液冷比例，2025 年关注厂商认证和渗透率提升；看好液冷赛道，关注升腾链大厂测试进展及出货情况[3][14] 12. **AIGC 基础设施公司资本开支不悲观**：一季度财报显示 IDC 相关业务增长显著，如科华数据 AIDC 业务增长 40%，胜宏电能质量增长 20% - 30%；海外谷歌资本开支计划未调整，AI DC 电机设备板块迎底部布局机会[15] 13. **AI DC 电机设备板块有潜在催化**：五一后海外大厂发布财报、DP4 卡 R2 模型等推出、腾讯新一轮招标将推动 AI 应用需求增长，形成新订单催化，建议布局相关公司[16] 14. **IaaS 领域价格长期上涨**：受国内外资本开支和算力建设等因素影响，短期内股价回调；柴油发电机招标价格持续小幅上涨，散单突破 300 万元，5 月或继续涨价[19] 15. **柴油发电机行业供需偏紧**：与船舶行业相似，需求景气向上，供给端核心发动机资源紧缺，后续涨价及量价齐升趋势确定[20][21] 16. **柴油发电机交付集中在三四季度**：Q1 交付量相对不多，同比小幅改善；核心发动机 Q2 逐步交付，主要集中在三季度和四季度，5 月可能有订单催化[23] 17. **东南亚市场对柴油发电机有积极影响**：有催化机会，不占用国内资源，柴发加储能及出口东南亚市场有积极变化，反映设备供需紧缺[24] 18. **应流股份表现良好**：今年陆续签单，与外资厂商签长协，月订单达亿元级别；燃气轮机制片配套刚性，作为叶片供应商确定性高；资本开支和研发投入前置，下半年盈利改善可期[25] 19. **关注机械板块相关企业**：财报季后，云计算等环节回调后有布局机会，建议关注泰豪科技等企业及应流股份，把握产业链盈利兑现机会[26] 其他重要但是可能被忽略的内容 - 散热系统从发货到确认收入需 6 - 9 个月，季度业绩受项目确收节奏影响[10][12] - 2025 年是液冷行业 1 - 10 阶段[14] - 2025 年需关注国产算力厂商认证情况及液冷行业渗透率提升，跟踪升腾链大厂测试进展及出货情况[3][14][18]