【建投算研】谁在定义算力的价格？——算力产业链及市场深度研究

重要提示：本报告观点和信息仅供符合证监会适当性管理规定的期货交易者参考。因本平台暂时无法设置访问限制，若您并非符合规定的交易者，为控制交易风险，请勿点击查看或使用本报告任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合!

作者 |虞璐彦  中信建投期货研究发展部

本报告完成时间  | 2026年9月1日

期货交易咨询业务资格：证监许可〔2011〕1461 号

摘要

实体资源成本与市场化需求共同决定最终服务价格。当前，算力已形成上游供给约束、下游需求高增长格局，其相关服务价格受芯片、晶圆、HBM、封装及电力等实体资源约束，同时需求又受到模型训练、Token消耗和AI应用渗透驱动，算力正逐步发展出可市场化交易与价格形成的雏形。

供应端，先进制程晶圆与先进封装扩产周期长、短期供给弹性较低，且高端存储芯片面临工艺高壁垒限制，三重硬约束是产能卡脖子的关键。同时，智算需求高速增长成为算力需求扩张的核心驱动，GPU推理算力需求增速已显著高于训练算力，成为算力需求中弹性较为突出的板块。

本文从算力产业链、供需结构及商品属性出发，系统梳理算力市场发展现状，为后续厘清成本与需求价格传导机制提供产业基础，致力于探讨未来算力标准化、基准价格形成及商品化方向，为探索未来算力期货提供市场研究基础。

目录

正文

随着大模型、人工智能等新兴产业快速发展，算力正由传统信息基础设施逐步演变为数字经济时代的重要生产要素。传统计算资源主要满足互联网业务需求，而算力资源主要成为人工智能训练、推理及科学计算等领域核心生产资料，市场需求快速增长。与此同时，全球高性能GPU供给仍受先进制程、数据中心建设周期等因素约束，算力正逐步发展出可市场化交易与价格形成的雏形。

一、算力供应：三大硬约束下的供需裂变

算力产业链具有垂直递进的结构化布局，整体是一条从底层基础要素到成品算力芯片的完整供给链条。算力供给的底层变现水平在于芯片算力，包括EDA与IP核、芯片设计两类产业。其中EDA工具与IP核属于芯片设计环节的软基建，本质上是芯片设计与电子系统的软件，IP核则是可复用的成熟功能的电路模块，二者共同支撑芯片设计的落地。芯片设计，则是算力芯片的核心创新环节，聚焦GPU、ASIC、FPGA、CPU、HBM控制器等算力相关芯片的架构与功能设计，定义了芯片的性能、算力规格与应用场景，是技术创新的源头。

不过，算力供给并非局限于单一的芯片环节，还会受后续实体芯片协同加工环节限制。上述设计完成的芯片版图，将交付下游晶圆代工环节进行实体制造，落地为实体芯片。晶圆代工是将设计图纸转化为实体晶圆裸片，连接设计与成品的核心制造节点，晶圆企业承接上游设计厂商的版图需求，依托半导体设备与材料，通过先进制程、成熟制程、特色工艺等不同工艺路线将设计转化为实体芯片，因此也是先进制程产能约束的核心所在。先进封装与关键配套是算力芯片产品化的最终上游环节，将晶圆代工产出的裸片，通过CoWoS等先进封装技术进行集成，搭配HBM高带宽存储、光模块、网络芯片等核心配套部件，最终形成可交付的完整算力芯片，直接对接下游服务器、数据中心等算力终端需求。

整体来看，目前三大硬约束引发上游供应瓶颈。当前全球AI算力需求呈现爆发式增长，需求压力沿产业链继续向上传导，最终集中在先进制程晶圆、CoWoS先进封装、HBM高带宽存储三大核心环节。三者共同构成算力供给的刚性约束，普遍具有技术壁垒高、扩产周期长、供给集中度高的特征，持续重塑全球算力产业链供需平衡格局，成为制约AI算力规模化释放的核心瓶颈。

1.1 先进制程：扩产周期过长，芯片制造缓慢

先进逻辑制程（晶圆）是AI计算芯片的核心制造载体，其产能扩张受物理工艺极限、建厂周期、高端设备交付等多重因素限制，供给弹性严重不足，与爆发式增长的芯片需求形成显著的结构性错配矛盾。

从市场结构来看，全球先进制程晶圆生产呈现极强的寡头垄断格局。据TrendForce，2025年台积电全球晶圆代工市占率达约69.9%，截至2026年Q1，台积电在全球晶圆代工整体市占率达72.3%，其中7nm以下先进制程全球市占率超过90%，几乎垄断了全球高端AI芯片的制造产能。

供应层面，龙头晶圆厂积极扩建，但先进制程扩产周期较长，进一步引发算力成本曲线上移。为了匹配AI需求，晶圆代工厂常规通过新建产线、设备转产、跨节点调配三重手段实现扩产，但新建产线周期长达2-3年，产能爬产周期接近1-2年，新增供给无法快速响应短期爆发的需求。据台积电，先进制程供不应求的格局至少延续至2027年，2027年全球新增3nm工厂才逐步量产，全年先进产能依旧紧张，短期无供需平衡拐点。价格层面，先进制程晶圆单价随制程迭代持续攀升。当前5nm晶圆单片报价约17000美元，4nm约 18000美元，3nm约21000美元，2nm则升至29000美元左右，制程升级带来的单价上行进一步推高了晶圆供给的成本门槛。

需求层面，AI芯片需求爆发是先进制程晶圆量价齐升的核心驱动。一方面，晶圆下游需求由头部厂商主导，2026年核心需求方英伟达晶圆消费占比接近57%，其高端芯片B300产品单品类晶圆需求占比高达40%，2027年英伟达新一代旗舰算力芯片Rubin R200单产品晶圆消费预计达470千片，贡献近28%市场份额，叠加Vera CPU、Rubin Ultra等产品，持续主导需求结构；另一方面，高端制程需求攀升，催化了晶圆单耗技术的升级，2027年预计2nm制程占比将显著提升，AMD M1400系列等下一代产品均采用2nm工艺，推动高端制程需求持续上行。据摩根士丹利，2026年全球AI芯片对应的先进逻辑晶圆消费量预计约1075千片，对应晶圆代工市场规模约261亿美元；2027年预测晶圆消费量将增至1707千片，同比增长59%，对应市场规模达464亿美元，同比增长约78%，呈现显著的量价齐升特征。

1.2 带宽存储：技术壁垒限制

HBM存储芯片是AI芯片的核心配套存储，通过TSV硅通孔技术实现3D堆叠，与GPU一起封装，为计算提供高带宽、低延迟的存储支撑，是决定了大模型训练和推理性能的关键部件。不过，TSV工艺技术壁垒极高，HBM的供给呈现高度集中，成为算力供给的三大核心约束之一。

HBM的核心制造壁垒在于TSV硅通孔工艺，全球具备TSV量产能力的厂商高度集中于韩国。从产能规模上看，2026年全球DRAM行业TSV工艺总产能约471千片晶圆/月，其中三星150千片/月，SK海力士200千片/月，美光100千片/月，三家合计占比超95%；国内厂商长鑫存储仅20千片/月，南亚科技仅1千片/月，国产产能近乎空白。从供应商订单市场来看，SK海力士凭借着技术的先发优势占据着高端市场，覆盖英伟达H200等核心产品；三星覆盖了AMD微软以及部分的Google产品线，美光则逐步进入英伟达、AMD的供应链，三家厂商共同垄断全球的HBM供给。同时，AI芯片性能的升级直接拉动HBM需求的爆发式增长。据摩根士丹利，2026年全球AI芯片对应的HBM总需求为382.5万千GB，2027年预计增至632.6万千GB，同比增长约65%，需求增速远超于供给扩张的速度。

1.3 先进封装：需求高度集中，垄断扭曲市场

先进封装是连接芯片与HBM存储芯片的关键载体，直接决定了芯片的带宽和性能的上限。目前主流的2.5D先进封装技术CoWoS，供给高度垄断且需求爆发式增长，是算力产业链供需矛盾最为突出的第二个环节。此外，CoPoS、CoWoP当前仍处研发试产阶段。

从市场结构来看，在全球2.5D封装市场中，台积电仍然站绝对主导低位。据TrendForce，2025年台积电2.5D封装产能份额达70.2%，2026年预计为69.8%，2027年预计仍将维持70.6%的市场占有率，稳居行业龙头的地位。

供应层面，全行业正处于高速扩产周期，但技术壁垒使得供应结构性分化。总产能方面，2023年全球CoWoS月产能仅16千片晶圆，2025年已提升至93千片，预计今年底有望进一步提升80%至170千片/月，2027年末有望扩张280千片/月。分结构来看，技术壁垒导致供给分化严重，台积电掌握CoWoS-L大中介层工艺，是英伟达高端GPU所必需的封装技术；其余第三方厂商绝大多数仅能量产CoWoS-S、CoWoS-R等中小尺寸封装，无法切入高端GPU供应链。这意味着高端AI GPU的封装供给完全依赖于台积电，产能瓶颈的结构性特征极为突出。

需求层面，AI算力从GPU独大，进入GPU与ASIC并行的时代，云厂商自研芯片、网络交换芯片、专用加速芯片快速放量增长，带动了封装需求的多元化增长。总量需求方面，据摩根士丹利，2025年全球CoWoS总需求为689千片晶圆，2026年需求量预计翻倍增长至约1394千片，2027年有望进一步提升至2694千片。需求结构方面，下游从英伟达单极主导转向GPU和ASIC多极增长，虽然英伟达仍是最大的需求方，但核心增量来自Rubin系列的下一代GPU，占比存在持续下降风险；与此同时，ASIC厂商成为边际增长主力，2026到2027年间，博通、联发科等ASIC相关厂商需求增速远超行业平均，2027年预计AMD需求同比增长超307%，联发科同比增长350%，Marvell同比增长276.5%，GUC同比增长328.6%。

当前CoWoS是AI算力产业链中供需缺口最为突出的三大环节之一，台积电的CoWoS产能已经被头部客户提前锁定了，产能排期已经延伸到2027年，封装产能的紧缺，已经直接限制了下游AI芯片的出货规模，成为比晶圆制造更为刚性的供给约束。在供给垄断格局下，封装产能的分配权进一步强化了台积电在AI产业链地位，同时也推动了二线封装厂商引来订单外溢的发展机会。

二、算力需求：总量爆发，结构向智算倾斜

广义上的算力需求是对信息数据的处理、对复杂函数模型的训练，消费者包括厂家与个人。我们认为，当前ToB端、ToC端的算力需求，实质上已变现成市场化流通的价值商品，可称之为“算力商品”，尤其体现在其计量方式已进化成与流通货币价值挂钩的单位，如元/小时（计时收费）、Token/美元（计件收费）。对此，我们将借助“商品”来量化“需求”表达。

2.1 算力需求（商品）概况

算力需求正经历结构性爆发，智算已成为未来算力需求增长的主要增量来源。算力商品可分为通用算力、智算、边缘算力、超算，四类商品需求弹性分化悬殊，其中，智算以GPU/NPU/TPU为核心，增速最快、体量最大、弹性极高；而其他算力存在平稳或碎片化特征，如通用CPU算力标准化高但弹性低、增速趋缓，超算因面向科学计算而商品化程度最低，边缘算力因贴近终端需求而最碎片化。若按技术架构与商业化成熟度，四类的终端需求行业分布差异显著，直接决定其需求弹性与商品化潜力。

从需求爆发力看，四类算力商品的增长弹性差异悬殊。据IDC与浪潮信息联合评估，2024年中国智能算力增速达74.1%，是同期通用算力增速（20.6%）的3.6倍以上；2023至2028年智能算力年复合增长率预计达46.2%，同期通用算力仅个位数。2024年，智算按74.1%增速计算新增约308 EFLOPS，已超过超算年度服务市场规模量级。超算与边缘算力虽各有增长，但增速与弹性远不及智算，均未形成指数级爆发。

2.2 智算：指数级增长，驱动需求的关键

智算以GPU、NPU、TPU等AI加速芯片为核心，是当前增速最快、规模最大的算力商品。据IDC，中国智能算力规模将从2024年的725.3 EFLOPS增长至2028年的2781.9 EFLOPS，其增长由GPU训练与GPU推理双轮驱动，二者驱动因子与增长弹性显著不同。

 1.GPU训练算力以厂商消费为主，Capex驱动需求

GPU训练算力需求受AI军备竞赛驱动高位增长，但高度集中于互联网头部厂商，即ToB端。由于训练算力需求的绝对量（EFLOPS）难以直接统计，本报告采用资本开支反推，其中GPU占比系数取行业经验中值，参考NVIDIA数据中心营收与全球AI CapEx的比例关系（30%-50%），等效算力价格以H100租赁合约为基准，2025年全年均价约1.08美元/小时，2026年目前均价约1.26美元/小时，参考公式：

2025年阿里、字节、腾讯三家合计约3600-3700亿元，按40% GPU占比计约1480亿元用于GPU采购，金额规模足以支撑大规模训练集群部署。2026年三家合计CapEx增长至超4000亿元，进一步推动训练算力需求增速上行。

 2.GPU推理算力：厂商、个人混合消费，Token驱动需求

GPU推理算力需求是当前最具可量化验证能力的需求指标，商品Token消耗表明推理算力处于快速扩张周期。全球最大API聚合平台OpenRouter周度Token消耗量较一年前提升约7至8倍，其中国产大模型是主力驱动力。

从推理算力上计算，2024-2026年理论值从0.16 EFLOPS飙升至227 EFLOPS；若进一步按摩根大通年均复合增长率外推，2027年末理论值将达约1600 EFLOPS。价格端同步印证推理需求正处于供不应求的爆发态势，市场中H100租赁价半年涨近40%。我们通过2N scaling law，以当前主流大模型参数量级70B（Llama3-70B、Qwen-72B）为基础，借助Token调用量直接推算算力：

需指出，Token调用量实现数量级增长，并不等同于算力需求同步量级增长。一方面，模型代际演进使单Token推理成本显著下降；另一方面，算力效率每年提升约40%—60%，单卡代际跃迁使支持同样Token增长所需GPU数量增长远小于Token增速。综合抵消后，需求增速应介于Token增速与Token增速除以效率提升系数之间，方向性结论不变，绝对增速较Token增速有所收敛。

由于Token单耗的计算仅为线性外推，基于算力效率与模型升级的考虑，我们进一步根据AI Capex测算推理算力的预期需求：

综合智算细分需求领域，规模上推理智算已逼近训练智算需求，但增速上推理需求显著高于训练需求，其中推理两年增长1400倍，远超增速30%的训练智算需求。同时，价格信号表明推理侧供需缺口更大，尤其是H100租赁价半年涨40%，而训练侧价格存在刚性、弹性弱的特征。

 3.其他AI智算

非GPU智算增速可观但生态尚未成熟，暂未构成算力商品化的主导力量。据IDC，2025年NPU、ASIC、FPGA等合计占智算约42%，主要服务于特定场景的定制化推理与端侧部署。目前谷歌、亚马逊、微软等云厂商自研ASIC正成为新增长曲线，但非GPU加速卡生态成熟度与标准化程度仍远低于GPU，短期内难以撼动GPU在算力商品化中的核心地位。

2.3 其他需求：稳定、平稳与碎片化

在智算需求指数级爆发的背景下，通用算力、超算与边缘算力虽各有适用场景且保持增长，但因增速偏低、弹性不足、商品化路径受限，均无法成为算力需求增长的决定性力量。

 通用算力：数字经济刚需底座

通用CPU算力以x86/ARM服务器承载Web服务、数据库、ERP/CRM、办公自动化、传统企业IT系统等通用计算任务，是数字经济运转的刚性底座。终端需求分布最均匀：互联网38.65%，电信14.06%、政府11.25%、金融9.54%、服务/商业8.78%，覆盖几乎所有数字化场景。

不过前期终端建设需求已趋于饱和，通用算力进一步爆发动能有限，无法成为需求增长的决定性力量。通用CPU算力需求由既有IT建设和数字化转型驱动，缺乏AI技术革命带来的指数级新驱动；同时，通用CPU算力在终端需求中主要体现为信创替代，本质是存量替换而非增量扩张，党政、金融、电信等行业信创渗透率持续提升，但替换完成后增速将进一步趋缓。2024年，通用算力需求增速约20.6%，2023-2028年CAGR仅为个位数，远低于智算46.2%的爆发性增速。因此，通用算力的核心价值在于存量刚性和刚需支撑，而非增量爆发。

 超算：科研体制导向

超算面向气象预报、生命科学、高能物理、材料模拟、航空航天等前沿科学计算，是国家科技竞争力的基础设施。终端需求集中于教育与科研（47%）、制造（28%）、互联网（19%）、金融（6%），用户以国家级科研机构、高校与政府主管部门为主。不过，超算无法成为需求增长的决定性力量，与其商业化路径受限有关。由于超算用户高度集中于体制，需求增量主要来自于国家科技专项投入，绝对体量仍小，与AI驱动的市场化需求扩张机制完全不同，难以规模化扩张，且较难市场化定价，其发展短期难以改动算力供需格局。

 边缘算力：工业智能化场景

边缘算力贴近终端设备部署，主要服务于智能制造（32%）、智能交通/汽车（18%）、政府公共服务（15%）、医疗（12%）等需要低时延、本地化决策的应用场景，如工业视觉质检、车联网、智慧城市感知终端、AR/VR等。2025年市场规模增速超35%，是除智算外增速最高的品类。不过，受上商业定制化方案影响，需求绝对增量碎片化，致使边缘算力无法成为主导性算力需求。

三、总结与展望

综上，供给端，三重硬约束是产能卡脖子的关键：先进制程晶圆扩产周期通常需2-3年建厂、1-2年爬坡，短期供给弹性较低；存储芯片方面，高端HBM供给高度集中，同时受TSV、堆叠及封装等工艺壁垒限制，短期扩产弹性有限；先进封装方面，需求高速增长，但高端封装产能扩张周期较长，技术壁垒限制产能释放。

需求端，智算需求高速增长成为算力需求扩张的核心驱动：智算增速显著高于通用算力，其中借助资本开支反推法测算出GPU训练算力增速相对平稳、需求主体高度集中于头部科技厂商；同时，借助2N Scaling Law、主流模型参数、算力效率及CapEx交叉验证，测算出GPU推理算力需求增速已显著高于训练算力；此外，其他算力需求则相对平稳，通用算力、超算和边缘算力受应用场景及商业化程度限制，需求弹性相对有限。

整体来看，算力市场已形成上游供给约束、下游需求高增长格局，供需矛盾首先集中于高性能GPU产业链，并逐步向算力服务价格传导。后续我们将进一步研究厘清成本与需求的价格传导机制，致力于探讨算力标准化、基准价格形成及商品化方向，为探索未来算力期货提供市场研究基础。

作者姓名：虞璐彦

期货交易咨询从业信息：Z0023596

电话：023-81157296

获取完整研究报告，

请登录下方“中信建投期货研究”小程序

全国统一客服电话：400-8877-780

网址：www.cfc108.com

免责声明

本报告观点和信息仅供符合证监会适当性管理规定的期货交易者参考，据此操作、责任自负。中信建投期货有限公司（下称“中信建投”）不因任何订阅或接收本报告的行为而将订阅人视为中信建投的客户。

本报告发布内容如涉及或属于系列解读，则交易者若使用所载资料，有可能会因缺乏对完整内容的了解而对其中假设依据、研究依据、结论等内容产生误解。提请交易者参阅中信建投已发布的完整系列报告，仔细阅读其所附各项声明、数据来源及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注研究依据和研究结论的目标价格及时间周期，并准确理解研究逻辑。

中信建投对本报告所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本报告中的资料、意见等仅代表报告发布之时的判断，相关研究观点可能依据中信建投后续发布的报告在不发布通知的情形下作出更改。

中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见不一致的市场评论和/或观点。本报告发布内容并非交易决策服务，在任何情形下都不构成对接收本报告内容交易者的任何交易建议，交易者应充分了解各类交易风险并谨慎考虑本报告发布内容是否符合自身特定状况，自主做出交易决策并自行承担交易风险。交易者根据本报告内容做出的任何决策与中信建投或相关作者无关。

本报告发布的内容仅为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式对本报告进行翻版、复制和刊发，如需引用、转发等，需注明出处为“中信建投期货”，且不得对本报告进行任何增删或修改。亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本报告发布的全部或部分内容。版权所有，违者必究。