智通財經APP獲悉，中信建投證券發布研究報告稱，2026上半年測試儀器、光模塊、GPU/ASIC板塊持續表現較好，反映AI算力需求旺盛。2026Q2線纜板塊歸母淨利潤按年增長205%，光纖光纜景氣度持續提升。2026Q2，公募基金通信行業持倉市值佔比達到11.56%，再創新高，主要持倉集中在光模塊、光器件、光芯片及光纖光纜等方向。北美四家CSP廠商公布二季報，持續加碼資本開支。北美四大雲廠商2026Q2合計資本開支約1712億美元，按年增長78.6%，預計2026年總資本開支約7325億美元(中值測算)，且預計2027年仍保持較快增長。持續看好AI發展，維持對北美算力產業鏈和國產AI算力產業鏈的長期看好。

1.通信板塊營收平穩增長，盈利能力保持較高水平。

2026H1，A股通信板塊實現營收14010.74億元，按年增長5.83%；歸母淨利潤1463.63億元，按年增長6.14%，利潤增速略快於收入增速。2026H1通信板塊綜合毛利率為28.10%，按年下降1.24pct，淨利率為10.99%，按年下降0.11pct。單季度來看，2026Q2通信板塊實現營收7261億元，按年增長5.8%，歸母淨利潤916億元，按年增長6.89%；綜合毛利率為29.87%，按年下降1.63pct，整體盈利能力保持穩健。

2.電信運營商受增值稅調整影響，利潤下滑。

三大運營商受增值稅調整影響，疊加個人端業務面臨一定壓力，收入利潤下滑，2026H1合計實現營收9999億元，按年下降1.53%，實現歸母淨利潤1080億元，按年下降6.75%。

3. 2026H1測試儀器、GPU/ASIC、光模塊/光器件板塊表現突出，Q2線纜板塊利潤大幅增長。

2026H1歸母淨利潤表現突出的包括：測試儀器(5.93億元，按年增長549%)、GPU/ASIC(29.12億元，按年增長401%)、光模塊/光器件(240.60億元，按年增長147%)。2026Q2歸母淨利潤增速前三的板塊為測試儀器(4.89億元，按年增長505%)、GPU/ASIC(19.68億元，按年增長245%)、線纜(69.58億元，按年增長205%)。

4. 公募基金通信行業持倉進一步集中於光通信板塊。

2026Q2，公募基金通信行業持倉市值達到7944.92億元，持倉市值佔比11.56%，創新高，主要持倉集中在光通信板塊。截至2026年9月1日，申萬通信指數PE-TTM為57.04，處於5年以來92.91%分位點，處於10年以來87.84%分位點。

北美CSP廠商資本開支持續加碼，全球大模型進入快速商業化

北美CSP廠商資本開支持續加碼，英偉達FY2028指引超預期

北美四家CSP廠商公布二季報，持續加碼資本開支。北美四大雲廠商2026Q2合計資本開支約1712億美元，按年增長78.6%、按月增長約30%，AI基礎設施投資繼續明顯提速。Amazon、Google、Meta均進一步上調2026年資本開支指引，微軟雖然由於數據中心租賃會計分類變化將賬面CapEx預期調整至約1750億美元，但公司強調其實際基礎設施投資計劃並未下調。按Amazon 2200億美元、微軟投資規模約1750億美元、Google指引中值2000億美元、Meta指引中值1375億美元測算，四家2026年合計資本開支約7325億美元，較一季報時約7100億美元的預期進一步提升。我們持續看好AI發展帶來的算力需求，維持對北美算力產業鏈和國產AI算力產業鏈的長期看好。

亞馬遜2026年二季度資本開支約542億美元，按年增長68.4%，繼續主要用於AWS及生成式AI基礎設施建設；AWS二季度收入達到422億美元，按年增長37%，創18個季度以來最快增速。公司將2026年現金資本開支預期由約2000億美元上調至2200億美元，主要反映內存等零部件價格上漲以及AI基礎設施需求持續旺盛。管理層表示，即使資本開支進一步提升，2026年仍無法滿足全部需求，預計2027年供需偏緊的情況仍將延續。

微軟2026年二季度(FY2026Q4)資本開支達到410億美元，按年增長69.4%，其中約三分之二用於GPU、CPU等短周期資產，其餘主要用於數據中心等長期資產；客戶需求仍持續超過現有產能。由於微軟自FY2027起將數據中心和辦公樓預計使用壽命由15年延長至25年，部分未來數據中心租賃將由孖展租賃轉為經營租賃，因此公司將2026日曆年賬面資本開支預期由約1900億美元調整至約1750億美元，但明確表示實際基礎設施投資規模並未下調，主要是約150億美元支出從CapEx口徑移出。此外，公司預計FY2027資本開支仍將按年增長。

谷歌2026年二季度資本開支達到449億美元，按年約翻倍，較一季度357億美元進一步增長26%，其中技術基礎設施投資約60%用於服務器、40%用於數據中心和網絡設備。受Google Cloud及AI算力需求持續旺盛推動，公司再次將2026年資本開支指引由此前的1800—1900億美元上調至1950—2050億美元，中值達到2000億美元。公司表示本次上調主要由於加快算力產能交付以滿足需求，同時預計2027年資本開支仍將顯著增長。

Meta2026年二季度資本開支達到311億美元，按年增長82.7%，較一季度198億美元按月增長57%，主要用於服務器、數據中心和網絡基礎設施建設。公司將2026年資本開支指引由此前的1250—1450億美元進一步收窄至1300—1450億美元，中值約1375億美元，顯示AI基礎設施投入仍在持續加碼。同時Meta正在通過與BlackRock等外部資本合作建設數據中心，部分AI基礎設施投入可能不會完全反映在傳統CapEx口徑中，因此其實際算力擴張規模可能高於表內資本開支。

英偉達FY2027Q2業績全面超預期，FY2028營收按年增速指引高達70%，全球AI算力需求持續高景氣。英偉達FY2027Q2(截至2026年7月26日)實現營收962.2億美元，按年增長106%，其中數據中心收入達到890億美元，按年增長117%、按月增長18%，系核心增長引擎；GAAP淨利潤約596.9億美元，按年增長126%，GAAP毛利率約75.0%。展望FY2027Q3，公司預計營收達到1080億美元±2%，對應按年增長約89%，且該指引未包含來自中國市場的數據中心計算收入，顯示全球AI算力需求仍保持高景氣。此外，公司管理層在財報電話會上首次給出了下一財年的全年初步收入指引，預計公司FY2028營收將實現按年增長約70%，遠超市場預期，並表示該增速是供應約束下可實現的水平，若無供應約束，潛在需求增速預計會更高，這一指引顯著提升了全球AI算力中期增長的確定性和可見性。

客戶需求旺盛帶動產品價值量代際躍升。AWS與英偉達近日宣佈，計劃在2027-2028年新增部署200萬顆Blackwell Ultra、Rubin及Rubin Ultra GPU。此前AWS在今年GTC僅計劃自2026年起新增超過100萬顆GPU，短短約5個月後進一步追加200萬顆，官方明確表示原因是需求超過此前預期。雙方還將在Spectrum網絡、Vera CPU以及AI Factory等領域繼續擴大合作。英偉達管理層表示，Vera Rubin已於8月開始量產出貨，部署每GW算力為英偉達帶來的收入機會(revenue opportunity)，已從Hopper架構的約180億美元、Blackwell架構的約250億美元，預計將躍升至Vera Rubin架構的約400億美元。算力平台價值量持續抬升，充分反映出AI算力旺盛的終端需求，以及算力基礎設施向全棧系統方案演進的行業趨勢。

AI需求正從超大規模雲廠商向更多元化客戶擴散。英偉達FY2027Q2的財報顯示，數據中心業務內部，ACIE(AI雲、工業及企業)板塊收入達403億美元，按年增長138%，增速快於Hyperscale(超大規模客戶)板塊的102%。ACIE收入佔比已提升至數據中心業務的45%，顯示出AI算力需求正從亞馬遜、微軟、谷歌等頭部雲廠商向更廣泛的新興AI雲服務商(NeoCloud)、工業、企業及主權AI實體快速滲透。其中，英偉達管理層在財報電話會上表示，他們的NeoCloud合作伙伴正以更低的token成本快速部署上線算力，預計到2026年年底其總裝機容量將從2025年底的約3吉瓦提升至8吉瓦，多元化客戶正在成為本輪AI算力擴張的重要增長來源。

總體來看，伴隨Blackwell系列產品持續大規模放量，下一代Vera Rubin平台正式進入量產爬坡階段，傳統超大規模雲廠商、NeoCloud、工業、企業以及主權AI實體的多元算力需求形成合力，共同驅動英偉達FY2027Q2營收實現高增，疊加英偉達歷史首次給出FY2028全年初步收入指引，下游客戶採購訂單不斷上修、單GW算力對應的收入機會代際抬升等多重信號相互印證，充分說明全球AI算力資本開支依舊處在強勁上行周期，算力需求不僅具備短期高景氣，同時中期增長的確定性與可見性也得到進一步強化。

全球大模型進入快速商業化。Anthropic截至2026年7月底年化收入超過650億美元，較2025年末約90億美元增長約622%，七個月擴大至原來的7.2倍；較5月的470億美元兩個月再增長約38%。2026Q2初步收入超過115億美元，按年增長約14倍。Claude Code仍是重要增長引擎，但隨着企業級Agent和通用工作流快速放量，收入結構正在由單一Coding向更廣泛的Enterprise AI擴展。公司近期相繼簽署450億美元Nscale和350億美元Lambda雲算力合作，商業需求正在轉化為確定的算力擴張。

OpenAI加速由Chat向Coding、Co-work及多元商業模式延伸。截至2026年7月，OpenAI年化收入超過400億美元，較2025年末接近翻倍，7月單月年化收入按月增長超過20%。Codex與ChatGPT Work合計周活用戶突破1000萬，其中超過100萬用戶已經將Codex用於非編程工作，Agent正在由開發者工具擴展至金融、法律、招聘及運營等知識工作場景。8月底ChatGPT Ads年化收入進一步達到10億美元，商業模式由訂閱和API向Agent、企業服務及廣告持續延伸。

中國互聯網廠商的AI收入進入規模化兌現階段。字節跳動2026年7月AI相關年化收入約40億美元，並將飛書產品團隊併入豆包體系、銷售及客戶服務團隊併入火山引擎，進一步打通AI應用、MaaS、SaaS與雲計算。阿里2026年二季度AI雲及計算服務收入達到484.4億元，按年增長45%；其中大模型MaaS業務ARR超過160億元人民幣，約合24億美元，成為國內規模最大的企業級大模型服務之一。

國內獨立模型廠商收入同步放量。智譜8月底MaaS平台ARR按月度年化達到16億美元，按最新周度年化超過20億美元；2026H1開放平台及API收入8.25億元，按年增長約27倍，佔收入比例升至86.5%，API毛利率提升至24.6%，單位Token推理成本較年初下降80%，1GW級國產算力中心已經建成並部分投運。MiniMax 8月ARR據市場口徑超過8億美元，H1企業服務收入按年增長703%，佔比升至63.4%；Kimi 6月ARR約3億美元，並於9月正式啓動香港IPO進程；DeepSeek最新年化收入也獲得了大幅增長。

商業化的加速正成為AI商業邏輯閉環的重要一環。Coding率先驗證了大模型的付費意願，下一階段增長將更多來自企業Agent、Co-work及長程任務。此類任務需要更長上下文、多輪推理、工具調用和反覆執行，單任務Token消耗顯著高於傳統Chat。因此，即使單位Token價格持續下降，總調用量和推理算力需求仍可能加速增長，大模型商業化與算力資本開支正在形成相互強化的正反饋。

OpenRouter平台Token調用量加速上行，8月單月接近翻倍，全球AI滲透率加速提升。調用量5—6月持續增長，7月短暫調整，8月重新加速。OpenRouter平台周度Token調用量由5月18日至24日的28.9T提升至6月15日至21日的46.7T，不到一個月增長約62%；7月中旬繼續創出階段性高點，隨後連續兩周小幅回落，7月27日至8月2日降至56.8T，體現新模型發布和免費流量帶來的短期波動。8月周度調用量連續創出新高。平台周度Token調用量由7月27日至8月2日的56.8T，依次提升至69.0T、約75.3T、93.4T和113T；8月24日至30日達到113T，按月增長21.1%，四周累計增長約99%，一個月接近翻倍。相比2026年3月底的22.8T，當前調用量已擴大至約4.96倍；相比2025年12月底的5.5T，九個月擴大至約20.5倍。

Coding、Agent和高性價比模型共同驅動調用量增長。OpenRouter數據顯示，Agent任務單次請求消耗的Token約為普通人工交互的15倍，Agent產生的Token量自2026年2月起已經超過普通人工調用。8月24日至30日，中國模型周調用量達到55.16T，按月增長36.3%，連續十八周超過美國模型；GLM-5.3-Flash、DeepSeek V4 Flash和小米MiMo-V2.5包攬前三，反映國產開源模型正憑藉能力、價格和開放生態進入海外開發者的真實工作流。調用量增長正在向商業價值轉化。OpenRouter平台的任務消費金額中，通用任務、代碼和Agent分別佔32.4%、30.3%和28.7%，其中Workflow Execution佔平台總消費金額的18.7%，成為付費價值最高的細分場景之一。

雖然OpenRouter數據不能直接等同於全球大模型市場規模或模型廠商收入，但可以作為開發者及企業API需求的重要高頻指標。周度Token調用量持續上升，且增長從Chat和模型測試轉向Coding、Agent及複雜工作流，說明大模型正在更深地嵌入生產環境。隨着單任務運行時間、工具調用次數和上下文長度不斷提升，即使單位Token價格下降，總Token消耗及推理算力需求仍有望保持高速增長。

全球大模型能力仍處於快速提升階段，尚未進入能力平台期。根據Artificial Analysis Intelligence Index，最新一代頭部模型綜合得分已經提升至60—66分區間，在複雜推理、編程、數學及長程Agent任務上的能力邊界持續外擴。模型迭代周期仍保持在數月級，每一輪升級都在可完成任務的複雜度、長度和可靠性上取得明顯突破。海外閉源模型依然領跑全球智能前沿。Claude系列佔據排行榜前列，OpenAI、xAI、Meta等廠商的最新模型也處於第一梯隊。海外頭部實驗室在預訓練規模、強化學習、推理計算和Agent系統工程方面仍具領先優勢，特別是在複雜編程、長程任務、工具調用及任務成功率方面，整體能力仍領先於國內模型。

國內開源模型追趕速度明顯加快。Kimi K3 Max和GLM-5.3 Max的AA綜合得分均達到60分，與GPT-5.6、Grok 4.6等海外一線模型僅相差1分；Qwen3.8、GLM-5.3 Flash分別達到58分和57分。國產模型正在從過去的「低成本、基本可用」邁向全球前沿能力競爭，並憑藉開源、低價格及國產算力適配等優勢，在Coding和Agent場景中逐步接近以Codex為代表的海外頭部編程智能體。

此外，OpenAI於9月3日推出GPT-6 Astra，官方披露其在複雜推理、編程、計算機使用、研究及多步驟任務方面實現新一輪躍升，網絡安全和長程Agent能力較GPT-5.6 Sol顯著提高。目前GPT-6 Astra尚未被AA納入統一評分；但其推出再次表明，海外模型仍在推動全球智能前沿快速上移，國內開源模型雖然追趕迅速，前沿模型能力競賽仍在持續加速。

AI能力正從回答問題快速躍遷到自主完成長周期工作。Claude可處理的任務跨度已從2024年的約4分鐘提升至Mythos Preview的至少16小時，開放式Coding任務成功率在六個月內提高50個百分點至76%。能力提升已經轉化為真實生產力：Claude生成了Anthropic超過80%的生產代碼，典型工程師代碼吞吐量較2024年提高約8倍。大模型不再只是提高單次代碼編寫速度，而是開始獨立完成理解代碼庫、制定方案、調用工具、運行測試、排查錯誤和交付結果的完整工程閉環。Coding正在成為AI邁向RSI的第一條現實路徑。代碼擁有編譯器、單元測試和性能指標等低成本驗證器，使模型可以反覆進行「生成—運行—評價—改進」。Claude對小模型訓練程序的優化能力由Opus 4的約3倍提升至Mythos的約52倍；在開放式研究項目中，多Agent系統恢復了97%的目標性能差距，而兩名人類研究員一周僅恢復23%。這意味着模型已經不只會編寫產品代碼，也開始改進訓練程序、設計和運行實驗、分析結果，並參與創造更強AI所需的研發過程。

下一階段的核心是從Coding Agent走向AI研發Agent，並逐步形成RSI閉環。模型首先生成更好的代碼和算法，隨後修改Prompt、Memory、Tools和Agent Harness，再進一步優化訓練數據、獎勵函數、訓練框架乃至模型參數；如果改進後的模型又更擅長研發下一代模型，就會形成「AI改進AI—後繼模型更強—研發速度進一步提升」的遞歸循環。當前Claude在目標明確的研發執行環節已經接近或超過熟練人類，但研究問題選擇、評價標準和最終驗證仍主要由人類掌握，距離完全自主設計和訓練後繼模型的強RSI仍有關鍵一步。

RSI是Recursive Self-Improvement，即「遞歸式自我改進」：AI不僅完成任務，還開始參與改進製造下一代AI的研發流程。「遞歸」就是一輪改進能夠幫助下一輪改進。當前模型參與AI研發，幫助訓練出更強的模型；更強的模型再憑藉更好的代碼、實驗和研究能力參與下一輪研發。這樣反覆迭代，AI改進AI的能力就會不斷提高。RSI可以發生在不同環節。包括修改當前回答、記住過去的經驗、積累新的技能，也可以生成訓練數據、設計獎勵規則、優化訓練代碼和提出研究方案。關鍵在於，這些改進能否被保存，並在之後的任務或模型訓練中繼續發揮作用。Anthropic將AI參與AI研發分為五個階段：人類獨立研發、聊天機器人輔助、編碼智能體、自主智能體和閉合循環。Anthropic認為自己目前處於第四階段——自主智能體；下一階段是AI自主設計、訓練和改進下一代模型的「閉合循環」，也就是完整RSI所指向的狀態。