智通財(cái)經(jīng)獲悉，申萬宏源發(fā)布研報(bào)稱，AI Infra作為AI模型訓(xùn)練與推理的底層支撐，已成為應(yīng)用落地的關(guān)鍵 “賣鏟人”。算力調(diào)度是決定模型推理盈利水平的核心變量，國內(nèi)模型Token收費(fèi)顯著低于海外，成本敏感度更高。據(jù)測算，在單日10億查詢量下，若使用H800芯片，單卡吞吐能力每提升10%，毛利率能夠提升2-7個(gè)百分點(diǎn)。生成式AI+Agent加速滲透，AI infra軟件作為應(yīng)用部署的基礎(chǔ)設(shè)施，有望進(jìn)入高速增長期?？春酶邔?shí)時(shí)性、可靈活拓展的分布式交易型數(shù)據(jù)庫廠商(OLTP)，以及增量的向量數(shù)據(jù)庫。

申萬宏源主要觀點(diǎn)如下：

算力調(diào)度是決定模型推理盈利水平的核心變量

國內(nèi)模型Token收費(fèi)顯著低于海外，成本敏感度更高。阿里Aegaeon通過Token級調(diào)度可減少82% GPU用量，華為Flex:ai提升30% 算力利用率，高效調(diào)度能力成為模型推理廠商盈利關(guān)鍵。根據(jù)申萬宏源測算，在單日10億查詢量下，若使用H800芯片，單卡吞吐能力每提升10%，毛利率能夠提升2-7個(gè)百分點(diǎn)。

數(shù)據(jù)類Infra需求先于應(yīng)用爆發(fā)，向量數(shù)據(jù)庫成剛需

RAG技術(shù)滲透率快速提升，Gartner預(yù)測2025年企業(yè)采用率將達(dá)68%。向量數(shù)據(jù)庫作為RAG核心組件，支撐海量數(shù)據(jù)毫秒級檢索，市場需求持續(xù)高增。

AI時(shí)代數(shù)據(jù)架構(gòu)從“分析優(yōu)先”轉(zhuǎn)向“實(shí)時(shí)運(yùn)營+分析協(xié)同”，行業(yè)發(fā)生了幾點(diǎn)重要的變化：1)NoSQL+OLTP數(shù)據(jù)庫再風(fēng)靡，通過補(bǔ)充向量索引能力切入向量數(shù)據(jù)庫市場；2)數(shù)據(jù)湖、數(shù)據(jù)倉庫廠商(OLAP為主)通過并購、合作方式引入AI模型，向全棧工具邁進(jìn)。

MongoDB憑借 “低門檻 + 高彈性”，契合中小客戶低成本AI落地需求，增長彈性突出。MongoDB作為文檔型NoSQL數(shù)據(jù)庫，其適配非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)與高頻實(shí)時(shí)CRUD操作，契合AI原生應(yīng)用與Agent需求，2025年收購Voyage AI補(bǔ)齊向量檢索能力。FY26Q3核心產(chǎn)品實(shí)現(xiàn)30%增速，增長彈性突出。

Snowflake與Databricks靠全流程工具鏈和客戶粘性，占據(jù)數(shù)據(jù)密集型行業(yè)核心場景，但需應(yīng)對CSP跨界競爭與實(shí)時(shí)能力短板。Snowflake與Databricks以O(shè)LAP為核心向全棧工具延伸，靠海量數(shù)據(jù)處理能力成為中大型企業(yè)首選，但TP能力暫有不足(尤其是Snowflake)，面臨中小市場滲透與云廠商擠壓壓力。

GPU主導(dǎo)數(shù)據(jù)控制中心，存儲(chǔ)與數(shù)據(jù)庫技術(shù)升級

NVIDIA推出SCADA方案實(shí)現(xiàn)GPU直連SSD，將IO延遲降至微秒級。向量數(shù)據(jù)庫需適配GPU并行計(jì)算，通過列式存儲(chǔ)、算子重寫等技術(shù)升級，匹配AI實(shí)時(shí)推理需求。

相關(guān)標(biāo)的

MongoDB(MDB.US)、達(dá)夢數(shù)據(jù)(688692.SH)、英方軟件(688435.SH)、Snowflake(SNOW.US)、深信服(300454.SZ)等。

風(fēng)險(xiǎn)提示

商業(yè)化與IT支出不及預(yù)期；生態(tài)競爭加劇風(fēng)險(xiǎn)，云廠商自研與平臺(tái)整合擠壓份額；技術(shù)迭代與產(chǎn)品成熟度風(fēng)險(xiǎn)。

本文源自：智通財(cái)經(jīng)網(wǎng)