炒股就看金麒麟分析师研报，权威启恒配资，专业，及时，全面，助您挖掘潜力主题机会！
（来源：网易科技）
随着生成式AI应用加速渗透，AI基础设施软件（AI Infra）正成为应用落地的关键“卖铲人”，算力调度能力已成为决定模型推理盈利水平的核心变量。
近期，申万宏源研究黄忠煌团队发布了深度报告《AI Infra：应用渗透下的又一卖铲》，报告指出基础设施软件正迎来黄金发展期。与模型训练阶段被巨头垄断不同，推理和应用部署环节为独立软件厂商打开了新的商业空间。当前两类产品最为关键：算力调度软件和数据类软件。
算力调度能力直接决定模型推理服务的盈利水平。根据测算，在单日10亿查询量下，若使用H800芯片，单卡吞吐能力每提升10%，毛利率能够提升2-7个百分点。
数据层面，向量数据库已成刚需，Gartner预测2025年企业RAG技术采用率将达68%。海外数据厂商如MongoDB在2024年二季度收入增速出现明显拐点，验证了这一趋势。
算力调度：推理盈利的核心变量
AI Infra指的是专门为AI工作负载的设计、构建、管理和优化的底层硬件与软件系统。 它的核心目标是高效、大规模地完成AI模型的训练和推理任务。如果将开发大模型比做是 “造房子”，那 AI Infra 就是“工具箱”，包括构建、部署和维护人工智能 (AI) 系统所需的硬件、 软件和服务的组合。
国内模型价格战背景下，成本控制成为生死攸关的问题。Deepseek V3官方定价仅为每百万token输入2元、输出3元启恒配资，而海外同类产品价格普遍在1.25-5美元之间。这种显著的价格差异使得国内厂商对成本的敏感度远超海外。
大厂算力调度能力对比：
报告数据表明，算力调度软件已成为提升毛利率的隐形杠杆：
这也解释了为何海外三大云厂商的云业务毛利率差异显著：2025年三季度，谷歌云毛利率为43.3%，微软智能云为34.6%，而亚马逊AWS仅为23.7%。随着AI大模型云收入占比持续提升，硬件调度能力对毛利率的影响将愈发关键。
向量数据库：RAG应用的刚需基础
大模型幻觉问题催生了RAG（检索增强生成）技术的快速普及。由于大模型无法直接记住大量企业私有知识，且缺乏外部知识时容易产生幻觉，RAG成为企业部署AI应用的标配。Gartner数据显示，2024年全球已有45%的企业在智能客服、数据分析等场景中部署RAG系统，预计2025年这一比例将突破68%。
报告指出，向量数据库的核心价值在于支撑海量数据的毫秒级检索。在RAG应用推理流程中，系统需要先将用户查询转化为向量，然后在向量数据库中检索最相似的知识片段，最后将检索结果与用户问题一起输入大模型生成答案。这要求向量数据库能在亿级数据规模下保持高QPS（每秒查询数）的实时检索能力。
OpenRouter统计数据显示，从2024年四季度开始，从API接口接入各类大模型的Token消耗量快速增长，一年时间内翻了近10倍，直接拉动了向量数据库需求。
数据库格局重塑：OLTP反攻，实时性为王
生成式AI时代，数据架构正从"分析优先"转向"实时运营+分析协同"。传统数据仓库/湖仓架构设计目标是批量处理和事后洞察，但AI应用需要毫秒级响应，Agent更需要持续获取实时数据并快速决策。这种高频、小批量、低延迟的实时事务处理需求，正是OLTP（在线事务处理）数据库的核心优势。
报告指出，AI时代数据架构从‘分析优先’转向‘实时运营 + 分析协同’...MongoDB 凭借‘低门槛 + 高弹性’，契合中小客户低成本 AI 落地需求，增长弹性突出。Snowflake 与 Databricks...需应对CSP跨界竞争与实时能力短板。
具体来看：
GPU主导存储架构：技术升级进行时
AI推理进入实时化、PB级数据访问的新阶段，存储IO正从"幕后支撑"变成"性能命脉"。LLM推理的KV缓存访问粒度仅8KB-4MB，向量数据库检索更是低至64B-8KB，且需要支持数千条并行线程的并发请求。
英伟达推出的SCADA（加速数据访问扩展）方案实现了GPU直连SSD，将IO延迟从毫秒级降至微秒级。该方案采用"GPU-交换机-SSD"直连架构，测试数据显示，1颗H100 GPU的IO调度效率是Gen5 Intel Xeon Platinum CPU的2倍以上。
这要求向量数据库进行技术升级：采用GPU适配的列式存储、将检索算法改为GPU并行版本、自主管理GPU显存分配启恒配资。这些技术演进正在重塑数据基础设施的竞争格局。
海量资讯、精准解读，尽在新浪财经APP
科元网提示：文章来自网络，不代表本站观点。
