同顺号-创作平台

　　摘要

　　本篇为AI系列深度报告第九篇。我们从材料下游公司出发，洞察下游需求情况，主要分析美股和港股比较有代表性的AI龙头企业，从资本开支情况、收入规模、盈利能力、现金流、模型性能、AI应用等方面，对化工AI新材料下游行业整体发展状况进行梳理。

　　① Capex上调成为共识，AI基建进入“加速建设+可见交付”阶段：2025年Q3海外主流AI大厂电话会普遍表达进一步上调资本开支意向，投入方向集中在算力、数据中心与电力配套；订单/交付排期成为管理层信心的重要锚。海外AICapex总量近两年快速扩张并在2025年继续加速：美国主要AI龙头公司资本开支从2023Q1的362.28亿美元上升到2024Q4的793.87亿美元，再到2025Q3的1,119.30亿美元，约两年时间扩大到约3倍规模。

　　② 中美业绩分化与时间差仍在，海外硬件与云更先兑现，国内整体相对滞后但结构性增量明确。北美AI产业链中，硬件与基础设施环节率先释放利润弹性，海外主要大厂2025年前三季度营收1.4万亿美元（同比+18%），净利润3799亿美元（同比+35%）。其中硬件厂商增速最快：英伟达前三季度营业收入1478亿美元（同比+51%），净利润771亿美元（同比+76%）；国内AI应用型公司整体业绩表现相对平淡，主要AI应用大厂2025年前三季度营业总营收2879亿美元（同比+10%），净利润405亿美元（同比-1%），但AI板块增速与投入强度持续提升，部分公司开始披露AI业务收入并保持高增长，后续仍处在爬坡阶段。

　　③ 推理成本下行是需求放量的底层推手，token消耗量登上新台阶：随着模型迭代与推理效率提升，不同智能水平模型单位调用价格呈阶梯式下移，显著改善应用侧单位经济性，根据ArtificialAnalysis，GPT3.5调用成本从2022年11月每百万token20美元降至2024年10月0.07美元，降幅超过280倍；叠加能力升级，大模型token使用量稳定在高位区间并持续增长，截至2025年12月大模型周度Token总使用量达5.79万亿，较年初提升11倍，推动AI从试用阶段走向“高频调用+规模化部署”阶段。

　　④ 中美大厂在“自研基础模型”上的布局已经从单点能力竞争进入到全模态覆盖率的对比：语言模型基本成为标配，差异主要拉开在语音、图像、尤其是视频三条线。无论美国还是中国，头部玩家几乎都具备自研语言模型能力，大模型底座已从“可选项”变为平台公司与AI原生公司争夺生态入口的必需品。视频模型是当前差异最大的维度，也是“投入强度最高”的一环。

　　投资建议：

　　需求向上游材料传导的确定性增强：AI基建扩张将带动化工新材料进入景气兑现期。当Capex继续上行、数据中心与算力设备进入集中建设与交付阶段，上游关键材料如电子树脂、Q布、半导体前驱体等将受益于“新增产能建设+硬件迭代升级”双重驱动，建议关注东材科技、莱特光电等；AI垂类应用正加速向化工全链条渗透：设备端聚焦“AI+机器人”高危巡检；研发端看好“AI+自动化实验”驱动的分子发现及工艺优化；产品端关注AI辅助配方升级与新材料迭代。建议关注中控技术、志特新材等。

　　风险提示：

　　下游需求不及预期风险； AI普及速度不及预期风险；原材料价格波动风险；行业竞争加剧风险；新材料研发与国产替代进度不及预期风险；新建项目与产品验证进度不及预期风险; 下游资本开支不及预期;新技术迭代风险。

　　+

　　目录

　　一、AI应用前期广阔，业绩赋能已初步兑现

　　1.1 2025年Q3主要AI大厂电话会均表达出上调资本开支意向

　　1.2 中美公司业绩分化明显，需求爆发存在时间差

　　二、2025年AI下游发展迅速，模型快速迭代

　　1.模型使用成本持续下降，token使用量稳定在5万亿次以上

　　2. 2025年是模型密集爆发之年

　　3. 国外模型整体更均衡，国内模型更强调单项能力和性价比

　　三、投资建议

　　3.1 东材科技

　　3.2 晶泰科技

　　3.3中控技术

　　3.4 志特新材

　　3.5 雅克科技

　　3.6 莱特光电

　　四、风险提示

　　正文

　　一、AI应用前期广阔，业绩赋能已初步兑现

　　本篇报告纳入美股和港股比较有代表性的AI大厂，包括美国主要AI相关公司：META、谷歌、微软、亚马逊、英伟达、博通、甲骨文以及中国主要AI相关公司：阿里巴巴、百度、快手、美团、腾讯、小米。我们从资本开支情况、收入规模、盈利能力、经营状况等方面，对2025年前三季度化工AI新材料下游行业整体发展状况进行梳理。

　　1.1 2025年Q3主要AI大厂电话会均表达出上调资本开支意向

　　在2025年第三季度业绩会上，主流 AI 大厂管理层对 AI 发展前景的判断呈现出高度一致的乐观态度，且这种乐观并非停留在叙事层面，而是明确体现到资本开支、算力与数据中心扩张节奏、以及产品与变现指标上。

　　当前AI商业化路径较为清晰，应用端以广告、云服务与企业交付为主要抓手，基础设施端以“可见订单/交付排期”强化信心。在应用侧，Meta 强调 AI 对广告转化与创意生产的直接提升；谷歌强调生成式 AI 产品收入与云端客户使用量增长；国内部分公司也强调 AI 相关收入的增速与投入强度；在供给侧，英伟达、博通等强调数据中心客户扩张、产品迭代与交付节奏，说明管理层对需求的信心越来越依赖“可衡量的订单与交付指标”，而非仅靠概念预期。这种“两端对齐”的信号表明：AI 正从“技术验证期”加速走向“规模化经营期”，收入与算力投入之间的链路在逐步闭环。

　　AI大厂资本开支整体趋势是总量快速上行且在2025年继续加速。美国主要AI龙头公司资本开支从2023Q1的362.28亿美元上升到2024Q4的793.87亿美元，再到2025Q3的1,119.30亿美元，约两年时间扩大到约3倍规模。AI基建与算力供给正在进入更大规模的建设与交付期。这种上行更像是“产能竞赛”而不是短周期的可选投资，反映出对未来AI需求增长与商业化兑现的信心较强。

　　中美公司在投入规模与节奏上出现更显著分层，国内资本开支相对克制但结构性加码。阿里资本开支由2024H2的约76.31亿美元开支提升至2025H1的约98.56亿美元，出现明显台阶式上移；腾讯资本开支由2024H1的约42.48亿美元在2024H2冲高至约131.16亿美元，2025H1回落至约80.24亿美元，显示其更偏向阶段性集中投入与项目节奏驱动，但整体投入水平较2024H1仍显著抬升。相比之下，百度、美团等公司资本开支整体更平稳，快手、小米等呈温和上行，说明国内并未出现全行业同步的高强度扩张，而是更强调与主营业务需求匹配、在投入产出与现金流约束下进行可持续的算力与数据中心投入。

　　从未来资本开支最新指引与披露看，亚马逊2025年资本开支计划约1250亿美元（较此前1000亿美元上调）；谷歌2025年指引约910–930亿美元（较此前850亿美元上调）；Meta维持2025年700–720亿美元并上调区间上限；微软管理层在2025年Q4与2026年Q1电话会中均给出更积极展望。

　　国内公司管理层在资本开支预期上没有给出量化指引，但依旧释放出明确的投入预期。阿里强调不排除在已承诺的三年3800亿元人民币投资之外进行额外投入，百度强调AI领域累计投入已超1000亿元并将持续加大，快手指引资本性支出将实现中高双位数同比增长，腾讯表示2025年实际资本支出可能低于此前指引区间但仍高于2024年。

　　1.2 中美公司业绩分化明显，需求爆发存在时间差

　　中美AI大厂存在业绩分化，AI带来的增量率先在北美硬件厂商爆发。海外主要大厂2025年前三季度营收1.4万亿美元，同比增速18%；净利润3799亿美元，同比增长35%。其中，AI硬件厂商增速最快：英伟达2025年前三季度营业收入1478亿美元（yoy51%），净利润771亿美元（yoy76%）；博通前三季度营收489亿美元（yoy24%），净利润176.23亿美元（260%）。

　　中国主要AI应用大厂业绩增速相对缺少亮点。2025年前三季度营业总营收2879亿美元（yoy10%），净利润405亿美元（yoy-1%）。其中，小米和腾讯收入增速最高，前三季度营收分别为477亿美元（yoy30%）和781亿美元（yoy12%）。百度受到在线营销业务收入下降影响，前三季度总营收72亿美元（yoy-15%）。美团核心本地商业板块受到市场竞争影响，前三季度净利润转负，为-11.51亿美元（yoy-127%）。总体来看，中国主要AI大厂总体业绩相对平淡，但从结构上来看，AI板块依旧带来了明显增量。比如，百度首次披露AI业务收入，整体同比增长超50%。

　　中美AI产业链的盈利结构分化依然显著，海外7家龙头AI公司的毛利率中枢更高且更稳定，而国内6家公司受竞争与商业化节奏影响波动更大。海外部分，英伟达毛利率由2020年前后的60%+抬升并在2023–2024年维持在70%上下的高位，体现出AI芯片供需紧张与产品结构升级带来的议价能力；微软、谷歌毛利率整体维持在60%上下，在资本开支加速背景下仍保持较强韧性，说明云与AI服务的规模效应在持续释放。

　　国内部分，腾讯毛利率近两年回升至50%+，体现高毛利业务占比提升与成本控制改善；阿里毛利率缓慢修复至40%上下，但整体仍受电商与云业务结构影响；快手通过广告与商业化效率改善毛利率提升到50%+；相对而言，百度毛利率下行压力较大并在2025Q1-3出现明显走弱，小米毛利率处于低位缓慢抬升。总体来看，AI相关投入短期会抬升折旧与算力成本，但在海外更多被高毛利的云与硬件环节吸收并转化为利润弹性；国内则呈现“头部修复、部分公司承压”的格局，需求爆发与盈利释放相对滞后，毛利率改善更依赖商业化效率与业务结构优化。

　　在特定投入周期下，部分企业自由现金流明显承压，但海外AI行业整体依旧保持健康状态。微软在2024Q4短暂回落至64.87亿美元后，2025Q1–Q3迅速修复至256.63亿美元，体现云业务现金创造能力对AI投入的覆盖；Meta维持在90–160亿美元的高位区间，现金流稳定性较强。英伟达则在2024Q1–Q4持续走高，并在2025Q1冲高至261.87亿美元，随后2025Q2回落至134.70亿美元、2025Q3再度抬升至221.14亿美元，具备高弹性波动特征。相对而言，亚马逊现金流波动更明显（2025Q1-80.0亿美元转负，2025Q2–Q3回到3.32/4.3亿美元的低位），以及甲骨文在2024Q3–2025Q3连续为负（从-26.66到-99.67亿美元）。

　　国内AI龙头公司资金压力更加明显。腾讯、小米、百度、快手在2024H1–2025H1保持为正，经营现金回收改善与投入相对可控；而阿里在2025H1出现显著转负（-156.68亿美元），与其AI/云相关投入加速的叙事一致，短期现金流压力更集中释放；美团2025H1现金流转负（-41.46亿美元）。

　　二、2025年AI下游发展迅速，模型快速迭代

　　1.模型使用成本持续下降，token使用量稳定在5万亿次以上

　　算力作为AI应用落地的核心基础设施，其供给能力与成本结构的变化直接推动AI应用的商业化进程。根据Artificial Analysis《Artificial Analysis State of AI2025 Q3》，不同智能水平模型的单位推理价格随时间呈阶梯式快速下移。例如，GPT-4单位推理成本从2023年3月的每百万token32元，降至2025年1月的每百万美元0.06美元，降幅近300倍。推理侧算力成本及模型调用成本的快速下降，为AI应用商业化提供了底层经济性支撑。

　　模型调用成本下降叠加性能升级推动使用量大幅提升。根据OpenRouter数据，截至2025年12月，大模型周度Token总使用量达5.79万亿，较年初提升11倍。自2025年9月底以来，周度使用量基本稳定在5万亿以上；其中11月最后一周一度突破7万亿；从厂商结构看，2025年12月第三周，Google与xAI的周度Token使用量分别为1.32万亿和0.86万亿，合计占比约38%，为当前使用量贡献最大的两家厂商。

　　2. 2025年是模型密集爆发之年

　　仅本篇报告讨论的11家AI龙头公司在2025年新增模型数量就超过35个。从各家密集发布节奏可以看出，2025年AI下游需求正在从“单点能力验证”快速走向“多模态应用规模化落地”。一方面，海外头部厂商持续迭代并拉长产品线：Google围绕Gemini及视频/图像能力不断升级，Meta推进Llama4系列分层覆盖不同场景，Microsoft、Amazon也在自有体系内加速模型与产品化能力补齐；另一方面，国内厂商同样加码投入与快速跟进：阿里从Qwen2.5→Qwen3/Qwen3Coder→ Qwen3Next 的连续迭代，并延伸至image-edit、视频生成等多模态方向，腾讯推出混元系列，美团、快手、小米等也先后发布面向业务场景的模型与产品形态。

　　中美大厂在“自研基础模型”上的布局已经从单点能力竞争进入到全模态覆盖率的对比：语言模型基本成为标配，差异主要拉开在语音、图像、尤其是视频三条线。无论美国还是中国，头部玩家几乎都具备自研语言模型能力，大模型底座已从“可选项”变为平台公司与AI原生公司争夺生态入口的必需品。视频模型是当前差异最大的维度，也是“投入强度最高”的一环。视频维度形成明确覆盖的玩家显著少于语言/图像，且更集中在拥有内容生态、分发渠道或云基础设施的公司（如海外的 OpenAI/Google/Meta 等；国内的字节、快手等更具场景牵引）。

　　3. 国外模型整体更均衡，国内模型更强调单项能力和性价比

　　为了统一评价标准和测试环境，我们参考了Hugging Face披露的 benchmark 结果作为参考，用于衡量不同模型在通用能力、推理与数学等维度的相对表现，由于评测脚本、提示词与解码设置可能存在差异，分数不代表严格可复现实验结论，更多反映模型能力区间与趋势。

　　整体而言，海外开源模型更偏全能型，国内开源模型更偏强项突出与效率导向。例如Llama与Mistral的指令遵循和综合测评更靠前，其在通用对话、知识覆盖与整体对齐质量上更稳定；Qwen在IFEval、BBH、MATH等关键指标上已经接近甚至对标海外强模型； DeepseekR1在MATH、GPQA、MUSR等偏“深度推理”的指标上相对更强、且CO2cost明显更低，这也反映出国内部分团队在推理范式与效率优化上更激进，适合对成本敏感、又需要强推理的应用落地。

　　为了进一步测试模型在专业领域的实际效果，我们采用CFLUE（Chinese Financial Language Understanding Evaluation）作为核心评测基准，对GPT-5.1、Gemini-3-pro、kimi-k2-thinking、Deepseek_v3、Deepseek_R1、Mimo-v2-Flash进行系统化测试。

　　测评指标包括：应用评估任务涉及ESG分类与情感分析、金融行业与事件分类、银行客服意图识别等Fin_TC子任务；多种金融事件与因果关系抽取（Fin_RE）；金融阅读理解（Fin_RC）；中英/英中金融翻译（Fin_MT）；以及术语解释、会议与客服对话摘要、资讯/研报标题生成等文本生成任务（Fin_TG）。沿用CFLUE官方脚本的基本设定：知识评估以准确率与F1为主，应用评估按任务分别采用ACC、BLEU、COMET、F1、ROUGE-L等指标，其中Bert模型从模型回答的语义相似度计算得分，Rouge则从回答的词频角度计算。

　　从测试结果来看，各模型在金融应用场景中存在显著的能力侧重：GPT5.1在金融分类与尤其是双向翻译任务上表现最强且稳定；Kimik2thinking在金融文本生成与综合应用能力上更突出，并在抽取任务上保持高位；DeepSeekr1在金融关系/事件抽取（FinRE）领先，但在翻译与生成指标上相对偏弱；DeepSeekv3多数任务位于第二梯队且较均衡；Gemini3pro在金融QA的语义一致性与词面相似上表现靠前，但分类与翻译相对弱；Mimo各项指标较为均衡，没有突出项。

　　三、投资建议

　　我们认为需求向上游材料传导的确定性增强，AI基建扩张将带动化工新材料进入景气兑现期。当Capex继续上行、数据中心与算力设备进入集中建设与交付阶段，上游关键材料如电子树脂、Q布、半导体前驱体等将受益于“新增产能建设+硬件迭代升级”双重驱动，建议关注东材科技、莱特光电、雅克科技等；AI垂类应用正加速向化工全链条渗透：设备端聚焦“AI+机器人”高危巡检；研发端看好“AI+自动化实验”驱动的分子发现及工艺优化；产品端关注AI辅助配方升级与新材料迭代。建议关注晶泰控股、中控技术、志特新材等。

　　3.1 东材科技

　　四川东材科技集团股份有限公司成立于1994年，2011年在上海主板上市。公司主要从事化工新材料的研发、制造和销售，以新型绝缘材料为基础，重点发展光学膜材料、电子材料、环保阻燃材料等系列产品，可广泛应用于发电设备、特高压输变电、智能电网、新能源汽车、轨道交通、消费电子、光电显示、电工电器、通信网络等领域。

　　公司目前的主营业务包括新能源材料、光学膜材料、电子材料、环保阻燃材料等，其中新能源材料主要生产晶硅太阳能电池背板基膜、特种环氧树脂等，光学膜材料为光学级聚酯基膜，电子材料为电子级树脂，环保阻燃材料为环保阻燃共聚型聚酯树脂。各个业务的毛利率水平均维持在较高水平。

　　在电子树脂领域的研发及产能布局，公司处于国内行业领先地位。公司自主研发出碳氢树脂、马来酰亚胺树脂、活性酯树脂、苯并噁嗪树脂、特种环氧树脂等电子级树脂，与多家全球知名的覆铜板制造商建立了稳定的供货关系。特别是双马来酰亚胺树脂、活性酯树脂、碳氢树脂、聚苯醚树脂等产品，质量性能稳定，竞争优势明显，已通过国内外一线覆铜板厂商供应到英伟达、华为、苹果、英特尔等主流服务器体系，助力电子材料板块的可持续发展。

　　3.2 晶泰科技

　　全球AI制药与材料科学领军者。晶泰科技作为数字化、智能化药物研发的先行者，以高度并行的人工智能与量子物理算法结合平台定制的跨云超算，已在药物发现、药物晶型研究领域累计加速 100 多条新药管线的 500 多个药物研发项目，累计使用云超算 5 亿核时。全球排名前 20 的创新药企中，有一半为晶泰科技的客户和合作伙伴。目前，公司正着力打造以 AI 驱动的智能药物研发新基建，以更加可靠、完善的解决方案，广泛赋能药物创新，助力新药研发提速增效。《麻省理工科技评论》评论晶泰“掌握全球最高准确度的工业级别晶型预测算法”，将其纳入“50 Smartest Companies“榜单，同期上榜的还有腾讯、百度、京东、华为、阿里云等企业。

　　晶泰科技提供独立的解决方案或服务，包括智能机器人解决方案和药物发现解决方案。2024年通用大模型及AI Agent取得突破性进展，且AI在医疗等领域实现商业化，标志着AI应用正踏入新的发展阶段。但在垂直领域的AI应用里，由于跨领域的有效数据相对有限且数据噪声广泛存在，通用大模型在细分领域的表现相对受限，如果要重塑药物及新材料研发流程，以“高质量数据驱动”为核心的垂直领域AI for Science大模型不可或缺。2020年以来，公司业务处于高速发展阶段，5年平均增速为72.83%。2025H1年营业收入5.17亿元，同比增长94.36%。

　　3.3中控技术

　　中控技术是工业自动化控制领域的国内龙头，专注于流程工业（如化工、石化、建材等）的自动化、数字化和智能化解决方案。公司核心产品包括集散控制系统（DCS）、安全仪表系统（SIS）、工业软件（如i-OMC）等。根据睿工业统计,2024年度公司DCS市场占有率占有率达到40.4%，连续14年蝉联国内第一，其中化工领域DCS 的市场占有率达到 63.2%，石化领域 DCS 的市场占有率达到 56.2%，公司在化工、石化、建材、造纸四大行业 DCS 市场占有率均排名第一。公司SIS国内市场占有率 31.2%，连续三年蝉联国内 SIS 市场占有率第一名。AI方面，公司2024年取得了自动化控制及工业 AI 领域的重大突破，推出了全球首款 UCS 通用控制系统和 TPT 时序工业大模型两款划时代的创新产品。

　　公司拥有长周期数据积累，依托广泛的用户基础，以及累计运行在 10 万套工业控制系统上超过 100EB 的庞大工业数据量，成为拥有流程工业各细分领域数据最为丰富的工业实时数据公司。营收方面，2025年H1公司营业收入38.32亿元，同比下降-9.92%，工业自动化及智能制造解决方案收入为 22.38亿元，占主营业务收入的比例为58%,是公司主要收入来源。

　　3.4 志特新材

　　积极布局AIS4领域。志特新材于2025年3月携手量子科技长三角产业创新中心、微观纪元签订了《战略合作协议》，打造“量子+AI”材料研发新范式。三方为推动人工智能与量子技术在新材料领域的产业应用和落地，基于各自技术、产业及资源等优势，面向量子科技在新材料领域的产业应用和落地展开合作，成立子公司上海志特纪元新材料。2025年公司注册控股子公司志特小临，主要负责材料分子结构的智能设计与性能模拟，目前首个产业化产品是一款超级隔热材料，可用于建筑隔热保温、安全屋防火等领域。2026年1月公司与中科大实验室合作研发的超级隔热材料及化学机器人“小临”在CCTV-1《中国科技创新盛典》播出。营业收入方面，公司2025年H1营业收入12.93亿元，同比增长14%，业务包括建筑模架（铝模、钢模等）、装配式建筑（PC、钢结构）和模块化房屋，AI材料业还未带来业绩增量，我们认为AIS4将成为公司未来强有力增长点。

　　3.5 雅克科技

　　雅克科技是国内半导体前驱体材料的平台型龙头企业，产品包括高介电常数（high-k）材料、硅基材料和金属材料等类别，品种较多，广泛运用于 3D NAND、NOR FLASH 等存储芯片，DRAM 内存芯片和逻辑芯片等先进制程。子公司江苏先科半导体前驱体材料国产化项目的相关产品陆续通过国内客户端测试验证，产线陆续转入批量试生产，在保持高等级品质标准的同时产量逐步扩大。2025 年上半年，公司前驱体材料销售收入同比增长超过 30%，在手订单和交付量持续攀升，经营业绩持续增长，随着国内晶圆厂在未来2-3年进入新一轮扩产周期，以及先进制程对铪基等高端前驱体需求的增加，公司作为核心供应商将享受行业扩容和国产替代双重红利。

　　3.6 莱特光电

　　切入AI核心材料Q布，打造第二成长极。随着AI算力向更高速度、更大数据量发展，对PCB的信号传输损耗要求愈发严苛，Q布替代传统玻璃纤维布是明确的产业趋势。2025年12月24日，公司发布公告，莱特光电通过成立子公司“莱特夸石”进入该赛道，目标明确指向NVIDIA Rubin等下一代AI平台的需求。公司的长期增长逻辑从单一的OLED材料，转变为“OLED材料+AI核心材料”双轮驱动。当前公司已完成核心团队组建，引进了具备成熟经验的Q布研发生产团队，该团队核心成员曾服务于日本等领先市场，掌握Q布核心工艺，具备多年拉丝及织布生产经验。

　　四、风险提示

　　1、下游需求不及预期风险：若AI下游应用端需求增速不及预期，可能会导致上游材料端需求增长低于预期。

　　2、AI普及速度不及预期风险：若AI技术在应用端或其他外部因素影响下普及和发展速度不及预期，可能会对于相关材料需求产生影响。

　　3、原材料价格波动风险：若AI相关化工新材料上游原材料价格出现大幅波动，可能会对于相关企业的盈利能力和正常经营产生不利影响。

　　4、行业竞争加剧风险：由于AI需求的带动，相关企业或将对于相关材料产能进行扩张，进而可能导致行业供需失衡以及行业竞争加剧的风险。

　　5、新材料研发与国产替代进度不及预期风险：部分AI相关材料国产化率仍然较低，若出现国际贸易摩擦等外部因素影响，可能会对于AI技术的发展和相关企业的经营产生不利影响。

　　6、新建项目与产品验证进度不及预期风险：半导体领域电子化学品技术门槛较高且下游验证周期较长，若出现新建项目进展或下游验证不及预期等情况，可能会对于行业以及相关企业的经营产生不利影响。

　　7、下游资本开支不及预期风险：若AI相关算力基础设施、应用服务商或行业客户因宏观经济波动、融资环境收紧、业绩不及预期等因素，缩减或延后资本开支计划，可能导致服务器、网络设备及相关功能材料的新增需求下降或节奏放缓，从而对上游材料出货规模、产能利用率及盈利能力产生不利影响。

　　8、新技术迭代风险：AI架构、工艺与材料体系迭代加速，若出现新一代模型/芯片架构、先进封装或替代材料方案快速渗透，而公司现有产品布局、验证进度或良率爬坡未能同步匹配，可能面临产品性能与客户需求错配、价格竞争加剧及库存减值等压力。