智通財經APP獲悉，申萬宏源發布研報稱，AI Infra作為AI模型訓練與推理的底層支撐，已成為應用落地的關鍵 “賣鏟人”。算力調度是決定模型推理盈利水平的核心變量，國內模型Token收費顯著低于海外，成本敏感度更高。據測算，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個百分點。生成式AI+Agent加速滲透，AI infra軟件作為應用部署的基礎設施，有望進入高速增長期。看好高實時性、可靈活拓展的分布式交易型數據庫廠商(OLTP)，以及增量的向量數據庫。

申萬宏源主要觀點如下：

算力調度是決定模型推理盈利水平的核心變量

國內模型Token收費顯著低于海外，成本敏感度更高。阿里Aegaeon通過Token級調度可減少82% GPU用量，華為Flex:ai提升30% 算力利用率，高效調度能力成為模型推理廠商盈利關鍵。根據申萬宏源測算，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個百分點。

數據類Infra需求先于應用爆發，向量數據庫成剛需

RAG技術滲透率快速提升，Gartner預測2025年企業采用率將達68%。向量數據庫作為RAG核心組件，支撐海量數據毫秒級檢索，市場需求持續高增。

AI時代數據架構從“分析優先”轉向“實時運營+分析協同”，行業發生了幾點重要的變化：1)NoSQL+OLTP數據庫再風靡，通過補充向量索引能力切入向量數據庫市場；2)數據湖、數據倉庫廠商(OLAP為主)通過并購、合作方式引入AI模型，向全棧工具邁進。

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數據庫，其適配非結構化數據存儲與高頻實時CRUD操作，契合AI原生應用與Agent需求，2025年收購Voyage AI補齊向量檢索能力。FY26Q3核心產品實現30%增速，增長彈性突出。

Snowflake與Databricks靠全流程工具鏈和客戶粘性，占據數據密集型行業核心場景，但需應對CSP跨界競爭與實時能力短板。Snowflake與Databricks以OLAP為核心向全棧工具延伸，靠海量數據處理能力成為中大型企業首選，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主導數據控制中心，存儲與數據庫技術升級

NVIDIA推出SCADA方案實現GPU直連SSD，將IO延遲降至微秒級。向量數據庫需適配GPU并行計算，通過列式存儲、算子重寫等技術升級，匹配AI實時推理需求。

相關標的

MongoDB(MDB.US)、達夢數據(688692.SH)、英方軟件(688435.SH)、Snowflake(SNOW.US)、深信服(300454.SZ)等。

風險提示

商業化與IT支出不及預期；生態競爭加劇風險，云廠商自研與平臺整合擠壓份額；技術迭代與產品成熟度風險。