计算机行业GenAI系列报告之65：AI和Infra，应用渗透下的又一卖铲人251222

AI Infra作为AI模型训练与推理的底层支撑，已成为应用落地的关键“卖铲人”。本篇报告核心解答三个问题：1）哪些Infra软件是刚需；2）生成式AI给核心Infra软件带来了何种影响；3）生成式AI影响下，竞争格局和态势如何变化，厂商又如何动作。

算力调度是决定模型推理盈利水平的核心变量。国内模型Token收费显著低于海外，成本敏感度更高。阿里Aegaeon通过Token级调度可减少82%GPU用量，华为Flex:ai提升30%算力利用率，高效调度能力成为模型推理厂商盈利关键。根据我们测算，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。

数据类Infra需求先于应用爆发，向量数据库成刚需。RAG技术渗透率快速提升，Gartner预测2025年企业采用率将达68%。向量数据库作为RAG核心组件，支撑海量数据毫秒级检索，市场需求持续高增。

AI时代数据架构从“分析优先”转向“实时运营+分析协同”，行业发生了几点重要的变化：1）NoSQL+OLTP数据库再风靡，通过补充向量索引能力切入向量数据库市场；2）数据湖、数据仓库厂商（OLAP为主）通过并购、合作方式引入AI模型，向全栈工具迈进。

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。MongoDB作为文档型NoSQL数据库，其适配非结构化数据存储与高频实时CRUD操作，契合AI原生应用与Agent需求，2025年收购Voyage AI补齐向量检索能力。FY26Q3核心产品实现30%增速，增长弹性突出。

Snowflake与Databricks靠全流程工具链和客户粘性，占据数据密集型行业核心场景，但需应对CSP跨界竞争与实时能力短板。Snowflake与Databricks以OLAP为核心向全栈工具延伸，靠海量数据处理能力成为中大型企业首选，但TP能力暂有不足（尤其是Snowflake），面临中小市场渗透与云厂商挤压压力。

GPU主导数据控制中心，存储与数据库技术升级。NVIDIA推出SCADA方案实现GPU直连SSD，将IO延迟降至微秒级。向量数据库需适配GPU并行计算，通过列式存储、算子重写等技术升级，匹配AI实时推理需求。

结论和投资分析意见：生成式AI+Agent加速渗透，AI infra软件作为应用部署的基础设施，有望进入高速增长期。看好高实时性、可灵活拓展的分布式交易型数据库厂商（OLTP），以及增量的向量数据库。相关标的：MongoDB、达梦数据、英方软件、Snowflake、深信服等。

风险提示

商业化与IT支出不及预期；生态竞争加剧风险，云厂商自研与平台整合挤压份额；技术迭代与产品成熟度风险。