随着人工智能（AI）的应用范围从编写代码扩展到客户支持、企业搜索等更广泛的业务运营领域，“代理间通信”正成为由模型上下文协议（MCP）推动的新增长引擎。此外，行业重心正从模型训练大规模转向实时推理，这为高带宽内存（HBM）和先进DRAM硬件创造了巨大的长期需求。因此，我们更看好提供全栈大型语言模型（LLM）的供应商和先进内存芯片厂商。

图1：2026年高带宽内存（HBM）需求细分

资料来源: PatSnap Insights, 星展银行

“代理间通信”有望成为AI领域的又一“杀手级”应用。代码是AI最初完美的“奇迹应用”，因为其封闭的逻辑循环特性使得计算机能即时反馈错误，从而让AI自我纠正。因此，工程师的角色正从编写代码转变为AI架构师和审核员。下一个“奇迹应用”很可能是一个AI模型，它能无缝操作浏览器、桌面以及可用的数据库和通信工具，以完成复杂且耗时数周的人工任务。例如，OpenAI的“Operator”和Anthropic的“Claude Computer Use”等工具，可以查看桌面屏幕、移动鼠标、点击按钮并输入文本。这些工具能够基于开源技术——模型上下文协议（MCP），代表用户与多个智能体进行交互。正如USB接口标准化了硬件连接，MCP也让任何AI模型能够即插即用本地文件、数据库和API。随着企业部署各自专业的AI智能体，这些智能体将开始相互“对话”，完全绕过人类中间环节。例如，新员工入职流程涉及到人力资源（HR）、信息技术（IT）和财务部门之间大量的沟通，这常常令人头疼。而在一个“智能体化”的办公环境中，人力资源经理只需点击“批准入职”，AI智能体便会接管。专业的HR智能体可以在合同签订的瞬间，自动通知IT配置智能体订购笔记本电脑、创建电子邮件账户并分配软件许可证。这不仅节省了入职时间，还能显著降低运营成本。

最新季度业绩表现符合预期并超预期： Alphabet公司公布了强劲的2026年第一季度业绩，标准化息税前利润（EBIT）达到397亿美元，同比增长30%，超出市场普遍预期9%；收入同比增长22%，超出预期3%。谷歌云（Google Cloud）收入同比增长63%，达到200亿美元，云业务EBIT飙升203%，在强劲的AI需求推动下，利润率扩大至33%。该公司还将2026财年的资本支出指导从2025年的914亿美元上调至1800-1900亿美元，以满足AI计算需求。美光（Micron）的每股收益超出预期33%，这主要得益于更强的内存定价和优化的产品组合。尽管阿里巴巴（Alibaba）在AI领域的投资暂时拖累了利润率，但其云业务增速已加快至40%（同比增长），并且公司对未来的盈利能力给出了积极展望。市场预计阿里巴巴2026年的资本支出将达到1500亿元人民币，高于2025年的1200亿元人民币，主要用于AI计算需求。

2026年架构转变：大规模推理的兴起与全栈主导地位。 整个行业正在经历一场重大转型，重心正从基础模型训练转向大规模、实时推理。随着先进的企业AI模型越来越多地投入实际生产，对内存密集型基础设施的需求正在急剧上升。目前，AI基础设施建设的瓶颈正从图形处理器（GPU）转向高带宽内存（HBM）。这为支持更高数据处理需求的新一代HBM和密集DRAM解决方案创造了长期的增长动力。

与此同时，市场正向全栈LLM提供商集中，这些提供商整合了专用芯片、云基础设施和专有模型，使他们能够获取更大的行业价值份额，并带来更强的近期收入增长。