谷歌公司表示，Gemini 3.5 Pro目前正在与合作伙伴测试，计划在准备就绪后尽快广泛推出。已开始对Gemini 4进行预训练。
谷歌公司表示，Gemini 3.5 Pro目前正在与合作伙伴测试，计划在准备就绪后尽快广泛推出。已开始对Gemini 4进行预训练。
相关股票
15 只 · 按关联度排序
光
92%
加载行情
光通讯器件及高速光模块组件核心供应商。2026-03-17 审核问询函回复明确披露：标的公司产品已进入中际旭创、剑桥科技等头部光模块厂供应链，终端配套谷歌5-25等国际客户AI服务器集群。光通讯器件收入占比53.3%，谷歌800G/1.6T光模块需求直接拉动其组件出货。
铭
88%
加载行情
光通信产品（收入占比18.4%）及磁性元器件龙头。2025年报明确指出：800G光模块需求呈现北美主导格局，Meta、谷歌、微软、亚马逊为核心采购方；公司800G LPO光模块已小批量出货，1.6T产品配合客户开发，直接受谷歌Gemini迭代驱动的算力基建需求拉动。
协
87%
加载行情
智能算力产品及服务收入22.6%，服务器再制造占比21%。2025年报直接引用：谷歌母公司Alphabet等六大云商2025年资本支出近4000亿美元，预计2026年达5000亿美元。公司在北京/上海等多地部署算力中心，为头部互联网公司大模型训练推理提供算力租赁与云服务。
光
85%
加载行情
国内光器件龙头（央企），数通光模块收入占比70.9%。2025年报披露：全球AI算力浪潮下数通光模块需求激增，公司800G VR8/DR8/2xFR4及1.6T DR8等全系列高速光模块已批量供货，在国内头部客户中持续稳固主要供应商地位。
剑
85%
加载行情
高速光组件与光模块收入34.7%（利润占比53.7%），93.9%收入来自海外。2025年报披露：800G/1.6T硅光产品已规模化生产，跻身全球主流云服务商、AI基础设施供应商核心供应链；谷歌等北美大厂是其硅光模块重要终端客户。
仕
80%
加载行情
AWG芯片系列产品收入25.6%，800G/1.6T光模块用MT-FA产品已批量应用。2025年报指出：AI算力爆发驱动高速光互联需求激增，公司的AWG芯片和光纤阵列组件已广泛配套全球主流光模块企业，间接服务于谷歌等北美云商的数据中心光互联。
润
80%
加载行情
AIDC智算业务收入占比44.2%，为大模型训练与推理提供智能算力服务。2025年报披露：公司自投自建高等级智算中心，自主搭建大规模智算集群，为AI大模型训练客户提供高性能算力服务，直接受益于Gemini等大模型迭代拉动的算力需求增长。
数
78%
加载行情
批发型IDC龙头（收入占比98.5%），主要面向大型互联网公司提供定制化服务器托管服务。2025年报披露公司已组建智算业务部向智算领域转型。公司介绍中将自身技术对标谷歌等全球云计算巨头，大模型迭代直接提升下游客户数据中心扩容需求。
科
78%
加载行情
数据中心产品收入27.4%+IDC服务15.7%，液冷温控产品已量产。2025年报披露：公司推出全链条算力解决方案；WiseCol系列液冷温控单元覆盖200kW-1.5MW，直接服务于AI大模型训练推理场景的液冷散热需求。
超
75%
加载行情
PCB行业核心企业，2026-01-07公告投资AI算力高阶印制电路板扩产项目，用于AI服务器、交换机、AI加速卡等。Gemini等大模型迭代加速AI服务器出货，带动高速高多层PCB需求持续增长。
大
75%
加载行情
国内企业级SSD龙头（市场份额6.4%，国内第四），2025年报披露：AI大模型训练推理拉动高性能存储需求，单台AI服务器中企业级SSD价值是通用服务器的3倍以上。公司PCIe 5.0 SSD批量出货，直接受益于大模型迭代驱动的AI服务器存储需求增长。
海
72%
加载行情
国产CPU/DCU龙头，处理器收入占比99.9%。主营AI算力芯片，2025年报披露公司DCU协处理器可满足AI训练推理需求。Gemini迭代倒逼国内算力基础设施自主可控提速，国产GPU/DCU替代需求增加。
景
70%
加载行情
国内首家成功自主研发国产GPU并产业化的企业，芯片产品收入18.1%。2025-12-15公告边端侧AI SoC芯片CH37系列提供64TOPS INT8算力，布局GPU+边端侧AI SoC产品矩阵。海外大模型迭代加速倒逼国产AI算力芯片需求。
新
70%
加载行情
2025年报披露深度合作千问、豆包、Deepseek、Claude、GPT等大模型，发布国内首个支付行业专属大模型，AI模型层单日token调用量近6亿。Gemini能力提升推动AI应用生态繁荣，公司以支付+AI场景受益。
华
65%
加载行情
国内EDA龙头（央企），2025年报披露AI+EDA双向赋能：通过EDA智能设计驱动AI芯片设计效率革命、降低大模型训练成本、提升AI算力。大模型迭代加速推动AI芯片设计需求增长，带动EDA工具需求。