华泰证券多模态AI深度报告指出，多模态的繁荣将带来算力需求的广泛增长。供给端，原生多模态模型训练需要将各种模态同时“喂”给模型并从零开始训练，对预训练算力提出更大需求。需求端，视频本质是连续多帧图像，token数远大于文字，视频生成时长/帧率/分辨率提升将迅速增加推理算力需求。MiniMax HailuoVideoAgent落地能够全流程替代用户做设计/规划/推理，进一步提高token需求量级。华泰证券推荐国产算力链沪电股份、生益科技。

原生多模态模型需要比非原生模型更多的算力。模块化MLLM通过预训练视觉编码器与LLM拼接，训练算力需求相对可控。原生MLLM不依赖预训练单模态模型，从零开始同步训练全部模态，需将文本、图像、音频、视频数据同时“喂”给模型，预训练算力需求大幅提升。

虽然目前原生多模态基本都是海外头部模型大厂在做，但原生路线作为行业共识，后续会被国内大厂、初创公司陆续采纳。25年3月阿里Qwen2.5-Omni已采用端到端Thinker-Talker架构，国内头部厂商正加速原生多模态布局。随着国内原生多模态模型在25H2逐渐发力、26年成为主流，模型预训练算力需求有望迎来新一轮增长。算力相关标的或将受益。

视频生成对推理算力的需求远大于文字。视频本质是连续的多帧图像，一张高清图像对应的token数远大于一段文字对应token数。以1080p视频为例，单帧图像token数即达数千级别，10秒视频（按24fps计算共240帧）对应token量级可达百万级别，远超文字任务的数千至数万token。

随着视频生成时长、帧率、分辨率的提升，算力需求有望迅速增加。当前视频生成从5-10秒向分钟级演进，分辨率从720p向4K升级，帧率向60fps提升，每一维度提升都将线性或指数级增加算力消耗。视频生成从“单次推理”向“批量生产”演变，将进一步放大算力需求。

MiniMax HailuoVideoAgent的落地，进一步提高了token需求量级。Agent能够全流程代替用户去做设计、规划和推理，将视频创作从“用户主导”变为“AI主导”。相比用户直接使用视频生成模型，Agent需要额外调用LLM进行任务分解、资料收集、分镜规划、脚本生成等，在视频生成之外增加了大量文本推理算力消耗。

后续更新中HailuoVideoAgent有望实现完全端到端的视频Agent能力，从用户输入一句话到输出完整视频，全流程自主完成。Agent形态的落地意味着算力消耗从“单次推理”升级为“多轮推理”，从“单一任务”升级为“任务链”。Agent是未来LLM落地最重要的应用形态之一，多模态+Agent的结合有望催生新一轮算力需求增长。

供需两端叠加，多模态的繁荣有望带来算力需求的广泛增长。华泰证券推荐国产算力链相关标的：

ASIC产业链推荐：沪电股份（亚马逊、谷歌、Meta产业链）、生益科技。沪电股份1Q25营收40亿元（同增56%），主要受益于AI类产品需求增加，维持“买入”评级，目标价48.50元。生益科技1Q25营收56亿元（同增27%），高速覆铜板加速放量，维持“买入”评级，目标价33.50元。

英伟达产业链推荐：生益科技，其他产业链标的包括胜宏科技、景旺电子。随着原生多模态模型普及、视频生成应用放量、视频Agent落地，全球AI算力需求有望持续扩张，算力产业链相关公司将持续受益。

多模态算力需求驱动因素

驱动因素	影响机制	算力需求
原生多模态训练	从零同步训练全部模态	预训练算力大幅提升
视频生成推理	连续多帧图像token数远超文字	推理算力激增
视频Agent	全流程任务链，多轮推理	token量级进一步提升