大会概览 - 光合组织将于2025年12月17-19日在中国昆山国际会展中心举办人工智能创新大会（HAIC 2025）[2][9][10] - 大会主题为“共寻开放新机遇，洞见未来十年”，聚焦探索AI开放计算的无限可能[5][12] 核心议题与方向 - 下一代AI浪潮的关键方向包括AI for Science革新、大模型技术演进、AI系统创新、软硬协同优化以及开放计算生态协作[6] - 大会将携手产业领袖共同勾勒下一代开放计算生态的崭新蓝图[6] 专题论坛设置 - 大会设置30余场专题论坛，精准聚焦硬件与系统优化、大模型训推加速、行业方案应用落地、AI开发人才培养等全链实战议题[7] - 专题论坛旨在与生态专家共探技术瓶颈的破解之道[7] 展览展示规划 - 大会将设置5000+平方米实景展区，展示AI芯片与硬件、AI基础软件栈、大规模计算集群、大模型与智能体、AI+行业应用等成果[8] - 展区旨在提供一站式体验，让参与者触摸基于开放架构的算力产业现状并前瞻未来图景[8]

地缘政治与市场环境 - 两国领导人通话“非常顺利”，美方领导人同意四月访华并邀请中方领导人明年进行国事访问 [1] - 此次通话强化了“稳定”叙事，对国内出海链企业构成利好消息 [2] 谷歌TPU技术发展与优势 - 谷歌TPU发展至第七代（TPU v7），于2025年4月发布，核心升级包括SparseCore技术、单芯片内存提升至192GB HBM、带宽达到7370GB/s，以及芯片间互连峰值1.2TB/s [3] - TPU采用“脉动阵列”架构，最小化内存访问，解决冯·诺伊曼瓶颈，在每焦耳运算次数上表现出色，尤其适合AI推理任务 [4] - 使用TPU V7训练400B Llama-3模型的总拥有成本（TCO）为210万美元，仅为英伟达B200（430万美元）的一半 [5][6] - TPU v6的推理成本不到英伟达GB200的一半，优势显著 [6] 国内谷歌供应链梳理 - **光模块/OCS相关**：光库科技提供OCS代工服务和FAU，产品市占率约27%，直接供应 [8]；德科立提供OCS模组及整机，市占率11%-24%，直接供应 [8]；腾景科技提供OCS光学器件、准直器阵列，市占率约26%，直接或通过Coherent间接供应 [8] - **服务器电源**：欧陆通提供服务器电源，市占率10%-26%，直接供应 [8] - **液冷相关**：英维克提供CDU及其它，市占率约40%-50%，直接供应 [8]；思泉新材、飞荣达、科创新源分别提供冷板、冷凝、导热材料，处于对接送样或间接供应阶段 [8] - **电力电子/SST相关**：金盘科技、四方股份提供SST系统，处于对接送样阶段，直接供应 [8]；伊戈尔提供数据中心变压器代工/SST器件，间接供应 [8]；京泉华提供SST中压高频变器件，市占率约10%，通过伊顿、维谛等厂商间接供应 [8] - 光模块和PCB领域市场研究已非常透彻，未在本次更新中列出 [9]

液冷服务器市场增长 - 中国液冷服务器市场在2024年规模达到23.7亿美元，与2023年相比增长67.0% [8] - 预计2030年中国液冷服务器市场将超过1800亿人民币，冷却液市场有望达到360-450亿元 [8] 技术发展趋势 - 浸没式液冷技术凭借超高热传导效率、极致PUE和全生命周期成本优势，成为数据中心绿色发展核心路径 [8] - 单相或双相，冷板或浸没式液冷以及氟化液、无PFAS冷却液等多种技术路线将百花齐放 [8] - 液冷技术从实验室创新走向规模化商业应用 [9] 国产化替代与供应链 - 核心材料冷却液如氟化液、合成油等国产化替代尚处于攻坚期 [9] - 3M公司在2025年底前停止生产全氟烷基物质(PFAS)，中美贸易战让美国产品丧失在中国市场竞争力 [9] - 氟化液国产化替代路径涉及技术突破与供应链安全 [13] 行业挑战与瓶颈 - 双相液冷系统的密封技术、冷却液回收率、设备兼容性等技术瓶颈仍需突破 [9] - 行业标准缺失和初期成本高仍然是发展挑战 [9] - 提升液冷系统可靠性需关注密封与防腐技术 [13] 应用场景拓展 - 液冷技术在储能与动力电池热管理中的应用是重要发展方向 [13] - 乌镇之光国家超算中心采用浸没相变液冷技术，服务于国家级大科学、大系统和大工程类应用 [10][12] - 数据中心液冷技术需求由AI发展与"东数西算"工程驱动 [8][13] 关键会议与参与方 - 冷却液与液冷技术论坛2025将于11月27-28日在浙江嘉兴召开，由亚化咨询主办 [4][9] - 会议汇聚全球液冷技术领军企业、科研机构及上下游产业链代表，包括浪潮通信信息、新华三集团、中国科学院等 [3][5][18] - 工业参观安排为乌镇之光国家超算中心，该中心已积累客户8000+ [4][7][15]

市场传闻与辟谣 - 市场流传关于工业富联的多种小作文，包括英伟达可能切入L10系统集成以及公司下修业绩的传闻[1][2] - 针对传闻的辟谣指出，英伟达不会切入OEM环节，且公司四季度机柜交付预计环比增长30%以上，一季度虽为传统淡季但仍将实现环比增长[4] 英伟达L10系统事件分析 - 事件源于分析师在纬创财报电话会上表示，英伟达可能从明年Vera Rubin平台开始直接向合作伙伴供应L10系统，以规范机架设计并缩短产品上市时间[3] - 目前英伟达仅做到L6级别集成，L10标准化是产业趋势但尚未有官方确认，且不会切入OEM环节以避免影响其70%以上的毛利率目标[3][4] - L10指完整服务器交付阶段，包括全系统装配、软硬件测试及操作系统集成[6] 工业富联业务与业绩展望 - 公司四季度GB200/GB300交付顺利，云计算业务毛利率有望持续提升，主要因GB200出货顺利、GB300量产良率及测试效率上扬、单位成本下降[5] - 鸿海在GB200/GB300中的份额占比最高，目前交付产品与英伟达L10无关，即便L10确认也仅影响明年Q2以后的VR200平台[5][6] - 明年ASIC客制化业务预计进入实质部署期，部分合作项目将贡献营收，产业内估计ASIC与GPU业务占比可达2:8[9] 行业竞争与客户态度 - JP Morgan分析指出，云服务提供商可能反对英伟达推行标准化L10托盘，因在GB200/300系列中CSP可在ODM支持下定制AI服务器计算托盘[10][11] - 若英伟达推行L10标准化，可能导致NVL72 L10服务器ODM竞争格局进一步集中，并引发服务器品牌向ODM的市场份额转移[11]

H200可能放开的背景与现状 - 关于H200放开的传闻最早由彭博社报道，描述为“初步讨论”阶段，存在仅停留在讨论层面而永不落地的可能性[1][2][3] - 此次讨论源于此前中美领导层会晤，市场曾预期更先进的Blackwell架构芯片会放开，但最终未谈及，据华尔街日报消息是因美方高级顾问反对[4][7] - 高端Hopper架构芯片的放开事宜可能已讨论较长时间[9] H200性能规格与市场定位 - H200基于Hopper架构，相比H100在GPU内存（从80GB HBM3提升至141GB HBM3e）和内存带宽（从3.35 TB/s提升至4.8 TB/s）上有显著升级，热设计功耗最高达1000W[10][11] - 在双精度浮点运算（FP64 Tensor Core）性能上，H200与H100保持一致，均为33.5 TFLOPS，但在特定高精度计算场景下其FP64 Tensor Core算力（67 teraFLOPS）强于B200（37 teraFLOPS）[10][19] - H200的单卡算力和显存带宽被认为高于国内AI芯片[13] 海外云服务市场对H200的使用与定价 - 美国主要云服务供应商（如GOOGL、AMZN、META、MSFT）的服务器折旧年限多在4至6年，H100和H200均处于正常使用周期[13][14] - 在Coreweave租赁平台，H200的每小时使用价格为3.50美元，略低于B200的5.50美元，但高于H100的2.95美元[15] - 在AWS和GCP上，H200的定价甚至高于B200，反映出其在特定场景的适配性更强及资源稀缺性[16][18] - H系列芯片在海外云服务器中使用率很高，部分原因是大量“遗留负载”迁移成本高昂，此情况同样存在于国内云服务提供商[20][21] 对中国市场潜在影响的判断 - 基于H200在海外的高使用率及其性能特点，分析认为若美国真的放开H200出口，中国方面基本会予以放行[22] - 此前H20放开后因“后门问题”已被禁止采购，同时证明国内已具备可替代H20的AI芯片能力[13] 英伟达国内供应链信息更新 - 文章梳理了英伟达在国内液冷和电源产业链的相关上市公司信息，涉及企业包括英维克、思泉新材、科创新源、淳中科技、鼎通科技、麦格米特、京泉华、金盘科技、四方股份等[24] - 表格列出了各公司的出货产品、产品市占率、供货方式、产品毛利率及2026年订单交付预期等关键数据[24]

Gemini 3模型能力提升 - 推理能力显著增强，推理链明显比2.5时代长，复杂任务拆解更自然，幻觉减少[5] - 编程能力夸张，可从手绘草图在十几秒内生成完整的响应式页面，细节基本无需修改[5] - 多模态进步巨大，视频理解、3D空间感和动态交互等能力已能落地到实际产品中[5] 对行业竞争格局的影响 - Cursor等代码工具面临巨大短期压力，Gemini 3在前端能力上形成降维打击，生成质量和速度拉开距离[6] - Manas、JinSpark等通用Agent厂商优势被削弱，大模型自身能力提升降低了包装工具的价值[6] - 垂直Agent在金融风控、政务、军工等有强行业壁垒和数据安全要求的场景中相对安全[6] 定价策略与成本分析 - 定价不降反升，原因在于长链推理和多模态能力消耗大量算力，MOE模型激活路径增多导致推理成本客观上浮[7] - 公司倾向于将顶级能力卖出溢价，与OpenAI的降价策略形成对比[7] - 长期看，能力提升带来的效率提升可抵消部分成本，且后续将推出精简版、蒸馏版使价格逐步下降[8] 国内外技术差距与客户选择 - 纯文本能力差距已不大，国内模型如DeepSeek再迭代几个月可在许多场景基本持平[9] - 多模态领域差距明显，尤其在动态交互、3D认知和具身智能方面，差距约6-12个月，主要受算力和训练经验限制[9] - 客户选型趋于务实：写文档、客服、简单数据分析等场景国内模型够用；实时UI、复杂视频理解、3D设计等场景仍需Gemini或Claude；金融、政务等数据安全要求高的场景选择离线部署国产模型或自建垂类小模型[11] 公司商业模式与收入来源 - 广告仍是基本盘，AI搜索和动态交互页中的场景化广告变现效率将显著提升[10] - ToC订阅日益重要，如Gemini Pro、anti-gravity等生产力工具通过谷歌账号体系实现月付几十美元[10] - ToB业务通过云API、TPU及垂类解决方案捆绑销售，企业客户愿为稳定性和定制化付费[10]

文章核心观点 - 一篇在X平台爆火的文章指控英伟达及整个AI行业存在“庞氏骗局”式的财务造假和泡沫，其核心论点是英伟达财报中的应收账款、库存、现金流等指标出现异常，并结合循环融资结构、氛围收入、聪明资金出逃等现象，预测AI泡沫将在2026年初破裂 [1][2][6][7][8] - 公众号作者对上述空头观点进行了逐条反驳，认为原文章是对真实数据的夸大和选择性解读，将高科技行业高增长期的正常特征曲解为欺诈信号，当前AI领域存在的问题更应被理解为市场对未来的激进押注（即AI Bubble），而非系统性造假 [9][17][32][36] 针对空头论点的分析与反驳 应收账款异常 - 空头观点：英伟达应收账款暴增89%至334亿美元，DSO从46天延长至53天，可能意味着104亿美元难以收回，是庞氏骗局进入收账困难阶段的信号 [2] - 反驳观点：英伟达CFO在财报会上指出DSO实际为53天，较上一季度的54天是下降的，应收账款增加与收入大幅增长相匹配，属于合理范围，空头文章隐瞒了CFO的最新说法 [18][19] 库存悖论 - 空头观点：库存在3个月内激增32%至198亿美元，与“供不应求”的说法矛盾，同时H100现货价格从每小时3.20美元降至2.12美元，降幅34%，驳斥了需求无止境的说法 [2][21] - 反驳观点：库存增加主要是为支持Blackwell架构的量产爬坡和预订长周期组件，反映了对未来强劲需求的预期，关于H100租赁价格下降的分析也存在问题 [21][22][25] 现金流信号 - 空头观点：英伟达自由现金流转换率仅75%，利润与真实现金流差距达48亿美元，远低于台积电、AMD等公司95%以上的水平，是循环融资模式下现金无法流入的证据 [3] - 反驳观点：经营现金流为237亿美元，净利润为319亿美元，差额81亿中有19亿属于非经营性、非现金项目，抬高了净利润但不产生现金流入，因此实际现金转换率并没有很低 [26][27][28] 循环融资结构 - 空头观点：资金在英伟达、微软、OpenAI等公司间来回倒手，形成闭环虚假繁荣，例如CoreWeave欠英伟达59亿美元账款 [3] - 反驳观点：当前AI行业的主要买单方是拥有独立现金流的云巨头，而非仅靠英伟达输血的初创公司，这不同于历史上纯粹的造假案例，更多是市场对未来的激进押注 [32] 氛围收入与毛利率压缩 - 空头观点：AI收入是“氛围收入”，OpenAI年收入37亿美元却亏损56亿美元，估值达1570亿美元建立在氛围之上；英伟达真实毛利率已开始下滑 [6][7] - 反驳观点：高风险高失败率是风险投资行业的普遍规律，Blackwell新架构GB200均价约7万美元，远高于H100的3万美元，应能提高毛利率，新芯片因使用HBM3e和早期良率问题导致成本上升是正常现象 [33][34] 聪明资金出逃 - 空头观点：Peter Thiel卖出约1亿美元英伟达股票，孙正义减持58亿美元，Michael Burry买入看跌期权，对冲基金建立空头仓位 [7] - 反驳观点：Peter Thiel的卖出金额相对于英伟达总体量是九牛一毛，孙正义减持后准备再投资OpenAI，这些行为不能简单解读为看空 [35]

核心财务表现 - 第三季度总营收达570亿美元，远超市场预期的554亿美元 [1] - 第三季度毛利率为73.6%，略低于市场预期的73.7% [1] - 第三季度营业利润率为66.2%，略高于市场预期的66.0% [1] - 第三季度非GAAP每股收益为1.30美元，高于市场预期的1.26美元 [1] - 公司对第四季度营收给出指引，中点值为650亿美元，高于市场预期的623.79亿美元和华尔街预期的623.79亿美元，指引分别高出2.8%和4.2% [7] 各业务板块表现 - 数据中心业务第三季度营收创纪录达512亿美元，远高于市场预期的497亿美元，环比增长22%，同比增长62.5% [3][7] - 游戏业务第三季度营收为43亿美元，高于市场预期的45亿美元 [3] - 专业可视化业务第三季度营收为7.6亿美元，远超市场预期的6.19亿美元 [3] - 汽车业务第三季度营收为5.92亿美元，低于市场预期的6.33亿美元 [3] 数据中心业务进展 - 亚马逊云科技、CoreWeave、微软Azure等多家云服务提供商已推出基于H200的实例，谷歌云与甲骨文云基础设施也将很快上线 [8] - 为xAI的Colossus超级计算机集群（搭载10万块H100 GPU）提供Spectrum-X以太网网络平台以提升运算速度 [12] - 与富士康合作，将采用Blackwell平台打造中国台湾地区运算速度最快的AI超级计算机 [12] - Blackwell架构产品首次参与MLPerf训练基准测试，在大型语言模型基准测试中性能提升高达2.2倍 [12] - 软银集团正采用Blackwell平台打造日本性能最强的AI超级计算机 [8] 游戏与AI PC业务进展 - 第三季度游戏业务营收33亿美元，环比增长14%，同比增长15% [12] - 新增20款支持GeForce RTX及DLSS技术的游戏 [12] - 华硕与微星已开始出货新款RTX AI PC，该系列产品AI运算性能达每秒321万亿次，预计下一季度将支持微软Copilot +功能 [12] 专业可视化业务进展 - 第三季度专业可视化业务营收4.86亿美元，环比增长7%，同比增长17% [12] - 富士康正采用基于Omniverse搭建的数字孪生与工业AI技术，加快三座生产GB200 Grace Blackwell超级芯片的工厂投产速度 [12] - 推出面向媒体行业的Holoscan平台，这是一款支持AI的软件定义平台，可优化内容制作交付效率 [12] 汽车与机器人业务进展 - 第三季度汽车业务营收4.49亿美元，环比增长30%，同比增长72% [18] - 披露沃尔沃将推出基于加速计算技术打造的全新电动SUV [18] - 推出GR00T AI项目及仿真工具，用于机器人学习与类人机器人研发 [18] - 丰田、奥拉汽车等企业正采用Isaac与Omniverse技术，研发下一代物理人工智能产品 [18] 产品需求与战略合作 - Blackwell架构产品的销量远超预期，云端GPU已全面售罄，产品供不应求 [18] - GB300的销售额超过GB200，贡献Blackwell总收入的大约三分之二 [18] - 从2024年初到2026年底，Blackwell和Rubin的收入将达到5000亿美元 [18] - 正在与OpenAI合作开展战略性伙伴关系，帮助他们建设和部署至少190吉瓦的数据中心 [18]

文章核心观点 - 硅光技术凭借高集成度、低成本和大规模制造优势，正以前所未有的速度重塑全球信息产业格局，成为光电子技术的核心发展方向 [2] - 北美云巨头800G/1.6T光模块采购潮爆发，硅光与CPO技术成为关键驱动力，可显著降低功耗30%-40%，满足AI算力中心对高速、低延迟、高能效的迫切需求 [2] - 行业会议旨在构建产学研用协同创新生态，加速光电融合技术在AI算力、量子通信等万亿级赛道的规模化应用进程 [2] 会议核心议题 - 会议聚焦硅光芯片设计优化、CPO封装良率突破、液冷热管理创新及OIO技术演进等核心议题 [2] - 议题包括突破"内存墙"限制实现光信号直连存储芯片、构建中国主导的CPO生态、CPO在6G网络中的应用前景探索 [8] - 圆桌讨论涉及CPO接口标准"中美欧三极博弈"、可维修性设计、国产CPO"设备-材料-代工"铁三角突围、成本悬崖平衡、从数据中心到6G车载等高壁垒场景 [10] 参会企业与机构 - 产业链上下游企业包括英伟达、思科、台积电、阿里云、Lam Research、Lightmatter、盛科通信、POET Technologies等行业领先公司 [5][6][9] - 学术机构参与包括上海交大无锡光子芯片研究院、华东师范大学等科研单位 [6][9] - 设备与材料供应商包括奥芯明、罗博特科、肖特、SENKO等关键环节企业 [8][9] 技术发展路径 - TSMC展示硅光技术整合发展路径，Global Foundries探讨从器件创新到代工集成的扩展路径 [5][9] - POET Technologies展示可扩展光引擎方案，Lightmatter介绍GPU间光信号高速传输技术 [5][6] - 技术演进方向包括蚀刻技术与异质集成、薄膜铌酸锂光电器件、玻璃基板革命、先进光学模拟技术等前沿领域 [5][9] 市场应用前景 - 会议涵盖2025-2030年CPO市场预测及技术路线分析，LightCounting高级市场分析师分享行业展望 [5] - 应用场景聚焦AI智算数据中心、AIGC集群、量子计算、6G网络等高速增长领域 [5][6][10] - 技术目标满足人工智能训练集群和大规模数据中心对超高带宽、超低延迟的严苛需求 [9]

Gemini 3 模型性能表现 - 在多项基准测试中表现卓越，尤其在 Humanity's Last Exam 学术推理测试中，无工具辅助得分为 37.5%，使用搜索和代码执行后提升至 45.8%，显著优于 Gemini 2.5 Pro (21.6%)、Claude Sonnet 4.5 (13.7%) 和 GPT-5.1 (26.5%) [1] - 在 ARC-AGI-2 视觉推理测试中得分 31.1%，远超 Gemini 2.5 Pro (4.9%) 和 Claude Sonnet 4.5 (13.6%) [1] - 在 AIME 2025 数学测试中，无工具辅助得分 95.0%，使用代码执行后达到 100%，在 MathArena Apex 高难度数学竞赛题中得分 23.4%，远高于其他模型（0.5% 至 1.6%）[1] - 在多模态理解（MMMU-Pro 81.0%）、屏幕理解（ScreenSpot-Pro 72.7%）、图表信息合成（CharXiv Reasoning 81.4%）及视频知识获取（Video-MMMU 87.6%）方面均领先 [1] - 在编程能力上，LiveCodeBench Pro Elo 评级达 2,439，代理终端编码（Terminal-Bench 2.0）成功率为 54.2%，代理工具使用（t2-bench）成功率为 85.4%，长周期代理任务（Vending-Bench 2）平均净值达 5,478.16 美元，优势明显 [1] Gemini 3 的技术突破与优势 - 模型性能的巨大提升源于预训练和后训练的改进 [3] - 其核心突破体现在处理20%高难度任务的能力上，如复杂逻辑推理和精妙创意决策，在需要额外"脑力"的场景下优势完全显现 [4] - Gemini 3 Pro 完全使用谷歌自研TPU训练，未使用英伟达GPU，标志着谷歌在AI全栈能力上的成熟 [7] - 优异表现建立在暴力计算之上，证明了"compute = better model"以及scaling law仍有空间 [15] 谷歌TPU的成本与生态优势 - 根据摩根士丹利测算，使用TPU V7训练400B参数Llama-3模型的硬件投资为2.34亿美元，总拥有成本为4400万美元，显著低于英伟达B200方案（硬件投资6.84亿美元，总拥有成本4800万美元）[8][9] - TPU V6的推理成本不到英伟达GB200超级芯片的一半，优势非常大 [9] - 在非通用计算平台TPU上成功训练出Gemini 3，表明谷歌的软件生态已非常完善，是"十年磨一剑"的成果 [12] 英伟达业绩前景与增长动力 - 机构普遍看好英伟达Q3业绩，高盛预测营收555.56亿美元，EPS 1.28美元；瑞银预测营收562亿美元，EPS 1.29美元；花旗预测营收567.54亿美元，并预计Q4指引可能突破625.66亿美元 [17] - 截至Q3末，Blackwell GPU已售出600万片，订单金额超1200亿美元；Rubin系列早期订单200万片，预计2026年Q1量产 [19] - 增长逻辑转变，供给端改善：云厂商云业务营收同比增长25%以上，GPU采购量环比增30%-40%；台积电CoWoS封装产能Q3环比增15%，70%供给英伟达 [19] - GPU + 网络 + 软件的整套解决方案占比达45%，环比增5个百分点，提升营收弹性 [19] 英伟达产品路线图与供应链 - Blackwell客户结构分散：大云厂商占65%，AI初创公司占25%，企业客户占10%，显示AI需求正向各行业扩散 [20] - Rubin系列是2026年增长重点，预计贡献13%营收，高端VR200和CPX性能比Blackwell强30%到50%，单价3万美元以上 [20] - 全球大模型训练每月需120万片GPU，但Blackwell月产仅80万片；Rubin在2026年Q1月产20万片，Q4达50万片，将弥补产能缺口 [20] - 供应链瓶颈存在于CoWoS封装（英伟达需求占其产能71%）、HBM内存（Q3 HBM3E价格涨20%）及光学元件 [21] 英伟达盈利能力与业务结构 - 机构预测Q3毛利率能稳定在73.5%-74%，数据中心业务毛利率可达77% [22][23] - 高毛利维持得益于高毛利率的解决方案占比提升至45%、数据中心营收增长22%带来的规模效应以及高端型号提价5%-10% [23] - Q3数据中心营收预计493.88亿美元（占比88.9%），游戏业务营收47.32亿美元（同比增44%），汽车业务营收6.2亿美元（同比增38%）[24] 英伟达面临的挑战与竞争 - 中国市场受出口管制影响，高端AI芯片份额从95%降至0%，中低端H20芯片Q3仅售2亿美元，远低于预期，且有45亿美元库存待消化 [25] - 面临AMD MI300（Q3销量80万片，市场份额升至12%）、云厂商自研芯片（如谷歌TPU、亚马逊Trainium2）以及AI初创公司专用芯片的竞争 [26] - 但其CUDA软件生态覆盖95%以上AI开发者，"GPU + 网络 + 软件"解决方案仍具优势 [26] AI资本支出可持续性 - 2026年全球AI基础设施支出预计达2046亿美元，同比增长45% [19][27] - 企业采用生成式AI的比例预计从当前的15%提升至2027年的50%，将支撑AI capex持续增长，2027年全球AI capex可能达2682亿美元 [27][28] - 即使AI初创公司支出减少，大云厂商和企业的需求也能支撑英伟达增长，2026年数据中心业务营收有望突破3000亿美元 [28]