核心观点 - 英伟达是AI赛道无可争议的龙头，其即将公布的第四季度财报及管理层对未来业绩的指引，尤其是对2027年营收的能见度，是当前市场关注的核心[2][4] - 高盛与瑞银均维持看多立场，预计英伟达Q4业绩将超出市场一致预期，并分析了2026年上半年的增长催化、竞争格局及下游需求等关键议题[3] 业绩预期与增长能见度 - 高盛预测英伟达Q4营收将超出市场预期约20亿美元，瑞银预估营收约675亿美元，较公司指引高出约25亿美元[3] - 市场关注焦点在于管理层对短期未来的展望，股价短期表现将取决于2027年营收的能见度，因为2026年的增长预期已基本被股价充分定价[4] - 瑞银上调台积电CoWoS先进封装产能预期，预计2026年底月产能将从11万片提升至12万片，英伟达将成为核心受益方[5] - 基于修正后的CoWoS产能数据，瑞银预测英伟达2025年GPU产量为690万颗，2026年升至950万颗，较此前模型预估（分别为570万颗与930万颗）有所上调[5] 竞争格局与盈利能力 - 行业竞争格局是市场焦点，高盛预计谷歌TPU v7与AMD MI455X将加剧竞争[6] - 高盛认为，英伟达会重点强调其CUDA生态的竞争优势[6] - 瑞银判断，短期没有因素会撼动英伟达75%的毛利率指引，认为自研ASIC对英伟达GPU主导地位的威胁依然有限[6] 下游需求驱动力 - 超大规模云厂商的资本开支持续上修，并将延续至2027年[7] - 市场对OpenAI、Anthropic等非传统客户的需求信心持续提升[7] - 基于布莱克韦尔（Blackwell）架构训练的全新大模型表现亮眼，进一步巩固英伟达的技术领先优势[7] - OpenAI预计2026年下半年加速算力部署，其4-5年内约26GW的算力目标中，2026年落地规模相对有限[10] - 除OpenAI外，AI生态整体依旧强劲，Anthropic近期将2026年营收预期上调20%，各国主权AI项目也保持良好推进势头[10] 中国市场前景 - 高盛与瑞银均认为，中国市场的贡献仍具不确定性[11] - 尽管近期有消息称英伟达H200芯片已获批准，但高盛希望获得2027年中国市场潜在收入贡献的更多细节[11] - 瑞银表示，随着中国加速采用本土GPU，其市场复苏前景仍存疑，以AMD为参照，中国市场或为英伟达带来数十亿美元的额外收入，但预计英伟达大概率不会将中国市场纳入业绩指引[11]

机器人 - 2026年央视春晚亮相的人形机器人在硬件工程、整机控制、动态平衡与灵巧操作层面进步显著，但节目高度编排，难以评估真实自主AI能力[3] - 春晚极大提升了行业公众认知，有利于推动机器人从工业场景向商用服务、娱乐、教育等领域拓展[3] - 高盛预计全球人形机器人出货量2026年为5.1万台，2027年为7.6万台，较2025年实现数倍增长[3] - 行业核心短期驱动力来自特定场景商业化部署，长期上行关键则由数据与模型策略驱动的AI通用化能力决定，尤其“世界模型”将决定机器人能否实现环境理解、自主决策与因果推理[3] AI模型与商业化 - AI商业化趋势正从卖算力转向卖token[5] - 字节的Seedance 2.0，以及智谱、Minimax和Kimi的新模型在国内外获得一致好评，显示中国AI公司模型能力提升[5] - Claude Opus 4.5在编程(Coding)领域的突破性进展，验证了垂直场景深耕的商业价值[8] - 行业指明了一条可复制的成功路径：工程化优化+精准产品模仿，成为AI公司实现弯道超车的关键方法论[8] - 通过对标已验证成功的Claude产品，聚焦Coding与Agent两大核心方向，借助高质量代码语料等工程化经验，可实现能力快速迭代并降低研发风险[8] 存储（Memory） - 存储是确定性非常高的产业之一，SK海力士2026年全部HBM/内存产能已售罄，2026年资本支出将较2025年显著提升，重点满足Nvidia等AI加速器需求[11] - 三星计划将下一代HBM4芯片价格上调20-30%，直接受益于AI需求，其股价本周触及历史新高[11] - 三星在DRAM市场份额重夺第一，最新数据约36.6%，超越SK海力士(32.9%)和美光(22.9%)，原因包括成功拿下Nvidia、AMD等HBM3E订单，并已锁定HBM4在Nvidia Vera Rubin平台的位置[11] - 高盛判断2026年存储价格将全年上涨，核心支撑是AI客户的强劲需求及供给增长受限[11] - 价格上涨具备真实基本面支撑，因客户知晓短期产能无法大幅提升，大幅重复下单可能性低[11] 光通信与互连 - 假期期间，AXTI、LITE、Cohr股价均创下新高[13] - AXTI在业绩电话会表示需求远大于供给，公司产能计划2026年翻倍，2027年再翻倍，需求预测每周都在上调[13] - 广发海外预计，在Scale Out中，Nvidia scale out CPO台数2026/2027年分别为2万/8万台，总体渗透率仍低(个位数)[13] - 在Scale Up方面，Rubin Ultra及未来平台潜在NPO/CPO采用将提供长期年营收机会超过10亿美元，销量爬坡将于2027年底启动[13] - 数据中心短距铜缆连接凭借低成本、高带宽、高可靠性优势，将在AI数据中心持续渗透[13] PCB（印制电路板） - 高盛预计胜宏科技2026E/2027E净利润同比分别增长129%/82%，主要得益于营收强劲增长及毛利率提升[16] - 胜宏科技2027E AI服务器PCB收入占比将升至70%（2025E为29%），2026E-27E全球GPU AI服务器PCB市占率维持25-45%并切入谷歌TPU AI服务器供应链[16] - 高盛预计全球PCB市场2026E/2027E同比分别增长113%/171%，核心驱动力为全球AI服务器放量、AI PCB规格升级及PCB替代铜缆趋势[16] - 胜宏科技2025年前三季度资本支出(capex)同比大增380%，2024-27E capex复合增速预计达99%，海内外多地工厂有序投产/建设，2026年2月完成对SunPower马来西亚工厂收购，扩产将提供长期支撑[16]

英伟达的战略与护城河 - AI模型工作负载巨大，已可容纳专用芯片 专用芯片如Groq在推理速度上优势明显，但通用性差，无法训练或经济地运行大模型 [4] - 未来AI模型可能向多并行思维流发展，需要“足够宽的并行处理能力”而非“极致的快” Google和OpenAI的一些专业模型已在实践 [4] - 英伟达采取多元化布局策略，通过收购Groq、开发CPX芯片等方式覆盖多种应用场景，以应对专用芯片在细分市场的挑战 [6] - CUDA的护城河并非编程语言本身，而在于使AI应用更便宜、更快的软件优化 例如KV cache管理系统可将上下文缓存至SSD，大幅降低推理成本 [9] - 大部分AI芯片使用者不直接编写代码，而是通过开源推理引擎（如vLLM、SGLang）和模型直接运行 vLLM已将AMD GPU作为一等公民支持，TPU和Tranium支持也在进行中 [9] - 软件优化能显著降低特定应用成本 例如Claude Code或Cursor代码助手的成本大头在于反复加载上下文，缓存复用可大幅降低成本 [9] 中国半导体产业现状 - 中国社会存在“半导体狂热”文化，半导体元素甚至渗透到言情剧等流行文化中 [12] - 地方政府推动力度强劲，存在自主补贴、建设产业园和出台地方性采购政策的情况 有些地方规定做生意必须使用国产芯片 [13] - 中国拥有独特的产业集群发展模式，可能由个人或企业带头，随后形成完整的地方供应链 例如某些城市集中生产灯罩、吉他、相机支架等特定产品 [13] - 长期来看，中国可能是全球唯一有能力建立完整垂直半导体供应链的国家 尽管在光刻机、高端化学品、精密工具上仍落后，但国产替代品可使晶圆厂维持运转 [15] - 华为被认为是全球垂直整合程度最高的公司，这种整合能力带来巨大的创新优势 [19] AI基础设施的争议与前景 - 关于AI数据中心耗尽水资源的说法被驳斥 全球最大AI集群之一的马斯克Colossus数据中心全年耗水量仅相当于2.5家In-N-Out汉堡店，主要因养牛饲料灌溉耗水巨大 [21][23] - 数据中心冷却用水大部分为闭环系统，蒸发水量少且换来更低能耗 有案例显示当地水质问题源于页岩气开采，与数据中心无关 [23] - AI发展对电网的挑战主要源于美国长期未建设新电厂 数据中心用电量预计将从占全美2%增长至10% [23][25] - 天然气发电被视为快速满足AI电力需求的解决方案 太阳能和风能不稳定，核电建设周期长，煤炭污染大 [25] - 许多数据中心选择自建燃气电站，不接入电网 有客户重启煤电厂并因云厂商包下全部产能而获利丰厚 [25] - AI基础设施投资是否为泡沫取决于AI模型能否持续进步 以500亿美元建设、5年使用寿命的数据中心为例，若模型持续进步，投资可能在第三至第五年通过收入收回 [28] - 预计到今年年底，整个AI行业的年化收入（ARR）将达到1000亿美元 其中OpenAI约450亿美元，Anthropic约350亿美元，另加Google、微软、亚马逊的API收入 [28] - 行业内的“循环融资”被视作正常的商业担保和股权投资，不存在特别的脆弱性 [28] AI对工作的影响 - AI工具如Claude Code已能自动化完成财务分析等复杂知识工作，包括抓取数据、建立模型和生成报告 [30] - 初级分析师和需要3-5年经验的知识工作岗位面临被AI取代的风险 AI执行这些任务更快、更便宜 [30]

文章核心观点 文章深入分析了英特尔代工业务在2025年第四季度面临的严峻挑战，其核心观点是：代工业务的成功不仅依赖于技术，更依赖于由时间和规模累积形成的结构性壁垒，包括PDK成熟度、IP生态系统、BKM（最佳已知方法）和良率学习曲线。英特尔作为后来者，正面临低良率、低产能利用率和有限外部订单的恶性循环。公司能否在2026-2027年的关键窗口期内，通过吸引苹果、英伟达等大客户来启动良性循环，是其代工战略生死存亡的关键[3][5][24][27][50][79]。 一、代工业务的护城河与结构性壁垒 - **代工核心壁垒是时间和规模累积的技术资产**，而非单纯的技术，这是一道几十年建起的墙[6]。 - **第一道墙：PDK（工艺设计工具包）与MHC（模型与硬件相关性）**：PDK是将制程信息转化为设计工具包的关键，其核心在于MHC的准确性。台积电通过30多年为成千上万客户生产芯片，积累了海量硅数据来校准模型。英特尔18A PDK 1.0在2024年7月发布，虽有超过100次流片，但业内评估其MHC验证水平距台积电仍有很大差距[8][10]。 - **第二道墙：IP生态系统**：复杂的预验证IP模块必须针对特定代工厂的特定制程进行硅验证，此过程需12到18个月。台积电拥有成千上万个经过硅验证的IP，形成了强大的网络效应。英特尔则陷入客户少导致IP少、IP少又导致客户更少的负循环[11][13][14]。 - **第三道墙：BKM（最佳已知方法）**：BKM是数百道工艺步骤中每个参数的最优解，它通过跑真实晶圆、积累各种设计图案的工艺响应数据而不断更新。台积电凭借为数百客户生产千差万别芯片的规模，能快速发现并解决问题，积累BKM。英特尔代工厂因缺乏外部客户，主要依赖自家x86处理器数据，缺少多样化的设计图案数据[15][16][17][18]。 - **第四道墙：良率与规模经济**：所有技术积累最终汇聚于良率。缺陷密度（D₀）是决定经济性的关键变量，例如D₀从0.40改善到0.10，芯片良率可从约67%提升至90%。在单片2纳米级晶圆成本超过2万美元的背景下，良率差异导致单颗芯片成本差异超过38%。叠加产能利用率因素（50%利用率时的固定成本分摊几乎是80%利用率时的两倍），英特尔代工厂一个季度运营亏损25亿美元是低良率和低利用率叠加的结构性后果[19][20][22][23][24]。 - **良率改善依赖学习曲线与规模效应**：良率提升速度取决于跑晶圆的数量、图案多样性及频率。大规模代工厂能通过海量、多样化的生产快速学习，加速良率成熟。订单有限的代工厂则陷入学习慢、成本高、难获客的恶性循环[26][27][28]。台积电用30多年建立的护城河本质即在于此[29]。 二、英特尔18A制程的真实实力、局限与竞争格局 - **英特尔18A技术进展与商业现实脱节**：18A制程在2025年下半年进入量产爬坡，引入了RibbonFET（GAA）和PowerVia（背面供电）技术，首款产品为Panther Lake家族。尽管技术有进展，但所有已知信息基本锚定于英特尔自家产品，公司SEC文件承认外部客户订单量仍然有限[30][31]。真正的考验在于外部客户是否会将订单交给面向客户的变体18A-P[32]。 - **与台积电N2的不对称竞争**： - **性能与功耗**：英特尔展示了使用PowerVia技术在特定条件下的性能提升或功耗节省优势，但最终对客户重要的是硅的可重复性和生产数据[36][38][39]。 - **密度**：台积电N2晶体管密度为每平方毫米3.13亿个，英特尔18A为2.38亿个，台积电有明显领先，意味着更低的单颗芯片成本。PowerVia可能提升“有效密度”，但额外工艺步骤可能推高英特尔晶圆成本[39]。 - **良率与成熟速度**：英特尔未公开18A良率数字，业内估计在60%多的低到中段范围。真正的差距在于良率爬坡和成熟速度，这直接转化为成本和交付可靠性差异[30][39]。 - **生态系统**：台积电拥有成熟的IP生态系统（OIP），而英特尔18A的IP生态刚起步。更重要的是，英特尔的PowerVia与现有正面供电IP不兼容，需要近乎完整的IP重新开发，而台积电为客户提供了正面供电（N2）和背面供电（A16）的双轨选择[39][40]。 - **市场定位狭窄**：英特尔18A的定位主要在性能驱动的高端HPC和AI市场，而在由成本和密度驱动的移动及IoT市场存在结构性劣势，可触及的市场本质狭窄[40]。 - **三星的回归构成双重压力**：三星作为另一IDM代工厂，其过往因生产可靠性问题失去客户信任（如高通骁龙8 Gen 1事件）是英特尔的教训。但三星正通过SF2（2纳米）路线图、与特斯拉签订的165亿美元长期供应协议以及积极定价策略试图重获客户，成为英特尔“替代溢价”的威胁[41][43][45]。当前竞争格局清晰：台积电是基准，英特尔以PowerVia差异化瞄准高性能市场，三星以价格和供应可选性竞争[44]。 三、英特尔的窗口期、关键客户与生死抉择 - **结构性机会与紧迫的窗口期**：无晶圆厂客户（如苹果、英伟达、AMD、高通）的“多源化”需求为英特尔创造了机会。但窗口正在缩小，因三星复苏和台积电全球扩产（如美国亚利桑那州、日本、德国）正在稀释英特尔的地缘政治溢价。2026年和2027年是决定性的时间窗口[46][48][49][50][70]。 - **潜在关键客户动态**： - **苹果**：据分析师信息，苹果已收到英特尔18A-P PDK进行评估，目标可能是在2026年左右为MacBook Air和iPad Pro的入门级M系列处理器下单，年产量估计1500万到2000万颗。更远期可能涉及iPhone A系列处理器。苹果的动机是减少对台积电的单一依赖和地缘政治风险。2026年上半年将是决策拐点[52][54][55][56]。 - **英伟达**：英伟达对英特尔投资了50亿美元并合作开发SoC。在代工方面，信号混杂，有报道称其可能探索在英特尔18A或14A上生产下一代GPU的I/O芯片（约占工作的25%），而将核心计算芯片留在台积电，这是一种低风险的代工多元化策略[57][59]。 - **微软与AWS**：微软计划在英特尔18A上生产AI加速器Maia 2，AWS正合作开发定制芯片。这些超大规模云厂商的动机主要是战略多元化和供应链韧性，以应对AI基础设施需求激增和台积电产能限制[60][61]。 - **英特尔必须跨越的五道关卡**： 1. **2026年上半年的良率拐点**：18A制程良率必须达到足以接受外部客户的水平，内部产品（Panther Lake, Clearwater Forest）的量产需作为活证明[64]。 2. **18A-P必须按时交付**：面向代工的18A-P制程的PDK 1.0和生产爬坡时间表必须与外部客户（包括苹果）的时间表对齐，时间表滑移等于客户流失[65]。 3. **真正的较量在14A**：预计2027年左右的14A制程将是High-NA EUV光刻的首次商业应用，可能是游戏改变者。但英特尔已表示不会在没有客户承诺的情况下投资[66][67]。 4. **以先进封装（EMIB）作为侧门**：英特尔的EMIB和Foveros封装技术是同类最佳，可能先于晶圆加工吸引客户（如英伟达Feynman交易），成为建立关系的敲门砖[68]。 5. **将地缘政治顺风转化为执行**：尽管有CHIPS法案拨款（78.6亿美元）和美国政府股权等支持，但英特尔必须独立建立技术竞争力，因为来自台积电和三星的美国产能正在削弱其本土生产溢价[69]。 - **两种可能的情景**： - **牛市情景**：飞轮启动。PDK时间表保持，内部产品证明制程成熟，苹果和英伟达等承诺订单，外部客户流入加速学习，14A捕获先发优势，代工亏损缩小，英特尔最终获得可观市场份额[73][74]。 - **熊市情景**：窗口关闭。制程时间表滑移，生产成熟度令人失望，大客户推迟或限制合作，外部订单未能实现，大规模亏损持续，对14A的投资缩减，代工战略可能面临收缩压力[75]。

文章核心观点 - 关于OpenAI大幅下调支出目标的新闻存在误读，其讨论的1.4万亿美元资本支出与6000亿美元运营支出是两回事，分别指代不同范畴和时期的投资计划 [1][4][7] - 北美主要云服务提供商近期资本支出指引均大幅增加，在此背景下，OpenAI及其生态合作伙伴的总体资本支出大幅减少的可能性不大 [10] 关键概念澄清 - **1.4万亿美元资本支出 (CapEx) 的由来**：该数字源于公司首席执行官在去年10月的直播，表示将投入1.4万亿美元用于建设总计30GW的算力资源，这笔支出可理解为资本支出，但不仅包括公司自身，也涵盖其合作伙伴 [6] - **6000亿美元运营支出 (OpEx) 的所指**：该数字是指公司到2030年的运营支出目标，与1.4万亿美元的资本支出属于不同性质的财务概念 [7] - **资本支出 (CapEx) 定义**：指公司为购买或建造能使用多年的资产（如机器、厂房、服务器）所进行的大额长期投资，支出记为资产并通过折旧分摊成本，对当期利润冲击较小 [9] - **运营支出 (OpEx) 定义**：指公司维持日常运营所必需的经常性支出（如工资、租金、云服务费），支出在发生时即全部计入当期费用，直接减少当期利润 [10] 行业背景与现状 - 北美几家大型云服务提供商近期发布的财报显示，其资本支出指引均显著增加 [10] - 尽管面临支出持续增加的问题，但在行业资本开支普遍上行的环境下，公司及其生态系统的总体资本支出大幅缩减的可能性较低 [10][11]

文章核心观点 - 光互连技术正沿着可插拔模块、CPO、光学I/O三代路径演进，其市场格局和价值分配可通过一张基于“光离芯片距离”和“价值链层级”的地图来理解 [3][5] - 市场存在三个结构性规律：技术转型期垂直整合有优势、产生光的Layer 1是稀缺瓶颈、以及硅光子代工厂的崛起可能重塑生态 [5][6][10][15] - 未来市场走向将取决于四大信号：每比特能耗指标、标准化进程、并购活动以及超大规模云服务商的技术选择 [55][56][57][63] 市场结构性规律 - **垂直整合 vs. 专业化**：在技术转型期，由于层间接口标准未定，能跨层设计优化的垂直整合公司（如Broadcom）拥有结构性优势。但若未来接口标准化（如OIF、UCIe），专业化模式可能再度兴起 [6][8][9] - **“产生光”的稀缺性**：价值链中，Layer 3-5（DSP、模块、系统）基于成熟CMOS工艺，竞争激烈。Layer 2（硅光子代工）扩产相对容易。而Layer 1和0（InP/GaAs激光器及基板）材料工艺特殊，技术壁垒高，尤其是高性能InP激光器量产公司全球屈指可数，形成寡头瓶颈 [10][12][13][14] - **硅光子代工厂的崛起**：台积电、GlobalFoundries、Tower Semiconductor等传统晶圆厂正进军硅光子代工。若代工厂成为生态中心（如台积电COUPE平台同时制造AI芯片和光互连），可能瓦解垂直整合的优势，催生新的Fabless生态 [15][17][29] 各价值链层级分析 Layer 0：基板 - 该层提供InP和GaAs等III-V族化合物晶圆，是激光器制造的基础。AXT是专业供应商，其InP订单积压创历史新高，并计划将产能扩大两倍以上。但其主要生产基地在中国，面临地缘政治与出口管制风险 [19][21] Layer 1：光源 - 该层是增长最快但最难规模化的瓶颈，由Coherent和Lumentum两家公司主导 [22] - **Coherent**：优势在于规模，年销售额58亿美元，数据中心业务同比增长61%，客户订单可见度已到2028年。其关键成果是全球首个6英寸InP晶圆量产，并是唯一能在三个平台上演示1.6T收发器的公司 [24][25] - **Lumentum**：站在技术难度顶端，控制着200G EML激光器50%-60%的市场份额。需求超过供给25%-30%，最近一个季度销售额同比增长65%创历史新高，且在面向CPO的超高功率激光器方面被认为是领导者 [24][25] Layer 2：硅光子代工厂 - 该层使用45-65nm成熟工艺制造光子集成电路，老设备获得第二次生命 [26][27] - **GlobalFoundries Fotonix**：在300mm单片硅光子上领先，客户包括Ayar Labs、Lightmatter、英伟达等下一代光学创业公司 [28] - **台积电COUPE**：通过3D集成在65nm光子芯片上堆叠6nm电子芯片。英伟达用此平台发布了将于2025-2026年出货的全球首款1.6Tbps CPO交换机。该平台可能像当年催生Fabless生态一样，重塑硅光子领域 [29] - **Tower Semiconductor**：通过整合硅光子和高速模拟电路实现差异化，正投入6.5亿美元扩产。硅光子市场预计从2024年的约22-27亿美元增长至2030年的100亿美元 [30] Layer 3：数字信号处理器 - DSP负责修复电信号传输中的失真，但CPO技术通过缩短光芯片距离从根本上消除失真，可能导致DSP被瘦身甚至移除 [31][33] - **Broadcom**：DSP只占其销售额一小部分，而推动CPO普及将使其更大的交换机ASIC和CPO模块业务受益，实现了自我破坏到自我强化的罕见结构 [34] - **Marvell**：拥有业界首个3nm 1.6T DSP，但通过收购Celestial AI（最高约55亿美元）向DSP之上的光互连垂直整合转型 [35][36] - **MACOM**：专注于高速模拟芯片（如TIA），这些元件在任何架构中都必需，因此保持结构性中立 [37] Layer 4：模块/封装 - **可插拔模块领导者**：中国公司Innolight和Eoptolink控制着800G可插拔模块市场超过60%的份额，其中Innolight为英伟达供应超一半的800G模块，Eoptolink年增长率约283% [40] - **向CPO转型的挑战**：产业从可插拔转向CPO，规则改变，需要与ASIC紧密共同设计。Coherent和Lumentum等公司的重心可能从“成品组装商”转向“光学引擎供应商” [41][42][44] - **CPO技术平台**： - Broadcom的Bailly/Davisson平台已发展到第三代，在Meta验证超100万设备小时，每端口功耗约3.5W，是可插拔（约15W）的四分之一 [45] - POET Technologies的光学中介层技术旨在降低CPO封装复杂性，已拿到800G光引擎初期生产订单 [46] - Ayar Labs押注光学I/O，发布了全球首个UCIe光互连chiplet TeraPHY，实现双向8Tbps带宽，是估值超10亿美元的独角兽，目标2026年中期商业化 [47][48] Layer 5：系统/ASIC - 该层是超大规模数据中心每年投入数千亿美元的核心，竞争在英伟达、Broadcom和云服务商定制芯片之间展开 [49][51] - **英伟达**：试图垂直整合GPU、网络和光学系统。其基于台积电COUPE的Spectrum-X CPO交换机将于2025-2026年出货，并计划在约2028年将NVLink迁移到光互连 [52] - **Broadcom**：在交换机ASIC市场占第一，其Tomahawk 6是业内首款102.4Tbps产品，与CPO捆绑销售。通过支持开放以太网生态（如UEC）来对抗英伟达的锁定效应 [53] - **超大规模云服务商定制芯片**：谷歌、AWS、Meta等正在设计自己的AI芯片及优化网络，其定制ASIC多与Broadcom合作，这构成了对英伟达一体化战略的结构性牵制 [54] 决定未来市场的关键信号 - **每比特能耗**：是衡量技术进步的核心指标。可插拔模块约15 pJ/bit，CPO约3.5-5.5 pJ/bit，光学I/O约3-5 pJ/bit。在百万GPU集群中，从15降至5 pJ/bit可节省约129MW功率 [56] - **标准化进程**：OIF、UCIe、CW-WDM MSA、IEEE 802.3等标准将决定未来格局。标准制定者的话语权通常来自已量产的厂商，需关注OIF 2026年规范和UCIe下次修订反映谁的技术 [57][58][59] - **并购活动**：近期大型并购揭示了技术下注方向，如Marvell以最高55亿美元收购Celestial AI，诺基亚23亿美元收购Infinera，Lumentum 7.5亿美元收购Cloud Light。Ayar Labs、Lightmatter、POET被视为下一个潜在目标 [60][61][62] - **超大规模云服务商的选择**：谷歌、Meta、微软、AWS的选择将最终决定市场结构。它们是在英伟达的垂直整合与Broadcom的开放生态之间做选择，其平台发布即设计获胜，预示未来营收 [63][64] 光子计算的远景 - 光子计算是光的终极应用之一，不仅用光传输数据，还用光进行计算本身，原理是利用光束干涉执行矩阵乘法 [66][68] - Lightmatter的Envise光子处理器已在2025年发表于《自然》的论文中成功运行ResNet和BERT模型，证明了可行性。该公司正通过光互连业务建立收入基础，并为光子计算的未来做准备 [69]

文章核心观点 - 行业专家指出，数据中心扩张面临三大核心瓶颈：电力、水资源和劳动力，这些约束正深刻影响行业的发展路径和投资方向 [1] 电力瓶颈与应对方案 - 电力是当前最紧迫的近期约束，云计算和AI推理业务因需靠近用户而集中于用电紧张的大城市周边，导致电网压力巨大，而AI训练对地理位置要求低，正迁往偏远地区以获取电力 [4] - 灵活负载管理方案提出，若数据中心接受每年0.25%的停机时间（99.75%正常运行），美国电网可多承载76 GW新负载；若接受0.5%停机（99.5%正常运行），则可多承载98 GW，但该方案面临行业风险规避和市场激励不足的落地障碍 [6] - 更直接但昂贵的方案是Behind-the-Meter自建发电站，主要使用天然气发电机，其成本是电网供电的5到20倍，但对于利润空间大的大型AI数据中心而言仍具经济可行性 [6] - 行业已出现BYOG模式，例如xAI实验室通过租用卡车安装的燃气涡轮机，在4个月内建成10万块GPU集群，部署超过500MW现场电力，OpenAI和Oracle已在德克萨斯州订购2.3 GW的现场天然气发电厂 [7] 水资源挑战与技术转型 - 水资源是第二大挑战，传统数据中心使用高耗水的蒸发冷却技术，但面临社区反对和监管收紧，行业正快速向节水型闭环和无水冷却系统转型 [9] - 技术转型带来能耗代价，传统蒸发冷却系统的PUE可低至1.08（仅8%能源用于非计算），而闭环无水系统的PUE会升至1.35-1.40（35%-40%能源用于非计算），能耗大幅上升 [11] - 芯片级液冷和高温水冷等新技术能在更多地理位置实现高效散热，但托管型数据中心因客户多样、需早期确定架构而难以灵活跟进，将继续依赖传统冷水机组 [11] - 尽管无水冷却份额上升，但由于数据中心规模爆发式增长，冷水机组的绝对需求量在未来十年仍将大幅增长 [11] - 有分析认为数据中心用水争议被夸大，实际消耗相对有限，例如全球顶级的Colossus 2数据中心的水消耗仅相当于2.5家In-N-Out门店 [12] 劳动力短缺问题 - 劳动力是第三个且易被忽视的挑战，数据中心需要极其专业的电气和机械系统，导致对电工和管道工等技术工人的需求巨大，而目前此类技术工人严重短缺 [14] - 技术工人短缺预计将成为继电力之后的下一个主要行业约束，行业组织正与技术院校乃至中学合作开发培训项目，以吸引年轻人进入技术工种 [16] - 高盛估算，到2030年，美国需要净增超过50万名工人，覆盖制造、建设、运维及输配电等环节，才能满足数据中心扩张带来的电力部署需求 [16] 其他行业卡点 - 除三大瓶颈外，行业扩张还受限于Memory（内存）和台积电的CoWoS先进封装产能 [2]

公司最新财报与业绩指引 - 第三财季营业利润为1428亿日元，略高于公司指引高端，但平均售价环比仅增长约10%，显著落后于同行[2] - 平均售价增长滞后主要因给予最大客户苹果的定价较低[2] - 第四财季营业利润指引区间为4360亿至5260亿日元，远超市场预期的2500-3000亿日元[2] - 第四财季指引超预期得益于对所有应用领域（包括苹果）提价，预计平均售价环比增长将超过70%[2] - 自去年12月初至财报发布后约两个多月，公司股价从9000日元上涨至24000日元，涨幅达1.5倍[2] 机构观点分歧 - 财报发布后，各大机构看法分歧非常大[3] Bernstein看空观点 - 认为公司估值过高且不合理，其两年远期市净率显著高于拥有DRAM业务的同行[4] - 认为NAND行业竞争格局比DRAM更严峻且多变，高溢价不合理[4] - 公司缺乏DRAM业务是结构性劣势，竞争对手正将更多精力和资本投入盈利能力更强的DRAM领域[5] - 由于缺乏DRAM协同效应，对公司长期竞争力和估值上限持谨慎悲观态度[5] - 第三财季平均售价环比仅增长约10%，明显落后于同期涨幅超过20%-30%的三星和SK海力士[6] - 价格表现滞后主要因对苹果收取单价较低，稀释了整体利润[6] - 认为第四财季强劲指引是短期性的，行业修正是不可避免的[7] - 维持7000日元目标价，较当时股价有约67%下行空间，建议投资者止盈离场[7] 美银看多观点 - 上调目标价至32000日元，较当时股价有约45%上行空间[8] - 看多核心观点是生成式AI推理需求将驱动NAND市场持续扩张[8] - 全球NAND厂商扩产有限，供需格局持续偏紧[8] - 基于第三财季盈利改善超预期，将2027财年营业利润预测上调112%至2.3万亿日元[8] 高盛中性观点 - 将目标价调至24000日元，与当时股价接近，持中性看法[9] - 认为NAND行业具有强周期性，公司市盈率在行业周期峰值时历来仅维持在中高个位数[9] - 截至研报发布，公司FY3/27E市盈率已达6.0倍，接近历史周期峰值估值区间[9] - 12个月目标价24000日元对应FY3/27E市盈率仅6.8倍，已充分反映利好，缺乏进一步估值扩张空间[9] - 尽管2026年NAND市场预计呈现需求超供给的紧平衡，但长期风险仍存[10] - 行业供需关系易受技术迭代、产能扩张影响，紧平衡状态可能逆转[10] - 中国NAND厂商崛起可能加剧长期供给竞争[10] - 公司对特定大客户依赖度高，产能利用率存在波动风险[10] - DRAM、NAND控制器等组件采购成本呈上行趋势，长期成本转嫁能力受行业竞争约束[10] - 股价短期或因平均售价超预期、盈利增长催化出现正向反应，但长期回报缺乏弹性[11] - 公司股价过去12个月绝对涨幅达1036.0%，相对日经TOPIX跑赢699.8%，已提前反映部分行业景气度改善预期[11] - 若后续NAND价格上涨不及预期、行业周期转向或中国厂商竞争加剧，当前估值难以支撑股价进一步大幅上涨[11] GSR看多观点 - 公司成功在数据中心产品上提价70%至100%以上[13] - 公司让战略客户苹果公司接受了约70%的价格涨幅，扭转了市场对其无法向大客户转嫁成本的偏见[13] - 长期协议正促使存储行业从波动的“大宗商品模式”向稳定的“工业产品模式”转型[13] - 通过签署通常为期一年、包含固定份额和锁定价格的合同，并辅以预付款和严格违约惩罚，公司提升了盈利的透明度与预见性[13] - 这种转变抬高了公司利润底线并降低了业绩波动，推动其估值逻辑从价格投机转向由AI驱动的结构性增长，有望触发市盈率大幅重估[13]

摩尔线程MTT S5000产品性能与规格 - 公司AI旗舰计算卡MTT S5000实现GLM-5的“Day-0”适配，推动国产算力生态进入“零时差”响应时代 [1] - MTT S5000是2024年推出的训推一体全功能GPU智算卡，专为大模型训练、推理及高性能计算设计，可对标国际旗舰水准 [3] - 产品硬件参数首次曝光：支持FP8到FP64全精度计算，单卡AI算力（FP8）最高可达1 PFLOPS（即1000 TFlops），显存容量80GB，显存带宽1.6TB/s，卡间互联带宽784GB/s [4] - 液冷版本AI算力为1000 TFlops，风冷版本为920 TFlops [4] - 业内人士表示，MTT S5000实测性能对标英伟达H100，在多模态大模型微调任务中部分性能甚至超越H100 [4] 芯片架构与技术创新 - S5000采用第四代MUSA架构“平湖”，专为大规模AI训练优化 [6] - 依托MUSA全栈软件平台，原生适配PyTorch、Megatron-LM、vLLM及SGLang等主流框架，实现“零成本”代码迁移，兼容国际主流CUDA生态 [6] - 该产品是国内首批最早原生支持FP8精度的训练GPU，配置硬件级FP8 Tensor Core加速单元 [6] - 相比传统BF16/FP16，FP8可将数据位宽减半，显存带宽压力降低50%，理论计算吞吐量翻倍 [6] - FP8引擎全面支持DeepSeek、Qwen等前沿架构，可提升30%以上训练性能 [6] - 在集群通信层面，S5000采用独创的ACE技术，将复杂通信任务从计算核心卸载，实现计算与通信零冲突并行，大幅提升模型算力利用率（MFU） [10] 夸娥万卡集群性能表现 - 基于S5000构建的夸娥万卡集群已落地，其浮点运算能力达到10 Exa-Flops [8] - 在Dense模型训练中，集群的模型FLOPs利用率（MFU）达到60%，在MoE模型中维持在40%左右 [8] - 集群有效训练时间占比超过90%，训练线性扩展效率达95% [8] - 依托原生FP8能力，集群能完整复现顶尖大模型的训练流程，其中Flash Attention算力利用率超过95% [8] - 实测显示，从64卡扩展至1024卡，系统保持90%以上的线性扩展效率，训练速度随算力增加几乎同步倍增 [10] 实际训练与推理案例 - 2026年1月，智源研究院基于S5000千卡集群，完成了前沿具身大脑模型RoboBrain 2.5的端到端训练与对齐验证 [10] - 训练结果显示，与英伟达H100集群的训练结果高度重合，训练损失值（loss）差异仅为0.62% [10] - 在推理场景，2025年12月公司联合硅基流动基于S5000完成对DeepSeek-V3 671B满血版的深度适配与性能测试 [12] - 实测单卡Prefill吞吐超4000 tokens/s，Decode吞吐超1000 tokens/s，刷新了国产GPU的推理纪录 [12]

文章核心观点 文章认为，液冷、燃气轮机与余热锅炉（HRSG）、以及智能驾驶是当前值得关注的产业方向，这些领域均出现了积极的催化事件或基本面变化，预示着潜在的投资机会 [1][3][4] 液冷行业 - Vertiv发布超预期财报，最超预期的部分是订单，表明今年是液冷行业的大年，将迎来行业性的上涨行情 [1] - 受Vertiv财报带动，国内液冷公司股价大涨，龙头英维克涨停 [2] - 液冷行业的跟踪逻辑相对简单，主要关注各公司的订单情况即可 [2] 燃气轮机与余热锅炉（HRSG）行业 - 西门子能源财报超预期，CEO表示燃气轮机和电网技术业务持续的高需求是业绩主要贡献者 [3] - 西门子能源共售出102台燃气轮机，并拥有高达1460亿欧元的创纪录积压订单 [3] - 高订单积压将推动西门子能源扩大产能，并带来产能外溢机会 [3] - 联合循环（带HRSG和蒸汽轮机）模式可大幅提升发电效率，在燃气轮机产能紧缺背景下，HRSG的需求将显著提高 [3] - GEV在美国交流中给出的利润率指引为30%-40%，远高于当前报表水平，预期未来会进一步超预期 [3] 智能驾驶行业 - 智能驾驶面临技术进步与政策滞后的矛盾，并已成为大国博弈的重要方向 [4] - 美国众议院能源与商务委员会举行听证会讨论放宽无人驾驶车辆部署，提及防范中国竞争及制定相关标准，同日上海发布了智驾行动计划 [4] - 美国众议院能商委以12-11的微弱优势通过《自动驾驶法案》，旨在破除监管壁垒，加速全美自动驾驶部署 [4] - 中国工业和信息化部就《智能网联汽车自动驾驶系统安全要求》等五项强制性国家标准公开征求意见 [5][7] - 年初即看好今年智驾行情，并认为Robovan会比Robotaxi更早落地，此观点保持不变 [7]