全球及中国半导体市场概况 - 2024年全球半导体市场规模达6591亿美元，同比增长20.0%，预计2025年将增长至7893亿美元 [2] - 集成电路是半导体市场的核心支柱，2024年市场规模达4872亿美元，占比73.9% [14] - 人工智能芯片是增速最快的产品，2024年市场规模为689亿美元，同比增速高达49.3% [14] - 2024年中国半导体市场规模达1769亿美元，同比增长15.9%，预计2025年将达2067亿美元 [2] - 在中国市场，集成电路同样是占比最大的产品，2024年市场规模为1393亿美元，占比78.7%，人工智能芯片增速最快，达48.3% [16] - 2023年全球半导体市场份额前十企业以美国、中国台湾、韩国为主，中国大陆企业暂未入围，前三大为Intel、TSMC、Samsung [16] - 2023年中国半导体市场份额前十企业中，美国企业占5家，韩国2家，中国台湾1家，欧洲2家，前三大为Qualcomm、Intel、TSMC [18] 半导体应用领域与驱动因素 - 2023年全球半导体主要应用领域占比为：智能手机(19%)、个人电脑(17%)、服务器/数据中心及存储(15%)、汽车(15%)、工业电子(14%)、消费电子(11%)、有线和无线基础设施(9%) [2] - ASML预计，到2025年服务器/数据中心及存储与智能手机领域的半导体应用占比将分别上涨至23%和22% [12] - 全球半导体产业发展历经四大阶段：PC普及与互联网萌芽(1986-1999)、网络通讯与消费电子(2000-2010)、智能手机与3G/4G/5G迭代(2010-2020)、AI技术与数据中心(2023年至今) [3] - 当前八大云厂商资本开支持续扩容，直接推动AI服务器需求提升 [4] - 八大云服务厂商的资本开支从2021年的1451.0亿美元增长至2024年的2609.0亿美元，复合增长率达21.6%，预计2026年有望达到6020亿美元 [38] - 全球服务器市场规模从2020年的1360万台增长至2024年的1600万台，其中AI服务器占比12.5%，预计2030年将达1950万台，AI服务器占比将提升至33.3% [42] 半导体产业链转移与中国发展 - 全球半导体产业已历经三次区域转移，路径为美国→日本→韩国与中国台湾→中国大陆 [5] - 中国半导体发展以自主战略为核心，2003-2013年借加入WTO契机萌芽并获得政策支持，2014年后大基金持续加码投入，2018年后成为中美贸易战核心领域 [5] - 国家集成电路产业投资基金已开展三期投入，一期规模约1387亿元，二期2041亿元，三期达3440亿元 [57] - 大基金一期投资结构中，晶圆制造占比67%、IC设计17%、封测10%、装备材料6%；二期投资中，晶圆制造占比提升至76%，装备材料占比提高至11% [57] - 2018年后，美国多次升级对华半导体管制措施，将华为、中芯国际等众多中国企业列入实体清单，推动中国产业加速自主突破 [58] 半导体产业链上游：EDA/IP、设备与材料 - 半导体产业链上游主要涵盖EDA/IP、半导体设备、半导体材料三大关键环节 [6] - EDA/IP市场长期被Synopsys、Cadence、Siemens EDA等海外企业垄断，2024年全球EDA市场规模约157.1亿美元，前三大企业市占率达74% [81] - 国内EDA企业如华大九天持续推进技术迭代，2024年中国EDA市场规模为135.9亿元，华大九天占据6%的市场份额 [85][86] - 2024年全球半导体设备市场规模达1168.6亿美元，同比增长10.3%，预计2026年或将达到1381.2亿美元 [110] - 中国是全球最大的半导体设备进口市场，2024年全球半导体设备支出中，中国占比56% [110] - 2024年中国海外进口额居前的半导体设备分别是：光刻设备(107.24亿美元)、薄膜设备(77.17亿美元)、刻蚀剥离设备(64.29亿美元) [113] - 光刻机是芯片制造核心设备，EUV光刻机是7nm及以下先进制程的关键，目前全球仅ASML能实现量产 [6] - 2024年全球光刻设备市场规模达315.0亿美元，ASML占据61.2%的市场份额 [124][126] - 刻蚀设备市场主要由LAM Research、TEL、AMAT等海外龙头主导，2022年LAM Research市占率达47.0% [141] - 国内企业中微公司、北方华创、盛美上海、万业企业（凯世通）等已在半导体细分设备领域实现技术突破 [6] 半导体产业链中游：设计、制造与封测 - 半导体制造中游囊括半导体设计(Fabless)、晶圆制造(Foundry)及封测(OSAT)三大核心环节 [70] - 产业发展早期多采用IDM模式，20世纪80年代后，随着制程复杂度提升与建厂成本飙升，第三方晶圆代工(Foundry)模式崛起 [6] - 全球主要晶圆代工厂商包括TSMC、SMIC、UMC、Huahong Group等 [70] - 半导体下游封测涵盖封装和测试两大环节，2024年全球封测市场规模为899亿美元，同比增长4.9%，预计到2026年规模将达到961亿美元 [7] 半导体产业未来发展方向 - 第三代半导体材料、算力芯片、射频通信芯片与高宽带存储是半导体产业未来的核心发展方向 [8] - 第三代半导体材料如碳化硅、氮化镓凭借宽禁带等优势，适配新能源汽车、5G基站等高压高频场景，国内外厂商争相布局8英寸量产 [10] - 算力芯片中，GPU以高灵活性主导AI训练，ASIC因定制化高效优势在数据中心、边缘计算中占比持续提升 [10] - 射频通信芯片依托射频前端模组升级支撑多场景通信需求，国产厂商持续追赶国际龙头 [10] - 高带宽存储(HBM)凭借高带宽、低延迟特性成为AI服务器标配，技术不断迭代 [10]

美国对华芯片与半导体政策调整的核心观点 - 美国近期政策呈现“放”与“缓”交织的节奏，即在严格许可条件下允许部分高端AI芯片对华出口，同时推迟对华半导体产品加征关税，这并非战略转向，而是对政策进行“再校准”，目标从全面遏制的“大比分赢”转为保持部分绝对优势的“小比分赢” [1][8] 关税政策调整 - 美国贸易代表办公室（USTR）宣布，将对中国输美半导体产品先行征收零关税，直至2027年6月再上调关税税率，具体增幅未定，此举为供应链提供了至少18个月的“关税缓冲期” [2] - 美方此次调查聚焦“成熟制程”芯片，据USTR估计，未来三到五年中国将占全球新增成熟制程芯片产能的近50% [3] - 推迟加税旨在避免供应链骤停和立即拉高美国通胀，同时为美方保留谈判筹码和政策灵活性，建构一种“逆转可能”的战略模糊 [3][5] 高端AI芯片出口许可 - 特朗普政府批准英伟达向中国“经批准的客户”出售H200人工智能芯片，但更先进的Blackwell和Rubin芯片不在获批范围内，芯片销售收入的25%将上缴美国政府 [6] - 据彭博行业研究估计，这一批准每年可为英伟达带来100亿至150亿美元的收入 [7] - 超威半导体公司（AMD）董事长兼首席执行官苏姿丰也已表态，愿意向美国政府缴税以向中国出口MI308芯片，并已加快访华步伐谋求市场布局 [9] 美国企业的市场利益与游说 - 英伟达此前估计出口禁令每季度造成约80亿美元损失，而中国市场潜在规模高达500亿美元，此等量级的利益产生了强大的游说压力 [6] - 英伟达CEO黄仁勋警告，若完全阻断高端芯片对华销售，只会加速竞争对手缩小差距，促使中国AI开发者优化国产芯片模型 [7] - 美国企业如英伟达和AMD不愿失去广大的中国市场，商业利益对政策产生了显著影响 [6][9] 美国政策背后的战略意图 - 美方政策调整表面松动，实则更具“掠夺性”，通过有条件开放让中国人工智能产业尽可能形成对美国技术的“依赖” [8] - 美国仍在推进依据“232条款”的更广泛调查，可能覆盖含有芯片的下游电子产品和设备，未来不排除打出政策组合牌 [4] - 政策目标仍是保持美国在人工智能等高端领域的领先地位，同时通过收取高额费用（如25%的销售分成）实现企业和政府的双重收益 [6][8] 行业影响与供应链预期 - 18个月以上的“关税缓冲期”有助于稳定全球供应链预期，明确的时间节点可减少不确定性，避免因政策突变导致产能错配或投资恐慌 [2] - 短期看，部分中国公司的算力紧张可能得到缓解，美国企业也能增加市场份额，中美科技领域交流合作可能“回暖” [9][10] - 但中国不会因美国松绑而放弃国产替代的研发和生产，仍会持续推进全产业链的自主可控 [10] 中美关系的长期展望 - 围绕芯片出口的政策始终处于反复摇摆状态，表明中美在该关键领域的分歧并未消解，仍在不断拉扯 [10] - 长期来看，中美双方在降低相互依赖的同时，有限合作仍会存在，但战略互疑或将更加长期持续 [11]

报告行业投资评级 - 强于大市 [1] 报告核心观点 - 全球半导体产业正经历由AI技术与数据中心驱动的第四次增长浪潮，八大云厂商资本开支持续扩容直接推动AI服务器需求提升 [2][37] - 中国半导体产业在国家政策和国际局势的双重推动下，正在从下游的制造封测向上游的核心设备、材料和软件持续突破，国产替代进程加速 [2][123] - 半导体产业的未来核心发展方向包括第三代半导体材料、算力芯片、射频通信芯片与高宽带存储 [2] 半导体领域全景分析 - **全球半导体市场**：2024年全球半导体市场规模达6591亿美元，同比增长20.0%，预计2025年将增长至7893亿美元 [2][13] 其中集成电路是核心支柱，2024年市场规模4872亿美元，占比73.9% [13] 人工智能芯片增速最快，2024年市场规模689亿美元，同比增长49.3% [2][13] - **中国半导体市场**：2024年中国半导体市场规模达1769亿美元，同比增长15.9%，预计2025年将达2067亿美元 [2][15] 集成电路是占比最大的产品，2024年市场规模1393亿美元，占比78.7% [15] 人工智能芯片增速最快，2024年同比增长48.3% [15] - **应用领域分布**：2023年全球半导体主要应用领域为智能手机（19%）、个人电脑（17%）、服务器/数据中心及存储（15%）、汽车（15%）[2][11] 预计到2025年，服务器/数据中心及存储与智能手机领域的占比将分别上升至23%和22% [11] 半导体发展史梳理 - **全球发展四阶段**：第一阶段（1986-1999年）由PC普及与互联网萌芽驱动，产业规模从264亿美元增至1494亿美元 [20][23] 第二阶段（2000-2010年）由网络通讯与消费电子驱动 [20] 第三阶段（2010-2020年）由智能手机与3G/4G/5G迭代驱动 [2][32] 第四阶段（2023年至今）由AI技术与数据中心驱动 [2][22] - **产业区域转移**：全球半导体制造经历了三次区域转移，路径为美国→日本→韩国与中国台湾→中国大陆 [2][44] 中国半导体发展以自主战略为核心，2003年后获得政策专项支持，2014年后大基金持续加码投入，2018年后成为中美贸易战核心领域 [2] - **当前增长驱动力**：八大云服务厂商（Google、AWS、Meta、Microsoft、Oracle、腾讯、阿里巴巴、百度）的资本开支从2021年的1451.0亿美元增长至2024年的2609.0亿美元，复合年增长率达21.6% [37] 预计2026年全球八大云服务厂商资本开支有望达到6020亿美元，2024-2026年复合增长率或达51.9% [37] 半导体产业链 - **产业链上游（EDA/IP、设备、材料）**： - **EDA/IP**：2024年全球EDA市场规模约157.1亿美元，同比增长8.1% [84] Synopsys、Cadence、Siemens EDA三家占据全球74%的市场份额 [84] 2024年中国EDA市场规模为135.9亿元，同比增长13.3% [88] 国产EDA企业如华大九天（2024年国内市场份额6%）、概伦电子、广立微等持续推进技术突破 [88][96] - **半导体设备**：2024年全球半导体设备市场规模达1168.6亿美元，同比增长10.3% [114] 中国是全球最大的半导体设备进口市场，2024年支出占全球56% [115] 核心设备如光刻、刻蚀等仍高度依赖进口，2024年中国光刻设备进口额107.24亿美元，刻蚀剥离设备进口额64.29亿美元 [119] - **光刻设备**：2024年全球光刻设备市场规模达315.0亿美元，同比增长16.1% [133] 市场由ASML（61.2%）、Canon（34.1%）、Nikon（4.7%）垄断 [135] EUV光刻机是7nm及以下先进制程的核心设备，目前全球仅ASML能实现量产 [2] - **刻蚀设备**：2024年全球刻蚀设备市场规模为156.5亿美元，同比增长5.6% [149] 市场主要由LAM Research（47.0%）、TEL（27.0%）、AMAT（17.0%）主导 [150] - **薄膜沉积设备**：2022年全球薄膜沉积设备市场规模为233亿美元，预计2029年将增长至559亿美元 [160] 市场主要被AMAT、Lam Research、TEL等巨头垄断 [161] 国内企业如北方华创、中微公司、盛美上海、拓荆科技、微导纳米等已在相关领域实现技术突破 [165] - **产业链中游（设计、制造、封测）**： - 产业发展早期多采用IDM模式，20世纪80年代后转向专业化分工，衍生出Fabless（设计）和Foundry（代工）模式 [2] - 主要Fabless厂商包括NVIDIA、Qualcomm、AMD等，主要Foundry厂商包括台积电、中芯国际、联华电子等 [73] - **产业链下游（封测）**： - 2024年全球封测市场规模为899亿美元，同比增长4.9%，预计到2026年规模将达到961亿美元 [2] - 主要OSAT厂商包括安靠、日月光、长电科技、通富微电等 [73] 半导体未来发展方向 - **第三代半导体材料**：碳化硅、氮化镓凭借宽禁带等优势，适配新能源汽车、5G基站等高压高频场景，国内外厂商争相布局8英寸量产 [2] - **算力芯片**：GPU以高灵活性主导AI训练，ASIC因定制化高效优势在数据中心、边缘计算中占比持续提升，海内外厂商密集推出高性能产品 [2] - **射频通信芯片**：依托射频前端模组升级支撑多场景通信需求，国产厂商持续追赶国际龙头 [2] - **高宽带存储**：HBM凭借高带宽、低延迟特性成为AI服务器标配，技术不断迭代 [2]

**涉及行业与公司** * **行业**：全球半导体及半导体设备行业，重点细分领域包括计算芯片、存储芯片、半导体设备（SPE）、模拟与射频芯片 [1][4][5] * **公司**：报告覆盖了广泛的上市公司，核心提及包括： * **计算/网络**：英伟达、超威半导体、博通、迈威尔科技、英特尔、Arm、联发科 [10][45][47][55] * **存储**：美光科技、西部数据、希捷科技、三星、SK海力士 [10][45][64][97] * **半导体设备**：应用材料、泛林集团、东京电子、科磊、泰瑞达 [10][45][77][99] * **模拟芯片**：德州仪器、亚德诺半导体、安森美、微芯科技、英飞凌 [10][45][88][99] **核心观点与论据** * **AI是市场核心驱动力**：AI贡献了2025年标普500指数17.1%涨幅中的80%，并成为实体经济中最后的强劲支柱 [10][12][16] * **半导体行业前景依然乐观**：尽管2025年半导体指数已上涨34%，但仍有上涨空间，因其增长前景是标普500的两倍但估值溢价几乎为零，且主动型投资者仍低配该板块 [10][31][33] * **AI需求持续强劲**： * **训练算力**：呈指数级增长 [17][21] * **推理成本**：每百万令牌成本持续下降，推动应用普及 [20][22] * **资本支出**：美国超大规模数据中心资本支出在2025年增长75%后，预计2026年将同比增长34%至约5960亿美元，且仍有上行修正空间 [23][30][112] * **库存周期重启**：行业收入增速超过库存增速，预示着半导体周期仍有上行潜力 [39][40] * **各子板块投资观点**： * **计算芯片**：看好一线AI公司，但最青睐迈威尔科技，认为市场对其中来自微软和亚马逊的收入贡献过于悲观 [10][45][58] * **存储芯片**：偏好高带宽内存和DRAM甚于NAND和HDD，因高带宽内存将持续使2026年供应紧张，看好美光科技 [10][45][64][69] * **半导体设备**：认为其是下一个受益于AI的子行业，晶圆厂设备支出势头强劲，行业盈利能力支持多年超级周期，看好泛林集团、应用材料和泰瑞达 [10][45][76][77] * **模拟芯片**：AI对其影响太小，但可作为与AI相关性较低的顺周期交易选择，看好德州仪器 [10][45] **其他重要细节** * **主权AI项目**：已宣布的主权AI项目总额超过2500亿美元，预计将为英伟达等公司带来增量收入，其规模预计可达英伟达2025年主权相关收入的约12倍 [27][28][121] * **OpenAI的巨额采购**：与英伟达、博通、超威半导体等公司签订了涉及约26吉瓦（GW）算力的协议，并与多家云服务提供商签订了多年合同，总承诺金额超过1.1万亿美元 [122] * **具体公司预期**： * **英伟达**：预计其每股收益在2027财年之前将以25%以上的速度增长，达到约10.98美元，推动股价至230美元以上 [61] * **超威半导体**：认为市场对其数据中心GPU业务在2027年约300亿美元的营收预期过低，考虑到其拥有多个吉瓦级客户 [10][61][104] * **模拟芯片市场**：在AI数据中心支出中的占比仅为0.4%，计算芯片仅占模拟公司营收的中个位数百分比 [88][90] * **市场情绪与拥挤度**：网络和内存板块最受投资者追捧（“长仓拥挤”），而半导体设备板块的关注度相对不足 [41][42][45] * **技术节点需求**：预计台积电的N3需求将在2026年下半年回升，部分原因是AI芯片的裸片尺寸显著增大；N2产能可能比前代节点更早达到峰值 [82][83][85]

文章核心观点 文章对英伟达DGX Spark与基于AMD Strix Halo的惠普Z2 Mini G1a两款AI迷你工作站进行了全面的性能对比与评估，旨在为不同需求的用户提供选购参考[1][53][54] 核心结论是：选择取决于用户需求是“一台专门的AI机器”还是“一台能胜任大多数AI工作的通用PC”[54] 对于主要关注单批次LLM推理、需要运行Windows/Linux以及玩游戏的用户，基于AMD Strix Halo的惠普Z2 Mini G1a是更具性价比和灵活性的选择[55][57] 对于专注于原型代理、模型微调或图像/视频生成等高性能AI工作负载的用户，尽管价格更高，但英伟达DGX Spark凭借其2-3倍的性能优势和更成熟的软件生态，是更专业的“开箱即用的AI实验室”[57] 产品定位与价格 - **产品定位**：DGX Spark被设计为开箱即用的AI实验室，专注于多节点AI计算环境[10][57]；惠普Z2 Mini G1a则是一款能够流畅运行Windows/Linux和游戏的通用PC，同时能处理大多数AI工作负载[52][57] - **官方售价**：DGX Spark建议零售价为3,999美元，惠普Z2 Mini G1a的测试配置零售价约为2,949美元[12] - **市场价格弹性**：两款系统均有更便宜的OEM或简化配置版本，例如128GB Strix Halo系统价格可略高于2000美元，而1TB存储的Spark OEM版本起价约为3000美元[13] 设计与硬件配置 - **外观与设计**：Spark采用全金属机身，体积更小（150mm x 150mm x 50.5mm），重量1.2kg，设计更精致[4][12]；G1a机箱更大（85mm x 168mm x 200mm），重量2.3kg，外壳为塑料但内部为金属机箱，维护更方便[4][5][12] - **核心平台**：Spark基于英伟达Grace Blackwell (GB10)超级芯片[11]；G1a基于AMD Ryzen AI Max+ Pro 395 (Strix Halo) APU[11] - **计算单元**：Spark拥有6,144个CUDA核心、192个第五代Tensor核心和48个第四代RT核心[11]；G1a的GPU（Radeon 8060S）拥有2,560个流处理器和40个计算单元[11] - **内存与存储**：两款系统均配备128 GB LPDDR5x内存，Spark内存带宽为273 GB/s，G1a为256 GB/s[11][26]；Spark配备4 TB NVMe存储，G1a配备2个1 TB M.2 NVMe SSD[11] - **I/O与连接**：Spark优先高速网络，配备1个10GbE端口和2个总计200Gbps的QSFP端口用于集群[10][12]；G1a提供更丰富的通用接口，包括2个40 Gbps Thunderbolt 4端口、1个2.5 GbE端口和多个USB端口，并支持HP Flex IO模块扩展[9][12] CPU性能 - **CPU架构**：G1a采用16个Zen 5核心，频率最高5.1GHz[11][15]；Spark采用20核Arm CPU（10个X925性能核心+10个A725能效核心）[11][15] - **性能表现**：在Sysbench、7zip和HandBrake等测试中，G1a的CPU性能比Spark高出10%到15%[15]；在Linpack高性能计算基准测试中，G1a的双精度浮点性能达到1.6 teraFLOPS，是Spark（708 gigaFLOPS）的两倍多[16] GenAI理论性能与内存带宽 - **理论峰值性能**：Spark宣称AI算力可达1 petaFLOPS（稀疏FP4），但实际稠密FP8/FP16峰值性能约为250/125 teraFLOPS，实测BF16下为101 teraFLOPS，FP8下为207 teraFLOPS[18]；Strix Halo平台宣称总性能为126 TOPS，其中NPU占50 TOPS，GPU估计峰值性能约为56 teraFLOPS（稠密BF16/FP16），实测达到理论值的82%，约46 teraFLOPS[19] - **性能优势比较**：理论上，Spark在原始AI算力上比Strix Halo具有2.2至9倍的优势[20] - **内存带宽**：Spark内存带宽为273 GB/s，G1a为256 GB/s，两者差距不大[11][26] LLM推理性能 - **单批次/单用户推理**：在Llama.cpp测试中，两款系统生成令牌的速度相近，G1a在使用Vulkan后端时略有优势[24][26]；但在处理提示（首次输入时间）时，Spark的GPU速度是G1a的2-3倍，对于长序列或大型文档输入，Spark优势更明显[27] - **多批次推理**：在使用vLLM处理大批量任务（1-64批次）时，Spark凭借更强的GPU，在吞吐量和完成时间上均超越G1a[29][31] 模型微调性能 - **内存适应性**：两款128GB内存的系统都适合进行模型微调，包括使用LoRA/QLoRA技术[34] - **性能对比**：在对Llama 3.2 3B进行完整微调时，Spark的完成时间约为G1a的三分之二[36]；在对Llama 3.1 70B使用QLoRA微调时，Spark耗时约20分钟，G1a耗时超过50分钟[38] - **适用场景**：对于不频繁进行的微调任务，Spark的性能优势可能不足以抵消其更高的价格[38] 图像生成性能 - **性能差距**：在ComfyUI中运行FLUX.1 Dev图像生成模型时，Spark的BF16性能约为120-125 teraFLOPS，是G1a（约46 teraFLOPS）的2.5倍左右[42] - **结论**：图像生成不是Strix Halo系统的强项[42] NPU性能与应用 - **硬件配置**：Strix Halo集成了XDNA 2 NPU，提供50 TOPS的额外AI算力[11][44] - **软件生态**：NPU的软件支持有限，主要用于音频/视频降噪等低功耗场景[44]；在LLM推理上，纯NPU运行Mistral 7B仅4-5 tok/s，远低于预期[44]；解耦推理（NPU处理提示，GPU处理解码）性能有提升，但仍不及纯GPU[45] - **特定优势**：在Amuse软件中运行Stable Diffusion 3模型时，NPU性能优于GPU，能在1分多钟生成1024x1024图像，而GPU需要约两倍时间[46][48] 软件与生态系统 - **英伟达优势**：Spark拥有基于CUDA的成熟、活跃的软件生态，几乎所有CUDA软件都能无缝运行[48][57] - **AMD进展**：AMD的ROCm和HIP软件栈已取得显著进展，许多PyTorch脚本无需修改即可运行，但体验仍不如CUDA流畅[48][49]；部分软件（如vLLM、Llama.cpp）仍需从源码编译或使用特定分支[49] - **硬件限制**：Strix Halo基于较老的RDNA 3.5架构，不支持Spark Blackwell GPU提供的许多低精度数据类型（如FP4、FP8），经常被迫以16位精度运行模型[50] 游戏与其他工作负载 - **游戏兼容性**：G1a能流畅运行《孤岛危机：重制版》等游戏，在1440p中等画质下可达90-100帧[52]；Spark基于Arm CPU，运行x86游戏需借助FEX等工具，过程更复杂，但最终也能流畅运行[52] - **通用性结论**：对于同时需要AI能力和通用计算（包括游戏）的用户，G1a或类似Strix Halo系统是更自然的选择[52][57]

CES 2026展会概况 - 全球最大消费电子展CES 2026将于美西时间1月6日至9日在拉斯维加斯举行 [1] - 展会主题为“AI Forward（前进AI）”，重点展示AI如何融入日常生活，涵盖AI机器人、智能家电、自驾车到AI PC等领域 [1] 英伟达（NVIDIA）参展信息 - 英伟达CEO黄仁勋将于美西时间2026年1月5日下午1时发表主题演讲，分享未来AI发展趋势及与合作伙伴共建的生态系统 [1] - 英伟达在CES的活动主题聚焦AI机器人、无人机、车用等相关应用，并延伸到AI计算市场展望 [1] - 业界预期黄仁勋可能公布旗下Rubin平台最新进度，以及NVLink生态系统与ASIC生态系统的合作进展，这将是推动光通信元件规格升级的主要推手 [1] AMD参展信息 - AMD CEO苏姿丰将担任CES开幕主题演讲贵宾，介绍AMD跨运算堆叠的创新如何推动技术突破 [2] - 苏姿丰将深入探讨AMD的CPU、GPU、自行调适计算技术、AI软件与解决方案，以应对全球AI挑战 [2] - 市场预期AMD将发布MI400系列最新信息，并揭露基于台积电2nm制程打造的Zen 6架构，其计算快取速度较前代翻倍，AI计算速度将明显提升 [2] - Zen 6架构新品被视为持续进攻英特尔PC市场的主要产品 [2] 英特尔参展信息 - 英特尔也将照例于CES举行主题演讲，预期发布笔记本电脑新平台产品Pather Lake [2] - Pather Lake将是英特尔首次公布以自家18A晶圆制程打造的新品 [2] 行业影响与市场预期 - 业界看好英伟达与AMD两大公司的演讲将打响2026年AI市场第一枪 [1] - 不仅AI服务器需求看增，机器人、AI电脑等也将成为重要角色 [2] - 相关活动预计将助益台积电、鸿海、广达、纬创等中国台湾厂商迎来新一波AI行情 [1][2]

基金表现与市场环境 - 港湾资本增值基金2025年第三季度回报率为5.11% 同期罗素1000增长指数回报10.51% 标普500指数回报8.12% [1] - 2025年第三季度美国股市表现稳健 主要驱动力为人工智能领域的持续动能和强劲的企业盈利 美联储在季度末的降息也为市场提供了支撑 [1] - 该基金主要投资于股票证券 目标为投资时市值至少10亿美元的美国公司 [1] Advanced Micro Devices (AMD) 公司概况 - AMD是一家半导体公司 业务部门包括数据中心、客户端、游戏和嵌入式 [2] - 截至2025年12月24日 AMD股价报收215.04美元 市值为3500.94亿美元 [2] - 过去52周 AMD股价上涨70.27% 过去一个月回报率为0.37% [2] 投资观点与持仓分析 - 港湾资本增值基金在2025年第三季度新建仓了AMD 认为其是高性能计算和人工智能解决方案的领先提供商 [3] - 基金看好AMD的增长前景 理由包括其清晰的产品路线图、与主要云服务提供商的合作势头、在数据中心和AI加速器领域的持续创新、在高端市场的广泛采用以及严格的执行力 [3] - 截至2025年第三季度末 共有115只对冲基金持有AMD 较前一季度的113只有所增加 该股在最受对冲基金欢迎的30只股票中排名第19位 [4] - 尽管目标价被下调 但Cantor Fitzgerald仍维持对AMD的“超配”评级 理由是强劲的人工智能顺风 [4]

文章核心观点 - 算力板块交易受圣诞节假期影响，云计算ETF微跌，但行业基本面强劲，光模块领域因AI算力需求驱动，正迎来由Scale-out向Scale-up架构演进带来的结构性增长机遇，市场空间有望大幅扩张 [1][4][11] 英伟达与Groq交易动态 - 英伟达与AI初创公司Groq达成技术授权协议，而非此前传闻的约200亿美元收购，分析师认为此类技术许可安排是规避反垄断审查的策略 [3] 光模块行业投资机遇与驱动因素 - AI算力高景气延续，训练与推理需求同步放量，网络侧通胀逻辑清晰且持续，模型能力提升和Token成本下降推动推理成为主要算力驱动力，带动数据中心内部与跨机柜互连需求放大 [4] - 结构上，ASIC凭借显著的TCO（总拥有成本）优势加速渗透，在同等算力规模下对光模块的拉动强于通用GPU，使光模块在整体IT资本支出中的占比有望提升 [4] - 网络架构正从Scale-out（横向扩展）向Scale-up（纵向扩展）演进，Scale-up通过增加单个计算节点的GPU/XPU数量来增强算力，其单节点形态正从八卡服务器向机架级（如36/64/72卡）演进 [8][9] - Scale-up架构的演进，特别是超节点设计，显著提高了光互连强度，为面向Scale-up场景的光模块打开了新增量与结构性成长空间 [4] Scale-up与Scale-out的市场对比与空间 - 从技术参数看，XPU的平均Scale-up带宽为10Tbps，而Scale-out带宽为800Gbps，Scale-up对Scale-out的带宽比例高达12.5倍 [11] - 博通CEO认为，Scale-up的网络硬件（包括交换机、光模块、铜缆和PCB）市场空间是Scale-out的5到10倍 [11] - 随着Scale-up domain（规模）扩大，电信号传输面临距离和功耗瓶颈，光互连将成为主流解决方案，能解决带宽和距离限制 [12] - 以英伟达Blackwell平台为例，其带宽为7.2Tbps，是Scale-out带宽的9倍，若采用两层fat-tree架构，单个GPU与800G光模块的配比可达1:36，增量空间广阔 [12] - 若未来Scale-up领域全部采用光模块，其市场空间可能是现在的5到8倍 [12] 光模块技术发展趋势与需求预测 - 高速光模块需求持续高增，800G光模块的高增速已反映AI对带宽的迫切需求，预计2026年800G需求将继续保持高速增长 [4] - 2026年，1.6T光模块的出货规模也将大幅增长，3.2T光模块的研发已正式开始布局 [4] - 谷歌、Meta和华为已开始使用光模块搭建Scale-up网络 [12] - AMD的MI400系列产品，其Scale-up和Scale-out带宽均高于行业平均水平，光模块配比也很高 [12] 相关投资产品概况 - 云计算ETF汇添富（159273）覆盖A+H算力龙头，全面布局AI算力驱动下的云计算机遇，标的指数涵盖硬件设备、云计算服务、IT服务、应用软件、数据中心运营、平台软件等领域，软硬件比例约为6:4，港股权重超过26% [12]

美国“创世纪计划”概述 - 美国能源部于2025年末牵头启动“创世纪计划”，旨在将AI能力引入国家科研体系，以解决核聚变、量子计算、新材料等基础科学领域研发周期长、成本高的问题 [1] - 计划整合了24家科技巨头与17个国家实验室，参与者覆盖AI产业全栈，包括英伟达、AMD（算力）、微软、谷歌（云平台）以及OpenAI、xAI（模型）等关键节点 [4] - 该计划标志着科技巨头首次在国家意志引导下协同合作，将竞争从企业级模型与产品迭代，升级为国家科研体系间的系统性对决 [3] 计划的核心动机与战略定位 - 核心动机是利用已被商业验证的大模型和算力技术，通过集中使用算力、模型和数据，缩短基础科研的试错周期，提升效率 [4] - 选择由能源部主导，因其掌控全球顶尖的超级计算资源、横跨数十年的战略级科研数据，并长期承担核聚变等具有重大国家意义的长周期科研任务 [6] - 合作本质是国家需要企业的AI能力，企业需要国家提供的长期应用场景和订单，形成阶段性利益重合，而非企业被收编 [6] 计划的潜在挑战与成功要素 - 面临的首要挑战是协调长期互为竞争对手的科技巨头（如英伟达、AMD、微软、谷歌）进行协作，克服其不同的技术路线、商业逻辑与企业文化 [18] - 需解决国家实验室核心数据与科技公司AI模型知识产权之间的安全共享难题，构建前所未有的数据共享与信任框架 [18] - 资金耐心是重大考验，核聚变、量子计算等目标回报周期以十年计，需让资本市场为高风险、长周期且成果不确定的投入保持“战略耐心” [20][21] - 基础设施制约显著，算力的指数级增长需要宏大的能源基础设施支撑，老化的电网可能成为瓶颈，计划需与国家能源战略深度绑定 [22][24] - 政治周期的干扰是根本性风险，国家科研方向需保持低政治噪音、高连续性及超越选举周期的十年视野，以避免项目摇摆 [24] 对全球科技竞争格局的影响 - 该计划将AI竞赛从“企业级”提升至“国家级生态”维度，对其他国家形成体系化压力 [7] - 计划正在构筑由技术、数据、生态共同形成的屏障，可能导致未来AI科技公司之间的差距越来越大 [6] - 争夺的焦点是对科技创新路径的定义权与解释权，无论是美国的生态整合还是西方对中国的叙事框架，都在争夺此权力 [11] 中国科技发展的对比与路径 - 中国拥有集中力量办大事的制度优势和全球最完整的产业链基础，在需要大规模资源整合的战略领域可能具备独特攻坚能力 [14] - 中国科技生态存在“应用强、基础弱”的结构性挑战，顶尖公司更多聚焦应用创新与商业模式，在瞄准长远的基础科学攻坚中可能后劲不足 [14] - 未来的竞争将更多聚焦于“科研生态与制度设计的适配性”，中国需要构建一条基于开放创新、生态培育与长期主义的自主发展路径 [12] - 中国需审视自身AI基础设施能否支撑国家级科研系统的算力需求，以及产学研协同、数据与算力资源的安全共享等基础能力 [12]

潜在商业机会 - 在英伟达之后 AMD可能成为下一家恢复向中国销售芯片的公司 其CEO苏姿丰上周在北京与中国商务部部长王文涛会面后 有报道称中国科技巨头阿里巴巴正在考虑订购AMD的MI300系列GPU [1] - 据报道 阿里巴巴可能订购40,000至50,000个此类GPU 这可能为AMD带来约6亿至12.5亿美元的收入 [1] 潜在挑战与背景 - 尽管美国已批准英伟达向中国销售H200芯片 但中国监管机构尚未批准 因此AMD目前获得批准的可能性也较低 [2] - 阿里巴巴自身也是一家芯片制造商 尽管其芯片更多是ASIC类型 而非AMD的通用芯片 这意味着AMD芯片的用例比阿里巴巴专为其原生云生态系统和推理工作负载优化的芯片更广泛 [2] 公司财务表现 - AMD市值约为3500亿美元 但其股价表现强劲 今年迄今上涨近78% 大幅超过了英伟达37.1%的涨幅 [4] - 过去五年 AMD的收入和盈利复合年增长率分别达到29.94%和28.93% [5] - 最近一个季度（第三季度）销售额达到92.5亿美元 同比增长36% 核心数据中心部门销售额为43亿美元 同比增长22% 客户端和游戏部门销售额同比增长73%至40亿美元 [5]