CPU行业研究电话会议纪要关键要点 一、 行业与公司概述 * 涉及的行业为**CPU行业**，特别是**数据中心/服务器CPU**与**消费级/PC CPU**市场 [1] * 涉及的公司主要包括： * **国际品牌**：英特尔、AMD、英伟达 [3] * **国产品牌**：海光、鲲鹏（华为）、兆芯、飞腾 [4] 二、 市场格局与竞争态势 * **全球市场**：英特尔占据主导地位，AMD次之 [3] * **中国市场（服务器CPU）**： * **海光**：聚焦服务器市场，2025年出货**240万片**，与国内头部服务器品牌广泛合作 [4][7] * **鲲鹏**：依托华为生态，数据中心级出货预计**300-400万片**，是其最主要出货方向 [2][4][5] * **兆芯**：主攻消费级市场，2025年出货约**160万片**，数据中心级出货有限 [4] * **架构竞争**： * **x86架构**：由英特尔开创，优势在于**高性能与全兼容性**，是通用服务器主流，占据超过**90%** 的市场份额 [6][14] * **ARM架构**：优势在于**低功耗、低能耗**及在**定向任务**（如AI算力）中的高匹配度，在新兴AI场景中竞争力增强 [2][15] 三、 核心增长动力与政策机遇 * **核心增长引擎**：**数据中心级CPU**是英特尔、AMD及国产品牌最主要的增长拉动引擎，其**单价为消费级的10倍以上**，增量和绝对金额比例持续攀升 [2][3] * **政策性市场机遇**：受国产化政策推动，**党政军领域要求在2026-2027年完成全面替换**，2026年政策性市场将全面转向国产CPU，显著拉动国产消费级与服务器CPU出货 [2][5] * **国产CPU主要机会赛道**：在AI算力服务器市场，国产CPU基本无法在英伟达GPU主导的约**70%** 市场中获得份额，其主要机会在于与**国产GPU配套**的约**30%** 市场 [2][13] 四、 细分市场需求与生态绑定 * **通用计算/存储服务器**：x86架构（英特尔、AMD）占据超过**90%** 份额，国产CPU应用主要依靠政策推动 [6] * **AI智能计算服务器**：CPU选择与GPU生态体系紧密绑定 [6] * **英伟达GPU服务器**：**80%-90%** 搭配英特尔或AMD的CPU，其中英特尔占绝对主导，几乎看不到国产CPU [5][6] * **华为升腾服务器**：超过**93%** 搭配自家的**鲲鹏CPU**，形成生态闭环 [6] * **其他国产GPU服务器**：早期客户**约八成**倾向使用英特尔和AMD；新型号正与海光、鲲鹏等国产CPU进行适配合作 [5][6] * **消费级PC市场**：开放市场由英特尔和AMD主导，格局稳定；政策性市场因国产化替换要求，将拉动国产CPU出货 [5] 五、 价格走势与供需关系 * **国际品牌价格大幅上涨**： * 英特尔**6,530**型号：价格从万元内涨至**3万+** 元（2026年4月市场价）[2][10] * 英特尔**8,558**型号：2026年市场成交价在**47,000元至60,000元**不等 [10] * AMD产品随市涨价，但涨幅相对温和 [10] * **国产品牌涨幅平缓**： * 海光**5,380**：价格从约**12,000元**涨至**15,000至16,000元**，涨幅**18%-24%** [2][10] * 鲲鹏**920**：价格由万元以下涨至万元以上，预计下半年可能涨至**14,000至15,000元**，受升腾出货拉动，**涨价潜力高于海光** [2][10] * **供需关系紧张**： * 国际品牌：英特尔主流型号新订单排期已至**2026年底甚至2027年**，供不应求是涨价核心原因 [2][11] * 国产品牌：代工产能（如中芯国际）基本见底，各方争抢产能，也呈现供不应求，但因出货基数小，对价格影响不如国际品牌剧烈 [11] 六、 技术趋势与性能要求 * **AI算力场景的CPU/GPU配比**：未发生显著变化，GPU间数据直接互联，核心压力在GPU算力与网络，CPU非压力最大部分 [8] * **对国产CPU的新要求**： * 持续**性能堆叠**，以适配更高端GPU型号 [8] * 大力投入**生态建设**，解决应用软件、模型、数据库等在国产CPU平台运行的流畅度和效率问题 [8] * **国产CPU生态兼容性**： * 海光（x86架构）：兼容x86指令集，支持Windows/Linux系统，与主流及国产数据库完成适配，兼容性无问题 [7] * 鲲鹏（ARM架构）：华为持续推动各类生产力软件的国产化替代并确保与鲲鹏完全适配 [9] 七、 对产业链的影响 * **对服务器厂商的影响**：包含CPU和GPU的成品服务器（如L4、L10级别）价格上涨趋势显著 [12] * 例如：**5,090满配服务器**价格从2025年9月的**26至28万元/台**，因上游内存、GPU及CPU同步涨价而进一步拉升 [12] * **市场行为变化**：一些非使用国家资金且无强制国产化要求的企业，开始考虑采购**国产CPU+国产GPU**的全栈国产化方案，因其价格相对较低 [13]

文章核心观点 - AI数据中心规模扩张导致铜缆难以满足需求 行业正转向光网络 这创造了一个仍处于早期阶段的巨大市场机会 [1] AI数据中心的连接挑战与铜缆局限 - AI芯片需要大量互联 目前主要依赖铜线进行连接 [3] - 铜通过金属传输电信号 在距离短、速度慢时表现良好 但AI数据传输速度快、规模大 铜难以跟上 [4] - 当速度超过一定限度 铜的信号损耗会非常严重 导致能耗超过AI计算本身 超过30米后 铜不再是可行的解决方案 [4] 光网络作为解决方案的工作原理与优势 - 光网络使用光脉冲通过玻璃纤维传输数据 是替代铜的方案 [5] - 数据被转换为光脉冲 通过比头发还细的玻璃纤维传输 在另一端转换回来 光传输距离远、损耗极低 功耗降低三分之二 并能通过不同颜色的光在同一光纤中同时传输数十个独立数据流 [6] - 铜缆不会完全消失 对于同一电路板上芯片间不足一米的极短距离连接 铜仍然适用 [7] 光网络市场规模与增长预测 - 对于更长的距离（如AI机架间连接） 光网络是最可行的选择 该领域近期仍100%使用铜 但正成为一个全新的光网络市场 高盛预测其到2028年规模将达到750亿美元 [8] - 每组AI芯片所需的网络硬件价值预计将从目前的31.5万美元增长至2028年的940万美元 增长29倍 [9] - 整体光网络市场规模预计将从140亿美元增长至2030年的730亿美元 年复合增长率达39% [9][11] 行业动态与巨头布局 - 英伟达已投资40亿美元于两家激光公司 以确保光学元件供应 [9] - Meta验证了下一代光学技术 进行了连续1500万小时测试且无一次故障 [9] - 谷歌在其数据中心使用微型镜片引导光线 将交换机功耗从3000瓦降至100瓦 [9] 光网络供应链现状 - 供应链始于由磷化铟材料制成的特殊晶圆 这些晶圆在中国台湾、日本和德国的专业工厂生产 并成为产生光的激光芯片 [12] - 目前激光芯片严重短缺 高盛预测供应紧张局面将持续至2027年 [12] - 激光芯片随后在中国和泰国被组装成模块 再插入交换机 并通过康宁和藤仓等公司生产的光纤进行连接 [12] - 整个供应链在2027年前都处于满负荷运行状态 [11]