证券研究报告 光与液冷齐舞，空天地AIDC算力共振 通信行业2026年度中期投资策略 证书编号：S0790523120003 邮箱：jiangying@kysec.cn 姓名 蒋颖（分析师） 证书编号：S0790526030005 邮箱：yangxindong@kysec.cn 姓名 杨昕东（分析师） 姓名 杜致远（联系人） 证书编号：S0790124070064 邮箱：duzhiyuan@kysec.cn 2026年05月25日 核心观点 1. 回顾与展望：板块估值处于较低水平，以AI为主攻兼顾多板块投资机遇 截至2026年4月24日，通信指数上涨32.1%，在31个子行业中排名第1，在TMT板块中跑赢电子、计算机、传媒。纵向与自身历史TTM估值对比，通信板块估 值中枢处于历史平均偏下水平，2025年以来PE_TTM=41。展望2026年，AI"虹吸效应"显著，全球AI或继续共振。海外方面，谷歌等巨头不断上调AI资本开 支指引，谷歌Gemini等大模型Tokens消耗量大幅提升，AI正循环效应逐步凸显，国内方面，以字节跳动、阿里巴巴、腾讯等为代表的国内AI巨头或进入AI算 力大规模投入期。我们看好"光、光纤 ...

The problems with flooded terrain have since persisted. On Thursday, Waymo suspended rider service in Atlanta following heavy rain and flash floods. An unoccupied Waymo drove into a flooded road and stopped, according to a Waymo spokesperson. "The vehicle has been recovered and removed from the scene," the spokesperson said. The company did not explain what technical issues Waymo's robotaxi faces on flooded roads. Waymo's been riding over some rough terrain in the past month, as it temporarily suspended rid ...

文章核心观点 - AI领域正经历美国商业史上最非凡的增长时刻，以Anthropic为代表的模型公司展现出前所未有的指数级收入增长，其一个月新增的年度经常性收入相当于Palantir、Snowflake和Databricks三家顶级SaaS公司十年合计的规模[10][18][21] - AI基础设施建设面临电力和晶圆两大关键投入的瓶颈，但资本主义机制和创新（如轨道算力、新晶圆厂）预计将逐步解决这些问题，电力短缺可能从2027-2028年开始缓解[6][13][81] - 当前AI建设主要由经营现金流融资，与2000年互联网泡沫的债务驱动有根本区别，且GPU利用率达100%，这降低了泡沫风险，但市场仍需警惕“多样性崩塌”和估值分化[7][129][132][133] - 判断AI领域是否会出现泡沫的一个关键指标是台积电的产能决策，其扩产节奏的微妙拿捏可能帮助行业避免过度建设[7][13][150] - AI商业模式正从“无限量套餐”转向“按杯付费”（按使用量计费），这有助于模型公司（如OpenAI、Anthropic）大幅提高前沿token价格和年度经常性收入[2][192][193][194] - 投资机会存在于那些“不同且困难”的领域，以及被市场“错误分类”的公司中，而不仅仅是显而易见的热点[11][238][344] 根据相关目录分别进行总结 AI行业增长与市场动态 - Anthropic在一个月内新增了110亿美元年度经常性收入，相当于Palantir、Snowflake和Databricks三家顶级SaaS公司花费十年才达到的合计规模[10][19][21] - AI正从“无限量套餐”转向“按使用量计费”模式，这可能是OpenAI和Anthropic的年度经常性收入远超2000亿美元的原因之一，通过企业级按量方案可以提高前沿token的价格[2][193][194] - 2025年DeepSeek事件后，市场曾出现抛售，但随后GPU可用性下降、租赁价格上涨，表明其对算力需求实际利好[24][28][31][32] - 2024年3-4月，尽管纳斯达克下跌，但AI领域基本面强劲，科技股相对估值处于过去十年最便宜水平之一，提供了买入机会[17][18][35][45] - 霍尔木兹海峡若关闭，可能因美国天然气价格下跌20%而提升其相对制造业竞争力，这对AI成本有利[39][41][43] 主要AI公司分析 - **Anthropic vs. OpenAI**：Anthropic的资本效率更高，其生成每个token的成本明显低于OpenAI，烧掉的钱可能比OpenAI少80%[1][49][51] - **Anthropic的潜力与策略**：若不受算力限制，其收入可能已达1000-2000亿美元；公司目前有意让Claude“收着点用”，对相同问题生成的token数减少了70%[58][59][188] - **Anthropic的融资能力**：公司有能力在最新估值基础上再溢价至少一倍融资，但采取审慎策略以保持长期融资能力，类似于埃隆·马斯克的做法[63][67][73] - **亚马逊**：因其自研AI芯片Trainium而处于非常强的位置，未来18个月可能在零售业务中看到机器人带来的真实损益改善[12][212] - **谷歌、Meta、亚马逊、微软**：谷歌因TPU v8的保守设计选择失去了token成本领先地位，但其拥有最大的算力装机基础，在短缺环境下价值凸显[173][174][348][349] 基础设施瓶颈与解决方案 - **电力短缺**：预计从2027年或2028年开始缓解，最终可能通过“轨道算力”（太空中的数据中心机架）解决[6][81] - **轨道算力**：SpaceX计划将类似Blackwell（重3000磅）的机架放入太空，通过激光连接组成虚拟数据中心，其星链V3卫星功率已达20千瓦，接近一个Blackwell机架100千瓦的水平[82][84][97] - **晶圆短缺与台积电**：晶圆供应目前由台积电控制，其产能决策是判断AI泡沫的关键指标；台积电需在适度扩产与保持供给约束之间找到平衡[7][120][150] - **新进入者**：Terafab（有SpaceX和特斯拉参与）计划在美国建设全球最大晶圆厂，可能获得英特尔的技术积累和半导体设备公司的A级团队支持[151][153][154][167] 技术演进与投资风险 - **“苦涩教训”风险**：最大的风险是出现算法突破，使模型能力大幅提升却不再需要更多算力和数据，这将冲击整个AI基础设施投资逻辑[9][176][180] - **持续学习**：若实现模型权重的动态实时更新（类似人类学习），可能导致AI能力快速起飞，这是第三个重大观察问题[197][203][204] - **帕累托前沿变化**：约9个月前由谷歌主导的模型性能-成本帕累托前沿，现在已转由Anthropic和OpenAI主导，Grok 4.3也在前沿上[174] - **模型公司的“新囚徒困境”**：前沿模型公司面临是否通过API开放模型的博弈，开放可能带来收入和现金流，但也可能导致技术被蒸馏和追赶[266][287][288] 芯片与硬件竞争格局 - **新芯片公司成功要素**：必须做“不同且困难”的事，而非仅仅做一个更好的GPU；1%的市场份额可能就值1000亿美元[216][217][238] - **技术解耦带来的机会**：Prefill（理解问题，受内存容量限制）和Decode/Inference（生成答案，受内存带宽限制）的解耦，为芯片设计提供了更大画布[8][220][223][224] - **老GPU的寿命延长**：因Prefill和Inference被拆开，老GPU（如Hopper, Ampere）可被重新分工使用，使用寿命可能从预期的3-4年延长至10-15年，这有利于降低融资成本[8][244][246][247][249] - **CPU的重要性回升**：在智能体（Agentic）世界中，CPU因负责编排和协调工作而变得比以前更重要[252] 投资策略与市场观察 - **投资逻辑**：在风险投资中，应寻找那些既不显而易见、又足够不同且真的很难做的事情，以避免在建立规模前机会就变得人人皆懂[10][255][259] - **机会所在**：除了高质量公司，一些最大的机会存在于那些被市场“错误分类”的公司里（如Astera Labs被误归为“铜缆输家”篮子）[11][333][344][345] - **市场担忧**：出现“多样性崩塌”，即所有投资人都看好同一方向（如DRAM），且低质量公司在短缺期表现最好，这令人警惕[130][131][326][328][330] - **估值分化**：不同板块估值差异巨大，例如半导体设备公司交易在40倍市盈率，而DRAM公司仅在中个位数倍数，这难以同时成立[321][322][325]

谷歌在AI竞赛中的位置与自我评估 - 谷歌CEO皮查伊承认，在智能体编程、指令跟随以及处理需要多步执行的长期任务方面，谷歌确实处于落后状态 [6][11] - 皮查伊认为，在文本、多模态、语音、音频和推理等整体能力上，谷歌表现依然强劲 [10] - AI行业变化极快，当前30到60天内发生的变化，其程度相当于过去5年的进展 [6][34] Gemini模型与编程能力进展 - 皮查伊指出，在涉及资深开发者处理复杂代码库的长期编程任务上，谷歌仍有很大提升空间 [22] - 谷歌过去在编程领域缺乏像Claude Code那样直接触达开发者的产品入口，也未获得类似Anthropic通过Cursor取得的高频使用场景 [17] - 新发布的Gemini 3.5 Flash是向前迈出的一大步，旨在弥补此前的短板 [14] - 内部工具Antigravity 2.0在谷歌内部使用量增长迅猛，每周使用量都在翻倍，表明模型已被用于实际工作 [18] 搜索业务的演进策略 - 谷歌对搜索进行了25年来最大的改版，引入了AI Mode，但采取渐进式演进策略，不会立即将AI Mode设为默认入口 [36][37] - 皮查伊强调，变革需与用户需求同步，避免过度超前，同时确保搜索的快速和连接现有网络信息的核心功能得以保持 [37] - 目前已有许多用户开始体验AI Mode，且进入路径变得更加顺滑 [38] - 对于商业模式，皮查伊相信，结合订阅和广告的合适模式在新AI世界中依然成立，商业价值取决于为用户创造的总价值 [44][45] 对AI行业影响与公众焦虑的看法 - 皮查伊认为公众对AI的焦虑是合理的，因为AI发展速度过快，人类难以迅速消化如此巨大的变化，且工作、收入和未来生活确实可能被改写 [6][48][51] - 皮查伊对AI影响工作的前景持相对乐观态度，认为AI将赋予个人新能力，降低许多任务的门槛，如同当年电子表格的发明 [57][59] - 他以医疗行业为例，指出AI能帮助医生节省行政时间，从而将更多精力放回病人身上，并应对未来信息量可能再增长10倍的挑战 [64][65][66] - 皮查伊认为，围绕AI展开讨论是健康的，行业需要继续展示AI能带来的实际好处，并认真对待公众的担忧 [49][54] 对AGI与AI安全的前瞻 - 皮查伊表示，过去一两年的进展速度让他感觉AGI可能比之前想象的更近 [6][77] - 他确认技术正不可避免地朝着AGI推进，但无法准确预测其是在3-5年还是5-10年内出现 [73][77] - 皮查伊强调，所有负责任的实验室在接近“递归式自我改进”的AI系统时，必须进行更广泛的公开对话，避免陷入竞赛状态 [71][72] - 针对DeepMind CEO哈萨比斯关于站在“奇点山脚下”的言论，皮查伊解释其将奇点定义为AGI的到来，并认为社会需要为此做好准备 [79][80][83]

海外 证券研究报告 | 行业周报 gszqdatemark 2026 05 25 年 月 日 监管治理跨境生态，财报验证产业趋势 5 月 18 日至 5 月 22 日行情复盘： 行业及公司动态： 投资建议： 风险提示：海内外政策和监管环境超预期变化的风险，赛道竞争超预期的 风险，地缘冲突加剧风险。 增持（维持） 行业走势 作者 -40% -20% 0% 20% 40% 60% 2025-01-02 2025-02-02 2025-03-02 2025-04-02 2025-05-02 2025-06-02 2025-07-02 2025-08-02 2025-09-02 2025-10-02 2025-11-02 2025-12-02 2026-01-02 2026-02-02 2026-03-02 2026-04-02 2026-05-02 恒生指数 标普500 恒生科技 纳斯达克 MSCI中国 分析师 夏君 执业证书编号：S0680519100004 邮箱：xiajun@gszq.com 分析师 刘玲 执业证书编号：S0680524070003 邮箱：liuling3@gszq.com 研究助理 焦安东 ...

行业与公司 * 涉及的行业为人工智能（AI）行业，特别是大语言模型（LLM）、AI Agent、多模态生成和AI编程工具领域[1] * 涉及的公司主要为谷歌（Google），其AI产品线Gemini是核心讨论对象[1] * 同时对比分析了行业内的主要竞争者，包括OpenAI（GPT系列、Codex）、Anthropic（Claude系列）以及智谱AI（GLM系列）等[3][13][14][16][23] 核心观点与论据：谷歌的战略与产品 * **战略转变**：谷歌AI战略从追求单一模型能力迭代，转向构建具备执行权的AI Agent系统，推动AI从“回答问题”演进为“持续执行任务”[1][3] * **全栈生态优势**：谷歌的核心竞争力在于其全栈产品生态（安卓、Chrome、YouTube、Search等），可将Gemini作为默认模型深度集成，形成超级入口和用户体验闭环[3][5][13] * **商业闭环构建**：通过四层结构实现AI能力变现：1) 模型能力（Gemini系列）；2) 入口（现有高流量平台）；3) 执行层（Agent工具）；4) 商业闭环（广告、订阅、支付协议等）[5] * **模型产品布局**： * **Gemini 3.5 Flash**：定位高性价比、低延迟，速度达同级前沿模型的4倍，支撑Search等高流量入口的默认体验[1][6][7] * **Gemini Omni**：核心是多模态“任意输入输出”，强调对物理世界规律的深度理解，以生成符合物理直觉的内容[1][8][21] * **Gemini Spark**：定义为7x24小时云端持续执行的个人AI助理，体现谷歌在Agent方向的全力投入[2][9][10] * **Agent Graph**：作为Agent开发平台，为AI提供受控执行环境，确保任务高效准确完成[10] * **搜索业务升级**：搜索升级为“AI Model”形态，从单向检索转为双向对话交互，默认使用Gemini 3.5 Flash模型，成为巨大流量入口[11][12] * **硬件与协议布局**：在AI硬件领域侧重于构建生态系统（如安卓）；推出Universal Cart通用购物车和开源的Agent Payment支付协议，旨在构建底层商业生态标准[22][23] 核心观点与论据：行业趋势与竞争 * **竞争焦点转移**：行业焦点从“提示词工程”、“上下文工程”转向“驾驭工程”（Harness Engineering），即如何设定目标并施加约束引导AI高效执行任务[13][14] * **综合性竞争**：大模型竞争已从比拼参数，演变为涵盖能力、速度、成本和工具调用等的综合性竞争[14] * **技术路径趋同**：谷歌、OpenAI、Anthropic等头部公司在AI Agent和“驾驭工程”的发展方向上高度一致[3][13][16] * **算力与成本关键**：算力短缺是共同挑战，提高推理效率、降低成本是关键；定制化芯片可将推理成本降至千分之一，构成未来竞争优势[14][15] * **AI对软件行业的冲击**：AI显著提升开发效率，可能重塑软件交付方式，长期可能使“软件工程师”职业乃至“软件”本身的概念发生变化[17] 其他重要内容 * **市场反响**：市场对Gemini Omni的评价褒贬不一，其冲击力被认为不及Sora 2.0，后者在视频生成领域仍被视为标杆[8] * **C端模型评判**：用户感知模型好坏最有效的方式是亲身体验；排行榜单可能被优化，仅作参考；LLM Arena等匿名评测平台相对有代表性[24] * **国内厂商动态**：与全球顶尖水平相比，国内在参数规模上仍有差距，预计参数竞赛仍将持续一段时间[23] * **AI编程工具趋同**：Cursor、Claude Code、OpenAI Codex及谷歌Project Astra 2.0等AI编程工具在核心功能上快速借鉴跟进，差异正在缩小[16] * **广告业务延续**：搜索升级为AI交互形态不会削弱其传统广告业务，商业逻辑核心得以延续，并可能整合新的广告位（如AI生成结果内嵌广告）[20] * **下一代助理形态**：云端持续执行、用户授权、调用工具的模式已成为当前个人AI助理的主流形态，并被所有主流公司采纳[18][19]

He also made the case that the threat landscape has changed so fundamentally that old defensive models are too slow. He noted that the average time between an initial breach and the handoff to the next stage of an attack has dropped from eight hours to 22 seconds, and that the attack surface has expanded well beyond the traditional network perimeter. "In addition to your usual estate, you have models now. You have data pipelines used to train the models. You have agents, you have prompts. All of this needs ...

Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL) CEO Sundar Pichai shared some interesting news during the company's first-quarter earnings call. Google will start to deliver its custom AI accelerator chips, Tensor Processing Units (TPUs), to a select group of customers for their own data centers. The company has already signed a deal to sell chips to Anthropic and has a tentative agreement to sell directly to Meta Platforms. Now it has a third customer. Google is partnering with Blackstone on a joint venture to bui ...

行业历史与现状 - 智能眼镜行业长期是硅谷一个投入巨大但产出微薄的领域，过去十年像财务黑洞，巨额投资沉入其中却几乎未见盈利 [1][2] - 行业普遍处于亏损状态，Xreal创始人兼CEO表示“每个人都在亏钱”，因为技术实现非常困难 [3] - 长期以来，智能眼镜存在明显问题：笨重、不舒适、社交尴尬的外形，以及效益微乎其微的软件 [4] 行业转折点与驱动因素 - 行业内部人士认为业务已迎来拐点，Meta与Ray-Ban在2023年的合作推出了首批真正热销的型号系列，推动了这一转变 [4][5] - 随着外形尺寸缩小和软件改进，Xreal感觉自身有望成为该领域的领导者，成功需要硬件、操作系统和用户界面等所有关键环节准备就绪 [5] Xreal新产品Aura的技术特点 - Xreal最新型号Aura是有线智能眼镜，嵌入了OLED显示屏，用户可以在镜框内观看高分辨率视频 [6] - Aura连接着一个“ Puck”（一个手机形状的微型计算机）来驱动眼镜体验，使用时可将Puck放入口袋 [6] - 通过Puck，用户可以获得更丰富的体验，包括沉浸式谷歌地图应用、VR YouTube视频、以及通过手部追踪创建仅自己可见的全息图像的“绘画应用” [7] - 据报道，该设备还支持可通过手部追踪游玩的游戏以及基本的网页浏览功能 [7] Xreal新产品Aura的应用场景与定位 - 公司宣称体验是无缝的，无论是烹饪时跟随浮动食谱、在咖啡店或航班上设置私人工作区，还是在家中的虚拟大屏幕上观看电影 [8] - 该设备不仅面向普通消费者，也面向专业人士，设想场景包括以全息格式观看NBA比赛，或在咖啡店进行一些工作 [8] Xreal公司商业计划与财务目标 - Aura眼镜目前仅面向开发者提供，计划在今年晚些时候进行商业发布 [9] - 公司正在推进IPO，预计在2026年底前完成 [9] - 公司正致力于实现盈利，通过提高毛利率同时降低营销和销售成本，目标是在明年达到收支平衡 [9]

文章核心观点 - 伯克希尔·哈撒韦最新13F文件披露了广泛的投资组合调整，这可能是格雷格·阿贝尔担任CEO初期，公司投资策略开始转变的最清晰迹象之一 [2] - 文件显示，伯克希尔的投资风格可能转向更快的投资组合调整、更大的科技股押注以及对小型传统持仓的更少忠诚度 [3] 投资组合调整概况 - 伯克希尔在第一季度买入159.4亿美元股票，同时卖出240.9亿美元股票，净卖出操作显著 [2] - 公司退出了对亚马逊、联合健康、Visa和万事达卡的投资 [1][8] - 公司将其在雪佛龙的持仓减少了约35% [8] - 此次13F文件是格雷格·阿贝尔CEO时代首批主要的投资组合快照之一 [8] 重点增持与新建仓 - 伯克希尔新建了价值约26.5亿美元的达美航空头寸，标志着其在2020年清仓航空股后重新回归该行业 [4] - 公司将其在Alphabet的持仓几乎增加了两倍，达到约5800万股 [5] - 根据不同估值时点，伯克希尔对Alphabet的持仓价值在170亿美元至230亿美元之间，成为其另一个核心科技股持仓 [5][7] 行业与策略转变 - 此次调整对一家长期与银行、保险、铁路和消费品牌联系在一起的公司而言，是一次具有重要意义的理念转变 [7] - 尽管巴菲特过去多年回避大部分科技领域，但公司对苹果的大规模投资已开始改变这一叙事，如今对Alphabet的增持进一步强化了其在科技领域的布局 [7] - 华尔街迅速注意到伯克希尔对达美航空的新兴趣，这本身在13F文件中就足以引人注目 [4]