核心观点 - Enlight Renewable Energy通过其美国子公司Clēnera与Google签署了一项为期15年的实物电力采购协议，这是公司在美国的首个大型商业客户购电协议，标志着其美国业务从公用事业客户扩展至大型商业负荷客户，特别是快速增长的数据中心领域 [1][3][4] 协议与项目详情 - **协议规模与期限**：Clēnera将从其Solstice项目提供200兆瓦交流电的光伏发电容量，合同为期15年，采用固定价格 [2] - **项目规模与构成**：Solstice是一个位于俄克拉荷马州LeFlore县的250兆瓦直流电太阳能项目，预计后续阶段将扩展至包含800兆瓦时的电池储能容量 [1][2] - **项目时间表**：项目已通过系统影响研究，预计将于2026年获得完全互联批准，建设预计于2028年开始，商业运营目标为2029年 [1][2][4] - **电力去向**：Solstice项目产生的电力将用于支持Google在该地区的数据中心运营 [2] 市场与战略意义 - **市场进入**：该协议是Enlight在西南电力池市场的首个项目，西南电力池是美国最大、增长最快的电力市场之一 [3] - **市场需求**：受电气化、工业增长和数据中心容量扩张推动，西南电力池市场需求基本面强劲，其峰值负荷预计在2026年至2029年间增长近5吉瓦，同时预计到2029年将有超过5.7吉瓦的化石燃料发电资源退役 [3] - **战略扩展**：此协议使公司美国客户群从公用事业公司扩展至包括数据中心在内的大型商业客户，公司认为这仅是其美国业务重大增长机遇的开始 [4] 项目进展与影响 - **当前进展**：Solstice太阳能设施已成功完成系统影响研究，预计将在今年晚些时候获得完全互联批准 [4] - **经济与社会影响**：项目建设期间将雇佣数百名技术工人，为当地社区带来经济效益；运营期间将为社区贡献可观的州和地方税收 [5] - **合作伙伴评价**：Google表示该协议有助于在俄克拉荷马州上线更多发电容量，为所有人打造更强大、经济、可靠的能源系统 [4]

AI短剧中的情节照进现实。 就在谷歌年度开发者大会进行时，AI业界领袖却毫不留情地砸场子！到底有多大怨念？ 就在几天前的谷歌I/O大会进行期间，文生图AI知名企业Midjourney创始人兼CEO大卫·霍茨（ David Holz）却毫不留情地公开吐槽谷歌TPU ，引发了硅谷AI圈的广泛讨论。 霍 茨 在 X 平 台 上 表 示 ， 因 为 早 年 选 择 了 谷 歌 TPU 而 非 英 伟 达 GPU 作 为 核 心 训 练 基 础 设 施 ， Midjourney的研究进度比本可以达到的水平落后了整整一年。 "如果可以回到过去，我会一开始 就完全采用英伟达芯片。 " 这句话之所以具有巨大杀伤力，因为这是来自一家与谷歌有深度合作的知名AI企业，当初是谷歌 云推广自家芯片的一张招牌，而且他们还靠谷歌TPU节省了三分之二的推理成本。这次吐槽相当 于给英伟达做了最好的背书。 霍茨为什么如此不给谷歌面子，要在谷歌发布新芯片的时候砸场子？ 图片 一场真实代价的公开复盘 当然，霍茨不是随口抱怨，而是用真实代价做出的公开复盘。它触及了当前AI基础设施竞争最核 心的矛盾：硬件性能的竞赛之外，软件生态的护城河才是真正决定胜负 ...

AI短剧中的情节照进现实。 就在谷歌年度开发者大会进行时，AI业界领袖却毫不留情地砸场子！到底有多大怨念？ 就在几天前的谷歌I/O大会进行期间，文生图AI知名企业Midjourney创始人兼CEO大卫·霍茨（ David Holz）却毫不留情地公开吐槽谷歌TPU，引发了硅谷AI圈的广泛讨论。 霍茨在X平台上表示，因为早年选择了谷歌TPU而非英伟达GPU作为核心训练基础设施，Midjourney的 研究进度比本可以达到的水平落后了整整一年。"如果可以回到过去，我会一开始就完全采用英伟达芯 片。" 这句话之所以具有巨大杀伤力，因为这是来自一家与谷歌有深度合作的知名AI企业，当初是谷歌云推广 自家芯片的一张招牌，而且他们还靠谷歌TPU节省了三分之二的推理成本。这次吐槽相当于给英伟达做 了最好的背书。 霍茨为什么如此不给谷歌面子，要在谷歌发布新芯片的时候砸场子？ 一场真实代价的公开复盘 当然，霍茨不是随口抱怨，而是用真实代价做出的公开复盘。它触及了当前AI基础设施竞争最核心的矛 盾：硬件性能的竞赛之外，软件生态的护城河才是真正决定胜负的战场。 要理解霍茨的懊悔，需要先厘清谷歌TPU和英伟达GPU在研究场景下的本质差异 ...

文章核心观点 文章核心观点是，随着人工智能（AI）算力需求的爆炸式增长，GPU集群的功率密度正迅速提升，传统的48-54V直流（DC）配电架构在物理和成本上已达到极限。为支持未来高达600kW甚至更高的单机架功率，数据中心电气架构必须向800V高压直流（HVDC）转型。这一转型将分阶段进行，从2026年底的改造试点开始，最终演进至使用固态变压器（SST）的全新架构。转型将重塑数据中心电力供应链，带来新的赢家和挑战者，并最终实现更高的能效和更低的每token计算成本[6][7][10][42][44]。 向800VDC转型的物理必要性 - **传统架构的物理极限**：当GPU机架功率密度接近或超过600kW时（如Nvidia的Kyber Ultra机架接近660kW），传统使用48-54V直流电的架构面临根本性挑战[4][6]。 - **铜用量与电流问题**：在48-54V下为1MW机架供电需要约200公斤铜母线，在1GW规模下意味着数百吨铜，成本、重量和安装复杂度巨大。同时，600kW功率在48-54V下意味着约12,500A的电流，而在800V下电流降至约750A，减少了约16.7倍，使得导体尺寸和热应力大幅降低[6]。 - **效率与空间问题**：传统架构中多级AC-DC和DC-DC转换累积损耗，降低端到端效率。此外，高功率机架（如NVL72）的电源设备可能占据多达64U的机架空间，几乎挤占了全部计算空间[6][7]。 转型的四阶段路线图 Phase 1（2026-2027）：白空间改造试点 - **自愿性未来验证**：此阶段由Google和Meta等超大规模运营商引领，旨在为未来更高密度机架做准备，而非应对迫切的硬件限制。2026-2027年推出的芯片（如Vera Rubin NVL72）机架密度最高达180-220kW，三相交流电仍可支持[15][16]。 - **核心设备**：在现有数据中心白空间（数据大厅）叠加独立的HVDC电源机架。该机架从架空母线槽接收415V交流电，将其整流为800VDC，并输出给相邻的IT机架，同时集成BBU（电池备份单元）和超级电容器[17][19]。 - **成本影响**：HVDC电源机架是主要新增成本，估计售价达每台40-50万美元，是标准交流电源机架（约4万美元）的10倍。按兆瓦（MW）计算，增量成本约为+40-50万美元/MW[21]。 Phase 2（2027-2028）：物理强制的转折点 - **必要性转型**：随着支持更高功率密度的“Kyber”级别原生800VDC机架到来，800VDC转型成为物理强制的必然选择，预计渗透率将急剧上升[22]。 - **架构变化**：与第一阶段类似，仍使用HVDC电源机架进行改造。关键区别在于电压转换位置：第一阶段在IT机架内将800VDC降至约50VDC；第二阶段则将800VDC总线直接送至计算刀片，由板载电源模块进行最终降压[22]。 Phase 3（2028-2029后期）：系统性重构电气架构 - **设施级核心变革**：800VDC成为数据中心的电气核心。AC-DC转换点上移至灰色空间或室外的专用兆瓦级整流器，它们将415V交流电转换为800VDC后，通过母线槽直接分配至整个数据大厅[24]。 - **设备更替**：此阶段淘汰了为交流配电设计的低压开关设备、交流楼层PDU（配电单元）等。白空间内的电源机架简化为仅容纳BBU和超级电容器的电池机架，释放了机架空间[24][25]。 Phase 4：固态变压器（SST）的终极形态 - **革命性设备**：SST直接从中压交流电（11-34kV）转换为800VDC，跳过了低压变压器和整流器等多个传统环节。它使用宽禁带半导体（SiC/GaN），运行频率更高（20-100kHz），具有更高功率密度和更精细的控制能力[26]。 - **市场与时间**：SST仍处于新兴阶段，大规模部署可能要到2029-2030年。预计到2030年，SST总目标市场规模（TAM）将达到约130亿美元，每MW设备内容成本约125万美元[26][27]。 行业标准与现状 - **OCP Diablo 400规范**：由Google、Meta和Microsoft联合推动的开放标准，于2025年5月发布。它标准化了HVDC sidecar（外置电源机架）概念，支持±400VDC双极和800VDC单极配置，功率范围覆盖每IT机架100kW至1MW[28][29][30]。 - **选择400V的原因**：利用电动汽车（EV）业已成熟的650V GaN FET、400V级电容器等供应链，以实现规模经济和制造效率[30]。 - **现实碎片化**：尽管有共同标准，但实际设计存在差异。例如，Nvidia正在开发660kW单极800V参考设计；Meta运行600-800kW配置；Google设计可推至900kW；Amazon采用800kW的±400V方案[30][31]。 对现有基础设施与供应链的影响 - **传统UPS的黄昏**：在800VDC架构中，分布式机架级BBU和超级电容器共同取代了集中式UPS的过渡和储能功能，消除了其AC-DC-AC转换损耗（2-3%）[33]。预计集中式低压UPS系统将逐步失去作用，但托管提供商等可能在中短期内保留以支持混合工作负载[34]。 - **供应链洗牌**： - **新兴赢家**：包括电源机架制造商（Delta、Advanced Energy等）、SST创新者（DG Matrix、Novos Power等）、宽禁带半导体供应商（Wolfspeed、Infineon等）以及DC配电设备供应商（EPEC Solutions、TE Connectivity等）[35]。 - **转型挑战者**：传统UPS供应商（施耐德、伊顿、维谛）、交流开关设备和PDU供应商面临业务模式压力，需转向中压UPS、DC配电或SST等新产品[36]。 成本与效率分析 - **成本迁移**：总电气内容成本（每MW）在多数架构中保持在360-480万美元范围，但构成发生迁移：成本从灰色空间（如集中式UPS）向白空间（如HVDC电源机架）转移，最终在第4阶段因SST而稳定在约400万美元/MW[38]。 - **效率提升**： - **基线效率**：传统七级转换（从电网到芯片）的累积效率为82.0%[38]。 - **阶段提升**：第1阶段效率估计为83.7%，提升有限。第2阶段消除UPS后，效率跃升至86.5%。第3阶段因使用高效集中整流器和消除交流损耗，达86.9%。第4阶段采用SST，效率达87.4%[38][39]。 - **实际节省**：在1GW的IT负载下，第2阶段的效率增益相当于节省约58MW的连续电网功率；第4阶段可节省约69MW。这与Nvidia引用的高达5%的效率改进（1GW下约50MW）基本吻合[39]。 转型的挑战 - **安全与标准空白**：800VDC需要新的安全规范、电弧闪光风险防护和故障检测协议，相关数据中心专用标准仍在制定中[40]。 - **技术难题**：直流电弧比交流更难中断，高中断容量DC断路器技术更复杂且昂贵[40]。 - **运营复杂度**：管理分布在各机架的数百上千个BBU模块，比管理少数中央UPS系统更具挑战性[40]。 - **过渡期困境**：在前几个阶段，运营商需同时维护交流和直流两套系统，增加了复杂性和成本。何时淘汰旧交流基础设施是一个艰难的资本支出和运营风险决策[40]。 - **供应链成熟度**：数据中心级（数百千瓦至兆瓦）功率设备需要不同于电动汽车的封装、热管理和可靠性标准，供应链需要时间成熟[41]。

以下文章来源于腾讯科技 ，作者值得关注的 腾讯科技 . 腾讯新闻旗下腾讯科技官方账号，在这里读懂科技！ 史占中 上海交通大学行业研究院" 人工智能+"行业研究团队负责人 李海伦 编辑 本文转载自腾讯科技 Token正在重塑AI时代的价值坐标，本文从货币理论、市场结构、产业经济与公共政策等维度，系统分 析Token的属性、供给与需求，以及未来发展前景。 4月底，AI圈的热度被两场发布会点燃：OpenAI亮出GPT-5.5，DeepSeek紧接着推出V4。AI圈再次进入 了一轮"谁更强"的热烈讨论。 如果我们把视角从模型能力切换到商业层面，会发现一个更有意思的现象——两家给同等任务标的 Token价格，差了一个数量级。 以API价格为例，GPT-5.5的标准报价为输入每百万Token 5美元、输出每百万Token 30美元；DeepSeek V4-Pro在2.5折促销期内的报价为缓存命中输入每百万Token0.025元、缓存未命中输入每百万Token 3 元、输出每百万Token 6元。约合人民币折算，GPT-5.5的输出价格，是DeepSeek V4-Pro促销价的30多 倍。 把视野放大到整个产业环境下来看， ...

文章核心观点 - AI行业知名企业Midjourney创始人公开批评谷歌TPU技术，称其选择导致公司研发进度落后一年，并在谷歌发布新芯片时发表此言论，为竞争对手英伟达提供了强有力的市场背书 [1] 事件背景与影响 - 事件发生在谷歌年度I/O开发者大会期间，Midjourney创始人兼CEO大卫·霍茨在社交媒体平台X上公开吐槽谷歌TPU [1] - 此次公开批评引发了硅谷AI圈的广泛讨论，因其来自与谷歌有深度合作的知名AI企业，曾是谷歌云推广自家芯片的招牌客户 [1] 核心决策与后果 - Midjourney早年选择谷歌TPU而非英伟达GPU作为核心AI训练基础设施 [1] - 该决策导致Midjourney的研究进度比潜在可能达到的水平落后了整整一年 [1] - 创始人表示，若能回到过去，会选择从一开始就完全采用英伟达芯片 [1] 合作与成本效益 - 尽管公开批评，但Midjourney与谷歌有深度合作，并且依靠谷歌TPU节省了三分之二的AI推理成本 [1] - 此次事件相当于在谷歌发布新芯片时为竞争对手英伟达做了最好的市场背书 [1]

[Table_Main] 行业研究|可选消费|媒体Ⅱ 证券研究报告 媒体Ⅱ行业周报、月报 2026 年 05 月 26 日 [Table_Title] 4 月游戏行业实现双位数增长， Anthropic 或将迎来首季度盈利 ——传媒互联网行业周报 [Table_Summary] 报告要点： 市场表现 2026.5.18-2026.5.24，传媒行业（申万）-4.03%，同期沪深 300-0.30%， 上证指数-0.54%，深证成指+0.23%，创业板指+0.24%，恒生科技指 数-1.78%。细分行业来看，游戏/电视广播/影视院线/广告营销/数字媒 体/出版，分别-4.76%/+0.99%/-2.07%/-4.97%/-2.08%/-6.19%。 行业重点数据及动态更新 （1）AI 应用：5.18 至 5.24，OpenRouter 平台 token 调用量为 28.9T， 环比+7.43%，平台中调用量前五的模型分别为 DeepSeek V4 Flash/Hy3 preview/Claude Opus 4.7/Claude Sonnet 4.6/Owl Alpha， 国产模型包揽前二。AI 重点事件方面， ...

文章核心观点 - 企业界正兴起一种名为“Tokenmaxxing”的趋势，即鼓励或强制员工大量消耗AI模型的token使用量，并将其作为衡量生产力和组织先进性的指标[12][28] - 然而，越来越多的案例表明，高昂的token成本与实际的业务产出增长之间缺乏明确关联，导致企业开始质疑并调整相关策略[2][5][28] - 这场趋势的主要赢家是基础模型厂商、AI工具/平台公司以及算力/基础设施提供商，而盲目跟风、无法将消耗转化为实际资产的企业则面临成本失控的风险[13][16][17] 企业实践与成本挑战 - Uber高管公开质疑AI token消耗的成本合理性，指出更高的token使用量并未转化为同等比例的有用消费者功能增长，并因此放缓招聘以对冲AI投入[2] - 米哈游技术团队透露，有员工为尝试AI Agent，一晚上烧掉了价值200万人民币的token，而公司未来三年计划投入高达1000亿元深耕AI领域[5] - 多邻国曾将AI使用纳入绩效考核，但因员工质疑“为用AI而用AI”而撤回该政策，强调绩效考核应聚焦本职工作成果[7][8] - Shopify将内部的“Token排行榜”改为“使用情况仪表盘”，并设置“熔断机制”以监控和阻止异常的token消耗激增[9] - 有公司为控制成本，在单日消耗10万元token后，封掉了所有员工的API访问权限[5] Tokenmaxxing的负面影响 - 在Meta，内部出现了大量无意义的AI使用，消耗海量token却几乎未产生有效成果，甚至有线上事故疑似与粗心的AI生成代码有关[19] - 当token使用量与绩效、晋升信号挂钩后，会促使员工进行“游戏化竞争”，刻意制造无实际意义的工作以消耗token[20][21] - 微软有工程师承认会进行Tokenmaxxing，例如向AI提问文档中已写明的问题，以证明自己是“够AI原生”的员工，源于职业安全感焦虑[21] - Salesforce的做法更为激进，通过工具让员工对比token消耗，并设定最低预期花费（如Claude Code周目标100美元），导致员工为达标而主动燃烧token[22][23] 行业受益方分析 - **基础模型厂商**是直接受益方，企业鼓励token消耗直接放大了其API调用和推理收入。例如，Meta员工30天内消耗了60.2万亿个AI token，按Anthropic API价格计算成本可能高达9亿美元[13] - **AI编程工具与Agent平台**（如Cursor、Claude Code）是流量和估值赢家。Cursor背后的公司年化收入超过10亿美元，自2025年初以来销售驱动收入增长了100倍，估值接近3000亿美元[14] - **算力与基础设施提供商**是底层赢家。英伟达2026财年全年收入达2159亿美元，同比增长65%；2027财年Q1收入达816亿美元，同比增长85%，数据中心业务是核心驱动力[16] - 然而，许多AI工具公司（如Cursor、Windsurf）增长迅速但尚未盈利，部分原因在于依赖基础模型导致推理成本高昂[15] 创业领域的观点与风险 - YC合伙人向创业者提出，打造AI原生公司的关键转变是“最大化token使用，而不是最大化员工人数”，并建议创业者应愿意承受“高到令人不舒服的API账单”[24][25] - 该观点认为高额token支出替代的是过去更昂贵、更臃肿的人力成本，可能是公司用AI替代组织膨胀的信号[25] - 但文章质疑该建议对早期创业公司的适用性，指出已有用户基础的AI编程公司都未能盈利，无治理的token消耗可能会拖垮创业公司[26]

文章核心观点 - 文章通过神经科学家Anne-Laure Le Cunff的个人经历与理念，探讨了在高速迭代的科技行业（尤其是AI领域）中，从业者普遍面临的焦虑、冒名顶替综合征以及以牺牲健康为代价追求效率的问题[1][2][8] - 核心解决方案是倡导“小实验”思维模式，以好奇心驱动、学习为导向，替代结果导向的“目标”设定，帮助开发者在目标至上的世界中实现更可持续、更自由的生活与工作方式[20][21][31] 行业普遍现象与挑战 - 科技行业从业者，特别是开发者社区，普遍容易陷入焦虑和压力，根源在于强烈的使命感和渴望对世界产生积极影响，这导致容易忽视个人健康与好奇心[2][42][44] - “冒名顶替综合征”在高度竞争的科技行业极为普遍，导致从业者通过过度承诺（对任何请求都说“好”）来证明自己，从而彻底透支身心健康[8][9][25] - 行业中存在一种危险的“史诗剧本”思维导向，即社会赞颂必须改变世界的宏大叙事，这可能导致从业者认为为达成使命而牺牲心理健康是理所应当的[46][47] “小实验”方法论框架 - “小实验”与“小目标”存在本质区别：目标执着于特定结果，有明确的成败标准；而实验的核心在于学习，只要在过程中获得新知即为成功，无论结果如何[31] - 实践“小实验”可遵循PACT框架：[31][32][33] - **P (Purposeful)**：实验必须基于个人真正的好奇心，而非盲目跟风 - **A (Actionable)**：实验应切实可行，能利用现有资源立即启动，无需等待完美条件 - **C (Continuous)**：实验需要持续重复进行，以区分偶然运气与必然规律，例如坚持100天 - **T (Trackable)**：追踪方式极其简单，仅记录“做了”或“没做”，实验期间禁止提前分析数据，结束后再统一复盘 AI时代的工作与思维模式 - AI的滥用可能导致能力退化：如果将全部思考过程外包给AI，相关神经连接会因闲置而萎缩，最终丧失这些能力[50] - 应警惕AI应用的本末倒置：AI最初的承诺是自动化枯燥工作，但现实是人们正在将最有趣的工作（如写作、思考）也自动化了[51] - 建议划定明确的人机协作边界：将行政琐事交给AI，但深度思考与初始构思必须由人脑完成，AI应作为思考的拍档，用于查漏补缺和拓展思路[51] 文化差异与生产力定义 - “生产力”是一个极具文化属性的概念，不存在放之四海而皆准的效率系统[38] - 例如，中国有“996”文化，法国每周法定工作时间为35小时[37][38] - 理想的个人系统应博采众长：汲取美国改变世界的雄心、欧洲工作与生活的平衡智慧、以及中国从业者的职业素养和吃苦耐劳精神，同时避免各自文化中的极端压力或“反雄心”倾向[39] 对开发者的实践建议 - 实验无需以辞职为前提：可以在现有工作框架内进行，例如每周联系一位专家、测试一款新工具或阅读一篇深度教程，为好奇心开辟微小空间[54] - 面对不确定性时应保持科学家心态：将不确定性视为绝佳的实验机会，从中探索新知，而非恐惧和逃避[55] - 在推进项目或实验时，需同时审视“外部信号”（如用户数据、收入）和“内部信号”（个人感受与心理健康）。即使外部数据漂亮，若内部感到崩溃，也说明系统存在问题[35] - 实验结束后有三个选项：坚持、调整方向（如改变更新频率）或果断停止。停止并汲取教训本身也是一种成功[36]

报告行业投资评级 - 行业评级为“强于大市”（维持）[4] 报告核心观点 - 英伟达CPU业务进军2000亿美元潜在市场，并上调2030年全球AI年度开支规模预测至3万亿至4万亿美元，驱动算力基础设施投资[7][13] - 海外科技巨头（谷歌、OpenAI）加速扩展AI应用入口与基础设施，国内云厂商（阿里云、腾讯云）持续加大AI算力投入，产业链需求旺盛[7][13][16][17][18][22] - 中国三大运营商相继推出商用Token套餐，将大模型调用额度纳入通信资费，标志着运营商业务从流量经营向算力经营延伸，有望带动云端算力调度、数据中心网络及高速互连需求增长[7][23] 市场回顾总结 - 通信板块表现强劲：过去两周（2026.5.11-2026.5.22），申万通信指数上涨5.7%，涨幅在31个申万一级行业中排名第2，显著跑赢大盘（同期上证指数下跌1.6%）[2][26] - 板块估值处于高位：截至2026年5月22日，申万通信板块整体动态市盈率约为31.25倍，处于近两年较高水平（过去两年估值中枢为21.38倍）[2][29] - 细分领域分化明显：北美AI、5G、物联网板块过去两周涨幅居前，分别为13.9%、6.2%、5.9%；而北斗、专网板块则分别下跌19.0%、7.4%[2][30] - 个股涨跌互现：申万通信板块成分股过去两周50家上涨、77家下跌，涨幅前五的个股为线上线下（95.9%）、长盈通（95.7%）、鼎通科技（21.9%）、光迅科技（19.4%）、灿勤科技（17.3%）[2][33] 行业重点关注总结 海外算力动态 - **英伟达（NVIDIA）**：2026年第一季度总营收达820亿美元，同比增长85%，环比增长20%[13]。公司将其首款为智能体AI设计的Vera CPU定位为核心增长引擎，进入价值2000亿美元的CPU潜在市场，预计今年该业务收入有望达200亿美元，并已向Anthropic、OpenAI等完成首批交付[7][13] - **谷歌（Google）**：在Google I/O 2026大会上公布多项AI进展，其搜索中的“AI概览”功能月活跃用户已突破25亿，“AI模式”用户超10亿[16]。同时，谷歌与Blackstone成立AI云合资公司，Blackstone初始股权承诺50亿美元，计划2027年上线500MW容量数据中心，采用谷歌自研第七代TPU Ironwood[17] - **OpenAI**：成立OpenAI Deployment Company，并收购AI咨询公司Tomoro，引入约150名部署工程师，初始投资超过40亿美元，旨在系统化推进企业AI部署[18] - **硅光需求传导**：以色列晶圆代工厂Tower Semiconductor与客户签署硅光子业务合同，预计2027年实现13亿美元SiPho收入，已收到2.9亿美元客户预付款，印证AI数据中心高速光互连需求向上游传导[19] 国产算力动态 - **阿里云**：2026财年第四季度，阿里智能云集团营收达60.35亿美元，同比增长38%，其中外部客户收入同比增长40%[22]。该财季AI相关业务单季营收约13亿美元，占阿里云外部客户总收入比重达30%，预计一年内该占比将突破50%[7][22]。公司计划超过此前提出的三年3800亿元人民币AI投资目标[7][22] - **腾讯云**：2026年第一季度收入1965亿元人民币，同比增长9%；资本开支46.9亿美元，同比增长16%[7][22]。管理层表示未遭遇如北美云厂商的CPU、网络芯片供给紧缺问题[22] - **运营商Token服务**：中国电信于2026年5月17日推出试商用Token套餐，至此三大运营商均已推出类似服务[7][23]。套餐价格从个人家庭9.9元/月（含1000万Tokens）到开发者旗舰版299.9元/月（含1.5亿Tokens）不等[24]。国家数据局数据显示，2026年3月我国日均词元调用量已突破140万亿，较2024年初增长超千倍[23] 配置建议总结 - 报告建议关注AI算力产业链上下游多个环节，包括：光通信、铜互连、交换机、温控设备、电力配套、IDC机房、端侧AI、机器人方向、运营商及卫星通信等相关公司[3][38]