电子行业整体表现 - 申万电子行业二级指数年初至今均实现显著上涨，其中元件板块涨幅最大，达到+89.82%，光学光电子板块涨幅最小，为+5.55% [1] - 本周电子细分行业继续大幅修复，所有板块均录得上涨，涨幅在+3.93%至+8.10%之间，其中元件板块本周涨幅最高，为+8.10% [1] 北美科技个股表现 - 本周北美重要科技个股多数上涨，应用光电涨幅最大，达到+30.13%，博通和英特尔涨幅也分别达到+18.45%和+17.57% [2] - 英伟达是本周少数下跌的个股之一，跌幅为-1.05% [2] AI算力市场竞争格局 - 谷歌TPU v7在总拥有成本上展现出优势，其TCO比英伟达GB200系统低约30%-40%，并对以GPU为主的算力市场发起挑战 [3] - 谷歌凭借系统级工程优势实现了较高的模型算力利用率，其Gemini3大模型完全基于TPU训练，客户包括Anthropic和Meta等厂商 [3] - 英伟达GPU当前面临供不应求局面，其云端GPU已经售罄，反映出AI基建需求的强劲增长 [4] - 根据TrendForce预测，受北美大型CSPs提高资本支出和各国主权云兴起的推动，2026年全球AI服务器出货量年增将逾20% [4]

文章核心观点 - AI算力底座竞争升级，谷歌自研TPU芯片性能超越英伟达GPU，引发市场对技术路线和产业链格局变化的关注 [2] - 定制化芯片与通用型芯片将长期并存，短期内英伟达凭借CUDA生态优势仍将主导市场，长期看定制化芯片份额将提升 [3][4][5] - 算力芯片竞争加剧对硬件供应链（如光模块、PCB）是结构性利好，可能带来超预期增量 [6][7] - AI应用爆发依赖于爆款产品出现，当前仍处于“算力为王”阶段，应用投资需谨慎 [8][9][10] - 当前AI热潮与互联网泡沫有本质区别，产业健康度更高，估值相对合理，泡沫风险取决于应用落地速度 [11][12] 定制化和通用型芯片之争 - 谷歌TPU是定制化ASIC芯片，专为神经网络计算优化，在性能和成本上占优，但生态开放和兼容性不如英伟达GPU [3][4] - 英伟达GPU是通用型计算平台，凭借CUDA生态的强兼容性，在当前技术路线未定型阶段仍是大多数厂商的最优选 [3][4] - 市场预期到2029-2030年，全球定制化算力芯片和GPU市场份额将呈现“五五开”局面，但2026年前英伟达“一家独大”逻辑未变 [5] 硬件供应链机遇 - 算力芯片竞争提升对数据传输效率要求，利好光模块、PCB等硬件供应链，国内头部供应商在客户响应、量产稳定性和成本上具备优势 [6] - 若谷歌TPU份额提升，光模块需求将超预期，在算力卡纸面算力相等情况下，TPU v7的光模块用量是英伟达Rubin的3.3倍 [7] - 谷歌新一代TPU可能采用更先进的覆铜板材料，直接拉动高端PCB的价格和利润空间 [7] AI应用发展前景 - AI投资下半场是应用，但爆发关键取决于大模型是否足够“聪明”，而非仅算力成本下降，当前仍处于“算力为王”阶段 [9] - AI应用核心问题在于缺乏爆款产品，算力降本虽利好应用端，但投资弹性存疑 [9][10] - AI作为通用生产力工具，重点发展方向包括人形机器人与高端制造、智能驾驶、AI+医药研发等 [10] AI泡沫与估值分析 - 当前AI热潮与2000年互联网泡沫有本质区别，技术已开始落地创收，产业链健康度更高，GPU闲置率低，订单能见度高 [11] - AI龙头公司2025年市盈率不到40倍，且有强劲财报支撑，估值水平相对合理，未出现普遍过热 [11] - 泡沫风险核心取决于产业应用落地速度能否接住股价，若2026-2027年出现AI应用爆品，则当前AI板块可能被低估 [12]

行业趋势：ASIC方案崛起与先进封装需求转变 - 谷歌、Meta等北美云端服务业者加速自研ASIC芯片，以谷歌TPU为代表的ASIC方案正在崛起[1][2] - 多家机构研判，2026至2027年，谷歌、亚马逊、Meta、Open AI及微软的ASIC芯片数量将迎来爆发式增长[2] - AI HPC需求旺盛导致传统CoWoS封装面临产能短缺、光罩尺寸限制及价格高昂等问题，推动厂商寻求替代方案[1][3] 技术方案：EMIB关注度提升 - 英特尔EMIB是一种2.5D先进封装技术，允许高度定制的封装布局，正获得谷歌、Meta、美满电子、联发科等公司的积极评估和接洽[1] - 谷歌计划在2027年TPU v9导入EMIB试用，Meta亦积极评估将其用于MTIA产品[1] - 相较于CoWoS，EMIB的优势主要集中在封装面积与成本上[3][4] 竞争格局：EMIB与CoWoS对比 - 台积电CoWoS技术成熟，在高端GPU市场占据主导，英伟达、AMD等对带宽和延迟要求高的客户仍以CoWoS为主[3] - CoWoS产能紧张，仅英伟达一家便占据其超过60%产能，台积电正努力于2026年提升CoWoS产能[3] - 在光罩尺寸上，CoWoS-S仅达3.3倍，CoWoS-L目前为3.5倍，预计2027年达9倍；而EMIB-M目前已可提供6倍光罩尺寸，预计2026到2027年可支援到8倍至12倍[3] - EMIB通过舍弃高昂的中介层，直接将芯片内嵌在载板互连，简化结构，从而提供更具成本优势的解决方案[4] 市场应用与局限性 - 目前EMIB技术高度绑定ASIC客户需求，受限于硅桥面积与布线密度，其互连带宽相对较低、信号传输距离较长且延迟略高[5] - 因此，当前主要对ASIC芯片客户有较大吸引力，其他类型客户导入相对谨慎[5]

来源：富国基金 上上周市场还在担忧AI泡沫，上周海内外科技板块便强势反弹，此次领涨的主角不再是英伟达，而是 凭借Gemini 3大模型出圈的谷歌。其股价在11月25日超越微软跻身美股市值前三，年内涨幅达67%，同 时带动国内AI板块同步走强。 本文就来聊聊：谷歌引领的新叙事是什么？为什么威胁到了英伟达？映射到国内有什么新趋势？ (本文所提及个股仅为文章分析需要，不构成投资建议) 1、底层算力自己造：谷歌TPU VS 英伟达GPU。 谷歌训练模型使用的是自研的TPU，而不是依赖英伟达的GPU。二者的区别是GPU是通用型芯片，TPU 是定制化芯片，能实现更高能效与更低成本。英伟达大客户 Meta 计划采购谷歌 TPU 的消息，引发市场 对份额分流的担忧，推动谷歌股价走高、英伟达短期承压。 但是TPU的"定制化"属性也决定了其局限性：无法像GPU那样适配全场景。所以二者并非对立，而是各 擅其长，在AI行业整体向上的周期中，这种竞争反而会推动技术迭代加速。 2、中间模型自己研：谷歌Gemini VS OpenAI的GPT。 Gemini 3大模型堪称 "性能黑马"：在多模态处理、复杂逻辑推理、代码生成等权威测试中大幅 ...

2025年11月，超5000亿美元市值在英伟达和谷歌之间发生"大挪移"：谷歌母公司Alphabet市值增长约5300亿美元，剑指4万亿美元；而AI芯片"霸主"市值却 蒸发6200亿美元（约合人民币4.39万亿元）。 这一增一减背后，是一则可能重塑行业格局的行业传闻：Meta正与谷歌密谈，计划2027年斥资数十亿美元采购谷歌TPU（张量处理单元）芯片。作为英伟 达的核心客户，Meta的算力需求曾高度依赖其GPU芯片，"倒戈"将直接冲击英伟达占据的近85%市场份额。 这并非简单的客户流失，而是一场技术路线的博弈。谷歌"十年磨一剑"的TPU芯片，凭2~3倍于GPU的能效比撕开缺口，第七代产品Ironwood性能更是较 前代飙升4倍。英伟达的CUDA生态护城河是否牢不可破？万亿美元AI芯片赛道将迎来何种变局？ 2025年11月，谷歌市值涨约5300亿美元，英伟达跌去6200亿美元。这一增一减背后，是Meta或"倒戈"采购谷歌TPU芯片，冲击英伟达GPU的主 导地位。 TPU与GPU技术路线不同，引发华尔街对英伟达地位的争论，"共赢派"认为市场足够大，"威胁派"则担忧谷歌生态威胁。 图片来源：每经记者 郑雨航 摄 TP ...

文章核心观点 人工智能正驱动一场前所未有的硬件投资超级周期，重塑全球技术格局，其核心是生成式AI模型的产业化及超大规模计算园区的物理建设[1] 这一浪潮标志着与传统云计算周期的结构性突破，关注点从计算弹性转向吞吐量密度，推动对半导体、电力和冷却系统的巨大需求[4] 到2030年，用于AI优化数据中心的资本支出预计将超过7万亿美元，催生“计算经济”的诞生，其中每一美元的AI资本支出都直接转化为对下游供应链的需求[1][4] 半导体行业成为全球计算经济的基础层，其需求动态、供应链关系及竞争格局被深刻改变[5][32] AI驱动的基础设施投资超级周期 - 到2030年，用于AI优化数据中心的资本支出预计将超过7万亿美元，规模远超以往任何计算转型[1] - 超大规模数据中心运营商资本支出显著，亚马逊投入约1000亿美元，微软800亿美元，谷歌750亿美元，Meta 650亿美元[1] - 主权国家倡议和专业基础设施提供商贡献剩余部分，例如由AI公司和主权财富投资者支持的5000亿美元Stargate计划[1] - 与传统云计算周期不同，AI建设关注吞吐量密度，以每瓦浮点运算次数和每机架浮点运算次数衡量，推动半导体需求激增[4] - 数据中心半导体市场在2025年第二季度同比增长44%，并有望在2026年再增长33%[4] 半导体行业的需求动态与竞争格局 - 英伟达第三财季营收为570.1亿美元，数据中心Q3营收为512亿美元，同比增长66%，巩固其在AI计算基础设施的领先地位[5] - 微软、亚马逊、Alphabet和Meta四家公司合计占英伟达销售额的40%以上，预计未来12个月AI支出总额将增长34%至4400亿美元[5] - AMD的Instinct MI450平台凭借与OpenAI达成的6 GW GPU供应协议迅速获得市场认可，首批部署计划于2026年底[6] - 英特尔通过Gaudi产品线和先进封装技术重新确立重要地位，定位为AI供应链关键合作伙伴[6] - 全球高带宽内存市场预计从2024年约160亿美元增长四倍，到2030年超过1000亿美元，可能超过2024年整个DRAM行业规模[7] - 每个GPU模块集成高达192 GB的HBM3e，导致持续供应短缺和更长交货周期[7] - 先进封装成关键瓶颈，台积电CoWoS生产线已排满至2027年中期，基板供应商难以满足需求[8] Neo-Cloud的兴起与影响 - Neo-Cloud运营商针对GPU高密度、低延迟网络和AI专用工作负载设计，优先考虑吞吐量而非弹性[10] - CoreWeave从以太坊挖矿起家，成为领先GPU云服务提供商，运营约25万块NVIDIA GPU，2025年10月市值达700亿美元[12] - CoreWeave通过直接裸机GPU访问使Hopper级GPU利用率保持在50%以上，比公开基准高出约20%[12] - NVIDIA持有CoreWeave约6%股权，凸显深度合作，确保下一代架构部署[12] - Neo-Cloud预计到2026年占据全球AI计算投资10%至15%份额，重塑GPU、HBM和先进封装采购模式[14] - 全球AI资本支出预计2025年增长60%至3600亿美元，2026年进一步增长33%至4800亿美元[14] 电力与冷却系统的挑战与创新 - AI数据中心电力需求激增，例如OpenAI的Stargate项目计划吉瓦级电力需求，NVIDIA GB200 NVL72每个机架满负荷消耗约120千瓦[16] - 预计到2026年，全球数据中心电力需求将超过1000太瓦时，高于2022年约460太瓦时[16] - 超大规模数据中心通过长期购电协议确保能源供应，如微软和OpenAI购买1吉瓦核电[16] - 预计2025年至2034年间，全球将在电力和输电基础设施投资5000亿美元[16] - 散热管理至关重要，到2026年底超过40%新型GPU集群将采用芯片级直接冷却或浸没式冷却，2024年该比例为20%[17] 定制芯片浪潮与供应链转变 - 超大规模数据中心加速采用定制芯片设计，亚马逊Trainium2和Inferentia2在特定场景下性价比比英伟达H200系统高出30%[20] - 谷歌TPUv7针对能效优化，每瓦性能显著高于上一代，微软Maia AI平台展现定制芯片进展，Meta MTIA v2芯片专注低延迟推理[20] - 定制芯片加深超大规模数据中心和代工厂战略联系，台积电是N4、N3系列节点主要制造商[23] - 2025年9月，英伟达与英特尔达成50亿美元投资和联合开发协议，标志半导体层级结构转变[23] - 超大规模数据中心从被动客户变为主动架构师，共同开发AI基础设施芯片[23] 关键瓶颈与战略合作 - HBM生产高度集中，SK海力士占据约62%市场份额，美光和三星占据剩余大部分，需求仍超过供应[25] - 台积电CoWoS产能预计从2024年每月约4万片晶圆增长到2026年每月14万至15万片晶圆[25] - 2025年9月，英伟达向英特尔投资50亿美元股权，共同开发下一代AI基础设施，使英伟达实现CPU来源多元化[27] - 2025年9月，微软与Nebius达成价值174亿美元多年期协议，确保专用GPU计算能力[28] - 2025年10月，AMD与OpenAI达成多年供货协议，交付高达6吉瓦Instinct GPU，首批1吉瓦预计2026年下半年交付[29] - OpenAI与博通达成战略合作，共同开发定制AI加速器，深化计算和互连层垂直整合[30] 行业赢家与未来展望 - 英伟达毛利率超过70%，占据AI GPU市场80%以上份额，主导地位得益于软件生态系统和行业关系[32] - 台积电3纳米制程满负荷运转，约100%用于生产先进逻辑芯片，先进封装收入增长[32] - SK海力士在HBM市场占据主导地位，英特尔18A工艺节点进入大规模量产[33] - AMD、博通和Marvell代表挑战者，博通和Marvell成为AI基础设施关键参与者，提供定制ASIC和网络芯片[33] - 从2027年到2030年，AI周期从扩张转向效率，竞争力取决于能源整合、供应链韧性和生态系统协调三大支柱[37] - 人工智能投资能否推动真正经济增长存疑，集中化造成系统性脆弱性，债务融资带来再融资风险[38][39]

市场表现回顾 - 纳斯达克综合指数在11月终结了连续七个月的上涨势头，但距离历史高点仅3%之遥 [1] - 标普500指数回升至距离历史高点仅1%的水平，道琼斯指数距离历史收盘高点不到2% [1] - 11月最后五个交易日市场连续上涨，但整个11月波动剧烈，Meta股价下跌13%，英伟达下跌约8%，甲骨文跌幅接近30% [1] - 谷歌股价在11月上涨约20%，受强劲财报、Gemini 3模型积极反响及与Meta达成数十亿美元AI芯片交易推动 [1] 未来一周市场焦点 - 投资者注意力集中在美联储12月会议，交易员预计降息25个基点的概率为86.9% [2] - 经济数据日程将恢复正常，将公布美国制造业活动、服务业活动私人报告及ADP月度私营部门就业报告 [2] - 多家公司将发布财报，包括折扣零售商美元树、美国达乐公司、Five Below，以及科技板块的赛富时、Snowflake、MongoDB、CrowdStrike [2] 十二月市场展望与波动性 - 策略师认为今年可能不会出现传统的“圣诞老人行情”，波动率可能成为12月更重要的主题 [3][4][5] - 期权市场看跌情绪升温，投资者正更多地买入下行保护，而非依赖股市季节性强势 [5] - 近期大型科技股的剧烈波动仍在推动市场涨跌，推动市场上行的催化剂并不强劲 [8] 长期市场驱动因素与预期 - 长期驱动因素将是人工智能投资的回报以及收益在经济中显现的速度 [8] - 标普500指数成分股公司第三季度利润增长13.4%，为连续第四个季度实现两位数增长，大型科技公司是主要驱动力 [9] - 摩根大通策略师预测标普500指数到2026年底将达到7,500点，若美联储继续降息有望突破8,000点 [9] - 汇丰银行设2026年目标点位为7,500点，德意志银行预测达到8,000点，均将看涨预期归因于AI交易 [10] - 人工智能驱动的资本支出扩张周期，预计将延续对股市的支撑效应 [10]

行业竞争格局变化 - OpenAI在AI领域面临谷歌强势竞争，后者最新大语言模型Gemini 3被认为超越OpenAI的GPT-5 [3] - 谷歌通过自研张量处理单元芯片训练AI模型，显著提升性能并减少对英伟达芯片依赖 [5][7] - 行业竞争加剧，OpenAI从两年前"一骑绝尘"转变为面临全新竞争环境 [3] 公司市场表现与用户数据 - OpenAI估值达5000亿美元，但面临数据中心成本飙升和技术挑战 [1] - 谷歌Gemini移动端月活跃用户从5月约4亿增至6.5亿 [5] - Alphabet市值首次逼近4万亿美元，股价大幅上涨 [5] - OpenAI每周拥有超过8亿用户，在整体聊天机器人使用方面仍占主导地位 [16] - 用户花在Gemini上的聊天时间已超过ChatGPT [16] 公司战略与投资 - OpenAI承诺未来八年投入1.4万亿美元获得算力，与英伟达等企业达成巨额采购协议 [11] - OpenAI通过推出新产品寻找新收入来源，包括自动化编程工具和视频应用Sora [10][13] - 谷歌采用全栈整合优势，结合搜索、云基础设施和智能手机领域主导地位提供AI功能 [5][6] 技术发展与产品表现 - Gemini 3在多个关键基准测试中表现超过GPT-5 [10] - ChatGPT仍保持AI应用榜首地位，但Gemini 3推动谷歌AI应用排名上升 [17] - Anthropic估值预计突破3000亿美元，其编程工具被广泛认为是业界顶尖水平 [15] 市场机遇与挑战 - OpenAI面临最大挑战是如何找到足够庞大收入来源支撑巨额投资 [13] - 公司计划通过广告创收，进入已被Meta和Alphabet主导的市场 [13] - 市场空间足以让多家公司获得巨大成功，机遇规模超乎想象 [18]

文章核心观点 - ChatGPT的发布引发全球人工智能革命，重塑科技与商业世界，并深刻改变金融市场格局[3] - AI热潮推动标普500指数上涨64%，其中七大科技巨头贡献近半涨幅，英伟达股价暴涨979%[1][3][8] - AI行业陷入没有技术护城河的激烈军备竞赛，领导地位频繁更迭，先发优势难以维持[4][10][13] - 技术变革带来社会结构性重塑，在创造技术红利的同时加剧经济分化和职业不确定性[5][15] AI对金融市场的提振作用 - ChatGPT发布时全球金融市场处于后疫情时代最糟糕环境，标普500较年初高点下跌25%[6] - AI概念驱动标普500指数自ChatGPT发布以来上涨64%，七大科技巨头贡献其中近半涨幅[3][8] - 英伟达成为最大受益者，股价上涨979%，OpenAI估值从140亿美元暴涨至5000亿美元[1][8][9] - 七大科技巨头在标普500指数中的权重从三年前约20%飙升至35%，市场集中度风险上升[8] AI行业竞争格局演变 - 行业呈现没有绝对赢家的军备竞赛特征，领导地位在2025年发生多次轮换[4][10] - 中国初创公司DeepSeek以低成本模型引发全球市场震动，一度导致英伟达股价暴跌[4][10] - OpenAI的GPT-5发布后表现不及预期，谷歌凭借Gemini 3展开强势反击[4][11] - Meta的Llama、阿里巴巴通义千问、Anthropic的Claude等模型加剧行业竞争[12] 技术红利与社会影响 - AI热潮扭转了高通胀、高利率下的低迷市场情绪，但加剧了经济的"K型"分化[5] - 技术突破能在数月内被复制，任何先发优势都是暂时的，行业没有稳固护城河[13] - 变革带来普遍不安感，年轻一代面临职业道路不明朗，老一辈人技能可能不再适用[15] - 行业领袖承认当前可能存在类似90年代末互联网泡沫的泡沫现象[14]

涉及的行业或公司 * 人工智能（AI）芯片与硬件行业[4] * 云计算服务提供商（CSP）行业[36] * 谷歌及其TPU芯片、Google Cloud Platform（GCP）[4][8][36] * 英伟达及其GPU和CUDA生态系统[4][7][17] * 亚马逊及其Trainium芯片[4] * AI研究实验室/公司：Anthropic、Meta、SSI、xAI、OpenAI[9][20][33][45] * 供应链公司：博通、TeraWulf、Cipher Mining、Fluidstack[44][48][50] * 其他芯片设计公司：AMD[79] 核心观点和论据 * **谷歌TPU成为英伟达强劲竞争对手**：TPUv7 Ironwood在性能上已接近英伟达旗舰GPU，并在总拥有成本上具有显著优势[8][60][92][95] * 论据1：世界上最好的模型（如Gemini 3、Claude 4.5 Opus）主要在TPU上训练[4][8][20] * 论据2：TPUv7的理论峰值FP8算力为4,614 TFLOPS，内存带宽为7.3 TB/s，与GB200差距很小，但TCO低约44%[86][95][96] * 论据3：谷歌开始向外部客户（如Anthropic）大规模销售和租赁TPU，标志着其商业化战略的重大转变[9][20][36][44] * **系统架构优势比微架构更重要**：谷歌TPU的核心竞争力在于其大规模互连系统（ICI），而非单一芯片的峰值算力[8][60][62][131] * 论据1：TPUv7的ICI网络支持最大9,216个TPU的3D Torus集群，远超商用GPU集群规模（通常64/72 GPU）[131][202] * 论据2：采用光电路交换机实现网络拓扑的灵活重构和高可用性[164][165][166][203] * 论据3：即使历史上TPU芯片纸面规格落后，其系统级优化仍能实现与英伟达相当的效能[60][62] * **TPU提供显著的总拥有成本优势**：对于有能力优化的大型客户，TPU的每有效算力成本远低于英伟达解决方案[12][29][95][110] * 论据1：Anthropic通过GCP租赁TPU，估计TCO比GB300低约41%[99] * 论据2：OpenAI尚未部署TPU，但凭借竞争威胁已使其NVIDIA机队总效率提升约30%[12][30] * 论据3：TPU市场宣传的算力更接近实际可持续性能，而NVIDIA/AMD的峰值算力在实际负载中利用率较低（训练约30%）[103][107] * **对英伟达主导地位和"CUDA护城河"构成挑战**：TPU生态系统的成功可能削弱英伟达在AI计算领域的垄断[1][4][17][28] * 论据1：英伟达采取股权投资而非降价策略来维持其在高阶实验室的地位，反映了竞争压力[27][28] * 论据2：TPU软件栈虽不如CUDA易用，但对于像Anthropic这样拥有强大工程能力的公司并非障碍[104][105][106] * 论据3：报告指出，谷歌需要开源其XLA:TPU编译器等相关工具，才能使TPU生态系统真正成为CUDA的有力竞争者[15] 其他重要内容 * **Anthropic与谷歌的重大交易细节**：交易涉及100万个TPUv7芯片，总价值巨大[33][44] * 40万个TPUv7由Anthropic直接向博通购买，价值约100亿美元的成品机架[44] * 60万个TPUv7通过GCP租赁，估计合同价值420亿美元，占GCP第三季度积压订单增长（490亿美元）的大部分[44][45] * **数据中心电力成为关键瓶颈**：谷歌TPU部署速度受限于电力供应和漫长的数据中心供应商合同审批流程（长达3年）[46][47] * **"新云"和加密矿工的角色演变**：谷歌通过提供资产负债表外"欠条"信用支持，促使像Fluidstack这样的灵活"新云"提供商与转型AI的数据中心（如前加密矿场TeraWulf）合作，解决了GPU集群（4-5年寿命）与数据中心租约（15+年）期限不匹配的融资难题[48][51][53][55][56] * **谷歌TPU的定价和利润率策略**：即使加上谷歌的利润，外部客户的TPU TCO仍可能比英伟达GPU低30-41%，同时谷歌仍能获得可观的EBIT利润率（估算GCP-Anthropic交易首年EBIT利润率约37.5%-44%）[99][124][126][129] * **下一代芯片竞争**：报告预告将在付费部分比较英伟达的Vera Rubin与谷歌的下一代TPUv8AX/TPUv8X（代号Sunfish/Zebrafish）[1][16]