报告行业投资评级 - 超配 [1] 报告核心观点 - 北美商用制冷设备（特别是数据中心温控）与光通信设备行业景气度向好，主要受益于AI基础设施建设的强劲资本支出 [3][4][9][25] - 全球科技巨头（如谷歌）大幅增加AI相关资本支出，将直接拉动上游数据中心温控、光通信及发电设备的需求 [4][21][29] - 通过全球供应链与技术演进逻辑，中国相关产业链企业（如温控、光通信设备、工程机械零部件供应商）有望迎来发展机遇 [4][22][30] 分章节内容总结 1. 北美商用制冷设备与科技巨头资本支出 - **特灵科技**：2025年第四季度营收51亿美元，同比增长6%，调整后每股收益2.86美元，同比增长10% [4][9]；新增订单58亿美元，同比增长24%，其中自有业务订单同比增长22% [9]；季度末未交货订单总额创纪录达78亿美元 [4][9]；美洲商用HVAC业务订单量同比增长超过35%，其中大型应用设备订单量增速超过120%，订单出货比高达200% [4][10]；公司预计2026年营收同比增长8.5%至9.5% [9] - **江森自控**：2026财年第一季度营收58亿美元，同比增长7% [4][15]；调整后EBIT利润率12.4%，同比提升190个基点 [15]；自有业务订单同比增长39%，其中系统订单增长58%，服务订单增长5% [4][15]；美洲市场自有订单同比增长56% [4][20]；公司上调2026财年调整后每股收益指引至约4.70美元，同比增长约25% [15] - **谷歌（Alphabet）**：2025年第四季度营收1138亿美元，同比增长18%，净利润345亿美元，同比增长30% [4][21]；2025年全年营收4028亿美元，同比增长15%，净利润1322亿美元 [4][21]；第四季度谷歌云业务收入同比增长48% [4][21]；公司计划2026年资本支出1750亿至1850亿美元，较上年接近翻倍 [4][21] 2. 光通信及自动化设备 - **Lumentum**：2026财年第二季度营收同比增长超65%，营业利润率同比提升超1700个基点 [26]；组件业务收入占比67%，同比增长68% [26]；100G和200G EML发货量创公司新纪录，200G EML贡献了约10%的数据通信芯片营收 [26]；系统业务收入同比增长60% [26]；OCS积压订单超4亿美元，CPO新获数亿美元订单将于2027年上半年交付 [27] - **科瑞技术**：预计2025年归属于上市公司股东的净利润为2.35亿元至3.00亿元，同比增长68.61%至115.25% [27]；半导体和光模块业务收入规模同比提升，毛利率对公司整体毛利率有正向拉动作用 [27] 3. 其他重型设备 - **卡特彼勒**：2025年收入676亿美元，同比增长4% [4][28]；第四季度收入191亿美元，创近年单季度历史最高纪录，但营业利润同比下降约9% [4][28]；动力和能源部门第四季度销售额94亿美元，同比增长23%，分部利润18亿美元，同比增长25% [29]；该部门增长受数据中心发电需求带动 [29]；建筑机械板块第四季度收入69亿美元，同比增长15%，但分部利润10亿美元，同比下降12% [29]；资源工业板块第四季度收入约34亿美元，同比增长13%，但分部利润约4亿美元，同比下降24% [29] 4. 投资建议与关注标的 - **温控产业链**：数据中心发展带动高效制冷需求，关注冷水机组等冷源装备提供商**冰轮环境**（旗下顿汉布什品牌服务多个数据中心标杆项目）、制冷压缩机铸件制造商**联德股份**（江森自控等龙头核心供应商），以及具备全链条液冷方案储备的**英维克**（Coolinside方案覆盖冷板、CDU等关键部件） [4][22][23][24] - **发电设备与工程机械零部件**：AI数据中心扩张有望带动燃气内燃机、燃气轮机、柴油发电机组等需求，同时中国零部件厂商在外资品牌替代与品类拓宽中存在机遇，关注**恒立液压**、**艾迪精密** [30] 5. 行业行情回顾 - 报告期内（当周），沪深300指数下跌1.33%，申万机械设备行业指数上涨0.38%，跑赢沪深300指数，在31个申万一级行业中排名第11 [31][33]

事件概述 - 谷歌于2025年5月推出了一款名为“Flow”的软件，其目标用户群体与Autodesk高度重叠，包括电影、电视剧及游戏制作方 [2] - Autodesk于2022年9月开始使用“Flow”品牌，用于其视觉特效、制作管理及其他产品 [2] 法律纠纷与市场策略 - 谷歌被指控利用一家名为“Tonga”的实体在美国为“Flow”名称寻求商标保护 [4] - 谷歌在包括圣丹斯电影节在内的行业活动中推广其Flow软件 [4] - 诉状称谷歌的目的是争取时间，以便能够压倒Autodesk在市场上的地位 [5] - 诉状指出，尽管Autodesk的Flow产品取得了成功，但规模更大的谷歌很可能会压倒Autodesk的Flow产品和品牌 [5]

行业投资评级 - 看好 [6] 报告核心观点总结 - AI领域已完成从“对话交互”到“代理行动”的范式转变，开源项目OpenClaw成为关键标志，其将大模型转化为可通过日常通讯软件调用、具备系统权限的“数字员工” [2] - OpenClaw以本地优先、主动执行等特性，契合用户自动化需求，并催生云端沙箱隔离环境等轻量云服务需求 [2] - AI Agent正加速渗透大众市场，从“极客玩具”成为“大众工具”，持续拉动底层算力与存储需求 [2] - 供给端，存储芯片、CPU等硬件涨价推高运营成本，谷歌云、AWS已上调服务价格 [2] - 需求扩张驱动云厂商加码资本开支，但巨额投入短期侵蚀现金流，引发市场对资本效率的关注 [2] - 安全风险不容忽视，OpenClaw存在数百个漏洞，恶意指令注入、高权限管理成为商业化关键 [2] 根据目录分项总结 一、从“对话交互”到“代理行动” - AI Agent已经从“对话交互”向“代理行动”转变，OpenClaw的迅速走红是这一趋势的标志性体现 [9] - OpenClaw将大语言模型从封闭的网页聊天框中解放出来，转变为可通过WhatsApp、Telegram等日常通讯软件调用、具备系统操作权限并能持续运行的“数字员工” [9] - 其本地优先、主动执行、持久记忆的设计理念，精准契合了用户对工作流自动化的迫切需求 [9] 二、个人AI助手加速渗透大众市场 - AI Agent应用场景正从早期开发者群体快速向大众市场拓展 [10] - 科技巨头纷纷加码布局：谷歌将Gemini3集成至桌面端Chrome浏览器；腾讯元宝、阿里千问、字节豆包、百度文心也用春节红包等方式争夺AI入口 [10] - 个人AI助手已成功跨越从“极客玩具”到“大众工具”的临界点，应用生态的繁荣正持续拉动对底层算力与存储资源的强劲需求 [10] 三、基础设施面临性能与成本的双重挑战 - 为支撑AI Agent更广泛、更高强度的应用，全球AI基础设施持续进行性能升级，同时也面临显著的运营成本压力 [11] - 存储芯片、服务器CPU、高性能GPU、光纤等核心硬件价格普遍上涨，推高了云服务商的运营成本 [11] - 谷歌云与AWS相继宣布调高部分服务价格 [11] 四、需求扩张驱动云厂商战略性投入 - AI Agent使用范围和深度的不断扩大，正从需求端强力驱动云厂商进行新一轮的资本开支 [12] - Alphabet Inc. 公布2026年资本支出计划将大幅上调至1750亿至1850亿美元，远超市场预期 [12] - 亚马逊宣布将2026年资本支出大幅提高至2000亿美元，同比激增56% [12] - 资本开支的急剧上升将侵蚀企业的短期自由现金流，引发市场对资本效率与盈利能力的密切关注 [13] 五、安全问题值得关注 - AI Agent技术发展面临安全与可靠性的持续挑战 [14] - OpenClaw项目本身被披露存在数百个安全漏洞 [14] - 如何防范恶意指令注入、管理高权限访问，是其能否在更广泛商业场景中安全应用的关键 [14] 六、投资线索 - **云服务与算力产业链直接受益**：AI Agent在执行复杂任务时消耗的计算资源远超传统聊天机器人，推理阶段的Token需求呈指数级增长，这巩固了头部云厂商的市场地位，也为专业算力租赁服务商带来机遇 [15] - 国内云厂商迅速推出OpenClaw一键部署服务，预示着国内云服务市场跟随海外进入价量齐升的新阶段 [15] - **硬件供应链迎来结构性机会**：OpenClaw的本地化部署模式带动了Mac Mini等边缘计算设备的关注，显示AI推理负载正从云端向边缘端扩散 [15] - Agent对长期记忆的需求推动向量数据库与高速存储系统的应用，存储容量与性能成为用户体验的关键 [15] - 数据在云、边、端之间频繁流动，也将拉动光模块等网络基础设施的需求 [15]

监管背景与裁定 - 英国竞争与市场管理局裁定苹果App Store与谷歌Play Store在英国移动操作系统市场具有“战略市场地位”并构成“有效的双头垄断” [5] - CMA于2025年10月启动干预程序并促成双方达成具有约束力的初步承诺 [5] 公司承诺的具体措施 - 苹果和谷歌承诺不得对自家应用程序给予优于第三方开发者的待遇 [5] - 公司承诺公开透明地披露第三方应用的审核与上架流程 [5] - 公司承诺禁止以不公平方式使用从第三方开发者处获取的非公开数据 [5] 监管机构观点与评价 - CMA局长表示这些承诺是促进英国应用程序经济健康发展的“切实可行的第一步” [5] - CMA强调确保应用生态的开放与公平对国家数字经济至关重要 [5] - 技术分析师评价该协议是“务实的第一步”但仅解决了相对容易处理的问题预计未来可能面临更深层次结构性改革呼声 [6] 公司回应与行业背景 - 苹果和谷歌对合作表示欢迎但重申对过度监管可能影响创新与安全的担忧 [5] - 苹果称其在每个市场都面临激烈竞争并致力于提供最佳产品与用户体验 [5] - 谷歌表示其Play商店现有政策本就秉持公平透明原则但欢迎通过合作解决CMA的关切 [5] - 此次改革发生在欧盟《数字市场法案》全面实施之后苹果曾警告类似法规可能削弱其产品的隐私与安全架构 [6] 后续监管与执行 - CMA将“密切关注”苹果和谷歌落实承诺的进展 [7] - 若发现企业未能履行义务监管机构将启动正式执法程序强制实施更具约束力的整改措施 [7]

市场情绪与投资逻辑的转变 - 全球资本市场对AI的投资情绪已从“盲目追捧AI相关”的淘金热转向“谨慎筛选AI赢家与输家”的恐慌潮 [1] - 华尔街机构形成新共识：主动规避一切可能被AI技术颠覆的公司 [1][4] - 市场逻辑转变导致资金流向与股价走势出现剧烈分化 [1] AI投资热潮与回报焦虑 - AI概念此前是华尔街最热门的投资主线 科技巨头亚马逊、谷歌、微软、Meta宣布合计高达6100亿至6600亿美元的年度资本支出计划 主要用于AI数据中心和芯片布局 [3] - 近期财报季成为转折点 投资者不再为“AI未来叙事”买单 转而严厉审视巨额投入的实际回报 [3] - 摩根士丹利预测 亚马逊2026年自由现金流可能为负170亿美元 七大科技巨头平均净利率或从2024年的27.8%降至2026年的18.5% [3] - 投入与回报的错配引发科技股抛售潮 微软公布资本支出猛增66%后 股价单日暴跌10% 谷歌、亚马逊、Meta股价也显著下挫 [3] AI颠覆效应引发市场恐慌 - AI技术的快速迭代及其颠覆效应是推动市场情绪转向的核心因素 [4] - Anthropic推出Claude聊天机器人新插件提升办公任务处理能力 引发市场对传统软件订阅需求下降的担忧 触发全球软件股抛售 [4] - 财富管理初创公司Altruist推出AI税务规划工具 直接冲击传统财富管理公司的人工顾问业务 导致嘉信理财、LPL Financial等券商股股价大幅下挫 [4] - 对冲基金正以前所未有的力度做空美股 空头押注规模较去年四季度激增42% 科技股、传统零售与金融板块成为主要做空目标 仅科技板块空头持仓市值就突破1280亿美元 [4] 市场分化与资金流向 - 资金正从高估值、易被颠覆的板块流出 转向防御性板块或AI产业链核心受益标的 [5] - 安硕扩展科技软件ETF今年以来下跌20% 而范戴克半导体ETF上涨13% [5] - 英伟达、AMD等AI芯片股年内涨幅超25% 闪迪从西部数据分拆后一年股价飙升1500% 卡特彼勒等受益于数据中心建设的企业股价也创下历史新高 [5] 机构观点分歧与未来展望 - 华尔街机构对AI相关标的的看法呈现分歧 并非全面看空 [5] - 摩根大通策略团队认为市场对AI颠覆软件行业的前景过度悲观 建议增加对高质量、抗AI颠覆能力强的软件股配置 [5] - 花旗持审慎态度 认为软件板块的下跌是市场对AI颠覆的终端价值重估 未来板块将进入高度个股分化阶段 [5] - CFRA分析师指出 能利用自有专有数据、开发自身AI产品的软件公司才有能力抵御冲击 [5] - AI50指数近三个月上涨7.88% 但近期波动明显加剧 反映市场情绪的分歧与摇摆 [6] - 华尔街对“易被颠覆公司”的筛选仍在持续 资金流向与股价波动尚未出现企稳迹象 [6]

行业投资评级 - 新材料行业评级为“领先大市-B”，且评级维持不变 [2] 报告核心观点 - 北美主要云端服务供应商资本支出强劲增长，预计将催生大量AI服务器需求，进而带动上游高频高速覆铜板核心原材料（如PPO树脂、碳氢树脂、low-dk电子布、HVLP铜箔）的需求快速提升，建议关注AI新材料发展机遇 [3][6][56][57] 二级市场表现 - 本周（20260202-20260206）新材料板块下跌，新材料指数跌幅为1.53%，跑赢创业板指1.76% [3][13] - 近五个交易日，重点板块表现分化：合成生物指数下跌0.19%，半导体材料下跌3.70%，电子化学品下跌1.61%，可降解塑料下跌1.83%，工业气体下跌2.28%，电池化学品上涨0.09% [3][17] - 上周新材料板块中，实现正收益个股占比为22.47%，表现占优的个股有阿石创（周涨跌幅17.2%）、江丰电子（8.93%）、花园生物（7.28%）等，表现较弱的个股包括华海诚科（-13.73%）、中巨芯-U（-12.83%）等 [23][25] - 上周新材料板块中，机构净流入的个股占比为23.42%，净流入较多的个股有新和成（5.41亿元）、阿石创（4.06亿元）、江丰电子（3.61亿元）等 [23][25] 产业链数据跟踪 氨基酸 - 截至2月6日，缬氨酸价格为13850元/吨，周环比下降1.42%；蛋氨酸价格为18250元/吨，周环比上涨0.27%；色氨酸价格为32050元/吨，周环比上涨0.47%；精氨酸价格为21500元/吨，周环比上涨0.47% [4][28] 可降解塑料 - 截至2月8日，聚乳酸（FY201注塑级）价格为17800元/吨，聚乳酸（REVODE 201吹膜级）价格为16800元/吨，PBS价格为17000元/吨，PBAT价格为9700元/吨，均较上周持平 [4][31] - 2025年12月，聚乳酸进口均价为2156.5美元/吨，环比下降4.73%；出口均价为2420.53美元/吨，环比上升4.00% [31] 工业气体 - 截至2月8日，氧气价格为307.4元/吨，月环比下降7.13%；氮气价格为371元/吨，月环比下降6.78%；二氧化碳价格为309元/吨，月环比上涨0.32% [37] - 2026年1月，国内氮气、氩气开工率均为56%，二氧化碳开工率为41% [37] 电子化学品 - 截至2月8日，UPSSS级氢氟酸价格为11000元/吨，EL级氢氟酸价格为6335元/吨，均较上月持平 [4][40] - 2025年12月，中国电子级氢氟酸出口均价为1346.79美元/吨，环比上升21.86%；进口均价为2949.56美元/吨，环比上升5.21% [40] 维生素 - 截至2月6日，维生素A价格为60500元/吨，周环比下降1.63%；维生素E价格为57000元/吨，周环比上涨2.70%；维生素D3价格为195000元/吨，周环比下降1.27%；泛酸钙价格为40000元/吨，周环比持平 [4][44] 高性能纤维 - 2026年2月8日，江苏地区T700/12K碳纤维价格为105元/千克，吉林地区T300/25K碳纤维价格为85元/千克，均较上月持平 [45] - 2026年2月6日，碳纤维毛利为-6292元/吨，市场总库存为13150吨，较上月增加1.27% [45] - 2026年1月，国内碳纤维产量为10491吨，环比下降1.18%，产能利用率为75.38% [45] 重要基础化学品 - 截至2月6日，布伦特原油价格为68.1美元/桶，周环比下降3.7%；纯苯价格为6100元/吨，周环比下降1.6%；乙二醇价格为3630元/吨，周环比下降4.7%；PTA价格为5100元/吨，周环比下降3.4% [53] 行业要闻 - 诚志股份4万吨/年超高分子量聚乙烯项目已实现一次性投料试车成功并产出合格产品，项目总投资23.5275亿元 [54] - 新和成天津新材料项目一阶段工程正式开工，项目总投资约100亿元，旨在打造己二腈-己二胺-尼龙66关键中间体及高端尼龙新材料产业链 [55] - 精工科技与运达能源达成战略合作，双方将在“碳纤维+”新材料应用、联合科研攻关等方面展开合作，以推进关键材料国产化和工程化应用 [55] 投资建议 - 北美四大云端服务供应商（亚马逊AWS、微软、Google、Meta）2026年资本支出合计超过6700亿美元，同比增长超60%，其中Meta的支出预估将达全年营收的50%以上 [6][56] - AI服务器对信号传输等要求更高，推动覆铜板向高频高速方向升级，预计将带动PPO树脂、碳氢树脂、low-dk电子布、HVLP铜箔等核心原材料需求在2026年快速提升 [6][56][57] - 建议关注相关领域公司：树脂领域的圣泉集团、东材科技；电子布领域的中材科技、宏和科技、国际复材、菲利华；铜箔领域的铜冠铜箔、隆扬电子、德福科技 [6][57]

文章核心观点 - 科技巨头正进行史无前例的资本投入，预计2026年仅亚马逊、谷歌、微软等几家公司的资本支出就将达到6500亿美元，但当前AI应用收入增长缓慢，存在严重的投入产出倒挂问题，行业面临“气穴”风险 [1][2] - 行业巨头深知当前AI应用渗透率低（如微软Copilot在4.5亿商业用户中渗透率仅3.3%）与巨额投入不匹配，但仍选择持续投资，这背后是基于生存恐惧、构建物理壁垒和压低成本等待技术奇点的三重博弈逻辑 [4][5][6][7] - 解决当前行业困境的关键在于AI从Copilot（辅助工具）模式转向Agent（自主智能体）模式，即从“卖软件”转向“卖服务”或“卖劳动力”，从而打开高达数十万亿美元的全球劳动力市场，实现收入曲线的指数级增长 [21][22][26][27] 科技巨头资本支出与行业现状 - 预计到2026年，亚马逊、谷歌、微软等科技巨头的资本支出总额将达到6500亿美元，投入呈现指数级增长 [1][2] - 巨额资本支出主要投向购买芯片（如H100/H200）、建设数据中心和争夺电力资源，其投入力度被形容为“赌国运”级别 [4] - 与狂热的基础设施投入形成鲜明对比的是AI应用端收入的缓慢线性增长，这种“基建在平流层，应用在爬坡”的倒挂现象是行业核心矛盾 [3][4] - 以微软为例，其Office 365拥有4.5亿商业用户，但愿意每月多花30美元购买Copilot服务的用户仅约1500万，渗透率仅为3.3%，意味着超过96%的用户认为当前AI工具不值其定价 [4][5] 巨头持续投资的深层逻辑 - 巨头面临“囚徒困境”，投资不足的风险远大于投资过度，停止投资可能意味着在竞争对手取得突破（如GPT-6级别AGI）时被彻底淘汰，因此6500亿美元支出被视为一笔昂贵的“生存税” [8][9] - 投资正在重塑物理世界，为满足算力需求，巨头涉足能源领域，例如微软重启“三哩岛核电站”计划，旨在构建以数据中心和芯片集群为核心的物理壁垒，掌握未来算力资源的定价权 [10] - 巨头通过疯狂投入来“暴力压低”AI推理成本，赌注到2026年底推理成本能降至当前的十分之一甚至百分之一，使AI变得像“3美元的水电煤”一样普及，从而引爆应用层生态 [12][13][14] 中美AI产业环境对比 - 美国AI产业面临“富贵病”，资本和算力供给过剩但消化不及，而中国AI产业则呈现“低血糖”状态，面临资金不足、高端芯片获取难等问题 [15] - 中国AI行业因DeepSeek等公司将推理成本降至“白菜价”而陷入激烈的“内卷式”价格战，行业利润空间被严重挤压 [15] - 中国AI玩家分化为两类：“赌徒”型新势力公司（如智谱、MiniMax、月之暗面）仍在重金投入基建和模型，但面临模型同质化和寻找用户场景的挑战 [15][16]；“全栈地主”型巨头（如字节跳动、百度、阿里）拥有数据、流量、场景的完整闭环，获客成本低，并能通过提升现有业务效率（如广告点击率、云服务销售）来覆盖AI成本，在行业低谷期优势明显 [17][18][19] 行业破局方向：从Copilot到Agent - 当前以Copilot为代表的AI模式本质是售卖软件（SaaS），存在“价值悖论”：用户仍需承担最终责任，因此其作为工具的价值上限较低，这也是渗透率难以提升的根本原因 [22][23] - Agent（智能体）模式代表从“副驾驶”到“自动驾驶/员工”的转变，其核心是售卖劳动力或服务，能够独立完成复杂任务（如追回季度逾期款项），并交付最终结果 [21][24][25] - 全球SaaS软件市场规模仅为数千亿美元，而全球劳动力市场是数十万亿美元的规模，Agent模式为AI打开了巨大的市场空间 [24] - 当AI能够替代真实人力成本时（例如一个每月成本800元的数字员工替代月薪8000元的人类助理），其商业价值将得到根本性重估，收入曲线有望从线性增长转为指数级暴涨 [26][27] - 行业走出“气穴”的标志是AI收费模式从按“Token”计费转向按“工作结果”计费，完成从“卖工具”到“卖服务”的惊险一跃 [27]

行业背景与投资趋势 - 人工智能已成为大型科技公司的核心业务 竞争激烈 导致被称为“超大规模扩展”的支出热潮 涉及数十亿美元用于购买半导体芯片 建设数据中心和开发AI软件 [1] - 为扩展AI业务 超大规模企业预计将在2026年通过公司债券筹集约4000亿美元资金 [2] - 在摩根大通10万亿美元的投资级债券指数中 AI和数据中心公司占比已达14.5% 对应现有债务规模近1.5万亿美元 [2] 主要科技公司债务与财务状况概览 - 主要参与AI竞赛的大型科技公司包括英伟达 甲骨文 字母表 苹果 微软 Meta和亚马逊 [5] - 尽管为扩展AI投入巨额资金 但多数大型科技公司资产负债表依然稳健 仅苹果和甲骨文的债务超过了其持有的现金 [6] - 衡量公司偿债能力的关键指标包括债务权益比和债务资本比 苹果和甲骨文在这两项指标上显著高于同行 [8] 公司具体财务数据与债务分析 - **甲骨文** 债务权益比高达519.6% 债务资本比为83.9% 长期债务达1000亿美元 而现金及短期投资为198亿美元 信用评级为BBB/Baa2 已被列入负面观察名单 [6][8][11] - **苹果** 债务权益比为152.4% 债务资本比为60.4% 长期债务为783亿美元 现金及短期投资为547亿美元 其稳定的订阅服务收入和iPhone需求被视为缓冲 [6][8] - **亚马逊** 债务权益比为43.4% 债务资本比为30.3% 长期债务为579亿美元 现金及短期投资为942亿美元 [6][7] - **Meta** 债务权益比为38.6% 债务资本比为27.9% 长期债务为587亿美元 现金及短期投资为816亿美元 [6][7] - **微软** 债务权益比为32.7% 债务资本比为24.6% 长期债务为354亿美元 现金及短期投资为895亿美元 [6][7] - **字母表** 债务权益比为11.4% 债务资本比为10.3% 长期债务为216亿美元 现金及短期投资为985亿美元 [6][7] - **英伟达** 债务权益比为9.1% 债务资本比为8.3% 长期债务为75亿美元 现金及短期投资为606亿美元 [6][7] 信用评级与风险关注 - 除甲骨文外 所有列出的公司均拥有标普和穆迪的A级或更高投资级评级 [11] - 甲骨文是唯一一家评级在B区间的公司 标普评级为BBB 穆迪评级为Baa2 仍属投资级但已被列入负面观察 意味着未来可能被降级 [11]

报告投资评级 - 报告未明确给出具体的行业或公司投资评级 [2] 报告核心观点 - 回顾2025年，全球大模型在推理、编程、Agentic及多模态等能力上取得明显进步，但通用能力在稳定性、幻觉率等方面仍有短板 [2] - 展望2026年，大模型将在强化学习、模型记忆、上下文工程等方面取得更多突破，从短文本生成向长思维链任务、从文本交互向原生多模态演进，向实现AGI的长期目标更进一步 [2] 技术视角：模型架构优化与提升智能上限 模型能力：聚焦推理、编程、Agentic与多模态 - **推理能力**：2025年模型推理能力上限和思维链利用效率均得到优化，强化学习激励模型形成更长思维链解决复杂任务，“测试时计算”成为主流工程杠杆，模型学会并行思考与反思，并与工具调用结合形成“交错思维链” [17][18]。在MMLU-Pro测试中，头部模型如Gemini-3-Pro-Preview得分为90.5%，Claude-Opus-4.1为87.9%，GPT-5为87.1% [19] - **编程能力**：AI编程已进化为具备工程闭环能力的开发者代理，从代码补全到全栈自主构建。2025年约84%的全球开发者使用AI编程工具 [20]。在Code Arena测试中，Claude-opus-4-5-20251101-thinking-32k得分为1510，GPT-5.2-high为1478，Gemini-3-pro为1477 [22] - **Agentic能力**：核心技术突破之一是交错思维链的使用，使智能体能在思考与行动间高频切换，提升实时修正能力并降低幻觉。在HLE测试中，Gemini-3-pro-preview准确率为37.5%，GPT-5-pro为31.6%，GPT-5.2为27.8% [24][25] - **多模态能力**：图片生成在质量、理解与控制能力上实现大幅跃升，进入可控、可用、可规模化生产阶段。原生多模态架构（统一token化）普及，以Gemini-3为代表 [28]。在OpenCompass测试中，Gemini-3-Pro得分为66.4，Seed1.6-vision为61.1，Qwen3-VL-235B-A22B-Thinking为60.2 [30] - **能力差距**：国产大模型整体能力与海外头部模型维持约半年的静态差距，在海外模型推出3到6个月后，国内头部厂商能推出能力相当的模型并达到SOTA水准 [32][33] - **发展路径**：海外模型厂商追求模型智能上限，国内模型厂商在有限资源下通过开源路线、工程及算法优化追求效率与性能的平衡 [37] 模型架构：基于Transformer的优化延续 - **主流架构**：Transformer架构延续，优化聚焦于模型架构、算法和工程，以提升参数利用效率和模型智能潜力 [40] - **MoE架构**：平衡性能与效率的稀疏专家混合网络（MoE）成为共识，通常仅激活模型总参数的10-20%，显著降低计算量。国产模型如DeepSeek-V3.2、MiniMax-M2、Qwen-2.5均使用MoE架构 [41] - **注意力机制**：基于算法和工程优化提升效率，主要分为全注意力（Full-Attention，复杂度O(N^2)）、线性注意力（Linear-Attention，复杂度O(N)）和混合注意力（Hybrid-Attention）。模型厂商根据效果持续优化选择，如阿里千问深耕Linear-Attention，DeepSeek-V3.2引入稀疏注意力将计算复杂度降至O(Nk) [49][50] - **工程优化**：核心是降本提速与规模化生产，包括推理侧思考链工程化、实时路由机制、长上下文优化等。通过线性注意力、稀疏注意力、MLA内存优化等技术降低计算复杂度和显存占用 [54][55] 训练范式：预训练与强化学习 - **预训练 Scaling-Law**：预计2026年预训练阶段的Scaling-Law将重现，旗舰模型参数量将更上一个台阶。预训练通过算法和工程优化仍有提升空间，随着英伟达GB系列芯片成熟，模型将基于更高性能的万卡集群进一步突破智能上限 [3][61] - **强化学习重要性**：强化学习成为解锁模型高级能力的关键，其本质是“自我生成数据+多轮迭代”。海外模型厂商非常重视，国内厂商如DeepSeek、阿里千问也在跟进。预计2026年海内外模型厂商强化学习占比将进一步提升 [3][61] - **算力与数据基础**：强化学习需要大规模算力提供稳定性，并高度依赖高质量数据。高质量数据用于奖励模型训练和SFT冷启动 [62] - **算法演进**：强化学习路径从RLHF、PPO、DPO演进至推理导向的强化学习（如GRPO），并正从静态离线向动态在线演进 [64][66] 路线展望：持续学习、模型记忆与世界模型 - **持续学习与模型记忆**：旨在解决大模型“灾难性遗忘”问题，让模型具备选择性记忆机制，实现持续甚至终身学习。Google提出的MIRAS、Titans、Nested Learning、HOPE等算法和架构是落地的关键 [4][70] - **世界模型**：聚焦理解物理世界因果规律，是实现AGI的重要拼图。当前主要有三条技术路径：李飞飞团队World Labs的Marble模型（创建持久3D世界）、LeCun的JEPA架构（认知预测）、Google DeepMind的Genie 3（交互仿真） [87][90] - **短期与中长期焦点**：2026年模型厂商短期将聚焦强化学习和上下文工程，中长期围绕持续学习、模型记忆和世界模型等创新路线 [67] 回顾与展望：海内外头部大模型巡礼 OpenAI - **2025年进展**：在推理、Agentic、多模态、代码能力上全方位提升，发布了GPT-4.1、o4-mini、GPT-5、Sora-2等模型。开始探索商业化，如在ChatGPT中插入推荐广告，与软件厂商合作探索企业智能代理 [93] - **2026年展望**：预计将加速商业兑现，拓展企业端和广告市场，借鉴Cowork和Moltbot等企业端Agent案例打造新产品 [95] Gemini (Google) - **2025年进展**：Gemini-3的发布使Google跻身第一梯队，其原生多模态能力突出。Nano banana Pro图像生成模型具备空间推理和光影控制能力。商业化上更聚焦产品提效，Gemini月活达6.5亿，API每分钟消耗70亿tokens [98] - **2026年展望**：预计将延续原生多模态优势，推进Scaling-law，提升长链推理和端到端编程能力，并加速探索世界模型 [99] Anthropic - **2025年进展**：延续在编程领域的优势，发布了Claude Opus-4.5等模型，加强了代码与长任务处理能力。推出了面向开发者的Claude Code（ARR已突破10亿美元）和面向泛化用户的Cowork，探索企业Agent场景 [101][102] - **2026年展望**：预计将提升记忆能力，探索更多Agent泛化场景，让Cowork等产品具备“永久记忆”，成为理解用户的专属智能体 [103][104] 阿里通义千问 - **布局**：布局全模态模型矩阵，打开Agent市场空间 [105]

行业与公司研究纪要：谷歌TPU供应链分析 涉及的行业与公司 * **行业**：半导体、AI计算加速器、云计算基础设施、先进封装与测试、服务器硬件[2][4][7] * **核心公司**：**谷歌** (TPU设计方与需求方)、**联发科** (TPU v8X/v9X ASIC设计服务伙伴)、**博通** (TPU v7/v8AX ASIC设计服务伙伴)[2][3][36] * **供应链公司**：台积电、日月光、京元电子、爱德万测试、致茂、SK海力士、Celestica、鸿海、Unimicron、Ibiden、景硕、AVC、台达电等[4][75][76][83][88][91][94][95][97] 核心观点与论据 1. TPU vs GPU：2026-27年竞争格局与TPU优势 * **竞争格局**：UBS认为2026-27年谷歌TPU与英伟达GPU的竞争格局是建设性的，双方都将实现增长，但TPU因基数较小，增长将更为显著[2][7][8] * **性能与能效优势**： * **每瓦性能**：TPU专为大规模神经网络计算设计，其矩阵乘法单元和稀疏核心设计使其数据流动更高效，能耗低于需要频繁进行数据内存交换的GPU[11][12] * TPU v7 Ironwood在FP8精度下，以0.85kW功耗提供5.42 TFLOPs推理能力，优于英伟达GB300的3.57 TFLOPs/1.4kW[15] * **每美元性能**：ASIC因专用设计，在成本效率上具有优势，尤其对于从训练转向推理的计算任务至关重要[14][15] * TPU Ironwood的每token推理成本低于Blackwell[17][18] * **架构与利用率**：TPU架构采用“预调度”操作，类似于工厂中工人执行预定任务，最小化运行时损失，实现更高的服务器利用率；GPU则依赖动态操作，灵活性高但效率优化程度较低[16] * **软件与生态**：谷歌的OpenXLA开源软件标准充当了“通用翻译器”，允许开发者使用PyTorch、JAX等现有工具在TPU上运行AI模型，降低了生态迁移门槛[20] * **市场准入与供应**：谷歌通过Google Cloud向中小型用户提供TPU算力，定价具有竞争力，且能较早提供新代际产品，这对于资本受限的初创公司获取高端算力至关重要[19] 2. 谷歌TPU发展历程与市场机遇 * **发展历程**：谷歌自2015年推出首款专注于推理的TPU v1，此后持续迭代，提升算力、HBM带宽与容量，并优化互连、冷却和网络拓扑[21][22][27] * **内部应用成熟**：谷歌已将TPU用于其绝大部分（若非全部）内部AI训练和推理工作负载，并成功训练了Gemini 3等前沿模型，证明了其大规模应用的成熟度和可靠性[2][28] * **市场地位与规模**：TPU是目前云ASIC中出货量最大的产品，预计2026年半导体行业将生产400万颗TPU，远超亚马逊Trainium的100万颗以上，以及Meta MTIA和微软Maia的不足20万颗[30] * **增长驱动力**： 1. **谷歌内部需求**：谷歌是前沿大语言模型的主要开发者之一，其模型开发产生大量TPU训练需求[31] 2. **外部需求增长**：自2025年下半年TPU v7 Ironwood发布以来，Anthropic、Meta等AI开发商对TPU的兴趣日益增长；2025年10月，Anthropic宣布计划将TPU使用量扩大至100万颗[35] 3. **云服务渗透**：谷歌可通过Gemini API和Google Cloud服务，吸引没有资源自建模型的企业客户使用TPU[35] 4. **云业务增长**：三大云服务商的云收入在2026-28E期间预计将以29%的复合年增长率健康增长，为基础设施投入提供支撑[32] * **出货量预测**：预计TPU总出货量将从2026年的400万颗增长至2027年的720万颗，2028年为630万颗[31][44] 3. 谷歌ASIC合作策略转变：联发科成为关键受益者 * **策略转变**：谷歌正将更多TPU前端设计工作收归内部，并引入联发科作为博通之外的第二个ASIC设计服务合作伙伴，以实现供应链多元化和成本管理[3][36] * **双轨制路线**：鉴于台积电产能紧张，预计谷歌将在2026年下半年至2027年同时推进博通设计的v8AX和联发科设计的v8X项目，并在2028年的v9系列中维持双轨[3][44] * **产品定位差异**： * **博通 v8AX**：性能导向，采用双TPU芯片封装，适用于大规模训练和灵活推理[45] * **联发科 v8X**：效率导向，采用单TPU芯片封装，在推理方面提供更强的能效和更低的运营成本[45] * **份额变化预测**： * 2026年：博通预计占TPU出货量的92%，联发科占8%[3][44] * 2027年：博通份额预计降至72%，联发科份额提升至28%[3][44] * **成本优势**：分析显示，按每颗TPU芯片计算，联发科的设计服务费比博通低50%以上[3][37] * 具体数据：博通v8AX单芯片服务费为3850美元（毛利率55%），联发科v8X为1680美元（毛利率42%）[38] * **联发科项目进展**：TPU v8X项目在经历多次延迟后，已于2025年10月初完成设计并交付台积电进行试产，目前正处于样品测试阶段，关键验证期在接下来的三个月[41][43] * **联发科的机遇与风险**： * **机遇**：成功执行TPU合作可能对联发科产生变革性影响，使其从消费电子公司转型为真正的云与边缘AI无晶圆厂[58] * **财务影响**：在基准情景下，预计联发科2027/28年TPU销售额分别为80亿/134亿美元；乐观情景下分别为170亿/220亿美元[3][60] * **EPS贡献**：在基准情景下，TPU业务可为联发科2027/28年贡献约38.9/67.4新台币的EPS；乐观情景下贡献91.2/121.6新台币[60] * **主要风险**：v8X芯片可能需要重新设计以调试或解决性能不足的问题；长期来看，博通可能转向COT（客户自有工具）商业模式，仅向谷歌授权IP模块，这可能限制联发科的价值提升空间[62][63] 4. 关键供应链受益者分析 * **台积电**： * 作为唯一的先进制程代工厂和主要先进封装提供商，是核心受益者[4][64] * 对于每1GW的服务器建设，TPU v7 Ironwood可为台积电带来19亿美元的销售收入机会，高于英伟达Blackwell Ultra和Rubin的11亿美元[65][68] * TPU等ASIC在每1GW中消耗的晶圆产能（5kwpm）和CoWoS产能可能高于GPU（2-4kwpm），且台积电在机架价值中的占比（10-11%）也高于GPU（4-6%）[66][71] * **封测与设备**： * **日月光**：通过台积电的基板上外包和全流程CoWoS受益[4] * **京元电子**：TPU最终测试的唯一供应商，该业务在2025年占其销售额的2%，预计v8世代测试内容将增加[4][76][79] * **爱德万测试**：TPU测试生态系统的唯一测试机提供商，市场份额100%[4][80] * **致茂**：在系统级测试方面具有优势，可能为TPU v8提供SLT设备[4][81] * **HBM**： * SK海力士是v8AX和v8X的首选供应商，三星是第二供应商，美光预计也将被加入[4][83] * 谷歌可能转向三供应商策略，预计2026年谷歌将占行业HBM位元需求的16%，2027年占17%[83] * **服务器硬件**： * **Celestica**：谷歌TPU开发计划的关键联合开发伙伴，提供全系统组装和网络交换解决方案[4][88] * 预计其2026年“企业”业务（包括GPU和ASIC服务器）收入将达42亿美元，同比增长105%[88] * **鸿海**：作为谷歌的第二供应商，预计在ASIC服务器组装中占有20%份额[90] * **其他硬件供应商**：Unimicron和Ibiden（基板）、景硕（加强件）、AVC（冷板）、台达电（电源）等均在供应链中扮演重要角色[4][91][94][95][97] 其他重要但可能被忽略的内容 * **谷歌的自主性目标**：大型超大规模公司越来越意识到拥有ASIC架构设计自主权的重要性，以开发性能更好、差异化的ASIC，并保护知识产权[42] * **供应链管理考量**：增加联发科作为合作伙伴有助于谷歌在台积电产能紧张时确保更多先进制程和CoWoS产能，以支持TPU快速增长[42] * **联发科的优势**： * **与台积电关系**：作为台积电前十大客户，联发科在获取先进制程（如N2）产能方面可能具有优势[51] * **技术能力**：联发科已开发SerDes IP超过10年，v8X基于其内部224G SerDes IP，未来可能为v9X升级至336/448G[55][56] * **长期合作情景分析**： * **情景1（维持双轨）**：谷歌最有可能维持双轨策略，以保障产能并应对不同工作负载需求，联发科的份额预计将随时间推移而上升[47][48] * **情景2（博通IP授权+联发科后端）**：谷歌可能从博通授权关键IP模块，而仅使用联发科进行后端物理设计和产能管理[49] * 谷歌在未来3-4年内转向完全COT模式的可能性不大[50] * **硬件市场规模估算**：基于约400万颗v8芯片（对应62,500个机架）的硬件总市场空间估计，在“买与卖”模式下，CPU主板、CPU托盘、TPU板+托盘、机架组装的TAM分别约为15亿、34亿、551亿和663亿美元[87][89]