文章核心观点 全球科技主线切换，AI智能体大规模应用时代来临，导致数据中心对CPU的需求强劲增长，CPU产业价值正被重估，行业面临供应短缺与价格持续上涨的局面，同时市场格局正经历深刻变革，Arm架构及云巨头自研芯片对传统x86霸权构成挑战 [2][4][5][9][24][32] 行业趋势：AI智能体驱动CPU需求与价值重估 - AI智能体的大规模应用导致行业需求改变，其工作流高度依赖逻辑判断和顺序执行，是CPU的传统强项，CPU消耗量可占整个流程的80%以上，远超此前生成式AI中约10%的占比 [5][9][10] - CPU需求量呈现指数级增长，CPU与GPU的配比正迅速从过去的1:8向1:1靠拢，同时服务器CPU的核心配置正从8-16核向32-64核甚至128-256核加速演进 [13] - AI Agent正在为CPU市场开辟近千亿美元的全新增量空间，摩根士丹利预测到2030年全球数据中心CPU市场规模将增长至825亿至1100亿美元，其中由AI Agent直接创造的新增需求约为325亿至600亿美元，相当于再造一个当前全球服务器CPU市场的规模 [14] 市场现状：CPU供应短缺与价格上涨 - CPU价格普遍上涨，消费级CPU价格上涨5%-10%，用于数据中心的服务器CPU涨幅高达10%-20%，英特尔和AMD均执行了提价策略，英特尔内部规划年度累计涨幅可能超30% [4] - 供应短缺严峻，CPU交货周期从此前的1-2周急剧拉长至8-12周，部分高端服务器CPU交付等待时间甚至长达6个月以上 [4] - 供需失衡原因包括先进制程晶圆代工产能紧张、ABF封装基板等关键原材料供应不足，以及CPU产业价值重估 [4] 公司战略与产能：英特尔的应对与挑战 - 英特尔通过全球产能布局、战略回购、产能优先级分配及预订模式应对需求激增，其产能利用率高达120%以上，并优先保障利润率更高的数据中心业务（如至强系列）的产能 [16][20] - 英特尔以142亿美元回购爱尔兰Fab 34晶圆厂49%的股权以重新获得完全控制权，锁定先进产能，该厂正量产采用Intel 4/3制程的芯片并规划升级至18A工艺 [17] - 英特尔面临产能超负荷、先进工艺（如18A）良率爬坡以及美国本土扩张成本高昂等多重压力，其新建的俄亥俄州晶圆厂投产时间已推迟至2030年 [16][20][21] - 预测CPU供应紧张局面将持续至2028年，关键节点包括：2026年下半年英特尔18A工艺良率提升至经济水平；2027年台积电3nm产能达到顶峰后转向2nm；2027年下半年台积电2nm产能大幅提升至20万片/月 [21][22] 竞争格局：市场结构生变，x86面临挑战 - 服务器CPU市场格局松动，2025年第三季度英特尔在出货量份额上降至约70%，AMD占据近30%；从营收份额看，英特尔降至约60%，AMD突破40% [24] - Arm架构阵营（亚马逊、谷歌、英伟达、华为等）凭借卓越能效比在数据中心市场全面进攻，CounterPoint Research预测到2029年，Arm架构在定制AI ASIC服务器主机CPU市场的份额将从目前的约25%飙升至90%以上 [24] - 云巨头（亚马逊、谷歌、微软等）推动“去x86化”自研，旨在通过定制化芯片降低总体拥有成本，系统性地蚕食传统x86芯片的存量市场 [25] - Arm公司战略转向，于2026年3月发布首款自研数据中心芯片Arm AGI CPU（采用台积电3纳米制程，集成多达136个核心），宣称单机架性能可达x86平台的2倍以上，每1GW AI数据中心算力资本支出可节省高达100亿美元，Meta、OpenAI等成为其首批客户，标志着Arm从纯IP授权向“IP授权+芯片产品”转型 [28][30][31]

AI计算领域的范式转变 - 行业重心正从训练大型语言模型转向将模型应用于现实世界数据以实现生产力提升 [1] - 推理工作负载对并行计算能力的要求低于训练阶段 但德勤估计其增长将创造更多算力需求 [2] AI推理算力需求预测 - 德勤估计到2026年 推理工作负载将消耗全部AI算力的三分之二 较去年的50%显著提升 [3] - 这将催生对最适合推理任务的AI芯片的更多需求 [3] 主要参与者的市场地位与机遇 - 英特尔在服务器CPU市场占据主导地位 市场份额略高于71% [7] - 英特尔在ASIC市场也崭露头角 其ASIC收入在第一季度同比增长近一倍 环比增长30% [7] - 博通是ASIC市场的最大参与者 估计占据60%的市场份额 [5] - 博通预计其AI芯片收入将在2027年超过1000亿美元 较去年的200亿美元大幅跃升 [6] - 英伟达正为其即将推出的Vera Rubin处理器聚焦推理任务 承诺显著降低推理成本 [6] 专用芯片（ASIC）的优势与需求 - 与GPU等通用并行处理器相比 ASIC因其优势而受到超大规模厂商和AI公司的强劲需求 [4] - ASIC能效更高 在处理其设计的特定任务时有助于降低总体计算成本 [5] - 博通对AI收入大幅增长的预测反映了市场对ASIC的强劲需求 [5] 行业竞争格局展望 - 在AI推理时代 英特尔超越英伟达和博通等公司将不足为奇 [3] - 投资英特尔可能是把握AI推理芯片需求增长的最佳方式之一 [6]

OpenAI MRC协议发布 - OpenAI通过开放计算项目开放了其超大规模AI训练网络协议MRC，该协议能实现微秒级故障恢复，支持超过10万块GPU的高效协作 [1] - MRC协议是OpenAI联合英伟达、AMD、英特尔、微软和博通，历时两年开发完成，现已应用于OpenAI所有最大规模的NVIDIA GB200超算上 [3] 协议开发的背景与动机 - 同步预训练的通信模式对网络极度敏感，在涉及十几万块GPU的训练中，单次迭代可触发数百万次点对点数据传输，任何链路拥塞或丢包都会严重影响整个训练任务 [4] - 随着AI训练集群规模的扩大，网络故障的绝对频率只会上升，对网络通信的稳定性提出了极高要求 [4] MRC协议的核心技术方案 - 采用多平面网络拓扑，将800Gb/s网卡拆分为8条100Gb/s子链路，连接到独立交换机，形成8个并行网络平面，使网络层数从三四层压缩到两层，大幅降低了13万块GPU的互联成本和故障点 [6] - 引入自适应包喷射技术，扩展了RoCE的乱序处理能力，允许单次传输的数据包喷射到数百条路径上并行传输，并能在微秒级完成拥塞检测和路径切换，几乎消除了网络核心拥塞 [7][8] - 使用SRv6静态源路由取代动态路由协议，将路径决策完全移至发送端，交换机无需感知拓扑变化，从根本上消除了因路由收敛引发的训练抖动 [9][10][11] 行业合作与影响 - MRC协议是OpenAI组织并联合英伟达、AMD、英特尔等主要硬件厂商共同制定的标准，旨在解决大规模AI训练中的网络通信稳定性问题 [2] - 该协议的开放有望推动全行业超大规模AI训练基础设施的标准化和效率提升 [3]

公司与战略合作 - 英特尔与FPT于2026年4月28日宣布建立战略合作关系，共同提供人工智能驱动的工厂优化解决方案 [1] - 该合作结合了人工智能、模拟和数字制造技术，旨在减少瓶颈、加速决策制定并改善停机恢复时间，以推动运营向更自主的系统发展 [1] 财务表现与业绩指引 - 2026年第一季度，英特尔调整后每股收益为0.29美元，远超市场预期的0.01美元 [3] - 2026年第一季度，英特尔营收达到136亿美元，高于市场预期的124.3亿美元 [3] - 公司预计第二季度调整后每股收益为0.20美元，高于市场预期的0.08美元 [3] - 公司预计第二季度营收在138亿美元至148亿美元之间，中值143亿美元高于市场预期的130.6亿美元 [3] 管理层评论与业务展望 - 首席执行官Lip-Bu Tan表示，与人工智能相关的需求正在增加对CPU和先进封装的需求 [3] - 首席财务官David Zinsner称业绩表现“强劲”，并指出市场对硅的“需求前所未有” [3] - 公司业务转型出现可信的拐点，业绩指引强化了其运营叙事 [2] - 各业务板块需求均超过供应 [2] 代工业务进展 - 英特尔代工业务正变得更具可信度 [2] - 公司在18A制程的良率方面取得进展 [2] - 14A制程的早期信号令人鼓舞 [2] 分析师观点与评级调整 - Freedom Broker于2026年4月28日将英特尔评级从“持有”上调至“买入”，并将目标价上调至100美元 [2] - Benchmark分析师Cody Acree于2026年4月24日将目标价从76美元上调至105美元，并维持“买入”评级 [2] - 分析师认为第一季度业绩超预期更多地是由工厂产出改善驱动，而非一次性因素 [2]

文章核心观点 - OpenAI联合英伟达、AMD、英特尔、微软和博通等主要硬件厂商，通过开放计算项目发布了其超大规模AI训练网络协议MRC，旨在解决万卡以上GPU集群训练时的网络通信稳定性问题，提升训练效率并降低成本[2][6][8] 协议发布与背景 - OpenAI通过开放计算项目向全行业开放了其超大规模AI训练使用的网络协议MRC[2][8] - 该协议旨在实现微秒级故障恢复，支持10万块以上GPU的高效协作，核心是确保大规模训练环境下的网络通信稳定性[3][4] - 该协议是OpenAI联合英伟达、AMD、英特尔、微软和博通，花费两年时间共同开发的成果[8] - 目前该协议运行在OpenAI所有最大规模的NVIDIA GB200超算上，包括OCI在德克萨斯Abilene建的星际之门和微软的Fairwater超算[9] 技术问题与挑战 - 同步预训练的通信模式对网络极度敏感，十几万块GPU在每个训练步骤中以all-reduce为主要通信原语协同工作，单次迭代可触发数百万次点对点数据传输[10][11] - 集合通信的完成时间由最慢的传输决定，任何链路拥塞或丢包都会传导至整个任务，导致吞吐量骤降或触发检查点回滚[11] - 随着集群规模扩大，网络故障的绝对频率只会上升[12] MRC协议的技术解决方案 - **多平面网络拓扑**：将800Gb/s网卡拆分为8条100Gb/s子链路，连接至独立的交换机，形成8个并行网络平面[17] - 此设计使单台交换机接入端口数扩大8倍，网络拓扑层数从三到四层压缩至两层，从而降低了13万块GPU的互联成本和故障点[18] - 扁平化拓扑减少了故障点，并行平面则大幅增加了冗余路径[19] - **自适应包喷射**：扩展了RoCE的乱序处理能力，在数据包头部嵌入目标内存地址，允许接收端将乱序到达的包直接写入正确位置[23] - 该技术允许将单次传输的数据包喷射到数百条路径上并行传输，拥塞检测和路径切换在微秒级完成[23][24] - **SRv6静态源路由**：使用SRv6取代传统的BGP动态路由协议，将路径决策完全移至发送端[27] - 数据包携带完整的交换机标识符序列，沿途交换机只需按静态路由表转发，无需感知拓扑变化，从根本上消除了路由收敛引发的抖动[28][29] - 当路径故障时，发送端直接停止在该路径发包并切换路径，交换机侧无需任何动作[29]

文章核心观点 随着AI大模型、高性能计算及数据中心需求的爆发，高带宽内存（HBM）已成为高端算力芯片不可或缺的核心技术，并引发了新一轮存储产业竞争[1]。然而，HBM在先进封装、散热、功耗及产能等方面面临挑战，这促使行业探索多种替代或补充性技术方案，包括英特尔与软银子公司Saimemory开发的ZAM/HB3DM、NEO Semiconductor的3D X-DRAM、以及SanDisk提出的HBF[1][11][17]。同时，HBM自身也在持续演进，从HBM4到HBM8的路线图规划了性能的显著提升[23][24]。行业竞争的本质是寻求更高带宽、更低功耗、更大容量和更低成本的终极平衡，这已演变为一场关于“后摩尔时代内存形态”的路线之争[30]。 英特尔与软银子公司Saimemory的ZAM/HB3DM技术 - **公司背景与目标**：Saimemory是软银于2024年12月成立的子公司，旨在将下一代内存技术商业化，并与英特尔合作，利用其“先进内存技术（AMT）”和“下一代DRAM键合（NGDB）”计划的技术专长[2]。目标是开发一种替代HBM的技术，为AI加速器提供更高的带宽和容量[1]。 - **技术特点**：其技术名为Z轴内存（ZAM），采用垂直堆叠结构[2]。基于ZAM的第一代HB3DM内存将采用九层结构（底层逻辑层+八层DRAM层），使用混合键合技术进行3D芯片布局，每层包含约13,700个TSV[5]。 - **性能参数**：HB3DM每层容量约1.125 GB，每个10 GB模块的带宽预计约为5.3 TB/s（基于每平方毫米0.25 Tb/s的带宽密度和171平方毫米芯片面积计算）[7]。其带宽显著高于预计的HBM4（约2 TB/s），但当前容量（10 GB）远低于HBM4（最高48 GB）[7][8]。NGDB技术旨在消除高带宽与容量之间的权衡，并显著提高能效[4]。 - **发展计划**：Saimemory计划在2026年6月的VLSI大会上发表关于HB3DM的论文，目标是在2028年初完成原型产品，2029年推出商用产品[5][10]。 NEO Semiconductor的3D X-DRAM技术 - **技术突破**：NEO Semiconductor于4月23日宣布，其3D X-DRAM技术已通过概念验证（POC），证明可利用现有的3D NAND制造基础设施（包括成熟设备、材料和工艺）来生产高密度DRAM[14]。该技术旨在通过垂直堆叠架构突破传统内存扩展限制[14]。 - **性能优势**：POC测试芯片展示了优异的电气性能和可靠性，读/写延迟低于10纳秒，数据保持时间在85°C下大于1秒（比JEDEC标准64毫秒好15倍），耐久性超过10¹⁴次循环[15]。其设计采用了基于铟镓锌氧化物（IGZO）的存储单元，可实现类似3D NAND的堆叠结构[15]。 - **行业意义**：该进展被视为一个重要里程碑，证明了3D DRAM超越传统微缩极限的实际可行性，与行业向垂直扩展存储器发展的路线图相契合[16]。 SanDisk的HBF（高带宽闪存）技术 - **定位与原理**：HBF是SanDisk于2025年2月提出的下一代闪存概念，并非旨在完全取代HBM，而是作为其补充，共同构建更高效的内存层次结构[17]。其核心是通过堆叠NAND闪存芯片来同时提升带宽和容量，并利用NAND的非易失性特性[17]。 - **架构特点**：HBF封装由多个垂直堆叠的3D-NAND芯片通过TSV连接到控制器基芯片[20]。它采用HBM型主机接口，可直接连接到加速器上现有的HBM控制器[20]。在芯片级别，通过双倍数据速率（DDR）同步接口实现高带宽传输[20]。 - **应用与市场前景**：在AI系统中，HBM可用于处理热数据，而HBF适用于存储大规模非易失性数据集，有望显著降低系统扩展成本，尤其在超大规模模型和边缘计算中具有优势[17]。业界预测，包括HBF在内的复杂内存解决方案需求将在2030年前后增长[20]。然而，有消息指出NVIDIA对HBF似乎不感兴趣，而谷歌已锁定采购渠道，样品测试将于今年开始[21]。 HBM技术自身的演进路线图 - **长期规划**：根据韩国KAIST机构发布的路线图，HBM技术将从HBM4（2026年）持续演进至HBM8（2038年），重点关注带宽、容量、I/O接口宽度和散热性能的提升[23]。 - **关键性能指标提升**：预计从2026年至2038年，单栈内存带宽将从2 TB/s提升至64 TB/s，数据传输速率从8 Gbps提升至32 Gbps，I/O宽度从2,048位提升至16,384位[24][25]。单栈容量将从HBM4的36/48 GB增长至HBM8的200/240 GB，同时功耗也从75 W增加至180 W[24][25]。 - **技术与架构演进**：路线图涵盖了堆叠技术（从微凸块到无凸块铜-铜直接键合）、散热方案（从直接芯片冷却到嵌入式冷却）以及架构创新（如定制基片、内存中心架构、与HBF/3D LPDDR的混合架构等）[24]。 下一代DRAM的技术路线分歧 - **三星电子的垂直方案**：三星电子正在研发16层垂直堆叠DRAM（16层VS-DRAM）工艺，并考虑将环栅（GAA）晶体管技术应用于DRAM，同时采用单元上层（POC）技术，将电容器水平放置并逐层堆叠[27]。 - **SK海力士的平面极致方案**：SK海力士的研究方向是“4F² Vertical Gate”DRAM，目标是将单个单元面积较现有的6F²结构减少30%以上，并应用了位线屏蔽（BLS）和核心共享背栅（Shared BG）等技术来应对挑战[28]。该公司还在考虑采用芯片减薄技术，并着眼于未来引入晶圆对晶圆（W2W）的混合键合方法[28]。 - **竞争意义**：在10纳米以下工艺节点，结构创新变得至关重要，两家公司的不同路径竞争将决定谁能掌握下一代DRAM的关键[29]。 GPU与HBM集成发展趋势 - **集成度与性能飙升**：根据下一代GPU-HBM路线图，GPU与HBM的集成将更加紧密，通过更大的中介层（Interposer）实现[26]。预计到2035年，下一代GPU-HBM模块的总带宽可达1,024 TB/s，总HBM容量达5,120/6,144 GB，但总功耗也高达15,360 W[26]。 - **硬件规格演进**：从2026年的Rubin架构到2035年的下一代架构，GPU芯片数量、HBM堆栈数量以及中介层尺寸均显著增加，以支撑指数级增长的算力需求[26]。

半导体板块行情表现 - 费城半导体指数（SOX）大涨4.48%，收于11472.76点，首次站稳11000点，创历史新高[3] - 该指数刷新2000年3月9日以来最强五周滚动表现，期间累计涨幅超50%[5] - 过去25个交易日，费城半导体指数成分股全部涨幅达14%及以上，其中英特尔、Credo Technology、Astera Labs涨幅均翻倍超100%[5] 行情驱动因素与扩散 - 半导体板块上涨初期几乎完全由英伟达单只个股带动，而如今行情已全面扩散，近期英特尔、高通等长期落后的标的也大幅飙升[6] - 人工智能产业扩张所需的存储芯片等核心零部件供给瓶颈，促使华尔街分析师大幅上调各类半导体设计与制造企业的盈利预期[6] - 一季度强劲财报进一步巩固了投资者对半导体板块的看涨情绪[6] 市场警示与担忧 - 多位华尔街资深人士警示芯片及泛AI概念股已严重超涨、过度透支[7] - 标普500指数市盈率约22倍，估值高企令不少市场人士忧心忡忡[7] - 对冲基金大佬都铎·琼斯警告当前市场和2000年互联网泡沫高度相似，依据均值回归规律，未来数年美股或出现35%幅度大跌[7] 资金流向与机构行为 - 高盛数据显示，截至4月30日的四周内，对冲基金首度净卖出美股，抛售主力来自北美及欧洲机构[7] - 全球范围内，机构大幅减持信息技术、非必需消费品、金融板块，转而小幅增持工业、原材料、医疗保健板块[7] - 富国银行表示，股市的“甜味剂效应”已基本消耗殆尽，其反向情绪指标自2021年11月以来首次触发卖出信号[9] 宏观经济与潜在风险 - 阿波罗全球管理首席执行官警告，发生突发性、非典型事件的概率已显著升高[8] - 富国银行认为，“增长放缓 + 通胀上行”风险上升，这对股市最为不利，需关注农产品价格自2月低点已上涨13%[9] - 油价冲击或滞后拖累消费，退税缓冲耗尽后，高能源价格影响将全面显现[9]

半导体与AI基础设施 - AMD发布强劲财报与业绩指引，股价上涨15%，其CPU业务本季度预计增长70%，AI需求是主要驱动力 [3][5][10] - NVIDIA股价上涨4%，计划投资高达5亿美元用于确保AI数据中心所需的光纤供应，以解决潜在的连接瓶颈 [4][8][9] - AI芯片需求旺盛，预计到2029年，AI芯片将占所有芯片销售的一半以上，半导体市场正迈向1万亿美元规模 [68] - 行业竞争加剧，NVIDIA面临来自AMD、英特尔、高通等传统芯片制造商，以及谷歌、亚马逊、Meta等大客户自研芯片的挑战 [65][66] - CPU在AI工作负载中的重要性提升，特别是在智能体AI和推理场景下，CPU与GPU的比例正从传统的1:4向1:1甚至更高演变，这扩大了CPU的总目标市场 [12][13][61][97] - AMD市值达到6000亿美元的历史新高，年内涨幅超过60%，但其估值倍数仍远高于NVIDIA [15][16] - 一家德国芯片公司受益于AI基础设施支出，其第三财季营收预期为48亿美元（原文为$4.8% billion，疑为$4.8 billion），超出预期 [21] 科技巨头与AI战略 - 苹果计划在iOS 18中允许用户选择外部AI模型（如Gemini、ChatGPT），以弥补自身AI能力的不足，同时保持其硬件和生态系统的粘性 [72][74][77] - 微软可能因AI繁荣导致的能源需求激增而放弃其雄心勃勃的每小时匹配清洁能源的碳中和目标 [44][45][47] - OpenAI预计今年仅在计算能力上的支出就将达到500亿美元 [48] - 三星市值突破1万亿美元，成为第二家达到此里程碑的亚洲公司，推动韩国综合股价指数首次突破7000点 [33] 娱乐传媒与消费 - 迪士尼公布超预期业绩，股价迎来一年来最佳表现，上涨7%，主要得益于流媒体业务盈利改善和主题公园人均消费增长5% [22][23][26][50] - 迪士尼主题公园业务（占公司总利润60%）利润增长5%，尽管国际游客量因美元走强和地缘政治紧张而略有下降，但人均消费强劲 [25][53][54] - 迪士尼新CEO整合游戏业务（如与Epic Games的合作），并利用Disney+作为中心，打造IP飞轮效应，以触及更年轻的受众并推动下一阶段增长 [27][56][57] - 华纳兄弟探索公司即将公布财报，市场关注点集中在并购动态以及因失去NBA转播权可能导致的电视广告收入下滑 [58][59] 出行与平台经济 - Uber第二季度预订量展望超出预期，增幅约为8.4%，当季总预订额增长21%，连续第三个季度实现强劲增长 [34][36] - Uber通过成本控制和使用AI提升效率，实现了44%的每股收益同比增长，并与Expedia合作增加酒店预订服务，以扩大平台服务范围 [38][39][41] - Uber的B2B业务总预订额达50亿美元，年增长45%，远高于公司整体增速，公司计划未来服务全球多达100万家企业组织，将该业务规模扩大至100亿美元 [42][43] - 特斯拉创始人埃隆·马斯克正在推进垂直整合战略，其芯片工厂建设成本估计达50亿美元，若完成所有阶段，总投资可能高达1190亿美元 [71][83] 市场与宏观环境 - 市场风险情绪升温，纳斯达克100指数上涨1.4%，地缘政治紧张局势（美伊关系）出现缓和希望是原因之一 [2][3][50] - 芯片股表现强劲，AMD是纳斯达克100指数最大的上涨贡献者之一，股价上涨17% [61]