行业趋势：AI算力竞争从训练转向推理 - 全球AI算力竞争正发生结构性转移，从以模型训练为核心转向以大规模推理为主导[1] - 随着AI应用软件与AI智能体采用规模激增，衡量算力的标准正从“峰值性能”转向“单位token成本、延迟与能效”[1] - 未来AI数据中心将进入异构算力时代，前沿训练和广义云算力继续由GPU主导，超大规模内部推理、Agent工作流和固定高频负载则加速转向ASIC[6] 谷歌的战略与产品发布 - 谷歌计划在Google Cloud Next大会上宣布新一代定制化AI芯片——张量处理单元（TPU）[1] - 谷歌正试图以自研TPU体系，对占据AI芯片市场约80%至90%份额的英伟达发起正面挑战[1] - 谷歌明确把Ironwood TPU定位为“为AI推理时代而生”的TPU代际，并强调性能、能效、算力集群性价比与可扩展性[4] - 谷歌正在测试允许像Anthropic这样的公司将其部分TPU运行在它们自己的实体大型AI数据中心内，而不是谷歌的云计算基础设施中[8] - 谷歌已允许TPU客户使用PyTorch等外部工具以及其他调度软件，而不再仅仅依赖谷歌自己的产品[8] TPU的市场需求与客户采用 - 谷歌独家研发的TPU AI芯片已成为全球科技行业最炙手可热的商品之一，包括其最大竞争对手在内的领先AI技术开发商正纷纷囤积这些芯片[2] - Anthropic宣布扩大算力供给协议，获得最多100万个谷歌TPU的使用权[6] - Meta Platforms Inc.签署了一项为期数年且价值数十亿美元的AI算力基础设施供给协议，通过Google Cloud来使用TPU[7] - Anthropic与谷歌的TPU合作伙伴博通签署了一项长期协议，涉及的自研芯片将使其自2027年起能够利用约3.5吉瓦的计算能力[7] - Citadel Securities计划展示TPU如何使其比使用GPU时更快地训练AI大模型[7] - 阿布扎比科技集团G42也已就使用谷歌TPU与谷歌进行了“多次讨论”[7] AI芯片技术路线：ASIC的崛起与优势 - 以TPU为代表的AI ASIC路线在“单位token成本、延迟与能效”领域最具优势[1] - 经济性与电力层面的重大约束，迫使微软、亚马逊、谷歌以及Meta都在推动AI ASIC技术路线的云计算内部系统自研AI芯片，核心目的是让AI算力集群更具性价比与能效比[3] - 科技巨头力争把“单位Token成本、单位瓦特产出”做到极致，属于AI ASIC技术路线的繁荣盛世可谓已经到来[3] - 自研AI ASIC能提供“第二曲线产能”，并在采购谈判、产品定价与云计算服务毛利层面更主动[4] - 云计算大厂能把“芯片—互联—系统—编译器/运行时—调度—观测/可靠性”一体化共设计，提高算力基础设施利用率并降低总拥有成本[4] - 面向特定工作负载定制的ASIC，在每token成本、功耗、内存带宽利用率、互连效率以及软硬件协同后的总拥有成本等指标上，天然比通用GPU更容易做到高性价比[5] 谷歌TPU的研发历程与挑战 - 谷歌的TPU与其AI研究工作同步演进，2017年的一篇开创性研究论文催生了今天的大语言模型，也推动TPU团队将重点放在为训练更大型AI系统而设计的芯片上[9] - 谷歌构建了内部的独家AI校验系统，以更快发现可能对应用软件端造成巨大影响的制造缺陷[11] - 谷歌面临与英伟达、AMD以及博通等其他芯片巨头类似的挑战：芯片开发通常需要大约三年时间，但AI大模型演进的速度要快得多，使得预测客户几年后的需求变得困难[13] - 随着谷歌芯片越来越受欢迎，该公司面临着与英伟达类似的供应限制[14] - 谷歌需要决定如何在其自身不断增长的竞争性质AI大模型基础设施服务，以及其不断扩大的客户名单之间分配TPU[14] - 谷歌意识到“只为谷歌独家制造TPU”存在“技术孤岛”风险，可能导致人口受限、多样性受限，最终变得不那么好[14]

公司战略与竞争优势 - Nvidia采用全栈AI平台策略 其生态系统涵盖集成硬件、网络和软件领导力 特别是CUDA 这有望在未来几个月加强其护城河 [1] - Grace Blackwell系统将CPU、GPU、网络和软件集成为一个紧密集成的AI系统 将客户锁定在公司的全栈生态中 目前数据中心销售额的三分之二已来自Grace Blackwell系统 [1] - 网络业务正成为强劲的增长驱动力 收入来自NVLink、Spectrum-X和InfiniBand [2] 产品与市场前景 - 公司的新产品预计将继续推动其收入增长 其专为智能体AI优化的Vera Rubin架构是重点 [2] - 行业正从单纯训练模型转向大规模运行模型 这支持了公司数据中心收入可能达到1万亿美元的预期 [2] - 大型科技公司预计仅在2026年就将花费高达6000亿美元的资本支出 加上新的AI应用场景出现 公司在当前水平仍具吸引力 [3] 财务与估值 - Nvidia的远期市盈率约为20至22倍 与标普500指数几乎持平 [3] - 根据高盛估计 预计Nvidia将驱动标普500指数在2026年总盈利增长的21% [3]

费城半导体指数(SOX)近期表现 - 费城半导体指数(SOX)在过去13天内飙升30% 创下自2002年以来最大涨幅[1] - 该指数目前较其50日移动均线高出16%以上 并处于52周高点[2] - 指数上一次出现类似涨势并创新高是在2000年3月 即互联网泡沫顶峰时期[1] 指数构成与权重股表现 - 该指数为市值加权指数 包含30家美国最大的半导体设计、分销、制造和销售公司[2] - 指数由少数几家为全球人工智能建设提供基础的大型公司主导[3] - 前四大权重股从高到低依次为英伟达、博通、美光科技和AMD[3] - 4月份 美光科技股价上涨41% 博通上涨38% AMD上涨242% 英伟达上涨22%[3] 行业基本面与催化剂 - 台积电第一季度营收同比增长35% 达到创纪录的1.134万亿新台币(约356亿美元) 首次突破本地货币万亿大关[4] - 台积电3月销售额跃升45% 达到约130亿美元 暗示人工智能超级周期正在加速[5] - 台积电股价在4月份上涨17%[5] - 分析师指出 在芯片/硬件或软件方面均未看到人工智能需求出现裂痕[5]

谷歌的AI芯片战略布局 - 谷歌正探索与Marvell建立合作伙伴关系 以提升其自研硬件的效率 这是其在AI芯片竞赛中的下一步棋 [1][2] - 谈判重点为打造两款能更好处理AI工作负载的芯片 一款是与谷歌张量处理单元协同工作的内存处理单元 另一款是专为推理任务设计的新型TPU [1][2] 谷歌自研芯片的目标与重要性 - 谷歌希望持续推进其自研芯片 使其成为英伟达GPU之外可靠的替代方案 目前英伟达GPU依然主导大部分AI基础设施 [1][2] - 谷歌已向AI领域投入了数十亿美元 其TPU正成为推动谷歌云增长的核心 [1][2] - 随着企业需求持续上升 芯片效率越高 谷歌就越容易降低成本并更快地扩展AI服务 这一努力比以往任何时候都更加重要 [1][2] 芯片开发时间线 - 报道称 内存芯片的设计阶段有望在2027年准备就绪 之后将进入测试环节 [1][2]

美联储主席提名 - 前美联储理事凯文·沃什被提名为下一任美联储主席 并将于明日出席参议院确认听证会 [2] - 沃什与硅谷科技领袖关系密切 包括Palantir首席执行官亚历克斯·卡普 PayPal联合创始人彼得·蒂尔以及风险投资家马克·安德森 这使他成为与科技界关系最密切的美联储主席人选 [3] - 沃什因其自由市场、反监管的观点以及相信人工智能可能重塑经济 进而影响货币政策的立场而闻名 [4] 汽车经销商行业整合 - 美国家族经营汽车经销商行业呈现两极分化 大型经销商不断涌现而小型竞争对手则陷入困境 [5] - 行业数据显示 去年排名前150位的经销商占新车零售和车队总销量的27% 高于大约十年前的21.2% 该群体合计拥有四分之一的经销店 高于不到20%的水平 [6] - 华尔街已注意到行业整合趋势 经销商股票Lithia Motors和AutoNation的市值已超过60亿美元 [6] AI初创公司融资 - 人工智能初创公司Cursor正就一轮20亿美元的融资进行讨论 公司在此轮投资前的估值将超过5000万美元 [8] - Andreessen Horowitz将联合领投此轮融资 英伟达和Thrive Capital预计也将参与 这轮融资象征着风险投资行业对专注于AI编码代理的软件初创公司的热情 [9] 英伟达业务重心转移 - 英伟达正优先发展AI芯片 并利用AI改变游戏画面 这令游戏玩家感到被忽视 [10] - 游戏业务曾是英伟达的核心 但随着公司专注于利润率更高的数据中心芯片而非利润率较低的游戏产品 游戏业务不再被优先考虑 其数据中心业务目前占英伟达营收的90%以上 [11]

基金产品概况 - Unusual Whales Subversive Democratic Trading ETF (NANC) 和 Unusual Whales Subversive Republican Trading ETF (GOP) 于2023年2月推出 旨在为散户投资者提供一种追踪美国国会议员披露股票交易的方式 [2] - 基金基于Unusual Whales平台的数据 汇总公开的国会披露文件 并依据议员及其家庭购买的股票构建投资组合 [2] 民主党基金(NANC)投资策略与表现 - 该基金实质上成为一个高度集中于大型科技股的组合 其投资主题与人工智能基础设施繁荣高度相关 [3] - 前五大持仓为：英伟达(9.0%)、微软(7.6%)、亚马逊(5.2%)、Salesforce(4.2%)、Alphabet(3.9%) [3] - 基金在2023年至2025年间 凭借科技股浪潮取得了强劲表现 [3] 共和党基金(GOP)投资策略与表现 - 该基金的投资重点在于受益于基础设施支出和放松监管主题的“实体经济”板块 [4] - 主要持仓包括金融和能源巨头 如摩根大通(4.4%)和雪佛龙(2.1%) 以及工业支柱如卡特彼勒和国防龙头如洛克希德马丁(各低于1.0%) [4] - 基金表现虽不及大型科技股组合波动剧烈 但提供了更稳定、以股息为导向的回报 吸引了看好国内制造业复兴和传统能源主导地位的投资者 [4] 基金结构与潜在问题 - 由于存在45天的披露延迟 每个投资组合反映的是国会成员过去的决策 而非实时持仓 [5] - 基金的费用比率为0.74% 远高于普通指数基金的成本 [5] - 有批评认为民主党基金的超额表现是偶然的 是其科技股集中度的副产品 而非追踪议员交易带来了真正的信息优势 [5]

道琼斯期货与地缘政治紧张局势 - 周一早盘道琼斯期货小幅下跌 同时原油价格强劲反弹[1] - 美国扣押一艘伊朗货船后 伊朗誓言报复 德黑兰表示在美国总统特朗普表态后“没有计划”进行新的和平谈判[1] - 美国与伊朗的停火协议定于周三结束 紧张局势加剧[1] 重要公司财报与业绩 - 道指成份股联合健康集团因成本降低而业绩超预期[1] - 特斯拉即将公布财报 其股价在财报公布前出现下滑[1][4] - 市场即将迎来包括谷歌、微软、亚马逊、Meta、苹果在内的众多公司财报密集发布期[2] 科技与人工智能领域动态 - 亚马逊计划向人工智能初创公司Anthropic投资高达250亿美元 推动其股价上涨[4] - 摩根大通认为人工智能股票重获上涨动力 驳斥了AI泡沫论[3] - 人工智能芯片巨头英伟达股价处于或接近买入区域[3] - Astera Labs股票在相关消息后触及买入点[3] 电动汽车与汽车行业新闻 - Rivian公司向汽车制造商推销其软件授权 旨在成为电动汽车领域的“安卓”系统[3] - 特斯拉股价在近期财报公布后出现波动[4] 市场整体表现与个股 - 纳斯达克指数因美伊紧张局势升级而结束了连涨走势[5] - 除英伟达外 个股如Rocket Lab和特斯拉也是市场关键推动者[5] - Marvell公司股价出现跳涨[1]

AI行业动态与融资 - 国内AI巨头DeepSeek正就首次引入外部资本展开洽谈，计划以至少100亿美元的估值募集不少于3亿美元资金，以充实研发资金储备[5] - 智元携手Hitch Open发起全球首个AI自主决策机器人乒乓球赛（HOPE AI自主决策乒乓挑战赛），重点考核机器人动态感知、实时决策与连续对抗能力[6] 金融科技与AI应用 - 证券行业在智能投研、数字化财富管理、风控和客户运营领域的AI应用越来越广泛，技术投入与业绩增长的正相关性愈发显著[7][8] - 头部券商信息技术投入持续领跑，多家超10亿元，部分中型券商信息技术投入增速亮眼[7] AI医疗应用与争议 - 美国犹他州初创企业莱琼健康公司获批通过AI聊天机器人无需医生问诊即可续开精神类药物处方，旨在降低成本和缩短等待时间[9] - 该举措引发了业界人士的广泛争议[9] 科技巨头动态 - 英伟达CEO黄仁勋表示公司不会在GPU紧缺时进行竞价分配或趁机涨价，强调制定合理价格并致力于成为行业可信赖的基石[11] - 特斯拉将其机器人出租车服务扩展到达拉斯和休斯顿，展示了前排无人的Model Y SUV在这两个城市的运行情况[12] - 苹果一季度在中国市场的iPhone出货量同比大增20%，市场份额正在回升，美银看好其设备端AI布局带来的差异化竞争优势[13] - Meta在2025财年向博通支付了23亿美元（约合人民币156.8亿元），用于芯片设计、开发等服务及组件采购，双方宣布扩大合作共同开发Meta下一代AI芯片[14][15]

文章核心观点 - 人工智能需求激增正在推高半导体股票 但行业内部正出现日益严重的失衡现象 [1] AI需求与供应失衡 - 行业面临明显的算力短缺 需求未见放缓迹象 [2] - 内存价格上涨 整个AI生态系统（包括芯片、光器件和CPU）供应紧张 [2] - 企业和AI实验室报告收入快速增长 证实需求真实存在 尽管对巨额AI投资的长期回报仍存疑问 [2] 半导体股票表现分化 - 投资者已转向面临供应限制的领域 包括内存和设备 导致行业板块表现出现分化 [3] 估值与市场修正 - 高需求与股票估值之间存在脱节 例如英伟达和博通等公司市盈率似乎在15倍或更低 尽管供应商股价飙升 [4] - 这种失衡现象不太可能持续 AI供应链不同环节之间的差距最终将“以某种方式”得到修正 [4] - 市场表现：根据Benzinga Pro数据，在周一盘前交易中，英伟达股价下跌1.24%至199.18美元，博通下跌1.40%至400.86美元，英特尔下跌1.24%至67.65美元，超微半导体下跌1.09%至275.35美元 [4]

核心观点 - 报告认为AI算力依然是科技行业最重要的投资脉络，建议聚焦“芯通胀”上游材料供应瓶颈的涨价环节和业绩可见度高、估值合适的龙头防御双主线 [2][3] PCB行业 - 2025年PCB行业业绩全面兑现，2026年订单需求有望继续推动业绩增长，行业驱动逻辑将从“预期驱动”转向“业绩兑现” [2] - 英伟达Rubin架构等新一代算力产品亮相，信号速率要求从112Gbps跃升至224Gbps，需M9/M10级CCL材料，正交背板等设计进一步抬升高频高速板、高阶HDI需求，推动PCB价值量持续跃升 [2][13] - 头部PCB厂商2025年业绩增长显著，例如胜宏科技营业收入192.9亿元，同比增长79.8%，归母净利润43.1亿元，同比增长273.5%，行业呈现高端放量、低端承压的两极分化态势 [15][18] - AI服务器、汽车电子等高阶需求推动PCB上游材料量价齐升，CCL向M9/M10等级升级并提价，采用78层M9+Q布方案的单张背板价值约4万美元，是普通服务器背板的10倍以上，HVLP4高速铜箔市场供需偏紧 [23] 光通信行业 - 光模块技术沿“速率迭代—材料创新—封装突破”路径演进，当前主流为800G/1.6T，未来向3.2T发展，CPO（共封装光学）是超大规模数据中心的长期确定趋势 [27][29][33] - 排名前五的云服务商2026年资本开支计划翻倍，亚马逊、微软、谷歌、甲骨文资本支出总和预计超过5700亿美元，较2025年增长58.9%，为光模块高增长提供持续性 [2][33] - 光芯片存在产能缺口，高端EML激光器交期已排至2027年以后，光芯片供需缺口达25%-30%，价格有望继续上涨，光通信芯片组市场销售额预计从2024年的约35亿美元增至2030年的超110亿美元 [2][36] - 光纤进入量价齐升强景气周期，2026年3月黑龙江电信G.652.D 24芯光缆招标价格达约155.7元/芯公里，较2025年11月底部涨幅高达178% [38][41] 液冷与电源 - 新一代AI服务器机柜全面采用液冷方案，英伟达Vera Rubin NVL72机柜总功耗预计230kW，高阶Rubin Ultra NVL576机柜功耗预计达600kW-1MW，较Blackwell功耗（120-200kW）大幅提升，推动液冷需求爆发 [2][44] - 中国液冷市场规模预计从2024年的184亿元增长至2029年的1300亿元 [43] - AI服务器电源需求激增，单GPU功耗近2kW，单机柜功耗已从10kW上升至120kW以上，预计全球AI服务器电源市场规模将从2024年的28.46亿美元增长至2031年的608.1亿美元，2025-2031年复合增长率达45% [46][47] - 英伟达Vera Rubin平台单颗GPU功耗达2300W，下一代Feynman平台单颗芯片功耗有望突破4kW，持续推升电源需求 [47] 半导体材料与“芯通胀” - 全球半导体产业链进入全面涨价周期，涉及存储芯片、MCU、晶圆代工、封装测试、被动元件等多环节，2026年4月多家大厂调价，其中存储芯片涨幅显著（如三星NAND涨超100%，DRAM涨60%-70%） [48][52] - 上游材料价格稳步上涨，半导体靶材（钨/钼/镓靶材涨幅60%-70%）、特种气体（六氟化钨涨幅70%-90%）、抛光液、光刻胶（涨幅约30%）等领域均出现提价 [58] - 在地缘冲突及供应链风险背景下，半导体材料国产替代进程加速 [3][58] 重点公司梳理 - 报告梳理了PCB、上游材料、光通信、液冷、半导体材料等产业链核心公司及部分财务数据，例如中际旭创2025年营业收入382.4亿元（同比增长60.3%），归母净利润108.0亿元（同比增长108.8%），2027年预测PE为26.7倍 [28][59]