AI超级周期与行业现状 - 行业正处于一生一次的AI超级周期的最早期阶段 而非泡沫 所有AI供应链环节都面临制约 [2][3] - 需求全面且无法满足 从芯片、内存、存储到数据中心建设（混凝土、钢筋、建筑工人）均存在短缺 产品在下线前已被预订 [3] - 企业级AI尚未真正起飞 例如Salesforce的Agentforce产品消耗了3.2万亿tokens 但仍处于早期实验阶段 [4][5] 市场需求与产能制约 - AI芯片需求无休止 美光科技已关闭其消费者业务转向AI芯片 英特尔因其代工厂即将满载而股价飙升 [4] - 制造能力面临硬约束 台积电正全力提升产能 但晶圆生产和封装能力受限 英伟达和苹果消耗了巨大产能 导致博通和迈威尔科技等定制芯片开发商产能受限 特斯拉因此转向三星寻求AI芯片 [8] - 所有制造的AI芯片都将找到买家 英特尔18A和14A工艺将取得成功 AWS Trainium 4将完全售罄 AMD将通过销售其所能制造的全部产品 占据超过10%的GPU市场 高通、Arm和Groq等新进入者预计也将成功 [9] 技术路线与竞争格局 - GPU与定制芯片（XPU/TPU）并非零和游戏 当前是应对空前需求的全面紧急响应 [6] - 定制芯片（如谷歌TPU、AWS Trainium、Meta的MTIA）主要为超大规模云厂商和大型前沿模型公司服务 旨在实现规模化下的更优经济性 而非完全替代英伟达 全球可能只有约10家公司能成功做到 [10][11] - 运行和优化针对多种AI芯片的软件极其复杂 这赋予了GPU天然优势 定制芯片预计将在未来五年内占据AI加速器市场25%至30%的份额 该市场年规模将超过1万亿美元 且XPU增速将很快超过GPU [10][16] 基础设施与能源挑战 - 能源是所有制约中最严峻的一环 短期内 GPU REIT和Neocloud（如Iren Limited, Nebius, Coreweave）公司存在机会 [14] - 能源基础设施对话至关重要 核能、小型模块化反应堆、聚变、裂变都必须成为优先事项 无法供电就无法建设AI所需的算力容量 [15] - 超大规模云厂商希望垂直整合和全栈掌控 但该战略影响更广泛市场还需数年时间 [14] 行业数据与增长前景 - 最近的财报周期传递了看涨的AI信号 所有真正的行业建设者都达到或超出了预期 数据基础设施投资估算已从六个月前的1万亿美元大幅增长 [17] - 英伟达披露了5000亿美元的订单能见度 且完全未计入OpenAI的承诺 突显了业务的强劲 [18] - 定制芯片领域 博通是XPU发展的主要受益者 迈威尔科技次之 两者同时也受益于AI所需的以太网和光网络基础设施 [16]