报告行业投资评级 - 报告未对具体公司或行业给出明确的“优于大市”、“中性”或“弱于大市”的评级 [1][9] 报告的核心观点 - Meta与谷歌签署了价值数十亿美元的多年度协议，以租用方式使用谷歌自研AI芯片TPU，用于训练新一代AI模型 [1][10] - 此次合作标志着头部客户开始将新增的AI训练预算分配给非英伟达GPU的替代平台，AI芯片市场进入多极竞速阶段 [4][16] - 长期、锁量的算力采购合同将成为主流，AI基础设施业务呈现类似能源业务的属性，供给稳定性和交付周期成为核心竞争要素 [4][16] - 谷歌正将TPU从内部优势转化为对外竞争的武器，获得Meta等标杆客户背书，有助于增强其云计算AI业务的增长逻辑和市场信心 [5][17] 根据相关目录分别进行总结 事件概述 - Meta与谷歌达成多年期协议，租赁谷歌TPU芯片用于AI模型训练，合同规模达数十亿美元 [1][10] - 双方正在探讨更深层次合作，包括Meta最早于明年在其自建数据中心采购并部署TPU的可能性 [1][10] 合作潜在走向与行业背景 - 合作可能从云端租赁走向硬件落地，即Meta在自有数据中心部署TPU [2][11] - Meta正通过更高的资本开支和更长的合同周期锁定算力，除谷歌外，还与AMD签署了为期五年、规模可达600亿美元的大单，并维持与英伟达的采购安排 [2][11] 对AI芯片竞争格局的影响 - 对谷歌云：多年期锁量租赁协议提升了谷歌云端AI算力的收入可见性和集群利用率，有助于将AI资本开支转化为更稳定的现金流叙事，同时吸引更多头部客户将增强其软件栈和工具链的生态地位 [3][13] - 对英伟达：短期内训练和推理市场仍高度依赖GPU生态，但像Meta这样的超大买家将部分新增需求转向TPU/AMD等替代方案，会稀释英伟达GPU的边际定价能力和供给稀缺性溢价，市场竞争将转向单位算力成本、交付速度和软件易用性 [3][14] - 对上游供应链：无论GPU还是TPU，核心瓶颈仍是HBM供给、系统互连、数据中心电力与散热，多极化竞争不会缓解上游紧张局面，反而可能因多家平台同时扩产而延长产业链高景气周期，只是订单在不同平台间重新分配 [3][14] 行业趋势研判 - 算力采购模式转变：超大模型竞赛进入工程化阶段，头部公司需要的是多年期可持续供给而非单次补货，长期合约将成为未来算力采购的主流形态 [5][17] - 市场结构演变：TPU进入Meta的算力池，意味着AI芯片市场的边际增量开始从单一的GPU生态外溢到替代平台，行业进入多供应商竞速阶段 [4][16] - 基础设施属性变化：租用TPU对应云端算力交付与消耗计费，多年期锁量合同更利于云厂商提升集群利用率与收入可见度，AI基础设施日益呈现类能源业务属性 [4][16]