核心观点 - AI发展将沿"电力—算力—落地"路径加速推进 电力是AI基础能源 算力需求从训练转向推理 落地应用将驱动推理算力百倍级增长 英伟达在训练市场保持优势但推理市场面临分流 国产芯片在推理环节存在机会 [2][4][9][10][11][17] 电力能源 - AI算力中心本质是巨大耗电机器 电力是AI第一道门槛 需要便宜稳定的电力支持 [5][6][8] - 中国具备电力优势 水电/火电/风光电布局成熟 超高压输电技术全球领先 [6] - 美国因缺乏超高压输电将发展小型核反应堆 小型核电存在政策与投资机会 [8][10] 算力架构 - 算力需求分为训练与推理两阶段 训练使用大量可编程GPU使AI变聪明 推理使用AI执行具体任务 [10] - 未来爆发来自推理而非训练 MIT调研300家企业显示95%认为AI未实用 落地后将带来推理算力百倍增长 [10] - 推理阶段ASIC专用芯片可替代GPU 谷歌TPU/亚马逊Turing/微软自研芯片将分流英伟达市场 [11] 芯片产业格局 - 英伟达GPU在训练市场保持护城河 但推理市场面临巨头自研芯片分流 [11] - 博通作为芯片设计制造"包工头" 受益于大厂自研芯片趋势 订单持续增长 [13][15] - 国内推理芯片存在机会 因推理对工艺制程要求较低 国产芯片可满足需求 [17] 投资方向 - 关注电力能源环节 特别是小型核反应堆/清洁能源/储能等领域 [18] - 关注算力基础设施 包括GPU/ASIC/服务器/光模块/数据中心 [18] - 关注国产推理芯片 需等待过热赛道降温后选择有技术积累的公司 [17][18] - 关注AI应用落地 重点在于用AI替代人工释放生产力而非模型训练 [17][18]