文章核心观点 - AI算力底座竞争升级，谷歌自研TPU芯片性能超越英伟达GPU，引发市场对技术路线和产业链格局变化的关注 [2] - 定制化芯片与通用型芯片将长期并存，短期内英伟达凭借CUDA生态优势仍将主导市场，长期看定制化芯片份额将提升 [3][4][5] - 算力芯片竞争加剧对硬件供应链（如光模块、PCB）是结构性利好，可能带来超预期增量 [6][7] - AI应用爆发依赖于爆款产品出现，当前仍处于“算力为王”阶段，应用投资需谨慎 [8][9][10] - 当前AI热潮与互联网泡沫有本质区别，产业健康度更高，估值相对合理，泡沫风险取决于应用落地速度 [11][12] 定制化和通用型芯片之争 - 谷歌TPU是定制化ASIC芯片，专为神经网络计算优化，在性能和成本上占优，但生态开放和兼容性不如英伟达GPU [3][4] - 英伟达GPU是通用型计算平台，凭借CUDA生态的强兼容性，在当前技术路线未定型阶段仍是大多数厂商的最优选 [3][4] - 市场预期到2029-2030年，全球定制化算力芯片和GPU市场份额将呈现“五五开”局面，但2026年前英伟达“一家独大”逻辑未变 [5] 硬件供应链机遇 - 算力芯片竞争提升对数据传输效率要求，利好光模块、PCB等硬件供应链，国内头部供应商在客户响应、量产稳定性和成本上具备优势 [6] - 若谷歌TPU份额提升，光模块需求将超预期，在算力卡纸面算力相等情况下，TPU v7的光模块用量是英伟达Rubin的3.3倍 [7] - 谷歌新一代TPU可能采用更先进的覆铜板材料，直接拉动高端PCB的价格和利润空间 [7] AI应用发展前景 - AI投资下半场是应用，但爆发关键取决于大模型是否足够“聪明”，而非仅算力成本下降，当前仍处于“算力为王”阶段 [9] - AI应用核心问题在于缺乏爆款产品，算力降本虽利好应用端，但投资弹性存疑 [9][10] - AI作为通用生产力工具，重点发展方向包括人形机器人与高端制造、智能驾驶、AI+医药研发等 [10] AI泡沫与估值分析 - 当前AI热潮与2000年互联网泡沫有本质区别，技术已开始落地创收，产业链健康度更高，GPU闲置率低，订单能见度高 [11] - AI龙头公司2025年市盈率不到40倍，且有强劲财报支撑，估值水平相对合理，未出现普遍过热 [11] - 泡沫风险核心取决于产业应用落地速度能否接住股价，若2026-2027年出现AI应用爆品，则当前AI板块可能被低估 [12]