行业技术变革 - 生成式AI和大语言模型等技术正在重构动画生产流程并重塑创作方法论[1] - AI介入创作打破了传统“减法的艺术”模式，在每一步骤为创作者带来新思路形成“加法”[3] - AI动画技术已发展到一定水准，能加快场景和角色制作流程，并对剧情走向和结局设定起辅助作用[3] 行业应用拓展 - AI动画技术已从艺术影视制作拓展到虚拟现实、人形机器人等领域[3] - 许多头部科技企业已开展关于动画技术的研究[3] - 动画行业与当前科技和世界发展趋势同步向前[3] 行业活动与交流 - “动画无界·智绘未来”动漫创作交流周在吉林长春开幕，汇集来自13个国家的行业专家和学者[1][3] - 活动议题包括“AI驱动下的动画产业生态变革”和“赛事驱动下的动画创新实践”[3]

产品发布与核心能力 - SGLang推理框架将其高性能调度与内核优化从大语言模型扩展至图像与视频扩散模型，推出SGLang Diffusion [2] - 相较于先前的视频和图像生成框架，新框架在多种工作负载上实现最高57%的推理加速 [2][3] - 框架支持主流开源视频和图像生成模型，包括Wan系列、Hunyuan、Qwen-Image、Qwen-Image-Edit、FLUX等 [2] 技术架构与创新 - 采用ComposedPipelineBase架构，将扩散推理过程拆分为可复用的Stage（如DenoisingStage、DecodingStage），实现组件化、可复用和可扩展的流水线构建 [11][12] - 引入先进并行技术以追求极致性能，包括USP（Unified Sequence Parallelism）、CFG-Parallel和Tensor Parallel等 [12] - 底层仍由sgl-kernel承载，为未来引入量化等高性能内核提供了天然扩展位 [12] - 设计专用的生成调度器，针对图像/视频生成的“多步迭代去噪”特性进行任务编排管理，以替代LLM的Token级调度逻辑 [16] 用户体验与生态整合 - 提供多种接口以降低使用门槛，包括OpenAI兼容API、CLI和Python接口 [4][14] - 对于已有基于OpenAI API的应用，引入SGLang Diffusion几乎是“零改动”级别，便于集成到现有工作流 [14] - 与FastVideo团队合作，打造从模型训练到生产部署的端到端解决方案 [5] 性能表现与基准测试 - 对比Huggingface Diffusers等开源基线，SGLang Diffusion在H100 GPU上实现了显著的性能提升 [29] - 多种并行方案（如CFG并行和USP）相比单GPU设置展现了显著加速 [29] 战略定位与未来规划 - SGLang Diffusion旨在成为面向未来的高性能多模态统一推理底座，以支撑自回归（AR）与扩散（Diffusion）的混合架构新时代 [8][9] - 未来规划包括持续优化现有模型支持、新增模型支持、引入量化内核、集成Flash Attention 4、加强Batching支持以及简化新模型接入流程等 [34][36]

公司业绩表现 - 工业富联前三季度归母净利润为224.87亿元，同比增长48.52%，业绩加速增长 [1] 行业趋势与驱动力 - 大模型迭代与生成式AI场景爆发式增长，驱动算力需求呈现指数级上升 [1] - 高阶AI服务器及完整的网络与存储架构将继续扮演不可或缺的角色 [1] 公司竞争地位与前景 - 公司在AI服务器领域处于世界领先地位，出货量领先 [1] - 公司有望在行业快速增长的背景下充分受益 [1] - 公司当前市值对应PE分别为37倍、19倍、15倍 [1]

大会核心成果与发布 - 2025世界计算大会于11月20日至21日在长沙举行，并发布了2025全球计算十大创新成就 [1][3] - 全球算力水平迅速提高，千亿参数级别大模型在手机、汽车、智能家居等大众消费品中应用日益广泛 [1] - 人工智能、数字孪生等前沿应用正深刻改变生产方式和生活方式 [1] 前沿计算技术与应用展示 - 大会现场展示了昇腾384超节点系统、超智融合算力集群、人形机器人、智能网联汽车、脑机接口等创新产品 [3] - 发布的十大创新成就包括全球计算能力指数级增长加速生成式AI应用爆发、区域性计算集群协同推动全球算力互联网落地、神经形态处理器商业部署开启类脑计算新纪元、"九章三号"拓展人类计算能力上限等 [3] 先进计算的产业效益与影响 - 依托先进计算建设的卓越型智能工厂实现产品研发周期平均缩短28.4%，生产效率提升22.3%，不良品率下降50.2%，碳排放平均减少20.4% [4] - 计算是信息技术产业核心和数字经济时代根基，先进基础计算产业的战略与基础地位日益凸显 [4] - 以先进计算为核心驱动力的科技创新正在加快重塑全球产业格局 [4]

AI技术滥用乱象 - 某演员遭遇“AI盗播”，其AI分身在同一时间现身多个直播间带货，演员本人提出质疑后被拉黑[1] - 生成式AI技术大幅降低视频制作门槛，但被滥用于伪造“买家秀”骗取退款、制造虚假明星合影、伪造音视频针对老年人进行诈骗等[1] - AI技术有从创意工具沦为造假工具的危险趋势[1] AI内容治理政策与现状 - 《人工智能生成合成内容标识办法》于9月起施行，要求AI生成内容需添加显式标识（文字、声音等）和隐式标识（技术措施嵌入文件数据）[1] - 显式标识帮助用户辨别误导性信息，隐式标识有助于追溯伪造内容来源和维护被侵权人权益[1] - 政策施行后各大平台纷纷出台细则响应，但仍有部分AI内容未添加标识，对观众形成误导[2] 构建多层次AI治理体系 - 需强化法律保障，明确AI造假处罚标准，厘清服务提供者、平台、用户三方责任，覆盖多种造假情形[2] - 需加强监管力度，开展专项治理，建立多部门协同监管体系以形成打击合力[2] - 需升级技术手段，提升高精度检测能力以精准识别造假内容[2] - 治理需与技术发展同步，通过规则、监管、技术同步更新来减少AI造假和公众受骗风险[2]

公司动态 - 超微电脑股价周四盘初小幅上涨，截至发稿涨超1[1] - 公司宣布推出最新的AMD Instinct MI350系列GPU优化服务器解决方案[1] - 全新系统专为需要AMD Instinct MI355X GPU高端算力但部署在空气冷却环境中的企业设计[1] 产品性能 - 相比上一代产品，新款服务器可实现最高4倍的AI训练算力提升[1] - 新款服务器推理性能提升高达35倍[1] - 产品显著增强企业在大型语言模型、生成式AI、科学计算等领域的部署能力[1]

公司股价表现 - 周四股价盘初小幅上涨，盘前一度涨超5% [1] - 截至发稿时股价上涨超1.6%，报34.27美元 [1] 新产品发布 - 公司宣布推出最新的AMD Instinct MI350系列GPU优化服务器解决方案 [1] - 新产品进一步强化公司在高性能计算与AI基础设施领域的产品布局 [1] 产品性能与定位 - 全新系统专为需要AMD Instinct MI355X GPU高端算力但必须部署在空气冷却环境中的企业设计 [1] - 相比上一代产品，新款服务器可实现最高4倍的AI训练算力提升 [1] - 新款服务器推理性能提升高达35倍 [1] - 产品显著增强企业在大型语言模型、生成式AI、科学计算等领域的部署能力 [1]

财务业绩表现 - FY26Q3（即2025年第三季度）实现收入570.06亿美元，同比增长62%，环比增长22%，超出市场预期的551亿美元 [1] - FY26Q3实现净利润319.10亿美元，同比增长65%，环比增长21%，超出市场预期的297亿美元 [1] - FY26Q3每股收益（EPS）为1.30美元，同比增长67%，环比增长20%，超出市场预期的1.26美元 [1] - FY26Q3实现毛利率73.4%，超出上季度指引的72.4% [4] - 公司指引FY26Q4毛利率为74.8%，显示毛利率持续提升趋势 [4] - 公司预计FY26Q4收入为650亿美元，同比增长65%，环比增长14%，超出市场预期的616亿美元 [3] 终端市场收入表现 - 数据中心业务是核心增长引擎，FY26Q3数据中心收入为430.28亿美元，同比增长56%，环比增长57%，超出市场预期的416.46亿美元 [3] - 游戏业务FY26Q3实现收入42.65亿美元，低于市场预期的44.25亿美元 [3] - 自动驾驶业务FY26Q3实现收入5.92亿美元，低于市场预期的6.22亿美元 [3] - 专业可视化业务FY26Q3收入为4.54亿美元，汽车业务收入为3.46亿美元，OEM及其他业务收入为0.88亿美元 [2] 数据中心业务细分 - 计算（Compute）业务FY26Q3收入430.28亿美元，其中GB300量产爬坡，本季度GB300营收超过GB200，贡献了约2/3的Blackwell收入 [3] - Hopper平台本季度收入20亿美元，H20产品收入5000万美元，但国内市场未采购H20 [3] - 网络（Network）业务FY26Q3收入81.87亿美元，超出市场预期的77.46亿美元，主要受益于NVLink规模化应用以及Spectrum X和Quantum X营收双位数增长 [3] - 公司预计从2025年初至2026年底，Blackwell和Rubin平台将实现5000亿美元收入，未来还有进一步增长空间 [3] 技术平台与供应链 - Rubin平台按计划于2026年下半年量产爬坡，目前已从供应链伙伴获得芯片，正在推进产品调试工作 [3] - 公司供应链涵盖全球所有科技公司，包括台积电（负责封装）、内存供应商、系统原始设计制造商等，均已进行良好规划 [5] - 公司架构在总拥有成本（TCO）方面具有最佳性能，在每瓦性能方面处于领先地位 [5] - 公司认为信息技术行业正经历三大范式转移：加速计算技术普及、生成式AI崛起、具备自主行为能力的物理AI演进 [5] 行业前景与预测 - 至2030年，全球AI基建规模预计将达到3-4万亿美元 [3] - AI投资并未出现泡沫，三大范式转移将在未来几年推动基础设施增长 [5] - AI行业内部继续分化，格局好的公司进一步提升议价权，推动毛利率提升 [5]

公司目标价与评级 - 高盛将公司目标价大幅上调62%至人民币762元，维持“买入”评级[1] 财务增长预测 - 高盛预测公司2025-2028年净利润复合年增长率将达到59%[3] - 预计公司2026年800G光模块收入同比激增104%，2027年1.6T光模块收入同比暴涨110%[3] - 高盛将公司2026-2027年净利润预测分别上调23%和28%，分别达到216.45亿元和299.44亿元[3] - 高盛将公司2026-2027年收入预测分别上调24%和35%[8] - 预计2026年收入将同比强劲增长84%，较2025年同比增长50%进一步加速[8] - 高盛对公司的2026年/2027年净利润预测较市场普遍预期分别高出3%/12%[8] 盈利能力与毛利率 - 公司营业利润率有望从2024年的25%提升至2028年的39%[3] - 高盛预测公司毛利率将从2025年的41.6%提升至2027年的46.4%[7] - 高盛将公司2026-2027年毛利率预测分别上调1.2和1.7个百分点[8] 行业需求驱动因素 - 从GPU到ASIC的芯片平台多样化正在重塑光模块需求[4] - ASIC芯片预计将在2025-2027年分别占AI芯片市场的38%、40%和45%[4] - ASIC服务器每个芯片可能需要3-5个甚至超过10个光模块，而全球领先的GPU通常每个芯片需要2-3个光模块[4] - ASIC服务器架构导致对多芯片、多服务器、多机架连接的依赖性显著提高，从而对高速连接产生更强劲的需求[5] 产品与技术趋势 - 从400G到800G的过渡已成为2025年的主要驱动力，1.6T光模块的部署已于2025年下半年开始[6] - 800G/1.6T产品的收入贡献占比将从2025年的64%/8%大幅提升至2026年的71%/16%[6] - 公司毛利率提升得益于从EML到硅光子技术的转型，硅光子技术具有更紧凑、更简单的结构，可降低组件成本并提高生产效率[7] - 随着光模块升级到更高速度，市场竞争将减少，因为这对设计、测试和生产效率提出了更高的技术门槛[6] 业绩弹性与催化剂 - 高盛的敏感性分析显示，800G光模块每增加20%的收入，可为2026年净利润带来16%的上行空间[3] - 2026年上半年和下半年存在多重催化剂，包括新机架级AI服务器增长以及云服务提供商部署新ASIC AI服务器[3]

行业趋势：从通用计算到智能计算的转变 - 自2023年ChatGPT引爆生成式AI革命以来，智算需求呈爆炸式增长，进入2025年，高端GPU“一卡难求”，算力成为核心生产资料 [1] - 2023年中国通算服务器销量为470万台，智算服务器销量为15万台，而到了2025年上半年，通算服务器销量萎缩到100多万台，智算服务器销量则攀升至100多万台，市场结构发生根本性逆转 [1] 技术架构：体系结构创新与国产机遇 - 单纯依靠提升芯片制程来提高性能的路径已走到尽头，后摩尔时代需要算力芯片、交换芯片、软件生态协同更新，英伟达的布局（GPU、网络芯片、交换芯片、CUDA）是这一路径的体现 [1] - Deepseek混合专家模型（MoE）架构的诞生是关键转折点，它通过“按需激活”子模型降低了大模型训练和推理的单位成本，使得智算进入企业和家庭成为现实 [2] - MoE架构不要求单卡性能极高，而追求GPU数量多，更考验多卡协同效率，这为国产GPU提供了“弯道超车”的机遇 [2] 硬件瓶颈：互联技术与散热挑战 - 多卡协同工作存在通信瓶颈，传统铜互连只能提供几十厘米级的低延迟互联能力，限制了在设备内部构建8卡甚至更多GPU设备，并对高功耗散热设计提出挑战 [3] - 业界共识是构建“电算光传”的下一代数据中心架构，即用电计算，用光传输，但传统光传输技术因激光光源需在低于60℃环境工作，仍无法解决服务器内部芯片间高速互联问题 [3] - 容芯致远首创了不受60℃限制的光传输技术（BlueLink），能做出配备20张GPU卡的服务器，1台即可高效运行671B满血版大模型 [3] 计算核心：从CPU中心到GPU中心的范式转移 - 随着摩尔定律放缓，CPU接近极限，其“串行处理”架构不适合AI等大规模并行计算任务，而GPU的多核、高速、高并行性能使其成为AI时代不可或缺的算力核心 [4] - 在传统的以CPU为中心的AI架构中，GPU仅作为PCIe总线上的协处理器，性能无法被充分释放 [4] - 业界正转向以GPU和数据为中心的全新架构以解放GPU算力潜能，例如英伟达的GPU硬件与CUDA平台，以及容芯致远提出的AGC（以GPU为核心）智算架构 [5] - 在AGC架构中，CPU成为“外设”，降低了对CPU性能的要求，使得国产CPU也能支持国产GPU较好发挥性能 [5] 应用痛点：GPU可靠性、能耗与寿命 - 智算中心的故障率约为20%-30%，GPU因先进制程带来的高晶体管密度对温度极为敏感，高温易引发性能衰减和任务中断，在数据中心7x24小时满负荷运行下，其经济寿命可能被压缩至2-3年 [5] - 容芯致远突破了GPU热插拔、GPU RAID高可用和GPU节能延寿技术，旨在将GPU从脆弱、昂贵的奢侈品转变为可靠、经济的生产力工具 [5] 算力效率：体系力量提升有效算力 - 通过AI架构创新，能够将算力有效值从传统服务器的平均40%提升至60%以上 [6] - 在国产GPU算力逊于英伟达的情况下，提高算力有效值也能够提高实际算力值，这体现了体系结构创新的力量 [6]