政策发布与核心定位 - 工业和信息化部等五部门联合发布《关于加强信息通信业能力建设 支撑低空基础设施发展的实施意见》，旨在通过信息通信业能力建设为低空经济发展提供坚实基础 [2][7] - 文件明确指出低空基础设施是低空经济发展的重要底座，信息通信业将支撑低空通信、监视、导航、智能网联系统等信息类基础设施建设 [2][7] - 政策目标是加强信息通信业与低空装备制造业协同发展，提升技术基础、产业供给、网络支撑和安全保障四大能力 [8] 总体发展目标（至2027年） - 到2027年，全国低空公共航路地面移动通信网络覆盖率不低于90% [3][9] - 到2027年，研制不少于10项信息类基础设施标准 [3][9] - 到2027年，面向城市治理、物流运输、文旅等领域形成一批典型低空应用场景 [3][9] 重点任务：通信网络覆盖 - 按需推进300米以下低空航路沿线及热点区域的网络覆盖，充分利用现有5G基础设施，通过波束优化、天线调整、新建基站等方式实现 [4][10] - 鼓励基础电信企业探索低空专用网络，以提升覆盖水平和业务保障能力，并与地面网络互联互通 [4][10] - 综合应用卫星通信和地面移动通信，为300米以上低空空域及偏远地区提供网络覆盖 [4][10] 重点任务：导航与感知能力 - 助力提升导航精准服务水平，充分利用北斗地基增强系统，通过5G网络播发定位增强信息，提高航空器定位速度和精度 [4][11] - 探索构建多元探测协同服务能力，在重点区域应用通感融合技术，并与雷达、光电感知等技术协同，提升对低空航空器的探测、识别和轨迹追踪能力 [10][11] 重点任务：智能网联与算力支撑 - 支撑构建低空智能网联系统，发挥信息通信业优势，利用物联网、人工智能、云计算、大数据等新一代信息技术提供解决方案 [4][11] - 结合低空经济发展需求，完善算力基础设施供给体系，推动公共算力互联互通，为低空管理服务提供灵活高效的算力支撑 [4][11] 重点任务：技术试验与产业供给 - 组织开展试验验证，加强空地协同组网、干扰协调、装备融合等关键技术研究，提升5G-A通感融合多站协同、多目标识别等低空感知能力 [5][12] - 提升产业供给能力，积极推进5G-A产业发展，升级现有地面基站功能，加快通感融合等技术产业成熟以降低设备成本 [5][12] - 加强低空装备与信息通信的融合创新，推进5G/5G RedCap模组与低空航空器的适配验证，并探索通信、导航、监视功能融合模组的研发 [5][12] 重点任务：基础设施与标准建设 - 推动集约协同与标准化建设，充分利用现有铁塔站址等资源推进共享集约建设，支持基础电信企业探索共建共享模式 [12] - 系统开展关键技术、测试和建设规范等标准研制，构建支撑低空技术产业发展的相关标准体系 [12] 重点任务：行业管理与安全保障 - 规范行业管理，开展电信业务准入、设备管理等监管体系研究，规划无人机专用号段，推动“一机一码一号”能力建设 [13] - 强化网络和数据安全保障，构建安全保障体系，落实网络安全等级保护等制度，加强数据分类分级保护 [13] - 优化频率供给，开展低空无线电频率资源规划研究，加快制定频率开发利用与技术创新指南，为低空经济发展做好支撑保障 [13][14]

核心观点 - 五部门联合发布实施意见，旨在加强信息通信业能力建设，以支撑低空基础设施发展，为低空经济提供重要底座，目标是到2027年实现低空公共航路地面移动通信网络覆盖率不低于90%等具体指标 [1][3] 总体要求与发展原则 - 指导思想是统筹发展和安全，加强信息通信业与低空装备制造业协同，提升技术基础、产业供给、网络支撑和安全保障四大能力 [2] - 发展原则包括需求牵引重点突出、集约复用多元协同、试验先行稳步推进、安全可控筑牢屏障 [3] - 具体目标：到2027年，全国低空公共航路地面移动通信网络覆盖率不低于90%，多元融合感知方案成熟，研制不少于10项信息类基础设施标准，并形成一批典型低空应用场景 [3] 重点任务：网络覆盖与通信能力 - 按需推进300米以下低空航路及热点区域的通信网络覆盖，充分利用现有5G等基础设施，通过波束优化、天线调整、新建基站等方式实现 [4] - 鼓励基础电信企业探索低空专用网络以提升覆盖和保障能力，并加强与地面网络互联互通 [4] - 综合应用卫星通信、地面移动通信为300米以上空域及偏远地区提供网络覆盖 [4] 重点任务：感知、导航与智能网联 - 探索构建多元探测协同服务能力，在小范围区域应用通感融合技术，并与雷达、光电感知等技术协同，提升对低空航空器的探测、识别和轨迹追踪能力 [4] - 助力提升导航精准服务水平，利用北斗地基增强系统和公共服务平台，通过5G等网络播发定位增强信息，提高低空航空器定位速度和精度 [4] - 支撑构建低空智能网联系统，发挥信息通信业优势，利用物联网、人工智能、云计算、大数据等技术提供解决方案，并完善算力基础设施供给体系 [5] 重点任务：产业验证与供给能力 - 组织开展试验验证，基于实际网络环境和场景，加强空地协同组网、干扰协调等关键技术研究，提升5G-A通感融合多站协同等低空感知能力 [6] - 通过“绽放杯”大赛、案例征集等方式挖掘并发布一批信息类基础设施建设应用典型案例 [6] - 提升产业供给能力，积极推进5G-A产业发展，升级完善现有地面基站设施，加快通感融合等技术产业成熟并降低设备成本 [6] - 加强低空装备与信息通信的融合创新与设备研发，推进5G/5G RedCap模组与低空航空器的适配验证，探索通信、导航、监视功能融合模组研发 [6] 重点任务：基础设施共建与标准规范 - 推动集约协同与标准化建设，充分利用现有铁塔站址等资源推进共享集约建设，支持基础电信企业探索共建共享模式 [7] - 依托相关标准组织和机构，系统开展关键技术、测试和建设规范等标准研制，构建支撑低空技术产业发展的标准体系 [7] 重点任务：行业管理与安全保障 - 规范行业管理，开展电信业务准入、设备管理等监管体系研究，规划无人机专用号段，推动“一机一码一号”能力建设，探索标识解析在无人机领域的应用 [7] - 强化网络和数据安全保障，探索构建安全保障体系，落实网络安全等级保护等制度，加强数据分类分级保护，推进安全标准研制和能力建设 [7] - 优化频率供给，开展低空无线电频率资源规划研究，加快制定频率开发利用与技术创新指南，整体谋划用于低空通信、遥控、遥测、探测等方面的频率资源 [7] 组织保障措施 - 加强部门协同和部省联动，统筹推动网络部署、技术提升、应用培育、生态完善、安全保障等重点工作的落实 [8] - 指导基础电信企业有序开展信息类基础设施建设、标准制定、信息服务等工作 [8] - 综合利用多种资金渠道，推动关键技术攻关、设备研发和应用发展，鼓励各地围绕基础设施建设、产业发展、应用推广等加大支持力度 [8] - 密切跟踪技术、产业、网络发展及安全情况，研究建立评估指标体系，梳理总结经验做法并加强交流推广 [8]

石化ETF近期市场表现与资金动向 - 截至2月10日10:10，石化ETF（159731）价格下跌0.39%，但其持仓股如广东宏大、彤程新材、圣泉集团涨幅居前 [1] - 近20个交易日，石化ETF资金净流入总计达14.63亿元 [1] - 石化ETF最新份额为17.63亿份，最新规模为18.00亿元，两者均创下自成立以来的历史新高 [1] 石化ETF的行业构成与投资逻辑 - 石化ETF及其联接基金紧密跟踪中证石化产业指数，其申万一级行业分布为基础化工占比60.02%，石油石化占比32.43% [2] - 该指数构成能够分享下游化工品的利润修复，伴随行业格局优化和供需结构调整，行业中长期的叙事逻辑得到改善 [2] AI算力发展驱动上游材料需求 - 海外云厂商预计到2026年，其AI相关资本开支将实现同比高增长，这将持续提升对算力（核心股）的需求和性能要求 [1] - 服务器相关材料呈现量价齐升态势，市场空间保持高增长 [1] - 在云端高景气的背景下，应用端如智能终端、低轨卫星等领域将接力发展，贡献长期需求 [1] 高频高速树脂材料的市场机遇 - 高频高速树脂材料是服务器核心材料之一，具备先发优势与技术迭代能力的树脂企业将受益于高端AI硬件发展 [1] - 当前供应链关系及产能匹配度是下一阶段树脂企业利润增长的核心要素 [1] - 海外领先的高频高速树脂企业扩产步伐较慢，国内企业预计将承接增量市场份额，并因此取得利润增长 [1]

文章核心观点 - 亚马逊计划推出人工智能内容市场，旨在构建一个连接内容版权所有者与AI开发者的双边市场，以扩展其云计算业务AWS在人工智能生态中的核心价值与战略地位 [1][3][4] - 此举是亚马逊庞大AI战略版图的重要延伸，旨在将AWS从基础设施提供商转变为覆盖算力、模型和内容生态的完整AI供应链平台，以构建生态壁垒并提升长期增长潜力 [8][9] 根据相关目录分别进行总结 亚马逊AI内容市场计划 - 计划推出一个大型AI内容市场，出版商可在此向科技公司公开报价以出售内容版权 [1] - 该市场将与AWS的核心AI工具和开发者生态平台（如Bedrock和Quick Suite）归为一类 [3] - 出版商正与科技公司谈判，要求基于内容使用量收取具体费用，并可能根据使用量提高收费 [3] - 亚马逊发言人表示与出版商有长期合作关系并将继续创新，但未提供更多具体信息 [3] 市场战略与行业背景 - 实质是构建“内容 + AI”双边市场，一方面为内容提供者提供合法、标准化的内容销售渠道，另一方面为AI开发者提供可靠、规范的训练数据和知识源 [4] - 该架构旨在减少AI训练中的法律与版权风险，并形成由AWS控制的内容许可与使用价值链网络 [4] - 随着生成式AI普及，版权争端和基于使用量收费的诉求上升，内容合法集成与计费成为AI大规模商业部署的关键制约变量 [6] - 亚马逊希望通过该市场将内容许可和使用跟踪机制标准化，为AI开发者生态提供可靠数据输入，同时让内容权利方获得可持续收益 [6] - 云计算竞争对手微软也表示正在开发类似的出版商内容市场（PCM） [3] 对AWS业务的影响 - 此举将提升AWS在AI整个生态中的云计算平台地位以及营收渠道 [6] - 将AWS从单一的基础设施提供者转变为覆盖算力基础设施、模型和内容开发者生态的全球领先完整AI供应链平台 [9] - 能够促进AWS对终端企业和开发者的锁定能力、提高客户粘性和长期营收增长潜力，在AI商业化竞争中构建更深层次的生态壁垒 [9] 亚马逊的AI战略与投资 - 华尔街分析师看好亚马逊在电商与AWS业务实现更强劲增长，预计AWS营收与营业利润增幅有望在AI浪潮下实现40%+级别的强劲水平 [7] - AWS在2025年第三季度销售额同比增长20%，并获得了来自OpenAI的长期大单（约400亿美元），强化了云计算基础设施及AI云推理需求的可见度 [8] - 亚马逊在2025年投入约1000亿美元后，预计2026年将投入约2000亿美元用于云基础设施建设和AI相关支出，涵盖数据中心扩张、专用芯片、AI服务扩展等 [8] - 这一结构性投资方向意味着亚马逊正试图将AI技术层堆栈、平台层和市场层都纳入其宏大的“AI雄心壮志战略版图” [8]

亚马逊计划推出AI内容市场 - 公司计划推出人工智能内容市场，为出版商向AI科技公司出售内容版权提供公开报价平台 [1] - 该市场将与AWS的核心AI工具和开发者生态平台（如Bedrock和Quick Suite）归为一类 [1] - 出版商正寻求基于使用量向AI公司收取具体费用，并希望费用随内容使用量增加而提高 [1] - 公司发言人表示目前没有更多具体信息可分享，但强调与出版商有长期合作关系并将继续创新 [2] 市场战略与行业背景 - 此举旨在构建连接内容版权所有者与AI开发者的“双边市场”，提升AWS在AI生态中的战略地位 [3] - 市场机制旨在为内容提供者（如出版商）提供合法、标准化的内容销售渠道，同时为AI开发者提供可靠、规范的训练数据和知识源 [3] - 此举可减少AI训练中的法律与版权风险，并形成由AWS控制的内容许可与使用价值链网络 [3] - 行业正面临生成式AI普及带来的版权争端，内容合法集成与计费成为AI大规模商业部署的关键变量 [4] - 公司希望通过标准化内容许可和使用跟踪机制，为AWS AI开发者生态提供可靠数据输入，并让内容权利方获得可持续收益 [4] - 云计算领域的竞争对手微软也表示正在开发一个名为“出版商内容市场”的人工智能许可中心 [2] AWS业务发展与资本投入 - 华尔街分析师看好公司电商与AWS业务将在AI浪潮下实现强劲增长，AWS营收与营业利润增幅有望达到40%以上级别 [5] - 生成式AI在B端和C端的加速落地，正将算力需求从训练推向更广泛的推理与在线服务，提升全球云计算基础设施及AI开发者平台的景气度 [6] - AWS在2025年第三季度销售额同比增长20%，并获得了来自OpenAI的约400亿美元长期大单，强化了云计算基础设施及AI云推理需求的可见度 [6] - 市场关注公司自研AI芯片Trainium算力集群被更大规模采用的叙事 [6] - 在2025年投入约1000亿美元后，公司预计2026年将投入约2000亿美元用于云基础设施和AI相关建设支出 [7] - 这项巨额资本支出涵盖数据中心扩张、专用芯片和AI服务扩展，旨在提升底层算力与服务性能，并将AI技术层、平台层和市场层纳入其战略版图 [7] 对AWS平台定位的影响 - AI内容市场的推出是公司宏大AI战略的重要延伸，旨在将AWS从单一基础设施提供者转变为覆盖算力、模型和内容开发者生态的完整AI供应链平台 [7] - 这种平台模式有望增强AWS对终端企业和开发者的锁定能力，提高客户粘性和长期营收增长潜力，并在AI商业化竞争中构建更深层次的生态壁垒 [7] - AWS凭借其云计算市场的领先地位，其AI应用开发生态Amazon Bedrock持续吸引企业客户以低技术门槛一站式开发AI应用 [3] - 亚马逊、微软和谷歌三大云计算领军者正全面聚焦于布局生成式AI相关的B端和C端应用开发者生态，旨在降低非IT人士开发AI应用的技术门槛并提供强大的云端AI算力平台 [3]

公司股价与市场表现 - 2月10日，东方国信股价上涨5.05%，报收12.68元/股，成交额9.88亿元，换手率8.87%，总市值144.39亿元 [1] 公司基本情况 - 北京东方国信科技股份有限公司成立于1997年7月28日，于2011年1月25日上市 [1] - 公司主营业务是为客户提供企业级大数据和云计算产品、工业互联网平台以及行业整体解决方案 [1] - 公司主营业务收入构成为：定制软件开发及服务76.59%，系统集成业务16.14%，云计算业务5.60%，软件产品1.68% [1] 主要流通股东动态 - 华夏基金旗下华夏中证1000ETF（159845）为东方国信十大流通股东之一 [2] - 该基金在2023年第三季度减持9400股，截至当时持有495.08万股，占流通股比例为0.55% [2] - 基于当日股价上涨测算，该基金今日浮盈约302万元 [2] 相关基金产品信息 - 华夏中证1000ETF（159845）成立于2021年3月18日，最新规模为499.08亿元 [2] - 该基金今年以来收益率为8.36%，同类排名1481/5569；近一年收益率为35.81%，同类排名1830/4295；成立以来收益率为40.71% [2] - 该基金基金经理为赵宗庭，累计任职时间8年302天，现任基金资产总规模3569.66亿元，任职期间最佳基金回报124.19%，最差基金回报-32.63% [2]

高盛对中国AI芯片公司的首次评级与增长预测 - 高盛给予壁仞科技和沐曦股份首次“买入”评级 [1] - 壁仞科技12个月目标价定为54港元，沐曦股份12个月目标价定为811元人民币 [1] 驱动业务增长的行业背景 - 中国云计算资本开支上升预计将驱动相关公司业务增长 [1] - 先进制程产能扩张预计将驱动相关公司业务增长 [1] 壁仞科技业务增长预测 - 预计壁仞科技在2025–2030年间的AI训练/推理GPU业务将实现101%的复合年增长率 [1] - 预计壁仞科技的AI芯片出货量将从2025年的3万片增长至2030年的90万片 [1] 沐曦股份业务增长预测 - 预计沐曦股份的AI训练与推理GPU业务在2025–2030年间将实现88%的复合年增长率 [1]

高盛对两家中国AI芯片公司的首次评级与核心观点 - 高盛给予壁仞科技和沐曦股份首次“买入”评级 [1] - 高盛认为中国云计算资本开支上升、先进制程产能扩张等因素将驱动两家公司的业务增长 [1] 壁仞科技的业绩预测与目标 - 高盛预计壁仞科技在2025–2030年间的AI训练/推理GPU业务将实现101%的复合年增长率 [1] - 预计其AI芯片出货量将从2025年的3万片增长至2030年的90万片 [1] - 高盛将壁仞科技12个月目标价定为54港元 [1] 沐曦股份的业绩预测与目标 - 高盛预计沐曦股份的AI训练与推理GPU业务在2025–2030年间将实现88%的复合年增长率 [1] - 高盛将沐曦股份12个月目标价定为811元人民币 [1]

文章核心观点 - 自2023年以来，数据中心的发展重心从CPU转向了GPU和网络，导致英特尔等传统CPU供应商错失增长机会 [2] - 然而，过去六个月情况发生巨大变化，CPU需求因强化学习和Vibe编码等因素而飙升，其在数据中心的作用迎来转折点 [2][5] - 2026年将是数据中心CPU市场激动人心的一年，英特尔、AMD、ARM阵营等多厂商将推出新一代产品，竞争格局将发生显著变化 [7] 数据中心CPU的作用和演变 - 现代数据中心CPU的雏形可追溯至20世纪90年代，英特尔奔腾Pro和至强系列通过多芯片模块（MCM）设计提升了性能 [9] - 互联网泡沫时代，数据中心CPU市场发展为价值数十亿美元的产业，设计重点转向多核集成和同步多线程（SMT）技术 [10][11] - 2000年代末云计算的兴起是重大转折点，CPU硬件虚拟化成为关键，但Spectre和Meltdown漏洞导致禁用SMT后性能损失高达30% [12][13] - 新冠疫情至ChatGPT发布前，英特尔向云端和企业数据中心交付了超过1亿颗至强可扩展CPU [14] - AI时代，CPU在数据中心角色被颠覆，分为管理GPU的“头部节点”和追求每瓦吞吐量的“云原生Socket整合”两大类 [15] - Socket整合比例可达10:1甚至更高，疫情期间购买的数百万台英特尔Cascade Lake服务器正被功耗低至其五分之一的新CPU取代 [17] - 如今，为支持AI训练和推理，CPU使用率再次加速增长，例如微软为OpenAI打造的“Fairwater”数据中心配备48MW的CPU和存储大楼为295MW的GPU集群提供支持 [19] - 强化学习训练循环需要大量CPU并行执行代码编译、验证和物理模拟等操作，检索增强生成（RAG）和智能体模型也增加了对通用CPU的需求 [21][22] - 展望2026年，数据中心对CPU和DRAM需求将更高，AMD预计服务器CPU市场将实现“强劲的两位数”增长 [22] 多核CPU互连技术发展史 - 早期双核设计（如英特尔奔腾D）核心间通信通过前端总线（FSB）在北桥芯片进行，而AMD Athlon 64 X2在同一芯片上集成双核和内存控制器，通过片上网络（NoC）通信 [24] - 随着核心数增加，早期采用全连接交叉开关，但链路数量随核心数大幅增加，实际极限约为4个核心，更高核心数通过多芯片模块实现 [28][29] - 英特尔在2010年Nehalem-EX处理器中引入环形总线架构，将核心、内存控制器等节点排列成环路，以控制布线复杂度 [33] - 为扩展核心数，英特尔后续采用了“虚拟环”、双独立环形总线（如18核Haswell）等设计，但导致了非均匀内存访问（NUMA）问题 [41][44] - 2017年，英特尔在Skylake-X至强可扩展处理器中采用网状互连架构，核心以网格形式排列，成为未来十年核心扩展的基础 [49] - 网状架构下，内存访问和核心间延迟存在显著差异，可通过子NUMA集群（SNC）模式优化，但每个处理器被视为多个插槽 [49] - 采用EMIB先进封装技术的Sapphire Rapids实现了跨芯片的网状架构，将核心数增至60个，但平均核心间延迟从Skylake的47ns增至59ns [59] - 随后的Emerald Rapids将芯片减至2片，核心数增至66个，L3缓存容量几乎翻三倍至320MB [60] - 在Xeon 6平台，英特尔采用异构解耦设计，将I/O与计算核心分离，计算芯片可混合搭配P核和E核配置 [64] - Sierra Forest处理器采用E核心，以8x6网格排列，最多激活144个核心，但市场接受度有限 [66] - Clearwater Forest采用Foveros Direct混合键合，将核心堆叠在基础芯片上，使核心数达288个，但性能仅比Sierra Forest快17%，且面临延迟和成本挑战 [67][69] 主要厂商2026年CPU架构分析 英特尔 - Diamond Rapids设计转向类似AMD的架构，四个核心构建模块（CBB）芯片围绕中央I/O芯片，最多启用192个核心 [88] - 每个CBB内部，32个双核模块通过混合键合连接到基片，两个核心共享一个公共L2缓存 [88] - 该设计放弃了EMIB高级封装，使用基板走线连接，预计跨CBB延迟会显著增加 [89][90] - 最大问题在于缺少同步多线程（SMT），导致192核192线程的Diamond Rapids相比128核256线程的Granite Rapids性能仅提升约40% [92] - 英特尔取消了主流的8通道Diamond Rapids-SP平台，其销量最大的核心市场在2028年前将没有新一代产品 [93] AMD - Venice架构最终采用先进封装技术，使用高速短距离链路将CCD芯片连接到分成两个芯片的中央I/O集线器 [95] - I/O芯片总共有16个内存通道，支持MRDIMM-12800，可提供1.64TB/s带宽 [95] - CCD内部采用网状网络，Zen6c处理器以4x8网格排列，八个N2 CCD芯片使核心数量达到256个 [96] - 针对AI头部节点的“-F”系列将采用12核Zen6 CCD，最多在8个CCD中实现96个核心 [97] - AMD声称顶级256核版本的每瓦性能比192核Turin版本高出1.7倍以上，并引入了新的AI数据类型指令 [99] - AMD将推出全新的8通道Venice SP8平台，提供高达128个高密度Zen 6c核心，旨在企业级市场获得份额 [100] NVIDIA - Grace CPU设计专注于核心节点和扩展GPU内存，通过900GB/s的NVLink-C2C链路让GPU访问CPU内存，最高配备480GB LPDDR5X内存 [103] - 采用ARM Neoverse V2设计，部署在6x7网状网络上，最多启用72个核心 [103] - 其分支预测引擎存在瓶颈，处理未优化HPC代码时速度较慢，优化后可带来50%的速度提升 [104] - Vera CPU将于2026年推出，C2C带宽翻倍至1.8TB/s，内存容量达1.5TB，带宽1.2TB/s，采用7x13网格，最多激活88个核心 [106] - Vera采用全新的定制ARM核心“Olympus”，支持SMT，实现88核176线程，浮点单元端口增至6个，整体性能提升2倍 [114] AWS (亚马逊) - Graviton5于2025年底预览，配备192个Neoverse V3核心，采用台积电3nm工艺，晶体管数量达1720亿 [116][120] - L3缓存从Graviton4的36MB提升至192MB，内存带宽（12通道DDR5-8800）提升57% [120] - PCIe通道升级至Gen6但数量从96条减至64条，是成本优化举措 [120] - 采用改进的芯片组架构，两个核心共享一个网格节点，排列成8x12网格，核心网格分布在多个计算芯片上 [121] - AWS在内部使用数千颗Graviton CPU运行EDA工具来设计未来芯片，并宣布Trainium3加速器将使用Graviton CPU作为头节点 [123] 微软 - Cobalt 200于2025年底发布，核心数从128个增至132个，采用Neoverse V3设计，性能比Cobalt 100提升50% [127][128] - 核心配备3MB L2缓存，通过标准ARM网状网络连接到两颗3nm计算芯片，每芯片采用8x8网状结构，共192MB共享L3缓存 [128] - 与Graviton5不同，Cobalt 200仅用于Azure通用计算服务，不作为AI头节点 [128] 谷歌 - Axion C4A实例最多搭载72个Neoverse V2核心，采用9x9网格布局，预留9个核心提高良率 [132] - 为成本效益的横向扩展，Axion N4A实例采用64个Neoverse N3内核，采用台积电3nm工艺定制设计 [133] - 谷歌计划将内部服务迁移到ARM架构，并未来设计Axion CPU用作TPU集群的头部节点 [133] Ampere Computing - AmpereOne CPU核心数提升至192个，采用5nm工艺和芯片组设计，将I/O分离到独立芯片 [140] - 采用定制ARM内核注重核心密度，配备2MB L2缓存，整数性能比Altra Max提升一倍 [140] - 2025年被软银以65亿美元收购，原路线图不再适用，收购原因包括软银希望提升其Stargate项目的CPU设计水平，以及甲骨文希望剥离该业务 [141] - 由于上市时机和性能问题，市场需求不足，Oracle的Ampere CPU采购额从2023财年的4800万美元骤降至2025财年的370万美元 [141][142] ARM - ARM计划在2026年推出完整的数据中心CPU设计方案Phoenix，Meta将成为其首个客户，这意味着ARM将直接与获得其Neoverse CSS授权的客户竞争 [143] - Phoenix采用128个Neoverse V3内核，通过ARM的CMN网状网络分布在两颗3nm芯片上，配备12通道DDR5-8400内存和96条PCIe Gen 6通道 [144] 华为 - 计划在2026年推出鲲鹏950处理器，核心数量翻倍至192个，采用自主研发的LinxiCore核心并保留SMT支持 [150] - 承诺在OLTP数据库性能上比鲲鹏920B提升2.9倍，将部署在泰山950 SuperPoD机架中，每个机架可容纳16台双路服务器，配备高达48TB DDR5内存 [150] - 路线图延续至2028年的鲲鹏960系列，将有高性能（96核）和高密度（256核以上）两个版本 [151]

文章核心观点 - 科技巨头云业务在AI需求驱动下实现超预期高速增长，但伴随创纪录的资本支出计划，引发市场对短期利润与资本回报可持续性的担忧 [1][2][9][12] 云业务增长表现 - 谷歌云第四季度营收达176.64亿美元，同比增长48%，超出分析师预期9%以上，年化营收已超700亿美元 [4][6] - 微软智能云部门季度营收首次突破500亿美元，其核心Azure及其他云服务营收同比增长39% [6] - 亚马逊AWS第四季度销售额达356亿美元，同比增长24%，创下自2022年底以来最快增速，年化营收运行率达1420亿美元 [7] - 云业务增长由企业IT上云与生成式AI需求双重驱动，企业将AI深度融入核心流程的“中间部分”市场被视作最大且绝大部分需求尚未到来的增长空间 [7] 未来订单与市场格局 - 截至2025年末，谷歌云未履行订单金额达2400亿美元，同比增长超一倍；AWS积压订单激增40%至2440亿美元；微软商业剩余履约义务飙升至6250亿美元，同比增长110% [8] - 谷歌与苹果达成合作，共同开发基础模型，且谷歌已成为苹果首选云服务商，预计将带来数十亿美元新增云收入并扩大AI技术触达范围 [6] - 市场格局可能在基础模型选型与初步部署完成后基本固化，促使巨头进行巨额投入 [11] 资本支出计划 - 亚马逊2026年资本支出计划约2000亿美元，较2025年高基数再增长50%以上 [2][10] - 谷歌2026年资本支出指引为1750亿至1850亿美元，几乎是2025年914亿美元的两倍，并超过其此前三年支出总和 [2][10] - 微软单季资本支出已达创纪录的375亿美元，同比增长66%，按此趋势全年支出将达千亿美元量级 [2][10] - 资本支出主要流向最先进的AI芯片（包括英伟达及自研芯片）、全球数据中心以及绿色电力 [11] 资本支出对财务与市场的影响 - 巨额资本支出及其折旧对公司的利润率构成下行压力，并开始挤压盈利空间 [11][12] - 亚马逊过去十二个月自由现金流已从一年前的382亿美元骤降至112亿美元，随着资本开支大幅提高，其自由现金流转负几乎是必然的 [12] - 财报发布后，微软股价盘后一度下跌超8%，谷歌跌幅超7%，亚马逊下跌超过11% [2] - 投资者关注焦点已从营收增长转向资本回报的可持续性，担忧投资增速超过回报速度 [12] 公司高管观点与行业共识 - 公司高管一致强调巨额投入的必要性，源于真实需求存在且产能限制增长 [11] - 微软CFO表示，若将所有GPU资源分配给Azure，其增速本可轻松突破40% [11] - 谷歌CEO将计算能力限制（电力、局域网、供应链）列为最关键的问题 [11] - 亚马逊CEO自信表示新增AI产能一经部署就能迅速货币化，并相信投资将产生强劲的投资资本回报率 [11] - 行业在确信需求存在但供给受限的共识下，无人愿意后退，以免丧失未来时代的主导权 [13]