报告行业投资评级 - 国产算力趋势走强 沐曦领衔通用GPU 行业投资评级为积极看好 [2][3] 报告核心观点 - 国产算力与AI模型生态闭环逐步建立 2025年8月Deepseek V3.1引入FP8精度 针对国产芯片迭代 表明国产算力倾斜趋势 [3][9] - 国内互联网大厂资本支出进入上升期 阿里巴巴未来三年计划投入超3800亿元用于AI算力 字节2025年预计900亿元用于AI算力采购 [3][14] - 沐曦股份为国内高性能通用GPU领军企业 自研架构兼容CUDA 累计出货2.5万颗GPU 2022-2024年营收CAGR达4075% [3][18][32] - 国产GPU替代必要性提高 2024年中国AI芯片市场规模中GPU占1000亿元 ASIC/DSA占425亿元 本土品牌AI芯片出货量超82万张 [3][8] GPU行业分析 - 2024年全球GPU市场规模774亿美元 2030年有望达4725亿美元 复合增长率35.19% [8] - 2024年中国加速芯片市场规模超270万张 英伟达份额70% 华为昇腾23% 沐曦份额1% [7][8] - GPU架构在中国AI芯片市场占69.9% 其他AI芯片占30.1% [8] - 行业催化包括国产算力-模型生态闭环及互联网大厂资本支出上升 腾讯1H25资本开支466亿元占收入13% [3][14] 沐曦股份深度分析 - 团队拥有AMD顶尖技术背景 创始人陈维良为AMD前GPU SoC设计总负责人 硬件负责人彭莉为AMD首席架构师 [3][30] - 产品矩阵覆盖曦思N系列（推理）、曦云C系列（训推一体）、曦彩G系列（图形渲染） [18][22] - 2024年营业收入7.43亿元 1Q25训推一体芯片曦云C500系列收入3.1亿元 占比97.87% [3][38] - 技术领先维度： - 单卡性能：曦云C500 FP16/BF16算力国内第一梯队 对标英伟达A100 [44][46] - 集群能力：国内少数实现千卡集群商业化 正研发万卡集群 [44][50] - 软件生态：MXMACA软件栈兼容CUDA 支持6000多个应用 注册用户超1.5万人 [44][54] - 创新超节点：Shanghai Cube液冷整机柜支持单机柜128卡 [56][59] - 产品路线图： - 曦云C600预计1Q26量产 基于国产先进工艺 [42] - 曦云C700预计2Q26流片 3Q27量产 [42] - 募集资金39亿元 主要用于曦云C600/C700研发 [64][65] 重点标的 - GPU相关：寒武纪、海光信息、澜起科技、摩尔线程、沐曦股份 [3][74] - 先进工艺相关：中芯国际、华虹公司、长电科技 [3][74] 行业需求与供给 - 需求侧：三大运营商2025年资本开支计划2898亿元 政府智算中心2024年投资1014亿元 [14] - 供给侧：国产替代政策推动 本土品牌渗透率上升 [14] 数据引用明细 - 市场规模数据：全球GPU 774亿美元（2024）[8] 中国GPU 1000亿元 ASIC 425亿元（2024）[3][8] - 出货量数据：中国加速芯片270万张 本土品牌82万张（2024）[3][8] - 公司数据：沐曦营收7.43亿元（2024）[32] 曦云C500收入7.2亿元（2024）[3] - 资本支出：阿里3800亿元（三年） 字节900亿元（2025 AI算力）[3][14]

核心观点 - 公司积极打造第二增长曲线 重点发展集成洗碗机产品以丰富产品矩阵并降低单一业务依赖[1] - 公司持续深化全渠道布局 包括拓展下沉市场 KA渠道及家装等新兴渠道以提升市场渗透率与抗风险能力[1] - 公司通过参与投资产业基金 探索通用人工智能 创新器械等领域的协同机会以进一步优化业务结构[1] 业务战略 - 公司目前主要集成灶产品严重受地产和装修行业影响[1] - 重点发展集成洗碗机产品作为第二增长曲线[1] - 通过丰富产品矩阵降低单一业务依赖[1] 渠道布局 - 持续深化全渠道布局包括拓展下沉市场[1] - 发展KA渠道及家装等新兴渠道[1] - 提升市场渗透率与抗风险能力[1] 投资拓展 - 参与投资产业基金探索新领域协同机会[1] - 重点关注通用人工智能和创新器械领域[1] - 通过投资进一步优化业务结构[1]

企业家IP与网红经济 - 第一代网红为普通人提供传统路径外的上升通道 核心以带货和卖课等直接变现为主[3] - 企业家网红以俞敏洪和雷军为代表 核心目的并非销售消费品而是为企业做宣传 相当于新一代市场部和公关部[3] - 通过企业家自身影响力向社会传递企业价值[3] AI与智能体发展趋势 - AI整体进化速度远超预期 但AGI通用人工智能短期内不会到来[3] - 智能体是AI核心进化方向 能实现目标驱动加工具使用加推理决策[3] - 多智能体协作可实现1+1大于2的效果 类似人类社会组织的协同模式[3] Manus案例与行业启示 - Manus虽未做基座模型 但为行业探索出通过智能体完成任务的路径[4] - 互联网已迈入需要快速反应和快速调整的时代 创业公司弱小队伍更需要快速移动[5] - Manus虽存在套壳争议 但先圈到千万用户验证需求 成功融资后投入技术完善[5] 360公司战略定位 - 360定位行业配角 不做通用大模型避免重复造轮子 聚焦垂直领域[5] - 主动与行业巨头建立联系 联合16家大模型企业建立合作生态[5] - 从阿里云和腾讯云购买服务 将自身智能体技术与巨头算力结合[5] AI对就业市场影响 - 未来不是AI淘汰人 而是会用AI的人淘汰不会用AI的人[6] - 重复性文案和数据整理工作会被取代 但会诞生新岗位如智能体管理员[6] - 类比工业革命淘汰马车夫但增加汽车司机岗位[6] 企业关系战略调整 - 回顾当年与多家大厂矛盾 因巨头对创业公司较狠且自身选择极端死磕打法[5] - 近年多方关系缓和 公司争取休养生息时间[5] - 在抖音遵守平台规则 做视频号主动联系马化腾[5]

行业阶段与核心矛盾 - 人形机器人行业正从主题炒作迈向产业趋势投资前期，海外及国内企业已开启小批量量产 [1] - 行业核心矛盾并非能否出货，而是能否形成可持续的产业飞轮，当前交付多集中于科研、教育等ToG领域，本体企业主要扮演硬件卖铲人角色 [1] - 行业真正转折点在于机器人大脑的Scaling Law时刻，即智能随数据量和模型规模呈非线性提升，从而突破场景泛化能力瓶颈 [1] Scaling Law的挑战与瓶颈 - 硬件端成本高且方案未定型，以特斯拉Optimus Gen1为例，当前BOM成本仍处高位，目标未来降至2万美元/台 [3] - 行业缺乏统一技术标准，行星滚柱丝杠与微型丝杠、轴向磁通电机与无框力矩电机等方案并存，延缓了规模化降本进程 [3] - 软件端缺乏机器人版ChatGPT，机器人大脑面临运动数据模态复杂、真实场景采集成本高、专用场景数据缺失等数据困境 [3] 技术路线演进 - 双系统分层VLA（大小脑架构）凭借均衡性成为当前工程落地最优解，端到端VLA被视为通用AGI的终极方向 [4][5] - Figure的Helix系统采用快慢双系统协同，7B参数慢系统处理认知任务，80M参数快系统以200Hz高频实现毫秒级实时控制 [7] - 若未来算力芯片效率提升且低成本数据生成技术突破，端到端VLA仍是终极方向，但大小脑路线将作为行业过渡桥梁 [7] 商业化路径与场景落地 - 商业化遵循从ToG到ToB再到ToC的路径，当前ToG场景已实现小规模落地，国内本体价格下探至3.99万元 [8] - ToB场景成为关键战场，服装制造业是典型案例，全球缝纫工人约6000万人，年人工开支超万亿人民币，存在刚性替代需求 [8][9] - 大模型端到端架构改变现状，无需手动编程即可通过视觉识别面料特性，杰克科技方案已能解决单层面料分离难题，拟推进批量化应用 [9] - 2030年前后人形机器人将全面进入B端装配、质检、柔性搬运环节，2035年有望在家庭场景实现护理、家务协作 [9] 资本流向与生态建设 - 行业资本从重硬件本体转向重软件大脑，谷歌、英伟达等国外科技大厂已率先布局具身智能大模型 [11] - 2024年下半年起国内具身智能大模型赛道迎来融资潮，千寻智能2025年3月完成5.28亿元Pre-A轮融资，穹彻智能累计获数亿元融资 [11] - 平台化企业开始补位行业生态短板，仙工智能等企业正以控制器为核心搭建机器人大脑开发平台，连接本体厂商与零部件企业以提升效率 [11] 未来行业展望 - 行业终极目标是复刻新能源车、智能手机的非线性增长曲线，关键在于机器人大脑的Scaling Law时刻 [13] - 若未来两年内头部企业能在简单工业场景验证智能泛化能力并形成成熟硬件方案，行业将进入规模化增长阶段 [13]

企业家IP与网红策略 - 第一代网红为普通人提供传统路径外的上升通道 核心以带货和卖课等直接变现为主 [3] - 企业家网红以俞敏洪和雷军为代表 核心目的并非销售消费品而是为企业做宣传 相当于新一代市场部和公关部 通过自身影响力向社会传递企业价值 [3] AI与智能体发展 - AI整体进化速度远超预期 但AGI通用人工智能短期内不会到来 [3] - 相较于单一大模型 智能体才是AI的核心进化方向 智能体能实现目标驱动加工具使用加推理决策 多智能体协作可实现1+1大于2的效果 类似人类社会组织的协同模式 [3] - Manus虽存在套壳争议 但先圈到千万用户验证需求 成功融资后投入技术进行完善 给行业探索出通过智能体完成各项任务的路径 [4] 公司战略定位与合作 - 公司定位行业配角 不做通用大模型 因巨头已有布局 重复造轮子不如聚焦垂直领域 [4] - 主动与行业巨头建立联系 联合16家大模型企业建立合作生态 从阿里云和腾讯云购买服务 将自身智能体技术与巨头算力结合 [5] - 与多家大厂关系缓和 因当年巨头对创业公司较狠 且公司反思不一定非要选择极端撕破脸皮的死磕打法 [4] AI对社会与就业影响 - 未来不是AI淘汰人 而是会用AI的人淘汰不会用AI的人 [5] - 重复性文案和数据整理等工作会被取代 但会诞生新岗位如教AI干活和调参数的智能体管理员 类似工业革命淘汰马车夫但多了汽车司机岗位 [5]

AI行业投资与趋势 - 全球AI行业最近一年投资总额超过4000亿美元 未来5年累计投入将超4万亿美元[1] - AI Chatbot成为人类历史上用户渗透率最快的功能 行业渗透速度超过所有历史技术[3] - Tokens文本处理单位消耗速度每两到三个月翻一番[3] AI技术发展路径 - AI智力水平在几年内从高中生提升至博士生水平 达到国际数学奥林匹克竞赛金牌能力[3] - 通用人工智能AGI已成为确定性事件 并将成为超级人工智能ASI发展的起点[3] - AI发展三阶段演进路线：智能涌现→自主行动→自我迭代 行业当前处于自主行动阶段[4] 阿里巴巴AI战略布局 - 公司积极推进三年3800亿AI基础设施建设计划 并将持续追加更大投入[4] - 对比2022年生成式AI元年 2032年阿里云全球数据中心能耗规模将提升10倍[4] - ASI时代每个家庭、工厂和公司都将有众多Agent和机器人提供24小时服务[5] AI未来应用前景 - AGI目标是将人类从80%日常工作中解放 专注于创造与探索[3] - ASI可能创造超级科学家和全栈超级工程师 以难以想象速度解决科学工程难题[3] - ASI将指数级放大人类智力杠杆 如同电放大人类物理力量杠杆[5]

核心战略方向 - 阿里云将通义千问定位为AI时代的Android 坚定走开放路线 致力于成为下一代操作系统 与全球开发者共建AI应用生态 [1] - 公司判断大模型将取代传统OS 成为连接用户 软件与AI计算资源的中间层 未来自然语言将成为AI时代的编程语言 Agent将成为新软件形态 [13] 开源生态进展 - 通义千问开源模型矩阵全球下载量超6亿次 衍生出超过17万个模型 成为全球最受欢迎的开源模型之一 [1] - 通过开源策略 目标将开发者规模从数千万扩展至数亿 让用户能用自然语言创造满足自身需求的智能体 [1] 基础设施投入 - 公司积极推进三年3800亿元的AI基础设施建设计划 并持续追加更大投入 [20] - 为迎接ASI时代 预计到2032年全球数据中心能耗规模将是2022年的10倍 [2][20] - 正在打造AI超级计算机 提供从自研芯片 网络 存储到模型 平台的全栈人工智能服务 [2][18] 技术演进路径 - AI发展将经历三阶段：智能涌现（学习人） 自主行动（辅助人） 自我迭代（超越人） [6][8][11] - 当前处于自主行动阶段 AI具备Tool Use能力 可连接数字化工具完成真实世界任务 [7] - 未来突破需依赖真实世界全量原始数据获取及Self-learning自主学习能力 [9][11] 市场前景预期 - 全球AI行业最近一年投资总额超4000亿美元 未来5年累计投入将超4万亿美元 [3] - AI Chatbot成为人类史上用户渗透率最快的功能 行业渗透速度超过历史上所有技术 [3] - Token消耗量每两三个月翻一番 未来AI能力将以Token形式在云计算网络上输送 [3][17] 产品服务体系 - 通义千问开源300多款模型 覆盖全模态全尺寸 提供一站式模型服务平台百炼及Agent开发运行环境 [17] - 阿里云运营中国第一 全球领先的AI基础设施和云计算网络 具备软硬件垂直整合能力 [17] 行业变革影响 - 大模型将"吞噬"传统软件形态 未来几乎所有计算交互将由大模型产生的Agent完成 [13] - 模型部署方式将多样化 运行于所有计算设备并具备持久记忆能力 端云联动 [14] - 计算范式从CPU为核心转向以GPU为核心的AI计算 需要更稠密算力与更大集群规模 [15] 未来协作模式 - 未来每个人可能需要100张GPU芯片工作 Agent和机器人数量或超过全球人口 [8][22] - ASI将指数级放大人类智力杠杆 使10小时产出产生十倍百倍效益 [22] - AI将成为最重要商品 替代能源地位驱动千行百业工作 [17]

人工智能发展路径 - 实现通用人工智能AGI已成为确定性事件 但只是超级人工智能ASI的起点 最终目标是发展出能自我迭代 全面超越人类的ASI [2][3] - 超级人工智能演进分为三阶段 第一阶段智能涌现 AI通过学习海量人类知识具备泛化智能 第二阶段自主行动 AI掌握工具使用和编程能力以辅助人 为行业当前所处阶段 第三阶段自我迭代 AI通过连接物理世界实现自学习并最终超越人 [4] 阿里巴巴战略布局 - 大模型是下一代操作系统 将替代现有OS地位 成为承载用户 软件与AI计算资源交互调度的中间层 [5] - 通义千问选择开放路线 打造AI时代的Android系统 [6] - 超级AI云是下一代计算机 大模型运行于AI Cloud之上 未来全球可能只会有5-6个超级云计算平台 [7] - 阿里云定位为全栈人工智能服务商 提供世界领先的智能能力和全球AI云计算网络 [7] 阿里巴巴技术成果 - 通义千问开源300多款模型 覆盖全模态和全尺寸 全球下载量超6亿次 衍生模型超17万个 是全球第一的开源模型矩阵 [7] - 阿里云提供一站式模型服务平台百炼 支持模型定制化和Agent快速开发 同时提供AgentBay运行环境及灵码/Qoder等开发者套件 [8] - 阿里云运营中国第一 全球领先的AI基础设施和云计算网络 具备软硬件垂直整合能力 自研核心存储系统 网络架构和计算芯片 [8] 基础设施投入规划 - 积极推进三年3800亿元AI基础设施建设计划 并将持续追加更大投入 [8] - 为迎接ASI时代 预计2032年阿里云全球数据中心能耗规模将较2022年提升10倍 [8]

公众号专栏定位 - 专栏定位为读书交流栏目，通过书评、书单或书摘的形式与读者互动 [4] - 每期设置交流主题，鼓励读者通过留言参与互动 [5] - 根据留言质量精选优质好书送出，鼓励原创内容 [6] 推荐书籍信息 - 本期推荐书籍为《大语言模型》，作者特伦斯·谢诺夫斯基，由中信出版集团于2025年7月出版 [8][10] - 互动话题为"结合本书，谈谈你对大语言模型的认识"，留言时间为2024年9月24日至2025年10月8日 [10] 大语言模型的发展与影响 - 深度学习算法在20世纪80年代被发明时，计算机性能仅为今日的百万分之一 [10] - 到21世纪10年代，深度学习在图像识别、语音识别和语言翻译等经典难题上取得突破，并与强化学习结合取得显著成就（如2017年AlphaGo击败围棋世界冠军） [11] - 自OpenAI于2022年11月推出ChatGPT以来，大语言模型的快速发展引发世界关注，公众反应喜忧参半 [11] 大语言模型的智能本质探讨 - 大语言模型在处理和提取海量文本数据方面已超越人类能力，但在是否真正理解内容方面存在争议 [12] - 在实际交互中，大语言模型表现出反向图灵测试的特性，其智能表现与对话者的思维水平和提示质量正相关 [13] - 大语言模型展现出通用人工智能的潜力，其实现形式与早期设想不同，并表现出超预期的社交智能 [14] 关于智能标准的重新审视 - 专家对大语言模型智能的认知分歧凸显传统认知框架的局限性，需要重新审视"智能"、"理解"等核心概念 [20] - 大语言模型的出现为理解智能本质提供契机，可能催生新的概念框架，类似于17世纪物理学的变革 [21] - 通过研究大语言模型，可能会发现关于语言智能的基本原理，这些原理可推广到社会智能、机械智能等其他形式 [21] 思维与语言关系的哲学思考 - 关于语言与思维孰先孰后存在两种主要观点：语言决定论认为语言决定思维，思维优先论认为思维独立于语言存在 [24][25] - 大多数学者认为语言与思维是在复杂互动中相互塑造的关系 [25] - 著名语言学家诺姆·乔姆斯基提出人类思维的三个层次：现象描述、预测推断和因果解释，而研究发现ChatGPT已能成功应对该思维测试 [26] 书籍内容概述 - 书籍将深入探讨大语言模型的原理与应用，包括Transformer等核心技术 [28] - 内容涵盖大语言模型在医疗、法律、教育、编程、艺术等领域的广泛应用和深远影响 [28] - 书籍旨在帮助读者在智能革命中把握机遇，理解智能、思维与意识的本质 [28] 作者背景 - 作者特伦斯·谢诺夫斯基是美国四院院士，创办了《神经计算》期刊并担任主编 [29][30][31] - 担任神经信息处理系统大会基金会主席，目前是索尔克生物研究所弗朗西斯·克里克讲席教授 [32][33] - 与图灵奖得主杰弗里·辛顿共同发明了玻尔兹曼机，为深度学习奠定基础 [34]

人工智能发展路径 - 实现通用人工智能已是确定性事件 但只是起点 终极目标是发展出能自我迭代 全面超越人类的超级人工智能 [1] - 通往超级人工智能的三阶段演进路线：第一阶段智能涌现 AI通过学习海量人类知识具备泛化智能 第二阶段自主行动 AI掌握工具使用和编程能力以辅助人 第三阶段自我迭代 AI通过连接物理世界实现自学习最终超越人 [5] - 人类和AI将演进出全新协同方式 从Vibe Coding到Vibe Working 每个家庭 工厂 公司都会有众多Agent和机器人24小时服务 [5] 阿里云战略布局 - 阿里云作为全栈人工智能服务商 通过两大核心路径实施AI战略：通义千问坚定开源开放路线打造AI时代的Android 构建作为下一代计算机的超级AI云 [5] - 通义千问选择开放路线是因为开源模型创造价值和渗透场景会远远大于闭源模型 全力支持开发者生态 潜在开发者将从几千万变成数亿规模 [6] - 超级AI云是下一代计算机 大模型是运行于AI Cloud之上的新操作系统 未来全世界可能只会有5-6个超级云计算平台 [10] 算力基础设施规划 - 到2032年阿里云全球数据中心的能耗规模将提升10倍 意味着算力投入将指数级提升 [1] - 超级AI云需要超大规模基础设施和全栈技术积累 才能承载每个人拥有几十甚至上百个Agent24小时不间断工作协同的海量计算需求 [10] - AI将会替代能源的地位 成为最重要的商品 [10] 技术演进趋势 - 大模型是下一代操作系统 将允许任何人用自然语言创造无限多应用 [6] - 未来几乎所有与计算世界打交道的软件都可能由大模型产生的Agent构成 而非现有商业软件 [6] - 大模型将会吞噬软件 成为运行于AI Cloud之上的新操作系统 [10]