行业投资趋势 - 人工智能竞争焦点转向基础设施，巨额资本正以前所未有的规模投向算力基石 [1] - Anthropic宣布投入500亿美元建设全美人工智能基础设施网络，首批数据中心选址得克萨斯州与纽约州 [1] - OpenAI计划在未来8年投入约1.4万亿美元用于新建与扩建人工智能数据中心 [1] - Meta表示未来三年将在美国基础设施和就业领域投资6000亿美元，其中包括人工智能数据中心建设 [1] - 摩根大通报告预计，全球AI和数据中心基础设施的投资规模将达到5万亿美元 [1][4] - 亚马逊2025年预计总投入1250亿美元，谷歌将2025年资本支出上调至910亿至930亿美元，Meta预计2025年资本支出为700亿至720亿美元（几乎是去年的两倍），微软上季度投入创纪录的349亿美元并宣布下一财年将投入1000亿美元 [3][4] Anthropic公司动态 - Anthropic创立于2021年，由前OpenAI研究员创立，核心产品Claude系列对标OpenAI的GPT系列 [2] - 公司于今年9月完成F轮130亿美元融资，投后估值约1830亿美元 [2] - 此次500亿美元的基础设施投资，选择与英国AI云平台企业Fluidstack合作进行，后者具备在短时间内提供吉瓦级供电能力的优势 [2] - 新建数据中心将支撑其企业业务快速增长与长期研发需求，公司目前服务超30万家企业客户，其中年贡献额超10万美元的大客户数量过去一年激增近7倍 [2][3] - 有预测显示，公司有望在2028年实现盈亏平衡，远快于竞争对手OpenAI [3] - 此前，亚马逊已在印第安纳州为其建成占地1200英亩、投资110亿美元的数据中心园区并投入运营，公司还与谷歌达成了数百亿美元级别的算力合作协议 [2] 投资驱动因素与行业观点 - 巨额投资均指向争夺算力主权的目标，参与者均未放缓投资步伐，在第三季度财报电话会上，亚马逊、微软、Meta等都表示将会继续投资AI [1] - 诺贝尔经济学奖得主迈克尔·斯宾塞指出，在战略竞争背景下，投资不足的代价远高于投资过度，科技企业若在AI竞赛中落后两三步就可能被淘汰出局 [1] - 微软CEO萨提亚·纳德拉坦言"不缺AI芯片但缺电力"，大量已采购的英伟达GPU因电力问题无法上线运行 [5] - OpenAI发言人表示当前人工智能的需求已超过现有计算资源的供给能力，投入的每一美元都正用于服务数以亿计的用户 [6] - 科技企业们的"激进"投资基于一个更高维度的选择：如果AGI在5–10年到来，提前掌握算力、电力、数据三大入口就等于掌握下一个平台周期的话语权 [6] 面临的挑战与潜在风险 - 典型的AI训练集群需要数百兆瓦甚至吉瓦级电力，相当于一座中型城市的用电量，数据中心建设仅需两年但输电线路建设可能需要长达十年 [5] - 摩根士丹利警告称，到2028年，由于AI数据中心消耗大量电力，美国可能面临高达20%的电力缺口，潜在缺口达到13至44吉瓦（GW），相当于超过3300万美国家庭的用电量 [5] - 科技巨头资本开支增速远超收入增速，Meta在公布2025年第三季度财报后股价大跌逾11%，反映出投资者对其巨额AI资本开支和不确定盈利路径的恐慌 [5] - AI初创公司如Anthropic和OpenAI都仍在亏损，OpenAI 2025上半年净亏损达到135亿美元，预计到2028年将录得740亿美元的经营亏损 [6] - 美国银行10月调查显示，54%的基金经理认为科技股估值过高，创历史新高 [6] - 有分析指出当前AI基础设施投资热潮与2000年前后的互联网泡沫存在相似之处，如资本过度乐观、估值脱离基本面、基础设施先行于应用场景 [6]

公司概况 - 沐曦是一家专注于GPU设计的中国公司，计划在科创板上市 [1] - 公司创始人陈维良拥有20年芯片行业经验，曾主导AMD 15款GPU量产 [1][3] - 公司成立于2020年9月，创始团队包括三位AMD前核心骨干 [3][4] - 公司累计融资超过20亿元人民币，获得和利资本、红杉中国等20余家机构投资 [5] 财务表现 - 2022-2024年营收复合增长率达4074.52%（40.75倍） [1][9] - 2023年营业收入为5302.12万元人民币 [5] - 2024年营业收入爆发式增长至约7.42-7.43亿元人民币 [1][5] - 2025年第一季度主营业务收入达3.2亿元人民币 [5] - 2025年第一季度主营业务毛利率达55.26% [5] 产品与技术 - 首款产品曦云C500于2023年6月回片，采用中芯国际12nm代工、通富微电封装，实现全流程国产化 [5] - 曦云C系列采用自研XCORE架构与MetaXLink高速互连技术，可支持千亿参数级AI大模型训练 [5] - 曦云C600正处于测试阶段，已支持128B MoE大模型训练，预计2025年底量产 [5] - 2025年第一季度曦云C系列GPU板卡占主营业务收入比例高达97.5% [5] 业务模式与客户 - 公司采用"直销+经销"双模式，2024年直销收入占比62.6%，经销收入占比37.4% [5] - 主营业务收入主要来自GPU板卡与GPU服务器产品，占比分别为68.99%与28.29% [5] - 下游客户包括服务器厂商、系统集成商及智算中心建设方 [5] 行业背景 - GPU已成为AI训练、科研仿真等核心场景的刚需品，生成式AI爆发让市场需求持续扩容 [2][8] - GPU行业经历三阶段发展：2000-2010年图形GPU主导，2010-2020年通用GPU兴起，2020年至今进入"算力主权"时代 [9] - 行业新爆发点在于"云边端融合"与"多卡互连"技术 [9] - 2024年英伟达营收达936亿元人民币，主要来自数据中心GPU，占比超88% [9] 市场机会 - 2024年国内数据中心GPU进口占比超80%，政策要求2025年核心芯片自主化率达50% [13] - 全国超150个智算中心规划落地，单中心需数千颗GPU [13] - AI for Science兴起开辟蓝海，GPU加速蛋白质折叠、材料研发等科研计算 [13] 行业挑战 - 主流架构每18-24个月更新，需要持续研发投入 [14] - 12nm工艺单次流片成本达8000万元人民币，前期投入至少10亿元 [14] - 生态构建难度大，需要"芯片+软件+应用"协同，攻克CUDA兼容需要1-2年时间 [15]

算力主权的核心概念 - 人工智能全球竞赛的核心正从算法和数据转向其物理基础——算力，前沿AI模型所需计算资源约每六个月翻一番，对专业计算基础设施的控制权成为政府和行业讨论的核心[2] - “算力主权”是一个复杂议题，需在三个层面解构：AI计算资源是否位于本国领土内、拥有AI数据中心的公司归属哪国国籍、为数据中心提供动力的AI加速器来自哪个国家供应商[2] - 全球算力地图呈现极度不均衡格局，一个国家是否拥有“算力主权”完全取决于分析层面，这对全球政策制定者、科技巨头和国际关系学者具有深远影响，揭示了技术自主追求中的权衡、战略依赖和地缘政治断层线[3] 领土主权层面的算力分布 - 在领土主权层面，全球AI算力资源高度集中，九大云服务商布局的225个云区域中仅132个配备AI加速器，这些关键资源仅分布在33个国家，绝大多数国家处于“计算穷国”地位[4] - 高端“训练相关”算力分布更为集中，全球仅24个国家拥有此类资源，仅占联合国成员国约12%，美国（26个AI云区域）和中国（22个AI云区域）数量领先，欧盟27国总共拥有27个AI云区域[4] - 追求领土主权存在核心权衡：政府需在“确保关键资源供应安全”的战略利益与“消耗宝贵能源、水和土地资源”的巨大本地成本间做出选择，对缺乏竞争优势的国家而言，盲目投资国家数据中心产业可能不划算[4][5] 供应商国籍层面的主权策略 - 在供应商国籍层面存在“分层管辖权”困境，外国云巨头在东道国运营数据中心时需同时遵守东道国和母国法律，这削弱了东道国的监管排他权，引发主权焦虑[6] - 全球云市场由六大“超大规模”供应商主导（美国AWS、谷歌、微软和中国阿里、华为、腾讯），迫使大多数国家在战略上做出选择[7] - 国家策略可分为“结盟”和“对冲”两种：31个拥有外国AI算力国家中18个采取“结盟”策略（如澳大利亚、日本、以色列完全依赖美国供应商），12个国家采取“对冲”策略（如新加坡同时拥有美国和中国的云区域）[8][9] 芯片供应商层面的终极依赖 - 在AI加速器（芯片）供应商层面呈现最极端市场集中，美国芯片设计公司NVIDIA主导全球AI加速器市场80%至95%份额，132个配备AI加速器云区域中95.5%依赖美国设计的加速器[10] - 这种“加速器的枷锁”使得前两个层面主权努力显得苍白，只有美国和中国在境内部署的AI数据中心使用了本国设计的芯片[11] - 实现“加速器主权”最为困难昂贵，欧盟《芯片法案》计划投资430亿欧元用于本土半导体开发，中国在美国出口管制倒逼下正投入巨资发展自主AI加速器能力[12] 多层权衡的总体结论 - “算力主权”不是简单目标而是复杂多层决策框架，充满艰难权衡，一个国家可能在一个层面主权而在另一个层面深度依赖[13] - 全球算力分布存在惊人不对称：仅少数国家拥有AI算力，其中大多数依赖外国云服务商，而几乎所有国家都依赖美国芯片技术[13] - 未来全球算力地图演变将取决于地缘政治格局、超大规模供应商商业决策和各国产业政策成败，控制计算、网络和芯片等关键基础设施节点将掌握全球治理和经济创新话语权[13]

欧洲AI算力主权现状 - 欧洲占据全球20%的AI算力需求但仅掌握3%-5%的供给能力 凸显严重依赖中美基础设施的短板 [1][3] - 在AI芯片封装领域 英伟达占据80%以上市场份额 欧洲高度依赖外部供应链 [3][20] - 每次模型训练都严重依赖美国的云资源和芯片技术 马克龙直言这种依赖性已威胁到技术自主权 [3][19] 欧洲算力自主化战略 - 英法宣布大幅扩容算力 英国计划2030年前公共算力扩容20倍 欧洲JUPITER超算已跻身全球第四 [1][4] - 法国正加速建设本地AI工厂和芯片产业 与英伟达等公司建立战略合作以降低供应链风险 [20][21] - 通过开源策略重塑竞争格局 Mistral发布的小型开源模型使大学研究人员能进行本地化研究 [4][10][11] 技术话语权争夺 - 要在全球AI治理中有发言权 必须在技术上保持领先地位 否则只能接受他人制定的规则 [5][7][26] - AI控制权的争夺本质是对未来话语权的争夺 当前每个决策都将影响未来十几年的发展轨迹 [7][26] - 开源不仅是技术选择更是战略 通过让更多人参与改进 欧洲试图制衡中美在AI生态中的主导地位 [11][27] 人才保留与创新生态 - 欧洲面临严重人才流失 需创造能提供研究条件和生活质量的环境留住顶尖AI人才 [8][9][45] - 法国推出三项措施：允许科研人员半脱产创业 修改知识产权法规 构建科研-产业协同生态 [9][33] - 成功案例积累对创新生态至关重要 DeepMind发展证明需要多代企业家形成良性循环 [38][39] 能源与基础设施挑战 - 低碳可调度能源是参与AI竞赛的关键 法国2024年出口90太瓦时电力主要依靠核能优势 [44][45] - 数据中心对能源需求极高 欧洲需明确跟进能源战略以保障计算能力持续增长 [44][45] - 必须降低在芯片和计算能力方面的风险 过度依赖台湾代工企业存在供应链隐患 [20][44]