文章核心观点 - 人工智能治理正从基于规则的智能转向自我学习进化的智能，模型治理成为关键议题 [2] - 中美欧在通用及前沿大模型治理上形成三种差异化路径：欧盟构建复杂义务体系，美国加州采取轻监管模式，中国从应用场景延伸至模型治理 [2][3] - 三方共性包括柔性治理倾向、构建评估生态、以透明度为核心工具，差异体现在监管范围、义务强度与风险判断逻辑 [2][11][12] 欧盟模型治理路径 - 在原有AI系统四级风险体系外，平行构建针对通用模型的治理机制，区分有无"系统性风险"的模型 [4] - 系统性风险判断结合理念性标准（如"高影响能力"）与技术性量化指标（如训练计算量超过10^26 FLOPs） [4] - 模型义务扩展至应用场景，如要求模型提供者构建未来风险情景和收集最终用户反馈，超出其对模型自身的控制范围 [5] - 治理框架复杂笨重，模型风险与应用风险混同，导致模型提供者承担无法预见的责任，欧盟正推动立法简化方案 [5] 美国加州模型治理路径 - 监管起点高且范围窄，仅覆盖训练计算量超过10^26 FLOPs的"前沿开发者"，"大型前沿开发者"需额外满足年总收入超5亿美元门槛 [5] - 义务轻量化，透明度报告仅要求基础信息，如网站、沟通机制和预期用途，对比欧盟对技术文档的细节要求极为限缩 [5][6] - 立法主线为促进产业发展，避免过多制约，过去三年出台的AI法规多针对细分场景（如伴侣聊天机器人、医疗AI误用） [6] 中国模型治理路径 - 以应用服务为切入点，自下而上延伸至模型治理，通过算法推荐、深度合成、生成式AI等服务规制间接约束模型层 [7][8] - 采用"内生风险—应用风险—衍生风险"三层结构，将模型算法风险归入内生风险范畴（如可解释性不足、鲁棒性不强），厘清风险边界 [9] - 治理工具务实，依托算法备案、安全评估、内容标识等具体抓手，形成系统完善的治理机制 [8][9] 三方治理共性 - 均体现柔性治理倾向：欧盟《实践准则》为自愿性承诺，美国加州SB 53以企业自律主导，中国以指导性文件推进治理 [11] - 重视构建评估生态：欧盟建议社区驱动模型评估榜单，美国要求第三方灾难性风险评估，中国提出建立安全测评体系 [11] - 透明度成为核心工具：欧盟按披露对象分级设置信息层级，加州按开发者规模纵向分级，中国通过算法备案实现模型功能可见性 [12]

财务数据和关键指标变化 - 2025财年第一季度总营收达创纪录的149亿美元，同比增长25%；调整后EBITDA达创纪录的101亿美元，同比增长41% [6] - 第一季度毛利润率为79.1%，运营利润率为66%，调整后EBITDA利润率为68%，高于66%的指引 [26][27] - 第一季度自由现金流为60亿美元，占收入的40%；资本支出为1亿美元；库存为19亿美元，较上一季度增长8% [31][32] - 预计第二季度综合营收约为149亿美元，同比增长19%；调整后EBITDA约为营收的66%；非GAAP稀释后股份数约为49.5亿股 [23][35] 各条业务线数据和关键指标变化 半导体业务 - 第一季度半导体营收为82亿美元，同比增长11%；AI营收为41亿美元，同比增长77%；非AI半导体营收为41亿美元，因无线业务季节性下滑环比下降9% [6][15] - 预计第二季度半导体营收为84亿美元，同比增长17%；AI营收为44亿美元，同比增长44%；非AI半导体营收为40亿美元 [18][35] 基础设施软件业务 - 第一季度基础设施软件营收为67亿美元，同比增长47%，环比增长15% [19] - 预计第二季度基础设施软件营收约为65亿美元，同比增长23% [23][36] 各个市场数据和关键指标变化 - 公司预计三个超大规模客户在2027财年将产生600 - 900亿美元的可服务潜在市场 [10] 公司战略和发展方向和行业竞争 - 加大在前沿AI半导体研发方面的投资，包括研发下一代加速器和扩展超大规模客户的加速器集群 [7][8] - 将业务从永久许可证模式向全面订阅模式转变，并向客户推销全栈VCF解决方案 [20][21] - 与英伟达合作推出VMware Private AI Foundation平台，满足企业在本地运行AI工作负载的需求 [22][23] 管理层对经营环境和未来前景的评论 - 生成式AI正在加速半导体技术的发展，包括工艺、封装和设计等方面 [62] - 尽管存在关税等不确定因素，但公司认为目前最大的挑战和机遇来自于优化硬件以支持前沿模型的训练和推理 [61][63] 其他重要信息 - 公司计划于2025年6月5日收盘后公布2025财年第二季度财报，并于太平洋时间下午2点举行财报电话会议 [137] 总结问答环节所有的提问和回答 问题1: 新增的四个合作伙伴客户的潜力以及定制硅趋势对业务的长期影响 - 这四个是合作伙伴，并非传统意义上的客户；公司帮助超大规模合作伙伴创建芯片和计算系统，其硬件需与合作伙伴的软件模型和算法配合才能部署和扩展；这四个合作伙伴未来有潜力产生与现有三个客户相当的需求，但时间上会更晚 [40][42][45] 问题2: 下半年AI业务的增长情况以及3纳米AI加速器项目的进展 - 第一季度业绩出色部分得益于网络产品出货量的改善以及部分订单提前交付；对于下半年的情况暂不做推测 [51][52][55] 问题3: 关税和市场动态对公司的影响以及公司可能的变化 - 关税情况不明，目前难以评估其影响；生成式AI对半导体行业产生了积极的干扰，加速了半导体技术的发展；公司参与其中并努力优化硬件以支持前沿模型 [61][62][67] 问题4: 从设计到部署的转化率以及如何评估 - 公司认为设计成功是指产品大规模生产并实际部署；从产品交付到大规模生产需要6个月到1年时间；公司会选择有大规模需求的合作伙伴，并与他们制定多年路线图 [77][78][80] 问题5: 新法规或AI扩散规则是否会影响现有三个客户的设计订单或出货量 - 目前没有相关担忧 [85] 问题6: 如果AI市场向推理工作负载倾斜，公司的机会和市场份额会如何变化 - 公司的600 - 900亿美元市场规模包括训练和推理两部分；目前大部分收入来自训练业务 [92][93] 问题7: 客户在选择交换机ASIC和计算产品时的考虑因素 - 超大规模客户在连接AI加速器集群时非常注重性能，公司在网络技术方面有优势，会持续加大投资以满足客户需求 [97][98][100] 问题8: 新增的四个合作伙伴客户是否会增加XPU的预计出货量 - 目前预计的XPU出货量仅针对现有三个客户，新增的四个合作伙伴暂不包含在内 [107] 问题9: 如何扩展产品组合以支持六个超大规模前沿模型，以及与客户的合作边界 - 公司为客户提供半导体基础技术，帮助他们优化模型；优化过程受客户需求和反馈的影响，涉及性能、功耗等多个方面 [113][114][115] 问题10: 公司在新的市场机会中的发展潜力以及运营支出的方向 - 公司在网络连接方面有广泛的产品组合，包括光学和铜缆解决方案，这些业务约占AI总收入的20% - 30%；第一季度研发支出为14亿美元，第二季度会增加，主要用于下一代AI产品的研发 [124][125][128] 问题11: 网络业务的增长情况以及未来的并购计划 - 第一季度网络业务有一定增长，但预计正常比例为计算业务占70%，网络业务占30%；目前公司专注于AI和VMware业务，暂无并购计划 [133][134]