大湾区交易所科技大会概况 - 2025年大湾区交易所科技大会于11月28日至29日举行，主题为“迈向人工智能+时代” [1] - 大会由深圳证券交易所联合香港交易所、广州期货交易所共同举办 [1] - 鹏城实验室主任、北京大学博雅讲席教授高文出席并发表主题演讲 [1] 中国算力网计划 - “中国算力网”研究计划的初衷源于国家发展和改革委员会的“东数西算”工程 [3] - “东数西算”工程旨在结合西部丰富的能源优势与东部密集的计算需求，实现全国算力资源优化配置 [3] - 加快建设“中国算力网”是保障国家在数字时代拥有“算力主权”的关键举措 [3] 国际竞争背景 - 美国正在布局“星际之门计划”、“创世纪任务”等国家级战略工程 [3] - 美国相关工程的意图被描述为建立全球性的“算力霸权” [3] - 发展“中国算力网”被视为避免在未来竞争中受制于人的需要 [3]

AI芯片市场竞争格局变化 - 谷歌加速自研AI芯片TPU商业化步伐，正与Meta等科技公司洽谈外部采购合作，若合作落地TPU将进入谷歌体系外超大规模数据中心，可能冲击英伟达GPU主导的算力市场[1] - 谷歌推动TPU走向外部客户，Meta考虑从2027年开始在数据中心部署谷歌TPU，并可能最早于2025年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元[4] - 全球科技巨头普遍加速自研AI芯片争夺算力主权，从训练到推理、从通用模型到专业应用，企业将掌握自有算力视为下一阶段竞争力关键[6] 英伟达市场反应与应对策略 - 谷歌TPU商业化消息导致英伟达股价震荡，周二美股早盘一度下滑7%，最终收跌约2.6%，自10月29日以来市值从5.03万亿美元跌至4.32万亿美元，缩水超7000亿美元[1] - 英伟达正面回应竞争，强调继续向谷歌供货，自称"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[1] - 英伟达创始人黄仁勋指出AI ASIC企业虽多但极少有产品能真正投入生产，强调加速计算技术栈异常复杂[7] 技术路线与市场趋势演变 - 业内观点认为随着AI训练与推理负载增长和多元化，未来更可能呈现ASIC、GPU异构部署，而非单一架构一统天下[2] - 行业正从GPU单线制向多架构、多供应商异构化体系演进，Anthropic同时采用英伟达Blackwell、Rubin系统和谷歌Ironwood TPU，体现"多路线并行"采购趋势[7] - AI基础设施行业从单一硬件竞争转向系统级竞争，随着软件框架、模型体系、能效变化，AI芯片格局持续演变[8] 谷歌TPU发展现状 - 谷歌TPU研发始于2013年，与谷歌云服务紧密结合，最新一代为TPU v7（Ironwood），最近迭代出Gemini 3[4] - 谷歌通过模型和硬件耦合方式强化大模型时代技术闭环，Gemini 3已大量使用TPU完成训练和推理，为TPU商业化提供更强验证场景[4] - 谷歌表示自家定制TPU和英伟达GPU需求都在加速增长，谷歌依然采购英伟达GPU[5] 竞争对手动态 - AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，势头凶猛，微软在发布自研AI芯片Maia系列后新芯片计划有所推迟[7] - 中国市场后起之秀如华为昇腾、寒武纪、百度昆仑芯等正在快速推进[7] - TPU、Gaudi、Trainium等ASIC芯片往往根据特定框架或任务场景，在特定负载上取得极高效率[5]

AI芯片市场竞争格局变化 - 谷歌正加速自研AI芯片TPU的商业化步伐，并与Meta等科技巨头洽谈外部采购合作，潜在合同金额或达数十亿美元[2][6] - 若合作落地，谷歌TPU将进入其体系外的超大规模数据中心，可能对英伟达GPU主导的算力市场构成冲击[2] - 英伟达股价受此消息影响出现震荡，周二美股早盘一度下滑7%，最终收跌约2.6%[2] - 自10月29日至11月25日，英伟达市值从5.03万亿美元跌至4.32万亿美元，不到一个月缩水超过7000亿美元（约合人民币5万亿元）[2] 英伟达的回应与市场地位 - 英伟达公开回应竞争，强调其技术"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[4] - 公司表示与谷歌的合作稳定且持续，将继续向谷歌供货[4] - 英伟达目前在AI芯片市场占据超过90%的份额[6] - 尽管面临竞争，谷歌自身也表示对定制TPU和英伟达GPU的需求都在加速增长[4] 行业技术发展趋势 - 随着AI训练与推理负载增长和高度多元化，未来更可能呈现ASIC、GPU异构部署的格局，而非单一架构主导[4][9] - 大型AI公司如Anthropic采取"多路线并行"采购策略，同时采购英伟达和谷歌的芯片，以保持算力供应链多元化[9] - AI基础设施行业正从单一硬件竞争转向系统级竞争，涉及软件框架、模型体系、能效等多方面演变[10] 全球科技巨头自研芯片动态 - 除谷歌外，AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，微软也发布了自研AI芯片Maia系列[9] - 中国市场上，华为昇腾、寒武纪、百度昆仑芯等厂商正在快速推进[9] - 自研芯片成为科技巨头降低能耗、控制成本的关键路径，特别是在大模型训练成本几何级上升的背景下[6]

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] - 摩根大通预计全球AI和数据中心基础设施投资规模将达到5万亿美元 [1][5] - 头部AI公司和科技巨头均在疯狂押注算力基建，投资规模巨大，例如OpenAI计划未来8年投入约1.4万亿美元，Meta计划未来三年在美国投资6000亿美元 [1][4] Anthropic公司动态 - Anthropic宣布将投入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] - 此次500亿美元投资是与英国AI云平台企业Fluidstack合作进行 [3] - 公司业务增长强劲，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 [4] - 公司有望在2028年实现盈亏平衡，远快于其竞争对手OpenAI [4] - 此前已获得大型基础设施支持，包括亚马逊在印第安纳州为其建成的投资110亿美元、占地1200英亩的数据中心园区，以及与谷歌达成的数百亿美元算力合作协议 [3] 科技巨头资本开支 - 在第三季度财报电话会上，亚马逊、微软、Meta等均表示将继续投资AI [1][4] - 亚马逊预计2025年总投入1250亿美元 [4] - 谷歌将2025年资本支出上调至910亿至930亿美元 [4] - 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 [4] - 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 [4] 投资驱动因素与行业观点 - 巨额投资指向同一目标：争夺算力主权 [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 [1] - 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CFO表示，尽管已投入数百亿美元，仍难以满足当前对AI及其他服务的需求 [7] - OpenAI发言人指出，当前人工智能的需求已超过现有计算资源的供给能力 [7] 面临的挑战与瓶颈 - 电力保障是主要瓶颈，AI训练集群需数百兆瓦甚至吉瓦级电力，但输电线路建设周期远长于数据中心 [6] - 微软CEO坦言面临“不缺AI芯片但缺电力”的局面，大量已采购的GPU因电力问题闲置 [6] - 摩根士丹利警告，到2028年美国可能因AI数据中心消耗大量电力而面临高达20%的电力缺口，潜在缺口达13至44吉瓦 [6] - 科技巨头资本开支增速远超收入增速，引发投资者对盈利路径的担忧，例如Meta公布财报后股价大跌逾11% [6]

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]