核心观点 - AI产业竞争从“抢芯片”转向“争抢芯片公司”，巨头通过股权、长约、资本投资深度绑定供应链，争夺未来产能、定制能力和系统级技术话语权 [1] 三类玩家上演抢芯大战 GPU大厂：用并购补全系统版图 - 英伟达与Groq签署非独家推理技术授权协议，获得LPU推理芯片技术并推出Groq 3 LPU产品 [4] - 英伟达参投光互联创业公司AyarLabs与Hark [4] - 英伟达向Ilya创办的AI实验室SSI开展战略投资，开放Vera Rubin计算平台以绑定前沿研发团队 [4] - AMD通过多笔并购叠加股权绑定业务，已收购AI软件厂商SiloAI、服务器系统厂商ZT Systems、存储近算企业MEXT [4] - AMD与推理芯片企业Taalas签署收购最终协议，加强AI推理技术布局 [4] 云厂商：用股权把产能写进合同 - 谷歌与博通续签长期供货协议，合作延续至2031年，覆盖TPU及配套网络组件 [5] - Marvell向谷歌授予潜在最大行权价值122亿美元的认股权证，扩大合作规模 [5][6] - Meta完成对Rivos的收购，将其RISC-V内核用于第三代自研芯片MTIA [6] - 2026年7月消息称Meta将把MTIA迭代订单交给三星2nm产线，潜在订单规模超过10万亿韩元 [6] - AWS战略押注Anthropic、推进自研Trainium3芯片，同时采购Cerebras晶圆级芯片，做多条算力路径布局 [6] 大模型公司：把自己绑进供应链深处 - Anthropic与谷歌、博通签下3.5GW的TPU算力协议，共同打造算力集群 [7] - Anthropic今年6月与美光达成合作，共同部署AI基础设施规模化落地 [7] - Anthropic今年8月宣布采购Fractile的AI ASIC芯片 [7] - OpenAI绑定AMD、采购Cerebras定制算力，联合博通推进代号Jalapeño的定制芯片项目 [7] 为何争相抢夺芯片公司 算力规划与产能建设周期错配 - 据高盛测算，2026年全球AI相关整体投资规模将突破1万亿美元 [9] - 大型云服务商在算力基础设施上的资本开支达到7250-7600亿美元区间 [9] - 算力需求按季度快速增长，供给释放按年计算，现货采购无法匹配3-5年算力规划 [9] - 与采购业绩挂钩的期权、长约、资本绑定成为锁定未来供给的重要工具 [9] 所有人都想抢到算力本身 - 2026年全球数据中心加速芯片市场，通用GPU依旧占据绝大部分市场份额，一卡难求 [9] - 即便是英伟达，同样需要争抢上游供应商 [9] 性能提升重心转向系统层面 - 摩尔定律逼近物理极限，单芯片性能提升空间收窄，芯片间协同效率重要性凸显 [10] - SEMI高管表示2026年推理相关AI基础设施支出占比已超过70% [10] - 定制芯片成本优势因推理业务负载特点被放大，企业需深度参与芯片设计定义 [10] 对地缘政治与单点供应链的恐惧 - HBM市场由三星、SK海力士、美光三家合计占据绝大部分市场份额 [10] - 高端2-3nm逻辑代工、CoWoS先进封装产能集中在少数厂商手里 [10] - 供应商良率、认证、地缘环境波动会直接冲击下游业务，搭建多条并行供应链成为战略选择 [10] 资本布局芯片企业值不值 商业利好 - 通过与芯片公司共同开发ASIC实现成本优化，Meta自研芯片替代外购通用GPU，充足算力需求摊薄研发与量产投入 [12] - 资本介入抢先锁定芯片与存储产能，变相抬高同行入局壁垒 [12] 潜在隐患 - 大量并购叠加百亿美元级别股权安排，拓宽企业管理边界，财务压力水涨船高 [12] - 芯片项目高度依赖核心研发团队，收购后核心人才流失会大幅降低前期投入价值 [12] - 高度定制化芯片不具备通用GPU的灵活二次流转空间，业务需求不及预期时可能转化为资产负担 [12] - 上下游互相投资、互相采购带来局部泡沫风险 [12] 下一个争夺高地在哪里 先进制程与先进封装产能 - GPU、TPU、推理ASIC等各类定制芯片争抢有限封装产能，先进封装成为制约AI芯片交付的关键卡点 [13] - 高端ABF封装基板、高速PCB供给紧张，部分高端物料交货周期超过半年 [13] - 芯片编译、驱动、测试等软件工具链价值持续凸显 [13] 高速互联与光互联体系 - 单芯片算力持续提升，芯片间数据传输成为集群性能主要短板 [14] - 从传统可插拔光模块走向硅光、CPO共封装光学路线，主导下一代互联规格决定计算集群运行效率 [14] - 高速激光器良率、光纤阵列组件、光电混合封装存在制造壁垒，光互联硬件扩产节奏影响大规模落地预期 [14] 内存墙瓶颈 - “内存墙”让大量算力消耗在数据搬运而非实际计算，存算一体、近内存计算被视为破局方向 [14] - 落地需要配套特殊存储工艺、新型封装方案、全新软件编译器协同适配 [14] 底层物理基础设施 - 参照IEA数据，专门承载AI业务的数据中心用电量2025年约155太瓦时，预计2030年增长至465太瓦时以上，五年规模扩大三倍以上 [15] - 新一代AI机柜单机柜功率密度大幅抬升，液冷、高压供电、稳定电网配套成为大型智算集群落地硬性门槛 [15] 写在最后 - 谁握有产能与设计能力，谁就握有定价权 [17] - 资本能收购芯片团队、签下长约，却无法绕开制造工艺、人才积累与真实业务需求的检验 [17] - 定制化项目陆续落地投产后，才能评判是在抄底产业未来还是为行业泡沫加固 [17]