文章核心观点 - 美国科技巨头2025年第四季度业绩增长稳健，AI业务对收入和用户活跃度的拉动作用逐步显现，管理层对AI中长期前景普遍乐观 [1] - 市场关注焦点正从AI能力转向巨额资本开支的回报问题，AI投资进入节奏与兑现路径更复杂、更具结构性的阶段 [3] - AI行业竞争正从芯片与模型下沉至能源、电网等基础设施约束环节，同时各国政策与产业路径聚焦应用融合与战略自主 [6][7] - 2026年可能成为AI行业从“技术突破期”迈向“基础设施深化期”的关键一年，市场预期趋于理性，AI价值正被重新定价为长期、重资产的系统工程 [7] 科技巨头财报与AI业务表现 - 美国科技“七巨头”2025年第四季度整体增长稳健，AI相关业务对收入与用户活跃度的拉动作用正在逐步显现 [1] - AI对广告效率、云服务需求、企业级应用渗透的拉动作用明显，管理层普遍对AI中长期落地前景表示乐观 [1] - Alphabet 2025年第四季度表现极为强劲，全年营收首次突破4000亿美元，Gemini 3的发布是重要里程碑 [4] - AI投入正在对Alphabet的搜索、广告、云业务形成系统性拉动 [4] 科技巨头资本开支计划与战略 - Meta预计2026年资本支出上限将达到1350亿美元，较华尔街原有预期高出约20%，几乎是上一年度投资规模的两倍 [3] - Meta资本开支激增主因是基础设施成本全面上升，以支持“超级智能实验室”及核心广告业务中AI能力的深度嵌入 [3] - Meta预计2026年经营利润将高于2025年，AI已成为其整个商业模式的底层引擎，战略包括加速建设数据中心、推出新一代AI模型、将AI融入核心业务环节 [3] - Alphabet预计2026年资本开支将达到1750亿—1850亿美元，同比翻倍，远高于市场此前1150亿美元的预期 [4] - Alphabet的资金将重点用于DeepMind的AI计算能力扩张以满足云端需求，并用于提升用户体验与广告投资回报率，已将AI基础设施视为未来十年核心竞争壁垒 [4] 行业资本开支趋势与规模 - AI资本开支上行是行业趋势，摩根大通报告显示2025年全球数据中心支出增速已从预测的55%上调至约65% [4] - 2025年相较2024年的数据中心增量支出将超过1150亿美元，明显高于2024年约750—800亿美元的同比增量 [5] - 2025年数据中心新增支出规模（超过1150亿美元）已基本覆盖英伟达、AMD、博通和Marvell四家公司预计的AI GPU/ASIC及网络设备增量营收总和（850亿美元以上） [5] - 摩根大通预计2026年数据中心资本开支增速将超过50%，显著高于此前约30%的预期，对应新增支出规模可能超过1500亿美元 [5] AI商业化进程与竞争态势变化 - 企业普遍意识到将生成式AI嵌入业务流程比部署模型更复杂，高昂成本、数据质量、组织流程等问题成为商业化现实门槛 [6] - 多数企业仍处于“试点—探索”阶段，真正进入大规模生产环境的比例不高 [6] - 2025年全球AI投资规模已接近1.5万亿美元，但产业路径仍以算力堆叠与基础设施扩展为主，应用端兑现节奏相对滞后 [6] - 市场讨论重心正从“模型能力”转向“真实业务效果” [6] - 在美国，AI竞争已下沉至能源、电网、制造等关键约束环节，Meta、OpenAI与谷歌近期加码算力与能源布局 [6] - 美国电网接入审批瓶颈突出，政府要求企业自行承担扩容成本，能源正成为AI扩张的新约束 [6] 全球各地区AI战略与政策 - 在中国，政策重心转向“应用与融合”，工信部方案明确提出通过两化深度融合提升数据加工与AI应用能力，加快制造业数字化转型 [7] - 韩国正扩建高带宽存储与先进封装产能 [7] - 日本推动2纳米制程量产 [7] - 印度加大数据中心与本地化AI服务投资 [7] - 各地区路径不同，但核心目标一致：在算力与关键芯片环节占据战略主动 [7]

行业趋势：AI基础建设大扩张 - 整个科技产业正进入「AI基础建设大扩张期」，从云端巨头到芯片供应商，AI投资热潮不减反增 [1] - AI芯片市场竞争激烈，市面上存在很多AI芯片，非常多公司创立，其中许多已经倒闭或被收购，竞争一直存在且变得非常困难 [1][2] 英伟达动态与观点 - 英伟达执行长黄仁勋承认公司面临很多竞争对手，但强调英伟达是唯一一家与每一家AI公司都合作的公司，存在于每一个云端、企业数据中心、机器人和汽车中，因此无所不在 [1][2] - 英伟达计划于今年下半年推出革命性产品Vera Rubin AI服务器，其运算速度将达到目前旗舰Blackwell Ultra的3.3倍，搭载全新Rubin GPU与Vera CPU架构 [1] - 公司认为必须继续奔跑，尽所能跑得和其他巨头一样快 [2] 英特尔动态 - 深陷低谷的英特尔在新帅陈立武带领下奋力追赶，计划今年推出定位入门级的Crescent Lake资料中心GPU，主打AI推理与风冷服务器相容性，但全面上市需等到2027年 [1] 超微半导体动态 - 超微半导体以Helios服务器机架发动攻势，该设备可容纳72块MI450 GPU，计画今年下半年量产 [2] - 该公司已锁定甲骨文、OpenAI两大客户，并为Meta订制机架试水合作 [2] 其他科技巨头动态 - 科技巨头积极研发AI芯片，在算力竞赛中抢占先机 [1] - 亚马逊Trainium 3服务器今年放量出货，下一代AI训练芯片Trainium 4则主打大幅提升模型训练与推论能力 [1]

A股市场整体表现 - A股市场放量上行，两市成交额达3.64万亿元，刷新历史新高 [1] - 上证指数上涨1.09%报收4165.29点，深证成指上涨1.75%报收14366.91点 [1] - 两市超过4100只个股上涨，传媒、计算机行业出现涨停潮，超过200只个股涨停 [1] - 上证指数已累计录得17连阳，市场进入量价共振阶段，预计后市行情将进一步扩散 [1] 游戏行业 - 游戏板块演绎“困境反转”逻辑，游戏ETF(516010)当日上涨7.52% [2] - 行业政策环境显著改善，版号发放常态化且数量稳步增长 [2] - 游戏公司盈利能力加速修复，得益于降本增效策略及高毛利新产品的贡献，行业利润增速表现亮眼 [2] - 在宏观流动性预期改善与行业基本面向好的背景下，游戏板块仍具备较高配置价值 [2] 黄金市场与黄金股 - 国际现货黄金价格盘中突破4600美元/盎司，续创历史新高 [2] - 本轮金价上涨受“流动性宽松”与“避险需求”双轮驱动 [2] - 投资黄金股具备“戴维斯双击”放大效应，金价上涨时，黄金矿企享受存货升值和利润率非线性扩张，弹性通常优于金价本身 [2] - 黄金股票ETF(517400)覆盖沪深港三地龙头，是分享金价上涨红利的有力工具 [2] 软件行业 - 软件板块由“政策催化+产业趋势加速+春季躁动风格”共振驱动 [2] - 短期板块β仍在，但需注意短期过热风险 [2] - 中期看，“AI+制造”落地或把行情从“算力竞赛”推向“应用兑现” [2] - 软件ETF在2024年及2025年涨幅分别为1.82%和14.43%，当前仍具备一定配置价值 [2] - 宏观经济修复叠加AI大模型驱动，软件行业有望迎来修复 [2]

核心观点 - AI产业正从以“算力竞赛”为核心的上半场，转入以“应用落地”为主导的下半场，市场关注点将转向AI应用 [1][2] - 2026年AI行情进入下半场，AI应用作为下游环节，相对海外算力涨幅有限，仍具备较高的配置性价比 [2][6] 产业阶段与催化事件 - 2026年初，智谱AI与MiniMax相继登陆港股，标志着大模型产业商业模式初步成熟，这两家公司作为AI应用产业链的“卖铲人”，其上市表明该产业已具备相对成熟的商业模式、稳定客群和明确的合规边界 [2][3] - 大模型是AI应用的“基础设施”和“成本中心”，其商业模式的逐步成熟有望加速下游AI应用的产业化进程与业绩兑现 [3] - 当前大模型性能不断强化、商业模式逐渐成熟，下游应用厂商在2025年逐步迎来初步业绩验证，例如三季报诸多AI应用厂商业绩表现出较为明显的反转态势，这些信号表明AI应用商业模式正在加速落地 [4] 市场行情与轮动规律 - 2025年以来，AI产业链内部已经经历了从海外算力到国产算力，再到存力与电力的行情轮动 [2][6] - 历史规律显示，硬科技（如通信、电子）行情更遵循景气追逐框架，与中观景气指标和行业业绩相关性高；而软科技（如计算机）行情受产业政策或商业模式变迁预期驱动更明显，行业业绩上行往往滞后于行情启动，例如2009-2010年和2013-2014年的计算机行情 [5] 投资逻辑与机会 - AI应用商业模式的加速商业化有望催化新一轮软件端行情 [2][5] - AI产业趋势延续的关键在于下游需求端能否充分消化算力供给，转换为实际的产业效率提升与业绩兑现，形成商业逻辑闭环 [4]

2025年末国产GPU企业集中上市与市场表现 - 2025年12月，摩尔线程率先登陆科创板，成为“国产GPU第一股”，开盘价650元/股，较发行价114.28元/股上涨468.78%，总市值突破3000亿元 [2] - 不到半个月，沐曦股份在科创板挂牌上市，开盘暴涨超568%，市值也瞬间突破3000亿元 [2] - 壁仞科技在同一天成功通过港交所聆讯，有望成为“港股GPU第一股”，燧原科技则处于科创板上市辅导阶段 [2] - 这四家被称为“GPU四小龙”的企业几乎同步冲击资本市场，点燃了投资者情绪，市场出现将其与英伟达相提并论的乐观预期 [2] 国产GPU企业的财务与经营现状 - 摩尔线程、沐曦股份、壁仞科技三家企业目前均处于亏损状态，尚未实现自我造血 [3] - 摩尔线程2025年前三季度亏损7.24亿元，沐曦股份同期亏损3.46亿元，壁仞科技2025年上半年亏损高达16.01亿元 [3] - 国产GPU企业的营收规模与英伟达存在数量级差距，2025年上半年英伟达单季营收已突破300亿美元，而国产企业营收仅徘徊在数亿至十亿人民币级别 [3] - 高估值背后反映了市场对国产替代前景的极高预期 [3] 行业发展的核心驱动力：“黄金窗口期” - 根本驱动力在于全球AI热潮下持续扩大的算力缺口，自2023年ChatGPT引爆大模型热潮以来，算力成为最紧缺的战略资源 [4] - 中美科技博弈背景下，高端GPU出口受到严格限制，中国市场面临“卡脖子”风险，同时国内算力需求呈指数级增长 [5] - 据预测，2029年中国算力总规模将达到3442.89 EFLOPs，年复合增长率高达40% [5] - 资本市场投资逻辑发生转变，从关注流量和模式创新转向聚焦“硬科技”，具备核心技术、量产能力与清晰国产替代路径的GPU企业成为资本核心标的 [6] “四小龙”的技术与市场差异化路径 - 摩尔线程走全功能GPU路线，覆盖图形渲染、AI计算、科学计算、视频编解码等多场景，其新推出的“花港”架构算力密度提升50%，并支持从FP4到FP64的全精度计算 [7] - 摩尔线程2022-2024年营收复合增长率超过200%，2025年上半年营收为7.02亿元 [7] - 沐曦股份专注AI计算的通用GPU，其主打产品曦云C500芯片算力处于英伟达A100区间，GPU产品累计销量已超过25000颗，2025年前三季度营收同比增长453.52%至12.36亿元 [8] - 壁仞科技以极致算力为特点，其BR100芯片FP32算力达672 TFLOPS，成为国产GPU性能天花板，2025年上半年营收为5.87亿元 [8] - 燧原科技专注人工智能云端算力产品，与云厂商深度绑定，其核心产品邃思L600可支持10万卡级集群，目前已累计交付超7万颗推理卡 [9] 国产GPU面临的挑战与未来机遇 - 短期难以撼动英伟达的统治地位，CUDA生态的深厚护城河以及在集群稳定性、软件适配、跨平台兼容性上的差距仍需时间弥补 [10][11] - 中长期迎来结构性机遇，国家政策支持力度预计只增不减，将在生态建设、人才培养、国产化采购等方面推出更多实质性举措 [11] - 中国拥有全球最丰富的AI应用场景，包括工业互联网、自动驾驶、边缘计算、智慧城市等，为国产GPU提供了差异化的迭代土壤 [11] - 行业竞争将逐步从性能参数比拼转向生态服务与场景适配的综合竞争，在政务、金融、通信等对安全可控要求高的领域，国产GPU有望率先形成替代 [11][12]

文章核心观点 - Google TPUv7的推出标志着ASIC集群在异于传统GPGPU的架构上加速自研，带来了硬件价值的异构与重塑 [2] - TPUv7的架构演进有望加速AI算力硬件如PCB、液冷、电源等市场规模量价齐升 [2] - 展望2027年，AI PCB、液冷、电源芯片市场规模有望分别达到216.5亿美元、201.8亿美元和183.9亿美元 [2][4] 谷歌TPU架构演进 - 自2016年TPU v1发布以来，谷歌TPU经历了十年演进，从推理专用的脉动阵列发展至近万卡集群的训练芯片 [3] - TPU v4是架构分水岭，首次引入OCS光交换架构，支持构建4，096芯片集群，用光纤取代铜缆 [8] - TPU v5p重点解决“存储墙”，升级至HBM3，单芯片带宽达4.8 TB/s，算力459 TFLOPS [9] - TPU v6进一步优化稀疏计算，峰值算力较v5e提升4.7倍，适配万亿参数MoE模型 [9] - TPU v7采用双芯粒封装，单设备显存增至192GB，带宽突破7.4 TB/s，FP16/BF16峰值算力较v5p提升超2倍 [10] - 预计TPU v8将于2027年面世，包含TPU 8AX和TPU 8X两个版本，采用N3E/N3P工艺，HBM堆栈升级至12层 [11] TPUv7硬件架构与价值量拆解 - 机柜方案：基于OCP Open Rack v3规范，包含16个计算托盘和16个主机托盘，TPU与CPU分离设计 [12] - 电源架构：采用+/- 400V高压直流方案，三相416V/480V交流电直接进柜，无需传统PDU降压 [3][12] - 散热方案：采用100%液冷架构，大冷板覆盖4颗TPU及VRM [3] - 集群规模：最大支持144个机架互联，即9，216个TPU芯片集群 [3][12] - 单机柜价值量：TPU、PCB、液冷、电源、线缆价值量分别为54.4万、4万、7万、7.1万、0.4万美元，合计约73万美元 [4] PCB市场 - 技术升级：TPUv7采用双芯粒设计，对PCB层数、信号完整性和散热要求提升，预计采用36/38层或更高多层板，需满足7.4TB/s带宽及224Gbps传输速率 [19] - 面积与单价：单块PCB面积或超500mm*600mm，参考英伟达高多层板，预计单价达1.4万元人民币 [19] - 单机柜价值量：预计单机柜PCB价值量达约28万元人民币，对应单TPU的PCB价值量约4，495元人民币 [19] - 未来趋势：TPU v8有望引入M9 44层高多层板或高阶HDI，单TPU对应PCB价值量预计提升至少20%以上，达约750美元 [20] - 市场规模预测：2027年谷歌对AI PCB采购规模有望达36.86亿美元；整体AI PCB市场规模（含英伟达等）2025/2026/2027年有望达56.3亿/120.3亿/216.5亿美元，同比增长110%/114%/80% [4][38] 液冷市场 - 技术方案：TPUv7采用全栈液冷，芯片级覆盖定制冷板，机架级集成分配歧管，支持智能流量调控，温差控制精度较行业标准提升50% [25] - 价值量：参考NVL72 GB200方案，按同功耗比例测算，TPU v7机柜液冷价值量约7万美元；TPU v8机柜液冷价值量有望提升20%达8.5万美元 [39] - 市场规模预测：2025~2027年Google液冷市场规模有望达2.1亿/20.5亿/60.6亿美元；整体AI液冷总市场规模2025/2026/2027年有望达33.9亿/101.9亿/201.8亿美元 [39][40] 服务器电源市场 - 架构变化：TPUv7采用±400V高压直流分布式架构，机架级交流转直流后，板级通过总线转换器降压，芯片级采用垂直供电技术 [32] - 价值量测算：以NVIDIA NVL72 GB300电源系统单位价值量0.54美元/W为基准进行测算 [41] - 市场规模预测：2025~2027年Google电源芯片市场规模分别为4.7亿/14.15亿/31亿美元；整体芯片口径电源总市场规模2025/2026/2027年有望达54.4亿/98.3亿/183.9亿美元 [41] 先进封装 - 当前工艺：TPU v7采用CoWoS-S封装技术，集成双逻辑计算芯粒与8颗HBM3e [33] - 未来规划：出于供应能力与成本考量，谷歌计划于2027年的TPU v9芯片中导入英特尔EMIB先进封装试用 [33] - EMIB优势：成本与良率更优，支持超大封装尺寸，热膨胀系数匹配更佳 [36]

文章核心观点 - AI产业主导权正从硬件算力向软件应用和全栈生态转移 英伟达凭借GPU和CUDA生态建立的硬件霸主地位面临挑战 谷歌凭借Gemini 3模型、TPU芯片及庞大的应用生态 正在挑战并可能改变AI行业的竞争格局 行业竞争焦点已从“算力竞赛”转向“应用比拼” [2][4][5] 英伟达面临的挑战 - 其基于通用GPU算力的商业模式面临专用芯片的挑战 谷歌TPU经过十年研发 在算力能效比上已超越通用GPU [2] - 其算力版图出现分裂迹象 谷歌TPU已开放租售给Meta等公司 Anthropic计划弃用GPU转而购买百万TPU芯片用于训练Claude模型 [2] - 公司投资OpenAI以绑定供应链 此举被解读为应对算力分裂趋势的防御策略 同时其剑指五万亿美元市值的雄心遭遇阻力 显示市场预期可能见顶 [2] - 行业周期发生变化 早期硬件是瓶颈 英伟达可“挟算力以令诸侯” 如今应用成为关键 其优势被削弱 [4] 谷歌的竞争优势与战略 - 采用“模芯耦合 软硬一体”的系统化战法 Gemini 3模型在推理、多模态、编程能力上表现卓越 尤其具备智能体能力 可实现自主任务拆解和应用生成 推动AI从“答问”进入“干事”阶段 该模型完全基于TPU训练和推理 反哺芯片迭代 形成软硬一体的闭环优势 [3] - 拥有强大的生态网络以实现即刻变现 旗下YouTube、Android、Workspace、云服务等产品成为Gemini 3的分发渠道 月活用户达数十亿量级 模型发布当日即注入核心产品 云业务AI收入已达每季度数十亿美元 同比增长超过200% [3] - 资本雄厚且进行长线全栈布局 Alphabet每年投入数百亿美元用于AI基础设施建设 涵盖TPU工厂、数据中心和模型研发 公司构建了从底层芯片、数据治理到上层模型和应用的完整自主可控产业链 增强了产业韧性 [3] - 其战略恰逢行业从“硬”转“软”的大趋势 软银、桥水等资本从投资英伟达转向投资OpenAI 反映了这一趋势 谷歌以模型为矛、生态为网、芯片为根 抓住了时机 [4] 行业竞争格局演变 - AI争霸已从“算力竞赛”转向“应用比拼” 得场景者得天下 [4] - 竞争格局正演变为多元竞合的局面 下一轮竞争中 算力仅是入场门票 而应用场景才是决定座次的关键 [5] - 谷歌凭借技术、战略和时机的结合 正展现出成为行业新主导者的强劲势头 [5]

市场整体表现 - 沪指上涨0.65%收于3914点 深成指上涨1.25% 创业板指上涨1.31% [1] - 全天成交额放大至1.89万亿 较上周五的1.6万亿显著放量 [1] - 市场呈现强势单边上行格局 价量配合健康 [1] 行业板块表现 - 有色金属板块上涨2.85% 通信板块上涨2.81% 两者涨幅居前且成交额均超过1200亿 属于带量突破 [1] - 汽车和军工板块跟涨 农林牧渔等板块收跌 市场结构性分化清晰 [1] 有色金属板块驱动因素 - 核心驱动力来自大宗商品期货市场暴涨 伦敦银价刷新历史新高 年内涨幅逼近100% [3] - 国内白银期货主力合约一度暴涨近8% [3] - 黄金、铜、锡等金属联袂走强 表明是系统性大宗商品价格上涨周期 [3] - 宏观逻辑包括全球通胀预期挥之不去、避险需求持续存在以及部分品种的供给约束 [3] - 江西铜业、盛达资源等公司股价与商品价格高度联动 [3] 通信板块驱动因素 - 上涨层次丰富 更具中长期视角 直接催化剂是谷歌TPU对英伟达的挑战事件 [4] - 事件深层影响在于让全球市场再次聚焦算力竞赛 并强化了中国市场实现算力自主的紧迫性 [4] - 市场逻辑从泛AI概念炒作下沉到有实际业绩支撑的细分环节 如高端光模块、AI服务器、通信设备等硬件底座 [4] - 国家层面“东数西算”工程和全国算力网建设的持续投入构成行业需求的压舱石 [4] - 通信板块处于从5G建设周期迈向AI算力周期的叠加阶段 成长空间被再次打开 [4] - 智能音箱、MCU芯片、eSIM卡等概念指数暴涨超5% 验证了以AI驱动、万物互联为核心的产业趋势正在加速 [4] - 港股“华为指数”暴涨6.15% 与A股形成联动 表明中国头部科技公司的生态辐射力正在转化为资本市场影响力 [4] 市场风格与策略 - 放量上涨是积极信号 表明有增量资金认可当前位置 [5] - 市场主线从前期偏防御、偏政策博弈 开始向有明确产业趋势和全球宏观映射的赛道聚焦 [5] - 年底行情大概率将是“业绩确定性”与“次年成长性”的平衡布局 如代表周期业绩的有色和代表科技成长的通信 [5] - 市场可能不会呈现单一极致风格 结构性机会将多于普涨机会 [5] - 紧贴产业趋势和基本面数据比猜测指数涨跌更重要 需要细致研究如追踪大宗商品价格曲线或研判通信行业订单与产能 [5]

合作项目核心 - OpenAI与博通合作开发定制芯片，计划从2026年下半年开始部署一个高达10千兆瓦（GW）的庞大计算系统 [1] - 合作不仅仅是购买芯片，而是深入到设计核心，OpenAI设计自己的GPU，博通提供定制芯片领域的系统能力并负责部署 [3] - 此次合作推动博通股价应声大涨近10% [1] 技术整合与创新 - OpenAI将GPT模型应用于芯片设计，缩短了开发进度，并实现了大幅的芯片面积缩减 [3] - 未来计算架构将向三维堆叠和光学集成演进，博通提及将100太字节的光学交换集成到同一个芯片中，预计计算集群性能每六到十二个月持续翻倍 [7][9] - 设计全新芯片并实现端到端系统工作是天文数字般的工作量 [9] 战略意图与算力储备 - OpenAI的战略是垂直整合、端到端掌控所有环节，通过在整个技术栈中进行优化以获得巨大的效率收益 [4] - 新增的10GW算力是在与英伟达、AMD等巨头已有合作基础上的额外增加，使其总算力储备达到26GW，足以满足纽约市夏季用电高峰两倍多的需求 [4] - 公司算力增长轨迹惊人：从最初"仅有"的2兆瓦集群，到今年底的略超2千兆瓦，再到不久的将来接近30千兆瓦 [4] 未来愿景与需求预测 - 公司愿景是打破算力瓶颈，创造一个计算不再稀缺、智能极大丰富的世界，目标是让每个人都拥有一个在后台24/7运行的AI代理 [6] - AI需求的增长速度是战略基础，每当把模型优化10倍，需求就会增长20倍 [4] - 以GPT6为例，若能将模型能力推进到感觉比GPT5高30个IQ点，并能处理长达数月的问题，同时降低每个token的成本，产生的经济价值和需求将疯狂上升 [6] 财务投入与行业影响 - 为支付高达数百亿美元的算力账单，OpenAI需要在今年预计的130亿美元收入基础上实现指数级增长 [9] - 公司CEO向员工透露，目标是到2033年建成250GW的算力，按今天的标准将耗资超过10万亿美元 [9] - OpenAI已建立起复杂而充满野心的联盟，其迭代速度可能远超竞争对手，并对整个半导体设计行业带来冲击 [3][9]

行业需求驱动因素 - AI数据中心引发美国“电荒”，将重型燃气轮机推向科技革命风口[3] - AI竞赛本质是算力竞赛，算力基础是稳定庞大的电力供应，燃气轮机需求以前所未有速度飙升[6] - 自2023年中以来，新建燃气发电厂成本已大致翻番，主要驱动力是燃气轮机价格上涨[6] - 公用事业和科技巨头为确保能源安全，已将燃气轮机订单锁定至2020年代末[6] - 美国制造业复苏、电动汽车普及及其他电气化转型持续推高整体电力需求[6] - 美国能源政策为天然气发电提供顺风，特朗普政府视燃气轮机为新一代核电站建成前的关键过渡方案[6] - 在《One Big Beautiful Bill Act》法案通过后，对未来五年美国风能、太阳能和电池新增容量预测下调23%，加剧对天然气发电依赖[6] 行业竞争格局与市场反应 - GE Vernova、西门子能源和三菱重工三大行业寡头迎来黄金时代，订单与价格一路飙升[4] - 三大燃气轮机制造商在扩产问题上异常谨慎，选择有限扩张[1][5] - 燃气轮机凭借高效、灵活及较煤炭更低污染特性，已取代燃煤机组成为支撑美国电网主力[6] 历史教训与行业周期性 - 行业谨慎源于对周期性波动的深刻认知及2000年代初行业灾难的惨痛记忆[1][7] - 2000年代初市场对互联网电力需求过度乐观预测，引发债务驱动燃气电厂建设狂潮，互联网泡沫破裂后电力巨头破产，制造商深陷产能过剩泥潭[7] - 西门子能源首席执行官指出燃气轮机是周期性行业，需求总有下降的一天[7] - 三菱电力美洲公司CEO坦言面临巨大挑战是分辨需求中哪些真实哪些不真实[8] - 能源数据公司专家指出博弈困境：无人增产可维持价格高位，但一家大幅增产可能导致整个市场价格崩溃[9] 主要制造商扩产策略 - GE Vernova计划投资超过3亿美元，目标将重型燃气轮机年交付能力从近年平均55台提升至80台[10] - 西门子能源计划将产能提升30%至40%，同时明确表示将避免对2030年代市场前景进行高风险押注[11] - 三菱重工预计将投资数亿美元用于扩大其在美国的生产规模[12] - 能源咨询公司认为这些扩张计划与过去两年需求增长幅度远不相称，显示巨头不愿过度承诺[13] 供应链瓶颈与挑战 - 当前瓶颈已从总装工厂向上游蔓延，构成燃气轮机核心的特种合金等关键材料供应紧张[13] - 先进合金制造商ATI首席执行官透露，去年一家大型燃机制造商已同意与ATI共同投资扩建工厂以避免材料短缺[13] - 对于巨头而言，当前风险在于能否获得材料，价格问题已是次要[13]