全球制药巨头AI基础设施竞赛 - 罗氏宣布扩展其全球人工智能基础设施，部署了2176个高性能GPU，使其本地和云端GPU基础设施总容量超过3500个Blackwell GPU，这是目前已公布的制药公司可用的最大GPU规模 [1][13] - 礼来正式启用其医药AI工厂“LillyPod”，内置1016颗英伟达Blackwell Ultra GPU，整体算力高达9000 Petaflops [1][14] - 礼来与英伟达宣布将在五年内投入超10亿美元建立AI联合创新实验室 [1][14] AI在制药行业的战略地位转变 - AI正从单点工具升级为支撑全价值链的基础设施，从研发、生产到商业化的全流程深度嵌入，已从“锦上添花”变为“必选项” [2][15] - 全球大型药企开始将AI贯穿应用于临床开发与制造过程，通过构建超级计算集群来设计更优的试验方案、优化生产并加速决策制定 [4][17] - 2025~2026年是跨国药企全面加码AI的关键窗口期，正加速构建“算力—算法—数据—实验”的一体化体系 [5][18] 行业应用现状与数据壁垒构建 - 根据英伟达2026年2月的调查报告，70%的医疗保健与生命科学企业正在积极使用AI，较去年的63%明显增长，数字医疗领域AI渗透率最高达78% [6][18] - 57%的医疗技术公司表示已看到AI在医学影像领域的实际回报，医学影像成为AI投资回报率最高的应用场景 [6][18] - 头部药企选择自建超大规模算力中心，将专有数据与AI模型深度绑定，构建极高的底层数据壁垒，实现核心AI基础设施的“私有化”和“重装化” [4][17] 中国AI制药市场动态与格局 - 2025年，国内AI制药领域累计融资总额超67亿元，同比大幅增长130.5% [7][19] - 行业格局成型，“AI制药四小龙”为晶泰科技、英矽智能、剂泰科技和深度智耀，其中深度智耀完成4000万美元（约合2.76亿元人民币）新一轮融资 [7][19] - 越来越多的AI制药公司正从“淘金者”转型为“卖水人”（CRO/技术服务模式），例如Verge Genomics在药物临床试验失败后转型为AI技术服务公司 [7][20] 资本态度与投资逻辑演变 - 资本流向已从过去的“广撒网”转向“挑尖子”，资金高度集中于头部企业，市场更重视有“可交付指标”的企业 [8][20] - 投资人普遍底线是，如果一家企业两三年内仍然无法产生现金流，基本就不投了 [9][21] - 未来的资本关注将形成“哑铃型”布局，早期资本聚焦颠覆性技术平台，后期资本偏好临床数据成熟的企业 [12][24] 商业化挑战与临床验证瓶颈 - 截至目前，全球尚无一款完全由AI主导设计的药物获批上市，仅少数项目推进至Ⅲ期临床阶段 [9][21] - AI在临床前研发环节的效率提升已得到初步验证，但从临床前到临床试验后期的转化瓶颈依然突出 [9][21] - 2026年将是关键考验之年，进入III期临床试验的AI药物数据将首次大规模检验AI是否能真正提高临床成功率，打破制药行业约90%的临床失败率魔咒 [10][22] 未来突破方向与行业展望 - 突破方向主要在三方面：打通“算法设计—自动化实验—数据回流”的干湿闭环；从单点工具升级为一体化平台的系统重构；在肿瘤、自免等高难度领域实现关键突破的价值验证 [10][22] - 业内认为，首个重要时点是人类首个AI驱动研发药物的获批上市，破局者可能是AI药企、传统仿创龙头或新进科技公司 [10][22] - 2026年，以晶泰科技、Tempus AI为代表的领军企业均有望实现EBITDA首次转正，产业即将迎来估值重构期 [12][24] - 行业正在回归商业与技术本质，缺乏临床验证能力的纯技术公司将被淘汰，头部企业通过并购整合扩大优势，行业集中度会进一步提升 [11][23]

全球制药巨头AI基础设施竞赛 - 罗氏宣布扩展其全球人工智能基础设施，在美国和欧洲部署了2176个高性能GPU，使其本地和云端GPU基础设施总容量超过3500个Blackwell GPU，罗氏声称这是目前已公布的制药公司可用的最大GPU规模 [2] - 礼来正式启用其医药AI工厂“LillyPod”，内置了1016颗英伟达Blackwell Ultra GPU，整体算力高达9000 Petaflops，更早之前，礼来与英伟达宣布将在五年内投入超10亿美元建立AI联合创新实验室 [3] - 罗氏的“AI工厂”是一个高性能超级计算平台，贯穿了整个价值链，在研发领域通过英伟达BioNeMo平台连接生物实验与AI模型，在制造领域利用Omniverse库驱动数字孪生，在诊断和数字病理学领域借助加速计算和Parabricks软件 [5] AI在制药行业的应用与趋势 - AI正从单点工具升级为支撑全价值链的基础设施，罗氏将AI深度嵌入从研发、生产到商业化的全流程，表明AI已从“锦上添花”变为“必选项” [3] - 根据英伟达2026年2月发布的调查报告，70%的医疗保健与生命科学企业正在积极使用AI，较去年的63%明显增长，数字医疗领域AI渗透率最高，达到78%，57%的医疗技术公司已看到AI在医学影像领域的实际回报，医学影像成为AI投资回报率最高的应用场景 [6] - 全球大型药企开始将AI贯穿应用于临床开发与制造过程，通过构建超级计算集群来设计更优的试验方案、优化生产并加速决策制定，2025~2026年是跨国药企全面加码AI的关键窗口期 [6] 中国AI制药市场现状 - 2025年，国内AI制药领域累计融资总额超67亿元，同比大幅增长130.5% [7] - “AI制药四小龙”行业格局成型，包括晶泰科技、英矽智能、剂泰科技和深度智耀，深度智耀近日宣布完成4000万美元（约合2.76亿元人民币）新一轮融资，剂泰科技已完成D轮融资 [7] - 中国AI制药公司正从风险极高的“淘金者”转变为更稳健的“卖水人”（即CRO/技术服务模式），市场更重视有“可交付指标”的AI制药公司，例如在成药性提升、实验周转时间缩短等“硬指标”上有优势的企业 [7][8] AI制药行业面临的挑战与瓶颈 - 截至目前，全球尚无一款完全由AI主导设计的药物获批上市，仅少数项目推进至Ⅲ期临床阶段，从临床前到临床试验后期的转化瓶颈依然突出 [9] - AI模型依赖高质量、标准化的数据训练，而生物医学数据往往存在“孤岛化”、标准化不足的问题，目前AI算法的准确率还有待提高，它只是相当于科学家的工具，并不能取代科学家 [11] - 业内预测2026年将是AI制药的关键考验之年，最重要的试金石将是进入III期临床试验的AI药物数据，这些结果将首次大规模检验AI是否能真正提高临床成功率，打破制药行业约90%的临床失败率魔咒 [11] 未来突破方向与行业展望 - 未来的突破方向主要在三个方面：一是干湿闭环，打通“算法设计—自动化实验—数据回流”的完整闭环；二是系统重构，从单点工具升级为一体化平台；三是价值验证，在肿瘤、自免等高难度领域实现关键突破 [10] - 随着AI制药行业奇点来临，首个重要时点必然是人类首个AI驱动研发药物的获批上市，首个破局者既可能是AI药企，也可能是传统仿创龙头在AI领域前瞻深耕者，还可能是非药领域的新进科技公司 [11] - 2026年，以晶泰科技、Tempus AI为代表的AI+制药赛道领军企业均有望实现EBITDA首次转正，产业即将迎来估值重构期 [12]

电力成为算力竞赛的前置条件 - 电力已成为算力竞赛的前置条件 美国电力设备市场存在大量缺口[1] - 欧洲电力系统本土供应链也严重缺乏 有企业近期在欧洲拿下了电力设备大单[1] 新型电力系统与“算电协同” - “算电协同”显著增加了对特高压、虚拟电厂和储能的需求[1] - 有两家企业有望在电网数字化转型中获得丰厚利润[1] - 绿色燃料赛道也有望迎来更多市场渗透机会[1] 海外大厂自建发电站带来的机遇 - 众多海外大厂选择自建发电站 为配套“自备电源”带来了爆发机遇[1] - 有企业的发电机组后处理系统和冷却模块实现了单价与毛利的双增长[1]

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]