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]

核心观点 - 全球科技巨头在AI基础设施领域的投资竞赛进入白热化阶段 投资方向高度一致 全部指向AI基础设施建设 这场竞赛超越单纯技术迭代 演变为产业生态与全球价值链重构的角力场 重塑全球科技产业格局 [1][6] 竞争焦点转移 - 竞争焦点从模型创新转向算力竞赛 早期通过增加参数规模和优化算法提升模型性能 但模型规模逼近理论极限 参数扩张的边际效益急剧递减 [2] - 市场需求变化推动竞争焦点转移 大模型在智能客服、内容创作、金融风控、医疗影像诊断等各行业应用深入 算力需求呈爆发式增长 [2] 企业投资动态 - 阿里巴巴宣布推进3800亿元的AI基础设施建设计划 并表示持续追加投入 [1] - 英伟达将向OpenAI投资高达1000亿美元 OpenAI将利用英伟达系统建设并部署至少10吉瓦的AI数据中心 [1] - 微软、谷歌等企业持续投入扩建算力网络 [1] 技术路径与生态构建 - 科技巨头采用差异化战略构建多元生态 OpenAI、英伟达与甲骨文形成"三角联盟"闭环：OpenAI购买甲骨文云计算服务 甲骨文采购英伟达GPU芯片 英伟达投资OpenAI [3] - 阿里云提出"AI云是下一代计算机"愿景 构建从芯片到平台的全栈能力 与英伟达合作的Physical AI生态覆盖数据合成、模型训练到仿真测试全链条 [3] - 差异化技术优势使企业提供有竞争力产品 吸引特定合作伙伴 构建适配生态体系 生态构建又进一步强化差异化战略 [3][4] 产业格局演变 - 产业格局从"封闭创新"走向"开放共创" 以深度求索（DeepSeek）、字节跳动为代表的企业将AI嵌入电商、内容平台等业务板块 实现融合"出海" [5] - DeepSeek 2025年发布的R1模型以低成本低算力需求和开源方式打破传统算力运行逻辑 [5] - 开源战略推动全球AI从"封闭创新"走向"开放共创" [5] 竞争本质与关键因素 - AI基建竞赛本质是通过重构"算力—数据—场景"产业链 争夺下一代技术标准话语权 [6] - 未来真正决定竞争力的不再是算力规模或模型参数 而是产业深度融合能力 [5] - 企业需在技术创新与生态适配间找到平衡 在技术自主性、产业协同性与全球开放性之间建立动态平衡 [6]

AI电力需求激增 - 美国AI数据中心电力消耗占全国需求的8 9%，预计2028年将升至12% [1] - AI产业每日吞噬兆瓦级电力，加剧美国电力系统压力，2008年以来电网改造已使电价累计上涨30% [3] - 科技巨头将算法研发资金转投备用电源系统，形成"用柴油发电机喂养AI"的荒诞场景 [3] 中美电力基础设施对比 - 2024年中国发电量达9-10万亿度，是美国4万亿度的两倍有余 [3] - 中国风电装机容量5 2亿千瓦、太阳能8 9亿千瓦，包揽全球近半数新能源基础设施 [3] - 美国老旧电网与AI算力需求形成恶性循环，马斯克警示"美中电力鸿沟"正在显现 [3] 中国新能源发展优势 - 2024年中国新增3 6亿千瓦清洁能源装机，占全年新增总量的83% [3] - 江苏零碳数据中心园区、内蒙古"风电+AI"示范基地等创新模式验证绿色算力可行性 [3] - 中国完备的电力基础设施和前瞻性能源政策使其成为AI发展新沃土 [4] 全球算力资源再平衡 - 行业专家建议将AI实验室迁往电力富集区，进行全球算力资源战略再平衡 [4] - 算法竞赛进入"瓦特时代"，电网质量将直接影响AI性能表现 [4] - 跨国科技公司考虑地理转移，中国电网优势可能决定未来AI竞争力 [4]

新易盛2025年上半年业绩预告 - 预计归属于上市公司股东的净利润为37亿元–42亿元，比上年同期增长327 68%-385 47% [1] - 业绩增长主要受益于人工智能相关算力投资持续增长，产品结构优化，高速率产品需求持续增加 [1] 光模块行业发展趋势 - 生成式人工智能快速发展推动全球数据总量与算力规模高速增长，光模块市场向800G/1 6T演进 [1] - 算力需求在过去两年受益于算力芯片催生跳跃式需求增长，短期供应紧缺，大厂大模型"军备"竞赛加剧供需紧缺 [1] - 中长期看AI应用仍处于极早期，包括具身智能在内的众多AI+应用场景仍有巨大空间 [1] - 光模块作为算力集群拓展的基础组件，行业仍然具备高增长能力 [1] 行业竞争格局 - 海外AI产业起步较早，发展较快，各CSP等巨头布局十万卡甚至百万卡计算集群 [1] - 核心厂商率先完成业绩兑现，随后根据迅速增长的业绩进一步提升预期并拔高估值 [1] - 中国光模块厂商在全球市占率持续提升，2024年全球光模块TOP10榜单中中国厂商占7席 [2] 技术发展趋势 - LPO、CPO、OIO等技术将在客户处并存，光模块厂商需提供覆盖所有技术的全套解决方案 [2] - 光通信与芯片集成度提高，领先企业有望凭借先发优势在800G时代"抢跑" [2] - 技术迭代迅速，企业可通过持续发布性能更好的新产品巩固地位，行业格局将进一步集中 [2] 市场规模预测 - 2025年800G以太网光模块市场规模将超过400G [2] - 预计2029年800G和1 6T光模块的整体市场规模将超过160亿美元（1120亿人民币） [2] 重点公司 - 中际旭创为国内光模块稀缺龙头 [2] - 光模块上游光器件厂商如仕佳光子、光迅科技、源杰科技等将迎来较大成长空间 [2]

业绩表现 - 2025年上半年归属于上市公司股东的净利润预计为12,010万元至12,810万元，同比增加50.12%至60.12% [1] - 扣除非经常性损益后的净利润预计为11,920万元至12,730万元，同比增加84.47%至97.01% [1] - 业绩增长主要由高速光模块和电信宽带接入业务贡献，高速光模块业务需求旺、订单增、毛利率升，且日元升值带来汇兑损益同比增加约2,378万元 [1] 产品与技术进展 - 公司已成功研发并在多地量产800G及400G系列新产品，实现更低功耗和成本 [2] - 新一代1.6T OSFP光模块完成原型开发，400G QSFP112 DR4/DR4+、800G OSFP DR8/DR8+等多款硅光产品实现量产，海外市场认证顺利推进 [2] - 推进800G LPO产品开发，并着手1.6T LPO/LRO产品布局，国内、北美、日本等多地研发团队紧密协作推进基于3nm DSP的1.6T光模块开发 [2] - 完成25G PON产品研发并实现小批量发货，同时加速10G PON市场拓展，持续优化产品成本和竞争力 [2] - Wi-Fi 7及万兆网关产品在北美市场成功商用，Open Wi-Fi架构的室外AP产品已在全球多个场景部署 [2] 产能与制造布局 - 光电子智能制造基地在浙江嘉善正式开业，产品方案涵盖高速光模块、有线和无线宽带接入终端设备等ICT关键基础支撑设备 [3] - 嘉善基地定位为全球生产制造及分拔调度中心，将有效扩展公司在光电子领域的产能，满足市场对高速光模块、宽带接入设备等产品日益增长的需求 [3] - 与马来西亚合作伙伴扩建槟城巴都加旺生产基地，通过部署高速SMT产线、提升测试封装自动化水平等增强产能，以更好应对全球市场对高速光模块的需求 [3] 行业机遇与战略定位 - 全球算力竞赛进入"军备升级"新阶段，英伟达GB300 AI服务器的即将发布直接拉动1.6T光模块需求跃升 [4] - Marvell将2028年数据中心资本开支预期上调至万亿美元规模，印证了算力投资的长期景气度 [4] - 作为国内少数具备800G/1.6T光模块量产能力的厂商，公司有望在高端光模块领域实现从"跟跑"到"领跑"的战略转型 [4] - 公司正式提交H股发行上市申请，冲刺AI通信"A+H"第一股，H股上市进程的推进将进一步增强公司的国际竞争力 [1][4] - 通过搭建"A+H"双融资平台，不仅能获得更充沛的研发资金，还将提升在全球市场的品牌影响力 [4] 财务预测 - 华鑫证券预测公司2025-2027年收入分别为51.90亿元、71.16亿元、95.01亿元 [4] - 同期EPS分别为1.13元、1.84元、2.76元，当前股价43.70元对应PE分别为39倍、24倍、16倍 [4]

核心观点 - 继续看好2025年科技板块行情，可能出现波折但趋势不改 [1] 行业驱动因素 - 人工智能成本下降正推动AR眼镜、服务机器人等进入消费级市场 [1] - 大模型训练引发的算力竞赛是全球科技产业发展的关键 [1] - 算力竞赛降低了大模型训练和使用成本，为智能终端和软件应用带来利好 [1] 重点投资方向 - 投资聚焦于智能终端和应用侧 [1] - 应用侧大模型深度融入智能驾驶等行业 [1] - “车路云一体化”是智能驾驶进一步发展的必要条件 [1] - 科技新基建与信创是未来值得关注的方向 [1] 行业应用与生态 - 国产大模型融入金融、医疗等多领域，通过定制化开发实现智能化升级 [1] - 国产大模型推动行业标准与应用生态协同发展 [1] 关键观察指标 - 需关注算力成本下降、大模型升级迭代及低成本下赋能行业进展 [1]