中国AI芯片市场竞争格局剧变 - 英伟达在中国AI芯片市场的份额从95%急剧下降至0% [1] - 市场份额剧变源于美国出口限制政策与中国市场反应的双重影响 [1] - 当前AI芯片领域存在中美政策博弈及英伟达与厂商间的商业博弈 [3] 美国政策与市场反应 - 美国收紧对华AI芯片出口限制，但后续放开了H20、H200等型号的销售 [1] - 尽管政策放开，中国厂商并未对英伟达H20和H200芯片下订单 [3] - 英伟达正积极活动以争取中国企业的订单 [3] 华为推出关键产品实现破局 - 破局关键在于国产AI芯片性能追上国际领先水平，实现自主替代 [5] - 华为在2026年合作伙伴大会上发布AI加速卡Atlas 350，搭载全新昇腾950PR处理器 [5] - Atlas 350的FP4精度算力为1.56P，带宽为1.4TB/s，功耗为600W [7] - 该产品单卡算力是英伟达H20的2.87倍，且是国内唯一支持FP4低精度推理的产品 [7] - 产品已正式上市，众多厂商已发布基于Atlas 350的服务器产品 [7] 市场影响与未来展望 - 华为凭借强大影响力和产品性能，正式冲击并意图替代英伟达的市场 [7] - 英伟达面临巨大竞争压力，其在中国市场的份额提升面临严峻挑战 [8] - 中国AI芯片市场规模高达500亿美元，英伟达可能面临市场关闭的风险 [8]

事件核心 - Supermicro联合创始人兼高级副总裁Wally Liaw因涉嫌组织大规模AI芯片走私至中国被捕，案件被美国司法部定性为有史以来最大规模的AI芯片走私案 [2][3] - 走私手法涉及利用东南亚空壳公司作为“白手套”采购，通过调换包装、伪造序列号、制造假服务器等方式规避公司合规与美国商务部审查 [3][4][6] - 2024年至2025年间，通过该管道走私的服务器总值达25亿美元，其中在2025年4月底至5月中旬的三周内就加速走私了价值5.1亿美元的服务器 [3][15][18] 公司影响与应对 1. **股价与人事变动** - 消息公布后，Supermicro股价盘后下跌13% [8] - 公司已将被捕的Wally Liaw停职，解雇涉案同伙Sun，另一名涉案的台湾办公室销售经理Steven Chang目前在逃 [8] 2. **公司声明与合规问题** - Supermicro未被列为案件被告，公司声明其拥有“完善的合规体系” [9] - 但公司的合规体系并非首次出现问题 [10] 走私操作细节 1. **运作模式** - Liaw直接利用公司供应链，以东南亚公司“自用”为名，向英伟达申请芯片配额，实际最终流向中国买家 [11][12][14] - 其操作打通了从确认中国需求、申请配额、组装运输到最终交付的整条链条 [14] 2. **规避审查手段** - 制造成千上万台内部无芯片、无法开机的假服务器摆在仓库应付审计 [4] - 使用吹风机加热并转移真货包装上的序列号贴纸至假货箱子上 [4][7] - 涉案人员曾拍摄假服务器照片视频欺骗审计员，甚至有人冒充律师接待美国商务部官员 [7] 3. **加速走私动因** - 为应对美国原定于2025年5月13日生效的新AI产品出口管制规则，Liaw要求“在5月13日之前加速”，导致最后三周走私量激增 [18] 行业背景与走私演变 1. **走私三代进化** - 第一代（2022年左右）：个人“蚂蚁搬家”，通过行李夹带，单次金额小 [21][22] - 第二代（2025年底）：利用空壳公司（如房地产公司Janford Realtor）进行批量采购与转运，八个月出货超1.6亿美元 [24][25] - 第三代（当前）：上市公司核心高管亲自操盘，利用自身供应链与配额进行内部走私，规模达数十亿美元 [25][26] 2. **市场需求与利润驱动** - 中国60%以上的头部AI模型仍运行在英伟达硬件上，需求刚性 [27][28] - 英伟达高端GPU在中国黑市售价较美国正规渠道普遍溢价约50% [27] - 有行业人士估算，整个芯片黑市的月流水可能在10亿美元量级 [31] 3. **政策与市场悖论** - 美国政府在打击走私的同时，曾一度允许英伟达向中国出售特定型号芯片（如H200、H20），并对H20销售抽成15% [34] - 英伟达作为全球市值最高公司（市值4.3万亿美元），其芯片需求与黑市利润形成了巨大诱惑 [34][38]

文章核心观点 - AI芯片市场格局正从英伟达一家独大转向多方竞争，其主导地位面临来自定制芯片阵营、云服务商自研、传统对手及初创公司的多重挑战，竞争焦点正从训练转向推理，效率与成本的重要性日益凸显 [3][4][33][34] 大客户倒戈：云服务商自研芯片 - 谷歌自研TPU已近十年，第七代TPU Ironwood峰值性能达4.6 petaFLOPS，略高于英伟达B200且功耗更低，已开始对外出租给Meta等公司，AI初创公司Anthropic计划使用上百万颗Ironwood运行Claude模型 [5] - 亚马逊AWS推出专用训练芯片Trainium和推理芯片Inferentia，Anthropic正使用50万颗Trainium 2芯片训练模型，未来亚马逊将为其建设拥有上百万颗芯片的数据中心集群 [6] - 微软自研Maia 100加速器专为Azure工作负载设计，Meta内部已部署超过150万颗自研MTIA芯片，其逻辑是避免英伟达赚取73%的高毛利 [9] 定制芯片的围剿 - 博通专注于AI定制芯片（ASIC），占据该市场超过50%的份额，是谷歌TPU、Meta MTIA及OpenAI Titan等大客户自研芯片的技术后台 [3][11] - 博通2026年在台积电的CoWoS晶圆预定量达20万片，同比猛增122%，这些产能主要分配给谷歌（60%-65%）、Meta（20%）及OpenAI（Titan芯片占5%-10%，2027年将超20%） [11][12] - 博通与OpenAI签署大单，共同开发规模达100亿瓦特的定制AI加速器和机架系统，计划2026年底开始部署，2029年完成，其定制芯片在推理任务上成本可比英伟达GPU低30%到50% [13] 老对手反击：AMD与英特尔 - AMD坚定进行AI转型，市值从不到千亿美元涨至3500多亿美元，其MI300X加速器（192GB HBM3内存，带宽5.3TB/s）已部署在微软Azure上为ChatGPT做推理，2024年向微软、Meta、甲骨文出货约32.7万颗，新一代MI325X已出货，MI350系列声称推理性能提升35倍 [14] - 英特尔以高性价比和低功耗反击，Gaudi 3加速器定价约为英伟达H100的一半，功耗600W（比H100低100W），官方宣称在某些训练任务上比H100快1.5倍，性价比高2.3倍，已获得戴尔、慧与、联想等系统厂商支持 [16][19] 新秀突袭：初创公司的机会 - 初创公司Groq专攻推理芯片，以速度快、成本低让英伟达紧张，后者于去年12月斥资170亿美元从Groq购买技术授权并挖走核心团队 [20] - Cerebras估值230亿美元，其“晶圆级”芯片CS-3号称比英伟达H系列快20倍而价格只是零头，今年1月与OpenAI签署了100亿美元大单 [20][22] - 众多初创公司如SambaNova、Tenstorrent等获得数亿至数十亿美元投资，共同判断AI计算正从训练转向推理，预计到2030年推理将占全球AI计算需求的75%，而推理任务对成本和延迟敏感，是专用芯片的机会 [22] 英伟达的应对与绑定策略 - 英伟达采取开放与合作策略，将NVLink网络技术授权给英特尔、高通、富士通、Arm等第三方，旨在使不同架构的CPU都能与其GPU更好兼容 [23] - 公司与xAI深度绑定，xAI的Colossus超级计算机几乎全部采用英伟达Hopper和Blackwell系列GPU，规模已超20万颗并向百万颗迈进，芯片采购达数百亿美元，英伟达还向xAI投资了20亿美元 [23][24] 深层威胁：CPU复兴与电力瓶颈 - 随着智能体AI崛起，需要大量任务调度编排，CPU重要性复兴，英伟达自研数据中心CPU Grace已推出第二代Vera，并与Meta签署多年协议首次大规模独立部署Grace CPU，美国银行预测CPU市场规模将从2025年的270亿美元增长至2030年的600亿美元，但行业面临供应紧张、交付周期拉长至六个月及价格上涨超10%的问题 [25] - 电力成为AI基础设施关键瓶颈，英伟达B200 GPU满配功耗达1200瓦，比H100增加71%，其GB200训练机架整机功耗达120千瓦，德勤调查显示72%的美国数据中心和电力公司高管认为电网与供电容量构成严峻挑战，全球仅不到5%的数据中心能支持单机架50千瓦以上功率密度，而Blackwell需求为60到120千瓦，高盛预测到2030年全球数据中心电力需求将比2023年增长165% [26][29][32] - 电力瓶颈为低功耗方案创造窗口期，谷歌称其Ironwood芯片能效是第一代云TPU的30倍，英特尔也将低功耗作为Gaudi 3核心卖点 [32] 软件生态护城河的挑战 - 英伟达CUDA软件生态是其深厚护城河，拥有数百万开发者及主流框架优化支持，但正面临挑战 [34] - AMD的ROCm软件堆栈正在缩小差距，PyTorch已正式支持ROCm，AMD还开发了CUDA兼容层ZLUDA，微软据称在开发CUDA模型迁移工具，OpenAI的Triton 3.0已支持AMD Instinct加速器，CUDA的锁定效应正逐年减弱 [34]

公司战略 - 大众汽车集团正计划转向中国本土芯片供应商，以减少对美国芯片巨头Nvidia的依赖 [2] - 大众汽车集团首席技术长表示，随着中国本地芯片技术的进步，没有理由继续依赖Nvidia [2] - 该策略旨在利用中国日益成熟的芯片供应链，以在电动车竞争中获得成本和速度优势，并缩小与中国电动车的竞争差距 [2] 行业趋势 - 全球范围内，Nvidia在AI芯片需求上保持强劲，但像大众汽车这样的汽车制造商可能会优先考虑中国本地供应商，以满足中国市场的需求 [2] - 行业显示出多样化需求，例如AMD正在探索三星代工厂以生产先进芯片 [2] - 中国公司如Horizon计划为即将举行的汽车展览会开发高计算能力的驾驶芯片 [2]

英伟达面临的竞争格局 - 过去十年，英伟达是AI芯片市场唯一的“王”，其从2025年2月到10月的芯片和相关硬件销售额达1478亿美元，同比增长62%，市值一度突破4万亿美元[4] - 但当前其芯片帝国正被三股势力围猎：博通领衔的定制芯片（ASIC）阵营、超大规模云服务商的自研芯片浪潮、以及AMD和英特尔等传统芯片对手的反击[5] - 英伟达CEO黄仁勋称公司卖的是“AI工厂”，但如今想开工厂的客户不想只从一家进货[6] 大客户倒戈：云巨头自研芯片 - 谷歌是自研芯片道路上走得最远的公司，其研发张量处理单元（TPU）已近十年，第七代TPU Ironwood峰值性能达4.6 petaFLOPS，功耗低于英伟达B200[7] - 谷歌已开始将TPU租给Meta和通过Fluidstack对外出租，AI初创公司Anthropic计划用上百万颗Ironwood运行Claude模型[7] - 亚马逊AWS推出Trainium和Inferentia芯片，Anthropic正用50万颗Trainium 2芯片训练模型，未来亚马逊将为其建设拥有上百万颗芯片的数据中心集群[8] - Meta内部已部署超过150万颗自研的MTIA芯片，其逻辑是不想让英伟达赚走73%的毛利[11] - 微软的Maia 100加速器专为Azure工作负载设计，仍处于研发早期[11] 定制芯片（ASIC）的围剿 - 博通是定制芯片（ASIC）的关键厂商，占据了AI ASIC市场超过50%的份额，谷歌的TPU和Meta的MTIA芯片均由博通帮助开发[13] - 2026年，在台积电115万片CoWoS晶圆产能中，博通预定量大幅增长到20万片，同比猛增122%，这些订单主要分配给谷歌（60%到65%）、Meta（20%）以及OpenAI[13] - OpenAI计划在2026年底推出自研芯片Titan，将占用博通所占晶圆产能的5%到10%，2027年将超过20%[13] - 博通与OpenAI签署大单，共同开发规模高达100亿瓦特的定制AI加速器和机架系统，计划2026年底开始部署[15] - 博通CEO认为，在推理任务上，ASIC的成本可比GPU低30%到50%[15] 传统芯片对手的反击 - AMD市值从不到千亿美元涨到3500多亿美元，其MI300X加速器已部署在微软Azure上并为ChatGPT做推理，2024年向微软、Meta、甲骨文出货约32.7万颗[16] - AMD MI300X拥有192GB的HBM3内存，带宽5.3TB/s，内存比英伟达H100高，新一代MI325X已出货，MI350系列计划明年推出，官方称推理性能提升35倍[16] - 英特尔Gaudi 3加速器定价约为H100的一半，功耗600W比H100低100W，官方宣称在某些训练任务上比H100快1.5倍，性价比高2.3倍[18][21] - 英特尔新任CEO陈立武将AI芯片业务归为自己直接管理[21] 初创公司的挑战 - 初创公司Groq专攻推理芯片，速度快、成本低，英伟达于去年12月以170亿美元从Groq购买技术授权并挖走核心团队[22] - Cerebras估值230亿美元，其设计的“晶圆级”芯片有餐盘大小，今年1月与OpenAI签署了100亿美元的大单[22] - Cerebras基于CS-3芯片的新推理平台，号称比英伟达H系列快20倍，而价格只是零头[24] - 这些初创公司判断AI正在从训练转向推理，到2030年推理将占全球AI计算需求的75%，而推理任务对成本和延迟敏感，容易被专用芯片替代[24] 英伟达的应对与盟友 - 英伟达将自家NVLink网络技术开放给第三方，英特尔、高通、富士通、Arm都拿到了授权，旨在让不同架构的CPU能与其GPU更好连接[25] - 埃隆·马斯克旗下xAI的Colossus超级计算机几乎全部采用英伟达GPU，目前规模超过20万颗，正在向百万颗迈进，在孟菲斯数据中心的芯片采购花费数百亿美元[25] - 2025年10月，xAI融资约200亿美元，英伟达直接投资了20亿美元，这笔钱最终又回到英伟达账上购买芯片[26] 深层威胁：CPU复兴与电力瓶颈 - 智能体AI崛起导致需要大量任务调度编排，这类任务GPU无法胜任，CPU成为主角，其市场规模有望从2025年的270亿美元增长至2030年的600亿美元[27] - 但CPU产能跟不上需求，交付周期拉长至六个月，价格上涨超过10%，AMD和英特尔已向客户发出供应紧张预警[27] - 电力成为数据中心瓶颈，英伟达B200 GPU满配功耗达1200瓦，比H100增加71%，用于训练大模型的GB200机架整机功耗达120千瓦[28] - 德勤调查显示，72%的数据中心和电力公司高管认为电网与供电容量对AI基建构成了“非常”或“极其严峻”的挑战[32] - 高盛预测，到2030年全球数据中心的电力需求将比2023年增长165%[33] - 功耗更低的替代方案迎来窗口期，谷歌称其Ironwood芯片的能效是第一代云TPU的30倍，英特尔也将低功耗作为Gaudi 3的核心卖点[35] 软件生态护城河的挑战 - CUDA是英伟达深厚的软件生态护城河，拥有数百万开发者，主流深度学习框架优先针对其优化[36] - 但竞争对手正在架桥，AMD的ROCm软件堆栈正在缩小性能差距，PyTorch已正式支持ROCm，AMD还投资了能让CUDA程序在其硬件上运行的兼容层ZLUDA[37] - 微软据称在开发将CUDA模型迁移到AMD芯片的工具，OpenAI的Triton 3.0已支持AMD Instinct加速器[37] - CUDA的锁定效应一年比一年弱[38] 未来市场格局展望 - 短期内，英伟达在大模型训练这一核心赛道上仍保持主导地位[38] - 但训练仅占AI计算的一小部分，推理才是未来的主战场，到2030年将占全球AI计算需求的75%[24][38] - 在推理领域，专用芯片具备成本优势，超大规模云服务商自研芯片是为了降低运营成本，英伟达73%的毛利率代表着客户希望省下的开支[38] - 未来AI芯片市场可能不会赢者通吃，而是走向两条腿并行：英伟达在训练和高性能计算领域保持领先，博通等厂商在推理和定制化应用中切走更大市场份额[38] - 竞争胜负关键在于在性能与价格之间找到最舒适的平衡点[39]

报告行业投资评级 - 行业投资评级为“看好”，并予以“维持” [2] 报告核心观点 - LPU是专为大模型推理阶段设计的新型芯片架构，其核心在于TSP架构，该架构将经典的处理器五级流水线拆散在整个芯片内，消除了硬件复杂性，使指令执行顺序和时间具有确定性，实现了软件定义硬件 [3] - LPU具备更快的内存带宽，可缩短大模型推理过程中的延迟，提高用户体验感，同时还能提供更具性价比的价格 [7] - Tokens消耗量大幅增长，带动推理芯片市场规模高增长，LPU具备广阔的潜在发展空间，目前已步入量产初期 [7] - 投资建议看好LPU的高成长性及LPU以机柜出货形式带来的PCB机会，建议关注智微智能、星宸科技、沪电股份、胜宏科技、深南电路等公司 [7] 根据目录总结 1 LPU面向大模型推理阶段，TSP架构为核心 - LPU是一款专用于大模型推理阶段的定制芯片，由Groq公司推出，旨在通过架构创新优化语言模型的推理效率 [11] - LPU采用14nm制程工艺，集成了230MB容量的SRAM，片上内存带宽高达80TB/s，其整型（8位）运算速度为750TOPs，浮点（16位）运算速度为188TFLOPs [14] - LPU的核心是TSP架构，该架构包含五大功能切片：MXM（矩阵运算）、SXM（矢量移位/旋转）、MEM（内存读写）、VXM（向量算术运算）和ICU（指令控制单元） [17] - TSP架构将经典的处理器五级流水线拆散在整个芯片内，指令垂直下发，数据水平流动，消除了硬件复杂性，使指令执行顺序和时间具有确定性 [22][26] - TSP架构实现了软件定义硬件，编译器可以直接访问并精确控制芯片的底层硬件状态，从指令调度、数据流控制、存储管理三个维度定义芯片行为 [30][32] - Groq的系统架构由GroqChip、GroqCard、GroqNode、GroqRack构成，单节点内采用Fullmesh拓扑，单机柜内采用Dragonfly拓扑 [32][36] 2 LPU可缩短大模型推理过程中的延迟，提高用户体验感 - 大模型推理过程分为Prefill（预填充）和Decode（解码）两个阶段，Decode阶段是逐个生成Token的顺序过程 [42] - 衡量大模型推理性能的关键指标包括延迟、吞吐量和利用率，其中延迟与用户体验感紧密挂钩，决定了用户感知模型生成输出的速度 [51][54] - 大模型推理过程中90%以上的时间耗费在Decode阶段，其核心瓶颈在于内存带宽，而非计算峰值 [61] - LPU采用SRAM作为存储介质，解决了大模型推理阶段面临的内存带宽受限问题，其理论带宽约80TB/s，远高于采用HBM3e（8TB/s带宽）的NVIDIA B200芯片 [62][63] - 基于LPU的大模型具有更快的推理速度，例如Groq推出的Mixtral 8×7B Instruct API每秒可处理约430个Token，且每百万Token的价格仅为0.27美元，性价比突出 [64] 3 LPU具备广阔潜在发展空间，已步入量产初期 - Tokens消耗量大幅增长，带动推理芯片市场规模高增长：2024年初中国日均Token消耗量为1000亿，2025年中突破30万亿，2026年2月主流大模型合计日均Token消耗已达180万亿级别 [69] - 据QYResearch数据，2024年全球推理AI芯片市场规模约为142.1亿美元，预计2031年将达到690.1亿美元，2025-2031年CAGR为25.7% [69] - 据星宸科技，2026年全球AI芯片市场规模预计达2800亿美元，其中推理芯片占比52%，规模约1450亿美元，年复合增速超50% [70] - 海外方面，Groq已进入量产初期，其第一代LPU（14nm）已量产，第二代LPU（三星4nm）计划于2025年全面量产，并与英伟达签订了非独家推理技术许可协议 [71][73][74] - 国内方面，元川微为LPU架构先行者，已推出面向大模型、多模态和端侧应用场景的Mountain、River两大系列LPU+产品 [74] 4 投资建议 - 报告认为LPU受益于低推理延时的优异表现，有望在推理芯片市场实现快速渗透 [7] - 看好LPU的高成长性以及LPU以系统架构（机柜）出货形式所带来的PCB相关投资机会 [75] - 建议关注的公司包括：智微智能（参股元川微）、星宸科技（多轮增资元川微）、沪电股份（英伟达PCB供应商）、胜宏科技（英伟达PCB供应商）、深南电路（英伟达PCB供应商） [4][7][75]

特斯拉AI芯片晶圆厂项目启动 - 公司首席执行官马斯克宣布，代号"Terafab"的AI芯片晶圆厂项目将在七天内正式启动，标志着公司从芯片设计向自主量产迈进 [4] - 该项目是公司为应对供应商产能瓶颈而采取的关键举措，马斯克去年曾警告现有供应商芯片产能无法满足需求，自建晶圆厂是达到目标芯片出货量"唯一可行的路径" [4][8] - 项目的具体规模、选址及投资额等细节尚未披露，公司未就相关置评请求作出回应 [6] 项目背景与战略逻辑 - 推动自建晶圆厂的核心逻辑源于对外部供应商产能天花板的深切忧虑，马斯克表示即便以最乐观情景推算供应商产量也远远不够 [8] - 公司目前AI芯片制造依赖台积电及韩国三星，虽曾提及与英特尔合作的可能性，但明确表示尚未签署任何协议 [8] - 自建晶圆厂意味着公司资本支出重心将进一步向硬件基础设施倾斜，并可能重塑AI芯片代工市场竞争格局 [5] 项目目标与战略意义 - 自建晶圆厂的直接目标是为其第五代AI芯片（AI5）提供量产支撑，AI5是公司专为推进自动驾驶雄心设计的核心算力载体，将为完全自动驾驶（FSD）等系统提供支持 [10] - 一旦成型，公司将在AI芯片领域实现从设计到制造的垂直整合，这与公司在电池和整车制造上的一贯策略一脉相承 [10] - 在全球AI算力竞赛持续升温、先进制程产能紧张的背景下，这一布局的战略价值愈发凸显 [10] 项目挑战与市场关注 - 晶圆厂建设通常涉及数百亿美元的资本支出、多年的建设周期以及复杂的供应链配套 [10] - 市场关注公司能否在不稀释现有电动车及储能业务投资的前提下支撑这一宏大计划 [10] - 七天后项目启动能否带来实质性信息披露，市场正拭目以待 [10]

报告公司投资评级 - 推荐 (维持评级) [3][9] 报告的核心观点 - 寒武纪作为国产AI芯片龙头，在2025年迎来重要业绩拐点，实现营收和利润的爆发式增长，并计划进行大比例分红，体现了公司的龙头价值和自身实力 [1] - 公司在智能芯片及板卡的生产、销售及多行业规模化部署方面取得显著进展，研发投入持续，并成功适配多个主流大模型，技术生态建设完善 [1][2] - 基于公司在微架构、指令集及系统软件平台的持续迭代优化，以及在互联网、运营商、金融、能源等重点行业的持续落地，报告预计公司2026-2028年业绩将保持高速增长 [9] 根据相关目录分别进行总结 2025年业绩表现与分红情况 - 2025年公司实现营业收入64.97亿元，同比增长453.21%；归母净利润20.59亿元，同比扭亏为盈 [1] - 公司拟向全体股东每10股派发现金红利15.00元（含税），并以资本公积金向全体股东每10股转增4.9股，合计拟派发现金红利6.32亿元，占归母净利润比例超过30% [1] 运营与财务关键指标 - **存货与生产销售**：2025年底存货账面价值为49亿元，较2025年第三季度末增加约12亿元；2025年智能芯片及板卡生产量及销售量分别达到12.8万片和11.7万片，均实现大幅增长 [1][2] - **研发投入与团队**：2025年研发投入为11.7亿元；公司拥有887人的研发团队，占员工总人数的80.13% [2] - **市场部署**：公司在运营商、金融、互联网等多个重点行业实现规模化部署，并在互联网领域与多个行业客户在大模型等核心应用场景展开深度技术合作 [1][2] 技术与产品进展 - **生态适配**：公司对DeepSeek-V3.2实现Day 0支持，并持续适配Qwen3-Next、Qwen3-VL、HunYuan、LongCat、GLM等大模型 [2] - **芯片技术**：公司已掌握7nm等先进工艺下开展复杂芯片物理设计的一系列关键技术，并已成功应用于多款芯片的物理设计中 [2] - **软件与架构优化**：公司在智能处理器微架构及指令集上针对NLP、视频图像生成等场景迭代优化，在训练软件平台、框架生态、通信与系统软件等维度持续完善，提升了产品竞争力和模型训练性能 [9] 未来盈利预测与估值 - **营业收入预测**：预计公司2026-2028年营业收入分别为135.38亿元、203.57亿元、300.33亿元，同比增长率分别为108.4%、50.4%、47.5% [3][9] - **归母净利润预测**：预计公司2026-2028年归母净利润分别为45.11亿元、75.29亿元、119.35亿元，同比增长率分别为119.0%、66.9%、58.5% [3][9] - **每股收益与估值**：预计2026-2028年每股收益（EPS）分别为10.70元、17.86元、28.30元；以2026年3月13日收盘价1,096.10元计算，对应市盈率（PE）分别为102倍、61倍、39倍 [3][9]

涉及的行业与公司 * **行业**：全球科技行业，特别是半导体芯片制造、AI数据中心、消费电子及相关供应链[1][2][7][10] * **公司**：台积电（TSMC）作为核心案例被重点分析[1][7][8] 核心风险：霍尔木兹海峡中断对科技供应链的冲击 * **液化天然气（LNG）供应风险**：台湾的液化天然气库存仅能维持约**11天**，而其约**34%** 的液化天然气进口依赖卡塔尔，卡塔尔已暂停出口[1][7][9] 台积电消耗了台湾总电力供应的**9–10%**，其先进制程芯片占全球产量的**90%**，电力供应中断风险将直接影响全球芯片供应[1][7] * **硫资源挤压效应**：全球**92%** 的硫来自炼油厂，硫酸是提取铜、钴等关键金属的必需原料，这些金属广泛用于芯片、电池、电网及数据中心[7][10] 半导体行业消耗了全球高纯度硫总消费量的**40%** 以上，硫短缺将冲击芯片制造中的清洗、刻蚀和掺杂工艺[10] * **供应链中断规模**：当前霍尔木兹海峡受扰导致的原油供应损失量达**20百万桶/日**，历史对比显示其初始冲击量级超过伊朗革命、两伊战争等历史事件[13] 经海峡的船舶通行数量已下降约**90%**[14] 对科技行业的潜在影响机制 * **成本推动与需求抑制**：油价大幅上涨推高生产成本，并可能削弱消费者支出，导致企业广告预算收缩或IT支出冻结[2][16] * **盈利与估值调整**：历史经验显示，在2008年和2022年两轮油价飙升周期中，半导体指数（SOX）均在见顶前下跌约**30%**，估值倍数（企业价值/销售额）收缩**1–5**倍[2] 当前不确定性已推动估值下修，悲观情境下企业价值/销售额可能进一步下调**20–50%**[2] * **当前市场表现**：截至报告时，油价累计上涨约**55%**，而SOX指数仅下跌约**6%**，走势更接近2022年冲击初期[17][22] 其他重要观察与数据 * **行业盈利预测调整**：摩根士丹利覆盖的科技板块中，近三个月EPS预测上调幅度最大的子板块包括存储器（**180%**）、封测（OSAT， **36%**）和晶圆代工（Foundry， **33%**），显示基本面依然强劲[30] * **板块股价表现**：年初至今（YTD），表现最好的科技子板块是存储器（**70%**）、封测（OSAT， **34%**）和载板（Substrates， **32%**）[32] * **现实冲击已显现**：实物供应链迅速承压，伊拉克、科威特等多国已出现原油停产，亚洲多地炼油厂和化工厂因原料短缺而降低开工率或停产[34] * **研究机构观点**：报告强调其基准情境仍从基本面上看好半导体周期，但转型阶段的地缘政治风险值得密切关注[2]

报告行业投资评级 - 股指中长期看好，国债震荡运行，焦煤短线交易，螺纹钢区间交易，玻璃空5多9，铜短期区间交易关注98000 - 106000，铝加强观望，镍逢低适度持多，锡区间交易，黄金和白银偏强震荡，碳酸锂区间震荡，PVC和烧碱震荡偏强，纯碱逢高做空，苯乙烯和橡胶逢低多配不追高，尿素区间交易，甲醇偏强震荡，聚烯烃偏强震荡，棉花棉纱和苹果震荡偏强，红枣震荡运行，生猪05谨慎追空待反弹滚动偏空，鸡蛋若淘汰未加速近月合约反弹介空为主，玉米短期盘面基差偏高区间操作为主，豆粕空单逢高介入，油脂跟随国际原油偏强震荡建议逢低多豆棕油思路 [1] 报告的核心观点 - 各期货品种受宏观经济、地缘政治、供需关系等多种因素影响，呈现不同的走势和投资建议，投资者需综合考虑各因素并关注相关消息动态 [1][5][14] 各行业总结 宏观金融 - 股指中长期看好可逢低做多，但受美伊冲突等因素影响或承压运行 [1][5] - 国债震荡运行，当前债市缺乏明确交易主线，多空力量相对均衡，等待重要会议指引 [5] 黑色建材 - 焦煤震荡运行，短线交易，春节后炼焦煤市场弱稳，下游需求恢复缓慢 [1][7][8] - 螺纹钢震荡运行，区间交易，两会经济目标对盘面影响中性，钢价低估值、弱驱动，关注节后需求恢复进度 [1][9] - 玻璃震荡偏弱，空5多9，受春节影响产销下滑，库存回升，基本面呈恶化趋势，关注冷修预期和环保政策 [1][10][11] 有色金属 - 铜高位震荡，短期区间逢低持多，关注战争、经济衰退预期及库存去化进度，当前库存去化慢，长期有需求支撑 [1][13][14] - 铝高位震荡，建议加强观望，供应预期改善但库存压力大，中东局势影响行情可持续性 [1][15][16] - 镍震荡运行，逢低适度持多，印尼镍矿配额缩减支撑矿端，但需求端恢复慢 [1][17][18] - 锡震荡运行，区间交易，锡矿供应偏紧，下游消费维持刚需，关注供应复产和需求回暖情况 [1][19] - 黄金和白银震荡运行，偏强震荡，受美伊冲突避险情绪升温及美国经济数据等因素影响，建议回调后逢低建仓 [1][20][21] - 碳酸锂区间震荡，供应有扰动，需求旺盛，关注津巴布韦出口禁令和宜春矿端扰动 [1][23][24] 能源化工 - PVC震荡偏强，内需弱势、库存偏高，但估值低且有出口退税等因素影响，短期背靠上升通道操作，关注多方面因素 [1][25] - 烧碱震荡偏强，短期在地缘影响下出口增加预期，低估值反弹，关注供应检修等情况 [1][28] - 苯乙烯震荡偏强，逢低多配不追高，地缘使油价上涨提供成本支撑，出口对冲累库压力，关注原油等价格及库存情况 [1][29][30] - 聚烯烃偏强震荡，地缘冲突使成本支撑加强，供应压力大但下游开工或回暖，关注下游需求等情况 [1][31] - 橡胶震荡偏强，逢低多配不追高，合成橡胶带动但库存压力大，关注库存、需求及市场情绪 [1][32] - 尿素偏强震荡，区间交易，供应增加但需求也增加，关注伊朗局势对价格的影响 [1][33][35] - 甲醇偏强震荡，区间交易，伊朗战事或冲击供应，国内供应和需求有一定情况，关注库存等 [1][36][37] - 纯碱逢高做空，供给过剩，库存压力大，价格或承压，关注春检情况 [1][38] 棉纺产业链 - 棉花棉纱震荡偏强，据USDA报告，新年度全球棉花供需有变化，节前调整节后消费预期回升 [1][39] - 苹果震荡偏强，交易整体稳定，产地和销区有不同表现，果农货价格稳定 [1][41] - 红枣震荡运行，2025产季新疆灰枣收购按质论价 [1][42] 农业畜牧 - 生猪震荡筑底，05反弹滚动偏空，07、09谨慎看涨，上半年供应宽松，中长期关注产能去化 [1][43][44] - 鸡蛋低位反弹，近月合约反弹配空，在产蛋鸡存栏高，供应去化慢，关注反弹力度和需求承接 [1][45] - 玉米偏强震荡，高位谨慎追涨，短期现货偏强但博弈加剧，中长期供需格局同比偏松 [1][46] - 豆粕低位震荡，空单逢高介入，美豆区间运行，国内大豆供需宽松，关注到港和拍卖情况 [1][47][48] - 油脂偏强震荡，跟随国际原油，棕油和豆油表现相对偏强，菜油相对偏弱，建议低位多豆棕油 [1][49][53]