涉及的行业与公司 * **行业**：半导体、半导体资本设备、芯片设计软件/知识产权[1] * **覆盖公司**：英特尔、英伟达、超微半导体、美光科技、西部数据、美满电子科技、博通、亚德诺半导体、迈威尔科技、思佳讯、科沃、芯科实验室、新思科技、德州仪器、恩智浦半导体、微芯科技、安森美、威世、迈拓科技、格芯、安靠、应用材料、拉姆研究、科磊、万机仪器、安谋、铿腾电子、新思科技、Astera Labs等[4] 核心观点与论据 * **行业长期表现优异**：半导体、半导体设备及芯片设计软件股票在过去1年、3年、5年、10年、15年、20年均跑赢市场[5][7] * 过去12年经历了四个完整的半导体周期[5] * 1年期年化回报率：SOX指数29%，半导体设备22%，芯片设计软件-1%，标普500指数5%[7] * **行业增长驱动力强劲**： * 半导体是科技领域所有创新的基础，应用设备智能化推动半导体价值含量提升[9] * 新驱动力涌现：云数据中心、电动汽车、物联网、人工智能/深度学习[9] * 行业周期性降低：终端市场多元化及供应增长自律性增强[9] * 行业整合推动多元化、研发规模扩大及盈利能力提升[9] * **2026年展望积极**： * 初步预测2026年半导体行业收入增长10-15%，晶圆厂设备支出增长10-12%，软件收入增长10-15%[11] * 2025年约75%覆盖公司的盈利预期获上修，远高于2024年的约40%[11][12] * 库存水平已从2023年峰值显著下降，正接近“正常化”水平[20][22] * **人工智能是核心增长引擎**： * AI模型复杂度提升，驱动计算需求增长[28] * AI芯片出货量在2022-2027年间年复合增长率预计超过58%[28] * 定制AI芯片在2028年将占XPU总出货量的50%以上，目前为35-40%[28] * 云/超大规模数据中心资本支出预计在2026年同比增长50%，且存在进一步上修潜力[32] * **定制芯片市场复苏**： * 大型原始设备制造商、云服务商和超大规模企业寻求芯片级差异化，推动定制ASIC需求[35] * 数字定制ASIC市场是约300亿美元/年的机会，年复合增长率超过30%[35] * 博通和迈威尔科技是该市场主导者，分别占据高端ASIC市场55-60%和13-15%的份额[35] * **半导体资本设备支出增长**： * 预计2026年晶圆厂设备支出增长10-12%[71] * 资本密集度因下一代制造技术（如GAA、高层数3D NAND、先进封装）而上升[71][74] * 晶圆厂设备支出强度从2013年的9%上升至2025年预计的15%[73][74] * **芯片设计软件行业具防御性**： * 新思科技和铿腾电子主导核心EDA市场，合计份额超过70%[77][79] * EDA软件与半导体研发预算挂钩，后者在行业下行期通常不会被削减[79][83] * 过去12年，在四次半导体下行周期中，EDA收入每年都保持增长[83] * 预计新思科技和铿腾电子收入年复合增长率维持在10-15%[79][83] 其他重要内容 * **关键风险**：地缘政治不确定性、潜在的全球关税以及更多的出口限制，是2026年行业复苏的主要风险，可能导致股价进一步波动[11] * **首选股票**： * 大盘股：超配博通、亚德诺半导体、迈威尔科技、美光科技、科磊、新思科技；同时看好超配英伟达、应用材料、拉姆研究、西部数据[11] * 中小盘股：超配Astera Labs、迈拓科技[11] * **特定领域复苏**： * 模拟芯片：收入在2024年末转为同比增长并持续逐步改善[15] * 微控制器：收入在2024年7月转为同比增长，比模拟芯片晚6-9个月，周期性指标改善[16] * **营收与每股收益上行分析**：基于对近期宣布的OpenAI容量协议的分析，预计博通、超微半导体、英伟达在2027年的每股收益分别有25-35%、15-20%、10-15%的上行空间[33] * **博通与迈威尔科技的竞争优势**：市场可能低估了其在芯片设计诀窍、先进封装知识、IP组合以及计算/网络/内存/存储专业知识方面的优势，客户转向自有工具模式面临挑战[48][49] * **内存市场前景**： * DRAM位需求预计同比增长约25%，受强劲AI服务器需求和库存正常化推动[106] * NAND位需求预计也同比增长约25%，主要由企业级固态硬盘推动[106] * 内存基本面改善，尤其利好超配评级的美光科技[106] * **科磊作为设备股首选**：因其在过程控制市场的领导地位（57%份额）、领先的逻辑/代工业务敞口、过程控制强度提升以及最佳的利润率[76]

This is Fab 52. What could be Intel's big comeback moment. Its fab five of six here in Chandler, Arizona, with over 1,000,000ft² of manufacturing cleanroom space. Producing the most advanced technology node that was developed and manufactured right here. High-volume production is now officially underway here of Intel 18A, a node on par with Taiwan Semiconductors most advanced chips, but without the big external customer base to back it up. After years of delays and missteps, and an unprecedented move by the ...

In this articleINTC2330-TWwatch nowIntel was once the world's largest semiconductor company, but its market cap plummeted in recent years as the chipmaker fell behind Taiwan Semiconductor Manufacturing Co. and spent billions of dollars trying to catch up. Now, Intel has entered high-volume production of 18A, the new chip node it says will turn things around.The biggest problem? Convincing a big chipmaker to trust Intel with manufacturing on the new node. For now, Intel's only major customer is itself. The c ...

公司历史与地位 - 公司全称为ASM Lithography，是飞利浦与ASM International于1984年成立的5050合资企业，最初成立于荷兰埃因霍温的一个漏雨棚屋[1] - 公司是全球唯一能够制造用于在最先进芯片上印刷最微小电路的光刻机企业[2] - 公司早期发展得到了英特尔、德州仪器和AMD等公司的推动，这些公司选择不内部研发，而将数十亿美元的商业化光刻系统订单交给了这家新成立的荷兰公司[2] 核心产品与技术 - 公司的皇冠产品是极紫外光刻机，每台成本超过3亿美元[3] - 该机器尺寸如双层巴士，重量与波音747相当，据一些分析师称包含超过10万个零件[3] - EUV技术使用紫外光在硅片上蚀刻比病毒还小的微观图案，使芯片制造商能在指甲盖大小的面积上集成数十亿个晶体管[4] 行业角色与供应链 - 公司处于全球复杂芯片供应链的核心位置[4] - 英伟达、AMD和美光等顶级半导体公司负责芯片设计，然后将设计发送给台积电和三星等主要在亚洲的晶圆代工厂进行制造[5] - 对于最先进的半导体，其制造几乎完全依赖于ASML生产的EUV机器，这些机器全部在荷兰制造[5] 行业挑战与驱动力 - 行业数十年来面临的巨大挑战是在越来越小的空间内集成越来越多的计算能力[5] - 这一竞赛由摩尔定律概括，即计算能力大约每两年翻一番，而每一次进步都变得更加昂贵且技术挑战更大[6] - 公司对于维持摩尔定律的延续至关重要[6]

人工智能的变革潜力与影响 - 人工智能的变革性影响可能堪比工业革命或火的发现，其发展速度远超过去的机械化进程[3][5][7] - 人工智能若发展为超级智能，可能对人类物种构成生存威胁，因其智能增长可能无上限，而人类自然选择进化智能的速度很慢[7] - 人工智能的发展轨迹存在两种理论：一种类似摩尔定律持续指数级改进，另一种类似对抗癌症的进展，缓慢且线性[8][9] 人工智能对就业与生产力的影响 - 放射学是首个被人工智能显著颠覆的专业领域，人工智能分析能力迅速超越普通放射科医生已至少五年[15] - 美国目前约有34,000名放射科医生，存在约5,000人的劳动力短缺，这是因为人工智能提高分析能力后，扫描价格下降，需求弹性巨大导致扫描数量激增[17][18] - 人工智能可能显著提高华尔街分析师和软件工程师的生产力，其带来的经济增长可能高达GDP的1-2个百分点，足以快速回报行业在数据中心上高达5,000亿美元的投资[18][19] - 软件工程是人工智能影响的白领“煤矿中的金丝雀”，若未来五年软件工程岗位大幅减少，法律、建筑等其他行业也可能步其后尘；反之，若生产力提升刺激更多软件构建（类似放射学案例），许多职业将出现大幅扩张[20] 人工智能在娱乐与内容创作领域的应用 - 在娱乐领域，人工智能目前主要辅助工业层面工作，如生成高质量特效，而非核心的故事叙述与角色塑造[30][31][32] - 迪士尼与OpenAI的合作表明，行业正从流媒体向人工智能驱动过渡，但人工智能目前尚难完成需要长期角色发展和张力构建的长篇叙事[29][31] - 对于新闻解读等需要广泛综合智慧的工作，人工智能的替代风险相对较低[33] 人工智能发展的社会与政治挑战 - 人工智能的变革速度极快，可能在10-20年内完成，而工业革命则跨越了200年，这种快速变化可能是过去一二十年政治两极分化的原因之一[34][35][36] - 社会变革速度持续加快，可能导致政治极化加剧，甚至出现对过去政治人物的怀念[37][38] - 人工智能的普及恰逢民粹主义在西方世界抬头，早期政治反馈显示，民众担忧其推高能源成本和减少工作岗位，一些政客已开始反对数据中心建设[45][46] - 需要建立社会纽带，让民众相互关怀，以在技术驱动的快速变革中保持社会凝聚力与连贯性[38] 人工智能的安全与治理 - 与化学武器或核武器不同，人工智能应用具有连续性且已深度融入各行各业，主要大国难以达成不使用人工智能的协议[12] - 行业内部存在竞争压力，各公司正全力投入人工智能研发竞赛，同时也在不同层面关注安全问题，例如防止人工智能被用于设计化学或生物武器[14][25][26] - 商业品牌有动力防止其人工智能技术被用于制造有害病毒等负面案例[27] - 长期挑战在于确保超级智能与人类价值观对齐，其成功被定义为人类的繁荣[28] - 需要找到方法，在人工智能不断变强的过程中，坚持“对齐”原则，并利用人工智能来防御可能意图征服世界的恶意人工智能[21][22] - 人工智能本身并非生物物种，没有自然扩张的倾向，可以被编程以保持人类的主导地位，这比一个具有统治世界欲望的超级人类威胁要小[23][24] - 行业内外，包括政府监管和像Geoffrey Hinton这样的行业领袖，都需要在如何将人类置于系统中心这一新兴领域发挥领导作用[44] 投资回报与经济增长路径 - 为人工智能数据中心的大规模投资获取回报，主要途径是通过促进GDP增长，而非大规模裁员[39][40] - 效率提升通常能刺激更多增长，放射学的例子表明，人工智能可以通过降低服务价格、激发巨大需求弹性来创造增长，而非单纯取代岗位[18][40] - 与全球化类似，人工智能可能带来整体经济增长，但也会造成部分领域的错位，需要比过去全球化时期更认真地对待社区影响和再培训问题[41][48]

**核心公司及行业** * 公司：英伟达 (Nvidia)、特斯拉 (Tesla)、Palantir、亚马逊 (Amazon)、微软 (Microsoft)、Alphabet (Google)、Meta (Facebook)、台湾半导体制造公司 (TSMC)、英特尔 (Intel) [19][20][21][32][34][35][71] * 行业：科技行业、半导体行业 [4][5][6] **核心观点与论据** * 股票激励计划 (SBC) 对股东价值构成重大稀释，但传统估值方法（如GAAP会计准则和华尔街的"调整后"盈利）未能准确反映其真实成本 [4][7][8][9] * 华尔街分析师和公司通常将GAAP SBC费用加回，在计算中将其视为非费用 [8][9] * 沃伦·巴菲特指出SBC是股东向员工的馈赠，应被视为费用 [10] * 提出了一个修正后的折现现金流 (DCF) 模型，以量化SBC的稀释效应，公式为 PV = CF / (d - g + y)，其中y代表稀释率 [11][25][28] * 即使年稀释率低于1%，也会显著降低公司现值 [30] * 对于增长更快的公司，稀释带来的价值破坏更为严重 [30][32][80] * 公司通过股票回购来抵消SBC的稀释，但用于回购的现金构成了对股东价值的真实拖累，即使股数未净减少（即"无意义回购"） [36][37][38][48] * 英伟达案例：自2018年以来，累计GAAP净收入为2050亿美元，累计经营现金流为1880亿美元 [44] * 英伟达花费910亿美元进行股票回购，但流通股数从约243亿股基本未变（仅增加4700万股） [43][47][48] * 除回购外，与RSU归属相关的预扣税支付（融资活动现金流）也是SBC的现金成本，英伟达此项支出为215亿美元 [55][57][60] * 因此，英伟达自2018年以来SBC对股东的总现金成本为1125亿美元（910亿回购 + 21.5亿税款），使其所有者收益降至1140亿美元，仅为报告GAAP收益的56%，华尔街调整后收益的50% [60][61][62] * 其他科技公司案例： * 特斯拉：年稀释率约3.6%，无回购 [32] * Palantir：年稀释率约4.6%，调整SBC后无盈利，市值收入比极高 [34] * 亚马逊：年稀释率约1.3%，自2018年以来净收入2200亿美元，但同期增发股票稀释价值达2330亿美元 [35] * 微软、Alphabet、Meta的所有者收益占GAAP收益的比例（分别为86%、102.7%、87.7%）高于英伟达（56%） [71] * 高增长可能暂时掩盖SBC的稀释效应，但增长放缓或股价下跌时问题将凸显 [81][82][83] * 2022年市场调整后，科技公司为留住员工增加了SBC和薪资 [84][85][86] * 超高速增长吸引竞争，难以持续 [82] **其他重要内容** * 历史增长率的局限性：即使是顶级公司（如TSMC年增18%，微软年增25%，英特尔自2000年年增2.0%）其高增长阶段也无法永久持续，摩尔定律（年增约20-25%）也在放缓 [19][20][21][22][23] * 标普500指数成分股更替：高盛2024年研究估计，10年平均换手率为36%，50年后仅约11%的当前成分股可能仍在指数中 [14] * 估值警告：当市场普遍估值远高于内在价值时，基于高远期预期的估值风险增大 [93][94]

英伟达CEO对AI泡沫论的回应 - 英伟达CEO黄仁勋在2026财年第三季度财报电话会上反驳了AI泡沫的观点[1][2] - 公司最新财报业绩超出华尔街预期并对当前季度营收给出高于预期的指引[2] 三大平台转型趋势 - 第一个重大转型是从中央处理器转向图形处理器 GPU拥有同时处理多任务的能力 比CPU更强大[3][4] - 第二个转型是从经典机器学习转向生成式AI 生成式AI已应用于搜索排名、推荐系统、广告定向等领域[6] - 第三个转型是智能体AI系统 该系统能基于大数据集独立决策 被视为计算的下一个前沿[9] 转型的市场影响与实例 - 从CPU到GPU的转型涉及数千亿美元的云计算支出 且已到达临界点[5] - 生成式AI投资已带来实际效益 Meta平台因投资该技术使Instagram广告转化率提升5% Facebook提升3%[8] - 智能体AI和物理AI将催生新的应用程序、公司、产品和服务[9] 公司市场表现 - 英伟达股价当日上涨2.05%至182.55美元 市值达44360亿美元[8] - 公司股票52周价格区间为86.62美元至212.19美元 日均成交量约1.93亿股[8] - 公司毛利率为70.05% 股息率为0.02%[8]

文章核心观点 - 英伟达公司CEO黄仁勋驳斥了关于人工智能泡沫的担忧，认为当前巨额投资源于计算方式的历史性转变，而非炒作 [1][2] 计算范式转变 - 摩尔定律（CPU性能每两年翻倍的趋势）已基本失去动力 [3] - 计算需求激增，但通用CPU无法满足，推动行业转向由GPU驱动的加速计算 [4] - 全球顶级500台超级计算机中，CPU占比从六年前的90%大幅下降至如今的不足15%，其余均由GPU驱动 [5] GPU应用驱动因素 - 数据处理是最大计算负载之一，银行、信贷网络、电商平台和广告商每年在此领域花费数千亿美元 [6] - 推荐系统被称为“当今互联网的引擎”，从社交信息流到购物建议，几乎所有数字体验都依赖已在GPU上运行的算法 [7] - 上述基础性转变完成后，才出现了以OpenAI、xAI等为代表的生成式AI的爆发式增长 [8]

公司业绩与市场表现 - 英伟达公布最新季度营收达570亿美元 远超分析师预期 环比增长22% 同比增长62% [1] - 数据中心业务是主要增长引擎 营收达512亿美元 环比增长25% 同比增长66% [1] - 上一季度（第二季度）公司总营收为467亿美元 数据中心营收约为410亿美元 [2] - 近期市场对AI泡沫的担忧导致全球股价下跌 英伟达市值在三周内下跌10% [1] 管理层核心观点与行业展望 - 首席执行官黄仁勋认为世界正处于一个临界点 生成式AI的转型是变革性和必要的 而向智能体和物理AI的过渡将是革命性的 [1] - 黄仁勋表示公司不同于任何其他加速器公司 并反驳了AI泡沫论 [1] - 公司正经历自摩尔定律诞生以来首次三大平台转变同时发生 这驳斥了当前投资是泡沫的观点 [5] - 首席财务官预计到2030年 AI基础设施支出将达到3万亿至4万亿美元 公司将从中受益 [3] 地缘政治与市场准入挑战 - 首席财务官警告公司需要进入中国市场以保持竞争力 但公司旗舰GPU对华销售受到美中当局限制和禁令的阻碍 [3] - 公司当前季度的财务预测假设来自中国的收入为零 这与过去两个季度的情况相同 [3] - 首席财务官强调美国必须赢得包括中国企业在内的所有开发者和商业企业的支持 成为其首选平台 [4]

**行业与公司** * 纪要涉及大中华区半导体行业 特别是人工智能AI供应链[1][8] * 重点公司包括台积电TSMC 其为顶级首选 以及众多芯片设计 晶圆代工 封装测试OSAT 内存 半导体设备公司[8][9][10] **核心观点与论据** * **投资偏好**：偏好晶圆代工 封装测试OSAT和内存 而非芯片设计 因晶圆 OSAT和内存成本上升将对芯片设计公司2026年利润率造成更大压力[8] * **AI半导体的蚕食效应与复苏**：2025年下半年复苏是渐进的 历史上半导体库存天数的下降是半导体股价上涨的积极信号[8] * **AI需求驱动因素**： * **技术扩散**：生成式AI推动AI半导体需求重新加速 并渗透到半导体行业以外的不同垂直领域[8] * **技术通缩**：预计"价格弹性"将刺激科技产品需求[8] * **推理需求**：DeepSeek展示了更便宜的推理能力 但英伟达B40的出货可能会稀释国内GPU供应链[8] * **长期增长驱动力**： * **边缘AI半导体**：2023-2030年复合年增长率CAGR预计为22%[133] * **推理AI芯片**：2023-2030年CAGR预计为55% 增速将超过训练芯片[129][133] * **定制AI芯片ASIC**：2023-2030年CAGR预计为39% 增速将超过通用芯片[129][133] * **关键主题**：无论AI GPU还是AI ASIC获胜 主要晶圆代工厂供应商台积电都能受益[51] * **半导体周期与库存**：逻辑半导体晶圆代工厂利用率在2025年上半年为70-80% 尚未完全恢复 排除英伟达AI GPU收入后 2024年非AI半导体增长缓慢 仅为10%同比[63][65] 半导体供应链库存天数在2025年第二季度下降[68] * **内存市场动态**： * DDR4短缺将持续到2026年下半年[69] * 预计NOR Flash低密度产品供应不足将持续到2026年 SLC NAND将出现两位数百分比的供应短缺[74] * 内存股价是逻辑半导体的领先指标[58] * **中国AI与国产GPU**： * 预计中国云AI总市场规模TAM将在2027年达到480亿美元[100] * 2024年中国GPU自给率为34% 预计到2027年将达到50% 届时本地GPU几乎可以满足中国AI需求[98][101] * 华为昇腾910C性能参数：FP16算力800 TFLOPS 使用HBM2e内存 带宽3,200 GB/s[92][94] * 中芯国际SMIC是国产GPU的主要产能推动者 其7nm等先进节点收入占比提升[89][104] * **先进封装与技术**： * 台积电CoWoS产能预计到2026年将扩大到每月10万片 wafer 以应对NVL72服务器机架的瓶颈[173] * 苹果A20处理器将在2026年下半年采用台积电N2制程和WMCM封装[17][19] * 共封装光学CPO有助于提高数据传输速度并降低功耗[193][195] * 晶圆堆叠WoW技术可能是提高带宽和降低功耗的关键解决方案[226][227] **其他重要内容** * **功率半导体与材料**： * 预计数据中心相关氮化镓GaN总市场规模TAM到2030年将达到12亿美元[38] * 预计碳化硅SiC在电动汽车中的渗透率到2027年将增长至45%[45] * 英飞凌Infineon是综合性的功率半导体供应商[40] * **资本支出与市场规模**： * 摩根士丹利云资本支出追踪器估计 2026年顶级云服务提供商CSP的资本支出将达到5820亿美元 不包括主权AI[134] 英伟达CEO估计包括主权AI在内的全球云资本支出将在2028年达到1万亿美元[136] * 得益于云AI 全球半导体行业市场规模可能在2030年达到1万亿美元[139] * 2026年AI计算晶圆消耗可能高达200亿美元 英伟占占大部分[181][183] * 2026年高带宽内存HBM消耗量预计高达262亿Gb[185][188] * **估值与财务数据**：提供了大量半导体公司的详细估值比较表 包括价格 目标价 评级 市盈率 每股收益增长 净资产收益率ROAE 市净率等[9][10] 例如台积电TSMC当前股价1,465台币 目标价1,688台币 有15%上行空间 市盈率2024年32.4倍 2025年估计23.0倍 2026年估计19.2倍[9] * **供应链数据**：提供了详细的CoWoS产能分配 AI芯片出货量 HBM需求等预测表格[179][183][188] * **风险提示**：报告提及美国第14105号行政命令及相关实体 美国人士可能被禁止进行某些交易或需向美国财政部通知某些其他交易[234]