纪要涉及的行业和公司 - **行业**：海外AI算力链、大模型行业 - **公司**：OpenAI、谷歌、微软、博通、英伟达、台积电、赛灵思、Meta、Amazon、XAI、Mana 纪要提到的核心观点和论据 海外算力需求趋势 - **显著趋势**：5月起海外算力需求变化显著，微软和谷歌TOKEN量增加，推理需求快速上升；科技公司未削减资本开支，OpenAI等积极建设大规模集群，如马斯克集群达35万卡，表明训练算力需求一直存在但此前未充分满足[2] - **算力需求结构变化**：上半年推理需求上升，下半年训练需求预计增加，大集群需求同步上升；2025年算力需求从训练驱动转向推理驱动，2024年之前训练占比超50%，2025年降至40%多，预计2026年降至30%多，推理占比从20% - 30%增长到2025年的50%以上，预计2026年达60%以上[1][7][17] AI领域叙事逻辑 - **new skilling逻辑**：2025年下半年AI领域新叙事逻辑围绕new skilling展开，关注模型下一代迭代路径和训练需求；TOKEN量与算力需求非线性关系，TOKEN量翻倍算力需求可能增十倍以上[1][3][4] 海外AI产业发展 - **发展速度**：过去半年海外AI产业发展迅速，但国内关注少、投资者理解有限；赛灵思等公司股价上涨表明市场逐步接受变化，行情接近尾声时市场将完全接受信息[5] - **新一轮迭代周期**：美国将进入新一轮AI迭代周期，大集群交付推动新模型训练，目标是寻找下一代模型迭代路径；中美基座模型能力差距将拉大，应关注美国AI变化并投资相关资产或公司[6] 美股创新高反映的产业变化 - **产业变化体现**：微软、博通、英伟达和台积电等公司股价创新高，反映海外算力链投资逻辑兑现，市场对这些公司认可推动产业发展，预示训练和推理需求预期上升[1][8] OpenAI与谷歌合作影响 - **合作影响**：OpenAI与谷歌合作采购TPU，打开谷歌TPU和ASIC市场空间；表明云服务厂商重要性，强调卡不够用问题，推动行业发展[7][9] 跟踪算力需求方法 - **推理需求跟踪**：可通过台湾产业数据、观察爆款应用或模型跟踪，但跟踪TOKEN量更有效，TOKEN量增加表明推理需求增长[11] - **训练需求跟踪**：跟踪训练需求挑战大，可观察公司建设大型集群情况，如马斯克计划建100万卡集群支持GROK4模型，大型集群在建扩产表明训练算力投入有效[12][13] 投资策略调整 - **避免依赖爆款**：爆款模型和应用出现具偶然性，投资者不应仅据此决策，应关注长期趋势和基础数据[15] - **关注美国市场**：亚太地区投资者应关注美国模型及应用发展，及时调整策略；当前台湾产业链数据对预测美股和A股相关公司表现支持力度减弱，应研究美国市场获取前瞻性信息[16][17][18] 大模型行业竞争格局 - **主要引领者**：下一代大模型开发主要引领者是OpenAI和XAI，谷歌介于追随者和引领者之间，Meta积极进行人才储备[26] - **大集群战略影响**：大集群战略成下一代模型训练重要门槛，马斯克将门槛提高到100万张卡集群，预计明年下半年XAI交付全球第一个百万卡集群，OpenAI可能紧随其后；多数公司因成本高选择跟随策略[29] - **公司竞争策略**：谷歌、Amazon等公司不采用大集群战略，依靠已有用户数据和场景发展；企业为保持领先需迅速建集群、挖掘人才，在推理方面大规模投入[30][31] 未来需求趋势和验证节点 - **需求趋势**：未来海外算力链需求共振向上，目前推理需求向上，下半年训练需求增加；推理更具持续性且有预期差，海外算力链处于新起点，上涨趋势未结束[35][36] - **验证节点**：7月中旬国内大厂业绩预告验证业务表现；7月底微软、亚马逊和Meta资本开支数据验证推理需求；8月底英伟达季报验证训练需求；7月4日马斯克GROK4发布、8月GPT - 5发布推动算力需求[37] 海外市场交易逻辑 - **交易逻辑**：海外市场对AI产业链交易基于订单清晰度，订单至少看到2027年，行情透支2026年业绩；美股波动影响全球市场[38] 其他重要但可能被忽略的内容 - **谷歌和Meta推理占比**：2025年底谷歌和Meta推理占比预计达50% - 60%，博通基本都是推理，大厂推理占比可能达70% - 90%以上，全球年底推理占比将超60%[21] - **海外AI应用量增长原因**：2025年二三月份海外AI应用量显著增长，因DEEPSEC21技术发布及成本降低，推动高消耗TOKEN量应用发展[22] - **TOKEN量与算力需求关系**：TOKEN量增加不一定导致算力需求增加，还受单位TOKEN成本影响；目前TOKEN使用程度提高，算力需求仍可能显著提升；TOKEN量放大一倍需算力放大十倍[23][40] - **电力、算力和TOKEN关系**：三者存在一一对应关系，可相互换算，忽略单个TOKEN成本和功耗变化后关系稳定[25] - **XAI大规模训练原因**：XAI进展迅速，集群规模不断扩大，其他公司因各种原因未进行全训练，如OpenAI资源不足，谷歌架构优化迭代模型能力[28] - **英伟达和台积电表现**：英伟达和台积电持续创新高，原因超出传统跟踪路径解释范围，表明海外AI市场上一代模型训练与下一轮训练叠加共振[39]