公司财务表现 - 2025年全年营收为51.3亿美元，第四季度营收为15.7亿美元[1] - 2025年全年净亏损为11.7亿美元[1] - 2025年全年调整后息税折旧摊销前利润为30.9亿美元[1] 公司运营与市场状况 - 公司获得英伟达支持，是一家云计算公司[1] - 公司订单积压金额达到668亿美元[1] - 公司在运电力容量超过850兆瓦，签约电力规模约为3.1吉瓦[1]

战略合作概述 - 光本位科技与百度智能云于2月27日在上海张江科学之门AI应用商店举行战略合作签约仪式，双方基于百度的文心快码（Baidu Comate）联合推出针对光电芯片开发的全栈AI研发解决方案Lightmate [1] - 合作以AI Agent技术为核心，旨在重构光计算芯片研发流程，推动光计算技术从实验室走向工业化标准落地，助力国产算力自主可控建设 [1] - 双方将围绕联合技术研发、研发工具链集成及产业生态拓展等多维度展开深度协同 [1] 合作技术方案与产品 - 合作以Comate为技术底座，光本位科技将芯片设计专家经验转化为光电设计Skills与行业专属Agent，解决通用模型在光电芯片研发领域的适配难题，实现研发流程自动化与标准化 [3] - 双方将共建光电芯片场景Agent能力架构及光计算研发Skills体系，通过MCP工具接入光计算研发工具链，完成多层级技术整合与全流程工具集成，联合落地Lightmate [3] - Lightmate能够依据芯片规格定义及用户描述，自动完成光电芯片需求提取、仿真代码设计、器件迭代仿真、系统链路搭建、光电链路优化、版图输出等核心任务 [3] - Lightmate支持定制化MCP工具接入、自定义Agent构建与Skills能力扩展，可深度融入芯片企业既有研发流程，覆盖数字芯片、模拟芯片、光芯片设计及底层驱动开发全链路 [3] - 产品支持SaaS、VPC专属云、私有化部署等多种接入方案，以满足芯片客户的数据安全需求 [3] 合作方背景与贡献 - 光本位科技董事长熊胤江表示，公司具备业界罕见的光电全栈芯片设计研发能力，集聚了行业顶尖专家及海量知识储备 [4] - 光本位科技作为光计算领域头部企业，已实现光计算系统的商业化交付，在相变存算一体光计算领域具备核心技术壁垒，产品以低功耗、高集成度特性提升AI算力能效比 [4] - 公司具备硅光、模拟、数字芯片的全品类设计能力，并构建了底层软件与上层生态一体化技术架构 [4] - 在此次合作中，光本位科技将光计算芯片全流程研发经验注入Lightmate，形成光电芯片工艺文件处理、基础单元设计、原理图电路搭建等场景化能力 [4] - 百度智能云相关负责人表示，百度在人工智能、云计算、大数据领域具备全球竞争力，Comate采用模块化开放架构，可作为企业研发体系底座 [5] - Comate支持MCP工具接入、自定义智能体构建与Skills能力扩展，可实现与芯片企业现有研发流程的深度融合 [5] 合作意义与行业影响 - 双方认为，通过光本位在硅光、模拟、数字芯片设计中的经验和数据与Comate有机结合，新产品Lightmate可实现从芯片设计到应用落地的全流程提效，大幅提升研发效率、缩短量产周期，为光计算产业树立全新研发范式 [4] - 本次合作是Comate在光计算芯片场景的规模化落地，也是百度智能云下一代AI算力基础设施布局的重要环节 [5] - 合作实现了光计算产业实践与AI研发技术的深度共振与范式升级，光本位的产业积累为Comate提供了精准的垂直场景支撑，而百度的全栈AI Infra、Comate技术架构与多样化部署能力为光本位专家经验的工程化落地提供保障 [5] - 通过技术整合，Lightmate覆盖数字硅光、模拟、数字芯片及底层驱动全流程，构建起光计算领域工程化AI辅助研发体系 [5] - Lightmate不仅重构芯片研发流程、实现全链路提效、降低行业研发门槛，更以算力自主可控为核心方向，推动光计算技术工业化与标准化落地，同时以高能效优势契合绿色AI发展趋势 [5] 未来规划 - 未来，双方将持续深化技术协同，加快Lightmate产品化与行业推广，开放核心能力共建光计算产业生态 [6] - 目标在于夯实国产算力技术底座，定义光电研发新范式，全面提升我国在绿色算力与自主可控芯片领域的全球竞争力 [6]

核心观点 - 中国AI模型调用量首次超越美国，全球前五模型中中国占据四席，引发资本市场对算力价值分配逻辑的重估，导致英伟达股价大跌而中国算力产业链相关股票大涨 [1][2][17] 中美资本市场表现分化 - **英伟达股价与市值**：当地时间2月26日，英伟达股价大跌5.5%，创下自2025年4月以来最大单日跌幅，市值蒸发近2600亿美元（约合人民币1.77万亿元）[1][5] - **美股芯片板块传导**：英伟达的跌幅传导至其他芯片制造商，博通、AMD和台积电股价均出现不同程度下跌 [5] - **市场情绪转变**：市场对英伟达创纪录的Q4财报（营收增长73%至681亿美元，调整后毛利率75.2%）反应悲观，焦点从短期业绩转向对AI资本支出可持续性的长期担忧 [5] - **A股与港股市场表现**：2月27日，A股和港股市场的算力租赁、云计算、电力及数据中心板块掀起涨停潮 [1][6] - **A股算力租赁板块**：云天励飞-U 20%涨停，杰创智能涨幅超过17%，首都在线、宏景科技、亿田智能等10CM涨停 [6] - **A股云计算板块**：普元信息20%涨停，浩云科技涨超16%，众诚科技、烽火通信等涨幅均超过10% [8][9] - **A股电力板块**：受算力板块利好影响，珈伟新能上涨19.91%，南网能源、涪陵电力、协鑫能科、赣能股份等8家公司10CM涨停 [11] - **港股市场表现**：金山云上涨7.54%，商汤-W上涨4.10% [1][13] 核心变量：中国AI模型调用量超越美国 - **调用量数据**：根据OpenRouter数据，2026年2月9日至15日当周，中国AI模型的周调用量达到4.12万亿Token，首次超越美国同期的2.94万亿Token [20] - **调用量增长**：一周后（2月16日至22日），中国模型周调用量进一步攀升至5.16万亿Token，三周内增长了127% [20] - **全球开发者认可**：OpenRouter平台用户中美国开发者占47.17%，中国开发者仅占6.01%，表明中国模型获得了海外开发者的广泛青睐 [24] - **硅谷初创公司采用**：硅谷寻求融资的AI初创公司中，其路演核心模型有高达80%使用中国的开源模型 [24] - **中国模型集群式崛起**：在2月16日至22日的周榜单上，全球调用量前五的模型中，中国占据四席，分别是MiniMax的M2.5、月之暗面的Kimi K2.5、智谱的GLM-5以及DeepSeek的V3.2，这四款模型合计贡献了Top5总调用量的85.7% [24] 技术架构改变算力需求逻辑 - **混合专家架构应用**：中国主流模型（如DeepSeek、阿里巴巴通义千问3.5-Plus）广泛采用混合专家架构，大幅降低推理成本 [27] - **架构效率提升**：MoE架构通过“按需激活”部分专家网络，能使推理时显存占用降低60%，吞吐量提升高达19倍，削弱了Token使用量与高端GPU需求的线性关系 [28] - **对英伟达高端GPU依赖降低**：中国AI厂商通过更高效率的模型架构和多元化芯片组合方案，不依赖英伟达最顶级的GPU，全球开发者使用中国模型产生的Token并不建立在英伟达高端GPU的持续扩张之上 [28] 国产算力需求增长驱动因素 - **模型成本优势**：中国模型具有显著成本优势，例如MiniMax的M2.5与智谱的GLM-5输入价格为0.3美元/百万Token，而海外对标产品Claude Opus4.6价格为5美元/百万Token，是中国模型的约16.7倍 [29] - **电力成本优势**：AI大模型运营成本中电力成本占比达60%～70%，中国西部绿色电力成本约0.2元/度～0.3元/度，而欧美平均约1元/度～1.5元/度，生产相同Token中国成本可能仅为欧美的1/5到1/4 [29] - **需求增长预测**：摩根大通预测，从2025年到2030年，中国Token消耗量的年复合增长率将达到330%，在5年间实现370倍的增长 [29] - **产业链受益预期**：国产AI大模型调用量提升和变现能力预期提升，有望加快数据调用量增长和模型性能提升，使国产算力产业链受益 [30] - **推理需求增长**：中国Token消耗量急剧攀升，算力推理需求高速增长，未来有持续超预期可能 [30] - **服务全球用户**：国产算力配套凭借成本、生态等优势，有望通过国产AI模型服务全球用户，打开需求上限 [30]

核心观点 - 文章认为，当公司的增长动力从内生创新转向外部杠杆时，增长本身就变成了风险，并以CoreWeave为例，指出其通过巨额债务驱动扩张的商业模式存在结构性脆弱，可能成为AI泡沫中最先破裂的环节 [2][15] CoreWeave的财务与运营表现 - 公司2025年成为史上最快实现50亿美元年营收的云服务商，包含RPO在内的积压订单达到668亿美元，较年初暴增三倍以上 [4] - 公司Q4每股收益（EPS）亏损0.89美元，同比扩大1.6倍，是分析师预期的四倍；营业利润由盈转亏，达到8900万美元；净亏损4.52亿美元，几乎是一年前的9倍 [6][7] - 公司预计2026年资本支出（CapEx）至少300亿美元，至少为2025年的三倍，其增速远超营收增速 [7] - 公司商业模式是提前锁定算力需求，举债购买GPU并建设数据中心，依赖长期合同回收现金流 [9] 商业模式的风险与历史类比 - 公司的“先融资、后盈利”模式与2000年光纤泡沫时期的逻辑惊人相似，当时企业因需求不及预期导致现金流断裂和行业出清 [9] - 客户高度集中在微软、NVIDIA等少数科技巨头，这些客户议价能力极强，可能通过自建算力或要求降价来压缩中间商的利润空间 [9] - 积压订单（RPO）是合同义务而非现金，若客户部署延迟或实际算力使用率低于预期，公司仍需按时偿还巨额债务本息 [10] - GPU是快速贬值资产，若公司在价格高位举债大量购入，未来算力租赁价格下跌将导致资产减值与刚性债务的双重打击 [10] - 若公司年度经常性收入（ARR）到2026年底达到190亿美元，需要证明的是现金流转正能力，而不仅仅是增长 [11] 行业风险与债务脆弱性 - 在AI产业链中，像CoreWeave这样的独立云算力商处于最脆弱环节，它们没有芯片厂的垄断技术或下游巨头的生态壁垒，通过高杠杆抢占市场份额 [13] - 债务结构在三种情况下会成为风险放大器：算力需求增速放缓、GPU价格回落导致资产减值、客户压价或延迟部署 [14] - 泡沫的破裂源于“杠杆失衡”，即债务成本高于资产回报率，投资者应关注债务成本是否上升、资本开支是否依赖再融资、经营现金流是否能覆盖扩张 [14] - CoreWeave的债务问题不仅是单个公司的风险，也是整个AI基建板块财务健康度的晴雨表，若头部玩家依赖巨额债务维持扩张，则整个行业的资本效率值得怀疑 [14] 总结与警示 - 资本市场对“高杠杆高扩张”的容忍度是周期性的，在流动性收紧时，债务会成为催命符 [15] - 技术革命常伴随资本泡沫，泡沫破裂往往不是因为技术落后，而是因为财务无法支撑野心 [15] - 投资者需区分真正创造价值的公司和仅转移风险的公司，在AI这场马拉松中，活得久的不是跑得最快的，而是负债最轻的 [16] - 当一家公司用债务追赶风口时，增长本身就变成了风险，这是整个AI基建时代需要铭记的箴言 [16]

美股股指期货表现 - 截至发稿，道指期货跌0.40%、标普500指数期货跌0.22%、纳斯达克100指数期货跌0.10% [1] 中概股与特定个股动态 - 中概股盘前涨跌不一，阿里巴巴跌0.95%，拼多多涨0.41%，百度涨0.88%，京东跌0.59% [1] - 英伟达盘前反弹0.8%，此前一个交易日收跌5.46% [1] - 云基础设施提供商CoreWeave盘前跌近10% [2] - 流媒体巨头奈飞盘前涨近9% [2] - 语言学习平台多邻国盘前大跌近23% [3] 人工智能（AI）行业动态 - 全球最大的AI模型API聚合平台OpenRouter数据显示，2026年2月9日至15日当周，中国模型的周调用量达到4.12万亿Token，首次超越美国同期的2.94万亿Token [1] - 中国大模型主流MoE体系的出现使得Token使用量的爆发不再与英伟达GPU的需求量线性挂钩 [1] - 摩根大通认为，AI全面取代企业软件最早也要到2028年以后才能实现，目前工具只是辅助工作流程而非取代，市场担忧过度 [2] - Meta公司已与谷歌签署一项价值数十亿美元的协议，从谷歌租用人工智能芯片以开发新的人工智能模型 [2] 公司财务与运营消息 - CoreWeave面临天量规模积压订单，公司预计2026年资本支出为300亿至350亿美元，远高于2025年的103.1亿美元 [2] - 奈飞拒绝提高对华纳兄弟的收购报价，称该笔交易已不再具备财务吸引力 [2] - 多邻国公布去年第四季度营收同比增长35%至2.829亿美元，经调整EBITDA为8430万美元，均超市场预期 [3] - 多邻国对2026年第一季度指引较保守，预计营收为2.885亿美元，经调整EBITDA约为7360万美元，分别低于市场普遍预期的2.918亿美元和8400万美元 [3] 关键原材料供应状况 - 美国航空航天和半导体公司的供应商正面临日益严重的稀土短缺，已有至少两家供应商开始拒接部分客户订单 [3] - 短缺主要集中在钇和钪这两类稀土元素上 [3] 宏观经济数据预告 - 北京时间今晚21:30将公布美国1月份生产者价格指数（PPI）数据 [4]

市场整体表现 - 美国三大股指期货齐跌 道指期货跌0.40% 标普500指数期货跌0.22% 纳指期货跌0.10% [1] - 中概股盘前表现分化 阿里巴巴跌0.95% 京东跌0.59% 拼多多涨0.41% 百度涨0.88% [1] 人工智能与半导体行业动态 - 英伟达盘前反弹0.8% 此前一个交易日收跌5.46% [1] - 市场担忧英伟达算力需求逻辑 因数据显示2026年2月中国AI模型周调用量达4.12万亿Token 首次超越美国的2.94万亿Token 且中国主流MoE体系使得Token使用量与GPU需求不再线性挂钩 [1] - 云基础设施商CoreWeave盘前跌近10% 因公司预计2026年资本支出高达300亿至350亿美元 远高于2025年的103.1亿美元 巨大资本开支引发市场对其短期亏损风险的担忧 [2] - 摩根大通认为市场对AI取代企业软件的担忧过度 指出AI全面取代最早也要到2028年以后 当前工具仅为辅助而非取代 [2] - Meta与谷歌达成一项价值数十亿美元的AI芯片租用协议 以开发新的人工智能模型 [2] 公司特定新闻 - 流媒体巨头奈飞盘前涨近9% 因公司拒绝提高对华纳兄弟的收购报价 称该交易已不再具备财务吸引力 [2] - 语言学习平台多邻国盘前大跌近23% 尽管其去年第四季度营收同比增长35%至2.829亿美元 调整后EBITDA为8430万美元均超预期 但公司对2026年第一季度营收指引为2.885亿美元 调整后EBITDA指引约为7360万美元 均低于市场预期的2.918亿美元和8400万美元 [3] 原材料供应链 - 美国航空航天和半导体公司的供应商面临稀土短缺加剧 至少两家供应商已开始拒接部分客户订单 短缺主要集中在钇和钪两类稀土元素 [3] 宏观经济数据预告 - 北京时间今晚21:30将公布美国1月份PPI数据 [4]

市场整体表现 - 2月27日早盘，A股三大指数低开震荡，沪指几度翻红[1] - 沪深京三市半日成交额达1.6万亿元[1] - 港股市场低开高走，恒生中国企业指数上涨0.4%[1] A股主要指数表现 - 截至午间收盘，中证A500指数下跌0.5%，滚动市盈率为17.4倍[1][3] - 截至午间收盘，沪深300指数下跌0.7%，滚动市盈率为14.2倍[1][3] - 截至午间收盘，创业板指数下跌1.5%，滚动市盈率为43.5倍[1][4] - 截至午间收盘，上证科创板50成份指数下跌0.7%，滚动市盈率为175.6倍[1][6] 行业板块表现 - 稀土、稀有金属、云计算、软件、餐饮旅游板块涨幅居前[1] - 建材、工程机械、晶圆产业、覆铜板、CPO板块跌幅居前[1] - 港股市场中，地产、软件板块活跃，半导体板块回调[1] 指数构成与特征 - 沪深300指数由沪深市场中规模大、流动性好的300只股票组成，完整覆盖11个中证一级行业[3] - 中证A500指数由各行业市值较大、流动性较好的500只证券组成，覆盖93个三级行业中的89个[3] - 上证科创板50成份指数“硬科技”龙头特征显著，半导体行业占比超65%，与医疗器械、软件开发、光伏设备行业合计占比近80%[6]

公司评级与目标价调整 - 摩根大通将Snowflake的目标价从268美元下调至245美元 [1] - 摩根大通仍维持对Snowflake的“增持”评级 [1]

2025年度业绩快报核心数据 - 公司2025年度实现营业收入169,994.61万元，同比增长13.11% [1] - 营业利润为-6,376.25万元，同比减亏72.02% [1] - 利润总额为-6,404.89万元，同比减亏72.44% [1] - 归属于母公司所有者的净利润为-7,668.32万元，同比减亏68.19% [1] - 归属于母公司所有者的扣非净利润为-14,614.67万元，同比减亏41.32% [1] 影响经营业绩的主要因素 - 公司营业收入同比增长13.11%，毛利率由上年同期的18.86%显著提升至25.83% [1] - 公司对参股企业的投资收益有显著提升 [1] - 受收入增长、毛利率提升及投资收益增加的综合影响，公司净亏损较上年同期大幅收窄 [1]

核心观点 - 全球AI算力价值分配逻辑正在发生深刻变化，中国AI模型在全球调用量上实现历史性超越，并凭借高效架构和成本优势，削弱了对英伟达高端GPU的线性依赖，同时催生了国产算力基础设施需求的指数级增长，这直接导致了中美资本市场相关板块的“冰火两重天”走势 [1][3][22][27] 市场表现对比 - **英伟达股价与市值**：尽管发布创纪录财报，但英伟达股价在2月26日大跌5.5%，创下自2025年4月以来最大单日跌幅，市值蒸发近2600亿美元（约合1.77万亿元人民币）[1][3] - **A股与港股市场表现**：2月27日，A股算力租赁、云计算、电力及数据中心板块掀起涨停潮，港股相关板块同步上涨 [1][3][11] - **算力租赁板块**：云天励飞-U 20%涨停，杰创智能涨超17%，首都在线、宏景科技等10%涨停 [4][8] - **云计算板块**：普元信息20%涨停，浩云科技涨超16%，众诚科技、烽火通信等涨幅超10% [6][8] - **电力板块**：受算力板块利好影响，珈伟新能上涨19.91%，南网能源等8家公司10%涨停 [10] - **港股市场**：金山云上涨7.54%，商汤-W上涨4.10% [1][11] 中国AI模型全球调用量突破 - **历史性超越**：根据OpenRouter数据，2026年2月9日至15日当周，中国AI模型的周调用量达到4.12万亿Token，首次超越美国同期的2.94万亿Token [16] - **优势扩大**：一周后（2月16日至22日），中国模型周调用量进一步攀升至5.16万亿Token，三周内增长127% [16] - **集群式崛起**：在2月16日至22日的周榜单上，全球调用量前五的模型中，中国占据四席（MiniMax的M2.5、月之暗面的Kimi K2.5、智谱的GLM-5、DeepSeek的V3.2），合计贡献Top5总调用量的85.7% [19] - **获得全球认可**：OpenRouter平台用户中美国开发者占47.17%，中国仅占6.01%，表明中国模型成功获得海外开发者青睐 [19] 技术架构改变算力需求逻辑 - **采用高效架构**：中国主流模型广泛采用“混合专家”（MoE）架构，通过“按需激活”部分网络，大幅降低单位Token所需算力 [25] - **显著提升效率**：MoE架构能让推理时显存占用降低60%，吞吐量提升高达19倍，使得Token使用量的爆发不再与英伟达GPU需求量线性挂钩 [25] - **摆脱高端GPU依赖**：中国AI厂商通过高效模型架构和多元化芯片组合，其算力路径不依赖英伟达最顶级GPU，全球开发者使用中国模型产生的Token并不建立在英伟达高端GPU的持续扩张之上 [26] 成本优势驱动国产算力需求 - **模型使用成本低**：中国模型具有显著成本优势，例如MiniMax的M2.5与智谱的GLM-5输入价格为0.3美元/百万Token，而海外对标产品Claude Opus4.6价格为5美元/百万Token，是中国模型的约16.7倍 [27] - **电力成本优势巨大**：AI大模型运营成本中电力占比可达60%～70%，中国西部绿色电力成本约0.2～0.3元/度，而欧美平均约1～1.5元/度，生产相同Token，中国成本可能仅为欧美的1/5到1/4 [27] - **需求指数级增长**：摩根大通预测，从2025年到2030年，中国Token消耗量的年复合增长率将达到330%，在5年间实现370倍的增长 [27] 市场预期与机构观点 - **增长逻辑转变**：市场辩论焦点已从英伟达短期业绩，转向对AI资本支出可持续性的长期担忧，开始质疑其增长天花板 [3] - **国产算力产业链受益**：中国AI大模型调用量提升和变现能力预期提升，有望加快数据调用量增长和模型性能提升，国产算力产业链将受益 [28] - **打开全球需求上限**：AI推理需求指数级扩容，国产算力凭借成本、生态等优势，有望通过国产AI模型服务全球用户，打开需求上限 [28]