财报核心表现与市场反应 - 第一季度营收136亿美元 同比增长7.2% 超出市场预期的123.6亿美元 [1] - 第一季度GAAP净亏损37亿美元 上年同期亏损8亿美元 但Non-GAAP净利润为15亿美元 同比增长156% [1][2] - 第一季度Non-GAAP调整后每股收益0.29美元 远超市场预期的0.01美元 上年同期为0.13美元 [1][2] - 公司对第二季度业绩展望乐观 预计营收138亿至148亿美元 高于市场预期的130.7亿美元 预计调整后每股收益0.20美元 显著高于市场预期的0.09美元 [2] - 财报发布后 英特尔股价在盘后交易中暴涨15% 市值增加490亿美元 [1] 财务与运营指标分析 - 第一季度GAAP毛利率为39.4% 同比提升2.5个百分点 Non-GAAP毛利率为41.0% 同比提升1.8个百分点 [2] - 第一季度研发及管理销售费用为44亿美元 同比下降8% Non-GAAP口径下为39亿美元 同比下降9% [2] - 第一季度Non-GAAP运营利润率为12.3% 同比大幅提升6.9个百分点 [2] - 公司通过提高芯片价格以应对不断上升的制造成本 这也是乐观营收展望的部分原因 [5] 战略转型与管理层举措 - 首席执行官陈立武推出重组计划 通过资产出售与裁员改善资产负债表 [3] - 管理层争取到多项大型投资 并与美国政府 软银以及英伟达达成合作 为制造业务注入资金 [3] - 公司正在进行高风险转型 目标是从传统芯片巨头转变为具备竞争力的晶圆代工厂 并在2030年前挑战台积电 [8] - 代工业务第一季度营收为54亿美元 其中绝大部分来自内部业务 仅有不到2亿美元来自外部客户 [8] 人工智能(AI)发展机遇与业务定位 - 市场对公司用于AI数据中心的处理器需求持续火爆 [1] - 随着云计算客户从“模型训练”转向“模型部署” 新的机会正在CPU领域出现 [4] - 管理层认为 下一轮AI浪潮将使智能能力更接近终端用户 从基础模型转向推理和智能体 这将显著提升市场对英特尔CPU以及晶圆制造与先进封装能力的需求 [4] - 首席财务官指出 CPU正在迎来复兴 公司正开始成为AI投资浪潮的实质性受益者 GPU适合大规模矩阵计算 而CPU更适合处理具备推理能力的自主AI智能体的工作负载 [4] - 分析认为 如果公司能成功捕捉未来机器人与AI智能体浪潮带来的芯片需求 当前估值可能被视为极具吸引力的长期投资机会 [8] 制造能力进展与客户拓展 - 制造业务获得重要进展 赢得特斯拉作为首个客户 将采用其下一代14A制程技术 用于位于美国得克萨斯州奥斯汀的“Terafab”先进AI芯片制造项目 [7] - 分析人士指出 公司能否满足需求取决于其制造能力是否能够持续稳定扩张 以及是否会出现生产瓶颈或供应链问题 [6]

2026年第一季度核心业绩表现 - 营业收入约9.94亿元，同比增长49.35%，环比增长23.32%，创单季度历史新高 [2] - 归母净利润约2.2亿元，同比暴增330.29%，环比增长107.39%，创单季度历史新高 [2] - 扣非净利润约2.1亿元，同比激增426.7%，环比增长143.64% [2] - 整体毛利率达46.05%，同比提升12.77个百分点，环比提升9.9个百分点，创四年新高 [2] - 研发投入约2亿元，同比增长18.6%，研发投入率稳定在20.04% [2] 业绩增长核心驱动因素 - 行业风口：端边侧AI应用场景进入井喷式爆发初期，公司作为核心芯片供应商直接受益 [3] - 产品线爆发：机器人、车载两大高成长产品线出货量快速增长，实现价量齐扬 [3] - 经营管理：发挥规模效应与供应链优势，有效传导成本并优化产品与客户结构 [3] 端边侧AI战略与业务进展 - 已完成技术、产品、产能、生态的前置布局，在智能安防、舱内感知、L0-L2级智能驾驶、智能机器人等赛道实现规模化落地 [3][4] - 产品算力区间覆盖0.1T至1000T以上全梯度层级，实现感知识别、运动控制、决策一体化融合 [4] - 商业模式向“SoC主控芯片+大算力芯片+存储+硬件板卡+定制软件”的一体化解决方案转型 [4] - 重点深耕五大核心边缘场景：智能安防、智能车载、智能家居、具身智能（机器人）、企业级算力 [4] - 中长期战略目标是实现端边侧AI SoC领域全球领先 [5] 供应链、库存与现金流状况 - 一季度经营活动现金流出增加，系为应对原材料供应紧缺而主动加大采购、进行战略备货所致 [5] - 存货规模由9.3亿元增长至12.2亿元，以保障订单交付，库存水位处于与业务发展适配的健康区间 [6][7] - 公司原材料保供能力显著优于同业平均水平 [7] 各业务板块具体进展 - **机器人业务**：一季度芯片出货量保持百万量级规模，业务毛利率已修复至公司整体平均水平（约46.05%） [8] - **车载业务**：主激光雷达芯片已在国内一线自主品牌主力车型量产上车；舱内外视觉感知产品与多家Tier1及整车厂合作；高阶辅助驾驶领域已与国内头部方案商合作 [8] - **新产品规划**：下半年多款12nm新产品将逐步放量，机器人12nm小脑级别产品将优化市场份额 [7][8] 未来展望与风险提示 - 下游端边侧AI产业趋势明确，刚性需求充足，整体需求总量具备持续性保障 [7] - 公司业绩有望呈现逐季向好的态势 [3][7] - 以上涉及预测及规划的内容不构成公司承诺，请注意投资风险 [8]

美股期货及主要股指盘前表现 - 北京时间4月23日傍晚，美股期货全线下跌，道指期货跌0.6%，纳指期货和标普100期货均跌约0.5% [1] 大型科技股盘前表现 - 大型科技股盘前集体下跌，特斯拉跌超3%，谷歌、Meta、英伟达、亚马逊均跌近1% [2] - 特斯拉将2026年资本支出计划上调四分之一 [2] 软件及芯片股盘前表现 - 软件股盘前下跌，甲骨文跌超3%，微软下跌近2%，Adobe下跌2.1% [2] - IBM公布疲软业绩 [2] - 热门芯片股多数盘前下跌，闪迪跌超2%，美光科技、台积电跌超1.5%，西部数据跌超1%，希捷科技跌近1% [2] - 英特尔逆势上涨约1% [2] - 光通信热门股Lumentum跌近3%，康宁跌超2% [2] 中概汽车股及行业利润 - 中概汽车股盘前普遍下挫，小鹏汽车跌超5%，优品车跌3.7%，小马智行跌近2%，蔚来跌近1% [2] - 中国汽车流通协会数据显示，2025年中国汽车行业利润率为4.1%，2025年1至2月降至2.9%，低于下游工业企业5.8%的平均利润率 [2] - 汽车制造业利润面临“上游挤压下游”的问题 [2] 油气股及部分公司积极表现 - 油气股盘前普涨 [2] - 诺基亚美股盘前涨超12%，其第一季度调整后运营利润为2.81亿欧元，超出市场预期 [2] - 奈飞盘前涨幅扩大至1.6%，公司批准新增250亿美元股票回购计划 [2] 大宗商品市场动态 - 现货黄金跌至4685美元/盎司，日内跌幅1% [3] - 现货白银跌超4%，报76.5美元/盎司 [3] - 美油和布油价格涨约2%，布油价格涨破103美元/桶 [3] 加密货币市场动态 - 加密货币全线下跌，比特币跌1.66%报77263美元，以太坊跌超3%，SOL跌超2% [3] - 最近24小时内，全球共有11万人被爆仓 [3] 其他市场及行业线索 - 国际油价日内振幅超5% [5] - 恒生科技指数失守4900点，科网股和芯片股走低，零跑汽车跌8% [5] - 有机构观点认为科技板块被低估 [5]

报告投资评级 - 行业投资评级为“强于大市”，且维持该评级 [1] 报告核心观点 - AI应用大发展导致算力总体供不应求，国产AI芯片厂商迎来重要发展机遇 [1] - 2026年AI应用发展速度整体超预期，带来了整体算力产业供应链的紧张 [8] - 在海外芯片供给受限的背景下，国产AI芯片迎来性能和产能的双方面改善，有望持续受益于市场结构变化，并最终改善国内算力供给能力 [8] 行业数据总结 - **软件行业整体**：2026年1-2月软件业务收入2.15万亿元，同比增长11.7%，较2025年回落1.5个百分点；利润总额2693亿元，同比增长7.3% [13][16] - **软件出口**：2026年1-2月软件业务出口金额103.8亿美元，同比增长12.7%，较2025年增长5.0个百分点，出口加速趋势明显 [13][17] - **高景气赛道**： - IC设计：2026年1-2月同比增长15.7%，高于软件行业整体增速4.0个百分点 [19] - 嵌入式系统软件：2026年1-2月同比增长12.3%，较2025年提升3.0个百分点，高于行业平均增速0.6个百分点 [26] - 云计算+大数据服务：2026年1-2月同比增长11.4% [19] - **收入结构**：信息技术服务收入增速13.1%，高于软件业务整体增速1.4个百分点，占软件业务收入比重提升至67.2% [30] 国产化进展总结 - **集成电路进出口**：2026年前三个月，出口数量和金额分别同比增长13%和73%；出口集成电路金额占进口金额比例由2022年的37.1%提升至2026年前两个月的56.6% [8][39] - **AI芯片国产化率**：2025年下半年，中国AI芯片国产化比率从2025上半年的35%提升至46% [8][48] - **国产AI芯片厂商业绩**：2025年业务景气度持续提升，其中2家实现盈利 [8][50] - 寒武纪：2025年收入64.97亿元，同比增长453%，首次实现盈利，归母净利润20.59亿元 [50] - 海光信息：2025年收入和净利润规模分别为144亿元和25亿元 [50] - **海外市场拓展**：2026年国产AI芯片在加速发展过程中，有望开启向海外市场的拓展 [8] - **具体厂商进展**： - 华为：2026年3月发布搭载昇腾950PR的Atlas 350加速卡，算力为H20的2.87倍；昇腾384超节点累计出货超550套 [54][57] - 阿里巴巴：平头哥自研AI芯片已实现规模化量产，截至2026年2月累计交付47万片，年化营收过百亿 [54] - **鸿蒙系统**：鸿蒙5以上操作系统终端数量于2026年3月突破5000万 [62] 算力产业总结 - **全球服务器市场**：2025Q4全球市场规模1253亿美元，同比增长52.4%；非X86服务器同比增长146.7%，占比达44% [100] - **区域增速分化**：2025Q4美国服务器市场同比增速72.4%，而中国增速仅为17.7%，较2024Q4的93.3%明显下滑，主要源于缺芯因素 [8][103] - **国内市场与趋势**： - 加速服务器是增长引擎，IDC预计到2030年其在整体服务器市场占比将达到70%以上 [104] - 2025年中国服务器市场中，浪潮以31%份额居首 [109] - **超节点发展**： - 成为发展趋势，2026年随着移动集采大单落地和郑州6万卡超算集群的建设而加速 [8][119] - 中国移动2026-2027年AI超节点集采采购AI加速卡6208张，对应超节点776套，金额约20亿元 [121] - **智算规模**：2025年底中国智能算力规模达1590 EFLOPS，较2025年中的788 EFLOPS翻倍 [127] - **数据中心建设**：2026年行业算力建设速度有明显加快迹象，第三方数据中心厂商开启积极建设步伐 [8][128] - **液冷技术**：曙光数创发布全球首个MW级浸没式液冷整机柜，单机柜功率最高支持900kW，PUE可降至1.04以下 [122] AI应用与模型总结 - **模型能力**：目前国内模型在能力上主要集中在第二梯队，随着新模型发布，整体水平更加集中，性价比优势凸显 [8] - **应用需求爆发**：拉动算力价格持续上涨，模型厂商、云厂商发布多轮涨价通知 [8] - **具体数据表现**： - Anthropic年支出超100万美元的企业客户数从2026年2月的超500家增长到4月的超1000家 [8] - 2026年3月，豆包日均token使用量突破120万亿，季度环比增长140% [8] - **云业务增速**： - 全球：2025Q4，亚马逊AWS同比增长24%，微软Azure增长39%，谷歌云增长48% [134] - 中国：2025Q3中国云基础设施服务支出134亿美元，同比增长24%，连续5个季度增速回升 [140] - 阿里云AI相关产品收入连续10个月实现三位数增长 [140] 投资建议 - 建议关注有大规模智算中心交付计划的字节跳动数据中心核心供应商润泽科技（300442） [8] - 建议关注有产业链一体化优势同时持股优质企业的服务器厂商中科曙光（603019） [8] - 建议积极关注正在积极开展IPO的长鑫科技、芯和半导体、合见工软、超聚变、平头哥、智谱 [8]

SpaceX的GPU自主制造计划与Terafab项目 - 公司向美国证券交易委员会提交的S-1注册文件显示，计划将“自主GPU制造”列为重大资本支出项目，但未披露具体支出规模[1] - 公司计划生产自己的GPU，主要动因是芯片供应短缺限制了其潜在增长[2] - 该GPU制造计划与Terafab项目密切相关，Terafab是由SpaceX、其子公司xAI和特斯拉联合开发的先进AI芯片制造中心，选址于德克萨斯州奥斯汀[1] Terafab项目的目标与规划 - 项目年目标功耗将达到1太瓦（TW），这大约是目前全球人工智能计算年功耗的20倍[2] - 项目定位为面向汽车、人形机器人和太空数据中心的AI芯片制造中心[1] - Terafab芯片制造厂预计耗资250亿美元[6] - 特斯拉将负责Terafab的研究方面，首先投资30亿美元在德克萨斯州奥斯汀建造一座每月能生产“几千片晶圆”的研究型晶圆厂[6] - SpaceX将负责Terafab扩大规模的初始阶段[6] 制造合作伙伴与技术路径 - 公司计划在其Terafab工厂中使用英特尔最先进的14A工艺芯片制造技术[5] - 马斯克表示，考虑到Terafab扩大规模时，英特尔的14A技术可能已经相当成熟或可以投入使用[5] - 目前尚不清楚是由SpaceX、Terafab开发商还是合作伙伴英特尔负责技术制造阶段[2] - 英特尔将成为这个大型芯片制造项目的制造合作伙伴[5] 项目面临的挑战与风险 - GPU制造是芯片行业准入门槛最高的领域，行业巨头英伟达也将其生产外包给台积电等专业代工厂[1] - 实现GPU自主生产面临巨大挑战，市场主要有英伟达的通用GPU和谷歌的专用TPU两条路径[3] - 即使利用英特尔的14A工艺，其在良率和量产爬坡速度方面仍面临未知挑战[3] - 英特尔当前的18A工艺良率稳定性较差，公司正在努力降低晶圆间的良率波动，而作为后续工艺的14A工艺精度更高，目前正处于试生产阶段，其良率尚无法确定[3] - 对于仍处于持续亏损阶段的SpaceX而言，对自主研发GPU项目的投资风险极高[4] 项目的战略意图与行业影响 - 巴克莱银行分析师认为，该项目的目标不仅是扩大芯片产能，更是要实现芯片行业的垂直整合，在美国打造逻辑芯片、存储器和先进封装的国内闭环产业链[2] - 芯片将成为下一阶段增长的支柱，直接决定特斯拉的车辆端推理、机器人端推理以及数据中心训练/验证链能否扩展[2] - 除了Terafab，特斯拉还在投资其他与人工智能相关的项目，包括Optimus机器人和Cybercab无人出租车[6] - 公司预计将于今年夏季完成上市，估值达1.75万亿美元[1] 相关公司财务与运营背景 - 特斯拉在截至3月31日的三个月内公布营收为224亿美元，同比增长16%[6] - 特斯拉在2026年前三个月交付了358,023辆汽车，比2024年增长了6%，并从比亚迪手中夺回了电动汽车冠军宝座[7] - 同期，比亚迪的电动汽车交付量下降了近26%，至310,389辆[7] - 在相关消息影响下，英特尔股价在某个周三盘后交易中上涨超过3%，而特斯拉股价下跌不到1%[5]

英伟达H200对华销售现状与僵局分析 - 美国商务部长确认，尽管已批准有限出口，但英伟达尚未向中国企业出售任何其先进的H200 AI芯片 [1] - 销售僵局源于中美双方在销售条款上存在分歧，以及美国国家安全审查导致对华销售受阻 [1][2] - 英伟达要求购买H200芯片的中国客户预付全款，并设定了订单不可取消、不可退款、下单后不得修改配置的严苛条款 [2] 美方政策与中方的安全担忧 - 美国政府批准英伟达第二先进的AI芯片出口中国，但需满足严格的许可要求、第三方审查和最终用途限制 [1] - 美国立法者已指出潜在风险，包括要求芯片嵌入跟踪和验证功能，且某些芯片已具备此类功能 [2] - 中国国家互联网信息安全监管机构曾传唤英伟达，要求其解释H200芯片中潜在的“后门安全风险”并提供相关材料 [2] - 美国众议院一个委员会投票通过了《MATCH法案》，旨在填补出口管制漏洞，并向向中国芯片制造商供货的非美国供应商施压 [2] 市场反应与商业风险 - 市场对英伟达产品的安全性以及华盛顿反复无常的出口规则存在担忧 [1] - 分析人士指出，美国出口政策的不稳定性引发了不信任，是销售停滞的真正原因 [1] - 由于先进芯片采购周期长，加上预付款要求，如果付款后供应中断，中国企业可能面临重大经济损失，许多企业不愿承担这种风险 [1] - 英伟达警告称，美国设定的对华销售条件必须具有商业可行性，否则市场将继续转向外国替代品 [2] 产品与技术限制的影响 - 英伟达目前向中国供应的芯片只是降级版，无法满足中国企业可持续发展的需求 [2] - 任何供应中断都会使中国企业转向其他技术路线的成本极其高昂，并可能导致错失竞争良机 [2] - 美国的限制措施在短期内制约了中国获取尖端硬件或设备，但从长远来看，却强化了自主创新的动力 [3] 中国半导体产业进展与市场前景 - 中国企业在芯片设计、架构和设备等关键领域取得了显著进展，软件生态系统也在通过实际应用快速发展 [3] - 中国一直倡导通过开放实现互利共赢的合作，只要产品安全可靠，仍然欢迎包括英伟达在内的美国企业参与中国市场 [4] - 英伟达的中国业务历来是其重要增长动力，其首席执行官黄仁勋曾多次警告失去中国市场的代价 [3] - 黄仁勋表示，如果未来的人工智能模型以与美国技术栈截然不同的方式进行优化，并且随着AI以中国标准传播，中国将超越美国 [3] 中方的官方立场 - 中国外交部发言人表示，中方坚决反对美方过度延伸国家安全概念、滥用出口管制 [4] - 中方认为美方做法严重扰乱国际经贸秩序，破坏全球产业链供应链稳定，损害各国利益 [4]

合作概述 - 奇瑞汽车与英伟达于4月23日宣布达成全球战略合作 [1] - 双方将在辅助驾驶、座舱AI、机器人三大领域共同开发并布局物理AI [1] 自动驾驶领域合作 - 奇瑞汽车将为中国市场的L3/L4级智能汽车，采用英伟达DRIVE Hyperion平台 [1] 智能座舱领域合作 - 奇瑞汽车将基于NVIDIA DRIVE开发新一代智能体验 [1] 具身智能与机器人领域合作 - 在具身智能等其他前沿领域，奇瑞汽车将基于英伟达Jetson平台的人形机器人和多元化智能机器人平台进行开发 [1] - 将采用开放机器人仿真框架NVIDIA Isaac Sim以及开放人形机器人开发平台NVIDIA Isaac GR00T，探索具身智能新领域 [1]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 报告基于宏观方法和动量指标构建了宏观行业组合、宏观+动量行业组合、核心 - 卫星组合和三位一体风格轮动 ETF 组合等 4 个 ETF 组合并每月调仓，探讨不同市场环境下的 ETF 配置策略 [1][4] - 目前经济前瞻指标回落、流动性偏松、信用指标偏紧，投资组合整体偏向 TMT、创新药 [1][11] - 尝试将宏观与动量方法结合，以弥补宏观类配置策略偏左侧、胜率偏低的不足 [1][15] - 设计以沪深 300 为底仓的“核心 - 卫星”组合，降低行业主题 ETF 波动大、收益难把握的问题 [1][21] - 构建以宏观流动性为核心的中长期风格轮动模型，综合三类模型结果得到风格偏好 [1][5] 根据相关目录分别进行总结 1. ETF 组合构建方法 - 基于宏观方法的 ETF 组合构建：根据经济、流动性、信用三个维度的宏观变量，对宽基、行业主题、Smart Beta 三大类 ETF 跟踪指数计算宏观敏感性，加入动量指标互补，构建 3 个 ETF 组合并每月调仓 [4] - 三位一体风格轮动 ETF 组合构建：以宏观流动性为核心构建中长期风格轮动模型，综合成长/价值轮动、市值、质量三类模型结果，筛选目标风格暴露多的 ETF 进行配置 [5] 2. 宏观行业组合 - 筛选成立时间 1 年以上、当期规模 2 亿以上的行业主题 ETF 跟踪指数，计算经济、流动性、信用敏感性得分并加总，取排名前 6 的指数对应规模最大的 ETF 等权配置 [6][7] - 目前经济前瞻指标回落、流动性偏松、信用指标偏紧，组合偏向 TMT、创新药，4 月持仓包括广发中证香港创新药 ETF 等 6 只 ETF [11] - 组合波动较大，3 月超额小幅回撤 [14] 3. 宏观 + 动量行业组合 - 将宏观与动量方法结合，动量方法先将行业主题分组，每组选过去 6 个月涨幅最高的 1 只产品等权配置，两种方法筛选结果直接合并 [15] - 4 月持仓包括华夏中证电网设备主题 ETF 等 12 只 ETF，动量选中的行业中周期占比降低，成长行业增加 [18] - 3 月回撤大于宏观行业组合，说明动量部分有所衰减 [19] 4. 核心 - 卫星组合 - 以沪深 300 为底仓，使用宏观敏感性测算方法构建宽基、行业、Smart Beta 3 个股票组合，按 50%、30%、20%的权重加权得到最终组合 [21] - 4 月持仓包括华夏中证电网设备主题 ETF 等多只 ETF，本期配置宽基偏向科创、创业板 [24][26] - 组合表现稳健，但上月有所回撤 [26] 5. 三位一体风格轮动 ETF 组合 - 模型本期偏向小盘成长 + 高质量，展示了因子暴露与历史表现 [27][28] - 4 月持仓包括华泰柏瑞中证光伏产业 ETF 等多只 ETF [33]

谷歌第8代TPU产品发布与核心观点 - 文章核心观点认为谷歌第8代TPU (TPU v8) 被市场低估，其专为Agent时代打造，通过“训推分离”的彻底硬件方案、显著的能效提升以及全栈协同优化，为AI智能体的大规模落地提供了变革性的硬件基础，并已获得资本市场的初步认可 [1][2][6][7][11][44] 产品战略与架构设计 - 公司在“训推分离”道路上比竞争对手走得更彻底，直接推出了物理上完全不同的两款芯片：面向训练的TPU 8t和面向推理的TPU 8i [3][16] - 采取此战略的原因是智能体时代对训练（要求“快”）和推理（要求“稳”）的延迟与吞吐要求截然不同，实践表明一块芯片无法同时做好两件事 [24][25] - 第8代TPU由谷歌大模型Gemini参与共同设计 (Co-designed) [14][15] TPU 8t (训练芯片) 性能规格 - 整体计算性能是上一代Ironwood的近三倍，能将模型训练周期从数月缩短至数周 [8] - 单个超级芯片组 (Pod) 规模扩展至9,600个芯片，配备2PB共享高带宽内存，芯片间双向扩展带宽 (Bidirectional scale-up bandwidth) 从9.6 Tb/s 提升至19.2 Tb/s [21][22] - 总算力达到121 ExaFlops (FP4)，相比上一代Ironwood的42.5 ExaFlops有巨大提升 [21] - 存储访问速度提升10倍，配合TPUDirect数据直连提升利用率 [22] - 基于Virgo网络、JAX和Pathways实现近乎线性扩展，单一逻辑集群可延伸至百万级芯片规模 [22] - 通过实时遥测、自动故障链路绕过 (ICI) 和光路交换 (OCS) 等机制，在超大规模下有效吞吐目标最高可达97% [22] TPU 8i (推理芯片) 性能规格 - 在成本不变的情况下，服务能力接近翻倍，每美元性能提升约80% [8][23] - 单个Pod规模从256个芯片大幅扩展至1,152个芯片 [24] - 总算力达到11.6 ExaFlops (FP8)，相比上一代Ironwood的1.2 ExaFlops有显著提升 [24] - 每个Pod的总高带宽内存 (HBM) 容量从49.2TB提升至331.8TB [24] - 芯片间双向扩展带宽同样从9.6 Tb/s 翻倍至19.2 Tb/s [24] - 公司为降低延迟，几乎从底层重做了整套推理栈 [23] 能效与散热技术 - 采用第四代液冷技术，第8代TPU的每瓦性能比上一代Ironwood提升了近两倍 [5][40] - 优化范围从芯片本身扩展到整条链路，包括CPU、TPU、网络及整个数据中心，全部围绕“省电”重做 [33] - 将网络连接直接集成进计算芯片，减少节点间数据搬运以节省能耗 [34] - 配合统一的电源管理，根据实时负载动态调功，优先分配电力给最关键的计算环节 [36] - 数据中心与TPU协同设计，供电、调度、散热全部重新打磨，配合液冷技术支撑更高功率密度 [37][38] - 在数据中心层面，单位电力能提供的算力在过去五年已提升6倍 [41] 全栈协同与系统优化 - 首次与谷歌自研的CPU (Axion) 搭档，可按AI任务需求定制CPU与TPU的配合方式，榨干每瓦电性能 [29][30] - 内存方面，将288GB高带宽内存和384MB片上SRAM塞进芯片，片上SRAM容量是上一代的3倍，以缓解“内存墙”问题 [31] - 系统效率方面，引入自研Axion CPU架构，将每台服务器的CPU主机数量翻倍，并通过NUMA进行隔离优化 [31] - 针对主流MoE混合专家模型，将互连带宽提升至19.2 Tb/s，并用新的Boardfly架构将网络“路径长度”砍掉一半以上 [31] - 新增片上集体加速引擎 (CAE)，将原本需跨芯片的全局操作移至芯片内部，使整体延迟最高可降低至原来的1/5 [31] 开发者支持与生态 - 公司将全栈能力打包提供给开发者，TPU 8t和8i原生支持PyTorch、JAX、vLLM等主流框架，同时提供裸机访问 [42] - 配合MaxText、Tunix等开源工具，进一步打通从模型训练到上线部署的路径 [43] 市场反应与竞争背景 - 第8代TPU发布后，其母公司Alphabet股价盘中最高涨幅达2.2%，显示出资本市场的初步认可 [11] - 预计两款芯片将在今年晚些时候正式上市 [13] - 文章提及英伟达首席执行官黄仁勋认为TPU没有威胁，因其专注于特定赛道，而英伟达提供覆盖AI、数据处理、科学计算等全场景的加速计算体系 (如CUDA生态) [48][49][50] - 随着AI吞噬越来越多算力需求，TPU的重要性正在被重新评估 [52]

**市场传闻与澄清** - 市场传闻中信证券消费行业分析师“张明远”在朋友圈发文，表示将转行关注CPO（光模块）领域，引发市场热议 [1] - 中信证券官方客服澄清，公司没有名为“张明远”的工作人员，该传闻为谣言 [3] **光模块（CPO）市场行情** - 光模块（CPO）板块近期行情表现强劲，截至4月23日收盘，年内CPO指数已上涨近70% [3] - 该板块在4月份内涨幅超过40% [3] **其他市场动态** - 恒生科技指数失守4900点，科技网络股与芯片股股价走低 [6] - 零跑汽车股价下跌8% [6] - 有机构观点认为科技板块当前估值被低估 [6] - 爱奇艺市值在过去8年间蒸发97% [6]