支撑这一野心的是一份新提交的"Tan PSU Award"高管激励计划。该方案的核心条款是，若博通在2030财年 （FY2030）前实现特定的AI收入门槛，CEO陈福阳将获得相应奖励。 这也意味着陈福阳的薪酬与AI收入强绑 定。 芯片巨头博通正将人工智能置于其战略版图的核心。 博通CEO陈福阳预计，公司AI相关收入预计在两年内将超过软件和非AI业务收入的总和。同时，其设定了到 2030财年AI收入最高达到1200亿美元的目标，并与CEO薪酬直接挂钩。他指出，未来AI芯片市场将出现分化 ——大型云服务商将主导定制化ASIC芯片的应用，而广大企业级客户将继续依赖通用GPU。 据高盛9月9日发布的会议纪要报告，公司总裁兼CEO陈福阳（Hock E. Tan）在近日举行的高盛Communacopia + 科技大会上明确表示，满足特定客户的AI计算需求是公司的首要任务，并预计在未来两年内，公司的AI相关收 入将超过软件及其他非AI业务收入的总和。 AI收入激增：两年内或成绝对支柱，2030剑指1200亿 报告中最引人注目的信息，莫过于陈福阳对AI收入的激进预测。他明确表示， 满足少数核心客户的AI计算需求 是公司的首要 ...

全球市场与美联储政策影响 - 美联储鸽派表态明确9月降息预期 推动全球股市上涨 日本涨0.7% 韩国涨1% 澳洲涨0.3% [1] - 港股大幅上涨 恒生指数涨2%创4年新高 恒生科技指数涨3%突破7月高点 距3月高点差6% [1] - 中概股上周五涨3.8%创4年新高 与亚太市场形成联动走势 [1] A股市场表现 - 上证指数涨0.86%报3879.85点 深证成指涨1.61%报12361.36点 创业板指涨2.22%报2741.98点 [2] - 市场情绪活跃 上涨家数2750家 涨停60家 下跌家数2235家 跌停1家 涨停炸板率36.17% [2] - 全天成交额放大至3.4万亿 但涨停仅70余家 跌停7家 主力资金净流出350亿 [7] 领涨板块分析 - 稀土板块强势上涨 因进口稀土矿纳入管控 中国掌握稀土冶炼核心技术 [3] - 镨钕 稀土磁材 有色钨 液态金属 有色铜等大宗商品板块走强 受美联储降息预期推动 [3] - 芯片产业链持续强势 英伟达推出以太网及B30取代H20消息刺激 CPO 光通信 液冷服务器 制冷剂等细分领域上涨 [3] - 房地产板块走强 万科涨停 上半年营收1053亿 2027年无境外公开债 通过向大股东深圳地铁借债解决债务问题 [4] - 万通发展 荣盛发展 金地集团等多只地产股涨停 [4] - 白酒板块表现强劲 多只个股涨停 与科技股形成跷跷板效应 业绩利空已被超跌股价消化 [10] - 多模态概念异动 中文在线涨停 因AI技术可降低网络文学版权转化成本 [4] 领跌板块分析 - 两轮车 纺织服装 消防化妆品 水产养殖 冰雪产业等板块小幅下跌 [5] - 草铵膦 酚酞尼等概念跌幅较小 影响有限 [5] - 汽车整车板块领跌 行业竞争激烈 [5] - 纺织服装走弱与人民币升值影响出口有关 [5] 市场风格与轮动 - 本轮行情自4月7日启动持续90多天 上证指数从3040点涨至3825点 涨幅近800点 [8] - 行情以指数上涨为主 科技板块涨幅明显 其他板块轮动上涨 非普涨行情 [8] - 市场风格出现切换迹象 从科技股向白酒等低位价值板块轮动 [10] - 白酒消费板块与科技指数呈现明显跷跷板效应 科技股冲高回落时消费股走强 [10] 投资策略观察 - 市场量能放大但赚钱效应集中 需警惕追高风险 [7] - 超跌板块如煤炭 光伏可能存在修复机会 [4] - 房地产中介服务板块有所冲高但涨幅有限 无涨停个股 [4] - 体育产业虽有政策利好但板块未现活跃 [5]

核心观点 - AI网络技术路线中以太网与InfiniBand的竞争格局已基本明确 以太网将在AI训练和推理场景中胜出 主要基于成本优势、生态兼容性和规模化部署能力[6][8][22][23] - 当前AI网络市场仍由InfiniBand主导 主要受英伟达服务器市占率超过70%的影响 但存在设备成本高和供应链依赖问题[8][14] - 超以太网联盟(UEC)已成立 目标是通过优化传统以太网性能 在AI领域与InfiniBand直接竞争 创始成员包括英特尔、AMD、博通、思科、微软、Meta等头部厂商[8] AI网络技术选型关键问题 - 部署选择：需考虑是否在现有TCP/IP网络上搭建 或建设专用高性能网络[9] - 技术路线：InfiniBand与RoCE v2的取舍 涉及带宽、时延、成本等多维度比较[9][12] - 运维管理：网络故障诊断与恢复机制[9] - 多租户能力：需同时满足内部研发和对外算力服务需求[9] 网络性能需求背景 - 大模型参数量已达百亿至千亿级 自动驾驶单次训练数据规模常达PB级[10] - GPT-3量级模型需要约2TB GPU显存 必须采用分布式训练将训练时间从三十年压缩至数周[10] - 分布式系统效率瓶颈在于通信时延 单步训练时延=GPU计算时间+通信时间[10] RDMA技术对比 - 主流技术路线收敛至InfiniBand和RoCE v2 RoCEv1和iWARP已基本退出市场[12] - RoCEv2通过UDP/IP封装实现三层可达 支持ECMP负载均衡 更适合复杂拓扑[12] - 延迟表现：实验室环境下 RoCE约5µs InfiniBand约2µs 显著优于传统TCP/IP的50µs[12] InfiniBand技术特征 - 典型组网：子网管理器(SM)+IB网卡+交换机+专用线缆/光模块[13] - 端口速率：HDR 200Gbps已商用 NDR 400Gbps正在落地 Quantum-2交换机支持64×400G连接[13] - 核心优势：原生无损传输(基于credit流控)和自适应路由能力[14][15] - 市场格局：英伟达市占率超70% 但Intel、Cisco、HPE等也有相关产品[14] RoCE v2技术特征 - 组网架构：标准以太网数据中心网络+支持RoCE的NIC和交换机[15] - 端口速率：50Gbps起步 商用产品已支持400Gbps[15] - 生态优势：沿用现有以太网布线标准 光模块体系兼容性强[15] - 工程挑战：需精细调优PFC、ECN等参数才能实现大规模无损传输[15] 直接性能对比 InfiniBand优势 - 带宽/速率高：专注端口速率快速提升[20] - 传输时延低：单跳转发时延<100ns[20] - 在网计算能力：交换机可理解业务报文[20] - 无损传输：基于credit的链路级流控[20] 以太网优势 - 线缆带宽和端口速度优于InfiniBand[21] - 大集群组网仅需两层结构 规模可达InfiniBand的4倍[21] - 动态负载平衡、端到端拥塞管理等特性更完善[21] - 整体功耗更低 交换机数量少3倍[21] 应用场景趋势 - 推理场景：以太网更适配 因其与前端网络兼容性好 且支持多租户[22][23] - 训练场景：InfiniBand当前占优 但以太网通过RoCE v2正在追赶[8][15] - 成本因素：以太网部署成本显著低于InfiniBand[21][23]

加速器市场格局与Scale Up趋势 - 加速器市场分为商用市场（NVIDIA、AMD、Intel及初创企业）与定制市场（谷歌TPU、亚马逊Tranium、Meta MTIA等超大规模厂商自研芯片），定制加速器市场规模将与GPU市场持平但营收仍向GPU厂商倾斜 [3] - Scale Up网络正从小众走向主流，2025Q2营收首次突破10亿美元，未来将成为网络主流，定制加速器倾向于兼容以太网，NVIDIA则以NVLink为核心 [3] - AI网络从x86时代"单网络"发展为"双网络"，当前处于多网络拓扑并存阶段，但最终可能收敛至1-2种，以太网被普遍认为是长期主流 [4] 技术路线竞争与演进 - Scale Out中以太网与InfiniBand的竞争已明确以太网胜出，Scale Up中NVLink与以太网竞争形成，NVLink短期占优但以太网将逐步扩大份额并成为主流 [5] - PCIe、UA Link等技术受限于规模与生态难以撼动以太网地位 [6] - Scale Up发展将经历三个阶段：单机架域依赖铜缆→多机架解决方案→硅光子学实现超大带宽扩展，市场规模存在显著上修空间（NVIDIA相关收入从1亿到10亿美元仅用一个季度） [7] Scale Up技术定义与性能 - Scale Up核心是GPU间缓存一致性网络，提供远高于Scale Out的带宽（Scale Out仅为其1/10），目前局限于单服务器或单机架但未来将扩展至多机架，长期市场规模有望超过Scale Out [8] - Scale Up与Scale Out存在显著代差：Broadcom产品中Scale Up延迟约250ns仅为Scale Out（600-700ns）的1/3，NVLink在速度与延迟上最优，以太网次之 [9] - Scale Up以太网产品价格预计为Scale Out的2-2.5倍（Scale Up sled约2.5万美元 vs Scale Out Tomahawk 5类产品6000-1万美元） [9] 厂商技术路径与市场潜力 - NVIDIA以NVLink为核心但长期将融入以太网生态，AMD押注UA Link但多机架扩展能力可能落后，超大规模厂商自研芯片未来将向以太网收敛 [13] - 当前AI网络Scale Up总潜在市场规模约600-700亿美元且可能上修至1000亿美元，以太网相关厂商（Broadcom、Cisco、Marvell等芯片厂商及Arista、Celestica等设备厂商）将成为主要受益者 [12] - Scale Up交换机长期将从独立设备转向嵌入机架，白盒设备因需兼容多厂商芯片复杂度提升可能呈现多厂商共存格局 [13]

人形机器人行业现状 - 人形机器人因宇树机器人在春晚表演"扭秧歌"引发广泛关注，区别于传统机器人，其双足直立行走能力和具身智能技术提升市场期望[1] - 行业仍处早期发展阶段，硬件层面需突破芯片技术瓶颈以解决潜在问题[1] 人形机器人与智能汽车的类比 - ADI专家指出人形机器人在感知系统、高算力芯片、执行器和电源管理等方面与智能汽车高度相似[2] - 核心差异在于形态设计、器件可靠性要求及执行功能复杂度，尤其是"灵巧手"需实现多关节灵活抓取与力度控制[2] ADI的技术布局与解决方案 - 提供传感器、GMSL/以太网连接系统、电机控制模组、振动监测、60Ghz通信模块等全系列产品[5] - GMSL技术累计传输超20万亿公里（2光年），支持单通道传输视频/音频/控制/数据/电源，适配工业及消费电子领域[9] - 自研GMSL芯片(MAX96717/MAX96724)和千兆以太网收发器ADIN1300优化机器人内部连接[10] 关键子系统创新 - 隔离器件ADuM3165/ADuM3166支持动态USB 2.0速率，ADN4622+MAX4950A组合保障抗噪数据传输[11] - 机械臂关节控制方案ADMT4000实现±0.25°精度，支持46圈(16,560°)无源多圈记忆，无需电池[12][14] 灵巧手技术挑战 - 灵巧手需集成更多传感器与AI算法，同时简化内部连接结构，是产业链重点攻关方向[15] - ADI在传感、连接、控制、执行四大领域持续布局以应对需求[17]