文章核心观点 - 人类正处于由人工智能（AI）驱动的认知范式革命之中，其深度堪比哥白尼的“日心说”对“地心说”的颠覆 [5] - 这场革命由五大互相关联的范式转变构成，它们共同重塑了我们对计算、智能以及AI未来发展的理解 [6] 自然计算 - 计算是一种自然现象，早在人类制造计算机之前就已存在于自然界，这一认知将推动计算机科学、AI、物理学和生物学的革新 [6] - 约翰·冯·诺依曼在1951年就发现了计算与生物学的深刻联系，证明了生命本质上是“计算性”的，DNA即是生命的代码 [13][14] - 艾伦·图灵在理论生物学领域做出开创性贡献，描述了组织如何通过感知和释放化学信号（形态发生素）进行生长和分化，这是一种强大的模拟计算形式 [16] - 谷歌“智能范式”团队的实验表明，在一个模拟的玩具宇宙中，可以从随机字符串“汤”中自发涌现出能够自我复制的最简单“人工生命”形式 [18] - 生命的复杂性通过自愈或繁殖能力得以持续存在，进化通过“多级选择”机制，使现有部分反复组合，形成越来越庞大复杂的实体，人类智能即源于约860亿个神经元的协同运算 [22][23] 神经计算 - 计算机科学的先驱们早已认识到大脑本质上是计算机，早期计算机的逻辑门即被构想为人工神经元 [25] - 传统AI（GOFAI）试图通过编写精确程序来复制智能，但最终失败，导致神经科学与计算机科学分道扬镳 [26][27] - “联结主义”学派拥抱机器学习，让神经网络从经验中学习，但20世纪基于二进制和串行执行的经典计算范式与神经计算并不契合 [28][29][30] - 大脑拥有约860亿个神经元，运行缓慢但高度并行且节能，而传统计算机模拟神经计算效率低下 [32][33] - 未来的神经计算范式将出现，其芯片可能包含数百万计像神经元一样并行工作的处理节点，计算由分布存储的数十亿参数决定，并能从经验中学习，实现分散且稳健的计算 [34][35] 预测智能 - 大语言模型（LLM）仅通过预测下一个词元就展现出惊人的通用智能，这一发现具有划时代意义 [36] - “预测性大脑假说”认为大脑进化是为了不断建模和预测未来，智能建立在不断演进的知识和对未来的统计建模之上 [10][38] - 未来的AI模型将演变为自我构建的系统，通过经验动态生长发展，并消除训练与推理（运行）之间的界限，实现持续、开放式的学习 [10][40] - LLM作为强大的通用预测器，不仅能处理语言，还能彻底变革机器人技术，驱动从自动驾驶汽车到人形机器人的各种形态 [42] - 拥抱预测处理范式，将规划、行动和预测统一起来，有望改进AI技术，并为机器学习、神经科学和理论生物学建立统一的理论基础 [43] 通用智能 - 关于AI是否具备真正智能的争论，功能主义的视角更为重要：关注系统实现的目的和功能，而非其具体实现方式 [48][49] - 当前的AI模型已经能够完成一系列广泛且不断增长的认知任务，其技能广度已超越任何单个人类个体 [10][53] - 衡量AI性能的标准已悄然从“任何个体”转变为“全人类”，当前单个人类的“通用性”已低于AI模型 [53] - 实现AGI（通用人工智能）的关键在于“无监督训练”，即在不规定具体任务的情况下进行通用学习，使模型获得广泛能力 [54] - AGI可能没有一个明确的跨越界限，或者这个界限已经被跨越，如今的LLM若展示给2002年的AI研究人员，会被认为是AGI [48][53] 集体智能 - 智能本质上是社会性的，“社会智力假说”认为人类智能的爆发源于社会性反馈循环和心智理论的发展 [10][56] - 人类通过认知分工组成了一个“超级生命体”，其智慧是集体性的，LLM通过训练大量人类集体成果，已在知识广度和平均深度上远超任何单个个体 [62] - 大脑皮层是一个模块化的“社区”，由运行通用学习算法的专门化区域组成，智能可被理解为一种“社会性分形” [64][65][66] - AI模型也遵循“规模法则”，更大的模型更聪明，并通过“专家混合模型”或“涌现模块化”实现内部的认知分工 [67] - AI发展的前沿正从单一的、权重冻结的基础模型，向具备高度自主性、能与其他智能体互动协作、并具备长期记忆和持续学习能力的形态演进 [68][69] - 智能的社会视角为AI工程和哲学问题（如意识）提供了新视角，LLM在心智理论测试中表现与人类不相上下，因其训练数据本就包含大量此类任务 [70]

英伟达对头部AI初创公司投资策略的重大转变 - 英伟达首席执行官黄仁勋明确表示，公司近期对OpenAI的300亿美元投资“可能是最后一笔”[1] - 此举标志着双方去年9月宣布的千亿美元基础设施合作计划发生重大转折，核心原因是OpenAI正筹备首次公开募股[1] - 黄仁勋坦言，原计划在未来几年内向OpenAI总投资高达1000亿美元的目标，实现可能性已变得“微乎其微”[2] OpenAI上市进程对合作的影响 - OpenAI启动上市程序，其资本结构和融资策略将发生根本变化，使得英伟达难以继续以私募股权投资者身份进行大规模注资[2] - 英伟达对OpenAI的300亿美元投资，是OpenAI总额1100亿美元融资计划的重要组成部分，该计划还包括亚马逊承诺的500亿美元及软银的300亿美元投资[2] - 作为投资交换，OpenAI获得了在英伟达Vera Rubin系统上专用的3吉瓦推理能力和2吉瓦训练能力，用于支撑其人工智能数据中心需求[2] - 英伟达在2月份的监管文件中已强调，“无法保证”最终能达成与OpenAI完整的投资与合作协议[2] 英伟达对Anthropic的投资同样接近尾声 - 黄仁勋透露，英伟达对另一家AI巨头Anthropic的100亿美元投资也很可能是“最后一笔”[3] - Anthropic同样计划在2026年上市，尽管公司官方尚未最终确认IPO决定[3] - 黄仁勋感慨，这可能是英伟达最后一次有机会“投资像这样具有重大意义的公司”[3] 人工智能行业需求与竞争格局的演变 - 人工智能行业需求正从模型“训练”加速向“推理”转移，推理是指让AI模型快速响应用户查询的过程，对芯片能效和延迟提出新要求[4] - 英伟达正在开发专门针对推理任务优化的新芯片，OpenAI有望成为其最大客户之一[4] - OpenAI在2月宣布采购大量英伟达的“专用推理能力”，同时也加大了对亚马逊推理优化芯片及谷歌张量处理单元的投入，显示出供应链多元化策略[4] - 随着头部AI初创公司走向公开市场，英伟达作为芯片供应商与战略投资者的双重角色将面临重新定义[3]

行业竞争格局预测 - ARK Invest预测到2030年定制人工智能芯片将在计算市场中占据超过三分之一的份额[1] - 英伟达在未来数年所面临的竞争将愈发激烈[1] 主要市场参与者动态 - 谷歌继续将其张量处理单元定位为英伟达GPU的替代品[1] - Meta公司已同意租赁谷歌的TPU用于高级人工智能开发[1]

谷歌与Meta的AI芯片交易 - Meta Platforms已签署协议，将租用谷歌的TPU来开发新的人工智能模型，这是一项为期多年、价值数十亿美元的交易[2] - 谷歌还在与Meta洽谈最早于明年为其数据中心购买TPU的事宜[2] - 该交易对谷歌而言是一场胜利，有助于其打造价值数十亿美元的TPU销售业务，并对主导AI芯片市场的英伟达构成威胁[2] 谷歌拓展TPU业务的战略举措 - 谷歌与一家未具名的大型投资公司签署协议，共同出资成立合资企业，旨在将TPU租赁给其他客户[2] - 谷歌正与其他投资机构洽谈，为更多此类合资项目筹措资金[2] - 谷歌正在探索多种方式将TPU交付到客户手中，包括与私募股权公司洽谈成立合资企业，由合资企业购买TPU后租赁给AI客户[3] - 这些合资企业还可能开展云业务并负责TPU的运维工作[4] - 谷歌已与一家大型投资机构签署至少一份条款清单，并由一个由谷歌云资深专家领导的小型团队主导TPU融资工作[4] - 谷歌的企业发展团队计划为特殊目的实体筹集资金，用以收购TPU并租赁给客户，TPU可能被用作债务抵押品[4] 谷歌面临的挑战与平衡策略 - 谷歌管理TPU业务扩张面临挑战，其谷歌云部门同时是英伟达GPU的最大客户之一，为保持云服务市场竞争力，仍需持续获取英伟达最新芯片[5] - 谷歌自身AI团队开发Gemini同样依赖TPU，必须确保获得充足的芯片供应以应对竞争[5] - 台积电同时生产TPU和英伟达GPU，意味着两种芯片在其工厂内争夺产能[5] - 谷歌去年开始向部分客户推广在其自有数据中心部署TPU的方案，推广策略之一在于强调TPU的成本优势低于昂贵的英伟达芯片[5] 行业竞争格局与客户动态 - 谷歌与Meta达成协议的消息，是在英伟达宣布与Meta达成新协议几天后传出的，Meta当时表示未来几年将为其数据中心采购数百万块GPU[3] - 谷歌云部门的一些负责人曾在内部建议，大力拓展TPU业务可能帮助公司夺取英伟达约10%的年收入——过去12个月英伟达的年收入约为2000亿美元[3] - 部分云服务提供商和客户去年难以按所需规模部署并运行英伟达最新的Blackwell AI芯片，部分原因在于硬件相关的技术故障及其他复杂问题[6] - Meta等公司长期以来一直在寻求英伟达的替代方案，以避免受制于单一供应商[6] - Meta本周宣布了一项大规模协议，将从超微半导体采购AI芯片，但主要将这些芯片用于运行其现有AI模型（推理），而非用于训练新模型[6] - Meta计划使用TPU进行AI培训值得关注，因为大多数分析师曾怀疑任何公司能否在培训技术上与英伟达竞争[6] - Meta也在继续开发自家的AI推理芯片，以节省成本并减少对英伟达芯片的依赖[7] TPU的其他重要客户与英伟达的反制 - Meta并非TPU的首个大型客户，去年Anthropic已同意花费约200亿美元向博通购买TPU，博通与谷歌联合设计该芯片，并监督台积电的生产[7] - Anthropic计划将这些芯片用于非谷歌运营的数据中心[7] - 多年来，Anthropic一直使用TPU来开发和运行其Claude人工智能，谷歌已向这家初创公司投资了数十亿美元[8] - 英伟达首席执行官黄仁勋注意到，谷歌和Anthropic打造的两个全球顶尖AI模型，其开发过程完全或部分使用了谷歌制造的AI服务器芯片[8] - 英伟达迅速采取行动，吸引现有和潜在的TPU客户大量采购其GPU，例如投资了Anthropic并获得了其使用芯片的承诺，还曾讨论向OpenAI进行300亿美元的股权投资[8] - 英伟达在AI服务器芯片市场的统治地位已使其成为全球市值最高的公司，估值达4.8万亿美元[9]

文章核心观点 - 由于谷歌人工智能芯片TPU的强劲需求，高带宽内存供应链进入新阶段，谷歌预计将成为HBM市场仅次于英伟达的关键需求方，并可能占据超过30%的市场份额，这推动了ASIC市场的结构性增长，并加剧了三星电子与SK海力士之间的竞争 [2] - 加速器需求来源的多元化，例如AMD与Meta签订大规模AI加速器合同，将进一步拓宽HBM的需求基础，增强韩国存储制造商的议价能力 [3][4] 谷歌TPU需求与HBM市场影响 - 美国银行将谷歌2024年TPU出货量预测从400万颗上调至460万颗，这大约是此前预测的2025年230万颗的两倍 [2] - 半导体行业内外有观点指出，谷歌今年在HBM市场的份额可能超过30% [2] - 谷歌在其第七代TPU“Ironwood”中搭载了HBM3E，预计从下一代产品开始将采用HBM4和HBM4E，甚至有预测称谷歌可能跳过HBM4直接采用HBM4E [3] ASIC市场的结构性增长 - 专用集成电路市场正在实现结构性增长，针对特定任务优化的ASIC未来可能占据可观的市场份额 [2] - 对于大型科技公司，使用针对特定任务优化的ASIC而非通用GPU，可以同时提高数据中心运营的能效并降低成本结构 [2] HBM供应链竞争格局 - 三星电子和SK海力士都在向谷歌供应HBM3E，并力求在HBM4及之后的市场保持供应链主导地位 [3] - 就HBM4而言，三星电子已正式宣布出货，而SK海力士已开始量产HBM4，并正与主要客户持续进行优化 [3] - 谷歌可能跳过HBM4直接采用HBM4E的策略，可能会进一步加速三星电子和SK海力士的HBM4E研发进程 [3] 加速器需求多元化 - AMD宣布已签署合同，为Meta的下一代AI基础设施建设提供6GW规模的AI加速器，合同规模约为1000亿美元，期限为5年 [3] - 自2023年下半年以来，三星电子一直向AMD旗舰级AI加速器MI350系列供应12层HBM3E产品 [4] - 加速器供应来源的多元化将使HBM的需求来源更加广泛 [4] 对韩国存储行业的影响 - HBM需求来源多元化对存储器行业是利好消息 [5] - 鉴于韩国公司在技术和生产能力方面的优势，它们很可能在未来的ASIC市场中抢占先机 [5]

文章核心观点 - 英伟达在科技股普遍下跌的背景下表现突出，其即将公布的财报及未来的业绩前景是市场关注的焦点，华尔街普遍看好其受益于超大规模云厂商激增的AI资本开支，但投资者也对其市场主导地位的可持续性、竞争格局及成本压力存在疑虑 [2][4][5] 公司业绩与市场表现 - 在八家市值超1万亿美元的美国科技公司中，仅英伟达股价在2026年年初至今录得上涨，涨幅为3.4% [2] - 公司即将公布第四财季财报，FactSet共识预期为经调整后每股收益1.54美元、营收661亿美元 [2] - 对于整个财年，分析师预计公司营收将达到2138亿美元 [2] - 市场预期公司第一财季营收为729亿美元 [2] - 公司约90%的收入来自数据中心业务 [4] - 公司首席执行官黄仁勋在去年10月透露，过去四个季度已出货600万颗Blackwell GPU，并预计从Blackwell到即将推出的Rubin芯片，GPU销售额将达到5000亿美元 [5] - 公司去年年底披露，其可见收入规模达到5000亿美元 [7] 行业需求与资本开支 - 华尔街普遍看好未来的AI支出，超大规模云厂商已明确表示将增加AI基础设施的巨额投入 [3] - Alphabet、微软、Meta Platforms和亚马逊预计2026年合计将在AI扩张上投入近7000亿美元 [4] - 这四家超大规模云厂商的资本开支预计将较2025年创下的历史高位再增长60%以上 [4] - 韦德布什证券分析师预测，2026年自然年超大规模云厂商资本开支将超过此前预期，AI投资的增长幅度将略高于整体资本开支趋势 [4] - 汇丰分析师预计，英伟达图形处理器的需求将保持强劲，并将占据超大规模云厂商AI资本开支的大头 [7] 投资者关注点与潜在风险 - 投资者担忧科技行业可能过度建设，一旦需求放缓，影响将集中体现在占据主导地位的英伟达身上 [5] - 核心担忧在于2026年超大规模云厂商资本开支可能见顶的风险 [5] - 市场对英伟达计划于今年晚些时候推出的下一代Vera Rubin机架级系统期待升温，其进展将用于判断长期需求状况 [5] - 来自定制ASIC芯片厂商的竞争压力被视为拖累英伟达股价表现的最大因素之一 [6] - 投资者开始质疑英伟达在AI芯片市场的主导地位是否稳固，尤其是在市场对定制芯片项目兴趣上升的背景下 [7] - 投资者将重点关注在存储器组件价格持续上涨的情况下，公司能否维持毛利率 [8] 战略举措与竞争格局 - 英伟达在2025年12月下旬斥资约200亿美元收购了芯片初创公司Groq的部分资产 [6] - Groq的专长在于AI推理环节，而英伟达在训练环节占据主导地位 [6] - 分析师将关注此次收购对资产负债表的影响，以及公司如何利用Groq技术与定制ASIC芯片厂商竞争 [6] - 市场希望获得关于Groq团队未来产品路线图的线索，清晰的路线图有望缓解投资者对竞争压力的担忧 [6]

谷歌的战略举措 - 谷歌正探索利用自身资金实力构建更广泛的AI生态系统，以更好地与市场领导者英伟达竞争 [2][8] - 为扩大潜在市场，谷歌正加大对数据中心合作伙伴网络的财务支持，使其能向更广泛的客户群体提供算力 [2][8] - 谷歌正洽谈向云计算初创公司Fluidstack投资约1亿美元，该交易对Fluidstack的估值约为75亿美元 [2][8] - 谷歌还与其他数据中心合作伙伴讨论扩大财务承诺，可能带来更多TPU需求，例如已为Hut 8、Cipher Mining和TeraWulf相关项目提供融资担保 [3][9] TPU的产品与市场进展 - 谷歌的AI芯片被称为张量处理单元（TPU），自2018年起通过其云服务销售TPU算力，同时也在直接向外部客户销售TPU芯片 [3][10] - AI客户称赞TPU在某些模型训练和推理任务方面表现出色 [4][10] - 去年4月，谷歌推出第七代TPU——名为Ironwood，专为AI推理设计，在处理大规模、无需极高精度的AI计算任务时有时比GPU更具优势 [5][10] - 过去一年，越来越多开发和运营AI的公司对谷歌TPU表现出兴趣，希望获得更具成本效益的算力，并减少对英伟达的过度依赖 [5][11] - 今年10月，Anthropic表示将扩大对谷歌云计算技术的使用，包括最多100万颗TPU芯片 [6][11] 内部组织与供应链 - 谷歌云计算部门的一些管理人员最近重新讨论了是否将TPU团队重组为一个独立部门的长期内部议题，该计划可能允许谷歌拓展投资机会，包括引入外部资本 [3][9] - 谷歌发言人表示，目前没有重组TPU部门的计划，认为将芯片团队与公司其他部门紧密整合具有优势 [3][9] - TPU团队重要性上升的一个迹象是，长期负责谷歌芯片与网络开发的Amin Vahdat近日被晋升为AI基础设施首席技术官，直接向首席执行官桑达尔·皮查伊汇报 [5][10] - Alphabet目前与博通合作设计和生产TPU，并使用台积电作为代工厂 [5][10] 面临的挑战与竞争格局 - 谷歌在扩张过程中面临诸多挑战，包括制造合作伙伴的产能瓶颈，以及来自云计算竞争对手的兴趣有限——而这些竞争对手正是英伟达处理器的最大买家之一 [2][8] - 在AI需求激增导致先进产能紧张的情况下，台积电可能会优先满足其最大客户英伟达，而非谷歌 [5][11] - 谷歌也受到全球存储芯片短缺的影响，而存储芯片是AI芯片的关键组成部分 [5][11] - 来自大型云服务提供商的兴趣似乎较为冷淡，部分原因是它们将谷歌视为竞争对手，亚马逊旗下云部门Amazon Web Services也已开发自己的AI芯片 [6][11] - 潜在独立运营的一大挑战在于，谷歌的云业务高度依赖英伟达芯片 [3][9]

核心财务预测与支出 - Anthropic预计到2029年前，为在亚马逊、谷歌、微软的云服务器上运行其Claude AI，至少支付800亿美元 [1][11] - 公司预计到2029年，模型训练成本支出总额最高将达1000亿美元 [8][18] - 根据公司冬季预测，Anthropic今年销售及营销支出最高将达28亿美元，明年升至90亿美元 [9][19] 云服务商收入分成 - 2024年Anthropic仅向云服务商支付约130万美元的AI销售分成，但该金额预计在去年升至约3.6亿美元，今年为19亿美元，明年将达到64亿美元 [1][11] - 据去年夏季的预测，AI转售分成今年为16亿美元，明年约44亿美元，冬季预测已上调 [9][20] - 这笔分成费用约占公司同期总营收的十分之一 [5][14] - Anthropic通过亚马逊渠道销售AI所获毛利中，约50%流向了亚马逊 [5][16] - 谷歌通常从合作伙伴软件转售净收入中抽取20%–30%的分成，但具体对Anthropic的比例未披露 [5][16] - 微软于去年11月成为Anthropic的云服务商并投资50亿美元，具体分成比例未披露 [5][16] 业务模式与竞争优势 - Anthropic与亚马逊、谷歌、微软三大云厂商同时合作，相比主要通过微软及直销方式销售AI的OpenAI，能通过云厂商触达其海量企业客户，公司高管认为这使其更具优势 [6][16] - 截至去年夏天，Anthropic的大部分收入（今年预计总收入最高达180亿美元）来自直接向客户销售AI，而非通过云服务商转售 [7][17] - 为支撑直销业务，Anthropic目前主要使用AWS服务，但未来其支撑成本可能会在三大云厂商与自有数据中心之间分摊 [7][17] - 分成模式旨在激励云合作伙伴（如微软Azure）向自身客户推广Anthropic的AI服务，并将其销售额计入合作伙伴的业绩指标 [1][11] 行业对比与惯例 - 竞争对手OpenAI将总营收的20%支付给微软，根据新条款，分成将更多集中在2032年之前的年份，以减轻现金流影响 [8][18] - OpenAI预计今明两年总计支付超过130亿美元分成，主要流向微软 [8][18] - Anthropic与OpenAI的分成模式沿袭了云厂商转售第三方产品收取佣金的行业惯例 [8][18] - 对云服务商而言，Anthropic和OpenAI是标杆级AI客户，能够吸引其他AI初创公司使用其服务 [7][17] 技术基础设施与成本 - 除支付模型运行和训练费用外，Anthropic同时使用英伟达芯片以及亚马逊与谷歌的自研芯片（AWS Trainium与张量处理单元） [8][18] - 截至去年年底，Anthropic在部分财务披露中已不再单独列示向云转售合作伙伴支付的分成金额，而是将其与其他销售及营销费用合并统计 [8][18]

核心观点 - 瑞银维持博通“买入”评级及475美元目标价，认为TPU需求激增成为公司业绩增长的核心驱动力，开启了AI时代的增长新周期 [1][3] 业务增长与财务预测 - 预测博通2027年将出货超500万颗TPU，2026年出货量约为370万颗，2027年出货产品中略超半数为v7（铁木）型号，2028年v8ax（太阳鱼）型号将成为出货主力 [3] - 预测博通2026财年AI业务营收约为600亿美元，同比增长约200%，2027财年将增至约1060亿美元，同比增长约80%，2028财年进一步升至约1500亿美元 [4] - 上调2026-2028财年营收预期，分别达1058亿美元、1555亿美元、2002亿美元，同比增速分别为65.6%、47.0%、28.7% [7] - 上调2026-2028财年摊薄EPS预期，分别为11.05美元、16.68美元、21.53美元，较此前预期分别上调1.3%、17.9%、12.6% [7] - 定制计算业务方面，谷歌今年将为博通贡献约300亿美元营收，2027年这一规模将达560亿美元，剩余TPU相关营收绝大部分来自Anthropic [4] TPU需求与技术优势 - 大语言模型开发商加速推进定制ASIC路线，TPU作为GPU的中间替代方案需求显著增长 [1][3] - 混合专家模型（MoE）的快速发展推动TPU需求出现拐点式增长 [4] - TPU内置的硬件矩阵乘法器结合硬件定义的稀疏计算引擎，大幅减少了数据在内存中的读写交互，使其在每瓦令牌处理量和单位令牌处理成本上相较于GPU具备优势 [4][5] - 行业专家认为，TPU在稠密型大语言模型和稀疏型混合专家模型的推理场景中，具备极具吸引力的成本效率 [5] 客户结构与市场环境 - 除谷歌外，Anthropic、Meta等TPU核心客户可完全掌控自身软件栈，对英伟达CUDA的依赖度远低于传统企业级云服务客户 [6] - 在大语言模型开发者细分领域，CUDA的相对优势远不如在整个加速器市场中显著，而这些开发者正推动全球超大规模数据中心资本开支占比持续提升 [6] - 博通预计将于2024年下半年开始向OpenAI交付定制ASIC，2027年下半年向Anthropic交付 [4] 竞争与供应链 - 谷歌与联发科的COT合作对博通负面影响有限，博通凭借SerDes技术壁垒，在COT模式下仍将为谷歌供应IO芯粒，占芯片总成本的40-50%以上，且该部分毛利率高达75%+ [6] - 基准情景下，COT仅导致博通EPS稀释8%，远低于市场预期，同时联发科TPU项目进度相对滞后，短期内难以冲击博通市场份额 [6] - TPU产品基于台积电3纳米工艺打造，凭借台积电充足的晶圆供应配额，博通能够充分把握需求增长机遇 [3] 估值与目标价 - 采用SOTP分部门估值法，给予2027财年基础设施软件业务25倍EV/FCF、半导体业务30倍EV/FCF的估值倍数 [7] - 上行情景下目标价可达560美元（潜在涨幅63%），下行情景为290美元（潜在跌幅16%），当前343.94美元的股价存在38%的上涨空间 [7]

核心观点 - 瑞银维持博通“买入”评级及475美元目标价，认为大语言模型开发者加速推进定制ASIC路线，推动张量处理单元需求激增，成为公司业绩增长的核心驱动力 [1] TPU需求与出货预测 - 预测博通2027年将出货超500万颗TPU，2026年出货量约为370万颗 [2] - 在2028年v8ax型号成为主力前，2027年出货的产品中略超半数为v7型号 [2] - 上述产品均基于台积电3纳米工艺打造，凭借台积电充足的晶圆供应配额，公司能把握需求增长机遇 [2] 人工智能业务营收预测 - 预测博通2026财年人工智能业务营收约为600亿美元，同比增长约200% [2] - 2027财年AI营收将增至约1060亿美元，同比增长约80% [2] - 2028财年AI营收进一步升至约1500亿美元 [2] - 定制化计算业务营收方面，谷歌今年将为博通贡献约300亿美元营收，2027年这一规模将达560亿美元 [2] - 剩余TPU相关营收中，绝大部分来自Anthropic，Meta公司仅占小部分 [2] - 预计公司将于2024年下半年开始向OpenAI交付定制ASIC，2027年下半年向Anthropic交付 [2] TPU的技术与市场优势 - TPU内置的硬件矩阵乘法器结合硬件定义的稀疏计算引擎，大幅减少了数据在内存中的读写交互 [3] - 这一特性让TPU相较于GPU，在每瓦令牌处理量和单位令牌处理成本两方面均具备优势 [3] - 在多轮行业专家访谈中，受访人士认为TPU在稠密型大语言模型和稀疏型混合专家模型的推理场景中，具备极具吸引力的成本效率 [3] - Anthropic、META等TPU核心客户可完全掌控自身的软件栈，对英伟达CUDA的依赖度远低于传统企业级云服务客户 [3] - 在大语言模型开发者细分领域，CUDA的相对优势远不如在整个加速器市场中显著 [4] 对潜在竞争与风险的评估 - 针对谷歌与联发科COT合作事宜，研报认为其对博通的负面影响有限 [4] - 博通凭借SerDes技术壁垒，即使在COT模式下仍将为谷歌供应IO芯粒，占芯片总成本的40-50%以上，且该部分毛利率高达75%+，高于XPU的60% [4] - 基准情景下，COT仅导致博通EPS稀释8%，远低于市场预期 [4] - 联发科TPU项目进度相对滞后，短期内难以冲击博通的市场份额 [4] 财务预测与估值 - 研报上调了博通多项财务指标预期 [5] - 2026-2028财年营收预计分别达1058亿美元、1555亿美元、2002亿美元，同比增速分别为65.6%、47.0%、28.7% [5] - 摊薄EPS分别为11.05美元、16.68美元、21.53美元，较此前预期分别上调1.3%、17.9%、12.6% [5][6] - 2026财年AI营收预计602亿美元，同比激增205%，2027财年将进一步增至1064亿美元，同比增长76.9% [6] - 估值采用SOTP分部门估值法，给予2027财年基础设施软件业务25xEV/FCF、半导体业务30xEV/FCF的估值倍数 [4] - 上行情景下目标价可达560美元，下行情景为290美元，当前343.94美元的股价存在38%的上涨空间，预测总潜在回报39%，超额回报30.5% [4]