Terafab芯片工厂项目概述 - 特斯拉与SpaceX AI共同出资成立芯片制造公司Terafab，预算为200亿-250亿美元，旨在实现从芯片设计、光刻、制造到封装测试的全栈式垂直整合，这在全球半导体领域尚属首次 [10][12] - 项目选址于特斯拉德州超级工厂北园区附近，已开始大规模地面清理和填土作业，基本占地面积约200万平方英尺（约18.6万平方米），并计划在2026年底前新增超过520万平方英尺（约48.3万平方米）的建筑面积 [18][20] - 项目将分阶段实施，首先在奥斯汀建设一座“先进技术工厂”，配备全套制造测试设备，最终目标是实现完整愿景 [20] 技术目标与产能规划 - Terafab计划采用目前最先进的2纳米工艺节点生产芯片，该技术目前仅台积电具备商业化生产能力 [13] - 产品线包括两条：一条用于生产特斯拉汽车和Optimus人形机器人的推理芯片；另一条专为生产能承受轨道部署热辐射要求的航天级D3芯片 [13] - 产能目标极为宏大：初期每月晶圆开工量为10万片，最终满负荷运转时目标为每月100万片，这相当于台积电目前全球总产量的约70% [20] - 年度输出目标为提供每年1太瓦的算力，为此需要每年生产1000亿至2000亿颗定制的AI和存储芯片，为特斯拉自动驾驶、Optimus、xAI的Grok及轨道AI卫星网络等项目提供动力 [22] - 马斯克表示，约80%的算力最终将用于太空轨道人工智能卫星，理由是轨道太阳辐射强度约为地表的五倍，且太空真空环境散热性能更优 [22] 项目动机与战略意义 - 项目动机源于对供应链的担忧，马斯克警告外部芯片产能（如台积电、三星、美光）将在三到四年内达到极限，无法满足公司对Optimus机器人、自动驾驶汽车和AI数据中心未来的需求 [15][18] - 该项目标志着全球最大的AI计算用户之一（特斯拉）不愿再依赖外部代工厂，旨在建立完全可控的算力供应链 [10][38] - 项目符合地缘政治背景下建立安全供应链的趋势，特别是在中美关系紧张、《芯片法案》刺激美国国内投资的背景下，在奥斯汀建设大型美资晶圆厂具有产业政策意义 [38] 项目面临的挑战 - **关键设备采购**：制造2纳米芯片需要从ASML采购高数值孔径EUV光刻机，每台售价约3.7亿至4亿美元，且ASML订单紧张，特斯拉需立即下单以确保2028年量产，但交付无法保证 [24][26] - **技术合作与竞争**：特斯拉已与三星签署价值165亿美元的多年期合同生产其AI6芯片，这被视为获取尖端工艺知识的桥梁，但也使三星面临未来培养潜在竞争对手的尴尬局面 [26][28] - **专业人才短缺**：芯片制造需要高度专业化的工艺工程师团队，涉及光刻、蚀刻、良率管理等多个特斯拉从未涉足的领域，公司已开始招聘要求极高的项目经理 [28] - **颠覆性技术理论**：马斯克提出“非常规洁净室理论”，声称芯片可始终处于完全封闭状态而无需传统洁净室，但该方式从未在任何规模上得到验证，引发行业质疑 [28][29] 行业质疑与历史参照 - 英伟达CEO黄仁勋公开警告，建造先进芯片制造厂极其困难，需要掌握复杂的工程技术、科学知识和精湛工艺，认为达到台积电的产能“几乎是不可能的” [31][33] - 批评者指出特斯拉缺乏半导体制造经验，其强大的芯片设计团队（如吉姆·凯勒、彼得·班农）大部分已离职，且芯片设计与制造之间存在巨大知识鸿沟 [33][35] - 行业将此事与特斯拉2020年的4680电池项目类比，该项目承诺革新生产工艺但五年半后仍远未达预期，进度一再延误，目前仍处量产初级阶段 [35] - 美国投行分析师认为这是特斯拉“有史以来最艰巨的任务”，即使在最乐观情况下，最早也要到2028年中才能实现首次量产 [37] 财务影响 - Terafab项目的款项尚未纳入特斯拉2026年资本支出计划，公司原本计划的研发费用是200亿美元，这意味着特斯拉今年的研发总投入将达到450亿美元 [22]

AI行业焦点从训练转向推理 - AI领域正经历重大变革，焦点从过去五年大语言模型的高成本、长周期训练，转向模型部署和商业化所需的推理计算 [2][3] - 根据Gartner数据，2024年全球推理基础设施资本支出预计将首次超过训练资本支出 [3] - 到2029年，企业在推理上的投入预计将达到720亿美元，是训练投入370亿美元的近两倍 [3] 芯片市场需求与竞争格局变化 - 科技公司购买的芯片类型将因焦点转向推理而发生重大变化 [4] - 专门为推理任务优化的芯片（如来自谷歌、Cerebras Systems、SambaNova的产品）能带来性能提升，相关制造商正以越来越快的速度签下价值数十亿美元的订单 [4] - 英伟达在2023年12月斥资200亿美元获得定制推理芯片公司Groq的技术授权并吸纳其人才，准备推出自己的推理专用处理器 [4] 推理计算的技术原理与需求特点 - 推理计算是让训练好的AI模型响应用户查询的过程，类比为餐厅厨师接单备餐 [5][6] - 推理包含预填充和解码两个阶段：预填充阶段解读用户查询，需要更强的处理能力；解码阶段生成响应，需要更大的内存来调动模型积累的全部知识 [7][8] - 推理过程按需进行，耗时以秒计，对延迟极其敏感，超过十秒用户可能失去耐心 [11] - 推理芯片必须配备更大容量的高带宽内存，且数据中心需邻近用户以降低延迟 [11] - 芯片创业公司如Ayar Labs越来越多地采用数据传输更快、所需冷却更少的光纤连接组件 [11] 推理芯片的关键性能与成本指标 - 推理的基本数据单位是词元，通常一个词元约相当于四分之三个英文单词 [9] - 公司（如会计软件、旅行预订服务、图像生成器提供商）高度关注“每瓦每秒生成的词元数”或“每美元每秒生成的词元数”这类成本指标 [10] - 降低推理成本成为关键，推理芯片高效输出结果的能力变得尤为重要 [10] 训练与推理芯片的核心区别 - 训练芯片：需在长时间内处理海量数据，要求强大的处理能力，数据中心需充足能源和冷却水；内存不足时可将部分任务分派给其他芯片或等待内存释放 [11] - 推理芯片：需应对瞬时、低延迟需求，强调大容量高带宽内存和靠近用户的数据中心部署 [11]

文章核心观点 - 即将召开的英伟达GTC开发者大会是AI领域的年度风向标，其重要性在今年尤为突出，全球投资者关注公司如何应对日益激烈的市场竞争并巩固其AI芯片领导者地位 [1] - 大会是公司展示其在芯片、数据中心、软件平台CUDA、AI代理及机器人等领域最新进展的关键舞台，也是对将利润反哺AI生态战略成效的一次检验 [1] 行业竞争格局与焦点 - AI行业正从大模型的“训练”阶段加速向“推理”阶段过渡，市场竞争格局发生深刻变化 [1] - 尽管公司在训练和推理市场仍占据超过90%的份额，但分析师普遍认为其市场份额流失在所难免，尤其是在推理领域 [1] - 推理芯片初创公司认为，公司在训练领域将保持主导，但推理领域是另一回事，其核心软件CUDA在推理领域的“护城河”作用较弱 [2] - 包括OpenAI和Meta在内的核心大客户已启动自研芯片，Meta计划每半年发布一款全新AI芯片 [3] - 专用集成电路的崛起被视为对公司通用图形处理器的长期威胁，在推理场景展现出更高效率优势 [3] - 预计到2027年，随着企业自研ASIC芯片实现规模化落地，公司的市场份额将出现下滑，尤其是在推理芯片市场 [3] - 由英特尔和AMD长期主导的中央处理器在AI任务中的地位正在回升，随着代理式AI兴起，由CPU负责的“代理编排层”正成为新的性能瓶颈 [4] 公司战略与产品布局 - 公司预计将在GTC大会上推出专为推理工作负载优化的新产品，一款融合了去年12月以17亿美元收购的AI初创公司Groq技术的推理芯片有望亮相 [2] - 公司正通过收购（如Groq）和投资（如向光通信公司Lumentum和Coherent分别投资20亿美元）来加强防御并推动“共封装光学”技术的应用 [3] - CPO技术利用光信号在芯片间传输数据，有望大幅提升超大规模数据中心的连接效率并降低功耗，预计将是下一代Feynman芯片架构的核心突破方向 [3][4] - 公司很可能在GTC上将CPO技术定位为高效连接大规模AI集群的关键 [4] - 为回应CPU地位回升的新趋势，公司预计将展示仅使用其CPU的服务器产品 [4] - 公司首席执行官强调，智能体AI将成为推理需求的下一个重要驱动力 [6] - 随着语音、视频和多模态AI代理的潜力释放，AI代理领域有望带来新一轮的推理计算浪潮 [6] 增长驱动因素 - 机器人技术被视为重要的增长空间，公司上一季度已报告约60亿美元的机器人相关收入，并预测人形机器人的发展时间表将非常“激进” [6] - 物理AI可能比预期更快地成为现实 [6] 地缘政治与市场影响 - 地缘政治因素正日益成为影响公司未来的关键变量，美国考虑进一步扩大对AI芯片的出口限制，以及中国等关键市场的准入受限，正在重塑公司的全球销售版图 [7] - 在中国市场彻底遇冷后，公司已停止生产H200芯片，并将产能转移至下一代Rubin平台 [7] - 中东地区如沙特和阿联酋等国的大规模AI基础设施投资，对公司而言意义重大，但地区冲突、能源成本及数据中心建设速度等因素为这些新兴市场的需求增添了不确定性 [7]

算力产业规划与发展 - 行业焦点正从大模型预训练转向“AI+”应用时代 算力需求结构发生根本性变化[3] - 训练算力发展规模仍有空间 而推理算力需求将呈指数级增长 例如智能体任务消耗可达聊天场景的数百倍[3] - 建议重视推理芯片的战略价值 各地发展算力应偏向推理算力[3] - 目前符合时代需求的智能算力供给仍有缺口[3] - 建议设立AI大模型训练专用算力开放平台 根据用户需求动态分配算力实现负载均衡[3] - 建议实行分级定价与补贴政策 建立“阶梯式收费”机制以推动AI大模型健康发展与服务实体经济[3] AI技术赋能产业的挑战与建议 - AI发展处于从“算力基建”向“商业闭环与治理协同”转型关键期 但存在“重建设、轻应用”倾向 技术应用多停留在“点状创新”难以形成规模化商业价值[4] - 建议加快实施“AI+场景闭环”示范工程 围绕工业制造、智慧金融等重点领域组建“创新联合体”开展全栈式协同攻关 资源重点倾斜能降本增效、实现自我造血的项目[4] - 建议加快构建AI治理体系 启动专项立法研究 明确高风险领域责任边界 开展“沙盒监管”试点 建立国家AI伦理与安全评估平台[4] - 数据治理的滞后与薄弱已成为制约工业AI价值释放的瓶颈[5] - 建议系统推进工业数据治理体系建设 为人工智能赋能制造业扫清障碍[5] - 建议组织实施技术攻关与试点示范 如设立“工业数据治理与AI融合”科技专项 围绕多源异构数据融合、工业知识图谱构建等核心技术组织攻关[5] - 建议开展“工业数据治理标杆培育”工程 打造一批全流程贯通、AI应用成效显著的标杆工厂和产业集群[5] 智能时代人才培养 - 建议重塑智能时代人才培养体系 推动教育改革 设立“AI+X”交叉学科[5] - 建议校企共建产业学院 开展在职人员赋能培训 以破解人才短缺瓶颈 为AI高质量发展提供支撑[5]

如何看待本轮周期股 - 长城证券汪毅复盘2000年以来市场，历史上有5轮典型的周期板块上行周期，每轮行情的宏观共性为领跑PPI上行与生产扩张共振约1-2个季度 [1] - 五个周期板块的轮动顺序可概括为“资源先行→制造接力→全面补涨”，空间维度以有色金属、煤炭、基础化工、船舶+油运、工程机械为代表 [1] - 有色金属：在本轮周期（2020年至今）中，个别强势股涨幅已突破1000%，若对标2010-2011年“业绩+通胀”驱动的逻辑，板块仍然具备关注价值 [1] - 煤炭：本轮周期中，煤炭行情主要基于“保供稳价”与能源安全逻辑，需求端有待验证 [1] - 基础化工：2025年基础化工板块内部分化极为剧烈，传统大宗化工品（如聚酯、氯碱）受制于产能过剩表现平淡，而成长属性的新材料（如电子化学品、新能源材料、特种工程塑料）成为领涨主力 [1] - 船舶+油运：伴随新一轮造船周期以及地缘冲突催化，本轮行情刚刚处于启动的起点 [2] - 工程机械：行业进入了“内需温和修复+出海高景气”的双轮驱动新阶段，上涨斜率预计将更为平缓，呈现出“慢牛”特征 [2] - 展望近期地缘突发事件，油运和船舶板块可能被冲突催化而进入斜率进一步上升的阶段，源于对物理世界运行规则的根本性改变，其持续性与确定性相较有色板块的“情绪溢价”或将更具韧性和厚度 [3] LPU对PCB设备和钻针带来的增量需求 - 英伟达计划在2026年3月的GTC开发者大会上发布一款整合了Groq“语言处理单元”（LPU）技术的全新推理芯片，标志着全球AI算力部署正从大规模训练的通用计算转向针对实时交互、低延迟场景的专用推理优化阶段 [4] - 由于单颗LPU仅含230MB SRAM，运行千亿参数级模型需大规模串联，这意味着所需的PCB载板面积相较于纯GPU方案可能呈现数倍增长，从而极大地扩充了PCB设备及耗材的市场容量 [4] - 随着信号传输效率要求提升，英伟达LPU方案预计将采用52层M9级覆铜板加Q布的增强方案，这种极高层次PCB板加工难度极大，对钻针的磨损和消耗量将显著增加，可能导致PCB钻针呈现供不应求及涨价局面 [4] - PD分离技术与3D堆叠方案的引入使得芯片间布线密度大幅提升，这将倒逼PCB电子装联环节向更高精度演进，高精度装联设备的需求量存在进一步翻倍的潜力 [4] - 在PCB制造的上游，高精度钻孔、曝光和电镀是保证52层板良率的关键，相关设备商有望迎来资本开支扩充期 [6] - 在中游封装环节，随着GPU与LPU在物理层面深度融合，对于异构芯片的高精度贴片、焊接等装联工艺要求近乎苛刻，这种从材料到工艺的全方位升级使得产业链价值量由简单的面积扩张转向技术密集型的高附加值环节，核心设备供应商在先进封装浪潮中的地位将愈发稳固 [6]

AI安全与智能体应用 - 当前AI已能通过编程和查找漏洞解决传统安全难题，因此建议关注AI智能体[3][7] - 360公司已开发几十种上万个AI安全智能体，能实现AI挖掘软件漏洞、自动运行，并智能抵御其他国家的黑客智能体[3][7] - 中国已有两百万家中小企业使用360的AI智能体为企业安全提供实时防护[3][7] AI算力发展与产业政策 - 基于中国在能源电力上的优势，建议将芯片算力区分为训练算力和推理算力[3][7] - 训练算力发展规模可能还有一定空间，但推理算力的发展规模空间是无限的，各地发展算力应偏向推理算力[3][7] - 从国家产业政策看，推理芯片战略价值重要，芯片政策不应一味追逐英伟达高端训练芯片[3][7] - 需发展的推理芯片包括端侧芯片、IoT边缘侧训练芯片、企业私有化和家庭内部算力，未来将构成庞大的算力网络[3][7] AI应用普及与平台建设 - 为让企业和个人迅速使用AI，建议打造智能体开放平台，将基础设施隐藏，使普通企业和个人能轻松建立并训练自己的智能体[4][8] - 只有通过智能体将算力转化为专业智力或行业智力，成为个人的第二大脑或企业的内部智力，AI才能发挥作用[4][8] - 应在全国各地开展智能体培训，因为智能体的开发、管理、使用模式与传统软件不同，且企业使用智能体应由业务专家而非智能体专家主导[4][8] - 培训需让企业的业务专家学会打造、管理、监督和运营智能体[4][8]

行业趋势：AI算力竞争主战场从训练转向推理 - 英伟达计划在GTC开发者大会上发布整合Groq LPU技术的新推理芯片，OpenAI已同意成为该处理器的主要客户之一 [1] - OpenAI同时与初创公司Cerebras达成数十亿美元计算合作，表明AI巨头正从训练算力竞赛转向推理算力的多线布局 [1] - 申万宏源研究认为，2026年算力产业的核心关键词将是推理，Token消耗总量与技术范式将围绕推理主题深度重构 [1] 推理算力需求爆发与驱动力 - 大模型货币化加速及Agent落地提速是推理需求扩张的两大结构性驱动力 [3] - 春节期间国内头部大模型推理量大幅增长：豆包除夕当天推理吞吐量达633亿tokens，元宝月活跃用户达1.14亿，千问“春节大免单”活动参与人数超1.2亿 [3] - 根据OpenRouter数据，2月16日至22日当周，中国模型调用量冲高至5.16万亿Token，三周大涨127%，全球调用量前五的模型中中国占据四席 [3] 推理算力四大发展趋势 - 纯CPU部署场景增多，低成本推理需求加速算力下沉 [2] - LPU等专用架构崛起，挑战GPU在推理环节的主导地位 [2] - 国产算力芯片加速突破，供应链多元化趋势明确 [2] - 推理算力需求结构从“单次训练”向“海量Token消耗”转变，性价比成为核心竞争要素 [2] LPU技术崛起与芯片格局分化 - 英伟达斥资200亿美元获取Groq核心技术许可并吸纳其高管团队，标志着纯推理芯片的重要性获顶级玩家正式认可 [6] - LPU针对推理场景的延迟和内存带宽瓶颈进行专项优化，在解码阶段具备效率优势 [6] - AI芯片未来将形成明确分工：训练端沿用GPU-HBM组合，推理端演进为ASIC+LPU-SRAM+SSD的组合方案 [7] 推理系统架构革新 - 应用场景从chatbot转向Agent，推动算力系统架构向三层网络演进：快反应层、慢思考层、记忆层 [8] - 慢思考层对多核多线程CPU的需求将显著增加 [8] - 英伟达宣布扩大与Meta Platforms合作，完成首次大规模纯CPU部署以支持广告定向AI智能体，标志着公司正超越单一GPU销售模式 [8] 国产算力芯片技术突破 - 新一代国产推理芯片实现多项根本性提升：新增支持低精度数据格式，算力分别达到1P和2P；向量算力大幅提升；互联带宽相比前代提升2.5倍至2TB/s [10] - 芯片层面实现了PD分离，其中面向Prefill的PR版本采用低成本HBM，可大幅降低推理Prefill阶段的投资成本，预计于2026年Q1推出 [10] - 供应链国产化进程加快，某头部封测企业2.5D封装业务收入从2022年的0.5亿元快速增长至2024年的18.2亿元，印证国产算力芯片供给能力提升 [10]

英伟达近期市场表现与困境 - 作为过去几年美股牛市的核心驱动力，英伟达股价自去年第四季度以来仅微涨1.7%，跑输了同期标普500指数3.3%的涨幅 [1] - 2026年开年以来，英伟达的回报表现落入标普500指数成分股的下半区 [1] - 曾经的市场最大贡献者“科技七巨头”（Mag7），自去年第四季度以来整体下跌近1%，表现同样逊于标普500指数 [4] 即将发布的财报与市场预期 - 华尔街共识预期英伟达第四季度及全年财报业绩依然很强，甚至会“碾压”分析师预期 [1] - 投资者面临“预期悖论”：市场普遍预计公司将调高未来几个季度的指引，但历史数据显示，过去两次财报发布后，英伟达股价均遭遇抛售 [3] - 有观点警告，股价可能因为业绩“不够好”或达不到市场预期而下跌，即便官方财报和指引本身没有问题 [3] 行业面临的深层焦虑与竞争 - 投资者对科技巨头们数千亿美元的AI资本开支（Capex）能否转化为实际利润感到深刻焦虑 [4] - 以微软为例，其在发布强劲财报后股价反而下跌，原因是投资者关注其Azure增速放缓与创纪录的支出预期 [4] - 竞争格局正在变化，AMD、亚马逊、博通和Alphabet（谷歌母公司）纷纷推出用于生成AI模型的“推理芯片” [7] - 市场在确信英伟达能维持其市场份额和订单流之前，其估值倍数将持续受到压缩 [7] 宏观环境带来的挑战 - 2026年开局充满不确定性，包括地缘政治紧张（如特朗普政府对伊朗的攻击威胁）和政策层面的扑朔迷离（如最高法院否决特朗普关税政策） [5] - 经济数据喜忧参半，经济增长正在放缓而通胀依然顽固，劳动力市场企稳迹象促使交易员押注美联储将对进一步降息持审慎态度 [5] - 在复杂的宏观背景下，英伟达想仅凭一份财报扭转乾坤难度很大 [6] 估值现状与未来关键 - 经历数月滞涨后，英伟达的远期市盈率已回落至24倍以下，接近五年来的最低点，且远低于38倍的五年平均水平 [7] - 相对便宜的估值可能成为买入的催化剂，但低估值只是入场券 [7] - 重启涨势的关键在于公司能否有力地论证其将在“推理市场”继续保持统治地位，这是支撑其长期逻辑的核心 [7]

行业趋势：AI推理芯片成为焦点 - 2025年是AI智能体兴起之年，2026年或将成为AI智能体大爆发之年，行业焦点从训练转向推理 [1] - 随着Agentic AI（代理型AI）盛行，业界对AI芯片的需求从堆叠算力转向追求好用、效率与低延时 [3] - 执行GPT-3.5级别系统推理的成本在2022年11月至2024年10月间骤降280多倍，硬件层面年化成本降幅达30%，能效年提升率达40% [3] - 常规模型API输出价格已降至10元/百万Tokens以下，甚至有厂商喊出百万Tokens一分钱的口号 [3] - 全球AI推理芯片市场规模预计从2024年至2030年以31.0%的年复合增长率增长 [5] - 其中，云端推理、边缘推理和端侧推理的年复合增长率预计分别为36.3%、42.2%和20.4%，边缘推理增长潜力最大 [5] - 预计到2030年，边缘推理全球市场规模达7262亿元，端侧推理达8861亿元，合计市场规模超1.5万亿元 [6] 公司定位：边缘与端侧推理芯片的领先者 - 爱芯元智是“中国边缘AI芯片第一股”，是国内边缘侧、端侧推理芯片的佼佼者 [1] - 公司通过底层架构创新，构建了以“双轨开发模式”为核心的技术护城河 [3] - 核心技术支柱为自研的爱芯通元（AXNeutron）混合精度NPU和爱芯智眸（AXProton）AI-ISP [3] - 公司的NPU采用多线程、异构式多核设计，能动态选择INT4、INT8、INT16等数值精度以提升效率 [4] - 根据灼识咨询数据，该NPU的每瓦吞吐量比基于GPU架构的传统解决方案提升高达10倍 [4] - 公司提供从芯片到软件工具链的完整“交钥匙”方案，其自研的Pulsar2工具链集成了模型转换、量化与编译等功能 [8] 市场表现与业务进展 - 在视觉AI端侧推理市场，公司2024年出货量超900万颗，排名前五，市场份额为6.8% [6] - 在中高端芯片细分市场，公司以24.1%的份额高居榜首 [6] - 在国内边缘AI市场，公司2024年出货量达10万颗，市场份额为12.2%，位居第三 [6] - 在智能汽车芯片方面，截至2025年9月30日，公司SoC累计出货量已超51万颗，并获得多家头部车企及Tier 1的定点项目 [7] - 面向高阶智能驾驶的旗舰芯片产品M97已于近日回片并顺利点亮，是公司智能汽车业务迈向高端化的核心产品 [8]

高通公司2026财年第一季度业绩与展望 - 公司2026年第一季度营收达到123亿美元，创下历史新高 [2] - 业绩增长主要得益于高端智能手机的强劲销售，以及智能眼镜、汽车和物联网产品的需求增长 [2] - 公司预计第二季度营收将在102亿美元至110亿美元之间，低于去年同期的110亿美元 [3] 智能手机行业面临的挑战 - 未来几个季度，手机行业将受到内存（尤其是DRAM）供应和价格的制约 [2] - DRAM价格飙升，主要原因是内存制造商优先生产用于人工智能数据中心的内存，减少了其他类型内存的产量 [2] - 一些手机制造商，特别是中国的制造商，正采取谨慎态度以减少其芯片组库存 [2] - 智能手机制造商的谨慎态度导致其缩减了生产计划，这将导致高通的智能手机芯片销售额下降 [2] - 公司预计第二季度来自手机芯片的销售额将降至60亿美元，而去年同期为69亿美元 [3] 公司的多元化发展与新增长点 - 公司正试图凭借其自主研发的推理芯片，从人工智能芯片的蓬勃发展中分一杯羹 [3] - 公司已开始向客户（Humane公司）交付人工智能推理芯片，并帮助其运行第三方工作负载 [3] - 公司正与业内主要的超大规模数据中心和云服务提供商进行对话，人工智能芯片的收益预计将于明年到账 [3] - 公司在机器人、汽车和专利许可交易领域也拥有光明的前景 [4] - 公司计划通过这些领域的增长实现收入多元化，目标是到2029年降低对智能手机业务的依赖 [4] 市场反应与股价表现 - 公司对内存价格影响手机行业的警告引发了投资者恐慌 [2] - 该消息导致公司股价下跌了11% [2] - 基于当前业绩，投资者认为其股价应在每股134美元左右，远低于消息发布前超过150美元的交易价格 [4]