AI推动云计算行业扩张 - 大模型与AIGC推动算力需求纵横双向扩展 行业规模持续增长[2] - 云计算架构从CPU为主转向以GPU等加速卡为主的模式 以支持AI大模型并行计算需求[2] - 算力场景从集中式云端训练向云边端协同体系扩散 推理场景向端侧延伸[2] - 数据中心向计算存储通信一体化机架发展 智算超算通用算力聚合为可扩展大规模系统[2] - 2024年全球云计算产业规模约7000亿美元 2030年预计达2万亿美元[2] - 中国2024年云计算市场规模约8000亿元 2030年将突破3万亿元[2] 算力需求结构变化 - 模型训练算力目前占比仍高 Scaling Law仍成立[3] - 随模型成熟应用场景增多 边侧和端侧推理算力需求将上升[3] - 垂直应用软件厂商将推出AI融合的SaaS产品 下游行业应用需求集中爆发[3] 软硬件市场发展机遇 - AI加速卡厂商（如英伟达）、算力租赁、HBM、光模块、液冷硬件厂商受益于产业链需求传导[4] - 国内AI应用预计2024年下半年或2025年进入爆发期 算力芯片、光模块、HBM、服务器、算力租赁、IDC企业进一步受益[4] - 软件硬件整合成为技术发展重点 需通过软硬协同实现重大突破[4] - 软件优化包括大模型架构优化及训练推理环节效率提升[4] - 硬件优化通过压榨加速卡性能降低训练推理成本[4] - 中间件优化成为关键 硬件厂商开源中间件（如华为昇腾）以吸引开发者构建生态[5] 商业化应用前景 - AI编程、AI营销因高质量数据富集、技术成熟度高、场景封闭、容错率高而率先商业化[6] - 云端高质量数据富集推动模型迭代与成熟应用迸发[6] - 技术成熟度与ROI决定商业化资金投入力度[6] - AI编程领域出现成熟产品（如Cursor开发商Anysphere） 2024年上半年完成9亿美元融资 估值达90亿美元[6] - 营销行业文生视频AI创意生成普及 财务等垂直封闭行业业务流程被AI重塑[6] - 生产制造、供应链管理等高安全要求、低容错场景AI落地较慢[6] - 具身智能有望逐步实现长远落地[6]

事件背景 - 英伟达首席执行官高调宣布可向中国市场销售H20显卡，准备了价值几十亿美元的库存 [1] - 随后英伟达因H20显卡的后门安全风险被中国有关部门约谈 [1] - 该约谈事件得到各大中国官方媒体转发，显示事件重要性 [1] 美国立法动向 - 美国议员呼吁为出口的先进芯片配备"追踪定位"功能，并将此要求写入《芯片安全法案》 [6] - 美国政府通过立法手段将芯片内置后门行为公开化属首次 [6] - 法案提出背景与今年初中国AI公司DeepSeek的爆火有关，冲击了美国官员认知 [7] - 4月份美国议员提出《停止窃取我们的芯片法案》，通过举报人激励机制打击芯片走私行为 [9] - 5月份民主党议员比尔·福斯特提出《芯片安全法案》，核心要求是在芯片中植入位置验证技术，一旦发现芯片流入限制区域（如中国）可远程锁死 [11] - 该法案已得到美国国会两院的两党支持，立法过程中的阻碍极小 [16] 技术原理分析 - 法案要求的技术并非内置GPS或地理围栏，而是基于Ping的定位技术 [19][21] - 通过测量设备与地标服务器之间的信号往返延迟时间来计算距离，利用三角定位法锁定芯片位置 [24] - 法案要求AI芯片必须凭自带密钥向可信地标服务器发送信息验证身份，断网后芯片可能无法使用 [26] - 该技术可通过软件更新实现，并能应用于老款显卡，已有工程师团队在H100显卡上实现初级版本的位置验证 [27] 对英伟达的影响 - 遵守法案要求需进行固件和软件更新，使AI芯片可快速进行位置验证，成本约100万美元 [30] - 需在所有可能发生走私活动的国家及地区附近建设可信地标服务器网络，年成本在250万美元至1250万美元之间 [30] - 位置验证系统的新增成本，仅需英伟达多销售500块AI芯片即可收回 [31] - 英伟达中国特供版H20显卡面临销售困境，美国政府的举措使其生意更难开展 [31][32] 行业影响与展望 - 事件凸显在国防安全核心技术领域坚持国产自研的重要性 [34] - 以华为昇腾为代表的国产算力卡已展现出突破迹象，有望使《芯片安全法案》等技术限制措施失效 [34]