OpenAI资本支出调整与行业影响 - OpenAI将2030年前AI基础设施支出目标从1.4万亿美元下调至6000亿美元，新目标为聚焦芯片采购与租赁的纯算力专项支出 [2][3] - 业界认为此举并非预算削减，而是从“8年广义基建”口径调整为“5年算力专项”，是行业从烧钱增长转向“投入产出匹配”的理性回归，标志着产业发展进入更务实阶段 [2][3] - 高盛等机构认为，6000亿美元资本支出与OpenAI“2030年营收2800亿美元”的目标更契合，有助于其融资推进，该支出仍是全球最大算力投入，显示增长动能澎湃 [3] - OpenAI提出到2030年实现消费者业务与企业业务收入基本持平，摩根士丹利认为这是其跑通商业模式的表现 [4] 算力产业链持续高景气 - 北美云厂商与AI企业继续大力投资，Meta与英伟达达成价值数十亿美元的芯片采购协议，将采购数百万片英伟达最新AI加速芯片，并大规模部署英伟达CPU [2][5] - 业界认为OpenAI调整支出短期情绪上可能利空英伟达产业链，但长期看订单确定性更强，有助于AI推理规模化部署及产业链景气度持续 [3] - 国内AI ASIC龙头企业芯原股份截至2025年末在手订单金额达50.75亿元，较三季度末的32.86亿元大幅提升54.45%，且已连续九个季度保持高位 [8] AI应用商业化加速与投资机遇 - 在“盈利优先”背景下，AI应用商业化落地正在加速，行业正从“算力军备竞赛”迈入“商业化验证期” [5] - 千问在春节假期用户“一句话下单”近2亿次，2月7日其日活跃用户数达7352万，接近豆包的7871万，仅用3个月达到后者3年的用户规模 [5] - 算力利用率高、盈利性强的AI公司有望率先收获红利，建议重点关注“AI+医疗”、“AI+营销”、“AI+企服”、“AI+编程”、“AI+娱乐”等细分赛道 [6] - AI大模型正从“单一超大模型”向“多模型+专用模型+MoE”演进，以降低对高端算力依赖并提升能效比，具备细分赛道模型及应用并跑通商业模式的公司值得关注 [6] - 生成式引擎优化作为AI应用率先落地方向，市场规模迅速提升 [6] - 利欧集团在数字营销领域打造专属AI智能体矩阵，在泵与系统领域推出数据中心冷却系统解决方案 [6] AI推理算力成为新风口 - 随着AI发展重心转向应用，算力需求由“重训练”转向“训练+推理并重”，AI推理需求成为新风口，增长速度和规模将远超AI训练 [7] - 云天励飞董事长预计，2026年是AI发展核心推动力由训练转向推理的转折之年，到2030年全球AI训练算力市场达1万亿美元，而AI推理市场规模将达4万亿美元至5万亿美元 [7] - AI推理更讲究性价比，需要在成本、效率和系统能力上建立优势，让定制化AI芯片脱颖而出 [7] - 初创公司Taalas发布首款ASIC产品Taalas HC1芯片，专为Llama 3.1 8B模型优化，采用30芯片集群时实现每秒12000 tokens推理速度，较传统GPU方案提升50倍能效，成本降低至1/20，功耗降低至1/10 [7] 国产AI芯片发展态势 - AI推理需求爆发，国产AI算力芯片正借助ASIC、全栈优化等技术在该赛道建立竞争优势 [8] - 寒武纪、摩尔线程、沐曦股份已登陆科创板，壁仞科技、天数智芯已登陆港交所，燧原科技在冲刺IPO，百度计划分拆昆仑芯在港上市 [8] - 海光信息同时具有“DCU+CPU”芯片，并与中科曙光合作形成产业链优势 [8]

公司与行业动态 - 英伟达与Meta达成一项多年期、价值**数十亿美元**的芯片采购协议 [1] - Meta将购买**数百万枚**英伟达最新一代AI加速芯片，包括即将推出的“Vera Rubin”系列 [1] - Meta承诺大规模部署英伟达独立中央处理器（CPU）以运行其人工智能模型 [1] 公司战略与投入 - 尽管谷歌、亚马逊、微软和OpenAI等客户正加速自研芯片以降低对英伟达的依赖，Meta仍选择扩大与其合作 [3] - Meta首席执行官马克·扎克伯格表示，公司**2026年**将在AI基础设施上投入高达**1350亿美元**，接近**2025年**支出的**两倍** [3] - Meta近年来积极推进自研AI芯片战略，旨在针对其独特工作负载优化性能并降低成本 [3] - 相关自研AI芯片项目遭遇技术挑战和部署延迟，促使公司继续倚重英伟达的成熟解决方案 [3] 行业趋势与产品策略 - 此次交易凸显AI计算重心正从“模型训练”向“推理”阶段转移 [3] - 英伟达CEO黄仁勋近期调整产品策略，**首次**将CPU作为独立产品销售，而非与图形处理器（GPU）集成 [3] - 产品策略转变旨在满足科技公司对高效、低延迟推理能力日益增长的需求 [3] - 分析师指出，Meta大规模采用英伟达CPU是本次合作中最值得关注的信号，行业正在从训练时代迈入推理时代，这需要全新的硬件架构 [3]