公司年度大会与战略发布 - 英伟达年度GTC大会在美国加州圣何塞启幕，吸引了数万名科技人士到场，引发对算力博弈的深度审视[1] - 公司CEO黄仁勋在大会上介绍了OpenClaw，称其开启了AI的下一个前沿领域，是“人类历史上最受欢迎的开源项目”，仅用几周就超过了Linux操作系统30年的成就，实质上开源了智能体计算机的操作系统[4] - 黄仁勋发布了由7款芯片、5种机架组成的巨型超级计算机Vera Rubin平台，并宣布Vera CPU是全球首款专为代理式AI与强化学习时代打造的处理器，效率是传统机架级CPU的2倍，速度提升50%，目前已进入全面量产，将于今年下半年向合作伙伴提供[5] - 黄仁勋提出公司正从一家芯片公司转向AI工厂和AI基础设施公司，并介绍了与优步在自动驾驶领域的合作计划：优步计划从2027年开始在洛杉矶和旧金山部署由英伟达软件驱动的自动驾驶出租车车队，并计划到2028年将服务扩展到全球28个城市[7] 财务预测与市场表现 - 黄仁勋预测英伟达算力芯片到2027年将实现1万亿美元营收，而其对2026年芯片市场需求的预测仅为5000亿美元，这意味着目标需要翻倍[5] - 为实现翻倍目标，公司算力需要以更具“性价比”的形象出现，为此黄仁勋提出了“每瓦Token数”作为核心评价指标，并援引相关测算称英伟达目前在这一指标上处于世界领先位置[5] - 受此预测提振，英伟达股价在GTC大会当天一度上涨4%，最终收涨1.2%，暂缓了市场对其增长前景以及“AI泡沫”的疑虑[6] - 在GTC大会召开前，公司股价近月陷入停滞，年内累计跌幅已达3.4%[6] 竞争格局与行业演变 - 尽管英伟达目前仍占据约90%的市场份额，但其周边AI硬件领域的竞争格局已现“合围”之势，一批竞争对手正脱颖而出[9] - Meta等昔日“金主”正加速推进自研芯片，同时原本在训练领域稍逊一筹的CPU因其成本优势，正在部署环节展现出极强的替代潜力[9] - AI的重心正在发生演变，“推理”是一个持续且对成本高度敏感的过程，云巨头与初创公司正纷纷研发竞品AI芯片，尤其侧重于推理领域[9] - 亚马逊已推出Trainium与Inferentia系列芯片作为低成本替代方案，微软近期也发布了名为Maia 200的AI推理芯片，此外一大批初创公司正通过研发比GPU更廉价、高效的专用芯片试图重塑行业标准[9] - 随着数十亿美元资本涌入推理技术浪潮，该赛道已催生出多家极具竞争力的独角兽企业[9] - 在AI硬件领域，英伟达仍处于优势地位，短时间内难以撼动，但“推理”赛道正在涌现更多产品，后续竞争的核心可能是价格[10] 公司战略定位与核心竞争力 - 黄仁勋治下的英伟达表面上是在卖算力，其实一直在卖算力生态，最近更是利用生成式大模型与英伟达3D图形引擎融合来兜售算力需求概念，这是其无可替代的核心竞争力[7] - 公司有三大技术平台：狭义CUDA-X、广义生态系统、广义AI工厂系统[7] - 结合公司在人形机器人、智能驾驶以及六代NVlink Gro系统方面的企业战略和产品策略，公司更倾向于“卖铲子”而非直接去AI数据矿洞“淘金”，其工作可总结为“卖标准”[8] 中国市场动态 - 中国市场对公司的重要性依然突出，公司此前曾估计中国对人工智能处理器的年需求规模可能达到数百亿美元[10] - 过去一年，围绕对华销售先进人工智能芯片的问题，公司在政策与市场之间反复调整，2025年4月美国商务部一度叫停H20芯片出口，但在同年8月改变决定允许有限恢复[10] - 在需求不确定性下，公司于2025年8月底暂停了H20的生产，并重新评估其面向中国市场的产品策略[10] - 转折出现在2025年12月，美国方面允许英伟达向中国销售性能较其最新产品落后一代的H200处理器，但附加条件是公司需将相关销售收入的25%上缴美国政府[10] - 黄仁勋在GTC大会上表示，过去几周来自中国市场的需求有所增强，公司已为多家客户取得出口许可并收到订单，正着手重启生产体系，公司供应链“正在全面启动”[11]

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]

合作核心内容 - AI芯片巨头英伟达与Meta达成一项“多代际”深度合作 [1] - Meta将部署数百万颗英伟达当前及下一代芯片，用于搭建AI训练与推理数据中心 [1] 合作对英伟达的战略意义 - 合作标志着英伟达正式进军长期由英特尔和AMD主导的CPU市场，向两大巨头的核心腹地发起冲击 [1] - 英伟达此次同时供应GPU和CPU，既能抢占更多市场份额，也能深化其在Meta AI技术体系中的地位 [4] - 此举明确了英伟达的CPU布局野心，尽管会加剧行业竞争 [4] - 合作还涵盖英伟达的网络设备，以及用于WhatsApp AI功能的机密计算技术 [4] - 双方将共同部署下一代Vera CPU，替代当前的Grace CPU [4] 合作对Meta及行业的影响 - 此次合作彰显了Meta对英伟达的依赖进一步加深，尽管其也在自主研发芯片并与AMD等竞争对手合作 [4] - 分析人士表示，这一合作或能平息关于Meta采用谷歌TPU芯片的猜测 [4] - Meta选择单一供应商提供全栈芯片，可降低运营复杂度 [4] - 合作契合AI工作负载从模型训练向推理延伸的趋势——CPU在推理场景中更具成本和能效优势 [4] - 当前AI基础设施需求旺盛，短期内英特尔、AMD等竞争对手暂不会出现明显下滑 [4]

**行业与公司** * 行业涉及AI算力产业、半导体制造、先进封装、硅光子技术、存储器等[1][2][5] * 核心公司包括英伟达、谷歌、台积电、ASML、Oracle、工业富联、软银、AMD、博通等[1][2][3][4][7][8][16][19][23] **核心观点与论据** * **行业前景与主导力量**：AI算力产业发展方向由英伟达和谷歌等系统厂商的采购决策主导[1][2] 台积电和ASML在技术平台供给上起关键作用 决定了全球半导体设备采购及技术演进方向[1][2][8] * **技术热点与演进**：硅光子技术成为2025年热点 旨在降低传输等非计算部分的能源消耗[1][2] 大规模商用预计在2027年 英伟达产业链可能率先采用 谷歌产业链商用时间表未明确[1][4][12] 台积电技术领先 2纳米工艺已于2025年量产 持续推进3纳米 增强了其定价能力[1][13] 存储器领域正从2.5D架构向3D堆叠架构转变[20] * **先进封装发展**：台积电提出Foundry 2.0概念 先进封装收入保持50%的同比增长[15] 现有六座厂房运行 规划四座新厂 CoWoS、SoIC、CoPoS等平台扩建 成为新增长引擎[1][15] 硅光子技术是先进封装的重要组成部分[9] * **能源消耗挑战**：AI发展显著增加能源消耗 单机柜能耗从2022年60千瓦增至2025年120千瓦 预计2027年达500千瓦[10] 通过先进工艺降低计算能耗成为关键 英伟达CPU方案使信号传输能耗从30瓦降至9瓦 下降70%[1][10] * **公司业绩与增长动力**：台积电未来收入增长主要依赖高性能计算客户群体 美国客户占比超过68%[3][16] 产品单价从2019年3000美元上涨至目前7000美元以上[13] 工业富联受益于AI相关资本开支周期 云计算业务增速快[23][24] Oracle资本开支显著增加 上个季度首次超过经营现金流 自由现金流转负 今年预测350亿美元 超出市场预期[19] * **资本开支与估值**：台积电2021年资本开支占收入比例达50% 为压力最大阶段 目前压力已减轻 设备折旧占收入比例预计逐步下降[21] 台积电台股市盈率21.3倍 美股ADR为26倍 存在折让[22] 工业富联A股市盈率约为24倍[24] **其他重要内容** * **中国市场表现**：台积电中国区收入自2021年以来保持30%年均增长 2023年绝对金额已超过2019-2020年高峰期 目前销售占比维持在10%以上[17][18] * **新兴架构与厂商**：市场上出现新的AI芯片架构 如黄邦殿推崇的Cube形式 Jim Keller公司基于RISC-V并提出无需HBM的新架构[11] Oracle若执行OpenAI的300亿至3000亿美元订单 将带来算力需求新增量[19] * **具体技术时间表**：Ruby Ultra代CPU预计2027年开始少量使用 2026年基本不会大规模应用[4] Chip on Wafer on PCB技术预计2030年后实现 Chip on Panel on Substrate技术原计划2027年 现推迟至2028-2029年[4] 英伟达CPU计划2027年商用 从Spectrum X以太网交换机开始小规模使用 大规模商用预计2028年[12] * **产业链差异**：谷歌采用9000多个TPU形成大型计算单元 其解决方案对光模块、PCB等零部件的需求与英伟达完全不同 产业链结构不一致[7] 预计到2026年 ASIC数量可能接近甚至达到英伟达和AMD GPU总量规模[7]