国芯网[原:中国半导体论坛] 振兴国产半导体产业！ 不拘中国、 放眼世界 ！ 关注 世界半导体论坛 ↓ ↓ ↓ 11月24日消息，近日，据外媒最新报道称，美国政府正考虑允许英伟达对华出售H200芯片。 报道援引知情人士消息称，负责监管美国出口管制的美国商务部正就改变对华出口限制一事进行审查，并称相关计划可能会发生变动。 目前，美国商务部暂未对此作出回应，英伟达尚未就此直接置评。 两年前发布的H200芯片相比于其前代产品H100芯片拥有更多的高带宽内存，使其能够更快速地处理数据。据估计，H200芯片的性能是英 伟达H20芯片的两倍。 对于黄仁勋来说，他们迫切希望重新能够对中国厂商出手英伟达芯片，因为除了能够获得利润外，还能够在一定程度上抑制华为等国产厂 商的发展势头。 半导体公众号推荐 半导体论坛百万微信群 加群步骤： 第一步：扫描下方二维码，关注国芯网微信公众号。 第二步：在公众号里面回复"加群"，按照提示操作即可。 爆料｜投稿｜合作｜社群 文章内容整理自网络，如有侵权请联系沟通 "由于美国出口限制，英伟达对华芯片销售陷入停滞，预计未来两个季度在华销售额将为零。伤害中国的事情，往往也可能伤害美国，甚至 会更严 ...

据环球网22日援引外媒报道称，特朗普政府正考虑批准向中国出口美国芯片制造商英伟达的H200人工 智能芯片。 报道表示，两年前发布的H200芯片相比于其前代产品H100芯片拥有更多的高带宽内存，使其能够更快 速地处理数据。据估计，H200芯片的性能是英伟达H20芯片的两倍。 具体数据上，H200是英伟达第一款使用HBM3e内存的芯片，以每秒4.8TB的速度提供141GB的内存；与 A100相比，H200内存容量约提升两倍，带宽约增加了2.4倍。此外，英伟达随后推出的H200 NVL是基 于Hopper架构的PCIe版GPU。与H100 NVL相比，H200 NVL的内存容量提升了1.5倍，带宽提升了1.2 倍，能够在数小时内完成大型语言模型的微调，并提供高达1.7倍的推理性能提升。 另一方面，谷歌连续发布新模型相对于ChatGPT展现出了巨大的进步，高盛等对此分析表示，"这一点 已显而易见，但市场对此却反应迟钝。"谷歌供应链对OpenAI链的强烈替代走势。 华泰证券也认为谷歌TPU是目前唯一能与英伟达GPU匹敌的AI加速器，同时依托TensorFlow、OpenXLA 等学习框架与TPU构建软硬一体的AI生态， ...

AI行业电力危机现状 - AI竞赛的核心正从算力芯片转向电力基建 [1] - 2025年OpenAI在德州阿比林规划4.5吉瓦电力接入 相当于五座核电站发电量 [1] - 微软GPU集群因电力不足而闲置 北弗吉尼亚数据中心项目排队等电长达数年 [1] - 微软首席执行官坦言最大问题从算力资源过剩转变为电力供应及设施建置速度 [2] - 国际能源署预测到2026年AI行业电力消耗将至少是2023年的10倍 [4] - AI消耗算力每6个月增加10倍 远快于芯片制造能力提升速度 [4] - 生成式AI年度耗电量将从2023年7太瓦时激增至2028年393太瓦时 [4] - 美国数据中心电力缺口预计在2025-2028年间达到49吉瓦 相当于3300万美国家庭用电短缺 [4] - 美国最大电网PJM互联电网预测到2035年夏季峰值需求将比2023年增长38% 新增近58吉瓦需求 [4] 全球各地区电力基础设施挑战 - 美国超过70%变压器超龄服役25年 三分之一超过50年 设计寿命40年设备在自然灾害面前脆弱 [12] - 美国电网分散化 各州电网独立运行 缺乏统一协调调度体系 [12] - 欧洲电网普遍老旧 平均年龄高达50年 已接近设计寿命终点 [10] - 欧洲电网碎片化导致地区间电价差距巨大且不断扩大 [10] - 欧盟计划投资300亿欧元创建13个区域性AI工厂网络与千兆瓦级超级数据中心 [6] - 每个千兆瓦级数据中心需约1吉瓦电力 相当于一座中型城市用电需求 欧洲电网当前设计未考虑高密度集中式负载 [6] - 中国拥有全球规模最大 电压等级最高 调控能力最强的统一电网 在清洁能源布局上走在世界前列 [15] - 中国在新能源领域拥有压倒性产能 全球最大光伏和风电产业链在中国 [17] AI能耗具体数据与影响 - 2022年全球数据中心总耗电量约460太瓦时 占全球用电量2% 到2026年将超过1000太瓦时 约等于日本2022年全年用电量 [7] - 训练GPT-3一次耗电量达1287兆瓦时 相当于3000辆特斯拉电动汽车每辆跑20万英里所耗电量总和 [7] - ChatGPT每天响应约2亿个请求 消耗超过50万度电 [7] - 一次AI搜索耗电量是谷歌搜索10倍 一个数据中心耗电量可与1000家沃尔玛门店相当 [7] - 高盛预测到2030年全球数据中心耗电量将较2023年大幅增长175% 相当于再增加一个全球前十耗电大国电力负荷 [7] - 在爱尔兰 数据中心消耗全国20%电力 对当地居民生活和生态环境造成影响 [11] 科技企业应对策略 - 科技公司采取自救措施 包括修建发电厂或将数据中心搬到国外 [11] - OpenAI和甲骨文在德州合建天然气发电厂 xAI在田纳西搞基建导致发动机缺货 订单排到2029年后 [11] - 微软与Constellation Energy签署价值16亿美元购电协议 重启三哩岛核电站已关停反应堆 [18] - 亚马逊 谷歌选择与电力基础设施公司合作 参与核电站建设 尤其是小型模块化反应堆 [18] - 谷歌宣布与核能初创公司凯洛斯能源签署协议 计划在2030年前建造7座SMR 至2035年在美国电网新增高达500兆瓦无碳电力 [19] - 谷歌宣布与北美能源公司NextEra合作 将于2029年第一季度重启爱荷华州杜安·阿诺德核电站 [21] - 谷歌公布"捕光者计划" 把TPU芯片送入太空使用太阳能发电 Starcloud公司发射搭载英伟达H100芯片卫星 宣称要建设5吉瓦功率天基数据中心 [14] 替代能源解决方案 - 核电成为科技巨头首选解决方案 发电量大且稳定 成本相对可控 [21] - 小型模块化反应堆设计功率较传统反应堆小 可模块化生产 建造周期短 安全性能更高 可灵活部署在数据中心附近 [21] - 地热发电作为稳定清洁能源选择 碳排放低 低污染 抗天灾 没有不稳定性问题 可24小时全天候供电 [22][24] - 中国地热直接利用规模长期稳居世界第一 已建成地热供暖和制冷面积13.3亿平方米 折合装机92.4吉瓦 [26] - 双循环地热发电系统适用更广大区域 对温度要求不高 有57摄氏度成功发电纪录 但发电效率较低 [26] 中国战略优势与方案 - "东数西算"国家工程为算力 电力协同发展提供新思路 吸纳西部地区风电和太阳能发电资源 实现算力资源全国优化配置 [17][30] - 中国算力需求集中在东部地区 但东部电力自给率不足40% 西部拥有中国70%可再生能源装机 [31] - 可将AI大模型训练放在电价成本更低西部省份 将即时反馈要求高应用型数据中心放在东部 [31] - 华为 阿里巴巴 腾讯已在内蒙古 宁夏 贵州等可再生能源丰富地区布局数据中心 [17] - 通过剪枝 量化 蒸馏等技术优化算法 让AI模型更快 更节能 [29] - 数据中心节能需从算力架构和电力供应维度共同优化 包括硬件 算法 冷却 封装 电网耦合 热回收等 [29]

太空数据中心战略构想 - 马斯克提出通过星舰和配备高速激光链路的Starlink V3卫星大规模部署太阳能人工智能卫星 以实现每年1太瓦人工智能算力部署的目标[1] - 马斯克认为这是实现大规模AI算力部署的唯一路径 并以此回应谷歌使用核能运行AI的计划[1] 地面电力供应瓶颈 - 电力供应紧缺成为AI数据中心建设的关键瓶颈 美国数据中心的能源需求预计在2027年前几乎翻倍[3] - 大型数据中心的负载接入请求已使公用事业公司与电网容量不堪重负[3] 太空数据中心项目进展 - 美国StarCloud公司成功发射搭载英伟达H100芯片与谷歌Gemini大模型的技术试验星 卫星重60公斤 将提供比以往其他太空运算设施高出100倍的GPU算力[4] - StarCloud公司计划建造一座5吉瓦的轨道数据中心 配备宽长度约4公里的太阳能和冷却电池板 该数据中心无需用水冷却且不依赖备用电源[4] - 谷歌设想将其张量处理单元搭载在配备太阳能电池板的卫星上运行 太空太阳能电池板工作效率是地球同类产品的八倍 该项目被命名为"捕日者"[4] - 谷歌计划与Planet公司合作 于2027年之前发射几颗原型卫星以在轨道上测试其硬件[5] 太空数据中心优势 - 在太空中可获得几乎无限低成本的可再生能源 太空数据中心整个生命周期将节省10倍的二氧化碳排放[4] - 太空数据中心对环境唯一的成本是发射 与给地球上的数据中心供电相比更具环保优势[4] 中国太空计算进展 - 国星宇航与之江实验室于2025年5月成功发射全球首个太空计算卫星星座 包含12颗计算卫星并搭载80亿参数的天基模型[7] - 该星座实现了算力上天 在轨组网和模型上天 可对L0-L4级卫星数据进行在轨处理推理 将执行异轨卫星激光接入等任务[7] 商业航天发展预期 - 美国已发射1万多颗卫星并组网 明后两年中国必将加快发射进度 明年被视为商业航空航天大发展元年[7]

软件ETF市场表现 - 11月17日早盘，软件ETF（515230）盘中上涨1.1% [1] 太空计算星座建设进展 - 我国太空计算星座加速建设，“三体计算星座”由之江实验室主导，计划2025年完成超50颗计算卫星的星座布局，构建天地一体化算力网络 [1] - 英伟达H100芯片实现太空配套，运算能力是以往太空在轨计算机的100倍，未来将测试AI处理应用 [1] - SpaceX计划加速布局太空算力，“星舰”问世有望实现每年1太瓦AI算力部署，V3卫星容量预计提升10倍至1Tbps [1] 行业发展趋势与投资关注点 - 全球太空AI发展提速，天基智能有望迎来新业态 [1] - 卫星制造和天基AI应用等领域值得关注 [1] 软件指数构成与特征 - 软件ETF（515230）跟踪软件指数（H30202），该指数从市场中选取涉及系统软件、应用软件开发及相关服务的上市公司证券作为指数样本 [1] - 软件指数主要聚焦信息技术领域，具备显著的成长性和创新性特征，是观测软件行业发展动态的重要风向标 [1]

文章核心观点 - 全球顶级科技公司计划在未来五年投入1万亿美元建设AI数据中心，AI显卡的折旧问题成为影响投资回报和利润的关键会计因素 [2] - AI显卡作为相对新颖的资产，其使用寿命缺乏历史参考，科技公司在折旧年限上存在分歧（2至6年不等），这直接影响公司利润和融资可行性 [2][4] - 技术迭代加速（如英伟达从两年缩短至一年发布新芯片）加剧了AI显卡因技术过时而贬值的风险，管理层对折旧年限的估算面临重大挑战 [8] AI基础设施投资与折旧的重要性 - 谷歌、甲骨文和微软等基础设施巨头表示服务器使用寿命最长可达六年，但微软在年度报告中称计算机设备使用年限为两到六年 [2] - 设备保值时间越长，企业分摊折旧的年限就越长，对利润的冲击也就越小，这是投资者和贷款人重点考量的因素 [2] AI显卡折旧面临的挑战 - 英伟达首款面向数据中心的AI专用处理器于2018年左右推出，当前AI热潮始于2022年底ChatGPT发布，英伟达数据中心业务年收入从150亿美元飙升至截至今年1月财年的1150亿美元 [4] - 与企业已使用数十年的其他重型设备相比，显卡的使用寿命没有真正的历史参考记录，融资成功与否与此息息相关 [4] - 做空者迈克尔・伯里认为服务器设备实际使用寿命约为两到三年，科技公司因此虚增了收益，他指出Meta、甲骨文、微软、谷歌和亚马逊等公司夸大了AI芯片使用寿命并低估了折旧成本 [6] 企业对折旧年限的实践与分歧 - CoreWeave公司自2023年起将其基础设施的折旧周期设定为六年，其CEO表示对显卡使用寿命采取数据驱动判断方式 [4] - 2020年发布的英伟达A100芯片目前已全部预订一空，一批2022年的英伟达H100芯片因合同到期重新可用，立即以原价95%的价格被预订 [5] - 亚马逊在2月的一份文件中表示，已将部分服务器的使用寿命从六年缩短至五年，原因是技术发展速度加快，特别是在人工智能和机器学习领域 [8] - 其他超大规模科技公司则在延长新型服务器设备中显卡的预计使用寿命 [8] 技术迭代加速对折旧的影响 - 英伟达现在每年都会推出新款AI芯片，而此前的更新周期为两年 [8] - 英伟达CEO黄仁勋在发布新款Blackwell芯片时开玩笑说，当Blackwell芯片开始批量出货时，上一代Hoppers芯片就算白送也没人要了 [8] - 微软CEO萨提亚・纳德拉表示，公司正尝试分散AI芯片采购时间，避免对单一世代处理器过度投资，并指出任何新款英伟达AI芯片的最大竞争对手都是其前一代产品 [9] - 折旧估算需考虑技术淘汰速度、维护需求、历史使用寿命及内部工程分析等多种假设，并需通过审计师核查 [9]

AI数据中心投资与GPU折旧问题概述 - 全球科技巨头计划在未来五年投入1万亿美元建设AI数据中心，GPU折旧年限的会计问题成为影响企业利润和投资回报的核心焦点[3] 科技巨头对服务器使用寿命的预估差异 - 谷歌和甲骨文等公司预计服务器使用寿命长达六年，但微软最新披露的计算机设备使用寿命为二至六年，区间跨度显著[1][3] - 大空头Michael Burry认为服务器设备实际使用寿命仅二至三年，并指控相关公司通过此方式夸大收益[1][6] GPU折旧评估面临的独特挑战 - AI芯片作为新兴资产类别缺乏充分历史数据支撑，英伟达首批面向数据中心的AI处理器于2018年前后推出，当前AI热潮始于2022年底[5] - 与企业使用数十年的重型设备相比，GPU缺乏足够使用寿命记录，折旧年限选择（三年、五年或七年）从融资角度看差异巨大[5] 市场对GPU保值能力的分歧观点 - CoreWeave对其基础设施采用六年折旧周期，其2022年发布的英伟达H100芯片在合同到期后以原价95%的价格被立即预订一空[6] - 但CoreWeave股价较6月高点下跌57%，甲骨文股价较去年9月峰值暴跌34%，反映出投资者对AI过度投资的疑虑升温[3][6] 技术迭代加速对GPU折旧的压力 - 英伟达CEO黄仁勋暗示，当新一代Blackwell芯片开始大量出货时，前代产品Hopper的价值将大幅下降[7] - 英伟达将AI芯片发布周期从两年缩短至每年一次，亚马逊已将部分服务器使用寿命从六年缩短至五年，理由是AI和机器学习领域技术发展步伐加快[7] 科技公司的应对策略与审计考量 - 微软CEO表示公司正分散AI芯片采购，避免过度投资单一代处理器，并指出任何新英伟达AI芯片的最大竞争对手是其前代产品[8][9] - 折旧是管理层的财务估计，快速发展行业的进展可能改变最初预测，审计师会详细审查工程数据等假设来确认资产真实寿命[9]

文章核心观点 - AI数据中心建设投资巨大，未来五年全球科技巨头计划投入1万亿美元 [1] - GPU折旧年限的会计问题成为影响企业利润和投资回报的核心焦点 [1] - 市场对AI过度投资存在担忧，部分公司股价已出现显著下跌 [1] GPU折旧的行业现状与分歧 - 科技巨头对服务器使用寿命的估算存在差异，谷歌、甲骨文和微软预计可达六年，但微软给出的区间为二至六年 [1] - 折旧期限长短直接影响企业财务表现，较长的保值时间可将折旧成本分摊至更多年份，减轻对利润的冲击 [1] - AI GPU作为新兴资产类别，缺乏充分的历史数据支撑，为投资者和贷款机构带来不确定性 [1] GPU折旧估算面临的挑战 - AI芯片折旧评估缺乏足够的使用寿命记录，英伟达首批数据中心AI处理器于2018年前后推出 [4] - 与企业使用数十年的重型设备相比，GPU缺乏可比的使用寿命记录 [4] - 折旧是将硬资产成本分摊到预期使用寿命的会计做法，对采购数十万块GPU的企业至关重要 [4] 市场对GPU使用寿命的不同观点 - CoreWeave自2023年起对其基础设施采用六年折旧周期，其CEO表示数据驱动评估显示基础设施保持价值 [5] - CoreWeave的英伟达A100芯片已全部预订满，一批2022年的H100芯片以原价95%的价格被迅速预订 [5] - 做空者Michael Burry认为科技公司高估了AI芯片使用寿命，服务器设备实际使用寿命约为二至三年，公司因此夸大收益 [5] 技术迭代对折旧的影响 - AI芯片可能在六年内折旧的原因包括磨损损坏或新GPU发布导致过时，经济性大幅下降 [6] - 英伟达CEO黄仁勋暗示，新一代Blackwell芯片大量出货后，前代产品Hopper的价值将下降 [6] - 英伟达现在每年发布新AI芯片，而此前为两年周期，其竞争对手AMD也采取了同样做法 [7] 科技巨头的应对策略与考量因素 - 微软CEO表示公司正试图分散AI芯片采购，避免过度投资于单一代处理器，并关注英伟达的迁移步伐加快 [8] - 折旧是管理层的财务估计，快速发展行业的进展可能改变最初预测 [8] - 折旧估计需考虑技术过时、维护、类似设备历史寿命和内部工程分析等假设，并需说服审计师 [8]

全球太空计算发展态势 - 全球科技巨头加速布局太空计算，包括美国Starcloud发射搭载英伟达H100与Gemini模型的试验星、欧盟启动"太空数据中心计划"、阿联酋Madari Space计划部署8000个太空节点等[2] - SpaceX、谷歌、亚马逊等公司也提出在星链卫星增加数据处理模块、发射搭载TPU芯片的原型卫星、建设吉瓦级太空云计算中心等构想[2] - 推动这一浪潮的背后因素是AI模型规模扩大、地面数据中心能耗与带宽瓶颈凸显，以及产业对低延迟、高安全算力的迫切需求[1] 太空计算的战略价值与优势 - 太空高空环境低温、无尘且具备长期太阳能供给，为零碳计算提供了天然条件[3] - 星地一体网络有望为低空经济、无人系统、深空探测等领域带来更低时延、更高安全性的计算能力[3] - 天基算力的战略意义体现在星间协同与实时控制的刚需、主权与安全延伸、灾害监测等场景的分钟级响应、以及解决遥感数据爆炸与带宽受限问题[3] - 星上AI预处理可压缩90%无效数据，单星日均数据500GB，仅5%能有效下传[3] 中国太空计算的进展与布局 - 中国在太空计算上已进入落地阶段，国星宇航成功发射全球首个太空计算星座，在轨集群算力达5POPS，进入常态化商业运营阶段[4][5] - 国星宇航自主研发的"零碳太空计算中心"由2800颗计算卫星组网构成，星间激光通信速率最大可达100Gbps[5] - 02组星座计划于2026年上半年发射，将进一步实现多维感知、更高算力、异轨互联和规模商用[5][12] 商业化路径与客户结构 - 太空计算的商业化路径日益清晰，客户包括垂直行业AI企业、科研机构、低空经济与数字消费等新兴行业[7] - 商业模式正从"卖算力"走向"卖服务"，例如国星宇航与佳知慧行合作将交通行业模型算法上星运行，并为之江实验室等科研机构提供在轨计算服务[7] - 完整产业链涵盖上游卫星制造、通信设备、芯片模块及下游AI算法、地面接入终端、算力服务系统[8] 技术挑战与产业瓶颈 - 太空计算系统的关键软硬件技术包括星载智能计算机、星间激光通信机、星载高速路由器、天基分布式操作系统和天基遥感大模型等[8] - 功耗和散热是最大挑战，首批算力星座卫星单星算力达744T，二期计划提升至10P，但卫星能源供应和散热条件有限[8] - 下一步瓶颈在于验证计算平台在太空环境下的可靠性、降低抗辐照器件成本、以及实现多节点协同计算所需的统一通信协议[9] 产业链投资逻辑 - 目前商业航天的卡点仍在运力和卫星制造的成本，机构和厂商正通过可回收火箭、工业级器件、高度集成设计等途径来降低成本[8] - 投资机会短期出现在制造端，看好从核心设备到大规模计算平台有完整设计研发能力、有明确可靠性突破方向和降本路径的厂商[9] - 算力服务的爆发需依赖基础设施的成熟和规模效应，因此会相对靠后[9][10] 行业面临的挑战与展望 - 中国太空计算产业面临"星座规划多、落地比例低"的结构性挑战，已公布的卫星星座计划超过100个，总规划数量逾6万颗，但实际发射比例仅为1.19%[11] - 制约因素包括可重复使用火箭商业化处于试验阶段、卫星产能有限成本高、在轨处理与星间协同能力起步、审批周期长、人才缺乏等[11] - 随着航天工业化水平提升、AI增材制造技术进步及商业火箭发射成本下降，行业有望在"十五五"期间迎来成本拐点，进入规模化发展新阶段[12]

文章核心观点 - 美国政府已通知联邦机构，将不允许英伟达向中国出售其最新款简化版AI芯片B30A [3] - 英伟达已向多家中国客户提供B30A芯片样品，该芯片作为合规产品，性能较旗舰H100有所降低，但组建集群后可用于训练大型语言模型 [5] - 英伟达正着手修改B30A芯片的设计，希望美国政府能重新考虑其立场 [5] 行业与公司动态 - 英伟达发言人表示，公司在竞争激烈的中国数据中心计算市场份额为零，且未将该市场纳入业绩指引 [5] - B30A芯片若高效组建为大型集群，可满足众多中国企业对大型语言模型训练能力的需求 [5]