文章核心观点 - AI投入产出已实现商业闭环，有望驱动海外科技巨头进一步加大AI投资 [1] - 美国扩大高端GPU出口管制，国产算力芯片自主可控需求迫切，国内多家GPU厂商正推出产品并追赶国际标准 [1][3] AI算力需求与GPU技术优势 - GPU因其并行计算架构，相比CPU更擅长处理AI训练和推理所需的并行计算任务 [1] - 在主流AI计算加速芯片架构中，GPU在通用计算性能和开发友好性上比ASIC和FPGA更具优势，且比NPU更成熟，因此成为大模型训练和推理的主力 [1] - 大语言模型能力提升遵循Scaling Law法则，高度依赖海量算力供给，未来AI大模型向多模态、强推理等方向演进，算力将继续作为核心驱动力 [1] 海外AI投资与市场格局 - 大模型应用端表现进步，用户渗透加深，谷歌月度Tokens调用量从2025年5月的480万亿大幅上升至7月的980万亿，并于10月爆发式增长至1300万亿 [2] - 大模型用户正转化为付费用户，推动AI投入实现商业闭环，促使北美科技巨头纷纷加码AI相关投入 [2] - 自2025年以来，英伟达、微软、OpenAI、Oracle等北美AI领域巨头已陆续签订投资与战略合作协议 [2] - 在数据中心GPU市场，英伟达占据主导地位且保持高速增长，其GB200训练性能达H100的4倍，推理性能为H100的30倍，并推出专为扩展推理设计的GB300 [2] - 英伟达的CUDA编程工具大幅降低开发门槛，巩固了其在AI智算领域的竞争壁垒 [2] 国产GPU发展现状与厂商分析 - 2023至2025年，美国多次修订出口规则扩大管制范围，GPU作为国内人工智能发展基础，政策持续加码支持国产算力行业 [3] - 寒武纪、海光信息、摩尔线程、沐曦股份等国内厂商已推出多款AI智算芯片产品，并逐步追赶国际领先标准 [1][3] - 从创始团队看，寒武纪核心成员来自中科院计算所，海光信息核心高管多来自中科曙光，摩尔线程创始成员来自英伟达，沐曦股份创始成员多来自超威半导体，这决定了各自的技术底蕴 [3] - 从产品与收入看，海光信息CPU产品贡献主要营收，信创CPU带动收入较快起量；寒武纪深耕AI芯片，收入在2025年实现爆发式成长；摩尔线程和沐曦提供通用GPU，但因成立时间短，仍处商业化落地前期，收入规模较小 [3] - 盈利能力方面，GPU行业早期因高研发支出通常处于亏损状态，海光信息2021年实现全年盈利，寒武纪于2024年第四季度实现单季度盈利，摩尔线程预计最早2027年实现合并报表盈利，沐曦股份预计最早2026年实现盈利 [3]

AI市场投资动态 - 全球最大资产管理公司贝莱德在其1850亿美元的模型投资组合平台上将美国股票和人工智能的风险敞口翻倍 以牺牲国际发达国家股票为代价增加对美国股票的敞口 调整后投资组合中股票的比重为2% [5] - 贝莱德模型团队从基础广泛的美国科技ETF转向以人工智能为重点的基金 近14亿美元流入iShares AI Innovation and tech Active ETF [5] - Reddit与谷歌公司洽谈另外一份人工智能内容协议 该消息使其股价跌幅从6.5%收窄至不足2.0% [6] 主要公司AI产品进展 - Meta发布新一代雷朋智能眼镜 起售价为379美元 在AI功能演示中眼镜可查看食材并在提示后提供菜谱 [6] - 英伟达内部正在孵化Robotaxi项目 预计投入30亿美金 未来会在美国落地开城 项目将采用全新的一段式技术路线 使用一个端到端神经网络 核心是通过仿真技术形成的世界模型对神经网络进行强化训练 与特斯拉FSD路线相似 [6][7] AI模型技术能力对比 - 微软支持的OpenAI模型组合在2025年国际大学生程序设计大赛世界总决赛中得分足以获得人类第一名 在不到五小时内解决12个算法问题 GPT-5解决前11个问题 实验模型解决最后一个最困难问题 [9] - 谷歌Gemini 2.5 Deep Think正确解决12个问题中的10个 [9] - 赛事中最优秀的人类团队解决了12道题目中的11道 俄罗斯圣彼得堡国立大学位居第一 东京大学 北京交通大学 清华大学和北京大学分列前五 哈佛大学排名第六 [9] - OpenAI表示其开发的模型不仅更智能 而且速度更快 价格也更加实惠 让每个人都能通过GPT-5获得强大的人工智能推理能力 [10]