关键要点总结 涉及的行业与公司 * 涉及公司为**NVIDIA Corp (NVDA.O)** [1] * 行业涉及**AI加速器、数据中心、半导体行业** [1][3][4] * 提及的**美国超大规模云服务商** (Big Five Hyperscalers) 包括：Amazon (AWS), Meta, Google, Microsoft (Azure), Oracle [18][42] * 提及的**竞争对手与合作伙伴**包括：Anthropic, OpenAI, Groq, Advanced Micro Devices (AMD), Alphabet (GOOGL), Broadcom (AVGO), Marvell (MRVL) [2][14][24][32][34][42] 核心观点与论据 1 业绩预测与估值 * **业绩预测**：花旗预测NVIDIA 1月季度销售额为**670.74亿美元**，高于市场普遍预期的**655.82亿美元** [13][15]。预测4月季度销售额将环比增长9%至**730.13亿美元**，高于市场预期的**716.03亿美元** [1][13][15]。预计下半年数据中心销售额环比增长将加速至**34%**，高于上半年的**27%** [1][21] * **盈利预测**：上调2026/2027财年每股收益(EPS)预测约**1%** [1]。2026财年核心EPS预测为**4.70美元**，2027财年为**8.17美元** [6] * **毛利率**：预计公司将在2026年维持约**75%** 的毛利率，尽管面临内存价格上涨的压力 [5][13][15][28] * **估值与评级**：基于**30倍**的2027财年预期市盈率，维持**270美元**的目标价和**买入**评级 [1][7][45]。当前股价**182.81美元**，隐含**47.7%** 的预期回报率 [7] 2 产品与需求驱动 * **Blackwell平台**：Blackwell (B300) 需求强于预期，预计将强劲增长 [1][13]。预计2026财年Blackwell GPU出货量将达到**620万**颗 [22][23] * **Rubin平台**：Vera Rubin架构已全面投产，计划于2026年下半年发布，预计将快速上量 [30][31]。Rubin将包含**六款新芯片**，预计将增强其AI平台吸引力 [30] * **GPU出货量增长**：预计2026财年GPU总出货量达到**710.95万**颗 (同比增长27%)，2027财年达到**1022.6万**颗 (同比增长44%) [22][23] * **AI GPU销售占比**：预计2026-2027财年，AI GPU销售平均占数据中心总销售额的**高80%至90%** [22] 3 市场环境与竞争格局 * **超大规模资本开支**：尽管市场担忧AI泡沫，但花旗认为超大规模云服务商的持续投资将带来长期回报 [3][17]。预计五大云服务商2026年数据中心资本开支总额将同比增长**>60%**，达到**6580.86亿美元** [17][18] * **推理市场竞争**：推理市场将更加多元化，为不同AI加速器提供了空间 [4][24]。预计NVIDIA在商用GPU市场的份额将从2025年的**94%** 降至2026年的**85%** [24]。但在系统层面，预计NVIDIA在训练和推理工作负载上仍将保持领导地位 [4][24] * **技术领导力**：在MLPerf基准测试中，GB300 NVL72在**所有推理测试**中提供了最高的吞吐量，证明了其技术领先地位 [24] * **供应链与成本**：尽管内存价格可能上涨约**30%**，但凭借其供应链规模、与内存制造商的关键合作伙伴关系以及将成本转嫁给客户的能力，预计毛利率影响有限 [28] 4 投资者关注焦点与管理层观点 * **关键议题**：投资者关注点包括：1) 组件成本上涨对毛利率的影响；2) 对Anthropic/OpenAI投资的细节；3) 推理市场竞争加剧；4) Groq许可协议对产品路线图的影响 [2][14] * **Groq收购**：收购旨在结合Groq的低延迟优势和NVIDIA的高吞吐量优势，创造独特产品，不会影响核心业务 [32] * **Anthropic合作**：合作后，NVIDIA成为**全球唯一能运行所有模型**的平台 [34] * **中国市场**：公司有充足的供应满足所有国家客户的需求，针对中国的供应不会影响其他国家 [35] * **未来增长向量**：管理层预计垂直领域智能体系统将出现突破，推理能力可能推动token生成量增长**50倍** [36] 5 财务数据与预测 * **历史与预测收入**：2025财年收入**1304.97亿美元**，预计2026财年**2148.85亿美元** (增长64.7%)，2027财年**3590.20亿美元** (增长67.1%) [10] * **盈利能力**：预计2026财年调整后EBITDA利润率为**62.6%**，2027财年提升至**68.3%** [10] * **现金流**：预计2026财年自由现金流为**904.27亿美元**，2027财年大幅增长至**1670.57亿美元** [10] * **资产负债表**：预计2026财年末净现金头寸为**606.17亿美元**，2027财年末扩大至**1669.13亿美元** [10] 其他重要内容 * **GTC 2026会议**：投资者关注点已超越即将发布的财报，转向3月中旬的年度GTC会议，期待NVIDIA公布基于Groq低延迟SRAM IP的推理路线图以及对2026/2027年AI销售的早期展望 [1][41] * **企业AI应用加速**：根据花旗CIO调查，2025年第四季度生产环境中的AI用例增长了**3个百分点至24%**，客户案例显示效率提升**20-30%** [17] * **AI供应紧张**：由于内存/CoWoS封装限制，至少在2026年甚至可能到2027年，AI供应仍低于需求 [21] * **存储市场机会**：NVIDIA期望成为最大的存储处理器公司，其BlueField-4和DOCA软件可能为AI数据中心中未得到充分服务的KV缓存存储市场开辟新机会 [37]

财报发布与预期 - 英伟达公司计划于2月25日盘后公布2026财年第四季度业绩 [1] - 公司预计第四季度营收约为650亿美元（上下浮动2%）[1] - 市场普遍预期营收为655.6亿美元，这预示着较上年同期报告的数据将大幅增长66.7% [1] - 市场对季度每股收益的普遍预期在过去60天内上调了1美分至1.52美元，这暗示着较上年同期的0.89美元每股收益将实现70.8%的同比增长 [2] - 在过去四个季度中，该公司的收益有三个季度超出市场普遍预期，一个季度未达预期，平均超出幅度为2.8% [3] 各业务板块表现预期 - 数据中心业务持续强劲是第四季度营收可能受益的主要因素，混合工作趋势推动云解决方案采用增加，预计提振了数据中心终端市场对其芯片的需求 [6] - 超大规模计算需求增长以及推理市场采用率提高，预计成为本报告季度的积极推动力 [6] - 基于英伟达Blackwell架构的GPU在生成式AI和大语言模型中的应用需求增长，预计使数据中心终端市场业务受益，来自大型云服务和消费互联网公司的强劲芯片需求预计助力了该部门营收增长 [7] - 市场对数据中心终端市场第四季度营收的普遍预期为587.2亿美元 [7] - 游戏和专业可视化终端市场持续向好，预计对第四季度业绩做出贡献 [8] - 在过去10个季度中，有8个季度游戏终端市场业绩实现同比增长，渠道合作伙伴库存水平已恢复正常 [8] - 公司游戏产品在大多数地区需求强劲，市场对游戏终端市场第四季度营收的普遍预期为42.6亿美元 [9] - 专业可视化部门业绩已连续九个季度实现营收增长，复苏趋势可能在第四季度延续，市场对其第四季度营收的普遍预期为7.576亿美元 [9] - 汽车部门趋势在过去七个季度持续改善，由于对自动驾驶和AI座舱解决方案的投资增加，这一积极趋势可能在第四财季延续，市场对汽车终端市场第四季度营收的普遍预期为6.627亿美元 [10] 股价表现与估值 - 英伟达股价在过去一年中波动较大，股价上涨了39.8%，表现优于Zacks半导体-通用行业37.3%的涨幅 [11] - 然而，其股价表现落后于主要半导体股，包括超威半导体、英特尔和博通，这三家公司股价分别上涨了83.5%、79.4%和52.7% [11] - 从估值角度看，英伟达目前以25.38倍的未来12个月市盈率交易，相对于行业平均的28.1倍存在折价，显示出具有吸引力的估值水平 [14] - 与其他芯片巨头相比，英伟达的市盈率倍数低于英特尔、超威半导体和博通，这三家公司目前的未来市盈率分别为81.97倍、28.35倍和29.29倍 [17] 行业前景与公司定位 - 过去一年，英伟达的营收增长主要受开发生成式AI模型所需芯片的强劲需求推动 [18] - 英伟达在生成式AI芯片市场占据主导地位，其芯片已在包括营销、广告、客服、教育、内容创作、医疗保健、汽车、能源与公用事业以及视频游戏开发在内的多个行业得到应用 [18] - 各行业现代化工作流程的需求增长，预计将推动生成式AI应用的需求 [19] - 根据《财富》商业洞察报告，预计到2034年，全球生成式AI市场规模将达到12.6015万亿美元，预计在2026年至2034年间年复合增长率为29.3% [19] - 生成式AI的复杂性需要海量知识和巨大的计算能力，这意味着企业将需要大幅升级其网络基础设施 [20] - 英伟达的AI芯片，包括A100、H100、B100、B200、B300、GB200和GB300，是构建和运行这些强大AI应用的首选，确立了公司在该领域的领导地位 [20] - 随着生成式AI革命的展开，预计英伟达的先进芯片将推动其营收和市场地位实现大幅增长 [20]

财报发布与市场预期 - 公司将于2026年2月25日公布最新财季业绩，华尔街一致预期营收约656亿美元，同比增长维持高位[2] - 市场关注点已从业绩能否超预期转向对未来确定性的确认，花旗分析师预计当季营收可达670亿美元，并将4月财季指引推高至730亿美元之上[2] - 对于市值达万亿美元级别的公司，其财报被视为确认未来三年AI产业格局的风向标[3] 指引成为定价核心 - 财报业绩本身已成为“前菜”，公司对下一个财季（4月财季）及未来的指引才是影响股价和定价的核心[5] - 花旗预计的730亿美元季度指引，高于市场此前716亿美元的预期，这在高基数上意味着数十亿美元的增量空间，是对需求延续性的关键确认[5] - 投资者对每股收益（EPS）是否超预期已不敏感，营收指引更能反映底层需求的真实温度，并决定市场是否会上修盈利假设和估值倍数[6] - 高营收指引也隐含了供应链瓶颈（如台积电CoWoS封装、SK海力士HBM内存）得到实质性缓解的积极信号[7] 产品代际切换驱动增长 - 公司增长正经历关键切换，B300产品持续放量保证了2025年至2026年上半年的增长惯性，是营收的“压舱石”[8] - Rubin架构的推出为2026年下半年打开新增长区间，花旗预计下半年同比增长率有望达到34%，高于上半年的约27%[8] - Rubin架构通过解决“内存墙”与“功耗墙”瓶颈，旨在提升同等功耗下的推理吞吐量，其细节将在3月GTC大会披露[9] - 增长驱动力从依赖少数超大规模云厂商，扩展到包括主权AI和大型私营企业在内的多元化客户结构，实现了从“单极驱动”到“多极驱动”的切换[10] 中长期竞争与生态布局 - GTC大会将首次系统性阐述公司的推理路线图，包括如何利用Groq的低延迟SRAM相关知识产权，并给出对2026至2027年AI销售前景的展望[12] - 市场担忧在推理需求碎片化时代，专用芯片会侵蚀公司通用GPU架构的优势，但分析认为公司凭借系统级整合与平台优势仍能应对[13] - 公司可能通过合作、授权或吸收Groq等技术思路来强化自身在推理端的低延迟能力，展现其作为生态组织者的进化能力[13] - CUDA生态构成的软件护城河在推理时代依然有效，公司预计将在GTC展示更完善的推理软件栈，巩固“硬件+软件”的双重壁垒[14] - 公司需要证明其系统级方案在总拥有成本（TCO）上依然最优，以维持其中长期统治力并获取2027年的估值溢价[14] 战略定位与投资者信心 - 公司当前处于战略中心，其财报被用来判断未来三年的竞争力，类似微软云转型期和苹果智能手机爆发期所享受的待遇[16] - B300是当前的现金牛，Rubin是未来的增长极，而GTC上描绘的生态蓝图则是通往2027年的门票[16] - 在充满不确定性的环境中，市场最关心公司能否继续提供关于AI增长的确定性，这决定了当前估值是对新时代基础设施的合理定价而非泡沫[17]

公司业绩与短期指引 - 花旗预计英伟达1月所在财季营收约为670亿美元，高于华尔街普遍预期的656亿美元 [1] - 花旗预计公司对4月所在财季的营收指引将达到730亿美元，明显高于市场预期的716亿美元 [1] - 分析师维持对英伟达的"买入"评级，并给予270美元的目标价 [1] 中长期增长动力与产品路线 - B300产品的持续放量叠加Rubin架构的推出，将推动公司在2026年下半年实现同比34%的销售加速增长，显著高于2026年上半年约27%的增速 [1] - 市场关注点已转向3月中旬的年度GTC大会，届时公司预计将重点阐述其推理路线图，并首次给出对2026年至2027年AI相关销售前景的初步展望 [1] - 从中长期视角看，公司当前估值"具备吸引力"，随着2026年业绩能见度提升，该股有望在2026年下半年跑赢大盘 [2] 行业竞争格局与市场趋势 - 推理市场正朝着"更加多元化"的方向发展，为模型规模和应用场景的定制化带来更多选择空间，AI加速器的使用将呈现更丰富的形态 [2] - 从系统层面看，预计公司仍将继续在训练型和偏重推理与逻辑推断的工作负载中保持领先地位 [2] - MLPerf被认为是当前对不同AI加速器进行横向比较时最具参考价值的指标 [2]

算力租赁市场设备迭代 - 华东某头部大厂大规模叫停B200租赁订单，计划全面转向B300机型，此前配套资金已批复到位，但仅1-2个B200项目完成落地，其余已紧急叫停或转投B300 [1] - B300现货稀缺，即便谈妥订单供货量也十分有限，而市场上原有B200流通量极为紧张，目前仅华南某地区有数十台库存 [1] 英伟达H200出口与市场现状 - 特朗普政府宣布允许英伟达向“经批准的中国客户”出口H200芯片，但市场陷入观望僵局，多数企业暂停下单 [2] - H200模组价格据称从150多万元降至125万元，但降价真实性存疑，因内存价格上涨且美方要求征收25%出口分成 [3] - 自开放消息公布以来，尚未有一批H200完整走完双端审批流程流入国内，真实流通成本无法核算 [4] - 数周前产业报价显示，H200整机价格约205万元，行货价格预计高出20%，而头部贸易商参考价为220万元，但许多海外服务器大厂尚未拿到合规出货法律文件 [5] - 目前仅某服务器厂商有少量出货，侧面印证英伟达备货所剩无几，即便台积电立即重启产能，到货周期也至少需要3个月 [5] 国产AI芯片公司发展动态 - 过去三年间，多家国产AI芯片公司为解决经营与融资压力，曾主动寻求被国内某头部信创整机企业收编，但谈判均以失败告终 [6] - 在产业收购路径被阻断后，上述公司转而选择并完成了公开上市，目前均已登陆科创板或港交所 [6] 国资智算平台动向 - 北京某国资背景算力平台组建了豪华高管阵营，成员来自IBM、花旗投行中国业务、全球知名半导体企业等机构 [7] - 该平台能获取医疗、金融等高门槛国央企的数据，这是民营智算企业难以触达的 [7] - 行业观点认为，该平台正试图剥离早期的外部技术服务方，转而构建完全自主的核心技术底座，并在全国范围内外包智算中心，覆盖从规划到交付的全链条 [8] 英伟达L系列芯片需求 - 华北某互联网大厂上月敲定3万余片英伟达L20、L40芯片订单，用于特效、动画制作等渲染类业务场景，反驳了“L系列产品已过时”的论调 [9] - 对大厂而言，5090存在合规风险，而L20、L40技术成熟、生态兼容度高，能稳定匹配渲染场景需求，即便有国产替代产品，该大厂仍坚定选择英伟达过代产品 [9] 英伟达5090显卡价格波动 - 英伟达RTX 5090显卡迎来涨价潮，单卡涨幅普遍达5000-6000元，当前市场价格区间为28400-31000元 [10] - 海外市场消息称5090官方参考价将从2000美元大幅上调至5000美元，进一步助推国内涨价预期 [10] - 行业分析指出，此次涨价可能并非单纯市场调节，而是英伟达的主动布局，通过抬高消费级显卡售价，引导算力需求转向刚获准出口的H200 [10] 中昊芯英市场策略与传闻 - 中昊芯英在推进AI芯片产品商业化中，疑似在部分销售合同中引入带有“最低使用率承诺”条款的协议，以稳定订单预期 [11] - 该模式可能掩盖产品在开放竞争环境下的真实性能表现 [11] - 业内对其核心团队在国际顶尖AI芯片项目中的履历存在争议，对其宣传深度与真实背景持审慎态度 [12] - 市场传闻该公司可能通过非传统IPO渠道（如寻求重组或借壳）进入资本市场 [12] 润泽科技财务表现 - 润泽科技2025年前三季度毛利率达48.11%，显著高于行业19%-25%的平均水平 [13] - 高毛利核心依托两大因素：算力需求爆发前提前布局设备优化采购价并保障供应；与核心客户签订“3+2”合作协议，将核心利润集中在前期3年兑现 [13] - 后续2年或将面临价格敞口，意味着其依托订单带来的红利效应或将逐步收窄 [13] 国产算力项目竞争与挑战 - 国产算力赛道热度攀升，国内头部服务器厂商接连接手多个国产算力项目，为各家国产芯片厂商搭建算力集群 [14] - 算力租赁厂商坦言，国产算力项目存在消纳难题，规模在64台服务器以上的集群可获得芯片厂商专属工程师支持，但中小规模集群后续运维依赖项目集成方，带来不便 [14] - 国产芯片厂商竞争进入饱和式博弈阶段，以广西某银行算力项目招标为例，仅需数十台设备却吸引多家头部厂商竞标，项目方经全流程实测验证后，最终选择阿里巴巴旗下平头哥半导体的产品方案 [14] 智算中心建设与运营模式演变 - 智算中心建设出现出资方与统筹建设方角色分离的新方式，要求运营商垫资，再由建设方自行解决包销问题 [15] - 为对冲风险，新建智算项目合同中“100%包销”已成为入场标配，原本5年的包销周期现已普遍拉长至7年，核心要求是5年内必须回本 [15]

文章核心观点 - 英伟达以200亿美元收购推理芯片公司Groq，其核心战略意图是获取其创始人Jonathan Ross及其团队，以及其独创的LPU技术，旨在快速补齐公司在AI推理市场的短板，巩固并扩大其行业主导地位 [2][5][6] 重金收编的核心是什么？ - 交易本质是“收购式招聘”的升级版，以技术授权名义实现“人才+技术”双收，用最小监管风险获取核心战略资产 [5] - 支付总额200亿美元中，130亿即时到账，剩余部分包含核心员工股权激励，创始人Jonathan Ross个人获得数亿美元英伟达股权，团队核心成员及芯片设计、编译器开发等核心资产尽数归入英伟达 [5] - 收购的核心人物Jonathan Ross是谷歌初代TPU核心设计者，其创立的Groq所开发的LPU芯片在LLM推理上速度比英伟达GPU快10倍，成本与功耗均仅为1/10 [6] - LPU架构采用全片上SRAM设计，片上带宽达80TB/s，是英伟达Blackwell B300的HBM带宽8TB/s的10倍，旨在消除数据搬运延迟 [6] - 此次收购是英伟达“技术补位+生态垄断”并购战略的延续，其底气来自充沛的现金流，仅2026财年Q3自由现金流就达220.89亿美元 [8] 为什么是Groq？ - 全球仅谷歌和Groq两个团队掌握TPU架构技术，收购Groq补齐了英伟达在该技术路线上的短板 [10] - LPU专注于推理场景，其“顺序延迟优先”的技术路线源于Jonathan Ross的TPU开发经验，旨在解决低延迟、高能效、低成本的核心需求 [10] - 实测数据显示，Groq LPU运行Llama 3.3 70B模型时token生成速度达284 tokens/s，首token响应时间仅0.22秒，运行MoE模型时突破460 tokens/s [12] - 极致性能为Groq赢得沙特王国15亿美元的业务承诺资金 [17] - 英伟达现有H200、B300等推理芯片仍是GPU架构改良，未能突破冯·诺依曼架构局限，而谷歌TPU、AMD MI300等竞争对手均在专用推理架构上发力 [17] - 面临Meta、谷歌等大客户寻求算力多元化及Anthropic接入100万个谷歌TPU的竞争压力，收购成为英伟达抢占推理高地、留住客户的最优解 [17] - Groq代表的“去GPU化”技术路线可能颠覆产业，其可重构架构无需CUDA生态，采用GlobalFoundries和三星代工，不占用台积电稀缺的CoWoS产能，大幅降低AI芯片生产门槛 [17] 推理市场变天？ - 收购后，英伟达计划将LPU作为专用DAC硬件单元嵌入CUDA生态系统，保持CUDA编程通用性，短期通过NVFusion快速集成，长期在底层架构和编译器层面实现协同设计 [19] - 不同推理场景需求各异，推理芯片架构将呈现多样化趋势 [20] - 业内人士爆料，英伟达下一代Feynman GPU或于2028年集成Groq的LPU单元，采用类似AMD X3D的独立芯片堆叠设计，利用台积电SoIC混合键合技术 [20] - 由于在先进制程上构建SRAM成本高昂，可能将LPU单元堆叠到主Feynman芯片上，利用台积电A16制程的背面供电功能确保低延迟 [21] - 在CUDA生态中集成LPU风格执行面临工程挑战，需要“工程奇迹”来确保LPU-GPU环境充分优化 [21]

涉及的行业与公司 * **行业**：全球半导体行业，特别是AI加速器（GPU/ASIC）与云计算服务领域 [2] * **主要涉及公司**： * **NVIDIA (NVDA)**：报告核心分析对象，涵盖其多代GPU产品（P100, A100, H100, H200, B200, B300）[4][5][6] * **AMD**：提及其实例（MI300X, MI355X）在主要云服务商中缺乏可见度 [2][4] * **云服务提供商 (CSPs)**：包括**AWS (Amazon)**、**Azure (Microsoft)**、**Google Cloud**、**Oracle**、**Coreweave**、**Lambda**、**Nebius**，分析了其AI加速器的供应与定价策略 [4][5][6] * **ASIC供应商**：**Google**的TPU系列（v2至v6，提及即将推出的v7 'Ironwood'）和**Amazon**的Trainium/Inferentia系列 [4][6] * **其他提及公司**：Intel (INTC)、Mobileye (MBLY) [56][57] 核心观点与论据 * **AI需求环境与加速器迭代**： * **Blackwell平台加速普及**：NVIDIA B200在AWS和GCP的现货市场首次出现，B300在AWS现货市场的出现速度远快于B200从发布到上市的时间差，表明部署加速 [2][4] * **旧款GPU需求依然强劲**：Ampere、Hopper及更早世代的GPU（如2019年的P100）供应仍然广泛，位置数量月度持平，年度仅小幅下降，与NVIDIA CEO关于旧款安装基础被充分利用的评论一致 [4][18] * **ASIC供应稳定但新品未全面上市**：Google TPU v2-v6和Amazon Trainium/Inferentia定价相对稳定，但Trainium2价格波动且可能接近售罄或内部调配 [4][25][26]；Google的TPU v7 'Ironwood'尚未在市场上出现，预计大规模量产正在进行中 [4] * **AMD在主要云平台缺乏可见度**：在覆盖的数据集中，AMD实例未在任何主要云服务商中提供（上次在Azure看到MI300X是在7月），仅在Oracle的手动渠道检查中可见，表明市场渗透有限 [2][4] * **定价趋势与云服务商策略**： * **整体定价保持坚挺**：尽管投资者担忧AI需求持续性，但加速器定价保持良好，旧款加速器仍有广泛供应，云厂商认为这些旧芯片仍有经济价值 [2] * **AWS价格重新平衡**：AWS对NVIDIA旧世代GPU进行了混合定价调整，月度下降1.8%，具体表现为降低A100及更老芯片价格，同时提高H100（+3.3% M/M）和H200（+1.2% M/M）价格 [4][9][14]；此举被视为AWS持续努力调整其与同行的费率以及平衡现货与按需销售，而非需求变化 [4] * **按需与现货溢价**：不同加速器的按需与现货价格溢价各异，例如H100的溢价在2.1倍至2.7倍之间，而一些旧款GPU（如V620）溢价可达5.4倍 [6][12] * **性能与性价比分析**： * **Blackwell性价比具有竞争力**：B200的性价比（价格/性能）至少与Hopper（H100/H200）具有竞争力，且远优于旧款加速器 [4] * **具体性价比数据**：以按需价格每PFLOPs成本计，H100为$1.73，H200为$2.47，B200为$2.06；以现货价格每PFLOPs成本计，H100为$0.93，H200为$1.41，B200为$0.80 [37][45] * **世代间性能飞跃**：从A100到H100，理论性能（FP8 PFLOPs）提升993%，同时现货每PFLOPs成本下降73%，按需每PFLOPs成本下降50% [37] 其他重要内容 * **数据来源与方法**：报告基于**UBS Evidence Lab**的专有数据集，对云服务商的定价页面进行数据抓取和分析，提供了详细的加速器可用位置、现货与按需价格数据 [2][6][53] * **风险提示**： * **NVIDIA风险**：包括AMD在GPU领域的竞争、基于ARM的应用处理器领域的激烈竞争，以及半导体行业收入趋势与企业盈利能力挂钩的周期性风险 [54] * **AMD风险**：上行风险包括在云/数据中心服务器渗透率超预期及AI领域取得更好进展；下行风险包括来自Intel的激进价格竞争带来的利润率压力，以及无法及时将生产有效转移至台积电 [55] * **Intel风险**：NVIDIA在数据中心的新计算密集型工作负载领域建立了强大护城河，并可能最终利用其GPU架构更广泛地取代Intel；AMD的新客户端和服务器CPU也构成威胁 [56] * **估值与目标价方法**： * **NVIDIA**：基于市盈率（P/E）倍数设定目标价 [54] * **AMD**：基于未来十二个月市盈率（NTM P/E）方法进行估值 [55] * **Intel**：基于分类加总估值法（SOTP）设定目标价 [56] * **报告性质与免责声明**：该文件为UBS全球研究产品，包含分析师认证、利益冲突披露、评级定义（如买入：预测股票回报率FSR高于市场回报假设MRA 6%以上）及针对不同地区的监管分发说明 [3][61][62][63][95]；报告使用了人工智能工具进行辅助准备，但经过了人工审查 [90][99]

比特币挖矿业务表现 - 2025年11月公司挖出526枚比特币，相比去年同期大幅增长251% [1] - 产量增长归因于自有矿机SEALMINER的持续部署，当月自挖算力达到45.7 EH/s [1] - 公司预计到2025年底自挖算力将超过50 EH/s，届时将跻身公开上市矿企中自部署算力超50 EH/s的行列 [2] 自有矿机部署与进展 - 已部署34.3 EH/s的SEALMINER A2型号矿机，另有3.3 EH/s在运输途中 [2] - 已开始部署最新的A3型号矿机，已部署0.6 EH/s，另有2.9 EH/s在运输途中 [2] - 即将推出的比特币挖矿ASIC芯片SEAL04-1在近期验证测试中展示出约6-7 J/TH的能效 [3] - 管理层目标是在2026年第一季度实现该芯片的大规模生产 [3] - SEAL04芯片原计划今年投产，目标能效为5 J/TH，但已延迟，现计划分两批（SEAL04-1和SEAL-02）设计和推出 [3] 高性能计算与AI基础设施扩张 - 高性能计算部门按计划发展，截至11月年化经常性收入约为1000万美元，高于10月的800万美元 [4] - 在马来西亚新租赁了一个2兆瓦的数据中心，将托管英伟达GB200系统，预计2025年底前启动 [4] - 已订购额外的B300和GB300系统，计划于2026年初交付 [4] - 正在积极评估美国的数据中心租赁机会 [5] - 已开始在华盛顿州韦纳奇对一个13兆瓦的场地进行改造，并在田纳西州诺克斯ville规划一个35兆瓦容量的项目 [5] 运营挑战与股价表现 - 俄亥俄州马西隆的场地因近期火灾遭遇局部挫折，两座受影响建筑中约26兆瓦的供电需等待评估而推迟，该地点剩余的174兆瓦容量计划于2026年第二季度上线 [6] - 公司股票年初至今下跌53% [6]

美国放开H200的原因 - 英伟达努力劝说美国政府放开H200的主要目的是清理库存 库存主要集中在英伟达和代工模组厂商 而上游台系ODM厂库存极低 且因超微被美国商务部调查导致供货受限 整体供应链提货能力不足 [2] - 美国市场主流产品已转向B系列 如GB200或8卡机B200/B300 依靠美国市场消化H200库存较为困难 中国市场是关键 [2] - 美国数据中心面临电力供应紧张问题 Blackwell架构相比H100/H200更省电并支持液冷 能效比更高 未来H100/H200将逐步下架 这些旧型号设备若无法在美国消化 最理想的处理方式是合法卖给中国以实现库存转移 [2] 中国对H200放开的态度 - 国内舆论对H200放开看法两极分化 一方认为国产AI芯片性能尚不及H200 大厂有需求 另一方认为同意放开等于自废武功 不利于国产芯片发展 且给予美国未来再次禁运的机会 [3] - 从经济性角度 没有禁掉H200的理由 其单卡性能 主要是算力和显存带宽 高于国内AI卡 [4][5] - 许多旧代码基于Hopper架构 H200可即插即用 深受大厂青睐 且此前H200禁运期间 国内已有流通 海关主要严查H20等阉割版 若美国放开后中国再禁 显得不合理 [8] - 根据Bernstein分析 明年国产GPU产能不会大幅提升 到2027年提升才会比较大 表明目前对高端AI卡仍有较大需求 [8] - 领导层决策不仅基于经济角度 更多考虑政治因素 是否允许进口取决于中美关系走向 若双方关系缓和则放行可能性高 若继续博弈则可能拒绝以示强硬 需在经济发展与科技自主之间权衡 [11] H200放开对国产市场的影响 - H200目前主要被国内云服务提供商用于训练 而国产AI芯片大部分用于推理场景 两者应用场景重叠度有限 H200不直接与国产GPU卡竞争 对国产GPU卡影响不大 [12] - 在推理场景中 国产GPU厂商可预先写好算子供客户直接调用 省时省力 但在训练场景中 算子需客户自己编写 对国产GPU的底层硬件和软件易用性要求更高 同时训练任务对集群互联和稳定性要求也更高 [12] - 由于内存价格翻倍上涨 即便H200模组降价1万美元 总体成本节省有限 经济性不会显著提升 [13] - 对于资本开支较大的云服务提供商 上半年针对B系列的采购并不多 国内B系列保有量也较少 很多在等待性能相比H200提升很多的B300 [13] - 市场消息引发情绪波动 但实际影响有限 真正决定走势的是政策取向、市场需求与资金状况 而非单纯的技术可用性 [14] 国内AI算力硬件供应链梳理 - 文章附带了国内谷歌供应链与英伟达供应链的上市企业梳理表格 涉及光模块/光学器件、服务器电源、液冷、变压器/SST系统等多个环节 列出了部分公司的出货产品、产品市占率、供货方式、毛利率及2026年订单预期等信息 [16] - 涉及的谷歌供应链公司包括光库科技、德科立、腾景科技、赛微电子、欧陆通、英维克、思泉新材、飞荣达、科创新源、金盘科技、伊戈尔、京泉华、四方股份等 [16] - 涉及的英伟达供应链公司包括英维克、思泉新材、科创新源、淳中科技、鼎通科技、麦格米特、京泉华、金盘科技、四方股份等 [16]

事件概述 - 美国前总统特朗普在Truth Social宣布 美国将批准英伟达向中国“批准客户”交付H200芯片 相应芯片销售额的25%将支付给美国政府 美国商务部正在敲定细节 此做法也将适用于AMD、英特尔及其他美国公司 [1][5] H200芯片产品竞争力 - H200于2024年推出 采用台积电4nm工艺 包含六层HBM 其总处理性能超过当前出口管制阈值近10倍 [2][6] - 在推理端 H200的内存带宽性价比与B300相近 [3][7] - 在训练端 H200的FP8性价比达到B300的70% [3][7] - H系列芯片依然非常有竞争力 大多数近期发布的前沿模型是用Hopper芯片训练的 例如Grok3和Llama4 [4][8] 对华销售潜在财务影响 - 英伟达管理层曾表示 若地缘政治问题缓解并获得许可 单季度可实现20亿至50亿美元的对华H20收入 [4][8] - 按照73%毛利率计算 扣除支付给美国政府的25%收入分成后 H200可实现的净收入毛利率约为64% [4][8] 对中国AI产业的影响 - 美国芯片出口不太可能阻碍国产替代的长期目标 H200准入更大程度是增加中国总算力供给 而非替代国产化 [4][8] - 事件将利好国内云服务提供商资本开支投资 如腾讯、阿里、字节等互联网厂商 并促进AI应用爆发 [5][9]