AI行业竞争格局 - 市场担忧谷歌崛起影响英伟达，但实际格局是差异化竞争与协同发展，共同推进AI产业[2][4] - 谷歌在AI算力与模型领域动作密集，包括每六个月算力翻倍、TPU产能扩张和模型升级[4] 英伟达核心优势 - 英伟达在核心硬件技术方面凭借GPU绝对优势主导算力市场，GPU因并行计算效率成为AI训练和推理首选[5] - 英伟达构建完善AI生态系统，CUDA平台成为AI开发标准工具，拥有数百万开发者形成强大网络效应[6] - 公司与全球云服务商、硬件代工厂、核心零部件供应商深度合作，形成全流程效率优势[6] - 英伟达营收结构多元化，数据中心业务为核心增长引擎，游戏、专业可视化等领域提供稳定收入[8] 谷歌差异化定位 - 谷歌AI战略核心是构建服务于自身业务的全站AI基础设施，TPU为特定场景定制，通用性较弱[7] - 谷歌倾向于闭环生态建设，整合自身算力、模型、应用资源，市场策略与英伟达开放生态形成差异[7] - 谷歌AI投入目前更多体现为资本开支增加，AI业务商业化变现仍需时间验证[8] AI产业链投资机遇 - 算力硬件核心标的建议布局英伟达产业链，关注深度合作的硬件代工厂、核心零部件供应商[9] - 液冷技术赛道因AI算力密度提升需求增长，关注具备整体解决方案能力的头部企业及核心零部件厂商[9] - 通信算力链受益于谷歌OCS产业链放量，2026年有望成为谷歌OCS交换机放量元年[10] - 光模块领域中际旭创在谷歌份额超过50%，博创有望进入谷歌链，腾景科技获近9000万元YVO4采购订单[10] - AI应用端关注C端工具软件与生态型企业，阿里系生态内企业受益于千问、灵光等产品用户增长[11] 燃气轮机产业链 - 西门子能源产能扩张带动燃气轮机核心零部件需求激增，国内企业加速进口替代进程[13] - 应流股份整体在手订单30亿元，其中两机订单16亿元，今年新接订单将超40亿元，两机收入明年冲击20亿元[13] - 万泽股份订单来自西门子、GE等头部客户及中东区域，两机今年收入有望冲击4亿元[13] 行业发展前景 - AI产业迎来黄金时代，算力需求爆发式增长、应用端加速落地、产业链协同升级印证行业坚实基本面[14] - 长期算力需求呈现多样化，通用算力与专用算力并存，英伟达主导通用市场，谷歌TPU在特定场景发挥作用[8]

行业竞争格局 - 谷歌在AI算力与模型领域的密集动作引发市场关注，其算力每六个月翻倍，TPU产能大幅扩张，模型能力持续升级 [2] - 英伟达与谷歌更可能形成“差异化竞争、协同发展”的格局，而非你死我活的竞争关系 [2] - 英伟达凭借GPU产品的绝对优势占据算力市场主导地位，GB300系列成功爬坡和RTX300系列强势表现证明了其在芯片设计和制造工艺的积累 [3] - 谷歌TPU主要用于自身AI基础设施建设，市场化程度和生态兼容性远不及英伟达GPU，全球绝大多数AI企业和云服务商仍以英伟达GPU为核心构建算力体系 [3] 英伟达核心优势 - 英伟达构建了完善的AI生态系统，形成“硬件-软件-应用”的全链条优势，其CUDA平台已成为AI开发的标准工具，拥有全球数百万开发者，形成强大的网络效应 [3] - 任何替代产品不仅需硬件性能突破，还需兼容CUDA生态或构建新开发环境，过程需要巨大研发投入和时间成本 [3] - 英伟达与全球云服务商、硬件代工厂、核心零部件供应商建立深度合作关系，拥有从算力调度到产品交付的全流程效率优势 [4] - 英伟达营收结构更具抗风险能力，数据中心业务是核心增长引擎，同时在游戏、专业可视化等传统领域保持稳定收入，形成多元化营收格局 [6] 谷歌战略定位 - 谷歌AI战略核心是构建服务于自身业务的“全站AI基础设施”，其算力扩张和模型迭代主要为支撑搜索、云服务、智能终端等核心业务升级，而非抢占全球通用算力市场 [5] - 谷歌TPU是为其特定AI模型和应用场景量身定制，兼容性和通用性较弱，难以满足全球多样化的AI算力需求 [5] - 谷歌倾向于“闭环生态”建设，通过整合自身算力、模型、应用资源提升用户体验和业务效率 [5] - 谷歌云业务在发展过程中仍需与英伟达合作以满足客户通用算力需求，两者在云服务领域存在协同空间 [5] 投资机遇：算力硬件与液冷技术 - 英伟达产业链成为最具确定性的投资主线，建议关注与英伟达深度合作的硬件代工厂、核心零部件供应商以及受益于GPU需求增长的相关企业 [8] - 液冷技术作为数据中心高效散热核心解决方案，市场需求将随AI算力密度提升持续增长 [8] - 液冷技术领域建议关注三类企业：与英伟达紧密合作具备整体解决方案能力的头部企业、通过代工积累经验有望进入台企供应链的代工企业（如科创新源、迈威电子）、核心零部件环节优质企业（如飞龙股份、川环科技） [8] 投资机遇：通信算力链与应用端 - 谷歌OCS产业链进展超预期，2026年有望成为谷歌OCS交换机放量元年，相关光模块、MPO厂商将迎来业绩爆发期 [9] - 光模块领域，中际旭创在谷歌店内份额超过50%，且在硅光和1.6T领域布局领先；博创拥有AOC等有源产品，有望进入谷歌链 [9] - 腾景科技披露合肥众波签订YVO4单笔采购订单近9000万元，订单签订速度超预期 [9] - AI应用端爆发式增长为C端工具软件带来广阔发展空间，建议关注产品功能厚实、用户群体广泛、AI赋能效果显著的企业，阿里系生态内相关企业也值得长期关注 [10] 燃气轮机产业链 - 西门子能源产能扩张带动燃气轮机核心零部件需求激增，国内企业在涡轮叶片等关键环节的进口替代进程将加速 [11] - 应流股份整体在手订单30亿，其中两机16亿，今年新接订单将超40亿，比去年明显增长，今年两机收入超13亿，明年冲击20亿 [11] - 万泽股份主要订单来自西门子、GE等头部客户及中东区域，两机今年收入有望冲击4亿 [11]

行业背景与市场机遇 - 美国技术出口管制收紧导致英伟达高端GPU在中国市场供应几乎“归零”，为国产GPU企业创造了历史性机遇[1][13] - 中国AI智算GPU市场规模从2020年的14286亿元迅速增至2024年的99672亿元，年均复合增长率达625%，预计至2029年将提升至103万亿元规模[14] - 英伟达CEO黄仁勋称，由于美国出口管制，英伟达近乎100%退出了中国市场，市场份额从95%降至0%[13] 主要公司IPO进展 - 沐曦集成电路的科创板IPO申请于10月24日进入上市审核委员会审议阶段[1][4] - 摩尔线程科创板IPO申请于9月26日成功通过上交所上市委审议，从6月30日申请到过会仅用88天，若上市将成为今年科创板最大IPO[4] - 壁仞科技已于8月17日递表港交所，其在香港上市前估值达到140亿元[7] - 燧原科技于2024年8月启动A股上市辅导，天数智芯也传出将赴港上市消息[8] 公司产品与技术路线 - 沐曦先后推出用于智算推理的“曦思N”系列GPU和用于训推一体的“曦云C”系列GPU，其C500芯片在部分场景测试中已达到或优于英伟达A100表现，下一代C700目标逼近英伟达H100水平[1][6] - 沐曦截至2025年9月5日在手订单金额为1430亿元，以曦云C500系列板卡为主[6] - 摩尔线程自2021年至2024年连续四年推出四代芯片，2024年推出的第四代“平湖”支持FP8精度，2023年推出支持千卡集群的KUAE1，2024年底升级为支持万卡的KUAE2[5] - 2024年摩尔线程AI集群产品收入占总营收比例达4242%，为184亿元[5] - 壁仞科技2022年8月发布的BR100芯片创出全球算力纪录，峰值算力达到当时国际领先厂商在售旗舰产品的3倍以上[8] 融资与估值情况 - 壁仞科技从2019年9月成立到2021年3月完成B轮融资，约18个月里融资额超过47亿元，创下国内芯片创业公司融资纪录[7] - 2024年6月，壁仞科技完成新一轮总金额达15亿元融资，由广东和上海国资背景机构领投[7] 面临的挑战与差距 - 国产GPU在硬件上可能落后英伟达1-2代，但软件生态的差距可能是5至10年，英伟达CUDA平台已形成完整开发者生态，国产GPU软件栈尚在起步阶段[10] - 国产GPU主流采用7nm或14nm制程，而英伟达已经进入4nm时代，且美国对华晶圆代工限制新规卡住了先进制程芯片制造[11] - 英伟达每18至24个月就会推出新一代产品，性能提升30%至50%，国产GPU企业必须在追赶的同时应对对手的持续创新[11] - 按销售金额计，2024年中国AI加速器市场中，英伟达约占66%、华为昇腾约占23%、AMD约占5%，其余厂商（含摩尔线程、沐曦等）合计约占1%[12] 市场趋势与积极信号 - 推理市场被认为更现实的市场选择，未来五年国内训练和推理算力年复合增速将分别为50%和190%[11] - 中国算力中心和云厂商开始更坚定地转向国产AI芯片，给国产GPU企业创造前所未有的市场空间[13] - 甘肃庆阳国产万卡推理集群已由燧原科技等合作方点亮并对外服务，LightSphere X光互连光交换GPU超节点发布，打通跨机柜超大规模训练的互联瓶颈[12] - DeepSeek的走红被视为国产AI算力的练兵场，多家国产芯片公司积极适配DeepSeek，国产算力得到进一步认可[14]

公司背景与创始人团队 - Nervana Systems由三位拥有神经科学博士学位的创始人Naveen Rao、Amir Khosrowshahi和Arjun Bansal于2014年创立，他们均对能够像人类一样思考的机器着迷[2] - 创始团队在高通公司工作期间萌生创业想法，目标是打造机器学习处理器，专注于解决深度学习技术的硬件障碍[3] - 团队获得加州大学伯克利分校红木理论神经科学中心主任Bruno Olshausen的支持，被认为在AI硬件领域处于领先地位[4] 早期发展与市场环境 - 2014年创立时人工智能被视为缺乏商业价值的领域，融资困难，首轮融资仅筹集60万美元[7][8] - 谷歌收购DeepMind及AlphaGo击败围棋冠军等事件推动人工智能关注度提升，Nervana随后筹集约2400万美元[7][8] - 公司早期认识到深度学习需要专用硬件，传统中央处理器难以处理，图形处理器尤其是英伟达GPU表现更佳[3] 英特尔收购与整合 - 2016年英特尔以约3.5亿美元收购Nervana Systems，旨在打入由英伟达主导的深度学习训练芯片市场[1][10][11] - 收购后英特尔成立人工智能平台事业部，由Naveen Rao领导，致力于开发专用人工智能芯片[12][13] - 英特尔希望借助Nervana技术开发专用集成电路，以获得超越英伟达的竞争优势[11] Nervana芯片产品与技术细节 - 2018年英特尔推出Nervana神经网络处理器，包括用于深度学习训练的NNP-T1000和用于推理的NNP-I1000芯片[13][15] - NNP-T1000在ResNet-50和BERT等重要训练模型上提供95%的扩展能力，32块芯片运行时性能几乎不下降[15] - NNP-I1000与英伟达T4推理GPU相比，计算密度提高近四倍，单个机架单元每秒可进行最多推理[15] - 芯片采用pod参考设计，由10个机架和480块NNP-T1000卡组成，使用无胶结构互连，专门用于分布式训练[15] - 英特尔曾预计其人工智能产品在2019财年创造35亿美元销售额[16] 项目终止与战略调整 - 2019年12月英特尔以20亿美元收购AI芯片公司Habana Labs，其产品与Nervana芯片定位雷同[18] - Habana Goya芯片在ResNet-50基准测试中性能达每秒14,451个输入，而Nervana NNP-I仅为每秒10,567个输入，性能差距接近1.4倍[19] - 2020年英特尔决定停止Nervana神经网络处理器的开发工作，转向Habana Labs的AI芯片架构，Nervana项目生命周期不到四年[21] 创始人新创业项目Unconventional - Nervana联合创始人Naveen Rao创立新公司Unconventional，目标估值50亿美元，计划融资10亿美元[1][26] - Andreessen Horowitz领投，Lightspeed、Lux Capital和Databricks参与投资，已筹集数亿美元[26] - 公司旨在重新思考计算机基础，构建与生物学一样高效的智能新基础，摆脱生物学包袱，实现大脑规模效率[27][28] - 新公司融资规模和估值目标远超Nervana时期，反映AI硬件市场巨大变化和投资者高期望[26] AI硬件市场演变与竞争格局 - 2024年AI硬件市场规模达数千亿美元，英伟达市值突破4万亿美元，数据中心业务季度营收超数百亿美元[30][35] - 竞争格局多元化，除传统芯片厂商外，科技巨头如谷歌、亚马逊、微软、Meta纷纷自研AI芯片[30] - 技术路线出现创新方向，包括模拟计算、神经形态芯片、光子计算等，为新进入者提供差异化机会[30] - 英伟达建立强大软件生态系统CUDA平台，经过近二十年发展成为AI开发者标准工具[31] - 顶尖芯片设计人才供不应求，科技巨头和高薪初创公司竞争激烈[32]

模型发布与技术更新 - 深度求索公司于9月29日晚间发布DeepSeek-V3.2-Exp模型，实验性引入DeepSeek Sparse Attention稀疏注意力机制，显著降低计算资源消耗并提升推理效率 [1] - 新模型发布后，公司同步更新官方App、网页端及小程序，并全面下调API价格，降幅在50%到75%不等 [1] - V3.2-Exp版本在V3.1-Terminus基础上引入稀疏注意力机制，针对长文本训练和推理效率进行探索性优化和验证 [7] 国产芯片生态协同 - 新模型发布后4分钟内，寒武纪率先宣布适配DeepSeek-V3.2-Exp，并开源大模型推理引擎vLLM-MLU源代码 [2] - 华为昇腾基于vLLM/SGLang等推理框架完成适配部署，实现DeepSeek-V3.2-Exp的0day支持，并向开发者开源所有推理代码和算子实现 [2] - 海光信息表示其DCU已实现对DeepSeek-V3.2-Exp的无缝适配和深度调优，新模型在海光DCU上展现出优异性能 [2] 行业标准与生态建设 - 深度求索公司通过发布DeepSeek-V3.1版本，明确模型将适配下一代“UE8M0”浮点格式的国产芯片，为国产芯片发展指明方向 [6] - 业内高管认为，应由DeepSeek定义国产芯片标准，让芯片厂商跟进，而非让模型去适配芯片，DeepSeek已成为国产开源模型的标杆 [2][5] - 中国本土AI行业对DeepSeek模型的高度共识，使深度求索公司敢于先行先试，组建国产芯片生态 [7] 技术创新与工具链 - DeepSeek-V3.2-Exp采用的稀疏注意力机制，疑似基于深度求索公司今年2月发表论文中的原创机制，公司CEO梁文锋位列作者名单 [7] - 模型在兼容CUDA基础上，使用专为AI算子开发设计的编程语言TileLang进行快速原型开发，该语言由北京大学团队主导开发并于2025年1月开源 [7][8] 云计算厂商的生态参与 - 腾讯云于9月16日宣布已全面适配主流国产芯片，并积极参与开源社区建设 [8] - 阿里云在云栖大会表示推动“一云多芯”战略，验证并深度适配多家国产AI芯片，将其纳入自身算力底座 [8] - 相比英伟达用二十年建立生态，DeepSeek用了不到一年时间飞速完成初步生态追赶 [8]

事件概述 - 华为将于2025年9月19日召开CANN全面开源开放专题会议 [1] - 业内认为开源开放CANN架构是改变AI芯片格局的重要一步 [1] 行业影响 - 华为开源CANN平台旨在打破英伟达对于开发生态的垄断 [1] - 许多中国AI开发者选用英伟达GPU的原因在于其CUDA平台已成为行业默认开发环境 [1] - 华为提供在国产AI芯片上构建应用的替代平台 [1] - 此举是中国AI产业的重要转折，为国产AI基础软件协同发展开辟新路径 [1] - 开发者可像搭积木般自由组合算力模块，打破技术垄断 [1] - 以开源促协同、以生态破壁垒的创新实践或将成为破解国产AI卡脖子困局的关键 [1] 相关公司 - A股相关概念股主要有东方国信、皖通科技等 [1]

英伟达战略转型与量子计算布局 - 英伟达通过旗下风险投资部门首次投资量子计算企业Quantinuum 对应估值达100亿美元 [5] - 相较于2024年年初50亿美元估值 Quantinuum在18个月内估值翻倍 [7] - 公司推出开源量子开发平台CUDA-Q 旨在成为量子计算与经典高性能计算的"超级连接器" [5] 黄仁勋对量子计算的态度演变 - 2025年1月公开质疑量子计算商业化前景 认为需数十年才能实现"非常有用"的量子计算机 [7] - 2025年3月在GTC技术峰会上公开道歉并转变态度 从质疑转为支持量子计算 [8] - 态度转变后迅速参与Quantinuum的6亿美元融资 新投资者包括英伟达和广达电脑 [8] 量子计算技术发展与商业化进程 - Quantinuum采用离子阱量子计算技术 计划2025年推出新一代量子计算系统Helios [8] - 公司目标在2027年底前启动IPO 融资资金将用于推动通用容错量子计算技术突破 [8] - 黄仁勋预测量子比特数量增长规律类似摩尔定律：每5年增加10倍 每10年增加100倍 [11] CUDA-Q平台的战略意义 - 平台实现量子处理单元(QPU)与图形处理单元(GPU)协同工作 形成混合计算架构 [11] - 延续CUDA软件生态壁垒战略 整合量子计算机周边生态系统实现混合编程 [12] - 配套提供云端服务、AI基础设施和电子电路模拟等多元化服务完善生态 [12] 全球量子计算竞争格局 - 美国量子计算初创公司PsiQuantum于2024年底完成6.2亿美元D轮融资 为当年领域最大单笔融资 [15] - 芬兰量子计算公司IQM在2025年9月完成3.2亿美元融资 估值突破10亿美元成为独角兽 [16] - 美国量子计算企业IonQ近一年股价飙涨约500% 反映市场对量子计算技术的高度认可 [16] 量子计算的应用前景与算力革命 - 量子芯片运算能力远超传统计算机 谷歌Willow芯片5分钟完成传统超算10²⁵年运算量 [18] - 在AI领域可大幅压缩大模型训练时间 从数月降至分钟级 触发智能指数级增长 [18] - 生物医药和材料学等领域将迎来彻底颠覆 推动人类技术发展迈向新高度 [18]

英伟达市值与行业地位 - 英伟达市值冲破三万亿 成为全球芯片行业第一 [2] - 2024年推出Blackwell芯片 通过液冷加硅光子技术解决散热问题 单机架算力提升70倍 [16] - CUDA平台成为行业标准 尽管2010年代曾连续多年亏损 [16] 企业高管族裔构成对比 - 标普500企业中印度裔CEO离职率达38% 为平均水平三倍 [2] - 美国四大芯片巨头均由华人执掌 [2] - 硅谷科技公司推出25乘25倡议 要求2025年25%高管来自少数群体 旨在打破印度裔圈子垄断 [22] 印度裔高管管理问题 - 波音公司印度裔掌控HR后 工程外包团队中印度人员比例从10%升至40% 导致非印度裔工程师晋升受阻 [5] - 谷歌CEO皮查伊掌权十年进行十次重组 但AI领域仍落后于OpenAI Gemini2 5模型发布后漏洞频出 [7] - 星巴克印度裔CEO改革导致业绩暴跌 被解雇时公司股价低于其接手时水平 [7] 英伟达管理模式优势 - 黄仁勋直接管理60多名高管 取消复杂层级 信息传递效率高 [12] - 采用白板会议替代PPT汇报 聚焦问题本质 避免形式主义 [12] - 推行项目机长负责制 机长拥有资源调配权并直接向黄仁勋汇报 [12] 企业绩效与族裔管理关联 - 马斯克收购X平台后解雇印度裔高管 广告收入增长17.5% [20] - 马斯克裁撤印度分公司90%人员 会议效率提升且直奔主题 [20] - 英特尔华人CEO陈立武上任后裁员15% 取消层级汇报制 股价开始回升 [24] 技术创新与投资趋势 - Meta投资148亿美元于华裔创业者Alexandr Wang的AI数据标注公司 估值达140亿美元 [22] - 印度创业者在硬科技前沿领域缺乏代表性 全球知名初创公司中未见印度人创办 [22] - 印度裔高管偏好短期业绩 缺乏长期技术投入 导致创新停滞 [28] 企业文化与人才管理 - 印度裔高管存在圈子文化 优先提拔同乡 决策依据关系而非能力 [9] - 非印度裔员工遭受排挤 人才结构单一化 抑制创新能力 [30] - 英伟达招聘仅看重能力 亚裔工程师团队避免内耗 效率更高 [18] 行业管理哲学转变 - 黄仁勋强调客户利益优先 技术投入不妥协 杜绝办公室政治 [32] - 硅谷企业开始取消PPT汇报 采用白板讨论 招聘避免单一族裔聚集 [34] - 企业管理注重务实专注 反对形式主义与吹牛陷阱 [36][38]

财务业绩表现 - 季度营收467亿美元，利润264亿美元，远超预期 [1] - 营收从去年同期的300亿美元增长至467亿美元，同比增长56% [8] - 营业利润率达61%，净利润率保持在56% [8] - 六个月运营现金流达428亿美元，现金及投资560亿美元，债务85亿美元 [9] - 库存升至150亿美元，采购承诺高企 [10] 业务部门增长 - 数据中心营收增长56%，计算与网络部门营收413亿美元 [1][4] - 计算与网络部门单季营收41,331百万美元，同比增长56% [5] - 图形部门单季营收5,412百万美元，同比增长51% [5] 市场机遇与战略定位 - 人工智能基础设施市场未来五年存在3万亿至4万亿美元机遇 [1][6] - 公司定位为人工智能、机器人和高级计算领域核心供应商 [4] - 推出Blackwell、Blackwell Ultra芯片及RTX PRO服务器、Jetson Thor机器人技术产品 [5] - CUDA平台、Omniverse和DGX Cloud服务构建高切换成本生态系统 [6] 竞争与行业地位 - 竞争加剧，AMD获买入评级，寒武纪等对手增长迅猛 [8] - 硬件和软件集成优势维持超过70%的利润率 [8] - 超大规模数据中心运营商自研芯片，但公司仍保持领先 [8] 估值与投资前景 - 预期市盈率约40倍，企业价值/EBITDA约33倍 [2][12] - 每股收益预计从2026财年4.48美元升至2028财年7.42美元，年增长率29% [10] - 折现现金流模型显示公允价值区间170-200美元，乐观情景可达250美元以上 [12][15][16] - 股价自6月上涨22%，建议逢低买入而非追高 [2][16] 增长驱动因素 - Blackwell Ultra加速推广、主权政府人工智能项目、企业AI副驾驶采用 [15] - 机器人技术扩张开辟新增长路径 [15] - 年增长率预期放缓至35%，但若需求旺盛可维持45%以上增速 [16]

核心观点 - 美国对英伟达H20芯片的出口管制未能有效遏制中国人工智能技术进步 反而可能削弱美国的经济和技术领先地位 [2][4] - 英伟达认为其CUDA软件平台比硬件更具战略价值 中国竞争对手难以复制这一生态优势 [4][5] - 行业专家批评美国现行半导体出口管制政策存在逻辑缺陷 将不同发展水平国家混为一谈可能适得其反 [5] 中国AI发展现状 - 2023年4-7月期间 中国企业在出口管制下仍采购价值10亿美元的英伟达AI GPU [4] - 中国在硬件受限情况下持续取得人工智能技术突破 证明单纯芯片管制效果有限 [2][4] 英伟达技术优势分析 - CUDA平台被类比为苹果iOS系统 是硬件发挥效用的必要条件 其软件堆栈和集成设计构成核心壁垒 [4][5] - 行业存在概念混淆 购买半导体与制造半导体能力不可等同 代工设备不等于完整技术生态 [5] 美国政策争议 - 现行出口管制被指为"价值万亿美元的范畴错误" 过度简化技术竞争本质 [5] - 部分专家主张维持禁令 认为这是保持美国AI芯片优势的必要手段 与英伟达立场形成对立 [5] 行业竞争格局 - 英伟达商业模式更接近苹果或波音 强调软硬件整合价值 区别于传统芯片厂商英特尔/AMD [4][5] - 全球AI技术标准制定权成为新竞争焦点 非美国公司可能借管制空隙确立替代标准 [5]