合作背景与核心目标 - 英伟达与新思科技扩大战略合作伙伴关系，共同应对研发团队面临的工作流程复杂度提升、开发成本攀升以及上市周期压力等挑战 [1] - 合作旨在融合英伟达在AI与加速计算方面的优势以及新思科技在工程解决方案领域的领先地位，为研发团队提供更高精度、更快速度、更低成本的设计、仿真与验证能力 [1] - 英伟达以每股414.79美元的价格投资20亿美元认购新思科技普通股，占后者已发行股票的2.6% [1] 合作具体举措 - 全面加速新思科技的产品应用，利用英伟达CUDA-X库与AI-Physics技术优化其计算密集型应用组合，涵盖芯片设计、物理验证、分子仿真、电磁分析、光学仿真等领域 [3] - 推进智能体AI工程，整合新思科技AgentEngineer技术与英伟达Agentic AI技术栈，实现EDA及仿真分析工作流程的自主设计能力 [3] - 以数字孪生技术紧密连接物理与数字世界，合作推动下一代虚拟设计、测试与验证，采用英伟达Omniverse、英伟达Cosmos等技术服务于半导体、机器人、汽车、能源、工业、医疗等行业 [3] - 联合市场拓展，共同制定市场推广计划，依托新思科技全球数千名直销人员及渠道合作伙伴，面向多行业工程团队推广本地部署及云端解决方案 [3] 合作性质与展望 - 英伟达首席执行官黄仁勋表示，CUDA GPU加速计算正在重塑芯片设计方式，合作将重新定义工程与设计 [1] - 新思科技首席执行官Sassine Ghazi认为，双方合作将提供AI驱动的整体系统设计解决方案，帮助全球创新者更高效地实现技术创新 [2] - 此次合作并非排他性协议，两家公司将继续与更广泛的半导体及电子设计自动化生态系统合作 [4]

涉及的行业或公司 * 行业：人工智能、数据中心、半导体芯片、云计算、私募信贷[1][3][4][5][6][47][48][49][102] * 公司：Nvidia、Meta、Alphabet、Microsoft、Amazon、Oracle、Palantir、Baidu、CoreWeave[5][6][7][9][16][21][77][91][92][108] 核心观点和论据 * **核心观点：主要科技公司可能通过延长AI芯片折旧年限来高估盈利和资产，面临未来巨额减值和盈利下滑的风险**[9][10][44][50][52][68][69][71] * 论据：Meta、Alphabet、Microsoft等公司将芯片折旧年限从2020年的3年系统性地延长至2025/2026年的5.5-6年[7][9] * 论据：延长折旧年限直接减少当期折旧费用，Alphabet在2023年因此增加39亿美元税前收入[50][51] * 论据：分析显示，若实际经济寿命仅为3年，这些公司2026-2028年盈利可能被高估10%以上，资产高估达数千亿美元[68][70][71] * **核心观点：AI芯片技术迭代加速，与超长折旧年限产生根本性矛盾，导致资产加速过时**[5][6][32][33][60][72] * 论据：Nvidia产品周期缩短至一年，未来两年将有Blackwell Ultra、Vera Rubin等重大规格升级[5][6] * 论据：旧芯片能效极低，A100比H100耗电多2-3倍，而Blackwell宣称能效比H100高25倍[32][33] * 论据：Microsoft CEO Satya Nadella明确表示不愿为单一世代芯片过度建设基础设施，因其技术会迅速过时[60][64] * **核心观点：数据中心本身面临过时风险，在建工程可能隐藏未充分计提折旧的资产**[72][73][75][79][82] * 论据：新一代芯片对电力、冷却要求剧变，使为特定世代建造的数据中心可能无法升级而遭淘汰[60][72][75] * 论据：超大规模公司拥有巨额在建工程，如Alphabet 510亿美元、Meta 270亿美元，这些资产在投入使用前不计提折旧[79][81][82] * **核心观点：商业模式发生根本转变，软件公司变为资本密集型，但市场估值未充分反映此风险**[48][85][86][87][88] * 论据：大型科技公司计划未来三年在数据中心上投入超过3万亿美元，是其合并现金流的两倍多[48] * 论据：Microsoft CEO承认公司已成为"资本密集型业务"，需努力维持投资资本回报率[85][86][89] * 论据：华尔街分析师多数未对硬件维护性资本支出和利润率结构性下降进行建模[87][88] 其他重要但可能被忽略的内容 * **现实案例警示**：百度在将芯片折旧年限从5年延长至6年后，于2024年对占总固定资产超过三分之一的资产进行了112亿元人民币的减值，原因是其"不再满足当今的计算效率要求"[91][93][94][96][98] * **Nvidia的立场与争议**：Nvidia CFO认为其CUDA软件栈能显著延长芯片使用寿命，但作者指出这混淆了物理使用与价值创造，且Nvidia曾向分析师分发备忘录回应作者的批评，被指构建"稻草人"论点[12][25][27][28][29][30] * **融资风险**：私募信贷大量涌入AI数据中心建设，存在资产与贷款期限严重错配的潜在风险[35][101][102][103][104][107] * **作者的头寸澄清**：媒体广泛报道的作者对Nvidia和Palantir的10亿美元空头头寸实为约1000万美元的看跌期权，因SEC 13F报告规则导致误解[14][15][16][18]

**涉及的公司和行业** - **公司**：英伟达 (Nvidia)、Meta、Alphabet (Google)、微软 (Microsoft)、亚马逊 (Amazon)、甲骨文 (Oracle)、百度 (Baidu)、Palantir、CoreWeave - **行业**：人工智能芯片、数据中心、云计算、超大规模计算 (Hyperscale) [1][4][7][9][54][92][111] --- 核心观点与论据 1 芯片技术加速迭代与折旧年限矛盾 - 英伟达产品周期缩短至**1年**（Blackwell Ultra 2026年 → Vera Rubin 2027年）[4] - 超大规模公司（Meta、Alphabet、微软）却将芯片折旧年限从**3年（2020年）延长至5.5-6年（2025年）**[9][56] - 延长折旧年限**减少折旧费用**，虚增利润：Alphabet 2023年通过此操作提升税前利润**39亿美元**[56] 2 财务欺诈风险与资产高估 - 折旧政策调整导致**资产估值虚高**，类似世通（WorldCom）欺诈案[10] - 微软CEO纳德拉指出不愿为**单一世代芯片**背负**4-5年折旧**，暗示当前会计处理与实际技术周期脱节[72][75] - 百度案例：2024年将芯片折旧年限从5年延至6年，提升净利润**50%（12亿人民币）**，但同年对**三分之一固定资产（112亿人民币）** 计提减值[114][116] 3 数据中心投资与产能过剩风险 - 科技公司计划未来3年投入**超3万亿美元**建设数据中心，超其合计现金流**两倍以上**[54] - 40-50%资本支出用于英伟达GPU，但芯片能效迭代加速（如Blackwell比H100能效高**25倍**），旧芯片可能因高能耗快速淘汰[42][55] - 微软暂停部分数据中心建设，因新一代芯片需**不同电力与冷却规格**，现有设施可能无法升级[68][91] 4 盈利虚增与潜在资产减记 - 若按实际经济寿命（2.5-3.5年）折旧，主要科技公司2026-2028年盈利可能被高估**10%-30%**（如Meta 24%、亚马逊21%）[81] - 资产高估规模达**数百亿美元**：微软可能高估**479亿美元**，Alphabet **556亿美元**[83] - 在建工程（CIP）隐藏风险：Alphabet（510亿美元）、Meta（270亿美元）等未投入使用的数据中心**不计折旧**，掩盖资产贬值[98][100] 5 行业竞争与商业模式转型 - 微软CEO承认从**软件公司**转向**资本密集型**业务，需通过软件优化维持投资回报率（ROIC）[105][110] - 英伟达面临竞争压力：Alphabet、亚马逊、博通等自研芯片，可能侵蚀其市场份额[61][62] --- 其他重要内容 市场反应与争议 - 作者做空英伟达和Palantir（仓位各约**1000万美元**），但被媒体误报为**10亿美元**[16][17] - 英伟达向分析师分发**7页备忘录**，驳斥作者观点，但被指偷换概念（如混淆“物理使用”与“经济价值”）[24][33][36] 私募信贷风险 - 数据中心建设依赖**私募信贷**，存在**资产与贷款期限错配**风险[124][127] - 私人信贷监管宽松，可能放大行业泡沫[124] 关键数据引用 - 英伟达CEO称新一代芯片出货后旧芯片“一文不值”[7][8] - 亚马逊2025年将服务器折旧年限从6年回调至5年，因技术加速迭代[63][64] - 百度2024年减值规模占固定资产**37%**，揭示激进折旧政策后果[116] --- **注**：全文强调科技公司通过会计手段掩盖AI投资风险，核心矛盾在于**芯片技术迭代速度**与**财务报表折旧政策**不匹配，可能引发未来大规模资产减记与盈利下调。

行业投资评级 - 计算机行业评级为推荐(维持) [1] 核心观点 - AI算力需求强劲增长 驱动云基础设施资本开支大幅扩张 行业维持高景气度 [1][4][5][6][11] - 全球云服务提供商(CSP)及主权AI项目持续上调资本开支指引 AI基础设施建设投入加速 [6][7][8] - AI芯片及服务器产业链受益于技术迭代与需求放量 包括GB300过渡 ASIC定制芯片及液冷散热等环节 [8][9][10][11] 甲骨文财报与业务指引 - FY2026Q1营收149.26亿美元 同比+12.17% CapEx达85.02亿美元 同比+269.17% [4] - 剩余履约义务(RPO)增至4550亿美元 同比+359% 其中云RPO增速近500% [5] - 与OpenAI签署5年3000亿美元计算资源采购协议 预计2027年启动 [5] - 上调2026财年OCI营收指引至同比+77% 达180亿美元 并预计未来四年营收分别增至320亿/730亿/1140亿/1440亿美元 [5] - 2026财年CapEx指引为350亿美元 同比+65% [4] 全球CSP资本开支动向 - 谷歌将2025年CapEx从750亿美元上调至850亿美元 [6] - 微软Q2 CapEx为242亿美元 近半用于服务器 Q3预计超300亿美元 [6] - Meta调整2025年CapEx至660-720亿美元 2026年将继续显著增长 [6] - 亚马逊Q2 CapEx为314亿美元 下半年维持高投入 [6] - 阿里巴巴重申三年3800亿元人民币AI资本开支计划 [6] - Coreweave维持2025年CapEx指引200-230亿美元 [7] - OpenAI预计2025-2029年累计现金消耗1150亿美元 其中近1000亿美元用于自建服务器 [7] 主权AI投资规模 - 鸿海预计未来五年主权AI领域投资超1万亿美元 包括美国Stargate(5000亿美元) 欧盟InvestAI(2000亿欧元) 沙特Humain AI(1000亿美元) [8] - 英伟达2025年主权AI收入有望达200亿美元 [8] - 欧盟计划投资200亿欧元在法德意西建立20个AI工厂 [8] AI芯片与技术演进 - 英伟达GB300于2025Q2出货 与GB200共享架构 实现无缝过渡 [8] - 机柜生产速度达每周1000个 2025Q3产能进一步加速 [8] - Rubin平台芯片已流片 包含6款芯片 预计2026年批量生产 [8] - 博通新获100亿美元定制AI芯片订单 预计2027年相关业务收入600-900亿美元 [9] - 英伟达发布首款专用CUDA GPU(CPX) 算力达30PFLOPS 配备128GB GDDR7内存 [9] 服务器与ODM厂商动态 - 鸿海8月营收6065亿新台币 同比+10.6% 预计Q3云产品出货大幅增长 [9] - 纬颖8月营收同比+198.14% AI营收占比近60% 预计Q4提升至60-70% 全年AI服务器营收增速250-300% [9] - 广达预计AI服务器Q4放量 全年占整体服务器营收比重达70% [10] 液冷散热产业链表现 - 奇鋐8月营收126.22亿新台币 同比+91.76% 连续7个月创新高 [11] - GB300液冷板与快接头模组单柜价值较GB200提升25% Q4迎量产高峰 [11] - 双鸿8月营收18.79亿新台币 同比+31.86% 水冷板市占率20-25% 分歧管市占率超30% [11] 行业重点关注领域 - AI处理器：海光信息、寒武纪 [11] - 服务器整机：工业富联、中科曙光、浪潮信息等 [11] - 核心部件：光模块、散热、铜连接等细分领域龙头 [11] - 算力租赁与IDC相关企业 [11]