英伟达GPU技术演进与产品优势 - 公司在GPU领域深耕约27年，芯片制程从220纳米迭代至4纳米，未来将向1.6纳米推进 [2] - 2023年AI浪潮爆发时市场主流GPU为A100与H100，目前主流已更新为Blackwell架构芯片 [2] - H100芯片由台积电采用4纳米工艺代工，单芯片集成800亿个晶体管，并内置Transformer模型引擎，硬件层面对Transformer做了专项优化 [2] - H100相比上一代A100芯片，在大模型训练中的能效比与运算速度均有大幅提升，核心优势是极致适配大模型训练场景 [3] - Blackwell芯片则重点针对AI推理场景做了优化，引入了低精度训练等技术，在保留极强训练性能的同时更侧重推理场景 [3] GTC大会核心产品与技术发布 - 公司披露了从Blackwell到Rubin再到Feynman的技术演进路线图，2027年将推出Rubin Ultra架构、CPX芯片与CPU交换机，2028年实现Feynman架构芯片量产 [3] - Feynman架构芯片将采用台积电A16制程（1.6纳米）生产，是全球首款1.6纳米AI芯片，相较上一代N2P工艺，在同等电压下速度提升约10%，晶体管密度提高1.1倍 [4] - Feynman架构芯片单GPU算力达50 PFLOPS，推理性能是Blackwell的5倍，采用背部供电技术，面向机器人、世界模型场景打造，初期公司将独享A16产能 [5] - 公司推出了单机柜576张GPU卡的Rubin Ultra NVL576卡机柜，采用正交背板连接方案，有效提升单机柜算力集成度 [5] - 公司展示了SN6800、SN6810、Q3450三款量产落地的CPO（共封装光学）交换机，这是全球首款量产的CPO交换机，标志着该技术从实验室走向规模化商用 [6] - 公司确立了铜缆、光学、CPO三条技术路线并行推进的发展路径 [6] - 公司正式发布了整合Groq技术的LPU芯片与配套机架，该芯片采用三星4纳米制程，单芯片带宽达150TB/S，专为AI推理场景设计 [6] - LPU芯片相较于Blackwell NVL72，吞吐效率提升35倍，预期2026年下半年出货，核心目标是实现极致的低延迟与高吞吐量，由其负责推理的Decode环节 [7] AI行业发展趋势与算力需求 - AI产业发展的后半程，推理场景的重要性愈发凸显 [3] - AI推理有明确的技术特征，分为Prefill（预填充）与Decode（解码）两个阶段，提升效率的最优方案是将两个阶段拆分运行 [7] - 长期来看，AI行业发展远未触顶，2026年全球AI资本开支预计超7000亿美元 [8] - Agent技术进入规模化商用元年，产业成长空间全面打开 [8]

PCB概念股市场表现 - 3月18日，PCB概念股快速走强，多只个股出现大幅上涨 [1] - 金禄电子现价36.47元，上涨3.47元，涨幅10.52%；云汉芯城现价170.55元，上涨15.56元，涨幅10.04% [2] - 澳弘电子、奥士康、广合科技涨停；鹏鼎控股、强瑞技术、大族数控、金安国纪涨幅超6% [1][2] AI服务器升级带来的PCB增量需求 - 英伟达GTC 2026大会发布Feynman架构，新一代AI服务器对PCB层数要求达到32-44层，并提升耐热性和信号传输速率要求 [2][6] - 高端高多层板(HLC)和高密度互连板(HDI)的单机价值量被直接拉升 [2][7] - 单LPU服务器由32个托盘组成，单托盘集成8张LPU芯片，单机柜托盘数量（等效PCB数量）显著提升，为PCB环节带来新增量 [3][7] 英伟达GTC大会核心信息 - 英伟达将2025-2027年累计收入指引提升至至少1万亿美元 [4] - 发布全球首款1.6nm AI芯片Feynman架构，采用台积电A16制程，推理性能达Blackwell的5倍 [5] - 大会展示了Rubin Ultra架构的正交背板方案，在Kyber架构中替代铜缆，实现更高单机柜算力集成，强化了正交背板确定性 [8] - 大会还展出了Vera CPU独立机柜和STX存储机柜，均会带来PCB增量 [9] - 所有机架结构均采用液冷方案，液冷需求确定性得到强化 [10] 鹏鼎控股重大投资与业绩 - 鹏鼎控股全资子公司计划在江苏淮安投资110亿元建设高端PCB项目生产基地 [11] - 2025年，公司实现营收391.47亿元，同比增长11.40%；净利润37.38亿元，同比增长3.25% [17] - 公司预计2026年是算力直接客户订单导入元年，相关业务将成为重要增长引擎 [18] - 此次投资有助于扩大经营规模、推动技术升级与产品迭代，提升经营效益 [14] PCB行业高景气与涨价周期 - AI算力爆发与汽车电动化智能化双轮驱动，PCB行业迎来量价齐升高景气周期 [19] - 行业核心逻辑在于供给端结构性紧张与国产替代加速突破 [20] - 自2025年四季度以来，通用覆铜板、BT/ABF封装载板已落地涨价约15%-20% [20] - 预计2026年上半年相关产品还将进一步涨价10%-20% [20] - 日本材料巨头Resonac和三菱瓦斯化学宣布自2026年3月/4月起，将铜箔基板等电子材料售价上调30%以上 [21] - 2024年全球PCB市场规模为750亿美元，预计到2029年达968亿美元，2024-2029年复合年增长率为5.2% [21]

公司核心收入预期 - 英伟达CEO黄仁勋表示，公司对实现超过1万亿美元的业务收入抱有“坚定信心”，预计将达成、入账并交付该规模业务 [3] - 该超过1万亿美元的收入预期仅包含Blackwell和下一代Rubin两大核心架构产品线，不包括即将发布的新品和新增地区市场 [1][3] - 黄仁勋预计，到2027年底，新一代AI加速芯片架构Blackwell与下一代Rubin产品累计将创造至少1万亿美元收入 [4] 预期增长与市场背景 - 此次1万亿美元的收入预期是黄仁勋四个月前（2023年10月）所作5000亿美元预测的两倍，凸显AI需求曲线陡峭上行 [4] - 黄仁勋认为实际的计算需求会比预期高得多，公司甚至会供不应求，并指出英伟达系统是全球“成本最低的基础设施” [5] - 客户当前最核心的诉求是“确保获得足够供应”，而非价格，反映出AI算力市场仍处于供给瓶颈阶段 [4][7] 行业需求驱动因素 - AI行业已进入“推理拐点”，从以模型训练为核心转向实际应用中的实时计算需求，此阶段算力需求远高于训练阶段 [9] - 包括OpenAI、Meta、微软等在内的科技巨头正持续加码AI数据中心建设，推动算力需求呈指数级增长 [8] - 推理阶段的趋势将成为推动万亿美元市场的核心动力，并带动芯片、CPU以及整套AI系统的全面增长 [10] 公司战略与产品路线 - 公司正在推进更远期的Feynman架构，并强化CPU、网络及软件生态，试图从“卖芯片”转向“卖AI工厂” [12] - 平台化战略意味着未来收入不再局限于单一GPU，而是扩展至完整数据中心系统，从而显著放大收入天花板 [12] - Rubin架构预计将在2026年开始大规模部署 [11] 市场反应与行业逻辑 - 公布至少1万亿美元收入预期后，英伟达股价周一最终收涨1.65%，周二高开低走收跌约0.7% [13] - 部分分析认为，公司此前已大幅上涨，市场对高增长已有较充分定价 [13][14] - 多数机构认为，这一预测强化了AI基础设施建设仍处于早期阶段的核心逻辑，需求正在加速从训练走向更广泛的应用部署 [14] - 评论认为，黄仁勋的表态释放出AI算力竞赛远未结束的信号，公司正从芯片公司演变为AI时代的基础设施提供者 [15][16]

GTC 2026 核心观点：AI产业从训练转向推理与商业化，英伟达定义未来路径与市场预期 - AI产业竞争焦点从拼模型、算法正式转向拼算力、效率和商业化落地 [1] - 英伟达提出“AI工厂”、“Token经济学”、“推理时代”三大关键词，重新定义AI的赚钱逻辑与发展路径 [1] - 公司判断Blackwell及新一代芯片平台将在2027年释放巨大经济效益，并给出相关芯片收入至少1万亿美元的预期 [1] AI产业趋势：从训练到推理的范式转移 - 生成式AI从“聊天互动”走向“思考决策、执行任务”，推理成为AI商业化的核心战场，需求两年内暴涨上万倍 [2] - 全球AI基础设施投资预计将从5000亿美元翻倍至1万亿美元 [2] - “Token工厂经济学”将数据中心视为生产Token的工厂，以每瓦电能产出Token数、每百万Token成本为核心盈利指标，推动AI从成本中心转变为生产中心 [2] - 2026-2027年，降低推理成本、提升算力效率将成为掌控AI产业话语权的关键 [3] 英伟达的战略与产品路线图 - 公司提供从芯片、液冷散热、高速交换机到操作系统、模型库、智能体工具的全栈一体化“AI工厂”方案 [3] - 技术迭代路线清晰：Blackwell架构已量产部署近9吉瓦算力；Rubin平台将于2026年下半年量产，推理性能是H100的5倍，单Token成本降低10倍；Feynman架构计划2028年推出，采用1.6nm工艺与硅光子互连 [4] - 公司通过“芯片+软件+系统”的全栈布局和CUDA生态构建了强大的生态壁垒 [6] 市场反应与万亿美元预期的支撑逻辑 - 英伟达宣布2027年1万亿美元收入预期后，股价盘中大涨超4%，市值站稳4.45万亿美元 [4] - 市场信心源于公司的“兑现能力”与“需求确定性”，包括清晰的技术迭代节奏和已锁定的头部企业订单 [4] - 当前AI企业60%以上成本花在推理上，降本需求迫切，Rubin等新架构可使训练大模型所需GPU数量减少四分之三，推理成本降低10倍，驱动真实需求 [5] - 1万亿美元预期被视为全球AI推理基础设施刚需的总和 [6] 中美AI算力竞争与代际差距 - 英伟达Rubin（3nm）和Feynman（1.6nm）架构在制程上与国产芯片（7nm/5nm）拉开代际差距 [7] - 公司在HBM4内存、硅光子光互连、3D堆叠等核心技术及供应链上占据优势 [7] - 竞争焦点从单芯片算力转向“整机柜、全系统”效率，国产芯片在整体系统效率上仍有1.5-2代差距 [7] - 英伟达通过“硬件+软件+客户”闭环构建了生态与商业化壁垒，加剧了中美差距 [8] 中国AI产业的挑战与潜在路径 - 中国产业面临先进芯片获取难、训练与推理算力缺口扩大、大模型迭代速度受限等短期挑战 [8] - 存在因全球创新（如具身智能、世界模型）率先在美国落地而导致“应用层掉队”的风险 [8] - 潜在突围路径包括：聚焦本土合规场景（政务、能源、金融、制造）进行国产替代；专注推理优化与垂直行业落地；发展存算一体、光计算等非硅基技术以绕开制程壁垒 [8][9] 全球AI产业格局重塑 - 格局从一家独大走向“美国主导高端、中国深耕本土”的双轨并行模式 [9] - 美国凭借算力优势、先进制程和供应链垄断，掌控高端训练、前沿推理及全球商业化市场 [9] - 中国有望在自主可控路径下，将国产芯片份额从个位数提升至30%-40%，并在垂直行业应用上实现反超 [9] - AI算力成本下降与效率提升将推动AI赋能千行百业，使中小企业也能广泛应用 [10] 产业未来展望 - AI产业新时代的特征是推理取代训练、效率取代规模、商业化取代概念炒作 [11] - Blackwell及新一代架构在2027年的经济效益爆发被视为产业需求与技术迭代的必然结果 [11] - AI产业的竞争是全产业链的较量，中国需将差距转化为动力，在自主可控道路上寻找差异化发展路径 [11]

纪要涉及的公司与行业 * **行业**: 人工智能芯片、印刷电路板 * **公司**: 英伟达、胜宏科技、沪电股份、深南电路、景旺电子[1] 核心观点与论据 * **Feynman架构LPU芯片发布节奏超预期**: 英伟达计划在GTC 2026大会上推出Feynman架构芯片，发布节奏较市场预期提前[1] * **Feynman架构技术突破**: 采用3D堆叠方式，将专为推理任务优化的LPU芯片直接集成在GPU计算核心之上，实现通用计算与专用计算的物理层面深度融合[1] * **LPU芯片带动高端PCB需求**: 新架构LPU芯片主要用于推理，以高多层方案为主，单芯片PCB价值量有望达到300-500美金[1] * **CoWoP技术方案时间表明确**: CoWoP方案有望提前至2027年底小批量、2028年大批量，PCB单平米价值量或提升数倍至十倍[1] * **正交背板方案稳步推进**: 正交背板方案预计在2027年下半年步入批量生产阶段，3月初计划进行新一轮样品测试[1] 投资建议与关注方向 * **LPU芯片核心PCB供应商**: 建议关注胜宏科技、沪电股份、深南电路、景旺电子[1] * **CoWoP技术方案**: 推荐关注该技术方向[1] * **正交背板方案**: 看好该方向下的低估值龙头公司，认为其性价比凸显[1]

公司动态与产品规划 - 英伟达创始人兼首席执行官黄仁勋预热GTC 2026大会，明确表示将在会上揭晓“世界前所未见”的全新芯片 [1] - GTC 2026大会将于当地时间3月16日至19日在美国加利福尼亚州圣何塞举行，核心聚焦AI基础设施竞赛的新时代 [1] - 黄仁勋表示，公司准备了多款世界前所未见的全新芯片，并强调由英伟达和SK海力士的内存工程师组成的团队使突破物理极限成为可能 [1] - 业内猜测新产品可能有两个主要方向：一是Rubin系列的衍生芯片（如Rubin CPX），二是下一代Feynman架构芯片，后者可能采用更广泛的SRAM集成方案或通过3D堆叠技术整合LPU（语言处理单元）[3] 市场竞争与影响 - 英伟达的最新举动被分析指出明确了其CPU布局野心，将对英特尔、AMD等竞争对手带来压力 [1] - 在相关新闻发布后的美股盘前交易中，AMD跌幅一度接近1%，后收窄至0.18%；英特尔跌0.57%；美光科技跌约0.2% [1] - 前一个交易日，AMD和英特尔均逆市跳水，收盘分别下跌1.46%和1.56% [1] 战略合作与生态构建 - 黄仁勋强调，广泛的收购与合作是英伟达在AI竞赛中保持领先的关键，公司在整个AI技术栈上都有投资 [4] - 当地时间2月17日，英伟达与Meta宣布建立多年、跨世代的战略合作伙伴关系，涵盖本地部署、云和AI基础设施 [4] - 该合作将实现英伟达CPU和数百万个Blackwell和Rubin GPU在Meta的大规模部署，并将英伟达Spectrum-X以太网交换机集成到Meta的Facebook开放式交换系统平台中 [4] - Meta将构建针对训练和推理进行优化的超大规模数据中心，以支持公司长期的AI基础设施路线图 [4]

公司动态与产品预告 - 英伟达创始人兼首席执行官黄仁勋预告，将在GTC 2026大会上揭晓“世界前所未见”的全新芯片 [1] - GTC 2026大会将于当地时间3月16日至19日在美国加利福尼亚州圣何塞举行，核心聚焦AI基础设施竞赛的新时代 [1] - 黄仁勋表示，公司准备了多款世界前所未见的全新芯片，并强调与SK海力士的内存工程师组成的团队克服了技术逼近物理极限的挑战 [1] 市场影响与竞争格局 - 英伟达的最新举动被分析指出明确了其CPU布局野心，将对英特尔、AMD等竞争对手带来压力 [1] - 在相关消息影响下，AMD、英特尔在美股盘前继续下跌，盘中跌幅均一度接近1% [1] - 截至北京时间20:20，AMD跌幅收窄至0.18%，英特尔跌0.57%，美光科技跌约0.2% [1] - 前一个交易日，AMD、英特尔均逆市跳水，收盘分别下跌1.46%、1.56% [1] 新产品方向猜测 - 基于“前所未见”的描述，市场普遍猜测全新产品可能有两个主要方向 [3] - 方向一：可能是Rubin系列的衍生芯片，例如此前曝光的Rubin CPX，英伟达在CES 2026上已发布的Vera Rubin AI系列六款芯片已进入全面量产 [3] - 方向二：英伟达可能提前揭晓下一代Feynman架构芯片，该芯片被业内视为“革命性”产品，可能采用更广泛的SRAM集成方案，甚至通过3D堆叠技术整合LPU（语言处理单元） [3] 公司战略与合作 - 黄仁勋强调，广泛的收购与合作是英伟达在AI竞赛中保持领先的关键，公司在整个AI技术栈上都有投资 [3] - 当地时间2月17日，英伟达与Meta宣布建立多年、跨世代的战略合作伙伴关系，涵盖本地部署、云和AI基础设施 [3] - 合作内容包括：Meta将构建针对训练和推理进行优化的超大规模数据中心；将实现英伟达CPU和数百万个Blackwell和Rubin GPU的大规模部署；将英伟达Spectrum-X以太网交换机集成到Meta的Facebook开放式交换系统平台中 [3][4]

GTC 2026大会与新产品发布 - 英伟达CEO黄仁勋在2月18日预热，将于3月15日举行的GTC 2026大会上揭晓“世界前所未见”的全新芯片，大会核心聚焦AI基础设施竞赛的新时代[1][7] - 公司将于2月25日公布最新财季业绩及指引[1][7] - 市场对“前所未见”新芯片的猜测主要集中于两个方向：一是Rubin系列的衍生芯片（如Rubin CPX），该系列六款芯片已在CES 2026发布并进入全面量产；二是可能提前揭晓下一代“革命性”的Feynman架构芯片，可能采用更广泛的SRAM集成方案及3D堆叠技术整合LPU[2][8] 市场环境与产品战略 - 当前市场计算需求逐季变动，从Hopper和Blackwell时代的预训练需求，转向以Grace Blackwell Ultra和Vera Rubin为代表的推理能力为核心需求，延迟和内存带宽成为主要瓶颈，这直接左右英伟达的产品设计方向[2][8] - 对于Feynman架构，市场预计其将针对推理场景进行深入优化，通过更大规模SRAM集成及可能的LPU整合来突破性能瓶颈，此举将对依赖AI推理的云服务商和企业客户产生重大影响[3][9] - 黄仁勋强调，AI是一个涵盖能源、半导体、数据中心、云及应用的完整产业，公司正在整个AI堆栈中进行投资[4][10] 战略合作与投资动态 - 英伟达与Meta于2月17日宣布建立多年、跨世代的战略合作伙伴关系，涵盖本地部署、云和AI基础设施，Meta将构建超大规模数据中心以支持其AI基础设施路线图[4][10] - 合作内容包括英伟达CPU和数百万个Blackwell、Rubin GPU的大规模部署，以及将英伟达Spectrum-X以太网交换机集成到Meta的Facebook开放式交换系统平台中[4][10] - 根据2025年四季度13F文件，英伟达清仓了Applied Digital、Recursion Pharmaceuticals、Arm Holdings、文远知行，并新进英特尔、新思科技、诺基亚[4][10] - 公司在2025年四季度抛售了其持有的全部110万股Arm股票，按当时收盘价计算市值约为1.4亿美元，此举不影响双方技术合作，英伟达服务器CPU仍将采用Arm IP[5][11]

公司产品发布预告 - 英伟达CEO黄仁勋预告将在今年的GTC大会上发布“世界从未见过”的全新芯片产品 [1][3] - GTC主题演讲定于3月15日在加州圣何塞举行，AI基础设施竞赛的下一阶段将成为核心议题 [5] 潜在新品方向分析 - 新品可能涉及两个方向：一是Rubin系列的衍生芯片（如Rubin CPX），二是更具革命性的下一代Feynman架构芯片 [1][6] - 英伟达在CES 2026上已展示并进入全面生产的Vera Rubin AI系列，包括Vera CPU和Rubin GPU在内的六款新设计芯片 [4][6] - Feynman架构被业内视为“革命性”产品，可能采用更广泛的SRAM集成方案，甚至通过3D堆叠技术整合LPU（语言处理单元） [6] 市场需求与产品演进 - 行业计算需求正逐季变化，从Hopper和Blackwell时代的预训练为主，转向Grace Blackwell Ultra和Vera Rubin时代以推理能力为核心 [7][8] - 推理场景下，延迟和内存带宽成为主要瓶颈，这直接影响公司的产品设计方向 [8] - 市场预期Feynman架构将针对推理场景进行深度优化，公司正探索通过更大规模SRAM集成和可能的LPU整合来突破性能瓶颈 [1][8] 公司战略与生态系统 - 公司正从单纯的芯片供应商向AI生态系统构建者转型，强调在整个AI堆栈中进行投资 [8] - 公司认为AI是一个涵盖能源、半导体、数据中心、云和应用程序的完整产业，并重视通过广泛的合作伙伴关系和投资策略来保持领先地位 [8]

GTC大会新品发布预告 - 英伟达CEO黄仁勋透露将在今年GTC大会上发布“世界从未见过的”全新芯片产品[1] - GTC主题演讲定于3月15日在加州圣何塞举行，AI基础设施竞赛的下一阶段将成为核心议题[1] 潜在新品技术方向分析 - 新品可能涉及两个方向：一是Rubin系列的衍生芯片，如Rubin CPX[2]；二是更具颠覆性的下一代Feynman架构芯片[2] - 英伟达在CES 2026上已发布并进入全面生产的Vera Rubin AI系列，包括Vera CPU和Rubin GPU在内的六款芯片[1][2] - Feynman架构被视为“革命性”产品，可能采用更广泛的SRAM集成方案，甚至通过3D堆叠技术整合LPU（语言处理单元）[2] 市场计算需求与产品演进 - 市场计算需求正从Hopper和Blackwell时代的预训练，转向以推理能力为核心，延迟和内存带宽成为主要瓶颈[3] - 预期Feynman架构将针对推理场景进行深度优化，通过更大规模SRAM集成和可能的LPU整合来突破性能瓶颈[3] - 公司正从单纯芯片供应商向AI生态系统构建者转型，强调在整个AI堆栈（涵盖能源、半导体、数据中心、云及应用）中进行投资和建立广泛合作伙伴关系[3]