文章核心观点 - 英伟达CEO黄仁勋在台北与AI供应链核心高管会面，并预测2026年行业供应链将“极度吃紧”，对高带宽内存和先进封装的需求将大幅爆发，算力将继续是资本市场焦点 [1][15][16] - 此次聚会凸显了全球AI算力供应链的紧密协作与关键环节，合影企业总市值超过5万亿美元 [2] - 在英伟达主导的供应链之外，中国国产算力芯片公司在2025年迎来了商业化和资本化的双重拐点，国产替代正从概念走向产业落地 [14] AI算力供应链核心环节 - **台积电**：掌握最紧缺的晶圆与先进封装产能，2025年英伟达占据其CoWoS总需求的60%以上，其CoWoS产能预计从2024年月产3.5万片提升至2025年的6.5万片以上，2025年资本支出预计在400亿至420亿美元之间 [5] - **服务器组装与系统集成**：鸿海精密、广达电脑、纬创资通瓜分了英伟达GB200 NVL72整机柜的主要份额，其中纬创主要负责AI芯片基板制造，鸿海与广达负责下游整机交付 [5][6] - **关键零部件**： - **散热**：奇鋐科技董事长首度受邀，反映Blackwell架构对液冷散热（如水冷板）的迫切需求 [6] - **PCB/HDI板**：胜宏科技作为高阶HDI板供应商出席，其2025年预计归母净利润为41.60亿至45.60亿元，同比增长260.35%至295.00%，董事长陈涛个人财富一年内增长560亿元至650亿元 [7][8] - **服务器制造**：工业富联承担英伟达AI服务器主要制造任务，预计2025年归母净利润351亿至357亿元，同比增长51%到54%，2025年第四季度云服务商服务器营收环比增长超30%，同比增长超2.5倍 [8] 未列席但表现强劲的供应链环节 - **光模块与上游**：中国内地企业在高速光通信领域占据重要地位，未出席不影响其强劲出货 [12] - **中际旭创**：预计2025年净利润98亿至118亿元，同比增长89.50%至128.17%，800G光模块2025年上半年出货量超400万只，1.6T产品已开始部署 [10][11] - **新易盛**：预计2025年归母净利润94亿至99亿元，同比增长231.24%至248.86%，业绩逼近行业龙头 [11] - **天孚通信**：作为光引擎供应商，预计2025年归母净利润18.81亿至21.50亿元，同比增长40%至60%，1.6T光引擎已实现交付并推进CPO产品开发 [11] 国产算力芯片的崛起 - **寒武纪**：预计2025年实现营业收入60亿至70亿元，同比增长410.87%至496.02%，归母净利润18.5亿至21.5亿元，首次实现年度盈利，标志国产算力芯片开始承接实际需求并实现商业回报 [14] - **行业上市潮与生态建设**：2025年底至2026年初，国产GPU公司密集上市，借助资本市场加速技术迭代 [14][15] - **摩尔线程**：2025年12月登陆科创板，首日市值突破3000亿元，其夸娥智算集群旨在对标英伟达，并推出AI编程服务以在软件生态层面竞争 [15] - **沐曦股份**：科创板上市，拥有在手订单14.3亿元，产品已部署于10余个智算集群 [14] - **壁仞科技**：2026年1月2日登陆港交所，首日收盘大涨75.82%，总市值突破800亿港元 [15] - **燧原科技**：已完成IPO辅导，冲刺科创板上市 [15] - 国产芯片在单卡性能和软件生态上与英伟达仍有差距，但商业化盈利的出现和资本热捧表明国产替代已进入产业落地阶段 [15]

英伟达供应链高管晚宴与行业动态 - 英伟达CEO黄仁勋于2026年1月31日在台北宴请40多位AI供应链高管 合影企业总市值超过5万亿美元 [2] - 黄仁勋表示2025年Blackwell芯片生产充满挑战 2026年供应链将“极度吃紧” 并因设计修改导致供应链赶工而致歉 [3] - 晚宴人均消费约200元人民币 但参与者覆盖了从晶圆制造、封装、PCB、散热到服务器组装的全球AI服务器核心供应链 [2][3][5] 核心供应商：晶圆制造与封装 - 台积电董事长魏哲家出席 英伟达占据其CoWoS总需求的60%以上 [3] - 台积电2025年资本支出预计在400亿美元至420亿美元之间 CoWoS产能预计从2024年月产3.5万片提升至2025年的6.5万片以上 [3] - 台积电表示AI相关需求非常强劲 比此前预期更加乐观 [4] 核心供应商：服务器组装与散热 - 鸿海精密、广达电脑、纬创资通董事长悉数到场 瓜分英伟达GB200 NVL72整机柜主要份额 [5] - 纬创负责AI芯片基板制造 鸿海与广达负责下游整机组装 [5] - 奇鋐科技董事长首度受邀 反映Blackwell架构对散热需求迫切 液冷成为标准配置 [5] A股供应链公司表现 - **胜宏科技**：董事长陈涛出席晚宴 公司预计2025年净利润41.60亿至45.60亿元 同比增长260.35%至295.00% 受益于AI算力带来的高阶HDI板订单急速上升 [5][6] - 胜宏科技董事长陈涛身家在2025年胡润百富榜达到650亿元 一年内增长560亿元 [7] - **工业富联**：董事长郑弘孟受邀 预计2025年归母净利润351亿元至357亿元 同比上升51%至54% 2025年第四季度云服务商服务器营收环比增长超30% 同比增长超2.5倍 [7] 光模块供应链（未出席晚宴） - **中际旭创**：预计2025年净利润98亿元至118亿元 同比增长89.50%至128.17% 800G光模块2025年上半年出货量超400万只 客户已开始部署1.6T产品 [8][9] - **新易盛**：预计2025年归母净利润94亿元至99亿元 同比增长231.24%至248.86% 业绩逼近行业中际旭创 [9] - **天孚通信**：预计2025年归母净利润18.81亿元至21.50亿元 同比增长40%至60% 1.6T光引擎已实现交付 并推进CPO产品开发 [9] - 在高速光通信领域 中国内地供应链已占据重要地位 [9] 国产算力芯片发展 - **寒武纪**：预计2025年营业收入60亿元至70亿元 同比增长410.87%至496.02% 归母净利润18.5亿元至21.5亿元 首次实现年度盈利 显示国产芯片开始承接实际需求 [10] - 国产GPU经历密集上市潮：摩尔线程登陆科创板首日市值破3000亿元 沐曦股份在手订单14.3亿元 壁仞科技登陆港交所首日涨75.82%总市值破800亿港元 天数智芯登陆港股 燧原科技冲刺科创板 [10] - 摩尔线程推出夸娥智算集群对标英伟达 并推出AI Coding Plan试图在软件生态层面与CUDA差异化竞争 [11] - 国产替代已从概念走向产业落地 商业化盈利出现并获得资本市场热捧 [10][11] 行业展望 - 黄仁勋预测2026年行业“极度吃紧” 对高带宽内存和先进封装的需求将大幅爆发 [11] - 算力在2026年预计依然是资本市场关注热点 [12]

核心观点 - AI芯片行业竞争焦点正从追求峰值算力转向追求推理成本效率 市场关注点从“谁算得更快”转向“谁算得更便宜、更可持续” [1][2] - Google/Broadcom的TPU在推理成本上实现显著跃升 TPU v7相比v6单位token推理成本下降约70% 使其在绝对成本层面与英伟达GB200 NVL72基本持平甚至略具优势 [1] - 英伟达仍保持产品迭代节奏和生态优势 但AI芯片的评价体系已发生根本性变化 成本曲线斜率成为决定产业格局的关键变量 [2][5][7] AI芯片竞争评价标准切换 - 行业从训练算力主导转向推理成本效率主导 随着大模型进入部署与商业化阶段 推理负载远超训练 成本问题被迅速放大 [3] - 芯片性价比由系统层面效率共同塑造 包括算力密度、互联效率、内存带宽及能源消耗等多重因素 [3] - 基于推理成本曲线 Google/Broadcom TPU在成本维度已可与英伟达正面竞争 而AMD和亚马逊Trainium的单位推理成本仍明显高于前两者 对主流市场冲击有限 [3] TPU成本跃迁的驱动因素 - TPU v7大幅降本源于系统级优化能力 而非单一技术突破 未来推理成本下降将越来越依赖“计算相邻技术”进步 [4] - 系统优化包括更高带宽更低延迟的网络互联、HBM和存储方案持续集成、先进封装技术以及机架级解决方案在密度与能效上的提升 [4] - TPU在谷歌内部使用比例持续上升 并获外部客户采纳 典型案例为Anthropic向Broadcom下达的约210亿美元订单 相关产品预计2026年中开始交付 [4] 主要厂商竞争态势与投资含义 - 英伟达掌握“上市时间”优势 在TPU v7追平GB200 NVL72时 已推进至GB300 NVL72 并计划在2026年下半年交付VR200 NVL144 [5] - 高盛维持对英伟达与Broadcom的买入评级 认为两者最直接绑定AI资本开支中可持续部分 并将长期受益于网络、封装和系统级技术升级 [7] - 高盛将Broadcom 2026财年每股收益预期上调至10.87美元 较市场一致预期高出约6% 认为市场低估其在AI网络与定制计算领域的长期盈利能力 [7] - AMD基于MI455X的Helios机架方案预计在2026年末 有望在部分场景实现约70%的推理成本下降 存在后发优势可能性 [7] - 产业呈现分工图景 GPU继续主导训练与通用算力市场 定制ASIC在规模化、可预测的推理负载中不断渗透 英伟达的CUDA生态与系统级研发投入构成护城河 [7]

文章核心观点 - AI算力需求激增导致数据中心电力消耗巨大，对美国老旧且增长缓慢的电网构成巨大压力，引发电价上涨和电力短缺危机[2][3] - 为应对电力危机并确保AI发展，科技巨头采取各种策略直接介入能源领域，包括购买发电资产、投资核能、自建微电网以及大规模招聘能源人才[9][11][16] - AI引发的“电荒”正在重塑能源行业格局、影响地方经济，并标志着技术革命再次触及物理世界的能源供应极限[22][23][24] AI电力需求激增与电网危机 - 单个AI数据中心耗电量巨大，例如GB200 NVL72单机架日耗电量接近3000度[3] - 全美已有超过4000个大型数据中心，未来四年数量可能翻三倍[2] - 到2035年，美国数据中心年用电需求将从目前的200太瓦时（2000亿度）猛增至640太瓦时（6400亿度），相当于德国全国一年的用电量[3] - 电网审批速度远跟不上需求，例如得克萨斯州每月有几十吉瓦的数据中心用电申请，但电网仅能批准1吉瓦出头[4] - 美国大部分输电线路已运行超过40年，设备老旧且供应链紧张，新建输电线路或发电站从规划到建成至少需要5-7年时间[7][8] 电价上涨与公众影响 - 数据中心集中地区的居民电费可能被推高25%[2][7] - 某些地区批发电价在五年内上涨了267%[7] - 科技巨头的电力需求引发了公众和政治人物的关注，被指责推高了所有人的电费[7] 科技巨头的应对策略 - **马斯克/xAI**：采取激进的自给自足模式，用122天建成配备20万颗GPU的数据中心，搭配35台大型燃气轮机和特斯拉巨型电池形成微电网[9]；为下一代数据中心筹备至少2吉瓦电力，甚至从海外购买整座发电厂设备运回美国[11] - **谷歌**：以48亿美元收购发电公司Intersect Power，成为首家拥有发电业务的科技巨头，旨在实现数据中心“用电自由”并游说政府加快审批[11] - **Meta/扎克伯格**：押注核能，与Vistra、TerraPower及Oklo三家核能公司签署协议，计划到2035年为其AI超算集群提供6.6吉瓦电力[11]；OpenAI CEO山姆·奥特曼是Oklo公司最大投资者之一，持股4.3%，价值约6.5亿美元[12] - **微软**：公开承诺数据中心不会导致居民电费上涨，并承诺承担自身所需的全部电网升级费用，但具体实施方案尚不明确[14] 能源结构现实与行业共识 - 尽管科技公司宣传环保，但美国数据中心目前最大的用电来源仍是天然气发电，因为太阳能和风能无法保证7x24小时不间断供电，而核能建设周期太长[14] - 为数据中心供电的公司严重依赖天然气，例如弗吉尼亚州“数据中心走廊”44%的电机靠天然气支撑[14] - 行业形成“混搭”共识：以太阳能、风能为主，配以巨型电池储能，用天然气电站作为备用，并以核电站保障长期稳定供电[15] 能源人才争夺战 - 2024年大型科技公司能源相关招聘量同比激增34%，招聘重点转向能源采购、电力市场交易、电网接入策略等基础设施职位[17] - 亚马逊（含AWS）招聘势头最猛，已达605人；微软自2022年以来招募超过570名能源专家，并从谷歌和通用电气挖来高管；谷歌自2022年以来增加了约340人[18] - 科技公司的高薪争夺导致传统能源行业高级人才流失，使本就稀缺的能源战略、购电协议谈判和电网连接专家市场变得“异常紧张”[21] 对能源行业及地方的广泛影响 - 能源行业被重新洗牌，老牌能源设备制造商如通用电气、西门子股价飙升，并接到数据中心的天价订单，甚至吸引其他行业公司（如Boom Supersonic）转行进入[22] - 数据中心入驻给美国小镇带来短期繁荣（如大量建筑工作）和税收，但长期工作岗位有限（可能不到200个），并带来水资源紧张和电网压力等负担[22] - AI革命正在考验人类能源系统的极限，硅谷科技巨头从行业颠覆者转变为需要亲自涉足电站、电网和核能领域的“能源大亨”[23][24]

行业趋势：中国AI模型在全球舞台崛起 - 在2026年CES英伟达主旨演讲中，中国大模型Kimi K2、DeepSeek V3.2及Qwen位列全球开源大模型前列，性能逼近闭源模型，标志着中国AI的高光时刻[1] - 在权威评测中，中国开源模型表现强势，例如在Nathan Lambert与Florian Brand发布的「2025年度开源模型回顾」中，DeepSeek、Qwen和Kimi包揽Top 3[26] - 中国AI模型的国际影响力与落地应用加速，例如OpenAI前CTO的新产品Thinker官宣接入Kimi K2 Thinking，其技术实力正被全球核心圈层接纳[24] 技术架构：MoE（混合专家）成为主流 - 自2025年以来，超过60%的开源AI采用了MoE架构，该架构自2023年初推动LLM智能水平提升近70倍[16] - 在权威机构Artificial Analysis排行榜上，最智能的TOP 10开源模型全部采用MoE结构[16] - DeepSeek-R1、Qwen3和Kimi K2代表MoE路线下顶级规模的尝试，仅需激活少量参数，大幅减少计算量和HBM显存带宽压力[2] 性能突破：推理性能与成本实现指数级优化 - 在英伟达下一代Rubin架构暴力加成下，Kimi K2 Thinking推理吞吐量直接飙升10倍，token成本暴降到原来的1/10[4] - 在SemiAnalysis InferenceMax测试中，DeepSeek-R1将每百万token的成本降低10倍以上，Mistral Large 3同样获得十倍加速[12] - 实测显示，Kimi K2 Thinking在GB200 NVL72上性能可以暴增10倍[9]，这种降本增效宣告AI推理即将进入真正的「平价时代」[6] 模型能力：中国模型展现独特技术优势 - Kimi K2 Thinking在Anthropic的严苛行为基准测试中，凭借极低的被误导率，摘得「表现最佳的非美国模型」桂冠[21] - Kimi K2 Thinking支持「数百步稳定工具调用」，并通过开源模型实现「交错思考」，标志着模型逻辑链条的进一步成熟[34] - 中国模型正从追求基准测试高分转向提升实际体验，例如Qwen从「冲榜」闻名进化为优质模型，K2 Thinking原生采用4bit精度以更高效支持长序列RL扩展[32] 竞争格局：开源模型对闭源巨头形成压力 - 中国实验室正以惊人速度发布模型，大幅压缩了最强闭源模型与开源之间的代差，「更早发布」成为一种巨大的先发优势[31] - 开源模型的激增让美国闭源实验室倍感压力，仅靠基准测试分数已无法解释「为什么付费更好」[35] - 中国模型在全球市场的「心智份额」正切走越来越大的一块蛋糕，DeepSeek、Qwen和Kimi已成为东方技术实力的代表品牌[33][35] 算力需求：模型规模与计算需求持续暴涨 - 在计算需求暴涨的背景下，480B的Qwen3和1TB的Kimi K2成为代表性模型，验证了参数规模每年以十倍量级scaling[6] - 如此巨大规模的MoE模型单GPU无法部署，而英伟达GB200 NVL72能破解这一难题[16] - DeepSeek R1和Kimi K2 Thinking的实测结果，证明了英伟达Blackwell超算性能的强大[19]

AI推理游戏规则的转变 - 行业评估AI基础设施的关键指标正从单纯的算力硬指标转向“每一美元能输出多少智能”即单位成本的智能输出效率[1][4][20] - 顶级投资人指出当前竞争焦点不再是算力或GPU数量而是每一美元能买到的智能输出[4] - 随着混合专家模型和高强度推理工作负载成为主流行业已无法仅依赖芯片层面的性能提升平台级设计成为决定性因素[20][46] 模型架构演进：从稠密模型到混合专家模型 - 传统稠密模型在生成每个Token时需激活全部参数导致模型越大运行越慢、成本越高、内存需求增长[9] - 混合专家模型架构旨在释放更高水平智能每个Token只激活最相关的“专家”从而提升效率[11] - 全球TOP 10开源大语言模型全部是混合专家模型推理模型在推理阶段会先生成中间推理Token以提高准确性这导致推理Token数量往往远多于最终回复[11][14] 混合专家模型面临的核心挑战 - 混合专家模型的一个核心限制在于“通信瓶颈”当不同专家分布在多块GPU上时GPU间通信延迟会导致GPU空闲等待数据造成算力浪费[14] - 这些“空转时间”直接体现在服务提供商的成本底线上[17] - 评估AI基础设施“经济性”时需聚焦性能、能效和总体拥有成本三方面[17] 英伟达与AMD在稠密模型推理上的性能对比 - 以Llama 3.3 70B为基准在稠密模型推理中英伟达HGX B200方案在整个吞吐量与交互性区间内具备持续性能优势[21] - 在基线交互性水平下B200性能大约是AMD MI355X的1.8倍为交互式应用部署提供显著余量[21] - 当交互性提升至110 tokens/sec/user时B200吞吐量超过MI355X的6倍优势进一步放大[24] 英伟达与AMD在混合专家模型推理上的性能对比 - 在中等规模混合专家模型推理中对于gpt-oss-120B模型当目标是100 tokens/sec/user时B200比MI355X快约1.4倍当目标提高到250 tokens/sec/user时差距扩大到约3.5倍[30] - 通过软件优化双方平台性能均获提升英伟达单GPU峰值吞吐从约7,000 tokens/sec提升到超过14,000 AMD从约6,000提升到约8,500[30] - 在前沿混合专家模型推理中英伟达GB200 NVL72大幅领先在DeepSeek-R1测试中其性能是AMD MI350X吞吐量的28倍[1][18] GB200 NVL72的系统级优势与性能表现 - GB200 NVL72采用机柜级NVLink互联与软件调度能力彻底改变了成本结构[4] - 其让超过8块GPU的张量并行配置也能进入帕累托前沿达到单节点平台无法匹敌的性能[36] - 在25 tokens/sec/user交互性目标下GB200 NVL72单GPU性能大约是H200的10倍超过MI325X单GPU性能的16倍[36] - 当交互性目标提高到60 tokens/sec/user时GB200 NVL72相比H200带来超24倍的代际提升同时接近MI355X的11.5倍性能[37] 单位Token成本的经济性分析 - 尽管GB200 NVL72的单GPU小时价格几乎是竞争平台的2倍但其机架级能力推动了显著更优的单位经济性[20] - 在高交互性的推理工作负载中GB200 NVL72的单位Token成本最低可降至其他方案的约1/15[20] - 按CoreWeave目录价GB200 NVL72单GPU小时价格比H200贵1.67倍但由于其性能提升幅度估计达约20倍使其每美元性能优势达约12倍相对每Token成本仅为H200的1/12[41][42] - 与AMD MI355X相比按单GPU口径MI355X价格约为GB200 NVL72的一半但GB200 NVL72凭借从5.85倍到28倍不等的单GPU性能优势能提供最高15倍的每美元性能优势实现相对每Token成本仅为竞争对手的1/15[44][45] 行业未来趋势与竞争格局 - 前沿AI模型的未来将是更大、更复杂的混合专家模型来自OpenAI、Meta、Anthropic等公司的旗舰模型预计会继续沿此方向演进[46] - 随着模型更深地走向混合专家与推理架构平台级设计成为决定性因素包括互连与通信效率、多节点扩展特性、软件栈成熟度、生态支持与编排能力等[46] - 如果当前轨迹成立英伟达将维持关键的性能与经济性优势谷歌TPU等架构对非自家模型的适用性与性能表现仍不明确[46] - 性能差异能直接转化为可量化的商业结果例如当平台在某个交互性目标下提供28倍的单GPU吞吐提升时可在不线性扩大硬件规模的情况下解锁新产品档位及更复杂功能[47]

市场表现 - 2026年1月3日美股收盘涨跌不一，道琼斯指数上涨319.10点（涨幅0.66%），标普500指数上涨0.19%，纳斯达克指数微跌0.03% [2] - AI相关个股如英伟达（涨1.26%）、AMD和美光（涨10.51%）推动道指与标普收高，美光股价创历史新高 [2] - 特斯拉股价下跌2.59%，连续七个交易日下跌，其2025年全球交付量为163.6万辆，同比下降约8.6% [2][10] - 热门中概股普遍上涨，纳斯达克中国金龙指数收高4.38%，其中百度上涨15.03%，哔哩哔哩上涨7.24%，阿里巴巴上涨6.24% [3] - 欧洲股市2026年开局创历史新高，斯托克欧洲600指数收盘涨0.7%，英国富时100指数首次突破10000点大关 [4][5] - 2025年欧洲主要基准股指上涨17%，创2021年以来最大年度涨幅 [5] 行业动态 - 全球电动汽车市场格局生变，比亚迪2025年纯电动汽车销量达226万辆，同比增长近28%，首次超越特斯拉（164万辆）登顶全球销量榜首 [10] - 挪威2025年纯电动汽车市占率达95.9%，12月单月占比高达98%，新上牌乘用车达179,549辆，同比激增40% [10] - 特斯拉连续五年蝉联挪威汽车品牌销量榜首，2025年新上牌34,285辆，同比大涨41%，但四季度交付量同比下滑16% [10] - 原油市场方面，2025年布伦特和WTI基准原油价格年度跌幅近20%，为2020年以来最大年度跌幅 [3] - 国际能源署预计2026年原油供应过剩约380万桶/日，星展银行分析师预计布油价格维持在60-65美元区间 [3][15] - 铝价自2022年以来首次突破每吨3000美元，2025年铝期货价格上涨17%，创2021年以来最大涨幅 [17] - 铜价在2025年创下2009年以来最大年度上涨，镍价因PT Vale Indonesia暂停采矿作业而跃升 [17] 公司要闻 - 美光科技因人工智能需求旺盛，锁定高带宽内存产品远期确定性收入，盈利能力大幅跃升，股价大涨10.51%创历史新高 [2][11] - 台积电2nm量产推进，计划新建工厂，1.4nm工艺也在顺利进行 [2] - 英伟达GB200 NVL72推理性能超AMD MI355X约28倍 [2] - 微软股价收跌2.21%，公司正加强Windows 11营销 [2] - 量化基金AQR Capital Management的多策略产品Apex在2025年实现19.6%的回报，其管理资产总额达1890亿美元，当年资产增幅750亿美元创纪录 [11] - 城堡投资旗舰对冲基金2025年回报率为10.2%，略低于主要竞争对手Millennium Management的10.5% [12] - 伯克希尔·哈撒韦公司进入后巴菲特时代，格雷格·阿贝尔接任首席执行官，2025年公司股价表现逊于标普500指数 [13] - 奢侈品零售商Saks Global预计在几天内申请破产保护，其首席执行官即将卸任 [13] 宏观经济与政策 - 美国24个州自1月1日起上调最低工资标准，预计将影响超830万人，纽约市等地最低时薪提至17美元 [7] - 美国总统特朗普宣称收紧移民政策让本土劳工受益，但数据显示2025年有超250万移民退出劳动力市场，且无证据表明本土劳工就业因此改善 [7] - 美联储降息预期是市场焦点，市场预计2026年将降息两到三次 [15] - 2025年彭博美元指数跌幅达8.1%，但2026年开年随美债收益率走高，10年期国债收益率升至4.19% [15] - 交易员对美元的看法转变，截至12月23日期货和期权交易员对美元净空头仓位约80亿美元 [18] 资金与投资趋势 - 特朗普旗下超级政治行动委员会在2025年下半年募资1.02亿美元，资金来自人工智能、加密货币及金融领域大佬的千万级捐款，用于共和党关键选举 [14] - 华尔街策略师预计2026年美股将进一步上涨，但涨幅可能收窄，2025年标普500指数上涨16.39% [18] - 新兴市场股票2026年开局强劲，MSCI发展中国家指数涨1.7%至2021年2月以来最高，科技股领涨（涨幅2.8%） [19] - 欧洲债市下跌，意大利30年期国债收益率攀升8个基点至4.48%，德国30年期国债收益率预计本周至少涨6个基点 [19]

文章核心观点 - 云计算行业正经历由AI驱动的范式转移，催生了以CoreWeave为代表的“Neocloud”（新云）新物种，其凭借极致效率和对NVIDIA顶级GPU算力的专注，成为AI时代的新基建并挑战传统云巨头的垄断地位 [3][6] - CoreWeave是Neocloud赛道的绝对主角，其崛起背后是NVIDIA为制衡科技巨头自研芯片而进行的战略扶持，公司营收在两年内暴涨100倍，从2022年的1600万美元增长至2024年的19亿美元，估值达370亿美元 [3][5][9] - 投资Neocloud的本质是博弈算力的“供需周期”，该赛道既有成为AI时代“超级公用事业公司”的潜力，也面临高杠杆、技术迭代和客户集中度等严峻考验 [3][24] 为什么AI需要“新云” - AI时代的技术范式从互联网时代的并发处理转变为并行计算，传统云架构出现“排异反应”，其虚拟化层会带来10%-20%的算力损耗，而AI训练需要极致性能 [7] - 传统数据中心存在物理瓶颈，其机架设计功率通常为10-15kW，难以满足NVIDIA H100/Blackwell集群单机柜40kW甚至100kW的高功率密度要求，改造周期长达18个月 [7][10] - AI训练需要超低延迟的InfiniBand网络以实现数千张GPU的协同工作，传统云的以太网架构难以满足吞吐需求，这为从零构建AI-First基础设施的Neocloud提供了机会 [7][10] - NVIDIA为制衡积极研发自研芯片的AWS、Google和Microsoft等传统云巨头，需要扶持没有自研野心的忠实盟友，CoreWeave因此被选为“代理人”，获得NVIDIA在资本、产能和技术上的全方位扶持 [7][8] CoreWeave深度解析：AI算力之王的野心与隐忧 - CoreWeave展现出惊人的扩张速度，营收从2022年的1600万美元增长至2024年的19亿美元，两年增长超100倍，2025年有望进一步翻倍至50亿美元 [9] - 公司商业模式是“算力租赁”，类似于利用长期合同作为抵押物进行债务融资，再购买GPU的金融循环模式，截至2025年第三季度总债务超过190亿美元，前九个月净亏损达7.15亿美元 [11][13] - 公司的护城河在于其与NVIDIA的特殊关系，NVIDIA不仅给予优先配货权，还签署了63亿美元的容量保障协议，承诺在2032年前购买其未售出产能 [12] - 截至2025年第三季度，CoreWeave的合同发电容量达2.9吉瓦，其中1吉瓦可供未来12-24个月出售，在电力成为AI瓶颈的当下，规模化的电力资源是硬通货 [12] - 通过收购MLOps领导者Weights & Biases，公司正从单一算力租赁商向增加客户粘性的全栈AI平台转型 [12] - 公司面临高风险，客户集中度极高，2024年微软贡献了其62%-72%的营收，同时其采用的6年GPU折旧标准在技术快速迭代的AI领域可能过于乐观 [15] Nebius与第二梯队：寻找下一个Alpha - Nebius是俄罗斯Yandex分拆后的欧洲新贵，走“精益增长”路线，拥有大量净现金且债务极低，预计2025年年度经常性收入将达10亿美元 [17][18] - 与CoreWeave相比，Nebius在2025年第三季度营收为1.461亿美元，同比增长39%，虽净亏损1.196亿美元，但财务状况更稳健，当前比率高达6.57 [19] - Nebius近期与微软签订了价值170亿美元的长期合同，验证了其技术实力，为投资者提供了比CoreWeave更高安全边际的选择 [19] - Applied Digital是Neocloud产业链的“房东”型伙伴，专注于数据中心建设和运营，为CoreWeave等提供托管服务，规避了GPU技术贬值风险，享受资产升值红利 [20] CoreWeave：下一个思科还是亚马逊 - 相对乐观估计下，若AI需求持续爆发且公司能维持市场份额，其营收在2030-2032年有望达650亿美元，EBITDA达260亿美元，按25倍EV/EBITDA估值，市值可达6500亿美元 [22] - 公司面临类似2000年互联网泡沫时期思科的风险，当AI基建从“抢装期”进入“存量期”，高增长故事可能难以为继，产能过剩和技术迭代是主要威胁 [22] - 投资者需重点关注公司的执行力，如GPU上线速度和电力并网进度，而非积压订单的规模 [22] - 构建投资组合可平衡风险，CoreWeave代表激进选择，Nebius是稳健替代，而NVIDIA是整个赛道的“收税人” [23] - 微软的资本开支计划和自研芯片进度是CoreWeave股价最大的潜在“黑天鹅”事件，需高度警惕 [23]

AMD市场展望与产品规划 - AMD首席执行官苏姿丰预测，到2030年AI数据中心的总市场规模将突破1万亿美元 [1] - AMD下一代MI400系列AI芯片预计将在2026年推出，产品线将涵盖用于科学计算和生成式AI的多种型号 [1] - 除芯片外，公司还计划推出整机服务器机架系统，以进一步完善其AI硬件生态 [1] - 公司整体营收预计在未来三到五年内将以约35%的年复合增速扩张，增长的大部分将来自数据中心业务 [1] 行业高层人事变动 - Meta首席人工智能科学家杨立昆计划在未来几个月内离职，并创办自己的公司 [2] - 杨立昆的创业项目将继续围绕"世界模型"的研究展开，目前正与潜在投资者进行早期谈判 [2] - 此次离职是Meta的又一高层变动，此前人工智能研究副总裁Joelle Pineau已于今年5月离职，且公司上月还在AI研究部门裁员约600人 [2] 生成式AI版权监管动态 - 德国慕尼黑地方法院裁定，OpenAI未经授权使用德国音乐人创作的歌词构成侵犯版权，需向原告支付赔偿金 [3] - 此案始于2024年11月由德国音乐演出和作品复制权协会提起的诉讼，该协会代表约十万名词曲作者和出版人 [3] - 该裁决可能成为欧洲对生成式人工智能技术版权监管的重要判例 [3] 科技巨头AI基础设施投资 - 微软宣布未来几年将在葡萄牙锡尼什投资100亿美元，用于建设AI基础设施，这将成为欧洲最大规模的AI投资项目之一 [4] - 微软将与Start Campus、Nscale及英伟达合作，部署12600块新一代英伟达GPU [4] - 该项目旨在助力葡萄牙成为欧洲负责任且可扩展的AI发展标杆 [4] AI行业会计操作争议 - "大空头"迈克尔·伯里指出，科技巨头通过延长资产的有效使用寿命来低估折旧，从而人为抬高收益 [5][6] - 在计算设备通常只有2至3年产品周期的背景下，一些公司（如Meta、Alphabet、微软、甲骨文和亚马逊）将折旧周期延长至6年 [5][6] - 伯里预计从2026年到2028年，大型科技公司将因低估折旧而虚增1760亿美元的利润 [6]

AI基础设施电力需求 - 美国AI巨头面临电力短缺问题 发电与电网基础设施落后限制了token产出规模 [1] - 微软CEO认为电力与数据中心建设速度是限制token产出的关键因素 而非GPU短缺 [1] - 美国数据中心规模正从1GW级向10GW级迈进 例如怀俄明州数据中心一期目标1.8GW 远期目标10GW [1] - Meta表示若能获得更多能源 将可建立比现有规模更大的计算集群 [1] 美国电网面临的挑战 - 公共事业公司因担心AI泡沫风险 不愿签署大额购电协议或投资输电基础设施 [2] - 现有电网难以支撑大规模数据中心负荷 最高容量765kV双回路仅能承载6-7GW [2] - NextEra公司CEO指出支撑1GW需求相对容易 但容纳5GW需要大量工作 10GW更具挑战性 [2] - OpenAI创始人认为长期电力采购协议存在风险 若廉价能源快速上线可能造成损失 [2] 政策支持与中美电力对比 - 谷歌向白宫建议将创新重点从芯片转向电网 该建议被纳入美国AI基础设施建设计划 [3] - OpenAI建议美国每年需新增100GW电力容量以与中国竞争 去年美国新增51GW 中国新增429GW [3] - 中国发电量是美国两倍多 电网更为坚强 但面临国产芯片能效较低的挑战 [3] - 字节跳动日均token调用量从5月16.4万亿攀升至9月30万亿 4个月内翻倍增长 [3] 中国AI生态的电力成本 - 中国主流云厂商1GW数据中心全年电费约为80-90亿元人民币 [5] - 华为CloudMatrix 384总算力比英伟达GB200 NVL72高1.7倍 但能耗高出3.9倍 [5] - 单位算力能效对比显示 GB200为0.81pJ/FLOP 而CloudMatrix 384为1.87pJ/FLOP 多消耗130%电力 [5] - 中国西部省份工业电价较东部沿海低约30% 部分区域电价已降至每度0.4元人民币以下 [6] 中美电力成本与能效差距 - 美国工业电力平均成本约为9.1美分/kWh 中国为5.6美分/kWh [6] - 考虑能效差异后 中国AI生态每FLOP算力任务的电费成本相当于美国的140% [6] - 华为展示了昇腾AI芯片4年5款产品路线图 但未披露最新能效数据 [6] - 中国在先进制程等半导体领域尚未追平国际领先水平 单位能效差距短期难以抹平 [6] 中国国产算力发展策略 - 国家政策鼓励数据中心使用国产芯片 特别是央企与政务相关领域 [4] - A股市场加速迎接摩尔线程与沐曦股份上市 壁仞科技 砺算科技与燧原科技也在推进中 [4] - 开源模型厂商如DeepSeek正牵引芯片厂商进行软硬件协同设计 [4] - 产业政策通过电价补贴支持国产算力生态 但全球竞争时补贴优势将削弱 [6]