行业背景与痛点 - 大模型赛道竞争激烈，新模型以近乎周更的速度涌现，如GPT、Llama、Gemma、Mistral、DeepSeek、Qwen、Kimi、GLM、MiniMax等 [2] - 模型架构创新繁多，但理解困难，主要由于不同论文的模型结构图风格各异、模块命名不统一 [2] - 行业缺乏一张清晰、统一的大模型架构图来对比和理解不同模型的关键改动 [2] “LLM Architecture Gallery”项目介绍 - AI研究者Sebastian Raschka创建了在线图谱“LLM Architecture Gallery”，旨在绘制和整理过去几年主流大模型的结构 [3] - 该项目汇集了其两篇博客《The LLM Architecture Comparison》和《A Dream of Spring for Open-Weight LLMs》的内容 [6] - 该网站页面结构类似于大模型名录，汇集了大量主流模型系列，包括Llama、DeepSeek、Gemma、Mistral、Qwen、Kimi、GLM等 [7] - 图谱覆盖的模型参数规模范围广泛，从几亿参数的小模型到千亿乃至万亿级模型 [7] 项目功能与价值 - 用户点击任意模型名称（如DeepSeek R1）即可链接到对应的详细模型卡页面 [9] - 每张模型卡展示该模型的核心架构图、关键模块设计、参数规模、发布时间、相关概念等基本信息 [11] - 该图谱将Gemma、Llama等一系列主流模型纳入其中，提供统一的视觉框架，便于快速理解模型结构 [14] - 对于研究者而言，该图谱相当于一份可快速查阅的大模型架构索引，支持在一个页面内浏览和对比不同模型的设计思路与关键创新点 [14] - 该工具能帮助研究者更高效地理解技术演化路径，并为后续的研究和模型设计提供参考 [14]

Meta AI模型发布延期与性能评估 - Meta新一代基础大模型Avocado（牛油果）原定本月发布，因性能未达预期，发布时间被推迟至至少5月[2] - 推迟的直接原因是模型在内部测试中，其推理、代码生成和写作能力仍落后于竞争对手的最新模型[3][4] - 尽管Avocado明显优于Meta上一代模型，并超过了2025年3月版本的Gemini 2.5，但仍落后于2025年11月发布的Gemini 3.0[4] Meta的AI战略投入与布局 - Meta在AI上的投入极为激进，2025年AI相关支出达720亿美元，2026年预计支出最高达1350亿美元，数据中心长期规划投入为6000亿美元级别[9] - Meta投资143亿美元于Scale AI，并让Scale AI创始人Alexandr Wang直接担任Meta首席AI官[8] - 公司目标明确，旨在建立通向超级智能的AI体系[10] 内部研发团队与产品路线 - 开发Avocado的团队是Meta内部的新AI实验室TBD Lab（To Be Determined Lab），该实验室目前仅有约100人，但配置极高[10] - TBD Lab同时开发两类模型：基础大模型Avocado和图像/视频生成模型Mango[11] - 实验室于去年年底完成了Avocado的预训练阶段，并于今年1月开始后训练[13] - 公司已推出一个类似OpenAI Sora的视频生成应用Vibes[14] - 公司已规划下一代模型，命名保持水果系列：Avocado → Mango → Watermelon，且规模会更大[18] 内部挑战与战略分歧 - 在Avocado发布前，有研究员离职，且首席AI官Alexandr Wang与Meta产品负责人之间存在分歧，争论焦点在于AI如何提升广告业务[14] - Meta的AI战略主线明确，即AI必须服务于广告业务[14] - 关于Avocado的开源策略可能发生改变，内部讨论显示公司领导层更倾向于采用闭源路线，这与高昂的模型成本、激烈的竞争和商业化压力有关[14][15] 行业竞争态势与影响 - 此次延期释放了一个行业信号：大模型竞争焦点已从“能否做出”转变为“迭代速度”[16] - 当前头部玩家的差距体现在推理能力、工程效率、推理成本和迭代速度等方面，持续领先者将成为AI平台生态的中心[17] - 基础模型的能力差距会影响公司的生态吸引力、开发者资源和人才招募能力[6] - 公司内部甚至讨论过临时授权Google的Gemini模型来支持自身AI产品的方案，这凸显了其核心模型落后可能对AI助手、代码工具、视频生成等产品能力产生的牵制[6][7]

公司概况与融资 - 人工智能初创公司Thinking Machines Lab由OpenAI前首席技术官Mira Murati领导 于2025年2月作为公益公司成立[1][2] - 公司成立仅5个月后 于2025年7月以120亿美元的估值筹集了20亿美元资金[2] - 种子轮投资者包括知名机构Andreessen Horowitz、Nvidia、AMD和Cisco[2] 产品与技术 - 公司于2025年10月脱离隐身模式 发布了首个也是目前唯一的产品Tinker[3] - Tinker是一款自动化工具 用于简化微调大语言模型的大部分工作[3] - 该工具支持Meta的Llama和阿里巴巴的Qwen等开源模型 允许用户训练模型以执行特定专业任务 创建自定义的前沿模型版本[3] 战略合作与投资 - 公司与英伟达达成了多年期战略合作伙伴关系 英伟达同时进行了“重大投资”[1] - 作为合作的一部分 公司将从明年开始部署至少1千兆瓦的英伟达全新Vera Rubin硬件[6] - 1千兆瓦的电力足以供应整个旧金山市 相当于一座核电站的发电量[6] - 英伟达CEO黄仁勋在2025年8月表示 建设1千兆瓦的数据中心容量成本在500亿至600亿美元之间[6] 管理团队与行业定位 - 公司联合创始人Andrew Tulloch于去年离职加入Meta 另两位联合创始人Barret Zopf和Luke Metz于今年1月重新加入了OpenAI[4] - 与英伟达的合作及巨大的资源投入表明 公司计划在尖端模型领域与Anthropic、Google、OpenAI、Meta和阿里巴巴等公司展开竞争[6]

全球AI产业资本与算力格局 - 2025年全球风险投资对AI的投入约为2020亿美元，占当年全球VC总投资规模的50%，其中58%流向了单笔超过5亿美元的“超级轮次” [4] - 资本高度集中于头部公司，OpenAI获得400亿美元，Scale AI获140亿，Anthropic 130亿，xAI 53亿，Databricks 40亿 [4] - 科技巨头在数据中心扩张上投入超过3000亿美元，美国弗吉尼亚州北部数据中心容量达3046兆瓦，超过排名第二至第六名市场的总和 [4] - 全球约54%的超大规模数据中心位于美国，90%的拉丁美洲互联网流量需经由美国服务器中转 [4] AI基础设施与硬件竞争 - 能源成为核心约束，数据中心预计在2030年吸收全球约10%的总能源消耗，推动“自带能源”策略及太空数据中心等新方案 [5] - 英伟达2025年营收约1300亿美元，市值接近4万亿美元，其下一代Rubin R200 GPU预计推理速度提升约5倍，能效提升10倍 [6] - AMD的MI450在性能上接近英伟达，内存容量达432GB，市场份额缓慢回升至约10% [6] - 英特尔Gaudi 3芯片性能仅与两代前的英伟达H100相当，中国华为顶级芯片与Hopper架构大体齐平，同样落后两代 [6] - 在英伟达缺席的中国市场，本土厂商如摩尔线程、壁仞科技和寒武纪实现营收增长，战略重心转向软件平台与光子互联技术 [6] 大模型技术发展与市场格局 - 顶级闭源模型以美国主导，Gemini 3和GPT-5.2在主流基准测试中综合得分约92% [7] - 顶级开源模型为中国所掌控，DeepSeek在开放路由器处理的tokens中占比42%，Qwen占16%，Llama仅11.7% [7] - 韩国K-Exaone于2026年1月首次进入开源模型全球前十，显示“第三极”开始浮现 [7] - 模型架构超越Transformer，DeepSeek的“基于可验证奖励的强化学习”技术成为后训练新标准 [7] - 行业存在“基准刷题”现象，部分顶级模型在测试数据上直接训练，侵蚀评估体系公信力 [7] 企业采用与市场渗透现状 - 2025年有88%的企业声称在业务中使用生成式AI，但能在生产环境中规模化落地的企业不超过10% [8] - AI试点项目失败率高达88%至95%，仅11%的AI项目真正进入生产阶段 [8] - 外购AI解决方案的成功率约为内部自建的两倍 [8] - 消费市场方面，OpenAI以2025年12月55亿月访问量领跑，DeepSeek月访问量达3.28亿，在中低收入国家渗透显著 [9] - 阿联酋以59%的月度活跃使用率成为全球AI渗透率最高国家，中国模型在全球开放路由器处理份额中超过30% [9] - AI伴侣市场规模达320亿美元，年复合增长率30%，用户日均使用时长1.5至2.7小时，超过TikTok [10] AI安全、治理与地缘政治 - 2025年网络安全事件恶化，DDoS攻击较2024年全年增长30%，勒索软件攻击上升32%，制造业攻击频次增加61% [11] - AI驱动的钓鱼邮件占所有邮件钓鱼攻击的80%，语音仿冒攻击同比激增449% [11] - 谷歌报告了五种由生成式AI创作的全新恶意软件，提示注入攻击事件增长540% [11] - 全球AI治理规则分化，欧盟AI法案高风险类别合规要求于2026年8月生效，美国推行“松绑”监管并加速国防整合，中国采取垂直监管 [12] - AI治理市场规模在3亿至6亿美元之间，预计到2030年将催生10亿至150亿美元合规支出 [12] - 中美在芯片、数据、模型等维度形成“双极对立”，AI在防务领域的市场规模约110亿美元 [13] - 全球军费开支2024年达历史峰值2.74万亿美元，北约盟国承诺2035年前将国防开支提升至GDP的3.5%至5% [13] 前沿应用与未来预测 - 机器人市场预计将突破2000亿美元，亚马逊部署了超过100万台机器人 [14] - AI在科学领域取得突破，GPT-5.2攻克数学难题，DeepMind模型发现方程新解，AI科学家能独立提出假设并撰写论文 [14] - 核心预测包括：英伟达在数据中心市场份额将跌破85%；AI早期投资比例将回升至约30%，重点转向应用层；GenAI商业支出到2027年将突破500亿美元 [15] - “窄域”AI试点成功率将高于30%，而复杂多智能体项目成功率将维持在15%以下 [15] - 机器人投资将超过500亿美元；一家防务无人机或机器人初创公司将以400亿美元以上的价格被收购或上市 [16] - 西方国家将对中国AI模型在特定行业的使用实施禁令 [16]

核心观点 - 科技行业正经历AI驱动的激进资本开支周期，市场因自由现金流被吞噬而恐慌，但历史表明，真正的商业拐点往往诞生于“最贵的投入阶段”之后，当前AI叙事可能正站在从“建算力”向“榨收入”转变的新周期起点 [3][9][20] 资本开支暴涨与市场担忧 - 过去一年，全球科技行业经历互联网历史上最激进的资本开支周期 [5] - Amazon、Alphabet、Meta与Microsoft四大超大规模数据中心运营商的资本开支同比暴涨约**66%**，合计规模突破**2000亿美元** [6] - 巨额投入冲击财务报表：Meta将2025年资本开支指引从**300亿美元**上调至**400亿美元**，自由现金流占比从**35%**骤降至**18%**；Microsoft的Azure基础设施投资创历史新高，资本开支增速连续三个季度超过**50%** [7] - 市场担忧的核心是资本开支增速持续高于营收增速，自由现金流被快速消耗，质疑商业模式的可持续性 [7] 历史周期与当前阶段的类比 - 当前市场对资本开支的焦虑在科技史上并不罕见，类似2000年前后的光纤建设、2010年前后的移动互联网以及2020年前后的云计算周期 [8][9] - 历史表明，短期可能出现产能过剩，但长期看，这些基础设施成为后续爆发的物理底座，早期投入获得数十倍回报 [9] - 目前AI军备竞赛的第一阶段本质上是算力基础设施建设周期，而非盈利周期，当基础设施框架基本成型，商业价值的释放才真正开始 [9][10] 资本开支拐点与投资逻辑转变 - 市场关心的关键将从资本开支的绝对规模转向其节奏与效率，叙事从“谁花得多”转向“谁赚得快” [11][12] - 这一转折点与云计算周期相似：2016-2019年资本开支飙升压缩利润，2020年后云服务收入爆发式增长，利润率提升 [12] - 当前AI可能正站在类似节点，资本市场正在等待“AI开始赚钱，而不仅仅是烧钱”的信号 [13] 对不同公司的分析与展望 - 分析师最看好**Meta Platforms**，因其广告业务现金流强劲，AI推荐系统使广告ROI提升**30%**以上，开源策略降低了模型训练成本，巨额投入更容易转化为收入 [13] - **Amazon**存在潜在估值机会，其AWS的AI服务收入增速超过**50%**，Bedrock平台企业客户数快速增长 [13] - **Apple**表现出相对稳定性，未进行巨额数据中心投资，财务灵活性更高，其端侧AI策略（Apple Intelligence）能避开云端算力军备竞赛，直接通过设备升级与订阅服务变现 [16] - **Netflix**面临成熟市场增长放缓的挑战，其EBITDA虽保持约**20%**增长，但用户注意力被分流，预示着下一阶段竞争是应用生态与内容入口之争 [16] AI产业链投资逻辑的迁移 - 过去两年市场焦点集中在硬件端（GPU、服务器、电力等“铲子股”），享受了估值溢价 [14] - 当算力基础设施逐渐完善，价值链将向软件与服务迁移，即从“卖水”到“淘金”的逻辑切换 [15] - 下一阶段的关键在于谁能把AI能力转化为商业模式，可能方向包括：企业级SaaS、垂直行业解决方案、创作者经济工具、个人智能体等，其共同点是不再依赖算力规模，而是依赖场景理解、数据积累与产品体验 [17] AI投资周期的三个阶段 - **第一阶段**：疯狂建设，资本开支爆炸，市场焦点在“谁投得多”，估值逻辑是“稀缺性溢价”，当前AI行业正处于此阶段尾声 [19] - **第二阶段**：商业化探索，收入开始兑现，市场焦点转向“谁赚得快”，估值逻辑切换为“付费转化率”与“单位经济模型”，这可能是未来**12-24个月**的主线 [19] - **第三阶段**：平台垄断，利润率迅速提升，赢家通吃效应显现，头部公司享受“基础设施级”估值溢价 [19] 当前阶段与未来关注点 - AI行业正站在第一阶段向第二阶段过渡的边缘，当资本开支增速放缓、GPU交付周期缩短、数据中心空置率上升时，市场焦点将迅速转向“谁能从AI中真正赚到钱” [20][21] - 对投资者而言，关键在于识别“效率拐点”，例如：AI服务收入增速开始超过资本开支增速、垂直场景付费转化率出现非线性提升、商业模式的单位经济模型率先跑通 [22]

合作公告 - Meta与Nvidia达成多年合作伙伴关系 以推进其人工智能基础设施计划 [1] - 合作将支持Meta为AI训练和推理设计的数据中心开发 以及其核心业务 [2] - 双方工程师将合作优化和加速最先进的AI模型 以改进全球使用的新AI能力 [4] 合作细节与技术整合 - Nvidia创始人兼CEO黄仁勋表示 通过跨CPU、GPU、网络和软件的深度协同设计 将把完整的Nvidia平台带给Meta的研究人员和工程师 [3] - Meta将在其WhatsApp私人消息服务及更广泛的基础设施工作中采用Nvidia的技术 [3] - Meta CEO马克·扎克伯格表示 将扩大与Nvidia的合作 使用其Vera Rubin平台构建领先的集群 为世界上的每个人提供个人超级智能 [8] Meta的AI能力与业务应用 - Meta的AI资产令人印象深刻 其Llama是一个开放的基础模型家族 其推荐系统分析师认为以无与伦比的规模运行 并拥有复杂的广告排名和创意工具 [9] - 公司几乎所有的AI能力都指向一个目标：最大化广告的效率和收益 [10] - AI驱动的广告产品在2025年达到了约600亿美元的年化运行率 在点击率、转化率和定价方面均有可衡量的提升 [10] - 公司的智能眼镜现在主要被视为一个将用户留在Meta生态系统内的AI界面 其收入模式最终指向通过广告、用户互动和新广告形式将浏览量货币化 [11] AI对Meta核心业务的影响 - 对于Meta而言 AI和智能体并不威胁其核心业务 反而会加强它 [12] - 报告推测 公司未来可能更名为"MetAI" [12]

报告行业投资评级 - 行业评级为“推荐” [3][9] 报告核心观点 - 北美云厂商资本开支进入加速扩张周期，AI需求是核心驱动力，预计2026年主要云厂商资本开支将继续大幅增长，带动算力产业链高景气 [9][25][28] - 光互联技术正经历深刻变革，“光入柜内”成为趋势，NPO（近封装光学）和CPO（共封装光学）在Scale up（垂直扩展）层带来从0到1的增量市场，而Scale out（水平扩展）层未来十年仍将以可插拔光模块为主 [2][31][45] - AI对云厂商业绩拉动效应明显，商业闭环愈发清晰，投资应持续关注算力及CPO/NPO产业链相关公司 [9][31][46] 根据相关目录分别总结 1 北美云厂商发布财报，资本开支持续高增 - **云厂商业绩普遍超预期，AI成为核心增长引擎**：4Q25，微软收入812.73亿美元（同比+16.72%），净利润384.58亿美元（同比+59.52%），Azure收入同比增长39% [12][13]；谷歌收入1138.28亿美元（同比+17.99%），净利润344.55亿美元（同比+29.84%），云业务收入同比大幅增长48% [16]；亚马逊收入2133.86亿美元（同比+13.62%），AWS收入356亿美元（同比+24%），为近13个季度最快增速 [20]；Meta收入598.93亿美元（同比+23.78%），广告业务收入581.37亿美元（同比+24%） [21] - **资本开支高速增长，供给持续紧张**：微软FY26Q2资本开支375亿美元（同比+66%），并指出现有供给无法满足需求，产能约束将持续至2026年 [13]；谷歌4Q25资本开支278.51亿美元（同比+95%），全年资本开支914.47亿美元（同比+74%） [17]；亚马逊给出2026年资本开支指引约2000亿美元（同比+50%） [20]；Meta将2026年资本开支指引上调至1150-1350亿美元（中值同比+77%） [23] - **2023-2025年资本开支规模加速扩张**：主要云厂商资本开支合计从2023年约1600亿美元提升至2025年约4500亿美元，连续维持高增长 [9][25] - **2026年资本开支指引大幅上修，增长势头强劲**：谷歌指引2026年资本开支1750-1850亿美元（中值同比+97%），Meta指引1150-1350亿美元（中值同比+77%），亚马逊指引约2000亿美元，三家合计约5050亿美元（同比+72%） [9][25][28] 2 光入柜内，NPO/CPO缔造新互联天地 - **光互联技术路径清晰，不同场景方案分化**：在Scale up层（柜内/芯片间互联），NPO和CPO是纯增量，实现从0到1的突破，为解决高并发数据传输的散热、供电和成本挑战提供了新方案 [2][31][32]；在Scale out层（跨机柜/节点互联），未来十年仍将以可插拔光模块为主流方案 [2][31][45] - **NPO目前接受度更高，国内产业链有优势**：NPO技术具有高互联密度、低成本优势，对构建分布式Scale up网络友好 [34]；报告指出NPO在国内外云厂商中接受度更高，国内产业链更有优势，中际旭创等公司表示NPO是云服务商客户青睐的方案 [2][31][36] - **英伟达积极推动CPO部署，2026年进入规模化商用**：英伟达明确CPO技术对AI超算的支撑价值，其Quantum-X InfiniBand Photonics交换机计划于2026年上半年部署，Spectrum-X Ethernet Photonics交换机预计2026年下半年出货 [42] - **产业链公司已获订单，市场空间逐步打开**：Lumentum在Scale out领域获得额外1亿美元的CPO超高功率激光器订单，预计2027年上半年发货 [45]；Coherent近期收到了AI数据中心客户的大CPO订单，并认为CPO用量的大幅提升将来自于Scale up领域 [45] 投资建议与关注公司 - **建议持续关注两条主线**：一是算力产业链，包括胜宏科技、鹏鼎控股、中芯国际、生益科技、芯原股份等公司 [9]；二是CPO/NPO产业链，包括光模块厂商（中际旭创、天孚通信、新易盛）、无源器件（炬光科技）、senko代工（致尚科技）、shuffle box（太辰光）、耦合和检测设备（罗博特科）等 [31][46] - **重点公司估值**：报告列出了部分公司盈利预测与估值，例如胜宏科技2025年预测EPS为5.76元，对应PE为45倍；鹏鼎控股2025年预测EPS为1.96元，对应PE为30倍，评级为“推荐” [3]

报告行业投资评级 - 行业评级为“推荐” [3][9] 报告核心观点 - 北美云厂商资本开支因AI需求驱动而持续高增，2026年指引进一步大幅上修，云端算力与数据中心投资景气度有望维持高位 [9][12][25][28] - AI商业闭环愈发清晰，对云厂商业绩形成明显拉动 [9][21] - 光互联技术向柜内演进，NPO和CPO在Scale up层实现从0到1的突破，为国内光通信企业带来较大发展空间 [2][9][31][46] 根据相关目录分别总结 1 北美云厂商发布财报，资本开支持续高增 1.1 北美云厂商发布财报，AI投入全面加速 - **微软**：FY26Q2（自然年2025年四季度）实现收入812.73亿美元，同比增长16.72%，净利润384.58亿美元，同比增长59.52% [9][12]；智能云业务收入329亿美元，同比增长29%，其中Azure收入同比增长39% [13]；FY26Q2资本开支加码至375亿美元，同比增长66% [13] - **谷歌**：4Q25实现收入1138.28亿美元，同比增长17.99%，净利润344.55亿美元，同比增长29.84% [9][16]；4Q25云收入达176.64亿美元，同比增长48% [16]；4Q25资本开支为278.51亿美元，同比增长95% [17] - **亚马逊**：4Q25实现收入2133.86亿美元，同比增长13.62%，净利润211.92亿美元，同比增长5.93% [9][20]；AWS云业务4Q25收入356亿美元，同比增长24%，为近13个季度以来最快增速 [20]；公司定制芯片年化营收已超过100亿美元 [20] - **Meta**：4Q25实现收入598.93亿美元，同比增长23.78%，净利润227.68亿美元，同比增长9.26% [9][21]；广告业务收入581.37亿美元，同比增长24% [21] 1.2 展望2026，云厂商资本开支扩张加速 - 主要云厂商资本开支规模从2023年的约1600亿美元提升至2025年的约4500亿美元，连续维持高增长 [9][25] - 2026年资本开支指引：谷歌为1750-1850亿美元区间（中值同比增长97%），Meta为1150-1350亿美元区间（中值同比增长77%），亚马逊约2000亿美元（同比增长52%） [9][25][27][28] - 2026年谷歌、Meta、亚马逊三家资本开支合计约5050亿美元，同比增长72% [9][28] 2 光入柜内，NPO/CPO缔造新互联天地 - **技术路径与市场判断**：光入Scale up层是纯增量，NPO和CPO在柜内实现从0到1的突破 [2][31]；Scale out层在未来仍以可插拔光模块为主，Coherent认为未来十年可插拔光模块在scale out和scale across中依旧是主流方案 [2][31][45]；NPO目前在国内外云厂商的接受度更高，国内产业链更有优势 [2][31] - **NPO技术优势与进展**：NPO具有高互联密度、低成本优势，支持去DSP设计以减少功耗和时延 [34]；腾讯正在布局基于224G的6.4T NPO技术 [36]；中际旭创表示NPO是CSP客户比较青睐和重视的方案，并可能成为一个较为长期的技术选择 [31][36] - **CPO技术部署与进展**：CPO是光引擎和交换芯片共同封装的光电共封装技术，旨在降耗 [37]；英伟达明确CPO技术对AI超算的支撑价值，其Quantum-X InfiniBand Photonics交换机计划于2026年上半年部署，Spectrum-X Ethernet Photonics交换机预计2026年下半年出货 [42]；Lumentum和Coherent在业绩会中披露了CPO订单 [31][45] - **产业链投资机会**：报告建议关注CPO/NPO产业链，包括光模块厂商（中际旭创、天孚通信、新易盛）、无源器件（炬光科技）、senko代工（致尚科技）、shuffle box（太辰光）、耦合和检测设备（罗博特科）等公司 [9][46] 重点公司盈利预测、估值与评级 - **鹏鼎控股**：评级为“推荐”，股价58.17元，预测2025年EPS为1.96元，对应PE为30倍；2026年EPS为2.40元，对应PE为24倍 [3] - **胜宏科技**：股价271.37元，预测2025年EPS为5.76元，对应PE为45倍；2026年EPS为9.96元，对应PE为26倍 [3] - **生益科技**：股价64.89元，预测2025年EPS为1.41元，对应PE为45倍；2026年EPS为2.12元，对应PE为30倍 [3] - **投资建议**：报告建议持续关注算力产业链公司，包括胜宏科技、鹏鼎控股、中芯国际、生益科技、芯原股份等 [9]

硅谷AI人才流动趋势与模式 - 硅谷AI人才忠诚度下降，高额薪酬与“收购式招聘”成为常态，2025年年中以来至少发生三起重大事件：Meta以143亿美元投资Scale AI并挖走其联合创始人[1]、谷歌以24亿美元获得Windsurf技术授权并收编其联合创始人及团队[1]、英伟达与Groq达成200亿美元授权协议并带走其创始人及核心高管[1] - 人才流动频繁，OpenAI从谷歌大脑挖走多名关键研究员助力ChatGPT开发，而Meta又通过天价薪酬方案从OpenAI等公司挖走核心人才[3][4][11][13] - 人才收购模式流行，即通过收购公司来获取其核心团队，例如谷歌收购Windsurf仅取走核心团队与技术授权，留下公司空壳[24][27] 巨头间人才争夺案例 - OpenAI早期从谷歌大脑吸引人才，ChatGPT发布前后至少招募了5名前谷歌AI研究员，他们在模型调整中发挥关键作用，ChatGPT的成功助推OpenAI估值从200亿美元升至290亿美元[3][8] - Meta为组建超级智能实验室，向OpenAI员工发出至少10份高额报价，其中对少数领导职位的四年薪酬方案高达3亿美元，并承诺充足GPU资源以吸引人才[11][13] - 人才流动呈现双向性，Meta高薪挖来的部分研究员在入职不足一个月后即重返OpenAI，同时也有Meta资深员工跳槽至OpenAI或Anthropic[18][20] 人才流动的驱动因素 - 高额薪酬是直接驱动力，例如Meta向一名24岁研究员提供的报价在遭拒后从四年1.25亿美元翻倍至2.5亿美元[32] - 技术迭代速度极快，在AI初创公司工作一年相当于过去科技时代的五年，员工为寻求更大发展平台与影响力而流动[35] - 顶尖人才极度稀缺，全球具备开发和部署基础模型经验者仅约1000至2000人，其技术突破可带来数亿美元的价值创造或成本节约，因此被公司视为战略资产[40] 新兴招聘策略与行业影响 - “反向收购”策略出现，初创公司积极招聘顶尖人才并发表研究论文，旨在被大公司为获取团队而收购，而非为了产品本身[30][31] - 人才收购交易结构演化，出现“雇佣并授权”模式，企业通过获得技术非独家授权和关键人才来规避反垄断审查[31] - 风险投资方开始更注重考察创始团队凝聚力，并在交易中增加保护性条款，要求重大知识产权许可需经董事会批准[35][36] 人才竞争的国际延伸 - 中国互联网公司激烈争夺AI人才，目标瞄准OpenAI、谷歌DeepMind等国际顶级实验室的研究员，例如腾讯从OpenAI挖来28岁研究员担任首席AI科学家[37] - 国内AI人才履历上频繁出现多家国内外顶级机构，流动速度加快，例如一位研究员先后在百度、腾讯、字节跳动任职，后加入美团并迅速主导大模型落地[39] - 国内公司通过高职位与重要职责吸引人才，如前谷歌DeepMind研究副总裁加入字节跳动负责大模型理论基础研究，前通义技术负责人从阿里加入字节[39]

文章核心观点 - 人工智能将对市场产生持久影响 投资并长期持有具备持久竞争力的AI股票是明智之举 [1] - 文章认为Alphabet、微软和台积电这三家公司具备强大的持久力 是未来十年内的重要力量 且目前都是值得买入的标的 [1][2] Alphabet (GOOG/GOOGL) - 公司已重新成为人工智能领域的顶级选择 其Gemini生成式AI模型属于最佳可用之列 [3] - 公司拥有无可复制的独特优势 即通过用户授权 Gemini可连接照片、YouTube搜索历史、邮件等应用 提供个性化体验 [3] - 公司拥有竞争对手难以企及的雄厚资源 这使其能在AI军备竞赛中承受更长时间的亏损以挤压较小参与者 随后可通过定价方案回收成本 [5] - 公司市值达4.1万亿美元 当日股价变动-0.05% 当前股价338.09美元 毛利率为59.18% 股息收益率0.25% [4][5] - 公司处于利用AI获利的有利地位 有望成为十年后的最终赢家 [6] 微软 (MSFT) - 公司在AI领域采取与Alphabet不同的策略 选择与外部伙伴合作而非直接开发大语言模型 [7] - 公司持有ChatGPT制造商OpenAI的大量股份 并在其云计算平台Azure上提供包括ChatGPT、Grok、Llama在内的多种AI模型供用户选择 [7] - 公司保持AI模型选择的中立性 是Azure增长快于同行的主要原因 [7] - 公司市值达3.2万亿美元 当日股价变动-0.74% 当前股价430.29美元 毛利率为68.59% 股息收益率0.79% [8][9] - 公司是AI领域的中立性投资良选 其立场将助力其随着AI应用普及而逐步崛起 [9] 台积电 (TSM) - 公司是当今大多数AI技术的基石 主要计算厂商如英伟达仅设计芯片 而由台积电负责制造 [10] - 无论未来是英伟达的GPU还是博通等公司的定制AI芯片胜出 都将使用台积电制造的芯片 [10] - 公司市值达1.7万亿美元 当日股价变动-2.66% 当前股价330.52美元 毛利率为59.02% 股息收益率0.93% [11] - 用于AI场景的GPU寿命通常估计为1至3年 这意味着大约每半年会有一次更换周期 即使在AI超大规模数据中心建设完成后 芯片需求依然巨大 [12] - Alphabet和微软等公司宣布建设的数据中心仍处于早期阶段 从宣布到投入运营可能需要数年时间 这意味着台积电的AI增长仍处于早期阶段 [13]