公司战略与资本支出 - 微软计划投入超过1000亿美元用于人工智能基础设施建设 [1] 市场观点与潜在影响 - 市场对该投资规模存在分歧 质疑其是远见卓识还是过度投入 [1] - 若Azure云服务的AI变现能力加速 且Maia芯片能改善AI推理的经济性 公司的长期复合增长故事将显著增强 [1] - 若资本支出持续超过回报 可能在2026年及以后引发股价波动 考验投资者的信心 [1] 数据参考信息 - 所引用的股价为2026年3月2日的市场价格 [1] - 相关分析视频发布于2026年3月6日 [1]

文章核心观点 - 人工智能芯片行业正从以训练为中心转向以推理为中心，推理阶段的效率、成本和延迟成为新的竞争焦点 [2][3] - 以d-Matrix为代表的初创公司正通过设计专用推理芯片，挑战英伟达在AI芯片市场的统治地位，其核心优势在于通过架构创新实现更低的延迟和更高的能效 [2][5][7] 行业趋势：从训练到推理的转变 - 人工智能工作负载的重心正从模型训练转向模型推理，推理关乎效率，而训练关乎表现 [2][3] - 推理不仅是一个计算问题，更是一个计算与内存的综合问题，内存访问速度是影响延迟的关键因素 [3][4] - 当前大部分基础设施针对训练优化，优先峰值性能，而推理（尤其是交互式AI）更看重平均响应速度和低延迟 [4] d-Matrix的技术与产品策略 - 公司核心理念是制造能提供更快、更便宜、更高效率推理的芯片，旨在改变AI竞争格局 [2] - 其解决方案的核心架构创新在于将计算和内存紧密融合，缩短数据移动距离，并采用模块化的芯片组设计，以优化推理数据流、降低延迟并提高每瓦每秒令牌数 [5] - 公司声称其芯片在运行推理操作时，成本比GPU降低约90%，且能效（每瓦浮点运算次数）显著更高 [5] - 公司已开始小批量出货（几百颗），预计很快达到数千颗，并计划在今年实现数百万颗的大规模量产 [6] 市场竞争格局与挑战者涌现 - 英伟达目前是AI芯片市场无可争议的冠军，市值达4.5万亿美元，其GPU主导训练和推理市场 [7] - 但市场对替代方案的兴趣日益增长，客户开始寻求对冲或获取更多芯片的途径，投资者和初创公司尤其看到了推理领域的市场机会 [7][8] - 近期行业出现多笔重大交易与融资，显示竞争加剧：Groq被收购（交易额据报达200亿美元）、Cerebras与OpenAI签署价值100亿美元的芯片供应协议、Anthropic签署非英伟达芯片协议、Etched融资约5亿美元、d-Matrix于去年11月融资2.75亿美元 [8][9] - 中国开源推理模型DeepSeek的出现也助推了市场对快速推理芯片的兴趣 [9] - 尽管英伟达实力强大并承诺每年更新芯片，但行业开始出现裂痕，专用推理硬件被视为行业发展到一定阶段的必然产物 [10] 其他主要参与者的动态 - OpenAI已开始使用Cerebras的巨型芯片运行其GPT-5.3-Codex-Spark编码模型的推理，据报道速度比其他架构提升15到20倍 [5] - 大型科技公司也在开发自有芯片：微软发布了第二代AI芯片Maia，并支持d-Matrix；亚马逊和谷歌也拥有自研芯片（如Trainium、TPU），但它们仍大量使用英伟达GPU [9][10] - 行业观点认为，未来市场可能不会只有一个赢家，专用硬件将随着AI应用的工程化发展而兴起 [7][10]

纪要涉及的行业或公司 * 公司为微软 (Microsoft, NasdaqGS:MSFT) [1] * 行业涉及人工智能、云计算、软件工程、半导体 [1][34][38][43] 核心观点和论据 **人工智能发展现状与影响** * AI发展速度超出预期 比预期更快 [1][2] * 当前AI平台基础设施的能力提升尚未达到边际收益递减的拐点 [2] * 现有模型能力远超当前人们的实际应用水平 模型已经比人们使用它们的方式强大得多 [4] * 目前对模型能力最充分的利用体现在编程领域 软件开发领域正处于绝对狂热状态 [4] * 软件工程的核心将更侧重于理解所构建内容的价值和原因 而非代码输入的机械过程 [4][5] * 代码审查已成为瓶颈 需要区分活动与进展 [6][7] * 借助AI 初创公司能以比两年前少一个数量级的资金获得融资 并以小团队完成大量工作 [9] * AI将从根本上改变软件工程的职业性部分 使其在未来几年变得面目全非 [13] **人工智能的宏观展望与驱动力** * 乐观情景更可能发生 因为这是必须发生的 [15] * 全球人口结构变化是AI发展的关键驱动力 日本今年迎来高中毕业人数峰值 此后将下降 中国、韩国、西欧及美国（若无移民）未来几十年也将面临人口下降 [15][16][17] * 人口老龄化意味着更少劳动力需供养更多老年人 必须通过技术干预提升生产力以维持社会正常运转 [19][20] * AI的出现恰逢其时 为解决未来几十年的劳动力动态变化提供了至少部分答案 [20][21] * 悲观情景在于人类可能将AI用于肤浅的娱乐和分散注意力 而非紧迫地解决重要问题 [24] * 希望社会能聚焦于真正需要这项技术解决的问题 而非将其作为新的 sensational 话题 [26] **微软的公司战略与文化** * 微软本质上是一家平台公司 其DNA是构建可供他人在此基础上再创造的基础设施 [27] * 作为拥有五十年平台经验的公司 微软对技术转型带来的混乱有极大的耐心 愿意尽早尝试 容忍犯错 [28][29] * 微软的成功依赖于广泛的合作伙伴关系 公司拥有自研芯片（Maia） 同时也运营着庞大的英伟达和AMD硬件集群 保持高度的硅多样性 [43][45] * 部署基础设施的核心原则是成本效率 什么最划算就大规模部署什么 [45] * 管理全球复杂基础设施并确保其可用性是一种特权与责任 [31][32] **云计算与基础设施业务** * 基础设施（如用于AI推理的算力）的紧缺环境将持续一段时间 需求持续爆发 [38][39] * 未来12个月即将上线的新能力将推动需求持续增长 看不到推理需求下降的可能 [40][42] * 目前微软内部最雄心勃勃、全面使用编程代理的团队 其年推理成本约为15万美元 [40] * 目前仅有极少数软件开发者能如此深度地使用该产品 但所有人都能从中受益 [41] * 考虑到硅、硬件、数据中心建设与电力部署的难度 短期内难以摆脱供应约束 [42] **对技术与人类的思考** * 技术本身只是工具 其发展路径取决于人类的选择和优先事项 而非不可阻挡的趋势线 [46] * 希望人类在使用技术时更多地思考如何服务于同胞 [47] * 希望人们不要总是以零和思维看待问题 技术的目标应是尽可能将零和挑战转化为非零和问题 [47][48] 其他重要内容 * 发言者凯文（Kevin）已在微软工作近十年 是该公司任职时间最长的一次 [26] * 凯文是微软与OpenAI初期合作架构的设计者 对此感到自豪 [36][37] * 他认为将强大的AI能力民主化、开放给公众是重要贡献 [37] * 他批评当前的计算机科学教育过于职业化 希望回归培养计算机科学家 注重算法思维、问题分解与科学理解 [11][12][13]

核心观点 - 人工智能驱动的半导体超级周期正在重塑全球技术格局，预计到2030年用于AI优化数据中心的资本支出将超过7万亿美元，远超以往任何计算转型 [1][2] - 超大规模数据中心运营商是此轮投资的核心力量，已占据超过3200亿美元的投资，其中亚马逊投入约1000亿美元，微软800亿美元，谷歌750亿美元，Meta 650亿美元 [1] 趋势 - 2026年科技投资正站在一个前所未有的超级周期起点，人工智能正以超过以往任何计算浪潮的速度扩张，从根本上改变半导体行业的增长轨迹 [2] - 这一浪潮标志着与云计算周期的结构性突破，从计算弹性转向吞吐量密度，催生了对高性能半导体、先进封装和专用基础设施的爆炸性需求 [2] 焦点 - 半导体行业正经历根本性变革，芯片设计从以单颗系统级芯片为中心转向以系统级架构为核心，优先考虑可扩展的计算和内存架构 [3][4] - AI不仅驱动芯片需求，也深度重塑芯片设计方式，2026年AI将更深入地融入架构探索、互连拓扑生成和物理设计，优化2.5D/3D布局的功耗、性能和面积权衡 [5] - 先进封装和Chiplet技术成为关键瓶颈与机遇，高性能计算和AI加速器正推动2.5D和3D架构普及，但台积电CoWoS、英特尔Foveros等先进封装技术产能已排满至2027年中 [5][6] - 定制芯片浪潮正席卷数据中心，亚马逊Trainium2、谷歌TPUv7、微软Maia等芯片使超大规模云厂商从被动客户变为积极的芯片架构师，以更好地控制成本、能效和供应链 [6] 机遇 - 以高性能计算为中心的新型数据中心业态正在崛起，以CoreWeave、Lambda等为代表的“Neo-Cloud”专门为GPU高密度、低延迟的AI工作负载设计，重塑半导体供应链关系 [7] - AI数据中心的电力需求急剧增长，到2026年全球数据中心电力需求预计将超过1000太瓦时，推动了对核能、可再生能源的长期采购以及液冷系统的普及 [7] - 预计到2026年底，超过40%的新GPU集群将采用芯片级直接冷却或浸没式冷却 [7] - 光伏领域，钙钛矿技术作为突破晶硅效率极限的可选方向，已有全面积效率超过20%的大尺寸组件下线，其寿命问题也在被部分解决，领先厂商的量产计划有望重塑光伏制造格局 [8] - 储能领域，固态电池、钠离子电池、液流电池等多元化技术路径正齐头并进，为不同应用场景提供解决方案 [8] 展望 - 国家级战略规划牵引的新兴前沿科技正积蓄爆发性力量，航空航天、量子科技、生物制造、具身智能等是“十五五”时期高技术产业标志性工程的谋划重点 [9][10] - 在医疗健康领域，AI与生物技术的融合创造出精准医疗的新范式，AI医疗、脑机接口等创新器械正成为行业的新焦点和投资主线 [11] - 2026年的中国医药产业正迈入“创新兑现+全球布局”的关键阶段 [12] - 全球高带宽内存市场预计到2030年将增长超过四倍，达到1000亿美元以上 [14]

交易核心信息 - 英伟达与Groq达成非独家许可协议，将把Groq的AI推理技术整合进未来产品中 [1] - Groq创始人兼首席执行官Jonathan Ross、总裁Sunny Madra以及部分核心员工将加入英伟达 [1] - 据投资机构Disruptive报道，此次交易金额将达到200亿美元，且将以现金形式进行支付 [1] - 若交易金额属实，此次收购将成为英伟达成立三十多年以来金额最高的收购案，远超当年对Mellanox 70亿美元的价格 [1] Groq的技术与产品 - Groq不生产GPU，它生产一种名为LPU的处理器，旨在彻底颠覆冯·诺依曼架构 [1] - 创始人Jonathan Ross是谷歌TPU项目最早的推动者之一，但他意识到GPU和TPU本质上是在传统架构上“打补丁” [2] - LPU的核心逻辑与GPU背道而驰，其设计追求“确定性”计算，以解决AI推理中的延迟波动问题 [3] - Groq彻底取消了硬件层面的调度器，采用“软件定义硬件”模式，编译器在代码编译阶段就精确规划数据在芯片内的流动 [4] - 在评测中，Groq的LPU在处理大规模上下文时跑出了每秒500到800个Token的恐怖速度，实现了体验上的质变 [5] - Groq使用SRAM来取代英伟达GPU依赖的HBM，SRAM带宽比HBM高出几个数量级且延迟更低，并通过集群设计构建超低延迟的“显存池” [6] - 该设计不依赖昂贵的显存封装和复杂的CoWoS封装工艺，具备更强的量产潜力 [6] 英伟达的收购战略考量 - 收购兼有获取市场占有率的“补全型”和消除生存威胁的“扼杀型”双重目的 [6] - AI的下半场属于推理，市场对算力的需求将从吞吐量转向对“毫秒级响应”的极致追求，而这是英伟达当前的短板 [7] - 收购有“锁死”竞争对手推理能力快速发展的考量，Groq的LPU原本是二线云厂商和AI软件公司用以对抗英伟达性价比优势的谈判筹码 [8] - 通过将Groq收入囊中，英伟达让试图绕过其生态、通过Groq构建差异化竞争力的对手们失去了目标 [8] - 英伟达正在经历从“通用芯片”向“专用推理架构”的产品开发，Groq的“确定性架构”和“软件定义硬件”思路是其最稀缺的补丁 [9] - 通过整合Groq核心团队，英伟达可将LPU的低延迟特性深度融入下一代超级芯片，推动纯推理产品开发进度，保证后续竞争力 [10] - 此举相当于在自身巨轮上加装一台为推理时代量身定制的新引擎 [11] 行业背景与影响 - 全球云服务巨头如谷歌、亚马逊、微软已通过自研芯片（TPU、Trainium、Maia）试图摆脱对英伟达的依赖 [8] - 在AI行业从“不计成本训练”转向“大规模商业推理”的2025年，Groq的方案在英伟达的铁幕上凿开了一道裂缝 [6] - 收购Groq是英伟达利用先发优势积累的庞大现金流，为自己买下了一张通往“后GPU时代”的船票 [12] - 英伟达正构筑一道由先进制程、软件生态以及足以颠覆自己的“叛逆技术”所构成的护城河 [12] - 其战略逻辑是：如果有人要颠覆英伟达，那个人最好就是英伟达自己 [13]

文章核心观点 - 尽管人工智能相关股票在经历多年强劲增长后估值已高，但分析师认为部分公司仍具备显著上涨潜力，并挑选出三家在2026年可能拥有巨大上行空间的人工智能股票 [1][2][3] Adobe (ADBE) - 公司股价近年承压，因投资者担忧AI对其核心照片和视频编辑软件产生负面影响，但公司运营业绩稳健，通过客户获取和提价实现收入稳步增长，且这两项指标的改善均得益于其将AI融入产品的努力 [5] - Adobe Express自2021年推出免费增值模式后获得强劲采用，是通往付费Creative Cloud套餐的重要渠道及收入来源，上季度由用于内容创作和编辑的新AI助手功能推动，月度活跃用户取得“显著”增长 [6] - 公司整个免费增值产品组合拥有超过7000万用户，上季度Acrobat、Creative Cloud、Express和Firefly的整体月度活跃用户增长超过15% [7] - 管理层对2026年的收入增长展望略高于9%，但深入财务数据表明可能超预期：2025年年度经常性收入增长11.5%，管理层预计2026年将保持两位数增长；剩余履约义务同比增长12.8% [8] - 杰富瑞和DA Davidson的分析师近期均给出500美元的目标价，较当前股价有约41%的上行空间，公司远期市盈率低于15倍，具备较大上涨潜力 [9] Atlassian (TEAM) - 公司开发企业软件以协助企业规划项目和高效协作，最初专注于软件工程师团队，现已扩展至通用领域，服务超过30万客户及数百万月度活跃用户 [10] - 公司正将客户从私有数据中心安装模式迁移至其云平台，进展顺利，将新AI功能集成到云平台加速了采用率，管理层表示其AI月度活跃用户超过350万，高于前一季度的230万，上季度云收入增长26%，剩余履约义务增长42% [11] - 数据中心业务将于2029年3月正式停止运营，这将使公司能专注于单一平台，降低间接成本，并更轻松地推出新功能或模块，从而获得更多向客户追加销售的机会 [13] - Bernstein分析师Peter Weed在11月中旬给出304美元的目标价，较当前股价有约85%的上行空间，考虑到公司每年超过20%的快速收入增长及利润率扩张潜力，其盈利增长前景广阔，即使远期市盈率约为32倍，其增长潜力也足以支撑该估值 [14] Marvell Technology (MRVL) - 公司是一家专注于网络芯片和定制AI加速器的半导体公司，在定制AI加速器方面与微软和亚马逊在其Maia、Trainium和Inferentia芯片上紧密合作，同时也与其他超大规模云服务商合作定制硅解决方案 [15] - 近期有报道称微软可能探索与博通合作定制芯片，对股价造成冲击，据报道，微软计划在开始生产Maia300芯片后大幅增加定制硅采购，富邦研究称该科技巨头计划在2027日历年度购买价值高达120亿美元的该芯片，这对过去四个季度总收入不到80亿美元的Marvell而言是巨大的潜在业务 [16] - 公司首席执行官指出并未因此失去微软或亚马逊的任何业务，随着定制硅趋势加速，Marvell应能凭借其定制AI加速器业务在2026年及以后持续快速增长 [18] - Evercore ISI分析师Mark Lipacis本月早些时候将目标价上调至156美元，较当前股价有约88%的上行空间，他认为管理层的战略举措（如近期收购Celestial AI）及其在定制AI和数据中心解决方案领域的地位是持续增长的关键，公司股票远期市盈率低于30倍，相对于其增长前景具有吸引力 [19]

核心观点 - AMD作为人工智能芯片市场“第二选择”的投资逻辑正面临根本性挑战 其稀缺性价值窗口正在缩小 股价可能因此停滞 [2][3][8] 市场地位与估值逻辑 - AMD的整个AI估值依赖于一个原则：稀缺性 市场将其视为未来的双头垄断竞争者之一 并给予其58倍2025年预期收益的溢价估值 [4][5] - 旧的叙事是英伟达缺货且不能向中国销售 因此客户必须购买AMD的MI325X芯片 这曾为AMD带来了能见度和需求 [9] - 新的现实是这种稀缺性正在消失 为了验证58倍的市盈率 AMD必须占据AI加速器市场20%的份额 [9] 地缘政治与市场准入变化 - 美国政府重新向英伟达开放中国市场 授权其向中国销售H200芯片 这使得AMD希望用其“符合中国规定”的芯片来填补的巨大市场缺口消失了 [3][9] - 中国的阿里巴巴和腾讯等客户对“足够好”的AMD芯片不感兴趣 他们更偏好英伟达的生态系统 [9] 关键客户与需求风险 - 甲骨文作为AMD最直言不讳的支持者和“造王者” 其股价因“资本支出消化不良”而暴跌11% 这给AMD最大的芯片买家带来了削减支出的压力 [3][9] - 甲骨文的困境表明“不惜一切代价投入”的阶段可能暂停 随着预算收紧 首席信息官们会停止试用AMD等“替代”芯片 并回归英伟达的“标准”方案 [9] - 如果甲骨文放缓采购 市场缺口难以填补 因为微软和亚马逊等超大规模企业正在开发自己的芯片 这导致AMD的“商业市场”正在收紧 [9] 软件生态竞争劣势 - AMD的软件套件ROCm正在改进 但并非英伟达的CUDA [9] - 随着英伟达的市场准入壁垒降低 开发者将代码移植或为ROCm进行优化的紧迫性自然会下降 而移植成本高昂 [9] - 风险在于 如果随着“英伟达禁令”解除 开发者停止为AMD移植代码 那么AMD的硬件可能变成无人知道如何使用的优质硅片 [9] 业务防御与稳定基础 - 尽管AI GPU面临挑战 但AMD的服务器CPU业务在高性能领域处于领先地位 英特尔仍在努力追赶 [9] - 即使甲骨文减少AI支出 其云业务运营仍然需要CPU 这为AMD提供了收入基础 防止其股价像纯粹的AI泡沫股一样崩溃 [9]

AI芯片市场竞争格局变化 - 谷歌加速自研AI芯片TPU商业化步伐，正与Meta等科技公司洽谈外部采购合作，若合作落地TPU将进入谷歌体系外超大规模数据中心，可能冲击英伟达GPU主导的算力市场[1] - 谷歌推动TPU走向外部客户，Meta考虑从2027年开始在数据中心部署谷歌TPU，并可能最早于2025年通过Google Cloud租用TPU容量，潜在合同金额或达数十亿美元[4] - 全球科技巨头普遍加速自研AI芯片争夺算力主权，从训练到推理、从通用模型到专业应用，企业将掌握自有算力视为下一阶段竞争力关键[6] 英伟达市场反应与应对策略 - 谷歌TPU商业化消息导致英伟达股价震荡，周二美股早盘一度下滑7%，最终收跌约2.6%，自10月29日以来市值从5.03万亿美元跌至4.32万亿美元，缩水超7000亿美元[1] - 英伟达正面回应竞争，强调继续向谷歌供货，自称"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[1] - 英伟达创始人黄仁勋指出AI ASIC企业虽多但极少有产品能真正投入生产，强调加速计算技术栈异常复杂[7] 技术路线与市场趋势演变 - 业内观点认为随着AI训练与推理负载增长和多元化，未来更可能呈现ASIC、GPU异构部署，而非单一架构一统天下[2] - 行业正从GPU单线制向多架构、多供应商异构化体系演进，Anthropic同时采用英伟达Blackwell、Rubin系统和谷歌Ironwood TPU，体现"多路线并行"采购趋势[7] - AI基础设施行业从单一硬件竞争转向系统级竞争，随着软件框架、模型体系、能效变化，AI芯片格局持续演变[8] 谷歌TPU发展现状 - 谷歌TPU研发始于2013年，与谷歌云服务紧密结合，最新一代为TPU v7（Ironwood），最近迭代出Gemini 3[4] - 谷歌通过模型和硬件耦合方式强化大模型时代技术闭环，Gemini 3已大量使用TPU完成训练和推理，为TPU商业化提供更强验证场景[4] - 谷歌表示自家定制TPU和英伟达GPU需求都在加速增长，谷歌依然采购英伟达GPU[5] 竞争对手动态 - AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，势头凶猛，微软在发布自研AI芯片Maia系列后新芯片计划有所推迟[7] - 中国市场后起之秀如华为昇腾、寒武纪、百度昆仑芯等正在快速推进[7] - TPU、Gaudi、Trainium等ASIC芯片往往根据特定框架或任务场景，在特定负载上取得极高效率[5]

谷歌TPU商业化进展 - 谷歌正加速其自研AI芯片TPU的商业化，与Meta等科技巨头洽谈外部采购合作[2] - 潜在合作可能使TPU进入谷歌体系外的超大规模数据中心，合同金额或达数十亿美元[6] - 谷歌最新推出了TPU v7 (Ironwood)和Gemini 3，并通过模型与硬件耦合的方式强化技术闭环[6] 英伟达的市场反应与回应 - 受谷歌TPU商业化消息影响，英伟达股价一度下滑7%，最终收跌约2.6%[2] - 自10月29日至11月25日，英伟达市值从5.03万亿美元跌至4.32万亿美元，缩水超过7000亿美元（约5万亿元人民币）[2] - 英伟达回应称其技术领先行业一代，是唯一能运行所有AI模型并全场景部署的平台，并强调与谷歌的合作持续稳定[4][7] AI芯片行业竞争格局演变 - 英伟达目前占据AI芯片市场超过90%的份额，但正面临以谷歌为代表的厂商争夺更多份额[6] - 更广泛的趋势是，全球科技巨头如AWS、微软、华为、寒武纪、百度等均在加速自研AI芯片，争夺算力主权[9] - 行业正从GPU单一主导，向ASIC、GPU异构部署的多架构、多供应商体系演进[4][9] 未来技术路线与市场预期 - 业内观点认为，未来更可能呈现ASIC与GPU异构部署，而非单一架构主导，AI公司倾向于采取算力供应链多元化策略[4][9] - AI基础设施行业竞争正从单一硬件转向系统级竞争，涉及软件框架、模型体系、能效等综合因素[10] - 尽管ASIC竞争加剧，但英伟达CEO黄仁勋指出加速计算技术栈异常复杂，多数ASIC产品难以真正投入生产[10]

AI芯片市场竞争格局变化 - 谷歌正加速自研AI芯片TPU的商业化步伐，并与Meta等科技巨头洽谈外部采购合作，潜在合同金额或达数十亿美元[2][6] - 若合作落地，谷歌TPU将进入其体系外的超大规模数据中心，可能对英伟达GPU主导的算力市场构成冲击[2] - 英伟达股价受此消息影响出现震荡，周二美股早盘一度下滑7%，最终收跌约2.6%[2] - 自10月29日至11月25日，英伟达市值从5.03万亿美元跌至4.32万亿美元，不到一个月缩水超过7000亿美元（约合人民币5万亿元）[2] 英伟达的回应与市场地位 - 英伟达公开回应竞争，强调其技术"领先行业整整一代"，是唯一能运行所有AI模型并在所有计算场景中部署的平台[4] - 公司表示与谷歌的合作稳定且持续，将继续向谷歌供货[4] - 英伟达目前在AI芯片市场占据超过90%的份额[6] - 尽管面临竞争，谷歌自身也表示对定制TPU和英伟达GPU的需求都在加速增长[4] 行业技术发展趋势 - 随着AI训练与推理负载增长和高度多元化，未来更可能呈现ASIC、GPU异构部署的格局，而非单一架构主导[4][9] - 大型AI公司如Anthropic采取"多路线并行"采购策略，同时采购英伟达和谷歌的芯片，以保持算力供应链多元化[9] - AI基础设施行业正从单一硬件竞争转向系统级竞争，涉及软件框架、模型体系、能效等多方面演变[10] 全球科技巨头自研芯片动态 - 除谷歌外，AWS持续迭代Graviton、Trainium、Inferentia系列自研芯片，微软也发布了自研AI芯片Maia系列[9] - 中国市场上，华为昇腾、寒武纪、百度昆仑芯等厂商正在快速推进[9] - 自研芯片成为科技巨头降低能耗、控制成本的关键路径，特别是在大模型训练成本几何级上升的背景下[6]