公司业务与财务表现 - 微软是一家从软件公司演变为科技巨头的企业，其收入主要来自三个业务部门：生产力与业务流程、智能云以及更多个人计算 [1] - 截至2026年4月20日周一，微软股价年内下跌约13%，而同期SPDR S&P 500指数上涨约4% [1] - 公司将于2026年4月29日周三收盘后公布2026财年第三季度财报 [3] - 美国银行预测微软第三季度营收同比增长16.2% [7] - 美国银行对微软2026财年第三季度的具体预测为：总营收813.954亿美元，市场共识预期为814.245亿美元；净利润302.165亿美元，市场共识预期为301.197亿美元；GAAP每股收益4.05美元，市场共识预期为4.04美元 [11] 人工智能战略与产品 - 公司对人工智能的深度聚焦是推动其股价的关键驱动力，其主要AI产品是Microsoft 365 Copilot [2] - 为加强AI战略，微软做出了几项重大调整 [3] - 在第二季度财报发布前，微软于1月26日发布了其更新的定制AI推理加速器Maia 200 [4] - 公司任命Jacob Andreou为Copilot执行副总裁，这是一项重要的领导层变动 [4] - 微软未参与OpenAI的最新一轮融资，但双方发布联合声明，承诺继续维持合作伙伴关系 [5] - 微软于3月推出了面向Frontier（早期访问计划）的Copilot Cowork，该产品旨在实现工作的委派和完成，能够处理需要多个步骤的任务 [5] - Copilot Cowork允许用户描述期望的结果，然后制定计划，跨工具和文件进行推理，并推进工作，同时显示进度并提供引导机会 [6] 云计算业务与增长预期 - 分析师认为本季度需要关注的关键项目是增量计算能力上线的速度及其对Azure增长的影响 [9] - 上一季度，Azure以固定汇率计算增长了38%，管理层表示若无计算资源限制，增长率本可达到40%或更高 [9] - 美国银行估计第三季度Azure营收将以固定汇率计算增长37.5%，这与华尔街预期一致 [10] - 分析师认为，若要推动股价上涨，公司需要超越市场对Azure增长的预期 [10] 与OpenAI的合作及风险 - 在财报电话会议上，首席财务官Amy Hood表示，公司约45%的商业剩余履约义务余额来自OpenAI [2] - 根据10-Q表格，微软的剩余履约义务总额为6250亿美元，许多投资者认为其中45%依赖于OpenAI是一个重大风险 [3] Copilot的货币化进展 - Copilot的货币化及其在微软M365商业用户中的渗透率是另一个关注焦点 [11] - 上一季度，Copilot的席位数量相对温和，约为1500万，占M365席位的3.5% [11] 分析师观点与评级 - 美国银行分析师Tal Liani及其团队在财报发布前更新了对微软股票的看法 [7] - Liani在一份研究报告中重申了对微软股票的买入评级，目标价为500美元，该目标价基于其对2027年市盈率24倍的估计，高于同行18倍至22倍的区间，他认为持续的收入增长和利润率状况支撑了这一高估值 [12]

公司年度大会与战略发布 - 英伟达年度GTC大会在美国加州圣何塞启幕，吸引了数万名科技人士到场，引发对算力博弈的深度审视[1] - 公司CEO黄仁勋在大会上介绍了OpenClaw，称其开启了AI的下一个前沿领域，是“人类历史上最受欢迎的开源项目”，仅用几周就超过了Linux操作系统30年的成就，实质上开源了智能体计算机的操作系统[4] - 黄仁勋发布了由7款芯片、5种机架组成的巨型超级计算机Vera Rubin平台，并宣布Vera CPU是全球首款专为代理式AI与强化学习时代打造的处理器，效率是传统机架级CPU的2倍，速度提升50%，目前已进入全面量产，将于今年下半年向合作伙伴提供[5] - 黄仁勋提出公司正从一家芯片公司转向AI工厂和AI基础设施公司，并介绍了与优步在自动驾驶领域的合作计划：优步计划从2027年开始在洛杉矶和旧金山部署由英伟达软件驱动的自动驾驶出租车车队，并计划到2028年将服务扩展到全球28个城市[7] 财务预测与市场表现 - 黄仁勋预测英伟达算力芯片到2027年将实现1万亿美元营收，而其对2026年芯片市场需求的预测仅为5000亿美元，这意味着目标需要翻倍[5] - 为实现翻倍目标，公司算力需要以更具“性价比”的形象出现，为此黄仁勋提出了“每瓦Token数”作为核心评价指标，并援引相关测算称英伟达目前在这一指标上处于世界领先位置[5] - 受此预测提振，英伟达股价在GTC大会当天一度上涨4%，最终收涨1.2%，暂缓了市场对其增长前景以及“AI泡沫”的疑虑[6] - 在GTC大会召开前，公司股价近月陷入停滞，年内累计跌幅已达3.4%[6] 竞争格局与行业演变 - 尽管英伟达目前仍占据约90%的市场份额，但其周边AI硬件领域的竞争格局已现“合围”之势，一批竞争对手正脱颖而出[9] - Meta等昔日“金主”正加速推进自研芯片，同时原本在训练领域稍逊一筹的CPU因其成本优势，正在部署环节展现出极强的替代潜力[9] - AI的重心正在发生演变，“推理”是一个持续且对成本高度敏感的过程，云巨头与初创公司正纷纷研发竞品AI芯片，尤其侧重于推理领域[9] - 亚马逊已推出Trainium与Inferentia系列芯片作为低成本替代方案，微软近期也发布了名为Maia 200的AI推理芯片，此外一大批初创公司正通过研发比GPU更廉价、高效的专用芯片试图重塑行业标准[9] - 随着数十亿美元资本涌入推理技术浪潮，该赛道已催生出多家极具竞争力的独角兽企业[9] - 在AI硬件领域，英伟达仍处于优势地位，短时间内难以撼动，但“推理”赛道正在涌现更多产品，后续竞争的核心可能是价格[10] 公司战略定位与核心竞争力 - 黄仁勋治下的英伟达表面上是在卖算力，其实一直在卖算力生态，最近更是利用生成式大模型与英伟达3D图形引擎融合来兜售算力需求概念，这是其无可替代的核心竞争力[7] - 公司有三大技术平台：狭义CUDA-X、广义生态系统、广义AI工厂系统[7] - 结合公司在人形机器人、智能驾驶以及六代NVlink Gro系统方面的企业战略和产品策略，公司更倾向于“卖铲子”而非直接去AI数据矿洞“淘金”，其工作可总结为“卖标准”[8] 中国市场动态 - 中国市场对公司的重要性依然突出，公司此前曾估计中国对人工智能处理器的年需求规模可能达到数百亿美元[10] - 过去一年，围绕对华销售先进人工智能芯片的问题，公司在政策与市场之间反复调整，2025年4月美国商务部一度叫停H20芯片出口，但在同年8月改变决定允许有限恢复[10] - 在需求不确定性下，公司于2025年8月底暂停了H20的生产，并重新评估其面向中国市场的产品策略[10] - 转折出现在2025年12月，美国方面允许英伟达向中国销售性能较其最新产品落后一代的H200处理器，但附加条件是公司需将相关销售收入的25%上缴美国政府[10] - 黄仁勋在GTC大会上表示，过去几周来自中国市场的需求有所增强，公司已为多家客户取得出口许可并收到订单，正着手重启生产体系，公司供应链“正在全面启动”[11]

文章核心观点 - 英伟达在年度GTC大会上发布新产品并公布宏大业绩预期，以应对AI竞赛白热化、竞争对手环伺及行业重心向推理阶段偏移的挑战，旨在巩固其市场统治地位 [1][2][3][4] 技术发布与战略布局 - 公司发布了一款新型CPU以及一套基于Groq公司LPU技术构建的AI系统，旨在提升AI系统的响应速度，构建全新的AI推理基础设施 [2] - 新架构将LPU作为协处理器，配合主加速器工作，计算性能相比上一代GPU架构实现显著跨越 [2] - 公司正加快技术研发节奏，将GPU、CPU、LPU等技术串联起来以保护其“护城河”，并在机器人、自动驾驶和AI代理等领域展示布局 [2] 财务表现与市场预期 - 公司创始人预测其最新AI处理器将帮助公司在2027年前创造1万亿美元的销售额 [3] - 此前公司曾预期Blackwell和Rubin架构芯片到2026年将带来5000亿美元的收入机遇 [3] - 受GTC大会乐观预测提振，公司股价当天一度上涨4%，最终收涨1.2%，暂缓了市场对其增长前景的疑虑 [3] - 在GTC大会召开前，公司股价年内累计跌幅已达3.4% [3] 行业竞争格局演变 - AI产业重心正从“模型训练”向“商业落地（推理）”偏移，市场对更便宜、更精简的推理硬件兴趣增长 [4] - 公司创始人表示“推理的拐点已经到来”，需求还在持续增长 [4] - 尽管公司目前仍占据约90%的市场份额，但竞争加剧，客户正寻求降低对其依赖 [4] - Meta等大客户正加速推进自研芯片，CPU因其成本优势在部署环节展现出替代潜力 [4] - 云巨头与初创公司正纷纷研发竞品AI芯片，侧重推理领域，例如亚马逊推出Trainium与Inferentia系列，微软发布Maia 200推理芯片 [5] - 数十亿美元资本涌入推理技术浪潮，催生出多家极具竞争力的独角兽企业 [6] 地缘政治与区域挑战 - 中国是公司面临的最大地缘政治难题，美国的安全与贸易限制制约了其潜在增长 [6] - 公司创始人曾警告，阻断对华销售会加速中国本土产业发展 [6] - 华为被视为公司最直接的挑战者，业务覆盖芯片、服务器、网络设备和云平台 [6] - 以寒武纪为代表的中国芯片初创公司正成为公司之外的有力替代方案 [6] - 行业分析认为，在AI硬件领域公司短期内优势难撼动，但推理赛道的后续竞争核心可能是价格，众多企业希望用较低价格冲击其主导地位 [6]

公司股价表现与内部人士交易 - 微软股价自7月创下的历史高点已下跌30%，跌幅显著[2] - 公司董事约翰·斯坦顿于2月18日在公开市场买入价值约200万美元的股票，增持5,000股，平均价格397美元/股，使其持股增加6.1%[4] - 此次增持时，微软股价接近其十年来的最低市盈率水平[15] 行业背景与市场担忧 - 软件股和超大规模云计算公司面临艰难时期，软件投资者担忧人工智能模型公司可能带来的颠覆，而云计算公司则因公布大规模AI基础设施支出计划后股价遭到抛售[1] - 微软股价30%的跌幅与2022年经历的抛售幅度一致，考虑到其通常被视为市场“最安全”的股票之一，此轮下跌尤为令人意外[2] 公司在人工智能领域的战略布局与对冲 - 微软持有OpenAI约27%的股份，并于11月宣布向OpenAI的竞争对手Anthropic投资“高达”50亿美元[7] - 通过部分拥有这两家领先的大语言模型公司，微软在一定程度上对冲了将AI模型整合进其Office或Dynamics等软件时可能需支付的“税费”风险[7] - 作为投资协议的一部分，Anthropic承诺在未来几年至少在微软Azure云上投入300亿美元的计算资源，OpenAI则承诺在近期和中期投入高达2800亿美元的计算资源[8] - 公司作为这些LLM的云服务供应商，即使它们开发出与微软竞争的软件，微软仍能分享其利润并从云服务中获益[9] 公司自主人工智能发展 - 微软正在构建自有AI模型，特别是为服务其软件业务，于2025年8月发布了MAI-1混合专家模型[12] - 公司于1月发布了Maia 200 AI推理芯片，声称其在TFLOPS和HBM容量方面优于其他云供应商的内部设计芯片[12] - 追求AI领域的垂直整合，目标是用自有模型服务其软件，这将是利润最高的方式，因为它消除了需支付给OpenAI或Anthropic的利润分成[13] 公司风险状况与前景评估 - 公司在AI时代拥有三条成功路径：对OpenAI和Anthropic的所有权、作为这些LLM的云供应商、以及追求基于自有硬件的定制模型开发，因此相比其他可能面临利润率压缩的软件公司风险更小[15] - 主要的生存风险在于，若非OpenAI或Anthropic的其他LLM（例如谷歌Gemini）取得突破性进展并垄断市场，但当前市场不太可能很快形成赢家通吃的局面[16]

全球AI服务器资本支出与投资趋势 - 为加速AI应用导入与升级，全球主要云端服务供应商持续加强投资AI服务器及相关基础设施，预计2026年八大主要CSP的合计资本支出将超越7,100亿美元，年增率约61% [1] - 除持续采购英伟达和超威的GPU方案外，业者也扩大导入ASIC基础设施，以确保AI应用服务的适用性及数据中心建置的成本效益 [1] 主要CSP资本支出与AI服务器策略 美系CSP - **Google (Alphabet)**: 预计2026年资本支出有望超1,783亿美元，年增高达95%，其较早投入自研ASIC并累积显著研发优势，预计2026年TPU在AI服务器出货占比将上升至逼近78%，是各CSP中唯一ASIC机种出货比例高于GPU的业者 [4] - **Amazon**: 近期上调对英伟达GB300、V200整柜系统的采购规模，以应对云端AI训练与推理服务扩张，预计2026年GPU机种在其AI服务器占比将达近60%，自研的新一代Trainium 3 ASIC预计2026年第二季起接替前代放量 [5] - **Meta**: 预计2026年资本支出将破1,245亿美元，年增77%，其AI服务器以英伟达、超威方案为主，GPU机种占比预计仍达80%以上，同时推进自研ASIC以降低算力成本并分散供应商依赖 [5] - **Microsoft**: 主要购置英伟达整柜解决方案支持AI服务器出货，并发布了自研芯片Maia 200以锁定高效率AI推理应用 [6] - **Oracle**: 为应对外部AI数据中心项目扩张，持续布局GPU整柜式方案 [6] 中系CSP - **ByteDance**: 预计其2026年一半以上资本支出将用于采购AI芯片，英伟达H200有望成为其主要方案之一，同时公司也扩大导入如寒武纪等本土AI芯片 [6] - **Tencent**: 外购英伟达等GPU方案支撑云端与生成式AI需求，同时也与当地业者合作发展ASIC自主方案，以分散算力来源并提升系统整合弹性 [6] - **Alibaba**: 通过旗下平头哥、阿里云等事业积极自研ASIC AI芯片，提供公有云及其他在线服务的AI基础设施，并开发通义千问大模型及应用软件 [7] - **Baidu**: 规划于2026年后陆续导入Kunlun新方案，锁定大规模AI训练或推理应用，并尝试发展可连接数百颗AI芯片的AI服务器集群以强化整体运算能力 [7] AI服务器技术路径与芯片方案 - 全球CSP的AI服务器技术路径呈现多元化，包括持续采购主流GPU方案和扩大导入自研或第三方ASIC [1] - Google的TPU在其AI服务器中占比预计在2026年达到近78%，显著领先GPU方案 [4] - Amazon和Meta等公司则仍以GPU方案为主力，同时积极发展自研ASIC作为补充或未来替代 [5] - 中系CSP在采用国际GPU方案的同时，也积极推动本土AI芯片和自研ASIC的发展，以应对供应链风险并提升自主性 [6][7]

全球AI服务器产业投资趋势 - 为加速AI应用导入与升级，全球云端服务供应商持续加强投资AI服务器及相关基础建设 [2] - 预计2026年八大主要云端服务供应商的合计资本支出将超越7,100亿美元，年增率约61% [2][5] - 业者除持续采购英伟达、超威GPU方案外，也扩大导入ASIC基础设施，以确保AI应用服务的适用性及数据中心建置成本效益 [2][5] 主要云端服务供应商资本支出与策略 - 八大主要云端服务供应商包含美系的谷歌、亚马逊云科技、Meta、微软、甲骨文以及中系的腾讯、阿里巴巴、百度 [6] - 预计2026年谷歌母公司Alphabet的资本支出有望超1,783亿美元，年增高达95% [6] - 预计2026年Meta的资本支出将破1,245亿美元，年增77% [7] 各公司AI服务器技术路径与采购动态 - 谷歌较其他云端服务供应商更早投入自研ASIC，已累积显著的研发优势，预期今年TPU主力将转进至v8新平台 [6] - 受惠谷歌云平台、Gemini等AI应用带动TPU需求，预估2026年TPU于谷歌AI服务器的出货占比将上升至逼近78%，谷歌也是各云端服务供应商中唯一ASIC机种出货比例高于GPU机种的业者 [5][6] - 亚马逊近期上调对英伟达GB300、V200整柜系统的采购规模，反映其加速导入更高功耗与密度的GPU平台，以应对云端AI训练、推理服务扩张需求，预估2026年其GPU机种于自家AI服务器占比将达近60% [7] - Meta的AI服务器也以英伟达、超威方案为主，预估GPU机种占比仍将达80%以上；另欲推进自研ASIC以降低成本、分散依赖，但其MTIA目前仍受软硬件系统调校耗时等影响 [7] - 微软主要购置英伟达整柜解决方案支持其AI服务器出货，并发布自研芯片Maia 200，锁定高效率AI推理应用 [8] - 甲骨文因应Stargate、OpenAI等扩增AI数据中心项目，持续布局GPU整柜式方案 [8] 中系云端服务供应商动态 - 尽管字节跳动未公开揭露2026年资本支出细节，预估其一半以上资金将用于采购AI芯片相关，英伟达H200可望成为其AI服务器的一项主要方案，但仍需根据后续美国、中国审查情况而定，同时扩大导入本土AI芯片，主要采用寒武纪等方案 [8] - 腾讯外购英伟达等GPU方案支撑云端、生成式AI需求，也同时与当地业者合作发展ASIC自主方案，以分散算力来源并提升系统整合弹性 [9] - 阿里巴巴和百度皆积极自研ASIC AI芯片，阿里巴巴旗下有平头哥、阿里云事业等，百度规划于2026年后陆续导入昆仑新方案，并尝试发展AI服务器超节点天池系列，连接可达数百颗AI芯片以强化整体AI系统运算能力 [9]

**涉及的公司与行业** * **公司**：微软 (Microsoft Corp., MSFT) [1] * **行业**：云计算、人工智能计算、半导体（AI加速器）[1][2][16] **核心观点与论据** **1. 微软自研AI芯片Maia 200取得进展** * 微软于1月26日发布了更新的AI推理定制加速器Maia 200 [1] * 初步披露显示，Maia 200在原始计算性能上已与竞争对手产品（亚马逊Trainium、谷歌TPU）更具可比性 [1] * 与微软机群中最新一代硬件相比，Maia 200每美元性能提升30% [17] * 相对于其他定制云加速器，Maia 200的FP4性能是AWS Trainium 3的3倍，FP8性能优于谷歌TPU v7 [17] * 关键架构创新包括：基于标准以太网的双层扩展网络设计、重新设计的内存子系统、以及遵循标准机架/电源/机械架构 [17] **2. 自研芯片对微软的战略与财务意义** * 多元化硅芯片布局对微软实现AI计算业务更好的毛利率和投资回报率至关重要 [2] * 微软认为，随着时间的推移，AI计算的毛利率将接近基于CPU的计算业务毛利率，自研加速器是推动因素之一 [2] * 此举对微软AI计算服务的性价比及其长期战略（实现Azure AI计算毛利率与基于CPU的Azure工作负载相当）具有积极意义 [1] **3. 当前存在的局限性与挑战** * 尚未看到Maia在大规模生产环境中使用的性能统计数据，这取决于微软的制造爬坡能力 [1] * 深化相关软件生态系统是关键：Maia 200需要自己的模拟器，可能仍需支持更广泛的开发者工具/推理引擎（如sglang, vLLM, TensorRT）[1] * 竞争在持续演进（例如谷歌TPU v8预计在2027年推出）[1] * 需要更多关于Maia 200在高负载工作环境下的基准测试数据，实验室性能与实际大规模集群应用中的表现存在差异 [20][23] * 需要行业对微软与推理软件引擎（如vLLM）集成的反馈得到改善 [25] * 英伟达凭借其上市时间优势和“CUDA护城河”，预计将在短期内保持加速器市场的领导地位 [25] **4. 微软AI计算供应链的多元化策略** * 除了自研Maia芯片，微软还在通过其他途径实现供应链多元化： * 采用基于ARM的自研CPU“Cobalt”已取得成功，Liftr Insights数据显示，在2024年第四季度，Cobalt支撑了33%的新Azure虚拟机 [17] * 更多客户选择AMD作为第二供应商，高盛半导体团队预计AMD的GPU份额将从2025年的5%增至2028年的8% [17] * 采用Groq的LPU等专业解决方案，Groq声称其芯片运行LLM推理的速度可达当前替代方案的十倍，能耗仅为十分之一 [17] **5. 财务预测与估值** * 高盛维持对微软的“买入”评级，12个月目标价为600美元，基于28倍市盈率乘以预期净收入 [24] * 关键财务数据预测： * 营收：预计从2025财年（6月）的2817.24亿美元增长至2028财年的4563.30亿美元 [3][13] * EBITDA：预计从2025财年的1565.28亿美元增长至2028财年的2806.52亿美元 [3][13] * EPS（稀释后）：预计从2025财年的13.83美元增长至2028财年的23.53美元 [3][9] * 毛利率：预计从2025财年的68.8%略微下降至2028财年的65.3% [9] * EBIT利润率：预计从2025财年的45.6%提升至2028财年的47.1% [9] **6. 主要风险因素** * 来自OpenAI合作的收入贡献低于预期 [24] * 自研芯片上量时间较长，可能限制市场份额增长或毛利率扩张 [24] * 对非预期项目（例如非Azure业务）的投资增加 [24] * 关键领导层变动 [24] * 向定制软件的更重大转变可能对其应用业务产生负面影响 [24] **其他重要信息** * **市场表现**：截至2026年2月20日收盘，微软股价为397.23美元，目标价隐含51.0%的上涨空间 [1][12] * 过去3个月绝对回报为-17.0%，相对标普500指数回报为-21.4% [11] * **公司体量**：微软市值达3.0万亿美元，企业价值为2.9万亿美元，过去3个月平均日交易额为141亿美元 [3] * **行业竞争格局**：高盛半导体团队认为，在可预见的未来，商用解决方案（如英伟达、AMD）仍将占据AI加速器市场的主要份额，原因包括：AI模型开发格局快速演变、开发者目前高度重视高性能解决方案、商用解决方案拥有更广泛成熟的开发者/软件生态系统 [2][16] * **长期技术趋势**：随着原始计算性能接近物理极限，进一步的性能和成本改善将更多地由网络、内存和封装方面的创新驱动，英伟达和博通在这些领域处于有利地位 [25]

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]

AI竞赛与云巨头格局 - AI领导力竞赛已进入白热化阶段 三大全球云巨头（微软Azure、谷歌GCP、亚马逊AWS）在AI堆栈的不同层面各具领先优势 对投资者而言 当前谁领先不如谁能维持或扩大优势重要 [1] 微软 Azure - 2026财年第二季度 微软云收入增长26%至515亿美元 其中Azure及其他云服务收入增长39% [2] - 同期资本支出同比大幅增长66%至375亿美元 引发市场对其增长可持续性的疑虑 [2] - 未完成订单额达6250亿美元 同比增长110% 显示需求远超供给 支撑Azure未来增长 其中非OpenAI部分订单仍同比增长28% 反映广泛需求 [3] - 公司采取垂直整合策略 从开发定制Maia 200 AI加速器到将Copilot集成至Microsoft 365等产品套件 [3] - 通过复杂的软件层延长旧款GPU的使用寿命 类似英伟达CUDA的做法 [4] 谷歌 GCP - 2025年第四季度 谷歌云收入同比增长48%至177亿美元 其中GCP增速更高 [5] - 同期资本支出同比增长95%至279亿美元 2025年全年资本支出达914亿美元 [5] - GCP未完成订单在2025年第四季度环比增长55%至2400亿美元 预计2026年资本支出将达1750亿至1850亿美元 约为2025年水平的两倍 [6] - 市场对其AI产品（如最新Gemini模型和Ironwood TPU）需求广泛 [6] - 经过十年垂直构建 其云客户对垂直优化的AI产品利用率达75% [7] - 基于GCP专有AI模型（如Gemini、Imagen、Veo）构建的产品收入在2025年第四季度同比增长近400% [7] - 通过模型和TPU优化 2025年运行Gemini的成本降低了78% [7] - 代理软件开发平台Google Antigravity推出两个月内 周活跃用户数已超150万 [7] - 在谷歌的AI驱动产品和服务中 观察到14款产品的年收入超过10亿美元 反映其AI产品已被实质性采用 [8] 亚马逊 AWS - 2025年第四季度 AWS收入同比增长24%至356亿美元 为13个季度以来最快增速 [9] - 同期亚马逊资本支出达395亿美元 同比增长42% 2025年全年资本支出高达1318亿美元 [9] - 预计2026年资本支出将达2000亿美元 同比增长约51.7% 由AWS核心和AI工作负载需求驱动 [9] - 未完成订单同比增长40%至2440亿美元 印证需求强劲 [10] - Trainium和Graviton芯片合计年化收入运行率已达100亿美元 且同比增长三位数百分比 [13] - 全托管服务Amazon Bedrock已被超过10万家公司使用 拥有数十亿美元的年化收入运行率 2025年第四季度客户支出环比增长60% [13] - 联络中心即服务产品Amazon Connect在2025年第四季度达到10亿美元年化收入运行率 同比增长30% [13] - 2025年第四季度 使用亚马逊AI编码代理Kiro自主完成调试任务的开发者数量环比增长超过150% [13] 行业共同趋势与财务实力 - 三大云提供商最新财报共享同趋势：云收入增长均超过20% 且资本支出不断攀升 [10] - 尽管支出增加 但三家公司均拥有高盈利、现金充裕的商业模式和坚实的资产负债表 [10] - 强大的财务实力为其提供了资助昂贵AI雄厚的资金储备 仅有少数公司能持续承担 [11] - 这些结构性优势支撑了它们市值飙升至数万亿美元 [11]

文章核心观点 - 人工智能加速器市场的竞争焦点正从处理器转向内存 高带宽内存已成为AI计算的关键瓶颈和基本要求 这巩固了韩国内存制造商三星电子和SK海力士在AI生态系统中的结构性主导地位和战略优势 [1][2][3] 行业动态与竞争格局 - 英特尔正试图挑战英伟达在AI加速器市场的统治地位 但行业最关键制约因素在于先进内存的短缺 [1] - 全球科技公司如谷歌、微软、Meta正通过开发定制AI芯片来优化成本和负载 以减少对英伟达的依赖 [1][2] - 处理器市场呈现多元化竞争 但内存层的发展方向相反 趋向集中化 [1] - GPU制造商和定制芯片设计商之间的竞争日益加剧 但内存之争的胜负已定 由韩国企业主导 [1][3] 高带宽内存的关键作用与需求 - 随着AI模型规模和复杂性增长 性能瓶颈从原始计算能力转向内存吞吐量 即数据访问和传输速度 [2] - 训练和推理需以最小延迟处理海量数据 使内存从辅助角色跃升为系统级瓶颈 [2] - HBM已从一种小众加速器组件发展成为AI芯片的基本要求 被嵌入谷歌、微软的AI芯片中 Meta计划在其MTIA-v3芯片中用第五代HBM3E取代LPDDR5 [2] - 无论处理器是GPU还是定制专用集成电路 HBM都已成为不可或缺的一部分 [2] - 英伟达的下一代AI平台Vera Rubin预计将大幅增加每个系统的内存消耗 加剧供需失衡 [1] 供应短缺与市场主导 - 英特尔CEO警告 全球先进内存短缺的局面可能至少还会持续两年 内存需求增速超过供应商产能扩张速度 [1] - SK海力士的HBM、DRAM和NAND闪存产能已售罄至2026年 [3] - 由于AI服务器单位HBM消耗量不断增加且基础设施投资加速 短期内供应不太可能跟上需求 [3] - 三星电子和SK海力士共同控制全球HBM市场的绝大部分份额 [1] - 这使得两家公司在AI生态系统中保持持续的定价权和战略优势 [3] 技术壁垒与厂商优势 - HBM是制造技术要求最高的半导体产品之一 需要先进晶圆工艺、复杂堆叠结构、精密封装及持续高良率 这些障碍将大多数竞争对手拒之门外 [2] - 三星电子能够自主完成存储器、晶圆代工和先进封装的研发 这项能力对于寻求高度优化系统的AI客户日益重要 [3] - SK海力士作为英伟达主要HBM供应商 已签订长期供货合同 通常在产品发布前很久就已锁定 [3] - 三星电子正积极扩大其位于韩国京畿道平泽和华城工厂的HBM3E产能 并加速开发下一代存储器 [3]