规划核心定位 - 《广东省加快培育发展新赛道引领现代化产业体系建设行动规划 (2026—2035 年)》正式发布，将高端人工智能芯片列为重点布局领域，旨在解决芯片领域“卡脖子”难题，为全省半导体产业高质量发展划定清晰路线图[1] 产业基础与战略方向 - 广东省作为我国人工智能与机器人产业链最齐全、产业生态最完备的集聚区，规划精准锚定高端人工智能芯片研发制造新赛道，将芯片自主创新摆在现代化产业体系建设的突出位置[1] - 规划构建“通用+专用”并行的多元化芯片布局体系，全方位筑牢芯片自主研发与生产根基[1] 具体技术路径与产品布局 - 重点发力GPU、FPGA、NPU等高端通用人工智能芯片，以解决当前产业发展的关键短板[3] - 同时兼顾ASIC专用芯片的研发与制造，以适配细分场景的定制化算力需求[3] - 通过通用芯片筑牢基础、专用芯片补齐场景缺口，实现高端AI芯片品类全覆盖，破解核心芯片依赖外部供给的困境[3] - 规划着重突出架构创新的战略价值，将RISC-V开源架构作为芯片技术突破的重要抓手[3] - 依托广东在RISC-V领域的产业积淀及珠海RISC-V测试验证创新中心等平台优势，加快推进RISC-V架构人工智能芯片研发，推动开源架构芯片的技术攻关与场景适配，以补全粤港澳大湾区RISC-V产业生态，打造差异化竞争优势[3] 产业发展模式 - 规划坚持产业生态协同发展理念，着力推动芯片研发、设计、制造、测试、应用全链条协同发力[4] - 通过完善芯片开发与应用生态，打通技术攻关到成果转化的堵点，促进芯片技术成果快速落地[4] - 助力高端AI芯片在人工智能、智能制造等重点领域实现规模化应用，形成“研发-制造-应用”的良性循环[4]

电话会议纪要关键要点总结 **涉及的行业与公司** * 行业：AI芯片、半导体、数据中心基础设施 * 公司：英伟达、Grok、谷歌、AMD、英特尔、台积电 一、 AI芯片架构趋势与竞争格局 核心观点：GPU与LPU从替代转向互补协同 * GPU擅长Prefill阶段的大规模并行预处理，LPU在Decode阶段的连续token生成具备低延迟优势，二者协同可显著改善P95/P99尾部延迟[1] * 更优组合是GPU+LPU的互补协作，而非替代关系[2][3] * 英伟达可能推出包含64集群LPU组合并搭配GPU的打包式机架级方案，以整体解决方案交付[2][3] 各类处理单元的定位与差异 * **GPU**：以英伟达H100为代表，核心仍是以大硅片、高算力承担AI训练与推理，依赖集群规模效应和强并行计算能力[2]；CUDA与Tensor相关的软件生态成熟，普适性与兼容性强[2] * **LPU**：定位为面向大语言模型的语言处理单元，聚焦语言文本相关处理，核心优势在于低延迟[1][4]；单独部署时效率或边际效益与成本表现并不突出[2] * **TPU**：以谷歌等云厂商自研为代表，深度绑定自身软件栈，在自家云环境内效果最好，但跨平台通用性与适配成本较高[2] * **NPU**：更适配强调场景化、实时性与低功耗的任务，如视频会议中的背景模糊、语音降噪等[13] LPU无法取代GPU核心组件 * LPU不具备取代Tensor Core的条件与必要性，两者分工不同、面向负载不同，属于互补关系[4] * LPU并不承担并行计算、图形渲染等通用负载，无法替代Tensor Core在AI训练推理（覆盖FP16到FP64等多精度计算）、并行计算与通用生态中的作用[1][4] * 在万亿级参数大模型训练、万卡集群等场景，仍需要依赖GPU与Tensor Core提供的计算密度与生态支撑[5] 二、 技术实现与核心支撑 3D堆叠封装是LPU实现低延迟的关键 * LPU通过片上SRAM/DRAM与计算核心垂直堆叠，缩短访问链路，实现极低访问延迟，系推理提速关键[1][7] * 3D封装的本质是将原本平面排列的存储单元走向立体堆叠，以应对制程进入纳米甚至埃米阶段后，摩尔定律边际效应下降、晶体管密度扩展受限以及漏电等约束[7] * 该技术并非新生事物，在存储领域（如固态存储）和计算侧（英特尔至强系列）已有多年应用和落地[7] 3D堆叠的容量特点与价值 * LPU集成的DRAM容量并不大，目前公开信息口径为"几百兆"，远低于HBM那种可扩展到TB级别的容量上限[8] * 其优势不在于总容量，而在于与主芯片封装在一起后具备极低的访问延迟，从而带来更高的系统效率[8] * 3D堆叠的核心价值在于，在芯片占用的平面面积不变的情况下，通过垂直方向的堆叠显著提升可集成的晶体管数量或存储单元数量，从而实现容量与规模的扩展[8] 异构集成成为先进制程瓶颈下的必然选择 * 在2nm等节点良率受限背景下，通过Chiplet将不同制程的CPU、GPU、NPU集成，可有效降低TCO并提升系统能效[1] * Chiplet与异构集成允许不同模块采用不同制程组合，例如关键计算单元采用更先进制程，总线等采用成熟制程（如7nm），以降低成本并提升良率[8][9] 三、 应用场景与性能表现 LPU与GPU在推理流程中的具体分工 * **Prefill阶段（GPU负责）**：将输入内容拆分为token单元并进行并行处理，完成后生成矩阵并输出初始推理状态[6][11] * **Decode阶段（LPU负责）**：接收GPU输出的初始状态，通过静态调度进行串行token生成，对前序上下文依赖更强[6][12]；主要用于该阶段提速并降低卡顿感，重点改善P95、P99等尾部延迟指标[4] * 整体分工原则是让不同核心承担其最擅长的任务：低延迟诉求更适合由具备片上内存结构优势的LPU承接[12] LPU适合推理而非训练的原因 * **存储限制**：LPU采用片上SRAM，容量仅为"几百兆"量级，而GPU的HBM可达TB量级，面对数百B参数规模的训练负载难以支撑[14] * **算力与架构**：LPU设计初衷面向端到端低延迟与更确定性的任务负载，而非大规模并行训练[14] * **精度要求**：GPU覆盖从半精到全精等多种精度，而LPU精度相对更低，主要为Llama推理优化，难以满足训练对精度体系的要求[14] * **软件生态**：GPU的CUDA与Tensor生态成熟，LPU单独做训练缺乏成熟的优化与适配基础[14] 多模态推理芯片现状 * 目前尚未看到明确"某一款芯片在多模态推理上显著更强"的确定结论，多模态能力的提升更多集中在模型与算法优化路径[19] * 多模态与LPU并非同一路径，但未来多模态算力也可能走向"通用芯片+专用芯片拆解协同"的形态[19][20] 四、 基础设施挑战与演进 高功耗驱动散热与供电变革 * 单芯片功耗逼近2000W，将倒逼数据中心从风冷转向冷板式或全浸没液冷[2][16] * 传统风冷可能难以覆盖该功耗密度，在更高热密度下，可能需要全浸没式液冷等方式[16] * 服务器供电体系需要升级以匹配分区级动态功耗调度，原有12V、18V供电方案在发热与线路损耗等约束下可能难以适配[2][16] 软硬件协同与调度成为关键挑战 * 随着芯片异构化程度提升，单芯片内部划分为多个独立计算分区，功耗调度算法本身会成为新增的系统挑战[16] * 必须打通软件生态，通过软件层实现对多颗高功耗芯片的高效调度与协同执行，生态与调度能力将直接影响整体系统可用性与效率[16][18] * LPU与GPU的融合协同在工程实现上存在较大难度，调度机制与系统工程能力可能构成厂商当前的主要攻关方向[17] 五、 成本与经济性优化 降低推理成本的策略 * **专用算力替代部分通用算力**：通过异构方式实现更细颗粒度的分工协作，使每颗芯片更聚焦"重要的事"并尽可能跑满，从硬件侧提高利用率与效率[18] * **存储侧成本优化**：通过数据分层，将PB级数据按冷热属性划分，并据此配置不同存储介质以降低总体成本[18] * **评估核心是TCO**：数据中心对3D技术等封装形式的接受度本质上取决于其对TCO改善的贡献[10]；能效提升带来的功耗下降即便只有"单路降低50W"这样的量级，在规模放大后对总体成本影响也会非常显著[10] 专用芯片兴起的逻辑 * 专用芯片本质是"针对特定负载做优化"的算力形态，近几年因大语言模型热度提升，专用算力需求被显著放大[17] * 相较于通用GPU为兼顾多场景而存在的冗余设计，专用芯片有机会提升特定任务的算力利用率，从而减少在低利用率状态下的算力与功耗浪费[17]

核心观点 - 人工智能的兴起，特别是从大型语言模型向智能体（Agent）的演进，正推动数据中心对包括CPU在内的多处理器计算能力需求显著增长，CPU重新成为热门组件 [2][3] - 人工智能发展引发的组件短缺正从GPU向内存和存储芯片蔓延，其影响范围比GPU短缺更广，可能波及消费市场，并对整个计算机行业造成压力 [3][4] - AMD和英特尔作为主要CPU供应商，其数据中心业务需求激增，但消费市场仍占据其营收重要部分，两者需平衡供需以避免对消费市场造成严重冲击 [4] 行业趋势：AI驱动需求演变 - 人工智能发展初期（2022年底起）的短缺主要集中在GPU，因数据中心为构建大型服务器而大量采购 [2] - 随着显卡供应在2025年年中左右趋于正常，短缺焦点转向高带宽内存和企业级存储芯片 [2] - 人工智能正从大型语言模型迈向能够独立观察、推理、规划、行动和学习的智能体，这推动数据中心需要整合CPU、GPU、NPU等多种组件的更强大计算能力 [3] 公司动态：AMD与英特尔的表态与业务 - 英特尔首席财务官表示“今年CPU再次成为热门”，因AI代理需要CPU来协调GPU和NPU执行计算密集型任务，并已看到客户寻求长期协议以确保芯片供应 [2] - AMD首席执行官表示“看到CPU需求显著增长，这主要是由于推理需求的上升”，并称“CPU业务的需求实际上远远超出了我的预期” [2] - 与英伟达数据中心业务营收呈指数级增长不同，AMD和英特尔每季度仍有大约一半的总营收来自消费市场 [4] 市场影响：短缺与供需矛盾 - 内存模块和固态硬盘的价格将持续上涨至2026年2月 [3] - 内存和存储芯片短缺的影响范围比GPU短缺更广，因几乎所有现代数字设备（从消费电子产品到汽车和工业设备）都需要内存和存储，且消费级产品正与企业级产品争夺晶圆产能 [3] - 中国地区已出现服务器CPU供应短缺的报告，同时高端Mac Studio和Mac mini的需求也因本地AI智能体构建工具的普及而激增 [3] - 如果数据中心需求持续增长导致短缺，可能会蔓延到消费市场，并对供应造成下行压力 [3][4] - 若现状持续，有人预测到2028年入门级PC市场将会终结 [4] 产品与技术融合 - 过去几代产品中，AMD和英特尔通过在企业与消费市场采用相同微架构来融合数据中心和消费级产品，以最大化良率 [4]

公司业务与定位 - 公司是一家以追踪人工智能新进展为核心的内容平台，拥有8年行业积累[1] - 公司在微信公众号平台拥有超过240万订阅用户，全网用户超过700万，日均阅读量超过200万[12] - 公司在第三方数据平台（如新榜、清博）是人工智能及前沿科技行业排名第一的新媒体[12] 招聘岗位方向 - 公司开放三大方向的岗位招聘：人工智能产业方向、人工智能财经商业方向、人工智能产品方向[2][6] - 人工智能产业方向关注基础设施层创新，包括芯片、人工智能基础设施、云计算[6] - 人工智能财经商业方向关注人工智能领域创业投资和财报，跟踪产业链资本动向[6] - 人工智能产品方向关注人工智能在应用和硬件终端方向的进展[6] 岗位职责详情 - 人工智能产业方向岗位职责包括：跟进人工智能基建层新进展及核心玩家动态；对前沿论文、开源社区、技术会议报告进行大众化解读；参与核心采访并撰写案例[6][7] - 人工智能财经商业方向岗位职责包括：聚焦创投、创业公司、上市公司、商业模式及产业链资本动向；产出融资、财报解析、战略分析稿件；访谈投资人、创业者及产业人士[11] - 人工智能产品方向岗位职责包括：关注人工智能在软件应用和硬件终端的落地；撰写产品深度评测并跟踪新品发布；对话应用创业者、产品专家及终端技术专家[11] 任职要求 - 人工智能产业方向要求：对芯片、图形处理器、神经网络处理器、服务器、模型训练架构、云计算有基本理解；熟悉人工智能行业供应链与生态；具备结构化表达能力；有技术背景者优先[11] - 人工智能财经商业方向要求：对数据敏感，对财报、股权结构、战略规划感兴趣；逻辑结构强，对商业叙事敏感；热爱对话采访[11] - 人工智能产品方向要求：对智能硬件、人工智能终端趋势敏锐，是重度产品体验者；熟悉各大终端厂商生态及体验方法论；具备强逻辑、体验表达和结构化能力[11] 岗位层级与类型 - 社会招聘岗位覆盖编辑、主笔、主编各个层级，按能力匹配[6] - 校园招聘面向应届毕业生，接受实习且可转正[6] - 主编职位需具备选题和带队能力及经验[6] - 主笔职位需具备原创深度稿件能力[6] - 编辑职位需热爱表达，擅长信息挖掘，能用通俗语言解释人工智能进展[6] 员工福利与发展 - 员工可第一时间接触人工智能领域最新技术和产品，构建完整的认知体系[6] - 员工可将各种人工智能新工具应用于工作，提升效率和创造力[6] - 员工可通过撰写独家原创内容建立个人知名度，成为领域意见领袖[6] - 员工可与行业专家零距离接触，参与重要科技活动，拓展行业视野[6] - 应届新人可获得主编级编辑提供的一对一指导[6] - 公司提供行业顶级薪资待遇，福利包括五险一金、餐补、项目绩效、商务绩效、加班补助等[6] - 公司团队氛围扁平、简单、开放，奉行多劳多得、能者上位的原则[6]

行业与公司 * **涉及的行业**：光通信（包括光纤光缆、光模块、硅光子、CPO等）、人工智能（大模型、Agent应用、算力）[1] * **涉及的公司**： * **A股/港股**：长飞光纤光缆、亨通光电、新易盛、中兴通讯、天孚通信、旭创股份[1][2][5][10][13] * **美股/海外**：Lumentum、英伟达、博通、iR Labs、Lightmatter[1][2][3][5] * **大模型厂商**：字节跳动、阿里巴巴、智谱、Minimax、kimi、GPT、Claude、Grok[2][18] 核心观点与论据 **1. 光通信市场趋势与机会** * **市场划分与主流方案**：光通信市场分为柜内和柜外，柜外仍以可插拔方案为主，柜内因铜传输物理极限和低功耗需求，**CPU与NPU成为主流选择**[3] * **增量市场与切入机会**：光通信市场是增量市场，所有公司均有配置价值，关键在于进入时机和参与价值量[6] 柜内市场发展为A股供应链带来**PIC、EIC等核心组件的新机会**[3] 大陆、台湾、北美在柜内光互联方案上各有优势，均有机会切入[5] * **头部企业优势**：在光纤光缆领域，头部企业如**长飞和亨通**受益于国内基建和全球分工，更具优势[1][2] 在硅光子领域，**新易盛**已具备大规模量产能力，占据一定优势[11] **2. CPO与硅光子技术发展** * **CPO技术影响有限**：CPO技术对降低整个集群功耗的幅度仅为**2%~4%**，影响相对较小[7] AI基础设施稳定性至关重要，头部CSP倾向解耦架构，CPO推广仍需时间观察[7][8] * **NPU方案前景**：NPU方案基于现有光通信工艺，有助于降低网络侧功耗，且采用插槽式结构便于维修，是一种**综合考虑创新与供应链稳定性的可靠方案**，若广泛应用，出货量将显著提升[9] * **硅光子技术挑战**：硅光子技术处于快速发展阶段，各公司水平相当[11] 但面临**发光、发热、热量控制和信号调制等复杂挑战**，以及光电集成后的责任划分问题，产业链需共同努力推进[13] * **英伟达新方案**：英伟达的**7纳米DSP、EIC加65纳米PIC组合方案**采用3D封装，但面临**良率低、热敏感度高等挑战**，需观察其能否成功落地[10] **3. AI与算力市场动态** * **Agent应用推动需求**：**Agent技术应用**开始进入用户和投资者视野，显著拉动个人终端设备需求[1][2] 用户行为模式从使用APP转向通过Agent调用API，导致软件生态衡量标准变化，高价值API消耗成为新标准[17] * **算力需求激增**：春节期间，**OpenCRL协议导致token消耗量激增**，远超聊天机器人，推动海外算力租赁价格上涨，**A100、H100及B200算力需求增加**[1][14] * **AI应用渗透率低但增长快**：目前真正付费使用AI的人数仅约**0.01%**（约1000多万付费用户），但趋势发展迅速[16] 随着模型能力提升（如Gemini 3.5、GPT-5/6更新）和技术门槛降低，**token消耗量可能呈十倍甚至百倍增长**，驱动硬件需求爆发[16][20][21] * **国内大模型市场**：国内厂商（智谱、Minimax等）推出支持Agent套餐，成为海外闭源模型之外的最优解，首次实现有意义的商业闭环[18] 国内模型主打**高性价比策略**，承接海外溢出的基础Agent工作流量，跑通商业循环[1][18] * **国内推理算力瓶颈**：国内推理算力不足以承接大量Agent外溢需求，导致用户体验差（如生成视频需排队数小时），用户直观感受到“算力即收入”[19] 国内缺乏本土部署的数据中心推理算力，整体仍需提升，头部企业中**华为和平头哥表现较好**[19] 其他重要内容 * **行业事件催化**：随着**GTC大会和OFC展会**临近，市场将关注新产品发布[1][2] * **技术细节**：降低光模块功耗对整体影响有限，因其在集群中功耗占比仅几个百分点，即使降低50%也只减少2-3个百分点[14] * **娱乐需求不变**：与娱乐相关的需求（如打游戏、刷短视频）不会被Agent取代[17]

财务数据和关键指标变化 - **第四季度业绩**：2025年第四季度总收入创历史新高，达到3110万美元，同比增长7%，环比增长10% [15] - **收入结构**：第四季度许可及相关收入为1750万美元，同比增长11%，环比增长9%，占总收入的56%；特许权使用费收入为1380万美元，同比增长2%，环比增长12%，占总收入的44% [15] - **盈利能力**：第四季度GAAP毛利率为88%，非GAAP毛利率为89%；非GAAP营业利润率为18%，非GAAP营业利润为570万美元，分别同比增长20%和26% [15][16] - **净利润**：第四季度GAAP净亏损110万美元，每股亏损0.02美元；非GAAP净利润490万美元，同比增长86%，非GAAP摊薄后每股收益0.18美元，同比增长71% [17][18] - **全年业绩**：2025年全年总收入为1.096亿美元，同比增长2%；非GAAP净利润同比增长20%，摊薄后每股收益同比增长17% [21] - **现金流与资产负债表**：截至年底，现金及现金等价物、有价证券和银行存款总额约为2.22亿美元；第四季度运营产生现金870万美元；成功完成350万股后续发行，净筹资约6300万美元 [22] - **2026年第一季度指引**：预计收入在2400万至2800万美元之间，中值显著高于2025年第一季度；预计GAAP毛利率约为86%，非GAAP毛利率约为87% [28][29] - **2026年全年指引**：预计总收入同比增长8%-12%；非GAAP营业利润和非GAAP净利润预计将同比增长约35%-40% [25][27] 各条业务线数据和关键指标变化 - **许可业务**：第四季度签署了18项许可协议，其中包括3项NPU许可交易、多项Wi-Fi 7和组合连接方案，以及一项重要的软件协议 [4] - **AI/NPU业务**：2025年签署了10项新的NPU协议，AI处理器许可收入占2025年许可收入的相当大部分 [11][12] - **连接业务**：第四季度连接业务表现强劲，签署了包括Wi-Fi 7物联网、蓝牙高数据吞吐量协议以及三项蓝牙Wi-Fi组合方案在内的交易 [7] - **传感业务**：第四季度与一家领先的电视平台签署了软件许可协议，将其运动引擎技术集成到智能电视操作系统中 [8] - **特许权使用费业务**：第四季度是四年多以来最强的特许权使用费季度，Wi-Fi出货量创历史新高，同比增长31%；蜂窝物联网出货量同比增长20% [8][9] - **全年业务亮点**：2025年共签署了54项许可协议，其中12家客户许可了多项CEVA技术；智能边缘应用贡献了总收入的86% [10][13] 各个市场数据和关键指标变化 - **设备出货量**：2025年搭载CEVA技术的设备出货量达到创纪录的21亿台，同比增长6% [10] - **Wi-Fi出货量**：第四季度Wi-Fi出货量达8600万台，创季度纪录，同比增长30%；全年Wi-Fi出货量同比增长48% [20] - **蜂窝物联网出货量**：第四季度蜂窝物联网出货量达6000万台，创季度纪录，同比增长30%；全年蜂窝物联网出货量同比增长42% [20] - **蓝牙出货量**：第四季度蓝牙出货量为3.03亿台，低于去年同期的3.43亿台；全年蓝牙出货量约为11亿台，与去年持平 [20] - **消费物联网出货量**：第四季度消费物联网产品出货量为4.79亿台，高于去年同期的4.59亿台；全年消费物联网相关出货量为17亿台，同比增长14% [19][20] - **工业物联网出货量**：第四季度工业物联网产品出货量为1900万台，低于去年同期的3500万台；全年工业物联网相关出货量为8700万台，同比下降31% [19][20] - **移动调制解调器出货量**：第四季度移动手机调制解调器出货量为1.08亿台，占总出货量的18%；全年调制解调器出货量为2.8亿台，同比下降18% [19][20] - **特许权使用费贡献**：全年Wi-Fi特许权使用费同比增长70%，蜂窝物联网特许权使用费同比增长20% [21] 公司战略和发展方向和行业竞争 - **长期战略**：公司通过提供涵盖连接、传感和推理用例的全面IP构建模块组合，执行长期战略，专注于为智能边缘设备赋能 [3][4] - **物理AI时代定位**：随着AI推理从云端向边缘和混合AI加速转移，下一波创新越来越关乎物理AI，公司在此时代具有独特定位 [3] - **产品组合优势**：提供全面的IP产品组合，无论是单独许可还是多IP配置，都能为客户提供灵活性并驱动卓越成果 [4] - **市场拓展**：2025年是AI和NPU许可的突破之年，与领先的全球PC OEM等客户达成战略合作，在嵌入式、消费、汽车、工业和计算市场均取得进展 [11] - **竞争差异化**：在高性能计算设备领域，提供最佳的每瓦性能是新的战略差异化因素，公司是这一转型的关键参与者 [6][44] - **多元化战略**：业务多元化分布于智能边缘终端市场，2025年智能边缘应用贡献了86%的总收入，这使公司能够从赋能智能边缘自然演进到赋能物理AI [13] - **未来重点**：进入2026年，公司专注于在已建立类别中扩展领导地位，深化与客户路线图的整合，通过提供更完整的IP堆栈来增加每台设备的价值 [14] 管理层对经营环境和未来前景的评论 - **行业趋势**：AI推理从云端向边缘和混合AI的转移持续加速，下一波创新是关于物理AI [3] - **PC生态系统转折点**：PC生态系统已达到一个临界点，专用NPU已成为竞争性AI性能的基本要求 [6] - **客户趋势**：消费、工业和汽车OEM越来越多地设计自己的连接芯片，以提供紧密集成、以应用为中心的体验 [7] - **经营环境挑战**：内存定价和供应限制持续影响智能手机出货量 [9] - **特许权使用费增长动力**：基于已签署的协议和对客户路线图的洞察，估计这些协议在其预期产品生命周期内总计具有1.25亿美元的终身特许权使用费潜力 [12] - **外汇影响**：2025年下半年及今年以来，欧元和以色列谢克尔兑美元走强，给行业带来了外汇逆风，预计非美元费用（主要是欧洲和以色列的研发团队）将同比增长约10%，增加约500万美元的影响 [26] - **2026年展望**：公司对进入2026年充满信心，视其为又一个在多个财务和业务维度实现增长的年份；预计上半年增长较低，下半年增长较高，符合往年季节性趋势 [23][25] 其他重要信息 - **累计里程碑**：在2025年庆祝了搭载CEVA技术的设备累计出货量达到200亿台，并在第四季度末实际超过了210亿台 [13] - **员工人数**：截至第四季度末，员工总数为424人，其中343人为工程师 [22] - **预期生产时间**：有6家NPU客户预计在2025年底前准备就绪投入生产，有望在2027年初开始贡献特许权使用费 [51] - **投资者会议**：公司计划参加多个即将举行的投资者会议，包括世界移动通信大会、Loop Capital Markets第七届年度投资者会议等 [79][80] 总结问答环节所有的提问和回答 问题: NPU业务管线规模及终端市场分布 [32] - 公司对2025年在AI领域的执行力和市场份额增长感到非常鼓舞，签署了超过10项交易，并建立了覆盖所有不同类型智能边缘市场的完整NPU产品组合 [32] - 整体管线在不断增长，几乎涵盖了智能边缘的所有细分市场，包括消费、计算设备、嵌入式MCU应用、工业和汽车领域，管线非常健康 [32][33] 问题: 与领先PC OEM的NPU合作细节（是否为独立芯片） [35] - 此次合作是与一家顶级PC OEM达成的，该OEM决定在其集成的SoC平台内部构建自己的AI和NPU功能 [35] - 公司提供的是完整的核心NPU功能，然后由客户将其集成到他们正在构建的SoC中，这是一个独立芯片的设计胜利 [35][36][38] 问题: PC NPU合作的竞争动态及未来展望 [43] - 在高性能计算设备领域，市场对最佳性能的需求越来越强，这需要核心架构的灵活性和最佳的PPA（功耗、性能、面积） [44] - 该OEM考察了市面上的方案，希望确保硬件和软件完全内部集成以驱动所需的高性能，同时需要底层的核心硅IP技术和软件来提供最佳性能，公司在此具有竞争优势 [45] - PC领域的客户数量相对有限，但将AI能力内部化具有很大价值，因此其他厂商有可能效仿类似的配置 [60] - 经过漫长的评估，公司凭借能够提供非常强大的性能指标而胜出，这对其他PC客户以及需要高性能指标的其他高端计算设备也具有潜力 [61] 问题: 2026年业绩指引细节及影响因素，特别是上半年季节性 [46] - 公司业务很大一部分并不依赖于移动市场，而是多元化分布在智能边缘的各个细分市场，并持续获得市场份额，预计季节性将与往年相似，但市场份额会持续增加 [48] - 在移动领域，内存短缺可能产生影响，但公司预计市场份额将因一家美国移动OEM更多地集成内部调制解调器而增加；对于其他智能手机OEM，内存短缺可能产生影响，但总体上仍预计2026年上下半年之间有明显的季节性 [48][49] - 所提及的中国客户大部分产品出口到世界其他地区，终端需求良好，问题在于他们如何应对内存短缺和价格波动 [50] 问题: 1.25亿美元终身特许权使用费潜力的实现时间表 [52] - 有6家NPU客户预计在2025年底前准备就绪投入生产，有望在2027年初开始贡献特许权使用费 [51] - 随着时间的推移，公司将看到更高的特许权使用费贡献，因为产品组合涵盖高端和低端市场，既有高销量，也有高ASP（平均售价） [54] - 对于消费类PC等市场，从设计到产生特许权使用费的时间更短，预计相关设计胜利也将在2027年开始产生收益 [56] 问题: PC OEM合作是否是个案，以及其他OEM跟进的可能性 [60] - PC领域的客户数量相对有限，但将AI能力内部化具有很大价值，因此其他厂商有可能效仿类似的配置 [60] - 经过漫长的评估，公司凭借能够提供非常强大的性能指标而胜出，这对其他PC客户以及需要高性能指标的其他高端计算设备也具有潜力 [61] 问题: 物理AI的管线机会及增量特许权使用费潜力最大的应用类别 [62] - 正在兴起的增长领域是机器人技术，公司已经在汽车和其他工业应用及更广泛的物联网领域占据市场份额 [63] - 物理AI真正令人兴奋的是这些能力在无线连接、环境感知和实时推理决策方面的扩展，这将遍及机器人领域，从仓库小规模应用扩展到可能无处不在，潜力巨大 [63] 问题: 2026年业绩达到或超过指引区间高端的驱动因素 [68] - 收入方面，8%-12%的长期增长轨迹仍然 intact；更强的许可业务、特许权使用费在各市场的加速增长、内存影响减弱以及不同产品上市时间都可能影响业绩 [68] - 费用方面，最大的影响因素是宏观汇率波动，如果未来6个月汇率发生变化，可能缩小或扩大影响差距，但公司完全有能力控制并抵消或利用积极变化 [69] - 具体到收入增长驱动力：第一，在无线通信领域的强大领导地位，许可和特许权使用费持续增长；第二，AI领域的发展势头；第三，在移动和Wi-Fi领域持续获得市场份额 [71][72] 问题: 完成增发后约2亿美元现金的并购策略及对当前估值的看法 [73] - 增发是为了加强资产负债表，寻求非有机增长以加速发展，缩短从许可到特许权使用费18-24个月的时间框架，目标是在未来12个月内找到技术、市场和业务上合适的标的 [73] - 公司已建立了优秀的IP企业，目标是利用资产负债表寻找IP领域的额外资产，以进一步扩大增长和盈利潜力 [74]

财务数据和关键指标变化 - 第四季度总收入创历史新高，达到3110万美元，同比增长7%，环比增长10% [17] - 第四季度许可及相关收入为1750万美元，同比增长11%，环比增长9%，占总收入的56% [17] - 第四季度特许权使用费收入为1380万美元，同比增长2%，环比增长12%，占总收入的44% [17] - 第四季度GAAP毛利率为88%，非GAAP毛利率为89% [17] - 第四季度GAAP营业亏损为40万美元，去年同期为GAAP营业利润10万美元 [18] - 第四季度非GAAP营业利润率为18%，营业利润为570万美元，分别同比增长20%和26% [18] - 第四季度GAAP净亏损为110万美元，摊薄后每股亏损0.02美元，去年同期净亏损为170万美元，摊薄后每股亏损0.07美元 [19] - 第四季度非GAAP净利润为490万美元，摊薄后每股收益为0.18美元，分别同比增长86%和71% [20] - 2025年全年总收入为1.096亿美元，同比增长2% [23] - 2025年全年非GAAP净利润同比增长20%，摊薄后每股收益同比增长17% [23] - 2025年第四季度现金及等价物等总额约为2.22亿美元 [24] - 2025年第四季度应收账款周转天数为47天，经营活动产生现金870万美元 [24] 各条业务线数据和关键指标变化 - **许可业务**：第四季度签署了18项许可协议，其中包括3项NPU许可交易、多项Wi-Fi 7和组合连接方案，以及一项重要的软件协议 [4] - **AI/NPU业务**：2025年签署了10项新的NPU协议，AI处理器许可收入在2025年许可收入中占比显著 [12][13] - **连接业务**：第四季度连接业务表现强劲，包括与全球最大白色家电制造商之一的半导体部门达成的Wi-Fi 6和蓝牙IP组合芯片许可协议 [8] - **传感业务**：第四季度与一家领先的电视平台签署了软件许可协议，将其运动引擎技术集成到智能电视操作系统中 [9] - **特许权使用费业务**：第四季度是四年多以来最强的特许权使用费季度，智能边缘多元化客户的增长完全抵消了移动业务的疲软 [9] - **产品出货量**：2025年第四季度，搭载CEVA技术的设备出货量为6.06亿台，同比下降3% [20] - **分产品出货**：第四季度Wi-Fi出货量达8600万台创纪录，同比增长31%；蜂窝物联网出货量6000万台创纪录，同比增长30%；蓝牙出货量3.03亿台，低于去年同期的3.43亿台 [21] - **全年出货**：2025年搭载CEVA技术的设备出货量达21亿台创纪录，同比增长6%；Wi-Fi出货量同比增长48%，蜂窝物联网出货量同比增长42% [11][21] - **全年分市场出货**：2025年消费物联网相关出货量17亿台，同比增长14%；工业物联网相关出货量8700万台，同比下降31%；调制解调器出货量2.8亿台，同比下降18% [21][22] - **特许权使用费贡献**：2025年Wi-Fi特许权使用费同比增长70%，蜂窝物联网特许权使用费同比增长20% [23] 各个市场数据和关键指标变化 - **终端市场多元化**：2025年，智能边缘应用贡献了总收入的86% [15] - **移动市场**：中国手机客户在第四季度出现复苏，但内存定价和供应限制继续影响智能手机出货量 [10] - **PC市场**：第四季度与一家全球领先的PC OEM签署了NPU许可协议，标志着PC类别在设备端AI采用上的突破 [5] - **消费电子市场**：电视正演变为交互体验中心，基于运动的输入和增强的用户交互变得越来越重要 [9] - **工业与汽车市场**：消费、工业和汽车OEM越来越多地设计自己的连接芯片，以实现紧密集成、以应用为中心的体验 [8] - **新市场机遇**：机器人技术是物理AI时代一个重要的新兴增长领域，潜力巨大 [64][65] 公司战略和发展方向和行业竞争 - **长期战略**：公司通过提供涵盖连接、传感和推理用例的全面IP构建模块组合，执行长期战略，使智能边缘设备能够本地连接、感知和推断数据 [3][4] - **物理AI定位**：随着AI推理从云端向边缘和混合AI加速转移，公司凭借全面的IP组合，在物理AI时代处于独特优势地位 [3] - **商业模式**：许可协议通常具有更高的单件价值和更长期的特许权使用费潜力，随着时间的推移扩大了每台设备的内容并增强了特许权使用费模式的持久性 [7] - **竞争差异化**：提供集成组合解决方案的能力持续使公司差异化，并随时间改善交易经济性 [12] - **市场认可**：累计搭载CEVA技术的设备出货量在第四季度末已超过210亿台，反映了数十年建立的行业信任 [15] - **增长飞轮**：2025年签署的许可协议估计在其预期产品生命周期内代表了总计1.25亿美元的终身特许权使用费潜力，显示了公司正在构建的许可和特许权使用费飞轮的实力和持久性 [13][14] 管理层对经营环境和未来前景的评论 - **行业趋势**：AI推理从云端向边缘和混合AI的转移持续加速，下一波创新越来越关乎物理AI [3] - **PC生态转折点**：PC生态系统已达到一个临界点，专用NPU已成为竞争性AI性能的基本要求 [6] - **经营环境挑战**：内存定价和供应限制影响了智能手机的整体出货量 [10] - **外汇影响**：2025年下半年及2026年初至今，欧元和以色列谢克尔兑美元走强，给整个行业带来了外汇逆风，预计将使公司基于非美元的费用同比增长约10%，增加约500万美元的影响 [28] - **2026年展望**：预计2026年总收入将比2025年增长8%-12%，上半年增长较低，下半年增长较高，符合往年季节性趋势，但受内存价格波动和供应挑战影响 [27] - **盈利预期**：预计2026年非GAAP营业利润和非GAAP净利润将同比增长约35%-40% [29] - **第一季度指引**：预计2026年第一季度收入在2400万至2800万美元之间，非GAAP毛利率约为87% [30][32] 其他重要信息 - 公司于第四季度成功进行了350万股的后续发行，净收益约6300万美元，以增强资产负债表 [24] - 截至第四季度末，公司员工总数为424人，其中343名为工程师 [24] - 2025年签署的54项许可协议中，有12家客户许可了多项CEVA技术，表明其提供广泛产品组合的战略正在引起共鸣 [11] - 公司预计2026年股权激励费用在2200万至2350万美元之间，收购无形资产摊销和业务收购相关成本各约40万至50万美元 [30] 总结问答环节所有的提问和回答 问题: NPU业务管线规模和终端市场分布 [35] - 公司对2025年在AI领域的执行力和市场份额增长感到非常鼓舞，签署了超过10项交易，并建立了覆盖所有智能边缘市场的完整NPU产品组合 [35] - 管线在所有智能边缘细分市场持续增长，包括消费电子、各类计算设备、嵌入式MCU应用、工业及汽车领域，管线非常健康 [35][36] 问题: 与PC OEM的NPU交易是独立芯片还是集成在CPU中 [37] - 该交易是为一家决定在其SoC平台内部构建自有AI和NPU功能的顶级PC OEM提供完整的核心NPU功能，由客户将其集成到他们正在构建的SoC中 [37] - 确认是独立的NPU芯片 [38][40][41] 问题: PC NPU交易的竞争动态以及未来PC中是否会有多个NPU [45] - 对于高端计算设备，市场对一流性能的需求越来越强，这需要核心架构的灵活性和最佳的PPA（功耗、性能、面积） [46] - 该OEM评估了现有方案，希望确保硬件和软件完全内部集成以实现所需高性能，同时需要底层的核心硅IP技术和软件来提供最佳性能，公司在此具有竞争优势 [46][47] 问题: 2026年上下半年业绩展望，特别是受内存价格等外部因素影响的需求假设 [48][49][50] - 公司业务大部分不依赖于移动市场，在智能边缘各细分市场持续获得份额，预计季节性规律与往年相似，但市场份额在增长 [51] - 在移动领域，一方面预计市场份额将因一家移动OEM更多集成内部调制解调器而增加，另一方面其他智能手机OEM可能受到内存短缺影响，但总体上预计2026年上下半年仍有明显的季节性差异 [51][52] - 补充指出，所提及的中国客户大部分产品出口至印度、拉美、非洲、东欧等地，终端需求良好，问题在于他们如何应对内存短缺和价格 [53] 问题: 关于1.25亿美元终身特许权使用费潜力的实现时间表，特别是PC设计周期较短的影响 [55] - 预计已签署协议的6家NPU客户应在2026年底前准备就绪投入生产，有望在2027年初开始贡献特许权使用费 [54] - 新特许权使用费将来自高端和低端市场，特点是更高的出货量和更高的平均售价，但具体流入时间点（上半年或下半年）较难精确预测 [56] - AI市场在2025年首次贡献了超过20%的许可收入，预计2027年可能开始看到相关特许权使用费 [57] - 确认在消费PC等领域，从设计到产生特许权使用费的时间更短，预计相关设计胜利将在2027年开始产生贡献 [58] 问题: PC OEM胜利是特例还是可能引发其他OEM效仿 [62] - PC领域的客户数量相对有限，但内部整合AI能力并优化特定用例具有很大价值，因此其他厂商有可能效仿类似的配置 [62] - 公司对此感到兴奋，因为经过漫长的评估，其性能指标脱颖而出，这不仅适用于该PC OEM，也适用于其他PC客户及需要高性能的高端计算设备 [63] 问题: 物理AI的管线机会和最大的增量特许权使用费机会类别 [64] - 机器人技术是超越传统市场的新兴增长领域，公司已涉足并将继续在汽车、工业及更广泛的物联网领域获得份额 [64] - 物理AI的核心是无线连接、环境感知和实时推断决策能力的扩展，机器人技术从仓库小规模应用向普及化发展，潜力巨大 [64][65] 问题: 2026年业绩达到或超过指引区间上限需要哪些改善 [69] - 收入方面，8%-12%的长期增长轨迹仍然有效，更强的许可收入、各市场特许权使用费的加速增长、内存影响减弱以及产品上市时间等因素都可能推动收入 [69] - 费用方面，最大的影响因素是汇率波动，因为大部分研发在美国境外进行，如果未来汇率走势有利，可能缩小差距，公司正严格控制投资以提高效率 [70][71] - 推动收入增长的主要驱动力包括：无线通信领域的领导地位、AI发展势头以及在移动和Wi-Fi市场持续获得份额 [72][73] 问题: 完成增发后资产负债表现金充裕，对并购的考量 [74][75] - 增发旨在增强资产负债表，寻求非有机增长以缩短许可到特许权使用费18-24个月的时间差，这是未来12个月的目标 [75] - 公司已建立了优秀的IP企业，目标是利用资产负债表寻找IP领域的额外资产，以进一步扩大增长和盈利潜力 [76]

CPONPOCPC+可插拔最新产业趋势观瞻 20260204 关键要点总结 涉及的行业与公司 * **行业**：光模块/光互联、硅光子技术、高速网络通信、先进封装[1][4][20] * **公司**： * **英伟达 (NVIDIA)**：当前主要使用PCB连接，未来或转向CPC设计 坚持推行CPO方案 面临产能和可靠性验证挑战[1][5][7][12] * **博通 (Broadcom)**：调整策略拥抱NPU 以维护与谷歌等大客户的商务关系[12][13] * **云服务商 (CSPs)**：包括谷歌、微软、Meta、亚马逊 普遍青睐开放生态的NPO 对CPO接受度不高[1][11][12] * **旭创 (Innolight)**：全球硅光模块领先者 布局硅光芯片和电芯片设计 加速积累先进封装技术[17][19][20] 网络架构与技术场景拆分 * 网络架构可从 **Scale Up** 和 **Scale Out** 两个角度进行拆分[1][3] * 进一步细化为设备内部通信、设备到一层网络、一层网络到二层网络等 **6个场景** (3×2矩阵) 以明确不同技术应用[1][3] * **SkyOut** 场景中，CPC技术表现出色，可降低损耗并持续到2030年 大厂正开发 **3.2T** 可插拔模块方案[4][15] * **SkyUp** 场景中，设备内置PCB为主流 L1到L2主要采用光纤连接 **NPU** 或 **OBO** 是可能选择 CPO可用性不足[4][16] 核心光互联技术对比与趋势 (CPC/CPO/NPO) * **CPC (共封装铜线)**：主要用于**设备内部连接**，替代现有PCB(HDI/UBB) 外部仍依赖光模块[1][5][6] * **CPO (共封装光学)**：将电芯片与硅光芯片通过**3D垂直封装**集成 维护性差 面临**封装良率**和**维护成本**难题[1][6][10][11] * **NPO (近封装光学)**：将电芯片与硅光芯片通过**2D水平封装**集成 可实现**可插拔设计**，维护便捷 **生态开放性强**，云服务商更易接受[1][6][11] * 云服务商更青睐开放生态的**NPO**，而英伟达坚持推行**CPO**或因其能带来**更高毛利**[1][12] NPU与CPO的技术与商用对比 * **商用速度**：CPO系统级测试周期长，商用速度慢 NPU采用可脱卸设计，技术更成熟，商用更快，预计**2027年出货**[1][8] * **带宽**：两者差异不大，主要取决于光调制技术[1][9] * **功耗**：以**1.6T**产品为例，CPO约**10瓦**，NPU在**10至15瓦**之间，光模块一般为**20至30瓦** CPO略有优势但不显著[9] * **损耗**：两者均能有效降低损耗 CPO控制在**2-3dB**，带DSP的NPU甚至可以更低[9] * **延时**：两者若无DSP芯片，差别不大[9] * **成本与痛点**：CPO理论成本低，但受制于**封装良率**和**维护成本**高企 现阶段NPO在综合分装良率和维护成本上更具优势[10][11] 市场格局与厂商态度 * **云服务商态度**：普遍对CPO接受度不高 更青睐开放生态的NPO 例如**谷歌明确表示不会使用CPO** 微软、Meta、亚马逊早期有兴趣但现转向支持NPO[12] * **博通转变**：反映市场更倾向拥抱**NPU**而非CPO **ASIC占算力比例每年提升3%至5%**[13][14] * **英伟达挑战**：大规模推进CPO需**台积电足够CoWoS产能**支持，可能影响GPU产能 需向客户证明方案的高度稳定性和可靠性，目前测试数据多来自实验室级别[7] 光模块行业未来发展方向 * **公司定位转型**：光模块公司需从组装公司转型为**综合性系统产品解决方案提供者**，需具备半导体设计、先进封装和系统级产品开发能力[4][19] * **技术发展**：**硅光子技术**快速发展，集成度不断提高(从调制器到集成探测器、波导及AWG) 头部企业已在硅光芯片集成方面领先[4][20] * **竞争格局**：行业竞争将更集中，龙头公司能保持高份额(因技术迭代快，二线公司难跟上研发节奏) 利润率维持高位[4][20] * **未来技术方向**：在长距离传输方面，**相干模块**可能会成为新的技术方向[15] 投资观点与估值 * **当前估值**：光模块企业估值处于非常低的位置，为投资者提供了良好的加仓机会[21] * **估值预测**：预计到**2026年**，公司PE估值约**20倍**左右，到**2027年**可能降至**10倍**左右[21] * **市场误判**：近期市场回调反映了对产业趋势的误判，当前是很好的入场时机[21] * **对CPO的再认识**：CPO技术经历了从被看好到发现问题的过程，其绝对地位受CPC加可插拔和NPO等方案挑战 现阶段再谈CPO产业爆发或替代其他技术已不现实[22]

涉及的行业与公司 * **行业**：光通信行业，具体涉及数据中心内部光互联技术 [1] * **公司**： * **上游供应商**：Marvell、Samtec、ZTE、Global Foundry、Tower Jazz、台积电 [21][47] * **光模块/光引擎厂商**：旭创、新易盛、Coherent、Cloudlet、博创、唐兴盛、讯畅、新胜、天孚科技、上海赛力斯 [1][10][30][31][48] * **下游客户/系统厂商**：谷歌、亚马逊、微软、Meta、阿里巴巴、腾讯、英伟达、Arista [1][14][15][28] 核心观点与论据 1. AOC（有源光缆）市场与应用 * **应用场景**：主要用于机柜内及 scale-out 第一层网络连接，适用于跨机柜连接和机柜到交换机的连接，传输距离可达30-50米 [1][4] * **市场预测**：预计2025年行业总发货量约1,000万只，其中800G产品约300万只，400G产品约500万只 [1][6] * **产品价格**：800G、30米AOC价格在1,000美元以上，400G、10-30米AOC价格在500-600美元之间 [1][7] * **技术形态**：AOC光模块外形尺寸与传统光模块相同，但光纤不可插拔，且仍需配备DSP [3] * **客户差异**：谷歌在长距离传输中使用单模LC替代AEC，而其他客户则普遍采用多模LC进行短距离传输 [1][5] * **技术挑战**：在1.6T速率下，传统多模WCS技术不成熟，200G通道速率会导致传输距离缩短到10米左右，且目前尚无成熟方案实现200G VSCEL量产 [8] 2. LPO（线性驱动可插拔光模块）技术与发展 * **技术特点**：与传统光模块主要区别在于去掉了DSP，BOM可以共享，目前最远可支持500米传输，多基于硅光平台，用于scale-out层次网络连接 [1][11] * **价格对比**：LPO光模块价格大约是DSP模块价格的60% [2][16] * **客户导入与需求**：谷歌正在导入LPO，预计新易盛将在2026年向谷歌提供大量LPO产品 [1][11] 预计谷歌2027年LPO需求量约为200万只，初期主要由旭创供应 [2][13] * **市场前景**：2027年北美市场LPO总量预计三四百万只，2028年预计至少翻一倍，随着谷歌的大批量导入，其他客户如亚马逊、微软和Meta也会跟进 [2][14] * **竞争格局**：旭创与谷歌在LPO方面合作紧密，谷歌第一代LPO方案采用了旭创的技术 [1][12] 市场集中度越来越高，新进玩家机会不多 [20] 3. NPO/NPU（近封装光学/近封装光引擎）技术与方案 * **技术特点**：与传统光引擎差异显著，形态上没有外壳，尺寸更紧凑且功耗更低，不需要集成DSP，通常用于GPU配套 [2][22][23] 既能用于Scale Up，也能用于Scale Out，可以替换现有可插拔光模块，具有功耗低、成本低、系统延时低等优势 [2][29] * **应用与客户**：产品可以直接销售给云厂商，也可以卖给设备商，如英伟达或Arista等公司 [28] 英伟达在开发NPU时依赖供应商资源，由供应商提供定制化解决方案 [49][50] * **规格与方案**：旭创公司的NPO解决方案可以支持1.6T（8×200G通道）和3.2T（16×200G通道）两种规格 [2][37] 目前1.6T 200G解决方案已经非常成熟，不论是采用硅光还是EML技术 [2][39] * **成本测算**：单个NPU管理平台成本中，硅光芯片成本约为20到30美元，driver和TIA加在一起约为40美元，高速interposer（陶瓷材质约十几美元，PCB约两三美元），CW激光器成本约8美元（两个Stabilizer支持八个通道） [43] * **发展预测**：国内头部厂商如讯畅和新胜推进NPL项目较快，预计2027年上半年送样 [2][30] 2027年NPU试验可能会采用1.6T的方案，但要实现大规模放量，可能需要3.2T的方案 [40] 4. 其他光互联方案与对比 * **CPO（共封装光学）**：技术上与NPU同源，难度跨度不大 [27] * **CPU（可插拔光模块）**：主要用于柜外，单模传输距离可达500米 [44] 通常封装在交换机一侧，而NPO则封装在计算机机架这边 [24] * **鲁班系统方案**：前期选择正交背板加铜缆方案，但1.6T的AEC成本较高（内部使用台积电3纳米工艺芯片）且功耗大（每条接近40瓦） [2][35] NPO成本明显低于AEC加正交背板，且性能更优，未来可能成为第二代产品的解决方案 [2][36] * **OIO/OYO/OBO**：OIO和OYO（板载光学）之间没有严格的定义界限 [25] OBO方案目前应用较少，主要因为其可维护性较差 [26] 其他重要内容 1. 供应链与供应商格局 * **芯片供应商**：在Driver芯片方面，主要供应商为Marvell，占据最大份额；在TIA芯片方面，Marvell占据最大份额，我们公司占30%左右，其次是ZTE [21] 1.6T TIA目前只有Marvell一家能用 [21] * **光模块供应商**：北美市场主要供应商为旭创、新易盛，同时Cloudlet和Coherent也占据一定份额 [10] 国内市场博创和唐兴盛在阿里巴巴和腾讯等客户中LC出货量较大，但高速LC主要集中于北美市场 [10] * **硅光芯片供应链**：上游供应商主要有Global Foundry、Tower Jazz和台积电 [47] 国内公司中，旭创已经拥有自己的硅光芯片，新易盛也在进行相关设计，其他公司大多仍处于研究阶段 [48] 2. 技术发展路径与时间线 * **谷歌技术路线**：谷歌计划通过硅光技术实现单模200G LC，预计2027年开始量产，并配备DSP [1][9] * **高速模块量产**：目前800G LPM模块已量产，1.6T LPM模块预计还需两三年才能成熟 [2][17] * **800G持续需求**：2027年高端芯片（如Google V6、V7 TPU和NVIDIA G200、G300）发货量依然很大，这些芯片仍然使用800G光模块进行互联，老一代系统可平滑切换到800G LPO方案 [18][19] * **400G调制器方案**：主要有硅光、薄膜铌酸锂和磷化铟三种方案，未来3-5年的光引擎可能会集中在硅光和薄膜铌酸锂这两个方向，但薄膜铌酸锂产业链仍需进一步发展 [38] * **基板材料**：现有三种主要材质：陶瓷（氮化铝）、低成本PCB和玻璃基板，玻璃基板性能据称与陶瓷基板相当但成本更低，但尚未达到量产水平 [46] 3. 公司动态与竞争力 * **旭创**：与谷歌在LPO方面合作紧密 [12] 与Google在NPO方面合作也进展迅速 [33] 拥有自己的硅光芯片 [48] 研发能力强，能够根据需求快速设计产品 [32] * **新易盛**：预计将在2026年向谷歌提供大量LPO产品 [11] 主要集中在英伟达项目中 [33] 也在进行硅光芯片设计 [48] * **天孚科技**：作为代工厂，自身缺乏自研能力，产品由NV设计后进行生产 [31] * **光彩星辰**：与英伟达没有直接合作 [45]

文章核心观点 - 文章核心观点是探讨并质疑“AI发展是推动白银价格飙升主要原因”的流行叙事，认为该逻辑链条存在多处漏洞，AI对白银的实际需求影响有限，并非银价上涨的主要驱动力，并指出此类“AI吞噬自然资源”的叙事常被用于金融炒作或政治话语中 [5][9][12][17][20] AI消耗白银的流行叙事 - 流行观点认为AI及算力基础设施建设是白银需求增长的核心支柱之一，与太阳能光伏、电动汽车并列，打破了白银的供需平衡 [5][6] - AI消耗白银主要在两个环节：一是半导体芯片封装中需使用高性能白银；二是AI服务器与数据中心在网络、散热模块中广泛使用白银，因其导电、导热及耐腐蚀性优异 [7] - 具体数据：英伟达H100服务器含有1.2公斤白银，远超传统服务器约0.5公斤的用量 [7] - 全球数据中心建设自2000年以来提速11倍，未来AI相关数据中心（如美国“星际之门”、中国“新基建”）将持续投入，推断AI用银量将放大，而白银开采量稳定，从而拉大供需缺口 [8] 对“AI推高银价”叙事的质疑 - **需求占比有限**：根据世界白银协会数据，2025年AI相关白银需求增长30%，全年用量超1000吨，但这仅占全球白银总需求的3%—6%，份额有限，难以证明AI是主要推手 [10] - **可替代性强**：在AI服务器、中低端芯片等场景中，成本更低的铜正在替代白银；此外，数据中心短距传输中，光模块技术成熟正替代银缆，白银仅在高端封装、特种散热等有限场景具有长期不可替代性 [10][11] - **逻辑前提脆弱**：该叙事需建立在AI算力设施持续扩张、白银不可替代、且与光伏/新能源车共同发力等多个推断上，但这些前提均存在被推翻的可能（如算力需求可能趋稳、替代方案多） [11][12] “AI吞噬自然资源”的叙事模式 - “AI吞噬自然资源”是一个陈旧故事的多个分支，包括：AI争电（如预测2035年数据中心耗电占全美8.6%）、AI耗水（如ChatGPT耗水数万吨，预测2027年全球AI用水或超英国年用水量一半）、AI吞噬贵金属（如银、铜、钛）、AI制造电子垃圾 [15] - 文章指出此类叙事常忽略复杂性，例如AI等数字化系统用电量仅占全球约2%，却贡献了全球GDP的45%—58%，且AI在诸多领域（如智能工厂、交通）能节省大量资源，其自身能耗也通过技术优化不断降低 [16] - 这类叙事常被用于两个目的：一是炒高贵金属、能源等金融产品的价格，为其赋予“AI时代”的新价值故事；二是在政治话语中，为技术贴上“资源消耗”的标签，可能成为一种双标工具 [17] 对白银价格上涨动因的看法 - 文章认为，白银涨价的主要推动力来自地缘政治与全球普遍进入低利率时代，AI发展仅是众多因素中的一个，难以称为主要原因 [20] - 白银和AI在此局面上都更像是“配菜”，核心叙事可能存在过度简化和想当然的合理化倾向 [20]