**行业与公司** 行业聚焦于云计算半导体 特别是大中华区及亚太市场 公司重点提及Aspeed Technology（5274 TW）并覆盖Oracle、Meta、Google、Amazon、Microsoft等云服务提供商（CSP）[1][3][6][11] **核心观点与论据** * **二级云服务提供商资本支出超预期增长** Oracle F1Q资本支出达85亿美元 虽环比下降6%但同比激增269% 且将2026财年资本支出预期上调约100亿美元至350亿美元 因与OpenAI、xAI、Meta、NVIDIA、AMD等签署重大云合同[3] * **云计算AI需求短期保持强劲** 美国7月数据中心支出同比增长30%达36亿美元 台湾8月处理器出口虽环比下降6%但同比飙升104% 非美市场对Blackwell尤其是B300需求持续强劲[4] * **通用服务器需求出现上行惊喜** Aspeed的BMC（基板管理控制器）受BT基板供应限制 但预计通用服务器BMC年增长率将达15-20% 需求自第二季度起显着增长 由CSP存储服务器增量订单及NAND复苏驱动[5] * **整体云半导体资本支出前景乐观** 顶级11家云提供商2025年资本支出预计达4450亿美元 较此前预测的4000亿美元上调 同比增长56% 资本强度（资本支出占收入比）预计在2026年超过20%[24][26][29] **其他重要内容** * **供应链与市场动态** 亚洲半导体团队观察到Oracle资本支出与供应链情况一致 近期机架需求未出现变化 非美市场持续向B300迁移[10] * **数据支持** 美国数据中心建设支出同比增长36% 而其他办公支出下降 处理器出口连续16个月同比增长[19][20] * **公司特定观点** 对Aspeed维持增持（Overweight）评级 认为其当前收入受供应限制 但2026年有望增长 市场份额可能在AST2700系列扩张 AST2750和IoT扩展器获得更多关注[6] **风险因素** 上行风险包括云需求强于预期、规格迁移快于预期、竞争温和 下行风险包括云需求软化、规格迁移慢于预期、竞争加剧及中国政策收紧[35]

产品发布与性能 - 英伟达发布新一代Rubin CPX GPU 专为海量上下文AI处理设计 支持百万级token推理 于2025年9月9日推出[5] - 单卡算力达30 PFLOPS（NVFP4精度） 配备128GB GDDR7显存 硬件编解码引擎使长序列注意力加速提升3倍 单卡可在1秒内完成百万token级推理[2][5] - 采用分工策略：Rubin CPX（GDDR）负责预填充（prefill）阶段 Rubin HBM GPU负责解码（decode）阶段 优化算力与内存带宽利用率[9][10][12] 架构创新与成本优势 - 核心创新为用GDDR7替代HBM 内存成本降低5倍/GB 同时省去NVLink接口 每GPU节省约8000美元[12] - 芯片成本仅为R200的1/4 但提供80%算力 整机TCO在预填充场景下从每小时0.6美元降至0.06美元 降幅达90%[12][13] - 通过专用芯片分工（prefill与decode分离）实现算力极致优化 后续可能推出解码专用芯片进一步降低成本[16] 系统性能与对比优势 - 搭载Rubin CPX的Vera Rubin机架处理大上下文窗口性能比GB300 NVL72高6.5倍 提供8EFLOPS（NVFP4精度）算力 100TB内存及1.7PB/s带宽[14][20] - 机柜集成144个Rubin CPX GPU、144个Rubin GPU及36个Vera CPU 采用Oberon方案 每个compute tray含8个CPX芯片及8个CX-9网卡[20] - 对比竞争对手：AMD MI300机架带宽20.5TB/s但需追赶到2027年 谷歌TPU缺预填充专用芯片 AWS Trainium受限于EFA网卡需外挂机架 其他厂商自研芯片需18个月流片[20] 产业链影响：PCB与光模块 - PCB需求新增：CPX芯片需专用PCB（预计HDI方案） Rubin模组与CPX间采用44层正交中板替代线缆 材料可能升级为M9+二代布+四代铜[24][27][28] - 英伟达单GPU PCB价值量从GB200的400美元提升至VR200的900美元 预计2025-2027年PCB总市场规模达131/289/707亿元人民币[29] - 光模块配置提升：每个compute tray配8个CX-9网卡（推测1.6T端口） Rubin NVL144光模块配比较GB300翻倍 因单die带宽提升至800G[30][32][37] - 2026年全球1.6T光模块需求上调至1500万只 2027年预计达4000-5000万只 推理步骤解耦推动单托盘GPU数量增加 进一步带动光模块需求[35][36][37] 电源与散热升级 - 整机功耗从180-200kW提升至350kW 推动供电架构向直流化/高压化演进：800V HVDC替代传统UPS 二次侧电源升级至800V-50V[39][40] - 液冷与电源需求增长 国内供应商如中恒电气（HVDC龙头）、科士达（北美代工）、盛弘股份（模块开发）等积极布局海外市场[41][42][43] 技术规格与路线图 - Rubin CPX采用N3P制程 单芯片功耗800W（带内存880W） 无NVLink 仅支持PCIe Gen6接口[12][17] - 对比路线图：Rubin CPX算力20PFLOPS（稠密） 内存带宽2TB/s 而R200带宽20.5TB/s Rubin Ultra内存带宽达53TB/s（2027年）[7][12][17]

行业趋势 - 全球ASIC芯片市场规模2024年达120亿美元 预计2027年突破300亿美元 年复合增长率34% [1] - ASIC芯片从配角转变为主角 成为AI算力需求指数级增长下的重要技术路线 [1] - 各大互联网巨头加码ASIC芯片 云计算厂商集体青睐ASIC方案 [2] 技术优势 - AWS Trainium2在同等预算下推理速度比英伟达H100更快 性价比提升30%-40% [3] - 谷歌TPU Ironwood支持10MW级液冷机柜 FP8算力超越英伟达B200芯片 [3] - Meta的MTIA系列ASIC采用170kW高功率液冷机架 专为短视频推荐算法优化 [3] - ASIC在算力密度方面 TOPS/W比英伟达H100高40% [3] - 谷歌TPUv4的三年总拥有成本比GPU低55% 主要节省在电力和散热 [3] - 针对Transformer架构优化的ASIC 在自然语言处理任务中延迟比GPU低30% [3] 技术演进 - ASIC设计周期从18-24个月压缩至6-12个月 成本降低60%以上 [4] - 博通采用模块化ASIC架构 可根据客户需求组合不同计算单元 [4] - 寒武纪思元590芯片采用Chiplet技术实现算力灵活扩展 AI推理成本降低45% [5] 市场竞争格局 - 博通三季度AI芯片营收同比暴涨63% 获得价值100亿美元定制AI芯片订单 [3][4] - 博通XPU在数据中心互联场景占据60%份额 [6] - 2024年云厂商自研ASIC占其算力采购量的25% [6] - 芯原股份ASIC定制服务收入从2022年8亿元增至2024年25亿元 年复合增长率超70% [6] 产业链机会 制造端 - 北方华创刻蚀机用于ASIC生产 中微公司薄膜沉积设备进入ASIC产线 [7] - 中芯国际14nm FinFET工艺支撑国内50%以上ASIC量产需求 [7] - 长电科技2.5D封装技术使ASIC互联带宽提升3倍 通富微电提供Chiplet封装服务 [7] 配套端 - 液冷系统在ASIC服务器中成本占比达15%-20% 是普通服务器的3倍 [8] - 英维克提供浸没式液冷方案 单机柜液冷价值量是风冷的5倍 [8] - 高澜股份冷板式液冷产品进入博通供应链 2024年相关收入增长翻倍 [8] - 太辰光为博通XPU提供MPO连接器 每机柜光模块需求从16个增至48个 [8] - 中际旭创光模块在ASIC集群中渗透率行业领先 [8] 投资逻辑 - 看订单能见度 优先选择有长期大客户的厂商 [9] - 看技术壁垒 关注拥有自主IP核和快速设计能力的公司 [9] - 看配套弹性 液冷和光互联环节能获得更高业绩增长 [9]

ASIC芯片行业崛起 - 2024年全球ASIC芯片市场规模达120亿美元 预计2027年突破300亿美元 年复合增长率34% [1] - ASIC芯片从"配角"变为"主角" 成为科技投资不可忽视的新势力 [1] 技术优势与性能表现 - AWS Trainium2在同等预算下推理速度比英伟达H100更快 性价比提升30%-40% [3] - 谷歌TPUv4三年总拥有成本比GPU低55% 主要节省电力和散热成本 [3] - 针对Transformer架构优化的ASIC在自然语言处理任务中延迟比GPU低30% [3] 行业巨头布局与订单 - 博通三季度AI芯片营收同比暴涨63% 从第四家大客户获100亿美元定制AI芯片订单 [3] - 2024年云厂商自研ASIC占算力采购量的25% [6] - 博通XPU在数据中心互联场景占据60%份额 [6] 技术突破与成本优化 - ASIC开发周期从18-24个月压缩至6-12个月 成本降低60%以上 [4] - 博通采用模块化ASIC架构 最新100亿美元订单从谈判到落地仅用9个月 [4] - 寒武纪思元590芯片采用Chiplet技术 使某电信运营商AI推理成本降低45% [4] 产业链投资机会 设计端 - IDM巨头博通订单确定性高 100亿美元订单将在未来2-3年持续贡献业绩 [6] - 专业设计公司弹性更大 芯原股份ASIC定制服务收入从2022年8亿元增至2024年25亿元 年复合增长率超70% [6] 制造端 - 中芯国际14nm FinFET工艺支撑国内50%以上ASIC量产需求 [7] - 长电科技2.5D封装技术使ASIC互联带宽提升3倍 [7] 配套端 - 液冷系统在ASIC服务器中成本占比达15%-20% 是普通服务器的3倍 [8] - 单ASIC芯片功耗达700W 催生液冷和光互联需求 [8] - 每机柜光模块需求从16个增至48个 [8] - 英维克浸没式液冷方案单机柜价值量是风冷的5倍 [8] - 高澜股份冷板式液冷产品进入博通供应链 2024年相关收入增长翻倍 [8] 投资逻辑框架 - 看订单能见度 优先选择有长期大客户的厂商 [9] - 看技术壁垒 关注拥有自主IP核和快速设计能力的公司 [9] - 看配套弹性 液冷和光互联环节能获得更高业绩增长 [9]

**行业与公司** * 纪要涉及亚马逊 AWS 云计算业务及其与人工智能公司 Anthropic 的合作关系[1][5][9] * 核心讨论围绕 AWS 在生成式 AI 时代的竞争态势、Trainium 芯片战略及数据中心扩张计划[5][9][15] **核心观点与论据** * AWS 当前面临云危机 其在 GPU/XPU 云时代转型中落后于微软 Azure 和谷歌云 市场份额被侵蚀[5][6][7] * 亚马逊通过投资 Anthropic（累计投资额达 40 亿美元）锁定核心客户 Anthropic 2025 年收入增长五倍至年化 50 亿美元 成为 AWS 复兴的关键驱动力[12][40][41] * AWS 正以史上最快速度建设数据中心 当前为 Anthropic 建设的超千兆瓦级容量（超 1.5GW）已进入竣工阶段 预计 2025 年底推动 AWS 增速突破 20%[15][52][55] * Trainium2 芯片在绝对性能上落后英伟达（FP16 算力仅为英伟达 GB200 的 1/3.85 内存带宽为 1/2.75）但其单位 TCO 内存带宽优势完美契合 Anthropic 的强化学习路线图[21][72][77] * Anthropic 深度参与 Trainium 设计决策 本质上将亚马逊 Annapurna Labs 作为定制芯片合作伙伴 使其成为继谷歌 DeepMind 后唯一受益于软硬件协同设计的 AI 实验室[21][22][86] **其他重要内容** * AWS 的定制网络架构 EFA 在性能和使用体验上仍落后于英伟达 InfiniBand 及 RoCEv2 方案 影响其多租户 GPU 集群竞争力[32] * Anthropic 大部分推理支出仍流向谷歌云（因其 TPU 的推理优势）且其云支出规模仅为 OpenAI 的一半 制约 AWS 短期收益[45][47][50] * AWS 的 Bedrock 平台面临严重速率限制问题（新账户仅 2 RPM vs 宣传的 50 RPM）影响生产环境部署 导致客户流失[139][140][141] * Trainium 供应链信号强劲 但 2027 年产能规划可能超出 Anthropic 需求 存在重复 Trainium1 和 Inferentia2 找不到外部客户的风险[66][125][126] * 亚马逊通过选择 Marvell/Achip 而非博通作为芯片设计伙伴 并直接采购 HBM 以降低系统成本 贯彻成本差异化战略[129][130][131] **数据与单位换算** * Anthropic 年化收入从 10 亿美元增至 50 亿美元（增长五倍）[12][41] * AWS 为 Anthropic 建设的数据中心 T 容量超 1.5GW[52] * 英伟达 GB200 芯片 FP16 算力 2500 TFLOP/s Trainium2 为 657 TFLOP/s（差距 3.85 倍）[72] * 英伟达 GB200 NVL72 内存带宽 57TB/s Trainium2 为 18TB/s（差距 3.1 倍）[74] * 亚马逊对 Anthropic 投资额：初始 12.5 亿美元（可扩至 40 亿美元）后续追加 40 亿美元[40]

亚马逊AI战略进展 - 亚马逊与韩国AI初创公司Upstage建立合作伙伴关系 以AWS作为首选云提供商 训练和扩展其大语言模型Solar 加强在韩国AI创新中心的地位 [1] - AWS提供SageMaker、Trainium和Inferentia芯片等专用工具 降低AI开发成本并提高效率 Upstage合作成为这些技术的高调案例研究 [2] - 合作针对受监管行业和公共机构 AWS合规能力提供竞争优势和长期增长机会 [2] - 对Upstage进行少数股权投资 表明对韩国AI生态系统的信心 并确保激励一致 [3] - 联合进入市场战略 预计将扩大AWS在亚太地区的管道并增强其全球AI可信度 [3] - 结合Upstage本地专业知识与AWS全球规模 定位捕获高价值工作负载并在亚太竞争激烈的AI市场确保领导地位 [4] AWS财务表现 - AWS在2025年第二季度云收入实现两位数增长(175%) 受AI服务需求激增支撑 [3] 竞争对手动态 - 微软通过企业解决方案与AI基础设施无缝集成 强化在云AI竞赛中的领导地位 2025财年第四季度Azure同比增长39% 年收入超过750亿美元 [5] - 微软在东南亚建设马来西亚超大规模云区域 三个数据中心计划于2025年中期启动 加强亚太足迹并与亚马逊竞争 [5] - Alphabet加速云和AI发展 2025年第二季度谷歌云同比增长32% 由Gemini模型和定制芯片驱动 [6] - Alphabet的AI生态系统涵盖Gemini的4.5亿用户和AI Mode的1亿用户 对初创企业和开发者具有强大吸引力 [6] - 谷歌在马来西亚投资20亿美元建立首个数据中心和谷歌云中心 与区域数字化转型和AI采用目标一致 [6] 股价表现与估值 - 亚马逊年初至今股价上涨4% 表现低于Zacks互联网-商业行业增长(13%)和零售-批发行业增长(88%) [7] - 亚马逊股票估值偏高 远期12个月市销率为323倍 高于行业229倍 价值评级为D [10] - Zacks共识估计亚马逊2025年每股收益为670美元 过去30天上涨58% 较去年同期增长2116% [12] - 当前季度(9/2025)每股收益估计为156美元 下一季度(12/2025)为187美元 当前年度(12/2025)为670美元 下一年度(12/2026)为756美元 [13]

行业观点分歧 - 英伟达CEO黄仁勋认为全球90%的ASIC项目会失败 强调ASIC缺乏灵活性与扩展性 难以应对AI快速迭代 [2][3] - 市场认为ASIC迅猛发展对英伟达构成威胁 云巨头助推下AI算力市场迎来新临界点 [4][5] 市场份额与出货量 - 当前英伟达GPU占AI服务器市场80%以上 ASIC仅占8%-11% [6] - 2025年谷歌TPU出货量预计150-200万台 AWS Trainium2约140-150万台 英伟达AI GPU供应量500-600万台 [6] - 谷歌和AWS的AI TPU/ASIC总出货量已达英伟达AI GPU出货量的40%-60% [7] - 预计2026年ASIC总出货量将超越英伟达GPU Meta和微软分别于2026/2027年大规模部署自研ASIC [7] ASIC技术优势 - ASIC在AI推理场景具碾压性优势：谷歌TPU v5e能效比是英伟达H100的3倍 AWS Trainium2推理性价比高30%-40% [18] - 谷歌TPUv5和亚马逊Trainium2单位算力成本仅为英伟达H100的70%和60% [18] - 大模型推理芯片需求是训练集群10倍以上 ASIC定制化设计可降低单芯片成本 [18] - 2023年AI推理芯片市场规模158亿美元 预计2030年达906亿美元 复合年增长率22.6% [18] 训练市场格局 - 英伟达占据AI训练市场90%以上份额 Blackwell架构支持1.8万亿参数模型 NVLink6实现72卡集群互联 [19] - CUDA生态壁垒难以撼动：90%以上AI框架原生支持CUDA 用户迁移成本极高 [19] 头部企业ASIC布局 - 谷歌TPU从"名不见经传"发展为具备与英伟达GPU较量实力 [10] - Meta2023/2024年推出MTIA V1/V2芯片 计划2026年推出搭载HBM的MTIA V3扩展至训练与推理任务 [23] - AWS布局推理芯片Inferentia和训练芯片Trainium Trainium3性能较上一代提升2倍 能效提升40% [24] - 微软发布首款自研AI芯片Azure Maia 100（1050亿晶体管）和Azure Cobalt 采用5nm制程 [25] - 华为昇腾910B和寒武纪思元590代表国内ASIC芯片技术突破 [26][27] ASIC芯片供应商 - 博通以55%-60%份额位居ASIC市场第一 定制AI芯片销售额占AI半导体收入70%达308亿美元 [28] - 博通与谷歌/Meta/字节跳动合作 新增OpenAI/苹果客户 正与Meta推进第三代MTIA芯片研发 [28] - Marvell以13%-15%份额位列第二 数据中心业务占比75% ASIC收入主要来自AWS Trainium2和谷歌Axion处理器 [29] - Marvell与亚马逊合作的Inferential ASIC项目2025年量产 与微软合作的Maia项目预计2026年推进 [29]

美股做空策略与市场观点 - 投资者全仓做空Palantir和英伟达 Palantir市值4500亿美元 英伟达市值4.5万亿美元 空头仓位分别盈利20%和5% [1] - 认为美股AI泡沫将崩盘 并预期美联储降息将引发美股恐慌性抛压 [1] - 中国资产表现强势 上证指数在隔夜美股崩盘背景下逆势上涨 [1] 港股市场表现与公司业绩 - 泡泡玛特股价涨近9% 上半年收入138.76亿元人民币 同比增长204.4% 净利润大增近400% [2][5] - 老铺黄金股价涨近9% 业绩远超市场预期 [2] - 舜宇光学科技业绩远超预期 iPhone 17进入量产阶段 苹果供应链行情持续 [2] - 华虹半导体和中芯国际等芯片股上涨 华为Pura 80全系显示麒麟芯片型号引发市场关注 [2] - 港交所上半年收入及其他收益140.76亿港元 同比增长33% 股东应占溢利85.19亿港元 同比增长39% [2] 泡泡玛特业务细节 - 毛绒产品收入同比增长1276.2% 占总收入44.2% THE MONSTERS系列收入48.1亿元 占比34.7% [5] - 毛利率从64.0%提升至70.3% 受益海外业务占比提升和产品结构优化 [6] - 销售费用31.9亿元 同比增长135.9% 运输物流费用从1.0亿元增至6.8亿元 增长546.7% [6] - 海外业务收入55.9亿元 占比40.3% 美洲市场收入从1.8亿元飙升至22.6亿元 增长超11倍 [6] - 美洲零售店从10家增至41家 亚太市场零售店从39家增至69家 [6] 半导体行业动态 - Arm Holdings招募亚马逊AI芯片主管Rami Sinno 推进自主研发完整芯片系统 [3] - Arm投资芯片及芯粒研发 扩充芯片设计团队 招募惠普前系统设计主管Nicolas Dube和英特尔/高通背景工程师Steve Halter [3] - Arm架构驱动全球智能手机芯片 数据中心市场渗透率持续上升 成为英伟达和AMD的挑战者 [4] 美股与宏观经济展望 - 高盛认为美股面临衰退与降息的拉锯战 未来两个月为决定性观察期 [7] - 美国就业市场疲软信号明确 经济失速风险累积 市场预期美联储9月降息可能性很高 [7] - 短期美债收益率有下行空间 2年期与5年期美债收益率曲线可能进一步陡峭化 [7]

百度搜索开放平台 - 百度搜索开放平台正式接入荷兰国立博物馆、携程门票、同程机票和火车票MCP [1] - 百度搜索开放平台—MCP广场已收录超2.2万MCP server，涵盖效率工具、天气地理位置、内容生成等功能分类 [1] - 该平台是全国最大、收录最全的MCP搜索开放平台 [1] 小红书AIGC团队 - 小红书AIGC团队发布可控人脸生成新算法DynamicFace [2] - DynamicFace针对图像及视频领域的人脸融合任务实现高质量与高度一致性的置换效果 [2] Arm芯片研发动态 - Arm Holdings聘请亚马逊AI芯片专家Rami Sinno参与其自主完整芯片开发计划 [3] - Rami Sinno此前负责亚马逊自研AI芯片Trainium和Inferentia的研发，这两款芯片专门用于构建和运行大型AI应用程序 [3]

软银对英特尔投资与Arm自主芯片研发 - 软银集团对英特尔投资20亿美元 为Arm控股公司自主芯片研发提供支持并可能带来额外晶圆代工产能[1] - 软银持有Arm公司87%股份 投资后成为英特尔第六大股东持股比例约2%[1] - Arm已聘请亚马逊AI芯片业务负责人拉米·辛诺加盟 加速推进自主完整芯片研发计划[1] Arm公司技术合作与人才布局 - 英特尔代工服务与Arm在2023年达成合作 利用英特尔18A工艺打造低功耗系统级芯片 初期聚焦移动设备 后续拓展至汽车 物联网和数据中心[1] - Arm首席执行官雷内·哈斯透露公司加大研发投入 正在评估自主造芯可行性[2] - Arm延揽两位行业资深人士：前慧与科技高管尼古拉斯·杜贝和曾在英特尔和高通任职的芯片工程师史蒂夫·霍尔特[2] 软银人工智能产业链布局 - 软银持续扩大人工智能全产业链布局 过去一年间收购英国AI芯片制造商Graphcore和硅设计公司Ampere[2] - 软银已成为OpenAI的重要投资方[2]