文章核心观点 - Barclays筛选出能够从持续增长的AI算力需求及相关基础设施建设中受益的半导体企业 其分析重点考量了市场地位、技术壁垒及行业成长机遇 [2] 公司分析与推荐 Nvidia (NVDA) - Barclays将NVDA列为半导体板块首选 认为该公司是全球规模最大的AI企业 凭借在AI开发各环节的主导地位及基于CUDA构建的深厚护城河 牢牢占据行业龙头地位 [2] - 公司目前工作重心转向供应链管理 同时持续投入生态系统建设 并积极布局下一代技术转型 预计将在这一进程中继续引领行业方向 [2] - 公司已与IREN Limited达成战略合作共同部署AI基础设施 同时还与其他芯片制造商携手开发面向AI训练集群的新协议 [2] 博通 (AVGO) - Barclays将AVGO列为第二推荐 重点强调其在AI基础设施领域多元化的客户结构 据博通预计 Anthropic将贡献3吉瓦算力需求 OpenAI将带来超过1吉瓦需求 Alphabet占据其余需求大部分 Meta及另外两家客户合计占据少数份额 [3] - 凭借六大客户群体以及覆盖ASIC芯片与网络设备的成熟产品组合 AVGO是投资者寻求分散Nvidia生态系统风险的重要替代选择 [4] - 公司近期发布了专为生产级AI工作负载设计的基础设施平台VMware Cloud Foundation 9.1 并同步推出了三款面向家用宽带网关的新型Wi-Fi 8芯片 [4] Credo Technology (CRDO) - Barclays将CRDO列为板块第三推荐 认为该公司凭借在AEC市场的领先份额 在电气互连领域具备良好的竞争优势 同时随着ZF Optics产品线的持续放量 其业务覆盖范围也在不断扩大 [4] - 公司集团近日宣布已签署最终协议 收购硅光子技术开发商DustPhotonics 消息公布后 Jefferies和瑞穗证券均上调了对该公司的目标价 Rothschild Redburn也启动覆盖并给予“买入”评级 [4] Macom Technology Solutions (MTSI) - Barclays将MTSI列为第四推荐 指出该公司在多个成长赛道均有布局 AI数据中心、卫星通信以及国防领域均是半导体行业的长期结构性增长主题 而MTSI在上述三大领域均有实质性敞口 [5] - 在数据中心方面 光学连接对速度和信号整形的要求日益提升 MTSI的模拟产品能够有效净化信号 从而满足这一需求 [5] - 公司公布的第二季度财务业绩超出市场预期 当季营收达到2.89亿美元 调整后每股收益为1.09美元 [6]

文章核心观点 博通公司发布VMware Cloud Foundation 9.1平台，旨在为企业部署生产级AI工作负载提供一个安全、经济高效且开放的私有云基础设施解决方案，该平台通过智能软件优化、统一架构和开放的硬件生态系统，帮助企业应对成本、安全和数据主权等关键挑战[1][3] 市场趋势与需求 - 私有云成为生产AI推理的首选平台，超过一半的组织（56%）正在运行或计划在私有云中运行生产推理[2] - 用于生产推理的公有云使用率为41%，同比下降15%[2] - 62%的IT领导者对生成式AI基础设施成本表示非常或极度担忧，36%的受访者报告AI正在推动对数据保护、隐私、安全控制和风险管理的新需求[2] VCF 9.1平台核心价值主张 - 提供一个安全且经济高效的基础设施平台，用于部署推理和智能体AI应用，成本显著降低，安全性增强，并拥有选择最佳GPU和CPU硬件的自由[1] - 作为单一统一平台，解决数据与IP隐私担忧、基础设施成本飙升以及应对智能体AI世界的准备就绪这三大关键挑战[3] - 通过智能软件最大化现有服务器的基础设施效率，同时提供对生产AI部署至关重要的架构控制和法规遵从能力[3] 高效基础设施与规模扩展 - 通过智能内存分层，在运行混合AI和非AI工作负载的集群中，服务器成本降低高达40%[5] - 通过对AI数据管道的增强压缩和重复数据删除，存储总拥有成本降低高达39%[5] - 大规模运行AI工作负载的Kubernetes运营成本降低高达46%[5] - 集群升级速度提升4倍，机群容量提升2倍，以快速扩展AI基础设施[5] - 智能资源优化通过先进内存分层和面向AI数据管道的下一代存储压缩，最大化基础设施利用率，实现更高的AI工作负载密度[6] - 自动化大规模机群运营将管理容量翻倍至5000台主机，并在分布式和隔离环境中实现4倍更快的集群升级[6] 开放生态系统与硬件支持 - 提供跨AMD和NVIDIA的多加速器GPU选择，支持领先的AMD和Intel CPU平台[6] - 通过基于标准的EVPN和VXLAN与Arista通用云网络实现互操作性，提供生产AI所需的高性能连接和计算灵活性[6] - 通过支持NVIDIA ConnectX-7网卡和带有增强型DirectPath I/O的NVIDIA BlueField-3，为AI工作负载提供高速网络[10] 高速度应用交付与统一平台 - 提供一个统一平台，在单一基础设施层上运行推理工作负载、智能体应用、容器化服务和传统虚拟机，加速AI应用部署[7] - 混合计算管理在统一平台上高效处理CPU密集的智能体AI工作流和GPU加速的推理，应对智能体工作流执行和决策编排对CPU需求显著高于GPU的现实[11] - Kubernetes规模和性能带来2.6倍的集群规模提升，部署速度加快70%，升级窗口缩短75%[11] 零信任架构与安全治理 - 在基础设施层集成安全，保护从虚拟机管理程序到应用的AI工作负载、专有模型和训练数据[8] - 提供零信任分段、主权恢复和无需附加工具的持续补丁，强化生产AI部署所需的安全态势[8] - 零信任横向安全首次将分布式入侵检测/防御系统保护扩展至Kubernetes AI工作负载，为分布式推理提供9 Tbps威胁检测性能[12] - 提供隔离的恢复环境和集成的验证工具（包括新的CrowdStrike Falcon®终端安全支持），保护AI模型和训练数据这一重要知识产权[12] 成本优化与运营效率 - 通过VMware Avi负载均衡器和VMware vDefend实现虚拟化负载均衡与安全，消除AI推理端点和智能体应用对硬件设备的需求，降低资本支出[10] - AI可观测性与治理提供跨多种加速器类型的首次令牌时间、令牌吞吐量和GPU利用率等详细指标，通过精确的硬件利用率监控最大化基础设施投资回报率[11] - 实时应用堆栈蓝图将多虚拟机应用捕获为可重用模板，用于快速环境部署，消除手动配置错误[11] - 零停机实时补丁支持高达80%的用例，无需主机清空或维护窗口，消除对需要持续可用性的生产AI推理服务和智能体应用的中断[12] 客户与合作伙伴评价 - 客户表示，在公有云中分析多年的新闻档案成本高昂且定价不可预测，而部署VCF私有AI服务能提供隐私、安全以及本地私有云基础设施带来的成本可预测性[9][13] - 合作伙伴AMD指出，其企业AI解决方案与VCF 9.1结合，可实现可扩展、经济高效的AI工作负载，帮助客户部署具备生产环境所需性能、安全和数据主权的推理和智能体AI[13] - 合作伙伴NVIDIA表示，与博通的合作将NVIDIA Blackwell架构（包括配备BlueField-3和NVIDIA Blackwell HGX平台的RTX Pro服务器）以及高速DirectPath I/O引入VCF，使组织能够部署性能媲美公有云但完全掌控其模型和数据的私有AI[13] - 合作伙伴Arista Networks强调，其通用云网络与VCF 9.1之间的EVPN和VXLAN互操作性提供了生产AI所需的开放性和性能，通过基于标准的直接ESX到结构连接，企业可以构建可扩展的AI基础设施网络架构，同时降低资本和运营成本[13]