纪要涉及的行业和公司 - 行业：AI、半导体、光模块、PCB - 公司：谷歌、Meta、OpenAI、Oracle、英伟达、AMD、芬尼萨 纪要提到的核心观点和论据 - AI 产业链从训练转向推理：1.0 阶段聚焦 AI 训练，以通用 GPU 为主导，市场对模型训练持续性存疑；2.0 阶段转向 AI 推理，算力卡从 GPGPU 转向云商自研 ASIC，推理业务可实现商业正循环 [3] - 北美主要科技公司加大 AI 推理投入：谷歌 2025 年 Q2 资本支出达 224 亿美元，同比增长近 70%；Meta 规划激进数据中心建设；OpenAI 与 Oracle 合作新增 4.5GW 数据中心容量 [1][5] - ASIC 在 AI 产业链地位提升：2026 年 ASIC 的 Flops 占比将从 2025 年的 13%增至 18%，CAPEX 占比从 6%增至 8%，成为云商实现商业正循环的关键工具 [1][6] - 未来推理算力依赖 ASIC：博通预测 2027/28 年或 2030 年 ASIC 市场占比将超 GPU，半导体市场规模预计达 600 - 900 亿美元 [1][7] - ASIC 与 GPU 成本差异大：ASIC 单位 Flops 投入成本仅为 GPU 的 1/2 到 1/3，光模块和 PCB 价值量约为 GPU 的 4 倍，整体成本差异接近 9 倍 [1][9] - AI 集群网络侧发展趋势：AI 集群规模扩大，对训练和推理性能要求提高，未来 AI 集群会维持较高带宽水平及较大配比差距，网络侧占比将显著提升 [10][11] - 光模块及 PCB 板块优势显著：中国光模块厂商价格有竞争优势，毛利率 40% - 50%，净利率 30% - 40%；光模块和 PCB 板块在未来 KPI 比例中占比将急剧增加，有望实现超额增速 [1][13] - 看好未来 AI 行业特别是光模块行业：云服务提供商提升资本支出，供应商上修 EPS，龙头公司估值较低，预计挑战 20 倍，GPT - 5 等关键模型发布将产生强劲拉动作用 [2][14] 其他重要但可能被忽略的内容 - AI 训练阶段市场问题：2023 年下半年至 2025 年期间，多次出现股价回撤，反映市场对预训练模型天花板以及训练所需算力不足等问题的担忧，且训练无直接收入和利润，被认为不可持续 [3] - ASIC 协同方式：单个 ASIC 卡性能较弱，需通过高速带宽连接多个 ASIC 卡实现高效协同以与单张 GPU 卡竞争 [7][8] - 光模块市场格局：光模块市场一线与二线公司良品率有差距，整体产能非瓶颈，核心瓶颈在于上游物料，被头部公司掌握，二线公司难获足够低成本物料供应 [13]