财务数据和关键指标变化 - 2026财年第一季度总收入达到创纪录的193亿美元，同比增长29%，超出指引 [5] - 第一季度调整后EBITDA达到创纪录的131亿美元，占收入的68%，高于67%的指引 [5][14] - 第一季度毛利率为77%，营业利润为128亿美元，同比增长31%，营业利润率为66.4%，同比提升50个基点 [14] - 第一季度自由现金流为80亿美元，占收入的41%，资本支出为2.5亿美元 [16] - 第一季度末库存为30亿美元，库存天数为68天，高于第四季度的58天，为加速的AI半导体增长做准备 [16] - 第一季度向股东支付了31亿美元的现金股息，并以78亿美元回购了约2300万股普通股，总计向股东返还109亿美元 [16] - 董事会已授权额外100亿美元用于股票回购计划，有效期至2026年底 [17] - 第二季度收入指引约为220亿美元，同比增长47%，调整后EBITDA利润率指引约为68%，毛利率指引为77% [13][17][18] - 第二季度非GAAP稀释后股数预计约为49.4亿股，非GAAP税率预计约为16.5% [17][18] 各条业务线数据和关键指标变化 - 半导体业务：第一季度收入创纪录，达125亿美元，同比增长52%，占总收入的65% [6][14] - AI半导体收入为84亿美元，同比增长106% [6] - 定制加速器业务同比增长140% [6] - 非AI半导体收入为41亿美元，同比持平 [10] - 半导体业务毛利率约为68%，同比提升30个基点，营业利润率为60%，同比提升260个基点 [15] - 基础设施软件业务：第一季度收入为68亿美元，同比增长1%，占总收入的35% [11][15] - VMware收入同比增长13% [11] - 第一季度预订的总合同价值超过92亿美元，年度经常性收入同比增长19% [11] - 软件业务毛利率为93%，营业利润率为78%，同比提升190个基点 [15] - 第二季度指引：预计半导体收入约为148亿美元，同比增长76% [6][17] - 其中AI半导体收入预计为107亿美元，同比增长约140% [6][17] - 预计基础设施软件收入约为72亿美元，同比增长9% [11][18] 各个市场数据和关键指标变化 - AI业务：第一季度AI网络收入同比增长60%，占总AI收入的三分之一 [9] - 第二季度AI网络收入预计将加速增长，占总AI收入的40% [9] - 公司预计2027年仅AI芯片收入就将超过1000亿美元 [10] - 2027年AI芯片出货量预计接近10吉瓦 [53] - 客户进展：公司目前有六个AI XPU客户 [7] - 谷歌：第七代Ironwood TPU需求强劲，预计2027年及以后对下一代TPU的需求会更加强劲 [6][7] - Anthropic：2026年以1吉瓦计算能力起步，2027年需求预计将激增至超过3吉瓦 [7] - Meta：定制加速器MTIA路线图进展顺利，正在发货，下一代XPU将在2027年及以后扩展至多吉瓦规模 [7] - OpenAI：预计在2027年大规模部署其第一代XPU，计算能力超过1吉瓦 [7] - 其余两个客户：预计今年出货强劲，2027年将增长超过一倍 [7] 公司战略和发展方向和行业竞争 - 技术合作与优势：公司与六个客户的AI XPU合作是深入、战略性和多年的 [8] - 公司提供硅设计、工艺技术、先进封装和网络技术，帮助客户优化其差异化大语言模型工作负载的性能 [8] - 公司拥有在加速上市时间内大批量交付高良率XPU的良好记录 [8] - 供应链安全：公司已为2026年至2028年确保了关键组件（如尖端晶圆、高带宽内存和基板）的产能 [8] - 公司提前锁定了T-glass和基板等关键材料，并与合作伙伴共同开发所需的技术和产能 [59][60] - 网络业务领导力：公司在网络领域正获得市场份额 [9] - 在横向扩展方面，率先上市的100 Tbps Tomahawk 6交换机以及200G SerDes正在捕获超大规模客户的需求 [9] - 在纵向扩展方面，公司通过200G SerDes技术使客户能够继续使用直连铜缆，这是一种成本更低、功耗更低的方案 [9] - 下一代Tomahawk 7交换机性能将翻倍，计划于2027年推出 [9][37] - 软件业务定位：基础设施软件业务不受AI颠覆，VMware Cloud Foundation是数据中心集成CPU、GPU、存储和网络的重要软件层 [12] - 公司认为生成式和智能体AI的增长将创造对更多VMware的需求 [12] - 竞争格局：管理层认为，大语言模型客户若想自行设计芯片（COT模式）将面临巨大技术挑战，包括硅片设计、先进封装和集群网络 [28][29][30] - 公司凭借多年的经验、最佳技术和强大的执行能力，在可预见的未来不会面临有意义的COT竞争 [31] 管理层对经营环境和未来前景的评论 - AI需求驱动：AI需求不仅来自训练，产品化大语言模型所需的大量推理计算也推动了巨大的计算能力需求 [22][23] - 客户正在为其定制加速器和网络集群创建自己的设计架构 [23] - 长期战略合作：与六个AI XPU客户的合作是战略性的，客户将定制硅视为其大语言模型开发和产品化路线图的核心部分，而非可选方案 [66][67][68] - 这为公司提供了清晰的长远可见性，区别于GPU等交易性、可选性的采购 [68][92] - 架构演进：AI加速器架构正在演进，一劳永逸的通用GPU有其局限性 [43] - 公司看到XPU设计正变得更加针对特定客户的工作负载进行定制，例如专门用于训练或推理的芯片 [44][84] - 领先的客户正在同时开发用于训练和推理的专用芯片，以加速产品化进程 [84][85] - 网络技术趋势：在纵向扩展（集群内部）中，直连铜缆因其低延迟、低功耗和低成本仍是首选，公司技术可支持到400G SerDes [75][76] - 共封装光学器件尚未到大规模应用时机 [76] - 以太网已成为横向扩展的事实标准，并且也正在成为纵向扩展的协议选择 [78][79] 其他重要信息 - 公司强调其2027年超过1000亿美元的收入指引仅指芯片（包括XPU、交换芯片、DSP等）收入 [24] - 管理层表示，AI产品（包括整机柜）的毛利率影响相对于整体业务组合并不大，不会显著拉低整体毛利率 [49] 总结问答环节所有的提问和回答 问题: 关于2027年超过1000亿美元AI芯片收入的澄清，以及如何看待超大规模客户投资回报的担忧 [20][21] - 回答：该指引针对芯片收入（包括XPU、交换芯片等）[24] AI需求由少数大语言模型平台客户驱动，他们为训练和产品化推理而持续增加计算容量需求，这支撑了公司的展望 [22][23] 问题: 如何看待客户自有芯片设计（COT）项目的竞争威胁，以及博通如何保持领先优势 [27][28] - 回答：COT项目面临技术、先进封装和集群网络方面的巨大挑战 [28][29] 客户需要最好的芯片来与NVIDIA及其他对手竞争，这需要像博通这样拥有顶尖技术、IP和执行力的合作伙伴 [30][31] 博通在大批量生产和高良率方面的经验是独特优势，预计多年内不会出现有意义的COT竞争 [31][32] 问题: AI网络收入占比上升至40%的原因，长期混合比例展望，以及网络领导力如何助力XPU业务 [35] - 回答：Tomahawk 6交换机和1.6 Tb DSP的领先地位推动了网络组件收入快速增长 [36][37] 预计AI网络收入在总AI收入中的占比将在33%-40%之间 [38] 网络技术的领先优势有助于优化整个计算和网络集群 [35] 问题: 工作负载解聚（如将prefill/decode分离）对定制硅与GPU需求的影响 [42] - 回答：这反映了AI加速器架构的演进，通用GPU有其局限 [43] 公司看到XPU设计正变得更加针对特定工作负载定制（如训练、推理、MoE），这推动了定制化需求 [44][45] 问题: 整机柜出货对毛利率的影响 [48] - 回答：管理层澄清，AI产品的毛利率模型与半导体业务其他部分基本一致，整机柜出货不会对整体毛利率产生实质性影响 [49] 问题: 如何根据吉瓦计算能力得出超过1000亿美元的收入指引，以及每吉瓦内容价值 [52] - 回答：2027年出货量预计接近10吉瓦 [53] 每吉瓦的芯片美元收入因客户而异，但大致在提问者估算的范围内 [53] 问题: 如何能确保供应链至2028年，以及2028年是否仍能基于此供应实现增长 [58] - 回答：公司通过早期锁定关键材料（如T-glass、基板）并与合作伙伴深度合作来确保供应 [59][60] 基于与六个客户的多年战略合作及其清晰规划，公司对2028年的增长具有可见性 [60][62] 问题: Anthropic项目的芯片与整机柜收入构成，以及在多客户、多供应商环境下如何确保市场份额和可见性 [65][66] - 回答：管理层未具体拆分芯片与整机柜收入，但强调财务模型健康 [71] 公司与少数战略客户深度绑定，他们的定制硅部署是长期战略规划的一部分，而非可选交易，这提供了清晰的可见性和份额保障 [66][67][68] 问题: 特别强调直连铜缆技术的原因，以及纵向扩展中以太网协议的发展 [74] - 回答：直连铜缆在纵向扩展中具有低延迟、低功耗和低成本优势，公司技术可支持到400G，客户无需急于转向CPO [75][76] 以太网已成为横向扩展标准，并且也正成为纵向扩展的协议选择，公司正与客户合作推进 [78][79] 问题: 除TPU外的其他定制XPU项目是否主要针对推理，其相对于GPU的性能或成本优势 [82] - 回答：许多客户从推理开始，因其对计算要求较低，且定制XPU能更高效、低成本地完成任务 [83] 现在XPU也用于训练，成熟客户正同时开发用于训练和推理的专用芯片，以加速产品化进程 [84][85] 问题: 近期可见度变化及提供更多客户细节的原因，以及OpenAI部署计划的理解 [88][89] - 回答：随着公司与客户合作深入，以及客户对其XPU解决方案信心增强，可见度不断提高 [90][91] 与六个客户的合作是长期战略性的，他们进行的是多年规划，这使公司能洞察其部署路线 [91][92]