AI基础设施价值链研究报告关键要点总结 涉及的行业与公司 * 行业：人工智能基础设施，包括数据中心、半导体、硬件、网络设备、电气设备、PCB/基板、晶圆厂设备、存储等[1][2][12] * 公司：报告覆盖并提及大量公司，核心包括： * GPU/ASIC：NVIDIA、Broadcom、AMD、Mediatek、Marvell[9][13][57] * CPU：Intel[3][13][57] * PCB/基板：Ibiden、Unimicron[3][9][13][57] * 服务器/OEM：Quanta、Wiwynn、FII、Supermicro、Dell、HPE[13][57] * 网络设备：Arista、Cisco[3][57] * 电气/机械设备：Eaton、ABB、Siemens、Delta、Hubbell[9][13][57] * 存储/内存：Hynix、Micron、Samsung、SanDisk、Kioxia、Seagate、Western Digital[13][57] * 晶圆厂/设备：TSMC、ASML、Besi、Advantest、Tokyo Electron、DISCO、Lasertec、Screen、Kokusai、Infineon、Renesas[13][74][75][76][77] 核心观点与论据 1. AI支出前景与市场分歧 * 观点：AI长期结果范围极广（从超级智能到史诗级崩溃），但中期支出预计保持健康[1][4][6] * 论据： * 顶级科技公司的决策层由AI信徒主导，且模型能力持续进步，缺乏导致观点转变的下行催化剂[6][27] * 2025年超大规模数据中心资本支出指引超过4000亿美元，占2025年预期全球GDP增长的约20%，预计2027年将超过6000亿美元[15] * 从2023年5月到2026年2月，AI股票篮子2025年收入共识上调约9%，EBIT上调约26%，净利润上调约26%，自由现金流上调约22%[15][20][83] 2. AI数据中心资本支出结构与规模 * 观点：数据中心资本支出由GPU主导，网络是另一大项[2][7] * 论据： * 估计每个GB200 NVL72机架成本约为350万美元，加上每个机架约250万美元的物理基础设施成本，全包式AI数据中心资本支出为每机架600万美元或每吉瓦36亿美元[34][43][46] * GPU估计占总成本的38%，NVIDIA的毛利美元占总支出的32%（基于约70%的毛利率）[7][35] * 网络支出约占12%，存储相对较小，不到2%[7][36] * 机械和电气设备支出较分散，主要项目包括柴油和燃气发电机及涡轮机（约6%）、不间断电源（约4%）、变压器（约5%）[40] 3. AI上行机会评估框架与受益者 * 观点：GPU、GPU组件和电气设备名称对AI主题具有最大的上行杠杆；PCB和基板公司可能有非常高的上行空间[3][48][51] * 论据： * 建立评估框架：增量利润 = 上线吉瓦数 * 每吉瓦市场规模 * 市场份额 * 增量利润率[3][8] * 基于BloombergNEF对2027年16吉瓦容量的预测，应用该框架发现： * Ibiden和Unimicron等PCB/基板公司上行空间大，Unimicron尤其可能从ABF基板和HDI的多个大机会中受益，Ibiden则受益于NVIDIA AI基板升级带来的每代内容增长2倍[51] * 除NVIDIA和Broadcom外，AMD、Mediatek等GPU/ASIC公司以及Eaton等电气设备公司相对于当前利润规模也有非常大的上行机会[9][51] * Intel、Cisco以及服务器OEM（如Dell、HPE）相对于它们在AI讨论中的突出地位，风险敞口相对较低[3][52] * 具体数据：根据模型，NVIDIA在2025-27年间AI带来的增量EBIT为1304亿美元（较TTM EBIT增长95%），Broadcom为377亿美元（增长84%），AMD为109亿美元（增长141%），Eaton为79亿美元（增长123%），Unimicron为6亿美元（增长256%）[57] 4. 中美AI竞赛与地缘政治维度 * 观点：美国在AI计算能力增加上明显领先中国，且短期内可能保持领先[10][58][59] * 论据： * 估计美国及其盟友在2025年增加了超过25 ZFLOPS的AI加速计算能力，而中国增加了不到1 ZFLOPS[59][66] * 中国2025年估计出货约150万颗本土AI芯片，以华为昇腾910B为基准（0.4 PFLOPS），仅增加0.6 ZFLOPS[59] * 相比之下，400万颗NVIDIA Blackwell芯片（每颗4.5 PFLOPS）将增加18 ZFLOPS，加上TPU和AI ASIC，美国阵营总计至少增加26 ZFLOPS[61][68] * 尽管中国增加了更多总发电容量（2025年>500吉瓦当量 vs 美国~30吉瓦），但在数据中心容量增加上美国更多（2024年AI数据中心：美国5.3吉瓦 vs 中国3.9吉瓦）[62] * 中国缺乏先进逻辑产能（7纳米或以下占全球7%），且实际产出份额更低，这使其芯片产能成为比美国电力约束更严重的瓶颈[63] 5. 模型进展与竞争格局 * 观点：缩放定律显然未失效，模型改进持续，但OpenAI已从明显领先者地位滑落[154][159][163] * 论据： * Gemini 3 Pro和Claude Opus 4.5在基准测试中不相上下，Grok 4.1领先于GPT-5，对DeepSeek的领导地位声称持更多怀疑[155][157] * 模型规模继续增加（Gemini被描述为“万亿级”模型），后训练（合成数据、强化学习）也在扩展[161] * OpenAI经历了连续三次预训练失败（从Orion项目开始），关键人才大量流失，导致其基准性能现在落后于Gemini、Claude和Grok[163][164] * Gemini 3完全在TPU上训练，Claude Opus 4.5主要在Trainium2和TPU上训练，引发了对NVIDIA护城河的担忧，但报告认为计算稀缺性对GPU和ASIC都是利好[166][168][169] 其他重要内容 1. 市场修正与股票表现分析 * 观点：半导体是最大赢家，但赢家与输家之间存在明显分化；投资者最愿意为收入修正买单[81][84][86] * 论据： * 从2023年5月到2026年2月，受影响股票总企业价值增长111%，市值增长133%[86][96] * 半导体行业企业价值增长277%，2025年收入预期上调84%，但主要由极少数赢家驱动（NVIDIA、Broadcom、AMD、Micron等）[84][92] * NVIDIA股价约6倍的上涨由4.7倍的收入修正和高于预期的利润率驱动，其EV/2025 EBIT倍数实际上收缩了6%[89] * 数据中心REITs（如Digital Realty、Equinix）对数字的影响 surprisingly limited[88][92] 2. 具体投资建议与目标价 * 报告给出了覆盖公司的明确评级和目标价，例如： * NVIDIA：跑赢大盘，目标价300美元[13][70] * Broadcom：跑赢大盘，目标价525美元[13][70] * AMD：与大市同步，目标价235美元[13][70] * Intel：与大市同步，目标价36美元[13][70] * Eaton：跑赢大盘，目标价428美元[13][72] * Unimicron：跑赢大盘，目标价610新台币[13][70] * Ibiden：跑赢大盘，目标价9200日元[13][74] 3. 风险与不确定性 * 观点：AI结果范围极广，存在消化周期的风险[4][16][26] * 论据： * 企业AI市场规模在熊市情况下为6000亿美元，牛市情况下为11万亿美元[26] * 如果下一代模型提供有限的增量能力，可能会限制投资新模型训练的意愿，同时DeepSeek的先例表明可以大幅缩小推理工作负载[26] * 2024年企业终端用户需求估计可用约5万颗H100满足，而当年估计有400万颗GPU出货量（2026年预计950万颗），产能建设已超过终端用户需求[16]