Google硬体副总裁Rick Osterloh在日前的高通骁龙峰会上证实，正研发以Android为基础的PC电脑专 案。他提到，过去Google旗下的手机与PC采用不同系统，但目前正有一个专案将两者结合。 法人看好，随着Google明年推出Android PC，台湾品牌双A宏碁、华硕，以及在Chromebook领域深耕已 久的广达、仁宝等代工厂有望受惠。 Google指出，新PC能运行Google的AI技术、整合旗下Gemini模型与Google助理，并将Google的应用程 式与开发者生态带入PC领域。言下之意，暗示Android PC即将问世。 高通高层指出，已见过这项技术，暗示新产品将在2026年登场；换言之，高通可能于明年推出基于 Android PC的芯片，进一步扩大其PC产品线系统阵容。 Google高层暗示正研发以Android为基础的PC电脑专案，扩大导入AI功能，在既有Chromebook产品线之 外，开设新产品线，新品有望2026年登场。业界看好，Google冲刺PC领域，有助壮大其生态圈，宏碁 （2353）、华硕（2357）等品牌厂，以及广达（2382）、仁宝（2324）等代工厂，有望 ...

Alphabet could become the largest company in the world in the next five years.Alphabet (GOOG 0.21%) (GOOGL 0.28%) has become one of the world's most important artificial intelligence (AI) companies. What investors initially saw as a big potential risk has instead turned into a big tailwind.And while Nvidia and Palantir Technologies get plenty of the hype these days, Alphabet has the opportunity to be worth more than both of them combined before the decade is out.Nvidia currently sits at a $4.3 trillion mark ...

核心观点 - 全球科技巨头在AI基础设施领域的投资竞赛进入白热化阶段 投资方向高度一致 全部指向AI基础设施建设 这场竞赛超越单纯技术迭代 演变为产业生态与全球价值链重构的角力场 重塑全球科技产业格局 [1][6] 竞争焦点转移 - 竞争焦点从模型创新转向算力竞赛 早期通过增加参数规模和优化算法提升模型性能 但模型规模逼近理论极限 参数扩张的边际效益急剧递减 [2] - 市场需求变化推动竞争焦点转移 大模型在智能客服、内容创作、金融风控、医疗影像诊断等各行业应用深入 算力需求呈爆发式增长 [2] 企业投资动态 - 阿里巴巴宣布推进3800亿元的AI基础设施建设计划 并表示持续追加投入 [1] - 英伟达将向OpenAI投资高达1000亿美元 OpenAI将利用英伟达系统建设并部署至少10吉瓦的AI数据中心 [1] - 微软、谷歌等企业持续投入扩建算力网络 [1] 技术路径与生态构建 - 科技巨头采用差异化战略构建多元生态 OpenAI、英伟达与甲骨文形成"三角联盟"闭环：OpenAI购买甲骨文云计算服务 甲骨文采购英伟达GPU芯片 英伟达投资OpenAI [3] - 阿里云提出"AI云是下一代计算机"愿景 构建从芯片到平台的全栈能力 与英伟达合作的Physical AI生态覆盖数据合成、模型训练到仿真测试全链条 [3] - 差异化技术优势使企业提供有竞争力产品 吸引特定合作伙伴 构建适配生态体系 生态构建又进一步强化差异化战略 [3][4] 产业格局演变 - 产业格局从"封闭创新"走向"开放共创" 以深度求索（DeepSeek）、字节跳动为代表的企业将AI嵌入电商、内容平台等业务板块 实现融合"出海" [5] - DeepSeek 2025年发布的R1模型以低成本低算力需求和开源方式打破传统算力运行逻辑 [5] - 开源战略推动全球AI从"封闭创新"走向"开放共创" [5] 竞争本质与关键因素 - AI基建竞赛本质是通过重构"算力—数据—场景"产业链 争夺下一代技术标准话语权 [6] - 未来真正决定竞争力的不再是算力规模或模型参数 而是产业深度融合能力 [5] - 企业需在技术创新与生态适配间找到平衡 在技术自主性、产业协同性与全球开放性之间建立动态平衡 [6]

生成式AI行业动态 - OpenAI被曝在用户不知情情况下将GPT-4和GPT-5等模型路由至低算力敏感模型"gpt-5-chat-safety"和"gpt-5-a-t-mini" 当系统判定内容涉及敏感话题或情绪表达时自动触发切换 [1] - OpenAI回应称切换为临时性安全路由系统测试 但未经同意的模型更改行为引发用户权益质疑 [1] - 腾讯发布工业级原生多模态生图模型混元图像3.0 参数规模80B 是目前测评效果最好且参数量最大的开源生图模型 [2] - 混元图像3.0基于50亿级图文对和6T语料训练 具备千字级复杂语义解析能力 支持长文本生成和小文字处理 [2] - 快手推出KAT-Dev-32B开源和KAT-Coder闭源两款Agentic Coding大模型 在SWE-Bench Verified上分别达到62.4%和73.4%解决率 [3] - 快手开发基于熵的树剪枝技术和强化学习训练框架SeamlessFlow 模型经训练后涌现出对话轮次减少和多工具并行调用新能力 [3] AI教育应用进展 - 好未来提出AI教师L1-L5分级理论 学而思"小思AI一对一"对标L3级别 能实现实时观察学生解题步骤并提供针对性引导 [4][5] - L3级AI教师需配备多模态传感器和专用硬件 形成"批改-讲题-推荐"数据飞轮 数学解题正确率达98.1% [5] - 好未来自研"九章"大模型结合20多年教研内容 在线下培训、在家学习和进校学习三大场景实现统一学情画像 [5] 前沿科技战略布局 - Meta计划投入数十亿美元研发人形机器人"Metabot" 战略地位与AR项目同级 聚焦软件开发而非硬件制造 [6] - Meta拟采用软件平台授权模式 与机器人制造商合作建立行业通用标准 新成立超级智能人工智能实验室构建物理"世界模型" [6] - 谷歌DeepMind视频模型Veo 3涌现四层能力：感知经典视觉任务、建模物理定律、操纵图像编辑、推理视觉问题 [10] - Veo 3通过帧链(CoF)技术实现跨时空推理 在七个代表性任务上显著超越Veo 2 可能成为视觉领域的GPT-3时刻 [10] 技术理论与方法创新 - 图灵奖得主Richard Sutton认为大语言模型是错误起点 强调真正智能需通过经验学习实现 而非对人类行为的模仿 [7] - 陈丹琦团队提出RLMT方法 将显式思维链推理融入通用聊天模型 在WildBench等基准测试中表现优异 [8][9] - RLMT要求模型生成推理轨迹后再输出最终答案 通过奖励模型评分 使推理风格从线性规划转变为迭代式思考 [8][9] 行业战略与市场展望 - 英伟达从芯片公司转型为AI基础设施合作伙伴 通过极端协同设计构建AI工厂生态系统 竞争护城河基于总拥有成本优势 [11] - AI推理将迎来十亿倍增长 预训练、后训练和推理三大扩展定律驱动万亿级市场 年度AI基础设施资本支出预计达5万亿美元 [11] - 主权AI时代各国需建立独立AI基础设施 主张通过技术出口最大化影响力而非脱钩 保持美国梦品牌吸引全球人才 [11]

最近看了很多国内券商的研报，不得不说，有些质量还是非常高的，之前大家可能对国内券商的研 报有些误解。这篇文章参考自申万宏源的一个分析，来看下AI ASIC。 商业上，ASIC 是专用芯片，为下游特定场景（如训练、文本推理、视频/音频推理）定制，与客户 应用高度绑定。GPU 则是通用芯片，需兼容多场景，包括图像渲染，因此华为昇腾 NPU 或寒武纪 AI 芯片也可视为通用型。 ASIC 优势在于特定场景的高效与低功耗。GPU 基于冯诺依曼架构，运算需频繁寄存器交换，对存 储需求高，且保留图形渲染等闲置模块；ASIC 如谷歌 TPU、AWS Trainium2 采用脉动阵列架构，专 为矩阵运算设计，结果直接传递，减少数据交互，提高效率。 谷歌 TPU v5 测试显示，能效比为英伟达 H200 的 1.46 倍；在 BERT 推理中，每瓦性能提升 3.2 倍。 优势源于三点：3D 堆叠优化算力密度、DVFS 降低闲置功耗、HBM3e 内存突破带宽瓶颈（达 1.2TB/s）。 ASIC 单位算力成本更低。亚马逊 Trainium2 训练成本降 40%，推理降 55%；10 万卡集群可节省 12 亿美元初始投资。 大厂自 ...

Asia AI Power Supply Global Markets Research EQUITY: TECHNOLOGY HVDC power – the enabler for next-gen AI Expect the surging AI server performance upgrade to accelerate the migration to HVDC in late 2026F~2027F AI power upgrade to HVDC to materialize in late 2026F~2027F In light of the rising power consumption and performance of AI chips, we believe that the current mainstream solution – 33kW and 72kW power shelves placed in IT racks (operated at 48-54V [~50V] DC as intermediate bus voltage) – will soon reac ...

以下文章来源于半导体产业纵横 ，作者俊熹 半导体产业纵横 . 多元化的半导体产业生态服务平台，立足产业视角，提供及时、专业、深度的前沿洞见、技术速递、趋势解析，链接产业资源，构建IC生态圈，赋能中国 半导体产业，我们一直在路上。 9月3日，一则消息在科技圈引起了轩然大波： 谷歌开始对外出售 TPU了。 据报道，谷歌 近期已 在 接触那些 主要租赁 英伟达 芯片 的小型云服务提供商，敦促他们在其数据中心也托管谷歌自家的 AI处理器 ，也就是 TPU 。 谷歌已与至少一家云服务提供商 ——总部位于伦敦的Fluidstack——达成协议，将在纽约的一个数据中心部署其TPU。 来源 | 半导体产业纵横 谷歌的努力不止于此 。 据报道，该公司还向其他以 英伟达 为核心的服务商寻求类似的合作，其中包括正在为 OpenAI建 造 数据中心的 Crusoe，以及向微软租赁 芯片 并与 OpenAI签有供应合同的 英伟达 "亲儿子" CoreWeave。 9月9日， 花旗分析师因 TPU竞争加剧将英伟达目标价下调至200美元，预计2026年GPU销售额将因此减少约120亿美元。 明眼人都能看出来的是， 谷歌和英伟达之间的大战， ...

行业投资评级 - 报告建议关注国内AI发展带动的服务器、IDC等板块，以及海外AI发展带动的服务器、光模块等板块[5] 核心观点 - 全球AI算力投资加速，海外科技巨头持续加大基础设施投入，英伟达计划向OpenAI投资1000亿美元建设≥10GW AI数据中心，全面部署GPU芯片[1][2][8] - 谷歌Gemini模型升级推动算力需求显著增长，图像生成功能上线一周完成2亿次编辑，吸引1000万新用户[1][7] - 微软微流控冷却技术实现芯片降温65%，效率为传统冷板三倍，本季度AI基础设施投入300亿美元[1][13] - 国内算力链进入加速建设阶段，阿里云公布百炼平台日均调用量增长15倍，并宣布3800亿元AI基础设施建设计划[1][3][9] - 国内大模型持续迭代，DeepSeek-V3.1和美团LongCat模型在多项任务中达到开源SOTA水平，部分表现接近GPT5-Thinking[1][3][12] 细分行业表现与动态 服务器 - 本周服务器指数上涨0.63%，本月累计上涨2.96%[2][7] - SAP与OpenAI合作在德国推出"OpenAI for Germany"服务，依托Delos Cloud提供ChatGPT，带动股价上涨逾2%[7] - 谷歌Gemini模型升级推动算力需求增长，工业富联作为英伟达AI服务器主要代工厂持续受益[16] 光模块 - 本周光模块指数下跌4.66%，本月累计上涨2.73%[2][8] - 英伟达计划投资1000亿美元建设≥10GW AI数据中心，全面部署GPU，利好光模块厂商[2][8] - 2025年8月光模块出口金额同比下降28.66%，1-8月累计同比下降15.82%，主要因国内厂商在海外建厂[4][34] IDC - 本周IDC指数上涨2.15%，本月累计上涨1.49%[3][9] - 阿里云推出超节点磐久128服务器，单柜支持128颗AI芯片，并宣布3800亿元AI基础设施建设计划[3][9] - 国内大模型升级带动算力需求，DeepSeek-V3.1和美团LongCat模型推动生态发展[3][12] 液冷技术 - 微软微流控冷却技术在GPU芯片内嵌液体通道，降温65%，效率比传统冷板高三倍[1][13] - 技术可支持更高功率密度设计，降低数据中心能耗，建议关注微通道液冷方案供应商[1][13] 核心数据更新 电信业务 - 2025年前8个月电信业务收入累计完成11821亿元，同比增长0.8%[4][17] - 电信业务总量同比增长8.8%，新兴业务收入同比增长66.39%[4][17] 用户与流量 - 截至2025年8月，固定宽带用户达6.89亿户，千兆用户占比33.9%；5G移动电话用户达11.54亿户，占比63.4%[23] - 移动互联网累计流量2534亿GB，同比增长16.4%；8月户均移动互联网接入流量(DOU)达20.87GB/户·月[23][28] 物联网 - 截至2025年8月末，蜂窝物联网终端用户数达28.72亿户，同比增长11.75%，本年净增2.16亿户[39][40] - 1Q25全球物联网模组出货量同比增长16%[39][46] 科技巨头动态 英伟达 - 计划向OpenAI投资1000亿美元建设≥10GW AI数据中心，全面部署GPU，消息公布后股价上涨3.9%，年内累计涨幅37%[1][8][54] 谷歌 - Gemini 2.5 Flash Image上线一周完成2亿次图像编辑，吸引1000万新用户，生成速度1-2秒，成本低80%[1][7][55] 微软 - 微流控冷却技术提升芯片散热效率，本季度AI基础设施投入300亿美元用于自研芯片和数据中心建设[1][13][56] 阿里云 - 百炼平台日均调用量增长15倍，推出Qwen3-Max、Qwen3-0mni大模型及磐久128服务器，宣布3800亿元AI投资计划[3][9][51] OpenAI - 获得英伟达1000亿美元投资建设AI数据中心，与SAP合作在德国推出本地化ChatGPT服务[1][57]

专家认为，大语言模型已逐渐触及瓶颈，尽管投入资金和数据量巨大，其性能提升却日益有限。 在投资热潮持续扩大的背景下，科技巨头对AI，特别是大语言模型（LLM）的投入依然强劲，但市场 也开始出现对其投资回报可持续性的质疑。 硅谷著名风险投资人、银湖资本前联合创始人麦克纳米（Roger McNamee）本周撰文表示，股东、董事 和高管可能很快将要求企业证明其在LLM技术上的巨额投入能够带来相应的经济回报。他认为，对于 多数参与者而言，答案或许并不乐观，而这一局面的后果可能是整个行业难以承受的。 苏黎世应用科技大学管理与法学院商业信息技术研究所研究员佩赫托（Václav Pechtor）接受第一财经 记者专访时也表示，大科技公司未来的重点将聚焦实用、可靠的应用，而不是一味扩大模型规模。 佩赫托表示，大语言模型已逐渐触及瓶颈，尽管投入资金和数据量巨大，其性能提升却日益有限。目前 科技巨头尚可凭借雄厚财力维持高额投入，但随着投入与回报失衡的问题凸显，"投资者将失去耐心， 并想要看到结果。我认为大语言模型竞赛会走到终点"。 "投资者的耐心并非无限" 麦克纳米表示，美国多家科技巨头，包括谷歌、亚马逊、Meta、xAi、微软、 ...

根据这名学生的描述，账单分三波累计： 近日，一名来自格鲁吉亚的学生在开发者社区讲述了自己的惨痛经历：因为一次无心之失，他不小心将 Google Cloud 的 Gemini API Key 泄露在 GitHub 上，结果在短短几个月内被恶意滥用，最终生成了一张 高达 55444 美元（约合 40 万人民币） 的账单。 这名学生崩溃道："一个小小的错误，就可能把生活变成噩梦。" 事件曝光后，引发了许多程序员的关注和热议。有人质疑谷歌为何不提供「硬性消费上限」，有人分享 了自己团队也踩过类似的坑，有人则为这名学生鸣不平，呼吁谷歌应该加强针对用户的保护机制。 一场"免费额度"的噩梦 事情的起因非常简单。 这名学生用学校邮箱注册了 Google Cloud，打算利用谷歌提供的 300 美元免费额度做一些学习实验—— 实际上，他只消耗了 80 美元，还剩下 220 多美元。 然而，6 月 6 日，他不小心把 Gemini API Key 提交到了 GitHub 上。当时他以为仓库是私有的，但实际 上在一次提交中暴露了 Key，他自己却没注意。更糟糕的是，因为正值暑假，他几乎没查过学生邮箱， 因此完全没有意识到问题的存在 ...