今年以来，人工智能（AI）算力需求持续升温，推动AI芯片及相关产业链公司股价大幅上涨。寒武 纪、胜宏科技、新易盛、工业富联等一批A股标杆公司屡创股价新高，备受市场关注。 在AI概念股股价与业绩齐飞之后，市场对其泡沫化也开始有所担忧——包括估值透支、技术瓶颈与资 金博弈等潜在风险。值此之际，英伟达与OpenAI宣布了一项震撼行业的投资计划，双方将投入千亿美 元，联手建造10千兆瓦级超级AI数据中心，并计划部署数百万颗GPU，以支撑下一代大语言模型的训 练。这一重磅动作，又进一步点燃了市场对于AI算力前景的预期。 近日，多位公募基金经理在接受证券时报记者采访时表示，全球AI竞赛正迈入新阶段，以"超大规模、 超高能耗、超高投入"为特征的AI基础设施竞争正式拉开帷幕——从芯片到液冷技术，从算力集群到能 源配套，一条贯穿全球的AI算力产业链正在被全面激活。与此同时，国家之间的竞争焦点，也正从"模 型竞争"悄然转向更底层、更核心的"算力竞争"。 富荣基金基金经理郭梁良则进一步指出，这一事件标志着全球AI竞赛进入"三超"新阶段——"超大规模 的集群、超高的能源消耗、超高的资金投入，未来能参与这场竞赛的玩家将越来越少。" 对 ...

Key Points Nvidia is the world's leading GPU company, placing it at the foundation of the current AI megatrend. Hyperscalers are mapping out their chip demand years in advance, shedding light on the scale of the opportunity for Nvidia. 10 stocks we like better than Nvidia › With a market cap of around $4.3 trillion as of this writing, Nvidia (NASDAQ: NVDA) is the world's largest company. However, the company's leadership believes its market cap could go much higher, and it has fairly solid data to ...

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 ...

先看最重磅的央行例会，这可是定调子的事。三季度例会明确说了要"保持流动性充裕""推动社会综合融资成本下降"，还特别提了要用好股票回购增持再贷 款，探索常态化安排来维护资本市场稳定。跟二季度比，这次删了"加力实施增量政策"，反而强调"落实存量政策""释放政策效应"。说白了，就是政策不会 急转弯，而是稳稳托着市场，给咱们这些中长线投资者吃了颗定心丸——不用怕突然的政策波动，重点看长期的稳预期。 最后说下接下来要盯的事儿，9月30号的PMI特别关键，8月是49.4，要是能回到扩张区间，那经济回暖的信号就更明确了。外围还得看美国，政府会不会关 门、非农数据怎么样，这些会影响全球资金流向，但咱中长线不用天天盯着，知道有这么个事就行。至于本周400多亿的限售股解禁，也别一看到解禁就 慌，像宁波港这种大盘股，解禁对整体走势影响有限，重点看个股的估值和基本面。 紧接着8月的工业企业利润数据也来了，单月增长20.4%，累计利润也由负转正了。可能有人觉得这数太亮眼，是不是有水分？咱客观说，确实有去年低基 数的因素，但更重要的是结构在变好。装备制造业还是"压舱石"，原材料行业利润涨得快，连消费品制造业都由降转增了，而且大中小企业利 ...

Yes, there are two trading days to go in September. So anything can happen. But enough to wipe out the monthly gains for all the major indexes? That means about 183 points off the Standard & Poor's 500 Index, 702 points off the Dow Jones Industrial Average, more than 1,000 points from the Nasdaq and Nasdaq-100 indexes and 57 points off the Russell 2000 Index. 💵💰Don't miss the move: Subscribe to TheStreet's free daily newsletter 💰💵 Not likely going to happen. You need a catalyst, pretty much an astoundin ...

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 ...

行业投资评级 - 报告未明确提及行业投资评级 [1] 核心观点 - 生成式AI快速发展推动算力需求持续提高 带动芯片功耗进一步通胀 英伟达下一代芯片Rubin/Rubin ultra功耗或从GB300的1400W提升至2000W以上 [6] - 当前单相冷板方案散热能力上限约1500W 较难支撑下一代芯片散热需求 液冷技术方案或向两相式冷板或微通道水冷板（MLCP）迭代 [6] - 微通道冷板技术通过微米级流道和集成化散热设计实现低热阻、高换热面积和高流速 散热效率显著优于传统方案 可支持超过2000W的散热需求 [17][19][20][21] - 微通道冷板制造工艺复杂 成本较现有冷板方案或抬升3-5倍 但对数据中心节能效果显著 可将PUE指标降低至1.1以下 [20][36] 技术方案对比 - 风冷最大支持TDP低于500W 传统管式水冷板支持500W-1500W 3D VC支持超过500W 微通道水冷板（MLCP）支持超过2000W [21] - 微通道水冷板典型热阻普遍低于0.05℃·cm²/W 显著低于风冷（>0.20）和传统水冷板（0.10-0.20） [21] - 微通道冷板通过微米级流道（50-500微米）和集成化设计缩短传热路径 减少热阻累积 冷却液直接输送至热源区域 [17][19][22] 市场参与者分类 - 深耕微通道技术的初创公司：Mikros Technologies（Jabil子公司）拥有Normal Flow微通道技术 散热效率达1000W/cm² 热阻低至0.02°C·cm²/W；JetCool与伟创力合作 拥有微对流冷却技术 热传递系数达传统方案10倍 [26][27] - 传统散热方案厂商：如AVC、Cooler master、Auras等 与英伟达绑定较深 具备研发能力和量产优势 已开始微通道散热研发部署 [28] - 专注盖板的企业：如健策（Jentech） 在微通道盖板研发与客户需求沟通中具备优势 [28] 国产供应链机会 - 微通道制造壁垒提升带来国产液冷链配套机会：传统VC散热厂商（如中石科技、苏州天脉、捷邦科技）因工艺技术可迁移；液冷散热模组厂商（如思泉新材、远东股份）具备微通道工艺基础；换热器厂商（如康盛股份、银轮股份）因微通道技术Know-how可迁移 [30][32] - 3D打印工艺配套产业链机会：包括南风股份、江顺科技等 [32] 技术挑战 - 微通道冷板加工需采用蚀刻、微铣削、3D打印等精密工艺 良率控制和制造难度高于传统冷板 [23] - 系统纯净度要求高：微米级流道易因杂质堵塞 需更高冷却液过滤和维护标准 [23] - 泵送能力要求提升：流道狭小导致流体阻力增大 系统压降明显 需更高泵送功率和可靠性 [23]

行业与公司 * **行业**：人工智能数据中心（AIDC）、云计算基础设施、液冷散热技术、电源技术[1][2][5] * **公司**：OpenAI、微软、英伟达、阿里巴巴、腾讯、百度、字节跳动、麦格米特、欧陆通、金盘科技[1][2][3][5][6][19] 核心观点与论据 * **算力需求激增与IDC超预期建设** * OpenAI与微软合作建设G1瓦级数据中心 OpenAI计划部署至少10GW英伟达系统 单GW算力成本约500亿美元 10GW项目总投资规模或达5,000亿美元[1][2] * 阿里巴巴宣布未来三年投入3,800亿元建设AI基础设施 并计划在2032年前将全球数据中心能耗提升至现有水平的10倍[5] * 国内云厂商（腾讯、阿里、百度）通过发行票据融资 字节跳动申请约100多亿美元贷款 均用于扩张基础设施和新建应用领域[6] * **液冷散热技术迭代与市场空间** * 英伟达微通道冷板技术（MLCP）通过微米级流道和高度集成化设计 实现更高效散热 其单价是普通水冷板的3~5倍 预计2026年下半年在Ruby GPU中导入[7][8][9] * 微软开发了类似原理的微流体冷却技术 散热效率比现有方案高3倍 可降低芯片温升60%~70%[7] * 液冷环节预计将带来700亿市场空间 技术将从高成本的微通道向经济实用的静默式及混合式解决方案演进[3][13] * **电源技术变革与投资机会** * 电源侧HVDC和PSU环节预计将分别带来150亿及200亿市场空间[3] * 高压直流（HVDC）备用电源系统将逐步取代传统UPS系统（北美约80%仍用UPS）[3][16] * 电源技术向800伏HVDC系统、集成化方案（如赛特卡尔方案）以及固态变压器（SST）等终局方案发展[17][18] * **内资企业出海与受益标的** * 市场规模快速增长及新技术发展将推动内资企业加快出海步伐 有望在2026年实现初步海外订单 2027年加速放量[1][4] * 麦格米特、欧陆通等具备整体解决方案能力的企业将显著受益[3][19] * 金盘科技等前端变压器产品迭代受益企业将直接受益[3][19] 其他重要内容 * **技术路径细节**：GB200主要采用风液混合方案 GB300开始使用全液冷解决方案（以单向冷板为主） 双向冷板（使用R1,134A制冷剂）技术更成熟且热效率高 有望应用于Ruby系列[10][11] * **合作与全球扩张**：阿里巴巴与英伟达开展Physical AI合作 阿里云在巴西、欧洲（法国、荷兰）、墨西哥、亚太（日韩）等地扩建数据中心[5] * 腾讯确立国际化战略 字节跳动旗下火山引擎输出全球化技术方案[6]