报告公司投资评级 - 报告给予公司“买入”评级，目标价133.02美元 [4][75] 报告的核心观点 - 公司作为ASIC服务器与以太网ODM交换机主要厂商，有望受益ASIC行业趋势，在ASIC服务器赢得新客户定点，以及ODM收入占比增长带动盈利能力提升，具备较强alpha属性，随着主要ASIC客户新一代产品25H2有望开始放量，公司业绩预期有望持续兑现 [3] 根据相关目录分别进行总结 一、深度布局ASIC服务器+以太网交换机，AI推理核心受益标的 - 推理算力重要性提升，ASIC产业链有望受益：大语言模型推理成本指数级下降，每美元生成token数量增长，模型能力提升，推理成本降低和算法迭代带动ASIC需求增长，ASIC相比GPU性价比高，可定制开发，提升运算效率、降低功耗和单价 [14][15] - ASIC有望受益客户放量+客户拓展：公司连接与云端解决方案产品主要客户优质，增长驱动力来自ASIC服务器与高速以太网交换机在北美CSP放量，目前主要ASIC服务器客户为谷歌，25H1企业终端市场收入承压，25H2有望重回增长，还成为Meta的ASIC服务器供应商，获得一家领先商业化AI公司的ASIC系统项目全栈方案 [27][29][30] - 受益AI以太网组网趋势，交换机业务有望起量：大型云厂商在AI芯片组网中逐渐转向以太网，数据中心以太网交换机以白盒交换机为主，公司作为白牌交换机主要厂商之一，份额有望提升，以太网交换机市场有望增长，公司有望受益于客户需求带动的交换机需求增长 [32][39][45] 二、从EMS转向ODM，有望加强客户绑定并保持较强竞争力 - 从EMS转向ODM，盈利能力改善：公司推出“硬件平台解决方案”的ODM业务模式，收入持续增长，带动盈利能力提升，未来ODM业务收入占比有望继续提升，驱动力来自交换机收入增长和ASIC服务器复杂度提升 [50][51][53] - ASIC机柜有望成为主流方案，公司有望受益于加深已有客户绑定+拓展新客户：ASIC逐渐转向机柜形式出货，公司已有客户和新客户的ASIC预计采用机柜形式，公司作为领先企业，有望增强行业地位，获得更多项目导入机会，未来有望更多参与设计，加强与客户绑定，提升盈利能力 [57][60][61] - 全球布局，有望充分降低关税影响：公司产能全球布局，数据中心业务在加拿大、墨西哥、马来西亚、印度有产能布局，出货有望享受协定或低关税，主要数据中心出货产品在关税豁免清单，极端情况下可能将业务转向美国本土或墨西哥 [62][66] 三、ASIC行业β+公司自身α，有望开启强预期、强现实的持续兑现 - 公司作为主要厂商，有望受益ASIC行业趋势，具备较强alpha属性，经营杠杆高，利润弹性大，ODM业务收入占比有望提升，盈利能力持续向上，市场对公司客户有较强预期，25H2公司ASIC业务和交换机业务有望业绩持续兑现 [67][68] 四、盈利预测与投资建议 - 盈利预测：预计公司2025 - 2027年营业收入分别为112.47、139.27、158.84亿美元，同比+16.60%、+23.83%、+14.05%，毛利率分别为11.17%、11.31%、11.23%，连接与云解决方案业务、通信终端市场、企业终端市场、高级技术解决方案收入有不同预测 [69][70][71] - 投资建议：预计公司2025 - 2027年净利润分别为5.93、7.65、8.71亿美元，同比+38.4%、+29.1%、+13.9%，EPS分别为5.15、6.65、7.57美元，给予公司26年20X PE，对应目标价133.02美元，首次覆盖，予以“买入”评级 [74][75]

行业动态 - Computex 2025是亚洲最大电子科技展会 英伟达 英特尔等公司发布新品 AI推理成为重点布局方向 生态整合被突出强调 [1] 英伟达生态拓展 - 公司发布GB300 NVL72平台及NVIDIA NVLink Fusion 首次向第三方开放NVLink IP授权 允许非英伟达CPU ASIC或加速器与GPU深度整合 [2] - 联发科 Marvell Alchip Technologies Astera Labs Synopsys Cadence等公司率先采用NVLink Fusion 富士通 高通CPU可与英伟达GPU集成构建高性能AI工厂 [2] - 创始人黄仁勋表示数据中心需重构 AI融入每个计算平台 NVLink Fusion开放AI平台和生态系统 [2] 英伟达战略布局 - 公司将联合富士康 台积电在中国台湾建设首座人工智能超级计算机 强化AI生态系统核心支柱 新办事处命名为"Nvidia Constellation" [3] - 公司计划在上海建研究中心 聚焦中国客户定制化需求 [4] 英伟达产品更新 - 推出GB300 NVL72 AI服务器 推理性能提升50% 2025年第三季度量产上市 [5] - 针对企业级AI推理市场推出RTX PRO服务器 最多配置8张Blackwell RTX Pro Graphics 6000卡 完全兼容AI企业软件平台 [5] - 个人工作站DGX Spark将于7月起发售 [5] - 更新机器人基础模型Isaac GR00T 增加人形机器人训练合成数据生成框架Isaac GR00T - Dreams 发布用于合成运动生成的蓝图及NVIDIA Blackwell系统 [5] 英特尔产品发布 - 推出锐炫Pro B60和锐炫Pro B50 GPU 专为AI推理和专业工作站设计 采用PCIe Gen5接口 性能提升10%-20% [6] - Gaudi 3 AI加速器提供PCIe和机架级系统部署选择 支持现有服务器数据中心环境可扩展AI推理 2025年下半年上市 [6] - AI Assistant Builder已在GitHub发布 作为轻量级开放软件框架 开发者可创建针对英特尔平台优化的本地AI代理 [6] AMD动态 - 计划于2025年5月21日正式揭晓Radeon RX 9060 XT [6] 市场观点 - 黄仁勋指出美国AI扩散规则限制其他国家使用美国技术是错误做法 应加速推广美国技术 AI是完整技术栈 不能只保护某一层 [3] - 失去中国市场意味着美国公司损失90%全球市场 英伟达因禁售H20计提55亿美元库存减值损失 放弃150亿美元销售额 中国每年潜在市场达500亿美元 [3]

公司战略与领导力 - 英特尔CEO陈立武强调芯片产业需要建立完整系统，包括软件、网络和储存技术，并大力转向光学技术，同时加强与存储芯片合作以实现SoC芯片整合与高速效能 [2] - 公司正在改变产品竞争力不足的现状，目前在PC和客户端市场市占率约68%，数据中心CPU领域市占率55% [2] - CEO推动"说实话"文化，直接与底层工程师沟通，重新调整工程团队直接向其报告以确保产品方向正确 [3] - 公司强调执行力的重要性，要求团队兑现公开承诺，通过成果说话 [3] - CEO表示将长期留任，认为英特尔是一家标志性公司 [3] 新产品发布 - 发布锐炫Pro B系列GPU，包括B60(24GB显存)和B50(16GB显存)，针对AEC和推理工作站优化，支持多GPU扩展 [4] - 新产品在Windows上兼容消费级和专业级驱动程序，在Linux上支持容器化软件栈以简化AI部署 [4] - 发布代号Project Battlematrix的工作站级至强平台，支持最多8块B60 GPU，可运行高达1500亿参数的AI模型 [4] - 锐炫Pro B系列GPU显存容量是对标NVIDIA产品的3倍代际提升 [4] - B50 GPU峰值性能170 Tops(Int8)，B60达197 Tops，符合美国出口管制规则可供应中国大陆市场 [7] 技术性能与应用 - 两张B60 GPU可支持20k tokens上下文窗口，四张可支持10万tokens长篇论文推理 [5] - 团队完成底层技术工作，提供一键部署解决方案 [5] - Gaudi 3 AI加速器提供PCIe和机架级系统部署选择，PCIe卡支持现有数据中心服务器运行AI推理 [7] - Gaudi 3机架级系统每个机架最多支持64个加速器，提供8.2 TB高带宽内存 [7] 市场策略 - 锐炫Pro B50 GPU+至强CPU组合将替补Gaudi 3无法在中国销售的情况，迎合国内AI推理需求 [8] - 发布AI Assistant Builder开源软件栈，帮助开发者创建针对英特尔平台优化的本地AI Agent [8] - B60 GPU样品将于2025年6月提供给华擎、蓝戟等合作伙伴，B50 GPU将于今年7月上市 [7] - Gaudi 3 PCIe卡计划2025年下半年上市 [7] 行业地位与历史 - 公司正在努力恢复竞争优势，证明在台积电和英伟达主导的市场中仍具主导地位 [9] - 庆祝围绕x86架构四十年的合作与创新，几乎所有现代数字设备的根源都与中国台湾生态系统相关 [9] - CEO分享其与中国台湾的历史渊源，曾帮助濒临倒闭的益华电脑实现股价从2.42美元涨至316美元，市值达88亿美元 [9] - CEO表示这是其第六次担任CEO，也是首次以英特尔CEO身份回到台北 [10]

核心观点 - AI算力市场因英伟达高端芯片受限引发供应链争夺战，服务器价格波动剧烈且交易链条高度隐秘 [4][6] - 智算中心建设泡沫显现，2025年Q1中国165个项目中仅10%投产，同时国际科技巨头缩减数据中心投资 [11][12] - 行业呈现两极分化：中小算力供应商面临退租潮，而字节、阿里等大厂持续加码AI基建投入 [12][14] - 推理需求取代预训练成为新增长点，但存在芯片性能不足、垂类模型缺失等产业链断点 [19][21] 算力供应链动态 - 英伟达Hooper系列（H200）和Blackwell系列（B200）通过特殊渠道进入中国市场，H200比H100效率高30%但价格仅增加20余万 [5] - 国内H200供应商不超过10家，单周供应能力达100台服务器，B200单价超300万且流通路径更隐秘 [5][6] - 算力交易采用"P"单位计价规避型号标注，部分经销商通过模组嵌入或第三方包装实现"曲线上市" [6] 智算泡沫现状 - 2024年智算中心项目达458个，但实际点亮率不足50%，国产芯片因性能短板无法用于预训练 [10][11] - 2025年Q1中国智算项目58%处于审批阶段，仅16个投产，Meta、微软等国际企业同步缩减投资 [11] - 飞利信、莲花控股等公司终止数亿元算力租赁合同，反映非核心需求方退场 [14] 巨头战略布局 - 字节跳动计划2025年投入892亿元采购AI芯片，其中500亿元定向英伟达产品 [12] - 阿里巴巴宣布三年3800亿元AI基建预算，超过去十年总和 [12] - 车厂智算中心需求达万P规模，成为仅次于科技巨头的第二大采购方 [19] 产业链瓶颈 - 推理需求爆发：单个AI应用日算力消耗可达百万P级，但存在工程化优化挑战 [19] - 国产芯片存在"短板效应"，堆叠无法弥补性能缺陷 [21] - 医疗垂类模型受限于数据开放率不足5%，三甲医院仅3%脱敏数据可用 [21][22] 商业模式创新 - 算力供应商通过直接投资AI企业锁定需求，形成垄断式消纳路径 [14][15] - LP+产业基金模式构建资本闭环，实现算力采购资金回流 [16][17] - 新型智算服务商转型为算法+行业解决方案提供商，突破硬件供应商定位 [22]

核心观点 - 围绕英伟达高端芯片的算力资源争夺战因关税暂停窗口期升温，服务器价格波动剧烈且供应链复杂[1][2][3] - 国内智算产业经历从炒卡热潮到泡沫破裂的周期，供需结构性错配导致大量算力闲置与低效[10][12][15] - 科技巨头持续加码AI基建投入，与中小算力供应商收缩形成鲜明对比[17][18][20] - 行业探索新型算力消纳模式，包括投资绑定和产业基金联动等非主流路径[23][25][26] - 推理需求爆发凸显产业链断点，垂类模型缺失和芯片性能短板制约算力有效利用[30][32][34] 芯片供应与价格动态 - 服务器价格近期上浮15%-20%，关税暂停后供应商计划恢复原价[2] - 英伟达Hooper系列（H200）和Blackwell系列（B200）通过隐秘渠道进入国内市场，H200比H100效率高30%但价格仅高20多万元[3][4] - 国内已有供应商具备每周100台H200供应能力，掌握货源的供应商不超过十家[6] - B200价格高达300多万元且流通受限最严，主要用于大模型预训练[4] 市场供需与交易模式 - 算力交易采用抽象计价方式，合同以算力单位"P"代替具体芯片型号[7] - 部分经销商通过特殊采购渠道多层转售，或借助第三方企业将模组嵌入产品实现"曲线上市"[8] - 2024年智算中心项目超458个，但2025Q1数据显示165个项目中仅16个投产，占比不足10%[11][13] - 智算中心点亮率不足50%，国产芯片因性能短板无法用于预训练[15] 企业战略与投入 - 字节跳动计划2025年投入123亿美元（约892亿元）于AI基础设施，其中400亿元预算用于中国采购AI芯片[17] - 阿里巴巴宣布未来三年拟投入3800亿元建设AI基础设施，超过去十年总和[18] - 大厂采购导致市场供货紧张，"签约后交不出货"现象普遍[19] 行业结构性矛盾 - 算力供给呈现"结构性错配"：高端需求未满足与低效算力闲置并存[15] - 国产芯片存在"短板效应"，堆叠无法弥补性能差距导致集群效能受限[32][33] - 医疗等行业垂类模型受制于数据开放率不足（医疗数据开放率<5%），三甲医院仅3%脱敏数据可用于AI训练[35][36] 新兴商业模式 - 算力供应商通过投资绑定被投企业算力需求，形成垄断式消纳路径[23] - 产业基金联动模式：算力供应商以LP身份绑定被投企业未来采购，构建资金闭环[25][26] - 新型智算服务商崛起，提供算法团队和行业专家深度参与客户AI开发[38]

行业趋势 - AI芯片行业正从大规模训练市场转向更现实的推理市场，Nvidia在训练芯片市场占据主导地位，而其他公司如Graphcore、英特尔Gaudi、SambaNova等转向推理市场 [1] - 训练芯片市场门槛高，需要重资本、重算力和成熟的软件生态，新晋企业难以生存，推理芯片成为更易规模化落地的选择 [1] - 推理市场对内存和网络的要求较低，适合初创公司切入，而Nvidia在训练市场的优势包括HBM内存和NVLink等网络技术 [21][22] Graphcore - Graphcore曾专注于训练芯片，其IPU处理器采用并行处理架构，适合处理稀疏数据，在化学材料和医疗领域表现突出 [2][4] - 2020年Graphcore估值达28亿美元，但其IPU系统在大型训练项目中难以挑战Nvidia，2021年微软终止合作后公司开始衰落 [4][5] - 2024年软银收购Graphcore后转向推理市场，优化Poplar SDK，推出轻量级推理方案，聚焦金融、医疗和政府场景 [6] 英特尔Gaudi - 英特尔2019年以20亿美元收购Habana Labs，Gaudi系列主打训练和推理，Gaudi2对比Nvidia A100吞吐量性能提高2倍 [7][9] - 英特尔内部存在Habana与GPU部门的竞争，官僚效率低下影响决策，Gaudi训练平台市场采用率低迷 [9][10] - 2023年Gaudi转向训练+推理并重，Gaudi3强调推理性能和成本优势，每美元推理吞吐量高于GPU近30%，但未能达到营收预期 [10][11] Groq - Groq创始人曾参与Google TPU设计，其LPU架构采用确定性设计，主打低延迟和高吞吐率，适合推理任务 [12][14] - 早期尝试训练市场失败后转向推理即服务，2024年展示Llama 2-70B模型每秒生成300+ Token，吸引金融、军事等延迟敏感行业 [15] - GroqCloud平台提供API接口，与LangChain等生态集成，定位为AI推理云服务提供商 [15] SambaNova - SambaNova采用RDU架构，曾重视训练市场，但2022年后转向推理即服务，推出SambaNova Suite企业AI系统 [16][18] - 2024年裁员15%并完全转向推理，聚焦政府、金融和医疗等私有化模型部署需求强烈的领域 [18][19] - 提供多语言文本分析、智能问答等推理服务，商业化路径逐渐清晰 [19] 技术对比 - Nvidia在训练市场的优势包括CUDA生态、HBM内存和NVLink网络技术，初创公司难以竞争 [21][22] - 推理任务内存负担低，无需存储梯度和复杂网络通信，适合初创公司设计专用芯片 [21] - 未来AI芯片竞争将更注重成本、部署和可维护性，推理市场成为战略重点 [23]

地缘政治与市场影响 - 印巴宣布停火，乌克兰提议5月15日在土耳其恢复俄乌直接谈判，显示地缘冲突趋缓 [1] - 中美会谈长达8小时进入解决分歧阶段，会谈结果将对市场走向起重大引领作用 [1] - 美国4月CPI数据及美联储主席鲍威尔讲话受关注，市场观察6月降息可能性 [1] 行业与公司动态 - 国家部署打击战略矿产走私出口专项行动，涉及镓、锗、锑、钨、中重稀土等资源 [2] - 宇树科技在上海成立分公司并扩招，机器人板块动向值得关注 [2] - 腾讯控股、京东、阿里等互联网巨头本周公布财报 [1] 万国数据-SW（09698）财报分析 - 2024年营业收入103.22亿元（+5.5%），调整后EBITDA 48.76亿元（+3%），国际业务出表后口径 [3] - 4Q24国际业务完成B轮融资，上市公司持股35.6%，合并报表口径调整后EBITDA 51.93亿元（+12.3%） [3] - 国内业务运营面积613,583平方米（+12%），机柜利用率73.8%，单价2011元/平米/月 [3] - 2025年国内新签订单152MW，资本开支预算上调至43亿元，23亿元用于新订单建设 [4] - 海外业务DayOne累计签单467MW，运营规模121MW，2024年收入1.73亿美元，计划18个月内上市 [4] 建筑行业出海趋势 - 中国建筑企业国际竞争力强，中国交建、中国建筑等进入ENR 2024年度全球前10强 [5] - 雅万高铁、中欧班列等"一带一路"项目展现技术实力，越南和发榕桔钢厂、克罗地亚风电项目为标志性工程 [6] - 八大建筑央企2024年海外新签同比+13.3%，2025年一季度同比+23.9%，中钢国际海外新签同比+54% [7] - 港股重点关注中交建（01800）、中国中铁（00390）、中铁建（01186）、中国能源建设（03996） [7] 港股市场数据 - 恒生期指(五月)未平仓合约总数96870张，净数36007张，结算日2024年05月29日 [8] - 恒生指数牛熊街货分布显示22868点熊证密集，港股存在做多动力，本周看涨 [8] - 港元汇率强势，资本持续流入，科技、生物制药、新消费等稀缺标的受资金青睐 [10]

AI芯片行业趋势 - AI芯片行业正从大规模训练市场转向更具现实落地潜力的推理市场，Nvidia在训练市场占据绝对主导地位，而其他公司如Graphcore、英特尔Gaudi等纷纷转向推理领域 [1] - 训练市场门槛极高，需要重资本、重算力和成熟的软件生态，新晋企业难以与Nvidia竞争，推理市场则更易规模化和商业化 [1][4] - 推理市场的优势在于内存和网络需求较低，适合初创企业切入，而Nvidia在训练市场的优势包括CUDA生态、HBM内存和NVLink技术 [21][22] Graphcore转型 - Graphcore曾专注于训练芯片IPU，其Colosual MK2 GC200 IPU采用台积电7nm制程，性能接近Nvidia A100，2020年估值达28亿美元 [4] - IPU在稀疏数据处理（如分子研究）和医疗领域表现突出，微软曾用于新冠X光片识别，速度比传统芯片快10倍 [5] - 由于训练市场竞争失败，Graphcore被软银收购后转向推理市场，推出轻量级推理方案，聚焦金融、医疗和政府场景 [5][6] 英特尔Gaudi策略调整 - 英特尔2019年以20亿美元收购Habana Labs，Gaudi2采用7nm制程，吞吐量性能比Nvidia A100高2倍 [7] - 内部管理混乱导致Gaudi市场表现不佳，2023年转向"训练+推理并重"，Gaudi3强调推理性价比，成本优势达30% [9][10] - 英特尔终止Falcon Shores开发，Gaudi3现面向企业私有化部署，如语义搜索和客服机器人 [10][11] Groq技术定位 - Groq创始人曾参与Google TPU开发，其LPU架构采用确定性设计，专注低延迟推理，适合大模型推理任务 [13] - 2024年展示Llama 2-70B模型推理速度达300 token/秒，吸引金融、军事等延迟敏感领域客户 [15] - Groq转型推理即服务（Inference-as-a-Service），通过GroqCloud平台提供API，与LangChain等生态集成 [16] SambaNova业务转向 - SambaNova的RDU芯片曾主打训练优势，但2022年后转向推理即服务，推出企业AI系统SambaNova Suite [17][19] - 聚焦金融、政府等私有化部署需求，提供合规化推理解决方案，与拉美金融机构和欧洲能源公司合作 [20][21] - 2024年裁员15%，完全放弃训练市场，专注推理商业化 [19] 技术对比与市场逻辑 - 训练芯片需复杂内存层级（HBM/DDR）和全互联网络，Nvidia凭借CUDA生态和硬件优化占据绝对优势 [21][22] - 推理芯片门槛较低，初创企业可通过垂直场景（如医疗、金融）或技术差异化（如Groq的低延迟）竞争 [23] - 行业进入"真实世界"阶段，竞争焦点从算力转向成本、部署和维护便利性 [23]

边缘云技术革命 - 边缘云突破传统集中式计算模式 将数据处理能力下沉至网络边缘 实现数据快速响应和处理 [1] - 在AI大模型竞争中 行业焦点从训练阶段转向AI推理 边缘云成为新竞争焦点 [1] - 边缘云靠近节点 可提升数据交互和AI推理即时性与效率 同时保障信息安全 [1][5] AI推理需求爆发 - AI推理计算需求可能是训练需求的10倍甚至更多 企业更关注"后训练"阶段部署问题 [1] - 巴克莱报告指出 AI推理计算需求预计占通用人工智能总计算需求的70%以上 达训练需求的4.5倍 [3] - 英伟达创始人预测 推理算力需求规模增长将"轻松超过去年估计的100倍" [3] 行业技术动态 - OpenAI推出O1推理模型 Anthropic上线依赖推理的Agent功能 DeepSeek R1推理模型引发全球关注 [3] - DeepSeek采用跨节点专家并行模式 通过全面开源将AI推理资源池成本降至百卡/千卡范围 [4] - DeepSeek轻量灵活的部署方式已获科技、金融、政务等多行业接入 推动端侧AI爆发 [4] 边缘云核心优势 - 边缘云地理分布广泛 缩短交互链路 降低数据传输开销和成本 [5] - 边缘云节点容量大、健壮性强 结合边缘推理可支持企业数字化和智能化转型 [5] - 边缘侧提供额外能力如边缘缓存和安全防护 增强模型部署安全性 [5] 市场竞争要素 - 未来竞争核心在于成本/性能计算 包括推理成本、延迟和吞吐量 [6] - 边缘推理靠近终端用户和数据源 可提升用户体验和效率 同时满足"数据主权"需求 [6] - AI行业投资已开始转向推理 推理效率需综合评估吞吐量、时延和成本 [6]

AI芯片初创公司战略转型 - SambaNova Systems在2023年4月放弃AI训练业务，裁员15%，全面转向AI推理领域，成为第一代AI芯片初创公司中最后一个放弃训练业务的企业 [1] - 类似战略转型案例包括：Groq在2022年完全转向推理基准，Cerebras从CS-1的训练重心转向CS-2的推理重心 [1] 转型原因分析 市场因素 - 行业普遍认为AI推理市场规模可能是训练市场的10倍，因单个模型训练后需执行大量推理任务 [3] - 若未来AI生态由少数大型模型主导，推理市场规模将显著超越训练市场 [3] 技术门槛差异 - 训练需缓存梯度/激活值，要求复杂内存架构（SRAM+HBM+DDR），而推理仅需前向计算，内存需求降低50%以上 [3][4] - 训练需全对全芯片间网络同步梯度，推理仅需线性流水线通信，初创公司有限网络设计更适配推理场景 [5] 英伟达垄断压力 - 英伟达通过CUDA生态、HBM内存（单芯片最高80GB）、NVLink/Infiniband网络技术建立训练领域绝对优势 [6] - 即使SambaNova具备HBM和点对点网络，仍难以突破英伟达在低精度训练算法适配性上的先发优势 [6] 初创公司竞争策略 - 放弃训练业务因需同时解决内存带宽（HBM供给受限）、网络拓扑、算法适配三重挑战，而推理仅需优化单次前向计算 [4][5][6] - 现有案例显示，初创公司转向推理后可规避与英伟达直接竞争，专注特定场景优化（如Groq的确定性延迟、d-Matrix的稀疏计算） [2][6] 行业格局影响 - 英伟达在训练市场的技术壁垒（硬件+软件协同优化）迫使初创公司重新定位，形成训练市场单极垄断、推理市场多强并存的格局 [7] - 头部实验室对英伟达硬件的路径依赖（如GPT-4级模型训练代码适配）进一步强化其市场地位 [6]