文章核心观点 - Google自研AI芯片TPU的供应链不确定性消退，未来两年产量预期呈爆炸式增长，这可能预示着公司准备向第三方大规模销售TPU芯片的早期信号 [1][3] - 若Google开启TPU外销模式，将为其开启新的庞大收入来源，并可能重塑AI芯片市场的竞争格局 [1][5] - 摩根士丹利大幅上调了Google TPU在2027年和2028年的产量预测，显示出公司在AI硬件上的投入正以前所未有的速度扩张 [1][2] 产量预测与增长 - 2027年TPU产量预测从约300万块大幅上调至约500万块，增幅约67% [1][4] - 2028年TPU产量预测从约320万块飙升至约700万块，增幅达到惊人的120% [2][5] - 2027至2028两年间，Google将获得1,200万块TPU供应，而过去4年总量仅为790万块，显示产量激增 [2][5] 策略转变与市场潜力 - 最新的产量预测可能意味着供应瓶颈不再是问题，揭示了Google通过GCP销售更多TPU及将其作为独立产品销售的潜力 [2][5] - 这被解读为Google可能从TPU的“自产自用”模式，转向直接与AI芯片巨头竞争的重要策略转变 [2][5] - 若策略实施，Google将从AI芯片的消费者和服务提供商，转变为直接的硬件销售商，进入高利润AI芯片市场 [2][5] 财务影响测算 - 报告测算，每销售50万块TPU芯片，可能在2027年为Google增加约130亿美元的收入和0.40美元的每股收益 [3][6] - 该量化测算为投资人提供了清晰的估算模型，即使只销售一小部分产量，也将为公司贡献可观的收入和利润增长 [3][6] - 成功的TPU外销策略可能重塑市场对Google的估值逻辑，并对现有AI芯片市场竞争格局产生深远影响 [3][6]

AI芯片市场竞争格局 - 亚马逊发布新一代AI芯片Trainium3并正在研发Trainium4 [2] - 谷歌官宣Gemini 3大模型并采用自研芯片，其性能评测被认为完胜OpenAI的GPT系列，一度引发英伟达股价大跌 [2] - 谷歌第七代自研TPU芯片Ironwood将在未来几周内正式发布，其采用光电路交换机（OCS）互联架构 [2] 谷歌TPU Ironwood性能参数 - Ironwood芯片在训练和推理方面的性能比上一代Trillium芯片提升4倍多 [3] - 芯片峰值算力达到每秒425万亿次运算，FP8算力达每秒4614万亿次浮点运算，超过英伟达B200芯片的每秒4500万亿次浮点运算 [3] - 内存带宽为每秒7.2太比特，略低于英伟达B200芯片的每秒8太比特 [3] - 每瓦性能为前代Trillium芯片的两倍，每个芯片内存容量达192千兆字节，是Trillium芯片的六倍 [3] TPU与GPU技术路径比较 - 谷歌TPU的核心价值在于其自洽的技术结构，从单芯片到跨Pod的算力调度，决定了大模型时代的可扩展性和能效边界 [4] - TPU在模型收敛稳定后使用效率最高，但在模型未收敛时GPU灵活性更高，两者被视为串行发展路线而非并行 [5] - 专家观点认为，GPU通用市场未来可能收窄至科研场景，生产场景将收敛至垂类模型并使用TPU，但这一过程不会太快 [5] 谷歌TPU的商业化进展 - 谷歌TPU从自用走向外销，Anthropic宣布将部署多达100万个谷歌TPU芯片训练AI大模型Claude [5] - 谷歌正与Meta等科技大厂洽谈TPU外采合作 [5] - 英伟达回应称其是唯一能运行所有AI模型并可在所有计算场景中部署的平台，并继续向谷歌供货 [6] 英伟达的竞争护城河 - 英伟达三大护城河包括能拿到台积电先进制程产能、CUDA生态、以及由算力芯片、网络芯片、交换芯片和软件生态形成的体系 [6] - 目前竞争对手仅能替代GPU芯片，要替代英伟达需攻破上述三大护城河 [6] 算力互联与OCS技术 - 算力集群催生卡间互联、机架互联需求，谷歌是OCS（光电路交换机）技术的先行者 [6][7] - OCS直接进行光路交换，无需光电转换，可减少延迟和能量消耗，在跨区域扩展和大规模AI算力需求中优势显著 [7] - OS作用在交换层，用于机架间交换，智算领域的网络接入层、交换层、核心层正被重构 [8] 市场预期与产业链影响 - 大摩亚洲半导体团队将谷歌2027年TPU产量预测从约300万块上调至500万块，上调幅度达67%；将2028年预测从约320万块上调至700万块，上调幅度高达120% [8] - 谷歌TPU V7 Ironwood配置1.6T光模块，其OCS采用的MEMS和液晶方案的核心部件供应商有望受益 [9] - 相关概念股如光库科技最高涨超50%，赛微电子最高涨幅翻倍 [9] - 分析认为OCS与光模块是协同共生关系，头部光模块厂商将在OCS新赛道构筑全方位竞争优势 [9]

AI芯片市场竞争格局 - 英伟达面临来自亚马逊和谷歌等科技巨头的AI芯片竞争挑战[1] - 亚马逊发布新一代AI芯片Trainium3并正在研发Trainium4[1] - 谷歌自研TPU芯片因其Gemini3大模型性能优势对英伟达GPU构成冲击[1] 谷歌TPU芯片技术参数 - Ironwood芯片训练和推理性能比前代Trillium提升4倍多[3] - 峰值算力达每秒425万亿次运算，FP8算力达每秒4614万亿次浮点运算，超过英伟达B200芯片的每秒4500万亿次浮点运算[3] - 内存带宽达每秒7.2太比特，略低于英伟达B200的每秒8太比特[3] - 每瓦性能为Trillium芯片两倍，单个芯片内存容量达192千兆字节，是Trillium六倍[3] TPU技术架构与市场定位 - TPU核心价值在于其从单芯片到跨Pod算力调度的完整技术结构[4] - TPU在模型收敛稳定后具有更高效率，但灵活性低于GPU[4] - TPU与GPU被视为串行发展路线，模型稳定后可能更多转向TPU[4] - 谷歌TPU从自用走向外销，Anthropic将部署多达100万个TPU芯片训练Claude模型[4] 英伟达竞争优势分析 - 英伟达拥有三大护城河：台积电先进制程产能、CUDA生态、算力芯片与网络芯片的完整体系[5] - 公司宣称是唯一能运行所有AI模型并在所有计算场景中部署的平台[5] 光电路交换技术发展 - 谷歌在TPU v4集群中引入OCS技术，动态调整网络拓扑提升系统性能[5] - OCS直接进行光路交换，无需光电转换，减少延迟和能耗[5] - 大摩将谷歌2027年TPU产量预测从300万块上调至500万块，上调幅度67%[6] - 2028年TPU产量预测从320万块上调至700万块，上调幅度120%[6] OCS产业链投资机会 - 谷歌TPU V7 Ironwood配置1.6T光模块，OCS采用MEMS和液晶方案[7] - MEMS阵列、光纤阵列、光模块等供应商有望受益[7] - 光库科技因OCS业务最高涨超50%，赛微电子最高涨幅翻倍[7] - OCS与光模块是协同共生关系，头部光模块厂商将在新赛道构筑优势[8]

谷歌TPU扩产计划与产能瓶颈 - 谷歌TPU在2026年达到400万块产量的市场预期面临挑战，主要瓶颈在于台积电的CoWoS先进封装产能 [1][3] - 富邦研究基于供应链核查预测，2026年TPU实际产量将在310万至320万块之间，低于市场预期 [3][10] - 台积电CoWoS产能预计要到2027年初才能满足谷歌的巨大需求，TPU大规模放量可能推迟 [1][8] 台积电CoWoS产能现状与扩产计划 - 台积电现有AP8厂CoWoS产能已处于满负荷运转状态 [4][11] - 新建AP7厂一期产能主要为苹果处理器预留，二期产能需到2026年底就绪，无法支持2026年全年大规模生产 [4][14] - 台积电加速扩产，预计CoWoS月产能将在2026年底达到12万片（高于此前11万片），2027年底增至14万片（高于此前13万片） [5][15] - 台积电积极的扩产姿态被视为2027年前景向好的积极指标 [6] 谷歌TPU长期产量预测与商业模式转变 - 摩根士丹利预测谷歌TPU产量将呈爆炸式增长，2027年达500万块，2028年达700万块 [7][13] - 2027与2028年两年合计产量1200万块，将远超过去四年790万块的总和 [7][13] - 大规模产量被解读为谷歌可能将TPU作为独立产品直接向第三方销售的早期信号 [7][13] - 摩根士丹利测算，每对外销售50万块TPU，可能在2027年为谷歌带来约130亿美元的额外收入和0.40美元的每股收益 [1][7][13] - 富邦研究预测，随着2027年产能释放，TPU年产量有望翻倍至500万至600万块 [6] AI硬件竞赛的核心矛盾与供应链影响 - AI硬件竞赛存在急剧膨胀的需求与有限尖端制造能力之间的核心矛盾 [2][9] - 所有AI加速器（如TPU）的先进封装均由台积电自有晶圆厂完成，不受外包影响，产量严格受限于台积电内部CoWoS产能 [4][12] - TPU的强劲增长趋势预计将使台湾地区上游供应链（如博通、联发科）显著受益 [7][13]

核心观点 - 谷歌自研的AI芯片TPU正从内部工具转变为面向市场的英伟达GPU替代方案，对英伟达的市场主导地位构成实质性挑战 [1] - 竞争的关键在于系统级设计、软件生态、成本结构与商业模式，而不仅是单芯片性能 [2][3][8] 市场格局与竞争态势 - 全球最先进的两个AI模型（来自谷歌和Anthropic）完全或部分使用谷歌TPU开发，促使英伟达大客户Meta考虑使用TPU [1] - TPU的角色已从“谷歌内部工具”升级为大型AI公司可考虑的替代方案，任何客户“试水”都可能被市场放大 [1][2] - 摩根士丹利分析，谷歌计划2026年生产超过300万片TPU，2027年约500万片，英伟达当前GPU产量约为TPU的三倍，差距正在缩小 [1][7] 性能与系统设计 - 最先进的TPU（Ironwood）在每秒浮点运算次数（FLOPS）上约为英伟达Blackwell GPU的一半 [3] - 谷歌的策略是通过“集群化”放大优势，数千颗TPU可串联成“超级Pod”，在训练超大模型时具备出色的性价比与能效比 [3] - 英伟达单个系统最多直接连接约256颗GPU芯片，大模型时代系统级设计、互连能力和能效比成为新核心指标 [3] 软件生态与兼容性 - 英伟达的核心护城河是深度绑定的CUDA软件生态，对已使用CUDA的客户而言，租用英伟达芯片更具成本效益 [4] - TPU仅能与TensorFlow等特定AI软件工具顺畅配合，而多数AI研究人员使用的PyTorch在GPU上运行效果更佳 [4] - 对Anthropic、苹果和Meta等技术水平较高的客户，使用TPU挑战较小，TPU在运行谷歌Gemini模型时成本效率尤其突出 [4] 成本结构与盈利能力 - 在制造成本上，TPU与GPU相差不大，Ironwood使用了更先进、更昂贵的制程，但芯片体积更小，部分抵消了成本劣势 [5] - 博通从TPU项目中获得的收益至少达到80亿美元 [5] - 英伟达当前的硬件业务毛利率高达63%，而谷歌云整体只有24%，这解释了英伟达在价格战中仍保持极强盈利能力的原因 [6] 供应链与产能 - 台积电不会将所有产能押注在单一客户上，市场上始终会留出空间给包括TPU在内的其他方案 [7] - 当供应开始多元化，客户会更愿意比较、议价与分散风险 [7] 商业模式与战略意义 - 如果谷歌大规模对外销售TPU，需要重建包括服务器厂商、分销网络、企业级售后支持等整套产业链，近乎“复制一个英伟达” [8] - TPU未来可能不会走“低价路线”，而是通过其他费用弥补收入缺口，因为客户自建数据中心会减少谷歌云服务收入 [8] - TPU对谷歌的战略意义在于：成为与英伟达谈判的筹码、推广Gemini及其AI生态、在AI基础设施上拥有更大自主权 [8] - 只要客户愿意“多一个选项”，英伟达就不再拥有绝对定价权 [8]

行业趋势与瓶颈 - 现有计算体系在能耗和效率上面临巨大压力，未来需探索模拟计算、类脑芯片及基于类器官的计算等新形态[3] - 全球AI芯片产业规模到2030年有望达到约5万亿美元，其中训练芯片约占1万亿美元，推理/处理芯片有望达到4万亿美元，占比约80%[3] - 2025年是AI从训练时代全面迈入应用推理时代的元年，全球人工智能已进入应用大爆发阶段[5] 技术发展路径 - 未来AI处理芯片将被广泛嵌入眼镜、耳机、手机、笔记本、家电及各类企业设备中，实现无处不在的按需取用[3] - “推理异构化”成为行业趋势，单一芯片难以兼顾AI任务中高算力的需求理解阶段与高带宽的答案生成阶段[6] - 行业核心竞争力将聚焦于芯片架构的灵活适配能力，以应对多模型混合应用的常态[6] 公司战略与创新 - 公司以NPU为核心，推出GPNPU架构，走“推理优先架构”路线，目标实现推理效率百倍级提升[5] - 公司研发第五代GPNPU架构，核心是融合GPU通用性与NPU高能效，以“算力积木”设计和3D堆叠存储为核心创新[6] - 公司致力于通过全栈协同优化，为大模型组合应用与复合智能体部署提供核心算力支撑，实现“百万Token的极致性价比”[6] 公司竞争优势 - 公司自2005年参与并行计算指令集与芯片架构设计，掌握算法芯片化的第一性原理，可实现软硬结合的高性价比设计[7] - 公司沉淀了头部客户资源，具备资本与品牌优势，能吸引全球人才[7] - 公司地处粤港澳大湾区，可利用全球最完善的人工智能与机电一体化产业链，以及深圳的芯片设计、硬件制造、供应链与营销网络，以市场需求驱动研发[7] 行业生态与愿景 - 真正有意义的AI必须让更多人用得起、用得上，当AI使用成本接近水电气基础设施水平时，才能惠及偏远地区学生、基层医院和中小企业[4] - 公司呼吁建立全球统一的推理算力网络标准，以实现不同国家和地区在互联互通的推理网络上共享能力，尤其在医疗与教育领域[7]

AWS Trainium3芯片发布 - AWS正式推出第三代定制AI芯片Trainium3，性能较上一代提升四倍[4] - 与同等GPU系统相比，新芯片可将AI模型训练和运行成本降低最多50%[4] - Trainium3已获得包括Anthropic、Decart在内的多家客户采用[5] 芯片性能与客户应用 - AI视频公司Decart测试显示，Trainium3帮助视频生成帧率提升至其他芯片的四倍[1][9] - Decart使用Trainium3实现了技术突破，能够运行更大更智能的模型，解决了此前模型快速崩溃的问题[10] - Anthropic正使用超过100万颗Trainium2芯片构建和部署其Claude AI模型[11] 市场竞争格局 - 尽管定制芯片崛起，但英伟达市场地位短期难撼动，许多AWS芯片的大买家同时也是英伟达客户[1][5][11] - AI企业正寻求供应商多元化，Meta与谷歌洽谈采购TPU，OpenAI与AMD及博通合作[4] - 市场趋势表明英伟达近乎垄断的地位可能不会永久持续，正从单一供应商主导向多元化竞争格局演进[5][13] 公司背景与战略 - AWS通过旗下Annapurna Labs定制芯片设计业务推出Trainium3，主打性价比差异化竞争策略[6][8] - AWS早在2015年收购以色列初创公司Annapurna Labs，开始设计数据中心服务器芯片[8] - Trainium芯片首席架构师强调主要优势在于性价比，并表示并不试图取代英伟达[1][7][8]

港股市场整体表现 - 恒生指数下跌0.97%或252点，收报25842点 [1] - 恒生科技指数下跌1.3% [1] - 早盘成交额为860亿港元 [1] 公司重大交易与股权变动 - 中国铝业计划收购云铝涌鑫等三家子公司股权，股价上涨5.66% [1] - 怡俊集团控股复牌后股价暴涨66%，公司控股权易主并获折让超八成提全购要约 [1] - 资本界金控股价重挫逾50%，中期亏损扩大3.73倍至5013万港元 [1] 新股上市表现 - 乐摩科技首日挂牌上市，早盘股价上涨68%，公司为共享按摩设备商龙头 [1] - 金岩高岭新材首日挂牌上市，早盘股价上涨3%，公司为中国最大的精铸用莫来石材料生产商 [1] 行业供需与产品价格 - 中广核矿业股价再涨超3%，因两大铀供应商下调2026年产量指引，供给偏紧支撑铀价 [1] 公司业务合作与订单 - 龙蟠科技控股孙公司与Sunwoda签订近50亿元长单，股价上涨逾10% [1] - 云迹股价上涨超5%再创上市新高，较招股价已高出七成，公司领跑智慧酒店机器人应用大赛 [1] 关联公司与投资受益 - 亿都（国际控股）股价上涨超7%，因其全资子公司算丰信息是国产AI芯片公司沐曦的核心客户和股东，沐曦股份于12月5日启动科创板申购 [1] 汽车行业销售表现 - 小鹏汽车股价再跌超4%，11月销量环比下滑12%，未能达成4万辆目标 [2]

港股市场整体表现 - 恒生指数下跌0.97%或252点，收报25842点 [1] - 恒生科技指数下跌1.3% [1] - 早盘成交额为860亿港元 [1] 公司重大交易与收购 - 中国铝业股价上涨5.66%，公司计划收购云铝涌鑫等三家子公司股权以强化控制权 [1] - 龙蟠科技股价上涨逾10%，其控股孙公司与Sunwoda签订价值近50亿元人民币的长单 [1] - 怡俊集团控股复牌后股价暴涨66%，公司控股权易主并获折让超八成的全面收购要约 [2] 新股上市表现 - 乐摩科技首日挂牌上市，早盘股价上涨68%，公司为共享按摩设备商龙头 [3] - 金岩高岭新材首日挂牌上市，早盘股价上涨3%，公司为中国最大的精铸用莫来石材料生产商 [3] 行业动态与价格支撑 - 中广核矿业股价再涨超3%，因两大铀供应商下调2026年产量指引，供给偏紧支撑铀价 [1] 公司业务进展与市场表现 - 云迹股价上涨超5%再创上市新高，较招股价已高出七成，公司在智慧酒店机器人应用领域处于领先地位 [1] - 亿都（国际控股）股价上涨超7%，关联公司沐曦股份于12月5日启动科创板申购，亿都国际全资子公司算丰信息是沐曦的核心客户和股东 [3] 公司业绩亏损 - 资本界金控股价重挫逾50%，公司中期亏损扩大3.73倍至5013万港元 [4] 汽车销售数据 - 小鹏汽车-W股价再跌超4%，公司11月销量环比下滑12%，未能达成4万辆的月销量目标 [5]

公司股价表现 - 亿都(国际控股)盘中股价一度上涨超过10% 截至发稿时上涨8.33% 报4.03港元 成交额为522.62万港元 [1] 关联公司动态 - 国产AI芯片公司沐曦股份发布科创板IPO安排 计划发行4010万股 拟募集资金39.04亿元 初步询价日为2025年12月2日 申购日为2025年12月5日 [1] - 亿都国际的全资子公司算丰信息是沐曦的核心客户和股东 [1] 公司财务业绩 - 公司公布截至9月底的中期业绩 收入约为5.54亿港元 同比增长5.13% [1] - 公司拥有人应占溢利约为12.18亿港元 同比增长约11.55倍 [1] - 溢利大幅增长主要由于按公允值计入损益的财务资产公允值变动的收益所致 [1]