合作核心内容 - 英伟达与OpenAI达成战略合作，OpenAI将部署至少10GW（1000万千瓦）的英伟达系统，包含数百万颗GPU [1][2] - 英伟达将向OpenAI进行总额最高达1000亿美元（约合人民币7114.7亿元）的投资，以支撑其算力建设 [1][2] - 双方计划于2026年下半年部署首个基于英伟达Vera Rubin平台的1GW级别数据中心 [1][2] 合作目标与行业影响 - 合作旨在推动AI技术进步，为下一代AI赋能，双方CEO均表示将推动前沿AI技术的突破 [3] - 合作有望推动OpenAI的技术研发和模型迭代，未来推出更强大的AI模型，促进AI应用推广和算力需求提升，形成正向循环，带动AI产业发展 [3] - 此次AI模型与AI算力领军企业的强强联合，有望推动AI产业生态持续繁荣 [7] 对英伟达的战略意义 - 合作明确了英伟达将作为OpenAI AI工厂发展规划中的首选战略级计算和网络合作伙伴，有利于巩固其在AI计算领域的市场地位 [4] - 双方将协作优化OpenAI的模型、基础软件与英伟达软硬件的整合，有望完善英伟达算力系统对AI技术研发的适配程度，巩固其地位和壁垒 [4] - 如果合作按计划推进，按10GW数据中心规模计算，相当于数百万颗GPU需求，有望从2026年下半年开始提振英伟达的AI GPU收入 [7] OpenAI的算力需求展望 - OpenAI CEO萨姆·奥尔特曼重申对算力需求的乐观展望，指出AI应用服务调用量增长惊人，预计未来增长会更惊人 [6] - OpenAI正努力推进算力基础设施建设，目标是创建一个每周能产出1GW AI基础设施的工厂 [6] - 奥尔特曼明确英伟达在合作中具有不可替代的作用，认为只有英伟达能够以较快速度满足公司大规模的算力需求 [6]

公司战略与愿景 - 公司提出超级人工智能（ASI）为终极目标 并明确通往ASI的三阶段演进路线：智能涌现、自主行动和自我迭代 [5][6] - 公司宣布将全力打造成为全栈人工智能服务商 通过通义千问开源开放路线和构建超级AI云两大核心路径实施AI战略 [3][6] - 公司推进三年3800亿元的AI基础设施建设计划 并持续追加更大投入以迎接ASI时代 [6] 技术产品发布 - 通义大模型七连发 包括旗舰模型Qwen3-Max（预训练数据量36T tokens、总参数超万亿、性能全球前三）、Qwen3-Next架构、千问编程模型、多模态模型及语音大模型 [7] - 发布全新Agent开发框架ModelStudio-ADK 百炼平台模型日均调用量增长15倍 [8] - 通义开源300余个模型 全球下载量突破6亿次 衍生模型17万个 超100万家客户接入通义大模型 [8] 基础设施与算力 - 公司AI算力增长超5倍 AI存力增长4倍多 形成以通义为核心的操作系统和以AI云为核心的下一代计算机 [9] - 第九代企业级实例采用英特尔/AMD最新芯片 提升通用CPU算力性能 [9] - 全球基础设施扩建计划新增巴西/法国/荷兰地域节点 并扩建墨西哥/日本/韩国/马来西亚/迪拜数据中心 [9] 市场地位与行业数据 - 公司股价单日上涨9.16% 总市值超3.3万亿港元 [4] - 在中国AI云市场占比35.8%（Omdia数据） 超过第二到第四名总和 财富中国500强中超53%企业采用公司AI服务 [11] - 全球AI行业投资总额超4000亿美元 未来5年累计投入预计超4万亿美元 [5] 合作与生态建设 - 与英伟达在Physical AI领域合作 集成其软件栈提供全链路平台服务 缩短具身智能等应用开发周期 [10] - 通义大模型在中国企业级调用市场占比第一（沙利文报告） [8]

业务发展战略 - 公司积极打造第二增长曲线 重点发展集成洗碗机产品以丰富产品矩阵并降低单一业务依赖 [1] - 公司持续深化全渠道布局 包括拓展下沉市场 KA渠道及家装等新兴渠道以提升市场渗透率与抗风险能力 [1] 投资布局方向 - 公司通过参与投资产业基金探索通用人工智能 创新器械等领域的协同机会以进一步优化业务结构 [1]

报告行业投资评级 - 国产算力趋势走强 沐曦领衔通用GPU 行业投资评级为积极看好 [2][3] 报告核心观点 - 国产算力与AI模型生态闭环逐步建立 2025年8月Deepseek V3.1引入FP8精度 针对国产芯片迭代 表明国产算力倾斜趋势 [3][9] - 国内互联网大厂资本支出进入上升期 阿里巴巴未来三年计划投入超3800亿元用于AI算力 字节2025年预计900亿元用于AI算力采购 [3][14] - 沐曦股份为国内高性能通用GPU领军企业 自研架构兼容CUDA 累计出货2.5万颗GPU 2022-2024年营收CAGR达4075% [3][18][32] - 国产GPU替代必要性提高 2024年中国AI芯片市场规模中GPU占1000亿元 ASIC/DSA占425亿元 本土品牌AI芯片出货量超82万张 [3][8] GPU行业分析 - 2024年全球GPU市场规模774亿美元 2030年有望达4725亿美元 复合增长率35.19% [8] - 2024年中国加速芯片市场规模超270万张 英伟达份额70% 华为昇腾23% 沐曦份额1% [7][8] - GPU架构在中国AI芯片市场占69.9% 其他AI芯片占30.1% [8] - 行业催化包括国产算力-模型生态闭环及互联网大厂资本支出上升 腾讯1H25资本开支466亿元占收入13% [3][14] 沐曦股份深度分析 - 团队拥有AMD顶尖技术背景 创始人陈维良为AMD前GPU SoC设计总负责人 硬件负责人彭莉为AMD首席架构师 [3][30] - 产品矩阵覆盖曦思N系列（推理）、曦云C系列（训推一体）、曦彩G系列（图形渲染） [18][22] - 2024年营业收入7.43亿元 1Q25训推一体芯片曦云C500系列收入3.1亿元 占比97.87% [3][38] - 技术领先维度： - 单卡性能：曦云C500 FP16/BF16算力国内第一梯队 对标英伟达A100 [44][46] - 集群能力：国内少数实现千卡集群商业化 正研发万卡集群 [44][50] - 软件生态：MXMACA软件栈兼容CUDA 支持6000多个应用 注册用户超1.5万人 [44][54] - 创新超节点：Shanghai Cube液冷整机柜支持单机柜128卡 [56][59] - 产品路线图： - 曦云C600预计1Q26量产 基于国产先进工艺 [42] - 曦云C700预计2Q26流片 3Q27量产 [42] - 募集资金39亿元 主要用于曦云C600/C700研发 [64][65] 重点标的 - GPU相关：寒武纪、海光信息、澜起科技、摩尔线程、沐曦股份 [3][74] - 先进工艺相关：中芯国际、华虹公司、长电科技 [3][74] 行业需求与供给 - 需求侧：三大运营商2025年资本开支计划2898亿元 政府智算中心2024年投资1014亿元 [14] - 供给侧：国产替代政策推动 本土品牌渗透率上升 [14] 数据引用明细 - 市场规模数据：全球GPU 774亿美元（2024）[8] 中国GPU 1000亿元 ASIC 425亿元（2024）[3][8] - 出货量数据：中国加速芯片270万张 本土品牌82万张（2024）[3][8] - 公司数据：沐曦营收7.43亿元（2024）[32] 曦云C500收入7.2亿元（2024）[3] - 资本支出：阿里3800亿元（三年） 字节900亿元（2025 AI算力）[3][14]

核心观点 - 公司积极打造第二增长曲线 重点发展集成洗碗机产品以丰富产品矩阵并降低单一业务依赖[1] - 公司持续深化全渠道布局 包括拓展下沉市场 KA渠道及家装等新兴渠道以提升市场渗透率与抗风险能力[1] - 公司通过参与投资产业基金 探索通用人工智能 创新器械等领域的协同机会以进一步优化业务结构[1] 业务战略 - 公司目前主要集成灶产品严重受地产和装修行业影响[1] - 重点发展集成洗碗机产品作为第二增长曲线[1] - 通过丰富产品矩阵降低单一业务依赖[1] 渠道布局 - 持续深化全渠道布局包括拓展下沉市场[1] - 发展KA渠道及家装等新兴渠道[1] - 提升市场渗透率与抗风险能力[1] 投资拓展 - 参与投资产业基金探索新领域协同机会[1] - 重点关注通用人工智能和创新器械领域[1] - 通过投资进一步优化业务结构[1]

企业家IP与网红经济 - 第一代网红为普通人提供传统路径外的上升通道 核心以带货和卖课等直接变现为主[3] - 企业家网红以俞敏洪和雷军为代表 核心目的并非销售消费品而是为企业做宣传 相当于新一代市场部和公关部[3] - 通过企业家自身影响力向社会传递企业价值[3] AI与智能体发展趋势 - AI整体进化速度远超预期 但AGI通用人工智能短期内不会到来[3] - 智能体是AI核心进化方向 能实现目标驱动加工具使用加推理决策[3] - 多智能体协作可实现1+1大于2的效果 类似人类社会组织的协同模式[3] Manus案例与行业启示 - Manus虽未做基座模型 但为行业探索出通过智能体完成任务的路径[4] - 互联网已迈入需要快速反应和快速调整的时代 创业公司弱小队伍更需要快速移动[5] - Manus虽存在套壳争议 但先圈到千万用户验证需求 成功融资后投入技术完善[5] 360公司战略定位 - 360定位行业配角 不做通用大模型避免重复造轮子 聚焦垂直领域[5] - 主动与行业巨头建立联系 联合16家大模型企业建立合作生态[5] - 从阿里云和腾讯云购买服务 将自身智能体技术与巨头算力结合[5] AI对就业市场影响 - 未来不是AI淘汰人 而是会用AI的人淘汰不会用AI的人[6] - 重复性文案和数据整理工作会被取代 但会诞生新岗位如智能体管理员[6] - 类比工业革命淘汰马车夫但增加汽车司机岗位[6] 企业关系战略调整 - 回顾当年与多家大厂矛盾 因巨头对创业公司较狠且自身选择极端死磕打法[5] - 近年多方关系缓和 公司争取休养生息时间[5] - 在抖音遵守平台规则 做视频号主动联系马化腾[5]

行业阶段与核心矛盾 - 人形机器人行业正从主题炒作迈向产业趋势投资前期，海外及国内企业已开启小批量量产 [1] - 行业核心矛盾并非能否出货，而是能否形成可持续的产业飞轮，当前交付多集中于科研、教育等ToG领域，本体企业主要扮演硬件卖铲人角色 [1] - 行业真正转折点在于机器人大脑的Scaling Law时刻，即智能随数据量和模型规模呈非线性提升，从而突破场景泛化能力瓶颈 [1] Scaling Law的挑战与瓶颈 - 硬件端成本高且方案未定型，以特斯拉Optimus Gen1为例，当前BOM成本仍处高位，目标未来降至2万美元/台 [3] - 行业缺乏统一技术标准，行星滚柱丝杠与微型丝杠、轴向磁通电机与无框力矩电机等方案并存，延缓了规模化降本进程 [3] - 软件端缺乏机器人版ChatGPT，机器人大脑面临运动数据模态复杂、真实场景采集成本高、专用场景数据缺失等数据困境 [3] 技术路线演进 - 双系统分层VLA（大小脑架构）凭借均衡性成为当前工程落地最优解，端到端VLA被视为通用AGI的终极方向 [4][5] - Figure的Helix系统采用快慢双系统协同，7B参数慢系统处理认知任务，80M参数快系统以200Hz高频实现毫秒级实时控制 [7] - 若未来算力芯片效率提升且低成本数据生成技术突破，端到端VLA仍是终极方向，但大小脑路线将作为行业过渡桥梁 [7] 商业化路径与场景落地 - 商业化遵循从ToG到ToB再到ToC的路径，当前ToG场景已实现小规模落地，国内本体价格下探至3.99万元 [8] - ToB场景成为关键战场，服装制造业是典型案例，全球缝纫工人约6000万人，年人工开支超万亿人民币，存在刚性替代需求 [8][9] - 大模型端到端架构改变现状，无需手动编程即可通过视觉识别面料特性，杰克科技方案已能解决单层面料分离难题，拟推进批量化应用 [9] - 2030年前后人形机器人将全面进入B端装配、质检、柔性搬运环节，2035年有望在家庭场景实现护理、家务协作 [9] 资本流向与生态建设 - 行业资本从重硬件本体转向重软件大脑，谷歌、英伟达等国外科技大厂已率先布局具身智能大模型 [11] - 2024年下半年起国内具身智能大模型赛道迎来融资潮，千寻智能2025年3月完成5.28亿元Pre-A轮融资，穹彻智能累计获数亿元融资 [11] - 平台化企业开始补位行业生态短板，仙工智能等企业正以控制器为核心搭建机器人大脑开发平台，连接本体厂商与零部件企业以提升效率 [11] 未来行业展望 - 行业终极目标是复刻新能源车、智能手机的非线性增长曲线，关键在于机器人大脑的Scaling Law时刻 [13] - 若未来两年内头部企业能在简单工业场景验证智能泛化能力并形成成熟硬件方案，行业将进入规模化增长阶段 [13]

企业家IP与网红策略 - 第一代网红为普通人提供传统路径外的上升通道 核心以带货和卖课等直接变现为主 [3] - 企业家网红以俞敏洪和雷军为代表 核心目的并非销售消费品而是为企业做宣传 相当于新一代市场部和公关部 通过自身影响力向社会传递企业价值 [3] AI与智能体发展 - AI整体进化速度远超预期 但AGI通用人工智能短期内不会到来 [3] - 相较于单一大模型 智能体才是AI的核心进化方向 智能体能实现目标驱动加工具使用加推理决策 多智能体协作可实现1+1大于2的效果 类似人类社会组织的协同模式 [3] - Manus虽存在套壳争议 但先圈到千万用户验证需求 成功融资后投入技术进行完善 给行业探索出通过智能体完成各项任务的路径 [4] 公司战略定位与合作 - 公司定位行业配角 不做通用大模型 因巨头已有布局 重复造轮子不如聚焦垂直领域 [4] - 主动与行业巨头建立联系 联合16家大模型企业建立合作生态 从阿里云和腾讯云购买服务 将自身智能体技术与巨头算力结合 [5] - 与多家大厂关系缓和 因当年巨头对创业公司较狠 且公司反思不一定非要选择极端撕破脸皮的死磕打法 [4] AI对社会与就业影响 - 未来不是AI淘汰人 而是会用AI的人淘汰不会用AI的人 [5] - 重复性文案和数据整理等工作会被取代 但会诞生新岗位如教AI干活和调参数的智能体管理员 类似工业革命淘汰马车夫但多了汽车司机岗位 [5]

AI行业投资与趋势 - 全球AI行业最近一年投资总额超过4000亿美元 未来5年累计投入将超4万亿美元[1] - AI Chatbot成为人类历史上用户渗透率最快的功能 行业渗透速度超过所有历史技术[3] - Tokens文本处理单位消耗速度每两到三个月翻一番[3] AI技术发展路径 - AI智力水平在几年内从高中生提升至博士生水平 达到国际数学奥林匹克竞赛金牌能力[3] - 通用人工智能AGI已成为确定性事件 并将成为超级人工智能ASI发展的起点[3] - AI发展三阶段演进路线：智能涌现→自主行动→自我迭代 行业当前处于自主行动阶段[4] 阿里巴巴AI战略布局 - 公司积极推进三年3800亿AI基础设施建设计划 并将持续追加更大投入[4] - 对比2022年生成式AI元年 2032年阿里云全球数据中心能耗规模将提升10倍[4] - ASI时代每个家庭、工厂和公司都将有众多Agent和机器人提供24小时服务[5] AI未来应用前景 - AGI目标是将人类从80%日常工作中解放 专注于创造与探索[3] - ASI可能创造超级科学家和全栈超级工程师 以难以想象速度解决科学工程难题[3] - ASI将指数级放大人类智力杠杆 如同电放大人类物理力量杠杆[5]

核心战略方向 - 阿里云将通义千问定位为AI时代的Android 坚定走开放路线 致力于成为下一代操作系统 与全球开发者共建AI应用生态 [1] - 公司判断大模型将取代传统OS 成为连接用户 软件与AI计算资源的中间层 未来自然语言将成为AI时代的编程语言 Agent将成为新软件形态 [13] 开源生态进展 - 通义千问开源模型矩阵全球下载量超6亿次 衍生出超过17万个模型 成为全球最受欢迎的开源模型之一 [1] - 通过开源策略 目标将开发者规模从数千万扩展至数亿 让用户能用自然语言创造满足自身需求的智能体 [1] 基础设施投入 - 公司积极推进三年3800亿元的AI基础设施建设计划 并持续追加更大投入 [20] - 为迎接ASI时代 预计到2032年全球数据中心能耗规模将是2022年的10倍 [2][20] - 正在打造AI超级计算机 提供从自研芯片 网络 存储到模型 平台的全栈人工智能服务 [2][18] 技术演进路径 - AI发展将经历三阶段：智能涌现（学习人） 自主行动（辅助人） 自我迭代（超越人） [6][8][11] - 当前处于自主行动阶段 AI具备Tool Use能力 可连接数字化工具完成真实世界任务 [7] - 未来突破需依赖真实世界全量原始数据获取及Self-learning自主学习能力 [9][11] 市场前景预期 - 全球AI行业最近一年投资总额超4000亿美元 未来5年累计投入将超4万亿美元 [3] - AI Chatbot成为人类史上用户渗透率最快的功能 行业渗透速度超过历史上所有技术 [3] - Token消耗量每两三个月翻一番 未来AI能力将以Token形式在云计算网络上输送 [3][17] 产品服务体系 - 通义千问开源300多款模型 覆盖全模态全尺寸 提供一站式模型服务平台百炼及Agent开发运行环境 [17] - 阿里云运营中国第一 全球领先的AI基础设施和云计算网络 具备软硬件垂直整合能力 [17] 行业变革影响 - 大模型将"吞噬"传统软件形态 未来几乎所有计算交互将由大模型产生的Agent完成 [13] - 模型部署方式将多样化 运行于所有计算设备并具备持久记忆能力 端云联动 [14] - 计算范式从CPU为核心转向以GPU为核心的AI计算 需要更稠密算力与更大集群规模 [15] 未来协作模式 - 未来每个人可能需要100张GPU芯片工作 Agent和机器人数量或超过全球人口 [8][22] - ASI将指数级放大人类智力杠杆 使10小时产出产生十倍百倍效益 [22] - AI将成为最重要商品 替代能源地位驱动千行百业工作 [17]