Key Points Groq is developing chips that are optimized for artificial intelligence (AI) inference workloads. The GPUs designed by Nvidia and AMD are optimized for training generative AI models. Groq's entrance into the chip realm underscores the idea that AI developers and infrastructure providers will need more than just GPUs to stay ahead of the curve. 10 stocks we like better than Nvidia › Over the last few years, investors have witnessed an unprecedented surge in capital expenditures by big t ...

We recently published Trending Analyst Calls: Top 10 Stocks. NVIDIA Corporation (NASDAQ:NVDA) is one of the stocks analysts were recently talking about. Altimeter Capital’s Brad Gerstner, in late August, talked about the impressive results of Nvidia on CNBC and explained why the company is benefiting from AI inference. Gerstner said at the time that the world is supply-constrained when it comes to compute. “Think about this stat a year ago: Google per month was doing about 9 trillion tokens a month in te ...

**行业与公司** - 全球内存行业 涵盖NAND闪存 DRAM及HBM市场 涉及公司包括三星 SK海力士 美光 铠侠[1][13] - 三星 SK海力士 美光获"跑赢大盘"评级 目标价分别为韩元95,000 韩元400,000 美元170[7][9][10][11] - 铠侠获"跑输大盘"评级 目标价为日元3,500[1][12] **NAND市场核心观点与论据** - NAND价格短期受AI推理需求及硬盘短缺支撑 涨幅从企业级SSD扩展至消费级领域 但结构性谨慎[2][14] - 价格上涨触发因素包括供应商惜售及买家提前采购 预计2025年第三季度和第四季度环比涨幅达7-8%[15] - 硬盘短缺因供应商资本开支保守 等待时间长达一年 导致云服务提供商转向企业级SSD替代 尽管成本高3-4倍[15][29] - 中国长江存储产能扩张 全球份额从10%升至2027年中期15% 但地缘政治限制其进入西方云服务市场[15][24] - 供应商可能增加产能 新供应预计2026年下半年上市 导致价格在2026年第四季度转为下跌[3][27][29] - 铠侠账面价值未来12个月增长80% 但远期市净率1.4倍接近历史高位 未反映结构性担忧及2026年下行风险[4][29] **DRAM与HBM市场核心观点与论据** - HBM需求强劲 2026年位元出货量同比增长53% 竞争加剧但增长可吸收供应增加[6][55][56] - 英伟达要求HBM4速度从8Gb/s提升至10-11Gb/s 美光因基片工艺落后可能面临挑战 三星采用4nm基片和1cnm存储片具优势[5][52] - HBM3E价格2026年下降约20% 但HBM4溢价保持混合均价平稳 成本降幅超预期缓解利润压力[6][54][58] - 中国长鑫存储DDR5转型困难 支撑主流DRAM价格 预计2026年保持稳健[6][54] - 三星HBM份额2026年提升至38% 但市场扩张仍使所有供应商增长[54][60] **财务预测与估值** - 三星2025年每股收益预测为韩元4,686 2026年韩元8,080 市净率1.6倍接近历史平均[66][84] - SK海力士2025年每股收益预测为韩元50,488 2026年韩元64,734 市净率2.3倍近历史峰值[68][86] - 美光2025年非GAAP每股收益预测为美元8.14 2026年美元14.64 市净率3.1倍近历史峰值[69][88] - 铠侠2025年每股收益预测为日元386 2026年日元659 但预计2026年第四季度盈利转跌[29][42] - 共识预期未充分反映NAND价格涨势及HBM需求 机构预测高于市场预期[7][67] **其他重要内容** - 存储需求增长2027年放缓 NAND均价2025年下降10% 2026年增长13%[15][27] - QLC SSD成本仍比硬盘高3-4倍 限制长期替代潜力[29][38] - 供应商产能升级至新节点 导致短期产能损失但长期位元产出增加[29][35] - 英伟达提升性能以保持领先优势 ASIC供应商2027年缩小与英伟达差距[52]

融资情况 - 公司完成7.5亿美元新一轮融资 估值从28亿美元增至69亿美元 一年内增长超过一倍[1] - 本轮融资由Disruptive领投 黑石集团、Neuberger Berman、德国电信资本合伙人和一家美国西海岸共同基金管理公司为主要投资方[2] - Disruptive已累计投资近3.5亿美元 曾投资Palantir和Spotify等企业[2] - 其他参与方包括三星、思科、D1、Altimeter、1789 Capital和Infinitum等机构[3] 技术定位 - 公司专注于AI推理芯片研发 主要优化预训练模型性能[3] - 行业重心正从训练芯片转向推理芯片 英伟达和AMD等厂商均在加强推理芯片布局[3] - 公司创始人称推理技术定义AI时代 致力于构建高速低成本的美国家基础设施[4] 商业合作 - 公司2月获得沙特阿拉伯15亿美元合作承诺 将向该国供应先进AI芯片[4] - 沙特合同预计今年带来约5亿美元收入[4]

公司业务模式 - Equinix作为互联网的机场管理机构 提供安全维护跑道使用票务设施等基础设施服务 但处理的是数据包而非乘客[1][2][3] - 公司属于托管服务提供商 在全球36个主要城市拥有270个数据中心 通过多种技术手段实现企业间互联[5] - 核心竞争优势在于连接性 能将企业数据包从接入点传输到下一个正确目的地[3][5] 人工智能机遇 - AI推理阶段将需要大量连接性 需要从所有来源获取数据 这为Equinix带来重大机遇[6] - 当前AI重点集中在训练阶段 但推理阶段才是将训练模型投入商业应用的关键环节[6] 能源供应保障 - 运营中数据中心已获得公用事业公司保障的电力供应 公司拥有27年行业经验并与公用事业公司保持长期合作[8] - 面临能源超级周期挑战 由全面电气化趋势推动 包括数据中心行业AI增长和道路电动汽车普及[7] - 新建数据中心需考虑如何采购电力以确保公司和客户的长期能源未来[8][14] 客户需求差异 - 企业客户最关注隐私性 弹性恢复能力和性能稳定性[10] - 云服务客户更关注如何将Equinix的连接能力整合到其生态系统中[11] 市场竞争地位 - 拥有全球均衡布局 在亚太 AMIA和北美地区均设有业务据点[12][13] - 数据中心通常成为特定行业的引力点 吸引整个生态系统合作伙伴在其设施内运营[13] - 通过跨行业平衡组合保持竞争优势 不同数据中心服务不同行业集群[13]

DigitalOcean (DOCN) 电话会议纪要关键要点 涉及的行业和公司 * DigitalOcean Holdings Inc (NYSE: DOCN) 一家云基础设施提供商 [1] * 云计算行业 特别是人工智能（AI）训练和推理工作负载领域 [3][4] * 人工智能原生（AI-native）公司及传统软件即服务（SaaS）公司 [10][23][30] 核心战略与业务重点 聚焦推理工作负载 * 公司战略重点从训练转向推理（inferencing） 认为其更贴近公司DNA且具有更优的单位经济效益 [4][8] * 推理的经济模式是关于每FLOPS（浮点运算次数）的成本 而非训练模式下的每小时GPU成本 [5] * 推理工作负载正成为其资源分配哲学和未来容量规划的主导部分 [8] * 约50%的AI相关收入因推理工作负载而变得可预测 [34] 单位经济与客户质量 * 公司关注最终买单的是真实客户而非风险投资 这能带来更持久的收入 [9] * 观察到AI原生公司正提供更长期的承诺（6-18个月） 因其能预测终端用户采用和所需token数量 [35] * 服务于B2B客户（如生成式媒体）的初创公司是重要用例 因其使用量只会上升 [10] 全栈智能云价值主张 * 公司定位为“全栈智能云”（full stack agentic cloud） 而不仅仅是堆叠GPU的提供商 [7] * 推理需求远超GPU 包括数据预处理、后处理、护栏、模型评估、实时路由、可观测性及智能体编排 [11][12] * 客户因推理需求而来 但因公司是全栈云而留下 并开始利用其他服务 [13] * 新数据中心中传统云和AI栈的集成共存对客户至关重要 [13] 产品与技术发展 产品功能增强 * 过去四个季度发布了约250项功能 几乎每个工作日都有重大产品更新 [14] * 填补了产品功能空白 包括提供多种Droplet类型（内存优化、计算密集型、存储密集型、推理优化GPU Droplet） [16] * 增强了存储（高吞吐量、IO、网络附加存储）和网络功能（虚拟私有云、与超大规模数据中心直连） [16] * 数据库产品是持续投资的重点领域 [17] AI技术栈分层 * AI基础设施层：提供NVIDIA和AMD的GPU 包括裸金属计算和Droplet架构 并构建推理优化逻辑 [23][24] * Gradient AI平台：包含服务器less推理（闭源和开源模型）、模型游乐场、TCO计算及智能体构建模块（多智能体工作流、评估、可追溯性） [25] * 当前大部分AI收入来自基础设施层 但中间平台层的采用和思想领导力份额正在增长 [26] * 已有6000名独特客户使用其平台 部署了超过15000个智能体 [26] Cloudways Copilot反馈 * Cloudways Copilot（面向非技术用户）获得积极反馈 因其能自动化网站健康监控和修复 [27] * 预测问题的准确率超过95% [28] * 内部使用相同技术 将平均响应和修复时间减少了30%至40% [28] 市场、竞争与需求环境 竞争格局 * 竞争主要来自NeoClouds（新兴云提供商） 但格局在过去六个月未发生重大变化 [40] * 客户对所需的其他构建块有了更细致的认识 [40] * 推理领域的多云策略正在兴起 客户可能从超大规模厂商开始 但因容量或功能问题而转向其他云提供商 [40][41] 需求环境 * SaaS客户需求在动荡的4月期间表现出比预期更强的韧性 [38] * 未观察到需求环境出现异常 更多是国别层面的微观经济因素而非全球宏观经济的影响 [38] 销售、营销与合作伙伴关系 增长策略演变 * 产品引导增长（PLG）仍是核心 但正加强销售引导增长（SLG） motion 形成组合拳 [19] * 正通过新的“前门”吸引客户 包括AI入口、与AMD开发者云的合作 [20][23] * 与开源社区（如最流行的PHP框架Laravel）合作 其VPS服务将独家上线DigitalOcean 已有数千人等待 [20][21] 从SEO到GEO的转变 * 从搜索引擎优化（SEO）到生成引擎优化（GEO）的转变是真实的 正跟踪LLM带来的潜在客户生成 [47][48] * SEM支出微不足道（仅数百万美元） PLG主要由社区、开源参与和有机搜索驱动 [48] * 来自LLM的注册占比过高 但其转化率和ARPU仍在监控中 [49] 财务与资本配置 资本支出与投资 * 历史上将约20%的收入用于资本支出（CapEx） 其中15%用于增长 5%用于维护 [42] * 如有办法加速增长或更快实现增长目标 公司将毫不犹豫地进行投资 [42][43] * 对拥有真实企业和消费者用例支持的、具有持久性的推理工作负载 投资信念更强 [43] 资产负债表与融资 * 已完成6.25亿美元可转换票据发行 以部分赎回2026年票据 [46] * 公司处于良好状态 EBITDA利润率超过40% 产生大量现金 为未来提供了可选性和多重自由度 [46] * 2000万美元以上的多年期交易渠道健康 部分来自其培育并获得发展的公司 [45] 行业观点与未来展望 AI原生公司与传统SaaS * 认为AI原生公司将逐步颠覆传统软件公司 正在出现一个平行的技术栈 [31] * 构建原始基础设施的AI原生公司需要访问原始GPU 而构建业务工作流软件的AI原生公司更倾向于以服务器less方式访问端点 [32] * 纯智能体栈的可观测性与传统云栈非常不同 [32] 多云趋势 * 在经典云领域 从单云到多云用了10年才实现 而在AI推理领域 感觉它已经到来 [41]

英特尔MLPerf v5 1基准测试表现 - 公司GPU系统成功达到MLPerf v5 1行业标准AI基准测试要求 该基准测试衡量系统在多种工作负载下运行AI模型的速度[1] - 至强6处理器P核性能较前代提升1 9倍 Arc Pro B60 GPU性能超越英伟达RTX Pro 6000和L40S[2] - 全栈硬件软件集成平台为专业用户提供更易获取且经济高效的AI部署方案 特别适用于工作站和边缘系统[3] AI推理市场前景 - 全球AI推理市场规模2024年达972 4亿美元 预计2025至2030年复合年增长率为17 5[4] - 公司正持续优化产品组合以把握市场增长机遇[4] 行业竞争格局 - 英伟达Blackwell Ultra级GPU在MLPerf v5 1新增基准测试中表现突出 巩固其市场领导地位[5] - 超微半导体MI355X GPU性能较前代MI325X提升2 7倍 试图缩小与英伟达的差距[6] - 英伟达聚焦AI工厂大规模工作负载管理 英特尔侧重成本效益优先的工作站及边缘系统市场[5] 公司财务表现 - 公司股价过去一年上涨27 3 低于行业44 2的平均涨幅[7] - 当前市净率为1 03倍 显著低于行业平均的36 63倍[9] - 2025及2026财年盈利预期在过去60天内出现下调[11]

股价表现 - 公司股价自2025年初以来飙升94% 其中超过一半涨幅来自今日盘前交易[3] - 尽管2026财年第一季度业绩未达预期 但股价单日上涨49个百分点[3] 财务业绩 - 2026财年第一季度营收149亿美元 较分析师预期低1亿美元[7] - 调整后每股收益147美元 比分析师共识低001美元[7] - 剩余履约义务达4550亿美元 同比增长359%[7] 云业务展望 - 预计2026财年云基础设施收入将达180亿美元 增长77%[5][7] - 2027至2030财年云收入预测分别为320亿/730亿/1140亿/1440亿美元 年均增长率达68%[5][8] - 四年内云业务收入预计增长八倍[6] 资本支出 - 2026财年资本支出预算提高至350亿美元 较此前展望增长40%[7] 客户与合同 - 第一季度与三家不同客户签署四份价值超十亿美元的合同[9] - 与OpenAI xAI Meta等AI领域领先企业签订重大云合同[10] - 剩余履约义务预计将超过5000亿美元[9] AI战略布局 - 聚焦AI模型训练和推理两大市场[11] - 通过数据库存储私有业务数据形成AI推理独特优势[12] - 开发AI代理帮助用户实现特定目标[13] 竞争优势 - 专注于独特技术 网络和存储系统而非房地产[14] - 在AI推理服务领域具备显著差异化优势[23] 市场预期 - 35位分析师给出的平均目标价为26393美元 显示股价被高估21%以上[22] - 分析师对云收入预测表示"绝对惊人" 但对客户来源持谨慎态度[21] - 多位分析师用"震惊""巨大季度"等表述评价业绩表现[23] 增长驱动因素 - 企业为获取AI收益推动需求增长[9] - AI推理将应用于机器人工厂 汽车 温室及生物分子模拟等领域[11] - 数百万客户使用AI模型运营企业和政府业务[11] 潜在挑战 - 高资本支出可能减少现金流[16] - 面临AWS 谷歌云和微软Azure的激烈竞争[16] - 经济衰退可能导致企业削减云服务支出[17] 行业背景 - 企业已在生成式AI领域投资300-400亿美元[19] - 95%的企业尚未获得投资回报[19] - 仅5%的AI试点项目能提取百万级价值[20]

关键要点总结 涉及的行业和公司 **行业** * 全球科技行业 特别是人工智能（AI）半导体供应链、AI智能手机和AI数据中心（AI工厂）经济 [1][4][29][43][71] **公司** * **核心公司**：NVIDIA（英伟达）、AMD、TSMC（台积电）、Google（谷歌）、MediaTek（联发科）[2][3][4][13][19][63] * **其他提及公司**：Broadcom（博通）、Astera Labs、Samsung（三星）、Aspeed、Alchip、华为、AWS、Microsoft（微软）、Bytedance（字节跳动）、Apple（苹果）、小米 以及一系列AI半导体供应链上下游企业 [13][14][43][63][64][72] 核心观点和论据 **对NVIDIA及其供应链持乐观态度** * 在8月28日季度业绩公布前 对NVIDIA在亚洲的半导体供应链持看涨观点 [1][11] * 预计NVIDIA 10月季度营收为525亿美元 并有上行潜力 市场部分预期高达550亿美元 [2][11] * 看好NVIDIA股票 因其在未来12个月内的产量增长 尽管公司在供应和中国变量方面预计会保持保守 [12] **H20芯片生产动态与地缘政治影响** * 据CNBC报道 在中国限制采购后 NVIDIA寻求停止H20芯片生产 [2] * NVIDIA CEO重申公司已获美国政府批准恢复H20芯片销售 并明确该芯片没有安全后门 [2] * 亚洲供应链核查显示 H20的CoWoS封装现已确实停止 H20 HGX服务器组装在1-2周前停止 随后H20 GPU模块预测被削减 [2] * 一些中国客户近期对NVIDIA不带HBM（但使用GDDR7）的B40芯片表现出兴趣 预计今年需求200万单位 明年需求500万单位 [2] * 对TSMC而言 中国AI/GPU仍然是重要的长期增长动力 [2] **AI推理需求强劲增长** * AI推理需求正在增长 主要云服务提供商（CSP）处理的token数量快速增长即是证明 [14] * 截至2025年6月底 中国每日token消耗达到30万亿（月度运行速率为900万亿） 相比2024年初的每日0.1万亿增长了300倍 [14] * Google在2025年7月处理了超过980万亿token 较2025年5月的480万亿翻倍 [14] * 截至2025年5月底 字节跳动的每日token消耗达到16.4万亿（月度运行速率为508万亿） 较2025年3月底的12.7万亿增长29% [14] * 微软在2025财年（截至2025年6月）通过其Foundry API处理了超过500万亿token 同比增长超过7倍 [14] **AI工厂（数据中心）经济性分析更新** * 引入混合专家模型（MoE）到TPS计算中 这是AI推理的增长趋势 [3] * 阐明了稀疏性假设 这影响了解码时间（例如 AMD MI355采用稀疏性可比密集配置提高约5%的token输出） [3][31] * 调整了网络带宽假设 例如 AMD MI355X采用其Infinity Fabric将网络带宽比使用PCIe Gen 5（128GB/s）的MI300X提高了约20% 达到154GB/s [3][32] * 修正了对ASIC网络速度的高估 [3] * 对于token价格假设 提供了参考价格范围表 而非单一的0.2美元/百万token点 [3][37][38] * 结论：在0.3美元/百万token的价格下 大多数运行Llama 4 400B MoE的芯片都能产生利润（包括AMD旧一代芯片MI300） [3][38] * 一个100MW的AI工厂在0.2美元/百万token的假设下 估计可产生约12.8亿美元的年收入和7.22亿美元的年利润 平均利润率约52% [51] * 在0.3美元/百万token的假设下 估计可产生约19.1亿美元的年收入和13.6亿美元的年利润 平均利润率约68% [51] * NVIDIA的GB200 NVL72 pod在计算能力、内存能力和快速网络性能方面继续展示出性能主导地位 [48] **AI智能手机的新希望与Google Pixel 10发布** * Google发布了Pixel 10手机系列 其Tensor G5芯片采用TSMC的3nm工艺制造 调制解调器可能由MediaTek供应 [4][19] * Pixel 10配备了市场上所有智能手机中最好的摄像头 新的Pro Res Zoom让用户可以从高达100倍的距离捕捉细节 [19] * Gemini在手机上提供了全面且个性化的AI体验 包括Magic Cue功能、AI健康教练、实时翻译通话（使用通话者自然声音）等 [19] * 关键问题是这些功能多快能扩散到中国智能手机市场并在2026年引发换机周期 [4][9][19] **AI半导体资本支出（Capex）保持强劲** * 摩根士丹利预计2026年云资本支出将增加至5820亿美元 意味着31%的同比增长（对比市场共识仅为16%） [71] * 假设AI服务器资本支出组合（短期资产支出）增加 隐含的AI服务器资本支出在2026年可能同比增长约70% [72] * 这支撑了对美国半导体和大中华区半导体行业的“具吸引力”观点 AI需求保持强劲 [72] **供应链产能与需求预测（CoWoS & HBM）** * TSMC预计在2025年生产510万颗芯片 全年GB200 NVL72出货量预计达到3万架 [89][90] * 硬件团队估计2025年GB200/GB300服务器机架出货量在2.5-3万架左右 [91] * 全球CoWoS需求年增长率预测：2023年95% 2024e 216% 2025e 84% 2026e 48% [98] * 2025年AI计算晶圆消费收入预计高达145亿美元 [110][111] * 2025年HBM消费预计高达16e9 GB（160亿GB） 几乎是2024年水平的两倍 NVIDIA被视为最大客户 [107][108][112] * HBM TSV产能预计在2025年翻倍 [106] 其他重要内容 **投资建议与看好的公司** * 对美国半导体：增持（OW）NVIDIA、Broadcom、Astera Labs [13][63][72] * 对亚洲半导体：增持（OW）TSMC、Samsung、Aspeed、Alchip、MediaTek [13][63][72] * 替代AI半导体组：AMD、Alchip、Andes、Marvell、Broadcom [64] * AI半导体赋能组：TSMC、Synopsys、Cadence、ASML、BESI、Ibiden、KYEC、Advantest [64] **研究局限性** * 理论模型与现实场景之间存在差距 导致计算性能高于实际结果 [57] * 实际AI推理工作负载的规模各不相同 并且分布在单个或多个处理器甚至多个服务器上 使得真实环境比模型更动态 [57] * 延迟、并发性、并行性、软件栈优化和生成token质量等多种因素和性能指标难以量化 [57] * 未考虑解码过程中计算和通信的重叠时间 这也可能影响TPS结果 [57][58] * 评估和折旧人力资源成本（包括劳动力和研发费用）仍然存在挑战 [57][58] **更正声明** * 对文中关于NVIDIA HGX H200机架计算的图表10、11、13和14进行了更正 [10] * 更正了第12页“盈利能力估算”部分的两个要点 [10] * 本文最初发布于2025年8月25日 20:06 GMT 并于2025年8月26日重新发布 [10]

行业与公司 - **行业**：全球科技行业，特别是AI供应链和半导体领域[1][9] - **公司**： - **NVIDIA**：Rubin芯片按计划推进，预计2026年量产[4] - **Broadcom & AMD**：在OCP研讨会上争论UALink与Ethernet技术优劣[2][10] - **Meta**：计划2026年部署1GW（Prometheus）和未来5GW（Hyperion）AI集群[3] - **TSMC**：2025年CoWoS产能分配中，NVIDIA占主导（63%）[86][100] --- 核心观点与论据 1. **AI工厂经济性** - **成本与利润**：100MW AI工厂在每百万token 0.2美元的价格下，年利润可达8.93亿美元，平均利润率超50%[43][47] - **TCO分析**：100MW AI推理设施的年TCO为3.3-8.07亿美元，硬件投资范围3.67-22.73亿美元[31][45] - **性能对比**：NVIDIA GB200 NVL72在性能和利润上领先，TPU因低成本策略逐步缩小差距[47][49] 2. **技术竞争（UALink vs. Ethernet）** - **Broadcom**：主张Ethernet灵活性（延迟250ns），不限定延迟以促进创新[2][10] - **AMD**：强调UALink标准化延迟（类似PCIe/CXL），确保AI工作负载性能，获云服务商支持[2][10] - **NVIDIA优势**：NVLink 5.0带宽1800GB/s，远超PCIe 5.0（126GB/s）[22] 3. **芯片与供应链动态** - **NVIDIA Rubin**：2025年10月首次流片，2026年Q2量产[4] - **CoWoS产能**：2025年TSMC预计生产510万颗芯片，GB200 NVL72服务器机架出货量达3万台[89][91] - **HBM需求**：2025年NVIDIA占全球HBM需求的72%，总需求预计增长至15.6亿GB[103][112] 4. **市场趋势与投资建议** - **推荐标的**： - **美国**：NVIDIA、Broadcom、Astera Labs[5][52] - **亚洲**：TSMC、三星、Alchip、MediaTek[5][52] - **云资本支出**：2026年预计增长31%至5820亿美元，AI服务器支出占比提升[64][65] --- 其他重要内容 1. **数据验证与限制** - **MLPerf基准**：理论TPS计算比实际高20%，因软件优化和规模效率限制[22][50] - **价格假设**：token定价基于GenAI API和GPU租赁成本，未考虑LLM竞争壁垒[44] 2. **供应链风险** - **CoWoS瓶颈**：非TSMC供应商（如Amkor/UMC）产能扩张缓慢，2025年TSMC仍占主导[87][94] - **电力约束**：AI数据中心扩张受电力供应限制，Meta的1GW集群需约10-200亿美元基础设施投资[14][45] 3. **区域动态** - **中国AI需求**：尽管NVIDIA游戏显卡降价，推理需求仍强劲[73] - **地缘风险**：部分公司（如华为、SMIC）受制裁影响，供应链需合规审查[116][117] --- 数据引用 - **NVIDIA GB200**：单机架TDP 132kW，100MW支持750机架[18] - **HBM成本**：2025年NVIDIA B300芯片HBM3e成本占816,077GB总需求[112] - **TSMC收入**：2025年AI相关收入占比25%，达145亿美元[61][110] （注：部分文档如[7][8][115]等为免责声明或重复内容，未纳入分析）