报告行业投资评级 - 强于大市 [1] 报告的核心观点 - 谷歌TPU需求上涨将扩大对联发科合作定制新一代TPU v7e的订单，预计于2026年一季度末进入风险性试产，有望带动其供应链发展 [2][5] - 随着谷歌TPU持续迭代与产能扩张，有望拉动光模块、高端PCB等供应链企业迎来发展新机遇 [2] - 投资建议关注Google供应链的投资机会 [2] 1. Google TPU需求上涨与产业链机遇 - **事件与订单**：据12月15日《经济日报》报道，随着Google TPU需求上涨，谷歌将扩大对联发科合作定制新一代TPU v7e的订单，且TPU v7e预计于2026年一季度末进入风险性试产 [2][5] - **TPU概述**：TPU是谷歌专为机器学习研发的定制化ASIC芯片，核心作用是加速神经网络的训练与推理过程，相较于通用GPU，针对特定AI任务深度优化，具备更高运行效率，可全面覆盖模型训练与推理全流程 [2][6] - **ASIC市场增长**：全球ASIC市场规模从2019年283亿美元提升至2024年451亿美元，2019-2024年复合增长率为9.77% [2][7] - **ASIC应用结构**：2024年全球ASIC市场按终端应用领域划分：消费电子（27.5%），电信（20.0%），工业（17.5%），汽车电子（15.0%），航空航天与国防（10.0%），医疗（5.0%），其他（5.0%） [2][7] - **技术对比**：代表产品谷歌TPU V7算力为4614 TFLOPS@FP8，功耗为980W；英伟达GB200算力为5000 TFLOPS@FP8，功耗为1200W [7] - **技术迭代**：谷歌TPU自2016年v1（28nm，92 TOPS）发布以来持续迭代，2025年v7通过支持FP8精度、搭载192GB HBM3e内存及OCS光交换技术，实现了算力和数据传输效率的大幅提升 [2][12][15][16] - **全球厂商布局**：海内外厂商加速ASIC芯片布局，包括谷歌TPU、亚马逊Trainium2/3、华为昇腾、寒武纪、燧原科技等 [9][10][11] 2. Google链相关供应商分析 - **中际旭创**：全球领先的高速光模块供应商，产品覆盖100G-1.6T规格，适配数据中心、AI算力等核心场景 [2] - 2024年实现营业收入238.62亿元，同比增长122.64%，2020-2024年复合增长率达35.64% [17] - 2024年毛利率为33.81%，同比提升0.82个百分点 [17] - 2024年研发投入13.33亿元 [2] - 据Lightcounting数据，2023年位列全球光模块厂商排名第一 [20][21][22] - 高端光模块业务占主营业务95%以上，光模块产品海外销售占比较高 [23] - **腾景科技**：聚焦光学光电子主业，产品包括精密光学元组件、光纤器件及光测试仪器 [25] - 2024年实现营业收入4.45亿元，同比增长30.96%，2020-2024年复合增长率达13.41% [25] - 2024年毛利率为37.60%，同比提升6.83个百分点 [25] - 与Lumentum、Finisar等主流厂商稳定合作，间接切入谷歌、英伟达供应链 [2][28] - 2024年研发投入0.47亿元，占营业收入10.61%，同比增长38.24% [2][28] - **长芯博创**：专注于光通信领域的高新技术企业，产品面向电信、数据中心及消费、工业与医疗互联三大领域 [31] - 2024年实现营业收入17.47亿元，同比增长4.30%，2020-2024年复合增长率达22.45% [31] - 2024年毛利率为27.29%，同比提升7.84个百分点 [31] - 2024年研发投入1.14亿元，占营业收入的6.55% [2][33] - 2024年境外收入达7.75亿元，同比增长81.07%，境外营收占比从2020年的11.45%提升至2024年的44.34% [2][34] - 正推进印尼海外工厂扩产以提升境外产能 [2][34] 3. 全球产业动态 - **沐曦股份上市**：于2025年12月17日在上海证券交易所科创板上市，成为继摩尔线程之后第二家实现A股上市的国产GPU厂商，IPO募资规模约41.97亿元 [39] - **昂瑞微上市**：于2025年12月16日在上交所科创板挂牌上市，是一家专注于射频、模拟领域的集成电路设计企业，射频前端芯片已切入荣耀、三星、vivo、小米、OPPO等主流智能终端厂商供应链 [40] - **美光科技财报**：2026财年第一季度调整后营收达136.4亿美元，同比增长57%；经调整净利润为54.82亿美元；调整后每股收益为4.78美元 [41] - 按部门划分，云存储部门销售额为52.8亿美元，数据中心业务部门销售额为23.8亿美元，移动与客户端业务部门营收为42.55亿美元，汽车与嵌入式业务部门营收为17.2亿美元 [41] - 预计第二财季营收为187亿美元，上下浮动4亿美元；预计调整后每股收益为8.42美元 [42] - **中微公司收购**：筹划发行股份收购杭州众硅电子科技有限公司控股权，以拓展化学机械抛光（CMP）设备业务，与公司现有的刻蚀、薄膜沉积设备形成战略协同 [43] 4. 本周市场回顾 - **一级行业表现**：本周（2025/12/15-12/19）SW电子行业指数下跌3.28%，涨跌幅排名31/31位，沪深300指数下跌0.28% [2][44] - 涨幅前五行业：商贸零售（+6.66%），非银金融（+2.90%），美容护理（+2.87%），社会服务（+2.66%），基础化工（+2.58%） [2][44] - 跌幅后五行业：电子（-3.28%），电力设备（-3.12%），机械设备（-1.56%），综合（-1.53%），通信（-0.89%） [2][44] - **电子三级行业表现**： - 涨幅前三：品牌消费电子（+1.48%），面板（-0.41%），LED（-1.57%） [2][47] - 跌幅后三：其他电子Ⅲ（-4.63%），数字芯片设计（-4.40%），半导体材料（-4.10%） [2][47] - **电子个股表现**： - 涨幅前十：久之洋（+39.65%），科森科技（+24.49%），奕东电子（+20.34%），华体科技（+20.01%），臻镭科技（+19.95%），莱特光电（+16.03%），盛洋科技（+15.05%），GQY视讯（+13.15%），南极光（+11.20%），深南电路（+10.65%） [50] - 跌幅后十：富信科技（-20.39%），腾景科技（-16.22%），芯原股份（-16.06%），格林达（-14.87%），灿芯股份（-14.59%），翱捷科技（-14.48%），福蓉科技（-14.27%），ST宇顺（-13.97%），东田微（-12.27%），盛科通信（-11.85%） [50] - **其他科技市场**： - 费城半导体指数（SOX）本周上涨0.49% [55] - 恒生科技指数本周下跌2.82% [55] - 中国台湾电子指数各板块涨跌互现，其中半导体板块下跌3.02%，资讯服务板块上涨0.17% [57]

市场整体表现 - 2025年12月15日A股主要指数普遍下跌，沪指下跌0.55%收于3867.92点，深证成指下跌1.10%收于13112.09点，创业板指下跌1.77%收于3137.8点，科创50指数下跌2.22%收于1318.91点 [1] - 市场呈现跌多涨少格局，全市场2312只个股上涨，2965只个股下跌，175只个股收平 [1] - 沪深两市合计成交额为17734亿元，较前一交易日缩量3188亿元 [1] 行业板块表现 - 申万一级行业中，非银金融、商贸零售、农林牧渔、钢铁、建筑材料等行业涨幅居前，涨幅分别为1.59%、1.49%、1.24%、0.91%、0.91% [1] - 电子、通信、传媒、机械设备、计算机等行业跌幅居前，跌幅分别为2.42%、1.89%、1.63%、1.36%、1.27% [1] 概念板块表现 - 乳业、保险精选、化学纤维精选、三胎、大飞机、玻璃纤维、SPD、白酒、首发经济、光伏玻璃、黄金珠宝、两岸融合、卫星互联网、化学原料精选、水产等概念板块涨幅居前 [2] - 光模块(CPO)、GPU、光通信、培育钻石、ASIC芯片、光芯片、摩尔线程等概念板块出现回调 [2]

上市表现与市场热度 - 公司于科创板上市，发行价114.28元/股，创2025年A股新股发行价新高，成为年内唯一“百元股” [1] - 上市首日开盘价冲至650元/股，较发行价大涨468.78%，盘中最高触及688元/股，中一签（500股）投资者浮盈一度超过28万元，成为年内最赚钱新股 [1] - 股价高开后快速回落，截至发稿报585元/股，涨幅约412%，总市值约2745亿元，呈现剧烈波动 [1] - 申购异常火爆，网上有效申购户数达482.66万户，有效申购股数462.17亿股，网上申购倍数高达4126.49倍；网下267家投资者携7555个配售对象参与，申购倍数达1572倍，吸引众多头部公私募机构 [1] - 由于申购火爆启动回拨机制，最终网上中签率仅为0.03635% [3] 财务表现与业务结构 - 公司营收呈现高速增长：2022年营收4608.8万元，2024年增长至4.38亿元，2025年上半年达7.02亿元，超过去三年总和 [4] - 收入结构相对集中，约80%的收入来自AI计算类产品，图形渲染、消费级GPU等业务尚处早期阶段 [5] - 公司持续大额亏损：2022年至2024年净亏损分别为18.4亿元、16.73亿元和14.92亿元，累计亏损超50亿元 [6] - 2024年公司净亏损为收入的3.4倍，亏损占收入比例高于同行（寒武纪0.38倍、沐曦1.9倍） [6] - 2025年上半年亏损大幅收窄至2.7亿元，经营状况有所改善 [8] - 2025年上半年经营活动现金流仍为负值（-5.37亿元），收入增长未同步带来现金回流 [5] - 研发投入巨大，最近三年累计研发投入占累计营收的比例达到626% [6] - 2024年毛利率超70%，体现出较强的技术溢价能力 [19] - 客户集中度高，2025年上半年前五大客户营收贡献超过98% [20] 产品与技术路径 - 公司选择“全功能通用GPU”技术路线，而非面向单一场景的ASIC芯片，技术路径难度更高 [9] - 公司拥有深厚的“英伟达基因”，创始人及核心技术团队多来自英伟达 [10] - 推出自主研发的MUSA统一计算架构，对标英伟达CUDA，并在设计上考虑了与CUDA的兼容性 [10][12] - 在AI加速卡方面，MTT S4000 GPU配备48GB显存，支持主流大模型训练和推理，在千卡集群部署中线性加速比可达91%，训练精度与A100集群误差在1%以内 [14] - MTT S4000单卡价格约7万元，千卡集群总成本仅为同规模英伟达H100集群的1/6，具备价格优势 [14] - 在消费级显卡方面，推出MTT S80，官方宣称对标英伟达RTX 3060，但实际性能仍有差距，经过驱动优化后可在部分游戏中实现基本流畅运行 [15] - 产品迭代迅速：2022年推出苏堤架构S2000，同年末发布春晓架构S3000（性能提升4倍），2023年又推出“曲院”“平湖”系列，从单一产品发展为覆盖AI智算、专业图形加速、桌面显卡等多条产品线 [4] 生态建设与市场挑战 - 公司生态建设已取得进展，完成了对PyTorch、TensorFlow等主流AI框架的基础适配，并与ISV合作集成行业应用 [13] - 推出自动代码转换工具Musify，以降低CUDA代码向MUSA迁移的难度，但自动转换后的代码无法达到最优性能，需人工优化 [13] - 行业内对MUSA评价谨慎，开发者反馈其在部分深度学习模型上性能不稳定，且部分CUDA功能仍未实现 [13] - 实际测试显示，S4000在部分Transformer结构中存在长尾延迟问题，实测吞吐波动高于A100，A100在稳定性与能耗比上仍占优势 [14] - 消费级显卡MTT S80在玩家群体中尚未形成规模化口碑，在部分游戏中仍存在帧率抖动、贴图加载慢、光追效果无法启用等问题 [15] - 公司在国内AI智算、图形加速等细分领域的市场占有率尚不足1% [20] - 国产GPU整体市占率不足5%，英伟达占据全球GPU市场份额超过80% [20] 行业背景与竞争格局 - 公司被称为“国产GPU第一股”，另一家国产GPU巨头沐曦也即将启动申购，形成“国产GPU双龙头”在科创板同台登场局面 [3] - 2024年10月美国收紧出口管制，英伟达全面退出中国大陆市场，为国产AI芯片厂商创造商机 [8] - 据预测，中国AI芯片市场规模将从2024年的1425亿元增长至2029年的1.34万亿元 [8] - 中国GPU细分市场规模预测：数据中心AI算力市场到2029年达8000亿元，图形工作站市场约500亿元，云游戏和视频渲染市场约300亿元，科学计算和工业仿真市场约200亿元 [10] - 竞争对手沐曦2024年营收7.43亿元，2025年上半年营收9.15亿元，均高于公司同期水平；沐曦GPU产品累计销量已超25000片 [17] - 沐曦营收更高但毛利率较低（53%-55%），且因依赖进口HBM显存成本压力大，亏损幅度持续扩大 [19] - 沐曦在专业渲染、科研计算、HPC领域客户更为稳定，而公司业务重心目前集中在AI推理、视频处理等方向 [17] - 与国际领先企业存在技术代差，例如英伟达H100集成800亿晶体管，国产GPU多受限于成熟工艺优化 [20]

文章核心观点 谷歌TPU经过十年迭代，已从解决内部算力危机的自研项目，发展为在性能上可与英伟达GPU正面竞争的战略级产品，并开始积极推动商业化，可能动摇英伟达在AI算力市场的霸权地位 [1][27] TPU的发展背景与初衷 - 2013年，谷歌面临算力危机，预测若1亿安卓用户每天进行3分钟语音识别，所需算力将是其数据中心总算力的两倍 [2] - 为避免依赖单一供应商（英伟达）并追求更高效率，谷歌决定自研深度学习专用ASIC芯片，目标是在推理上实现相比GPU 10倍的成本性能优势 [2] - 项目仅用15个月就完成从立项到大规模部署，2015年推出的第一代TPU（28nm制程）带来了15-30倍的性能提升和30-80倍的能效提升 [3] TPU的核心技术创新与早期争议 - 核心架构采用“脉动阵列”，由65536个乘法单元构成256×256网格，并采用“提前编译”策略，减少内存访问并降低能耗 [5] - 早期备受业界质疑，英伟达曾公布基准测试，称其Pascal P40 GPU在GoogLeNet推理上的性能是TPU的两倍（56万次/秒 vs 28万次/秒），并质疑TPU的单位性能成本 [6] - 谷歌的应对策略是聚焦于特定工作负载下的总拥有成本（TCO）和战略主动权，而非单卡峰值性能 [7] - TPU最终生产超过10万颗，并在AlphaGo等关键应用中证明价值，仅用48个TPU就战胜了使用1202个CPU和176个GPU的版本 [7] TPU的迭代历程与关键突破 - **TPU v2 (2017)**: 从专用推理转向训练，定义了bfloat16数值格式，片上内存16GB，带宽600GB/s，采用“2D环形互连”，v2 Pod峰值算力达11.5 PetaFLOPS [9][10] - **TPU v3 (2018)**: 性能翻倍，单芯片功耗达450W，推动全面转向液冷散热，为超大规模集群奠定物理基础 [11] - **TPU v4 (2022)**: 引入OCS光电路交换技术，实现动态可编程互连，单集群规模达4096颗芯片，采用7nm工艺 [12][13] - **TPU v5p (2023)**: 定位转向训练与推理双强，集群规模达8960颗芯片，互连带宽翻倍至1200GB/s，使用800G光模块 [14] - **TPU v6 (2024)**: 专为推理优化，采用FP8格式，片上SRAM翻倍，能效比上一代提升67% [15] - **TPU v7 Ironwood (2025)**: 单芯片FP8峰值算力达4614 TFLOPS，略高于英伟达B200的4500 TFLOPS，配备192GB HBM3e（带宽7.2TB/s），最高可组9216颗芯片集群，峰值算力达42.5 ExaFLOPS，是当前最大超级计算机的24倍以上 [1][16][18] TPU的商业化进展与市场影响 - 谷歌开始积极推动TPU商业化，与云服务商Fluidstack达成协议，并为其提供高达32亿美元的兜底担保 [20] - 向Meta、大型金融机构等推介在其自有数据中心部署TPU的方案，该业务可能为谷歌带来数十亿美元年收入，目标拿下英伟达10%的年营收盘子 [20] - 为简化客户使用，谷歌开发了“TPU command center”工具，并承诺客户可借助PyTorch生态与TPU交互 [20] - 野村证券预计，到2026年ASIC总出货量可能首次超过GPU，谷歌TPU 2025年预计出货250万片，2026年将超300万片 [21] - 相关消息导致英伟达股价波动，自10月底以来其市值已缩水超5万亿人民币 [22] - 谷歌自身仍同时支持两种芯片，2024年订购了约16.9万台英伟达Hopper架构GPU，同时内部已部署约150万颗TPU [22] 行业竞争格局与人才流动 - TPU的成功引发了激烈的人才争夺，其核心团队成为行业“黄埔军校” [24][26] - 2016年底，TPU核心十人团队中有八人离职创办Groq，其LPU芯片推理速度号称达英伟达GPU的10倍，成本仅1/10，并于2024年8月完成6.4亿美元融资，估值达28亿美元 [25] - OpenAI为推进自研芯片战略，大量挖角谷歌TPU团队，组建了以前谷歌高级工程总监Richard Ho为首的硬件团队，计划于2026年生产首个定制芯片 [25][26] - 亚马逊、微软、特斯拉等巨头以及Cerebras等初创公司也纷纷入局自研AI芯片，其团队中多有前TPU成员身影 [26] - 行业观点认为未来更可能呈现ASIC和GPU异构部署的格局，而非单一架构统治市场 [22] TPU成功带来的启示与行业展望 - 专用芯片（ASIC）在特定领域可实现比通用芯片高出数十倍的能效比 [27] - 软硬件协同是关键，谷歌的成功得益于TensorFlow、JAX等软件生态与海量内部场景的垂直整合 [27] - 算力竞争的本质是成本竞争，尤其在推理成本成为AI公司最大开支的当下 [27] - 生态系统仍是关键壁垒，未来的竞争是芯片性能与生态系统的综合较量 [27] - AI基础设施将转向“云+专用芯片+混合部署”的多样化形态，打破垄断并为产业带来新机遇 [28]

文章核心观点 - 谷歌TPU从内部自研项目发展为战略级产品，性能显著提升并开始商业化，可能撼动英伟达在AI算力市场的霸权地位 [1][28] - TPU的成功证明了专用芯片在特定场景下的能效优势，AI基础设施未来将呈现GPU、TPU、定制ASIC多样化共存的生态格局 [28][29] - 算力竞争的本质是成本竞争，尤其在推理成本成为行业焦点时，性价比高的算力解决方案将赢得市场 [28] TPU的发展背景与初衷 - 2013年谷歌面临算力危机，预测语音搜索需求将消耗其数据中心总算力的两倍，通过扩大数据中心规模成本过高 [3] - 为避免依赖单一供应商英伟达GPU带来的效率损失和供应链风险，谷歌决定自研深度学习专用ASIC芯片 [3] - 项目目标明确：快速交付硬件，并在推理方面实现相比GPU 10倍的成本性能优势 [3] TPU的技术演进与突破 - 第一代TPU于2015年推出，采用28nm工艺，专为推理设计，带来15-30倍性能提升和30-80倍能效提升 [4] - TPU v2（2017）实现从推理到训练的跨越，创新定义bfloat16数值格式，并引入2D环形互连技术连接256颗TPU组成训练阵列 [10] - TPU v3（2018）性能翻倍，但因功耗问题首次引入液冷技术，奠定超大规模集群工程基础 [11] - TPU v4（2022）最大突破是引入光电路交换技术，使网络拓扑动态可编程，单集群规模达4096颗芯片 [13][14] - TPU v5p（2023）定位为训练与推理双强芯片，集群规模提升至8960颗，互连带宽翻倍至1200GB/s [14][15] - TPU v6（2024）专为推理进行架构重做，能效比提升67%，片上SRAM翻倍 [15][16] - TPU v7 Ironwood（2025）单芯片FP8峰值算力达4614 TFLOPS，略高于英伟达B200，最高集群算力达42.5 ExaFLOPS，是最大超级计算机的24倍 [1][16][18] TPU的商业化进展与行业影响 - 谷歌开始积极推动TPU商业化，与小型云服务商Fluidstack达成协议，并向Meta、大型金融机构等推介自有数据中心部署方案 [20] - 野村证券预计到2026年ASIC总出货量将首次超过GPU，谷歌TPU 2025年预计出货250万片，2026年超300万片 [21] - 谷歌开发TPU command center简化客户使用流程，并承诺可借助PyTorch生态与TPU交互 [20] - 谷歌自身仍在大量采购英伟达GPU，2024年订购约16.9万台Hopper架构GPU，同时内部部署约150万颗TPU，未来更可能呈现异构部署 [22] 行业竞争与人才流动 - TPU核心团队人才流失严重，2016年底十人核心团队中有八人离职创办Groq公司，其LPU芯片推理速度达英伟达GPU的10倍 [24] - OpenAI为推进自研芯片战略，大量挖角谷歌TPU团队，并与博通、台积电合作计划于2026年生产定制芯片 [24][25][26] - TPU的成功促使多家公司自研AI芯片，如亚马逊的Trainium/Inferentia、微软的Maia、特斯拉的Dojo，谷歌TPU项目成为行业“黄埔军校” [26]

股价与资金表现 - 11月28日盘中股价报19.82元/股，上涨2.01%，总市值35.72亿元 [1] - 当日成交金额3051.03万元，换手率0.87% [1] - 主力资金净流入14.96万元，大单买入264.92万元（占比8.68%），卖出249.96万元（占比8.19%） [1] - 今年以来股价累计上涨27.87%，近5个交易日上涨10.60%，但近20日下跌2.36%，近60日下跌8.41% [1] 公司基本面与业务构成 - 公司主营业务为网络安全，提供边界安全、云安全、数据安全、内网安全等产品及服务 [1] - 主营业务收入构成为：边界安全产品75.09%，其他安全产品18.93%，云安全产品5.09%，其他(补充)0.88% [1] - 2025年1-9月实现营业收入7.19亿元，同比增长1.91% [2] - 2025年1-9月归母净利润为-7283.55万元，亏损额同比收窄4.89% [2] 股东与股本结构 - 截至9月30日股东户数为7642户，较上期增加10.67% [2] - 人均流通股为23584股，较上期减少9.64% [2] - A股上市后累计派现5100.32万元，但近三年累计派现0元 [3] 行业与概念板块 - 公司所属申万行业为计算机-软件开发-横向通用软件 [1] - 所属概念板块包括国产软件、网络安全、信创概念、DeepSeek概念、ASIC芯片等 [1]

市场热点一 大消费 - 工信部、国家发改委、商务部、文化和旅游部、中国人民银行、市场监管总局印发《关于增强消费品供需适配性进一步促进消费的实施方案》[5] - OpenAI与Target携手将新的AI驱动体验带入零售领域，AI应用端正进入新的催化阶段，三江购物致力于打造互联网时代新零售的社区生鲜超市，其在11月26日收获涨停，股价上涨10.00%，收盘价17.49元，成交额12.0亿元，总市值95.8亿元[6][8] - 沃尔玛涨超6%，发布稳健季度业绩并上调全年展望，线下渠道拥有商品集中可触达、消费场景多元丰富等优势，东百集团在11月26日收获涨停，股价上涨10.01%，收盘价9.67元，成交额12.7亿元，总市值84.1亿元[9][10] 市场热点二 抗流感 - 流感季提前到来，阿里健康平台上的相关药品需求呈现明显上升趋势[11] - 近期流感活动度持续攀升，流感用药需求增加，关注流感高发带来的呼吸系统用药需求增长，北大医药、金迪克在11月26日双双收获涨停[12] - 11月以来京东买药秒送平台的流感类药品成交额环比10月增长明显，近期流感疫情上升态势明显，或带动防治和检测流感产品的需求增长，特一药业截至11月26日区间最高涨幅达19.55%[13] 市场热点三 消费电子 - 消费电子行业催化不断，华为于11月25日推出Mate 80系列、Mate X7及多款全场景新品，阿里巴巴首款自研旗舰双显AI眼镜——夸克AI眼镜2025年新品发布会定于11月27日举行[16] - 华为发布首款AI陪聊机器人，机构预计2030年AI玩具市场规模将破千亿量级，奋达科技为客户定制的AI桌面陪伴机器人实现了情感交互算法与硬件载体的良好适配，其在11月26日收获涨停，股价上涨9.99%，收盘价7.49元[17][18] - 基于庞大的用户群体基础，智能眼镜有望成为下一个仅次于智能手机的消费电子大品类，长盈精密截至11月26日收盘区间最高涨幅达15.23%[19] 市场热点四 算力硬件 - 谷歌正式发布新一代多模态AI模型Gemini 3和图像生成与编辑模型Nano Banana Pro，并在TPU互联中引入光交换OCS技术，构建由多个机柜组成的TPU超节点[21] - OCS有望迎来国内外共振，市场前景广阔，赛微电子境外产线的MEMS-OCS工艺开发及晶圆制造业务已服务欧美知名巨头厂商约10年时间，公司是全球领先的高端集成电路芯片晶圆制造厂商，专注MEMS芯片工艺开发及晶圆制造，为光刻机巨头提供透镜系统MEMS部件，为华为海思提供硅光子芯片代工，在算力领域其MEMS-OCS技术服务于谷歌等巨头，实现低延迟光交换，截至11月26日收盘区间最高涨幅达46.85%[21][22][23][24] - 中富电路主营高端PCB，AI数据中心电源项目部分四季度批量交付，泰国工厂批量生产获海外客户审核，拟合资开拓封装载板等市场，年报显示华为曾是其第一大客户，公司具备光模块板制程能力，持续拉升4日最高涨幅27.23%[25] VIP其他热点 - 青山纸业目前市场正在重新发现ASIC芯片的巨大市场，5日最高涨幅11.17%，今日涨幅9.92%[27] - 欢瑞世纪已在AI短剧、AI漫剧等新兴赛道持续深化布局、加大资源投入，5日最高涨幅11.05%，今日涨幅10.05%[27]

美股市场AI相关股票表现分化 - 北京时间11月25日，英伟达股价盘初一度大跌超近7%，收盘跌幅为2.59% [2] - 谷歌股价盘初一度大涨超3%，收盘上涨1.53%，股价创历史新高，母公司Alphabet总市值升至3.9万亿美元，逼近4万亿美元关口 [2] - 自11月以来，以谷歌、博通为代表的“谷歌链”股价持续走高，而以英伟达、软银、甲骨文为代表的“OpenAI链”股价持续走弱 [2] AI芯片市场竞争格局变化 - 市场观点认为，谷歌自研TPU的出现动摇了英伟达GPU长期保持的垄断优势 [2] - 谷歌TPU是一款专为机器学习和深度学习任务加速设计的专用集成电路芯片，始于2013年研发，目前迭代至第7代 [2] - 在算法固化、大规模部署的推理场景，ASIC芯片凭借极致能效和低成本，正在侵蚀原属GPU的市场份额 [3] - 谷歌最新大语言模型Gemini 3使用TPU进行训练，而非英伟达芯片，多位业内人士称其已在多方面“超越”OpenAI的GPT模型 [3] - 野村证券策略师将Gemini 3对英伟达的影响比作“DeepSeek冲击”，认为其“重置了AI领域的战局” [3] - 投资服务机构D.A. Davidson表示，谷歌TPU已缩小与英伟达芯片的差距，或成为后者的“最佳替代品” [3] AI芯片行业发展趋势 - 基于对算力庞大需求将长期存在的预期，AI科技巨头未来或将持续推动自研AI芯片或扶持新的供应商，以考虑成本和供应链安全 [4] - 英伟达已成立ASIC部门，计划招募超过1000名芯片设计、软件开发和AI研究人员以应对被替代风险 [4] - 2023年ASIC市场规模约为66亿美元，预计到2028年将达到554亿美元，年复合增长率高达53% [4] - 应用端推理需求的大爆发是ASIC市场增长主要驱动力，大厂同步加码定制ASIC芯片以降本稳供成为风潮 [4]

IPO发行与市场热度 - 发行价定为114.28元/股，成为年内最贵新股，募资总额80亿元 [1] - 网下申购倍数高达1571倍，267家机构管理的7555个配售对象提交了有效报价 [1] - 网上发行有效申购户数达482.7万户，初步中签率低至0.024% [1] - 按发行价计算，公司上市市值约537亿元，比IPO前估值翻了近一倍 [1] 公司技术与产品 - 公司选择全功能GPU路线，自主研发MUSA架构，覆盖图形与AI双领域 [3] - 从2021年到2024年，公司先后发布四代GPU芯片，其MTT S5000产品FP32 Vector达到32T，性能高于英伟达A100但低于H100 [3] - 核心团队具有浓厚英伟达基因，创始人及三位联合创始人均曾在英伟达长期任职 [3] 财务表现 - 营收呈现爆发式增长，从2022年0.46亿元增长至2024年4.38亿元，年均复合增长率达208.44% [5] - 2025年上半年营收已达7.02亿元，超过过去三年总和，管理层预测2025年全年收入可能冲击12.18亿至14.98亿元 [5] - 公司持续亏损，2022年至2024年归母净利润分别为-18.4亿元、-16.73亿元、-14.92亿元，2025年上半年继续亏损7.24亿元 [5][6] - 2022年以来累计研发投入已超过46亿元 [6] 行业竞争与市场格局 - 2024年中国GPU市场规模达1073亿元，同比增长约32.78% [14] - 在AI芯片细分市场，英伟达销量占比高达70%，华为昇腾占23%，包括寒武纪、摩尔线程等其他国产厂商合计市场份额仅为7%左右 [14] - 英伟达2024年研发投入高达129亿美元（约926亿元人民币），超过所有中国AI芯片企业研发投入总和 [14] 市场机遇与挑战 - 中国GPU市场规模预计将从2024年1425.37亿元激增至2029年13367.92亿元，年均复合增长率53.7% [16] - 数据中心GPU产品市场规模预计从2024年687.22亿元增长至2029年6639.16亿元，年均复合增长率55.7% [16] - 生态建设是主要挑战，英伟达CUDA生态在行业内处于垄断地位，公司推出MUSA架构试图兼容现有生态并吸引开发者 [12] - 公司与寒武纪技术路线不同，摩尔线程走全功能GPU通用平台路线，寒武纪则专注于ASIC定制化芯片 [9]

英伟达对ASIC竞争的看法 - 英伟达首席执行官黄仁勋评论与谷歌、亚马逊等ASIC制造商的竞争，声称世界上没有多少团队能像英伟达团队那样构建极其复杂的系统[1] - 争论核心在于AI工作负载从训练转向推理时，英伟达技术栈是否可被替代，但公司认为定制ASIC在工程层面无法匹敌[1][2] - 公司指出对于云服务提供商而言，在数据中心部署随机ASIC不如选择英伟达技术栈理想，因后者应用范围更广[2] 英伟达的竞争优势 - 公司声称在AI行业三个主要方面——预训练、后训练和推理——都保持最优秀和不可替代的地位[2] - 英伟达拥有名为CUDA的强大软件栈，被视为吸引业界目光的关键所在，即使竞争对手能复制其计算能力[2] - 公司以近期与Anthropic达成的协议为例，该协议包括围绕Blackwell和Rubin系统构建的基础设施，展示其系统复杂性[1]