市场整体表现 - 大盘整体上涨，螺丝钉星级回到4.1星 [1] - 大中小盘股均上涨，中小盘股涨幅更多，价值风格微跌，成长风格微涨，整体波动不大 [2] - 港股当日仅上午交易，略微上涨 [3] - 港股市场自周三下午起进入圣诞季，部分投资港股的基金在周四、周五暂停交易，圣诞假期后恢复正常 [4][5][6] A系列指数基金分析 - A系列指数基金（包括A50、A100、A500）成交量近期大幅提升，是A股近年来崛起速度非常快的一类指数 [7][8] - A系列指数均采用龙头策略，挑选各行业龙头股，该策略在A股历史较悠久，略带有成长风格 [9][10][13] - 在A系列指数诞生前，已有的龙头策略指数（如恒生A股龙头指数、科技龙头、消费龙头指数）规模较小，未发展起来 [11][12][15] - A系列指数基金推出仅一年多，规模增长迅速，目前总规模已达2000-3000亿元以上，成为策略指数中规模最大的一类 [16][17] - 策略指数中规模仅次于A系列的是红利类指数，但红利类指数数量众多，而A系列指数仅有三个 [18][19] A系列指数内部比较与表现 - A50、A100、A500三个指数风格策略类似，区别在于覆盖范围：A50主要为大盘股，A100为大中盘股，A500覆盖大中小盘股 [20] - 从去年至今年4-5月，这三个指数长期处于低估状态，今年5月后市场上涨，指数回归正常估值 [21] - 今年以来小盘股表现强势，因此包含小盘股的A500上涨最多，A100其次，A50上涨较少 [22] - 四季度市场回调后，A50重新回到低估状态，而A100和A500仍处于正常估值 [23] A系列指数的市场地位与特殊性 - A500指数是一个非常少见的“先有指数基金，后有指数”的品种，与通常先发布指数再推基金的顺序相反 [24][25] - A系列指数基金受到高度重视，在许多领域被迅速纳入，例如在个人养老金账户中，首批纳入的养老指数基金就包括当时仅成立数周的A系列指数基金，而一些成立十年以上的指数基金却未被纳入 [26][27][28] 投资策略与工具更新 - 一种投资习惯是将A系列指数作为成长风格代表，与价值风格代表（如红利、自由现金流指数）进行搭配，例如在个人养老金账户中用A50搭配红利低波动，以实现“成长+价值”的经典策略 [29][30][31] - 投资前提是在低估时考虑，目前A50估值已接近正常水平 [32] - “今天几星”小程序推出“增量版”百分位估值表，扩充了指数范围，支持按宽基、策略、行业、主题、全球五大分类筛选，并可查看指数历史估值走势及购买对应基金 [33][34][36] - 文章附有详细的股票指数估值表，提供了包括A系列指数在内的多个指数的关键估值数据（如市盈率、市净率、股息率等） [37] - 文章同时提供了债券指数估值表，包含多种债券指数的修正久期、到期收益率及历史表现数据 [40] 投资者分享 - 分享投资观点，认为精准预测短期市场走势非常困难，培养耐心是更确定可行的路径，耐心能帮助过滤短期噪音，把握市场机会 [36]

涉及的行业与公司 * **行业**：全球半导体行业，特别是AI加速器（GPU/ASIC）与云计算服务领域 [2] * **主要涉及公司**： * **NVIDIA (NVDA)**：报告核心分析对象，涵盖其多代GPU产品（P100, A100, H100, H200, B200, B300）[4][5][6] * **AMD**：提及其实例（MI300X, MI355X）在主要云服务商中缺乏可见度 [2][4] * **云服务提供商 (CSPs)**：包括**AWS (Amazon)**、**Azure (Microsoft)**、**Google Cloud**、**Oracle**、**Coreweave**、**Lambda**、**Nebius**，分析了其AI加速器的供应与定价策略 [4][5][6] * **ASIC供应商**：**Google**的TPU系列（v2至v6，提及即将推出的v7 'Ironwood'）和**Amazon**的Trainium/Inferentia系列 [4][6] * **其他提及公司**：Intel (INTC)、Mobileye (MBLY) [56][57] 核心观点与论据 * **AI需求环境与加速器迭代**： * **Blackwell平台加速普及**：NVIDIA B200在AWS和GCP的现货市场首次出现，B300在AWS现货市场的出现速度远快于B200从发布到上市的时间差，表明部署加速 [2][4] * **旧款GPU需求依然强劲**：Ampere、Hopper及更早世代的GPU（如2019年的P100）供应仍然广泛，位置数量月度持平，年度仅小幅下降，与NVIDIA CEO关于旧款安装基础被充分利用的评论一致 [4][18] * **ASIC供应稳定但新品未全面上市**：Google TPU v2-v6和Amazon Trainium/Inferentia定价相对稳定，但Trainium2价格波动且可能接近售罄或内部调配 [4][25][26]；Google的TPU v7 'Ironwood'尚未在市场上出现，预计大规模量产正在进行中 [4] * **AMD在主要云平台缺乏可见度**：在覆盖的数据集中，AMD实例未在任何主要云服务商中提供（上次在Azure看到MI300X是在7月），仅在Oracle的手动渠道检查中可见，表明市场渗透有限 [2][4] * **定价趋势与云服务商策略**： * **整体定价保持坚挺**：尽管投资者担忧AI需求持续性，但加速器定价保持良好，旧款加速器仍有广泛供应，云厂商认为这些旧芯片仍有经济价值 [2] * **AWS价格重新平衡**：AWS对NVIDIA旧世代GPU进行了混合定价调整，月度下降1.8%，具体表现为降低A100及更老芯片价格，同时提高H100（+3.3% M/M）和H200（+1.2% M/M）价格 [4][9][14]；此举被视为AWS持续努力调整其与同行的费率以及平衡现货与按需销售，而非需求变化 [4] * **按需与现货溢价**：不同加速器的按需与现货价格溢价各异，例如H100的溢价在2.1倍至2.7倍之间，而一些旧款GPU（如V620）溢价可达5.4倍 [6][12] * **性能与性价比分析**： * **Blackwell性价比具有竞争力**：B200的性价比（价格/性能）至少与Hopper（H100/H200）具有竞争力，且远优于旧款加速器 [4] * **具体性价比数据**：以按需价格每PFLOPs成本计，H100为$1.73，H200为$2.47，B200为$2.06；以现货价格每PFLOPs成本计，H100为$0.93，H200为$1.41，B200为$0.80 [37][45] * **世代间性能飞跃**：从A100到H100，理论性能（FP8 PFLOPs）提升993%，同时现货每PFLOPs成本下降73%，按需每PFLOPs成本下降50% [37] 其他重要内容 * **数据来源与方法**：报告基于**UBS Evidence Lab**的专有数据集，对云服务商的定价页面进行数据抓取和分析，提供了详细的加速器可用位置、现货与按需价格数据 [2][6][53] * **风险提示**： * **NVIDIA风险**：包括AMD在GPU领域的竞争、基于ARM的应用处理器领域的激烈竞争，以及半导体行业收入趋势与企业盈利能力挂钩的周期性风险 [54] * **AMD风险**：上行风险包括在云/数据中心服务器渗透率超预期及AI领域取得更好进展；下行风险包括来自Intel的激进价格竞争带来的利润率压力，以及无法及时将生产有效转移至台积电 [55] * **Intel风险**：NVIDIA在数据中心的新计算密集型工作负载领域建立了强大护城河，并可能最终利用其GPU架构更广泛地取代Intel；AMD的新客户端和服务器CPU也构成威胁 [56] * **估值与目标价方法**： * **NVIDIA**：基于市盈率（P/E）倍数设定目标价 [54] * **AMD**：基于未来十二个月市盈率（NTM P/E）方法进行估值 [55] * **Intel**：基于分类加总估值法（SOTP）设定目标价 [56] * **报告性质与免责声明**：该文件为UBS全球研究产品，包含分析师认证、利益冲突披露、评级定义（如买入：预测股票回报率FSR高于市场回报假设MRA 6%以上）及针对不同地区的监管分发说明 [3][61][62][63][95]；报告使用了人工智能工具进行辅助准备，但经过了人工审查 [90][99]

文章核心观点 - 全球AI产业正经历价值重估，美国市场存在结构性泡沫风险，主要体现在算力投资过热、龙头公司估值虚高及部分软件公司商业化不足，而中国市场则呈现“理性有余、热度不足”的特征，整体泡沫风险较低但面临投资规模不足等挑战 [1][7][8][10] - AI产业的健康发展需摒弃“泡沫焦虑”与“规模崇拜”，以长期主义布局核心技术，并以务实态度推进商业化落地 [1][12] 结构性泡沫（美国AI市场） - **硬件层面存在“算力军备竞赛”与资本支出失控风险**：英伟达凭借高端GPU构建垄断壁垒，2025年Q3 AI芯片业务营收同比激增210%，毛利率78%，全球超90%的AI训练算力依赖其产品，订单排期至2027年，但其市盈率超75倍，远超半导体行业30倍的平均估值，市值一度突破3万亿美元，高估值高度依赖AI算力需求的持续爆发 [2] - **英伟达与AI生态的“绑定式繁荣”暗藏风险闭环**：其业绩与AI行业融资热度深度绑定，2025年全球AI初创企业融资额同比下降32%，部分中小客户取消或延迟订单，导致英伟达Q4 AI芯片出货量增速环比回落15% [3] - **科技巨头资本支出过热放大行业风险**：微软、亚马逊、谷歌等五大科技巨头2026年资本支出预计突破4700亿美元，较2024年翻倍，其中80%用于算力设施建设，近60%流向英伟达，下游应用落地不及预期可能传导至上游产能闲置 [3] - **企业为算力投资导致财务风险累积**：甲骨文为承接OpenAI订单，将2026财年资本支出上调至500亿美元（同比激增136%），占营收比重高达75%，自由现金流转为-100亿美元；科技行业有息负债总额升至1.35万亿美元，达十年前4倍 [4] - **软件层面存在循环融资与商业化短板**：OpenAI计划未来数年投入1.4万亿美元，但预计2029年仍将亏损1150亿美元，其与甲骨文、英伟达的千亿级合作被质疑为“深度绑定的循环融资”，缺乏独立盈利能力 [4] - **头部AI软件公司估值与业绩严重脱节**：Palantir市盈率超180倍，Snowflake接近140倍，微软、谷歌的AI相关业务估值拆分后也远超传统业务，这些估值高度依赖英伟达算力的持续供给 [5] - **应用层面“叫好不叫座”削弱硬件高估值逻辑**：科技巨头的AI相关收入增长远不足以覆盖巨额资本支出，Meta、微软甚至预计2026年考虑股东回报后自由现金流为负；2025年Q4，微软、亚马逊的AI服务器采购量环比分别下降8%、12%，引发市场对2026年算力需求增速放缓的担忧 [6] 真实价值（美国AI市场） - **当前估值水平相对温和**：与2000年互联网泡沫时期纳指80倍市盈率相比，当前纳指26倍的预期市盈率处于相对温和水平 [7] - **领军企业具备技术合理性与生态优势**：英伟达通过GPU+CUDA生态构建高护城河，尚无有效替代者，并开始布局AI推理与边缘计算芯片；谷歌的TPU芯片形成“自研芯片+自有大模型”的闭环优势 [7] - **AI技术的长期产业价值真实存在**：AI对科学研究、产业升级具备革命性潜力，如美国“创世纪计划”整合超级计算机与数据资源推动AI赋能科研 [7] - **泡沫具有结构性特征**：美国AI的“泡沫”更多体现在算力基础设施投资过热、龙头估值虚高及部分软件公司依赖概念炒作，但核心技术创新与长期产业价值仍值得肯定 [7] 理性与过热（中国AI市场） - **投资规模审慎，整体泡沫风险较低**：2025年中国互联网龙头合计资本支出约4000亿元，仅为美国同业的十分之一，资本支出占收入、经营现金流的比例分别为10%、50%，远低于美国厂商的27%和71% [8] - **审慎源于内部供血与政策管控**：国内AI企业多依赖母公司内部现金流供血，循环融资现象罕见；发改委通过电力配额管控IDC建设节奏，防止过度投资，主要IDC市场上架率稳定 [8] - **硬件领域避开“堆算力”路径，推进国产化替代**：国内芯片企业在专用芯片、边缘计算芯片等领域实现突破，超节点在推理甚至训练工作负载中的占比持续提升 [9] - **软件与应用层面注重场景落地与良性循环**：以DeepSeek为代表的本土大模型性能逐步追平美国同业，更注重适配国内场景；AI在云服务、广告、智能办公等领域落地加快，新场景不断涌现 [9] - **局部领域存在泡沫苗头与长期投入不足挑战**：部分初创企业盲目跟风依赖概念炒作；一些地方政府主导的AI产业园存在同质化竞争与资源浪费；在基础研究、高端芯片、核心算法等领域的长期投入仍显不足 [9] - **企业面临投资储备不足压力**：阿里巴巴原本计划三年投入3800亿元用于AI基础设施，最终发现这一数字“可能偏小” [9] 中美发展模式差异与未来路径 - **发展模式本质不同**：美国采取“高举高打”的激进策略，凭借资本优势大规模投资抢占技术制高点，但导致泡沫风险；中国以“稳扎稳打”为原则，控制风险并注重商业化落地与国产化替代，但面临投资规模不足、基础研究薄弱的挑战 [10] - **美国化解泡沫风险需回归商业本质**：遏制盲目扩张的资本支出，将投资重心从算力堆砌转向技术创新与效率提升；加快商业化落地节奏，挖掘高价值应用场景；理性看待龙头企业估值，警惕英伟达估值与算力需求增速的错配风险 [11] - **中国需平衡发展与风险**：避免“泡沫恐惧”而错失机遇，加大基础研究与核心技术投入以缩小高端硬件差距；同时警惕局部泡沫，建立理性投资评估体系，引导资本流向具备技术实力和商业化潜力的企业 [11] - **全球产业终局将转向价值驱动**：AI发展必然伴随泡沫与调整，非理性繁荣退潮后优质企业将凸显，推动产业从“资本驱动”转向“技术驱动”与“价值驱动” [11]

文章核心观点 - 全球AI产业正经历价值重估，美国AI投资呈现结构性泡沫，其特征是高投入与低回报失衡，尤其在硬件、软件和应用层面存在过热与估值虚高问题 [2][15] - 中国AI投资整体呈现“理性有余，热度不足”的特征，泡沫风险较低但面临投资规模不足和基础研究薄弱的挑战 [8][22] - AI产业的健康发展需摒弃“泡沫焦虑”与“规模崇拜”，以长期主义布局核心技术，并以务实态度推进商业化落地 [2][11][14][25] 美国AI投资：结构性泡沫与失衡困境 - **硬件层面“算力军备竞赛”导致资本支出失控**：微软、亚马逊、谷歌等五大科技巨头2026年资本支出预计突破4700亿美元，较2024年翻倍，其中80%用于算力设施，近60%流向英伟达 [4][18] - **英伟达呈现垄断地位与泡沫化特征并存**：其2025年Q3 AI芯片业务营收同比激增210%，毛利率78%，全球超90%的AI训练算力依赖其产品，订单排期至2027年 [16]；但当前市盈率超75倍，远超半导体行业30倍的平均估值，市值一度突破3万亿美元，相当于全球前十大半导体公司市值总和 [16] - **“绑定式繁荣”暗藏风险闭环**：微软、谷歌、OpenAI等核心客户向英伟达预付巨额订单，英伟达又战略投资反哺OpenAI等企业，形成循环链条 [3][17]；2025年全球AI初创企业融资额同比下降32%，部分中小客户资金链紧张导致英伟达Q4 AI芯片出货量增速环比回落15% [3][17] - **企业激进投资累积财务风险**：甲骨文为承接OpenAI订单，将2026财年资本支出上调至500亿美元，同比激增136%，占营收比重高达75%，导致自由现金流转为-100亿美元 [4][18]；科技行业有息负债总额升至1.35万亿美元，达到十年前的4倍 [4][18] 美国AI软件与应用的商业化瓶颈 - **软件公司存在循环融资与估值虚高**：OpenAI计划未来数年投入1.4万亿美元，但预计2029年仍将亏损1150亿美元，直至2030年才能实现正现金流 [5][19]；其与甲骨文、英伟达的千亿级合作被质疑为“深度绑定的循环融资” [5][19] - **头部AI公司估值与业绩严重脱节**：Palantir市盈率超180倍，Snowflake接近140倍，即便微软、谷歌等巨头市盈率低于30倍，其AI相关业务的估值拆分后也远超传统业务 [5][19] - **应用层面“叫好不叫座”**：生成式AI真正实现规模化盈利的场景寥寥无几，科技巨头的AI相关收入增长远不足以覆盖巨额资本支出，Meta、微软甚至预计2026年考虑股东回报后自由现金流将为负 [6][20] - **下游算力采购需求转向“按需调整”**：2025年Q4，微软、亚马逊的AI服务器采购量环比分别下降8%、12%，引发市场对2026年算力需求增速放缓的担忧 [6][20] 美国AI投资的真实价值与技术合理性 - **整体估值水平相对温和**：与2000年互联网泡沫时期纳指80倍的市盈率相比，当前纳指26倍的预期市盈率仍处于相对温和水平 [6][20] - **领军企业构建了坚实的技术与生态壁垒**：英伟达通过GPU+CUDA生态构建了高护城河，全球尚无企业在高端AI芯片领域实现有效替代，并已开始布局AI推理芯片、边缘计算芯片 [7][21]；谷歌的TPU芯片在自家AI训练中实现规模化应用，形成“自研芯片+自有大模型”的闭环优势 [7][21] - **AI的长期产业价值真实存在**：AI对科学研究、产业升级具有革命性潜力，美国政府的“创世纪计划”旨在整合超级计算机与数据资源推动AI赋能科研 [7][21] 中国AI投资：理性审慎与局部隐忧 - **投资规模显著低于美国且更为审慎**：2025年中国互联网龙头合计资本支出约4000亿元，仅为美国同业的十分之一 [8][22]；资本支出占收入、经营现金流的比例分别为10%、50%，远低于美国厂商的27%和71% [8][22] - **投资务实性较强，资源供不应求**：国内AI企业多依赖母公司内部现金流供血，循环融资现象罕见 [8][22]；发改委通过电力配额管控IDC建设节奏，防止过度投资 [8][22]；阿里巴巴CEO表示当前新旧GPU均处于满负荷运行状态，未来三年AI资源将持续供不应求 [8][22] - **硬件领域推进国产化替代**：尽管高端GPU仍依赖进口，但国内芯片企业在专用芯片、边缘计算芯片等领域已实现突破，超节点在推理甚至训练工作负载中的占比持续提升 [9][23] - **软件与应用注重场景落地**：以DeepSeek为代表的本土大模型性能逐步追平美国同业，更注重适配国内应用场景，商业化路径更为清晰 [9][23]；AI在云服务、广告、智能办公等领域落地加快，呈现“技术迭代+场景落地”的良性循环 [9][23] - **局部存在泡沫苗头与长期投入不足**：部分初创企业依赖概念炒作获取融资；一些地方政府主导的AI产业园存在同质化竞争与资源浪费 [9][23]；在基础研究、高端芯片、核心算法等领域的长期投入仍显不足 [9][23]；阿里巴巴原计划三年投入3800亿元用于AI基础设施，最终发现这一数字“可能偏小” [9][23] 中美模式对比与产业发展路径 - **发展模式存在本质差异**：美国采取“高举高打”的激进策略，凭借资本优势大规模投资抢占技术制高点，但导致泡沫风险 [10][24]；中国以“稳扎稳打”为原则，控制风险并推进商业化落地与国产化替代，但面临投资规模不足的挑战 [10][24] - **美国需回归商业本质以化解风险**：遏制盲目扩张的资本支出，将投资重心从算力堆砌转向技术创新与效率提升 [10][24]；加快商业化落地节奏，挖掘高价值应用场景，让收入增长匹配估值水平 [10][24]；理性看待龙头企业估值，警惕英伟达估值与算力需求增速的错配风险 [10][24] - **中国需平衡风险与发展机遇**：避免陷入“泡沫恐惧”而错失发展机遇，加大基础研究与核心技术领域的投入，缩小在高端硬件领域的国际差距 [10][24]；警惕局部泡沫滋生，建立更理性的投资评估体系，引导资本流向具备技术实力和商业化潜力的企业 [10][24]

发行定价与上市进程 - 公司科创板发行价定为104.66元/股，低于另一家国产GPU公司摩尔线程的114.28元/股定价 [2] - 公司将于12月5日以“国产GPU第一股”的身份在科创板挂牌交易 [2] 产品性能与技术路线 - 公司最新一代及2025年主力产品为曦云C600系列，其性能介于英伟达A100和H100之间，预计2025年底进入风险量产，2026年上半年正式量产 [3] - 在C600系列发布前，公司超九成营收来自曦云C500系列，该系列产品性能对标英伟达A100 [3] - 下一代产品曦云C700系列基于国产供应链打造，性能对标英伟达H100，预计2026年下半年流片 [3] - 曦云C700系列于2025年4月立项，目前芯片核心设计、功能验证已大部分完成，正在进行性能调优，将扩展对FP4等低精度计算的支持 [4] - 公司强调其训推一体芯片不仅可用于大模型后训练和推理，也能用于大模型的预训练环节 [2] - 公司管理层披露，曦云C系列产品已在千卡集群上成功支持128B MoE大模型等多个大模型完成全量预训练，且已完成76B类脑大模型预训练 [5] 财务表现与盈利预期 - 公司营收从2022年的42.4万元攀升至2024年的7.43亿元，复合增长率达4074.52% [6] - 2025年上半年营收达9.15亿元，同比增长404.51% [6] - 公司预计2025年1-9月营收将同比增长437.36%至464.23% [6] - 2022年至2025年上半年，公司归属于母公司所有者的净亏损合计约为32亿元 [6] - 2025年上半年归母净亏损约1.86亿元，同比减亏63.74%，主要受益于出货量大幅增加 [6] - 公司预计2025年全年营业收入为15亿元至19.8亿元，相较2024年增幅为101.86%至166.46% [7] - 公司预计2025年归属于母公司所有者的净利润亏损5.27亿元至7.63亿元，相较2024年减亏幅度为45.84%至62.59% [7] - 管理层预计达到盈亏平衡点的预期时间最早为2026年 [8] 行业背景与市场挑战 - 受限于工艺制程，国内AI芯片行业的主流算力水平尚处于英伟达A100产品阶段 [3] - 少数国内厂商通过先进封装（如双芯粒封装）等方式能实现接近英伟达H100产品的算力，为国内厂商中的最先进水平 [3] - 中国GPU芯片市场曾长期被国外巨头垄断，国产GPU芯片渗透率低，面临技术标准适配及用户习惯迁移障碍，市场拓展呈渐进式发展 [7] - 国产GPU芯片厂商整体起步较晚，处于技术突破和产品落地初期，需投入大量资源用于研发、市场拓展和生态建设，导致成本居高不下 [7]

英伟达CEO黄仁勋关于对华芯片出口的警告与呼吁 - 英伟达首席执行官黄仁勋近期频繁警告，美国限制对华芯片出口的举措已“实质上已拱手让出全球第二大人工智能市场”，这将为中国本土企业（如华为）提供发展空间，使其最终具备全球竞争力 [1] - 黄仁勋强调中国市场地位无可替代，公司不应将整个市场拱手相让，而应主动参与竞争 [2] - 黄仁勋指出，若将中国市场完全让给本土企业，将为中国向其他国家输出先进技术创造便利条件，类似“AI版一带一路”的模式正在显现 [2] 英伟达面临的商业与监管困境 - 英伟达当前在中国面临漏洞后门安全风险质疑、监管约谈及反垄断调查等多重问题，在美国则因其同意向政府上缴销售收入的“上贡”做法引发舆论哗然 [5] - 美国出口限制导致英伟达对华芯片销售陷入停滞，公司预计未来两个季度的销量将为零 [6] - 黄仁勋表示，如果能与中美两国政府达成合作，中国市场将非常庞大，中国目前的AI芯片市场规模约为500亿美元，到2030年末可能增长至2000亿美元 [7] 美国政策动态与英伟达的游说努力 - 美国政府正考虑是否允许英伟达对华出售性能落后一代的H200 AI芯片，此前A100、H100、H200等高端AI应用GPU一直被禁止对华出口 [5] - 美国商务部长卢特尼克表示，黄仁勋的对华出口诉求“具备充分理由”，最终将由特朗普直接拍板决定 [5] - 英伟达即将在国会取得一项重要游说成果：立法者在国防法案中排除了一项可能限制其向中国等“对手国家”销售先进AI芯片的条款 [6] - 任何放松出口限制的动作都将标志着自2022年以来实施的政策发生重大转变，可能引发美国国家安全领域强硬派的反对 [6] 中美技术竞争与能源优势 - 黄仁勋认为中国在AI竞赛中相对美国的一大优势是能源供应充足，他指出“中国的能源总量是美国的两倍” [2] - 基于此，他呼吁美国“必须利用一切可用的能源形式”，并强调应努力鼓励和加速核能发展 [2] - 黄仁勋担忧华为等中国竞争对手将借助其技术实力和市场推广能力，在全球AI生态系统中占据不可或缺的地位 [1][2] 高层会晤与不确定性 - 黄仁勋在华盛顿之行期间曾与美国总统特朗普会面，讨论了出口管制问题，但未透露具体细节 [5] - 黄仁勋坦言，对于中方是否会允许中国企业购买H200芯片存在不确定性，并表示“我们不能再向中国出售降级芯片，他们不会接受的” [7] - 美国国会参议员迈克·朗兹表示，理解英伟达希望拥有全球客户的愿望，但所有人对相关产品对华出口限制的影响都心存担忧 [7]

公司对市场质疑的回应 - 英伟达投资者关系团队向华尔街分析师发送七页备忘录，直接回应十二项市场质疑 [2] - 备忘录回应迈克尔·伯里关于股票薪酬稀释及股票回购的批评，指出自2018年以来公司回购股份总额为910亿美元，而非1125亿美元，并解释差异源于受限股票单位的税款计算问题 [2] - 公司否认当前情况类似安然等历史会计造假案件，强调核心业务经济基础稳健，财务报告完整透明，且未通过特殊目的实体隐藏债务或夸大利润 [2] - 针对客户GPU折旧周期质疑，公司表示客户根据实际寿命和使用模式将折旧设定为4至6年，并举例2020年发布的A100等老款GPU仍可高效运作并产生可观利润 [2] 应收账款周转天数分析 - 市场质疑英伟达应收账款周转天数从2020–2024财年平均46天增加至2026财年第三季度的53天，认为存在金融异常或潜在欺诈 [4] - 分析师指出该分析忽略了应收账款客户集中度的变化，客户集中度从2020–2024财年平均23.8%大幅提升至2026财年第三季度的65% [4] - DSO随客户集中度显著提升而增加是合理现象，反映了大客户的议价能力，且英伟达主要客户多为付款周期较长的各大云服务提供商 [4] - 与其他主要客户同为云服务提供商的厂商相比，如Arista、Celestica和Vertiv的DSO普遍在60–70天以上，英伟达DSO为53天是合理的 [4] 库存状况解读 - 市场质疑英伟达2026财年第三季度库存金额环比增长32%为异常表现，并以2023财年第二季度库存下降18%作为反例 [6] - 分析师指出2023财年第二季度库存金额实际环比增长约23%至38.89亿美元，而非下降 [6] - 2026财年第三季度库存金额增加32%与台积电CoWoS平均月产能在2025年第三季度环比增长25–30%至约60kwpm的趋势一致 [6] - 当季库存中占比最高（44.2%）的在制品环比大幅增长约98%至87.35亿美元，反映了新款Blackwell B300芯片在2025年第三季度开始爬坡量产，是为强劲需求做准备的合理举措 [6]

纪要涉及的行业或公司 * 英伟达：核心业务为AI芯片（GPU），产品包括Blackwell、Ruby系列，客户包括云厂商、大模型公司（如OpenAI、Anthropic）以及沙特等国家[1][2][4] * 谷歌：发布新一代大模型Gemini 3，并接入搜索引擎[3][9] * 行业：AI芯片与算力行业、云计算行业、大模型行业[1][3][6][10] 核心观点和论据 **英伟达财务表现与展望** * 英伟达Q3收入达570亿美元，同比增长62%，环比增长22%[2] * Q3数据中心收入为512亿美元，同比增长66%，环比增长25%[2] * Q3调整后毛利率达73.6%[1][2] * 公司预计Q4收入中值为650亿美元，同比增长65%，调整后毛利率中枢为75%[1][2] * 公司预计2026财年毛利率维持在70%中段[1][2] **英伟达供应链与新产品进展** * 英伟达与台积电合作在美国本土生产第一片Blackwell晶圆，并扩大与富士康、安靠的美国制造能力，安靠股价盘后上涨10%[1][4] * Blackwell和Ruby系列计划在2026年合计出货2000万颗，目标收入500亿美元，且可能上调[1][4] * Blackwell量产顺利，GB300贡献了Blackwell总收入的2/3[4] * Ruby平台计划在2026年下半年投产，已从供应链收回硅片进行测试[4] **英伟达市场需求与投资策略** * 新增沙特采购协议40-60万卡，对应约100亿美元[1][4] * Anthropic新增一个GW合作需求，对应约300-350亿美元，使得原定5000亿美元收入目标有10%的上调空间[1][4] * 英伟达对OpenAI和Anthropic的投资设有前置条件，取决于合作伙伴AI系统开发和基础设施部署的成功[3][7] * 客户测试替代方案后仍选择英伟达，H100多年期合同结束后客户以95%的价格续约，A100等旧型号仍在满负荷运行[5][8] **英伟达对行业关切问题的回应** * 英伟达CEO认为下游云厂商给予GPU卡5-6年折旧周期合理，且随着推理比例增加，周期可延长[1][5][8] * 强调AI投资能实现闭环应用，当前利润预期未被高估[5] **谷歌Gemini 3模型的影响** * Gemini 3预训练投入巨大，综合性能全球最强，定价在最高区间[3][9] * 在20个行业主流基准测试中，Gemini 3 Pro在19个项目获最高分，优势领域包括推理、多模态、长上下文任务及端到端编程[3][9] * 谷歌首次将AI模型直接接入搜索引擎，实现搜索流量正增长[9] * 谷歌新模型带动自身及其他云厂商股价上涨1-2个百分点，AMD和博通股价也上涨2%-4%[3][6] 其他重要内容 * Gemini 3发布证明预训练Scaling Law依然有效，巨头竞争多模态技术将增加推理算力需求[10] * 谷歌高定价模式表明顶级基准模型可收取更高费用，其应用形成独特壁垒并带动行业算力投入[10] * 市场对AI泡沫风险的讨论有所缓解，整体指向AI链条向好趋势[11][12]

文章核心观点 - 关于美国可能放开对华H200芯片出口的传闻目前仅处于初步讨论阶段，存在不确定性[2][3] - 分析认为，若H200出口限制真的放开，中国方面很可能会接受并放行该产品[20] H200芯片性能分析 - H200采用Hopper架构，配备141 GB HBM3e显存，带宽达4.8 TB/s，热设计功率最高1000 W[9] - 在FP64 Tensor Core算力方面，H200达到67 teraFLOPS，高于B200的37 teraFLOPS，在高精度计算场景更具优势[17][18] - H200的单卡性能，特别是在算力和显存带宽方面，被认为高于国内现有的AI芯片[12] H系列芯片的市场应用现状 - 美国主要云服务商的服务器折旧年限多为5-6年，因此H100和H200目前均处于正常使用阶段[13] - 在Coreweave平台上，H200的租赁价格为每小时3.50美元，略低于B200的5.50美元[14] - 在AWS和GCP云服务上，H200的定价甚至高于B200，反映出其在特定场景的适配性和资源稀缺性[15] - 由于大量遗留负载迁移成本高，海外及国内云服务提供商中H系列和A系列芯片的使用率仍然最高[19]

公司财务表现与预期 - 第三季度营收达570亿美元，远超华尔街预期的554亿美元 [3] - 第四季度营收指引达650亿美元，高于市场预估的624亿美元 [3] - 第三季度数据中心计算业务收入512亿美元，同比增长56% [9] - 数据中心网络业务收入82亿美元，同比增长162% [10] - 预计第四季度毛利率将回升至75% [3] - 公司目标在2026年将毛利率维持在70%左右 [3] 产品与技术进展 - 下一代Rubin芯片按计划于2026年中推出，同年下半年贡献收入 [1][7] - Blackwell Ultra（GB300）已占Blackwell系列总出货量的三分之二 [9] - 六年前上市的Ampere架构GPU（A100）仍在高负荷运行，实际使用寿命超出客户折旧预期 [1][8] - 上一代Hopper架构产品本季度仍实现20亿美元收入 [10] 市场前景与增长动力 - 确认2025/26财年数据中心产品需求预期超5000亿美元且存在上行空间 [1][7] - Blackwell和Rubin两代产品已确认的客户需求总额预计超过5000亿美元 [10] - 预计到2030年全球AI基础设施市场年支出规模将达到3-4万亿美元 [10] - 在AI训练应用领域相比同行具备可持续的模型优势，未来业绩具备显著上升空间 [4] 机构分析与预测 - 高盛维持“买入”评级，将未来12个月目标价从240美元上调至250美元 [3] - 高盛将英伟达未来几年每股收益预期平均上调12% [4] - 高盛首次给出2028至2030财年每股收益预测，分别为15.60美元、18.65美元和22.10美元 [4]