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]

公司核心业务与产品 - 超微电脑的AI服务器主要针对英伟达的HGX B300、B200、GB300 NVL72和RTX PRO 6000 Blackwell服务器系统进行优化，这些系统搭载英伟达Blackwell GPU，适用于AI工厂、大型AI实验室、超大规模和巨型集群部署 [1] - 这些AI GPU平台贡献了超微电脑2026财年第一季度超过75%的营收 [2] - 公司已扩展其基于英伟达Blackwell的GPU系统，新增两款液冷型号：一款全尺寸4U机架系统和一款紧凑型2-OU系统，现已准备好批量出货 [2] - 公司将这两款新平台集成到更广泛的HGX B200、NVL72和RTX PRO 6000平台组合中，以实现紧凑设计、冷却效率、高GPU内存和网络吞吐量 [3] - 公司的4U液冷英伟达HGX B300系统适配标准19英寸机架，而2-OU系统可在单个机架内实现高达144个GPU [3] 市场地位与增长前景 - 与英伟达和AMD等供应商的合作，使超微电脑能够提供最新的GPU驱动平台，这些平台在云服务提供商和主权AI项目中需求旺盛 [4] - 在欧洲、亚洲和中东的扩张为公司提供了额外的增长途径 [4] - 公司2026财年第一季度营收下滑并非需求疲软所致，而主要是由于客户在最后一刻要求配置升级，导致部分收入从9月季度转移至12月季度，这些订单将在下一季度完成，预计将带来强劲的营收增长 [5] - 公司预计2026财年第二季度营收将反弹 [11] 主要竞争对手分析 - 超微电脑在AI和数据中心市场与戴尔科技和慧与展开竞争 [6] - 戴尔科技是服务器和存储系统的主要供应商，拥有广泛的企业和云提供商客户基础，其规模、成熟的渠道和服务产品使其在赢得大额合同方面具有优势，但在AI专用系统领域的增长速度不及超微电脑 [7] - 慧与也正积极向AI和高性能计算领域扩张，其GreenLake平台为客户提供灵活的、类似云的消费模式，对企业具有吸引力，其在混合云和AI工作负载方面的专注使其成为超微电脑通过DCBBS战略寻求增长领域的直接竞争对手 [8] 财务表现与估值 - 超微电脑的股价在过去六个月中下跌了26.7%，而同期Zacks计算机-存储设备行业指数增长了68.1% [9] - 从估值角度看，公司远期市销率为0.47，低于行业平均水平的1.75 [12] - Zacks对超微电脑2026财年和2027财年的每股收益共识预期分别意味着同比增长约4.85%和37.9% [15] - 过去60天内，对2026财年和2027财年的每股收益预期已被下调 [15] - 当前对2026财年（截至6月）的每股收益共识预期为2.16美元，对2027财年的预期为2.98美元 [16]

美国放开H200的原因 - 英伟达努力劝说美国政府放开H200的主要目的是清理库存 库存主要集中在英伟达和代工模组厂商 而上游台系ODM厂库存极低 且因超微被美国商务部调查导致供货受限 整体供应链提货能力不足 [2] - 美国市场主流产品已转向B系列 如GB200或8卡机B200/B300 依靠美国市场消化H200库存较为困难 中国市场是关键 [2] - 美国数据中心面临电力供应紧张问题 Blackwell架构相比H100/H200更省电并支持液冷 能效比更高 未来H100/H200将逐步下架 这些旧型号设备若无法在美国消化 最理想的处理方式是合法卖给中国以实现库存转移 [2] 中国对H200放开的态度 - 国内舆论对H200放开看法两极分化 一方认为国产AI芯片性能尚不及H200 大厂有需求 另一方认为同意放开等于自废武功 不利于国产芯片发展 且给予美国未来再次禁运的机会 [3] - 从经济性角度 没有禁掉H200的理由 其单卡性能 主要是算力和显存带宽 高于国内AI卡 [4][5] - 许多旧代码基于Hopper架构 H200可即插即用 深受大厂青睐 且此前H200禁运期间 国内已有流通 海关主要严查H20等阉割版 若美国放开后中国再禁 显得不合理 [8] - 根据Bernstein分析 明年国产GPU产能不会大幅提升 到2027年提升才会比较大 表明目前对高端AI卡仍有较大需求 [8] - 领导层决策不仅基于经济角度 更多考虑政治因素 是否允许进口取决于中美关系走向 若双方关系缓和则放行可能性高 若继续博弈则可能拒绝以示强硬 需在经济发展与科技自主之间权衡 [11] H200放开对国产市场的影响 - H200目前主要被国内云服务提供商用于训练 而国产AI芯片大部分用于推理场景 两者应用场景重叠度有限 H200不直接与国产GPU卡竞争 对国产GPU卡影响不大 [12] - 在推理场景中 国产GPU厂商可预先写好算子供客户直接调用 省时省力 但在训练场景中 算子需客户自己编写 对国产GPU的底层硬件和软件易用性要求更高 同时训练任务对集群互联和稳定性要求也更高 [12] - 由于内存价格翻倍上涨 即便H200模组降价1万美元 总体成本节省有限 经济性不会显著提升 [13] - 对于资本开支较大的云服务提供商 上半年针对B系列的采购并不多 国内B系列保有量也较少 很多在等待性能相比H200提升很多的B300 [13] - 市场消息引发情绪波动 但实际影响有限 真正决定走势的是政策取向、市场需求与资金状况 而非单纯的技术可用性 [14] 国内AI算力硬件供应链梳理 - 文章附带了国内谷歌供应链与英伟达供应链的上市企业梳理表格 涉及光模块/光学器件、服务器电源、液冷、变压器/SST系统等多个环节 列出了部分公司的出货产品、产品市占率、供货方式、毛利率及2026年订单预期等信息 [16] - 涉及的谷歌供应链公司包括光库科技、德科立、腾景科技、赛微电子、欧陆通、英维克、思泉新材、飞荣达、科创新源、金盘科技、伊戈尔、京泉华、四方股份等 [16] - 涉及的英伟达供应链公司包括英维克、思泉新材、科创新源、淳中科技、鼎通科技、麦格米特、京泉华、金盘科技、四方股份等 [16]

文章核心观点 - 谷歌启动名为TPU@Premises的激进计划，允许客户将TPU芯片直接部署在自有数据中心，旨在打破英伟达对高端AI芯片市场的垄断 [1] - 该计划首个目标客户为Meta，谈判涉及金额达数十亿美元，预计在2027年实施 [2][3] - 谷歌最新旗舰芯片Ironwood TPU v7在关键性能参数上已追平英伟达旗舰B200，并通过拥抱PyTorch生态来降低客户迁移门槛 [6][11][13] - 公司目标是从英伟达口中夺取10%的市场份额，英伟达已通过投资AI初创公司等方式进行反击 [13][14] 战略转变与市场影响 - 谷歌从仅提供云端TPU算力服务（“云房东”角色）转变为直接向客户销售算力硬件（“军火商”角色）[1] - 允许客户进行私有化部署，对拥有海量敏感数据和极高合规要求的巨头（如Meta）更具吸引力 [5] - 这一战略旨在直接挑战英伟达在高端AI训练芯片市场的绝对主导地位 [1] 关键客户与潜在交易 - Meta正与谷歌进行谈判，考虑斥资数十亿美元在2027年将谷歌TPU芯片引入其自有数据中心 [3] - 谈判内容不仅涉及租用，更侧重于“私有化部署”，以满足数据安全和合规要求 [5] - 谷歌最新大模型Gemini 3完全在TPU集群上训练成功，其技术表现抹平了与OpenAI的差距，这动摇了“只有英伟达GPU才能胜任前沿模型训练”的行业偏见，是吸引Meta等客户的关键因素 [5] 硬件性能对比 - 谷歌Ironwood TPU v7与英伟达B200在核心指标上高度接近 [6][7] - **FP8算力**：TPU v7约为4.6 PFLOPS，B200为4.5 PFLOPS，两者基本持平 [7] - **显存容量**：两者均配备192 GB的HBM3e内存，完全一致 [7] - **显存带宽**：TPU v7约为7.4 TB/s，B200为8.0 TB/s，英伟达略高约8% [7] - **互联架构**：谷歌的ICI技术使单Pod内数千颗芯片能以9.6 Tb/s带宽高效互联，提供了卓越的大规模集群扩展性 [8] - 硬件性能的追平使TPU成为英伟达GPU的真正“平替”甚至更优选择 [10] 软件生态策略 - 英伟达最深的护城河是其CUDA软件生态 [11] - 谷歌采取精明策略，并未强推自有JAX语言，而是选择拥抱由Meta发明的、应用广泛的PyTorch框架 [13] - 通过开发“TPU Command Center”软件，使开发者能像使用GPU一样顺滑地通过PyTorch调用TPU，显著降低了客户的迁移门槛 [13] 竞争态势与行业反应 - 英伟达已感受到竞争压力，近期通过对OpenAI、Anthropic等AI明星初创公司进行巨额投资，以换取其对英伟达GPU的长期使用承诺 [14] - 谷歌也开始模仿英伟达的财务绑定策略，例如与云服务商Fluidstack达成协议，承诺提供高达32亿美元的“兜底”支持 [14] - 英伟达CEO黄仁勋近期公开表示对谷歌七代TPU研发成果的“尊重”，反映出其对竞争加剧的警惕 [14]

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]

文章核心观点 - 美国政府对英伟达H200 AI芯片的对华出口政策正进行内部审查，可能改变现有禁令[2][4] - H200芯片性能优于目前被允许出口中国的H20芯片，但落后于最新的Blackwell架构B200芯片[4] - 美国近期政策出现转变迹象，已允许向沙特阿拉伯和阿联酋等中东国家出口英伟达最新芯片[4] 美国对华AI芯片出口政策动态 - 美国在2022年拜登政府期间实施出口管制，限制尖端AI芯片出口中国[5] - 美国内部正讨论是否批准向中国出口用于AI的GPU H200，但尚未做出最终决定[4] - 政策审查涉及H200芯片，该芯片基于Hopper架构，是同类AI芯片中性能最高的产品[4] 关键芯片产品性能对比 - H200芯片于2023年发布，性能优于同代低配版H20芯片，但落后于采用最新Blackwell架构的B200芯片[4] - Blackwell芯片可能在一两年后不再被视为尖端技术时才能出口到中国[4] 相关方表态与市场影响 - 英伟达首席执行官表示公司正努力说服美国和中国政府以重新进入中国市场[5] - 特朗普总统曾表态允许向中国出售英伟达半导体产品，但最先进产品不应出售[4]

财报预期 - 公司将于11月19日盘后公布2026财年第三季度财报，预计调整后每股收益为1.26美元 [1] - 预计公司本季度营收为552.8亿美元，较去年同期增长超过55% [1] 各业务部门表现 - 数据中心业务是核心增长引擎，第三季度预计营收为480.4亿美元，同比增长56.1% [2] - 游戏终端市场预计营收为47.1亿美元，同比增长43.7%，反映出渠道库存恢复正常和强劲需求 [2] - 专业可视化部门预计营收为6.789亿美元，同比增长39.7%，连续八个季度增长 [3] - 汽车部门预计营收为6.248亿美元，同比增长39.1%，受益于对自动驾驶和AI智能座舱解决方案的投资增加 [3] 生成式AI市场机遇 - 公司是生成式AI芯片市场的主导者，其芯片广泛应用于营销、广告、客户服务、教育等多个行业 [4] - 全球生成式AI市场规模预计到2032年将达到9676.5亿美元，2024年至2032年期间的复合年增长率为39.6% [4] - 生成式AI的复杂性需要巨大的计算能力，公司A100、H100、B系列等先进芯片是构建和运行这些应用的首选 [5] 华尔街观点 - 杰富瑞和韦德布什的分析师预计公司将“超预期并上调指引”，韦德布什维持目标价210美元 [6] - 美国银行分析师保持目标价275美元，预计公司将向投资者保证其满足需求的能力 [7] - 奥本海默分析师上调公司目标价，称其为AI领域“最有可能获胜的单一公司” [9] - 来自微软、Alphabet和亚马逊等超大规模企业的支出增长，大部分似乎最终都流向公司 [6]

涉及的行业与公司 * 公司为英伟达NVIDIA Corp (NVDA O) [1][6] * 行业为半导体行业 覆盖美国市场 [6] 核心观点与论据 **积极业绩展望与需求加速** * 市场在过去45天显著好转 预计将看到过去几个季度以来最强劲的业绩 因为Blackwell架构产品开始全面放量 [1][3] * 行业调查显示需求显著加速 公司已完全解决早期的机架问题 需求持续激增 增长瓶颈更多在于互补性硬件和空间/电力 而非英伟达自身 [3] * 预计10月财季营收为550亿美元 较此前544亿美元的预测上调 1月财季营收预计为631亿美元 较此前612亿美元的预测上调 这两个季度80亿美元的环比增长将是行业历史上最高的 sequential revenue growth [22] * 将2027财年营收/非GAAP每股收益预测从2780亿美元/659美元上调至2985亿美元/711美元 [22] **强劲的终端需求信号** * 客户层面 2026日历年第三季度云资本支出共识上调1420亿美元 四大超大规模云厂商每家都增加了超过200亿美元 [14] * 与2025年相比的美元增长额现在达到1150亿美元 比一个季度前高出60% [14] * 供应商层面 广达预计其AI服务器营收在2026年第一季度将加速 2026年同比增长100%以上 并计划在明年将AI服务器产能翻倍 [17] * 仁宝预计其AI服务器业务明年每个季度都将实现环比增长 主要机架供应商鸿海指引第四季度机架出货量将增长"高双位数百分比" [17] **产品竞争力与市场地位** * Blackwell仍然是AI芯片的首选 Vera Rubin的需求信号非常强劲 [10] * 竞争对手的进展反映了强劲的市场 但英伟达的产品领导力故事基础依然稳固 [10][21] * 尽管英伟达明年可能会失去一些份额 但随着Rubin架构接近市场 对替代方案的热情可能会减弱 [21] **估值与目标价调整** * 将目标价从210美元上调至220美元 [1][26] * 新目标价基于约26倍2028财年模型每股收益843美元 这相对于过去两年平均的远期市盈率和第二年市盈率存在折价 也低于大型AI半导体同行博通 [26] * 当前股价18686美元 目标价隐含约174%的上涨空间 [26][30] 其他重要内容 **风险与约束因素** * 尽管存在内存 T-glass 光学器件等短期限制 但目前没有看到任何限制出货的因素 [18] * 对于电力供应和前道晶圆等更硬的限制 其天花板远高于当前的营收预期 [18] * 看跌观点认为部分需求来源需要数年交付周期 但相对于明年800亿美元的共识增长 这些周期内的增长似乎仍然健康 [18] **市场情绪与相对表现** * 英伟达股价表现良好 但相对表现落后于AI同行 因ASIC和AMD的增长潜力吸引了投资者 但这种情况应该会逆转 [1][9][10] * 与AMD相比 若假设英伟达数据中心业务在3万亿美元AI支出中占三分之一 并采用保守利润率 其隐含每股营业利润约为2450美元 与AMD的20美元每股收益目标框架相似 但市场对英伟达相同情景的估值低35% [21] **财务数据与预测** * 公司当前市值约为4615亿美元 [6] * 2026财年第一季度至第四季度每股收益预测分别为081美元 105美元 127美元 148美元 2027财年第一季度至第四季度每股收益预测分别为158美元 170美元 183美元 201美元 [7] * 模型预测2026财年营收2089亿美元 每股收益460美元 2027财年营收2985亿美元 每股收益711美元 [27]

财报预期与预测 - 公司预计第三财季营收为540亿美元（±2%），Zacks一致预期为545.9亿美元，较去年同期大幅增长55.6% [1] - 季度每股收益的Zacks一致预期在过去60天维持在1.23美元，意味着较去年同期81美分的收益同比增长51.9% [2] - 盈利预测模型显示公司本季度可能超预期，因盈利ESP为+2.08%（最准确估计1.26美元 vs 一致预期1.23美元），且Zacks评级为第2级 [4][5] 各业务板块表现驱动因素 - 数据中心业务是第三季度营收主要驱动力，得益于云解决方案采用增加、超大规模需求增长以及推理市场应用扩大 [6] - 数据中心业务预计受益于生成式AI和大语言模型对基于Blackwell架构GPU的需求，模型预计该板块季度营收为480.4亿美元，同比增长56.1% [7][8] - 游戏和专业可视化终端市场呈现复苏趋势，游戏业务因渠道合作伙伴库存恢复正常，模型预计其季度营收为47.1亿美元，同比增长43.7% [9] - 专业可视化板块营收已连续八个季度增长，模型预计其季度营收为6.789亿美元，同比增长39.7% [10] - 汽车板块趋势改善，因对自动驾驶和AI座舱解决方案的投资增加，模型预计其季度营收为6.248亿美元，同比增长39.1% [11] 股价表现与估值 - 公司股价年内上涨39.1%，表现优于Zacks计算机与技术行业26.3%的涨幅，但表现落后于AMD（104.9%）、英特尔（79.2%）和博通（46.2%）等主要半导体股 [12] - 公司当前远期12个月市盈率为31.88倍，高于行业平均的29.08倍，估值相对较高 [15] - 与其他芯片巨头相比，公司估值高于AMD（43.44倍）和博通（38.88倍），但低于英特尔（65.66倍） [17] 行业前景与公司定位 - 公司营收增长由开发生成式AI模型所需的芯片强劲需求驱动，公司在生成式AI芯片市场占据主导地位 [18] - 全球生成式AI市场规模预计到2032年将达到9676.5亿美元，2024年至2032年期间的复合年增长率预计为39.6% [19] - 生成式AI的复杂性需要大量知识和巨大计算能力，企业的网络基础设施需升级，公司的AI芯片是构建和运行这些应用的首选，使其在该领域处于领先地位 [20]

AI行业电力瓶颈 - 微软CEO指出AI发展面临的核心瓶颈是电力短缺而非算力不足，大量芯片因缺电无法投入使用[7][8] - 美国数据中心2023年总耗电量达176太瓦时，占全国总发电量4.4%，相当于马来西亚全国年耗电量，预计2028年该数字将翻倍[11] - 美国电力系统老旧导致供电不足，2021-2022年电费飙升，居民用电受到挤压[12] 数据中心能效问题 - 2024年全球数据中心平均电能利用效率PUE为1.56，意味着仅三分之二电力用于GPU计算，其余消耗在制冷、供电等辅助系统[15] - 电能利用率极低造成严重浪费，特朗普政策取消可再生能源税务优惠，转向核电并放松环境管制[16] 芯片迭代与资产风险 - AI芯片快速迭代，H100/A100等2022年前产品将被H200(2023)、B200(2024)、B300(2025)替代[20] - TrendForce预估2025年Blackwell系列将占英伟达高端GPU产量80%以上，库存芯片面临过期风险[20] - 闲置芯片直接影响AI公司估值，因股价与GPU数量及使用率高度相关[22] 企业应对策略 - 科技公司通过自建发电厂缓解电力危机，OpenAI与甲骨文在德州合建天然气电厂，xAI在田纳西基建导致发动机订单排至2029年后[25] - 将数据中心转移至墨西哥、智利等发展中国家，爱尔兰数据中心消耗全国20%电力，对当地民生造成影响[27] - 英伟达和谷歌探索太空数据中心方案，利用太阳能供电和真空散热，但存在器件老化、数据传输等技术挑战[27][28][31] 中美电力基础设施对比 - 2024年中国数据中心耗电量166太瓦时，仅占社会总用电量约2%，电力供应充足且注重绿电发展[33] - 中国在保障民生的前提下推进碳减排，电力基础设施优势明显[34]