将投中网设为"星标⭐"，第一时间收获最新推送 成都，成了芯片巨头背后最扎实的力量。 作者丨 黎曼 来源丨 投中网 摩尔线程与沐曦的接连上市，引爆了资本市场对国产 GPU 赛道的热情。其惊人的首日表现，为投资者带来了丰 厚的回报。 作为"国产 GPU 第一股"的摩尔线程，首日最高涨幅超 500% ，股价达 688 元，市值一度突破 3000 亿元。 沐曦开盘价即达 700 元，市值突破 3500 亿元。股民中一签的盈利上限更是高达 40 万元，成为近期罕见的"超 级肉签"。 这两家企业背后均站上了数十家机构一同分享这场财富盛宴。对于一般机构来说，能押中一家市场大热项目已是 难得，能够同时押中二者的无疑是大赢家。 这样的机构虽然寥寥，但并非没有。在盘点这些机构时，我们也发现了一匹西部杀出的芯片投资"黑马"：这两个 IPO 背后都出现了成都高新区国有资本的身影。其于 Pre-IPO 阶段入股摩尔线程和沐曦，并分别投入 5 千万元 和 1.5 亿元。 不止于此，在更早上市的千亿芯片巨头海光信息背后，成都高新区是位列第二的大股东，收获了千亿元的回报。 前有合肥国资在危难之际救下京东方、蔚来留下创投佳话。如今，成都高新区 ...

算力概念的演进与重新定义 - “算力”是中国创造的概念，其本质是在可接受的资源与时间内完成计算任务的能力 [7][8] - 有观点提出用“Computility”一词替代“Computing Power”，以强调算力应像水电一样成为基础设施 [7] - 在传统算力基础上，衍生出“训力”（快速训练大模型）和“推力”（基于大模型快速推理）等新概念 [9][10] - 算力体系的演进可能催生多模态生成能力，例如未来或将小说直接“演”成电视剧 [10] 算力需求增长与异构计算的必然性 - 生成式AI对算力的需求持续快速增长，其增速远超制程工艺带来的性能提升 [12] - 仅靠CPU已无法满足需求，CPU主频与架构在过去二十多年未发生本质变化 [16] - 行业必然选择CPU+XPU（如GPGPU）的异构计算架构，以在通用性、性能、能耗和成本间寻求平衡 [16] XPU的本质与软件生态的核心地位 - XPU属于保守型硬件结构，仅提供计算资源，性能能否发挥取决于软件、编译器与程序员 [18][19] - 算力芯片的核心问题并非硬件架构，而是应用生态，生态包括操作系统、编译器、应用软件等所有软件的总和 [20][24] - 真正产生生产力的是应用软件而非芯片本身，成熟的软件体系对释放硬件性能至关重要 [24] - 硬件峰值性能只是指标，真实应用软件通常仅能发挥整机20%～30%的效率，优化空间巨大 [38] CPU生态格局：x86、Arm与RISC-V的挑战 - x86生态经过四五十年发展，拥有极高的市场占有率和生态惯性 [24] - 根据Gartner数据，基于x86软件的销售收入达3000多亿美元，而其年研发费用约600亿美元，远超全球服务器市场约800亿美元的总收入 [24] - Arm架构在服务器领域屡战屡败，其成功需要两个条件：掌握全栈技术的大公司弃用x86，以及端云融合促进应用迁移 [27] - RISC-V面临商业化困难，例如行业顶级人物Jim Keller创办的Tenstorrent公司已开始裁员，其芯片面临“不知卖给谁”的困境 [29] - RISC-V目前仅在软件简单的嵌入式场景（如存储控制器）应用较好，一旦进入计算领域则面临软硬件生态不成熟的多重问题 [29] - RISC-V在多核CPU所需的片上互联网络等硬件生态上尚不成熟，可能仍需依赖Arm的解决方案 [29] CUDA生态的壁垒与国产化必要性 - 硬件指令的直接支持对性能和能效始终有价值，Intel不断加入新指令即是例证 [32] - 兼容CUDA的API接口从技术角度看并不难，但复制其背后的完整软件生态（包括算力库、函数库、开发工具等）则极其困难 [32] - 国家层面已意识到生态建设的重要性，正在推动打造自主算力生态，以避免长期受制于人 [33] 芯片成功的核心：软件生态与差异化价值 - 在半导体发展放慢、中国面临制程限制的背景下，需通过跨学科交叉在系统、软件和算法层面寻求性能突破 [35] - 通过软件、编译和系统层面的优化，完全有可能在峰值性能较低的芯片上获得不错的应用效果 [44] - 实现AIGC生成影视内容等愿景，不仅需要GPGPU的计算能力，也需要GPU基础的图形渲染能力 [44] - 系统与平台厂商自研芯片能否成功，关键在于能否为产品和服务提供足够大的增值，以及能否掌控全栈软件体系 [44] - 苹果基于Arm自研芯片的成功，关键在于通过自研高性能芯片与自有软件体系结合，打造领先体验并实现产品高溢价 [45] - 架构创新不一定需要新指令系统，在现有指令体系（如RISC-V）下完全可以进行创新 [45] - 平台或系统厂商自研芯片必须有清晰的、能为系统或服务带来显著增值的差异化，否则使用成熟商用芯片是更理性的选择 [46] RISC-V的未来潜力与行业愿景 - RISC-V具备一定的包容性，有机会融合CPU、GPU和AI处理器的特性 [1] - 行业希望将RISC-V作为统一的指令系统方向，让各类处理器尽量统一到同一架构平台，以减少重复投入 [46] - 未来计算架构可能从当前的CPU+XPU异构体系，回归到以CPU为中心的新一体化架构 [47] - RISC-V有机会吸收开源体系的力量，逐步突破CUDA的生态壁垒 [47]

行业共识转向：从全栈自研到系统协同 - 算力产业竞争焦点正从单点芯片性能转向整体系统效率，从全栈路线转向多方协同的系统工程[1] - 这一转向是大模型时代真实工程约束下的必然结果，万亿级参数模型使依赖单一芯片性能提升的“暴力计算”模式触及物理与效率极限[1] 单点性能突破失效与系统效率挑战 - 大模型对算力的要求已非单一芯片算力，而是整个系统能否长期、稳定、高效运行[2] - 随着模型规模向万亿级参数演进，挑战延伸至互连带宽、存储层级、供电制冷、系统稳定性等系统性指标[2] - 传统集群在节点规模扩大后，通信开销往往占用30%~50%的资源，导致算力无法被充分利用[3] - 即便芯片性能提升，若互连协议不统一、系统软件不兼容、运维可靠性不足，整体算力效率仍会被稀释[3] - 行业共识正转向通过超高速总线将不同GPU焊接形成高密度计算单元的超节点和超集群模式[3] 全栈自研模式的弊端与生态挑战 - 全栈自研模式导致厂商“内卷”加剧，各家想做全套却在每一层都难以做到极致，形成多个封闭的小生态[5] - 生态割裂给用户带来巨大困扰，面对众多芯片路线，用户需投入高额成本进行重复适配和优化，极大降低开发效率[5] - 算法和算子往往锚定特定生态，移植过程短则数月，浪费时间和人才资源[5] - 相比英伟达积累数年的生态，国产算力在硬件与软件的无缝衔接上仍有差距，生态丰富度是发展瓶颈[6] - 国产芯片种类的快速增加给用户带来新负担，每种芯片都需要单独适配、优化和维护，性能不能直接转化为用户实际收益[3] 开放计算成为新路径及其挑战 - 开放计算意味着从“一家通吃”转向多厂商各司其职、相互协作、共赢，核心在于分层解耦[7] - 开放要求厂商让渡一部分控制权和利润空间，并建立可执行的协调机制，难点在于组织和协作分配而非技术[7] - 执行层面需对产业链分层解耦，各环节由多家厂商并行推进，并通过统一标准重新紧耦合，这对平台方提出更高要求[8] - 需要有具备公信力的平台承担协调角色，确保制度与资源保障，在供需对接、标准制定和冲突调解中发挥作用[8] - 开放架构为AI产业进化提供了一种路径选择，若继续各自为战，开放架构之外的生态容易跟不上时代[8] - 由场景驱动的协同赋能正在降低不同行业适配AI的成本，例如垂直小模型在本地工作站部署的需求激增让硬件与应用实现咬合[8] 未来竞争格局 - 紧耦合的封闭体系与开放协同的体系，在国内丰富的应用场景中仍将长期并存[9] - 在大模型和超集群成为常态后，能否构建高效、可协同、可持续演进的系统，将成为决定厂商生存空间的关键变量[9]

公司业务与客户关系 - 公司业务涵盖为GPU、CPU等算力芯片厂商提供检测分析服务 [1] - 公司未直接确认或否认获取英伟达订单的可能性 但将自身定位为相关厂商的服务提供商 [1] - 关于具体客户信息 公司表示受商业保密原则及信息披露规则约束 需通过招股说明书及定期报告等官方文件披露 [1]

行业投资评级 - 强于大市 [3] 报告核心观点 - AI与数据中心行业景气延续，是电力设备行业的核心增量应用场景，直接驱动电力设备需求增长与技术迭代 [1][3][6] - 为精准把握数据中心供配电设备的需求拐点与强度，需构建一个结合需求端、供应链端和应用端的多维度AI行业跟踪指标体系 [3][6][7] - 需求端：海外云厂商资本开支延续高增态势，国内厂商受供应链影响短期放缓但长期投资框架未变 [3][8][13] - 供应链端：英伟达、台积电等关键供应商营收保持强劲增长，核心组件价格大幅上涨，印证服务器需求旺盛 [3][18][27] - 应用端：大模型持续迭代，API调用量稳步增长，模型推理价格快速下降，应用生态繁荣为算力长期需求提供支撑 [3][29][34][45] - 投资建议：AIDC（人工智能数据中心）建设推动SST（固态变压器）需求增长，报告推荐阳光电源，并建议关注科华数据、科士达等多家公司 [3] 需求端分析 - **海外云厂商资本开支高增**：2025年第三季度，亚马逊、谷歌、META、微软、甲骨文五家海外大厂资本开支总和达996.17亿美元，同比增长80.39%，环比增长9.54% [3][8] - **海外厂商未来指引积极**：主要云厂商均给出积极的未来资本开支指引，例如亚马逊2025年全年指引约1250亿美元，2026年将继续提升；谷歌将2025年全年指引上调至910-930亿美元，并明确2026年将显著增加 [12] - **国内云厂商开支短期放缓**：2025年第三季度，阿里巴巴资本开支为315.01亿元，同比增长80.10%但环比下降18.55%；腾讯资本开支为129.83亿元，同比下降24.05%，环比下降32.05% [3][13] - **国内厂商长期战略未变**：阿里巴巴重申三年3800亿元的投资框架，并提示仍存上调空间；腾讯表示资本开支短期下滑主要受供应链影响，AI战略未发生变化 [13][14] - **海外数据中心建设投资高位**：2025年8月，美国私人部门数据中心建设支出达41.4亿美元，同比增长25.72%，增速较2024年同期有所回落但仍保持高位 [15] 供应链端分析 - **英伟达营收创历史峰值**：2025年第三季度，英伟达营业收入达3625.71亿元，环比增长24.63%，同比增长62.49%，其中数据中心产品营收占比超过85% [3][18] - **台积电营收同比增长**：2025年11月，台积电营收达3436.14亿新台币，同比增长24.5%，创历年同期新高 [3][24] - **核心组件价格大幅上涨**：DRAM现货价从2025年10月13日的12.85美元上涨至12月19日的43.50美元，两个月内涨幅超过200%，强劲印证服务器需求旺盛 [3][27] AI应用端分析 - **大模型持续快速迭代**：近期，字节跳动、小米等厂商均发布了重要模型更新，例如小米开源的MiMo-V2-Flash模型，专为高速推理设计 [31] - **API调用量稳步增长**：根据OpenRouter平台统计，2025年12月9日至15日，Token调用量为5.85T，环比增长1.21% [3][34] - **模型厂商竞争格局**：在OpenRouter平台周度市占率中，Google以22.8%居首，xAi、Anthropic、OpenAI紧随其后；国产模型DeepSeek和Xiaomi分别以9.4%和8.3%的份额位列第五、六位 [34][35] - **AI应用用户规模庞大**：2025年11月，ChatGPT以60.4亿的月活网站访问量位居全球AI应用榜首 [43] - **大模型推理价格快速下降**：2025年第三季度，随着多款新模型发布，在Artificial Analysis智能指数上得分超过40分的模型，其Tokens价格下降超过50% [3][45] 行业背景与投资逻辑 - **数据中心是电力设备核心增量市场**：2024年全球数据中心新增装机量约14GW，且单机柜功率密度大幅提升，对电力供给的稳定性和能效性提出更高要求，推动电力设备需求扩张与技术迭代 [3][6] - **投资逻辑**：数据中心供配电设备需求与数据中心建设规模、功率密度及建设节奏高度相关，通过跟踪AI行业的需求、供应链和应用指标，可以前瞻性判断设备需求的拐点与强度 [3][6]

文章核心观点 - 文章探讨了博通和AMD作为挑战英伟达AI基础设施主导地位的两家主要半导体公司 并分析了哪只股票可能在2026年表现更优 [1] 公司表现与市场定位 - 截至撰稿时 AMD在2025年股价上涨超过70% 博通上涨约45% [1] - AMD是GPU市场的第二大参与者 但远落后于英伟达 [3] - AMD在推理市场占据了一个有利的细分领域 该领域更看重每次推理的成本而非原始算力 且英伟达的CUDA软件护城河在此不那么宽 预计推理市场最终将比训练市场大得多 [3] - 博通以不同于英伟达和AMD的方式进攻AI芯片市场 专注于为客户设计定制AI专用集成电路 这些芯片针对特定任务硬连线 性能更好且能效更高 [6] AMD的业务进展与合作伙伴关系 - 微软正在开发工具包 以将CUDA软件代码转换为AMD的ROCm 从而在推理中使用更多AMD的GPU [4] - AMD与OpenAI达成合作 将部署6吉瓦的GPU 从明年开始先部署1吉瓦 作为交易的一部分 OpenAI还将通过基于部署里程碑行权的认股权证持有AMD的股份 [4] - AMD还与沙特阿拉伯公司Humain达成了协议 [4] - GPU并非AMD的唯一业务 公司也是计算机和数据中心中央处理器的领先供应商 虽然CPU市场不如GPU市场大 但增长迅速 AMD在数据中心领域一直在夺取市场份额 [5] 博通的业务进展与市场机会 - 博通帮助Alphabet开发了其非常成功的张量处理单元 这吸引了其他大型超大规模数据中心运营商成为其客户 [7] - 博通表示 其三个进展最快的客户在其2027财年可能带来超过600亿美元的机会 第四个客户Anthropic已为Alphabet的TPU下了210亿美元的订单 将由博通履行 [7]

行业前景 - 世界半导体贸易统计组织预测，2026年半导体销售额将激增26%，达到9750亿美元，高于今年22.5%的预期增长 [4] - 半导体行业在2025年表现强劲，PHLX半导体行业指数今年上涨了40% [5] - 尽管存在对人工智能基础设施巨额支出可持续性的担忧，但强劲的芯片需求迄今提供了坚实的顺风 [5] AMD公司表现与增长动力 - AMD在2025年前三季度收入同比增长35%，GAAP净利润跃升约244%，达到28亿美元 [3] - 2025年第三季度，AMD在PC CPU的市场份额同比增长1.4个百分点至25.4%，在服务器CPU的市场份额跃升3.6个百分点至27.8% [2] - 公司预计未来三到五年年化收入增长率将超过35%，高于过去五年21%的年增长率，并预计长期运营利润率将从今年的约24%增长至35% [8] - 分析师预计AMD 2026年收益将激增62%，显著高于2025年20%的非GAAP收益增长 [9] - 公司预计其数据中心市场的可寻址机会在未来五年将以超过40%的年化速度增长 [7] AMD技术优势与产品展望 - AMD有望在2026年继续获得CPU市场份额，因其将从当前的3纳米和4纳米工艺节点转向2纳米节点 [1] - 公司声称其Zen 6 CPU将是首款采用台积电2纳米节点制造的芯片，更小的工艺节点有助于在控制功耗的同时提升计算性能 [1] - 其2纳米芯片将支持更广泛的PC和数据中心AI工作负载 [7] - 2026年AI PC的出货量预计将增长83% [7] Intel公司表现与战略举措 - Intel在2025年股价上涨了87%，重获投资者信心 [10] - 来自美国政府、软银和英伟达的投资增强了其资产负债表，公司在第三季度末拥有近310亿美元的现金及短期投资 [11] - 英伟达的50亿美元投资预计将在本季度完成 [11] - 公司首席财务官指出，受PC和数据中心市场驱动，其Intel 10和Intel 7工艺节点的需求超过了供应 [12] - 管理层指出，数据中心客户有兴趣签订长期供应协议以支持额外AI基础设施的部署 [13] - 与英伟达在数据中心芯片和PC处理器方面的合作为公司加速增长开辟了另一机会 [13] Intel财务预测与成本控制 - 市场普遍预计Intel今年收入将下降1%，但通过成本削减措施，2025年调整后每股收益预计为0.34美元，而去年每股亏损0.13美元 [14] - 管理层预计2026年运营费用将从今年的168亿美元降至160亿美元，收入预计增长2.5% [15] - 市场普遍预计，收入改善与支出控制相结合，可能使Intel明年收益大幅增长76% [15] 两家公司比较与结论 - AMD在收入和收益方面均实现健康增长，并预计在明年加速，而Intel的增长预计主要受成本优化驱动，其收入增长尚未进入更高档位 [15] - 在估值方面，AMD明显比Intel更便宜 [16] - 基于此，AMD似乎是当前更具说服力的选择，尽管Intel若继续执行其转型计划明年也可能表现良好，但AMD似乎是2026年更好的选择 [16]

全球算力竞争整体格局 - 算力已成为驱动全球经济发展的核心引擎和衡量国家综合实力的关键指标，全球竞争呈现多维度综合博弈态势 [1][7] - 中美两国稳居全球算力竞争第一梯队，欧盟及东盟、中东、印度等新兴经济体各具特色，处于快速发展阶段 [1] - 全球算力产业呈现规模高速扩张、技术迭代升级、应用场景多元化、供应链重构、商业模式创新及绿色可持续发展等趋势 [1] 美国算力产业发展现状 - 美国凭借在芯片设计、AI基础软件、技术人才等领域的深厚积累，构建了完整产业链生态，政策侧重保护创新生态与国家安全 [1] - 科技巨头持续加大资本支出，微软计划2025财年投入约800亿美元，亚马逊相关投资计划高达1000亿美元，谷歌预计约750亿美元，Meta预期在640-720亿美元 [35] - 算力基础设施聚焦高性能计算与AI场景，在互联网科技、金融、医疗等领域应用成熟 [1] - 美国通过《芯片与科学法案》等措施掌控全球70%以上高端AI芯片产能，强化高性能计算设备出口管制 [30][37] 中国算力产业发展现状 - 中国算力规模位居全球第二，2023年全球算力总规模达1397 EFLOPS，中国占全球总算力规模的33% [1][30] - 通过“东数西算”工程构建全国一体化算力网络，政策体系系统化且支持力度强劲 [1][25] - 电力资源供给充足且绿色能源转型成效显著，在智能算力增长、行业应用创新等方面优势突出 [1] - 国产芯片（如昇腾、寒武纪、海光）与软件生态加速追赶，应用场景覆盖互联网、智慧城市、制造业等多个领域 [1][22] - 阿里巴巴宣布未来三年投入3800亿元人民币用于AI及云基础设施建设，投资规模超过过去十年总和 [35] 欧盟算力产业发展现状 - 欧盟以政策一体化为牵引，聚焦绿色低碳与数据安全，在汽车、工业互联网等领域形成差异化优势 [1] - 着力提升本土半导体产业自主能力，通过《欧洲芯片法案》争夺尖端制造主导权 [30] - 通过《通用数据保护条例》(GDPR)、《数字市场法案》(DMA)、《数字服务法案》(DSA)加强对数据隐私、平台治理与算力合规的监管 [37] 新兴经济体算力产业发展现状 - 东盟借力数字经济增长吸引国际布局，预计到2030年主要国家数字经济规模将持续增长 [1] - 中东依托资本优势打造绿色算力枢纽，正在推进多个典型算力建设项目 [1] - 印度凭借人口红利推动算力需求爆发式增长 [1] 全球算力产业规模与驱动因素 - 2023年全球算力总规模达1397 EFLOPS，同比增长54%，预计到2030年将超过16 ZFLOPS，年复合增长率达41.6% [31][33] - 以AI训练推理负载为主的智能算力是关键增长引擎，占总算力规模比重达30%以上，其爆发主要源于生成式AI的推动 [31] - 全球AI计算市场规模预计从2022年的195.0亿美元增长至2026年的346.6亿美元，其中生成式AI计算市场规模将从8.2亿美元大幅上升至109.9亿美元，份额由4.2%提升至31.7% [34] - 2025年全球数据总量将突破180 ZB，其中非结构化数据占比超过85%，对实时处理与边缘计算提出更高要求 [34] - 全球主要经济体数字经济占GDP比重持续提高，15个样本国家平均水平将从2022年的50.2%提升至2026年的54% [34] 算力产业链构成 - 上游硬件基础设施层是物理基石，核心在于芯片领域，英伟达GPU是AI训练主力，CPU代表厂商为英特尔和AMD，专用AI芯片包括谷歌TPU与华为昇腾等 [22] - 中游算力服务与软件平台层连接硬件与应用，包括操作系统、虚拟化容器技术、AI开发框架、云计算平台及资源调度技术 [25] - 下游应用层是关键价值转化环节，政府、金融、汽车、医疗、教育和工业等行业是当前大模型等智能应用丰富的垂直领域 [26] - 数据中心发展呈现超大规模化、绿色低碳化、智能化运维及边缘节点部署趋势，绿色化具体表现为广泛应用液冷、自然冷却技术并积极利用可再生能源 [25] 算力的战略与经济价值 - 算力是智能时代的“新电能”，成为驱动科技突破与经济增长最基础、最核心的战略性资源 [27] - 在全球数字经济规模突破55万亿美元的背景下，算力投入对全要素生产率(TFP)的贡献率高达17% [28] - 国家算力指数每提升1点，可撬动数字经济规模增长3.6‰、GDP增长1.7%，其乘数效应显著高于普通基础设施 [28] - 算力已演变为与石油、稀土同等关键的战略资产，其主导权直接关联国家在全球秩序中的话语权，大国间AI算力差距可能具有战略威慑意义 [30]

合并计划概述与终止 - 海光信息曾计划以0.5525:1的比例换股吸收合并中科曙光，旨在打造“芯片-服务器-算力服务”一体化巨头，两家公司合并市值超过5000亿元 [1][17] - 该战略性重组已于2025年12月10日宣告终止，双方承诺自终止披露日起至少1个月内不再筹划重大资产重组 [6][17][21] - 官方终止原因为交易规模大、涉及方多，且市场环境较筹划时发生较大变化，导致重组条件不再成熟 [4][21] 公司背景与业务关系 - 中科曙光是海光信息的创始大股东，截至2025年9月30日，仍持有海光信息27.96%的股权 [2][18] - 业务上天然互补：海光信息专注CPU/DCU芯片设计；中科曙光提供服务器、智能计算中心等整机制造与云计算服务，其云平台用户超200万，覆盖90%省级政务云渠道 [3][19] - 若合并，海光信息的芯片可直接深度适配中科曙光的服务器系统，减少适配成本并提升产品迭代速度 [3][20] 合并终止的深层原因分析 - 两家公司业务模式差异大：海光信息所在的AI芯片领域需高强度研发和快速迭代；中科曙光所在的服务器市场是重资产、利润较薄的制造业，注重规模效应与成本控制 [6][22] - 实现业务协同面临技术路线整合、销售渠道重构及企业文化融合三大鸿沟 [6][22] - 两家企业营收增速相差五倍，研发投入强度差异显著，合并可能导致摩擦并影响效率，未必产生1+1>2的效果 [7][23] 中科曙光保持独立的优势 - 公司现金流状况健康，2021年至2024年经营性现金流累计净流入高达68.34亿元，2024年净现比达1.4，利润含金量高 [10][25] - 新基建浪潮提供独立发展机遇，截至2025年上半年末，24个省市发布的2025年重点工程项目计划总投资额高达57.5万亿元，年度计划投资超9.5万亿元 [12][28] - 市场拓展阻力减小，2025年前三季度销售费用率从2024年的5.88%下降至5.51%，获客成本优化，有利于独立竞争 [13][29] 终止合并后的战略方向 - 终止交易被视为一种战略上的务实与聚焦，避免整合可能带来的资金损耗、效率降低和创新放缓 [12][27] - 双方将继续深化合作，在系统产品应用上共同聚焦高端计算、智算算力、大模型平台等前沿方向 [15][32] - 采取“分进合击”策略：海光信息专注芯片研发与生态突破，中科曙光聚焦客户需求与系统集成，以保持灵活性与效率 [15][32]

核心观点 - 微软股价在过去三个月表现落后于部分大型科技同行 这与其持续强劲的财务业绩形成反差 主要原因是市场对其快速扩张的资本支出日益担忧 特别是在对人工智能泡沫的担忧背景下 [1] 资本支出与投资 - 本财年第一季度资本支出达349亿美元 显著高于此前300亿美元的指引 [2] - 资本支出激增反映了市场对其云和人工智能产品需求旺盛 尤其是在Azure平台 [2] - 约一半的资本支出用于GPU和CPU等资产 这些对于处理云基础设施、AI应用以及更换老化服务器和网络设备所增加的工作负载至关重要 [2] - 为支持增长势头 公司进一步加大了对GPU和CPU的投资 [4] - 管理层预计资本支出将环比增长 并暗示2026财年的资本支出增长率将超过2025财年 这反映了其对扩展AI和云能力的多年承诺 [4] 财务表现与前景 - 随着需求持续加速 公司的剩余履约义务也有所增长 预示着未来收入渠道强劲 [4] - 公司整体财务前景依然具有吸引力 收入增长强劲 盈利扩大 自由现金流稳健 反映了其商业模式的韧性 [6] - 尽管公司持续实现效率提升 但这些投资可能在短期内继续对利润率构成压力 [6] 市场情绪与担忧 - 投资者的疑虑依然高涨 担忧焦点并非公司能否执行战略 而是支出的规模和速度能否足够快地转化为回报 以证明投资的合理性 [5] - 随着对AI泡沫的担忧在市场中蔓延 即使是像微软这样的行业领导者也无法免受情绪驱动的股价回调影响 [5]