AI云行业竞争格局 - AI云成为云计算赛道新一轮入场券 决定厂商能否摆脱价格战泥潭和重建护城河 [2] - 全球范围内仅存四朵超级AI云：美国AWS、微软、谷歌以及中国阿里云 [2][11] AI云核心评判标准 - 模型调用量体现市场接受度但不足以定义超级AI云 需通过四大硬核能力评估 [6] - 千亿级年度基础设施投入是基础门槛 谷歌850亿美元/微软800亿美元/AWS超1000亿美元资本开支计划 [6] - 百万级计算集群与云计算调度能力决定产业级大模型承载水平 [8] - 跨场景跨行业的顶级大模型能力需兼顾精准性与创造性 [9] - AI芯片自主布局对算力扩展和成本控制具有战略意义 尤其针对中国厂商 [10] 厂商能力对比分析 - 百度全栈能力突出但财力受限 2024年81亿资本开支仅为阿里767亿的10% 2025年300-500亿仍落后 [10] - 火山引擎资本充足 2024年800亿/2025年1500-1600亿开支 但算力调度技术积累存在短板 [10] - 全球仅四家具备全能力：微软/亚马逊/谷歌/阿里 [11] 两种发展模式对比 云+生态模式（AWS/微软） - 提供基础设施+开放外部模型合作 降低研发投入风险并增强平台吸引力 [15] - AWS通过SageMaker/Bedrock接入OpenAI/Anthropic/阿里Qwen3/DeepSeek等多模型 [14] - 微软依赖OpenAI合作 Azure年收入超750亿美元且增长34% 但面临合作方分流风险 [17] - OpenAI迁移部分训练至Google Cloud/Oracle 分成比例从20%降至8% [17] - 微软引入Meta/Mistral等多模型以减少技术依赖 [18] 全栈自研模式（谷歌/阿里） - 芯片-算力-模型全链路自研 实现技术协同与战略自主 [19] - 盈利空间更高无需分账 谷歌云AI收入达数十亿美元且订单积压1060亿美元 [20] - 谷歌TPU芯片与PaLM模型深度适配 阿里自研芯片与通义千问高度优化 [19][24] - 阿里云凭借双十一极端场景淬炼的算力调度体系 中国AI市场占比35.8%位居第一 [23] - 阿里三年投入3800亿建设基础设施 2025年Q2资本开支同比激增220% [24] - 通义千问开源模型衍生数量突破17万 形成全球最大AI模型社区 [24] 中国厂商特殊挑战 - 高端GPU供应受限倒逼自主芯片研发 阿里自研芯片已落地 [10][24] - 中国互联网场景复杂度全球独有 为算力调度体系提供极端测试环境 [23]

英伟达对ASIC竞争的看法 - 公司CEO黄仁勋认为英伟达的增长速度将持续超过ASIC，因为约90%的ASIC项目会失败，而英伟达凭借快速技术迭代和成本优化能保持领先 [2] - ASIC需同时与英伟达产品及其他ASIC竞争，但公司通过架构优化和规模化部署建立了难以复制的技术壁垒 [2][3] - 尽管微软Maia、亚马逊Graviton等科技巨头开发ASIC，公司认为性能不足的定制芯片无法撼动其市场地位 [3][4] NVLink Fusion技术战略 - 公司开放NVLink生态系统，推出NVLink Fusion技术，允许第三方CPU/加速器通过NVLink C2C与英伟达GPU互连，构建半定制机架 [5][7] - 技术包含两部分：1) 支持非英伟达CPU连接GPU（基于2022年NVLink C2C方案） 2) 新增NVLink 5 Chiplet使第三方加速器接入NVLink网络 [9][11][12] - 当前限制为系统必须包含至少一块英伟达芯片，且不允许同时使用第三方CPU和GPU，主要出于商业考量而非技术障碍 [14] 技术细节与合作伙伴 - NVLink最初用于GPU间高速互连，现已扩展至机架级（如72 GPU的NVL72系统），成为公司核心技术之一 [6][7] - 首批合作伙伴包括Alchip、AsteraLabs等加速器开发商，以及富士通Monaka ARM芯片、高通数据中心CPU等CPU厂商 [15] - Cadence和Synopsys提供IP设计支持，降低第三方硬件集成门槛 [16] 市场影响与行业动态 - 此举回应了客户对灵活架构的需求，尤其在Grace Blackwell方案未覆盖的AI加速器领域，可能改变行业生态格局 [14][15] - 公司通过技术开放巩固生态主导权，同时保护GPU核心利润，第三方替代方案仍受制于英伟达硬件依赖 [13][14]

英伟达对ASIC竞争的看法 - 黄仁勋认为英伟达的增长速度将持续超过ASIC，因为约90%的ASIC专案会失败，即使成功也可能难以为继 [1] - 英伟达通过快速技术进展、架构优化和成本降低保持竞争优势，ASIC必须与英伟达竞争且相互竞争 [1] - 开发ASIC不难但部署困难，需要大量资金和专业知识，目前只有英伟达具备大规模AI硬件部署能力 [3] - 英伟达认为ASIC无法取代其现有芯片，如果能提供更好技术则开发ASIC无意义 [3] NVLink Fusion技术细节 - NVLink Fusion允许第三方CPU和加速器通过NVLink C2C连接到英伟达GPU，实现半定制机架设计 [5][7] - 该技术捆绑两种技术：半定制CPU连接和NVLink 5 Chiplet集成 [9][13] - NVLink 5 Chiplet使第三方加速器能接入NVLink网络，但英伟达未授权NVLink 5技术本身 [14] - 系统供应商可选择集成半定制CPU或GPU，但不能同时使用两者 [15] NVLink技术发展历程 - NVLink最初于2016年推出，作为PCIe替代方案用于GPU间高速互连 [6] - 通过提升带宽、扩展覆盖范围和增强电气连接能力，支持72个GPU的NVL72机架 [6] - 此前仅支持纯英伟达系统如Grace Hopper和Grace Blackwell配置 [7] 行业合作伙伴动态 - Alchip、AsteraLabs、Marvell和联发科正在研发集成NVLink Fusion的加速器 [16] - 富士通和高通开发支持NVLink Fusion的新型CPU，可与英伟达GPU配对 [16] - Cadence和Synopsys作为技术合作伙伴提供IP块和设计服务 [17]