美国政府批准英伟达对华销售H200芯片 - 美国政府正式批准英伟达向中国及其他“经批准的客户”出售高端H200 GPU芯片，但需缴纳25%的销售提成，此比例同样适用于AMD、英特尔等其他美国芯片巨头 [1] - 英伟达最新的Blackwell和未来的Rubin系列GPU仍然被禁止出口 [1] - 受此利好消息推动，英伟达股价盘后应声上涨 [1] 英伟达在中国市场的现状与影响 - 过去两年，受美国芯片禁运令限制，英伟达逐步失去了迅猛增长的中国市场，丢掉了在AI GPU市场原先高达95%的份额 [1] - 在英伟达最核心的数据中心业务中，中国市场的营收占比从原先的四分之一急剧下滑 [1] - 黄仁勋曾公开表示公司在中国市场“完全出局，市场份额已经归零” [2] - 即便缴纳25%提成，重新进入中国市场对英伟达意义重大，因为中国AI GPU市场规模今年估计高达200亿-300亿美元 [2] 主要云服务巨头的自研芯片战略 - 英伟达最大的AI芯片客户——谷歌、亚马逊、微软（超大规模云服务商）正在加速普及自研芯片，以减少对英伟达的依赖 [2] - 英伟达数据中心业务营收高达1300亿美元（最近财年），但客户集中度过高，前两大客户营收占比39%，前三大客户占比高达53% [2] - 前三大客户（微软、谷歌、亚马逊）加速转用自研芯片，并拉拢英伟达的第四大客户（据媒体猜测为Meta），这直接威胁英伟达的订单和市场竞争地位 [3] 亚马逊AWS的自研芯片进展 - 亚马逊AWS发布新一代自研AI芯片Trainium 3，被媒体誉为“对英伟达的直接宣战” [5][6] - Trainium 3训练速度比前代快4倍，成本减半，与英伟达相当的GPU系统相比可节省50%训练费用 [6] - 现场演示显示，Trainium 3在Llama 3.1训练中，仅需24小时完成相当于H100集群一周的任务 [6] - AWS将Trainium 3定位为英伟达GPU的低成本替代品，采用其Neuron软件栈和Trainium实例的客户，可将大型模型的训练和推理成本降低高达约50% [6] - AWS计划用自研芯片、模型和部署方案掌控从训练到推理的整条AI赛道 [7] - AWS在云计算市场份额超过三成（31%），领先于微软（20%）和谷歌（16%） [7] - OpenAI与AWS签署了七年价值380亿美元的AI基础设施服务协议，Anthropic等初创公司已转向Trainium，节省了超过三成的预算 [7] 谷歌的自研芯片进展 - 谷歌发布第七代自研TPU芯片v7 Ironwood，单芯片FP8计算能力达4.6 PFLOPS，比第五代TPU提升10倍，是第六代的4倍 [8][10] - 相比英伟达Blackwell，Ironwood在能效上领先20%，功耗仅300W/芯片 [11] - 谷歌TPU已覆盖从边缘设备到超大规模Pod的全栈，不仅是硬件，更是云生态的“杀手锏” [11] - 2025年，谷歌的AI芯片市场份额预计已达到8%，尤其在占AI算力80%的推理领域 [12] - 谷歌声称使用TPU可将训练成本降低40%，并已吸引Meta等第三方客户 [12] - Meta计划在2027年部署谷歌TPU，而Meta是英伟达AI芯片的第四大客户 [12] - 谷歌TPU的外部销售占比已达到20% [22] - Anthropic与谷歌签署价值数百亿美元的协议，计划使用多达100万片TPU，其中包括40万片Ironwood [23] 微软的自研芯片进展与挑战 - 微软自研芯片首代Maia 100于2024年推出，已部署于Azure数据中心，预计比英伟达H100芯片成本低40% [13] - 但原计划今年发布的Maia 200（代号Braga）的大规模量产已推迟至2026年，主要由于设计变更、仿真不稳定等技术因素以及台积电产能瓶颈 [13][15] - 微软未来将“主要使用自家芯片”，以减少对英伟达的严重依赖 [15] - 由于在台积电产能竞争中处于非优先级，微软转向英特尔18A节点计划在明年实现量产 [16] - 如果Maia二代不能及时规模部署，微软明年可能还要投入100亿美元购买英伟达芯片 [16] 英伟达的竞争优势与市场地位 - 英伟达是生成式AI时代的领军公司，在AI芯片这个万亿级赛道中，其GPU产品线几乎垄断了八成以上的市场份额 [2] - 公司是全球最具价值的上市公司，市值一度突破5万亿美元 [2] - 英伟达Blackwell架构B200 GPU单芯片FP8计算能力达20 PFLOPS，比前代H100提升4倍 [18] - 在推理任务中，Blackwell的能效比谷歌TPU高出30% [18] - 英伟达的核心护城河在于其CUDA平台，支持4000多个AI框架和库，拥有庞大的开发者生态 [18] 未来市场竞争格局展望 - 2025年三大巨头发布最新自研芯片，预示着2026年将是“性能 vs 成本”的巅峰对决 [18] - 性能技术是英伟达的核心优势，而巨头自研芯片主要强调成本优势 [18] - 亚马逊Trainium3宣称可将训练成本降至前代的50%，谷歌Ironwood TPU在推理任务中能效比英伟达H100高出20-30% [19] - AI巨头正通过“渐进式”策略蚕食英伟达的CUDA优势，例如谷歌的JAX和PyTorch/XLA集成已覆盖70% AI工作负载 [20] - 亚马逊AWS计划在Trainium4上集成NVLink兼容技术，实现与英伟达GPU无缝混合部署，预计训练费用再降40% [20] - 2027年商用的谷歌TPU v8成本优势或达50%以上 [20] - 亚马逊AWS的目标是在明年达到50%的自研芯片占比，推动其在AI云市场份额从31%升至35% [22] - AMD CEO苏姿丰认为，在未来五年内，ASIC类加速器（如三大巨头的自研芯片）可能占据20%-25%的市场份额，GPU仍将占据市场大部分份额 [26] - 苏姿丰还计划AMD在未来3-5年，抢到两位数的市场份额 [26] - 英伟达在中国市场同样面临华为、寒武纪等本土竞争对手 [26]

美国政府放宽对华芯片出口限制 - 美国政府正式批准英伟达向中国及其他“经批准的客户”出售高端H200 GPU芯片，但需缴纳25%的销售提成，此比例同样适用于AMD、英特尔等其他美国芯片巨头 [2][23] - 英伟达最新的Blackwell和未来的Rubin系列GPU仍然被禁止出口 [2][23] - 此举是英伟达首席执行官黄仁勋长达数月游说的结果，消息推动公司股价盘后上涨 [2][23] 英伟达的市场地位与潜在风险 - 英伟达是生成式AI时代的领军公司，在AI芯片万亿级赛道中，凭借性能优势和CUDA平台占据主导，其GPU产品线垄断了80%以上的市场份额，公司市值一度突破5万亿美元 [3][25] - 公司数据中心业务最近财年营收高达1300亿美元，但客户集中度过高，前两大客户营收占比39%，前三大客户营收占比高达53% [3][25] - 其前五大客户被认为是微软、谷歌、亚马逊、Meta和甲骨文，而前三大客户正在加速转用自研芯片，并拉拢第四大客户Meta，这直接威胁英伟达的订单和市场竞争地位 [4][25] 亚马逊AWS的自研芯片进展 - 亚马逊AWS发布第三代自研AI芯片Trainium 3，主打低成本与推理优势，训练速度比前代快4倍，成本减半 [6][27] - 与英伟达相当的GPU系统相比，Trainium 3可节省50%训练费用，在Llama 3.1训练中，仅需24小时完成相当于H100集群一周的任务 [6][27] - AWS计划通过自研芯片、模型及服务掌控整条AI赛道，其目标是明年达到50%的自研占比，推动AWS在AI云市场份额从31%升至35% [7][17][40] - AWS在云计算市场保持领先，份额超过三成，OpenAI已与其签署七年价值380亿美元的AI基础设施服务协议 [7][28] 谷歌TPU的竞争威胁 - 谷歌发布第七代TPU v7 Ironwood，单芯片FP8计算能力达4.6 PFLOPS，比第五代提升10倍，是第六代的4倍 [8][10][31] - 相比英伟达Blackwell，Ironwood在能效上领先20%，功耗仅300W/芯片，专为高吞吐、低延迟推理优化 [10][31] - 谷歌TPU市场份额在2025年预计已达到8%，尤其在占AI算力80%的推理领域，其使用可将训练成本降低40% [10][32] - Meta计划在2027年部署谷歌TPU，这将对作为英伟达第四大客户的Meta形成双重打击 [11][32] - 谷歌已开始向外部客户销售TPU，外部销售占比达20%，并与Anthropic签署价值数百亿美元协议，计划使用多达100万片TPU [18][40][41] 微软自研芯片的挑战与延误 - 微软自研芯片Maia 100已于2024年推出并开始部署，预计比英伟达H100成本低40% [11][12][33] - 但原计划今年发布的Maia 200（代号Braga）大规模量产已推迟至2026年，主要因设计变更、仿真不稳定等技术问题及台积电产能瓶颈 [11][14][36] - 由于在台积电抢不到产能优先级，微软转向英特尔18A节点计划明年量产，若Maia二代不能及时部署，公司明年可能需额外投入100亿美元购买英伟达芯片 [15][37] 性能与成本的行业对决 - 英伟达在性能上保持领先，其Blackwell架构B200 GPU单芯片FP8计算能力达20 PFLOPS，比前代H100提升4倍，在推理任务中能效比谷歌TPU高出30% [16][38] - 英伟达的核心护城河还包括CUDA平台，其支持超过4000个AI框架和库，拥有庞大的开发者生态 [16][39] - 云巨头的自研芯片主要卖点是成本优势：亚马逊Trainium 3可将训练成本降低50%；谷歌Ironwood TPU在推理任务中能效比英伟达H100高出20-30% [17][39] - 巨头正通过软件生态（如谷歌JAX、AWS Neuron SDK、微软DirectML）渐进式蚕食英伟达优势，并计划未来进一步降低成本（如Trainium4再降40%，TPU v8成本优势或达50%以上） [17][39][40] 未来市场竞争格局展望 - AMD CEO苏姿丰预计，未来五年内，三大巨头的自研ASIC类加速器可能占据20%-25%的市场份额 [20][21][43] - 苏姿丰还计划AMD在未来3-5年内抢占两位数的市场份额 [21][43] - 尽管加速部署自研芯片，但云巨头未来几年仍将继续采购英伟达产品以维持供应关系 [18][41] - 英伟达在中国市场还将面临华为、寒武纪等本土竞争对手的挑战 [21][43]

微软AI芯片战略调整 - 微软正在调整内部AI服务器芯片路线图，转向更务实和迭代的设计路线，目标是在2028年前发布不那么激进的设计以克服开发延迟问题 [1][2] - 原定2025年发布的Maia 200芯片推迟至2026年，新推出的Maia 280芯片预计在每瓦性能上比英伟达2027年芯片有20%-30%优势 [2][5] - 公司承认每年从零设计全新高性能芯片不可行，通过降低设计复杂性和延长开发周期来减少对英伟达数十亿美元芯片采购的依赖 [2] 开发延迟与产品路线图变更 - 第二代AI芯片Braga设计完成延迟6个月，导致2026-2027年芯片竞争力存疑，公司计划2027年推出中间过渡芯片Maia 280（基于Braga设计，由至少两个Braga芯片连接组成） [4][5] - 原Braga-R芯片更名为Maia 400，计划2028年量产，采用先进连接技术实现裸片层面整合 [6] - 第三代AI芯片Clea发布推迟至2028年后，前景不明 [7] 对合作伙伴的影响 - 芯片设计公司Marvell因微软项目延迟受到负面影响，其股价周三收跌2.61% [9] - 与AI芯片不同，微软CPU项目进展顺利：2024年发布的Cobalt服务器CPU已用于Teams等内部服务并向Azure客户开放，下一代Kingsgate CPU设计已于2024年3月完成 [9][10] 市场反应 - 微软股价在战略调整消息公布后周三收跌0.2% [1][2]

微软AI芯片战略调整 - 公司调整内部AI芯片开发路线图，转向更务实和迭代的设计策略，目标是在2028年前发布性能更稳定的芯片以保持与英伟达的竞争力[1] - 原定2025年发布的Maia 200芯片推迟至2026年，新设计的Maia 280芯片预计在2027年发布，性能比英伟达同期芯片高20%-30%[1][4] - 公司承认每年从零设计全新高性能芯片不可行，通过降低复杂性和延长开发周期来减少对英伟达数十亿美元采购的依赖[1] AI芯片开发延迟详情 - 第二代AI芯片Braga设计完成延迟6个月至2024年6月，导致2026-2027年芯片可能竞争力不足[4] - 公司计划2027年推出中间芯片Maia 280，由两个Braga芯片连接组成[4] - 第三代芯片Clea推迟至2028年后，前景不明朗[5] 修订后的芯片路线图 - Braga-R更名为Maia 400，计划2028年量产，采用先进连接技术提升性能[5] - 公司计划逐步提高自研AI芯片产量，目标年产数十万颗[5] 对合作伙伴的影响 - 芯片设计公司Marvell因微软项目延迟受到负面影响，股价周三下跌2.61%[6] - Marvell原本预期从微软获得更早收入，但受芯片延迟、全球经济放缓及贸易紧张关系拖累[6] CPU项目进展顺利 - 服务器CPU芯片Cobalt 2024年已商用，支持Teams等内部服务并向Azure客户开放[8] - 下一代CPU Kingsgate设计于2024年3月完成，采用chiplet设计和高速内存[8]

微软自研AI芯片延迟及性能问题 - 微软首款自研AI芯片"Braga"已推迟至少6个月，大规模量产顺延至2025年，原计划2024年部署[1] - 该芯片预计2026年发布时性能将远不及英伟达Blackwell芯片，研发耗时超预期导致竞争力下降[1][3] - 延迟原因包括未预料的设计变更、人员紧张及高离职率（部分团队流失20%成员）[1][3] 微软芯片研发历史与现状 - 公司自2019年开始研发AI芯片，2023年发布的Maia 100（128核Arm CPU）仅用于内部测试，未实际支持AI服务[2] - Maia 100设计定位过时，专注于图像处理而非生成式AI/LLM，早于ChatGPT引发的技术变革[2] - 目前秘密研发三款芯片：Braga（2025）、Braga-R（2026）、Clea（2027），均面向推理场景[3] - 原计划2024年推出的训练专用芯片已被取消[3] 行业竞争格局与英伟达态度 - 微软/谷歌/亚马逊等科技巨头研发自研芯片以减少对英伟达依赖，但英伟达CEO黄仁勋质疑其必要性[2] - 黄仁勋认为多数自研ASIC性能不及商用产品，微软延迟案例可能印证其观点[2] - 微软需等到2027年Clea芯片才可能抗衡英伟达，但届时英伟达或已实现新突破[3] 技术挑战与项目风险 - OpenAI要求新增功能导致Braga芯片模拟测试不稳定，使进度倒退数月[3] - 尽管设计问题导致延迟，微软仍未调整原定发布日期，团队承受高压[3] - 芯片定位与AI技术发展脱节，Maia系列需迭代至Clea才具备竞争力[2][3]

AI服务器市场竞争格局 - 英伟达在AI服务器领域占据超过80%的市场价值份额 ASIC AI服务器的价值份额约为8%-11% [1][3] - 谷歌TPU和亚马逊Trainium2 ASIC在2025年合计出货量预计达到英伟达AI GPU的40%-60% 谷歌TPU可能达到150-200万台 亚马逊Trainium2约140-150万台 英伟达AI GPU供应量预计500-600万台 [3] - 云服务提供商正积极部署自研AI ASIC解决方案 Meta计划从2026年开始 微软从2027年开始 [1][4] AI ASIC技术发展趋势 - 英伟达推出NVLink Fusion技术 开放专有互连协议 支持与第三方芯片连接 试图维持云计算市场地位 [4] - 英伟达在单位芯片面积计算能力和互连技术(NVLink)方面保持领先 晶体管密度达130MTr/mm² 远超竞争对手 [6][7] - ASIC解决方案正采用更复杂规格 如更大中介层 Meta的MTIA V1 5中介层尺寸超过5倍光罩尺寸 接近英伟达Rubin GPU水平 [10][12] Meta MTIA项目进展 - Meta计划推出三代MTIA芯片 V1(2025年底) V1 5(2026年中) V2(2027年) V1 5性能显著提升 系统功率达170KW [13][14][19] - MTIA V1采用刀片架构 16个计算刀片和6个交换机刀片 主板采用36层PCB和高等级材料 [16][18] - 供应链预计2026年MTIA总产量目标200万套 但CoWoS晶圆供应可能仅支持3-4万片 存在量产挑战 [22][23] 供应链机会 - 广达负责Meta MTIA V1和V1 5的计算托盘及CDU制造 并主导V1 5整机架组装 [24] - 欣兴电子成为Meta 谷歌及AWS ASIC基板主要供应商 在英伟达Blackwell GPU份额达30%-40% [24] - 联茂电子主导Meta和亚马逊ASIC覆铜板供应 Meta PCB要求36/40层 M8混合覆铜板 [25] - Bizlink有望为Meta MTIA提供有源电缆(AEC)产品 用于机架扩展和升级连接 [26]

报告行业投资评级 - 推荐 维持评级 [6] 报告的核心观点 - 国产大模型持续突破，豆包、DeepSeek、MCP等引领全球AI产业发展，加速AI应用落地 [11] - 芯片厂商加速适配国产算力生态，中芯国际、昇腾等在制程和性能上取得进展，云端ASIC成算力演进主流 [2][55] - 国内云计算厂商加大算力储备及模型优化投入，算力基建布局清晰，供需关系改善，算力租赁和本地化部署需求增长 [3] - AI浪潮下，单机柜功率密度提高，电源及温控系统需创新，液冷市场增速快，相关零部件受益 [4] 根据相关目录分别进行总结 1 豆包+DeepSeek破局，国产大模型弯道超车 - 豆包专注多模态融合，2024年补全语音、图像等能力，12月发布视觉理解模型，成国内领先多模态大模型之一 [11] - DeepSeek专注深度思考+轻量化，2024年12月发布DeepSeek - V3，成本低性能顶尖，2025年1月发布DeepSeek - R1，性能追平OpenAI - o1正式版，国内外获高度认可 [12] - MCP重新定义模型和数据交互模式，推动AI Agent落地，为AI模型连接数据源和工具提供标准化方式 [13] - DeepSeek由幻方量化创立，得益于母公司前瞻性布局，发展迅速，其核心优势在于创新算法，如DeepSeekMoE、MLA、MTP、GRPO等，性能出色 [16][18] - 国产模型竞速升级，豆包、通义千问等在轻量化方面取得进展，如豆包发布Doubao - 1.5 - pro，通义千问发布QwQ - 32B等 [34][35] - 大模型轻量化以更低门槛激发推理场景与需求，DeepSeek开创低成本大模型范式，带动推理需求增长，用户高速增长，推动AI原生APP用户规模扩张 [40][41][48] 2 向"芯"而行，国产算力破局元年 - 中芯国际是全球领先晶圆代工企业，在成熟制程28nm实现突破，先进制程围绕FinFET路线演进，N + 1工艺成熟，N + 2持续推进，财务表现亮眼，营收有望稳健增长 [56][57][58] - 华为昇腾通过自研推理引擎优化昇腾910B与DeepSeekR1系列模型适配，性能接近高端GPU；昇腾910C算力提升，与DeepSeek深度优化，华为云超节点突破，920研发加速，昇腾与DeepSeek适配加速算力渗透，依托供应链维持稳定出货 [59][62][63][64][65][66] - 寒武纪聚焦AI芯片，思元590性能对标A100，软件生态完善，2025年Q1营收和利润大幅提升 [71][72][73][76] - 海光信息围绕CPU和DCU布局，DCU产品算力优势显著，适配多种模型，2025年Q1营收和利润增长，订单需求旺盛 [77][78][81][82] - 云天励飞深耕算法与芯片，硬件产品迭代，推出自研大模型体系，与华为合作打造一体机，2025年Q1营收增长，亏损幅度改善 [83][84][86][88] - 云厂商自研ASIC比例逐步提升，谷歌、Meta、微软、亚马逊等均有布局，芯原股份和翱捷科技是国内顶尖ASIC设计公司，研发实力强劲 [89][93][94][95][99][100][101] - 国产芯片厂商加速与国产大模型适配，以DeepSeek为例，其适配推动国产算力平台成熟和生态完善，降低算力成本，吸引开发者和企业加入国产AI生态 [104][105][106] 3 算力基建加码，解决供给短板 - 国内云计算厂商加大算力储备及模型投入，资本开支高增，行业供需关系改善，云计算商业模式有望“量价齐升” [3] - 国产算力基建元年，构建算力云服务新生态，华勤、浪潮等推出适配国产算力的服务器，算力租赁成短期内破局之道，本地化部署需求旺盛，助推AI一体机发展 [3] 4 电源及液冷创新，解决功率密度瓶颈 - 全新电源架构升级，供电系统从UPS向HVDC演进，超级电容成全新增量 [4] - 液冷接棒传统风冷，科智咨询预计23 - 27年国内液冷市场复合增速达60%，冷却液、CDU等上游零部件受益 [4] 5 行业投资建议 - 建议关注算力芯片、服务器、电源、温控及其他供应链相关公司，如中芯国际、华勤技术、禾望电气、申菱环境、德明利等 [5]

微软2025财年第三季度财报表现 - 微软Q3总营收达700.66亿美元，同比增长13.3%，超出分析师预期的684.2亿美元 [1] - 净利润258.24亿美元，同比增长17.7%，调整后每股收益3.46美元 [1] - 股价大涨7.63%，市值重返3万亿美元大关，次日再涨2.32%，以3.24万亿美元市值超越苹果 [1] 智能云与AI业务增长 - 智能云营收267.5亿美元，同比增长21%，Azure及其他云服务收入增长33% [2] - AI服务对Azure增长的贡献达16个百分点，微软云整体营收达424亿美元，同比增长20% [2] - AI业务年化收入运转率超130亿美元，同比增长175%，Copilot付费用户渗透率达35% [2] - 全球混合云市场规模达1240亿元，微软占35%市场份额 [2] AI基础设施投入与规划 - 本季度资本支出达167.5亿美元，同比激增53%，主要用于扩建数据中心和采购AI芯片 [3] - 计划2025财年投入总计800亿美元用于AI基础设施，目标2026年前将AI训练算力提升5倍 [3] - 自研AI芯片Maia 100已部署在Azure数据中心，预计自研芯片占比提升至50% [3] - 预计下财季营收731.5亿-742.5亿美元（同比增长10.9%），Azure增速预计达34%-35% [3] 行业影响与市场反应 - 微软股价大涨带动美股科技板块普涨，博通、Celestica、Credo等AI硬件厂商股价飙升 [4] - Azure以同比33%的增速超过亚马逊云19%的增速 [5] - 市场认为微软表现标志着AI从概念验证转向规模化商业落地的关键阶段 [4] - 香港恒生科技指数上涨3.08%，纳斯达克中国金龙指数上涨3.51% [6] 竞争格局与未来挑战 - 亚马逊计划2025年投入750亿美元，谷歌等巨头也在加码AI投入 [5] - AI基建高投入导致云业务毛利率同比下降3个百分点，需平衡扩张与盈利 [5] - GPU供应不足与电力资源紧张可能制约增长，需优化全球数据中心布局 [5]

微软2025财年第三季度财报表现 - 公司总营收达700.66亿美元 同比增长13.3% 超出分析师预期的684.2亿美元 [2] - 净利润258.24亿美元 同比增长17.7% 调整后每股收益3.46美元 [2] - 股价大涨7.63% 市值重返3万亿美元大关 次日再涨2.32% 以3.24万亿美元市值超越苹果 [2] 智能云与AI业务表现 - 智能云营收267.5亿美元 同比增长21% Azure及其他云服务收入增长33% [2] - AI服务对Azure增长的贡献达16个百分点 较上季度进一步提升 [2] - 微软云整体营收达424亿美元 同比增长20% 成为公司最大收入来源 [2] - 全球混合云市场规模达1240亿元 公司占35%市场份额 [2] AI业务发展 - AI业务年化收入运转率超130亿美元 同比增长175% [3] - Copilot付费用户渗透率达35% [3] - 首款AI芯片Maia 100已部署在Azure数据中心 预计自研芯片占比提升至50% [4] - 公司计划在2025财年投入总计800亿美元用于AI基础设施 [3] 资本支出与投资计划 - 本季度资本支出达167.5亿美元 同比激增53% [3] - 目标在2026年前将AI训练算力提升5倍 [3] - 半数投资将用于美国本土数据中心 以应对AI算力短缺问题 [3] 行业竞争格局 - Azure以同比33%的增速 超过亚马逊云19%的增速 [5] - 亚马逊计划2025年投入750亿美元于AI 公司保持持续坚定投入 [5] - 公司对AI的持续投入及Azure的生态优势明显 [5] 市场影响与行业趋势 - 公司表现带动美股科技板块普涨 标志着AI从概念验证转向规模化商业落地 [5] - 公司的资本支出计划为AI产业链注入强心剂 [5] - AI正成为驱动全球科技经济的核心动能 [6] - 国际资本对AI投资的信心可能传导至港股和A股市场 [6]