报告行业投资评级 - 行业评级为“推荐”，且为“维持” [1] 报告核心观点 - 报告核心围绕AI算力产业链展开，重点关注两大科技巨头动态：谷歌联手Meta强化TPU对PyTorch的支持以挑战英伟达，以及亚马逊拟投资至少100亿美元给OpenAI，这标志着AI行业竞争格局正从单一主导走向多元化 [4][5][13][14] - 报告认为，下游AI算力需求旺盛，正带动上游PCB（印制电路板）及原材料产业链进入复苏与增长阶段，并以中国台湾产业链数据作为佐证 [28][29][30][31][32] - 报告强调国产AI算力生态的重要性，通过梳理华为超节点、摩尔线程新架构、天数智芯上市进程及初创公司融资等案例，指出开放协同、全栈创新是构建自主可控算力体系的关键路径 [42][47][67][72][77][85][95] 根据相关目录分别总结 1. 周观点 (AI算力观点) - **谷歌与Meta合作**：谷歌正与Meta合作，旨在使其TPU芯片更好地运行PyTorch框架，以挑战英伟达在AI芯片领域的主导地位，Meta的动机在于降低AI推理成本并减少对英伟达GPU的依赖 [4][13] - **亚马逊投资OpenAI**：亚马逊证实正与OpenAI洽谈至少100亿美元的投资，同时OpenAI可能使用亚马逊AWS的自研AI芯片Trainium，此举有助于OpenAI获得资金并实现芯片供应商多元化，同时为亚马逊的芯片提供重量级客户背书 [5][14] - **建议关注标的**：报告建议关注天孚通信、中际旭创、腾景科技、德科立、生益电子、生益科技、沪电股份等AI算力产业链相关公司 [5][14] 2. 周度行情分析及展望 - **市场表现**：在12月15日至12月19日当周，申万一级行业中电子行业下跌3.28%，位列第31位，通信行业下跌0.89%，位列第27位，电子和通信行业的市盈率分别为63.01和48.17 [17][18][20] - **资金流向**：上周电子板块主力资金净流出262.86亿元，净流入率为-1.80%，通信板块主力资金净流出75.85亿元，净流入率为-1.14%，资金面呈现持续流出状态 [25][26] - **PCB行业趋势**：报告引用中国台湾PCB产业链数据，指出行业从2023年的衰退进入2024-2025年的复苏阶段，2025年11月台湾PCB厂商营收达774.72亿新台币，同比增长11.86%，AI算力需求是重要驱动因素 [30][31][34] - **上游材料景气度**：2025年11月，台湾PCB原料厂商营收423.06亿新台币（同比+5.17%），铜箔基板厂商营收360.90亿新台币（同比+5.40%），电子铜箔厂商营收7.16亿新台币（同比+27.81%），显示上游需求同步回暖 [32][40][41] 3. 行业动态 - **华为Scale-Up超节点**：华为发布Scale-Up超节点算力平台，通过全对等互联架构和内存语义通信技术，将数百、数千个AI处理器连接成统一整体，突破大规模算力协同瓶颈，提升有效算力利用率 [42][43][44][45][46] - **国产算力生态进展**：上海完成跨域异构算力调度商用验证，混合训练效率稳定在90%以上，联想创投系统性布局寒武纪、海光、摩尔线程、沐曦等AI算力公司，构建互补矩阵 [48][49][67][68][69] - **开放计算架构**：首届光合组织人工智能创新大会强调从封闭走向开放，通过建立标准接口推动异构算力高效协同，并启动投入达10亿元的“AI计算开放架构联合实验室”计划 [72][73][74][75] - **国产GPU进展**： - **摩尔线程**：发布新一代“花港”GPU架构，推出面向AI训推的“华山”芯片和图形渲染的“庐山”芯片，并展示“夸娥”万卡智算集群，其MTT S5000单卡在DeepSeek R1模型上的Decode吞吐超过1000 tokens/s [77][78][79] - **天数智芯**：通过港股上市聆讯，是国内首家实现训练与推理通用GPU芯片量产的企业，已推出“天垓”与“智铠”两大产品系列 [95][96][97] - **初创公司融资**：上海AI公司昉擎科技完成超5亿元融资，其创新在于提出“上下文相关”与“上下文无关”解耦的分布式AI计算架构，旨在提升算力利用效率，满足推理侧算力爆发需求 [85][86][87][92] 4. 重点关注公司及盈利预测 - 报告列出了七家重点公司的盈利预测与估值，包括沪电股份、中际旭创、天孚通信、生益科技、生益电子、腾景科技、德科立，并给出了相应的投资评级（如买入、增持）和基于2025年12月19日股价的市盈率数据 [8][15]

英伟达的竞争护城河分析 - 市场关于TPU和ASIC侵蚀英伟达护城河的观点被严重夸大[2] - 英伟达通过持续精进GB300及后续Vera Rubin架构，可维持领先出货并不断降低成本，成为迄今最具成本效益的平台[2] - 英伟达的护城河源于其端到端、为高频宽、大规模扩展与可持续利用率而打造的整体架构，这是迈向AI工厂最关键的决定因素[3] - 英伟达除了掌握一定先进封装产能外，还持续推进GB200、GB300到Rubin的架构，并改善交换技术与整体系统设计，更具优势[3] - 在供应受限环境下，超大规模云端业者势必采取混合架构策略，难以用TPU全面取代GPU[3] - 英伟达的护城河因出货量、经验曲线效应以及多年端到端系统工作，形成稳固护城河[7] TPU作为替代方案的局限性 - TPU核心问题不在是否为“好芯片”，而在于其架构能否适配AI下一阶段的发展需求[3] - TPU因频宽昂贵且稀少而诞生，适合低频宽需求的AI任务，但随着模型规模扩大与工作负载多样化，在扩展性等方面遇到限制[3] - 目前领先的AI训练走向为“高频宽与大规模扩展”而改善的系统架构，这需要让大量加速器彼此连接并长时间维持高效运转[3] - “TPU走向开放市场”更合理的解释是生态系伙伴及Meta等公司寻求优势带来的压力，而非Google有意成为真正的商用芯片供应商[4] - 像Google这样的主要超大规模业者，不太可能大规模对外销售自家专有加速器，以让直接竞争对手形成真正的外部市场[3] Google与OpenAI的竞争格局 - 市场关于Google通过Gemini击败OpenAI的观点被严重夸大[2] - Google在壮大的同时面临“创新者困境”，其搜寻业务与广告营收高度绑定[2] - 若Google将广告模式转向类似聊天机器人的体验，单次搜寻查询的服务成本将暴增至原来的100倍[2] - Google必须将商业模式转向更高度整合的购物体验，但即便Gemini近期取得一定成功，Google仍不具备这样的信任基础[2] - OpenAI核心在于强调可信资讯，而非推送广告，仍有其优势[2] - 就平台动能而言，现阶段仍是OpenAI“领先一大截”，平台建设、开发者采用、企业用户组合转变以及对稀缺运算资源的掌握都对OpenAI有利[6] - OpenAI因平台执行力及企业需求而保持领先，其先行者优势正逐步转化为更持久的竞争力[7] - 模型品质已成为基本门槛，真正的竞争焦点在于模型周边的软件与服务[7] Google面临的商业模式挑战 - Google的困境在于如何以不损害其获利引擎的前提下，让主导模式过渡到更完善的模式[5] - Google获利引擎建立在与搜寻行为挂钩的广告变现上，但互动模式转向ChatGPT式的体验会使成本结构发生巨大变化[5] - 从经典搜寻转向助手式的交互模式会改变单位经济效益，从而可能破坏其盈利引擎[5]

核心观点 - 2026年港股市场将在估值修复、盈利增长、主线回归三重驱动下迎来“戴维斯双击” [1] - 恒生科技指数的向上弹性有望超越大盘 科技板块有望成为驱动市场反弹的最强主线 [2] - 建议遵循“算力筑基→应用开花→终端与机器人兑现”的产业节奏进行配置 [1] 投资框架与市场展望 - 首次将60家港股科技公司系统性地纳入“大厂生态→ AI算力→ AI应用→ AI终端”四大核心主线构成的完整投资图谱 [2] - 建立的“四大AI主线”分析框架旨在系统性把握港股科技在AI时代的结构性机遇 [1] 主线一：互联网大厂 - AI正驱动互联网巨头从流量竞争升维至生态能力竞争 [3] - 云业务因AI需求而加速 资本开支翻倍 利润率稳健 [3] - 广告因AI提效而即时变现 点击率提升15%-20% [3] - 生态入口因AIAgent而面临重构 [3] - 投资应关注有能力将技术、数据与场景闭环的巨头 如腾讯控股、阿里巴巴-W、快手 [3] 主线二：AI算力产业链 - 龙头财报持续超预期 云厂商Capex强度持续且芯片供给紧张 全球算力高景气有力回击“泡沫论” [4] - 超前基建投资与高ROI之间存在天然时滞 高投入具备合理性和持续性 [4] - 梳理聚焦三层确定性机会：1)受益于全球技术升级的通信组网（光模块/连接器） 2)承接国产替代需求的半导体制造（晶圆代工） 3)满足算力功耗与性能升级的关键设备与材料（封装设备、覆铜板、GaN电源） [4] 主线三：AI应用 - AI应用投资已进入“用业绩说话”的阶段 [5] - 在SaaS、内容生态、广告营销等关键赛道看到清晰的商业化加速信号 [5] - 企业工具向“智能体”进化驱动ARPU提升 [5] - AIGC降低创作门槛与成本 推动用户与收入同步增长 [5] - 程序化广告的“AI飞轮”开始释放利润 推动估值与基本面剪刀差收敛 [5] 主线四：AI端侧与机器人 - 2026年将是AI定义硬件的元年与机器人规模化量产的拐点 [6] - 苹果、小米等硬件厂商加码AI软实力（如Apple Intelligence、MiMo大模型） 推动端侧算力升级 [6] - OpenAI、谷歌等科技巨头跨界布局硬件（如AIPin、TPU） [6] - 从全球巨头战略出发 穿透至供应链核心环节：光学、声学、电机、代工 [6] - 系统梳理了从整机龙头到核心零部件的机器人产业链投资地图 [6] - 上游扩产+资本赋能加速 特斯拉Optimus、优必选等人形机器人2026年迈向“万台级量产” [6]

AI行业动态与公司进展 - 摩尔线程发布基于新一代“花港”GPU架构的“庐山”芯片，预计明年量产，该芯片可实现3A游戏渲染性能提升15倍，AI性能提升64倍，光线追踪性能提升50倍，并支持CAD、CAE等图形设计渲染 [5] - 谷歌在2025年招聘的AI软件工程师中，有20%为曾离开公司的“回流生”，公司正利用前员工资源应对AI人才竞争，吸引人才的因素包括雄厚的资金、顶级计算基础设施及Gemini 3的技术突破 [6] - Paychex首席执行官表示，美国小微企业劳动力市场稳健但放缓，薪资通胀缓解，公司对2026年持乐观态度，并认为AI技术更可能驱动职业演变，其服务的蓝领客户（如技工、餐饮业）受AI自动化替代的直接风险较低 [7][8] AI算力投资前景 - 中信建投研报认为，AI大模型持续迭代升级，算力需求旺盛，继续看好AI算力板块，建议在关注北美链的同时重视国内链，因国内公司前期调整较多，且国产GPU能力提升及H200的放开有望加速国内AI算力基础设施部署 [9] - 伯恩斯坦研报指出，英伟达相对于费城半导体指数的估值存在约13%的折价，处于历史估值分布的第1百分位，其前瞻市盈率约25倍，处于过去10年区间的第11百分位，历史数据显示，在估值低于25倍时买入并持有一年的平均回报率超过150% [12] 巨头竞争与市场预测 - 预测市场Polymarket数据显示，谷歌母公司Alphabet在2026年12月前成为全球市值第一的概率达33%，仅次于英伟达的37%，分析师认为谷歌凭借Gemini大模型和定制AI芯片TPU的强劲表现，有望挑战英伟达和苹果的市场地位，该公司当前市值达3.7万亿美元 [11]

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]

国产GPU公司近期密集上市现象 - 近期多家国产GPU明星公司密集登陆资本市场，沐曦股份于12月17日登陆科创板，盘中涨幅一度飙至700%，总市值冲破3300亿元，摩尔线程上市首日涨幅达425%，天数智芯、壁仞科技已通过港交所聆讯，燧原科技在A股排队候场 [2] - 这一系列事件在中国特殊国情下产生，是一场国产自主的叙事，真正的商业化与市场能力色彩未被真正凸显，此现象在除中国外的其他国家难以成立 [2] 国产GPU面临的产业现实与高估值挑战 - 从半导体产业商业逻辑看，国产通用GPU自出现起就注定艰难，行业头部效应明显，2025年第二季度AI和数据中心GPU市场，英伟达占据94%的市场份额 [8] - 一级市场投资人可用技术判断和国产替代期待抬高估值，但二级市场投资者更现实，若高估值无法被高增长支撑，企业可能面临巨大风险 [3] - 以摩尔线程和沐曦为例，其Pre-IPO投后估值分别为298亿元和211亿元，P/S值分别为68倍和28倍，而全球半导体行业平均P/S值约为10倍，两家公司的实际净利润和营收难以支撑当前高估值 [8] 国产GPU公司的不同发展路径 - 不同GPU公司选择不同的技术路线和市场路线，摩尔线程侧重于在不同场景下的落地，并计划将募资投入新一代AI训推一体芯片、图形芯片及AI SoC芯片研发，后者主要用于支持终端设备 [10] - 摩尔线程与多家AI初创芯片公司有业务合作，旨在先把市场量跑起来，用更好落地的市场解决现金流问题 [10] - 沐曦选择数据中心和高性能计算的道路，与新华三等大型To B客户绑定，先做大型To B生意再向下延伸 [10] 生态构建是核心挑战 - 国产GPU公司与英伟达的核心差距不在峰值算力，而在于难以翻越的CUDA生态护城河，英伟达是“十项全能选手”，而其他公司可能是“单项冠军” [12] - 英伟达为构建CUDA生态连续10年将20%以上营收投入，通过高校布点、开源社区、软硬件垂直优化等方式建立了“开箱即用”的深厚生态，用户迁移至新架构面临高昂的软件重写成本 [14] - 目前其他GPU公司的一种方式是在自身芯片架构中兼容CUDA，但这对生态突破作用有限，有GPU公司花费三年时间打造生态 [14] - 谷歌TPU是少数突破CUDA生态的案例，其成功几乎无法复制，相关工程师超过2000人，相当于把半家英伟达软件部重做一遍 [15] - 华为是国产GPU公司不可忽视的对手，其正在构建软硬件完全自主的高性能算力解决方案以替代英伟达，并已获得大厂采购，其在B端大客户的积累远超初创公司 [15] 上市后的真正挑战 - 对于国产GPU公司，上市后真正的挑战才刚刚开始，二级市场比一级市场更现实且缺乏耐心，上市会倒逼公司快速实现造血能力 [4][17] - 敲钟意味着故事讲到顶点也讲到终点，接下来比拼的已不是故事，如果营收撑不住高估值，现实将给予考验 [17]

文章核心观点 - 尽管面临估值担忧、竞争加剧及地缘政治不确定性等压力，英伟达仍被多位顶级分析师看好，主要基于其稳固的业绩记录、强大的执行力、持续创新以及在AI GPU市场的主导地位 [1][2][3] 分析师看涨理由与市场地位 - 英伟达被认为是人工智能热潮的主要受益者之一，这得益于对其先进图形处理器的强劲需求 [1] - 尽管面临来自博通、AMD和谷歌TPU等竞争对手的日益激烈的竞争，以及芯片对华出口的不确定性，分析师仍持乐观态度 [2] - TipRanks的AI分析师给予英伟达“跑赢大盘”评级，目标价为205美元 [3] - 分析师认为，基于现有Hopper架构的LLM无法与即将在Blackwell架构上训练的LLM相提并论，公司强调现在宣布明确赢家为时过早 [5] - 管理层对Blackwell支持的LLM在2026年初推出充满信心，这将证明其“至少领先竞争对手整整一代” [6] - 外部基准测试显示，Blackwell在训练和推理方面都是明确的领导者，英伟达在每瓦特代币和每代币收入等关键指标上表现突出 [6] - 公司认为，鉴于AI市场的不断演变，谷歌很难说服云服务提供商部署其针对特定模型结构的TPU，而英伟达的可编程平台解决方案仍是云AI基础设施的最佳硬件 [12] 财务与增长前景 - 美国银行分析师Vivek Arya重申买入评级，目标价275美元，并继续将其视为首选 [4] - 管理层对2025至2026日历年Blackwell、Rubin及网络业务至少5000亿美元的营收机会具有需求和供应能见度 [7] - 与OpenAI和Anthropic/微软的新协议是意向书，不包含在上述5000亿美元展望内，代表了潜在的上行空间 [7] - 伯恩斯坦分析师Stacy Rasgon指出，2025和2026年累计5000亿美元的销售展望很可能上调，因其未包含与Anthropic的新交易、OpenAI 10 GW合作以及中东合作伙伴关系等 [10] - 杰富瑞分析师Blayne Curtis重申买入评级，目标价250美元，并指出鉴于其技术护城河和18倍于10美元每股收益目标的估值，并未放弃英伟达 [16] - Curtis将其2026年和2027年每股收益预期分别从6.83美元和9.03美元上调至7.82美元和9.50美元 [18] - 英伟达股票的估值具有吸引力，其2026年和2027年收益的市盈率分别为25倍和19倍，意味着市盈增长率仅为0.5倍，而“科技七巨头”股票和增长型竞争对手的平均值为2倍 [8] 产品路线图与技术优势 - 公司预计在2026年上半年推出基于Blackwell的LLM，这可能成为股价的潜在催化剂 [17] - Blackwell Ultra的推出按计划进行，Rubin预计在2026年下半年加速推出 [16] - 预计2026年下半年推出的Vera-Rubin和NVLink 6将巩固其市场地位 [17] - 预计2026年下半年推出的新CPX芯片将受益于超大规模企业的资本支出增加以及对推理的日益关注，该芯片预计在2027日历年产生130亿美元营收 [18] - 公司认为其TPU项目领先搜索引擎巨头谷歌大约两年 [11] - 特定应用集成电路的采用仍处于早期阶段，为英伟达在强劲支出背景下提供了充足的成长空间 [16] 地缘政治与运营动态 - 关于前总统特朗普允许英伟达向中国发货H200 AI芯片（需向美国支付25%费用）的言论，公司仍在等待获得H200的出口许可，之后将研究需求并开始生产 [13] - 公司尚未获得任何关于与美国政府25%收入分成的细节，目前不清楚这笔费用将如何核算 [13]

市场预测与市值排名 - 预测市场Polymarket数据显示 谷歌母公司Alphabet在2026年12月前成为全球市值第一的概率为33% 仅次于英伟达的37% [1][3] - Alphabet目前市值为3.7万亿美元 位列全球第三 落后于英伟达的4.2万亿美元和苹果的4万亿美元 [1][8] - 市场参与者开始押注Alphabet将在未来一年内超越英伟达和苹果 其超越竞争对手登顶的可能性正在上升 [3][9] 公司股价与市场表现 - Alphabet股价在2025年已大幅反弹超过60% 有望成为今年表现最佳的“七巨头”股票 [3] - 上个月 公司市值已超越微软跃升至全球第三 [3] - 预测市场的排名对Alphabet而言“极为利好” 市场认为其在明年成为第一大公司的情景具有合理性 [5][10] 核心业务与增长动力 - 市场乐观情绪主要源于谷歌的大语言模型Gemini及其定制AI芯片张量处理单元所展现出的强劲势头 [1][5] - 得益于多元化的业务线和加速增长的云业务 Alphabet被视为生成式AI时代的赢家及“世界上最有价值公司”头衔的有力竞争者 [11] - 公司除了供内部使用外 已开始向客户出租其TPU算力 分析师开始探讨其是否会从英伟达手中夺取市场份额 [13] 技术产品进展 - Gemini 3模型的发布是推动今年股价上涨的重要因素 该模型在TPU上进行训练 [13] - Gemini模型在关键基准测试中表现优于OpenAI的ChatGPT 验证了Alphabet在软硬件结合方面的技术实力 [13] - 定制AI芯片TPU的强劲表现是公司挑战市场地位的关键催化剂 [1][12]

行业与公司概览 * 本纪要为伯恩斯坦研究公司关于美国半导体及半导体资本设备行业的周期性分析报告[1] * 报告覆盖的行业包括：AI计算（GPU/TPU）、内存、半导体设备（Semicap）、模拟/混合信号芯片等[1][4][5] * 报告重点分析的公司包括：英伟达、博通、超微半导体、德州仪器、亚德诺、恩智浦、高通、应用材料、拉姆研究、英特尔等[3][4][5][6] 核心观点与论据 **1 市场叙事与周期轮动** * AI投资热潮在近几个月已降温，投资者开始担忧资本支出的可持续性以及周期是否见顶[1][13] * 内存行业经历了自金融危机以来最严重的下行周期之一，现已转向历史上最强劲的上行周期之一[1][13] * 半导体设备行业重新受到青睐[1][13] * 投资者再次开始预期模拟芯片的复苏[1][13] **2 AI计算：机会巨大，估值具吸引力** * 市场关于TPU与GPU的争论忽略了重点，核心问题应是AI机会是否仍然巨大[3][15] * 当前AI机会确实巨大，需求仍然远超预期，相关公司的财务预测仍显过低，估值越来越有吸引力[3][15] * 建议同时持有英伟达和博通[3][15] * **英伟达**：数据中心机会巨大且仍处早期，当前预测仍有巨大上行空间，其Blackwell/Rubin架构产品到2026年的潜在市场规模达5000亿美元[15] * **博通**：2025年强劲的AI增长轨迹似乎将在2026年加速，软件、现金部署以及优异的利润率与自由现金流构成支撑，730亿美元的积压订单（且仍在增长）暗示业绩有更多上行空间[8][15] * 对超微半导体持观望态度，认为其AI预期已高，2030年目标有些牵强，且股价昂贵，但承认与OpenAI的合作（一年后开始上量）带来了想象空间[3][8][15] **3 模拟芯片：已处复苏，部分或至周期中段** * 模拟芯片行业似乎已进入复苏，部分公司可能已处于周期中段[4][15] * 在覆盖范围内，德州仪器和亚德诺的营收已实现一年或更长时间的双位数增长，表明不仅已触底，甚至可能已进入中周期阶段[4][15] * 德州仪器和亚德诺的股价仍然相当昂贵，且德州仪器还存在特有的利润率风险[4][15] * 恩智浦股价更便宜，且本轮周期表现良好，但其汽车业务占比过高令人不安（汽车周期似乎晚于工业）[4][15] * 对德州仪器、亚德诺、恩智浦均给予市场持平评级[4][15] **4 半导体设备：看好至2026年的增长** * 随着全球晶圆厂设备支出增长至2026年，继续看好半导体设备行业[5][17] * 预计明年WFE可能实现双位数增长，尤其在DRAM、先进制程和封装领域表现强劲[17] * 看好应用材料和拉姆研究，但基于对DRAM的敞口和估值，略微倾向于前者[5][17] **5 高通：故事值得关注** * 苹果调制解调器替代是已知利空且正在发生，边缘AI从芯片价值角度看是潜在利好，业务多元化故事真实（汽车业务年化规模近40亿美元，物联网处于周期低点），且在PC、VR和可能的AI数据中心存在期权价值，当前估值非常有支撑[5][10][16] * 虽然缺乏短期催化剂，且业绩预测可能仍需下调以完全反映苹果的影响，但长期来看其故事将显现[16] * 给予跑赢大盘评级[5][10] **6 英特尔：基本面承压，但存在上行标题风险** * 英特尔基本面仍然面临挑战（份额流失，几乎没有AI故事，利润率疲软等）[6][18] * 然而，存在相当大的上行标题风险（例如“特朗普希望股价上涨”）[6][18] * 给予市场持平评级[6][18] 行业数据与指标要点 **1 整体行业表现** * 半导体行业销售额在2024年增长约20%，达到6300亿美元，首次突破6000亿美元大关[120] * 2025年第三季度销售额同比增长约25%，若剩余时间遵循正常季节性，2025年总销售额将超过7650亿美元，同比增长约22%[120][127][128] * 10月份行业总销售额同比增长32.6%，其中内存销售额同比增长58.4%，非内存销售额同比增长25.4%[120][122][124][125] * 费城半导体指数年初至今上涨约40%，跑赢标普500指数（上涨约16%）约2400个基点[32][110][121][130][131] * 半导体股相对标普500的估值溢价约为29%，较上一季度的34%有所下降，远低于去年夏天60%以上的峰值[20][168][171] **2 终端市场需求** * **AI/数据中心**：超大规模企业资本支出在第三季度保持极强增长，AI显然是支出的主要受益者[35][80] * **PC**：第三季度PC出货量同比增长约8%-9%，台湾ODM笔记本出货量10月环比下降约16%，同比持平[34][51][53][56] * **智能手机**：第三季度全球智能手机出货量同比增长3%，环比增长9%，符合疫情前的季节性规律[35][73][76][77] * **汽车**：10月份汽车销售疲软，欧洲同比持平，美国同比下降约6%，中国同比下降约9.2%[37][82][85][88] * **模拟芯片**：多数公司已实现同比增长，部分公司已实现双位数增长[38][101][102] **3 库存与财务指标** * 渠道库存天数在第三季度环比下降，但仍处于历史区间的高位；库存金额环比和同比均上升[20][156] * 半导体公司库存天数环比微降，但仍远高于正常区间的高位；库存金额环比和同比均上升[20][157] * 第三季度业绩普遍稳健，但股价在财报后的表现偏负面[40][113] * 盈利下调的速度似乎正在见底[20][153] * 半导体行业的拥挤度环比上升，目前高于历史平均水平，处于历史区间的高端[20][175][177] **4 评级与目标价汇总** * **跑赢大盘**：英伟达、博通、应用材料、拉姆研究、高通[7] * **市场持平**：超微半导体、亚德诺、英特尔、恩智浦、德州仪器[7] * 具体目标价参见文档中的伯恩斯坦股票代码表[7]

谷歌TPU芯片发展与合作动态 - 谷歌TPU芯片需求大涨，扩大与联发科合作定制新一代TPU v7e的订单，订单量比原规划激增数倍[2] - 联发科为谷歌定制的首款TPU v7e将于下季度末进入风险性试产，并已拿下下一代TPU v8e订单[2] - 联发科获得台积电先进封装产能支持，预计到2027年，台积电为该项目提供的CoWoS产能将暴增7倍以上[2] 谷歌TPU的技术演进与设计理念 - 第七代TPU芯片性能显著提升，尤其在处理FP4等低精度浮点格式时，对大规模模型训练和推理非常有用[3] - TPU芯片可连接成大型集群，每个集群约包含9216块芯片[3] - TPU项目始于2013年，旨在设计专门用于机器学习计算的硬件以提升效率，第一代TPU于2015年部署[4][5] - 第一代TPU的能效比当时的CPU或GPU高出30到70倍，速度快15到30倍[4] - TPU设计采用协同设计理念，硬件团队预测未来2年半到6年内可能运行的机器学习计算，并在芯片中提前加入相关特性[6][7] 谷歌TPU的竞争优势与市场定位 - 英伟达承认谷歌在过去10年中取得进步，但认为其大约领先谷歌TPU两年[2] - 英伟达认为其更灵活、可编程的平台是构建大规模云端AI基础设施的最佳选择，并指出谷歌TPU是为更特定的模型类型设计，难以让云服务提供商广泛采用[2] - 谷歌通过云TPU项目对外出租TPU算力，已有许多客户将其用于各种任务[8] - 谷歌在TPU之上构建了完整的软件栈，包括JAX框架、Pathways系统和XLA编译器，使其易于使用[9] - Pathways系统能提供单一系统映像，可跨越数千或数万个芯片，支持运行位于多个城市的多个TPU Pod的大规模训练任务[9]