博通公司AI业务强劲增长 - 公司半导体收入受益于用于训练生成式AI模型的专用集成电路XPU的强劲需求 在2025财年第四季度 AI收入同比增长74%至65亿美元[1] - 2025财年第四季度 XPU采用加速 因企业持续使用其训练大语言模型并通过推理API和应用程序实现平台货币化 Alphabet和Meta Platforms是主要用户[1] - 公司客户群扩大 现已包括Anthropic 推动了增长 在2025财年第三季度 公司获得一笔100亿美元的订单 向Anthropic出售Alphabet最新的TPU Ironwood机架 在2025财年第四季度 又从同一客户获得一笔价值110亿美元的额外订单[2] - 公司当前AI交换机的订单积压超过100亿美元 因其最新的每秒102太比特的Tomahawk 6交换机持续获得市场青睐[2] - 公司预计2026财年第一季度AI收入将同比增长一倍 达到82亿美元[2] 博通公司网络与半导体业务展望 - 公司网络产品组合从Tomahawk 6产品以及Jericho 4以太网结构路由器的强劲需求中获益[3] - 公司拥有丰富的合作伙伴基础 包括OpenAI、Walmart、NVIDIA、Canonical、Arista Networks、Alphabet、Dell Technologies、Meta Platform、Juniper和Supermicro等[3] - 公司预计2026财年第一季度半导体收入为123亿美元 意味着同比增长50%[3] - 公司预计2026财年第一季度基础设施软件收入将同比增长2%至68亿美元[3] 半导体市场竞争格局 - 博通是半导体市场的主要参与者 但正面临来自英伟达和Marvell Technology的激烈竞争[4] - 英伟达受益于AI和高性能加速计算的强劲增长 对使用基于其Hopper和Blackwell架构的GPU的生成式AI和大语言模型的需求增长 推动了数据中心收入 在2026财年第三季度 数据中心收入（占英伟达收入的89.8%）同比增长66% 环比增长25% 达到512.2亿美元[5] - Marvell Technology受益于数据中心终端市场的强劲需求环境 在2026财年第三季度 其数据中心终端市场收入同比增长39% 受AI驱动的定制XPU硅片和光电互连产品需求强劲增长的推动[6] - Marvell Technology的AI驱动定制硅业务已获得超过20个多代XPU和XPU附加插槽的订单 其设计管道已扩展到超过50个机会 价值750亿美元 凸显了超大规模企业对Marvell差异化能力日益增长的依赖[6] 公司股价表现与估值 - 博通股价在一年内上涨了45.7% 表现优于Zacks计算机和技术板块21.6%的回报率[7][8] - 该股交易存在溢价 其未来12个月市盈率为33.89倍 而整个板块为27.78倍 公司价值评分为D[11][12] - 市场对博通2026财年每股收益的共识预期为9.69美元 过去30天内上调了5.7% 意味着较2025财年报告数据增长42.1%[14]

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]

文章核心观点 - 瑞银认为市场对博通财报后的股价暴跌反应过度 公司AI半导体业务前景强劲 管理层对2026财年收入预期充满信心 基于此 瑞银上调了业绩预期和目标价 [1][3][6] 财报后市场反应与管理层沟通 - 博通与甲骨文发布财报后股价大幅波动 博通两日内下跌17% [1] - 瑞银与管理层举行会议后 认为市场反应过度 该股已成为市场普遍看好的多头标的 [1][3] - 管理层明确表示 财报电话会中披露的AI业务订单积压数据（730亿美元 覆盖周期18个月）极为保守 实际交付周期将接近12个月 [4] AI业务订单积压与客户构成 - 第四财季（截至10月）公司总订单积压环比增长50% 其中AI半导体业务订单积压翻倍 [4] - 若剔除Anthropic新增的110亿美元订单 剩余订单积压仍增加200-250亿美元 主要来自谷歌和Meta 暂未包含OpenAI的订单 [4] - 向Anthropic交付的210亿美元机架订单可能因电源组件准备进度延至2027财年 [4] - Anthropic是订单积压中唯一的机架类客户 OpenAI（一旦纳入）将成为传统ASIC客户 [4] - 企业级订单积压从1100亿美元增至1620亿美元 增幅超50% 其中AI相关订单积压环比翻倍 [9] 财务预期与业务展望 - 瑞银预计博通2026财年AI半导体收入将超600亿美元 同比增长近3倍 [1] - 管理层信心表示 2026财年AI业务收入将超出当前市场预期 且将高于其所见的任何买方或卖方机构的预测值 [6] - 瑞银上调2027财年营收预期至1350亿美元（高于市场共识2%） 上调每股收益预期至14.15美元（高于市场共识1.7%） 并将目标价从472美元上调至475美元 [6] - 博通重申 2026财年AI业务收入的增速将超过2025财年 [8] 各业务线毛利率与收入预测 - 公司未明确Anthropic的210亿美元机架订单毛利率 但未反驳45%-50%的市场预期 [4] - 重申XPU业务毛利率约55% AI网络业务毛利率约80% [5] - AI机架中的博通自有组件综合毛利率约60% 但因包含转售组件 该210亿美元收入的整体毛利率将降至45%-50%区间 [5] - 博通预计AI收入综合毛利率在60%以上 但因包含转售组件 机架产品的发货毛利率会更低 [8] - 受Anthropic订单影响 2026财年毛利率将同比下滑 但营业利润率将至少与上年持平（瑞银预测2026财年营业利润率较2025财年下滑30个基点） [4][8] - 2025财年AI交换机业务收入为30亿美元 但订单数据显示2026财年可能达到120亿美元 [8] - 除交换机外 博通预计DSP业务收入将从2025财年的10亿美元增长至2026财年的50亿美元 [8] - 瑞银将2026财年AI网络业务的同比增速 从之前预估的55%调整为103% [8] 行业趋势与竞争格局 - 博通一年前预计2027年XPU+网络业务的目标市场规模约600-900亿美元（主要基于训练负载） 如今表示该数据已失效 实际规模将显著扩大 [6] - 一方面XPU业务受益于AI推理需求的加速增长 另一方面由于AI技术栈的复杂性和创新速度 AI大模型实验室正抢占博通原本预期的企业级市场（原计划采用GPU） [6] - 越来越多企业选择使用OpenAI、Anthropic等厂商的服务 而非自行微调大模型 [6][10] - 博通回应了“谷歌直接对接代工厂”的担忧 称未来5年内这种情况不太可能发生 但长期策略是拓展多元客户以分散风险 [10] - 博通对定制芯片的变现形式持开放态度 若客户有需求 不排除推出类似特许权使用费的模式 在此模式下芯片平均售价中与博通IP相关的部分会减少 但整体毛利率/营业利润率会更高 [10]

文章核心观点 - 瑞银认为市场对博通财报的反应过度，基于管理层对AI业务前景的积极指引，该行上调了业绩预期和目标价，并认为股价回调后该股成为普遍看好的多头标的 [1] AI半导体业务收入预期 - 预计2026财年AI半导体业务收入将超过600亿美元，同比增长近3倍 [1] - 管理层对2026财年AI业务收入超出当前市场预期充满信心，并表示将高于任何买方或卖方机构的预测值 [3] - 博通重申，2026财年AI业务收入的增速将超过2025财年 [4] AI业务订单积压与交付周期 - AI业务订单积压达730亿美元，覆盖周期18个月，但管理层表示实际交付周期将接近12个月 [2] - 第四财季总订单积压环比增长50%，其中AI半导体业务订单积压翻倍 [2] - 若剔除Anthropic新增的110亿美元订单，剩余订单积压仍增加200-250亿美元，主要来自谷歌和Meta，暂未包含OpenAI的订单 [2] Anthropic机架订单详情 - Anthropic的210亿美元机架订单可能因电源组件准备进度而延至2027财年交付，但客户希望2026财年交付 [2][4] - 瑞银当前建模为2026财年交付150亿美元，剩余60亿美元在2027财年交付 [4] - Anthropic是订单积压中唯一的机架类客户，OpenAI（一旦纳入）将成为传统ASIC客户 [2] - 该机架订单因包含转售组件，整体毛利率预计在45%-50%区间，低于博通自有组件约60%的综合毛利率 [2][3] - 该订单被视为一次性合作，长期关系预计将转向标准ASIC/XPU供应模式 [3] 毛利率与营业利润率展望 - 公司未反驳市场对Anthropic机架订单45%-50%毛利率的预期 [2] - 受此影响，2026财年毛利率预计同比下滑，但营业利润率将至少与上年持平（瑞银预测下滑30个基点） [2] - AI业务综合毛利率接近60%，其中XPU业务毛利率约55%，AI网络业务毛利率约80% [3][4] - 2026财年毛利率最终取决于新增AI订单的结构 [4] AI网络与XPU业务增长 - 2025财年AI交换机业务收入为30亿美元，但订单数据显示2026财年可能达到120亿美元 [4] - DSP业务收入预计从2025财年的10亿美元增长至2026财年的50亿美元 [5] - 瑞银将2026财年AI网络业务的同比增速预估从55%上调至103% [5] - 博通认为XPU业务的增速不会超过AI网络业务 [4] - AI网络业务势头强劲，由AI扩展需求驱动的规模化扩张及早期以太网扩容需求带动 [4] 目标市场规模与市场趋势 - 一年前预计2027年XPU+网络业务目标市场规模为600-900亿美元，如今该数据已失效，实际规模将显著扩大 [3] - 一方面XPU业务受益于AI推理需求的加速增长，另一方面AI大模型实验室正抢占博通原本预期的企业级市场 [3] - 出现“AI实验室抢占更多市场”的趋势，原计划采用GPU的企业级市场正逐渐转向使用OpenAI、Anthropic等服务 [5] - 越来越多的企业客户选择使用AI实验室的服务，而非自行微调大语言模型，因为将AI技术栈投入生产的流程较为复杂 [5] 企业级订单与客户集中度 - 企业级订单积压从1100亿美元增至1620亿美元，增幅超50% [5] - 博通回应“谷歌直接对接代工厂”的担忧，称未来5年内不太可能发生，但长期策略是拓展多元客户以分散风险 [5] 财务预期与目标价调整 - 瑞银上调2027财年营收预期至1350亿美元（高于市场共识2%），上调每股收益预期至14.15美元（高于市场共识1.7%） [3] - 将目标价从472美元上调至475美元 [1][3] 定制芯片变现模式 - 博通对定制芯片的变现形式持开放态度，不排除推出类似特许权使用费的模式 [6] - 在此模式下，芯片平均售价中与博通IP相关的部分会减少，但整体毛利率/营业利润率会更高 [6] - 公司在HBM业务中已实现对完整XPU解决方案的掌控，但会根据客户需求灵活调整 [6]

核心观点 - 瑞银认为市场对博通财报的反应过度，基于管理层对AI半导体业务增长的强劲指引，上调了业绩预期和目标价，并认为股价回调后该股成为普遍看好的多头标的 [1] 财务表现与预期 - 瑞银预计博通2026财年AI半导体业务收入将超过600亿美元，同比增长近3倍 [1] - 瑞银上调2027财年营收预期至1350亿美元，高于市场共识2%，上调每股收益预期至14.15美元，高于市场共识1.7%，并将目标价从472美元上调至475美元 [1][3] AI业务订单与积压 - 公司披露AI业务订单积压达730亿美元，覆盖周期18个月，但管理层表示实际交付周期将接近12个月，数据极为保守 [2] - 第四财季公司总订单积压环比增长50%，其中AI半导体业务订单积压翻倍 [2] - 若剔除Anthropic新增的110亿美元订单，剩余订单积压仍增加200-250亿美元，主要来自谷歌和Meta，暂未包含OpenAI的订单 [2] - 企业级订单积压从1100亿美元增至1620亿美元，增幅超50%，其中AI相关订单积压环比翻倍 [5] 大客户订单详情 - 向Anthropic交付的210亿美元机架订单可能因电源组件准备进度延至2027财年，Anthropic是订单积压中唯一的机架类客户 [2] - 瑞银将Anthropic的发货量建模为：2026财年150亿美元，剩余60亿美元在2027财年交付 [4] - OpenAI一旦纳入订单积压，将成为传统ASIC客户 [2] - 公司回应“谷歌直接对接代工厂”的担忧，称未来5年内这种情况不太可能发生，长期策略是拓展多元客户以分散风险 [5] 毛利率与利润率展望 - 公司未明确Anthropic的210亿美元机架订单毛利率，但未反驳45%-50%的市场预期 [2] - 受Anthropic订单影响，2026财年毛利率将同比下滑，但营业利润率将至少与上年持平 [2] - 瑞银预测2026财年营业利润率较2025财年下滑30个基点 [2] - AI业务综合毛利率接近60%，其中XPU业务毛利率约55%，AI网络业务毛利率约80% [3][4] - AI机架中的博通自有组件综合毛利率约60%，但因包含转售组件，该210亿美元收入的整体毛利率将降至45%-50%区间 [3] - 2026财年的毛利率将取决于新增AI订单的结构，但预计毛利率同比下滑，营业利润率大概率同比持平 [4] AI业务增长动力与市场趋势 - 公司重申，2026财年AI业务收入的增速将超过2025财年 [4] - 公司预计2026财年AI业务收入将超出当前市场预期，且将高于其所见的任何买方或卖方机构的预测值 [3] - 一年前预计2027年XPU+网络业务的目标市场规模约600-900亿美元，如今该数据已失效，实际规模将显著扩大 [3] - XPU业务受益于AI推理需求的加速增长 [3] - 出现“AI实验室抢占更多市场”的趋势，这些市场原本是博通预期的企业级AI市场，如今正逐渐转向AI实验室 [5] - AI实验室需求增加是因为将AI技术栈投入生产的流程复杂，越来越多企业客户选择使用OpenAI、Anthropic等服务，而非自行微调大模型 [3][5] 各细分业务表现 - XPU业务的增速不会超过AI网络业务 [4] - AI网络业务当前势头强劲，由AI扩展需求驱动的规模化扩张以及早期以太网扩容需求带动 [4] - 2025财年AI交换机业务收入为30亿美元，但订单数据显示2026财年可能达到120亿美元 [4] - 除交换机外，博通预计DSP业务收入将从2025财年的10亿美元增长至2026财年的50亿美元 [5] - 瑞银将2026财年AI网络业务的同比增速，从之前预估的55%调整为103% [5] - Anthropic的机架规模订单属于一次性合作，长期来看双方关系将转向标准ASIC/XPU供应模式 [3] 商业模式与策略 - 博通对定制芯片的变现形式持开放态度，若客户有需求，不会排除推出类似特许权使用费的模式，在此模式下芯片平均售价中与博通IP相关的部分会减少，但整体毛利率/营业利润率会更高 [6] - 公司在HBM业务中已实现对完整XPU解决方案的掌控，但会根据客户需求灵活调整 [6]

文章核心观点 - 瑞银认为市场对博通财报的反应过度 基于管理层对AI半导体业务增长的积极指引 该行上调了业绩预期和目标价 并认为股价回调后该股成为普遍看好的多头标的 [1] AI业务订单与积压 - AI业务订单积压达730亿美元 覆盖周期18个月 但管理层预计实际交付周期将接近12个月 [2] - 第四财季总订单积压环比增长50% 其中AI半导体业务订单积压翻倍 [2] - 若剔除Anthropic新增的110亿美元订单 剩余订单积压仍增加200-250亿美元 主要来自谷歌和Meta 暂未包含OpenAI订单 [2] - 企业级订单积压从1100亿美元增至1620亿美元 增幅超50% 其中AI相关订单积压环比翻倍 [5] 2026财年AI业务收入预期 - 预计2026财年AI半导体收入将超600亿美元 同比增长近3倍 [1] - 管理层对2026财年AI业务收入超出当前市场预期充满信心 并表示将高于任何买方或卖方机构的预测值 [3] - 重申2026财年AI业务收入的增速将超过2025财年 [4] Anthropic大额订单细节 - 向Anthropic交付的210亿美元机架订单可能因电源组件准备进度延至2027财年 [2] - Anthropic是订单积压中唯一的机架类客户 OpenAI若纳入订单将成为传统ASIC客户 [2] - 瑞银将Anthropic发货量建模为：2026财年150亿美元 剩余60亿美元在2027财年交付 [4] - 该210亿美元机架订单的整体毛利率预计在45%-50%区间 [2][3] - 该机架规模订单被视为一次性合作 长期关系将转向标准ASIC/XPU供应模式 [3] 毛利率与营业利润率展望 - AI业务综合毛利率接近60% 其中XPU业务毛利率约55% AI网络业务毛利率约80% [3][4] - 因包含转售组件 机架产品的发货毛利率会降至45%-50% [3][4] - 预计2026财年毛利率将同比下滑 但营业利润率将至少与上年持平 [2][4] - 瑞银预测2026财年营业利润率较2025财年下滑30个基点 [2] AI网络与交换机业务增长 - 2025财年AI交换机业务收入为30亿美元 但订单数据显示2026财年可能达到120亿美元 [4] - DSP业务收入预计将从2025财年的10亿美元增长至2026财年的50亿美元 [5] - 瑞银将2026财年AI网络业务的同比增速预估从55%上调至103% [5] - AI网络业务当前势头强劲 由AI扩展需求驱动的规模化扩张及早期以太网扩容需求带动 [4] 目标市场规模与行业趋势 - 一年前预计2027年XPU+网络业务目标市场规模约600-900亿美元 如今该数据已失效 实际规模将显著扩大 [3] - XPU业务受益于AI推理需求的加速增长 [3] - 出现“AI实验室抢占更多市场”的趋势 这些市场原本是预期的企业级AI市场 如今正逐渐转向AI实验室 [5] - AI技术栈的复杂性和创新速度 使得越来越多企业选择使用OpenAI、Anthropic等服务 而非自行微调大模型 [3][5] 客户关系与业务模式 - 回应“谷歌直接对接代工厂”的担忧 称未来5年内不太可能发生 长期策略是拓展多元客户以分散风险 [5] - 对定制芯片的变现形式持开放态度 不排除推出类似特许权使用费的模式 该模式下整体毛利率/营业利润率会更高 [6] - 在HBM业务中已实现对完整XPU解决方案的掌控 但会根据客户需求灵活调整 [6] 财务预期与目标价调整 - 瑞银上调2027财年营收预期至1350亿美元 高于市场共识2% [3] - 上调每股收益预期至14.15美元 高于市场共识1.7% [3] - 将目标价从472美元上调至475美元 [1][3]

博通对硅光子技术的看法 - 公司首席执行官认为硅光子技术短期内不会对数据中心产生影响，尽管其最终将成为必然选择[2] - 该技术成为必需品前需经历两波创新：扩展铜基互连技术以及发展可插拔光器件[2] - 只有当可插拔光学器件无法满足需求时，行业才会转向硅光子技术，公司已为此进行研发准备[2] 人工智能硬件业务表现强劲 - 公司拥有价值730亿美元的积压订单，其中超过500亿美元来自超大规模客户的定制AI加速器订单[3] - 首席执行官认为客户对AI硬件的需求不会降温，并以一位新客户10亿美元及Anthropic公司额外110亿美元的XPU订单作为例证[3] - 过去三个月的订单量前所未见，积压订单预计将继续增长，且供应链与产能（如台积电、新加坡新工厂）可满足需求[4] 2025财年第四季度及未来财务表现 - 第四季度半导体业务营收达110亿美元，同比增长35%，其中AI产品贡献67亿美元[4] - 公司AI硬件营收在不到三年内增长了10倍[4] - 基础设施软件业务营收为69亿美元，同比增长19%，增长主要来自VMware销售，其软件利润率上升6个百分点至78%[4] - 公司给出2026财年第一季度营收预期为191亿美元，同比增长28%[4] 市场反应 - 公司股价在业绩公布后立即上涨约3%，但随后迅速回落5%[5]

博通FY2025Q4业绩核心表现 - 第四季度营收180.15亿美元，创历史单季新高，同比增长28%，环比增长13%，略超此前约174亿美元的指引[3] - 第四季度毛利率为77.9%，同比增长1个百分点，环比下降0.4个百分点，高于此前约77.7%的指引[3] - 公司合并未完成订单达1620亿美元，创历史新高，其中AI业务订单远高于非AI业务[3] - 2025财年全年合并营收达到创纪录的640亿美元，同比增长24%[9] 半导体业务分析 - 第四季度半导体部门收入110.72亿美元，占总收入61%，同比增长35%[4] - 半导体部门毛利率为68%，同比上升100个基点，运营利润率为59%，同比提升250个基点[4] - AI半导体业务收入达65亿美元，同比增长74%，连续十一个季度环比增长[4] - 非AI半导体业务收入为46亿美元，同比增长2%[4] - XPU业务同比增加一倍以上，AI网络业务需求持续强劲[4] 基础设施软件业务分析 - 第四季度基础设施软件收入为69.43亿美元，占总收入39%，同比增长19%，超出此前67亿美元的预期[4] - 基础设施软件部门毛利率高达93%[4] - 第四季度总合同价值已超过104亿美元，去年同期为82亿美元[13] - 基础设施软件积压订单达730亿美元，高于去年同期的490亿美元[13] 未来业绩指引 - 预计FY26Q1合并营收约为191亿美元，同比增长28%，环比增长6%[5] - 预计FY26Q1合并毛利率约为76.9%，同比下降2.2个百分点，环比下降1个百分点，主要因AI营收组合较高[5] - 预计FY26Q1半导体部门收入为123亿美元，同比增长50%，环比增长11%[5] - 预计FY26Q1人工智能收入为82亿美元，同比增长100%，环比增长27%[5] - 预计FY26Q1非人工智能半导体收入约41亿美元，同比持平，环比下降11%[5] - 预计FY26Q1基础设施软件收入为68亿美元，同比增长1%，环比下降2%[5] AI业务增长动力与订单情况 - 当前AI业务在手订单超过730亿美元，占公司合并积压订单1620亿美元的近一半，预计未来18个月完成交付[6] - 公司预计2026年客户AI支出势头将持续加速[6] - 第四季度再获Anthropic 110亿美元订单，计划于2026年底交付[6] - 第五家客户带来10亿美元订单，可能于2026年稍晚交付[6] - AI交换机积压订单超过100亿美元，102Tbps Tomahawk 6交换机是目前唯一具备该能力的产品，订单以创纪录速度预订[6] - 在DSP、光学组件和PCIe交换机上也获得了创纪录的订单[6] 财务状况与资本配置 - 第四季度调整后EBITDA为122.1亿美元，同比增长34%，占营收的68%，高于此前67%的指引[9][15] - 第四季度自由现金流为75亿美元，占营收的41%[15] - 截至第四季度末，库存金额为23亿美元，环比增长4%，库存周转天数为58天，环比减少8天[3][15] - 截至第四季度末，公司现金及现金等价物为162亿美元，未偿还债务总额为671亿美元[15] - 第四季度向股东支付了28亿美元现金股息，普通股季度现金股息为每股0.59美元[16] 管理层对关键问题的阐述 - 730亿美元AI积压订单是截至当前已锁定的未来18个月最低交付额，考虑到交货周期，预计期间会有更多新订单，实际收入应高于此数值[18] - 针对客户自研AI加速器的趋势，管理层认为这是一项高门槛的战略投资，考虑到技术快速演进和竞争压力，完全转向自研不会成为主流趋势[18] - 针对TPU等定制芯片以“类商用”模式提供给其他客户的现象，管理层认为这更多是市场选择的扩展，其替代方案通常是商用GPU，而非直接替代定制ASIC业务[18] - AI业务的毛利率确实低于软件及其他半导体业务，且系统级销售会进一步稀释毛利率百分比，但由于营收增长极快，运营杠杆效应显著，绝对利润额将持续提升[19] - 供应链管理具有优势，许多关键有源组件由内部生产，提供了高可见性，在先进封装方面通过新加坡工厂实现部分内包以保障供应链[19][22] - 非AI半导体业务中，宽带业务复苏势头良好，但其他领域如企业存储表现平稳，整体处于底部企稳状态[22]

AI板块市场情绪与事件冲击 - 甲骨文与博通财报后股价暴跌引发美股AI板块大跌，市场情绪受挫[2] - 博通因部分数据未达市场狂热预期，绩后单日重挫11.43%[3] - 甲骨文将部分为OpenAI开发的数据中心竣工时间从2027年推迟至2028年[3] - AI基建公司Fermi因重要客户取消租约，股价盘中崩盘暴跌46%[4] - 抛售潮蔓延至光模块、交换机、电力、存储等AI产业链，多只热门概念股跌幅超10%，纳指大跌1.91%[6] - “AI泡沫崩盘”的担忧在市场蔓延[7] AI行业基本面与需求状况 - AI板块大跌核心逻辑并非AI需求突然收缩[9] - 博通未来18个月AI相关订单已突破730亿美元，需求强劲[10] - 甲骨文2026财年第二季度剩余履约义务(RPO)达5230亿美元，环比增长15%[10] - 甲骨文本季度新增合同额约677亿美元，按报告测算对应新签订单约838亿美元，同比增长约583%，增量主要由Meta、英伟达等巨头算力合同驱动[10] - 甲骨文未来12个月内预计确认收入的cRPO期末余额约531亿美元，同比增长40%，环比显著提升，显示短期订单落地节奏加快[10] - 甲骨文上调未来资本开支预期，对算力建设信心充足[11] 市场定价逻辑的转变 - 市场正对AI产业链进行深度的“理性重新定价”[12] - 过去两年AI资产上涨逻辑为：需求无穷→订单不断→规模先行→估值后算，凭借“订单增长”获得估值溢价[13] - 当前市场定价逻辑开始切换，从单纯追逐增长规模，转向审视增长的盈利质量、投资回报周期及订单兑现确定性[13] - 博通绩后大跌且无资金快速抄底，是这一转变的显著代表[14] - 博通明确从“卖高毛利芯片”向“卖系统”转型，需对整套系统可运行性负责[14] - 因系统销售中需“过手”大量非自制组件，博通管理层指引下一季度合并毛利率将环比下降约100个基点[14] - 市场意识到AI产业链中游环节已非确定高利润赛道，高估值溢价需重新校准[14] 资金流向与市场动向 - 资金并未完全撤离市场，美联储态度温和，道指连续三周上涨，市场流动性充裕[15][16] - 资金从拥挤的AI中游配套板块流出，转向现金流清晰、估值未被极端拉高、对利率环境不敏感的稳健资产[17] - 此次调整本质是资金在AI产业链分化中寻找更具确定性的价值锚点，而非否定AI产业[18] 行业发展阶段与投资逻辑演变 - 市场对AI行业的关注逻辑已从“算力突破期”迈入“系统交付期”[20] - 算力突破期核心命题是“能否造出满足需求的算力硬件”，市场追逐技术突破与产能扩张[21] - 系统交付期核心命题变为“如何高效交付稳定可靠的AI系统”，市场开始计较成本控制、利润率水平、资本开支效率与投资回报周期[21] - OpenAI订单兑现的不确定性让市场更加看重“真实需求”与“确定性增长”[22] - 依赖单一客户大额订单预期的企业，估值压力将加大[23] - 能对接多元客户、需求来自真实产业落地、订单兑现路径清晰的企业，将获得更多资金青睐[23] - 在AI股普遍显著高估的环境下，此转变必然造成巨大波动[24] 产业链不同环节的影响与前景 - 中游配套企业（光模块、交换机、激光器等）此前被视为“AI资本开支代理变量”，享受估值红利[25] - 随着市场审视整体投资回报与订单确定性，其估值敏感度显著上升，股价波动将放大[25] - 唯有保持高毛利、稳定交付能力且客户结构多元的中游企业方能穿越周期[25] - 核心定价权企业（如英伟达、台积电）作为AI算力核心供给方和制造方，掌握产业链定价权[25] - 在不确定性上升时，核心定价权企业的业绩确定性成为资金“避风港”，抗跌属性凸显[25] - 下游云厂商（如亚马逊、Meta等巨头）有强大应用平台生态创造巨额利润，支撑AI资本开支，并能快速商业化兑现[25] - 近一年来，亚马逊、Meta的估值未被极端拉高，在此次抛售潮中回撤幅度相对小[26] - 凭借强大的应用平台生态和持续盈利能力，AI技术落地能进一步放大其生态价值，后续若跟随调整可能跌出长线布局的“黄金坑”[28] 中长期行业展望 - 此次AI板块大跌不是泡沫破裂，而是市场走向成熟的必经之路[29] - 未来AI板块分化将成为常态[29] - 单纯依赖“AI概念”、客户结构单一、缺乏盈利支撑的企业，可能面临持续估值挤压[29] - 真正具备核心技术、稳定盈利能力、多元客户结构与清晰成长路径的企业，将在市场理性筛选中脱颖而出[29]

文章核心观点 在算力成为基础设施的时代，产业各界正从芯片架构、软件生态、商业应用等多维度探索能够穿越周期、占据价值链顶端的技术路径与战略 核心在于通过软件定义、生态协同、应用驱动和系统级创新来突破硬件限制，构建自主可控的AI算力体系 [1][3][35] 技术路径与架构创新 - 算力芯片发展面临核心矛盾：摩尔定律放缓导致传统处理器迭代变慢，而生成式AI对算力的需求呈指数级增长 [7] - 应对矛盾的主流方向是推动“异构计算”，但带来了编程复杂度激增和软件兼容性差的新瓶颈 [7] - 反对指令系统碎片化，认为现有指令系统足以支撑架构创新，RISC-V应成为产业统一标准，其包容性可整合CPU、GPU及AI处理器特性 [9] - 计算芯片产业呈现螺旋式发展，未来将回归融合异构特性的CPU中心化架构 [9] - 在工艺受限背景下，需依靠新的技术路径超越国际领先者，国内创新企业路径呈现多元化特征 [32] - 数据中心AI芯片部分企业摒弃对单卡算力的盲目追求，转而构建更高效的系统，例如TPU路线通过打造大规模超节点、省去交换机和HBM，在集群层面追求更高性价比 [33] - 大算力芯片正在向三维架构变革，先进封装及其检测设备成为决定性能和良率的核心，光电合封被认为是下一代AI算力的基石，能以数量级优势提升集成度、降低功耗 [33] 软件生态的关键作用 - 软件生态对算力芯片产业具有决定性作用，生态是绕不开的命题，X86架构历经四五十年沉淀的软件生态壁垒极高 [7] - 用户选择的核心在于软件优化的积累，而非单纯硬件性能 [8] - 当前算力性能突破需跨学科交叉与软件深度优化双轮驱动，通过软硬件协同优化，在现有制程限制下实现算力效能最大化 [8] - 中国半导体受全球趋势及制程限制，必须通过软件定义算力，打破传统软硬件隔阂 [8] - 软件生态是GPU硬件行业的胜负手，其竞争已超出硬件性能本身 [16] - 软件层面需要深度拥抱开源软件生态，如DeepSeek，Qwen，ChatGLM3等，借助生态的力量充分释放硬件的算力 [17] - 破局国产算力技术生态需要拥抱开源，构建开放、统一的技术体系，避免“烟囱式”发展 [18] - 国产AI推理芯片的发展方向之一是软件生态兼容，以平衡算法迭代与算力利用率 [28] 产业发展趋势与挑战 - 2025年，AI芯片消耗将迎来重要转折，推理芯片消耗量或将超过训练芯片，源于企业端推理需求的爆发，例如谷歌日调用量已达43万亿Token，字节跳动近期或突破40万亿 [27] - 全球算力投资资本支出预计将超过4600亿美金，超过美国登月计划的总投入，中国市场中BAT等互联网大厂占据了68%以上的份额 [16] - AI商业化主战场包括AIGC在数字人、游戏、影视行业，今年国内产值预计超1000亿，全球数字内容生成市场规模已近500亿美金，加上AI编程领域、虚拟交互 [16] - 国产算力行业将迎来淘汰赛，由于系统级产品研发需海量资金投入，今年国内算力企业正全力冲击资本市场，预计未来一年A股和港股至少6家公司冲刺上市，资金技术储备不足、生态布局薄弱的企业或将加速出局 [17] - 大模型发展有从“百模大战”向“十模争锋”的收敛趋势 [12] - 模型发展正逐渐走向集约化路线，不是只比谁规模大，而是看谁能用最少的数据、最少的算力、最少的能耗做出好用的模型 [13] - 中国已成为大模型领域的开源生态领导者，HuggingFace Top10模型中，9个来自中国公司，在实际商业化场景中，中国开源模型生成的Token量已超过全球其他开源模型总和 [16] - 中国AI发展路径为“数据飞轮”模式：应用生产数据-数据训练算法-算法定义芯片-芯片赋能规模化应用，区别于美国通过政策强推技术突破的路径 [27] 企业实践与解决方案 - 燧原科技得益于丰富的商业化应用场景，产品迭代获得了坚实支撑，国民级爆款应用已经用到了燧原的算力 [17] - 鹏城实验室作为国家实验室定位“保底线”，致力于保障国产算力主权和模型的自主可控 [13] - 鹏城实验室发布了2000亿参数的大语言模型后，又推出了33B和2B参数的中小尺寸模型，并将2B参数模型全过程开源，包括所有数据和数据配比、权重和训练环节 [13] - 鹏城实验室正与气象、金融、文博、生态环境、智能制造等行业合作，推动大模型在典型场景中的示范应用 [13] - 摩尔线程提供了从Model Studio一站式平台、深度融合的MT-MegatronLM与DeepSpeed框架，到底层MUSA计算库及KuaE集群平台的全栈软件支持 [23] - 摩尔线程构建了贯穿训练前、中、后期的智能工具体系，包括SimuMax支持训练资源规划与时间估算，慢节点检测系统，分布式Profiling系统等 [23] - 对于特定大模型，千卡集群需耗时173天，而在万卡集群上，即便模型浮点运算利用率会从40%降至30%，训练时间也能被大幅压缩至23天 [21] - 大模型训练完成时间越短越好，最好不要超过1个月 [21] - 云天励飞已完成芯片架构升级，实现全流程国产工艺转型，构建起覆盖端边云的产品矩阵 [29] - 国产AI推理芯片的发展方向包括突破存储技术瓶颈支持3D memory技术，以及通过异构计算优化性价比，目标在未来三到五年内让百万Token成本降至1元以内 [28] 边缘与端侧算力创新 - 随着桌面级AI应用井喷，专为这些场景设计的LPU架构等应运而生，它们通过3D DRAM堆叠等技术，在有限功耗和成本下实现惊人的内存带宽 [33] - 在端侧AI芯片方向，存算一体与近存计算成为关键，例如将计算单元嵌入存储芯片的3D-CIM架构，或在LPDDR内存中集成处理能力的PIM方案，目标是在手机有限的面积和功耗预算内，流畅运行数10亿参数的大模型 [33]