AI 硬件暴漲的一晚

DELL +31% 引爆 AI，都在尋找 catch-up plays

軟件和雲都沒咋動，硬件尤其是 Semi 全在漲。NVDA+4%，AMD+5%，MRVL+8%，西部數據 +8%，博通 +7%（Oppenheimer、BofA 提目標價），台積電+4%，鎂光 +5%，超威盤後 +14%（納入指數）。除了 PMI 數據和美債，美聯儲今天都提了 AI："AI could improve labor outcomes, reduce inequality”

感受下來自 sell side 們的熱情：

這些都是反光鏡，不得不提一下海通國際 Jeff 10 天前的 print，事實證明，市場的確就是在找 AI catchup plays

大摩對 DELL 訂單做的流水圖，非常清晰，説到底，新增訂單增速遠快於業績確認速度（交付速度），導致到今天 Backlog（在手訂單）已經是 6 個月前的 3.5 倍...上個季度擔心的 GPU lead time 耽誤收入確認，現在 H100 lead time 縮短成利好

最關鍵的，公司跟 TSMC AMD 也學會了，出來上調一把行業 TAM，2027 年 AI 服務器 1520 億美元（之前 1240 億美元）。2027 幾顆衞星開始腳踩腳了。負面也有，PC 市場疲軟和傳統服務器的競爭激烈定價壓力，復甦要到下半年出現，整體毛利率也有壓力（成本上升和 AI 稀釋）。不過看市場基本選擇了 look through，都在找 lagger，已知的傳統疲軟似乎基本 price in 了。估值便宜 + 分紅又提升了 20%...

citi 也發了業績會後的 callback，要點：

指引：對於 2025 財年（24CY）的指引好於預期，預計全年大幅增長，對服務器中 AI 勢頭的樂觀，傳統服務器的反彈，以及下半年 PC 和存儲的復甦持樂觀態度。

服務器：積壓訂單中 GPU mix（H100/H200/MI300X），以及他們 lead time mix 的不同，將導致 AI 服務器在季度間收入確認上的不均勻（H100 確認加速，新產品確認估計又受交付限制）。29 億美元的積壓訂單中 H200 和 MI300x 佔比在提升。管理層希望在第一季度儘可能多地出貨 H100，H100 的交貨時間已經從第三季度的 39 周下降。

毛利率：預計 2025 財年的毛利率將下降，這是由於存儲 mix 比例下降、大宗商品成本增加、更多價格競爭（PC、傳統服務器），以及預計將出貨更多的 AI 服務器（AI 服務器會稀釋毛利率）。

此外 NTAP（美國網存）業績超預期，其實 beat 幅度不大，但股價 +18%，因為也在提 AI...NTAP 在業績會上重點強調進了英偉達 DGX PODs 中的 “多個” 項目...

AMD 除了傳的小段子，看下來 1）YTD 英偉達 65%，AMD 35%，可能就是追一追；2）8bn 是否得到默許了不確定，但如果推理真的要引爆，那就水漲船高陽光普照了...

總之現在市場對 AI 的追逐，或者説尋找 “AI 新標的” 的熱情極其高漲。MS 搞了個 AI 股票座標系，橫軸 AI 收入佔比%，縱軸是 25 年 PE multiple。靜態去看的話，當然是越處於東南方向的越好。動態去看的話，大家都會往右邊走，誰能保持在趨勢線下方就是價格更划算。其實這種座標系，潛台詞就是 AI 佔比越高市場給與更多追逐從而會帶來更高估值溢價。那處於趨勢線下方的且偏離較遠的，都是 “潛力股”。

標的不夠？MS 給了另一張圖，IDC 裏面各個公司的 AI 收入佔比：

推理需求到了 70%？

上週末 The wire 對 Jensen 的採訪廣泛傳播，但其中一個細節被修改了（來自讀者 Dai 的提醒），很微妙。原文中 Jensen 表示 “如果我猜的話，Nvidia 今天的業務可能是 70% 的推理，30% 的訓練。” 之後似乎是被公關修改了：

言之鑿鑿的 70%，再考慮上下文，不像是口誤，更像是説漏了。被公關也合理，畢竟和財報披露口徑差別太大。而且 Dai 分析很有道理，全年 40%，年初很低的話，年末到了 70% 也很合理。

Alchip 世芯業績會上要點

ASIC 市佔率已經是純 ASIC 公司第一名，就算跟 MTK、AVGO、MRVL 比，也只輸給 AVGO；來自最大客户（亞馬遜）的 PO 持續上升，相比之前要上修了，且這顆新的 chip 生命週期和需求都比之前預期的要大。客户給的 5nm 新產品的 forecast "too good to be true"

國產 HBM 的一份紀要

國內良率 50-60% 對比海外 85%（但國內是中試線，做成量產線良率會提升很多）；國內兩派，一個大家知道的 XXXX，一個是 H+XX+XX（具體放星球了）。項目定義是 3，可能要到 26 年出產品，也可能比這個更早。

馬斯克除了起訴 OpenAI，今天還有個發言，增量：

我從未見過任何技術進步得像 AI 這麼快，目前 AI 的增長接近每六個月增加十倍（我理解是計算量）。這就是為什麼英偉達的市值如此巨大，他們擁有最好的 AI 芯片，它的市值還可能會更高，AI 芯片熱潮會比任何曾經的淘金熱都要大。我認為我們真的處於可能是有史以來最大的技術革命的邊緣。

我們離完全自動駕駛非常接近；乘用車的平均使用時間大約是每週 10 小時，但如果實現了自動駕駛，每週使用時間可以達到 50 到 60 小時，這意味着乘用車的效用將增加五倍

張忠謀：“有人跟我要 10 個 fabs”

最近在日本一個會議上表示，有人跟他説，需要 10 個 fab 來生產 AI 芯片，“他們談論的不是 wafers，而是 fabs” 張忠謀認為 10 fabs 過於驚人，真實的需求可能在 幾萬片晶圓～10 個 fabs 之間，更為合理（但這個範圍也很大，也就是幾萬～百萬片量級之間，參考英偉達 2024 需求可能也在 10 萬片以上了）

月之暗面楊植麟訪談長文，乾貨滿滿，省流：

Scaling law 為什麼能成為第一性原理？你只要能找到一個結構，滿足兩個條件：一是足夠通用，二是可規模化。通用是你把所有問題放到這個框架建模，可規模化是隻要你投入足夠多算力，它就能變好。這是我在 Google 學到的思維：如果能被更底層的東西解釋，就不應該在上層過度雕花。有一句重要的話我很認同：如果你能用 scale 解決的問題，就不要用新的算法解決。新算法最大價值是讓它怎麼更好的 scale。當你把自己從雕花的事中釋放出來，可以看到更多。

長文本是登月第一步，因為足夠本質，它是新的計算機內存。老的計算機內存，在過去幾十年漲了好幾個數量級，一樣的事會發生在新的計算機上。它能解決很多現在的問題。比如，現在多模態架構還需要 tokenizer（標記器），但當你有一個無損壓縮的 long context 就不需要了，可以把原始的放進去。進一步講，它是把新計算範式變成更通用的基礎。舊的計算機可以 0、1 表示所有，所有東西可被數字化。但今天新計算機還不行，context 不夠多，沒那麼通用。要變成通用的世界模型，是需要 long context 的。第二，能夠做到個性化。AI 最核心的價值是個性化互動，價值落腳點還是個性化，AGI 會比上一代推薦引擎更加個性化。但個性化過程不是通過微調實現，而是它能支持很長的 context（上下文）。你跟機器所有的歷史都是 context，這個 context 定義了個性化過程，而且無法被複刻，它會是更直接的對話，對話產生信息。

scaling law 走到最後發現根本走不通的概率幾乎為 0。模型可擴展的空間還非常大，一方面是本身窗口的提升，有很長路要走，會有幾個數量級。另一方面是，在這個窗口下能實現的推理能力、the faithfulness 的能力（對原始信息的忠實度）、the instruction following 的能力（遵循指令的能力）。如果這兩個維度都持續提升，能做非常多事。可能可以 follow（執行）一個幾萬字的 instruction（指令），instruction 本身會定義很多 agent（智能體），高度個性化。

AI 不是我在接下來一兩年找到什麼 PMF，而是接下來十到二十年如何改變世界——這是兩種不同思維

開源的開發方式跟以前不一樣了，以前是所有人都可以 contribute（貢獻）到開源，現在開源本身還是中心化的。開源的貢獻可能很多都沒有經過算力驗證。閉源會有人才聚集和資本聚集，最後一定是閉源更好，是一個 consolidation（對市場的整合）。如果我今天有一個領先的模型，開源出來，大概率不合理。反而是落後者可能會這麼做，或者開源小模型，攪局嘛，反正不開源也沒價值。

從 GPT-3.5 到 GPT-4，解鎖了很多應用；從 GPT-4 到 GPT-4.5 再到 GPT-5，大概率會持續解鎖更多，甚至是指數型的應用。所謂 “場景摩爾定律”，就是你能用的場景數量會隨着時間指數級上升。我們需要邊提升模型能力，邊找更多場景，需要這樣的平衡。它是個螺旋。

可以理解成有兩種不同壓縮。一種是壓縮原始世界，這是視頻模型在做的。另一種是壓縮人類產生的行為，因為人類產生的行為經過了人的大腦，這是世界上唯一能產生智能的東西。你可以認為視頻模型在做第一種，文本模型在做第二種，當然視頻模型也一定程度包含了第二種。它最終可能會是 mix，來建立世界模型。

硅谷一直有一個爭論：one model rules all 還是 many specialized smaller models（一個通用模型來處理各種任務，還是採用許多專門的較小模型來處理特定任務），我認為是前者。

（完）

本文作者：Jason，來源：信息平權，原文標題：《AI 硬件暴漲的一晚》

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。