AI 硬件暴涨的一晚

DELL +31% 引爆 AI，都在寻找 catch-up plays

软件和云都没咋动，硬件尤其是 Semi 全在涨。NVDA+4%，AMD+5%，MRVL+8%，西部数据 +8%，博通 +7%（Oppenheimer、BofA 提目标价），台积电+4%，镁光 +5%，超威盘后 +14%（纳入指数）。除了 PMI 数据和美债，美联储今天都提了 AI："AI could improve labor outcomes, reduce inequality”

感受下来自 sell side 们的热情：

这些都是反光镜，不得不提一下海通国际 Jeff 10 天前的 print，事实证明，市场的确就是在找 AI catchup plays

大摩对 DELL 订单做的流水图，非常清晰，说到底，新增订单增速远快于业绩确认速度（交付速度），导致到今天 Backlog（在手订单）已经是 6 个月前的 3.5 倍...上个季度担心的 GPU lead time 耽误收入确认，现在 H100 lead time 缩短成利好

最关键的，公司跟 TSMC AMD 也学会了，出来上调一把行业 TAM，2027 年 AI 服务器 1520 亿美元（之前 1240 亿美元）。2027 几颗卫星开始脚踩脚了。负面也有，PC 市场疲软和传统服务器的竞争激烈定价压力，复苏要到下半年出现，整体毛利率也有压力（成本上升和 AI 稀释）。不过看市场基本选择了 look through，都在找 lagger，已知的传统疲软似乎基本 price in 了。估值便宜 + 分红又提升了 20%...

citi 也发了业绩会后的 callback，要点：

指引：对于 2025 财年（24CY）的指引好于预期，预计全年大幅增长，对服务器中 AI 势头的乐观，传统服务器的反弹，以及下半年 PC 和存储的复苏持乐观态度。

服务器：积压订单中 GPU mix（H100/H200/MI300X），以及他们 lead time mix 的不同，将导致 AI 服务器在季度间收入确认上的不均匀（H100 确认加速，新产品确认估计又受交付限制）。29 亿美元的积压订单中 H200 和 MI300x 占比在提升。管理层希望在第一季度尽可能多地出货 H100，H100 的交货时间已经从第三季度的 39 周下降。

毛利率：预计 2025 财年的毛利率将下降，这是由于存储 mix 比例下降、大宗商品成本增加、更多价格竞争（PC、传统服务器），以及预计将出货更多的 AI 服务器（AI 服务器会稀释毛利率）。

此外 NTAP（美国网存）业绩超预期，其实 beat 幅度不大，但股价 +18%，因为也在提 AI...NTAP 在业绩会上重点强调进了英伟达 DGX PODs 中的 “多个” 项目...

AMD 除了传的小段子，看下来 1）YTD 英伟达 65%，AMD 35%，可能就是追一追；2）8bn 是否得到默许了不确定，但如果推理真的要引爆，那就水涨船高阳光普照了...

总之现在市场对 AI 的追逐，或者说寻找 “AI 新标的” 的热情极其高涨。MS 搞了个 AI 股票坐标系，横轴 AI 收入占比%，纵轴是 25 年 PE multiple。静态去看的话，当然是越处于东南方向的越好。动态去看的话，大家都会往右边走，谁能保持在趋势线下方就是价格更划算。其实这种坐标系，潜台词就是 AI 占比越高市场给与更多追逐从而会带来更高估值溢价。那处于趋势线下方的且偏离较远的，都是 “潜力股”。

标的不够？MS 给了另一张图，IDC 里面各个公司的 AI 收入占比：

推理需求到了 70%？

上周末 The wire 对 Jensen 的采访广泛传播，但其中一个细节被修改了（来自读者 Dai 的提醒），很微妙。原文中 Jensen 表示 “如果我猜的话，Nvidia 今天的业务可能是 70% 的推理，30% 的训练。” 之后似乎是被公关修改了：

言之凿凿的 70%，再考虑上下文，不像是口误，更像是说漏了。被公关也合理，毕竟和财报披露口径差别太大。而且 Dai 分析很有道理，全年 40%，年初很低的话，年末到了 70% 也很合理。

Alchip 世芯业绩会上要点

ASIC 市占率已经是纯 ASIC 公司第一名，就算跟 MTK、AVGO、MRVL 比，也只输给 AVGO；来自最大客户（亚马逊）的 PO 持续上升，相比之前要上修了，且这颗新的 chip 生命周期和需求都比之前预期的要大。客户给的 5nm 新产品的 forecast "too good to be true"

国产 HBM 的一份纪要

国内良率 50-60% 对比海外 85%（但国内是中试线，做成量产线良率会提升很多）；国内两派，一个大家知道的 XXXX，一个是 H+XX+XX（具体放星球了）。项目定义是 3，可能要到 26 年出产品，也可能比这个更早。

马斯克除了起诉 OpenAI，今天还有个发言，增量：

我从未见过任何技术进步得像 AI 这么快，目前 AI 的增长接近每六个月增加十倍（我理解是计算量）。这就是为什么英伟达的市值如此巨大，他们拥有最好的 AI 芯片，它的市值还可能会更高，AI 芯片热潮会比任何曾经的淘金热都要大。我认为我们真的处于可能是有史以来最大的技术革命的边缘。

我们离完全自动驾驶非常接近；乘用车的平均使用时间大约是每周 10 小时，但如果实现了自动驾驶，每周使用时间可以达到 50 到 60 小时，这意味着乘用车的效用将增加五倍

张忠谋：“有人跟我要 10 个 fabs”

最近在日本一个会议上表示，有人跟他说，需要 10 个 fab 来生产 AI 芯片，“他们谈论的不是 wafers，而是 fabs” 张忠谋认为 10 fabs 过于惊人，真实的需求可能在 几万片晶圆～10 个 fabs 之间，更为合理（但这个范围也很大，也就是几万～百万片量级之间，参考英伟达 2024 需求可能也在 10 万片以上了）

月之暗面杨植麟访谈长文，干货满满，省流：

Scaling law 为什么能成为第一性原理？你只要能找到一个结构，满足两个条件：一是足够通用，二是可规模化。通用是你把所有问题放到这个框架建模，可规模化是只要你投入足够多算力，它就能变好。这是我在 Google 学到的思维：如果能被更底层的东西解释，就不应该在上层过度雕花。有一句重要的话我很认同：如果你能用 scale 解决的问题，就不要用新的算法解决。新算法最大价值是让它怎么更好的 scale。当你把自己从雕花的事中释放出来，可以看到更多。

长文本是登月第一步，因为足够本质，它是新的计算机内存。老的计算机内存，在过去几十年涨了好几个数量级，一样的事会发生在新的计算机上。它能解决很多现在的问题。比如，现在多模态架构还需要 tokenizer（标记器），但当你有一个无损压缩的 long context 就不需要了，可以把原始的放进去。进一步讲，它是把新计算范式变成更通用的基础。旧的计算机可以 0、1 表示所有，所有东西可被数字化。但今天新计算机还不行，context 不够多，没那么通用。要变成通用的世界模型，是需要 long context 的。第二，能够做到个性化。AI 最核心的价值是个性化互动，价值落脚点还是个性化，AGI 会比上一代推荐引擎更加个性化。但个性化过程不是通过微调实现，而是它能支持很长的 context（上下文）。你跟机器所有的历史都是 context，这个 context 定义了个性化过程，而且无法被复刻，它会是更直接的对话，对话产生信息。

scaling law 走到最后发现根本走不通的概率几乎为 0。模型可扩展的空间还非常大，一方面是本身窗口的提升，有很长路要走，会有几个数量级。另一方面是，在这个窗口下能实现的推理能力、the faithfulness 的能力（对原始信息的忠实度）、the instruction following 的能力（遵循指令的能力）。如果这两个维度都持续提升，能做非常多事。可能可以 follow（执行）一个几万字的 instruction（指令），instruction 本身会定义很多 agent（智能体），高度个性化。

AI 不是我在接下来一两年找到什么 PMF，而是接下来十到二十年如何改变世界——这是两种不同思维

开源的开发方式跟以前不一样了，以前是所有人都可以 contribute（贡献）到开源，现在开源本身还是中心化的。开源的贡献可能很多都没有经过算力验证。闭源会有人才聚集和资本聚集，最后一定是闭源更好，是一个 consolidation（对市场的整合）。如果我今天有一个领先的模型，开源出来，大概率不合理。反而是落后者可能会这么做，或者开源小模型，搅局嘛，反正不开源也没价值。

从 GPT-3.5 到 GPT-4，解锁了很多应用；从 GPT-4 到 GPT-4.5 再到 GPT-5，大概率会持续解锁更多，甚至是指数型的应用。所谓 “场景摩尔定律”，就是你能用的场景数量会随着时间指数级上升。我们需要边提升模型能力，边找更多场景，需要这样的平衡。它是个螺旋。

可以理解成有两种不同压缩。一种是压缩原始世界，这是视频模型在做的。另一种是压缩人类产生的行为，因为人类产生的行为经过了人的大脑，这是世界上唯一能产生智能的东西。你可以认为视频模型在做第一种，文本模型在做第二种，当然视频模型也一定程度包含了第二种。它最终可能会是 mix，来建立世界模型。

硅谷一直有一个争论：one model rules all 还是 many specialized smaller models（一个通用模型来处理各种任务，还是采用许多专门的较小模型来处理特定任务），我认为是前者。

（完）

本文作者：Jason，来源：信息平权，原文标题：《AI 硬件暴涨的一晚》

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。