AI算力芯片

AI大模型的训练和推理需要海量并行计算，GPU/加速器是唯一能满足这种算力需求的硬件。每一代大模型参数量增长10倍，对应算力需求增长更快——这是AI产业链中最直接、最核心的受益环节。 因果链：大模型参数量指数增长 → 训练算力需求每年翻3-4倍 → GPU/加速器采购爆发 → NVIDIA数据中心收入从2022年$150亿飙升至2024年$1150亿+ → 各方加速自研芯片试图打破单一供应商依赖 目前NVIDIA凭借CUDA生态和硬件性能的绝对领先，占据AI训练芯片约80%份额。但AMD、Intel、以及各大云厂商的自研芯片正在推理市场形成竞争。

AI算力芯片是当前科技投资最核心的赛道，但估值已经price in了极高增长预期。关键风险在于：如果AI大模型scaling law遇到瓶颈，或者云厂商资本支出增速放缓，NVIDIA的增速会快速回落。AMD的MI350系列（2025年下半年）是否能真正争夺训练份额值得跟踪。

上游依赖台积电先进制程（3nm/2nm）和CoWoS先进封装产能——台积电是NVIDIA和AMD的唯一代工厂。HBM内存（SK海力士、三星、美光）是GPU的关键配套，每颗H100需要80GB HBM3。 下游直接对接超大规模云厂商（微软、亚马逊、Google、Meta）和GPU云服务商（CoreWeave等），它们的资本支出计划直接决定芯片采购量。AI服务器赛道是下一级集成环节。