我们基于事实基础和框架，比较AI价值链中的基本增长潜力，并识别出赢家。

自2023年以来，关于AI繁荣与泡沫的争论持续不断。AI可能带来的结果范围极为广泛，从高级超智能到史诗级崩盘都有可能。尽管难以准确判断其确切轨迹，但我们认为，在可预见的未来，AI支出将保持健康态势。

然而，我们主要关注更可分析的问题：AI基础设施支出将流向何处，谁可能从中受益？

我们拆解了GB200 NVL72数据中心的物料清单，估算出每GW算力的全成本AI数据中心资本开支为360亿美元。该支出显著由GPU主导，且以Nvidia的毛利润美元计。网络是另一大支出项，同时在代工、HBM、WFE以及机械与电气设备方面存在明显增长空间。

我们进一步估算增量AI利润美元为：GW数 × TAM/GW × 市场份额 × 增量利润率。基于此框架，我们发现Ibiden、Unimicron及其他PCB和基板相关公司仍有进一步上涨空间，而Intel、Cisco及服务器OEM厂商相对于其在辩论中的突出地位，潜在上涨空间较低。

AI可能带来的结果范围极为广泛：一端可能是史诗级崩盘，导致数万亿美元股东价值蒸发；另一端则可能是实现高级超智能，甚至使人类走向消亡。

我们希望看到一种理想平衡状态，即AI提升生产力，推动经济新一轮增长，并帮助解决世界诸多问题。然而，我们无力对结果施加实质性影响，甚至无法提出高确定性的预测。因此，我们聚焦于能做的事：帮助投资者赚钱。

尽管我们对长期结果缺乏信心，但认为在可预见的未来，AI支出将保持健康。中长期结果高度依赖于扩展定律，而这些定律尚不可知，同时取决于下一代前沿模型的构建及其能力表现。然而，我们观察到，大多数关键科技公司的高层决策者均支持AI。此外，鉴于模型能力持续进步，我们看不到任何可能导致决策者改变看法的下行催化剂，这表明AI支出将持续保持健康。

我们估算每GW算力的AI数据中心资本开支约为360亿美元（每机架600万美元）。数据中心资本开支主要由图形处理器（GPU）主导，我们估计占总成本的38%。网络是另一大支出项，约占支出的12%。存储相对较小，而机械与电气设备支出虽显著但集中度较低。

基于此分析，我们构建了一个估算各公司与行业AI增长潜力的框架。总体而言，我们的框架极为简单：首先，上线的GW算力 × 每GW的TAM × 公司市场份额 = 公司增量收入。此外，增量收入 × 增量利润率 = 增量利润美元。

尽管这些AI增长潜力的估算并不精确，但我们发现PCB、基板、GPU、ASIC及电气类股票仍可能有进一步上涨空间。除了NVIDIA和Broadcom等市场热门标的外，我们还发现Ibiden、Unimicron、GPU与ASIC相关公司如Advanced Micro Devices（AMD）和Mediatek（已覆盖），以及电气类公司如Eaton，均可能相对于当前利润规模展现出巨大上涨机会。

尽管美中AI竞赛仍是热点话题，但美国显然在增加算力，而中国尚未接近。然而，这一背景也解释了美国对AI和半导体领域的出口管制。

AI是驱动市场的最大主题。自2022年11月ChatGPT发布，以及NVIDIA在2023年5月超出预期并上调指引以来，AI一直是推动公开市场的单一最大主题。超大规模资本开支指引指向2025年数据中心资本开支超过4000亿美元，相当于2025年预期全球GDP增长的约20%，预计2027年将超过6000亿美元（参见我们的报告《4Q25 AI服务器脉搏：加入OpenAI俱乐部以维持势头？》）。因此，从2023年5月至2026年2月，我们粗略的AI股票篮子（$ ^{1} $）的2025年收入整体修订约9%，EBIT和净利润修订约26%，自由现金流（FCF）修订约22%（见图1）。

在每个周期的顶峰，看涨者都声称“这次会不同”。长期投资者可能会感到似曾相识。科技行业有着丰富的过度乐观历史。此外，科技行业以巨大的成本下降为特征：摩尔定律意味着半导体和硬件计算成本应以惊人的30%年复合增长率下降。AI显然也不例外：支撑AI计算建设的GPU从2012年的K20X到2022年的H100，性能提升了1000倍（约10年100%的年复合增长率）。进展仍在继续，Rubin在推理方面实现了5倍性能提升，在训练方面实现了3.5倍提升，超越Blackwell。成本下降的另一面是，它创造了强烈的激励，要求产能扩张速度与终端用户采用速度相匹配，通常会导致初始过建后出现技术消化周期。在这种情况下，目前似乎几乎没有疑问的是，产能建设已超过终端用户需求。我们此前估算，2024年企业终端用户需求可用约5万个H100满足（更多细节请参见我们的报告《智能革命：规模有多大？我们沿途寻找哪些信号？》），而当年估计的GPU出货量为400万块（2026年预计为950万块）。因此，自始以来就存在泡沫担忧（参见我们2023年7月的观点：AI基础设施：建设规模巨大。繁荣还是泡沫？）。不难想象一个场景：建设速度超过终端用户采用，导致运营商缩减投资，直到需求赶上其产能。

但也许这次真的不同。尽管AI产能可能超过终端用户需求，但领先模型的能力仍在持续提升，并已在实际基准测试中达到人类水平，例如OSWorld，该测试评估大型语言模型使用计算机的能力（见图2）。科技行业参与者正越来越多地讨论加速主义情景，即每一代AI模型都越来越有能力帮助构建下一代模型，使AI领导者进一步拉开与竞争对手的距离，从而推动赢家通吃的结果，合理化激进投资，直至AI采用达到临界点。因此，仍有充足的需求部署额外容量用于训练，且似乎几乎没有闲置产能。

人工智能的潜在结果范围显然很广。我们对企业的AI总可寻市场（TAM）进行建模，得出悲观情景下为6,000亿美元，乐观情景下可达1.1万亿美元。在最高层面，AI需求主要取决于两个相关问题，而这两个问题目前都难以回答：第一，生成式AI带来的生产率提升有多大；第二，模型能力是否会随着计算资源的增加而持续扩展。显然，双方阵营都有聪明人，据我们所知，除了构建下一代AI模型并观察其表现外，别无他法来解答这个问题。但后果十分明显。在极端情况下，如果下一代模型仅带来有限的增量能力，可能会抑制对训练新模型的投资意愿，DeepSeek的案例表明，推理工作负载有可能大幅缩减。在这种情景下，即使需求下降，供应仍可能继续增长，导致大规模消化周期，大量股东资本被抹去，并最终稳定在当前水平以下（当需要投入资金支持新模型训练时）。在相反的极端情况下，可以设想一个场景：AI模型将持续变得更大、更好，直至实现高级超智能并取代人类——在这种情况下，AI行业将随供应能力快速扩张，直到达到该点。至于该点之后会发生什么，已超出普通人类的预测能力。无论如何，我们以Anthropic经济指数的估计为基准，即30%的知识型劳动者任务可由AI处理，并尝试建模两种情景，得出悲观情景下为6000亿美元（见图3），乐观情景下为1.1万亿美元（见图4）。

尽管难以确定确切的发展路径，但我们认为未来一段时间内AI支出仍将保持健康。我们观察到，大多数关键科技公司中，AI支持者主导了决策。此外，即使悲观情景成真，我们相信前沿模型的持续进展仍可能支撑对AI投资的信心，且我们无法预见会促使科技决策者改变看法的下行催化剂。总体而言，我们认为未来一段时间内AI支出将保持健康。

如果我们无法对周期做出高信心判断，那还能做什么？我们将本报告其余部分专注于那些我们实际上可以回答的问题：AI基础设施支出将流向何处，谁可能受益。通过这一分析，我们建立了一个识别具有最大AI潜力标的的框架，同时我们也注意到，若发生消化周期，该框架同样可用于识别下行风险，或用于配对交易那些基本面暴露程度相对更高或更低的标的。

我们估算，典型的GB200 NVL72机架成本约为每机架350万美元。加上每机架约250万美元的物理基础设施成本，这意味着每机架全投入资本支出（capex）约为600万美元，即每瓦特（GW）3600万美元。这一估算显著低于英伟达在FY26 Q2财报电话会上给出的500亿至600亿美元数字——我们认为英伟达是在展望未来的产品周期（见图5和图6）。

数据中心资本支出主要由GPU主导，我们估算其占总成本的38%，而英伟达毛利金额占总成本的32%。英伟达约70%的毛利率意味着其毛利金额约占AI数据中心支出的30%。即便专用集成电路（ASIC）的毛利率较低，AI ASIC仍很可能以显著优势成为最大的成本项：假设GPU与ASIC的制造成本相同，但ASIC毛利率为50%，这将使加速计算设备价格从约230万美元降至约80万美元，总资本支出减少约25%，但仍占ASIC数据中心资本支出的18%以上。

网络是另一大开支项目，约占支出的12%，尽管网络支出也更分散于不同类型的设备。存储则相对较小，占支出不足2%。

GPU与ASIC之间，晶圆厂、高带宽内存（HBM）及晶圆制造设备（WFE）供应商所获得的份额差异显著。以GB200 NVL72为例，晶圆厂可获得数据中心资本支出的2.5%-3%（11亿美元/GW），若再计入CPU，则额外获得约1%（30亿美元/GW）。HBM可获得3%-3.5%（11亿美元/GW）。WFE可获得3%-4%（12亿美元/GW）。而采用ASIC时，这些供应商能获得更高份额，因为相同的资本支出可购买更多芯片。

机械与电气设备的支出分布较分散，但主要项目包括柴油与燃气发电机及涡轮机（约占支出的6%）、不间断电源（UPS，约4%）以及变压器（约5%）。热管理占支出比例相对较小（约4%），且仍分为风冷与液冷，但我们预计支出将继续向液冷倾斜。我们预计在2027年Rubin Ultra中，机架内电力组件含量将提升至7-8倍，得益于800V高压直流设计。

鉴于IT硬件（如服务器和网络设备）的折旧周期远短于机械与电气设备或土地与建筑，且运营成本相对较低，真实经济成本可能比现金资本支出所暗示的更偏向服务器与网络设备。即使电价高达0.15美元/千瓦时，运行一瓦数据中心容量一年的电费也约为13亿美元。人员成本也微乎其微，据报道，20吉瓦的数据中心仅需8至10名员工，每人年薪约3万至8万美元。

基于此分析，我们构建了一个自上而下的框架，用于估算2025-2027年各行业的AI增长潜力。提醒一下，这并非我们对覆盖公司进行预测的方法——其目的是作为自上而下的框架，简化跨不同行业公司的比较，并将比较延伸至未覆盖的公司。

我们进一步拓展分析以估算市场份额与收入。除我们估算的各垂直领域的增量TAM外，彭博新能源财经预测2027年将有16吉瓦的产能，结合我们对市场份额的估算，可得出每家公司的增量收入估算为：16吉瓦 × 每吉瓦TAM × 市场份额。

我们进一步回归季度环比增量收入与EBIT的关系，并用斜率作为增量AI收入利润率的估算值，从而估算增量利润金额为：增量收入 × 增量利润率（见图7）。

从前瞻性角度看，我们发现Ibiden、Unimicron以及其他PCB和基板类公司可能具有极高的增长潜力，其中Unimicron尤其可能从ABF基板和HDI的多个大机会中受益。Ibiden可能因英伟达AI基板升级而获益最多，因内容量每代翻倍。我们的分析还发现，（除行业热门股如英伟达和博通外），GPU和ASIC类公司如AMD、联发科、美满电子（未覆盖），以及电气类公司如伊顿（Eaton），都可能相对于当前利润基础获得巨大增长机会。

相反，英特尔和思科（未覆盖），以及服务器OEM厂商（戴尔和惠普企业，均受覆盖），相对于其在AI讨论中的重要性，暴露度相对较低。

尽管这些AI增长潜力的估算并不精确，且估值已包含众多非AI因素，但初步比较估算的AI增长潜力与市盈率，指向Unimicron仍有进一步上涨空间。相反，英特尔以及程度稍轻的Arista和Amphenol（均未覆盖），尽管AI机会较为温和，但估值显得偏高。

我们承认，该分析基于对GB200周期的静态视角，部分错配可能源于尚未反映在我们估算中的前瞻性趋势。特别是，我们看到Delta在机架内电源方面存在显著增长潜力，英伟达和博通在内容与订单积压增长方面，联发科在张量处理单元（TPU）放量方面，以及SanDisk、三星、美光、SK海力士和铠侠（均受覆盖）等内存与存储玩家，由于快速的内存价格上涨和Rubin周期中的内容增长，也存在巨大机遇。

蓬勃发展的美中AI竞赛为AI讨论增添了地缘政治维度。在这一对比中，常被观察到的是，美国拥有芯片但缺乏电力，而中国拥有电力但缺乏芯片，这引发了哪个国家实际上正在投入更多算力的问题。

然而，经过仔细审视，美国显然在增加算力，而中国并未特别接近。我们估计，美国及其盟友在2025年增加了超过25 × 10^21次浮点运算每秒（ZFLOPS）的AI加速计算能力（FP16稀疏），而中国仅为不到1 ZFLOPS（见图8和图9）。此处的简单计算是，我们估计中国在2025年出货了约150万片本地AI芯片。以华为Ascend 910B为基准，该芯片提供0.4 × 10^15次FP16浮点运算每秒（PFLOPS）

这意味着中国在2025年新增的算力容量约为0.6 ZFLOPS。此外，2025年一些来自NVIDIA和AMD的低端芯片也运往中国（我们估计这将再增加0.2-0.3 ZFLOPS），但可以肯定的是，中国在2025年总共新增的算力不足1 ZFLOPS。相比之下，400万片NVIDIA Blackwell芯片，每片4.5 PFLOPS，将增加18 ZFLOPS的算力容量。考虑到TPU和AI ASICs，总容量应至少达到26 ZFLOPS。

从更宏观的角度看，尽管中国新增的总电力容量远超美国，但美国在2025年新增的数据中心容量更多，无论是总体容量还是针对AI的特定容量。中国新增的总电力远超美国——2025年总电力容量超过500GW，而美国约为30GW。然而，对于数据中心而言，中国在2024年新增3.9GW，而美国为5.3GW，而对于AI而言，我们认为差距甚至更大。同样，我们观察到中国的云服务提供商（CSPs）在AI投资方面比美国更为保守——我们估计中国AI资本支出仅为美国的20%。

在供应受限的建设过程中，总会存在瓶颈，而中国的芯片产能不足使其在容量增加方面远低于美国的电力受限建设。虽然中国拥有全球约30%的总芯片晶圆产能，但大多数属于落后工艺，且缺乏逻辑或特别是先进逻辑（7nm及以下占7%），实际先进逻辑产出份额更低，这是由于良率较低以及节点技术较落后所致。

中国正在迅速增加产能，但如果预计7nm等效AI芯片出货量在2025-2030年间以100%的复合年增长率增长，那也意味着中国在2030年将达到19 ZFLOPS，仍低于美国当前水平。不过，离最终目标——先进通用智能（AGI）越远，AI竞赛持续时间越长，中国就越有机会缩小与美国及其盟友之间的差距。

需要注意的是，严格来说，与中国的比较中，美国实际上（主要）既没有芯片也没有电力。目前拥有芯片的是美国的盟友，尤其是韩国和台湾。这使美国的禁令（涵盖AI和半导体）显得合理（中国有充足的电力，限制其购买或建造AI是合适的），同时也解释了美国本土化努力的合理性。从长远来看，美国在AI上的领先也可能进一步加剧紧张局势，因为中国可能感到压力，采取更激进的行动（如台湾问题？），或面临输掉竞赛的风险。

Broadcom（跑赢大盘，目标价525美元）：强劲的2025年AI轨迹似乎将在2026年加速，得益于软件、现金部署以及卓越的利润率和自由现金流。

NVIDIA（跑赢大盘，目标价300美元）：数据中心的机会巨大，且仍处于早期阶段，仍有重大上行空间。

AMD（市场表现持平，目标价235美元）：AI预期依然很高，但与OpenAI的新合作有望推动进一步（可能显著）增长。

Intel（市场表现持平，目标价36美元）：Intel的问题已凸显，尽管特朗普总统的支持有所帮助。

Delta Electronics（跑赢大盘，目标价NT$1,830）：我们对Delta更清晰的AI产品路线图持乐观态度。

Chroma ATE（跑赢大盘，目标价NT$1,660）：我们认为Chroma是AI时代功率/热管理需求上升的关键结构性受益者。我们对其在CPO相关测试设备方面的潜力也感到鼓舞。

Unimicron Technology（跑赢大盘，目标价NT$610）：我们对Unimicron参与EMIB-T和CPO等长期项目感到鼓舞，并对其基板价格上涨的可见性感到乐观。

Quanta Computer（表现弱于大盘，目标价NT$250）：买-卖模式可能在2026年继续保持。然而，部分客户可能会转向寄售以降低融资成本。GB300混合比例上升以及2026年第四季度潜在的Rubin出货将加剧利润压力。

Eaton Corporation（跑赢大盘，目标价428美元）：Eaton受益于吸引人的多年终端市场增长，特别是在数据中心领域，瓶颈持续存在，设备需求高，订单和 backlog 保持健康。

Hubbell Incorporated（跑赢大盘，目标价553美元）：Hubbell受益于吸引人的多年终端市场增长，特别是在数据中心领域，瓶颈持续存在，设备需求高，订单和 backlog 保持健康。

ASML（跑赢大盘，目标价欧元1,700和美元1,971）：ASML受益于全球领先逻辑和存储产能扩张，以支持AI产能建设。

Ibiden（跑赢大盘，目标价9,200日元）：Ibiden主导GPU基板供应，受益于基板面积扩大和向EMIB-T迁移。

Infineon（跑赢大盘，目标价52欧元）：作为AI电源半导体的主要供应商，Infineon预计其AI收入今年将翻倍，明年再增长67%，以推动盈利增长。

Renesas（跑赢大盘，目标价3,300日元）：作为AI半导体在电源、内存接口和时钟/定时IC领域的关键供应商，同时涉足AI GPU和ASIC，Renesas预计其AI收入今年将翻倍。

DISCO（跑赢大盘，目标价70,800日元）：DISCO是研磨机和切割机的主导供应商，这些设备用于所有类型的AI先进封装。

Advantest（市场表现持平，目标价26,000日元）：Advantest是高性能计算（HPC）和AI高端SoC测试设备的主导供应商。

Besi（跑赢大盘，目标价195欧元）：Besi是混合绑定器的领先供应商，可实现HPC和AI的先进逻辑处理器。

Tokyo Electron（跑赢大盘，目标价56,800日元）：作为WFE行业第四大玩家，TEL提供多种设备，包括轨道、刻蚀和沉积设备。它还提供晶圆探针仪用于测试，以及HBM的临时键合机。

Kokusai（跑赢大盘，目标价8,620日元）：专注于批量原子层沉积（ALD）的细分领域，Kokusai在我们的覆盖范围内具有最大的存储暴露，尤其是NAND。

Lasertec（跑赢大盘，目标价41,000日元）：我们预计其极紫外（EUV）光刻检测渗透率将推动先进逻辑进展。

Screen（市场表现持平，目标价21,600日元）：鉴于其对先进逻辑的倾斜暴露，我们预计Screen将从台积电（已覆盖）的产能扩张中受益。

快速扫描生成式AI热潮如何转化为基本面修正和股价变动

ChatGPT于2022年11月30日发布，投资者并未忽视这一点（初始伯恩斯坦观点参见报告：NVIDIA（NVDA）：自下而上评估ChatGPT机遇，NVIDIA（NVDA）：变得更聪明……AI - ChatGPT（第二部分）——自下而上评估LLM训练规模，以及美国互联网周末：AI会杀死谷歌搜索吗？，以及Bob Brackett与ChatGPT的难忘联合报告：伯恩斯坦能源与电力：为什么我（而非ChatGPT）才是您值得信赖的分析师）。然而，直到NVIDIA在2023年5月24日的FQ1 24财报电话会议上大幅超出预期并上调指引（参见报告：NVIDIA（NVDA）：FQ124回顾 - 大爆炸），才清楚生成式AI将成为当年的定义主题。两年后，企业CIO们正描述AI的关注度为“全面性”，有影响力的声音公开讨论2027年前出现人工超级智能的可能性，$ ^{1} $ 而根据戴尔的说法，AI资本支出正推动美国GDP增长的45%。$ ^{2} $ 在此背景下，我们进行宏观审视，盘点自2023年5月以来AI相关股票的预期变化——以及这对AI相关股票意味着什么。

我们的分析基于2023年5月23日（NVIDIA FQ1 24之前）的共识预期，涵盖2024-2026年的收入、EBIT、净利润和自由现金流，与2026年2月23日的最新数据进行比较，并与市值和企业价值（EV）的变化相对照。我们在一个包含大量美国上市股票的名单上运行分析，这些股票可能具有AI暴露——包括所有硬件和半导体股票，以及一份选定的工业、能源和公用事业全球行业分类标准（GICS）行业和子行业清单。本章末尾的附录中提供了更多方法论细节。

AI价值链中的修正非常显著，投资者似乎最愿意为收入修正支付溢价。总体而言，受影响股票名单中的公司经历了显著修正，2025年收入平均修订8.9%，EBIT修订25.6%，净利润修订25.5%，自由现金流修订21.5%，相比2023年5月的预期——推动企业价值从2023年5月到2026年2月增长111%。我们还观察到，子行业层面的价格反应与收入修正的相关性最强——表明投资者最愿意为收入加速支付溢价。

• 我们所关注股票池中的修正非常显著。总体而言，137家相关公司的总2025年数据相比2023年5月的预期，收入增长8.9%，EBIT增长25.6%，净利润增长25.5%，自由现金流增长21.5%（见图1）。

• 修正带来了显著的市值增长。这些修正推动了市值的显著重估，名单中公司总价值在企业价值方面从2023年5月23日到2026年2月23日增长111%，在市值方面增长133%（见图2）。这在一定程度上是由市场估值膨胀驱动的，标普市盈率从19.0升至26.6，上涨39%，企业价值/收入比上升41%。然而，即使考虑整体市场估值膨胀，这些公司群体的综合市盈率也增长了85%，代表在此期间相对估值提升了约46%。

• 投资者似乎认为这些修正具有结构性而非周期性，这有助于推动估值重估。与直觉一致，子行业层面的修正幅度与价值变动之间存在明显相关性（见图3）。我们还观察到，行业层面的修正与相应估值之间存在正相关关系（见图4至图6），这表明投资者将大部分积极修正视为增长的结构性加速，而非更周期性的行业，其中积极修正通常被视为受周期时机驱动，且与估值呈负相关（例如石油与天然气储存与运输，见图7）。这一点在半导体行业中尤为突出，历史上半导体行业一直被视为更具周期性行业（更多详情请参见报告：美国半导体与半导体资本设备——进入下半年时，估值与修正在做什么？）。这反过来表明，尽管关于消化周期风险的持续辩论仍在继续，但共识仍愿意承担这些风险。

• 投资者最愿意为收入修正支付溢价。在子行业层面，我们观察到企业价值/收入和收入修正之间的关系比其他估值指标更一致（见图8），而企业价值/EBIT倍数也表现出较强的相关性。这表明投资者最愿意为收入加速支付溢价，且仅开始前瞻性地关注2026年的数据。企业价值/自由现金流倍数在2025年表现出强相关性，但在2026年则不明显，这可能表明2026年自由现金流估计中的一些变动被视为噪音，而历史自由现金流则更真实。

在行业层面，半导体股票是最大赢家——这由更显著的修正所证实。半导体股票是行业层面的最大赢家，总企业价值增长277%，而标普指数为62%，尽管电子元件紧随其后，增长274%（从2023年5月23日到2026年2月23日）（见图9）。然而，这得到了更大的修正的合理支撑，半导体2025年收入预期增长84%，远高于下一最高行业电子元件的44%。我们还观察到，电子元件股票（如Amphenol和Corning，均未覆盖）尽管修正有限，但实现了类似的估值扩张。硬件股票表现出广泛差异，这与该行业的异质性和高分散性产品组合特征一致。

我们对行业层面进行了重新分析，以更好地观察个股层面的变动情况（详见图10至图20；被分析公司的屏幕截图可在本章末尾的附录中找到）。在个股层面，英伟达依然是表现最突出的公司。超微（已覆盖）也因其异常表现获得有限认可，但可能与其低利润率和会计问题有关。Vertiv（未覆盖）在工业板块中也表现出异常：其收入修正值与其他同行相比尤为显著，尽管与科技类公司相比显得较为温和，但考虑到利润率扩张，修正数据看起来更为健康。

• 英伟达在个股层面显然表现最为突出——实际上其EBIT经历了多次压缩。英伟达在EBIT基础上确实经历了多次压缩（见图10），股价约6倍的上涨主要由4.7倍的收入修正（见图11）以及从2023年5月23日至2026年2月23日超出预期的利润率推动；2025年EBIT的EV/倍数实际收缩了6%。因此，尽管该公司在此期间是涨幅最高的股票之一，但其涨幅相较于修正幅度而言仍相对温和。

• 超微也因其异常表现获得较少认可，但可能与其低利润率和会计问题有关。超微在收入表现上同样是异常突出，自2023年5月23日至2026年2月23日，收入预测增幅超过200%（见图13）。然而，其收入增长带来了利润率稀释（见图12），加之对会计质量及增长可持续性的担忧，这可能解释了其估值重估相对温和的原因。更多详情请参见伯恩斯坦《IT硬件：智能革命——行业启动报告》（推荐 - AAPL, DELL, STX, SNDK）。

• Vertiv也是另一家表现突出的公司，但其估值提升更多来自利润率扩张而非科技类公司。Vertiv相对于其同行也表现出异常业绩，公司已在液冷生态系统中确立了关键地位。尽管如此，尽管Vertiv的收入修正值比同行更显著（见图15），但相较于科技类公司仍显得较为温和。然而，Vertiv也经历了显著的利润率扩张，使其在EV/EBIT基础上的估值重估显得更具合理性，而不仅仅是在EV/收入基础上。

相反，博通和纯存储（未覆盖），以及公用事业类公司如维斯特拉和AES，尽管收入修正幅度较小，却经历了显著的估值扩张。同样，尽管这些公司频繁出现在人工智能讨论中，数据中心房地产投资信托基金（REITs）的财务数据并未受到明显影响。

• 博通的市值增长与英伟达相当，尽管其收入修正幅度较小——我们认为这是合理的。在半导体领域，博通的市值增长与英伟达相似（分别为468%和476%），尽管其修正幅度小得多（2025年自由现金流增长69%，而英伟达为725%）。但我们认为这一走势是合理的，原因在于：（1）存在时间差，博通的拐点主要出现在2026-2027年（尤其是博通与OpenAI的合作；详见我们的报告《博通（AVGO）：加入OpenAI 10GW俱乐部……》），因此2025年的数据尚未反映增量收入；（2）博通受益于ASIC建设，而这对英伟达而言被视为潜在风险；（3）有观点认为，英伟达的估值重估不足，而非博通过度重估。

在更广泛的范围内，半导体行业呈现出明显的分化趋势，赢家与输家泾渭分明。虽然半导体行业的整体表现强劲，无论是收入修正还是估值重估方面，但主要由极少数赢家驱动。仅英伟达就贡献了2025年收入修正的97%。当我们纳入更广泛的明确AI赢家（按我们的标准：英伟达、博通、AMD、美光、马维尔、泛林集团、应用材料、KLA公司$^{4}$）时，这些赢家的收入修正平均增长101%，并获得了相应的回报，即EV增长392%。相比之下，该领域其余公司则面临显著的负向修正（2025年收入下降19%），且超过100%的EV增长来自估值扩张（见图21）。这一格局在考察2026年修正或使用EBIT而非2025年收入时依然成立（见图22）。输家的负向修正分布广泛，23家公司中有19家在2025年收入预测上出现负向修正。$^{5}$ 尽管英特尔在绝对金额上的修正损失最大，但Microchip、Enphase和Solaredge（均未覆盖）的修正比例低于-50%，是受影响最严重的公司。不过我们注意到，赢家通常在2023年5月时已是规模更大、更重要的公司（2023年5月的中位市值为910亿美元，而输家为160亿美元）；2023年赢家占市场总值的66%，到2026年2月23日已上升至88%，因此行业表现更多由赢家驱动而非输家。

• 纯存储也因有限的修正实现了重大估值重估。纯存储的表现尤为突出，其股价几乎完全依靠估值重估实现三倍增长（见图12）。然而，多头投资者可能会认为，纯存储软件授权协议（特别是与Meta的合作）带来的潜在收益尚未充分体现在当前数据中，这一点尤其重要，因为这些协议的利润率很可能远高于纯存储的传统业务。

• Pure Storage has also seen a major re-rating despite limited revisions. Pure Storage also appears notable, given that the stock has tripled almost entirely on multiple re-ratings (Exhibit 12). However, bulls will likely argue that upside from Pure Storage's software licensing deals (notably with Meta) are not fully in the numbers, which is especially notable, given that these deals are likely to be much higher margin that Pure Storage's traditional business.

• 投资者并不将油轮和LNG股票视为真正的AI标的。偶尔有讨论将LNG管道和油轮视为AI相关标的（例如参见我们的报告《美国天然气：努力避免被AI列车碾过……将EQT从跑输大盘上调至与大盘持平》），因此我们将这些股票纳入分析。然而，投资者共识似乎并不认为这些公司是真正的AI标的，其修正数据与估值重估呈负相关（见图7和图18），这更符合周期性修正而非主题性重估的特征。

• 数据中心REITs的财务数据受到的影响出人意料地有限。尽管这些公司频繁出现在AI讨论中，但数据中心REITs（Digital Realty和Equinix，均已被覆盖）的财务数据变化出人意料地有限（见图19和图20）。不过，Digital Realty已报告创纪录的开发项目管线，这可能反映了更长的建设至收入周期，影响将在未来显现，而非真正未产生实质性影响。

• 公用事业板块有四家公司出现了显著的估值重估（Vistra、Constellation、NRG Energy和AES；均未覆盖），尽管AES的修正为负，NRG处于中等水平。这很大程度上是因为这些公司在核电方面拥有大量产能——多头认为核电对于支持AI基础设施建设所需的稳定能源供给至关重要，因此他们可能认为这些公司长期将受益，尽管目前对短期财务数据影响有限。

图21：半导体行业赢家与输家：2025年共识收入修订与自2023年5月23日以来的重估对比

注：赢家定义为英伟达、博通、AMD、美光、泛林集团、先进材料公司和KLA公司（均在覆盖范围内），以及马维尔（未覆盖）。输家定义为4530 GICS代码下的其他公司。总重估计算为EV变化减去总修订值。

图22：半导体行业赢家与输家：2025年与2026年收入及EBIT修订情况（自2023年5月23日起）

注：赢家定义为英伟达、博通、AMD、美光、泛林集团、先进材料公司和KLA公司（均在覆盖范围内），以及马维尔（未覆盖）。输家定义为4530 GICS代码下的其他公司。总重估计算为EV变化减去总修订值。

• 对每个在范围内的公司，我们收集了：

• 收入、EBIT、净利润及自由现金流（FCF）

• 截至2023年5月23日及2026年2月23日

• 修订值计算为在2023年5月23日至2026年2月23日期间，同一指标在同一时间段内的价值变化百分比。

• 多重变化由价值变化和修订值共同计算得出。

• 分析对象为美国上市股票，且市值超过20亿美元，属于以下GICS行业组/行业/子行业（因高关注度AI公司集中于这些分类）：

• 硬件——GICS 4520行业组

• 半导体——GICS 4530行业组

• 建筑与工程公司——GICS 201030行业

• 电气设备——GICS 201040行业

• 电力公用事业——GICS 55101010子行业

• 独立电力生产商——GICS 55105010子行业

• 可再生能源——GICS 55105020子行业

• 油气储存与运输——GICS 10102040子行业

• 数据中心/塔式REITs及加密货币矿工

• 数据中心REITs——GICS 60108050子行业

• 电信塔REITs——GICS 60108030子行业

• 加密货币矿工：IREN有限公司、Core Scientific、Riot Platforms、MARA Holdings、CleanSpark（均在覆盖范围内），Applied Digital、Terawulf、Cipher Digital、Bitfarms（均未覆盖），尽管最终仅Riot被纳入分析。

• 排除所有在2023年5月23日无2026年收入预测的公司

• 分析高度依赖普通最小二乘法（OLS）回归，该方法对存在大量异常值的数据集极为敏感。尽管最小绝对偏差可能更合适，但Excel不支持该方法。

• 异常值数量也使得对全部股票列表进行分析变得困难，因此分析是按行业或行业聚合进行的。

• 2027年被排除，因为截至2023年5月23日，彭博社缺乏部分关键公司的2027年预测数据。

• 由于2023年5月23日缺乏预测数据，多个关键公司被从数据中剔除，尤其是GE Vernova（未覆盖），当时该公司尚未独立。

谁在引领——更重要的是，行业整体模型进展趋势如何

随着11月17日发布的Grok 4.1、11月18日发布的Gemini 3 Pro、11月24日发布的Claude Opus 4.5以及12月1日发布的DeepSeek v3.2，我们在2025年底迎来了四款声称是领先前沿模型的新模型。在本章中，我们审视这些声明及其对我们覆盖股票的影响。

我们认为Gemini 3 Pro和Claude Opus 4.5并驾齐驱，对DeepSeek宣称领导地位持更谨慎态度。这三家公司均发布了基准测试结果，显示自身为领导者，这符合模型开发者长期选择有利基准的传统。尽管第三方基准测试仍在进行中，但我们认为早期结果显示Gemini和Claude并驾齐驱，而Grok 4.1领先于GPT-5。

• 四家模型开发商均发布了基准测试结果，显示自身为领导者（见图1至图4）。若不加批判地看待，这似乎表明作为最后发布的一款模型，DeepSeek是领导者。

• 然而，模型开发商长期以来一直有选择有利基准的习惯，DeepSeek的基准测试尤其可疑。我们注意到，模型开发商长期倾向于选择有利于其模型的基准。DeepSeek所选基准尤为可疑，因为其未将Claude Opus 4.5纳入基准测试——即便如此，DeepSeek仍承认在许多代理使用场景中落后，尽管其声称在推理方面处于领先地位（见图4）。公平而言，鉴于DeepSeek V3.2是开源模型，终端用户可轻松自行测试，外部基准测试的重要性降低，这或许解释了DeepSeek基准测试的可疑性源于疏忽而非数据操纵。

尽管第三方基准测试仍在进行中，我们相信早期结果表明Gemini和Claude并驾齐驱——而Grok 4.1领先于GPT-5。令人遗憾的是，我们偏好的第三方基准之一OSWorld遗漏了几款模型。虽然OSWorld显示Claude Opus 4.5是领先的通用模型（见图5），但Gemini 3 Pro和DeepSeek并未包含在其基准数据中（GPT-5基础版本也未包含，仅包含基于GPT-5构建的代理框架）。不过，我们注意到LLMArena显示Gemini 3 Pro是领先模型，无论总体还是文本方面（见图6），而Claude Opus 4.5在各类使用场景中紧随其后（见图7）。我们还注意到，Grok 4.1在文本排名和总体排名中均领先于Claude（见图7），使其在领导地位上的主张强于OpenAI（私有）。

排名和总体排名（似乎对文本赋予极高权重），使其在领导地位上的主张强于OpenAI（私有）。

放眼全局，更重要的启示是，缩放定律显然并未终结，无论是预训练还是后训练阶段。这反过来可能重新提振AI实验室及其财务支持者快速建设AI基础设施的信心。

• 据报道，模型开发商在预训练阶段仍看到强劲结果。尽管关于预训练终结的担忧甚嚣尘上，部分源于OpenAI在Orion项目中的困境及其后续训练运行的失败，但其他模型开发商似乎仍持续在预训练中取得显著成果。我们的行业联系人表示，Gemini 3的预训练运行极为成功，团队早在2025年9月下旬就已泄露其即将成功的消息，远在后训练完成之前。因此，尽管模型开发商普遍不再披露参数数量（除DeepSeek外，其已披露v3.2拥有6850亿总参数，每token激活约370亿参数），我们相信模型规模仍在持续扩大，行业参与者多次将Gemini描述为“万亿级”模型。

• 后训练阶段也在持续扩展。尽管推理模型步骤数似乎稳定在约100步左右，但模型开发商越来越强调后训练进一步扩展的重要性，特别是合成数据和强化学习（RL）的采用日益增加。

• 随着模型持续改进，为何模型训练支出不应继续增长？我们过去曾指出，模型改进速度是该领域最重要的基本面领先指标。当前模型可能无法驱动足够生产力以证明支出速度合理。然而，我们观察到，技术领导者仍以信念为基础进行支出，即模型改进将持续甚至加速，从而拓展可覆盖的应用场景，远超当前模型能力范围。随着模型持续改进——可覆盖应用场景不断扩展——我们相信技术领导者会将其视为对缩放定律信念的验证，进而重新提振AI实验室快速建设AI基础设施的信心。更多细节请参阅伯恩斯坦IT硬件团队报告《智能革命：它有多大？我们沿途关注哪些信号？》。

尽管如此，DeepSeek（及其他开源模型）持续快速跟进的能力可能引发担忧：一旦模型改进放缓，快速跟进者构建更小模型可能迅速侵蚀前沿模型的经济性。然而，鉴于模型改进目前仍强劲，我们认为现在担心未来模型改进放缓带来的影响尚早。尽管我们对DeepSeek宣称其为行业真正领导者持怀疑态度，但我们承认它至少是快速跟进者，其结果至少与领先模型具有竞争力，尽管其算力受限（详见本黑皮书《中美算力增量对比》章节），且据称使用了明显更小的模型。我们不禁怀疑，这些结果是否会强化一种担忧：一旦模型改进放缓，快速跟进者可能迅速缩小差距。

与领先实验室相比，侵蚀模型开发商经济性，并推动生态系统陷入价格战（关于消化过程可能呈现何种形态，参见我们的报告《AI基础设施：建设规模巨大。繁荣还是泡沫？》）。不过，我们注意到，首先，由于第二梯队模型通常依赖于对前沿模型的蒸馏，前沿模型改进放缓也可能导致第二梯队模型的改进放缓，这意味着前沿与第二梯队之间的能力差距可能实际上不会缩小。更重要的是，我们相信小型蒸馏模型对模型开发商经济性存在真实长期风险。然而，鉴于模型改进仍显强劲，相应支出很可能持续，我们认为现在担心未来模型改进放缓带来的影响尚早。

尽管行业整体缩放定律状况健康，OpenAI已从该领域的明确领导者跌至可能甚至不在前三之列。外部观察者难以对具体问题形成坚定判断，但领导层显然感到担忧。鉴于缩放定律对科技股（及整体经济）的重要性，我们认为投资者应密切关注增量数据点。

• OpenAI已从该领域的明确领导者跌至可能甚至不在前三之列，原因是一系列预训练失败和高调离职事件。ChatGPT的推出开启了整个大语言模型竞赛（并使公司成为家喻户晓的名字）。然而，OpenAI的基准表现如今已落后于Gemini、Claude和Grok（见图7）。我们的行业联系人报告称，OpenAI已连续三次预训练失败，从Project Orion开始，这可能正导致公司落后于仍在实现显著预训练扩展的竞争对手，也促使其更侧重后训练而非竞争对手。由于该领域的看涨观点严重依赖于持续的模型改进，OpenAI落后于竞争对手显然构成重大风险。

OpenAI的问题出在哪里？如果不是数据问题，难道只是在核心人才流失背景下执行不力吗？一方面，Anthropic（及Grok）表现良好，表明问题可能并非数据缺口，而是更具特异性，因为另外两家初创公司面临类似的数据约束。我们还注意到，OpenAI近年来经历了多次高调离职。最明显的是，GPT-2和GPT-3的核心团队离开创立Anthropic，包括GPT-2和GPT-3开发负责人，以及Anthropic首席执行官Dario Amodei。然而，即使在Anthropic团队之外，前CTO和GPT-4/4o开发负责人Mira Murati离职创立Thinking Machines（私有），OpenAI联合创始人兼首席科学家Ilya Sutskever离职创立Safe Superintelligence Inc（私有），以及OpenAI o1推理模型团队的大部分成员被Meta挖走。一个可能的解释是，OpenAI的人才流失已削弱其执行模型路线图的能力，导致其在性能上落后。

• 或许真的是数据差距？如果是这样，谷歌岂不是领跑者？然而，Anthropic也更专注于编码和工具使用，其在相关基准测试中表现突出。这表明问题仍可能是数据差距，而Anthropic的表现优异是因其专业化而非工程或执行优势——这最终可能暗示Anthropic也可能遭遇类似问题。对于持此观点的投资者，自然结论是，谷歌——既拥有领先模型又拥有更多数据访问权——应比任何初创竞争对手拥有更长的扩展跑道，应被视为

• OpenAI 仍可能凭借其庞大且显然具有粘性的消费者用户基础形成护城河。OpenAI 仍是被最广泛采用的 AI 平台，公司披露截至 2025 年 11 月，ChatGPT 拥有 8 亿月均活跃用户（MAUs）（部分 OpenAI 投资者披露同月达 9 亿），而据多方消息来源，Gemini 在 2025 年 10 月的月均活跃用户为 6.5 亿。我们注意到，技术领域中用户行为往往具有高度粘性，OpenAI 庞大且持续增长的用户基础可能构成护城河，并为其在产品能力方面调整方向时提供一定缓冲空间。

• OpenAI 的领先地位似乎已发出警报……它会不会成为下一个 Mistral？相关担忧已十分强烈，据报道，OpenAI 首席执行官萨姆·奥尔特曼已在内部备忘录中宣布进入“红色警戒”状态，将广告、健康与购物领域的 AI 代理以及个人助理等众多项目降级优先级，转而集中精力提升 ChatGPT 的性能，包括模型表现和个性化上下文记忆。我们注意到，尽管 OpenAI 是 AI 竞赛中的领先者，但行业参与者普遍认为该行业仍处于早期阶段。若 OpenAI 无法扭转局势，其可能重蹈其他早期玩家如 Mistral（未覆盖）的覆辙——后者曾以高调发布和知名支持者亮相，但随后因核心能力竞争乏力而逐渐淡出公众视野（事实上，如今其已改用 DeepSeek 的模型来支撑自身，实质上放弃了真正创新前沿的地位）。

• 或许这些问题只是暂时性的？尽管如此，考虑到该领域进展迅速——通常新模型优于旧模型，也需承认 GPT-5 性能落后于竞争对手的部分原因在于，GPT-5 于 2025 年 8 月发布，甚至 GPT-5.1 也在 2025 年 11 月 12 日发布，均早于部分竞品模型。ChatGPT 5.2 和 5.4 后续均实现了性能提升，因此 OpenAI 所引发的诸多焦虑，或许只是对短期问题的过度反应，而该公司实际上已逐步解决这些问题。

四个模型中均未使用 Blackwell 训练，仅有 GPT-5.1 和 Grok 4.1 使用 GPU 训练，这引发了关于 ASIC 和 TPU 对 NVIDIA 护城河构成威胁的重新关注。然而，我们认为决定性主题是算力稀缺，这对 GPU 和 ASIC 均有利。

• • NVIDIA 的统治地位是否动摇？我们注意到 Gemini 3 使用 TPU v5 和 v6 组合进行训练，使其成为首个完全绕过 NVIDIA 的前沿模型。同样，尽管 Anthropic 采用多种芯片组合，但我们的行业联系人认为 Opus 4.5 主要基于 Trainium2 和 TPU 进行训练，Anthropic 也自豪于构建了相对硬件无关的技术栈。虽然 GPT-5.1 和 Grok 4.1 使用 GPU 训练，但我们的行业联系人认为两者均使用 H100 而非 Blackwell，进一步加剧了对 NVIDIA 护城河削弱的担忧。

• 然而，我们认为 GPU 与 TPU、ASIC 之间的争论忽略了整体趋势。决定性主题是算力稀缺，这对 GPU 和 ASIC 均有利，且搭载 Blackwell 的模型即将推出。

ASIC 竞争对手，且搭载 Blackwell 的模型应很快发布。我们继续认为，当前真正的问题应是‘眼前的机会是否依然巨大，还是已经缩小？’因为（希望如此）我们尚未进入 AI 硬件成熟饱和的市场。

换句话说，关键仍在于蛋糕的大小——如果蛋糕足够大，GPU 和 ASIC 均将繁荣；如果蛋糕不够大，两者都将面临困境。更多细节请参见我们的报告《NVIDIA, Broadcom - 你用一个 TPU 能做什么？》。

• Google 是四大主要模型构建方中唯一公开上市的企业，Gemini 的成功显然具有方向性积极意义，但焦点正从纯粹模型性能转向产品采纳与商业化。尽管 Gemini 相对于谷歌核心搜索业务仍占较小比重，但谷歌在 AI 方面日益增强的实力有助于消除其可能被模型构建方颠覆的生存危机感，同时 Gemini 及 TPU 的商业化潜力也存在上行空间。然而，我们认为行业正经历从单纯模型性能向产品采纳与商业化转变的范式转移。尽管 Gemini 3 是目前两大性能最强模型之一，但 Gemini 仍未能持续取代 ChatGPT 在应用商店中的榜首位置。

• 对 NVIDIA 和 Broadcom 而言，如前所述，我们继续看好 AI 支出前景对两者的正面影响，认为讨论 GPU 与 ASIC 的优劣在一定程度上偏离了重点。我们对 AI 建设保持乐观，加速计算仍是建设中最关键的一环。因此，作为两大领先的加速计算供应商，NVIDIA 和 Broadcom 均将受益于更强劲的 AI 前景。我们仍将持有这两家公司（尤其认为 NVIDIA 当前估值极具吸引力，近期停滞被夸大了）。

• AMD 可能最依赖 OpenAI 的成功，因其在其他 AI 实验室中拓展有限。然而，OpenAI 遇到的困难对 AMD 的影响较为复杂：OpenAI 可能被迫加大支出以渡过难关，这对所有供应商都是利好，但我们推测，一旦其决定缩减目标，AMD 很可能是首当其冲被削减的对象。

• 更广泛而言，我们对 AI 基础设施主题仍持根本性乐观态度。尽管情绪明显转弱，尤其是在宏观环境疲软背景下，难以对抗情绪变化，但我们认为基本面前景依然强劲，将近期的疲软视为高确定性长期持仓的买入机会。我们预计会有更多关于增量数据中心投资和产能扩张的公告，可能成为相关标的的积极催化剂。图 8 和图 9 总结了我们评估不同垂直领域对该主题暴露程度的框架，详细内容请参见本《黑皮书》中题为“数据中心物料清单”的章节。关于内存及上游晶圆厂设备（WFE）供应商的更多细节，请参阅伯恩斯坦亚洲半导体团队的报告《亚洲半导体与全球内存：两个发现，一个模拟，一个模型用于 AI》。

图 1：Grok 4.1：x.ai 公布基准测试结果

图 3：Claude Opus 4.5：Anthropic 公布基准测试结果

图 4：DeepSeek v3.2：DeepSeek 公布基准测试结果

图 5：OSWorld 智能任务基准性能对比：领先模型与部分历史案例

注：模型涵盖智能框架、专用模型与通用模型。尽管智能框架通常表现最佳，且最终本地化智能体很可能采用此类框架，但智能框架与专用模型的人类级性能在 OSWorld 上的表现未必能有效转化为其他任务，相较通用模型风险更高。Salesforce、阿里巴巴和 Alphabet（Google）已覆盖；其余为非上市公司。来源：OSWorld 基准（截至 2025 年 12 月 8 日），伯恩斯坦分析

图6：AI模型性能与规模关系

图8：GB200 NVL72估算机架资本开支分解

图9：数据中心基础设施估算资本开支分解

回应一个看空观点：为何将GPU按六至七年寿命折旧是合理的？

投资者情绪对AI投资愈发谨慎（从CoreWeave和Oracle债务信用违约互换利差飙升可见一斑）。在此背景下，关于GPU是否真能运行六到七年，以及由此推论的折旧会计是否准确反映GPU拥有与运营真实经济性的讨论再度浮现。

简而言之：是的。GPU可盈利运行约6年，多数主要超大规模厂商的折旧会计是合理的。我们观察到，运行GPU的现金成本远低于市场GPU租赁价格，这意味着长期运行旧GPU的贡献利润率相当高。即使每代GPU在价格和性能上均有显著提升，厂商仍可在五年前的A100上获得可观利润；只有当看到七年前的Volta GPU时，才接近现金盈亏平衡点。这反过来说明，五至六年折旧周期是合理的。我们推测，若算力需求放缓，老GPU可能即便仍可运行也会被关闭，但若算力需求实质性下滑，GPU折旧会计将成为投资者最不需担忧的问题。

• 旧GPU通常可运行超过约6年。通过与行业参与者交流，我们普遍得到反馈：GPU通常可运行六至七年甚至更久。尽管有少数高调案例显示GPU在约6个月后烧毁，但这些多归因于‘烧机’：随着每代GPU功耗密度上升，可靠运行所需功率与热配置也随之演变。数据中心运营商在初期使用新GPU时有时会配置错误，导致部分GPU烧毁。然而，一旦GPU正确配置，其寿命往往出人意料地长——我们与Lambda（私有）的交流表明，其寿命可达六至七年（详见报告《AI云市场：理解算力背景——与Neocloud行业专家对话》）。

• 运行约6年的GPU现金运营成本远低于市场GPU租赁价格，意味着贡献利润率很高。由于服务提供商间定价差异大（见图2），甚至同一服务商内部配置不同也存在差异，精确估算难度较大。成本方面更为不透明，服务商极少披露其成本结构。然而，从整体来看，这对本议题影响不大——GPU租赁价格明显高出现金运营成本一个数量级（见图3），即使在合理范围内调整价格与成本假设，这一差距依然成立。这表明长期运行旧GPU的贡献利润率很高，因此经济上合理延长GPU使用寿命。

GPU租赁价格明显高出现金运营成本一个数量级（见图3），即使在合理范围内调整价格与成本假设，这一差距依然成立。这表明长期运行旧GPU的贡献利润率很高，因此经济上合理延长GPU使用寿命。

• 在算力受限的世界中，对运行A100的需求依然充足。行业参与者评论表明，许多领先AI实验室坚信，更高智能是通过在更多数据和更多算力上训练模型而涌现的，这由GPT-2到GPT-3能力的巨大飞跃以及机器学习历史所证明。基于此背景，AI实验室不愿因算力竞标失败而落后于AI竞赛，因此对任何可用算力（包括旧设备）仍有强劲需求，行业分析师指出A100容量几乎已满负荷预订。这一关系仅在Volta及更早机型上出现断裂，部分原因在于Volta架构不支持Brain浮点16（BF16）格式，且性价比过低，不足以支撑为适配旧机器而重构软件。

• 综上所述，六岁GPU既可运行又具经济可行性，使六岁GPU折旧显得合理。

尽管大多数厂商受电力限制，且新款GPU具备更好的价格-性能比和功耗-性能比，但不同的功耗密度和架构意味着，为更好利用有限电力而用新GPU替换旧GPU并无意义，新GPU通常在新建数据中心上线。例外情况反而印证了规则：加密货币矿机ASIC的经济效益劣于AI数据中心，我们看到比特币矿工正在断开矿机并改用GPU以转向AI（详见报告《比特币矿工的AI投资逻辑——IREN首选股，演示文稿与核心要点》）。除加密货币矿工外，数据中心运营商倾向于尽可能长时间运行Ampere机型，同时努力建设新数据中心空间以容纳新机器——这或许有助于推动对可快速上线的带电机壳的需求。

一个细微之处是，GPU的价值可能在第一年后损失比线性六年内折旧所暗示的更大，但在那之后价值保留得相对较好。我们观察到，数据中心运营商常因‘烧机’损失大量GPU：基于前代GPU的配置可能并不适用于新型硬件，运营商需要时间摸索正确配置。同样，用户通常偏好在最新一代硬件上运行高要求工作负载（如AI训练），而将旧机器用于对性能不敏感的任务。这与市场上二手GPU通常在第一年后贬值20%-30%的观察一致，但此后价值保留情况较好。

我们还观察到，鉴于长期合同普遍存在，即使GPU折旧速度超过公司建模预期，成本也可能由最终用户承担，表现为人为抬高的价格。例如，若OpenAI与CoreWeave签订五年期H100容量合同，即使H100实际价值低于五年折旧周期所暗示的水平，经济成本也将由OpenAI承担。CoreWeave强调，大多数情况下……

其容量的大部分被锁定在长期合同中，我们怀疑其他许多云服务提供商也存在类似情况，这表明即使折旧寿命被夸大（低估了真实的经济成本），最终承担成本的仍可能是终端客户。

另一个观察是，与内存和存储不同，加速计算似乎并未按商品定价，较老的GPU售价高于性能价格比所暗示的水平。这表明终端用户仍在运行遗留工作负载，他们不愿或无法在更现代的硬件上运行，而云服务商则对这些被锁定的工作负载收取溢价。

• 加速计算似乎并未按商品定价……尽管人们普遍认为内存和存储是商品化产品，但加速计算并非如此。在商品化产品中，你预期较老GPU的价格会下降，直至其性能与更现代的产品达到价格平衡。但我们观察到，实际情况并非如此，较老GPU在市场价格下，其性能价格比明显低于现代B200（H200除外，见图4），若从单一供应商定价角度分析以提高可比性，这一现象依然成立（见图5和图6）。

• ……可能是因为较老GPU仍需用于运行遗留工作负载，从而支撑了老GPU的定价。我们推测，这是因为大量较老GPU的容量被用于运行那些不具足够重要性或成本效益，不足以支持重构为在更现代机器上运行的工作负载。这反过来又支撑了老GPU的定价。

虽然理论上这对GPU厂商不利，因为这意味着对GPU更换的需求较低，但在实践中，由于计算需求过于庞大，继续运行效率较低的旧硬件仍然具有合理性。我们的主要结论是，尽管有人担心GPU寿命被夸大，低估了GPU折旧的真实成本并美化了超大规模厂商的利润率，但这些假设（以及由此推导出的超大规模厂商折旧）实际上比空头担忧的更为合理。

图1：超大规模厂商对相关类别折旧寿命的披露

图2：GPU定价因供应商和配置不同而差异显著，使分析复杂化

按服务提供商划分的即用型GPU定价

图3：现金成本相对于定价极低，意味着运营GPU的贡献毛利较高

图4：较老GPU的租赁价格性能显著低于现代GPU

基于与行业专家的多轮交流、供应链核查以及第三方关于机架外土地与物理基础设施成本的数据，我们构建了一个GB200 NVL72 AI数据中心机架的机架级经济结构估算。本章包含我们的分析与核心结论。

我们估计，一个典型的GB200 NVL72机架成本约为350万美元。结合约250万美元的物理基础设施成本，这指向每机架600万美元的全投入AI数据中心资本支出，即每GW 360亿美元。

• 每机架350万美元用于GB200 NVL72。根据行业专家意见，并反映DRAM和NAND价格上涨趋势，我们估算典型机架的GB200 NVL72成本约为350万美元（见图1）。

• 每GW总资本支出达360亿美元。我们估算每机架机架功耗为132kW，总功耗为169kW（即机架占数据中心总功耗的78%）。这指向每GW约5.9千个机架，进而推算出每GW机架成本为210亿美元。行业联系人进一步指出，机架外物理基础设施成本约为150亿美元（即每机架250万美元），因此全投入数据中心资本支出为每机架600万美元或每GW 360亿美元（见图2）。

• 关于NVIDIA的说法？这是否只是“詹森乐观”？尽管半导体整体及NVIDIA在每GW中的机会显然巨大，但此估算明显低于NVIDIA在2026年第二季度财报电话会上提出的500亿至600亿美元/GW，更符合博通和AMD提到的每GW约150亿至200亿美元的可触达机会。我们的行业联系人明确表示，他们认为NVIDIA的数据偏高，但我们相信这是着眼于未来GPU周期，届时每机架和每GW成本将更高。

数据中心资本支出显著由GPU主导，我们估计其占总成本的38%，而NVIDIA毛利润金额约占总成本的32%。

• NVIDIA毛利润金额是AI数据中心BOM中最大的单项支出。鉴于NVIDIA约75%的毛利率，这意味着其毛利润金额约占AI数据中心总支出的32%（见图3），与机械电气设备总额（约31%）相当。尽管在GPU经济中占比相对较小，但

GPU支出的巨大规模意味着HBM、GPU硅片及其他GPU成本在整体BOM中仍为相对较大的支出项。

• 即使ASIC毛利率较低，AI ASIC仍是最大成本项。假设GPU与ASIC的COGS相同，但ASIC毛利率为50%，则加速计算价格将从约230万美元降至约80万美元，总资本支出减少约25%，但仍占ASIC数据中心资本支出的约18%。

• CPU是否仍具相关性？大致如此……从表面看，CPU仍是一项相当重要的成本项（占总资本支出的4%，与交换机等常被认为AI赢家的组件水平相当）。不过，考虑到CPU相对于GPU和GPU的支出占比极小，且GPU常作为超级芯片捆绑销售，CPU通常被视为整体组合中的附加项。

网络是另一大支出项，约占总支出的12%，尽管网络支出也分散在不同类型设备中。交换机是网络设备中最大的部分（约占总支出的3%），但其他扩展型网络如铜缆（约2%）、背板连接器（如Amphenol供应，约2%）以及扩展型网络基础设施（如网络加速器）也均具重要意义。

• 交换机约占支出的3%，且网络供应商和交换机硅设计商的利润率相对较高。尽管交换机不是巨大的成本项（可能占扩展型网络的40-50%，而扩展型网络本身占机架成本的10-15%），但其占总支出的约3%仍具相当意义。我们还注意到，由于Arstia等网络供应商在交换机硬件上获得相对较高的利润率（60%以上），且交换机硅设计商也在硅片上获得相对较高的利润率（这是COGS的最大组成部分），因此交换机在利润池中的占比可能高于其在终端用户支出中的占比。

• DPUs（3%）、铜缆（2%）、背板连接器（2%）、网络接口控制器（NICs）（2%）以及收发器（1%）均为重要支出部分。此外，这些类别中许多都有每机架内容的变化潜力，尤其是随着共封装光学的采用。

即使在高价情况下，存储也仅占总支出的一小部分，约为2%。一位行业联系人指出，典型机架拥有约2PB存储——以硬盘驱动器（HDD）每GB 0.01美元计算，这甚至可能低至每机架2万美元，或占机架成本的0.6%。值得注意的是，这重新解释了为何数据中心运营商可能更重视能效而非每GB存储价格，以及为何数据中心运营商愿意接受不断上涨的内存存储价格，即使价格上升已导致智能手机等其他领域的需求萎缩。

• 2PB存储相当于约0.6%的机架成本。一位行业联系人指出，典型机架拥有约2PB存储——以HDD每GB 0.01美元计算，这相当于每机架约2万美元，或约0.6%的机架成本——实际上低于行业专家反馈，可能是因为部分存储使用了更高成本的NAND。

• 我们是否以错误的方式思考了四层单元（QLC）闪存的争论？硬盘驱动器（HDD）与NAND闪存之间的成本差异真的重要吗？这重新诠释了Meta白皮书中的广泛争议，该白皮书主张在数据中心更广泛地使用QLC NAND闪存而非HDD。尽管每GB成本显著更高，但增量成本与总体成本相比并不显著，且考虑到（如Meta所言）QLC SSD比HDD或三重层单元（TLC）闪存更节能，这在电力受限环境中可能比增量成本节约更为重要。

• 间接支出呢？尽管直接AI数据中心存储支出相对较小，但存储也可能从AI中获得间接收益。例如，戴尔等公司认为，企业AI采用将需要对存储基础设施进行现代化改造，这反过来可能推动企业存储更强的更新周期。

不同GPU和ASIC之间，代工厂、高带宽内存（HBM）和半导体设备等上游供应商所能捕获的价值差异显著。

• 我们估计，在GB200架构下，代工厂机会约为GPU的2.5%-3%，网络和高带宽内存（HBM）机会为3%-3.5%，晶圆厂设备（WFE）机会为3%-4%。对于部署GB200 NVL72的数据中心，我们估计代工厂通过GPU、网络芯片等可获得数据中心资本开支的2.5%-3%，若CPU也由代工厂制造，则额外增加约1%。内存供应商通过HBM获得3%-3.5%。WFE供应商获得3%-4%。这相当于代工厂每GW获得11亿美元，若CPU也由代工厂制造，则再额外获得3亿美元。内存公司通过HBM将获得11亿美元/GW，WFE供应商则享受12亿美元/GW（见图4）。

• 较低的价格和利润率意味着更高的出货量，因此ASIC对代工厂和其他上游供应商而言具有更优的经济性。如果数据中心部署基于ASIC的服务器，ASIC厂商要求的低利润率意味着在相同数据中心资本开支下可以购买更多服务器和芯片。以本章前述例子为例，ASIC厂商要求50%毛利率，而NVIDIA享有70%毛利率，数据中心资本开支可降低约16%，或等价于在资本开支不变的情况下多购买约19%的机架、服务器和芯片。出于同样原因，若ASIC由联发科或Alchip等亚洲供应商提供（未覆盖），其要求的毛利率低于50%，或GPU来自要求不高的供应商（如AMD，甚至英特尔？），则代工厂、内存和WFE供应商将获得更多收益。上述百分比（占数据中心资本开支的比例）应根据采用这些供应商带来的节省相应调整。

因此，上述百分比（占数据中心资本开支的比例）应根据采用这些供应商带来的节省相应调整。

• 能效问题增加了复杂性。然而，如果我们简单假设GPU和ASIC在供应商利润率上存在差异但能效相等，则每GW收入估算不会改变。现实显然更复杂，GPU和ASIC可能针对不同应用场景优化能效。

• 这只是某一时间点的快照……但未来会如何演变？我们还认为，此处的估算受技术演进影响，可能会随时间变化，例如图5中从A100到B300的趋势所示。我们在此的分析基于配备GB200 NVL72的数据中心，未来需据此进行调整。

关于朗姆（Lam）提到其每1000亿美元数据中心投资有80亿美元的设备支出机会，有人可能认为上述3%-4%的数据中心资本开支流向WFE偏低。朗姆指出，每1000亿美元数据中心投资对应80亿美元WFE支出。我们认为差异源于朗姆的数字可能假设了数据中心部署中包含NVIDIA、AMD和ASIC供应商的混合芯片。朗姆的数字也可能包含了我们基于GB200 NVL72分析未捕捉到的一些未来变化。我们还观察到，若假设WFE支出占GPU支出的20%（因GPU占总支出的40%），朗姆的估算大致合理。虽然20%这一比例对许多ASIC供应商而言似乎合理（见图5），但对NVIDIA而言偏高，因其资本效率更高（反之，ASIC通常占总支出不到40%）。

机械与电气设备的支出分布较分散，但主要项目包括柴油和燃气发电机及涡轮机（约占支出的6%）、不间断电源（约4%）以及变压器（约5%）。热管理是支出中相对较小的部分（约4%），仍分为风冷和液冷，尽管我们预计支出将继续向液冷倾斜（见图2）。

• 备用柴油和天然气发电机及涡轮机用于冗余，是机械与电气设备中最大的部分，约占支出的6%。这些产品包括卡特彼勒（已覆盖）、MTU（隶属于罗尔斯·罗伊斯，已覆盖）、科勒（未覆盖）以及2025年4月进入数据中心发电市场的Generac（未覆盖），并于2025年下半年开始国际交付。尽管大规模电力生产不在本分析范围内（因其不位于数据中心内部，而是反映在电力成本中），但它们正日益成为讨论焦点。

• 电力分配在多个垂直领域和供应商中合计约占支出的10%。电力分配设备制造商包括伊顿（已覆盖）、施耐德电气（已覆盖）、Vertiv（未覆盖）、ABB（已覆盖）、nVent（未覆盖）和Legrand（已覆盖）等。有关电力分配玩家的更完整清单可在我们的报告《电网投资——谁是关键参与者？》中找到。电气内容的增加是该领域玩家的关键催化剂。伊顿从数据中心和分布式IT中获得约20%的收入。在传统数据中心中，伊顿每兆瓦潜在销售额可达120万至150万美元，占计算和基础设施资本开支的6%-10%。在AI数据中心中，这一机会可扩大50%，达到每兆瓦120万至290万美元，占总计算和基础设施资本开支的8%。因此，伊顿目前正投资15亿美元，以增加三相UPS、低压和中压组件、配电盘和面板板的产能，以满足数据中心的增量需求。它还优先通过并购（Fibrebond）投资模块化建设。电气元件制造商Hubbell（已覆盖）也通过收购PCX进入了该市场。

在传统数据中心中，伊顿每兆瓦潜在销售额可达120万至150万美元，占计算和基础设施资本开支的6%-10%。在AI数据中心中，这一机会可扩大50%，达到每兆瓦120万至290万美元，占总计算和基础设施资本开支的8%。因此，伊顿目前正投资15亿美元，以增加三相UPS、低压和中压组件、配电盘和面板板的产能，以满足数据中心的增量需求。它还优先通过并购（Fibrebond）投资模块化建设。电气元件制造商Hubbell（已覆盖）也通过收购PCX进入了该市场。

• 热管理相对较小，约占4%。热管理在支出中占比相对较小（约4%），仍分为风冷和液冷。尽管如此，我们预计支出将继续向液冷倾斜。此外，该领域的参与者如Vertiv对机会的看法比我们的分析更为乐观，Vertiv指出，传统计算应用下的机会为每兆瓦250万至300万美元，而在高密度计算应用中上升约20%至每兆瓦300万至350万美元。

鉴于IT硬件（如服务器和网络设备）的折旧寿命远短于机械与电气设备或土地与建筑，且运营成本相对较低，真正的经济成本可能比现金资本开支所暗示的更偏向服务器和网络设备。即使电价为0.15美元/千瓦时，运行一吉瓦数据中心容量一年的电费也约为13亿美元。人员成本也微不足道，多吉瓦级数据中心 reportedly 仅需8-10人，每人年薪3万至8万美元。相比之下，即使按六年折旧周期计算，计算与网络设备的年折旧成本也约为34亿美元。由于资本开支成本远高于持续运营成本，且硬件折旧寿命短于物理基础设施（见图6），真正的总拥有成本（TCO）经济性可能实际上比现金资本开支所暗示的更偏向服务器和网络设备。

展望未来，增量经济效应可能流向构成瓶颈或具备内容增长潜力的公司。除了当前数据中心经济的快照外，我们观察到，作为瓶颈的公司很可能捕获越来越多的经济价值，因为供应不足会推高价格和利润率。内容增长也为公司提供了捕获不成比例经济利益的机会。最后，我们认为，虽非瓶颈但掌握关键技术或能力的公司可以通过供需响应来管理供应。

• 大规模电力正日益成为该领域的瓶颈。行业参与者越来越指出，电网运营商承诺供电的土地可用性已成为持续建设的瓶颈。大规模联合循环燃气轮机制造商包括GE Vernova（未覆盖）、三菱重工（未覆盖）和西门子能源（已覆盖），它们合计拥有全球70%-80%的生产能力。

彭博共识预计，其集体产能将从2025年的约40吉瓦增长至2027年的约70吉瓦，以满足日益增长的需求，尤其是来自数据中心的需求。

• 超大规模企业正在寻找绕过这一瓶颈的方法。由于持续的产能限制，超大规模企业正越来越多地寻求替代方案，例如通过卡特彼勒（拥有Solar Turbines，即世界最大的工业燃气轮机制造商）提供的小型工业燃气轮机。卡特彼勒的发电能力还包括用于冗余的备用柴油和天然气发电机。其他参与者包括康明斯（已覆盖）、科勒（私营）、MTU，以及最近进入市场的Generac（均未覆盖），该公司于2025年4月进入市场，并于下半年开始国际交付。小模块化核反应堆（SMRs）等替代能源也被广泛探索作为潜在替代方案。

• 具备关键能力和市值的供应商能否抓住机遇？有可能……

我们观察到，行业参与者普遍对1-2年的需求可见性持信心，这可能是因为AI建设速度由电力约束决定，因此AI实验室正根据电力可用性的节奏匹配其建设进度。表面上看，这将增强电力生态系统的话语权，但我们怀疑，拥有关键技术和市场力量的供应商是否能在那时通过匹配供应增长与需求增长来把握主动权。通过这种方式，TSMC或内存供应商等厂商可能能够维持有利的需求-供应平衡，帮助管理历史上周期性行业的波动性。

• 在机架内电力方面存在显著的内容增长机会。我们模型显示，Vera Rubin（VR200）的机架内电力内容将是GB200 NVL72的2-3倍，并将在2027年的Rubin Ultra中增至7-8倍。由于GB300与GB200 NVL72的电源单元（PSU）和电池备份单元（BBU）规格相似，GB300的电力内容增长有限，但BBU采用率提高可能使电力市场规模中期提升至4.6万美元（见图7）。尽管VR200的电力设计尚未最终确定，但我们预计每机架的电力组件内容至少翻倍至8万至12万美元，因更高的机架功率和对电力稳定性要求更高（见图8），从而增加对BBU和超级电容器的需求。第一代800V高压直流（HVDC）系统预计将于2026年下半年启动。将其应用于伯恩斯坦对NVIDIA芯片的销量预测，我们模型显示电力组件市场规模在2026年将增长约70%，2027年增长30%（见图9）。更多细节请参见我们的报告《Delta Electronics：电力机架的上行空间测算；目标价上调至NT$1130》。

GPU、GPU 组件以及电气类名称似乎在该主题中具有最大的上行杠杆作用

在本章中，我们构建了一个自上而下的框架，用于估算 2025-27 年各行业的 AI 上行空间。需要提醒的是，这并非我们对覆盖公司进行预测的方式——其目的是作为一个自上而下的框架，简化不同行业公司之间的比较，并将比较扩展至未覆盖的公司。

因此，尽管我们会用覆盖公司的预测来验证估算，但本分析中的近似值本质上更为粗略，无法捕捉我们在公司特定预测中所讨论的细微差别，例如公司跨不同垂直领域的能力，以及随着 AI 数据中心形态演变，内容增减的变化。此外，对于未覆盖的公司，误差空间可能更大。在说明这一点后，我们的框架可应要求提供，我们鼓励投资者若对具体输入有异议，可自行输入假设以制定自己的估算。

在本《黑皮书》的“数据中心物料清单”一章中，我们拆解了 GB200 NVL72 的数据中心资本支出。我们估计每机架总资本支出为 600 万美元，或每 GW 360 亿美元（见图 1 和图 2）。

针对九个关键硬件和半导体垂直领域，我们利用市场份额估算，进一步估算每 GW 容量的增量收入。总体而言，我们借鉴了已有行业分析。当缺乏数据时，我们使用组内公司整体收入份额作为代理，并根据覆盖分析师的专业知识做出新假设，以弥补现有估算的不足。更具体地说：

• GPU、ASIC 和服务器、机架。鉴于我们估算 ASIC 占比低于 40%，我们将 ASIC 市场份额分配为：博通 20%、联发科 5%、美满电子 5%，其余归 Alchip（未覆盖）和其他公司。我们承认，这是一个非常粗略的估算，因为 GPU 和 ASIC 供应商的收入正在演变，例如从芯片延伸到机架，有时又排除 HBM 收入。对于服务器和机架的市场份额，我们采用了 Bernstein 亚洲科技硬件团队的 AI 服务器市场模型的估算（此处链接至模型，更多详情请参阅我们的报告《2025Q4 AI 服务器脉搏：加入 OpenAI 社区以延续派对》），但 Dell 和 HPE 除外，我们使用了它们披露的 AI 服务器收入。

• CPU。大多数 CPU 与 GPU 一起捆绑销售，例如 GB200 超级芯片，其中包含两个 Blackwell GPU 和一个 Grace CPU。然而，我们假设英特尔可能有能力

• 内存。对于内存市场份额，我们采用了伯恩斯坦亚洲半导体团队关于 CoWoS/HBM 的估算（链接 $ \underline{\text{此处}} $，² 更多详情请参见我们的报告 $ \underline{\text{全球}} $ 内存：近期上涨后还有多少上行空间？），用于 HBM 市场份额估算。我们将该数据按加权平均方式与传统 DRAM 的各自市场份额相加，得出内存 TAM 中的综合份额。

• 存储。对于存储领域，我们估计 NAND 与 HDD 的收入占比为 70%，相当于 NAND 的比特占比为 13%。随后，我们采用伯恩斯坦亚洲半导体团队的 NAND 行业模型对 NAND 进行估算，以及采用伯恩斯坦美国 IT 硬件团队的 HDD 行业模型对 HDD 进行估算。

• 电源与散热。对于电源与散热领域的公司，我们估计 Delta 占比为 60%，Flex 占比为 20%，Lite-on 占比为 10%（均未覆盖）。

• 交换机与背板。我们假设 AI 数据中心交换机市场份额与数据中心交换机行业整体收入份额一致，指向 Arista 占 26%，Cisco 占 22%。尽管缺乏背板的可靠数据，但鉴于 Amphenol 与 TE Connectivity 竞争，$ ^{3} $ 以及原始设计制造商（ODM，如 Luxshare）的自研方案，我们假设其最多占 ~50% 的份额。此外，我们注意到 NVIDIA 和 Broadcom 在 AI 网络领域拥有重要业务，已将其可触达市场范围扩大，纳入了网络机会，而不仅限于 GPU 和 ASIC 机会。

• PCB、基板与光收发器。对于其余垂直领域，由于缺乏可用的行业数据作为基础，我们使用了可获得的公司特定估算；若无，则假设上市公司在 AI 领域的市场份额与其整体收入份额成比例，以构建我们的宏观视角。

• 晶圆代工。鉴于台积电的主导地位，以及关键 GPU 和 ASIC 玩家对台积电 CoWoS 封装的高度依赖，我们假设台积电在晶圆代工收入中占据 100% 的份额。

• 机械与电气。我们估计 Eaton 可以抓住 35 亿美元电源与配电机会中的 40%。我们进一步估计 Caterpillar 和 Cummins 分别能抓住柴油与燃气发电机及涡轮机机会的 40% 和 25%。

我们进一步对季度环比增量收入与 EBIT 进行回归分析，并将斜率用作增量 AI 收入利润率的估算值。针对每家公司，我们考察了过去 32 个季度（即 CQ1 2018 至 CQ4 2025）的季度环比增量收入和增量 EBIT。然后对增量 EBIT 与增量收入进行回归分析，并将回归斜率作为增量利润率的估算值（即每增加一美元收入，有多少美分流入 EBIT，详见图3）。假设 AI 收入带来的增量利润率与现有业务相当，且未来增量利润率相对稳定，这表明我们可以使用历史增量利润率作为未来 AI 收入增量利润率的估算。

作为估算未来 AI 收入增量利润率的依据。随后，我们根据对这些公司的覆盖经验对估算值进行了适当调整（详见图4）。值得注意的是：（1）GPU 和 ASIC 公司已披露利润率将低于历史平均水平，因此我们相应下调了增量利润率的估算值；（2）Unimicron 的利润率受益于周期性复苏，因此我们估算的是周期性正常水平下的利润率；（3）MediaTek 的利润率将受到 2026 年下半年 TPU 上市的影响；（4）对于内存与存储领域，近期供应短缺和价格飙升可能使收入与 EBIT 前景与过去 32 个季度的历史分析结果大相径庭；（5）在机械与电气领域，Eaton、Caterpillar、Cummins 和 Quanta 的利润率特征需要显著调整，以区别于分析所提示的数值。

综上所述：彭博新能源财经（BloombergNEF）预计 2027 年将新增 16GW 的产能，乘以我们对每 GW 增量 TAM 的估算，即可得出各垂直领域的增量 TAM 估算。再乘以我们对市场份额的估算，即可得到各公司增量收入的粗略估算，进一步乘以估算的增量利润率，即可得出各公司到 2027 年可能捕获的增量利润金额（详见图5）。

• 彭博新能源财经预计 2027 年将新增 16GW 的数据中心容量。我们注意到，假设全球新数据中心容量年复合增长率为 15%，则 2027 年将新增 16GW 的容量（详见图6）。有关对现场及备用电源生成 TAM 的影响详情，请参见我们的报告《数据中心电源生成：现场与备用 TAM 多大？CAT 和 CMI 有何不同？》。

• （过于）简单的计算逻辑：增量 GW × 每 GW TAM × 市场份额 × 增量利润率 = 利润。将 16GW 的增量容量估算与我们对每 GW 增量 TAM 的估算相结合，可得出各垂直领域的增量 TAM 估算。将各垂直领域的 TAM 与各公司市场份额相乘，可得出各公司增量收入的简单估算。进一步将增量收入乘以估算的增量利润率，可得出各公司增量利润金额的粗略估算（详见图5）。

• • 注意事项：这是一个高层次的估算，未能捕捉细节，即便如此，关键输入假设仍存在分歧空间。提醒一下，这并非我们构建公司层面预测的方法——自上而下的估算无法捕捉我们在公司特定预测中试图捕捉的细微差别，包括公司跨多个垂直领域的能力，以及随着 AI 数据中心形态演变，内容量增减等问题。然而，我们希望这一框架仍有助于投资者筛选潜在的 AI 获胜者，值得投入更多时间研究；我们鼓励对具体输入持异议的投资者自行输入假设，以建立自己的估算。

从前瞻性角度看，我们发现 Ibiden、Unimicron 以及其他 PCB 和基板类公司可能具有极高的上行潜力，其中 Unimicron 尤其受益于 ABF 基板和 HDI 的多项大型机遇。我们的分析还发现，除了行业主流（NVIDIA 和 Broadcom）之外，GPU 和 ASIC 类公司如 AMD、MediaTek 和 Marvell，以及电气类公司如 Eaton，都可能看到巨大的上行机会。

• PCB 和基板厂商如 Unimicron 可能成为受益者。由于这些公司对 BOM 多个部分均有暴露，因此难以完全纳入我们的框架。然而，我们过往的研究发现，Unimicron 在 ABF 基板、HDI 和 PCB 机会上的总收益可能达到新台币 700 亿元或 22 亿美元。结合我们对 25% 增量利润率的估算，这意味着 Unimicron 的机会是其现有利润基数的 4 倍（详见图7）（更多详情，请参见我们的报告《亚洲科技硬件 2026 年展望：AI 推动增长，但风险需甄别需求选择性》）

• 在基板领域，Ibiden 是 NVIDIA GPU 基板的主要供应商，并从升级中获取大量价值。NVIDIA 从 Blackwell 架构转向 Rubin 架构，显著提升了基板密度，Rubin 所需的基板价值含量翻倍。Ibiden 已重新成为 Rubin 世代 ABF 基板的唯一供应商，我们预计其在 2026-27 年至少维持 80% 以上的份额。鉴于 Rubin 基板的复杂性和极高的间距要求，我们认为价格侵蚀风险较低，因为同行仍面临材料良率劣势。我们预计 Ibiden 来自 NVIDIA 的收入贡献将在 FY26/3E 达到 1150 亿日元或 16 亿美元（占总收入的 27%）。展望未来，我们预计来自 NVIDIA 的收入在 FY26/3E-FY28/3E 期间将以 44% 的复合年增长率增长，最终在 FY28/3E 占 Ibiden 总收入约 40%。受 NVIDIA 需求及更广泛的 AI 相关基板应用推动，我们预计 Ibiden 在 FY26/3E-FY28/3E 期间将实现 18% 的收入复合年增长率和 37% 的营业利润复合年增长率。

• 未来，较小的 GPU 和 ASIC 玩家可能有较高的上行潜力。GPU 和 ASIC 是 TAM 中最大的部分，尽管 NVIDIA 和 Broadcom 目前主导市场，但我们看到其他玩家在增量上行机会中获得份额的潜力，尤其是随着 TPU 的广泛采用（请参见我们关于 TPU 的深度报告——MediaTek & ASIC：TPU 经济学和长期视角：TPU 经济学（第二部分）及 ASIC 的长期前景）。这种份额增长机会，加上运营杠杆提升的可能性，意味着（除行业主流如 NVIDIA 和 Broadcom 外），较小的 GPU 和 ASIC 玩家如 AMD、MediaTek 和 Marvell 也可能看到显著的上行潜力（详见图5）。这是因为虽然它们的绝对规模远小于其大同行，但起点更低，因此增量增长空间更大。在我们的覆盖范围内，我们看好主流（NVIDIA 和 Broadcom），但也认为 MediaTek 是看多增量支出的投资者投资该主题的吸引力选项。尤其因为近期 TPU 需求上升尚未反映在共识数据中，应推动 MediaTek 的上调预期（更多详情，请参见我们的报告《MediaTek：短期逆风但 2026 年末起增长加快》）

• • 电气类公司的机会真实存在。团队部分成员最初假设，机械与电气类公司虽在 AI 讨论中被赋予较高关注度，但实际暴露程度低于硬件与半导体类公司。尽管电气类公司并非我们分析中暴露度最高的公司，但机会依然真实存在，且本分析未计入电网电力方面的潜在上行空间。因此，我们认为投资者应探索该领域的上行机会，我们尤其看好 Eaton，因其在低压与中压配电领域具备优势。电气内容增加是关键催化剂。Eaton 约 20% 的收入来自数据中心和分布式 IT。在传统数据中心中，Eaton 每兆瓦可产生 120 万至 150 万美元的潜在销售额，占总计算与基础设施资本开支的 6%-10%。在 AI 数据中心中，这一机会可扩大 50%，达到每兆瓦 120 万至 290 万美元，占总资本开支的最高 8%。在 Eaton 近期通过收购 Boyd Thermal（40%+ 市场份额的液冷企业，以更好应对 Schneider 收购 Motivair 和 Vertiv $ ^{4} $）进入液冷领域后，其数据中心机会将额外增加每兆瓦 50 万美元，使其对 AI 数据中心的总体预期提升 25%，达到每兆瓦 250 万美元的中位数。Eaton 正在投资 15 亿美元，用于增加三相 UPS、低压与中压组件、开关柜和配电盘的产能，以满足增量数据中心需求。它还优先通过并购（如 Fibrebond）投资模块化建设。电气元件制造商 Hubbell 也通过收购 PCX 进入该市场。

相反，Intel 和 Cisco（未覆盖），以及服务器 OEM（Dell 和 HPE，均已覆盖）相比其在 AI 讨论中的突出地位，暴露度较低。

• • 服务器 OEM 的增量利润率较低，限制了其暴露度。尽管 AI 服务器机会巨大，且服务器 OEM（尤其是 Dell 和 Supermicro）已成功捕获可观收入，但增量利润率远低于传统企业服务器业务（尽管 Dell 表现优于 SMCI），且随着 NVIDIA 持续垂直整合并承担更多设计工作，预计仍将保持低位（更多详情，请参见我们的报告《智能革命：NVIDIA 的垂直整合是否会淘汰 OEM？对 OEM 和 ODM 的影响？》）。因此，利润美元的上行空间有限，尽管仍驱动了 Dell 和 Supermicro 利润增长的大部分。尽管两家公司可能通过向企业销售获得进一步上行空间（尤其是 Dell），但我们的首席信息官调查表明，企业目前对拥有自有 AI 服务器兴趣有限（详见图8），并继续预期 AI 工作负载主要托管在云端（详见图9）（更多详情，请参见我们的报告《IT 硬件：2025 年 12 月首席信息官调查结果——支出水平、AI、PC 和供应商观点》）。因此，边际改善故事目前仍属理论层面，而非具有真实的边际拐点可见性。无论如何，由于 AI 服务器 TAM 规模庞大且增长迅速，Dell 来自 AI 服务器的绝对利润美元增长强劲且持续。

• Intel 在抢占份额方面表现不佳。Intel 在该领域难以捕获有意义的市场份额，因此其收入机会相对于其传统的 CPU 核心业务而言显得较小。尽管 Intel 可能受益于 CPU 供应趋紧，

尤其是在 AI 工作负载中 CPU 密度上升的情况下，但在 AI 数据中心中的直接机会相较于其同行可能经历的情况仍相对有限。

尽管这些 AI 上行潜力的估算不够精确，且估值已包含众多非 AI 因素，但初步比较估算的 AI 上行潜力与市盈率，表明 Unimicron 仍有进一步上涨空间。相反，Intel 以及程度较轻的 Arista 和 Amphenol（均未覆盖），尽管 AI 机会较为温和，却显示出较高的估值（详见图10）。Gigabyte 和 Wiwynn（均未覆盖）则被视为相对便宜的投资方式，以捕捉潜在的 AI 上行机会，尽管我们承认，与 Dell 和 Supermicro 一样，它们可能面临 NVIDIA 形态标准化带来的利润率压力。不过，我们强调，许多估值反映的是其他问题，而非真正的估值错配。例如，鉴于 Intel 的狭窄预期利润率，如果其能够实现利润率改善，无论是通过改善 CPU 周期性还是通过个别逆转，其估值都可能大幅变动。

我们承认，该分析基于 GB200 NVL72 周期的静态视角，部分错配可能源于尚未反映在我们估算中的前瞻性趋势。特别是，我们看到了显著的上行潜力：（1）Delta 在机架电源方面，因 Vera Rubin 周期的内容增加（更多详情，请参见我们的报告《Delta 电子：电源机架的上行潜力测算；目标价上调至新台币 1130 元》）；（2）MediaTek 在 TPU 上市方面；（3）内存与存储类公司如 SanDisk、SK Hynix、Micron 和 Kioxia，因快速的内存价格上涨（参见我们的报告《全球内存：近期上涨后还有多少上行空间？》）以及 Vera Rubin 周期的内容增加（更多详情，请参见我们的报告《全球科技：拉斯维加斯发生了什么？CES 与美国 IT 硬件 2026 年展望：AI 驱动的数据爆炸中的赢家与输家——首选推荐 SNDK（目标价 580 美元）和 STX（目标价 370 美元）》）；（4）NVIDIA（参见我们的报告《NVIDIA（NVDA）：我们又回来了，从 Jensen CES 主题演讲和分析师问答开始）和 Broadcom（参见我们的报告《Broadcom（AVGO）：拉斯维加斯，宝贝……从与半导体解决方案集团总裁的 CES 投资者会议中获得的要点》）即将到来的产品周期中订单与订单积压动态的可能增加。

图1：GB200 NVL72 估算机架资本开支构成

EXHIBIT 2: Data center infrastructure estimated capex breakdown

Note: Power usage per rack (in blue) is from SMCI technical user manual; other numbers (in green or black) are Bernstein estimates triangulated based on third-party data and conversations with experts. See online version for colors.

Source: Omdia, DRAMeXchange, expert conversations, company reports, literature search, Bernstein analysis and estimates

EXHIBIT 3: Micron QoQ incremental revenue versus EBIT

Source: Bloomberg, Bernstein analysis

EXHIBIT 4: Incremental margins implied by regression slopes

Note: All slopes and correlations are regression estimates; for incremental margin assumptions, estimates in black are taking regression slope values directly, while estimates in red are Bernstein coverage analyst estimates. See online version for colors. NVIDIA, Broadcom, AMD, Intel, TSMC, Mediatek, Hynix, Micron, Samsung, SanDisk, Kioxia, Seagate, Western Digital, Quanta Computer, Supermicro, Dell, HPE, Unimicron, Ibiden, Delta, Eaton, ABB, Siemens, Caterpillar, Legrand, Cummins, Quanta Services, Trimble, Hubbell, KLA, AMAT, and Lam Research are covered by Bernstein; the rest are not covered.

Source: Bloomberg, Bernstein analysis and estimates (all)

EXHIBIT 5: Two-year EBIT growth opportunity from AI data centers

Note: Values are in $Bn unless otherwise stated. Numbers in red are input estimates from Bernstein coverage analysis, numbers in green are estimates from published Bernstein industry models, all other numbers are Bernstein estimates derived from methodology discussed above; see online version for colors. NVIDIA, Broadcom, AMD, Intel, TSMC, Mediatek, Hynix, Micron, Samsung, SanDisk, Kioxia, Seagate, Western Digital, Quanta Computer, Supermicro, Dell, HPE, Unimicron, Ibiden, Delta, Eaton, ABB, Siemens, Caterpillar, Legrand, Cummins, and Quanta Services are covered by Bernstein; the rest are not covered.

Source: Bloomberg, Bernstein analysis and estimates (all)

EXHIBIT 6: Incremental global data center capacity additions

Source: BloombergNEF (all data), Bernstein analysis

EXHIBIT 7: We project Unimicron's AI revenue mix to increase to 40% by 2027

Unimicron AI chip Related Revenue (NT$ B)

Unimicron ABF Revenue for Nvidia Blackwell & Rubin GPU

Source: Company reports, Bernstein analysis and estimates

EXHIBIT 8: Weighted percentage of CIOs planning increase or decrease in IT spending by category

Source: Bernstein CIO Surveys (published September 18, 2025)

Source: Bernstein CIO Surveys (published September 18, 2025)

图10：未来市盈率倍数与预计两年EBIT增长对比

中美AI竞争带来了地缘政治维度，但美国在中短期内仍 likely 保持领先。

在比较中美AI竞争时，常有人指出美国有芯片但缺电力，而中国有电力但缺芯片，从而引发疑问：哪一国实际上正在部署更多计算能力？

然而，深入分析后发现，美国明显增加了更多计算能力，而中国并未接近。我们估计，美国及其盟友在2025年新增了超过25×10²¹ ZFLOPS的AI加速计算能力（FP16稀疏），而中国新增不足1 ZFLOPS。这里的简单算术是：我们估计中国在2025年共出货约150万片本地AI芯片。以华为Ascend 910B为基准，该芯片提供0.4×10¹⁵ FP16 FLOPS，意味着中国在2025年新增了0.6 ZFLOPS的增量计算能力。此外，2025年还有部分NVIDIA和AMD的低端芯片运往中国（我们估计约为0.2–0.3 ZFLOPS），但可以确定的是，中国在2025年总计新增计算能力不足1 ZFLOPS。相比之下，四百万片NVIDIA Blackwell芯片，每片4.5 PFLOPS，将带来18 ZFLOPS的计算能力增加（见图1）。考虑到TPU和AI ASIC，总增量应至少达到26 ZFLOPS（见图2）。

从更宏观角度看，尽管中国新增的总电力容量更多，但美国在数据中心容量方面新增更多，无论是总体容量还是针对AI的专用容量，均在2025年表现突出。

• 中国虽然新增总电力容量更多……但并未转化为更高的数据中心容量新增。中国在2025年新增的总电力容量远超美国：超过500 GW等效容量，而美国约为30 GW（见图3）（更多细节请参阅报告《电力中国：若电力是AI瓶颈，中国是否胜出？》）。然而，对于数据中心而言，中国在2024年仅新增3.9 GW，而美国为5.3 GW（见图4）。结合领先的中国芯片在能效和性能上落后于美国领先芯片的事实（见图1），这导致实际容量差距显著。

• 中国云服务提供商（CSPs）的支出比美国同行更为保守。同样，我们观察到中国CSPs在AI投资方面也远比美国更为谨慎——我们估计中国2025年AI资本开支约为900亿美元（见图5），仅为美国和欧洲超大规模及新云企业约4000亿美元资本开支的20%（见图6）（更多细节请参阅报告《2025年Q4》

在供应受限的建设过程中，总会有某个环节成为瓶颈，而中国因缺乏先进芯片产能，其建设水平远低于美国因电力受限所达到的水平。

• 尽管中国拥有相当高的总芯片晶圆产能，但缺乏先进逻辑产能。尽管中国占全球半导体晶圆厂产能的比例惊人，约为30%（见图7），但这主要由落后制程、模拟和分立器件构成。仅看逻辑芯片，其份额则小得多，约为20%（见图8）。即便如此，中国拥有的真正关键产能仍然极少。数据中心加速器通常处于先进制程的次一代水平。例如，NVIDIA Blackwell采用4NP（4nm级）工艺，落后于最先进3nm节点。然而，若只看7nm或更先进制程的产能，中国仅占7%（且超过50%位于台湾，见图9）。
• 该情况对中国而言可能比数据所示更加严峻。数据未能反映由于当前半导体设备出口管制影响，中国大部分7nm或更先进制程产能实际上是使用14nm设备通过多重图案化技术实现的，由此带来的产能和良率问题。此外，目前大多数7nm产能已被分配给移动芯片而非AI芯片。使用晶圆份额进行比较也不公平，因为台积电已开始生产2nm芯片，而中国仍停留在7nm生产阶段，晶体管密度更低，单位晶体管的计算性能也更低。

• 该情况对中国而言可能比数据所示更加严峻。数据未能反映由于当前半导体设备出口管制影响，中国大部分7nm或更先进制程产能实际上是使用14nm设备通过多重图案化技术实现的，由此带来的产能和良率问题。此外，目前大多数7nm产能已被分配给移动芯片而非AI芯片。使用晶圆份额进行比较也不公平，因为台积电已开始生产2nm芯片，而中国仍停留在7nm生产阶段，晶体管密度更低，单位晶体管的计算性能也更低。

• 因此，我们认为，在AI芯片产出方面的差距比整体逻辑代工产能所暗示的更大，以至于尽管中国拥有比美国更多的总电力，但实际上新增的数据中心电力负载却更少，因为它没有足够的芯片来利用这些电力。

中国正在迅速增加产能，但即使假设2025至2030年间7nm等效AI芯片出货量以100%的年复合增长率增长，到2030年中国也只能达到19 ZFLOPS，远低于美国当前水平。尽管如此，离AGI目标越远，AI竞赛持续时间越长，中国就有越多机会缩小与美国及其盟友的差距。据传闻，中国决策者对未来几年内实现AGI的前景比美国AI实验室更为谨慎。除了供应限制外，我们也怀疑中国计算能力扩张节奏更为审慎，可能反映了这一观点。中国科技公司可能更愿意接受前沿模型性能上的滞后，以利用巨大的成本下降优势，构建“足够好”的模型，其计算和资金成本仅为美国的几分之一（我们仍记得2025年1月DeepSeek的崩塌事件）。

一个重要的前提在于，严格来说，与中国的状况相比，美国实际上（基本上）既无芯片也无电力。此时真正拥有芯片的是美国的盟友，尤其是韩国和台湾地区，这使得美国的禁令（涵盖AI和半导体领域）显得合情合理（中国电力充裕，限制其购买AI或自建能力是适当的），同时也解释了近期美国国内本土化制造努力的上升趋势（包括NVIDIA开始在亚利桑那州制造部分Blackwell芯片）。从长远来看，美国在AI方面超越中国也可能进一步加剧紧张局势，因为中国可能感到更大压力，进而采取更激进的行动（如台湾问题？），或面临输掉AI竞赛的风险。

从长远来看，美国在AI方面超越中国也可能进一步加剧紧张局势，因为中国可能感到更大压力，进而采取更激进的行动（如台湾问题？），或面临输掉AI竞赛的风险。

图1：中国与NVIDIA AI计算能力新增对比：我们认为中国在2025年新增计算能力不足1 ZFLOPS，远低于美国竞争对手……

图2：……我们认为美国及其盟友在2025年新增计算能力超过25 ZFLOPS，远超中国新增数量的数个数量级

图3：主要国家年度电力容量新增：随着中国在2025年计划新增超过500 GW的太阳能和风能容量，没有任何其他国家能与之匹敌。

图4：中美数据中心电力负载新增占全球总量比例

图5：我们估计中国2025年AI资本开支同比增长53%，达到910亿美元……

图6：……但仍仅为美国和欧洲超大规模及新云企业资本开支的一小部分

图7：中国拥有约30%的已安装半导体晶圆厂产能，而台湾、韩国、日本和美国合计占比约为60%

图8：仅就逻辑芯片而言，中国拥有不到20%的已安装半导体晶圆厂产能，而台湾、韩国、日本和美国合计占比超过70%

图9：中国大部分晶圆厂产能处于落后节点（>14nm）；对于7nm或更小节点，超过50%的产能位于台湾，而中国仅有7%（且该产能可能因当前出口管制状况而受损）

2024年按市场与制程节点划分的已安装半导体产能（百万片200mm等效WSPM）

Bernstein品牌对股票的评级基于对未来12个月相对于以下基准的表现预测：在美国和加拿大交易所上市的股票以标普500指数为基准；在欧洲交易所及非亚太地区新兴市场交易所上市的股票以彭博欧洲发达市场大中型股价格回报指数欧元（EDME）为基准；在日本交易所上市的股票以彭博日本大中型股价格回报指数美元（JPL）为基准；在亚洲（除日本外）交易所上市的股票以彭博亚洲除日本大中型股价格回报指数（ASIAX）为基准——除非另有说明。

Bernstein品牌有三个评级类别：

• Outperform（跑赢大盘）：股票表现将优于市场指数15个百分点以上

• Market-Perform（市场持平）：股票表现将在市场指数±15个百分点范围内

• Underperform（跑输大盘）：股票表现将落后于市场指数15个百分点以上

暂停覆盖：公司研究覆盖已被暂停。评级和目标价暂时失效，不再有效，不应再依赖。

未评级：当无法准确估值或预测公司表现时所赋予的评级。覆盖分析师可继续发布研究报告，以向投资者更新事件与进展。

未覆盖（NC）表示公司不在覆盖范围内。

Bernstein品牌股票评级基于12个月时间框架。

Autonomous品牌对普通股的评级如下。我们采用的基准包括：彭博欧洲500银行与金融服务指数（BEBANKS）和彭博欧洲发达市场金融类大中型股价格回报指数欧元（EDMFI）用于欧洲银行与支付业务；彭博欧洲500保险指数（BEINSUR）用于欧洲保险公司；标普500和标普金融板块用于美国银行与支付业务覆盖；S5LIFE用于美国保险业；标普保险精选行业指数（SPSIINS）用于美国非寿险公司覆盖；以及彭博新兴市场金融类大中型小型股价格回报指数（EMLSF）用于新兴市场银行、保险公司和支付机构。评级是相对于所属行业（而非整体市场）而言的。

Autonomous品牌有三个普通股评级类别：

• Outperform（OP）：股票表现将优于相关指数10个百分点以上

• Neutral（N）：股票表现将在相关指数±10个百分点范围内

• Underperform（UP）：股票表现将落后于相关指数10个百分点以上

暂停覆盖：公司研究覆盖已被暂停。评级和目标价暂时失效，不再有效，不应再依赖。

未评级：当无法准确估值或预测公司表现时所赋予的评级。覆盖分析师可继续发布研究报告，以向投资者更新事件与进展。

标注为‘Feature’（如Feature Outperform FOP，Feature Under Outperform FUP）为我们的核心观点。

未覆盖（NC）表示公司不在覆盖范围内。

Autonomous品牌普通股评级基于12个月时间框架。

Autonomous品牌有三个优先股评级类别：

• Outperform（OP）：预期该优先股工具的总回报在未来六个月内将优于其他同行业或评级类别的发行人优先证券

• Neutral（N）：预期该优先股工具的总回报在未来六个月内将与同行业或评级类别的其他发行人优先证券表现一致

• Underperform（UP）：预期该优先股工具的总回报在未来六个月内将劣于其他同行业或评级类别的发行人优先证券

Autonomous优先股评级基于6个月时间框架。

若本报告包含信用工具的投资建议，根据《市场滥用条例》第3(1)(35)条定义，以下信息已披露以符合其披露要求。

报告中也可能引用了其他Autonomous或Bernstein分析师对本文提及发行人股票证券的已发布观点。请注意，本报告作者发布的信用工具投资建议可能与本报告中涵盖的发行人股票证券分析师的已发布观点不同，反之亦然。

Autonomous品牌有三个信用评级类别：

• Credit Outperform（C-OP）：预期参考信用工具的总回报在未来六个月内将优于其他同行业或评级类别的发行人债券信用利差

• Credit Neutral（C-N）：预期参考信用工具的总回报在未来六个月内将与同行业或评级类别的发行人债券信用利差表现一致

• Credit Underperform（C-UP）：预期参考信用工具的总回报在未来六个月内将劣于其他同行业或评级类别的发行人债券信用利差

Autonomous信用评级基于6个月时间框架。

本报告作者所生成的所有投资建议及信用评级历史记录可应要求提供。

是否启动、更新或终止研究覆盖完全由公司自行决定。公司已建立、维护并依赖信息隔离墙，以控制一个或多个领域（即私人侧）内的信息流动，防止其流入公司其他领域、部门、团队或关联方（即公开侧）。

• 这些数字代表在过去12个月内，各股票评级类别中曾获得Bernstein关联方投资银行服务的公司比例。

本报告中所有归因于Gartner的陈述均代表Bernstein对Gartner, Inc.作为订阅服务发布的数据、研究观点或看法的解读，未经Gartner审核。每份Gartner出版物均以原始发布日期为准（而非本报告日期）。Gartner出版物中的观点并非事实陈述，且可能随时更改而不另行通知。

Bernstein在过去十二个月中，从以下客户处获得了非投资银行业务相关的证券产品或服务报酬：英伟达公司（NVIDIA Corp）。

Bernstein和/或其关联方在过去十二个月中，从以下客户处获得了非投资银行业务相关的证券产品或服务报酬：英特尔公司（Intel Corp）和Screen Holdings Co Ltd。

Bernstein某些关联方担任以下公司股票证券的做市商或流动性提供者：英伟达公司（NVIDIA Corp）、博通公司（Broadcom Inc）、超威半导体公司（Advanced Micro Devices Inc）、英特尔公司（Intel Corp）、Hubbell Incorporated、BE半导体工业公司（BE Semiconductor Industries NV）、伊顿公司（Eaton Corp PLC）、英飞凌技术公司（Infineon Technologies AG）和ASML控股公司（ASML Holding NV）。

Bernstein某些关联方担任以下公司债务证券的做市商或流动性提供者：博通公司（Broadcom Inc）、英特尔公司（Intel Corp）、Screen Holdings Co Ltd、英飞凌技术公司（Infineon Technologies AG）和ASML控股公司（ASML Holding NV）。

It is at the sole discretion of the Firm as to when to initiate, update and cease research coverage. The Firm has established, maintains and relies on information barriers to control the flow of information contained in one or more areas (i.e., the private side) within the Firm, and into other areas, units, groups or affiliates (i.e., public side) of the Firm.

Separate branding is maintained for “Bernstein” and “Autonomous” research products.

• Bernstein produces a number of different types of research products including, among others, fundamental analysis and quantitative analysis under both the “Autonomous” and “Bernstein” brands. Recommendations contained within one type of research product may differ from recommendations contained within other types of research products, whether as a result of differing time horizons, methodologies or otherwise. Furthermore, views or recommendations within a research product issued under one brand may differ from views or recommendations under the same type of research product issued under the other brand. The Research Ratings System for the two brands and other information related to those Rating Systems are included in the previous section.

• Autonomous operates as a separate business unit within the following entities: Bernstein Institutional Services LLC, Bernstein Autonomous LLP, Sanford C. Bernstein (Hong Kong) Limited 盛博香港有限公司 and Sanford C. Bernstein (India) Private Limited. For information relating to “Autonomous” branded products (including certain Sales materials) please visit: www.autonomous.com. For information relating to Bernstein branded products please visit: www.bernsteinresearch.com.

Analysts are compensated based on aggregate contributions to the research franchise as measured by account penetration, productivity and proactivity of investment ideas. No analysts are compensated based on performance in, or contributions to, generating investment banking revenues.

This report has been produced by an independent analyst as defined in Article 3 (1)(34)(i) of EU 596/2014 Market Abuse Regulation ("MAR") and the same article of MAR as it forms part of United Kingdom domestic law by virtue of the European Union (Withdrawal) Act 2018.

To our readers in the United States: Bernstein Institutional Services LLC, a broker-dealer registered with the U.S. Securities and Exchange Commission ("SEC") and a member of the U.S. Financial Industry Regulatory Authority, Inc. ("FINRA") is distributing this publication in the United States and accepts responsibility for its contents. Where this material contains an analysis of debt product(s), such material is intended only for institutional investors and is not subject to the US independence and disclosure standards applicable to debt research prepared for retail investors.

Bernstein Institutional Services LLC may act as principal for its own account or as agent for another person (including an affiliate) in sales or purchases of any security which is a subject of this report. This report does not purport to meet the objectives or needs of any specific individuals, entities or accounts.

To our readers in Canada: If this publication pertains to a Canadian domiciled company, it is being distributed in Canada by Sanford C. Bernstein (Canada) Limited, which is licensed and regulated by the Canadian Investment Regulatory Organization. If the publication pertains to a non-Canadian domiciled company, it is being distributed by Bernstein Institutional Services LLC, which is licensed and regulated by both the SEC and FINRA, into Canada under the International Dealers Exemption.

This document may not be passed onto any person in Canada unless that person qualifies as "permitted client" as defined in Section 1.1 of NI 31-103.

To our readers in Brazil: This report has been prepared by Bernstein Institutional Services LLC, and Banco BTG Pactual S.A. ("BTG") is responsible for the distribution of this report in Brazil.

This document is for distribution only to persons who (i) have professional experience in matters relating to investments falling within Article 19(5) of the Financial Services and Markets Act 2000 (Financial Promotion) Order 2005 (as amended, the “Financial Promotion Order”), (ii) are persons falling within Article 49(2)(a) to (d) (“high net worth companies, unincorporated associations, etc.”) of the Financial Promotion Order, (iii) are outside the United Kingdom, or (iv) are persons to whom an invitation or inducement to engage in investment activity (within the meaning of section 21 of the FSMA) in connection with the issue or sale of any securities may otherwise lawfully be communicated or caused to be communicated (all such persons together being referred to as “relevant

(persons"). This document is directed only at relevant persons and must not be acted on or relied on by persons who are not relevant persons. Any investment or investment activity to which this document relates is available only to relevant persons and will be engaged in only with relevant persons.

To our readers in the member states of the EEA: This publication is being distributed by BSG France SA, which is authorised and regulated by the Autorité de Contrôle Prudentiel et de Résolution (ACPR) and Autorité des Marchés Financiers (AMF).

To our readers in Hong Kong: This publication is being distributed in Hong Kong by Sanford C. Bernstein (Hong Kong) Limited 盛博香港有限公司, which is licensed and regulated by the Hong Kong Securities and Futures Commission (Central Entity No. AXC846) to carry out Type 4 (Advising on Securities) regulated activities and subject to the licensing conditions mentioned in the SFC Public Register (https://www.sfc.hk/publicregWeb/corp/AXC846/details). This publication is solely for professional investors, as defined in the Securities and Futures Ordinance (Cap. 571). The purpose of this report is solely to provide an analysis of the issuers referred to in this report and is not intended for any purpose contrary to the laws of Hong Kong.

To our readers in the People's Republic of China: The securities referred to in this document are not being offered or sold and may not be offered or sold, directly or indirectly, in the People's Republic of China (for such purposes, not including the Hong Kong and Macau Special Administrative Regions or Taiwan, the "PRC") in contravention of any applicable laws of the PRC.

This document does not constitute an offer to sell or the solicitation of an offer to buy any securities in the PRC to any person to whom it is unlawful to make the offer or solicitation in the PRC.

We do not represent that this document may be lawfully distributed, or that any securities may be lawfully offered, in compliance with any applicable registration or other requirements in the PRC, or pursuant to an exemption available thereunder, or assume any responsibility for facilitating any such distribution or offering. In particular, no action has been taken by us which would permit a public offering of any securities or distribution of this document in the PRC. Accordingly, the securities are not being offered or sold within the PRC by means of this document or any other document. Neither this document nor any advertisement or other offering material may be distributed or published in the PRC, except under circumstances that will result in compliance with any applicable laws and regulations.

To our readers in Japan: This publication is being distributed in Japan by Sanford C. Bernstein Japan KK (サンフォード・C・バーンスタイン株式会社), which is registered in Japan as a Financial Instruments Business Operator with the Kanto Local Finance Bureau (registration number: The Director-General of Kanto Local Finance Bureau (FIBO) No.3387) and regulated by the Financial Services Agency. It is also a member of Japan Investment Advisers Association. This publication is solely for qualified institutional investors in Japan only, as defined in Article 2, paragraph (3), items (i) of the Financial Instruments and Exchange Act.

For the institutional client readers in Japan who have been granted access to the Bernstein website by Daiwa Securities Group Inc. ("Daiwa"), your access to this document should not be construed as meaning that Bernstein is providing you with investment advice for any purposes. Whilst Bernstein has prepared this document, your relationship is, and will remain with, Daiwa, and Bernstein has neither any contractual relationship with you nor any obligations towards you.

To our readers in Australia: Sanford C. Bernstein (Hong Kong) Limited 盛博香港有限公司 is responsible for distributing research in Australia. It is regulated by the Securities and Exchange Commission under U.S. laws, by the Financial Conduct Authority under U.K. laws, which differs from Australian laws. Sanford C. Bernstein (Hong Kong) Limited 盛博香港有限公司 is exempt from the requirement to hold an Australian financial services license under the Corporations Act 2001 in respect of the provision of the following financial services to wholesale clients:

• providing financial product advice;

• dealing in a financial product;

• making a market for a financial product; and

• providing a custodial or depository service.

• SCB India does not have any disciplinary history as on the date of this report.

• do not have any financial interest in the subject company

• do not have actual/beneficial ownership of one percent or more in securities of the subject company;

• is not engaged in any investment banking activities for Indian companies, as such;

• have not managed or co-managed a public offering in the past twelve months for any Indian companies;

• have not received any compensation for investment banking services or merchant banking services from the subject company in the past 12 months;

• have not received compensation for brokerage services from the subject company in the past twelve months;

• have not received any compensation or other benefits from the subject company or third party related to the specific recommendations or views in this report; and

• do not currently, but may in the future, act as a market maker in the financial instruments of the companies covered in the report.

• do not have any conflict of interest in the subject company as of the date of this report.

• Except as noted above, the subject company has not been a client of SCB India during twelve months preceding the date of distribution of this research report. Neither SCB India nor its Associates (i.e., affiliates/group companies) have received compensation for products or services other than investment banking, merchant banking or brokerage services from the subject company in the past twelve months.

• The Research investor charter and Terms & Conditions of SCB India are available on its website and may be accessed at Sanford C. Bernstein (India) Private Limited (https://bernsteinresearch.in/) for your reference.