Editing AI行研 (section)

=== 硬件厂商 ===

* '''NVIDIA（英伟达）：无可争议的AI算力供应王者。随着“大模型热”引爆算力需求，NVIDIA的A100、H100系列GPU成为各大公司抢购的“水桶金”。2023年以来NVIDIA业绩屡创新高：2024财年Q3季度营收351亿美元，同比增长94%，其中数据中心业务（主要是AI芯片）同比猛增112% (NVIDIA Announces Financial Results for Third Quarter Fiscal 2025 | NVIDIA Newsroom)，带来巨额利润和现金流。NVIDIA之所以能赚取超额利润，一方面在于其在高端GPU市场的垄断性技术领先，使其拥有接近完全的定价权''' (揭秘：为何大模型总是赚不到钱？行业内幕大曝光！ - 53AI-AI生产力的卓越领导者（大模型知识库|大模型训练|智能体开发）)；另一方面，生成式AI的爆发令供不应求局面长期存在，GPU售价和溢价水涨船高。在中国市场，由于出口管制，NVIDIA推出性能略降的特供型号（A800/H800），依然需求旺盛。除了卖芯片本身，NVIDIA还通过软件生态（如CUDA加速库、AI开发框架）绑定客户，形成持续收入。可以说，只要大模型训练和部署需求增长不止，NVIDIA在产业链中'''躺赢'''的地位短期无虞。
* **AMD：**作为GPU领域的老二，AMD近年加大对AI加速器的投入，希望分享AI硬件红利。其MI200/MI300系列数据中心GPU在2023年下半年开始被超大规模数据中心采用（如有传闻微软预订大量MI300用于其AI集群），同时AMD提供性价比更高的GPU方案以争夺部分中端市场。虽然AMD目前在AI芯片市场份额远不及NVIDIA，但AI热潮也推动了AMD相关业务增长，2023年AMD数据中心部门营收有所提升。AMD的优势在于与大型云厂商合作推出定制芯片（如与谷歌云合作开发GPU实例），并且CPU业务（EPYC霄龙处理器）也从AI服务器扩张中获益。整体来看，AMD正处于奋力追赶阶段，其能否在盈利上更上一层楼取决于后续产品性能及生态能否挑战NVIDIA地位。
* **Intel（英特尔）：**作为芯片巨头，Intel在AI专用加速硬件上相对滞后。其优势是CPU在通用计算市场仍占主导，许多AI推理任务仍运行在Intel至强CPU上，为其贡献销售。但是在大模型训练所需的GPU/加速卡市场，Intel份额甚微。为扭转颓势，Intel收购了Habana Labs推出Gaudi系列AI训练芯片，并开发GPU产品线（如Ponte Vecchio）瞄准高性能计算。但这些产品在市场影响力有限，对Intel财务贡献不明显。好在AI浪潮下，对算力的总体需求增长也拉动了CPU服务器出货，2023年下半年Intel数据中心部门业绩有所回升，其中宣称新的至强处理器在AI推理方面性能提升。这意味着Intel通过在CPU中集成AI加速指令（如AMX单元）等方式留住了一部分AI工作负载。不过要在“大模型”硬件红利中大赚，Intel还需要推出有竞争力的GPU/ASIC产品。目前其盈利仍主要依赖PC和服务器CPU的传统业务，AI芯片业务更多是战略投入。
* '''华为等国内厂商：在美国对华高端芯片管制的背景下，中国厂商也加紧布局AI硬件以填补空白。华为的昇腾AI芯片（如昇腾910、昇腾310等）在国内多家AI云和科研院所中部署，用于训练本土大模型。此外，阿里平头哥推出含光800推理芯片、寒武纪科技推出思元系列AI芯片、百度研发昆仑芯片，这些国内方案逐步商用。虽然短期性能上仍与NVIDIA有差距 (揭秘：为何大模型总是赚不到钱？行业内幕大曝光！ - 53AI-AI生产力的卓越领导者（大模型知识库|大模型训练|智能体开发）)、生态也不够成熟，但在政策和市场扶持下，本土AI芯片销量开始提升，为相关厂商带来收入。例如某些云厂商推出“全国产AI算力”服务，采用华为/寒武纪芯片，定价较高但赢得政府订单。这类硬件公司的盈利模式是典型的TO B销售'''：依靠大客户批量采购实现收入。目前来看，华为等公司的AI芯片业务还在投入期，尚未成为利润主力，但在特定市场已经实现销售突破。随着国产替代进程和AI需求扩张，国内硬件厂商有潜力在部分细分领域形成稳健的盈利来源。