美国打响AI算力军备竞赛 5000亿美元投资及机遇

2025 年 1 月 23 日，美国新任总统宣布了一项名为 Stargate（星际之门）的人工智能基础设施投资计划。他称，OpenAI、软银和甲骨文三家公司最初将向星际之门投入 1000 亿美元，并且这一金额会在未来四年增加至 5000 亿美元，项目将从美国得克萨斯州的一个数据中心开始。

全球 AI 竞赛进入新阶段

美国 Stargate 计划现出新产业链供应商，包括 CPO、电源和液冷等。山西证券研报称，国产 AI 芯片有望在政策支持和算力市场的需求推动下逐步实现自主可控，加速国产化。

投资建议

展望 2025 年，国内外算力需求持续强劲，AI 有望从云端走向端侧，同时半导体也将加速国产化。长期建议关注设备、材料、零部件的国产化，AI 技术驱动的高性能芯片和先进封装需求，及 AI 端侧应用元年带来的换机潮和硬件升级机会。

技术迭代方向

中信证券研报指出，海外头部企业算力产品进入放量期，且算力产品持续迭代，带动硬件出货量及等级要求提升。作为核心环节，材料性能要求提升，高频高速树脂 PPO、双马 BMI 树脂加速放量。展望技术迭代方向，更优介电性能的电子树脂如碳氢树脂、聚四氟乙烯树脂有望成为新的发展方向。

结语

美国 5000 亿美元的 AI 算力投资将对全球 AI 产业格局产生深远影响。中国作为 AI 领域的强有力竞争者，需要加强自主创新，加快国产化进程，以应对日益激烈的 AI 算力军备竞赛。

---

自动驾驶“芯”战争

今年，新冠疫情的爆发、经济的下滑、国际政治环境的恶化，让汽车产业充满了巨大的不确定。 多家咨询机构预计，今年全球汽车销量将面临10%-20%的下滑。

然而，在不确定中，汽车行业对未来的方向又十分笃定。自动驾驶集中出现了几则大新闻——

6月23日，刚刚与宝马在自动驾驶领域宣布和平分手的奔驰，宣布与芯片供应商英伟达达成合作，将使用后者的Orin芯片，开发下一代车载计算系统，为奔驰量产车型2024年将全面搭载的L2-L3级自动驾驶功能，以及最高可达L4级的自动泊车功能提供算力支持。

6月25日，沃尔沃汽车集团宣布，沃尔沃将与谷歌旗下自动驾驶公司Waymo达成战略合作伙伴关系，在一个全新的电动汽车平台上，进行L4级自动驾驶技术的合作，探索自动驾驶网约车等商业场景。

6月26日，亚马逊正式收购美国自动驾驶公司Zoox，亚马逊为此付出超过12亿美元。

6月27日，滴滴自动驾驶网约车载人示范运营在上海正式启动，央视对其全过程进行了直播。 从这一天开始，滴滴在上海嘉定的自动驾驶测试车将面向公众开放，滴滴在APP中上线了“未来出行”页面，供公众申请自动驾驶网约车试乘。

一时间，大公司近乎开启了一场自动驾驶军备竞赛。 毫无疑问，参与其中的企业都意识到，未来的汽车，将是跑在轮子上的超级计算机。 高性能的计算芯片，在这场军备竞赛中至关重要的地位，愈发凸显。

一、奔驰另结新欢，只是因为它？

6月23日，在与宝马的自动驾驶合作宣告暂停后4天，奔驰向芯片供应商英伟达投怀送抱，双方达成合作，为奔驰将在2024年量产的自动驾驶车型开发计算平台。

在几天前的公告中，双方还表示，“鉴于建立共享技术平台所需的费用，以及当前的商业和经济状况，现在并不是成功实施合作的一个合适的时机。 ”太烧钱，看起来是让双方决定暂停技术合作的关键原因。

不过，奔驰随后与英伟达光速结伴的举动，倒是指向了钱以外的因素。 通常来说，车企与车企之间的合作，并不会对车企与供应商的合作产生影响，但奔驰与宝马之间的合作不同。 在与奔驰达成合作之前，宝马已经与全球最大的ADAS系统供应商Mobileye组建了一个自动驾驶同盟，基于其EyeQ系列芯片研发自动驾驶。

与宝马的合作意味着，奔驰要选用Mobileye的芯片来构建关键的自动驾驶计算单元。 而这或许是双方分歧中尤为重要的那一个。 国外咨询机构Guidehouse首席分析师SamAbuelsamid称，“我怀疑这两家汽车制造商无法就使用的平台达成共识，现在，与英特尔/Mobileye的产品相比，Orin看起来是更强大的解决方案。 ”

从公开的信息来看，Sam的分析不无道理。 Mobileye规划的下一代自动驾驶芯片EyeQ5，其算力为24TOPS（每秒运算24万亿次），而英伟达去年底发布的Orin，算力则高达200TOPS。 此外，Mobileye过去在与车企的合作中一贯表现强势（尽管承诺EyeQ5将会更加开放），其提供的功能模块对主机厂常常是“黑箱”；而英伟达自动驾驶构建的DriveAGX软件平台一开始就走了一条开放的道路，可以支持车厂在其计算平台上自主进行算法开发。

其实在此之前，奔驰探索研发自动驾驶网约车时，因为该技术对芯片算力的高要求，奔驰就选用了来自英伟达的DrivePEGASUS车载电脑。 6月23日官宣的信息，意味着奔驰在自动驾驶时代的芯片选择上，全面倒向英伟达，将双方的合作扩展到奔驰的量产车型中。

而与沃尔沃达成自动驾驶战略合作的Waymo，则是依托谷歌在AI领域的技术实力，使用自研的TPU。 虽然Waymo用于车辆端的TPU算力并未公布，但据Waymo官方的透露，在使用TPU后，其自动驾驶系统的性能提升了15倍。

芯片在自动驾驶中的地位，可以用“隐形冠军”来形容。 从车辆外观你看不见它的存在，但一台自动驾驶汽车能够顺利运行，它绝对是头号功臣。

二、自动驾驶竞赛，亦是一场芯片竞赛

无论是奔驰弃宝马牵手英伟达，还是沃尔沃与Waymo高达战略级别的联盟，又或者是滴滴的自动驾驶网约车发车，上周集中发生的大新闻说明，汽车公司与科技公司都将自动驾驶放在了至关重要的位置：从近期看，自动驾驶功能是汽车产品力的重要组成部分；从长远看，L4级自动驾驶投入大规模应用后，可能会彻底改变汽车行业的商业模式。

推动这一切变化的基础，是一枚小小的芯片。 为了在自动驾驶能力上获取竞争优势，参与这场竞赛的企业或独立研发，或合纵连横，只为寻得一块高性能的自动驾驶芯片。 行业内有个非常典型的例子：特斯拉。

作为智能电动汽车的领头羊，特斯拉和当前市场上的两家主流自动驾驶芯片厂商都有过合作经历。 但是由于Mobileye的强势和封闭，英伟达降不下来的功耗和高昂的开发成本，合作都未能长远。 特斯拉为了发挥软硬件一体在自动驾驶中的优势，率先在车企中独立研发了自动驾驶计算平台的FSD，其算力达到144TOPS。 FSD对自动驾驶的算力支持主要来自两块AI芯片，其单芯片算力约72TOPS。

迄今为止，特斯拉的FSD仍然保持着量产车自动驾驶算力纪录。 而特斯拉认为，FSD足以为其将推出的完全自动驾驶（FullSelf-Driving）功能提供支持。

毫无疑问，自动驾驶的竞赛，同样也是芯片的竞赛。 整个汽车行业向自动驾驶的重视乃至全面转向，将创造巨大的自动驾驶芯片需求。 如果哪家企业在自动驾驶芯片市场占据了可观的份额，那么对应的或许是千亿美元市值的想象空间。

当前，在巨大市场的吸引下，自动驾驶芯片领域已经出现了或新或老的四种势力：

第一类，是Mobileye等老牌的ADAS芯片/自动驾驶芯片供应商。

这一类企业，是汽车行业开始研发高级辅助驾驶系统（ADAS）时，就参与市场竞争的企业。 这些企业面向自动驾驶的竞争策略是，通过在ADAS市场积累的技术以及客户资源，不断向上升级其既有产品，实现向自动驾驶的平滑过渡，典型的就是Mobileye对EyeQ系列芯片的不断迭代。

除了Mobileye，瑞萨、恩智浦、德州仪器、电装等老牌汽车半导体供应商，都有各自的自动驾驶芯片规划。

第二类，是看到自动驾驶芯片机遇，跨领域而来的半导体巨头。

比如上文提到的英伟达，此前其主力业务为属于消费电子的GPU，以及数据中心等，但英伟达洞察到自动驾驶对高性能芯片的需求后，迅速进入了这一市场，目前已经推出DrivePX、DriveAGXXavier、DriveOrin三代产品，并获得了不少车企的订单。

主力业务为通信，制霸基带芯片、手机SoC的高通，则在尝试收购恩智浦获得自动驾驶竞赛入场券的努力告吹后，于今年CES上推出了SnapdragonRide自动驾驶计算平台。 根据高通官方的信息，这一基于高通芯片打造的计算平台最高算力可达700TOPS，可支持L4--L5级自动驾驶。

而在高通之前，主力业务同样为通信以及消费电子的华为，就已经发布了自动驾驶计算平台MDC600。 这一计算平台由8颗昇腾310AI芯片整合而成，最高算力达到352TOPS。

第三类，是在新机遇下诞生的自动驾驶芯片初创企业。

在国内以地平线为典型代表。

本月，搭载地平线车规级AI芯片征程2的长安UNIT正式上市。 借此，地平线实现了国产自动驾驶芯片的率先“上车”。 另一方面，算力为4TOPS的征程2，也是中国首款车规级AI芯片。

而在今年晚些时候，地平线还将发布算力达到96TOPS、支持16路高清摄像头信号的征程5，这款芯片算力超越特斯拉的FSD，将面向高等级自动驾驶。

最后一类，则是特斯拉为代表的车企自研派。

由于车企基本没有半导体的制造经验，因此他们通常会向供应商采购芯片。 而总部位于硅谷的特斯拉，则有着不同的基因、为了最大程度发挥软硬件一体化的优势，特斯拉依托硅谷的半导体人才资源，自行研发了FSD。

目前来看，车企自研自动驾驶芯片的模式难以复制，特斯拉很可能会是这条路径的独苗。

在国内，无论是传统车企还是造车新势力，目前都无自研自动驾驶芯片的计划。 作为全球最大的单一汽车市场，中国顺理成章地成为自动驾驶芯片供应商的兵家必争之地。

三、中国能否催生自动驾驶芯片巨头？

如此多的参赛者，让自动驾驶芯片这个仍待开发的蓝海市场，看上去已经呈现出红海的竞争态势。 近两年中美围绕芯片发生的一系列事件，让人们对中国芯片产业的的弱势心有戚戚。 从年初国家11部位联合发布的《智能汽车创新发展战略》到“新基建”，都将车载芯片的研发作为战略重点，中国汽车行业都希望能有更多本土芯片企业强势崛起。

如今，在汽车行业进行智能化转型、创造大量自动驾驶芯片需求的态势下，中国芯片能否迎头赶上，培育出一家能够在市场上立足的中国本土自动驾驶芯片供应商？答案并不确定，但6月地平线征程2芯片搭载于长安UNIT的“上车”，至少已经开了一个好头。 据了解，在ADAS芯片领域，征程2芯片所展现的感知计算性能已经在多个指标上超越了行业龙头Mobileye的芯片，特别是针对中国的特殊路况，并已经成功签下了来自中国各大汽车集团的十多款定点车型。

地平线创始人余凯在一次媒体采访中如此总结地平线的差异化优势：“在全球范围内，能提供这样功耗和算力水平、且开放赋能的芯片企业，我们是独一家。 英伟达在辅助驾驶、智能座舱多模交互等方面完全没有产品，芯片功耗也比较高。 我们的功耗和算力可以跟Mobileye正面PK，但Mobileye不开放，而我们能满足车企自主开发的需求”，并表示未来有信心拿到全球1/3的市场。

事实上，当自动驾驶潮流席卷而来，如地平线这样率先瞄准车载AI芯片市场，并已通过前装量产得到市场验证的中国芯片企业确实迎来了最好的时代。 中国作为全球最大的汽车市场，再加上自动驾驶技术开发的一些典型特征与需求，为本土自动驾驶芯片企业创造了难得的机遇。

首先，自动驾驶技术有强地域性。

因为世界各地自然条件、交通场景、交通规则乃至是文化传统的差异，所以在一国一地开发的自动驾驶技术很难复用到其他地区。 这种影响会直接传导到硬件层面——因为与具体数据、算法高度整合，自动驾驶芯片很难不受地域特征的支配。

在此情况下，一家拥有强大本土研发团队、对中国的数据与场景更加了解的企业，有更大的概率研发出更适合中国场景，且算法与硬件结合更加高效的自动驾驶芯片。

其次，当汽车被越来越多的人们看作电子产品时，人们对其功能迭代的频率与速度，都有了更高的期望，自动驾驶功能也不例外。

此前，主要由国外供应商占据市场主流的ADAS，在功能搭载上车后便永不更新。 但当汽车变得智能化，车辆其实可以通过不断地OTA，实现功能的升级，甚至实现从ADAS到半自动驾驶、自动驾驶的跨越。 比如特斯拉通过升级实现Model3的NOA（高速公路自动驾驶辅助）功能，就是典型的例子。

当然，特斯拉仅此一家。 对于更多车企来说，要完成这样的任务，需要他们与自动驾驶芯片供应商保持高频、紧密的联系，由双方进行联合研发。

这一变化，更加考验供应商对车企需求的快速响应。 换句话说，这需要自动驾驶芯片供应商建立一个成规模的现场支持团队，做到对车企需求的快速反馈、支援。 显然，一个本土的、没有文化语言隔阂的团队，能够更好地胜任。

最后，车企在自动驾驶研发上有更多的功能差异化诉求。

当ADAS功能在汽车产品已经高度标准化或者雷同时，它很难再成为吸引消费者的亮点。 对此，有远见、有能力的车企，纷纷选择基于场景去开发新的、有差异的自动驾驶功能（比如宝马的自动循迹倒车），从而获得新的竞争力。

这一趋势对自动驾驶芯片供应商提出的要求是，不能再单纯采用过往的“黑箱”模式，直接给车企一个完整但“知其然不知其所以然”的功能模块，而是要赋予车企进行二次开发、深度开发的权利。 或者说，这要求自动驾驶芯片供应商转变思路，去赋能车企的自动驾驶开发。

具体而言，这要求芯片供应商转变思路，在战略上开放，为车企的自动驾驶开发赋能；在产品策略上则要为车企分忧解难，通过打造工具链，降低车企基于自动驾驶芯片进行差异化功能开发的难度与成本。

从上述三点特征来看，自动驾驶潮流的到来，将更加考验自动驾驶供应商的服务意识与快速开发能力。 而国外芯片供应商，因为历史、成本、政治等因素，很少在国内搭建起成规模的研发与现场支持团队，过往的开放程度与开发速度也难以满足新的需求。 而这，正是中国本土自动驾驶芯片供应商崛起的突破口。

最终，从形势上来说，国外芯片巨头产业先天更加成熟、进入汽车行业更早、各自拥有不同的壁垒。 对中国本土自动驾驶芯片供应商来说，与他们同台竞技并最终突出重围，并不容易。

但如果本土自动驾驶芯片供应商在芯片算力、功耗等指标上的表现能迎头赶上，并发挥自己的核心优势，抓住车企智能化转型的时代机遇，那么，中国诞生一个本土自动驾驶芯片巨头或将是大概率事件。

马斯克19天建成世界最强AI集群！10万块H100「液冷怪兽」即将觉醒

世界最强AI训练集群由马斯克在19天内建成，该集群由10万块液冷H100 GPU组成，这一数字在全球范围内无出其右。 如此庞大的集群意味着成本高达40亿美元，相当于斯坦福大学自然语言处理小组使用数量的数千倍，以及市面上GPU需求量的数倍之多。 在算力方面，这个集群的算力约为OpenAI训练GPT4所使用算力的20倍，同时，电力需求达到了70MW，相当于一座普通电厂的装机容量，足以满足20万人的能源需求。 马斯克在采访中透露了更多关于新建超算和xAI模型进展的信息。 其中，Grok 2模型在上个月已完成训练，大约使用了块H100 GPU。 Grok 2将于下个月发布，性能与GPT-4相当。 Grok 3则在新建的10万块液冷H100超算上开始训练，预计将在12月发布，并且将成为世界上最强大的人工智能。 超算集群的规模、成本、算力和能源需求等关键信息，显示了马斯克在AI领域的决心和投入。 他选择当前一代的H100 GPU来加速超级集群的建设，而不是等待新一代的H200或基于Blackwell的B100和B200 GPU，因为市场预期Nvidia的新Blackwell数据中心GPU将在2024年底前上市，而马斯克没有耐心等待。 这种快速行动策略在AI军备竞赛中至关重要，因为速度可以确保产品迅速占领市场。 马斯克与甲骨文之间的百亿大单谈判破裂，这使得xAI不得不再次考虑自己的路径，选择在孟菲斯建设自己的人工智能数据中心。 这一决定意味着xAI将自己动手构建独立的数据中心，以摆脱云提供商的限制。 马斯克表示，xAI拥有世界最强的AI训练集群，这将使其在全球AI领域遥遥领先。 在建设超算集群的过程中，马斯克强调了速度的重要性，并在推文中赞扬了团队的优秀工作。 Supermicro公司为xAI提供了大部分硬件支持，其CEO Charles Liang也对团队的执行能力表示了赞赏。 如此巨大的训练集群将用于训练Grok 3，这是马斯克在采访中透露的下一个AI模型，预计将于年底发布。 基于10万个GPU训练的Grok 3将在性能方面比Grok 2更上一层楼。 为支持这一庞大的AI项目，马斯克在推特上继续招兵买马，旨在最大化数据优势、人才优势和算力优势。 马斯克的这一系列行动充分展现了他对AI技术的深刻理解和对技术创新的不懈追求，以及在AI领域的领先地位。

算力智库：共享单车太烧钱？AI公司也不逞多让

依图 科技 发布自研AI芯片“QuestCore”，人工智能烧钱还在继续，但这个行业和互联网模式烧钱似乎又有点不一样。

上个月，依图 科技 召开发布会，正式推出首款云端芯片“QuestCore”和依图原子系列云端服务器、依图前沿系列边缘盒子，并宣布AI芯片已实现商用。

作为和商汤、旷世、云从并立机器视觉“四小龙”的依图 科技 率先推出了自己的AI芯片，进军芯片领域。

一方面是技术的持续发展，一方面是越发加速的烧钱，但是人工智能的烧钱，和互联网公司的烧钱，是两个逻辑。

1 人工智能无底洞，巨头盈利仍靠补贴

现阶段人工智能基础领域的技术研究还在继续，这个行业烧钱也还在持续。

人工智能领域目前最火的应用目前主要集中在安防、医疗、金融等领域。

然而，即使在食物链最顶端的几家人工智能公司，最大的订单量除了金融行业，基本以政府采购为主，尤其是现在人工智能行业主攻的智能安防、智慧城市等项目。

然而，据某人工智能公司员工爆料。 此类项目都是以获取政府订单获得知名度为目的，因此盈利很少，甚至很多时候都是亏本的状态。

即便是上市公司科大讯飞，2018年年报显示获得政府补助总额2.85亿元，占比净利52.58％。 据统计，十年来仅政府补贴就超过十亿。

被称为人工智能四小龙的商汤、依图、旷视、云从更是被戏称为“融资机器”。

这样的烧钱程度更甚于此前共享单车大战，但是烧钱的逻辑，和传统的商业逻辑并不一样。

2C行业的烧钱逻辑很简单，前期烧钱推广渠道抢占用户，获得未来的订单。 而投资人的逻辑则更简单，那就是前期投入等待接盘。 尤其是互联网行业，更是一场估值 游戏 ，人们追求的是交易机会而不是实际价值。

前有P2P、后有共享单车，一旦企业后续融资没有跟上，资金链断裂，没有持续变现渠道的互联网泡沫破灭，钱烧没了也是分分钟的事。

人工智能行业的烧钱为何不同？其核心在于钱投在了实际产品中。

2 人工智能的钱怎么烧？

去年6月和7月，依图 科技 先后完成了2亿美元和1亿美元的C+轮战略融资，时隔一年，依图发布“QuestCore”AI芯片，从发布会现场的介绍和数据来看，依图的芯片在人工智能领域内属顶尖水平，依图 科技 用成果给予了投资者回应。

AI算法厂商推出自有的AI芯片，加速自身AI技术能够更好更快的落地，已经成为了一大趋势。

商汤 科技 选择了和芯片大鳄高通合作，旷视 科技 携手联发科，而云从 科技 和依图 科技 均选择了自研芯片。

在全球范围内，AI芯片早已成为各行业巨头最为重视的战略高地。 Google很早就推出了自研的TPU；Nvidia在AI领域也是深耕多年，并且在云端AI芯片、 汽车 自动驾驶领域占据了很大的市场；2017年，Intel以150多亿美金收购了ADAS\/自动驾驶AI芯片及解决方案厂商Mobileye，此外还收购了AI芯片公司Movidius；Facebook也有在芯片方向布局；不久前，Tesla也推出了自己的自动驾驶AI芯片。

而在国内，如网络在2018年就发布了云端AI芯片“昆仑”；阿里去年也收购了中天微，并且还成立了平头哥半导体公司；同时，在去年，众多的语音AI算法厂商（如云知声、Rokid、思必驰等）及视觉AI算法厂商（如地平线、云天励飞等）也都纷纷推出了自己的AI芯片。

依图创始人兼 CEO 朱珑在发布会上表示，摩尔定律已濒临终点，智能算法性能的增长在过去的4年提升100万倍，人工智能的发展时代下，算法才是计算力的更大引擎，“算法即芯片”，算法性能已经成为芯片成功与否的关键。

这也意味着，人工智能并不是简单的算力竞争 游戏 。 其本质上，还是要找对应用场景，并且开发出更具优势的算法，以此定制出来的芯片才更具性价比优势。 依图 科技 的首款云端视觉推理AI芯片就是遵循着这一逻辑。 “人工智能企业若只以单一领域的技术进行竞争，未来仍将面临压力，因此建立体系对人工智能企业来说至关重要。 ”人工智能学者刘峰曾表示。 即便商汤 科技 在2017年宣布已实现盈利，却仍然在加大融资力度。 去年5月，商汤宣布完成C轮6.2亿美元融资，估值45亿美元。 有媒体爆料，商汤 科技 融资或为布局研发芯片。

人工智能已经从技术进入芯片，行业巨头们不再满足于技术赋能，而是提供从底层技术到核心硬件的整体解决方案。

这也是这个行业的独特所在，其不仅是一个独立的增量市场，更是能带动所有产业的能效提高，也被称为下一场工业革命的重要引擎。

因此，人工智能甚至成为了国际间军备竞赛中最重要的桥头堡之一，这也是为什么科大讯飞这么多年来可以持续获得政府补贴的原因。

中国这种基建狂魔以同样的热情投入到了人工智能的基础建设上来， 科技 产业园区建立、相关政策出台，哪怕还处于烧钱阶段，人工智能的确烧出了不一样的烟火，甚至带动着政府一起起舞。

3 人工智能的钱也会打水漂

虽然人工智能行业占据了天时地利人和，但并不代表投入一定能带来回报。 尤其是目前整个行业都没进入稳定的盈利渠道。

据IT桔子统计，2019年前四个月，AI行业资本交易量下降，平均单笔交易融资额1.07亿，相较于2018年1.8亿的平均单笔融资金额，近乎腰斩。

另一个数据则显示，2018年全年有将近90％的人工智能公司处于亏损状态。 根据《北京人工智能产业发展白皮书（2018）》对国内AI创业公司数量和投资的统计数据显示，截止2018年底全国人工智能企业4040家，但其中拿到风险投资的公司仅占总数的30％，有70％的公司没有拿到融资，倒闭清算只是时间问题。

显而易见的是，即便是头部企业，持续烧钱还将继续，但人工智能市场仍在，倒下越多，资源无疑将会更加集中。

目前人工智能公司不断拓宽应用领域，是在目前的技术边界做出的不断 探索 。 但是在开始稳定盈利之前，要么继续研究技术，要么等待死亡。

但至少，人工智能行业烧掉的钱，在推动产业技术进步，而不是放大泡沫。

更多精彩资讯，请来金融界网站()

通过股票开户网预约股票开户，交易佣金万分之0.874。比您自己去证券公司营业厅办理开户，能多节省70%的交易佣金。开户微信：gpkhcom