本文由半导体产业纵横（ID：ICVIEWS）综合
AI 基础设施市场是动态变化的，新的技术和竞争对手不断涌现。
GPU 是新型半导体芯片，能使 AI 正常工作。它们可处理大量数据，完成 AI 计算和预测。其他基础设施，如存储、电源和网络等也发挥着支持作用。所有这些组件都需要高度专业化的软件才能高效运行。这些软件与硬件组件一同提供，必须在安装过程中进行配置，并在数据中心运行时进行监控。
人工智能基础设施的主要组成部分包括：
GPU（图形处理单元）——训练和运行 LLM。有时也称为 AI 加速器。目前市场规模达 2000 亿美元，利润率高达 55-60%。CPU（中央处理单元）——支持 GPU 更高效地运行。内存——帮助 GPU 存储和快速访问常用数据。市场规模 250 亿美元，利润率在 30-40% 之间。网络——管理 GPU、GPU 与 CPU、服务器机架、GPU 与内存、GPU 与存储甚至 AI 数据中心之间的连接。这是一个价值 250 亿美元的行业，利润率为 50-60%。服务器机架——容纳上述所有组件的模块化机柜。这是一项增长型商品业务，利润率非常低，仅为 10-15%。电源——为数据中心供电的电气系统。今年迄今为止，人工智能基础设施股票已为投资者带来了最高的回报。
目前，人工智能数据中心的市场规模约为 2500 亿美元，预计到 2027 年将增长到 5000 亿美元以上，到 2030 年将增长到 1 万亿美元以上。
AI GPU 的类型目前有两种类型的 GPU
通用 GPU，可供任何客户用于各种用例。目前只有两家公司生产这些 GPU，即 Nvidia 和AMD。
目前，商用 GPU 约占整个 AI GPU 市场的 85%。一旦量产全面展开，它们就可以以非常高的利润率进行量产。由于它们可以针对不同的用例进行编程，因此可以应用于各种工业、商业和消费者环境。
定制 GPU 是根据客户规格设计和制造的，用于其专门的内部用途。如今，Broadcom 和 Marvell 是定制 GPU 的最大生产商。AMD、英特尔和高通等其他几家公司也涉足这一领域。
定制 AI GPU 也称为 ASIC（专用集成电路）或 TPU（张量处理单元）。TPU 由 Google 和 Broadcom 共同开发。Google 在其 AI 公共云中使用 TPU 来训练和运行其产品，如 Google 搜索、Gmail、Google 翻译、Google 照片和 YouTube。它们是专为 Google 数据中心的 Google 应用程序设计的。亚马逊、微软和 Meta 都有自己的定制 GPU 用于各自的应用程序。
预计到 2028 年，ASIC 将占据整个市场的 25% 左右。由于 ASIC 是由生产商和客户共同设计和开发的，因此利润率通常较低。
一些顶级的GPU竞争者
截至目前，只有 4 家无晶圆厂制造商在 AI GPU 和 ASIC 领域处于领先地位：英伟达、AMD、博通和Marvell。到目前为止，这 4 家公司已经垄断了客户订单、预订量、销售额、现金流和利润。因此，从投资者的角度来看，考虑 2-3 年的时间范围，关注这四只股票是有意义的。
还有其他新兴竞争者，人工智能领域发展迅速。这是英伟达、AMD、博通和Marvell的比较表。
当查看上述指标时，笔者发现以下几点非常引人注目：
英伟达显然处于领先地位。到 2024 年，他们的 AI 产品销售额将超过 1000 亿美元，到 2025 年销售额将增长至 1340 亿美元。随着 GPU 路线图的完善和 AI PC 销量的开始上升，AMD 预计将在 2025 年以后大幅提升。Marvell也将在 2025 年实现令人瞩目的 AI 收入增长。从大多数指标来看，这 4 只股票都估值过高，这并不奇怪。博通的基本面是所有公司中最差的：资产负债表不平衡、股东价值最低、趋势利润率和现金流利润率较低。博通今年的人工智能收入将达到约 120 亿美元，明年的人工智能销售额将达到 150 亿美元。在探讨谁是 AI 基础设施的赢家这个问题时，需要从多个方面进行分析。
首先，从硬件层面来看，英伟达被广泛认为是当前的重要赢家之一。英伟达的 GPU 在人工智能计算中占据主导地位，其强大的并行计算能力和对深度学习框架的良好支持，使得众多人工智能研究机构和企业都依赖于英伟达的硬件。无论是训练大规模的神经网络还是进行实时的推理应用，英伟达的 GPU 都表现出色。它们处理大量数据的能力以及在 AI 计算和预测方面的高效性，为人工智能的发展提供了坚实的基础。
网络设备供应商同样在 AI 基础设施中扮演关键角色。高速、低延迟的网络连接对于分布式人工智能训练和数据传输至关重要。能够提供稳定、高效网络解决方案的企业有助于提高人工智能应用的性能和可扩展性。
要确定谁是绝对的赢家并不容易。AI 基础设施市场是动态变化的，新的技术和竞争对手不断涌现。不同的应用场景可能对不同的基础设施组件有不同的需求。而且，随着技术的不断进步，新的创新可能会颠覆现有的格局。
