柴孝伟的微博 - 水晶球财经网

水晶球财经APP 高手云集的股票社区

下载、打开

X

注册 | 登录

柴孝伟

个人简介：做个顶级股权企业家，行天地人太和至尊道更多

96年入市，精通各种技术，2012年来在新浪微博公开预测多次牛熊转折。近几年转入基本面派，深入研究巴菲特.格雷厄姆，完善了“好生意好价格好时机+踩实洞见理性”体系，目标十七翻番十万倍。

更多TA的关注(3)

更多TA的粉丝(35072)

【飞腾CPU，基于ARM指令集】
飞腾CPU，基于ARM指令集一、公司历史飞腾CPU技术源头来自国防科技大学银河系列处理器研发团队，早期完成多款原型芯片研发。2014年飞腾信息技术有限公司在天津正式注册成立，实现科研成果向商业化产业转化，拿到ARMv8指令集永久授权，专注通用CPU芯片设计，不做晶圆制造。公司... 展开全文

收起查看原文

飞腾CPU，基于ARM指令集

飞腾CPU，基于ARM指令集

一、公司历史

飞腾CPU技术源头来自国防科技大学银河系列处理器研发团队，早期完成多款原型芯片研发。2014年飞腾信息技术有限公司在天津正式注册成立，实现科研成果向商业化产业转化，拿到ARMv8指令集永久授权，专注通用CPU芯片设计，不做晶圆制造。公司先后推出腾云服务器、腾锐桌面、腾珑嵌入式三大产品线，深度参与PKS信创体系建设，面向党政、金融、能源、通信等关键行业推进国产替换，芯片累计出货量已经超过1300万片，成为国内信创领域出货规模领先的CPU厂商。公司至今没有独立IPO，财务数据不对外完整公开。

二、行业地位

飞腾属于国产CPU第一梯队，是信创国家队核心企业。在国内党政机关桌面终端市场装机量长期处于第一梯队，PKS（飞腾CPU+麒麟操作系统）是国内党政信创两大主流体系之一。产品覆盖桌面、服务器、嵌入式全场景，在政务办公、电力、轨道交通、网络安全设备、边缘计算节点大规模落地。服务器产品在政企私有云、行业云占有可观份额，但面向互联网大型公有云商业市场渗透有限。整体来看，在国产CPU赛道，飞腾在党政与传统行业信创具备强势地位，但面向通用商业算力市场仍处于追赶阶段。

三、股东情况

实际控制人为国务院国资委。第一大股东为中国长城，持股28.035%，属于参股投资，不合并报表，仅核算投资收益；天津先进技术研究院持股26.7%，天津滨海新区科技金融投资集团持股25.365%；员工持股平台飞腾创芯持股8.9%；此外引入国新资本、阿里创投、联想创投等多家战略财务股东，股权结构混合央企、地方国资、员工持股、产业资本，国有资本占据主导地位。公司暂未公开启动IPO辅导。

四、产品差异化特色

飞腾拿到ARMv8永久架构授权，内部自研FTC系列CPU内核，不是直接套用ARM公版内核。产品线完整覆盖服务器、桌面、嵌入式，硬件内置国密安全模块，适配国内安全合规要求。最大差异化在于深度绑定PKS全栈生态，联合操作系统、整机、应用软件厂商做一体化适配，面向政务、国企行业提供整套软硬件解决方案。嵌入式芯片功耗控制优秀，广泛用于工控、网安设备。相比同行，飞腾更侧重行业整机系统协同，不单销售芯片硬件，联合生态伙伴完成大量应用软件迁移适配工作。

五、护城河优势和劣势

优势方面，第一，PKS体系生态壁垒深厚，党政行业客户认证周期长，存量基数大，客户转换成本高；第二，产品线齐全，桌面、服务器、嵌入式同步迭代，能够满足行业端到端算力需求；第三，国资背景，在关键基础设施项目具备资源优势；第四，ARM生态软件资源丰富，应用迁移难度低于全新自研指令集路线。

劣势十分突出：指令集依赖ARM授权，虽然是永久v8授权，但无法获取新一代ARM架构；高端服务器多核性能相比海外头部芯片仍存在差距；业务高度依赖国内信创政策采购，市场化商业客户拓展偏弱；AI加速能力属于短板，需要外接加速芯片；同时没有上市，财务透明度不足。

六、与同行业公司对比

对比海光信息：海光基于x86授权，软件兼容成熟，服务器算力更强，更适配金融、互联网商业场景；飞腾依托ARM路线，党政行业生态更强，但商业云场景竞争力偏弱。对比龙芯中科：龙芯拥有完全自研LoongArch指令集，底层完全自主可控，适合最高安全等级涉密场景；飞腾依靠ARM永久授权，生态适配更加成熟，但底层指令集非自研。对比鲲鹏：同样ARM路线，鲲鹏云端算力更强，飞腾优势在于桌面终端与嵌入式，政企行业落地广度更大。整体三家技术路线各有取舍，分别适配不同安全等级、不同商业属性的客户场景。

七、行业和公司未来前景

国产CPU行业长期驱动力来自关键信息基础设施自主替换，同时行业竞争持续加剧，多条技术路线并行发展。飞腾未来成长一方面要看党政、国企信创替换的落地节奏，另一方面要看向工业、通信、能源等市场化行业进一步渗透。未来产品迭代重点提升服务器多核性能，补齐AI推理算力短板，持续丰富生态适配。主要风险来自ARM新一代架构授权约束，政策采购节奏波动，商业市场拓展不及预期。中长期看，飞腾在政务、行业信创具备稳固基本盘，但想要大规模进入互联网公有云等充分竞争的商业市场，仍需要在芯片性能与软件生态上持续投入。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(4) | 评论 08月27日 07:04 来自网站举报

【龙芯中科，国内自主指令集CPU第一股】
一、公司历史龙芯CPU最早起源于2001年中科院计算所的科研项目，依靠国家科研经费完成早期技术积累。2010年完成产业化转制，龙芯中科正式成立，将实验室技术转向商业化落地。公司前期基于MIPS架构开展研发，后续推出完全自主的LoongArch龙架构指令系统，摆脱外部指令集约束... 展开全文

收起查看原文

龙芯中科，国内自主指令集CPU第一股

一、公司历史

龙芯CPU最早起源于2001年中科院计算所的科研项目，依靠国家科研经费完成早期技术积累。2010年完成产业化转制，龙芯中科正式成立，将实验室技术转向商业化落地。公司前期基于MIPS架构开展研发，后续推出完全自主的LoongArch龙架构指令系统，摆脱外部指令集约束。2022年于科创板上市，成为国内自主指令集CPU第一股。公司业务分为信息化与工控两条主线，产品覆盖桌面、服务器、嵌入式、工控芯片，同时配套研发编译器、虚拟机、操作系统等基础软件，不只是单纯的芯片设计企业，同时推进整套软硬件生态建设。

二、行业地位

龙芯中科是国内极少数拥有完全自主指令集的通用CPU设计企业，在信创产业当中具备特殊定位，是国内信息技术自主体系建设的核心参与者。在党政、关键基础设施、工控安全领域，底层自主可控的需求场景下具备不可替代性。桌面处理器3A6000已经实现百万级出货，在政务办公市场大规模落地；服务器芯片3C6000进入多行业信创服务器采购清单；2K系列嵌入式芯片广泛应用于工业控制、网络安全设备。整体来看，性能上尚未追上国际头部厂商，但在国产CPU阵营中，代表底层自主路线，与海光、飞腾形成差异化竞争格局。

三、股东情况

实控人为胡伟武、晋红夫妇，通过天童芯源等平台合计控制约28.84%表决权。第二大股东为中科算源，背后是中科院计算所，属于国有股东，代表科研院所渊源；北京工业发展投资为地方国资，同时有多家创投机构、科创板指数基金持股。股权结构混合了创始人团队、中科院、地方国资、财务投资机构，实控人团队对公司战略拥有较强话语权，国有股东提供产业资源，但不参与直接经营。

四、产品差异化特色

核心差异化在于LoongArch龙架构全套指令集、IP核均为自研，不依赖x86、ARM的外部授权，从根源规避授权断供风险，具备二进制翻译能力，可以兼容部分存量应用，降低替换阻力。不同于同行只做芯片硬件，龙芯同时投入大量资源做基础软件，包含编译器、虚拟机、固件、操作系统适配，走“芯片+基础软件+生态”全栈路线。产品矩阵完整，兼顾桌面、服务器、工控嵌入式，面向高安全等级的政企与工业场景，内置国密安全模块，适配国内安全合规要求。

五、护城河优势和劣势

优势：
第一，完整自主指令集，专利体系完整，是国内少数可对外授权的通用CPU架构，安全属性护城河突出。
第二，全栈软硬件研发能力，不止设计芯片，掌握底层软件，适配定制化安全需求。
第三，在关键基础设施、党政系统，自主可控带来客户粘性，客户认证周期长，客户转换成本高。

劣势：
第一，全新指令集带来生态短板，大量商用软件、外设需要重新适配，迁移成本高，通用商用市场竞争力不足。
第二，芯片性能距离国际高端产品仍存在差距，高负载服务器算力偏弱，AI加速能力尚在追赶。
第三，收入高度依赖信创政府采购，市场化商业客户拓展进度不及预期，业绩受政策采购节奏扰动大。第四，研发投入持续高企，持续消耗利润，规模效应尚未充分体现。

六、与同行业公司对比

对比海光信息：海光基于x86架构授权，软件生态成熟，服务器算力更强，但底层架构来自外部；龙芯指令集完全自主，但生态适配成本更高，更适合对底层安全要求最高的场景。
对比飞腾：飞腾基于ARM架构，嵌入式与服务器布局完善，但仍受ARM授权体系约束。
对比寒武纪：寒武纪聚焦AI加速芯片；龙芯以通用CPU为主，同时布局AI推理，训练算力并非强项。
总体来看，龙芯的核心竞争力不在于绝对性能，而在于底层技术完全自主可控。

七、行业和公司未来前景

国产CPU行业长期驱动力来自信创替换、关键基础设施自主化，但行业竞争加剧，各条技术路线并行发展。龙芯未来成长，一方面取决于党政信创采购落地节奏，另一方面取决于生态完善程度，以及向工业、能源、交通等行业市场化场景渗透。公司新一代芯片迭代，将持续缩小与国际产品性能差距，同时布局GPGPU补齐算力短板。主要风险来自软件生态建设进度慢于预期、采购不及预期、研发投入持续高企。中长期看，如果生态逐步成熟，有望从封闭信创市场向更广工业商用市场扩张；但生态建设是漫长过程，短期很难进入普通消费级大众市场。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(29) | 评论 (26) 08月26日 06:40 来自网站举报

【英特尔，全球CPU传统龙头】
公司历史英特尔1968年由集成电路先驱诺伊斯、摩尔创立，摩尔定律即出自公司联合创始人。公司早期做存储器，遭遇日本企业竞争后果断转型主攻x86处理器，依靠奔腾、酷睿系列长期主导全球PC产业。在数十年间，从PC芯片厂商延伸到服务器CPU、FPGA、网络芯片，坚持IDM全栈模式，集芯... 展开全文

收起查看原文

英特尔，全球CPU传统龙头

公司历史

英特尔1968年由集成电路先驱诺伊斯、摩尔创立，摩尔定律即出自公司联合创始人。公司早期做存储器，遭遇日本企业竞争后果断转型主攻x86处理器，依靠奔腾、酷睿系列长期主导全球PC产业。在数十年间，从PC芯片厂商延伸到服务器CPU、FPGA、网络芯片，坚持IDM全栈模式，集芯片设计、晶圆制造、封装测试于一体。2020年后，制程迭代多次延期，公司陷入业绩低谷；2025年更换管理层，开启内部改革，代工业务独立核算，全力推进先进工艺与AI相关产品转型。

行业地位

英特尔是x86架构的开创者，在全球PC处理器、服务器CPU领域属于第一梯队。PC端保持较高市场份额，服务器至强系列长期占据市场主导位置。作为少数同时具备芯片设计和先进晶圆制造能力的IDM企业，英特尔代工服务IFS承接美国本土芯片制造重任，获得美国芯片法案扶持，和台积电、三星构成全球先进代工三极格局。在AI浪潮中，它在AI推理侧具备较强竞争力，但AI训练GPU市场显著落后于英伟达。

股东情况

英特尔在纳斯达克上市，股权高度分散，以机构投资者为主，贝莱德、领航集团为前两大机构股东，合计持股占比约15%，大量ETF、共同基金持有流通股份，个人创始人持股几乎可以忽略。美国政府通过相关法案配套持有部分权益，公司管理层持股比例很低，不存在实控人，属于典型公众公司，重大决策由董事会主导。

产品差异化特色

产品分为自研芯片与代工两大板块。自研层面，以酷睿Ultra消费级处理器、至强服务器CPU为核心，集成NPU单元，主打AI PC与服务器AI推理；同时布局FPGA、网络适配器，提供CPU‑GPU‑FPGA异构算力组合，擅长兼顾通用计算与推理任务。代工业务主打Intel18A先进工艺搭配PowerVia背部供电、EMIB先进封装，面向外部客户提供从设计到制造的全套服务，差异化在于兼顾自用芯片产能与外部代工订单，同时拥有美国本土供应链优势。

护城河优势和劣势

优势方面，
第一，x86架构几十年积累庞大软件生态，软硬件兼容性极强，客户迁移成本高。
第二，完整IDM能力，从IP、设计、晶圆制造到封装全链条掌握，叠加美国政策资源，代工业务具备地缘层面壁垒。
第三，客户资源深厚，深度绑定全球PC整机厂商、云服务商、政企客户。

劣势十分突出。
第一，历史上先进制程多次延期，制造端曾经大幅落后台积电，资本开支巨大，重资产模式造成盈利波动大。
第二，GPU软件生态远弱于英伟达，AI训练芯片竞争力不足。
第三，IDM模式内部存在利益冲突，代工业务既要服务外部客户，又要保障自家芯片产能，容易产生矛盾。
第四，PC行业整体进入存量周期，传统主业增长天花板明显。

与同行业公司对比

对比AMD：两家同为x86算力竞争者，AMD无自有晶圆厂，全部外包台积电，体制更轻；英特尔重资产IDM模式，制造端是双刃剑。AMD在部分服务器CPU、消费级CPU性价比突出，英特尔生态兼容性、政企客户基础更强。
对比英伟达：英伟达依靠CUDA软件生态垄断AI训练市场；英特尔优势在CPU+推理，GPU硬件参数尚可，但软件生态差距明显。
对比台积电：台积电纯代工，不做自有芯片，没有业务冲突；英特尔代工业务起步晚，客户基础弱于台积电，但拥有自研产品做基本盘。

行业和公司未来前景

全球算力市场持续扩张，AI从训练走向大规模推理，服务器CPU、AI加速芯片存在持续需求，AI PC换机周期也带来PC芯片增量。英特尔一方面依靠18A工艺改善产品竞争力，另一方面寄希望于代工业务打开第二增长曲线，美国本土供应链政策为代工业务带来订单红利。但挑战同样巨大，PC市场增长有限，ARM架构持续渗透PC与服务器，GPU软件生态短板短期很难补齐，重资产模式下巨额资本开支会持续压制回报。未来公司能否突围，核心取决于先进工艺良率、代工订单落地进度以及AI产品的商业化效果，整体属于高弹性同时高不确定性的半导体巨头。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(2) | 评论 08月25日 06:56 来自网站举报

【华为昇腾，AI算力国产化核心主力】
一、公司历史昇腾并非独立注册公司，是华为全资子公司海思半导体旗下的AI计算业务线。2018年正式对外发布达芬奇AI架构，2019年推出第一代云端训练芯片昇腾910，开启商业化落地。受外部制裁影响，前期海外代工渠道受阻，依靠国内产线完成芯片生产迭代。产品从最初单一加速卡，逐步拓展... 展开全文

收起查看原文

华为昇腾，AI算力国产化核心主力

一、公司历史

昇腾并非独立注册公司，是华为全资子公司海思半导体旗下的AI计算业务线。2018年正式对外发布达芬奇AI架构，2019年推出第一代云端训练芯片昇腾910，开启商业化落地。受外部制裁影响，前期海外代工渠道受阻，依靠国内产线完成芯片生产迭代。产品从最初单一加速卡，逐步拓展芯片、板卡、服务器、整机、软件工具链的完整体系，覆盖端、边、云全场景。后续迭代910B、910C，2025‑2026年推出昇腾950系列，支撑国内大模型训练与国家级智算中心大规模建设，成为国内AI算力国产化的核心主力。

二、行业地位

在国内AI训练芯片市场，昇腾处于绝对第一梯队，智算落地规模遥遥领先国内其他厂商，广泛进入运营商、政府、互联网大厂的算力采购体系。全球范围依旧与英伟达存在明显差距，主要市场集中于国内及部分新兴市场。在国产算力赛道，昇腾是少数可以实现万卡级超大规模部署的产品，推理侧产品也大量应用于安防、工业、云服务场景。但受供应链约束，产能释放存在上限，无法完全满足全部市场需求。

三、股东情况

昇腾业务归属华为技术有限公司，由华为全资子公司海思负责芯片设计，没有外部财务股东，不对外独立融资，全部研发投入来自华为集团内部资金支持。华为是非上市民营科技企业，股权由员工持股会及少数自然人持有，没有公开二级市场股份。业务发展不受短期财报利润约束，可以进行长期、持续的巨额研发投入。硬件整机由生态合作厂商完成生产制造，华为掌握芯片、软件、调度的核心技术。

四、产品差异化特色

昇腾基于自研达芬奇架构，不是通用GPU路线，采用3D‑Cube计算单元，侧重AI矩阵运算，形成芯片、CANN软件栈、MindSpore框架、调度的全栈一体化方案。区别于多数国产芯片只做硬件，昇腾同时掌控底层芯片、编译器、算子库、互联、行业解决方案整套体系，能够针对大模型做软硬件协同深度优化。产品线完整，高端训练芯片、中端推理卡、边缘端模组齐全，支持千卡、万卡超节点搭建，更适配国内政企大算力项目需求，但不侧重图形渲染能力。

五、护城河优势和劣势

优势：
第一，全栈软硬件一体化能力，从架构到软件全部自研，协同优化是国内最强，万卡落地经验形成实践壁垒；
第二，华为集团强大的研发资金、人才储备，能够持续迭代；
第三，国内信创、算力自主可控政策红利，智算中心项目优先采购，客户资源充足；
第四，端边云统一架构，不同场景之间可以实现应用迁移。

劣势：硬件单芯片绝对性能对比海外顶尖产品仍存在差距；软件生态虽持续完善，但开发者生态规模、算子丰富度相比CUDA还有差距，大模型迁移需要一定适配工作量；供应链是最大短板，先进制程产能受外部环境约束，产能扩张存在瓶颈；不具备图形处理能力，无法兼顾渲染类复合场景；业务不独立，发展完全依托华为集团整体资源。

六、与同行业公司对比

对比寒武纪：寒武纪为独立上市公司，同样自研AI架构，推理产品能效突出，但大规模落地案例少于昇腾，整体软件生态完整度弱于昇腾。
对比海光信息：海光DCU偏向通用GPU路线，对CUDA兼容性更好，但超大规模训练项目落地少于昇腾。
对比沐曦、摩尔线程：沐曦、摩尔线程主打通用GPU，兼顾图形与AI，而昇腾聚焦AI训推，能力更强，但缺少图形渲染能力。
对比英伟达：英伟达拥有全球最完善CUDA生态，单卡性能领先；昇腾优势在国内供应链安全、政策支持与本地化服务，短板在于全球生态与硬件性能。

七、行业和公司未来前景

国内AI算力国产化是长期确定趋势，大模型、智算中心建设带来持续的市场空间。
昇腾作为国产算力主力，未来机会在于芯片迭代提升性能、持续完善软件生态、释放更多产能，同时向海外新兴市场拓展。
核心风险来自供应链约束，如果产能扩张不及预期，会限制业务规模；
另外，国内其他算力厂商持续追赶，行业竞争逐步加剧；大模型行业资本开支波动，也会影响下游采购需求。
整体来看，昇腾已经完成从“可用”向“好用”跨越，但追赶全球顶尖水平仍需要较长周期，其发展高度取决于供应链突破与软件生态的持续建设。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞 | 评论 08月24日 06:54 来自网站举报

【摩尔线程，国产全功能GPU路线】
一、公司历史摩尔线程2020年6月在北京成立，创始人张建中，核心研发团队大多来自英伟达、AMD等海外芯片企业，定位全功能GPU芯片设计，采用Fabless模式，不自建晶圆工厂。2022年推出自研MUSA架构与第一代GPU芯片，同步发布桌面游戏显卡，成为国内少数同时布局服务器与... 展开全文

收起查看原文

摩尔线程，国产全功能GPU路线

一、公司历史

摩尔线程2020年6月在北京成立，创始人张建中，核心研发团队大多来自英伟达、AMD等海外芯片企业，定位全功能GPU芯片设计，采用Fabless模式，不自建晶圆工厂。2022年推出自研MUSA架构与第一代GPU芯片，同步发布桌面游戏显卡，成为国内少数同时布局服务器与消费级GPU的企业。后续陆续迭代多代芯片，推出智算加速卡与夸娥千卡智算，完成多地方智算中心落地。2025年12月登陆科创板，成为国内全功能GPU第一股，上市之后继续推进新一代芯片迭代，持续完善软件工具链与开发者生态。

二、行业地位

全球高端GPU市场依旧由英伟达占据主导，国内国产GPU处于替代追赶阶段。摩尔线程属于国产GPU第一梯队，国内为数不多同时具备图形渲染与AI计算双重能力的全功能GPU厂商，产品覆盖云端智算、边缘计算、桌面信创、云端渲染多个场景。在国内政企信创、云桌面、数字孪生渲染领域具备一定落地案例，但整体国内市占率依旧偏低。智算大规模落地规模弱于华为昇腾；对比海光、寒武纪，优势在于图形能力，大模型训练性能仍属于追赶位置，客户以政府、运营商、国产智算项目为主。

三、股东情况

创始人张建中为实际控制人，通过直接持股加员工持股平台实现控制，核心技术团队持股比例较高。股东结构多元，包含国家级产业基金、北京地方国资，同时有多家头部市场化VC投资。上市之后流通盘占比不高，筹码集中；收入高度依赖政企项目，存在客户集中风险，公司尚未实现整体盈利，持续依靠融资与经营现金流支撑高额研发投入。

四、产品差异化特色

与国内多数偏重AI算力的芯片厂商不同，摩尔线程坚持全功能GPU路线，一颗芯片同时集成AI计算、3D图形渲染、视频编解码能力，自研MUSA软件栈，提供迁移工具降低CUDA代码移植成本，兼顾服务器、工作站、桌面终端多场景使用。产品线分为云端智算卡、边缘模组、桌面显卡，既可以做大模型训推，也可以做云游戏、数字孪生、工业渲染，适合图形加AI混合需求的客户，是国内少有的实现消费级桌面显卡量产销售的GPU企业。

五、护城河优势和劣势

优势方面，第一是完整的全功能GPU团队，具备从硬件架构到驱动、工具链的全栈研发能力；第二，图形渲染能力属于国内第一梯队，在云桌面、数字孪生场景形成差异化；第三，MUSA软件栈重视兼容性，降低客户迁移成本，适配国内信创政策需求，能够拿到较多国产化项目订单。

劣势同样突出。硬件性能相比海外头部产品存在代际差距；软件生态是最大短板，开发者社区规模、算子丰富度距离CUDA差距巨大，代码迁移仍存在性能损耗；公司持续大额亏损，研发消耗资金量大；代工产能依赖外部晶圆厂，受供应链约束；赛道竞争加剧，华为昇腾、沐曦、寒武纪均在迭代新品，价格竞争压力逐步显现，同时收入对政府项目依赖度较高，订单存在周期性波动风险。

六、同行业公司对比

对比海光信息，海光依托CPU业务带来稳定现金流，已经实现盈利，DCU算力卡生态成熟，但图形能力薄弱；摩尔线程图形能力更强，但没有成熟现金流业务，持续亏损。对比寒武纪，寒武纪早期侧重AI推理，已经实现全年盈利；摩尔线程兼顾图形，大模型训练落地案例相对更少。对比沐曦股份，沐曦聚焦训推一体AI大算力，图形能力偏弱；摩尔线程胜在全场景覆盖，桌面与渲染赛道是独有优势。对比华为昇腾，昇腾背靠国内政企资源，落地规模遥遥领先，摩尔线程更多作为补充供应商参与项目。

七、行业和公司未来前景

AI算力与国产信创带来长期行业空间，但国产GPU赛道竞争日趋激烈，海外巨头产品持续迭代，软件生态建设是长期难题。对摩尔线程而言，未来的机会集中在信创桌面、云端渲染、混合算力场景，如果芯片持续迭代、MUSA生态开发者持续扩大，智算订单稳步增长，有望持续扩大市场份额，逐步实现减亏。风险点在于，若技术迭代不及预期、政企采购节奏放缓、同行挤压订单，公司亏损周期将会拉长。整体看，公司具备差异化赛道优势，但依旧处在技术与商业化双重验证阶段，盈利拐点存在较大不确定性。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(6) | 评论 08月23日 06:53 来自网站举报

【沐曦股份.GPU架构全自主】
一、公司历史沐曦股份2020年9月于上海成立，是Fabless模式的高性能通用GPU芯片设计企业，核心团队主要来自AMD，拥有GPU完整研发量产经验。公司成立之后快速完成多轮大额融资，重点投入训推一体GPU硬件与配套软件栈研发。2024年完成股份制改造，曦云C500实现大规模商... 展开全文

收起查看原文

沐曦股份.GPU架构全自主

一、公司历史

沐曦股份2020年9月于上海成立，是Fabless模式的高性能通用GPU芯片设计企业，核心团队主要来自AMD，拥有GPU完整研发量产经验。公司成立之后快速完成多轮大额融资，重点投入训推一体GPU硬件与配套软件栈研发。2024年完成股份制改造，曦云C500实现大规模商业化出货，完成千卡级智算落地。2025年12月登陆科创板，成为国内少数登陆资本市场的通用GPU设计企业，上市之后继续推进新一代C600全国产化芯片风险量产，下一代C700启动流片规划，成立五年完成从技术研发走向规模化销售的过程。

二、行业地位

国内通用GPU赛道属于国产算力核心赛道，海外英伟达占据全球绝大多数市场份额。沐曦是国产GPU第一梯队企业，主打云端训推一体GPU，是国内少数实现大模型训练芯片商业化落地的厂商，已经完成十余个智算部署，产品主要面向国家智算平台、运营商、政企大模型客户。但整体市场规模上，国产GPU整体市占率仍然偏低，沐曦在国内算力芯片领域处于追赶者位置，在大规模万卡落地数量上弱于华为昇腾，与海光、寒武纪、摩尔线程共同构成国产算力主要玩家。

三、股东情况

实控人为创始人陈维良，通过员工持股平台加上个人直接持股，一致行动人合计持股22.94%，拥有公司实际控制权。股东结构多元化，包含多家国家级产业基金、上海地方国资，同时有知名私募、市场化VC机构参与，前五大客户收入占比较高，客户集中度风险突出。公司属于技术创业型企业，无传统产业大股东，股权高度向核心技术团队倾斜，流通股本占比很小，上市后筹码集中，股价波动幅度大。

四、产品差异化特色

硬件上形成曦云C系列训推一体、曦思N系列推理、曦彩G系列图形三条产品线，主力收入来自曦云C500训推一体GPU，面向大模型训练与推理场景。差异化核心在于软硬全栈自研，自研MXMACA软件栈，做CUDA兼容适配，降低AI客户代码迁移成本，相比部分只做硬件的设计公司，重视编译器、驱动与工具链建设，多卡互联能力较强，适配千卡以上部署，新一代C600追求全国产供应链适配，满足信创算力需求。

五、护城河优势和劣势

优势方面，首先是团队壁垒，核心人员拥有海外头部GPU完整量产经验，理解通用GPU架构与工程化难点；其次软硬协同，软件栈是国产芯片的关键短板，沐曦在兼容迁移上投入较多，便于商业客户落地；第三，产品定位贴合国内智算建设的现实需求，国产替代政策带来稳定订单来源。

劣势同样明显，技术层面与英伟达存在代际差距，始终处于追赶状态，硬件性能、软件生态成熟度差距客观存在；持续大额研发投入，公司尚未盈利，现金流消耗较快；客户集中，高度依赖国内政企算力采购；图形渲染能力偏弱，业务高度绑定AI算力行业景气度；赛道国内竞争日趋激烈，多家同行同步迭代新品，价格竞争压力逐步加大。

六、同行业公司对比

对比海光信息，海光依托CPU业务带来稳定现金流，DCU算力卡生态成熟，已经实现持续盈利；沐曦没有成熟现金流业务，仍处于亏损，但是GPU架构完全自主。对比寒武纪，寒武纪早期以推理芯片见长，沐曦的优势集中在训推一体大模型训练场景。对比摩尔线程，摩尔线程兼顾图形与AI，沐曦更偏向云端通用计算，桌面图形能力较弱。对比壁仞科技，二者同为高端GPU路线，沐曦商业化落地进度更快，案例更多，但单卡峰值算力指标相对保守。

七、行业和公司未来前景

AI算力需求长期存在，国内信创与算力自主可控的大背景下，国产GPU具备广阔的国产替代空间。但行业挑战巨大，海外巨头持续迭代，国内同行竞争加剧，软件生态建设是长期工程。对沐曦而言，如果C600、C700迭代顺利，软件生态持续完善，有望进一步扩大在智算中心的市场份额，逐步改善营收规模，推进减亏。但需要面对研发持续烧钱、客户订单波动、技术迭代不及预期等风险。行业不会简单线性增长，最终胜负取决于产品迭代、生态建设、成本控制以及商业化落地综合能力。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(4) | 评论 08月22日 07:13 来自网站举报

【寒武纪，中国AI芯片第一股】
一、公司历史寒武纪2016年正式成立，脱胎于中科院计算所“深度学习处理器”科研团队，创始人陈天石带领团队从学术成果走向商业化。早期凭借寒武纪1A处理器IP搭载华为麒麟970，成为全球首款商用手机端AI处理器，一战成名。2019年终止与华为终端IP合作，战略重心全面转向云端训练与... 展开全文

收起查看原文

寒武纪，中国AI芯片第一股

一、公司历史

寒武纪2016年正式成立，脱胎于中科院计算所“深度学习处理器”科研团队，创始人陈天石带领团队从学术成果走向商业化。早期凭借寒武纪1A处理器IP搭载华为麒麟970，成为全球首款商用手机端AI处理器，一战成名。2019年终止与华为终端IP合作，战略重心全面转向云端训练与推理芯片。2020年登陆科创板，成为“AI芯片第一股”。上市之后经历连续多年亏损，持续投入芯片架构迭代；2024‑2025年思元590大规模量产，切入互联网大厂智算中心供应链，2025年首次实现全年盈利，完成商业化拐点。

二、行业地位

寒武纪属于国内云端AI芯片第一梯队，是少数具备训练级大芯片量产交付能力的本土厂商。全球市场长期由英伟达垄断；国内市场形成英伟达、华为昇腾、寒武纪、海光信息多强竞争格局。寒武纪是A股纯正AI训练芯片标的，深度参与国内智算中心建设，在互联网大厂算力采购中占有稳定份额；在国产自主可控算力建设浪潮中属于核心受益厂商，但整体市场份额仍明显低于英伟达与华为昇腾。

三、股东情况

实控人为创始人陈天石，直接加间接合计持股大约35%，股权集中，创始人对战略拥有极强掌控力。第二大股东是中科院旗下中科算源，持股约15.57%，代表科研院所背景资源；员工持股平台艾溪、艾加溪持有对应股权激励份额；其余主要是北向资金、科创板指数基金与个人投资者，没有大型产业资本绝对控股，股权结构偏向创始人主导的硬科技创业公司模式。

四、产品差异化特色

寒武纪最鲜明特征是底层指令集MLU全栈自研，不依赖ARM、x86外部指令授权，从芯片架构、编译器、算子库到上层软件栈全部自主开发，属于独立技术路线。产品线覆盖云端训练、云端推理、边缘端芯片。旗舰思元590采用Chiplet芯粒封装，面向千亿参数大模型训练。差异化优势在于云‑边‑端统一架构，一套软件生态覆盖全部产品线；推理场景效率突出。短板同样来自独立路线：不能兼容CUDA，客户原有英伟达代码迁移需要重新适配，开发工作量更大。

五、护城河优势与劣势

护城河第一，底层架构与长期专利积累，国内很少企业拥有完整自主AI指令集；第二，多年迭代形成完整NeuWare软件栈，不是单纯卖芯片硬件；第三，已经进入头部互联网厂商供应链，经过大规模验证，拥有工程落地经验。
劣势非常突出。第一，生态壁垒弱于英伟达CUDA，开发者生态建设时间短；第二，Fabless模式，自身没有晶圆厂，先进制程产能依赖外部代工，存在供应链受限风险；第三，客户集中于互联网大厂，订单具有项目制特征，业绩波动偏大；第四，持续高额研发投入，盈利历史很短，盈利稳定性有待更长时间验证。

六、与同行业公司对比

对比华为昇腾：昇腾拥有鲲鹏CPU+NPU全栈体系，政企资源更强，生态更加完整；寒武纪更加市场化，主要面向互联网客户，不受华为供应链约束。对比海光信息：海光路线偏向兼容CUDA，客户迁移成本低；寒武纪是完全独立自研路线，自主性更强，但迁移成本更高。对比海外英伟达：英伟达硬件性能领先，拥有无可匹敌开发者生态；寒武纪优势是国产自主可控，适配国内算力政策。

七、行业和公司未来前景

中长期看，国内大模型产业持续扩张，算力缺口长期存在，国产替代是明确大趋势，行业具备长期成长空间。
寒武纪的机会在于：新一代芯片迭代，持续提升训练性能；软件生态不断完善；抓住全国智算中心建设浪潮。最大不确定性在于，能不能持续追赶先进制程，持续完善软件生态，从“备选国产芯片”成长为客户优先选择。
风险点：行业竞争越来越激烈，新厂商不断进场；海外先进芯片限制持续收紧；大厂资本开支周期波动，造成订单不稳定。未来2‑3年，是寒武纪验证自身能不能稳定盈利、持续扩大市场份额的关键周期。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(2) | 评论 08月21日 06:54 来自网站举报

【海光信息国产CPU+AI加速芯片】
1、公司历史。海光信息2014年在天津成立，核心团队源自中科院计算所体系，2016年与AMD达成技术合作，获得初代Zen架构x86指令集永久授权，开启高端服务器CPU研发。2018年首款海光一号CPU问世，同年启动AI加速芯片DCU研发。2019年公司被列入，无法继续获取AMD后... 展开全文

收起查看原文

海光信息国产CPU+AI加速芯片

1、公司历史。海光信息2014年在天津成立，核心团队源自中科院计算所体系，2016年与AMD达成技术合作，获得初代Zen架构x86指令集永久授权，开启高端服务器CPU研发。2018年首款海光一号CPU问世，同年启动AI加速芯片DCU研发。2019年公司被列入，无法继续获取AMD后续技术更新，从此走上独立迭代路线，基于原有授权架构持续深度自研改造。2021年第一代DCU深算一号实现商业化落地；2022年8月登陆科创板上市。此后产品快速迭代，海光四号CPU、深算三号DCU先后量产，形成CPU+DCU双轮驱动格局，成长为国内算力芯片核心龙头企业。

2、行业地位。海光是国内极少数同时具备高端服务器CPU与通用AI加速芯片设计、大规模商业化能力的厂商。国产x86服务器CPU领域，海光长期占据最大市场份额，广泛进入金融、电信、政务云、互联网行业信创市场。国产GPGPU（AI加速芯片）赛道，海光DCU出货规模行业领先，是国内智算中心替代海外加速卡最重要选项之一。放眼全球，硬件性能距离英伟达仍有明显差距；在国内信创与国产算力自主可控浪潮之下，属于算力底座核心供应商。

3、股东情况。公司无实际控制人，第一大股东为中科曙光，持股约28%；其余重要股东包含多家地方国资平台、产业投资基金与员工持股平台，股权结构多元，属于典型国资背景混合所有制上市企业。机构投资者、北向资金长期持仓，市场化程度较高；不存在单一大股东绝对控制，重大事项需要多方股东制衡。

4、产品差异化特色。最鲜明特征是CPU+DCU双芯协同，同时提供通用计算与AI加速完整算力方案。海光CPU完整兼容成熟x86生态，无需大规模改造存量业务系统，落地阻力小；DCU深算系列软件栈高度兼容主流AI开发环境，大模型代码迁移成本很低，适配绝大多数开源大模型，降低客户切换门槛。产品覆盖高中低端完整梯队，既能做政务信创，也能支撑大规模智算；同时构建光合组织产业链生态，联合数千家软硬件厂商完成适配，形成完整产业配套能力。

5、护城河优势与劣势。护城河：第一，稀缺合法x86永久指令集授权，生态壁垒极高；第二，多年迭代积累成熟芯片设计能力，CPU、DCU两条产品线持续更新；第三，兼容主流软件生态，商业化落地速度显著优于从零自研指令集路线；第四，下游行业客户、整机厂商深度绑定，形成较强客户粘性。劣势：Fabless无自有晶圆厂，生产完全依赖外部代工，受供应链地缘风险约束；底层架构源头来自外部授权，长期自主可控存在争议；高端AI加速卡的绝对性能仍然落后国际顶尖厂商；研发费用持续高投入，估值长期处在较高区间。

6、同行业公司对比。对比华为昇腾：昇腾全栈软硬件完全自主，封闭生态，客户适配成本高；海光开放兼容，存量系统改造更友好。对比寒武纪：寒武纪专注AI加速芯片，底层指令集完全自研，但生态迁移成本高；海光拥有稳定现金流CPU业务作为基本盘，抗周期能力更强，生态兼容性更好。对比英伟达：英伟达拥有全球垄断级CUDA软件生态；海光硬件追赶较快，软件生态仍处于追赶阶段。整体来看，海光最大优势是商业化落地能力强，短板在于尖端性能与底层完全自主。

7、行业与公司未来前景。算力基础设施、AI大模型、国产信创是中长期高景气赛道，国内算力自主替代空间广阔。公司增长机会来自智算中心建设、行业信创持续渗透，DCU加速卡放量。风险来自外部技术管制加剧、先进制程供给受限、行业竞争加剧，算力资本开支周期性波动。中长期看，公司很难短时间追上英伟达全球生态地位；但是作为国内稀缺的成熟通用算力芯片供应商，如果持续迭代、完善软件生态，有望长期受益于国内算力自主化浪潮，维持高速成长。成长上限取决于先进制程获取能力与软件生态建设进度。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(3) | 评论 08月20日 07:11 来自网站举报

【AMD超威半导体，同时对标英特尔和英伟达】
1、公司历史。AMD超威半导体成立于1969年，源自硅谷仙童半导体体系，1979年于纽交所上市，是全球为数不多拥有永久x86架构授权的芯片设计企业。公司早期定位为英特尔配套供应商，产品竞争力偏弱，长期处于行业次要地位。2006年AMD收购ATI，补齐图形GPU设计能力，形成CPU... 展开全文

收起查看原文

AMD超威半导体，同时对标英特尔和英伟达

1、公司历史。AMD超威半导体成立于1969年，源自硅谷仙童半导体体系，1979年于纽交所上市，是全球为数不多拥有永久x86架构授权的芯片设计企业。公司早期定位为英特尔配套供应商，产品竞争力偏弱，长期处于行业次要地位。2006年AMD收购ATI，补齐图形GPU设计能力，形成CPU、GPU双主业布局，但后续十余年间产品迭代乏力，持续亏损、市场份额大幅萎缩，经营陷入低谷。2014年苏姿丰上任后开启战略重构，全力研发Zen架构，2017年锐龙系列处理器面世，实现产品力跨越式逆袭。2022年公司完成对FPGA龙头赛灵思的收购，新增自适应计算业务，正式从消费级芯片厂商转型为覆盖CPU、GPU、FPGA的全栈式高性能算力企业。

2、行业地位。目前AMD是全球算力行业核心龙头之一，也是唯一能同时对标英特尔高端CPU、英伟达高端GPU的企业。消费级PC端，锐龙处理器凭借多核性能优势持续蚕食英特尔市场份额；服务器领域，霄龙系列CPU打破英特尔长期垄断，进入全球主流云厂商供应链；独立显卡稳居全球第二，是游戏硬件核心供应商。在AI算力赛道，AMD Instinct系列加速卡是英伟达最核心的替代产品，主打高显存、高性价比，广泛应用于云端推理和中小规模训练场景。同时公司独占全球主流游戏主机半定制芯片市场，为索尼、微软全系主机提供核心芯片，具备独特的行业卡位优势。

3、股东结构。AMD股权高度分散，无实控人及单一控股股东，属于典型的国际化公众上市公司。公司股东以全球头部机构投资者为主，贝莱德、领航集团为前两大机构股东，合计持股比例处于较高水平，全部机构持仓占总股本七成以上。公司高管及创始团队持股比例极低，企业经营完全依托职业化管理层，股权结构稳定、市场化程度高，无股权质押、控制权变动等风险。

4、产品差异化特色。AMD核心差异化在于模块化Chiplet小芯片架构路线，依托台积电先进制程，通过芯片堆叠技术实现高核心数、大显存、高性能的产品优势，迭代速度快、硬件参数竞争力突出。相比竞品，公司产品性价比优势显著，算力硬件成本更低，适配云厂商降本及供应链多元化需求。同时业务结构极具特色，半定制主机芯片业务提供稳定永续现金流，FPGA业务覆盖工业、边缘计算、军工等细分场景，形成消费、服务器、AI、自适应计算多赛道协同布局，异构算力解决方案能力行业领先。

5、护城河、优势与劣势。核心护城河包括稀缺的永久x86架构授权，行业准入壁垒极高；自研Zen、CDNA两大核心架构持续迭代，硬件设计技术积淀深厚；深度绑定台积电，优先获取先进制程产能保障；独占游戏主机半定制赛道，现金流抗周期能力强。核心劣势集中在软件生态，ROCm开源生态成熟度远不及英伟达CUDA，开发者基数小、用户迁移成本高，制约AI业务放量；公司无自有晶圆厂，完全依赖外部代工，产能和生产成本受外部约束；整体研发投入规模不及英伟达、英特尔，高端AI生态建设进度滞后。

6、同业对比与未来前景。横向对比，英特尔优势在自有制造产能和传统CPU生态，但先进制程迭代滞后；英伟达垄断全球AI软件生态，硬件与生态形成双重壁垒；AMD硬件性能均衡、业务布局最全、性价比突出，是行业唯一的全能型追赶者，但生态短板明显。行业层面，AI算力、高性能计算、边缘智能、游戏产业长期保持增长，算力国产化、供应链多元化趋势，为AMD带来持续替代空间。未来公司增长核心来自AI加速卡放量、服务器CPU份额提升、FPGA工业算力渗透。
长期来看，AMD难以颠覆英伟达的生态垄断地位，但将稳固全球第二大算力芯片厂商的格局，在中端训练、云端推理、定制化算力市场持续提升份额，未来成长上限主要取决于软件生态的完善速度与先进技术的迭代能力。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞 | 评论 08月19日 06:45 来自网站举报

【英伟达，全球高端Ai加速计算龙头】
公司历史英伟达1993年于美国加州由黄仁勋等人创立，最初目标是研发PC三维图形芯片，创业早期产品失败，公司濒临倒闭，管理层果断调整技术路线，依靠兼容微软标准的显卡站稳脚跟。1999年正式提出GPU概念并上市，牢牢抓住PC游戏显卡赛道。2006年发布CUDA并行计算平台，没有立刻... 展开全文

收起查看原文

英伟达，全球高端Ai加速计算龙头

公司历史

英伟达1993年于美国加州由黄仁勋等人创立，最初目标是研发PC三维图形芯片，创业早期产品失败，公司濒临倒闭，管理层果断调整技术路线，依靠兼容微软标准的显卡站稳脚跟。1999年正式提出GPU概念并上市，牢牢抓住PC游戏显卡赛道。2006年发布CUDA并行计算平台，没有立刻带来巨大收益，但埋下AI算力的种子。2012年深度学习爆发，GPU并行计算的价值被市场发现，公司从游戏显卡厂商，逐步转型加速计算企业。2019年收购网络芯片厂商Mellanox，补齐高速互联短板，具备搭建大规模算力的完整能力。2022年底生成式AI浪潮到来，算力需求爆发，英伟达一跃成为全球AI基础设施龙头，市值跻身全球科技公司第一梯队。公司始终坚持无晶圆厂模式，只负责芯片设计，生产全部外包台积电。

行业地位

英伟达是全球高端AI加速计算无可争议的龙头。在大模型训练高端GPU市场，长期占据七成以上份额；独立游戏显卡市场份额超过九成，几乎形成寡头格局。它定义了AI算力行业的软硬件标准，几乎所有主流大模型框架原生适配英伟达硬件。云厂商、人工智能企业、科研机构的算力采购高度依赖其产品，是整个AI产业链最上游的核心供应商。行业已经形成事实标准：大规模大模型训练优先采用英伟达平台。

股东情况

英伟达股权高度分散，不存在单一绝对控股股东。最大股东是先锋领航、贝莱德等全球大型指数资管机构，合计持有超过15%流通股份，以被动长期配置资金为主。创始人黄仁勋是最大个人股东，持股大约3.6%，虽然持股比例不高，但长期担任CEO，主导公司全部战略方向，对企业拥有极强影响力。其余股份分散在公募基金、主权基金与散户投资者手中。公司现金流充沛，长期执行大额股票回购政策，持续回馈股东，财务结构非常健康。

产品差异化特色

英伟达不是单纯销售芯片，而是交付完整算力系统。差异化核心，是硬件+CUDA软件生态+高速互联网络+整机方案的全栈能力。竞争对手大多只提供芯片硬件；英伟达同时提供编译器、开发库、驱动、通信协议、调度工具一整套软件栈。硬件层面持续迭代新一代架构，从Blackwell到Rubin，兼顾算力、显存带宽与互联速度。业务覆盖游戏显卡、专业可视化、数据中心AI算力、自动驾驶四大板块，多条业务线互相协同。它最大的特色，是把芯片硬件做成标准化算力平台，让开发者可以快速搭建AI系统，大幅降低人工智能开发门槛。

护城河优势和劣势

核心护城河第一是CUDA软件生态网络效应，二十年积累形成海量代码、开发者、模型库，客户迁移成本极高，相当于AI领域的操作系统壁垒。第二是长期先进架构迭代能力，三代架构并行预研，产品迭代节奏领先同行。第三是完整能力，收购Mellanox之后，GPU高速互联技术难以短期复制。第四是品牌与工程验证优势，海量项目长期运行验证，企业客户优先选择成熟方案。
明显劣势同样突出。第一，高度依赖台积电先进制程代工，如果代工产能受限，会直接约束出货；第二，地缘政治风险巨大，多国出口管制限制高端芯片流向部分市场；第三，生态护城河同时也是包袱，软件栈越来越庞大，维护成本持续抬升；第四，极高毛利率吸引大量资本投入竞品研发，长期面临挑战者追赶；第五，业务周期性很强，AI资本开支热潮一旦降温，业绩会明显承压。

和同行业公司对比

对比AMD：AMD硬件算力可以接近英伟达，但是软件生态差距巨大，ROCm开发者规模远远不及CUDA，只能在部分推理场景争夺份额，很难撼动高端训练市场。对比英特尔：英特尔拥有CPU+GPU完整产品线，但加速计算软件生态起步晚，战略摇摆多次错失窗口。对比谷歌、亚马逊自研芯片：云厂商自研芯片主要自用，很少对外大规模销售，无法形成开放生态。对比国内AI芯片厂商，硬件差距可以逐步缩小，软件生态追赶需要漫长时间。总体来看，同行大多可以做好硬件，很难复制完整软件生态。

行业和公司未来前景

中长期来看，全球人工智能、机器人、自动驾驶、科学计算的算力需求，仍然具备巨大增长空间，高端加速芯片赛道长期向上。英伟达未来的增长主线，一方面是下一代超高算力芯片持续迭代，另一方面向外输出整机、算力、软件服务，从卖芯片转向卖完整算力解决方案。
风险同样不容忽视：AI资本开支有可能阶段性过热回落；各大厂商持续投入研发，长期生态壁垒存在被慢慢削弱的可能性；地缘摩擦随时带来业务扰动；客户自主研发算力芯片，降低对外采购依赖。综合判断，未来数年英伟达依然是AI算力赛道的主导者，但行业竞争持续加剧，很难永久维持现在的超高利润率。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(3) | 评论 08月18日 06:30 来自网站举报

【取算力计算层六细分领域中外头部上市公司】
算力计算层分为通用CPU、训练GPU、推理加速芯片（NPU/DCU）、AI服务器整机、边缘计算芯片、存算一体前沿赛道六大板块，下面分开列出海外、国内上市公司前几名，同时简要说明各自定位与短板。一、服务器通用CPU（算力调度底座）海外上市公司 1. 英特尔INTC：全球服务器C... 展开全文

收起查看原文

取算力计算层六细分领域中外头部上市公司

算力计算层分为通用CPU、训练GPU、推理加速芯片（NPU/DCU）、AI服务器整机、边缘计算芯片、存算一体前沿赛道六大板块，下面分开列出海外、国内上市公司前几名，同时简要说明各自定位与短板。

一、服务器通用CPU（算力调度底座）

海外上市公司

1. 英特尔INTC：全球服务器CPU传统龙头，x86生态霸主，数据中心产品线完整；短板：AI加速能力偏弱，功耗偏高。
2. AMD AMD：EPYC（霄龙）服务器CPU，多核性价比极强；搭配自家CDNA加速卡，形成完整算力栈。

国内上市公司

1. 海光信息（688041）：国内商业化x86服务器CPU第一，大规模进入智算、金融、运营商；生态成熟，短期国产替代主力。
2. 龙芯中科（688047）：完全自主LoongArch指令集，信创赛道龙头；短板生态规模偏小，大算力落地偏少。

二、训练级通用GPU（大模型训练主力）

海外上市公司

1. 英伟达 NVDA：全球绝对垄断，H100/H200/B100/GB200；CUDA软件护城河极深，万卡事实标准。
2. AMD AMD：CDNA系列MI300，对标英伟达高端训练卡；硬件性能接近，软件生态差距明显。

国内上市公司

1. 海光信息（688041）：DCU深算系列，GPGPU路线，对CUDA兼容性最好，迁移成本最低；国产万卡落地数量最多。
2. 寒武纪（688256）：思元590/690，全自研架构，训推一体；短板软件生态建设周期更长。
3. 沐曦股份（688802）：自研GPGPU，面向高端训练场景，处于放量早期。

备注：华为昇腾非上市，不在上市公司名单内。

三、推理加速芯片（云端推理、大模型在线服务）

海外上市公司

1. 英伟达 NVDA（A10、L20）：推理市场份额最高，通用性最好。
2. AMD AMD：MI250推理产品。
3. 英特尔 INTC（Gaudi系列）：Habana，主打性价比推理，云厂商采购。

国内上市公司

1. 寒武纪（688256）：思元推理芯片，互联网大厂推理部署。
2. 云天励飞（688343）：侧重高并发低延迟推理。
3. 景嘉微（300474）：侧重工业、信创推理场景。

四、AI服务器整机（算力硬件载体，把芯片组装成可交付）

海外上市公司

1. 戴尔 DELL：全球服务器大厂，AI整机出货靠前。
2. 惠普 HPE：HGX超级整机重要合作伙伴。
3. 超微 Super Micro（SMCI）：英伟达生态核心整机厂商，海外云厂商主力供应商。

国内上市公司

1. 浪潮信息（000977）：国内AI服务器出货第一，国内智算中心主力供应商，同时支持英伟达、国产多芯片路线。
2. 工业富联（601138）：全球最大AI服务器代工厂，英伟达高端整机核心代工；以代工模式为主。
3. 中科曙光（603019）：国家队超算、国产智算整机龙头，液冷优势明显，主打国产芯片。
4. 紫光股份（000938，新华三）：政企、运营商AI服务器主力。

拓息（002261）是昇腾生态整机伙伴，华为本身未上市。

五、边缘端AI计算芯片（终端、自动驾驶、物联网）

海外上市公司

1. 高通 QCOM：骁龙AI引擎，手机边缘推理龙头。
2. 英伟达 NVDA（Orin、Thor）：车载边缘算力标杆。
3. 联发科 MTK：移动端NPU。

国内上市公司

1. 瑞芯微（603893）：端侧边缘AI芯片。
2. 全志科技（300458）：IoT轻量化AI算力。

六、前沿赛道：存算一体（下一代计算架构）

海外上市公司
英特尔、美光布局存算一体研发，尚未大规模商用。
国内上市公司
澜起科技（688008）：内存接口龙头，存算相关技术储备；多家半导体公司尚处在研发阶段，没有成熟大规模商用产品。

整体格局总结

全球算力计算层英伟达一家形成生态垄断；AMD、英特尔是第二梯队。
国内形成三条路线并行：海光兼容生态路线、寒武纪纯自研架构路线、华为昇腾全栈路线（非上市）。
短期国内最大短板不是硬件算力，而是软件生态、编译器、分布式训练框架；硬件追赶速度明显快于软件栈。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(30) | 评论 (23) 08月17日 06:46 来自网站举报

【Ai算力基础设施第一层：算力计算层】
算力计算层是整个智算底座最核心、最昂贵的一层，负责完成大模型训练、微调、推理全部数值运算，相当于人工智能的“发动机”。它由加速芯片、服务器硬件、架构、算力指标、训练/推理两套算力体系、国产与海外路线、现存瓶颈共同组成。一、核心硬件单元：加速芯片算力计算层的核心不是普通CPU。... 展开全文

收起查看原文

Ai算力基础设施第一层：算力计算层

算力计算层是整个智算底座最核心、最昂贵的一层，负责完成大模型训练、微调、推理全部数值运算，相当于人工智能的“发动机”。它由加速芯片、服务器硬件、架构、算力指标、训练/推理两套算力体系、国产与海外路线、现存瓶颈共同组成。

一、核心硬件单元：加速芯片

算力计算层的核心不是普通CPU。CPU擅长复杂逻辑调度，不适合海量并行矩阵运算；AI的本质是大规模矩阵乘法，依赖并行加速芯片。主流四类：

1. GPU（图形处理器）
目前行业事实标准。拥有成千上万小巧计算核心，适合并行浮点运算。英伟达H100、H200、B100是训练主力；A10、L20用于推理。显存（HBM高带宽内存）比芯片算力本身更关键，大模型需要把模型权重放进显存。
2. NPU（神经网络处理器）
面向AI专门设计，去掉无关图形单元，只保留张量计算。多用于推理、边缘算力；国内华为昇腾系列属于NPU路线，兼顾训练与推理。
3. DCU（深度计算单元）
AMD面向AI训练的加速卡，对标英伟达，生态尚在追赶。
4. ASIC专用芯片
针对特定大模型定制，成本低、功耗低，但通用性差；适合固定模型大规模推理，不能灵活训练新大模型。

CPU依然存在，承担任务调度、数据预处理、控制指令下发，不承担主要AI计算。

二、最小硬件单元：AI服务器

普通服务器不能承载高密度AI算力。AI服务器特征：

一台机箱内部搭载4卡、8卡加速卡；高端机型支持16卡；
标配HBM高带宽显存；
电源功率极大，单机功耗几千瓦；
板载高速互联接口，支持卡与卡之间高速通信。
大量AI服务器堆叠，组成算力节点。

三、组织方式：单机 → 多机

单卡算力有限，千亿、万亿参数大模型必须上万张卡协同工作，也就是万卡。
分布式训练分为三种并行策略：

1. 数据并行：多张卡跑同样模型，输入不同数据，最后合并梯度；适合数据量大。
2. 模型并行（张量并行）：把一个巨大模型拆开，分到不同显卡；解决单卡显存放不下大模型的问题。
3. 流水线并行：把模型切成一段一段，像流水线依次计算。

万卡最大难题不是算力不够，而是卡之间通信等待，一旦通信瓶颈出现，大量加速卡空闲，算力利用率暴跌。

四、两套算力场景：训练算力、推理算力

训练算力

特征：超高FP8/FP16浮点算力，超大HBM显存；长时间不间断运行；任务重、耗时久；对高速互联要求极高。
价格昂贵，是智算中心最稀缺资源。一次大模型训练连续跑几周甚至几个月。

推理算力

把训练完成的模型拿来回答问题、生成内容。单任务计算量更小，但并发请求巨大；更看重低延迟、高吞吐。推理可以用更低精度、性价比更高的加速芯片。
一个行业现实：训练算力稀缺昂贵；推理算力供给相对充足。

五、衡量算力计算层的关键指标

1. FP8 / FP16算力：AI核心算力，单位PFLOPS、EFLOPS；
2. HBM显存容量与带宽：决定能跑多大模型；
3. 算力利用率：最重要运营指标，国内很多智算中心硬件利用率长期低于30%；
4. 单机柜功率密度：AI机柜普遍15kW～120kW，远高于传统服务器机柜3–5kW。

六、海外路线与国产路线现状

海外主流：英伟达完整生态，芯片+通信+软件栈成熟，稳定性最好，是全球智算中心首选。
国产路线：昇腾、海光、壁仞、摩尔线程等。硬件逐步追赶，短板集中在软件生态、算子适配、分布式训练框架兼容性；大规模万卡稳定运行经验偏少。

七、算力计算层现存瓶颈与痛点

1. 显存瓶颈：不是算力不够，是显存装不下超大模型；
2. 通信瓶颈：万卡规模下，数据传输拖慢整体速度；
3. 利用率瓶颈：硬件堆得很多，任务不够，大量闲置；
4. 能耗瓶颈：高密度耗电惊人，受电力指标约束；
5. 生态瓶颈：国产芯片需要大量适配，开发成本高。

八、未来发展方向

1. 更高带宽HBM，更大显存；
2. 存算一体芯片，内存直接做运算，消除数据搬运损耗；
3. 算力芯片标准化；
4. 训练‑推理一体化通用加速架构；
5. 国产全栈算力，摆脱外部芯片依赖。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(21) | 评论 (4) 08月16日 06:59 来自网站举报

【AI算力基础设施，五层架构】
AI算力基础设施，是支撑大模型训练、微调、推理运行的整套新型底座，通俗理解为人工智能时代的“算力发电厂”，由硬件、高速网络、存储、机房能源、调度软件五层完整架构组成，已经被纳入国家新型基础设施“六张网”建设体系。最底层是算力计算层，也是整套体系的核心。核心单元为AI加速芯片，... 展开全文

收起查看原文

AI算力基础设施，五层架构

AI算力基础设施，是支撑大模型训练、微调、推理运行的整套新型底座，通俗理解为人工智能时代的“算力发电厂”，由硬件、高速网络、存储、机房能源、调度软件五层完整架构组成，已经被纳入国家新型基础设施“六张网”建设体系。

最底层是算力计算层，也是整套体系的核心。核心单元为AI加速芯片，包含GPU、NPU、DCU、专用ASIC芯片。大模型训练依靠高算力GPU；推理场景大量使用低功耗专用加速芯片；CPU负责管理调度。单芯片无法支撑千亿参数大模型，必须数千甚至上万张加速卡组成超大规模，依靠HBM高带宽内存解决芯片内部的数据吞吐瓶颈，再装配成高密度AI服务器，构成的最小计算单元。

第二层为高速互联网络层，是万卡的血管。传统以太网延迟过高，无法满足大模型分布式训练需求。高端智算普遍采用InfiniBand或者高性能RoCE无损网络，搭配400G、800G高速光模块，实现极低延迟、超大带宽的数据传输。如果网络带宽不足，大量芯片会陷入等待数据的空转状态，硬件算力利用率直接腰斩。跨区域调度依靠全国算力光网，实现不同智算中心之间远距离算力互通，也就是东数西算工程的通信基础。

第三层是高性能存储层，相当于人工智能的长期记忆。大模型训练需要不间断读取海量训练数据集，普通磁盘阵列速度无法匹配算力输出。现代智算普遍采用存算分离架构，计算节点与存储节点独立部署，依靠并行文件系统、全闪分布式存储，实现海量小文件高速读写。训练数据集、模型权重、日志文件分别存放在对象存储与并行存储，既保证吞吐速度，又可以灵活扩容，避免算力等待数据读取的瓶颈。

第四层是智算机房与能源散热系统，也就是算力工厂的厂房。新一代AI服务器单机柜功率突破100千瓦，传统风冷散热不再适用，冷板式、浸没式液冷成为高密度算力的标配。供电系统采用高压直流供电，降低电力损耗；同时严格控制PUE能源利用效率。算力产业耗电巨大，大型智算中心逐步向清洁能源富集区域布局，推动绿电与算力协同发展，平衡算力扩张与能耗约束。

第五层是算力调度与软件平台层，属于整套基础设施的大脑。硬件只是原始资源，必须依靠调度系统、深度学习框架、分布式训练组件，把成千上万张卡协同调度。包含容器编排、算力虚拟化、多租户资源隔离、模型开发框架、MaaS模型服务平台。国内一个普遍痛点是硬件规模扩张很快，但软件生态薄弱，很多智算中心硬件利用率长期不足30%，出现硬件闲置的结构性过剩，高端训练算力却供给紧张的矛盾局面。

从产业格局来看，国内依托东数西算八大算力枢纽，已经建成数十个万卡级别智算，开始向十万卡超迈进。未来发展方向不再单纯比拼芯片数量，而是向着算网一体化调度、全国算力一张网、绿色低碳算力、国产软硬件全栈自主可控方向演进。长远来看，算力基础设施不再只是数据中心，而是数字时代最重要的公共生产底座，决定人工智能产业发展的上限。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(17) | 评论 (5) 08月15日 07:05 来自网站举报

【谷歌大模型】
谷歌Google DeepMind的Gemini 3.1 Pro大模型一、发展历史 DeepMind2010年在伦敦创立，创始团队融合神经科学与机器学习理念，早期依靠AlphaGo一战成名，2014年谷歌以6.5亿美元全资收购。2023年4月，谷歌将内部AI团队Google B... 展开全文

收起查看原文

谷歌大模型

谷歌Google DeepMind的Gemini 3.1 Pro大模型

一、发展历史

DeepMind2010年在伦敦创立，创始团队融合神经科学与机器学习理念，早期依靠AlphaGo一战成名，2014年谷歌以6.5亿美元全资收购。2023年4月，谷歌将内部AI团队Google Brain与DeepMind完成合并，组建统一研发主体Google DeepMind，统筹谷歌所有大模型研发。此前Bard迭代终止，全面转向Gemini体系，2026年7月正式推出Gemini 3.1 Pro，作为兼顾科研推理、工程开发、企业落地的主力中端旗舰版本，承接Ultra高端能力下放，补齐前代长上下文、智能体、科学计算短板，成为谷歌商业化主力型号之一。

二、行业地位

当前稳居全球第一梯队三大基座模型之一，与OpenAI GPT系列、Anthropic Claude形成三足鼎立格局。在科学推理、抽象逻辑、多模态视频理解、联网实时检索四大维度处于顶尖水平，多项学术基准测试超越竞品；依托谷歌搜索、安卓生态、Google Cloud实现海量流量落地，C端月活规模仅次于ChatGPT，企业端借助Vertex AI快速渗透全球政企客户，在算力、科研、海外跨国企业市场份额持续攀升，是谷歌AI战略最核心技术底座。

三、股东结构

无外部独立投资方，最终全资控股股东为Alphabet（谷歌母公司）。2014年收购后彻底终止外部融资，运营经费全部纳入Alphabet研发预算体系，不存在股权稀释、外部资本干预研发的问题。旗下衍生子公司Isomorphic Labs独立运营AlphaFold医药商业化，DeepMind本部专注通用大模型研发，高管团队由Alphabet直接任免，决策权牢牢掌握在谷歌体系内，无第三方股东博弈风险。

四、产品差异化特色

Gemini 3.1 Pro核心差异化集中四大方向。其一，原生深度绑定谷歌全域生态，无缝接入搜索实时数据、Workspace办公套件、安卓系统、NotebookLM知识库，天然具备实时信息优势，解决静态知识库过时痛点；其二，超大200万token上下文窗口，可一次性解析完整代码库、百万字合同与科研卷宗，长文本稳定性大幅优化；其三，混合专家架构兼顾性能与成本，API定价仅为Claude Opus、GPT高端型号一半，高并发场景性价比极强；其四，科研能力独树一帜，GPQA学术测试得分全球顶尖，适配物理、生物医药、工程仿真等高精尖科研场景，搭配自研TPU硬件实现软硬件协同优化，推理能耗显著低于竞品GPU方案。同时幻觉发生率较前代下降近四成，工具调用、多步骤智能体执行能力大幅升级。

五、护城河、优势与劣势

核心护城河分为三层：海量全网搜索数据壁垒、TPU自研算力硬件壁垒、数十年强化学习科研积累；Alphabet充足现金流保障无上限研发投入，Gemma开源模型构建开发者生态，形成闭环优势。相比竞品，优势在于生态落地能力、实时信息、成本控制、科学计算；短板同样明显。中文语境理解、本土场景适配弱于国产头部模型；在创意文案、生活化对话细腻度不及Claude；海外地缘监管限制较多，部分地区云服务部署受限；企业私有化定制化灵活性弱于OpenAI，国内无法合规正常商用，错失庞大国内市场。

六、同业横向对比

对比GPT系列：GPT生态插件更完善、通用对话体验更强，Gemini赢在实时联网、硬件成本、科研场景；对比Claude：Claude合规安全、超长文档精读、法务医疗场景更占优，3.1 Pro在逻辑推理、代码竞技、批量高并发部署性价比领先；对比国内文心一言、讯飞星火：海外全球化、多语言、科研算力碾压国产模型，但中文本土化、政务适配、国内政策合规层面全面处于劣势。

七、未来前景

中长期增长确定性极强。
短期将持续向谷歌搜索、安卓、云业务全面渗透，持续提升广告与云服务附加值，依靠低价API抢占中小企业与算力项目市场；
中期依托AlphaFold、气象预测、工业仿真等垂直科研场景，打开医药、能源、高端制造付费空间；
长期跟随Gemini迭代持续下放Ultra旗舰能力，完善智能体生态，强化软硬件一体化壁垒。
最大约束来自全球各国AI监管政策、国内市场准入缺失、海外区域地缘限制。只要Alphabet维持高强度研发投入，Gemini将长期稳居全球第一梯队，成为谷歌对抗微软OpenAI最重要战略支点，在海外B端科研、算力、跨国企业市场份额稳步扩张。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(1) | 评论 08月13日 06:52 来自网站举报

【xAI，实时信息+马斯克生态】
xAI（Grok大模型），实时信息+马斯克生态一、发展历史 xAI由埃隆·马斯克2023年3月注册成立，核心动因是离开OpenAI后打造不受商业约束的通用AI，团队吸纳DeepMind、谷歌Brain、OpenAI资深科学家，目标以AI加速科学探索。2023年11月首发Grok... 展开全文

收起查看原文

xAI，实时信息+马斯克生态

xAI（Grok大模型），实时信息+马斯克生态

一、发展历史

xAI由埃隆·马斯克2023年3月注册成立，核心动因是离开OpenAI后打造不受商业约束的通用AI，团队吸纳DeepMind、谷歌Brain、OpenAI资深科学家，目标以AI加速科学探索。2023年11月首发Grok-1，3140亿混合专家参数，对标GPT-3.5并开源权重，快速打响知名度。2024年迭代Grok1.5、Grok2，补齐多模态与长文本能力；2025年Grok3大幅强化科学推理，依托自建Colossus超算提升算力规模。2026年2月被SpaceX全资收购，彻底打通航天、特斯拉、X平台算力与数据协同；同年推出Grok4.5，重点强化代码修复、实时语音推理能力，同步上线独立客户端，不再仅依附X平台入口。短短三年完成从初创研发到全球第一梯队大模型玩家的跨越。

二、行业地位

目前稳居全球头部大模型第二梯队前列，仅次于OpenAI、Anthropic、谷歌DeepMind三大巨头。在实时资讯问答、社交场景AI、高频民用订阅领域具备强势竞争力，月活用户突破6400万。STEM科学计算、语音降噪实时交互、智能体工具调用进入第一梯队；企业级市场、超长文档分析、生态完善度仍落后头部玩家。在海外消费端性价比赛道、开源模型迭代、航天硬件联动AI方向，形成专属行业卡位。

三、股东情况

2026年2月完成并入SpaceX，成为其全资子公司，不再拥有独立股东名册。收购前马斯克为最大个人股东，持股近49%，红杉、a16z、主权基金、特斯拉战略投资构成主要投资方，累计融资超320亿美元。合并后马斯克掌控SpaceX超79%投票权，间接完全掌控xAI；原有外部投资人全部置换SpaceX股权，资金端依托SpaceX现金流与信贷额度，彻底解决此前高额算力投入的资金压力。

四、产品差异化特色

核心独家壁垒是原生深度接入X平台实时数据流，可全网最新资讯、热点推文实时溯源，时效性远超竞品离线训练知识库。产品风格更直白少内容过滤，话术自由度更高；订阅定价仅10美元每月，远低于ChatGPT 20美元定价。采用MoE混合专家架构，推理效率高，Grok4.5在嘈杂环境语音识别、电话级音频处理能力大幅领先通用语音模型；深度绑定特斯拉Dojo算力、星链在轨数据中心规划，兼顾地面算力与太空数据场景；代码能力快速追赶，收购编程服务商Cursor后，真实工程bug修复能力跻身第一梯队。

五、护城河、劣势与同业对比

护城河集中在四大维度：X海量独家实时数据、Colossus自建超算、马斯克生态协同（SpaceX、特斯拉、X流量）、亲民订阅价格带来的用户留存。对比OpenAI，生态、插件市场、企业服务成熟度差距明显；对比Anthropic，长文档处理、合规框架、政企大客户拓展偏弱；对比谷歌Gemini，原生视频多模态能力不足。核心短板十分突出：合规风险高，因内容审核宽松多次遭遇欧盟监管调查；商业化收入体量远不及头部，长期资本开支巨大；海外部分地区受平台限制，数据合规落地难度大；研发高度绑定马斯克战略方向，经营稳定性受个人决策影响较强。

六、未来前景

短期1-2年，依托SpaceX资金输血，持续扩建GPU算力，依靠X流量持续扩张民用订阅用户，凭借实时资讯优势抢占资讯、舆情、新媒体AI工具市场；借助特斯拉车载场景落地，打造车内语音助手差异化功能。
中期3-5年，推进星链+在轨算力中心联动，将AI能力嵌入航天测控、卫星数据处理专属场景，开辟独有的太空AI赛道；持续优化企业合规体系，逐步开拓欧美政企订单，缩小与头部企业商业化差距。
长期来看，其上限取决于合规整改进度与生态建设速度，很难全面超越OpenAI、Anthropic，但将牢牢守住实时信息+马斯克生态的差异化细分龙头地位；若监管风险持续发酵，欧美市场拓展将长期受限，增长天花板被显著压低。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(4) | 评论 08月12日 06:54 来自网站举报

【OpenAI大模型，全球市场第一】
OpenAI大模型，全球市场第一一、发展历史 OpenAI2015年以非营利机构成立，初衷为安全研发通用人工智能、防止AI技术滥用。2019年完成架构改制，设立营利主体并获得微软首轮10亿美元投资，转向商业化研发。2020年GPT-3发布，正式奠定大模型规模化技术路线；2022... 展开全文

收起查看原文

OpenAI大模型，全球市场第一

OpenAI大模型，全球市场第一

一、发展历史

OpenAI2015年以非营利机构成立，初衷为安全研发通用人工智能、防止AI技术滥用。2019年完成架构改制，设立营利主体并获得微软首轮10亿美元投资，转向商业化研发。2020年GPT-3发布，正式奠定大模型规模化技术路线；2022年末ChatGPT上线，引爆全球生成式AI浪潮，短短两月月活破亿。2023年GPT-4落地，实现原生多模态能力，同年经历管理层动荡后Altman回归，研发节奏重回正轨。此后迭代GPT-4o、视频模型Sora、智能体Operator，同步推进自研芯片降低算力依赖，从科研实验室转型全球AI商业化龙头，2026年完成股权架构重组，为IPO铺路。

二、行业地位

当前全球基础大模型市场形成三强格局，OpenAI稳居首位，全球市场份额35%至40%，ChatGPT全球月活超4亿，开发者平台接入企业超300万家。综合推理、多模态、生态商业化三大维度长期领跑，API调用量、企业付费收入大幅领先竞品，定义了RLHF对齐、缩放定律等行业通用技术范式，是全球AI产业技术风向标，在通用大模型高端政企、科研、海外C端市场具备绝对话语权。

三、股东情况

2026年重组后股权架构清晰，微软持股27%，仅享有分红权、无经营决策权，累计投入130亿美元，独家获得Azure云平台优先合作权限；OpenAI基金会持股26%，掌握董事会任免权，牢牢把控公司长期战略方向；软银、英伟达、亚马逊等财务投资方合计持股约20%，员工及早期创始团队持股21%。架构实现资本与控制权隔离，既保障资金供给，又避免资本短期诉求扭曲长期研发目标。

四、产品差异化与护城河

差异化核心在于最强通用复杂推理能力+全品类产品矩阵+成熟开发者生态，GPT系列在多步骤逻辑运算、跨学科科研、多模态深度理解上优势显著；同步覆盖对话、文生图、语音、代码、视频、智能体全场景，一站式满足个人与企业需求。护城河分为四层：微软独家算力供给与云端生态绑定、全球最顶尖AI人才储备、千万开发者形成高迁移成本的API生态、先发带来海量训练数据持续迭代优势；叠加Altman主动参与全球AI监管制定，抬高中小厂商合规准入门槛。

短板十分突出，API定价长期高于竞品，性价比偏弱；海外区域合规适配不足，多国数据监管限制落地；中文语境、本土知识库深度不及国内头部大模型；高度依赖英伟达GPU，自研芯片量产落地进度缓慢。

五、与同业横向对比

对标谷歌Gemini，OpenAI通用推理、用户生态更强，Gemini依托谷歌搜索自有数据与TPU算力，在原生搜索整合、免费普惠层面占优；
对比Anthropic克劳德，OpenAI面向C端覆盖面更广、商业化变现效率更高，克劳德长文本与数据安全合规更受欧美政企青睐。
相较于文心一言、腾讯混元等国产模型，GPT跨语言能力、复杂任务处理断层领先，但国内网络准入缺失、本土场景适配不足；Kimi长文本处理、DeepSeek代码能力在细分场景实现局部超越，综合实力仍存在明显差距。

六、未来前景

短期12个月，公司核心看点为自研芯片规模化落地，降低算力采购成本、改善毛利率；智能体Operator规模化商用，打开企业办公自动化全新增长空间，叠加海外新兴市场本地化运营，营收保持高速增长。中长期来看，公司战略重心由通用模型迭代转向AGI落地、行业定制化解决方案，依托庞大开发者生态渗透金融、科研、工业等高端产业。核心风险来自全球AI监管趋严、开源模型持续分流中小客户、谷歌与Meta技术追赶、地缘政策导致部分市场拓展受阻。整体而言，OpenAI依旧是全球大模型赛道确定性最高的龙头，只要维持人才与技术迭代节奏，将长期守住行业第一梯队位置，逐步从模型服务商转型全球AI基础设施巨头。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(2) | 评论 08月11日 06:58 来自网站举报

【Anthropic大模型，全球企业级市场份额第一】
Anthropic（Claude大模型），全球企业级市场份额第一一、发展历史 2021年2月，OpenAI前研究副总裁达里奥·阿莫迪带领14名核心研究员出走创立Anthropic，起因是团队反对OpenAI过度商业化、弱化AI安全研究的发展路线，确立“安全优先、审慎迭代”研发准... 展开全文

收起查看原文

Anthropic大模型，全球企业级市场份额第一

Anthropic（Claude大模型），全球企业级市场份额第一

一、发展历史

2021年2月，OpenAI前研究副总裁达里奥·阿莫迪带领14名核心研究员出走创立Anthropic，起因是团队反对OpenAI过度商业化、弱化AI安全研究的发展路线，确立“安全优先、审慎迭代”研发准则。公司推出宪法AI对齐框架，打造Claude系列大模型，2023年Claude 3系列发布，凭借百万级上下文、文档解析能力快速抢占企业市场；2025年推出Opus旗舰模型，工程代码能力实现行业领跑；2026年完成H轮巨额融资，估值超越OpenAI成为全球估值最高AI独角兽，同步启动美股IPO筹备，从技术实验室转型为全球化企业级AI服务商。公司全程严控模型发布节奏，拒绝仓促推出未完成安全测试的版本，走出和OpenAI截然不同的发展路径。

二、行业地位

稳居全球大模型第一梯队，在企业级B端市场份额位居全球第一，欧美金融、律所、政企、医药研发领域渗透率遥遥领先。长文档处理、复杂法律文书、财报批量分析、全栈软件工程四大场景为行业标杆；在合规监管严格的欧盟市场，凭借数据本地化与安全架构，成为政务、跨国企业首选模型。综合评测稳居全球前三，仅次于GPT旗舰版本，在专业垂直领域局部实现反超；C端大众知名度偏低，市场影响力集中在产业端，2026年年度经常性收入规模大幅领跑同行商业化指标。

三、股东情况

核心战略大股东为亚马逊AWS，提供海量专属算力、全球云渠道与企业客户资源；谷歌为重要投资方，供给TPU算力与技术合作。主权基金、全球顶级PE构成财务股东阵营，淡马锡、新加坡GIC、贝莱德、摩根士丹利等持续加码。创始团队长期持有大额股权，掌握研发战略决策权，股权结构长期稳定，无单一资本绝对控股，保证安全研发战略不被短期商业化诉求裹挟。

四、产品差异化特色

核心差异化集中三点。
其一，宪法式安全对齐体系，幻觉发生率显著低于竞品，严格遵循数据隐私规则，支持客户数据隔离部署，满足全球各地数据合规法案。
其二，超大上下文窗口，原生适配海量文档一次性读取，适配审计、法务、投行批量资料研读场景。
其三，分层产品矩阵，Opus主打顶级推理与软件工程，Sonnet兼顾性能与性价比，Haiku主打轻量化高速调用，搭配专属代码工作空间功能，深度适配开发者全流程需求。依托亚马逊云体系，实现私有化部署、本地机房部署多种交付模式，适配政企涉密场景。

五、护城河、优势与劣势

核心护城河：底层安全对齐专利技术、企业客户高粘性生态、亚马逊算力与渠道绑定、顶尖安全研究人才团队。优势方面，合规壁垒几乎无可替代，跨国企业替换成本极高；长文本与代码工程能力构筑技术壁垒；稳健研发节奏大幅减少舆情与监管风险，长期获得监管友好空间。短板同样明显，C端产品布局严重滞后，缺少大众流量入口；高端旗舰调用定价偏高，中小客户使用成本偏高；原生多模态能力弱于GPT与谷歌Gemini，视频解析能力存在明显短板；受地缘管制，无法进入中国大陆市场，错失庞大本土市场。

六、与同业产品对比

对比OpenAI GPT系列，GPT胜在C端生态、多模态与插件生态，Claude完胜企业合规、长文档、代码工程与数据隐私；对比谷歌Gemini，谷歌强在原生视频能力与谷歌生态，Claude在指令遵循、复杂逻辑、企业服务落地效率更优；对比国内头部大模型，中文理解能力偏弱，但海外合规、跨国业务、海外算力生态全面领先，海外政企市场不存在竞品。

七、未来前景

短期12个月，IPO上市将带来充足资金，自研AI芯片项目落地，进一步降低算力成本、提升运行效率；深耕医药研发、金融投研两大垂直赛道，专业定制化方案持续放量，企业营收保持高速增长。中长期来看，全球AI监管趋严将持续放大其合规护城河，欧美政企数字化采购长期带来稳定订单。核心风险在于IPO后资本短期业绩诉求或倒逼研发节奏加快，地缘政策变化影响海外算力供给；多模态能力短板若长期无法补齐，会流失多媒体场景客户。整体而言，Anthropic牢牢占据全球企业级AI黄金赛道，只要坚守安全研发底色、补齐多模态短板，长期将维持第一梯队地位，成为跨国企业数字化AI基础设施核心供应商。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞 | 评论 08月10日 07:12 来自网站举报

【全球十大AI大模型】
全球十大AI大模型当前全球大模型格局呈现中美双寡头格局，十大顶尖模型中美各占据五席，美国厂商深耕通用推理、全球企业服务生态，中国模型在中文适配、长文档处理、国产化部署、开源性价比上形成差异化壁垒，下面逐一拆解十款头部模型的背景、特色、优劣与市场定位。一、海外五大头部模型 1.... 展开全文

收起查看原文

全球十大AI大模型

全球十大AI大模型

当前全球大模型格局呈现中美双寡头格局，十大顶尖模型中美各占据五席，美国厂商深耕通用推理、全球企业服务生态，中国模型在中文适配、长文档处理、国产化部署、开源性价比上形成差异化壁垒，下面逐一拆解十款头部模型的背景、特色、优劣与市场定位。

一、海外五大头部模型

1. Claude Fable 5（Anthropic），现阶段综合评测全球榜首。由前OpenAI核心团队创立的Anthropic研发，背靠亚马逊巨额资本加持，主打企业级合规与超长文本处理。核心优势是安全对齐体系行业顶尖，幻觉发生率大幅低于竞品，百万Token上下文可一次性解析数百份财报、法律卷宗，适配金融、律所、政企合规场景，海外大型SaaS平台深度接入。短板在于无大众化C端产品，前沿旗舰模型受美国出口管制限制，无法面向国内正常商用，多模态视觉能力弱于谷歌系列。
2. GPT-5.6 Sol（OpenAI），通用生态标杆，微软算力与云生态深度绑定。分层推出旗舰Sol、均衡Terra、轻量化Luna三款版本，在复杂逻辑推理、全场景工具调用、代码架构设计、创意生成领域长期领跑，ChatGPT坐拥近9亿月活用户，开发者插件生态最为完善。短板十分明显，高端模型采用审批制限量开放，API调用成本偏高，长文档批量处理性价比不及Claude，同时受地缘监管约束，国内无法直接使用，企业私有化部署成本高昂。
3. Grok 4.5（xAI），马斯克旗下实时资讯型大模型。最大特色是无缝对接全网实时数据，热点事件、舆情分析、时效性内容创作能力突出，回答风格自由度高，编程与Agent自主执行能力跻身第一梯队。依托特斯拉算力资源完成训练迭代，偏向科技爱好者、新媒体、市场调研场景。缺点是严谨学术推理偏弱，事实核查能力不足，商业化落地进度缓慢，企业服务体系尚未成型。
4. Gemini 3.1 Pro（谷歌DeepMind），原生多模态绝对龙头。从底层架构实现图文、音频、长视频一体化理解，可直接解析数小时视频细节，深度嵌入谷歌搜索、安卓系统、谷歌办公套件，实时信息检索能力得天独厚，自研TPU算力摆脱英伟达算力依赖。短板在于文本推理迭代节奏偏慢，冷门知识容易出现信息虚构，内部战略摇摆导致商业化落地速度长期落后OpenAI与Anthropic。
5. Meta Muse Spark 1.1，全球开源基座标杆。Meta开源战略贯穿始终，模型分为闭源旗舰版与可商用开源版本，参数档位丰富，轻量化模型可在普通显卡本地部署，是全球中小AI创业公司二次开发的底层基石。优势在于开放协议宽松、部署灵活、社区开发者数量全球第一；短板是闭源旗舰综合能力略逊前三巨头，安全管控较弱，政企涉密场景适配能力不足。

二、国内五大上榜顶尖模型

6. Kimi K3（月之暗面），长文档处理国产标杆，凭借超长上下文能力一战成名。核心优势在于批量文件上传解析、多财报横向对比、海量文献速读，上手门槛极低，个人用户免费额度充足，在券商研究、审计、学术科研圈渗透率极高。短板在于通用多模态能力偏弱，复杂数理科研推理存在上限，企业定制化生态建设起步较晚。
7. 智谱GLM-5.2（智谱AI），政务与学术场景龙头，源自清华大学技术孵化。在公文撰写、政策解读、大型项目方案设计、论文润色领域优势显著，兼顾闭源商用与开源版本，深度适配国内信创体系，国内多地政务数字化项目核心选型。短板是大众C端流量不足，消费级场景迭代速度慢于互联网大厂模型。
8. 阿里Qwen3.7 Max（通义千问），开源商业化性价比之王。阿里云算力全面支撑，数学、代码、工程计算能力强劲，开源模型开放力度大，中小企业私有化部署成本极低，广泛应用于电商运营、企业办公、工业数据分析。短板在高端复杂科研推理略逊顶尖闭源模型，政企大客户大型项目竞争力弱于智谱、百度文心。
9. DeepSeek V4 Pro（深度求索），硬核技术型国产模型，聚焦推理与编程赛道。不涉足视频生成等冗余赛道，专攻数理、代码、科学仿真，可完美适配国产昇腾算力，海外开源生态扩张速度迅猛，海外开发者认可度位居国产模型首位。短板缺少自有C端流量入口，品牌大众知名度偏低。
10. 腾讯混元Hy3，产业与私域生态绑定最强。依托、企业生态，深耕金融、政企、企业数字化场景，企业内部流程对接、私域运营、办公协同优势明显，风控合规体系贴合国内监管要求。短板通用创意能力一般，面向个人用户竞争力不足，对外公有云开放力度保守。

三、整体行业格局与未来趋势总结

全球大模型已经告别参数竞赛，进入场景落地、成本控制、合规生态比拼阶段。美国模型牢牢占据全球高端企业服务、通用科研制高点，依靠海外云渠道完成全球化变现；国产十大上榜模型全部完成信创适配，在中文语境、本土监管、国内政企市场形成稳固护城河，开源路线成为国产模型弯道超车的核心手段。
长期来看，地缘管制将进一步加速两大阵营技术生态分化，海外模型难以深度渗透国内市场，而国产模型凭借性价比与本地化优势持续抢占全球新兴市场份额，模型能力差距将持续快速收窄。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(3) | 评论 08月09日 07:14 来自网站举报

【华为盘古大模型】
一、发展历史盘古大模型2020年11月在华为云内部立项，2021年4月正式对外发布，是国内最早落地的千亿参数大模型之一，同期推出NLP、机器视觉、科学计算三大基础模型，早早锚定产业AI赛道。2023年发布3.0版本，确立L0基础大模型、L1行业大模型、L2场景应用三层架构，定下... 展开全文

收起查看原文

华为盘古大模型

一、发展历史

盘古大模型2020年11月在华为云内部立项，2021年4月正式对外发布，是国内最早落地的千亿参数大模型之一，同期推出NLP、机器视觉、科学计算三大基础模型，早早锚定产业AI赛道。2023年发布3.0版本，确立L0基础大模型、L1行业大模型、L2场景应用三层架构，定下“不作诗、只做事”的产业定位，其气象大模型成果刊发于《自然》期刊，奠定科学计算技术标签。后续持续迭代，2025年升级至5.5版本，全面优化长文本、多模态与工业推理能力，2026年开源openPangu2.0大参数MoE版本，开放权重降低中小企业使用门槛，完成从自研项目到产业基础设施的转型。

二、行业地位

盘古稳居国内大模型第一梯队，但与百度文心、阿里通义、腾讯混元路线形成明显分化。在通用对话、C端流量领域存在感偏弱，而在工业制造、能源矿山、气象科研、政务国产化等高门槛B端场景稳居行业龙头。截至2025年末，已落地二十余个行业、服务万家政企客户，是国内国产化项目、涉密工程、央企数字化改造最常用大模型之一；在科学仿真、设备故障预测、工业质检细分领域，综合落地能力领先互联网系通用大模型。

三、股东情况

盘古并非独立公司，隶属于华为云业务板块，资产完全归属华为投资控股有限公司。华为股权仅有两大主体，员工持股工会持股99.48%，创始人任正非持股约0.52%，无外部财务股东、无创投机构参股。鹏城实验室为早期技术合作方，仅提供科研协作，不享有股权；各类行业合作伙伴仅做场景联合开发，不存在股权绑定。

四、产品差异化特色

核心差异化是全栈自主可控+产业深度定制。其一，训练、推理全程基于自研昇腾芯片与MindSpore框架，摆脱海外算力依赖，适配政企信创硬性要求；其二，分层架构快速打造行业专属模型，矿山、油气、医药、铁路专属模型直接搭载行业知识库，无需企业从零微调；其三，兼顾中心机房与边缘端部署，可搭载在工业终端、边缘小算力设备，适配工厂井下、野外基站等离线场景；其四，长上下文、科学数值计算能力突出，擅长气象推演、流体仿真、设备寿命测算等量化类任务。

五、护城河、优势与劣势

核心护城河在于昇腾软硬件生态闭环、华为政企渠道壁垒、工业Know-how积累。优势方面，国产化安全壁垒无可替代，在央企、地方政务招标中具备天然优先级；多年深耕ToB行业，积累海量工业场景数据，模型在工业参数优化、故障预判准确率远超通用大模型；软硬件协同优化显著降低长期推理成本。短板同样鲜明，C端个人产品缺失，大众认知度低；通用闲聊、文案创作、创意能力弱于互联网竞品；生态绑定昇腾体系，开发者需要适配专属工具链，学习门槛高，第三方生态扩张速度慢；受芯片产能约束，大规模对外公有云算力扩容存在上限。

六、与同行业产品对比

对比文心一言、通义千问、腾讯混元，互联网大模型主打通用能力、C端体验、海量消费级生态，适合办公、营销、大众资讯场景；盘古放弃通用C端赛道，专攻国产化产业刚需。在政企信创项目、工业改造、科研仿真上，盘古竞争力最强；在日常办公、内容生成、全网信息检索层面存在明显短板。通义千问开源生态更繁荣，文心知识检索能力更强，而盘古在离线部署、硬核工业场景、合规安全上具备独家不可替代性。

七、未来前景

中长期成长空间牢牢绑定国内产业数字化、信创推进、高端制造升级三大红利。短期内，央企、能源、交通、军工数字化订单持续释放，海外一带一路国家国产化AI需求带来增量；鸿蒙终端、华为汽车业务将逐步接入轻量化盘古模型，补齐端侧应用短板。长期风险在于昇腾产能制约算力扩张、通用能力迭代速度慢于竞品、互联网大厂持续下沉工业赛道带来竞争挤压。
整体来看，盘古不会成为全民级AI工具，但会持续坐稳国产产业大模型龙头，成为国内实体经济智能化转型的核心底层基础设施，具备稳健的长期产业价值。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(3) | 评论 08月08日 07:08 来自网站举报

【科大讯飞星火大模型】
一、发展历史科大讯飞早在2014年启动“讯飞超脑计划”，深耕认知智能与语音技术十余年，为大模型研发筑牢底层技术底座。2022年末公司启动“1+N”大模型专项攻关，2023年5月讯飞星火V1.0正式发布，同步展示文本、逻辑、数学、代码、多模态七大核心能力，成为国内首批规模化商用通... 展开全文

收起查看原文

科大讯飞星火大模型

一、发展历史

科大讯飞早在2014年启动“讯飞超脑计划”，深耕认知智能与语音技术十余年，为大模型研发筑牢底层技术底座。2022年末公司启动“1+N”大模型专项攻关，2023年5月讯飞星火V1.0正式发布，同步展示文本、逻辑、数学、代码、多模态七大核心能力，成为国内首批规模化商用通用大模型。同年10月联合华为推出全国产算力平台飞星一号，实现昇腾芯片全链路适配训练。2024年10月4.0 Turbo版本落地，中文综合能力对标GPT-4 Turbo，数学、代码能力实现反超；2025年发布行业首个全国产算力深度推理模型星火X1，以更小参数规模达成国际一流推理水平，持续迭代教育、医疗垂直专用模型，形成通用底座+行业模型双层产品体系。

二、行业地位

讯飞星火稳居国内大模型第一梯队，是唯一实现语音+认知双技术领跑的通用大模型。在政企招投标、教育医疗垂直赛道份额长期领先；权威横评中，中文理解、数理推理、方言语音交互指标位居行业前列，也是国内少数完成全栈国产化训练的商用大模型。不同于互联网厂商侧重C端流量，星火主打政企落地与硬件终端适配，依托教育硬件、政务平台形成差异化市场空间，国产替代场景需求承接能力突出，开发者生态规模突破35万，在To B行业模型赛道具备显著卡位优势。

三、股东情况

主体运营方科大讯飞实控人为创始人刘庆峰，直接+员工持股平台合计控制约11.49%表决权；第一大股东中国移动持股约10.03%，提供5G渠道、算力与政企资源协同；中科大资产、国家人工智能大基金为重要战略股东，加持技术研发与政策背书；北向资金、公募指数基金为流通盘主要机构持有者。股东结构兼顾产业资源、技术研发、国家队资金，运营商渠道资源为星火规模化落地提供独有支撑，股权长期稳定无大额减持扰动。

四、产品差异化特色

核心差异化是语音认知一体化，依托二十年语音技术积累，支持百种方言、实时会议转写、语音问答、离线语音交互，是同行难以复制的长板；其次深耕垂直行业，教育模型可完成题库批改、学情诊断，医疗模型支持病历结构化、基层问诊辅助，行业数据与场景工具深度绑定；第三坚持全国产化路线，飞星系列算力平台完全基于昇腾芯片训练，满足政企、军工的数据安全合规要求；同时推出轻量化行业定制模型，适配学习机、车载终端、政务一体机等硬件本地部署，软硬协同优势明显。

五、护城河优势与劣势

优势方面，一是语音技术专利与数据壁垒，长期积累的语音数据集、声学模型构筑独家壁垒；二是垂直场景闭环，教育、医疗硬件终端持续回流高质量行业数据，持续迭代模型精度；三是国产化适配壁垒，与华为深度联调，国产算力训练效率领先同行；四是政企渠道壁垒，依托移动、各地政务合作快速落地项目。
劣势同样突出：通用文本创作、长文本摘要能力弱于百度文心、Kimi；研发投入常年高企，大模型业务短期难以盈利；C端用户生态薄弱，大众曝光度低于互联网大厂；算力采购成本偏高，行业定制化交付周期更长，规模化复制速度受限。

六、与同行业产品对比

对比百度文心一言：文心依托搜索数据，通用创作、工具调用更强；星火语音、教育医疗垂直能力领先，国产化合规优势突出。对比阿里云通义千问：通义开源生态完善，开发者灵活度高；星火行业落地项目更成熟，语音交互为独家特色。对比智谱清言：智谱侧重学术科研，星火偏向政企商用与终端硬件适配；对比Kimi：Kimi超长上下文处理独一档，星火多模态、离线部署、语音功能具备不可替代性。整体来看，通用能力属于第一梯队中游，语音+垂直行业+国产化三大维度形成错位竞争优势。

七、未来前景

中长期成长主线分为三块：一是国产替代红利，政企、军工、央国企安全可控需求持续释放，星火作为全栈国产模型持续抢占海外模型替代份额；二是垂直行业放量，教育AI、基层医疗数字化政策推动行业模型规模化变现，学习机、车载硬件搭载打开终端增量；三是算力与推理优化，持续迭代轻量化模型降低部署成本，拓展工业、智慧城市智能体业务。
风险约束在于行业竞争加剧，互联网大厂持续加码语音赛道挤压差异化空间，高额研发投入短期压制利润兑现节奏。整体来看，星火难以在通用C端实现弯道超车，但依托语音壁垒、政企渠道与国产化政策，将持续稳固垂直行业龙头地位，长期成长确定性强于多数纯通用大模型厂商。

注:本文为转文，文中观点不代表本人看法，本人不推荐文中公司股票，若有据此买入，盈亏自负，股市有风险，投资需谨慎。

收起查看原文

赞(3) | 评论 08月07日 07:08 来自网站举报

«
1
2
3
4
5
6
7
8
...
130
131
»