AI周观察：自研芯片高景气持续，AI数据产业链梳理

摘要 -AI的进步和数据管理解决方案相辅相成，AI的训练依赖于高质量、高效的数据处理，我们认为随着AI提效逐渐被企业认可，美国企业对IT或者AI方向的支出也会随之提升，而专注于这些高效的数据管理技术的平台和公司将会受益。本周，模型应用端影响力最高的是Sora和Gemini 2.0的发布，ChatGPT、Gemini和KimiChat等人工智能聊天应用的活跃用户也在显著增长，我们持续认为，算力需求会加速从预训练向推理侧倾斜。 -美光科技预计将在12月18日盘后发布2025财年第一季度财报。目前市场普遍预期，未来七个季度公司营业收入将持续同比增长，主要得益于人工智能需求的强劲增长，特别是高带宽存储器（HBM）订单的激增，反映出市场对美光科技在人工智能存储解决方案方面的高度期待。 -随着大规模AI模型的普及，推理需求不断扩大并趋于多样化，自研芯片能够在算力、能耗和成本之间取得最佳平衡，显著提升效率和降低成本。博通、谷歌、AWS和OpenAI等科技巨头纷纷加大对定制化AI芯片的研发投入，以强化在人工智能领域的技术优势和供应链控制力。这一趋势不仅助力企业应对日益复杂的AI需求，还推动了整个自研芯片赛道的高景气度和持续创新。未来，自研芯片将在AI推理和训练领域扮演关键角色，成为降本增效和提升算力的重要手段。 -企业未来将逐渐转向结果驱动的服务模式，即AI直接提供预期的安全结果，而非传统的软件工具。这种技术转变不仅使网络安全行业成为数字经济的重要基石，也将持续推动市场的增长和创新。我们认为企业需要关注AI技术与零信任架构的深度结合，以应对日益复杂的威胁环境，同时捕捉新的市场机会。 风险提示 芯片制程发展与良率不及预期中美科技领域政策恶化智能手机销量不及预期 内容目录 财报前瞻........................................................................................3关注美光科技HBM进展情况....................................................................3自研芯片持续高景气度............................................................................3AI模型与应用...................................................................................5AI应用落地利好数据管理，平台迎来新增长点...................................................5AI应用活跃度持续提升，Sora热度远超其他视频生成模型.........................................8OpenAI 12 Days发布会过半，Sora和视频对话正式发布...........................................9Google Gemini大版本更新，多模态能力提升显著...............................................10数据安全.......................................................................................10数据安全重要性越发提升.....................................................................10风险提示.......................................................................................12 财报前瞻 关注美光科技HBM进展情况 美光科技（Micron Technology）计划于2024年12月18日盘后发布2025财年第一季度（截至2024年11月30日）的财报。此前，公司在2024财年第四季度（截至2024年8月29日）的业绩表现强劲，营收同比增长93%，达到77.5亿美元，超出市场预期的76.4亿美元；调整后每股收益为1.18美元，同样高于预期的1.14美元。 展望2025财年第一季度，美光科技预计营收将在85亿至89亿美元之间，超过分析师预期的87.2亿美元；调整后每股收益预计在1.66至1.82美元之间，同样高于市场预期的1.77美元。这一乐观前景主要受益于人工智能（AI）需求的强劲增长，特别是高带宽存储器（HBM）订单的增加。美光科技表示，2024年和2025年的HBM产品已全部售罄，显示出市场对其先进存储解决方案的高度需求。 此外，随着个人电脑和智能手机市场需求的回暖，这些设备开始配备更多的AI功能，进一步推动了对存储芯片的需求。美光科技在数据中心DRAM产品和HBM方面实现了显著增长，NAND业务营收也创下新高。 来源：Reuters、国金证券研究所 来源：Reuters、国金证券研究所 当前市场预期未来七个季度公司营收将持续同比增长，在传统存储市场不景气的背景下，隐含市场对AI相关需求的高预期，建议关注公司HBM相关业务的进展情况。 自研芯片持续高景气度 美东时间12月12日盘后，博通发布其2024财年第四季度财报，实现营业收入140.54亿美元，同比增长51.20%，其中半导体业务收入82.30亿美元，同比增长12.34%，基础设施业务收入58.24亿美元，同比增长195.78%。 来源：Reuters、国金证券研究所 来源：Reuters、博通、国金证券研究所 在2024财年，博通的AI业务表现尤为亮眼，全年AI收入达到122亿美元，同比增长 220%， 占 其 半 导 体 总 收入 的41%。这 一 增长 主要 得 益于 博通 向 三大 超大 规模客户（Hyperscalers）提供的定制AI加速器（XPU）和AI网络连接产品。AI网络连接业务在2024Q4占其整体网络业务的76%，收入同比增长4倍，得益于Tomahawk和Jericho系列交换芯片的强劲出货。此外，博通正在开发基于3纳米工艺的下一代AI加速器，预计将于2025财年下半年开始量产。 展望未来三年，博通预计到2027财年，仅其三大超大规模客户的AI相关市场机会（SAM）将达到600亿至900亿美元。这些客户计划在单一网络架构下部署100万个XPU集群，AI网络连接在其中的价值占比预计将从当前的5%–10%提升至15%–20%。此外，博通也已与另外两家超大规模客户展开合作，正在开发他们的下一代定制AI加速器，预计将在2027年前带来新的收入来源。 公司管理层强调，未来AI业务将远超非AI半导体业务的增长速度，并将引领博通进行进一步的业务转型。博通将在未来的财报中对半导体业务按AI和非AI两大板块进行指引。同时，尽管AI业务的增长可能会带来半导体业务的毛利率下降，但随着收入的快速增长，整体运营利润率将得到提升。 自研芯片赛道持续高景气度，谷歌自2013年起开始研发专为AI加速设计的张量处理单元（TPU），并于2017年推出首款云端TPU。最新的第六代TPU，代号Trillium，已被应用于谷歌的多项核心服务，如实时语音搜索、照片对象识别和互动式语言翻译。近日，AWS宣布了由数十万颗Trainium芯片组成的超大规模AI超级计算机“Ultracluster”，并计划于2025年投入使用。该集群将成为全球最大的AI训练集群之一，旨在为AI初创公司Anthropic等客户提供强大的算力支持。此外，OpenAI也在与博通和台积电合作，计划于2026年前开发自研AI芯片，以增强对供应链的控制并降低对英伟达等供应商的依赖。 我们认为，随着大规模AI模型的普及，推理需求将不断扩大并趋于多样化。为了满足不同场景下的高效推理需求，同时有效控制成本，自研芯片将成为降本增效的重要手段。科技巨头通过开发定制化的AI芯片，能够在算力、能耗和成本之间取得最佳平衡，从而提升在人工智能应用领域的竞争力。此外，自研芯片也有助于降低对第三方供应链的依赖，增强技术控制力和供应链稳定性。 AI模型与应用 AI应用落地利好数据管理，平台迎来新增长点 来源：国金数字未来实验室、国金证券研究所 人工智能的发展离不开高质量的数据支持，而部分传统和新兴的数据管理技术和架 构为AI的运行和训练提供了关键保障，如开放表格式、湖仓架构、向量数据库和数据编织，以确保数据的一致性、完整性和高效访问。这些技术支持结构化、半结构化和非结构化数据的存储与处理，使AI能够处理多样化的数据源并实现大规模、高效的数据检索。通过元数据管理和语义增强，AI能够更准确地理解数据上下文并快速适应数据变化，从而提高模型的训练效果、推理能力和动态优化的效率。这些数据管理技术为AI模型的开发和应用提供了强大的支持基础。我们认为，随着AI提效逐渐被企业认可，美国企业对IT或者AI方向的支出也会随之提升，而专注于这些高效的数据管理技术的平台和公司将会受益。 开放表格式（Open Table Format），例如Apache Hudi、Apache Iceberg和Delta Lake，作为数据抽象层，正在数据和分析架构中发挥变革性作用。这些格式在所有湖仓架构中普遍采用，通过在低成本对象存储上创建围绕各类数据（包括结构化、半结构化和非结构化数据）的元数据形式的逻辑表结构，实现了原子性、一致性、隔离性和持久性（ACID）事务、变更数据捕获（CDC）和数据版本控制等功能。主要厂商如亚马逊云科技（AWS）、Cloudera、Databricks、Dremio、Google、微软、Starburst和Tabular等都在其平台中积极采用开放表格式，同时苹果、Netflix和LinkedIn等技术公司也在推动该技术的进一步发展 和标准化。开放表格式的广泛应用，不仅降低了成本，提高了数据工程效率，缩短了价值实现时间，还通过支持跨多个处理引擎的数据使用，避免了厂商锁定风险，并为人工智能/机器学习、数据科学和分析提供了更便捷的数据复用途径。因此，企业应积极考虑在其数据战略中采用开放表格式，以提升数据价值和业务敏捷性。 生成式人工智能正逐渐在数据管理领域展现出颠覆性的潜力。通过学习大量原始数 据，GenAI能够生成新的内容、策略和方法，这使得数据专家和消费者能够通过自然语言界面进行数据管理，并自动化许多手动任务，从而降低了数据管理的技能门槛，并显著提高了数据管理专家的工作效率。尽管在数据管理中应用人工智能和机器学习并非新鲜事 ，但GenAI的出现有望彻底改变这一领域，使更广泛的用户群体能够参与数据管理活动。通过与主动元数据管理工具的集成，以及语义工具和知识图谱的增强，利用检索增强生成（RAG）或在企业或行业特定的语料库上训练大型语言模型（LLMs），将实现通过对话界面执行数据管理任务。这种变革将降低对高技能角色的依赖，例如数据工程师，并减轻数据管理员甚至数据库管理员（DBA）的工作负担，最终使自然语言成为数据操作的语言。虽然该技术仍处于早期阶段，并面临着诸如幻觉、信任和安全等挑战，但其潜力不容忽视。主要厂商如亚马逊云科技（AWS）、Databricks、Google、Informatica、Microsoft、Snowflake等都在积极探索和应用GenAI技术于数据管理解决方案中。 湖仓（Lakehouse）是一种融合的基础设施环境，它将数据湖的语义灵活性与数据仓库的生产优化和交付能力相结合。它支持数据从原始、未精炼状态到精炼再到最终交付优化的全过程，为数据工程、数据科学、人工智能/机器学习工程和商业智能等不同分析工作负载提供单一平台。湖仓已迅速成为云端分析现代化的首选设计模式，通过围绕单一平台进行