算力：海内外资本开支提振，芯片厂加速推出新版本芯片
思瀚产业研究院    2025-09-04

国内外CSP厂商开启AI军备竞赛，Capex先行提高投入

海外：微软、谷歌、Meta、亚马逊四者合计资本开支在2023Q3后连续多个季度环比上升，同时上调资本开支指引。

微软：25Q2（2025财年第四财季）资本开支为242亿美元，同比+27%，Q1同比+53%；其中，不动产和设备相关的现金支出171亿美元，同比+23%，Q1同比+52%。目前，微软正在加速建设数据中心，以满足对AI训练和工具激增的市场需求。公司预计，2026财年第一财季有望将资本开支提升至300亿美元以上。

谷歌：由于云产品和服务的需求强劲且不断增长，25年capex上调至850亿美元，同比+13%，此前2月份预计全年capex为750亿美元；预计26年capex将进一步增加。

亚马逊：2025财年制定了1000亿美元的激进资本支出计划，重点关注人工智能基础设施和数据中心的扩张。

Meta：25Q2，将全年capex的最低水平从上季度的640亿美元上调至660亿美元，capex范围在660亿美元至720亿美元之间，25年的总支出将在1140-1180亿美元之间。

国内：以腾讯、阿里为代表的云厂商由于AI发展滞后于海外，23下半年开始发力，加大对AI领域投资。当前，我国开源大模型取得重要突破，资本开支上或将连续上涨。

阿里：2月，阿里CEO吴泳铭表示，将加大投入三大AI领域，未来三年将是云建设最集中的三年，在云和AI的基础设施投入预计将超越过去十年的总和。8月29日，阿里发布FY26Q1财报，capex 386.76亿元，同比+220%，超市场预期，创历史新高，并重申未来三年持续投入3800亿元用于AI资本开支的计划。

腾讯：从24年下半年开始，腾讯发觉AI加速发展迹象，加大了对AI芯片的投入。25年腾讯计划进一步加大资本开支，预计会占25年总收入的“低两位数百分比”，意味着25年腾讯capex可能接近千亿水平，而24年全年capex为767.6亿元。

百度：自24Q3开始，资本开支连续三个季度环比增长。25Q2，百度资本开支为38亿元，同比+79.41%，环比+31.03%。

阿里等资本开支先行，也有望带动华为云、通信运营商等提高 AI资本开支预期，以应对云端推理需求大幅增加的可能。例如，根据中国产业经济信息网，三大运营商25年capex计划规模合计达到2898亿元，虽各自的投资规模出现下调，但在投入结构上偏向算力、AI，甚至还设立了特别预算或者“不设上限”。

英伟达由B向R卡跨越，AMD布局26年新型MI400系列GPU

英伟达芯片架构正在由Blackwell向Rubin过渡。根据美股研究社，短期看，英伟达GB300相比GB200在性能、存储、互连、安全与管理等多个方面进行了全面升级，性能增幅高达50%，25Q4或是NVL72规模化出货节点。26年下半年，英伟达将发布Vera Rubin架构，这是基于HBM4内存、基于3nm节点构建的全新芯片系列。VeraRubin NVL144将提供比GB300高三倍以上的推理计算能力提升，同时提供机架级系统级架构兼容性。在2027年之前，Rubin Ultra设计将继续突破极限。凭借NVL576机架设计，它可以提供高达15 exaFLOPS的FP4吞吐量，大约是新GB300系统计算能力的14倍。

AMD MI350系列对标GB200，MI400系列计划为26年新型服务器“Helios”的基础。6月，AMD正式推出下一代Instinct MI350系列，其中包括MI350X和旗舰MI355GPU及平台。在FP4和FP6精度，新GPU芯片相对MI300X实现的AI计算性能提升4倍，推理性能提升35倍。此外，AMD预览了基于MI400 GPU的下一代人工智能机架“Helios ”。

 华为云CloudMatrix 384通过多卡互联实现性能弯道超车

25年4月，华为发布384超节点，凭借其颠覆性的系统架构设计与全栈技术创新，在多项关键指标上实现对英伟达旗舰产品GB200 NVL72的超越，标志着中国在人工智能基础设施领域实现里程碑式突破。

CloudMatrix 384由384颗昇腾910C芯片组成，这些芯片通过全互联拓扑结构连接。其中的权衡很简单：昇腾芯片的数量是英伟达 Blackwell芯片的五倍，这足以弥补每颗昇腾芯片的性能仅为后者三分之一的差距。

完整的CloudMatrix系统现在可以提供300 PFLOPs的密集型BF16计算能力，几乎是GB200 NVL72的两倍；凭借超过3.6倍的总内存容量和2.1倍的内存带宽，为大规模AI训练和推理提供了更高效的硬件支持。

云端巨头竞相自研ASIC推理芯片

根据TrendForce集邦咨询，AI Server需求带动北美四大CSP加速自研ASIC芯片，平均1~2年就会推出升级版本。CSP为应对AI工作负载规模逐步扩大，同时计划降低对NVIDIA、AMD的高度依赖，因此积极投入ASIC开发进程，以便能控制成本、性能和供应链弹性，进一步改善营运成本支出。

谷歌：已推出TPU v6 Trillium，主打能效比和针对AI大型模型的最佳化，预计2025年将大幅取代现有TPU v5。

亚马逊：目前以与Marvell（美满电子）协同设计的Trainium v2为主力，其主要支持生成式AI与大型语言模型训练应用，AWS也和Alchip合作Trainium v3开发。

Meta：成功部署首款自研AI加速器MTIA后，正与Broadcom共同开发下一代MTIA v2，MTIA v2设计特别聚焦能效最佳化与低延迟架构，以确保兼顾推理效能与运营效率。

微软：目前在AI Server建置仍以搭载NVIDIA GPU的解决方案为主，但也加速ASIC开发，其Maia系列芯片主要针对Azure云端平台上的生成式AI应用与相关服务进行优化，下一代Maia v2的设计也已定案，并由GUC负责后段实体设计及后续量产交付。

国内：阿里巴巴旗下平头哥(T-head)已推出Hanguang 800 AI推理芯片；百度继量产Kunlun II后，已着手开发Kunlun III，主打高效能训练与推理双支持架构；腾讯除了自家AI推理芯片Zixiao，亦采用策略投资的IC设计公司Enflame（燧原科技）解决方案。

更多行业研究分析请参考思瀚产业研究院官网，同时思瀚产业研究院亦提供行研报告、可研报告（立项审批备案、银行贷款、投资决策、集团上会）、产业规划、园区规划、商业计划书（股权融资、招商合资、内部决策）、专项调研、建筑设计、境外投资报告等相关咨询服务方案。