Anthropic 企業收入年化突破 $300 億且客戶數翻倍,前沿模型護城河假說向應用層整合深度傾斜;TSMC 上調 2026 全年收入展望,AI 需求韌性獲晶片層新佐證
5 層觀察
- 能源SoftBank 日本大規模電池基建加速,電力基建瓶頸假說獲新佐證,但北美 2026H2 硬瓶頸時間點尚未被此訊號直接改變
- 晶片TSMC 上調 2026 Capex 至 $56B 上限並提升全年展望;Intel 因 agentic 推理驅動 CPU 需求超預期,晶片層需求廣度擴大
- 基礎設施AWS Trainium 獲 Amazon 推理代理規模採用;Anthropic 3.5GW TPU 協議使 Google-Broadcom 供應鏈獲多年鎖定,基礎設施層競爭格局重組
- AI 模型Anthropic 年化收入從 $90 億跳升至 $300 億以上,$100 萬以上年消費企業客戶數 50 天內從 500 翻至 1,000;OpenAI-AWS 非獨家協議削弱 Azure 護城河
- 應用Tim Cook 退任、John Ternus 接班,Apple 策略軸心轉向硬體差異化;Codex 代碼代理使小團隊產出規模指數躍升,AI 應用層生產力拐點出現
關連腦圖
支持論點
1.AI 模型Anthropic 企業護城河假說獲強力支持:工作流整合深度超越算力規模
2.晶片ASIC 挑戰規模化:AWS Trainium 推理代理採用打壓 NVDA 軟體護城河假說
3.晶片TSMC 2026 Capex 上限確認,agentic AI 驅動 token 消費再上台階
TSMC CEO C.C. Wei 明確陳述 agentic AI 的 command-and-action 模式導致 token 消費量另一次台階式提升,2026 Capex 趨向 $56B 上限,強化 ai-energy-power-infrastructure-bottleneck 中對 GPU 需求持續高強度的基礎假設,同時隱含電力需求曲線不得不加速跟進。
4.基礎設施Google-Broadcom-Anthropic TPU 供應鏈鎖定至 2031,基礎設施層版圖重劃
為什麼重要
GOOGL 需重新評估:Google Cloud 收入成長 63% 且 Anthropic TPU 鎖定至 2031,但 OpenAI-AWS 非獨家協議(article 2326)削弱 Azure 獨家優勢,間接提升 Google Cloud 吸引力,GOOGL 基礎設施層定價能力獲結構性強化。NVDA 需重新評估 ASIC 風險敞口:AWS Trainium 推理代理規模化是直接壓力測試,若下季 AWS 披露 Trainium 推理份額具體數字,h-001 的 15% 上限假說面臨可驗證挑戰。AAPL 需重新評估新 CEO 週期的硬體擴張速度:Ternus 主導下智慧眼鏡與智慧家居的出貨時間表延誤是多空分水嶺,2027 年出貨量是 h-001 的量化 falsifier。AVGO 因 Google TPU 與 Anthropic 多年供應協議獲直接受益,是基礎設施層最清晰的受益 ticker。
第一性原理
前沿模型層的護城河正從「誰算力最大」轉移至「誰的工作流嵌入最深」:Anthropic $100 萬級客戶 50 天翻倍,顯示企業替換成本(switching cost)已超過模型能力差距本身,這是應用層聚合者勝出的結構性信號。推理工作負載從 GPU 向 ASIC 的轉移速度取決於 agentic workload 的架構穩定性:當前 token 消費型態仍在快速演化(TSMC CEO 確認 agentic 模式再次台階式提升),代表 ASIC 最佳化週期追趕成本高於 GPU 通用架構調適成本。電力基建需求曲線被 TSMC $56B Capex 與 SoftBank 日本電池基建加速雙重確認:以北美 hyperscaler 2025-2026 宣告 Capex 總計超過 $700B(MSFT $190B + GOOGL $185B + Amazon 同期)推算,對應新增電力需求約 40-60GW,而美國電網互聯申請積壓消化速度約 8-12GW/年,2027 年後電力硬瓶頸數學上不可避免。OpenAI-Azure 非獨家協議將 OpenAI 模型從 Azure 單一管道釋放至所有雲端,企業採購 AI 模型的交易成本下降,直接受益者是已有多雲基礎設施的 AWS 與 Google Cloud,而非模型廠商本身。
投資方向
| 方向 | Ticker / rationale |
|---|---|
| 多 Long | AVGO — Google TPU 供應鎖定至 2031 + Anthropic 3.5GW TPU 協議,基礎設施層多年確定性收入,對應 ai-model-frontier-economics-moat h-002 |
TSM — 2026 Capex 趨向 $56B 上限,agentic token 消費台階式提升確認多年 leading-edge 需求,對應 ai-energy-power-infrastructure-bottleneck h-001 | |
GOOGL — Cloud 收入成長 63%,TPU 自研優勢 + Anthropic 深度綁定,OpenAI 非獨家後多雲格局對 GCP 有利,對應 nvidia-multi-arch-moat-vs-asic | |
| 空 Short | INTC — CPU 需求回升為結構性 agentic 推理驅動而非 Intel 自身執行改善,若 agentic 架構轉向 ASIC,CPU 軌道再度邊緣化,對應 nvidia-multi-arch-moat-vs-asic h-001 |
| 觀察 Watch | NVDA — AWS Trainium 推理代理規模化是直接壓力測試,下季 ASIC 推理份額披露為 h-001 的 falsifier 觸發條件 |
AAPL — Ternus 接班後智慧眼鏡與智慧家居出貨時間表為 h-001 量化 falsifier,2026 iPhone 18 換機率是多空分水嶺 | |
ARM — fabless 轉型若遭遇 N2/N3 產能搶占延遲,h-002 觸發條件為量產延遲超過 2 季,需觀察 TSMC 排程優先順序 |
相關公司 KB 快照
TSM3 個 KB 文件
台積電在先進製程節點上持續領先,其N3P與N2工藝分別對應高效能運算與新一代GAA架構,成为華為麒麟晶片與聯發科、高通等客戶的技術核心。然而,隨著華為攜麒麟晶片重返市場,供應鏈國產替代趨勢加速,台積電面臨客戶結構調整與地緣政治壓力。短期風險來自於終端需求能見度有限及N2量產時程,但AI與手機晶片升級需求可望為先進製程帶來長期催化,維持技術主導地位。
- /volume1/homes/howard/MS/20230917-中泰证券-半导体行业周报:华为Mate60 Pro加单,看好产业链投资机遇.pdf
- /volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告:华为新机携麒麟芯片回归,关注产业链技术创新及国产替代 1.pdf
- /volume1/homes/howard/MS/23Q3路标风险与策略_0831_1693516896585032 - 複本.pptx
GOOGL3 個 KB 文件
Google 憑藉 LiteRT 與 Android NNAPI 在終端 AI 運算建立穩固生態,但面臨 Qualcomm Hexagon DSP 與 AMD Ryzen AI 的邊緣競爭,以及 NVIDIA Ampere 架構與 TensorRT 在雲端訓練推論的壓制。市場風險來自 TSMC 與三星的先進製程成本波動,以及 Gemma 等輕量模型與 Intel Gaudi 3 等運算架構的分散化競爭;催化劑則在於 BF16/FP16 混合精度支援與 CoDL 系統促成低成本高效能推論,並可望透過與華為及小米的 5G 專利協議強化橫向合作與連網生態。
- /volume1/homes/howard/MS/20230918-万联证券-电子行业周观点:华为与小米达成全球专利交叉许可协议,覆盖包括5G在内通信技术.pdf
- /volume1/homes/howard/MS/S19系列经营关键指标-charter_1692942480283653 - 複本.pptx
- /volume1/homes/howard/MS/Y&SE成本模拟2.0_1017_1666149506213203 - 複本 - 複本.xlsx
INTC3 個 KB 文件
英特爾在技術定位上透過18A製程與GAA架構力圖追趕台積電N2節點,然而面臨代工客戶轉向xBIT架構與競爭對手Marvell、聯發科等業者多元選擇的挑戰。在PC與伺服器領域,其Skylake及Core i7等舊產品線仍面臨對手疊代壓力,而華為自研麒麟芯片回歸更強化國產替代威脅。風險在於製程量產延遲與地緣政治不確定性,但「新質生產力」政策催化下,其晶圓代工戰略若能突破良率瓶頸,仍有望抓住本土需求契機。
- /volume1/homes/howard/MS/20230918-招商证券-全球产业趋势跟踪周报:工信部出台政策响应培育“新质生产力”号召.pdf
- /volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告:华为新机携麒麟芯片回归,关注产业链技术创新及国产替代 1.pdf
- /volume1/homes/howard/MS/2023年3月经营例会-待确认实销份额输出方式-0316_159155299_.pptx
NVDA3 個 KB 文件
NVIDIA 目前憑藉 H100 等高效能運算晶片與 Transformer、FlashAttention 等核心技術,穩居 AI 訓練與推理的領導地位。競爭方面,Google TPU、高通 Snapdragon 及華為自主晶片正加速追趕,尤其華為 Mate 60 系列與 3nm 製程的推進,形成潛在威脅。風險在於先進製程的供應鏈限制與地緣政治干擾,但來自 MIT、清華等學術單位的 NAFNet、MambaNUT 架構創新與自動化設計工具(如 NVCell),持續為 NVIDIA 提供長期技術催化力。
- /volume1/homes/howard/MS/20230918-光大证券-计算机行业AI主题演绎复盘&下阶段展望:华为Mate 60 Pro持续引领关注,建议关注华为产业链相关标的.pdf
- /volume1/homes/howard/MS/MTK Fin report.xlsx
- /volume1/homes/howard/MS/S17 B端动作.pptx
AAPL3 個 KB 文件
基於 Howard KB 內文件摘要,Apple 正面臨技術定位與競爭態勢的顯著變化。華為攜麒麟晶片回歸,與高通、三星及中國四大手機品牌(OPPO、vivo、小米、榮耀)形成多面夾擊,尤其在高端市場的壓力加劇。Apple 持續透過自有晶片與生態優勢鞏固技術壁壘,但半導體供應鏈的去美化趨勢及華為全聯接大會所預示的 AI 終端創新,構成主要風險。關鍵催化劑在於 Apple 能否在 AR/VR 及邊緣運算領域建立新護城河,以對沖手機市場份額可能遭侵蝕的影響。
- /volume1/homes/howard/MS/20230918-招商证券-电子行业华为手机产业链跟踪报告:华为新机携麒麟芯片回归,关注产业链技术创新及国产替代.pdf
- /volume1/homes/howard/MS/20230918-华西证券-计算机行业报告:华为全联接大会前瞻,智能的下一站.pdf
- /volume1/homes/howard/MS/20230921-中信建投-华勤技术-603296-全域客户覆盖份额持续提升,2+N+3平台布局动能充足.pdf
ARM3 個 KB 文件
根據Howard KB內的ARM相關文件摘要,ARM在技術定位上持續主導行動裝置核心架構,其Cortex-X925、Mali-G1 Ultra及C1系列高性能核心,已成為聯發科與高通旗艦晶片(如Dimensity 9400/9500、Adreno 830/840)的關鍵競爭要素。競爭態勢方面,台積電N3E/N3P製程成為各家追逐節點,華為Mate 60 Pro加單更激化供應鏈搶產能;然而,E5/t晶片路標風險與策略文件顯示,部分客戶如vivo、立錡科技與TI面臨交期與技術調整壓力。主要催化來自AI邊緣運算與高效能行動運算需求,但風險在於晶片設計延遲及製程良率不穩,可能影響產品上市節奏。
- /volume1/homes/howard/MS/20230917-中泰证券-半导体行业周报:华为Mate60 Pro加单,看好产业链投资机遇.pdf
- /volume1/homes/howard/MS/23Q3竞争V0 - 屏幕成本_1666144819955139 - 複本.pptx
- /volume1/homes/howard/MS/23Q3路标风险与策略_0831_1693516896585032 - 複本.pptx