预测更低的那家机构，给了更高的目标价

这张表的两行，对手完全不同——这一点比它看起来重要。

做 x86 服务器 CPU 这一行， 它面对的是全球两家巨头，而它是这两家之外全球唯一的一家； 做加速卡那一行，它面对的是一群境内同行，谁都不是唯一。

所以这家公司身上其实有两个完全不同的故事： 一个是「稀缺」，一个是「拥挤」。 本课后面所有关于倍数的讨论，压的都是第一个故事。

有机构在报告里给出的说法是： CPU + 加速卡一体化是它区别于大多数境内同行的地方—— 后者主要只做加速卡。

为什么这值得单独说一句？因为一个数据中心里，这两类芯片是同时要买的。

把两条线的性质并排看，会发现它们几乎在每一个维度上都是相反的。

最后两行是这门课全部争议的源头，本课在第二和第五单元会分别处理。

倒数第二行是多方最核心的论据—— 它说「CPU 这个市场增长得比加速卡还快」，这句话听起来不太可能，但机构写得很明确（第 6 节）。

最后一行是空方最强的一条—— 而它是机构自己在报告里替空方写下来的：既然 CPU 大多不受进口限制， 客户为什么一定要换？（第 16 节）

两条线里，机构反复讲的是 CPU 那条。这不是偏好，是有原因的。

加速卡那条线，境内有一群公司在做同一件事。 这意味着即使这个市场按预测那样变大，增量也会被分掉—— 而分法取决于谁的产品更好、谁能拿到产能、谁的软件更成熟， 这些是逐年重新比较的事情。

而 CPU 那条线的结构完全不同： 在这个指令集上，全球只有三家能做，而其中两家在境外。 这不是「竞争者少」，是「竞争者的数量由一个不容易变化的因素决定」。

最后一行是这张表的用处。

两条线需要的分析方法不一样： 加速卡那条要盯竞争位置的变化，CPU 那条要盯的是结构会不会松动—— 也就是境外供给和自身差距这两件事。

⚠️ 但要提醒一句：「结构稳定」不等于「一定赢」。 第 16 节那条最强的空方论点，说的正是「结构稳定，但客户没有非换不可的理由」。

第一，它是两条腿走路的公司， 而这两条腿所处的竞争环境完全不同——一条稀缺，一条拥挤。

第二，一体化是它被反复提到的差异点， 但这个差异点在报表上值多少钱，本课因为缺少产品线拆分而无法量化。

第三，本课后面所有关于「为什么它值这个倍数」的讨论， 锚点都在 CPU 那条线上，不在加速卡上。 这不是本课的选择，是机构材料本身的重心就在那里—— 下一节你会看到，那条线上有一段必须先讲清楚的历史。

大多数人看到前两行就停下了——「技术是授权来的」「后来被断供了」， 听上去像是一个负面故事的完整版本。

但这门课要说的是第三行。

实体清单与技术差距这件事的分量， 全部压在「此后这些年发生了什么」上面。

假设你在 2019 年知道两件事：它的技术来自授权，它被断供了。 那么最自然的推论是什么？

推论是：差距会逐年扩大。因为对手每年都在推进， 而它失去了外部输入，只能靠自己。这就是「吃老本」的标准结局。

本课不会只讲对多方有利的那一半。

这条分歧什么时候有答案？

答案在下一代产品的实测表现上。 如果下一代产品确实把差距缩小了，那么多方的说法得到又一次验证； 如果下一代产品的差距反而拉大了，那么空方关于「非线性难度」的担忧就被证实了。

本课把这一条列进了第 17 节的事件触发点—— 它是本课认为最值得盯的一个技术里程碑。

一个技术差距的数字，用错了会得出完全相反的结论。

本课见过两种常见的误用。

第三行是这一节的方法。

「2–3 年」这个绝对值本身信息量有限—— 不同的评估方法会给出不同的年数，而且它随基准产品的选择而变。

真正携带信息的是那个动词：「维持」。 维持意味着这家公司的产品迭代速度，与全球领先者大致相当—— 而这一点，才是「有没有独立研发能力」这个问题的实质答案。

第 1 节说它在 CPU 那条线上是「全球三家之一」。 但「三家之一」这个位置本身不值钱——值钱的是这个位置能不能守住。

这一节回答的就是「守得住吗」。 而它给出的不是一个承诺，是一段已经发生的记录。

本课在第 16 节会把这一条列为多方最强的论点， 理由正是它的性质：「唯一性」＋「没有退步」， 前半句是位置，后半句是证据，而后半句才是稀缺的那一半。

这家公司的位置在产业链上很清楚：它设计芯片，不自己造； 它向上买制造与内存，向下卖给算力买方。

下游第一格，第一大股东持股 27.96%。

有机构指出：这家股东不只是超级计算机制造商，还是中国人工智能基础设施的关键参与者， 业务覆盖芯片、计算、存储、网络、散热、应用与服务。

换句话说，它同时是股东和系统集成商——它买芯片，然后把芯片装进整机和集群卖给最终客户。

如果你上过前两门课，会发现上游这几格眼熟。

晶圆制造那一格，正是第 21 门课的主角。 而第 22 门课的产业链图里，上游也是同样的三格——制造、内存、封装。

这说明一件事：境内做芯片设计的公司，上游约束是共享的。 它们彼此是下游的竞争对手，却在上游排同一支队。

产业链图的下游有三类买方，它们的采购逻辑完全不同。 把它们混在一起看，会误判这家公司收入的稳定性。

这张表解释了一件事：为什么「进入云服务商」是一个门槛更高的目标。

前两类客户买的是「符合要求」，第三类客户买的是「更划算」。 而「更划算」这件事没有政策帮忙，只能靠产品自己赢。

第 7 节会讲到，机构判断下一代产品才会把云服务商纳入可服务范围—— 把那句话和这张表放在一起，含义就具体了： 它不是「产能不够所以先不做」，是「产品还没到能在纯商业比较里胜出的位置」。

「股东生态可以带来份额」这句话，本身只是一个判断。

而 2026 年 7 月发生了一件事，把这个判断变成了一次可以指着看的交付。

下一节讲那件事——以及本课为什么在讲完之后， 必须紧接着说一句「它只能作为能力的证据，不能作为收入的依据」。

这张表要看的不是任何一行，是「六行都在」这件事。

六类核心芯片全自研的意义在于： 一台集群里，从算的芯片到连的芯片，没有一类需要从外部拿。

这比「我们的加速卡性能达到了什么水平」是完全不同量级的一句话。 前者说的是一颗芯片，后者说的是一整套系统能不能自己搭起来。

第 1 节说过：「一体化」是机构反复提到的差异点。 但那时候它还只是一句产品描述。

这一节把它变成了一件已经交付的事。

第三行和前两行的差别，是这一节存在的全部理由。

在高倍数公司的分析里，最难的一件事就是把「能力主张」和「已完成的交付」区分开—— 前者到处都是，后者很少。

而这一条正好和第 2 节那一条是同一类东西： 都是已经发生的事，不是对未来的判断。

第 3 节说过：关联生态既是渠道，也是集中度。

这台集群是那句话的正面版本——但它也提醒了反面。

那六类芯片里，有两类是外行最容易略过的： 纵向扩展交换 ASIC 和 PCIe 5.0 交换芯片。

它们不负责算，只负责连。但在十万卡规模上，「连」这件事的难度不比「算」低。

第二行是这一节和第 1 节接上的地方。

「CPU + 加速卡一体化」这个说法，在硬件上落地为一条具体的通道—— CPU 和加速卡之间怎么连、连得多快、由谁的芯片来连。

而在这台集群里，这条通道上的芯片也是自研的。 这就是本节说的「从产品描述变成可验证的交付」的具体所指—— 不是两条产品线都在，而是两条产品线之间的接口也在自己手里。

第一单元讲完了这门生意的四件事。

其中第 2 节和第 4 节是这一单元最硬的两条—— 因为它们都不是判断，是记录。

而第二单元要处理的东西性质完全相反： 那是一整套关于 2030 年的市场规模预测， 全部来自同一家机构的同一套模型，没有一条已经发生。

本课会把它讲透，也会把它的来源限制讲透——因为这两件事同样重要。

有机构把它称为 CPU 复兴。

论点是这样的：智能体人工智能——让模型自主规划、调用工具、多步执行的那种形态—— 比传统的大模型推理更依赖 CPU， 因为流程控制、工具调用、系统协调这些活是 CPU 干的。

于是数据中心的架构会从「以加速卡为中心」，转向「越来越依赖 CPU」。

前两行是结论，第三行是原因。

CPU:加速卡 比例从 1:8 走到 1:1， 意思是：在加速卡数量不变的情况下，CPU 的数量需求要涨八倍。

这就是为什么一个看起来很平淡的市场，被预测出 5.72 倍的五年增长。 它不需要加速卡市场自己变大，它只需要配比变化。

本课把它讲得这么细，不是因为相信它，是因为它必须被讲清楚才能被检验。

为什么本课要对来源这么较真？

因为第四单元你会看到，两家机构给出的目标价隐含着完全不同的估值方法， 而它们对这家公司的收入预测本身相差并不大。 换句话说：分歧不在收入，在倍数。

而倍数的合理性，最终会回到「这个市场到底有多大、增长有多快」上面—— 也就是这一节和下一节的内容。所以这两节的来源限制，直接决定了后面那些倍数的可信度。

这个论点的物理基础值得讲一层，否则「1:8 变 1:1」听起来像是拍脑袋。

传统的大模型推理，主体工作是矩阵运算——这正是加速卡最擅长的事， CPU 在其中主要做数据搬运和调度，一颗顶很多张卡。

智能体形态的特点是「一次请求变成很多步」。

每一步之间都要判断下一步做什么、要不要调工具、结果对不对—— 这些判断是串行的、分支多的、状态相关的，正好是加速卡不擅长而 CPU 擅长的那类工作。

所以配比变化的逻辑是：模型算得越快， 每单位时间里需要做的「非矩阵运算」就越多，CPU 就越容易成为瓶颈。 ⚠️ 但本课要说明：以上是对论点机制的解释，不是对 1:1 这个具体数值的验证—— 方向可以理解，幅度只有机构模型给出。

这一节出现了两个市场规模，读的时候要分清楚。

第二行占第一行的比例是 $270 ÷ $2,230 ＝ 约 12.1%。

本课在第 14 节做份额拆解时，用的是第二行，不是第一行。 这个区分很容易被忽略——看到 $2,230 亿会觉得空间巨大， 但那个数字里绝大部分不在这家公司能碰到的范围内。

下一节要处理的，是这套数字里最反直觉的那一句： 中国服务器 CPU 市场的增速，比人工智能加速卡还高。

把这两行放在一起，会觉得有什么地方不对。

因为过去几年所有的叙事都指向同一个方向： 加速卡是增长的引擎，CPU 是被挤压的那一边。 而这张表说的正好相反。

31% 高于 23%如果成立， 那么这门课后面所有关于倍数的讨论都有了地基；如果不成立，那些倍数就悬空了。

这个数字不是凭空拿出来的，它是在回应一个反对意见。

机构在报告里记录的那个反对意见是： 部分投资者不愿给 CPU 业务高估值，理由有两条—— 大多数 CPU 不受进口限制，且 CPU 市场增速看起来慢于加速卡。

「31% > 23%」正是对第二条的直接回答。

注意第一行「机构的回应」那一格是空的。

本课在通读材料后的判断是：机构对第一条反对意见没有给出正面回应—— 它回应的是第二条。而第一条恰恰是本课在第 16 节认定的最强空方论点。

这个观察本身有分析价值：当一份看多的报告认真回应了两条反对意见中的一条、 绕过了另一条时，被绕过的那条通常更难回答。

本课不裁决这个数字，但要把它成立的逻辑讲清楚，否则读者无法判断。

最后一行值得单独说：机构在同一份材料里承认， 2028 年前中国市场的增速可能落后于全球，因为受供给约束。

而供给约束主要压的是加速卡那一边——先进制程、高带宽内存、先进封装， 这几样都是加速卡比 CPU 更吃紧的资源。

如果这条成立，那么「CPU 增速更高」的一部分原因并不是 CPU 需求更旺， 而是加速卡那边被卡住了。这是一个很不一样的读法——它意味着这个差距可能是暂时的。

本课不能替读者验证这个数字，但可以给出检验它的方法。

一个复合增速预测，可以从三个角度拆开看。

三行里有两行本课答不了，这本身就是一个信息。

它说明这条判断在本课能拿到的材料里，只被给到了「结论」这一层，没有给到「构成」这一层。

而一个只有结论没有构成的预测，检验方式只剩下两种： 要么等第二家机构给出同口径的数（第 17 节那条交叉信号）， 要么等实际数据逐年出来对照。 本课两条都列进了跟踪清单——因为在此之前，它只能作为一条标注了来源的判断存在。

把这一节的三层关系理一遍： 倍数压在市场增速上， 市场增速压在配比假设上， 而配比假设压在单一机构的模型上。

这就是本课要读者记住的结构。 它不是说这个论点错，是说它有一条清晰的、可以被检验的传导链。

下一节讲这条链的最后一环：即使市场真的这么大，这家公司也只想要其中很小的一块。

第一次看到 3–5% 会觉得少。 一家被给了 245 倍市盈率的公司，在一个新市场里只预期拿 3–5%？

但这个数字的读法要反过来。

它不是「只能拿 3–5%」，是「机构只把 3–5% 算进了模型」—— 这是一个保守的假设，不是一个能力的上限。 本课认为这一点值得赞赏：一份看多的报告，在一个新兴细分上给出了克制的假设。

机构给的理由不是「性能更好」，是「场景更契合」。

这张表的逻辑是「存量优势 × 新需求」。

它的意思是：智能体人工智能在政府和金融落地时， 会带来一批对数据主权和算力隔离有硬性要求的负载， 而这些客户已经在用它的 CPU。

这是一条比「产品性能更强」窄得多、但也确定得多的路径。 它不需要在公开市场上赢过谁，它需要的是既有客户在新负载上继续选它。

可服务市场是理解这家公司增长空间的另一个关键概念。

有机构估计：它当前的产品约能覆盖中国服务器 CPU 市场的一半—— 另一半在技术上够不着。

而机构判断：下一代产品将把可服务市场扩大， 从传统客户群扩到更大的云服务商群体。

机构在讲份额路径时，用了一个分阶段的框架，本课认为它比单纯给一条曲线有用。

这个框架的价值在于它把份额路径拆成了两段，而两段的验证方式完全不同。

第一波看的是政策与预算——它的上限是明确的， 因为政府与金融行业的服务器采购量本身有限。

第二波看的是产品——它的上限高得多， 但它需要在没有政策帮忙的情况下赢，而这正是第 3 节那张客户表里最难的一格。

本课把它列成第 16 节分歧 2 的核心： 「份额能不能从 19% 涨到 36%」这个问题， 实质上等于问「第二波会不会真的在 2027 年开始」。

⚠️ 而验证它的方法很具体： 看有没有云服务商采用境内 CPU 的公开案例出现—— 这是第 17 节三个事件触发点里的第二条。

第二单元三节讲的其实是同一条链的三段。

三节的「性质」那一列，写的是同一句话。

这不是本课的疏忽，是材料本身的状态—— 关于这家公司的市场空间，本课只找到了一家机构给出完整模型。

下一个单元换一个完全不同的地基： 那里用的全是当天的行情数字和公开的财务数据，不依赖任何人的预测。 而你会看到，即使只用那些数字，也能推出一个相当有力的结论。