社区

法国巴黎银行这次同时上调 $NVDA 和 $INTC 目标价，我认为真正值得看的不是目标价本身，而是华尔街正在重新定义下一阶段AI算力的受益者：

AI从“训练时代”进入“推理时代”之后，受益的不只GPU，CPU、网络、内存甚至晶圆代工都有机会被重新估值。

法巴继续把 $NVDA 列为半导体行业首选，并把目标价从 285美元上调到345美元。

与此同时，$INTC 的目标价更夸张：

75美元 → 125美元。

一次上调接近67%。

但英特尔评级仍然只是“中性”。

这两个动作放在一起，其实已经把法巴对未来AI产业的判断讲得非常清楚：

英伟达是已经被证明的核心赢家。

英特尔则拥有新的AI受益逻辑，但还需要证明自己。

先看 $NVDA。

过去两年市场看英伟达，最简单的投资逻辑就是：

训练大模型需要GPU。

OpenAI需要。

微软需要。

Meta需要。

Google需要。

Amazon需要。

所以GPU供不应求。

但随着AI进入下一阶段，最大的算力来源正在发生变化：

从训练，转向推理。

训练是什么？

一个模型可能花几个月时间训练一次。

但模型训练完成之后，每一个用户每天打开AI、问问题、生成代码、调用Agent、生成图片、分析文件……

全部都是推理。

所以从长期来看，推理调用量理论上可以远远超过训练。

这也是为什么我一直认为：

AI产业真正的第二阶段，可能不是“再训练一个更大的模型”。

而是：

几十亿用户开始真正使用这些模型。

ChatGPT一次回答，是一次推理。

Copilot写代码，是推理。

AI客服，是推理。

自动驾驶，是推理。

机器人看到环境以后决定下一步动作，也是推理。

AI Agent就更加夸张。

你给Agent一个任务，它可能在后台执行：

理解问题。

拆分任务。

搜索资料。

调用数据库。

写代码。

运行程序。

检查结果。

重新修改。

再次运行。

最后才把答案交给你。

一个用户动作背后，可能产生几十次甚至上百次模型调用。

这就是为什么AI Agent真正普及后，Token需求可能再次出现数量级增长。

所以AI从训练转向推理，并不意味着GPU需求下降。

恰恰可能意味着：

AI计算从少数几家模型公司的集中式需求，开始变成全球企业和用户的持续性需求。

这可能是更大的市场。

而法巴为什么仍然把英伟达放在第一位？

因为英伟达已经不只是卖GPU。

现在它实际上拥有一整套AI系统：

GPU。

CPU。

NVLink。

Networking。

CUDA。

服务器架构。

软件。

开发工具。

推理框架。

所以真正竞争的不再是一颗芯片。

而是一整个平台。

很多人一直等待：

AMD什么时候打败Nvidia？

ASIC什么时候打败Nvidia？

Google TPU什么时候打败Nvidia？

但这个问题可能越来越不准确。

未来很可能不是“谁彻底取代谁”。

而是多个芯片架构共存。

问题变成：

谁能拿到最大比例的AI计算预算。

英伟达最大的优势，就是它覆盖的工作负载足够广。

训练能做。

推理能做。

企业AI能做。

机器人能做。

自动驾驶能做。

网络也自己做。

软件生态更已经建立多年。

所以法巴即使考虑到ASIC和其他芯片竞争加剧，仍然认为英伟达能够维持：

70%以上毛利率。

这个数字其实非常重要。

因为真正判断英伟达护城河有没有被侵蚀，不应该只看市场份额。

还要看：

它还有没有定价权。

如果竞争越来越激烈，但英伟达依然可以维持70%以上毛利率，就意味着客户依然愿意为了性能、生态和部署效率支付溢价。

这才是真正的护城河。

而这次报告更有意思的，其实是 $INTC。

法巴直接把英特尔目标价：

75美元提高到125美元。

为什么？

不是因为PC突然大爆发。

而是：

AI Agent可能重新拉动服务器CPU需求。

这点很多人容易忽略。

大家谈AI时，只会想到GPU。

但一台AI服务器不可能只有GPU。

GPU负责大量并行计算。

CPU仍然负责：

系统调度。

数据处理。

任务管理。

存储管理。

网络。

数据库。

操作系统。

大量传统企业工作负载。

尤其进入AI Agent以后，任务结构会越来越复杂。

Agent并不是单纯生成Token。

它会：

调用数据库。

调用API。

运行传统软件。

搜索文件。

执行Python。

操作企业系统。

与其他Agent通信。

这些工作并不是全部适合GPU。

很多仍然需要CPU。

所以AI越深入企业工作流，CPU的重要性反而可能重新提高。

这就是为什么法巴认为：

Agentic AI可能成为服务器CPU新的需求催化剂。

如果这个判断成立，那么AI资本开支路径就会进一步扩大。

过去市场理解：

AI = GPU。

后来变成：

AI = GPU + HBM。

再后来：

AI = GPU + HBM + 网络 + 光通信。

现在可能继续扩展：

AI = GPU + CPU + HBM + NAND + 网络 + 数据中心 + 电力。

也就是说，AI资本开支越来越不像一条单独产业链。

而像是一整套基础设施超级周期。

这也是为什么资金开始不断往第二层、第三层扩散。

$NVDA —— GPU与AI平台。

$AMD —— 第二GPU平台。

$AVGO —— ASIC与网络。

$MU —— HBM与DRAM。

$ALAB、$MRVL —— 高速互联。

$COHR、$LITE —— 光通信。

而现在：

$INTC —— CPU + Foundry。

也开始重新进入这张地图。

但为什么法巴大幅提高英特尔目标价，却仍然不给“买入”？

因为真正决定英特尔能不能完成估值重构的，不是CPU。

而是：

14A。

英特尔现在最大的梦想，是重新成为全球先进制程晶圆代工的重要玩家。

如果这件事成功，那么英特尔未来的定位可能完全改变。

不再只是：

卖CPU。

而可能同时拥有：

服务器CPU。

AI相关芯片。

先进封装。

美国本土晶圆制造。

Foundry代工。

而14A就是这场转型最重要的考试。

因为现在市场真正想知道的，不是：

14A技术理论上能不能做出来？

而是：

有没有真正的大客户愿意把核心芯片交给Intel生产？

这是完全不同的问题。

晶圆代工最重要的从来不只是技术指标。

还包括：

良率。

成本。

交货时间。

稳定性。

设计生态。

先进封装。

客户信任。

台积电真正难复制的地方，就是这一整套能力。

所以英特尔如果真的要让Foundry业务重新获得市场信任，必须拿到一个足够重量级的外部客户。

这也是为什么最近Terafab的事情特别值得关注。

马斯克此前已经提到Intel 14A。

与此同时，$TSM 也正在与Terafab进行讨论。

这反而让Intel 14A未来的客户进展变得更加重要。

如果最终：

$TSLA

$SPCX

或者马斯克整个AI体系

真的把一部分核心芯片交给Intel 14A生产，那么意义会远远超过那一笔订单本身。

因为这可能成为Intel Foundry最需要的：

标杆客户。

一旦第一个重量级客户验证成功，其他客户才更容易进入。

所以对于 $INTC 来说，未来真正决定它能不能从125美元继续往上重估的，很可能不是AI Agent带来多少CPU订单。

而是：

14A到底什么时候拿下真正的大客户。

这也是法巴这次同时上调 $NVDA 和 $INTC 最值得思考的地方。

两家公司其实代表了AI产业两个完全不同的阶段。

英伟达已经站在AI计算最核心的位置。

它需要证明的是：

增长还能持续多久？

而英特尔还处于转型验证阶段。

它需要证明的是：

能不能重新成为先进计算供应链的重要参与者？

所以一个是：

兑现增长。

另一个是：

兑现转型。

风险完全不同。

而从整个AI产业角度看，这份报告真正传递的信号更加重要：

AI算力需求没有因为训练周期成熟而见顶，反而正在从训练扩散到推理，再从推理扩散到Agent。

每往下一层走，参与计算的设备会越来越多。

训练阶段：

几家大模型公司买GPU。

推理阶段：

几千家企业使用AI。

Agent阶段：

每个员工、每个软件、每个设备，都可能持续调用模型。

Physical AI阶段：

机器人、汽车、无人机、工业设备开始实时推理。

所以未来真正决定AI芯片市场大小的，可能已经不是：

“全球还要训练多少个大模型？”

而是：

全球每天到底要执行多少万亿次AI任务？

如果答案继续快速上升，那么GPU、CPU、内存、网络和电力的需求，都可能继续被往上推。

这也是为什么法巴把英伟达目标价提高到345美元的同时，连英特尔都从75美元直接提高到125美元。

华尔街正在开始意识到：

AI第二阶段的赢家，不会只有GPU。

但有一点目前仍然没有改变：

当AI工作负载从训练走向推理、从Chatbot走向Agent、再走向Physical AI之后，

站在整个计算体系最中心的位置，

目前仍然是 $NVDA。

而 $INTC 最大的机会，则是证明自己还能重新回到这张AI基础设施地图的核心区域。

接下来我认为最值得追踪的不是哪一家大行再把目标价提高10美元、20美元。

而是两个更加关键的问题：

英伟达进入推理时代以后，70%以上毛利率还能维持多久？

以及：

Intel 14A什么时候真正拿到一个足以改变市场信心的重量级客户？