港股公司分红派息251121

时代集团控股2025年11月21日1股派特别股息0.04HKD

中远海运港口(01199)2025年11月21日 每股派息: 0.01928(USD)

中信股份(00267) 2025年11月21日每股派息: 0.2(CNY)

数码通电讯(00315) 2025年11月21日每股派息: 0.175(HKD)

威高股份（01066）发布公告，2025年11月19日，公司回购股份35万股，回购金额为185万港元。

人工智能(AI)热潮中最大的意外之一就是，人人都想成为芯片制造商。几十年来，科技企业将半导体的开发外包给像Nvidia(辉达/英伟达) 这样的专业厂商，因为这样成本更低，效率更高。AI的兴起改变了这一计算方式：Alphabet 、亚马逊 、微软 和Meta Platforms 等巨头都在加强芯片自主研发工作。这种重造轮子背后是存在一定道理的。

苹果公司 早在2010年就开创了一条先河，当时它推出了搭载自主芯片的iPhone 4。当时，这家手机制造商还是个异类。但如今Nvidia在开发对训练AI模型至关重要的先进图形处理器(GPU)方面占主导地位，已迫使整个行业进行反思。

科技巨头们对依赖单一供应商提供如此关键的组件感到不安。Nvidia接近垄断的地位也给予其巨大的定价权。据Visible Alpha，截至2026年1月的一年，Nvidia数据中心部门营收将达到1,870亿美元，毛利率高达74%。

这场AI角逐还需要越来越强大的计算能力。尽管Nvidia取得了突飞猛进的发展，但去年的一项研究显示，自2016年以来，训练前沿AI模型的成本每年增长2.4倍。如果这种增长势头持续下去，到2027年训练最大模型的成本将超过10亿美元，这将进一步推动企业寻找更便宜的硬件。

这就是为什么全球最大的云计算供应商--Alphabet、亚马逊和微软--以及 Facebook所有者Meta一直在开发自己的定制处理器，即专用集成电路(ASIC)。这些半导体专为单一用途而设计，这与Nvidia或AMD 提供的现成产品有所不同。

例如，Alphabet旗下的谷歌十多年前就开发了语音转文字功能的张量处理单元(TPU)。如今，谷歌将TPU用于训练AI模型以及回复用户问询--这一过程被称为推理。微软、亚马逊和Meta也纷纷效仿。上个月，Meta的一位高管证实，该公司计划收购芯片初创公司Rivos，以增强其自研能力。

这种自主研发趋势的一个好处是，企业可以更好地控制硬件，然后针对其特定的云计算平台和AI算法对硬件进行优化和定制。微软认为，其“从芯片到服务”的战略--包括从软件、服务器、机架和冷却系统的全方位数据中心定制，有助于提高其Azure云服务用户的性能和效率。

另一个优势是“制造”定制芯片相对容易。这是因为企业将把半导体印刻到晶圆上这项挑战交给了博通 以及该行业规模较小的供应商Marvell Technology 和联发科 等。这些公司不仅协助设计处理器，还与台积电 等芯片代工厂合作，采购存储组件等。伯恩斯坦分析师今年早些时候预测，AI专用芯片市场将以每年55%的速度增长，到2028年将达到600亿美元规模。但根据Visible Alpha的估算，这一数字仍远逊于Nvidia同期预计达到的营收规模3,750亿美元。

不仅美国科技企业在推动自研芯片。中国巨头阿里巴巴 和百度 也在开发自己的半导体，作为中国减少对美国技术依赖战略的一部分。汽车制造商则在自动驾驶领域布局定制芯片。据彭博社11月援引消息人士的话报道，这股热潮已促使日本软银集团 考虑收购市值750亿美元的Marvell。

ChatGPT聊天机器人的开发商OpenAI在10月曾表示，将与博通联合开发10千兆瓦的定制AI加速器。尽管这两家公司没有披露财务条款，但Nvidia执行长黄仁勋最近表示，1千兆瓦的数据中心容量可为公司带来350亿美元的营收。这意味着与OpenAI的合作意味着Nvidia损失3,500亿美元的营收。

但这并不一定意味着买方会更划算。OpenAI可能节省的大部分开支或许最终流入博通的口袋。伯恩斯坦分析师Mark Li认为，其ASIC业务毛利润率高达60%。随着时间的推移，企业可能会获得足够的芯片制造技术，直接与台积电等制造商合作，就像苹果公司现在所做的那样。谷歌似乎走得最远：伯恩斯坦的Li认为，该公司已经能够自主完成核心“前端”芯片设计，并将很快把后端设计和外围组件外包给收费低于博通的台湾联发科，此举每年可节省50亿美元的成本。

苹果iPhone高达40%的毛利润率表明，其垂直整合策略已见成效。不过，云计算巨头采取同样做法的理由似乎不那么充分。使用更便宜但性能较弱的定制芯片，可能在考虑土地、电力成本及其他基础设施支出后，反而花费更多。

这一论点的关键在于Nvidia的技术优势。摩根士丹利去年12月的一份分析指出，基于某些假设，在训练AI模型时，最新的Blackwell GPU在训练AI模型时的能效是亚马逊Trainium 2芯片的1.9倍。换句话说，亚马逊需要近两倍的电力才能实现同等计算能力。这就解释了为什么在可预见的未来，最大的科技企业仍将是Nvidia的主要客户。

即便如此，只要达到足够规模，ASIC仍具经济可行性。以计算需求较低的AI推理为例，据摩根士丹利估计，安装一个由24,000个Blackwell处理器组成的集群需承担8.52亿美元的前期硬件成本，按四年算每年折旧计提2.13亿美元。同样规模的谷歌TPU集群硬件成本仅为9,900万美元，每年折旧费用为2,500万美元。开发芯片制造能力还将增强企业与Nvidia议价的筹码。

最终，投资者将关注科技企业的投资回报。降低前期成本和运营成本可能会有所帮助，但ASIC仍需在性能上具备竞争力并能创造收入。这将决定重造芯片轮子是否值得。(完)