最近AI板块的波动确实不小,工业富联也成了市场关注的焦点。
面对这样的行情,我觉得投资者有担忧完全可以理解。不过,在关注市场变化的同时,我发现工业富联最近披露的一组数据,可能还没有得到足够多的讨论。
第三季度,工业富联AI-ASIC服务器出货量同比增长150%,环比增长80%。
这个数字,我认为值得单独拿出来聊一聊。
过去两年,只要提到AI算力,大家首先想到的往往是英伟达GPU。从芯片性能到AI服务器,再到整机柜系统,市场的注意力几乎都围绕GPU展开。
这当然有充分的理由。GPU在AI大模型训练和推理中发挥着重要作用,也是全球算力基础设施建设的主要推动力量。
但如果把AI算力市场简单理解为GPU市场,可能就忽略了另一个正在快速发展的方向——ASIC。
第一,为什么ASIC越来越值得关注?
简单来说,GPU的优势在于通用性强,能够适应多种计算任务;ASIC则是面向特定用途设计的芯片,可以针对具体工作负载优化性能、功耗和成本。
随着AI应用从模型训练逐步延伸到大规模推理,不同场景对算力的需求开始出现差异。
对于大型云服务商来说,当某些AI任务的规模足够大、运行方式相对稳定时,自研ASIC就可能成为一种具有吸引力的选择。
例如,谷歌的TPU就是具有代表性的专用AI芯片。近年来,越来越多大型科技企业也在推进自己的定制芯片计划。
这并不意味着ASIC要取代GPU。
我更倾向于认为,未来相当长一段时间,GPU和ASIC会在不同场景中共同发展。前者提供灵活、成熟的算力生态,后者帮助部分客户针对特定任务实现更高效率。
对于AI基础设施产业链而言,这意味着市场可能不再只有一条技术路线,而是形成更加多元的需求结构。
第二,工业富联的ASIC业务已经有了实际进展。
11月17日,工业富联在上证e互动平台回应投资者提问时,专门介绍了ASIC业务的发展情况。
除了三季度出货量同比增长150%、环比增长80%之外,公司还提到了两个值得关注的信息。
一个是业务增长不仅来自原有客户合作的深化,也来自产品和商业模式方面的突破。
另一个是部分ASIC项目采用客户供料,也就是Consign模式。
为什么我觉得后者值得关注?
因为对于大型制造企业而言,业务规模增长固然重要,但增长需要投入多少资金,同样关系到经营质量。
在客户供料模式下,部分关键物料由客户提供,制造企业能够减少相应的采购及库存资金占用,从而改善资金使用效率。
当然,这并不意味着ASIC业务天然具有更高的利润率,也不能仅凭出货量增长就推算利润增长。具体收益仍要结合产品价值、定价方式和业务结构判断。
但至少可以看出,工业富联在拓展ASIC业务时,并不只是增加出货量,也在探索不同的合作和交付模式。
第三,GPU与ASIC双线发展,对工业富联意味着什么?
我觉得最重要的意义,是公司参与AI基础设施建设的路径正在变得更加多元。
工业富联并不是芯片设计公司,它的优势主要体现在将不同技术架构转化为可以大规模制造和交付的产品。
无论是GPU服务器还是ASIC服务器,都离不开主板设计、供电、散热、高速连接、系统测试及整机柜集成等一系列工程环节。
不同芯片架构的技术要求有所差异,但对制造能力、供应链协同和产品交付的要求都很高。
从工业富联披露的数据来看,第三季度AI-GPU机柜出货量同比增长70%,AI-ASIC服务器出货量同比增长150%,两条业务线都保持了较快增长。
与此同时,800G及以上高速交换机出货量同比增长80%。
这些变化放在一起看,比单独看某一种服务器的增长更有意思。
随着AI集群规模扩大,芯片、服务器、网络设备之间的联系越来越紧密。工业富联参与的也不再只是某一个硬件环节,而是多个相互关联的基础设施领域。
这为公司未来适应不同客户、不同技术路线的需求提供了更多可能。
最后,回到工业富联本身。
今年前三季度,工业富联实现营业收入9414.14亿元,同比增长55.88%;归母净利润403.75亿元,同比增长79.55%。
这份成绩单背后,既有AI-GPU业务的持续增长,也有ASIC及高速网络等业务的发展。
当然,任何新业务的成长都不会是一条直线。未来ASIC市场的竞争格局、客户投资节奏、产品盈利能力,以及不同技术路线之间的变化,都需要继续观察。
但我认为,对于工业富联的理解,可以适当从单一GPU产业链的视角中跳出来。
AI不只有GPU,工业富联的机会也不应该只从GPU一个维度来观察。
ASIC业务正在提供一个新的观察窗口。
对我来说,未来值得继续跟踪的,不仅是工业富联能交付多少GPU机柜,还包括ASIC服务器能否持续扩大规模,不同产品线能否形成更好的协同,以及这些增长最终能够带来怎样的经营成果。
AI算力产业仍在不断演进。相比押注某一条技术路线,我更愿意关注那些能够适应多种技术架构、持续把新技术转化为实际产品的企业。
这也是为什么,工业富联的ASIC业务,我觉得值得重新看看。
