发表评论-汪翔-万维博客-万维读者网（电脑版）

但AI产业正在进入一个新的阶段。训练大模型需要大量并行计算，GPU因此成为核心设备。随着模型开始大规模提供服务，AI推理的重要性不断上升。推理不仅需要GPU，还需要CPU、内存、存储、网络和整个服务器系统协同工作。AI智能体开始连续规划、调用工具、处理数据和执行任务之后，计算需求不再局限于模型训练阶段。

这就改变了英特尔的投资逻辑。

英特尔不必成为第二个英伟达，才能从AI产业获得可观收益。只要AI基础设施建设持续扩大，而服务器CPU供不应求，英特尔就可能凭借现有产品获得增长。与此同时，如果其制造能力和单位成本得到改善，收入增长还有可能转化为更高的利润率。

投资者需要判断的，不是英特尔能否重现过去的辉煌，而是AI是否正在改变它的盈利能力。

英特尔第二季度的财报已经出现了重要信号。

2026年第二季度，英特尔营收达到161亿美元，同比增长25%；数据中心与AI业务收入达到63亿美元，同比增长59%。公司非GAAP毛利率升至41.8%，上一年同期为29.7%。英特尔同时表示，服务器CPU需求仍然显著超过可供货量。这些数字说明，现有服务器CPU产品已经成为业绩改善的重要来源。

GPU并不能独立完成整个AI计算系统的工作。CPU负责操作系统、任务调度、数据预处理、存储访问、网络通信以及大量通用计算。随着AI服务规模扩大，GPU数量增加，CPU及其配套系统也需要扩容。

AI推理与训练的计算结构不同。训练往往集中于大规模矩阵计算，而推理服务需要持续接收请求、管理上下文、调度资源，并在不同计算单元之间传递数据。AI智能体还可能连续执行多轮推理和外部工具调用。这些任务会增加系统层面的计算和调度需求。

CPU的价值不只取决于单颗芯片的性能，还取决于它能否及时交付。对于需要建设数据中心的客户，如果服务器CPU成为扩容瓶颈，那么供应充足、性能合格的产品就具有现实价值。这带来了新机遇：它可以依靠已有的服务器CPU业务受益，而不必等待新的GPU业务取得突破。CPU需求增加并不意味着每一颗CPU的售价都会上涨，也不意味着英特尔能够满足全部新增需求。投资者需要观察实际出货量、平均售价、产品结构和利润率，而不是只看行业需求预测。

评价英特尔，不能只看它过去几年在制造业务上亏了多少钱，还要看现有生产资产能否创造更多价值。建设先进半导体制造设施，需要巨额资本投入、长期工程积累、设备采购、工艺开发和人员训练。这些资产一旦建成，就形成了企业的生产基础。假如市场需求上升，而企业拥有可以增加产出的设备和厂房，那么扩大生产可能比从零建设新产能更有经济吸引力。

这里需要区分两个概念，制造能力和制造业务的盈利能力。

工厂拥有设备，不代表每一条生产线都能立即生产所有型号的芯片；产能增加，也不保证所有新增产品都能盈利。如果英特尔能够利用现有设备，提高合适产品的产量、缩短生产周期、改善良率，并增加高利润产品的交付，那么固定成本就有机会由更多产品分摊。

英特尔第二季度已经出现了部分积极变化。公司披露，Intel 18A的产出超过内部目标约25%，较上一季度增长超过50%；管理层还表示，改善良率和缩短生产周期正在降低部分产品的制造成本。英特尔同时披露，主要Panther Lake产品的制造成本年内已下降约50%，并计划继续降低成本。这是特定产品的数据，不能直接推导出整个制造体系的成本下降幅度，但它说明生产效率的改善正在产生可衡量的结果。

英特尔拥有自己的CPU产品和制造体系。它可以根据市场需求，调整适配产品的生产安排，并将制造能力用于自家产品。评估这项优势时，不必先假定外部代工客户会大量涌入。如果服务器CPU的需求持续强劲，而英特尔能够在较短时间内增加合格产品的供给，现有制造资产就可能成为盈利改善的杠杆。

芯片公司的经营杠杆，来自收入增长与固定成本之间的关系。晶圆厂的设备折旧、厂房成本、研发投入和部分人员费用，不会随着每多生产一颗芯片就同比例增加。当产量上升、设备利用率提高，而且新增产品的售价高于其增量成本时，新增收入就可能带来较高的增量利润。

需求回升对一家拥有现成产能的企业，可能产生远大于收入增幅的盈利影响。

英特尔第二季度非GAAP毛利率从上年同期的29.7%升至41.8%，显示经营状况明显改善。不过，这一改善不能全部归因于制造效率：产品结构、费用控制以及同比期间的特殊费用差异也发挥了作用。

接下来要观察的，是改善能否持续。如果英特尔的服务器CPU出货量增加，产品售价保持稳定，制造成本继续下降，那么毛利率有可能进一步改善。相反，如果新增产量需要依靠高成本生产、产品组合恶化，或者市场需求转弱，收入增长就未必能带来同等幅度的利润增长。

英特尔的投资分析不应只盯着营收和每股收益，而应把以下几项放在一起观察：

服务器CPU的出货量和平均售价。

产品毛利率是否持续改善。

制造成本和良率是否继续优化。

新增产能是否真正转化为可销售产品。

经营现金流能否覆盖越来越大的资本支出。

这些指标共同决定，英特尔的复苏究竟是暂时的需求反弹，还是盈利结构的实质性改善。

英特尔进入AI GPU市场，具有合理的战略意义。公司并非从零开始研究GPU。英特尔长期拥有集成显卡、独立显卡和数据中心加速器方面的技术积累。面向AI推理的新产品，为它提供了进一步进入数据中心加速计算市场的机会。

GPU市场的竞争，客户关心的是整套系统的表现：模型能否顺利运行、软件是否容易移植、内存容量和带宽是否合适、功耗是否可控，以及每美元能够完成多少推理任务。

英伟达的优势不仅在芯片，还在成熟的软件生态、开发工具和客户使用经验。谷歌、亚马逊和微软则可以围绕自己的云平台、模型和数据中心，设计专用AI芯片，并在内部部署。

英特尔面对的是另一种商业模式：可以向不同客户销售标准化产品，不必独自承担开发整套云服务的全部成本。如果产品能在某些推理场景中提供更有竞争力的成本、容量或部署便利性，就有机会获得订单。英特尔的新GPU不必在所有场景中击败英伟达，也不必取代谷歌、亚马逊和微软的自研芯片。它只需要在具有商业价值的应用中形成差异化。

不过，截至目前，GPU仍应被视为潜在增长来源，而不是已经兑现的利润。产品送样、性能指标和客户测试，与大规模采购、稳定交付和持续盈利之间，存在明显距离。

理性的投资模型应当先根据CPU业务评估英特尔的基本价值，再把GPU可能带来的增长作为需要逐步验证的增量，而不是提前把尚未实现的市场份额全部计入股价。

英特尔制造业务的改善值得关注，但亏损规模仍然很大。

第二季度，英特尔代工部门收入约57.65亿美元，经营亏损约20.89亿美元。该部门收入中绝大部分来自英特尔内部业务，外部客户收入仅约2.93亿美元。这说明，英特尔已经取得的制造进展，与建立一个规模化、独立盈利的外部代工业务，并不是同一件事。

制造技术进步不能直接等同于代工业务成功。工艺性能改善、良率提高和成本下降，都可能是必要条件，但它们并不自动创造外部客户订单。

英特尔的制造价值也不应只用外部代工收入衡量。内部生产同样可以为产品业务创造价值。只要制造环节能够以有竞争力的成本稳定供应自家CPU，就可能改善整个公司的利润。

需要分别评估：能否通过内部生产和产品销售提高整体盈利能力？能否吸引足够多的外部客户，使代工部门最终成为有规模、有竞争力的业务？

前者可以先于后者发生。投资者不必等待外部代工业务彻底成功，才承认英特尔整体经营可能改善；但也不能因为前者改善，就忽略后者仍然亏损的事实。

英特尔将在2026年10月29日公布第三季度业绩。公司此前给出的指引是：营收158亿至168亿美元，非GAAP毛利率约42%，非GAAP每股收益0.38美元。

财报需要回答四个问题。

服务器CPU供不应求是否继续推动收入增长？如果需求旺盛，但产能无法及时释放，收入增长就会受到限制。

新增产量是否改善了利润率？如果毛利率继续上升，说明需求和制造效率可能正在共同发挥作用；如果营收增长而毛利率没有改善，就需要进一步检查单位成本、产品组合和期间费用。

管理层对未来几个季度的判断是否发生变化？比单季业绩更重要的，是服务器CPU供需、产能扩张和2027年收入前景的量化指引。

制造业务的亏损是否继续收窄？如果内部产品业务改善，而代工部门的亏损也逐步下降，英特尔的盈利结构就会更加稳固。

股价反映的是市场对未来的预期，而不是简单地奖励当季业绩。假如市场已经提前计入大幅增长，那么一份不错但缺乏新信息的财报，也可能引发获利了结。财报最有价值的部分，是管理层能否提供新的、可验证的证据，证明供需改善正在转化为持续盈利。

英特尔的投资逻辑具有吸引力，但这并不意味着任何价格都值得买入。

一家公司可以正在改善经营，却因为股价已经提前反映大量乐观预期，而成为风险较高的投资。如果投资者假设英特尔的服务器CPU业务继续增长、毛利率持续改善、制造亏损逐步收窄，同时GPU业务取得商业成功，那么估值自然会比传统PC芯片公司的估值高。

问题在于，这些假设并非都已得到验证。CPU需求旺盛是现实机会，但供需缺口可能随产能增加而缩小。GPU业务拥有潜力，但产品竞争力和客户采用程度仍需验证。制造业务有所改善，但亏损和资本支出仍会影响现金流。英特尔的估值应当反映这些不同阶段的确定性，而不是把所有潜在好消息都当作已经实现的收益。

较稳健的分析方法，是分别估算三部分价值：

现有产品业务：根据服务器CPU和PC业务的可持续利润，估算基本经营价值。

制造业务：根据内部生产的经济贡献、代工亏损的变化和未来资本需求，评估其净价值。

新增长业务：对AI GPU等仍在商业化过程中的业务，采用情景分析，而不是直接套用成熟企业的盈利倍数。

随后再把净债务、现金、潜在股权稀释和资本支出纳入整体估值。这样的分析不会给出一个看似精确、实则依赖大量未经验证假设的目标价，却能够清楚说明：股价需要多大程度的业务改善才能获得支撑，以及哪些预期一旦落空就会产生明显下行风险。

英特尔面临的主要风险，可以归纳为五类。

AI基础设施需求虽然可能长期增长，但投资节奏并非直线上升。如果云服务商投入后的回报不及预期，部分建设项目可能延期。CPU需求强劲不代表英特尔可以无限提价。竞争对手、客户采购策略和未来供给增加，都可能限制利润率。制造改善仍需持续验证。单季良率提升和成本下降，不足以证明所有产品、所有工艺节点都能获得相同效果。AI GPU需要经历软件生态建设、客户验证和规模化交付。即使技术指标不错，商业化也可能慢于预期。资本支出和代工亏损可能吞噬部分经营现金流。收入和会计利润改善，不一定意味着自由现金流同步改善。

这些风险不否定英特尔的投资机会，而是决定这项机会的价值应该如何定价。

关于英特尔收购 Classiq

对于一家正处于财务与战略阵痛中的半导体巨头而言，英特尔斥资约 23 亿美元（含 1 亿美元留人资金）收购仅有数千万收入的以色列纯软件公司 Classiq，绝非一笔看重短期回报的常规资产交易，而是一张跨越 5 到 10 年周期的“战略期权”。

硬件优势与软件断层的结构性矛盾：英特尔自 2015 年起押注“硅自旋量子比特”，其核心野心在于复用成熟的 CMOS 制造工艺与现有工厂资产实现量产。然而，实验室造出物理比特与开发者写出应用之间横亘着巨大的鸿沟。由于量子编程极度依赖底层物理手动搭建电路，缺乏抽象层，硬件形同展品。Classiq 扮演的正是一如四十年前 EDA/CAD、乃至今日 NVIDIA CUDA 的角色——它提供硬件无关的统一平台，将高级算法自动综合为量子电路。英特尔在 AI 时代曾因缺乏软件生态（CUDA）吃过大亏，此次正是要在量子时代彻底补齐这块缺憾。
“中立兼容”是生态冷启动的必需：收购后承诺继续支持竞争对手硬件，并非大发慈悲，而是生存法则。如果早期锁死自家尚未成熟的比特路线，宝马、汇丰、花旗等试水的大客户便会立刻流失。唯有先通过通用工具链握住开发者与客户关系，待自身硬件成熟后再进行内部导流，才是唯一的破局顺序。
时间的代价与三大隐性风险：这笔交易本质上是一场对时间窗口的豪赌。风险同样显而易见：其一，若容错量子计算的真正落地时间被拉长至 15-20 年，或是被 IBM Qiskit 等开源工具将软件层迅速商品化（commoditize），这笔溢价将面临巨大的商誉减记；其二，英特尔能否在“保持中立兼容”与“扶持自家硅自旋硬件”之间拿捏好微妙的平衡，历来是许多大公司折戟的组织张力所在。