本文由半导体产业纵横（ID：ICVIEWS）综合

丰田、日立等盈利因日元疲软和海外需求上涨。

今年 4 月至 6 月当季，70% 接受调查的日本公司的净利润超过市场预期，其中汽车和人工智能领域的企业表现最为出色，因为其中许多企业都受益于日元贬值带来的利好。

日本媒体汇总了约 130 家上市公司的业绩，这些公司在 4 月至 6 月期间公布了净利润，并且至少有三家证券公司预测了这些公司的盈利情况。这份名单不包括金融机构以及没有内部预测截至 2025 年 3 月财年业绩的公司。我们将 QUICK Consensus 的平均分析师预测与这些公司的业绩进行了比较。

丰田汽车是市场预测与业绩差距最大的公司，当季净利润同比增长 2% 至 1.33 万亿日元（约合 89.8 亿美元），而市场此前预测该公司当季净利润将下降 7%。

本季度平均汇率约为 156 日元兑 1 美元，较去年同期贬值约 20 日元。日元走弱为丰田带来了 3,700 亿日元的利润，弥补了因认证丑闻导致部分车型出货暂停的影响。

日元贬值使依赖海外需求的企业受益。本田汽车的净利润超出市场预期近600亿日元。该汽车制造商因汇率而获得了475亿日元的利润，其高价位的混合动力汽车也表现良好。

铃木汽车也因软货币而获得了 375 亿日元的提振，而国内价格上涨弥补了劳动力以及研发费用上涨的影响。

与人工智能相关的公司也表现突出，需求飙升。日立的净利润总计 1,753 亿日元，同比增长 150%，超出市场预期 70%。其输配电业务在数据中心投资活跃的背景下实现增长，信息技术部门也表现良好。

东京电子受惠于半导体制造设备出货强劲，净利润同比上涨96%，至1261亿日元，超出市场预期30%。

未能达到市场预期的公司因美国市场竞争加剧和中国经济衰退而受到沉重打击。

日产汽车净利润下跌 73% 至 285 亿日元，比市场预期低 700 多亿日元。日产汽车为满足美国市场需求而增加的销售激励措施被证明是沉重的负担。

由于中国钢铁需求下降导致市场状况恶化，钢铁制造商 JFE Holdings 的利润率缩水。

在东京证券交易所 Prime 市场上市的约 1,080 家公司中，财政年度于 3 月结束，其中 60% 的公司 4 月至 6 月的利润同比增长，比去年同期高出近 10 个百分点。此名单不包括母公司也上市的一些子公司。

目前亚洲初创企业正努力证明会提供比AI 芯片巨头NVIDIA 更好的解决方案，因为目前GPU 设计上较为笨重，也相当耗能，这两点将成为初创企业的突破口。

AI 芯片主要分为“推理”与“训练”，前者是使AI 模型产生预测或结论，后者是开发新AI 模型要能做出准确推理的过程。例如，OpenAI 需要训练芯片开发聊天机器人ChatGPT 的新模型，但要让ChatGPT 回答问题就需要推理芯片。

日本AI 独角兽Preferred Networks（PFN）执行长Toru Nishikawa 接受采访时表示，“没有人想出完美的推理芯片架构。我认为这个领域架构将有很大的变化，谁以最低价格提供适合的架构，谁就赢”。PFN 开发训练芯片的同时，也将推理芯片市场视为测试产品能效的机会。

目前NVIDIA 之所以成功，主要来自“训练”蓬勃发展，其GPU 能处理AI 模型开发所需的大量平行运算，但因为GPU 太昂贵、体积大，不适合导入笔电和可穿戴设备。

NVIDIA 用于数据中心的AI 芯片，每颗价格为2.5 万到4 万美元，是传统产品7 到8 倍。Nishikawa 认为，如果推理芯片成本与训练芯片相同，这种商业模式很难维持下去，必须开发能在PC 运作的AI 芯片。

Omdia 顾问总监Kazuhiro Sugiyama 预期，未来“装置上AI”需求将增加，潜在市场包括PC、智能手机、监控摄影机和无人机，都鼓励初创企业加入战局。NVIDIA 产品首要问题是价格，一个NVIDIA 芯片要花费2.5 万美元，对想投资AI 的公司是负担。

目前有机会挑战NVIDIA 的初创企业，包括软银愿景基金支持的美国公司SambaNova Systems、前英特尔工程师创立的Tenstorrent，以及软银近期收购的英国公司Graphcore。此外，大型科技公司如Google、微软、Meta、亚马逊也加入其中，还有NVIDIA 竞争对手AMD。

从软件下手，使AI芯片更有效率

PFN 及合作伙伴目标是在2027 年3 月前开发下一代AI 加速器芯片。PFN 芯片设计主管、神户大学教授Junichiro Makino 指出，目标是使新芯片比B200 芯片组更强大和省电，公司打算从软体下手，因为软体类似芯片内部的“大脑”，决定如何有效处理特定任务，并将资料与运算分给各核心，使每个核心更专注在处理任务相关资料。

此外，部分新创公司认为NVIDIA 为了提升芯片效能，采用增加核心与存储器的做法，如同“用蛮力砸问题”，好比汽车想加速时，是选择将引擎做更大，这反而舍弃掉了效率。

整体来说，NVIDIA 也正在制造量身打造的AI 芯片，但主要策略仍是调整软体平台，以符合AI 或自驾车等特定应用，整体架构策略没太大改变。Omdia 的Sugiyama 直言，“NVIDIA 不太可能将架构改成与GPU 完全不同的东西，他们永远制造同类型芯片，这也是具有经济效益的原因”。

业界人士透露，NVIDIA 还采用更多用途的设计方法，优先考虑可运行多种顶尖AI 的芯片。新创公司可将设计重点放在特定应用上，以寻找新竞争空间。

存储器也是突破口之一

日本AI 芯片新创Edgecortix 正试图解决“存储器墙”（memory wall）问题。虽然GPU 擅长运算庞大的矩阵集，但没有长时间的存储器，因此运算时会存取存储器芯片，记录结果或回想下一个任务。

当必须进入存储器并返回次数越多，功耗和延误就作为昂贵的代价，也使芯片需要耗费额外电力来补偿，导致设计笨重且能源效率较低。也因此，Edgecortix 设计的芯片能以更精简方式处理资料，降低芯片需要存取存储器的次数，当处理、运算胜过一般GPU，公司就不需要功能强大又昂贵的HBM 芯片。

Edgecortix 执行长Sakyasingha Dasgupta 指出，日本的“芯片复兴”也改变对公司有利的环境，台积电赴日设厂将有助于培育当地的芯片设计生态系统，“即使从地缘政治角度看，亚太地区目前也处于非常关键的位置，这是优势之一”；PFN 的Nishikawa 则认为日本芯片封装解决方案具有竞争力。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。