FutureCast/未来播报

🔥【核心洞察】

NPO是AI算力互联的“下一站”。NPO（近封装光学）把光引擎从可插拔模块搬到芯片旁边，大幅缩短电信号传输距离。华为7.2T NPO方案相较传统800G光模块，功耗降低约三分之二，故障率降低90%。中国正在构建本土NPO生态系统，计划2027年下半年量产，目标带宽3.2T。

AI SuperPod加速本土化，华为Atlas 960E领跑。华为Atlas 960E可扩展至4096个NPU，提供8 EFLOPS（FP8） 算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎。成本优势显著：华为Ascend 910C每个加速器机架成本约2.5万美元，而NVIDIA GB200超过4.5万美元，系统级性能却不相上下。

2026年下半年是市场拐点。受益于国内AI芯片供应改善和SuperPod架构快速采用，中国AI服务器市场预计在2026年下半年恢复增长。本土化芯片是关键驱动力。

本土供应链全面受益。从NPO光引擎、激光器、封装，到服务器ODM/OEM、ABF基板、mSAP HDI和交换机，中国硬件供应链正迎来系统性机会。ABF基板本土供应商已占据国内超50% 市场份额，盈利能力预计恢复。

投资方向清晰：NPO生态核心供应商、服务器OEM、ABF基板国产替代、mSAP HDI新增长点。

🔍【章节索引】

一、NPO技术：为什么功耗降2/3、故障率降90%？

NPO（不可插拔光学）的核心思路是把光引擎从可插拔模块搬到芯片旁边或封装内，让电信号传输距离从“几十厘米”缩短到“几毫米”。距离缩短带来两个直接好处：功耗大幅下降、信号完整性显著提升。华为7.2T NPO方案目标带宽3.2T，相较800G光模块功耗降低约三分之二，故障率降低90%。

中国NPO生态系统已具备必要基础模块，但相较TSMC COUPE等平台更为碎片化。当前演示主要基于边缘耦合、MZM光引擎和外部激光器。NPO技术需要跨组件协同设计，中国供应商正积极验证和采样产品，预计2027年下半年实现量产。

关键参与者方面：Innolight和TFC聚焦海外NPO/CPO；Accelink和HG Genuine瞄准国内NPO光引擎需求；Lightelligence和Xphor开发NPO光子集成电路；Yuanjie是激光源主要供应商；EugenLight在封装领域受益。

二、AI SuperPod：华为Atlas 960E与成本优势

华为Atlas 960E是本土AI SuperPod的代表作。它可扩展至4096个NPU，提供8 EFLOPS（FP8）算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎，用于Atlas 960E SuperPod。

成本是华为的核心武器。华为Ascend 910C每个加速器机架成本约2.5万美元，显著低于NVIDIA GB200的4.5万美元以上，同时系统级性能得到提升。阿里巴巴的Panjiu AL128也是提升系统级性能的SuperPod架构范例。

市场驱动因素包括国内AI芯片供应改善和SuperPod架构快速采用。中国AI服务器市场预计在2026年下半年恢复增长，本土化芯片是关键。

三、本土供应链受益者全景

服务器ODM/OEM方面：IEIT Systems是中国最大的服务器OEM；xfusion受益于华为的工程和供应链能力；华勤是腾讯和阿里巴巴的主要供应商，预计2026-2027年AI服务器业务强劲增长。

ABF基板方面：虽然海外企业主导，但苏州群策、奥特斯中国和领科等本土供应商已占据国内ABF基板超50%市场份额，且预计盈利能力将恢复。

mSAP HDI技术已从智能手机扩展到光模块，尤其是在1.6T产品中，成为新的增长点。中国数据中心交换机市场高度集中，华为、新华三和锐捷占据主导地位。

四、投资机会与风险提示

投资方向集中在：NPO生态核心供应商（光引擎、激光器、封装）、服务器OEM（IEIT、xfusion、华勤）、ABF基板国产替代（苏州群策、奥特斯中国、领科）、mSAP HDI新增长点。

风险方面：NPO量产时间表可能延迟；技术路线碎片化导致标准不统一；海外厂商竞争和地缘政治风险；AI服务器需求不及预期；部分标的估值已反映乐观预期。

⚠️【风险提示】

NPO量产时间表存在不确定性，跨组件协同设计难度较高。

中国NPO生态碎片化，标准不统一可能影响规模化落地。

海外厂商在高端光引擎和ABF基板领域仍有技术优势。

地缘政治风险可能影响供应链稳定。

AI服务器需求若不及预期，本土供应链增长逻辑将受挑战。

部分标的估值已部分反映乐观预期，需关注业绩兑现节奏。

🔥【核心洞察】

黄金在美联储加息背景下逆势上涨，突破了杰克逊霍尔会议以来的下行趋势，但德意志银行的资金流数据显示，这轮上涨背后缺乏传统投资者的强劲流入。商业和非商业投资者流入量很小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。一个“神秘买家”正在主导市场。

真正的驱动力可能来自非传统因素：霍尔木兹海峡冲突、能源价格下跌以及储备经理的购买活动，这些比美联储加息更相关。报告指出，黄金对油价的敏感度正在提升，地缘政治风险溢价已成为金价的重要支撑。

CTA头寸方面，黄金仍偏向卖出，预计价格回落将伴随算法卖盘。钯金CTA头寸为-26%，处于最大做空仓位，看跌情绪极度强烈。铜和锌的CTA头寸较高（分别为100%和95%），而镍和铅则呈现负值（分别为-22%和-83%）。

算法交易预计下周将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月持续大规模现货流出而最易受冲击；白银因上海套利交易持续强劲和零售投资者现货流入而显得最为稳健；铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。

🔍【章节索引】

一、黄金异象：价格涨了，传统买家却不在场

尽管美联储加息，黄金价格仍突破了自杰克逊霍尔会议以来的下行趋势。但德意志银行的电子现货流量数据显示，商业、非商业投资者流入量小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。这意味着，推动金价上涨的力量并非来自传统的机构或散户买盘。报告认为，霍尔木兹冲突、能源价格下跌以及储备经理的购买活动，是比美联储加息更相关的驱动力。黄金对油价的敏感度正在提升，地缘政治风险溢价成为金价的重要支撑。

二、CTA头寸：钯金极度做空，白银相对稳健

CTA（商品交易顾问）头寸反映了算法交易者的仓位方向。黄金CTA头寸仍偏向卖出，预计价格回落将伴随算法卖盘。钯金的CTA头寸为-26%，处于最大仓位，预示着强烈的看跌情绪。铜和锌的CTA头寸较高，分别为100%和95%，显示多头拥挤。镍和铅则呈现负值，分别为-22%和-83%。整体来看，CTA在贵金属上的仓位偏空，在基本金属上则分化明显。

三、现货流量概览：铂金逆势流入，钯金零售买盘激增

黄金整体现货流量净卖出-5%，零售投资者净卖出-7%。白银整体现货流量净卖出-9%，零售投资者净卖出-9%。铂金整体现货流量净买入18%，商业投资者净买入16%，但零售投资者净卖出-15%。钯金整体现货流量净卖出-16%，商业投资者净卖出-14%，但零售投资者净买入49%，显示出投资者群体间的巨大分歧。铂金的商业买盘与零售卖盘形成对比，钯金则出现商业卖盘与零售买盘的对抗。

四、算法交易展望：贵金属普遍承压，钯金最脆弱

德意志银行预计，下周算法交易将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月的持续大规模现货流出而最易受算法卖盘影响，脆弱性最高。白银在上海套利交易持续强劲和零售投资者现货流入的支撑下，显得最为稳健。铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。整体而言，贵金属板块短期面临算法卖盘的压制，但白银的韧性相对突出。

⚠️【风险提示】

算法交易行为具有高度不确定性，实际卖盘压力可能因市场情景变化而显著偏离预期。

黄金的“神秘买家”若为储备经理或地缘政治对冲资金，其持续性难以预测，若相关因素消退，金价可能快速回吐涨幅。

钯金极度做空仓位若遭遇逼空，可能引发剧烈反弹，投资者需警惕双向风险。

铂金的商业买盘与零售卖盘分歧巨大，价格方向不明朗，回调风险较高。

地缘政治事件（如霍尔木兹冲突）的演变可能瞬间改变贵金属的避险需求和油价敏感度。

🔥【核心洞察】

峰会基调是“管控式竞争”，不是全面重置。 摩根士丹利最新报告指出，即将举行的美中峰会核心目标是延长现有贸易休战，而非达成重大突破或广泛协议。双方在稀土和芯片上的相互依赖，决定了短期内只能“管控分歧”，而非解决分歧。

11月10日是真正的“定时炸弹”。 美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将于同一天到期。市场普遍预期双方将优先延长，但若出现意外，冲击将远超峰会本身。

AI竞争沿独立轨道加速升级，但峰会难有突破。 美国希望中国在监测AI网络攻击方面合作，同时担忧中国公司“蒸馏”美国专有模型。中国则想了解美国如何监管前沿模型。预计峰会仅限于进一步对话，不会达成实质性协议。

市场预期极低，指数影响有限。 延长贸易休战对MSCI中国指数的直接推动预计不大，宏观疲软和监管担忧仍是主要制约。真正的机会在结构性领域：AI主权和半导体本地化。

尾部风险来自伊朗。 美国财政部针对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，是峰会前最大的不确定性来源。

🔍【章节索引】

一、峰会基调：管控式竞争，而非全面协议

摩根士丹利将此次峰会定义为“管控式竞争”的延续。短期目标是延长贸易休战，长期趋势仍是竞争性对抗。双方在稀土和芯片上的相互依赖，构成了“你卡我脖子，我掐你命脉”的对称性威慑，谁也不愿主动掀桌子。峰会最可能达成的成果，是有针对性的关税减免和适度的商业一揽子计划，比如农产品和航空航天采购，以强化“建设性战略稳定”。但在先进技术和关键矿产上的核心分歧，仍然无解。

二、AI竞争与技术主权：独立轨道上的加速赛

人工智能领域的竞争正沿着独立轨道加速升级，已被双方视为国家安全范畴。美国关注两点：一是希望中国在监测AI网络攻击方面合作，二是对中国公司蒸馏美国专有模型表示担忧，倾向于对前沿AI能力实施“中间路径”限制。中国则希望了解美国未来如何监管前沿模型，视AI对话为峰会重要成果。但预计双方仅停留在“进一步对话”层面，不会达成具体协议。

三、贸易协议到期与市场影响：11月10日的三重到期

11月10日是一个关键节点。美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将同时到期。摩根士丹利预计双方将优先延长，但即使延长，对MSCI中国指数的直接影响也有限。宏观疲软、监管担忧仍是主要制约因素。基准情景是“休战延长-有限/象征性”，市场可能表现平淡。真正的结构性机会在AI主权和本地化，尤其是国内AI基础设施、云服务和计算能力。

四、亚洲区域与供应链重塑：经济选择权与去风险化

“管控式竞争”模式为亚洲地区保留了经济选择权。美国和中国减少关键供应链依赖的多年努力将继续，支持“投资超级周期”展望。投资主题集中在经济安全与再工业化、AI主权与半导体本地化、以及关键矿产。重点关注稀土元素、磷化铟及光学收发器、高性能计算与AI加速器、高带宽内存等关键供应链。这些领域不受峰会结果影响，是跨情景的结构性机会。

⚠️【风险提示】

伊朗尾部风险：美国对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，可能成为峰会前的最大不确定性。

限制扩大风险：美国若对无人机、逆变器等采取更广泛的品类/组件级限制，或考虑对AI数据中心光学收发器实施限制，可能引发中方报复。

核心分歧无解：先进技术和关键矿产的争议仍未解决，限制经济上行空间。

地缘政治升级：若紧张局势升级，AI/数据中心、生物制药等跨境业务面临更大下行风险。

市场预期过低：若峰会成果超出预期，可能引发短期反弹；但若低于预期，市场反应可能平淡，机会成本较高。

🔥【核心洞察】

科技预测的“黑历史”一抓一大把。 1995年，以太网联合创始人鲍勃·梅特卡夫预言互联网将在1996年崩溃；IBM创始人托马斯·沃森曾低估电脑市场；爱因斯坦认为核能不可实现；史蒂夫·鲍尔默看轻iPhone的市场份额。德意志银行最新报告指出，从互联网崩溃预言到AI灭绝担忧，人类对技术发展的预测记录普遍糟糕。

当前AI“末日论”正甚嚣尘上。 领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示，共同推高了恐慌情绪。埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。但批评者认为，AI并非危险在“聪明”，而在“笨”，“末日论”分散了对实际风险的注意力。

预测失败的深层原因有三： 一是混沌理论与复杂性——将交通、经济等复杂系统视为简单线性，微小初始差异可导致巨大结果差异；二是认知偏差——线性思维让人难以直观理解指数级变化，乐观偏差让人低估成本、高估收益，锚定效应让人过度依赖早期信息；三是自身利益驱动——创始人、投资者、政策制定者、记者都有动机夸大风险或收益，社交媒体尤其倾向传播新奇、负面和极端内容。

AI也有其独特性与希望。 历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来，AI的未来将不限于硅谷，而是在更广泛的社会中共同塑造。

🔍【章节索引】

一、科技预测的屡次失误与反思

1995年，以太网联合创始人鲍勃·梅特卡夫错误预测互联网将在1996年崩溃。历史上类似的错误判断比比皆是：IBM创始人托马斯·沃森低估电脑市场，爱因斯坦认为核能不可实现，史蒂夫·鲍尔默看轻iPhone的市场份额。这些失误的共同点在于“范畴错误”——误将工作的可见、自动化部分等同于工作本身，忽视了判断、沟通等复杂价值。

二、当前AI“末日论”的争议焦点

担忧激增的诱因包括：领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示。潜在灭绝情景被反复讨论：埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。AI公司辩护称，不研发则落后，潜在益处巨大，且“好AI”可应对“坏AI”；批评者则认为，AI并非危险在“聪明”而在“笨”，“末日论”分散了对实际风险的注意力。

三、预测失败的深层原因

混沌理论与复杂性是首要原因——将交通、经济等复杂系统视为简单线性，微小初始条件差异可导致巨大结果差异，如自动驾驶面临的“边缘情况”和监管难题。认知偏差同样关键：线性思维让人们难以直观理解指数级变化，导致对AI能力跃升感到“震惊”；乐观偏差让人们低估成本、高估收益；锚定效应让人们过度依赖早期信息。自身利益驱动也不可忽视：各方有动机夸大风险或收益，社交媒体倾向传播新奇、负面和极端内容。

四、AI的独特性与未来希望

历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。实际落地是关键：AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来：AI的未来将不限于硅谷，而是在更广泛的社会（“主流社会”）中共同塑造。

⚠️【风险提示】

过度自信的预测可能误导投资和政策决策，无论是过度悲观还是过度乐观。

“末日论”可能分散对AI实际风险的注意力，如偏见、隐私、就业冲击等。

认知偏差和自身利益驱动可能导致对AI能力的错误判断，投资者需保持批判性思维。

AI的实际落地面临企业流程集成、监管适配等挑战，技术进步不等于商业成功。

🔥【核心洞察】

AI是史上最深刻的技术之一，影响可能超过电力、电话或互联网。 DeepMind联合创始人、诺贝尔化学奖得主Demis Hassabis在RSA阿尔伯特奖章演讲中指出，AI的发展速度预计比工业革命快10倍。它不仅是技术工具，更是解决世界重大问题的“元工具”。

AI的未来并非预设，需要全社会共同塑造。 Hassabis强调，AI可能带来深刻的社会、经济和哲学挑战，社会必须有意识地引导其方向，而非任其自由演进。艺术与人文领域的参与至关重要。

AI应增强人类创造力，而非取代它。 Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要，因为人类作品中的情感和真实性是AI无法复制的。

教育系统需要“激进”改革。 他建议采用“翻转课堂”模式：让AI承担知识传授和个性化学习指导，课堂则专注于培养创造力、批判性思维、协作和解决问题的能力，让学生“与AI共生”。

🔍【章节索引】

一、阿尔伯特奖章：跨学科天才的加冕

Demis Hassabis拥有非凡的跨学科背景：国际象棋大师、游戏开发者、神经科学家、DeepMind联合创始人。他因领导AlphaFold项目等贡献，获得2026年RSA阿尔伯特奖章，以及诺贝尔化学奖、骑士称号等荣誉。他的办公室以达芬奇命名，体现了科学与艺术结合的信念。RSA授予他奖章，表彰其“不懈的好奇心、非凡的雄心和强烈的责任感”。

二、AI是“元工具”：比电力更深刻，比工业革命快10倍

Hassabis认为，AI是人类历史上最深刻的技术之一，其影响可能比电力、电话或互联网更大，且发展速度预计比工业革命快10倍。AlphaFold在蛋白质结构预测方面的突破，展示了AI加速科学研究的巨大潜力。AI还有望在药物发现、解决环境问题以及最终实现人类繁荣方面发挥关键作用。但他同时警示，AI可能带来深刻的社会、经济和哲学层面的挑战。

三、塑造AI未来：艺术与人文不可或缺

Hassabis强调，AI的未来并非预设，需要全社会，特别是艺术和人文领域，共同参与塑造，以确保其安全性和符合人类福祉。他主张AI应作为增强人类创造力的工具，而非取代它，并分享了与顶尖艺术家合作开发AI工具的经验。他讨论了AI在艺术创作中的正负面影响，如“AI Slop”现象，并提出未来需要更精确地定义“匠心”、“直觉”和“灵魂”等概念。

四、教育革命：翻转课堂，与AI共生

Hassabis呼吁对教育系统进行“激进”改革，以培养下一代适应和塑造AI未来的能力。他建议采用“翻转课堂”模式，让AI承担知识传授和个性化学习指导，而课堂则专注于培养学生的创造力、批判性思维、协作能力和解决问题的能力。这种改革旨在让学生能够“与AI共生”，像对待计算机和互联网一样自然地运用AI，从而获得必要的技能来塑造未来。

五、风险与责任：有意识地引导方向

Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要。他提倡艺术与科学的结合，认为这可以开启一个新的黄金时代，带来科学发现和奇迹。但他也警示，AI可能带来深刻的社会、经济和哲学挑战，社会需要有意识地引导其发展方向，而非任其自由演进。

⚠️【风险提示】

AI发展速度远超监管和社会适应能力，若缺乏有意识的引导，可能加剧社会不平等和伦理风险。

“AI Slop”等低质量AI生成内容可能稀释文化价值，需建立新的品质标准。

教育系统改革涉及巨大资源投入和体制惯性，落地难度不容低估。

艺术与科学融合的愿景需要跨领域协作机制，目前仍处于早期探索阶段。

🔥【核心洞察】

“投资不足的风险已超过投资过度的风险” ：摩根士丹利9月7日研报明确指出，当前AI领域投资不足的风险大于投资过度的风险。GPT-6 Astra的发布正在强化AI基础设施投资叙事——大模型在100万颗GPU上训练并拓展至推理、工程和物理世界任务，将大幅扩大AI可寻址收入池。市场回调后投资者AI持仓已大幅下降，当前位置提供了战略性再配置的窗口。

AI投资三大垂直领域：算力＞存储＞网络：大摩将AI投资分为三个层次：

AI计算（最高置信度） ：需求持续超预期，台积电2026年营收指引上调至40%以上，AI半导体占比预计超30%，资本开支上调至600亿-640亿美元。

存储器（结构性看好，但需更挑剔） ：基本面依然强劲，但商品周期进入后期，需更具选择性。HBM4E后端工艺复杂性增加正在改变生产范式，长鑫存储是唯一被推荐超配的存储股。

网络（次优选择） ：机会集中在Scale-Up架构的快速扩张（市场规模超700亿美元），CPO的大规模采用预计2029年之后才会到来。

非AI领域的对冲机会：模拟芯片处于早期复苏阶段：在经历三年多低迷后，模拟芯片基本面正从“L型底部”走向修复——渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。

🔍【章节索引】

一、核心投资逻辑：为什么“投资不足”的风险更大？

GPT-6 Astra的发布标志着AI能力从纯文本对话向推理、工程和物理世界任务的全面扩展。大摩的核心判断是：AI可寻址收入池正在快速扩大，而承接它的物理产能却扩不动。瓶颈叙事正从需求端回到供给端——不是需求不够，是产能跟不上。

二、AI计算：最优先配置方向

台积电是这一逻辑最直接的体现。2026年营收增速指引已上调至40%以上，AI半导体占比预计超过30%，资本开支从520亿-560亿美元上调至600亿-640亿美元。

ABF基板和MLCC被识别为关键下游受益者，欣兴电子和村田制作所被列为各自领域首选标的。

三、存储器：基本面强劲但进入周期后期

存储器基本面依然强劲，但随着商品周期进入后期阶段，定价能力趋于温和，需要更具选择性。

HBM4E后端工艺的复杂性增加（互连层数增加）代表着半导体制造的重大转变，可能延迟DRAM和NAND的供应增长。在存储领域，长鑫存储是唯一被推荐超配的个股。

四、网络：Scale-Up市场超700亿美元，CPO要到2029年后

网络是次优选择，但机会集中在Scale-Up架构的快速扩张。铜缆在短距离连接上仍具优势，但随着集群规模扩大，光纤变得越来越必要——演进路径为：铜缆→NPO/混合架构→CPO。CPO的大规模采用预计2029年之后才会到来。康宁、Lumentum和Coherent被列为偏好标的。

五、非AI对冲：模拟芯片的早期周期复苏

模拟芯片是报告中一个重要的差异化观点。在经历三年多低迷后，模拟半导体板块正重新进入投资者视野。渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。

⚠️【风险提示】

AI资本开支节奏风险：若云服务提供商因回报率不及预期而放缓资本开支，可能影响AI基础设施的扩张速度。

存储器周期转向风险：商品DRAM/NAND已进入周期后期，若供需关系逆转，价格和利润率可能面临压力。

HBM4E量产风险：后端工艺复杂性增加可能导致HBM4E的量产时间表延迟或良率不及预期。

CPO渗透节奏风险：大摩预计CPO大规模采用要到2029年之后，若市场过早定价CPO预期，可能存在预期差。

模拟芯片复苏不及预期：若工业需求回暖力度不足，模拟芯片的早期周期复苏可能被证伪。

🔥【核心洞察】

库存充裕的表象下，三重风险正在同步积聚：高盛最新研报指出，全球农业市场虽然以相对充足的库存进入2026年，但霍尔木兹海峡干扰、黑海地区紧张局势加剧以及“超级厄尔尼诺”现象三重风险正在同时上升。BCOM农业现货指数年内已上涨24%，小麦价格涨幅更达41%。

更大的风险来自贸易壁垒放大冲击：自2020年以来，全球新增农业贸易限制措施年均数量大致翻倍。出口禁令和囤积库存可能抽走远超实际减产规模的国际供应。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。

霍尔木兹：化肥与柴油双重断供：海峡是全球约三分之一化肥贸易的咽喉。2024年全球约34%的尿素和23%的氨贸易途经该海峡。氮肥断供恰逢巴西玉米、印度水稻和欧盟冬小麦的备货窗口。磷肥方面，巴西大豆对磷肥进口依赖度约80%，而巴西大豆占全球出口量的62%。同时，霍尔木兹扰动还约束了全球约10%的柴油出口，美国柴油价格已创历史新高。

黑海局势威胁全球谷物贸易：黑海地区紧张局势使全球15-20%的谷物贸易面临风险。俄罗斯和乌克兰的海运小麦出口已远低于正常水平。若干扰持续到10月玉米出口旺季，风险可能从小麦市场蔓延至全球玉米市场。

“超级厄尔尼诺”有记录以来最强：NOAA预测2026-2027年有超过90%的概率出现“超级厄尔尼诺”。可能通过严重干旱和洪水同时扰乱多个作物产区，特别影响巴西糖、印度和泰国的大米出口。巴拿马运河水位下降可能导致航运中断，影响全球10%的谷物和17%的大豆贸易。

生物燃料转向进一步挤压出口供应：能源安全担忧促使主要作物出口国将作物转向国内生物燃料生产。巴西和印度将糖/玉米转向乙醇，印尼将棕榈油转向生物柴油，直接减少出口供应。

🔍【章节索引】

一、三重风险：霍尔木兹、黑海、超级厄尔尼诺

霍尔木兹海峡的化肥与柴油断供直击农业生产成本，氮肥和磷肥供应受阻影响巴西玉米、印度大米和欧盟冬小麦的种植。黑海地区紧张局势使全球15-20%的谷物贸易面临风险，俄罗斯和乌克兰的海运小麦出口已远低于正常水平。“超级厄尔尼诺”有超过90%的概率在2026-2027年冬季形成，可能通过严重干旱和洪水同时扰乱多个作物产区。

二、贸易壁垒：被低估的“风险放大器”

高盛认为，更大的风险来自贸易保护放大冲击。2020年以来新增农业贸易限制措施年均数量大致翻倍，各国政策重心明显转向粮食和能源供应安全。市场日益碎片化，同等供应冲击将带来更大、更持久的价格波动。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。

三、潜在影响与市场信号

农业板块已出现明显异动。A股农业板块9月8日再度掀起涨停潮，万向德农、敦煌种业、亚盛集团等多家公司发布公告提示风险，称股价已严重偏离基本面，存在快速下跌风险。高盛认为，在贸易壁垒高企的环境下，即使是小规模供应中断，也可能触发预防性出口限制和库存建设，导致全球市场供应损失远超原始中断规模。

⚠️【风险提示】

当前农产品价格的上涨可能已部分反映市场预期，若三重风险中的任一因素出现缓解，价格可能面临回调。

各国政策响应存在不确定性，出口禁令的实施节奏和力度难以预测。

“超级厄尔尼诺”的强度和持续时间存在不确定性，其对不同作物产区的影响程度各有差异。

🔥【核心洞察】

美债30年时代正在终结：Gavekal首席执行官Louis-Vincent Gave发出明确警告：“我们正在迅速从以美国国债为一切基石的世界，转向以大宗商品为核心的世界。”过去30年，政府债券一直被视为对冲股市风险的压舱石，但这一关系正在瓦解。近期通胀驱动的市场波动中，股债同步下跌已成新常态。

“现代重商主义”重塑全球秩序：Gave与桥水基金联席首席投资官Karen Karniol-Tambour在Sohn投资论坛上联手警告，全球正从追求效率的全球化，转向以安全与韧性为核心的“现代重商主义”。各国不再只追求低成本供应链，而是急于确保关键矿产、能源、工业能力与国防体系的自主可控。

全球资源争夺战全面打响：这一转变源于2022年俄乌战争后俄罗斯储备被冻结，促使各国重新评估“美债是终极流动性资产”的假设。各国开始建立石油、化肥、农产品和工业材料的战略储备。Gave指出，这一趋势将吸收全球流动性，并加剧大宗商品市场的通胀压力。

黄金与铜领跑大宗商品牛市：Karniol-Tambour明确表示黄金是她的核心配置——地缘政治分裂与对储备安全的担忧正推动资金持续流入。Gave则更强调铜的潜力：“每个人都在说，‘我需要重建电网。我需要安装更多太阳能板。’而这些事情没有铜就非常难以实现。”短缺将出现在发电和电力基础设施领域，而非半导体。能源转型与AI数据中心的扩张将消耗海量铜、铝、银等工业金属。

🔍【章节索引】

一、全球经济秩序的重构

中美贸易战已实质上结束，且中国赢得了这场战争。2018年美国对华半导体禁运后，中国将所有金融资源从消费和房地产转向单一目标——“去西方化”供应链并提升产业链价值。伴随这一过程，房地产和股票价格暴跌，中国一度变得“不可投资”，这反过来催生了“美国例外主义”的繁荣。但随着DeepSeek、比亚迪、稀土、磁材以及在生物技术和核能领域的突破，中国已不再需要担心禁运。美国例外主义的时代正在消退。

Gave更指出，西方世界现在对中国的依赖程度，远高于中国对西方的依赖。在供应链上，美国已经失去了主动权。

二、美债时代终结与“双赤字”困境

Gave认为，美国政府债务的持续膨胀是一个无法回避的结构性问题。美国面临“双赤字”（预算赤字+经常账户赤字）的挑战，而通胀可能被视为管理债务的工具，但这本身也带来了巨大的风险。

更深层的结构性压力来自财政与人口。Gave分析指出，发达经济体的人口老龄化、财政赤字扩大以及政府庞大的支出承诺，正在共同推高资金成本。世界现在生活在一个更加通胀的环境中，由人口结构恶化、财政赤字上升和政府支出增长共同驱动。资本的结构性成本必须上升。

三、投资策略：黄金、铜与新兴市场

在具体投资方向上，Gave给出了清晰的指引：

黄金：地缘政治分裂与对储备安全的担忧，正推动黄金需求结构性增加。

铜：AI数据中心与能源转型将消耗海量铜，市场过度聚焦AI半导体，却忽视了最关键的瓶颈——电力系统。

中国资产：Gave认为中国结构性被低估。中国拥有全球最低的资本成本、最低的劳动力成本、最低的电力成本，以及全球最便宜的货币。

国防板块的结构性变革：传统国防巨头正在被颠覆——“2.75亿美元的战斗机时代”正在被“5万美元的无人机时代”所取代。

传统“轻资产”模式终结：世界上成功的平台公司正在从轻资产模式转向大规模资本密集型模式。

⚠️【风险提示】

全球从美债向大宗商品的范式转移并非一蹴而就，美元短期内仍占全球储备约58%，过渡过程可能伴随剧烈波动。

各国资源民族主义抬头可能加剧供应链混乱和价格波动。

中国资产虽然被低估，但地缘政治和内部经济结构转型仍存在不确定性。

传统国防巨头的转型阵痛可能持续，投资者需警惕传统军工股的估值陷阱。

🔥【核心洞察】

“Go Direct”运动发起人：Lulu Cheng Meservey是硅谷最炙手可热的传播策略师，她的核心理念“Go Direct”（直接沟通）正在颠覆价值千亿美元的公关行业。她认为，创始人亲自上阵、绕过传统媒体与受众直接对话，才是当下最有效的传播方式。她的客户名单包括Anduril、Shopify、Cognition AI、Coinbase等一批硅谷最受瞩目的公司。

从耶鲁到动视暴雪的传奇之路：耶鲁政治学学士、塔夫茨大学弗莱彻学院国际关系硕士，2016年联合创立TrailRunner International。2022年10月临危受命担任动视暴雪首席传播官，在微软690亿美元收购案中正面迎战FTC，以个人名义公开发声反击——几乎没有任何高管在如此规模的交易中愿意这样做。2024年3月创立Rostra，2025年12月募集4000万美元VC基金。

“叙事阿尔法”：传播本身就是超额收益：她提出“叙事阿尔法”（Narrative Alpha）概念——一家公司如何被市场、员工和监管者感知，本身就是一种结构性竞争优势。她创立的Rostra（名字源自罗马的演讲台，一个能让整座城市改变信仰的地方）只同时服务十几家客户，等待名单上却有数百家公司。

Anduril的“反媒体”崛起：Anduril创立第一年，创始人在Facebook被排挤离场，没有任何记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico（海军陆战队基地）、彭德尔顿军营和CIA，当面展示技术。她还处理过“Uber拒载事件”等公关危机。这套打法帮助Anduril从一家被媒体忽视的初创公司，成长为估值数十亿美元的国防科技巨头。

Cognition AI的完美首秀：Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在Devin发布之前，它已经通过了多家头部AI公司的工程面试。这场发布让Cognition一夜成名。她形容这个项目“一出手就震惊了世界”。

Shopify董事会的“叙事操盘手”：2024年6月加入Shopify董事会。她推崇Shopify创始人Tobi Lütke的长篇真实沟通实践——他曾在播客中纯粹讨论游戏战略策略整整七年前，全程不提Shopify——这正是她眼中最有效的品牌叙事。Shopify擅长通过商户的真实转型故事来传递品牌价值，让平台退居幕后。

🔍【章节索引】

一、颠覆公关行业的“Go Direct”理念

Lulu的核心观点直截了当：创始人必须绕过传统媒体，直接与受众沟通。她对一位创始人的第一条建议是：“别让你的信息被公关团队稀释，别指望公关机构去引诱媒体兴趣，你是创始人，掌控你自己的叙事。”

在她看来，如果领导人在传播环境中从不发声，企业形象会变得呆板扁平。而“Go Direct”并非简单的CEO发推，而是要求创始人以第一人称表达真实想法——它可以是“不完美的”，甚至可以是“不够绝对正确的”，但必须体现真实个性、意图和信念。要有“活人感”，要有在场感，要有生命力。

她甚至观察到，今天成功的传播往往带有“被设计出的即兴感”——如TikTok博主保留按下录制键的那一刻、演讲中刻意保留口癖，这种“精心布置的粗糙”反而成为与受众沟通的润滑剂。

二、动视暴雪：690亿并购案中的孤勇者

2022年10月，微软以690亿美元收购动视暴雪的交易遭到FTC强力阻击。Lulu正是在此时加入公司担任首席传播官。她没有躲在公关话术后面，而是以个人名义公开反击FTC——几乎没有任何高管在如此规模的交易中愿意这样做。交易最终于2023年10月完成。这场胜利奠定了她在硅谷传播领域的地位。

三、Anduril：从零构建国防科技巨头的声誉

Lulu职业生涯中最重要的案例之一，是帮助Anduril从一家没人愿意报道的初创公司成长为国防科技巨头。在公司创立第一年，创始人Palmer Luckey刚被Facebook排挤离场，没有记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico、彭德尔顿军营和CIA，当面展示技术。这套打法让Anduril绕过了敌对的科技媒体，直接触达了真正重要的受众。她还策划了“Uber拒载事件”等公关事件，将看似负面的新闻转化为品牌叙事的一部分。

四、Rostra：只服务十几家客户，等待名单数百家

2024年3月，Lulu创立了自己的传播咨询公司Rostra。公司名字源自罗马的演讲台——一个普通人爬上去时全城相信一件事，走下来时全城相信了另一件事的地方。Rostra只同时服务约十几家客户，等待名单上却有数百家公司。客户名单包括Cognition AI（Devin的发布）、Anduril、Coinbase、Ramp等。

五、Cognition AI的Devin发布：Rostra的“开门红”

Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在发布之前，Devin已经通过了多家头部AI公司的工程面试。这场发布让Cognition从一家不知名的AI初创公司，一夜之间成为全球科技圈关注的焦点。

六、4000万美元VC基金：叙事与资本的叠加

2025年12月，Lulu募集了一只4000万美元的VC基金。她说：“叙事就是阿尔法。投资是对Rostra工作的补充，因为叙事和资本都在复利。现在，建立新事物比以往任何时候都容易，但让人们关心却比以往任何时候都难。优秀的传播能让伟大的公司更有价值。”

⚠️【风险提示】

“Go Direct”并非万能模板：并非所有创始人都擅长或适合公开表达，强行推行可能适得其反。

高度依赖创始人个人声誉：这套方法将公司的传播命脉系于创始人个人形象，一旦创始人出现声誉危机，公司叙事可能同步崩塌。

绕过媒体的长期代价：持续绕开传统媒体可能导致公司在需要媒体正面报道时缺乏渠道和关系积累。

🔥【核心洞察】

分辨率从13nm跃升至8nm，晶体管密度提升2.9倍：High-NA EUV通过将数值孔径（NA）从0.33提升至0.55，理论分辨率从约13nm推进至8nm。这相当于把一台“普通显微镜”升级成了“超级显微镜”——原本需要多次曝光的复杂图案，现在一次就能完成。分辨率提升1.7倍，晶体管密度提升近2.9倍。换个更直观的说法：从0.33 NA到0.55 NA，芯片上能塞进去的晶体管数量几乎翻了三倍。

每台造价高达3.8亿至4亿美元：这些系统是有史以来最复杂的商用机器，尺寸相当于一辆双层巴士。但单价只是门槛，真正的成本账要算“每次曝光成本”和“整体工艺简化”——一台High-NA能替代多台Low-NA的多重曝光工序。Bernstein分析指出，High-NA单次曝光的优势在于能大幅减少掩模层数、缩短生产周期，这才是其经济性的真正来源。

英特尔抢先量产，台积电观望，三星DRAM率先导入：英特尔在18A制程上已使用High-NA EUV量产Panther Lake处理器，成为业内首家实现HVM的厂商。台积电因成本考量推迟至2026年初才安装评估工具。DRAM领域预计率先广泛采用——三星和SK海力士计划在2026-2027年左右的0a nm DRAM节点导入，逻辑芯片的全面采用预计在2028至2030年间。

光刻强度将从24%升至26%，EUV业务CAGR达30%：Bernstein预测，随着High-NA取代多重曝光，光刻在晶圆制造总设备支出中的占比将持续提升。ASML的EUV业务（含High-NA）预计将以30%的复合年增长率扩张，到2030年达到427亿欧元。2026年High-NA EUV光刻机订单已全部排满，台积电、英特尔与三星合计已下单18台。

Hyper-NA已在路上：NA目标突破0.75：ASML在SPIE EUVL 2026大会上公布了下一代Hyper-NA路线图，NA目标突破0.75，目标是在2030年代中期支撑A7节点（约0.7nm）之后的进一步微缩。High-NA是“现在进行时”，Hyper-NA是“下一个十年”——这场光刻竞赛远未结束。

🔍【章节索引】

一、技术本质：从0.33到0.55的“光学杠杆”

High-NA EUV的核心原理并不复杂：在波长不变（都是13.5nm）的前提下，把数值孔径（NA）从0.33提高到0.55。根据瑞利准则，分辨率与NA成反比——NA越大，能刻出的线条越细。最终效果是分辨率从13nm推进到8nm。

但实现这一提升的代价是光学系统的彻底重构。High-NA系统采用了非对称光学设计——在X和Y方向上以4倍和8倍的不同倍率进行缩小。这种设计虽然避开了掩模版尺寸爆炸的问题，却带来了一个副作用：曝光场面积减半。对于大型芯片（如AI加速器），需要分两次曝光再“拼接”起来，精度要求达到亚纳米级别。

技术细节上，EXE:5000系统的投影光学元件包含超过4万个零件，总重约12吨；晶圆台加速度达8g，掩模版台达32g，以部分抵消曝光场减半带来的产能损失。截至2026年7月，全球已有10套High-NA系统投入运行，另有3套正在安装。累计曝光晶圆数已突破135万片。

二、成本账本：4亿美元一台，值吗？

每台High-NA EUV光刻机售价约3.8亿至4亿美元。但判断它“贵不贵”，不能只看单价。

Bernstein的分析提供了一个更完整的框架：2025年，High-NA单次曝光（无需拼接）的每次曝光光刻设备成本约为Low-NA的2.4倍；若需要拼接（大型逻辑芯片），则约为3.1倍。但随着可用率从目前的约84%提升至2026年第四季度90%的目标、并最终迈向93%，以及产能从135片/小时提升至175片/小时，成本差距将显著缩小——预计到2030年降至1.9倍和2.1倍。

更重要的是，High-NA通过“单次曝光替代多次曝光”简化了整体工艺流程。imec已通过单次High-NA曝光实现了20nm间距的线结构，将尖端至尖端（T2T）临界尺寸缩小至13nm。这不仅仅是光刻设备的替换，而是整条产线的精简——减少了掩模数量、缩短了生产周期、降低了缺陷率。

三、厂商博弈：英特尔抢跑，台积电“精算”，三星押注DRAM

英特尔——最激进的先行者。2023年第四季度收到首台EXE:5000，2024年第三季度完成首片晶圆曝光。2026年7月，英特尔正式宣布在18A制程上使用High-NA EUV量产Panther Lake处理器。叠加精度已达0.7nm。这是一场380亿美元的赌注——如果High-NA的经济性按英特尔展示的轨迹成熟，先发优势将转化为实际回报。

台积电——“等得起”的精算师。面对每台约4亿美元的造价，台积电选择固守0.33NA加多重曝光的成熟路线。High-NA单次曝光的成本溢价约2.5倍，而继续使用已折旧的0.33NA设备进行多重图案化在当前节点更为经济。台积电有意将High-NA的量产学习曲线推迟两年或更久。

三星——DRAM先行，逻辑跟进。三星电子计划投入约1.1万亿韩元引进两台EXE:5200B。与英特尔不同，三星的优先战场是DRAM——DRAM芯片尺寸较小，通常无需拼接，且High-NA在多重曝光方案下的成本优势更明显。SK Hynix也计划在0a nm DRAM节点（约2026-2027年）导入High-NA。逻辑芯片方面，三星预计在1.4nm节点开始采用。

四、Hyper-NA：2030年代的单次曝光延续

High-NA不是终点。ASML在SPIE EUVL 2026大会上首次公布了Hyper-NA路线图，目标数值孔径突破0.75。Hyper-NA旨在支撑A7节点（约0.7nm，预计2033年达到HVM）之后的进一步微缩。

从0.33到0.55用了大约五年；从0.55到0.75，ASML计划用大约七年。光刻技术的演进节奏在放缓，但竞赛从未停止。

五、投资视角：谁在“卖铲子”？

光刻设备市场高度集中，ASML在EUV领域维持约93.5%的绝对主导地位。2026年EUV与High-NA EUV光刻机订单已全部排满。

Bernstein将ASML目标

🔥【核心洞察】

全球电商2031年达6.4万亿美元，但增长逻辑已变：ECDB报告显示，2026年全球电商收入首次突破5万亿美元，预计2026-2031年将以6%的复合年增长率稳步扩张，到2031年达到6.4万亿美元。但增速从2017-2024年的14%降至2026年的8.6%，行业正从“跑马圈地”进入“精耕细作”阶段。

Commerce 3.0：从“卖货”到“卖生态系统”：行业已从1.0时代的1P零售在线化、2.0时代的3P市场平台，进化到Commerce 3.0——平台不再靠卖货赚钱，而是通过广告、订阅、支付、物流和AI服务实现多元化收入。亚马逊FBA、Prime会员、零售媒体广告等“辅助收入”才是真正的利润引擎。

代理式购物：下一个万亿级入口：德勤预计到2030年AI代理将驱动全球25% 的电商销售额；麦肯锡估算市场规模可达3至5万亿美元。消费者对代理式购物的采用率将从2025年的19%跃升至2026年底的46%。谁能成为消费者默认的“AI采购代理”，谁就掌握了万亿级市场的咽喉要道。

零售媒体：电商平台的“第二利润中心”：零售媒体网络（RMN）2025年全球规模已达240亿美元，预计2031年增至347亿美元。运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛、塔吉特正将“货架上的广告位”变成比卖货更赚钱的生意。

区域分化：新兴市场狂奔，欧美滞涨：印度尼西亚（22%）、墨西哥（21.3%）、印度（17.6%）领跑全球；拉丁美洲整体增速12.4%，远超全球8.6%的平均水平。而德国、法国、日本增速均低于5%。

🔍【章节索引】

一、全球电商市场：6.4万亿的“慢牛”与平台集中化

ECDB报告数据显示，2026年全球电商收入首次突破5万亿美元，同比增长8.6%。预计到2031年，全球电商销售额将以6%的复合年增长率达到6.4万亿美元，线上渗透率将达到可寻址零售销售额的27%。

市场结构方面，电商平台集中度持续攀升。2026年，电商平台预计将占全球B2C实物商品电商收入的87%，较2025年的86%进一步提升。亚马逊占据除中国外全球市场33%的份额，阿里巴巴占据中国市场35%的份额。品牌自营网站仅占13%的市场份额——消费者更愿意在平台内完成购物，而非跳转到独立站。

二、Commerce 3.0：从卖货到卖生态系统的范式跃迁

电商的商业模式正经历三次迭代。Commerce 1.0是传统零售商将1P自营业务搬到线上；Commerce 2.0是3P市场平台模式，通过引入第三方卖家扩大品类；Commerce 3.0则是通过广告、订阅、物流和金融服务等高利润辅助收入实现生态系统货币化。

亚马逊是这一模式的集大成者：FBA物流服务、Prime会员订阅、零售媒体广告、亚马逊支付、商家服务——每一项都是高毛利的“卖水人”生意。沃尔玛、塔吉特、家得宝等零售巨头正全面复制这一路径，将“卖货”变成“卖服务”和“卖流量”。

三、代理式购物：AI正在取代人类下单

2026年电商最深刻的变革是“购物者”身份的变化——人类不再是唯一做出购买决策的实体。AI购物代理可以根据消费者的偏好、预算和过往行为，自动浏览、比较并完成购买。

Gartner预测，到2026年传统搜索量将下降25%，生成式AI将成为用户的“替代答案引擎”。BCG数据显示，美国消费者中LLM采用率已达80%，预计三到四年内LLM流量将超越自然搜索。

零售巨头的布局已经展开。塔吉特在ChatGPT中推出官方应用，用户可在ChatGPT内完成从发现到下单的全流程。谷歌发布通用商务协议（UCP），为AI代理购物设计开放标准，使代理能够跨商户发现商品、构建购物车并完成购买。沃尔玛推出生成式AI购物助手Sparky。

勤业众信将代理式商务的演进路径概括为五个阶段：辅助性探索→辅助性购物→代理型购物→自动化购物→A2A（Agent-to-Agent）。企业的竞争焦点正从SEO（搜索引擎优化）演进到GEO（生成引擎优化），再延伸到ACO（代理型商务优化）——未来决定品牌生死的不是广告预算，而是AI能否清晰理解和推荐你的产品。

四、零售媒体：比卖货更赚钱的“第二利润中心”

零售媒体网络（RMN）正在成为电商平台最重要的利润增长点。零售商将自身数字资产转化为广告位，利用第一方数据进行精准定向和闭环效果衡量。2025年全球RMN市场规模约240亿美元，预计2031年达347亿美元。

RMN的运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛Connect、塔吉特Roundel三家合计控制全球近40%的RMN支出。AI正深入应用于广告活动管理、受众定位、创意生成和产品发现，提高广告效率和ROI。

五、区域分化：新兴市场狂奔，欧美滞涨

2026年全球电商增长呈现显著的区域分化。

拉丁美洲整体增速12.4%，远超全球平均水平。墨西哥增长21.3%，是该区域最具活力的市场之一。印度以17.6%的增速紧随其后，2026年一季度GMV突破600亿美元，已稳居全球第二大电商市场。印尼以22%的增速领跑全球。亚太地区占全球电商近55%，由整合内容、商务、支付、物流和AI的统一平台驱动。

相比之下，德国预计增长4.6%，法国4.8%，日本4.5%，均低于5%。西欧国家整体增速低于5%。欧洲市场高度分散，转售经济和TikTok Shop成为为数不多的亮点。

六、品类与渠道趋势

食品/杂货电商成为2026年增长最快的品类，增速14.4%，首次占全球电商交易额超10%。TikTok Shop全球GMV增长预计达59.4%。即时配送（Quick Commerce）在印度已成为增长最快的细分市场，占FMCG销售额约80%。

🔥【核心洞察】

阿里800亿配售引发市场恐慌，但摩根大通认为“反应过度”。阿里巴巴于8月24日以每股112.70港元完成7.1亿股配售，募集800亿港元（约103亿美元），发行价较前一交易日收盘价折让8.4%。次日港股重挫8.5%，腾讯和恒生科技指数当日分别下跌2.2%和2.1%。摩根大通测算，在阿里当日股价跌幅中，仅约0.3%可归因于配售折价本身；扣除同业联动影响后，现有股东所承受的异常重新定价规模约达190亿美元，大约是此次募资金额的两倍。

摩根大通的“四项测试”：AI基建到底是不是烧钱？

摩根大通将配售争议拆解为四项独立测试。第一是资本回报率测试：假设利用率100%时每1元资本支出对应1元年收入、45%增量EBITDA利润率、5年直线折旧，AI基建项目的IRR可达22%，显著高于10%的资本成本。第二是净现值测试：以10%折现率计算，每100元基础设施投入产生36元正NPV；即便假设仅60%资金用于可审计的基建支出，每100元仍能产生22元正NPV。第三是每股收益测试：在基础设施占比80%或以上的情景下，配售从第二年起增厚每股收益；在60%基准情景下，2028财年每股收益稀释约0.5%，此后大致中性。第四是每股价值测试：交易后每股价值下降0.9%至1.2%，但摩根大通给出的交易前公允价值为205港元，远高于137-153港元的门槛。四项测试的结论一致——这笔配售从经济角度看是合理的。

每100元AI投入的账怎么算？

摩根大通按照AI基础设施项目逐笔算账。假设每投入100元AI Capex，利用率爬坡期分别为60%、90%、100%，满产后100元Capex每年产生100元收入，增量EBITDA Margin按45%计算，税率20%，设备按5年直线折旧且残值为0。计算结果是：第一年收入60元、EBITDA 27元、税后现金流25.6元；第二年收入90元、EBITDA 40.5元、税后现金流36.4元；第三年以后收入100元、EBITDA 45元、每年税后现金流40元。

这意味着，100元的投资约2.95年就能全部收回。成熟期ROIC约20%，稳定期现金回报率约40%，整个5年项目税后IRR约22.1%。按10%的资本成本折现，每投入100元NPV约+35.6元。摩根大通判断，阿里现在对AI Capex的理解已经不是“烧钱”，而是一笔资本成本10%、项目IRR 22%的正NPV投资。

三条融资路径：谁最从容，谁最被动？

阿里巴巴的资金缺口最大。摩根大通预测阿里2027财年资本支出约2000亿元，压力情景下可达2700亿元。按2026年6月季度的经营现金流水平，年度资金缺口约1000亿元，压力情景下扩大到1700亿元。本次800亿港元配售仅能覆盖8.4个月的基础支出。阿里另有约1500亿元的可用流动性和低利率人民币债券能力作为缓冲。

腾讯的资金接近平衡。年化经营现金流约3100亿元，叠加8750亿元的投资组合（其中上市部分4870亿元、非上市部分3880亿元），理论上可自筹覆盖2000亿元的资本支出。腾讯的融资成本是隐性的——放弃投资组合回报、资产处置的税收摩擦——而非股权稀释。摩根大通此前已将腾讯全年资本开支预算上调至2000亿元，最密集投资期间自由现金流或大幅收缩，但维持增持评级。

百度的压力最直接。6月季度资本支出114亿元，但经营现金流仅34亿元，自由现金流转负至负80亿元，同时期内融资净额174亿元。百度主要依靠贷款、租赁及子公司昆仑芯的股权融资。摩根大通对昆仑芯的独立估值为400亿至490亿美元，而百度当前市值约430亿美元。

风险信号：什么情况下会削弱看涨论点？

摩根大通明确了几个关键风险触发信号：若部署收益的成熟期ROIC低于15%；三年资本支出显著超过3800亿元但外部云收入指引未同步上调；若阿里巴巴在12个月内再次进行母公司层面的股权融资；若计算定价因供应宽松而持续下跌；若腾讯资本支出加股息加回购超出运营现金流而无相应资产处置；或昆仑芯上市延迟。

摩根大通维持对阿里巴巴、腾讯和百度的“增持”评级，并建议投资者在9月季度业绩发布前买入阿里巴巴股票。

⚠️【风险提示】

摩根大通22%的IRR模型基于满负荷利用、1元Capex对应1元收入等核心假设，若实际利用率或收入转化效率不及预期，回报率可能显著低于模型测算。

若阿里三年资本支出大幅突破3800亿元但云收入指引未同步上调，将削弱AI投资的经济性判断。

若计算定价因供应宽松而持续下跌，可能压缩AI基础设施的投资回报率。

若阿里巴巴在12个月内再次进行母公司层面的股权融资，可能进一步稀释现有股东价值。

昆仑芯分拆上市若延迟，可能影响百度的估值重估逻辑。

🔥【核心洞察】

中国半导体IC数量自给率达70%：高盛8月24日发布《芯片法案》系列第四份年度报告，截至2026年6月，中国半导体IC数量自给率已达70%，较2010年1月的38%提升近一倍。但高盛明确指出，此为“量的自给”，价值自给率仍低，核心瓶颈在于光刻设备的缺失。

2030年资本支出目标大幅上调至820亿美元：高盛将2030年中国半导体资本开支预测上调至820亿美元，较此前预测增长79%。2026至2030年逐年预测分别上调15%、32%、51%、64%、79%。预计中国WFE支出2026-2028年分别增长13%、20%和15%，主要来自存储和先进制程投资。

中国AI芯片TAM 2030年达6780亿美元：基准情景下，高盛预计中国AI芯片总可寻址市场到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗才能满足需求。7纳米及以下晶圆供需缺口预计从2025年的92%收窄至2035年的34%。

本土设备商份额加速提升：中国本土设备供应商在中国WFE市场的占比预计从2025年的26% 升至2028年的38%，收入从102亿美元增至229亿美元。

长鑫存储获“买入”评级，目标价129元：高盛首次覆盖中国唯一DRAM IDM厂商长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，较上周五收盘价隐含122%上涨空间。目标价基于2027年24倍预期市盈率，以及到2028年EPS约77%的平均增速。

🔍【章节索引】

一、中国半导体自给自足的进展与战略

高盛报告指出，中国半导体产业正从“量的追赶”转向“质的突破”。

供应端向高端延伸：中国在蚀刻机、沉积设备等领域向高端型号扩展，并新增了离子注入机、检测、量测等更全面的设备类别。先进节点方面，晶圆代工正向7纳米及以下技术迈进，结合Chiplet和先进封装。存储器领域正向LPDDR6及HBM3/3E发展。

产能持续扩张：高盛预计2025到2030年，中国每月晶圆产能将从600万片增至1400万片。先进制程方面，7纳米及以下供需缺口预计从2025年的92%收窄至2035年的34%。

二、半导体资本支出与市场前景预测

高盛将2030年中国半导体资本开支预测大幅上调至820亿美元。上调的核心驱动力包括：生成式AI推动供应链向先进节点迁移、全球芯片设计公司采取“local for local”策略、以及头部代工厂产能被AI占用后为本土供应商留出替代空间。

本土设备商正在成为关键受益者。中国本土设备供应商在中国WFE市场的占比预计从2025年的26%升至2028年的38%，收入从102亿美元增至229亿美元。受益标的包括中微公司（688012.SH）、北方华创（002371.SZ）、安集科技（688019.SH）、鼎龙股份（300054.SZ）及长电科技（600584.SH）等。

三、AI芯片与DRAM市场需求分析

高盛预计中国AI芯片市场TAM到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗。

DRAM市场高速增长：高盛预计中国DRAM市场2026-2028年复合年增长率达50%，至2570亿美元；其中HBM市场同期复合年增长率高达188%，至320亿美元。

高带宽内存（HBM）通过3D垂直堆叠、硅通孔（TSV）互联、超宽接口（1024-bit甚至2048-bit）和SiP集成，有效解决了AI工作负载中的“内存墙”瓶颈。HBM正成为长鑫存储利润提升的关键驱动力。

四、长鑫存储（CXMT）首次覆盖与投资分析

评级与目标价：高盛首次覆盖长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，隐含122%上涨空间。

产能扩张路径：长鑫存储月产能将从2026年的27万片增至2028年的44.7万片，2030年进一步达到66.5万片，四年翻倍以上。2026-2030年平均年资本支出预计达840亿元人民币，高于2022-2025年的约500亿元。

市场份额目标：高盛预计到2028年，长鑫存储的供应可覆盖中国约50%的DRAM需求和40%的HBM需求。其传统DRAM供应份额将在2028年达到三星的41%、SK海力士的50%。

HBM驱动毛利率跃升：高盛预计长鑫存储HBM收入贡献将从2026年的2% 升至2030年的27%。公司毛利率将从2025年的41% 攀升至2030年的82%。129

🔥【核心洞察】

Nebius不是“算力二房东”，是“算力经营的多面手”。Nebius的核心不在于简单出租GPU，而在于将同一批算力同时经营成长单底仓、短期现货、融资抵押物和Token服务，并通过多租户平台动态配置。其2026年Q2营收5.82亿美元（同比+454%），调整后EBITDA率41%，核心AI云业务利润率已升至50%。新合同每兆瓦收益达2000万-2500万美元，短期紧急合同更达4000万-5000万美元。客户预付款覆盖50%-60%资本开支，回收周期缩短至1年10个月。

协创数据：增长曲线最像，但还不是纯粹的AI云运营商。协创数据2026年上半年营收126.41亿元（同比+155.69%），归母净利润18.63亿元（同比+331.11%），Q2单季净利11.12亿元，环比继续抬升约50%。公司通过融资租赁和自有投入快速扩张算力资产，已在多地部署并运营算力中心，在手订单充裕。但其智能算力业务目前混合了服务器/集群交付、运维和云服务，还不是纯粹的Neocloud模式——这恰恰是它能否获得Nebius式平台估值的关键分水岭。

谁更像“中国Nebius”？ 润泽科技最像物理资产底座——园区、电力、高功率机柜和长约能力强，但GPU和AI云软件暴露较弱。首都在线、优刻得更像云产品层，具备云产品、客户服务和模型训练推理能力，但资本、GPU采购和电力规模不足以复制Nebius的扩张速度。综合来看，协创数据是目前资产和利润放量节奏最接近Nebius的A股公司。

🔍【章节索引】

一、Nebius凭什么值705亿美元？——“算力经营”的四层生意

Nebius不是简单的“算力二房东”，而是一家“新云”（Neocloud）公司——专门面向AI和高性能计算的云服务提供商。它的商业模式可以拆解为四层：

第一层：长单底仓。Nebius与Meta签署五年期120亿美元协议，若未来算力未被其他客户购买，Meta还将额外购买最多150亿美元。Q2签下4份平均超10亿美元的合同，客户包括Reflection、Cohere等。

第二层：短期现货。3-6个月的紧急算力合同单价是长单的2倍——每兆瓦4000万-5000万美元。公司首次容量拍卖的Blackwell算力集群成交价比历史最高报价还高出15%。

第三层：融资抵押物。7月完成首笔7.75亿美元GPU资产支持融资（定价SOFR+2.5%），客户预付款已覆盖50%-60%的资本开支。公司预计2026年客户预付款超90亿美元，累计客户承诺超400亿美元。

第四层：Token服务。Token Factory将计费单位从“卡时”推进到“Token”，生产级推理负载Q2环比增长超3倍。Nebius判断：推理不是训练结束后的边缘工作负载，而是贯穿模型开发、后训练和生产部署全过程的巨大算力需求来源。

这四层生意叠在一起，让Nebius在同批算力上反复“榨取”价值——长单锁定现金流、短期现货吃溢价、资产抵押融资放大杠杆、Token服务延长旧卡经济寿命。

二、协创数据：利润暴增331%，但“业务纯度”还不够

协创数据2026年上半年的业绩堪称炸裂：营收126.41亿元（+155.69%），归母净利润18.63亿元（+331.11%），Q2单季11.12亿元，环比继续抬升约50%。

增长的核心驱动力是智能算力产品及服务——公司在北京、上海、乌兰察布、廊坊等多地部署并运营算力中心，在手订单充裕，前期布局的算力集群已陆续交付、验收并进入计费阶段。

协创数据的“全栈AI”版图正在快速扩张：4月斥资5.10亿元控股光为科技，布局光芯片、光模块，补齐了“智能终端+云算力+光器件”的全链路协同架构。公司还打造了FCloud智能体训推平台和OmniBot具身智能服务体系。

但问题在于：协创数据的智能算力业务目前混合了服务器/集群交付、运维和云服务，更像“算力集成商+运维商”。而Nebius是一家纯粹的AI云运营商——不卖硬件，只卖算力时长和平台服务。这个区别，直接决定了市场给什么估值。

三、谁更像“中国Nebius”？——三家候选者的对比

润泽科技：最像Nebius的物理资产底座——园区、电力、高功率机柜和长约能力很强。但短板同样明显：GPU和AI云软件栈的暴露较弱，更像“机房房东”而非“算力运营商”。

首都在线、优刻得：更像云产品层——具备云产品、客户服务和模型训练推理能力。首都在线是智谱AI核心供应商，已投运6000P算力，2026年目标1.5万P。优刻得是A股唯一纯正公有云IaaS，2026年3月涨价10%-30%。但资本、GPU采购和电力规模不足，难以复制Nebius的扩张速度。

协创数据：目前资产和利润放量节奏最接近Nebius的公司。截至8月13日，Nebius市值705亿美元（约4935亿元），协创市值约1253亿元。差距是4倍，但协创的数据增长斜率更陡——如果它能从“重资产集成交付商”进化为“可以动态经营算力、获取预付款、延长旧卡寿命、出售Token并输出第三方平台的AI云运营商”，估值逻辑将完全不同。

四、关键跟踪指标：协创数据需要回答的五个问题

协创数据要从“算力集成商”变成“中国Nebius”，市场需要看到以下指标的持续改善：

自有投运GPU数量：目前公司在多地部署算力中心，但自有GPU的绝对规模和增速是关键。

纯运营收入占比：区别于服务器交付的一次性收入，持续性的算力租赁和云服务收入才是平台估值的基石。

客户预付款：Nebius的客户预付款已覆盖50%-60%的资本开支。协创能否拿到类似的预付款，是衡量其议价能力的关键。

Token/API收入：从“卖卡时”到“卖Token”的转变，决定了旧卡能否持续产生价值。

增量ROIC-WACC差：资本回报率能否持续高于资金成本，是算力租赁这门生意的终极检验。

🔥【核心洞察】

这场AI热潮的核心矛盾在于：天文数字般的资本投入，能否在资金耗尽前产生足够回报？Ben Thompson在视频中直言，美国在AI领域的绝对主导地位本身可能带来地缘政治危险——例如中国可能摧毁台积电。同时，AI推理成本的高企、消费者对软件付费的低意愿，以及科技公司从自由现金流转向债务和股权融资的压力，正共同构成一场潜在的金融风暴。

2026年，五大科技巨头（Alphabet、微软、亚马逊、Meta、甲骨文）的资本开支预计达7692亿美元，较2025年增长超77%，已几乎等同于四家企业全年运营现金流总和。谷歌甚至启动了850亿美元的史上最大规模股权融资。这场豪赌的回报，远未明朗。

🔍【章节索引】

一、地缘政治：绝对优势的危险与供应链的脆弱

美国在AI领域的压倒性优势可能导致地缘政治危险。台积电大部分生产仍在台湾，尽管公司已陆续在美国等地设立晶圆厂，但产能转移需要数年时间。

美国对中国供应链的依赖程度被严重低估。多元化成本高昂，难以在和平时期实现。美国跨党派参议员已敦促收紧对台积电等代工厂的规定，防止为中国企业海外子公司制造先进AI芯片。这进一步加剧了台积电的地缘政治压力。

当前中国AI技术落后美国6-9个月的现状，被视为一种相对稳定但可能不可持续的平衡。

二、AI的商业模式：高昂的推理成本与微弱的付费意愿

推理成本是AI商业化的第一道硬门槛。每次AI调用都消耗真实算力，开源模型并非真正“免费”——成本只是转移到了部署方。即便技术不再进步，现有的经济机遇已非常巨大，但前提是成本结构能够支撑规模化运营。

消费者不愿为软件付费是第二道障碍。微软推出的Microsoft 365 E7企业套餐定价每月99美元/用户，虽比单独购买各组件便宜约15美元，但分析师认为折扣力度不够。微软目前仅有1500万付费Copilot账户，相比4.5亿Office 365用户基数，转化率极低。

三、资本支出泡沫：当烧钱速度超过赚钱速度

五大云厂商2026年资本开支7692亿美元。伯恩斯坦预计全年四大超大规模云服务商（微软、亚马逊、谷歌、甲骨文）合计资本支出将达6230亿美元，若加上Meta则接近7600亿美元。这一规模已几乎等同于四家企业全年运营现金流总和。

科技公司正从自由现金流转向债务市场，最终不得不通过股权发行满足资金需求。谷歌启动850亿美元史上最大规模股权融资——2026年资本支出预计1800亿至1900亿美元，2027年将“显著”增加。摩根士丹利预计，AI投资规模有望在未来五年持续走高。

这让人想起19世纪的铁路泡沫——改变世界的技术，在建设阶段摧毁了无数投资者的财富。

四、科技巨头的差异化战略

亚马逊：通过AWS及自研芯片（Graviton、Trainium）构建了最深的护城河。自研芯片业务年化收入已超200亿美元，Trainium3近乎预订一空。其核心策略是“先内部使用，再对外提供”，确保每一代芯片都有真实需求验证。

苹果：凭借对用户访问的控制权和硬件制造能力，通过设备端AI规避高昂的推理成本。将AI模型本地化运行，不仅降低云端算力成本，更强化了隐私保护这一核心卖点。

微软：致力于成为企业级AI解决方案的平台和中间件提供商。E7套餐的推出是这一战略的体现，但99美元的定价和有限的Copilot用户基数暴露了变现的困难。

Meta：利用庞大的广告业务和社交网络流量，通过AI优化广告匹配和内容生成。但广告模式在AI时代面临结构性挑战——当智能本身变得廉价，广告的中间人价值可能被压缩。

谷歌：搜索业务利润丰厚，但AI投入巨大（850亿美元股权融资）。未来可能效仿伯克希尔哈撒韦，投资于低利润但绝对规模庞大的新领域。

五、半导体供应链：Nvidia的垄断与台积电的保守

Nvidia占据全球AI加速器市场超过75%的份额，在AI数据中心GPU市场仍占约80%至90%。这种“不自然”的垄断通过提供金融支持来维持高利润率，但面临来自超大规模云服务商自研芯片的长期威胁——在中国市场，国产AI加速芯片出货量份额2026年有望超过50%。

台积电保守的产能扩张策略将过剩风险转嫁给科技巨头，导致市场算力短缺。这种短缺促使科技公司寻求英特尔和三星作为芯片制造的多元化选择，从而“拯救”了英特尔的代工业务。

内存市场经历剧烈荣枯周期，三星通过逆周期投资崛起，现在趋于寡头垄断。

六、AI作为商品化趋势

计算能力和智能本身最终可能走向商品化，如同互联网带宽的商品化彻底改变了世界。AI在可验证领域（如编码、数学）表现出色，但在不可验证领域（如创造力、情感）的潜力仍待观察。

即使AI技术不再进步，其在现有能力下的经济机遇已非常巨大。人类擅长创造新需求和新工作，将在AI带来的变革中适应和发展——但这条适应之路，可能比预想的更加颠簸。

⚠️【风险提示】

资金链断裂风险：7692亿美元的年度资本开支若无法在合理期限内产生足够回报，科技巨头可能面临严重的财务压力。

地缘政治风险

🔥【核心洞察】

太空正从政府主导的探索前沿加速演变为“工业经济的新支柱”。高盛全球研究所近日发布题为《第二太空时代》（The Second Space Age）的重磅报告，明确指出发射成本骤降、私人资本涌入以及公开市场融资渠道全面打开，正在将太空重塑为一个全新的机构资产类别。

发射成本一代人内下降95%：将一公斤有效载荷送入轨道的成本已从航天飞机时代的约5.5万美元骤降至目前的约3000美元，降幅高达95%。SpaceX的猎鹰9号将成本降至约2700美元/公斤，猎鹰重型进一步降至约1400美元/公斤。若星舰最终实现完全重复使用，每公斤发射成本有望进一步降至50至100美元。这一成本革命彻底改变了太空经济的底层逻辑——从过去只有国家力量才能参与的高门槛游戏，变为商业资本可以大规模进入的可投资领域。

2035年全球太空经济规模预计达1.8万亿美元：2025年全球太空生态系统投资超过550亿美元，2026年第一季度单季投资已达创纪录的360亿美元。世界经济论坛等机构预测，全球太空经济将从2025年的约6260亿美元增长至2035年的1.8万亿美元。

公开市场IPO融资井喷：自2025年初以来，航空航天公司已通过IPO累计融资890亿美元。标志性案例包括SpaceX以约1.77万亿美元估值创下全球IPO历史之最（募资750亿美元）、Firefly Aerospace在登月任务后募资约9.99亿美元、York Space Systems募资约6.29亿美元、HawkEye 360募资约4.78亿美元。太空正成为公开股票市场中一个独特的独立行业板块。

🔍【章节索引】

一、成本革命：从“国家游戏”到“商业战场”

发射成本是太空经济最重要的单一数字——“它决定了从宽带星座到空间站的一切价格”。在可重复使用技术出现前的数十年间，每公斤入轨成本基本维持在1万至5.5万美元之间，太空是政府和超大型运营商的专属领域。

猎鹰9号的出现打破了这一屏障——复用火箭将成本降至约3000美元/公斤。猎鹰重型进一步降至约1400美元/公斤。若星舰全面可重复使用，目标是将成本推向50至100美元/公斤。正如一位观察者所言：“铁路的成功不是因为火车变大了，而是因为每英里成本崩溃了。星舰不是交通故事——它是基础设施故事，把太空从成本中心变成了财富发生器”。

二、轨道经济：从基础设施到万亿级产业

太空经济已从单一的国家主导项目演变为涵盖卫星通信、定位导航授时（PNT）、空间态势感知、地球观测、发射服务和地面基础设施的多元生态系统。低地球轨道（LEO）基础设施正成为重要的商业前沿——Starlink自2026年3月达1020万用户后，约53天内增至1200万用户。

高盛预测到2035年全球太空经济规模达1.8万亿美元。在轨服务、组装与制造（ISAM）、轨道计算和资源开采等新产业正在兴起。ISAM被视作解锁超大规模太空结构（如吉瓦级光伏阵列）的核心能力。

三、地缘政治竞争与治理真空

太空基础设施在现代战争中具有关键军事优势（通信、情报、PNT），引发各国政府巨额投资。美国国防部2027财年太空相关预算预计达710亿美元。

治理层面呈现两极分化：美国主导的《阿尔忒弥斯协定》已有超过64个国家签署，但中国和俄罗斯均未参与。两国正推动平行的《国际月球科研站》（ILRS）计划。现有的冷战时期太空法律框架难以有效应对轨道拥堵、碎片清除、月球资源开采和在轨制造等新兴挑战。

四、中国商业航天：从“航天大国”到“航天强国”

中国“十五五”规划纲要首次将“加快建设航天强国”写入国家未来五年重点任务，商业航天首次被定位为新兴支柱产业。国家航天局与市场监管总局联合发布了《商业航天标准体系（1.0版）》。

地方层面加速布局——上海计划到2030年具备150发商业火箭发射能力和年产500颗商业卫星制造能力；北京出台促进商业卫星遥感数据开发利用的专项政策。低轨卫星互联网建设已被纳入国家规划蓝图。

五、投资机会与战略应对

高盛强调，太空产业化的下一阶段需要在发射能力扩张、卫星制造工厂、月球基础设施、天基数据平台等领域投入巨额前期资本。融资能力本身已演化为核心竞争壁垒——具备高超技术执行力与公开市场信誉的企业，将更有能力扩大经营规模、整合行业资源并突破轨道经济的发展瓶颈。

控制发射能力、制造能力、轨道基础设施和太空衍生数据的公司与国家，将主导新兴太空领域的价值创造。随着太空衍生数据、连接和授时服务成本持续降低，它们将成为像互联网一样的基本基础设施。太空基础设施与地球基础设施的界限将日益模糊——认识和适应这一趋势的组织和国家，将塑造未来的全球经济格局。

⚠️【风险提示】

技术执行风险：星舰等下一代可重复使用系统的全面商业化仍面临工程和测试挑战，其成本目标的实现时间表存在不确定性。

轨道拥堵与碎片风险：低地球轨道日益拥挤，轨道碎片碰撞风险上升，可能威胁卫星资产安全并增加运营成本。

地缘政治风险：中美在太空治理框架上的分歧可能加剧，影响国际太空合作和商业太空活动的稳定性。

资本密集风险：太空行业属于资本密集型行业，前期投入巨大，回报周期较长。若融资环境收紧，可能影响行业扩张节奏。

监管风险：现有国际太空法律框架难以有效应对新兴挑战，监管不确定性可能制约商业太空活动的拓展。

🔥【核心洞察】

这是A股市场独有的一种日内交易规律。研究发现，在沪深300指数及其ETF中，下午倒数第二个半小时（14:00-14:30）和倒数第一个半小时（14:30-15:00）的收益，能够显著预测下一个半小时的收益。这种“尾盘动量”效应在全球文献中尚属首次发现。

核心数据：负向的第七个半小时（14:00-14:30下跌）对最后半小时（14:30-15:00）的预测R²值高达4.8%；正向的第六个半小时（13:30-14:00上涨）对第七个半小时的预测R²值为2.4%。

策略回报：利用ETF的T+0交易规则，单一信号策略可实现9.673% 的年化超额收益。混合策略（结合第六和第七个半小时信号）年化回报高达21.656%，夏普比率1.685，扣除0.06%交易成本后仍显著优于买入持有策略。

独特机制：这一现象主要源于散户主导的市场结构和T+1交易规则——散户无法当日止损，最优策略是收盘买入、次日开盘卖出，导致尾盘交易量和价格惯性增强。噪音交易、信息滞后交易、处置效应（过早卖出盈利股、过久持有亏损股）共同构成了这一效应的微观基础。

🔍【章节索引】

一、什么是“尾盘动量”？

“尾盘动量”指的是A股市场在交易日的最后半小时内存在显著的价格延续效应——某一半小时的收益方向，能够预测下一个半小时的收益方向。

具体来说：第七个半小时（14:00-14:30）的负向收益，能够预测第八个半小时（14:30-15:00）的收益方向，R²值达4.8%；而第六个半小时（13:30-14:00）的正向收益，能够预测第七个半小时的收益方向，R²值为2.4%。

这一模式与美股市场存在根本差异。在美国，做市商和机构投资者能够在日内随时买卖，日内动量通常由开盘半小时驱动；而在中国，T+1规则使得当日买入的股票最早次日才能卖出，投资者倾向于在收盘时买入、次日开盘时卖出，形成了独特的尾盘交易模式。

二、策略如何运作？

由于A股股票实行T+1交易，但ETF（交易型开放式指数基金）遵循T+0规则——当日买入可当日卖出。这一规则差异为策略提供了操作空间。

策略的核心逻辑：以第六个或第七个半小时的收益为信号进行市场择时操作。具体而言：

若第七个半小时收益为负，则买入ETF，持有至收盘

若第六个半小时收益为正，则买入ETF，持有至第七个半小时卖出

收益表现上，单一信号策略可实现9.673% 的年化超额收益。更重要的是，混合策略（将第六和第七个半小时信号结合使用）的年化回报高达21.656%，夏普比率达1.685。

扣除约0.06% 的交易成本后，策略仍显著优于买入持有策略，为平均风险厌恶型投资者带来每年5.662%至7.246% 的确定性等价回报。

三、为什么A股会有“尾盘动量”？

研究者将这一现象归因于中国市场的三大独特特征：

散户主导的市场结构：根据上交所2018年统计年鉴，散户交易占A股总成交额的82%。散户投资者普遍存在噪音交易（基于非理性信息交易）、信息滞后交易（消化市场信息需要更长时间）以及处置效应（倾向于过早卖出盈利股、过久持有亏损股）。

T+1交易规则：A股不允许当日买卖同一股票，导致投资者为规避隔夜风险，倾向于在尾盘决策。信息交易者倾向于在收盘前集中交易，推高了尾盘的交易量和价格惯性。

信息消化模式：散户投资者吸收市场信息需要较长时间，信息交易倾向于在收盘时进行，进一步强化了尾盘的动量效应。

四、策略的有效性条件

尾盘动量策略并非在所有市场环境下都同样有效。研究识别了策略表现更强的几种条件：

市场波动大、交易量高的日子，策略表现更强。订单失衡严重的日子（买方或卖方力量悬殊），预测能力更强。没有重大经济新闻发布的日子，策略表现更突出。

🔥【核心洞察】

本期播客深入探讨了在信息爆炸和不确定时期，“叙事”如何成为驱动资本市场、注意力分配及权力结构变迁的核心力量，并剖析了金融行业转型、AI对就业的长期影响，以及硅谷背后的哲学思想。

核心观点包括：一个在正确时机提出的核心思想（“Billion Dollar PDF”）能吸引数十亿美元资本；“发帖是最后一个伟大的精英制”，以X平台为代表的“Timeline Native”媒体正在重塑权力格局，发帖人阶层正成为新的权力中心；金融业正从债务驱动的杠杆收购转向股权驱动的种子投资；AI对就业的影响是短期内可能导致失业，但长期看人类将创造新工作；以及每个人都肩负着“管理自己天赋的道德责任”。

🔍【章节索引】

一、“Billion Dollar PDF”：叙事如何变成百亿美元？

“Billion Dollar PDF”指一个在正确时机以正确方式提出的、能成为时代基石并吸引数十亿美元资本的核心思想。在长期私募市场中，基金的“讲故事能力”是关键的“大过滤器”，因为现金回报需十年才能实现。创始人、资本和媒体在不确定时期共同构建叙事以吸引关注和资金，成为驱动资本流动的核心力量。

二、“Timeline Native”与发帖时代的权力转移

以X平台为代表的“统一信息流”成为现代现象的技术催化剂，深刻影响着舆论定价和政策走向。“发帖是最后一个伟大的精英制”——算法优先展示优质内容给亿万用户，而非仅依赖关注者数量。内容必须具备娱乐性才能吸引注意力。

新的权力结构正在形成：“巅峰之人”概念认为亿万富翁阶层地位下降，新的权力中心转向“发帖人”阶层。新兴的SPV和大型私营公司创造了“封建系统”，通过“分配”形成新的世袭财富。

三、金融业转型：从债务到股权的思维跃迁

金融业正从债务驱动的杠杆收购转向股权驱动的种子投资，体现更乐观的投资理念——相信长期增长而非短期套利。传统SaaS模式面临挑战，未来将是低毛利、薄净利、大规模的“计算销售”时代，而非零边际成本的“字符串销售”。

四、AI对就业的长期影响：“虚构工作”的未来

关于AI对就业的影响，视频提出了一个颇具冲击力的观点：许多白领工作本质上是“虚构的”——它们的存在并非因为创造实际价值，而是因为特定社会结构和商业模式需要它们存在。AI短期内可能导致失业，但长期看人类将创造新工作。关键在于个人如何适应这一转变。

五、个人使命与投资哲学

“每个人都有管理自己天赋的道德责任”，应将工作与天赋结合以实现个人价值。投资理念应趋向简单清晰，市场往往缺乏细微差别。专业投资者因受限于业务结构和客户期望，比普通人更难“击败市场”。

硅谷科技发展背后的文化和哲学传统（如新佛教功利主义、有效利他主义）被低估，塑造了其产品和世界观。

⚠️【风险提示】

本播客内容涉及对宏观趋势和未来方向的推测性讨论，“Billion Dollar PDF”等概念属于对叙事经济学的理论探讨，并非具体的投资建议。AI对就业的“虚构工作”论断具有争议性，不同学者和机构持不同观点。视频中涉及的权力转移、金融转型等判断代表了特定视角，投资者应结合自身认知进行独立判断。

🔥【核心洞察】

这是一项行为金融学的经典研究，首次大规模实证检验了“处置效应”——投资者系统性地倾向于过早卖出盈利股、过久持有亏损股。研究分析了1987年至1993年间10,000个折扣券商账户的详实交易数据。

研究核心发现，投资者展现出强烈偏好实现盈利而非亏损——实现盈利的比例显著高于实现亏损的比例。这种偏差并非出于理性的投资组合再平衡、交易成本考量或信息优势，纯粹是一种行为偏差。被卖出的盈利股票在后续几个月表现优于被保留的亏损股票，说明投资者的决策并未得到市场验证。

在税务后果上，处置效应与最优的税收损失卖出策略背道而驰，导致应税投资的税后收益显著降低。唯一例外发生在12月，此时投资者因税收动机而卖出亏损股票。通过卖盈持亏而非卖亏持盈，投资者一年后收益下降约4.4%，相当于每10万美元投资少赚4,400美元。

🔍【章节索引】

一、处置效应：经典的“卖盈持亏”偏差

处置效应的概念最早由行为经济学家Hersh Shefrin和Meir Statman在1985年提出，指的是投资者倾向于过早卖出盈利资产、过久持有亏损资产。其本质并非追求收益最大化，而是试图回避亏损带来的心理痛苦。

这项研究以1987年至1993年间1万个折扣券商账户的详实交易数据为样本，通过量化实现盈利比例（PGR）和实现亏损比例（PLR）来检验处置效应。PGR指已实现收益占全部账面收益的比例，PLR指已实现亏损占全部账面亏损的比例。实证结果明确显示，PGR显著高于PLR，说明投资者更倾向于落袋为安，而非认赔出局。

二、行为根源：前景理论的心理账户与后悔规避

研究将该行为根源指向丹尼尔·卡尼曼和阿莫斯·特沃斯基的前景理论——价值函数在盈利区呈风险厌恶形态，在亏损区呈风险寻求形态。当股价高于买入成本时，投资者因担心利润回吐而急于卖出；当股价低于成本时，投资者倾向于继续持有以避免“承认错误”。

另一个心理机制是后悔规避。当投资者卖出盈利股票后股价继续上涨，会产生“早知如此”的懊悔情绪；而持有亏损股票暂不卖出，则能将“我确实亏损了”的痛苦转化为“这只是账面浮亏”的暂时状态。两种因素叠加，共同塑造了处置效应的持续性。

三、经济后果：一年少赚4.4%的隐形损耗

该行为最直接的代价是税务损耗——过早实现短期资本利得、过久持有亏损头寸，导致应税投资者承担更高的税务成本。研究通过比较同一账户中卖盈持亏与卖亏持盈的税务后果，估算处置效应使投资者每年损失约4.4%的回报率。

更关键的是，投资者通过保留亏损股而放弃的潜在收益，远大于他们通过卖出盈利股所实现的收益。被卖出的盈利股在卖出后的表现依然优于那些被继续持有的亏损股。

四、唯一的例外：12月的税收损失卖出

研究发现了处置效应的唯一例外——每年12月，投资者实现亏损的比例会显著提高，与全年其他月份的行为模式形成鲜明对比。这一现象反映了投资者在年末会主动识别并兑现亏损头寸用于抵扣应税收入，说明投资者并非不知道“卖亏”是有价值的，而是在非税务压力下选择了回避心理痛苦。

五、研究贡献与数据方法

此前关于处置效应的研究主要依赖于小样本调查或共同基金、机构投资者的数据，难以确认散户投资者的真实行为模式。本研究利用折扣券商提供的账户级交易数据，首次实现了大规模样本中处置效应的系统检验，包含完整的买入、卖出及持仓记录。研究还排除了投资组合再平衡、交易成本和流动性需求等替代解释。

⚠️【风险提示】

该研究数据主要来源于1987年至1993年间美国折扣券商账户，市场微观结构和信息环境已发生显著变化。当前算法交易和智能投顾的普及可能降低了部分散户的行为偏差。投资者在参考该研究结论时，应结合自身税务状况和投资目标，避免机械套用历史规律。

🔥【核心洞察】

AI服务器需求正推动PCB产业进入前所未有的“超级周期”。高盛最新报告将2026年全球AI PCB市场规模预测上调35%至135.6亿美元，预计2027年将达到375亿美元，2028年进一步飙升至840亿美元。2026年至2028年，AI服务器PCB市场复合年增长率将达148%。

本轮增长与传统服务器周期截然不同，不仅来自出货量增加，还受到PCB层数提高、高阶HDI渗透、CCL材料升级以及整机柜内部PCB使用量增加等多重因素推动。PCB综合平均售价预计从2025年的每平方米5,833美元升至2026年的10,258美元、2027年的14,405美元和2028年的18,549美元，量价齐升逻辑清晰。

🔍【章节索引】

一、市场规模：从135亿到840亿美元的增长路径

高盛将2026年全球AI PCB市场规模预测上调35%至135.6亿美元，其中GPU服务器PCB预测仅上调5%至47.28亿美元，ASIC服务器PCB则上调60%至88.32亿美元。到2027年，全球AI PCB市场预计达到375.29亿美元，GPU和ASIC服务器PCB规模分别为188.03亿美元和187.26亿美元。2028年进一步增至840亿美元。

ASIC服务器成为上调预期的主要推动力。AI算力基础设施正由相对集中于GPU平台，逐渐向GPU、云厂商自研芯片和其他ASIC平台并行扩张。客户结构更加多元，能够同时进入GPU和ASIC供应链的厂商将获得更大增长空间。

二、产品价值跃升：技术升级驱动单机价值量倍增

英伟达新一代Vera Rubin（VR200）机架从ODM处采购价约780万美元，PCB价值量从GB300的约3.5万美元跃升至约11.7万美元，增幅达233%。Google TPU v8全面从M8升级为M9级高速低损耗覆铜板，搭配44至50层高多层PCB（V7为38层），并引入HDI工艺。

mSAP（改良型半加成法）工艺成为实现更精细线宽线距的关键技术。mSAP可稳定实现15至20μm超细线路，显著降低信号损耗，已成为高端光模块的刚需制程。臻鼎-KY预计2026年第四季度到2027年第一季度，mSAP产能有望挑战全球第一大，2030年mSAP占公司营收比重可达25%。

三、上游材料短缺：电子布半年涨100%，HVLP4缺口持续扩大

电子级玻璃纤维布（电子布）是覆铜板和PCB的核心增强材料，单台AI服务器所需电子布用量是传统服务器的3到5倍。2026年上半年，主流7628电子布市场均价达7.4元/米，较2025年第三季度低位累计涨幅约100%。7月初进一步涨至8.5至8.7元/米。

供给端受三重刚性约束：日本丰田工业占据全球高端电子布织布机80%以上市场份额，新订单交付周期已拉长至2028年。据广发证券测算，2026年普通电子布供需缺口高达1.13亿米。

HVLP4铜箔正成为2026年下半年最关键的供应约束。市场预计今年缺口将达1500吨，2027年进一步扩大至2500吨。适配HVLP4铜箔生产的高精度表面处理设备，全球年产能仅10至12台，交付周期长达18至24个月。

四、主要企业战略布局

臻鼎科技集团在NVIDIA AI平台中市场份额持续增长，mSAP和VPD技术领先。公司已领先全球量产1.6T光模块PCB。2026年服务器和光模块业务营收预计成倍增长，IC载板营收目标增长70%以上。鹏鼎控股（臻鼎子公司）募资约127.3亿元人民币，在淮安建置AI服务器及高速光模块高阶HDI生产基地。

联茂电子（EMC）在AI CCL市场地位持续巩固。据供应链调研，英伟达GB300/Rubin平台的CCL份额中，联茂约占15%。机构预计联茂将从新的AI平台增长中受益最大。高盛将联茂2026/2027财年盈利预测上调11.1%/17.1%。

建滔积层板通过垂直整合策略确保CCL生产稳定。2026年7月，建滔积层板掀起年内第六轮提价，涨幅10%至15%，主要源于上游玻璃布、铜箔等原材料涨价。

⚠️【风险提示】

材料短缺可能制约出货节奏。电子布和HVLP4铜箔的供应瓶颈短期内难以缓解，可能影响AI服务器量产进度。英伟达已直接介入上游材料供应协调。

产能扩张存在时间差。高盛判断，未来两年行业产能利用率仍将维持高位。高層數PCB和高階HDI生产流程复杂，良率低于普通产品，新增名义产能无法按相同比例转化为高端产品有效产能。

下游需求存在不确定性。若AI资本开支增速放缓，或云厂商调整采购节奏，PCB需求可能面临阶段性回调。

竞争格局变化风险。随着更多厂商涌入高端PCB和CCL领域，长期可能面临供给过剩和价格压力。

🔥【核心洞察】

传统关联动量为何失效？关联股票的上涨不一定能预测目标股票，未经信息筛选的股价涨跌受行业行情、主题拥挤或短期波动干扰，对目标股票的预测能力有限。核心问题在于：需要识别关联网络中真正具有外溢能力、来自可持续基本面变化的信息。

三大“基本面惊喜信号”包括研报标题正向惊喜、分析师评级上调、盈利预测上修。三类信号综合识别上市公司正向基本面变化，显著提高了信息覆盖率。“隐含关联公司超预期”是关键识别场景——当目标股票自身无惊喜但关联公司有惊喜时，信息从先行公司向滞后公司传导，这正是关联图谱因子最独特的捕捉能力。

在实证表现上，该因子RankIC达2.36%，与量价因子相关性低于5%，是独立的信息源。在2017年至2026年回测期内，将关联图谱因子加入七因子基础策略后，Top10组合年化净收益从12.90%提升至22.80%，增量达9.90个百分点，Sharpe比率从0.61提高到0.92。收益增量主要集中在组合排序前端，说明该因子更适合识别高置信度的头部股票。

🔍【章节索引】

一、传统关联动量：为什么“跟风”常常失效？

股票对共同基本面冲击的反应时间不同步，关联股票可能成为目标股票的前置信息源。但未经信息筛选的关联股票上涨信息并非都具有溢出效应。单纯的股价上涨信息受行业行情、主题拥挤或短期波动影响，对目标股票的预测能力有限。传统关联动量因子的RankIC表现不佳，症结正在于此。

二、关联图谱因子：如何“过滤噪音”？

核心思路是识别关联网络中真正具有外溢能力、来自可持续基本面变化的信息。在关联网络构建上，基于“分析师共同覆盖网络”（基于共同分析师覆盖数量及强度）和“研报标题主题网络”（基于研报标题语义相似度，补充跨行业关联）。在基本面惊喜识别上，综合研报标题正向惊喜、分析师评级上调、盈利预测上修三类信息。关键识别场景是目标股票自身无惊喜但关联公司有惊喜——“隐含关联公司超预期”，捕捉信息从先行公司向滞后公司的传导。因子由“信息暴露”“价格确认”“异常收益确认”等底层信号构成，并用原始关联收益作为负向控制项去除噪声。

三、实证表现：增量9.9个百分点，Sharpe从0.61到0.92

在2017年至2026年回测期内，将关联图谱因子加入七因子基础策略后，Top10组合年化净收益从12.90%提升至22.80%，增量9.90个百分点，Sharpe比率从0.61提高到0.92。收益增量主要集中在组合排序前端，随着持仓数量扩大增量逐步收窄，说明该因子更适合识别高置信度的头部股票。在多数年度区间内，增强策略均贡献了正向收益增量，尤其在近期表现突出。

四、为何有效？三个关键特征

独立性方面，与常见量价、价值、质量等因子相关性较低，尤其与量价类信号相关性低于5%，是独立的信息源。覆盖面方面，综合三类基本面惊喜信号，显著提高了信息覆盖率，避免单一信号遗漏。稳健性方面，敏感性测试表明该因子的有效性不依赖于特定的股票池筛选阈值或主题网络参数设定。

五、适用边界与局限

该因子本质是捕捉信息从先行公司向滞后公司的传导，在信息传递效率较低的市场环境中效果更明显。收益增量主要集中在头部组合，说明它更适合作为高置信度选股信号，而非普适性筛选工具。

⚠️【风险提示】

历史回测不代表未来，市场环境变化可能导致因子有效性下降。研报数据、评级和盈利预测可能存在误差。实际交易受流动性、冲击成本等因素影响，收益可能低于回测。因子表现可能具有阶段性，收益可能集中于少数股票或行业。

🔥【核心洞察】

Azure和Google Cloud风险调整后定价最具吸引力：汇丰银行对主要云服务提供商进行基准分析后发现，Microsoft Azure和Google Cloud在风险调整后估值最为吸引，而CoreWeave则被视为最昂贵。

ROIC差距悬殊：AWS领跑，OCI和CoreWeave仅个位数：2027年预期ROIC方面，AWS以18.9% 领跑，Google Cloud为16.0%，Azure为14.6%；而Oracle云基础设施和CoreWeave仅为个位数。

2028年预期EV/EBIT：Google Cloud最低（10.1倍），CoreWeave最高（27.0倍）：Google Cloud以10.1倍位居最低，Oracle为14.0倍，Azure为14.1倍，AWS为18.2倍，CoreWeave高达27.0倍。

客户集中度风险：OpenAI和Anthropic占多家云平台约50%的RPO：汇丰指出，OpenAI和Anthropic两家客户合计占OCI、Azure、Google Cloud和AWS约50% 的剩余履约义务（RPO），构成高度客户集中风险。

AWS短期合同敞口更大，再租赁风险更高：AWS的RPO覆盖未来12个月收入的2.5倍，而Azure和Google Cloud为3.4倍；CoreWeave和OCI的RPO覆盖期分别长达6.4年和18.8年。短期合同虽价格较高，但再租赁风险也更高。

🔍【章节索引】

一、投资资本回报率：AWS领先，OCI和CoreWeave落后

汇丰预计2027年ROIC方面，AWS以18.9% 位居首位，Google Cloud为16.0%，Azure为14.6%，而Oracle云基础设施和CoreWeave仅为个位数。Azure、AWS和Google Cloud因提供通用型云服务而非商品化GPU专用云，获得了更高的回报。

二、估值对比：Google Cloud最便宜，CoreWeave最贵

在2028年预期EV/EBIT上，Google Cloud以10.1倍为最低，Oracle为14.0倍，Azure为14.1倍，AWS为18.2倍，CoreWeave高达27.0倍。在EV/RPO指标上，OCI最低为0.45倍，CoreWeave为0.92倍；Azure为2.87倍，Google Cloud为2.17倍，反映市场对其利润率和执行力的信心。

汇丰认为，在风险调整的基础上，Microsoft Azure和Google Cloud的定价最具吸引力。

三、剩余履约义务：合同期限分化明显

AWS的RPO覆盖未来12个月收入的2.5倍，而Azure和Google Cloud为3.4倍；CoreWeave和OCI的RPO覆盖期分别长达6.4年和18.8年。短期合同价格较高但再租赁风险也更高。

四、主要风险：客户集中与融资压力

客户集中风险：OpenAI和Anthropic两家客户占OCI、Azure、Google Cloud和AWS约50% 的RPO。

CoreWeave和OCI面临更高的融资风险。

Oracle估值虽具吸引力，但净债务/非GAAP EBIT（2027年预期：3.6倍）较高，存在中等程度的财务风险。

🔥【核心洞察】

AI股7月直线暴跌40%-60%：2026年7月，AI相关股票经历了一场惨烈抛售，许多AI股直线下杀40%至60%。费城半导体指数从6月纪录高点累计跌幅达20%，正式步入熊市。

但每一项基本面指标都在加速：知名科技投资人Gavin Baker指出，他追踪的每一组量化指标都在加速——GPU租赁价格上涨50%-60%、超大规模云服务商运营现金流成长从28%攀升至32%。市场情绪与AI算力需求的实际数据之间存在显著脱节。

英伟达估值跌至十年最低：英伟达在不到两个月内市值蒸发约1万亿美元，远期市盈率降至18倍，为2019年初以来最低，甚至低于标普500指数的逾20倍。

AI算力租赁价格持续飙升：B200现货及合约综合租赁价格升至约5.0-5.2美元/GPU·小时，累计涨幅约25%-30%。Blackwell系列芯片单小时租赁价格较2月上涨48%。国内AI算力需求同比大增417%，而供给增速仅128%，供不应求格局明确。

英伟达推出“算力贷”新模式：7月1日，英伟达宣布推出融合收入分成与信贷支持的全新商业模式，允许AI云服务商在无需全额承担前期资本支出的情况下大规模部署英伟达基础设施。英伟达从芯片卖家向AI算力生态的“中央银行”演变。

🔍【章节索引】

一、市场恐慌与基本面脱节

7月的AI抛售使许多AI股直线下杀40%至60%。费城半导体指数两个交易日累计跌超11%。存储芯片个股自6月末高点开启急速、深度的杀跌行情。

但Baker追踪的每一项指标都在加速：GPU租赁价格上涨50%-60%、超大规模云服务商运营现金流成长从28%攀升至32%、英伟达处于十年最低的前瞻市盈率。贝莱德明确表示，近期科技和半导体股票的急剧抛售属于 “反应过度” ，市场正在将“AI竞争格局的转变”与“AI投资崩溃”混为一谈。

二、英伟达：估值十年最低，基本面十年最强

英伟达在不到两个月内市值蒸发约1万亿美元，远期市盈率降至18倍，为2019年初以来最低，甚至低于标普500指数的逾20倍。

高盛策略师指出，近期半导体走弱主要归因于杠杆资金从该板块外流。Ortus Advisors策略师表示，台积电财报未被市场认为足以支撑板块进一步上涨，反而引发了对AI领域过度支出的担忧。

但Baker认为市场对英伟达的抛售已显过度，其远期市盈率已降至今年最低水平附近。虽然部分企业正开发自研AI芯片，但仍高度依赖英伟达技术，尚未看到任何迹象表明英伟达将失去行业领先地位。

三、算力租赁：量价齐升，供需缺口持续扩大

B200现货及合约综合租赁价格升至约5.0-5.2美元/GPU·小时，累计涨幅约25%-30%

Blackwell系列芯片单小时租赁价格较2月上涨48%

H100一年期合约租金持续修复

H100八卡机月租报价约7.5万元，较半年前涨幅逾八成

国内AI算力需求同比大增417%，供给增速仅128%，供不应求格局明确

2026年全球AI基础设施支出有望超过1.36万亿美元

四、英伟达商业模式创新：“算力贷”开启新纪元

7月1日，英伟达宣布推出融合收入分成与信贷支持的全新商业模式。该模式允许AI云服务商在无需全额承担前期资本支出的情况下，大规模部署英伟达基础设施并对外提供算力服务。作为交换，英伟达除了获得芯片销售收入外，还将从云服务商的营收中抽取一定比例的分成。

英伟达正将其强大的资产负债表转化为市场杠杆，通过为新兴云服务商提供财务背书换取营收分成，悄然从芯片卖家向AI算力生态的 “中央银行” 演变。

五、开源模型加速AI普及

2026年6月22日，智谱正式发布并开源GLM 5.2，以MIT许可发布，支持自由下载、部署与商用。753B总参数的MoE模型，拥有1M token上下文窗口。截至2026年7月，开源大模型格局已发生历史性变化——Artificial Analysis开源智能指数前6名全部为中国模型，GLM-5.2以51分断层领先。

开源模型的崛起虽然可能影响前端模型利润，但极大推动了GPU需求和AI普及。模型迭代加速将进一步推动AI算力需求增长。

六、SpaceX的AI算力雄心

SpaceX公布宏大算力扩张计划，预计2026年底在线计算容量将超过2GW，2027年底提升至10GW。公司计划在地面和太空端部署英伟达Vera Rubin NVL72机架级系统。单颗Starmind卫星核心算力硬件由英伟达定制供应。SpaceX明确未来所有AI数据中心建设将独家采用英伟达系统。

七、AI对生产力的深远影响

AI正通过提高生产力驱动经济增长。在AI原生公司中，劳动力替代表现为“减少新雇佣”而非“裁员”——这是更加平滑的过渡方式。

AI在医疗健康等领域展现出巨大潜力，能够挽救生命、治愈罕见疾病。行业需要更好地讲述其积极的社会贡献故事，以对冲公众对AI耗电、耗水和取代工作的普遍误解。

⚠️【风险提示】

信贷与融资

🔥【核心洞察】

中国AI模型ARR年底将达130亿美元：高盛最新报告将中国AI模型合计年度经常性收入预测从此前的100亿美元上调至130亿美元，因需求增长更快、ARR爬升速度超出预期。报告分别将智谱和MiniMax 2026年收入预测上调35%和63%。

智谱ARR年底预计25亿美元，MiniMax 10亿美元：高盛上调智谱/MiniMax年底年化经常性收入至25亿美元/10亿美元。与此同时，高盛维持智谱“中性”评级（目标价1610港元），MiniMax则获“买入”评级（目标价800港元）。

竞争焦点从“价格战”转向“性能价格平衡”：高盛指出，中国AI模型竞争正从单纯的低价策略升级为对最佳性能价格平衡的追求。MiniMax H3开源权重定价约为同业的三分之一；DeepSeek V4 Flash（2840亿参数）前端编码能力接近GLM 5.2，阿里巴巴Qwen3.8 Max（2.4万亿参数）正式推出，两者均达到新的每美元性能效率前沿。

未来数月将出现2-5万亿参数级别的高端编码/代理模型：高盛预期，随着模型规模持续扩展，未来数月将出现2-5万亿参数规模级别的高端编码/代理聚焦模型竞争升级。

🔍【章节索引】

一、市场展望：ARR 130亿美元，五年25倍增长空间

高盛估计，中国AI模型行业2026年总ARR约130亿美元。更长期的预测显示，中国AI模型的API和订阅收入将从2026年估算的350亿元人民币增长到2030年的8790亿元，增幅约25倍，对应每日token消耗量从350万亿增长到4600万亿。

高盛预计2026年下半年国内计算能力供给将增加，并看好中国AI模型在成本效率、智能水平和定价能力方面的持续提升。

二、核心公司：智谱与MiniMax的评级分化

高盛将智谱2026年预测收入上调35%，维持“中性”评级，目标价1610港元；将MiniMax2026年预测收入上调63%，给予“买入”评级，目标价800港元。

MiniMax近期发布的多模态模型H3成为市场关注焦点。该模型于8月3日正式开源，能够统一理解文本、图像、视频和音频构成的多模态上下文，可生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。定价方面，H3在768p分辨率下价格约为同业一半，在2K分辨率下仅为同业三分之一。

三、竞争格局：从“价格战”到“性能效率战”

高盛预期中国AI模型之间对最佳性能价格平衡的竞争将加剧。

最新模型进展：

MiniMax H3：开源权重，定价约为同业三分之一

DeepSeek V4 Flash：2840亿参数，前端编码接近GLM 5.2

阿里巴巴Qwen3.8 Max：2.4万亿参数，在Arena.ai整体代码竞技场及前端编码排名上升

高盛认为，智谱的GLM-5.5及MiniMax的M3下次更新/M3 Pro模型将是下一个关注焦点。

四、多模态与智能体应用深化

高盛指出，中国AI模型公司正日益专注于将代理应用作为关键切入点。多模态/视频生成模型预计将实现显著的年化收入增长。

从技术路线分化来看，DeepSeek当前仍专注于基础文本模型，而阿里巴巴、字节跳动、MiniMax等则更倾向于多模态/全模态路线，在AGI探索路径上存在明显分化。

五、AI基础设施与算力发展

DeepSeek V4明确将华为昇腾950超级节点的量产纳入其商业路径，预计在2026年下半年实现大规模供货后，V4 Pro版本的API定价将迎来显著下降。高盛认为，这一表态具有双重意涵：DeepSeek的成本竞争力将进一步强化，同时中国顶尖AI模型向国产算力迁移的趋势得到头部玩家的明确背书。

腾讯云积极扩展国内AI芯片部署以降低推理成本。高盛此前报告指出，阿里巴巴和腾讯2026年全年总资本支出预计达1000亿美元。

六、移动应用生态与用户参与

高盛报告显示，国内AIGC应用参与度显著增长。腾讯Workbuddy连续六周周活跃用户增长超20%。短视频与社交持续强势，抖音主应用和极速版用户参与度同比分别增长27%和30%。

⚠️【风险提示】

竞争加剧风险：未来数月2-5万亿参数级别模型的密集发布可能引发新一轮价格战，压缩行业利润率

开源商业化风险：中国开放权重模型正逐步引入使用限制，大规模商业采用需通过正式许可进行收入分成

算力供给风险：国内ASIC供应增加速度存在不确定性，可能影响模型训练和部署节奏

海外政策风险：西方市场对中国模型的政策走向存在不确定性

估值风险：部分AI模型公司估值已反映较乐观预期，若ARR增长不及预期可能面临回调

🔥【核心洞察】

政策关键词从“跨周期”切换回“逆周期”：野村证券报告指出，二季度GDP增速放缓至4.3%，创下疫情后新低，总理李强在7月13日的专家座谈会上重新强调“加大逆周期政策调整力度”，而此前4月的会议曾省略该表述。野村解读认为，这一关键词的回归“预示着下半年政策力度将加大”。

财政发力、货币克制：降准降息短期难见：政治局会议延续“适度宽松”基调，但野村预计下半年不会实施降息或降准等高调刺激措施。财政才是主力——全年政府债净融资额度13.89万亿元，上半年已发行6.8万亿元，下半年剩余约7.1万亿元（比去年多0.7万亿）。“加快财政支出和债券资金使用进度”成为财政关键词。

贸易再平衡首次写入政治局会议纲领：会议明确提出“拓展国际经贸互利合作空间，大力发展服务贸易，促进贸易平衡发展”。这是中国高层首次将“贸易再平衡”纳入最高级别经济会议的政策框架，直接回应不断扩大的商品贸易顺差和日益紧张的国际贸易关系。

实际动作已在发生：取消退税+采购波音：政策并非停留在口号层面——2026年4月1日起，中国已取消光伏产品出口退税；6月26日，南方航空宣布采购7架波音货机，目录价约36.18亿美元。出口退税的退出与对美采购的增加，构成了贸易再平衡的一体两面。

🔍【章节索引】

一、为何转向“逆周期”？——4.3%的GDP增速敲响警钟

2026年二季度中国GDP同比增长4.3%，较一季度的5.0%回落0.7个百分点，创下疫情以来最低增速。上半年GDP增速为4.7%。

野村证券指出，6月经济数据显示“强劲的出口（同比增长27%）与疲软的内需之间存在巨大分化”——零售仅增长1.0%，固定资产投资下降10.0%。

正是在这一背景下，总理李强在7月13日的专家座谈会上重新强调“加大逆周期政策调整力度”。值得注意的是，“逆周期”一词在2025年10月曾被重点提及，但在2026年4月的会议中被省略。野村认为，此次重新强调“预示着下半年政策力度将加大”。

二、财政与货币的分化：加速花钱，但不轻易降息

政治局会议7月30日召开，延续“适度宽松”的货币政策基调。但野村预计，下半年不会实施降息或降准等重磅刺激。原因有三：传统货币政策工具空间或效果有限；以旧换新等短期政策存在“回拨效应”；决策层对基础设施投资回报率下降和财政赤字失控的担忧。

财政才是下半年的主力。全年政府债净融资额度13.89万亿元，上半年已发行6.8万亿元，下半年剩余约7.1万亿元（比去年多0.7万亿），叠加政策性金融工具8000亿元（比去年多0.3万亿），存量财政资源充裕。

会议明确要求“加快财政支出和债券资金使用进度”，长江证券解读为“财政节奏或由上半年的‘支出克制’转向下半年的‘加速发力’”。

三、贸易再平衡：从“出口导向”到“平衡发展”的历史性转向

本次政治局会议首次明确提出“拓展国际经贸互利合作空间，大力发展服务贸易，促进贸易平衡发展”。

这一表述的背景是中国服务贸易长期存在较大逆差——2025年服务贸易逆差达8287.2亿元，而商品贸易顺差却在持续扩大。在全球贸易紧张局势加剧的背景下，“贸易再平衡”正从学术讨论上升为国家政策。

四、实际动作：取消退税+采购波音

政策已从口号走向行动。2026年4月1日起，中国已取消光伏等产品的增值税出口退税；电池产品的出口退税率从9%下调至6%，并计划2027年1月1日起全面取消。

进口端同样有动作。6月26日，南方航空宣布旗下南货航向波音公司购买2架B777F和5架B777-8F货机，目录价格约36.18亿美元，并获得3架B777-8F的选择权。若选择权全部行使，合计约52.40亿美元。这是近年来中国航司对波音少有的批量采购。

出口退税的退出与对美采购的增加，构成贸易再平衡的一体两面——削减顺差部门、扩大进口来源。

⚠️【风险提示】

“逆周期”的回归并不意味着大规模刺激——野村明确指出支持措施的规模“可能受限”。传统的总量刺激正在让位于结构性财政工具。

贸易再平衡可能加剧国内出口部门的短期阵痛，尤其是光伏、电池等已取消退税的行业。

降准降息的“想象空间在打开”，但若经济持续走弱，政策工具箱的响应速度和力度仍是未知数。

🔥【核心洞察】

上调GDP增速至4.8%，中国成唯一被上调的主要经济体：摩根士丹利在2026年年中展望中，将中国实际GDP增速预测上调至4.8%（此前4.7%），2027年预测同步上调至4.7%。在全球地缘冲突与油价波动背景下，中国是摩根士丹利唯一上调增长预期的主要经济体。名义GDP增速预计达5.4%，为近四年来首次回升至5%以上。上调的核心逻辑在于：全球正出现从AI到能源深刻影响长期投资的“超级周期”，中国是深度介入、获益程度最高的经济体之一。

“K型经济”加剧：工厂忙得热火朝天，商场冷冷清清：报告用 “K型经济” 形容当下中国的复苏态势——出口与高技术产业一片火热，但房地产与服务业持续低迷。出口受全球AI与能源资本支出周期拉动保持强劲，全球份额预计从15%升至16.5%；但内需依然疲软，劳动力市场松弛、房地产市场深度调整以及结构性障碍使得出口的溢出效应远弱于以往。

AI+能源两大超级周期共振，5.5万亿美元投资蓄势待发：摩根士丹利173页蓝皮书《Energy Meets Compute: Supercycle Recharges》指出，AI算力爆发撞上亚洲能源系统十年欠账，5.5万亿美元的投资超级周期已被强行启动，最终将解锁9万亿美元的企业价值创造。2026-2030年间，亚洲年均能源投资将从过去十年的6600亿美元飙升至1.116万亿美元，年化增速9%（2015-2025年仅3%）。中国能源投资需求3.089万亿美元，占亚洲总量的56%以上。

AI 2.0新阶段：从对话式工具走向智能体：摩根士丹利指出，AI正进入2.0新阶段——从对话式工具向智能体（Agentic AI） 演进。OpenClaw等应用层快速崛起，AI正实现跨应用调用与自主执行，市场对AI算力中心回报的担忧明显缓解。51%的受调查企业已参与AI应用，IT、公用事业和材料行业受益显著。算力需求正从训练向推理转移，人形机器人商业化加速，L2+智能驾驶渗透率快速提升。

政策“巡航模式”：不刺激、不收紧、不慌不忙：面对出口韧性与AI投资热潮，政策并未大规模加码刺激。广义财政赤字率维持在GDP的11.7% 左右，不存在“补仓式”的下半年预算加码。央行不会主动引导人民币升值来纠正失衡。但政策已将提振居民消费提升至前所未有的高度，近日出台的《扩大消费“十五五”规划》是关键信号。

🔍【章节索引】

一、“K型经济”：火与冰的极致分化

报告用“K型经济”描绘当下中国复苏态势的不均衡状况。向上的那条线是出口与高技术产业：AI硬件、半导体、储能、电力设备、新能源出口爆发式增长，撑起整体经济基本盘。向下的那条线是房地产与服务业：新房库存去化周期一线城市超23个月、二线超30个月，房价较峰值累计下跌37%-45%。出口对整体经济的正面溢出效应较以往更为温和，就业和消费并未同步回暖。简单说：工厂忙得不可开交，商场却冷冷清清。

二、出口韧性：AI与能源双轮驱动的“压舱石”

在AI和能源资本支出超级周期的推动下，中国出口保持强劲。结构性因素支撑出口增长，预计中国全球出口份额将从当前的15% 上升至2030年的16.5%，电动车、电池和机器人等先进产业贡献主要增量。中国企业凭借在印制电路板、光学元器件、存储芯片等领域的核心竞争力，持续分享全球AI红利。但需注意：当前出口与产业升级更多集中在资本密集型部门，就业弹性相对更低，需求回升向新增投资与用工扩张的传导也更弱。

三、AI 2.0阶段：从训练到落地，从对话到行动

摩根士丹利认为中国AI已进入2.0新阶段。此前市场对AI算力中心的巨额投入是否有回报表示担忧，但随着进入智能体阶段，这种担心明显缓解。AI正在实现跨应用调用与自主执行。关键进展包括：算力需求从训练向推理转移、人形机器人商业化加速（2030年中国预期出货44.6万台）、L2+智能驾驶渗透率快速提升（2030年超50%）、AI芯片自给率目标在2030年达到86%。报告特别强调，中国是除美国外唯一拥有独立且全面AI生态系统的市场。

四、5.5万亿美元能源超级周期：谁在领跑？

摩根士丹利173页蓝皮书勾勒出清晰的能源投资版图。到2030年亚洲需要5.454万亿美元的能源安全投资。中国以3.089万亿美元居首，占亚洲总量的56%以上。可再生能源发电独占2.25万亿美元，是最大的一块；电网以1.745万亿美元紧随其后；能源物流1.6万亿美元；上游油气及化工1.4万亿美元。摩根士丹利指出，逾5万亿美元的资本开支需求有望推动可靠能源投资进入 “黄金时代” ，进而重构AI、粮食及科技供应链的安全基石。中国在风电、光伏、储能、电池及电力设备等产业链环节具备系统性优势，在全球能源转型中占据关键位置。

五、政策“巡航模式”：为何不搞大刺激？

出口的韧性降低了政府推出额外逆周期宽松政策的紧迫性。摩根士丹利预计2026年下半年周期性政策将按兵不动——不会追加财政额度，也

🔥【核心洞察】

五年内AI超越全人类智力总和：马斯克在《经济学人》90分钟专访中给出硅谷最激进的预测——AI综合智力将在约五年内超过全人类智力总和。“除了成为人这件事本身，大概没有什么是AI不能比人类做得更好的”。

2036年“惊人富足时代”：十年后（约2036年），AI与机器人将推动全球进入“惊人富足时代”，届时任何人都可以获得他们能想到的任何商品和服务，传统意义上的“金钱将不再重要” 。数字智能负责思考，机器人负责行动，两者相乘创造“准无限经济”。

工作将变成“可选爱好”：AI编程能力已超90%专业工程师，Optimus人形机器人落地后将接管体力劳动。未来工作将彻底变成可选爱好——如同现代人打理园艺，不必为生存劳作，可自由投身艺术、科研、星际探索。

AI灭绝人类概率10%-20%，但“不得不登船”：马斯克仍认为AI导致人类终结的概率在10%-20% 之间。但他将AI比作一枚有爆炸风险的火箭——“就算存在停止按钮，也不该现在按下”。“所有道路都通向AI加速，人类能做的不是终止发展，而是尽可能降低坏结果发生的概率”。

中国极大概率成为全球AI领导者：马斯克明确表示，中国在电力和芯片方面具备决定性优势——2026年中国发电量可能达美国三倍。他认为美国出口管制“完全无效”，中国距离解决先进光刻技术问题“比大多数人认为的更近”。“如果中国AI公司获得大量计算资源，它们很有可能成为领导者”。

呼吁AI公司“同行互审”：马斯克提出新监管机制——前沿模型发布前应向竞争对手开放1-2周安全测试权限。政府官员缺乏技术背景，应由巨头之间的商业博弈来保障安全。“为了全世界的利益，可以把个人分歧暂时搁置”。

预测英国内战“20年内”：马斯克在访谈中与主编激烈交锋，重申英国将在20年内陷入内战。主编反驳“伦敦比美国任何城市都安全”，马斯克回击称“如果大量持有与西方信仰对立观点的人口快速增长，迟早会有一场清算”。他自称支持“普通人”的三项原则：安全的边境、安全的城市、合理的政府支出。

🔍【章节索引】

一、五年超越，十年富足：马斯克的时间表

马斯克预测AI综合智力将在约五年内超过全人类智力总和

十年后（约2036年），人类将进入“惊人富足时代”，金钱将失去意义

两个底层类比：黑猩猩类比——未来超级智能与人类的智力差距，将远大于今天人类与黑猩猩的差距；Stockfish类比——AI写代码已强过90%专业工程师，正在走向99%，人类连“有意义的对抗”都构不成

历次自动化都给人类留了退路——从体力劳动退到认知劳动，再退到创意劳动——而当“一切”都被覆盖时，人类历史上第一次没有下一层可退

二、AI安全：10%-20%灭绝概率，但“不得不登船”

马斯克仍认为AI导致人类终结的概率在10%-20% 之间

他将AI比作一枚有20%爆炸风险的火箭——“就算存在停止按钮，也不该现在按下”

三年前他是签署“暂停前沿模型开发”公开信的人，如今态度彻底转变——“所有的路都通向AI加速，你要么为此难过，要么加入”

呼吁建立“同行互审”机制：前沿模型发布前应向竞争对手开放1-2周安全测试权限；领先AI公司至少每隔几周举行一次会议讨论安全问题；只有企业上报安全隐患却不着手解决时，政府才应介入

三、中美AI竞争：中国极大概率成为领导者

电力优势：2026年中国发电量可能达美国三倍，足以支撑耗能巨大的AI数据中心运行

芯片突破在即：中国距离解决先进光刻技术问题“比大多数人认为的更近”

出口管制“完全无效”：马斯克明确反对美国政府禁止企业使用中国AI模型，认为限制“根本没法减缓中国的技术发展速度”

他对月之暗面刚发布的Kimi K3模型印象深刻。“如果中国AI公司获得大量计算资源，它们很有可能成为领导者”

四、就业与经济：工作变成“可选爱好”

AI编程能力已超90% 专业工程师，下一步会超过99%

数字化岗位最先被全面接管，Optimus人形机器人落地后将接管体力劳动

工作将彻底变成可选爱好——不必为生存劳作，可自由投身艺术、科研、星际探索

经济面临通货紧缩而非通货膨胀——商品与服务产出将大幅增加

社会可能从“全民基本收入”走向“全民高收入”

五、星链与乌克兰地缘政治

马斯克称俄罗斯军队完全撤出乌克兰“不现实” ，主张“务实”的和平协议

详细披露了俄军如何绕过限制走私星链终端到前线

星链终端自2022年俄罗斯入侵以来对乌克兰军

🔥【核心洞察】

罚款金额与结构：国家市场监管总局7月25日对携程作出行政处罚，罚没款合计51.79亿元。其中包括：退还订单储备金1.22亿元、没收违法所得16.58亿元、罚款35.21亿元。罚款基于2025年中国境内销售额的7.5% 计算。

处罚比例创平台经济反垄断新高：携程7.5%的罚款比例，显著高于此前阿里巴巴的4%和美团的3%。这是我国在线旅游平台服务领域首起反垄断执法案件，也是反垄断执法中首次没收违法所得的重大案件。

两项核心垄断行为：调查认定携程自2020年起在中国境内在线酒店预订市场具有支配地位，实施了两类垄断行为：一是要求部分酒店开展独家合作，构成限定交易行为；二是强制部分酒店给予 “全网最低价” ，构成附加不合理交易条件行为。

技术工具强制执行：携程通过 “调价助手” 和 “挂牌通” 等技术工具直接干预酒店定价，配合流量限制、下架、扣留押金等手段确保执行。

🔍【章节索引】

一、处罚落地：51.79亿的“靴子”

2026年1月，市场监管总局对携程正式立案调查。经过约6个月的调查，7月25日作出行政处罚决定。这是在线旅游平台领域的首例反垄断执法案件。

二、为何罚得“最重”？——7.5%背后的逻辑

携程7.5%的罚款比例超过阿里（4%）和美团（3%）。原因在于携程同时实施了两种垄断行为——限定交易（独家合作）+附加不合理交易条件（全网最低价），且持续时间长、覆盖面广。这是反垄断执法中首次同时没收违法所得的案例。

三、携程的回应与整改

携程表示全面接受处罚，并公布五大方面共19项整改措施。核心举措包括：全面下线“特牌”独家合作模式、取消不合理流量排序、终止“全网最低价”要求、停用“调价助手”和“挂牌通”等技术工具。

四、市场反应：为何“利空出尽”？

罚款落地后，携程港股高开近4%，盘中涨幅一度达7.53%。多家机构将其解读为“不确定性消除”和“利空出尽”。

核心逻辑有三：调查自2026年1月已披露，市场已有充分预期；携程已于2026年1月停止了违规行为，未受到佣金率或市场份额调整等额外限制；51.79亿元罚款仅占携程现金储备的约4.9% ，公司截至2026年第一季度末拥有1040亿元充裕流动性，足以覆盖。

五、高盛维持“买入”评级

高盛认为，尽管罚款金额巨大，但携程现金流充足且已提前停止违规行为，预计市场将积极反应。高盛维持“买入”评级，目标价71美元/560港元，指出当前估值（11倍2026年预期市盈率）处于历史低位，较Booking.com折价约30%。

六、多家券商同步看好

摩根士丹利认为处罚结果符合预期，消除了市场负面忧虑。花旗指出罚款比例虽高于阿里美团，但负面影响低于部分投资者此前担忧的程度。富瑞将处罚落地视为正面消息。

⚠️【风险提示】

整改对盈利的潜在影响：取消独家合作和“全网最低价”要求可能影响有效佣金率，机构预计净利率或温和承压。新流量分配机制（如广告竞价）可在一定程度上抵消影响。

竞争格局变化：整改后酒店可同时与多个平台合作，可能加剧在线旅游平台间的竞争，影响携程的市场份额和定价能力。

监管常态化风险：本案标志着平台经济反垄断执法进入常态化阶段，未来其他业务线可能面临类似审查。

估值修复节奏：11倍市盈率虽处低位，但整改对盈利的实际影响需持续跟踪，估值修复可能并非一蹴而就。

🔥【核心洞察】

“没有KPI、没有组织、没有成文愿景” ：DeepSeek创始人梁文锋在近4小时投资人会议中披露，公司不靠规章制度管理，只靠“对世界的善意”和“对AGI的执念”凝聚团队。公司“甚至没有组织”，愿景“不是挂在墙上的标语，是你怎么做，不是怎么说”。不追求成为下一个字节或腾讯。

“克制是一种战略” ：API定价只求十个月收回设备成本，不追C端流量、不抢B端风口。“你越克制，越有可能做成”。梁文锋认为，AGI的商业价值足够大，“你随便分一点，利益就非常大”，当下根本不用考虑“怎么拿”。产品只是通往AGI的阶段性成果，无需投入过多资源做C端/B端产品。

AGI路线图清晰：CoT（思维链）→ Agent（智能体）→ 持续学习 → 自我迭代奇点 → 具身智能。梁文锋明确排除视频生成和3D建模，认为“持续学习之后，它就能自己开发下一个版本”。持续学习被视为继后训练强化学习之后的新范式。

算力现实与国产芯片判断：DeepSeek拥有约两万张H等效算力，落后美国12到18个月，用二十分之一的算力追赶。中美差距本质是算力差距，而非人才差距。国产芯片“生态没问题，产能是瓶颈”。公司与华为合作开发昇腾950芯片生态，认为CUDA生态护城河正在瓦解。

团队稳定性是“唯一不可退让的核心利益” ：梁文锋强调，只要团队稳定，AGI就一定能做成。公司决策建立在共识基础上，而非个人指令。员工一半时间自由探索，不强制加班。“做研究需要松弛的环境，你逼得很紧，就没法做研究”。

🔍【章节索引】

一、核心愿景与企业文化

DeepSeek的创立初衷并非以盈利为目的，而是“怀着一个对这个世界非常大的善意”。公司没有KPI、没有考核，只有愿景。这个愿景“甚至也不是成文的，并不是写出来的”。

梁文锋坦言：“我们并没有什么本事，我们并没有比别人有钱……我们就是一群非常平凡的人”。“克制是一种战略”——有时候舍弃一些东西，能换来做成AGI的更高概率。

二、AGI技术路线图

DeepSeek的AGI路径清晰：语言模型 → CoT（思维链）→ Agent（智能体）→ 持续学习 → 自我迭代奇点 → 具身智能。

梁文锋明确将持续学习列为当前核心研究方向，认为这是通往AGI乃至ASI的关键突破。公司已放弃3D/视频生成等非核心方向，聚焦于让模型具备“选择性记忆机制”，解决“灾难性遗忘”问题。

三、商业模式：以“克制”换“概率”

DeepSeek将C端和B端业务视为追求AGI过程中的“副产品”。API定价只求十个月收回设备成本，不追求利益最大化。

梁文锋判断：“AI这个事情足够大，最终它可能得占人类社会GDP的百分之十。一个人独占这个事情……你一定得跟别人分享，否则你肯定活不下来”。开源“因为这个愿景本身就要求开源”。

B端业务收入乐观预计可达数亿美元，足以覆盖研发和运营成本，实现现金流回正。

四、算力策略与国产芯片机遇

DeepSeek拥有约两万张H等效算力，落后美国12到18个月。梁文锋认为中美差距本质是算力差距，而非人才差距。

公司与华为合作开发昇腾950芯片生态。在2026年WAIC上，华为首次线下展示昇腾950超节点真机——1024张NPU高速互联，提供1 EFLOPS FP8、2 EFLOPS FP4算力。

梁文锋判断，NVIDIA CUDA生态护城河正在瓦解，AI和TileLang等高级语言的出现为国产AI芯片生态建设带来了历史性机遇。国产芯片“生态没问题，产能是瓶颈”。

五、团队管理与研究文化

团队稳定性是公司“最大的、甚至是唯一的不可退让的核心利益”。决策建立在共识基础上。管理两条线：从上到下+从下到上。员工一半时间不被安排，“想做什么就做什么”。

公司“一般也不太加班”。“做研究是需要一个比较松弛的环境，你如果逼得很紧，就没法做研究”。CoT研究“不消耗卡，只需要很少的卡，他需要的是想法”。

⚠️【风险提示】

算力差距风险：落后美国12-18个月，若国产芯片产能瓶颈无法突破，可能制约模型迭代速度。

AGI路线不确定性：持续学习作为核心研究方向，能否真正实现“自我迭代奇点”仍存在根本性科学不确定性。

商业可持续性：API定价仅覆盖设备成本，若B端收入不及预期，长期研发投入可能面临资金压力。

竞争格局风险：梁文锋判断“中国做基模的公司太多了，肯定会收敛”，行业整合可能带来竞争加剧。

团队稳定性：在“没有KPI、没有组织”的文化下，大规模扩张后能否维持原有的凝聚力和文化，是潜在挑战。

🔥【核心洞察】

具身智能成WAIC 2026绝对主角：本届大会具身智能展商达242家（同比增长203%），其中人形机器人公司92家；具身AI产品208款（同比+247%），现场演示人形机器人超300台（同比+100%）。具身智能从“概念秀”进入“百团大战”阶段。

AI模型向“VLA+WAM”融合架构演进：行业正从单一视觉语言模型（VLA）向“VLA+WAM（世界-动作模型）”融合架构演进。VLA负责“看懂世界”，WAM负责“在物理世界中行动”。两者结合显著提升人形机器人的任务效率和跨本体泛化能力，正成为行业主流技术标准。

数据策略转向“非具身视频数据”：行业数据采集正从昂贵的具身数据转向以自我为中心的非具身视频数据，目标3-5年内将数据量从千万小时级提升至亿小时级。UMI双指夹具、Ego第一人称视觉硬件等轻量化设备正被广泛应用。

商业化落地：工业物流>零售>家庭：工业物流和结构化工业环境最具商业成熟度，已从概念验证走向批量采用。零售场景（药店、餐饮、酒店）仍处“能用但低效”阶段。家庭场景因环境高度非标准化、软性物体操作成功率低，离真正商业化最远。

灵巧手供应商一年暴增4倍：上游灵巧手供应商从2025年的9家增至2026年的38家，自由度从11到42个不等，技术路线百花齐放，竞争快速升温。轮式底盘仍是下肢移动的主流方案。

🔍【章节索引】

一、WAIC 2026大会亮点：具身智能的“百团大战”

本届WAIC展会规模创历史之最：总展区面积超10万平方米，参展商1100+家（同比增长38%），演讲嘉宾1400+位（同比增长16%）。

具身智能展商242家（同比+203%），其中人形机器人公司92家。具身AI产品208款（同比+247%），现场演示人形机器人超300台（同比+100%）。这些数字说明具身智能已从“实验室里的未来”变成“展台上的现实”。

二、技术演进：从VLA到“VLA+WAM”融合架构

行业正从单一VLA模型向VLA+WAM融合架构演进。通俗理解：VLA负责“看懂世界”——识别物体、理解场景、解析语言指令；WAM负责“在物理世界中行动”——规划动作轨迹、预测物理交互结果。两者结合使机器人不仅能“看懂”，还能“做对”。

这一架构显著提升了人形机器人的任务成功率和跨本体泛化能力，正成为行业主流技术标准。

三、数据策略：用“看视频”替代“手把手教”

传统具身数据采集需要真实机器人操作，成本高、效率低、场景受限。行业正转向以自我为中心的非具身视频数据——用大量第一人称视频（如人类操作录像）训练模型，目标3-5年内将数据量从千万小时级提升至亿小时级。

UMI双指夹具、Ego第一人称视觉硬件、外骨骼数据手套等轻量化采集设备正在被广泛应用，大幅降低数据采集门槛。

四、商业化成熟度：工业物流先跑通，家庭场景最远

报告对具身智能商业化落地进行了分层判断：

工业物流搬运和结构化工业环境：商业成熟度最高，已从概念验证走向批量采用。这是当前最现实的落地场景。

零售场景（药店、餐饮、酒店） ：处于“能用但低效”阶段，需验证高频高强度连续操作下的可靠性。

家庭和消费场景：最具挑战性。环境高度非标准化、软性物体操作（如叠衣物）成功率低，离真正商业化尚远。

五、硬件供应链：轮式底盘仍是主流，灵巧手赛道大爆炸

下肢移动仍以轮式底盘为主流，“人马型”机器人（四足底盘+人形上半身）有望在超重载、复杂地形场景中应用。

上游供应链中灵巧手供应商从2025年的9家增至2026年的38家，自由度从11到42个不等，技术路线多样。部件-模块-本体价值链边界日益模糊，许多厂商通过扩展产品线寻求更高价值。

六、供应链投资建议

报告给出明确的供应链投资观点：

买入：汇川技术（工业自动化领军企业，人形机器人全栈布局潜力）、三花智控H股（热管理和执行器生产优势，估值有吸引力）

中性或卖出：绿的谐波、贝斯特（估值过高或短期增长受限）；鸣志电器（灵巧手市场竞争加剧、商品化风险、高估值）

⚠️【风险提示】

具身智能技术尚处早期，VLA+WAM架构的稳定性和泛化能力仍需验证

非具身视频数据训练出的模型能否真正替代真实交互数据，存在不确定性

家庭场景的商业化时间表可能远慢于市场预期

灵巧手供应商暴增4倍后，行业可能面临价格战和产能过剩风险

相关供应链公司估值已部分反映乐观预期，需关注业绩兑现节奏

🔥【核心洞察】

Kimi K3参数规模达2.8万亿：月之暗面于2026年7月17日正式发布开源权重模型Kimi K3，参数量达2.8万亿，在编程及部分智能体能力方面达到全球新水平。完整权重将于7月27日开放下载，届时它将成为全球参数量最大的开源权重模型。

定价创国产模型新高，向“定价权”跃迁：K3将混合API定价设为每百万token 2.3美元，显著高于国内同类竞品——阿里Qwen3.7 Max为1.4美元，智谱GLM5.2为0.9美元，MiniMax M3为0.22美元，DeepSeek V4 Pro为0.18美元。高盛认为这标志着中国AI模型公司正逐步从“成本效率”竞争向“定价权”跃迁。

智谱两日跌超40%，MiniMax跌近25%：K3发布后，港股“大模型第一股”智谱当日收跌28.49%，单日市值蒸发超2000亿港元；MiniMax同步下挫15.62%。两个交易日累计，智谱跌幅达42.47%，MiniMax达24.57%。高盛指出，这反映了市场对中国AI模型竞争格局及长期赢家的担忧。

高盛：中国AI正接近“智能临界点”：高盛表示，中国AI开源/开权重模型正接近全球普及的智能临界点，预期2026年下半年高端编程领域竞争将加剧，模型参数量将扩大至2万亿至5万亿。

🔍【章节索引】

一、Kimi K3的突破：2.8万亿参数的“开源巨人”

2026年7月17日凌晨，月之暗面正式发布Kimi K3，参数量达2.8万亿，拥有100万token上下文窗口，原生支持视觉理解

在Arena.ai编程排名及Artificial Analysis Intelligence评分中表现突出，Artificial Analysis智能指数57分，仅次于Claude Fable 5和GPT-5.6 Sol

被市场视为另一“DeepSeek时刻”，引发全球科技与半导体股应声重挫

K3采用混合专家架构，建议采用64张以上加速卡组成的超节点部署

二、定价策略：从“成本效率”到“定价权”的跃迁

K3混合API定价每百万token 2.3美元，创国产模型新高

对比国内竞品：Qwen3.7 Max（1.4美元）、智谱GLM5.2（0.9美元）、MiniMax M3（0.22美元）、DeepSeek V4 Pro（0.18美元）

高盛认为，K3的定价表明中国AI模型公司正逐步从“价格战”转向“价值战”，试图争夺定价权

但仍低于全球最先进模型，中国AI定价权的完全确立仍需时间

三、市场反应：智谱、MiniMax暴跌，竞争格局重估

K3发布当日，智谱收跌28.49%，市值蒸发超2000亿港元；MiniMax收跌15.62%

两个交易日累计：智谱跌42.47%，MiniMax跌24.57%

高盛指出，股价急跌反映市场对中国AI模型竞争格局及长期赢家的担忧，“模型公司领导地位的竞争格局和可持续性仍然高度波动”

全球科技股3日蒸发超4700亿美元，投资者对“算力扩张时代”是否已走到尽头产生疑虑

四、竞争格局：高端编程成主战场，Agent应用成关键切入点

高盛预期2026年下半年高端编程领域竞争将加剧

中国AI模型公司将日益专注于将Agent/代理应用作为关键切入点

主要玩家包括：腾讯WorkBuddy/CodeBuddy、Kimi Code/Work、智谱ZCode、阿里Qoder、字节TRAE Work、MiniMax等

腾讯CodeBuddy已覆盖超95%工程师，WorkBuddy月访问量突破2097万次

低端代理应用市场的API定价将持续承压（约0.1-0.2美元/百万Tokens），因中国AI公司融资后拥有充足现金缓冲来补贴价格

五、未来趋势：更大参数、更强多模态

预计2026年下半年将有更多参数规模达2万亿至5万亿的大型中文AI模型面世

模型将向多模态/视觉理解能力全面升级

多模态/视频生成模型（字节SeeDance、快手Kling、MiniMax Hailuo/H3）预计将实现显著年化收入增长

六、主要风险因素

国内ASIC供应增加可能改变算力格局

对中国未来最前沿模型海外访问的限制

西方市场对中国模型的政策不确定性

高端计算资源的可及性仍是制约因素

⚠️【风险提示】

中国AI模型市场竞争格局仍高度不确定，头部公司的领导地位可持续性存疑

API定价压力持续，低端市场价格战可能侵蚀利润

全球科技股对“DeepSeek时刻”式冲击的敏感度提升，可能引发更广泛的市场波动

监管政策变化可能影响中国AI模型的海外拓展

🔥【核心洞察】

目标价上调至387元/582港元：高盛重申对澜起科技（688008.SS）的“买入”评级，A股12个月目标价维持387元人民币（基于48倍2030年折现市盈率），H股目标价微调至582港元（基于66.2倍2030年市盈率）。此前高盛已多次上调目标价——从1月的200元到5月的363元，再到当前的387元，目标价在半年内近乎翻倍。

Q2业绩超预期，净利润指引中位数高出大行预期48%：2026年第二季度营收达19亿元，同比增长34%，超出高盛预期5%。上半年归母净利润预计19亿至21亿元，同比增长63.9%至81.2%。增长主要受益于AI产业趋势下的需求旺盛——DDR5 RCD芯片出货量显著增加，第三、第四子代RCD芯片出货占比进一步提升。

互连类芯片Q2收入16.94亿元，同比+28.2%：2026年上半年互连类芯片产品线销售收入约31.11亿元，同比增长26.4%。其中第二季度单季收入约16.94亿元，同比增长28.2%，环比增长19.5%。MRCD/MDB、PCIe Retimer、CKD及CXL MXC等新产品收入“显著攀升”。

MRCD/MDB成短期最强催化剂：高盛预期MRCD和MDB将成为澜起科技强劲的短期推动力，第二代产品已进入大规模送样阶段，并吸引客户浓厚兴趣，正等待兼容的CPU平台于2026年底及2027年推出市场。

🔍【章节索引】

一、业绩超预期：Q2营收19亿，净利润指引高出预期48%

澜起科技2026年第二季度表现强劲，营收达19亿元，同比增长34%，超出高盛预期5%。净利润指引为人民币10亿至12亿元，中位数超出高盛预期48%。

业绩超预期主要归因于两大因素：一是产品组合向新一代产品（DDR5 Gen-3/Gen-4接口IC）升级，二是非营业收入好于预期。上半年整体来看，公司实现营业收入约33.35亿元，同比增长约26.6%。归母净利润19亿至21亿元，同比增长63.9%至81.2%。

二、产品路线图：DDR5迭代加速，DDR6已在路上

DDR5接口IC快速迭代：DDR5 Gen-3销售已超越Gen-2，Gen-4开始出货，Gen-5已向客户出货。快速迭代支撑平均售价和毛利率持续提升。

下一代DDR6 Gen-1：公司正在开发DDR6 Gen-1接口IC，为下一代内存接口标准提前布局。

MRCD/MDB：第二代产品进入大规模送样阶段，等待兼容CPU平台于2026年底及2027年推出市场。这是高盛眼中澜起科技短期最重要的催化剂。

新领域扩张：公司长期看好在CXL、PCIe和光互连IC等新产品的扩展。PCIe 6.x/CXL 3.x Retimer芯片已于2025年1月推出并向客户送样，正积极配合客户测试验证。PCIe/CXL互连领域已实现PCIe Retimer和CXL MXC两款产品量产，正全力推进PCIe Switch芯片研发。

三、市场驱动：Agentic AI引爆内存管理需求

受益于Agentic AI的日益普及以及CPU和内存管理工作负载的增加，内存接口IC需求持续上升。高盛认为产品迭代加速验证了AI对高带宽内存的渴求程度，这将使澜起科技享受量价齐升的双重扩张。

公司积极拓展产品线，包括MRDIMM、PCIe、CXL、以太网及光互连IC，支持长期发展，捕捉新的AI互连市场规模。高盛预计2026-2028年净利润复合年增长率可达38%。

四、投资要点与目标价

评级：A股和H股均维持“买入”评级

A股目标价：387元人民币（基于48倍2030年折现市盈率）

H股目标价：582港元（基于66.2倍2030年市盈率）

估值方法：采用2030年预期折现市盈率（贴现率11.5%），隐含2026年市盈率约64倍

增长可见性：2026及2027年净利润预测分别较市场预期高出13%及16%，主要反映新产品导入带动的更高营收

⚠️【风险提示】

市场增长风险：内存接口IC市场增长可能低于预期

产品推出风险：新产品推出速度可能慢于预期

竞争加剧风险：市场竞争可能超出预期

CPU平台节奏风险：MRCD/MDB的大规模应用依赖于兼容CPU平台的推出时间（2026年底至2027年），若平台延迟将直接影响新产品放量节奏

🔥【核心洞察】

AI瓶颈从“算力墙”转向“存储墙”：摩根士丹利2026年7月重磅报告提出标志性论断——“GPU决定AI跑多快，内存系统决定AI走多远” 。容量不足、带宽受限和成本高企三大矛盾，共同构成制约AI进一步扩张的“存储墙”（Memory Wall）。

需求增长320倍，带宽仅增14%：全球AI推理Token生成量从2024年每月约10万亿个激增至2026年3200万亿个，增幅超320倍；而DDR5单通道带宽两年仅从44.8GB/s增至51.2GB/s，增幅仅14%。这组数据是“存储墙”最直观的数学表达。

DRAM价格重回近30年高位，存储占服务器BOM已达73%：当前CPU服务器中存储相关BOM成本占比已高达73%。摩根士丹利认为这已不仅是供给不足，更折射出架构、接口、封装、计算模式与材料体系的系统性挑战。

到2030年云端存储支出将达4180亿美元：存储在云厂商资本开支中的占比将从2023年的12% 提升至2027年的40% 。到2030年，云端存储支出预计将达4180亿美元，2026-2030年复合增速约8%。不含HBM的新型存储技术TAM将从2025年12亿美元扩大至2030年230亿美元；计入HBM后整体市场可达2760亿美元。

投资逻辑从GPU向六大创新方向扩散：大摩认为，AI产业链的投资重心正从GPU等计算芯片，向先进制程、存储架构、先进封装、互连与外设、存内计算、新材料六大方向扩散。三星、SK海力士、美光凭借HBM与先进制程维持定价权；澜起科技（接口芯片）、华邦电、兆易创新等“赋能者”迎来确定性增长。

🔍【章节索引】

一、核心论断：从“算力墙”到“存储墙”

过去两年市场高度聚焦于GPU算力竞赛，但随着大模型参数规模的膨胀和推理Token数量的指数级增长，数据供给能力已成为比计算能力更紧迫的瓶颈。摩根士丹利在2026年7月发布的全球科技深度报告中指出：AI产业的核心瓶颈正从“算力墙”转向“存储墙”——处理器性能持续攀升，但存储带宽与容量的提升严重滞后。

这一判断的底层逻辑很简单：再强的GPU，如果数据喂不进去、算完的结果存不下来，整个系统就只能“空转”。内存，已经从AI系统里的“配角”变成了“主角”。

二、数据论证：错配有多严重？

大摩用一组对比数据量化了“存储墙”的严峻程度：

需求端：全球AI推理Token生成量将从2024年的每月约10万亿个，激增至2026年的3200万亿个，增幅超过320倍。

供给端：DDR5单通道带宽预计仅从2024年的44.8GB/s增至2026年的51.2GB/s，两年增幅仅约14%。

需求增长320倍与带宽提升14%之间的巨大落差，构成了“存储墙”最直观的数学表达。报告进一步指出，当前CPU服务器中存储相关BOM成本占比已高达73%，DRAM每GB价格回升至近30年高位。

三、市场规模与影响边界

大摩给出了几项关键预测：

云端存储支出：到2030年将达到4180亿美元，2026年至2030年复合增速约8%。

存储资本开支占比：存储在云厂商资本开支中的占比将从2023年的12% 提升至2027年的40%。

新型存储TAM：不含HBM的新型存储技术总市场规模将从2025年的12亿美元扩大至2030年的230亿美元；若计入HBM，2030年整体市场可达2760亿美元。

HBM单独看：HBM市场有望从2025年的350亿美元增长至2030年的2460亿美元。

四、六大创新方向：如何突破“存储墙”？

围绕突破“存储墙”，摩根士丹利将未来技术演进归纳为六大创新方向：

方向一：先进制程
DRAM已进入1γ（1c）节点时代，三星、SK海力士和美光均已启动量产或爬坡。但从1β到1γ的线宽缩小幅度已不足10%，二维DRAM正逐渐接近物理极限。NAND方面，行业已迈入200层至300层时代，美光量产276层、三星第九代V-NAND达286层、SK海力士已实现321层量产，路线图指向2030年前突破1000层。

方向二：存储架构创新
包括PLC NAND（每单元存储5比特）、3D DRAM（垂直堆叠突破密度瓶颈）、ZAM以及zHBM等新架构正在推进。其中，3D DRAM希望通过垂直堆叠突破密度瓶颈，但具备完整电容结构的量产仍需较长时间。

方向三：先进封装
HBM路线图正朝HBM4和HBM4E演进，16层HBM4E预计2027年量产，单堆栈带宽可达1.5-2 TB/s。晶圆对晶圆（WoW）堆叠市场预计从2025年的1000万美元增长至2030年的98亿美元，复合年增长率高达322%。

方向四：互连与外设

🔥【核心洞察】

BofA提出美元下半年“3H”看涨框架：美国银行全球研究指出，2026年下半年美元将受到霍尔木兹海峡（Hormuz）地缘紧张、美联储（Hawkish Fed）鹰派立场、超大规模企业（Hyperscalers）AI资本开支三大主题的共同支撑。三个因素叠加，对美元构成“净看涨”环境。

霍尔木兹紧张推升油价，美元与油价相关性重新挂钩：中东局势再度紧张，布伦特原油从低点已反弹约20%。BofA外汇策略师Alex Cohen指出，市场存在大量石油净空头头寸，叠加库存处于低位，油价下行门槛高于上行门槛。美元与油价的相关性在6月底7月初断裂后已重新恢复。核心逻辑是：油价上涨推升通胀预期→压缩美联储降息空间→美元走强。

美联储年内预期加息三次，市场定价仅一次：BofA持有“远超市场共识”的加息预测，预计美联储将在9月、10月和12月各加息25个基点，全年累计加息75个基点，将联邦基金利率目标区间推升至4.25%-4.50%。相比之下，市场目前仅定价约28个基点的加息幅度。BofA首席美国经济学家Aditya Bhave团队指出，就业市场已重回趋势线之上、核心PCE通胀预计维持高位、美联储主席Warsh反复强调2%通胀目标“绝不动摇”，是支撑加息预测的三大论据。Warsh近期在国会明确表示：“通胀是一种选择”，美联储对长期高通胀持“零容忍”态度。

AI超大规模资本开支：美国五大巨头是“自己人”的26倍：BofA预计，美国前五大超大规模企业2027年资本支出将达约9000亿美元，而全球前25家非美国公司合计仅约2200亿美元。根据BofA的6月情绪调查，65% 的受访者认为AI对美元有净正面影响，仅12%认为负面。AI相关的半导体、内存、电力等成本持续上涨，即便整体通胀压力有所缓解，仍可能强化美联储的鹰派倾向。巴克莱预测，五大云巨头的资本开支将从2025年约3680亿美元升至2026年6740亿美元、2027年9190亿美元。

🔍【章节索引】

一、霍尔木兹海峡：地缘溢价重返市场

美伊局势反复，油价自6月低点反弹约20%

夏季燃料需求高峰叠加全球石油库存持续减少，油价回落空间有限

6月布伦特期货均价84.4美元/桶，环比下跌19.3美元/桶；7月中旬布伦特重回85美元上方

核心逻辑：油价→通胀预期→美联储政策路径→美元

二、美联储：市场与BofA的预期差高达47个基点

BofA预测：9月、10月、12月各加息25bp，全年75bp

市场定价：仅约28bp

支撑论据：

就业市场已重回趋势线之上

核心PCE通胀5月预计触及3.5%，住房以外的核心服务通胀依然粘滞

Warsh：2%通胀目标“绝不动摇”，期待宽松者将“感到失望”

实际利率差值已在美元有利方向上扩大

三、AI超大规模资本开支：美国独大的资本流入引擎

美国前五大超大规模企业2027年资本支出：约9000亿美元

全球前25家非美国公司合计：约2200亿美元

巴克莱预测：五大云巨头资本开支2025年3680亿→2026年6740亿→2027年9190亿→2028年1.16万亿美元

资本开支占经营现金流比例预计从2025年61%升至2026年91%

AI对美元的传导路径：资本流入→支撑美国增长→维持通胀压力→美元走强

四、仓位信号：期货市场可能高估了美元多头拥挤度

尽管美元期货净多头接近数十年高位，但BofA认为这可能夸大了实际看涨程度

基于BofA自身情绪调查和期权定价，美元仍有上行空间

⚠️【风险提示】

地缘缓和风险：若美伊谈判取得突破、霍尔木兹海峡通行恢复，油价可能快速回落，削弱美元第一重支撑

美联储不及预期鹰派：若后续通胀数据持续走软或就业市场明显降温，BofA的三次加息预测可能落空

AI资本开支放缓：若AI投资回报不及预期，超大规模企业可能削减资本开支计划

美元已计入大量乐观预期：若三大主题中有任何一个不及预期，美元可能面临回调压力

🔥【核心洞察】

四大瓶颈卡住商业化喉咙：标准未定、可靠性验证不足、800V HVDC已“足够好”、缺乏成熟案例。SST的大规模数据中心部署2028年前基本不可能。

订单数据令人清醒：北美一家电气设备公司目前仅获得约100-200台SST订单，中国西电仅4台海外订单。国内超20家公司宣布进入SST领域，但专家指出多数仍停留在研发阶段，缺乏量产能力。

800V HVDC是更务实的过渡方案：传统UPS、800V HVDC和SST三种架构预计将共存5到10年。SST不是来“革HVDC的命”，而是在HVDC触及天花板后才轮到它上场。

台达电子领跑，中国厂商硬件不差但缺数据：台达被专家视为第一梯队，关键优势在于早期部署积累的运营数据。国内厂商硬件层面没有明显劣势，真正差距在于获取真实部署和运行数据的能力。

近期更现实的落地场景：EV充电、高能耗工业、可再生能源+储能、微电网。这些场景对可靠性验证周期相对宽松，更适合SST早期“练级”。

🔍【章节索引】

一、SST的诱人前景：为什么市场这么热？

效率提升5个百分点以上：传统“工频变压器+UPS”链路效率通常不到90%

体积缩至1/5到1/10：释放宝贵的机房面积，支撑更高功率密度

智能双向调度：充当“能源路由器”，实现风电、光伏和储能的灵活整合

二、800V HVDC：更务实的过渡方案

保留传统工频变压器，下游配电改为800V直流

三种架构预计共存5-10年

时间线：2026-2027年仍以传统400V为主；2027H2-2028年Kyber带动机架级800V规模化部署；2028年后SST成熟

三、商业化四大瓶颈

标准缺失：行业无统一规范，供应商和业主都不敢动

可靠性验证不足：长期运行数据极为有限，业主不愿冒险

800V HVDC已“足够好”：SST在某些场景被视作“过度工程”

成本不是核心问题：更根本的是业主缺乏大规模试点意愿

四、供应商格局

台达电子（第一梯队） ：研发最早、认可度最高、关键在运营数据积累。东阳光联合秦淮数据已建成投运台达SST项目

中国厂商：阳光电源7月9日发商业化产品；四方股份有电网经验；中国西电已获海外订单

硬件不差，差的是数据：国内厂商在硬件层面没有明显劣势，真正的差距在于获取真实部署和运行数据的能力

五、更现实的落地场景：EV充电、高能耗工业、可再生能源+储能、微电网

⚠️【风险提示】

商业化进度严重不及预期

超32家概念股宣布进入，多数仍缺量产能力

标准缺失、可靠性验证不足、替代方案挤压等多重风险

🔥【核心洞察】

Scale-Up市场规模四年上调四倍：摩根士丹利2026年7月13日最新报告将AI“扩展网络”（Scale-Up Network）市场规模预测上调至2030年约720亿美元，是去年预测的2029年170亿美元规模的四倍以上。同期Scale-Out（跨集群网络）市场约520亿美元。

“铜缆不退，光学必来”——铜的寿命比想象中长，但光终将胜出：在单机架内，铜缆凭借低延迟、低功耗、低成本仍是首选。但随着信号速率从100G向200G/400G SerDes演进，AI集群从8卡走向144卡（Vera Rubin）、甚至1152卡（Feynman），“铜墙”将迫使光进铜退。

CPO真正爆发在2029年以后：大摩认为2028年仅是CPO在Scale-Up中小规模渗透（约3.5%），真正成规模在2029年及以后（Feynman代际）。近期因担忧2028年光模块延迟/渗透低导致的抛售被过度放大。

上调Keysight至“增持”，目标价400美元：大摩将测试测量龙头Keysight从“持平”上调至“增持”，目标价从350美元提升至400美元。逻辑在于：AI网络架构（以太网、InfiniBand、铜、光、CPO等）越发散且不确定，测试需求越旺盛，Keysight作为 “架构无关”的卖水人最受益。

🔍【章节索引】

一、Scale-Up网络：为什么突然成了720亿美元的赛道？

Scale-Up网络的核心使命是让同一集群内的加速器像单一系统一样工作，通过实现内存共享与协同计算，消除通信瓶颈。

增长由两大力量驱动：资本开支的指数级膨胀和集群规模的指数级扩张。AI集群正从8卡走向72卡（Blackwell）、144卡（Vera Rubin）、甚至1152卡（Feynman）。集群越大，Scale-Up网络的价值占比越高。

二、铜缆与光纤之争：短期铜不退，长期光必来

铜缆的“续命”逻辑：PAM4、更强DSP、Retimer、连接器改进等技术迭代，多次推迟了铜缆的“葬礼”。在单机架内（Intra-rack），铜缆凭借低延迟、低功耗、低成本及开放生态，仍是短期王者。

光纤的“侵入”逻辑：当信号速率从100G向200G/400G SerDes演进，电气传输距离急剧缩短。多机架架构迫使光进铜退。光引擎每GPU数量将从当前的2个升至全CPO时代的35个。NPO（近封装光学）作为过渡方案先于CPO登场，光学内容量与带宽正相关。

三、CPO时间表：2028年只是序章，2029年后才是主战场

大摩明确指出，2028年仅是CPO在Scale-Up中小规模渗透（约3.5%），真正成规模在2029年及以后（Feynman代际）。

市场近期因担忧2028年光模块延迟/渗透低导致的抛售被过度放大。CPO将光引擎与ASIC同封装，功耗可降低50-80%，但供应链成熟度低、封装复杂仍是现实挑战。

四、互联生态：NVLink独大，群雄逐鹿

NVLink（NVIDIA） ：闭源，性能最强，主导地位稳固

NVLink Fusion：开放给第三方CPU/XPU

SUE/ESUN（Broadcom/Marvell等以太网阵营） ：开放生态

PCIe（Astera/Broadcom） ：过渡方案，Trainium在用

UALink（AMD联盟） ：开放内存语义互联，2027年后商用硅问世

2026年起，AWS Trainium、AMD MI系列、Google TPU等创造“绿地”机会，非NVIDIA生态正在崛起。

五、投资逻辑：谁是最大受益者？

Keysight（KEYS）——最确定的“卖水人” ：大摩将其评级从“持平”上调至“增持”，目标价从350美元升至400美元。无论以太网、InfiniBand、铜、光还是CPO最终胜出，网络架构越发散，测试需求越旺盛。

光学组件供应商——长期最清晰受益者：Lumentum（LITE）、Coherent（COHR）、Corning（GLW）是光进入Scale-Up最清晰的受益者。

A股映射：

光模块：中际旭创、新易盛——对标LITE/COHR的收发器与CPO光引擎整合角色

精密光学器件：天孚通信——NPO架构中“光学构建块”供应商（外置激光源、FAU等），深度绑定北美云厂商

光芯片：源杰科技等

测试设备：联讯仪器、普源精电——对标Keysight的国内测试测量标的

⚠️【风险提示】

铜寿命延长可能压制光模块短期估值，但大摩认为近期抛售过度

CPO供应链成熟度低、封装复杂，量产时间表存在不确定性

技术路线不确定性：以太网 vs InfiniBand、铜 vs 光、CPO vs NPO，最终格局尚未定型

地缘政治风险：高端光器件和测试设备供应链集中于特定区域

🔥【核心洞察】

目标价从479港元下调至447港元：野村证券维持胜宏科技“买入”评级，但因HDI PCB收入贡献可能低于预期，将目标价从479港元下调至447港元，基于27倍2027财年每股收益（人民币14.41元）。新目标价隐含约94% 的潜在上涨空间。

短期担忧被夸大，长期逻辑未破：野村认为，市场对NVIDIA Kyber机架延迟和GPU客户供应链多元化的短期担忧被过度放大。胜宏在英伟达下一代Rubin平台（2026-2028年）中预计占据约50%-55% 的PCB份额，这才是真正的“主菜”。

AI与HPC部门收入CAGR达77%：野村预计公司AI与HPC部门2026-2028财年收入复合年增长率达77%，到2028财年将占总销售额的77%。GPU的PCB单机价值量预计从Blackwell的400美元提升至Rubin Ultra的1000美元以上。

HDI产能是战略资产，对手寥寥：野村指出，胜宏现有和潜在的HDI产能是战略资产，凭借高技术壁垒和材料/设备短缺，竞争对手不多。产能瓶颈预计在2026年下半年得到实质性缓解。

🔍【章节索引】

一、评级与目标价调整：短期下调，长期看好

野村维持胜宏科技（02476.HK）“买入”评级

目标价从479港元下调至447港元，基于27倍2027财年EPS（人民币14.41元）

新目标价隐含约94% 上涨空间

下调原因：HDI PCB收入贡献可能低于此前预期，生产爬坡放缓

此前野村目标价路径：333元（2026年3月）→417元（2026年4月）→447港元（当前）

二、核心增长驱动力：Rubin是真正的“主菜”

NVIDIA Rubin GPU升级：预计2026年下半年Rubin GPU产量将提升，胜宏在Rubin全平台整体PCB综合份额占50%-55%，为英伟达第一大PCB供应商

GPU PCB价值量跃升：单GPU PCB价值量从Blackwell的400美元提升至Rubin Ultra的1000美元以上，直接带动胜宏来自英伟达的收入占比从2024年的9%提升至2028年的38%

ASIC与光模块PCB：公司在ASIC客户和800G/1.6T光模块收发器市场取得进展，驱动2026年下半年至2027年收入多元化和可持续增长

AI与HPC收入高增：2026-2028财年AI与HPC部门收入CAGR达77%，2028财年将占总销售额的77%

三、市场担忧被夸大：三个被误解的问题

担忧一：NVIDIA Kyber机架延迟——野村认为延迟是短期技术调整，不影响Rubin大周期的确定性

担忧二：GPU客户供应链多元化——胜宏50%-55%的份额已证明其不可替代性，竞争对手短期内难以撼动

担忧三：HDI收入放缓——产能瓶颈预计2026年下半年缓解，届时HDI将重新成为增长引擎

四、HDI产能：战略资产，对手寥寥

胜宏现有和潜在的HDI产能是战略资产，凭借高技术壁垒和材料/设备短缺，竞争对手不多

公司2026年产能扩张资本开支不超过180亿元，野村判断产能约束有望在2026年下半年得到实质性缓解

新增产能将成为业绩增长的核心支撑，公司将在2026年下半年迎来产能与订单的双重利好

五、财务预测调整与风险因素

预测下调：2026-2028财年收入/盈利预测下调7-13%/7-14%，主要反映HDI PCB产品生产爬坡放缓和AI客户市场份额竞争加剧

2026年一季度业绩：营收55.19亿元，同比增长28%；归母净利润12.88亿元

主要下行风险：下游PCB需求低于预期、高端PCB市场竞争加剧、原材料成本上涨、地缘政治紧张局势

技术变革风险：如CoWoP等技术可能改变竞争格局并威胁公司市场份额

⚠️【风险提示】

HDI产能爬坡速度若持续低于预期，可能进一步拖累短期业绩

NVIDIA Rubin平台量产时间若推迟，将影响2026年下半年收入兑现

ASIC客户拓展和光模块PCB进展存在不确定性

地缘政治和原材料价格波动可能影响毛利率

🔥【核心洞察】

规划容量猛增，实际建设滞后：伯恩斯坦最新月度报告显示，6月北美数据中心项目规划容量环比增长4%至338GW。但实际在建容量仅小幅增加200MW至63.2GW。按照当前建设速度，消化现有338GW项目储备约需12年。

搁置容量激增至38GW：受地方反对、审批受阻及取消影响，“搁置容量”环比增加4GW至38GW，占总规划容量11%，高于去年夏季的7%-9%。2026年前三个月，至少75个、总值超1300亿美元的数据中心项目被叫停或取消。

BTM“表后供电”快速崛起：表后供电项目规划容量达131GW，其中15.4GW已开工。该模式目前仅占已投运数据中心的5%，但占在建容量24%、规划容量39%。核心驱动力是“快”——BTM可将供电时间缩短至18个月，而传统电网接入经常超4年。

五大巨头2026年资本支出达7270亿美元：伯恩斯坦预计亚马逊、谷歌、Meta、微软和甲骨文2026年资本支出合计7270亿美元（同比+76%），2027年进一步增至9160亿美元。电气设备、散热、电力施工、服务器及半导体供应商将持续受益。

🔍【章节索引】

一、项目储备：338GW的“纸上繁荣”

6月北美数据中心项目规划容量达338GW，同比增长179%。其中超大规模云厂商新增3.5GW，开发商和托管数据中心分别新增2.2GW和2GW。谷歌与亚马逊分别贡献1.8GW和1.4GW，占云厂商增量逾90%。得克萨斯州以3GW成为增量最大的地区。

但“纸上繁荣”与实际建设之间的差距正在扩大。处于“前期施工”阶段的项目占比从2023年一季度的59.8%飙升至2026年一季度的80.5%。2026年全美140个计划运营的数据中心项目中，仍有11GW停留在“宣布阶段”，毫无施工迹象。

二、搁置危机：1300亿美元项目被叫停

2026年前三个月，全美至少75个、总值超1300亿美元的数据中心项目被叫停或取消。仅一季度，社区抗议就导致42亿美元、3.5GW项目被取消。两党选民中反对数据中心建设的比例均超过三分之二。

反对组织数量从2025年底的396个激增至2026年3月的833个，覆盖49个州。已有14个州提出暂停数据中心建设的立法建议。

搁置原因高度集中于：地方反对和“邻避效应”（开发商贡献了一半新增搁置容量）、审批受阻与延期、变压器等关键设备交货周期拉长至160周以上。

三、BTM表后供电：从“抢电”到“自带电源”

表后供电已成为解决数据中心电力瓶颈的核心方案。目前BTM项目储备达131GW，其中15.4GW已开工。

BTM的核心优势包括：供电时间缩短至18个月（传统电网接入经常超4年）；确定性更强，规避电网排队和社区阻力；争取社会许可，减少对公共电网挤占和居民电费交叉补贴的担忧。

BTM方案倾向于使用中小型燃机、往复式发动机、SOFC燃料电池等设备，部署快速、交付周期相对短。不同设备交期差异显著：H-Class燃机约36-60个月，航空改型燃机约18-36个月，燃料电池仅约3-4个月。

四、电气设备市场：从200亿到650亿美元

Wood Mackenzie预测，美国数据中心电气设备市场规模将从目前约200亿美元扩张至2030年的650亿美元。数据中心在美国电气设备市场中的占比已从2020年的不足2% 跃升至40%。

变压器是当前最紧张的环节。升压变压器交货周期2026年一季度已超160周（2023年仅77周）。需求在2019-2025年间增长了274%。

设备瓶颈正在扭曲建设时间表。电池、变压器和断路器加起来只占数据中心建设成本的不到10%，但没有这些元件，新建项目根本不可能完成。

五、地理转移：从沿海到内陆

数据中心正在从沿海传统枢纽向内陆转移。得克萨斯州以36GW的新增容量已超越弗吉尼亚成为全美最大数据中心市场。仅2026年第二季度，德州就新增了14GW的宣布容量。

其他高增长地区包括：宾夕法尼亚州（11.6GW）、路易斯安那州（7.7GW）、东南部（尤其佐治亚和阿拉巴马）及中西部部分地区。

六、投资启示

BTM供电设备TAM预计2029年前将超过50GW/年。优先受益环节包括：发电设备（燃机、往复式发动机、燃料电池）及配套、变压器与开关设备（交货周期最长、瓶颈最严重）、储能系统（微电网调度中枢）。

电气设备、散热、电力施工、服务器及半导体供应商将继续受益于多年建设周期。

⚠️【风险提示】

规划与现实差距巨大

🔥【核心洞察】

四大战略物资全线告急：AI服务器需求爆发，将PCB上游材料推向全面短缺。HVLP4铜箔2026年下半年月度缺口近50%，Low Dk玻纤布缺口超60%，ABF载板2027年缺口预计突破27%，高端钻针消耗量暴增6倍以上。四重断层相互强化，形成完整的涨价连锁反应。

涨价不是短期脉冲，是结构性转移：有专业机构判断，2026年6月到2028年初上游材料将持续吃紧。这不是周期性波动，而是AI算力对产业链的深度重塑——产能被下游客户提前锁死，临时插单“基本没门”。

CCL年内已涨价六次：建滔积层板2026年内已第六次上调覆铜板价格，FR-4板材提价15%，CEM-1/22F系列提价10%。生益科技、南亚新材等全面跟进。涨价趋势预计2026下半年持续，高端M7及以上覆铜板仍将偏紧。

AI政策与资本开支双重催化：美国“大而美法案”通过减税和研发费用化刺激AI算力投资，“AI行动计划”将AI设为基本方针。北美五大CSP 2026年资本支出总额年增40%。全球服务器2026年出货量预计年增43.3%，突破2104万台，其中AI服务器出货273.9万台。

🔍【章节索引】

一、玻纤布：LowDk缺口超60%，T-Glass交期拉长至30周以上

玻纤布约占CCL成本的25%-40%。2026年全球PCB产业拉动玻纤布市场空间可达76.64亿美元，到2030年达111.01亿美元。

2026年7月，普通E-glass电子布统一涨价30%，面向AI服务器的Low Dk2电子布涨价15%。高性能电子布供不应求，短缺情况预计至少延续至2027年下半年。Low Dk玻纤布缺口超60%，T-Glass交期拉长至30周以上。

短缺根源是结构性转移——AI与AR所用的薄型布正强力争夺传统电子布产能，同一织机转产薄布后无法同时生产常规品。

二、铜箔：HVLP4月度缺口近50%，订单排至2027年下半年

HVLP4铜箔是2026年下半年最关键的供应约束。单台GB200需HVLP铜箔12公斤，Rubin平台达40-100公斤，用量为传统服务器的十倍。全球HVLP3/4供给集中于日、台三厂，占80%-90%份额。

供需矛盾已从结构性短缺演变为全面紧张。全球HVLP4铜箔月度需求约2600吨，全球有效月产能仅约1000吨，供需缺口接近48%。2026年全年缺口约1500吨，2027年扩大至2500吨。扩产周期长达18-24个月，英伟达已锁定长单至2027年。国内头部厂商HVLP4铜箔在手订单已排至2027年下半年。

三、钻针：用量暴增6倍，30倍长径比以上高端产品价格飙升

PCB设计复杂化、层数增加（20-50层），高阶板材（M9）使钻针寿命大幅缩短，用量是过往6倍以上。AI助推钻针进入“量价齐升”通道。

30倍长径比以上高端微钻针供不应求。高性能钻针相比普通钻针价格提高15-20倍。下游需求激增叠加原材料碳化钨粉、钨棒价格上涨，今年以来钻针产品价格明显提升。

四、铜箔基板（CCL）：年内六次涨价，高端M9级别材料成趋势

CCL约占PCB成本的30%。建滔积层板2026年内已第六次上调覆铜板价格。CCL构成中的铜箔、电子布、树脂等材料受益。

涨价预计趋势将在2026下半年持续。总量供需压力趋于缓和，仍有一定涨价空间，但高端M7及以上覆铜板材料仍将偏紧。花旗判断，真正卡住供给的环节已经不是PCB厂，而是上游的覆铜板以及更上游的电子布。

五、ABF载板：供给趋近满载，缺口2027年突破27%

IC载板产能2026年全数售罄。2027年ABF载板供需缺口将突破27%，高端AI专用载板交期延长至18-24个月，部分品类价格同比涨幅超31%。ABF载板产业景气可望一路延续至2028年。

单一AI芯片对载板产能面积的消耗，约传统PC载板的5-10倍。2026年全球封装载板市场规模预计达180亿美元，AI相关需求占比超40%。

六、政策与资本开支：云端巨头没有停下来的意思

美国“大而美法案”通过下调企业所得税、资本支出全额抵扣、研发费用化等措施刺激AI算力投资；“AI行动计划”加速AI创新并维护国际主权AI发展。北美五大CSP 2026年资本支出总额年增40%。2026年全球服务器出货量预计年增43.3%，突破2104万台。

七、光通信模块与交换机：向M9等级材料升级

可插拔光通信模块向800G/1.6T升级，为满足小型化和低损耗要求，大量采用mSAP制程，CCL材料升级至M7-M8甚至M9等级。交换机板材层数达38-52L PTH或18-20L

🔥【核心洞察】

目标价239美元，隐含49%上涨空间：伯恩斯坦（Bernstein SocGen Group）首次覆盖SpaceX（SPCX），给予“跑赢大盘”评级，目标价239美元。当前股价约160美元，市值约2.1万亿美元。伯恩斯坦认为，SpaceX的投资逻辑取决于其太空发射能力的成功，尤其是星舰火箭的表现，价值创造将主要来自人工智能领域的轨道数据中心。

星舰2031年预计3500次发射：伯恩斯坦预计2031年星舰发射次数约3500次，这一预测较公司自身预期更为保守。星舰将火箭运载能力提升至现有猎鹰9号的四倍，并实现两级火箭的完全重复使用，预计今年晚些时候将得到验证。

轨道数据中心：消除电力、冷却、维护和土地成本：伯恩斯坦指出，轨道数据中心可消除电力、冷却、维护和土地等成本，其经济效益将体现为一种低成本的AI算力解决方案，且在技术层面不存在根本性障碍。伯恩斯坦预计2031年EBITDA将达到4040亿美元，其中2840亿美元来自AI业务。尽管伯恩斯坦对AI收入增长的时间表比公司描述更为保守（预计晚一至两年），但认为“数万亿美元估值只是时间问题，而非能否实现的问题”。

星链：全球扩张，高利润率：伯恩斯坦表示，星链正处于全球扩张轨道，随着服务种类不断丰富，利润率维持在较高水平。机构预计全球消费者及企业宽带业务将保持高速增长，但对直接连接设备的移动业务持相对谨慎态度。

🔍【章节索引】

一、投资评级与估值

伯恩斯坦首次覆盖SpaceX，给予“跑赢大盘”评级，目标价239美元，较当前股价160.42美元有近49% 上行空间

公司当前市值约2.1万亿美元

伯恩斯坦预计2031年EBITDA达4040亿美元，其中2840亿美元来自AI业务

尽管AI收入增长时间表比公司预期保守（预计晚一至两年），但认为“数万亿美元估值是‘何时’而非‘是否’的问题”

二、星舰：解锁一切的核心

2031年预计约3500次星舰发射，较公司自身预期更为保守

星舰运载能力是猎鹰9号的四倍，实现两级完全重复使用

完全重复使用将使发射频率远超竞争对手，预计今年晚些时候将得到验证

三、星链：现金牛业务

2026年第一季度总营收46.9亿美元，网络连接业务（含星链）是核心支柱

部署约9600颗星链宽带和移动卫星

对直接连接设备的移动业务持相对谨慎态度

四、轨道数据中心：万亿估值的核心

可消除电力、冷却、维护和土地等成本

预计提供低成本的AI算力解决方案，不存在根本性技术障碍

2031年EBITDA中2840亿美元来自AI，是支撑万亿级估值的关键

数万亿美元估值是“何时”而非“是否”的问题

五、主要风险

星舰交付节奏：未能实现快速可重复使用和高发射频率是最大风险

AI时间表：伯恩斯坦认为AI业务收入增长可能比公司预期晚一至两年

半导体供应：面临供应瓶颈和巨额投资挑战

监管与估值：频谱分配、轨道碎片、估值泡沫等风险