据华尔街日报报道，此次展示发生在SpaceX筹备IPO期间。该原型机设计纤薄，比iPhone更为轻薄，搭载专有操作系统，并整合了马斯克旗下xAI的人工智能技术。知情人士称，该设备将采用高通骁龙芯片组。

SpaceX方面已向部分投资者表示，该项目仍处于早期阶段，设计方案可能发生变化，最终是否会推出该设备尚不确定。

这一动向表明，马斯克正在其卫星连接网络、火箭业务与新兴AI工具之间寻求更紧密的协同，试图打造一款能够承载其多项业务技术的消费级硬件平台，从而减少对苹果、谷歌等第三方设备厂商的依赖。

消息发布后，高通股价一度上涨3.4%，而后回落；SpaceX跌7.9%刷新日低。

马斯克的手机情结：从否认到松口

马斯克此前曾多次因苹果对第三方应用分发的控制而感到不满，他过去曾考虑过打造一款智能手机，原因之一正是对苹果限制X等应用分发方式的不满。

去年10月，马斯克曾公开表示对造手机一事兴趣寥寥。他说：

“做手机这个想法让我生无可恋，但如果我们必须做，那我们就做。”

今年2月，据路透，SpaceX正在开发一款可直连Starlink卫星网络的手机，马斯克随即在X平台上否认了这一说法，称“我们没有在开发手机”。

此次曝光的原型机项目显示，尽管此前多次否认，相关探索似乎并未停止。

“万能应用”野心的延伸，马斯克生态的下一块拼图

SpaceX此次展示的设备原型，延续了马斯克收购Twitter（现更名为X）时所倡导的“万能应用”理念。这类通常被称为“超级应用”的软件在亚洲市场颇为流行，将美国用户通常需要下载多个独立应用才能实现的多种服务整合于一体。

马斯克长期以来一直设想推出一款消费级设备，作为其旗下各项业务技术的承载平台。目前，马斯克旗下xAI聊天机器人主要通过苹果或安卓设备使用，而一款自有硬件设备将有助于马斯克摆脱对其他公司平台的依赖。

值得注意的是，马斯克旗下Starlink卫星服务此前已在销售连接互联网的卫星天线，并通过与T-Mobile等公司的合作，在网络覆盖盲区提供手机通信服务。

若此次曝光的AI设备最终问世，将成为马斯克整合卫星通信、AI技术与硬件生态的又一关键落子，但其能否真正落地，仍取决于SpaceX后续的产品决策。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，摩根士丹利发布最新半导体报告指出，随着云计算厂商持续扩大资本开支，AI推理需求快速增长，以及定制芯片加速普及，AI半导体产业的价值链正在发生新的变化。

全球AI半导体市场规模将在2026年达到约4850亿美元，并有望于2030年进一步增长至约7530亿美元，占全球半导体产业约1.5万亿美元市场规模的一半左右。

在其供应链数据驱动的牛市情境中，预计2026年云资本开支为7960亿美元，其中AI服务器资本开支约6000亿美元，云AI ASIC及非NVIDIA GPU规模约900亿美元。

AI产业的发展重心正由模型训练逐步转向推理应用，算力需求也因此更加多元。GPU仍将在训练和高性能计算领域保持核心地位，但AI ASIC、NPU等面向特定场景设计的XPU正在快速崛起，成为云服务商优化成本、提升效率的重要工具。

对于整个半导体产业而言，这意味着AI时代的赢家将不再只有GPU厂商，而是覆盖芯片设计、先进制造、先进封装、测试以及AI专用芯片等多个环节，产业链价值分配正进入新的阶段。

GPU不再“一家独大”，AI算力进入多元时代

过去几年AI算力几乎由GPU主导，但这一格局正在发生变化。

随着AI应用不断丰富，各大云服务商开始围绕自身模型和业务需求开发定制芯片。即便GPU性能持续提升，云厂商仍需要部署大量AI ASIC，以提高推理效率、降低总体拥有成本，并针对不同工作负载进行优化。

未来AI基础设施将呈现GPU与XPU协同发展的趋势。

其中，XPU并非单一产品，而是涵盖AI ASIC等各类面向AI计算场景的专用处理器。随着训练、推理及智能体（Agentic AI）等不同任务对算力需求不断细分，不同架构芯片将在各自擅长的场景中发挥作用。

云厂商持续加码资本开支，AI价值链正在向先进制造和封装延伸

AI基础设施投资仍处于扩张阶段。亚马逊、谷歌、微软和Meta四大云服务商2026年第一季度资本开支同比增长95%，资本开支占EBITDA的比例预计维持在约50%。全球主要上市云服务商2026年云计算资本开支将接近8110亿美元。

持续增长的资本投入不仅推动GPU和AI ASIC需求，也将带动先进制程、先进封装以及测试设备等产业链环节同步扩张。

台积电CoWoS先进封装产能将在2027年继续扩张，SoIC等先进封装技术也将成为未来几年重点发展方向。与此同时，AI计算晶圆需求持续增长，将进一步提升先进制程和封装环节的重要性。

未来AI产业链的竞争重点，已不仅是芯片本身，而是整个AI基础设施体系，包括晶圆制造、先进封装、测试及系统集成等多个环节。

需要注意的是，晶圆、OSAT和存储成本上升，AI对非AI芯片的资源挤压，可能在2026年加大芯片设计公司的利润率压力。

推理需求崛起，中国AI芯片迎来发展窗口

AI产业的发展重点正由训练向推理延伸，这一变化正在推动中国AI芯片产业链的发展。

DeepSeek验证了低成本AI推理的可行性，推动推理需求快速增长，同时也提升了本土AI GPU产业链的发展机会。报告预计，到2030年，中国AI GPU市场规模有望达到约910亿美元，本土AI芯片自给率有望提升至约70%。

随着中国先进制程产能逐步扩张，本土AI芯片将在推理场景中不断提升竞争力，AI基础设施建设将更多依赖本地供应链。

AI时代的竞争，从“谁拥有GPU”转向“谁拥有完整算力生态”

未来AI产业的竞争逻辑将从单一芯片性能竞争，转向整个算力体系的竞争。

未来AI产业需要重点关注训练与推理、云端与边缘、GPU与定制ASIC之间的结构性变化，同时预算、能源、芯片产能及监管仍将是AI发展的主要约束因素。

对于市场而言，这意味着AI投资主线正在进一步扩展。GPU依然是AI基础设施的重要组成部分，但随着XPU不断丰富、云厂商自研芯片持续推进以及AI推理需求快速增长，未来AI时代的赢家，将更可能来自整个AI算力生态，而非单一技术路线。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间1日周三美股早盘，费城半导体指数（SOX）盘中跌幅一度扩大至5%以上，纳斯达克100指数跌超1%。AI基础设施产业链全线走弱，CoreWeave（CRWV）、Nebius（NBIS）、闪迪（SNDK）、美光科技（MU）等跌幅居前，半导体设备、光模块、存储等细分板块几乎无一幸免。

市场普遍将此次下跌归因于Meta一则有关AI业务的新消息。有报道称，Meta正筹建AI云计算业务，希望将富余AI算力对外开放并实现商业化。消息迅速引发市场对于AI算力供需关系和未来资本开支节奏的担忧，令过去一年持续领涨的AI硬件产业链遭遇获利了结。

AI基础设施股跌幅居前，Nebius（NBIS）和CoreWeave（CRWV）盘中均跌超10%，超微电脑（SMCI）一度跌超6%。光通信及网络设备类股承压，康宁（GLW）盘中跌超10%，Lumentum（LITE）曾跌近9%，Coherent（COHR）午盘跌超6%，Ciena（CIEN）曾跌逾6%，Arista Networks（ANET）早盘曾跌超6%。

存储芯片股则成为当天跌幅最大的细分半导体板块之一，美股存储芯片与硬件供应链指数早盘一度跌9%，盘中闪迪（SNDK）和铠侠ADR跌超10%，美光科技（MU）跌约10%，西部数据（WDC）和希捷科技（STX）曾均跌超8%

半导体设备股亦普遍走弱，科磊（KLAC）午盘跌超10%，拉姆研究（LRCX）和应用材料（AMAT）曾跌超10%，荷兰ASML美股（ASML）午盘跌逾7%。

AI芯片股同步走弱。英伟达（NVDA）早盘曾跌超3%，AMD（AMD）午盘跌超6%，博通（AVGO）午盘跌逾2%，台积电ADR（TSM）午盘跌超7%，Marvell（MRVL）午盘跌逾8%，英特尔（INTC）午盘跌约9%。

值得注意的是，美光科技周三宣布与通用汽车达成长期战略客户协议，为后者提供汽车存储和内存平台，但这一利好未能阻止股价下跌，显示当天市场交易主线已转向对AI产业链整体前景的重新定价。

大跌发生前，AI硬件股刚创历史最佳季度

此次调整发生前，AI硬件板块刚刚经历了一轮史诗级上涨。

本周一、周二，美股半导体板块继续受AI交易热潮推动。周二费城半导体指数收涨3.92%，6月累计上涨11.05%，二季度累计暴涨87.75%，创有纪录以来最大单季涨幅。

存储板块表现尤为突出。周二，美股存储芯片与硬件供应链指数收涨3.83%，二季度累计大涨159.01%。

个股方面，周二闪迪（SNDK）收涨近10.9%，美光科技（MU）涨近0.8%，西部数据（WDC）跌约2%，希捷科技（STX）跌近0.4%。

整个二季度，闪迪累涨257.88%，美光累涨241.67%，AMD累涨185.56%，希捷科技累涨146.55%，西部数据累涨136.19%，应用材料累涨111.78%，拉姆研究累涨103.01%。如此巨大的累计涨幅，也意味着任何风吹草动都可能触发资金集中兑现利润。

Meta一则消息，为何让整个AI硬件板块“踩刹车”？

引发市场情绪变化的，是有关Meta筹建AI云业务的消息。

据媒体本周三报道，Meta正在讨论建设新的云计算业务，未来可能向外部客户开放部署在Meta基础设施上的AI模型，或直接出售自身富余的AI算力，以此提高数百亿美元AI基础设施投资的商业化回报。

事实上，Meta CEO扎克伯格今年5月便曾表示，公司正在研究出售闲置算力的可能性，不过当时认为这些算力未来仍有内部用途，因此尚未推进。

有评论认为，周三的Meta消息传出后，市场第一反应并非只是Meta找到新的盈利模式，而是开始担忧AI产业链最核心的投资逻辑是否正在发生变化。

过去两年，AI硬件板块持续上涨的重要前提，是全球GPU和AI算力长期供不应求，科技巨头不断加码资本开支，带动GPU、HBM存储、光模块、交换机以及半导体设备需求持续增长。

如今，Meta计划将部分闲置算力对外商业化，令部分投资者开始担心：Meta是否采购了过多GPU？AI算力是否开始由短缺转向宽松？科技巨头未来是否可能放缓资本开支？

如果上述假设成立，那么存储、GPU、网络设备、光模块以及半导体设备未来需求增长都可能受到影响，因此AI硬件板块率先遭遇抛售。

机构：更像情绪扰动，而非AI需求见顶

不过，也有不少机构认为，市场对此次消息存在过度解读。

有券商指出，Meta出售富余AI算力，本质上更像是在为巨额AI资本开支寻找商业化出口，而非意味着自身AI投资放缓。

通过将暂时闲置的算力变现，Meta不仅能够改善现金流，还可以提升未来继续投入GPU、网络设备、数据中心、电力及散热等AI基础设施的可持续性。从这一角度看，此举反而有助于延长AI资本开支周期，而不是提前结束。

还有机构认为，目前北美四大云厂商中，仅Meta尚未形成成熟的云计算业务。建立云服务体系，更像是对自身算力资源进行动态调配，并不意味着放弃基础模型研发，也不意味着资本开支进入下行周期。微软（MSFT）和亚马逊（AMZN）同样持续扩大AI资本开支，基础模型能力较弱并未妨碍其维持高速投资。

从行业需求来看，目前AI应用渗透率仍然较低，推理需求距离真正释放还有较大空间。业内人士举例称，Anthropic此前曾按每年10倍增长规划基础设施预算，但实际Token消耗和用户调用增长远超预期，年化增速一度达到约80倍，因此不得不持续追加算力采购，包括扩大与亚马逊合作并租用更多GPU资源。

因此，多数机构认为，周三AI基础设施板块的大跌，更像是在板块经历历史性上涨后，由Meta消息触发的一次情绪性回调和获利了结，而非AI产业链基本面已经发生根本逆转。对于长期逻辑而言，AI算力、存储、通信、电力及数据中心建设需求仍有望继续受益于大模型渗透率提升，短期波动未必意味着景气周期结束。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，据路透，黑客组织“World Leaks”近日在暗网上公布了超过20万份据称来自印度塔塔电子（Tata Electronics）的内部文件，其中包括大量带有苹果“Confidential（机密）”水印的研发资料、测试照片以及内部代号。泄露内容涉及尚未发布的iPhone 18 Pro产品，成为近年来苹果供应链最严重的信息泄露事件之一。

报道援引消息人士称，苹果已就此次事件展开调查，并正与塔塔电子合作制定长期安全措施。作为调查的一部分，塔塔已限制员工访问敏感系统，并聘请国际咨询机构开展数字取证审计，以查明数据泄露原因。

此次事件发生之际，苹果正持续加速将iPhone生产重心向印度转移，而塔塔电子已成为苹果在印度最重要的制造合作伙伴之一。这起泄密事件，也令苹果供应链安全与印度制造战略再次受到市场关注。

超20万份文件流入暗网，iPhone 18 Pro研发资料曝光

此次数据泄露的始作俑者为黑客组织“World Leaks”，该组织此前曾宣称对耐克等跨国企业发动过网络攻击。

目前，相关文件整体真实性尚无法独立核实。但据多位接近事件核心的消息人士向路透社透露，其中相当一部分资料确系源自塔塔电子内部系统。

科技媒体AppleInsider于上周率先报道称，泄露内容中涉及iPhone 18 Pro的相关信息。路透社后续进一步确认，多个文件夹内包含苹果下一代旗舰机型的研发资料。

值得注意的是，部分文件仍保留有苹果内部使用的“机密”（Confidential）水印，且产品内部代号与iPhone 18 Pro项目高度吻合，这在一定程度上提升了文件可信度。

工程样机细节遭泄露，供应链安全漏洞浮现

此次泄露内容不仅涵盖内部文档，还包括大量研发测试图片。

据路透社查阅的文件显示，标注为“iPhone 18 Pro”的文件夹中，存有拍摄于2026年初的跌落测试照片，拍摄地点为塔塔电子旗下的一座生产工厂。图片显示，测试设备采用传统直板设计，灰色机身，背部搭载三摄模组，并保留苹果公司标识。

尽管路透社尚无法百分之百确认该设备型号，但知情人士称，相关照片均对应iPhone 18 Pro工程验证测试样机。这意味着，苹果下一代旗舰产品在正式发布前，其关键硬件细节已大面积外泄。

就此次泄密事件，苹果与塔塔电子均未予置评。但路透社此前报道指出，苹果已启动内部调查，并与塔塔电子协同评估中长期安全整改方案。作为应急举措，塔塔电子已对部分内部系统实施访问限制，并聘请全球性咨询机构开展数字取证调查，以明确攻击路径及受影响范围。

对苹果而言，此事件不仅削弱了其新产品保密机制，更触及双方合作中最为核心的信任基础，或对后续供应链协同与信息安全管理模式产生深远影响。

本文来自华尔街见闻，欢迎下载APP查看更多

他表示，过去四周美国通胀风险已有所缓解，AI带来的供给扩张可能深刻改变经济运行方式，美国正处于这一变革的中心，但AI最终究竟会带来通胀还是通缩，应由央行依据数据进行判断。

不会提供任何利率前瞻指引

沃什表示，美联储正在“开辟一条新道路”，未来不会像过去那样提前暗示利率走向。他称：

“我们将在四周后召开下一次会议，我希望届时大家能够展开一场真正的家庭式争论。”

他再次强调，前瞻性指引并非当前经济形势下的正确政策，未来美联储仍将坚持依据最新经济数据作出决策，而不是提前向市场承诺政策路径。

这意味着，美联储将更加依赖实时经济数据，而非提前向市场释放政策信号。

就在6月议息会议上，美联储一致决定将联邦基金利率维持在3.5%-3.75%区间不变。不过，最新公布的利率点阵图显示，18位官员中有9位预计今年仍将至少加息一次，市场目前也已基本计入年底前至少一次25个基点加息的可能性。

不过，沃什本人拒绝透露自己的政策倾向，仅强调未来的政策决定将取决于数据表现。

AI正以前所未有的速度改变经济

沃什在论坛上讨论了人工智能对宏观经济的影响。他表示，AI模型能力提升的速度呈现明显的指数级增长。

他指出，AI推动的供给能力扩张将成为未来货币政策必须重点关注的新变量，因为生产率改善意味着经济能够在更低通胀压力下实现更快增长。

不过，他同时承认，目前AI究竟会如何影响就业市场仍存在巨大不确定性。

“关于AI究竟会在什么时候开始真正影响就业，仍存在严重疑问。”

他强调，美联储必须继续同时实现充分就业和价格稳定两大法定目标，任何政策调整都需要兼顾两者。

通胀风险下降，但AI是否具有通胀效应仍待观察

沃什表示，过去四周美国通胀风险已经有所下降，这意味着近期价格压力出现一定程度缓和。

不过，对于市场普遍讨论的AI究竟是通缩力量还是新的通胀来源，沃什并未给出明确答案。他称：

“AI是否具有通胀效应，应由央行来决定。”

在他看来，AI一方面能够提升生产效率、扩大供给，另一方面也可能刺激新的投资和需求，因此最终效果需要依赖数据判断，而不是预设结论。

此外，沃什指出，美联储政策不仅影响美国，也会通过全球金融市场产生明显溢出效应（spillover effects）。

重申美联储独立性：政策不会受到外部压力影响

面对外界持续关注的美联储独立性问题，沃什再次作出明确回应。他称：

“美联储长期以来一直保持独立，现在仍将保持独立，你们不会看到任何改变。”

这一表态也被市场视为对美国总统特朗普近期持续呼吁美联储降息的回应。沃什强调，美联储将自主决定合适的政策路径，不会因外部政治压力而改变决策。

美国正迎来生产率提升的巨大机遇

除了货币政策，沃什当天还重点谈及美国经济长期增长前景。

他说，过去四周自己一直专注于货币政策工作，而当前对于美国而言正是一个充满巨大机遇的时代。沃什认为，美国经济供给侧依然保持强劲，潜在增长率看上去已经呈现上升趋势，因此有充分理由对未来生产率保持乐观。

他说，如果过去四个季度经济表现能够作为未来的参考，那么美国经济前景值得保持乐观。他表示：

“美国不惧怕生产力驱动的经济增长。”

不过，他同时承认，目前尚不清楚生产率改善是否会对短期货币政策产生直接影响，但供给能力持续扩张无疑将深刻影响未来政策制定。

缩表立场未变

除利率政策外，沃什还谈及美联储资产负债表。

他说，过去四周自己对资产负债表的看法没有发生变化。“希望美联储资产负债表规模缩小，这早已不是什么秘密。”

不过，他同时表示，对于资产负债表最终应保持多大规模，美联储仍持开放态度。沃什指出，资产负债表政策主要通过资产价格发挥作用，因此任何有关资产负债表的重大决策都将经过公开讨论，并由FOMC集体决定。

他还表示，目前约6.7万亿美元的资产负债表规模仍远高于疫情前水平，即便未来继续缩表，也不可能在短时间内完成，“18周远远不够”。

五个改革工作组将迎新进展

事实上，放弃前瞻指引只是沃什推动美联储改革的一部分。

上个月，沃什宣布成立五个内部特别工作组，分别负责研究沟通机制、资产负债表、数据使用、生产率与就业，以及通胀框架等议题。他最新透露，特别工作组成员名单最快将于下周公布。

沃什表示，这些工作组不仅会吸纳美联储内部官员，还将邀请外部专家参与，其中包括部分来自美国以外的国际人士。他希望通过这些改革，重新审视美联储的政策框架和沟通机制，使货币政策更加适应当前快速变化的经济环境。

本文来自华尔街见闻，欢迎下载APP查看更多

美国供应管理协会（ISM）周三公布的数据显示，6月制造业PMI较前月下降0.7点至53.3，低于预期的53.9，但仍接近四年来高位。指数高于50意味着制造业处于扩张区间，这也是该行业自2022年以来持续时间最长的一轮扩张。

与此同时，6月原材料支付价格上涨速度明显放缓。ISM价格支付指数大幅下降9.1点至73，预期77.5，为2022年7月以来最大单月降幅。此前，美国与伊朗达成一项临时协议，推动油价大幅下跌，从而缓解了成本压力。

新订单指数56，前值56.8，增速有所放缓，但依然保持稳健；生产指数则降至六个月低点。

近几个月来，强劲的资本支出——包括与人工智能相关的投资——以及国防开支持续支撑制造业。此外，战争还促使部分企业提前囤积产品，进一步提振了短期需求。

不过，制造业的扩张尚未传导至就业市场。ISM就业指数6月升至49.7（前值48.6），为2025年1月以来最高水平，但仍低于50，意味着制造业就业人数继续减少。美国政府将于周四公布月度就业报告。

订单积压增速降至今年以来最低水平，而供应商交货指数继续显示交货周期延长。

供应链中断以及市场对未来价格进一步上涨的担忧，可能促使部分工厂增加原材料库存。ISM库存指数升至一年多以来最高水平。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，A股科创板上市公司深圳市道通科技股份有限公司（下称“道通科技”）向港交所主板递交招股书，拟在香港IPO上市。

这是继其于2025年12月19日递表失效后的再度申请。若此次顺利挂牌，道通科技将正式构建“A+H”的双资本平台格局。

作为一家从深圳南山区走向全球的数智车辆诊断及智慧充电提供商，道通科技近年的核心业务结构正在发生变化。招股书显示，公司不仅依赖传统的车辆诊断业务，亦在智慧充电及多智能体协作解决方案上加大布局。

根据弗若斯特沙利文的报告，按2023年至2025年的收入计算，道通科技是全球首位的数智车辆诊断提供商，市场份额从2023年的10.5%提升至2025年的11.8%。该核心业务主要面向汽车修理厂，提供综合诊断产品、胎压监测系统以及高级驾驶辅助系统标定产品。

与此同时，智慧充电业务正成为公司的第二增长曲线。

招股书显示，按2025年海外收入计算，道通科技是中国最大的智慧充电提供商；在北美市场，其收入规模排名第四，同样在进入该市场的中国企业中位居第一。

此外，公司自2024年起战略布局“多智能体协作解决方案”作为第三增长曲线，主要涵盖具身机器人（如轮式人形机器人、无人机）、AI应用平台及垂域AI模型，用于能源、交通和工业园区的无人化作业监测与维护。截至最后实际可行日期，该业务已完成8个试验项目。

财务数据显示，道通科技在往绩记录期间实现了收入与利润的协同增长。

2023年、2024年及2025年，公司分别实现总收入32.51亿元、39.32亿元和48.33亿元；同期毛利分别为17.03亿元、20.82亿元和26.92亿元，整体毛利率由52.4%提升至55.7%。

利润端的增幅尤为明显。2023年内利润为1.40亿元，2024年增长至5.60亿元，2025年进一步升至8.90亿元。

这一盈利表现主要得益于高毛利软件业务的放量以及海外业务的稳固。近三年，其海外订阅软件服务带来的收入留存率均维持在42%至48%之间。

从地域来看，北美和欧洲是其最核心的市场。以2025年为例，北美市场合同收入占比达52.9%，欧洲占比19.1%，而中国内地占比仅为2.6%。

作为技术驱动型企业，道通科技的研发投入保持在较高水平。2023年至2025年，公司的研发开支分别为5.35亿元、6.36亿元和7.75亿元，占同期总收入的比重稳定在16%以上。

此次港股IPO，道通科技计划将募资用于充电及多智能体协作解决方案的强化、AI底层技术研发、战略投资与并购以及补充营运资金。在外部地缘环境复杂、内部刚刚完成合规整改的背景下，道通科技再度冲刺港股，其如何利用“A+H”双平台对冲海外风险并提振估值，市场正拭目以待。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

国内汽车市场越卷，比亚迪越需要海外市场托住增长。

这不是说比亚迪在中国卖不动了。相反，它仍然是国内新能源车市场最强的规模型玩家之一，但规模和增长已经开始分工。

7月1日，比亚迪披露的6月销量，把这种变化摆得很清楚。比亚迪单月销量仍在40万辆以上，继续维持行业头部体量；其中海外销售已经突破17万辆，占比升至四成左右。若按这一口径倒推，国内销量大致落在23万辆上下。

这意味着，比亚迪的月销高位不再主要靠国内市场继续抬升，而是越来越靠海外市场补上增量。

比亚迪过去几年在国内的增长，吃到的是新能源渗透率快速上升、插混爆发、垂直整合降本三重红利。但进入2026年，国内市场的压力明显变得更硬。

眼下价格竞争没有停。10万至20万元主力价格带，是比亚迪的传统优势区间，也是中国车市最拥挤、最敏感的战场。这个价格带里，吉利、长安、奇瑞、零跑、小鹏都在加速补齐新能源产品，合资品牌也开始用更低价格和中国供应链反攻。比亚迪仍然能守住体量，但继续用价格换规模的边际收益在下降。

新能源市场的高增长也正在变成存量争夺。早几年，比亚迪只要把燃油车用户转到DM-i和EV上，就能吃到行业扩容。但当新能源渗透率已经处在高位，车企之间争的就不再只是“油转电”，而是谁从谁手里抢订单。

这也是为什么6月数据里，真正刺眼的不是比亚迪还能不能卖到40万辆，而是海外占比已经升到一个无法忽略的位置。

比亚迪已经把出口提升到约四成销量，用来对冲国内市场走弱。

海外过去是比亚迪的增量故事，现在更像是销量结构里的必答题。

2026年6月9日的年度股东大会上，比亚迪董事长王传福提出，比亚迪希望五年内按规模成为全球第一大车企。支撑这个目标的，不只是电池、快充和产品成本，更重要的是海外产能和海外销售网络。

其2026年海外销量目标为150万辆，较2025年的105万辆继续提高。如今6月海外销量已经突破17万辆，比亚迪正在按一个更激进的节奏推进全球化。

这对比亚迪很关键。

国内市场越卷，海外市场的利润和战略价值就越高。欧洲、东南亚、拉美等市场的新能源渗透率、产品供给和价格竞争强度，和中国不在同一阶段。比亚迪把在中国打磨出来的电池、插混、成本控制和快充能力带出去，仍然有降维式的产品优势。

但海外不是简单的出口生意。

比亚迪已经从“把车卖出去”，走到“必须在当地留下来”。欧洲关税、美国市场壁垒、本地制造要求、经销体系、售后服务、充电网络，都会把全球化从销量问题变成组织问题。

比亚迪欧洲重点已经转向匈牙利工厂，并暂停土耳其工厂推进，把资源优先放在欧盟本地生产上。这说明比亚迪自己也清楚，海外销量越大，越不能只靠中国工厂外溢。

比亚迪当下的矛盾在于，它已经拥有全球车企的销量野心，但组织和品牌仍在补全球化的课。

在中国，比亚迪靠规模、供应链和价格效率形成强压制。但在海外，规则会复杂得多。欧洲市场重视品牌、渠道和合规，东南亚市场看本地伙伴和政策，拉美市场考验金融服务和供应稳定，美国市场几乎被地缘和关税挡在门外。

更重要的是，海外市场一旦从锦上添花变成增长支柱，容错率就会下降。17万辆海外月销是成绩，也是压力。它意味着比亚迪必须把运输、库存、经销商利润、本地工厂爬坡、售后服务和品牌认知同时拉起来。任何一个环节跟不上，海外增量都会反过来变成成本。

比亚迪国内基本盘仍然够厚，20万辆以上级别的月销量仍然是其他车企难以企及的规模。但从6月数据看，它的增长叙事已经变了：国内市场托住下限，海外市场决定上限。

对比亚迪来说，下一阶段最关键的问题，不是还能不能在中国继续当第一，而是能不能把中国式规模能力，真正改造成全球化运营能力。

对王传福来说，成为全球最大车企的目标，不再只是产能、成本和技术问题，而是一场跨市场的组织能力考试。海外卖得越多，比亚迪越要证明，它不只是中国市场里最会打价格战的车企，也能成为真正意义上的全球车企。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

吉利汽车也迈过了单月出口10万辆这道线。

7月1日，吉利汽车公布的销量数据显示，6月海外出口销量达到102874辆，同比增157%，环比增21%，首次突破10万辆。上半年，吉利累计出口474228辆，同比增158%，已经超过2025年全年出口规模。

这个节点比“销量创新高”更值得看。

过去两年，中国车企出海增长很快，但真正能把单月出口稳定推到10万辆量级的公司并不多。奇瑞长期是中国汽车出口的代表，比亚迪今年海外销量也在快速上台阶。现在吉利挤进这个区间，说明中国车企的出海竞争，已经从少数头部企业的单点突破，进入大型汽车集团集体外溢的新阶段。

吉利不是在一个顺风市场里拿到这个结果。国内车市价格战仍在继续，新能源渗透率已经很高，增量越来越难。

中汽协数据显示，今年5月中国乘用车出口约80.9万辆，同比增73%，其中新能源车出口约43.5万辆，已经占到出口总量一半以上。换言之，出海正在成为中国车企消化产能、打开利润空间的共同选择。

吉利的变化在于，海外不再只是补充市场。

6月，吉利海外销量占当月总销量的42.7%；上半年出口占总销量约三分之一。更重要的是，出口结构正在变。上半年吉利新能源产品海外出口277189辆，同比增585%，占海外出口接近六成。也就是说，这轮增长不是靠传统燃油车在低线海外市场铺量，而是新能源产品开始在多个市场进入放量阶段。

这背后是吉利产品结构的一次重排。

上半年，吉利汽车累计销量1422958辆，创同期新高；6月销量240799辆，连续4个月实现同环比双增长。新能源销量在6月达到161449辆，占比67%；上半年新能源累计销量799454辆。

银河承担主流新能源放量。上半年银河销量519793辆，6月单月销量108206辆，其中星愿6月销量50906辆，星舰7 EM-i销量19439辆，银河E5销量13543辆。它打的是最拥挤、但规模最大的主流新能源市场。

极氪则负责把吉利的价格带往上推。6月极氪交付35169辆，同比增111%；上半年交付178370辆，同比增97%，全球累计交付突破82万辆。极氪9X平均成交价超过53万元，009、7X也在多个高端细分市场持续放量。对吉利来说，极氪不只是销量数字，而是利润结构能否改善的关键。

领克和中国星则分别承担新能源转型和燃油、混动基本盘。领克上半年销量144215辆，新能源车型占比65%；中国星上半年销量580580辆，继续提供稳定现金流。由此，吉利形成了一个比较清晰的分工。

这套结构被放到海外市场后，才是吉利真正要验证的东西。

吉利海外增长已经不只是“把车运出去”。银河星舰7已经进入亚欧美澳等57个国家和地区，在克罗地亚上市首月拿下全品牌PHEV销量第一，并成为澳大利亚5月中型PHEV SUV单车型冠军。星愿在乌拉圭上市次月问鼎单车型销量榜首，并计划在雷诺吉利巴西公司的Ayrton Senna Complex工厂启动生产。

极氪也在海外高端市场打开口子。品牌已进入超过50个国家和地区，全球门店超过650家。009在泰国、马来西亚等市场拿到豪华纯电MPV细分领先，7X在澳大利亚、墨西哥等市场切入豪华SUV赛道。下半年，极氪9X还将率先登陆中东，随后进入欧洲、拉美、中亚等市场。

但出口破10万辆只是第一关。

中国车企出海的外部环境正在变硬。欧盟此前已经对中国制造电动车加征反补贴关税；今年以来，中欧又围绕贸易失衡、出口管制和市场准入展开新一轮磋商。关税、配额、本地认证、数据合规、售后服务和残值体系，都会成为下一阶段中国车企海外扩张的成本。

这也是吉利和过去单纯出口模式最大的不同。它需要把沃尔沃、宝腾、雷诺韩国、雷诺巴西等资源真正转化为本地制造、本地渠道和本地服务能力。只靠整车出口，可以快速做大规模；但要对冲贸易壁垒、稳定利润率，必须把产研供销更多环节落到当地。

吉利现在已经拿到了规模门票。单月出口破10万辆，说明它进入了中国车企出海第一梯队。但接下来，吉利要回答的问题会更难。

中国车企出海已经不缺速度了。缺的是在更复杂市场里，把速度沉淀成利润和品牌。

对于吉利而言，这是一个新的销量纪录；对于中国汽车产业而言，它更像是全球化竞争进入下一阶段的一个标志。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，哈塞特在接受福克斯商业频道采访时表示，其关切点在于美联储主席杰伊·鲍威尔所领导下的多数成员，其投票行为可能并非基于纯粹的经济数据考量，而是带有“针对特朗普”的政治动机。他强调，白宫需对此保持密切关注。

在谈及潜在继任者问题时，哈塞特称，若凯文·沃什执掌美联储，其将面临“拢聚人心”的艰巨任务，且可确信任何政策失误“不会是沃什的责任”。他同时直言，在当前经济形势下上调利率将构成一项“宏观层面的错误”。

AI成为生产率提升核心引擎

对于美国经济前景，哈塞特展现出明显乐观态度。他预计，今年下半年美国经济增速有望达到约4%。

推动这一轮增长的重要力量正是人工智能。哈塞特表示，白宫观察到，大规模部署AI的企业正在获得显著竞争优势，相关企业收入增长达到100%，就业规模也实现大幅增加，而没有采用AI的企业增长则几乎停滞。

在他看来，AI不仅能够帮助企业优化库存管理、降低运营成本，还将持续提升盈利能力和整体生产率，这也是美国经济能够保持强劲增长的重要原因。

与此同时，哈塞特表示，白宫正与科技企业共同建立AI安全保障体系，在推动AI广泛应用的同时，尽可能防止相关技术被恶意滥用，使AI红利能够长期释放。

此外，哈塞特还透露，霍尔木兹海峡目前已基本恢复正常通航。随着这一全球最重要石油运输通道恢复稳定，近期能源市场对于供应中断的担忧也有所缓解。

本文来自华尔街见闻，欢迎下载APP查看更多

美股三大股指集体低开，道指跌0.2%，标普500指数跌0.3%，纳指跌0.6%。Meta股票开盘上涨7.9%，创4月8日以来最大涨幅；闪迪股价下跌8.6%；美光科技开盘下跌7%。

现货黄金站上4070美元/盎司，日内涨1.66%。美国10年期国债收益率周二大涨9个基点，为美元提供了广泛支撑。美元指数上涨0.2%，此前上季度累计涨幅为0.6%。日元跌至162.77兑1美元，本周早些时候曾触及40年低点。

法国农业信贷银行企业与投资银行新加坡高级策略师David Forrester表示，"国债收益率的上行，在沃什今日讲话及明日非农数据公布之前，为美元提供了全面支撑。"利率互换市场目前将美联储7月会议加息25个基点的概率定价约为36%，而在沃什就任并将政策重心转向价格稳定之前，这一概率几近于零。

• 美股三大股指集体低开，道指跌0.2%，标普500指数跌0.3%，纳指跌0.6%。Meta股票开盘上涨7.9%，创4月8日以来最大涨幅；闪迪股价下跌8.6%；美光科技开盘下跌7%。
• 美元现货指数上涨0.1%。
• 日元跌至162.77兑1美元，本周早些时候曾触及40年低点。
• 韩元一度触及1559.10兑1美元，逼近上月触及的1562.20低位，该水平为2009年3月以来最弱。
• 美国10年期国债收益率周二大涨9个基点。
• 现货黄金站上4080美元/盎司，日内涨1.88%。现货白银日内涨幅达2.0%，报59.82美元/盎司。
• WTI原油上涨0.3%，报每桶69.73美元。
• 比特币上涨1%，报59,245.51美元。

自沃什就任以来，美联储政策信号已发生明显转向。他着手通过成立新任务工作组对美联储现行策略进行全面审查，明确将重心指向价格稳定，由此点燃了市场对加息的预期。美联储官员上月投票一致维持利率不变，下次政策会议将于7月底举行。

本周已公布的经济数据未能打消市场的加息顾虑。5月职位空缺数变化不大，显示劳动力需求保持稳定；6月消费者信心小幅回升，较低的汽油价格有助于抵消就业市场方面的忧虑。周三还将陆续公布6月ADP就业数据、6月ISM制造业指数及最终全球PMI制造业数据，为市场提供进一步信号。

现货黄金站上4080美元/盎司，日内涨1.88%。现货白银日内涨幅达2.0%，报59.82美元/盎司。

日元本周跌破162关口，触及40年新低，市场对日本当局干预的关注持续升温。多位策略师指出，163及更高水平将是下一个重要观察位，并认为财务省对弱势日元的容忍度，可能高于2024年干预行动期间的水平。

日本最高货币官员Atsushi Mimura在接受采访时，未重申财务省"随时准备采取大胆外汇行动"等标准表态，但表示日本两个月前的外汇干预行动取得成功，并获得了部分美国当局的支持。

韩元同样面临较大压力。Korea Investment & Securities经济学家Moon Dawoon表示，"美元强势之下，韩元创出新低并不令人意外。"韩元一度触及1559.10兑1美元，逼近上月触及的1562.20低位，该水平为2009年3月以来最弱。

今年上半年，全球股市走出了近年来罕见的强劲表现。道琼斯工业平均指数上涨8.9%，创2021年以来最佳上半年表现；标普500指数上涨9.6%；纳斯达克综合指数上涨12.8%；小盘股罗素2000指数暴涨约22%，创1991年以来最佳上半年表现。芯片与AI相关个股是本轮上涨的核心驱动力，仅第二季度，Micron、Intel和Advanced Micro Devices三家公司合计市值便增加了约2万亿美元。

然而进入第三季度，涨势动能出现降温迹象。亚洲股市周三开盘涨跌互现，股指期货显示亚洲跌势或将蔓延至欧美市场。

Eastspring Investments投资组合经理Christina Woon在接受彭博电视采访时表示，在当前高位和市场波动加剧的背景下，精选个股在本季度将变得尤为关键。"我的顾虑在于市场的高估值和已出现的波动性，你必须严格筛选，确保所持有的股票并未在基本面上过度透支。"

Bespoke Investment Group联合创始人Paul Hickey在接受CNBC采访时亦持审慎态度，表示长期仍看好半导体板块，但目前可能有些过热。"这是一轮AI驱动的牛市，如果牛市要持续，科技和半导体将继续领跑，但它们不可能一直保持这种节奏。就这一点而言，它们已经有些延伸过度，我建议在此稍作休整。"

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博援引知情人士透露，Meta正在制定一项全新的云业务计划，旨在向外部客户出售计算资源。这一战略举动将开辟出一条全新的竞争赛道，使Meta直接与亚马逊旗下AWS、微软Azure以及谷歌云（Google Cloud）等云计算行业巨头展开角逐。

这一消息迅速引发市场对AI硬件需求前景的重新评估，导致纳斯达克指数周三盘前走低。包括亚马逊、微软和甲骨文在内的云服务同行，以及英伟达、美光和英特尔等芯片及存储巨头的股价均面临下行压力。

与芯片股的颓势形成对比，Meta的股价在消息传出后显著走高。市场预期，该公司有望通过变现庞大的基础设施投资来开辟新的收入来源并改善资本回报率。

筹备云服务与算力变现

据彭博报道，Meta此前一直在大举投资昂贵的数据中心和芯片等基础设施，以推进其AI超级智能战略。知情人士表示，为通过过剩算力创收，Meta正在筹备面向外部客户的全新业务线。其中一项潜在计划类似于亚马逊AWS的Bedrock服务，即允许外部开发者访问托管在Meta现有AI基础设施上的各类AI模型，包括其自有的Muse Spark模型。

此外，知情人士指出，Meta还在考虑出售“原始”计算能力，这一模式类似于CoreWeave等新型云（neocloud）企业。该计划属于Meta内部旨在构建和管理AI基础设施的项目“Meta Compute”。该项目由Meta基础设施主管Santosh Janardhan、Meta超级智能实验室AI部门高管Daniel Gross以及Meta总裁Dina Powell McCormick共同领导。

针对上述消息，Meta发言人拒绝置评。彭博指出，相关计划仍在制定中，公司战略仍有调整可能。不过，Meta首席执行官马克·扎克伯格此前已释放信号，表示将通过此类选项为公司巨额的AI基础设施投资创造潜在的收入来源，以缓解投资者对支出回报的焦虑。

算力稀缺叙事面临挑战

Meta出售过剩算力的决定，直接冲击了支撑近期市场表现的核心逻辑。高盛1-Delta交易台主管Rich Privorotsky警告称，市场此前的核心前提是算力处于稀缺状态，这种稀缺性维持了坚挺的定价，并为科技巨头持续的资本支出提供了合理性。

Rich Privorotsky指出，如果算力供应增加且租赁价格持续走低，将对短缺叙事构成直接挑战，而首当其冲受到负面冲击的将是硬件领域。近期，衡量算力租赁价格的ORNN H100指数已出现下滑迹象。

除Meta外，SpaceX此前也已开始出租其过剩的计算能力。这一系列行业动态引发了市场的普遍疑问，即当前的硬件资本支出是否已经超越了实际的代币（token）需求。

随着算力供需格局发生微妙变化，市场对产业链上下游的定价逻辑正在重塑。高盛分析认为，现阶段的结构性赢家是那些能够销售完整平台并从使用量中获利的企业，而非单纯出售底层硬件设备的供应商。

市场更大的风险正向上游的硬件和基础设施层转移，因为这些领域的估值预期依然建立在算力持续短缺的基础之上。Rich Privorotsky表示，目前大型超算企业（hyperscalers）面临业绩跑输大盘的压力，市场仍认为它们必须维持庞大的资本支出才能保持竞争力。然而，随着代币成本压缩以及新型云带来的定价压力，用户的获益速度可能会超过算力提供商。

分析指出，市场逻辑正在发生反转，开始转向奖励那些削减资本支出的企业。第一家能够证明可以在减少支出的同时提供同等产出的超算企业，将率先获得市场在股价上的奖励。这种反身性可能最终导致资本支出周期停滞——其原因并非需求匮乏，而是投资者认定继续增加支出的边际回报已不再具有吸引力。

本文来自华尔街见闻，欢迎下载APP查看更多

据CCTV国际时讯，美国总统特朗普今天（7月1日）对媒体表示，美国目前与伊朗“处得很好”，并称近期在卡塔尔举行的会谈“进展顺利”。特朗普称：

“伊朗无核化进程推进良好，双方举行了非常不错的会谈，我们拭目以待。”

此前据新华社报道，7月1日，据消息人士透露，美国和伊朗7月1日在卡塔尔首都多哈举行间接会谈，卡塔尔和巴基斯坦担任斡旋方。这名消息人士告诉新华社记者，此次会谈重点围绕落实美伊谅解备忘录，讨论内容包括解冻伊朗被冻结资产以及确保霍尔木兹海峡海上安全等议题。

该消息人士说，会谈目前正以间接方式进行，美伊代表团“没有面对面会晤，由斡旋方居中协调”。

伊朗称将适时启动伊美最终协议谈判

据央视新闻报道，当地时间7月1日自伊朗方面获悉，伊朗副外长加里巴巴迪率伊朗外交部、央行等部门代表团访问卡塔尔，当天上午在多哈与卡塔尔首相兼外交大臣穆罕默德举行会晤，讨论落实美伊谅解备忘录等议题，包括在黎巴嫩实施停火等问题上“消除现有障碍”。

消息称，在加里巴巴迪与穆罕默德会晤后，伊朗、卡塔尔和巴基斯坦代表于多哈举行了三方会谈，以审查美伊谅解备忘录的执行情况。

加里巴巴迪在会后表示，伊朗方面已经成立负责跟进美伊谅解备忘录执行情况并就最终协议进行谈判的工作组，但尚未正式就此展开谈判。伊朗正在通过调解人继续磋商，以确定其工作组开展谈判的时间和地点，“如果必要条件得到满足，工作组将正式展开谈判”。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，野村在最新发布的报告中指出，云服务巨头的资本支出将延续至2027年，一场史无前例的零部件供应缺口正在逼近，而持续的涨价与盈利预测上修将成为推动市场走高的最大催化剂。

市场将在2026年下半年迎来史上最严重的供应链错配。尽管台积电正激进扩张其晶圆级封装产能，但真正的供应瓶颈将转移至晶圆级基板（WoS）以及印刷电路板（PCB）和覆铜板（CCL）等较小零部件。这一结构性短缺将直接加剧短期市场的价格波动，但也印证了本轮周期的长期可持续性。

受强劲需求与成本通胀的共同驱动，野村大幅上调了全球服务器市场预期，预计2026年和2027年AI服务器营收将分别增长78%和76%。基于此，该机构重申对台积电，ASE和联发科等九家亚洲AI科技公司的“买入”评级，并全面上调目标价，建议投资者在市场疲软时逢低买入。

随着英伟达与谷歌等科技巨头在先进封装产能上的博弈白热化，AI芯片的竞争格局正面临重塑。与此同时，代理型AI（Agentic AI）的崛起正意外引爆传统服务器CPU需求，为半导体测试与封装行业开辟了新的市场空间。

“史诗级”供应链错配加剧，涨价预期明确

半导体硬件供应链正面临前所未有的供需失衡。野村指出，许多零部件供应商在制定产能扩张计划时，严重低估了AI带来的订单上行潜力。除了众所周知的先进制程、先进封装、存储器和CPU短缺外，PCB，CCL，IC载板，高端电容器，电源管理IC以及光学元件目前均已陷入短缺。

随着英伟达的Rubin架构和AWS的Trainium 3在2026年下半年开始量产，供需状况将进一步恶化。由于新建绿地产能通常需要两年的时间，这意味着到2027年供应依然受限。这种广泛的零部件短缺不仅将限制AI服务器的增长，还将严重挤压消费电子和汽车等非AI领域的供应链。在短缺加剧的背景下，整个供应链的涨价趋势预计将持续或进一步扩大。

数据中心建设提速，巨头资本支出支撑长期需求

全球新建数据中心的追踪数据为硬件供应链提供了领先的需求指标。野村的专有数据显示，全球数据中心项目数量已从此前追踪的240个增加至280个，其中吉瓦（GW）级别的项目数量增加至约50个。预计2027年新增的算力部署将达到32GW，2028年目前已具备23GW的可见度。

这些需求主要由Microsoft，谷歌，Meta和AWS等超大型云服务商以及CoreWeave等新兴云服务商（Neoclouds）的资本支出驱动。此外，据Bloomberg News报道，中国政府也起草了一项史无前例的全国性AI算力网络计划，计划在未来五年内投资2950亿美元，以在2028年前实现分布式数据中心的全国联网。这些持续落地的项目为未来两到三年的硬件需求提供了坚实支撑。

巨头争夺先进封装产能，市场格局面临重塑

在先进封装领域，台积电的态度已转向激进。台积电董事长C.C. Wei在财报电话会议上明确表示，公司正努力满足所有需求，不会放弃任何业务机会。野村预计，台积电在2027年的CoWoS产能目标将达到200万片。然而，由于WoS及其他小组件的瓶颈限制，2027年实际的CoWoS产出可能仅为180万片。

在产能受限的背景下，AI芯片巨头间的资源争夺将极为激烈。野村预测，英伟达在2027年仍将占据台积电约55%的CoWoS产能，而谷歌的TPU份额将从2026年的23%跃升至27%，成为增长最快的AI逻辑芯片。这种“大象打架”的局面将导致AMD和AWS等其他厂商的产能空间被严重挤压。

与此同时，Intel的EMIB-T技术正成为台积电先进封装的最大潜在威胁。谷歌的下一代TPU v9项目正与联发科合作，并计划采用Intel的EMIB-T封装。为了保持领先地位，台积电正在加速推进SoIC和CoPoS技术的量产，以应对未来更大尺寸芯片的封装需求。

代理型AI崛起，服务器CPU迎来意外繁荣

除了AI加速器，代理型AI的爆发正在推动服务器CPU需求的激增。

英伟达首席执行官Jensen Huang指出，未来的AI经济是基于Token的，Vera CPU正是专为代理型AI设计的低延迟，高带宽处理器。

AMD首席执行官苏姿丰也表示，代理型AI需要CPU进行编排和数据移动，预计到2030年服务器CPU的总潜在市场（TAM）将超过1200亿美元。Arm首席执行官Rene Haas同样认为，数据中心CPU市场将迎来千亿美元级的机遇。

CPU需求的激增直接利好了外包半导体封装测试（OSAT）厂商。此外，CPU服务器的繁荣也大幅提升了基板管理控制器（BMC）的需求。

基于对AI和通用服务器市场的强劲预期，野村全面上调了亚洲半导体硬件供应链的盈利预测和目标价。在代工和芯片设计环节，台积电作为AI芯片的核心赋能者，其2026至2028年的利润预测被上调；联发科则将成为谷歌 TPU份额增长的最大受益者。

本文来自华尔街见闻，欢迎下载APP查看更多

ADP Research周三公布的数据显示，美国6月私营部门就业人数增加9.8万人，低于经济学家预期的11.9万人，前值为增加12.2万人。尽管增幅不及预期，数据仍支持今年劳动力市场趋于稳定的判断。

对投资者而言，这份报告的关键不在于单月低于预期，而在于就业仍在扩张，裁员保持低位，职位空缺上升。如果周四公布的政府就业报告确认这一趋势，市场可能进一步押注美联储今年加息，以遏制通胀。

ADP首席经济学家Nela Richardson表示，招聘节奏反映出供给和需求两方面的变化，“我们知道人们找工作需要更长时间，但也有迹象显示某些行业存在劳动力供给限制。就目前而言，整体影响是就业创造放缓。”

从行业看，教育和医疗服务贡献了约一半的新增就业，是6月私营就业增长的主要来源。

贸易，运输和公用事业，以及金融活动也录得就业增加。素材显示，自然资源和采矿业是唯一出现岗位流失的行业。

按企业规模看，小企业继续引领招聘，但就业增长分布于不同规模企业，显示招聘并非集中在单一企业类别。

ADP报告还显示，留任员工的薪资中位数同比增长4.4%，较前月变化不大。

跳槽员工的薪资同比增幅升至6.6%，较前月加快。这表明，即便整体新增就业放缓，劳动力市场部分环节的工资压力仍未明显消退。

对美联储而言，工资增长的持续性仍是通胀判断的重要变量。如果就业和薪资数据继续保持韧性，政策制定者可能更难迅速转向宽松立场。

美国政府就业报告将于周四公布，该报告还包括公共部门招聘。彭博调查显示，市场预计6月美国雇主新增就业11.5万人。

若该预期实现，将标志着近两年来最强的六个月招聘周期。投资者将关注官方数据是否验证ADP所显示的劳动力市场稳定迹象。

ADP报告由ADP Research与Stanford Digital Economy Lab合作发布，基于覆盖超过2600万名美国私营部门员工的薪资数据。下一阶段，市场还将评估能源价格下降，以及美国和伊朗达成结束战争的临时协议后消费者信心改善，是否会继续影响劳动力市场走势。

本文来自华尔街见闻，欢迎下载APP查看更多

在上月公布的年度财务报告中，甲骨文明确表示，如果主要客户未能支付账单或选择不续签合同，公司可能会被极其昂贵的资产套牢，且难以在可接受的条件下重新出租或改造这些算力设施。

这一详尽的风险披露加剧了华尔街对AI投资回报率的担忧，并引发了市场的直接反应。由于对资本支出不断升级的焦虑，相关科技巨头股价在6月份遭遇抛售，其中甲骨文股价当月重挫35%，跌幅居同业之首。

尽管警示了潜在的负面后果，甲骨文仍维持其激进的投资立场。公司强调，为了扩大云计算能力并抓住AI发展红利，承担巨额的资本和运营支出是不可避免的商业选择。

巨额资本开支背后的违约隐忧

甲骨文在年度财务报告中详细阐述了为满足AI需求而进行的大规模基础设施投资可能面临的多种挫折。

在建设阶段，由于供应链中断、政府对数据中心开发的限制，以及第三方未能按期完成项目，数据中心的建设成本可能超出预期，或耗费更长时间。

而在设施建成后，最大的隐患来自于客户的履约能力。甲骨文在文件中警告称，部分客户可能具有高杠杆特征，并面临自身的运营和监管风险。即使公司的信用审查和分析机制正常运作，甲骨文仍可能在交易中遭遇违约或不履行合同的风险。大多数大型科技公司都会在财务文件中列出与数据中心相关的风险，但甲骨文对潜在负面结果的详尽描述实属罕见。

绑定OpenAI的“星际之门”合约

这一警告的背景是科技巨头们正为未来的算力需求押下重注。

据彭博数据，包括甲骨文、微软和Meta在内的六家公司，已为尚未开始的数据中心租赁承诺了高达8500亿美元的资金。

其中，甲骨文占据了最大份额，这主要归因于其与OpenAI签订的价值3000亿美元的“星际之门”（Stargate）合约。

为了履行该合约，甲骨文正在全美范围内开发大型数据中心，以提供云算力。彭博分析指出，当甲骨文提及客户违约风险时，未点名的核心对象正是OpenAI。该扩张计划的成功高度依赖于OpenAI能够持续支付其甲骨文云基础设施（OCI）的账单。

华尔街对AI投资回报的焦虑加剧

甲骨文的潜在担忧反映出投资者对科技行业不断攀升的支出日益感到不安。

近几周，华尔街对AI热潮最终投资回报率的担忧再次爆发。数据显示，六家拥有最大租赁承诺的科技企业股价在6月份均出现下跌，市场对巨额资本开支的容忍度正在降低。

然而，对于科技行业而言，错失AI发展机遇的风险依然远大于过度支出的风险。甲骨文在文件中明确表态，为了实现OCI业务的增长，公司必须获得更多的计算能力，因此产生大量的资本和运营支出是必经之路。

本文来自华尔街见闻，欢迎下载APP查看更多

随着对冲基金和财富管理机构竞相采用相似的AI模型与数据集来寻找投资优势，市场参与者的观点分歧正在缩小。最新研究表明，这种算法同质化趋势正导致投资组合高度趋同，并大幅缩短了盈利交易信号的生命周期，直接威胁到主动型基金经理获取超额收益的能力。

与此同时，AI驱动的交易系统暴露出显著的脆弱性与盲区。多项测试显示，这些模型不仅在面对被微妙篡改的金融资讯时极易做出错误判断，导致严重的单日净值回撤，还系统性地承担了远超预期的风险波动率。

这一系列发现标志着金融界关于AI的讨论焦点发生转移。市场关注的核心已从“技术能否帮助投资者击败市场”，转向“当大量投资者依赖相同机器时，市场结构将如何演变”。

策略同质化缩短盈利周期

金融市场的有效性建立在投资者的分歧之上，但AI的广泛应用正在打破这一前提。

纽约大学研究人员 Shuchen Meng 和 Xupeng Chen 在分析了近一百万个机构基金持仓后发现，随着AI在投资行业的普及，投资组合的相似度不断上升，这一趋势在重度使用该技术的机构中尤为明显。

这种同质化对市场结构产生了直接影响。研究模型显示，在AI普及之前，一个有利可图的交易信号可以维持五到七年，而现在其超额收益在约18个月内就会衰减一半。随着越来越多的投资者在几乎同一时间得出相同结论，今天的获利策略将更快地沦为明天的拥挤交易。

“每一个边缘AI参与者的加入，都在以递增的速度缩短所有可利用模式的寿命，” Meng 和 Chen 在其论文中指出，“当所有人都使用相似的AI时，集体的结果在性质上将不同于个人利益的总和。”

买方机构对AI的依赖仍在加深。另类投资管理协会（AIMA）去年的一项调查显示，58%的基金经理预计将在投资组合构建中更多地使用AI，而两年前这一比例仅为20%。

信息操纵暴露系统脆弱性

除了加剧拥挤交易，AI模型对输入信息的依赖也引入了新的单点故障风险。列支敦士登大学的研究人员 Advije Rizvani，Giovanni Apruzzese 和 Pavel Laskov 设计了10个基于大型语言模型（LLM）的交易模型，通过情绪分析来预测股价。

尽管这些模型在14个月的投资期内均产生了正回报，但它们对被操纵的信息毫无抵抗力。

研究人员对财经新闻标题进行了人类读者几乎无法察觉的微小修改，例如替换外观相似的字母或嵌入隐藏文本，所有模型均被成功欺骗。在最糟糕的情况下，针对单只股票单日的操纵，导致模型的整体回报率下降了约18个百分点。

“一个错误的决定可能会蔓延到其他日子，并影响系统正在做出的其他决定，” Rizvani 表示，“即使只是一天，也可能导致非常灾难性的后果。”

风险敞口失控与过度自信

AI在继承人类交易员分析能力的同时，似乎也继承了人类最古老的弱点：过度承担风险。

Elm Partners Management 的 Jerry Bell，Victor Haghani 和 James White 在一项模拟交易挑战中测试了四种流行的AI模型。在阅读《华尔街日报》头版后，Claude 和 ChatGPT 在预测标普500指数和美国国债市场方向上的准确率超过50%，与顶尖宏观交易员的表现相当。

然而，实验暴露了一个关键缺陷。所有四个模型都持续承担了过多的风险，其日常回报波动率达到20%至40%，远高于为其设定的7%至15%的建议风险区间。

“我们训练AI像人一样，然后我们发现AI确实像人——过度自信，建立过大的头寸，” Haghani 评价道。

随着金融AI研究从“机器能否与人竞争”进入“投资者如何通过相同机器竞争”的新阶段，市场参与者需要重新评估技术带来的真实成本。正如 Apruzzese 所警告的：“盲目信任大型语言模型做出明智决定是不明智的。如果每个人仅仅因为认为AI好、能帮他们赚钱就采用它，而不考虑后果，他们可能会面临巨大的损失风险。”

本文来自华尔街见闻，欢迎下载APP查看更多

据周三报道，松下CEO楠见雄规披露了清晰的阶段性规划：未来三年，公司将集中力量，把握AI数据中心扩张所带来的储能系统、电路材料及电子元器件需求；此后三年，则着力将此业务培育为新一代增长支柱。

为此，松下计划在未来两年内向该领域投入约5000亿日元，力争三年内将相关销售额提升至约1.4万亿日元。市场对此战略反响积极，松下股价年内已实现翻倍，市值更攀升至约11.5万亿日元，创下历史新高。

为给AI业务腾挪资源，松下同步扩大了重组力度。全球裁员规模由最初计划的1万人上调至最多1.2万人，预计2024财年起的年度成本节约额将增至1450亿日元，为新兴业务提供更充沛的资金支撑。

储能系统成为AI数据中心关键切入点

松下在AI基础设施赛道的核心竞争力，集中体现在其储能电池系统业务上。

楠见雄规表示，驱动AI服务器的图形处理器（GPU）耗电量巨大，松下的储能电池系统在削峰填谷、平抑峰值用电需求方面扮演关键角色。他强调，与主要云计算运营商在AI数据中心领域的合作，是公司储能系统业务竞争力的重要来源。

这一布局契合了日本AI供应链整体受益的大背景。日本银行近期表示，对AI行业的强劲出口正为日本经济提供提振动力。同期，闪存芯片供应商铠侠控股（Kioxia Holdings Corp）以及光纤电缆制造商藤仓（Fujikura Ltd）均从AI行业需求中获益。

重整存量资产，确立AI为未来十年增长核心

松下正推进战略性业务重组，在扩张的同时优化存量资产配置。楠见雄规透露，公司计划将美国一座因特斯拉电动车电池订单缩减而产能闲置的生产设施，转型为不间断电源系统的制造基地。

此举折射出松下加速摆脱对家电业务依赖、并在特斯拉核心供应商角色之外培育新增长极的总体战略。楠见雄规在采访中表示：“我们必须以变化为常态，随时准备灵活调整方向。”

面向更长周期，松下于去年宣布将在软硬件领域全面融入AI，并与AI企业Anthropic建立合作，目标在未来十年内将AI相关营收占比提升至30%。

楠见雄规将未来六年分为两个阶段：前三年聚焦把握当前AI基础设施建设带来的市场机遇，后三年着力将相关业务培育为新的增长支柱。他表示：“未来三年，我们要抓住这一机会；再之后的三年，则将其打造成下一个增长引擎。”

本文来自华尔街见闻，欢迎下载APP查看更多

美光科技首席执行官Sanjay Mehrotra在近期的媒体采访中暗讽苹果公司，称“部分客户”此前将存储芯片价格压低至极不合理的水平，导致产品售价仅为原价的三分之一。这一激进的压价策略严重侵蚀了存储制造商的毛利率，并直接破坏了整个行业进行产能扩张和新投资的能力。

前期投资停滞带来的产能缺口，目前已转化为市场上的严重供需失衡与成本飙升。据估算，苹果目前在内存和存储组件上面临高达292%的溢价，这迫使该科技巨头近期在全球范围内对旗下多款核心硬件产品实施了近年来最大规模的提价，以转嫁激增的供应链成本。

这场供应链摩擦发生的背景，是美光科技在AI需求推动下实现了历史性的业绩反转。凭借创纪录的营收增长和利润率表现，美光已跻身万亿美元估值俱乐部，其在产业链中的话语权正发生根本性转变。

压价反噬：存储供应链的供需逆转

在接受CNBC《Mad Money》节目主持人Jim Cramer采访时，Sanjay Mehrotra对美光在AI时代的未来前景表达了乐观态度，但同时对行业此前经历的低谷期进行了回顾。

他指出，在几年前的行业下行周期中，部分客户利用市场环境大幅压低采购价格。

尽管Sanjay Mehrotra在采访中未直接点名苹果，但明确表示“客户将价格压低到了毫无生产力的水平”。在2023年，美光被迫以原价三分之一的价格向客户出售存储产品。这种极端的定价环境不仅导致美光的毛利率出现断崖式下跌，更严重损害了公司进行战略性投资的能力。

不过，Sanjay Mehrotra强调，即使在行业最艰难的时期，美光依然凭借对市场前景的判断，坚持投入了100亿美元进行布局，这为公司如今的市场地位奠定了基础。

成本飙升，苹果被迫启动全球提价

随着存储芯片市场供需关系逆转，前期压价策略的负面效应开始显现，下游终端厂商正面临沉重的成本压力。

据相关估算数据，苹果目前采购12GB LPDDR5X内存模块的成本约为145美元，256GB NAND存储的成本约为51美元。而在低谷期，这两项组件的价格分别仅为39美元和13美元。

高达292%的组件溢价直接冲击了苹果的硬件利润空间。据华尔街见闻报道，苹果公司此前已宣布对Mac、iPad及多款硬件产品实施全球提价，涨幅最高达到300美元，成为该公司近年来最大规模的一次全球性调价行动。

针对产品涨价，苹果CEO库克曾对媒体公开表示，当前内存供应紧张以及存储厂商的大幅涨价，是迫使苹果上调产品售价的直接原因。

美光业绩爆发与战略反击

围绕当前存储芯片价格高企的责任归属，双方的公开博弈已不仅限于高管表态。

针对库克的言论，美光科技首席商务官Sumit Sadana此前已予以回应，暗指苹果过去激进的压价采购策略，正是导致当前存储供应链产能紧缺的重要成因之一。

这场行业话语权的转移，由美光强劲的财务数据提供了支撑。

美光科技第三财季营收同比大幅增长346%，毛利率逼近85%，其第四季度营收指引同样超出市场预期，推动公司股价在次日飙升近16%。在AI爆发前，美光曾被市场视为普通的大宗商品内存制造商，而如今其市场地位已发生巨变。

展望未来，存储芯片的供应紧张局面短期内难以缓解。Sanjay Mehrotra表示，美光已经与客户达成了战略协议，以确保在未来存储和内存价格最终企稳时，公司仍能维持增长和利润率。对于整个科技行业而言，这意味着高昂的存储成本和供应短缺的阵痛仍将持续相当长一段时间。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，欧盟统计局公布的初值数据显示，欧元区6月CPI同比上涨2.8%，低于市场预期的3.0%，也较5月的3.2%明显回落；剔除食品和能源后的核心通胀率由2.6%降至2.4%，同样低于市场预期的2.5%。受数据影响，货币市场迅速下调对欧洲央行年内进一步收紧政策的押注。

尽管通胀数据明显改善，但正在葡萄牙辛特拉（Sintra）出席欧洲央行年度论坛的多位官员并未急于释放政策转向信号，而是强调，中东冲突引发的能源价格冲击是否已经完全消退仍有待观察，未来仍需密切关注能源成本向食品和服务价格的传导效应。

通胀全面回落，加息预期降温

此次通胀数据被视为欧洲央行7月23日议息会议前最重要的经济指标之一。

数据显示，除整体通胀外，欧洲央行最关注的服务业通胀也由5月的3.5%降至3.2%，显示此前由能源价格上涨带来的价格压力并未像市场担忧的那样全面扩散。

近期国际油价随着美伊延长停火协议、霍尔木兹海峡恢复通航而回落至冲突爆发前水平，也成为推动通胀回落的重要因素。

数据公布后，市场进一步削弱了对欧洲央行继续加息的预期。此前投资者普遍预计欧洲央行将在今年至少再加息一次25个基点，而最新通胀数据公布后，利率掉期市场显示这一预期明显降温。

能源风险未消，欧洲央行仍保持谨慎

虽然市场开始重新评估政策路径，但欧洲央行官员普遍认为，现在宣布抗通胀取得胜利仍为时尚早。

欧洲央行首席经济学家Philip Lane表示，目前最需要观察的是过去四个月能源成本上涨是否会继续传导至食品和服务价格。他表示：

"我们将继续坚持逐次会议作出决定，不会预先承诺未来利率路径。"

荷兰央行行长Olaf Sleijpen也表示，近期油价回落对控制通胀无疑是利好，但仍需观察此前能源价格上涨是否仍存在"滞后影响"。

德国央行行长Joachim Nagel则保持相对鹰派立场，认为中东冲突带来的能源价格冲击"仍未真正退出系统"，通胀仍将在一段时间内高于欧洲央行2%的目标。

比利时央行行长Pierre Wunsch表示，如果未来数据显示仍有必要，欧洲央行依然可能进一步加息，但目前市场对继续收紧政策的预期已较6月明显下降。

工资与第二轮效应仍牵动9月决策

部分官员认为，中东局势缓和降低了近期再次加息的迫切性，但新的通胀风险并未完全消失。

奥地利央行行长Martin Kocher表示，未来几次会议的政策选择大概率将在"继续加息"和"维持利率不变"之间展开，而非讨论降息。他指出，若今年秋季工资谈判推动薪资继续快速上涨，仍可能支撑服务业通胀，令价格压力持续存在。

Apollo Global Management首席经济学家Torsten Slok也认为，即使能源价格已经明显回落，欧洲央行仍可能保留9月进一步加息的选项，因为决策层希望确认不存在明显的第二轮通胀效应。

欧洲央行进入"数据决定"阶段

欧洲央行6月已将存款利率上调25个基点至2.25%，这是自2023年以来首次加息，也是七国集团（G7）央行中首家在本轮中东能源冲击后采取紧缩行动的央行。

欧洲央行行长拉加德日前表示，6月加息并非"保险式加息"，而是基于当时掌握的数据作出的必要决定。她强调，自那以后公布的数据并未推翻当时的判断。

随着6月通胀明显回落、国际油价恢复稳定，欧洲央行面临的政策环境正变得更加均衡。市场开始降低对年内进一步加息的押注，但决策层仍坚持"一次会议决定一次会议"的策略，在能源价格、工资增长以及服务业通胀等关键变量进一步明朗之前，不愿提前承诺未来政策方向。

本文来自华尔街见闻，欢迎下载APP查看更多

这是一款中端模型，Sonnect系列里"最能干活"的。代理能力测试SWE-bench Pro上跑出63.2分——离旗舰Opus 4.8的69.2分只差6分。另一个维度上，研究生级推理测试GPQA-AAA v2上，Sonnet 5反倒压了Opus 4.8一头。

定价更关键。优惠期内每百万输入token收2美元，输出10美元。Opus 4.8对应的价格是5美元和25美元——Sonnet 5用四到六成的价格，跑出了旗舰九成以上的能力。

这条新闻可以有两种读法。

第一种：AI又变便宜了。成本下降利好所有人，Chatbot战争继续，模型厂商卷生卷死。

第二种——也是市场正在定价的——模型越便宜，算力和存储反而越贵。

Claude Sonnet 5发布当天，美国半导体指数涨近4%。过去三年的AI叙事里有一条明线：推理效率会干掉芯片需求。但这个判断在每一个数据节点上都错了。

降价：三年降了一千倍

先看降价这条线。

2022年，GPT-4级别API调用成本约每千token 0.03美元。到2025年，同等性能级别模型的价格——按斯坦福AI Index Report的口径——降了约280倍。加上开源和效率提升的综合效应，业界公认的降幅是 1000倍。

降了不只一种模型，是每一家都在降。

Anthropic这次Sonnet 5对标Opus 4.8的能力密度，定价只有四到六成。Google的Gemini Omni Flash视频生成每秒0.10美元，Nano Banana 2 Lite图像模型4秒出图、每千张只要0.034美元——是前代的一半。DeepSeek-V4-Pro把百万token输入打到了0.035美元的水平。

降价不止发生在定价表上。

6月24日，The Information报道OpenAI在内部找到了一项纯软件优化技术——某个运算环节的GPU需求被砍掉了一半不止，专用GPU池子从几千台骤降到几百台。同月，Meta提出了Vistara方案：把退役服务器拆下来的DDR4内存通过自研CXL芯片重新接上，和DDR5按3:1搭配，推理服务器成本压降25%。

到了6月30日，阶跃开源了推测解码技术JetSpec——大模型推理速度可以提升近10倍。换算下来，同样的token输出量，需要的GPU数可以陡降一个数量级。

如果AI是一个传统的成本-需求函数，这些信号应该指向一件事：未来需要的芯片变少了。

华尔街是这么恐惧的。

1月DeepSeek发布R1的那个周末，AI基础设施股经历了近年最猛烈的抛售。AI云公司Nebius股价暴跌40%。故事线很简单：中国开源模型用0.1美元卖token，美国公司花2美元，算力需求必然坍缩。

爆炸：总支出反涨320%

但实际发生的事情完全相反。

Nebius联合创始人Roman Chernin后来回忆：DeepSeek引发恐慌的那个星期，"可能是我们销售最好的一周"。公司采购部门看到成本骤降后的第一反应不是砍预算，而是终于可以大规模跑推理了。

2024年，全球企业的生成式AI总支出约115亿美元。2025年，这个数字飙升到了370亿美元——一年涨了 320%。按Menlo Ventures的企业调研，中位企业在2025年运行着"数十个"AI应用，而2023年这个数字是1到2个。

各个维度的数据都在同一条曲线上：

Uber在2026年4月就已经烧完了全年的AI预算。AT&T目前日处理270亿token——18个月前，这个数字是8亿。一家美国大型医保公司，月token消耗从300万一口气冲到了1.5亿以上。

拆开看，增长来自三个方向的叠加。

第一是应用扩散。每家企业的营销部用了3个AI工具，销售部4个，客服部2个，加上法务、HR、财务——从2个到几十个，这是数量级的跳跃。

第二是单应用深度。以客服AI为例：2023年日交互量约500次，每次约800个token，做完对话就结束。到2025年，日交互15000次，每次约4500个token，每次交互还要再触发3到5次后续推理——情感分析、升级预测、质量评分——全部叠加在同一个入口上。

第三是模型本身的复杂度升级。从7B参数的单轮模型，升级到70B以上的多步推理代理，每一轮内部推理所消耗的token是线性交互的几十倍到上百倍。

换句话说，token成本降到了千分之一，市场用掉的token数涨了数万倍。乘起来的净效应只有一个方向：支出爆炸。

Token消耗量每两个月翻一倍——多条独立线索拼出了同一个数字。把这条指数曲线画到2027年，企业AI年支出破千亿美元是算术问题，不是预测问题。

传导：存储涨了六倍，芯片基建指向7.6万亿

降价刺激出的需求没有停留在软件层。

存储器价格的涨幅，是AI需求从模型层向硬件层传导最直接的信号。

2025年三季度起，DRAM和NAND Flash现货价格累计涨幅均超过300%。DDR5颗粒在单月内涨幅一度突破90%。进入2026年，涨价不但没停，反而加速了。

一季度DRAM合约价涨幅从预期的55%-60%被上修到90%-95%；NAND从33%-38%上修到55%-60%。二季度TrendForce的预测是DRAM再涨58%-63%，NAND再涨70%-75%。

以消费级产品为锚：宏碁掠夺者32G DDR5 6000套条，2025年10月底价格还在1300元，到2026年1月已经飙到2700元。三个月翻倍，放在消费品市场上极其罕见。

三星存储业务在2025年四季度录下单季营业利润历史新高——突破20万亿韩元、约合人民币962亿元。而这一年多的涨势最根本的推力并非来自手机或PC的消费级换代，而是AI数据中心对HBM、企业级SSD、高密度DRAM的巨量采购。

高盛5月的一份报告把这笔账算到了极致。

报告预测，2026年到2031年全球AI基础设施累计资本支出约7.6万亿美元。2026年单年7650亿美元，到2031年攀升至1.6万亿。其中，单颗基准GPU（基于NVIDIA VR200 Rubin）按8.05万美元计算，NVIDIA占各期总算力支出的75%。

高盛在报告里还追问了一个关键问题：如果ASIC（专用芯片）大量替代GPU，是否能削减总需求？

答案是分情况的。如果需求缺乏弹性——企业的AI算力需求是固定的——ASIC替代可以直接降低总资本需求。但如果需求有弹性——算力越便宜就买得越多——芯片组合的改变主要重塑的是利润在不同供应商之间的分配，而不是总支出规模。

高盛的基准情景选的是后者。

美股价格也在往同一个方向走。闪迪自年初以来涨了857%，Bernstein在6月30日的报告中将目标价上调至3000美元。AMD一天涨7%创历史新高。做GPU的、做存储的、做封装的、做数据中心设备的——全部在新高附近。

Edgen.tech在6月11日的综述文章里引用的这个数字最有冲击力：内存芯片价格在过去一年里涨了六倍。

"周期性回升"这个标签贴不上去。涨了六倍的东西，背后是整个经济体系的需求在重新定价AI的物理基础设施。

根源：Jevons在1865年就已经回答过

威廉·斯坦利·杰文斯在1865年写了一本书叫《煤炭问题》。

他的核心观察是：瓦特改良蒸汽机后，单位煤耗大幅下降，英国的煤炭总消费量反而不降反升。因为效率提升意味着蒸汽动力在更多行业成本可接受了——纺织、铁路、采矿、航运——每一个新场景都创造出了原来不存在的煤炭需求。

160年后，同样的公式在AI算力上重演了。

企业算过账。2022年的token价格下，实时推理客服对话在经济上不可行。非紧急场景不值得跑AI。个性化内容生成只能做细分群体级别，做不到用户级别。到了2025年，价格降了1000倍，这些"原来不存在的需求"全变成了刚需。

Nebius的Chernin给了一句最直接的总结："每一次我们让同样单位的智能变得更便宜，我们不是在减少消耗，而是在增加消耗——因为同样的预算可以解决更复杂的任务了。"

市场忽略了另一个结构性推力：毛利率的正反馈。

AI推理的毛利率曲线在历史上找不到对应物。一家提供API的公司，起步阶段毛利率可能只有10%——模型训练贵、推理贵。但软件优化（算子融合、量化、推测解码）每个月都在压推理成本，而定价调整总是慢半拍。于是毛利率从10%爬到90%的速度比任何传统行业都要短。

毛利率驱动利润，利润追加采购，采购摊薄成本——正反馈回路，没有天花板。

"你有DRAM就能卖token，没有DRAM就无法卖token。"这句话正在成为AI芯片需求的基本方程。

高盛报告的两个敏感性假设也在加深同一个判断。芯片经济寿命如果从5年缩到3年，替换周期加速，累计资本需求直接上台阶。每芯片内存比预期高25%——主要改变的是芯片堆栈内部的支出分配，对7.6万亿总盘子的净影响有限，但方向是同一个：钱不会少花。

终局：谁握住了算力

Fable 5出口管制解除——6月12日禁、6月30日解，前后三周——给了这个悖论一个意外的注脚。

管制的理由是"国家安全风险"。解除管制跟风险消失没关系——替代品出现了。Tulongfeng等亚洲团队在管制期内推出了接近Mythos级的模型，封锁的威慑力迅速归零。解禁是现实使然，跟善意无关。

这段插曲恰好卡在AI降本悖论的主线上：模型是可替代的。从GPT到Claude到DeepSeek到开源模型，没有人能垄断AI的能力本身——有人设卡，就有人绕路。

硬件不是这套逻辑。

GPU不行。DRAM不行。晶圆厂的建设周期以年为单位。光刻机的产能上限是固定的。高纯度硅的供给弹性近乎零。这些都是物理定律，不是商业策略。软件优化可以压模型成本一千倍，但压不下一个晶圆厂的建设周期一天。

AI模型降价的终点，如果这个悖论继续跑下去，不指向去算力化——指向算力定价权的再集中。不管你用的是谁的模型，token都得跑在某人的芯片上。模型厂商卷价格的每一分钱，最后都变成了数据中心、晶圆厂和存储产线账簿上的收入。降本越凶，这个转移越不可逆。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

上汽集团重新站回了中国车市的规模高位。

7月1日，上汽集团披露最新销量数据，6月整车销量39.5万辆，同比增长8.1%；上半年累计销量204.5万辆，成为今年率先突破200万辆的中国汽车企业。这意味着，上汽超越了比亚迪（上半年略超180万辆），锁定中国车市半程销量冠军。

上汽此次重回第一的意义，在于规模之外。

上半年，上汽自主品牌累计销售146.9万辆，同比增长12.6%，占集团总销量比重达到71.8%，较去年同期提升8.3个百分点。其中，上汽乘用车同比增长49.4%，智己汽车增长107%，上汽大通增长29.1%。

也就是说，上汽这次拿回半程第一，靠的已经不只是上汽大众、上汽通用这样的合资基本盘。自主品牌成了更明确的主力。

这对上汽很关键。过去很长时间里，上汽最强的资产就是合资体系。上汽大众、上汽通用曾经撑起它的销量和利润中枢，也让上汽长期站在中国车企规模第一的位置。但新能源车快速起势后，这套体系反而成了转身最慢的部分。燃油车时代积累下来的品牌、渠道和开发流程，在新能源和智能化竞争里没有天然优势。

上汽管理层也没有回避这个问题。

6月26日召开的上汽集团2025年年度股东会上，董事长王晓秋在回应投资者提问时提到，上汽大众和上汽通用曾经很成功，但2020年新能源快速发展后，在电动化方面变慢，目前油车比例仍然偏高。

这句话放在半程销冠的背景下看，更能说明上汽眼下的处境：它重新拿回了规模第一，但不能再用过去那套方式守住第一。

新能源是另一条变化。6月，上汽新能源车销售20.1万辆，同比增长66.6%；上半年累计销售79.6万辆，同比增长23.1%。

新能源增长开始分散到多个板块。自主板块里，上汽乘用车新能源车上半年销售23.9万辆，同比大增218.1%；智己汽车累计销售4万辆，同比增长107%；上汽通用五菱新能源车销售34.3万辆。合资板块也在补课，上汽通用新能源车上半年销售近5万辆，同比增长81.1%；上汽大众新近推出的ID. ERA 9X、奥迪E7X也开始贡献销量。

上汽新能源不再只是一个品牌或一款车的故事。自主品牌接住规模，合资品牌补新能源短板，海外市场继续给增量，三条线一起抬头，构成了这次半程销冠的成色。

海外市场是另一个支撑。上半年，上汽海外市场累计销售73.5万辆，同比增长48.7%；6月海外销售14.6万辆，同比增长61.2%。其中，MG品牌在欧洲上半年销售超过19万辆，同比增长超过20%，全年销量将冲刺40万辆。

这给了上汽一层缓冲。国内车市价格战还在继续，规模车企要维持产能利用率和成本优势，海外市场的重要性会越来越高。上汽过去几年跑得最早的，也是MG这条全球化曲线。

但海外增长也已经进入更难的阶段。王晓秋在股东会上提到，上汽在欧洲面临惩罚性关税风险，也在推进欧洲本地化生产。海外市场已经不只是“把车卖出去”，而是要处理关税、本地制造、供应链和渠道效率。

所以，半程销冠对上汽来说，更像一次阶段性验收。它证明上汽的规模能力还在，也证明自主、新能源、海外正在承担更大权重。

真正决定上汽能不能守住第一的，仍然是合资板块能不能被重新做起来。

从股东会释放的信息看，上汽已经把这个问题摆到台前。上汽大众和上汽通用未来两三年将参与全球市场竞争，合资体系也在从过去的“技术引进”，转向更强调中国市场导向的产品定义。

上汽通用自2025年起，新车型产品定义由上汽通用和泛亚主导，数字化、智能化功能由中国团队主导开发；上汽大众也在智舱、智驾等关键领域提高中方团队的参与权重。

这是合资模式的深层变化。过去合资车企的核心逻辑，是外方提供技术和品牌，中方提供市场和渠道。现在，新能源和智能化的主战场在中国，用户需求变化最快，供应链响应最快，软件迭代也最快。如果产品定义权仍然留在海外总部，合资品牌很难跟上中国市场节奏。

上汽要做的，不只是让合资品牌多推几款新能源车，而是把产品定义权、技术选型权和生态合作权更多拉回中国。

这也是上汽把自研技术开放给合资品牌的原因。按照股东会信息，上汽自研的银河智驾、半固态电池等技术将同步开放给两大合资品牌，补齐其电动化核心技术短板。上汽集团总裁贾健旭还给出时间表：合资新能源车型毛利将在2026年下半年持续修复，两大合资板块整体恢复稳定盈利的时间点被放在2027年。

这个时间表很重要。它说明上汽眼下的半程销冠，还不能直接等同于转型成功。2026年下半年和2027年，才是合资板块能否重新贡献利润和增量的关键窗口。

半程销冠给上汽争回了位置。但这不是一个可以轻松守住的位置。

过去，上汽靠合资体系坐在第一。现在，它要靠自主品牌、新能源、海外和一场仍在推进的合资重塑，重新证明自己还能坐在第一。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间6月30日周二，美国商务部正式解除对Anthropic Fable 5和Mythos 5模型的出口限制，Anthropic随后在X平台上确认，将于周三恢复访问。

不过，Anthropic在X平台上发帖表示，与此前版本相比，重新上线的Fable 5已加入更严格的安全分类器（classifier），一些编程、调试等请求将自动降级至旧一代模型Opus 4.8处理，意味着用户能够真正调用Fable 5能力的场景被明显压缩。

这一变化迅速引发开发者社区热议。不少业内人士认为，Fable 5虽然名义上重新开放，但其最具竞争力的能力已被“阉割”，更像是一个受到严格限制的版本，而非此前发布的完整模型。

Fable 5回来了，但核心能力“被降级”

公司公布了一项重要调整：新版Fable 5新增了一套安全分类器，用于识别可能涉及敏感网络安全能力的请求。Anthropic承认，这套分类器的代价是会"更频繁地误判正常请求"，包括日常编程、代码调试等任务。

官方说明写道：

新的分类器也意味着，在日常编码和调试任务中，更多正常请求会被错误识别。

对于这些被识别出的请求，系统不会调用Fable 5，而是自动切换至上一代Opus 4.8模型完成。开发者普遍认为，这意味着Fable 5最强的代码生成能力实际上已无法完整使用。

开发者Wise表示：Fable 5已经不是Fable 5了。为了换取解除出口限制，Anthropic增加了新的安全分类器，同时将大量日常编程和调试任务重新交给Opus 4.8处理。

知名加密市场分析师Miles Deutscher也指出，新版Fable 5不仅限制Coding能力，同时仅允许用户在约50%的额度内使用该模型，其余请求仍会落回旧模型，因此此次"重启"更像是一次受限开放，而非真正恢复原有能力。

从全面封锁到有条件解禁

此次调整，是美国政府与Anthropic持续数周谈判后的结果。

6月12日，美国商务部以国家网络安全风险为由，禁止Anthropic向用户提供Fable和Mythos两款前沿模型。监管部门最大的担忧集中在所谓"越狱（jailbreak）"风险，即用户可能绕过模型安全限制，获取更强大的网络攻击能力。

随后，美国政府于上周率先允许Mythos 5向部分美国企业和政府机构有限开放，而消费级产品Fable 5则继续维持封锁。据媒体此前报道，为推动解禁，Anthropic最终调整了谈判策略，不再坚持"无法彻底消除越狱风险"的立场，而是承诺增加更严格的安全防护机制，以降低风险发生概率。

如今重新上线的Fable 5所新增的安全分类器，正是双方妥协后的主要成果。

AI监管进入"能力可用，但必须可控"阶段

此次Fable 5恢复上线，也进一步反映出美国AI监管思路正在发生变化。

相比直接禁止模型开放，美国政府更倾向于要求企业通过增加安全分类器、限制敏感能力、动态降级模型等方式，对前沿模型实施持续监管。

Anthropic并非唯一受到影响的公司。此前，OpenAI最新模型ChatGPT-5.6同样在白宫及相关监管部门要求下，仅向小范围用户开放，发布节奏明显放缓。OpenAI管理层曾公开表示，希望尽快建立一套明确、稳定的AI模型评估和审批机制，以减少临时性监管带来的不确定性。

对于整个AI行业而言，Fable 5此次"解禁"或许意味着一个新的监管范式正在形成：前沿模型可以发布，但最敏感、最强大的能力，将越来越多地通过安全分类器、能力降级和访问限制进行动态管控。开发者获得的是一个能够使用的Fable 5，但未必还是最初那个完整的Fable 5。

本文来自华尔街见闻，欢迎下载APP查看更多

据《韩国先驱报》（The Korea Herald）6月30日报道，随着KOSPI近期持续大涨，国民年金持有的韩国股票比例已明显高于年度配置目标，多家券商预计，该基金将自7月开始逐步减持韩国股票，最悲观情景下卖出规模或高达74.4万亿韩元（约480亿美元）。

受该消息影响，周三KOSPI高开1.4%后迅速跳水，盘中一度重挫4%，最终收跌逾2%。

随后，官方紧急出面澄清。国民年金理事长金成柱7月1日发布一篇题为《国民年金再平衡与74万亿韩元抛售炸弹的真相》的文章，称市场流传的所谓"74.4万亿韩元抛售潮"是"没有根据的说法"，国民年金作为公共养老金，将采取渐进式再平衡策略，通过限制月度和单日调整规模等方式，尽可能降低对市场的冲击。

带崩韩股的不止这一个“小作文”。华尔街见闻此前文章提到，近日网络上流传“首尔已向三星电子和SK海力士发函、要求设立政府主导的利润共享相关智库”，这一传闻也迅速被官方澄清。

分析人士认为，国民年金再平衡本身属于资产配置的常规操作，但由于其管理资产规模超过1.2万亿美元，是全球第三大养老基金，其任何买卖动作都会被市场高度关注。在当前韩股估值已处于高位、市场情绪较为脆弱的背景下，资金面变化成为投资者关注的焦点。

韩股上涨过快，国民年金仓位突破合规区间

按照国民年金现行资产配置指引，2026年韩国国内股票目标配置比例为20.8%，允许浮动区间为±8个百分点，即上限为28.8%。

然而，受近期韩股快速上涨影响，市场普遍预估国民年金国内股票仓位已升至约30%，明显超出合规上限。

国民年金实行纪律性再平衡机制，当某类资产权重偏离目标区间时，将主动卖出超配资产、补入低配资产，以回归既定配置结构，控制整体组合风险。

为避免对市场形成短期冲击，国民年金此前将再平衡操作推迟至6月底。随着7月到来，新一轮调仓预计将正式启动。

最多或卖74.4万亿韩元，机构测算差异巨大

由于国民年金并未披露具体的执行方案，各家机构对于潜在卖盘规模判断差异较大。

新荣证券（Shinyoung Securities）测算认为：若KOSPI重新升至9000点，国民年金最高可能卖出74.4万亿韩元韩国股票；若指数维持在8500点附近，卖出规模约为14.7万亿至51.2万亿韩元。

大信证券（Daishin Securities）则预计，为使国内股票配置重新回到目标区间，NPS需要出售约20万亿至57万亿韩元股票。

虽然市场不断出现"74万亿韩元抛售潮"的说法，但多数分析人士认为，真正一次性集中卖出的可能性极低。新荣证券分析师Cho Yong-gu预计，NPS很可能进一步压缩年度、月度及每日再平衡额度，通过更长时间逐步完成减仓，并且不排除未来上调国内股票年度配置目标的可能。

韩国国民年金否认“74万亿韩元卖盘”传闻，明确将分阶段稳市操作

面对市场不断发酵的担忧，韩国国民年金理事长金成柱（Kim Sung-joo）已公开回应称，NPS作为公共养老金，不会像追求利润最大化的私募基金一样集中抛售资产，而是会将市场稳定放在重要位置。

据韩国《每日经济》报道，金成柱表示，所谓"74万亿韩元卖盘"属于市场过度解读。

与此同时，韩国媒体披露，国民年金已调整再平衡执行规则，通过降低月度及日度调整幅度控制市场冲击。其中，每月再平衡幅度最高限制为0.25个百分点，单日卖出规模亦设置上限，进一步降低集中抛售风险。

市场普遍预计，本轮再平衡更可能以数月甚至更长时间分阶段完成，而非形成一次性的巨额卖压。

本文来自华尔街见闻，欢迎下载APP查看更多

为了让元宝的办事能力进一步提升，腾讯如今把微信小程序的大门也向其打开了。

华尔街见闻获悉，近日，元宝在回答社保、公积金、户籍、交通等相关问题时，回答中会同步弹出对应微信小程序的快捷链接，点击即可跳转至办理页面。

不过，要想元宝调出小程序链接，用户不仅需将元宝升级到最新版本，还必须将元宝的模式切换至快速思考模式。

比如，当华尔街见闻输入“帮我查一下我的医保个人账户余额”时，元宝就会提供详细的查询路径指引，同时在答案中也会挂出对应城市医保小程序入口；询问“身份证过期如何紧急乘机”时，元宝也在回答中直接挂出临时乘机证明的小程序入口。

腾讯方面表示，元宝目前打通的微信小程序已覆盖社保、医保、公积金、交通车驾、税务、户籍、出入境、住房、教育、民政等多个政务民生领域。

在激烈的原生AI应用竞赛中，元宝最大的差异化竞争优势就是腾讯丰富的生态。可以看到，元宝正在不断打通腾讯内部生态资源。

此前，元宝已经陆续接入微信、腾讯新闻、腾讯体育、同程旅行、ima知识库等内容源，把腾讯内部的内容资产逐步开放给AI调用。

而随着AI应用竞争的焦点从聊天机器人转向能干活的Agent，元宝也需要补齐自己“办事”的能力。此次打通政务民生领域微信小程序无疑就是为了提升元宝的办事能力。

华尔街见闻还发现，在让元宝推荐无人机时，它给出的答案中也挂出了大疆商城的小程序链接。也就是说，接下来，元宝或许将打通更多领域的微信小程序。

除此之外，元宝也会通过与其它互联网大厂的合作来进一步丰富生态内容，如计划要接入美团AI助手“小美”、京东Agent。

在6月初的财报会上，美团CEO王兴提到，美团AI助手“小美”与腾讯元宝的合作将于近期上线。届时，用户可直接在元宝中输入诉求，通过小美调用外卖等本地生活服务，完成一站式交易。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，美团正式发布并宣布开源新一代基础大模型LongCat-2.0（中文名“龙猫2.0”）。官方数据显示，该模型总参数量为1.6万亿，是国内首个基于5万张国产算力卡集群完成预训练及推理全流程的大型语言模型。

相比过往行业内聚焦通用能力的发布路径，美团此次的重心主要落在底层基础设施的国产替代、模型推理成本控制，以及面向智能体与代码场景的垂直优化上。

公开资料显示，LongCat-2.0此前曾以“Owl Alpha”为代号在OpenRouter等平台进行灰度测试。在技术架构上，该模型在超过5万张国产AI芯片集群上完成了30万亿Token的预训练，并主要采用了稀疏注意力与动态激活机制。

其在推理阶段的单次Token平均激活参数约480亿。这种架构设计的目的，是在处理常规指令时减少高能耗计算节点的调用，从而压降单次交互的显存占用和推理成本。

在模型能力侧，LongCat-2.0被明确设定为侧重于智能体工作负载。据了解，LongCat-2.0从零开始预训练，原生支持1M超长上下文，其架构设计可以让模型在真实的Agentic Coding任务中，更高效、更稳定地完成代码理解、生成与执行。

在主流的Agent与代码生成评测中，其主要优势指向了自动化工作流和代码理解。目前，该模型已兼容Claude Code、OpenClaw等主流开发工具的接口。这一技术侧重表明，美团试图在长文本和代码生成维度寻找更确定的落地场景。

在海外高端GPU获取受限的市场环境下，美团自2023年起推进国产算力适配。此次披露的5万卡国产集群，验证了超大规模国产硬件在实际万亿模型训练中的工程可用性。

万卡以上级别集群的核心壁垒在于节点协同与系统纠错。能在该规模集群上完成从零预训练，意味着其底层的算子适配、通信库异常处理与流水线调度能力已达到商用标准。

对企业而言，摆脱对单一海外硬件供应商的依赖，可以使其在未来的资本支出结构和算力采购上，获得了一定的成本调控空间。

在新模型发布之前，美团近期在内部成立了AI Transformation部门。这反映出其对大模型的预期正从技术探索转向业务流的实质改造。

将侧重智能体和代码能力的LongCat-2.0置入美团实际业务链条，预期的影响路径主要集中于两点：

其一，内部研发端的结构性降本。通过接入各类开发工具，模型衍生的AI代码助手与SQL数据分析智能体，可直接缩减后端开发与数据查询的人力与时间消耗。

其二，业务流的自动化调度。美团主营的同城物流与本地生活业务，涉及高频的商户与骑手交互。1M超长上下文结合原生的工具调用能力，可用于处理多维度的调度指令分发与自动化客诉流转，尝试进一步摊薄单均履约成本。

整体来看，LongCat-2.0的发布是一次基于现有国产算力底座和业务需求的工程化交付。在行业算力投入持续扩大的周期内，美团试图通过架构调整压降推理成本，并以智能体编码作为切口推进内部提效。该模型后续的财务表现，仍需考察其在美团高并发真实业务中，能否兑现预期的开发降本与运营增效指标。

本文来自华尔街见闻，欢迎下载APP查看更多

今年上半年，韩国综合指数（KOSPI）累计涨幅达101.14%，位居全球主要股指之首。然而，据韩联社援引联合Infomax数据，外国投资者在同期净卖出高达148.3万亿韩元的韩国股票，创历史同期最大净卖出规模。与此同时，个人投资者净买入约99.2万亿韩元，机构净买入约35万亿韩元，散户成为承接外资抛售的主力。

这一"外资出逃、散户接盘"的格局，叠加杠杆ETF的爆炸式增长，正在市场平静表面之下积聚系统性风险。高盛在最新报告中将KOSPI的走势描述为"一个巨大的、自我强化的反馈回路"，并警告以韩国为核心的亚洲杠杆需求正将整条杠杆链条逼近极限。

外资持续出逃，再平衡与汇率压力双重驱动

外国投资者的大规模撤离并非无迹可寻。韩国证券界普遍认为，KOSPI的急速上涨本身构成了外资卖出的直接诱因。

随着韩国股票在全球投资组合中的权重因股价暴涨而显著扩大，外资面临再平衡压力，需要主动减持以维持既定的资产配置比例。韩国投资证券指出，"KOSPI指数对应的外国人持股市值涨幅远超指数本身，其在整体指数中的占比已升至金融危机以来最高水平。"他认为，在KOSPI上涨势头明显放缓之前，外资持续净卖出的趋势难以逆转。

汇率因素进一步加剧了外资的卖出意愿。今年5月以来，韩元兑美元汇率持续走弱，两个月内从1483.3韩元升至1549.4韩元，累计贬值约66.1韩元。外资为规避汇兑损失，在此期间净卖出达92.9万亿韩元，占上半年总净卖出额的六成以上。

KB证券研究员警告称，外资潜在的可卖出存量"估计不低于迄今已卖出的规模"，并预计下半年美元强势与外资证券卖出将推动韩元汇率进一步上行，上限或触及1580韩元，但预计四季度后有望回落至1400韩元区间。

散户高杠杆接盘，反馈回路暗藏脆弱性

在外资持续撤离的同时，韩国散户投资者以近100万亿韩元的净买入规模成为市场的主要支撑力量，且其中相当部分借助杠杆工具放大了敞口。

今年上半年，杠杆ETF产品成为韩国市场最耀眼的明星。据韩国交易所及联合Infomax数据，上半年ETF收益率前12名全部为杠杆产品——即追踪基础指数日收益率两倍的产品。其中，"TIGER 200IT杠杆"以764.07%的涨幅高居榜首，"KODEX半导体杠杆"和"TIGER半导体TOP10杠杆"分别以493.80%和361.23%位列二、三名。

5月27日上市的SK海力士单一股票杠杆ETF上市后表现同样亮眼，上市至今涨幅排名包揽前七位。

然而，这场杠杆盛宴的另一面是急剧放大的市场波动。未来资产证券研究员指出，"随着国内外ETF市场快速扩张，杠杆ETF的影响力持续增大，股票市场的波动性在结构上已显著提升。"他同时提示，"虽然杠杆ETF放大了波动，但股价方向最终仍与业绩同步，目前应准备从集中持仓转向更广泛的布局。"

高盛示警：杠杆链条逼近极限

散户的杠杆行为并非孤立现象，而是全球杠杆体系中一个高度敏感的节点。

高盛期货交易专家Robert Quinn在最新一期《高盛每周简报》中警告，9月到期的标普500指数总收益期货（SPX TRF）融资利率上周五最高触及联邦基金利率加127.5个基点，经销商杠杆已升至年中历史高位。Quinn将这一异常抬升的核心驱动力直接指向亚洲——尤其是韩国——对杠杆近乎"无止境"的需求。

据彭博跟进报道，杠杆ETF产品的爆炸式增长、散户保证金账户扩张，以及对冲基金在主经纪商处的存款激增，共同推动市场融资成本出现不寻常的年中跳升，目前已达2024年12月以来的最高水平。Kyte经纪公司的Andy Kent表示，"杠杆已成为投资者当前最核心的主题之一，保证金债务高企，影子银行体系各个环节的借贷继续扩张。"

高盛报告亦将KOSPI的走势定性为"一个巨大的、自我强化的反馈回路"——股价上涨吸引更多杠杆资金入场，杠杆资金进一步推高股价，循环往复。市场的核心隐忧在于：一旦经销商融资利差对某一交易对手变得难以承受，流动性骤然收紧，整条杠杆链条将迅速反向运转，资产价格面临断崖式下挫风险。

机构上调目标，但风险分歧加剧

尽管风险信号频现，韩国本土券商对下半年行情仍持乐观态度，主要依据是半导体企业的业绩预期持续改善。

韩国投资证券和三星证券均将KOSPI下半年目标上限上调至11000点，大信证券更上调至11500点。NH投资证券研究员表示，"个人投资者集中买入半导体ETF，而内存半导体企业的业绩动能仍在持续，估值压力也相对较低，预计短期内对半导体ETF的偏好将延续。"

不过，韩国投资证券也坦承，SK海力士ADR（美国存托凭证）上市及韩国国债纳入WGBI（世界国债指数）带来的外资流入预期，"考虑到绝对规模和流入时间窗口，仍难以抵消外资在国内股票市场的持续净卖出趋势"。

在杠杆高企、外资持续流出、汇率承压的多重背景下，这场由散户和杠杆资金主导的上涨行情能否持续，正面临越来越严峻的考验。

本文来自华尔街见闻，欢迎下载APP查看更多

6月，零跑汽车以全球93376辆的交付量蝉联造车新势力销冠，同比增幅达95%，刷新品牌单月历史纪录；蔚来公司与小鹏集团分别交付40597辆（同比+62.9%）和40126辆（同比+15.9%），双双突破4万辆；鸿蒙智行以50624辆重返"5万+"阵营；理想汽车则以30895辆录得同比、环比双降。

从上半年达成率来看，蔚来公司约41.9%的完成率是已披露目标品牌中唯一超过40%者；理想汽车约为39.68%，下半年月均需交付超49000辆方可完成目标；小鹏和小米达成率均约30%。

零跑领跑，出口成增长亮点

在造车新势力阵营中，零跑汽车依旧保持领先地位。7月1日，零跑汽车公布：6月全球交付9.3376万辆，同比增长95%，再次刷新品牌单月销量历史纪录。出口方面，当月出口量达2.1万辆，占总量约22%。

零跑汽车创始人、董事长兼CEO朱江明透露，C系列月全球销量突破3万辆，D19累计交付近两万辆，A10在6月再次实现月交付超2万辆，B系列则将于7月焕新上市。

今年上半年，零跑全球累计交付35.6487万辆，其中海外出口近10万辆，已超过去年全年出口量。以全年100万辆的销量目标计算，上半年达成率约为35.6%，距目标仍有较大差距。

产品方面，零跑全新C10、全新C11、全新C16于6月16日焕新上市，在智能、舒适与实用体验上进一步优化，满足多元家庭出行需求；零跑首款旗舰MPV D99于6月25日正式上市，围绕空间布局、驾控表现、续航能力与安全体系等维度实现全面进阶，树立旗舰MPV新标杆。

蔚来三品牌矩阵发力，达成率居同业前列

小鹏、理想、小米：节奏各异

小鹏集团6月交付4.0126万辆，同比增长15.9%，排名前进一位至第三位；二季度累计交付10.3295万辆。小鹏GX 6月单月交付6739辆，并于7月1日迎来第1万辆整车下线。上半年小鹏累计交付16.5977万辆，以全年55万至60万辆目标计，达成率约30.2%。

理想汽车6月交付3.0895万辆，出现同比、环比双降，排名下滑一位。

当前理想销量结构中，纯电车型i6是主力，全新L9和L8尚处于产能爬坡与交付初期阶段，在一定程度上拖累了整体销量表现。二季度理想共交付9.8330万辆，落在9.5万至10.0万辆指引区间的上沿。上半年累计交付19.35万辆，以约48.76万辆的全年目标计，达成率约39.68%，剩余月份月均需交付逾4.9万辆方能完成年度任务。

小米汽车6月交付量持续超过3万辆，上半年累计交付突破16.9万辆。以全年55万辆目标计，当前达成率约30.7%。

鸿蒙智行重回"5万+"，其他品牌分化延续

传统车企参与打造的新品牌方面，鸿蒙智行6月交付5.0624万辆，环比增长9.7%，重回"5万+"销量阵营。问界M6上市54天交付破3万辆，尚界Z7系列6月单月交付量破万，全新问界M9于6月16日开启规模交付，两周内交付突破8000辆。

上半年鸿蒙智行累计交付约24万辆，同比增长18.6%，但对照百万辆级别的年度目标，达成率尚不足20%，在各主要品牌中缺口最为突出。

岚图汽车2026年6月交付14223辆，同比增长41%。

6月极氪交付新车35169辆，同比增长111%；1—6月共交付178370辆，同比增长97%。

比亚迪公告，6月新能源汽车销量40.35万辆，上年同期38.26万辆；本年累计累计销量180.85万辆，同比下降15.72%。

上汽集团7月1日公告，2026年6月份整车销量为39.48万辆，同比增长8.07%。2026年1-6月，公司累计销量为204.54万辆，同比下降0.35%。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，A股全天震荡整理，沪指冲高回落，盘中一度涨超1%，午后回落，一度转跌，尾盘小幅上涨，券商、石油化工、房地产等板块走强。创业板全天整体承压，午后更是加速下跌，一度跌超2%，科创50午后曾下挫近4%，算力硬件、芯片半导体集体走低，“光”概念全线跳水。此外，光伏产业链集体陷入调整，光伏逆变器、储能等大幅下跌，阳光电源一度跌停。

港股方面，7月1日为香港特别行政区成立纪念日，港股全天休市，南、北向交易同步关闭，7月2日恢复正常。债市方面，国债期货集体下跌。商品方面，国内商品期货普遍下跌，核心市场走势：

A股：截至收盘，沪指涨0.44%，深成指跌0.53%，创业板指跌1.89%。

盘面上，个股涨多跌少，全市场超4300只个股上涨，逾200只个股涨停。今日成交3.68万亿。沪深两市成交额3.66万亿，较上一个交易日放量3900亿。板块方面，大金融走强，券商、保险方向领涨；医药、农业股爆发，煤炭、化工、房地产涨幅靠前。金融科技、AI应用、人形机器人、锂矿等题材活跃。光伏、算力硬件产业链调整。

港股：香港股市今日因假期休市。

债市：国债期货全线下跌，截至收盘，30年期主力合约跌0.34%，10年期主力合约跌0.21%，5年期主力合约跌0.15%，2年期主力合约跌0.05%。

商品：国内商品期货多数下跌，截至收盘，航运期货跌幅居前，集运指数(欧线)跌10.94%；化工品多数下跌，乙二醇跌3.32%；农副产品涨跌参半，红枣跌2.47%；黑色系多数下跌，焦炭跌2.38%；能源品全部下跌，原油跌2.34%；贵金属全部下跌，钯金跌2.18%；油脂油料多数下跌，菜油跌1.25%；基本金属多数下跌，沪铅跌1.09%；非金属建材全部下跌，玻璃跌1.03%；新能源材料涨幅居前，碳酸锂涨4.62%。

券商、保险大涨

今天券商再度拉涨，天风证券、国盛证券、华安证券涨停，招商证券、长江证券大涨超8%，财通证券、财达证券、广发证券等纷纷大涨。

消息面，6月30日，中证协修订发布《证券公司做好金融“五篇大文章”专项评价办法》，推动行业要素资源向科技创新、先进制造、绿色低碳等重大战略领域集聚。叠加A股上半年累计成交额刷新半年度历史纪录，券商二季度中报业绩有望超预期。

分析人士指出，当前券商板块估值处于历史低位，科创底色逐步被挖掘，投资者可关注流动性充裕的头部证券ETF及联接产品，把握板块中长期配置机会。

申万宏源认为，证券板块经营景气度持续向好，行业二季度业绩预期高增（部分标的盈利水平有望进一步环比提升）、政策催化落地、资金因素趋于消退，板块或迎来科创、财富、海外等多业务条线潜在催化，下半年迎来业绩、估值双升。

据中泰证券研报梳理，目前券商板块有三大主线驱动业绩与估值双上行：

一是科创主线。IPO市场回暖，头部机构IPO能力与储备具备优势；股权投资释放业绩弹性，以长鑫科技为代表的科创标的落地带来可观账面浮盈；研究业务转型赋能产业，头部机构搭建产业智库。

二是海外主线。境外业务规模持续扩容，中信证券国际营收和净利润占比分别达到30%、21%；境外主体盈利能力更强，2025年中信证券国际ROE超22%；国内高净值客户跨境资产配置需求旺盛。

三是财富主线。经纪业务高增，2026年前五月市场股基成交额同比增长91.2%；资管板块盈利稳定，公募业务盈利效率优于券商传统主业；财富管理精细化转型提速，高端客户资产挖掘空间充足。

与此同时，保险股亦大幅拉升，截至收盘，中国人寿涨9.7%，总市值重回1.1万亿，新华保险涨9.6%，中国人保、中国太保、中国平安纷纷上涨。

午后“光”集体跳水

光芯片概念板块跌超2%，长芯博创、仕佳光子、光库科技跌超7%。

光通信板块跌近4%，通鼎互联、中天科技、长盈通大跌超8%。

光纤概念跌近5%，通光线缆、特发信息、长飞光纤等跌幅居前。

此外，光模块概念亦走弱，东山精密跌6%，中际旭创跌超3%，新易盛跌超5%。

芯片半导体同样承压，恒运昌、富信科技跌超10%，芯原股份、纳芯微、寒武纪纷纷跟跌。

消息面，券商中国称，科技股调整的原因可能来自两个方面：一是内部结构再均衡，今天上涨的个股普遍是前期回落较多的个股，而跌幅较大的股票皆为此前的热门股；二是外围的变数。虽然日本股市上涨，但韩国股市今天继续大跌，而且美元指数保持强势。随着美元持续走强以及海外投资者大举抛售当地股票，韩元汇率近日急剧下跌，失守1550韩元兑1美元关卡，创下自2009年全球金融危机以来的新低纪录。这给科技类成长股的估值带来了一定压力。

华尔街见闻文章写道，一则声称韩国政府将强制要求芯片企业“共享利润”的网络谣言周三在市场上迅速蔓延，引发KOSPI指数盘中重挫近4%，韩国贸易、工业和资源部随即发表声明，斥之为"完全不实"的蓄意误导，并警告将追究传播者的法律责任。

该部在声明中表示，网络上流传的“首尔已向三星电子和SK海力士发函、要求设立政府主导的利润共享相关智库”的说法“完全不实”，并宣布将把蓄意散布不实信息的行为移交调查当局处理。

整体来看，科技板块的基本面逻辑并未发生根本变化。工信部数据显示，1-5月规模以上电子信息制造业增加值同比增长14.6%，利润总额同比增长1.04倍。半导体行业更有涨价支撑——芯联集成宣布Q3产品价格调整15%-25%，为年内第二轮提价；国巨全系列MLCC电容涨价约50%。

分析人士指出，当前科技板块的调整，更接近对上半年较大涨幅的消化整理，而非基本面恶化。

养殖、化工、创新药多点开花

养殖业多股涨停。

益生股份6月30日晚披露2026年半年度业绩预告，预计净利润2.7亿至3亿元，同比增长42-47倍，主要受白羽肉鸡产业链景气上行驱动。湘佳股份、新希望、傲农生物、绿康生化、天邦食品同步涨停，立华股份、晓鸣股份涨超10%。

氟化工延续强势。多氟多开盘2分钟即封涨停，走出三连板行情，最新市值约658亿元。联创股份、华谊集团、金石资源、永太科技跟涨。

据百川盈孚数据，6月29日国内电子级氢氟酸价格较年初上涨17%-19%。多氟多接受机构调研时表示，半导体级氢氟酸现有产能4万吨，产能利用率维持较高水平，市场价格上涨约20%-30%。

创新药与化学制药表现活跃，板块整体涨近5%。汇宇制药、宣泰医药20cm涨停，润都股份、海南海药、昂利康等多股涨停。

国家医保局近日公示2026年药品目录调整初审结果，557个药品通过基本医保初审，54个药品通过商业健康保险创新药目录初审。

光伏逆变器大跌，阳光电源一度跌停

除了科技股拖累之外，今天创业板承压的部分原因在于权重股宁德时代、阳光电源的下跌，阳光电源盘中一度20CM跌停，收跌近14%。

消息面，据观察者网，当地时间6月30日，路透社援引五名知情人士消息称，特朗普政府正在起草一项禁止进口外国产逆变器的禁令，无端担忧中国可能会利用这些逆变器扰乱电力供应。据介绍，逆变器是能源设施中的关键设备，将太阳能电池板或电池产生的电力转换为可用于家用电器的电力。它们允许远程访问，以进行更新和维护。据上述消息人士透露，美国联邦通信委员会（FCC）正在起草的限制措施将适用于新型外国逆变器型号，最早可能于今年发布。

宁德时代早盘一度跌近6%，收跌超2%。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 黄昱

在运营10年后，网易旗下游戏娱乐直播平台CC直播将正式退出历史舞台了。

6月30日，CC直播发布停运公告，称由于产品开发运营策略调整，CC直播将于2026年8月31日15时正式终止运营。即日起，平台已关闭下载入口，并停止充值、新用户注册以及新主播、新公会入驻。

无论对于网易还是整个游戏直播行业而言，这都不是一次突发事件，而更像是一场早已写好的结局。

游戏产业分析师张书乐对华尔街见闻表示，从游戏直播大战到千播平台大战一路走来，CC直播一直都不在头部，尽管可以作为网易游戏的一个宣发平台，亦可依靠网易游戏的版权授予达成一定的“自留地”，但整体十分鸡肋。

“如今从闲子变为弃子，也是网易对缺少造血能力的游戏边缘链条一种战略性收缩。”张书乐认为，于网易而言，从游戏宣发到电竞赛事授权合作，可以依靠更大用户量级的直播短视频平台，已经完全式微的CC直播停运，几乎不会带来任何负面影响。

作为国内最早一批游戏直播平台之一，CC直播的前身可以追溯到2009年上线的网易CC语音。

彼时大型多人在线角色扮演游戏的玩家需要语音协作，网易推出CC语音，本质上更像一个围绕游戏社区构建的基础设施，服务对象主要是《梦幻西游》《大话西游》等网易系游戏玩家。

2016年前后，移动直播进入爆发期，网易顺势将CC语音升级为CC直播，希望借助自身游戏生态，把语音、社区和直播连接起来。

放回当时的行业环境，这个判断并不难理解。

那几年，直播是互联网最具想象力的赛道之一。秀场、游戏、电竞、泛娱乐快速融合，头部主播不断刷新身价纪录，平台之间围绕独家内容和用户时长展开激烈竞争，直播行业也迎来“千播大战”。

张书乐指出，CC直播只能看作是游戏直播兴起之初，网易作为游戏巨头，必须和腾讯一般亲自下场的一种战略性选择而已。

网易并不缺切入条件。

一方面，它拥有稳定的游戏供给能力；另一方面，天然具备游戏玩家流量池。如果能够把玩家观看、互动、消费行为沉淀在内部生态，理论上就能形成“游戏发行—内容传播—用户运营”的闭环。

公开数据显示，在巅峰时期，CC 直播注册用户超 2.8 亿，月活跃用户突破 4500 万，签约主播数量超过20万名 。

这些年，网易在游戏行业始终位居头部，也不乏产出爆款游戏，但却始终没有让CC直播真正突破“网易游戏配套平台”的身份，最终走向落寞。

它有内容，却缺少跨平台影响力；有稳定用户，却缺少头部主播虹吸能力；有生态基础，却难以形成行业级入口。

当然，CC直播的停运并不是孤立事件。

过去几年，游戏直播行业实际上已经完成了一轮深度出清。

行业早期曾出现多个玩家并行竞争：游戏直播平台、秀场直播平台、视频网站和互联网大厂同时入局。但最终结果是，熊猫TV、全民直播等纷纷倒闭，市场逐步集中到少数头部平台。

为了打造游戏产业链闭环，腾讯在千播大战中看上了斗鱼和虎牙，先后成为这两家游戏直播平台的第一大股东。在千播大战中存活下来的斗鱼和虎牙，后来也一度占据了游戏直播领域的大部分市场份额。

张书乐指出，游戏直播平台大战在2020年之前就已经尘埃落定，斗鱼、虎牙如今虽然形成游戏直播平台的双强格局，但抖音、快手等泛娱乐直播短视频平台在游戏直播上的拓展和真正市场占有，早已远超”纯血“游戏直播平台。

与此同时，张书乐认为，游戏直播作为直播乃至直播带货兴起的起点，自身的垂直特征，让其缺少拓展空间，也和直播带货等当下主流盈利手段有相当隔阂。目前只是一个垂直小众分类，且生存艰难，甚至出现“涉赌”问题，已经可见一斑。

从网易自身来看，过去几年，其战略方向也越来越清晰：强化游戏主业、推进全球化、布局AI能力，同时持续优化非核心业务。

继续维持一套独立直播体系，需要技术、审核、主播运营、公会生态、商业化团队长期投入；而把内容分发交给更大的平台，可能反而效率更高。

因此，CC停运未必意味着网易放弃直播内容，而更像是放弃“自己做平台”。

未来网易游戏仍然需要直播能力，只是这些能力可能更多通过外部平台合作完成，而不再由内部产品承载。

过去互联网相信“拥有入口才能拥有未来”；现在越来越多公司开始相信“把资源押在真正有壁垒的能力上”。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，据CNBC，该平台初始运营装机容量约为1.7吉瓦，远期规划扩展至10吉瓦，理论上可为约100座百兆瓦级大型AI数据中心提供稳定电力支持。

平台由KKR掌握管理控制权，负责整合SK集团旗下的风电、光伏及燃料电池资产；SK集团则作为股权投资者参与其中，并保留未来通过双方协商争取控制权的选项。

市场分析人士指出，此次合作释放出明确信号：随着AI基础设施投资进入加速周期，亚太地区的可再生能源资产正从传统公用事业属性，逐步演变为AI产业链中的战略性基础设施，其估值逻辑也有望因此被重新定义。

AI竞赛催生能源新需求，KKR联手SK重仓韩国绿电市场

KKR表示，韩国已成为亚洲最具吸引力的可再生能源市场之一，背后的核心驱动力来自半导体、数据中心以及先进制造业不断增长的企业绿电需求。

KKR合伙人Keith Kim表示，韩国拥有稳定增长的企业购电需求，尤其是半导体、数据中心和制造业对清洁能源的需求，为当地可再生能源市场提供了长期增长基础。

此次交易公布的时间点也颇具象征意义。就在数日前，韩国政府宣布推出涵盖半导体、实体AI（Physical AI）及AI数据中心的三项大型投资计划，以强化国家AI竞争力。

与此同时，作为韩国第二大财阀，SK集团也宣布，未来将平均每年投资约100万亿韩元，用于扩大半导体产能及建设AI数据中心，进一步推高对稳定绿色电力的需求。

KKR亚太能源版图再扩张，SK资产重组提速

此次交易由KKR亚太基础设施基金提供资金支持。自2011年以来，KKR通过全球基础设施平台已累计向能源转型和可再生能源领域投资超过310亿美元。

韩国平台成立后，也进一步完善了KKR在亚太地区的能源版图。此前，KKR已投资印度的Serentica Renewables，以及澳大利亚的CleanPeak Energy和Zenith Energy等可再生能源企业，持续押注亚太地区不断增长的企业绿电需求。

对于SK集团而言，此次合作也是其持续推进"价值提升计划"的重要一步。

近年来，SK持续通过出售资产、优化业务组合和推进重组来改善资产负债表，降低杠杆水平、提升资本效率。SK表示，此次成立可再生能源平台正是集团优化投资组合、提升资本配置效率的重要举措。

根据交易安排，SK Innovation、SK ecoplant及SK eternix旗下的风电、光伏及燃料电池等可再生能源资产将统一注入新平台，由平台集中运营，以提升规模效应和运营效率。

本文来自华尔街见闻，欢迎下载APP查看更多

周三，A股券商板块再度爆发，天风证券、国盛证券、华安证券等多只个股涨停，金融股整体走强。这一行情并非孤立事件。据上海证券报此前报道，本轮行情最关键的变化"买券商等于买一篮子打折科技股"的交易逻辑在市场上快速发酵。

驱动这一叙事迭代的核心，是科创板强制跟投制度与头部券商深度布局硬科技股权的现实。开源证券在最新行业深度报告中指出，本轮大投行主线并非单纯的IPO周期修复，而是科技资产证券化提速带来的券商商业模式重估。国盛证券则测算，2026年以来科创板和创业板合计迎来20只新股，实际募资总额303亿元，承销保荐费用共17亿元，中信证券、国泰海通、中金公司位居收入前三。

当前券商板块估值仍处历史低位。据国盛证券数据，截至6月26日收盘，券商板块市净率（PB）仅1.20倍，处于历史低位区间，而A股日均股基成交额已达3.19万亿元，两融余额持续保持2.5万亿元以上，基本面景气度与估值之间的背离正在吸引资金持续加码。

跟投制度打开"科创新属性"，投行逻辑全面升级

支撑"买券商等于买科技"这一逻辑的制度基础，是科创板强制跟投规则。根据现行规定，科创板全部IPO项目强制要求保荐券商另类子公司跟投；创业板则对未盈利等四类企业实施差异化约束，保荐机构须参与跟投。跟投比例按发行规模分档为2%至5%，锁定期24个月。

这一机制的市场效果已有数据印证。Choice数据显示，2025年以来已有30家上市公司登陆科创板，按6月26日收盘价计算，其中超过七成跟投目前的浮盈已超过IPO承销保荐收入。据国泰海通证券测算，2025年科创板新股上市平均涨幅在200%至260%；若2026年科创板IPO总规模为600亿元、券商平均跟投比例为3%，全行业跟投入市资金约18亿元，参照历史涨幅测算，券商对应预期浮盈可达45亿元，头部券商单季度跟投浮盈峰值有望突破70亿元。

上海证券报援引东吴证券非银首席分析师孙婷的观点称，在科创板和创业板跟投制度下，投行业务的逻辑已从传统的保荐承销手续费模式，转变为"产业认知—项目获取—资本赋能—价值兑现"的全生命周期服务模式。财通资本副总经理郭建中亦表示，券商借助投资板块在企业B轮及更早阶段深度绑定优质硬科技企业，进而落地保荐等投行业务，"投资+投行"的核心联动模式已成为行业常规打法。

投行周期仍在底部，头部集中趋势加速

尽管市场情绪升温，当前投行业务在周期位置上仍处于低位修复阶段，上行空间可观。开源证券数据显示，2025年全市场IPO规模为1318亿元，仅为2022年峰值5869亿元的22%；预计2026年A股IPO规模约2000亿元，为2021年的37%，仍处于上一轮高景气周期后的低位区间。

与此同时，IPO业务向头部机构集中的趋势持续强化。三中一华及国泰海通的IPO业务市占率，已由2020至2022年的52%至55%提升至2025年的73%、2026年上半年的58%。盈利能力方面，头部券商投行业务营业利润率由2024年的19%回升至2025年的37%，但距离2020至2021年约50%的高景气水平仍有修复空间。

从收入结构看，2025年中金公司和中信建投大投行业务收入占比分别为22%和18%，其他头部券商约为15%。利润贡献方面，中金公司大投行业务利润贡献约19%，同比提升3个百分点；中信建投、国泰海通、中信证券、华泰证券利润贡献约15%，同比2024年均实现较大幅度增长，主要受益于直投和跟投利润贡献扭亏。

国盛证券指出，2026年以来科创板和创业板年内合计迎来20只新股，累计募集资金占年内全部A股IPO总募集资金的43.12%，这些新股主要集中在电子设备、元器件、集成电路等高端制造领域。其中，中信证券承揽7个项目，累计收获保荐及承销费用6.64亿元；国泰海通累计保荐6家公司，获得收入4.36亿元；中金公司保荐上市4家公司，获得收入2.34亿元。

长鑫科技：解剖一个“大投行链条”样本

长鑫科技IPO是观察科技资产证券化反哺券商大投行业务的最佳样本。这家国内领先的DRAM存储芯片研发、设计、制造一体化企业，按产能、出货量及销售额计算已成为国内第一、全球第四的DRAM厂商，拟募资总额295亿元，募资规模位居科创板设立以来第二，仅次于中芯国际。2026年5月17日，公司更新招股书，2026年一季度归母净利润247.6亿元，同比增长1688%，中报业绩指引归母净利润超过500亿元。

开源证券对长鑫科技IPO的券商受益链条进行了详细测算，涵盖承销、跟投、直投三个层面：

承销端，按1.5%承销费率测算，长鑫科技总承销保荐费约4.4亿元，作为联席保荐机构的中金公司和中信建投单家承销收入约2.2亿元。承销收入确定性较高，但相较直投和跟投，对当期利润弹性的贡献更偏稳健，核心价值在于提供优质资产入口和产业客户黏性。

跟投端，假设发行价3.5元/股，单家跟投金额按2%跟投比例计算为7.44亿元。在2万亿元市值假设下，单家跟投浮盈约53亿元；在3万亿元市值假设下，浮盈可达83亿元。需注意，跟投收益存在24个月锁定期，最终利润贡献节奏存在不确定性。

直投端，弹性最大。穿透后，招商证券和华安证券直投持有长鑫科技股份数在券商中最多。在2万亿元市值假设下，综合直投与跟投，招商证券理论收益约132亿元、中信建投约76亿元、华安证券约69亿元、中金公司约54亿元、广发证券约16亿元、国泰海通约15亿元、方正证券约11亿元。

开源证券指出，上述直投跟投收益并不在当期完全体现在利润表，由于股票锁定期原因，当期会有一定折扣，仅供参考。

硬科技IPO储备充足，景气延续可期

长鑫科技之外，硬科技IPO的储备管线同样值得关注。宇树科技拟募资42亿元，已报送证监会，由中信证券保荐；长江存储于2026年5月19日完成辅导备案登记受理，由中信证券和中信建投联合保荐；超聚变数字技术拟募资80亿元，已进入问询阶段；燧原科技拟募资60亿元，已报送证监会。

从项目储备看，头部券商优势显著。开源证券数据显示，2025年至2026年5月，中信证券和国泰海通非北交所IPO项目均为23单，位居行业前两名；科创板项目募资规模方面，中信证券以234亿元排名第一，国泰海通、中金公司、中信建投和华泰证券亦位居前列。

跟投浮盈方面，2024年6月至2026年6月，中信证券累计跟投浮盈31.7亿元，国泰海通18.8亿元，中信建投13.3亿元，中金公司12.2亿元，华泰证券7.9亿元。开源证券指出，在科技股上涨和硬科技IPO密集推进阶段，该类浮盈对券商利润弹性的边际贡献更为明显。

开源证券认为，本轮大投行主线具备短期业绩弹性、中期项目储备和长期ROE中枢上移三重逻辑。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，老凤祥公告称，其下属子公司老凤祥香港有限公司已终止对迈巴赫奢侈品亚太有限公司（MAP）的股权投资，并签署相关解除协议。

原因在于，Maybach Icons of Luxury GmbH（MIOL）授权其在中国上海设立的控股子公司迈巴赫商贸（上海）有限公司，开展迈巴赫奢侈品在中国的商业活动。

随着这一安排落地，MAP原有商业模式、业务范围以及品牌授权条件随之发生变化，各方因此协商终止原有的股权投资安排。

在此基础上，老凤祥的合作方式也同步调整：其下属子公司老凤祥臻品商贸（上海）与迈巴赫商贸（上海）签署新的品牌代理协议，继续承担中国区的品牌代理业务。

换言之，老凤祥从原先“入股亚太平台+代理业务”的模式，转为单纯的中国区品牌代理合作，这一调整也让双方合作的重心更加集中在品牌与渠道层面。

老凤祥与迈巴赫奢侈品的合作源于其推动品牌高端化的诉求。

2025年，老凤祥曾拟以2400万美元认购MAP 20%股权；同时，老凤祥臻品商贸获得迈巴赫奢侈品在亚太地区的经销权，其中上海为独家代理区域。

在这一合作框架下，双方不仅围绕销售展开，还涵盖品牌推广、渠道建设、客户运营及买断式采购等多项内容。

彼时披露的采购安排显示，老凤祥方面向MAP采购的商品金额在2025年过渡期不低于100万美元，2026年每半年不低于200万美元，2027年起每季度不低于200万美元，三年合计不低于1300万美元。

迈巴赫奢侈品在亚太地区的渠道并不成熟。

MAP本身于2025年2月在香港注册成立，在老凤祥筹划入股时仍处于早期平台阶段，亚太渠道建设更多属于规划和导入，而非已经兑现的成熟网络。

与此同时，大众熟悉的迈巴赫主要来自梅赛德斯-迈巴赫汽车，而老凤祥合作的迈巴赫奢侈品并不包括汽车业务，主要围绕高端眼镜、皮具、配饰、马具、服饰、家居等非汽车奢侈品展开，其品牌价值更多体现在符号与定位层面。

老凤祥只是参与推动黄金品牌定价逻辑重塑的众多企业之一。

过去两年，金价上涨强化了黄金的资产属性，也为品牌讲高端化与奢侈品故事提供空间，消费者既为审美与身份买单，也以保值为理由。

而随着金价从高位回落并进入震荡，黄金品牌的奢侈品叙事也开始接受压力测试。但对业绩始终与金价高度绑定的黄金珠宝品牌而言，通过高端化与品牌溢价寻找新的增长路径，仍然是一场值得尝试的博弈。

本文来自华尔街见闻，欢迎下载APP查看更多

据韩国媒体etnews援引业内人士透露，三星电子和SK海力士今年初曾将半导体基板交货价格平均上调约3%至4%，部分回应了基板厂商因金、铜等原材料成本急涨提出的调价诉求。然而随着原材料价格逐步企稳，谈判天平已向买方倾斜。韩国PCB印制电路板与半导体封装产业协会（KPCA）秘书长An Youngwoo表示，目前正在进行谈判的多家基板厂商均收到客户要求下调下半年交货价格的要求，若降价落实，第一季度的涨幅或将被完全抵消。

行业人士担忧，此举将令基板厂商陷入"双重困境"——原材料成本依然高企，交货价格却面临下行，利润空间受到两端挤压。这一局面若持续，可能制约基板行业的资本开支与下一代技术研发投入，进而影响整体竞争力。

KPCA已就此发声，呼吁半导体厂商暂缓推行降价，并推动建立更具持续性的供应链合作机制，将当前半导体景气周期的收益惠及整条产业链。

据行业消息，目前韩国主要国内半导体基板厂商正与三星电子和SK海力士就下半年交货价格进行谈判。基板厂商方面希望进一步提价，理由是金、铜等原材料采购成本仍处高位，叠加当前半导体景气周期带来的需求支撑。

然而，半导体厂商方面的态度截然相反。由于第一季度交货价格已有所上调，据悉三星与SK海力士正考虑在下半年将价格拉回原有水平。An Youngwoo表示，基板行业普遍预计，最快下月起交货价格便可能遭到下调。

对于未被纳入原材料成本联动机制的中型基板厂商而言，此次降价压力尤为棘手。成本联动机制原本旨在将原材料价格波动风险在供应链各方之间合理分担，但大量中型企业目前仍游离于该机制之外。

KPCA指出，基板产业的结构特性决定了其对原材料价格波动高度敏感。一旦原材料价格骤涨的成本压力不成比例地落在基板厂商身上，将直接削弱其投资能力，并最终动摇其技术竞争力。若利润增长放缓进一步压缩资本开支空间，下一代基板技术的研发进程亦将受到拖累。

An Youngwoo表示，中型基板企业在韩国国内半导体供应链中扮演着连接大型企业与中小企业的关键角色，对于维护整体半导体产业竞争力不可或缺。他呼吁半导体厂商将基板交货价格纳入构建可持续、有竞争力供应链的合作议题加以讨论。

基板产业的核心主张是：在当前半导体上行周期中，景气红利不应由芯片厂商独享，而应向基板等上游合作伙伴延伸，以实现共同成长。KPCA明确呼吁，相关降价要求应暂缓推行。

行业内部亦有观点认为，应推动建立长期可持续的合作模式，使长期承受原材料成本压力的基板厂商能够持续投入研发、产能扩张与品质提升，从而保障供应链的整体韧性。

为应对上述局面，KPCA提出了一系列具体建议：针对中型企业审查并扩大交货价款联动机制的适用范围，完善风险分担机制以更好应对原材料价格波动；推动成立由政府、国会与产业界共同参与的供应链合作理事会；加大对半导体供应链关键中型企业的政策支持力度；并构建保障供应链可持续竞争力的合作框架。

KPCA表示，上述措施旨在从机制层面系统性化解基板产业的结构性脆弱性，并为半导体供应链的长期稳定提供制度保障。

本文来自华尔街见闻，欢迎下载APP查看更多

周三，投资策略研究机构Absolute Strategy Research联合创始人兼首席投资策略师Ian Harnett撰文指出，自2022年10月以来，美股累计涨幅已超过100%，若从2009年金融危机结束算起，整体涨幅达10倍。

当前牛市的核心驱动力来自两个方向：AI技术带动的强劲企业盈利，以及相对宽松的货币政策环境。他警告，尽管市场可能仍处于"终局阶段"，但"终局"尚未到来。

对投资者而言，这一判断意味着短期内系统性风险仍属可控，但需密切关注利率路径的超预期变化，以及AI相关行业客户端盈利的潜在恶化——后者或将成为下一轮市场逆转的早期信号。

估值已入极端区间，但高估值不等于拐点

美股当前估值已远超历史均值。按过去12个月实际盈利计算，市盈率为28.4倍，较过去40年均值高出约40%；按周期调整后的10年平均盈利计算，市盈率高达41倍，较均值溢价约60%。即便以未来盈利预测为基础，市场当前估值也达到20.3倍，仍比历史均值高出约25%。此外，市净率、市现率等多项估值指标同样处于历史高位。

Ian Harnett指出，如此极端的估值水平，历史上仅在重大牛市顶部附近出现过。然而，高估值是市场反转的必要条件，而非充分条件。若要打破当前强劲的上行动能，需要利率预期、企业盈利前景或AI板块基本面出现重大转变，三者缺一不可。

利率需大幅跳升才能"谋杀"牛市

市场对利率触发点的讨论由来已久，但Ian Harnett认为，并不存在某个能够一击致命的"临界利率水平"——真正令市场动荡的，始终是利率变动的速度与幅度。

回顾过去125年的历次重大牛市顶部，每一次都伴随着政策利率的急剧攀升。1907年、1929年、1973年和2000年的市场逆转，均发生在政策利率上调2至4个百分点之后。相比之下，当前期货市场仅消化了约0.5个百分点的加息预期——远未达到历史上足以终结牛市的幅度。

他同时指出，美联储若在新任主席沃什领导下继续"落后于曲线"，即维持相对宽松的政策立场，则将为牛市的短期延续提供空间。即便美国未来一年企业盈利增速预期高达21%，历史规律本应促使美联储更大幅度加息，但目前市场定价并未反映这一压力。

AI泡沫破裂是更深层的风险，但尚未引爆

Ian Harnett认为，若这轮牛市走向终结，AI"泡沫"的破裂将是核心触发因素。目前，AI相关企业盈利依然强劲，销售增长保持健康。但投资者对AI资本支出规模、资本市场融资压力以及超大规模云计算企业现金流的担忧正在上升。

从资金面看，短期内市场承压风险有限。即便Anthropic、OpenAI和SpaceX等公司合计通过IPO募资2000亿美元，据美联储数据，美国散户投资者仍持有约2.3万亿美元的可投资现金，机构投资者另有约6万亿美元，资金供给充裕，不至于引发重大市场冲击。

然而，Ian Harnett援引互联网泡沫破裂的历史教训指出，真正的风险往往不来自AI企业本身，而来自其潜在客户群体的盈利恶化。他建议投资者重点关注金融、制造、媒体、交通、教育和医疗等AI重度应用行业的盈利与现金流动向——一旦这些行业出现明显减速，将是牛市终结的更可靠预警信号。

地缘冲击未能撼动市场，外部风险仍属可控

伊朗局势升级未能成为终结本轮牛市的"黑天鹅"。Ian Harnett分析，近期油价上涨的幅度与持续性均不足以实质性损害经济活动前景，也未能显著推升市场对利率的预期。

从历史比较来看，近期油价涨幅约为63%，远低于1990年约100%的涨幅，更与1973至1974年约300%的涨幅不可同日而语。这意味着，当前地缘政治冲击对宏观经济和货币政策的传导效应相当有限，尚不构成系统性威胁。

综合来看，Ian Harnett的结论是：这轮由AI驱动的牛市大概率将延续，市场或许已进入终局阶段，但终局尚未落幕。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博，日本财务省国际事务副大臣Atsushi Mimura周三接受采访时表示，约两个月前的干预行动"从此后市场走势来看，显然是有意义的"。他同时透露，美方从未就此表达异议，"甚至有一些更具支持性的表态"。

Mimura发表上述言论之际，日元兑美元汇率已跌至约162.70，接近1986年以来最低水平。日元持续贬值不仅加剧了日本进口能源和食品成本上涨，也进一步侵蚀居民实际购买力，令市场对当局再次出手干预的猜测持续升温。

官方强调干预有效，美日保持密切沟通

采访中，Mimura明确肯定了4月底以来两轮干预行动的效果，并强调日本与美国在汇率问题上保持着高频沟通。他表示，自己通过电话和电子邮件与美国财政部官员保持联系，沟通频率"远超大多数人的想象"。

这一表态也与近期美日官方释放的信息相呼应。据彭博此前报道，美国财政部长贝森特今年5月访问东京后，将双方沟通形容为"持续且稳健"。上周，日本财务大臣Katayama Satsuki又与贝森特举行电话会谈，双方强调将继续保持密切协调。消息公布后一度提振日元，并再次点燃市场对于日本可能实施汇率干预的预期。

Mimura的最新表态意味着，日本政府仍将外汇干预视为抑制汇率异常波动的重要政策工具，同时认为美日双方在这一问题上的立场总体保持一致。

创纪录干预难改颓势，日元再度跌回低点

日本政府于4月30日在美元兑日元逼近161时首次出手干预，市场随后又普遍认为，当局在5月初进行了第二轮操作。

官方数据显示，截至5月27日的一个月内，日本累计动用11.73万亿日元（约721亿美元）买入日元、卖出美元，创下历史最高月度干预规模。

干预初期，日元一度升至155附近，但随后涨幅逐步回吐。即使日本央行6月16日将政策利率上调至30年来最高水平，也未能扭转日元弱势，目前汇率已重新跌破干预前水平。

彭博经济研究分析师Taro Kimura认为，跌破162未必意味着贬值行情接近尾声。根据其日元分位数回归模型，未来汇率进一步走弱至170附近的概率并不低，而重新回升至150附近的可能性则相对有限。

日元弱势背后：利差预期主导

Mimura将日元持续承压的根源归结于市场对美日利差可能再度扩大的预期——投资者普遍预计美联储将于今年晚些时候转向加息。

对此，Mimura表示，从美联储最新点阵图来看，他并不认为其释放了再加息两至三次的信号，但同时强调，他无法就他国央行的政策走向置评。

与此同时，日元疲软对企业层面的冲击相对有限。日本央行周三公布的数据显示，6月大型制造业信心指数升至2018年以来最高，大型非制造业信心更创1991年以来最乐观水平——出口商直接受益于竞争力提升，国内企业也在加速向消费者转嫁成本。

市场聚焦164至165区间

值得注意的是，Mimura此次并未重复日本财务省过去常用的"将毫不犹豫采取果断行动""随时准备应对过度波动"等表述。分析人士认为，官方刻意淡化口头警告，可能意在保留未来干预行动的突然性，避免市场形成明确的"干预点位"预期。

不过，随着日元持续走弱，市场仍普遍将164至165区间视为日本政府下一次可能出手干预的重要观察区间。

除了汇率问题，日本政府近期也在通过财政政策缓解输入型通胀压力。首相高市早苗推出燃料补贴以减轻居民负担，不过其此前提出的大规模减税计划一度推高日本国债收益率，并对全球债市造成扰动。

对此，Mimura表示，迄今尚未有海外官方人士直接对日本财政政策表达担忧，并援引国际货币基金组织（IMF）的最新评估称，日本财政状况近期获得了较此前更加积极的国际评价。

本文来自华尔街见闻，欢迎下载APP查看更多

最新进展方面，大摩认为，群创光电目前处于领跑位置。群创已参与某晶圆代工厂的玻璃核心基板项目，概念验证（POC）工作已告完成，后续数季度将继续推进验证测试；京东方则瞄准包含穿玻璃导通孔（TGV）及积层线路的全流程玻璃核心基板制造，若进展顺利，拟于2027年投入约50亿元人民币建设月产能1.5万片的产线，目标2028年量产。相关消息推动面板股近期显著上涨，其中群创股价过去约两个月累计涨幅接近三倍，远超同期台股大盘约16%的涨幅。

摩根士丹利在上调三家公司目标价的同时，对当前估值水平保持审慎。该行首次引入三家公司的2028年盈利预测，认为先进封装相关营收贡献最早在2028年才能落地，在此之前大宗面板仍是各家基本面的核心驱动力。

据摩根士丹利于2026年6月29日发布的深度报告，玻璃基板在先进封装中具备多项核心优势：更大尺寸的面板规格带来显著的成本规模效应；更优异的电气特性可降低信号损耗；与异质材料之间更小的热膨胀系数（CTE）失配，有助于缓解翘曲问题；更高的机械强度则可抵御制造和使用过程中的变形。

随着AI芯片封装尺寸持续扩大，面板厂在大尺寸玻璃加工方面的工艺积累与先进封装的技术需求契合度日益提升，由此催生市场对面板股的重新定价。摩根士丹利同时明确指出，面向高性能计算（HPC）的玻璃基板规模化量产，更现实的时间窗口在2028年至2029年。

在三家厂商中，群创光电是过去数年在先进封装领域倡导并投入最积极的企业。

据摩根士丹利，群创已参与某晶圆代工厂的玻璃核心基板项目，概念验证工作已完成，后续将持续开展更多验证测试。分工上，群创负责在510mm×515mm玻璃面板上完成TGV工艺，随后交由Ibiden进行ABF基板制程，最终由该晶圆代工厂完成先进封装。

技术挑战集中在两个关键环节：利用激光感应刻蚀成形TGV以及随后的镀铜工艺——这两道工序并非群创常规面板生产流程的组成部分。据摩根士丹利了解，群创将需采购用于玻璃核心加工的专用设备，初始资本开支预计约新台币200至300亿元。

摩根士丹利预计群创2028年来自封装相关业务的营收约为新台币200亿元，约占当年总营收的6%。该行亦指出，不排除其他厂商在量产阶段加入竞争的可能性，而据供应链调研，量产时间节点最早在2028年。群创维持"持股观望"评级，目标价上调至新台币60元，对应2.1倍2026年预估P/B；鉴于当前估值已创历史新高，分析师认为风险回报比欠佳。

作为全球最大面板制造商，京东方的切入路径更具垂直整合野心——目标是掌握涵盖TGV玻璃核心与积层线路的全流程玻璃核心基板制造能力，而非仅专注于单一工序加工，这与群创的分工模式有所不同。

据摩根士丹利，京东方自2020年起已着手研究玻璃核心基板技术，目前已建有试验线，并正与国内外IC设计公司推进验证合作。若进展顺利，公司计划2027年投入约50亿元人民币，建设月产能约1.5万片（510mm×515mm）基板的产线，并以2028年量产为目标。摩根士丹利预计京东方2028年来自先进封装的营收约为50亿元人民币，占总营收比重约5%。

摩根士丹利给予京东方"增持"评级，目标价由人民币5.20元大幅上调至9.30元，对应2.5倍2026年预估P/B。分析师认为，尽管京东方在先进封装方面的业务能见度低于群创，但其当前2.1倍P/B仍低于历史峰值2.7倍，且预计2026至2028年ROE为5%至8%，估值具有合理性支撑，是三家中风险回报比最优的标的。

友达光电在先进封装领域的布局方向与前两者有所不同，其当前重心不在HPC，而是集中于低轨卫星（LEO）天线模块和共封装光学（CPO）模块。

在LEO天线方面，友达计划以玻璃作为基板，承载天线图案与射频（RF）元件，并将其集成至车载天窗。在CPO模块方面，友达联合Ennostar及Tyntek等合作伙伴，推进以Micro LED为基础的CPO架构，旨在以更低成本和功耗实现短距离数据传输，玻璃同样将作为其中的基板材料。公司管理层表示上述业务仍在持续推进，但未给出具体的收入贡献时间表。

摩根士丹利认为，LEO天线业务与HPC先进封装的关联性有限，Micro LED CPO模块的市场接受度目前亦不明朗，因此在其预测模型中暂未纳入友达来自先进封装的收入贡献，认为其业务落地时间节点在三家中能见度最低。该行将友达目标价由新台币14元上调至27元，维持"持股观望"评级，估值为三者中最低（1.4倍P/B），但新业务时间表的不确定性同样最高。

尽管玻璃基板封装具有广阔的技术前景，摩根士丹利提示，市场当前情绪需与商业化时间线相对照。据该行供应链调研，规模量产最早将在2028年启动；在此之前，大宗面板业务将持续主导三家公司的营收结构——群创与友达约40%至50%的营收来自大宗面板，京东方的这一比例更高达70%至80%。

与此同时，摩根士丹利判断，本轮TV面板涨价周期已接近尾声，预计价格将从2026年第三季度起步入下行轨道，尽管主要面板厂预计将维持相对自律的产能管理。这意味着，在核心商品面板业务面临价格压力的背景下，三家公司能否按计划推进先进封装量产，将成为维持当前高估值的关键变量。

本文来自华尔街见闻，欢迎下载APP查看更多

据港交所6月30日披露，北京硅基流动科技股份有限公司（简称“硅基流动”）已正式递交主板上市申请，华泰国际、海通国际担任联席保荐人。

作为一家成立于2023年8月的AI基础设施服务商，硅基流动在不到三年的时间内便向资本市场发起冲击。招股书显示，随着大模型在企业端的规模化应用，硅基流动的业务体量呈现快速扩张态势。但与此同时，初期高昂的算力租赁成本也令其面临毛利率转负的财务现实。

硅基流动的创立，有着极强的技术延续性背景。公司创始人、董事长兼首席执行官袁进辉博士，此前曾创办开源深度学习底层框架企业北京一流科技有限公司OneFlow。在行业重心逐渐从模型训练向推理侧倾斜的背景下，硅基流动于2023年8月正式注册成立。

2026年6月，硅基流动完成了一次关键的技术底座整合，即与OneFlow订立资产购买协议，正式收购后者的知识产权组合。

根据招股书披露，此举意在增强公司在去中心化、基于数据流的推理架构及大规模上下文记忆系统方面的技术能力，进一步夯实其推理基础设施的定位。同月，公司整体改制为股份有限公司，完成了赴港上市前的主体架构调整。

在业务模式上，硅基流动将自身定义为开放、独立的词元（Token）供应平台。面对AI大模型应用向多模态交互和复杂任务执行演进所带来的庞大词元需求，硅基流动并不直接开发面向用户的AI应用终端，而是通过系统软件层，将底层的异构算力资源，如不同架构的芯片与各类AI大模型连接，向开发者和企业交付标准化的词元服务。

具体而言，其核心业务分为公有云服务和本地部署解决方案两大板块。

公有云服务包含按量计费的无服务器词元服务，以及为对性能和稳定性有更高要求的企业预留算力的专属实例；本地部署则是将推理引擎及算力资源编排系统直接部署至大型客户的自有数据中心。

在市场地位方面，弗若斯特沙利文数据显示，按2025年词元年吞吐量计算，硅基流动在中国词元供应市场占据1.5%的份额，位列第四，并在所有独立生态词元供应商中排名第一。

在营运数据上，其增长曲线较为陡峭。截至2026年4月30日，该平台注册用户数已突破1000万，2026年4月的日均词元吞吐量达到5785亿次，单日最高纪录达10714亿次。而截至招股书最后实际可行日期，该平台已累计支持超过170个模型，累计服务企业客户超1.3万家。

对大模型推理算力的高度依赖，促使硅基流动在成立之初便开启了密集的融资进程。自2023年12月至2026年6月，公司累计完成七轮投资。

其资方阵营的构成，反映了产业链上下游对推理基础设施的战略卡位。

股权架构显示，阿里巴巴集团通过杭州多项持股7.42%，为最大机构股东。其他核心风投机构包括耀途资本、普华资本及创新工场等。

此外，产业资本的介入尤为显著，涵盖了华为哈勃、美团、360、智谱华章、商汤科技以及算力芯片厂商壁仞科技等。

除互联网与AI领域的企业外，清洁能源企业晶科能源、软件服务商软通动力、游戏公司巨人网络及中国联通等也参与了战略投资。

这种跨领域的股权绑定，客观上为其算力采购、模型接入及下游应用场景的商业化落地提供了便利。

财务报表客观反映了硅基流动当前的商业化进展与盈利瓶颈。在商业化初期，公司的营运数据体现了明显的规模扩张特征，但盈利能力正面临底层算力成本的直接挤压。

从收入端看，公司总营收由2024年的734.6万元增至2025年的5533.0万元，同比增幅达653.2%。这主要由公有云及本地部署解决方案客户群扩大所驱动，其中2025年公有云服务占比达52.9%。在海外市场，随着全球化策略的推进，其海外月度收益在2026年已突破100万美元。

然而，收入的倍数增长并未带来毛利的同步积累。招股书显示，2024年公司毛利为289.4万元，毛利率为39.4%；但到了2025年，公司录得毛损1330.2万元，毛利率降至-24.0%。

导致毛利率转负的核心原因在于销售成本的激增。

招股书显示，公司的销售成本由2024年的445.2万元飙升至2025年的6863.2万元。这主要是因为在公有云服务快速扩张期间，公司需要提前租赁庞大的底层算力资源来支持激增的词元需求，而算力资源的利用率仍处于爬坡期，导致成本增幅大幅跑赢了收入增幅。

在利润表现上，受高额的算力租赁费用与持续的研发投入影响，公司目前处于亏损状态。2023年（8月至12月）、2024年及2025年，硅基流动的净亏损分别为1222.3万元、8191.5万元及3.45亿元。

其中，作为技术驱动型企业，研发开支是其最大的费用项。2025年，研发开支达到2.09亿元，占当年总收入的378.1%。剔除股份薪酬开支及赎回负债利息开支等非现金项目后，2024年及2025年经调整净亏损分别为5401.0万元及1.87亿元。

资金链方面，前置的业务扩张使得公司的现金消耗有所上升。

2025年，公司经营活动所用现金净额为-1.72亿元。不过，得益于多轮融资的支撑，截至2025年12月31日，公司账面持有的现金及现金等价物为1.72亿元，另有定期存款1.00亿元。

此外，公司在资产负债表上呈现3.89亿元的负债净额，但这主要是由向盘前投资者发行、总额约4.99亿元的赎回负债所致；上市后相关特别权利终止，这部分负债将转为权益，其净负债状况预计将得到扭转。

整体而言，硅基流动切入了生成式AI产业中商业化路径相对清晰的推理环节，并在早期取得了明显的业务规模和市场份额。但在当前算力供应链具有硬性物理约束的行业背景下，其财务数据也直观地反映了底层算力成本对基础设施服务商盈利空间的挤压。

上市之后，如何进一步通过推理引擎的深度优化来提升单位算力的词元产出效率，并随着客户黏性的增强逐步平摊前期高昂的算力租赁成本，将是硅基流动向资本市场证明其商业模式具备长期可持续性的关键所在。

本文来自华尔街见闻，欢迎下载APP查看更多

该部在声明中表示，网络上流传的“首尔已向三星电子和SK海力士发函、要求设立政府主导的利润共享相关智库”的说法“完全不实”，并宣布将把蓄意散布不实信息的行为移交调查当局处理。

此次风波并非偶发。韩国总统李在明上月在接受《经济学人》采访时曾提出可将部分芯片企业超额利润向公众分配，此番言论此后已令市场神经持续绷紧，为本次谣言的迅速扩散提供了土壤。

据韩联社报道，韩国贸易、工业和资源部周三发表声明，明确否认政府正推动设立新智库、统筹利用芯片企业因全球人工智能热潮带来的巨额利润的相关传言。该部将上述传言定性为"完全不实"，并表示将对"出于恶意蓄意散布误导性信息"的行为采取强硬措施，移交调查当局处理。

声明措辞罕见强硬，显示出当局对此类谣言扰乱资本市场的高度警惕。上述谣言流传的背景，是韩国国内围绕如何利用芯片企业创纪录利润所产生的额外税收收入展开的讨论持续升温，全球人工智能热潮已推动三星电子和SK海力士业绩大幅攀升，如何分配这一"意外之财"已成为韩国政界和社会各界争论的焦点。

此次谣言之所以能够迅速引发市场强烈反应，与总统李在明此前的公开言论密切相关。上月，李在明提出，可将芯片企业"超额利润的一部分"以基本收入形式向普通民众发放，并将其作为解决芯片业利润分享争论的一种方案。

这一表态引发市场广泛关注与不安。韩国总统府随后出面解释，称相关言论并非针对三星电子或SK海力士等特定企业，而是着眼于韩国在人工智能转型大背景下"终将面临"的深层社会挑战。

尽管官方已予以澄清，但本次谣言对韩国股市的剧烈冲击再度提示：在芯片行业利润分配的政策讨论走向明朗之前，相关不确定性仍将持续压制市场情绪，投资者对任何风吹草动保持警觉的状态短期内难以消散。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，高盛在6月30日发布的研究报告中指出，铠侠管理层在近期投资者开放日及分析师电话会议上明确表态，公司不会为签订长期协议而牺牲价格，将持续优先维护售价与利润率水平。

与此同时，高盛通过对生产设备厂商的渠道调研发现，主要存储芯片厂商仍将资本开支重心放在DRAM，新NAND晶圆厂带来的供给增量预计至2028年前都将十分有限。

受上述判断驱动，高盛分析师Shuhei Nakamura和Kaho Otake将铠侠FY3/27至FY3/29年度营业利润预测分别上调9%、19%和29%，同期EPS预测亦上调10%、19%和29%。铠侠股价过去12个月累计涨幅已达3406%，大幅跑赢TOPIX指数。

价格预期持续上修，ASP增速超出此前预测

本次报告中进一步上调了铠侠平均售价（ASP）预测。以日历年计，高盛现预计铠侠CY2026年ASP同比增长4.5倍（此前预测为4.3倍），CY2027年同比增长38%（此前预测为27%）。

ASP上涨趋势至少可延续至CY2027年中，主要支撑来自近期供需格局的持续偏紧。此外，由于提前偿还了一笔优先贷款，利息支出拖累减少，进一步推升了EPS预测。

铠侠将于7月31日公布的FY3/27第一季度营业利润预计为1.417万亿日元，高于公司此前指引的1.298万亿日元，也高于彭博市场一致预期的1.36万亿日元。高盛指出，由于约30%的第一季度出货量在指引发布时价格谈判尚未完成，实际ASP存在超预期的可能。

管理层坚守利润率优先，成本优势构筑护城河

铠侠管理层在近期沟通中明确传递出"价格优先于出货量"的经营导向，不以签订长期协议为目标，而是灵活把握市场定价机会。高盛认为，这一策略有助于铠侠在行业内维持相对较高的利润率水平。

从财务数据来看，铠侠FY3/27年度EBIT利润率预计将达80.1%，FY3/28和FY3/29进一步升至81.3%和81.5%。支撑高利润率的核心因素包括两点：一是铠侠相对同行较低的资本密集度；二是第八代BiCS技术位元销售规模扩大所带来的持续降本效应。报告认为，铠侠NAND业务营业利润率在行业内处于领先位置，明显优于三星和SanDisk。

供给扩张受限，供需偏紧格局或延续至2028年

渠道调研显示，主要存储芯片厂商在AI需求扩张背景下，持续将资本开支优先投向DRAM，NAND新产能的释放预计将推迟至CY2028年之后。

NAND供需偏紧的驱动因素是多元的：企业级固态硬盘（eSSD）需求随服务器部署加速持续攀升；HDD供给偏紧形成替代需求；美国对韩国存储厂商的出口管制担忧也对供给端形成约束。综合来看，高盛认为铠侠峰值盈利水平将高于此前预期，且这一高盈利状态有望在未来两至三年内保持可持续性。

高盛将铠侠12个月目标价从93,000日元上调至116,000日元，估值方法基于FY3/27至FY3/28平均ROE所对应的目标市净率，并参考同类公司当前股价推导出的隐含权益资本成本（FY3/27采用13%，FY3/28采用20%）。新目标价对应FY3/28E市盈率约为8.2倍，高盛认为这一倍数在上行周期中属于合理区间。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，中炬高新发布2026年半年度业绩预增公告，预计上半年归母净利润3.90亿至4.30亿元，同比增长51.84%至67.41%；扣非归母净利润3.20亿至3.80亿元，同比增长21.71%至44.53%。

公司表示，业绩增长主要受益于调味品业务放量、供应链优化带来的毛利率改善，以及费用管控精细化推动费用率下降。

利润修复的背后，是公司过去一年多围绕渠道和价格体系、供应链效率及费用管理展开的一系列调整开始显现成效。

此前，调味品企业常见的增长方式，是通过经销商扩张、渠道压货和费用投放拉动收入。但在需求放缓、渠道库存累积、价格体系承压后，这套模式的边际效率开始下降。

中炬高新的调整，首先落在渠道端。公司一方面清理库存、稳定价盘，减少渠道过度压货对报表的扰动；另一方面推进经销商分级和客户结构优化，把资源更多投向终端动销和重点客户。

2025年底，公司曾对外表示，渠道库存已恢复至良性水平，2026年继续以终端动销为导向强化供货和库存监控。

渠道修复的效果，最终会传导到收入和利润两端。

库存压力下降后，经销商补货意愿改善，收入端更容易恢复正常节奏；价格体系稳定后，企业也能减少低效促销和渠道返利，把费用更多转向真正能带来动销的终端投入。

基础调味品仍是公司的基本盘，但酱油、鸡精鸡粉等品类已进入成熟阶段，行业竞争也从单纯渠道扩张，转向产品结构、价格带和终端效率的竞争。

这也是中炬高新近年不断强调“再造一个厨邦”的背景。

今年2月，中炬高新拟收购四川味滋美55%股权，切入川式复合调味品赛道。味滋美深耕川味复合调味品，在火锅底料定制等领域具备一定经验和B端餐饮服务能力。

对中炬高新而言，这既是对复合调味品品类短板的补充，也有助于其从家庭消费场景，向餐饮、定制化和地方风味调味品延伸。

但这笔并购的效果仍需时间验证。

复合调味品空间更大，竞争也更激烈。中炬高新能否把厨邦的品牌和渠道优势，与味滋美的复调产品能力和B端资源真正打通，还要看后续整合进度。

本文来自华尔街见闻，欢迎下载APP查看更多

据半导体业界消息，三星电子首席技术官兼半导体研究所所长Song Jai Hyuk于6月30日在DS（器件解决方案）部门内部经营说明会上表示，HBM4E的可靠性测试良率已提升至70%以上。业界通常将80%以上视为工艺稳定的"成熟良率"门槛，而HBM4E目前仍处于可靠性测试阶段，70%以上的水平被认为标志着开发进程正式进入稳定区间。

与此同时，Song Jai Hyuk在同一场合透露，下一代10纳米级第七代DRAM工艺（D1d）在技术竞争力上已取得对竞争对手的优势，并计划于今年11月完成生产准备认证（PRA）。上述两项进展相互叠加，令市场对三星在下一代AI内存赛道的竞争前景持更为乐观的预期。

三星今年2月率先实现HBM4量产出货，5月29日进一步公开了HBM4E 12层产品的详细技术规格，并向主要客户发送样品。

HBM4将搭载于英伟达下半年推出的AI加速器"Vera Rubin"，而HBM4E作为其后继产品，则计划装配于英伟达明年发布的下一代AI加速器"Vera Rubin Ultra"等产品。业界人士表示，随着主要客户的样品评估稳步推进，HBM4E的量产开发工作同步顺利进行。

在此背景下，可靠性测试良率升至70%以上具有重要意义。这一数字虽尚未达到业界公认的成熟良率标准，但考虑到产品当前所处的开发阶段，外界普遍将其解读为HBM4E正朝量产条件加速收敛的积极信号。

下一代DRAM工艺开发方面，Song Jai Hyuk表示D1d工艺的技术竞争力已领先于竞争对手，并以今年11月取得生产准备认证（PRA）为开发目标。

PRA是产品出货前最后一道内部质量评估程序，对良率、性能及生产效率进行综合验证，以判断是否具备量产条件，通过后即可正式切换至量产体制。

D1d工艺的战略意义不止于DRAM本身。三星计划将该工艺从第八代HBM5起全面引入，业界认为，若D1d开发按计划推进，将对下一代DRAM及HBM5后续产品的整体竞争力产生连锁正向效应。

在技术进展公布的同时，三星DS部门内部也出现了另一层面的声音。据悉，本次说明会后，研发组织内部针对研发人员角色认定与薪酬结构的不满情绪有所升温，部分成员呼吁公司更积极地认可研发组织的贡献。

三星劳资双方此前已就DS部门达成协议，以营业利润的10.5%为资金来源，设立"特别经营绩效奖金"制度。然而在DS部门内部，存储业务与包括研究所在内的公共部门、以及非存储业务（系统LSI及晶圆代工）之间的绩效奖金差距较大，要求改善薪酬结构的呼声正在持续扩大。

本文来自华尔街见闻，欢迎下载APP查看更多

德银固定收益策略团队在6月30日发布的报告中指出，自6月议息会议结束后的两周内，FOMC成员的公开讲话及媒体露面次数明显偏少，按历史标准衡量处于低位，尽管仍在历史区间之内。德银策略师Matthew Raskin等人认为，这一现象可能预示着美联储正在推进某种程度的沟通方式收紧。

值得注意的是，此前历史上发言数量同样稀少的时期，恰好集中在政策明显转向的关键节点——包括2019年7月、2022年1月以及2023年7月——彼时美联储可能正寻求对外传递更为统一、受控的政策信号。这一规律令市场对当前美联储政策走向的不确定性进一步上升。

历史数据：沉默往往先于转折

现任美联储主席沃什自上任以来已对美联储对外沟通方式作出若干调整。在最近一次新闻发布会上，沃什刻意回避前瞻性指引，并对超出已发布声明范围的政策解读保持克制，不愿就委员会的决策思路作出额外阐释。与此同时，沃什在6月会议上宣布成立五个美联储工作组，其中首个聚焦的正是对外沟通机制。

德银策略团队通过彭博经济日历，统计了历次FOMC议息会议结束后两周内官员的讲话及媒体露面次数，并以此作为沟通密度的代理指标。为排除季节性干扰，统计中剔除了12月会议后的数据——该时段历来因节假日因素而发言稀少。

数据显示，当前这一轮会后发言数量确实偏低，但尚未突破历史最低值。三个历史可比时期：2019年7月（美联储随后开启降息周期）、2022年1月（美联储随后转向激进加息）以及2023年7月（加息周期接近尾声）。上述三个时期的共同特征是，美联储彼时均面临重大政策方向抉择，并倾向于在公开场合保持更为统一的口径。

本文来自华尔街见闻，欢迎下载APP查看更多

截至周二（6月30日）收盘，标普500指数自4月初以来累计上涨近15%，创下2020年6月以来最强季度表现；纳斯达克综合指数季度涨幅超20%，同样为近六年之最。费城半导体指数（SOX）更是单季暴涨逾80%，创史上最佳季度纪录，韩国存储巨头三星电子与SK海力士同期涨幅分别高达93%和225.7%。然而，随着季末再平衡压力、企业回购窗口关闭、美联储政策路径不明以及杠杆头寸急剧膨胀等风险因素叠加，市场对第三季度"夏季风暴"的警惕情绪正在升温。

Nationwide首席市场策略师Mark Hackett表示，企业盈利为本轮股价快速重估提供了支撑，他整体仍持多头立场，但承认季末再平衡、回购静默期以及高杠杆等技术性因素可能触发回调。

Kerux Financial首席投资官David Laut措辞更为直接，他警告称，6月以来的市场波动"不过是冰山一角"，若市场出现10%至20%的更大幅度回调，并不令人意外——毕竟距上一次两位数回调已逾一年。

RBC策略师Lori Calvasina在本周上调标普500目标价的同时，也提醒投资者做好未来一年内5%至10%回撤的心理准备。

盈利驱动的季度狂欢

第二季度的强劲行情，根本动力来自盈利预期的大幅上修。

据FactSet数据，标普500指数第二季度预期盈利增速目前为23.1%，若最终兑现，将是连续第二个季度实现逾20%的盈利增长。FactSet的John Butters指出，分析师通常会在季末临近时下调当季盈利预测，但本季度出现了罕见的反向修正——预期不降反升。

高盛首席美股策略师Ben Snider在6月26日的客户报告中指出，过去12个月，盈利预期的上调贡献了标普500指数的全部回报。以远期市盈率衡量，该指数过去一年实际上变得更便宜，这意味着盈利必须持续超越华尔街已然偏高的预期，才能为当前估值提供支撑。

与此同时，投资者的关注焦点正从超大规模云计算企业（hyperscalers）向更广泛的AI生态延伸——他们试图评估企业在AI产品上的实际支出意愿、支出在生态系统中的分布，以及这些支出能否为服务提供商带来合理回报。

而本季度最耀眼的明星无疑是半导体板块。

费城半导体指数单季涨幅超过80%，创下道琼斯市场数据有史以来最佳季度纪录。这一数字甚至低估了半导体板块的真实热度：三星电子和SK海力士均不在SOX指数成分股之列，而两者的季度涨幅分别高达93%和225.7%。

AI供应链瓶颈加剧、油价飙升，共同推动分析师大幅上调近期盈利预期，美光科技等热门存储股随之大幅飙升。然而，行情的高度集中本身也构成风险——一旦盈利预期出现任何松动，估值压缩的空间同样不容小觑。

季末再平衡带来技术性压力

Simplify Asset Management多资产解决方案董事总经理Paisley Nardini指出，近期股市承压部分源于技术性因素。

季末投资组合再平衡可能促使主权财富基金、养老金等大型资产持有者卖出股票、买入债券，以修复因股票大幅跑赢债券而产生的资产配置偏离。

数据显示，主要投资30年期美国国债的iShares 20年以上期限国债ETF本季度涨幅不足1%，与股市表现形成鲜明反差，再平衡压力由此可见一斑。

美联储政策路径不明，加息预期重燃

美联储主席沃什于6月17日主持首次新闻发布会，其释放的信号令市场感到不安。

沃什明确表态倾向于更为低调、克制的沟通风格，这一立场已令部分投资者开始担忧政策走向。期货市场在其首次发布会后迅速上调了2026年加息预期。

华尔街内部分歧明显：部分机构预计年内不会加息，而美国银行的经济学家则最为鹰派，预测年内将加息三次。美国银行财富管理高级投资策略总监Rob Haworth表示：

"正因为未来决策路径尚不明朗，市场才会谨慎地将数次加息纳入定价。"

杠杆膨胀，市场脆弱性上升

杠杆的急剧扩张，是当前市场最受关注的潜在风险之一。

期权交易量大幅攀升，投资者融资余额持续增加，杠杆ETF管理规模也随着半导体股的飙涨而急速膨胀。野村证券的Charlie McElligott已向客户发出警告，认为杠杆产品可能放大美股波动。

以Direxion每日半导体三倍做多ETF为例，该基金旨在放大SOX指数的每日波动，其管理规模在过去一年内翻逾一倍，从2025年6月1日的141亿美元飙升至6月23日峰值时的近340亿美元，是美国市场上最受欢迎的杠杆半导体基金。

富兰克林邓普顿研究院首席市场策略师Chris Galipeau表示：

"每当出现这种波动，往往是一个警示信号。市场中存在大量投机行为，而这些头寸掌握在意志不坚定的投资者手中。"

6月5日，纳斯达克指数单日重挫逾4%，创下逾一年来最大单日跌幅，正是这种脆弱性的一次预演。

尽管风险信号频现，华尔街整体仍未转向看空。

Mark Hackett表示，就整体而言，顺风因素仍多于逆风，他维持多头立场。Lori Calvasina在上调目标价的同时，也明确表示"未来一年股市上行之路未必是一条直线"。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社周三报道，PJM成员6月30日就十余项"兜底采购"方案进行了非约束性投票，其中一项由数据中心倡导方与主要受监管电力公司联合提出的方案获得推进。该方案建议采购流程于2026年9月10日启动，同年11月20日截止，与PJM此前的提案时间表一致。

此次投票结果将作为参考意见提交PJM董事会，但最终政策走向与具体条款仍由董事会决定。PJM覆盖美国13个州及哥伦比亚特区，为约6500万人提供电力服务，其供需平衡的持续承压，已对区域电力的可靠性与经济性构成直接威胁。

数据中心需求激增，供需失衡推高容量电价

过去约两年间，大型科技公司及数据中心开发商向PJM提交的并网申请数量急剧攀升，能源密集型数据中心的大规模接入正威胁超越区域电力供应能力。

这一失衡直接反映在电价上。PJM容量电价——即向发电厂支付的、用于确保高峰时段电力充足供应的费用——自约2024年以来已累计上涨逾1000%。容量电价的急剧攀升，意味着整个电力系统为维持可靠性所付出的成本大幅上升，并最终可能传导至终端用户。

兜底采购方案推进，长期合约为优先路径

在本次投票中，成员就十余项供电方案进行了表决，最终推进的方案由数据中心利益方与受监管电力公司共同提出，采购窗口定于2026年9月至11月间开放。

PJM的整体策略是优先鼓励数据中心与电力供应商签订长期合约，兜底采购机制则作为应对潜在缺口的补充手段。与此同时，成员还就电网压力时段的用电削减方案，以及数据中心快速并网与管理的费用分摊问题进行了投票，但上述提案均未获推进。

为防范大规模停电风险，PJM提出了针对数据中心的两条路径：其一，由数据中心自行出资向电网新增电力供应，以覆盖自身用电需求；其二，同意在全网用电量攀升至临界水平时接受强制断电安排。

这一机制实质上要求数据中心在享受电网接入便利的同时，承担相应的系统稳定责任。随着AI算力需求持续扩张，电网运营商与科技行业之间围绕供电保障、成本分摊与需求管理的博弈，预计将进一步加剧。

本文来自华尔街见闻，欢迎下载APP查看更多

据Digitimes最新报道消息，SK海力士近期与客户签订的长期供货协议（LTA）采用无价格上限模式，与美光等竞争对手在合约中设置"价格上限（Ceiling Price）"的惯常做法形成明显区别。这一安排使SK海力士成为目前市场上唯一不受价格上限约束的存储器厂商。

该策略的核心逻辑在于，一旦市场进入供不应求阶段，SK海力士可完整吃到现货价格飙升带来的收益，而非受制于合约上限而被迫以低于市价的水平出货。与此同时，受AI基础设施需求持续扩张驱动，SK海力士与三星均已将LTA的合约期限从过往的一年期拉长至三至五年，进一步锁定长期客户需求。

与SK海力士的策略形成对比的是，美光等竞争对手的LTA中仍保留价格上限条款。美光于6月25日披露的16份战略客户协议（SCA），虽对存量产品设置了锚定2026年第二季度市场价格的价格上限，但协议的价格底线同样引人注目——底价所对应的毛利率"远高于历史任何一个周期的盈利峰值"。

SK海力士此轮LTA策略的核心差异，在于放弃了传统长约中换取客户锁量承诺的价格上限安排。在传统存储器长约模式下，供应商通常以让渡上行空间换取量的确定性；而SK海力士此番打破惯例，一旦市场进入紧供局面、价格快速攀升，其合约收益将不受上限约束，能够完整跟随市场价格上浮——这也使其成为目前市场上唯一不设价格上限的存储厂商。

合约期限方面，因应AI需求大幅增长，SK海力士与三星均将供货协议从一年期调整为3至5年的长期合约。更长的合约期本身意味着客户已将存储供应纳入更长周期的战略规划，头部供应商的议价筹码随之提升。

美光SCA的定价框架分三类：固定价格、设有上下限的价格区间，或参考市场价格但在相近区间内浮动。对存量产品，价格上限参照2026年第二季度市场价格，部分市场人士将此解读为美光"主动锁死了涨价空间"。但摩根士丹利分析师Joseph Moore在研报中指出，合同的持续时间才是评估其价值的核心维度；毛利率已向90%逼近，且有望在相当一段时间内维持——对手方在谈判中寻求一定保护是合理的。

价格底线的含义更为关键：底价所对应的毛利率"远高于历史任何一个周期的盈利峰值"。美光过去毛利率峰值约为62%，当前季度已达84.9%——即便协议触发底价条款，盈利水平依然大幅超越历史最好时期。对于新品，协议也保留了额外的定价上行空间。

相较之下，SK海力士的无上限LTA策略是另一种取舍：放弃定价确定性，换取在涨价周期中的完整弹性。两种模式对应的是不同的风险偏好与市场判断，共同指向头部存储厂商话语权的系统性增强。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，中国旺旺控股有限公司披露截至2026年3月31日止年度业绩。

报告期内，公司实现收益244.01亿元，同比增长3.8%；销量同比实现高个位数增长；权益持有人应占利润38.37亿元，同比下降11.5%。

原材料成本上升、组织调整后的费用增加，以及新旧渠道切换过程中的投入加大，共同挤压了利润空间。

成本端，受进口全脂奶粉和棕榈油单位耗用成本上升影响，公司毛利率由上一财年的47.6%降至46.3%，同比下滑1.3个百分点。

相比于原材料带来的外部硬通胀，内部组织架构调整产生的营业费用激增，则是导致营运利润下滑更主要的内部推手。

2025财年，中国旺旺分销成本同比增长16.9%至35.40亿元，占收益比重升至14.5%；其中行政费用同比增长11.4%至33.52亿元，占收益比重升至13.7%。

此前，中国旺旺曾重新梳理产品类别，并按产品类别设立新的产品事业部。组织拆分后，相应岗位人员增加，用人费用同步上升，使公司2025财年总薪酬同比增长8.9%。

同时，为提升不同消费群体对新品和细分产品的认知度，中国旺旺加大了市场推广和跨界营销投入。报告期内，公司广告促销费用占收益比率达到3.8%，同比上升1.1个百分点。

从大单品表现看，中国旺旺仍然依赖核心品类托底，但增长动能已经出现分化。

乳品及饮料类仍是最大收入来源。2025财年，该板块实现收益123.43亿元，同比增长1.9%，占总收益约51%。

其中，旺仔牛奶受乳品市场整体低迷影响，收益同比小幅下降0.3%。作为中国旺旺最重要的大单品，旺仔牛奶仍具有基本盘意义，但其单一爆品拉动力已经不如过去。

米果类收益59.36亿元，同比增长0.5%，销量同比低个位数增长；休闲食品类收益59.15亿元，同比增长10.4%，为三大品类中表现最好的板块，销量也实现双位数增长。

糖果小类全年收益同比低双位数增长，创下历史新高；冰品、零食糕饼、豆类、果冻及其他小类也实现高个位数至低双位数增长。

品类结构的变化，本质上是渠道重心转移的结果。

2025财年，占中国旺旺总收益近七成的传统批发和现代渠道收益同比衰退高个位数。与此同时，零食量贩和新兴渠道快速补位，占总收益比重已达到约15%。

线上和其他新兴渠道同样成为增量来源。财报显示，电商、OEM等新兴渠道收益同比双位数增长，占总收益比达到低双位数。

渠道方向已在调整，但短期效果仍体现在费用上升和利润率回落上。

蔡衍明主席在致股东信中坦言，集团执行近两年的“攻略城市，旺得天下”策略“总体成绩还不是太理想，离目标仍有一定距离”。

为此，董事会已决定适当降低2025财年的末期股息比例，以留存更充裕的现金储备来应对国内消费疲软等短期不确定性。

2025财年，中国旺旺拟派末期股息为每股1.38美仙，上一财年为每股2.04美仙。按每股股息计算，减少0.66美仙，降幅约32.4%。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，耐克披露2026财年第四季度及全年业绩（截至2026年5月31日）。

第四财季，公司收入110亿美元，同比下降1%，按汇率中性口径下降4%；全年收入464亿美元，报告口径基本持平，汇率中性下降2%。

表面上看，耐克利润端大幅修复，第四财季净利润11亿美元，同比大增407%，摊薄每股收益0.72美元，但这一表现很大程度上来自关税退回的一次性收益。

财报显示，IEEPA关税预期追回带来9.86亿美元收益，对第四财季毛利率贡献约900个基点，对EPS贡献0.52美元。剔除这一因素后，耐克第四财季EPS仅为0.20美元。

牵动市场情绪的，仍然是耐克中国尚未出现反转的表现。

第四财季，耐克大中华区收入12.97亿美元，同比下降12%，按汇率中性口径下降17%，单季收入降至近两财年低点。

从全年看，大中华区收入为58.47亿美元，同比下降11%，汇率中性下降13%，在上一财年下滑的基础上继续走弱。

大中华区的压力已不只是财报中的一个区域数据，而是耐克全球重置过程中最难修复的一块。

业绩会上，CEO Elliott Hill把大中华区称为耐克“关键的长期增长市场”，并表示公司正在中国执行一场“全面重置”：回到运动与创新，更本地化地进行产品创造，建立更贴近区域市场的进攻体系，同时重新思考市场运营方式，与合作伙伴评估新的增长路径，让品牌更高端、更贴近本地文化，也能以中国消费者的速度运转。

这套表述背后，是耐克中国过去两年持续暴露的旧问题：产品热度不足、线上折扣偏高、库存与渠道健康度承压，以及本土运动品牌竞争加剧。

耐克并非没有看到局部改善。

CFO Matthew Friend在业绩会上称，大中华区当季推进多项调整：售罄率环比改善，平均零售折扣下降；在过去两个季度更激进地减少促销后，数字渠道全价实现率正在恢复。同时，大中华区库存金额和库存件数均实现双位数下降。

但这些改善还不足以抵消整体下滑。

第四财季大中华区Nike Direct下降14%，其中Nike Digital下降25%，Nike自营门店下降9%；批发渠道下降19%；息税前利润（报告口径，未剔除一次性因素）下降20%。

公司还预计，短期内大中华区收入趋势将与近期表现基本一致。

这意味着未来一段时间，耐克中国的修复仍处在清库存、压折扣、重整重点门店的阶段，尚未进入稳定恢复增长的周期。

中国市场的渠道焦虑已经先于财报外溢到资本市场。

6月下旬，市场传出耐克或将自2027年1月起取消中国内地线上一级经销商授权。不过，这一消息很快被耐克在华主要经销商滔搏通过公告予以澄清，耐克方面也在业绩会上予以否认。

传闻之所以广受关注，在于它击中了耐克中国渠道结构中的敏感地带。

过去几年，耐克曾更强调DTC和数字化直营，但随着直营承压、批发伙伴重新获得重视，公司又在全球范围内修复与经销商、零售商的关系。

2026财年第四财季，耐克全球批发收入66亿美元，同比增长4%；Nike Direct收入41亿美元，同比下降7%，其中Nike Brand Digital下降12%。

Elliott Hill回归之后曾提出“Win Now”和“Sport Offense”，核心是重新聚焦运动、产品创新、批发伙伴和重点市场。

但在最新业绩会中，他承认公司整体结果“还没有达到应有水平”，Nike Sportswear和Jordan Streetwear的售罄仍有挑战，影响当前折扣和未来订单。

这也是耐克中国问题的缩影。中国消费者并非不再购买运动鞋服，而是选择更多、节奏更快、价格更敏感。

本土品牌在跑步、户外、篮球和训练等细分运动场景中持续加码，电商平台和内容渠道又进一步放大了价格比较和新品传播速度。

耐克过去依靠全球爆款、经典鞋款和品牌光环获得溢价的模型，在中国市场被削弱得更明显。

资本市场对此并不宽容。耐克财报公布后盘后股价一度下跌约4%，今年以来累计下跌约35%；投资者仍在等待Hill近两年来的复苏计划出现更明确成效。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，据科技媒体TheInformation报道，继成功嵌入Salesforce旗下的Slack后，Anthropic的企业协作工具Claude Tag即将正式集成至Microsoft Teams。这一关键动作标志着Anthropic进一步渗透至微软等老牌企业软件巨头的核心工作流生态。

对于微软和Salesforce而言，向估值逼近万亿美元的AI独角兽开放核心分发渠道，既是应对技术颠覆的防御性策略，也是维持自身平台粘性的务实选择。这不可避免地将对微软自家的Copilot等AI产品带来直接的内部竞争压力。

分析认为，随着Anthropic商业化进程的爆发与IPO预期的临近，企业级SaaS市场的流量分配与生态话语权正经历一场深刻的洗牌，投资者需重新评估传统软件护城河在AI时代的真实价值。

渠道扩张：从Slack到Teams的全覆盖布局

Anthropic正在加速构建其在企业级市场的全渠道分发网络。

据报道，ClaudeTag接入Microsoft Teams，意味着Anthropic已经成功拿下了企业协作领域的两大核心阵地。此前，该工具已深度嵌入Salesforce旗下的Slack，如今向Teams的延伸，标志着其企业级渗透策略从单一平台向全生态覆盖转变。

这一渠道扩张的背后，是Anthropic急剧攀升的商业化诉求。

最新数据显示，Anthropic的年化营收（ARR）已从年初的90亿美元飙升至440亿美元以上，并连续上调至470亿美元，公司估值更是达到9650亿美元且已秘密提交IPO申请。

在资本市场对AI变现能力要求日益严苛的当下，将ClaudeTag植入拥有庞大企业用户基数的Teams和Slack，是支撑其高估值与利润率快速抬升的关键落地场景。

巨头的妥协：开放生态背后的战略考量

报道称，微软与Salesforce选择将核心工作流生态向Anthropic开放，折射出老牌企业软件巨头在面对AI独角兽崛起时的复杂心态与务实考量。

一方面，Anthropic凭借ClaudeCode、ComputerUse等核心产品的密集迭代，展现出对传统SaaS的颠覆性冲击。其内部已实现近乎100%的代码由AI编写，强大的AIAgent与编程能力使其在企业级应用中具备极高的不可替代性。

另一方面，对于微软和Salesforce而言，维持平台的“超级入口”地位是首要任务。如果拒绝接入市场上最具竞争力的AI工具，企业客户可能会为了使用ClaudeTag而迁移至其他支持该工具的平台。因此，将竞争对手纳入自身生态，本质上是一种防御性策略，旨在通过丰富平台功能来锁定企业客户，防止用户流失。

竞合博弈：对Copilot及传统SaaS的潜在冲击

尽管开放生态有助于维持平台粘性，但引入Claude Tag无疑将对微软自身的AI商业化进程产生直接影响。

Microsoft Teams是微软推广其AI助手Copilot的核心阵地，Claude Tag的接入将不可避免地在同一工作流场景下与Copilot展开正面竞争，可能分流后者的使用率与订阅收入。

此外，Anthropic在基础设施端的成本优势正在加剧这种竞争压力。其推理基础设施毛利率已从38%跃升至逾70%，代币生产成本大幅压缩。这种成本端的降维打击，使得Anthropic在企业级定价上具备更大的灵活性，并已迎来首个盈利季度。

分析指出，这一生态演变释放了明确的信号：在AI时代，传统企业软件巨头的护城河正在被削弱，平台“管道化”风险上升。市场需重新审视AI独角兽在应用层的变现潜力，以及老牌SaaS巨头在引入外部AI能力时，如何平衡自身核心产品的增长预期。

本文来自华尔街见闻，欢迎下载APP查看更多

Dylan Patel预测，AI推理将成为全球最大市场之一，占GDP多个百分点；到2030年，仅OpenAI和Anthropic合计算力需求将超100吉瓦。他判断，未来3-5年太空算力可忽略不计，但到2040年太空将承载全球超半数新增算力。而英伟达支持新云厂商，本质是黄仁勋在下一盘防止被垄断的大棋。

推理市场将超越石油：算力可能永远不够用

Patel认为："AI推理——无论是开源模型还是闭源模型——将是全球最大的市场之一，比石油还大。AI推理将占到GDP的若干个百分点。"

他的逻辑链条是：模型每次迭代升级，能完成的有效任务数量和价值都在扩大，而这个扩张速度持续快于算力的增长速度。以Anthropic的Claude Opus为例，他指出，"Meetos 5（即Claude 4/Opus级别）能做的任务量，根本不是Opus的2倍，而是远不止"，但与此同时，全球算力并没有在同一时间段翻倍。

结果就是：供给追不上需求扩张，算力永远是稀缺的。他直言："算力短缺会一直持续，因为模型扩大可用任务的速度，永远快过算力的增长。"

2040年，超过一半的增量算力将在太空

对于太空数据中心，Patel表示，"未来三到五年，太空数据中心不会有太大意义。但在二十年后，我认为绝大多数算力将进入太空。"

具体节点上，他预测2030年仅OpenAI和Anthropic两家合计将拥有超过100吉瓦的算力，再加上Meta、Google等，届时用于推理的算力体量将极为庞大。到2040年，甚至可能达到太瓦（terawatt）级别。"

如果你看2040年，超过一半的增量算力将进入太空。但如果你看2030年，我认为不到1%。

核心制约是地面能源成本——地面土地建电能力有限，一旦太空部署的经济性超过地面，算力向太空迁移将成必然。

硬件软件协同设计：真正的100倍增益从哪里来

这是Patel最核心的技术判断。他直接反驳了访谈主持人关于“过去三年算力提升主要来自硬件”的观点：“我完全不同意你这个说法。”

他的分析是：从Hopper到Blackwell，最优化部署下性能提升约30倍，这主要是硬件。但过去三年，整体智能效率提升远超30倍，大部分增益来自模型层。关键在于协同设计的乘数效应

当你把这里的2倍和那里的2倍叠加，如果只是各层独立优化，可能得到8倍。但如果你跨三层协同优化，实际上可以得到100倍。

DeepSeek是最典型的公开案例——其专家模型（MoE）的形状专门为英伟达Hopper架构优化，因此在Hopper上运行出色，但在TPU上却表现不佳。反过来，Anthropic的模型更"稠密"，更适合TPU架构；OpenAI的模型更"稀疏"，更偏向GPU路线。

Patel强调："TPU客观上是一款出色的芯片，承担了DeepMind所有推理和Anthropic几乎所有预训练。但它就是跑不好DeepSeek。"

他进一步指出，所谓"CUDA护城河"，本质上不是CUDA本身，而是开源生态的模型形状问题：DeepSeek、Kimi、阿里、腾讯等公司的开源模型都是为GPU协同优化的，要在TPU上跑，效果就差。Google需要建立自己的开源模型生态（即Gemma系列）才能对抗这一效应。

黄仁勋：主动打造多极算力格局

对于英伟达CEO黄仁勋为何大力扶持新兴云计算商（Neo Clouds），Patel说道：

Jensen非常厌恶一种世界格局：超大规模云厂商垄断一切。这就是为什么他会向一些看起来不那么有把握的AI实验室砸钱——他在全世界各地游说，说"你应该投这家公司"，因为他想创造一个多极化的世界。这也是他为什么喜欢中国AI实验室——他想要多极化。如果只有OpenAI、Anthropic和谷歌的模型主导市场，他就完了。

逻辑很简单：如果全球只有OpenAI、Anthropic和Google的模型，如果算力只由超大规模云商建设，英伟达就会陷入被动。而今天卖给Crusoe或CoreWeave的GPU，五年后将削弱Google TPU和Amazon Trainium的市场地位，对英伟达而言是更好的长期格局。

他需要把分配的'枪口'对准新兴云商，帮助他们支撑集群，不惜一切。

InferenceX：每年成本降60倍的活体基准

Patel团队搭建了名为InferenceX的实时推理基准测试系统，目前已获得CoreWeave、Oracle、微软、亚马逊、谷歌、OpenAI等机构捐赠的超过5000万美元硬件，每天在最新模型上持续运行，涵盖超过15种不同芯片类型。

其核心发现是：等效质量下，推理成本每年下降约60倍。“这是令人难以置信的。”他同时指出，每瓦智能（intelligence per watt）的改善约为40倍，略低于成本降幅，部分效率来自非功耗环节。

InferenceX的核心输出是"帕累托最优曲线"——在响应延迟（interactivity）与批处理吞吐量（throughput）之间，找到每个场景下的最优配置点，并将配置开源，任何人都可以直接下载使用。

"这条曲线是硬件、基础设施、模型、应用层所有事情的上游。"他举例：Anthropic的Claude Code快速模式比普通模式贵得多，OpenAI也有优先队列，本质都是这条曲线的商业化体现。

从汽车旅馆到半导体智库：一个自学者的逆袭

谈及Dylan Patel的个人经历时，他分享的成长轨迹与传统分析师截然不同。他从小在父母经营的汽车旅馆长大，对面是自家加油站——他开玩笑说，自己训练的第一个神经网络，是根据顾客外貌预判他们要买哪种烟。

八岁时，Xbox 360的“红圈死亡”故障迫使他拆机维修，从此打开了硬件世界的大门。12岁起，他活跃于各类技术论坛。大学毕业后，他在量化风险公司工作，因不满成果被抢功而离开。

2020年，他更频繁地在网上发表深度分析，被人肉搜索后索性改用真名，在24岁生日那天创立了SemiAnalysis网站。此后他开着皮卡、睡在车顶帐篷里，在美国国家公园间流浪了六个月，边旅行边写博客；随后又去拉丁美洲旅居近一年，每年参加超过40场全球供应链会议。

如今，SemiAnalysis已成为半导体与AI基础设施领域最具影响力的研究机构之一，团队近90人，年营收据传已接近1亿美元。

访谈全文如下：

节目简介

Dylan Patel谈硬件软件协同设计：AI真正的百倍提升

Sequoia Capital · Training Data · 2026年6月30日

主持人：Shaun Maguire 与 Sonya Huang（红杉资本合伙人）

SemiAnalysis创始人Dylan Patel认为，AI领域最大的收益并非来自更快的芯片，而是来自软件与硬件的协同设计——将模型、内核与芯片进行整体优化，能将这里2倍、那里2倍的提升，最终转化为100倍的跃升。

他解释了为何DeepSeek的专家模型是专为英伟达Hopper架构设计的（以及TPU为何难以运行它），为何OpenAI更稀疏的模型与Anthropic更密集的模型将二者引向了不同的硬件路径，以及所谓的"CUDA护城河"从来都与CUDA本身无关。

Dylan还详细介绍了InferenceX——这是他打造的一个"动态基准测试"项目，每天在价值超过5000万美元的捐赠硬件上运行最新模型，追踪每单位质量成本每年约下降60倍的趋势。他提出，推理市场将比石油市场更大；算力短缺持续存在，是因为模型扩展有价值工作的速度快于算力增长的速度；此外，他也解释了为何黄仁勋正在大力扶持新兴云服务商，以构建一个多极化的算力世界。

说话人1（Dylan Patel） 说话人2（Shaun Maguire） 说话人3（Sonya Huang）

说话人2 00:28

我们现在在SemiAnalysis的办公室，嘉宾是Dylan Patel。我是红杉资本的合伙人Shaun Maguire，这位是Sonya Huang。你所做的事情真的令人叹为观止。五年前，半导体在西方并不算性感，在东方倒是很受重视，但西方人似乎早已淡忘了这个领域——你没有。你非常看好它，并打造出了这个领域可能是最顶尖的研究公司，从非常技术性的细节到供应链，再到更宏观的图景，一直在为整个世界提供教育。有传言说SemiAnalysis近期年收入已突破1亿美元，不知道是否准确，但不管数字是多少，你们表现都极为出色。

说话人1 01:31

消息的准确性嘛，和信息本身一样。

说话人2 01:32

你懂的。另外还有传言说你可能会创立一只风险投资基金，我在业内也经常听到大家希望能与SemiAnalysis建立合作关系。你已经建立了非常值得信赖的品牌，无论你下一步做什么，目前的一切都很成功，这显然只是你旅程的开始。恭喜你取得这些成就！但这一切是怎么发生的？你能先介绍一下自己的背景，是怎么走到今天这一步的吗？

汽车旅馆里长大的孩子
说话人1 01:59

我从小在一个小型家族企业里长大，我父母经营一家汽车旅馆，我们就住在里面，对面是我们家的加油站。我开玩笑说，我训练的第一个神经网络就是根据顾客进门时的外貌特征来预测他们要买哪种烟——因为烟都摆在货架顶端，我个子太小够不到，每次都得把踏脚凳挪过去。从技术上说，以我那个年龄卖烟也不合法，但管它呢。

比如，如果走进来的是一位卷头发的白人老太太，我就把踏脚凳挪到骆驼牌那边；如果是不同年龄、职业或种族的顾客，我就挪到对应的位置。我说这是我训练的第一个神经网络，因为如果等顾客开口再去挪，效率太低——提前预判效率更高，薄荷味还是百支装，全都不一样。

修Xbox的契机
说话人1 03:09

我觉得这是我训练的第一个神经网络，但更重要的是，我在家族企业里、在汽车旅馆里长大。真正让我进入硬件世界的，是我八岁生日前后的一件事。

Xbox 360在我生日前的四月份发布了，我向父母要求把它作为圣诞礼物——我虽然心里觉得他们不太可能买，但还是开口了。结果圣诞节他们真的给了我。没过几个月，我住在阿拉巴马州、同样住在汽车旅馆的表弟要来我家过春假，我们打算一起玩。他介于我和哥哥之间，但对游戏机兴趣不大，而我之前一直跟他吹嘘有Xbox。结果，Xbox坏了。

说话人1 04:07

那个硬件故障叫"红圈死亡"，长话短说，我不得不把它拆开，短接温度传感器，才把它修好。在那之前我试过很多其他办法，折腾了很久。这就是我走进硬件世界的方式——像打开了潘多拉的盒子。

从网络论坛到半导体

说话人1 04:23

到我12岁的时候，我大量泡在各种论坛上——阅读、发帖，那是Reddit和其他各类论坛兴起的时期。我成了Android、Apple、Google，以及硬件、手表、英特尔、英伟达、AMD等各类论坛的版主。我密切关注智能手机如何从简单的产品演变为在架构层面甚至超越PC的设备，同样也追踪着GPU的演进。

我始终带着经济视角来看待这些，因为家族生意的背景让我从小就关注经济效益。当时互联网上很多"极客"喜欢AMD的GPU，我自己也买过一块，因为性价比确实高。但从纯技术层面讲，我始终认为英伟达更强——他们用更小的芯片实现了更好的性能和能效，利润率也更高。所以我那时候经常讨论英伟达的利润率比AMD好这件事。

说话人2 05:32

那时你才12岁？

说话人1 05:33

我12岁开始担任版主，但这一切贯穿了我整个青少年和高中时期。

说话人3 05:39

你还有什么别的奇特爱好，还是说只专注于半导体？

说话人1 05:42

我玩了大量星际争霸，一度在北美天梯打到了宗师级别。

说话人3 05:48

就是那种对很多事情都能痴迷到极致的人。

说话人1 05:50

对，就是痴迷。

说话人2 05:53

那你的学习成绩怎么样？

说话人1 05:54

还行，大多数科目都是A，但有些我觉得无聊的课——比如西班牙语——成绩就不太好。顺便说一句，我现在西班牙语说得很流利，所以当时不好好学真的挺蠢的。

说话人2 06:16

也许正因为你已经会说，才不用心学。

说话人1 06:18

不，我西班牙语是后来才学会的。总体来说，成绩还可以，对亚裔父母而言算是合格，比同学里大多数人强，但也没有死命拼到满分那种程度。

从量化分析师到创业者
说话人3 06:33

好的，所以你基本上是在互联网上自学成才，建立了这方面的专业知识。那你什么时候决定创立SemiAnalysis的？创业过程中最大的意外是什么？

说话人1 06:42

我上了大学，拿了几个和半导体无关的学位，然后在一家小型量化风险公司做了两年量化分析师。之后，几件事同时发生了。

一方面，我被公司薄待了——我通过挖掘市场中的风险漏洞为公司创造了超过一千万美元的无风险收益，但成果被别人抢了功。虽然最终得到了一定补偿，但我对那家公司的信任感已经荡然无存。

另一方面，我的外祖父母一直和我们住在一起，住在汽车旅馆里。我和他们感情很深。那时外祖母患上了老年痴呆症，忘记了我是谁，后来从楼梯上摔落，遭遇了悲剧，离开了我们。这些都发生在2020年初。此外还有一些感情上的变故。种种事情交织在一起，让我陷入了很低落的状态。

接着新冠疫情暴发，我哥哥让我去纳什维尔和他一起住，说隔离就几周，过完就能回来——这话说得太早了。隔离持续了很长时间。住在哥哥家几个月，一切都是他和他当时的未婚妻（现在的妻子）说了算，我只能小心翼翼地生活。

说话人1 08:09

我对工作已经没什么牵挂了，所以比平时发了更多帖子。我一直都在大量发帖、大量炒股，也在疫情里做空做多赚了不少，半导体短缺那段时间也参与其中。

就在这个时候，网上有人在争论中人肉搜索了我，把我的真实身份和匿名账号挂钩并公开了。当时我吓坏了，停止发帖大概停了三周。然后我想通了：有什么好怕的？于是我开始用真名写博客，正式建立了"Semi Analysis"这个网站。在我24岁生日那天，我发布了两篇文章。

因为是实名、并且投入了比平时更多的心血，这两篇文章获得了大量关注。不是通讯简报，但确实引起了很大反响。你现在回头去看的话，文章本身算不上出色，但在当时已经是网上能找到的关于这个领域最好的内容了。我就这样持续写下去，咨询业务也随之涌来，从2020年下半年开始不断增长。

无固定居所的调研公路之旅
说话人1 09:16

那段时间我的状态也很迷茫，不知道自己真正想做什么。于是我把东西都收拾起来——开着我的皮卡，买了一顶可以安装在车厢上的帐篷，还买了一个充气床垫，就这样上路了。

我每周有两三四天住在某个随机的旅馆里，每晚把价格砍到大概30美元，白天处理工作上的事情。周末就去读书，经常坐在某个国家公园里读教科书，或者边徒步边听半导体、AI相关的有声书。就这样在路上漂了六个月，跑遍了美国各大国家公园，自我教育的深度大幅提升。整段旅程中，我一直在发博客，当时所有人都在问我："Dylan，你到底在干什么？"

说话人2 10:03

那时候Starlink还在非常早期的阶段。

说话人1 10:05

就是那么早。大家都觉得我在做一件莫名其妙的事。后来我先和朋友，再和前女友去了拉丁美洲旅行，差不多待了一年。从2021年底到2024年，我依然完全没有固定住所，每年参加超过40场全球各地的会议——只要是供应链上某个环节的会议，我觉得有意思就去。

去了第一场会议之后，我就上瘾了——你能直接和专家对话，而且在半导体领域，大多数人都是老一辈，很少见到对这个领域真正充满热情的年轻人，所以他们特别愿意跟你分享。

说话人2 10:52

想多问一句，供应链上有没有哪个环节或者哪场会议，特别颠覆了你对半导体世界的认知，或者你觉得现在依然被严重低估的？

说话人1 11:06

行业展会和会议的层次差别很大。我个人最享受的是NeurIPS这类活动——两万名AI研究员聚在一起，年龄层和我接近，既能认识一线研究者，学到很多东西，还有很多聚会，非常有意思。

另一个极端，比如日本某个化学领域的小型会议，只有300位日本男性，其中来自ASML、台积电、英特尔的大约各二十人，只有这些人说英语，其他人全程讲日语。虽然如此，这类会议仍然很有意思。

说话人1 11:30

我有一个能力，就是不管对方背景如何，我都能和他们建立联系，找到共同感兴趣的话题，通常是技术方面的内容。我认为最有意思的会议，既有像NeurIPS这样的大型活动，因为那里有最前沿的进展；也有SPIE这样的深度小众会议——IEEE是国际电气工程师协会，SPIE则是另一个体系，它的会议技术细节极其深入。

说话人1 12:16

我参加的每一场SPIE会议，比如先进光刻会议或光罩会议，第一次去的时候有90%的内容听不懂，读了大量资料、建立了一些认知框架之后，第二次能听懂大约一半，第三次能听懂大约75%。直到现在，我去了还是有很多内容不能完全理解。

相比之下，去NeurIPS这类会议参加几次之后，你大致能理清神经符号推理等各类概念的脉络，可以比较快地建立整体认知框架。但供应链的某些领域极其深奥和技术性，需要大量时间才能真正理解其中发生的事情。

参加会议的目的不只是理解论文本身，更重要的是理解那些研究如何与现实技术相交叉，它们与当前状态有何不同。这些都是研究论文本身不会告诉你的。

说话人1 13:13

但你可以直接问人、建立联系，逐渐了解供应链——哪家公司供货给哪家公司，虽然这在任何公开信息里都查不到。你会了解到某种化学品大概的价格区间，某种设备要用多少，诸如此类的细节，就是这样慢慢积累起来的。

说话人2 13:28

对，还有那种让人印象深刻的故事——某种化学品突然断货，完全打乱了供应链的某个环节，然后你才发现全世界只有三家公司生产那种化学品。

说话人1 13:41

我印象最深的一个故事，是在那场几乎只有日语的日本会议上，一位日本人用非常蹩脚的英语告诉我：他父亲曾在20世纪80年代从事这个行业，当时全球唯一生产某种化学品的工厂发生了火灾，直接导致内存价格翻了两三倍。我当时就想：这和今天的世界没什么两样。

说话人2 14:03

确实，历史总是惊人地相似。

InferenceX与基准测试
说话人3 14:04

推理市场会成为地球上最大的市场吗？你同意还是不同意？

说话人1 14:11

Token的使用显然将是最大的市场，由Token创造的价值也将是最大的。Tokenomics、AI的广泛采用，是当下最重要的确定性趋势。无论是开放模型还是封闭模型，AI推理都将成为世界上规模最大的细分市场之一，远比石油市场更大。我认为AI推理将占到GDP的相当比重。

说话人3 14:35

你在InferenceX上所做的工作已经成为业内标准。能介绍一下你为什么创立它、它具体做什么，以及大家对推理性能基准测试最常见的误解是什么吗？

说话人1 14:47

SemiAnalysis的工作有两类：一类是为机构客户和订阅用户提供研究，另一类纯粹是出于好奇——觉得某件事有意思，就去搞清楚，然后公开发布。我们在GPU基准测试、训练性能和推理性能方面都做了大量这样的工作。

我们看到的问题是，推理基准测试是静态的、时间点性的——你做了测试，花时间发布出来，但很快就过时了，因为模型一直在变。感觉每周都有新模型发布，无论是中国的模型还是其他，就在今天，Opus 5和Fable也刚刚发布。与此同时，软件层也在不断更新——PyTorch、vLLM、SGLang、新驱动，这些库的更新频率基本上是每周两次。软件在持续迭代，推理性能也在随之变化，各种推理优化也层出不穷。

这种不断突破的势头一直在推动效率提升、成本下降，这就是为什么同等质量的模型成本每年下降约60倍——这是个惊人的数字。要跟上这种节奏，静态的时间点基准测试是远远不够的，你需要的是动态运行的、持续更新的基准测试，即在最新硬件上持续运行最新模型。

于是我们启动了InferenceX这个项目，并从整个生态系统中获得了广泛支持——CoreWeave、Crusoe、Nebius、Oracle、微软、亚马逊、谷歌、OpenAI都向我们捐赠了算力。

说话人1 16:25

同时我们也与SGLang、vLLM，以及现在的Radix Arc、Interact等推动开源工作的私人公司展开合作。英伟达、AMD、谷歌、亚马逊也正在加入，我们还将测试TPU和Trainium。目前已有超过5000万美元的硬件捐赠给我们，等TPU和训练测试上线后，捐赠总额实际上会超过1亿美元，约15种不同芯片类型每天都在最新模型上运行这些基准测试——Moonshot最好的模型、阿里巴巴最好的模型、约五家不同中国实验室的最好模型，以及最好的美国开源模型，如GPT、Nematron等。这些基准测试每天以自动化方式运行，在专门分配给我们用于推理基准测试的服务器上跑，横跨大量不同的配置和优化类型，所有结果和配置均公开。

说话人1 17:28

这样一来，我们就有了帕累托最优曲线。很多时候，人们在比较推理性能时，会拿别人的次优点与自己的最优点进行比较——就好比让我开保时捷，和职业赛车手开同一辆车，我肯定开得更慢，这道理是一样的。所以我们做的是：为"响应速度"（latency，即系统响应我的速度）和"批处理规模"（batch size，即同时服务用户数量）这条曲线上的每一个点，都创建了开源容器，对应的是最优配置。

现在，任何想要最优性能点的人，都可以直接去InferenceX下载并运行，甚至可以设置自动更新，始终保持接近峰值的推理性能。

说话人3 18:13

在你看来，吞吐量与响应速度之间的这条曲线是最重要的曲线吗？

说话人1 18:19

我认为是的。硬件基础设施、模型、应用层的几乎所有决策，都是由这条曲线决定的。

如果某个场景需要极低延迟，不在乎成本，就把批处理规模设得很小，并大量使用推测性解码或多Token预测等技术。而如果是批量处理大量文档，根本不在乎响应速度，就把用户尽量打包，不需要那些以牺牲成本为代价来提升个人用户速度的技术，因为你根本不在乎一个文档跑了一整夜才处理完。

现在我们对待AI基础设施的方式是"一刀切"，但随着时间推移，会越来越细化——有些是批处理工作，有些需要即时响应，整条曲线对用户都是有意义的。我们在Anthropic那里就能看到这一点：Claude的快速模式比普通模式贵得多，OpenAI的优先队列也是同样逻辑。

说话人3 19:17

简单问一下，成本是怎么体现在这里的？

说话人1 19:20

举个假设的例子：我有100个用户同时请求，每个用户每秒可以处理10个Token，总计每秒1000个Token——这是曲线的一端，速度很慢，每用户10 Token/秒。另一端是只有1个用户，速度达到250 Token/秒。中间有一些帕累托最优点：普通用户可能需要50到100 Token/秒，我能同时服务一定数量的用户。

曲线两端分别是"总计每秒1000 Token（多用户低速）"和"总计每秒250 Token（单用户高速）"，中间有一条曲线。有些工作场景会选择低速模式，因为同样的硬件可以处理1000 Token而不是250 Token，成本低4倍。而有些用户愿意多付4倍的钱，因为他们在乎的是时间而不是价格——使用Token的人本身成本很高，或者反馈循环的速度对他们而言很关键。

说话人2 20:20

如果让你预测，时间框架自己定——10年或15年——你认为届时有多少比例的推理算力会部署在太空中？可以是0%、50%，或者99%、90%？

说话人1 20:33

这个问题很难回答。

说话人2 20:34

时间框架随你定。

说话人1 20:38

我非常喜欢SpaceX，如果能买股票，我会毫不犹豫地认购IPO——不是投资建议。我认为在未来三到五年内，太空数据中心不会有实质性的影响。但从20年的视角来看，我认为绝大多数算力将部署在太空。关键变量是在地面上建设电力的成本，以及地面上能承载多少电力。

说话人3 21:25

你的预测是多少吉瓦？

说话人1 21:27

我认为到2030年，仅OpenAI和Anthropic两家合计就会有超过100吉瓦的算力，再加上Meta、谷歌等等，用于推理的算力总量将是天文数字。到2040年，可能会达到太瓦级别，届时带来的生产力提升将是惊人的。到2040年，我认为超过一半的新增算力会部署在太空；但到2030年，这个比例还不到1%。

说话人3 21:56

你认为每瓦算力所对应的智能水平一直在提升吗？现在似乎和人类大脑之间仍然存在巨大差距。你觉得我们能弥合这个差距吗？如果能，增益将从何而来？

说话人1 22:09

这在很大程度上取决于你在做什么任务。比如用于做数学的TI-84计算器，在每瓦算力的"智能"方面远超人类，而那已经是30年前的产品了——当然那是特定领域的智能，不是通用智能。

InferenceX的一个功能，就是测量所有硬件的功耗和成本。我们不只提供"吞吐量 vs. 响应速度"，也提供"成本 vs. 响应速度"和"功耗 vs. 响应速度"。

说到每瓦智能的提升：我前面提到每年成本下降约60倍，功耗方面的提升大约是40倍左右——部分效率来自非功耗维度，但在每瓦智能上确实有巨大进步，今年、去年、前年都是如此，我预计这一趋势会持续下去。

至于距离人类大脑有多远，我们还差好几个数量级。但好在这不太重要——我们可以给计算机投入大量电力，比维持人类大脑运转要容易得多，毕竟不需要应对疾病、挑食、睡眠等问题。

说话人2 23:18

我想在这个话题上再多问一个问题。在我看来，提升每瓦智能或每美元智能，大概有三个层次的输入：硬件改进（硬件本身效率提升）、底层系统优化（内核级改进、矩阵乘法库优化等），以及高层的模型层算法改进。

在过去三年里，我的直觉是大多数收益来自硬件层，另有一些来自模型层。你认同这个判断吗？你觉得未来会呈现出什么样的格局？内核级别还有多少潜力可以挖掘？

说话人1 24:17

Shaun，我完全不同意你的观点。

说话人2 24:20

太好了，这正是我们请你来的原因。

说话人1 24:22

我认为可以从这三个层次来分析。从Hopper到Blackwell，大约是过去三年的跨度，在DeepSeek最优化部署下，性能提升约为30倍——在InferenceX上可以看到。但从三年前到现在，每瓦智能的整体提升远超30倍，其中很大一部分来自模型层。

三年前的水平是GPT-4，现在即便是一个270亿参数、仅有20亿活跃参数的小型Qwen模型，表现都远超当时。模型层有巨大的提升，硬件层也有相当可观的进步，但真正的关键在于协同设计层——这才是最重要的。

以DeepSeek为例，它是目前最广为人知的公开案例，可以清楚地看到：DeepSeek V3中所有专家的矩阵形状都专门为Hopper架构优化，V4则为Blackwell芯片优化。有趣的是，TPU客观上是非常优秀的芯片，承担着DeepMind全部的运算，也是Anthropic预训练阶段的主力——但TPU在运行DeepSeek时表现很差，反而在其他类型的模型上有着Nvidia无法比拟的优势。

这种深度优化涵盖了矩阵形状、网络IO模式、collective通信方式、注意力机制的算术强度等诸多方面，模型、硬件和中间的基础软件已经紧密地协同优化，你很难把各层的贡献单独剥离出来分析。

说话人2 26:16

我的理解是，这方面中国做得比西方好很多。DeepSeek似乎是第一个真正做到这一点的模型。

说话人1 26:28

我不一定这么认为。更可能的情况是西方没有公开他们在做什么。OpenAI从未透露GPT-4o有多稀疏、矩阵形状是什么，但实际上GPT-4o的规模和DeepSeek V3大体相当，甚至还略小一些，而且发布时间还早一点。

说话人2 26:48

你的看法是，这三个层次的进步一直在同步发生，大致处于相似的量级，而最大的收益来自同时对三个层次进行协同优化？

说话人1 26:58

我会说模型层的收益多于软件基础设施层和硬件层，但每一层都有创新在发生。真正最大的收益，以及顶尖实验室的核心竞争力，在于同时协同优化三个层次。

Anthropic虽然使用多种硬件，但推理主要在GPU上完成，训练则主要用TPU——GPU更通用，但他们优化了硬件、模型和所有相关环节。OpenAI之前的模型更针对Hopper优化，现在更多针对Blackwell。谷歌同样如此：Gemini 2深度优化了TPU v6e，下一代Gemini则专门针对下一代TPU架构。

说话人1 27:56

很多模型都是在特定硬件上协同优化的，一旦移植到旧硬件上运行，效果往往大打折扣。软硬件协同设计是这其中最重要的事情，这也正是我日常工作中最令我兴奋的部分。

说话人1 28:17

每一层都有创新在发生，而真正的突破性进展，是当你跨越几个层次进行协同设计时——原本可能只是这里2倍、那里2倍的改进，叠加之后不是简单相乘的8倍，而是100倍。这就是实验室层面和英伟达这样的公司令人兴奋的地方。英伟达并不直接在模型层做协同设计，但从模型层一路延伸到芯片层，他们都在优化。台积电也是如此，不只优化制造工艺，而是从耗材、工具，一直到客户告诉他们的芯片设计需求，整个抽象栈都在协同优化。

说话人2 29:00

在这条优化链上，某个环节总会出现瓶颈，成为拖累整体进展的短板，需要被拉起来。

说话人1 29:08

对，然后就是各种临时补丁。

说话人2 29:09

正是。如果让你预测，在整个技术栈的任意层面——可以包括供应链——你最密切关注的、未来一年内最关键的瓶颈是什么？不一定局限于供应链或规模层面，而是实际技术层面。

说话人1 29:37

内存是一个显而易见的答案，大家都在谈，但我想从技术角度来说，而非供应链角度。内存容量和带宽的提升一直非常缓慢——NAND存储单元大约是25年前发明的，DRAM单元大约是40年前发明的，在存储单元本身层面一直没有重大突破。

未来几年将有一个重要创新：不再把HBM单独堆叠在芯片旁边，而是直接把内存堆叠在芯片上，这将使带宽大幅提升。这个方向上有一些有趣的公司和概念验证项目正在推进。

另一个瓶颈是功率密度。过去二十多年，数据中心和桌面芯片有一个几乎不变的规律：每平方毫米约1瓦。一块100平方毫米的芯片，功耗通常接近100瓦。最新的英伟达和TPU芯片仍然大致在这个区间。芯片正在走向1400瓦，英伟达Rubin下一代可能达到2000瓦，Rubin Ultra甚至可能达到4000瓦，但本质上是靠增加硅面积来实现的。

真正令人兴奋的是，目前正在研发的技术能让每平方毫米泵入远超1瓦的功率。这意味着同等性能所需的硅面积更小，虽然运行功耗更高、在某些情况下效率更低，但减少了所需的硅面积，有助于突破现有的上限。

说话人1 31:29

随之而来的是散热挑战、电磁干扰等各种工程难题，这正是为什么我们在每平方毫米1瓦这个门槛上卡了这么久——它是一个极其困难的工程问题。

说话人1 31:42

但令人振奋的是，全世界都在努力突破这些限制。在供应链的另一个维度，人们谈论能源瓶颈，认为难以解决。其实也有一些相对直接的方案可以考虑：比如美国有大量用于卡车的柴油发动机，可以在生产线上相对容易地改造为燃气发动机，然后连接到电动马达上反向驱动——让电动马达发电而不是驱动车轮，这样就能通过美国本就可以大规模生产的引擎来发电。

说话人1 32:24

这样做的维护似乎很麻烦，因为一个数据中心可能需要数百台这样的设备。但其实可以直接从汽车修理店招募技工来负责维护。我并不是说这很简单——我自己肯定做不到——但这是一个工程上可行的路径。

说话人2 32:41

你说出了一个很重要的观点：正因为西方过去二三十年没有真正重视半导体乃至更广泛的硬件领域，所以缺乏持续的创新投入，最优秀的人才也没有被吸引到这里。

说话人1 32:57

为什么要去做硬件，当你可以去做广告呢？

说话人2 33:00

没错。

英伟达GPU与TPU之争
说话人3 33:03

好，换个话题。英伟达GPU vs. TPU，你怎么看？

说话人1 33:08

大家都想从中选一个，但这其实是一个关于市场格局的问题。往后看两年，谷歌通过供应链会生产超过一千万颗TPU，英伟达会生产数以千万计的GPU，两者都将成为规模超过一千亿美元的生态系统，谷歌每年通过TPU创造的价值超过千亿美元，英伟达更是远超这个数字——我不做具体预测。

说话人2 33:34

这是思想实验，不是收入预测。

说话人1 33:42

两者各有绝对优势。英伟达会说：我们有交换机、我们是通用硬件；TPU会说：我们更优化、能效更高、网络拓扑对某些架构的适配性更好。双方都有站得住脚的理由。

我可以一本正经地和你争论GPU远优于TPU，也可以反过来论证TPU远优于GPU。但这一切都取决于软硬件协同设计。OpenAI目前的模型演进方向，可能让他们使用TPU成为一个糟糕的决策；而Anthropic和谷歌的模型演进方向，可能让使用GPU训练也同样是个糟糕的决策——当然作为矩阵计算本身是没问题的。

稀疏模型与密集模型
说话人3 34:36

根本的区别是什么？

说话人1 34:37

有很多方面。最简单的一个就是矩阵乘法单元的大小不同，进而影响矩阵运算的形状、注意力机制的结构方式、专家模块的组织方式等。

说话人3 34:52

所以你认为OpenAI和Anthropic在模型架构上正在走向截然不同的路径？

说话人1 34:56

我认为他们的模型架构差异相当大。OpenAI的模型更加稀疏，这有其独特的优势；Anthropic的模型虽然也是稀疏的，但整体上更密集，这带来了不同的优势。

此外还有网络拓扑的差异。英伟达的芯片都通过NVLink交换机连接，最多可以互连72个GPU；谷歌的ICI则没有交换机，但可以在超高带宽下连接8000个芯片——代价是必须经过中间芯片来路由，因为没有直接交换机。这些架构上的权衡，反过来影响了模型设计的选择。所以并不能简单地说谁优谁劣，因为你无法孤立地评估硬件，它天然延伸到了模型层。

CUDA护城河正在转移

说话人3 35:49

我记得很长一段时间，大家都认为英伟达的可编程性和CUDA生态是巨大的护城河。但在我看来，过去大约六个月，这个叙事似乎已经开始改变了。模型公司不再在意要不要为其他芯片编写自定义内核——愿意的话，就支持四五种芯片。Codex这类工具在做大量优化工作方面已经相当出色。而且模型公司的数量并不多，大概就几十家，每家都需要高度可编程性的假设本来就站不住脚。因此，"数以万计的大客户都需要良好兼容性"这个前提本身似乎正在动摇。

说话人1 36:34

确实如此。CUDA的软件护城河至少部分已经被拆解，因为模型本来就很擅长写代码，所有软件终究都会被商品化。但我认为，人们所说的"CUDA护城河"，其实与CUDA本身关系不大。

真正的护城河在于：DeepSeek、Kimi、智谱AI、阿里、腾讯、小米——这些公司的模型都是专门针对GPU协同设计的。因此，如果你想在TPU上运行这些模型，在某些情况下效果相当差。谷歌只能建立自己的开源模型生态，这就是Gemma模型的意义所在。

最终结果是：护城河并不在于CUDA这门编程语言，而在于下游产品对英伟达硬件的深度优化。这些公司只是选择了开源，Nematron也是如此。而那些使用这些模型的下游用户——推理API提供商、RLHF公司、为企业定制开源模型的公司——都因此被迫使用英伟达，不是因为他们需要自己写CUDA内核，而是因为专家模块的维度、隐藏层的大小等形状参数，都更适合在英伟达GPU而非TPU上运行。

反之亦然——如果谷歌真正开源了质量很高的模型，人们拿来用了之后，发现在英伟达GPU上跑得不好，就会去买TPU或租TPU来跑。

对小团队来说，他们会想用vLLM、SGLang、PyTorch这些开源工具。但大型实验室不一定要用这些——OpenAI很早就从PyTorch上fork出去了，Anthropic和其他大型实验室也不依赖开源实现，而是基于自己fork的版本独立构建。

说话人1 38:32

因此，大型实验室的逻辑越来越变成：选择最好、最具成本效益的硬件，然后围绕那个硬件协同设计模型和基础设施软件，并用AI来辅助编写所有这些软件。

Cerebras的速度与局限

说话人3 38:46

你怎么看Cerebras？

说话人1 38:46

我认为Cerebras是一家非常有创新性的公司。在某些细分市场，他们做得很好——超低延迟推理。我认为这是一个很大的市场，我们在SemiAnalysis基本上只用快速模式。

说话人3 39:02

顺便说一下，我很欣赏你对投入产出的精细核算——不知道是某一期特别做了这个，还是你们一直如此。

说话人1 39:13

我们做得相当仔细，谢谢。那是我们发布的"Dark GDP"报告里体现的。我们每周五也会追踪每个人的Token消费，如果有人突然飙升，就去问他做了什么。

说话人1 39:25

如果解释合理，那就没问题。我认为快速模式对于高端任务明显是值得的，我能想到很多场景，超快的Token速度确实有价值。但反过来说，也有很多场景根本不需要这么快，用户不愿意为此付费，就会选用GPU或TPU。

Cerebras面临的一个主要风险是：能发挥快速模式价值的，往往是最好的模型，而小模型未必需要快速推理。金融市场、高频交易或中频交易等场景或许是例外，但在基于SRAM的芯片（比如Cerebras和Groq）上运行非常大的模型、超长上下文，在技术上非常困难。

如果未来模型变得更大——不是千亿级别参数，而是10万亿以上参数级别，再加上百万级别的上下文长度——那在Cerebras上可能就跑不下来了。从目前的使用数据来看，用户始终偏好实验室最好的旗舰模型，即便它们更贵。就在今天发布的Fable，就已经有大量用户从此前的版本切换过来，尽管价格更高。

说话人3 40:53

是按照美元收入来衡量，而不是Token数量？

说话人1 40:57

谁会在乎Token数量呢？看的当然是美元。就好比我不在乎卖出了多少辆Mini Cooper或者丰田凯美瑞——如果单价是5倍但销量只有一半，那也没关系。美国最赚钱的市场是皮卡，这道理是相通的，我说的是类比关系。

说话人2 41:19

你始终把经济学和技术结合起来分析，这是你最突出的差异化优势之一，也是你做得最好的地方之一。这两件事能同时关注的人极少。

说话人1 41:32

谢谢。我觉得SemiAnalysis内部有一个很有意思的现象：我们90个人里，很大一部分是整个供应链的技术专家和工程师，另一大部分曾在对冲基金工作。于是你经常看到这样的争论：工程师说"这个技术太厉害了"，前对冲基金的人说"但是成本呢"，就这样有机地吵起来。我们内部文化很随意，你能想象，考虑到我当年是论坛版主，这种氛围很自然。

说话人2 42:02

看来你挺享受这种状态的。

说话人1 42:04

俗话说，不要和猪摔跤，因为猪本来就喜欢在泥地里打滚。

ROI争论与犀利观点

说话人2 42:08

在进入下一个问题之前，我想问一下：在半导体领域，有没有什么话题特别让你抓狂？比如有人说了什么，让你觉得"这人根本不懂"？

说话人1 42:26

最让我抓狂的是"AI没有ROI"这句话。其次是否认模型进步——那些说"模型没有变好、没有真正的推理能力、不会思考、快到顶了"的人。问题是，从能力曲线来看，一直都是向右上方延伸的。他们说"看，这个基准测试没有提升"，那是因为已经饱和了，达到了90%以上。去看新的基准测试，那些正在快速突破的。这才是关键所在。

说到底，半导体非常复杂，我不责怪任何人有所欠缺——我自己每天都在向行业里的人学习。我研究这个领域大概有18年了，但即便如此，昨天我还刚了解到一种年销售额约1亿美元的化学品的存在，完全不知道它的存在和用途。在数千亿美元规模的行业里，1亿美元的小品类多了去了，但每一种芯片的制造都离不开它。半导体有大约1000道工序，没有人能掌握全部细节。

最让我觉得好笑的，是当一个人手握所有事实，却得出了完全错误的结论。

说话人2 44:01

这在我们的工作里也是常态。

说话人1 44:04

这种时候，我的态度不是生气，而是尽量快速更新认知。

未来十年的技术押注

说话人2 44:10

因为AI是目前世界上最重要的事情，近期瓶颈是我们日常谈论的重心。但有没有更长远的事情让你感到兴奋，比如十年维度的？我们提到了轨道数据中心，还有硅光子——在十年时间跨度上，你认为它是被高估了还是被低估了？还有其他方向吗？

说话人1 44:33

从太空角度来看，太空数据中心在十年维度上令我非常兴奋——太空数据中心、小行星采矿等等，我对SpaceX的愿景充满期待。

说话人1 44:47

在半导体层面，市场的重大变化往往取决于某件事提前或推迟一年发生。比如共封装光学（co-package optics），大家都知道它在这个十年内一定会实现，争论只是在2027年、2028年、2029年还是2030年。但总会到来。

更有趣的是，有些公司同时在芯片层、软件抽象层和模型层进行创新。你们投资了Divyansh Rao（Divyansh）的公司吗？

说话人2 45:12

是的，我们投了。

说话人1 45:12

他尝试同时在硅层、软件抽象层和模型层上进行创新。他完全清楚这不是两三年内就能见效的事，而是一个长期赌注。这类想法——比如模拟计算与基于能量的模型一同出现——是非常令人兴奋的事情，虽然大概率不会成功，但充满想象力。

说话人2 45:40

确切地说，不会在短期内成功。

说话人1 45:42

对，肯定不会在短期内成功。我非常相信他。我最早认识他是在2020年，我当时还是匿名账户，在网上怼了他，他开始回复，我就把对话搬到私信，再约了一个通话，他是我在整个半导体行业认识的第一个真正重要的人。

说话人2 45:56

他的一个特质让我印象深刻——他总在努力帮助年轻一代，识别人才。

说话人3 46:08

在MosaicML方面，他也超前于时代太多了。我记得那时候还是2019年。

说话人1 46:11

当时我还是匿名账户，就在网上怼了他，他回复了，我就把对话引到私信，然后约了通话。那是我在整个半导体行业里真正认识的第一个重要的人。

生态系统的终局

说话人3 46:27

你认为生态系统的最终形态是什么？每家实验室、每家超大规模云服务商都有自己的芯片吗？训练用自家芯片似乎现在已经开始成立了。你认为最终每家超大规模云都有自己的芯片，至少用于推理，训练则可能仍然去找英伟达？

说话人1 46:44

我认为每个人都会去尝试，也不会停止尝试。但最终，供应链的能力和可引入的技术决定了你能走多远，行业越大，供应链多元化的趋势就越明显。

说话人1 47:00

现在，几乎所有人的芯片结构都大同小异：中间是大型逻辑计算芯片，左右两侧是HBM，上方是网络接口，下方是PCIe及其他IO。这个结构对训练芯片、TPU和英伟达GPU基本一致，大多数初创公司也是如此——除了Groq和一些做特殊架构的公司。

说话人1 47:22

随着时间推移，我们会看到硬件架构和模型架构越来越分化，人们会进行协同优化。有些人会陷入局部最优——就好比梯度下降，大家都在寻找最优解，但有些人会收敛到局部极小值。

问题在于，英伟达由于拥有海量客户，每个客户都在设计阶段给予反馈，他们的通用计算平台能兼顾更多需求，其"全局最优"虽然可能比不上专用芯片的"局部最优"，但专用芯片的局部最优可能恰恰是错误的方向——今天看起来很完美，但随着AI的发展，实际上需要的是另一条路。

说话人1 48:22

所以我认为通用AI计算会有一个很大的市场。和实验室的人聊天，他们甚至不知道一年后自己会用什么架构，他们有很多研究押注，但不知道最终会走哪条路。一般情况下，他们了解自己手上有什么硬件，并在此基础上尽量协同优化。

说话人1 48:42

但如果某个模型架构出现重大突破——比如用新机制替换注意力机制，谁都无法预测——最好的硬件选择就会随之改变。那么，人们会为了一个更专用的资产做五年的硬件投资押注吗？还是会保留一部分通用算力？这就是为什么谷歌愿意以每GPU每小时11美元的价格从xAI租用GPU——这个价格已经非常惊人了。

说话人1 49:19

而且尽管谷歌自己有TPU，这里面仍然存在一些值得深思的问题：为什么他们要这么做？事实上，谷歌有三个不同的TPU设计项目——与Broadcom合作的一个架构，与联发科合作的是不同架构，第三个则是公开披露的研究版本。这是完全不同的三种架构，不只是换了代工厂这么简单。我认为大家都意识到局部最优的风险，所以每家公司都会有自己的ASIC项目，每年投入数十亿乃至数百亿美元——谷歌可能是数百亿美元级别。

说话人1 50:01

但同时，他们也会有不依赖TPU的工作负载。谷歌内部有些非Gemini、非DeepMind的项目主要用GPU而不是TPU。不同的应用场景——药物研发或Waymo——可能需要不同的架构选择。针对科学研究的AI和针对通用智能的AGI模型，算法模式可能完全不同。随着市场越来越大，细分市场会不断涌现，每家公司都能找到自己的利基，即便大部分市场份额最终仍然归英伟达和训练用TPU所有。

算力短缺与新兴云服务商

说话人 3 50:47

好的，我们来看看数据中心的建设情况。从各方数据来看，如果你看那些图表，每计算小时的成本来看，我们正处于一场严峻的算力紧缺之中。而且这似乎是供需两侧同时承压——长期运行的智能体需求急剧攀升，与此同时，大量数据中心的建设都在推迟。你认为这种算力紧缺会持续相当长一段时间，还是说在某个节点会得到缓解？

说话人 1 51:09

每个季度，我们部署的算力都远超上一季度，新建的数据中心也比上一季度更多。今年，即便考虑到各种延误，也将有20吉瓦的算力上线；明年，扣除延误因素后，这一数字将超过30吉瓦。当然，任何事情都会有延误，这是客观规律。至于算力紧缺会不会伴随我们余生，这取决于模型的发展走向。

就像Claude 5、Fable 5这些模型的潜在市场规模，并不只是Opus的两倍。这些模型已经好太多了，能处理的任务数量也远远超出，其可寻址市场的规模远不止两倍。但在过去六七个月里，全球的算力并没有翻倍——从Opus发布到现在，4.6、4.7、4.8版本都有所进步，而Fable和Mythos则是一次大幅跨越式的提升，但全球算力并没有在同期翻倍甚至翻四倍。然而，AI能够完成的有价值任务的数量和价值，却确实翻了倍乃至更多。

说话人 1 52:15

现在的问题是接下来会发生什么。Anthropic在第二季度已经实现盈利——不含股权激励的净利润为正；我认为到第三季度，甚至含股权激励的利润也可能转正。他们的盈利能力就有这么强。就API价格而言，Opus 4单个Token的利润率在80%以上。他们与大客户签订了许多合作协议，通过Bedrock和Vertex等渠道的合作方式会让整体毛利率有所摊薄，但他们每个Token的利润率依然极高。

正因如此，即便算力紧张，他们也完全有能力以高于市场价的价格购买GPU。他们之前以高于市场价从SpaceX购买了GPU，价格比谷歌的方案贵，但那是因为合同签得早。这是一种财务健康、具备正毛利率的公司才能做到的事，融资阶段的初创企业或毛利为负的公司未必能如此操作。

从成本收益角度来看：我每租一张GPU，因为我已经没有富余算力了，可以立刻将上面的token卖出去；无论是推理还是训练，每一次算力投入都能立刻产生正毛利。如果我当前跑着75%的毛利率，即便算力成本翻倍，我仍然有50%的毛利。而且对他们来说，扩充算力节点这件事，如果是租用模式，也不需要太多人力介入。

说话人 1 53:38

所以归根结底，净收入还是在增长的。在这种情况下，我愿意以任何我能承受的价格租用GPU。

说话人 3 53:47

我有个反向的问题：在某个时间点，这波算力建设狂潮会不会突然崩塌？今天早些时候，我看到一条推文，Crusoe公开表示有客户要求暂停某个数据中心的建设。整个生态系统里每个人现在都像上了杠杆一样——必须建、加速建、不停建。高杠杆加高增长，作为投资人，我对这种组合感到非常不安。

说话人 1 54:08

等等，高杠杆加高增长意味着少量股权有巨大的上行空间。

说话人 2 54:13

你不是……

说话人 1 54:13

债权投资人，你是股权投资人。

说话人 2 54:16

（表示认同）

说话人 1 54:18

去学学私募股权的杠杆收购吧。

说话人 3 54:24

私募股权，好吧。

说话人 2 54:26

她在股权这条路上走太久，忘了债的那一套。

说话人 3 54:28

好，我主要关注的还是营收端。你有没有看到任何风险信号？你对这个问题是否感到担忧？

说话人 1 54:33

我明白你的意思，这其实又回到了模型的核心问题上。如果模型能创造的总经济价值——就是我们之前提到的"暗GDP"报告——如果这些模型所能完成的工作量，没有比算力供给增长得更快，那局面就会逆转。而在过去六个月里，天平一直是倒向另一边的——模型可处理的工作量，其可寻址市场的扩张速度，超过了算力的增速，所以价格才会上涨。

当然，也完全有可能某天模型进步突然停滞。你去问Anthropic或OpenAI的人，也许他们有些一厢情愿，但几乎所有人都说：不，模型还会继续进步。现有方法在某个地方可能会遭遇瓶颈，但目前我们仍然能看到快速改进的清晰路径。事实上，模型进步的速度比六个月前或一年前还要快，因为存在我所说的"递归自我改进"——工程师用模型来辅助编写基础设施代码，从而更快地推出下一代模型。这样一个类似递归自我改进的飞轮正在转动，模型因此越来越好，而且越来越快。

说话人 1 55:48

但归根结底，资本是个大问题，这也是谷歌要募资的原因。他们持有大量SpaceX股份，大约占公司5%左右吧？

说话人 2 55:57

可能稍微多一点。

说话人 1 55:58

是的，我记得是——

说话人 2 55:59

大概是10%。谷歌当年以100亿美元估值投了10亿美元，拿到了10%，后来被稀释了一些。但那绝对是史上最成功的投资之一，干得漂亮。

说话人 1 56:11

所以，他们账上有大约1000亿美元可以在解禁后九个月内套现，加上日常产生的大量毛利润，但他们还是在做财务预测之后得出结论——我们需要融资，于是进行了增发。这听起来不可思议，但这也说明了他们预计需要花多少钱。资本确实是个大问题。Meta也宣布要增发股票，市场不太买账，但所有这些公司都会去融资，无论是债权还是股权。资本的水龙头终归有一天会拧小，但眼下，亚马逊每增加一张GPU、每增加一个推理或训练单元，都能带来更高的营收，每个新增算力单元都能产生毛利润。

---

说话人 2 56:53

我想在这里补充一个问题。在我们讨论这些的过程中，我脑子里一直有一个想法。我拿石油做个类比：沙特阿拉伯每桶石油的开采成本远低于许多其他国家，而且沙特石油中的杂质含量极低，提炼更为容易。

那么我的问题是：在即将上线的这20吉瓦算力中，各个吉瓦之间的质量有多大差异？你认为哪个指标最能说明问题？比如，谷歌的每吉瓦算力是否比大多数新兴云服务商的价值高出两倍？因为谷歌有光学交换机，有多年积累的建设经验，懂得如何做电力平滑处理。

我想提出的另一种假设是：真正擅长建设数据中心的公司，应该全力以赴、尽可能多建，因为需求旺盛，他们的竞争优势也更大。而我们或许正开始看到一些早期信号，那些相对不擅长的参与者开始遭遇挫折。我不知道实际情况如何，只是好奇大家怎么看。

说话人 1 58:18

在这方面确实有一些衡量指标。Trainium向Anthropic和OpenAI出租的价格，是低于每吉瓦100亿美元的；而GPU在过去六个月的市场狂热之前，通常是在每吉瓦120亿到130亿美元左右成交的。这是新兴云服务商对比亚马逊的租金差异。现在亚马逊的GPU也大概是130亿美元。

说话人 2 58:42

我的理解是，亚马逊对这块业务是有一定补贴的，实际价差可能更大。

说话人 1 58:52

Trainium低于100亿美元，但其中涉及一些复杂的机制，本质上是看算下来到底多少钱——

说话人 2 58:56

而且，我的理解是，Anthropic在让Trainium真正可用于训练方面发挥了重要作用，比如编写各种底层库等。我听到的反馈是，Trainium是真的很好的硬件，而且在快速进步。Anthropic现在也大量在用，希望我们能看到这反映在价格上涨上。

说话人 1 59:19

那份协议有一个底价机制——如果效果不好，价格会更低，直到合同取消；如果效果很好，价格会相对高一些，但有效价格基本上是低于100亿美元每吉瓦的，这就是Trainium的实际情况。而GPU方面，SpaceX那笔交易的价格是每吉瓦约250亿美元，即每兆瓦每年2500万美元，是谷歌的方案——这个差距非常悬殊。

当然，如果亚马逊今天再卖Trainium，价格肯定会超过100亿，因为目前算力供不应求。但数据中心领域已经出现了类似的分化——在托管托管模式下，不含算力只租场地和电力，数据中心通常按每千瓦每月多少美元定价。以前是每千瓦每月60美元。

说话人 1 01:00:12

现在的成交价格大约在120到160美元之间，而且不同质量的数据中心差异显著。我见过信用评级较差的客户签到200美元的案例，也见过质量较好的数据中心低至100美元的情况；在印度，由于电网不稳定、网络连接质量一般、设施相对普通，价格可以低至80美元，但好歹算是个数据中心。

说话人 1 01:00:37

所以数据中心之间的价差已经非常悬殊。在数据中心建设这件事上，常见的坑就是直接失败——有很多人夸下海口说要建，比如某四人小团队，说"我们订了涡轮机，付了定金，要建一个数据中心"，然后就是不断推迟，最终烂尾。

说话人 1 01:00:57

所以你需要对团队能力进行加权评估，同时考虑时间滞后因素。我们的数据中心模型就是这么做的——我们追踪每一个数据中心项目，根据他们采用的设备等各种信息对每个项目逐一评估。

关于谷歌，你提到的一点很有意思：在一个1吉瓦的数据中心里，他们实际上会安装1.5吉瓦的硬件。由于他们对从工作负载到电力管理的整个链路都有深刻理解，所以能够灵活调配电力分配。

说话人 1 01:01:23

通常情况下，1吉瓦的算力设施在功耗上的实际利用率大约是60%到70%——注意这里说的是功耗利用率，不是硬件利用率，硬件始终有人在租用。但谷歌能把功耗利用率提升上来，也就是说在1吉瓦的额定容量下，他们能用满整个1吉瓦。

还有一种玩法，包括谷歌在内，是与电力公司签协议：电网稳定时能供1吉瓦，但一年中有三天可以临时提升到2吉瓦。他们就会说"那就给我2吉瓦，必要时你告诉我降载"。

说话人 1 01:01:50

要做到这一点，需要对工作负载进行精细化管理，配备备用电源、现场发电机等一系列基础设施，才能真正稳定运行2吉瓦。能做到这些的运营商，可以收取更高的价格。

说话人 1 01:02:05

比如，虽然额定只有1吉瓦，但借助储能、燃气等手段处理掉那三天的超用问题，我实际上可以对外销售2吉瓦；或者，我在本地建了自备电源，在没有其他人能供电的地方拥有了1吉瓦的能力，因而能够快速交付。这未必会带来更高的单价，但我可以卖出更多的吉瓦。有时候这两者是交织在一起的——你卖出了更多吉瓦，而每个吉瓦的定价可能各有不同。

说话人 1 01:02:29

在数据中心和能源这一层面，我认为更多是有和没有的问题，以及项目会不会延误，更像是一个二元判断。但在算力侧，我觉得确实存在更多有意思的差异化空间。同样是1吉瓦交给Anthropic，产生的营收客观上高于交给OpenAI的情况；而这两家目前似乎都能把手头所有算力用满，因为存在限速、Token上限等问题，尤其是Codex 5.5发布后，需求更是大涨。同样地，如果把1吉瓦交给SpaceX——

说话人 2 01:03:03

一旦他们开动，那产出相当可观。我的判断是，他们对硬件的利用效率可能超出大多数人的预期。我认为人们往往低估了他们从Starlink积累的丰富网络运营经验，以及从特斯拉延伸过来的电力管理能力。

说话人 1 01:03:25

他们团队的背景简直令人叹服。

说话人 2 01:03:28

对我来说，那可能恰恰是很多分析遗漏的一个维度，我也不确定，但感觉确实如此。

说话人 1 01:03:37

还有一点很重要：当CoreWeave建起1吉瓦的算力时，尽管他们GPU的性能和可靠性客观上优于亚马逊、谷歌或微软——我们做过实际测试——但问题在于，谷歌会在算力交付前六个月就把合同签出去，然后需要拿着这份有信用背书的合同去融资，再用融到的钱支付已经下的采购订单。而SpaceX的做法是：这台机器现在就跑着，买吧。

在拥有强大资产负债表的前提下，这种能力的差距是巨大的。这也会大幅提升你的每兆瓦营收水平。

说话人 3 01:04:15

那么，新兴云服务商（Neo Cloud）的机会为什么会存在呢？如果你五年前问我，我会说超大规模云厂商在这方面根本无解。而你刚才也提到CoreWeave的性能比超大规模云厂商更好。这个机会在宏观层面和执行层面上是怎么产生的？

说话人 1 01:04:29

2023年，我写了一份报告，让亚马逊对我很不爽，标题叫《亚马逊云危机》。

当时我分析的是：亚马逊之所以是最好的云平台，是因为他们有Nitro网卡——它能提供租户隔离，所有虚拟化层都跑在网卡上，因此可以把所有CPU核心都卖出去。他们还有自研SSD，买的是原始NAND颗粒，自己组装，成本更低。他们有Graviton自研CPU，摊低了每核心的成本。这些种种优势让他们能够卖出更多核心、提供更好的安全性和网络性能，存储方面也更具竞争力——但这一切都是针对传统CPU云计算场景构建的。

在AI云场景中，这些优势反而成了性能的拖累。Nitro网卡对AI性能有负面影响，虽然经过几次迭代已经改进了不少，但仍然不是最优的。此外，很多安全机制在AI场景下也用不上——因为不存在多租户共享一张GPU或一台多GPU服务器的情况，没有人租一个72卡机柜里的单张GPU，都是整柜、整群租用，而且都是长期合同。GPU租赁市场的这些特性，让超大规模云厂商的很多传统优势失去了用武之地，有些甚至变成了负担。

谷歌和亚马逊的定制网络在传统CPU计算场景下表现优异，但对AI训练未必适用。微软的情况则是：自建数据中心本来能节省成本，但他们的数据中心建设团队能力其实并不突出。需求稳定的时候还好，但当他们要在年内临时大幅提升交付量时，就力不从心，不得不去购买大量新兴云服务商的产能。

另外就是上市速度。在大型组织里，没有人会因为"数据中心建得更快"而致富。但你看Crusoe，Chase和团队里其他人，如果他们提前交付算力，是真的可以大赚一笔的，因为他们都是高杠杆的股权持有者。

说话人 2 01:06:47

他们是股权持有人。而且，你懂的，他们很多都是从比特币圈出来的——虽然这话不太适合公开说。

说话人 1 01:06:52

他们的主要数据中心负责人其实是从微软过来的，所以也不全是那个路子。

说话人 2 01:06:56

我就是开个玩笑。但有一点是真的：在高度波动的市场里摸爬滚打，确实能学到很多。

说话人 3 01:07:05

那你认为，Jensen（黄仁勋）是在下一盘大棋吗？

说话人 1 01:07:07

Jensen非常厌恶一种世界格局：超大规模云厂商垄断一切。这就是为什么他会向一些看起来不那么有把握的AI实验室砸钱——他在全世界各地游说，说"你应该投这家公司"，因为他想创造一个多极化的世界。这也是他为什么喜欢中国AI实验室——他想要多极化。如果只有OpenAI、Anthropic和谷歌的模型主导市场，他就完了；如果只有超大规模云厂商建算力，他也完了。所以他必须把资源配置的方向引向新兴云服务商，帮助他们构建集群，想方设法支持这个生态。

说话人 1 01:07:46

因为今天，卖给Crusoe的一张GPU、卖给CoreWeave的一张GPU、卖给谷歌或亚马逊的一张GPU，对他来说是同一个价格。但五年后，Crusoe和CoreWeave的存在，意味着谷歌TPU的市场地位会更弱，亚马逊Trainium的影响力也会更弱。而推理端有更多由非闭源模型实验室承接，对他也更有利。所以，新兴云服务商的生态就是这样一片野蛮生长的丛林，很多新兴AI实验室同样获得了英伟达的投资。这个圈子是一片西部荒野，有很多会倒下，但也会有一些真正优秀的团队脱颖而出——比如Crusoe，一群最初搞加密货币、后来转型建数据中心、利用废弃天然气的人；比如CoreWeave，起家于一群对冲基金——

说话人 2 01:08:30

他们最初也搞过比特币挖矿，然后才转型的。

说话人 1 01:08:31

对，但他们最终建起来了，很多同一时期起步的人就是失败了。

说话人 2 01:08:40

这两支团队都非常出色，值得高度肯定。

说话人 1 01:08:45

我想说的是，这就像往水里撒了很多诱饵，最强的鱼才能活下来。新兴云服务商是这样，他希望新兴AI实验室也是这样。我们且看有哪些新兴AI实验室能真正冒出头来。Thinking Machines已经有了几亿美元的年经常性收入，这相当令人印象深刻——尽管媒体上净是"他们流失了多少人才"的报道，但这个产品上线不到六个月就做到了几亿美元ARR，相当不错。我们也期待其他新兴AI实验室能有类似的表现。Jensen想要的就是这样一个多极化的世界。

说话人 2 01:09:20

衷心祝贺你的成就。最后我想说的是，听众从你今天的分享中大概能感受到你有多拼，但我知道你已经埋头苦干超过十年了，才换来了最近这几年站在正确的时间节点上。你所取得的成就令人叹服，而我知道这仅仅是个开始。非常感谢你今天来参加分享。

说话人 1 01:09:42

谢谢大家，太棒了。

本文来自华尔街见闻，欢迎下载APP查看更多

日前，超盒算在北京六店同开，网点覆盖朝阳、昌平、通州、怀柔等多个城区。

低价，是超盒算NB想留给北京消费者的第一印象。19.9元一斤的金枕榴莲、0.99元一斤的西瓜、16.9元30枚的鸡蛋、9.9元24瓶的矿泉水，开业即打出价格牌。

作为华北首站，北京被超盒算NB定位为核心根据地。后续华北的门店拓展、供应链建设及仓网规划，都将以北京为中心向外辐射。

北京是一个充满挑战的市场。过去，硬折扣业态在北京长期缺乏强势玩家，本身就说明这一模式并不容易落地。

在相对更高的租金、更复杂的物业条件和更分散的消费场景下，超盒算NB既要延续低价模型，也要重新测试门店密度、选址效率和本地供应链能力。

超盒算NB的战线还在继续向外延展。从华东起步，到今年陆续进入华南、安徽、华北，再到即将落地西南，超盒算NB正从区域业态走向全国化复制。

按照规划，超盒算NB今年底门店总数目标突破600家。

当不少同行仍在打磨区域单店模型时，超盒算NB已经把战场推向全国。问题是，规模能否继续放大它的低价优势，并支撑其吃下硬折扣更大的市场蛋糕？

低价心法、运营减法

走进超盒算NB门店，不少中老年顾客拎着菜篮来回比价，在生鲜、热食柜台前挑拣驻足。这类精打细算、以家庭为核心的消费者，正是超盒算NB的目标人群。

超盒算NB将目标用户定义为“务实家庭”，即理性消费、重视性价比的人群，并以周边做饭人口规模作为选址的重要依据。

对这类消费者而言，他们更需要以更低成本、更短时间，稳定买到一日三餐和日常所需。

低价背后，是一套围绕效率展开的运营与供应链体系。

超盒算NB总部营运管理负责人岳生告诉华尔街见闻·全天候科技，超盒算NB门店运营强调“去除一切冗余”，围绕一日三餐持续提供“优质且不贵”的商品。

这首先体现在货盘上。

超盒算NB采用“宽类窄品”的商品结构，门店约有1500个SKU，每个细分类下只保留少量精选商品。

相比传统卖场用更丰富的SKU覆盖更多需求，超盒算NB更强调把有限面积和库存集中到高频商品上。

自有品牌和特供商品，是这套窄货盘能够成立的重要支撑。

目前其自有品牌商品占比已接近60%。这意味着，超盒算NB不只是压缩上游采购成本，也在更深地参与商品定义，通过自有品牌强化低价心智、拉开商品差异。

与此同时，保留了不少与成熟品牌联名或定制的特供商品，例如雀巢奇巧巧克力、徐福记凤梨酥、雪花啤酒、心相印纸巾。

对于刚进入北京市场的超盒算NB来说，这类商品既能降低消费者对低价商品的陌生感，也能避免货盘过度“白牌化”，在低价和信任之间留出缓冲。

按照超盒算NB标冻冷藏采购负责人玛斯的说法，在自有品牌开发上，超盒算NB要做的是重构从工厂端到货架端的成本链路，去掉品牌进场费、部分中间物流成本和营销费用，把商品真实成本还原出来。

具体到执行上，一是通过基地直采和产地仓控制原料成本；

二是针对食用油、纸品、乳制品等物流成本占比较高的商品，在城市周边寻找适配工厂，减少运输成本；

三是依靠门店规模增长，摊薄单品开发、采购和配送成本。

超盒算NB试图把过去由渠道、营销和多层流通吸收的成本，从商品价格中剥离出来，再通过规模化门店和高周转商品重新分摊。

“做减法”的思路，延伸到门店运营层面。

例如门店装修店陈更克制，货架间距也更紧凑，基本只能容纳两人推车并排通过。

岳生介绍，门店强调红字白墙、灯光明亮、招牌显著，让消费者进店后可以快速找到商品、完成购买。超盒算NB也很少使用“今日特价”“限时折扣”这类促销标语，而是强调稳定低价，大量使用纸质价签而非电子价签。

如果价格不频繁波动，就不需要频繁改价和促销维护，门店运营复杂度也能随之降低。

超盒算NB单店通常配置人工约15至20人，员工并不只承担单一职能，而是同时覆盖上架、理货、拣货、打包、销售等多个环节。

数字化则承担了一部分原本依赖人工经验完成的判断。超盒算NB会结合天气、城市消费习惯和历史销售数据进行自动订货和补货，以保证社区居民一日三餐所需商品的稳定供给。

这些设计最终都服务于超盒算NB以稳定低价进军社区商业的决心。

走出华东舒适区

硬折扣属于规模化和区域网络的生意。只有门店足够密集，采购、仓配、履约和品牌心智才有可能被摊薄。这也是剑指全国化的超盒算NB必须面临的挑战。

硬折扣最早在华东、尤其是上海起势并不偶然。

华东市场既有足够密集的家庭消费场景，也有成熟的长三角供应链和高强度零售竞争。这里的消费者既接受品质消费，也愿意为稳定低价重新分配购物渠道。

在跨城市迁移的过程中，超盒算NB首先必须依据不同城市的饮食习惯、消费偏好和供应链条件，重新调整货盘。

超盒算NB透露，北京门店约30%-40%为本土化商品，与华南比例接近。

对于短保蔬菜、低温乳饮等对新鲜度和口味更敏感的商品，超盒算NB更多采用本地或短距离供应链；对于土豆、番茄、胡萝卜等相对易储存的商品，则更强调产地成本和链路效率。

但供应链效率并不只取决于采购能力，也取决于门店密度。同样一套低价模型，在华北早期运行起来的自如程度，天然不如已经形成规模的华东市场。

此次北京首开的6家门店，大多落在社区生活半径内，覆盖朝阳、昌平、通州、怀柔等区域，其中既有社区型商业，也有邻里中心和小型商业体，有的直接建在市内农贸市场二层。

超盒算NB开发选址负责人运筹表示，不同区域的消费者习惯、商业环境和物业条件差异明显，超盒算NB仍在测试不同场景下的社区消费需求。

目前，超盒算NB与盒马鲜生采用相互独立的仓配体系。“北京是华北的根据地。后续华北市场怎么发展，会更多从密度和广度来考虑，但前提还是仓网规划。”运筹表示。

“极致方便”是超盒算NB选址的第一逻辑。门店不一定要在最热闹、最大的商业体里，但必须在消费者最方便到达的位置。

店型配置上，超盒算NB目前主要锁定600平方米与800平方米两种规格。

核心城区物业稀缺、租金较高，门店更倾向于做成600至650平方米的紧凑型街边店；在社区邻里中心或小型社区Mall中，则布局800平方米左右的较大店型，承担区域主力店功能。

数说零售案例库主创人凯文告诉全天候科技，超盒算NB的扩张并不是从零开始。它站在盒马过去十多年多条品牌线，包括盒马X会员店等业务集中试错的基础上，既有失败教训，也有成功经验做铺垫。

仅从规模而言，超盒算NB在硬折扣业态上已处于领先。

截至目前，超盒算NB门店规模已达到550家。排名第二的奥乐齐仅108家，全部集中在上海、江苏两地；而排名第三、切入硬折扣领域不足一年的美团快乐猴只有40家

全国化扩张的紧迫性，一方面来自社区零售竞争大框架下对线下点位的争夺。优质点位仍然稀缺，率先占据消费者的日常补给半径十分必要。

另一方面，扩张本身也是后端供应链能力建设的一部分。

休闲食品、饮料、纸品、粮油、日化、冷冻标品和预包装食品等品类，区域差异相对较小，保质期较长，损耗较低，更容易统一规格、统一采购、统一价格。

超盒算NB要跑通的，正是一套硬折扣飞轮：门店越多，单品采购规模越大，越能向供应商拿到更低价格和定制商品；采购成本下降、利润改善之后，又能支撑继续开店，把同一套货盘和供应链摊到更多社区。

从这个角度看，北京首店并不是单纯的区域落子，而是超盒算NB从华东优势市场走向全国复制的一次关键测试。

对整个硬折扣行业而言，全国化战争才刚刚开始。

本文来自华尔街见闻，欢迎下载APP查看更多

东吴证券分析师刘奕町在6月20日的研报中表示：“全球AI资本开支正进入非线性加速阶段”，资本投放从单一芯片单品逐步覆盖服务器、高速网络、供电基建和冷却设施，“为上游基础原料带来需求红利”。

其中，锡、铟、铪分别对应AI硬件升级的三处卡点：锡用于PCB电镀和SMT焊接；铟以磷化铟形式进入高速光通信；铪则作为高K栅介质材料，服务先进制程继续微缩。测算中，2026-2030年PCB端耗锡量有望增加4.9万吨；AI数据中心对应磷化铟的铟需求，或从2025年的19吨增至2030年的419吨；全球铪需求则可能从2024年的100吨增至2030年的142吨。

三种金属的共同点，都在供给端：锡受资源贫化、印尼政策、缅甸复产不及预期、贸易流变化影响；铟受制于锌矿和锌冶炼开工；铪则卡在锆铪分离、环保、经济性和地缘扰动上。需求抬升叠加供给不顺，才是价格中枢上移的核心逻辑。

资本开支是这条链的先行指标。2026年，微软、谷歌、亚马逊、Meta四大云巨头资本开支合计最高将达7250亿美元。2025年1-9月，美国人工智能相关投资对实际GDP增长贡献率达到39%，高于2000年互联网泡沫时期的36%。

硬件升级集中在四个方向：算力密度、内存带宽、互联速率、功耗效率。芯片只是其中一环。AI服务器PCB层数已从传统服务器的8-24层，提升到通常28-46层，部分项目甚至采用56层设计。高速光模块从800G向1.6T、3.2T演进，数据中心内部互连瓶颈越来越突出。先进制程继续推进，传统二氧化硅栅介质也接近物理极限。

小金属进入视野，不是因为稀缺本身，而是因为它们正好卡在这些升级点上。

锡在电子工业里承担焊接和连接功能。AI服务器、高端PCB、先进封装扩张，都会增加锡的消耗。

测算把锡消耗拆成两块：PCB制造中的电镀耗锡，以及SMT贴片封装耗锡。PCB电镀环节，HDI板锡单耗约40.19克/平方米，多层板约12.84克/平方米，HDI单耗是多层板的3倍以上。SMT封装环节锡单耗约294.22克/平方米。合并来看，PCB电镀+SMT环节锡单耗约318克/平方米。

按Prismark预测，2030年全球PCB出货量将达到6.63亿平方米，2026-2030年复合增速约6.7%。对应测算中，全球PCB耗锡量将从2026年的16.3万吨增至2030年的21.2万吨，四年增加4.9万吨，CAGR为6.9%。以2025年全球锡消费量38万吨为基数，PCB端对锡消费的拉动弹性为12.3%。

问题在供给。

全球已探明锡储量约600万吨，静态储采比约20.7年，低于铜、镍、钴等工业金属。2015-2025年，锡价大幅上行，但全球锡矿产量只从28.9万吨增至29万吨，十年几乎零增长。中国锡矿产量则从11万吨降至7.1万吨，CAGR为-4.3%。

印尼是重要变量。2025年印尼锡矿产量占全球21%，但近两年矿业审批、非法矿治理、累进特许权使用费、最低基准价格等政策频繁调整，出口波动很大。缅甸曾是重要供应国，2018年锡矿产量占全球17%，但资源枯竭和禁矿后，2025年产量降至1.2万吨。即便2025年下半年佤邦宣布复产，中国自缅甸进口锡矿到2026年4月也只恢复至约1300金属吨，仍低于禁矿前约2200吨/月的水平。

南美贸易流也在变化。秘鲁、巴西、玻利维亚2025年合计产锡7.6万吨，占全球26%。其中秘鲁锡锭出口第一目的地是美国，玻利维亚出口也主要流向荷兰、英国、美国。美国锡产业链布局加速，可能进一步吸收南美原料。

整体而言，东吴证券认为锡金属在未来3-4年将同时面临需求端的高增与供给端的扰动， 涨价驱动强烈。一方面，全球 AI 资本开支加速，PCB 板等硬件设备的扩产有望为锡带 来实打实的需求增量。另一方面，全球锡供给集中度高、不稳定性大，且影响供应的因 素众多

铟传统需求以ITO靶材为主，占比约70%，下游用于液晶显示器和平板屏幕；电子半导体、焊料和合金各占约12%。2025年全球精铟消费量为2316吨，2026年和2027年预计分别增至2510吨和2813吨。

新增变量是光通信。AI数据中心内部，GPU之间需要高速交换数据。万卡级大模型集群中，芯片间数据搬运能耗占系统总能耗90%以上，铜互连在速率提升后有效传输距离缩短至数厘米。数据传输速率从100G/lane升级至200G/lane，并继续向400G/lane推进，光互连成为更现实的方向。

磷化铟的优势很明确：它是直接带隙半导体，带隙能量约1.34eV，匹配光纤通信中1310nm/1550nm低损耗窗口；电子迁移率是硅的10倍以上，可支持100GHz以上高频调制。高速光模块中的激光器芯片，磷化铟是核心材料。

测算中，4英寸磷化铟衬底实际耗铟量约32.2克/片。2025年AI数据中心对应磷化铟需求约60万片，穿透到铟需求为19.3吨；到2030年，磷化铟需求可能达到1300万片，对应铟需求419吨，增长22倍以上。以2025年全球铟需求为基数，仅这一项就可能带来20%以上增量。

供给的硬约束在于，铟主要伴生于铅锌多金属矿床。全球铟储量中，约81.2%来自铅锌多金属矿床；原生铟主要来自锌矿加工残渣。换句话说，铟价涨了，也不能单独开一座“铟矿”快速放量。

近年锌精矿加工费下行，锌炼厂开工意愿不足，精炼锌产能利用率降至近五年同期低位，对原生铟供给形成约束。与此同时，中国在2025年2月对磷化铟、三甲基铟、三乙基铟及相关技术资料实施出口管制。库存也在下降：中联金平台统计，铟库存从2025年初约488.8吨降至2026年1月28日的273.8吨。

截至2026年6月11日，国内精铟价格为470万元/吨，较年初上涨58%。

铪的传统需求集中在核能和高温合金。消费结构中，核能占45%，高温合金/航空航天占35%，半导体/电子占10%。

半导体端的变化来自制程微缩。65nm及以下节点，传统二氧化硅栅介质过薄后，量子隧穿效应导致栅极漏电流上升，芯片功耗和可靠性承压。氧化铪介电常数约18-25，远高于二氧化硅的3.9，可以在等效氧化物厚度不变的情况下增加物理厚度，降低漏电。

英特尔在45nm制程中引入铪基高K材料替代二氧化硅栅介质后，N型金属氧化物半导体栅极漏电流降低25倍以上，P型降低超过1000倍。随着3nm、2nm节点从FinFET向GAA架构推进，高K介质需求还会继续提升。

需求路径中，全球铪需求有望从2024年的100吨增至2030年的142吨。半导体领域需求从40吨增至64吨，贡献近半增量；高温合金从45吨增至60吨；核能从15吨增至18吨。

铪的供给比需求更棘手。铪主要是生产核级海绵锆时分离出来的副产品，全球核级海绵锆产能超过1万吨/年，实际年产量6000-7000吨，对应海绵铪供给约100吨，主要来自美国、法国、俄罗斯和中国。

锆铪分离难度高。两者物理化学性质相近，铪在自然界和锆化学品中通常只占锆铪总量的1%-3%。现有工艺涉及有毒溶剂或高浓度酸，环保和设备腐蚀问题突出。扩产也不经济：美国两家生产商理论上可将铪产量扩大约100%，但每家公司会额外产生约2000吨/年的脱铪锆，若没有客户承接，扩产很难闭环。

地缘扰动进一步推高价格。2022年俄乌冲突后，俄罗斯海绵铪断供，国际市场铪价从1200-1400美元/千克飙升至4500-5000美元/千克。中国2024年末将铪纳入两用物项管理，2025年未锻轧铪、铪废料及碎料、铪粉末出口20.2吨，同比减少22%。

国内4N级氧化铪价格也已大幅上行。2022年初约450万元/吨，到2026年6月16日涨至950万元/吨，涨幅111%。

本文来自华尔街见闻，欢迎下载APP查看更多

2026年上半年，全球股市走势极致分化，A股同样如此，AI vs 非AI的定价裂口持续扩大。广发证券策略刘晨明团队在6月30日发布的2026年中期策略报告中指出，这背后是A股第一次真正参与并见证的全球通用技术创新——其量级可类比蒸汽机、电力、计算机革命，而非过去二十年A股经历过的消费电子、半导体或新能源周期。

规律，正在被打破。

那些在过去二十年反复被验证、被引用的规律，本质上是对“过去二十年中国经济与股市结构”的总结。但那个结构，已经变了——地产周期谢幕，人口红利越过峰值，A股的利润和市值结构已发生根本性变化。

当然，并非所有规律都该抛弃。有一类经验依靠“第一性原理”，即从事物运行的最本质逻辑出发得出的结论，这类规律当下仍然有效。最典型的就是：决定A股风格走向的，是相对盈利优势，而不是别的任何变量。

已经打破的六条规律

第一条：A股从未连续三年提估值。

历史上，估值连续两年抬升出现过三次：2006-07年、2014-15年、2019-20年。但2024-2026年，A股已经连续三年提估值。这条规律，打破了。

第二条：“事不过三”——行业很少连续领涨超三年。

历次A股牛市主线，最长持续约2到2.5年。但本轮电子、通信已连续走牛至第四年，AI主线从2024年9月起算，仍未见景气拐点。

第三条：机构对单行业持仓达到20%，基本见顶。

2004年以来的6次历史案例，20%的集中度几乎都对应行业股价高点。但电子行业自2025年一季度持仓接近20%，至今已过五个季度，股价持续走强。

这背后有个关键细节：电子持仓绝对比例达到20%，但如果扣除行业流通市值占比，当前的超配比例其实是历史上最低的一轮。新兴产业市值已今非昔比，对"机构抱团"的理解必须跟着变。

第四条：单季度加仓最猛的行业，下季度必然跑输。

通信板块自2025年二季度以来连续四个季度加仓位居前二，但之后四个季度超额收益分别是+31%、+14%、+10%、+37%。拘泥于这条规律，就完整错过了光模块的主升浪。

第五条：TMT成交额占比上限是40%。

这条规律在2019-2023年间极为准确，一度被用于板块择时。但DeepSeek问世后，上限已突破至45%，且有进一步上移的可能。

回溯来看，这个上限本来就是动态的：2009-10年智能手机周期顶部约17%，2013-15年移动互联网约30%，2019-24年初约40%，现在是45%。每一轮技术产业浪潮，都在系统性抬升这个中枢。

第六条：库存周期触底，就该博弈政策拐点。

过去二十年，这条逻辑高度可预测：库存同比跌至零附近，财政刺激必然跟进，顺周期板块集体受益，可预见性强。

但这次不一样。产成品库存同比增速在2023年6月便已滑落至历史低位，三年过去了，大规模财政刺激始终没有出现。这不是政策失灵，而是政策理念本身发生了转变——从"逢低必刺激"转向了更具定力的"战略克制"。

结果是：顺周期板块今年只有输入性通胀品种（即受全球商品价格带动的资源品）有所表现，内需相关品种涨幅不大。贝塔逻辑已经失效，必须切换到阿尔法逻辑——自下而上找真正有业绩改善的细分行业和公司。

两条规律，正在被挑战

除了已经打破的六条规律，还有两条正处于临界点。

其一，A股前5%个股的成交集中度，正在逼近历史上限，可能还会继续突破。

截至6月24日，前5%个股成交占比（20日均线）已达49.8%，逼近2015年和2021年的历史高点。

参照美股经验，这个上限并非不可突破。1990年代科网周期期间，美股前5%个股成交占比曾大幅突破此前二十年的阈值，目前仍维持在72%左右的高位。规律是：在外部出现重大技术变革的时刻，成交集中度的上限本身就会被重写。

其二，行业估值分化程度，已刷新历史最高水平。

当前用行业PB历史分位数的标准差来衡量估值分化，数值已超过历史上任何一次。

很多人的直觉反应是：估值这么分化，一定会收敛，高估值板块要跌。但历史上6次极致分化的案例表明，估值分化的峰值不等于牛市顶点。2020年7月离散度达到历史高位后，在高位持续了整整20个月。有产业趋势支撑的情况下，即便最终出现收敛，高估值行业也通常不会跑输。

全球经济“K型”分裂，下半年会合拢吗？

上半年A股的定价逻辑令人不安：营收增速排前10%的公司，年内平均涨幅超40%；而现金流好、股息高、估值低的公司，反而跌得更多。

这不是A股孤立的现象，而是全球经济"K型"分裂的映射。AI投资驱动下，制造业显著强于服务业；拥有AI产业链资产的国家和地区（美国、日本、韩国）景气持续上行；缺乏AI资产、服务业权重大的经济体则走弱。

这种分裂，下半年会合拢吗？

答案取决于两端。

K型上沿：AI产业景气仍无拐点迹象。全球大厂资本开支持续上修，Top5云厂商2026年合计CAPEX预计达7690亿美元，较年初预期再度上调。算力租赁价格持续创新高，H100租赁价已突破每小时2.8美元。豆包日均Token调用量6月突破180万亿，谷歌月耗Token量接近3000万亿。需求端不弱，而中游制造供给弹性极低（AI制造业供给响应需5-8个月，传统制造业只需1个月），短期需求波动根本动摇不了中游景气。

K型下沿：中国财政保持定力，核心原因之一是外需给了"喘息空间"。当前中国主要出口国多处于财政扩张周期，全球在"替中国"承担需求扩张的功能，这延缓了国内逆周期政策发力的必要性。

因此，下半年国内政策是否会做重大调整，需持续跟踪两个变量：全球主要经济体财政扩张的可持续性，以及海外库存周期的位置——一旦海外补库动能衰竭，外需支撑减弱，国内政策才可能真正加码。

货币政策方面，全面降息概率不大。银行净息差已降至1.40%的历史低位，欧洲央行6月已重启加息，汇率稳定形成硬约束，预计下半年以结构性工具为主。财政方面，1-5月支出端同比-0.3%，远低于预期，三季度可能托底补量，但以稳为主，不是全面刺激。

利率上行会打断AI行情吗？ 历史上没有一个案例能证明这一点。复盘A股和美股中五段成长股行情（1999年科网、2023年AI、2013年移动互联、2017年供给侧、2021年新能源），每一段都经历过利率上行阶段，但只要产业EPS持续上修，利率扰动最终都是短暂的。当前AI产业EPS验证持续兑现，加息预期不改变中期趋势判断。

下半年：增量市还是存量市？

资金面给出的信号是：从增量市转向存量市。

上半年，两融加杠杆、偏股基金发行和险资增配共同撑起了偏宽裕的流动性环境，居民资金净流入从2025年下半年的约6900亿增至上半年的约8600亿。

但下半年，资金供需差预计缩窄超1000亿。原因：两融动能放缓，北向资金受美债利率压制，产业资本跟随解禁高峰加速减持，还有长鑫科技等巨型IPO预计上市带来的资金分流。

结构上，居民和机构的分化正在加剧。

居民这边，存款搬家的大叙事未变。当前活期存款偏离趋势线的程度，距离历史上活期存款搬家的高峰仍有约1万亿元空间。楼市、债市、定存的性价比都远不如2022-2024年，新开户热情依然高，主动偏股基金回本比例已过半（净值回本数量占比50.8%，规模占比59.9%），赎回潮明显缓解。

机构这边，主动公募仓位小幅下行（偏股混合型基金仓位降至85.7%），主动私募仓位年内也小幅回落至62.3%。机构整体在兑现。

主力资金的策略，从2025年的"托底"切换到了2026年的"控温"。宽基ETF的抛售节奏有规律可循：上证指数在100日均线下方时抛压小，大幅超过100日均线后就有控温动作。

险资依然是重要的托底力量。2026年一季度险资入市规模创2013年以来新高，且当前股票风险溢价（ERP）并不低，下半年险资增量仍可期待。

存量博弈格局下，没有增量资金的板块很难有系统性行情，结构性极致化将延续。

AI之外，哪些方向有真实的基本面支撑？

以中报为时间锚点，市场将再度进入基本面定价窗口。当前景气高度聚焦"AI"与"储能"两条主线，此外有几个方向值得关注，但共同前提是：需要基本面的真实支撑，不建议博弈政策。

AI产业链，2026年已出现"量价共振"的景气扩散。上游存储价格仍在历史高位，DRAM和NAND均无见顶迹象；中游算力租赁持续涨价；下游Token调用量指数级上升。跟踪逻辑已从"下游需求验证"转向"中游供给约束验证"——只要中游产能缺口没有明显收敛，景气持续性就可能持续超出市场预期。

有色金属（黄金和铜），3月美伊冲突后板块跌幅超20%，定价过于悲观。黄金的底层逻辑未变：全球政府债务扩张、美元储备地位弱化、央行购金潮在2026年一季度环比上升。铜的供需缺口结构性更强：需求端电网投资、AI数据中心、电动车共同拉动，供给端矿山品位下降、新项目周期长，2026年3月开始全球铜产量同比已跌入负区间。

储能锂电，是AI之外基本面恢复至拐点右侧最确定的β。合同负债代表订单持续恢复，CAPEX自2021年高点消化4年后企稳，2026年6月中国锂电市场排产约268GWh，连续第四个月刷新历史峰值。碳酸锂价格近期从高点回落，对储能IRR的压力缓解。

创新药，龙头估值已处于均值减一倍标准差以下。恒瑞估值跌至历史低点，全球BD交易中中国企业占比从去年的50%跳升至今年的70%。这个方向需要一个触发条件：美伊冲突缓和、美债利率阶段性回落，届时估值修复空间较大。

非银金融和金融IT，中报业绩确定性高。2026年资本市场成交额维持高位，基准新规推动资金配置更均衡，券商估值与盈利共振的逻辑清晰。

“第一性原理”：哪些规律永远有效

在所有会被打破的规律之外，有一条规律始终没有失效，未来也不会失效：相对业绩优势，决定相对股价表现。

无论是科创创业板对沪深300，还是科技成长对低波红利，中期股价走势，大致围绕每个财报季净利润增速的相对优劣来展开，正相关性非常稳定。

这个框架能帮助我们过滤大量噪音。今年上半年，每当美伊冲突加剧、美联储加息预期升温，市场就担心科技板块受压。但只要用"相对业绩"这把尺子去量，答案是清晰的：AI产业EPS在持续上修，非AI行业盈利没有加速改善。风格裂口，很难出现拐点。

下半年，AI和非AI的业绩增速差大概率继续扩大。如果基本面的K型格局不变，股市的K型格局也不会逆转。AI仍是最重要的主线。即便有其他板块的扩散机会，也需要等待真实的基本面拐点——而不是政策预期的轮动。

历史经验总是用来被打破的，但打破经验需要理由，这个理由叫做：时代变了。

本文来自华尔街见闻，欢迎下载APP查看更多

据韩国贸易、工业和资源部周三公布的初步数据，6月出口同比大涨70.9%至1022.5亿美元，创单月历史新高，增速为1978年10月以来最快，轻松超越此前5月经修正后53.4%的增幅。这一数据也大幅超出华尔街日报对九位经济学家调查所得57.3%的中位数预测。

此次历史性数据公布于韩国政府宣布重大战略举措后数日。韩国政府联合顶级存储芯片制造商三星电子和SK海力士，推出大规模投资计划，旨在深化韩国在全球半导体供应链中的地位，并应对来自竞争对手的压力。

半导体依然是韩国整体出口增长的主要驱动力。贸易部数据显示，6月芯片出口达448.2亿美元，再创单月历史新高。具体来看，HBM单月出口额达126.81亿美元，同比增长171%； NAND与SSD出口额分别同比大增388%和355%。

此外，计算机出口同比增长逾四倍，智能手机等无线通信设备出货量亦同比上涨51%。AI相关需求对韩国出口的拉动效应，正从存储芯片向更广泛的科技硬件品类延伸。

按目的地划分，对美国出口同比增长79%，对中国出口同比增长92%，两大主要市场均呈现强劲增势。

从历史脉络来看，韩国5月出口增速已创下1984年以来最强纪录，6月数据的再度突破显示这一扩张态势仍未见顶。贸易部将芯片出口的强劲表现定性为推动整体增长的核心因素。

出口的强劲表现同步带动贸易顺差大幅扩张。6月进口同比增长30.1%至661亿美元，对应贸易顺差达361.5亿美元，首次突破300亿美元关口。相比之下，5月经修正后的贸易顺差为270.4亿美元。

上述创纪录数据的背景，是韩国政府与产业界正在加速推进的战略布局。韩国政府近日携手三星电子和SK海力士发布大规模投资计划，意图进一步巩固韩国在全球半导体供应链中的核心地位，同时抵御来自竞争对手在先进芯片领域日益加剧的竞争压力。

本文来自华尔街见闻，欢迎下载APP查看更多

今年上半年，“Token最大化”（Tokenmaxxing）成为企业AI圈的流行词。Meta、Salesforce等公司主动鼓励员工尽可能多地消耗AI Token以提升生产力。Meta内部甚至出现了一个名为“克劳德经济学”（Claudeconomics）的排行榜，追踪公司前250名重度用户。数据显示，Meta员工在30天内消耗了超过60万亿个Token，单个最高消耗用户约达2800亿个Token。员工们为了竞逐“Token传奇”“缓存巫师”等称号，让AI代理花数小时做无意义的研究来“烧Token”。

随后，Uber因在四个月内烧光Claude Code和Codex全年预算登上头条，随即对员工实施每月1500美元的使用上限，超出部分需逐案审批。

这些事件引发广泛关注。但SemiAnalysis团队在Databricks AI峰会上进行实地调研，并通过Slack、电话与超过50家企业客户深度交流后，得出了与媒体叙事截然不同的结论。

该机构认为，媒体的报道严重夸大了问题的普遍性。Meta和Uber的极端案例，根源是激励机制失当和内部管理松弛，而非企业AI投入整体失控。

头条故事被夸大，真实数据更温和

媒体报道可能夸大了企业AI预算危机。

关键数据支撑这一判断。SemiAnalysis援引Ramp的消费数据显示，前1%的头部客户每位员工年均AI支出约9万美元，前10%约为7300美元，而Ramp客户的中位数仅为136美元。Ramp客户整体技术应用水平已远高于普通企业，但《财富》500强媒体类客户的人均AI支出仍远低于100美元。

即便是"烧Token大户"Meta，按标价计算每年每位员工花费接近5万美元，据SemiAnalysis估算也仅占Anthropic客户收入的3%至5%。

Anthropic自身文档也印证了这一点：Claude Code开发者月均支出仅150至250美元，仅10%的用户日均花费超过30美元。

SemiAnalysis认为：“媒体的夸大报道并不属实——企业仍在持续投入，新的需求场景和垂直领域带来的Token消耗，正推动着AI列车以迅猛的速度继续前行。”

这意味着企业AI采用仍处在不均匀扩散阶段。不是所有员工都在高频调用大模型。很多公司只是少数团队、少数岗位先跑起来。

预算管控成新常态，但标准五花八门

超过50家受访企业中，大多数已对AI使用设置硬性上限。但各公司的标准差异极大，并无行业共识。

低端案例：

• 美国排名前三的航空航天与国防制造商：每人每月250美元上限，部分重度用户首月四天即耗尽额度

• 全球最大制药公司之一：每人每月500美元，特殊情况可申请1000美元

高端案例：

• Workday、Stripe：员工月度预算约2000美元

• 上市网络安全公司：初级员工每月800美元，高级员工1600至4000美元，数据科学家获最高额度

• 大型旅游科技公司（1500名员工中800名工程师，年AI支出接近1000万美元）：默认每人每月200美元，根据职位可增至数万美元

预算设定逻辑也各有不同。一家美国三大航空公司之一的做法最为特殊：Token分配直接与具体项目及预期营收挂钩。例如，一个预期营收1000万美元的项目，财务团队批准100万美元总支出预算，团队再自行决定其中多少比例用于Token——AI成本被纳入项目财务模型，而非单独的IT预算。

员工的“省Token”生存法则

预算压力倒逼出了一套实用的Token节约策略。

最典型的是"Copilot套利"：微软365企业版订阅用户可免费无限使用标准Copilot聊天机器人，且该使用量不计入月度AI预算。一家大型荷兰消费品与健康科技公司明确表示，员工会先用Copilot草拟和整合创意，再调用Claude或Codex处理最终任务，以此节约计量Token。

模型降级也是常见手段。那家全球旅游科技公司已将所有员工的Claude默认模型从Opus切换为Sonnet，Opus仍可使用但需主动选择。那家航空航天与国防制造商则直接"关闭"了Opus 4.8和快速模式。

对此，SemiAnalysis团队直接点评了管理层的逻辑："管理层认为给员工更大的Token预算会促使他们自动化那些根本不该自动化的任务，比如撰写邮件。我们认为这种反自动化观点过于天真。"

预算管理不等于减少调用。企业更关心的是单位成本。

便宜Token的需求仍然强。前沿模型和开源模型的Token-as-a-Service/API端点市场都在增长。AWS Bedrock被纳入测算后，SemiAnalysis对AWS本季度整体增长率的估计高于市场预期。

TaaS供应商也在扩张。Together、Fireworks、Baseten等公司合计ARR已超过40亿美元。

这说明企业预算压力会改变采购结构。能用便宜模型解决的问题，就不会一直调用最贵模型。默认模型被降级，不代表AI使用减少，而是成本曲线被重新优化。

编码场景仍是当前AI收入最大的驱动力，OpenAI和Anthropic逾70%的ARR来自这一方向。Anthropic B2B占比超90%（OpenAI约60%），决定了其收入结构对企业端的依赖更深，也更稳定。

下一波增长被认为将来自网络安全和白领知识工作。随着Cowork、CoPilot、Codex及Computer类产品进一步渗透企业，编码市场拉动AI实验室ARR增长的路径，会在更广泛的场景中重演。

当前大多数财富500强企业的人均AI支出仍远低于2000美元/年，主要集中在工程和数据科学部门。这意味着AI在企业中的普及还处于早期阶段，增长空间并未消失，只是换了形态——从"随意烧钱"变成了"有预算地持续投入"。

AI真正的ROI：效率提升，但产出预期也在同步上升

在受访企业中，AI带来的效率提升案例真实存在，且效果显著。

• 亚马逊招聘部门：从初步筛选到团队安置的流程，过去需要6至9个月，借助AI工具后缩短至3至4个月

• 一家为85%的《财富》500强提供数据分析服务的公司：过去需要一周完成的工作，现在只需几小时

但效率提升的另一面是：产出预期同步上升。一位法律数据与风险解决方案公司的员工坦言，原本一周的工作量被压缩到几小时，"但公司却因此期待她完成更多工作，结果她比之前更忙碌了。"

SemiAnalysis指出，Uber、Meta等公司的Token超支事件，根本原因是激励机制失当和监管松懈，而非缺乏高ROI的应用场景。亚马逊尽管大规模裁员，但因AI工具带来的效率提升，正在以更快速度招聘新员工——这是AI作为"人力杠杆"最清晰的注脚。

本文来自华尔街见闻，欢迎下载APP查看更多

消息刺激半导体设备股大涨。周二，ASML在阿姆斯特丹收盘上涨6.8%，创下历史新高。在纽约，Applied Materials收涨约4%，KLA收涨8%。

华泰研究指出，产业链相关海外公司包括光刻龙头ASML、应用材料、东京电子等全球主要前道设备供应商，以及存储收入占比较高的Kokusai Electric等；中国企业中，清洗设备厂商盛美上海、热处理设备厂商屹唐股份等在韩国均有业务布局，在产业链中亦持续扮演重要角色。

逻辑很简单：韩国两大存储巨头四座新晶圆厂意味着大量光刻机、薄膜沉积设备和检测系统的采购需求，而这些设备的主要供应商正是ASML、Applied Materials和KLA。

此次涨势延续了半导体板块今年的强劲走势。费城半导体指数今年上半年近乎翻倍，第二季度涨幅超过86%，创下有记录以来最强季度表现。不过板块波动依然剧烈——上周该指数单周下跌7.9%，为4月初以来最差周表现，随后随着投资者重返人工智能基础设施相关标的而反弹。

Susquehanna分析师Mehdi Hosseini继续看好半导体，理由是行业需求持续走强。另有机构预测，到2028年全球晶圆制造设备年度支出规模将达2500亿美元。

韩国1.3万亿美元战略：产业地理空间全面重构

此次战略的核心逻辑，是打破韩国首都圈工业垄断，将国家资源向首都圈以外地区倾斜。

此前韩国半导体产业链高度集中于首尔、龙仁首都圈，龙仁集群承载多数先进系统芯片与存储的研发及前道产能，但AI驱动下的能耗与土地瓶颈使老基地扩建承压。本轮战略在保障龙仁大幅提速的同时，向外重构产业空间：首尔聚焦高阶研发，忠清承接先进封装（HBM）与数据中心，光州承接代工与存储前道制造，岭南承载物理AI生态，形成"四区联动"新格局。

半导体方面，三星电子与SK海力士在现有龙仁产业集群（合计10座先进工艺晶圆厂）的基础上，在光州再分别投资建设至少2座前道晶圆厂。韩国产业通商部长官宣布，政府将加快审批手续，帮助两家将目前建设中的龙仁集群达产时点分别整体提前约7年、12年至2035年左右。

韩国西南存储芯片新集群

此次投资计划的核心是在韩国西南部打造全新存储芯片集群，投资约800万亿韩元（约5180亿美元），目标五年内DRAM产能翻倍。三星与SK海力士各承建两座工厂，政府负责提供土地、电力和水利等基础设施配套。

与此同时，三星还于6月29日单独宣布了一项更长周期的国内投资计划：2026至2040年，在韩国国内累计投入2450万亿韩元，其中约2100万亿韩元用于半导体，占比76%。

高盛分析师Giuni Lee团队对此进行了拆解：

• 1650万亿韩元用于现有晶圆厂及在建项目，包括将龙仁6号厂完工时间从2047年提前至2040年；

• 400万亿韩元用于光州两座新晶圆厂，即西南集群的核心部分；

• 56万亿韩元用于在忠清道新建HBM晶圆厂。

高盛认为，若假设三星国内资本支出与研发合计约占合并口径总额的80%，并以约6%的年均增速推算，2026至2040年累计国内支出约为2500万亿韩元，与官方公告数字基本吻合。高盛由此判断，"这一隐含的支出增速并不激进。"

产能翻倍，但实际增速远比数字温和

韩国存储厂商重申了到2030年DRAM晶圆产能近乎翻倍的目标，但美银证券分析师Simon Woo团队在6月29日至30日发布的研报中泼了一盆冷水。

翻倍听起来激进，但对应的年均复合增长率仅约15%。更关键的是，若将旧厂关闭和新一代存储芯片更长制造周期两个因素纳入考量，实际运行晶圆产能的年增速将低于10%，净晶圆增长率到2030年仅为个位数百分比复合增长率。

美银证券还指出，西南新集群远离首尔都市圈，基础设施投入量级更大，建设难度显著高于现有的平泽、龙仁等基地。该机构将其类比为台积电在台南的分散布局策略，认为这种远离核心区域的产能扩张需要更漫长的前置准备期。

综合基础设施建设（至少5年）与晶圆厂外壳建设及产能爬坡（额外3至4年），美银证券判断，新集群实现有意义的量产输出，最快也要在8至10年之后。

华泰研究亦持类似判断：1.3万亿美元总投资中包含AI数据中心、显示、电池与机器人等非半导体板块，半导体内部亦含土地、厂房、电网与工业用水等基建投入，实际落到光刻机等前道半导体设备（WFE）的比例料显著低于传统半导体资本开支中设备约70%的惯例。叠加十年投资周期与电力、用水、人才等落地约束的天然调节，供需有望走向健康可控。

华泰研究在投资建议中专门点名中国半导体设备企业。清洗设备厂商盛美上海、热处理设备厂商屹唐股份等在韩国均有业务布局，有望在本轮韩国存储产能扩张中持续受益。

华泰研究认为，AI高景气下先进制程、HBM与先进封装产能扩张将带来持续的设备增量需求，设备厂商在本轮跨越十年的长线投资下或迎来长期结构性利好。这批"四区联动"的"政治产能"叠加龙仁提速，或将系统性扩充韩国本土先进制程、存储与封装产能，并影响2028年后全球相关产能的释放节奏，相关设备需求或出现前置。

对于半导体设备板块而言，下一个关键节点是7月财报季。

ASML定于7月15日公布业绩，台积电紧随其后于7月16日发布财报。

投资者届时将重点关注两家公司对新建工厂资本支出的最新指引，这将直接影响设备需求预期。

本文来自华尔街见闻，欢迎下载APP查看更多

截至6月30日收盘，布伦特原油结算价报每桶72.92美元，WTI原油报69.50美元，均已基本回落至伊朗冲突爆发前的水平。荷兰国际集团（ING）大宗商品策略主管Warren Patterson指出，在每桶约70美元的价位上，油市当前定价中"几乎没有任何地缘政治风险溢价"，市场实际上是在将美伊临时停火当作永久协议来定价。

推动油价快速回落的核心，是市场对供应风险的重新定价。6月美国与伊朗停火延续，更多船只通过霍尔木兹海峡，多个经济体动用应急储备，替代运输路线开始发挥作用。与此同时，美国能源出口增加，中国进口规模保持稳定，共同为市场提供缓冲。

然而，多位分析师认为，这一低迷行情或许不会持续太久。随着国际能源署（IEA）计划补充其在危机期间释放的4亿桶储备，印度等主要进口国也在积极扩充战略石油储备，一波由"全球补库"驱动的新增需求正在酝酿之中，有望为油价提供下一轮上行支撑。

上半年：从"史诗级供应危机"到"疫情以来最惨一季"

2026年一季度，随着美国和以色列对伊朗发动打击，伊朗随即关闭霍尔木兹海峡，全球原油市场陷入恐慌，布伦特原油录得2020年二季度以来最大单季涨幅。然而进入二季度，局势急转直下。

这一反转与中东局势密切相关。冲突初期，市场担心波斯湾供应受阻，霍尔木兹海峡这一关键通道可能放大供应风险。油价一度包含明显的战争溢价。但进入6月后，停火延续、通航恢复以及储备释放削弱了供应冲击，布伦特价格迅速回落至接近冲突前水平。

部分现货指标也显示，战争带来的价格影响已基本被抹去。现货布伦特原油已完全回吐战争影响。这意味着近端市场不再愿意为即时地缘风险支付高溢价。摩根士丹利已将布伦特原油四季度预测从每桶80美元下调至75美元。

Kuptsikevich警告称，若中东冲突进一步升级，油价可能再度走高；如果中东冲突不再升级，布伦特的长期前景偏弱，特别是在中东产量恢复、伊朗产量可能在年底升至每日330万桶的情况下。

战争溢价归零：为何油价对地缘冲击"免疫"

油价没有在冲突中持续飙升，关键在于市场找到了一系列应对供应瓶颈的方式。

多重因素共同压低了油价：美国、委内瑞拉和伊拉克等产油国加快提升产量；沙特阿拉伯管道运输量创历史新高；阿联酋加快推进绕过霍尔木兹海峡的管道扩建计划；与此同时，亚洲部分地区出现需求侧调整，包括航班取消、能源配给及进口关税上调等措施。

应急储备同样发挥了重要作用。多个国家动用储备，以抵消波斯湾供应中断造成的冲击。库存释放让现货市场获得额外缓冲，也使得价格没有在短期恐慌中进一步上冲。

金融服务平台Marex分析师Edward Meir对MarketWatch表示，"每当出现供应瓶颈，市场总会找到绕行的办法。"他指出，上述因素叠加作用，共同解释了油价的大幅回调，并预计油价将很快完全回归冲突前水平。FxPro首席市场分析师Alex Kuptsikevich则表示，"市场已经适应了原油市场历史上影响最为深远的一场危机。"

中美成为“减震器”，地缘定价逻辑改变

高盛大宗商品研究联席主管Samantha Dart则认为，市场对地缘政治“火花”反应平淡，并不意味着风险消失，而是全球能源流动提供了更强缓冲。

在供应端，美国能源出口持续增长，为全球市场提供了更多流动性。在需求端，中国原油进口规模相对稳定，形成了重要的需求底座。美国出口的增加与中国进口的稳定，共同构成了原油市场的“双向缓冲”。

这一结构降低了市场对单一地缘事件的敏感度。换言之，霍尔木兹海峡局势仍是风险点，但局部扰动已不足以轻易改写全球原油供需平衡。投资者开始更关注实际流量、库存变化和替代路线，而不是单纯追逐地缘标题。

补库存：下一轮油价上涨的潜在引擎

战争溢价退潮后，市场开始关注另一个变量，全球战略库存补充。

据OilPrice.com报道，中东冲突累计扰动超过10亿桶供应。此前建立的大型战略库存帮助市场吸收冲击，避免油价进一步失控。但这些库存一旦被消耗，就需要在危机结束后补回。

国际能源署此前表示，释放4亿桶原油应急储备，以应对供应中断。这一规模高于2022年成员国释放的1.82亿桶。无论是在危机结束后，还是在危机持续期间，已释放或准备释放的储备最终都需要补充。

补库需求不只来自国际能源署成员国。印度也在考虑扩大自身石油储备，其现有储备仅覆盖8天进口需求。印度政府已要求国有企业ONGC增加1300万桶原油储备，但若要建立更充足的缓冲，所需资金可能达到数百亿美元级别。

这意味着，一旦市场确认中东危机真正缓和，原油需求可能出现一轮新的政策性买盘。各国在能源安全方面的优先级上升，战略储备建设和补充将成为油价的潜在支撑。

本文来自华尔街见闻，欢迎下载APP查看更多

7月1日，标普全球与RatingDog联合发布中国最新采购经理人指数（PMI）显示，6月RatingDog中国制造业采购经理人指数（PMI）录得51.7，较5月的51.8小幅回落，为三个月低位，但仍高于50荣枯线及2004年以来的长期均值50.8。二季度PMI均值为51.9，为2020年四季度以来最强季度表现。

本次数据呈现多个积极信号：就业增速创2023年8月以来最快，采购活动连续第五个月高于长期均值，同时困扰制造业多月的投入价格通胀明显降温，有助于缓解企业成本端压力。

RatingDog创始人Yao Yu表示，制造业6月保持稳步扩张，得益于新订单持续增长、成本压力缓解及劳动力市场条件改善。

二季度整体表现：连续七个月扩张，季度均值创四年高位

6月PMI所有五项分项指标均对总指数作出正向贡献，延续了年内以来的扩张态势。

从季度维度看，二季度PMI均值51.9较一季度进一步提升，标志着自2020年四季度以来最强劲的季度表现，显示中国制造业景气修复具备一定持续性。

PMI连续七个月处于扩张区间，创下与2020年6月至2021年6月并列的近期较长扩张序列纪录。尽管6月读数较5月微降0.1个百分点，但整体扩张动能依然稳固。

新订单与产出：内需支撑扩张，出口订单连续两月下滑

新订单总量6月实现连续第十三个月增长，与2020年6月至2021年6月并列为2018年以来最长连续增长序列。

新订单持续增长为制造业产出提供了有力支撑，产出增速虽放缓至三个月低位，但仍明显高于长期均值，二季度整体产出增速为2024年二季度以来最强。

就业与积压工单：雇佣人数三个月来首增，增速近三年最快

为应对订单与产量的持续增长，制造商在6月三个月来首次扩大雇佣规模，且就业增速为2023年8月以来最快。

这一信号表明，制造业企业对短期生产前景持有较强信心，愿意主动补充劳动力。

尽管员工人数增加，积压工单仍连续第五个月上升，显示整体产能利用仍处于相对紧张状态。不过，积压工单增速保持稳定且低于长期均值，制造商同期连续第三个月提升成品库存，显示供应侧应对能力有所改善。

成本压力：投入价格通胀降至五个月低位，出厂价格微幅上扬

成本端是本期数据的关键亮点。

6月投入价格连续第十二个月上涨，但涨速从4月四年高位持续回落，降至今年1月以来最低水平。Yao Yu表示，这表明前期偏高的通胀压力已得到有效控制。

出厂价格方面，制造商连续第六个月提价，创2021年以来最长连续涨价序列，且6月涨幅较5月略有扩大。出口价格涨幅则有所收窄。投入与产出价格的走势分化，意味着部分制造商的利润空间在成本端压力减轻的同时，有望得到一定程度的修复。

供应链与库存：交货延迟趋于缓和，采购活动连续五个月强于均值

供应商交货时间连续第四个月延长，但延误程度为本轮序列中最轻微的一次，且延误主要集中于投资品领域，消费品和中间品制造商反而录得更快交货速度，供应链整体压力有所分化。

采购活动6月继续扩张，增速连续第五个月高于长期均值。原材料库存连续第七个月上升，与2020年6月至12月并列为2007年以来最长连续累库序列，显示制造商对后续生产持积极预期，主动备货意愿较强。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛期货交易专家Robert Quinn在最新周报中指出，本周股票融资成本出现"前所未有"的跳升，交易商杠杆触及年中历史峰值，9月标普500 TRF的融资利率一度高达联邦基金利率+127.5个基点。衡量美股融资成本的CME标普500指数调整利率总收益期货（AIT TRF）已攀升至2024年底以来的最高水平。

经纪商Kyte的Andy Kent表示，“杠杆已成为投资者面临的核心主题之一，保证金债务高企，影子银行体系各环节的借贷持续扩张。”

这一杠杆浪潮的潜在风险不容忽视。彭博援引市场人士警告称，杠杆交易产品的爆炸式增长、散户保证金账户扩张以及对冲基金在主经纪商处的存款激增，正在积聚系统性风险，一旦融资利差令某一交易对手方难以为继，整条杠杆链条可能骤然逆转，引发资产价格的连锁下跌。

杠杆ETF与机构头寸形成共振

本轮杠杆扩张的起点，是散户对杠杆及反向ETF的狂热追捧。目前，此类产品的资产管理规模已接近2000亿美元，对应净敞口约4000亿美元。与此同时，杠杆ETF的交易量也出现爆炸式增长。

高盛指出，散户涌入杠杆ETF的资金流，已将交易商向最热门标的——包括SK海力士、三星及台积电——提供敞口的能力推至极限，交易商通常借助总收益互换（TRS）来满足这一需求。值得注意的是，半导体与存储芯片等少数龙头股的强劲表现，还带动了相关杠杆ETF的资产管理规模有机增长，进一步放大了整体敞口。

机构端的需求同样不遑多让。高盛期货交易台注意到，由于市场对信息技术板块的融资需求远超小盘股，标普500与罗素2000指数期货之间的隐含融资利率利差已升至多年高位，折射出杠杆需求在不同资产之间的高度分化。

亚洲需求成为推手，韩国市场尤为突出

高盛的分析将本轮融资成本飙升的另一重要驱动力，指向了亚洲——尤其是韩国市场。高盛在近期报告中将韩国综合股价指数（KOSPI）的走势描述为"已演变为一个巨大的自我强化反馈循环"，其背后正是杠杆资金的持续堆积。

韩国监管机构虽已尝试收紧对总收益互换的管控，但相关举措收效甚微，未能有效遏制市场杠杆的失控扩张。散户通过杠杆ETF形成的需求，与机构通过TRS建立的头寸相互叠加，共同将交易商的融资能力推向边界。

Andy Kent将当前局面概括为"完美风暴"：杠杆ETF的高速增长、期货多头头寸的持续累积、IPO及ADR项目对银行资本的占用，以及主经纪商业务的扩张，多重因素叠加，共同推动美国市场融资成本"爆炸式上升"。

风险对冲升温，杠杆链条面临逆转压力

面对融资成本高企与科技股估值泡沫的双重压力，部分投资者已开始寻求对冲。银行正观察到客户在主要宏观主题的多空两端均出现可观的交易流量。美国银行全球收益结构主管Raphael Cyna指出，投资者起初押注"滞胀情景"，即股市下跌、利率上行；随后部分交易者转而布局"股市下跌、利率下行"的衰退对冲交易，将债券视为传统避险资产。

摩根大通策略师Bram Kaplan则建议客户买入与利率上行挂钩的标普500看涨期权，以捕捉股债相关性降至多年低位所带来的交易机会。各大银行也在持续推出混合结构产品的新变体，以满足投资者在复杂宏观环境下的多元化对冲需求。

高盛期货交易台警告，若以今年5月为参照，随着季末临近，融资成本可能再度走高。更深层的风险在于：当交易商融资利差已处于历史高位，一旦某一交易对手方无法承受融资压力、流动性骤然收紧，整条从散户杠杆ETF延伸至机构TRS、再到交易商资产负债表的杠杆链条，将面临剧烈的反向压缩，届时风险资产将难以独善其身。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，据彭博报道，花旗集团股票策略师团队的最新数据显示，散户投资者在过去五个交易日内仅贡献了Mag 7整体交易量的6%，创下四年来最低水平。这一比例与2023年至2024年间动辄超过20%的峰值相比，形成了鲜明落差。花旗策略师Stuart Kaiser在最新的研报中指出，这一趋势表明市场对这一长期热门板块的信念正在消退。

与此同时，Mag 7股票今年以来的表现也令人失望。彭博追踪该组合的指数截至本周一（6月29日）收盘累计下跌3.1%，而同期标普500指数上涨8.7%。部分市场人士已开始将这一组合戏称为"Lag Seven"（落后七巨头）。

值得注意的是，Vanda Research的数据则进一步显示，散户上周对个股的净买入量低于2020年以来约95%的观测值，投资者倾向于"借机轮动和获利了结，而非部署新资金"。

散户撤退：参与度跌至四年低点

花旗数据揭示了一个清晰的趋势转折点。

Mag 7涵盖谷歌母公司Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉七家科技巨头。在2023年至2024年的鼎盛时期，散户交易量占比频繁突破20%；进入2025年后，这一比例大多维持在15%以上；而到了近期，已骤降至6%。

Kaiser表示，成交量下滑从去年底便已开始，并延续至2026年。从更宏观的视角来看，散户上周对Mag 7的兴趣低于2022年以来约85%的交易日水平，显示出系统性的热情消退，而非短期波动。

整体散户交易活跃度同样走弱。Kaiser在研报中指出，6月份散户整体交易量较上月下降15%，而同期全市场总交易量却上升了12%——两者的背离，进一步凸显散户群体的主动收缩。

在Mag 7内部，英伟达承受了散户撤离最为明显的冲击。上周散户交易占该股总成交量的8.1%，低于前一周的9.6%。

Kaiser指出，散户曾长期大举买入这家芯片巨头的股票，但情绪在伊朗战争爆发后出现转变。今年3月，散户投资者自2025年7月以来首次净卖出英伟达股票。

特斯拉则是七只成分股中散户兴趣相对最高的，占总交易量的10%，但这一数字同样接近2022年以来的历史低位。从某种意义上说，特斯拉的"10%"更像是一个参照系下的"矮子里拔将军"，而非真正意义上的强劲需求。

散户的退潮并不意味着风险已然释放。花旗分析师David Chew领衔的团队警告称，尽管以科技股为主的纳斯达克100指数在6月出现下跌，但整体投资者对美国科技股的仓位仍处于高位，这意味着该板块面临进一步下行的风险。

曾经引领牛市的"七巨头"，如今正经历一段罕见的相对低迷期——而无论是散户的用脚投票，还是机构的审慎态度，都在提示市场：这一板块的叙事逻辑，或许正在悄然重写。

资金去哪了：ETF、加密与预测市场瓜分流量

散户并未就此"躺平"，而是将注意力和资金转移至其他渠道。

Vanda Research指出，预测市场、加密货币、体育博彩以及Hyperliquid等高流动性交易平台，如今正在争夺"曾经几乎专属于迷因股和个股的同一池散户投机资本"。

与此同时，散户对美国上市ETF的净买入量略高于历史均值，表明投资者正从个股精选转向更广泛的市场敞口。

Kaiser也提出了多种可能的解释：投资者或许更倾向于通过杠杆ETF而非个股来获取风险敞口；也可能将更多精力投入预测市场而非股票；此外，汽油价格上涨等生活成本压力，也可能压缩了可用于再投资的退税资金。

本文来自华尔街见闻，欢迎下载APP查看更多

据The Information最新报道，OpenAI工程师已成功将模型推理成本降低了一半。这一技术突破不仅将大幅改善其因算力消耗带来的长期亏损状况，更为其即将推进的 IPO 和新一轮高达 120 亿美元的融资提供了关键的盈利预期支撑。

由于该技术对维持竞争优势至关重要，OpenAI 将其视为“核心机密”（secret sauce），甚至采取了极端的内部保密措施。公司严格限制知情员工范围，以防技术细节外泄被其他 AI 实验室效仿，从而抹平其来之不易的成本优势。

记者 Steph Palazzolo 在报道中指出：“这对他们来说是非常重要的核心机密（secret sauce），他们甚至不想告诉 OpenAI 内部的其他员工。因为如果这些东西泄露出去，很可能会很快被其他实验室采用，他们也可以利用这些来降低成本。”

推理成本腰斩：重塑盈利模型与定价权

在 AI 大模型的商业化进程中，高昂的推理成本一直是制约盈利的核心痛点。此前，OpenAI 因算力稀缺和持续亏损，不得不彻底关闭视频生成工具 Sora，将宝贵的算力资源转向更具商业确定性的新模型与生产力工具。在此背景下，推理成本减半的战略意义被显著放大。

成本的骤降直接赋予了 OpenAI 更强的市场定价权与利润空间。以其最新发布的 GPT-5.6 系列旗舰模型 Sol 为例，该模型在 Terminal-Bench 2.1 基准上超越了 Anthropic 的 Claude Mythos 5，但定价却仅为竞品 Claude Fable 5 的一半。推理成本的降低，使得 OpenAI 能够在发起激进“价格战”抢占市场份额的同时，依然维持健康的毛利率。

对于资本市场而言，这一突破是其估值逻辑的重要支撑。OpenAI 目前正接近完成新一轮 120 亿美元融资，融资前估值高达 7300 亿美元，且Sam Altman正积极筹备在 Anthropic 之前完成 IPO。推理成本的实质性下降，将直接改善公司的现金流预期，为高昂的估值提供财务基本面背书。

推理成本的降低，也与 OpenAI 近期的战略大调整高度契合。应用部门 CEO Fidji Simo 已在全员会议上明确宣布，公司将收缩多线并进策略，边缘化 Sora 等消费级产品线，将核心资源集中于编程工具和企业市场。

本文来自华尔街见闻，欢迎下载APP查看更多

6月30日，根据美国政府道德办公室发布的年度财务披露报告，特朗普去年从家族加密企业World Liberty Financial的代币销售中净赚5.268亿美元。

与此同时，他持有的155.75亿枚World Liberty Financial代币，当前市值仍约达9亿美元。

去年9月，World Liberty Financial代币上线初期，市值曾逼近100亿美元，当时该代币在各大交易所引发交易热潮，单日交易量曾飙升至60亿美元。但过去10个月，该代币价格已跌去逾七成，流通市值不足19亿美元。

在特朗普执政期间，拜登时代针对加密行业的诸多限制相继被废除，多项针对行业头部企业的诉讼亦遭撤销。分析认为，这份财务报告的公开，势必进一步激化外界对特朗普政府潜在利益冲突的质疑。

World Liberty Financial由特朗普之子Eric Trump与Donald Trump Jr.于2024年联合创立，合作方还包括美国特使Steve Witkoff之子。

据英国《金融时报》去年10月报道，特朗普家族旗下加密业务在前一年的税前利润已超过10亿美元。

本次披露的数据进一步揭示了这一商业版图的规模：特朗普去年仅从代币销售中即收入5.268亿美元，此外还披露了来自"Celebration Coins"授权协议的6.35亿美元特许权使用费收入。

白宫发言人Anna Kelly对此回应称：

总统及其家人从未，也永远不会存在任何利益冲突。

特朗普集团发言人则表示，此次披露显示家族企业"财务状况稳健，拥有世界一流的优质资产、充裕的流动性和稳健的资产负债表"。

除加密业务外，特朗普在任期间的授权许可收入同样可观，涵盖多个品类。财务文件显示：

• 特朗普手表授权带来470万美元版税收入；
• 《拯救美国》精装画册进账190万美元；
• 《致特朗普的信》书信摄影集贡献59.1万美元；
• 乡村歌手Lee Greenwood联名定制圣经带来逾20.8万美元收入；
• 球鞋与香水合计进账6.76万美元；
• “第45任总统纪念款”限量吉他亦带来3.59万美元授权分红。

此外，特朗普还披露了若干礼品收入，包括国际足联主席Gianni Infantino赠予的10张世界杯门票（申报价值1.5万美元），以及定制贴纸公司Sticker Mule首席执行官Anthony Constantino赠送的、价值25万美元的"反抗纪念碑"（Defiance Monument）雕塑。

后者近期在获特朗普背书后赢得纽约州众议院共和党初选。

财务报告同时披露了多笔来自科技及媒体巨头的企业捐款流向：

• Meta向特朗普总统图书馆项目支付了2450万美元；
• Alphabet则向国家购物中心信托基金（Trust for the National Mall）支付了2200万美元，该基金正在为白宫东翼新宴会厅的建设募集企业捐款；
• CBS与ABC各向特朗普图书馆支付了1600万美元；
• 针对Twitter及其创始人Jack Dorsey的诉讼亦为特朗普带来800万美元和解收入。

第一夫人梅拉尼娅同样收获颇丰。

报告显示，她从非同质化代币（NFT）销售中获得600万美元收入，其个人纪录片《梅拉尼娅》（Melania）则以1070万美元的价格出售给亚马逊。

本文来自华尔街见闻，欢迎下载APP查看更多

美国宪法第十四修正案明确规定，凡在美国出生或归化者均享有公民权。特朗普在第二任期首日签署行政令，试图将这一权利限定于父母为美国公民或合法永久居民的新生儿。最高法院周二宣判，该行政令违宪，予以推翻。

首席大法官John Roberts在多数意见书中写道："公民身份，无论过去还是现在，都是拥有权利的权利——是自由参与我们政治共同体的权利。第十四修正案的起草者将这一承诺延伸至'这片土地上每一个自由出生的人'。我们今天兑现这一承诺。"

特朗普对裁决结果表示不满，在其Truth Social平台上发文称，这一决定"对我们的国家来说太糟糕了"，并敦促国会通过立法手段终止出生公民权。"国会应该从今天开始，着手终止这项对我们国家而言代价高昂且不公平的出生公民权。"

裁决内部分歧：保守派阵营出现裂痕

此次裁决并非铁板一块。特朗普任命的保守派大法官Amy Coney Barrett与三位自由派大法官共同加入了Roberts的多数意见。

另一位特朗普任命的大法官Brett Kavanaugh虽不认同行政令违宪的定性，但基于不同法律逻辑，同意了裁决结果。

持异议的三位大法官态度鲜明。大法官Clarence Thomas在由大法官Neil Gorsuch联署的异议书中称，此次裁决"贬低"了美国公民身份；大法官Samuel Alito则直言，这是一个"严重错误"，并警告法院的解释"保留了一种强大的激励机制"，将促使更多人非法入境或滞留美国。

争议核心：一句话的百年解读之争

本案的法律争议集中于第十四修正案中的一个短语——公民权利适用于所有"受美国管辖"的人。

长期以来，这一表述被广泛理解为适用于几乎所有在美国出生的人。但特朗普政府的立场截然不同。

美国总检察长John Sauer在庭审中主张，这一修正案的本意是赋予前奴隶公民权，而非签证持有者或无证移民的子女。他声称，对该条款的"误读"导致数十万本不符合资格的人获得了美国国籍。

代表起诉父母的律师则反驳称，接受政府立场将"颠覆一项长期确立的宪法条款"。这一宪法原则自内战后确立，距上一次最高法院相关裁决已逾125年，此前几乎未受挑战。

特朗普的连续败局与后续动作

据英国《金融时报》报道，此次裁决是特朗普近期在最高法院遭遇的又一次重大挫折。今年2月，最高法院已推翻其大范围关税措施的主体部分。

周一，最高法院还驳回了特朗普解雇美联储理事Lisa Cook的企图，尽管同日在另一起案件中支持了总统扩大解雇联邦机构官员权力的诉求。

值得注意的是，特朗普本人曾亲赴4月的口头辩论旁听，成为首位出席最高法院庭审的在任总统，足见其对此案的重视程度。

裁决公布后，司法部随即发布备忘录，宣布将优先调查所谓"生育旅游"行为，即以"虚假借口"入境美国、为子女取得公民身份的情形。

众议院少数党领袖、民主党人Hakeem Jeffries对裁决表示欢迎，称此举证明特朗普在出生公民权问题上的"可耻行为""明显违法，是对我们生活方式的侵犯"。

本文来自华尔街见闻，欢迎下载APP查看更多