（一）一般公共预算收入情况。

　　1—5月，全国一般公共预算收入100465亿元，同比增长4%。其中，全国税收收入82617亿元，同比增长4.4%；非税收入17848亿元，同比增长2.2%。分中央和地方看，中央一般公共预算收入43850亿元，同比增长5.7%；地方一般公共预算本级收入56615亿元，同比增长2.7%。

　　主要税收收入项目情况如下：

　　1.国内增值税32765亿元，同比增长6.2%。

　　2.国内消费税7488亿元，同比下降3.1%。

　　3.企业所得税21880亿元，同比增长0.2%。

　　4.个人所得税7375亿元，同比增长12.2%。

　　5.进口货物增值税、消费税7991亿元，同比增长10.4%。关税948亿元，同比增长5.6%。

　　6.出口退税11299亿元，同比增长4.3%。

　　7.城市维护建设税2334亿元，同比增长3.8%。

　　8.车辆购置税943亿元，同比增长12.6%。

　　9.印花税2426亿元，同比增长35.8%。其中，证券交易印花税1262亿元，同比增长88.8%。

　　10.资源税1333亿元，同比增长8.8%。

　　11.契税1661亿元，同比下降14.8%。

　　12.房产税2492亿元，同比增长7.6%。

　　13.城镇土地使用税1220亿元，同比增长3.6%。

　　14.土地增值税1742亿元，同比下降14.2%。

　　15.耕地占用税635亿元，同比下降1.2%。

　　16.环境保护税144亿元，同比增长14.1%。

　　17.车船税、船舶吨税、烟叶税等其他各项税收收入合计539亿元，同比增长0.3%。

　　（二）一般公共预算支出情况。

　　1—5月，全国一般公共预算支出113877亿元，同比增长0.8%。分中央和地方看，中央一般公共预算本级支出16815亿元，同比增长6.5%；地方一般公共预算支出97062亿元，同比下降0.1%。

　　主要支出科目情况如下：

　　1.教育支出17363亿元，同比下降0.5%。

　　2.科学技术支出3642亿元，同比增长0.9%。

　　3.文化旅游体育与传媒支出1274亿元，同比下降7.8%。

　　4.社会保障和就业支出21324亿元，同比增长6.3%。

　　5.卫生健康支出9898亿元，同比增长11.3%。

　　6.节能环保支出1831亿元，同比下降8.8%。

　　7.城乡社区支出7725亿元，同比下降2.5%。

　　8.农林水支出6836亿元，同比下降11.2%。

　　9.交通运输支出4280亿元，同比下降3.8%。

　　10.债务付息支出5808亿元，同比增长5.1%。

二、全国政府性基金预算收支情况

　　（一）政府性基金预算收入情况。

　　1—5月，全国政府性基金预算收入12518亿元，同比下降19.2%。分中央和地方看，中央政府性基金预算收入2042亿元，同比增长10.5%；地方政府性基金预算本级收入10476亿元，同比下降23.2%，其中，国有土地使用权出让收入8048亿元，同比下降28.7%。

　　（二）政府性基金预算支出情况。

　　1—5月，全国政府性基金预算支出30734亿元，同比下降4.3%。分中央和地方看，中央政府性基金预算本级支出1666亿元，同比增长67.7%；地方政府性基金预算支出29068亿元，同比下降6.6%，其中，国有土地使用权出让收入相关支出13867亿元，同比下降13.9%。

来源：财政部

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社，英国首相斯塔默22日宣布辞职。斯塔默在唐宁街10号首相府前发表讲话说，他将辞去英国工党党首职务，但在继任者选出之前，他将继续担任英国首相。

斯塔默在唐宁街发表讲话时表示，他已接受工党议会党团关于领导权问题的判断，并决定以国家利益为先，推动权力平稳交接。他透露，工党将于7月9日开启候选人提名程序，新党首及新首相预计将在9月议会秋季会期开幕前产生。

消息公布后，市场反应相对平静。英国10年期国债收益率变化不大，英镑兑美元下跌约0.3%。

党内“逼宫”持续发酵，斯塔默最终选择离场

据华尔街见闻此前文章，斯塔默的辞职并非突然决定，而是数月来党内压力不断累积的结果。

上周，大曼彻斯特市长安迪·伯纳姆（Andy Burnham）赢得下议院补选，重返威斯敏斯特，被视为具备正式挑战工党领导权资格的重要转折点。作为工党内部人气颇高的人物，伯纳姆被不少议员视为能够带领工党重振支持率的潜在接班人。

随后数日内，多位内阁成员相继向斯塔默施压。外交大臣Yvette Cooper、能源大臣Ed Miliband以及内政大臣Shabana Mahmood等重量级人物均被曝要求首相尽快明确去留问题。党内人士透露，如果斯塔默继续拒绝制定离任时间表，甚至可能面临内阁集体辞职风险。

在持续数天的磋商后，斯塔默最终决定启动权力交接程序。

从压倒性胜选到提前谢幕

斯塔默的离任距离其赢得大选尚不足两年。

2024年英国大选中，工党以压倒性优势击败保守党，结束后者长达14年的执政。彼时，斯塔默被视为带领英国摆脱政治混乱、恢复经济稳定的重要人物。

然而执政以来，工党政府在经济增长、公共服务、移民管理以及能源政策等领域面临持续压力。多次政策调整与内部争议削弱了政府公信力，工党在地方选举中的表现亦明显不及预期。

随着民意支持率持续下滑，越来越多工党议员开始质疑斯塔默是否仍是带领工党参加下一届大选的最佳人选。据媒体统计，工党议会党团已有超过100名议员公开呼吁其辞职。

在辞任当天的讲话中，斯塔默表示：“工党正在思考一个问题：我是否仍然是带领工党迎接下一次大选的最佳人选。我已经听到了议会党团给出的答案，并怀着坦然和尊重接受这一结果。”

讲话尾声，这位英国首相一度情绪激动、声音哽咽。他表示，离开英国政治中最重要的职位后，自己将把更多时间投入到家庭，成为“最好的丈夫和父亲”。

伯纳姆成最热门接班人

随着领导层更替程序启动，外界焦点迅速转向接班人选。

目前呼声最高的是刚刚重返议会的安迪·伯纳姆。多家英国媒体报道称，工党内部已有不少力量希望通过协调方式完成权力交接，以避免一场激烈的党内竞选进一步损害执政党形象。

与此同时，前卫生大臣韦斯·斯特里廷（Wes Streeting）也被视为潜在竞争者。不过英国媒体称，部分工党高层正推动不同派系达成妥协，以确保新领导层能够迅速组建稳定政府。

如果交接按照预期在9月前完成，英国将在过去十余年间迎来第七位首相。从卡梅伦、特雷莎·梅、约翰逊、特拉斯、苏纳克到斯塔默，再到即将产生的新领导人，英国首相更迭频率创下近两个世纪以来的高位。

对于英国而言，这场领导层更替不仅关系工党未来命运，也将成为检验英国政治体系能否摆脱长期动荡的重要时刻。

本文来自华尔街见闻，欢迎下载APP查看更多

6月FOMC会议上，18名联储官员中有9人的利率点阵图指向今年加息，远超市场和分析师预期。主席沃什在会后声明中正式删除"宽松偏向"措辞，并拒绝提供任何前瞻指引。受此冲击，掉期市场迅速将首次加息预期从2027年3月提前至今年10月，市场目前已为今年剩余时间定价约37个基点的加息幅度，2年期美债收益率会后创下3月以来最大单日涨幅。

面对这一鹰派冲击，华尔街机构纷纷改变立场。德意志银行在最新研报中正式撤回宽松预测，预计美联储将于9月和12月各加息一次、累计50个基点，将利率推高至4.1%，并警告7月便可能提前采取行动；高盛副董事长、前达拉斯联储主席Rob Kaplan则警告，若通胀数据持续顽固，美联储最早秋季重启加息，且极可能以连续2至3次的系列行动出现。

花旗Andrew Hollenhorst团队则维持与市场截然相反的基准预测：下一步行动是降息而非加息，基准情景为10月降息25个基点，随后12月和2027年1月再各降25个基点。花旗的核心论点在于：油价急剧下跌正在消除通胀的主要上行风险，初请失业金人数趋势性上升正复制2024年和2025年的季节性走弱模式，而核心PCE在各类通胀指标中日益显现为"异常值"，其强势更多反映股价上涨而非广义消费价格压力。

花旗坚持降息预测的第一个核心论点，来自油价的急速下跌。该行认为，油价走低将带动汽油价格下行，从而消除此前通胀上行的主要来源。基于市场的通胀预期指标已随油价同步回落，10年期通胀盈亏平衡率已降至冲突爆发前的低点水平。

花旗指出，若联储官员有更充裕的时间消化这一能源价格的最新变化，本次FOMC会议的鹰派程度将会明显降低。该行认为，随着油价下行效果逐步在数据中体现，未来数月通胀数据将趋于温和，有助于推动更多联储官员在9月前转向更为鸽派的立场，并为年底前降息创造条件。

花旗的第二个核心论点，聚焦于劳动力市场正在浮现的早期走弱信号。

初请失业金人数和持续领取失业金人数均已连续数周呈上升趋势。花旗指出，这一模式在2024年和2025年均曾出现，随后均引发了一系列偏弱的月度就业报告和失业率上升，而失业率上升正是花旗预期美联储年内降息的关键驱动力。该行预计，初请失业金人数（6月20日当周）将维持在22.4万附近，持续领取失业金人数小幅增至181.3万，4周移动平均仍将继续走高。当前绝对水平虽仍不高，但若上升趋势持续，将与劳动力市场逐步走弱的判断相符。

就整体经济而言，花旗追踪的二季度GDP增速预测为2.5%。消费方面，5月零售销售控制组数据环比增长0.7%，韧性仍在，但实际可支配收入增长已放缓至近乎零增长，储蓄率维持低位，暗示支出增速下行风险正在积聚。

花旗逆势坚守的第三个逻辑支柱，在于对核心PCE数据本身的质疑。

5月核心CPI月率仅录得0.21%，呈现温和；但花旗预计，即将公布的5月核心PCE月率将高达0.37%，两者之间已出现显著背离。花旗认为，核心PCE当前偏强的原因具有特殊性：该指标高度受AI相关价格影响，且直接受股价上涨推升——5月PPI数据显示投资组合管理费用月率大涨4.8%，主要反映股价从4月初低点到5月初高位的回升，而非消费端的真实价格压力。

从横向比较来看，达拉斯联储修剪均值PCE、旧金山联储周期性PCE、克利夫兰联储中位数PCE以及核心CPI，均显示出比核心PCE更为温和的通胀走势。花旗认为，核心PCE正日益成为各类通胀指标中的"异常值"，而非反映广义消费价格压力的可靠信号。

花旗预计，随着AI相关价格在下半年趋于横盘，核心PCE与核心CPI之间的差距将逐步收窄，通胀整体走势将更趋向于支持政策宽松。在其预测路径下，核心PCE同比增速预计将从当前的3.3%附近逐步回落，至2027年年中前后降至2.1%-2.2%区间。

然而，面对沃什的鹰派冲击，华尔街机构纷纷改变立场。德意志银行首席美国经济学家Matthew Luzzetti团队在研报中明确，此前之所以迟迟未上调预测，主要源于两大不确定性：伊朗局势带来的经济前景高度不确定性，以及新任联储主席沃什的货币政策反应函数尚不清晰。6月FOMC会议的结果一举打消了这两大顾虑。

德银大幅上调通胀预测，将2026年底和2027年核心PCE预期分别调升至3.2%和2.5%，并将基准预测更新为：美联储将于9月和12月各加息一次、累计50个基点，利率升至4.1%；此后2027年全年按兵不动，2028年上半年才开始降息。德银同时警告鹰派风险：若沃什已公开承诺"修复"价格稳定问题而委员会未及时行动，其公信力将受到考验——这意味着7月便可能提前加息，且若要完全撤回去年连续降息所产生的宽松效果，全年加息幅度或需扩大至75个基点。

高盛副董事长Rob Kaplan则明确表示，若从现在到9月通胀数据仍未降温，秋季加息将是"明智之举"。他特别强调，美联储的政策调整极少以单次孤立行动出现，利率变动通常以2至3次系列行动展开："如果9月采取行动，你需要做好准备，可能还会有一到两次加息。"曾历经多个货币政策周期的Kaplan基于历史经验的警告，为市场敲响了警钟。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛于6月20日发布的最新报告将2026年全球智能手机出货量预测下调4%至11.4亿部，同比降幅由此前的-6%扩大至-10%；2027年预测下调3%至11.7亿部，同比增速从此前的+2%小幅上修至+3%。报告同步引入2028年预测，出货量为11.82亿部，同比增长1%。此次调整核心原因是持续攀升的内存成本压制终端需求，叠加整体市场已趋饱和。

与出货量下滑形成对比，高盛预计全球智能手机市场价值在2026-28年将分别同比增长3%、2%、2%，依次达5,957亿、6,063亿、6,214亿美元。内存成本上涨推高均价，以及消费者向600美元以上高端机型加速迁移，共同支撑市场价值，部分对冲了出货量萎缩的压力。这一分化格局对产业链上下游影响不一。

高盛同步将2026/27年折叠屏手机出货量预测分别下调10%和7%至4,110万部和6,910万部，但对这一细分市场的中长期渗透率提升趋势维持乐观态度，预计渗透率将从2026年的3.6%升至2028年的6.8%。

高盛此次下调是对今年1月份预测的进一步修正——彼时已将2026年增速预期从正增长区间调整至-6%。本次降幅再度扩大，反映出内存价格上涨对消费需求的冲击持续超出此前预判。

从主要品牌来看，苹果和三星的降幅相对温和，分别为2%和3%，市场份额有望分别升至22%和21%。

地区层面，金砖国家市场承压最为突出，高盛预计2026年该区域出货量同比下滑11%。发达市场整体降幅为4%，美国和西欧分别下跌5%和4%，相对抗跌。

高端市场是支撑全球智能手机市场价值增长的核心引擎。

高盛预计，600美元以上高端机型出货量将在2026-28年以5%的复合年增速扩张，至2028年达4.02亿部，在总出货量中的占比从2025年的29%升至34%；按收入口径，高端市场贡献占比预计从2025年的66%升至2028年的76%，复合年增速达8%。高盛指出，高端消费者购买力受宏观波动及内存涨价冲击相对有限，叠加高端机型持续的技术升级形成额外需求，共同支撑该细分市场强劲表现。

中端市场（200-600美元）则面临持续萎缩。高盛认为，技术升级缺乏突破性进展、中产阶级消费日趋保守，将导致中端出货量以2%的复合年增速下滑，至2028年降至2.85亿部，收入占比从2025年的22%进一步压缩至14%。

入门级市场（200美元以下）预计相对稳定，出货量以1%复合年增速小幅增长至约4.94亿部，在总出货量中的占比维持在42%左右。高盛警示，价格敏感型消费者是本轮内存涨价冲击最大的群体，该细分市场的下行风险不容低估。

折叠屏手机虽同样受到内存成本上涨的拖累，但高盛维持对该细分市场中长期增长潜力的正面判断。报告将2026/27年折叠屏出货预测分别下调10%和7%，但同步上调了渗透率预期——2026/27年渗透率分别为3.6%和5.9%，均高于此前预测的3.4%和4.1%，2028年渗透率预计进一步达6.8%，对应出货量8,040万部。

支撑高盛乐观判断的核心逻辑包括：全球主要品牌将于2026年下半年密集推出折叠屏新机型，三折屏手机等创新形态带来更大屏幕和差异化体验，以及供应链持续成熟推动价格趋于亲民。

苹果折叠屏iPhone是市场的关键变量。高盛模型显示，苹果2026年折叠屏出货量预计达1,410万部，2027年将进一步跃升至3,440万部，成为推动折叠屏渗透率加速提升的重要驱动力。

本文来自华尔街见闻，欢迎下载APP查看更多

6月22日，A股午后扩大涨幅，沪指涨幅扩大至1%，得益于券商、保险等大金融拉升带动，创业板涨超1%。培育钻石、超硬材料、氟化工等概念股大涨，有色金属、石油化工、海运等板块走强。机器人、餐饮旅游等调整，值得注意的是，算力硬件、半导体产业链早盘拉升之后回落，寒武纪、摩尔线程等热门股齐跌，午后在大盘拉升的推动下纷纷收窄跌幅，且多数转涨。

港股午后延续跌势，恒指跌幅有所收窄，恒科指跌超1%，科网股普遍下挫，芯片半导体、AI大模型股逆势大涨，兆易创新涨超10%，智谱一度狂飙40%，市值突破1万亿港元。债市方面，国债期货午后全线转涨。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1.78%，深成指涨2.13%，创业板指涨2.52%。

盘面上，个股涨多跌少，沪深京三市超2900股飘红，今日成交3.76万亿，位列A股历史第二成交天量。沪深两市成交额3.74万亿，创历史第二，较上一个交易日放量超4200亿。

板块方面，大金融午后崛起，券商、保险领涨；有色金属、化工板块掀涨停潮，半导体产业链持续走强，金融科技、培育钻石概念股活跃。机器人、商业航天、创新药题材走弱。

港股：截至发稿，恒指跌0.65%，恒科指跌1.19%。

盘面上，半导体、非银金融、化工等板块大涨，科网股集体下跌，蔚来、快手、小米集团、比亚迪股份等跌幅靠前；MINIMAX涨逾23%，智谱涨逾15%，中国人寿涨近8%。

债市：国债期货午后全线转涨，截至收盘，30年期主力合约涨0.15%，10年期主力合约涨0.01%，5年期主力合约涨0.01%，2年期主力合约涨0.01%。

商品：国内商品期货多数下跌，截至发稿，新能源材料跌幅居前，碳酸锂跌6.08%；贵金属全部下跌，沪银跌5.65%；农副产品多数下跌，鸡蛋跌4.62%；化工品多数下跌，聚丙烯跌2.41%；黑色系多数下跌，焦煤跌2.24%；能源品全部下跌，LPG跌2.01%；非金属建材全部下跌，PVC跌1.80%；基本金属多数下跌，沪锡跌1.31%；油脂油料多数下跌，菜油跌0.81%；航运期货涨幅居前，集运指数(欧线)涨0.11%。

大金融爆发

大金融板块集体爆发，“牛市旗手”券商股强势拉升，长江证券涨停，广发证券此前涨停。

互联网金融板块午后拉升，联迪信息“30cm”涨停，银之杰、汇金科技“20cm”涨停，赢时胜、艾融软件、同花顺、东方财富、兆日科技跟涨。

保险板块走强，新华保险涨停，中国人寿涨超8%，中国太保、中国人保涨超5%，中国平安涨超5%。

港股方面，中资券商股午后持续冲高，广发证券涨超9%，中信建投证券、中金公司、东方证券涨幅居前。

消息面上，央行释放明确信号，通过投放中长期流动性平滑季末资金波动，缓解6月底缴税与回购带来的资金压力，为权重板块提供坚实配置基础。

多部委协同落地楼市托底政策，涵盖首付、利率及保交楼配套细则，市场预期房企信用风险持续改善，银行、保险及券商地产相关资产减值压力随之缓解，盈利预期得到修复。

此外，近日召开的陆家嘴论坛释放多项政策信号，证监会提出进一步丰富投资产品与工具、引导养老金及保险资金加大股权投资力度、支持上市公司并购及再融资、深化“两创板”改革等。

国金证券指出，资金面扰动下保险板块整体回调，但4月以来市场整体回暖，预计险企Q2投资收益将明显改善，带动净利润实现高增；同时负债端延续高景气，进一步夯实业绩增长基础，看好Q2业绩高增带来的保险股股价修复。

培育钻石、超硬材料全天拉升

今天A股培育钻石、超硬材料概念拉升，惠丰钻石30CM涨停，四方达、力量钻石20CM涨停。

消息面，随着算力芯片需求迅猛增长，对大型服务器的散热需求和强度也越来越高，金刚石卓越的导热性引起业内关注。华尔街见闻文章写道，英特尔现任CEO陈立武表示，投资了一家人造金刚石晶圆公司，看好钻石作为散热材料在芯片封装领域的应用潜力。

东吴证券认为，AI芯片功耗提高，金刚石散热成为未来重要解决方案。随着2.5D/3D 异构集成技术（如CoWoS、SOIC）的普及，芯片内部的热流密度呈指数级上升。金刚石热导率是铜的5倍以上，是硅的近15倍；CTE约为1.1 ppm/K，与硅（2.6ppm/K）较为接近，能够有效降低热循环中的热应力。

中泰证券认为，2026年全球高端AI芯片用金刚石散热片市场规模有望达到87亿元，2030年有望快速增长至592亿元，CAGR超过50%。

中信建投认为，金刚石正从传统磨料、培育钻石延展至半导体、大功率器件导热等功能性材料，AI算力增长正持续打开超高导热金刚石材料的增长空间，建议重点关注产业量产、客户认证进度。

港股AI大模型逆势暴涨，智谱市值破万亿

港股AI大模型概念龙头智谱一度飙升超42%至2980港元，再创历史新高。

消息面上，智谱近日发布新模型GLM-5.2，性能表现获得较好反响，并引发了智谱创始人唐杰和特斯拉创始人马斯克的隔空“辩论”。

华尔街见闻文章写道，6月18日，有网友在社交媒体提问称：“中国大模型预计何时能够达到Anthropic的Fable水平？智谱GLM-5.2无疑缩小了差距。”特斯拉CEO马斯克对此回复称：“可能在（2027年）一季度。”

与此同时，6月15日，智谱宣布正式上线并开源新一代旗舰大模型GLM-5.2。与以往主打即时问答能力的模型不同，GLM-5.2主攻“长程任务”——让AI不再只做即时问答，而能像人一样连续工作数小时、自主跑完一个完整的大型工程。

在Artificial Analysis综合榜单上，GLM-5.2取得51分，位列开源模型SOTA。业内认为，GLM-5.2在长上下文编程场景下优势较为显著，正在重塑行业格局，推动智谱跻身全球头部。

摩根大通认为，随着行业变现路径逐渐向API、编码、智能体和企业工作流收敛，模型能力领先性变得更为关键，定价权将更多取决于能力，而非产品覆盖广度或使用规模。

A股算力硬件、芯片半导体盘中突变

今天早盘，科创50、科创ETF等皆大幅冲高，但10点左右皆迎来了一波杀跌，寒武纪、摩尔线程等多只热门股走弱，并一度带领三大股指下行。午后随着大盘指数的拉升而持续上涨，热门AI股也震荡回升。

截至收盘，半导体板块有所回升，富信科技20CM涨停，敏芯股份、晶升股份、裕太微涨幅居前。

中信证券认为，受益于下游大客户积极的资本开支指引以及扩产计划，半导体设备需求有望维持强劲。预计2026年、2027年全球晶圆制造设备（WFE）市场规模将分别同比增长26%、35%至1478亿美元、1995亿美元，其中下游存储占比进一步提升。

中信建投认为，从基本面、估值和交易结构三大影响市场中期主线的维度来看，目前，泛AI行业与传统行业的基本面分化仍在加剧，这是AI算力主线持续强势的关键原因，同时也影响了两者的估值分化和交易结构的恶化。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛将瑞幸咖啡12个月目标价定为49美元，较当前股价30.51美元隐含约61%的上行空间，估值基于21倍2026年预期市盈率，并对OTC市场给予10%折价。瑞幸凭借领先的规模优势与数字化能力，在中国大陆现磨饮品市场的市占率仍有显著提升空间，并将5.5万家门店视为可实现目标。

瑞幸2025至2028年收入及Non-GAAP净利润年复合增长率分别达19%和26%，驱动力来自门店数量扩张、外卖补贴正常化带来的利润率修复，以及持续的运营效率提升。与此同时，随着公司预计于2026年将累计亏损转为累计盈余，股东回报空间亦将打开——瑞幸已于2026年4月宣布3亿美元股票回购计划，约占市值的3%。

5.5万家门店目标：规模与数字化构筑扩张护城河

瑞幸在中国大陆的门店扩张空间仍然充裕。截至2025年底，瑞幸在中国大陆拥有逾3万家门店，在现磨咖啡市场的GMV份额达28%，约为第二大品牌星巴克的两倍。以711咖啡（City Café）在中国台湾现磨咖啡市场35%的份额为基准，测算若瑞幸达到同等市占率，对应门店数量约为5.6万家。

支撑这一目标的核心逻辑有三：

其一，瑞幸均价约14元人民币，仅为星巴克的一半，相当于中国大陆时薪的0.4倍，高可及性与高性价比为渗透率提升奠定基础；

其二，瑞幸通过引导用户在自有APP或小程序下单，积累了超过9800万月活跃交易用户及4.5亿累计会员，形成强大的数据驱动运营能力，2025年研发投入超过6亿元人民币，在现磨饮品头部品牌中居首；

其三，非咖啡产品（包括现磨茶饮、果蔬汁等）在2025年已占杯量的20%以上，有助于拓展低线城市的消费场景与客群。

自下而上情景分析亦显示，基于各线城市人均消费量测算，瑞幸在中国大陆的门店上限可达约6.9万家。

价格战趋于理性，利润率修复路径清晰

瑞幸的Non-GAAP经营利润率在2023年曾达到13%的历史峰值，随后因与库迪咖啡的激烈价格战（库迪于2023至2024年推出全品类9.9元/8.8元促销）及门店快速扩张带来的同店销售额（SSSG）摊薄效应，回落至2024至2025年的约11.5%。

2026年的竞争格局明显优于2023至2024年的低谷期。库迪已于2026年2月取消全品类9.9元活动，渠道调查显示其门店层面利润率在补贴退潮后明显恶化，近期更出现净关店。

与此同时，外卖平台补贴正常化将推动瑞幸外卖订单占比从2025年三至四季度的35%至45%回落至约30%，叠加每单外卖成本预计同比下降高个位数百分比，预计瑞幸经营利润率同比增速将从2026年三季度起转正。

展望2028年，预测瑞幸Non-GAAP经营利润率将逐步提升至14%，净利润率达10%，自由现金流占收入比例亦将改善至高个位数百分比。

海外扩张：东南亚可期，美国市场仍需时间

对瑞幸海外业务持审慎态度，预计2028年海外收入贡献仅为低个位数百分比。

在东南亚市场，瑞幸目前在新加坡（自营）和马来西亚（与当地合作伙伴Hextar Industries Berhad合作的特许经营模式）各拥有约82至83家门店。东南亚现磨饮品市场规模仅约为中国的0.3倍，即便参照蜜雪冰城进入东南亚后的扩张轨迹，其海外GMV也仅为中国市场的中个位数百分比，增长潜力相对有限。

在美国市场，瑞幸面临更高壁垒：星巴克与Dunkin's合计占据美国专业现磨饮品门店数量的约三分之二；消费者通过APP数字化下单的习惯尚未建立；门店开设流程更为复杂，成本更高。即便执行顺利，瑞幸在美国的规模化扩张也需要较长时间。

本文来自华尔街见闻，欢迎下载APP查看更多

布伦特原油下跌约1.5%，逼近每桶79美元。美伊双方谈判代表就达成最终协议的路线图达成一致，双方建立了专属沟通渠道，旨在防范意外事件与误判，并致力于确保商船安全通过霍尔木兹海峡。标普500期货基本持平，美元小幅走强，美债收益率沿整条曲线上行。

据央视新闻，当地时间6月22日，英国首相斯塔默宣布辞职。英镑逼近2026年年内最低水平，英国10年期国债收益率小幅回落1个基点至4.83%，此前连续两日上涨的走势暂告中断。

当前市场围绕两条主线展开博弈：美伊关系走向能否持续压制能源价格，以及英国政权更迭对财政政策的潜在影响。两条线索均尚未明朗，短期内市场波动或难以平息。

• 标普500期货跌0.4%，纳斯达克100期货跌0.6%，道琼斯工业平均指数期货下跌183点，跌幅约0.4%，但随着伊美谈判消息明朗，跌幅有所收窄。SpaceX美股盘前下跌4.6%。

• 日经225指数收涨1.5%，报72353.96点，创历史新高。日本东证指数收涨1.2%，报4095.05点。韩国首尔综指收涨0.7%，报9114.55点。SK海力士市值盘中短暂超过三星电子，成为韩国市值最高的企业。

• 欧洲斯托克50指数开盘涨0.25%，德国DAX指数平开，英国富时100指数涨0.2%，法国CAC 40指数涨0.15%。
• 美元指数小幅上涨0.1%，延续上周涨势；英镑则因市场对英国首相斯塔默政治前景的猜测而走软。
• 布伦特原油在早盘涨逾2%后转跌，跌幅达1.5%，回落至每桶80美元下方。
• 现货黄金日内一度涨幅扩大至1%，报4185美元/盎司。
• 现货白银突破66美元/盎司，日内涨幅达1.85%。

英国政坛的不确定性正成为英镑和英国国债市场的重要压力来源。据央视新闻，当地时间6月22日，英国首相斯塔默宣布辞职。大曼彻斯特市长Andy Burnham上周刚当选议员，被广泛视为接任首相的热门人选。

然而，Burnham迄今对其政策方向着墨甚少，令外界难以评估其执政后的财政取向。对于潜在的财政规则松动，市场保持明显警惕。澳大利亚联邦银行策略师Kristina Clifton在发给客户的报告中写道："财政规则若出现宽松，英国债券市场可能反应消极，英镑兑美元亦将承压。英镑兑美元的下一支撑位远在1.3010，即其近一年低点。"

日股创历史新高，亚太科技股领涨

日经225指数收涨1.5%，报72353.96点，创历史新高。日本东证指数收涨1.2%，报4095.05点。韩国首尔综指收涨0.7%，报9114.55点。

SK海力士市值盘中短暂超过三星电子，成为韩国市值最高的企业。韩国LG集团旗下多只股票大幅拉升。据韩国《亚洲商业日报》报道，LG电子、LG CNS、LG Innotek及其他LG集团子公司管理人员将于周一访问英伟达总部，就实体人工智能与机器人领域的合作展开讨论。消息刺激LG电子股价盘中一度飙升逾12%，LG CNS涨14%，LG Corp.涨7%。

油价冲高回落，金价受避险需求支撑

布伦特原油早盘一度涨逾2%，随后随着伊美谈判进展消息落地而转跌，跌幅达1.5%，回落至每桶80美元下方。WTI原油期货此前一度涨近3%至约每桶78美元。

金价走势与油价形成分化。现货黄金日内一度涨幅扩大至1%，报4185美元/盎司；现货白银突破66美元/盎司，日内涨幅达1.85%。分析人士认为，在地缘政治不确定性尚未完全消散的背景下，贵金属仍受到避险资金的支撑。

美元指数小幅上涨0.1%，延续上周涨势；英镑则因市场对英国首相斯塔默政治前景的猜测而走软。

美股期货承压，通胀数据成本周关键变量

美股期货早盘走低，标普500期货跌0.4%，纳斯达克100期货跌0.6%，道琼斯工业平均指数期货下跌183点，跌幅约0.4%，但随着伊美谈判消息明朗，跌幅有所收窄。

本周市场的核心关注点将落在周四公布的5月个人消费支出（PCE）价格指数上，这是美联储最为倚重的通胀衡量指标。据FactSet汇总的经济学家预测，剔除食品和能源的核心PCE预计将较4月进一步上升。

上周美联储会议释放鹰派信号后，市场对加息时间点的预期已提前至最早今年10月。债券交易员正密切关注本周个人支出数据，以判断市场当前的鹰派立场是否有据可依，10年期美债收益率在美国Juneteenth假期后恢复现货交易后随即走高。

Fundstrat Global Advisors研究主管Tom Lee在CNBC节目中表示，霍尔木兹海峡关闭带来的供应链冲击等因素可能在未来对市场产生影响，但当前环境整体仍对股市有利。"我认为条件仍然有利于股票，"他说，"但我们不想站出来宣布市场已经见顶。"

本文来自华尔街见闻，欢迎下载APP查看更多

据美国专利商标局公开的专利文件，闪迪提出了一种将多核处理器直接集成于CBA存储芯片之上的3D堆叠架构，整体封装于同一中介层之上，HBM则围绕该堆叠结构分布于周侧。这一设计意在同时突破HBM容量天花板与现有高带宽闪存（HBF）架构在延迟、功耗及系统集成层面的局限。

该专利的曝光表明，闪迪在加速推进HBF量产路线的同时，已在专利层面布局更激进的存储-计算融合方案，对AI加速器及GPU的内存架构设计路径具有潜在的深远影响。

HBM容量瓶颈催生新架构探索

HBM凭借高带宽优势成为当前AI芯片的主流内存方案，但其容量限制日益成为制约因素。据科技媒体Wccftech报道，现有HBM解决方案单栈容量通常为32至64GB，难以满足大规模AI模型对内存容量的持续增长需求。

为此，闪迪此前已推出HBF架构，借鉴HBM的垂直堆叠理念，通过硅通孔（TSV）将多层NAND闪存互联，形成统一存储栈。据闪迪披露，HBF单栈容量可扩展至4TB，在带宽上接近HBM水平，同等成本下容量可达HBM的8至16倍。

然而，NAND闪存在容量优势之外仍存在固有短板。Wccftech指出，NAND在系统架构中距离计算核心较远，数据访问速度慢于基于DRAM的架构，这一结构性劣势限制了HBF在延迟敏感型工作负载中的适用性。

新专利核心：计算与NAND直接键合

闪迪最新专利提出的方案，正是针对上述延迟问题的直接回应。根据专利文件，该设计将一块基于CBA结构构建的NAND闪存芯片置于计算芯片（如AI加速器或GPU）正下方，实现处理器与NAND的直接物理键合。

CBA结构本身将大容量NAND闪存阵列与CMOS逻辑层合二为一，而整个集成堆叠随后被安装于中介层之上。HBM芯片栈则附着于该组合堆叠的一侧或多侧，与NAND层共享同一中介层平台。

这一架构的关键在于重新定义了各类存储介质的分工边界：HBM负责处理即时性、高速内存操作，而NAND闪存层则承担读写密集型工作负载及大规模数据存储任务。据Wccftech报道，在此配置下，HBM仍被集成于系统之中，但其角色已从主导地位转变为整体存储-计算层级中的特定功能模块。

HBF之外的并行布局

值得关注的是，上述专利所呈现的架构方向与闪迪现阶段主推的HBF路线并非替代关系，而是并行推进的技术储备。闪迪目前仍在加速HBF的开发进程，HBF代表着其在近期可落地的高容量存储方案上的主要商业押注。

新专利所描述的处理器直接键合NAND的3D堆叠方案，则指向更长期的架构演进路径，旨在从根本上缩短计算单元与大容量存储之间的物理距离，从而在系统层面同时优化带宽、延迟与能效表现。

对于AI芯片设计商及封装技术供应链而言，闪迪此次专利布局释放出明确信号：存储与计算的深度融合正从概念走向具体技术路径，围绕中介层封装平台的生态竞争或将进一步加剧。

本文来自华尔街见闻，欢迎下载APP查看更多

6月18日，新华社旗下《经济参考报》刊发调查报道，称记者委托专业机构对市售婴幼儿纸尿裤进行检测后，在“好奇”“碧芭宝贝”“Babycare”等品牌样品中检出甲酰胺。

报道同时援引山东省公共卫生临床中心相关数据，称部分婴幼儿血液、尿液样本中也发现该物质。

随后，事件迅速进入争议状态。相关医学机构、行业协会和品牌方陆续对报道中的检测方法、样本来源、医学证据链提出质疑。

6月21日，好奇、碧芭宝贝、Babycare相继发布第三方检测结果，均称纸尿裤样品甲酰胺“未检出”。Babycare同时表示已向公安机关报案。

截至目前，国家监管部门尚未给出最终调查结论。这意味着，这场风波目前不能被简单定性为产品质量事故，也不能仅凭品牌自检结果完全消除外界疑虑。

现行GB/T 28004.1-2021《纸尿裤 第1部分：婴儿纸尿裤》并未将甲酰胺列为专项检测项目，也没有对应限量要求。GB 43631-2023《婴幼儿及儿童用纸品基本安全技术规范》同样未对纸尿裤中的甲酰胺作出专项规定。

据《新京报》援引GB/T 28004.1-2021标准参与制定方之一中轻（晋江）卫生用品研究有限公司相关负责人表示，标准制定时已对婴儿纸尿裤常用原材料涉及的化学成分作出限制。甲酰胺未被纳入常规检测，是因为“在这个工业体系里本不该存在”。

但另一方面，GB 15979-2024《一次性使用卫生用品卫生要求》已经对一次性卫生用品原材料提出更高要求，明确原材料应无毒、无害，且不得添加列入《化妆品安全技术规范》的禁用化学物质。

甲酰胺在其他消费品安全体系中也并非陌生风险物质，欧盟已将其列为具有生殖毒性的风险物质。

当前冲突局面背后暴露的是标准体系的缺口：

当纸尿裤国标没有把甲酰胺纳入常规检测项目时，消费者很难判断“合规”与“安全”之间是否还存在距离。

品牌端舆情持续发酵的同时，上游代工厂承受的并非直接的公众压力，而是更隐性也更持久的订单风险。

豪悦护理是其中最受关注的A股样本。

公司与Babycare、金佰利、爱朵集团等品牌存在公开合作关系。2025年，公司实现营收37.56亿元，同比增长28.22%；其中婴儿卫生用品收入20.17亿元，占营收53.70%，仍是第一大业务板块。

6月22日下午，豪悦护理相关人士通过投资者沟通渠道回应华尔街见闻称，公司已对原材料、自有品牌及代工品牌进行检测，相关成分均未检出；检测既包括公司自行检测，也包括与客户联合检测。

代工环节压力之所以值得关注，根源在于当前纸尿裤产业链中，上游制造环节整体处于相对弱势地位。

存量竞争下，纸尿裤行业呈现“品牌集中、代工分散”格局。头部品牌凭借渠道、营销和运营优势持续扩大份额，市场集中度不断提升。

由于纸尿裤制造并非垄断技术，且品牌方需要分散供应风险、控制成本并满足不同产品和渠道需求，通常会保留多家代工厂协同生产。

Babycare就是一个典型样本。

Babycare已构建包含9家战略合作伙伴和10家深度合作伙伴的全球供应链网络，其多数产品由豪悦护理、洁雅股份、上海宠幸、江西旺旺等多家代工厂生产。

物流成本也限制了上游集中度。纸尿裤单价低、体积大、运输敏感，品牌全国铺货难以依赖单一工厂供货。

即便是豪悦护理这样的代工龙头，也需要在杭州、沭阳、孝感、仙桃、合肥、南通、泰国等地布局生产基地，以贴近客户、降低物流成本并提高交付灵活性。

这套结构在行业高增长时期可以提高效率、压低成本；进入存量竞争后，却会把压力集中传导给代工厂。

品牌通过抢份额、做高端化、做细分系列来维持增长，代工厂则要承接更低的加工价格、更短的交期和更复杂的品控要求。

豪悦护理在2025年年报中写道，为支持客户终端市场竞争，对ODM业务进行降价让利，影响盈利水平。当年公司婴儿卫生用品收入20.17亿元，同比下降2.1%。

如果后续监管将甲酰胺等潜在风险物质纳入纸尿裤常规检测，代工厂还将承担更高的合规成本。

但中长期看，它也可能成为行业集中度提升的外部推力。

具备检测体系、质量管控能力和稳定大客户的龙头工厂，反而可能借监管趋严淘汰一批低价、长尾、合规能力不足的中小产能。

因此，甲酰胺疑云最终能否烧向代工厂，取决于监管调查结论和品牌订单变化。但可以确定的是，这场风波已经暴露出纸尿裤产业链的结构性矛盾。

消费者把信任交给品牌，品牌把生产拆给多家工厂；过去这套模式提高了效率、压低了成本，如今也让质量责任、原料追溯和检测标准变得更复杂。

婴儿纸尿裤上游，已经不能只做沉默的制造者了。

本文来自华尔街见闻，欢迎下载APP查看更多

韩国金融监督院（FSS）院长Lee Chan-jin周一在新闻发布会上表示，监管机构正与金融服务委员会及韩国交易所协调合作，评估包括强化交易模式监控在内的一系列稳定举措，以限制杠杆ETF剧烈波动可能造成的损失蔓延。他指出，相关副作用"正日益加剧"。

这16只追踪芯片制造商的杠杆ETF于5月底上市时合计资产约30亿美元。据Lee Chan-jin披露，截至周一，其规模已增至约14万亿韩元（约合91亿美元）。"约92%的持有者为散户投资者，尽管已发出消费者警示，交易热情仍未降温，"他说。

Lee Chan-jin警告称，"大多数投资者是中产阶层和工薪阶层，在波动时期可能对家庭财务造成重大冲击。"这场监管行动折射出AI热潮在韩国金融市场激起的深层隐忧——这一全球AI供应链的核心节点，正在芯片驱动的财富效应与市场脆弱性之间艰难寻求平衡。

FSS：后悔未叫停三星、海力士杠杆单股ETF上市

Lee Chan-jin周一在新闻发布会上表示，他个人认为当初应当阻止这类产品上市，并坦承该类产品的负面影响已显著扩大。他指出，在产品发行之际，股市已大幅上涨，金融监督院当时对上市一事存在严重顾虑，而从某种程度上看，这些产品不过是在为券商利润服务。

杠杆ETF通过衍生品和掉期合约，允许投资者在相关标的资产的涨跌上押注成倍的回报，在放大潜在收益的同时，亦同等放大亏损风险。

Lee Chan-jin明确将上述产品定性为"高风险产品"。他指出，这些ETF目前对韩元汇率的影响尚不显著，但散户投资者高度集中持仓的格局令监管层高度警惕——一旦市场出现急剧波动，相关风险将迅速向普通家庭资产负债表传导。

FSS同日还披露，该机构正就未来资产管理公司（Mirae Asset）涉及SpaceX IPO股份分配失败一事展开检查，旨在防范类似问题再次发生，保护投资者利益。

相关杠杆ETF之所以迅速受到市场追捧，根源在于三星电子与SK海力士在AI浪潮中的核心地位。两家公司是AI所需高带宽存储芯片的主要供应商，受益于全球AI基础设施投资热潮，股价大幅攀升，吸引大量散户借助杠杆产品放大收益敞口。

从规模扩张速度看，相关ETF自5月底上市至今，资产规模在不足一个月内翻逾两倍，凸显市场需求之旺盛。然而，正是这种迅猛扩张引发监管层警觉——此类产品在市场出现急剧回调时，可能反过来成为加剧波动的放大器，令本已频繁波动的韩国股市承受更大压力。

杠杆ETF热潮，是AI驱动的韩国芯片产业繁荣向金融领域溢出的一个缩影。据媒体此前报道，这场繁荣已开始在宏观经济层面引发更广泛的连锁反应。

韩国央行本月早些时候发出警告，指出三星、SK海力士等芯片巨头发放的异常丰厚奖金，可能通过薪资竞争、消费扩张和劳动力市场传导等路径，将薪资压力扩散至更广泛行业，进而加剧通胀。叠加中东局势引发的能源价格冲击，韩国5月消费者价格指数同比上涨3.1%，创逾两年来最快增速。

央行行长Shin Hyun Song已明确表态，央行应"在为时已晚之前"启动加息，措辞之强硬近期较为罕见。AI热潮在推动资本市场与实体经济双双升温的同时，也正将韩国货币政策推向更为复杂的抉择节点——金融监管层与货币当局须同步应对这场繁荣所带来的双重挑战。

本文来自华尔街见闻，欢迎下载APP查看更多

同时，Rick Rule提出一个引发市场高度关注的观点：铀（核能）将成为这场AI竞赛中不折不扣的“意外赢家”。而面对近期动荡的贵金属市场，这位“白银前高点成功逃顶”的传奇投资人则直言，目前无法确认黄金底部已经出现。

作为全球资源商品领域的传奇投资人，里克·鲁尔（Rick Rule）拥有超过50年的自然资源与硬资产投资经验。他以敏锐的逆向投资策略和对大宗商品周期的精准洞察闻名于世。曾任Sprott US Holdings首席执行官，现为Rule Investment Media及白银/硬资产专业银行Battle Bank的创始人。

核心要点归纳

• AI发展的物理天花板：AI数据中心对不可中断能源（24/7）及金属（尤其是铜）的需求极为庞大。由于全球物理资源的限制，目前巨头们的AI建设周期大概率会延迟20至30年。

• 铜油价格将迎“极端繁荣”：在AI爆发前，矿业和油气领域的勘探与生产投资已严重不足30年。从勘探成功到实现铜供应增加需要长达16-17年。在供给系统性下降与美元不可遏制贬值的双重夹击下，铜、油等核心资源将通过“价格配给”走向暴涨。

• 铀是AI竞赛的“燃料底牌”：AI精英们需要24/7不间断且非碳排放的电力，这让核能（铀）成为100%的确定性赢家。此外，地缘政治冲突重塑了全球对“能源安全”的认知，具有极高能量密度的铀成为不可替代的战略储备。

• 黄金短期承压，逆向布局初创矿企：由于美国名义利率高企支撑美元，黄金短期仍面临压力，无法确认底部。但随着美债利息压力逼迫政府最终牺牲美元流动性，黄金长期必将受益。目前，Rick Rule正在将新资金大举部署到风险最高、但钻探数据惊艳的初创（Junior）黄金勘探股中。

铜油便宜得超乎想象：被透支的华尔街模型与17年的物理时滞

在当前的华尔街分析师模型中， hyperscalers（超大规模云服务商）每年上万亿美元的资本支出被算到了极致。然而，这群身处数字世界的精英正迎头撞上一面由物理原材料筑成的铁壁：大宗商品的实物供给根本无法跟上数据的疯狂扩张。

以传统资源股的估值模型来看，目前的铜和石油便宜得简直不可思议。

传统的自然资源企业是基于资产净现值（NPV）方法进行估值的，如果在现金流折现模型中应用8%的折现率，任何发生在第11年或12年之后的远期现金流现值都趋近于零。这意味着，当你购买一个拥有30年储量寿命的资源企业时，你实际上白白获得了最后18年的远期资产，而在当前的股票定价中，这部分大宗商品价格上涨的溢价权、远期勘探潜力，甚至AI赋能带来的降本增效红利，通通被定价为“零”。

更严峻的现实在于大宗商品供给侧的结构性断层。著名矿业专家提供的数据显示，世界在2026年至2050年期间需要开采的铜，将超过人类有记载历史以来开采的铜的总和，而数据中心带来的惊人增量需求甚至还没被算在内。

如果今天决定扩大铜矿投资，从勘探成功到完全探明，再到通过各种严苛的监管审批，中间横亘着16年到17年的漫长时滞。除了全球大萧条能人为打压需求外，物理世界的实物供应在未来10年内根本不可能满足市场。铜和石油的价格注定要走向飙升，通过严酷的价格机制来配给稀缺的资源。

AI狂飙的“意外赢家”：24/7不间断供电与地缘安全的终极燃料

在这场全球算力与基础设施的疯狂围猎中，铀（Uranium）正在超越所有传统大宗商品，成为AI业务无可替代的终极燃料与意外赢家。

AI基础设施的扩建对能源供给有两个不可动摇的刚性红线：第一，必须是24/7不间断的稳定基荷电力（直接排除了具有间歇性的风能和太阳能）；第二，必须是非碳排放的清洁绿色电力。在所有已知的物理能源和人类现有技术中，只有核能能够完美满足这两个无弹性刚需的交集。

与此同时，地缘政治冲突的再度紧绷，时隔50年重新将“能源主权与安全”的概念刻回了全球主权国家的意识深处。1973年的阿拉伯石油禁运曾直接催生了法国和日本最大规模的核电建设浪潮。一个国家只需要在仓库里储存少量的铀，就足够为整个庞大的国家工业和算力综合体提供长达5年的全额动力。你无法储存支撑5年的煤炭或液化天然气，更无法储存5年的风和阳光。

尽管核能过去在西方陷入了监管停滞，但这一僵局正被AI的电荒无情打破。

比尔·盖茨等科技资本正在怀俄明州的旧煤矿上方全力推进商业化小型模块化反应堆（SMR）的落子，而未来的全新反应堆甚至能直接将传统的陈旧核废料作为输入燃料进行循环深度利用。在剔除灾难性黑天鹅的前提下，铀将以100%的确定性成为AI算力时代的终极赢家。

维持资本的全球原罪与股东的“后视镜思维”

除了微观供求的物理极限，全球正陷入由长期的“维持资本（Sustaining Capital）推迟投入”导致的系统性产能惩罚中。在油气领域，全球每天的维持资本缺口居高不下，多个传统地缘能源中心由于战争泥潭、制裁或外部冲突导致技术性投资长期停滞。

这意味着，即使局势在短期内获得政治解决，导致名义原油价格高位阶段性回落到每桶65美元，这种价格下跌也只是极其短暂的假象。它不仅没有考虑到交易媒介（美元）购买力的持续沉沦（正如20世纪70年代美元购买力实际蒸发了75%一样），更无法弥补多年来推迟维持资本投资导致的产能枯竭累积效应。

然而，面对这场可预期的全球供应危机，资本市场却表现出了极具讽刺性的“后视镜思维（Rear-view thinking）”。分析师和股东总是基于刚刚经历过的近期经验来线性规划未来，他们疯狂要求石油和矿业公司缩减勘探预算、增加股票回购、将最大比例的自由现金流作为股息分发给当下的持有人。这种为了短期资本红利而疯狂“自我蚕食”长期产能的行为，正在为未来3到5年后更严酷的全球商品价格配给埋下伏笔。

无法确认黄金底部已出现：保证金职员的洗牌漩涡与逆向加仓策略

在通往大宗商品结构性牛市的道路上，短期流动性挤压往往会制造极为残酷的无差别杀跌。鲁尔坦言，在高利率压制与强美元的名义环境下，目前绝不能轻言黄金的绝对底部已经进场。

正如冰球棒图（Hockey stick chart）所展示的冷酷逻辑，抛物线式的垂直暴涨，其背面往往伴随着同样陡峭的垂直下行。当市场流动性出现冰封、技术性销售漩涡来临时，决定抛售的往往不是对长期基本面具有信仰的投资者，而是神色冷酷的保证金职员（Margin Clerks）。这些职员在平仓账户时遵循唯一的逻辑：只卖掉市场上任何具有即时买单（Bid）和高流动性的资产。而黄金，恰恰是整个金融市场中因高流动性和充足买单而闻名的终极变现工具。

因此，在流动性崩溃的初期，黄金股往往会被最先卷入漩涡，出现残酷的短期闪崩，导致盲目进场的散户伤心欲绝。然而，这正是长线硬资产投资者的终极窗口。一旦政治阶层在巨大的经济债务压力面前彻底失去胆量，牺牲纸币的神圣性并重启无底线的量化宽松（QE），黄金就将迎来最狂暴的系统性重估。

以下为访谈全文：

亚当：所以让我问你这个问题，里克。关于这里所说的这种价值提升，对吧？也就是我们正在讨论的这些疯狂的效率提升——随着人工智能变得越来越聪明，这些效率只会变得更高。你认为目前有多少这样的价值已经被消化到这些公司的股价中了？

里克：零。零。

亚当：欢迎来到 Thoughtful Money。我是 Thoughtful Money 的创始人兼主持人亚当·塔格特（Adam Taggart），欢迎大家收看这场我非常期待的讨论。今天我们邀请到了伟大的自然资源投资者里克·鲁尔（Rick Rule）。里克，最近怎么样，我的朋友？

里克：我非常好，非常好，亚当。尤其是能再次与你交流，我非常享受。谢谢。

亚当：彼此彼此，你太客气了，说话真甜。是的，各位，我们很快就会和里克·鲁尔聊聊白银。里克，你目前手头有很多不同的项目，而且它们似乎都进展得非常顺利。在打开摄像头之前，我们稍微聊了一会儿。

其中有一个项目我想快速向观众强调一下，那就是你每年七月举行的年度研讨会（Annual Symposium）。所以实际上它很快就要召开了。你在佛罗里达州的博卡拉顿（Boca Raton）举行。虽然那是那里一年中最热的时候，但这并没有阻碍大家前往。据我了解，现场参与的名额已经售罄了。但是，你提供了一个在线体验，价格大幅降低，人们基本上可以舒舒服服地呆在家里观看研讨会的所有内容。所以，我们会在节目快结束时更详细地讨论这个研讨会。

里克：好吧，首先，正如你所知道的，亚当，已经参加投资会议大约 50 年了，我是一个非常有竞争意识的人。我想举办同类会议中最有用、最务实的会议。我认为我做到了。我认为我们每年都在把它做得更好。如果你在 30 年里每年都把一件事情做得更好，并且你的导向是做到最好，我认为我们可以并且我们将会兑现承诺。

当人们想到这个会议时（正如你所建议的，我们稍后会详细讨论），首先记住这一点：我们对我们的内容充满信心，以至于我们告诉每一位参展者（无论他们是现场出席还是通过直播观看），如果他们对我们提供的价值不是 100% 满意，我们将全额退款。这是我所知道的世界上面唯一一个对内容有足够信心的投资会议，消费者可以完全自行决定说：“里克，你没有兑现承诺，把钱退给我。”现在我也需要说，在提供这个保证的 30 年里，我们的内容足够好，以至于我们不得不退还的学费不到总收费的千分之一（0.1%）。

亚当：那个保证确实很了不起。那是极好的保障。而且我知道，对于你退款的那极小一部分人来说，往往不是因为他们觉得没有价值，而是因为他们感到有些应接不暇（信息量太大），因为里面的价值实在是太多了。太棒了。

各位，就像我说的，我们会在接近尾声的时候多聊聊这个。我只想指出一点，真正让这个会议与众不同的是，里克是“退休后工作最卖力的人”。当我这么说的时候，他正在呵呵笑。里克，我们甚至都不能再称你为退休人员了。但是，你知道，他参加过很多会议，而这个会议最棒的地方在于，要作为演讲者出现在会议上，你必须是由里克亲手挑选的。所以当你去的时候，这真的是精英中的精英。所以如果你对硬资产（Hard Assets）领域感兴趣，并且你只想精益求精，你就能在里克的活动中得到。

好了，里克。有很多话要聊。我也会在结尾给你一个机会，让你快速更新一下 Battlebank 的情况，据我听你所说，它进展得很顺利。但如果可以的话，让我们早点进入正题。

好了，我想和你谈谈商品（Commodities）。如果你雷达上还有其他闪光点，你就随时切入，我会跟进。但让我问你这个问题，我最近有几次关于正在进行的人工智能（AI）热潮的对话。前几天和杰西·费尔德（Jesse Felder）进行了一次非常有趣的交流。我想提出几个我和杰西谈到过的事情，想听听你的反应。其中一个是，如果你热爱 AI 热潮，假设你坚信它，你认为天空才是极限，它将改变世界，我们将以我们都认为的速度建造无数的数据中心——那么，难道你不应该同时成为商品的超级粉丝吗？因为在数字世界里，如果没有现实世界中的所有这些材料来建造所有的基础设施，AI 热潮是不可能实现的。

里克：让我们首先说，如果我们是一个坚定的人工智能信徒，我们其实没有物理能力去建造那些需要建造的东西。我们主要受限于金属和能源。如果目前所有计划开发的数据中心都全部建成，我们将没有能力为它们供电；在某些情况下，我们不会有足够的水给它们；我们也不会有足够的关键材料，特别是铜来建造它们。所以让我们首先说，最乐观的情况（最牛市的案例）不会发生，因为没有物理能力促使它发生；或者如果它确实发生了，它将延迟 20 或 30 年，在我们建立了能够支持它的物理能力之后才会发生。

亚当：让我插一句话，只是因为我说过要提出杰西提出的两点。这是第二点。所以，听起来你是说会有制约。你可以尽情展开这一点，但这并不意味着——或者说，尽管可能没有足够的物理原材料让这个建设计划在预期的全球时间线上发生，但这是否仍然意味着在相对短期的未来对大宗商品存在压倒性的需求？对吗？

里克：绝对应当。罗伯特·弗里德兰（Robert Friedland）已经指出，即使不算数据中心，或者说在没有数据中心的情况下，世界在 2026 年到 2050 年期间需要开采的铜，也将超过人类有记载历史以来开采的铜的总和。好了，所以所有的数据中心需求都是在这个基础之上的。所以想想看，把数据中心的需求加在这个基础之上。

现在我们能做到这一点，我们可以做到。我们在铜领域的投资已经不足 30 年了。世界上有很多潜在的地方可以让我们去寻找铜。困难在于，如果今天你和我，亚当，在某个有前景的地区开始寻找它，从统计学上讲，我们可能会在 10 年后遇到我们第一个真正的勘探成功。在 10 年之后，需要花费 3 年时间才能把这个矿床完全钻探探明。所以现在我们到了第 13 年。除非你在加利福尼亚州（那种情况下需要永远），否则还需要 3 年时间来通过审批。

也就是说，如果今天你和我开始尝试改变铜的供应，我们将在今天之后的 16 年或 17 年才开始改变铜的供应。市场会随着时间的推移发挥作用。我们通过价格来进行调节（配给）。如果铜的价格变得非常非常高，人们会找到方法更高效地建造数据中心和其他东西，使用更少的铜。而铜价的上涨随着时间的推移（比如 15 年左右）会导致供应增加。但是从现在到 10 年后的这段时间表明，市场中将表现出的铜需求量将无法以市场愿意支付的价格得到满足。这根本是不可能的。

亚当：好的。所以在 AI 出现之前，在我认识你的这些年里，里克，你一直在敲响警钟，说“我们未来将为过去的罪过付出代价”，对吧？就是在勘探和生产（Exploration and Production）上的投资实在太不足了。这本身就是一个问题，对吧？

现在，在此基础上，我们又有了未来的额外需求，对吧？即使没有 AI，原本也会因为全球经济增长以及将世界上最贫困的人口提升到能够负担更高生活水平而产生需求。但现在我们又在所有这些之上加上了 AI 的需求。所以在我看来，这真的就像是一场碰撞——由于过去的罪过导致大宗商品普遍稀缺，这本就会带来更高的价格，而现在又由于未来的更高需求强度而带来更高的价格。你把这称为大宗商品市场的超级繁荣（Super Boom）还是极端繁荣（Ultra Boom）？

里克：顺便说一下，你忘掉了另一个罪过。那就是，大宗商品是以美元名义定价的。

亚当：嗯。

里克：购买力下降的美元会为大宗商品带来更高的名义价格。我们在 70 年代那十年看到了这一点。在 70 年代，不仅是对大宗商品的需求增加了，同时衡量的单位——美元，在这十年的时间里按实际价值计算下降了 75%。所以你需要把美元（即衡量单位）处于——至少在我看来——不可遏制的贬值状态这一事实，加入到过去的罪过和未来增加的需求之中。而这将体现在名义大宗商品定价中。

亚当：好的。再次强调，即使在静态环境中，单单由于货币贬值本身就会推高名义价格。但随后你又面临着稀缺性对价格的额外拉动，以及“嘿，我们需要这些东西来建造未来的基础设施”对价格的拉动。所以这似乎又——超级繁荣、极端繁荣、完美风暴，不管你想怎么说，但这似乎都意味着从现在开始，各种类型和种类的大宗商品未来都将迎来更高、而且可能是大幅提高的价格。那么在多长的时间周期内？我是说，因为需求的范围，我们讨论的是几十年吗？

里克：市场是起作用的。我相信资源稀缺的挑战在 15 年或 20 年后会被价格解决。你会记得，1970 年代石油繁荣的后果就是 1980 年代的石油崩盘。我们在 1970 年代末经历的极高价格摧毁了需求，与此同时，极高的价格也刺激了供应。当供应和需求曲线交叉时，价格向上或向下的波动都是急剧的。所以随着时间的推移，市场会纠正这个罪过。

只是对这个问题的答案是“随着时间推移”。亚当，除了同步的全球大萧条之外，你没有做任何事情——绝对没有任何事情能够导致例如铜价在五年内不出现上涨。我说萧条，是因为毫无疑问，铜的供应将在五年内下降。你本需要在 15 年前开始工作，才能在现在增加供应。

亚当：对，对。

里克：所以铜的供应将会下降。如果你的需求下降（也就是大萧条），你可以让供应下降，但你仍然不会影响价格。记住，定价机制是市场在没有全球衰退或萧条的情况下，平衡供应与需求的方式。我把这留给你的观众来决定这如何可能。毫无疑问，我们的供应资源将会降低。亚当，你和我在 2025 年底左右针对石油提出过这个观点。

亚当：嗯。

里克：我当时向你指出，世界在维持资本（Sustaining Capital）方面的投资不足，就石油和天然气生产而言，每天短缺大约 10 亿美元，而这将产生一个后果，即它将损害我们的生产能力，我们将在 2029 年或 2030 年开始通过价格来配给石油。我当时没有远见去谈论战争，结果发生的是供应短缺比我预期的要早一点，而且是因为不同的原因。但是石油价格从 55 美元走向 100 美元或 95 美元，这就是当你开始通过价格配给一种商品时发生的情况。

我提到这一点有几个原因。如果他们解决了霍尔木兹海峡（Straits of Hormuz）的冲突，这些非常高的价格不排除会摧毁一些需求，特别是在印度和斯里兰卡这样的国家，他们无力支付。而供应的恢复可能会将价格从三位数水平带回到像 65 美元这样的数字。

但系统性问题并没有消失。这并不是说我们今天推迟了 10 亿美元的维持资本。它其实更高。伊朗人没有进行维持资本投资，因为如果他们做，我们就会炸毁他们。反正他们也没有钱，对吧？由于无法出售这些东西，他们在科威特、沙特和阿联酋也没有进行维持资本投资。与此同时，俄罗斯人没有进行维持资本投资，因为他们需要钱来干别的事情——叫做战争，对吧？

除了所有这些之外，除了维持资本投资之外，当这场战争最终结束时，我们将不得不更换所有我们炸毁的东西。因此，即使假设你经历了价格从三位数水平回落到 60 美元的下跌，这种价格下跌也是暂时的，这种价格下跌没有考虑到交易媒介（即美元）购买力的下降，或者推迟维持资本投资的累积影响。所以，石油和天然气投资者需要思考这个问题。他们需要把今天的价格看作是由于投资不足而导致未来价格会变成什么样的一种体现。

亚当：好的。关于石油，我确实还有一些问题想问你，但我希望能通过一条规划好的路线到达那里，我想先结束关于 AI 的这一部分，因为你刚才提出了一些非常重要的问题。

那么，让我们承认你是对的，全球 AI 建设的限制因素将是物理世界中资源的可用性。而且要明确的是，我认为这不仅仅是矿产资源。我认为这也是人力资源。我是说，你需要有熟练的技术人员、工程师来建造这些东西。而在任何一个时期，任何一个地理区域，你只能拥有这么多人，对吧？

所以，现在市场定价就好像资源会随着美元一起出现一样，对吧？因此，盈利分析师基本上在说：好的，公司（总的来说，超大规模云服务商 Hyperscalers 表示他们今年将花费 8000 亿美元，明年 1.1 万亿美元，后年更多）。他们假设资源就会自动出现。因此，如果资源没有达到分析师目前预期的规模，他们将不得不降低其盈利预测，而这将降低 AI 概念股（AI Complex Stocks）的价格。既然它们在市场中占了这么大的比例，那将会拉低整个市场。我只是很好奇，你预测当金融市场普遍清醒过来面对这一现实时，我们会看到多大程度的调整（Correction）？

里克：我讨厌逃避问题，但我真的毫无概念。亚当，对我来说，市场不是一个学科。它是一个设施。用于购买和出售企业的部分所有权。其后果是，我不是市场的学生（我并不研究市场走势）。虽然我认为你的问题非常有效，但我恐怕得说，你是在问一个找矿人（Rockhound/石头迷），而我没有答案。

亚当：好吧，让我，让我解释一下为什么我要问一个找矿人。每一个正在观看的人都可以自己评估这是否会是一个调整，以及调整会有多大。就我个人而言，特别是从我交谈过的所有所有人来看，我认为它会相当大。这仅仅是因为 AI 概念股在过去几年中一直在如此巨大地推动着市场。它现在是“尾巴摇狗（The tail that wags the dog）”。在此时此刻，这条尾巴实际上已经变得比狗还要大。所以，如果我们无法达到市场持有的预期，那必然会有一些相当可观的调整。

我作为问你这个找矿人的问题是：好的，如果我们有一个巨大的市场调整。那是否意味着所有东西都会随之下跌，还是商品在这种环境中仍然能表现良好？所以，即使出现普遍的大盘下行，商品能表现得相当好吗？我当然可以在我的脑海中提出这个论点：即使我们没有实现华尔街认为将要发生的当前建设时间表，对大宗商品基本上仍然会有压倒性的需求，他们会尽可能快地建造，即使没有他们想的那么快。因此，仍然会有大量的需求支撑着大宗商品这一侧的市场。所以我猜我的问题是，如果大盘因为 AI 前景令人失望而在一个长期趋势（Secular trend）中遭到抛售，商品领域（Commodity Complex）是否仍然能够超越大盘或者表现良好？

里克：历史告诉我们，流动性挤压（Liquidity Squeeze）——一次暴跌会影响到所有东西。当然，在短期内是的。记住 1987 年的崩盘，黄金股坚持了 24 个小时。

亚当：是的。

里克：但那是销售漩涡。这就是为什么我使用“长期趋势/结构性（Secular）”这个词。比如如果这是发生在一年之中的事情，我想这就是我想表达的观点。你的许多听众如果遇到流动性事件，会立刻看向他们的资源股，特别是他们的黄金股，这些股票理应在灾难时期拯救他们。

亚当：微笑了。

里克：而当看到在崩盘的紧随其后的阶段中，那些市值会发生什么变化时，他们会伤心欲绝，可能会被雷击一般惊呆。那是因为抛售决定（崩盘）不是由投机者做出的。它是由保证金职员（Margin Clerks）做出的。

亚当：确实。

里克：他们卖掉任何有买单（Bid）的东西，而黄金因有买单而闻名，所以它会被卖掉。然而，第二部分则稍微复杂一些。在市场崩盘预示着更普遍的经济崩溃（正如据称在 1929 年发生的那样）的范围内——那是一场影响到所有行业的流动性挤压。那么你所做的是，你系统性地降低了对资源的需求，不是永远降低，而是推迟了它。而在净现值（NPV）的基础上，按 8% 的折现率计算，推迟三、四或五年是困难的。当然。

另一个场景是，由于缺乏流动性，政府决定注入流动性。他们策划更低的利率。他们策划更宽松的信用条件，并参与他们所谓的量化宽松（Quantitative Easing）——你会称之为印假钞的事情。在这种情况下，对例如由 AI 引发的崩盘的政策回应，虽然是人为的，但对自然资源是非常极其利好的。

亚当：我在想，这甚至可能比你刚才谈到的还要特殊。与其只是试图让系统重新恢复流动性并让它更好地运作，我想（虽然我不是这里的专家），但在 AI 领域，政府在多大程度上愿意将它的拇指放在天平上倾向于经济的某些部分，它就会狠狠地倾斜进 AI，即使这会使经济的其他部分挨饿。因为政府将 AI 竞赛视为一场必不可少的竞赛，相比于其主要的超级地缘政治竞争对手。这与核军备竞赛没有太大不同，对吧？所以看起来，如果有什么东西即使在艰难时期也能得到供养，他们也会供养这个，你是否——我是说，我在这里有点稍微在猜测，但我的意思是，你是否觉得这可能会给你刚才讨论的内容增加更多的分量？

里克：我，我真不知道。在我的生命中，很少看到政府做出一个英明或深思熟虑的决定。我不仅仅是在反政府。我认为政府在相当大程度上表达了选民的意愿。他们每隔一段时间就需要足够主流，以便能获得另一个任期来压迫你。在 AI 受到选民欢迎的范围内（也许不是罗伯特·赖希（Robert Rich）或 AOC，而是那些希望依赖 AI 或希望从 AI 中获利的选民），它就会继续在华盛顿享受受欢迎度。

我也认为，我在某种意义上同意你的看法，即那些“大思想家”——那些从地缘政治集团而不是从整个人类的角度来思考的人，认为他们需要在 AI 领域占据主导地位。对他们来说，就保持霸权主义的权力控制而言，AI 是生死攸关的存在。

亚当：没错。没错。好的。所以，你知道，我从你的回答中理解到“大概是这样吧”。但我必须说，里克，我非常欣赏与你交谈的一点是，你是我谈过的更聪明的人之一。我是说，你总是表现得很低调，但你绝对是那些拥有大智慧的人之一，但你毫不犹豫地去说“我不知道”。有很多在镜头前的人觉得承认这一点很不舒服。我喜欢你的这种坦诚。

里克：亚当，遗憾的是，我有太多这样的机会了。

亚当：根本不是，一点也不是。不，我们大家都应该更多地效仿你。好了，所以关于 AI 的最后一个问题，然后我们会切入其他几个硬资产的类别。实际上是还有两个问题问你。一个是，这有点像一个有趣的问题，鉴于你是一个自我形容的“找矿人”，AI 会成为采矿业的转型催化剂吗？它真的会实现吗？你知道，采矿的很大一部分是收集数据，然后在此基础上做出预测和假设。好的，这些是钻探结果。那么我们认为矿床在哪里？它有多丰富？它位于哪里？里面有什么？

在我看来，这似乎正是 AI 所擅长的事情，对吧？它能比人类更好地寻找模式。从而帮助我们确定应该购买哪些资产，以及在哪里放置钻头，并且在识别和开采矿物方面变得更加高效。你认为它最终会给这个行业带来多大程度的变革？

里克：巨大的变化，而且现在正在发生。有些事情是 AI 做不到的。AI 还不能在哈萨克斯坦的地表上跛行通过——直到我们拥有智能机器人——并看到地表异常。它做不到那一点。你必须有一个人类来做那个。但是，AI 可以吸收并对比非常庞大的数据库。大量的勘探工作都在寻找我们所说的“重合异常（Coincident Anomalies）”。

亚当：嗯。

里克：比如围岩蚀变（Alteration）、构造（Structure）、地球化学（Geochemistry）。AI 不仅能分析大型数据库，而且还可以针对重合异常进行合成。当我说“可以”时，我应该更改一下。它现在就在做。现在，即使是在一个找矿人、一个名叫里克·鲁尔的勒德分子（Luddite/反对机械自动化的人）手中，如果我将 AI 限制在正确的数据库中——值得注意的是，如果你不知道要问 AI 些什么问题，它绝对代表着“人工智能性无知（Artificial Ignorance）”。如果你不理解你正在问 AI 的问题，并且你没有约束数据库，你得到的结果是比无用还要糟糕的。当然。

但我回想起自己作为一个年轻分析师的时候。传统上，我们会拿五年份的季度损益表和资产负债表，寻找相关性，寻找趋势，寻找投资与回报之间的相互作用。我们真的会拿例如 20 份这样的东西，把订书针拔掉，平铺在会议桌上，用不同颜色的马克笔画出连续的线条。作为一个年轻分析师，这会花费我大约六个星期的时间来对一家公司做出论证，包括阅读财务报表的附注。

现在的我，一个 73 岁、几乎不知道如何打开电脑的人，我基本上可以让 Claude 在两分钟内帮我做到这一点，然后我可以让 Claude 用我的声音把结果汇编成一份备忘录。而且 Claude 写得比里克还要好。

这会逗乐你的，亚当。我当时正在和阿尔伯特·卢（Albert Lu）聊天，正如你所知道的，他是我的课堂搭档，一个伟大的工程师，总的来说也是个极好的人。我逗阿尔伯特说：“你知道，有了 AI，你已经变得多余了。”他说：“这很有趣，我也在想你呢。我可以创建你的形象，我可以创建你的声音，我可以做你的研究。我可以在没有鲁尔的情况下拥有‘鲁尔课堂’。” AI 的个人经济影响，以及 AI 对那些懂得如何从中提取价值的人组成的行业的影响，是令人惊叹的。我是说，真的是真正令人惊叹。

亚当：令人惊叹，而且你现在就看到了。当然，我们现在的阶段，只是我们三年、五年、七年后所处位置的一个碎片，对吧？它几乎以一种加速的规模在变得更好。

好的，所以我的问题是：对我来说，这意味着矿业公司的额外期权价值（Optionality），对吧？因此，无论现在的公司有多好，从矿床的角度、管理层的角度以及人力人才的角度来看它的前景如何，在加入 AI 覆盖之后，它只会变得更加高效，对吧？所以现在它几乎就像一个权证（Warrant）。我的意思是，我认为这还没有真正反映在股票价格中。所以，你是在免费获得未来的价值。

但我也在想，在一个更容易找到矿床的世界里，那么“占有”就是一切。这意味着谁拥有这些矿床，真正的价值就在哪里。因此很多这些公司，他们直接拥有这些矿床。我的意思是，是的，还会有更多矿床被发现，但这只意味着真正控制着这些物资的人，如果从地下把物资取出来普遍变得更容易了，那么你所拥有的资产价值就会自动增强，因为你不需要消耗那么多能量来把它从地下拉出来。因此，我们有所有这些关于“天哪，采矿公司普遍看起来太被低估了”的辩论，特别是相比于很多飞速发展的科技行业。但我觉得这又是这些公司的交易价格低于其真实价值的另一个原因。

里克：我认为这在石油和天然气业务中要真实得多，因为那里有更多的数据。在埃克森美孚（Exxon）和壳牌（Shell）——这是我知道的仅有的两家，但可能还有其他家——AI 已经发展到这样的程度：埃克森美孚可以投入数据（比如西德克萨斯州某个层位中 10,000 口井的钻井数据和生产数据），而不需要问 AI 一个具体问题，只需说：“关于这些数据，你看到了什么我们需要知道的内容？我们所做的测井、完井，与地震数据以及生产剖面之间有什么明显的关联？我们有哪些地方可以做得更好？”

换句话说，AI 正越来越多地教自己如何回答我们目前还不够聪明、不知道该如何去提问的问题，因为它能够处理这么多该死的数据。如果假设在我活在地球上的时间里我是一个地球物理学家，我将没有能力去计算 10,000 个井眼测井数据。我做不到。而且假设我可以，我也无法记住 3 号井的数据并将其恰当地应用到 7,000号井中。AI 不会累。而且它有无限的好奇心。

亚当：所以让我问你这个问题，里克。关于这里所说的这种价值提升，对吧？也就是我们正在讨论的这些疯狂的效率提升——随着人工智能变得越来越聪明，这些效率只会变得更高。你认为目前有多少这样的价值已经被消化到这些公司的股价中了？

里克：零。零。它们大多在以当前商品价格下其矿体净现值的折现价格出售，应用的是 8% 的折现率。记住，亚当，这是关于自然资源投资的一个重要部分：这些公司是基于净现值（NPV）方法来估值的。你进行净现值计算的方式是，对今天来自已探明资源的未来现金流做出你最好的猜测，使用当前和预测的大宗商品价格，然后对其应用一个折现。在 8% 的折现率下，任何发生在第 11 年或 12 年之后的现金流都没有净现值。

亚当：没错。没错。

里克：如果是一个拥有 30 年储量寿命的矿床，你是免费获得了最后那 18 年。如果你在五年后运行相同的净现值计算，在白白享受了五年的现金流之后，你还会得到相同的答案。

亚当：嗯。

里克：换句话说，这是一场时间游戏。因此，这不仅仅是你今天在以低于其净现值的折扣价购买公司。而是你免费获得了勘探的巨大潜力、商品价格上涨的巨大潜力和资金的时间价值。如果你在所有这些之上再加上——而还不知道该怎么做——更高效的勘探或更高效的生产的覆盖面，这两者不是有可能改善，而是肯定会改善。你很难知道该赋予它多大的权证价值（Warrant Value）。很难知道。你的直觉告诉你，是很少、中等还是很多？

里克：10 年后，很多。我们将需要一段时间来学习这些工具，并且雇用这些工具将会是昂贵的。如果你目前在维持资本投资上推迟了 10 亿美元，这将需要石油市场的反应来促使石油公司的所有者说：“稍微削减我的股息，并把它投入到由 AI 产生的技术改进中。”

亚当：嗯。

里克：换句话说，应用——董事们将拥有去采用该应用的勇气——实际上将取决于投资者之间不断变化的范式，以使投资成为可能。

亚当：好的。所以我只想为这里的观众强调一下。我们正在谈论的这个权证有多大，对吧？这个你现在在股票中免费获得的未来 AI 提升价值将会有多大。作为观众的你，做出你自己的评估，对吧？但要理解的关键事情是，里克说的是，无论它有多大，你现在都是免费得到的。正如里克所说，他认为十年后它可能会相当巨大，对吧？

所以，如果你同意这一点，如果你在你的投资周期中还有超过十年的时间——而且我猜里克，你认为这里可能会有一些伟大的公司，而且可能是那些安全的、大块头公司，他们无论如何都将有最多的钱来投资这些东西，并获得最大的初始领先优势。你知道，如果你在你的投资组合中有一部分属于“买了就忘（Set it and forget it）”的类型，这些可能是极好的候选者，因为无论如何，你都将获得购买这些资产的所有令人信服的理由和好处，里克不考虑 AI 都可以聊上一整天。但随后你再次加入了 AI 的好处，而这同样是你现在免费得到的。我的观点是，我不认为世界会给你很多这样的机会。在你的投资中，你已经有了很长的投资历史记录，里克。你会同意——

里克：你看，我的很多投机成功都来自于“免费权证”。

亚当：这就对了。

里克：你描述的这个免费权证，如果你把它加在储量寿命权证、商品价格权证（也就是远期商品价格权证）之上——在这个领域中有一整套免费权证的集合。为了收集一个人的权证，一个人必须相当有耐心。而且对我有利的是，尽管我年纪大了，我变得相当有耐心。这并不是一个会在例如 2026 日历年里体现出来的事情。这不会发生。为了获得你所描述的所有权利益——即把人工智能应用到已经拥有的资产中的能力——这不是任何能够以月来衡量的事情。事实上，对它的预期都不会以月来衡量。

亚当：我同意这一点。但它将是具有实质性的，当然，你想在世界清醒过来、重新定价发生之前就卡好位，对吧？好的，最后一个 AI 问题，然后我想进入贵金属。好了。所以我们在这里讨论的是潜在的巨大的未来价值，它将在未来的某个时间点变现，但现在这可能需要以年为单位来衡量。就全球争相建设算力而言——也就是数据中心建设浪潮——在你的清单顶端，有没有哪些商品是你认为会从中受益最多的？比如铜似乎是一个能想到的。我猜可能天然气会被用作很多需要自己供电的设施的过渡燃料（Bridge Fuel）。也许是核能，伴随着小型模块化反应堆（SMR）之类的事情。但是你认为在短期内，从建设数据中心的巨大需求中受益的会是什么？

里克：我的意思是，随便挑一个，但从投资主题的角度来看，你需要挑选一个大品类。你需要挑选一个大品类，因为你可以看一些像钛或钒这样的东西，而只要有一个巨大的新矿床投产，它就会击垮这个市场。

亚当：嗯。

里克：我们发现，如果你在一个小商品的商品繁荣中站对了边，你会赚很多钱，但如果 market 和技术起作用、供应突然增加，你就会被踢屁股。好吧，要想成功地玩这个游戏，你需要大市场。你需要能源市场或铜 market。事实是，如果你描述的 AI 环境以及我们相信在未来 20 年里发生的人口结构发生了，那么铜（这是一个非常巨大的市场）将会表现得极其出色。在合理的时间框架内，我们无能为力、没有任何事情可以改变铜的供应。我们可以通过经历一场大萧条来改变价格，而你的听众中害怕大萧条的人应该在萧条发生之前避开铜市场。但在相信我们会设法挺过去（无论有没有 AI，但特别是有了 AI）的人的范围内，这是一个不用动脑筋的选择（No-brainer）。许多讨论中出人意料的赢家，亚当，我认为必须是铀（Uranium）。不仅是 AI 将需要巨大数量的不可中断电源（也就是说不是风能或太阳能，而是 24/7 不间断的电源），铀做到了这一点。而且 AI 精英们还需要非碳排放的电力。

亚当：嗯。

里克：这正是铀所提供的。除此之外，霍尔木兹海峡冲突中默默无闻的受益者正是铀。你会记得，亚当，也许你没有我这么老，但你是历史的学生。

亚当：我有一些白头发了，别担心。

里克：你会记得，或者你可能记得，1973 年的阿拉伯石油禁运是核能历史上最大规模建设开始的动力。法国的核能机组（现在是世界第四大）就是由于法国对进口外国石油的能源不安全感而直接建造的。

亚当：是的。是的。

里克：日本的核能机组（世界第三大）诞生于同样的环境。日本的国会（他们的议会）曾表示，铀是世界上唯一具有足够能量密度的燃料，日本可以在一个仓库里储存足够的能量，为“日本株式会社（Japan Inc）”供电 5 年。

亚当：嗯。

里克：能源安全的概念——地缘政治能源安全的概念，在缺席了 50 年之后，重新回到了我们的意识中。而唯一能给我们提供足够能量密度的材料，使得一个能源资源不足的国家（这是世界上大多数国家）应对这一问题的唯一途径就是铀。你无法储存那么多的煤。你无法储存那么多的石油或液化天然气。你肯定无法储存那么多风或那么多盐——你知道的，阳光。只有铀。现在，这会在 2026 年显现出来吗？大概不会。在没有发生切尔诺贝利或福岛事故的情况下（也就是说，在没有灾难的情况下），它会在未来 5 到 10 年内显现出来。铀是 AI 业务燃料的概率是 100%。

亚当：当你这么说的时候，那未来的需求、燃料需求中，有多少将是现有的传统核电站，相比于一个全新的、你知道的、更小的反应堆机组？这些反应堆拥有不同的技术，更小的占地面积，因此很多安全风险都被大大缓解了，而且它们还允许你在这些地方进行现场发电。你不需要依赖电网。你可以把这些东西放在世界上几乎任何地方。

里克：几年前在一个会议上，我谈到 SMR（小型模块化反应堆）是未来的技术，结果让我自己丢脸了。观众席上的一位绅士举手说：“鲁尔先生，这个未来已经由美国海军操作了 25 年了。”

亚当：传统上。是的。我是说，那就是潜艇。

里克：但事实是，它将由各种各样的技术驱动。在美国使用的传统技术基本上在三里岛（Three Mile Island）之后就停止了。任何我们建造到那个规模的东西，随着时间的推移，我们都学会了更便宜地建造。

亚当：嗯。

里克：一个在美国由于监管延迟和资本成本而需要花费 26 或 27 年以及 200 亿美元来建造的核电站，在海外只需 50 亿美元就能建成。

亚当：没错。而且是在什么时间框架内？一年半？

里克：三年。随着我们建造得更多，我们变得更好，这就是我们所做的。所以这不仅仅是 SMR 技术将提供越来越多的电力。注意，我们目前实际上正在美国怀俄明州的凯默勒（Kemmerer）建造一个商业规模的 SMR。比尔·盖茨正在做这件事。我们正在建造几个，讽刺的是，是在一个旧煤矿的上方。

因此，这不仅是 SMR 将在未来七到八年内提供越来越多的电力，而且任何领先的 SMR 在传统技术（或者我应该说规模化技术）方面所具有的优势，无论是在成本还是安全方面，当你在规模上做事情时，这些优势都会消失。正如我们所学到的，你降低了单位成本。

亚当：好吧，很有趣的是，你说“正如我们所学到的”，我们在其他行业学到了，但直到现在我们在核能行业还没有学到，对吧？我的意思是，差不多几乎每一个——我的理解是，美国的每一个传统核电站（现在都已经老旧了）都是一个一次性的项目。我们从未获得规模经济。我们从未获得标准化，对吧？我们从未把成本结构降下来。

里克：而且我相当了解 General Nuclear的人。他们建核电站就像福特以前造汽车一样。“你可以要任何你想要的颜色，只要它是黑色的。”对吧？这就是我们销售的模型。对吧？而且我认为美国终于收到了这方面的备忘录，我们有很多失地需要弥补，但这对未来的发展是很令人兴奋的，对吧？是的，我认为那是对的。顺便说一下，在核技术方面进展最快的公司是加拿大的。那是卡梅科（Cameco），他们收购了西屋电气（Westinghouse）。好的。一旦我们开始建造核电站，我也认为，如果我们继续保持美国当前的监管效率水平，我们将无法像今天这样无能，灯会熄灭，而我认为那不会发生。

亚当：是的。而且看起来——我一直在关注这件事。看起来新一届政府正在做大量的工作，试图砍掉大量的法规，真正让创新在这里开始驱动。而且，我不想在这上面花太多时间，因为在结束之前我还有几件其他的事情要挤进来。

关于这里核能的未来，有一件有趣的事情是，你知道，很多人因为安全原因对核能持保留态度，我也在这个节目中和核能专家谈过，很多那些担忧真的是被误解了，而且很多这些新技术确实降低了那里存在的风险。但是在本国核能的未来中，令人兴奋的事情之一是，许多这些新反应堆机组看起来将能够使用我们现有的核废料作为输入燃料。所以换句话说，我们拥有的这个核废料问题实际上可能会消失，因为这些核废料在未来这些更新的核电机组的燃料循环中得到了重复利用。这非常令人兴奋。当我这么说的时候，你正在微笑并点头。

里克：我笑是因为大约 15 年前，我正在和一家美国主要公用事业公司的燃料供应人员聊天，我说：“那么，关于废物处理，我真正需要做什么，真正需要知道什么？”他说：“你需要知道的是，你需要把它存放在一个你能把它拿回来的地方。因为会有一个时间点——我是说，我们从一磅浓缩燃料中提取的能量是少得可怜的，而即使是传统的利用方法，更不用说新技术，重新利用该燃料的能力也是惊人的。一磅铀的利用率是如此之低。而随着技术的进步，我的意思是，坦率地说，该行业的未来可行性就在于此。对廉价电力的需求是如此之大，以至于否则新矿供应就会出现赤字，坦率地说，这威胁到了核电行业。”

亚当：好的，我必须从这个话题移开了。但问你一个结论性的问题，里克，我想要一个超级快速的回答。你认为当 21 世纪和 22 世纪的历史学家回顾 20 世纪时，20 世纪最大的错误之一会是未能将核能利用到我们本可以达到的真正程度吗？

里克：我，我不知道。我们犯了很多错误。所以很难说哪一个将是我们犯过的最大的错误。

亚当：但想想看，世界上有多少地缘政治是围绕着能源的可用性和供应之类的事情运转的。如果我们能够早点实现能源自给自足，所有国家都能拥有它，那就会产生巨大的不同。

里克：不，我，我承认这一点。我绝对承认这一点。我只是在所有其他我们犯过的错误的背景下来思考它。

亚当：是的，我知道。你看，我们——但是有很多竞争者在争夺那个。但是，你知道，我想重点是，对于你的观众来说，尽管他们可能在他们生活的方式或他们将要生活的方式、或者他们的投资组合的背景下，不太会去思考核能，但他们需要更多地思考它。这即使不是一个确定性，也是高度概括可能的事情——在投资组合中不关注它是错误的选择。而且我也意识到，我们甚至还没有提到“核聚变（Fusion）”这个词。据我了解，你知道，门槛上没有任何迹象表明我们很快就会在市场中拥有核聚变替代方案。但这又是一个……我是说，就像我们在这里谈论的一切一样令人兴奋。如果核聚变能够商业化，它可能会变得甚至更加令人兴奋，对吧？

里克：如果你曾经能够在裂变（Fission）和聚变（Fusion）之间来回切换燃料和耗尽的燃料，那对人类来说将是一个绝妙的环境。我，我不是一个足够的技术迷，无法告诉你那是否会发生，或者它什么时候会发生，但我很想活到那个时候。

亚当：是的。是的。我不确定我们俩是否还会活着，但我当然希望如此。好了。所以我讨厌这样做，里克，但我们还有另外两个大话题，鉴于我们的时间限制，我们将不得不把它们各塞进几分钟里。但让我们尽力而为。好了。我知道很多人可能希望我以这个问题开始，但是，贵金属的底部已经进场了吗？它们最近确实经历了一段相当艰难的时期。在你回答之前，我只想公开对你的智慧表示赞赏，赞赏你在贵金属上涨的过程中在那个时机选择套现。当你在白银每盎司 75 美元时卖出时，你承受了很多明枪暗箭。

而且，很有趣，里克。就在前几天，有人转发了我今年早些时候在温哥华资源投资会议（Vancouver Resource Investment Conference）上发布的一条推文，那是你在台上和夸特梅恩（Quartermain）以及另一位绅士的推文，但基本上是老一辈的先锋。你们当时在说：“听着，我们以前看守过这部电影。各位，这里的价格行为已经变得疯狂了。所以我讨厌告诉你们，但这是一种很快就会结束的狂热（Mania），我们要退后一步。我们要减少我们的敞口。”而你们为此遭到了很多人的指责，因为那些人就是不想听到任何坏消息，并且认为“嘿，这就是我们一直在等待的重新定价。”而你的智慧和经验随着时间的推移再次得到了证明。所以我想给你充分的赞誉，赞誉你在明知那不是一个受欢迎的信息时仍然挺身而出。

里克：好吧，我注意到，每当我做了一些立刻不受欢迎的事情时，我总是对的。当你看到一张呈抛物线型（Hyperbolic）的图表时，那张图表几乎总是会迎来清算。当然。垂直的走势不会通过横盘震荡来结束。加拿大人把这称为“冰球棒图（Hockey stick chart）”。冰球棒的背面和正面一样陡峭，但如果你持有多头，那就一点也不好玩了。我不是一个交易员，但当我看到一张向上或向下的抛物线图表时，我会反向押注。我就是忍不住。在这种情况下，我有基本面站在我这一边。我不确定贵金属的低点是否已经到来。我怀疑名义上的名义利率将会持续，直到这届政府失去其勇气并强迫它们下降。而更高的美国利率会导致更高的美元。黄金是以美元计价的。因此，考虑到你需要同时考虑分子和分母，如果金价在更高的利率面前动摇，我不会感到惊讶。 Make no mistake，我们无法承受实际利率——美国债务上的利息。而且事实上，如果更高的利率继续走高，当美国政府需要进行再融资时，它们将摧毁长债市场（Long bond market），并最终摧毁权益市场、耐用消费品市场和住房市场。这意味着最终，就像 1975 年一样，政治阶层和选民将失去他们的胆量，他们将在国内政治面前牺牲美元的神圣性。当那发生时，就像在 1975 年底一样，黄金将成为受益者。这会在 2026 年发生吗？我真的毫无概念。它会绝对发生吗？是的。

亚当：好的。所以，如果你不介意分享的话，里克·鲁尔目前在贵金属行业的投资方面在做什么？你是仅仅持有你所拥有的资产，还是在小幅买入，还是只是保持距离，直到你开始看到你刚才谈到的那些迹象？

里克：我是一个黄金的储蓄者（Saver in gold）。每当我有流动性事件时，我都会储蓄。我会从这次会议上赚相当一笔钱，我会把其中的一部分换成黄金。这就是我所做的。我系统性地在黄金中储蓄。而且我对价格相当不敏感。在黄金股票上，我开始承担更多的风险。我们正处于一个避险（Risk-off）环境中。黄金下跌了。黄金股票下跌了。那些跌得最多的是那些被认为风险最高的股票。与此同时，在经过两年半的勘探支出增加之后，我开始看到一些极好的勘探结果。所以我看到了一些给我带来壮观数据的钻孔。虽然市场在变动，但它的变动方式与过去完全不同。所以我正在相当剧烈地增加我的风险胃口。我并没有太大地增加我暴露的资金量，虽然我已经暴露了很多资金，但我正在改变风险敞口。我正在做我一年前告诉你的听众不要做的事情，当时我说“强调最大和最好的公司”。我个人——

亚当：你在减持大盘股（Majors），并在……

里克：我没有减持大盘股。我现在赚了相当一笔钱，并且我正在部署新的资金。我正在将新的资金部署在这一领域中风险最高的部分。

亚当：好的。好了。就里克认为风险更高的部分在哪里、他在哪里看到最多的机会以及最好的机会而言，各位，找出答案的最好方法就是参加两周后即将到来的鲁尔研讨会。这就是为什么我现在不和他一起深挖的原因。好了。最后一个话题。同样，我们可以聊上一个小时，但我们只需要花几分钟。所以，这段视频将在接下来的几天里的某个时间点发布，里克。我完全不知道那时候的世界会是什么样子，相比于现在。你知道，我们每天都有关于和平协议以及重新开战之类的不同新闻。所以谁，谁知道那会是什么样子。但是，当，当简单地回到石油时……我正在想该朝哪里谈这个。我想我想得到你的总体展望，但你之前谈到的一件事是关于世界如何在勘探方面投资不足，并且将不得不对“如果我们想要供养未来，我们将不得不真正进行更多的勘探和生产”形成坚定的信念。而没有人想到、没有人预料到战争。战争发生了，世界上 20% 的石油流量在一夜之间被切断了。我最近一直在谈论很多的一件事——这正是我真正想听听你的专业知识的地方——是全球经济是具有反身性（Reflexive）的，对吧？所以，是的，我们在全球范围内获得的 20% 的供应被卡在了海湾地区，但是那些净出口国的国家进入了超负荷运转状态，对吧？所以我很好奇，这是否在拉前一些我们本需要去做的工作，以便意识到“嘿，我们得，我们得，我们得在这里变得更加激进”？就像我们是否已经在这里启动了那个过程？因为我们实际上既拥有一个经济机会（净出口国拥有），而且世界需要替代来源，并说“嘿，看，你知道吗，我们可能低估了这里的地缘政治风险。”因此，在某些方面，这会不会对世界产生一种益处？因为我们正在开始加速那个在世界各地寻找更多生产方式的过程。

里克：我们需要加速投资。美国拥有作为石油副产品生产的天然气的临时过剩。对吧？你和我在过去谈过这个。我们现在可以将这些天然气作为液化天然气出口。当美国的石油出口总计被计算时，它们其实不是石油，它们大多是天然气。我们曾有一些闲置产能。委内瑞拉人曾有一些闲置产能，他们现在正开始提取，但他们还没有进行维持资本投资。我们也没有。

亚当：抱歉，抱歉，抱歉打断你，但我只是想让你在回答中包含这一点：我们是否正在走向正确的方向？委内瑞拉就是一个极好的例子。在马杜罗（Maduro）发生政策变动之前，那是一个开发得非常糟糕的领域。而且我意识到我们无法在一夜之间改变它。但是我们，我们是否正在创造条件去开始在那里进行那些可持续的投资？

里克：还没有。在美国还没有。现在，可以肯定的是，90 美元的石油使得我们整整一堆的二级（Tier 2）地段成为了具备经济效益的地段。而且你现在开始在二叠纪盆地（Permian Basin）和特拉华盆地（Delaware Basin）看到大量堆叠的钻机正在转动，它们是响应今天的价格而转动的，它们也是响应它们能够出售其天然气这一事实而转动的。所以那正在发生，而那是极其、极其、极其有益的。当分析师对公司说“减少你的股票回购，减少流向股息的自由现金流比例，并增加你的自由现金流用于在三年、四年、五年后增加你的石油生产的比例”时，你就会知道世界已经收到了他们的信息。换句话说，停止通过今天补贴股东来进行自我蚕食，并思考三年、四年和五年后的股东回报。当你看到那发生时——除了在埃克森美孚这样的地方之外，它并没有发生——然后你就会知道我们已经收到了信息。

亚当：它没有发生，是因为股东们要求现在就得到回报，还是因为管理层……

里克：股东总是后视镜主义者（Rear-view thinkers）。事情就是这样运作的。你对未来的看法是由你在最眼前的过去的经验决定的。

亚当：好的，里克。关于石油的最后一个问题，然后我们收尾。我一直试图安排对杰夫·柯里（Jeff Curry）的采访，我相信你认识他，大宗商品专家。他最近经常出现在媒体上，发出一个非常响亮的关于全球库存的警告信号，即库存已经被降得如此之低，以至于即使霍尔木兹海峡迅速开放并且石油开始再次流经海湾，将石油供应降到如此之低所带来的冲击波，可能会让油价在比市场目前预期的长得多的时间里保持在明显更高的水平。你对此有什么看法吗？

里克：我将不得不听从库里先生的意见。好的。他已经在高盛（Goldman Sachs）担任了很长时间的市场研究学者，而我是一个找矿人。所以，我认为我们有不同的专业领域，我怀疑他是一个更好的预言家。我会告诉你，治愈高价格的良药就是高价格。而在这些石油价格下，虽然在短期内对阻止美国的需求没有太大作用，但它彻底抹杀了无力承担的市面上的需求。而我的怀疑是，边际买家（Marginal Buyer）——也就是设定价格的那个人——将需要抵制能源。如果里诺（Reno）的油价上涨，如果里诺的汽油价格上涨，你会咒骂，然后你启动你的车开往某处。如果斯里兰卡科伦坡（Colombo）的汽油价格上涨，出租车司机就会把他的车停着（不开）。这是一种非常不同的反应。

亚当：好的。好的。好吧，一旦我和杰夫谈过，我会让你知道他的想法，你可以把它融入到你那里的观点中。听起来他实际上可能是一个非常适合邀请参加你未来的某次研讨会的人。所以说到这个，让我们以此作为顺理成章的过渡来在这里收尾。我们在开始时稍微聊了一点，但是关于今年的研讨会，你还想让大家知道些什么？如果有人正坐在围栏上（犹豫不决）思考“好吧，我今年到底应该去还是不去，或者虚拟出席还是不出席”，为什么你会说“是的，你今年真的应该做这件事”？

里克：世界上没有其他任何会议能做到我们所做的几件事。第一，世界上没有其他任何会议会在会议之前采访每一位参展商，并将这些采访发布在 YouTube 上，这样你就可以在到达会议时更好地准备分配你的时间和资源。没有人会这样做。有 70 场采访发布在 YouTube 上，在 Rule Investment Media 的 YouTube 频道上。没有人能像我们一样让观众做好充分准备。简单的事实。第二件事是，在我所知道的投资业务中，没有人向参会者提供退款保证。如果你的听众凭其完全自行决定，认为我没有让他们物有所值，他们给我发电子邮件，我就把钱退还给他们。这意味着交易的财务部分是无风险微小的。我们在 30 年提供无条件退款保证的过程中，不得不退还的学费只有我们收取学费的千分之一。我们的内容足够好，以至于尽管有无条件的退款保证，极少有人对我们提出这个要求。最后，如果你不准备干活，就别来。如果你是那种买报纸是为了看连环画或玩纵横填字游戏的人，别来。我们将在 4 天时间里让你非常、非常、非常努力地工作。事实上，我们会在会议之前就让你努力工作——观看一些视频，并且我们将允许你在今年剩下的时间里使用录像，而你将会需要它。如果你不是那种对自己的投资组合足够关心到愿意去干活的人，别给我任何钱。你知道，呆在家里，陪陪你的孩子，做点别的事情。但如果你对提高你在自然资源方面的投资表现是认真的，我已经尽了最大努力。我让会议成为一种 12 个月的体验。我提前采访每个人。我在之后采访其中的许多人。我给你们会议的录像。我给你们一个铁打的退款保证。这大概是金融界唯一无风险的交易了。

亚当：好的。那太棒了。而且我非常、非常高兴你提到了重播视频，因为那总是我收到的第一大问题，里克，也就是“那如果我在当天或者在整个会议期间无法观看怎么办？”基本上，你在今年余下的时间里把所有的内容都提供给这个人。

里克：亚当，我举办了这个会议，连我自己都不得不更多地播放磁带，在 46 小时内包含的内容比大脑在四天内所能吸收的还要多。

亚当：是的。所以具体来说，是 7 月 6 日至 10 日，对吧？那么如果人们完全采取虚拟的方式，他们是否能够观看直播然后获得重播？

里克：是的。而且是的。你当然可以访问直播，并且我们在直播体验中投入了大量的时间和财富。然后在那之后，你可以在 2026 年余下的时间里访问录像。

亚当：好的，太棒了。各位，我说话很快，因为我必须让里克离开这里，他在这个之后还有另一个会议。所以再次强调，各位，如果这让你感兴趣，请访问 thoughtfulmoney.com/rulesymposium，你可以了解关于会议的所有信息，如果你想去的话可以报名。再次说明，现场参与据信已经售罄，但你可以购买在线版本，同样它的定价要便宜得多。好了。里克，噢，而且链接也会就在视频的下方，如果你只是想点击它的话。我知道你得走了，里克，最后 30秒，只是因为我说过会给你时间。你穿着 Battlebank 的衬衫，听起来那里的一切都进展得非常棒。你刚才是不是告诉我，你们现在每天都能引进令人惊叹的存款数量？

里克：我，我宁愿不透露那个数字，但……

亚当：没关系，没关系。

里克：但是，是的，我们非常成功。你知道，正如你所知道的，出于监管原因，我们在开业前被推迟了，在我们去买下一家银行之前。但我们很好地利用了时间。我们在等待名单上有 20,000——23,000 人。把这放在背景中看，当我们在 2000 年开办 EverBank 时，我们的等待名单上没有一个人，而在 14 年的时间里，我们发展出了一家 280 亿美元的银行。我们现在开办这家银行时等待名单上有 23,000 人。当我们开设这家银行时，我们并没有接触所有的 23,000 人，因为我们必须相对于我们服务他们的能力来逐步接触人们。只有一次机会留下良好的第一印象。但我很高兴地说，从每一个指标来看，这家银行都在非常、非常、非常好地增长。最重要的是，我们的人力资源继续良好地增长，这样我们就可以按照我们认为必不可少的标准来服务我们现有的和新客户。

亚当：好的。祝贺婴儿顺利出生，并获得了如此巨大的初始成功。各位，如果您想了解更多关于 BattleBank 的信息，只需访问 thoughtfulmoney.com/bank，那里有一份短表您可以填写，然后 Battlebank 的团队会立刻与您跟进。里克，这太棒了。抱歉我们超时了。但是和你一起真的很难保持简短，因为讨论中实在有太多丰富的矿脉（Rich Veins）了。非常感谢，我期待着在……什么，三周后在佛罗里达见到你。

里克：我的荣幸。能够成为你在博卡拉顿的东道主，我感到绝对的由衷高兴。

亚当：好的，我的朋友。好吧，再次非常感谢。其他所有人，非常感谢收看。谢谢您，先生。

本文来自华尔街见闻，欢迎下载APP查看更多

6月21日，在2026年APEC工商领导人中国论坛上，京东集团董事局主席刘强东对未来的末端物流做出了明确预判：“将来早晚有一天将实现全部机器人送货，根本不需要快递员。”

对于京东目前麾下的70万蓝领员工而言，这是一个清晰的行业信号。但在会议现场，刘强东随即补充：“我并不需要我们70万兄弟没有饭吃、没有工作。”

为此，京东首度公开了内部的“涅槃计划”。刘强东透露，京东已与全国124所学校签约，计划将70万名蓝领快递员分批送回课堂进行技能培训。“让他们负责机器人维修和保养，因为机械的东西总会出故障，故障还是需要人去服务。”

作为国内拥有最庞大直属物流履约网络的互联网公司，京东此举在舆论场中被赋予了较多情感色彩。但“涅槃计划”也揭示了劳动密集型巨头在面对自动化拐点时的阵痛与博弈。未来工作流的重塑，可能远比“用机器替换人、让人去修机器”的线性逻辑要复杂得多。

刘强东的设想建立在具身智能和自动驾驶技术高度成熟的预期之上，即物流末端实现高比例的无人化。然而，从技术实验室走向真实街道，存在难以逾越的结构性摩擦。

首先是商业层面的成本账本。

目前，快递员的薪酬是高度随单量波动的可变成本。若全面切换为机器人履约，企业将面临极高的初期固定资产投入和折旧压力。在现有的硬件供应链下，一台能够处理非标环境，如无电梯老旧楼宇、复杂路障的通用型机器人，其全生命周期成本在短期内仍难以与熟练人力形成交叉。

其次是物理世界的复杂性。

真实的末端配送充斥着海量的长尾场景。AI在封闭或半封闭场景下表现优异，但在开放且缺乏规则的市井环境中，系统的容错率极低。这意味着，企业在推进自动化的过程中，技术演进的曲线将是渐进的，而非断崖式的替代。

“涅槃计划”的核心是将体力劳动者转化为技术维护者，从人力资源经济学角度看，这一设想也面临相对较高的实操壁垒。

历史上的产业升级表明，被新技术替代的群体，往往很难直接转化为该新技术生态下的高阶技术工人。快递员的核心技能模型是“体能+路线熟悉度+基础沟通”，而机器人软硬件维保、系统调度则要求具备机电基础或数据处理能力。120多所学校的培训网络，要在保留现有履约效率的前提下，完成70万成年劳动力底层技能的重构，其时间成本、教育成本以及转化成功率，在业内缺乏可参照的成功先例。

更为严谨的推演是，这种培训可能是一种“软着陆”机制。它能筛选出少部分具备学习能力的员工进入技术岗，但无法作为全体70万蓝领的通用解决方案。

不过，未来5至10年的物流工作流，更可能是一个人机高度混合的“灰度阶段”。

在这个阶段，工作流将被重新切分：定点干线、驿站接驳等标准化程度高的环节，将加速被低成本的自动化设备接管。人类员工将主要负责机器无法处理的异常情况。

同时，生鲜当面验视、高价值商品交付、客诉处理等需要人类灵活判断的环节，依然是快递员的护城河。

可以说“涅槃计划”是头部企业在人口红利衰退与AI浪潮交汇点上的一次防御性布局。它指出了技术演进的必然方向，但也暴露出资本在追求极致效率时，处理庞大附着劳动力的现实困境。

未来的物流网络注定会更加智能，但在这个漫长的过渡期中，技术升级与劳动力安置之间的摩擦，将是所有劳动密集型平台必须直面的长期命题。

本文来自华尔街见闻，欢迎下载APP查看更多

TOTO计划在未来五年内投入800亿日元（约合4.95亿美元），扩大半导体材料业务规模，目标是为1纳米制程级别的下一代芯片制造提供关键支撑。这一投资规模远超其主营的卫浴设备业务，彰显出该公司战略重心的根本性转移。

AI芯片需求的爆发已将TOTO的半导体相关业务推上主要利润引擎的位置。截至今年3月的财年，其新领域业务板块（含半导体材料）销售额同比增长34%至674亿日元，营业利润增长42%至289亿日元，贡献的利润已超过公司总利润的一半，远高于其标志性的卫浴陶瓷业务。

此番扩产，意味着TOTO正将自身深度嵌入全球先进芯片供应链的核心环节，并与台积电等顶尖晶圆厂的技术路线图直接挂钩。

TOTO位于神奈川县的研发设施，正集中资源攻关1纳米级逻辑半导体的生产支持技术。这一目标在技术层级上领先当前量产水平数代。

作为对比，全球最大晶圆代工企业台积电目前的量产领先制程为2纳米。逻辑半导体的基本规律是，电路线宽越窄，芯片性能越强。TOTO此次押注1纳米，意在提前布局下一代制程所需的材料基础设施。

产能扩张的重心落在日本西南部的九州岛。TOTO将在大分县和福冈县两处工厂安装最新设备以提升产能，两处工厂目前均已满负荷运转。福冈县厂区新建的烧成车间预计明年1月竣工。

在资金安排上，TOTO计划在截至2030年3月的财年内完成800亿日元的总投资，其中390亿日元已确定落实，其余部分将视市场需求情况推进。若投产后仍无法满足市场需求，TOTO将进一步考虑新建工厂。

TOTO进军半导体材料并非偶然。早在1980年代，该公司便将研发卫生陶瓷积累的烧成技术延伸至半导体领域。其核心产品静电卡盘（用于在芯片制造过程中固定晶圆），以高纯度陶瓷工艺实现高耐久性，是其技术护城河所在。此外，TOTO还在气溶胶沉积法领域具备差异化优势——该工艺通过直接喷涂微细陶瓷颗粒形成涂层，可应用于多类半导体制造环节。

不过，这项业务并非一帆风顺。多年来持续亏损后，大约在2020年前后，随着AI半导体需求急剧攀升，业务才实现根本性转机，最终超越主营卫浴业务成为公司第一利润来源。尽管新领域业务板块的销售额仅占TOTO总营收约10%，但其盈利能力已将传统卫浴设备业务远远甩在身后。

本文来自华尔街见闻，欢迎下载APP查看更多

6月22日消息，字节跳动的豆包App正式启动即时出行服务的灰度测试。

部分获得资格的用户，可直接在豆包对话框内通过自然语言口述需求。系统自动识别起止地点及偏好后，通过API接口匹配曹操出行运力，用户核对信息即可一键派单。

这一动作不仅是交互体验的升级，更揭示了当前AI To C应用演进的核心野心，即通用AI助手正试图打破纯内容交互的边界，将实体生活服务作为插件接入自身平台，向着连接一切的超级入口进化。

围绕“AI+出行”的交叉地带，目前行业已形成几股不同逻辑的势力，呈现出通用大模型平台与原生出行巨头之间的双向渗透。

在AI平台融合生态运力方面，代表是千问与高德，这是阿里系在今年3月跑通了的闭环。

通义千问App上线AI打车功能，前端依托大模型的自然语言理解能力，后端直接调取高德地图庞大的聚合打车运力池。这代表了拥有全生态业务矩阵的巨头，正在用AI入口将内部流量大盘与成熟的底层服务进行深度耦合。

另一种代表是原生平台的内生防守，如滴滴上线的小滴。

面对AI助手试图从前端截胡打车需求的趋势，出行巨头并未被动等待。滴滴同样在今年3月向全量用户开放了内置的出行Agent小滴。滴滴的逻辑在于坚守主阵地，基于自身的封闭生态与海量运力，将大模型作为优化自身订单规划与派单效率的底层工具，从而巩固独立出行入口的护城河。

这形成了一个明确的产业博弈，通用AI大厂希望将出行变成自己平台上的一个功能组件；而出行巨头则希望将AI变成优化自身服务体系的技术引擎。

回到豆包此次的策略，主要还是对于入口的争夺。在接入打车服务之前，豆包已经在本地生活与电商板块进行了密集的业务前置测试。

今年3月，豆包开启了AI电商功能的灰度测试，主打一句话购物。当用户在对话框输入“预算100元左右，推荐一款好用的办公鼠标”时，豆包不再仅仅提供文本建议，而是直接匹配商品池、生成选购建议并附带商品链接。用户无需跳转至抖音App，在豆包端内即可直接完成下单和支付流程。随后，豆包又进一步将触角延伸至本地团购等线下核销场景。

从电商购物、线下团购，再到如今引入曹操出行的运力，豆包的业务逻辑已经非常清晰：将通用大模型作为中央处理器，将对话框作为统一的用户界面，逐步把衣食住行等高频应用场景作为功能插件嵌套进自身平台。

过去两年，大模型C端应用的主叙事是信息检索和文本生成，但纯工具属性难以建立长期的用户留存。不断接入真实的物理世界交付服务，是为了培养用户使用自然语言交互替代传统图形界面的习惯，从而在流量端完成对各类垂类App的截流。

通用AI助手想要在对话框内连接一切，在信息撮合层面确实带来了降维打击式的体验提升。但落地到具体的本地生活赛道，商业逻辑仍需回归重资产的线下常识。

无论豆包或千问的意图拆解多么智能，网约车业务的最终交付依然高度依赖线下的运力密度。在早晚高峰或极端天气的供需失衡期，如果没有真实存在的空车，再强大的AI入口也无法完成履约。前端入口再轻，也无法掩盖后端运力的沉重。

豆包现阶段仅进行灰度测试，核心目的正是通过真实的业务跑单，校准AI大模型在空间地理映射上的精确度。

豆包灰测打车服务，是AI助手从单一工具向平台化超级入口跃迁的重要信号。各大AI平台试图在对话框内接管线下世界的战略意图已经显现。

然而，在出行这类长链条、重运营的传统赛道里，当交互效率被技术逐渐拉平后，决定最终胜负的护城河，依然是底层地理位置服务的精准度以及线下运力的调度能力。一场关于“谁是谁的插件”的入口的争夺，才刚刚拉开帷幕。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社援引贸易消息人士及其获得的一份文件显示，KPC已发出招标，出售7月从科威特港口装载的石脑油现货货物。这是该国有油企自美伊冲突爆发以来，首次恢复通过该国港口直接发出此类要约。招标于6月22日截止，当日有效。

此次招标的直接意义在于，科威特主要出口港口的石化原料供应正重新向现货市场开放，对亚洲石脑油买家而言意味着新的货源补充。此前由于地区局势紧张，科威特已暂停通过该国港口进行石脑油现货销售长达数月。

根据相关文件，KPC本次提供两档货量选项：55,000公吨（约49.5万桶）或80,000公吨石脑油，这一石化裂解原料的装载时间定于7月5日至6日，装载港为科威特任意港口。

据路透消息人士透露，KPC上一次发出此类石脑油招标是在今年1月，针对的是2月装船货物。这意味着本次招标之前，该公司港口石脑油现货销售已中断约五个月。

在港口直接装运渠道中断期间，KPC并未完全退出市场。据路透报道，本月早些时候，KPC曾以船对船转运方式，在印度西海岸、阿曼近海及富查伊拉储罐等地点，向市场提供包括柴油和石脑油在内的6月即期装运成品油货物。

上述操作表明，地区局势虽然制约了科威特本土港口的正常出口流程，但该公司通过转移装载地点维持了部分商业活动。此次恢复港口直接招标，被业内视为供应链正常化的积极信号。

KPC未就路透的置评请求在工作时间外作出回应。

本文来自华尔街见闻，欢迎下载APP查看更多

6月22日，知名苹果供应链分析师郭明錤在社交平台X上发文披露，谷歌正在开发一款基于TPU v9架构的升级版芯片，代号疑为"Triggerfish"，联发科独家拿下该新订单，目标应用指向AI智能体与强化学习场景，预计2028年进入放量阶段。

据郭明錤最新产业链调查，Triggerfish是在现有TPU v9"Humufish"基础上的衍生升级项目，核心规格全面强化：SRAM容量提升至Humufish的2至3倍，内存由HBM4升级至HBM4E，并新增一颗仿真芯片（simulation die）。这一系列改动旨在增强推理能力，同时缓解CPU瓶颈与内存瓶颈问题。

在商业层面，Triggerfish单价较Humufish高出约30%，谷歌计划在Humufish累计出货量仍维持400至500万颗的基础上，额外追加100至200万颗Triggerfish订单，生产预计于2027年底启动，2028年进入量产爬坡。郭明錤指出，这一订单有望成为联发科2028年业绩的增量驱动力。

联发科深度绑定谷歌TPU v9世代

郭明錤表示，Triggerfish项目进一步确认了联发科作为谷歌TPU v9世代首选开发伙伴的地位。此次联发科独家承接升级版订单，延续了其在Humufish项目上的合作关系，显示双方在定制AI芯片领域的协作已形成较高壁垒。

Triggerfish被定位为v9的变体版本，而非全新一代产品，属于在现有平台上的针对性强化。这种"平台内迭代"策略使谷歌能够在不推倒重来的前提下，快速响应AI工作负载的演进需求，同时也为联发科提供了持续承接增量订单的机会。

从技术规格来看，Triggerfish与Humufish的核心差异体现在三个维度：SRAM容量大幅扩充至2至3倍、新增仿真芯片，以及内存升级至HBM4E。

郭明錤指出，新增仿真芯片的主要功能很可能集中于强化学习（RL）与AI智能体协调。更大容量的SRAM能够将强化学习和AI智能体所需的活跃工作集更多地保留在TPU本地，从而降低数据搬移成本，并提升超低延迟解码阶段的运行效率。

此外，Triggerfish在本地TPU管理及训练/推理模式切换方面同样有所强化，整体设计思路指向最大化有效算力（effective compute），以应对日益复杂的AI推理任务需求。

在出货量预测上，郭明錤维持Humufish全生命周期出货量400至500万颗的估算不变，Triggerfish则作为增量项目，预计额外贡献100至200万颗出货量。

定价方面，Triggerfish单价较Humufish高出约30%，这意味着即便出货量相对有限，其对联发科营收的贡献也将高于同等数量的Humufish订单。

结合2027年底启动生产、2028年进入量产爬坡的时间节点，郭明錤认为Triggerfish有望成为联发科2028年业务动能的重要增量来源。

本文来自华尔街见闻，欢迎下载APP查看更多

周一（6月22日），SK海力士股价上涨5.61%，市值达到2080.38万亿韩元（约合1.35万亿美元），而三星电子同期涨幅下跌0.14%，市值报2066.66万亿韩元，两者差距极为微小。

这一市值逆转，折射出投资者对两家公司在人工智能芯片浪潮中前景判断的分化——SK海力士凭借高带宽内存（HBM）产品的强劲需求获得市场青睐，而三星则面临更大的竞争压力。

历史性时刻：三星"市值一哥"地位受到挑战

AI数据中心对高端存储芯片的强劲需求是此轮行情的核心驱动力。内存芯片价格在今年一季度环比翻倍，当前季度预计还将进一步上涨最高63%，供应紧张局面持续利好全球头部存储芯片制造商。

近年来，随着人工智能基础设施建设提速，对高性能存储芯片的需求持续攀升，SK海力士在HBM领域的布局使其受到资本市场的高度关注，股价表现持续强于三星电子，市值差距由此逐步收窄，并最终在周一实现历史性超越。

三星电子长期以来稳居韩国市值最高公司的位置，是韩国股市的绝对核心权重股。SK海力士市值超越三星，标志着这一长期格局首次遭到实质性挑战，在韩国资本市场具有重要的象征意义。

SK海力士与三星电子同为全球领先的存储芯片制造商，两者在动态随机存取存储器（DRAM）及NAND闪存领域长期竞争。

本文来自华尔街见闻，欢迎下载APP查看更多

据Digitimes周一报道，据供应链消息人士透露，首批Demo设备已进驻台积旗下子公司采鈺龙潭厂，近30家来自日本、美国、德国及台湾的设备商入列首波评估名单，涵盖从曝光、镀铜、研磨到检测的完整制程环节。

台积电CoPoS技术将传统圆形晶圆改以更大尺寸矩形玻璃面板作为封装载体，旨在应对AI GPU与高效能运算（HPC）芯片未来数年持续扩大的封装需求。台积电董事长魏哲家于2026年4月法说会上首度主动提及该技术，台湾智慧财产局近期亦公告台积已申请"TSMC-COPOS"商标。

供应链人士指出，CoPoS量产时程最快可望于2029年实现，较市场此前流传的2030年全面放量预期有所提前。不过，目前多数设备商仍处于Demo阶段，从开始验证到取得正式采购资格通常需要约一年半时间，竞争激烈，即便Demo机通过也不保证最终获得量产订单。

首批设备名单横跨六大制程环节

据Digitimes披露的设备清单，首波CoPoS供应链涵盖曝光与涂布、金属化与镀铜、研磨与激光加工、湿制程与热处理、模封与回焊，以及量测与检测六大领域。

曝光与涂布方面，台积电此次导入阵容完整，包括日本Canon的FPA-5525iV LF2曝光设备、德国SUSS MicroTec的DSC310s Gen4曝光机与ACS310 Gen2涂布/显影平台、日本Tokyo Electron（TEL）的LITHIUS Pro SQ3、SCREEN的LM-3000，以及台湾Scientech的面板级解离层涂布设备；

金属化与镀铜方面，由于CoPoS需要更大尺寸的重布线层（RDL）与更精细的线路制程，设备规格同步升级。美国Applied Materials、KLA及台湾Leading Precision均进入名单；Lam Research则以SABRE 3D FP承接镀铜设备，并以Quaros FP负责UBM蚀刻，据报道Lam Research已挤下其他美系大厂取得试产线Demo机台订单；

研磨与激光加工领域，日本DISCO几乎全面拿下相关订单；Nitto Denko提供Frame Mount及UV Erasing设备，LINTEC负责Lamination与De-taping制程；Kulicke & Soffa的APTURA WP与ASMPT的Firebird XQ分别切入无助焊剂晶粒贴合设备；日本Shibaura提供TFC-6600-WB与TFC-6500-WB系统；台湾All Ring切入填胶设备；

湿制程与热处理方面，台湾Grand Process Technology（GPTC）与Scientech为重要受惠厂商；AblePrint的BPO-60A、Kokusai Electric的450A及450A-HT，以及Csun Mfg.的HOMOL-AP31、HP-AP31与CSL-A300PL等设备切入烘烤与热处理制程。模封设备由日本TOWA与APIC YAMADA入列，回焊设备则由SEMIgear及Heller负责；

玻璃基板带动检测需求，台厂抢占关键位置

随着CoPoS导入玻璃基板，量测与检测环节的重要性大幅提升，也为台湾设备厂商提供了重新卡位的契机。

台湾V5 Tech（倍利科）成为首波供应链焦点之一，旗下V5P310 Pro Glass玻璃AXI检测设备与V5300 Macro AOI系统同步入列；Favite（晶彩科技）负责Overlay量测；Weike Semi（威克半导体）切入3D轮廓与尺寸量测；Mirle Automation（大量）则与日本KOBELCO合作，切入Bevel Inspection与Bonding Shift量测设备。此外，Chroma ATE（致茂）、Gudeng Precision（家登）、Gallant Micro（均华）、Ta Liang（大量）、YaYa Tech（亚亚）、Nivek（佳宸）及Semtek Corp.（禾鏵）等台厂亦入列名单。

业界人士指出，CoPoS并非单纯将CoWoS制程放大，而是以方形面板为核心重新建构的新型封装产线，涵盖玻璃基板、面板级重布线、大尺寸曝光、高精度贴片、超低翘曲控制及全新量测机制，与现有CoWoS产线存在显著差异。这一技术门槛反而为过去未能切入CoWoS供应链的设备厂商提供了重新竞逐的机会。

供应链人士强调，CoPoS设备多属特殊规格，单价通常高于既有设备平台，但因目前仍处于认证阶段，实际价格须视客户最终需求而定。Demo设备通常免费提供客户验证使用，从设备交机到完成Demo验证约需3个月，后续量产认证周期更长，整体竞争态势仍高度不确定。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社周一报道，爆炸发生于当地时间周日晚间，起因是巴赞（Barzan）本地供气设施在启动运营过程中出现意外。卡塔尔能源公司（QatarEnergy）表示，紧急响应团队已迅速介入，火势目前已得到控制。卡塔尔内政部将此次事故定性为"技术事故"，并表示不存在公共安全威胁。

截至目前，事故已造成54人受伤，另有18人下落不明，搜救工作仍在进行。卡塔尔能源公司尚未披露爆炸是否对工厂造成实质性损毁，亦未说明设施何时恢复正常运营。

受波及设施：日供气14亿立方英尺，兼顾多类产品

此次爆炸波及的巴赞天然气设施是卡塔尔本地能源供应的关键节点，日处理能力达14亿立方英尺，主要向国内工业用户及电力行业输送管道天然气。

该设施同时具备生产乙烷、凝析油、液化石油气及硫磺的能力，产品兼顾国内消费与出口市场，在卡塔尔能源供应链中扮演多重角色。

卡塔尔能源公司表示，爆炸发生于设施启动运营阶段，但目前尚未说明此次事故对上述产品的生产和供应造成何种程度的影响。

拉斯拉凡：全球LNG出口核心枢纽

拉斯拉凡工业城是卡塔尔能源公司LNG生产与出口的核心基地，拥有14条生产线，总产能达每年7700万公吨，是全球体量最大的LNG出口设施之一。

此次爆炸发生之前，该基地已因地区局势承受较大压力。据路透社此前报道，在美国与以色列对伊朗的军事行动中，卡塔尔两条LNG生产线及一座气转液设施遭到打击，导致该国LNG出口产能损失约17%，相关修复工作预计需要数年时间。

此次巴赞设施爆炸虽主要服务于国内市场，但在拉斯拉凡整体产能已受损的背景下，市场对该地区供应稳定性的关注度将进一步上升。

卡塔尔内政部已确认事故由技术原因引发，并强调不存在公共安全威胁。爆炸发生时，首都多哈居民听到了巨大爆炸声，拉斯拉凡工业城位于多哈以北方向。目前，卡塔尔能源公司尚未就设施损毁情况、恢复生产时间表及对国内供气的具体影响作出进一步说明。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社周一报道，厄尔尼诺气候条件威胁印度今年季风降雨降至11年来最低水平，与此同时，印度政府大力推进乙醇混合燃料政策，两股压力叠加，正将数百万吨食糖从国际市场上抹去。

孟买大宗商品交易商MEIR Commodities India董事总经理Rahil Shaikh表示，“如果降雨如预期般令人失望，甘蔗种植将受到严重冲击，这将使印度至少三年内退出食糖出口市场。”

这一局面对亚洲、非洲和中东的食糖进口国构成直接压力，并将对伦敦和纽约基准糖价形成支撑。更为极端的情景是，若厄尔尼诺导致甘蔗种植面积大幅萎缩，印度甚至可能被迫重启食糖进口——这将是近十年来的首次。

政府逐季管控出口，多年禁令或以"默许"形式延续

食糖在印度具有高度政治敏感性。印度是全球最大食糖消费国，甜食文化根深蒂固，大量低收入家庭依赖食糖作为廉价热量来源。

据路透社援引知情政府及行业人士透露，新德里不太可能宣布多年期出口禁令，而是倾向于逐季拒绝发放出口许可证。上月，印度总理莫迪政府一名高级部长已向糖厂明确表态，要求优先保障国内供应，不得游说争取出口配额。上述消息人士因谈判内容属保密性质而要求匿名。印度食品、民用供应和消费者事务部未就出口前景及相关限制措施置评。

印度在截至2022-23榨季的五个榨季内，年均出口食糖680万吨，约占全球出货量的10%。本榨季，印度在出口约80万吨后即宣布禁止出货，禁令延续至9月30日榨季结束。

厄尔尼诺重创甘蔗产区，库存或跌至三十年低点

厄尔尼诺气候条件预计将使印度今年季风降雨降至11年来最低水平。6月降水量已较均值偏低逾40%，农民普遍推迟种植计划。

马哈拉施特拉邦Sangli地区农民Sambhaji Patil表示，原本计划6月种植长生育期甘蔗品种，但由于各方均预警降雨减少，他决定暂缓计划，转而在2英亩土地上改种大豆。苗圃经营者Suraj Chavan也反映，近几周甘蔗种苗需求明显下滑。

全国合作制糖厂联合会董事总经理Prakash Naiknavare指出，农民可能大规模转向耗水量较低的作物，这将拖累2027-28榨季的甘蔗种植面积和供应量。当地政府已在主要产糖区推广大豆、木豆等替代作物，并限制灌溉用水供应。

在产量层面，印度本榨季食糖产量预期已从3095万吨下调至2790万吨，低于约2850万吨的年度消费量。MEIR的Shaikh预计，10月1日新榨季开始时，糖厂库存将降至约350万吨，为逾三十年来最低水平。

乙醇政策提速，甘蔗争夺加剧长期供应压力

与甘蔗减产同步发生的，是印度政府对乙醇产业的大力扶持，进一步压缩了可用于制糖的甘蔗原料。

印度本月取消了高比例乙醇混合汽油的生产税，并推出含乙醇比例高达85%的燃料，以支持灵活燃料汽车的普及。印度最大汽车制造商马鲁蒂铃木本月推出了全国首款灵活燃料乘用车，英雄摩托也发布了灵活燃料摩托车。

Godavari Biorefineries董事长兼董事总经理Samir Somaiya表示，“乙醇需求的增长轨迹极为强劲，下一阶段的需求演变将由灵活燃料汽车的商业化推广驱动。”行业估算显示，随着乙醇混合比例提升和灵活燃料汽车加速普及，乙醇需求到2039-40年可能从目前的120亿至130亿升增至约300亿升，增幅超过一倍。

马哈拉施特拉邦Natural Sugar董事总经理B.B. Thombare表示，未来政府政策将倾向于支持乙醇生产，而非食糖出口。

进口重启风险浮现，全球糖价或获长期支撑

多重压力叠加之下，印度重启食糖进口的可能性正在上升。印度上一次进口食糖是在2016-17和2017-18榨季，彼时2015年厄尔尼诺引发的干旱导致甘蔗种植面积大幅萎缩。而在2009年和2010年，印度的大规模采购曾推动全球糖价飙升至此前水平的近三倍。

新德里大宗商品交易商K.S. Commodities董事Mohan Narang警告称，"由于严峻的厄尔尼诺形势和乙醇需求的持续攀升，印度不仅出口将被彻底抹去，未来数年内进口也可能成为必要之举。"

贸易消息人士透露，全球大型贸易商的印度业务团队已开始向总部预警，来自印度的供应机会正在收窄。与此同时，巴西正将更多甘蔗转用于乙醇生产，泰国的产量也可能受到厄尔尼诺的冲击，全球食糖供应的多个支柱同步承压，市场紧张态势或将延续。

本文来自华尔街见闻，欢迎下载APP查看更多

在性能层面，GLM-5.2在FrontierSWE长程编程基准上得分74.4，与Anthropic顶级模型Opus 4.8的75.1仅差约1个百分点，同时超越GPT-5.5的72.6，成为目前评分最高的开源权重模型，定价比Opus 4.8低约72%至82%。

几乎在同一时刻，Anthropic被迫关闭旗舰模型Fable 5和Mythos 5的全球访问权限——美国商务部援引出口管制法规介入，要求其在向外国人提供相关服务前取得政府许可证。两条新闻叠加，令"美国限制，中国开放"的叙事瞬间成形。

与2025年初DeepSeek冲击截然不同的是，本轮资金并未撤出英伟达及美国AI股，而是集中涌入中国资产，呈现替代性交易特征而非恐慌式清仓。市场正在重新定价的核心命题是：当高性能开源模型能够以不足闭源十分之一的成本交付相近能力，叠加美国政策直接切断闭源模型的全球可获得性，AI产业链的竞争格局是否已发生结构性转变。

GLM-5.2的核心意义在于，它将开源模型推入了此前由闭源实验室把持的性能区间。

根据智谱发布数据，GLM-5.2参数规模753B，采用MoE（混合专家）架构，支持1M token稳定上下文窗口，以MIT协议完全开源。在FrontierSWE编程基准上，GLM-5.2得分74.4，Anthropic的Opus 4.8为75.1，差距约1个百分点，同时超过GPT-5.5的72.6。在PostTrainBench（测试Agent训练小模型能力）基准中，GLM-5.2以34.3分排名第二，仅次于Opus 4.8的37.2，高于GPT-5.5的28.4。

Artificial Analysis在其智能指数v4.1中将GLM-5.2评定为51分，领先MiniMax-M3（44分）、DeepSeek V4 Pro（44分）和Kimi K2.6（43分），同时将其置于GPT-5.5与Opus 4.8之间，成为迄今排名最高的开源模型。社区研究者@jeremyphoward表示，GLM-5.2"至少与Opus 4.8和GPT-5.5相当"；@matvelloso称其为"第一个达到我日常使用标准的开源模型"。

差距仍然存在。在最高难度的SWE-Marathon基准上，GLM-5.2得分13.0，Opus 4.8为26.0；视觉能力缺失也是当前短板。但从工程部署角度，GLM-5.2引入的IndexShare技术——跨层复用稀疏注意力top-k索引——显著压缩了超长上下文的推理计算量，使1M上下文的成本可行性大幅提升。AI研究机构Proximal评价称，GLM-5.2是"第一个真正缩小了Anthropic/OpenAI与其他模型提供商之间巨大技术鸿沟的模型"。

GLM-5.2的定价结构，为AI模型层的估值提供了新的参照框架。

GLM-5.2的输入/输出token价格较Opus 4.8低约72%至82%。但摩根大通在报告中指出，与GLM-5.1相比，GLM-5.2实际上是一次涨价：GLM-5.1采用分档计费，部分用量可享受较低费率；GLM-5.2统一适用较高定价层，客户实际支付的混合单价因此上升。由于性能提升主要来自强化学习与后训练优化，而非大规模扩张模型体量，成本基础基本稳定，这一调整有望推动Z.ai毛利率改善。

摩根大通据此得出结论："成熟智能压缩定价，但GLM-5.2显示前沿升级能够实现相反效果。"该行认为，AI模型定价正在呈现结构性分化：基础对话、简单摘要、标准代码辅助等已商品化能力将持续面临价格压缩，DeepSeek是这一力量的最典型代表；而能够解锁新工作流、提升任务完成率的前沿能力——尤其在编程、Agent、企业工作流自动化和长上下文任务场景——在客户"为完成任务而非为token付费"的逻辑下，仍可维持甚至提高定价。

对投资者而言，这一区分具有直接估值含义：模型层企业的货币化前景，取决于能否持续向更难、更高价值的任务移动，而非单纯依靠现有能力的规模扩张。

Fable 5和Mythos 5的突然下架，使闭源商业模型的可获得性风险从抽象讨论变为直接冲击。

据彭博报道，Howard Lutnick援引《出口管理条例》第744.22(b)条款，以上述模型存在被外国军事情报机构利用的"不可接受风险"为由，要求Anthropic在向全球任何外国人提供相关访问权限前须取得商务部许可证，否则将面临刑事及民事处罚。东方证券研报援引媒体报道称，亚马逊研究人员成功突破Mythos模型安全限制，并发现Fable 5在特定提示引导下能够挖掘出至少四款软件中的安全漏洞，这被认为是触发监管介入的关键。Anthropic随即关闭两款模型的全球访问权限，并公开表示政府回应"不成比例"，警告若同等标准扩展至全行业，所有前沿模型新部署可能实质上陷入停滞。据华尔街见闻报道，Anthropic技术团队已于本周一赴美国商务部与官员举行会谈。

分析认为，此次事件对产业链的影响体现在两个层面：其一，依赖闭源前沿模型的企业和开发者面临业务连续性风险，对替代方案的需求上升；其二，具备开放权重和本地部署条件的开源模型在可控性上具有天然优势，GLM-5.2恰在这一节点提供了性能接近前沿、成本显著更低的替代选项。

这一监管动向同样引发其他AI实验室的高度关注。据知情人士透露，OpenAI首席战略官Jason Kwon已通知员工，公司正在评估该政策动向的影响，并形容当前局面是"一个快速演变、存在大量未知因素的情况"。OpenAI总法律顾问Che Chang则在内部消息中提醒员工，在共同面对监管不确定性时，"不应尝试协调回应，反垄断规则在此适用"。

此轮行情与DeepSeek事件的市场结构存在本质差异，但中长期产业逻辑正在被重新评估。

DeepSeek冲击是预期外黑天鹅，直接引发美国AI板块抛售。GLM-5.2发布则是高度预期内的事件——市场已用18个月消化中国开源模型竞争力的预期，此次验证集中体现为中国本土AI标的重新定价，美国AI股目前未受系统性冲击。摩根大通将这一行情定性为"替代交易"而非"清盘恐慌"。该行在将智谱目标价上调至1800港元后，股价已涨至约2400港元附近，进一步超越其最新目标价，显示市场定价已走在分析师预测前方。

东方证券认为，国内多家模型在全球性能榜单上处于领先位置，且多数保持开源；叠加Anthropic两款头部模型下架，国产模型API调用量有望进一步提升，基于国产模型的算力与Token服务需求预计维持较好增速和景气度。

Rich Privorotsky同时提示，AI板块正面临两股力量的博弈：一方面是应用普及加速与算力需求上升；另一方面是代币通缩加剧、货币化前景存疑以及股票供给持续扩大，市场当前更为关注后者。但从中长期产业逻辑看，成本下降与访问门槛降低可能同步推动代币消耗量与算力需求扩张。分析人士指出，开源模型份额提升与算力需求高增，正在成为AI产业链重估的核心变量。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博周一报道，几内亚总统Mamadi Doumbouya于当地时间6月21日在与工业及手工业黄金生产商、黄金收购机构的会议上宣布上述禁令，并明确表示，未来黄金须在首都科纳克里新建的精炼设施内完成熔炼、认证和加工后，才能出口至国际市场。

Doumbouya同时发出强硬警告：任何继续出口黄金原矿的运营商将面临执照暂停及采矿协议终止的处罚。这一表态直接影响在几内亚从事黄金开采的工业企业及数百家手工业生产商。

资源外流是禁令直接导火索

Doumbouya在会议上直指现行出口模式的弊端。"几内亚拥有西非第二大黄金储量，但黄金每天以原矿状态离开这个国家，在其他地方被加工、认证和出售，"他说，"我从今天起终结这一局面。几内亚将要求黄金在本国境内加工，原矿黄金将不再离开几内亚。"

这一表态揭示了禁令的核心逻辑——将黄金加工环节及其附加值留在国内，以推动本土经济发展。Doumbouya表示，禁令并非单纯的出口限制，而是配套了具体的落地方案——科纳克里已新建精炼设施，用于承接黄金的熔炼与认证工作。按照新规，所有黄金须经该设施加工成金锭后，方可进入国际市场流通。

这一安排意味着，相关工业企业和手工业生产商的出口流程将面临实质性调整，其合规成本与运营安排或将随之改变。

几内亚黄金产业规模不容忽视

几内亚是全球最大的铝土矿生产国，同时也拥有可观的黄金储量。根据世界黄金协会数据，几内亚是非洲第六大黄金生产国。

在工业开采层面，几内亚黄金公司——非洲最大黄金矿企AngloGold Ashanti旗下子公司——是主要工业开采商之一，此外还有两家半工业化企业及数百家手工业生产商活跃于市场。

据几内亚矿业和地质部数据，上述该国运营商今年一季度黄金出口总量达22142千克。

本文来自华尔街见闻，欢迎下载APP查看更多

据高盛Prime Brokerage周报，全球对冲基金净杠杆过去四周的攀升速度，是过去五年中最为急剧的几次之一，目前已达四年高点。同期，布伦特原油市场中管理基金七周累计卖出近250亿美元原油，纯空头头寸在上周创纪录扩张后触及历史新高，净多头规模已降至战前水平以下。

宏观变量在六月强势回归。伊朗核协议落地移除了一项通胀上行风险，布伦特油价随即回吐大部分地缘溢价；但美联储随即以偏鹰派的FOMC立场接替了这一不确定性来源，前端利率重新定价走高，令市场对事件驱动波动率溢价的定价面临重新校准的压力。

高盛的判断是：AI依然是客户最具共识的长期主题，资金仍持续流入全球科技板块。但六月提醒投资者——即便是最强劲的长期叙事，也无法在市场结构的真空中独立运行。当前市场正在承载更多头寸、更高杠杆，波动亦将随之扩大。

据高盛Prime Brokerage数据，全球对冲基金净杠杆在过去四周大幅攀升，目前已升至四年高点，且此次上升斜率是过去五年中最陡峭的几次之一，背后由大规模净买入活动及市值重估共同驱动。

推动这波杠杆扩张的核心叙事仍是AI：美国与亚洲的资本开支预期保持强劲，盈利预测持续上修，美国科技板块连续数周录得大量资金流入。半导体板块有望连续第二年成为全球净买入量最高的子行业，净配置规模目前已升至历史高点。

值得注意的是，资金集聚的方式正悄然生变。报告显示，美国科技股整体敞口已接近五年高点，但Mag 7（七大科技巨头）的总敞口与净敞口均跌至一年低点——投资者正在向AI生态系统的更深处轮动，尤其集中于半导体和亚洲芯片制造商，而非简单加仓超大市值股票。这一结构性转变表明，AI投资正从"买龙头"演变为对整条产业链的系统性布局。

过去七周，原油市场上演了一场"快进版"地缘风险出清。据高盛数据，管理基金在这一周期内累计卖出近250亿美元原油，纯空头头寸在上周创纪录扩张后刷新历史高点，净多头仓位已降至战前水平以下。

随着伊朗协议落地，布伦特原油回吐了绝大部分战争溢价，投资者以罕见的效率完成了对地缘风险叙事的"翻篇"，注意力迅速转回利率走势与美联储政策。

Lee Coppersmith指出，这一行为模式本身即构成一种结构性风险信号。市场对地缘溢价的快速消化，意味着一旦局势出现任何超预期逆转，重新定价所需释放的空间将相当可观。

Lee Coppersmith特别指出了系统性流动在当前市场中扮演的"放大器"角色。来自杠杆ETF的做市商Gamma敞口——尤其在韩国等市场——正在持续强化上行动能，同时也会在下跌时加速调整幅度，在价格走势表面之下形成额外的波动来源。

一项具体数据尤为突出：在大幅波动的交易日，杠杆ETF做市商的Gamma再平衡量可能超过韩国市场日均成交量的20%。这意味着系统性流动已不再只是边际变量，在特定市场和特定时点，它足以主导短期价格行为。

六月的宏观叙事经历了一次接力式切换。伊朗协议落地移除了一个通胀压力点，但美联储在FOMC会议上释放的偏鹰派信号迅速填补了这一关注真空，前端利率随之重新定价走高。Lee Coppersmith建议，市场应更审慎地重新校准事件驱动波动率溢价，非农就业数据发布日和FOMC会议日均是典型案例——宏观事件对市场的扰动能力已被重新证实。

高盛的整体判断未变：AI是当前最具信念的长期结构性主题，仍在全球范围内持续吸引资本。但在杠杆持续累积、地缘溢价迅速消散、系统性流动持续放大的背景下，即便基本面逻辑依然成立，投资者也需重新审视持仓结构，为更大的波动预留足够空间。

本文来自华尔街见闻，欢迎下载APP查看更多

花旗研究大幅上调美光科技目标价及盈利预测，认为内存市场超级周期仍在延续，价格上行动能远超此前预期。

据追风交易台，花旗在6月17日报告中，将美光科技目标价从840美元上调至1200美元，维持"买入"评级，调幅达43%。与此同时，团队将美光2026财年及2027财年每股收益预测分别上调4%和10%，其中2027财年每股收益预测为114.73美元，较市场一致预期高出约4%。

此次上调的核心逻辑在于内存价格持续超预期走强。花旗预计，受数据中心需求强劲及供给受限双重驱动，DRAM平均售价2026年全年将上涨200%，NAND平均售价同期涨幅亦达186%，价格上行趋势料延续至2027年。截至6月19日收盘，美光股价报1133美元，新目标价较现价隐含约6%的上行空间。

美光将于6月24日公布2026财年第三季度（截至5月）业绩，管理层届时对长期供货协议及供需展望的最新表态，将成为市场关注焦点。

近期季度预测同步上调，财年盈利展望大幅跃升

此次不仅调整全年预测，亦同步上调近期季度预估。报告将2026财年第三季度营收及每股收益预测上调6%，第四季度上调5%，第三季度每股收益同比涨幅从1025%上调至1092%，主要依据为更为乐观的定价预期。

按最新预测，美光2026财年核心每股收益为60.73美元，2027财年进一步跃升至114.73美元，2028财年则为117.83美元。营收层面，预测美光2026财年营收达1150亿美元，2027财年进一步增至1975亿美元。

利润率的扩张幅度尤为显著，充分反映了内存价格上涨对盈利的高度杠杆效应。花旗预计美光2026财年毛利率将从2025财年的39.8%大幅扩张至76.9%，2027财年进一步升至82.9%。

现货价格领涨，合约价格上行空间仍存

DRAM现货市场已率先反映供需紧张态势。数据显示，DRAM现货价格自今年1月初以来累计上涨52%，自4月初以来涨幅亦达22%。目前现货价格较合约价格溢价21%，花旗认为这一价差预示合约价格仍有持续上行空间。

按季度拆分，花旗预计DRAM平均售价在2026年第二至第四季度将分别环比上涨37%、13%和11%；NAND平均售价同期各季度涨幅则预计为45%、17%和6%，受强劲需求与供应增长放缓共同支撑。

供需缺口料延续至2027年，HBM成下阶段核心催化剂

花旗预计2026年全球DRAM市场供给缺口约为5%，且这一供需失衡格局将延续至2027年。报告指出，今年以来DRAM价格上涨主要集中于普通商用DRAM，而非高带宽内存（HBM），预计HBM定价明年将进一步提升，成为下一阶段价格上行的主要驱动力。

供给端方面，TrendForce预测2026年DRAM行业整体产出供给增速约为30%，美光自身产出增速预计达42%。花旗还指出，DRAM持续短缺将加速互补性NAND解决方案的采用，例如KV缓存卸载技术，这一趋势有望同时利好纯NAND标的及半导体设备股。

此外，报告特别提及Vera Rubin平台因DRAM供给有限出现降规格现象，进一步印证了当前供给瓶颈的现实压力。

估值折价反映高利润率风险，长协进展受投资者关注

尽管前景乐观，花旗将目标价设定于修正后2027日历年每股收益的10倍，显著低于美光历史三年峰值估值的17倍。这一折价主要反映当前毛利率处于高位所蕴含的均值回归风险，以及近期Vera Rubin降规格报道带来的供给不确定性。

投资者当前关注的核心议题包括：美光更新后的2026至2027年DRAM及NAND供需展望、长期供货协议（LTA）的签署进展——花旗认为戴尔已完成签约。随着美光6月24日财报的临近，管理层在上述议题上的最新表态将对市场预期产生直接影响。

本文来自华尔街见闻，欢迎下载APP查看更多

6月15日，市场监管总局约谈沃尔玛（中国）投资有限公司负责人。监管没有点名具体门店或商品，而是指向“一段时期以来监管发现和媒体曝光的山姆线下门店及线上网店多发的食品安全问题”。

山姆紧接着传出一系列高管变动。

约谈次日，去年空降的前阿里副总裁刘鹏正式接任沃尔玛中国董事长兼法人。

紧接着，山姆中国首席采购官张青因个人原因提交辞呈，6月底离任。该职位将由2013-2017年的前首席采购官Neil Maffey代理，同时启动全球范围继任者搜寻工作。

山姆中国正处在进入中国以来最快的一轮扩张周期。

行业估算，2025年，山姆中国销售额突破1400亿元，以63家门店贡献了沃尔玛中国近八成营收，并保持接近40%的增速。

2026年，山姆开业计划门店高达13家，将再度刷新自身年度开店纪录。

黑猫投诉平台上万条食安控诉、十余起公开通报罚单，与高管层的剧烈震荡、门店的高歌猛进互为注脚。

这样一套在高速扩张中被持续拉伸的体系，正在从山姆最引以为傲的地方开始承压：商品品质，以及建立在品质之上的会员信任。

扩张代价

在零售行业，规模与品质往往互为掣肘。

山姆用了将近三十年在中国慢慢积累出一套口碑，用不到三年开始大规模消耗。

2025年，山姆中国以63家门店狂揽1400亿元销售额，增速接近40%。这个数字在中国零售业里找不到第二个参照——其体量约等于两个大润发，是Costco中国的14倍。

声名在外的Costco至今还没开进北京，距离大众中产生活依然遥远时，山姆的触角已经伸向内陆，大举下沉至“山河四省”。

山姆能在中国跑出这种把对手甩在身后的绝对速度，核心筹码有两，一是积极的供应链本土化，二是即时零售化。

传统仓储会员店的运营模式依赖“低SKU、标品、大包装、高周转”，供应链只需围绕少数标准化商品做大批量采购和稳定分拨，质量极易把控。

近年来山姆“反其道而行之”，围绕中国家庭的胃，开发了大量的烘焙、短保鲜食以及Member’s Mark定制款。

短保供应链的尽头，必然是密集的本地化采购。但越本土化，供应链就越复杂。

山姆越想用这些高频鲜食黏住会员，就越要进入非标、短链、强时效的深水区。

可一旦本地供应链、冷链和人员管理跟不上，生鲜与短保商品就更容易成为食品安全争议的高发环节。

山姆在中国跑出的第二条非典型路径，是“即时零售化”。

山姆的中国版图不仅由超60家大实体店构成，更依赖一张远比门店庞大的“中心仓 + 门店 + 云仓/前置仓”三层履约网络。

其中，贴近社区的前置仓数量超过400个，至少是门店数量的6倍以上。这张履约网络不仅放大了单店辐射范围，变相提升了坪效、匹配中国消费者的即时需求，还承担了新店的选址测试功能。

带来的成效也是显著的。到2025年，山姆中国的线上销售占比已超过50%、撑起了山姆在华的半壁江山。

数百个前置仓，意味着数百个相对分散的拣货、存储、效期和配送管理单元。

温控是否到位，临期商品如何处理，拣货操作是否规范，都需要系统、人员和现场管理共同配合，管理复杂度被进一步放大。

2026年开年至今，北京、上海、杭州等多地会员反馈，在山姆“极速达”即时零售渠道买到临期食品。

有消费者称，到手商品距离保质期仅剩一天，并质疑山姆是否借极速达渠道消化临期库存。

无论这一判断是否成立，它至少说明，山姆前置仓体系中的效期管理和品质感知，正在成为会员信任的新裂缝。

如今高歌猛进的山姆，为新项目留下的磨合时间并不多。中山项目从签约到开业仅用两年；作为内陆首店的济南项目，从签约到竣工交付仅用时一年半。

数说零售案例库主创人凯文告诉华尔街见闻·全天候科技，“以前山姆做深度共创的自有品牌新品，研发和供应链打磨周期普遍要一年到一年半，有机、定制生鲜等品类甚至需要两年以上；现在部分快速迭代新品，开发节奏明显加快，三个月到半年就推出来。”

在他看来，“为高速扩张交学费”这个结论虽然粗糙，但可能是最接近答案的解释之一。门店开业周期缩短后，品控、检验、人员培训等环节都会同步承压。

选品逻辑之变

如果说扩张速度是山姆品质问题的外部压力，那么内部正在发生的事情，才是真正让这个体系开始变形的力量。

2025年初，山姆中国元老级总裁文安德离任，由沃尔玛外籍高管Jane Ewing代理执掌山姆中国。此后，山姆中国进入一段路线调整期。

10月，前阿里巴巴集团副总裁刘鹏接任山姆会员店业态总裁，成为该业态第一位中国籍总裁。

此次人员交替被外界视为山姆强化本土化、全渠道和中国零售运营能力的信号。

尽管在社交媒体场域，这位阿里系出身的高管为山姆会员的“背刺感”承担了主要责任，但高管更迭本身并不是问题的全部。

真正影响山姆商品体系的，是在这一过程中不断收紧的内部经营考核。

一名接近山姆中国人士向全天候科技透露，2025年山姆调整了内部采购考核体系，明确要汰换同质化严重、投入产出比不达标的商品。

《每日人物》此前也曾提到，山姆采购部门利润指标趋严，新品毛利率需超过20%，同时要求进货价更低、商品在市面上少见。

作为对比，Costco的综合毛利率常年控制在11%至14%之间，超过14%需要董事会批准——这是Costco对"会员利益优先"最刚性的制度保障。

山姆将新品毛利率如果瞄准20%以上，意味着它的采购逻辑已经在向普通零售商的方向移动，而不是向会员制商店的方向收敛。

这些变化很快在货架上引起了会员的注意。

2025年7月，会员发现太阳饼、米布丁、低糖蛋黄酥等高回购率的“口碑尖品”在货架上消失，好丽友、卫龙、溜溜梅、徐福记等普通商超也常见的品牌开始出现。

同一时期，被定位为山姆差异化武器的自有品牌Member's Mark也在出现变化。

消费者发现，MM有机大豆在新版包装中出现了质量等级从1级降为3级、蛋白质含量由36.4g/100g降至33.8g/100g，引发舆论对质量下滑的担忧。

风波不久之后，山姆自有品牌大米也在门店货架、电商渠道逐步消失。

凯文告诉全天候科技：“山姆的基础款大豆、大米属于标准化程度较高的品类，市面其他渠道有大量同品类替代，价格相对透明，品质感知差异并不十分明显。”

对山姆自有品牌而言，独立研发、专属供应链、严格品控，叠加生鲜和短保品类的低容错率，都会转化为更高的供应链成本。

在凯文看来，当内部采购KPI更强调毛利率和投入产出，一些价格透明度高、运输保存成本高、差异化又不足以支撑溢价的商品，就更容易被重新评估。

山姆在会员费之外，也越来越需要从商品本身获得更确定的毛利回报。这个动作本身并不难理解。

任何一家高速扩张的零售企业，都会面临商品丰富度、利润率、供应稳定性和消费者体验之间的权衡。

但真正问题在于，山姆卖的从来不只是商品，会员费背后隐含着一种双方心照不宣的信任：消费者相信山姆已经替自己筛选、把关，并找到了更优的商品答案。

与此同时，能达到山姆品控标准、又有能力共创独家新品的本土供应商本就有限。

当山姆同时追求低价、毛利、供应稳定和上新速度时，采购端转向成熟品牌几乎是自然选择。

好丽友、卫龙这类品牌供应链稳定、产能充足，质量责任边界清晰，也更容易满足采购KPI，代价同样明显：山姆用来区别于普通超市的那条线，可能就会变得模糊。

山姆急什么

中国市场的会员制零售赛道，看起来竞争激烈，但真正能威胁山姆的玩家几乎没有。

Costco中国五年仅开出7家门店，至今未进北京；盒马X会员店在2025年全面收缩，最后一家门店于8月底停止营业；大润发M会员店仍停留在长三角的区域验证阶段，距离全国复制还很远。

会员制零售的需求是真实的，但能大规模承接这个需求的，目前只有山姆一家。

但站在山姆的角度，它似乎仍然有必须冒进的理由。

在小红书、抖音上，山姆的话题热度从未真正冷却过，黄牛代购仍然活跃，毕竟需求没有得到满足，本身就是扩张最有力的理由。

凯文的判断是，山姆这轮提速并不是外部竞争倒逼，而是企业自身发展与地方招商意愿共同作用的结果。一方面，中国市场足够大，山姆有非常强烈的门店扩张需求。

另一方面，很多地方政府也在主动争取山姆落地。

据凯文了解，多地城投平台与地方国企正在主动推进山姆落地项目，"纳税好，带动就业，世界500强旗下高端零售项目进驻，带动片区商业能级提升，对地方招商和政绩考核来讲都是加分项"。

从版图上来看，山姆的卡位战已经从长三角低线城市打到了中原地区。

进入山东、河北、河南这些内陆省份，本质上是在对手尚未形成规模闭环之前，先把核心城市、强二线和前置仓网络占住。

零售战争并不局限在会员店这一个形式里。即时零售与自有品牌的消费者心智争夺，打得同样激烈。

盒马的自营矩阵、朴朴和小象等区域平台，都在加码自有品牌布局。就连同一个集团下的沃尔玛，也是在沿着这条道狂奔。

沃尔玛自有品牌"沃集鲜"从几十款SKU扩容至近千款，覆盖生鲜、食品等核心品类；陈列逻辑、爆品策略、鲜食比重，都在向山姆靠拢。

价格、流量与配送全面透明的环境下，零售商若无法通过自有品牌输出独家供给，竞争将不可避免地滑向同质化。

会员制商店与普通零售最根本的区别，在于它的收入结构里有一块来自会员费的“预付信任”。

消费者在付费那一刻，已经完成了一次选择。

只要不发生严重的信任破裂，续费惯性会保护山姆度过很多波折。

山姆扩张赌的正是这一点，供应链可以整改，品控可以修复，商品结构可以再调整，但规模一旦建立，护城河就会变得更难撼动。

只是当“严选”的承诺不断受到食品安全、临期商品和选品争议的冲击，山姆必须重新权衡扩张速度与品控底线之间的得失。

本文来自华尔街见闻，欢迎下载APP查看更多

据高盛大宗经纪业务最新数据显示，在连续四周净买入之后，对冲基金于6月12日至18日当周转为净卖出，做空盘的扩张速度全面压过多头买入，成为主导方向。

这一转变在宏观产品和个股两条战线同步显现。宏观产品（指数与ETF合计）时隔五周首度录得净卖出，空头卖出与多头买入之比高达2.4比1；个股层面则连续第二周小幅净卖出，空多比为1.1比1。从地区分布看，除发达市场亚洲外，所有主要地区均遭净卖出，以北美和欧洲的净卖出规模居首。

值得注意的是，上述仓位调整发生在市场整体表现强劲的背景之下。同期高盛股票基本面多空策略绩效估算上涨4.53%，远超MSCI全球全收益指数同期1.89%的涨幅，显示对冲基金整体仍在本轮行情中获益，但边际上已开始主动收缩风险敞口。

做空主导，宏观产品首当其冲

本周净卖出的核心驱动力来自做空盘的积极扩张，而非多头的主动减仓。

在宏观产品层面，净卖出为近一个月来首次，空头卖出与多头买入之比达3.8比1，力度明显强于整体数据所呈现的2.4比1。ETF空头方面，科技、亚太及大盘股权益类ETF的做空力度有所加大，部分被金融、医疗保健及信用类ETF的空头回补所抵消，整体变化不大。

个股方面，情况则相对分化。尽管整体录得小幅净卖出（偏离一年均值-0.2个标准差），但在全球范围内，个股实际上呈净买入状态，多头买入与空头卖出之比为1.5比1。这意味着，本周净卖出压力主要集中于指数和ETF等宏观产品，而非个股层面的全面撤退。

杠杆结构微调，净敞口维持高位

仓位结构数据显示，对冲基金在整体方向上趋于谨慎，但净敞口并未出现大幅收缩。

美国多空策略总杠杆率下降3.4个百分点至207.3%，处于一年期第4百分位，显示整体杠杆水平已压缩至历史低区间。与此同时，净杠杆率基本持平于54.5%，位于一年期第74百分位，仍处于相对较高水平，表明基金经理并未大规模削减净多头敞口。

基本面多空比率（市值口径）小幅上升1%至1.714，位于一年期第98百分位，接近历史极值，反映出基本面策略的多头持仓相对空头仍保持显著优势。综合来看，此次仓位调整更多体现为对宏观风险的边际对冲，而非系统性去风险操作。

板块分化，科技与工业遭净卖出

从行业分布来看，本周全球11个板块中有7个录得净买入，资金向金融、材料和能源集中；工业、信息技术和公用事业则成为净卖出最为集中的三个板块。

信息技术板块遭净卖出，与ETF层面科技类产品做空力度加大的方向一致，显示对冲基金对科技板块的短期态度趋于保守。金融板块获净买入，与金融类ETF空头回补的方向相互印证，资金在板块层面的轮动迹象较为明显。

在整体市场情绪尚未明确转向的背景下，对冲基金的结构性调仓或预示着短期内科技等高估值板块面临更大的获利了结压力。

本文来自华尔街见闻，欢迎下载APP查看更多

6月20日，国金证券在最新研报中指出，电容正在成为AI算力系统的“电RAM”——正如HBM是数据的缓冲，电容则是能量的缓冲。两者在系统角色、层级结构、量价驱动上高度同构。更关键的是，市场对电容需求的测算长期停留在"白区"（PSU内部），而真正的系统级增量大量发生在被忽视的"灰区"（从电网接入到机柜之间的多级降压、配电环节）。

报告强调，电容的需求弹性已彻底脱离“按GPU颗数线性外推”的旧逻辑。随着AI机柜功率向兆瓦级演进、供电架构向800V高压直流升级，电容产业正迎来“量价齐升”的重估时刻。而在供给端，受制于高端材料（铝箔、活性炭）瓶颈、高耗能环保指标限制，以及海外巨头仅10%-20%的保守扩产策略，具备上游材料高自供率和强工程能力的国产电容厂商，正迎来抢占全球份额与定价权的历史性窗口。

这意味着电容赛道的需求天花板被系统性低估，具备上游材料高自供率的国产厂商有望同时获得份额扩张与定价权提升的双重红利。

核心同构：电容不是修辞上的比喻，而是物理意义上的“电RAM”

电容与DRAM在系统角色、层级结构和量价驱动上高度同构，这决定了其需求爆发的必然性：

• 即时缓冲的同构：DRAM通过周期性“刷新”为运算提供数据缓冲；电容通过“充放电”为GPU瞬时拉载提供能量缓冲。算力越强，对“快且近”的电能缓冲依赖越深，原有方案的“欠配”将引发新一代平台的补课式需求增长。

• 层级结构的同构：DRAM拥有“寄存器-SRAM-DRAM”的缓存层级；电容则拥有一张按“时间常数”分层的阶梯网络。越靠近运算核心，响应越快、单位价值越高、技术壁垒越陡。

• 需求驱动的同构：DRAM面临“容量墙”，电容面临“功率墙”。电容需求由“GPU数量×单卡功率/价值量×系统复杂度×价格系数”复合驱动，其需求弹性显著高于GPU出货增速。

时间常数阶梯：六大电容各就各位，构筑全景缓冲网络

AI供电升级不是单一品类的放量，而是整张缓冲网络的同步加密。沿着从芯片到电网的路径，六类电容构成了严密的防线：

硅电容（亚纳秒级，封装内）： 对应“寄存器”。厚度可减薄至100㎛或更小，在最贴近Die的位置抑制最高频电压扰动，是技术壁垒最高、单位价值最密集的环节。

MLCC（纳秒级，板级）： 对应“SRAM缓存”。数量最庞大，密集分布在GPU周边，承担高频去耦。

MLPC（微秒级，板级）： 介于MLCC与大电解电容之间的中间层。在125℃高温、4000小时寿命等高端场景下，可在高容值区间替代多颗MLCC，国产厂商正迎来替代窗口。

牛角铝电解电容（微秒至毫秒级，电源模块）： 对应“DRAM主存”。AI电源高压化（从5.5kW向18.5kW演进）的直接受益者。应对高频功率波动，其容量需求至少是传统的1.5倍（如从1000微法提升至1500微法），单只价值量呈数量级跃升。

超级电容与锂离子电容（毫秒至秒级，机柜侧）： 承担备电与功率缓冲。由于电池在长期高频充放电中失效率高、衰减大，超级电容正从“选配”走向“必配”。

薄膜电容（高压直流母线）： 随着供电架构向800V HVDC和固态变压器（SST）演进，承担母线侧高压纹波吸收，是高压化架构下不可或缺的一环。

白区与灰区：市场系统性低估了真实需求

这是该份研报最具投资价值的认知差所在。

认知差的来源：当前多数需求测算更多集中在PSU内部（即"白区"）用量。市场对PSU、白区、微区、Power Rack、HVDC、SST、400V、800V等不同架构下的电容配置理解差异较大，测算口径可能相差数倍至十倍。即便在电源开发企业内部，对于AI电源功率波动如何解决，也仍在讨论之中。

灰区在哪里：沿着供电路径从电网向机柜推进，会经过电网接入、多级降压、灰区配电、局部电容箱、Power Rack等环节。随着机柜功率向兆瓦级演进、供电架构走向800V高压直流（HVDC）与固态变压器（SST），从电网接入到机柜之间的多级降压、配电、电容箱等"灰区"环节，同样需要大量电容承担稳压与缓冲。部分灰区用量此前未被完全统计，但实际已在使用。

系统级扩张的含义：把白区和灰区合起来看，AI算力带来的电容需求扩张是系统级的——既包括GPU板级与电源模块（白区加密），也包括数据中心电源、配电和冗余体系（灰区铺开）。若仅按白区口径测算，会对真实需求形成系统性低估。

量价齐升的兑现逻辑：材料约束、扩产门槛与国产替代窗口

量的逻辑：需求弹性显著高于GPU出货增速。

GPU出货保持较高年增速，单GPU功率与供电复杂度抬升带动单卡价值量提升，叠加冗余与结构系数，整体需求弹性显著高于GPU颗数增速。新一代平台（VR平台）的功耗、系统复杂度、供电稳定性要求更高，部分系统优化能力相对较弱的客户更倾向于增加电容冗余，进一步放大用量。

价的逻辑：两套体系并行。

传统铝电解电容受材料成本、电价、环保等因素推动，下半年进入涨价通道，日系大厂已相继发函调涨；AI相关高端新品则不是简单"涨价"，而是"重新定价"——客户对电压、容量、寿命和可靠性要求提升，产品规格变化，应按新产品定价。在AI服务器系统中，电容器绝对金额占整机比例很小，但对供电稳定性极其关键，客户更重视保供与可靠性而非单纯压价，这使得高端电容产品具备更强的议价能力。

约束：高端材料是真瓶颈。

AI服务器用高压、高比容电极箔（化成箔）供应偏紧；超级电容的核心瓶颈在上游活性炭材料，国产替代预计需要一定时间培育；MLPC更多卡在工艺与材料体系理解。材料瓶颈意味着"看到需求"不等于"供给能跟上"。

门槛：扩产是综合门槛。

电极箔的腐蚀、化成环节属高耗能工序，对电价与能源供给高度敏感，稳定、低成本的电力（如绿电直连）正成为前段产能落地的关键。同时，国内部分地区新建产能需要取得电容器产能指标，环保、能耗指标构成实际门槛。

窗口：海外保守扩产，国产厂商抢占份额与定价权。

日系MLCC及被动元件厂商扩产文化偏保守，扩产计划通常以10%-20%的增长为主，快速翻倍扩产难度很高。相比之下，具备上游材料高自供率、强工程建设与资本开支效率的国产厂商，在这一轮供需紧张窗口中具备更强的保供与扩产能力，从而抢占份额并获得定价权。

本文来自华尔街见闻，欢迎下载APP查看更多

6月21日，据科技媒体The Information报道，马斯克旗下的太空公司SpaceX从秘密递交招股书到正式挂牌仅历时74天，较近年大型科技IPO的平均周期压缩逾三分之一，为同样已秘密申报的OpenAI和Anthropic提供了一个清晰的时间参照。

本月早些时候，OpenAI和Anthropic相继宣布已秘密递交IPO申请文件。据The Information分析，若美国证券交易委员会（SEC）维持与审核SpaceX相近的审查节奏，两家公司的招股书最快可于7月中下旬公开披露。

按惯例，招股书公开后约需三周完成路演并正式上市，这意味着两家公司均有望在8月中旬登陆资本市场。

SpaceX的上市速度之所以成为可能，在很大程度上源于特朗普政府执政以来SEC审查风格的转变。多位IPO律师和顾问指出，当前SEC对信息披露的审查明显趋于宽松，监管机构更倾向于推动大型知名企业尽快完成上市。与此同时，SpaceX本身强劲的市场需求也缩短了投资者路演周期。

74天：打破近年大型科技IPO纪录

根据证券申报文件分析，SpaceX的IPO全程分为两个阶段。

第一阶段为秘密递交草案至招股书公开，SpaceX仅用51天。相比之下，Snowflake、Airbnb和Snap等此前大型科技IPO在这一阶段耗时70至95天不等；去年完成上市的Figma和CoreWeave各用了77天。

唯一比SpaceX更快完成SEC审查的是2021年上市的电动车制造商Rivian，但彼时Rivian尚无营收，业务描述相对简单。

第二阶段为招股书公开至正式挂牌，SpaceX仅用23天，是近年大型科技IPO中最快的纪录。

综合两个阶段，律所Latham & Watkins的数据显示，IPO全程通常需要117天。SpaceX将这一时间压缩至74天，节省了约37%。

SEC审查趋松，监管风格出现明显转变

多位资本市场律师将这一速度归因于当前SEC的监管取向。

Winston Taylor律所资本市场联席主席Mike Blankenship表示，"这届政府在SEC审查意见方面推进速度快得多"，并指出当前SEC与前任的核心差异在于：

"这届SEC真正希望推动更多资本形成，因此不会在某些信息披露上深挖细节。他们希望这些知名大公司上市。"

SpaceX的申报材料本身并不简单。公司今年2月完成了对马斯克旗下xAI的收购，使其从盈利企业转变为深度亏损状态；秘密申报三周后，SpaceX又签署了以600亿美元收购AI编程初创公司Cursor的期权协议；路演期间，公司还与Anthropic和谷歌分别签署了数十亿美元的云计算合同。

此外，公司还背负沉重债务、大量关联方交易，以及高度向马斯克倾斜的公司治理结构——这些因素在以往通常会引发监管机构和投资者的更多审查。

目前，SEC就SpaceX申报文件提出的具体问题尚未公开，相关往来函件通常在IPO完成约一个月后才会通过监管机构网站披露。

速度的商业逻辑：资金不能久等

IPO提速背后有明确的商业驱动。

资本市场律师Julian Perlmutter解释称，"你的投资者手握数十亿美元现金，随时准备投入你的IPO。你需要在他们准备好的时候完成交易。"他同时指出，时间拖得越长，持怀疑态度的人就有越多时间挑剔公司的故事。

对于OpenAI和Anthropic而言，这一逻辑同样适用。两家公司均在寻求大规模融资，若上市进程拖延，大型机构投资者可能将已备好的资金转投他处。

不过，即便技术上具备8月中旬上市的条件，两家公司也可能主动将节奏稍作推迟，以避开投资者的夏季休假期。

据报道，这一轮IPO加速也引发了部分市场观察人士的历史联想。

Blankenship表示，当前的节奏令他想起另一个时代："25年前互联网泡沫时期，那些IPO推进速度也很快。"

他所指的那段历史最终以大规模财务丑闻收场，并直接催生了2002年《萨班斯-奥克斯利法案》，大幅强化了对企业高管和董事会财务申报责任的约束。

本文来自华尔街见闻，欢迎下载APP查看更多

法国兴业银行策略师Albert Edwards在其最新周报中警告，企业信贷与居民借贷的同步激增，正将美国经济推向一个危险的临界点。据瑞银测算，过去一年美国新增信贷规模约达8000亿美元，占GDP的2.6%，美国已主导全球信贷脉冲逾半壁江山，其中相当大比例源于AI相关项目的融资需求。

与此同时，美国个人储蓄率已跌至2.6%的异常低位，消费支撑愈发脆弱。Edwards直言，无论是消费还是投资，当前均高度依赖AI"泡沫"不破这一前提。

这一判断对市场的含义不言而喻：一旦AI驱动的信贷扩张逆转，全球信贷脉冲最大引擎将骤然熄火，经济衰退风险将急剧上升。

美国接棒全球信贷扩张，AI是核心驱动力

全球信贷格局正在发生历史性重构。据瑞银数据，以12个月净新增信贷占GDP比例衡量的全球信贷脉冲，已从此前由其他经济体主导，转变为压倒性的"美国故事"——过去一年美国贡献约8000亿美元增量信贷，占全球信贷脉冲总量的一半以上。

这一轮信贷扩张的核心推手是AI资本开支。据彭博报道，美国经济正从后2008年金融危机的长期去杠杆化周期中切换出来，转向"更具债务驱动特征"的增长模式。据摩根士丹利测算，超大规模云计算企业的总杠杆率仅用两个季度便从0.9倍飙升至1.8倍，翻了一番。仅超大规模云计算企业一项，预计将在2026年带动6000亿美元的债务发行。

Edwards指出，AI相关债务的膨胀速度之快，已具备形成独立债务泡沫的特征。他援引美联储最新Z1资金流量报告中的详细数据，强调企业借贷激增的趋势已有官方数据佐证。

储蓄率跌至危险低位，消费支撑岌岌可危

Edwards在报告中着重点出一个被市场相对忽视的风险：美国居民借贷的同步激增。当前美国个人储蓄率已降至2.6%，处于历史异常低位，Edwards认为这一水平"可能难以为继"。

他以"威利狼跑出悬崖边缘、短暂悬浮于空中"的卡通形象来比喻当前美国消费者的处境——表面上仍在运转，实则已失去支撑。更令人警惕的是，衡量居民实际收入的各项核心指标均已出现同比收缩。

Edwards的逻辑链条清晰：消费者之所以能在收入下滑的背景下维持约2%的消费增速，根本原因在于股市财富效应带来的"感觉更富裕"，从而压低了储蓄意愿。然而，一旦资产价格回落，储蓄率将被迫反弹——2020年新冠冲击后储蓄率一度飙升至30%以上的历史即是前车之鉴。届时，消费将随收入同步萎缩，经济所受冲击将远超当前市场预期。

流动性从金融市场向实体经济转移，资产估值承压

Edwards还提出了一个对投资者更为直接的警示：企业与居民同步加杠杆，意味着大量流动性正从金融市场被"虹吸"至实体经济，这将对当前高企的资产估值构成威胁。

他认为，这一过程本质上是"长期停滞"主题（即储蓄长期超过投资的格局）的逆转。Edwards推测，近期贵金属与加密货币的大幅下跌，或许正是金融市场流动性趋紧的早期信号。

从宏观货币角度看，广义货币供应的快速增长还潜藏通胀压力，这为美联储的政策路径增添了额外的不确定性。

经济成败系于AI，债务效率已现隐忧

Edwards的结论与近期多方分析高度一致：当前美国经济的消费与投资，均建立在AI泡沫不破的假设之上。AI不仅绑架了股市——今年标普500指数的全部涨幅均由前十大公司贡献——更深度绑架了实体经济的信贷循环。

数据同样揭示出另一层隐忧：尽管美国已成为全球信贷扩张的主导力量，但当前需要投入大量债务才能换取单位GDP增长，信贷扩张的边际效率正在下降。这意味着，一旦投资者开始质疑AI的商业回报前景，整个债务驱动的增长逻辑将面临系统性压力。

Edwards以一句话作结："密切关注这个债台高筑的领域。"

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，摩根士丹利大宗商品策略师Amy Gower认为，油价、美联储路径与ETF资金流向，是当前决定黄金走势的三大核心变量。

她在最新研报中写道：“中东局势降温支撑黄金，但更鹰派的美联储带来挑战，尤其是ETF买盘。我们仍看到黄金上行风险，但如果ETF不重新参与，5200美元/盎司的预测更难实现。”

换句话说，全球央行买盘可以托底，但ETF才是把价格继续往上推的重要资金。没有ETF回流，黄金仍可能偏强，但通往5200美元/盎司的路会更窄。

中东降级是利好，但逻辑不是“避险”、关键在油价

很多人以为中东局势升级会推高金价，但这轮冲突里黄金的避险属性几乎没有兑现。

冲突期间，黄金没有完全扮演传统避险资产角色。原因在于，这轮冲击更偏“供给冲击”：油价上行会推高通胀预期和债券收益率，而高收益率本身会压制黄金。

冲突还带来两个具体压力：一是债券收益率上升；二是油气进口国财政和外部压力加大，部分国家出现卖金行为，土耳其被列为例子。

所以，中东局势降温对黄金未必是坏事。如果油价低于此前预期，通胀压力下降，央行被迫收紧货币政策或出售黄金的压力也会下降。这个逻辑下，“降温”反而是在移除黄金的一个阻力。

央行买盘还在，但它不能替ETF完成最后一段

官方部门需求仍是黄金最硬的支撑之一。

世界黄金协会最新央行调查显示，创纪录的45%受访者预计未来12个月黄金储备增加。这说明央行买金不是短期情绪交易，而是更偏长期配置。

这对黄金有托底意义，但不是全部答案。央行买盘可以在价格回调时提供支撑，却未必足以单独推动金价走向5200美元/盎司。要走到那个位置，还需要ETF资金重新参与。

印度需求则出现降温迹象。图表显示，印度黄金进口有所放缓，5月提高黄金进口关税以抑制购买。实物需求并非所有地区都同步增强。

真正卡住金价的是美联储：ETF看利率脸色

美联储是黄金短线最大的变量。

最新FOMC声明、经济预测和发布会被解读为偏鹰，且没有提到劳动力市场下行风险。结果是，市场对未来加息的定价上升，黄金价格走低。

这里的传导路径很直接：黄金没有票息，利率越高，持有黄金的机会成本越高；实际收益率越高，黄金吸引力越弱；美元越强，也会压制以美元计价的黄金。

央行买金对利率路径没那么敏感，但ETF资金很敏感。框架中最关键的一点是：官方部门需求可以继续存在，ETF买盘却更容易被美联储、实际收益率和美元牵动。

图表给出的关系也很清楚：黄金价格重新和美国10年期TIPS实际收益率贴近，拟合关系R²为0.7611；实际收益率仍高于2月水平；在美联储按兵不动期间，ETF已经卖出部分黄金。

加息未必压垮黄金，但5200美元需要两个条件

加息并不必然意味着黄金下跌。

历史样本显示，美联储加息后黄金表现很混合。平均来看，在25个基点加息后的1个月，黄金反而上涨0.84%。这说明市场真正交易的不是“加息”两个字，而是加息之后美元、实际收益率和风险偏好的变化。

世界黄金协会列过几次黄金在加息后上涨的例子：2006年6月，美联储在增长担忧中加息，ETF和中国实物需求支撑金价；2017年3月，加息被市场解读为相对鸽派，美元走弱；2018年12月，加息被视作政策错误，随后美联储在2019年转向降息；2022年11月，加息发生在市场脆弱、美元走弱的环境中；2023年3月，银行业压力下长端收益率大跌，市场加速交易暂停加息和未来宽松。

这也是为什么黄金仍有上行风险。美联储经济预测摘要隐含的通胀路径，可能没有完全纳入SoH重新开放带来的通胀降温力量，并高于该行经济学家的估计；该行经济学家给出的路径仍是美联储按兵不动至2026年。

但5200美元/盎司不再只是央行买盘能解决的问题。要实现这个路径，至少需要两个条件：一是油价回落真正传导到通胀和利率预期；二是ETF资金停止流出，并重新转向买入。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视新闻最新报道，作为美国与伊朗谈判的斡旋方，卡塔尔与巴基斯坦今天（ 6月22日）发布关于美伊首轮高级别委员会会议结束的联合声明。

联合声明称，根据《伊斯兰堡谅解备忘录》（美伊谅解备忘录）框架举行的首轮高级别会谈已在瑞士比尔根山落幕。伊朗、美国的代表以及斡旋方卡塔尔和巴基斯坦的代表出席了会议。会议在“积极且具有建设性”的氛围中举行。会议取得了令人鼓舞的进展，包括建立了进一步开展技术谈判的机制。

基于谅解备忘录，各方同意成立一个高级别委员会，负责为调解工作提供政治监督。首席谈判代表将定期向该委员会汇报，并牵头负责核问题、解除制裁问题以及监测与争端解决小组的工作，以确保谅解备忘录的有效执行及其他相关事务。

该高级别委员会已商定了一份路线图，旨在60天内达成最终协议，并为立即启动进一步的技术谈判奠定了基础。此外，根据谅解备忘录第五段所述期限，各方已建立了一条沟通热线，以避免发生意外事件和误判，确保商船安全通过霍尔木兹海峡。

此外，各方同意建立一个“冲突降级小组”，由斡旋方协助，在各方与黎巴嫩之间进行协调，以确保按照谅解备忘录的规定，终止在黎巴嫩的军事行动。

本周剩余时间，各方将继续在比尔根山就所有议题展开技术谈判。斡旋方将继续竭尽全力，确保谈判持续在建设性氛围中进行，以期达成最终协议。

伊朗外交部发言人巴加埃说，伊朗和美国经过18小时谈判达成了协议文件。“谈判团队的工作到此结束。”

图：卡塔尔与巴基斯坦在社交平台上发布的联合声明

伊朗外交部长：结束黎巴嫩冲突取得“重大进展”

联合声明发布后，伊朗外交部长阿拉格齐随即转发并在社交媒体上发文说，在巴基斯坦和卡塔尔斡旋下，结束黎巴嫩冲突取得“重大进展”。

伊朗“石油和石化产品出口获得豁免，封锁被解除，部分资产被解冻，并启动了一项重大的伊朗重建和发展计划”。

此次会谈并非全程顺畅。

据央视新闻报道，谈判开场即现紧张气氛。伊朗代表团明确拒绝与美方合影，相关仪式在伊方缺席的情况下进行，伊朗代表团随后才进入会场。

谈判进行约80分钟后，伊朗代表团突然暂停会谈、抗议离席。直接导火索是特朗普在谈判期间公开发出的军事威胁——他在社交媒体上发文称，若伊朗不立即停止在黎巴嫩的“代理人”行动，美国将“再次对伊朗发起猛烈打击，而且会更猛烈”。

伊朗代表团负责人、议会议长加利巴夫随即回应：“我们的武装部队已准备好以不同的方式回应。”据报道，伊朗方面提出，除非特朗普就威胁言论道歉且以色列军队撤出黎巴嫩南部，否则不会重返谈判桌。

特朗普同期还接受福克斯新闻采访，称若美伊无法达成协议，美国将成为霍尔木兹海峡的“守护者”并收取中东地区20%的石油收益，并表示“如果有必要，我们可能会接管霍尔木兹海峡”。

伊朗外交部发言人巴加埃事后描述了当天的谈判经过：“从某种意义上讲，我们今天过得很漫长。会谈从周日早上开始。在四方会谈期间，美国发表了威胁性声明，导致伊朗宣布在这种情况下不愿继续举行四方会谈。”

这意味着，在某一阶段，伊朗拒绝与美国同处一室继续谈判。最终，卡塔尔和巴基斯坦以“穿梭外交”方式维持了谈判进程——两国斡旋方在双方之间来回传递信息，推动谈判继续推进。巴加埃表示，伊朗不会以四方会谈的形式继续进行谈判。

尽管如此，巴加埃最终仍表示：“谈判团队的工作到此结束。”各技术小组将继续就有效实施谅解备忘录所需解决的问题开展工作。

本文来自华尔街见闻，欢迎下载APP查看更多

中国人民银行授权全国银行间同业拆借中心公布显示，2026年6月22日贷款市场报价利率（LPR）为：1年期LPR为3.0%，5年期以上LPR为3.5%。以上LPR在下一次发布LPR之前有效。

作为主要政策利率的7天期逆回购利率自2025年5月下调后已经连续13个月保持不变，因此，LPR报价的定价基础本月未发生改变。LPR上一次调整是在2025年5月，1年期和5年期以上LPR均下调10个基点。

在近日的2026陆家嘴论坛上，中国人民银行行长潘功胜提到，为进一步推动货币政策框架向价格型转型，增强短端利率调控的精准性和有效性，将对利率调控机制进行进一步探索和优化：

一方面，在2024年7月设立临时隔夜正/逆回购工具的基础上，完善工具使用机制，并将操作利率调整为7天期逆回购操作利率加、减25个基点，区间由70个基点收窄为50个基点；另一方面，进一步丰富公开市场操作工具箱，适时增加隔夜逆回购操作品种，更好地匹配银行体系短期的流动性需求。

从定价基础看，央行7天期逆回购利率自2025年5月下调至1.40%后一直未变，中期借贷便利（MLF）利率亦同步维稳，LPR缺乏下行的直接政策驱动。其次，银行息差承压明显，2026年一季度末商业银行净息差已降至1.40%的历史低位，银行主动压缩报价加点、下调LPR的动力不足。

银河证券认为，当前资金面由超宽松收紧可能已在尾声，后续再度大幅收紧的概率下降，中长期流动性充裕的大环境不会改变，且央行宣布收窄隔夜利率走廊等操作也在维稳当前资金利率运行，流动性投放也更加灵活精准，因此后续央行进一步的动作和信号仍值得重点关注。

尽管当前LPR维持稳定，但市场普遍认为，5年期以上LPR仍是下半年主要调降焦点。分析指出，稳地产仍是宏观政策重要着力点，若楼市销售与价格修复仍显乏力，不排除通过下调5年期以上LPR进一步降低居民房贷利率、减轻存量债务压力、提振购房信心。

本文来自华尔街见闻，欢迎下载APP查看更多

6月22日，韩国海关发布数据显示，6月前20天出口同比增长49.7%（工作日调整后），延续了5月同期52.6%增幅的强劲势头。

若不做工作日调整，原始口径下出口增幅达60.4%，进口增长23.2%，当月贸易顺差录得175亿美元。

驱动这一切的，还是芯片。

半导体出口同比暴涨188.4%，电脑相关产品出口更是飙升293.3%。背后逻辑很直接：全球科技巨头正在疯狂砸钱建AI数据中心，而韩国是全球最重要的存储芯片供应地，这波AI军备竞赛直接喂饱了韩国的出口账单。

韩国出口已连续12个月实现同比正增长，半导体在几乎每个统计周期内都是最主要的拉动项。

从出口目的地来看，需求是全球性的。对中国大陆出口同比增长近87%，对中国台湾增幅高达103.6%，对越南增长75.5%，对美国增长近54%。

中国台湾和越南的高增速，与半导体、显示屏及石油产品的出货量大幅攀升直接相关——这两个地方是全球芯片封测和电子制造的重要节点，韩国芯片卖给台积电、卖给越南电子厂，最终流向全球消费者。

芯片繁荣的烦恼：韩国央行开始头疼了

出口数据亮眼，但韩国央行已经不那么轻松了。

韩国央行行长辛昌焕（Shin Hyun Song）上周在新闻发布会上表示，芯片繁荣正在让通胀前景变得复杂。他的逻辑是：三星、SK海力士等科技大厂正在发放创纪录的年终奖金，这笔钱一旦流入消费市场，可能推动全面工资上涨和居民消费支出扩张。

他同时指出，"芯片扩张的好处正越来越多地通过更强劲的企业盈利、消费和投资渗透到整体经济中。"

问题是，这种渗透在带来增长的同时，也带来了通胀压力。5月韩国消费者价格指数（CPI）同比上涨3.1%，创两年多来最快涨速，进一步巩固了央行的鹰派立场。

油价上涨、韩元走弱、经济活动韧性强——三重因素叠加，韩国央行近几个月已明显转向偏紧。

芯片出口撑住了韩国经济增长，提振了税收，也支撑了资产价格。但当繁荣开始向工资和物价蔓延，货币政策的操作空间就变窄了。

本文来自华尔街见闻，欢迎下载APP查看更多

6月21日，据英国金融时报报道，斯塔默的盟友预计他将同意以"有序"方式移交权力，最快可能于周一宣布离任安排。就在局势急剧恶化之际，美国总统特朗普周日在其社交媒体平台Truth Social上率先"预告"了这一结局：

"基尔·斯塔默将辞去英国首相一职，他在两件极重要的事上彻底失败——移民问题和能源问题（开放北海石油！）。祝他一切顺利！总统DJT。"

与此同时，据环球时报报道，路透社援引英国《观察家报》消息称，斯塔默最早或于当地时间22日宣布辞职并公布卸任时间表，但一名政府知情人士表示，斯塔默目前仍专注于履职施政。

此次政治危机的直接导火索，是大曼彻斯特市长安迪·伯纳姆于上周五凌晨赢得马克菲尔德选区下院议员补选，由此获得正式挑战斯塔默党首之位的资格。

据报道，伯纳姆被工党议员普遍视为比斯塔默更具亲和力、更受选民欢迎的政治人物，工党内部对其接任首相一职期待颇高。若斯塔默去职，英国将在十余年间迎来第七位首相，创近两百年来首相更迭最频繁纪录。

内阁集体倒戈，斯塔默陷入四面楚歌

据报道，斯塔默在伯纳姆胜选后度过了煎熬的72小时，期间与多名内阁大臣、友人及妻子Victoria反复磋商。

外交大臣Yvette Cooper已加入内政大臣Shabana Mahmood、能源大臣Ed Miliband等人的行列，敦促斯塔默尽快确定离任日期。

报道称，据知情人士透露，首席党鞭Jonathan Reynolds警告斯塔默，工党议员的支持正在迅速流失；苏格兰事务大臣Douglas Alexander亦明确告知首相应当辞职。

多名内阁成员表示，若斯塔默在周二内阁会议前仍未宣布去留，将面临大规模集体辞职的风险。

一名内阁大臣直言："如果他到时候还没说要走，就看看谁还会出现在那张桌子旁。"交通大臣Heidi Alexander是上周五最早公开要求斯塔默辞职的内阁成员。

据环球时报消息，英国外交大臣库珀已于本周末私下要求斯塔默辞职。一名大臣告诉《独立报》，自己心里踏实了，"长久的政局动荡总算快要结束"；另有大臣称，眼下只是"暴风雨前的短暂平静"。

斯塔默立场摇摆，唐宁街坚称尚未最终决定

尽管倒逼压力持续升温，唐宁街方面仍重申斯塔默上周五的表态——他"不会一走了之"。

据报道，斯塔默的亲密盟友、商务大臣Peter Kyle周日在接受天空新闻采访时，拒绝明确表态斯塔默是否会兑现坚守职位的承诺，也拒绝透露自己是否曾劝说首相留任。

Kyle表示，斯塔默正在思考"在这样的时刻，以国家为先意味着什么"，并补充道："我不会就未来几天的走向作出任何表态。"斯塔默的前政治主任Luke Sullivan表示：

"我预计他将在未来24小时内宣布辞职意向，因为一如他整个职业生涯所展现的，他始终做他认为正确的事。这对他个人而言是极为沉痛的时刻，但他已倾听了各方声音，他的处境已难以为继。"

伯纳姆接班路线图浮现，斯特里廷或换取财长职位

据英国金融时报，伯纳姆将于周一前往威斯敏斯特就任议员，工党议员普遍期待他在数周内入主唐宁街10号。伯纳姆本人已提议斯塔默留任一段时间，以确保权力平稳过渡。

据环球时报，《独立报》称，伯纳姆的幕僚正暗中谋划，力求实现权力顺利交接，而非举行公开竞选。前卫生大臣韦斯·斯特里廷表示愿意参选挑战斯塔默，但其部分支持者认为，他最终将与伯纳姆达成协议、退出竞争，以换取内阁要职。

一名斯特里廷幕僚证实，相关斡旋正在推进："外界提议只要他放弃参选，就能出任财政大臣。"

另外，据报道，部分内阁成员倾向于让斯塔默继续执政至夏季，待九月工党年会在利物浦召开时再正式确立新领袖，届时伯纳姆也有充裕时间组建团队、完善施政方案。

按此安排，斯塔默还将主持7月22日在布鲁塞尔举行的英欧峰会，为其政治遗产增添一笔——在英国脱欧十周年之际，推动英国重回与欧盟更紧密合作的轨道。

民意崩塌与党内反叛，斯塔默执政两年走向终局

据环球时报，路透社称，斯塔默于2024年带领工党以压倒性优势赢得大选，但此后政府接连爆出丑闻、多次大幅调整政策，大量选民认为他无法兑现改善民众生活水平的竞选承诺，民意支持率一落千丈。

工党在英格兰地方选举中失去数百个议会席位，在威尔士失去长期阵地，在苏格兰亦落后于政治对手。

工党共有403名议员，其中逾100人已公开呼吁斯塔默辞职，占议会党团约四分之一。值得注意的是，163名担任政府职务的议员若公开逼宫须先行辞职，但据报道，其中许多人私下同样希望斯塔默离任。

据环球时报，路透社称，倘若斯塔默去职，英国将在十余年间迎来第七位首相，这是近两百年来首相更迭最频繁的时期，折射出民众对历届政府长期积累的深层不满。

本文来自华尔街见闻，欢迎下载APP查看更多

尽管美国副总统万斯一度表示谈判已取得“巨大进展”，但据新华社等媒体报道，由于美国总统特朗普在此期间发出严厉的军事与经济威胁，伊朗代表团在首轮会谈仅80分钟后便抗议离席，导致这场由多国斡旋的谈判被迫中止。

特朗普当天在社交媒体上发出的威胁——若伊朗不立即停止在黎巴嫩的"代理人"行动，美国将"再次对伊朗发起猛烈打击，而且会更猛烈"。伊朗代表团负责人、议会议长Mohammad Bagher Ghalibaf随即在社交媒体回应称，"我们的武装部队已准备好以不同的方式回应"。媒体报道称，除非特朗普就威胁言论道歉且以色列军队撤出黎巴嫩南部，否则伊朗代表团不会重返谈判桌。

谈判僵局迅速传导至市场。亚洲交易时段开盘，布伦特原油上涨1.5%至每桶81.80美元，西德克萨斯中质原油上涨1.2%至77.54美元；追踪标普500指数的期货下跌0.5%，纳斯达克100期货下跌0.4%。

首轮会谈：拒绝合影，核议题缺席

据央视新闻，本轮谈判是美伊签署谅解备忘录后的首次正式会谈，由美国副总统万斯率团，伊朗外长Abbas Araghchi及Ghalibaf出席，巴基斯坦与卡塔尔担任调解方。

谈判开场即现紧张气氛。据央视记者获悉，一名接近伊朗谈判团队的消息人士透露，美方及会议组织方原计划安排双方握手合影，但伊朗代表团明确拒绝，相关仪式在伊方缺席的情况下进行，伊朗代表团随后才进入会场。另据媒体报道，伊朗外长Araghchi仅短暂走入会场与巴基斯坦官员寒暄后即离开，Ghalibaf率领的谈判团队在媒体退场约15分钟后方才入席。

在议题设置上，据央视新闻援引伊朗方面消息，首轮80分钟会谈并未涉及伊朗核计划，重点集中于落实谅解备忘录第13条，并优先处理黎巴嫩相关议题。此前，本轮谈判原定于上周五举行，并以核问题为主要议题，但因以色列持续空袭黎巴嫩，德黑兰拒绝派团而被迫推迟。

黎巴嫩战事：谈判最大变数

以色列在黎巴嫩的持续军事行动是本轮谈判的核心障碍。

据新华社报道，以军总参谋长扎米尔于21日在黎巴嫩南部与指挥官会面时明确表示，以军在黎巴嫩的军事行动"仍在继续"，并称以军"正在多线作战"，持续打击黎巴嫩真主党武装，同时承认部分部队遭受"重大损失"。以色列总理内塔尼亚胡此前重申，以军将"只要有必要"驻留黎巴嫩南部。

伊朗革命卫队上周六曾宣布因以色列与真主党持续交火而重新关闭霍尔木兹海峡。经卡塔尔和巴基斯坦紧急斡旋，伊朗最终同意赴会。卡塔尔官员曾警告伊朗，若拒绝派团，等同于将战争的"否决权"拱手相让给内塔尼亚胡。

特朗普强硬表态：威胁接管霍尔木兹海峡

特朗普在谈判期间的强硬表态进一步加剧了局势的不确定性。

据新华社报道，特朗普21日接受福克斯新闻采访时称，若美伊无法达成协议，美国将成为霍尔木兹海峡的"守护者"并收取中东地区20%的石油收益，并表示"如果有必要，我们可能会接管霍尔木兹海峡"。他还透露，已于20日晚致电伊朗方面，警告称"你们要是关闭它，你们就不会再拥有一个国家"。

特朗普同时强调，美伊谅解备忘录仅是停火延期安排，并非最终协议，若伊朗在谈判桌上不作出严肃承诺，他将保留多种选项。针对伊朗总统佩泽希齐扬有关不放弃铀浓缩权利的表态，特朗普回应称"他最好注意自己的言辞"。

霍尔木兹海峡约承载全球五分之一的石油和天然气过境运输。媒体指出，特朗普将重开海峡列为优先目标，部分原因在于能源价格上涨已推高美国国内油价，而今年11月的中期选举临近。

谈判前景：核议题悬而未决

尽管局势紧张，万斯在谈判期间仍将此次会谈定性为"历史性"，并表示"我们已经在过去几个小时内取得了重大进展"。

然而，核议题的复杂性决定了谈判将是一场持久战。据媒体报道，伊朗目前储存有逾9000公斤浓缩铀，其中包括440公斤接近武器级别的材料。谅解备忘录规定双方将就浓缩铀的处置方式达成"共同认可"的机制，但具体谈判预计将持续数周。

新华社记者在现场观察到，谈判时间已超出原定日程，伊朗代表团是否重返谈判桌仍存在不确定性。

本文来自华尔街见闻，欢迎下载APP查看更多

在最新一期Flow Show报告中，Hartnett以三个"V"——胜利（Victory）、选票（Votes）、债券义警（Vigilantes）——概括当前市场格局，并指出共和党若在11月参议院选举中失利，将触发"美元下跌、美债收益率下跌、股市下跌"的三杀局面。

与此同时，他警告称，美国经济和股市的命运在很大程度上已落入伊朗之手——油价能否大幅下跌，将决定通胀能否回落至3%以下，进而左右美联储的政策路径。

尽管市场目前对上述风险信号无动于衷——美股在三年来最高CPI数据和美联储鹰派立场面前接连创出历史新高——但Hartnett的美银牛熊指标已从8.9升至9.2，进一步深入"卖出"区间，延续自2026年5月触发的卖出信号。

AI泡沫高度集中，历史先例敲响警钟

Hartnett指出，AI相关股票目前占标普500指数权重已达39%，触及泡沫集中度的历史天花板，这一水平可与19世纪80年代铁路股的极端集中相提并论。

他援引2000年科技泡沫的历史规律强调，集中并不等于轮动。从1998年10月低点到2000年3月高点，只有科技股跑赢标普500；而在泡沫破裂前的最后六个月，也只有科技和电信板块维持正收益。当前市场的结构与彼时高度相似，且资本错配的规模已远超1999至2000年。

Hartnett同时提示，自美联储主席Warsh于1月30日获提名以来，美国收益率曲线出现大幅熊市平坦化，2年期与10年期利差从75个基点压缩至25个基点。他指出，CPI增速高于失业率的情形历史上极为罕见，但每次出现均与收益率曲线倒挂同步，而后者历来是可靠的衰退信号。

中期选举成关键变量，特朗普支持率牵动市场神经

Hartnett将11月中期选举列为当前最重要的政治风险节点。他表示，随着伊朗局势告一段落，此前拖累特朗普经济与通胀支持率的压力有望缓解，但若共和党在参议院选举中失利，市场将面临系统性冲击。

他援引自己的经典判断："繁荣与泡沫，终结于选民与债券义警。"即便泡沫不会立即破裂，Hartnett也认为，若特朗普支持率在9月前未能出现明显反弹，多头情绪将开始动摇。

目前，华尔街的“认可度”处于历史高位，美国家庭股票财富年内已增加6万亿美元，市场情绪极度乐观。然而，美银牛熊指标显示的"极度看多"定位，历史上往往是反向信号——自2002年以来，该指标共触发17次卖出信号，全球股市在此后2至3个月内平均下跌2%至3%，命中率约60%，最大回撤幅度达15%至20%。

资金仍在疯狂涌入，但卖出信号持续深化

尽管风险警示不断，资金流向数据显示投资者仍在大举加仓。据EPFR最新周度数据，美国股票单周净流入达创纪录的1192亿美元，按年化计算，2026年美股流入规模有望达到历史最高的7390亿美元；科技股单周流入亦创纪录的192亿美元，年化流入规模达1540亿美元。美国中盘股和小盘股同样录得历史级别的单周流入，分别为199亿美元和123亿美元。与此形成对比的是，欧洲股票连续第10周录得资金外流。

Hartnett的核心判断是，从通胀繁荣走向滞胀衰退的熊市路径几乎已成定局，唯一能够打断这一进程的变量，是油价大幅下跌能否将CPI压回3%以下。而这一变量的关键，正是伊朗局势的走向。他在7月29日美联储会议前维持"逢高减仓"建议，等待更紧的金融条件最终到来。

本文来自华尔街见闻，欢迎下载APP查看更多

6月22日，Academy Securities策略师Peter Tchir指出，特朗普当前民调支持率处于低位，而伊朗局势趋于缓和后，其注意力料将迅速转向国内经济议题。

特朗普近期已在社交平台“真实社交（Truth Social）”上发文，将苹果公司与英特尔挂钩，被外界视为一种典型的"总统背书式拉升"操作。Tchir认为，在距250周年国庆仅剩两周的窗口期内，类似的政策表态和市场喊话或将成为常态。

与此同时，利率环境也出现积极变化。新任美联储主席沃什在首次FOMC会议上的表现超出预期，有效压缩了长端利率的尾部风险，债市波动率指标MOVE指数随之回落至伊朗局势升温前的水平。

Academy Securities已将利率立场从看空调整为中性。多重因素叠加，为特朗普在国庆节前"点燃市场烟花"提供了相对有利的宏观背景。

民调承压，特朗普有强烈动机提振市场

根据Real Clear Politics的综合民调数据，特朗普当前支持率接近或处于其执政以来的低点。Tchir指出，这一背景至关重要——特朗普向来热衷于"赢"，且偏好以宏大、显眼的方式展示胜利。

建国250周年是真实的历史节点，具有高度象征意义。Academy Securities分析指出，特朗普具有强烈的“求胜”动机，且极度重视此次250周年国庆的政治遗产。

为了呈现一场“盛大且完美”的庆典，白宫有极高的意愿在短期内动用一切可用资源来粉饰经济数据。

在接下来的两周内，总统料将通过密集的公开表态来提振市场情绪，其核心诉求是推动美国股市在独立日期间创下历史新高，从而直接带动其民调数据的回升。

在伊朗问题上，美伊双方签署了一份谅解备忘录（MOU），但Tchir将其定性为"脆弱的停火"或"创可贴式方案"——其主要作用在于维持石油供应稳定，同时为各方争取时间评估局势。

随着这一地缘风险阶段性降温，特朗普的政策重心预计将明显向国内经济倾斜。

英特尔成为"总统背书"的样本

Tchir特别点名英特尔，将其视为理解特朗普市场操作逻辑的典型案例。他此前在ProSec 2026报告中曾专门就英特尔撰写整段分析，核心逻辑是：

"很难想象政府不会设法保护纳税人在这家公司的投资。"

上周四，特朗普在Truth Social发文，将苹果公司与英特尔的合作联系在一起。尽管两家公司均未正式确认相关细节，但这一举动被Tchir解读为一个信号：在国庆节前的关键窗口，总统可能会持续通过类似方式为特定公司或行业"站台"。

此外，全球范围内的保护与安全（ProSec）产业趋势正在加速，欧洲和加拿大正逐步向该方向靠拢，相关领域的企业有望获得来自华盛顿的进一步政策倾斜。

Warsh首秀压缩利率尾部风险，立场转中性

利率层面，Academy Securities已将此前的看空立场调整为中性，这一转变的直接触发因素是新任美联储主席Warsh的首次FOMC会议表现。

Tchir认为，Warsh在会议上处理得当：一方面明确将通胀责任归咎于美联储此前的政策决定，措辞偏鹰，有效稳住了长端收益率；另一方面宣布成立多个工作组，其中"数据来源工作组"尤其受到Tchir关注。

Tchir长期以来对美国官方经济数据的质量持批评态度，认为非农就业数据依赖调查问卷、失业率计算所用的家庭调查误差过大、CPI中的"业主等价租金"存在严重滞后等问题，均导致"垃圾进、垃圾出"的决策困境。

他认为，沃什推动数据改革的方向是正确的，但短期内难以快速落地。

债市波动率方面，MOVE指数在上周四大幅下滑，回落至伊朗局势升温前的水平。Tchir认为，这一下跌主要应归因于Warsh的表态，而非伊朗MOU的签署。

综合来看，Tchir的核心判断是：利率前景较过去数月明显改善，地缘风险阶段性降温，而特朗普在250周年国庆前有强烈的政治动机推动股市走高。Tchir写道：

"我认为总统在未来几天将会发表一系列声明和表态，他几乎可以确定希望在庆祝美国建国250周年之际，股市处于历史高位，民调数字也能更好看。"

本文来自华尔街见闻，欢迎下载APP查看更多

美联储新主席沃什于上周三主持了其任内首次联邦公开市场委员会（FOMC）会议。会议维持利率不变，但随附声明经过大幅精简，删除了一项长期存在的关键信号——即美联储对未来数月货币政策方向（偏向宽松还是收紧）的倾向性表态。与此同时，沃什本人拒绝提交自己的"点阵图"利率预测，尽管其余18位官员均照常提交。

据英国《金融时报》最新报道，这一举动被市场解读为：美联储正在主动收窄与投资者的沟通边界。

沃什本人承认，这对金融市场而言是"需要消化的大量变化"，但同时暗示不会回头。他宣布将成立专项工作组，研究进一步调整前瞻指引的方案，包括可能完全废除点阵图。

“透明度下降，猜测就会上升”

主要机构投资者对此反应直接，且普遍偏负面。

摩根大通资管首席投资官、全球固定收益货币及大宗商品团队负责人Bob Michele表示："我不喜欢这个方向，因为我看不到透明度降低有什么好处。"

他进一步说："透明度减少，意味着更多猜测、更多不确定性、更多波动、更多风险溢价、更多事件风险。"

法国巴黎银行策略与经济主管Calvin Tse的判断与此一致："市场现在更容易受到意外冲击……应该同时为加息和更高波动率定价更多风险溢价。"

Pimco经济学家Tiffany Wilding则预计，工作组将带来"显著变化"，包括"减少新闻发布会、减少规范性沟通、更愿意给债市制造意外，以及最终更高的利率波动率"。

债市已在反应：收益率攀升

债市的走势印证了上述担忧。

10年期美债收益率自伊朗战争爆发以来已累计上涨约50个基点，市场对通胀和利率走高的预期持续升温。对货币政策最为敏感的2年期美债收益率，本周已升至4.22%，为逾一年来最高水平。

部分投资者认为，随着美联储新沟通框架逐步落地，收益率仍有进一步上行空间。

点阵图的历史：从危机工具到争议焦点

点阵图并非美联储的传统工具。它由前主席Ben Bernanke于2012年引入，初衷是在利率接近零的后金融危机时代，向市场传递"低利率将维持较长时间"的信号，以此影响长端利率、刺激经济。

但随着利率回归正常水平，点阵图的必要性开始受到质疑。沃什此前曾公开表示，点阵图和其他形式的前瞻指引会让美联储"死守预测、在政策失误上越陷越深"。本周三，他进一步指出，市场对央行指引的依赖已形成"回音壁效应"——价格反映的是美联储的观点，而非投资者自己的判断。

也有人认为：波动本身就是工具

并非所有人都认为这是坏事。

Capital Group投资组合经理Pramod Atluri承认，沃什的调整会推高市场波动率和借贷成本，但他认为这对美联储本身可能是有益的："如果你给市场制造太多确定性，你就消除了波动，反而鼓励了冒险、投机和加杠杆。"

更高的债券收益率和更贵的杠杆成本，会收紧企业和个人的融资条件，最终可能起到压制通胀的效果。

贝莱德全球固定收益首席投资官Rick Rieder则认为，央行与市场之间应存在"不对称性"——即权力的不平衡。"当你在宽松货币政策时，你需要惊喜的艺术，你需要动物精神被激活，"他说。

对冲基金：波动越大，机会越多

在这场争论中，宏观对冲基金是少数明确表示欢迎的群体。

据英国《金融时报》报道，在纽约近期举行的一场晚宴上，多位宏观基金投资组合经理出席，大多数人认为沃什的新沟通风格将推高市场波动率，而这对他们的交易有利。

管理210亿美元资产的宏观对冲基金Graham Capital首席经济学家Kelly Tropin Whitridge表示："这看起来像是一个将大幅减少市场管理的美联储，这可能意味着结构性更高的波动率。"

她补充说："人们当然一直在交易短端利率，这是我们工作的重要组成部分。但现在它可能会成为更大的关注焦点。"

逻辑很简单：当利率变动不再被提前"剧透"，谁能更准确地预判美联储下一步，谁就能获得超额收益。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

上周五：

• 以黎局势挑动市场神经。美股休市。以色列停火消息后，美股期货收窄多数跌幅，泛欧股指曾转涨，矿业板块跌超2%领跌欧股；美元指数刷新日低、跌离一年高位；布油跌超1%；金银收窄多数跌幅，盘中曾跌超2%的现货黄金一度跌不足0.7%。以再袭真主党后，布油一度转涨超1%、全天艰难反弹，全周仍跌近8%。
• 日元终结五连跌、暂别近两年低位。离岸人民币盘中逼近6.80至四周新低。
• 英国政局担忧加剧，英债领跌欧债。
• 亚洲时段，美伊瑞士会谈生变，韩股收跌0.1%，印度IT股大跌，纳指期货跌1%，美元指数站上101关口。

周一亚太盘初，特朗普威胁伊朗影响美伊谈判进程，国际原油高开，布油和美油均涨超2%。

要闻

中国

网友提问“中国大模型何时达到Fable级别？”，马斯克“可能明年Q1”，智谱CEO唐杰“不需要那么久”。

深交所史上最大规模IPO来了，华润新能源周一开始申购，IPO募资约245亿元。

鸿海董事长：每1GW Vera Rubin数据中心，资本开支高达470亿美元，每年电力成本13亿美元。

海外

伊朗军方周六宣布关闭霍尔木兹海峡、回应敌人“背信弃义”，伊方后称若以继续在黎军事行动，海峡不会重开；美军称未观察到关闭海峡。

周日特朗普称，若无法达成协议，美可能接管霍尔木兹海峡、收通行费；伊朗若不停止在黎“代理人”行动，美将发起更猛烈打击。伊媒称伊朗代表因抗议特朗普威胁离开谈判会场，美媒：伊方谈判人员仍在与美接触；伊朗消息人士称谈判仍暂停。

日元跌至161，近40年低位，日本财相重申“将采取大胆行动”。

伯纳姆在英国议会补选大胜、接班首相概率升破90%，内阁大臣被曝要求斯塔默定下台时间；英媒称首相斯塔默或周一宣布辞职。

GPT-5.6或将本周问世：从“模型”迈向“可执行Agent”，定价或仅为竞品1/3。

特朗普紧盯AI：一周前视Anthropic为“国家安全威胁”，现仍不排除必要时干预。

谷歌微软联手推新协议，传统科技巨头借标准战围堵Anthropic和OpenAI。

陈立武接手英特尔后首次播客访谈：我们的目标是“5-10年10倍”，押注先进封装、玻璃基板和人工钻石。

市场收报

股市：A股和美股休市。欧洲STOXX 600指数收跌0.24%，报635.61点，全周累涨0.38%。

债市：美债休市。到债市尾盘，英国10年期基准国债收益率约为4.84%，日内升约9个基点，全周累计升约1个基点；德国10年期基准国债收益率约为2.98%，日内升6个基点，全周累计降约1个基点。

商品：布伦特8月原油期货收涨0.9%，报80.57美元/桶，全周累跌7.74%。周五尾盘，现货黄金报4155.71美元，日内跌约1.3%，全周累跌约1.5%。LME期铜收跌0.7%，报13595美元/吨，全周累跌0.75%。LME期铝收涨近0.3%，报3396美元/吨，全周累跌3.93%。

要闻详情

全球重磅

中国

网友提问“中国大模型何时达到Fable级别？”，马斯克“可能明年Q1”，智谱CEO唐杰“不需要那么久”。智谱AI发布GLM-5.2后，研究员Teortaxes判断中国模型追赶上Fable级别模型需7个月。GLM-5.2在FrontierSWE基准上得74.4分，仅落后Opus 4.8约1个百分点。国产开源模型凭借性能、成本与自主可控优势，正重塑全球AI竞争格局。

深交所史上最大规模IPO来了。华润新能源周一开始申购，IPO募资约245亿元，发行股份21.07亿股，将超越金龙鱼、成为深交所史上最大规模IPO。华润新能源是中国华润旗下核心新能源平台，并网装机容量逾4158万千瓦。顶格申购需配深市市值632万元，预计中签率较高。同日，轨道交通"小巨人"企业益坤电气在北交所申购。

鸿海董事长：每1GW Vera Rubin数据中心，资本开支高达470亿美元，每年电力成本13亿美元。建立1GW以Vera Rubin为核心的AIDC，所需机柜数量约为3557座，单一座Vera Rubin机柜售价即达910万美元，硬件折旧费用更是电力成本的六倍，意味着年度折旧负担约达78亿美元。他预计2030年全球算力将新增106GW电力需求。

海外

6月19日周五：

• 以色列被曝与黎真主党达成停火，伊朗证实推迟与美谈判，特朗普施压“耗完60天”，白宫放风准备尽早启程谈判。美媒称停火生效后一小时内双方各有袭击动作；黎媒称以方“同意停火”后空袭黎南部。伊外交部指美对黎局势负直接责任，称正讨论未来几天举行谈判的计划。特朗普称，谈判源于伊朗、而非美方走投无路，他可阻止以袭黎，因为以方“会照我说的做”。
• 伊朗否认霍尔木兹关闭，暂免通行费但未来或加收保险费，美军称20余船已通过海峡。伊朗管理霍尔木兹海峡的机构称，美伊谈判60天内免除海峡通行费；自周五起，所有经过海峡船舶必须至少提前48小时向伊方提交过境申请；所有通过海峡船只必须办理一项强制性保险，该保险目前免费，未来可能收费。
• 瑞士发布声明称原定周五美伊会谈推迟。周四，伊朗据称因以军持续袭击黎推迟赴瑞士谈判，万斯指责以色列：醒醒认清现实，不可能通过杀戮解决所有国家安全问题。

20日周六：

• 美伊谈判在即，伊朗军方宣布关闭霍尔木兹海峡。伊朗军方称，决定关闭海峡是对敌人“背信弃义”行为的回应。但美军称，霍尔木兹海峡当天的通行“安全无阻”。双方代表团赴瑞士展开技术谈判，伊朗警告若美方未能履行承诺、约束以色列，伊美谅解备忘录将面临破裂风险。美军称暂未观察到伊朗关闭霍尔木兹海峡。

21日周日：

• 伊媒称霍尔木兹海峡仍关闭。伊朗消息人士：若以色列继续在黎巴嫩军事行动，海峡不会重开。
• 美伊谈判代表均抵达瑞士举行技术性谈判。伊媒：伊朗代表团拒绝与美方握手合影。万斯会谈前称美国愿与伊朗“从根本上改变双边关系”。
• 伊媒：伊朗总统称随着谈判启动，卡塔尔将释放60亿美元被冻结伊方资金。
• 特朗普施压伊朗达成协议：必要时美国可能接管霍尔木兹海峡。若伊朗不能达成协议，美方就要收海峡通行费。他还警告伊朗，若关闭海峡，伊朗人民将没有国家。特朗普就黎巴嫩问题再度威胁伊朗。他在社媒称，伊朗必须立即停止在黎巴嫩的“代理人”行动，否则美国将会再次对伊朗发起猛烈打击，“就像上周那样，而且会更猛烈”。
• 伊媒：抗议特朗普威胁言论，伊朗代表团离开谈判地点。伊媒称伊朗代表离开瑞士会场后，美媒：伊方谈判人员仍在与美接触。
• 伊朗消息人士称美伊谈判仍处暂停状态。在谈判过程中，伊朗代表团对美方违反承诺的行为、特别是违反谅解备忘录第一条内容，提出明确抗议。伊朗代表团还要求美国加快履行承诺，包括解冻伊朗被冻结资产以及签发伊朗石油出口的制裁豁免。据周日稍早伊朗方面的消息，伊朗谈判团队成员称伊石油制裁豁免草案已敲定。

“新美联储通讯社”：1996还是1999？沃什的第一场考验是“如何看AI”。Timiraos认为，沃什执掌美联储的首要考验是判断AI繁荣本质：是1996年的生产率红利（按兵不动），还是1999年的需求过热（需加息）。他倾向拥抱AI生产率叙事而暂不加息，但面临着关税与赤字压力、内部“AI预期透支推高通胀”的分歧，以及废除前瞻指引的政策两难。

沃什放鹰，美元“转折点”来了？新任美联储主席沃什释放强烈鹰派信号，市场迅速重估美元前景：美元指数创三个月来最大两日涨幅，期权市场涌现大规模美元看涨押注。交易员开始押注美联储最快7月加息，美元资产吸引力回升，而欧元、日元等主要货币全线承压。

• 日元跌至161，近40年低位，日本财相重申“将采取大胆行动”。日本政府虽频频口头警告并豪掷逾700亿美元干预汇市，仍难敌美日高利差、套利交易与再通胀政策带来的结构性压力。市场正押注东京当局或突然出手救汇，但分析认为，只要美国高利率维持，日元弱势恐难根本逆转。

英国内斗升级！伯纳姆议会补选大胜、接班首相概率升破90%，内阁大臣被曝要求斯塔默定下台时间。英媒称内阁大臣劝斯塔默主动让位：“你的时间到了”。预测市场Polymarket的押注显示，今年不会产生新首相的概率仅为3.5%。

• 英媒称首相斯塔默或周一宣布辞职，英债周五已率先定价政权更迭。

GPT-5.6或将本周问世：从“模型”迈向“可执行Agent”，定价或仅为竞品1/3。据报道，GPT-5.6涵盖mini、标准及Pro版。该模型上下文窗口扩展至150万tokens，具备视觉复刻、SVG 3D生成及浏览器自动化等Agent能力。OpenAI称其为对GPT-5.5的"有意义改进"，但Reddit网友讨论认为，5.6仅为小版本迭代，真正的模型级突破需等待GPT-6。

特朗普紧盯AI：一周前视Anthropic为“国家安全威胁”，现仍不排除必要时干预。被问及是否认为Anthropic对美国安全构成威胁，特朗普称，现在不是，一周前也许是。他说，该司在美政府表达担忧后迅速回应，表现得“非常负责”；不会关闭该司，但不确定是否非得动用法律赋予的紧急权力干预不可。

谷歌微软联手推新协议，传统科技巨头借标准战围堵Anthropic和OpenAI。谷歌、微软等传统科技巨头联合推出“代理资源发现”（ARD）新协议，旨在将自身产品打造为企业AI的统一入口，通过标准战围堵Anthropic与OpenAI。此举与后两者试图将Claude和ChatGPT打造成独立主入口的战略直接冲突，凸显了双方在企业AI生态主导权上的激烈争夺。ARD能否被广泛采纳，仍有待观察。

陈立武接手英特尔后首次播客访谈：我们的目标是“5-10年10倍”，押注先进封装、玻璃基板和人工钻石。英特尔CEO陈立武设定5至10年实现10倍回报的目标，正通过发力EMIB先进封装、玻璃基板及合成钻石等新材料，系统性重构技术路线图以突破物理极限。智能体AI爆发正带动CPU需求强劲回升；代工业务将聚焦良率与信任，并与马斯克共建Terafab项目，预计2030年后英特尔的真正潜力将全面显现。

• 任命前SK海力士CEO领导封装业务，英特尔股价周四大涨10%创新高。

研报精选

“大空头”查诺斯：当前AI产业链存在巨大“财务不匹配”，“AI云”实际是租赁中介，看空SpaceX。芯片商即时确认收入而云厂商将支出资本化，折旧滞后效应将重演2001年利润暴跌40%的历史；算力租赁本质是个位数回报的金融生意。查诺斯认为SpaceX发射业务持续亏损，太空数据中心面临散热、辐射、维修成本等致命约束，近2万亿估值难以支撑。

德银“向沃什投降”：今年将加息50基点，甚至可能在7月提前加息。德银彻底扭转原有宽松预期，全面上调通胀预测，预计今年将加息两次共50个基点，利率升至4.1%；并警告美联储行动或更激进，甚至可能在7月提前加息，或全年加息75个基点。触发因素为新主席沃什鹰派表态及通胀压力广泛持续。

市场“不可调和的矛盾”：如何给科技股估值。广发证券认为，科技股估值定价无绝对标准，核心取决于投资期限与方法论。景气投资者应淡化静态估值，重视景气边际变化；价值投资者则需严守估值纪律，等待均值回归。当前科技与传统行业估值分化达历史峰值，但历史显示，有产业趋势支撑时，极致分化可持续近20个月，并非转熊必要条件。

高盛警惕美股：地缘动能趋于停滞，CTA下行不对称风险凸显。多重风险正在积聚：美伊核谈判实质性受阻，油价地缘溢价尚未被市场充分消化，市场正在为实物原油定价，但尚未充分折现对美伊协议信任不足以及协议动能的持续恶化。同时，CTA下行不对称格局已形成，美联储政策框架的不确定性与债券市场波动率上升交织叠加，市场内部结构隐患不可忽视。

沃什“鹰派首秀”，高盛下调黄金目标价，“如果今年真加息，金价会进一步下跌”。高盛将2026年底黄金目标价下调至4900美元，近期转为“战术谨慎”。报告警告，若秋季加息两次，金价恐跌至4440美元；但全球央行强劲的结构性购金趋势仍提供核心支撑，且中期地缘风险或推动金价突破6000美元。

SemiAnalysis：半数2026年美国数据中心将取消？这是被"AI编码"出来的假警报。机构强调，恐慌源于早期投机项目被误纳入统计分母，而核心在建产能实则稳定，预测调整幅度仅1%。局部延期虽存，但属基建常态，集中于无实质支撑的早期项目，不代表行业基本面崩塌。市场情绪被三类无效噪音放大，理性审视下，产能曲线远未触及断崖水平。

伯恩斯坦资深分析师：这是职业生涯第一次真正的“芯片超级周期”，“瓶颈”才是造富机器。半导体行业正经历史无前例的真实"超级周期"，博通定制ASIC与英伟达GPU将长期共存，共同消化增量需求。最大“瓶颈”在于电力，若按英伟达预测的年均3-4万亿美元基础设施投入推进，美国电网需每年增长5%，这在电力行业几乎是不可能完成的任务。

国内宏观

广东服务业蓝图出炉：剑指11万亿增加值，算力网络、6G与人工智能成三大战略支点。《方案》明确，到2030年全省服务业增加值突破11万亿元，通过数智化、标准化、融合化、国际化“四化”提升，推动生产性服务业向高端延伸、生活性服务业向高品质升级。方案以算力网络、6G与人工智能为三大战略支点，加快建设粤港澳大湾区算力枢纽，前瞻布局6G与卫星互联网，推进人工智能全域全时应用，并系统部署金融、物流、文旅等多领域，全面构建优质高效的现代化服务业体系。

国内公司

“不是你想投，梁文锋就会要你的钱”，DeepSeek融资510亿元，他为何选了腾讯、宁德时代、网易、京东？想投DeepSeek者众多，梁文锋选资方更重产业协同。国资投资人分析，腾讯、京东、网易等入股意在协同自身AI战略；宁德时代参投，或为“算电协同”所需光伏储能提前卡位。有分析指出，此番开放融资，或源于DeepSeek意识到仅靠自有资金难跟上全球AI算力“军备竞赛”，需扩大资本开支以分散研发风险。

津巴布韦锂企联合申请推迟精矿出口禁令，目前仅华友钴业建成硫酸锂产线。锂生产商协会主席当地时间6月18日公开发言称，协会已向矿产部长、常务秘书及津巴布韦矿产营销公司等监管部门递交申诉，请求给予行业多一点宽限余地，将选矿禁令生效节点从2027年1月延后约五个月。Rukweza表示七大主要锂生产商中，目前仅有华友钴业的硫酸锂工厂在津巴布韦建成投产并实现了产品发运；中矿资源旗下的比基塔矿山与雅化集团旗下的卡马蒂维锂矿硫酸锂项目仍在建设中，国有桑达瓦纳矿场的加工方案甚至尚处于可行性研究阶段。

海外宏观

8000万桶原油，准备通过霍尔木兹海峡。波斯湾40艘超级油轮上约8000万桶非受制裁原油已蓄势待发，部分船只率先尝试通行，有望缓解亚洲炼厂因前期局势导致的断供与库存压力；但行业组织警告水雷等重大安全风险依然存在，全面复航仍具不确定性。

• 油价跌回“伊战前水平”，市场反应过度了吗？美伊签署框架协议并解封海峡，推动布伦特原油跌破77美元。但分析师警告，金融市场的复产预期与实际市场的供给吃紧存在背离：全球库存持续大减，而运费高企三倍、船东谨慎令物流面临瓶颈。市场虽已提前计入地缘溢价消除，但实际供应恢复仍需时日。

能源成本推升通胀压力！韩国5月PPI同比涨8.5% 创近四年新高。能源冲击与半导体繁荣双轮驱动，令韩国上游通胀持续“爆表”。随着涨价潮向消费端传导，韩国央行内部“鹰派”共识正迅速扩大。加息风暴或在酝酿，投资者需高度警惕政策收紧风险。

海外公司

上市一周上涨37%！市销率高达39倍，SpaceX已比所有标普500成分股“贵”。SpaceX上市首周收盘价185美元，较发行价135美元上涨37%，总市值达2.4万亿美元。以2027年预期市销率39.2倍计算，估值超越标普500所有成分股。分析师目标价从250美元到401美元不等，分歧悬殊。

埃森哲股价暴跌18%创近十年新低，AI冲击与中东动荡双重施压。因中东局势拖累中东销售并致企业放慢决策，加之新签订单下滑，埃森哲下调全年营收指引，股价周四暴跌18%。此外，AI工具的快速演进也令投资者对该咨询巨头的核心商业模式和转型前景产生深度质疑。

从"Token竞赛"到"Token节流"：月人均成本7500美元，天价账单倒逼巨头集体踩刹车。企业AI支出从“极限消耗”转向“极限节流”，巨头纷纷为AI使用和智能体工具设置上限以应对失控的成本压力。这一预算管控浪潮引发了企业在控本与生产率之间的分歧，同时也让微软、Databricks等提供成本优化、网关工具及模型路由器的基础设施商迎来红利。

高中毕业也能进SK海力士研发部了，AI 时代还要卷文凭吗。SK海力士宣布新员工招聘取消本科以上学历硬性要求，研发岗也向高中、大专生开放。为了更好地筛选人才，SK 海力士还搞了个 AI 测评系统：动态生成定制化问题，远程评估面试者的真本事——真实压力下怎么解决问题、价值观如何、跟企业文化合不合。正如黄仁勋所说，在 AI 时代，不需过度执着孩子选择什么专业，读什么远不如具备什么能力更重要。

Kalshi年化营收突破20亿美元，较去年11月增长三倍，已与投行初步接洽IPO。受大型体育赛事交易推动，预测市场平台Kalshi年化营收突破20亿美元，较去年11月增长约三倍。公司预计最快2027年末或2028年上市。目前Kalshi正拓展机构业务，但面临竞争、监管诉讼及高管空缺等挑战。

行业/概念

1、卫星互联网 | 据上证报，6月19日，垣信卫星成功打通国内首例无改造存量商用手机直连卫星通话，全程通信链路顺畅稳定，语音音质表现优异。垣信卫星手机直连卫星通信技术，无需对普通商用手持终端做任何软硬件技术改造和升级，实测通话全程信号满格，通话质量比肩地面5G。垣信手机直连卫星系统搭载国内口径、阵元规模领先的L波段全数字相控阵天线。

2、无人驾驶 | 据上证报，国家邮政局6月18日召开党组会议，审议《邮政业发展"十五五"规划》(送审稿)等文件。会议强调，要进一步强化邮政快递企业科技创新主体地位，深化科教融合、产教融合，培育壮大行业科技领军企业。要推动大数据、互联网、人工智能等新技术与邮政快递业更深度融合，加快推进无人车、无人机等在行业试点应用，加快智能派件、智能路由等先进技术应用。

3、钨 | 据上证报，章源钨业近日上调2026年6月下半月长单采购报价。其中，55%黑钨精矿报价52.00万元/标吨;55%白钨精矿报价51.90万元/标吨;仲钨酸铵(国标零级)报价78.00万元/吨。上述品种较6月上半月报价分别上调1.5万元/标吨、1.5万元/标吨、2万元/吨。

4、锂电池 | 据中证报，磷酸铁锂（LFP）是新能源和储能电池的重要原材料，今年以来价格一路走高，市场热度居高不下。据报道，一包约400公斤的磷酸铁锂，现在的价格超过25000元，一年前的价格仅有10000元。尽管价格已翻倍，但需求依然旺盛。

5、人工智能 | 据中证报，工信部等七部门联合印发《促进平台经济大中小企业协同发展行动方案（2026—2028年）》。引导平台企业加强通用大模型、行业大模型和智能体等人工智能领域创新布局，加快推进高端芯片、下一代操作系统、下一代智能终端等重点前沿领域技术和产品研发突破，推动新技术新产品验证应用推广。

6、钙钛矿电池 | 据中证报，南京大学谭海仁团队携手仁烁光能（苏州）有限公司，在全钙钛矿叠层光伏技术领域实现重要突破。研究团队成功制备出大面积全钙钛矿叠层光伏组件，经日本电气安全和环境技术实验室（JET）权威认证，其光电转换效率高达26.2%，刷新了同面积等级全钙钛矿叠层组件的世界纪录。此次突破有望加速全钙钛矿叠层光伏技术的产业化进程。

今日要闻前瞻

中国6月一年期和五年期贷款市场报价利率（LPR）。

深交所史上最大规模IPO将至：华润新能源开始申购。

第四届链博会在北京开幕。

韩国6月出口。

Marvell Technology和Flex从周一开始被纳入美股标普500指数。

美伊谈判。

英国首相斯塔默是否公布离任时间表。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

6月19日，Citadel Securities发表研报指出，在美联储新任主席沃什领导下，美联储已从惯性决策转向主动适应型政策制定。

Citadel Securities警告称，市场不应以惯性思维解读这一信号。其核心判断是：下一步行动是加息，且加息很可能迫在眉睫。

与此同时，研报强调美联储不会再延续此前"预先沟通政策路径"的市场呵护模式。这一转变对利率市场、美元及股市均具有重大含义。

华尔街见闻提及，美联储6月会议虽按兵不动，但措辞释放出明确收紧信号。

声明中"委员会将实现物价稳定"的表述，叠加经济预测摘要将2026年核心PCE通胀预测上调60个基点至3.3%、2027年预测调升至2.5%，令市场对6月未加息的决定产生合理质疑。

沃什在新闻发布会上表示，"好消息是我们将在六周后再次开会"，并强调"在物价稳定方面我们还有工作要做"。

Citadel Securities将基准情景设定为未来两年内完成三次各25个基点的加息，时间节点分别为2026年9月、12月及2027年3月，并将7月会议视为"活跃会议"（live meeting），即随时可能采取实际行动。

美联储预测2026至2027年核心PCE均值较2%目标高出约90个基点。

Citadel Securities根据通胀缺口测算，按照经典货币政策规则，政策利率应在中性利率基础上高出通胀缺口的1.5倍，即额外收紧135个基点。

假设中性利率为3%，目标政策利率应落在4.25%至4.50%区间，对应恰好三次加息。

Citadel Securities将此次会议的战略意义定性为"相当重大"。

在其分析框架中，沃什主导的美联储明显更具行动主义色彩，政策调整的速度将加快，从而降低通胀偏离目标的情形演变为根深蒂固问题的概率。报告援引一个比喻：

及时开出强效药方，病人恢复得更快。

在这一逻辑下，先发制人的收紧也意味着，一旦通胀风险得到解决，政策转向宽松同样可以更为迅速。

报告同时指出，沃什关于市场价格对央行具有高度信息价值、前瞻指引可能污染该信号的判断，是其跨资产宏观框架的基础性原则。

Citadel Securities认为美元将受益于市场对美联储独立性及通胀承诺担忧的大幅消退，实际与名义期限溢价也应随之下降，利率曲线或进一步趋平。

关于美债期权市场，Citadel Securities表示，由于美联储现在“走一步看一步”，短期内随时可能突然加息，导致短期美债（如2年期）怎么走极难预测，短端波动率因此上升。

但因为美联储动作灵活，大家相信长期通胀绝不会失控，长期美债（如10年期）未来的极端风险反而变小了，长端波动率顺势下降。

对于股票市场，报告措辞审慎而明确：

鹰派美联储就是鹰派美联储，但更具前瞻性的美联储比落后于曲线的美联储更容易应对。

其逻辑在于，主动收紧降低了未来被迫推行超高利率的尾部风险，同时也为政策更快逆转创造了空间——这对风险资产而言，是相对可控的压力路径。

本文来自华尔街见闻，欢迎下载APP查看更多

6月21日，聚焦新兴科技前沿的播客Tech Surge Deep Tech Podcast发布最新访谈实录，Celesta Capital创始管理合伙人Michael Marks与伯恩斯坦（Bernstein）知名芯片分析师Stacy Rasgon进行了一场深度对谈。

在长达近一小时的对话中，双方深入探讨了AI驱动下的半导体营收增速、AI从训练到推理的跨越、供应链各环节的产能瓶颈，以及行业未来增长的可持续性空间。

（左：Michael Marks；右：Stacy Rasgon）

与大多数华尔街分析师不同，Rasgon拥有麻省理工学院博士学位，是纯正的工程师出身，这使得他更看重成熟的物理定律和资本流动。

Rasgon明确指出，当前半导体行业正在经历一场他从业以来见过的最大规模的需求大爆发。去年，半导体行业总营收突破了8000亿美元，而今年正在向1.3万亿美元的规模狂奔。

Rasgon在访谈中感叹：

在我的整个职业生涯中，我一直听到‘超级周期’这个词。而这可能是我真正见过的第一个。我们现在听到的唯一声音就是，没有人的算力是够用的。

Rasgon强调，当前市场焦点正从“模型训练”向“AI推理”转移，这是实现商业化变现的核心。同时，产能瓶颈正从GPU向HBM存储、半导体设备乃至电力供应全面蔓延。

未来，博通代表的定制芯片（ASIC）与英伟达的GPU将在日益扩大的增量市场中长期共存，共同消化这波深不见底的算力需求。

随着AI算力需求的无底洞被打开，市场正呈现出一种奇特的“打地鼠”效应——产能瓶颈正在产业链上逐个爆发。

Rasgon详细拆解了这一现象：

一切都在被这种对AI算力贪得无厌的需求所拖动。在我的职业生涯中，从未见过如此规模的景象，情况从加速器蔓延到存储，再到半导体制造设备、网络和光学器件、功率半导体，现在甚至连CPU也供不应求。

以存储器为例，行业正在经历有史以来最强劲的上升周期，价格每季度都在翻倍。这背后的核心推手是HBM（高带宽存储）。Rasgon透露了一个关键的数据细节：

在一个AI芯片的硅片面积中，可能有85%以上都是HBM。

更关键的是“折算率（trade ratio）”问题。他说：

由于堆叠技术的良率损耗和逻辑裸片空间的占用，制造1GB的高带宽存储，大约需要4倍于标准DRAM的硅片面积。

这意味着即便晶圆厂疯狂扩产，实际产出的存储容量（比特数）增量依然十分受限。

这种极端的需求甚至让处于弱势的企业也意外获益。谈及英特尔的服务器CPU业务时，Rasgon直言不讳地指出，当前的服务器需求异常强劲，以至于英特尔甚至因此获得了利润率的上行：

需求太强劲了，以至于他们甚至把以前注销过、像垃圾一样扔在仓库角落里的库存都卖掉了。客户现在的态度是：‘我们不在乎，我们要了，请卖给我们吧。’

尽管千亿美元级别的资金正在涌入，但市场最大的担忧在于：这种增长可持续吗？想象空间到底在哪？

Rasgon将破局点直指“推理（Inference）”。他强调，大量的资金此前用于大模型训练，但这并非商业化的终局。Rasgon表示：

你无法靠训练模型赚到任何钱……你必须能把模型用起来，这就是推理。

这种转变已经开始体现在初创公司的惊人数据上。Rasgon在访谈中援引数据称，类似Anthropic这样的公司，其年化收入运行速率呈现出垂直上升的态势，

去年12月是90亿美元，今年1月达到140亿美元，而在近期（4月）已经达到了300亿美元。

此外，随着英伟达近期收购Groq，推理市场的细分需求正在凸显。Rasgon指出，并非所有的数据“词元”都具备相同的价值。

对于需要极低延迟、极快响应的特定推理任务，定制化的芯片或专用的推理架构往往比通用GPU具有更好的经济性。

在推理需求爆发的背景下，定制化芯片（ASIC）的势头正在冲击GPU的绝对垄断。博通成为了这一趋势的最大受益者。

Rasgon在提及博通时表示：

在这一切开始之前，博通曾说半导体是一个成熟行业，只有中等个位数的增长。但现在一切都爆炸了。（博通）他们说，明年他们认为能在AI收入上做到1000亿美元。

各大云服务商为何执着于自研ASIC？Rasgon认为这不仅是出于性能优化，更是为了在英伟达高达75%的毛利率面前拥有谈判筹码。Rasgon说：

至少当你坐在谈判桌前和黄仁勋谈判明年的合同时，你会希望口袋里有点底牌。

但Rasgon强调，这并非谁取代谁的游戏。如果ASIC占据更大的份额，那是因为整个蛋糕变大了。

对于庞大、稳定且内部开发的工作负载，ASIC能提供更低的总拥有成本；但如果模型结构改变，GPU的可编程性优势则不可替代。Rasgon认为：

正确的痛点在于：摆在我们面前的机会是不是还在变大？如果足够大，他们两者都会蓬勃发展；如果不大了，那大家都要完蛋。

未来的终极天花板：电网可能支撑不住

当被问及市场可能忽视的风险时，Rasgon将焦点从代码和硅片拉回到了现实世界的物理基础设施——电力。

目前，云巨头们今年的资本支出已达6000亿美元，如果未来基础设施支出按照英伟达预期的每年3万亿到4万亿美元规模发展，人类现有的能源系统将面临崩盘。

Rasgon分享了他此前建立的一个测算模型：

我们到底有没有足够的电力来做这件事？电网可能承受不了。美国的电力容量需要在未来十年内每年增长5%左右。而在电力设备分析师的眼里，5%的年增长率是根本无法实现的。

这意味着，下一波AI的创新和瓶颈突破口，将不可避免地落在能源生成、冷却和核电等领域。正如他一直坚信的：

永远不要低估人类的聪明才智，如果有利可图，工程师们总会找到出路。

总体而言，只要AI的需求不发生断崖式崩盘，整个半导体产业链的“超级周期”仍将持续，而资本市场的关注点，必须紧跟这些不断在各个环节中游走的“产能瓶颈”。

以下为播客全文（AI辅助翻译）：

Michael Marks： 有一个词在芯片行业每隔几年就会被抛出来——超级周期。大多数时候，它都被过度渲染。偶尔，它是真实的。眼下，这些数字难以反驳：四大云计算巨头今年的支出预计将达到约6000亿美元，其中大部分用于AI基础设施。半导体行业去年营收突破8000亿美元，正向1.3万亿美元迈进。

今天我的嘉宾是Stacy Rasgon，他是伯恩斯坦（Bernstein）知名的芯片行业分析师。与华尔街大多数分析师不同，他是工程师出身——麻省理工学院博士，在写第一篇分析报告之前，曾实际参与过芯片制造设备的研发。这一背景深刻影响了他解读行业的方式：少一些投机，多一些对已被验证的物理规律和资本流向的关注。

今天我们将深入探讨：AI周期是否真的有所不同？瓶颈在哪里？尘埃落定后，谁能攫取利润？

Michael Marks： AI正在驱动如此巨大的数字体量，而且始终是新闻焦点，这在以前从未有过。这是真正的变化，还是只是另一个更大版本的周期而已？

Stacy Rasgon： 这确实是关键问题。说来有趣，在我整个职业生涯中，"超级周期"这个词我已经听了无数遍了，但也许这是我真正亲眼见证的第一次。

半导体周期有几种不同类型：

供给周期： 在内存领域最为常见。供应趋紧，价格上涨，于是大量产能上马。但随后产能落地，需求却已下滑——因为客户在拿不到想要的零部件时，往往会超量下单，导致供需严重错位。这类周期通常持续4年左右，从峰值到谷底。

库存周期： 半导体处于供应链末端，需求的微小波动会沿供应链逐级放大。需求一旦下滑，客户就减少采购，消化自身库存，半导体出货量随之低于实际需求；而当客户开始补库存时，出货量又会超过实际需求。这类周期往往体现为季度性的起伏，大约持续几个季度。

产品周期： 比如我是一家移动端半导体供应商，能否赢得下一代iPhone的供货资格，直接决定了收入的大幅波动。

而我们眼下正在经历的，似乎是一个需求周期，而且我从未见过规模如此之大的。无论是量级还是速度，都是前所未有的。

更值得关注的是，AI半导体的爆发已经开始拉动整个行业。几乎所有半导体细分领域，无论是股价还是盈利，都在向好发展。这波需求的传导路径清晰可见：从加速器，到内存，到半导体设备，到网络和光通信，再到电源半导体，直至现在的CPU——一切都被对AI算力那种近乎贪婪的需求拖着走。

目前我们听到的唯一共识就是：没有人拥有足够的算力。

Michael Marks： 内存一直是典型的周期性半导体产品。现在内存厂商需求旺盛、长期售罄——这种局面能持续多年吗？况且市场上几乎没有新进入者，产能就这么多。

Stacy Rasgon： 我们来聊聊内存——这可能是历史上最强劲的内存周期。要知道，仅仅18个月前，我们还深陷可能是自互联网泡沫以来最糟糕的内存寒冬。

你提到入局者减少，确实如此。回溯20到30年前，内存厂商多达30家；而如今，根据内存类型的不同，只剩下3到6家。上一个寒冬里，这些厂商虽然亏损，但尚能支撑；回到互联网泡沫时代，却出现了大规模破产。如今的行业格局比那时更为健康稳固。

目前，内存价格已经出现每季度翻倍的情况，需求火爆，根本原因正是AI。

这里有必要区分两大主要内存类型——DRAM（动态随机存取内存）和NAND（闪存）：

• DRAM 类似PC里的内存条，负责运行系统；
• NAND 类似手机里的存储芯片，用于保存照片等数据。

在DRAM领域，有一些格外值得关注的动态。AI芯片大量使用一种特殊的DRAM——HBM（高带宽内存）。它将多颗DRAM芯片垂直堆叠封装在一起，每颗AI芯片都需要配置大量这类内存封装。

如果统计一颗AI芯片所有部件的硅片面积，HBM占比可能高达85%以上。

更重要的是，制造HBM存在所谓的**"转换比率"问题：由于堆叠工艺导致良率下降，加上需要预留连接器空间，制造同等容量的HBM所需的硅片面积，大约是普通DRAM的四倍**。这意味着，即便大量扩充晶圆产能，实际能新增的存储容量也相当有限。

只要AI需求持续增长，这一局面应该不会改变。而如果AI需求真的崩了，那大家都完了，所以这个场景不在我的担忧范围内——目前也没有任何迹象显示会走到那一步。

Michael Marks： 你关注这个行业已经很长时间了，技术创新能随着时间推移缓解供应压力吗？还是说需求实在太强劲，任何创新都无济于事？

Stacy Rasgon： 创新永远都在发生。过去60年里，半导体行业有一条主线叫做摩尔定律——每两年，在相同面积的硅片上可以塞入约两倍数量的晶体管，而成本却基本不变。换句话说，你每隔两年就能用同样的价格获得两倍的算力，或者以一半的成本获得同等算力，同时性能提升、功耗降低——堪称美妙。

然而，摩尔定律在十多年前开始瓦解。这并不意味着技术进步的终结，但它意味着成本优势这条腿从原本的"三腿凳"上抽走了。我们仍然能获得性能和功耗方面的提升，但现在你必须为此买单。每个晶体管的成本不再下降，而是开始上升——这是全新的局面。

当时，很多人担心这将是行业的终结。但事实恰恰相反，它开启了行业的文艺复兴。因为它意味着：如果你想要更好的性能，你需要付钱，而不是等着行业免费奉送。

我记得博通的前联合创始人、时任CTO Henry Samueli，大约在2012年就谈到这个问题。他展示了台积电每晶体管成本的走势，指出成本在28纳米节点触底。他的核心观点是：这不是坏事，这是整个行业40年来头一次走向理性。

摩尔定律终结之后，创新并未停止，只是转移了方向：

• 新型晶体管结构： 全新的器件架构持续演进；
• Chiplet架构： 将芯片拆分成多个小芯片，分别针对不同功能采用最优化的工艺，再通过先进封装技术整合在一起，突破单块芯片约830平方毫米的"掩膜极限"；
• 先进封装： 比如英伟达的Blackwell GPU，实际上是两颗GPU芯片叠加，再搭配大量HBM通过硅中介层（silicon interposer）集成在一起，可以堆叠出更大的硅片面积和更强的算力。

这些方案当然不便宜，但只要客户有足够的理由为此买单，他们就会愿意付费——这也是英伟达能维持75%毛利率的根本原因。

Michael Marks： 如果这一切开始以某种方式放缓，我们会看到什么信号？

Stacy Rasgon： 我们重点关注几个指标：

一是超大规模云厂商（hyperscaler）的资本支出数字。 各家最近集中发布财报，资本支出仍在上升。不过说实话，等到这个数字开始下滑时，大概已经来不及做什么了。

二是AI应用公司的收入增长。 这里涉及一个更大的议题：训练模型和使用模型之间的区别。以Anthropic为例，他们偶尔会披露收入进展。我记得今年4月，他们年化收入约为300亿美元；1月还是140亿美元；12月大约90亿美元；再往前一年，可能还是个位数十亿。这条曲线几乎是垂直拉升的，说明人们正在真正使用、并且愿意为之付费。

三是超大规模云厂商的云业务收入及其增速是否持续加速。

四是来自亚洲的各类数据点： 晶圆订单量，CoWoS（台积电的先进封装技术）产能预订情况，以及供应链各环节的产能饱和程度。

目前，所有这些指标都呈现出积极信号。整个市场的普遍共识是：算力依然严重不足。

Michael Marks： 我更感兴趣的是这一切带来的长期结构性变化，而不是短期股价波动。你提到了供应链，我想深入聊聊，因为这次有一个非常不同的地方——超大规模云厂商的垂直整合程度之深，前所未有。他们自己设计芯片、建设数据中心、搭建融资架构，掌控云端接入。而过去几十年，整个世界一直深度垂直整合，现在似乎正在走向反向——这是什么影响？

Stacy Rasgon： 说实话，超大规模云厂商做自研芯片已经不是新鲜事了。

• 谷歌的TPU（张量处理单元） 已经迭代了14年，目前是第八代，第九代正在研发中；
• 亚马逊的自研训练芯片Trainium 和推理芯片Inferentia已经做了五六年；
• 亚马逊的自研服务器CPU Graviton 也有六七八年的历史。

所以超大规模云厂商垂直整合到半导体这件事本身并不新鲜，只是他们如今面对的需求体量远比以前大得多。

再往上游看，苹果更是自研芯片的典范：他们将整个PC产品线从英特尔x86架构迁移到了自研ARM芯片，正在努力将手机基带调制解调器也纳入内部研发，蓝牙、Wi-Fi等连接模块同样如此。苹果做这件事已经超过十年了。

即便是数据中心业务，谷歌也不是直接从戴尔买服务器，而是采用"白牌"模式——明确定义所需规格，然后交给ODM厂商按需制造，使用博通等公司的标准化芯片。他们的硬件功底相当深厚。

Michael Marks： 垂直整合背后的驱动力是什么？是为了解决瓶颈、提升利润，还是防范竞争？

Stacy Rasgon： 三者都有。解决瓶颈是一方面，但他们并不自己生产，所以瓶颈问题其实并没有根本消除。更重要的是性能优化——这些超大规模云厂商拥有体量庞大、内部自研的稳定工作负载，对于需要什么、能优化到什么程度，心里非常清楚，定制芯片可以实现最优匹配。当然也有竞争考量——在与英伟达谈判下一年合同时，能在口袋里揣着一个备选方案，总归是多一份筹码。

Michael Marks： 现在行业正在向推理（inference）转型，这相当于重新洗牌。能谈谈这件事吗？

Stacy Rasgon： 目前大部分支出都在训练上——确定这些大模型中可能数以万亿计的参数，计算量极其庞大，需要投入大量资金，购买海量GPU和其他计算设备。

我经常被问到：你觉得支出什么时候会从训练主导转向推理主导？我的回答一直是：最好赶快转，因为问题就在这里——**训练模型本身是不赚钱的。**英伟达靠卖芯片赚钱，但你训练了一个模型，并不代表你赚到钱了。你必须能够使用这个模型，才能产生收益。那才是推理。

我们开始看到这种转变了。现在让人兴奋的不只是聊天机器人或生成视频，而是所谓的**"智能体推理"（agentic inference）**——模型能够真正执行现实世界中的任务。目前落地最显著的应用是代码编写：Anthropic的大部分收入增长，正是来自智能体编程场景，也就是AI智能体辅助或代劳编写代码。他们显然做出了人们愿意付费的东西。

目前CPU供应也开始趋紧，这正是推理转型的另一个佐证——推理不仅大量消耗GPU，也需要大量其他计算资源。

当然，关于回报和经济模型的争论还在持续。现在还处于快速投入期，资本支出高居不下，账面上看起来是在烧钱。但随着收入基数的快速增长，我对这个问题越来越乐观。

Michael Marks： 我确实听说，很多人看到账单后大吃一惊。

Stacy Rasgon： 是的，有点讽刺——一边裁员，一边把钱花在AI上，结果发现花在AI token上的钱，比被AI替代的那些员工的工资还要多。当然，如果AI的产出确实更高效，那也许还说得过去。

Michael Marks： 说到新进入者，推理赛道出现了一批专注于此的创业公司，比如Groq、Cerebras、Sambanova、Tenstorrent。这些公司与英伟达、博通这样的老牌巨头并存，你怎么看它们的走向？我个人觉得它们最终都会被巨头收购。

Stacy Rasgon： 有意思，比如英伟达刚收购了Groq。他们在GTC（GPU技术大会）上谈到这次收购，让我对此有了更清晰的认识。

以前我有一个简单粗糙的看法：token就是token，没什么区别。所谓token，是这些模型处理信息的基本单元——你可以把它想象成一个词或一段信息，是模型的输入或输出。购买算力时，很多情况下是按每百万token计价的。

但Jensen Huang说了一句话，乍听很普通，细想却很有道理：不是所有token都一样，有些token可以卖出远高于其他token的价格。 尤其是那些需要极低延迟、响应极快的token。Jensen认为，如果你是一家新兴云服务商，能够提供这类低延迟算力服务，就能获得好得多的经济回报。这正是Groq所聚焦的场景。

GPU并不是处理所有任务的最优选择。对于那些需要超快响应、超低延迟的特定任务子集，专用推理芯片可以表现得更好。这就是收购Groq的逻辑。

有意思的是，Jensen坦承GPU并非万能，但他也足够大气，不会为了维护面子而否认自己需要弥补某块短板。

Michael Marks： PC时代从50家公司走向了三家，手机时代同样如此。AI革命也在经历同样的演变——这也是我所说的垂直整合浪潮的由来。

Michael Marks： 半导体设备这条赛道不怎么被人提及。从股价来看，它们都有所上涨，但涨幅远不及那些明星公司。这里发生了什么？

Stacy Rasgon： 其实涨了不少。就拿泛林（Lam Research）来说，他们做刻蚀设备，去年年初股价70美元，现在已经翻了三四倍。应用材料（Applied Materials）今年翻倍，阿斯麦（ASML）也大约翻倍。

只是涨幅没有像内存或云计算股那样达到十倍级别。要知道，内存的ASP（平均销售价格）可能涨了十倍，但半导体设备的ASP不可能也涨十倍。

更重要的是，设备行业今年其实处于一个有约束的强劲年份：设备做出来了，但没有工厂放。你需要先建晶圆厂（fab），有了洁净室，才能接受设备进场。这些厂房正在建设，预计明年才能陆续建成并开始接收设备。所以今年的WFE（晶圆制造设备）支出虽然强劲，却因厂房产能受限而无法充分释放。

从另一个角度看，这其实是一个内置的缓冲机制——在物理层面对行业扩张速度形成了硬性约束。如果洁净室产能无限，今年的设备出货量会高得多。这种自然约束，在某种程度上降低了行业过度扩张的风险。

Michael Marks： 你认为半导体设备公司会迎来一个长期上升周期吗？因为他们要填补多年积压的需求缺口。

Stacy Rasgon： 只要AI需求不崩盘，就会是的。当然，如果AI需求崩了，大家都完了，这个假设就没有意义了。

Michael Marks： 博通做了什么事情，能让它在这波AI浪潮中如此受益？很多人听过博通的名字，但未必真正了解它。

Stacy Rasgon： 博通的管理团队出色，执行力一流。

在AI浪潮开始之前，博通已经是一家通过多年收购积累而成的多元化公司。背景稍作介绍：今天的博通其实是当年的Avago收购了"经典博通"，并沿用了博通的名字，但股票代码仍是AVGO。

经典博通的业务涵盖：iPhone里的射频滤波器、蓝牙和Wi-Fi芯片；有线电视机顶盒和电缆调制解调器芯片；存储芯片；以及最核心的网络芯片——包括自研的定制网络芯片和收购而来的交换路由"商用硅片"业务。

Avago合并经典博通后，持续向软件延伸：收购了做大型机软件的CA Technologies，收购了赛门铁克（Symantec）的企业安全业务，以及最近收购的虚拟化巨头VMware。

在AI大潮开始之前，博通大约是60%半导体、40%软件的业务结构，毛利率极高。CEO Hock Tan常说半导体是个成熟行业，增速大概是中单位数，但现金流充沛，只是市场给的估值倍数偏低。

博通一直在做定制网络芯片和计算加速芯片（即ASIC）。谷歌的TPU正是与博通合作、历经14年打造的。但在AI爆发之前，这块业务体量不大，可能只有十几亿美元。

然后，ChatGPT在2022年11月横空出世，英伟达随即开始了那次"震惊世界的财报"，收入急剧攀升。谷歌和其他巨头也开始加速布局。

2023年下半年，Hock Tan开始谈论博通的AI机遇。老实说，当时他说着说着，感觉自己也不完全确定这究竟会有多大——但他如实汇报了正在发生的事情，包括网络和计算两端的上行势头。

然后，它就爆发了。

在他们最近一次财报电话会议上，Hock Tan表示，明年博通仅AI相关业务的收入预计就将达到1000亿美元。 而这家公司的总营收直到不久前才是几百亿美元——现在仅AI一块就要超过1000亿，这个体量的跃升令人瞠目。

这一切发生的背景是：在AI领域，英伟达占据主导，但众多大型用户——往往本已在开发自研芯片——希望针对自身特定AI工作负载进行更深度的定制化，以提高效率，降低总体拥有成本（TCO）。与此同时，坐在谈判桌对面，面对着拥有75%毛利率的英伟达，如果能在口袋里揣着一个备选方案，也总归是多了一份议价筹码。

关于GPU与ASIC之争，我的看法是：这是个假命题。ASIC（专用集成电路）更适合大规模、稳定、内部自研的工作负载——规模要大，因为需要摊薄设计成本；工作负载要稳定，因为一旦模型架构或任务类型改变，就需要重新设计芯片，而GPU则通用可编程，灵活性更强。

目前，ASIC在AI芯片市场的收入占比大约在十几个百分点；未来能否提升到25%甚至30%？在一个更大的盘子里，这是可能的，但我不认为它会全面取代GPU。

真正的关键问题不是GPU和ASIC谁赢谁输，而是：前方的机会是否足够大？ 如果足够大，两者都会蓬勃发展；如果不够大，两者都会遭殃。

Michael Marks： 我想聊聊英特尔——尤其是代工（Foundry）业务。全球代工产能供不应求的现实、地缘政治因素、台积电的战略地位，都让外界对代工产能的布局格外敏感。你怎么看英特尔的代工业务？

Stacy Rasgon： 让我先退一步来看。代工业务是Pat Gelsinger主导的战略，我认为方向本身没有问题——无论是国家安全层面，还是行业发展需要，我们确实需要英特尔重新回到代工赛道。但Pat的执行确实不理想。

他一上任就大举招兵买马，招了21000人，结果又不得不全部裁掉。更糟的是，他以一种"歌舞升平"的姿态进来，把什么都说得完美无缺。

反观陈立武现在的做法，才是正确的转型剧本：进来就着力压低市场预期，而不是拔高；先把成本结构理顺；然后告诉大家，我很高兴回来，但你们要有耐心，这是一场硬仗，我们会慢慢打——这才是该有的姿态。

我认识陈立武很多年了，非常尊重他。他做的都是正确的事。他不是魔术师，但他非常优秀，正是英特尔此刻需要的人。他技术背景深厚，懂得如何运营代工厂——本质上，他是Cadence的创始人之一，在其董事会服务了20年；他也深度参与了大量创业公司，这些公司大多是台积电的客户，所以他清楚客户需要什么。而且他在行业内人脉极广，随时可以拿起电话打给台积电董事长CC魏或者Jensen Huang。

这仍然是一场艰难的战役，但陈立武从不掩饰这一点。

Michael Marks： 英特尔现在的股东群体很有意思——美国政府是股东，英伟达是股东，软银也是。这对英特尔作为公众公司究竟意味着什么？

Stacy Rasgon： 说实话，过去很长一段时间，英特尔的资产负债表是一个真实的隐患——市场在担心他们能不能撑下去，甚至有声音认为他们可能不得不拆分出售。现在这个担忧基本可以打消了，这就是这些投资的价值所在。

政府持股这件事我个人并不是特别喜欢，但这对其他投资者起到了一定的背书效果——尤其是特朗普还时不时发帖夸奖这笔投资，这在某种程度上给市场增加了信心。

如果英特尔真的要坚定推进代工战略，他们需要大量资金，这一点毋庸置疑。从这个角度来看，来自政府和其他投资方的资金注入，对英特尔是实实在在的正面作用。

Michael Marks： 你说到了我很关心的一点——资产负债表健康的问题，市场上鲜有人关注这个。英特尔当时债务压力极大，债务到期时间逼近，但没有多少人真正讨论这件事。现在，有了这些战略投资者撑腰，他们的资产负债表大为改善，这无疑降低了一大块风险。

Stacy Rasgon： 说到英特尔值得肯定的地方，他们的新产品也相当不错。18A制程和基于其上的Panther Lake，从目前来看是很有竞争力的产品——良率比预期要好，产品性能本身也很强。如果制程工艺能稳定上量，这就是一个正面的信号。

服务器端的产品竞争力确实还有欠缺，陈立武也坦承这一点，他说要到Coral Rapids量产才会真正具备竞争力，那大约是2028年前后。

但好在外部环境帮了他们一把。服务器CPU的需求目前极为旺盛，旺盛到什么程度？上个季度，英特尔在销售一些此前已经完全减值、躺在仓库角落的库存——这些东西账面价值已经归零，但客户管不了那么多，只要有货就要。如果服务器需求维持这个势头，英特尔可能受益匪浅。是靠运气也好，是靠实力也罢，结果是一样的。

Michael Marks： 大家都在看涨。有什么是市场没有充分关注到的风险吗？

Stacy Rasgon： 关于投资回报的问题，我认为依然是一个有意义的开放辩题。需求确实爆棚，但这些资本支出最终如何变现，我觉得还没有定论。

我很鼓励看到那些收入基数在快速增长，但具体的商业化路径，我认为行业整体仍在摸索。现在仍处于快速投入阶段，正常化之后的利润图景还有待厘清。

另外，大模型基础公司的整合也是个值得关注的问题。目前有那么多基础模型公司，不可能全部存活，其中一些倒闭后，剩余的算力是否能被顺利吸收？这也是一个有争议的问题。

但我认为最根本的约束是能源。Jensen Huang曾说过，未来每年我们可能要在基础设施上投入三四万亿美元——当时听起来匪夷所思，但现在我们已经快到一万亿了，所以三万亿也许并非遥不可及。但问题是：电从哪里来？

我大约一年半到两年前做过一项研究，和一位负责电力设备行业的同事合作，我们测算了：如果英伟达的预测成真，美国的电网需要以多大的速度增长来支撑它？结论是，美国的发电容量需要在接下来十年里每年增长约5%。

我把这个数字告诉我同事的时候，他看我的眼神像是我有两个脑袋——因为在电力行业，5%的年增长率几乎是不可能完成的任务。这意味着本地化、就地发电将变得不可或缺。三哩岛核电站重启的讨论也已经浮出水面。

当然，我从不低估人类的创造力——工程师很聪明，只要有足够的商业驱动力，就能找到解决方案。

Michael Marks： 作为一家风险投资机构，你看到市场上有哪些缺口，需要更多创业者去填补？

Stacy Rasgon： 能源效率方向应该很重要，因为所有人都在面临能耗的压力。

但我最感到高兴的一件事，是看到半导体创业公司越来越多。十年前我曾试图做一篇关于半导体领域VC投资的研究，最后不了了之，因为根本没什么内容可写。当时半导体投资几乎只有企业战略投资（CVC），比如英特尔资本——私人VC几乎销声匿迹。原因很简单：设计一颗芯片成本高、周期长，远不如搭建一个SaaS产品来得容易。

所以，无论这些芯片创业公司最终命运如何，我都真心为半导体创业生态的重新活跃感到高兴。硬科技再次变酷，时机恰好。

Michael Marks： 如果我们一年后再请你来，届时世界大致按你的预期发展，行业会是什么样子？谁赢了？谁跌了？你说对了什么，说错了什么？

Stacy Rasgon： 我希望到时候行业更大、更好。

但我最想看清楚的，是推理需求的增长态势和收入的真实落地——不只是工程师群体，而是你我这样的普通人，是否开始以更广泛、更真实的方式使用AI，并从中获得切实的价值。如果到时候能看到这一点，那将是一个非常令人振奋的答案。

Michael Marks： 非常期待能再请你回来！

Stacy Rasgon： 我做这行18年了，我的原则一直是：只要每天还觉得有意思，我就继续做。如果哪天不好玩了，我就去找别的事做。事实是，每一天我都热爱这个行业。

Michael Marks： 太好了，非常感谢你的到来！

本文来自华尔街见闻，欢迎下载APP查看更多

6月21日，由Jack Farley主持的Macro Minds研讨会上，华尔街传奇空头、“安然终结者”吉姆·查诺斯（Jim Chanos），与科技对冲基金的Analog Century Capital的合伙人瓦尔·兹拉特夫（Val Zlatev）同台，就AI资本支出繁荣、半导体周期及算力基建的商业模式展开了深度激辩。

（左：Jim Chanos；中：Val Zlatev；右：Jack Farley）

传奇空头查诺斯警告，当前科技行业正经历类似90年代末的资本支出热潮，芯片供应商可以立即确认收入，而超大规模云服务商将AI资本支出资本化。

云服务商通过四至七年折旧摊销，而非直接计入运营开支。这种“时间错配”曾导致当年科技股利润暴跌40%。

此外，查诺斯认为算力租赁（如CoreWeave）本质上是回报率仅为个位数的金融租赁业务。

物理学家出身的华尔街投资人兹拉特夫则反驳称，真实词元需求爆发导致老旧GPU租金均在飙升，且英伟达（15倍2027年EPS）估值远未达1999年泡沫水平。

他进一步指出由于半导体设备产能年均增长上限仅为30%，存储芯片的紧缺与高价周期将比市场预期的更加持久。

利润悬殊与“折旧定时炸弹”

在当前的AI资本支出热潮中，市场最关注的是利润的流向。查诺斯敏锐地指出了产业链上下游在财务报表上的巨大错位。

查诺斯警告称：

现在的利润会计核算存在脱节：那些卖‘镐和铁锹’的公司（芯片、数据中心设备商）正在立即确认收入和利润；而那些花掉这些巨资的超级云厂商却在将这些成本资本化。

他回顾了1998年至2000年的互联网泡沫时期，当时标普500的营业利润在两年内增长了30%，但当订单簿在2001年崩溃而折旧成本继续显现时，标普500的利润暴跌了40%。

为了保守起见，查诺斯在建立模型时假设GPU的物理寿命为10年，但他依然对下游的盈利能力表示怀疑。查诺斯说：

你要小心，买芯片、建数据中心的成本目前都记在‘在建工程’里，一旦它们上线并开始折旧，对利润的冲击是巨大的。

对此，兹拉特夫表示大体认同，但补充称GPU的实际经济寿命难以精确界定，"可能不是10年，可能是6年，但绝对不是2年"。

算力租赁属于科技公司还是金融中介？

对于目前火热的新兴云服务商（如CoreWeave等算力租赁平台），查诺斯给出了极度悲观的评价，认为这在本质上是无利可图的商业模式。

查诺斯直言：

如果你从英伟达买芯片，租别人的数据中心，再把算力转租给微软或谷歌，你就是一个设备租赁公司，你不是科技公司，而是一家金融公司。

查诺斯进一步表示：

你应该做多芯片所生产的东西，而不是芯片所在的地方。

他透露了目前算力基建的真实投资回报率（ROIC）：

目前的交易细节显示，如果你现在有供电的数据中心和芯片，预期的税前ROIC只有5%、6%、7%、8%，全是个位数。如果现在（缺货时）都只能做到这样，我宁愿持有产业链的其他环节。

Zlatev对此部分认同，但提示各家新兴云服务商并不完全相同。

他举例指出，部分公司如Lambda Labs约有40%至50%的收入来自即时推理场景的现货定价，这使其在当前GPU现货价格飙升的环境下，具备一定的灵活获利空间。

两人均同意，真正的价值不在于提供机架与电力的物理载体，而是在芯片及其"包裹层"（软件与优化层）。

多头反驳：真实的需求与远未泡沫的估值

针对互联网泡沫的教训与当下的差异，专注硬科技投资的兹拉特夫提出两点反驳。

首先，他认为当前的AI需求可以通过底层的词元使用量来实时追踪，这与1999年仅靠CFO们在财报会上“画大饼”完全不同。

兹拉特夫指出，AI基础设施的紧缺是极其真实的：

就在我们说话的时候，这些芯片依然非常紧缺，甚至那些6、7、8年老旧GPU的租金都在上涨。由于Token使用量的爆发，自今年1月以来，算力现货价格上涨了40%到50%。

其二，AI对模型能力的改进确实带来了真实的生产率效益，企业用工人数停滞甚至下降，而营业利润率却显著提升，这是在超过500家硬科技公司样本中已经可以观察到的实际情况。

关于市场最担忧的估值泡沫，兹拉特夫抛出了核心数据：

这不是1999年思科以160倍市盈率交易的时代。目前英伟达的交易价格大约是其2027年预期每股收益的15倍，博通在近期回调后是2028年预期收益的12倍。整个板块并没有走向极端的泡沫。

他同时承认，AI的"缩放定律"（Scaling Laws）属于经验规律，一旦有人研发出新的非Transformer架构模型，大幅降低单位算力成本，当前整个算力军备竞赛的逻辑基础就将动摇。

兹拉特夫说：

这才是真正让我夜里睡不着的事情。

存储芯片：被逼到极限的物理产能与“反常”的低估值

对于市场极度关注的存储芯片（DRAM/NAND）周期，兹拉特夫揭示了供给端无法大幅扩张的核心物理约束。

目前，因AI模型向推理、长上下文窗口及AI智能体演进，对存储的需求呈现爆炸式增长，部分存储价格已经上涨了4到5倍。但即便如此，各大存储厂商也无法像过去那样疯狂扩产。

兹拉特夫表示：

半导体设备公司（如ASML、应用材料等）受制于供应链复杂性，其出货量每年最多只能增长30%到35%。这是物理极限，无论你需要多少无尘室，你都无法增加超过这个比例的产能。

他指出，目前市场给存储公司的远期市盈率仅为6到7倍，因为市场“错误地认为6到9个月后就会出现周期性衰退导致价格暴跌”，但他表示：

由于产能扩张受限，这次需求的高峰将比过去25年都要高，且高位维持的时间会更长。

终极狂想：马斯克的1太瓦（Terawatt）星辰大海

对话的最高潮围绕马斯克及SpaceX将数据中心搬上太空的设想展开。

查诺斯从商业逻辑上将其拆解：

太空中最大的成本是抗辐射和散热。而且数据中心设备经常坏，在地球上你派个技术员去换零件就行，在太空你得发一枚火箭。太空的总体潜在市场（TAM）是无限的，但太空的无限熵（随机性风险）也是无限的。

他强调，目前SpaceX的发射业务仍处于亏损状态。

然而，兹拉特夫从技术发展的底层逻辑原理解释了马斯克看似疯狂的举动：

马斯克认为未来几年世界需要1太瓦（1,000千兆瓦）的算力，而目前科技巨头高达7500亿美元的资本支出，仅仅转化为了大约15千兆瓦的算力。他之所以这么说，是因为他没有看到AI底层‘缩放定律（Scaling Laws）’的打破。只要集群越大、模型越聪明，对算力的需求就是指数级的。

访谈对话全文（AI辅助翻译）：

Jack Farley：

如何在AI繁荣中寻找投资价值——无论是做多还是做空？这正是本月初我有幸主持节目时，向两位优秀投资人提出的问题。他们分别是Jim Chanos和Val Zlatev。

Jim是传奇空头投资人，以做空Wirecard以及安然公司而声名卓著。Val则管理着一支规模数十亿美元的对冲基金，在半导体和科技硬件领域的多空投资中拥有出色的超额收益记录。

本次对话发生在我为Macro Minds Symposium主持的一场圆桌讨论上。这是一场面向机构投资者、以支持学生教育为使命的公益性会议。今年的研讨会为三家受益方筹集资金，分别是：NYC First、Opportunity Music Project和100 Women in Finance。其他圆桌嘉宾包括业界重量级人物，如阿波罗的John Zito和贝莱德的Rick Rieder。

我由衷感谢Macro Minds及其创始人Dean Kernutt邀请我参与其中。更多相关信息将附在简介中，采访结尾处我也会分享一些总结性看法。现在，让我们正式开始。

主持人介绍：

有请Jim Chanos、Val Zlatev和Jack Farley。

Jack Farley：

感谢各位的到来。今天我们将围绕AI与半导体投资展开一场精彩对话，涵盖做多与做空两个维度。嘉宾分别是来自Chanos & Company的Jim Chanos，以及来自Analog Century Capital Management的Val Zlatev。我想先请两位谈谈对人工智能及其配套基础设施建设的整体看法。Jim，先从你开始，然后是Val。

Jim Chanos：

正如Rick Rieder在上一场讨论中所说，AI目前主导着整个金融市场的走向，在股票市场尤为突出，信贷市场的影响也与日俱增，这是一个非常独特的现象。

我想从宏观角度补充一点：我认为人们在将AI的影响外推至全球经济增长和企业盈利增长时，需要保持一定的谨慎。我们回顾了Netscape问世前后各十年的数据——也就是1985年至1995年，以及1996年至2006年这两个区间，后者刻意排除了全球金融危机的影响。结果发现，互联网诞生前后，美国经济增速几乎没有任何差异。

更耐人寻味的是，企业盈利增速同样没有因生产率提升而显著提高。互联网前后两个十年的企业盈利年均增速均为6%，与长期历史均值一致。当然，其中不乏结构性的此消彼长。这其实是在说明：AI经济中同样会出现大量结构性变化和赢家输家的分化，但它究竟能否提振整体经济增速、带动企业盈利的长期增长，目前仍是未知数。

Val Zlatev：

我不是宏观投资者，也不打算就AI对整体经济的影响与Jim争论。但从微观视角来看，当我们与所投资公司交流——无论是多头还是空头标的——我们发现AI对企业个体的实际影响已经相当清晰，许多被我们覆盖的企业CEO对现阶段的影响颇为振奋。

其实有一个很简单的验证方式：对比过去三四年间这些企业的员工数量与营业利润。你会发现，员工数几乎没有增加，部分甚至在下降，而营业利润却大幅攀升。我说的还不仅仅是那些靠涨价获益的存储器公司，而是覆盖500余家科技硬件公司的整个研究领域。换句话说，AI的实际影响已经切实发生，并且相当显著。

至于这种影响能否从科技圈内部的早期采用者，扩散至更广泛的实体经济，目前还有待观察。在展望未来时，我同意Jim的判断：这一过程中将充满争议、充满起伏。事实上，这并不是一边倒的共识——上Twitter、听播客、看各类AI论坛，你会看到大量的空头声音，与多头几乎势均力敌。这种分歧局面，我认为非常健康。我喜欢AI领域存在大量空头，因为这促使人们停下来，思考、权衡，而不是像90年代那样一哄而上、盲目乐观。

Jim Chanos：

如果你真的想被吓到，我告诉你：相对于我的空头仓位，我目前是AI净多头——各位是不是被吓到了？

Jack Farley：

Jim，你是通过指数持有净多头仓位的。那你目前在做空什么？你显然没有在规模上做空半导体。你空的是什么？

Jim Chanos：

在回答这个问题之前，我想先做一个铺垫。在当前这波高科技资本开支热潮中——多空双方都承认这是一轮资本开支繁荣——存在一个盈利核算上的错位，而这在90年代末我们也曾见过类似的情形。

具体而言：销售"镐与铲"的公司——在本轮周期中就是芯片、数据中心设备及建设公司——能够立即确认收入和利润；而花费这些资金的公司，包括Nvidia、ASML以及各类承建商等，则是在立即确认营收和利润。与此同时，那些掏钱的超大规模云计算商（Hyperscalers）等却将这些支出资本化处理。

这一点在理解当前高科技领域的盈利繁荣时至关重要。我们在1998年中至2000年中就经历过这种情形。那个周期中，标普500运营利润在短短两年内增长了约30%，增速与当前相当甚至更高。但从2000年中到2001年，知道它下跌了多少吗？

Val Zlatev：

跌得又快又猛。

Jim Chanos：

下跌了40%。订单崩塌，成本（尤其是折旧）持续累积，标普500盈利在那一年——一次温和衰退中——跌幅与全球金融危机期间相当，两段时期均约下跌40%。

所以我们必须对此保持警惕。我们目前聚焦的，是那些本质上商业模式存在缺陷、依附于AI生态系统的企业——即便在最乐观的假设下，其资本回报率也将微乎其微。比如比特币矿工、激进型数据中心开发商、以及所谓的新兴云服务商（Neo Clouds）。即便给予GPU十年使用寿命的假设，其远期资本回报率也不过4%至6%。我认为这类企业终将被市场淘汰。

我经常对客户说：你应该持有芯片所"生产"的东西，而不是芯片所"居住"的地方——我认为这个投资逻辑在未来依然成立。

Jack Farley：

我们一会儿再深入聊新兴云服务商，但先说说折旧问题。我们正处于一轮资本开支热潮中，大部分购买的芯片都被资本化，通过若干年的折旧来摊销，无论是四年还是七年。Jim，你的意思是：由于折旧尚未到来，当前盈利是被虚增的？折旧何时会真正落地，又将如何冲击利润？我知道Val也有很多想法。

Jim Chanos：

存在两个问题。

其一，像Alphabet、微软、亚马逊、甲骨文这些花大钱的公司，大量资本支出目前以"在建工程"的形式挂账。芯片采购成本、人工成本、利息成本，统统被资本化，要等到数据中心正式投入运营、开始产生收入，才会开始摊销。所以抛开芯片本身的使用寿命不谈，数据中心从竣工到产生收入可能存在12至18个月的滞后期，在此期间这些资产既未折旧，也未产生营收。

其二，在我们的建模中，为保守起见，我使用的是GPU十年使用寿命的假设。AI空头们常说两年或三年，但我用的是十年——这基本上是全天候、365天不间断运行下的物理极限。我认为这是一个较为稳健的估算基准。

Val Zlatev：

十年其实已经相当激进了。我不确定十年后还有多少今天的GPU在运转。所以这确实是很保守的假设。

我同意Jim的观点，真正的投资机会在于芯片本身，以及数据中心内部的服务，而不是"房东"角色。这个比喻很贴切。

关于折旧，我不打算在6年还是10年上做太多纠缠，肯定不是两年。

但有一个现实值得关注：当前GPU的供应极为紧张，以至于那些使用已有六七八年之久的老旧GPU，租赁价格反而在上涨。这在去年12月之前并未出现——彼时GPU租赁价格同比下跌20%至30%，这完全正常。毕竟每年都有新架构、更高效的GPU推出，每个token的处理成本更低。从经济逻辑上讲，任何能获取新GPU的人都没有理由继续用旧机器。然而现实是，自今年1月以来市场供应如此紧张，GPU租赁价格已上涨40%至50%甚至更高，这在近期确实改变了新兴云服务商的商业经济性。至于这种局面能否持续，我无法判断。我只是想强调，这是一个极其动态的市场。

Jim Chanos：

这改变的是近期的估值，但我不确定他们的合同定价是否有太大变化。超大规模云服务商本身并不傻。记住，在这种商业模式中，新兴云服务商本质上是设备租赁公司——从Nvidia购买芯片，租用别人的数据中心空间，再将芯片租给微软、谷歌或Meta。这不是高科技公司，实质上是一家金融公司，赌的是芯片使用寿命以及合同期内的租赁收益。

顺便一提，这些公司的创始人很多是金融背景出身——Core Weave的核心人马就是金融危机时期的老Magnetar人。而且，当贝莱德旗下的Blackstone以REIT形式进入这个行业，你就清楚地知道：这本质上是一门金融生意。

还有一点很重要：超大规模云服务商完全可以自行购买芯片，但他们选择从新兴云服务商那里租用。

Val Zlatev：

为什么会这样？我来解释一下。现实情况是：超大规模云服务商未必能提前备足产能，也未必有足够的采购渠道。Nvidia也有意在超大规模云服务商和新兴云服务商之间保持平衡，不希望完全依赖几家大客户。因此，Nvidia主动将更多供应倾斜给新兴云服务商，以此在市场上制造竞争，避免自身对少数超大客户形成过度依赖。

Jim Chanos：

说白了，他们不想直接卖给微软，宁可卖给Core Weave，再由Core Weave转租出去。

Jack Farley：

Jim，你怎么看超大规模云服务商选择通过Core Weave这类中间商而非自行采购的原因？

Jim Chanos：

两种方式他们都在用，这一点毋庸置疑。超大规模云服务商直接投入的资金规模已经相当庞大。但总体而言，这是一种"淘金热"心态——谁手里有产能，谁就能签单。

问题在于，Jack，就当前这种供需格局来看，如果你此时此刻既有数据中心产能、又有芯片资源，理论上应该获得极高的资本回报率。然而，凡是能拿到具体条款的交易，资本回报率普遍在5%至8%，全部是税前个位数的回报。

这就回到了我的核心观点：如果这已经是当下的最优解，我宁可持有价值链上的其他环节，而不是这个中间商角色。

Val Zlatev：

我完全同意你说的。你基本上是把他们归类为类似REIT的存在——比如Core Weave这样的公司。

Jim Chanos：

确实可以这么理解。

Val Zlatev：

我同意，这个领域的真正差异化因素终究是技术。真正的价值在于芯片本身，以及围绕芯片构建的软件和优化层。仅仅是买地、接入电网、安装变压器，这些并没有太多技术含量。这类护城河或许能撑个几年，但价值终将回归技术本身。

Jim Chanos：

我认为三年后不会再有电力瓶颈，也不会再有劳动力瓶颈。这些问题可能在未来18个月内持续存在。

从根本上说，股票是长久期资产，你应该着眼于整个周期或更长时间维度内的核心业务质地。基于当前供不应求的现货价格为一家公司定价，短期内固然刺激，但波动风险也不容小觑。

Val Zlatev：

我并不打算为新兴云服务商辩护，本来也不做多这类公司。不过我想补充一点：它们之间并不完全相同。

像Equinix、Digital Realty这类是传统托管服务商，本质上就是"空壳出租"——客户自带服务器，放进机柜，付租金，十年后再来换机器。但Core Weave这类更新的玩家，其实在底层硬件之上还叠加了软件层和优化层。以CoreWeave为例，并非100%的收入都锁定在超大规模云服务商的长期合同中，大约有40%至50%来自推理工作负载的现货市场，而推理需求正是当前现货价格上涨的主要驱动力。他们可以从中受益，并将成本转嫁出去。所以这些公司并非简单的"空壳"，确实存在一定技术含量。但这些技术终归来自Nvidia、Broadcom等芯片厂商，而非他们自己构建的。相比之下，Cerebras这样的公司，技术层面就远非同一量级了。

Jim Chanos：

我理解你的区分。但同样要记住，这是技术行业，技术是会变化的。推理计算完全可能迁移到手机或桌面端。有人说这在经济上不可行，但这些人同时又在告诉我要把数据中心放到太空去。

Jack Farley：

说到太空数据中心——

Val Zlatev：

Jim，你对太空有自己的看法？我相信你有。

Jim Chanos：

太空数据中心你想聊什么？

Jack Farley：

这是个好主意吗？值得投资吗？

Jim Chanos：

好，先说成本结构。大家都知道把数据中心送上天代价不菲，主要取决于发射成本。但有两点值得注意：

第一，电力成本尽管存在瓶颈，但占数据中心总成本的比例其实很低，大约只有营收的5%至7%。如果你的逻辑是"太阳能是免费的电源"，那这个逻辑从一开始就站不住脚——电力本就不是主要成本，而且如我们之前讨论的，电力瓶颈未来会进一步缓解。

第二，太空中真正的大问题有两个：一是散热，真空环境中无法通过对流散热，国际空间站那些巨大的散热板就说明了这一点；二是辐射——复杂电子系统在太空辐射中长期运行，可靠性会严重下降。

此外还有冗余和保险的问题。地面数据中心设备故障极为常见，维修团队随叫随到，更换零件即可恢复运行。而在太空，你得发射一艘飞船，理论上派机器人去修，每次出问题都要经历一次发射，成本骤然飙升，任何理论上的节省都会被迅速吞噬。

最后还有一个现实问题：这个方案的主要倡导者，其旗舰火箭Starship在12次飞行中还没有一次成功入轨，我估计其中六七次是以爆炸告终。所有宏伟的承诺，都建立在一枚尚未实现地球轨道飞行的火箭之上。太空的"市场空间"确实无限大，但太空的熵增同样是无限的——随机性和不可控性也是无穷无尽的。我认为没有人需要在未来五到十年内为此担忧。

Jack Farley：

我想听你对SpaceX IPO的看法。我猜你不会是买方，做空新股的风险也众所周知。但招股说明书已经出来了，你大概也看过了。你怎么思考是否做空这家公司？

Jim Chanos：

先看现有业务，数字并不好看——即便算上Starlink。

Starlink是盈利的，是个尚可的生意，但增长已经明显放缓，为了刺激用户量增长不得不降价。目前Starlink年度运营利润大约40亿美元，但背后的投入资本估计在250亿至300亿之间，回报率不算出色，只能说是个合格的生意。

问题在于，发射业务至今仍在亏损，烧了数十亿之后依然如此。此外，Starlink的发射成本受益于母公司的内部优惠定价，真实盈利能力可能被高估。

xAI是最大的变量——持续烧钱，与Anthropic签的也只是短期合同，目前完全是个资金黑洞。

所以你需要相信火星移民、月球基地、太空数据中心，才能为接近2万亿美元的估值找到合理性。这让我想起了特斯拉——你无法单凭卖车来支撑特斯拉的估值，一切都建立在"未来可能发生的事情"上。

正如我说的：牛市用溢价定价未来，熊市用折价对待现实。

Jack Farley：

你之前谈到把周期性业务当成成长性业务来估值的问题。Val，你想就此补充什么？

Val Zlatev：

我想在一个具体点上稍作反驳。

Elon Musk讲到太空数据中心，并不是因为便宜——确实，能源在太空更便宜，但要清楚：能源只占数据中心资本支出的5%，厂房和土地大约占10%，剩下的85%是数据中心内部的计算设备，而这才是我们真正投资的核心。

他的逻辑不是关于成本，而是关于体量。他曾非常明确地表示，他相信未来几年全球将需要1太瓦的算力。1太瓦等于1000吉瓦。而目前全球超大规模云服务商等合计约7500亿美元的资本支出，换算成算力大约只有15吉瓦。也就是说，他的目标是当前实际部署量的约67倍。他的意思是：你们现在聊的这些钱，在他的框架里不过是毛毛雨。

他之所以要去太空，不是因为更便宜，而是因为需求体量实在太大。顺便说一句，美国整个电网的总容量约为1.5太瓦，还得留有备用裕量。他基本上是在说：我需要一整个美国电网的容量——所以才要去太空。

我无法评估他的时间线或野心是否可行，那是其他人的事。我也不确定做空他是否明智，历史上这条路走通的人不多。

我能确定的是：他之所以得出这个结论，是因为他没有看到AI核心技术规律出现根本性的突破。AI的"扩展定律（Scaling Laws）"意思是：训练集群越大，投入的算力越多，模型输出越好，智能水平越高。所有人都在追求更高的智能上限。如果他认为扩展定律即将失效，他根本不会说需要1太瓦的算力，而是会说现有的设施已经足够用了。

Jim Chanos：

你是1999年就在投资了吗？

Val Zlatev：

那时候我在麦肯锡，是这些公司的顾问。我亲眼见证了订单崩盘时的惨烈。

Jim Chanos：

在那个时代，有一个被奉为信条的论断：互联网流量每个季度翻一番。MCI WorldCom每个季度的业绩电话会都会特意强调这一点。这句话深深植入了市场集体意识，推动着资本开支的螺旋式上升。

后来，贝尔实验室有一位叫Andrew Odlyzko的研究员，大约在1999年底写了一篇论文，在2000年初正式发表。他通过大量严谨数据得出结论：互联网流量确实在高速增长，但是每年翻一番，而非每个季度。这虽然仍属高速增长，但与此前的叙事有着天壤之别。

问题在于，所有人都已经基于"每季度翻倍"的假设构建了商业模式和订单计划。网络设备商、电信公司、光纤铺设商，毫无例外地在高速扩产。2000年初，当市场意识到所谓的"季度翻倍"可能只是MCI某人编造出来、被媒体不加甄别地广泛传播时，CFO们开始急踩刹车——原本2万台路由器的订单，瞬间砍到4000台。

还有一个常被忽视的事实：那次资本开支热潮的最大买家，并非初创公司或光纤运营商，而是AT&T、美国银行、美国银行、可口可乐这样的大型传统企业，他们在搭建内部网络基础设施，并叠加了Y2K驱动的设备更换需求。

基于这段历史，我对眼下"在当前价格水平上存在天量算力需求"的预测，保持相当程度的怀疑。这种情况或许会发生，但历史告诉我们，这种疯狂的指数级增长预测，往往会被现实世界的约束所打断。

Val Zlatev：

这个参照完全有道理，值得认真对待，尤其要考虑那些预测来自谁的口中。

不过，我有两点补充：

第一，当前我们对实际需求的追踪方式，与1999年有根本性的不同。那时你只能等着企业CFO每季度开一次电话会，说些自己编造的数字。现在你可以直接追踪OpenAI等平台公开的token使用量，这只是全行业的一个缩影，但趋势是可见的、可追踪的。GPU租赁价格上涨，正是因为token使用量在爆发式增长，现有GPU根本供不应求。

这不代表会一直持续。但就目前来看，客观数据表明：你不需要等着听CFO的说辞，你可以在自己的日常使用中直接感受到需求的存在。

第二，1999年和现在还有两个重要的技术差异。

那时的基础设施投资主要是光纤铺设。光纤的成本结构决定了过度建设几乎是必然的——70%是固定成本，既然挖了沟，就尽可能多埋光纤。此外，波分复用（WDM）技术的突破，使得同一根光纤的传输容量大幅提升，原本就已过剩的供给瞬间翻倍，造成更严重的产能过剩。

这种技术突变在今天同样可能发生。有人可能提出全新的AI架构，一种不依赖大语言模型或Transformer的新型模型，以极低的算力投入实现大幅度的性能提升。AI的扩展定律已经运行了约12年，但它不是物理定律，不是不可撼动的真理。如果有人能打破它，整个讨论都将重写。

Val Zlatev：

我想到了一个让我夜不能寐的噩梦情景：如果有人真的破了扩展定律，"镐与铲"的投资逻辑将彻底颠覆，整个讨论都要重来。这是我对多头仓位最大的担忧所在。

Jim Chanos：

这倒是可以引出下一个话题。

Jack Farley：

我想谈谈存储器。从芯片制造的历史来看，存储器一直是高度同质化的商品市场：各家厂商拼命扩产、价格持续下行、企业接连出局。

为什么这一次不同？三大存储器厂商——一家美国的、两家韩国的——股价大幅上涨，但远期市盈率反而下降了，因为市场对其定价能力的预期大幅提升。这让我想起石油行业的老逻辑：当油价飙到150美元，远期市盈率看起来只有6倍，但这恰恰是最不该买的时候。存储器现在的逻辑真的不一样了吗？

Val Zlatev：

"这次不同"是金融世界里最危险的四个字。我不会断言存储器价格永远不会下跌，我在这个行业摸爬滚打了26年，这样的剧情看过太多次。

但我确实相信，此次存储器的需求峰值，无论从幅度还是持续性来看，都高于过去25年的任何一次。而且这个峰值平台期可能会维持较长时间——2至4年甚至更久——然后才会出现价格的回落。

而市场目前的定价，正在用6至7倍的远期市盈率对存储器股票打折，这意味着市场认为价格下行周期就在六个月之内。我认为这种预期极不可能实现。

原因有两个：

其一，产能扩张受到物理约束。 即便你有无限洁净室，设备供应商——ASML、应用材料等——每年的出货量增速也不可能超过30%至35%，这是由供应链复杂度决定的硬约束。存储器bit的产能增速就被卡死在这个上限。

其二，存储器厂商自身极为谨慎。 这些公司经历了长达数年的价格下跌和利润压缩，一直到2024年甚至2025年初仍如此。这些60、70岁的老行家，见过太多次周期。绝不会因为哪个30岁的硅谷年轻人跑过来说"我需要比你们有史以来生产的总量再多100倍的存储器"，就马上大幅扩产。他们极度谨慎，根本没有提前备好所需的额外洁净室产能。

Jim Chanos：

有意思的是，台积电CEO昨晚恰好对这一观点提出了反驳。他是那种阅历丰富、见过无数周期的70岁老将，但他明确表示："不，我们正在以最快速度扩产，其他环节可能有瓶颈，但我们会尽快建新的晶圆厂。"

Val Zlatev：

但"尽力扩张"的硬上限仍然存在——设备商每年就是只能增长30%，这是物理约束，不是意愿问题。没有人能绕过它。而且新建洁净室造价高昂，建设周期长达五年。

Jim Chanos：

这确实会进一步推高整个行业的成本。

Val Zlatev：

必然如此。半导体行业具有显著的通胀效应。五六年前行业下行周期结束之后，半导体就从持续通缩转变为持续通胀，并将在未来六七年乃至更长时间内维持这种趋势。

Jack Farley：

Val，你之前提到你从偏空的视角关注存储器的"使用方"？

Val Zlatev：

是的。DRAM和闪存价格已经上涨了4至5倍，这完全由数据中心需求驱动。背后有几个关键因素叠加：

首先，AI模型从纯聊天机器人演进为推理模型，需要存储的token数量大幅增加；其次，上下文窗口持续扩大；最后，近五个月来AI Agent的爆发——Agent需要存储大量的中间状态信息，对存储的需求远超之前。这些因素叠加，导致超大规模数据中心的存储需求在过去12个月内急剧膨胀，完全是真实需求驱动，并非盲目囤货。

存储器厂商完全没有预料到这种情况，价格随之飙升。

问题随之而来：PC厂商、智能手机厂商、消费电子厂商，他们的BOM（物料清单）成本中，存储器占比从此前的20%左右，攀升至如今约50%。这些厂商只剩5%至6%的运营利润率，唯一出路就是把成本转嫁给消费者。这就是为什么你会看到智能手机价格普遍上涨——消费者端是一个价格弹性较高的市场，当手机价格上涨50%，消费者选择多等12个月再换。这直接拖累了PC和智能手机出货量，今年可能同比下滑百分之十几。这种情况极为罕见，这类成熟市场通常都是多年横盘状态，即便是智能手机，下滑15%也是非常异常的信号。

因此，我认为那些为PC和智能手机厂商供应零部件、但又没有定价权的上游企业，面临的是量价双杀的窘境，这是有吸引力的做空机会。

Jack Farley：

这逻辑说得通。Jim，你怎么看存储器价格？你是否同意Val所说的，供应链正在尽其所能扩产，而物理约束就是无法逾越的天花板？毕竟，锂、钴、石油、天然气每次涨价，矿业公司CEO都说"建一座矿山要七年，根本来不及"，但一年后价格就崩了。我知道存储器有其特殊性，但想听听你的看法。

Jim Chanos：

在我40年的从业生涯中，我从未靠做空DRAM公司赚到过钱。存储器就是个周期性行业——上行阶段人们极度乐观，下行阶段又极度悲观，我们从来没能准确把握节奏，所以基本上不在纯存储器方向上操作。

不过，我倒注意到CPU领域开始出现一些有趣的估值分化。某些公司此前交易在2倍市销率，现在已经涨到10倍甚至12倍，而其所在市场的竞争格局并没有发生根本性变化。

Jack Farley：

你具体说的是哪类公司？

Jim Chanos：

比如一些CPU公司股价涨幅惊人——AMD、Intel等等。再对比台积电、Nvidia，以及Broadcom，你会开始看到明显的估值错位：处于激烈竞争格局中的公司，估值反而高于拥有护城河的公司。

Jack Farley：

你的意思是Intel涨了太多，而Intel所在的市场竞争激烈；而相比之下，在市场上占据主导地位的Nvidia，估值反而更便宜？

Jim Chanos：

对，从相对价值来看确实如此。

Val Zlatev：

Nvidia确实比Intel便宜多了，但要看清楚背景：Intel已经好几年没有盈利了，曾经的垄断地位基本上已经丧失，在AMD面前节节败退。

你在用市销率来衡量，我明白。我不会认同Intel是好的做空标的。但我想就估值这个话题说几句：虽然很多半导体公司过去两个月涨了不少，但不是每一家都处于泡沫区间。这和1999年至2000年完全不同——那时候思科的市盈率高达160倍。

Jim Chanos：

你见过特斯拉的估值吗？

Val Zlatev：

那是你和特斯拉之间的恩怨，我不掺和。确实有公司在交易150倍市盈率，我不否认。但在半导体板块，目前最贵的是网络设备类公司，远期市盈率大约50至60倍；而存储器类公司是最便宜的一端，只有5至6倍；Nvidia大约在2027年EPS的15倍；Broadcom今天调整之后，大概在2028年EPS的12倍左右。所以这个板块整体上并不像1999年那样估值全面泡沫化。

顺便说一句，我真的不明白为什么Costco和Walmart的估值比很多半导体公司还要贵。这种定价逻辑让我费解，但市场就是这样。

Jack Farley：

说到设备制造商——也就是为台积电和存储器厂商供应设备的公司，比如泛林集团和ASML——这部分是半导体指数里估值最贵的板块。Val，你对这个子板块似乎不太感冒。你认为高估值不成立吗？毕竟存储器厂商需求旺盛，而设备商的商业模式也有类似"剃须刀与刀片"的周期性耗材逻辑。

Val Zlatev：

这些公司是非常优质的企业，商业模式出色，在各自细分领域接近垄断地位，有的甚至是真正的垄断。问题在于，正如我前面说的，他们的收入增速被卡在约30%，而且他们不会通过提价来突破这个上限。他们目前大约以35倍远期市盈率交易——35倍对一个30%的成长型企业来说不算离谱，但相比Nvidia或Broadcom，性价比就明显偏低了。

所以这是一个相对价值的问题，不是说这些是坏公司，而是相对来说，在当前估值水平上，它们的吸引力不如价值链上的其他环节。

Jack Farley：

好，时间差不多了，Jim，请你做个总结。

Jim Chanos：

我想我们今天同意的多，分歧的少。在这个市场里，AI无论做多还是做空都有机会。

我想给在场各位一个忠告：不要把神奇的估值贴在平庸的商业模式上。资本正在大规模涌入这个领域，这必然会压低整个赛道的回报。在当前这个周期里，资本会流向所有参与者；但随着时间推移，当商业模式的本质愈发清晰，资本会逐渐从那些平庸的模式中撤出。我预计在未来18至24个月内，这一点将变得相当明朗。

Jack Farley：

非常感谢。希望各位和我一样享受这场对话。

Val谈到了存储器和光子互连领域的潜在机会，对半导体设备公司则相对谨慎。值得注意的是，Jim目前对半导体公司并无空头仓位，他的怀疑主要集中在以Core Weave为代表的新兴云服务商，以及可能被AI淘汰的传统数据中心运营商上。

再次感谢Macro Minds。简介中将附有捐款链接，支持今年受益的三家公益机构：NYC First、Opportunity Music Project和100 Women in Finance。

过去一年，我在Monetary Matters节目中持续分享了一个判断：半导体盈利将因AI资本开支而大幅提升。这一判断获得了Satrina、Angus Shillington以及众多嘉宾的支持。我目前仍然认为半导体板块整体上存在做多机会，并持有广泛的半导体敞口。尽管我在Marvell和Teradyne的看涨期权上取得了一些收益，但如果让我说出当下最看好的一个名字，我会说：Nvidia。

与此同时，我也对一些风险保持警惕：这可能是一场巨大的泡沫，这些天量投资的回报或许难以实现。关于当前的行业格局——半导体赚得盆满钵满，而模型公司持续巨亏——这种失衡局面终究无法长期持续，但我认为它可能会延续一年乃至更长时间。技术繁荣周期往往比大多数人预期的更为持久。如果你问我究竟看多还是看空半导体，答案在此：即便这是一场泡沫、即便空头最终是对的，此时此刻直接做空半导体，未必是值得承担的风险。

补充一点来自空头侧的看法：Meta的AI战略在我看来逻辑不通，虽然我目前并未做空Meta，但请把我归入对这只股票保持悲观的那一方。我也意识到这个观点正在逐渐成为市场共识，因此可能并不一定正确。

说到空头，我刚刚采访了对AI和数据中心资本开支最为直言不讳的怀疑论者Ed Zitron，该采访将于6月22日（周日）上线，敬请期待。他掌握了至少一家模型公司2025年运营亏损的详细数据，那个数字触目惊心，你绝不会想错过。

此外，在Monetary Matters节目中，Max和我计划持续邀请多空双方嘉宾，围绕AI展开深度讨论——涵盖大语言模型公司、超大规模云服务商、新兴云服务商以及半导体等各个维度。无论你持何种观点，我都希望你能在这里找到有价值、有依据的信息。

我对这轮繁荣究竟能持续多久的判断置信度并不高。但有一件事我非常确信：美国经济，尤其是美国股市，正日益成为一场高度集中的押注——押注AI能否兑现承诺。如果赌对了，收益将是巨大的；如果赌错了，代价同样惨烈。

请订阅Monetary Matters的YouTube频道，在Apple Podcast和Spotify上为我们留下评分和评论，关注Max的播客Other People's Money，也别忘了收看我们每天东部时间下午四点至五点的直播节目Monitoring the Situation。下次再见。

Jim Chanos：

谢谢，就到这里。

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《观察家报》20日报道，首相斯塔默正准备公布离任时间表，工党高级人士预计他最早可能于22日（周一）发表“明确声明”。这一消息令市场神经紧绷——英国10年期国债收益率上周五已攀升至4.84%，投资者正屏息等待周一开盘时的政治信号。

斯塔默的政治困境在上周进一步激化。前大曼彻斯特市长Andy Burnham在Makerfield补选中以压倒性优势胜出，获得54.8%的选票，以9231票的差距击败改革党候选人，由此取得进入下议院的席位，并为发起党首挑战扫清了道路。据《观察家报》援引工党内部人士的说法，Burnham的支持者声称已获得逾201名工党议员的背书，超过工党议会党团半数，令斯塔默的处境愈发艰难。

英国交通大臣Heidi Alexander已于19日公开敦促斯塔默制定离任时间表。斯塔默本人当天虽表示若发生党首竞选将参选，并重申不会"一走了之"，但据报道，他随后在乡间别墅Chequers与妻子共度周末，就自身政治前途进行深思熟虑。

市场已在定价政治风险

债券市场率先作出反应。英国10年期国债收益率上周五上涨约9个基点至4.84%，交易员将Burnham的胜选、国内政治不确定性以及未来领导层更迭可能带来的财政政策转向一并纳入定价。

由于周末市场休市，下一个关键时间窗口将是周一开盘。若斯塔默届时发表离任声明，消息将直接冲击市场交易。Burnham定于周一宣誓就任议员，并将于本周早些时候与斯塔默会面，内阁会议则安排在周二举行。

工党内部人士预计，权力交接不会形成即时真空，而更可能是一场"有序的缓步退场"——最可能的方案是将交接时间定于9月党代会前后。

斯塔默的权威如何走向崩塌

斯塔默的政治困境并非一夕之间形成。其权威的侵蚀可追溯至2024年12月的一项任命决定——他将驻美大使一职授予Peter Mandelson，而后者与已故性犯罪者Jeffrey Epstein的长期交情早已是公开信息。

Mandelson于2025年9月被解除大使职务，此后因涉嫌在2008至2010年金融危机期间向Epstein传递敏感政府信息，以"公职人员不当行为"罪名遭到逮捕。Mandelson否认不当行为，目前尚未被正式起诉，警方调查仍在进行中。斯塔默起初声称Mandelson在任命过程中对其隐瞒了相关情况，但随后有报道显示他对两人的友谊知情。

这一事件引发连锁反应：斯塔默的幕僚长Morgan McSweeney于今年2月辞职，一名外交部高级官员亦随之离任，政府在文件披露、审查争议和廉洁调查的持续压力下接连失血。

党内倒戈，各方施压

工党内部的离心力正在加速聚集。斯塔默的前影子司法部长、上议院议员Lord Falconer向BBC表示，斯塔默"已完全失去权威，因为所有人都认为Andy Burnham即将发起领导权挑战，而且所有人都认为他会赢"。

工会方面同样明确表态。Unite工会总书记Sharon Graham直言"斯塔默显然需要离开"，并呼吁在明确时间表下实现有序过渡，同时就工党政策优先事项展开讨论。

前卫生大臣Wes Streeting被视为党内另一潜在竞争者。据《观察家报》报道，他已为40名工作人员租下办公室作为竞选总部，并收到工党重要捐助人Fran Perrin的两笔各5万英镑捐款。然而，部分工党高层人士认为，Streeting最终可能选择与Burnham达成协议，而非正面对抗其强劲势头。

Burnham：等待入场的"北方之王"

Burnham在胜选演讲中措辞雄心毕露，尽管尚未正式宣布参选。他告诉支持者，"今晚或许——仅仅是或许——将成为一个转折点"，并警告工党这是"最后一次改变的机会"，"不会有第二次"。

在工党规则下，任何挑战者只需获得工党议员20%（目前约81人）的提名，加上地方党部和附属机构的必要支持，即可发起正式挑战。Burnham的支持者声称已掌握的数字远超这一门槛。

目前，唐宁街10号仍将辞职传言定性为"猜测"，斯塔默团队坚称他将应战任何挑战。但政治现实已相当严峻：Burnham已取得议席，其盟友声称掌握足够票数，内阁成员和工会正在转向，而改革党的持续威胁令越来越多的工党议员相信，只有Burnham才能有效应对。

若斯塔默于周一走上讲台宣布离任时间表，将标志着一段非凡政治旅程的终结——从不足两年前的压倒性胜选，到被迫退场，这位"北方之王"的入场之门或将由此开启。

本文来自华尔街见闻，欢迎下载APP查看更多

90年代科网产业周期爆发的阶段，也有部分硬件/制造业的科网龙头公司，PB快速抬升至30-50X高位水平。例如戴尔97年的PB估值约48x，思科99年的PB估值最高约33x，高通99年的PB估值最高约40x。

关于市场“一个制造业公司，PB超过40X是否意味着泡沫”的讨论，我们从科网时期得到如下启示：

1. 科网龙头高PB的核心驱动率也是“极高的ROE”

例如戴尔97-98年ROE维持在80%左右，99年上半年也有70%，推高PB接近50x。（当然，99年下半年ROE开始回落、直至2000年Y2K证伪后进一步破灭，回到基本面跟踪的重要性）

2. 科技类制造业公司，尤其是产业趋势爆发增长受益的“卖铲人”，其核心的资产无法快速计入资产负债表，短期book value意义有限

例如研发实力、技术专利、客户壁垒等，也可以概括为“隐形资产”，导致资产被低估、PB较高。

与其它重资产（汽车、资源）公司相比，科技制造业的【资产/收入】比重，要低很多，book value反映的也不仅仅是厂房价值、生产线价值、机器价值。更大程度的研发投入也可能以费用化的形式计提。

戴尔的资产/收入比重一直在30-50%；但跟其收入体量接近的美国铝业，资产/收入比重在100%以上。

3. 如果利润增长可以持续，那么净利润会逐年结转为股东权益（净资产），净资产增加、高PB会稀释和摊薄，我们概括为——“通过PB的分母端来消化估值”

戴尔为例，PB高点出现在97年，而在科网最疯狂的98-99年，虽然市值上涨、但净资产增速更快，PB反而回落、降至30x左右。

90年代科技公司提高净资产的主要方式包括：持续盈利，留存收益增加净资产，并购资产带来商誉等等。

4. 但是，当高增长的叙事无法延续，EPS下滑，市场会进入——“通过PB的分子端来消化估值”，市值快速下跌、这才是投资者难以承受的

我们此前详细复盘90s科网破灭的起承转合，最本质的基本面变化，是2000年1月1日那一天到来、即确认了“千年虫”未出现、高换机需求确定要证伪。

面临全球极高的硬件库存水平，此时产业链无论是高PB、还是高动态PE，都意味着高增长的神话破灭，估值难以为继。

因此，对于当下全球狂热周期的AI投资，90年代历史值得被反复咀嚼；但我们通过历史看到，刺破泡沫的从来不是高估值、而是产业发展本身。我们对于“景气跟踪”的严格纪律，在下文数据论述中进一步展开。

估值讨论的出发点在于投资期限的设定，长期价值投资，或是中短期景气投资。对于长期价值投资，估值具有中枢回归的趋势；而对于中短期的景气投资，则不应对估值过于执着。

A股的历史经验显示：1年维度，PB/PB分位数的高低与涨跌幅相关性不显著，但如果将投资期限拉长至3年或5年维度，低PB的有效性明显加强。

换言之，对于季度或年度的短期投资来说，看估值的意义不大；但对于3年或5年以上的长期投资来说，很多资产都会回归盈利能力定价的估值中枢，因而买入的估值水平，很大程度上决定了投资收益率的高低。

这是由于盈利高波动的行业，比如科技，更看重未来的盈利预期和市场空间，或者说没有一个明确的估值锚；而盈利稳定性好的行业，市场很容易给予估值定价，长期估值中枢的影响因子主要是宏观增长与利率。

1、部分行业对估值不敏感，通常只看景气周期。比如，电子、通信、计算机、电力设备、军工等板块

这类成长板块，中短期（1年维度）的重要程度：盈利一阶变化（营收/利润增速、ROIC/ROE/毛利率变化率）> 盈利二阶变化（增速的变化率）> 盈利能力（ROIC/ROE）；

而对于估值指标（PE/PB/PE分位/PB分位/股息率），只有很弱的负相关性或者是不相关，参考价值不高。

部分行业对估值敏感性较高，主要是ROE低波动行业，比如公用事业、交运、家电、汽车等行业。这类行业多数经营周期的稳定性和能见度较高，ROE的波动性较低，通常也会有相对稳定的估值中枢。因此，买入估值高低一定程度上决定了收益率高低。

A股整体定价的特点是市场会奖励明确的景气信号，其中，最有效的是表征景气度的指标，如营收/利润增速、ROIC/ROE/毛利率的变化率。而对于估值类指标，比如估值指标（PE/PB/PE分位/PB分位/股息率/PEG），有效性不稳定（时正时负），取决于市场风格。

2、而2026年，A股市场的景气定价走向极致、估值定价反向相关。

2026年，A股市场的景气定价极致化，表现为：增速高的涨幅高、估值高的涨幅高、股息低的涨幅高。营收/利润增速、ROIC/ROE/毛利率的变化率等景气指标都有效，其中，2026Q1营收增速、扣非增速排在前10%的公司，平均涨幅超过40%。

而现金流、股息率、估值等指标皆无效，甚至表现出负相关性，现金流好的、股息高的、估值低的，反而跌得多。

从景气投资的三个阶段来看：

（1）景气投资的简单题：增速加速向上或ROE上行阶段，盈利估值双击（第一阶段）；景气出现拐点时，可能进入盈利估值的双杀阶段（第三阶段）；

（2）景气投资的复杂题：增速回落但未触及景气拐点，股价高位震荡，且可能面临赛道拥挤、博弈加重，甚至抢跑景气见顶的情形（第二阶段）。

估值判断的关键在于景气度的边际变化（ROE或增速的边际变化）。加速增长或ROE上行阶段，一般估值会上升，此时即期估值的高低不太重要；而降速增长或ROE下行阶段，一般估值会回落，此时容易面临“低估值陷阱”。

最后一个分歧点是，当前AI vs 非AI、科技行业 vs 传统行业的估值、涨幅离散度，都达到了历史新高，这是否必然造成估值收敛，甚至市场转熊？

首先，客观数据看：当前以行业PB历史分位数的标准差或最大最小值之差，来衡量行业估值分化程度，都已接近历史最高水平。

历史上，有4次严重的估值分化以全面熊市的形式收敛：2010年底-2011年、2015年下半年、2018年、2021年下半年-2023年；还有2次严重的估值分化以全面牛市的形式收敛：2006年下半年-2007年、2014年-2015年上半年。

最重要的是，估值极致分化，不是市场转熊的必要条件。

（1）有产业趋势支撑的牛市行情中，估值分化程度运行至高位之后，可以持续很长时间，比如20年7月估值离散度达到95%之后，在上方持续了20个月；

（2）有产业趋势支撑的牛市行情中，估值分化峰值至牛市顶点平均经历19个月：06-07年（06.05-07.09，17个月）、13-15年（13.07-15.05，22个月）、20-21年（20.07-21.12，18个月）。

本文来源：晨明的策略深度思考

本文来自华尔街见闻，欢迎下载APP查看更多

6月19日，据科技媒体testingcatalog报道，GPT-5.6系列涵盖mini、标准版及Pro版，最可能的发布窗口为6月22日至28日。

预测市场Polymarket上该窗口的概率一度高达八成，不过X平台上帖文称GPT 5.6因内部问题而推迟，概率仅剩不足三成，合约总交易量已超过100万美元。

据报道，OpenAI首席科学家Jakub Pachocki已在内部向员工表示，GPT-5.6是对GPT-5.5的"有意义的改进（meaningful improvement）"。

此前，OpenAI Codex后端路由日志中已短暂出现"gpt-5.6"标识。部分ChatGPT Pro用户据报已接触到早期隐秘测试版本，并反馈在相同提示词下输出质量有显著提升。

据报道，GPT-5.6在技术层面最受关注的升级，在于其Agent化能力的全面强化。

上下文窗口从100万tokens扩展至约150万tokens，较GPT-5.5提升约43%，有助于处理更长周期的编码任务和多步会话。

与此同时，据报词元效率再度提升10%至15%，意味着相同费用可处理更多工作量。

从泄露测试反馈来看，GPT-5.6已能够实现视觉复刻（将设计稿直接还原为可运行代码）、SVG 3D对象生成（支持浏览器内旋转与缩放）以及Playwright浏览器自动化（真实执行点击、输入、页面跳转等操作）。

三项能力的组合，使其不再仅是一个给出建议的对话工具，具备直接在用户设备上执行操作的能力。

X网友点评称GPT-5.6脑子还是那个脑子，但他已经长出手了，“一个能和你聊天、告诉你该怎么做的人，现在能打开你的浏览器，移动你的鼠标，复制一个设计，生成一个3D图标，保存到桌面上。”

据wavespeed.ai报道，在智能体编码（agentic coding）场景中，GPT-5.6的表现据称已优于Anthropic的Mythos系列，SVG生成能力亦被指超越Claude Fable 5。

此外，此前GPT-5.5版本中存在的部分对齐问题（包括reward hacking）据报也在新版本中得到修复。

在商业策略层面，GPT-5.6或将成为OpenAI在定价上对Anthropic发起正面冲击的重要节点。

据媒体报道，GPT-5.6的token价格可能仅为Claude Fable 5的约三分之一，延续OpenAI当前token价格约为Anthropic一半的定价优势。

分析认为，在性能持平乃至领先的前提下，OpenAI通过大幅降价压缩对手的市场空间，加速企业级客户向OpenAI平台迁移。

GPT-5.6的推进，折射出当前头部AI厂商之间愈发激烈的迭代竞争。

据aiweekly.co报道，OpenAI旗舰模型的发布节奏已明显加速，GPT-5.4至GPT-5.5的间隔约为六周，GPT-5.6或延续了这一节奏。

与此同时，Anthropic的Fable 5及Opus系列、Google Gemini等竞品亦在同期保持高频更新，部分社区将6月下旬视为"AI大事件周"。

近日，多名用户反映GPT-5.5出现"降智"现象，猜测OpenAI正在后台测试GPT-5.6。

有用户直接揣测：

我认为他们在测试5.6，这就是Codex现在这么蠢的原因。

用户Hyper-Jason则补充，他认为软件表现异常源于集成问题，"这几乎是他们一贯的历史"，同时表达希望GPT-5.6"不像之前的GPT-5模型那么受限"。

X平台中文用户也吐槽 GPT-5.5 的性能下降：

GPT-5.5绝对这两天是降智了……如果你三天内不出GPT-5.6我就不原谅你了。

此外，有Reddit网友提醒外界降低预期。5.6仅为小迭代更新，参数规模不会大幅跃升，真正的模型级别突破需等待GPT-6。Reddit用户写道：

如果版本号是 5.6（也就是一个小版本迭代，不是新版本），那大家就得降低期望值了。Fable 之所以有自己的版本号（而不是 Opus 4.9），是因为它是一个新版本，而不是旧版本的迭代。而 5.6 应该是（或者说是）一个迭代版本，而不是新版本。

Reddit网友则从参数规模角度泼冷水：

Fable大约是6T级模型，5.5是约2T级。5.6预计不会在参数规模上跳跃2-3倍，我们预计GPT-6才会是下一次模型级别跃升。

用户亦持相似立场：

GPT 5.6不是Fable。GPT要达到Fable水平，得等到预训练参数量接近的时候。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛最新预测显示，2025年至2030年间，超大规模云计算企业在AI及数据中心领域的资本支出将累计达到5.3万亿美元，形成一轮史无前例的资本开支超级周期。

高盛预计超大规模企业将需要从各个市场中获得融资，它们可能会在流动性信贷市场中遇到饱和问题的限制。

纽约大学荣誉教授Gary Marcus在转发相关分析时，将高盛的上述表述称为"令人恐惧的句子"，他说：

对我来说，现在的问题已经不是超大规模模式是否会崩溃，而是附带损害会有多严重。

Gary Marcus进一步警告称：

超大规模云服务商不可能收回他们的5.3万亿美元投资，除非他们通过巨额政府补贴，从纳税人那里榨取回来。 这正是他们打算去做的。

与此同时，摩根士丹利估算，仅全球数据中心建设一项，到2028年的资本支出就将接近2.9万亿美元，其中相当大比例依赖债务融资。这意味着一旦市场出现调整，损失将不再局限于股东，而可能通过信贷市场向整个社会扩散。

这场投资盛宴的另一面，却是企业端日益收紧的钱袋子。Uber、亚马逊、沃尔玛等早期AI大规模采用者，已相继对员工的AI使用量设置上限或推动降本措施。

在Anthropic将计费模式切换为按Token词元计费后，软件公司Workato的首席信息官Carter Busse眼见当日支出飙升7倍，不禁感叹：

我们创造了一个怪物。

根据高盛分析师的预测，AI资本支出正以快于实际数据中心建设的速度持续攀升，这意味着未来的瓶颈或将从模型需求端转移至融资能力、电力供应与项目执行层面。

摩根士丹利的测算则更为具体。其预计到2028年，全球数据中心建设的2.9万亿美元资本支出中，资金来源构成如下：

• 超大规模云企业自有现金流约1.4万亿美元；
• 企业债约2000亿美元；
• 资产证券化信贷约1500亿美元；
• 私募信贷、资产抵押融资及合资债务约8000亿美元；
• 其他资本约3500亿美元。

这一结构意味着，AI基础设施投资在相当程度上是靠信贷驱动的。

AI自媒体人Rohan Paul在X平台上指出，由于少数几家超大规模云企业无法无限制地向公开债券市场发债，投资者已开始担忧发行人集中度风险。

数据中心的融资复杂性也进一步加剧了这一问题。

它并非单一资产，而是集土地、电力接入、网络链路、建筑、冷却系统与AI服务器于一体，融资需求自然溢出至基础设施基金、房地产基金、私募信贷及企业债等多个市场。

一旦市场出现系统性调整，损失传导的链条将远比互联网泡沫时期更为复杂。

在需求端，AI高昂的运行成本正迫使企业重新审视每一次查询与自动化工作流的价值。

Uber是最具代表性的案例。华尔街见闻提及，这家打车巨头一个季度就花光了2026年全年AI预算。

在于4月便已告罄之后，Uber宣布对员工使用单一AI工具的月度词元支出，设置1500美元上限。Uber总裁兼首席运营官Andrew Macdonald坦言：

如今越来越难以证明在AI词元上的支出是合理的，难以在支出数据与实际产品功能提升之间划出清晰的因果关系。

沃尔玛同样对其内部AI助手的词元使用量设置了上限。沃尔玛全球首席技术官Suresh Kumar表示，旗下Code Puppy编程平台的使用量"急剧飙升"，现在是"退一步重新审视"的时候了。

这一趋势的背后，是计费模式的结构性转变。Anthropic、OpenAI等主要AI实验室已将部分服务从固定订阅制切换为按词元计费，令企业对每一个提示词和自动化流程的成本更加敏感。

德勤全球生成式AI负责人Costi Perricos表示：

算力成本已经开始进入CFO和董事会的视野。消费者和企业一直被告知AI是便宜或免费的，但事实绝非如此。

OpenAI首席执行官Sam Altman本月也承认，成本已成为今年客户面临的"重大问题"，而这一话题在去年几乎从未被提及。

企业层面的降本行动，对AI产业链上游的冲击同样不可忽视。

Anthropic和OpenAI均计划于今年晚些时候上市，估值接近万亿美元。然而，企业削减AI支出的趋势，正在对这两家公司的营收增长预期构成潜在压力。

各大AI平台已开始采取应对措施，通过引导用户使用更廉价的非前沿模型来维系采用率。

GitHub首席运营官Kyle Daigle表示，微软已提前与客户沟通定价变化，探讨"适配性与适用场景"，并强调"并非所有任务都需要前沿模型"。

微软、亚马逊和谷歌也已推出工具，将用户请求自动路由至成本最优的适配模型。

部分企业则转向开源模型，在本地服务器或个人设备上运行，以减少向AI实验室和云服务商支付的费用。

思科的Patel道出了众多企业的处境：

我们的工程师想要更多词元，我们必须想办法为此买单。

这句话折射出整个行业的困境，AI的战略价值已被广泛接受，但为此持续付费的商业逻辑，仍有待市场检验。

本文来自华尔街见闻，欢迎下载APP查看更多

本周需重点关注：

宏观方面，美联储最看重的通胀指标——5月PCE价格指数6月25日公布，若数据偏热，将进一步强化美联储鹰派立场；同日公布的一季度GDP终值亦将验证AI基建投入对经济的拉动效应。国内方面，6月LPR周一出炉，此前已连续12个月持稳；5月工业企业利润数据也将出炉。日本东京CPI、韩国进出口数据同步发布，AI芯片需求能否支撑半导体出口成为焦点。

产业层面，聚焦AI。OpenAI最强模型GPT 5.6系列有望本周登场。英伟达股东大会聚焦Blackwell与Vera新架构产能爬坡及资本回报计划；美光财报直接验证存储芯片周期拐点；6月24日，科技领域重磅大会上海世界移动通信大会开幕，聚焦6G、移动AI、具身智能等前沿方向。此外，火山引擎原动力大会将于6月23至24日举行，豆包大模型或迎升级。

资本市场方面，MSCI 6月23日公布年度评审，韩国有望进入发达市场观察名单，若实现将吸引百亿级被动资金流入；SK海力士最早8月赴美上市，SEC最快6月22日当周批准。此外，迈威尔科技与Flex将被纳入标普500。

经济指标

• 美国5月PCE物价指数、一季度实际GDP数据

6月25日周四，美国将发布5月PCE价格指数，市场预期核心PCE环比上涨0.3%，同比将从3.3%升至3.4%。若本次PCE数据偏热，将强化6月美联储货币政策会议以来的鹰派信号。

同日，美国将公布2026年一季度GDP终值。市场预期终值维持年化环比1.6%，同比将升至3.4%。市场预计，受益于人工智能相关基础设施投入，一季度设备支出预计大幅跃升，消费支出增速预计放缓。

• 中国5月规模以上工业企业利润、6月LPR

6月22日周一，中国6月LPR出炉，LPR此前已经连续12个月持稳。

6月27日周六，中国将公布5月全国规模以上工业企业利润数据。此前4月企业利润回升加快，同比增长24.7%。

• 日本东京CPI、韩国进出口

6月22日周一韩国将公布6月前20天进出口数据。市场关注在AI芯片需求支撑下，韩国半导体出口能否延续此前的大幅增长态势；近期美伊和平协议前景推动油价回落，也有望边际缓解进口成本压力。

6月26日周五日本将发布东京6月CPI数据，市场预期核心CPI同比上涨1.6%。本次数据将影响市场对日本央行年底加息的预期，市场预计12月将加息至1.25%。

财经事件

• 密切关注美伊谈判后续，报道称双方将于21日在瑞士谈判

据新华社20日报道，巴基斯坦方面确认，伊美技术层面谈判将于21日在瑞士举行。伊朗谈判代表启程前往瑞士，可能包括伊朗伊斯兰议会议长卡利巴夫、伊朗外长阿拉格齐等人。美国副总统万斯也表示将前往瑞士与伊朗谈判。

• OpenAI最强模型GPT 5.6有望登场

科技媒体testingcatalog 6 月19 日发布博文，报道称OpenAI 有望本周推出GPT-5.6 系列模型，涵盖mini、标准版以及Pro 版。

• 英伟达股东大会

英伟达2026年度股东大会定于太平洋时间6月24日上午9:00（北京时间6月25日凌晨0:00）以线上形式举行。本次大会的重点集中在Blackwell与全新Vera架构芯片的产能爬坡、AI生态商业化进展以及庞大现金流的资本回报计划。

• 2026火山引擎原动力大会6月23-24日举行

2026火山引擎原动力大会将于6月23-24日举行，火山引擎FORCE原动力大会是字节AI产业链最强催化之一，主线是 “豆包大模型升级 + Agent生态爆发 + 算力基建加码 + 端侧 / 行业应用落地”。

• 2026上海世界移动通信大会开幕

6月24日-26日，由全球移动通信系统协会（GSMA）主办的2026上海世界移动通信大会将在上海举行。作为亚太地区移动通信与数字科技领域的重要盛会，本届大会将聚焦6G、5G-A、移动AI、空天地一体化、具身智能等前沿方向。

• SK海力士拟最早8月赴美上市，美SEC最快6月22日当周批准

据路透援引消息人士，SK海力士计划最早于8月在美国上市。美国证券交易委员会（SEC）有望在6月22日当周批准SK海力士ADR的上市申请。SK海力士于3月表示已秘密提交在美国上市申请。

• MSCI将公布年度市场分类评审结果，韩国有望进入发达市场观察名单

MSCI将于6月23日公布年度市场分类评审结果，届时将决定韩国是否能进入发达市场观察名单。

• 迈威尔科技与Flex将被纳入标普500

芯片制造商Marvell Technology与电子制造商Flex即将加入标普500指数。本次变动将于6月22日周一美股开盘时生效，届时Campbell's与Pool Corp将同步从指数中移除。

• 日本央行公布6月货币政策会议审议委员意见摘要，植田和男将发表公开讲话

6月24日，日本央行公布6月货币政策会议审议委员意见摘要。6月25日，日本央行行长植田和男出席IMF举办的一个央行讲座活动。此前，植田和男因病缺席日本央行6月货币政策会议，市场关注此次其公开讲话将释放的信号。

此外，本周泰国央行、墨西哥央行将公布利率决议。

• 6月货币政策会议后，美联储威廉姆斯等多位官员密集发表讲话

6月货币政策会议后，美联储多位官员密集发表讲话。6月26日，明尼阿波利斯联储主席卡什卡利、芝加哥联储主席古尔斯比发表讲话、纽约联储主席威廉姆斯发表讲话。

• 北约秘书长吕特定于6月24日在华盛顿与特朗普会晤

北约秘书长吕特定于6月24日在华盛顿与特朗普会晤。

• 第四届链博会在北京开幕

第四届链博会于6月22日至6月26日在北京中国国际展览中心顺义馆举办。6月26日，2026中国（深圳）集成电路峰会召开。

• 苹果首款折叠屏iPhone Fold将于6月25日量产

据报道，苹果首款折叠屏iPhone Fold将于6月25日量产。

• “夏季达沃斯论坛”将于6月23日—25日在大连举办

据央视新闻，世界经济论坛第十七届新领军者年会，也就是“夏季达沃斯论坛”，将于今年6月23日—25日在辽宁省大连市举办。本届年会的主题为“规模化创新”，预计将有超过50个国家和地区的约1500位政界、商界、学术界以及国际组织人员出席本次年会。

财报

• 美光电话会

美光科技2026财年第三季度财报电话会议将于美国东部时间6月24日下午4:30举行，北京时间为6月25日凌晨4:30。

• 美光、波司登、携程、三丽鸥等财报

本周，存储芯片巨头美光科技将公布最新财报。此外，携程、三丽鸥、甲骨文日本、金务大、波司登、六福集团、耀才证券等财报公布。

• 芯碁微装、圣邦股份香港IPO，股票预计6月26日开始交易

芯碁微装申请通过香港IPO发行1280万股股票。预计股票将于6月24日定价，将从6月26日开始交易。 圣邦股份申请通过香港IPO发行5400万股股票。预计股票将于6月24日定价，将从6月26日开始交易。

本文来自华尔街见闻，欢迎下载APP查看更多

追风交易台消息，6月19日野村证券首席宏观策略师Naka Matsuzawa发布的宏观策略周报指出，市场目前对今年美联储加息风险存在高估，但对更长期加息路径的风险却严重低估。

他警告称，当前被市场和美联储共同定性为"预防性"的一两次加息，存在演变为系统性紧缩周期的实质性风险。一旦如此，将对信贷周期构成深远冲击。

这一判断的核心依据在于，Matsuzawa预计AI相关投资以及AI驱动的生产率提升，将推动经济增长和通胀超出美联储预期。如果这一情形成真，10年期美债收益率届时可能大幅突破5%。

Matsuzawa指出，市场对本次FOMC会议传递的信息尚未充分吸收，这在某种程度上并不令人意外。

因为FOMC最关键的成员、新任主席沃什迄今发言甚少，且未在点阵图中提交自己的利率预测。他尤其关注两点：

• 其一，美联储加息的紧迫性与触发条件；
• 其二，美联储启动加息的实际可能性。

他判断，市场对前者存在高估，而对后者的低估则更值得警惕。

Matsuzawa预计，未来一周偏中性至鸽派立场的美联储官员讲话后，包括Christopher Waller和John Williams，将有助于缓解市场对年内加息紧迫性的担忧。

但在加息路径的深度与持久性这一更关键的问题上，近期不会有新的实质性信息，下一个重要检验节点将是7月2日公布的美国就业数据。

本次FOMC点阵图的中位数预测显示，2026年加息一次，2027年和2028年各降息一次。

这一路径在逻辑上引出一个直接问题：既然美联储计划未来降息，为何要在当下加息？

Matsuzawa的解读是，主张年内加息的成员（主要可能是地区联储行长）将此次加息定性为纯粹的"保险性操作"。

其逻辑是，一次预防性加息足以防止经济和通胀过热，而油价稳定等因素最终将为此后向中性利率3.1%的回归创造降息空间。

支撑这一温和框架的是本次会议的经济预测：

• 2026至2028年经济增速预测分别为2.2%、2.3%和2.2%，几乎没有变化；
• 失业率预测为4.3%、4.3%和4.2%，直至2028年才勉强触及充分就业水平（4.2%）。
• 2028年失业率预测区间的下限为4.0%，意味着几乎没有成员担忧经济和通胀过热的风险。

Matsuzawa认为美联储2026年将按兵不动。他认为，一旦沃什的政策立场明朗化，或通胀预期稳定性得到确认（例如油价进一步回落），当前市场定价的约1.5次年内加息预期可能迅速被修正乃至消失。

然而，Matsuzawa对更长期路径持有截然不同的判断。他对美联储"经济和通胀在2026年前不会过热"这一共识假设持怀疑态度。

研报指出，AI相关投资的持续扩张以及AI对生产率的提振（即实际收入的增加），将使经济增长和通胀加速超出美联储预期。

一旦出现这一情形，美联储将不会止步于一两次保险性加息，而是不得不进入常规紧缩周期，以压制经济和通胀过热，或者市场将提前将这一路径纳入定价。

历史数据提供了参照：在2022至2023年最近一轮加息周期中，能够反映政策利率预期的2年期实际收益率一度突破3.0%，直至SVB冲击引发金融震荡、经济放缓后才回落。

（美国不同期限的通胀预期与实际收益率）

目前2年期实际收益率约为2.00%，这意味着美联储至少还有100个基点的加息空间。Matsuzawa警告，若真正进入这一情形，10年期美债收益率将大概率远超5.00%。

Naka Matsuzawa在报告中提出了一个更宏观的结构性命题：回望历史，此次FOMC会议或将被证明是"十年一遇的游戏规则改变者"，即AI繁荣信贷周期终结的起点。

他的核心逻辑是AI繁荣不会自然终结，只有美联储真正开始加息才能终结它。

而从信贷周期的另一面来看，AI繁荣的终结同时意味着债券市场将"发现真实中性利率"，并就此摆脱结构性下行趋势。

目前市场虽然已将加息时间点定价得早于Naka Matsuzawa此前的预期，但加息路径的形态（先升后降、最终基本回归原点）表明市场仍将本轮加息视为一次性的预防性操作。

若这一判断有误，整个信贷周期的演变逻辑将被彻底重写。

本文来自华尔街见闻，欢迎下载APP查看更多

在近期举办的Nebius Inflection 2026峰会上，一场关于AI基础设施真正走向商业化深水区的讨论引发了市场的强烈关注。Nebius联合创始人Roman Chernin提出了一个让全场技术人员与企业CIO产生共鸣的核心观点：“当智能体走向大规模生产时，传统的、无状态的模型服务架构将彻底崩溃，行业必须全面转向‘智能体运行期’基础设施。”

“客户希望智能体完成任务的成本，能让产品在经济上可行。”Roman Chernin 直言，“Token将成为下一个基础设施层，未来的付费模式将基于结果（Outcomes），而不是Token。”

当前，市场对AI的关注点已从单纯的“模型参数战”转向了真实的ROI（投资回报率）和云端算力消耗的经济账。正如Nebius CEO Arkady Volozh在会上透露，公司正朝着年底实现 800兆瓦至1吉瓦的运行电力迈进，并已锁定总计4吉瓦的算力容量，这意味着数十万乃至数百万张GPU的惊人规模。然而，支撑这种百亿美元级别扩产逻辑的核心，不再是卖基础算力，而是为企业解决“Token乱烧却不出活”的痛点。

规模化下的“恐怖放大器”：无状态推理为何失效？

在第一波AI浪潮中，市场的核心商业模式是“售卖Token”。开发模式极为线性：用户输入 →→ 经过API调用模型 →→ 模型返回Token →→ 结束。这是一种“无状态”的单次请求。

但Agent的行为逻辑完全不同。Roman Chernin指出：

“Agent不仅仅是一次优化的模型调用，它是一个循环（Loop）。它需要规划、调用工具和模型、观察结果、重试，直到任务完成。”

在资本市场眼中，这种循环一旦失去控制，就是一场财务灾难。Roman 一针见血地指出了规模化下的恐怖放大器效应：

“如今，构建一个智能体原型很容易……但在规模化下，小小的错误会累积。表面看起来很美好的95%单次调用成功率，换算下来就是彻底的失败。一个糟糕的规划可能消耗十倍于我们预算的 Token。”

从微观概率来看：如果一个模型单次 API 调用的成功率是 95%，但当一个 Agent 为了完成某项复杂任务，需要在 Loop 中连续调用该模型及各类工具 15 次时，该 Agent 任务的终极成功率将暴跌至：(0.95)¹⁵≈46.3%。

这意味着超过一半的概率，Agent会在中间某个环节“死锁”或彻底跑偏（Over-scoping）。“一个糟糕的计划可能会烧掉比我们预算多10倍的Token。”Roman警告道。

Chernin在峰会上提出了一个被他称为"下一个循环"的概念，这也是整个Agent Runtime体系中最具商业想象空间的部分：

"每个智能体在运行时，都会产生大量数据——规划、追踪、成本和结果。当我们捕获了所有这些数据，我们就可以开始系统性地、持续地改进智能体。就像今天我们优化推理端点一样，我们可以优化路由，改进提示词和工具调用，降低成本。"

这意味着云平台的角色发生了本质转变：

"云平台变成了不仅仅是智能体运行的地方，它变成了让智能体可度量且持续变得更好的系统。"

Chernin指出了另一个常被忽视的结构性变化：

"云平台是为人类用户构建的——开发者阅读文档，在控制台点击，手动部署和调试服务。智能体需要不同的云接口——API优先、可编程且可观测。"

CEO Arkady Volozh在随后的演讲中补充了规模数据：Nebius目前运营超过200兆瓦算力，年底目标达到800兆瓦至1吉瓦，已签约预留容量超过3吉瓦，年底目标突破4吉瓦。

商业落地的硬性指标：Agent Runtime的五大核心技术要求

为了在生产环境中稳定、低成本、安全地运行成百上千个Agent，底层基础设施必须具备以下五大硬性指标：

① 确定性流式编排与多模型路由（Deterministic Orchestration & Routing）

• 市场痛点： 纯靠LLM自主决定下一步调用什么工具，极易导致“幻觉”或死循环。大企业在财务、合规等高风险场景下，要求过程必须可控。

• 技术解法： 平台必须提供能将确定性代码与LLM柔性推理结合的框架，并支持动态模型路由。在Agent循环中，将最关键的决策路由给最聪明、最贵的模型（如GPT-5）；而把海量的脏活累活，自动路由给便宜10倍、快10倍的开源模型（如DeepSeek-V4、Nemotron）。Nebius生态战略副总裁Devang Sachdev在演示中提到，仅通过将GPT-5.5替换为开源大模型，成本瞬间下降了95%。

② 长周期状态管理与持久化执行（Durable Execution）

• 市场痛点： Cognition（Devin）的CEO Scott在访谈中提到，Agent的运行时间正在从几分钟拉长到数小时甚至数天。“我们已经看到人们让Devin连续运行几周来完成整个实习生级别的项目。”

• 技术解法： 基础设施必须提供Agent运行期的状态持久化。当遇到网络波动、工具超时或硬件微观故障时，系统需自动捕获上下文，实现“无缝断点续传”，而不是重新从第一步开始燃烧昂贵的Token。

③ 面向机器而非人类的高吞吐数据访问层（Grounding Data Layer）

• 市场痛点： Pinecone创始人Ash Ashutosh在圆桌论坛上披露了一个惊人的拐点：“去年9月，我们有史以来第一次看到一类新的用户，他们发起API调用的数量超过了人类，这就是Agent。” 如果直接把人类阅读的长篇网页丢给Agent，单次任务轻松烧掉几百万Token，单位经济学（Unit Economics）直接破产。

• 技术解法： Tavily创始人Rotem Weiss指出，互联网正走向分化，一层为人类优化，另一层为机器优化。基建需要集成智能体联网检索，返回高度精炼、结构化、带语义上下文的JSON数据，这能将Token消耗暴降，并保证企业内不同Agent认知的一致性。

④ 全Trace异步可观测性（Observability & Tracing）

• 市场痛点： “当100个Agent跑起来时，最先崩溃的是什么？是可见性。你将一无所知，那将是一场混乱（Chaos）。” LangChain的Julia Schottenstein直言。当企业的算力账单翻了5倍，根本不知道在包含数万次调用的“智能体风暴”里，是哪只Agent在哪一步出了错。

• 技术解法： 平台必须标配全链路异步追踪，清晰记录规划、工具调用、Token消耗及失败节点，让复杂的非确定性AI行为像传统软件的Debug日志一样可审计。

⑤ 严苛的安全沙箱与成本兜底（Sandbox & Cost Caps）

• 市场痛点： 一个写错逻辑的Agent企图自我纠错，可能在几分钟内烧光几千美元预算（Shadow AI的爆发）。更危险的是，越权操作可能带来合规灾难。

• 技术解法： 必须在Runtime层设定“硬性成本墙（Cost Caps）”和完全隔离的安全沙箱。Guardrails AI的Shree Rajpal强调，必须通过事前仿真（Simulation）来拦截Agent可能导致的越权、注入攻击或“越狱”。

从“调模型”到“控系统”：极致的ROI飞轮

用Nebius生态策略副总裁Devang Sachdev演示的医疗合规Agent演进案例，可以最直观地概括上述基建变革的商业价值：

最初用基础模型直接跑，单次合规审计任务耗时半小时，耗费657美元，且存在严重的数据陈旧和发散问题。 而在建立起包含“开源大模型专有推理 + Tavily联网检索 + Pinecone结构化向量库 + Guardrails护栏沙箱 + LangSmith链路监控”的Agent Runtime完整飞轮后，成本瞬间暴跌至24美元（下降超96%），运行时间缩短至13分钟，且具备完美的商业可审计性。

“下一代AI的篇章不会由模型能做什么来定义。”Mark Boroditsky最后总结道，“它将由组织能够部署什么、企业能够信任什么、用户每天能够依赖什么来定义。”

这正是云基础设施向Agent Runtime演进的核心底层逻辑——用极其硬核、纵向集成的工程系统，把脆弱的AI模型包裹成企业可以百分之百信赖的现代生产力生产线。

值得注意的是，峰会圆桌讨论揭示了市场层面的真实压力。科技媒体The Information执行主编Amir Ifrati点出了一个正在发酵的叙事转折：

"我们正处于一个与10-15年前公共云早期非常相似的时刻——客户突然说，等等，我今年比预期多花了2000万美元。"

DataRobot首席产品官Venky对此直接表态："当AI账单从每用户30美元的订阅变成数百万美元的行项目，每个人都开始追问ROI。"

Cognition（Devin）CEO Scott则从结果侧给出了模型路由的实践逻辑：

"绝对最难的任务，你仍然需要最聪明的模型。但对于那另外80%-90%的任务，有性价比高出10倍、速度快10倍的开源模型完全可以胜任。模型路由正在成为越来越重要的一环。"

Nebius Inflection 2026峰会全文实录如下（由AI辅助翻译）

旁白

当AI遇见真实世界，会发生什么？

技术是基石。每一场革命都会到达一个拐点。这就是我们的拐点。正是你们的好奇心、你们的远见、你们的决心，以及你们对突破边界的不懈追求，才让这一切成为现实。我们正处于AI的黄金时代，这一切源于你们的雄心壮志——让AI在我们赖以生存的各行各业中蓬勃发展。

我们正在共同定义AI的下一个阶段。

请欢迎Nebius首席营收官Marc Boroditsky登台。

Marc Boroditsky — 首席营收官，Nebius

大家下午好，感谢各位的到来。正如刚才"上帝之声"所介绍的，我是Marc Boroditsky，Nebius的首席营收官。我非常荣幸地欢迎大家来到我们的首届Nebius Inflection大会。

好了，我不打算用又一场AI主题演讲来烦扰大家——那种声称整个世界将因AI而改变、AI让一切以前所未有的速度推进、眼前机遇无比巨大的演讲。

事实上，每周我们都会听到关于新模型、新基准、新智能体框架的发布公告。有时候，这些公告甚至在同一天，乃至同一个小时内接连出现。

我们其实正处于一个有趣的节点。我想在座各位都清楚：AI正在从一个工具，转变为能够做出令人惊叹之事、足以颠覆整个行业的存在。 但在座的每一个人都知道，我们需要的不是另一场关于机遇规模有多大的演讲。

我们需要一场更诚实的对话——关于当下地面上究竟正在发生什么。

因为有很多事情是在奏效的，但同样也有很多事情并不奏效，而且很多事情依然比人们在台上做主题演讲时愿意承认的要混乱得多。这种状况必须改变——如果AI要从实验阶段走向人们可以依赖的系统，我们就必须迈上新的台阶。

这正是我们创办Inflection的原因。

不是为了举办另一场会议，不是为了制造另一个产品发布时刻，也不是为了成为另一个发布行业公告的场合。我们创办它，是为了那些真正在做事的人。 运营者、创始人、研究人员、基础设施团队、投资者、企业领导者和建设者——那些正在将AI从可能性推向生产落地的人。

因为在当今的企业内部，AI的发展已经超前于针对它所做出的决策。 各团队正在构建智能体、多智能体自动化系统以及令人惊叹的全新工作流——有些经过了审批，有些属于"影子AI"，但所有这些都指向同一件事：人们不在等待。

而这正是工作变得真实的地方。

Demo跑通了，智能体看起来令人印象深刻，第一次模型调用感觉像魔法一样。然后它触碰到了真实世界——工作流、内部数据、延迟、SLA、治理，还有财务团队质问为什么账单突然翻了一倍。这时候，真正的代价才浮出水面。

我说的不是那张发票，我说的是AI规模化运行的代价。

因为一旦AI从试点阶段进入真实使用阶段，问题就变了。不再是"模型能不能做到"，而变成了：系统能不能可靠地做到？够不够快？够不够安全？成本是否合理？当某些事情发生变化时，我们能评估它吗？出了问题，我们能看到发生了什么吗？我们能治理一个多智能体集群，防止它造成危害吗？我们能证明其价值大于成本吗？

各组织对这些问题的回答，正是将定义这个十年的公司与其他公司区分开来的关键所在。

第一波浪潮追求的是规模——Token最大化，更多提示词，更多上下文，更多推理步骤，更多循环。但现实改变了衡量标准。接下来要走的路，不应该是关于更多Token，而应该是让每一个Token都物有所值—— 在数学上算得通的成本、用户信任的质量、能够改变业务的速度。

赢得下一个篇章的团队，不会是消耗算力最多的团队，而是将算力转化为成果的团队。

想想看：价值最大化，而非Token最大化。 在规模上创造价值的生产级AI，是摆在我们面前的下一个伟大拐点。

但技术本身不会创造拐点，人才会。 未来不会靠预言而诞生。

在Nebius，我们的使命很简单：帮助那些真正去构建未来的人。 而这些人，就在这个房间里——研究人员与运营者，创始人与企业领导者，基础设施与应用创新者，每个人都为一个更宏大的生态系统贡献着不可或缺的一块拼图。

我们相信，没有任何一家公司能够独自将AI的全部潜力带给这个世界。 这正是像今天这样的聚会如此重要的原因。

在今天的议程中，你们将听到AI领域最具洞察力、最具影响力的思想者们分享他们的观点。你们将了解技术的走向，哪些挑战仍有待解决，以及从实验走向规模化生产需要什么。我们希望这些对话能够挑战固有假设、锐化思维视角、激发新的想法。也希望你们充分利用今天汇聚于此的这群非凡之人。

Nebius团队的许多成员也在现场，他们来这里不仅仅是为了演讲，更是为了倾听、学习和协作。

随着今天议程的推进，我鼓励大家充分投入——提问、分享经验、挑战传统思维，把握与这群聚集于此的杰出领导者们建立连接的机会。

感谢大家成为其中的一部分。

在我们正式开始之前，我想分享一件对我们Nebius而言意义深重的事。Nvidia与Nebius从Nebius创立之初便携手同行、共同构建。 在此，我想播放一段来自Jensen Huang（黄仁勋） 的特别致辞。

来自黄仁勋的特别致辞

我的朋友们，周年纪念快乐，恭喜你们。Nebius，你们正在构建的东西非同寻常。数据中心正在成为AI工厂。它们将能源转化为tokens，再将tokens转化为智能。AI工厂是这个时代新的基础设施。 它们必须建在人们生活、工作和创造的地方——一个地区接一个地区，一个社区接一个社区，基础设施必须建在需求所在的地方。这正是Nebius正在构建的。

你们从深厚的云工程基因起步，然后为AI时代重建了你们的平台，仅用两年时间就从一个数据中心扩展到了吉瓦级规模的AI工厂。 Nvidia带来了加速计算、网络系统和推理软件。Nebius为开发者、初创公司、研究人员和企业构建了全栈AI平台。我们共同证明，世界各地都需要AI基础设施，而在本地构建是让它真正运转的唯一方式。

建设才刚刚开始。 Nvidia很自豪能与Nebius合作，共同构建AI时代的基础设施。恭喜你们，希望这次inflection大会圆满成功。

旁白

请欢迎Nebius联合创始人Roman Chernin登台。

Roman Chernin — Nebius联合创始人

好的，我以为Mark会来介绍我，但他们直到最后一刻才改变，把所有控制权都交给了机器人。还有Jensen，但我们都知道Jensen掌控着一切。好了，感谢大家的到来。

也感谢这个机会，让我来讲讲我们在Nebius构建了什么，我们认为我们已经交付了什么，以及我们下一步的方向。我们的行业显然正处于过去几年的拐点。我们展示了——实际上是你们展示了——AI能做什么。但现在我们需要共同证明，AI能够创造真实的经济价值。 要实现AI真正的承诺，我们需要为组织和人类创造真实的价值。实际上，我们需要建立健康的业务，拥有健康的利润率，而不仅仅是展示漂亮的营收数字和大规模融资。这是千载难逢的机会，我们需要兑现。

坏消息是，要兑现，你需要去搞清楚那些枯燥的基础设施细节。这是脏活，是不性感的工作。

有一个漂亮的原型是一回事。哦，好主意。但克服真实生产和规模化的复杂性是另一回事——关键产品要像原型展示的那样漂亮，但还要可靠。从Anthropic起步的公司需要转向开源模型，以满足单位经济性并真正发展壮大。在原型中运行良好的智能体，一旦扩展到规模，问题就会不断叠加，最终崩溃。从大型超大规模云厂商辞职、带着绝妙想法去构建自己实验室的优秀研究人员，需要的是能直接运转的基础设施。这就是我们开发Nebius的原因。我们希望在构建者扩展规模时帮助他们。

当我们审视市场时，我们看到了一个虚假的选择。一方面是老牌超大规模云厂商，拥有大量服务和全球覆盖，但看起来它们是在上一个Cloudera时代设计和构建的。它们没有针对AI工作负载和AI开发者进行优化。 它们在遗留基础设施上构建AI服务。它们的模式，说白了，始终是通过复杂的计费将开发者锁定在封闭服务中，更不用说它们存在永久性的利益冲突——它们可以为内部使用分配更多容量，而给云客户的反而更少。

另一方面是所谓的"新云"。我说了很多次，我很讨厌这个词——这是一个新的裸金属提供商类别，为AI工作负载而构建，但往往不可靠。说实话，构建者体验很差。构建它的人更像是系统集成商，他们不是真正的开发者。所以我们认为，这两种选择都有真实的局限性。

我们相信存在第三条路，一个新的产品类别——面向AI的规模化云（Scaled Cloud for AI）。从第一性原理出发构建：

第一，AI专属。 我们只为机器学习而构建和优化。我们不做任何其他事情。

第二，全栈，为客户提供最佳的总拥有成本，因为我们从底层做起。我们构建和运营数据中心，我们自己组装机架和服务器，我们构建全栈软件平台。

第三，以构建者体验为先。 我们称之为"Meet Builder"——开发者在哪里，我们就在哪里。我们让开发者专注于他们需要做的和需要控制的事情，并抽象掉大部分复杂性。

第四，开放性。 实际上，我们太小了，无法尝试将人们锁定在封闭的生态系统中。所以不做厂商锁定，依赖开放标准，给予选择。

最后同样重要的是，人很重要。 客户支持体验，工程师对工程师的关系。我们也从第一天起就自己使用我们的平台（dog fooding）。

直到现在，我们把Nebius建成了一家不同类型的公司，服务于不同类型的用户。你知道这句话："没有人因为选择AWS而被开除。"所以我们的客户也可以选择AWS，但他们选择在Nebius上构建，因为它快速、高效，而且实际上可以与拥有世界上最苛刻AI工作负载的团队共同工程化。我们将超级计算机的规模、可靠性与性能结合在一起。 这就是我们的模式。

让我分享一些我们如何与四类客户共同构建的例子。

第一类：超级实验室合作伙伴，微软和Meta。 我们帮助他们构建内部生态系统。当然，他们规模庞大、能力强劲，但他们来找我们，是因为他们知道我们能在物理世界的真实约束条件下非常快速地构建。他们需要世界上最大的互联集群，而我们交付定制机架和服务器、最新GPU以及多层存储，能效高且具备容错可靠性。

人们有时称之为商品化，但我们认为在这种规模下没有什么是商品化的。一个完全集成、生产就绪的AI工厂不是商品。 对我们来说，这是对我们如何从拥有世界上最疯狂需求的客户那里构建AI基础设施基础层的验证。他们教会了我们如何优化裸金属计算，并构建了AI云的基础。

第二类：需要快速行动才能生存的团队。 他们需要用更少的资源做更多的事，他们没有大型科技公司那样的大型基础设施团队支持他们，所以我们为AI实验室构建多租户云。

Recraft正在构建一个200亿参数的图像生成模型，但他们的训练会话不断被中断。我们的工程师直接修复了网络，直接给Nickel打补丁，将训练速度提高了六倍。 Cursor需要访问Nvidia B300来完成他们的大型强化学习任务。他们是第一批在官方固件发布之前就大规模采用最新芯片的团队。所以我们快速行动，紧密合作。

我们将这些共同工程化的经验应用于许多其他客户，为英国两家最成功的生物技术初创公司加速药物发现，以及数十个其他团队——开发下一代图像AI的，如Black Forest；做机器人AI的，如Roda；做视频和世界模型的，如Descartes；以及加速研究的，如Core Automation。

对我们来说最大的奖励，是听到如此优秀、经验丰富的人不只是把我们当作供应商，而是当作合作伙伴。我们从这些团队学到，训练的真实成本不是GPU小时数。大规模训练会崩溃。所以我们构建了带有自动修复的健康检查，并为集群分配备用容量，以实现行业领先的可靠性，以及比某些大型云高达两倍的更好总拥有成本。 此外，他们需要最早获得最新硬件。所以我们大力投入，力争第一，尽早为他们提供只有少数提供商能做到的性能。

第三类：如果说AI实验室告诉我们训练一个好模型需要什么，那么下一类客户则告诉我们如何服务这些模型。 推理正在爆炸式增长，大家都听说了。推动这一趋势的是AI原生产品，它们已经服务于数百万用户并呈指数级增长。要成功，他们需要永不停歇的可靠推理基础设施。

但更重要的是，它支撑着他们产品的单位经济性。Hixfield服务超过2500万用户，在短短几个月内从零增长到数亿美元的营收。他们需要能够让他们非常快速、持续实验的开发者体验，以及非常高效的推理自动扩展，以应对峰值媒体需求。Brave每天提供超过1600万次实时AI摘要。他们最初采用自己动手的推理方式，只是租了集群自己运行系统，但后来转向了托管平台，因为我们能够改善他们的单位经济性。Sword Health为心理健康患者构建AI护理。当涉及敏感话题时，对用户来说高延迟感觉就像我们根本不在乎。通过使用Nebius的专用端点，他们能够将产品的端到端延迟从20秒以上降低到12秒以下。

所以对于这类客户，我们构建了Nebius Token Factory——一个托管推理平台，提供对所有模型的访问，针对每个用例进行优化。它基于我们在云中拥有的相同可靠基础设施和编排能力。推理优化是一个模型加系统级别的问题。我们将Nebius工程与我们宣布的两项近期收购相结合。其中一个是位于旧金山的Egan AI团队。他们专注于模型层面——先进的量化技术、稀疏注意力、内核级别，以及系统设计、编排、KV缓存。现在看来，我们拥有了一支相当强大的团队来交付推理，这一点得到了一些非常受人尊敬的人士的验证。

第四类：企业客户。 下一个教训是，只有当客户能够按照自己的方式使用我们时，我们才真正可用。并非所有人都从零开始，企业在走向成为AI公司的路上，不像AI原生企业那样灵活。他们不仅需要性能，还需要可信赖的基础设施。他们需要将智能体添加到现有系统和流程中的能力。

Revolut，全球最大的金融科技公司之一，拥有超过7000万用户。他们有大量AI智能体在非常敏感的数据上运行。他们添加了Nebius Token Factory来弥补现有提供商的不足。我们共同将他们AI开发的速度提升，并实现了65%更好的欺诈防护和41%更好的产品推荐。 另一个例子是Shopify。他们训练了推荐模型并构建了相当复杂的智能体系统。他们使用Sky Pilot来跨GCP和Nebius编排工作负载——这就是多云。Mastercard每天处理数十亿笔交易，他们将Tavily——我们最近收购的另一家公司——Nebius的智能体搜索集成到他们现有的流程中。现在他们不仅可以基于历史模式，还可以使用在线信号来检测洗钱。结果是更高的检测率和更短的响应时间。

这一切都发生在我们合作伙伴的生态系统中，因为这不仅仅是你如何构建产品，还有谁帮助客户提取价值。所以我们非常感谢所有早期冒险押注我们的合作伙伴。

大型组织面临的最大挑战甚至不是技术，而是运营模式和合规性。 所以我们构建了内置安全性、可观测性、成本控制和合规性的平台。我们也给了他们多种消费方式——通过控制台、API和SDK，配有文档齐全的操作手册，以及无锁定的100%可选标准和集成，使多云工作成为可能。团队可以将Nebius与他们已有的任何东西集成，并充满信心地构建。

我们为不同工程需求的不同类型团队塑造了Nebius。看一下这个：在基础层，最新最强大的GPU运行在我们自己的服务器和机架中。 在此之上，是一个功能强大的完整云平台，拥有强大的存储、自动修复、可观测性，一切高度集成以实现零性能损失，以及一套工具，包括我们自己的Slurm、Kubernetes、分隔符、无服务器和其他服务。在顶层，是AI运行时Token Factory，用于推理和模型微调，内置系统级优化和模型级优化。所有这些都有多种消费方式、安全性、合规性和可观测性。一个平台服务任何类型的构建者——AI产品开发者用于实验和发展产品，机器学习工程科学家用于将时间花在构建而非配置集群上，企业团队用于在受控条件下大规模运行AI。

Nebius能走到今天，要感谢我们有幸合作并从中学习的所有优秀客户。但这还不是全部。

我们刚刚展示和讨论的一切，是我们现在正在增长的。但我们想为即将到来的做好准备。也许我们还不知道如何交付的所有细节。这就是智能体（Agentic）新世界。让我分享我们如何思考AI基础设施的未来。

智能体正在呈指数级增长，再次改变我们的行业。 客户希望智能体以使产品可行的成本完成任务。Tokens将成为下一个基础设施层。人们将为结果付费，而不是为tokens付费。这对云提出了新的要求，我们需要应对。

一个智能体不只是一次优化的模型调用，它是一个循环。 它制定计划，调用工具和模型，观察结果，重试并继续，直到任务完成。今天，原型化一个智能体很容易。你可以把一个模型连接到几个工具上，让事情运转起来。但生产是不同的。运行一次智能体，与为组织中数千名用户大规模运行数千个智能体，是完全不同的。

小错误会不断叠加。 看起来不错的95%每次调用成功率，会转化为彻底失败。一个糟糕的计划可能消耗比预算多10倍的tokens。

那么云基础设施应该是什么样的？

第一，高性能推理——快速、成本高效，服务于许多并发稀疏任务。

第二，接地气的数据访问——实时网络搜索、提取和研究，为智能体提供上下文。

第三，编排——我们需要组织模型和工具之间的路由、重试、状态管理、持久执行，以及可以运行数分钟乃至数小时的任务。

第四，可观测性和评估——我们需要收集智能体计划了什么、做了什么、调用了哪些工具、什么失败了、花费了多少以及结果是什么的完整追踪。

第五，控制和安全——权限、沙箱和成本上限。

这是从无状态模型服务到智能体运行时基础设施的转变。

但当基础设施就位后，我们可以开始下一个循环。每个智能体在运行时都会产生大量数据——计划、追踪、成本和结果。当我们捕获所有这些数据时，我们可以开始系统性地、持续地改进智能体。就像今天我们优化推理端点一样，我们可以优化路由，改进提示和工具调用，降低成本。云平台不仅仅是智能体运行的地方，它成为使智能体可测量并持续改进的系统。

云还有另一个转变。一个新的角色出现了——智能体作为用户。 云平台过去是为人类用户构建的——阅读文档、点击控制台、手动部署和调试服务的开发者。智能体需要不同的云接口——API优先，可编程且可观测。 我们在一年前就开始朝这个方向迈进。我们通过MCP提供Nebius API，让智能体能够与平台交互。今年，我们正在开发Nebius Agent Echo，它知道如何在我们的基础设施上执行复杂任务。

但更深层的要点是工作负载优化。智能体的行为与人类不同——它们持续调用API，并行运行许多步骤，重试并优化成本和效率。这需要低延迟API、高效调度和成本控制。

为什么我认为Nebius能构建它？我们从硬件到API是垂直集成的，所以我们可以跨全栈优化智能体工作负载并取得成果。

目标很简单：我们需要让Nebius成为智能体能够有效使用的云。

真正令人兴奋的是，这是一片绿地。智能体AI对每个人来说都将是新的工作负载，对每个参与者来说都是如此。 没有数十年积累的经验。我们看到了新类型的开发者、新类型的应用程序，每个人都从零开始。当每个人都从零开始时，优势属于那些能够快速行动的人。

共同工程化——那就是我们这个房间里的人——提供AI产品的真实价值。这不会容易，但你做什么就得到什么。构建者能够解决这个问题，解决那些看似不可能的难题。我们Nebius将尽我们所能不拖累你们。我们继续以稳健的步伐构建面向AI的规模化云。

说到这里，让我请Arkady上台——我们的CEO，那个把我们推向极限的人——他将告诉大家他在哪些维度上推动我们。

Arkady Volozh — CEO & 联合创始人，Nebius

我想对Roma刚才说的内容做一个总结，也许稍微补充一点。就几张幻灯片，不是一个大型演示。

Nebius是什么

Nebius实际上是在做什么？我们在构建一个平台，一个算力平台。我们建造自己的数据中心，我们建造自己的机架，大家都知道。

最近，我们开始向下延伸技术栈，不得不在能源层面做一些事情，比如电网发电、Bloom合同等等。这是基础硬件平台。在此之上，我们构建云服务、推理服务、talking factory。现在我们正在构建一个agentic层。这些都是使Nebius成为Nebius自身的工具。

Nebius做什么，不做什么

所以，Nebius是一个算力平台与工具，服务于AI应用的开发者——那些真正创造AI的人。Nebius只是一个工具。

Nebius不做什么？Nebius不开发自己的模型，Nebius也不开发自己的应用。 那是我们的开发者客户在做的事。使用这些工具、使用这些算力的客户，构建出这些神奇的东西——无论是基础模型、消费者应用还是企业应用——这些才真正产生了价值，才是真实的产业。这才是AI真正创造价值的地方，在那里，一切都会变得快10倍、便宜10×10倍，或者多10倍。

如果这一切发生，整个生态系统就会运转起来，而我们离这一天已经非常近了。Nebius就是在这里扮演这个角色。

产品维度

Roma讲到了我们的二维空间。我们在构建产品——公平地说，主要是裸金属云、推理、agentics。我们为不同类型的客户开发这些产品，他们需要不同的东西，思考方式不同，说着不同的语言——无论是裸金属、购买GPU还是购买token。

这是不同类型的用户，他们是开发者或项目经理。现在使用AI的人远比使用传统云的人多得多。所以我们在这两个维度上构建，但还有第三个维度，那就是规模。

规模维度

我们在大规模地构建这些东西。

不到两年前，我们从一个10兆瓦的小型数据中心起步。我们说现在运行超过200兆瓦。我们最近表示，到今年年底，我们将达到800兆瓦到1吉瓦的运行功率。我们已经预订并签约了3吉瓦的容量，并表示到年底将超过4吉瓦。我们正在朝这个方向前进，非常接近了。

这就是规模，但规模不仅以兆瓦、吉字节来衡量，还可以以建设地点来衡量——差点忘了说这个。我们在欧洲、中东建造这些兆瓦和吉瓦级设施，印度和亚太地区也即将开始。当然，我们大多数已建和在建的项目都在美国。

重要的是，在我们签约的4吉瓦中，三分之二是我们自有的容量——是我们自己的土地、电力和厂房，不是租赁的。所以我们建立了一个相当庞大的系统。

GPU规模

这个容量，其规模可以用吉瓦来衡量，也可以用GPU数量来衡量。这里显示的是上半年的数字，但数字本身并不重要。我们正在建造的规模是数十万乃至数百万GPU。今天有多少公司能在公有云中提供数十万GPU？也许是三家超大规模云服务商，还有我们，也许还有其他人，我不确定。所以我们正在构建全球最大的公有AI云之一。

资金维度

这就是规模，但这个规模也可以用美元来衡量。有吉瓦，也有吉美元。

23个月前，我们从20亿美元起步，很高兴能以此为起点。这笔钱实际上足够我们开始预订所有这些容量，因为预订只需总资本支出的1%。去年我们又融了数十亿美元，开始建造这些数据中心。今年我们预订了数百亿美元的容量，这将使我们能够在今年建造吉瓦级GPU设施。现在我们在思考如何获得数千亿美元。

到目前为止，我们在融资方面非常有创意、非常高效。我们是最早（甚至是第一家）启动客户预付款模式的公司之一，这帮助我们带来了建设资金。我们也是最早签订大型兜底合同的公司之一，这使我们能够以较低成本为建设融资。当然，我们也有可转换债券和其他传统融资工具。

我可以向大家保证，我们将继续以同样的创造力和效率进行融资，很快就会有一些公告发布。但这是无限增长，我们需要越来越多的资金。建造这些吉瓦、数百万GPU需要数千亿美元，这是一个巨大规模的生产建设。

第四维度：时间

我想说，是的，我们在构建这个三维空间——产品、客户、规模，但还有第四个维度，那就是时间。

你无法把它放在图表上，但这个维度实际上就是公司本身的故事。下个月，我们将迎来成立两周年。我们创建了这家公司，汇聚了所有我们设法招募到的人才——那些来到我们这里的人，现在已经是数千人。所以，我们称之为第四维度。

正式宣告：不再是初创公司

借用今天这场活动的名称，我们决定应该做出改变——我们正式宣布，从今天起，停止称自己为初创公司。

我们创造了产品，我们以规模创造了它，我们为客户创造了它。正是客户，让这一切变得有意义。

我认为，现在是时候听听我们的一些客户的声音了。

Nebius 客户心声

Base Camp Research 正在构建生物学的互联网。 没错。

是的。

Robot Forces 正在打造机器人劳动力，承担那些人类不应该亲自去做的事情。 我们正在努力改善专业沟通方式。我们正在构建基础模型，以揭示关于大脑的全新生物学知识，从而改变痴呆症的发展进程。我们正在尝试赋予受监管行业加速软件开发的能力。

我们设计一种新分子，并在不到 24 个月内将其推向市场。这绝对是疯狂的——要知道，传统方式开发一种新分子可能需要七年时间。不，现在只需要 24 个月。

我们面临的主要技术挑战之一，是如何真正做好上下文工程，而不是不假思索地把所有内容都塞进上下文。制药行业通常需要大约 10 年时间和 20 亿美元。 我们必须综合考虑数据、模型和基础设施——谁能以超大规模最快速地提供算力，这正是 Nebius 发挥作用的地方。

Nebius 变得至关重要，是因为我们真正需要安全地扩展我们的 AI。 得益于 Nebius，我们能够在数周内完成模型的扩展。我们可以将时间从数月缩短到仅仅几个小时。 你们以我们希望的实验速度来支持我们。速度令人难以置信。 使用 Nebius，我们降低了大约 70%。原本需要两到三周的工作，我们可以在一周内完成。当我们开始使用 Nebius 时，我们看到 P99 延迟在 400 到 500 毫秒，这非常了不起。我们实际上一直在和他们沟通。

几乎每天都在沟通。

我认为现在是构建产品的极佳时机。 就在当下。有机会打造出被大量用户使用的产品。

到 2030 年，我预计我们将在生物学的所有领域看到真正伟大的进步。

我们将需要指数级增长的更多算力，才能将我们带到下一个层次。

找到那些与你同行的人，因为他们相信这个使命。这是一段非常令人兴奋的旅程。让我们出发吧。

行业圆桌讨论

旁白： 请欢迎《The Information》执行编辑 Amir Ifrati 上台。

《The Information》执行编辑 Amir Ifrati：

大家好，我叫 Amir，很高兴来到这里。这是一个非常好的切入点，从智能体层出发，探讨 Nebius 的客户——那些真正为 AI 用户提供产品的公司——是如何经历当下这个时刻的。废话不多说，让我们欢迎其他嘉宾上台。

嘿，大家好。

好的。当 Nebius 最初找到我，提出这个讨论的想法时，我以为今天的活动会和现在有所不同。我以为会是一个接一个的案例研究，讲述那些正在做他们以前认为不可能做到的事情的公司，甚至是六个月前还做不到的事情——这种情况依然存在，有很多可以聊的。但我认为我们现在处于一种……姑且称之为叙事转变的时刻。CIO 和 CTO 们谈论最多的是失控的成本、缺乏成本管控，这个话题似乎正在主导整个对话。所以我非常期待讨论这个问题，以及各家公司正在采取什么措施。

让我们为这个讨论做个铺垫。我想按顺序听取每位嘉宾的看法。我们先从 Database 的 Nikita 开始——你如何看待当下这个特殊时刻？这只是一个暂时的停顿、短暂的审视、重新考量或收缩？还是说，只要再过几周，等下一批模型出来，我们就会把这些都抛诸脑后，然后继续狂奔——比如，我们该把多少 API 调用量给 Anthropic 或 OpenAI？我们该把多少钱投给 Scott 和 Devin 以及那些智能体？请你先开始，并介绍一下自己。

Nikita（Database，前 Neon 创始人）：

好的，我叫 Nikita，我在 Database 工作。此前，我创立了一家叫 Neon 的公司，去年被收购了。我们处于所有 AI 编程智能体的下游消费端，为现代应用提供基础设施。在 Database，我负责运营一个数据库——也就是 Neon 演变而来的产品——以及一个应用平台。所以我与所有代码生成系统都有非常紧密的联系。

回答你的问题，我认为可以从两个视角来看：一是数据库视角，即大型工程组织内部在做什么；二是我们的客户在要求我们做什么。

先说客户——他们想要成本管控。我们刚刚经历了一个"token 消耗最大化"的小阶段，我认为我们还在其中。但随后，很多地方开始出现问题——尽可能利用 AI 对工程师来说固然重要，但也存在浪费性支出。所以人们想要搞清楚到底发生了什么。

从数据库的角度来看，如果你能把 AI 消耗通过 AI 网关来处理，我认为这是一个纯粹的基础设施观点：把你的 AI 消耗接入我们的 AI Unity Gateway，我们来告诉你发生了什么。从那以后，你就可以根据需要切换到其他模型，我们也可以为你托管这些模型，等等。这是 Database 纯粹从产品角度为客户提供的方案。

从内部来说，工程师的 AI 预算是无限的，"token 最大化"依然存在。大家可以带来自己的 AI 工具，大多数人在运行 Claude Code 或者类似内部版 Devin 的东西。我认为未来的走向是——我们会对工程师的生产力有更多可见性，当我们开始审视整个软件交付流水线，看清其中的瓶颈所在时。

《The Information》Amir Ifrati：

好的，谢谢。DataRobot 的嘉宾，请开始。

Venky — CPO，DataRobot：

当然。我是 Venky，DataRobot 的 CPO。我们一直非常专注于如何帮助企业真正重塑其工作方式，特别是与智能体协作的方式。就像智能体正在改变编程方式一样，我们思考的是如何在企业核心工作流中实现这一点，比如业务规划、安全合规、运营等方面。

在成本问题上，我们发现，当你开始看到这些东西真正投入生产时，它就不再是"每个用户每月多花 30 美元订阅费"这种小事了。你开始面对的是数百万美元的支出，突然间它成了一个大的预算项目。当"I（投资）"变得很大时，你自然要开始追问"R（回报）"在哪里。

所以现在大家都在重新审视：仅仅部署一个智能体就够了吗？它花费很多，但我到底得到了什么回报？

我们的观点是：在"I"这一侧，成本必须从一开始就作为核心设计原则来考量。在构建智能体、设计智能体、评估智能体时，你必须把成本纳入考虑。然后你要考虑如何选择合适的模型，以及如何在运行时优化——就像 Nikita 说的那样，根据意图路由到不同模型，确保你用的是最低成本的模型。如果你在自托管模型，你是否获得了最大化的利用率？这是投资侧需要做的大量工作。

而在ROI 侧，你必须选择有价值的问题来解决。你不能把每一个现有的工作流都塞进一个智能体框架，然后期待回报。你真的需要从头开始重新思考整个业务流程，以智能体原生的方式来重构。

《The Information》Amir Ifrati：

好的，我们稍后会深入探讨这个话题。

Narek，来自 Nebius，我在来这里的路上一直在思考我们所处的这个时刻。它真的让我想起了 10 到 15 年前公有云兴起时的情形。我当时在写关于 AWS 客户的报道，他们说："等等，我今年比预期多花了 2000 万美元。"那时候，2000 万美元是一笔很大的钱。所以这确实感觉是一个非常相似的时刻。你是否也有同感？在应用 AI 和客户成本方面，你认为我们现在处于什么位置？

Narek — Nebius：

是的，我认为成本问题是随着规模扩大而出现的。当你扩大规模时——是的，创建一个原型、展示一些结果非常容易。但如果你把这个原型扩展到数百个用户，经济账就会把你压垮。你需要运用一些技术来让它更可靠、更具成本效益。

我可以举一个例子。大约一年前，我们为我们的云平台创建了一个 MCP（模型上下文协议）。你可以把这个 MCP 接入我们的云，然后问一些问题，比如某个用户在我们平台上做了什么。使用 MCP，回答这个问题花了大约 15 分钟，消耗了 100 万个 token。 后来我们把它更新为一个 Echo 系统，其中包含了大量关于我们信息、API 等的上下文。同样的查询只需要几秒钟，智能体只消耗了几千个 token。

所以，不仅仅是使用模型本身很重要，优化数据层、为模型提供更高效的上下文同样至关重要。这将大幅降低你的成本。这正是我们在平台上看到的情况。

《The Information》Amir Ifrati：

Scott，我猜这些关于支出反弹的噪音对你来说可能是个好消息。你不仅通过对模型提供商进行抽象化来构建业务和产品，而且也非常注重结果导向。

结果优先。 告诉我们你如何经历这个时刻？你看到了所有这些头条新闻，看到很多客户、CIO 和 CTO 在讨论失控的成本。对你来说这是什么感受？

Scott — CEO，Cognition（Devin）：

是的，当然。我是 Scott，Cognition 的 CEO，我们构建了 AI 软件工程师 Devin。我非常赞同各位已经提出的所有观点。你确实看到了价格和支出增加到了一个让所有 CIO 都非常在意的程度。

我认为，从很高的层面来看，AI 是有效的，而且显然是值得的。

当我们谈论效率提升、能做到更多事情时，GPU 确实很贵，但也没那么贵。相对于你支付的 token 费用，与你获得的额外产能或产出相比，数学账算起来是非常清晰的——特别是与你支付给人类员工的费用相比，以及团队中每个人能多做多少事情相比。

我认为人们真正关注的是：如何真正衡量和优化这一点，如何从结果的角度来思考这个问题。 写 1 万行代码，对任何模型来说都比让人类写 1 万行代码便宜得多。但是，就像管理人类一样，管理智能体也是一回事——如果那 1 万行代码完全没用，用在了一个你从未真正发布或构建的任务上，那就完全是在浪费钱。

所以，更重要的是思考：我真正在推动什么实际结果？

人们谈到"杰文斯悖论"，我们在实际工作中确实非常明显地看到了这一点。每家公司都在构建更多、发布更多软件。 但他们想知道的是：发布这么多软件，我能获得什么具体回报？我如何衡量？也许是我的产品更快上市，从而获得更多收入；也许是我能给客户提供更好的体验；也许是我能更快、更好地构建内部工具，从而体现出更高价值。

重点不在于字面上的"一分钱一分货"，而在于确保你把 AI 引导向真正影响底线的用例上。

《The Information》Amir Ifrati：

你说得听起来很容易。但显然，在极大型企业里，存在很多各自为政的部门、不同的支出中心、成本中心、各做各事的不同业务部门。在早期的公有云时代，解决方案之一是集中化——建立某种中央决策机制来管理支出，而不是让每个团队各行其是。

能不能深入谈谈你们看到企业正在努力克服的组织层面的障碍？另外，我们上周在《The Information》刊发了一篇专栏，介绍了企业可以采取的一些基本步骤来降低成本。现在很多人都在谈论模型路由器，还有很多对成熟客户来说更容易实现、对不那么成熟的客户来说更难实现的方法。哪位想先谈谈这个？

Scott — CEO，Cognition（Devin）：

是的，正如你所说，说起来容易做起来难。在大型组织中，确实存在部门化的预算——这个能花多少，那个能花多少。

我想指出我们看到的几件事。

第一，对于很多支出，那些人们原本考虑外包或以服务方式购买的事情，现在发生了一种非常自然的转变：好，让我们想想如何用 AI 来做更多事情。这是一种更自然的替代方式。我实际上认为，很多大的收益来自于增加产出和提升产能，而不仅仅是削减成本。当然，还需要做一些工作，确保整个团队都清楚地知道收益来自哪里。但我认为这个过程正在很多大型企业中发生。

第二，关于模型路由，这是一个很好的观点。在 token 预算或资金预算的约束下，我们越来越看到，所有模型都在变得更好。在代码领域，最难的任务你仍然需要最聪明的模型——比如今天刚发布的 Fable，有些任务只有 Fable 才能完成。但现实是，软件工程师日常工作中，这类任务可能只占 10% 到 20%。对于另外 80% 到 90% 的任务，自然就会有一个问题：我如何确保我在使用更便宜的模型？ 有很多优秀的开源模型可以处理 50% 到 60% 的任务，速度快 10 倍，成本低 10 倍。显然，我会想要做出这种改进。

所以我认为模型路由正在成为越来越重要的一部分，而且这一趋势将持续下去。

The Information，Amir Ifrati：

你们能不能在某个时间点多谈谈开源的话题？好的，请继续。

Nikita（Database，前 Neon 创始人）：

我认为，对于大型组织来说，有一件事非常实际，那就是构建一个内部工具，这个工具对编码和非编码任务都有用。它可以是对 Claude Code 的一个轻量封装，也可以是更复杂的东西，但它肯定要通过 MCP 连接到所有内部流程，比如邮件、Slack，基本上就是所有工作发生的系统。很多工作显然是在生成代码，但也包括部署代码和运行 CICD 流程。这样做的好处是，因为每个人都在使用这个工具，你就拥有了更统一的视角。 当然，要做到这一点，这个工具在 Databricks 内部需要是有用的。这个工具叫做 Isaac。在 RAM 内部，我记得叫 Incept。当然，你也可以直接购买我们称之为 Devin 的现成工具。

一旦你拥有了这个工具，你就能从所有 AI 使用中获得大量的遥测数据，这不仅仅是你对 AI 的调用，而是实际上通过这个工具完成的工作。 一旦到了这一步，模型路由就成为一个真正可行的选项，你就可以开始把某些使用量导向更便宜的模型。基本上，一旦你走上了消费路径，并且端到端地覆盖了组织中发生的每一项工作，你就可以将其数字化，从而优化它——比如导向开源模型、选择不同模型，很多事情都可以发生。

你还会发现，瓶颈可能根本不在模型上。比如，现代 CICD 流程其实是有问题的。在 Databricks，我们有一段时间积压了很多 PR，它们要么在等待代码审查，要么在等待 CICD 流程完成。我们有各种图表显示并行堆积的 PR 数量不断攀升。所以我认为，当我们能够端到端地看到这些问题时，我们就会开始优化它们。而第一个前提条件，就是为你的组织构建一个工作真正发生的工具。

Venky（CPO，DataRobot）：

也许我会从另一个方向来谈，因为你是从组织层面开始的。我认为我们见过两种模式。我认为很多是自下而上的，人们自己拿起工具开始使用，最终他们倾向于将自己所做的事情自动化并加速，就像个人获得的生产力提升一样。但这些其实很难衡量。你当然可以定性地描述，但很难量化，因为你会说，我做了一个更好的演示文稿，质量更高，但不清楚如何衡量它。

所以我认为，我见过更容易衡量成效的地方，往往是更自上而下的方式。 比如 Chevron 是我们的客户，他们有一个直接向 CEO 汇报的团队，自上而下地推动，思考如何进行基于 AI 的转型。他们和我们合作，真正去解决那些极其困难的问题。他们的设施案例作为参考案例刚刚发布在我们网站上。

他们真正谈到的是：我们如何把以前无法整合在一起的东西整合起来？ 这就是人们所说的"角色坍缩"和"时间坍缩"——因为事情进展得更快，你可以做不同的事情。我们发现，将一个传统的推理模型、一个 Physics Nemo 这样做物理建模的模型整合在一起，去解决一个真正困难的工厂安全问题——这就是他们发现的价值。他们说：现在我们真的可以不用派人去进入气体泄漏现场了，因为他们现在可以用无人机安全地进行测量。 这是一种非常不同的方式，他们发现这是一个非常有趣的用例，真正改变了他们工作的经济逻辑。所以不是说节省了多少工程师，而是：我们正在建设一个未来的新设施，里面在气体泄漏现场工作的人会更少。这是一种完全不同的、自上而下的方法。

The Information，Amir Ifrati：

是的，我知道这里没有万能解药，但我觉得，那些极度成熟、运营大量数据库、知道如何在上面叠加 AI 来创建应用的公司，和那些处于重度监管行业、非常老旧、体量庞大、需要更多手把手指导的公司之间，似乎存在着相当大的差距。

我认为大家都在努力弄清楚，衡量结果、衡量 ROI 的最佳模型是什么，有哪些最好的案例？ OpenAI 和 Anthropic 可以说到嘴皮子磨破，告诉你应该怎么做。但是，有没有一些正在崛起的初创公司，能够提供正确的仪表盘？还是说会是那些传统的——我不想说传统——AI 领域的老玩家，包括你们自己，或者 Palantir 这样的公司，或者 Salesforce 这样的公司，会插进来说：我们是中间商，你需要我们来理清一切，知道如何路由到不同的模型，知道如何结合开源来实现你的目标。只要告诉我们你想实现什么，我们来帮你实现。 我只是想搞清楚这一点。

因为现在有一场巨大的争论：有人说，你只需要一套很好的数据库，多开几个数据库，在上面叠加 AI，就像 Snowflake 最近一直在说的那样，然后你就可以出发了，你不需要这个中间层。这是行业里目前一场巨大的争论，我很希望你们能发表意见。

Narek（Nebius）：

是的，我可以说。实际上，这是我们现在内部正在经历的痛点，因为我们正在为我们的团队启用 AI。我认为数据层对于 Agent 来说极其重要，需要针对 Agent 进行优化。 你可以通过为个人使用创建自己的 LLM 工作流来获得很高的生产力。但当你扩展规模时，你会意识到今天没有太多技术能帮助你，因为你需要一个语义层来向 Agent 展示、引导 Agent 了解公司背景——比如公司的术语是什么、公司的历史遗留是什么、历史是什么、流程是什么——而所有这些都分散在公司内部各种零散的数据源中，加上一半的信息在人们的脑子里，在那些邮件和聊天记录里。所以你需要一种不同的语义层来聚合所有这些。

现在，关于数据源的扩展问题： 你可以在个人生产力方面获得很多，比如我个人的 Claude，它能创建出色的分析查询，说实话比我们公司任何人都强。但我无法扩展它，因为它也包含了我个人的上下文。所以我需要一个中间层来连接所有数据源，并为公司提供共享的上下文。我认为公司应该走向"个人上下文 + 企业上下文"的模式，以实现真正的可扩展性。

The Information，Amir Ifrati：

是的，很高兴你提到了语义层。我们几周前实际上专门写了一篇关于语义层的文章，背景是微软的 Power BI 正在试图在其周围建立更多的围墙，让某些人更难进入——这里的"某些人"是指让客户使用 Databricks 或其他工具，将他们的数据从 Power BI 带入他们正在开发 AI 应用的整体环境中。

我很好奇你们对此的看法，以及这将如何发展。 在传统应用周围建立围墙和收费站，这种情况似乎正在发生。公司在财报电话会议上都在谈论这件事，这只是个开始。我不知道最终会走向哪里，不知道客户是否会反抗，或者客户是否能通过 Vibe Coding 的方式绕过它。我很想听听你们任何人对这一趋势的看法。

Venky（CPO，DataRobot）：

我会说，你可以设置收费站，有些人会逐渐接受，但我认为最终这行不通，因为客户会说：这是我的数据，这是我的知识产权。他们最终会找到正确的出路，他们会 Vibe Code 出去，会有替代方案，他们会去找别人，会有人说：嘿，不设这些限制也可以赚钱。 所以我认为这可能不是最难解决的问题，它会被绕过去。

Nikita（Database，前 Neon 创始人）：

是的，我其实亲身经历着这个问题。想想看，工作发生在哪里？是发生在 AI 工具里，还是发生在我的 SaaS 工具里？

Venky（CPO，DataRobot）：

没错。

Nikita（Database，前 Neon 创始人）：

那么，客户希望工作发生在哪里？归根结底，客户需要工作发生在哪里，这个东西就会在哪里落地。 你可以建起围墙，但如果客户想活在 Claude Code 里，那竞争对手就会提供一种能力，让你从 Claude Code 内部消费一切。

那么好，但你有你的 SaaS 工具，有数十亿的营收，这些东西怎么办？你当然必须两者都做，然后让人们在他们想工作的地方工作。你需要把 AI 引入你的产品，并确保——如果你幸运的话——你能提供比在 Claude Code 里消费同一产品更好的体验。如果你不幸运，你就会被去中介化。我认为每一家 SaaS 产品的拥有者，包括 Databricks，它既是数据产品也是 SaaS 工具，都必须两者兼顾，今天别无选择。至于未来会怎样，就让它自然发展吧。

Venky（CPO，DataRobot）：

举个例子，我们公司很多人现在用 Claude 来制作 PowerPoint 幻灯片，所以你不是在 PowerPoint 里做幻灯片，你实际上是在 Claude 里做，PowerPoint 只是一个导出机制，最后输出一个 pptx 文件。如果你对 PowerPoint 设置很高的壁垒说你不能用这个东西，那你就会用别的东西来代替 PowerPoint。顺便说一下，Claude 目前只支持 PowerPoint，还不支持 Google Slides，但等它支持了，我们就可以用任何一个了。所以关键在于，如果你在 AI 里工作，其他东西就变得不那么重要了。这就是你必须竞争的地方，我认为单纯地设置收费站是不可持续的。

The Information，Amir Ifrati：

好奇问一下，你们认为今天企业 AI 支出中，有多少比例是实验性的，或者说不被认为是核心必要的？有人知道答案吗，或者有什么猜测？

Scott（CEO，Cognition，即 Devin）：

我认为从支出的角度来看，说实话，现在实验性支出已经是相当小的少数了，因为那些被大规模扩展的工作流，通常是人们已经看到大规模有效的那些。从用例数量来看，确实有很多很多东西可以尝试，我们在合作的组织里看到这一点，内部也看到这一点。人们会尝试很多东西，会摆弄几个不同的用例，但显然，那些你发现"这个每次都有效"的用例，那种"每次我启动一个 Agent 去做这件事就能节省六个小时"的用例，才是被扩展 1000 倍的那些。 所以当我们谈论 AI 繁荣和消费量的巨大增长时，当然有一些"大家疯狂消耗 Token"的叙事，我相信这种情况存在。但我实际上认为，对于那些监控支出的组织来说，大多数已经到了将大部分支出用于真实用例的阶段。

Nikita（Database，前 Neon 创始人）：

尤其是编码，对吧？编码就是爆炸式增长。 对任何写代码的人来说，使用 AI 工具能让他们效率大幅提升，这是显而易见的，因此在这个特定类别上的支出简直是难以置信的。所以我认为这……

The Information，Amir Ifrati：

当然，但在某些情况下肯定是不可持续的。我们发布了一篇很受欢迎的文章，披露了 Meta 内部用于衡量这些成本的仪表盘，当时他们的工程师在谈论这件事，那个成本绝对是失控的。我不知道他们是 Anthropic 多大的客户，他们可能是前四大客户之一，现在可能还是。但我就是不确定事情有那么简单，我认为还有很多……

Venky（CPO，DataRobot）：

我认为在工程和编码领域，它已经证明了自己的价值，所以它是有用的，人们知道如何使用它，而且很多使用实际上是直接的生产型工作。但我会说，在很多其他用例中，情况完全不同。我们在传统行业看到很多这种情况，他们对 AI 或 Agent 的采用要早得多。我会说，在传统行业，超过大多数的支出可能仍然是实验性的——他们不是不花钱，他们在花 Copilot 的钱，在花 Gemini 的钱，在花流量的钱。个人生产力这块我认为是有的。但如果你想到关键任务型工作负载，编码是其中之一，那么在传统行业，下一个五个关键任务用例是什么？我会说现在还非常早期，还有很多实验正在进行。

The Information，Amir Ifrati： 底层模型的能力，与正在快速构建的各种"套壳工具"，以及人们今天实际使用它们的方式之间，差距有多大？

我感觉——也许只是我自己的感受——我几乎每天、肯定每周都在体验和听说新的使用方式。我很好奇这个差距有多大。

Scott（CEO，Cognition，即 Devin）：

我认为这真的取决于我们在谈论谁。旧金山的 AI 原生初创公司，我认为他们跟得相当紧。而企业美国，正如你所说，在某些情况下可能落后几个月，甚至几年，这是个大问题。 这是对很多企业采用情况的物理规律的重要提示。

人们问这个问题，很多 AI 公司有过那种疯狂的增长曲线，问题是这怎么可能增长得这么快、服务这么多？是可持续的吗？我的解读是：很多技术总是以浪潮的方式到来，这波之前是云计算浪潮，之前是移动，之前是互联网，再之前是个人电脑，等等。

我认为有几件事正在发生。首先，交付机制就是纯软件，所以公司采用和使用它要容易得多。

但我认为另一件事——正如你所指出的——是落后两年已经不再可以接受了。 如果你想想云计算的采用，很多很多公司就在最近几年才上云，他们刚刚把最后的系统从本地迁走。是的，你晚了五年、十年，但还好，我们用现有的东西撑过来了，也许早点来会更高效，但结果还不错。但在 AI 上晚五年、十年是行不通的。

The Information，Amir Ifrati：

你的例子是什么？在哪种情况下……

Scott（CEO，Cognition，即 Devin）：

显然是这样。

我认为很多企业也真的意识到了这一点。所以即使用相对的说法，晚六个月或三个月——顺便说一下，就可用的用例而言，这是很大的差距——仍然比我们以前见过的许多趋势快了一个数量级。

Narek（Nebius）：

我同意，并补充一点：AI 原生初创公司处于非常幸运的位置，他们没有历史包袱，他们从零开始。 历史越多、遗留越多，内部政治就越多，这意味着你需要越来越多的变革来适应。所以这真的取决于你的组织有多成熟——你越成熟，处境越艰难。

The Information，Amir Ifrati：

是的，甚至……

Venky（CPO，DataRobot）：

就拿编码来说吧，这可能是现在最成熟的 AI Agent 用例。如果你是一家有大型代码库、有团队的公司，然后你说：好，现在不再有那些不同的角色了，只有一个"构建者"角色，不再区分 PM、设计和工程。你必须重新组建所有团队，弄清楚怎么安排他们。这不是免费的。 但如果你是这个活动方圆 50 英里内的一家初创公司，从零开始，当然，你没有这些问题，或者你只有五个人，很容易绕过去。但如果你有 500 人、1000 人，重新组建团队、重新思考规划和工作方式，这是真实的工作量。

而那些还不理解这一切的人，只是因为他们还没有……适应得最好的最老的公司是哪家？我不太清楚。但在我们的客户群里，我会说是 Chevron，因为他们真的全力投入了，他们是真正自上而下地押注，这让他们非常不舒服。

工厂经理们会说：你们提议的这些我一个都做不了，因为有各种法规。但他们在推，他们建立了一个团队来推动。所以我认为每家公司都在以不同的方式尝试推进，但我认为我们深刻理解改变传统公司大量工作方式的代价有多大。

The Information，Amir Ifrati：

如果不谈谈 GPU 短缺问题，那就太遗憾了，你们 Nebius 的朋友和 Eric 对此再清楚不过了。我记得你们团队的 Mark 在上一次财报电话会议上提到了涨价的问题。我们也从很多初创公司创始人和 AI 产品创始人那里听说，现在外面的情况很艰难，很多算力都被大客户预定了。所以我很好奇，对你们自己，以及对你们的客户来说，有什么技巧？什么有效，什么无效？怎么拿到更好的价格？你们在做什么？

Narek（Nebius）：

这是个好问题，如何应对这个问题。我认为，如果你是 AI 的用户而不是构建者，你很可能处于可以使用开源模型的位置。

优化数据层也能让你从算力投资中榨取更多价值。 从基础设施和 GPU 的角度来看，可以结合多种类型的工作负载。你不需要为所有东西预留算力，对某些类型的应用你需要预留，但有时你可以大批量运行推理，就像 Shopify 做的那样，他们同时使用 GCP 和 Nebius 的可抢占实例，用于非关键工作负载。

所以有很多技巧，但核心思想是：你可以将你的工作负载类型映射到对算力的需求上。 对于大规模生产、可预测的生产，你需要预留。如果你使用类似"Token 工厂"的服务，可以从预留中榨取更多 Token，基本上是批量推理。你也可以将其与突发用量结合，这在特定情况下是可行的，尤其是如果你使用 Sky Pilot 这样的多云技术。

The Information，Amir Ifrati：

Scott，在剩余的时间里，我想请你带我们畅想一下五年后的未来，告诉我们你的 Agent 将会为我们做什么。我们还会有 IT 部门吗？会发生什么？

Scott（CEO，Cognition，即 Devin）：

五年后，我们都会在元宇宙里，不会有任何物理……开玩笑的。

我认为你真的会看到这个趋势继续下去。在旧金山说这话可能已经是陈词滥调了，但值得真正思考其含义。人们谈论 METR 研究，关于 Agent 能自主完成多长时间的工作：两年前，是 20 秒左右；一年前，是 5-10 分钟；现在我们在谈论几个小时的工作量，而且它继续沿着指数曲线增长。 我不知道最新的数字是多少，但我相信又翻了一番或更多。

如果你顺着这条曲线自然推演，问一个问题：如果它继续下去会怎样？那么你就在想：好，这个模型是一个可以完成数月工作的 Agent。 这几乎是一种不同的运营模式——你给这个 Agent 一整个计划，给它一个完整的目标，让它自己规划项目范围，思考如何完成目标，如何做所有这些事情。当你真正在天或周或月的时间尺度上这样做时，会是什么样子？我认为我们将会看到很多这样的情况。

The Information，Amir Ifrati：

举个你想让它做的月度项目的例子？

Scott（CEO，Cognition，即 Devin）：

这是个好问题。比如今天对于编码 Agent，是"这是客户报告的这个 Bug，去处理一下"，或者"我们刚写了这个功能的产品规格，去实现它"。我认为不久之后，会变成："从高层面来说，我们正在考虑优化我们的架构，想节省成本，想优化数据库。Devin，把这作为一个整体计划来承接，看看现在的情况，思考你认为哪里低效，然后构建你认为正确的一切，重新做这件事。" 不是一个任务，而几乎是一个开放式问题：我们应该做什么？你来告诉我，你去做研究，你来搞清楚。

我认为我们已经开始到达这个阶段了。 而且有趣的是，你越来越接近"想到一个想法，然后它就变成现实"，这是我个人非常兴奋的事情。我同意，我们将面临巨大的 GPU 短缺，请 Nebius 的朋友们给我们留一些。但我认为这就是我们将看到的，每一家企业都将能够构建更多，为他们的客户做更多。

The Information，Amir Ifrati：

在过去几个月里，你见过的最长时间跨度的工作任务是什么，让你感到惊讶的？

Scott（CEO，Cognition，即 Devin）：

我们见过有人运行了好几周的 Devin 会话，我不推荐这样做，有点像表情包行为了。但认真说，我们见过端到端的项目。比如对于我们的一些训练运行和项目，有些项目在一年前会是完整的实习项目，多周的实习项目，Devin 只用几天就完成了，它运行了所有这些东西，整理出一个漂亮的数据集，把结果交给你，真的令人惊叹。

Nikita（Database，前 Neon 创始人）：

听了这些，我有一个有趣的想法。我成长于各种基础设施项目的时代——数据库引擎、存储子系统，Pure Storage、Snowflake、Nutanix、Palo Alto Networks 这些公司，他们在构建基础设施产品。这些产品的决定性特征是什么？它们真的很难构建，需要很多非常硬核的系统工程师， 他们住在湾区，竞争非常激烈，可以去任何地方工作。而且通常每个这样的项目都需要很多年，构建一个企业级存储系统或数据库系统，端到端大概需要五年。

但这些系统还有另一个特性：它们可以被非常精确地规格化，因为你知道系统的 API 是什么，你知道数据库引擎是什么，你知道存储子系统是什么。 所以我认为这可能是一个构建更多基础设施系统的机会。如果你从零开始构建，从一个定义清晰的规格开始，你就可以深入设计你的系统，思考如何拆解工作，然后释放一支 Agent 大军去更快地构建这些东西。顺便说一下，我现在在 Databricks 已经看到了一些这样的情况，但我认为它将会是 10 倍、100 倍的规模。

The Information，Amir Ifrati：

你现在是在给我们做产品预告吗？

Nikita（Database，前 Neon 创始人）：

也许房间里有想要构建基础设施的创业者，我们现在确实生活在一个充满机遇的世界里。

The Information，Amir Ifrati：

好的，很棒。好了，时间到了，非常感谢各位先生。

Nebius客户顾问委员会公告

Marc Boroditsky — Nebius首席营收官

谢谢你，Amir、Scott Venky、Nikita、Narek。听取客户的声音至关重要，能有像刚才台上那样杰出的领导者和高管与我们分享，是我们真正的荣幸。希望你们听到的是：这个差距是真实存在的——我们想用AI做的事情，与我们现有的系统、流程、工具以及企业就绪程度之间的差距。

为了实现我们的愿景，为了能够将合适的创新者、构建者和企业领导者的洞察带到桌面上，让我们Nebius能够从中获得灵感和理解，并将其转化为所需的输入，从而实现企业级和规模化AI的潜力——这个差距不在于雄心，而在于AI能做什么与组织实际上能够部署、信任和依赖的系统之间的差距。

正如我所暗示的，这需要跨整个技术栈的协作，而且不是那种一年一次在小组讨论中发生的协作，而是在我们构建过程中真实发生的协作——分享我们正在做什么、什么有效、什么无效，共同制定一套通用标准和可复用的架构。

Marc Boroditsky — Nebius首席营收官

为此，我很高兴宣布三项新举措，旨在汇聚我们行业中最有经验的构建者和从业者。

第一项是Nebius客户顾问委员会（Customer Advisory Board）的成立。 这不仅仅是一个头衔的集合，而是一个由来自整个AI技术栈的运营者、构建者和企业领导者组成的工作组。顾问委员会的使命很简单：帮助塑造生产级AI的未来。这正是我们今天在这里讨论的话题。

因此，我很荣幸介绍Nebius客户顾问委员会的首批成员，来自：Amy Black、Forest Labs、Cloudflare、Cognition、Cohere、Core Automation、Higgs Field、Recraft、Revolut和Road Out。他们中的许多人今天都在现场。事实上，如果你是其中之一，能站起来吗？好的，来了。谢谢你们站起来。请大家和我一起欢迎并感谢这些杰出的领导者的合作与承诺。顾问委员会是Nebius与上述公司建立合作关系的方式。

Marc Boroditsky — Nebius首席营收官

与顾问委员会同步，今天我们正式启动Nebius Fellows计划——这是一个由开发者、贡献者和社区组织者组成的网络，他们正在塑造AI真正落地现实世界时的样子。

我们的创始成员来自世界各地的城市，他们是vLLM和CNCF的贡献者，正在构建我们其他人所使用的AI Agent和评估框架。他们在全球各地举办聚会、黑客马拉松和研讨会，从特拉维夫到多伦多，从柏林到布宜诺斯艾利斯，从旧金山到新加坡。

为此，我荣幸地欢迎Nebius Fellows首届成员。向每一位Fellows，致谢。

他们做着令人难以置信的工作。我看过Waksa分享给我的一些他们的视频，能获得这样的社区支持是真正的荣幸。在我们朝着AI潜力构建的过程中，我对这意味着什么感到非常兴奋。

Marc Boroditsky — Nebius首席营收官

好的，最后，第三个项目——我想分享我们今天以预览版形式启动的全新构建者计划（Builder Program）。

这个计划面向刚刚起步的构建者，以及那些想要比周围基础设施跑得更快的人。无论是测试Agent、部署推理、学习技术栈，还是将想法转化为产品，你都将获得：Nebius和Tavily积分、课程、便捷访问我们功能的渠道，以及进入更广泛Nebius生态系统的路径。

现在可以在 dev.nebius.com 注册。

总结一下，我们正在新增三种重要的学习、协作和推进生产级AI的方式：我们的客户顾问委员会、Fellows计划和构建者计划。

Agentic拐点：从原型到生产就绪

Devang Sachdev — Nebius生态系统战略副总裁

下午好。感谢大家今天加入我。快速举手调查一下：有多少人已经构建或原型化了一个Agent？ 很好。如果你的Agent正在生产环境中运行，请保持举手。如果这些Agent有除你自己之外的用户，请保持举手。如果你不只是运行一个Agent，而是运行多个Agent，请保持举手。

好的，这就是我今天想和大家谈的差距。稍后会有一组优秀的嘉宾加入我们，帮助我们深入探讨这个问题。

但在开始之前，我想稍微为这场对话铺垫一下背景。一年前，我们问的问题是：我能构建一个Agent吗？ 从那以后，模型改进了，框架改进了，工具使用也改进了。但今天，我们问的问题是：我能在生产环境中运行一个Agent，或者10个，或者数百个吗？

你看，挑战在于大多数团队都原型化了Agent，但很少有团队能够成功且可靠地在生产环境中运行它们。

原因比你想象的更有趣。让我给你看一个真实的例子。

Devang Sachdev — Nebius生态系统战略副总裁

我们为医疗保健公司构建了一个合规审计Agent。这个Agent帮助合规团队对照约30个监管框架（GDPR、HIPAA、SOC 2等）审计他们的标准操作政策——可能有数百甚至数千条。

今天，我们将聚焦于一个非常具体的任务：FDA发布了一套针对AI赋能医疗设备的新指南，Agent的工作是找出哪些操作程序受到影响，并在Jira中提交修复工单。

让我们看看构建这个Agent时发生了什么。

构建原型实际上非常容易，几乎只花了我们一天时间，我想我们在午饭前就完成了大部分工作。而且一开始它确实有效。它使用GPT-4.5作为模型，LangChain和Deep Agents进行编排，Pinecone向量数据库进行检索。正如我所说，对于大多数任务，它开箱即用。

但对于这个特定任务——最新的FDA指南——它无法找到最新的那份。所以它使用了它已有的知识，完成了任务，但并没有完全理解触发该任务的变化是什么。这其实不是一个推理问题，而是数据新鲜度的挑战。

第一次迭代：解决数据新鲜度问题

Devang Sachdev — Nebius生态系统战略副总裁

于是我们添加了Tavily，用实时Agentic搜索来为Agent提供数据基础。这只是对技术栈的一个改动。

效果立竿见影，Agent现在能够首先找到最新的FDA指南，并发现了47个受新指南影响的程序。它提交的工单数量也大约是原型Agent的两倍。

但两个新问题出现了：

第一，这个Agent增加了覆盖范围和范围。在发现47个受影响程序时，它不仅发现了与FDA指南相关的内容，还发现了一些与HIPAA和其他几个我们原本不打算让Agent关注的监管框架相关的内容。优先级不够清晰，留给人工来分类处理。

第二，你会注意到，仅这一次单任务运行就花费了约657美元。我们的工程师给我发了一条Slack消息说："这是真的吗？我们真的要花这么多钱来构建这个Agent吗？"这在生产环境中是完全不可持续的，至少对这个Agent来说是这样。

所以在解决了数据新鲜度问题的同时，我们暴露出了两个新挑战：一是范围过大，二是内在经济性问题。

第二次迭代：解决成本问题

Devang Sachdev — Nebius生态系统战略副总裁

于是我们尝试了第三种配置。我们换掉了GPT-4.5，用运行在Nebius Token Factory上的DeepSeek V4 Pro替代它。

成本立即从每次运行657美元降至约34美元，节省了95%的成本。 而且这没有经过任何后训练或微调。范围也有所改善，从47个发现减少到29个。

但又一次，两个新挑战出现了：

第一，运行时间实际上翻了一番，从半小时增加到约一小时，对于这个Agent来说相当长。

第二，当它提交带有特定严重程度的工单时，我们无法理解和解释其背后的推理逻辑。Agent在很大程度上是不透明的。

第三次迭代：达到生产就绪

Devang Sachdev — Nebius生态系统战略副总裁

于是我们继续尝试更新的模型，不断实验不同的模型，最终选定了Nvidia的Nemotron Ultra——他们上周刚刚发布，现已在Nebius Token Factory上提供。

我们还对技术框架做了一些其他改动：添加了LangSmith用于可观测性，以及来自Guardrails AI的Snowglobe用于用户模拟和对抗性测试。

运行这个特定配置后，我们看到：

• 成本进一步降至每次运行24美元

• 运行时间从一小时大幅缩短至13分钟

• 我们开始利用LangSmith的建议和Snowglobe模拟的数据来改善Agent行为

• 我们能够理解Agent在做什么、为什么这样做，并能引导Agent朝正确方向发展

在这一点上，这个Agent不仅在这个特定任务上表现良好，我们还在120多个具有已知基准答案的不同任务上运行了这个Agent及其他配置。这个特定配置表现最佳：近乎完美的召回率、高出20%的精确率，比闭源模型便宜约70-80%。

下一个前沿：规模化运营

Devang Sachdev — Nebius生态系统战略副总裁

你可能会认为这现在已经生产就绪了。确实如此，但我们发现了另一个挑战：我们可以构建和运行这一个Agent，但我们如何在生产环境中为数百个用户运行数百个Agent呢？

我们已经解决了运行时间和信任的问题，现在面临的是规模化运营的挑战。

让我们退一步，回顾所有四次运行，看看我们发现了什么。三件事格外突出：

第一，从原型到生产就绪的路径不一定是线性的，它实际上是一条成熟度曲线。 每次我们发现一个问题并解决它，就会发现需要新型修复和新型工具的新问题。因此实际上，正确的技术栈或正确的框架与正确的模型同样重要，因为两者共同作用才能产生正确的Agent结果。

第二，开源模型或开放权重模型正在迅速缩小差距。 对于大多数Agentic任务，开放权重模型开箱即用。在我们走过的整个过程中，我们没有进行任何重训练或微调。

第三，生产就绪与在生产中运行和持续改进并不是同一回事，尤其是当你运行数百个Agent副本时。这是下一个前沿，也是我接下来想与我们的小组深入探讨的话题。

圆桌讨论：AI Agent 的边界控制、评估与知识更新

主持人 Devang Sachdev（Nebius 战略与生态副总裁）：

现在请各位嘉宾上台。我们有来自 LangChain 的 Julia Schotenstein、再次来到现场的 Pinecone 的 Ash Ashutosh、Tavily 的 Rotem Weiss，以及 Guardrails AI 的 Shree Rajpal。感谢大家的参与。

Devang：

Shree，我想先从你开始。在某一次运行中，我们看到 agent 跑偏了——它开始去查找其他监管框架，而不是只关注既定的目标。在上线之前，有哪些手段可以让 agent 保持在既定范围内？

Shree Rajpal（Guardrails AI）：

这个问题问得非常好。我认为关于 agent 有一个很有意思的难题，那就是：在你真正开始部署 agent 之前，你甚至很难知道"范围"是什么，或者"超出范围"是什么样子的。 比如说，当你刚开始构建那个 agent 的时候，你可能会预期首先出现的失败模式是某种情况，但直到你用一些数据点、一些查询实际跑起来之后，才发现——哦，原来它是在这个地方跑偏的。

Agent 可能出错的方式，其"表面积"几乎是无限的，这正是构建 agent 与构建传统软件的核心区别之一。

我们对如何解决这个问题有非常明确的看法，而我们的很多思路都来源于自动驾驶汽车领域，那是多年来非常有价值的工作。在自动驾驶汽车中，问题空间是类似的——现实世界是无限的，而解决这个问题的核心方式就是仿真（simulation）。

与其先构建一个 agent，然后上线，再等某个用户以某种错误方式使用它，然后在生产环境中才看到失败，为什么不能提前模拟呢？在上线之前，模拟大量不同类型的用户查询，这些查询既要模仿真实用户，也要覆盖你之前从未见过的"偏轨"方式。这样就能帮你提前预判 agent 所有可能的失败方式。

这种模式在物理 AI 和硬件系统中已经被验证过，效果非常好。前沿模型实验室在构建模型和 agent 时也大量使用这种方式。我们也看到这种模式在你们构建的这类 agent 中越来越多地出现。

Devang：

Julia，你认为这种 agent 引导（steering），是一个编排（orchestration）问题，还是一个评估（evaluation）问题？不只是如何在上线前捕捉问题，还包括 agent 上线后如何持续监控？

Julia Schottenstein（LangSmith / LangChain）： 我认为编排和评估是紧密耦合的。原因正如 Shree 所描述的——你不再是用确定性代码编写 agent 逻辑了，而是使用一个框架和一个 LLM，让它在循环中调用工具。所以你无法精确定位某一行代码来告诉你 agent 会如何响应。

了解 agent 表现的最佳方式，就是写一些断言（assertions），明确你期望 agent 如何执行。

我们经常谈到"agent 开发生命周期"，它和软件开发生命周期非常相似——构建、测试、部署、监控——但对于 agent 来说，这个过程看起来非常不同，因为它是高度开放的。你接收的是自然语言形式的用户输入，本身就非常不确定，而 agent 的响应空间也是无限的。

所以你需要一套系统，能够快速迭代这个 agent 开发生命周期。这不只是编排问题，也不只是评估问题，而是要能够在上线前和上线后都进行测试，并且具备足够的可见性，真正了解 agent 最终交到用户手中时会表现如何。

Devang：

在运行这些仿真或评估时，你们会关注哪些指标？

Shree Rajpal：

好问题。我大致会把这些指标分成几大类。

第一类是产品或性能指标——agent 有没有在做它应该做的事情。

第二大类，我会称之为"防御性"指标——它是否造成了某种你没有预料到的危害？比如，如果它引用了不正确或不真实的来源，那就是在误导用户，同时也没有很好地完成任务。复杂的编码 agent 也是同理，它们有时无法很好地解决任务。

另一大类是：它是否可以被"越狱"（jailbreak）？它是否会造成某些伤害？能不能让它违反自己的护栏规则？ 这是另一大类指标。

这是思考指标的一个好起点。但我观察到的一个真实工作流是：你先构建一个 agent，对"什么叫成功"有一些初步的判断，但当你用更多数据跑起来之后，你会真正看到它的表现，然后才开始追踪新的指标。比如，你的客服 agent 移交给人工的频率太高了——这不是你事先就知道要追踪的指标，但当你真正看数据的时候，你就会意识到这是一个需要关注的指标。同样，它是不是调用了太多工具？成本是不是太高了？ 这些都可以构建成指标，但都是在你真正看到数据和行为之后，回溯性地建立起来的。

Devang：

在我们的测试中，加入仿真和 LangSmith 的建议，对提升 agent 准确率有很大帮助。换个话题，另一个大幅提升准确率的因素是我们加入了实时信息接地（live grounding）。这就涉及到知识的新鲜度问题。外部世界的知识在不断变化，是一个移动的目标。Rotem，你认为如何监控并维持 agent 始终拥有新鲜的知识？

Rotem Weiss（Tavily）：

我认为实时数据对于今天的任何 agent 来说都至关重要。就在两年前，你问"今天天气怎么样"或"昨晚比赛的比分是多少"，得到的回答是："对不起，我的知识截止到2021年，我无法回答这个问题。"今天还能接受这个答案的，大概只有下一代的……（笑）好吧，纽约有多少人。

说正经的，接地（grounding）最初的目的是：把模型连接到网络，让它能访问实时信息，至少能回答这些问题。 但我们现在看到的影响远不止于此——当你把 AI 连接到网络，你不只是获得了更新鲜的数据或更新鲜的答案，你真的能获得质量更好的响应。

要理解为什么会这样，我们需要看看今天的网络正在发生什么。到目前为止，人们是直接与网络交互的——你去 Google 搜索，你发邮件。但我们今天看到的是，人们通过 agent 与网络交互。这种转变正在把我们所知道的互联网推向两个层次：一个是更适合人类的互联网（也就是你今天所熟知的互联网），另一个是更适合机器智能的互联网。而我们正在构建的就是后者。

在思考这一层时，有四个核心支柱：Token 效率、准确性、新鲜度，以及延迟。不同的 agent 需要不同的权衡。像深度研究 agent，可能需要运行几个小时甚至几天，我不在乎它跑多久，我只要100%的准确率。但如果是车载语音助手，延迟才是最重要的支柱。

我们在 Tavily 构建的，正是能给你这种灵活性的东西，这与今天人类搜索的构建方式完全不同，也创造了一个巨大的机会。你可以把数小时的研究压缩成几秒钟。 举个例子，假设你在计划一次意大利之旅，你可能要去 Google 搜索地点、搜索活动、报名，然后自己把所有信息整合起来，这可能要花你几分钟甚至几个小时。Agent 可以在几秒内完成，它可以处理海量的网络数据，通过 LLM 进行综合，然后生成一个漂亮的结果。 这最终创造了一种新的范式——在这个网络搜索的新时代，更多的算力可以直接转化为更好的搜索结果。

Devang：

你提到了一个非常有趣的概念——"两个互联网"，一个给 agent，一个给人类。Ash，我想听听你的看法。在某一次运行中，我们看到 agent 消耗了可能数百万个 Token，而且它重复读取了之前已经检索过的信息。你认为我们是否需要一个以 agent 为第一优先级用户而非以人类或模型为优先级的检索系统？

Ash Ashutosh（Pinecone）：

是的。人类对机器是很宽容的。回顾 Pinecone 的发展历程——我们发明了向量数据库这整个概念，让人们可以在这些向量数据库上使用 AI 工具。2022年 ChatGPT 发布，Pinecone 随之推出，产生了有史以来数量最多的聊天机器人。但那时的用户是消费者，他们非常宽容。你给了错误的答案，没关系。你说"我不知道尼克斯队的比赛结果"，也没关系。

到了2023年，企业开始进入这个领域。企业没那么宽容，但他们终究还是人类。

去年9月，我们第一次看到了一类新用户，他们发出的 API 调用数量超过了人类——那就是 Agent。 而它们不宽容。它们接收你给的信息，相信那就是它们所拥有的信息，然后据此行动。

所以这不是 LLM 本身的问题，这根本上是一个错配问题——你要求 agent 执行任务，但你给它的是为人类构建的系统。这就是我们做的事——四年来，我们一直在为人类构建，然后这类新用户出现了，我们不得不从根本上改变这一切。

这就是我们在5月4日宣布的 Pinecone Nexus——对整个架构进行重构，专门面向 agent。

正如你所说的"两个网络"——我听说上个月，网络流量中 agent 搜索第一次超过了人类搜索，而这一超越在去年9月就已经开始成熟。

Pinecone Nexus 的核心模型是让人们能够做三件事：

第一，让 agent 能够表达自己的任务是什么；

第二，让 agent 以它能理解的方式——也就是结构化的方式——接收信息。 我不需要一首诗，我不需要音乐，我只需要一个精确的答案，因为我有任务要完成。

第三，就是解决数百万 Token 的问题，实现更高效的运行——这正是我们与 Nebius 合作的意义所在。通过将 Nexus 运行在一个计算经济模型上，我们测算的结果是：Token 减少了91%到95%，实际运行成本降低了80%。 这是我能向业务方说得清楚的 ROI，但这需要一套与为人类构建的系统截然不同的底层知识基础设施。 这就是核心所在。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

谈到对业务的影响。一个生产就绪的Agent意味着它可以被部署到生产环境中。而生产中的Agent意味着业务已经依赖于它。那么Julia，你认为我们跨越这道鸿沟的临界点在哪里？或者我们需要哪些指标，才能让Agent真正以自主方式运行——或者在一定程度上的自主、加上一些人工干预——从而让我们能够在规模化的情况下信任它们所做的决策？

Julia Schottenstein — LangSmith / LangChain：

是的，我们已经在研究Agent、或者尝试构建Agent很长时间了。差不多快四年了，这在这个领域已经算是很长的时间。而现在我们谈论的全都是Agent，这是我们使用的词。但去年，我们谈论的是**"agentics"（智能体化），我非常喜欢这个词，因为它更像是一个光谱**。当你在2023年刚开始使用最初的聊天机器人时，它几乎没有任何智能体化的特征。人们会谈论agentic RAG，在那里你的LLM开始做一些纠正性的选择，或者拥有更多的决策权，但它并不是一个Agent，它本质上只是一个聊天机器人。

现在随着我们的推进，模型变得强大得多，我们有了这些新的标准和互操作性。你有Agent和子Agent，可以采取行动，你现在将很多任务委托给模型，你确实开始看到越来越多的Agent在这个光谱上移动，变得越来越智能体化。而真正的问题并不是"它什么时候准备好进入生产"，这真的取决于具体的使用场景和风险程度。我们使用过deep agents，它是一个工具调用加循环的框架。很多企业仍然非常需要确定性。所以我们有一个叫做LangGraph的不同框架来帮助你——如果你需要这三个步骤100%的时间按照这个顺序发生，最高效的方式是代码，而不是LLM。

所以，这真的取决于使用场景以及你想要实现什么，取决于你对将任务完全委托给LLM有多大的容忍度。但如果你正在更多地向智能体化方向转移，你确实需要完整的"皮带加吊带"方法（即双重保障）。

所以这就是我们谈到的评估（Evals），我们谈到的可观测性（Observability），你还有护栏（Guardrails）。你从根本上无法信任这些系统，因为它们具有非确定性。因此，根据你的舒适程度、任务性质，你将采取不同的预防措施来确保它们生产就绪，尤其是在高风险场景中，比如企业环境，你面对的是容错性极低的终端用户。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

好的。让我再进一步提一个问题。我想我们还有几分钟就要结束了，但请各位给出你们的犀利观点（hot takes）。假设我们现在有一个Agent在运行，它正在做它的工作，我们现在要把100个Agent投入生产。你认为第一个会崩溃的东西是什么？我们从Julia开始。

Julia Schottenstein — LangSmith / LangChain：

可见性（Visibility），对吧？你将完全不知道发生了什么，会是一片混乱。

Ash Ashutosh — Pinecone：

是的，我会说是知识（Knowledge）这一层。当只有一个Agent时，你可以手动管理错误，你可以说，让我去重新编译一些东西，重新索引一些东西。100个Agent是一个知识基础设施问题。你不能让两个Agent尝试获取某些信息，却得到不同的结果，尤其是在企业中。它必须保持一致。如果做不到这一点，你就会失去信任。而一旦失去信任，你就永远无法进入生产。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

说得好。

Rotem Weiss — Tavily：

我支持，并且也认同可见性的观点。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

但你得表示不同意啊。

Julia Schottenstein — LangSmith / LangChain：

如果我们都同意，那就不是犀利观点了。

Rotem Weiss — Tavily：

但我还要补充一点，最终今天AI中最大的问题是搜索或组织上下文层。因为那些不学会如何利用自有专有数据的公司，将会被淘汰，因为在今天，这是他们在竞争中唯一的筹码。

Shree Rajpal — Guardrails AI：

我也会附和Julia的观点，你不会知道正在发生什么。但我还要说，当你运行100个Agent时，对它进行更新将会非常困难。你会发现，很难知道它是在变好还是在变差，你应该如何迭代它。所以，作为开发者让它变得更好的能力，在那种规模下会变得非常困难。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

我们有一些共识，但我仍然想在之后喝饮料的时候继续辩论这个问题，到时候再多聊。好的。

Ash Ashutosh — Pinecone：

你只让我们说一个。如果你让我们说两个，我们可能早就同意了。

Devang Sachdev — VP Strategy & Ecosystems, Nebius：

下次再说。好的，在我们结束之前，我想给在场的每个人留下一些今天走出这扇门就可以立即使用的东西。我们今天用来构建Agent的所有内容——生产基础设施、编排、可观测性、模拟、基础定位、检索——这些都是在生产中构建、运行和改进Agent所必需的核心层。而大多数团队在开始他们的旅程时都不得不重新发明这套架构。

因此，今天我们正式推出 Nebius Agents Blueprint（Nebius智能体蓝图）。这样你就不必从零开始原型开发。它是一个开放的参考架构，这意味着你可以使用我们创建的菜谱和操作手册，从原型Agent直接走向生产就绪的Agent。它可以在 build.nebius.com/blueprints 上获取。

至此，我想为我们的圆桌讨论画上句号。我还想特别提一件事：这个蓝图中所有的产品都是由今天在台上代表参与的各位所构建的，所以我要感谢他们。我也要感谢大家带来的精彩对话，同时感谢大家再次加入我们，希望大家今天余下的时间愉快。

Marc Boroditsky — 首席营收官，Nebius：

太棒了。感谢 Julia、Rotem、Ash、Shree 和 Devang，为我们带来了一场精彩的关于智能体拐点的圆桌讨论。顺便说一句，蓝图只是一个开始，后续还有更多内容，我想我们都清楚，还有很多东西需要去构建。正如我们今天所分享的，随着市场向智能体方向演进，我们正处于这一拐点之上。我们正在根据从客户那里学到的经验、从合作伙伴那里获取的信息持续构建，以便在这场市场重大拐点中扮演举足轻重的支撑角色。

随着我们第一届 Nebius Inflection 大会即将进入尾声，有一件事对我来说非常清晰。正如我们所知，摆在我们面前的机遇是巨大的。但我想你们一遍又一遍地听到了这句话——这仅仅是开始，而我们肩负着让它真正实现的重大责任。

AI 的下一个篇章，不会由模型能做什么来定义。 它将由以下因素来定义：组织能够部署什么，企业能够信任什么，开发者能够构建什么，以及最终用户每天能够依赖什么。如果说今天的讨论让我得出一个结论，那就是：靠我们单打独斗，根本不可能完成这件事。 前进的道路，就在像今天这样的场合中延伸——人们在这里分享什么是有效的，构建者在这里坦诚相告，生态系统愿意共同承担超越任何单一公司的更大问题。

这种精神，正是我们创办 Inflection 的初衷。前方的挑战是真实存在的，每一次重大的技术变革都曾经历过这样的时刻。每一次变革，都是由那些**拒绝接受"困难等于不可能"**的人推动向前的。

我希望你们今天离开时，心中带着三个信念：协作不仅仅是有帮助的，它是不可或缺的；挑战固然重大，但并非无法实现；智能体 AI 的新时代已经到来，我们每个人都在塑造它的过程中扮演着自己的角色。

拐点，并不只是一场活动，它是一个时刻——在这个时刻，一个行业停止争论下一步是什么，开始承担责任，真正去构建它。当实验变成执行，当个人创新变成集体进步，这就是我们今天在这里开启的事业，这也是为什么这是一个拐点的开始。

我们很荣幸能够成为其中的一部分。代表 Nebius 的全体同仁——顺便说一句，这些是他们的照片——感谢你们共同的伙伴关系、你们的领导力，以及你们今天的到来。我们期待在下一届 Inflection 大会上与大家再相聚。谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

6月20日，据追风交易台消息，德意志银行研究院在最新报告中指出，存储芯片已从周期性大宗商品演变为具有宏观经济意义的关键变量，且这场危机的规模已有明确的量化轮廓。

2025年全球存储市场总营收同比增长35%，创下2230亿美元的历史纪录；SK海力士、美光与三星三大巨头市值均已突破1万亿美元，三者合计控制全球DRAM市场逾90%的份额。

美光CEO公开表示，目前只能满足部分关键客户50%至三分之二的需求，称这是其有史以来见过的最大供需缺口。

德银认为，这绝非传统的“繁荣与萧条”周期重演，而是一场由AI引发的、深远的结构性供应冲击。AI对高带宽存储（HBM）的无底洞需求，正在疯狂挤占传统存储芯片的产能，导致一场波及全球宏观经济的“存储短缺危机”。

存储芯片已从单纯的大宗商品，演变为决定通胀和企业利润的关键宏观经济变量。超大规模云服务商（Hyperscalers）和头部存储厂商（如美光）是这场危机的绝对赢家，拥有极强的定价权；而汽车、PC和智能手机等传统消费电子行业正面临严重的利润压缩和产能配给。更严峻的是，存储成本的飙升正在转化为“芯片通胀税”，直接推高了美国等地的整体通胀数据。

需求端：AI对存储的结构性吞噬

AI浪潮对存储芯片的需求，本质上是结构性而非周期性的颠覆。

存储芯片在AI系统中扮演"持有并喂养数据"的角色——AI芯片（如英伟达GPU）只能处理已加载到其上的数据，存储负责这一过程，涵盖容量（能存多少数据）与带宽（数据移动的速度）两个核心维度。没有存储，芯片既无法训练AI模型，也无法运行推理任务。

尤为值得关注的是AI从"生成式"向"智能体（Agentic AI）"的范式转变。智能体AI能够存储并调用历史经验、从交互中学习、保持对话上下文，需要横跨DDR5、LPDDR、NAND等多类型存储协同运作，大幅推高整体存储消耗。

这背后存在一道难以逾越的"存储墙"（Memory Wall）：计算性能超过某一阈值后，若不同步扩大存储带宽，增加算力本身的边际收益将趋于零——AI的进步速度由存储决定，而非单纯由算力决定。

德意志银行股票分析师预测，高带宽存储（HBM）需求将以年复合增长率约40%的速度增长至2030年，标准DRAM的对应增速约为21%。超大规模云厂商Meta、亚马逊和微软正为锁定供应支付溢价并签署多年期协议，进一步压缩其他买家的市场空间。

供给端：晶圆厂扩张无法跟上需求节奏

供给缺口的核心障碍在于时间。

存储晶圆厂从动工到投产通常需要2至3年，目前已宣布的大部分扩产项目，最早要到2027年才能对HBM产能形成实质贡献。

HBM的生产特性进一步放大了供给矛盾：生产一单位HBM所需的硅片消耗量约为普通DRAM的3倍。这意味着每片导向HBM生产的晶圆，都相当于挤占了多片用于汽车、PC等终端市场的标准DRAM/NAND产能。

随着HBM4/HBM4e技术代际演进，所需硅片比例将从3倍攀升至4倍，"挤出效应"将进一步加剧。与此同时，晶圆加工所需的洁净室空间已接近极限，迫使制造商在有限产线上做出取舍。

高通已明确表示，2026年手机市场的规模将由DRAM供给决定，而非消费者需求。DRAM目前占整体存储市场的比重已升至约70%，高于历史区间的50%至60%。

为加速产能落地，行业正在探索"收购在建或二手晶圆厂"的捷径。美光今年以18亿美元收购台湾力晶积成（PSMC）一座旧厂，省去了从零建厂约2年的时间。

德意志银行最新估算显示，未来五年全球DRAM月晶圆产能将增加约147.5万片，但需求增速仍将持续超越供给扩张速度。

溢出效应：从芯片危机到全面通胀

德银称，存储危机的本质是一场零和博弈：每一片用于AI服务器HBM的晶圆，都意味着可供智能手机、PC或汽车使用的存储更少一分。

超大规模云厂商凭借为AI算力服务定价的能力，得以将上游成本转嫁给用户，是此轮危机中抗压能力最强的群体；但更广泛的企业和消费者正承受配给式挤压。

报告强调，价格冲击已从芯片端传导至终端产品和宏观价格指标：

TrendForce预测2026年第二季度标准DRAM合约价格将环比上涨58%至63%，NAND闪存合约价格环比上涨70%至75%。

消费电子与PC方面，德银估算，2026年全年消费类终端市场总营收将同比下滑15%，2027年预计恢复至同比增长9%。

苹果CEO已在财报电话会议上公开警告存储成本压力；苹果悄然削减部分Mac Studio的最大内存配置，微软将新款Surface商务笔记本的入门级内存从16GB降至8GB，戴尔也在缩减产品配置——企业普遍选择"降规格"而非直接涨价。

值得注意的是，联想、戴尔、华硕已警告可能于今年7月起实施15%至20%的涨价。

汽车行业方面，DRAM成本上升预计将使普通车辆售价上涨150至300美元，高阶自动驾驶车辆涨幅达400至600美元。

Aptiv、Aumovio、福特等企业已发出DRAM供应紧张的信号。德银分析师预计，存货将在2026年全年消耗完毕，对汽车产量的实质影响将从2027年开始显现。

汽车制造商面临三条路：吸收成本压缩利润、将涨价转嫁消费者，或直接删减L2+级自动驾驶、车载AI聊天机器人等DRAM密集型功能。

美国电子元器件及配件生产者价格指数（PPI）在2026年5月同比上涨26.9%，远高于1月的5.9%。

汽车价格上涨还可能进一步推动消费者延长贷款期限，提升全生命周期利息支出。

代表汽车、消费电子、医疗设备、电信和零售行业的九个美国贸易协会本月已联名致函财政部长贝森特和商务部长卢特尼克，就AI驱动的存储争夺对美国经济的潜在冲击发出正式预警。

破局之路与潜在风险：建厂、算法与“AI泡沫”隐忧

存储短缺正在重塑全球科技竞争的地缘政治格局。

韩国是全球AI资本支出热潮的重度暴露者，SK海力士和三星占据了全球DRAM产量的69%。但这把双刃剑也让韩国经济极度脆弱：

6月8日半导体板块崩盘时，以科技股为主的韩国Kospi指数暴跌8.29%，创下自1980年以来的第九大单日跌幅。

德银认为，虽然巨头正通过巨额资本支出和收购二手晶圆厂来缓解产能瓶颈，但需高度警惕AI需求一旦放缓可能引发的毁灭性产能过剩。

为了打破瓶颈，三大巨头正在疯狂增加资本支出。除了物理扩产，软件算法的优化也引发了市场震动。

今年3月，谷歌发布了能减少大模型推理内存需求的“TurboQuant”算法，导致当天三星（-6%）、美光（-7%）和SK海力士（-7%）股价暴跌。

尽管该算法仅针对推理阶段的KV缓存，并不影响训练内存需求，且效率的提升最终可能因“杰文斯悖论（Jevons Paradox）”反而增加总需求，但这预示着科技界正在想方设法摆脱对HBM的过度依赖。

本文来自华尔街见闻，欢迎下载APP查看更多

6月20日，据追风交易台消息，德银在最新研报中称数据一目了然：Anthropic旗下顶尖前沿模型Claude Fable 5在Artificial Analysis智能指数上得分60，每项任务加权平均成本约3.25美元；而DeepSeek V4-Pro得分44，每项任务成本仅约5美分——前者是后者的约65倍。然而，对于日常90%的普通任务而言，廉价模型的表现与前沿模型几乎相当。

德银的核心判断是：前沿专有模型的高溢价，更像是奢侈品包包的"身份象征"定价，而非纯粹的性能溢价。随着头部AI公司备战IPO、从包月制转向按Token计费，企业用户将被迫重新审视这笔"前沿溢价"是否值得支付。这一趋势，可能引发一场比2025年初"DeepSeek时刻"更深远、更持久的市场重估。

这或表明，AI行业的"运营成本叙事"正在悄然取代"算力需求叙事"成为新的定价锚点。若专有模型的真实成本效益被市场充分定价，AI相关股票面临的估值压力将是结构性的，而非短暂的。

数字说话：前沿模型与开源模型的成本鸿沟有多深？

德银援引Artificial Analysis智能指数的数据，将市场上主流AI模型按智能得分与单任务成本进行了直观对比。

前沿专有模型阵营：

Anthropic Claude Fable 5（含fallback机制）：智能指数得分60，每任务加权平均成本约3.25美元

OpenAI GPT-5.5（超高配置）：位于高成本区间

Google Gemini 3.1 Pro Preview：同属高成本前沿阵营

开源/开放权重模型阵营：

DeepSeek V4-Pro（最大配置）：智能指数得分44，每任务成本约5美分

Meta Muse Spark：低成本区间（价格数据暂不可用）

Nvidia Nemotron 3 Ultra：低成本区间

OpenAI gpt-oss-120b（高配置）：低成本区间

德银特别指出，廉价阵营并非清一色的中国模型。Meta、Nvidia、OpenAI自身的开放权重模型同样处于低成本区间。因此，这场竞争的本质分野不是"美国 vs 中国"，而是"前沿专有 vs 开放权重"。

德银用一个生动的比喻描述这种性能与成本的错位：前沿模型是咆哮的全新超跑，开源模型是一辆称职的二手家用旅行车。

报告承认，在最难的推理任务和智能体（Agentic）工作上，前沿模型确实具备真实的、显著的能力优势。智能指数60分与44分之间的差距，在处理最复杂任务时是实质性的。

然而，关键问题在于：对于日常约90%的普通任务，廉价的开源模型能完成几乎相同的工作，而成本仅为前沿模型的约1.5%。

这意味着，绝大多数企业用户为前沿模型支付的溢价，并非来自实际业务需求，而更多源于品牌认知、习惯惯性，乃至某种"用最好的AI"的身份认同——这与消费者购买奢侈品包包的心理逻辑高度相似。

溢价不会消失，只会"迁移"——但每一层都在滑向零

德银提出了一个重要的结构性观察：AI能力的成本正以每年约十倍的速度下降，但前沿溢价并不会因此消失，而是会持续"迁移"。

其逻辑链如下：

1. 今天的前沿模型，明天将成为商品化能力；

2. 与此同时，新一代更强的前沿模型将以新的高溢价出现；

3. 因此，"最佳可用"与"足够好用"之间的价格鸿沟，在结构上将长期存在；

4. 但整条价格曲线上的每一个点，都在持续向零滑落。

这一机制意味着：前沿AI的溢价是一个永远在移动的靶子，而非固定的护城河。这要求对AI公司的定价权和利润率持续保持动态审视，而非一次性判断。

IPO压力下的商业模式转变：从"包月制"到"按量计费"

德银指出，AI成本问题之所以在当下变得尤为紧迫，有一个关键的商业催化剂：头部专有AI实验室正在为IPO做准备，商业模式正从固定费率的包月制，转向按Token计费的使用量定价模式。

这一转变将把成本压力直接传导至企业用户。报告援引了一个极具说服力的真实案例：

Uber已经烧光了其全部Token预算，耗时仅四个月，目前已限制所有员工每月AI使用支出上限为1500美元。

德银认为，这个案例清晰地说明：当AI使用成本从"隐性包月"变为"显性按量"，企业的成本意识将被迅速激活。那些只需要"可靠工作马"而非"超级跑车"的用户，将越来越认真地追问：前沿溢价，到底值不值得付？

"第二次DeepSeek时刻"：更安静，但可能更深远

德银将当前局面与2025年初的"DeepSeek时刻"进行了对比，并提出了一个值得高度警惕的前瞻判断。

回顾2025年初的"DeepSeek时刻"：市场意识到，接近前沿水平的AI能力可以以远低于预期的成本构建，AI股票遭遇剧烈冲击。但随后，由于AI整体需求持续攀升，股市得以收复失地。

德银的判断是：当前正在酝酿的"运营成本叙事"，是那次冲击的"更安静、但更持久的续集"。

核心逻辑在于：如果专有AI模型此前部分是作为"地位商品"（Status Goods）被定价和交易的——即其高价本身就是吸引力的一部分——那么，一旦其真实的成本效益比被市场充分曝光和定价，可能为AI估值体系带来第二次重估，这次冲击不会那么戏剧性，但影响将更为深刻和持久。

德银最后留下了一个耐人寻味的开放式结尾：除非，就像奢侈品包包一样，AI的高价本身就是其终极卖点。

报告还援引了Epoch AI的研究数据，为上述分析提供了独立佐证：

• 美国与中国在前沿AI能力上的差距，平均约为七个月；

• Epoch AI同时指出，这一差距与专有模型和开放权重模型之间的能力差距几乎完全吻合。

这一发现进一步强化了德银的核心论点：地缘政治维度的"美中AI差距"与商业维度的"专有/开源差距"，在本质上是同一条鸿沟的两种表述。这意味着在评估AI地缘政治风险时，不应将其与商业竞争逻辑割裂看待。

本文来自华尔街见闻，欢迎下载APP查看更多

6月20日，据追风交易台消息，德银在最新研报中全面上调通胀预期，并彻底扭转了此前的货币政策预测：预计美联储将在2026年加息两次（共50个基点），将联邦基金利率推高至4.1%，且不排除在7月提前加息的可能。

该行首席美国经济学家Matthew Luzzetti团队在报告中称，这意味着必须迅速重新定价“更长时间、更高利率”（Higher for Longer）的宏观环境。此前因美联储“过度保险”式降息而建立的宽松预期将被打破，固定收益市场将面临重新估值的直接冲击，而对利率敏感的资产类别需警惕短期内的剧烈波动。

沃什时代开启：鹰派信号明确

此前，德银之所以迟迟未调整基准预测，主要源于两大不确定性：一是伊朗战争带来的经济前景高度不确定性；二是新任美联储主席沃什的货币政策反应函数尚不明朗。

然而，6月FOMC会议的结果打消了这些疑虑。联邦公开委员会整体呈现鹰派倾向，而新任主席沃什更是以强硬措辞为政策方向定调。他明确表示：

"美联储声明称通胀主要由货币政策决定。确实如此。我多年来一直说，通胀是一种选择。确实如此。今天我宣布，本委员会已毫不含糊、全票通过决定，我们将兑现这一承诺。"

这一表态被德银视为沃什将"修复"通胀问题的强烈信号，也是德银将基准预测转向鹰派的直接触发因素。

与此同时，伊朗局势的缓和使油价大幅下跌，短期和长期通胀预期有所回落，这在一定程度上消除了此前的地缘政治不确定性，为德银更新预测提供了窗口。

基准预测：9月、12月各加息一次，利率升至4.1%

德银指出，美国的“去通胀”叙事已经动摇，通胀压力具有广泛性，且不仅限于关税和能源等一次性因素。因此，德银将2026年底和2027年的核心PCE通胀预期分别大幅上调至3.2%和2.5%。

基于通胀粘性，德银更新了基准预测：美联储将在今年（2026年）9月和12月分别加息一次，累计加息50个基点，使联邦基金利率升至4.1%。

此后，美联储将在2027年全年按兵不动，直到2028年上半年（预计在3月和6月）才会降息50个基点，将政策利率缓慢降至3.5%-3.75%的中性水平。

德银警告称，目前的预测存在双向风险，而在鹰派一侧，美联储的行动可能比基准情形更加激进。

• 1、7月提前加息。沃什已公开承诺"修复"价格稳定问题，若委员会不立即开始收紧政策，其公信力将面临考验。德银认为，委员会有可能在7月FOMC会议上就采取行动，而非等到9月。
• 2、全年加息幅度扩大至75个基点。去年的降息操作为经济提供了相当程度的"保险"，若要完全撤回这一宽松效果，加息幅度可能需要达到75个基点，而非50个基点。

德银同时列出了可能使政策路径偏向宽松的下行（鸽派）风险：

第一，能源价格改善与通胀预期回落。伊朗局势缓和后油价大幅下跌，若这一效果能够持续，可能在一定程度上降低美联储紧急行动的必要性。

第二，劳动力市场季节性走弱。夏季期间，尤其是年轻群体的失业率存在季节性上升的历史规律。德银认为，尽管美联储目前偏鹰，但并不会对劳动力市场走弱的信号完全无动于衷。

第三，关税效应逐步消退。近期通胀数据显示，关税对月度通胀数据的推升效应可能正在减弱，这或许为美联储在应对通胀压力时提供了更大的操作空间。

通胀粘性难消，德银早有预警

德意志银行此次政策立场转变并非突然，而是此前一系列研究的逻辑延伸。

在此前发布的多篇报告中，德银研究团队已逐步构建起"美联储可能需要加息"的分析框架：

• 在《对美国去通胀叙事的五点质疑》中，德银对通胀下行的持续性提出了系统性质疑；
• 在《是什么让通胀持续高于2%？几乎是所有因素》中，德银进一步指出，通胀压力广泛分布于各类别，并非仅由关税或能源等一次性因素驱动；
• 在《过度保险？》一文中，德银认为，美联储去年的连续降息操作是针对劳动力市场下行风险的"过度保险"，而这些下行风险最终并未成真。

此外，德银指出，当前政策利率明显低于美联储通常参考的多种政策规则所建议的水平——无论是基于当前数据、近期预测，还是美联储自身对中性利率（r-star）的判断，抑或德银自己的估算，结论均指向同一方向：现行利率偏宽松。

本文来自华尔街见闻，欢迎下载APP查看更多

6月19日，据中国台湾《工商时报》报道，鸿海董事长刘扬伟近日公开披露了一组震撼业界的数据：以Vera Rubin为核心构建1GW规模的AI数据中心（AIDC），资本支出高达470亿美元，每年仅电力成本就达13亿美元，而硬件折旧费用更是电力成本的六倍。这一数字直观揭示了AI基础设施军备竞赛背后的惊人资本门槛。

刘扬伟表示，全球正加速迈入"AI工厂"时代，预计到2030年，全球数据中心投资总额将达1.6兆美元。算力负载将从2024年的约68GW飙升至174GW，意味着2025年至2030年间需新增电力106GW，平均每年须新增近18GW供应。

在企业应用层面，刘扬伟指出，目前多数企业仍处于AI赋能阶段，但未来的目标应是转型为"AI原生"组织，并提出了七大转型特点。

1GW数据中心：470亿美元的资本门槛

刘扬伟以具体数字拆解了AI数据中心的建设成本结构，为市场提供了难得的参照基准。

根据他引述的数据，建立1GW以Vera Rubin为核心的AIDC，所需机柜数量约为3557座，而单一座Vera Rubin机柜售价即达910万美元，由此推算整体资本支出高达470亿美元。

在运营成本方面，1GW规模的AIDC每年电力支出达13亿美元，而硬件折旧费用更是电力成本的六倍，意味着年度折旧负担约达78亿美元。

这一成本结构表明，对于有意布局AI算力基础设施的投资者和企业而言，持续的资本投入压力将远超初期建设阶段。

2030年全球算力需求：新增106GW

刘扬伟援引数据指出，全球数据中心规模到2030年将达1.6兆美元，算力负载将从2024年的约68GW大幅攀升至174GW，六年间新增电力需求高达106GW，平均每年须新增近18GW电力供应。

在算力需求来源方面，刘扬伟将当前最主要的四类买家归纳为：模型开发商（Model Makers）、云端服务业者（CSP）、政府及企业。

其中，模型开发商与CSP商业模式明确，是目前算力消耗最大、需求最为旺盛的群体；政府目前仍处于探索阶段，但潜力庞大；企业则被视为未来的"蓝海市场"。

在企业如何应用AI这一议题上，刘扬伟区分了两个阶段：当前多数企业处于"AI赋能"阶段，即在既有组织架构与流程中引入AI以提升效率；而未来的目标则是成为"AI原生"（AI Native）组织——所有流程以AI为核心运作，人类仅需负责设定目标与治理监督。

刘扬伟强调，AI原生组织须具备七大特点：数据须能被AI有效使用；流程须重新设计并具备代理（Agent）功能；AI的角色在于辅助决策者避免盲目决策，而非直接作出最终决策；组织角色须重整；人才能力须升级；以及须建立可控、可追踪、具自动化的治理机制。

本文来自华尔街见闻，欢迎下载APP查看更多

6月19日，据报道，美银策略师援引EPFR Global数据显示，截至6月17日当周，流入美国股票基金的资金规模达到创纪录的1192亿美元，刷新历史峰值。按年化计算，2026年美国股票基金有望全年吸引7390亿美元资金，同样将创下历史纪录。与此同时，科技股成为资金追捧的核心标的，单周流入规模达192亿美元，亦为历史最高。

推动这一资金潮的核心催化剂，是伊朗战争的结束以及超大规模云计算企业在人工智能基础设施上的巨额投入。纳斯达克100指数今年已累计上涨24%，标普500指数年内涨幅达9.6%，美国股市接连刷新历史高点。美银首席策略师Michael Hartnett团队指出，战争结束遏制了特朗普支持率的下滑势头，华尔街情绪整体乐观，美国家庭股票财富今年已增加6万亿美元。

然而，策略师们也发出警示：若共和党在11月失去参议院控制权，将触发"美元大跌、收益率下行、股市下挫"的连锁反应。"如果特朗普支持率在9月前未能出现明显反弹，多头情绪将变得'焦虑不安'。"

资金创纪录涌入，大中小盘全面受益

本轮资金流入呈现出全面性特征，并非仅集中于大盘股。

据美银策略师披露，美国中盘股基金单周净流入达199亿美元，创历史纪录；美国小盘股基金单周净流入123亿美元，为历史第二高。这意味着投资者的风险偏好已从大盘蓝筹向更广泛的市场延伸，整个美国股市均受益于市场对美股近乎无止境的需求。

科技股是本轮行情中最受追捧的板块。单周192亿美元的科技股资金流入规模创下历史新高，反映出投资者对人工智能相关主题的持续押注。亚马逊、Meta Platforms及谷歌母公司Alphabet等超大规模科技企业在AI基础设施上的大规模资本支出，成为支撑市场信心的重要基本面支柱。

创纪录的资金流入，与科技行业大规模股票发行形成同步共振。

SpaceX于6月14日完成史上规模最大的首次公开募股，共发行750亿美元股票。与此同时，Anthropic与OpenAI亦计划相继推进各自的IPO。与此同时，Alphabet、Meta和甲骨文正在出售数千亿美元规模的股票，以为其人工智能支出提供资金来源。

这一格局意味着，在需求端资金创纪录涌入的同时，供给端的股票发行规模同样史无前例。市场能否持续消化如此庞大的供给，将是检验本轮行情持续性的关键变量之一。

与美股的强劲吸金形成鲜明对比的是，其他主要市场正经历持续的资金外流。

据美国银行策略师指出，欧洲基金已连续10周录得资金净流出，这与伊朗战争爆发初期的资金流向形成重大逆转。

尽管市场情绪高涨，美银策略师仍对潜在的政治风险保持警惕。

Michael Hartnett团队明确指出，若共和党在11月中期选举中失去参议院多数席位，将引发"美元大跌、收益率下行、股市下挫"的市场冲击。

此外，特朗普支持率的走势同样被视为重要的市场信号——策略师警告，若其支持率在9月前未能出现明显回升，市场多头情绪将趋于动摇。

本文来自华尔街见闻，欢迎下载APP查看更多