亚马逊AI负责人Peter DeSantis周四在巴黎接受采访时证实，公司已就此启动洽谈，但拒绝透露潜在客户名称。消息传出后，亚马逊股价当日盘中上涨2.56%，报243.58美元。

此举与Alphabet的战略路径相互呼应。谷歌母公司CEO Sundar Pichai今年4月已宣布，将向"特定客户群体"提供其自研的张量处理单元（TPU）芯片，供其部署于自有数据中心。

需求端的信号同样明确：第三代Trainium芯片今年早些时候开始出货，目前已"基本售罄"；第四代产品预计明年发布，已引发强烈的预购兴趣。亚马逊4月披露，Trainium系列已累计产生逾2250亿美元的收入承诺。

Trainium于2020年推出，最初仅通过亚马逊云科技（AWS）提供访问服务，吸引了OpenAI、Anthropic PBC和Uber Technologies Inc.等头部客户。

今年4月，亚马逊首席执行官Andy Jassy在股东信中已为此铺垫，表示公司"很有可能"向第三方出售整机架芯片，这是其围绕AI全面重构业务版图这一更宏观战略的组成部分。外界普遍认为，在AI竞争中，亚马逊落后于部分对手。

Peter DeSantis表示："我们视AI基础设施为快速演进的领域，并持续寻求触达更多客户的途径。"

对外销售Trainium的另一重驱动力，来自美国以外地区对本地可控计算资源日益增长的需求。Peter DeSantis指出，欧洲尤为突出，部分声音甚至呼吁各国减少乃至放弃对美国技术的依赖。

他在法国VivaTech科技峰会上表示，这一趋势迄今未对AWS业务产生任何冲击。

AI热潮在推动云计算收入大幅增长的同时，也催生了一批专业AI云服务商，并在欧洲等地区推动了"主权云"服务需求的兴起——此类服务受当地法律约束，通常要求数据存储与算力处理均部署于本国境内。

对于外售Trainium是否会分流AWS现有云业务这一市场顾虑，Peter DeSantis予以直接驳斥。"AI的消费缺口巨大，"他表示，"我不担心这个问题。"

与此同时，亚马逊的通用处理器Graviton芯片也在同步扩张。公司近期开始向Meta Platforms Inc.供应Graviton芯片。

Peter DeSantis表示，过去三年，亚马逊在其计算系统中新增的Graviton芯片数量，超过了任何其他类型的芯片。

本文来自华尔街见闻，欢迎下载APP查看更多

彭博策略师Simon White最新撰文指出，全球金融环境正进入新一轮收紧周期。超额流动性自2021年以来首次转负，收益率曲线持续趋平，实际利率不断上升，意味着过去几年支撑风险资产上涨的核心动力正在逐渐消失。

尽管新任美联储主席凯文·沃什首次议息会议释放出偏鹰派信号，但市场实际上早已先行收紧。债券市场对更高利率的定价不断强化，金融条件已出现自疫情后通胀冲击以来最显著的一轮收紧。

超额流动性由正转负，市场调整风险正在积聚

Simon White关注的核心指标是“超额流动性”，即货币供应增速扣除通胀和经济增长后的剩余部分。

过去几年，宽松货币环境为股市提供了充足资金支持，但如今这一指标已转为负值，并且仍在持续下滑。随着经济增长回升和通胀重新抬头，货币扩张带来的资金增量正被快速消耗殆尽。

历史经验显示，超额流动性下降通常会导致收益率曲线趋平，并对未来3至6个月的股市表现形成压力。与此同时，当前股债相对估值已处于过去50多年历史分布的95%分位附近，意味着即使仅仅出现均值回归，也可能引发股票市场调整以及债券收益率进一步变化。

利率缺口收窄，全球货币政策隐性收紧仍在加剧

White认为，判断货币政策是否具有约束性，关键在于利率与中性利率之间的差距。

虽然市场普遍认为人工智能资本开支浪潮推升了中性利率水平，但终端利率预期上升得更快，导致两者之间的缺口持续缩小。这意味着货币政策正变得越来越具限制性。

从全球范围看，这种趋势同样明显。随着战争带来的通胀压力向全球扩散，各国央行重新偏向鹰派，市场对未来加息和高利率维持时间的预期持续升温。模型显示，未来数月全球长期实际利率仍有进一步上升空间，金融条件收紧的过程远未结束。

流动性退潮叠加供给放量，股市承压

对股市而言，比利率更棘手的问题在于流动性正在加速消退。

历史数据显示，超额流动性与未来股市回报高度相关，流动性持续恶化往往伴随风险资产表现走弱。而当前不仅流动性萎缩，股票供给端也在同步施压——美国净股票供给自疫情以来首次转正，企业融资、增发与IPO回暖，意味着市场需吸纳更多新增筹码。

在流动性不足的背景下，供给扩张直接加剧估值压力。简言之，未来市场不仅面临资金减少的问题，还将面对更多资产争夺有限资金的局面。

AI热潮难掩流动性隐忧，情绪驱动终需面对资金现实

值得警惕的是，市场情绪与流动性环境之间正出现明显背离。数据显示，美国股票ETF近期录得历史第二高的单月资金流入，大量散户重返市场，押注科技股与AI主题继续上涨。

历史上，散户往往是牛市最后阶段最积极的买家。当越来越多资金在上涨后期追逐收益时，市场往往进入情绪驱动的加速上涨阶段，但这种繁荣本身即意味着风险的积累。

在White看来，当前真正的挑战并非经济衰退，而是流动性持续收缩与估值高企之间的矛盾。AI热潮或许仍能在短期内推高情绪，但若支撑风险资产上涨的流动性继续流失，股市终将面临更为严峻的考验。

本文来自华尔街见闻，欢迎下载APP查看更多

周四，据彭博，科威特宣布将在一周内把原油日产量提升至200万桶以上，并计划在数周内恢复至战前水平，成为地区供应快速回归的最新信号。

科威特石油公司（KPC）首席执行官Sheikh Nawaf Al-Sabah表示，该国受损能源基础设施修复进展快于预期，增产速度也将超出此前规划。他同时宣布，战争期间因无法履行供应合同而发出的所有不可抗力声明即刻解除。

这一决定紧随美伊达成临时和平协议之后。随着霍尔木兹海峡恢复通航，沙特阿拉伯已率先安排油轮重返航线，伊拉克等主要产油国也同步提高出口规模。市场普遍预期，中东地区此前受战争影响而中断的原油供应正快速回归全球市场，国际油价因此跌至三个月低位。

供应集中释放，地缘风险溢价加速退潮

科威特方面释放出明确的增产信号。据Sheikh Nawaf Al-Sabah透露，该国预计在未来一周内将原油日产量提升至200万桶以上，并有望在数周内恢复至战前约250万桶/日的水平——前提是国际商业航运持续保持正常运转。受战争影响，霍尔木兹海峡一度受阻，导致科威特原油库存迅速饱和，日产量曾骤降至约50万桶。

科威特并非唯一恢复产能的产油国。伊拉克南部主要产区巴士拉的原油出口也在同步回升。随着油轮陆续到港、库存压力逐步缓解，当地装运作业正有序恢复正常。同时，沙特阿拉伯本周已有油轮通过霍尔木兹海峡，更多船只也在重新部署中。随着主要产油国陆续解除供应限制，中东原油供应链正步入战后全面重启阶段。

在推进产能恢复的同时，科威特亦强调将尽快稳定合同供应。Sheikh Nawaf Al-Sabah表示，科威特石油公司（KPC）将积极与客户沟通协作，确保合约供货量平稳衔接，并严格履行相关协议义务。

随着不可抗力声明撤销、出口能力持续回升，再加上沙特、伊拉克等主要产油国同步增产，战争期间被压制的中东供应正集中释放。对全球原油市场而言，供给端的快速修复意味着地缘冲突带来的风险溢价正加速消退，市场关注点也将重新转向供应过剩与需求前景之间的博弈。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博宏观策略师Simon White撰文指出，尽管美国和欧洲投资者对黄金态度趋于谨慎，亚洲市场对黄金的需求依然旺盛。黄金价格上周在4000美元关口附近出现强劲反弹，此前伊朗和平协议的消息一度压制金价，但亚洲买盘并未因此退缩。这一分歧正在成为观察金市走向的重要信号。

对于市场而言，东西方之间的需求背离意味着黄金的支撑力量正在发生结构性转移。西方ETF资金持续流出，而亚洲ETF规模仍在快速扩张，两者走势的持续分化，或将对金价中期走势产生深远影响。

西方ETF资金持续流出，比特币吸引力或短暂回归

黄金目前正试图在4000美元上方寻找支撑。

上周，伊朗和平协议相关消息传出后，金价从该关口强劲反弹，但西方投资者的撤离步伐并未因此放缓。

据彭博报道，以美国为主要注册地的大型黄金ETF资金流出规模持续扩大。与此同时，比特币ETF的资金流出则开始趋于缓和，这一对比或许暗示部分投资者正重新将偏好转向加密货币而非实物黄金。

不过，Simon White认为，仅凭这一信号便得出黄金失势的结论，或许过于草率。

香港与印度领跑，亚洲从瑞士大量进口黄金

亚洲市场的黄金需求正通过贸易数据得到清晰印证。作为全球最大黄金出口国，瑞士的出口流向显示，香港和印度目前是从瑞士进口黄金最多的两个经济体，超过其他所有国家。

这一贸易数据与全球ETF的持仓变化高度吻合。美国黄金ETF持仓持续下降，欧洲ETF基本维持平稳，而亚洲黄金ETF规模则持续快速攀升，且几乎未见回落迹象。

Simon White指出，亚洲黄金ETF的体量目前仍小于西方同类产品，但这很可能只是亚洲真实黄金需求的冰山一角——瑞士的出口数据已充分说明这一点。

金价近期走弱未能动摇亚洲买盘，信号意义不容忽视

在Simon White看来，亚洲投资者对黄金的热情并未因金价近期的阶段性回调而有所收敛，这一现象本身便是一个不应被轻易忽视的市场信号。

西方投资者在黄金与比特币之间摇摆之际，亚洲资金正以稳定且持续的方式积累黄金头寸。这种需求韧性表明，亚洲买家对黄金的配置逻辑并不依赖于短期价格动量，而更可能源于更深层的资产配置需求。

对于关注黄金走势的投资者而言，与其盯紧西方ETF的资金流向，不如将目光转向亚洲——那里或许才是下一轮金价走势的真正驱动力所在。

本文来自华尔街见闻，欢迎下载APP查看更多

周四，美股盘初，纳指涨1.6%，道指涨0.8%，标普500指数涨1.1%。半导体股普涨，美光科技涨约6%，AMD涨约4%。光通信板块上涨，迈威尔科技涨约5%。SpaceX跌约2%，此前一个交易日收跌近5%。费城半导体指数涨4.6%，英特尔涨约9%，QuantumScape涨约15%。

商品方面，布伦特原油跌逾2%至每桶78美元以下；现货黄金涨0.2%至4265美元/盎司。

美伊协议带来的乐观情绪提供了有力的支撑。Gama Asset Management全球宏观组合经理Rajeev De Mello表示，此前市场已在为霍尔木兹海峡逐步恢复通航定价，但谈判在最后时刻破裂的尾部风险始终存在，"此次协议的签署大幅降低了这一尾部风险"。

• 美股盘初，纳指涨1.6%，道指涨0.8%，标普500指数涨1.1%。半导体股普涨，美光科技涨约6%，AMD涨约4%。光通信板块上涨，迈威尔科技涨约5%。SpaceX跌约2%，此前一个交易日收跌近5%。费城半导体指数涨4.6%，英特尔涨约9%，QuantumScape涨约15%。
• 日经225指数上涨1.65%，收于71053.49点，首次站上71000点大关；韩国KOSPI指数上涨2.25%，报9063.84点，均创历史新高。SK海力士股价大涨超7%，收盘报271.2万韩元，再度刷新历史最高纪录。
• 10年期美国国债收益率下跌4个基点至4.45%，对政策预期高度敏感的2年期国债收益率回落2个基点至4.16%。
• 美元现货指数周四小幅回落0.1%，此前一个交易日曾上涨0.7%。
• 日元兑美元跌至2024年7月以来的最低水平。
• 现货黄金涨0.2%至4265美元/盎司。
• 布伦特原油跌逾2%至每桶78美元以下。
• 比特币下跌0.8%，报63,824.33美元。

SpaceX跌幅扩大至近6%，此前一个交易日收跌近5%。

特朗普告诉媒体，他在巴黎近郊凡尔赛宫签署了与伊朗的谅解备忘录（MOU），一名美国官员表示该协议已即时生效。不过，目前尚不清楚伊朗是否已立即采取步骤全面重开霍尔木兹海峡。

对全球市场而言，此次协议的意义在于大幅降低地缘政治尾部风险，并有望缓解全球能源供应的进一步扰动。全球股票资产此前已在一定程度上消化了战争带来的冲击，并在人工智能热情的持续推动下，持续刷新历史高位。

然而，能源市场的风险并未完全消退。据彭博报道，高盛预计霍尔木兹海峡的石油流量在战后可能仅能恢复至70%的水平。与此同时，库欣——美国最大的商业原油储存枢纽——库存已降至约2000万桶，接近交易员所认为的运营最低水平，库存压力依然紧张。

本次美联储会议是该央行连续第四次维持利率不变。官员们将经济增长描述为"稳健"，并强调强劲的生产率提升和资本投资，同时明确表示通胀已超越就业市场疲软，成为更大的政策担忧。大约半数美联储官员预计今年将加息，这促使交易员完全消化10月前加息的预期，并认为9月就采取行动的概率相当高。

摩根大通资产管理首席投资官兼全球固定收益主管Bob Michele表示："半数委员会预期今年加息，这对市场是一个真正的警告。我认为他们正在为加息做准备。"

沃什在首次以美联储主席身份主持的新闻发布会上，拒绝就下一步政策走向提供指引，表示会议上进行了"严格辩论"。他强调通胀已持续多年高于2%目标，并重申恢复价格稳定的承诺。

沃什还宣布成立一个工作组，专门审查美联储规模达6.7万亿美元的资产负债表——这是他长期持批评立场的议题。该工作组将研究"货币政策究竟来自利率工具还是资产负债表工具"。

10年期美国国债收益率下跌4个基点至4.45%，此前在美联储决议后一度上涨约5个基点。对政策预期高度敏感的2年期国债收益率回落2个基点至4.16%，而此前一个交易日曾大幅跳升13个基点。澳大利亚和日本10年期国债收益率周四则有所上行。

彭博美元现货指数周四小幅回落0.1%，此前一个交易日曾上涨0.7%。日元兑美元跌至2024年7月以来的最低水平，引发市场对官方干预风险的担忧——投资者忧虑，即便日本央行本周早些时候已将基准利率升至1995年以来最高水平，其紧缩步伐仍不足以遏制通胀并稳定汇率。

据彭博调查，大多数经济学家预期，受能源冲击重创的印度尼西亚和菲律宾央行将于周四各加息25个基点；英国央行则预计按兵不动。印度尼西亚盾、菲律宾比索等多数新兴亚洲货币兑美元走软。

亚洲股市周四连续第五个交易日上涨，科技股为主要推动力。

日经225指数上涨1.65%，收于71053.49点，首次站上71000点大关；韩国KOSPI指数上涨2.25%，报9063.84点，均创历史新高。SK海力士股价大涨超7%，收盘报271.2万韩元，再度刷新历史最高纪录。

亚洲科技股追随纳斯达克期货走高，相关板块指数涨幅超过2%。金价和银价均上涨逾1%。

Vantage Global Prime高级市场分析师Hebe Chen表示："美联储的鹰派基调仍然构成打压，但油价大幅回落有助于抵消新一轮通胀担忧，为投资者抵制更高利率叙事提供了空间。"

本文来自华尔街见闻，欢迎下载APP查看更多

Anthropic国际业务总经理Chris Ciauri周三在首尔举行的新闻发布会上表示，"我们非常有信心，在接下来的几天里，这些模型将再次上市。"此次发布会原本旨在庆祝Anthropic在韩国的业务扩张，但有关出口管制及"玻璃翼计划"（Project Glasswing）的问题迅速主导了现场议程。

白宫的相关指令导致Anthropic在全球范围内——包括美国境内外——全面暂停了Mythos和Fable 5的访问权限。这一举措引发业界对Anthropic服务可靠性的担忧，部分业内人士警告称，与美国政府的反复冲突可能对其商业信誉造成损害。

白宫指令触发全面封锁，韩国电信公司成导火索

据华盛顿邮报报道，一家能够访问Claude Mythos的韩国电信公司触发了美国方面的相关指令。韩国由此成为围绕这一白宫命令持续争议的核心。

Anthropic方面表示，Mythos具备检测原本被认为无法破解的代码漏洞的能力，这意味着恶意攻击者理论上仅需一次操作便可能造成毁灭性后果。正因如此，Anthropic决定不向公众开放Mythos。

针对此次封锁措施，Anthropic此前曾表态称，"我们不同意仅仅因为发现存在狭义的潜在越狱漏洞，就应该召回已部署给数亿用户的商业模式。"

玻璃翼计划：约150家合作伙伴获特定访问资格

为应对Mythos模型可能存在的破坏性功能，Anthropic推出了"玻璃翼计划"，仅允许特定实体访问该模型。

据Anthropic介绍，该计划目前拥有约150家合作伙伴，涵盖谷歌、英伟达、微软和苹果等科技巨头。

韩国方面的参与者包括三星电子、SK海力士和SK电信。据此前报道，三星和SK海力士还参与了Anthropic规模达650亿美元的融资轮，为双方在芯片领域的合作铺平道路。

值得注意的是，Anthropic联合创始人之一汤姆·布朗原本计划出席此次首尔发布会，但在最后一刻被替换，高管们也拒绝就Mythos关闭相关的大多数问题发表评论。

韩国市场战略地位凸显，Anthropic承诺加大投资

尽管争议持续发酵，Anthropic高管在发布会上着力强调韩国市场的战略重要性。Anthropic Korea代表董事崔基永表示，韩国拥有稳定且不断增长的用户群体，涵盖开发人员和平面设计师，用户使用率在全球排名第12位。

Chris Ciauri则将韩国定位为全球增长最快的市场之一，并明确表示将加大对该地区的投入。"我们已经开始组建团队，包括商务人员、技术人员、政策制定者和运营人员，未来几个月我们将继续快速发展这项业务，"他说。

然而，部分业内人士对此持审慎态度，认为Anthropic与美国政府之间的反复摩擦，可能对其服务的稳定性与可预期性构成长期隐患，进而影响企业客户的采购决策。

本文来自华尔街见闻，欢迎下载APP查看更多

美国劳工部周四公布数据显示，截至6月13日当周，初请失业金人数较前周减少4000人，降至22.6万人，略高于彭博调查经济学家预期的22.5万人。与此同时，续请失业金人数在前一周升至181万人，创下近三个月以来最高水平。

数据公布后，市场对美联储货币政策路径的预期进一步偏向鹰派。尽管续请人数的上升提示就业市场的吸纳能力或在边际放缓，但5月非农就业报告（新增就业17.2万人）表现强劲，叠加本次初请数据的小幅回落，共同巩固了"劳动力市场仍具韧性"的既有判断，从而推升了投资者对加息概率的押注。

初请失业金人数回落，四周均值创阶段新高

本周初请失业金人数从23万（四个月高点）回落至22.6万，仍位于近四年来的常规波动区间。分地区看，宾夕法尼亚州和俄勒冈州增幅最为明显，俄亥俄州和伊利诺伊州则降幅最大。

需要注意的是，用于平滑周度波动的四周移动平均值升至22.325万，创下去年12月以来新高。这一指标表明，尽管单周数据出现改善，初请人数的整体走势仍在温和上行。

续请人数升至三个月高点，再就业压力有所上升

续请失业金人数重新突破180万，升至三个月新高，反映出部分失业者重返岗位的难度有所增加。不过，该指标仍显著低于2025年第四季度接近200万的周期峰值，整体压力尚处于可控范围。

彭博分析指出，尽管伊朗战争引发的能源价格冲击对经济构成一定压力，劳动力市场整体仍保持韧性。初请失业金人数虽然同比有所上升，但从历史标准来看依然偏低，且持续低于去年同期水平。

就业韧性支撑美联储偏鹰立场

综合近期就业数据来看，劳动力市场的持续韧性为美联储维持偏紧的货币政策立场提供了支撑。在5月非农就业报告超预期之后，市场已开始重新定价加息路径，而本次初请失业金人数的小幅回落，进一步巩固了这一政策框架。

分析人士指出，当前就业市场处于“低解雇”模式，企业裁员意愿整体有限，但续请失业金人数的持续上升也提示，新增就业岗位的吸纳能力可能在边际放缓。后续数据走势，尤其是续请人数是否会延续回升态势，将成为市场判断美联储政策空间的重要观察窗口。

本文来自华尔街见闻，欢迎下载APP查看更多

美联储周三维持利率不变，但沃什在随后的发布会上以强硬姿态亮相，强调通胀容忍度极低。受此影响，美股下跌，短期美债收益率急升，市场开始重新定价更高的政策不确定性。

Yardeni在接受彭博电视采访时表示，沃什明确指出美联储已逾五年未能实现2%的通胀目标，"不加息，你怎么做到？所以我认为市场现在的反应是对的。"他同时指出，即便加息25或50个基点，也未必是大事，债券市场甚至可能因此反弹。

沃什鹰派首秀震动市场

沃什在新闻发布会上的表态令投资者始料未及。他在发言中频繁提及"通胀"与"价格稳定"，对劳动力市场的着墨则明显偏少，显示其政策优先级已向控通胀倾斜。

Yardeni注意到，沃什对2%通胀目标的承诺措辞毫无含糊，态度坚定。与此同时，沃什此次选择不参与点阵图预测，令市场失去一个重要的政策信号参照，进一步加剧了前景的不确定性。

美股和短端美债收益率的即时反应，印证了市场对这一鹰派立场的高度敏感。

Yardeni：沃什回归"旧我"

Yardeni将沃什的风格比作前美联储主席Alan Greenspan，称其"信息量不多，充满模糊，偶有意外"。

他认为，沃什在出任主席之初或曾向特朗普总统释放过偏鸽派的信号，但如今已迅速回归其一贯的"旧沃什"面貌，将价格稳定置于首位。

Yardeni指出，沃什长期以来对美联储的预测能力和沟通方式持批评态度，此次不参与点阵图，正是这一立场的延续，也令市场在解读政策走向时面临更大挑战。

油价下行或给沃什"送运"

尽管发出加息警示，Yardeni也提示了一个可能令美联储无需采取行动的变量：油价。

他指出，汽油价格近期持续下跌，有望推动整体通胀显著回落。本周中东地区达成临时停火协议，亦可能进一步压低油价，从而为消费者价格涨势降温。

Yardeni表示，沃什或许会因此"走运"，在不动用加息工具的情况下看到通胀自然回落。但他同时强调，若通胀顽固不退，小幅加息对市场的冲击未必如外界担忧的那般严重——债券市场甚至可能将其解读为正面信号，予以正面回应。

本文来自华尔街见闻，欢迎下载APP查看更多

CoreWeave联合创始人兼首席发展官Brannin McBee及企业发展与投资者关系副总裁Nick Robbins近日接受媒体采访时表示，AI需求"每天都在寻找新方式强化"，没有任何放缓迹象。两位高管指出，随着智能体AI（agentic AI）浪潮加速，市场对CPU、存储等配套资源的需求正在相对GPU显著提升，数据中心的整体架构也因此经历了根本性重构。

在当前制约AI基础设施扩张的核心瓶颈上，McBee明确指出是"供电机房"（powered shell）——即已完成供电配套的数据中心建筑本体，而非GPU芯片或HBM内存。这一判断对于评估AI基建投资节奏具有直接参考意义。

需求持续加速，智能体AI成新引擎

CoreWeave高管将本轮AI需求加速的起点定位于去年第四季度。McBee表示，彼时公司已通过与客户的深度工程沟通，提前感知到智能体AI产品将于今年第一季度集中推向市场的趋势。"从AI市场的产品角度来看，第一季度是推理与AI消费的巨大拐点，且仍在持续加速。"

Robbins对当前需求状态的描述更为直接："它每天都在寻找新方式强化。"

这一判断来自CoreWeave在AI生态中的独特位置。据Robbins介绍，CoreWeave是目前唯一一家同时服务Anthropic、OpenAI、Meta、谷歌、微软、英伟达等顶尖AI机构的独立云服务商，由此形成了对技术演进方向的前瞻性洞察，并据此提前规划基础设施布局。

架构重构：CPU与存储需求相对GPU显著提升

智能体AI与推理模型的兴起，正在改变数据中心的硬件配比逻辑。

McBee表示，CoreWeave自2023年起便已运营CPU资源，但当前趋势是CPU和存储需求相对于GPU的比重正在明显上升。"随着智能体和推理在模型中真正起飞，存储需求也在相对于前几代显著增加，我认为这一趋势将持续。"

Robbins透露，CoreWeave去年已从根本上重新设计了基础数据中心的标准方案，为更多存储和CPU预留了空间。

他确认，未来将看到大量英伟达Vera CPU机架与Vera Rubin GPU服务器并排部署。

在CPU供应商选择上，Robbins表示现有机队目前以AMD为主，但预计随着客户需求演变，英伟达Vera CPU将成为重要的早期采用方向，"Vera CPU有大量兴趣"。McBee补充，CoreWeave超过98%的收入来自合同驱动，客户会明确告知所需的基础设施配置，"是他们在定义我们要建什么"。

供电机房——当前最紧迫的扩张瓶颈

在被问及当前最大制约因素时，McBee直接点名"供电机房"，并特别提及电工短缺是其中的复杂因素之一。他表示，CoreWeave目前已有49个站点上线运营，积累了大量应对供应链问题的实战经验，"知道哪些供应商该合作、哪些不该合作"。

Robbins则对HBM内存成本与短缺问题作出回应，表示公司的商业模式设计可有效隔离价格波动风险——在签署GPU采购订单的同时锁定向客户收取的价格，从而保护利润率，成本上涨可顺畅传导至客户端。他同时指出，"组件获取目前不是最大瓶颈，供电机房才是。但未来某个时间点，这个答案可能会互换。"

Vera Rubin量产，2027年将是重头戏

对于英伟达新一代Vera Rubin（VR）平台的量产进程，Robbins给出了较为清晰的时间预期。

他表示，CoreWeave已是全球首家完成VR机柜上线并通过完整验证的厂商，预计VR服务器将于今年下半年开始陆续交付，但大规模量产爬坡将贯穿2027年全年。

Robbins将这一节奏类比于上一代GB200/GB300平台的推进路径——GB系列于2025年开始出现，但真正的大规模量产是在2026年。"我预计VR在未来12至18个月内会呈现相当类似的模式。"

以执行力和生态深度构筑护城河

面对超大规模云厂商（Azure、AWS、谷歌）及其他新兴云服务商（SpaceX、Nebius、Oracle）的竞争，CoreWeave高管将差异化优势归结为执行速度、性能表现与生态深度三个维度。

McBee援引第三方验证数据称，全球排名前十的AI实验室（不含中国）中有九家使用CoreWeave平台，AI研究机构SemiAnalysis给予其独一无二的铂金评级。他认为，英伟达向CoreWeave优先分配GPU资源，源于对其工程执行能力的高度信任，"这是一个对我们的执行记录和工程能力有深度信心的供应商"。

Robbins则从客户分层角度阐述竞争逻辑：对超大规模云厂商，CoreWeave以极快的部署速度和稳定运行取胜；对研究机构，以最高性能和每token效率取胜；对企业客户，则凭借最佳推理与开发工具编排层，帮助其将数据转化为模型和智能体，并借此实现CoreWeave云服务的交叉销售。

本文来自华尔街见闻，欢迎下载APP查看更多

过去一年多，追觅像一家不愿被定义的公司。

它一边继续卖扫地机器人、洗地机主业，一边高调谈手机、汽车、具身智能，内部业务单元（BU）一度扩展至200多个；创始人俞浩频繁活跃在社交平台上，并释放宏大目标——“追觅生态将成为人类历史上第一个百万亿美金的公司生态”“手机要与苹果、三星三分天下”……

这家狂歌猛进的公司如今突然踩下刹车。

6月18日，华尔街见闻了解到，追觅正在推进战略收缩：未来更多聚焦智能家庭、户外庭院、智能出行、具身智能四大核心赛道。

在此背景下，成熟业务——包括扫地机、洗地机、吸尘器等智能清洁板块继续获得资源倾斜；此前最受外界关注的手机、汽车等业务，则调整为产业研究院模式推进，重点转向技术储备与长期研发，其余业务将面临整合、合并甚至退出。

在外界看来，这次调整显得突然但并不意外。

某种程度上，这意味着追觅开始承认一个现实：企业能力边界，终究不能无限外延。

过去一年，追觅几乎成为中国消费电子行业扩张最激进的样本之一。

从组织结构看，其采用高度事业部制推进新业务；从叙事逻辑看，则明显希望摆脱“扫地机器人公司”的标签，向更大的智能终端平台迁移。

无论是手机企业进入汽车，还是家电企业进入机器人，本质上都是围绕供应链、渠道、用户入口进行能力复用。问题在于，跨界成功往往建立在核心业务足够稳固、现金流足够充裕以及组织成熟度足够高的基础之上。

追觅显然低估了短时间内迅速跨界200多个业务会带来的复杂度。

尤其手机和汽车，是两条典型的重投入赛道。

当组织规模快速膨胀、项目数量急剧增加时，企业内部资源配置效率开始成为核心问题。

而2026年以来围绕追觅的舆论环境，似乎也加速了追觅如今的战略转向。

一方面，外界质疑其业务边界是否过宽、扩张节奏是否过快；另一方面，俞浩连续释放高目标、高预期言论，引发市场争议。

当公司战略叙事开始超过实际业务本身，这在某种程度上也是一种风险。

市场一直在密切审视追觅过去一年多来激进扩张的合理性，以及可能带来的外部性风险。

如此关口下，收缩或许最终成为了追觅的不得已选择。

本文来自华尔街见闻，欢迎下载APP查看更多

据《纽约时报》最新报道，这一构想正在投资者、分析师乃至SpaceX高管之间获得越来越多的关注。若合并成真，合并后实体的估值将达约4万亿美元。SpaceX总裁Gwynne Shotwell已公开承认两家公司之间存在协同效应，表示合并"可以简化马斯克的管理职责"，并指出双方未来存在明显的业务交集："特斯拉与SpaceX的未来之间毫无疑问存在协同空间。"

这一设想对市场的潜在影响不容忽视。支持者认为，合并将释放芯片、AI、数据中心、卫星通信与轨道基础设施等多个领域的战略价值；但反对者则警示，交易可能面临证券欺诈指控、反垄断审查以及国家安全层面的监管压力。

两家公司已深度交织，合并逻辑初现

特斯拉与SpaceX之间的关联远不止于同一位创始人。

据《纽约时报》报道，两家公司目前已共享人员、协同推进重大项目，并在AI开发、数据中心建设、电池技术及汽车销售等领域存在实质性业务往来。

支持合并的核心逻辑在于互补性。特斯拉在芯片研发、人工智能与数据中心建设方面积累的能力，恰好契合SpaceX在轨道基础设施、卫星通信与太空计算领域的扩张野心。方舟投资（Ark Invest）持有两家公司股份，已公开表示这一组合具有战略意义，但同时建议等待特斯拉自动驾驶出租车业务进一步成熟后再推进。

SpaceX近期还将马斯克长期合作伙伴Roelof Botha纳入董事会，外界普遍将此视为两家公司关系进一步深化的信号。

马斯克"自己与自己谈判"，利益冲突争议难回避

合并最棘手的结构性问题在于：马斯克同时控制SpaceX并持有特斯拉最大股东地位，这意味着任何合并交易本质上都是他与自己的一笔交易，由此引发外界对利益冲突与股东诉讼风险的担忧。

不过，法律专家指出，两家公司目前均在德克萨斯州注册，而该州公司法对此类挑战设有较高门槛——股东通常需持有公司至少3%的股份方可提起诉讼，以特斯拉当前市值计算，这一门槛对应约450亿美元的持股规模。

从程序层面看，合并仍需获得特斯拉三分之二股东的批准。马斯克目前掌握约20%的特斯拉投票权，且历史上众多投资者倾向于支持其提案，特斯拉董事会也长期与马斯克保持高度一致。

德克萨斯大学法学院公司法教授James Spindler表示："只要他持续把公司经营好、股价保持上涨，提起证券欺诈诉讼的门槛就相当高。"

监管与法律风险并存，最终障碍或在市场情绪

潜在的反对力量可能从多个方向发力：证券欺诈指控、反垄断审查，以及两家公司在AI、机器人、通信与航天领域的高度集中所引发的国家安全顾虑。

然而，多位专家认为，监管机构若要实质性阻止交易，同样面临相当难度，尤其是在合并后实体持续保持强劲业绩的前提下。

特拉华大学Weinberg公司治理中心创始主任Charles Elson在接受《纽约时报》采访时直言，马斯克"拥有一批愿意跟随他走向天堂或地狱的拥趸"，并表示"他基本上已经到了几乎可以为所欲为的地步"。

分析人士指出，最终决定这笔交易命运的，或许不是法律条文，而是市场走势与股东情绪——当股价上涨、投资者持续获利时，雄心勃勃的并购方案往往更容易获得背书。

本文来自华尔街见闻，欢迎下载APP查看更多

6月18日，小米正式发布“全屋智能AI开源方案”Xiaomi Miloco 2.0。

该方案以小米自研MiMo大模型为智能核心，在去年Miloco 1.0的基础上，对交互方式、产品功能和记忆系统进行了升级。

Miloco 2.0主要以Agent插件形式接入OpenClaw，支持 macOS、Linux、Windows 系统。

其中最值得关注的变化是小米首次引入家庭记忆AI系统。

过去，智能家居的核心能力主要是设备联动。用户提前设定规则，系统再按照规则执行，比如晚上7点打开客厅灯，温度超过28℃打开空调，或者用户说一句“关灯”，设备完成相应动作。

但这类智能家居本质上仍是“规则控制”。它可以执行明确指令，却很难理解一个家庭长期形成的生活习惯，更无法根据不同家庭成员的偏好持续调整服务。

Miloco 2.0试图补上的正是这块能力。

据小米介绍，Miloco 2.0能够记住不同家庭成员的身份、偏好、作息和习惯，并以“家”为单位沉淀长期记忆。它会在每天凌晨整理观察到的规律，把反复出现的行为沉淀为长期档案。例如，系统看到家庭成员回家偏晚，主动送上加班关怀。

为了支撑这种家庭记忆，Miloco 2.0将米家摄像头作为全模态感知入口，并结合麦克风、米家设备和大模型能力，对家庭场景进行持续理解。系统能够综合人脸、身形等信息判断家庭成员身份。如果暂时无法识别，也会先进入“陌生人池”，等待用户确认后再完成登记。

这背后其实指向了AI大模型进入家庭场景后的一个核心问题：如果没有长期记忆，大模型仍然只能停留在一次性问答和单次指令执行层面，这显然与此前智能家居的“规则控制”没有区别。

从更大的技术趋势看，Miloco 2.0的意义在于提供了一个观察大模型走进物理世界的样本。

过去，大模型主要运行在聊天框、搜索框和办公软件里，交互大多停留在屏幕之内。

但家庭场景是真实物理环境。AI要在这里发挥作用，还需要持续感知环境、识别家庭成员、理解行为变化，并在必要时调度真实设备，

从这个意义上说，家庭记忆正是大模型进入物理世界后必须补上的能力。

本文来自华尔街见闻，欢迎下载APP查看更多

随着美伊临时和平协议落地、霍尔木兹海峡重开进程启动，一艘卡塔尔空载LNG油轮时隔数月首次驶回波斯湾，标志着这一全球关键LNG供应国的出口重启行动进入实质阶段。

据彭博汇编的船舶追踪数据，卡塔尔国有航运公司旗下油轮"Al Hamla"号于周四现身卡塔尔拉斯拉凡出口终端。这是自今年2月底伊朗战争爆发以来，首艘空载卡塔尔LNG油轮重返波斯湾。与此同时，本周早些时候已有数艘与卡塔尔相关的空载船只陆续驶向中东。

卡塔尔计划在霍尔木兹海峡重开后两个月内恢复大部分出口能力，而调配足够船只承运货物是实现这一目标的关键前提。"Al Hamla"号的到港，意味着这一进程正在加速落地，对全球LNG市场供应预期具有直接影响。

和平协议落地，霍尔木兹重开进程启动

美伊临时和平协议的签署为霍尔木兹海峡的重新开放提供了政治基础，协议明确要求迅速重开这一关键水道。

霍尔木兹海峡的封锁此前已波及全球约五分之一的LNG供应，仅有少量货物得以通过——或借助关闭应答器、隐匿位置的"暗船"方式，或经德黑兰特别批准后方可通行。

沙特超级油轮也已于协议签署后率先开始穿越霍尔木兹海峡，显示出主要产油国正在抓紧利用局势缓和窗口期恢复运输。

空载油轮回港，出口重启进入实质阶段

"Al Hamla"号约在一周前于印度西部海域附近停止发送信号，随后现身拉斯拉凡出口终端。

这是自冲突爆发以来，首艘空载卡塔尔LNG油轮重返波斯湾，具有重要的信号意义——空载回港意味着该船正准备装载货物并执行出口任务。

卡塔尔此前的出口受阻，根本原因在于无法将空船安全调回装货港。

如今随着多艘空载船只本周陆续折返中东，卡塔尔重建出口运力的物流瓶颈正在逐步打通。

两个月恢复目标，供应预期重塑市场

据彭博此前报道，卡塔尔的目标是在霍尔木兹海峡重开后两个月内恢复大部分出口能力。

作为全球举足轻重的LNG供应国，卡塔尔出口的恢复将对全球天然气市场供需格局产生直接影响。

霍尔木兹封锁期间，全球约五分之一的LNG供应受到波及，市场供应缺口显著。随着空载船只陆续回港、出口终端重新运转，市场对卡塔尔供应恢复的预期正在快速升温，这将对全球LNG现货价格及长期合同谈判产生实质性影响。

本文来自华尔街见闻，欢迎下载APP查看更多

LeCun目前担任AMI Labs创始人，他在接受CNBC采访时直言，xAI的核心创始团队已大量出走，马斯克如今极难招募到顶尖AI人才，xAI将无力与OpenAI和Anthropic在前沿AI领域展开竞争。与此同时，他指出AI服务的运营成本下降速度远不及预期，各大实验室目前实际上是在靠投资者的资金补贴用户使用，这一模式难以为继。

LeCun的表态再度引发市场对头部AI公司估值合理性的质疑，并为当前AI行业高烧不退的投资热情泼下一盆冷水。他本人创立的AMI Labs今年3月刚完成10亿美元融资，融资前估值为35亿美元，专注于他认为代表AI下一阶段方向的"世界模型"研究。

xAI"失败论"：创始团队出走，人才困境难解

LeCun对xAI的批评直指其人才根基。"xAI说实话已经是某种程度上的失败，因为创始团队已经离开了，"他说。

过去一年，xAI多位联合创始人相继离职。

LeCun认为，马斯克此前对待团队的方式，使其在AI顶尖人才圈中的吸引力大打折扣。"埃隆现在处于一个非常、非常困难的处境，很难招到AI顶尖人才，因为他对待前团队的方式……并不是很好。"

在商业层面，xAI的处境同样承压。

今年2月，马斯克将SpaceX与xAI合并，交易对xAI的估值高达1.25万亿美元。然而据财务数据，截至今年3月31日的季度内，SpaceX旗下AI业务板块（含xAI）运营亏损达25亿美元。

LeCun还指出，xAI拥有位于孟菲斯的Colossus 1和Colossus 2两座大型数据中心，并将算力出租给谷歌和Anthropic等公司，"因为这是他（马斯克）唯一能够回收成本的方式。"

他表示，自己对xAI的前景"并不乐观"。

成本与收入的剪刀差难以为继

LeCun对整个AI行业的商业模式提出了更深层的质疑。

他指出，AI服务的价格虽在上涨，但运营成本的下降速度远远不够快，导致各大公司持续亏损，用户的使用实际上由投资者买单。"这种状况不可能持续太久，对吧？"他说。

他警告，OpenAI和Anthropic等头部实验室面临三条路：提高价格、削减成本，或者迎来"泡沫大爆炸"。

这一判断与行业内部的担忧形成呼应。据CNBC报道，OpenAI首席执行官Sam Altman本月在公司直播中表示，企业客户正越来越多地讨论AI支出问题，并称AI成本是"一个巨大的问题"。

技术路线之争：LLM局限性与"世界模型"的押注

LeCun对当前主流AI技术路线持保留态度。他长期批评大型语言模型（LLM）的局限性——LLM通过学习语言规律来预测下一个词，在推理和编程领域表现突出，但他认为这一架构无法支撑真正通用的AI系统。

他力推的"世界模型"路线则截然不同，旨在让AI建立对真实或模拟世界运作方式的理解，涵盖物体、因果关系与行动逻辑。"我个人认为，在基于世界模型之前，我们不可能拥有通用的、可靠的智能体系统，"LeCun说。

当前，从Anthropic到OpenAI，各大AI公司均在大力押注AI智能体（AI agents）——即能够自主执行复杂任务的系统。LeCun承认LLM在编程、数学等领域具有实用价值，但强调"以这种性能水平运行这些系统的成本，远高于用户愿意支付的金额"，这一矛盾是行业泡沫风险的核心所在。

AMI Labs今年3月完成的10亿美元融资，正是LeCun对世界模型路线的一次重大押注，也是他与当前AI主流叙事分道扬镳的最新注脚。

本文来自华尔街见闻，欢迎下载APP查看更多

闪迪近日发布了一款官方授权的PS5扩展固态硬盘——Optimus GX PRO 850P NVMe SSD，最高容量达8TB，官方定价高达3699.99美元，折扣后仍需2959.99美元。

这一价格意味着，消费者购买一块存储配件的花费，足以买下三台索尼PS5 Pro主机。这款产品的发布，将全球内存短缺引发的价格扭曲以极为直观的方式呈现在消费者面前。

对市场而言，这一定价不仅是单一产品的异常，更折射出当前存储行业供需失衡的深层压力。

同类规格的Western Digital固态硬盘目前在亚马逊售价约1470美元，而据价格比较网站PC Part Picker数据，同款产品去年在Best Buy、Newegg等零售商的售价约为640美元——与闪迪新品相比，同等容量的价格涨幅超过360%。

定价离谱：一块硬盘抵三台主机

闪迪此次推出的Optimus GX PRO 850P NVMe SSD，是一款经索尼官方授权的PS5专用扩展存储配件，提供1TB至8TB多个容量选项。闪迪宣称，8TB版本可存储多达200款PS5游戏（基于平均安装体积估算）。

然而，这款产品的定价令人咋舌。8TB版本原价3699.99美元，折扣价2959.99美元；4TB版本原价1874.99美元，折扣价1499.99美元；2TB版本原价949.99美元，折扣价759.99美元——后者甚至比一台标准版PS5主机还贵出约100美元。

考虑到索尼近期已对PS5主机进行涨价，即便以涨价后的售价计算，消费者用购买一块8TB 闪迪固态硬盘的钱，仍可购入三台PS5 Pro。这一对比，使该产品的定价在消费电子市场引发广泛关注。

短缺溢价：同款产品一年涨价逾三倍

价格数据揭示了更为惊人的涨幅。据The Verge报道，与闪迪新品规格相近的Western Digital固态硬盘（闪迪母品牌旗下产品）目前在亚马逊的售价约为1470美元。而根据PC Part Picker的历史价格记录，该款Western Digital SSD去年在Best Buy和Newegg等主流零售商的售价约为640美元。

以此为基准，闪迪新款8TB产品相较于去年同类产品的市场价格，涨幅超过360%。全球内存短缺被认为是此轮价格飙升的直接驱动因素。闪迪在产品介绍中亦明确提及"全球内存短缺"，将其列为高定价的背景因素之一。

产品定位：官方授权背后的溢价逻辑

尽管定价高昂，闪迪仍为这款产品构建了一套差异化叙事。该SSD配备了"专为PS5及PS5 Pro M.2插槽优化设计的散热片"，并经过两款主机的兼容性测试，闪迪表示，这使玩家能够"放心地存储更多、畅玩更多"。

官方授权标签与专属散热设计，是闪迪为这款产品主张溢价的核心依据。然而，面对同类Western Digital产品在亚马逊以不足其一半价格即可购得的现实，这一溢价逻辑能否获得消费者认可，仍是未知数。

目前，该产品尚未正式上架，将通过闪迪官方在线商店发售。

本文来自华尔街见闻，欢迎下载APP查看更多

有投资者苦笑称：“上车科技，最多痛苦一天；上车老登，天天痛苦。” 那么，“老登股”接下来何去何从？是该“投降”转向，还是咬牙坚守？

招商证券策略团队在6月4日的报告中给出判断：当前科技板块交易拥挤度已升至高位，叠加海外流动性扰动增加、中报业绩窗口临近，市场风格可能从此前单边偏向成长，逐步走向阶段性均衡。但这并不等于成长行情终结——在AI产业趋势持续强化的大背景下，市场尚不具备全面切换回价值风格的条件。

对投资者而言，当下真正的难题并非“选边站队”，而是如何理解市场结构变化的节奏：科技成长的中期趋势未改，但短期扰动在增多；风格的阶段性再平衡概率在上升，而非系统性拐点。在极致分化中，能否避开追涨杀跌的陷阱，更多依赖节奏把握与仓位管理，或许才是穿越当前行情的核心课题。

科技拥挤，资金外溢：市场步入再平衡窗口

尽管科技成长的中长期主线依然明确，招商证券策略团队认为，短期市场正面临多重因素交织，风格可能进入阶段性再平衡期。

首先，科技板块的交易拥挤度已处于极致水平。从宽基指数估值和交易集中度看，科创50、中证500等均已行至历史高位。4月至5月为科技公司业绩密集披露期，盈利高增一度驱动板块屡创新高，但随着利好预期逐步消化，进一步上行的催化动能正在边际减弱。

其次，历史经验显示，PPI转正后小盘风格往往占优。3月国内PPI已重回正增长区间，若后续持续回升，小盘价值风格的胜率有望提升。不过，本轮不同于以往的是，AI产业趋势明确，因此市场大概率不会单向切换至价值，更可能呈现“PPI驱动的顺周期价值”与“AI驱动的成长”并行的双主线格局。

第三，资金面存量博弈特征依然突出。截至2026年5月28日，融资余额达2.92万亿元，占A股流通市值比例升至2.79%，处于2010年以来92.55%的历史高分位。与此同时，ETF净流出规模由4月的2616亿元扩大至5月的3220亿元，尽管融资资金净流入2251亿元形成一定对冲，但整体增量资金仍相对有限。一旦市场风险偏好出现扰动，融资流入节奏可能放缓，或使当前高度集中的抱团方向面临阶段性休整。

对于持续承压的“老登股”而言，若科技板块出现阶段性降温，更多构成流动性层面的喘息窗口，而非趋势反转信号。

业绩锚点回归：中报季成为科技“试金石”与老登股“观测窗”

短期扰动过后，市场视线将重新聚焦中报业绩。招商证券指出，6月下旬将逐步进入中报业绩预告披露期，高景气成长方向有望继续占优。这一逻辑与4至5月科技公司业绩集中披露期的行情驱动一脉相承——盈利高增始终是支撑科技方向屡创新高的核心锚点。

对于持续承压的“老登股”而言，短期科技降温带来的喘息窗口固然可贵，但真正的转机，仍需等待其自身基本面的实质性改善。中报季的到来，既是对科技成长成色的检验，也是对“老登股”能否出现盈利拐点的观测窗口。业绩的兑现能力，将决定资金在不同板块之间的最终分配方向。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，近一周内，至少两家亚洲炼油商——包括韩国炼油商——明显增加了馏分油现货报盘，涵盖柴油和航空燃油。交易员表示，此举是过去一个月趋势的延续，部分亚洲国家库存高企，推动出口意愿上升。

交易员指出，亚洲供应商此时加快出货，意在赶在海湾地区大量积压货物释放之前锁定销售。上述报盘通过私下谈判和招标方式进行，将对亚洲成品油价格形成下行压力，使其从近期高位回落，但仍高于战前水平。

战时管控松动，出口窗口悄然打开

自今年2月底伊朗战争爆发以来，日本、韩国等亚洲主要成品油出口国出于能源安全考量，大幅压缩对外销售。

如今，随着局势出现转机，部分炼油商开始重新评估出口策略。

市场信号已有所反映。亚洲柴油（gasoil）现货价格本周早些时候开始以折价交易，GS Caltex 7月份柴油以每桶折价40至50美分成交，此前该品种一直维持升水，价格走弱趋势初步显现。

海湾供应中断影响深远，重开预期主导市场

霍尔木兹海峡封锁对全球成品油贸易造成了严重冲击。据Kpler数据，中东地区燃油出口在海峡关闭后大幅萎缩，波斯湾大型炼油厂是全球重要的成品油出口基地。

Kpler此前估计，伊朗战争使全球约10%的柴油贸易和20%的航空燃油贸易面临供应中断风险。随着美伊协议生效，市场焦点已转向霍尔木兹海峡何时恢复通航，以及届时积压货物集中释放对全球成品油市场的冲击程度。

东亚炼油商当前的抢先出货行为，正是对这一预期的直接回应——在海湾供应重返市场、价格承压之前，尽可能多地锁定当前相对较高的销售价格。

本文来自华尔街见闻，欢迎下载APP查看更多

AI基础设施投资热潮正在制造一个会计层面的"黄金窗口"——芯片供应商迅速确认收入，而超大规模云计算企业（hyperscalers）则将巨额资本支出递延为多年摊销，使得当前利润表格外好看。

分析师预计，标普500指数成分股本季度盈利增速将连续第二个季度超过20%，半导体及AI基础设施企业的利润飙升是重要推手。

然而，这一结构性滞后效应正在积累风险。

随着超大规模云计算企业资本支出规模持续攀升，一波巨额折旧费用浪潮即将涌来，其对利润表的冲击幅度至今难以准确评估，分析师预测之间的分歧已达到异常宽泛的程度。对于当前市盈率已高于历史均值的股市而言，这一盲区构成不可忽视的下行风险。

"黄金窗口"：收入与成本的时间错位

当前盈利繁荣的核心逻辑，在于AI产业链上下游之间存在一个天然的会计时差。

以英伟达为例，其向客户出售芯片后，收入与利润即时入账。但Meta Platforms、微软、Alphabet、亚马逊等超大规模云计算企业购入这些设备后，将其列为资本资产，前期支出不直接冲击利润表，而是以折旧形式在数年内逐步摊销。若设备用于尚在建设中的新设施、暂未投入使用，折旧确认甚至可以进一步推迟。

摩根士丹利会计分析师Todd Castagno将当前阶段称为"所有人看起来都很好的黄金窗口"——AI生态系统中，无论是硬件供应商还是大手笔买家，营收与利润率均呈现强劲态势。

这一会计处理方式本身并无特殊之处，属于资产入账后逐步折旧的常规操作。真正引人关注的，是此轮资本支出热潮的规模之大前所未有。

资本支出规模：数字触目惊心

据标普全球市场情报数据，标普500成分股2025年全年资本支出合计约1.3万亿美元。其中，仅Alphabet、亚马逊、Meta、微软和甲骨文五家超大规模云计算企业，资本支出合计便达4120亿美元。

据Visible Alpha数据，上述五家企业2026年资本支出预估合计约7600亿美元，而同期折旧及摊销费用预估仅约2110亿美元——两者之间的巨大缺口，意味着大量成本尚未反映在利润表中。

这一滞后效应在现金流层面已有明显体现。2026年，五家超大规模云计算企业合计自由现金流预计将骤降91%至约160亿美元，而净利润却预计上升25%至5060亿美元。其中，亚马逊和甲骨文今年自由现金流预计为负，Meta也仅略高于零。

折旧预测：分析师分歧触目惊心

折旧费用难以精确建模，原因是多方面的。

大多数超大规模云计算企业近年才从轻资产模式转向资本密集型模式，历史数据参考价值有限；企业对折旧在各费用科目间的分配方式披露不足，透明度偏低；此外，企业对固定资产使用年限拥有较大自主裁量空间，可通过调整使用年限改变年度折旧数字；大量数据中心建设采用表外融资，进一步增加了分析难度。

许多分析师甚至不单独拆分AI设备折旧，而是将其并入整体折旧及摊销估算。

分歧之大，从Meta的分析师预测数据中可见一斑。据Visible Alpha数据，分析师对Meta 2028年营收预测的标准差仅为均值的4%，而对同年折旧及摊销费用预测的标准差则高达均值的24%。

Zion Research Group创始人David Zion表示，各家超大规模云计算企业的"分析师折旧估算数字分散程度极高"，并指出"折旧费用的一致预期可能存在系统性低估"。

投资者面临的真实风险

当前市场共识认为，资本支出增速将在明年后逐步放缓，而营收持续高增将推动自由现金流呈V形反弹——五家超大规模云计算企业自由现金流预计将从2026年的约160亿美元，回升至2028年的1850亿美元，并于2029年进一步跃升至3870亿美元。与此同时，市场预计这五家企业净利润将以约20%的年复合增速增长至2029年。

然而，这一乐观情景能否实现，目前尚无定论。

对于投资者而言，风险不容小觑。标普500指数基于未来12个月盈利预测的远期市盈率约为22倍，已高于历史均值——而这还是在折旧费用大规模释放之前的水平。对于被动指数投资者而言，同样面临相当程度的敞口。

正如华尔街日报所指出的，当前大量企业盈利，来自于那些数年内都不会出现在超大规模云计算企业利润表上的支出。普通投资者押注的，是AI巨头们能否在未来某天找到足以覆盖这些成本的营收来源。

本文来自华尔街见闻，欢迎下载APP查看更多

会议最大的意外来自经济预测摘要（SEP）：18位提交预测的委员中，有9人预计今年将至少加息一次，与另外9位预计利率不变或下调的委员形成五五开的格局。

市场对此反应明显偏鹰：2026年底联邦基金利率的市场定价在声明发布及新闻发布会后合计上行约20个基点，美元走强，美债收益率曲线呈现扭曲平坦化。

尽管如此，据追风交易台，高盛、摩根士丹利、汇丰、瑞银及德意志银行等主要机构均维持今年利率不变的基准预测。

机构普遍认为，美联储内部加息阵营明显壮大，未来政策不确定性上升，但在通胀进一步恶化或就业市场持续过热之前，按兵不动仍是最可能路径。与此同时，各大行一致上调加息风险评估，认为Warsh推动的政策框架重审和沟通机制改革，正在重塑市场对美联储反应函数的认知。

各机构维持按兵不动基准预测，但上调加息风险

尽管会议释放出明显的鹰派信号，华尔街大行均未将加息纳入基准情形。

高盛报告认为，今年加息的风险上升，但基准情形仍是利率不变。

该行指出，若后续通胀数据令人不安且就业增长保持强劲，多数委员可能支持加息；但该行判断，12位有投票权的委员中，多数仍倾向于维持利率不变，且伊朗协议达成、霍尔木兹海峡重新开放等地缘政治进展若得到确认，将较快消除通胀上行风险中最主要的来源，届时当前点阵预测可能迅速过时。

摩根士丹利报告维持今年按兵不动的预测，并预计明年3月和6月将开始降息，但强调这是"非常接近的判断"——若油价传导至核心通胀，或劳动力市场进一步收紧，美联储将不会降息。

汇丰报告则将利率不变的预测延伸至2026年和2027年全年，同时指出鹰派SEP和更强硬的通胀措辞使短端利率进一步上行的风险偏向上方，并认为美元可能已在2026年触底。

德意志银行报告指出，一个不依赖前瞻指引的美联储可能行动更为灵活，为未来几次会议的加息创造条件；但与此同时，今日鹰派信号叠加透明度下降，可能导致金融条件显著收紧，反而限制近期加息的空间。

点阵图五五开，鹰派程度超预期

6月FOMC会议以12比0全票通过，将联邦基金利率目标区间维持在3.50%至3.75%不变。然而，会议的核心看点在于经济预测的大幅鹰派转向。

此次有9位委员预计2026年将加息，远超该行此前预期的3位。由于Warsh未提交点阵，18份预测中形成9比9的均势——9人预计至少加息一次，其中5人预计加息50个基点或以上，1人预计加息75个基点；8人预计利率不变，1人仍预计降息。

通胀预测的上调幅度同样显著。FOMC对2026年底PCE通胀的中位预测从2.7%大幅上调至3.6%，核心PCE通胀预测从2.7%上调至3.3%。德意志银行指出，几乎所有委员均认为通胀风险偏向上行。与此同时，2026年实际GDP增速中位预测小幅下调至2.2%，失业率预测则微降至4.3%。

摩根士丹利报告指出，该行自身对2026年核心PCE通胀的预测为3.0%，明显低于美联储中位数，这也是其维持今年按兵不动预测的重要依据。

Warsh新闻发布会：鹰派基调，拒绝前瞻指引

Warsh的首次新闻发布会在措辞上明显偏鹰，但刻意回避了任何具体的政策路径指引。

在通胀问题上，Warsh多次强调美联储"有能力、有承诺实现2%的价格稳定目标"，并重申"通胀是一种选择"。据德意志银行报告，他在发布会上提及"价格稳定"达12次之多，政策声明的最后一句话也被简化为："委员会将实现价格稳定。"

在劳动力市场方面，Warsh未提及任何下行风险，称就业数据"正朝着好的方向发展"，并表示"强劲的生产率驱动的增长不是我们所担忧的，而是我们所欢迎的"。

据瑞银报告，他还表示当前政策立场对部分领域（如住房）具有一定限制性，但对金融市场而言难以用同样的措辞描述，并将这一"不均衡"现象归因于利率工具与资产负债表工具传导机制的差异。

在前瞻指引方面，Warsh明确表示已"放弃前瞻指引"，并认为"金融市场在对实际数据作出反应时表现最佳，而非对美联储将如何反应数据作出反应"。

他同时透露，自己未提交点阵预测，并对SEP框架的价值持保留态度。据瑞银报告，他在发布会上使用"工作组"一词多达29次。

五大工作组启动，政策框架面临系统性重审

Warsh宣布成立五个工作组，涵盖：1）美联储沟通机制；2）资产负债表；3）现有数据来源的使用与依赖；4）转型时代的生产率与就业；5）通胀框架。

Warsh表示工作组将在"未来几周内"启动，预计大多数工作组将于年底前得出结论，成员将包括美联储内部经济学家及外部专家。

在沟通机制方面，Warsh对SEP的价值持怀疑态度，并暗示未来新闻发布会的频率可能调整——"新闻发布会是有用的，但召开时你需要确保有重要的事情要说"。摩根士丹利报告指出，若主席本人不认可SEP流程，该框架的可持续性存疑，但在工作组得出结论之前，其他委员仍将继续提交预测。

在资产负债表方面，汇丰报告指出，政策声明中关于储备管理购买的措辞调整为"在适当时候"进行，暗示对SOMA规模扩张持更审慎态度，并为未来重启缩表留有空间。

在通胀框架方面，Warsh明确表示，在美联储重新确立实现2%目标的能力之前，不会重新审视2%的通胀目标本身。

本文来自华尔街见闻，欢迎下载APP查看更多

英国货币政策委员会（MPC）周四以7比2的投票结果决定将基准利率维持在3.75%，指出近期油价回落“令人鼓舞”。然而，两位委员支持立即加息25个基点，反映出对通胀持续性的深切忧虑。委员会重申将“随时准备行动”应对通胀风险。

外部委员Megan Greene加入此前在4月唯一持异议的首席经济学家Huw Pill阵营，两人均主张将利率上调至4%。同时，委员会将今年第四季度通胀峰值预测从3.6%下调至3.25%，并维持现有政策指引不变。

此次决议正值美伊停火协议取得进展。受停火消息提振，国际油价本周跌破每桶80美元，为三个月来首次，较此前每桶108美元的高位显著回落。不过，停火协议的可持续性仍存变数，市场对能源价格走向保持警惕。

按兵不动，但措辞偏鹰

英国央行行长贝利在声明中表示，近期油价下跌“令人鼓舞”，但强调地缘政治风险犹存，能源价格高企的威胁并未解除。

货币政策委员会（MPC）会议纪要显示，委员们一致认为，若通胀进一步上行，“适当的政策回应应当坚决而有力”。投票支持维持利率不变的7位委员警告了二轮效应的风险，但也强调，“需求疲软及劳动力市场状况的趋弱，可能会在一定程度上削弱二轮效应的强度”。

在政策指引方面，委员会措辞保持中性，表示将“持续密切关注中东局势发展”，并“随时准备采取必要行动，以确保CPI通胀在中期内回归2%的目标”。

通胀与增长的两难困境

英国央行当前正陷入两难：通胀居高不下，而增长引擎明显失速。

最新数据显示，整体通胀率录得2.8%，仍稳稳高于央行设定的2%目标；但实体经济却已显露疲态——4月GDP环比意外下滑0.1%，尽管央行估计第一季度潜在增速约为0.2%，并预期第二季度大致持平，但动能减弱的信号已不容忽视。

劳动力市场松动，为英国央行暂缓加息提供了关键缓冲。最新数据显示，自今年2月地缘冲突爆发以来，英国累计减少约6.4万个就业岗位；私营部门常规薪资增速更滑落至五年最低。MPC会议纪要明确指出，这与“劳动力市场逐步松动”的整体趋势相符，为维持利率不变增添了现实依据。

市场风向骤变：降息预期消退，加息押注抬头

贝利与外部委员Alan Taylor、Catherine Mann等人将英国央行当前的政策立场描述为“主动”维持利率不变，认为金融条件的整体收紧已在事实上替代货币政策委员会（MPC）执行紧缩职能。

会议纪要显示，多数MPC委员认为，自中东冲突爆发以来，金融条件的收紧“为对冲通胀风险提供了一定保险”，这也是委员会决定暂不加息的重要考量之一。

在市场预期方面，形势在数月内已发生显著逆转。今年2月美伊冲突爆发之前，市场普遍预计英国央行将在年内启动降息周期；而截至周四，市场预期已转向押注加息。

本文来自华尔街见闻，欢迎下载APP查看更多

6月17日，巴奴国际控股有限公司（以下简称“巴奴”）向港交所更新了招股说明书。最新披露的数据显示，巴奴2025年全年实现营业收入28.5亿元，同比增长23.4%；经调整净利润达3.2亿元，同比大幅增长88.7%。

在当前国内餐饮大盘客流分化、部分头部直营火锅品牌面临单店模型承压的背景下，巴奴交出了一份营收与利润双增的答卷。

但对市场而言，透过财务数据的表象，其利润结构、门店运营效率以及未来的扩张路径，才是决定其估值锚点的核心。

巴奴2025年财报中最显著的特征是利润增速大幅跑赢营收增速。23.4%的营收增长撬动了88.7%的经调净利润增长，这一数据剪刀差直观地反映了公司经营杠杆的释放。

餐饮企业的成本结构通常呈现刚性特征，租金、人工及供应链折旧摊销在总营收中占比较大。

经调利润的激增，一方面意味着巴奴在报告期内大概率并未发生大规模的一次性费用或重大资产减值；另一方面，在剔除潜在的非经常性损益后，经调利润的激增直接指向了其单店盈利能力的实质性改善。当门店营收跨过盈亏平衡点后，超出部分的收入将更高效地转化为净利润。

此外，这也侧面印证了巴奴在供应链端的议价能力或内部成本管控体系，如原材料损耗率的降低、排班效率的提升，在过去一年中取得了阶段性成效。

作为评估餐饮企业健康度的核心标尺，同店销售增长率与翻台率是本次招股书的焦点。

2025年，巴奴同店销售增长率录得4.8%，翻台率则从上一年的约3.2次/天提升至3.6次/天。在行业普遍面临价格战与客流内卷的当下，这两个指标的正向增长表明，其在目标客群中维持了较强的品牌黏性。

需要指出的是，对于主打高品质体验、高客单价的正餐火锅而言，3.6次/天的翻台率已接近体验与效率的平衡临界点，且健康的区间。相较于大众快消餐饮追求极致翻台，高端餐饮若翻台率过高，往往意味着牺牲顾客的就餐体验。

因此，3.6次的翻台率可能已接近该品牌定位下的最佳单店模型临界点。未来，巴奴若想继续拉升单店营收，比起继续挤压翻台率，通过推新进一步拉高客单价，或提高非高峰时段的入座率，是更为现实的路径。

除了内生性增长，外延式扩张是巴奴当前营收大盘最直接的驱动力。招股书披露，2023年至2025年，品牌新增门店数量分别为25家、35家和44家，呈现出明确的逐年递增态势。

2025年新开44家门店，不仅是巴奴近年来的扩张峰值，也考验着公司的现金流与人才储备。通常情况下，直营模式下的大规模拓店会带来巨大的资本开支，且新店存在数月不等的爬坡期，初期往往会拖累整体利润率。

然而，巴奴在创纪录开店的同年，依然保持了4.8%的同店增长和88.7%的利润增速，这表明其2025年的新开门店大部分选址精准，且爬坡期极短，或者老店的盈利能力足够强健，在很大程度上平抑了新店的拖累。

同时，扩张节奏的加快也带来了中长期隐忧。随着一二线核心商圈点位的逐渐饱和，巴奴若要维持现有的拓店规模，或将需要向更低线城市或边缘商圈渗透。高客单价模型在下沉市场能否保持水土？新店加密是否会稀释原有门店的客流？这是所有步入成熟期的连锁餐饮品牌必须跨越的周期性难题。

整体而言，巴奴更新的招股书展示了一个基本面扎实、处于上升通道的直营餐饮标的。但在当前港股市场对消费类资产估值趋于冷静的语境下，投资者将以更苛刻的眼光审视其抗风险能力。巴奴需要向资本市场证明，其“高客单价+稳健翻台+加速拓店”的增长飞轮，能够在穿越更长宏观经济周期的过程中，不发生变形。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根大通最新报告指出，当前芯片股上涨与波动率抬升并存，已触发风险警示。随着越来越多机构采用VaR仓位管理框架，一旦波动率突破风控阈值，即便长期看好AI前景，机构也将被动减仓，从而引发连锁抛售。

更令人担忧的是，半导体板块估值和仓位均已处于历史极值，拥挤交易特征明显。被动减仓一旦启动，将形成“价格下跌—波动率上升—强制卖出—价格进一步下跌”的自我强化循环，可能引发与基本面无关的剧烈回调，并蔓延至更广泛的科技板块。

AI交易过于拥挤

芯片股已成当前市场最拥挤交易。费城半导体指数本月初因AI交易过热担忧一度回调超10%，但随即反弹并创历史新高。美银最新基金经理调查亦确认，做多半导体为全球最拥挤头寸。

AI资本开支扩张、算力需求激增及盈利预期上调持续吸引资金涌入。然而，持仓高度集中也意味着任何负面催化剂都可能放大波动。摩根大通指出，主要风险不在基本面，而在仓位集中。若波动率上升，部分投资者或被迫减仓，可能引发与基本面背离的显著回调。

估值扩张已显著快于基本面改善

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

比亚迪去年卖了460万辆车，连续四年全球新能源销量第一。但在高端市场，它一直艰难地寻找着属于主品牌的突破口。

过去几年，高端化的任务交给了腾势、仰望、方程豹三个子品牌，但子品牌的体量终究有限，撬不动大盘的利润结构。比亚迪的销量规模在国内车企中领先，利润却在往反方向走。以价换量的打法走到了极限，比亚迪也必须找到全新的突破口。

6月17日晚，比亚迪王朝网旗下车型大唐EV上市，其定价上探至30万元级别，是比亚迪主品牌首次正面进入这个价格区间。华尔街见闻了解到，大唐之后，比亚迪其他主力车型也将陆续推出高端化的品类，如汉系列也会推出“大汉”。主品牌高端化不是一款车的事，而是一轮系统性的产品升级。

但这第一步并不好走。比亚迪此前在主品牌高端化上有过不成功的尝试，品牌认知的天花板还在那里。目前大唐仅发布纯电版本，交付节奏受限于二代刀片电池的产能爬坡，订单能不能顺利变成交付也是一个问号。

在国内销量短期内难以快速回升的情况下，比亚迪主品牌高端化的重要一仗，不容有失。

30万的锚点

比亚迪的利润焦虑有据可查。去年单车利润6174元，同比下滑近三成；2026年一季度净利同比又降了55%至40.85亿元，毛利率也从22.31%降到20.49%。

在2026年6月9日的股东大会上，比亚迪董事长王传福说："高端化一旦起来，毛利、单车利润问题自然迎刃而解。"

但此前，这句话在主品牌层面还没有一个具体的承接者。

子品牌高端化的局限性已经很明显。腾势销量曲折，过去5个月大体在月销5000至1.6万辆间波动。仰望和方程豹加起来的体量更小，三个品牌2025年合计39.65万辆，同比增长104%，但还是不到总销量的9%。子品牌可以做标杆、立形象，但要改善460万辆大盘的利润水平，还得靠主品牌把均价拉上去。

比亚迪2025年的乘用车平均售价约11.92万元。在这个基数上，每多卖一辆25万以上的车，对均价的拉升作用明显。

大唐EV四款车型定价23.99万至30.99万元，自2026年北京车展开启预售以来，预售订单突破15万台。如果它能在25万至30万的价格带稳定走量，对整体利润结构的改善远比子品牌卖几千辆豪华车来得实在。

比亚迪王朝网络在全国有超过3000家门店，一个大唐EV的订单给经销商带来的利润可能顶得上三四辆秦L，这对经销商网络的稳定同样至关重要。

但主品牌做高端的难度也摆在那里。2025年4月上市的汉L和唐L就是前车之鉴：两款车上市首月双双破万辆，但热度消退极快，汽车批发数据显示，到2025年8月汉L月销不足2300辆，唐L也回落到3700辆左右。今年前5个月，这个数据进一步滑落到不足1000辆。

一名新势力车企市场部人士向华尔街见闻分析，消费者对比亚迪主品牌的价格认知集中在15万至20万区间，品牌溢价不足的问题一旦遇到产品热度下降，就会迅速暴露。大唐EV的定价比汉L和唐L又高出了一个台阶，品牌认知的挑战只会更大。首月订单转化不是问题，问题是订单消化完之后，靠自然流量还能不能撑住月销。这才是品牌溢价的真正试金石。

大唐EV试图用产品定义上的跨越来打破这个天花板。作为一款D级全尺寸SUV，它的车身尺寸、第二代刀片电池、最高950公里的纯电续航，瞄准的是时下最火热的“9系车”。唐L EV的价格区间是22.98万至28.98万元，大唐EV起步价只比它高了1万元，但车型定位从C级跃升到了D级，用最小的价格跨度完成最大的产品跃升。如果消费者愿意为这个跃升买单，就说明比亚迪主品牌的价格天花板是可以被突破的，后续更多高端车型的推出也会有更强的市场信心。

从竞争格局看，30万级纯电大型SUV市场目前缺乏一个真正的走量选手。问界M9累计销量超过26万辆，但主力价格带在46万以上，和大唐EV不在同一个价格区间直接竞争，两者面对的是不同消费群体。

理想L9走势也并不稳定，且理想的产品优势建立在增程路线上，纯电市场的用户画像与增程用户有明显差异。大唐EV的950公里后驱版26.99万元、四驱版28.99万元，这两款大概率是走量主力，恰好切入了竞品覆盖相对薄弱的价格带。

产能定成败

产品定位和价格策略只是第一步。王传福今年多次公开表示，"今年公司的销量取决于电池的产能"。

华尔街见闻获悉，第二代刀片电池自去年底量产以来，目前月产能的爬坡速度只有2到3万块，目前也主要是供应给比亚迪的高端车型。

比亚迪旗下王朝、海洋、腾势、方程豹四个品牌的新车型都在争抢这批有限的产能。大唐EV的950公里续航版本对电池包容量的需求更大，同样的产能下能分到的整车数量可能比其他车型更少，走量版本的交付周期也会因此被拉长。为了留住潜在消费者，王朝网总经理路天表示，自锁单日起，超30天未能交付，每天赠送一天免费闪充权益。

不过，按照王传福在股东大会上透露信息，二代刀片电池目前以每月两到三万的增量在爬升，产能完全释放要到明年。

产能受限的影响已经清晰地体现在销量上。2026年1月至5月，比亚迪累计销量140.5万辆，同比下降20.32%，国内市场份额从去年同期的约30%降至21.8%。这个下滑幅度在比亚迪近年历史上少见。

5月单月国内销量22.28万辆，环比增长20%，产能瓶颈正在松动，但离完全释放仍有距离。在这个产能爬坡的关键阶段，大唐EV作为新增车型加入分配队列，对比亚迪的电池产能也是考验。

大唐EV定位高端，一旦因为产能不足导致交付周期过长，对品牌高端化的信任建立反而是一种消耗。30万级的消费者对等车时间的容忍度远低于15万级的用户，他们有更多的替代选择，也更容易因为交付延迟而转投竞品。

而大唐之后，主品牌还有更多高端车型等着上线，产能分配的压力只会越来越大。如何在产能约束下统筹好四个品牌的交付优先级，考验的是比亚迪的内部管理能力。

参照汉L和唐L的经验，一款比亚迪新车的热度窗口大约在三到四个月。在这个窗口期内，新车效应带来的关注度和到店量最高，错过就很难再找回来。如果大唐EV能在这段时间维持月销5000至6000辆以上的交付节奏，就能在30万级市场站住脚，也能为后续旗舰轿车大汉EV积累信任；如果交付跟不上订单消化的速度，唐L、汉L便是前车之鉴。

对比亚迪来说，大唐EV不只是一款车的成败，它将定义市场对比亚迪主品牌高端化的预期。

比亚迪海外业务单车利润约2万元，是国内的数倍。出海让它在现有结构下多赚钱，高端化则决定国内市场未来的利润天花板能抬到多高，这是两条完全不同的路。

对于一家年销近500万辆的车企来说，主品牌能不能卖好30万的车，是比任何子品牌战略都更根本的命题。接下来三到四个月的交付数据，就是答案。在主品牌还有更多高端车型排队等着上市的情况下，大唐EV交出怎样的成绩单，将决定后面的牌怎么打。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，摩根大通最新半导体行业报告指出，在云计算巨头持续加码AI基础设施、存储行业进入新一轮景气周期、先进制程供给持续紧张的共同推动下，全球半导体资本开支迎来全面上修。

作为反映产业扩张意愿的前瞻性指标，晶圆厂设备（WFE）市场增长预期大幅提升，未来三年有望连续保持双位数增长。具体来看，报告将2026年全球WFE市场增速预测从21%上调至28%，2027年从18%上调至29%，并首次预计2028年仍将实现16%的增长。

如果说过去两年市场交易的是“AI芯片牛市”，那么摩根大通认为，未来几年市场或将进入覆盖晶圆厂、存储、先进封装和设备供应商的“半导体扩产牛市”。

AI需求持续外溢，设备市场预期再度上修

摩根大通预计，全球晶圆厂设备市场规模将从2025年的1245亿美元增长至2026年的1588亿美元、2027年的2050亿美元，并在2028年进一步升至2373亿美元。

推动预测上修的核心因素来自存储和先进制程领域。报告指出，过去市场曾担忧洁净室不足会成为2026年扩产的主要瓶颈，但随着晶圆厂通过优化现有厂房利用率以及提前布局新产能，这一限制正在逐步缓解。

与此同时，全球半导体需求依然保持强劲。数据显示，2026年4月全球半导体销售额同比增长106%，创下自1994年以来最强增长纪录。其中，DRAM和NAND价格大幅上涨是主要推动力，即便剔除存储芯片因素，行业收入增速仍达到33%。

AI资本开支继续狂奔

本轮行业预期上修的根本动因，在于科技巨头“近乎失控”的AI投资热潮。

摩根大通预计，美国四大云服务商Google、Amazon、Microsoft和Meta，2026年资本开支将同比增长80%，高于此前63%的预测；2027年仍将保持50%增速。按金额计，四家公司资本开支总额2026年将突破5750亿美元，2027年进一步升至8600亿美元，两年新增投资超5000亿美元。

更重要的是，AI投资结构正在转变。过去几年资金多流向GPU和AI加速器，而随着AI应用从训练转向推理，内存、网络、CPU、ASIC及先进封装的重要性快速提升。摩根预计，云厂商资本开支中存储占比将从过去的个位数至15%，大幅提升至2026年的约50%。

这意味着，未来新增投资将从GPU集群开始向整个半导体产业链扩散。

存储扩产提速，DRAM驱动设备市场增长

本轮资本开支周期中，存储行业正重新成为扩产的核心方向。

报告指出，未来三年全球存储产业资本开支总额将达4500亿美元，较此前3000亿美元的水平显著上修。其中，DRAM投资规模预计为3640亿美元，占据绝对主导。

在需求端，AI服务器对HBM及高性能内存的需求持续攀升；在供给端，EUV设备供给及基础设施建设进度构成产能释放的硬约束。供需错配之下，行业紧平衡格局有望长期延续。

报告预计，2026年DRAM行业资本开支将同比增长54%，2027年再增37%，成为推动设备市场增长的最主要的动力之一。

本文来自华尔街见闻，欢迎下载APP查看更多

驱动这一分化的核心逻辑在于盈利预期的根本性背离。智谱今年以来在提高GLM系列模型定价的同时保持了销售量，市场共识销售预期较年初飙升近250%，已超越MiniMax；而MiniMax在旗舰模型M3上市仅一周后即宣布降价50%，此举引发高盛、摩根大通等主要投行下调评级或目标价。

7月初即将到来的IPO限售股解禁潮，可能进一步强化这一配对交易的动能。据汇丰控股估算，MiniMax约65%的总股本将于7月8日解禁，而智谱此前一天解禁的比例仅为约6%。分析人士指出，更大比例的解禁将使MiniMax的股票更易于借入，进而压低做空成本，令空方力量更具优势。

美国政府限制外国人使用Anthropic顶级产品的行政令近期将更多投资者目光引向中国AI板块，智谱借势发布迄今最强开源模型GLM-5.2（Max），带动股价本周单周涨幅超70%，进一步拉开与MiniMax的差距。

智谱与MiniMax均于今年1月登陆港股，两者上市初期一度同向上涨，并跻身恒生科技指数年内表现最佳的前三名。然而，一系列模型更新与定价调整此后导致两者走势显著分化。

今年以来，智谱累计涨幅已逾1500%，是恒生科技指数中表现最突出的成分股；MiniMax则自3月底以来累计下跌约50%。Gavekal Capital有限公司投资组合经理Leonid Mironov在接受彭博采访时表示，做多智谱、做空MiniMax是"一笔非常有利可图的交易"，智谱的超额表现并不令人意外，因为它"拥有更优质的模型，具备结构性更强的盈利潜力"。

从销售预期角度看，两者差距同样悬殊。据彭博数据，今年以来智谱的市场一致预期销售额飙升近250%，已超越MiniMax的对应预期，市场对两家公司商业化前景的评判已出现根本分歧。

两家公司截然相反的定价策略。智谱今年上调了GLM系列模型的定价，同时维持了销售规模，显示出较强的产品定价能力。相比之下，MiniMax在其最新旗舰模型M3上市后仅一周便宣布降价50%，以期吸引更多用户。

这一定价行动引发了华尔街机构的快速反应。高盛在本周发布的研报中将MiniMax目标价下调14%，理由是降价将对利润率产生负面冲击；摩根大通分析师Olivia Xu则在上调智谱目标价的同时下调了对MiniMax的评级，将其较低的定价定性为"模型能力低于预期的信号"。MiniMax发言人未就上述市场观点回应彭博的置评请求。

与此同时，模型性能数据也为智谱的定价底气提供了佐证。根据基准测试平台Arena.AI的数据，智谱的GLM-5.2（Max）模型在前端代码编写能力方面位居全球第二，仅次于Claude Fable 5。Leonid Mironov表示，智谱"更擅长说服市场相信其客户具有更强的粘性"。

7月初即将到期的IPO基石投资者锁定期，被分析人士视为这笔配对交易进一步发酵的关键节点。据汇丰控股估算，MiniMax将于7月8日释放约65%的总股本，而智谱的解禁比例在7月7日仅为约6%。

解禁规模的悬殊差异，将直接影响两只股票的流动性格局与做空成本。大量新股流入市场将使MiniMax的股票更容易被借入，借券成本随之下降，这将为做空方提供更低廉的操作窗口。据彭博此前报道，香港市场面临高达330亿美元规模的锁定期到期压力，AI板块的解禁集中效应尤为突出。

尽管做空MiniMax已成为市场热门操作，部分机构仍对过度单边押注提示了风险。美银证券本周同时给予智谱与MiniMax买入评级，并启动覆盖，认为MiniMax有望在解禁压力消化后实现追赶。

Hedgeye Risk Management科技板块负责人Felix Wang承认"做空MiniMax目前颇为流行"，但同时强调两家公司面临相似的长期挑战。他是彭博追踪的分析师中唯一对智谱给出相当于卖出评级的人士，其主要论据包括：DeepSeek以更低廉的定价构成竞争威胁，且其V4模型发布后已在中国AI行业引发价格战，智谱的定价能力面临考验；此外，他还指出后续IPO供给压力不可忽视——月之暗面旗下Kimi聊天机器人等国内竞争者，以及美国主要AI公司，均存在潜在上市预期，届时将对现有标的的资金吸引力形成稀释。

本文来自华尔街见闻，欢迎下载APP查看更多

6月18日，A股全天震荡上涨，沪指徘徊于4100点附近，创业板大涨超2%，再创历史新高，科创板暴涨近4%，盘中更是一度狂飙超5%，亦创下历史新高，算力硬件、芯片半导体持续爆发，光模块、光芯片、GPU、半导体设备等概念股全线拉升。电力、大金融等板块集体调整。

港股全天走势疲弱，恒指、恒科指双双跌超1%，恒指盘中一度跌超2%，科网股普遍走低，芯片半导体逆势活跃，华虹宏力涨5%，AI大模型股再度爆发，智谱飙升26%。债市方面，国债期货多数上涨，商品方面，国内商品期货大面积下跌。

A股：截至收盘，沪指跌0.43%，深成指涨0.94%，创业板指涨2.05%。

盘面上，个股跌多涨少，沪深京三市超3300股飘绿，今日成交3.33万亿。沪深两市成交额3.31万亿，较上一个交易日放量超2000亿。板块方面，半导体、算力硬件产业链再度大涨，CPO、PCB、GPU方向领涨，中际旭创总市值超贵州茅台；工业金属、创新药、AI应用、机器人题材活跃。金融、电力、黄金、煤炭、化工板块下挫。

港股：截至收盘，恒生指数收跌1.59%，恒生科技指数跌1.39%。

地产股大跌，中国海外发展跌近9%，华润置地跌逾7%，龙湖集团跌近7%。智谱涨逾26%，MINIMAX涨逾12%，华虹宏力涨逾5%。

债市：国债期货多数走高，截至收盘，30年期主力合约跌0.03%，10年期主力合约涨0.04%，5年期主力合约涨0.05%，2年期主力合约涨0.03%。

商品：国内商品期货多数下跌，截至收盘，新能源材料跌幅居前，碳酸锂跌6.58%；黑色系多数下跌，焦煤跌5.78%；农副产品多数下跌，鸡蛋跌3.49%；能源品多数下跌，燃油跌3.47%；化工品全部下跌，聚丙烯跌3.23%；贵金属全部下跌，铂金跌3.11%；非金属建材全部下跌，玻璃跌2.69%；基本金属多数下跌，沪锡跌2.03%；油脂油料多数下跌，菜油跌1.32%；航运期货涨幅居前，集运指数(欧线)涨2.95%。

中际旭创市值超越贵州茅台、万亿巨头工业富联涨停

算力硬件、芯片半导体持续爆发，GPU、HBM、覆铜板、光模块、服务器、光芯片等方向全线大涨。寒武纪大涨1%，总市值接近9400亿元，

海光信息大涨6%，兆易创新大涨8%，中芯国际涨超3%，北方华创、中微公司等设备龙头纷纷上涨，带动科创50指数大涨3.6%。

消息面上，据每日经济新闻，有分析认为，国产AI芯片正经历从“国产化”到“涨价+订单”逻辑的关键切换。

一方面，字节跳动近期加速采购国产AI芯片，海光、寒武纪、天数智芯等国产芯片设计公司出货量预期大幅增加，与6月以来晶圆产能结构性短缺、功率半导体二次涨价、先进制程与先进封装产能紧张等产业链信号相互印证；

另一方面，当前国产高端算力卡利用率接近饱和，大厂采购预算持续上修，但头部芯片厂商仍受先进制程和封装产能约束，需求高、产能紧、客户抢资源格局下，寒武纪590/690等新一代国产GPU/AI芯片重新定价预期自然升温，市场已开始讨论报价上修空间。

华尔街见闻文章写道，有报道称DeepSeek获510亿元融资，投资方包括腾讯、宁德时代、京东等。此外，燧原科技、粤芯半导体两家国产AI芯片龙头企业IPO同日过会。

SEMI最新报告显示，2026年第一季度全球半导体设备出货金额同比增长14%，达到365.5亿美元，环比增长1%，创单季历史新高。

中信证券认为，AI需求正驱动半导体硅片行业进入上行周期，量增逻辑已在2025年出现，涨价逻辑有望在2026年Q2出现；同时，围绕华为“韬(τ)定律”，国内半导体有望“换道加速”。

光模块反复走强，光迅科技4天2板，创历史新高。PCB概念延续强势，世名科技20cm二连板，中京电子、亨通股份、贤丰控股涨停。

光模块龙头中际旭创市值超越贵州茅台。

消息面上，建滔积层板于6月16日完成第五次涨价，FR-4、PP材料价格涨幅为15%，距离上一次涨价间隔仅20天，创历史最短周期纪录。此外，高端M8/M9高速CCL因AI需求紧张限量接单，交期拉长至4至6个月。

隔夜美股芯片股多数上涨，费城半导体指数涨1.38%，ARM涨超5%，应用材料涨逾4%，博通涨超4%，迈威尔科技涨逾3%。

花旗认为，AI服务器的PCB板子正在经历一场“材料升级革命”，而这场革命的瓶颈，已经从PCB制造环节向上游转移到了覆铜板（CCL）和电子布这两个更上游的材料环节。

万亿巨头工业富联盘中一度涨停，收盘涨7.5%，总市值达1.55万亿元。

消息面上，据上证报，甬兴证券日前发布研报提到，工业富联2025年云计算板块营收同比增长88.70%，800G以上高速交换机营收同比增幅高达13倍，2026年一季度归母净利润同比增长102.55%，业绩持续高增。全球化布局持续深化叠加CPO等前沿技术布局，有望支撑公司在AI产业上行周期中持续扩大市场份额。

在5月份举行的业绩说明会上，被问及公司CPO全光交换机的最新进展时，工业富联表示，公司正积极推进量产目标，根据客户需求情况，从Scale-out到Scale-up都会陆续导入，产品落地持续推进。

值得注意的是，山东玻纤股价开盘跌停，盘中短暂打开跌停板，但没过多久就被大量卖单封死跌停板。截至收盘，山东玻纤的跌停板封单超过19万手，封单金额超过4亿元。

昨日（6月17日），该股收盘大涨超8%，再创历史新高。自去年12月低点至今年6月17日的高点，该股累计涨幅超过280%。

消息面，昨日晚间，山东玻纤公告，当前公司生产经营正常，公司暂没有电子布产品，请广大投资者注意投资风险。

玻璃基板概念股今日也集体调整，截至收盘，彩虹股份、美迪凯跌超7%。

消息面上，昨日晚间，多只玻璃基板概念股发布股价异动公告，提示交易风险。

美迪凯公告，公司关注到近期资本市场对“玻璃基板”等概念关注度较高，相关板块二级市场表现较为活跃。目前，公司向客户供应的半导体用玻璃基板为未打孔基板，但2025年相关产品销售收入占公司总营收比重约为2.00%，占比较低，未对公司整体业绩构成重大影响。技术储备方面，公司开发了玻璃通孔、孔内金属化、CMP及RDL布线等TGV工艺，但前述相关工艺产品尚未形成量产收入。请广大投资者理性判断，注意投资风险。

大金融、电力集体下跌

保险板块领跌，新华保险、中国太保、中国人保、中国平安、中国人寿均大跌超5%。

银行板块中，厦门银行跌超7%，渝农商行、齐鲁银行、青岛银行跌超4%，证券板块中，中国银河、财通证券、国盛证券跌超4%。

电力股方面，深南电A、粤电力A、大唐发电跌停。

医药股大反弹

A股生物科技板块大涨，浩特生物、皓元医药、诺思兰德、诺唯赞等涨幅均超10%。

消息面上，上海证券交易所修订形成了《上海证券交易所科创板企业发行上市申报及推荐暂行规定（征求意见稿）》。其中提到，对该文件第五条规定的战略性新兴产业领域二级行业进行调整更新，生物医药领域新增“脑机接口、生物药品、基因工程药物和疫苗、生物医学工程”等。

港股AI大模型逆势拉升

智谱涨超26%，自6月11日触及1021港元低位开始算起，日内最高2094港元，短短六个交易日翻倍，MINIMAX涨超12%。

消息面，据上证报，6月17日，上交所发布《上海证券交易所发行上市审核规则适用指引第10号——人工智能大模型企业适用科创板第五套上市标准》（下称《指引》），旨在进一步规范科技型企业适用科创板第五套上市标准，更好支持尚未形成一定收入规模的优质人工智能大模型企业适用第五套上市标准，加快推进人工智能创新发展。

正在筹备“回A”的智谱和MiniMax，因此获得了制度层面的更多确定性。在业内看来，两家公司若在科创板“会师”，境内投资者将获得直接定价大模型核心资产的入口，产业资源也会加速向头部玩家集中，国产大模型的本土资本链与供应链有望就此形成共振。

本文来自华尔街见闻，欢迎下载APP查看更多

欧洲央行上周四宣布上调利率25个基点，为2023年9月以来首次加息，行长拉加德指出此举全票通过，并警示若能源价格持续高企、二轮效应显现，可能进一步收紧；日本央行本周同样宣布加息，将基准利率推至1995年以来最高水平，据彭博对44位经济学家的调查，约90%的受访者预计日本央行年内还将进一步出手。

与此同时，新任美联储主席沃什隔夜“放鹰”引发市场巨震，高盛副董事长Rob Kaplan发出严厉警告：若通胀数据持续顽固，美联储最早秋季重启加息，且极可能连续出手2至3次。利率衍生品市场随即剧烈重定价——交易员将美联储首次加息预期从2027年3月大幅提前至今年10月，2年期美债收益率创下3月以来最大单日涨幅，金价随之跌破4300美元关口。

英国央行今晚预计按兵不动，维持基准利率于3.75%不变，但年内加息预期并未消散。从发达经济体到新兴市场，全球货币政策的底色，正在悄然翻转。

欧洲央行上周四的加息决定全票通过。行长拉加德在声明中指出，伊朗冲突带来的通胀冲击超出此前预期，"等待战事平息后再行动已不再是可行选项"。欧元区5月通胀率升至3.2%，明显高于2%目标，欧元区最新官方预测将2026年全年通胀上调至3.0%，在"严峻情景"下可能触及4.0%。

与此同时，欧洲央行下调了2026年和2027年的经济增长预测，以反映大宗商品市场冲击、实际收入缩水和市场信心受损的综合影响。市场普遍预计欧洲央行将在9月再度加息25个基点，延续本轮紧缩周期。

日本央行本周的加息同样意义深远，日本央行已决定在6月15日至16日的会议上将基准利率从0.75%上调至1.0%，该水平为1995年9月以来最高。日本为此走过了漫长历程：2016年率先引入负利率，2024年3月才正式告别负利率，17年来首次加息。日本5月生产者价格指数同比上涨6.3%，创三年来最快涨速，其中能源和煤炭成本跳涨13.8%，化工品价格上涨13.4%，制造业成本压力持续向下游传导。

据彭博报道，在对44位经济学家的调查中，约90%的受访者预计日本央行将在12月会议之前进一步加息，其中52%预计最可能在12月行动，36%指向10月，另有近四分之一认为最早可能在9月出手。日本央行本次加息，叠加美联储官员释放年内紧缩信号、欧洲央行已率先出手，令全球主要央行步入收紧周期的格局愈发清晰。

英国央行被普遍预期将在周四会议上维持利率于3.75%不变，此举与美联储周三按兵不动一致，但与欧洲央行和日本央行形成明显分歧。

这一判断的关键支撑来自英国最新通胀数据。英国5月CPI同比增速为2.8%，与4月持平，低于华尔街日报调查经济学家所预期的3.0%。Secure Trust Bank首席执行官Ian Corfield表示，"这一读数表明通胀并未实质性偏离轨道，为政策制定者维持当前利率水平提供了信心"；但他同时提示，与能源相关的价格压力仍可能随时间推移进一步渗透。

英国央行自去年12月以来一直按兵不动。尽管本次会议预计维持利率不变，但在全球能源价格高企、主要央行普遍转向收紧的大背景下，市场对英国央行年内加息的预期并未消散。

通胀压力正向美联储政策核心层持续施压。美国5月CPI同比上涨4.2%，为三年来首度突破4%关口，高能源价格是主因——美国家庭能源账单自2025年1月以来已累计上涨约12%。

新任美联储主席沃什已发出抗击通胀的强硬信号，官方PCE通胀预期骤升至3.6%，令市场对加息路径的预期愈发紧迫。高盛副董事长、前达拉斯联储主席Rob Kaplan明确警告：若通胀数据未能降温，美联储最早可能在秋季重启加息，且大概率不是单次行动，而是连续2至3次的系列收紧。

沃什鹰派表态触发利率衍生品市场剧烈重定价，交易员将首次加息预期从2027年3月大幅提前至今年10月。短期美债遭遇抛售，2年期美债收益率创下3月以来最大单日涨幅，贵金属市场随之承压，金价在亚洲交易时段失守4300美元关口。就现行政策路径而言，美联储目前将联邦基金利率目标区间维持在3.50%至3.75%，首次加息目前被认为最有可能落在12月会议或2027年初。

韩国正面临一个颇为独特的政策困境：由人工智能热潮驱动的半导体产业繁荣，正在成为通胀压力的新来源。

韩国央行6月17日发布报告警告，三星电子、SK海力士等芯片巨头发放的异常丰厚奖金，可能引发跨行业薪资竞争，通过消费扩张和劳动力市场传导将压力扩散至更广泛领域，央行行长Shin Hyun Song将其描述为潜在的"通胀自我强化"机制。韩国5月CPI同比上涨3.1%，创逾两年来最快增速，中东战争带来的能源冲击进一步加剧了压力。

Shin Hyun Song上周明确表态，央行应"在为时已晚之前"启动加息。在5月底的政策会议上，七名委员中已有两名明确倡议立即加息。韩国央行已将2026年通胀预期从战前的2.2%上调至2.7%，多数预测显示韩国基准利率将从目前的2.5%上升至年底的3.0%。与此同时，由半导体股票拉动的基准Kospi指数自2025年初以来涨幅已超过三倍，年内涨幅高达84.2%，令决策者在遏制通胀的同时还需兼顾过热的资产市场。

能源冲击与美元走强的双重挤压，正迫使新兴市场央行加速行动。

印度尼西亚央行本周召开紧急临时会议，宣布意外上调利率25个基点，旨在捍卫跌至历史低位的印尼盾汇率。印尼盾本周触及18213比1美元的历史最低水平，成为全球表现最差的货币之一；雅加达股市年内跌幅高达31.9%，令本已承压的投资者雪上加霜。上月，印尼央行已在另一次意外会议上加息50个基点，两次合计将基准利率推高至5.50%。

在亚洲其他地区，印度卢比同样承压，曾触及近96.89比1美元的历史低位附近；泰铢、韩元和日元均面临持续贬值压力，三国央行不得不相继介入外汇市场干预。澳大利亚央行年内已三度加息，将基准利率推至4.35%；新西兰央行则明确表示降息周期已告终结，最早可能在7月或9月加息。

从欧洲到亚洲，从发达市场到新兴经济体，这一轮货币政策的同步收紧，正以罕见的广度与深度重塑全球利率格局。对于投资者而言，随着各国央行相继转向鹰派，此前推动资产价格上涨的宽松底色正在褪去，利率风险的重新定价才刚刚开始。

本文来自华尔街见闻，欢迎下载APP查看更多

过去几年，理想贡献了中国汽车行业被模仿最多的一套产品方法论。如今，理想又要去探索未来了。

6月17日，理想办了一场Livis Day的AI与具身智能发布会。这次没有行业熟悉的冰箱、彩电和大沙发。取而代之的是VLA、Agent、世界模型、3D ViT、自研的马赫芯片。

这些内容更像应该出现在OpenAI、Google或者英伟达的开发者大会上，很多人看完Livis Day后的第一反应是：理想怎么突然开始讲一些听不懂的东西了。

对于一家年销量正在冲击第二个百万辆规模的车企来说，这些内容看上去甚至有些“不务正业”。但理想讨论的已经不只是汽车。或者说，汽车已经不再是故事的全部。

要知道，当下国内汽车市场大盘收缩，1-5月的销量同比下滑近两成，玩家们纷纷保销量、保交付的情况下，理想如此激进的行径，反而是想破内卷，逃出价格战的裹挟。

回溯来看，过去几年里，中国汽车行业几乎所有企业都在变得越来越像理想。

理想几乎贡献了行业最成功的一套产品方法论。从增程到家庭SUV，从六座到冰箱彩电大沙发，越来越多的新车开始长成理想的样子。曾经被视作另类的选择，如今已经成为主流。

这是理想最成功的地方，也是理想必须寻找下一个答案的原因，因为所有产品创新都有一个宿命：一旦被验证成功，就会被复制，赖以成功的护城河就开始被消解。

十年前，马斯克已经经历过一次类似的过程。

当越来越多车企开始学习特斯拉如何造电动车的时候，马斯克把注意力转向了自动驾驶；当越来越多公司开始追赶自动驾驶的时候，特斯拉又开始研究机器人；而今天，特斯拉自动驾驶负责人Ashok Elluswamy在CVPR上谈论的已经不再是汽车，而是一个统一的机器人基础模型。

Ashok说，自动驾驶、Optimus机器人和智能体，本质上是同一个基础模型在不同身体上的投影。重要的是那个能够理解世界、进行推理并采取行动的统一模型。

如果把这场演讲与几天前理想的Livis Day放在一起看会发现，当整个行业都在学习理想的时候，理想开始学习特斯拉了。

首先是大脑，发布会后的媒体沟通会上，基座模型负责人詹锟被问到，为什么理想如此强调语言模型能力，他向华尔街见闻揭示了理想的真正目标。

“我们认为越往L3、L4走，解决的问题越来越接近90%、95%、98%之后的问题——那些你从来没见过的问题，需要模型具备像人类一样思考的能力。”

过去十年，自动驾驶行业最主流的逻辑是规模化学习，让模型见更多的数据，走更多的路，覆盖更多的Corner Case，本质上是一种经验主义，但理想正在讨论另一件事。

如果汽车遇到一个从未见过的场景怎么办，如果训练集里没有答案怎么办？为了说明这一点，詹锟举了一个例子。“比如出现一头鸵鸟和一头大象时，应该怎么处理？如果是鸵鸟，碰一下没事；如果碰到大象，碰一下可能就会翻车。”

对于人类来说，这是常识。对于机器来说，却不一定。因为常识背后并不是记忆而是理解。于是理想开始把注意力从感知转向思考。

詹锟表示，“人和动物最大的区别，是人以语言作为符号进行高层次的思考。这些能力来自于语言，而不是来自于视觉。”

这其实已经不是传统智驾公司的表述方式。过去行业讨论自动驾驶，关注的是摄像头、激光雷达和算力。而理想开始讨论语言、推理和思维链，实际上是在重新定义智能。因为在理想看来，未来汽车最重要的能力可能已经不是“看见”。

理想对Agent的定义也指向同一方向。

很多人把Agent理解成一个更聪明的车机助手。但从理想的表述来看，它显然不只是一个聊天机器人。詹锟谈到Agent时提到几个关键词：记忆、规划、推理、执行。这些能力看似属于Agent，实际上也属于自动驾驶，甚至属于未来所有机器人。

因为无论是帮用户规划一天行程，还是帮用户规划一段驾驶路线，本质上都是同一种能力。理解意图、拆解任务、执行任务。

MindGPT、Agent、VLA、世界模型，看起来是几条独立业务线。实际上指向同一个目标，一个能够理解世界并采取行动的统一智能体。

詹锟说，“我们把物理机器人分成三个关键任务。一是具身交互，二是移动，三是操作。”

随后他补充道：“车里面包含了Language语言智能，这直接迁移到机器人的概率是非常大的——交互、思考、长程规划。”理想已经把汽车放进具身智能的坐标系里重新审视。

过去行业认为：汽车是交通工具，机器人是机器人，Agent是Agent。而在理想和特斯拉越来越接近的世界观里，它们正在逐渐融合。

在这个框架里，汽车、Agent和机器人共享同一个大脑，分别负责移动、交互和操作。理想要做的，是同时具备这三种能力的统一系统。

回头看Livis Day上发布的每一项技术，都在给这个统一智能体补拼图——语言智能、交互智能、行动智能、物理世界的理解能力。

如果说詹锟谈的是大脑，那么谢炎谈的则是神经系统。

也有很多人把芯片的问题理解成成本问题。但谢炎对此反复提到一个词：全栈。“从L2往L3走的时候有很多问题，今天没有供应商可以解决。要解决未知问题、想达到更高标准时，领先企业一定会选择一起做。”

在谢炎看来，未来的竞争已经不再是简单采购零部件，而是系统能力竞争。模型需要与芯片协同、芯片需要与系统协同、系统需要与车辆协同，最终形成一个完整闭环。

这其实也是特斯拉过去几年一直在做的事情。Dojo、自研芯片、FSD、Optimus看似分散，背后却是同一种逻辑。把关键能力掌握在自己手里。因为当行业进入无人区时，供应链已经无法提供现成答案。

谢炎后来的一句话点出了理想这次转型的根本原因，“车的内卷就是因为同质化。要摆脱同质化，就是要做别人不好做或做不到的事。”

某种意义上说，理想今天越来越像特斯拉。它们争夺的已经不是下一代汽车，而是下一代智能终端，理想要把汽车公司，变成一家真正的AI公司。

以下是与理想汽车CTO谢炎、理想汽车基座模型负责人詹锟的对话实录：

问：理想汽车这几年经过很多次智能化的体系调整，最终把芯片、基座模型和智能辅助驾驶整合成统一的（团队），您作为CTO视角来看，理想的“三位一体”和特斯拉的FSD、HW、xAI相比，差异化的护城河在哪？是组织效率，还是技术路径的差异？

谢炎：跟特斯拉相比，大家出发点是一样的。如果想围绕AI做出强竞争力有两方面。

一是需要快速迭代。今天的AI发展很快。从芯片领域来说，英伟达也迭代很快，不仅是自己迭代快，还不断收购公司补充自己的技术，说明这个行业竞争非常激烈。迭代快是我们进行组织整合的一个目标，几个团队更紧密地合作，迭代速度会上去。

第二是，需要垂直整合。理想汽车推崇构建垂直整合的竞争力。在这个时代，如果没有自己的芯片，只做自己的模型，那么如果遇到需要芯片和模型联合设计，才能把问题解决得更好的情况下，我们就失去了这样的机会，特别是一些大的创新。

我个人观点是，当技术发展到平台期时，这时分工会很细。比如PC发展到2010年，操作系统归操作系统、应用归应用、芯片归芯片、制造归制造。但是如果技术处于高速发展期，斜率非常高时，你会发现很多公司又回过头来做整合，因为需要在技术边界上把分工打破，重新做整合。

比如英伟达之前只做芯片，现在英伟达连封装和机架都开始收购公司来做。所以英伟达要解决更进一步的问题时，需要上下游一起来做，如果分成多家公司来做，其实效率是非常低的，甚至是不可能的。

英伟达做Vera Rubin（AI超级芯片平台）时，可以看到不仅是多种处理器，而且机架、散热技术、互联技术都是英伟达来做。虽然英伟达是做计算的公司，但现在全拓展开了。我认为技术快速发展的时代，这是有志于领先的公司肯定要走的一条路。

当然这个投入肯定不小，很多公司不具备这种能力。在我们团队，我的背景是做过操作系统、架构、应用层等AI各个方向，所以我们的整合效率相对更高一些。

除此之外，组织规模小一点也是优势。如果需要高密度、高整合度，组织规模不能太大，如果组织规模太大，就会导致很多部门墙。这是为什么我在公司强调要保证比较小的组织规模的原因，就是想让大家合作得更紧密些。

问：数据是这个时代最宝贵的资产。随着理想车队规模的跃升，从理想内部来看，数据的边际效应是不是出现了衰减？我们是怎么定义价值数据的？

詹锟：现在大家对于自动驾驶来说，数据的理解逐渐收敛了。

第一，数据的量要足够大，数据量足够大的本质是希望收集到更多的Corner Case。Normal Case现在供应商都已经可以采集了，但采集Corner Case非常难，必须要足够大的车队才行。

基数大，但不是说把所有数据都传回来，这没意义。现在大家有很多方法在车端做出很好的neural trigger（神经网络触发器），来判断这个场景是难场景还是简单场景，然后把这些关键数据传回来。这也是现在特斯拉很强的重要原因之一。

对我们来说，我们现在规模已经很大了，主要来源于我们很早就做了很好的基建统一。从理想ONE开始就可以回传数据了。从L系列开始是全栈所有数据回传。现在到了Livis具身智能更强了，现在回传的数据可以理解为达到了L4自动驾驶的公司采集车队的数据质量，360°点云和摄像头数据做了精准的对齐，这些数据给了我们长尾收敛、思考问题的机会。

第二点，指行为质量高。因为现在大家逐渐收敛到端到端的范式，无论做VLA、世界模型还是Vision-Action都可以，但是你一定得知道Action的行为，这时候行为质量就非常重要，行为的干净程度、一致性很重要。这对于使用众包车队的公司来说很有挑战。

因为每个人的开车习惯不一样，怎么在这么多的众包用户中找到一致性，是我们努力做的事，而且也看到了很多机会点。这相比于采集车队来说，难度就在这里。采集车队的众包行为没那么好控制，但我通过算法可以迅速把好的行为留下来，坏的行为去掉。

比如你每次过红绿灯时，是不是稳定的加速度；遇到丁字路口时，能否稳定减速；每次超车时是否合理变道，这些都需要清晰的判断。

正因为我们有很大的车队，可以筛选出很多高质量的用户行为和用户数据。我们用后面的方法来筛选，就简单很多。因为他在发起行为时，我不确定他的行为好不好。但他开完以后，通过看他的后车距离、变道幅度和角度，就知道是否合理。所以我通过后面完整的数据来看，就可以知道他的每一个行为是不是合理。这对于我们来说非常重要，也是我们现在投入最大力度做的事。

现在你问数据规模上去以后的边际效应有没有衰减？

首先，只要模型上去了，只要我们能力往100分去够，一定是个“对数曲线”，一定是慢慢衰减，不可能线性增长，哪个公司做AI都不是这样的。但是我们的数据质量，能随着车队规模的增大而增长，其实也在抵抗这个对数，我们有更多的机会采集到我们想要的数据。虽然确实越往后面，数据收敛的作用就没那么快了，但我们也希望通过规模，把它的速度加起来。

问：要达到特斯拉FSD V14的效果，我们还需要做哪些工作？

谢炎：其实我们的整体能力，内部评分比之前高很多，这个模型现在的上限非常高。真正难的问题是我们要扩大模型的感知与认知能力的上限。你看这个版本的模型在很短时间内，已经达到了量产水平。

很多公司都是先发芯片，再花一段时间适配上车。我们不仅提供了高阶的智驾、城市NOA，而且比上一版本能力强很多，在非常窄的3米路况上也可以通行。

詹锟：业界都说要追上FSD的水平，但不一定能追上。我认为追上FSD有两个层面。

第一是基础体验，具体是三方面：安全感、效率、舒适度是否能达到FSD的同等水平。相信大家如果开过FSD，它的安全感非常足，效率很好，舒适度很好，这是它的基本功。我不一定跑很难的路，但这些基本功可以达到这个水平。

第二是能力，这一点也很难追。FSD有哪些能力是别人没有的？比如特斯拉会礼让特殊车辆，有极窄通行时的感知精准度，它会识别交警指挥，这些能力非常强。如果我们能做到这两项，就能追上FSD。

在基础体验上，这需要非常好的评价体系。我们希望从自己的测试团队和产品团队开始，跟用户和媒体一起想，怎么去评价我们的模型——它的安全感、舒适和效率怎么平衡。这里有很多方法，再加上我们芯片性能还没完全释放，我们可以效率更高、反应更快。

第二个关于能力，这里有架构升级的机会。为什么别人没有、只有特斯拉有？这里有我们的一些思考。我们会去做这样的改进，把这些能力提升上来。

大家想想，这些能力是怎么来的？为什么别人没有？可能是以前的范式限制了这些能力，有架构的原因，有数据的原因。它怎么就能找到这么多倒车数据？这是采集的还是合成的？怎么把这些坑坑洼洼的信息传回去？这在架构上有很好的设计。我们在这个层面做了很多尝试，目前也有一些初步的实践结果。

问：五年后或者再往后看两代产品，理想车内的算力中心有没有可能全部使用自研的马赫芯片？

谢炎：我们就是这么思考的。虽然业内有一个说法叫“舱驾一体”，我们认为舱驾一体最核心的是AI算力部分，其他部分是不是一体没那么关键。因为座舱系统跟AI智驾系统可以完全独立，但AI算力可以集中在一起，这样分配效率会高很多。

所以我们路线图的最终形态是车内一个AI计算中心，所有AI任务都可以到这个计算中心去计算。就像笔记本上跑龙虾一样，AI不在笔记本上，而是在云上，车里也类似，有一个Token服务器。

这个Token 服务器的优势：第一，效率非常高。第二，能做到不同任务互相隔离、互不影响。比如智驾任务的确定性——无论是内存还是带宽，能够保证不被其他任务干扰，这是软件和硬件一起设计才能实现的。只靠芯片提供商做不到这一点，需要软件跟硬件一起配合设计。

我们的优势在于，可以把一些计算单元完全隔离给智驾用，另一部分给其他任务用。如果是通用的SRT（安全可靠传输协议）架构，它不能完全做到这一点，因为这些东西藏在硬件里，而硬件并不知道上层应用的语义。它不知道下面跑的线程是智驾任务还是其他任务，或者说它做这些事情的代价非常高。就像我昨天发布会说的，我们走向数据流架构有很多原因，有效率的原因，也有AI场景下多任务需要并行运行、对时延非常敏感、对资源确定性要求很高的原因。

问：之前一直是冯·诺依曼架构指导了整个芯片体系，现在我们第一次看到动态数据流架构用起来了，四年前理想看到了什么？整个链条要从头到尾全部变短才是真正的全栈优化，背后的组织是怎么实现的？

谢炎：四年前，我们给自己立了一个很高的目标就是自研。我们为什么要自研？我和李想有一个非常一致的意见：自研不是为了证明自己有能力做，而是真正去解决问题。

四年前我们看到的问题：一是算力成本非常高，而且会不断变高，因为车内需要越来越多的AI算力。二是我们希望通过自研做得更好。当时我们用英伟达和地平线，我们给自己定的目标是，如果做不到比外购芯片更好，那做的意义不大。当时定的目标是4倍Orin的性能。

如果要达到这个目标，背后有一套逻辑——你要做得比英伟达更好，用英伟达的技术路线是不可行的。因为英伟达比你早启动几十年，积累比你深，资源比你多几个数量级。你唯一的机会就是跑另外一条路径。

在这个思路的指引下，我们开始看其他技术路线。就是扔掉所有以前的架构依赖，回到本质，从第一性原理看AI计算本身还有什么机会。

我在读研究生时，我导师高光荣教授是数据流架构的奠基人之一，他在MIT时就做这个事。当然在通用计算时代并不成功。我们发现他的思想本质是：你要做的是计算，冯·诺依曼架构相当于帮人类做一个中介去实现计算，中间有翻译层，这个翻译帮助人类更好地去编程，但这个中介和翻译会降低效率。

如果回到计算的本质，可以把中间的翻译拿掉。当然的确很少有企业做过实践，中国也是如此。所以大家看到的机会都是一样的，关键是如何极致地解决这个问题，从第一性原理来倒推。我们四年前定了这样的目标，并且觉得是可行的。

关于组织协作。为什么垂直整合比较重要？因为要做到这一点，只有硬件团队不够，还必须有模型团队。我们设计芯片时，软件团队、模型团队坐在一起分析。而且大家比较兴奋——之前很多做软件的人根本没有机会直接对硬件团队提需求。

在组织上，我们希望以某一个核心的、有挑战的目标为中心，围绕它构建项目团队。实际团队是分开的，但像一团篝火一样，有硬件的人、有软件的人、有模型的人，大家在大目标下一起共创、一起实现。我们内部越来越多的项目会往这个方向走。

问：马赫M100为何没设计PCIe接口，是否因为M100是数据流架构的AI推理芯片，所以相较其他友商的自动驾驶芯片，对带宽需求没那么高？

谢炎：我认为未来智驾需要更多的算力。回到2022年我们设计芯片时的目标，它的性能是当时最好芯片的4倍，我们觉得够了。PCIe控制器本身也占一些面积和成本，所以就没有加，觉得四年以后怎么也够了。

某种程度来说，我认为加上会更好，因为有可能未来智驾需要更多的算力。你可以想象当未来的智驾能力更强时，也许不是几年，也许是两年后，需求就不一样了，这也是我们设计未来芯片时会考虑到的点。

你看昨天发布的场景，今天有一些云端的大模型最终要落到本地，特别是跟舱内视觉相关的。很多人会敏感，觉得舱内摄像头把车内信息都上传到云端不安全，所以这些信息应该在本地处理。比如你在地库跟一辆车像跟机器人一样交流，而地库没有信号，所以你需要很强的本地大模型，几B到几十B的模型。所以会有另外一颗芯片，更好地承担这部分工作。

关于第二个问题，我们对带宽的要求会低，现在HBM很火，很多人觉得带宽越高越好。计算，带宽，SRAM等等都是需要晶体管代价来实现，最终的设计都是成本/综合性能等多方面的综合设计考量后的一种选择。

不同的架构设计，仅仅靠一两个指标来做简单对比，既不合理也不专业。这就像打拳击比赛，高有高的优势，体重大有体重大的优势，但不是由单一指标决定了胜负，最终比的是拳击这个运动的结果。泰森，既不是最高也不是最重的，却是拳击最强的那一个。

M100 通过编译器显式编排数据搬运与计算时序，绝大多数张量数据在片上流动完成算子运算与中间结果传递，大幅减少了对于直接进出 DDR 的访存次数，因此对外部 DDR 带宽依赖更低。

问：为什么现在的大算力芯片方案，比如英伟达、小鹏、理想自研的这些，都没有做芯片级的舱驾融合，反倒是高通在低算力的骁龙8650上做了这件事？

谢炎：从本质上讲，舱和驾是两个独立系统。特别是对高端的L3往L4走，智驾需要一个更高确定性的系统，内存是专属、计算资源是专属，这时融合的意义就小了很多。因为资源不能实时切换，实时切换会降低确定性。如果变成越来越独占的方向，融合的价值就不大了——你只是把芯片拼在一起，但资源还是两份，并不会带来成本的降低，甚至会影响效率。

对低端来说，L2对切换的实时性要求不高，有一部分确实可以有限地共享，但我认为也不多，未来会证明这一点，因为今天只是个概念。

我认为真正的舱驾融合，是舱需要的资源和驾需要的资源在物理上完全是一块，可以动态共享。不是形式上放在一起，但实际切成两半。融合就像你的笔记本跑浏览器和其他应用程序，笔记本的内存完全可以共用。

你看现在那些舱驾融合系统，它肯定还是分开的，今天做不到一会儿跑这个一会儿跑那个。如果做到的话，融合的价值确实很大，但做不到的话，只是减少一定的成本，只是省了一次封装的成本。对中低端芯片来说这部分钱可以省，但也省不了太多。

我的观点是，越往后走智驾越来越高端，舱驾融合这件事可能意义并不大。如果把这些芯片做得更近一点，在一块板上做成很小体积的集成化方案，这是可以的，并不一定要做成一块芯片，也可以多块芯片放在一起。

问：现在的智能驾驶模型中还有“L”的部分吗？

詹锟：现在自动驾驶的架构，大家都会有一个共同的趋势，就是把VLA和World Model整合在一起。无论做VLA还是World Model，里面的Prompt都要用Language。

我觉得更本质的问题是马赫VLA到底是Language Based Model还是Vision Based Model？昨天说的机器智能和语言智能，我觉得这可能正好是两个不同方向的base。

机器智能来说，我觉得Vision Based是更合理的，它是对空间理解、对3D空间的感知、对环境服务是更合理的。Language肯定有用，对理解环境、理解交通、理解指导、理解复杂的思考决策都是有价值的。

马斯克一直在说要把Reasoning（推理）上车，虽然还没上，但大家都在往这方向做，而且Language一直是我们很重要的一个中间监督项。

但对于语言智能来说，Language Based永远是最好的，没有哪个语言智能是用Vision Based的。但Vision必须要，否则怎么能看到车内你拿了手机、拿了电脑呢？这个问题就是你以哪个为base。从长远来看，基于Vision和Language原生的基础模型，可能是长远的未来趋势。

谢炎：如果要走向L3、L4，要解决更泛化的问题时，你的模型需要具备像人类一样的思考能力。

如果它只有Vision和Action，它有很多数据，碰到分布以外的情况就会不知道怎么办。比如出现一头鸵鸟和一头大象时，应该怎么处理？如果是鸵鸟，碰一下没事；如果碰到大象，碰一下可能就会翻车。这只能通过大量的数据，给它几十亿公里的数据。

而一个动物，哪怕学会了所有常见情况，碰到这种从未见过的情况完全不会处理，它不知道做什么选择是对的。

我们认为越往L3、L4走，解决的问题越来越接近90%、95%、98%之后的问题——那些你从来没见过的问题，需要模型具备像人类一样思考的能力。而得到像人一样推理和思考能力的来源是语言模型。

人和动物的最大区别，是人以语言作为符号进行高层次的思考，这些能力来自于语言，而不是来自于视觉。我们认为越往后走，语言的重要性会越突出，这也是未来需要很大算力的原因。因为如果只有Vision-Action，算力到了一定程度就够了。

但如果要往后走，模型需要理解各种场景，比如有个警察在做手势，你要理解他是让你走还是不让你走，这不是靠收集数据或生成数据就能解决的问题。

问：基座模型怎么从车扩展到其他终端？

詹锟：你说车的自动驾驶怎么迁移到机器人上？我认为这个gap很大。切换到机器人的导航没问题，但如果切换到操作上，模型不是那么一样。或者说基座只是一个非常基本的，它后面一定是千差万别，这一点要确认。

车里面包含了语言智能，这直接迁移到机器人的概率是非常大的——交互、思考、长程规划。DeepMind Robotics团队有个ER模型，就是来自Gemini的，把语言思考上的能力从通用场景迁移到机器人上。

我们把物理机器人分成三个关键任务。一是具身交互，我们跟它沟通、交流、思考，让它做任务规划。二是移动，自动驾驶能不能从A点到B点，无碰撞、安全、高效地到达目的地。三是操作，狭义的具身，是一个独立任务，是开放性场景，业界很多人都在探索，包括硬件、数据都是不完善的。这三个任务任意的组合，都会形成非常有价值的商业模式与价值形态。

我们的车有机会把这三点都涵盖。涵盖以后，我们想长成任何一个物理的具身本体都有非常大的机会。你说我们有没有共同基座？我们肯定有云端的共同基座。但这个基座是不是放在任何任务上就能直接用？我觉得比较难。

但它作为基座，提供海量的数据支持、训练环境，能提供基模的baseline，帮助你快速做下个任务的收敛，这是很有帮助的。所以这也是我们成立基座模型团队的原因，我们会有基座来支撑各个业务，但每个业务有自己的特点。

问：自研芯片背后需要什么条件？目前自动驾驶迭代速度很快，芯片要持续迭代的话，需要什么样的条件？

谢炎：芯片，先期投入的确不小，可能一年要好几亿。第一个条件是达到一定的营收规模。对车企来说，营收规模一年1000亿以上，研发投入至少10%，就有大几十亿到上百亿，每年投钱研发芯片是可以的。第二个条件是，你研发芯片解决的问题，要能让你的产品能力更强。

这里有个误区，很多人说芯片要有很大的出货规模才行。其实芯片的成本和面积相关。一辆车上的芯片，比如Livis是2颗马赫M100，加起来800平方毫米。而一部高端手机芯片大概100平方毫米，所以一辆车的智驾芯片相当于8台手机的芯片面积。

这样算下来，大几十万辆车需要的晶圆面积非常大，完全可以摊薄成本。所以成本不能仅用颗数来衡量。有的IT公司说一年出货好几亿颗，但其实每颗面积非常小。不能脱离背景只谈量，这是不完整的。

我们在马赫M100立项时算过，做这个芯片不会让公司的效益变差，而是会变好。我们不是为了证明自己能做而做，不仅性能要做到最好，在成本上也要帮助公司省钱。

问：自动驾驶的Scaling Law似乎没有起来。接下来理想要拉大差距的话会做什么？

詹锟：一年前到现在，智驾格局确实发生了变化，感觉差距变小了。但从另一个角度看，从一年前到现在，很多玩家已经不在了，现在至少智驾的玩家收敛了。

有几个原因。一是智驾是重投入，它不是把一个公司的算法带到另一个公司就能转起来，它是一个系统，涉及到系统、人、技术、算力、平台，这是很大的壁垒，无法在短期内建起来。

为什么你感觉第一梯队差距没拉大？这里要思考，我们如何建立护城河，靠什么能让别人无法快速追上。我认为要参考特斯拉。

第一，全栈才能建立真正的护城河。你的算力、芯片、基础设施能不能完全统一在自己的可控范围内，这很重要。如果你只是算法，中美之间的人才流动很快，很容易被迁移。但如果你是全栈的，迁移成本很高，也很难。

第二，你愿不愿意把精力投入到苦功夫上，比如精细地洗数据。这里有很多细节，这些细节并不高大上，但这些一点一滴的细节才能形成护城河。我们也会在这方面持续加大投入，逐步把护城河建起来。现在已经有全栈自研的机会了，我们会加大投入，把这些苦功夫做下来。

虽然第一梯队之间的差距感觉变小了，但大家跟特斯拉的距离并没有缩小，特斯拉还是很强。如果我们完成年底追上特斯拉的计划，是有机会脱颖而出的，也是我们一直想做的事情。

问：未来有多少车企会真正做成自研芯片？在当下芯片产业链快速发展的情况下，哪些环节是被加速的，哪些过程是必须要经历的？

谢炎：你的问题分两部分。第一，为什么这么多车企都发布芯片，是不是这件事很容易？我想说其实挺不容易。

我们自己做这颗芯片花了4年，在新势力里我们启动最晚。大家要看发布芯片后，最终结果是最领先的模型什么时候真正落到车上。从这个时间来看，除了我们以外，其他家一般要5年时间甚至更长，我们是最快的。

做一颗芯片和做一颗领先的芯片，难度又是不一样的。我跟李想说过，我最担心的事不是做不出来，最糟糕的事情是做出来了但它不领先，那公司这个钱就白花了。

我们看业界，并不是每一家公司都能做到。现在很多公司宣布做了，但并没有真正落到车上。要看它什么时候落到车上，什么时候把最高端的智驾用自研芯片跑起来，并且还能做好用户体验。

再者，看是不是所有车都能用。有的公司为了证明自己能用，只用了一款车型，出货量只有几千辆，其他车还是用外购芯片，说明它也知道这件事并没有帮它解决真正的问题。

另外一个指标是能不能持续迭代。做一代芯片不说明问题，最终要做出第二代、第三代。很多公司只做了第一代，第二代就不做了。有些公司也可能买个IP就做了，也可以宣传自己自研。

但我们不是，因为我们连论文都可以看到，这个世界上没有第二个芯片跟我们做的一样，完全没有，甚至连这个思路都是我们提出来的，没有任何已有的IP可以follow。

问：在芯片产业链里，哪些环节是可以被加速的，哪些环节是必须要自己踩坑的？

谢炎： 有些技术是成熟的，比如偏后端的部分，有点像造房子，你找工程队，比如垒砖，是可以找到供应链帮你加速的。但是真正要做到量产、做到最领先，设计肯定要自己做，软件要自己做。如果你连软件都外包给别人的话，你不可能迭代芯片性能。当然生产一般都是fabless，大家不会自己再去造工厂，这是另外一回事，生产今天是成熟的。

回到国内，我们会越做越深。如果做芯片要持续领先的话，仅仅做芯片设计，做成GDS2（版图数据库），交给晶圆厂去做流片，这也不够。很多部分要跟封装厂联合设计，要垂直整合。有些技术不仅仅是货架商品，由别人提供就可以，你要深入到封装制造领域才能领先。我们不会停留于此，会越做越深。

问：这套架构能不能很好地应对Agent爆发式的流量？模型的通用性是一方面，带宽和并行能力能不能应对Agent的爆发？

谢炎： 您可能想问它的通用性问题。我们芯片第一个重要的业务毫无疑问是自动驾驶，但我们没有做成只能跑一个模型。它的数据流可以跑任何模型算子，不仅可以跑自动驾驶，也可以跑语言模型，昨天我介绍了我们能跑Qwen 35B。

我们是个端侧芯片。作为端侧芯片，它的服务请求不会很多。如果我们设计一个云端芯片，是同时服务1000个用户。但端侧芯片的要求不一样，它服务的对象往往只有一两个任务，它要求的是更短的延时，而不是服务更多的对象。如果是云端芯片，架构还是数据流，但设计和端侧芯片就不一样了。

问：马赫M100芯片对编译器的要求非常高，编译任务非常重。跟传统编译器相比，有什么不一样？

谢炎：如果你学计算机会知道编译器是计算机里最难的课，比操作系统还难。

数据流和传统的冯诺伊曼架构不同。冯诺伊曼架构是为了适应人类的思考，把计算抽象成顺序的指令，这样人可以一步步做推理。而数据流是大规模的并发，多条数据流同时在进行，它不仅在时间上往前推，在空间上也要布局，叫时间空间编译。再加上我们没有指令顺序，基本上是用消费者-生产者的模式，大量的消费者和生产者在同步进行，这需要完全不一样的编译框架。我们做这个事花了大量的时间。

我们对人才的要求是，不仅要懂编译，也要懂架构。反过来讲，做硬件的人也要懂软件编译器怎么用。所以我们的编译团队也是架构团队，这个芯片是软件、硬件、架构团队一起设计的。

我非常同意Jack B.Dennis教授的一句话，他说现在计算机分工太细了，硬件的人不懂软件，芯片的人不懂编译器，软件的人不知道硬件怎么work。

大家没有意识到，当你同时看到硬件与软件，本质就是计算机完整的图景，当你看到所有东西时，你可以创造更大的创新。看计算机理论的话，它本身不分硬件软件，本质就是如何让一个计算任务完成。为什么后面分出了硬件与软件？因为有一部分用软件来抽象效率更高，有一部分用硬件来抽象效率更高。但当你需要更大的创新时，应该打破这个边界，重新看计算机是怎么设计的。

今天美国非常创新的公司，他们思考的东西是从根本上打破软硬件的边界——把传统认为是软件的东西放到硬件上，把传统认为是硬件的东西放到软件上，这样才能得到划时代的创新。如果原来怎么做，今天还是怎么做，性能的提升速度远远赶不上需求。今天摩尔定律越来越弱了，缩放定律已经失效了很多年，会拖慢整个AI发展的速度。

问：马赫M100芯片在理想的定义里是一款AI推理芯片，而不是AI训练芯片，这两者的边界是什么？在AI训练领域英伟达已经很垄断了，跟它做竞争是不是很难追上？

谢炎： 我认为AI计算的算力市场，最终会出现99%的推理，训练只占很小的部分。从这个角度来讲，今天中国和美国大量的公司在为了更高的效率专门做推理芯片，也是这个原因，因为最终推理市场更大。如果推理市场没起来，说明AI没有真正落地。

从我们的角度而言，我们公司先要解决推理问题。训练的话，用市场上好的训练芯片，目前够我们用了。

从经济模型角度来讲，训练要的是效率，它对成本不太敏感。训练要的是在足够短的时间内迭代。至于成本高了50%，甚至高了100%，也没关系。英伟达最高端的芯片，很多公司以翻倍的价格也愿意买。

但是推理芯片不一样，它要同时考虑成本与效率，而且考虑成本的比重非常高。从解决公司和业务问题来讲，推理问题更大，它跟我们想要达到目标的gap更大。如果我们做一件事的话，我们就解决机会最大的问题。

问：跟友商相比理想的领先性体现在哪些方面？

谢炎：我们为什么敢说自己是世界第一呢？因为我们跟市面上标准可以获得的芯片做对比，它是英伟达Thor-U三倍的性能，对于上车时间我们已经做得很快了。做芯片基本要5年时间，而我们基本快4年时间就上车，而且把所有模型都跑起来，这已经很快了。

问：去年年中，为什么还要重新做编译器开发？去年年中迭代的那一版主要是解决什么问题？

谢炎：编译器工作不是做完就结束了。从流片前、回片后、部署上车后，一直会持续迭代，因为编译器的核心任务是把硬件效率发挥出来，需要一版一版不断优化。去年年中那一版主要是把性能优势充分发挥出来。

我在20多年前学编译课时，老师第一课就讲：编译问题是个NP-Complete（NP完全）问题，是计算机理论里最难的问题之一。这种问题你并不知道最佳性能点在哪，但可以不断逼近。所以“跑通”跟“跑到最好”距离非常大，而且最好永远不可及，只能不断逼近。

我们在跑马赫VLA模型时，性能已经是ThorU的三倍了，但我们觉得依然有潜力可挖，依然在继续迭代编译器。

问：3DViT我们大概是什么时候开始研发这个技术路径的？

詹锟：3DViT证明了2D视觉也能学会完整的3D空间结构，证明了Scaling Law在3D空间的全新可行性。

第二，之前团队一直在往这方面探索和尝试，中间做了很多方案的取舍和权衡。最后因为我们看到3D ViT对空间深度的理解、物体精细度的理解能达到激光雷达级别的效果，我们去年才正式从研究探索阶段转入产品开发阶段。

在这个过程中，我们把它变成一个真实项目，放到最新的马赫VLA里面来。原来马赫VLA不一定使用3D ViT，但有了会更好。3D ViT后续还有更大的改进与优化空间，这也是追上FSD V14很重要的一环，中间的视觉信息能不能表征清楚，这是非常关键的。

3D ViT是一个纯视觉方案，它不依赖于激光雷达。它基于视觉，把空间建模成带有色彩信息的全彩点云，基于更强的视觉编码器和空间视觉表征，做到更丰富的3D理解。

能不能达到激光雷达的效果？我们是有信心的。因为我们最新所有的车都标配了激光雷达，激光雷达对纯视觉方案有非常强的监督和校验作用。一定要达到跟激光雷达完全一样的精度吗？不一定。特别是看远处时，人也分不清大货车是20.8米还是19.8米。

但在极近处，人对深度的感知非常敏感，我们也是如此，在极近处能达到激光雷达的水平，这是上线的标准。另外，理解空间以后更重要的是做出更拟人的行为决策。

问：之前的CNN（卷积神经网络）模型映射到数据流架构会比较好，但现在模型进化到了Transformer和MoE（混合专家）结构，芯片是否还适合模型架构的进化？

谢炎：我认为数据流架构比冯·诺依曼架构更贴近计算的本质。冯·诺依曼做的事情是为了人类编程方便，抽象了数据的顺序指令流，GPGPU也是多个指令流，做SIMT。为了人类编程方便，用指令流顺序表达，又要有高并行度，所以需要做很多硬件额外开销，把并行度重新挖出来。

我认为数据流最重要的一个思想是：假设对人类编程的方便性降低，我靠很强的编译器，甚至靠AI编译器，能不能拿掉这部分额外开销？CPU和GPU架构里有大量的晶体管开销用在缓存一致性，比如指令重排序、分支预测。你看一个CPU，30%的晶体管开销在这上面。如果不用冯·诺依曼架构，这些都可以拿掉。

缓存一致性也是同样的道理，不仅缓存一致性本身会占用晶体管规模，更大的问题是，你为了做到缓存一致性，并行规模不会特别大。如果把可扩展性拉起来的话，缓存一致性就是个灾难，这是不可行的。早期有研究表明，8到16核做缓存一致性就非常困难了，时间开销很大，效率开销也很大。

讲到本质，就是这些额外开销能不能拿掉。这样做的代价就是编译难度会变大，调度难度会变大。在过去这不可行，首先并行度没那么高，除了高性能计算，就是所谓的超级计算机，模拟核爆炸或预测天气，这种场景并行度非常高，这种场景下用编程模型是有意义的。

AI有大量的并行，需要分配到不同的计算单元时，这个架构就有优势了。我昨天讲了，帮把晶体管利用率提升。

你刚刚想问的是，MoE和Transformer的计算密度没那么高，特别是decode阶段可能计算密度没那么高，带宽瓶颈会更大，这的确是需要解决的问题。在计算密度不高的工作负载里，斯坦福去年有一篇论文讲Mega kernel，它把kernel做大，就是为了避免数据频繁进出。

Groq和Cerebras为什么要做那么大的片上内存？就是因为数据全放在片上的效率更高，可以不进出DDR，因为DDR的瓶颈很高，而且成本也很高。今天大家都要用HBM，但都不想用HBM，因为太贵了。回到车上更是如此，我们用不了HBM。我们通过架构的方式把进出DDR变少，让效率进一步提升，不仅是晶体管利用率提升，计算效率也提升。

问：理想做全栈自研的底层思考是什么？

谢炎：全域到底解决什么问题？假设我们停留在L2、L2+，以自动驾驶为例，不做垂直整合也可以，无非是从供应商采买。车还是人类监督，人类随时准备接管，开得慢一点、效率低一点也没关系，要求不高。

但昨天发布会上理想希望它像机器人一样独立地完成任务，那对它的智能要求就非常高了。不仅是脑子，对手脚的掌握、对加速、轮子、纵向横向的控制，要求都很高。

从L2往L3走的时候有很多问题，今天没有供应商可以解决。你分开采买，可以给你系统、给你线控，但加在一起，有大量的冗余，成本又高，延迟又高，出了问题还很难定位。所以要解决未知问题、想达到更高标准时，领先企业一定会选择一起做。当然我不排除20年后技术进入平台期时，会拆分出各种供应商。但在技术还没收敛的阶段，要达到这个目标，必须自己整合。

就是因为一些问题不好解决，我们才要自己出手，而且这些问题是长期性、重要性的问题。比如L3、L4，今天没有人完全做到，特斯拉也没完全做到，这是无人区，你需要解决这些问题，需要投入巨大的资源。

车的内卷就是因为同质化。要摆脱同质化，就是要做别人不好做或做不到的事。这些事如果供应商能做到，那又同质化了。这就是基本逻辑。

问：3D ViT对智驾行为的改善，具体体现在哪些方面？

詹锟：人眼有两个非常重要的特性：第一是实时双目，双目天然就带了3D结构，这一点很厉害；第二是前额叶很强，能抽取非常高维特征的表征。做深度学习本质上是在做表征学习，就是把信息映射到高维空间的特征，这个特征长什么样子我们没法直观描述，但它要包含所有下游想要的信息，这是大脑在做的事。

人的双眼时刻去观察3D物理空间以后，大脑中整个物理空间会有很强烈的3D感。但是摄像头，特别是单目摄像头，天然是没有3D感的。人眼如果遮住一只，当习惯了双眼训练以后，单目也能看到3D结构，因为前额叶已经把这种能力固化下来了。

对机器来说也是这个思路：用很高维的3D空间数据去训练它。即便摄像头在移动中，也能构建出三维空间，这就是典型的3D建模思路。任何一段视频进来，通过三维建模构建出三维空间，任何一个单目摄像头就可以知道三维空间是什么样，跟人的思路一模一样。通过这种方式，3D ViT就可以深刻理解3D环境。

补充一点，激光雷达也能理解3D环境，它是主动光。但3D ViT的特点是，除了理解环境的3D结构外，还能理解3D物体的属性、纹理、类型，因为它有RGB，保留了所有信息。甚至还能做tracking，就是对移动物体做动静分离，在3D环境中很容易判断目标是动还是不动，这就是光流的作用。把这些能力结合以后，高维的视觉表征就非常丰富，不会有遗漏。比如地面有个坑和沟，你很容易识别出来。

如果我拿BEV来表达的话，我没有定义什么是沟和坑，对下游决策来说就缺少了这个信息，这就叫高维表征的缺失。所以只有解决了这个问题，才能给下游提供更完整的信息，下游才能根据这些表征做出正确的动作。

以前大家熟知的“The Bitter Lesson”（苦涩的教训），是指机器不要加任何人为先验，用数据训练，一定做得比人更好。现在最新的理念是“Vision Bitter Lesson”（视觉苦涩教训），就是怎么判断你的视觉表征好不好？看你有没有做出对应的动作——你绕过了这个沟，才能证明你理解了这个沟。我们通过构建一个非常好的三维空间表征标准，让下游把动作真正理解好，这样视觉能力就得到了充分的展现。

问：在马赫M100平台上，强化学习数据提升了15倍，具体会在哪些场景去做强化学习？

詹锟：强化学习最重要的是决策和行为的联合优化。现在所有训练范式中，强化学习都是post-training阶段的一部分，主要针对训练中的弱势场景、数据分布不好的场景、或者混淆度高的场景。这需要有很精细的拆分方法，把这些场景识别出来后，让模型在里面自主探索，通过reward给它反馈探索的结果对不对，对决策和行为做联合强化。具体场景非常多，比如绕行、变道等，都是通过这套方法论，找到post-training中的弱势场景来做强化，不是一概而论的。

问：做基座模型是不是汽车公司想站在AI前沿的必要基础能力？

詹锟：关于基座模型，我认为答案是肯定的。只要想走具身智能和AI方向，基座模型一定是必争之地。基座模型不太可能像OS（操作系统）一样有一个标准件，因为每个人的场景任务不一样，需求也不一样，所以基座模型需要自己建。特别是语言模型的基座，做汽车有汽车的基座，我们对视觉语言的重视更多，参数量的分配比例也跟通用模型不同。

核心有两种类型的任务——语言智能和机器智能，这两个对基座模型的需求是不一样的。可以共用一个云端大模型做基础，但实际使用中一定是有区分、有差异化的，我们也是在往这个方向做。我们已经有非常强大的统一基座模型，可以构建物理环境，我们对它有很多反馈和评价机制。但真正落到车上时，需要有裁剪、有取舍、有参数量的适配、芯片能否承载，我们要做不同的改造。

至于将来会不会有一个技术收敛的外部模型给所有厂商直接用？如果说有开源的pre-training（预训练）模型，这是有可能的。但你想让一个pre-training模型就直接给大家当基座用，我觉很难。大概率大家还是要做很强的post-training（后训练），才能变成真正能用的基座模型。

问：Mind-Pro在Agent能力上表现出行业领先的水平，未来有没有考虑过开源？

詹锟：Mind-Pro是一个性能不错的主流模型。模型架构采用了MHA（多头注意力）、GQA（分组查询注意力）之类的架构设计。要不要对外输出？这是一个商业选择问题。我们自己车的本体有强烈的优化倾向性，没有必要对外去卷coding（代码能力）这个赛道。现在大家卖token主要还是往coding方向走，我们没必要卷这个方向。

但我们为什么在这些benchmark（基准测试）上取得了不错的成绩？因为我们对自己的硬件本体有非常深刻的理解。我们车上有很多硬件资源需要调度，如果用其他第三方大模型去试，效果不会比我们好，反应还很慢，常识错误也很多。我们通过强化学习以后，模型对车身运动有很强的理解——知道车身如何晃动，里面有很多tools（工具接口）可以调用。只有基于自己的本体做了强化以后，才会有非常深刻的优势。我们不一定要跟别人去卷coding，因为那是另一个赛道了，不符合理想汽车的主路径。

如果有机会往具身应用方向做开源的话，从长远来看可能有这个机会，但目前各家硬件差异较大，并不一定完全能通用。这是我们想做的方向——把我们的模型跟Agent和物理世界结合得更好，这就是马赫Mind要解决的问题。

问：李想想基于下一代马赫芯片做一个家庭算力中心，类似英伟达DGX Spark的理念。这个项目现在是否在推进中？

谢炎：我们做的M100本质上是一个通用AI推理芯片，理论上讲，它能很好地推理自动驾驶模型，也可以推理语言模型。有同事说这个芯片这么好，能不能装到家里面，因为他需要一个私人的家庭算力。出发点是从这里开始的。下一代芯片毫无疑问会更强，经过一定的改造，我相信放在家里非常有竞争力。

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，据瑞银6月17日发布的报告，在覆盖全球逾50个主题的REVS评分体系中，GLP-1受益股的综合加权得分跃至榜首，盈利预期修正改善与估值吸引力上升是主要驱动因素。与此同时，反映美国增长动能扩散的US Reshoring（美国回流制造）和Short Cycle Industrials（短周期工业）主题，亦双双进入明显正区间。

就市场影响而言，这一轮信号轮动的核心意义在于：上述机会的入场出发点相对更为有利——估值更便宜、仓位更轻，且盈利预期正处于转正拐点。相比之下，AI Winners和AI-Exposed Semis主题的估值维度得分已转负，拥挤程度持续抑制总体信号，提示AI方向上的布局须转向更具选择性的策略。

瑞银REVS框架综合宏观机制（R）、盈利趋势（E）、估值水平（V）及情绪变化（S）四大维度，覆盖11个子模型，适用于2至6个月的战术性相对偏好判断，本次评分数据截至2026年6月11日。

本月信号最显著的变化发生在医疗健康领域。瑞银数据显示，GLP-1受益股主题在REVS体系中综合加权得分达0.41，成为当前所有主题中排名最高的选项，而该主题此前数月一直徘徊在中游位置。支撑其排名跃升的核心因素是宏观机制得分（0.62）和盈利得分（0.54）的双双走强，估值得分（0.34）亦相对正面，显示拥挤程度尚未显著积累。

礼来（市值约972亿美元，REVS加权得分0.51）和Cardinal Health（约52亿美元，得分0.51）是GLP-1主题下信号最强公司，Amgen（得分0.43）和Novo Nordisk（得分0.19）同样进入推荐名单。从行业维度看，S&P 500中医疗健康板块整体加权得分0.31，制药与生物技术子行业达0.33，医疗设备与服务得分0.28；ACWI全球口径下，医疗健康整体得分0.29，均列各行业前茅。瑞银指出，在大多数地区，医疗健康行业信号均呈持续改善态势，普遍跻身各地区排名最高的板块之列。

AI相关主题并未退出舞台。US AI Winners综合得分0.34，US AI-Exposed Semis得分0.36，EU AI Winners得分0.33，均持续获得正面盈利预期修正和有利宏观机制的支撑。从年初至今的绝对涨幅看，US AI-Exposed Semis累计升幅高达88.37%，US AI Winners升幅54.43%，EU AI Winners亦达43.89%，领涨态势延续。

然而，估值和拥挤程度正持续构成阻力。US AI Winners的估值得分已降至-0.09，US AI-Exposed Semis估值得分为-0.07，双双转负，意味着市场乐观预期已有相当程度反映在价格之中。瑞银据此建议，在AI主题内部采取更具选择性的方式，而非广泛布局。Amphenol（APH，得分0.54）、Alphabet（GOOGL，得分0.49）、Applied Materials（AMAT，得分0.47）、博通（AVGO，得分0.46）以及同时横跨US AI Winners与US AI-Exposed Semis两大主题的Teradyne（TER，得分0.51）获得较高评分。

更强劲的美国经济数据正向主题信号体系传导，此前由AI驱动的市场领涨格局正逐步向更广泛的周期领域延伸。瑞银数据显示，US Reshoring综合得分升至0.28，Short Cycle Industrials得分达0.27，双双进入明显正区间。瑞银认为，这意味着经历一段较长时期的窄幅领涨之后，美股的周期性宽度开始重新呈现扩散迹象。

此外，US Software AI Resilient（抗AI冲击软件股）主题的综合得分大幅跃升至0.25，受益于盈利预期改善的明显拉动。瑞银指出，就美国市场而言，当前反映加速增长的主题对投资者的吸引力，已与长期以来备受青睐的AI资本开支受益股不相上下——尤其在估值更具性价比、持仓更轻的前提下，叠加盈利预期修正方向已转正，使其构成更优的切入点。

消费板块依然是信号最弱的主题集中地。EU Consumer Cyclicals加权得分仅为-0.16，UK Consumer为-0.18，UK Homebuilders为-0.22，均处于主题排名末尾。从行业层面看，S&P 500中消费者服务（-0.25）和建筑材料（-0.47）亦是拖累最为明显的子行业。个股层面，信号最弱的标的包括：Wizz Air（WIZZ，得分-0.59）、Bellway（BWY，-0.54）、TUI AG（TUI1，-0.44）、Domino's Pizza Group（DOM，-0.41）以及UK Homebuilders中的Barratt Redrow（BTRW，-0.17）和Persimmon（PSN，-0.16）。

瑞银认为，尽管消费类主题近期绝对表现有所修复，且估值已相对便宜、仓位看起来较轻，但盈利预期修正和宏观机制信号均维持负值，制约了持续反弹的空间。值得注意的是，这些主题的信号目前呈"企稳"而非进一步恶化态势——这意味着它们更可能充当资金来源，即被减持以为排名更高的机会腾挪空间，而非构成有力的直接做空对象。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普周四在Truth Social发文称，苹果已同意与英特尔合作，在美国境内设计并生产芯片。这一表态将苹果与英特尔的合作关系正式推向台前。

此次合作对两家公司均具有重要战略意义。对苹果而言，与英特尔携手有助于分散其高度依赖台积电的制造风险；对英特尔而言，获得苹果这一全球最大消费电子企业之一的稳定订单，将有力提振其代工业务的市场声誉，并推动其近年来持续落后于台积电的制造业务加速追赶。

苹果寻求分散台积电依赖

苹果目前在芯片制造上高度依赖台积电，而台积电的先进产能正面临来自英伟达、AMD等人工智能芯片厂商的激烈争夺。与英特尔的合作，为苹果提供了一条在美国本土扩充芯片产能的可行路径。

据华尔街日报今年5月报道，在经过逾一年的谈判后，英特尔已与苹果就代工部分芯片达成初步协议。特朗普此次公开表态，进一步确认了这一合作方向。

政府持股英特尔，供应链战略持续推进

英特尔本周早些时候宣布，其新一代制造技术18A已进入初始量产阶段，同时该公司表示旗下CPU需求强劲。苹果订单的加入，将为英特尔代工业务提供来自顶级客户的背书，有助于其在与台积电的竞争中重建市场信心。

特朗普政府去年已对英特尔持股10%，并宣布计划向其投入约100亿美元，用于在美国新建或扩建工厂。特朗普此前还表示，在政府持有的英特尔股份市值增长至逾500亿美元后，他"本应要求更多股份"。

此次推动苹果与英特尔合作，是特朗普政府通过入股企业、强化关键矿产和半导体供应链安全、降低对中国依赖这一系列举措的组成部分，显示出白宫在半导体产业政策上的持续施压态势。

本文来自华尔街见闻，欢迎下载APP查看更多

台积电于2026年6月11日在日本JPCA Show上发表题为"AI进化不可或缺的先进封装技术"的演讲，其中一张题为"CoWoS玻璃基板开发"的幻灯片随后在网络流传并引发业界广泛关注。台积电在演讲中正式宣布与Ibiden及Innolux合作开发玻璃核心基板，结构为三层设计——玻璃核心夹于两层ABF积层之间，构成CoPoS中的"oS"。

郭明錤指出，该幻灯片所展示的电源完整性（PI）改善数据是最具商业价值的信息。玻璃基板更薄，使穿玻璃通孔（TGV）的垂直导通路径缩短，导通电阻和回路电感同步下降，供电更稳定，为集成更多晶体管或提升时钟频率创造空间，最终直接转化为更强的AI算力。这是英伟达以及另外两家美国客户对该技术表现出浓厚兴趣的根本原因。

根据郭明錤的产业链调查，若进展顺利，台积电目标于2028年第四季度至2029年第一季度启动玻璃基板量产，以匹配英伟达AI芯片的迭代节奏。

台积电与Ibiden、Innolux的合作已在机械结构验证上取得关键进展。产业链调查显示，幻灯片所展示的玻璃核心基板切割自整片250×250毫米的基板，ABF积层主要采用味之素（Ajinomoto）的GL107，混合ABF-GCP，测试层数为24至28层，这也是2027至2028年AI芯片的主流ABF规格。

台积电在实验中以CoW（晶圆上芯片）作为测试载具，与"oS"玻璃核心基板搭配验证，已足以复现复合材料加工中最具挑战性的机械结构难题。郭明錤认为，测试结果良好，意味着三方已共同突破关键技术瓶颈。

在分工安排上，Ibiden目前负责250×250毫米玻璃基板的切割。郭明錤的调查指出，预计2027年下半年进入510×515毫米规格的量产前模拟阶段，届时若Ibiden希望降低生产复杂度以保护其超高毛利率，可能将切割工序移交给对玻璃特性更为熟悉的Innolux。

郭明錤对CoPoS体系中两个核心组件的功能定位作出明确区分。CoP解决的是生产效率和切割经济性问题，影响的是成本与价格；而oS解决的是翘曲和耐久性问题，决定的是芯片能否被制造出来、能否正常工作。

他进一步指出，CoP属于"非常好有"（very-nice-to-have）的优化，缺少它意味着芯片成本更高，但芯片仍可制造；oS则是"必须有"，缺少它连芯片能否成功制造都成问题。这也解释了台积电在测试时选择将oS与现有CoW搭配验证，而非与CoP搭配——优先验证最关键的技术环节。

郭明錤特别澄清了一处常见误读：幻灯片上的"COP"并非代表Chip-on-Package，而是指共面性（Coplanarity），是一项衡量结构平整度的技术指标。

郭明錤将幻灯片中展示的PI改善数据称为"真正的黄金"，并从客户付费逻辑加以解释：生产效率属于台积电的基本职责，客户不会为此额外付费；但AI算力的提升直接关系到客户自身的竞争力和盈利能力，因此客户愿意为之买单。这正是英伟达对玻璃基板高度正面的根本原因。

对台积电而言，玻璃基板在提升封装良率、降低成本的同时，还能拉高AI芯片的算力与售价，兼具降本和提价两大效应，对盈利能力和竞争地位均构成正面影响。

此外，在演讲后的问答环节，有听众就玻璃基板的TGV细节提问，台积电当场拒绝回答。郭明錤认为，这一表态本身即是信号——TGV是玻璃基板的核心关键技术，相关核心知识产权目前由台积电与Innolux共同掌握，台积电不愿公开披露。相比之下，当另一位听众问及IVR、eDTC和LSI的集成方案时，台积电则给予了详尽回应。

玻璃基板的单价比现有ABF基板高出数倍，由Innolux加工的玻璃是其中最关键、也是最昂贵的单一材料。尽管如此，郭明錤认为高单价不会实质性压制客户的采用意愿。

原因在于整体成本结构：基板成本目前仅占AI芯片物料清单（BOM）的低个位数百分比，而封装良率损失约为基板成本的5至10倍。因此，即便玻璃基板成本较今日高出数倍，其在BOM中的占比依然偏低，与此同时还能有效削减封装良率损失带来的更大成本。综合来看，采用玻璃基板对客户的经济账仍然成立。

根据郭明錤的产业链调查，台积电若进展顺利，将于2028年第四季度至2029年第一季度启动玻璃基板量产，以配合英伟达AI芯片的迭代节奏。

市场上广泛流传的Ibiden财报幻灯片将玻璃基板量产时间线标注为2030年。郭明錤对此的解读是：Ibiden历来在公开场合保守谨慎，此次正式将玻璃基板纳入路线图，进一步确认了该技术的长期发展趋势。不过他同时提示，Ibiden幻灯片中部分细节与市场已知信息存在出入——其光罩时间线与台积电公开表态相差约一代，而Rubin Ultra基板尺寸也明显大于幻灯片所标注的2026至2027年90×90规格。他提醒投资者，在预测未来走势时需交叉核实多方信息来源，不宜依赖单一出处。

本文来自华尔街见闻，欢迎下载APP查看更多

本周三，美联储以12比0全票决定维持联邦基金利率目标区间于3.5%至3.75%不变，连续第四次会议按兵不动。沃什在首次新闻发布会上宣布，将在沟通机制、资产负债表与操作框架、替代数据来源、生产率与就业，以及通胀框架五大领域分别设立专项工作组，同时重申2%通胀目标不变，并拒绝在点阵图中填写个人利率预测。

市场将上述信号集中解读为鹰派意外，TIPS 10年期实际收益率升至去年5月以来最高，美元录得年内最大单日涨幅，联邦基金期货显示年内加息预期明显升温。

然而，沃什的首秀并非没有争议。在发布会上，他四度以"工作组将研究"为由，回避了与近期政策辩论直接相关的难题。NISA Advisors首席经济学家Stephen Douglass直言沃什"相当具有回避性"，Capital Alpha Partners董事总经理Ian Katz则指出，"交给工作组"几乎成为当天发布会上的某种"口头禅"。

这一局面揭示出沃什策略的内在张力：极简声明和拒绝参与点阵图，令他得以向市场传递强硬独立的信号；但通胀框架、数据方法、资产负债表路径等最棘手的改革议题，均被交付给仍在组建中的工作组，最早秋季才会提供框架性报告。在这段过渡期内，美联储政策逻辑的不确定性将阶段性上升。

本次FOMC声明的篇幅骤降，是市场感知到变化最直接的信号。

声明正文由惯常的341词压缩至约130词，Bespoke Investment的George Pearkes将其定性为2007年以来最短的FOMC声明（不含新冠疫情初期的紧急降息声明）。声明全文仅三段，分别涵盖利率决定、经济形势判断与通胀评估，删去了大量历来惯用的前瞻指引表述，以一句"委员会将实现价格稳定"收尾，同时省略了通常附于末尾的完整投票名单。

沃什坦承此番调整出于主动选择，称声明"稍短一些、稍简单一些，并去掉了一些旧有的表述"。这与他此前多次公开表达的立场一脉相承：美联储过去说得太多。

摩根大通首席经济学家Michael Feroli在给客户的报告中直指其中矛盾："鉴于这份聚焦于控制通胀的简短声明，令人疑惑的是，美联储今天为何没有加息。"TS Lombard的Dario Perkins则指出，收缩前瞻指引相对容易——"它本是为利率长期接近零的时代设计的"——但压缩美联储资产负债表或转向全新建模框架，则是"更大的挑战"，而这些挑战本周都无法兑现。

沃什宣布的五大工作组覆盖面之广令经济学界感到震惊，尤其集中在两个领域：对政府数据来源的审视，以及对通胀框架的全面检讨。

在数据议题上，沃什称美联储历来倚重的月度非农就业报告不过是"历史的回声"，与美联储官员一贯为政府数据背书的立场明显有别。

在通胀框架上，设立专项工作组本身即令市场开始质疑2%目标的稳固性——尽管沃什明确表示目标不变，但他随即补充称关注"小数点左边的数字"，暗示2.9%的通胀率在某种程度上或可接受，令外界对目标执行的严格程度仍存疑虑。

沃什表示，工作组目前仍在"招募和确定人员"阶段，将在"未来几周"内正式启动，于今年秋季提供初步框架性报告，并有望于年底前完成大部分工作。

MacroPolicy Perspectives高级经济学家Laura Rosner-Warburton表示，工作组将导致经济学家在其完成之前持续质疑美联储的决策逻辑，"这在一段时间内将一切都置于疑问和审视之下，制造了对美联储政策的高度不确定性"。她还指出，这些工作组究竟是用于改善货币政策，还是推行"减少透明度议程"的工具，目前尚无定论。

沃什拒绝填写个人利率预测，但18位同僚参与了本次点阵图，且集体向加息方向移动。据彭博，年内平均预测利率从3.24%升至3.83%，委员会成员普遍预期在降息之前将先行加息。

在通胀目标问题上，沃什明确表示2%目标不变，打消了外界对美联储悄然将目标上调至3%的猜测——后者将为特朗普政府希望推动的降息创造更大空间。然而，沃什关于"小数点左边"的表态，在市场层面留下了模糊地带。

这一分歧在沟通层面亦颇为耐人寻味：沃什本人意在抛弃前瞻指引，但他的同僚却借助现有的点阵图机制，清晰传递了鹰派方向感。沃什表示，他预期沟通工作组最终将对经济预测摘要（SEP）提出"一些经过深思熟虑的调整"。

FOMC决议公布后，市场反应迅速而剧烈。

TIPS 10年期实际收益率攀升至去年5月以来最高，金融条件快速收紧，联邦基金期货显示年内加息预期明显升温。美元录得年内最大单日涨幅，与特朗普政府推动美元走弱的明确目标背道而驰，令全球市场感受到额外压力。

此前油价下行本可为沃什提供回避强硬表态的空间，但他选择了不走这条路。分析认为，这向市场传递了一个关键信号：沃什不打算成为总统推动降息意志的执行者。

对投资者而言，当前格局意味着：在前瞻指引淡出、工作组结论尚未出炉的过渡期内，美联储政策路径的不确定性将持续。市场或需习惯——在沃什的新沟通框架下，来自美联储的意外，可能比以往更为频繁。

本文来自华尔街见闻，欢迎下载APP查看更多

据Vanda Research数据，SpaceX上市后前三个交易日，散户净买入该股金额高达3.698亿美元，超过苹果、微软、英伟达、谷歌、亚马逊、Meta及特斯拉组成的"科技七巨头"同期净买入总额。

截至周三收盘，SpaceX股价报191.82美元，较135美元的发行价上涨超40%。在IPO价格买入SpaceX的散户，目前账面浮盈约45%。

值得注意的是，这一资金规模的集中涌入，发生在散户整体情绪相对谨慎的背景之下。Vanda数据显示，即便将SpaceX的IPO效应计入在内，上周散户对单只股票的周度净买入规模仍创下2020年3月以来最低水平。

SpaceX的强势吸金，并未带动其他股票同步走强。对于市场而言，这意味着散户资金正在高度集中于单一标的，而非形成普涨效应——这一现象值得密切关注。

碾压七巨头：散户三天砸入3.7亿美元

Vanda Research的数据揭示了SpaceX上市后散户资金流入的惊人规模。前三个交易日，散户净买入SpaceX股票3.698亿美元，而同期英伟达的净买入额仅为8820万美元。

对比更为鲜明的是，特斯拉和苹果——两家曾长期占据散户最爱股票榜首的公司——在同期反而遭到净卖出。Vanda在研究报告中指出：

"过去三个交易日，散户买入SPCX的规模，与买入英伟达、谷歌、亚马逊、微软、Meta、QQQ及SPY的总和大致相当。值得注意的是，我们将特斯拉和苹果排除在外，因为这两只股票实际上均出现了净卖出。"

即便将"七巨头"全部买入额，叠加两只最受欢迎的指数ETF——道富SPDR标普500 ETF（SPY）和景顺QQQ信托——合并计算，其总量也仅与SpaceX大致持平。

在SpaceX开始交易之前，英伟达长期稳居散户最爱股票榜首，就在上市前一周仍保持这一地位。然而，SpaceX一经上市，这一格局随即改变。

据MarketWatch报道，Vanda发言人表示：

"SpaceX并没有带动整体市场上涨——散户流入其他AI相关股票的资金，比预期更为平淡。我们看到的，是资金高度聚焦于单一标的，溢出效应十分有限。"

这一现象表明，散户并非在普遍加仓风险资产，而是将有限的资金集中押注于SpaceX这一特定标的。与此同时，散户整体上转向指数ETF和主题ETF，以寻求更广泛、更分散的市场敞口。

与此同时，值得注意的是，SpaceX的吸金热潮，恰恰发生在散户整体趋于保守的时间节点。

Vanda数据显示，上周散户对单只股票的周度净买入规模，创下2020年3月以来最低水平——这一时间节点正是新冠疫情引发市场剧烈动荡之际。本周单股买入活动较上周略有回升，但SpaceX是推动这一回升的主要驱动力。

本文来自华尔街见闻，欢迎下载APP查看更多

据华尔街见闻此前文章，微软正考虑将开源模型DeepSeek V4的微调版本引入其企业AI工具Copilot Cowork，作为OpenAI和Anthropic模型的低成本替代选项，并预计在未来数周内公布最终选择。

与此同时，微软已宣布将Copilot Cowork从无限制使用模式切换为按计算量计费。这一系列动作释放出一个清晰信号：即便是微软，也已无法承受无节制的模型调用成本。

这一消息在企业AI市场引发广泛共鸣。追踪AI Token价格的Silicon Data Token指数已连续13个交易日中有12个交易日下跌，直奔近期低点。成本压力正在从个别企业蔓延为行业性议题，而“用哪个模型”的问题，正在让位于“如何用得起模型”。

当“用得起”取代“用得强”成为企业的优先级，“模型路由”——根据任务复杂度动态匹配最经济模型的能力——不再是技术选型，而是决定AI项目能否算得过账的核心需求。

微软的成本困局：无限使用模式走到尽头

微软Copilot Cowork此前向企业用户提供无限制使用，但这条路已难以为继。

微软负责Copilot业务的执行副总裁Charles Lamanna直言："有些用户每周完成数百项任务，效率很高——但代价是成本可以飙得非常高。"

为此，微软宣布将Copilot Cowork切换为按计算量计费的使用模式，并同步探索引入DeepSeek V4微调版本或其他开源模型，以大幅压低模型调用成本。背后的逻辑直接：中美模型在输入/输出Token定价上存在显著差距，开源模型的成本优势已无法忽视。

这一决策折射出整个企业AI市场的共同困境。前沿模型能力越来越强，但调用成本也水涨船高——以Fable 5为例，其输出Token成本较Opus 4.8在同类任务上高出约180%。更高的智能，正在带来更难以消化的账单。

Token经济学：下一个六到十二个月的主导议题

成本压力已经渗透进企业AI采购的每一个环节。

Mason Daugherty在社交媒体上表示，在他过去约两个月与客户的每一次对话中，全组织范围内的Token支出都被提及为一个令人担忧的问题。他预测，"Token经济学"将成为未来六到十二个月讨论AI采购与使用时的主导主题。

他指出，随着大型供应商的年度企业合同陆续进入续签周期，管理层已开始质疑是否还能以相同乃至更高的价格续约。与此同时，前沿API与自托管开源模型之间的成本差距正在持续扩大，这正是开源模型采购加速的直接驱动力。

Silicon Data Token指数的持续下行，印证了这一趋势的市场层面影响——Token定价的竞争压力已经在数据上留下痕迹。

架构才是护城河：模型路由成为企业AI的核心能力

在成本压力下，企业AI的竞争焦点正在发生根本性转移。

企业AI平台Glean的Arvind Jain指出，企业AI最大的瓶颈已不再是模型智能本身，而是"Token产出效率"——即系统每消耗一个Token能产出多少有效工作。他强调，企业AI的大部分成本并不在提示词本身，而在于模型周围的系统：检索、工具调用、记忆管理和多步推理。一个十一个词的请求，一旦系统开始收集上下文并逐步处理任务，可能扩展为数千乃至数万个Token。

Jain认为，真正的竞争优势不来自最激进地使用最强大的模型，而来自能够将正确的模型与正确的推理层级匹配到对应任务的AI架构——即具备强大路由能力、支出管控和治理机制的系统。"前沿智能正在变得充裕，高效执行却并非如此。"

这一判断与微软的实际动作高度吻合：引入低成本模型作为替代选项，本质上正是在构建一套模型路由机制，而非简单地"换一个便宜模型"。

纳德拉的警告：谁拥有学习循环，谁才拥有主权

微软CEO Satya Nadella近日提出了一个更宏观的框架，为上述趋势提供了战略注脚。

纳德拉表示，每家公司都必须构建他所称的"Token资本"与"人力资本"——前者指企业自有的AI能力与系统，后者指员工的知识、关系与判断力。他将两者定义为在AI经济中立足的核心资产，并强调人力资本的价值不会随Token资本的增长而下降："没有人的方向，你只是让算力在原地打转。"

他明确指出，真正的机会不在于选择最强的模型，而在于在模型之上构建一个持续学习的循环，让人与AI的能力相互复利增长。关键的检验标准是：企业能否在更换底层基础模型的同时，不丢失自身积累的专有知识与能力。"这是你在未来时代掌握控制权与主权的核心测试。"

纳德拉同时发出警告，若所有价值最终集中于少数几个主导模型，将重演全球化掏空工业经济的历史。他表示："没有任何社会许可，支持一个让整个行业空心化的AI未来。"这番表态，恰恰发生在微软自身正考虑引入开源替代模型、主动分散对少数头部供应商依赖的节点上，其内在张力耐人寻味。

本文来自华尔街见闻，欢迎下载APP查看更多

18日，特朗普政府官员告诉媒体，若Anthropic希望重新发布旗舰模型Claude Fable 5，该公司必须切实解决政府所指的安全漏洞，而非继续辩解相关风险是否被高估。这一立场标志着双方分歧正迅速走向摊牌。Fable 5于上周因越狱（jailbreak）担忧而被出口管制措施迫使下线——越狱是指通过特定提示词绕过模型安全护栏的攻击手法。

Anthropic方面在与商务部及国家网络总监办公室Sean Cairncross的周一技术会议上重申，政府的担忧被过度渲染，越狱攻击的实际影响有限。然而，美国国家安全局（NSA）已得出结论：Fable 5的安全护栏存在可被绕过的途径，这些护栏原本用于防止用户访问其底层模型Mythos在网络安全、化学和生物领域的敏感能力。据媒体援引三位知情人士透露，政府目前实际上已将解决问题的责任完全归于Anthropic，而非试图共同介入排查。

这场监管拉锯战揭示出AI治理的深层困境：政府是否有能力、有意愿对前沿模型安全负责，以及"无越狱"这一监管目标是否具备技术可行性，直接影响Anthropic及整个AI行业的商业前景。

据媒体援引知情人士透露，商务部AI标准与创新中心及NSA均表示，没有足够人员和精力去追踪市场上每一款模型的所有潜在越狱路径。基于这一现实，政府的立场已从"与Anthropic共同界定风险严重程度"转向"要求Anthropic承担全部合规责任"。

官员明确要求，Anthropic不仅需解决Fable 5的现有问题，还应对其所有前沿AI模型持续开展主动安全测试，自行发现潜在越狱漏洞，并主动向政府报告。这实际上意味着，政府要求Anthropic建立一套以企业自我监管为核心的合规机制，而非依赖监管机构的外部审查。

白宫发言人拒绝就此事置评。

围绕这场监管博弈，一个更根本的技术问题正在浮出水面：完全阻止越狱是否可行？

独立网络安全专家的主流观点日益倾向于否定。专家认为，AI模型的安全护栏本质上只是临时性的防御措施，熟练用户乃至未来的AI模型终将找到绕过限制的方法。这意味着白宫所要求的目标，在技术上存在根本性障碍。

Anthropic上周已向政府表达了类似立场，坚持认为越狱影响"微乎其微"，但这一论点显然未能说服官方——NSA的技术评估成为政府立场的关键依据，使双方在事实层面的分歧难以弥合。

对Anthropic而言，Fable 5的下线不仅意味着商业损失，更预示着未来每一款前沿模型在发布前都可能面临类似的监管障碍。若"零越狱"成为不成文的上市门槛，整个AI行业的研发节奏和商业化路径将面临实质性压力。

本文来自华尔街见闻，欢迎下载APP查看更多

SK海力士周四在官网表示，这款12层堆叠HBM4E产品每引脚最高数据处理速度达16Gbps，功耗效率较上一代提升逾20%，并通过先进封装技术将散热阻力降低17%。SK海力士表示，将与合作伙伴紧密协作，推动产品及时实现量产。

此次样品出货标志着SK海力士在高带宽内存领域的技术迭代再度提速，进一步巩固其在AI基础设施供应链中的核心地位，也为市场提供了该公司持续引领HBM技术路线的最新信号。

消息公布后，SK海力士股价在韩国交易所盘中上涨7.3%，创下历史盘中新高。这一涨幅反映出市场对该公司在AI内存赛道持续领跑的强烈预期。自HBM3、HBM3E到HBM4，SK海力士已建立起从量产到供应的完整交付能力，此次HBM4E样品的按期出货，进一步强化了投资者对其技术兑现能力的信心。

性能与效率双重跃升

SK海力士在声明中披露，12层HBM4E在性能与功耗效率两个维度均实现显著提升。

具体而言，该产品每引脚最高数据处理速度达16Gbps，功耗效率较前代产品提升逾20%。与此同时，HBM4E通过最新接口设计与优化，有效降低数据传输延迟，并在高带宽环境下保持稳定运行。上述特性直接提升了AI训练与推理场景下的数据处理能力，有助于客户在AI数据中心及大规模计算系统中提高运营效率。

先进封装技术支撑48GB容量

在封装工艺层面，SK海力士采用Advanced MR-MUF（大规模回流成型底部填充）技术，在12层堆叠结构下实现48GB的单颗容量，同时确保结构稳定性。

MR-MUF工艺通过在芯片间注入液态保护材料来保护电路，SK海力士在此基础上进一步优化，使HBM4E的散热阻力较上一代HBM4降低17%，从而保障内存芯片在高性能计算环境中的稳定运行。这一技术突破对于持续高负荷运转的AI数据中心尤为关键。

SK海力士总裁兼首席开发官Ahn Hyun在声明中表示："SK海力士凭借市场领先的技术能力与制造专长，以HBM4E为基础，奠定了强化AI领导地位的根基。通过与合作伙伴的紧密协作，我们将向市场交付所需价值，同时作为全栈AI内存创造者进一步巩固技术领先地位。"

SK海力士强调，公司此前在HBM3、HBM3E及HBM4的量产与供应方面积累的丰富经验，是此次HBM4E样品得以按期交付的重要基础。公司表示，将依托经市场验证的产品可靠性与供应能力，支持下一代基础设施的开发，并协助解决AI系统的性能瓶颈。

本文来自华尔街见闻，欢迎下载APP查看更多

博通、阿波罗与黑石上周联合宣布成立"AI XPV平台"，首笔交易规模达350亿美元，用于为AI初创公司Anthropic超1吉瓦算力基础设施扩建提供融资，是迄今规模最大的私人信贷特殊目的载体（SPV）交易之一。

然而，这笔交易的核心，是此前公告中未予披露的博通角色——博通为交易中高级债券提供"差额补足"担保，将高级债的信用风险实质上对标自身，从而将两档优先票据的收益率压低至5.75%左右。博通当前背负650亿美元债务、现金储备仅196亿美元，其财务腾挪空间远不及英伟达。标普全球评级（S&P Global Ratings）随即发布评估，指出此次担保将对博通信用产生"轻度负面影响"。

博通CEO陈福阳 (Hock E. Tan)将此次合作定位为"未来众多交易的第一笔"，并计划到2028年通过这一平台为前沿AI实验室提供超20吉瓦算力融资——若全部兑现，潜在芯片采购规模或高达7000亿美元，由此引发外界对这一融资模式可持续性的广泛关注。

据媒体援引知情人士透露，此次交易的核心载体为由阿波罗旗下Atlas SP Partners主导设立的SPV。该载体通过购买芯片、再将其租赁给Anthropic，以租金作为偿债来源。

债务被分为三层：高级层中，6亿美元A1票据以国债利率上浮100个基点的利率出售给银行，240亿美元A2票据以5.75%的收益率出售给资产支持信贷市场的机构投资者，买家包括阿波罗旗下保险子公司Athene；两档高级债均获私募评级，处于中等投资级区间。次级层中，45亿美元劣后票据不受博通背书，收益率高达8.5%，以98至99美分的价格折价发行。此外，Atlas SP Partners的结构化融资部门还提供了8亿美元股权层，成为SPV的实际持有方。

高级债券之所以能以低成本融资，核心在于博通提供的"差额补足"条款：若Anthropic无法履约，且芯片处置所得不足以覆盖本息，博通将对A1、A2档投资者的损失进行补足。媒体称，这一双重触发机制——Anthropic违约且芯片残值低于担保水平——为博通提供了一定保护，且随着票据在五年期内全额摊销，博通的风险将逐步降至零。相比之下，无担保的劣后债务资本成本约为高级层的两倍。

据一位曾与博通高管交谈的知情人士透露，就在今年3月，陈福阳对动用博通资产负债表提供此类担保仍持审慎态度。但他随后改变了立场。

博通为此转向摩根士丹利寻求协助，希望找到既能推进芯片销售、又能控制表内债务增量的结构化方案，一位参与交易的人士透露。陈福阳转变立场，有其现实压力：英伟达已采取类似的供应商融资手段加速芯片销售，若博通不跟进，恐将在AI芯片竞争中被甩在身后。

"我们正处于历史性的拐点，AI算力需求正从根本上重塑全球经济格局，"陈福阳在上周的声明中表示，并将此次合作称为"千载难逢的机遇"。

然而，博通的财务状况使这一赌注并不轻松。截至5月3日，博通负债650亿美元，现金储备仅196亿美元，而英伟达的自由现金流远超博通。一位持有博通债券的机构投资者对此表示，目前最大的疑问在于公司如何在资产负债表上处理此类担保义务——尽管其形式并非传统债务，但仍须作为负债入账。博通本身未对此置评。

此次交易的参与方之间存在高度交织的利益关系，引发市场关注。

博通为Anthropic主要竞争对手谷歌联合制造张量处理单元（TPU），而Anthropic正是通过本次SPV购买上述芯片；与此同时，谷歌母公司Alphabet持有Anthropic约14%的股权。摩根士丹利在这笔交易中身兼多职，既担任博通的财务顾问、主导交易安排，又向参与交易的投资者提供贷款。

据英国《金融时报》报道，部分参与竞标的投资者在Anthropic正式提交IPO申请前，未能提前获取其财务数据。知情人士指出，这是债券投资者首次有机会押注Anthropic——该公司目前尚未盈利，也未曾发行企业债。此外，由于债务采用延迟提款结构、资金可分批提取，该安排在压低实际收益率的同时，也导致部分投资者选择放弃参与。

博通此次入局，折射出AI基础设施融资需求急剧膨胀的行业大背景。

据摩根士丹利预测，美国AI领域的资本市场融资规模预计将达到4000亿美元，到2028年有望突破1万亿美元，以匹配未来两年约1.8万亿美元的资本开支需求。而传统银行在消化大规模AI相关债务方面已显现出明显压力，私募信贷由此成为重要替代渠道。

此次交易并非孤例。近期可参照的案例中，Meta完成了围绕路易斯安那州Hyperion数据中心的273亿美元SPV交易（代号"Beignet"），由Blue Owl提供私募信贷、摩根士丹利主导安排，Meta提供类担保支持，使相关债券得以参照Meta公司债的定价水平交易。亚马逊则在加拿大债券市场完成约140亿加元（约合100亿美元）的发行，创下加元债券市场史上最大单笔发行纪录；Alphabet近期也完成了其有史以来规模最大的股权融资之一，拟募集850亿美元，用于支持谷歌的AI基础设施建设。

对于Anthropic而言，此次安排是其转向自建算力供应、摆脱对谷歌或亚马逊等云服务商依赖的最明确信号。据The Information报道，Anthropic已安排谷歌为其五处数据中心设施的租约提供背书，为芯片安装提供物理空间保障。"无论是算力合同还是芯片租约，"一位知情人士表示，"租约启动日期取决于数据中心何时准备就绪。"

本文来自华尔街见闻，欢迎下载APP查看更多

沃什周三在就任后的首次新闻发布会上，口头重申对2%目标的支持，但随即宣布启动三项内部审查，分别涵盖通胀计算框架、官方统计数据来源以及美国生产率评估。他明确表示，2%目标"暂不"纳入审查范围，但紧接着补充"就目前而言"，并承认一旦美联储重新确立抗通胀公信力，届时可能重新讨论该目标。就在沃什发表讲话前一天，万斯在电视节目《The View》上公开表示，特朗普政府的目标是将通胀压降至"2.5%"，比官方目标高出整整半个百分点。白宫对此未予置评。

两位核心人物在短短两天内先后松动立场，市场反应迅速——沃什新闻发布会结束后，美国金融市场随即出现下跌。分析人士指出，上述动态表明政治压力可能正推动美联储容忍通胀在更长时间内维持在更高水平，这对当前官方通胀率已高达4.2%的美国经济而言，具有深远的不确定性。

上述动向对股市和债市投资者均构成额外风险。债券实际购买力将因通胀上升而持续受损，期限越长，风险越大；即便是理论上具备通胀保护功能的通胀保护国债（TIPS），若官方统计数据公信力受到侵蚀，其保护效果也将大打折扣。

沃什在首次新闻发布会上宣布启动三项内部审查，其广度与深度引发外界对美联储政策走向的广泛关注。

第一项审查聚焦"通胀框架"本身。第二项针对美联储所使用的数据来源及其应用方式，沃什将其定性为"官方统计数据审查"，这将直接影响通胀数据的计算结果。第三项则涉及美国生产率评估，包括人工智能带来的经济效益将如何影响就业与通胀。

在被问及2%目标是否将被纳入审查时，沃什给出了令人不安的答复——他表示该目标"就目前而言"超出审查范围，并补充说，等到美联储通过将通胀重新压回2%而重建政策公信力之后，届时"不排除重新审视"该目标。他还表示，自己更关注通胀率的"整数位"，即"小数点左边"的数字，而非精确至小数点后的数值。这一表态被市场解读为对更高通胀水平的潜在容忍。

在三项审查中，统计数据审查被认为风险最为隐蔽，影响也最为深远。

通胀计算涉及大量假设与判断，具有相当大的解释弹性。沃什此前已对美联储惯用的个人消费支出（PCE）价格指数提出质疑，并公开赞扬另一种被称为"修剪PCE"（trimmed PCE）的指标——该指标通过剔除所谓"极端值"（如一次性大幅价格跳涨）来平滑整体数据。

两者差距相当显著：按常规PCE计算，当前美国通胀率为3.8%；而按修剪PCE计算，仅为2.35%。这意味着，若内部统计审查最终认定修剪PCE更能反映"真实通胀"，官方通胀数据将在不依赖实际物价下降的前提下大幅收窄。批评者指出，此类统计方法调整存在人为操控的空间，可能为政治压力渗入货币政策提供技术掩护。

就在沃什召开新闻发布会的前一天，万斯的一番话进一步搅动了市场预期。

万斯在电视节目《The View》上表示，特朗普政府正在尽一切努力将通胀压降至"2.5%"。他说："拜登政府执政期间，通胀一度高达9%。现在是3.5%，还是太高——我们正在尽一切努力将其压降至2.5%，这也是大多数人希望看到的水平。"这一表述与美联储现行官方2%目标相差半个百分点。白宫就此置评的请求未获回应。

分析人士指出，华盛顿存在将通胀维持在较高水平的内在财政逻辑，尤其是在通胀未能完整反映于官方数据的情况下。

通胀本质上是一种隐性税收，可在不提高名义税率的情况下蚕食债务的实际价值，是弥合减税、扩大支出与财政赤字三者之间缺口的最便捷路径之一。据宾夕法尼亚大学沃顿商学院此前估算，若将通胀目标从2%上调至3%，十年内可使美国国债实际价值缩水约8%。

当局干预通胀统计并非没有先例。据报道，去年夏天曾有人试图解雇负责计算消费者价格指数（CPI）数据的相关官员，并以立场契合的人选替代，但这一举措最终在幕后遭到阻止。

上述动向对债券市场的冲击尤为直接。通胀持续侵蚀债券未来利息支付的实际购买力，债券期限越长，所承受的风险越大。

TIPS的本金与票息会随官方通胀数据上升而调整，理论上提供了一定程度的保护。然而，若官方通胀统计数据本身的可信度受到质疑，TIPS的保护效果也将相应削弱，长期TIPS尤其面临额外压力。

在此背景下，持有期限较短的债券所涉利率与通胀风险相对有限，被认为是当前环境下更为稳健的配置选择。对于依赖固定投资收益的退休人群而言，这一局面的不确定性尤为值得关注。

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《金融时报》周三报道，两项研究结果于周三发表在学术期刊《自然》上。其中，由德国研究人员开发的Mira在包括胰腺癌和肺炎在内的多种疾病分析中超越了医生；谷歌开发的Amie则在治疗方案和检查计划的制定上比人类医生更为精准。这是专业医疗大语言模型在证明临床价值方面迈出的最新一步。

上述研究结果对医疗AI赛道具有重要的市场信号意义，表明专业医疗AI工具在特定场景下已能提供优于通用消费级AI模型的医疗建议。不过，研究人员和独立专家均强调，测试在受控模拟条件下进行，两款工具目前均不具备直接应用于真实临床场景的条件。

Mira：诊断准确率达87%，超越六位专科医生

Mira由德累斯顿工业大学和海德堡大学的学术团队联合开发，能够调取电子健康档案系统中的患者数据，并从逾85000个选项中做出决策，涵盖诊断检测、药物处方及手术安排等。

研究团队以超过500个急诊科临床病例的信息对Mira进行测试，这些信息通过模拟患者的AI代理以对话形式传递给系统。根据《自然》论文，Mira在阑尾炎、肺栓塞等八种病症上的综合诊断准确率达到87.1%，而由六位跨专科医生组成的评审小组的准确率为78.1%。

参与开发Mira的Jakob Kather表示，"我们正在预览AI如何改变医学。"他将AI代理比作飞机自动驾驶系统，认为其可以承担常规任务、为医疗专业人员减负，但"最终责任始终由医生承担"。

研究人员同时承认Mira存在局限性。论文指出，该工具仍会对"少数但不可忽视"的患者提出"偏离最佳实践"的诊疗建议。此外，AI代理提供的病例信息可能比急诊室患者的真实陈述"更为结构化"，遗漏和前后矛盾之处更少。

Amie：治疗方案更贴近临床指南，但存在潜在推理错误

谷歌的Amie基于其Gemini AI模型构建，通过接收扮演患者的演员所提供的数据来生成回应。研究人员将Amie与21位全科医生在100个多次就诊案例场景中进行对比测试，这些场景以英国现行临床实践指南和药物推荐为基准。

结果显示，Amie在患者管理推理能力上与真实医生持平，且其制定的方案与临床指南的契合度高于人类医生。在复杂病例的用药推理方面，Amie的表现超越了人类医生。

Amie的开发团队将这一结果定性为"里程碑"，但同时指出，测试所用的病例组合及基于文本的患者场景均不能代表真实临床环境。他们表示，Amie展现出"令人期待的能力"，但"尚未准备好转化为真实应用"，仍需进一步解决潜在推理错误等问题。

独立专家：模拟环境与真实临床之间仍存在显著差距

未参与上述研究的独立专家对两项研究的严谨性给予肯定，但同样对其局限性提出警示。

牛津大学医学社会学教授Catherine Pope表示，"这与日常医疗保健中混乱、复杂的人类世界仍有相当距离。"

爱丁堡大学健康信息学与数据科学讲席教授Julie Jacko指出，AI模型所体现的优势大多反映的是其方案的"精确性和完整性"，而非"临床正确性上的明显差异"。她认为，这是"一项有力的实验研究，是有意义的进步，但它展示的是在结构化标准下的表现，而非完整呈现真实临床决策的复杂性"。

谢菲尔德大学数学与物理科学学院助理教授Wei Xing则对Amie优势的来源提出疑问。他指出，在某一基准测试中，通用AI模型的得分与Amie相近，"这表明Amie的优势可能更多反映的是AI模型整体的快速进步，而非其专门构建的系统本身的特殊性"。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛副董事长、前达拉斯联储主席 Rob Kaplan最新明确警告，若通胀数据未能降温，美联储最早可能在秋季重启加息，且这大概率不是单次行动，而是连续2至3次的系列收紧。

这一鹰派言论叠加美联储主席沃什抗击通胀的强硬信号及大幅上调的官方通胀预测，直接导致掉期市场定价发生“大逆转”。交易员将首次加息预期从遥远的2027年3月大幅提前至今年10月。

政策预期的急剧修正迅速向跨资产市场传导。对利率最敏感的短期美债遭遇猛烈抛售，2年期美债收益率创下3月以来最大单日涨幅，并直接引发周四亚洲时段贵金属市场的恐慌性闪跌，金价失守4300美元关口。

秋季“连环加息”风险浮现

Rob Kaplan在接受采访时指出，如果从现在到9月通胀数据仍未降温，采取行动的明智之举是在9月或秋季加息。他强调，若通胀保持粘性，将表明当前货币政策仍然过于宽松。

更为关键的是，Kaplan 提醒市场警惕“连环加息”的风险。他指出，美联储的政策调整极少是孤立事件，利率变动通常以2至3次的系列行动出现。“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。”曾在2015年至2021年担任达拉斯联储主席、并经历过 Janet Yellen 和 Jerome Powell 时代的 Kaplan，其基于历史经验的警告为市场敲响了警钟。

官方鹰派基调与通胀预期上修

Kaplan的警告与美联储官方释放的鹰派信号形成共振。在6月FOMC决议中，美联储虽维持利率在3.50%-3.75%不变，但新任主席沃什主导的政策声明已明显转向鹰派。声明正式删除了以往的利率路径前瞻指引，不再重申“密切关注就业和通胀两方面风险”，而是强调以“稳定物价”为首要目标。

利率点阵图显示，半数决策者预计今年将至少加息一次。同时，美联储发布的经济预测摘要大幅上调了通胀预期：今年PCE通胀预期中值从2.7%升高至3.6%，核心PCE通胀预期从2.7%升至3.3%，并将今年经济增长预期从2.4%下调至2.2%。

此外，沃什打破惯例，未提交经济前景与利率点位预测。他在新闻发布会上透露，美联储内部已成立五大特别工作组推动改革，包括可能改换衡量通胀的指标，并将利率工具置于比资产负债表工具更高的优先级。

本文来自华尔街见闻，欢迎下载APP查看更多

近年来，人形机器人正加速从实验室进入到大众消费阶段。而作为大众消费的重要窗口，一些商场如今也出现了人形机器人品牌门店。

近日，深圳卓悦中心出现了一个深圳启元机器人授权体验店亚洲首店围挡，而该门店正是上纬启元正在建设的线下门店。

据华尔街见闻了解，除了深圳，上纬启元在上海以及西安等城市的门店也在同步推进筹备工作。

上纬启元方面对华尔街见闻表示，上海的门店定位是启元机器人授权体验店全球首店，目前这些门店的正式开业时间、产品定价及落地规划将于近期陆续对外公布。

2025年底，被任命为上纬新材董事长的智元机器人联合创始人、现任CTO彭志辉（稚晖君）宣布，上纬新材将以“上纬启元”品牌进军个人机器人赛道，同时发布了全球首款全身力控小尺寸人形机器人“启元Q1”。

作为上纬新材布局消费级具身智能的重要载体，上纬启元目前的产品应用场景主要是聚焦在科研教育、家庭陪伴、开发者创新等，主打具备全身力控、柔性阻抗控制、多模态交互等核心特性的小尺寸机器人。

如今上纬启元深圳门店亮相, 无疑意味着其消费级具身智能商业化落地正进一步提速。据华尔街见闻了解，上纬启元的首款人形机器人产品启元Q1也快上市了。

一个信号是6月17日，上纬启元在官方账号上发布了“你好，世界（Hello, World）”主题海报，并将启元Q1定位为“你的第一个个人机器人”。

对具身智能的投入，也已经直接体现在上纬新材的财务报表中。

财报显示，2025年，上纬新材的归母净利润减少，主要是因为积极探索消费级具身智能机器人新业务，导致增加研发投入2123.85 万元。

到2026年一季度，上纬新材在具身智能方面的投入显著增长，当期研发投入3778 万元，同比增长504.37%。

随着人形机器人行业从技术演示期正式迈入商业化验证期，不少品牌都开始重视线下门店的布局。

2025年12月31日，宇树科技全球首家线下门店开业，落地京东MALL北京双井店。到2026年5月31日，宇树科技又在上海南京西路久光百货新开店，店内销售G1、R1、Go2等面向C端市场的产品，门店面积超过100平方米，现场售价分别约为8.5万元起、3.99万元起和9000元起。

6月13日，智元机器人全球线下首店也在闵行漕宝路低调亮相，强调从前端导购到后端运维的全链路机器人主导，让机器人实现“自己卖自己”。

一位世邦魏理仕的商业地产顾问告诉华尔街见闻，现在人形机器人企业开设线下门店是有增加趋势，但展示和宣传的作用大于销售。

京东智能机器人具身智能负责人郑小丹表示，把机器人带到线下门店以后，B端与C端客户都能够更直观、方便地去感受产品的材质、重量、功能，进而将产品推向更大的市场。

本文来自华尔街见闻，欢迎下载APP查看更多

放到美图过去两年的AI升级里看，这次的变化更注重了结果交付。

过去美图围绕修图、拍摄、设计提供功能，今年的产品特征明显往结果靠拢，人像修图、口播视频、营销物料、音乐视觉、AI短剧，都被包装成可交付的工作流。

CEO吴欣鸿在群访里说，AI时代用户需求正在变化，面对越来越多AI应用，很多用户不会真的想花时间去学。对应到今年的产品，用户不一定想学提示词、参数和复杂工作流，很多付费行为会落在可直接使用的图片、视频和商业素材上。

从Agent到Agent Teams，从“交付功能”到“交付成果”

Picchi面向深度人像修图，MVLAND面向音乐人和厂牌，开拍面向口播和营销视频，美图设计室开始做AI设计团队，RoboNeo在尝试AI短剧。几款产品分属不同场景，指向同一个商业方向，少给用户增加功能按钮，多把具体结果交到用户手里。

高盛最近的美图报告中，将美图的变化概括为从「美化工具」升级为「专业内容引擎」，生成式AI正在推动美图从消费娱乐市场拓展到企业生产力工具市场，并预计2025-2030年公司收入复合增速为29%，生产力工具收入占比从2025年的12%提升至2030年的44%。

发布会现场，更直接的商业化信号来自CFO颜劲良提到的两组数据。

美图设计室里已经有用户的AI算力值消费一个月达到上万元，MVLAND最近看到的月ARPU为三四百元，约为美图秀秀的20倍。

对长期以C端影像工具为基本盘的美图来说，这组数据比产品介绍更有信息量，它显示AI生产力产品正在打开新的付费层级。

美图把场景都做成具体产品交付用户，开拍服务口播和营销视频，Picchi服务深度修图用户，MVLAND服务音乐视觉，RoboNeo服务短剧创作者。

对此，吴欣鸿解释说，「我们每一个产品都有自己的定位，我们想要把某个场景做到极致。」他还提到，开拍要「死磕」口播视频赛道，并确保在全球范围内做到头部。

这种产品拆分，与AI应用的商业化逻辑有关。

通用模型可以提供底层生成能力，但影像产品的付费价值往往出现在具体场景里。用户为模型调用付费，也为审美标准、模板、素材、工作流、行业理解和最终效果付费。

摩根大通在中国AI应用调研的报告中提出，在部分企业场景中，基础模型访问可能变得更可互换，客户价值更依赖任务完成、工作流集成、专有数据和部署质量。

放到美图身上，模型能力只是入场条件，产品能不能进入用户工作流，决定留存和付费的上限。

在技术路径上，美图的“Agent Teams”解决方案让多个单Agent进行分工协作和多环节校对，能够完成复杂工作流，实现更好的商业成果交付。

美图的垂直产品，也有成熟产品里的需求来源。开拍最早来自美颜相机里的提词器，美图设计室最早来自美图秀秀里的海报设计功能。

美图CPO陈剑毅在群访中说，这两款产品的共性在于需求清晰，团队对用户理解更深。开拍团队里很多产品和运营自己就是博主，美图设计室则通过线下展会和用户调研寻找典型痛点。

模型进入业务闭环

围绕「模型吞噬应用」的讨论，颜劲良在群访里给出回应。

他认为，这个判断在视觉领域并不成立，原因在于主观审美偏好需要产品和服务去完成末端校准。一个模型可以生成图片，但用户是否觉得自然、高级、能发布、能卖货，仍然依赖审美标准、产品打磨和真实反馈。

美图在组织上做了对应配置，美图设计中心负责人许俊介绍，公司有200多人的设计中心，设计师会先给AI打样，把审美不错的AI图片、AI短剧知识教给AI，再把用户反馈反哺到AI效果训练中。设计师交付的内容也在变化，从图片、视频，延伸到模型、创意调用和工作流。

模型选择也开始服从业务验证，现场披露数据显示，2026年1-5月，美图影像产品的生成式AI功能调用中，平均96.3%来自美图奇想大模型。

美图影像研究院（MT Lab）负责人刘洛麒在采访中表示，自研大模型会更结合公司业务产品，服务深度定制化场景；相对固定的场景，则可能使用第三方大模型。

陈剑毅给了一个更实用的公式，「模型的研发深度x模型所对应产品的商业价值」，一个场景还没有验证付费能力时，可以先用外部模型试错；商业价值跑出来之后，再投入自研模型能力。这种投入顺序，比单纯强调自研更接近应用公司的经营逻辑。

AI对美图业务的改变，最终会落到商业模式上。过去，美图更多围绕工具功能收费，包括修图、滤镜、模板和视频增强。现在，生产力场景开始带来订阅、AI算力值消费、真人创作服务，以及围绕行业需求的结果交付。

瑞银在最近的报告中提到，AI会增加软件供应商与客户的互动频率，并降低交付成本，从而支持未来3-5年软件需求加速和利润率改善，传统软件公司需要在现有产品AI增强和重建AI原生产品之间做选择。

放在这条线上，1亿元产品挑战赛也有了业务含义。美图有2.8亿月活用户，有成熟影像产品矩阵，也有站酷的1800万设计师资源，但影像赛道分散，新的AI原生产品仍会持续出现。

把外部创新纳入产品漏斗，某种程度上也是在给自己的影像生态补充更多垂直场景。

从这次影像节看，美图的AI变革已经从「把AI加进产品」走向「用AI重构产品、组织和收费方式」。接下来，市场会更关注这些应用能不能持续交付可付费的影像结果。如果开拍、美图设计室、MVLAND这类产品能继续证明高ARPU的可复制性，美图的估值锚点就会从影像工具，逐步移向影像生产力平台。

本文来自华尔街见闻，欢迎下载APP查看更多

首日，SpaceX看涨期权成交量达99.4万张合约，距百万张仅一步之遥，当日排名全美第五——与SPY、NVDA、QQQ、TSLA并列同一量级。要知道，周度期权当时尚未上线，预计周四才开始交易，这意味着首日成交量完全由月度合约贡献，含金量更高。

Nomura跨资产策略师Charlie McElligott将当天的市场情绪描述为"绝对恐慌式追涨"，他写道，投资者疯狂涌入SPCX上行看涨期权，看涨期权的报价被哄抬到如此之高，以至于有人专门做起了“偏斜交易”——卖出高价看涨、买入看跌，用前者的溢价来给自己买一份下行保险。

当天，SpaceX股价在连续第三天呈现15%的日内振幅后，最终只收涨约5%。这个结果本身就揭示了问题所在：市场对这只股票的判断高度撕裂，方向不明，但两端都在押注。

机构在干什么：悄悄买保险

散户在追涨，机构在做什么？答案是：对冲。

Susquehanna的复盘显示，首日最大的几笔交易，都不是单边押注，而是"领口策略"（collar）——同时买入看跌、卖出看涨，锁定一个价格区间。

首日流量里有一笔：投资者买入7700份9月到期的200美元行权价看跌期权，同时卖出9月220美元看涨期权，权利金净收入10.20美元——这是一个标准的"领口策略"（Collar），用卖涨补贴买跌，整个头寸到9月到期。更早的一笔更大：27000份9月205跌/225涨领口，投资者买入跌期权、卖出涨期权，净收大约1.70美元。

这两笔的到期时间都有意思——9月，恰好在8月20日SpaceX首批解禁之后。IPO后70天，首批锁定期届满，早期投资者和员工开始可以卖股票。这些领口交易，很可能就是在给那个时间节点买保险。

当然，同时也有人在赌继续涨：1500份7月300美元看涨期权买入，6500份7月325美元看涨期权买入，还有3000份7月220美元跨式期权被卖出——后者押注的是波动率在某个区间内收敛。两种完全相反的判断，在同一天同一市场里共存。

两端都贵，就是没法做

Susquehanna的测算给出了一个直观数字：当前9月期权定价，隐含SpaceX在9月前再涨50%的概率约15%，同时隐含下跌50%的概率约13%。

涨跌两端的概率相近，但都不低——这意味着期权的隐含波动率被打得极高，两端都很贵。买涨，买贵了；买跌，也买贵了；卖期权，又太危险。

期权做市商平台SpotGamma的仓位模型显示，当前庄家整体在7月到期日附近195美元附近处于做多Gamma的状态，这在短期内对股价有一定支撑，但也意味着进一步向上逼空的难度加大。同时可以看到，交易者中有明显的"空看涨+多看跌"组合存在——做市商持有的是反向头寸。

杠杆ETF：第二天就破纪录

期权之外，杠杆ETF的数据同样惊人。

据彭博ETF分析师Eric Balchunas，2倍做多SpaceX的杠杆ETF在上市第二天（周三）总成交额已突破30亿美元，较前一日的10亿美元翻了三倍。其中，SPCH单日成交额达13亿美元，据报道创下ETF上市第二日成交额的历史最高纪录，超过此前由比特币现货ETF IBIT创下的5亿美元纪录。

目前，几乎所有追踪SpaceX的杠杆ETF管理规模均已突破1亿美元。

这一数据背后的含义是：大量散户资金正在通过杠杆工具涌入，且持续性强。多只产品追踪同一只股票，叠加杠杆效应，意味着SPCX的波动可能被进一步放大。

热度之下的真实问题

值得注意的是，这场狂热目前与基本面几乎脱钩。SpaceX市值在周二超过了亚马逊，但彭博数据显示，其资本支出和营收规模与亚马逊相比，差距仍然显著。

这不是说SpaceX的故事不成立，而是说：当前的价格行为，更多是由仓位、流动性和情绪驱动的，而非盈利预测的重新定价。

类比来看，特斯拉2020年的走势被不少人事后归结为"伽玛逼空"——从15美元涨到300美元，期权市场的正反馈在其中扮演了关键角色。SpaceX目前的结构与之有相似之处，但最终走向，要等8月解禁这个真正的压力测试。

期权市场当下的定价，已经把这两种可能性都计入了价格——只是两端都买不便宜。

本文来自华尔街见闻，欢迎下载APP查看更多

Noam Shazeer——生成式AI浪潮背后最关键的技术奠基人之一——正式加入OpenAI。OpenAI于当地时间周三（6月17日）向内部员工宣布了这一消息。

Shazeer本人随后在X上确认了这一动向，他写道："我很高兴宣布将加入OpenAI，期待与那里出色的团队共事。"

谷歌方面则发表声明称："我们感谢Noam多年来对谷歌的重要贡献，并祝他一切顺利。"

Noam Shazeer 视频截图

他是谁，为什么重要

据The Information报道，Shazeer是2017年那篇划时代论文《Attention Is All You Need》的核心作者之一。这篇论文提出了Transformer架构——简单说，就是让AI学会"预测下一个最可能出现的词"的底层逻辑。

这个架构，是ChatGPT、GPT系列模型的技术基础，也是整个生成式AI爆发的起点。

Shazeer的职业轨迹颇为曲折：他2021年离开谷歌，联合创办了AI聊天机器人公司Character.AI；2024年，谷歌以27亿美元的交易将他和他的团队重新纳入旗下AI部门DeepMind。回归后，他担任Gemini模型的技术负责人，主导了新一代模型的预训练工作。

如今，他再度出走，这次落脚OpenAI。

OpenAI为何需要他

据报道，在OpenAI，Shazeer将专注于两件事：探索AI模型的新架构，以及推动现有Transformer架构的持续演进。

这个定位并不普通。架构层面的突破，决定的是未来几代模型的天花板，而不只是当下产品的迭代。

时机同样关键。OpenAI目前正面临来自Anthropic的强力竞争，两家公司都在为备受市场关注的IPO做准备。在这个节点，抢到一位能在底层架构上发力的顶级研究员，意义不止于技术本身。

值得一提的是，Shazeer当年在谷歌时，就曾希望推出类似ChatGPT的聊天机器人产品，但未能成行。OpenAI后来用Transformer架构率先做到了这一点。某种程度上，这次加盟也是一次迟来的"归队"。

争议与背景

Shazeer的履历并非没有争议。

他联合创办的Character.AI今年早些时候同意就多起诉讼达成和解，涉案家庭指控该平台的AI聊天机器人与青少年自杀及心理健康危机存在关联。

此外，据报道，Shazeer在谷歌DeepMind任职期间，曾因在网上发表争议性言论与部分同事产生摩擦——包括质疑跨性别群体的存在，以及指责关注加沙局势的员工存在反犹太主义倾向。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博周四报道，对44位经济学家的调查显示，约90%的受访者预计日本央行将在12月会议前将基准利率从1%进一步上调。其中，52%的受访者认为加息最可能发生在12月，36%指向10月，另有近四分之一的受访者认为最早可能在9月采取行动。

日本央行周二宣布加息，为去年12月以来首次，理由是潜在通胀存在超过2%目标的风险。此次加息叠加美联储官员释放年内加息信号、欧洲央行上周已率先行动，令全球主要央行收紧周期的轮廓愈发清晰，也进一步强化了市场对日本央行提速的预期。

紧缩节奏或加快，终端利率预期上移

本次调查结果显示，市场对日本央行本轮加息周期终端利率的预判已较此前明显抬升。受访经济学家目前预计本轮周期利率峰值中位数为1.75%，高于本月早些时候调查所得的1.5%。至2027年底，利率中位数预期为1.5%，意味着2026年再加息一次后，2027年还将有一次加息。

Capital Economics亚太区负责人Marcel Thieliant在调查回复中表示，“鉴于日本央行目前认为经济活动下行风险已减弱、通胀上行风险有所上升，我们预计政策制定者将加快紧缩周期的推进步伐。我们现在预计央行将在10月再度加息，并在2027年额外加息三次。”按此路径，日本央行隔夜拆借利率将于2027年底达到2%，处于调查预测区间的较高端。

副行长主持发布会，未释放明确加速信号

值得关注的是，本次会后新闻发布会由副行长Shinichi Uchida主持，原因是行长植田和男上周住院。多位受访经济学家指出，Uchida在发布会上并未就加快加息节奏发出明确信号。

All Nippon Asset Management首席策略师Chotaro Morita表示，"每次政策会议的决定可能将更具独立意义，而非简单遵循预设的正常化路径。日本央行在传达政策决定时，也将面临更大压力，需要详细说明其对经济和价格走势的评估。"

六月加息预期早有铺垫，沟通获市场认可

此次加息预期的形成并非突然。4月会议上，三位官员投票支持加息但遭否决，形成分裂表决，此后多位此前投票维持不变的官员也相继公开表态支持加息，令6月加息预期持续升温。

调查显示，三分之二的受访者认为日本央行在本次决策前的沟通表现"良好"或"非常良好"，仅5%认为表现欠佳，反映出市场对央行政策透明度的整体认可。

在汇率层面，日元在周二会议后维持在每美元约160附近，交易员对进一步汇率干预保持警惕。此前，美联储官员释放年内加息信号后，日元兑美元跌至2024年7月以来最低水平，干预风险随之上升。野村证券首席策略师Naka Matsuzawa指出，"随着美国和欧洲开始转向加息，日本央行很可能别无选择，必须较此前预期加快加息步伐，以避免进一步落后于曲线。"

本文来自华尔街见闻，欢迎下载APP查看更多

然而，站在市值之巅的铠侠，在扩产这件事上却意外地克制。

烫过一次手，这次不敢轻易加仓

据日经新闻最新报道，铠侠计划在FY2026至FY2028三个财年内，年均资本开支约4700亿日元，较FY2025增长66%，三年合计约1.4万亿日元。

数字看起来不小，但这一年均水平仍比铠侠FY2023的历史峰值5104亿日元低约10%。

为什么不趁着行情好大干一场？答案藏在2022年的那次教训里。

2022年铠侠曾豪掷1万亿日元扩建四日市工厂，结果疫情后需求急速退潮，公司连续五个季度亏损，一直持续到2023年第四季度。

这段经历直接塑造了铠侠现在的投资逻辑：严控现金流，把支出集中在岩手县北上工厂——那里还有可用的洁净室产能，不需要从零建设。

NAND价格飙升，但铠侠选择“躺赢”

铠侠的保守，恰好撞上了NAND市场的强劲反弹。

TrendForce数据显示，2026年第二季度NAND闪存合约价格预计环比上涨70%至75%；SLC NAND均价在今年上半年已累计上涨约130%至150%。

TrendForce同时判断，2026年NAND市场将出现明显供应短缺，而大规模新增产能最早要到2027年底至2028年才能落地。

这意味着，铠侠不用大幅扩产，就能坐享价格上涨带来的利润改善和现金流回升。

长期协议：锁定收益，还是周期见顶的信号？

供应紧张的背景下，云服务商开始抢着签长期供货协议（LTA）。

据Global Economic News报道，铠侠总裁Hiroo Ota已明确设定目标：到2028年，将50%的出货量通过与超大规模云服务商签订的多年期LTA来锁定。

对铠侠来说，LTA能锁定稳定收入，平滑周期波动。

但这枚硬币有另一面。报道分析，LTA签约量激增，历史上往往出现在供应极度紧张的时期——买家急于锁定产能，卖家急于锁定高价，这种"双向奔赴"有时恰恰是市场接近周期顶部的信号。

铠侠的克制，让三星和SK海力士捡了便宜

铠侠按兵不动，市场供给缺口由谁来填？

铠侠的供给纪律正在进一步收紧通用型NAND的供应，这为三星电子和SK海力士创造了机会——两家公司可能借此恢复产能，甚至进行意外的扩产，从而在短期内支撑价格走势。

与此同时，韩国的材料、零部件和设备供应商也将受益，尤其是原子层沉积（ALD）设备制造商——这类设备是先进NAND制程不可或缺的关键环节。

贝恩资本和SK海力士，才是这场盛宴最大的赢家

铠侠市值暴涨，最直接的受益者或许不是铠侠自己，而是它的股东。

据《金融时报》报道，贝恩资本（Bain Capital）从2018年收购铠侠的交易中，预计获益超过150亿美元。尽管贝恩资本据报已出清自身持仓，但包含SK海力士及其他投资者在内的韩美日联合基金仍持有铠侠18%的股份，这部分潜在收益尚未兑现。

市场预期显示，随着铠侠上市后估值大幅攀升，该联合基金的总回报可能超过700亿美元。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博最新报道，阿联酋外贸部长Thani Al Zeyoudi公开表态，阿联酋正在推进一项目标明确的能源基础设施计划——实现对霍尔木兹海峡的"零依赖"。

"我们正朝着对霍尔木兹零依赖的方向迈进，无论海峡是否开放，这一方向都不会改变，"Thani Al Zeyoudi在接受采访时说，"海峡会重新开放，我们希望这能尽快发生，但我们不会停止新计划。"

这番表态的背景是：美伊冲突导致霍尔木兹海峡实际封锁数月，全球原油、成品油和液化天然气的供应链被迫重组。目前，美伊谅解备忘录预计最快本周四或周五正式签署，海峡有望在数日内恢复通行——但这场危机已经让海湾产油国意识到，单一海上通道的风险不可再忽视。

管道、铁路、港口：阿联酋的绕行蓝图

阿联酋的计划涵盖管道、铁路和公路，核心是打通从波斯湾港口到阿曼湾沿岸港口的陆上通道，目标节点包括迪巴（Dibba）、富查伊拉（Fujairah）、霍尔费坎（Khor Fakkan），以及至少一个新建港口。

阿布扎比已宣布，计划在2027年前快速推进第二条通往富查伊拉的原油管道，同时正在评估第三条石油管道，以及液化天然气、石化产品等能源品类的绕行出口方案。

不过，管道能解决的问题有限。原油可以通过管道改道，但液化天然气、铝、集装箱进口等商品的转运难度更大。迪拜的杰贝阿里港（Jebel Ali）是亚洲以外全球最大的集装箱枢纽，若将更多货物转移至东部港口，将推高内陆运输成本，并延长运输时间。

沙特满负荷，伊拉克也在行动

阿联酋并非孤例。冲突爆发第一个月，沙特阿拉伯的东西管道就已满负荷运转，日输送量达700万桶，将原油从波斯湾装载港转道至红海沿岸的延布港（Yanbu）出口。

伊拉克内阁近期也批准了一项计划，加速推进库尔德斯坦-土耳其管道的原油出口，目标是将日出口量从现有的22万桶提升至77万桶，增幅超过两倍。

但伊拉克面临的结构性困境更为棘手。QuantCube高级经济学家Alan Lemangnen在接受CNBC采访时指出："伊拉克的处境要复杂得多，因为我们知道，其绝大部分甚至全部石油都要经过霍尔木兹海峡。"

科威特也在积极寻找出路。科威特石油公司国际营销总监Sheikh Khaled Ahmad Al-Sabah本月早些时候表示，科威特已与沙特和阿联酋就潜在的跨境管道进行了磋商，探讨如何在不依赖霍尔木兹的情况下，将海湾原油输送至买家。

霍尔木兹海峡之所以是全球能源市场的"咽喉"，但随着海湾产油国加速布局替代通道，这一筹码的含金量正在下降。

本文来自华尔街见闻，欢迎下载APP查看更多

从2014年向私营企业开放，到2019年第一枚私人研制的火箭成功入轨，再到2025年IPO条件放宽，中国商业航天走过了整整一个十年的奠基期。

“中国商业航天行业正接近商业化的拐点”。据追风交易台，瑞银证券分析师李坤仑等在最新发布的中国商业航天研报中判断，随着可重复使用技术临近商业部署，以及新型应用场景不断涌现（如太空计算），商业航天的潜在市场规模（TAM）有望实现数量级的扩张。

下一步中国商业航天不只是“多发几次火箭”，而是能否把火箭、卫星、太阳能电池、激光通信和地面制造体系串起来，形成类似光伏、锂电池那样的规模降本曲线。

降本曲线：光伏和锂电池走过的路，火箭在走

2019年，中国首枚民营商业火箭的发射成本约在1万至1.5万美元/千克。到2025年，行业领先者已将这一数字压到约4000美元/千克。累计商业发射次数也在2025年达到约95次。

测算显示，假设行业学习率维持在20%-35%，且到2030年累计发射次数接近1000次，发射成本有望进一步下探至900-1900美元/千克。所谓学习率，是指累计产量每翻一番，成本下降的比例。这两条曲线的背后，是工程迭代、本土供应链集聚和产能扩张共同推动的结果。

而这套逻辑，中国制造业已经跑过一遍。

回归分析中国光伏组件和锂电池的成本曲线：光伏学习率约34.9%，锂电约26.2%。

商业航天的底层逻辑相似。这背后有一个很重要的支撑条件：中国制造业生态的兼容性。天兵科技（Space Pioneer）的数据显示，其火箭零部件约95%可以从汽车、航空、机械行业的供应商采购。目前仍有约30%的供应商来自传统国有航天体系——这个比例每降一点，就意味着市场化采购比例在增加，成本就有空间继续往下走。

朱雀二号（LandSpace）的可复用试验提供了另一个具体数据点：一级火箭复用5次后，发射成本可降低最高45%。

框架中提到一个类比：中国商业航天的供应链现状，很像中国汽车行业30年前的状态——1998年第一辆私人品牌汽车出现时，整个产业链还没有完全市场化。

可复用：成本下降的最大单一变量

降本路径中，可复用技术是最关键的一块。

一枚火箭的成本，一级发动机占大头——发动机数量多、结构质量大，决定了一级是整枚火箭里成本最高的部分。如果能把一级回收并重复使用，成本曲线会迅速弯折。

蓝箭航天（LandSpace）已经完成了火箭发射与回收的里程碑测试，时间节点在2025年第四季度。长征十二甲同期也完成了相关测试。蓝箭航天的测算是：复用5次后，单次发射成本可降低最多45%。

目前的问题是：中国的可复用技术仍处于验证阶段，离批量商业化还有一段距离。现有发射能力也不足以支撑超过1万吨载荷的部署需求，关键卫星技术——包括电源、热管理、零部件、传输和轨道运营——也尚未完全成熟。

2026年下半年，还有两个重要节点值得跟踪：星河动力（Galactic Energy）的智神星一号和星际荣耀的双曲线三号，都计划进行首飞并尝试回收。

5万颗卫星：星座建设刚刚起步

截至2026年一季度，中国累计在轨卫星约1333颗，其中遥感占46%，通信占35%。

但按照国网星座（GW）和千帆星座（Qianfan）的规划，中国长期目标是部署5万颗卫星——是现有规模的近40倍。

不过，从1333颗跨越到5万颗，中间横着三道槛：可复用火箭技术尚未完成商业验证；现有发射能力不足以支撑超过1万吨的部署需求；卫星的电源、热管理、载荷等核心技术也还不够成熟。

国际电信联盟（ITU）的频轨规则给这场赛跑加了一个隐形倒计时：申报后7年内至少要发射1颗，9年内完成10%，12年内完成50%，15年内完成100%，逾期申报失效，最终部署上限就卡在实际发射数量上。

GW国网和千帆两个星座，加在一起就意味着未来十年内要部署超过15,000颗卫星。这意味着，星座建设不是“可以慢慢来”的事。

千帆一期（1296颗）的部署计划在2027年启动。这是产业链能感受到真实订单压力的时间窗口。

空间算力：下一个商业化赛道，但成本差距仍大

通信、遥感、导航是商业航天的三个传统应用，商业化一直都不太理想。遥感主要靠政府订单，通信面对的是一个5G基建已经高度发达的国内市场，直连手机业务（DTC）需求有限。

空间算力被认为是下一条路。

逻辑是这样的：AI的高速发展把算力资源逼入瓶颈，能源是核心约束。卫星放在晨昏同步轨道（sun-synchronous orbit），可以近乎持续获得太阳能，同时受益于辐射冷却，也没有地面审批限制。

2025年5月，中国发射了首批12颗算力卫星，形成"三体计算星座"雏形，由浙江实验室与ADA Space联合运营。ADA Space（星联天通/宸境科技）近期还与腾讯云达成合作。

要让轨道数据中心真正替代地面数据中心，需要两个条件同时成立：发射成本下降，以及空间太阳能电池成本下降。当前最低发射成本约3000美元/千克，最低空间级太阳能板成本约1万美元/千瓦（P型HJT）。测算显示，要实现与地面电力的成本平价，这两个数字都需要再下降约80%。

这是一个中长期路径，而非眼下的现实。

更接近近期商业价值的，是"空间数据在轨处理"模式——卫星图像、SAR数据等在轨直接处理，减少向地面传输的压力，这一路径对技术突破的依赖相对更低，战略价值也已经相对清晰。

供应链的钱在哪里

随着发射节奏加快、星座部署规模上升，需求会传导到一条很长的制造链条——材料、电子、热管理、光通信、电力基础设施。

两个子行业被单独提出来：

空间太阳能电池是确定性最强的基础设施需求。任何大规模卫星星座都需要电源，HJT（异质结）目前是最平衡效率、抗辐照性和成本的方案；钙钛矿是长期技术方向，但轨道寿命验证尚未完成。测算显示，空间太阳能市场到2035年有望达到百吉瓦级别。

激光通信已接近商业化阶段。传统射频通信受频谱和带宽限制，激光通信的数据传输速率可以达到100Gbps至1Tbps，下一代星座100至200Gbps已成为标准配置，400Gbps已在轨验证，且不需要向ITU申请频谱许可。

在轨服务：一个容易被忽略的成本变量

LEO卫星的设计寿命一般在5至7年（中国科学院数据）。对于装了大量计算设备的算力卫星来说，这是个严重的经济问题——计算机架的成本可能是发射成本的10倍（这是谷歌在假设发射成本200美元/公斤时的测算）。

如果卫星寿命止步于7年，整个投资回报模型就很难算平。

在轨补给和维修是一条可能的出路。中国商业公司星聚空间（Emposat）近期完成了在近地轨道使用机械臂进行燃料加注的测试，是中国首颗装备柔性机械臂的商业试验卫星。美国Starfish Space也计划在2026年完成对一颗Intelsat卫星的首次商业服务。

这个方向尚处于早期，但它的意义在于：如果在轨寿命能从7年延长到更长，算力卫星的商业模型会从根本上改变。

类比人形机器人：多波段行情，不是线性成长

商业航天和人形机器人有一个共同点：市场潜在规模极大，但离大规模商业化还有距离，且高度依赖政策托底。马斯克的设想是每年8万次发射，近乎每小时一次；100GW的轨道数据中心需要约100万颗卫星。

这样量级的市场，当前产业体量与之相比可以忽略不计。

历史规律是：当可寻址市场足够大、技术可行性维持可信，行业发展往往会经历多波上行，特征是高波动但长期趋势向上。

但中国商业航天有其特殊之处——中国成熟的5G基建减少了直连手机业务的紧迫性，功耗压力也相对美国更小，因此商业化推进的外部紧迫程度略低于美国。

本文来自华尔街见闻，欢迎下载APP查看更多

据The Information于6月17日报道，新加坡主权财富基金淡马锡（Temasek）计划在2030年前将其AI相关投资持仓从目前的250亿美元扩大至750亿美元。这一目标意味着AI资产在其整体投资组合中的占比将从7%跃升至约15%，在新加坡以外的资产中占比则接近四分之一。

淡马锡负责风险投资与成长期投资的董事总经理Aftab Mathur在旧金山表示："对淡马锡来说，这是一个相当大的跨越。我们正在大规模扩大AI敞口。"

今年以来，淡马锡已陆续现身多个重量级AI融资轮，包括Anthropic、Isomorphic Labs和Waymo。这家管理数千亿美元资产、以新加坡政府为唯一股东的机构，正从一个低调的旁观者，转变为AI投资浪潮中不可忽视的新增买家。

“良性循环”驱动加仓逻辑

推动淡马锡加大AI投入的，是一套它自己称之为"良性循环"的逻辑。

驻旧金山的淡马锡董事总经理Martin Fichtner解释说，淡马锡旗下的大型新加坡被投企业——比如市值1400亿美元的星展银行（DBS）——已经开始大规模采用AI、削减人工，这让投资者对这项技术的价值有了更直观的感受。

这条逻辑链并不复杂：企业用AI降本增效，带动AI模型和应用公司的营收增长，进而支撑数据中心等基础设施的资本开支，再反过来推动更多模型研发投入。

Fichtner说，这个循环能否真正成立，关键在于一个问题："是否有投资回报（ROI）？"

这句话点出了当前AI投资圈最核心的争议：企业砸下去的钱，到底有没有赚回来？

看多，但不押注具体赢家

尽管整体方向明确，淡马锡的高管们在具体判断上却相当谨慎。

当被问及AI在企业内部哪些场景还跑不通时，Mathur的回答是："现在下结论还太早。这一切变化太快，我们在观察、在追踪……现在给出任何方向的答案都太早了。"

当被追问哪家不知名的AI公司未来可能成为家喻户晓的名字时，Fichtner笑了笑，给出了一个"非答案"："我觉得这个问题大家永远都想在事后回答。我们会寻求多元化，我们是以投资组合的方式来思考的。"

这种表态折射出当前大资金入场AI的普遍姿态：方向上笃定，但对于价值最终落在哪里、哪些赌注会打水漂，没有人愿意轻易押注。

“耐心资本”的新角色

淡马锡的风格历来是稳健、低调，在科技大趋势的早期往往选择观望。它的投资组合横跨晚期私募科技公司（如Stripe、Databricks）和新加坡本土老牌企业（如新电信、新加坡航空）。

但这一次，它选择了主动加速。

The Information指出，淡马锡代表的是一类新的增量资金——它们同时出现在数据中心的私募信贷融资中，也出现在中东主权基金主导的超大规模融资轮里。正是这类"耐心资本"的大规模入场，让全球AI投资的基调从"谨慎观望"转向了"不能错过"。

但这类资金的耐心也有边界。一旦AI的投资逻辑开始动摇，它们的态度是否会随之转变，将是市场需要持续观察的变量。

本文来自华尔街见闻，欢迎下载APP查看更多

野村策略师Charlie McElligott指出，伊朗协议的市场影响正沿着此前预判的路径演进：能源价格缓和压低通胀预期，推动各央行重新定价偏鸽立场，进而带动金融条件松动、美元走弱，为长期被低配的周期股、价值股及新兴市场权益资产创造补涨空间。

数据已初步印证这一逻辑——标普500等权重指数跑赢市值加权指数，"其余490只股票"开始分享市场上涨的阳光。

与此同时，市场内部的结构性信号愈发清晰：科技与能源板块昨日同为标普500表现最差的两个板块，"短期反转"因子走强，"长期动量"因子走弱，非美市场相对美股跑赢，大盘科技股跑输大盘，周期股相对防御股在过去一周飙升逾2个标准差。

哑铃策略走向终结，充当"资金来源"

在过去数月，"50%半导体+50%能源"的哑铃组合凭借同时对冲AI主题拥挤风险与伊朗冲突引发的油价冲击，为投资者提供了出色的风险收益比。然而McElligott明确表示，这一策略的"高光时刻"已告一段落。

他指出，随着伊朗协议落地，这一组合更可能在当前市场环境下扮演"资金来源"的角色——即投资者通过减持半导体与能源仓位，腾挪资金再配置至对经济更为敏感的资产。他将这一转变定性为策略的自然"成熟"，而非趋势的骤然逆转。

此外，"SpaceX狂热"行情（市场出现大量追涨SPCX看涨期权的恐慌性买盘，部分投资者甚至通过偏度交易买入下行对冲）以及"超大规模云计算企业作为融券空头/通过增发自我对冲"的动态，也进一步抽走了此前"AI约束+原油对冲哑铃"策略的动能。

轮动逻辑：通胀尾部收窄驱动央行重定价

McElligott梳理了本轮轮动的核心传导链条：伊朗协议带来能源价格缓和，直接压缩通胀尾部风险，使通胀更易被框架为"暂时性"现象，从而为各央行提供向鸽派方向重新定价的空间。

在此背景下，长期落后于美国的全球其他市场——尤其是能源进口国增长前景得以重燃，触发"救济式反弹"。金融条件随利率下行与美元走弱而趋于宽松，低配已久的周期股、价值股与新兴市场权益资产面临逼空式上涨压力。

野村QIS CTA模型的实时数据显示，趋势反转正在债券、大宗商品、外汇及短期利率/货币市场等多个资产类别同步发生，唯有方向性股指期货尚未出现明显逆转。

定位清理仍需尊重，通胀押注或有重置窗口

在美联储新任主席沃什主持首次会议之际，McElligott认为此次会议结果已被市场充分预期：政策利率与利率点阵图中值（今年）维持不变，同时FOMC将从政策声明中移除"宽松"偏向措辞，与近期偏鹰派的数据信号保持一致。

他指出，伊朗协议实际上为美联储提供了一个在中期论证政策宽松的叙事依据——通胀尾部被切除，使"暂时性通胀"的表述更具说服力。而在他看来，沃什在2026年底前最"鸽派"的路径，也不过是维持利率不变。

McElligott在结论中提示，与他交流的众多市场人士认为，在不远的将来仍将出现重新布局通胀/鹰派押注（以及贵金属多头）的时机，因为顺周期力量往往会制造"鸽派过度"的修正机会。但他强调，当下最重要的是尊重仓位清理的过程。在轮动完成之前，试图过早逆势重建通胀对冲头寸，面临的阻力不容小觑。

本文来自华尔街见闻，欢迎下载APP查看更多

放在当下CDMO行业的语境里，药石科技试图把分子砌块、AI分子设计、绿色工艺放大、DS/DP协同和全球交付能力，整合到一套面向复杂分子的CRDMO平台中。

ADC、PROTAC、多肽、寡核苷酸、AOC等下一代疗法持续升温，创新药项目的难点正在从靶点发现向分子工程、CMC开发、质量体系和商业化供应延伸。对创新药企业而言，外部合作伙伴的价值要看其能否在更早阶段识别分子风险，并把这种判断延续到后续开发和生产。

高盛在最近的一篇报告中把当前CDMO行业概括为「复苏持续但分化明显」，GLP-1/TIDES需求仍在支撑订单增长，ADC管线活跃但商业化能见度参差不齐。这个判断放在药石科技身上，对应的是一家公司如何从传统小分子化学优势，切入更复杂分子形态的开发与制造。

从分子砌块到可开发分子

药石科技最早的核心资产是分子砌块。过去，这项能力更多服务于药物发现阶段，为客户提供多样化的化学片段和合成起点。在下一代疗法语境下，砌块的价值需要进一步前移到分子设计，同时后延到可合成性、可放大性和可开发性。

发布会上，药石科技介绍了自研端到端AI药物发现平台ZoeStar^TM。该平台依托超过20万种分子砌块资源构建虚拟化学空间，并在实体砌块和可合成性约束下推荐候选分子。它的现实意义在于，AI生成结构如果脱离合成路径、杂质控制和工艺放大，早期效率很容易在CMC阶段被重新消耗。

瑞银在最近一篇AI对中国CDMO行业影响的报告中提出，AIDD将推动更多复杂分子进入验证阶段。AI生成分子平均分子量更高、手性中心更多、合成可及性评分更高，五步以上合成分子比例也在上升。瑞银据此判断，CDMO能够把AI设计分子转化为真实可测试候选物，将在数量和价格上受益。

这正是药石科技强调「AI+分子砌块」的原因，AI负责扩大搜索空间，分子砌块负责把搜索结果转化为可执行的化学成果。这个体系最终能否转化成订单，还要看客户项目中的实验验证效率和后续开发转化。

复杂分子的产业化难点在放大

下一代疗法的门槛，往往出现在概念验证之后。

ADC需要稳定的linker和偶联控制，PROTAC要处理更高分子量和更复杂构象，多肽涉及非天然氨基酸和合成效率，寡核苷酸则对杂质谱、纯化和质量体系提出更高要求。

这些问题最终都会落到CMC。

药石科技这次重点展示了连续流、固定床、酶催化、数字化开发生产和绿色运营等制造端能力。公司披露，其连续流和固定床平台已积累近千个项目实践，部分项目达到吨级规模。以固定床氢化为例，10升装置可实现相当于传统大体积釜式反应的持续产出，并降低在线持料量。

这些能力的价值主要体现在复杂反应放大。连续流带来的精准传热传质、停留时间控制、在线监测和工程建模，可以改善高危反应放大过程中的安全性、稳定性和质量一致性。对下一代疗法CRDMO平台而言，绿色制造同时连接ESG、成本控制和规模化生产。

肽类药物提供了一个外部参照。高盛预计，2025-2036年全球肽类CDMO市场复合增速约19%，2030年全球抗肥胖药物市场对肽类API的需求约79,000公斤。肽类API需求放大后，GMP合规、制造成本和产能执行会成为产业链真正的约束条件。

一体化CRDMO考验知识传递

药石科技在发布会上反复强调一体化CRDMO。这个概念不能只理解为原料药和制剂能力的物理叠加，更关键的是工艺、分析、质量和项目管理知识能否连续传递。

一个项目从PCC到IND，再从IND到NDA和商业化供应，路线、杂质、分析方法、质量标准和申报资料都会不断迭代。如果不同阶段反复交接，技术转移和后期返工会吞噬前期开发效率。

药石科技副总裁余善宝博士在发布会上提到，DS/DP协同有助于减少重复技术转移和后期返工，并提升数据完整性和质量一致性。

百济神州的小分子药物CMC负责人龚豫川博士也在现场分享了双方合作经历。百济神州与药石科技的合作从药物发现阶段延伸到CMC开发和商业化供应，涉及分子砌块、关键起始原料、连续流工艺、连续氢化以及机理与数据驱动研发等环节。

这个案例能够说明，平台能力需要通过长周期项目关系验证，单个技术标签不能替代客户项目中的连续交付。

CDMO板块的能见度越来越由后期和商业化项目驱动，早期融资环境的权重正在下降。这个判断对所有CRDMO公司都适用。平台讲得再完整，最终仍要落到质量、商业化项目占比和订单转化。

全球交付能力决定客户半径

药石科技还把全球化和可持续能力放在这次战略发布的重要位置。公司表示，目前已形成以南京为全球研发中心，瑞士苏黎世基地作为欧洲研发支持与仓储物流枢纽，美国宾夕法尼亚WestChester与Hatfield基地贴近北美客户需求，浙江、山东等生产基地承接临床至商业化生产的布局，2025年，公司海外市场营收占比超过72%。

当药物分子越来越复杂，行业稀缺能力也变得更具体：把复杂分子变成可开发、可放大、可申报、可持续供应的产品。对CRDMO企业而言，这才是下一阶段竞争的主战场。

本文来自华尔街见闻，欢迎下载APP查看更多

SpaceX上周五创纪录登陆纳斯达克，市值突破2.5万亿美元。本周二，SPCX期权正式开市交易，首日成交量即打破IPO后期权上市的历史纪录，近180万张合约易手。

在这场热潮背后，市场呈现出鲜明的两极分化：散户追涨情绪高涨，而机构资金则悄然布下精密的对冲棋局，以"零成本"结构锁定上市以来的巨额浮盈。

期权分析师Michael Khouw指出，高企的隐含波动率为持股者提供了难得的套保窗口，但也让追涨的场外投机者面临极高的时间价值损耗风险。对于已持有低成本仓位的机构而言，当前正是利用期权结构性工具管理风险的最佳时机。

首日爆量，多空情绪两极分化

SPCX期权上市首日近180万张合约的成交量，创下IPO后期权首日交易量的历史新高，充分折射出市场对这只"世纪IPO"的极度关注。

然而，成交量背后是截然不同的两类参与者。其中一笔引人注目的大单，是某交易者大举买入7000张7月到期、行权价325美元的看涨期权，每张合约成本约7美元，合计耗资约49万美元。这笔交易押注SPCX将在一个多月内从当前约201美元的收盘价暴涨逾50%。

Michael Khouw对此明确表示不看好。他指出，在IPO后最初几个交易日，隐含波动率普遍虚高，深度虚值看涨期权面临极为陡峭的时间价值损耗压力。将一家市值2.5万亿美元的巨型公司当作低流通量的概念股来炒作，是一种高风险的投机行为。

机构出手，"零成本领口"锁定浮盈

与投机性买盘形成鲜明对比的，是另一笔被市场视为"教科书级"的机构对冲操作。

据报道，某机构投资者执行了7500张9月到期的205/225领口期权组合（Collar）——买入行权价205美元的看跌期权，同时卖出行权价225美元的看涨期权，整体以每张合约2美元的净权利金收入完成建仓，即所谓"零成本对冲"甚至小幅获益的结构。

该策略的保护效果清晰可量化：若SPCX股价跌破205美元，持仓者的实际亏损下限锁定在207美元（看跌期权行权价加上收取的权利金）；若股价上涨，收益上限封顶于227美元，较当前价格仍有逾10%的潜在涨幅空间。

Michael Khouw认为，这笔交易结构精良，尤其适合那些在IPO阶段或更早以较低成本建仓、目前持有大量浮盈的机构投资者。通过收取权利金补贴保护成本，在锁定下行风险的同时保留了一定的上行参与空间，是当前高波动环境下管理长仓风险的优选方案。

卖出虚值看跌期权，将高波动率转化为收益

对于尚未持有SPCX股票、希望借助高隐含波动率创造收益的投资者，Michael Khouw提出了另一种策略：卖出8月到期、行权价135美元的虚值看跌期权，当前可收取约每张8.10美元的权利金。

该策略的逻辑在于，135美元的行权价恰好与SPCX的IPO发行价持平，若股价届时仍高于该水平，期权到期作废，卖方直接收取全部权利金。若股价大幅下跌并被行权，卖方的实际持股成本为126.90美元（行权价减去权利金），较当前市价折让约33%，且低于IPO发行价，提供了相当厚的安全边际。

以约两个月的持有期计算，该策略可带来约6%的即时风险回报率，折算成年化收益率约为36%。

Michael Khouw同时提醒，IPO初期期权隐含波动率偏高是普遍规律，随着时间推移这一溢价将逐步消退。因此，无论是通过领口策略对冲多头敞口，还是通过卖出虚值看跌期权收取权利金，尽早行动才能最大化利用当前的波动率红利。

本文来自华尔街见闻，欢迎下载APP查看更多

据高盛FICC与股票业务团队发布的会后快评，此次会议最核心的信号来自沃什在新闻发布会上对"价格稳定"的着重强调，这一表态直接触发了权益和外汇市场的加速抛售。标普500指数下跌1.2%，欧元下跌0.9%，均为今年历次FOMC会议后最大跌幅。

利率期货市场的反应同样显著。市场目前已将2027年一季度前加息两次的预期纳入定价，政策路径的重新评估在会后迅速展开。与此同时，点阵图显示18位官员参与投票，其中9位预示2026年内将加息，而沃什本人未提交点位预测。

声明措辞收紧，鹰派立场初现

据高盛报告，沃什此次发布的政策声明篇幅较前任明显缩短，措辞上突出"价格稳定"优先，被市场解读为鹰派转向的明确信号。

在新闻发布会召开之前，市场对此次会议的初始反应相对克制，欧元、日元和标普500指数的波动均较为温和。然而随着发布会推进，沃什对价格稳定的持续强调令市场预期快速重新定价，股市随即出现大幅抛售，美元走强态势在欧元和日元上同步体现。

点阵图分歧加剧，沃什缺席投票

本次点阵图共收录18个点位，其中9位官员预示2026年内将至少加息一次，内部分歧较为明显。值得关注的是，沃什本人选择不提交点位预测，这一做法在历史上较为罕见，也令外界对其个人政策倾向的判断更加困难。

高盛报告认为，正是由于市场此前对新主席首秀存在较高的不确定性预期，FOMC会议前的隐含波动率已高于历史均值。利率决定公布后，主要货币对的实际波动率低于隐含预期；但发布会阶段的鹰派表态随即推动实际波动率超越隐含水平，除美元兑日元外，其余主要货币对均出现这一现象。

宣布设立多个工作组，改革信号引发关注

除货币政策立场外，此次会议另一个值得关注的动向是美联储宣布将在未来数月内设立多个专项工作组，涵盖美联储沟通机制、数据、通胀以及生产率与人工智能等议题。

高盛报告将这一安排列为"尤为值得关注"的事项。上述工作组的设立意味着沃什有意对美联储的运作框架和对外沟通方式进行系统性梳理，其潜在影响可能超出单次利率决定本身，对市场解读美联储前瞻指引的方式构成新的变量。

综合来看，高盛认为，沃什的首次亮相标志着美联储政策风格的实质性转变——更短的声明、更强的价格稳定导向、以及更大范围的机构审视，共同构成了这场"不平静的开局"。

本文来自华尔街见闻，欢迎下载APP查看更多