注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 同时公司也正在从遥操真机数采→VLA模型自主控制真机数采方向研发(本质是AI
同时公司也正在从遥操真机数采→VLA模型自主控制真机数采方向研发(本质是AI 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 同时公司也正在从遥操真机数采→VLA模型自主控制真机数采方向研发(本质是AI 的推特
显示更多
韩国半导体设备链正在重估:从配套环节到AI基础设施 韩国半导体设备链,在AI时代,对全球半导体产业正变得越来越重要。 半导体制造复杂度正在快速提高,于是很多过去只是“配套环节”的设备,开始变成真正的瓶颈。 包括: HBM Bonding Burn-in Test Handler 高温测试 高速互连 Hybrid Bonding 热管理 先进封装 后处理 这些环节的重要性都在明显提升。 Hanmi Semiconductor就是典型案例。 过去很多人把Hanmi当普通封装设备公司,但AI时代之后,它已经逐渐变成HBM设备链的重要玩家。公司的核心产品包括TC Bonder、HBM Bonding、EMC、Vision Placement。 过去先进封装很多时候只是后道配套。但现在先进封装已经不只是“封芯片”,而是承担HBM连接、多Die协同、高速互连、热管理、Power Delivery、大尺寸封装良率等功能。 于是先进封装第一次开始脱离“低技术、低估值、低成长”的传统定位。 PSK Holdings也是类似逻辑。 PSK做Ashing、Descum、Dry Strip,本质上属于去胶和后处理设备。过去市场关注度不高,但随着先进制程、存储、先进封装复杂度提升,后处理的重要性也在提升。 Jusung Engineering则是韩国重要的CVD、ALD设备厂商。AI时代之后,高层堆叠、高深宽比结构、更复杂材料体系,都在提高沉积工艺的重要性。 TES同样类似。它做Cleaning、Etch、Gas Process。随着HBM、先进封装、先进存储复杂度提升,清洗与后处理的重要性也在提高。 就连Mirae Corporation这样的在生产过程中“搬运”芯片的设备公司,也开始形成行业壁垒。 Mirae的核心业务包括Test Handler、Burn-in Sorter、SMT Mounter,其中真正核心的是半导体测试Handler。 简单来说,芯片测试时,需要自动搬运、对位、温控、分类。Handler负责这些自动化动作。Mirae不做ATE Tester本身,而是做“如何让芯片高效率接入Tester”的自动化系统。 由于先进芯片越来越薄、越来越大、越来越贵、越来越脆弱,尤其HBM更明显。于是Handler已经越来越像“高精度运动控制 + 热管理 + 自动化”的复杂系统。 难的是,既要高吞吐、高并行、温度均匀、快速切换,同时又不能影响测试精度。很多公司能做Demo,但做不到长期高稼动率、thermal drift控制、socket alignment稳定、长时间稳定量产。 所以Handler原来并不是高壁垒行业,但AI时代后,HBM、高功耗GPU、advanced packaging、三温测试、burn-in,都在明显提高Handler难度。 从这些例子我们可以看出,AI时代最大的变化之一,就是后道测试复杂度正在非线性提升。 而整个韩国半导体设备产业链,也正在从传统周期设备行业,逐渐转向AI基础设施产业链。 免责声明:本人持有文章中提及资产,观点充满偏见,非投资建议,dyor
显示更多
法国巴黎银行这次同时上调 $NVDA 和 $INTC 目标价,我认为真正值得看的不是目标价本身,而是华尔街正在重新定义下一阶段AI算力的受益者: AI从“训练时代”进入“推理时代”之后,受益的不只GPU,CPU、网络、内存甚至晶圆代工都有机会被重新估值。 法巴继续把 $NVDA 列为半导体行业首选,并把目标价从 285美元上调到345美元。 与此同时,$INTC 的目标价更夸张: 75美元 → 125美元。 一次上调接近67%。 但英特尔评级仍然只是“中性”。 这两个动作放在一起,其实已经把法巴对未来AI产业的判断讲得非常清楚: 英伟达是已经被证明的核心赢家。 英特尔则拥有新的AI受益逻辑,但还需要证明自己。 先看 $NVDA。 过去两年市场看英伟达,最简单的投资逻辑就是: 训练大模型需要GPU。 OpenAI需要。 微软需要。 Meta需要。 Google需要。 Amazon需要。 所以GPU供不应求。 但随着AI进入下一阶段,最大的算力来源正在发生变化: 从训练,转向推理。 训练是什么? 一个模型可能花几个月时间训练一次。 但模型训练完成之后,每一个用户每天打开AI、问问题、生成代码、调用Agent、生成图片、分析文件…… 全部都是推理。 所以从长期来看,推理调用量理论上可以远远超过训练。 这也是为什么我一直认为: AI产业真正的第二阶段,可能不是“再训练一个更大的模型”。 而是: 几十亿用户开始真正使用这些模型。 ChatGPT一次回答,是一次推理。 Copilot写代码,是推理。 AI客服,是推理。 自动驾驶,是推理。 机器人看到环境以后决定下一步动作,也是推理。 AI Agent就更加夸张。 你给Agent一个任务,它可能在后台执行: 理解问题。 拆分任务。 搜索资料。 调用数据库。 写代码。 运行程序。 检查结果。 重新修改。 再次运行。 最后才把答案交给你。 一个用户动作背后,可能产生几十次甚至上百次模型调用。 这就是为什么AI Agent真正普及后,Token需求可能再次出现数量级增长。 所以AI从训练转向推理,并不意味着GPU需求下降。 恰恰可能意味着: AI计算从少数几家模型公司的集中式需求,开始变成全球企业和用户的持续性需求。 这可能是更大的市场。 而法巴为什么仍然把英伟达放在第一位? 因为英伟达已经不只是卖GPU。 现在它实际上拥有一整套AI系统: GPU。 CPU。 NVLink。 Networking。 CUDA。 服务器架构。 软件。 开发工具。 推理框架。 所以真正竞争的不再是一颗芯片。 而是一整个平台。 很多人一直等待: AMD什么时候打败Nvidia? ASIC什么时候打败Nvidia? Google TPU什么时候打败Nvidia? 但这个问题可能越来越不准确。 未来很可能不是“谁彻底取代谁”。 而是多个芯片架构共存。 问题变成: 谁能拿到最大比例的AI计算预算。 英伟达最大的优势,就是它覆盖的工作负载足够广。 训练能做。 推理能做。 企业AI能做。 机器人能做。 自动驾驶能做。 网络也自己做。 软件生态更已经建立多年。 所以法巴即使考虑到ASIC和其他芯片竞争加剧,仍然认为英伟达能够维持: 70%以上毛利率。 这个数字其实非常重要。 因为真正判断英伟达护城河有没有被侵蚀,不应该只看市场份额。 还要看: 它还有没有定价权。 如果竞争越来越激烈,但英伟达依然可以维持70%以上毛利率,就意味着客户依然愿意为了性能、生态和部署效率支付溢价。 这才是真正的护城河。 而这次报告更有意思的,其实是 $INTC。 法巴直接把英特尔目标价: 75美元提高到125美元。 为什么? 不是因为PC突然大爆发。 而是: AI Agent可能重新拉动服务器CPU需求。 这点很多人容易忽略。 大家谈AI时,只会想到GPU。 但一台AI服务器不可能只有GPU。 GPU负责大量并行计算。 CPU仍然负责: 系统调度。 数据处理。 任务管理。 存储管理。 网络。 数据库。 操作系统。 大量传统企业工作负载。 尤其进入AI Agent以后,任务结构会越来越复杂。 Agent并不是单纯生成Token。 它会: 调用数据库。 调用API。 运行传统软件。 搜索文件。 执行Python。 操作企业系统。 与其他Agent通信。 这些工作并不是全部适合GPU。 很多仍然需要CPU。 所以AI越深入企业工作流,CPU的重要性反而可能重新提高。 这就是为什么法巴认为: Agentic AI可能成为服务器CPU新的需求催化剂。 如果这个判断成立,那么AI资本开支路径就会进一步扩大。 过去市场理解: AI = GPU。 后来变成: AI = GPU + HBM。 再后来: AI = GPU + HBM + 网络 + 光通信。 现在可能继续扩展: AI = GPU + CPU + HBM + NAND + 网络 + 数据中心 + 电力。 也就是说,AI资本开支越来越不像一条单独产业链。 而像是一整套基础设施超级周期。 这也是为什么资金开始不断往第二层、第三层扩散。 $NVDA —— GPU与AI平台。 $AMD —— 第二GPU平台。 $AVGO —— ASIC与网络。 $MU —— HBM与DRAM。 $ALAB、$MRVL —— 高速互联。 $COHR、$LITE —— 光通信。 而现在: $INTC —— CPU + Foundry。 也开始重新进入这张地图。 但为什么法巴大幅提高英特尔目标价,却仍然不给“买入”? 因为真正决定英特尔能不能完成估值重构的,不是CPU。 而是: 14A。 英特尔现在最大的梦想,是重新成为全球先进制程晶圆代工的重要玩家。 如果这件事成功,那么英特尔未来的定位可能完全改变。 不再只是: 卖CPU。 而可能同时拥有: 服务器CPU。 AI相关芯片。 先进封装。 美国本土晶圆制造。 Foundry代工。 而14A就是这场转型最重要的考试。 因为现在市场真正想知道的,不是: 14A技术理论上能不能做出来? 而是: 有没有真正的大客户愿意把核心芯片交给Intel生产? 这是完全不同的问题。 晶圆代工最重要的从来不只是技术指标。 还包括: 良率。 成本。 交货时间。 稳定性。 设计生态。 先进封装。 客户信任。 台积电真正难复制的地方,就是这一整套能力。 所以英特尔如果真的要让Foundry业务重新获得市场信任,必须拿到一个足够重量级的外部客户。 这也是为什么最近Terafab的事情特别值得关注。 马斯克此前已经提到Intel 14A。 与此同时,$TSM 也正在与Terafab进行讨论。 这反而让Intel 14A未来的客户进展变得更加重要。 如果最终: $TSLA $SPCX 或者马斯克整个AI体系 真的把一部分核心芯片交给Intel 14A生产,那么意义会远远超过那一笔订单本身。 因为这可能成为Intel Foundry最需要的: 标杆客户。 一旦第一个重量级客户验证成功,其他客户才更容易进入。 所以对于 $INTC 来说,未来真正决定它能不能从125美元继续往上重估的,很可能不是AI Agent带来多少CPU订单。 而是: 14A到底什么时候拿下真正的大客户。 这也是法巴这次同时上调 $NVDA 和 $INTC 最值得思考的地方。 两家公司其实代表了AI产业两个完全不同的阶段。 英伟达已经站在AI计算最核心的位置。 它需要证明的是: 增长还能持续多久? 而英特尔还处于转型验证阶段。 它需要证明的是: 能不能重新成为先进计算供应链的重要参与者? 所以一个是: 兑现增长。 另一个是: 兑现转型。 风险完全不同。 而从整个AI产业角度看,这份报告真正传递的信号更加重要: AI算力需求没有因为训练周期成熟而见顶,反而正在从训练扩散到推理,再从推理扩散到Agent。 每往下一层走,参与计算的设备会越来越多。 训练阶段: 几家大模型公司买GPU。 推理阶段: 几千家企业使用AI。 Agent阶段: 每个员工、每个软件、每个设备,都可能持续调用模型。 Physical AI阶段: 机器人、汽车、无人机、工业设备开始实时推理。 所以未来真正决定AI芯片市场大小的,可能已经不是: “全球还要训练多少个大模型?” 而是: 全球每天到底要执行多少万亿次AI任务? 如果答案继续快速上升,那么GPU、CPU、内存、网络和电力的需求,都可能继续被往上推。 这也是为什么法巴把英伟达目标价提高到345美元的同时,连英特尔都从75美元直接提高到125美元。 华尔街正在开始意识到: AI第二阶段的赢家,不会只有GPU。 但有一点目前仍然没有改变: 当AI工作负载从训练走向推理、从Chatbot走向Agent、再走向Physical AI之后, 站在整个计算体系最中心的位置, 目前仍然是 $NVDA。 而 $INTC 最大的机会,则是证明自己还能重新回到这张AI基础设施地图的核心区域。 接下来我认为最值得追踪的不是哪一家大行再把目标价提高10美元、20美元。 而是两个更加关键的问题: 英伟达进入推理时代以后,70%以上毛利率还能维持多久? 以及: Intel 14A什么时候真正拿到一个足以改变市场信心的重量级客户?
显示更多
Nebius Q2 财报点评:市场更奖励资本效率 Nebius 这份 Q2 财报整体明显偏强,也进一步验证了一个重要产业趋势:AI 算力需求目前仍然非常旺盛,Neocloud 下一阶段真正的竞争重点,正在从“谁能拿到更多 GPU”逐渐转向“谁能以更低资本成本、更快地把电力和 GPU 变成可以收费的算力”。 Q2 Nebius 收入 5.82 亿美元,同比增长 454%,AI Cloud 收入 5.75 亿美元,同比增长 514%,AI Cloud 调整后 EBITDA Margin 接近 50%。Citi 在财报后的管理层回访中确认,增长来自更高利用率、On-demand 需求、Token Factory、Tavily 和平台能力提升。更重要的是,管理层表示当前“每块 GPU 都有多个买家”,需求暂时没有成为增长瓶颈。 和 CoreWeave 相比,两家公司走出了不同的发展路径。CoreWeave 已经拥有约 1.5GW Active Power,部署规模明显领先,但 Q2 CapEx 接近 94 亿美元,同时净利息费用达到 6.4 亿美元,增长高度依赖债务融资。Nebius 当前规模更小,却正在建立一套资本效率更高的扩张模式。 最值得关注的指标是 Customer Prepayment。管理层确认,目前约 50%至60%的基础设施 CapEx 可以由客户预付款覆盖,从现金口径计算,部分项目的投资回收期已经可以缩短到约 10 个月。 这意味着客户为了提前锁定稀缺 GPU Capacity,开始主动替 Nebius 承担大量建设资金。未来评价 Neocloud,Customer Prepayment / CapEx 很可能会成为与收入增速、Backlog 同等重要的指标。 另一个核心是算力部署。Nebius 预计 2026 年底达到 800MW至1GW Connected Power,5GW 大部分容量预计未来 2至3 年逐步上线,管理层给出的正常部署速度约为每个 Site 每年 200至300MW。 因此未来最大的业绩验证点,是这些已经签下的电力资源能否持续转换成 Active Capacity。 GPU 定价方面也有积极信号。目前高价值订单主要来自 GB300,而非尚未大规模部署的 Rubin。客户愿意支付溢价,主要因为特定 GPU 稀缺、Uptime Guarantee,以及能否赶上关键模型训练窗口。 这说明即使下一代 Rubin 临近,Blackwell 系列仍然保持很强的定价权。 Nebius 另外两个值得关注的长期变量是 Asset-light 和电力。管理层表示 Asset-light 模式目前尚未计入基础预测,潜在贡献可能从 2027 年开始。未来可以由外部资本负责土地、电力和数据中心,Nebius 提供架构、云平台和客户资源,从而进一步降低自有 CapEx。 同时,公司与 Bloom Energy 合作部署 328MW behind-the-meter 燃料电池,本质上是在解决 AI 数据中心最关键的 Time-to-Power 问题,加快 Contracted Power 向 Active Power 转换。 风险仍然存在。Microsoft 和 Meta 合计约占 FY26 ARR 指引的 40%,客户集中度较高;同时多 GW 数据中心建设仍存在施工、电力、GPU 供应以及融资风险。如果客户预付款下降,Nebius仍可能需要更多债务或股权融资。 所以我对 NBIS 的判断是:中期产业逻辑继续强化,但短期股价已经提前反映了不少乐观预期。Citi 在股价 259.2 美元时给出的目标价只有 278 美元,静态上涨空间约 7%。 因此更合理的策略仍然是中期看多、短期不追高,重点等待 Connected Power、Active Power 和 Customer Prepayment 继续兑现。真正决定 Nebius 能否进一步获得估值溢价的关键,是它能否证明自己可以让客户、银行和基础设施资本共同出钱,以明显低于 CoreWeave 的财务压力持续部署 AI 算力。
显示更多
一篇不错的解读:《META出租H100与购买先进算力并不矛盾》 Meta 做 NeoCloud 与继续租 Crusoe 1.6GW,并不矛盾 昨天盘前,Meta 被报道正在考虑把多余 AI 算力对外商业化,甚至做成类似 NeoCloud 的业务。市场第一反应非常剧烈:Meta 盘前上涨接近 6%,但 AI算力和 neocloud 相关股票则受到负面 Narrative 影响, 市场担心的是:如果 Meta 也开始把 GPU 算力对外卖,是否会直接导致算力过剩? 这个反应可以理解,但我们认为市场把问题想简单了。 首先,Meta 这件事本质上不是“AI 算力需求见顶”,也不是“Meta 不需要继续买算力”。相反,Meta 同时还在继续锁定非常大规模的新算力。根据 Bloomberg/Reuters 报道,Meta 最近与 Crusoe 签署了新的 AI computing capacity 协议,将从 Crusoe 位于 Texas Childress 和 Missouri Warrenton 的两个数据中心获得合计约 1.6GW 的容量。 同时,Meta还在向其他Neocloud购买算力。我们在去年3Q25 META Preview中就提到过META正在向NeoCloud寻求购买3GW算力。 所以表面上看,这里确实有一个矛盾:如果 Meta 自己已经有多余算力,为什么还要继续向 Crusoe 租 1.6GW? 我们的理解是,这不是矛盾,而是算力代际切换。 过去两年,Meta 已经采购和部署了大量 H100/H200。这些 GPU 不是没价值,恰恰相反,它们对 inference、fine-tuning、企业模型服务、图像/视频生成、传统 ML workload 仍然非常有价值。但对于下一代 frontier model training,尤其是 3T+ 参数规模的 MoE、长上下文、多模态和 RL-heavy post-training,H100/H200 的训练经济性会明显下降。 关键不是 H100 不能训练,而是单位有效 token 成本变差。 当模型进入 3T+ 规模后,瓶颈不再只是单卡 FLOPS,而是 HBM 容量/带宽、GPU 间通信、scale-up 网络、checkpoint/restart、expert routing、sequence parallel、pipeline bubble、以及大规模 collective communication。H100 集群当然还能跑,但训练 wall-clock 更长,通信开销更高,集群利用率更难维持,最终表现为同样训练一个 frontier model,成本和时间都不如 GB200/GB300,未来更不如 Vera Rubin。 因此,Meta 现在面对的是一个很典型的资产配置问题: 最先进的 GB200/GB300/Rubin,要优先留给下一代模型训练;上一代 H100/H200,则应该尽量转成 inference 或外部商业化收入。 这也是为什么“做 NeoCloud”和“继续租 Crusoe 1.6GW”可以同时成立。 Meta 继续向 Crusoe 锁定 1.6GW,本质上是在为更长期、更先进、更大规模的 AI infrastructure 做准备。这种资源对于 Meta 来说,更多是未来 GB200/GB300/Rubin 时代的战略性产能,而不是简单补 H100 的缺口。 另一方面,Meta 既然已经买了大量 H100/H200,就不可能让这些资产在 frontier training 代际切换后闲置。Meta 内部当然有广告、推荐、内容排序等大量推理 workload,但这和 OpenAI/Anthropic 那种直接面向外部客户卖 token 的 LLM inference 业务并不完全一样。Meta 如果没有足够多可以直接 monetization 的外部 token demand,把 H100/H200 做成 cloud capacity 或 hosted model API 对外销售,是非常合理的资本回收方式。 这其实和 xAI / SpaceX 的思路有相似之处。xAI 今年公开宣布与 Anthropic 达成 compute partnership,向 Anthropic 提供 Colossus 1 算力;xAI 官方称 Colossus 1 包含超过 22 万张 NVIDIA GPU,包括 H100、H200 和 GB200,并可支持 training、fine-tuning、inference 和 HPC workload。(xAI) 这说明即使是 frontier AI 公司,也可能把一部分已有 GPU fleet 对外出租,同时把最新、最稀缺、训练效率最高的下一代集群保留给自己的 frontier model。 所以今天市场担心“Meta 进入 NeoCloud 会打垮所有 NeoCloud”,我们觉得有些过度。 更准确的判断应该是: AI 算力市场正在从单一的 GPU shortage,进入多代 GPU 分层定价和分层使用阶段。 第一层是最新训练算力:GB300、Rubin,以及后续更大 scale-up domain 的系统,主要服务 frontier model training。这部分供给仍然稀缺,客户仍然会向 Crusoe、CoreWeave、Nebius、Oracle、Microsoft 等各类供应商锁产能。 第二层是上一代高端算力:H100/H200/部分 GB200,更适合 inference、fine-tuning、enterprise AI、hosted model、agent workload 和中小模型训练。这部分不是没有需求,而是从“最稀缺的训练资源”变成“可以规模化商业化的推理资源”。 第三层是更通用的 GPU cloud 和 long-tail enterprise workload,对价格更敏感,但需求弹性也更大。 在这个框架下,Meta 的行为其实很合理:它不是停止建设 AI infrastructure,而是在把不同代际的 GPU 放到最适合的经济用途上。 因此,我们不认为这是 AI infrastructure 的大问题。真正重要的判断是:下一代 frontier model training 对 GB200/GB300/Rubin 的需求仍然非常强;同时,H100/H200 这类上一代 GPU 也不会被废弃,而会进入 inference monetization 和外部算力销售阶段。 这对整个 AI supply chain 的含义反而是: GPU fleet 开始变成多代际资产,而不是一次性训练工具。旧 GPU 不归零,新 GPU 继续稀缺。Meta 做 NeoCloud,不是需求崩了,而是算力资产终于开始金融化和商业化。
显示更多
今天一条重磅消息刷屏:不少人以为是黄仁勋个人投资马斯克,实际是英伟达通过资本布局入局。英伟达今年1月向xAI投入100亿美元,随着xAI并入SpaceX,股权同步转换。监管文件显示,截至6月底英伟达持有1.228亿股SpaceX股票,季末账面价值近210亿美元;伴随SpaceX上市后股价回落,当前持仓市值约170亿美元,公司也一跃成为SpaceX第六大股东。 我看老黄这么聪明人肯定不会很在乎他这笔投资简单炒股赚浮盈。他投资老马的AI,老马则大量买入他的GPU,而且以业界无与伦比的速度和效率让这些GPU集群上线产出训练结果。如果自己用不了的还以租借给其他大模型公司如Anthropic,这样GPU卖一次,但被用很多次和被不同重要的客户用,免费做了很多次广告且都被他的Cuda体系深深的绑定,替换成本和learning curve将会是天价。老黄这个算盘打的真是666啊! 英伟达锁定SpaceX这个体量庞大的长期GPU买家,算力需求将覆盖大模型、卫星通信、机器人等多条赛道;同时提前卡位太空算力赛道,双方正在联合研发星上AI计算载荷;更重要的是,英伟达正在从单纯的芯片供应商,转型为算力生态组织者。马斯克也明确表态,SpaceX未来AI服务将全部采用英伟达系统,看好Vera Rubin架构 。且Vera Rubin会给SpaceX下几个季度带来更为可观的GPU租赁收入。真是双赢的局面。 当然这套“投资客户换取大额订单”的模式一直存有市场争议,SpaceX股价波动也提醒着,账面收益不等于落袋为安。对于顶级玩家而言,这笔百亿布局赌的不是短期股价,而是未来十年AI基础设施的关键入场券。
显示更多
0
12
11
1
转发到社区
BTC之后,谁会接过下一轮牛市的接力棒? 作者:@ARSHenry1 @Jf4172 在8月13日发表的文章中,我们判断: 市场盘整接近尾声,行情反转只需要一个上涨的理由。 一周后,这个理由来了。 美国财政部宣布国债回购计划。 BTC随后拉升,迅速突破短期持有者成本线和200日均线,一度冲击8万美元。全市场同步大涨,技术面已重新确立“牛市趋势”。 市场开始讨论——牛市回来了。 按照上一周期的剧本,接下来的剧情似乎没什么悬念:机构资金继续增持,ETF持续净流入,BTC率先领涨,随后资金逐步向ETH和其他品种扩散。 但我们认为,这一次可能不一样。 行情刚刚启动,市场已经出现了一些和上一轮不同的信号。 BTC 大幅反弹的同时,上一轮周期持续被看衰的 ETH 反而明显领涨,ETH/BTC 汇率单日一度上涨超过 10%;BNB、HYPE 等资产表现同样亮眼,分别跑出约 20% 和 42% 的涨幅。 这与上一轮BTC 一枝独秀的格局明显不同。 这一次,BTC依然会涨,但未必还是这一轮牛市最大的赢家。 因为行业的增长逻辑正在切换: 上一轮牛市,是资金进入Crypto;下一轮牛市,可能是资产进入Crypto。 一、上一轮是“资金上链”,这一轮可能是“资产上链” 过去几年,Crypto最重要的变化,是传统资金开始进入这个市场。 BTC ETF、DAT财库公司、机构配置……本质上都是在解决一个问题:如何让传统资金进入Crypto。 但现在,另外一个趋势正在发生。 稳定币、信用资产、债券、基金、股票……越来越多传统金融资产开始被Tokenized。 而近期集中释放的政策信号,又为这一趋势添了一把火。 SEC 提出的 Regulation Crypto,为 Token 发行和融资建立了更明确的合规路径。随着制度不确定性下降,更多资本有机会进入,推动项目和资产创造,进一步打开Crypto 供给端的增长空间。 这也是近期市场爆发的重要催化剂之一。 但市场容易忽略的一点是,Regulation Crypto 并不是一项孤立制度,而需要放回SEC 主席 Paul Atkins 推动的 “Project Crypto” 中去理解。 Regulation Crypto 主要解决Project Crypto 框架下资产发行和融资的问题;与此同时,Project Crypto 还在推进交易、托管、结算等链上市场关键环节的规则重塑,目标是建立一套更适配链上金融体系的监管框架,为传统资本和资产向链上迁移铺设制度基础。 另一边,国会正在推进的 CLARITY Act,则从更上层补齐数字资产分类、监管边界和市场结构,为链上市场长期运行搭建更清晰的法律底座。 两条线同时推进,一套真正支撑链上资本市场运行的制度基础正在慢慢成形。 “万物上链”,也正在从想象走进现实。 过去是: TradFi资金 → Crypto 未来将是: TradFi资产 → Onchain 两种趋势,对市场的意义完全不同。 如果只是资金进入Crypto,BTC是最直接的受益者。 但如果是大量资产进入Crypto,那么真正受益的,就会变成发行、交易、结算、托管、借贷这些金融基础设施。 这也是我们对下一轮周期最核心的判断。 二、资产供给爆发之后,谁来承载这些资产? 此时此刻,恰如彼时彼刻。 资产供给驱动的牛市,对Crypto来说并不陌生,2017年的ICO浪潮就是最经典的一次。 当时真正改变市场的,是链上资产的供给开始爆发。 以太坊大幅降低了链上资产的发行门槛,大量新项目和新 Token 集中涌现,吸引用户和资金持续进入,推动整个Crypto 市场迅速扩张。 而作为彼时承载这一切的基础设施,ETH也成为当时表现最亮眼的资产之一,上涨达27倍,明显跑赢同期BTC的13倍。 今天,相似的增长正在重新出现,但Everything-on-chain 会是 ICO 逻辑的一次升级: 资产规模更大,资产质量更高,制度基础也更加成熟。 这一次,进入链上的不再是质量参差不齐的ICO项目,而是具备真实价值和需求支撑的股票、基金、债券。 问题也因此变成: 如果未来真的有数万亿美元的资产进入链上,谁来承载它们? 这可能才是下一轮 Crypto 牛市最值得关注的结构性机会。 而与此同时,Crypto 过去几年的行业出清,也让这场竞争和ICO 时代变得不太一样。 早期百花齐放的基础设施正在逐渐集中。大量公链、协议和项目退出市场,真正留下来的,是少数已经形成用户、流动性和网络效应的头部生态。 所以这一次可能出现一个很有意思的现象: 资产越来越多,但基础设施越来越集中。 需求一旦起来,新增流量未必会平均分配,而更可能直接流向已经经过验证的顶尖基础设施。 三、所以,我们为什么看好ETH和BNB? ETH 依然是目前最成熟的去中心化金融基础设施。 我们看好ETH,核心逻辑只有一个: 如果资产供给开始爆发,最成熟的链上金融基础设施天然会获得最大的增量需求。 以太坊承载全球超过50%的 Tokenized RWA,同时覆盖全球近一半的稳定币供给;DeFi TVL 超过 400 亿美元,约占全市场 44%,规模是第二梯队公链的 8 倍以上。 更重要的是,Uniswap、Aave、Lido、Sky 等最成熟的 DeFi 协议也高度集中在以太坊生态,意味着以太坊依然拥有最庞大的流动性和生态护城河。 所以ETH真正值得押注的,不是一个新的故事,而是:一个已经存在十年的基础设施,即将迎来新的需求周期。 如果说ETH代表确定性,那么BNB代表的则是增长弹性。 相比于在公链赛道竞争,BNB生态走的是另一条路——建设最完整的金融网络。 如果未来传统金融资产真的开始大规模进入链上,那么竞争的重点就不只是“谁的链更好”,更重要的是,谁能够把资产、用户、交易和流动性真正串起来。 以头部交易所聚集用户与流动性,以高性能公链承载 DeFi 基础设施,再通过品牌和生态资源连接顶级机构。过去两年,BNB 已成为 RWA 增长最快的生态之一。RWA 资产规模从 2025 年初约360 万美元增长至如今超过 58 亿美元,成为以太坊之外最大的 RWA 生态;RWA Holder 数量突破 115 万,在各生态中排名第一。 今年以来,这套 Web3 金融网络又进一步向 TradFi 延伸,相关业务快速增长,跃居行业前列。 而这些积极变化,都还没有被市场定价。 ETH 是链上金融基础设施的确定性。 BNB 是链上金融超级网络的增长弹性。 一个是上一轮周期中长期被压制、但核心地位并未改变的 ETH;一个是基本面持续提升、却尚未被充分定价的BNB。 我们认为在新的周期中,这两类价值都将重新回到聚光灯下。 四、Robinhood,是BNB在传统金融世界中的镜像 如果“万物上链”听起来还有点遥远,可以看看Robinhood。 Robinhood就是传统金融世界对Everything-on-chain最直观的表达。 它最早是一家互联网券商。 然后布局Crypto,探索Tokenized Stocks,并进一步建设自己的链上基础设施。 它正在做的事情,本质上就是把传统金融资产一步步搬到链上。 Robinhood从TradFi出发走向on-chain,BNB从Crypto出发,向TradFi延伸。 它们看起来来自两个完全不同的世界,但背后押注的其实是同一个趋势: 传统金融与链上金融终将交融。 这也是为什么,我们不仅看好ETH和BNB,也非常看好Robinhood在这一周期的爆发性成长潜力。 五、BTC打开入口,基础设施将是目的地 这一轮周期,BTC依然会是Crypto最重要的核心资产,也是机构进入Crypto最直接的入口。 但如果新一轮真正发生的是: 越来越多资产进入链上。 那么市场的价值捕获方式就会发生变化。 资产越多,交易越多,流动性需求越大,对金融基础设施的需求也就越大。 而经过上一轮周期的充分出清,各项业务的市场份额也趋于集中。 所以这一轮,我们更关注: ETH——确定性。 BNB——弹性。 Robinhood——传统金融链上化的代表。 我们的核心判断也很明确: 上一轮,BTC把Crypto带进了传统金融。 下一轮,我们更期待传统金融把整个资产世界带进Crypto。 BTC仍然重要。 但下一轮,基础设施可能才是主角。
显示更多
台积电财报越漂亮,我反而越担心一件事。 今天台积电的财报电话会,听完以后,我最大的感受是,AI 这轮浪潮,可能远比很多人想象的还要疯狂。 管理层透露的几个细节,甚至有点超出我的预期。 先说财报,确实挺夸张的。 第三季度营收467亿美元,同比增长41%,净利润超过7600亿新台币,同比增长接近69%,毛利率更是高达66.4%。 要知道,它不是卖软件的,而是一家要自己买设备、建厂房、雇大量工程师的芯片制造公司。 更离谱的是,它预计第四季度营收还能冲到523亿至543亿美元,环比继续增长14%左右。 这已经不是一家小公司在高速成长了,而是一家年营收接近2000亿美元的超级巨头,还在以相当惊人的速度往前跑。 而且台积电今年的业绩指引,简直就像一路踩着油门往上修。 年初预计全年增长30%,后来上调到40%以上,现在直接变成44%。 说明什么? 说明这一轮AI需求的爆发速度,连产业链最核心的制造商都没完全预料到。 不过,电话会上最让我觉得有意思的,是魏哲家讲的一件事。 他说,台积电专门派了团队去美国,实地了解那些科技巨头的数据中心到底建得怎么样了,电力供应有没有落实。 我看到这里差点笑出来。 你想想,台积电是什么公司?它是全球最先进的芯片制造商之一,平时操心的应该是3纳米、2纳米、良率、产能这些东西。 结果现在,它居然还要操心客户的机房有没有盖好,电有没有接上。 这事听着有点滑稽,但背后其实是个非常重要的信号。 因为过去的半导体周期,很多时候是客户疯狂下单,晶圆厂疯狂扩产,最后才发现终端产品根本卖不出去,于是大家一起去库存。 台积电显然不想再经历这种事情。 所以这次它不只是听英伟达、谷歌、亚马逊说未来还要买多少芯片,而是亲自去看看,客户是不是真的在花钱盖数据中心。 管理层得到的反馈还挺积极,相关建设确实在推进。 这意味着,至少从目前掌握的信息来看,AI基础设施投资并不完全停留在PPT和订单上,现实世界也在同步建设。 但反过来想,这也说明AI现在最令人担心的,可能已经不只是芯片够不够,而是电力、土地、散热、施工这些东西能不能跟得上。 还有个财报细节,我觉得很多人可能会忽略。 第三季度,台积电的晶圆出货量环比只增长3.2%,但是按新台币计算的营收,居然增长了17.6%。 明明多生产的晶圆没多少,为什么收入涨这么多? 很大程度上,是因为生产的东西变贵、变高级了,产品结构也发生了变化。 现在3纳米已经占到晶圆收入的33%,2纳米的占比也从上季度3%提高到了8%。 同时,高性能计算业务已经贡献了公司68%的营收。注意,这里面不全是AI,但AI显然是非常重要的增长动力。 这让我想到一个很有意思的变化。 以前台积电很大程度上还要看苹果的脸色,iPhone卖得好不好,对它的业绩影响非常大。 现在不同了。 哪怕手机市场没有爆发,只要全球科技公司还在争夺AI算力,台积电就能从中受益。 英伟达要造GPU,AMD要造GPU,谷歌、亚马逊要做自己的ASIC,大家在芯片设计上争得你死我活,但最终很多人还是得找台积电生产。 这就很有意思了,别人是在赌谁能赢得AI竞赛,台积电却有机会从多个竞争对手身上同时赚钱。 当然,最让我意外的还有一件事。 台积电现在居然还准备继续扩建3纳米产能。 按照过去的经验,新一代制程出来,上一代制程往往就逐渐退居二线。可现在2纳米都开始放量了,3纳米的产能居然还不够用。 这说明AI正在改变半导体行业过去的产品周期。 不是所有芯片都需要最先进的2纳米。对于很多AI芯片、服务器处理器和定制芯片来说,3纳米依然有非常好的性能和成本优势。 更重要的是,台积电预计2027年整个2纳米家族的产能,还要比今年增加一倍以上。 甚至连预计2028年量产的A14,魏哲家都表示,目前客户表现出的兴趣比当初2纳米还要强。 换句话说,2026年大家还在讨论AI泡沫的时候,芯片产业链已经开始为2028年甚至更远的需求做准备了。 而且下一代芯片不只是性能提升那么简单。 未来数据中心最贵的资源之一就是电。 一颗芯片能不能在同样的电力下提供更多算力,可能比单纯跑得更快还重要。 所以先进制程、HBM、CoWoS先进封装,正在从技术竞争变成一场效率竞争。 谁能在有限的电力、空间和成本下提供更多计算能力,谁就更有价值。 不过,讲到这里,千万别觉得台积电已经可以无脑看多了。 因为这场电话会,还有另外一个很现实的问题。 台积电今年计划投入600亿到640亿美元资本开支,而且管理层明确表示,未来三年的资本投入还会显著增加。 这钱花得可是真金白银。 造一座先进晶圆厂,设备、厂房、技术研发都贵得吓人。尤其是海外建厂,成本还要更高。 所以未来几年,台积电很可能出现一种情况。 营收继续增长,订单也确实很好,但因为新工厂不断投入运营,折旧和制造成本上升,利润率未必能够同步提高。 其实第三季度已经有一点这种味道。 收入环比增长很快,但毛利率从上季度的67.7%回落到了66.4%。 虽然这并不代表生意出了问题,净利润环比增速相对较低,也受到上季度一次性投资收益的影响,不能直接理解成主营业务突然放缓。 但它提醒了我们一件事。 AI需求再疯狂,也不代表每一分钱投资都能马上产生对应的利润。 这不仅适用于台积电,也适用于整个AI产业。 英伟达卖芯片赚钱,台积电制造芯片赚钱,海力士卖HBM赚钱,电力设备公司也在赚钱。 可问题是,最终购买这些东西的微软、谷歌、亚马逊、Meta,它们未来能不能从AI服务中赚回足够多的钱? 如果可以,那今天的大规模投资就是在为未来十年的产业发展打基础。 如果不可以,前面所有环节都可能重新面对需求调整。 所以我听完这场电话会,反而觉得有一个判断越来越清晰。 现在已经不太需要争论AI有没有真实需求了,更值得争论的是,今天这些真实需求,能不能支撑市场对未来几年持续高增长的预期。 这两件事是完全不同的。 台积电已经用财报证明,AI确实正在创造巨大的实际收入和现金流。 但是,台积电的股价能不能继续上涨,最终还要看这些收入未来能增长多少,以及增长需要付出多大成本。 我甚至觉得,这一轮AI投资特别有意思的地方就在这里。 以前我们讨论互联网泡沫,大家担心的是很多公司根本赚不到钱。 而现在,最核心的AI硬件供应商已经赚到了令人难以置信的钱,但市场依然会担心,未来有一天会不会投入得太多。 泡沫与繁荣,有时候并不是彼此对立的。一个产业完全可以在创造真实价值的同时,也被市场赋予过高的未来预期。 现在,芯片订单已经写在财报里了。 下一步,该轮到真实世界证明,究竟需要多少算力了。
显示更多
0
41
463
64
转发到社区
MRVL 五年营收剑指10倍,AMD迎来CPU第二春 现在整个AI数据中心的硬件架构正在被重新设计,而CPU、定制芯片、光互连、交换机、网卡、内存接口和存储控制器,都开始跟着GPU一起进入新一轮需求爆发。 10月6日,Marvell(MRVL)在投资者日上突然大幅提高长期目标,公司预计2028财年营收达到约200亿美元,到2031财年进一步达到700亿至900亿美元,中值约800亿美元。 作为对比,Marvell 2026财年营收只有约82亿美元,也就是说,公司实际上在告诉华尔街:未来五年,Marvell有机会从一家年收入80多亿美元的芯片公司,成长为一家接近800亿美元收入规模的AI基础设施巨头。 另一边,花旗把全球CPU市场2030年的潜在市场规模直接提高到3000亿美元,相比2025年的约290亿美元,相当于五年扩大超过10倍,并把AMD目标价从575美元大幅提高到800美元。 表面上,一个讲的是Marvell,一个讲的是AMD,但背后的原因完全相同:AI正在从第一阶段的“训练模型”,进入第二阶段的“让AI真正开始工作”。 这两者之间的区别,将决定下一轮AI产业链的钱流向哪里。 过去三年,AI产业最简单的赚钱逻辑就是买GPU。OpenAI、Meta、Google、微软训练越来越大的模型,需要越来越多英伟达GPU,因此GPU成为整个AI产业最大的瓶颈。 但是到了Agentic AI,也就是AI智能体阶段,情况开始发生变化。 传统ChatGPT式聊天机器人,大多数时候其实是闲着的。你问一句,它运行一次模型,然后停止;你不问,它基本不消耗新的推理资源。 但是Meta Muse这类新一代个人AI智能体完全不同。它有自己的虚拟机、自己的浏览器,可以帮用户浏览网页、填写表格、处理客服、预约服务、调用不同的软件,并且在后台持续执行任务。 换句话说,未来一个AI用户对应的不再只是偶尔运行几十秒钟的大模型,而可能对应一个长期在线的“数字员工”。 这会让AI服务器内部的计算方式彻底改变。 花旗给出的一个非常重要的数据是,传统AI训练阶段CPU与GPU数量比例大约只有1比8,进入推理阶段后可能提高到1比4,而到了Agentic AI阶段,这一比例可能进一步接近1比1,甚至更高。 原因并不复杂,因为GPU最擅长的是大规模矩阵运算,但一个AI智能体真正开始工作以后,除了运行模型之外,还要不断完成任务调度、浏览网页、读取数据库、调用API、处理安全权限、运行操作系统、管理内存、传输数据以及协调不同AI模型之间的工作。 这些事情很多并不是GPU最擅长做的,而是CPU、网络和各种专用芯片需要完成的。 这也是为什么花旗突然把CPU TAM看到3000亿美元。 它真正表达的并不是“CPU要取代GPU”,恰恰相反,而是未来每安装更多GPU,整个系统可能需要同时配置更多CPU、更多DRAM、更高速的网络以及更多数据中心互连设备。 因此AI产业正在从过去非常简单的“GPU军备竞赛”,变成一场整个服务器架构的军备竞赛。 这时候再看Marvell投资者日给出的数字,就很容易理解为什么管理层敢把长期目标提高得这么夸张。 Marvell预计,到2030年,公司能够参与的整个市场规模将达到大约4000亿美元,而上一次公司公布长期市场规模的时候,这个数字还不到1000亿美元,相当于短短几年扩大了四倍。 其中: 定制芯片市场预计达到约2350亿美元,这是Marvell未来最大的潜在市场。 AI数据中心互连市场预计达到约650亿美元,而且预计是增长速度最快的业务之一。 交换机和存储相关市场预计达到约850亿美元。 通信及其他业务预计还有约150亿美元市场空间。 这些数字背后真正值得注意的,并不是4000亿美元这个数字本身,而是Marvell认为未来AI数据中心增长最快的地方已经开始从单纯的Compute,也就是“计算”,向Connectivity,也就是“连接”转移。 很多普通投资者容易有一个误区,认为AI数据中心最值钱的东西就是GPU。 实际上,当一个AI集群从几千块GPU扩大到几十万甚至上百万颗XPU之后,最大的工程问题之一反而变成了:这些芯片之间的数据到底怎么传。 GPU计算再快,如果数据送不过来,GPU一样只能等。 因此AI系统正在不断遇到几个越来越严重的物理瓶颈,包括带宽不够、延迟太高、铜连接功耗过高以及数据传输距离越来越长。 这正是Marvell最想吃下来的市场。 Marvell预计,到2031财年800亿美元收入中值的情况下,大约375亿美元来自Interconnect互连业务,约300亿美元来自Custom Silicon定制芯片,大约100亿美元来自交换机和存储,其余约25亿美元来自传统通信等业务。 也就是说,未来Marvell最大的业务甚至不是AI计算芯片本身,而是让整个AI数据中心里的芯片能够高速互相连接。 这也是这次投资者日最容易被市场低估的地方。 过去投资者看AI半导体,习惯先问一句:“谁能挑战英伟达GPU?” 但未来可能需要换一个问题:“每增加一颗GPU或者XPU,旁边还需要增加多少颗其他芯片?” 如果答案是一颗GPU背后,还需要CPU、NIC、交换芯片、光DSP、Retimer、内存控制器、存储控制器以及各种专用ASIC,那么AI产业链最大的增长机会,就不会只存在于GPU。 Marvell正在押注的就是这一点。 公司目前已经向美国四大Hyperscaler提供定制芯片,而且越来越多的项目并不是直接制造一颗替代英伟达GPU的大型XPU,而是所谓的XPU Attach,也就是围绕AI加速器周围增加各种专用芯片。 比如高速网卡、内存接口、存储控制器、AI基础设施管理芯片以及推理加速芯片。 Marvell管理层甚至给出了一个非常直观的计算方式:未来每颗XPU周围可能连接一到两颗专用芯片,而部分产品单颗价值可能达到约1000美元。 当云计算公司一年部署几百万颗AI芯片以后,一个看起来不起眼的“XPU旁边的小芯片”,最终都可能变成几十亿美元级别的市场。 这也是为什么Marvell把2029财年Custom业务目标从超过100亿美元进一步提高到超过120亿美元,并预计2031财年达到大约300亿美元。 更重要的是,Marvell现在已经不是单纯在给一家客户做一颗芯片。 公司明确表示,其定制业务已经覆盖美国四大Hyperscaler,而且未来收入会越来越分散在不同客户、不同XPU以及不同XPU Attach产品之间。 今年Marvell与谷歌签署的合作就是一个非常典型的例子。 双方合作范围并不只是一颗AI芯片,而是覆盖AI推理加速器、存储控制器、网络接口控制器、内存接口控制器以及Near-Memory Compute等多个产品。 根据协议设计,如果未来相关产品采购达到对应的业绩条件,整个合作所对应的潜在采购规模最高可以达到约1200亿美元。 这里必须注意,这1200亿美元并不是广告今天已经签字保证必须购买的1200亿美元订单,因此不能直接把它当作Marvell现有积压订单。 但是它透露出的信息仍然非常重要,因为谷歌愿意把如此大的潜在采购规模和Marvell进行长期绑定,本身已经说明大型云计算公司未来需要的并不是一颗ASIC,而是一整套围绕AI基础设施设计的芯片平台。 美股投资网认为,这正是Marvell与过去最大的不同。 过去市场对Marvell最大的疑问一直是,它究竟是一家真正拥有长期AI增长能力的平台型公司,还是仅仅因为几个大客户的ASIC项目,在AI资本开支高峰期暂时受益。 这次投资者日,公司实际上给出了自己的答案。 2026财年营收约82亿美元,2028财年约200亿美元,2031财年目标700亿至900亿美元,中值800亿美元;如果最终做到800亿美元,相当于五年时间收入接近增长10倍,对应年复合增速接近58%。 公司同时给出了2031财年超过30美元的Non-GAAP EPS目标,而2026财年这一数字只有2.84美元。 这已经不是一家传统半导体公司正常成长的假设,而是在押注整个AI基础设施市场未来五年继续高速扩张。 所以真正应该关注的问题也来了:Marvell这些目标到底可信不可信? 答案是,方向非常清楚,但是数字仍然需要投资者保持冷静。 根据美股大数据 获悉,最大的风险首先来自Hyperscaler资本开支。 Marvell整个长期模型建立在全球数据中心资本开支继续高速增长的基础上,公司预计到2030年全球数据中心资本开支规模接近3万亿美元,并且未来十大Hyperscaler占全球投资比例继续提高。 只要微软、Google、Meta、Amazon以及其他AI巨头继续每年扩大资本开支,Marvell的市场自然会继续扩大;但是如果两三年以后AI投资回报率开始下降,Hyperscaler突然放慢数据中心建设速度,那么Marvell现在给出的2031年数字也会受到明显影响。 第二个风险是竞争。 定制ASIC领域最大的对手仍然包括博通AVGO(Broadcom),而AI网络市场还面对NVIDIA自身的网络产品以及其他高速互连厂商。 4000亿美元TAM并不代表Marvell能够拿到4000亿美元,最终真正决定利润的仍然是市场份额。 第三个风险则来自估值。 当市场开始提前交易2030年甚至2031年的收入以后,股价上涨速度很容易超过盈利增长速度。一家公司未来五年的故事再漂亮,只要今天的估值已经把大部分未来增长算进去,股票一样可能经历非常大的波动。 因此美股投资网认为,这一轮AI行情真正值得投资者理解的,不应该是简单寻找“下一只英伟达”。 真正更大的变化是,AI正在从模型训练时代进入Agent时代,而Agent时代需要的不只是更多GPU,而是一整座更加复杂的数据中心。 GPU负责计算,CPU负责组织和调度,DRAM负责存储数据,网络负责搬运数据,光模块和DSP负责突破距离和带宽限制,交换芯片负责让成千上万颗XPU互相通信,而定制ASIC则负责把越来越多专门任务做到更高效率、更低功耗。 当AI从一个你偶尔打开的聊天窗口,变成24小时替你工作的数字员工以后,每一个AI用户背后的硬件消耗都会完全不同。 这也是为什么花旗敢把2030年CPU市场看到3000亿美元,也是为什么Marvell敢把2031年营收目标从今天的82亿美元一路看到700亿至900亿美元。 如果这一轮AI投资周期最终能够持续到2030年前后,那么下一阶段真正值得研究的,已经不是“除了英伟达还能买谁”。 而是每增加一美元GPU投资之后,还有多少美元会流向CPU、定制芯片、光通信、网络、内存和存储。 这才可能是AI产业下一轮最大的财富重新分配。 $MRVL $AMD #美股#
显示更多
0
1
37
13
转发到社区
全球航空公司正在以前所未有的速度砍航班 过去两周,航空公司已从 5 月航班计划中削减 200 万个座位、1.2 万个航班,使全球可用座位总数降至 1.3 亿个 这场收缩的导火索很硬:自伊朗战争爆发以来,航空燃油成本已经翻倍。燃油价格一刀劈下来,利润薄的航线先死,航空公司只能取消亏钱航班、改用更小机型、顺手把票价往上推 土耳其航空和中国国际航空是座位削减的重灾区,分别砍掉约 52 万个和 49 万个座位 汉莎航空则领跑航班取消榜,仅 5 月就取消约 4000 个航班。更狠的是,汉莎已经从 5 月至 10 月的航班表中拿掉了 2 万个航班 与此同时,海湾航空公司也没能置身事外。阿联酋航空、阿提哈德航空、卡塔尔航空等仍远低于冲突前运力。海湾机场关闭正在撕裂欧亚航线,约三分之一欧洲前往亚洲的旅程受到冲击 新加坡和东京机场已要求航空公司不要增加额外航班,以限制航空燃油消耗。越南则更进一步,开始实施航空燃油配给 全球航空业的冲击波,已经开始外溢。这不再只是航班减少,而是一场成本、运力、航线和票价同时失控的系统性挤压
显示更多
0
36
26
0
转发到社区