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 增大增长增粗🍆
增大增长增粗🍆 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 增大增长增粗🍆 的推特
昨日发布一小时后删除(看到的举手): 紫光股份 000938 > **评估日期**:2026年7月1日(周三) > **当前股价**:29.93元(+3.71%) > **总市值**:856.0亿 | 流通市值:856.0亿 > **动态PE**:27.16 | PB:5.58 --- ## 评估总览 | 维度 | 分值 | 得分 | 权重 | |------|------|------|------| | A. 利好催化真实性 | /25 | **22** | 核心 | | B. 资金面认可度 | /25 | **20** | 核心 | | C. 技术面+动量 | /25 | **18** | 核心 | | D. 消息影响持续性 | /25 | **23** | 核心 | | F. 机构情报因子 | /4 | **3.5** | 加分 | | G. 公司官方信源验证 | /4 | **3.5** | 加分 | | H. 市场情绪与宏观 | /5 | **4.0** | 加分 | | I. 行业可比与板块强度 | /5 | **3.5** | 加分 | | **加分项小计** | **/118** | **97.5** | | | J. 财报时间节点(扣分) | /-5 | **0** | 扣分 | | K. 地缘政治风险(扣分) | /-5 | **-2** | 扣分 | | **最终总分** | **/108** | **95.5** | | ### 🟢 综合评级:**强买入(95.5分/A级)** 评分档次参考: - 90+:A级(强买入) - 80-89:B级(买入) - 70-79:C级(中性偏多) - 60-69:D级(观望) - <60:F级(回避) --- ## E. 大盘环境风控 | 指标 | 数据 | |------|------| | 上证指数 | **4138.65点(+1.08%)** | | 深证成指 | 16271.32(+0.41%) | | 上涨/下跌家数 | 4553/931 | | 涨跌停比 | 199:7 | | 半日成交额 | 24352亿 | **判断**:大盘强势上行,赚钱效应显著,科技股领涨,对紫光股份超短交易构成有利环境。牛市氛围下容错率较高。 --- ## A. 利好催化真实性 — 22/25分 ### 已确认的催化剂(三重驱动): **1. 新华三中标中国移动AI服务器集采(份额居前)—— 6月27日公告** - 驱动6月30日涨停的核心催化剂 - 中国移动AI服务器集采为行业标杆级订单 - 份额居前意味着实际订单体量可观 **2. 新华三股权整合完成,HPE彻底退出 —— 6月10日完成过户** - 紫光国际持股从81%→87.98%,HPE退出 - 治理结构优化,消除外资退出不确定性 - 彻底转型为纯粹的国产算力标的 **3. 业绩爆发式增长 —— 2026Q1数据** - Q1营收279.85亿(+34.61%),归母净利润7.88亿(+126.06%) - 新华三Q1营收221.89亿(+45.1%),净利润9亿+ - 2025年新华三全年营收760亿(+38%),净利润32亿(+12%) - 18家机构预测2026年净利润25.57亿,营收1100亿+ - **中报大概率同比预增100%+**(股吧/机构共识) **4. 董事长变更 —— 6月30日公告** - 董事长离任暨选举新董事长(同日修订公司章程) - 新紫光集团战略整合下的治理优化 **5. 港股IPO推进(A+H)** - 2025年12月递交港交所招股书,中信建投国际/巴黎银行/招银国际联席保荐 - 目的:深化全球化战略,加快海外业务,增强境外融资能力 ### 催化剂真实性判断: ✅ 中标公告为巨潮资讯网正式披露 ✅ 股权整合完成为多次公告确认 ✅ 业绩增长为经审计财报 ✅ 董事长变更为正式公告 ❌ 港股IPO仍在推进中,时间不确定 **催化剂层叠效应**:中标+股权整合+业绩增长+治理优化,四重利好形成共振,可信度极高。 **得分:22/25**(扣分原因:港股IPO尚未落地,部分预期可能提前透支) --- ## B. 资金面认可度 — 20/25分 ### 6月30日(涨停)主力资金: | 资金类型 | 净流入(亿) | 占比 | |----------|-----------|------| | 主力资金 | **+13.95亿** | 29.7% | | 游资 | -6.33亿 | 13.46% | | 散户 | -7.63亿 | 16.24% | ### 龙虎榜数据(6月30日): - 北向资金(深股通):**净买入1.44亿元** - 涨幅偏离值达7%登上龙虎榜 ### 融资融券(截至6月29日): | 项目 | 余额 | 变化 | |------|------|------| | 两融余额 | 44.05亿 | — | | 融资余额 | 43.98亿 | 近5日-585万(-0.13%) | | 融券余额 | 662.82万 | 近5日+140万(+26.89%) | ### 近5日主力资金: - 净流入合计:**13.29亿元** ### 本周(6/23-27)回顾: - 本周跌6.67%,主力净流出6.61亿 - 6月26日跌9.76%,主力净流出5.86亿 - 本周大跌后6/30涨停收复失地 ### 7月1日(今日)资金特征: - 开盘30.34(高开5.13%)→ 最高31.29 → 最低29.45 → **收盘29.93(+3.71%)** - 换手率11.86%,成交额**103.1亿**(两市排名靠前) - 量比1.98 - 外盘173.3万 > 内盘165.9万,买盘占优 - 冲高回落但最终守住涨幅 ### 资金面判断: ✅ 主力资金大幅净流入确认做多意愿 ✅ 北向资金积极参与龙虎榜 ✅ 成交额超百亿,市场关注度极高 ⚠️ 融资余额微降显示部分杠杆资金谨慎 ⚠️ 今日冲高回落,短线获利盘压力明显 **得分:20/25**(扣分原因:持续两日大涨后,短线获利盘压力增大;融资余额未明显增加) --- ## C. 技术面+动量 — 18/25分 ### 近期价格走势: | 日期 | 收盘价 | 涨跌幅 | 成交额 | |------|--------|--------|--------| | 6/26 | 25.62 | -9.76% | 59.23亿 | | 6/27 | ? | ? | ? | | 6/28-29 | 周末 | — | — | | 6/30 | **28.86** | **+9.98%(涨停)** | 46.98亿 | | 7/1 | **29.93** | **+3.71%** | 103.1亿 | ### 7月1日盘中走势: ``` 开盘30.34 → 冲高31.29(涨停板31.75未封) → 回落29.45 → 收盘29.93 ``` K线形态:**高开冲高回落,收带长上影线的阳线** - 开盘价30.34(高于昨收28.86,高开5.13%) - 最高触及31.29(距涨停31.75仅剩1.47%) - 未能封板后回落,最低29.45(日内振幅6.38%) - 收盘29.93,守住昨收以上 ### 技术指标研判: | 形态特征 | 解读 | |----------|------| | 连续两日大涨 | 25.62→28.86→29.93,两日累计+16.8% | | 涨停次日冲高回落 | 短线多空分歧加大 | | 长上影线 | 31元以上抛压明显 | | 巨量换手11.86% | 筹码充分交换 | | 涨停未封 | 多头持续性存疑 | ### 股吧技术讨论情绪: - "仙人指路" vs "射击之星" 之争 - "跳空缺口明天或后天必补" - "两天18个点"获利盘丰厚 - 有人"均价30.63先走20%" - 有人"尾盘融资满仓干了" ### 技术面判断: ✅ 放量突破前期平台,强势信号 ✅ 两日大涨形成上升趋势 ⚠️ 涨停次日冲高回落,短线回调概率增加 ⚠️ 103亿换手日,短期消耗大量买盘 ⚠️ 距前低25.62已涨16.8%,追高风险加大 **得分:18/25**(扣分原因:涨停后高开低走、上影线过长、短期超买、103亿巨量换手后需要整理消化) --- ## D. 消息影响持续性 — 23/25分 ### AI算力行业景气度: **政策层面(三重驱动):** 1. **国家数据局**:推动"人工智能+"行动方案落地 2. **证监会**(6/17陆家嘴论坛):主动拥抱新一轮科技革命和产业变革,新质生产力为核心 3. **国产替代**:算力国产化采购政策持续推进 **产业层面:** - 中国智能算力规模达788 EFLOPS(FP16),智算市场快速扩张 - 美光财报、三大原厂调价函验证AI硬件需求 - AI算力+国产替代政策双层驱动,景气窗口拉到2027年之后 - 寒武纪、协创数据、东方国信等算力股集体走强 **机构观点:** - "AI硬科技是这一轮行情的核心主线" - 算力板块景气周期"涨十几个点就兑现的思路不太适配,底仓长持、机动仓做差价更贴产业节奏" - AI硬件与半导体双主线维持轮动上行 **紫光股份在其中的定位:** - 新华三在AI服务器、交换机、数据中心全栈覆盖 - "云-网-安-算-存-端"全系列ICT产品布局 - 中国移动AI服务器集采中标,验证行业头部地位 - 交换机+AI服务器双轮驱动 ### 持续性判断: ✅ AI算力需求为长周期趋势(>2年景气窗口) ✅ 国产替代为系统性政策,非短期催化 ✅ 新华三中标移动集采具有持续性(后续运营商采购陆续释放) ✅ 数字经济/信创政策持续加码 ⚠️ 短期涨幅过大可能引发阶段性调整 **得分:23/25**(扣分原因:政策利好预期已部分反映在短期涨幅中) --- ## F. 机构情报因子 — 3.5/4分 ### 最新机构覆盖: | 机构 | 日期 | 评级 | 核心观点 | |------|------|------|----------| | 申万宏源 | 2026/6/30 | **买入(首次覆盖)** | ICT领军,AI服务器&交换机加速增长,目标PE 41倍,目标市值1123亿 | | 长江证券 | 2026/4/23 | 买入 | EPS 0.85元,净利润24.17亿 | | 国海证券 | 2026/4/22 | 买入 | EPS 0.76元,净利润21.76亿 | | 平安证券 | 2026/4/22 | 增持 | EPS 0.89元,净利润25.42亿 | | 中泰证券 | 2026/4/21 | 增持 | EPS 0.89元,净利润25.58亿 | ### 目标价汇总: | 指标 | 数据 | |------|------| | 分析师目标均价 | **34.79元** | | 最高目标价 | **41.19元** | | 最低目标价 | **30.14元** | | 当前股价 | **29.93元** | | 距均价上涨空间 | **+16.2%** | | 距最高上涨空间 | **+37.6%** | ### 评级分布(22位分析师): - 强力推荐:63.64% - 买入:36.36% - 持有:0% - 卖出:0% ### 机构预测共识(18家机构): - 2026年营收:约**1100亿+** - 2026年净利润:约**25.57亿** - 对应EPS约0.89元,当前PE 27.16具有估值吸引力 ### 机构情报判断: ✅ 机构全面看多,零看空 ✅ 申万宏源6/30首次覆盖恰逢涨停,目标市值1123亿(+31%空间) ✅ 目标均价34.79元,当前股价有安全边际 ⚠️ 4月覆盖机构目标价尚未根据Q1业绩上调 **得分:3.5/4** --- ## G. 公司官方信源验证 — 3.5/4分(强制步骤完成) ### G1. 紫光股份官网新闻中心 - 通过搜索确认公司持续关注光引擎技术、CPO/NPO领域布局 - 紫光西部数据(与西部数据合资)运营中 ### G2. 巨潮资讯网公告(近1个月): | 日期 | 关键公告 | |------|----------| | **6/30** | 公司章程修订、法定代表人变更、**董事长离任暨选举新董事长** | | **6/10** | **新华三少数股东股权完成过户**(HPE彻底退出) | | **6/5** | 2025年度权益分派(10派0.65元,6/12除权除息) | | **5/30** | 新华三股权交割完成 | | **5/21** | 2025年度股东会决议、董事高管薪酬管理制度 | | **5/16** | 转让控股子公司股权(紫光数码小贷) | | **5/12** | 控股子公司增资扩股引入投资者 | **验证结论**: ✅ 涨停催化剂(新华三股权整合+董事长变更)有正式公告确认 ✅ 公司治理层面密集调整,战略整合信号明确 ✅ 定向增发推进中(修订稿多次披露) ✅ 无负面公告,信披及时完整 ### G3. 互动易投资者问答: - 6月18日回复:截至6月10日股东户数约29万户(比上期+1万户) - 股东户数增加表明筹码分散化趋势 ### G4. 东方财富股吧情绪: - **多空分歧严重**:多头占55% vs 空头35% - 多头:中报大幅预增、机构预测支撑、科技主线持续 - 空头:冲高回落、缺口必补、诱多出货嫌疑 - 成交额超100亿为今日关注焦点 - 极端情绪并存("股价看100"vs"全是诱多") **得分:3.5/4**(扣分原因:股吧散户情绪极端化、股东户数增加显示筹码分散) --- ## H. 市场情绪与宏观 — 4/5分 ### 今日A股情绪指标: | 指标 | 数据 | 评价 | |------|------|------| | 上涨家数 | 4553家 | 🔥极好 | | 下跌家数 | 931家 | | | 涨停家数 | 199家 | 🔥极好 | | 跌停家数 | 7家 | | | 赚钱效应 | 全面爆发 | 🔥极好 | | 沪指 | 4138.65(+1.08%) | 强势 | ### 宏观背景: - 科技成长、半导体、AI与高端制造轮动上行 - 年初以来A股开户数同比大幅增长(赚钱效应吸引) - 上半年新股发行克制,供给合理 - 市场成交量活跃,半日成交2.4万亿+ - AI算力主线已成为市场共识 ### 判断: ✅ 市场环境极佳,科技股主线明确 ✅ 上证站稳4100+,牛市氛围浓厚 ⚠️ 连续上涨后短期或有震荡整固需求 **得分:4/5** --- ## I. 行业可比与板块强度 — 3.5/5分 ### AI服务器/算力板块对比: | 公司 | 2025年营收 | 定位 | 特征 | |------|-----------|------|------| | **浪潮信息** | 1647.82亿 | AI服务器全球第二、国内市占率55%+ | 规模最大,纯服务器标的 | | **紫光股份(新华三)** | 760亿(新华三) | ICT全栈(服务器+交换机+存储+安全) | 交换机龙头,多元化 | | **中科曙光** | 149.64亿 | 超算/智算中心(全国80%份额) | 高端计算,PE157倍 | | **中兴通讯** | 约1300亿 | 通信设备+向AI转型 | 转型中,PE 41倍 | ### 紫光股份的优势: - 新华三在以太网交换机/企业路由器/园区交换机多领域**国内第一** - AI服务器+数据中心交换机双轮驱动(光模块升级受益) - 全栈ICT能力(云-网-安-算-存-端) - 定性为"AI算力互联核心卖铲人" ### 板块强度: - 算力板块6月18日以来连续走强 - AI硬件与半导体双主线轮动 - "上半年炒芯片,下半年炒交换机"市场逻辑 - 科技龙头轮番挑战"股王"茅台 ### 判断: ✅ 板块整体走强,紫光股份定位独特 ✅ 交换机+服务器双轮驱动,差异化竞争力 ⚠️ 紫光股份非最纯算力标的(营收体量不如浪潮,估值不如中科曙光极致) ⚠️ 中兴通讯/浪潮信息等竞品也会分流资金关注 **得分:3.5/5** --- ## J. 财报时间节点 — 扣0分(/5分扣分项) ### 财务时间表: | 时间 | 事件 | |------|------| | 2026/4/28 | **2026年一季报发布** | | 2026/8/29 | **2026年半年报预约披露** | ### 财报数据分析: **2026年一季报:** - 营收:279.85亿(+34.61%) - 归母净利润:7.88亿(+126.06%) - 扣非净利润:6.20亿(+51.64%) - 毛利率:12.88%(同比-17.77%) - 净利率:3.43%(同比+81.64%) - 负债率:82.37% - 经营性现金流:-30.93亿 - 应收账款:146.22亿(占归母净利润867.52%) ### 判断: ✅ 中报季(8月29日)尚有约2个月,不存在财报雷期临近风险 ✅ Q1业绩超预期为市场形成正面预期 ✅ 中报大概率同比增长100%+,预增公告可能提前发布 ⚠️ 负债率82.37%偏高,应收账款体量较大 ⚠️ 经营性现金流为负 **扣分:0/5**(财报窗口安全,且有预增预期支撑) --- ## K. 地缘政治风险 — 扣2分(/5分扣分项) ### AI芯片出口管制升级: **核心风险:** - 美国持续升级对华AI芯片出口管制(2025年8月、9月、2026年3月多轮) - 2026年3月新政:全球全域覆盖,封堵英伟达/AMD全系列AI芯片第三国转口 - "技术北约"重构全球科技秩序 **对新华三的影响评估:** | 风险维度 | 分析 | |----------|------| | 芯片供应 | 新华三已推进国产芯片方案,但高端AI芯片仍有依赖 | | HPE关系切割 | HPE已彻底退出(2026/6/10完成),消除合资不确定性 | | 国产替代 | 公司已形成全栈国产化能力(CPO/NPO领域深度布局) | | 海外业务 | 可能受制裁影响,但主要收入来源在国内 | | 政策对冲 | 国产算力采购政策加速,反而利好新华三 | **判断:** ✅ HPE退出反而消除最大地缘风险(此前市场担忧HPE退出会影响新华三经营) ✅ 国产替代政策加速,新华三作为国产算力龙头直接受益 ⚠️ 高端AI芯片供应仍有不确定性 ⚠️ 中美科技博弈持续升级,长期变量 **扣分:2/5**(核心风险来自高端芯片供应,但新华三已完成HPE整合并推进国产化,风险可控) --- ## 综合操盘建议 ### 定位:**AI算力产业趋势龙头,短期催化密集** ### 优势(支撑做多): 1. 三重催化叠加(中标+股权整合+业绩爆发)具有确定性 2. 机构全面看多,目标均价34.79元(+16.2%空间) 3. 主力资金13.95亿净流入,北向1.44亿参与 4. AI算力板块为市场主线,政策+产业双驱动 5. 大盘强势(沪指4138+),牛市容错率高 6. 中报预增100%+预期,有进一步催化空间 ### 风险(需要警惕): 1. 两日累计涨幅16.8%,短期获利盘压力大 2. 今日冲高回落(涨停未封),技术面需要整理 3. 103亿巨量换手,短期消耗性较大 4. 股吧情绪分歧严重,散户多空对立 5. 负债率高企(82.37%),应收账款规模大 6. AI芯片出口管制长期风险 ### 操作参考(不构成投资建议): | 类型 | 参考策略 | |------|----------| | **超短线(1-3日)** | 警惕技术回调,28-28.5元区间关注企稳信号 | | **短线(1-2周)** | 关键支撑28.5元(涨停价附近),强势整理后可关注 | | **中线(1-3月)** | 中报预增催化+机构目标市值1123亿(对应约39元),向上空间明确 | | **止损参考** | 跌破27元(涨停前平台支撑)需严格止损 | --- ## 数据溯源 | 维度 | 主要数据来源 | 数据时间 | |------|-------------|----------| | A | 网易新闻、新浪财经、证券之星 | 2026/6/30 | | B | 证券时报、同花顺龙虎榜、东方财富资金流 | 2026/6/30-7/1 | | C | 东方财富行情页、同花顺千股千评 | 2026/7/1 | | D | 雪球、知乎、百家号、网信办 | 2026/6/21-28 | | E | 雪球、新浪股吧 | 2026/7/1 | | F | 同花顺评级、富途牛牛、申万宏源研报 | 2026/6/30 | | G | 巨潮资讯网、互动易、东方财富股吧 | 2026/5-7月 | | H | 雪球、新浪财经 | 2026/7/1 | | I | 前瞻产业研究院、百家号 | 2026/4-6月 | | J | 证券之星、腾讯新闻、东方财富 | 2026/4/29 | | K | 雪球、搜狐、腾讯新闻、新浪财经 | 2025/9-2026/3 | --- > **免责声明**:本报告基于公开信息整理,采用多维度数据交叉验证方法论,仅供参考,不构成任何投资建议。股市有风险,投资需谨慎。评估时间为2026年7月1日15:30后,数据具有时效性。
显示更多
AI货币化拐点,早上谷歌、微软、亚马逊、Meta四家公司财报整体云/广告业务的超预期收入加速,缓解“烧钱不赚钱”担忧。整体看四家均交出强劲兑现的财报,云/广告增速稳健或加速,RPO/Backlog大幅扩张,Capex虽高但营收/Capex比值基本守住,市场的高预期基本得到满足(部分甚至超预期)。 1. 业绩增速看点(最直接验证AI货币化) 增速差异主要来自订单结构(长约 vs 现货)、产能释放节奏(GPU/TPU/Trainium到货 vs 需求)和绝对增量(AI训练/推理占比)。 1)谷歌 Cloud (GCP):实际+63%($200.3亿,远超共识~50%),增速最猛。AI长约占比高(TPU放量+企业AI合约),产能释放节奏最优,绝对增量最大。 2)微软 Azure:实际增长约38%(符合指引37-38%,Q2曾39%)。AI业务ARR达370亿美元(+123% YoY),仍是核心驱动,但受产能交付限制,绝对增量仍强劲,企业GenAI支出转化明显。 3)亚马逊 AWS:实际+28%(25年Q4为+24%,15个季度最快),大幅超共识26%。Trainium/Graviton等自研芯片+Anthropic等大单加速释放,订单结构转向长约+AI推理,绝对增量领先。 4)Meta 广告:总收入563亿美元(+约33%,大幅beat指引中值),广告业务继续高位平台稳增。AI驱动的广告优化(Advantage+、Llama)直接提升ARPU和转化率,货币化效率最高,无云业务但AI直接服务广告。 小结:GCP增速最炸(订单结构+产能双重加速),AWS实现再加速,Azure稳中略降但AI ARR爆炸,Meta广告最“干净”兑现。增速差异验证AI需求真实且分层释放。 2. 资本支出(Capex) 看点(谁在花、花在哪、折旧何时拖累)四家2026年Capex总指引约6600-7000亿美元(GPU/ASIC 50%,建筑+电力25%,网络15%,存储10%)。重点看营收/Capex比值(当前约4.0,若跌破3.5则担忧产能跑输折旧;守住3.8+则折旧拐点推迟至2028+)。 1)谷歌:Q1 Capex 357亿美元,FY26指引1750-1850亿(多数投ML compute)。Cloud收入+63%+op income暴增,AI长约覆盖率高,比值最优,折旧压力最小。 2)微软:本季Capex 319亿美元(2/3投GPU/CPU等短命资产)。FY26预计1000-1200亿,营收/Capex比值仍健康(AI ARR已体现部分回报),折旧压力可控,但OpenAI相关占比高需持续验证。 3)亚马逊:FY26指引2000亿美元(主导AWS基础设施)。Q1 AWS已+28%且芯片业务ARR超200亿(三位数增长),Capex转化为产能最快,营收/Capex比值有望维持较高水平,折旧拖累最轻。 4)Meta:FY26 Capex上调至1250-1450亿美元(较此前指引上调,反映组件涨价+数据中心)。但广告收入直接受益AI,外部长租合约转嫁部分折旧,Capex转化为收入效率最高(类似“高位平台”稳增)。 总结就是,四家Capex均“花在AI算力”,但谷歌和AWS转化最快(营收加速覆盖),微软次之,Meta通过广告最直接兑现。营收/Capex比值整体守住,未现明显拖累,折旧拐点至少推迟。Meta Capex上调尤其被解读为成本压力增大,所以Meta盘后跌幅最多。 3. 剩余未履约订单(Backlog/RPO) 看点(AI订单含金量)四家合计RPO/Backlog已超1.7万亿美元(纯AI算力订单约8000-9000亿)。重点验证需求方现金流稳定性(大客户支付能力)、合同强制性(长约不可取消)和真实消耗验证(实际使用率)。本季重点:RPO环比增长(大概率+20-25%)和加权平均剩余期限(延长至5年以上=长合约时代确认)。 1)谷歌:Cloud Backlog 超4600亿美元(QoQ几乎翻倍,远超此前2400亿),环比增长爆炸。AI长合约占比超70%,剩余期限显著延长至5年以上,长合约时代已确认,真实消耗验证最强。 2)微软:RPO 6270亿美元(+99% YoY),加权平均剩余期限2.5年。剔除OpenAI后+26%(更接近季节性),现金流稳定性高,长约占比提升,但OpenAI集中度仍是风险点。 3)亚马逊:AWS Backlog此前已2440亿美元(+40% YoY、+22% QoQ),Q1 AWS+28%印证消耗加速。新大单(Anthropic等)进一步延长剩余期限,强制性强,需求方现金流稳健。 4)Meta:无传统RPO,但广告业务通过AI优化实现“即时消耗”,相当于高频短约+长效平台,现金流最稳定(广告主ROI直接可见 总结就是,谷歌Backlog环比最炸(确认长合约拐点),微软/亚马逊RPO稳健扩张+消耗加速,Meta间接验证。 三大指标(RPO环比、营收/Capex、云指引)中至少两项超预期,AI基础设施周期从“预期驱动”转向“兑现驱动”正反馈确立。 整体来看本次财报“够炸”——GCP+63%、AWS+28%再加速、Azure稳38%、Meta广告+33%+Capex上调仍beat,RPO/Backlog集体大增,Capex转化效率高于市场隐含担忧。 总体市场逻辑: 1)预期已极高(“上修-兑现-再上修”正反馈),任意两指标不崩就够,但谷歌三指标全超(增速最炸、Backlog翻倍、转化效率高),直接“够炸”带动盘后大涨。 2)微软/亚马逊:业绩beat但指引/细节/转化效率略逊谷歌,未完全超出隐含最高预期,所以盘后先跌再涨; 3)而meta进一步提高资本开支,市场担心“Capex压力仍存”带动盘后回调 简单来说,谷歌用最炸的Cloud+Backlog数据证明“AI钱烧得值”,其他家虽也强劲,但未完全满足市场已被AI热潮吊高的胃口,导致分化。后续看Q2指引和消耗节奏,AI基础设施周期正从预期转向兑现验证。 还是15号这里 agent热潮是真实可见的。
显示更多
0
10
100
26
转发到社区
【淘宝】 CZ321 「男士增大海绵体粗硬受损再生膏阴茎永用品不射久正品延时增长加大」 点击链接直接打开 或者 淘宝搜索直接打开
【淘宝】 HU287 「男士增大海绵体粗硬受损再生膏阴茎永用品不射久正品延时增长加大」 点击链接直接打开 或者 淘宝搜索直接打开
当一个公司开始用债务来支持增长时,就可能陷入类似运动员用兴奋剂提高成绩的危险境地。债务赖不掉,本金迟早得还,风险比发行新股要大。尤其是某些公司用利息更高的,更多的新债务来还旧债,就把自己置于越来越大的突然死亡的风险之下。 运动员用类固醇之类的兴奋剂,其副作用包括: 内生睾酮减少,睾丸变小,男性乳房增大, 血压升高,血管变得更脆弱,关节和肌腱 (跟不上肌肉的增长)训练时磨损撕裂导致的剧烈疼痛,肝脏和肾脏负担更重, 脾气暴躁,严重失眠,一些运动员不到五十岁就猝死, 有很大嫌疑是年轻时长期服用兴奋剂所致。 当你看到某个膀大腰圆的壮汉时,不要羡慕他。因为你不知道他为了光鲜的外形,身体内承受了多大的痛苦。而睾丸变小这类难以启齿的问题,外面根本看不出来。 类似的,当你看到某个企业进行夸张的炫耀性消费时,不必羡慕。很有可能它在被迫做挖肉补疮,拆东墙补西墙的游戏,对外的夸张展示只是必须的操作而已。其内心的压力和后台的风险外面根本看不清。 即使高尔夫这种看似温和的运动,也有禁药问题, 有种叫 beta 受体阻滞剂的禁药让人更加安静,消除手部的颤抖。但副作用是低血压,心动过缓,诱发支气管痉挛。而且身体会为了反抗抑制,对肾上腺素产生受体上调 (up regulate)的反应。如果突然停药,身体的肾上腺素腺素会潮水般涌入这些新增的受体, 导致严重的心慌和心绞痛,甚至直接引发心肌梗死,猝死。
显示更多
0
0
109
13
转发到社区
分享一下自己最近在做的几件事: 1、学习股票:随着资金量增大,了解新的投资领域很有必要,并且股票也是我认为普通人最有机会吃到AI红利的地方。我的做法是从基础开始,例如看美股市值Top200公司的资料,了解PE、EPS、期权这些概念,同时开始在链上进行一些美股交易,建立盘感。 2、Vibe Coding了一个每日全球新闻摘要:涵盖全球热门、科技/AI、金融/宏观、美股/A股/港股、风投、国际政治、大宗商品等板块,消息来源是各大权威媒体以及一些付费Newsletter。 3、了解投资Pre-IPO的渠道:美国顶尖科技公司从成立到上市的年份逐渐变长,很大一部分价值增长在私募投资阶段被消化。但是经过我这段时间的了解,目前非美国身份的个人投资者参与私募投资还是比较困难的,有合规、资金、渠道等各方面障碍。 4、咨询律师:包括用于跨境投资的实体设立和身份规划等等。 这几件事并行推进,同时又息息相关,例如新闻摘要有助于建立美股的投资逻辑,身份规划对投资Pre-IPO能起到帮助,虽然是加密熊市,反而每天都觉得时间不够用。
显示更多
0
184
2.2K
262
转发到社区
非常深度一篇文章,从GPU架构进化的第一性原理出发,重点解答市场长期担忧的问题:为什么每个GPU的HBM内存需求必然是指数级增长?为什么HBM需求不会像传统DRAM那样停滞或周期性崩盘?记录个要点当做阅读笔记 1. AI推理时代的核心KPI已彻底改变 CPU时代:最高KPI是“performance / FLOPS”(跑分越快越好)。 AI推理时代(尤其是agentic flow兴起后):最高KPI变成token经济学——单位成本/单位电力下的token吞吐量(throughput) + token生成速度。 Nvidia的“AI工厂”本质就是:最低成本输出最多token,同时尽量提高token速度。Pareto frontier曲线要不断向右上方移动。 2. Token吞吐量的第一性原理公式(核心结论) Token throughput = HBM Size(容量) × HBM Bandwidth(带宽)Batch size(同时处理的请求数) 的瓶颈 = HBM Size 因为每个请求都自带hot KV cache,必须放在HBM里。随着batch增大,KV cache线性增长,HBM容量必须同步线性增长(否则就像接驳车车厢太小,要分多趟拉人)。 每个user的token生成速度 的瓶颈 = HBM Bandwidth 生成每一个token都要多次高频读取HBM里的权重和KV cache。带宽越高,decode速度越快(就像接驳车车门越宽,旅客上下车越快)。 完整类比: 吞吐量 = 接驳车车厢容量(HBM Size) × 车门宽度(HBM Bandwidth)。 只要想让token吞吐量每一代翻倍,HBM的Size × BW乘积就必须翻倍。这是硬件天花板,软件优化无法根本替代。 3. CPU时代 vs. AI时代的本质差异 CPU时代:DDR只是“辅助”,升级极慢(DDR3到DDR5花了15年)。 原因:CPU有大量cache、superscaler等隐藏延迟;日常workload对带宽/容量需求低;app size增长慢。 AI/GPU时代:计算范式彻底转向“memory-bound”(内存受限)。 推理即内存,KV cache + 上下文长度 + 多请求并发,把所有压力都压在HBM上。HBM已从“锦上添花”变成决定性因素。 4. 验证与现实对应 Nvidia从A100 → Rubin Ultra的token吞吐曲线,与HBM Size × BW曲线在对数轴上几乎完全重合(文章提到图二)。 即使利用率(utilization)很难达到100%,HBM仍是整个系统的天花板。老黄必须逼御三家(三星、海力士、美光)不断升级,否则GPU就卖不出去。 5. 软件优化无法改变硬件需求 软件再优化(如LPU把权重搬到SRAM),也只是从另一个维度改善Pareto曲线,硬件天花板仍由HBM决定。就像CPU时代软件再快,CPU厂也必须持续升级跑分一样
显示更多
AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发,解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长,为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了,为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大,乐观派认为AI带来的需求比以前要大的多,但市场主流仍然认为前几次上升周期也有需求每年20%+增长,这次又有什么不一样呢?AI不影响HBM和传统DRAM一样有commodity属性,一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发,来拆解和推演一下这个问题:为什么这次真的不一样 ------------------------------- 历史:CPU算力时代 很久以来,我们都处在CPU主导算力的时代,CPU的最高级KPI就是performance,跑的更快,所以每一代的CPU都用各种方法来提高跑分,最开始是频率上升,后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度?比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助,而且辅助功能极弱,以业界经验,DDR的速度即便是提高一倍,CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大?两个原因 1. CPU设计了各种架构去隐藏 DDR延迟,比如superscaler,加大发射宽度,用海量的ROB和register renaming来提高并行度隐藏延迟,一级缓存cache,二级缓存cache,削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高,大部分日常负载比如打开网页,DDR带宽是严重过剩的,甚至云端负载 也就是说,在CPU时代,DDR的带宽速度是不太有所谓的,DDR4和DDR5除了少数游戏就没啥差别,甚至JEDEC标准也进步缓慢。 另外,绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可,app的size增长没那么快,导致对DDR的容量需求也较为缓慢。 所以最近十年来,平均每台电脑上的DDR容量大概从7~8GB变成了23GB,十年只增长了3倍。 而这部分升级缓慢直接影响了营收,size容量计价是赚钱的主要方式,速度的提高只是技术升级,提高size的单价,这两个的升级需求都不大,需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上,一直是都是芯片产业锦上添花性质的附属品,DDR升级带来的边际效用是很低的,跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代,计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代,不再像CPU那样只看跑分,最高级的KPI不再是算力TOPS/FLOPS,而是token的成本,特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度,因为在agent时代,很多任务变成了串行,token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因:最低成本的输出最多token,同时尽量提高token吞吐速度 AI训练时代,老黄的经济学是TCO(total cost ownership),买的GPU越多,省的越多 而老黄在推理时代的token经济学是: AI推理的毛利润很可观,所以逻辑已经转换成:Nvidia GPU是这个世界上让token单价最便宜的GPU,买的GPU越多,赚的越多 最高的KPI变成了Pareto frontier曲线,在提高token 吞吐throughput和提高token速度两个维度上尽量优化 (见图一) NVIDIA 的 token factory 代际进步,其实是在把整条 Pareto frontier 往右上推,这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链,如何从token吞吐量指数型增长的本质出发,推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代,token吞吐只有一个维度,就是HBM的带宽速度,带宽速度越高,token吞吐越大 但进入NVL72的年代,推理不再是单卡GPU时代,而是72个GPU + 36个CPU整个系统级别的token工厂,把HBM带宽和算力用满,获得极致的token吞吐量 Token 吞吐throughput的增长,依赖两个东西:同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例,在平均token速度是100 token/s的情况下,同时批处理1920个请求,得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW(0.12MW)的功率,所以得到单位MW能处理1.6M token/s (见图一) 所以,我们需要想方设法提高这两个参数:批处理数量batch size和per user token的平均速度,这两者相乘就是我们的最高KPI,也就是token的吞吐量 ------- 第一个参数:batch size的增长,瓶颈在HBM size 批处理量里的每一个请求req,都会自带kv cache,这部分kv cache是需要存在HBM里的,大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取,所以必须放在HBM里,比如一个大模型的层数是80层,那么每一个token的生成阶段,都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长,会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache,都要放在HBM上,这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车,登机口尽量快的接旅客到飞机,HBM size小了,相当于接驳车size小了,就得多接一趟 结论是:批处理量的数量batch size,瓶颈依赖于HBM size的增长 --------- 第二个参数:每个user请求的平均token速度,瓶颈在HBM带宽 大模型decode阶段的速度,瓶颈取决于HBM的带宽速度,因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现,在batch不那么大的情况下,把激活权重这个部分搬到了SRAM上,但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高,生成每一个token的速度也就越快,基本上是线性对应的 就像是机场接驳车,登机口尽量快的接旅客到飞机,hbm本身带宽速度就像是接驳车的车门有多宽,门越宽,旅客上接驳车越快 GPU的其他配置,都是在适配batch的增长以及要让token compute的速度配平HBM的增长,甚至会用多余的算力来获得部分的带宽(比如部分带宽压缩技术) —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size(容量): 决定了一次能装下多少名旅客(也就是能同时装下多少个请求的 KV Cache)。车厢越大,一次能拉载的旅客(Batch Size)就越多。如果车太小,想拉100个人就得分两趟,系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth(带宽): 决定了旅客上下车的速度。门越宽,大家呼啦啦一下全上去了(Decode/生成Token的速度极快)。如果门很窄,哪怕车厢巨大能装200人,大家也得排着队一个一个挤上去,全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此,我们从逻辑上推演出了token经济学的硬件需求第一性原理: Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI,实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长,实际上意味着,每一代的单GPU上,HBM size X HBM BW带宽之积要增长两倍! 这也是历史上第一次,HBM内存的size可以影响最高的KPI token throughput! 要验证这个理论,可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput,和HBM size X HBM BW 放在同一个图里比较 (见图二) 可以发现,这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快,毕竟HBM决定的是天花板,实际上这个天花板增长的利用率utilization是很难达到100%的,也就是说,HBM size x HBM 带宽就算增长1000倍,其他算力和架构的配合下,很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合,而是系统最优化的必然解 throughput = batch × Bandwidth,这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢?软件的优化会不会降低带宽的需求?降低HBM的需求? 这跟硬件是独立两个维度的,这好像在问,如果CPU上的软件优化了之后跑的更快,是不是CPU就十年不用发展了?反正软件跑的更快了嘛 这样的话,CPU厂还能赚得到钱吗?CPU想要存活下去,只有一条路可走,在标准benchmark,不考虑软件优化,每一代CPU必须要跑分更高,不然就卖不出去 GPU也是一样,软件优化如何,和自己的token吞吐量KPI每年都要大幅进步,是两回事 只要token的需求继续增长,对token throuput的追求就绝不会停止,那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了,老黄一定会亲自到御三家逼着他们技术升级,因为这就是老黄gpu的天花板,天花板要是钉死了不进步,老黄的GPU还能卖出去吗? 当然了,Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分,比如LPU就是一个很好的尝试,把Pareto frontier从另一个角度改善了很多 (右半边高token速度的部分) —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代,在这条由指数级需求铺就的单行道上,以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步,只要老黄还要卖GPU,HBM就必须翻倍,而且必须代代翻倍。这是supply side的内生压力,与AI需求无关,与宏观周期无关,与hyperscaler的心情也无关 剩下的问题,只有一个: 当需求被物理锁定为指数增长的时候,供给侧的三个玩家,会不会还像过去三十年那样,亲手把自己再拖回一次周期的泥潭?
显示更多
0
7
197
62
转发到社区
联储新主席亮相,长端利率紧张,可能引发的杠杆清算,是成为这一轮泡沫的针。 影响如昨日分享AI模型的边际盈利困境,使得云AI厂商对长期资本的饥渴,连富可敌国的英伟达都要发长债来匹配远期现金流, 到底风险和机会怎么博弈,花旗最近提出来一个评估框架, - 指出美国股市估值已达高位(trailing PE 28倍、CAPE 46),情绪处于狂热区 -资本支出增长33%集中于AI领域 -与2000年和2007年峰值多指标相似 -与以往熊市起点不同,当前企业盈利强劲(ROE 21%、EPS高于峰值34%),卖出信号仅11.5/18,显示市场由坚实基本面支撑而非纯投机 认为当前并非熊市即将来临,而是未来回报高度依赖AI执行力和盈利超预期, 若增长放缓则估值压缩风险增大,市场处于估值与增长平衡的紧张状态。 一切的一切,跟当初的中国经济一样, 增长跑的快,房价的泡沫就追不上我, 然而,你知道后来的事情。
显示更多
0
21
20
0
转发到社区
一个有意思的事,hype在4月份跌到10刀的时候,我计算过按照流通市值计算,pe应该在4。这个pe在币圈是非常恐怖的。 但是当时hype,btc总共6亿刀持仓,我一个人就占了快10%持仓(套利),再去除hype还有一部分假持仓,我就在怀疑这平台到底还能有多少用户。 后来随着james带动,前段时间最高的时候,btc有50亿刀持仓。交易量也增大几倍,hype的收益和回购也大幅增加。 这里应该是典型的戴维斯双击。 当然,最后,菜是原罪。在低pe安全区间都看不懂增长,更别说高pe看增长了。确实是自己菜。
显示更多
0
38
337
18
转发到社区
推荐这篇文章,Together AI 的 ThunderAgent(ICML 2026 Spotlight)。 把 agent 工作流当成一个"程序"来调度,而非一系列无关的请求——单节点吞吐翻倍,8 节点近线性扩展。 Together AI 在 7 月 29 日发布了 ThunderAgent——一个面向 agentic 推理的高吞吐调度系统。ICML 2026 Spotlight 论文。核心贡献:把 agent workflow 抽象为"程序"而非"一系列不相关的请求"。 问题:KV Cache Thrashing Agent 工作流在两个阶段之间交替:GPU 密集的推理阶段和 GPU 空闲的等待工具返回阶段。当数百个 agent 并发运行时,各自的 KV cache 在每轮不断增长,竞争有限的 GPU 内存。 传统推理引擎(vLLM、SGLang、TensorRT-LLM)按请求级别调度——agent A 暂停等待工具调用时,它的 KV cache 被 LRU 淘汰腾出空间给 agent B 的 prefill。当 A 的工具返回,引擎必须从头重算 A 的整段对话历史,这又淘汰了 C 的 cache。高并发下,这种淘汰和重算的级联反应导致严重的吞吐量和延迟退化——论文称之为 KV cache thrashing。 能通过加 GPU 节点解决吗?不完全。现有多节点路由器(如 SGLang Gateway)把每个 agent 钉在固定节点上以保留 cache 局部性——但 agent 的上下文长度不可预测增长,某些节点被赋予长上下文 agent 导致内存耗尽,其他节点闲置。 能通过 KV cache offloading 解决吗?也解决不了。LMCache 和 HiCache 把 KV cache 卸载到 CPU 内存或磁盘,扩大了总容量但只是延迟 thrasthing。当并发 agent 的工作集超过所有存储层级时,淘汰恢复,同一个恶性循环重现。 ThunderAgent 的解法 ThunderAgent 在 agentic 客户端和推理后端之间插入一个轻量调度层。它将每个 agent 工作流抽象为一个可调度程序(program),追踪其执行阶段、KV cache 占用和节点位置。 Program-level admission control:监控每个节点的内存压力,选择性暂停低优先级工作流,减少竞争 cache 的程序数量。当被暂停的工作流准备恢复时,通过全局等待队列路由到容量最充足的节点。 多节点部署:用全局等待队列替代了基于 session 的静态节点绑定。暂停的工作流恢复时被路由到可用容量最多的节点,在 KV cache 局部性和多节点负载均衡之间取得平衡。 评测 集成在 Together AI 自己的合成数据生成管道里——就是产生 CoderForge 等数据集的那套基础设施。对比 SGLang 默认调度器: 单节点 8×H100(HiCache offloading),batch size 192: • SGLang:吞吐 390 token/s,平均延迟 65s • ThunderAgent:吞吐 803 token/s,平均延迟 10.6s 多节点(2→8 节点): • 近线性扩展,16 GPU 到 64 GPU 吞吐从 671 增长到 2248 steps/min • 加速比随集群规模增大:2 节点 1.79× → 8 节点 2.39× 使用 一个 program_id 字段,OpenAI 兼容 API,直接适配现成的 offloading 和 speculative decoding。已被 SkyRL 和 NVIDIA Dynamo 集成。 GitHub: 论文: #AgentInference# #KVcache# #ThunderAgent#
显示更多