🔥【兴证通信】FCC扰动再迎积极信号：ITI明确反对扩大至光模块，继续坚定看好龙头 [玫瑰]#ITI正式向FCC表达反对意见，##光模块“一刀切”纳入Covered# List的概率进一步降低。ITI在最新提交FCC的文件中明确建议，Covered List应继续采取“精准、基于风险”的方式，聚焦与外国对手存在明确关联的实体或产品，而不应宽泛覆盖来自可信企业的整个技术品类。更重要的是，ITI单独提出，不应将光收发模块（optical transceivers）纳入Covered List，尤其反对将所有外国生产的光模块整体纳入限制范围。 [玫瑰]#核心原因还是AI基础设施离不开全球光模块供应链。ITI特别强调，光模块对于数据中心建设具有重要作用，一旦供应链受到扰动，将直接影响美国数据中心部署乃至美国AI竞争力。即使FCC后续考虑采取行动，ITI也建议应采取更窄的范围，重点针对已经处于Covered# List中的特定实体，而不是按照生产国家或整个光模块品类进行限制，同时要求FCC在正式行动前与产业界充分沟通。 [玫瑰]#我们认为近期FCC担忧已被市场较充分交易，龙头配置价值进一步凸显。当前北美AI数据中心高速光模块需求仍处于爆发期，800G、1#.6T持续放量，真正能够满足北美头部CSP大规模稳定交付的供应商本就有限。在这种背景下，如果对整个海外光模块供应链实施激进限制，反而会明显影响美国自身AI基础设施建设。此次ITI直接向FCC表达产业界诉求，是一个重要的边际积极信号。#继续坚定看好中际旭创、新易盛等全球光模块龙头，##短期政策噪音不改AI需求、全球份额和长期成长逻辑。# [太阳]ITI官网原文件欢迎私信～

“AI引爆庞大需求，全球晶圆代工龙头台积电表示，2030年全球半导体市场预估将突破1.5兆美元，规模预计再成长近一倍，其中高效能运算（HPC）占比55% ....... 拉动主要靠 AI/HPC ，这也正是台积电先进制程（3nm/2nm）与 CoWoS 封装需求强劲的核心原因。" - TSMC/ 路透社 目前全球半导体市场规模约在 7,900-8,000 亿美元（2025 年全年），2026 年预计将接近或突破 1 兆美元。- 半导体行业协会（SIA） 2025 年实际/初步数据：约 $792 亿美元（+25.6% YoY），创历史新高，主要由 AI 驱动。-（SIA） 2026 年预测：多个机构预测 $9,750 亿 ~ $1.3 兆美元 不等（WSTS/Deloitte 接近 1T，部分乐观预测更高，受 AI 基础设施拉动）。 - 德勤 目前（2025-2026）HPC/AI 相关占比：已接近或超过 40-50% 的市场收入，特别是资料中心 AI 晶片（含 GPU、HBM 等），已成为主要成长引擎。 AI 晶片本身在 2026 年可能贡献近一半的总收入。 - 德勤 看这些数据，TSMC 的4年后的预测还是偏向保守。 $TSM

大摩彻底改口了：高通正式加入 AI 赢家阵营 今天刚读完大摩的这篇最新高通研报：Investor Day AI # s present a more optimistic view of data center; move to EW。 昨天高盛刚上调高通目标价，今天轮到大摩了。 摩根士丹利最大的变化是直接把高通评级从Underweight（减持）上调到Equal-weight（持有），目标价从146美元一口气上调至231美元。 为什么突然转向，核心原因只有一个：AI数据中心 高通在Investor Day给出了远超市场预期的指引：FY26数据中心收入大约3亿美元，FY27指引直接跳到50亿美元，FY29目标超过150亿美元。一年增长超过16倍。 大摩坦言自己之前对高通一直过于保守了。报告里有句话挺有意思："我们之前怀疑错了。"原因是高通管理层一直比较保守，不像很多公司喜欢画大饼。所以大摩的逻辑是：如果管理层敢公开给出FY27 50亿美元这个数字，说明订单大概率已经有相当高的把握。他们承认自己预测不到具体细节，但相信数字应该就在这个量级。 但大摩依然保留了几个疑虑，这也是为什么不是直接给Overweight 第一是AI Accelerator的时间点太晚。高通真正的数据中心AI芯片预计要到2027年下半年才开始，而英伟达、Cerebras和各种初创公司已经在出货了。大摩的态度是"Show me"——先拿到确定客户再说。微软虽然站台，但目前只是表达未来愿意合作，还不是确定订单。 第二是服务器CPU的时间点也偏晚。高通的服务器CPU预计要到2028年中以后，到那个时候AMD、英特尔、ARM、亚马逊的Graviton、谷歌的Axion、英伟达的CPU可能都已经铺开了，竞争会激烈很多。报告里还提到一个细节：目前因为芯片短缺，CPU供给在各处都在加速放量，Meta那边的态度也比较含糊，并表态他们已经在用其他几家更成熟的ARM服务器架构。 第三是FY29的150亿美元目标，大摩认为还是偏画饼。他们相信FY27的50亿美元，但不愿意提前给未来三年的成长全部定价。所以这份研报给的更像是未来一年的估值，不是未来三年的估值。 有个细节大摩自己也觉得挺意外，值得单独说一下 FY27这50亿美元收入里，几乎没有CPU，Accelerator也很少，主要来自定制ASIC业务。 这说明高通真正的机会是帮云厂商做ASIC（高通暗示是一个中国客户，一个美国客户，中国客户大概率是字节跳动了，美国客户未知)。这部分收入兑现的速度，可能比市场原本想象的更快。这跟之前提到的OpenAI联手博通做ASIC的逻辑是同一个大趋势，AI芯片产业正在往GPU负责训练、ASIC负责推理这个双轨架构走，高通这次被重新定价，本质上也是踩中了这条线。 除了AI，大摩对汽车业务也挺乐观 FY29汽车收入目标从80亿美元提高到100亿美元。机器人、工业自动化、Physical AI这些方向，他们也认为是长期增长点。 手机这块，大摩还是偏谨慎，没有变 苹果基带流失、安卓增长有限（公司长期假设大概只有5%增长）、内存价格上涨可能拖累手机需求、三星份额恢复正常，这几个压力都还在。手机不是这次评级上调的逻辑，AI数据中心和汽车才是。 我自己的看法 这份报告最值得关注的是叙事的变化。 过去华尔街看高通，核心逻辑是手机芯片公司，估值应该偏低。现在开始变成AI基础设施加定制ASIC加汽车加Edge AI和Physical AI公司。如果未来一年真能兑现50亿美元数据中心收入，市场很可能会继续给它更高的AI溢价。 但我也认同大摩保留的那部分谨慎：2027年之后的150亿美元目标，目前还缺客户验证和产品兑现。高通现在更像是一个AI转型故事刚刚开始被市场重新定价的阶段，不是已经完全兑现成长的公司。 这跟之前我自己写的那篇高通研报的核心判断是一致的：估值落差就是机会所在，但这个落差能不能真正收窄，关键要看接下来一两年数据中心收入是不是真的能落地。

海力士是我今年最大的遗憾，本来上了车，结果当时考虑到自己已经投身于服务器行业了，本着鸡蛋不放在一个篮子里的原则，就没拿住，只赚了一些没吃到大的。不过这也是借口，拿不住的主要原因还是自己看不懂。 这几天海力士刚上美股，风头又很火，看多看空的都不少，不过我到现在都没有看到专业投资者和半导体分析师中有明确看空海力士的人。 因为目前至少有三个事实难以反驳： 2.HBM和普通DRAM都处于供不应求状态； 3.海力士2026年的利润很可能大幅增长。 即使最悲观的人也不会去赌海力士业绩暴雷，最币圈上了海力士合约，前阵子有会做多费率是百分之五百，当时算了一下只要不大拉升开空吃费率即使他涨一点也是赚的，但即使如此吃到了也不敢长拿空单赚下跌期望，只敢赚费率数值的钱。 海力士2026年的业绩已经没有分歧了，Morningstar在7月2日的报告中预计，海力士第二季度DRAM和NAND价格涨幅可能分别达到53%和70%。HBM4量产和NAND制程迁移还会在短期内损失一部分有效产能，使供给进一步收紧。 Morningstar也因此将海力士公允价值提高至240万韩元，并认为长期供货协议可以把盈利可见度延伸到2028年。 现在上涨的也不止是HBM，普通DRAM价格自2025年第三季度以来已经上涨约4.5倍。这样看普通DRAM目前的单位晶圆收入已经超过HBM，单位晶圆毛利润甚至可能达到HBM的三倍左右。 这意味着海力士继续生产HBM的机会成本正在变高。所以为了让厂商愿意把先进晶圆继续分配给HBM，2027年HBM价格可能需要明显上调。 换句话说，AI不仅带火了高端HBM，也通过挤占DRAM产能，把整个内存市场都推入了紧缺状态。这是题外话了。 说回海力士，现在为数不多看空的理由就是： 2.2027年新产能开始释放以后，内存行业有可能重新回开始周期性。 1就不聊了，其实我是偏向相信2的，因为之前的每次周期的顶峰都有人说这不一样，但结果是每次都一样。回看1993年、2010年、2017—2018年和疫情期间的内存周期，一次需求革命最终都带来了资本开支、制程迁移和新增供给，每一次超级周期最后也都重新变成了下行周期。 忽略到短期合约吃费率或者看K线做波段短线这种纯“技术面”情况，只考虑是否长线投资的情况的话，研究这公司前景最核心的问题我觉得是——当27年新产能开始到来时，海力士还能不能继续做一家拥有定价权的AI基础设施公司。 如果不能，那就意味着高利润会在2027年以后迅速回落，那么海力士现在看似很低的市盈率，可能只是周期股在盈利顶部常见的估值陷阱。 但如果多年合同、HBM技术壁垒和持续增长的AI资本开支，能够把高利润延长至2029年甚至更久，那么海力士就不应该再按照传统内存周期股定价。 不过我目前盯得标的已经达到限额了，暂时不想花时间研究海力士，只要AI行情好，涨得不止是海力士，大A的存储股和AI上游股也会迎来好行情，国家队一定会扶持几支能和美股打擂台的股票出来，所以我认为真要研究AI上游的股票，A股的回报率也很不错。（而且我目前还没怎么在A股赚到钱，需要挑战一下） 本文由MSX赞助，MSX 也上了海力士，大家可以通过这个 @BTCBruce1 @MSX_CN @BeliaSchoo91221 @DACONGMING

【ALAB和LITE股价走势对比】 最近一个很有意思的现象是，ALAB的市值已经接近甚至超过LITE。从股价表现来看，两家公司更是形成了鲜明对比。ALAB自3月底低点以来上涨接近3-4倍，而LITE同期涨幅不足50%，并且已经横盘震荡接近3个月。 最近和几位基金经理朋友交流后，我把市场部分买方的观点大致总结如下。 首先，目前市场对于整个光通信板块的情绪都比较悲观，包括LITE、COHR、CIEN、AAOI等公司。原因主要有三个： 第一，买方普遍认为2028年的盈利预期已经相当激进。很多机构模型已经将未来几年AI光通信需求增长计入估值，继续上修盈利预测的空间正在缩小。 第二，全球InP磷化铟产能扩张的担忧持续发酵。市场担心未来几年激光器供应增加过快，最终导致行业价格竞争加剧。 第三，中国光模块厂商正在持续扩产。尽管当前需求仍然旺盛，但部分投资者已经开始提前担心未来供过于求的问题。 因此，目前市场更倾向于寻找卖出的理由，而不是寻找加仓的理由。即使基本面没有明显恶化，资金也不愿意给予更高估值。 反观ALAB，则正在经历典型的成长股估值扩张。 一方面，ALAB此前长期处于“光进铜退”叙事中的空头核心标的，随着业绩持续超预期，大量空头被迫回补，形成明显的Short Squeeze。 另一方面，越来越多成长型基金开始认可ALAB在AI基础设施中的战略地位。尤其是在AI infra存储瓶颈越来越严重的背景下，ALAB的CXL内存池技术逐渐受到市场关注，为公司打开了新的估值想象空间。 此外，ALAB近期被纳入纳斯达克100指数，也带来了约17.5亿美元规模的被动资金流入，进一步强化了短期股价表现。 不过从我的角度来看，我认为市场对于LITE目前的悲观情绪可能有些过度。 目前部分机构已经开始讨论2027年EPS达到30美元；2028年EPS达到50-70美元。如果这些预测最终兑现，即便给予20倍PE，LITE当前估值并不昂贵。 我认为市场当前更偏爱未来12个月能够兑现业绩的故事，而LITE代表的是未来2-3年的机会。无论是NPO、CPO、AI Scale-Up光互连、数据中心光网络升级，还是未来AI基础设施的持续扩张，其本质上都需要更多激光器、更多光器件以及更复杂的光学系统。这些需求并没有消失，只是兑现时间被市场不断后移。 因此，今天市场愿意为ALAB支付成长溢价，而不愿意为LITE支付远期价值，这更多反映的是资金偏好，而不一定代表产业趋势发生了变化。 至于未来资金会流向哪里，我认为目前存储、功率半导体、半导体设备等板块已经吸引了大量增量资金，但市场从来都是轮动的。当新的催化剂出现时，资金重新回到光通信板块，我认为只是时间问题。至少到目前为止，我还没有看到Lumentum的长期基本面发生任何实质性的变化。

日本考察随记：AI革命中日本（之一） 走访日本，研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后，最大的感受是：市场对本轮AI产业浪潮的认知，长期聚焦于GPU、HBM、光模块等高增长显性赛道，却严重低估了底层物理硬件的话语权博弈。很多人疑惑， AI革命由美国定义算法、 中国落地市场、 韩国主攻存储， 日本似乎缺席了前沿竞争， 但深入产业内核会发现，日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断， 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间，市场对MLCC的认知极其简单固化，将其归为手机、PC、消费电子的周期附属品，是跟随终端出货量波动的普通被动元件。终端景气则行业回暖，终端低迷则行业承压，这种消费电子周期逻辑，主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来，彻底颠覆了这一传统逻辑，而掌握高端MLCC核心技术与产能的日本企业，顺势站上了AI产业链的核心价值位。 AI产业的核心竞争，早已不局限于大模型、算力芯片、高速存储与光互联，真正制约高端算力稳定高效运行的，是一套极易被忽略的底层体系——服务器供电网络（PDN）。当下AI算力集群的核心痛点，早已不是单纯的算力密度不足，而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W，核心工作电压不足1V，这意味着芯片周边需要承载数百至上千安培的瞬时突变电流，且算力负载会随计算任务启停极速跳变。 这种极端工况下，一旦供电网络响应速度不足，就会出现电压下陷（voltage droop），直接导致芯片降频、运算出错，甚至服务器宕机，彻底摧毁算力集群的稳定性。而高端MLCC的核心价值，就是作为芯片近端的局部电荷缓冲池，压低PDN阻抗，抑制高频噪声与电压波动，为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说，没有高端MLCC的稳定加持，再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代，进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构，早已无法适配AI机架的暴涨功耗，行业正全面向48V/54V架构升级，同时Google、Meta、微软主导OCP Diablo 400标准，英伟达主推800VDC AI工厂供电架构，高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区：高压供电仅解决远距离传输效率问题，无论远端电压提升至48V、400VDC还是800VDC，电流最终输送至AI芯片核心时，都必须降压至1V以内。远端高压、近端低压的架构特性，叠加超大瞬态电流、高频负载跳变的工况，让芯片近端的去耦、稳压、降噪需求达到前所未有的高度，而这一刚需，精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征，是MLCC需求的结构性分化，而非全行业周期复苏，这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天：手机、PC等传统消费电子需求疲软，普通标准规格MLCC产能充足、竞争激烈、价格承压，不存在短缺行情；但适配AI服务器的高端专用MLCC，陷入持续性、刚性结构性短缺，供需缺口持续扩大。 之所以形成这种结构性差异，核心在于AI场景所需的MLCC，早已脱离普通消费级规格范畴，具备极高的技术、工艺、认证壁垒。AI服务器核心工况，要求MLCC必须同时满足小尺寸、高容量、低ESL（等效串联电感）、低高度、高耐压、耐高温、高可靠的严苛标准，且可适配die-side、land-side贴近芯片部署，参与嵌入式PDN设计。 其中低ESL性能是核心壁垒，也是日韩与国产厂商的核心差距。高频算力场景下，ESL参数直接决定电容的去耦能力，ESL过高会让电容在高频环境下失效，彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头，凭借长期积累的材料、叠层、共烧工艺优势，实现了单层0.5μm介质薄膜、超1600层叠层的量产能力，对位精度可达±0.3μm，远超行业平均水平，可完美适配AI芯片的高频、大电流工况，这是普通MLCC产线无法复刻的核心优势。 更深层次来看，本轮高端MLCC短缺并非短期库存周期波动，而是技术、产能、认证三重壁垒构筑的长期供需错配，而这三重壁垒，基本由日本企业主导把控。 第一，需求端的增量逻辑彻底重构。本轮MLCC需求增长，并非来自服务器出货量的线性提升，而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进，近端高端MLCC的搭载数量与精度要求就越高，需求呈指数级增长。 第二，供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产，其小型化、高容量、低ESL、高耐压、高温可靠性的特性，涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术，量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月，核心生产设备交期1-2年，短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后，早已摒弃低端产能扩张策略，村田、太阳诱电、TDK持续收缩消费级标准品产能，将有限产能优先倾斜AI服务器、车载等高利润高端赛道，三星电机更是计划减产30%-35%标准品MLCC，进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%，形成近乎垄断的格局。 第三，客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC，并非简单的元器件采购替换，需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证，认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证，即可形成长期稳定的独家或优先供货资格，新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑，进一步印证了日系高端MLCC的不可替代性，二者并非替代关系，而是场景分工、协同赋能。硅电容优势集中在die-side极近区域，可适配超高频瞬态电流处理，但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景，仍然需要大量高端MLCC支撑。硅电容的技术迭代，本质是行业对芯片电源完整性的极致追求，进一步放大了高端电容的价值，而非颠覆MLCC的产业地位。 纵观整条AI产业链，利润与价值正在从前端算力、光互联，持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题，而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升，48V/54V仅为过渡架构，400VDC/800VDC高压架构将成为未来主流，但无论远端供电架构如何迭代，芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变，高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟：AI革命的竞争，从来不是单一技术的竞争，而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权，韩国主导高端存储，而日本凭借数十年的材料与工艺积累，垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC，早已跳出消费电子的周期桎梏，正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情，不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下，日本企业凭借高端MLCC构筑的产业壁垒，将成为其在全球AI革命中最核心、最隐形的竞争力，这也是解读本轮AI产业格局，必须看懂的日本价值。

AI狂飙带来的新分配制度越来越近，K型分化的未来财政产业政策风向。今天韩股大跌的一个最主要原因就是韩国总统府政策室长提出将AI产业超额利润部分返还全体国民的“公民红利”构想。他认为韩国正从循环型出口经济向技术垄断型经济结构转型，但AI产业超额利润天然集中于少数群体，若不加以制度设计将加剧经济的“K型分化”和国内贫富差距。 再加上三星电子工会要求要求员工从AI利润中获得更大份额，否则威胁5月21日起罢工。今天也是三星电子与其工会进入由政府斡旋的高风险薪资谈判的最后一天。更引发市场担忧。 其实金容范的言论更值得关注，这不仅是他个人的表态，也表明韩国政府越来越将AI视为国家基础设施，而不仅仅是另一种科技趋势。现在全球的经济学家和政治家们越来越多地提醒人们注意，AI技术的出现可能会加剧贫富差距。 金容范在文章里援引挪威主权财富基金作为参照——挪威在1990年代将石油收益注入主权基金，并按财政原则将运营收益回馈社会，将资源繁荣转化为长期社会资产。 他的核心逻辑是：AI基础设施时代的果实，并非少数企业单独创造的成果，而是“源于全体国民半个世纪共同积累的产业基础”。因此，这些果实的一部分应当结构性地返还给全体国民 很巧的是，我引用的推文在2月下旬也有聊过这一点：AI的快速发展一定会带来社会制度、治理结构的变化、而这些变化也会导致新的分配制度。有潜力推动社会向挪威或者沙特模式的分配主义制度转型。以韩国为例，现在存储产业已经成了战略资源资产，何尝不是另外一种形式的类石油的关键资产。 AI时代的超额利润，属性上是集中的。AI产业链上龙头企业的股东、核心工程师、核心资产持有者——这些已经接触到生产性资产的群体，极有可能通过市场机制获得巨大收益。而相当一部分中间阶层，可能只能享受到间接效果。国家变富了，但财富的分布不会自动扩散。 这就需要政府在产业财政政策上重新规划，考虑中间塌陷地到的民众。金容范提到的一些措施可能就是未来的分配形式的主要内容之一：“国民红利目前仅是原则，而非具体政策。核心不是某个具体项目，而是原则。至于最终形式可能：青年创业资产账户、农村基本收入、艺术家支持、老龄年金强化，或AI时代转型教育账户等” 当然这现在应该还是一个开放的问题

亚马逊最新财报释放了一个被市场低估的信号：本轮AI内存景气周期可能比预期更长，对SK海力士构成实质性利好。 具体看数字： 亚马逊将2026年资本开支指引从约2,000亿美元上调至约2,200亿美元，一次性增加200亿美元，增幅为10%。 CEO Andy Jassy明确表示，CapEx上调的一个主要原因，是内存芯片采购成本上涨。 这句话非常关键。 过去市场最担心的是：HBM和服务器DRAM价格涨得太快，最终会迫使微软、亚马逊、Meta、Google等云厂商削减采购。 但亚马逊给出的实际答案是： 即使内存价格上涨，它也没有降低建设规模，而是直接增加资本预算。 更重要的是，亚马逊表示，即使全年投入达到2,200亿美元，2026年的算力产能仍然不足以满足全部需求；管理层认为，这种供不应求的状态在2027年可能仍然存在。 这意味着： AI算力需求暂时没有因为成本上升而明显降温； 云厂商对内存涨价的承受能力高于市场预期； HBM及服务器DRAM当前仍然是限制AI基础设施扩张的重要瓶颈； 内存厂商的定价权可能持续到2027年，而不是在2026年迅速见顶。 需求端也有真实收入支撑。 亚马逊Q2的AWS收入达到422亿美元，同比增长37%，远高于市场预期的约31%，也是AWS连续18个季度以来最快的增长速度。 亚马逊披露，其AI业务和自研芯片业务的年化收入规模都已经超过250亿美元。 也就是说，亚马逊不是单纯进行没有收入支撑的“军备竞赛”。AWS收入已经明显加速，AI和自研芯片业务也开始形成数百亿美元的商业规模。 这对SK海力士的意义不仅限于英伟达GPU。 很多人认为亚马逊加大Trainium自研芯片投入，会减少英伟达采购，因此对SK海力士不利。这个推论并不完整。 GPU换成ASIC，只是计算芯片供应商发生变化，并不代表HBM需求消失。 亚马逊此前披露： — Trainium2已经落地约140万颗； — Anthropic使用的Project Rainier集群包含超过50万颗Trainium2； — Trainium2产能已经基本被全部预订； — Trainium4预计在2027年开始交付； — Trainium4的内存带宽将达到Trainium3的约4倍； — 高带宽内存容量将达到Trainium3的约2倍。 AI芯片竞争正在从单纯比算力，转向同时比算力、内存容量和内存带宽。 无论最后的赢家是英伟达GPU、Google TPU、Amazon Trainium，还是其他定制ASIC，都需要越来越多的HBM。 因此，云厂商发展自研芯片未必削弱SK海力士，反而可能让HBM需求从单一GPU平台扩散到更多ASIC平台，扩大整体可服务市场。 SK海力士自己的经营数据也与亚马逊的说法相互印证： 公司表示，大型科技企业新增的内存供应请求仍在持续增加，已经与约10家核心客户签订长期供应协议；HBM4已在2026年Q2开始批量出货，并计划在下半年进一步爬坡。 这说明行业正在从过去按季度议价的强周期模式，逐步转向多年期锁量、锁产能、联合开发的模式。 对SK海力士股价而言，亚马逊财报主要影响三个估值变量： 第一，上调2027年HBM需求的可信度。 第二，延后HBM和服务器DRAM价格见顶的时间。 第三，降低云厂商因CapEx过高而突然削减订单的概率。 需求方确认了三件事： 内存价格正在上涨； 客户愿意接受涨价； 即使涨价，未来两年的算力产能仍然供不应求。 对于处于HBM技术和量产领先地位的SK海力士，这比单纯宣布一个新的AI数据中心项目更有价值。 我的结论是： 亚马逊本次财报明显强化了SK海力士2027年盈利继续维持高位的逻辑，并降低了市场对2026年HBM周期见顶的担忧。 短期股价仍会受到高估值、韩国市场流动性、三星HBM4竞争和获利盘影响，但从产业基本面看，这是近期对SK海力士最直接、含金量最高的需求端验证之一。 $AMZN

如果Warsh像1999年的格林斯潘，AI牛市可能才刚刚开始 最近在读格林斯潘的《动荡的世界》和《繁荣与衰退》，突然想到一个问题：Warsh和1999年的格林斯潘，到底有多像？ 先说他们像的地方 两个人有几个共同点是确实存在的。 都偏自由市场，相信竞争和创新的力量远大于政府干预。都认为央行很难精准识别泡沫，主动刺破泡沫的代价往往高于事后救助，因此对资产价格上涨有更高的容忍度。都反对过度前瞻指引，更喜欢保留灵活性。 最核心的相似点是对生产率革命的信仰。 格林斯潘在《繁荣与衰退》里反复强调一个观点：生产率才是一切繁荣的来源。美国之所以能一次次走出危机，靠的是技术创新不断提高生产率。从铁路到电力到汽车到互联网，旧产业死去，新产业崛起，创造性破坏才是资本主义真正的生命力。 1999年他面对的正是互联网革命。当时按传统菲利普斯曲线模型，低失业率本应带来更高的通胀压力。但格林斯潘认为互联网革命改变了生产率，因此不必机械地依赖旧模型，选择维持相对宽松的利率。 现在回头看Warsh最近的公开讲话，逻辑有相似之处。他认为AI基础设施有潜力成为强大的通胀抑制力量，如果AI能让企业生产效率持续提升，美联储就不需要急着转鹰。 这里有一个重要的区别要说清楚。现在AI还处于CapEx先爆发、收益后兑现的阶段，真正像互联网90年代那样让全社会生产率大幅提升，至少还要几年时间验证。Warsh可能相信AI的长期潜力，但AI已经压低通胀这个结论目前证据还不够充分。格林斯潘当时已经能看到生产率数据的改善，而Warsh现在更多是在押注一个尚未完全兑现的未来。 第二个相似点：对通胀指标的处理方式 格林斯潘时代，美联储开始越来越重视PCE。PCE本身有其合理性：权重动态变化，能捕捉消费者的替代效应，覆盖范围比CPI更广。从历史数据来看，PCE往往比CPI低0.3到0.5个百分点。这意味着在同样的经济环境下，PCE框架通常会给货币政策更大的灵活空间。这一趋势后来在伯南克时代正式确立，将PCE作为2%通胀目标的锚定指标。 Warsh对传统通胀指标一直持保留态度。他曾公开表示，核心PCE并不能完美反映底层通胀趋势。相比单一指标，他似乎更倾向于同时观察核心PCE、中位数CPI和修剪均值通胀。修剪均值的计算方式是把所有商品价格涨跌从低到高排列，剔除掉两头最极端的项目，在高通胀周期里通常会给出比核心PCE更温和的数字。 如果这种思路进入Fed决策框架，货币政策可能获得更大的解释空间。从格林斯潘时代强化PCE，到Warsh可能引入更多元的观察指标，方向是一致的：为货币政策保留更多灵活性。 第三个相似点：重回建设性模糊 很多人误以为Warsh反对前瞻指引，这个理解有些片面。 他真正反对的，是鲍威尔时代那种近乎明牌的沟通方式。 格林斯潘时代，美联储开始逐渐走向透明，但他始终坚持一个原则：给市场方向，不给市场剧本。他会告诉市场自己关注什么、担心什么，以及经济大致会往哪个方向走，但绝不会把未来几年每一次利率会议的路径提前画出来。 他最著名的一句话是：如果你觉得听懂了我的话，那你一定误解了我的意思。 这当然不是故弄玄虚。格林斯潘相信，央行最重要的资产之一就是相机抉择的灵活性。经济是动态变化的，央行必须保留随时调整方向的权利，一旦提前承诺太多，就会被自己的话绑住手脚。 Warsh批评的，恰恰是鲍威尔时代越来越强的路径依赖。每季度公布点阵图，每次会议后召开长时间发布会，市场甚至开始逐字逐句拆解每一个委员未来几年的利率预测。这种极度透明的好处是预期稳定，代价则是美联储越来越像一个需要不断兑现承诺的机构。 2021到2022年就是最典型的例子。在通胀暂时论的框架下，美联储长时间维持宽松预期。当通胀超预期失控时，政策转向变得异常痛苦，因为市场早已把之前的承诺交易进了价格。 所以Warsh真正想回到的，可能是格林斯潘式的建设性模糊：多谈长期目标与风险，少谈具体点位和时间表，给市场方向感，同时保留足够的调整空间。 这也是为什么华尔街现在最担心的，反而是确定性消失了。过去几年市场习惯了Fed提前告诉你答案，而Warsh可能把这个习惯打破，留下的是更大的不确定性。 市场担心的不是Warsh会取消点阵图，而是他会降低市场对点阵图的依赖，弱化长期降息承诺。甚至在首场会议上，上调通胀预期，重新定义中性利率，释放出比市场想象更鹰派的长期利率路径。 如果真是这样，最大的变化可能不是利率本身，而是市场突然发现，过去几年习惯的那种Fed永远提前告诉你答案的时代，结束了。剩下的，是要重新学会在更大的不确定性里做决策。 如果Warsh真的走这条路，股市会经历什么？ 我觉得会有三个阶段。 第一阶段是估值扩张。市场会开始交易一个叙事：Fed不会轻易打断AI投资周期。前提是AI生产率开始真正兑现，一旦这个叙事成立，PS和PE都会扩张，最先受益的是AI基础设施、半导体、软件平台和高弹性成长股。逻辑和1998到1999年互联网那波完全一样，市场愿意给更高的倍数，因为他们相信美联储站在这边。 第二阶段是赢家通吃。1999年不是所有科技股都涨，最后真正活下来并且涨疯的，是那些收入模式最扎实的公司——网络基础设施、龙头软件和核心平台。纯概念的小票逐渐掉队。类比今天，最后可能集中在AI算力、光通信、数据中心基础设施、AI云平台这几条线。有真实收入和盈利能力的公司会越来越贵，纯叙事的标的会慢慢被抛弃。 第三阶段是估值脱离基本面。市场不再关心利润多少、PE多少、收入能不能兑现，只关心下一个买家会不会出更高的价。这个阶段格林斯潘当年选择了等待，最终等来了2000年的泡沫破裂。Warsh会做同样的选择吗？这个问题放在后面再说。 但很多人搞错了一件事：加息会压住牛市吗？ 1999年格林斯潘从4.75%一路加息到6.5%，按传统逻辑科技股应该崩。 结果纳指那一年涨了超过80%。 原因在这里。利率是估值模型里的分母，但盈利增长是分子。当分子的增长速度超过分母的压缩速度，股市照样疯涨。1999年经济增长4%到5%，生产率大幅提升，市场认为即使利率高一点，公司利润还是会高速增长，所以PE继续扩张。 这给现在一个很重要的参考：加息本身不能终结牛市。利率高到盈利跟不上估值，或者市场发现增长故事是假的，才是牛市真正的终点。 这次和1999年有几个本质差异不能忽略 1999年美国联邦债务占GDP只有50%左右，财政赤字压力远小于今天。现在政府融资需求巨大，市场对通胀重新抬头极度敏感。 格林斯潘在《动荡的世界》里自己也承认，他当年最大的判断错误之一，是低估了金融体系在泡沫中积累的系统性风险。今天的杠杆比1999年更高，传导速度也更快。 所以即使Warsh风格偏向市场派，他也很难复制格林斯潘那样连续几年极度宽松的金融环境。更像的剧本是允许AI牛市继续演绎，但在通胀和金融条件之间不断拉扯，在经济增长、通胀和资产价格之间寻找新的平衡。 最后想讨论个问题 如果央行开始相信AI带来的生产率革命，市场会不会再次经历一场1999式的超级牛市？ 如果AI生产率革命真的成立，AI CapEx继续增长、龙头科技不断创新高、PS和PE继续扩张的组合。市场会重新讨论传统DCF模型是不是低估了AI。 反过来，如果企业发现AI的投资回报率没有想象中那么高，CapEx开始放缓，今天所有高PS的公司都会经历1999年互联网泡沫后期的估值杀。 格林斯潘在《动荡的世界》里写道，他最后不得不承认，人类的非理性、动物精神和风险厌恶，是任何经济模型都无法完全预测的变量。传统经济学在危机面前失灵，只能抓住行为经济学这最后一根稻草。 事实证明他错了一半，又对了一半。互联网泡沫破灭了，但Amazon和Google活了下来，互联网真的改变了世界。他不是看错了方向，只是低估了市场会有多疯狂。 这句话放在今天的AI周期里，依然值得反复思考。 如果Warsh真的像1999年的格林斯潘，他会不会也犯下同样的错误，明知道泡沫正在形成，却因为相信技术革命，选择让市场自己走到终点？ 这个问题的答案，比任何一次FOMC会议都更重要。

一起来看看币安创始人 CZ（赵长鹏）@cz_binance首次在菲律宾公开亮相的对话说了些什么吧？ 主题是围绕稳定币如何成为亚洲下一代金融基础设施，覆盖支付、结算、汇款、数字商贸，以及稳定币在亚洲数字经济的机会、风险与规模化路径 现场同时宣布了：币安菲律宾已拿到监管沙盒牌照，法币相关服务很快就会上线！ 一、稳定币落地菲律宾，普通人能得到什么好处？ 菲律宾是全球第三大侨汇接收国，去年全年收到 350 亿美元海外汇款 CZ 表示，稳定币 + 区块链落地后，最直观的变化有三点： 1）转账成本大幅下降： 现在传统汇款手续费高达 5%-10%，350 亿侨汇里有几十上百亿被手续费吃掉 用区块链技术能把手续费降到几乎为零，相当于直接给老百姓和家庭省钱 2）到账速度更快： 交易确认、清算都是即时完成，不用等待多个工作日 3）整体提升金融效率： 不管是社区小卖部做生意，还是家人之间转钱，成本低、周转快，会全方位改善日常金融生活 二、国家自己发法定稳定币，和用美元稳定币比，有什么区别？ CZ 明确两者不是非此即彼的替代关系，各有定位： 1）新兴市场是金融数字化的空白地带，私营稳定币和官方稳定币共同发展，反而能更快做大市场规模，测试不同产品模式，不会互相抢夺份额 2）每个国家都必须有自己的本币稳定币，金融体系从传统转向数字化的过程中，守住本币的主导地位，才能保住本地经济收益、提升自身金融影响力，甚至辐射周边国家 菲律宾一定要有自己的比索稳定币，不然等于把本地交易的经济话语权拱手让给外币 3）官方稳定币信任度、安全性更高；私营稳定币通常费率更低、产品更灵活，分别适配不同场景 三、零手续费靠谱吗？怎么保证安全和可持续？ 针对 “免费 = 不安全 / 不长久” 的疑问，CZ 的解释是： 1）只靠转账免费单一业务肯定难持续，但这是互联网已经验证成熟的模式 —— 基础服务免费，靠其他业务线盈利 比如币安靠交易手续费覆盖成本，就能支持 Binance Pay 转账零手续费 谷歌靠广告盈利，就能免费提供大量基础工具 2）区块链本身的运行成本极低，比如 BNB 链上的稳定币转账，基础设施成本几乎可以忽略，基础转账接近免费完全具备可行性 3）安全是底线：区块链底层技术本身很安全，风险主要出在服务平台层面，需要平台做好风控和安全保障 四、推广稳定币最大的障碍是什么？ 亚洲有一半人口没有银行账户，常见的三大障碍 —— 手机网络、金融素养、对数字钱包的信任里，CZ 认为： 1）智能手机和网络基础设施其实已经基本普及，这是最简单、最容易解决的部分 2）最难的是金融教育 + 产品易用性，一方面现在区块链地址是长串字符，普通人使用门槛很高，产品需要做得更简易 另一方面学校基本不教授金融常识，很多人连 “定投（DCA）” 这种基础概念都不了解，更别说辨别骗局、判断投资好坏 3）金融教育不是只靠政府，全行业从业者都有责任一起推进 五、做侨汇稳定币通道，什么最不能妥协？ 在成本、速度、托管三者中，CZ 的优先级是： 1）第一优先降成本：这是普通人最能直接感受到的价值，也是稳定币最核心的优势 2）速度其实已经被技术解决了：比如 Binance Pay 转账就是即时到账、零手续费 就算用自主托管的链上钱包，费用也远低于传统汇款渠道 3）安全是前提底线：区块链底层很安全，核心是服务提供商要做好安全管控 除此之外，产品的易用性也非常重要 六、AI 代理在链上交易出错 / 被骗，算谁的责任？ 主持人提到 CZ 曾预测 “AI 代理几个月内就会实现链上交易”，随之而来的责任问题，CZ 表示这是全新领域，各国法律都还在探索，目前核心是责任共担： 1）用户自身负主要责任：不要把全部身家交给 AI 代理，先用小额资金测试，只投入自己亏得起的金额，每个人要为自己的选择负责 2）开发者也有相应责任：要保证产品功能和宣传一致，现在 AI 还有 “幻觉”、容易被诱导的问题，需要持续迭代优化 3）核心建议：使用任何新技术，最好的风控就是控制投入金额，别拿输不起的钱去尝试 七、普通人怎么防加密骗局？实用建议 针对菲律宾当地常见的网络诈骗，CZ 给了几个普通人可直接落地的建议： 1）先靠常识筛选：收益好得太离谱的一定有问题，比如 “转 1 个币返 10 个” 这种，绝对是骗局 2）永远不要把所有钱押在一个项目上，多问自己一句：如果这个项目归零了，会不会影响正常生活？能接受再投入 3）技术工具能帮忙挡风险：比如币安、Trust Wallet 都有 AI 风控系统，转账到可疑诈骗地址会自动拦截，虽然做不到 100% 覆盖，但能挡住绝大多数风险 4）长期来看 AI 的正面作用会超过负面，只是目前行业还早，骗局与反诈骗是长期的猫鼠游戏，大家多留心即可 八、怎么看监管？创业者最容易轻视什么？ CZ 坦诚分享了自己的心态转变： 1）早年也觉得监管就是 “拦路的”，什么都不让干；接触多了才理解，监管的核心目标和创业者一样，都是保护消费者，只是双方站位不同 2）监管的实际难处很大：要平衡各方利益、有政治层面的考量，而且体制内修改规则非常缓慢，比如香港的证券规则还是 1974 年的原文，至今只能做条文解释，改动一点都要承担很大压力 3）给创业者的建议：对监管多一点耐心，尽量保持透明沟通，行业和监管不是对立关系，规则是在磨合中慢慢迭代的 九、诈骗多，会不会毁了稳定币的名声？ 针对 “加密和诈骗绑定” 的刻板印象，CZ 直接给出了数据： 1）加密货币中非法交易占比仅为0.0014%，而传统金融的非法交易占比是 2%-5%，两者相差上百倍 再加上加密总市值本身远小于传统金融，实际非法金额的差距更大 2）核心原因是区块链透明可追溯：所有交易都是永久公开记录，配合交易所的 KYC 信息，执法部门很容易追踪资金流向。币安还有专门的 FIU 培训部门，给全球执法机构做链上分析培训，非常受欢迎 3）问题本质在舆论偏差：只要骗局用到加密，媒体就全算成加密行业的问题 但传统银行涉及诈骗，没人会说银行本身是坏的，工具本身不分好坏，不能把坏人和技术划等号 十、老百姓会信哪种稳定币？关键看什么？ 官方稳定币和私营稳定币，大众的选择逻辑是什么，CZ 的判断是： 1）绝大多数普通人根本不关心技术细节、也不关心发行方背景，核心就三个标准：好用、便宜、到账快 2）官方稳定币有先天信任优势，只要体验好、费率低，普及速度会非常快 私营稳定币需要靠运营时间、资产规模慢慢积累信任，但通常产品更灵活、费率更低 3）官方稳定币本来有天然优势，但往往附加限制太多，反而拖累了普及 如果能做到和私营产品一样易用，官方稳定币会更有竞争力 十一、东盟十国做互通金融网络，难在哪里？ 关于东盟跨国家数字金融互联互通，CZ 的判断是： 1）技术完全不是问题，技术标准在全球都是通用的，核心难点在政策协调和政治意愿 2）各国外汇管制、税率、市场开放程度都不一样，利益诉求差异大，对齐起来难度很高，这不是技术能解决的 3）非常推荐推行监管牌照互认（监管护照 / 牌照便携化）：企业在一个资质靠谱的监管地区拿到牌照，其他国家可以简化审核、互认资质，不用从零重新申请 比如币安在全球有 25 张牌照，是全球牌照最多的加密交易平台，甚至超过很多银行 如果能牌照互认，这些合规企业就能快速进入当地市场 4）牌照互认既能快速引入合规企业，也能通过市场竞争给用户带来更低费率、更好服务、更高安全性，而且政治风险较低，各国可以共用一套规则框架 十二、创业者该怎么和监管打交道？行业最大的失败风险是什么？ 最后两个收尾问题： 1）关于和监管打交道：建议创业者尽量保持透明沟通，但现实中小初创很难直接接触到监管，通常企业做到一定规模，监管才会主动对接，这个沟通缺口客观存在 核心还是要有耐心，做合规业务急不得，区块链行业不会消失，货币数字化是长期大趋势 2）关于行业失败风险：全行业整体做不起来的概率很低，AI 的发展也会要求更快、更高通量的支付系统，创新会持续向前 最坏的情况也就是维持现状，大家继续用传统银行，承担高额手续费、慢速转账，但这种可能性很小 风险更多集中在单个项目、单个平台层面，比如项目归零、平台倒闭，不同主体的风险不同 长期来看，每个国家一定会有自己的稳定币，用来支撑本地数字金融发展 以上就是本次马尼拉东盟科技峰会的全部对话核心了，希望能给大家一些启发！感谢阅读！