存储厂商LTA长协之后，英伟达商业模式的变化“算力换营收”。看报道英伟达正在与初创公司签订收入分成协议，此举将使客户以未来收入的一部分换取计算能力的访问权。个人角度这不是传统“卖芯片”那么简单，也不是严格意义上的银行贷款。更应该是“算力信用+厂商融资+收入分成+生态锁定”的组合。会是另一种“算力贷”么？值得细聊下 有关键细节要纠正：很多报道写成“future profits”，但英伟达官方表述更接近cloud revenue share，也就是云收入分成，而不是净利润分成。这对英伟达来说可能比“利润分成”更重，因为收入分成通常发生在利润之前。 英伟达获得两段收入： 一段是卖GPU、系统、网络等产品的收入； 另一段是这些GPU被云厂商出租给AI客户后，英伟达继续按云收入或使用量拿分成。官方已经把这个定义为“标准产品收入 + 云收入分成 + 使用量挂钩的经常性收益”。 1、为什么英伟达要这么做？ 个人角度应该是要解决AI产业的两个瓶颈：谁能融资建设算力，以及谁能持续高利用率消化算力。 1）英伟达在公告里说，AI正在从模型开发走向生产推理，算力需求转向持续运行、规模化生成token的AI工厂。 这种模式下，GPU集群是否能长期高利用率，比单次卖出硬件更关键。 2）英伟达想把客户群从大型云厂商扩展到AI原生公司、区域云、企业、研究机构和主权AI项目。英伟达在一季度财报中把数据中心拆成 Hyperscale 和 ACIE；ACIE 包含 AI Clouds、Industrial 和 Enterprise，显示它正在把增长叙事从少数超大云厂商扩展到更广的AI工厂生态。 3）这是对抗客户自研芯片和平台替代的生态策略。大型云厂商有自研AI芯片能力，初创公司和Neocloud没有同等能力。英伟达通过信用支持、算力积分和收入分成，把这些新兴客户提前绑定在自己的GPU、网络、软件和DSX架构上。换句话说，它不是只赚一次硬件钱，而是在把自己嵌入未来AI应用收入链条。 2、对英伟达的收益结构是不是改变了？ 新收入分成模式即便战略意义很大，但体量应该很小，短期未必马上改变整体财报结构。但它改变的是收入质量和风险暴露。 1）英伟达从“一次性硬件收入”走向“硬件收入 + 未来算力收入分成”。这有点像把芯片卖给矿场后，还要继续抽矿场产出的算力收入分成。 2）它把英伟达的收入从纯供应链周期，部分变成使用量周期。好处是如果AI推理需求真的长期爆发，英伟达能持续分享下游增长； 坏处是如果下游需求不足、GPU出租价格下滑、客户违约，英伟达就不仅是卖方，还成了信用风险和利用率风险的承担者。 3）财务处理上会更复杂。英伟达年报里说，产品销售收入通常在产品控制权转移时确认，客户激励、返利和市场开发资金等客户项目会作为收入减少项处理。 所以未来要看合同细节：token credits 是费用？是收入抵减？是客户激励？是预付算力？收入分成什么时候确认？这些都会影响“收入质量”的判断。 4）估值逻辑可能被重新包装。硬件公司通常按周期性利润看；带有经常性、使用量挂钩收入的公司，市场可能愿意给更高倍数。但前提是这部分收入来自真实终端需求，而不是英伟达自己通过信用支持“拉”出来的需求。 3、这算不算“算力贷”？ 严格法律意义上并不像是贷款；经济实质上，很像算力贷： 1）如果合同是“以后无论赚不赚钱都要还固定金额或最低使用费”，那就更像债务或融资租赁。 2）如果合同是“你未来有收入才按比例分给英伟达”，那更像 收入分成融资。 3）如果英伟达给AI云厂商担保、回购、信用增强，让银行愿意给数据中心项目放款，那更像供应商融资支持。 所以个人把它定义为： “算力贷化”的厂商融资，而不是标准贷款。 它的本质是把GPU算力从一次性采购商品，变成一种可预支、可分期、可抵押、可证券化、可收入分成的金融资产。 4、这一定都是好事么？ 也不尽然 容易形成循环融资。供应商投资或担保客户，客户再买供应商的产品，供应商确认收入，市场再用这个收入增长证明AI需求强劲。这个循环不一定是假的，但它会让外部投资者更难分辨：到底有多少是真实终端需求，有多少是被信用、补贴、积分和收入分成提前拉动的需求。且金融结构越来越不透明 所以总的来说： 这能算是一种非常强势的产业金融创新，它在需求真实增长时会非常有效：创业公司获得算力，AI云厂商获得融资，英伟达获得硬件收入和未来分成，生态扩张加速，且绑定了更多的中小客户。 但它的风险也不小： 它会把英伟达、AI创业公司、债权人和终端客户的现金流绑在一起。一旦AI应用收入不够快、不够厚，或者GPU租赁价格下行，风险会沿着这些合同链条反向传导。当然早期还好，因为体力量也不大。 未来重点看四个指标： 1）下游AI云的真实利用率； 2）GPU租赁价格走势； 3）收入分成合同是否有最低承诺或回购条款； 4）以及英伟达投资/担保/应收账款增长是否快于终端现金流增长。 只要这些指标健康，那么这就是一项好的产业金融创新。 但这些指标一旦严重背离，所谓“算力贷”的风险就会从叙事问题变成财务问题。 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

Tom Lee：为什么现在的 AI 不能简单类比 2000 年互联网泡沫？ Tom Lee 最近采访回应了市场对 AI 泡沫、巨额 CapEx 和表外融资的担忧。他的核心观点是AI 投资规模确实已经非常大，但规模大不代表就是泡沫，关键要看是谁在花钱和这些钱最终能不能产生回报。 一、这次和 2000 年最大的区别：花钱的人不一样 目前美国 AI 基础设施投资已经达到 GDP 的 2%–2.5%，规模可以和当年的铁路建设周期相比，到 2027 年 AI 支出甚至可能超过美国国防预算。 但 2000 年互联网泡沫时期，很多公司没有稳定盈利和现金流，主要依赖融资扩张。今天 AI CapEx 的主力却是 GOOGL、AMZN、META、MSFT 这些全球现金流最强的公司。 所以 Tom Lee 认为，同样是大规模投资，由高利润、高现金流的科技巨头主导，和当年大量靠融资生存的互联网公司完全不是一回事。 二、AI 表外融资没有那么可怕 最近市场很担心科技巨头通过 JV、Private Credit、项目融资建设数据中心，认为大量 AI 债务被藏在资产负债表之外。 Tom Lee 的观点是，很多所谓“表外负债”是未来的数据中心建设和采购承诺，不是今天已经发生的全部债务。 现在要看的是现金流能不能覆盖 CapEx、融资成本有没有失控、信用利差有没有恶化。只要这些没有出现问题，就很难说 AI 基建演变成系统性金融风险。 三、AI CapEx还是要看回报 Tom Lee 认为与其让科技巨头把大量现金全部拿去回购股票，不如把钱投入 AI 基础设施。看这些投资未来能不能转化成Cloud Revenue → AI Revenue → Productivity → FCF。 四、AI Adoption才刚刚开始 目前大约 56% 的企业已经开始使用 AI，但只有约 30% 报告明显的生产率提升，实现深度业务整合的只有约 7%。 所以 Tom Lee 认为，现在 AI 还处于从 PoC（概念验证）走向大规模 Adoption 的早期阶段。 下一阶段重要的是 AI 能不能帮助企业降低成本、提高 Revenue per Employee、提升利润率。 五、要盯的利率和信用市场 Tom Lee 也承认，美国接近 40 万亿美元的国债和不断增加的利息支出是长期风险。 但对美股来说，他目前在关注 10Y 美债收益率和 Credit Spreads。只要长端利率没有失控上冲、信用利差没有明显扩大，就说明金融体系还是可以消化现在的 AI 投资周期。

Stanley Druckenmiller最新持仓：卖 MU、AVGO，重新押注 GOOGL、AMZN，他在交易 AI 的下一阶段？ 先说下Druckenmiller的背景 华尔街最传奇的宏观交易员之一，在美国政经圈人脉也很深，Kevin Warsh 是他的徒弟，Scott Bessent 也是他的重要门生。Druckenmiller 偏向中短线波段 + 宏观趋势交易，会根据经济周期、流动性和市场变化快速调仓。所以可以参考他对宏观周期和资金轮动方向的判断。 最近看了下 Druckenmiller最新披露的持仓，调仓幅度其实挺大的。 先强调一下时间：这份 13F 截止日期是 2026 年 6 月 30 日，所以里面反映的都是二季度结束前完成的动作。现在已经过去一个多月，他的仓位很可能又发生了变化。13F 适合拿来研究他的配置方向和投资逻辑，不能直接抄作业。 他把前面涨得比较多的半导体先兑现了一部分。MU、AVGO 都被清仓。但这不代表他看空半导体。 $TSM 变成了第二大持仓，占比大约 5.4%， $STM 也升到第三大持仓，约 4.4%，同时还新建了 $AMD。所以这算是他半导体内部的一次轮动。MU、AVGO 这种已经涨很多的先兑现，资金再去找 Risk/Reward 更好的方向。 另外一个变化是他开始把钱往 Mega-cap AI / Cloud 上面放。 $GOOGL 是 Q2 的重要新仓， $AMZN 也重新大幅加回来，同时还通过 $META Call、 $TSLA Call 保留科技股的上行弹性，并新建了 $PANW。Q1 他才刚退出 GOOGL、把 AMZN 大幅减仓，到了 Q2 马上又重新买回来。AVGO 也是 Q1 才买，Q2 就卖了。这其实非常符合 Druckenmiller 的风格，他不会因为几个月前看好一个东西就一直拿着，逻辑和 Risk/Reward 变了，仓位也会跟着变。 我觉得这背后还有一层 AI Trade 的轮动逻辑。过去几年最先赚钱的是 GPU，后面慢慢扩散到 Networking / Optical、HBM / Memory、Server、Data Center。GOOGL、AMZN 这些 Hyperscaler 前半程是花钱的人，不断买 GPU、建数据中心、提高 CapEx。现在这些基础设施开始陆续投入运营，下一阶段市场更关注的是前几年花出去的 AI CapEx，什么时候真正变成 Cloud Revenue、AI Revenue 和 FCF？ 如果这条盈利传导开始兑现，那么过去一直负责买单的云巨头会慢慢进入收获期。 当然，他也不是把所有钱都押在 AI 上。 $NTRA 还是断层第一大持仓，占公开组合大约 16%， $EWZ Call 也已经进入前五，说明他同时还在做医疗和全球宏观的机会。所以整体看下来，我觉得Druckenmiller的思路是在兑现一部分已经大涨的 AI Hardware，同时继续保留半导体仓位，再把一部分资金提前放到 AI 下一阶段可能开始兑现利润的地方。 最后还是要强调一下，这些都是 6 月 30 日之前的动作，不是他现在的实时仓位。 Druckenmiller 本身调仓就非常快，一个多月过去，现在的仓位很可能又变了。