$INTC 任命前 SK 海力士 CEO 李锡熙（Seok-Hee Lee）为 Intel Foundry 执行副总裁。 这一任命进一步增强了 Intel 在晶圆代工业务上的管理层实力。Intel 正试图扩大其合同芯片制造业务规模，并更直接地与 $TSM 台积电和三星竞争。

为什么我看好Intel（INTC）⬇️ ─── 框架一：买的是"美国制造"政治资产 TSMC 在台湾，三星在韩国，SK Hynix 在韩国。 美国政府最怕的就是 AI 芯片供应链被台海风险切断。INTC 是唯一一家在美国本土有先进制程晶圆厂的公司。 不管 Intel 自己的芯片卖得好不好，美国政府必须让它活下去，而且会持续补贴（Intel已经拿了约80亿美元的政府补贴，是CHIPS Act所有受益者里单笔最大的）。这不是市场逻辑，是地缘政治刚需。只要中美关系不改善，这个逻辑就不会消失。 ─── 框架二：买的是"卖水者"，不是"淘金者" INTC 现在最大的潜在价值不是自己设计的 CPU，而是Intel Foundry，给别人代工。 如果苹果、高通、微软、甚至 AMD 把部分订单给 Intel Foundry，INTC 瞬间从一个打不过 NVIDIA 的芯片公司，变成一个类 TSMC 的代工平台。 多头赌的是：不需要 Intel CPU 赢，只需要 Intel Foundry 拿到几个大客户。 ─── 框架三：空头已经出尽，筹码极度干净 2022-2024 年 INTC 从 $60 跌到 $18，做空者赚饱了，悲观预期全部定价进去。 ─── 框架四：Lip-Bu Tan 是真正的 Operator 前任 CEO Pat Gelsinger 是布道者，讲故事厉害但执行差。 Lip-Bu Tan 背景完全不同，他是 Cadence 前 CEO，做 EDA 工具出身，懂芯片设计流程，懂客户，懂工程师文化。接手后第一件事是裁员、砍项目、降 Capex，把钱花在刀刃上。 ─── 框架五：期权市场的结构性买盘 INTC 涨 391% 过程中，大量做空者被迫回补（Short Squeeze），同时机构开始建仓，这产生了自我强化的价格上涨。 ─── 综合来看，INTC是一个被美国政府背书、有唯一性资产（本土先进制程）、新 CEO 在执行转型、财报超预期的特殊标的。 PE 高不是问题，因为买的根本不是当期盈利，买的是2027-2028年代工业务盈亏平衡那一刻的重新定价。

1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好

经常在Github看到客户端下载，但一眼看过去不知道下载什么版。 忍不住，彻底学习下，简单记忆： 苹果M芯片，选aarch64 / arm64.dmg。苹果Intel芯片，选 x64.dmg --- dmg：macOS 的磁盘映像格式，是 Mac 上最常见的安装包格式
 aarch64 / arm64：指 ARM 架构，对应苹果自研芯片（M系列）
 x64 / amd64：指 x86-64 架构，对应 Intel/AMD 处理器
 AppImage：Linux 上的便携式应用格式，无需安装即可运行
 deb：Debian 系 Linux 系统的软件包格式 exe：Windows 可执行安装程序
 unsigned：表示该程序未经开发者签名认证，系统可能弹出安全警告，需手动允许运行

华尔街：廉价的中国模型，扼杀了英伟达。Kimi在48小时后：订阅暂停。GPU已满负荷。正在以最快速度增加容量。这就是带有CUDA账单的杰文斯悖论。更便宜的智能不会减少计算需求。它会引爆它。所以，明年底之前，AI储存只会紧缺。美国财长贝森特直接登场：美国在AI上已领先中国大约一年，下一步的动作，是要把美国在全球算力中的持仓份额，从现有的60%直接干到80%。 贝森特说，这场算力主权争夺战“输给中国是不可想象的”。60%干到80%，无疑又是新一轮的资源管控，技术封锁，大国之间的AI竞争才刚刚开始…这个战略的执行路径核心是“全政府+财政杠杆”驱动的算力主权建设：扩展CHIPS Act，提供巨额补贴、税收优惠和低息贷款，加速美国本土先进制程fab(英特尔Intel、TSMC亚利桑那等)和超大规模AI数据中心建设。本质是硬件层面的国家机器垄断，而非只卷模型参数。

全球最贵的金融团队都在 GitHub 上开源了什么？ 普通人怎么了解量化？直接上手是最快的 Jane Street、Goldman Sachs、J.P. Morgan 等顶级量化与高频交易机构，都放出了代表性的金融/工程工具，帮助普通量化爱好者免费学到机构级的定价模型、实时数据可视化和高精度性能调试能力👇 1. Jane Street magic-trace（5.4k stars） 基于 Intel Processor Trace 的高精度进程追踪工具。普通 profiler 看不清调用栈的时候，它能以纳秒级分辨率记录 CPU 每一条指令的完整执行过程。想深入调试性能、搞清楚程序到底卡在哪里的同学，强烈推荐试试 2. Goldman Sachs gs-quant（10.2k stars） 高盛交易员日常使用的衍生品定价和风险管理 Python 工具包。包含期权、掉期等常见衍生品的完整定价模型和风险计算模块。直接 pip 安装就能用，适合想系统学习机构级量化定价的同学，实用性很强 3. Perspective（原 J.P. Morgan 项目，10.5k stars） J.P. Morgan 开源的实时数据可视化利器，特别擅长处理海量流式行情数据。能快速搭建漂亮的交互式仪表盘和实时监控界面，支持 Jupyter，比很多付费终端还灵活。对做数据分析和行情可视化的朋友非常友好 这三个开源项目，能让你直接用上机构级的定价模型、实时行情仪表盘和高精度性能调试工具，帮普通开发者提升量化分析、数据可视化和代码优化能力，完全免费

韦德布什证券 Wedbush Securities 全球科技研究主管丹·艾夫斯（Dan Ives）最近的一次快问快答核心内容。#AI# $META $NVDA $GOOGL $MSFT $MU $ORCL $TSLA 主持人： 准备好了吗，丹？ 丹·艾夫斯： 好的，开始吧。 大科技财报季用一个词形容？ 丹：当然是看涨（Bullish）。 $META 还是微软？ 丹：微软 $MSFT 。 云端王者是微软还是谷歌？ 丹：谷歌 $GOOGL 英伟达 $NVDA ，是加仓还是获利了结？ 丹：加仓。 财报后最值得持有的Mag7股票？ 丹：谷歌。 目前最被低估的Mag7股票？ 丹：微软。这次抛售几乎是跳楼大甩卖。 目前最被炒作的AI股票？ 丹：我没看到特别被高估的AI股票（Pass）。 Micron还是Intel？ 丹：Micron $MU Oracle还是IBM？ 丹：Oracle $ORCL ，但我仍然喜欢IBM。 Salesforce还是ServiceNow？ 丹：这里选Salesforce，但我也很喜欢ServiceNow。 一个没人讨论的中盘AI股票？ 丹：Pegasystems（佩格系统）。 如果只能投一个IPO：SpaceX、Anthropic还是OpenAI？ 丹：它们都会成功，但SpaceX会是定义类别的公司。 未来12个月最大的AI赢家？ 丹：电力（Power）。 Alphabet还有上涨空间吗？有多大？ 丹：有，还有30-40%的上涨空间。 玩AI最好的单一方式，一个名字？ 丹：英伟达（AI教父）。 谁拥有最好的AI战略？ 丹：目前是谷歌。Gemini在消费端表现突出，资本支出也在全力推进。 Palantir现在还是买点吗？ 丹：它会在未来2-3年内达到1万亿美元市值。Palantir在软件领域的地位，就像英伟达在芯片领域的地位一样。 Tesla $TSLA 什么时候能看到回报？ 丹：今年夏季到秋季，随着Robotaxi规模化，会出现转机。SpaceX的IPO对Tesla也是利好。 软件股如何应对波动？ 丹：ServiceNow被超卖、Salesforce被超卖、Workday也可以说是被超卖。Oracle在未来12-18个月有翻倍潜力。 SoundHound AI是 sleeper 还是 hype？ 丹：不是炒作，是真实策略，只是需要执行到位。我们长期看好。

今天看到一份报告，讲到2030年，未来75%的AI计算需求将会来自推理，这里面将会催生出AI投资下半场的巨大机会，下面👇我们来简单聊一聊。🧐 过去两年，大家都在疯狂囤 GPU 训练模型，烧钱堆算力。但最近大家有没有发现，情况开始变了？尤其是小龙虾🦞出来以后，各类Agent可谓大爆发，Token需求指数级增长。一个崭新的推理时代正在到来，未来AI最大的叙事点是让AI应用走进全球几十亿用户手中，并真正使用起来！ 这个转折点，我把它叫做从「训练时代」到「推理时代」的切换。而在这个新阶段，CPU 和定制芯片将是未来真正的主角。 👇咱们掰开揉碎了讲讲，为啥我开始盯上这些以前不起眼的家伙： 🎯 AI 现在有「脑子」了 以前的 AI 就是个工具，我问它答，无法去执行具体的工作。现在不一样了，Agentic AI来了，它能帮我订机票、改文档、写代码，甚至帮我规划整个工作流程。 这种活儿需要大量的逻辑判断和顺序编排。以前GPU是肌肉男，干体力活厉害；但现在这种执行活，CPU 才是指挥官，它擅长处理复杂的逻辑。AI 越聪明，越需要 CPU 来调度指挥。 🎯 大厂也得省钱啊 看财报，各大厂在AI领域的资本开支都十分庞大，其中七巨头除苹果之外，26年全年资本开支总额超过了6000亿美金。不要以为谷歌、Meta 这些巨头就不差钱。恰恰相反，他们也是把钱花在刀刃上。假如一直用英伟达的通用 GPU 来搞推理，电费和硬件成本会把他们吃掉。 所以大厂开始自己设计专用芯片ASIC，就像咱们切菜用菜刀、砍柴用斧头，专芯专用，效率高成本低。这是实打实的降本增效。 基于上述逻辑，我们筛了五个核心标的： • #AMD：推理界的全能选手，GPU# MI300/325 系列拥有业内领先的内存带宽(256GB HBM3E内存，带宽达6TB/s，参数上优于英伟达H200)，能轻松处理超大规模LLM的实时推理，而且速度快。关键是它还是服务器 CPU 的老二，代理式 AI 需要强 CPU 时，AMD 两头吃。 • #ARM：底层架构之王，谷歌、亚马逊自研芯片基本都跑# ARM 架构，ARM Neoverse 平台已经成为 90% 以上自研 AI 服务器 CPU 的首选。所以大厂搞自研，ARM 相当于在家坐着收过路费。 • 博通（#AVGO）：定制芯片的总工程师，它作为# Google TPU、Meta MTIA 和字节跳动的重要合作伙伴，博通在高速互联和封装技术上拥有绝对统治力，是云巨头降低推理成本的首选合作伙伴。大厂想省钱搞自研，离不开博通的技术。 • 迈威尔（#MRVL）：深度参与亚马逊# AWS 和微软 Azure 的芯片研发，这俩巨头想摆脱英伟达依赖，必须依靠迈威尔。目前迈威尔的定制硅片业务正从“研发期”进入“爆发收获期”，未来的生意只会越做越大。 • 英特尔（#INTC）：虽然最近比较难，但它是唯一有自家晶圆厂的设计商，还拥有全球稀缺的# IDM 2.0 代工能力。当推理导致全球 CPU 需求激增、供应链紧张时，Intel 内部的这种协同效应和本土制造优势将会逐渐凸显，而且它还是服务器 CPU 老大。 看完整份报告，我个人认为有几个大趋势将会成为必然： 首先是从以前的「暴力算力」到未来的「精细化运营」。现在来看，整个AI 投资逻辑正在转变，不再是谁芯片最强，而是谁的方案最省钱、最能落地。说明AI真正商业化全面落地场景下，能效比率才是关键。 其次是供应链博弈。各大云巨头都在搞自研芯片，未来 AI 硬件市场会从「英伟达一家独大」变成「群雄割据」。我认为这对整个产业链将是好事。 最后就是电力依然会成为长期瓶颈。虽然 CPU 和 ASIC 在优化效率，但整体算力规模爆炸，对电力的需求还是无限大。看芯片的同时，能源赛道也值得留意。 总结一句话，#AI# 下半场，别光盯着那块最贵的 GPU，那些负责指挥的CPU和帮大厂省钱的ASIC，可能藏着下一波机会。 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

Bernstein昨天给海光信息的目标价从280元上调至450元，核心逻辑是Agentic AI正在颠覆过去四年"GPU独占AI capex"的格局，CPU的角色从配角回到主角。全球服务器CPU TAM从2025年的390亿美金膨胀到2030年的2230亿美金，六倍。海光作为全球唯一Intel/AMD之外的x86服务器CPU供应商，是这个结构性转向里最直接的中国受益标的。 先看Agentic AI为什么对CPU需求完全不同于传统LLM。LLM时代的工作负载映射在大规模并行矩阵运算上，GPU天然契合，CSP训练集群的GPU:CPU比从2020年的3:1一路拉到2024年的8:1。但Agentic AI的计算结构完全不一样。Agent编排、工具调用、上下文窗口管理、多Agent协调、人机交互回路，这些全是通用顺序处理，要求低时延和高内存带宽，都是CPU的活。GPU的工作退缩到token生成本身，其余一切回归CPU。Bernstein给出的数据是GPU:CPU比到2030年反转到2:1，CPU在推理集群AI capex中的占比从14%升至50%。 AMD自己在2025年11月分析师日给的CPU TAM预期是600亿美金，半年后2026年Q1财报电话会翻倍到1200亿。Intel连此前减值报废的库存芯片都能卖掉，客户抢着要。供需紧张程度可见一斑。 中国的x86服务器CPU TAM从2025年的70亿美金到2030年的270亿美金，但增长节奏分两个阶段。2025到2028年CAGR约31%，低于全球的35%，原因是双重供给约束。一方面AMD和Intel的产能被美国超大规模客户优先吸收，分配给中国的份额在缩减。另一方面SMIC先进制程产能有限，既限制了国产AI加速卡的放量（AI加速卡供应不足直接压制CPU的配套需求），也限制了海光自身的晶圆分配。2028年之后这两个约束同时松动。SMIC及其他国内代工厂的先进节点产能规模化释放，国产AI芯片供应上量带动服务器整体部署加速，叠加地方政府主导的AIDC投资追赶，中国CPU市场CAGR升至36%，开始跑赢全球。 海光的技术代际演进值得细看。2016年通过AMD Zen1授权起步，2019年被列入实体清单后失去AMD后续技术支持，但Zen1的IP授权本身不可被追溯撤销。从Gen2到G4，海光在14nm（后转SMIC N+1/10nm等效）的制程约束下，通过架构、内存子系统和I/O的自主改进，每代实现30-50%的性能提升。G4已经做到64核、DDR5、PCIe5.0，SPEC2017 int-rate得分大约1000，对标Intel Xeon四代/五代（2022-2023年产品）和AMD Zen3（2021年产品），技术差距稳定在2-3年。一个有意思的侧面验证是今年曝出的StackWarp硬件漏洞影响了多代AMD Zen处理器，海光完全不受影响，原因是其安全架构已经从AMD的SEV-SNP替换为自研的CSV3。这说明微架构层面的分叉是真实的，不是换皮。 G5是整个增长逻辑的承重点。128核、512线程（SMT4）、16通道DDR5、CXL2.0，全自研微架构，预计在SMIC N+2（7nm等效）上制造。Bernstein估计SPEC2017 int-rate得分能到2000以上，而Intel Granite Rapids（128 P核，2024年9月上市）得分2440，AMD Zen5（2024年）得分2089。如果G5按计划出来，海光跟全球最新产品的差距就从现在的"差两代"缩小到"差一代"。 128核的可行性不依赖制程突破，依赖chiplet封装。不上单片128核的巨型die（良率会崩），而是把多个较小的compute chiplet拼在一起，这是AMD EPYC从Zen2开始用的路线。在SMIC 7nm等效节点上做较小面积的计算die，良率可控，总核心数取决于封装多少块die。IPC的+17%提升来自从Gen2到G4积累的四代全流程设计经验加上国产EDA工具在7nm数字逻辑综合上的成熟。16通道DDR5则依赖长鑫存储的DDR5产能扩张和澜起科技的CXL控制器IP。三个条件中，SMIC的7nm产能分配是最硬的瓶颈。 海光G5真正差异化的点在SMT4。512线程/每socket，这在当前所有服务器CPU里是最高水平。AMD和Intel的主流产品是SMT2。SMT4在什么场景有优势？多租户推理服务（逻辑CPU密度翻倍，单位推理请求成本下降）、Agentic AI的编排层（大量I/O-bound和memory-bound的轻量线程）、以及内存受限的LLM推理（线程在等KV-cache数据时其他线程能利用执行单元）。这恰好是中国市场未来最大的增量场景。中国在推理侧有结构性优势，电力成本低加上DeepSeek等厂商展示的LLM推理优化能力，意味着同样算力下token产出更高。如果中国数据中心的CPU:GPU配比因此高于美国，那CPU需求的上行空间比Bernstein的base case还要大。 Bernstein给海光的市占率预测是按价值从2025年的19%到2030年的36%，按出货量接近50%（因ASP低于Intel/AMD）。逻辑分两步。第一步是信创存量需求的持续消化，这是政策驱动的底仓，不依赖性能绝对值。第二步是2027年之后CSP的商业化采购启动，这才是增量的大头。CSP客群到2030年会占中国x86服务器部署的约75%。海光在这个市场从目前的中个位数渗透率做到20%，需要G5的性能足够用，同时AMD/Intel的供应持续偏紧。海光还有一个独特杠杆，CPU+DCU（AI加速卡）的全栈捆绑。在国产AI芯片供应紧张期，海光可以用DCU的分配权换CPU的采购量，反之亦然。除华为外没有第二家能这么做。 整套逻辑成立与否，供给侧取决于SMIC先进节点的产能爬坡能不能支撑G5持续放量，需求侧取决于CSP客户的实测验收。G5在6月已确认量产出货，配套服务器从风冷双路到浸没式液冷（单组80,000+核心）都有了，但目前没有任何独立的SPEC跑分公开数据。2000分是Bernstein的估算，不是实测。CSP大规模采购需要POC验证周期，从送样到资质认证到批量上架通常两到三个季度。看看下半年是否有头部CSP的集采订单落地。

有感而发，写一些最近对交易的想法。 我现在的配置其实很简单。 长线仓位稳定拿着，买的是自己真正看懂、愿意陪伴几年成长的公司。剩下我会留一小部分资金，专门去做赔率高的机会，比如 buy the rumor sell the news，或者图形很好、未来有机会走突破的期权交易。 这里说的小部分资金，真的是小钱，1000到5000刀（上多少仓位取决于你自己对这个机会的把握程度通过公司基本面，技术面，期权面和宏观面预估大盘表现总体一起来判断）。亏了完全不会影响整体账户，所以我敢拿，也敢等。因为我的核心收益来源从来不是这些短线交易，是长期仓位。很多时候，长线仓位一天的涨幅，就足够覆盖这些期权仓位所有的盈亏。一定要按照自己的仓位比例来，有纪律的买。 前段时间Apple发布会就是很经典的例子。市场提前炒作，发布会当天sell the news，买了 290 Put从0.3一路涨到6。我自己也没做好，1.5就跑了，仓位也没上很多。 还有Intel，上周我看到Bull Flag形态不错，大盘周四大阳线吞掉周三的大阴线，技术上倾向于继续反弹。开盘前几分钟跌到115附近，我买了1500刀 12号120 Call，成本0.17，后来涨到1.1，我0.8就跑了。结果后面震荡回0.4，最后又涨到2.88。 举这两个例子我想表达什么。卖飞了吗？当然卖飞了。 但现在回头看，我越来越觉得卖飞永远不是问题。我们最大的错觉，就是觉得如果当时拿住，我就赚多少多少。 可实际上，你能看到的机会有100个。真正会执行买入的，也许只有10个。而最终能够同时满足宏观判断正确，基本面逻辑正确，技术面配合，仓位管理合理，并且拿住赚到大钱的，可能只有1到2个。 真正改变收益曲线的不是每一笔都赚到极致，是机会来了你敢上，方向对了你拿得住，方向错了亏得起。 所以现在我越来越少去后悔卖飞。因为市场的机会真的太多太多了。你永远会发现下一次更漂亮的图形，下一次更经典的buy the rumor sell the news，下一次更确定的突破。 交易不是寻找完美。交易是用合理的仓位，去等待那些赔率站在自己这一边的时刻。错过几个机会不重要。因为市场永远不缺机会，缺的是一套让自己长期活下去，并且持续赚钱的体系。希望我这个感悟对大家也有帮助。