同样豪赌AI算力，华尔街为何区别对待 $SPCX和 $ORCL ？ 看完周三SpaceX的财报，我一直在想一个问题： 同样是砸几百亿美元建设AI算力，为什么华尔街对SpaceX就格外宽容，到了Oracle这里，却天天担心它的资本开支和融资压力？ 说到底，我觉得还是市场对这两家公司赚钱方式的预期不同。 Oracle走的是长期合同模式。最新财报显示，它的剩余履约义务已经达到6640亿美元。乍一看，这么多合同握在手里，未来收入似乎不用太担心。 可问题是，合同签了，钱不代表马上就能收到。数据中心要建，GPU要买，融资利息也得付。收入能不能兑现是一回事，最后能赚多少钱又是另一回事。 反过来看SpaceX，马斯克给市场讲的是另一套故事。 第三季度，AI算力规模扩大到1.7GW，超级智能业务收入达到75.6亿美元。它既可以满足内部AI需求，也可以把算力卖给外部客户。 如果未来算力一直供不应求，那么谁手里有算力，谁就掌握一定的定价权。SpaceX自然有机会赚得更多。 但看到这里，美股投资网反而觉得市场对SpaceX有点太宽容了。 它同样在疯狂烧钱。今年前三季度经营现金流约131亿美元，资本开支却高达481亿美元，中间差了整整350亿美元。 这可不是一个小数字。 而且，SpaceX账上的钱，也并不全是靠业务自己赚来的。今年IPO募集的资金，同样在支撑这场扩张。 再看Oracle，其实也没大家想得那么被动。客户预付款、客户自己提供GPU，都在帮助它减轻部分资金压力。 所以我觉得值得思考的地方就在这里： Oracle拿着长期合同，市场担心它赚不到足够多的钱；SpaceX承担着算力价格波动的风险，市场却更愿意相信它未来能赚大钱。 当然，SpaceX有自己的优势，但这种预期差究竟能维持多久，我觉得还需要观察。 说到底，我更关心的不是谁宣布建设了多少GW算力，而是每投入1美元，最终究竟能带回来多少真正属于股东的自由现金流。 SpaceX要证明算力需求和高定价能够持续，Oracle则要证明那6640亿美元的合同，最后能转化成实实在在的利润和现金。 AI算力这场竞赛，拼到最后，恐怕不是谁建得最多，而是谁的钱真正赚回来了。#美股#

谷歌和Meta，开始押注“下一颗药” AI制药有一个绕不过去的问题：模型给出的答案，实验室里到底能不能成立。 谷歌和Meta这次参与的项目，就是要补上这块短板。 10月7日，Biohub宣布扩大“虚拟生物学”计划，联合美国能源部、美国国立卫生研究院，以及Google DeepMind、Meta、Isomorphic Labs，建设用于训练AI的生物数据资源。 项目合计涉及约18亿美元投入，其中三家企业共同承诺3亿美元。18亿美元包含此前投入和既有科研数据资源，并非当天新增的现金。 美股投资网认为，这件事最值得关注的，是AI制药公司的竞争门槛正在变得更具体：谁能证明自己的模型减少了无效实验，谁才有机会获得药企持续付费。 你可以这样理解这个项目。 研究人员希望记录细胞在不同干预下的反应，再训练模型，让科学家先在电脑里预测实验结果，帮助选择更值得进入实验室验证的方向。这也是美国能源部公告明确提出的目标。 假如模型能提前排除一部分失败方向，药企就有机会节省实验时间和成本，把资源集中在更有希望的候选药物上。 但这里要分清两笔账：更快找到候选药物，与最终研发出安全有效、能够上市的药，之间还有很长的距离。实验预测做得更好，并不能替代后续验证。 这决定了我们该怎么看相关美股。 对 $GOOGL，我把这次合作看作长期研发投入。DeepMind参与建设数据资源，有机会提高生物模型的预测能力；如果这种能力后来能帮助药企提高研发效率，才可能形成新的商业收入。 现在就把它计入谷歌未来几个季度的利润，太早。更有价值的验证是：模型预测能否被实验重复证实，药企是否愿意扩大合作并持续付费。 对 $META，我的判断更谨慎。 Meta参与投入，与扎克伯格和陈慧娴支持的非营利机构Biohub，是不同主体。参与一个生物研究项目，也不能直接推导出Meta即将获得药品收入。 它可以拓宽Meta的AI研究能力，但就这条消息而言，我不会上调Meta的短期盈利预期。 真正可能受到更大影响的，是那些靠“我们有独家生物数据”获得高估值的AI制药公司。 这次合作的目标，是建设开放的生物数据基础。数据如果逐步向研究者开放，更多团队就有机会训练和检验模型。 这会提高整个行业的研究起点，也可能削弱部分公司的数据稀缺优势。投资者需要重新追问：它的数据有多少真正独特？模型比同行准确多少？这种优势有没有转化成实验结果和商业合同？ 所以，我更看好能不断完成“预测—实验—修正”的公司。 它们每做一次真实实验，就能检验模型哪里对、哪里错，再用结果改进下一轮预测。即使大家都能使用公共数据，实验能力、专有数据和研发执行仍然可能拉开差距。 这也是为什么我不会因为18亿美元这个数字，就追着整个AI医疗板块买。 这笔投入提高了AI制药取得进展的可能性，却没有替任何一家上市公司证明盈利能力。 接下来，真正值得给更高估值的，是能拿出证据的公司：同样的研发预算，找到了更多有效候选药物；同样的实验次数，获得了更高成功率；已有合作方愿意继续掏钱。 AI制药的故事，正在进入需要实验结果和收入兑现的阶段。只会展示模型的公司，估值会越来越难撑。 #美股#

马斯克这笔400亿美元计划，债市怎么看？ 同一笔AI投资，英伟达看到潜在订单，债券投资者看到新增负债。美股接下来的分化，就藏在这两本账里。 美股投资网获悉，SpaceX正洽谈约400亿美元融资，用于购买英伟达AI芯片，其中约100亿美元为银行贷款、300亿美元为投资级债务。Apollo预计牵头，PIMCO也参与讨论，目前融资尚未完成。 10月7日，SpaceX五年期信用违约互换价格盘中升至约195.4个基点，创其6月开始活跃交易以来新高；2056年到期债券相对美债的利差，也扩大至约238个基点。 简单说，给债务买保险更贵了，投资者持有它的债券，也要求更高的回报。 美股投资网认为，这条消息最重要的投资含义是：AI扩张仍在继续，但靠借钱扩张的公司，必须接受更严格的估值检验。 借钱购买设备，是正常的商业行为。只要设备产生的现金流足以覆盖运营、利息和本金，融资可以帮助企业更快扩大业务。 问题在于，买芯片与赚到钱之间，还有很长一段路。 芯片需要安装，数据中心需要通电，客户需要开始使用，算力还要卖出足够好的价格。任何一个环节慢下来，都可能推迟回款。 债务却不会因为项目延期，就自动暂停计息。 这也是为什么不能把400亿美元采购计划，直接当成SpaceX股东的利好。对股东来说，关键是这笔投入能留下多少利润和现金，而非公司能买到多少芯片。 把买卖双方分开，你就更容易看清。 英伟达交付硬件之后，可以按合同确认相关收入；买方则需要在未来的运营中收回投入。假如算力利用率不足，或者租赁价格下降，买方的投资回报会承压。 因此，这笔融资若落地并形成采购，对英伟达的需求支撑更直接；对SpaceX，则意味着更大的收入机会，也意味着更高的回报门槛。 但英伟达同样不能完全忽略客户的融资能力。 订单背后如果越来越依赖外部资金，那么银行和债券投资者愿不愿意继续出钱，就会影响采购节奏。融资变贵，项目回报要求随之提高；融资受阻，部分扩张计划也可能放缓。 这意味着，研究芯片需求，除了看客户宣布多少资本开支，还要看这些投入有没有落实资金。 债市这次的反应，是一个需要认真对待的信号。 信用保险和债券利差上涨，并不能证明公司即将出问题，其中也可能包含新增债券供给的压力。但它至少说明，投资者正在为扩张风险要求更多补偿。 股票市场可以提前交易几年后的增长，债券投资者更关心企业能否按时付息、偿还本金。两种视角放在一起，才是完整的AI投资判断。 我的态度很明确：我更愿意优先研究能够把AI需求转成现金流的供应商；对持续大举举债建设算力的公司，会要求更大的估值余地。 这个判断不意味着供应商在任何价格都值得买。需求强、公司好，与股价是否合理，仍然是三件事。但相较于单纯追逐投入规模，我更看重收入兑现和资金回收的能力。 对算力买方，接下来最有分量的证据，是新设备投产之后，利用率、收入和经营现金流能否一起改善。 如果资本开支和债务不断增加，现金回报却迟迟跟不上，再大的增长故事也需要重新定价。 400亿美元可以买来芯片，买不来确定的投资回报。AI行情还在继续，市场已经开始追问：这笔钱花出去，谁能真正赚回来？ $SPCX $NVDA #美股#

微软联手英伟达，抢的是谁的生意？ 如果电脑就能运行大模型，部分AI任务还需要按次付费给云端吗？微软和英伟达这次合作，让这个问题变得更现实，也让美股投资者需要重新看一遍：AI的钱，最终会落到谁手里。 10月7日，微软公布Windows本地AI的新进展，并开启搭载英伟达RTX Spark的Surface Laptop Ultra预订，起售价2,599美元，最高配备128GB统一内存。 微软官方同时确认，2,840亿参数的DeepSeek V4 Flash是其本地模型布局的一部分。发布会展示称，经过1.6位量化，该模型可在约60GB内存中运行。 DeepSeek提供模型，英伟达提供计算硬件，微软把它们接入电脑和软件环境。 美股投资网认为，微软这步棋的价值在于无论用户选择哪家大模型，都能在Windows里完成工作，微软就有机会继续通过软件和服务赚钱。 你可以换模型，但文件、应用、开发工具和企业管理系统，仍然需要有人把它们连接起来。 过去用户经常要先打开某个AI网站，再上传资料、等待回答，最后把结果搬回工作软件。微软希望进一步把AI接到电脑里的任务上，让它在获得授权后读取文件、调用工具、执行操作。 谁能让AI直接帮用户完成日常工作，谁就更有机会让用户持续付费。 微软的优势就在这里：它已经拥有Windows、办公应用、开发工具和企业客户。DeepSeek等模型越来越好，微软就多了一种可接入的能力，无须每次都自己承担从零训练模型的成本。 因此，我更看重这次布局对微软软件生态的支撑，而非一台Surface能卖多少。 不过，模型能运行，只解决了第一步。企业真正愿意部署，还要知道智能体能访问什么、修改什么，以及如何追踪它的操作。 微软此次推出的MXC运行环境，允许企业规定智能体可以访问的文件和网络，并在运行时执行这些规则。它同时布局本地与云端模型的任务调度。 这些能力直接关系到AI能否进入企业日常工作。模型本身可以不断更换，权限、管理和工作流程却需要长期维护。如果微软能把这层做好，它获得的是更深的客户关系，以及进一步销售软件和管理服务的机会。 再看英伟达。 DeepSeek提高模型效率，经常被市场理解为“以后不需要那么多昂贵算力”。但这次案例里，模型运行在RTX Spark上，本地AI同样需要硬件。 英伟达正在把CUDA计算软件体系带进更多Windows设备，让开发者在本地和更大型的计算设备之间使用相近的工具。 我的判断是，本地AI扩大了英伟达参与推理市场的范围。 一部分任务离开云端，并不意味着这部分硬件需求也离开英伟达。 当然，本地芯片和数据中心芯片的售价、利润结构不同，不能把PC销量直接折算成同等规模的数据中心收入。这次合作强化了产品布局，财务贡献仍要靠实际销售兑现。 真正需要重新评估的，是缺少差异化、主要依靠出售模型调用或通用云端推理赚钱的业务。 如果某项任务在自己的电脑上就能以可接受的速度完成，用户为什么还要持续按次付费？云端服务就需要拿出更强的模型、更好的协作能力或更方便的体验，证明这笔费用值得付。 这会给部分云端推理价格带来竞争压力，也会推动服务商提高效率。但大型训练、复杂任务和多人共享服务仍需要云端，不能从一次本地展示推导出数据中心需求将全面下降。 对微软来说，这种变化尤其值得关注：部分本地计算可能减少云端调用，但更便宜、更方便的AI，也可能增加软件使用量。 Azure收入与Windows、Copilot等软件的商业价值，需要分别看，不能只盯着一项调用量判断输赢。 PC厂商则获得了一个更具体的换机理由：开发者、创作者和部分企业，可以把高频任务留在本地。 这次合作里，我最看重微软的平台位置，其次是英伟达新增的本地计算机会；电脑厂商能赚多少，还需要销量和利润率证明。 DeepSeek模型进入Windows，说明AI能力正在变得更容易获得。对美股而言，模型越来越便宜之后，能够组织这些模型、接入真实工作并持续收费的公司，会更值得研究。 $MSFT $NVDA #美股#

洛杉矶Monterey Park全美国首个城市反对AI数据中心建设 美国加州洛杉矶县的蒙特利公园市，原本计划搞一座峰值用电约50兆瓦的超大数据中心。但这个“高科技项目”，却被当地居民硬生生拦了下来。 而且，当地选民以88.34%的赞成率，让蒙特利公园市成了“全美首个由市民投票禁建数据中心的城市”。 不光现在不搞，以后永远也不搞数据中心。 美国居民究竟为何抵制数据中心？ 搞这么多声势浩大的抗议活动，图什么呢？ 这其实是非常“柴米油盐”的一个事。 第一，是电。 数据中心是“电老虎”，会直接推高本地用电需求。 所以，如果接下这些数据中心，当地电网公司就要升级变电站、铺设新线路。 而在美国这个电力市场化的国家，需求增加了，新建基建的成本就会直接转嫁到电价上。 自2021年以来，美国电价已经整体上涨了约40%。 时间久了，普通人都能预测： 数据中心落成=电涨价。 这种推测还得到了美国能源部的证实：2023年的数据中心用电，约占全美电力消费的4.4%。到2028年，这个比例可能升至6.7%到12%。 试想啊，美国的一家人，原本一年电费大约是1500美元，结果数据中心一来，差不多翻倍了。 第二，是水。 一个不冷不热的知识是，数据中心的运转过程中，需要大量水来冷却设备。 比如，一座大型数据中心，按500万加仑上限折算，约合每日1.89万吨水，相当于一个中小城镇一天的用水量。 更重要的是，许多数据中心为了保证电力供应，都会配套电厂，那就要选择土地便宜人口少的地方，而这些很多也有用水紧缺问题，数据中心一建成，当地的水分配压力就更大了。 比如佐治亚州的牛顿县，居民们就被告知，未来两年水费预计上涨33%。 涨价的很大一部分原因，就是因为附近建设数据中心，用水量巨大。 数据中心一落地，无论电费还是水费都要涨。 可居民凭什么替科技巨头的水电买单呢？ 第三，是噪音。 为了保证成千上万台GPU的全速运转，数据中心大多配有强悍的散热系统，工业散热风扇24小时低频轰鸣，能在周边形成持续的噪音污染。 因此有研究显示，数据中心周边3公里内的住宅，都可能面临贬值风险。 前面我们聊到蒙特利公园市的50兆瓦超大数据中心项目，原本就距离居民区只有约150米远，当地居民如果不联手抵制，可能就要长期忍受噪音污染了。 也就是说，数据中心不仅会与居民争土地，甚至会打扰周边几公里居民的正常生活。 $ORCL $NBIS #洛杉矶#

谷歌锁电20年，AI的钱开始流向哪里？ 10月6日，谷歌与CEG签下覆盖3.59GW的长期电力协议：890兆瓦新增核电对应20年购电合同，另外2,700兆瓦对应15年供电合同。CEG将投入超过43亿美元升级现有核电机组，首批增容预计2028年交付。 美股投资网认为，这笔交易强化了一个判断：拥有现成发电资产、还能扩大发电量的公司，是AI电力需求中最值得优先研究的方向。 为什么？ 我们过去看AI投资，习惯先看芯片订单，再看数据中心建设。但算力最终能不能投入使用，还得看电什么时候到位。 芯片性能可以一代代提升，发电能力却需要按年建设。谷歌愿意把采购期限拉到15年、20年，说明长期供电已经进入它的基础设施规划。这种需求，对电力公司的价值远高于一句“未来会多用电”。 它让企业有条件把扩产计划建立在长期客户承诺上。 对CEG来说，合同带来的好处有两层：现有发电资产获得更长期的收入支撑；核电增容项目有了明确买家，可以据此投入资金。谷歌也明确表示，长期采购承诺为这些升级项目提供了收入确定性。 这会改变我们分析电力股的方法。 以前更关注电价波动、燃料成本和当期利润；现在还要看，公司有多少发电能力能签进长期合同，扩产之后的电有没有客户接走，以及合同价格能否覆盖投资并留下足够回报。 能把AI需求签成长期生意，才是电力资产值得重新评估的原因。 这也是我更看重现有核电资产的地方。 谷歌这次支持的是升级已有机组。相比从零建设新核电站，这条路径能更早增加供给。对急着扩张的数据中心而言，交付时间本身就有商业价值。 因此，在这笔交易里，CEG是直接受益者，而且受益已经落实到合同和投资计划。 其他电力公司能否获得类似价值，要看它们的资产位置、增容能力和客户合同，不能仅凭“也做核电”就套用同样的估值。 对谷歌，这笔交易则提醒我们：AI竞争的投入周期正在拉长。 建设数据中心、采购芯片之外，还要提前安排多年供电。资金实力强、能承担长期承诺的巨头，更有条件把扩张所需的资源提前落实。算力竞争越来越考验整套基础设施的组织能力。 但这里要守住一个估值边界：长期合同提高收入可见度，不代表利润已经确定。 电价没有披露，CEG还要承担设备升级和项目执行成本，43亿美元投资最终赚到多少，需要看实际交付和回报。 我的判断很明确：这笔交易增强了CEG的长期业务吸引力，也进一步支持了“AI需求向发电资产传导”的投资逻辑。接下来研究电力股，应该优先找有资产、能增容、能签长期客户的公司，再判断股价是否已经提前计入这些收益。 AI这笔钱，已经从购买算力，延伸到了保障未来十几年的供电。拥有可交付电力的企业，正在获得更重要的客户，也获得更长的生意。 $GOOGL $CEG #美股#

AI智能体可能已经在影响高价值的消费决策。 我们最新的 $META 更新引入了对Muse/智能体辅助消费的追踪，包括付款人、交易量、支出金额以及品类层面的趋势。 当前支出结构的概览: 旅游:占支出的30%(仅占交易量的12%) 零售:占支出的30%(占交易量的35%) 保险:占支出的6%(占交易量的3%) 娱乐与活动:占支出的11%(占交易量的11%) 旅游业在支出中占据的超高份额表明，智能体(agents)已经在协助促进大额订单的购买。 #MUSE#

一家公司突然给美国潜艇扩产15%，美国国防巨头要多一个了？ Anduril 宣布投入 37亿美元建设大型军工制造基地，美国海军还将提供最高 29亿美元、与产出挂钩的合同支持。项目重点切入核潜艇关键部件，并计划明显提高美国潜艇供应链产能。 美股投资网认为，真正值得看的，是 Anduril 开始从“国防科技公司”进入传统军工巨头的核心地盘。 美国大型军工公司的护城河一直不只是技术，而是三个东西： 生产资质、制造能力、长期政府合同。 Anduril 前几年已经证明自己能做 AI、无人机和自主武器。现在直接砸几十亿美元建重资产产能，意味着它开始补最后一块短板——规模化制造。 这对 $GD、 $HII、 $NOC 这类传统军工公司真正形成的压力，不是明天少一张订单，而是美国国防部可能多出一个新的大型承包商。 更重要的是 Anduril 的模式： 自己先投入资本 → 快速建产能 → 再用政府长期订单回收投资。 这和传统军工“等合同、再扩产”的节奏明显不同。 如果这种模式跑通，美国军工行业的估值逻辑可能开始变化。 市场以后可能不只看谁手里的订单最多，还要看： 谁能最快把订单变成真实产能。 对 GD 和 HII 来说，短期潜艇订单不会因此消失，甚至整个产业扩产本身还是利好。 但长期来看，Anduril 如果成功进入潜艇、导弹、无人系统等更多制造环节，传统军工巨头过去依靠供应链壁垒形成的议价能力就会被削弱。 所以这件事真正值得跟踪的是： Anduril到底是在补美国军工产能，还是正在成长为下一个一级国防承包商。 #美股#

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#

$TWST 回调将是抄底机会，根据 @TradesMaxCom 美股投资网 的供应链调研显示，【AI加速药物研发】将是一个持续很多年的投资主题，而 AI药物研发领域的“卖铲子”公司，已经开始感受到实验数量增加所带来的需求。 整个链条大致是：DNA → 蛋白质 → 实验检测 → 测序 → 自动化 → 临床前测试 处于这条产业链上的公司包括Twist Bioscience（TWST）、 $RVTY ，Illumina（ $ILMN）、10x Genomics（ $TXG ），Ginkgo Bioworks（ $DNA ），以及各种实验室自动化设备公司和 CRO 合同研究组织。 TWST公司最大的特点是：利用半导体制造工艺来合成DNA。 传统DNA合成是在试管中逐个反应，而 Twist 将类似芯片制造的硅基技术引入 DNA 合成，在一块硅片上同时完成上万个反应，大幅降低成本，提高速度和精度。 因此，Twist 经常被称为：“DNA领域的台积电” RVTY Revvity现在甚至已经专门推出了针对：AI-based Drug Screening Biological Validation 9月16，Ginkgo Datapoints宣布与 Lilly TuneLab 合作。自动化AI实验工厂 + biological data center。合作目标：close the gap between AI models and lab data。也就是把AI模型和真实实验数据之间的瓶颈打通 #美股#

Anthropic上市前，高速收入增长不可持续 据知情人士透露，在Meta，使用Anthropic编程助手Claude Code的员工人数已大幅下降，近期降至约30,000人。 根据《The Information》查阅的内部数据，这一数字低于今年早些时候的约60,000名用户。部分降幅源于春季的裁员，当时裁减了Meta78,000名员工中约10%的人力。 但更重要的因素是Meta开发了自有的AI编程工具及其MuseSpark系列AI模型，该公司正向其他公司推广这些模型，并敦促自家员工使用。 内部数据显示，Meta于8月开始向外部客户测试的Muse Code(一款使用 Meta 模型且与 Claude Code 竞争的产品)近期拥有超过6,000名员工用户。另一款仅供内部使用的类似工具MetaCode则拥有超过 30,000名用户。 据两位知情人士透露，微软高管今年早些时候预计，该公司内部使用Anthropic技术的支出有望达到至少10亿美元。 其中一位知情人士表示，在微软要求员工减少使用 Claude以节省成本，并花更多时间使用微软自研的AI工具后，该公司已将这一数字削减了三分之一以上。(该数字不包括客户通过微软工具在Anthropic模型上的支出，这部分支出一直在稳步增长。) $META $AMZN #美股#

一只美股今天暴涨34%，230亿美元收购背后抢的是什么 $PTC 今天一度暴涨约34%，直接原因是施耐德电气宣布以 每股205美元现金 收购公司，股权价值约 226亿美元，对应企业价值约 237亿美元，较前一交易日收盘溢价 42.3%。 但这笔交易真正值得美股投资者看的，不只是高溢价并购。 施耐德真正买下的，是“工业AI的数据入口”。 PTC 是工业软件公司，核心产品覆盖 CAD、PLM 等系统。简单说，它掌握的是一件产品从设计、工程、生产到维护的大量底层数据，目前服务超过3万家工业客户。 施耐德本身已经拥有： 电力管理 + 工业自动化 + 数据中心基础设施。 再加上 AVEVA 的工业运营软件，以及今年收购的 Cognite AI 数据平台，现在把 PTC 补进来，相当于把最上游的“产品怎么设计”也接上了。 这套组合开始变得很完整： PTC负责设计数据 AVEVA负责工厂运营 Cognite负责AI数据连接 施耐德负责电力和自动化硬件 美股投资网认为，这才是这笔230亿美元交易最重要的地方。 施耐德预计，收购完成后软件与服务收入将占集团约 24%，工业软件可触达市场规模扩大约 3倍；同时预计第三年实现约 2.5亿欧元成本协同和 8亿欧元收入协同。 当然，市场对买方并不完全买账。 消息公布后施耐德股价一度大跌约10%，核心担忧就是：42%的溢价太高，而且AI未来到底能不能把工业软件的估值真正兑现出来。 所以这笔交易给出的信号很明确： AI资本开支正在继续向“物理世界”扩散。 芯片、数据中心、电力之后，下一块越来越重要的资产，就是控制工厂设计数据、生产数据和设备数据的工业软件。 $ROK $ADSK #美股#

如果你持有一只股票，最怕的不是波动，而是重要消息发生了你却不知道。 美股大数据 上线「我的关注」功能。 输入你在关注股票代码，就可以建立自己的股票监控池。我们的量化AI系统会持续追踪： 新闻、分析师评级、内部交易、做空比例、期权异动、暗池交易、大单交易、财报预测、急速涨跌等重要动态。 比如你关注 NVDA，今天出了多少条新闻、有没有期权异动、暗池和大单有没有变化，点开就能直接看。 更关键的是，开启通知后，只要关注的股票出现新动态，就可以直接推送提醒。 以前你需要自己到处找信息，现在可以把想跟踪的股票交给系统，7×24 小时帮你盯。 对长期持股的人，这是一个个股预警系统； 对做波段和期权的人，这是一个实时异动雷达。 输入股票代码，重要变化别再错过。 $AMD $META #美股#

OpenAI掌门人Sam Altman把话挑明了：和Anthropic到底在争什么？ Sam Altman 的立场很直接： AI一定会带来诈骗、黑客攻击、自动化滥用等风险，但不能因为这些风险，就把最强AI长期锁在少数实验室手里。为了安全，把AI能力过度集中在少数公司或政府手中，最后牺牲技术普及和社会收益。 他明确批评这种高度集中的控制模式，并强调AI带来的整体收益仍然值得承担一定风险。 这也解释了他和 Anthropic CEO Dario Amodei 的分歧。 Anthropic 更强调前沿模型失控、网络攻击、欺骗和不可预测行为，因此主张更严格的测试、披露和外部约束； OpenAI 的路线则更倾向于让技术更快进入现实世界，同时把安全机制嵌入部署过程。 但这场争论最近已经不只是两家公司的理念之争了。 纽约市议会刚刚让 OpenAI、Anthropic、Google 和 Meta 公开宣誓作证，讨论第三方审计、模型披露、举报人保护等监管措施。 前 Anthropic、OpenAI 和 Google DeepMind 员工也现场警告，前沿AI开发速度正在超过现有监管能力。 与此同时，联邦层面成立了 “Super Intelligence Force”超级智能工作组，一边强调美国必须继续保持AI领先，一边开始系统评估超级智能带来的国家安全和治理风险。 美股投资网认为，把这些事情放在一起看，真正的分歧已经很清楚： “管得太死”与“跑得太快”会直接影响AI行业接下来的商业节奏。 如果监管更接近 OpenAI 路线，模型发布、Agent部署和企业采用速度会更快，算力和云基础设施需求也更容易继续放大。 如果监管更接近 Anthropic 路线，前沿模型需要承担更多第三方审计、安全测试和披露义务，模型上线速度可能变慢，但企业客户和政府对安全性的要求会更容易被满足。 更值得注意的是，这场监管争论未必会削弱AI巨头。 规则越复杂，模型安全测试、审计、合规和算力成本越高，小公司越难跟。 最后能够同时承担研发、算力和监管成本的，仍然可能集中在 OpenAI、Anthropic、Google、Meta 这几家头部公司。 所以 OpenAI 和 Anthropic 真正争的，不只是“AI要不要更安全”。 他们争的是： AI到底应该以多快的速度进入现实世界，以及谁来决定这个速度。 这场争论，最终会影响模型发布节奏、监管门槛，也会影响未来数千亿美元AI资本开支究竟以什么速度兑现。 $MSFT $AMZN #AI#

纳指创下历史新高，一个真相：AI越火，数据中心反而越难建 现实世界却开始对AI说“不”。 美东时间周一，美股三大指数集体上涨，纳斯达克指数在英伟达、微软等大型科技股带动下再次创下历史新高。这已经是纳指连续第二个交易日大幅上涨。 推动市场的逻辑并不复杂。美国9月非农就业数据弱于预期，市场迅速下调了对美联储继续加息的押注。交易员目前预计，美联储10月政策会议加息的概率只有24%，而一周前这一数字还高达70%。 利率压力下降，油价回落，科技股继续上涨。华尔街再次把钱压向AI。 但就在资本市场不断为AI刷新估值的同时，一个完全相反的趋势正在全球出现。 特朗普强调美国必须赢得AI竞赛，微软、Meta、亚马逊、谷歌、英伟达不断宣布更大的数据中心、更大的GPU集群、更高的资本开支。 问题是，越来越多普通居民开始问一句非常现实的话： 这些数据中心，到底为什么要建在我家旁边？ 这可能是当前AI投资浪潮中最容易被忽视，却又最重要的变化。 AI越成功，对数据中心的需求越大；数据中心越多，对电力、土地、水资源和电网的消耗就越大；而基础设施规模越大，当地居民的反弹反而越强。 换句话说，AI最大的瓶颈，未来可能不再是GPU。而是有没有地方愿意让你建。 欧洲420亿美元投资被卡住 过去两年，市场一直担心英伟达GPU够不够、HBM够不够、电力够不够。 现在，一个新的问题出现了。 即使你有GPU、有服务器、有钱、有电，你可能仍然拿不到许可。 研究数据显示，由于公众反对、审批收紧以及监管限制，欧洲已经有大约420亿美元的数据中心投资受到影响，其中包括大量项目延期甚至取消。 今年1月至4月，欧洲就有超过70个数据中心项目遭到否决或者限制，这一数字甚至已经超过2025年全年。 更值得注意的是，阻力已经不再只是几个居民在社区里举牌抗议。 它正在从地方政府一路蔓延到法院、监管机构甚至议会。 这意味着数据中心面对的已经不是简单的“NIMBY”，而是一场逐渐制度化的基础设施阻力。 欧洲原本正在拼命追赶美国AI，但现在最尴尬的事情出现了：欧洲想要AI，却开始不愿意承担AI背后的物理成本。 巴黎高等商学院研究能源转型的副教授奥利维尔·达尔穆尼甚至警告，这可能成为压垮欧洲AI竞争力的“最后一根稻草”。 原因其实非常现实。很少有人愿意接受家附近突然出现一座巨大的数据中心。 因为AI的好处可以分散给全社会，而数据中心的成本却高度集中在当地。 AI的收益是全国性的，甚至是全球性的；但是噪音、耗电、用水、土地占用、电价上涨和电网压力，却全部落在少数几个社区头上。 谁得到好处，和谁承担成本，并不是同一批人。 于是矛盾开始爆发。 欧洲正在给数据中心踩刹车 爱尔兰曾经因为数据中心电力需求过大，暂停相关项目。 随后苏格兰也暂停了部分新建超大规模数据中心的规划审批。 北欧原本是数据中心运营商最喜欢的地区之一，因为那里土地充足，可再生能源丰富，气候寒冷还可以降低冷却成本。 但现在连北欧也开始收紧。 随着大型数据中心的电力申请激增，丹麦通过紧急法案，使数据中心未来在申请电网容量时可能处于更加不利的位置。 西班牙则提出新的数据中心规则，要求数据中心80%的电力必须来自可再生能源。 英国一些项目则因为当地居民强烈反对而陷入停滞。 表面上看，这些政策是在规范数据中心。 但从投资角度看，本质其实只有一句话：建设AI基础设施的门槛正在越来越高。 过去建数据中心最大的竞争力可能是资本。 未来最大的竞争力可能变成四样东西：土地、电力、电网接入和当地Z府支持。 而这几样东西，恰恰都不是可以无限复制的。 一座AI数据中心，可能像“幽灵仓库” 为什么当地居民的反弹越来越强？ 因为超大规模AI数据中心和传统互联网数据中心已经不是一个概念。 过去很多人对数据中心的想象，是一栋普通建筑，里面放满服务器。 但AI时代的数据中心正在迅速变成工业级基础设施。 几十万块GPU持续运行，需要巨大的电力输入，需要冷却系统，需要备用电源，需要电池，需要变电设施，还需要大量土地。 这些设施建好之后，占地巨大、耗电惊人，但永久性就业岗位却未必特别多。 这就产生了一个非常尖锐的问题： 当地居民到底得到了什么？ 一家耗电量接近一座城市的数据中心进入社区，可能提高土地需求、增加电网投资压力、消耗水资源，却不一定能够像制造业工厂一样创造数千个长期就业岗位。 这也是为什么一些欧洲学者把数据中心形容成巨大的“幽灵仓库”。 外面看起来规模惊人，里面装着价值数十亿美元的GPU，但真正需要长期驻场工作的员工并没有那么多。 于是AI产业的价值越高，这种矛盾反而越明显。 美股投资网认为，这很可能成为未来几年AI基础设施投资最重要的重新定价逻辑之一。 市场过去一直在讨论“GPU短缺”。 下一阶段真正稀缺的可能不是GPU，而是能够合法、快速、低成本地部署GPU的地点。 AI真正的稀缺资源，正在从芯片转向Land + Power + Interconnect，也就是土地、电力和电网接入。 韩国也开始出现同样的问题 如果你认为这是欧洲特有的问题，那就错了。类似的矛盾正在韩国出现。 韩国拥有三星电子和SK海力士，是全球AI半导体供应链最核心的国家之一。 今年6月，韩国z府甚至把数据中心与半导体、Physical AI并列为三大重点投资项目。中央显然希望快速扩张AI基础设施。 但是到了地方层面，情况完全不同。韩国部分地区已经出现居民长期抗议数据中心建设的情况。 7月，韩国官员宣布，计划要求部分拟建数据中心项目必须获得附近200米范围内多数居民同意，同时引入新的项目审查和纠纷调解机制。 首尔一个社区的居民甚至要求Z府撤销已经发出的建筑许可证。 这些居民连续数月在当地Z府办公楼外抗议，截至8月中旬，示威已经持续172天。 首尔南部的果川市，还有地方议员提出新的法规，希望限制全天候运行的数据中心可能带来的安全风险，其中就包括备用电池火灾。 这说明一个非常重要的问题。AI基础设施虽然是国家战略，但数据中心最终必须落在某一个具体城市、某一块土地、某一个社区。 国家想要AI，地方却未必想要数据中心。 这将成为未来全球AI扩张过程中越来越大的矛盾。 一家社区，真的可能挡住100亿美元？？ Alvarez & Marsal的一位负责人说过一句非常值得投资者注意的话： 一个社区，可能有能力阻止一个价值100亿美元的数据中心计划。这句话其实直接点出了未来AI产业的一个巨大风险。 微软、Meta、亚马逊、谷歌可以批准几百亿美元资本开支。英伟达可以不断推出更强GPU。 台积电可以不断增加先进制程产能。SK海力士和美光可以不断增加HBM产量。 但到了产业链最下游，所有这些芯片最终都必须插进服务器，而服务器必须放进数据中心。 数据中心必须接上电网。电网必须通过审批。项目必须获得土地。当地居民还必须愿意接受。 只要其中一个环节被卡住，前面的几百亿美元资本开支都无法真正转换成算力。 这就是为什么我们美股投资网一直认为，AI产业真正值得关注的已经不只是芯片。 电力、变压器、配电、储能、冷却、土地、电网接入以及拥有现成电力资源的数据中心运营商，未来都可能获得越来越大的战略价值。 因为AI不是活在云里。所谓“云”，最终还是一栋栋真实存在的建筑，一根根电缆，一个个变电站，以及几十万块持续耗电的GPU。 最讽刺的一幕正在出现 特朗普和美国科技巨头都在强调，美国不能输掉AI竞赛。欧洲也在强调AI主权。 韩国也把AI基础设施提升到国家战略层面。 但当这些国家真正开始大规模建设AI基础设施时，却发现最大的阻力是自己国家的居民。 PS：华尔街正在疯狂招AI人才 有意思的是，当现实世界开始抵制AI基础设施时，华尔街内部却正在全面拥抱AI。 摩根大通、花旗集团、Capital One等金融机构发布的AI相关职位同比增长49%，达到139,819个。 其中一个职位增长尤其夸张。 Agent Orchestration，也就是“AI智能体编排”相关岗位，今年职位引用量暴增1,721%。 所谓Agent编排，并不是再做一个GPT聊天机器人。而是让多个AI智能体像一个团队一样协同工作。 一个Agent读取原始数据，一个Agent分析文件，一个Agent检查风险，另一个Agent负责合规审查，最后再由一个Agent把所有结果整合起来。 过去一个金融业务流程可能需要五个人。 未来可能只需要一个人管理五个AI Agent。 这才是华尔街真正开始担心、同时也真正开始下注的下一阶段AI革命。 生成式AI相关职位的薪资也明显高于传统金融科技岗位，其中生成式AI经理的基本薪资中位数已经达到大约19万美元。 这说明金融业对AI的态度非常明确。 AI已经不再只是一个提高效率的辅助工具，而是在开始重构公司的组织结构。 未来银行需要的人可能越来越少，但能够设计、管理和协调AI系统的人会越来越贵。 于是整个AI时代出现了一个非常奇怪的画面。 $SPY $NVDA #美股#

美股，即将进入“全天交易”的时代 从12月6日开始，美股可能出现几十年来最重要的一次交易制度变化，但真正值得投资者注意的，并不是以后半夜也可以买英伟达，而是华尔街正在想办法把亚洲、欧洲原本留在本土市场里的资金，变成全天候流向美国股票市场的钱。 按照目前的行业时间表，Nasdaq等美国交易场所正在推进每天23小时、每周5天的股票交易。原来的美股从凌晨4点盘前交易，到晚上8点盘后交易，未来还会增加晚上9点到第二天凌晨4点的夜盘，中间只保留晚上8点到9点一个小时，用于系统处理、清算和切换交易日。 换句话说，美股以后一天24小时，只准备真正休息1个小时。 这表面上是一项方便全球投资者的技术升级，但从更大的角度看，它其实是一场全球交易所争夺资金的战争。 而且这场战争已经开始了。 韩国交易所9月14日刚刚把KOSPI和KOSDAQ大部分股票的实时交易时间延长到晚上8点。第一天夜盘就成交约1.8万亿韩元，相当于正常交易时段成交额的7%左右。 韩国交易所为什么突然加快脚步？ 原因非常直接，因为美国市场马上要进入23小时交易时代。 如果韩国投资者晚上坐在家里，可以直接交易英伟达、苹果、谷歌、特斯拉和AMD，而韩国股票下午3点半就基本结束交易，那么资金长期往哪里走，并不难理解。 这才是23小时美股背后真正值得关注的地方。 华尔街真正想要的，是亚洲人白天的钱 过去美股有一个天然限制，就是时差。 纽约下午4点收盘时，北京、香港、新加坡已经是凌晨。对于亚洲投资者来说，美股最活跃的时间，恰恰是自己最不方便交易的时间。 23小时交易正在解决这个问题。 以后亚洲早上打开电脑，美股仍然在交易；欧洲投资者白天工作时，美股也可以继续交易。日本、韩国、新加坡、中国香港乃至中东投资者，不需要再等纽约开门，就可以直接买卖美国资产。 这相当于华尔街把自己的营业时间，从“美国人的股票市场”，变成了一个覆盖全球主要时区的资本市场。 从目前的夜盘数据已经可以看到这种趋势。 SEC统计显示，今年第二季度，海外账户已经贡献美股夜盘约37%的股票成交量，而机构投资者只占大约7%。 2026年8月，美股夜盘平均每天成交约1.446亿股，同比暴增约359%。 所以现在的问题已经不是“有没有人愿意半夜交易美股”。 答案显然是有。 真正的问题是，这些交易最终会不会形成足够深的流动性，让大型机构也开始进入。 但这里有一个很多人忽略的问题：交易时间增加，不等于流动性增加 这是整个23小时交易制度最容易被误解的地方。 以前100个人集中在6个半小时交易，现在如果还是这100个人，却把他们分散到23个小时里，市场并不会自动变得更有流动性。 反而可能出现另外一个结果：正常交易时间依然非常活跃，但夜盘里面买家少、卖家少、挂单薄，买卖价差明显扩大。 目前的数据已经非常明显。 2026年8月，美股夜盘大约只占整体股票成交量的0.9%，而且资金高度集中。 仅仅15只股票，就可以占掉整个夜盘一半左右的成交量；而正常交易时间，需要大约256只股票才能达到相同的成交占比。 这说明现在的美股夜盘根本不是一个平均分布的市场。 资金主要盯着少数最热门、全球知名度最高、流动性最好的股票。 英伟达、苹果、特斯拉、AMD、热门AI股票和少数高波动股票，未来很可能成为夜盘最大的受益者。 但如果你拿着一只平时每天成交量都不大的中小盘股票，23小时交易对你未必是好消息。 因为你得到的可能不是更多流动性，而是更长时间的低流动性。 这两个概念完全不一样。 韩国已经提前给华尔街上了一课：时间变长之后，波动可能先变大 韩国刚刚上线夜盘后的第一天，就出现了一个非常值得美国投资者注意的数据。 韩国交易所正常交易时段，当天触发价格波动控制机制大约400次。 进入延长交易时段后，触发次数直接增加到1637次。 虽然这并不代表整个市场失控，而且韩国交易所表示整体价格形成仍然相对稳定，但这个数据至少说明了一件事情： 流动性变薄之后，同样一笔买单或者卖单，对价格造成的影响可能明显放大。 这正是23小时美股最大的问题之一。 以后如果英伟达晚上10点突然发布重大消息，现在投资者不用再等第二天凌晨4点盘前市场，可以马上交易。 这是好处。 但如果当时市场深度只有正常交易时间的十分之一，一笔大型机构卖单也可能在几分钟内把价格打出一个非常夸张的缺口。 第二天美国机构上班之后，价格甚至可能重新回去。 所以未来投资者会越来越频繁看到一种现象： 夜盘价格是真的，但夜盘价格不一定代表正常交易时段真正的市场共识。 更值得警惕的是，美股恰恰在最脆弱的时候进入23小时时代 如果现在整个美国股票市场都在普涨，那么延长交易时间的风险并没有那么值得担心。 但现在的问题是，美股表面的繁荣和水面下面的情况，已经完全不是一回事。 上周五，美国公布9月非农就业只增加2.9万人，明显低于市场预期，失业率小幅升至4.2%。 市场看到这个数据之后，第一反应不是担心经济，而是认为美联储继续加息的压力下降。 结果资金马上重新冲进科技股。 标普500上涨0.7%，收在7722点附近，距离历史高点已经不到1%；纳斯达克上涨1.2%。 看指数，一切都非常漂亮。 但把指数拆开看，完全是另外一个市场。 截至9月底，超过40%的标普500成分股，已经从自己的52周高点下跌至少20%。 也就是说，当标普500还贴着历史新高运行的时候，接近一半的大公司实际上已经经历了自己的熊市。 这就是现在美股最奇怪的地方。 指数没有熊市。 但指数里面，大量股票已经熊了很久。 真正把指数撑在高位的，还是AI 目前美国市场可以简单理解成两个世界。 一个世界是英伟达、AI芯片、数据中心、网络设备、存储、先进制程，以及围绕AI资本开支形成的一整条产业链。 另外一个世界，是银行、公用事业、房地产、消费、部分软件、中小盘和其他对利率高度敏感的公司。 前一个世界还在享受盈利增长。 后一个世界正在承受5%以上长期利率带来的估值压力。 9月底，超过40%的标普500公司已经较52周高点跌超20%；与此同时，等权重标普500连续第七周下跌，而市值加权标普500仍然距离历史高点很近。 这意味着真正上涨的股票越来越少，而上涨股票对指数的影响越来越大。 微信公众号《美股投资网》认为，这不是简单的“科技股强、传统行业弱”。 背后其实存在一个越来越强的资金循环。 英伟达这些公司上涨以后，在标普500和纳斯达克里面的权重越来越大；指数ETF收到新的资金以后，又必须按照权重继续买入这些公司；股价继续上涨，权重继续提高，然后被动资金继续购买。 于是少数公司的上涨，可以把整个指数托在高位。 这也是为什么现在只看标普500指数，会越来越容易误判整个美国股票市场。 真正压着大部分股票的，是5.34%的美国国债 现在理解美股不能只看公司的盈利，还必须看旁边那个越来越大的竞争对手： 美国国债 10月1日，美国10年期国债收益率一度冲到5.342%，超过2007年的高点，创下2002年以来最高水平。 这意味着什么？ 以前一个投资者买公用事业、银行、REIT或者高股息股票，也许可以获得3%到4%的分红。 因为银行存款和国债收益率很低，投资者愿意承担股票风险去赚这点收益。 现在情况完全不同。 美国政府债券就可以提供5%左右的收益率。 于是投资者自然会问： 我为什么还要为了4%的股息，承担一家公司盈利下降、股价下跌20%的风险？ 所以长端利率越高，那些依靠“稳定现金流+分红”吸引投资者的公司压力越大。 而AI为什么可以暂时逃过这一轮估值压缩？ 不是因为AI公司不怕利率。 而是因为市场认为它们未来几年的盈利增长速度，依然可能远高于5%的无风险收益率。 这也是目前整个美股市场最核心的分界线。 市场不是简单地在买科技股。 市场实际上是在寻找少数盈利增长速度足以跑赢高利率的公司。 更复杂的是，四季度现在同时埋着两个完全相反的炸弹 现在市场非常有意思。 往上涨，有一批资金可能被迫回来买股票。 往下跌，也有一批资金可能被迫卖股票。 先看上涨这一边。 Citadel Securities最新数据显示，美国股票CTA的仓位Z值，从8月底的+2.35快速降到-0.80。 简单说，就是大量趋势量化资金在9月份已经把股票卖掉了。 这反而意味着，如果标普500重新形成稳定上涨趋势，它们未来拥有很大的重新买入空间。 与此同时，美国上市公司今年截至9月29日已经授权大约1.3万亿美元股票回购，创历史同期纪录。 大量公司现在处于财报前的回购静默期，从10月15日以后，回购窗口会陆续重新打开。 所以未来几个星期潜在买盘非常清楚： • CTA仓位已经大幅下降，市场重新转强后存在回补空间 • 1.3万亿美元股票回购授权等待财报静默期结束 • 四季度本身通常也是企业回购执行比较积极的阶段 如果指数继续上涨，这些资金很容易形成追涨和逼空。 但另外一边的问题更大。 一个并不起眼的市场波动，理论上可能触发超过1000亿美元机械卖盘 根据美股大数据 获悉，现在有一类资金叫做Volatility Control Funds，也就是波动率控制基金。 它们并不会像基金经理一样坐下来研究英伟达明年利润多少钱。 它们的逻辑非常机械。 市场越平静，波动率越低，模型允许持有的股票越多。 市场突然开始剧烈波动，模型就自动降低股票仓位。 过去这一轮美股上涨过程中，市场波动不断下降，所以这些基金一直增加股票配置。 现在它们的股票仓位已经达到历史第98百分位。 什么意思？ 从2010年以来，只有大约2%的时间，它们持有的股票比现在更多。 所以继续上涨，它们还能增加的仓位已经不多。 但如果市场突然下跌，情况完全相反。 Barclays测算，在一个并不算特别极端的悲观波动环境下，这类策略理论上可能产生超过1000亿美元的股票卖盘。 也就是说，现在市场存在一个很明显的不对称结构。 继续平静上涨，机械资金能够增加的买盘可能只有大约250亿美元。 一旦波动明显上升，潜在卖盘却可能超过1000亿美元。 这才是23小时交易时代真正需要担心的问题。 以后坏消息不会等华尔街上班 过去一家美国公司晚上突然爆雷，至少还有几个小时让分析师研究财报、基金经理开会、交易员计算合理价格。 未来情况可能完全改变。 晚上9点以后消息出来，亚洲投资者首先交易。 欧洲早上醒来之后接着交易。 纽约机构甚至还没有走进办公室，股票已经交易了十几个小时。 价格发现会更快。 但价格犯错的速度同样会更快。 特别是在流动性非常薄的时候，一个突发事件碰上量化模型减仓，再碰上夜盘大型卖单，很容易形成过去盘前市场才会出现的巨大价格跳空。 以前市场的风险往往集中在开盘。 未来风险可能发生在任何时间。 这就是23小时市场最大的改变。 对普通投资者来说，23小时交易最大的陷阱，是把“随时可以买卖”误认为“随时都应该买卖” 这两个概念完全不同。 交易所给你23小时交易，是增加你的选择。 不是告诉你一天23小时都应该交易。 尤其是夜盘流动性不足的时候，同一只股票可能出现更大的买卖价差、更少的挂单和更差的成交价格。 你可能方向判断完全正确，但因为流动性太差，进场的时候先损失1%，出去的时候再损失1%。 对于小盘股，这个问题可能更加严重。 美股投资网认为，23小时交易真正成熟之前，投资者应该把夜盘价格更多理解成一个重要的价格发现信号，而不是自动把它当成和美东上午10点同等质量的价格。 真正需要观察的不是股票有没有涨，而是： • 夜盘成交量到底有多大 • 买卖价差有没有明显扩大 • 正常交易时间开盘以后是否确认夜盘走势 • 上涨是不是仍然只有少数AI龙头参与 • 10年期美债收益率能不能重新下降 • CTA和波动率控制资金是否开始形成同方向交易 这些数据，比“美股现在是不是牛市”这句话重要得多。 23小时美股真正改变的，不只是交易时间，而是全球资本的流向 站在更长的周期看，华尔街这次做的事情其实非常清楚。 加密货币可以24小时交易。 预测市场可以全天交易。 全球外汇市场几乎可以全天交易。 美国股票市场如果仍然坚持几十年前的交易时间，它迟早会在年轻投资者和海外资金面前失去一部分吸引力。 所以华尔街选择主动改变规则。 清算系统已经先行。 DTCC旗下NSCC从今年6月底开始，已经进入周日晚8点一直运行到周五晚8点的24×5清算模式，为未来23小时股票交易铺好底层基础设施。DTCC 下一步就是把真正的交易所接进来。 如果这个体系成功，美国股票市场未来面对的已经不只是美国养老金、共同基金和散户，而是全球各个时区每天醒着的投资者。 这会进一步强化美国资本市场吸收全球资金的能力。 韩国为什么延长交易？ 其他亚洲交易所为什么开始讨论更长交易时间？ 答案其实都一样。 大家不是突然觉得晚上交易很好玩。 他们是在担心本国投资者晚上打开手机之后，把越来越多的钱送进美国股市。 韩国夜盘上线第一天成交1.8万亿韩元，同时夜盘价格波动控制机制触发次数明显高于正常交易时段，已经同时展示了这个制度的两面：需求确实存在，但流动性质量仍然需要时间培养。 美股投资网结论 12月6日之后，美股一天只休息一个小时，看起来只是交易时间增加了几个小时。 但真正发生的事情远比这个重要。 美国正在把全球最大的股票市场，从一个以纽约时间为中心的市场，逐渐变成一个覆盖亚洲、欧洲和美国三个主要时区的全球资本交易平台。 这会让英伟达、苹果、微软、谷歌、AMD这些全球认知度最高的大型公司获得更多交易机会，也可能进一步强化资金向少数超级资产集中的趋势。 但交易时间增加，并不会自动制造新的流动性。 现在美股夜盘只占整体成交量不到1%，机构参与度很低，成交又高度集中于少数股票。市场真正需要证明的，是23小时以后能不能同时获得足够深度、足够窄的买卖价差和足够稳定的价格发现机制。 更加关键的是，这次制度变化发生在一个非常特殊的时间点： 标普500接近历史新高，但超过40%的成分股已经从高点跌超20%；10年期美债收益率冲到5.34%；AI仍然支撑指数；CTA手里重新出现大量潜在买盘；波动率控制基金却同时积累了超过1000亿美元级别的潜在机械卖盘。 所以，美股投资网认为，投资者接下来真正应该关注的已经不是“美股是不是牛市”这么简单的问题。 真正的问题是： 当全球资金可以一天23小时进入美股，而越来越多的钱又集中到越来越少的AI公司身上时，这个市场到底会变得更加稳定，还是会变得更加极端？ 交易时间越来越长。 但真正稀缺的东西，从来不是时间。 而是关键时刻，市场上到底有没有足够多的人愿意接盘。 与时并进，美股大数据 机构主力卖出多少股 期权异动大单有多少看涨期权成交 华尔街分析师评级变化 该公司内部高层有没有卖出 盘中有没有突发新闻而出现暴涨暴跌 全部实时推送到你手机APP 下载 美股大数据APP $NVDA $SPY $QQQ $GOOG $GOOGL $AMZN $AAPL $META $MSFT $TSLA $AMD $INTC #美股#

我恨AI，一样的配置的电脑，现在比一年前买贵了1倍多，存储内存贵了3倍，固态硬盘贵了2倍多。我用的机器128GB DRAM + 4TB NAND Flash，刚好踩中了 2026 年涨价最严重的两个零部件。 背后真正发生的是“AI 抢走了 PC 的产能” AI GPU → HBM爆发 → DRAM厂把晶圆产能转向HBM和服务器DRAM → 普通DDR5供给减少 → PC内存涨价。 Samsung 最新表示，HBM 对全球 DRAM wafer capacity 的占用预计会从目前约 20%进一步提高到接近30%。而 HBM 与普通 DDR5 本质上会竞争部分相同的 DRAM 制造资源。 这也是为什么有一个看起来很反常的现象： AI GPU 越卖越多，不仅 NVIDIA GPU 贵，连一台根本没有 HBM 的家用电脑，其 DDR5 内存也跟着涨。 这是典型的“产能挤出效应”。 SSD也是同样逻辑。 现在 hyperscaler 不只是买 GPU，还在疯狂购买 enterprise SSD。AI 从 training 向 inference、AI Agent、RAG、vector database 扩散以后，大量实时数据需要被读取、缓存、检索，所以服务器对 NAND 的需求爆炸。 TrendForce 预计，2026 年 enterprise SSD bit demand 同比增长超过 80%，而新增供应大量已经被云厂商提前锁定。 #美股# $MU $SNDK $WDC

AI时代，“敢想多大”比“会做多少”更重要 OpenAI 联合创始人 Greg Brockman 在这场访谈里提到一个很值得琢磨的观点： 当最强的 AI 能力逐渐普及，人与人之间“会不会做”的差距会缩小，真正拉开差距的，会变成你敢解决多大的问题。 这句话放在创业上尤其明显。 AI 已经把很多原本需要十几个人、几十个人完成的工作，压缩到几个人甚至一个人就能启动。 写代码、做产品、分析数据、设计页面、处理客服、生成营销内容，这些环节的门槛都在下降。 这意味着，创业者以后最稀缺的能力，可能不是“多会做”，而是： 能不能发现一个足够大的问题，并且敢把目标定得足够高。 美股投资网认为，这也是 AI 创业最容易被低估的一点。 AI降低的是执行成本，但它同时也会迅速抬高竞争门槛。 当每个人都能更快做出产品时，小功能、小工具、小改进很容易被复制。真正能拉开差距的，反而是那些敢进入复杂行业、重构完整流程、甚至重新定义一个市场的公司。 所以以后看一家 AI 公司，我会多问一个问题： 它只是用AI把一件事做得更快，还是敢用AI去解决一个更大的问题？ 前者可能只是效率工具。后者才有机会长成新的平台。 AI时代，“会做”会越来越普遍。 “敢想多大”，才可能决定一家公司最后能走多远。 $MSFT $NVDA #AI#

AI真的开始替人炒股了！15万人已经把账户交给Agent AI Agent已经开始碰真实账户、真实资金和真实交易。 美股投资网获悉， $HOOD 今年5月开放 Agentic Trading 后，已有超过15万名客户开设相关账户，AI Agent每天调用 Robinhood 工具接近3000万次。 最新推出的 Robinhood Agents 更进一步：用户可以直接在App里让AI研究股票、构建策略，并在自己设定的规则和限制内自动交易。 这个15万人的数字还不算大，但它验证了一件很重要的事： 真的有人愿意把部分投资决策和执行权交给AI。 而且不只有 Robinhood。 Public 已经创建约 2万个AI Agent，这些Agent管理的资产超过 2亿美元；Webull也在推进类似能力，让AI直接连接行情、账户和投资工具，在同一个对话里完成研究、组合分析和交易准备。 对 HOOD 来说，真正值得看的并不是这15万人今天贡献了多少收入。 美股投资网认为，更重要的是三个潜在变化： 交易频率可能提高。 Agent可以全天监控市场、筛选机会、执行既定策略，不需要用户一直盯盘。 用户黏性可能提高。 一旦研究、策略、风控和执行都沉淀在同一个券商账户里，迁移成本也会增加。 券商竞争逻辑可能改变。 以后用户可能只需要说一句： “帮我找AI产业链里估值最低的5家公司，单股仓位不超过5%，跌破条件自动减仓。” 后面的研究、监控和执行，全部交给Agent。 这时候券商拼的就不只是手续费，还有数据质量、交易接口、模型能力和风控体系。 当然，AI会交易不代表AI能稳定赚钱。不同模型的表现差异很大，结果仍高度依赖用户给出的策略和限制。 所以我更关注的不是“AI能不能战胜市场”，而是另一个商业问题： 如果越来越多交易行为由Agent发起，谁会成为AI时代默认的券商入口？ HOOD 已经先拿到了15万个真实账户。这才是这条消息真正值得长期跟踪的地方。 $BULL #AI#

博通炸了！420亿美元借给Anthropic，图什么？ Anthropic 的 IPO 招股书里，藏着一条很值得美股投资者注意的信息： $AVGO 同意向 Anthropic 提供最高420亿美元融资，用于支持其AI基础设施和TPU算力租赁。 美股投资网认为，这笔420亿美元融资最重要的意义，是让 AVGO 有机会把 Anthropic 未来几年的算力需求，提前锁进自己的AI收入体系。 对投资者来说，重点看三件事。 第一，订单能不能因此变得更确定。 Anthropic预计从2027年开始大规模使用下一代TPU。如果融资帮助这些算力项目更快落地，AVGO 的ASIC、网络芯片和相关硬件收入就可能获得更长的可见度。 第二，AVGO 能不能因此拿到更大的AI份额。 $NVDA 的优势是通用GPU生态，AVGO 更强的是给超大客户做定制芯片。Anthropic这种客户一旦把算力架构、融资和长期采购绑定在一起，切换供应商的成本也会明显提高。 第三，风险开始从订单风险延伸到信用风险。 420亿美元规模已经很大。如果Anthropic未来收入增长、算力利用率或者融资能力低于预期，AVGO 面临的就不只是“少卖一些芯片”，还可能涉及融资资产和客户集中度的问题。 所以这条消息真正值得美股投资者关注的是： AVGO 正在尝试把“未来AI需求”，提前变成更确定的长期收入。如果Anthropic未来几年持续高速扩张，这种模式会强化 AVGO 的订单壁垒。 如果AI资本开支降温，供应商融资也会让风险更快回到自己账上。 我后面会重点看两个指标： Anthropic实际算力消化速度，以及 AVGO AI相关收入增长能否跟上融资规模。 #美股#