华尔街见闻 - 资讯 - 最新

SemiAnalysis CEO：基板是“最大瓶颈”

李佳 — Sun, 25 Oct 2026 08:09:30 GMT

AI势头回落并非牛熊分界

中信证券研究裘翔、高玉森等 — Sun, 25 Oct 2026 08:03:35 GMT

AI趋势回落并非熊市开端，非AI可能反而会面临更为有利的环境

1）产业趋势回落≠牛转熊。A股在过往存在比较广泛的“产业趋势回落=牛转熊”的思维，核心是过往的产业趋势（2006~2007年的工业与金融、2009年的地产与基建、2013~2015年的移动互联、2019~2021年的能源转型等）对其他经济部门带来广泛的拉动作用。而本轮AI产业的进展，至少在短期内对其他经济部门产生了不少挤出效应，包括导致了物料和资源价格暴涨、推动了债券市场供需紧张和长债利率大幅飙升、一定程度上挤出就业，财富效应的增长极为失衡，市场分化的程度历史罕见，甚至出现了所谓“硅基世界”和“碳基世界”的对立。这也意味着，过往“产业趋势行情结束=牛转熊”的经验可能并不适用于这轮AI硬件主导的行情，非AI的不少板块早已步入下行趋势，而AI只不过最后“补跌”。

2）AI短期内对其他部门产生了负外部性，若AI势头回落，一些非AI板块反而可能有转机。目前已经显性化的负外部性至少包含三类：第一，电子元器件、电力等基础生活物资的大幅涨价，抬高生产和生活成本，压抑其他领域需求，典型的如消费电子；第二，算力基础设施投建推动私人部门巨额债务融资，推升全球无风险利率，对所有高利率敏感性的需求产生冲击；第三，挤出就业，尤其是对于年轻人就业的影响，比如根据斯坦福与ADP就业数据库今年9月最新数据，自动化型AI使用占比最高职业组的22~25岁就业较2022年11月下降10.9%，最低组同期上升7.8%。这些因素引发了实体经济和市场的剧烈分化，但反过来看，如果AI投资的速度在未来有所放缓，非AI板块可能也不会面临如此负面的宏观环境，比如无风险利率出现大幅回落。事实上，从当前的美债定价来看，10年期美债利率的走向与北美AI硬件股的股价走势高度相关，如果未来出现持续性的回落，至少对海外的非AI部门需求可能产生促进。

估值收缩的进程今年已基本完成，行情宽度有望逐步拓展

1）AI的二阶导修正、非AI的估值收缩，都有望在今年基本完成。AI完成了第一波“二阶导”修正。与2021年底至2022年4月底的新能源行情调整类似，本轮AI同样是在产业景气仍在、增速预期转弱时提前下修估值。从估值收缩的视角出发，本轮AI硬件的估值压缩幅度已与2022年新能源第一轮调整相当。根据Wind数据，7月1日以来，电子与通信板块整体法PE（TTM）从74.0倍压缩至42.4倍，降幅42.8%；2022年新能源第一轮调整（2021年12月17日-2022年4月26日），电力设备及新能源板块市值下PE从51.2倍压缩至27.8倍，降幅45.7%。站在全球对比的视角下，A股非AI板块处于全球估值洼地。我们用中、美、日、韩四个市场的AI与非AI龙头篮子，以整体法测算PE（TTM）并进行跨市场对比。截至10月22日，A股是唯一一个AI相对非AI估值溢价仍高于历史中枢的市场：AI/非AI的PE倍数为4.4倍，处于2016年以来82%的分位，美、日、韩的这一倍数则分别回落至1%、17%、24%的分位。美、日非AI非金融龙头的PE分别为33.5倍和23.0倍，处于98%和95%的分位；A股非AI非金融龙头只有15.6倍，处于历史21%分位，消费、制造、医药龙头分别只处于12%、1%、3%的分位。当然，低估值源于疲弱的内需以及市场对非AI领域外需的潜在担忧（贸易摩擦、海外高利率、高油价等），有其合理性。但换个角度看，这种导致低估值的悲观，很大程度上源于今年的现实与年初市场期待的巨大割裂，投资者难以预料在“十五五”的第一年广义财政赤字会意外转为大幅负增长、市场从美联储降息预期转为加息预期、10年期美债利率创了2007年以来新高、中欧贸易摩擦突然升温、美伊战争爆发且持续快一年。这种落差，是导致不少非AI板块在今年业绩增长亮眼的情况下估值发生剧烈收缩的原因。当下，至少市场已经充分认知到了这些宏观负面因素，无论是海外利率还是国内政策，任何边际上超预期的变化可能都有助于改变当下A股相对于全球市场更为悲观的估值体系。

2）K型分化逐步收敛，行情宽度有望逐步拓展。对于AI侧，商业化空间增长焦虑还将继续约束AI投资单年度的绝对规模体量，同时加深市场对于未来“一阶导”拐点的警惕，AI对于非AI板块的虹吸很难再出现，同时考虑到主流机构资金仍然超配TMT板块，市场反弹过程中的持仓均衡化过程也将制约AI板块的弹性。我们看到，在本周市场止跌企稳的过程中，率先反弹的AI新技术是筹码出清相当彻底且机构持仓比例低的机器人板块，而非算力基建相关的板块。对非AI板块，当下几乎所有的负面因素都已经被市场所认知（即便可能并未完全定价），在经历一轮系统性调整后，低预期本身就是有利的条件。以出海板块为例，中欧贸易摩擦已经摆在台面上，未来每年的规则修订谈判和博弈可能是常态化的，企业最终还是会凭借强大的竞争优势适应；人民币在明年只要升值速度有所放缓，汇兑损失就会同比减少，就会带来净利润率的回升；美国中期选举后民主党如果控制国会，中东战争格局可能会有积极变化，所带来的油价影响可能边际上转弱；AI投资增速放缓，带来海外长端无风险利率回落，对非AI行业的需求抑制作用减弱。由于这些负面因素在今年已经被投资者系统性认知，只要后续有边际上的好转，对非AI板块本身也产生促进。

资金面的出清需要时间，PB-ROE 代表的稳健回报型策略可能更加占优

资金面快速恶化的过程大概率已接近尾声，在本周ETF明显放量的信号下，主动买盘开始谨慎流入市场，融资盘去杠杆的负向循环被阻断。截至10月21日，两市融资余额已回落至2.45万亿元，相对年内高点累计减少5600亿元，降幅18.6%，已回到去年11月下旬的水平，交易层面的降温更为明显，融资买入额占两市成交额的比例（MA5，下同）6月平均为9.86%，7月降至8.99%，9月为8.66%，10月以来进一步降至8.01%，10月16日读数7.84%，为2024年9月以来的最低值，低于“9.24”行情前约9%的水平。活跃私募的仓位同样回到低位，对中信证券渠道调研显示，样本活跃私募仓位8月7日当周以来持续回落，10月16日已降至67.5%，为2024年3月以来最低，较76.3%的历史中位数低8.8个百分点。虽然资金面指标已经回落到较低的位置，但彻底出清并开始持续改善仍然需要时间，这个阶段动量和景气策略会持续弱势，市场轮动速度加快，而以PB-ROE外代表的低估值质量型策略会更占优。目前有两类行业在明年满足这样的框架，一类是具备高股息率和稳健盈利增速的品种，如白电、纺织服装、食品调味、火电等，另一类是带有供给出清潜力逻辑的品种，如油运、快递物流、头部地产开发商、部分锂电材料、石化偏中游的环节等。

本文来源：中信证券研究

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

SemiAnalysis创始人深度解析：AI投资还能撑多久？英伟达护城河还能守住吗？内存荒何时结束？

Sun, 25 Oct 2026 07:11:35 GMT

AI基础设施投资仍有增长空间，但融资成本上升、半导体供应链受限与自研芯片竞争加剧，正在共同考验这轮AI热潮的持续性。

在10月23日于美国举行的CASPA第35届年度大会上，SemiAnalysis创始人兼CEO Dylan Patel、Bernstein董事总经理兼高级分析师 Stacy Rasgon，以及Austin Lyons围绕半导体行业前景展开讨论，重点涉及AI基础设施投资、供应链瓶颈与芯片竞争格局。

Patel指出，当前AI算力需求依然旺盛，但基板、内存等关键环节的产能约束，正在限制基础设施扩张。与此同时，融资成本大幅攀升，缺乏长期客户订单的新兴云服务商越来越难以获得资金，AI投资能否持续推进，不仅取决于需求，也取决于项目的融资能力与回报。

对于英伟达，Rasgon认为，其产品性能提升仍能支撑较高售价，但云厂商自研芯片正在改变竞争格局。随着Google TPU、亚马逊Trainium以及OpenAI等企业的自研芯片计划推进，英伟达即使继续增长，也可能面临市场份额和定价能力的双重压力。

内存市场则面临另一重考验：HBM需求旺盛、行业利润率处于高位，但厂商扩产可能在2028年后逐步改变供需关系。未来两年，融资能力、关键零部件供给与自研芯片的竞争，将成为影响AI基础设施扩张速度和产业链利润分配的关键变量。

华尔街见闻总结要点如下：

AI投资仍有增长空间，但融资成本正成为重要约束。 美国10年期国债收益率突破5%，部分新兴云服务商无担保债券收益率接近15%。缺乏长期客户订单的企业融资难度更大，项目建设节奏将越来越取决于融资能力与投资回报。

半导体供应链瓶颈短期难解，基板与内存是关键制约。 基板、HBM、光学互联组件及洁净室产能均面临供应限制。相比之下，电力短缺可通过现场发电等方式部分缓解，半导体供应链扩产则需要更长时间。

内存短缺可能延续至新增产能释放，2028年后供需格局面临转折。 HBM需求旺盛，内存行业毛利率据称已达88%—90%；但如果新增产能在2028年后集中投产，而需求增速放缓，内存价格与利润率可能承压。

英伟达仍有性能优势，但自研芯片正在挑战其定价权。 英伟达持续通过性能提升支撑高售价，但Google TPU、亚马逊Trainium以及OpenAI等企业的自研芯片布局，为大型客户提供了替代选择。即使英伟达收入继续增长，其市场份额和利润率也未必同步提升。

AI基础设施成本持续上升，投资回报将成为下一阶段焦点。 建设1吉瓦算力数据中心的成本已从2024年的约400亿美元升至600亿美元以上。云厂商加速自研芯片以降低单位算力成本，而企业通过云服务购买Token的模式能否持续扩大，将影响基础设施投资的长期回报。

AI投资还能撑多久？融资成本与供应链成为关键约束

AI基础设施建设的融资门槛正在显著提高。美国10年期国债收益率已突破5%，CoreWeave等新兴云服务商的无担保债券收益率接近15%。Volulta为Anthropic建设集群时发行的债券票面利率为12%，但以面值95%的价格出售，实际收益率约为15%。

Rasgon指出，过去现金流充沛的超大规模云厂商，如Meta和Google，也在AI基础设施建设中大量消耗自由现金流，部分企业未来甚至可能需要通过股权融资支持投资。

Patel进一步指出，非超大规模云厂商承接的建设需求接近全市场的一半，但这类企业通常缺乏足够的资产负债表支撑。若没有超大规模云厂商提供长期采购承诺（offtake agreement），项目就很难获得融资。为此，英伟达已开始通过收入分成等安排支持部分算力集群建设，博通则采用类似分期付款的方式向Anthropic提供芯片。

这意味着，融资能力正成为AI基础设施扩张的重要分水岭。需求旺盛并不保证所有项目都能如期落地；对于资金成本高、依赖外部融资的新兴云服务商而言，长期订单与现金流将直接影响建设速度。

基板、内存比电力更难迅速扩产

在供应链瓶颈方面，Patel将基板列为当前最关键的约束之一。日本相关供应商扩产相对谨慎，限制了加速芯片、CPU等产品的产能提升。

内存则是另一大瓶颈。Rasgon指出，生产同等容量的HBM所需晶圆数量约为DDR5的3—4倍，AI芯片需求增长因此加剧了内存产能竞争。与此同时，光学互联所需的激光器、光纤连接等组件也面临短缺，即使CPO计划在2028年前后加速量产，相关供给仍可能难以满足需求。

晶圆制造设备市场同样受到洁净室产能限制。Rasgon认为，2026年全球晶圆制造设备（WFE）市场规模超过2000亿美元的预测过于乐观。通过提高现有工厂利用率，市场规模或可从年初预期的约1200亿美元提升至约1550亿美元，但新建洁净室要到2027年才陆续投用，更多产能预计在2028—2029年释放。

相比之下，电力短缺有更多应对手段。Patel预计，2027年全球在建数据中心规模接近50吉瓦，其中美国约35吉瓦。现场燃气轮机、往复式发动机和燃料电池等方案，可以在一定程度上缓解电力约束。

因此，AI建设面临的瓶颈并非单纯缺电或缺地，而是多种关键材料和制造环节难以同步扩产。短期内，供应链约束与融资成本可能共同影响项目交付速度。

内存荒何时结束？2028年后的供给释放是关键

当前内存行业的高利润，反映了AI需求与有限产能之间的失衡。Rasgon称，内存行业毛利率已达到88%—90%，但市场并未因此给予相关股票极高估值，原因之一正是投资者担心2028年以后新增供给集中释放，导致价格回落。

HBM的特殊之处在于，其制造需要消耗更多晶圆资源。随着AI加速器需求增长，HBM扩产不仅要增加自身产能，也会影响其他DRAM产品的供给。短期内，产能分配与扩产速度难以迅速跟上需求；但随着新产能陆续投产，供需关系也可能发生逆转。

内存短缺何时结束，关键不在于某个固定日期，而在于新增产能何时开始超过需求增量。 如果扩产集中在2028年以后，而AI需求增速同时放缓，当前的高价格和高利润率就可能难以维持。

投资者需要关注HBM与DRAM扩产进度、先进封装和晶圆制造能力，以及云厂商资本开支的变化。在供给明显增加之前，内存仍可能制约AI算力交付；但在更长周期内，扩产也可能成为压低价格、侵蚀利润的因素。

英伟达护城河还能守住吗？性能优势面临自研芯片挑战

英伟达的核心优势，在于持续提升芯片性能，并通过软件生态和开发工具增强客户黏性。但随着云厂商越来越重视算力成本，其高售价也为自研芯片提供了发展空间。

Rasgon指出，英伟达相对于费城半导体指数的估值已处于历史低位，反映出市场对AI投资持续性及自研芯片竞争的担忧。

从产品迭代看，英伟达仍在通过性能提升支撑定价。从Ampere到Hopper，产品平均售价约翻倍，性能提升约10倍；从Hopper到Blackwell，售价上涨约50%，性能提升幅度据称达到3—30倍。只要性能提升持续超过价格涨幅，客户就有动力为新一代产品支付更高价格。

但竞争对手正在加快追赶。Patel的研究显示，英伟达在相关协处理器晶圆及HBM需求中的份额占比已开始下滑。与此同时，Google TPU已向外部客户销售，亚马逊Trainium持续完善对PyTorch生态的支持，OpenAI和Anthropic也在推进自研芯片计划。

这些布局未必会立即取代英伟达，却能为大型客户提供替代方案，增强其议价能力。对于拥有庞大算力需求的云厂商而言，自研芯片的吸引力不仅在于降低采购成本，也在于减少对单一供应商的依赖。

因此，英伟达面临的关键考验不是能否继续增长，而是能否持续以性能优势证明其价格溢价合理。即使AI市场整体扩大，英伟达的收入、市场份额与利润率也未必同步增长。

企业AI落地：购买Token比自建算力更现实

在企业应用端，三位分析师认为，大多数企业不会自行采购大量硬件运行私有模型，而是通过云服务购买Token，即调用云端AI推理能力，再与自有数据和业务流程结合。这与过去企业IT从自建基础设施转向云计算的趋势相似。

目前，AI辅助编程是较成熟的企业级应用之一。Rasgon分享称，借助Claude，原本需要一周完成的财务模型，仅用约1小时20分钟便完成搭建，涉及10年历史数据、多次业务重组及管理层电话会议内容的逻辑推断。

这类应用的价值首先体现为节省时间、减少重复劳动，而不一定立即反映在营收中。其投资回报仍需通过实际业务验证，但企业通过云端调用模型，也意味着AI基础设施的需求将越来越取决于推理服务的使用量。

如果企业应用持续扩张，云厂商就有动力继续投资算力；但如果建设成本和融资成本上涨得比收入更快，基础设施投资的回报仍会承压。

以下是全文内容：

主持人 Austin Lyons：

先从更宏观的角度来看，先谈需求，再谈供给。需求方面，AI收入增长非常快，但增速已经开始放缓。目前整个AI行业的收入加起来，仍然只是行业总支出的一小部分，因此市场正在极其仔细地审视每一项收入数据。

供给方面，未来数年的算力产能已经被预订一空，价格也依然坚挺。从半导体分析师的角度，我们应该如何理解这两个信号？产业链上的价值最终又会流向谁？

今天，我们请来了两位半导体行业的重要人士：Dylan Patel是SemiAnalysis的创始人兼CEO，该机构是AI基础设施领域最有影响力的研究机构之一；Stacy Rasgon是Bernstein董事总经理兼高级分析师，在华尔街从事半导体分析超过十年。我是今天的主持人Austin Lyons，现任Chief Strat首席分析师，曾任英特尔首席工程师。

今天，我们将讨论半导体行业的未来，展望2027年和2028年，涵盖融资、GPU、CPU以及晶圆代工等领域。

一、AI基础设施投资：融资成本会不会拖慢扩张？

主持人 Austin Lyons：

最近，资本成本成为市场讨论的焦点。超大规模云厂商正在投入巨额资金，自由现金流已经趋于负值。与此同时，美国10年期国债收益率突破5%，CoreWeave等公司的债券市场收益率也接近15%。

我们是否应该对此感到担忧？随着企业持续加大投资、融资成本不断上升，这会对AI基础设施建设产生多大影响？先请Stacy谈谈。

Stacy Rasgon：

目前确实存在很多限制因素，正在放缓AI基础设施建设的速度，包括电力、供应链、半导体制造设备，现在可能还要加上融资。

从股票表现来看，相关公司的股价虽然仍较此前上涨了不少，但已经明显低于高点。市场正在传递一个信号：投资者担心基础设施建设的速度和可持续性存在很大不确定性，也担心行业增长可能正在接近高峰。融资显然是其中一个重要问题，甚至可能是最重要的问题之一。

你刚才提到，超大规模云厂商曾经是人类历史上现金创造能力最强的企业之一，但如今它们正在大量消耗现金，未来可能需要发行股票融资。Meta最近调整了股权结构，其中一个目的就是为这类融资安排提供空间。Google等公司也进行过融资。

以CoreWeave为例，其债券收益率接近15%，需要注意的是，这并不代表公司目前所有债务的实际融资成本，而是其无担保债券在市场上的交易收益率。但如果公司今天重新进入市场发行无担保债券，融资成本很可能就在这个水平附近。这是一笔相当高的成本。

不过，我认为至少未来一两年，行业大体上仍能维持运转。更重要的是，相关收入必须持续增长，才能逐渐缓解市场对融资的担忧。

以算力租赁市场为例，目前的供给极其紧张，我们听到的普遍说法是，没有人能获得足够的算力。部分企业通过短期合同出租算力，按某些估算，每吉瓦算力对应的收入甚至可能达到500亿美元左右。

因此，并不难想象一种情形：即使建设成本很高，相关收入仍足以覆盖成本，甚至超过成本。但问题在于，这种收入水平能持续多久？最终还是要看需求相对于供给究竟有多强，以及供需缺口能够维持多长时间。

这些问题可能需要Dylan从产业供需的角度作出更深入的判断。不过，融资无疑是当前众多限制因素之一。

还有一点值得注意：限制因素放缓了增长，未必完全是坏事。它可能防止行业扩张过度，避免投资失控。

互联网泡沫时期就曾出现过类似情况。当时铺设了大量暗光纤，即已经铺设但尚未投入使用的光纤，许多基础设施最终被过度建设，至今仍有部分没有得到充分利用。

如今的建设约束，反而可能让供需匹配得更加合理，使行业增长持续更长时间。如果今天完全不受限制地疯狂扩张，未来反而可能面临更严重的崩盘风险。

所以，我不认为所有限制因素都是坏事。当然，市场如何看待这些约束是另一回事，而它们显然已经影响了相关股票的短期走势。

Dylan Patel：

我赞同Stacy的观点。回顾过去几十年的基础设施建设，每次行业扩张时，企业往往都会重复下单，甚至下两倍、三倍的订单，最终建成过多的产能。供应链对于需求的预测能力一直不够好。

现在，融资正在发挥一定的自我调节作用。一两年前，只要一家云服务商愿意支付足够高的利率，通常就能拿到资金；但现在，如果没有信用质量足够高的长期采购承诺（offtake agreement），一些新兴云服务商就无法建设算力集群。

超大规模云厂商当然可以将自由现金流压到接近零，也可以继续举债，而且它们的利润仍在增长，因此建设能力还会提高。但它们不可能无限投入。明年，它们不可能把资本开支提高到超过2万亿美元，甚至2.5万亿美元的水平。资金能力终究会限制支出规模。

再看新兴云服务商（Neocloud）。非超大规模云厂商承接的建设需求接近整个市场的一半。如果它们没有超大规模云厂商的采购承诺，又该如何获得融资？

如今，即使获得Anthropic或OpenAI等客户的采购承诺，市场也可能要求相关债务提供13%—15%的收益率。Volulta就是一个例子：该公司正在为Anthropic建设算力集群，债券票面利率约为12%，但发行价格只有面值的95%，因此实际融资收益率接近15%。

如果一家企业没有超大规模云厂商或大型AI实验室的采购承诺，它又如何建设算力，为中小企业和初创公司提供服务？坦率地说，在缺少这些大型客户支持的情况下，融资会非常困难。

这也是埃隆·马斯克采取的策略之一：先建设大量算力，再通过短期租赁合同，以较高价格将算力出租给初创企业和AI实验室。但总体而言，融资约束确实会抑制行业扩张。

英伟达已经意识到这是一个重大问题。市场上有少数几家大型客户，可以在自身资金允许的范围内尽可能多地购买算力；但市场还有另一半需求，如何满足这些客户？

英伟达因此开始采用一些创新的融资结构。例如，在Sharon AI、Fermis等项目中，英伟达通过分享算力集群收入，为项目融资提供支持。其安排大致是：英伟达以一个保证云服务商基本不赚钱的价格租用集群，如果云服务商以更高价格将算力出租给其他客户，英伟达再分享一部分收入。

类似安排正在增多。Lambda为Anthropic建设算力集群时，也需要与英伟达签订收入分成协议，分成比例约为10%。

这说明，新兴云服务商能否获得足够资本、完成建设，最终甚至扩张到供给过剩的程度，都受到融资条件的制约。

我们还看到，行业融资方式正在从长期贷款、长期债务，转向更灵活的安排。博通向Anthropic提供芯片时，就采用了类似租赁转购买的方式，将付款期限延长至数年。

对于无法像超大规模云厂商那样依靠自身资产负债表融资的企业而言，想获得算力，就需要英伟达、博通或AMD等企业为集群提供一定的融资支持或信用保障。

因此，融资是限制AI基础设施扩张的一项重要因素。超大规模云厂商自身也存在规模庞大的表内和表外承诺。例如，Meta在计算和数据中心方面的承诺据称已达到1.4万亿美元。

这些项目可以通过多种方式获得资金：企业可以借款购买数据中心，也可以向其他企业租赁数据中心或相关设备，而提供基础设施的一方再据此融资。但要让整个行业在此基础上继续大幅扩张，难度正在增加。

资本市场甚至开始对Meta的财务安排感到不安。Meta本身的财务状况并不意味着它无法承担这些投资，但如此庞大的承诺规模，已经足以令市场提高警惕。

归根结底，AI基础设施建设有三个相互关联的核心条件：土地、电力和外壳设施（land, power, shell），芯片，以及融资。任何一环受到约束，都可能拖慢整体扩张。

二、2027—2028年，半导体供应链的瓶颈在哪里？

主持人 Austin Lyons：

融资方面的情况已经比较清楚：超大规模云厂商相对有能力承担投资，但新兴云服务商面临更大压力，行业也在尝试新的融资结构。

如果暂时把融资放在一边，回到传统的供应链瓶颈，未来两年究竟哪些环节会限制行业增长？

ASML表示，2028年的产能已经售罄；台积电的需求也始终超过供给，尽管其正在扩大2纳米制程产能。市场还普遍认为电力是一个重要瓶颈。

Dylan，你们最近提到，明年可能有接近50吉瓦的数据中心投入使用。能否按照约束程度，对半导体供应链的各个环节进行排序？

Dylan Patel：

在半导体供应链内部，除内存之外，我认为最大的瓶颈是基板，包括封装基板、PCB材料及其他相关材料。

这些环节过去长期投资不足。日本不少相关材料供应商的经营风格比较保守，不愿大规模扩产，因此未来两年，无论是AI加速器、CPU还是供应链中的其他组件，都会受到明显限制。

在我看来，基板是当前最严重的瓶颈之一，其约束程度甚至超过土地、电力、数据中心外壳设施以及部分半导体制造设备。

第二大瓶颈是内存。

第三类瓶颈是光学互联，包括共封装光学（CPO）和近封装光学（NPO）。相关产业要大幅提高产量并不容易。即使所有企业都希望在2028年采用CPO，或者某一家大型企业希望在那时全面部署，也无法获得足够的激光器、光纤连接组件及其他配套部件。

至于土地、电力和数据中心外壳设施，电力确实是一个重要约束。但我们的研究发现，市场对明年数据中心建设所面临的限制可能估计得过高。

预计明年全球有接近50吉瓦的数据中心处于建设之中，其中美国约有35吉瓦，其余分布在澳大利亚、印度、马来西亚等地区。事实上，全球各地的数据中心都在快速建设。

虽然电力仍然紧张，但企业可以采取多种方式缓解限制，例如在数据中心现场部署燃气轮机、往复式发动机或燃料电池。

因此，尽管电力和数据中心建设条件确实存在约束，但其影响可能低于基板、内存、激光器以及其他光学供应链组件。

电力供应可以通过一些相对直接的办法在较短时间内增加，而半导体供应链涉及的制造工艺和材料体系复杂得多，扩产所需时间也更长。

Stacy Rasgon：

这个判断很有意思。英伟达和博通都给出了相当高的增长指引。黄仁勋曾表示，英伟达收入至少有望增长70%；博通方面给出的增长预期甚至达到100%。但这些指引本身已经受到限制，企业主要考虑的约束似乎是土地、电力和数据中心建设条件。

或许这是因为它们本身就是半导体公司，对芯片能够生产多少比较清楚，因此把注意力更多放在数据中心建设上。

我同意电力和土地方面存在一些解决办法。不过，即使是现场发电，也未必能迅速实现。如今订购一台燃气轮机究竟需要等待多久？马斯克甚至表示，他准备自己制造涡轮机叶片，以绕开供应限制。

内存市场尤其值得关注。内存股目前的估值很低，许多股票的远期市盈率只有两三倍、三四倍，而内存价格却已经大幅上涨。

我并不直接负责内存股研究，但以SanDisk为例，其给出的季度每股收益指引，甚至高于该公司股票约两年前的股价。这说明当前价格上涨的力度非常大。

然而，内存股普遍只有个位数市盈率，因为市场通常会在行业周期接近高峰时这样给股票定价。投资者担心，尤其是进入2028年后，新增供给开始释放，内存价格就会大幅下跌。

我一直在想：如果这种情况没有发生呢？

看看AI机架内部，约70%—80%的硅面积其实是内存，主要是DRAM。高带宽内存（HBM）还有一个特殊问题：生产同等容量的HBM，所需晶圆数量大约是普通DDR5 DRAM的三到四倍。

这意味着，HBM生产会占用大量晶圆资源，挤压原本可用于生产PC、智能手机等产品所需普通内存的产能。

三、内存与制造设备：短缺可能持续到2028年

Stacy Rasgon：

HBM的需求量很大，这也引出了另一个瓶颈：半导体制造设备，也就是用于生产这些芯片的设备。

本周有一家企业发布了对明年晶圆制造设备（WFE）市场的初步展望，预计市场规模将超过2000亿美元。我发现这一预测相当令人惊讶，因为我认为市场规模很难达到更高水平，甚至连这个数字能否实现都值得怀疑。原因很简单：我们没有足够的晶圆厂。

洁净室几乎已经全部被占满。企业一直在尽可能提高现有厂房的利用率，这也是为什么年初市场对WFE规模的估计约为1200亿美元，而今年最终可能达到1550亿美元。增长主要来自更充分地利用现有设施，而不是大规模新增厂房。

但现有设施的利用率终究有上限。企业必须建设新的洁净室，而这需要数年时间。新洁净室将在2027年开始少量投用，并在2028年和2029年进一步增加。到那时，我们才能更清楚地判断供需是否会出现失衡。

如果需求继续保持目前市场预期的增长速度，内存仍可能长期处于供应紧张状态。

基板、PCB及其他材料也存在类似问题。设备供应商纷纷表示，短期供应限制已经影响到它们提升产量的能力。受限的并不只是PCB和半导体芯片，还包括阀门、质量流量控制器等看似普通的组件。这些基础零部件的短缺，也会影响产业链其他环节。

疫情期间，半导体设备企业和供应链上的多数公司已经吸取了一些教训，如今对供应问题的管理比过去更成熟。但当前仍有许多环节受到约束，而且必须先解决这些问题，其他环节的产能限制才有可能得到缓解。

因此，供应链实际上存在一层又一层的限制。我认为，短缺局面短期内不会消失。今年问题不大，但明年可能仍然紧张，2028年大概率也不会宽松。至于2029年，就要看届时的需求情况了。总体而言，我预计供应紧张还会持续一段时间。

四、半导体行业的定价权正在发生变化

主持人 Austin Lyons：

如果未来几年供给持续紧张，而内存行业的利润率已经达到80%以上，甚至88%—90%，那么整个产业链上的企业是否都会继续提高价格、获取更高利润？

Stacy Rasgon：

半导体行业有一个很有意思的特点：过去，人们几乎把价格持续下降视为理所当然。事实上，半导体行业历史上曾是一个严重损毁经济价值的行业，长期无法覆盖资本成本，创造的价值大多流向消费者。

很多年前，我在麦肯锡工作时曾参与一项关于半导体行业价值创造的研究。我们采用经典的经济利润定义，将企业的投入资本回报率与加权平均资本成本进行比较，并对整个行业进行汇总。研究覆盖了大约150家公司、12个细分领域以及一个完整的行业周期。

研究的初始时间范围大约是1996年至2004年。结果显示，整个行业累计损毁了约50亿美元的经济利润。如果剔除英特尔，损毁规模则达到约500亿美元。在当时，这是一个相当惊人的数字。

换句话说，行业创造的价值并不足以覆盖资本成本，经济价值实际上流向了消费者。那是购买半导体产品非常划算的时代。

2008年之后，行业经历了整合与集中，企业开始逐步改善盈利能力，至少慢慢能够覆盖资本成本。

疫情则改变了行业对自身定价能力的认识。企业发现，自己其实拥有很强的定价权。此前，行业并没有真正意识到这一点。

疫情期间，原材料等投入成本不断上升，但我跟踪的许多公司没有一家因为成本上涨而出现毛利率下降。它们都提高了价格，而且提价幅度足以抵消成本上涨。

例如，一家企业原本的毛利率为60%，如果成本上涨100个单位，它可以将价格提高160个单位，从而维持原有毛利率。客户也接受了这些涨价。

我认为，疫情期间的通胀反而帮助半导体行业改善了盈利能力。2023年和2024年，行业出货量与2019年相比大体持平，但整体平均售价（ASP）却高出约50%，即使剔除内存也是如此。

如今，这种定价能力表现得更加明显。预计今年半导体行业总收入将达到约1.5万亿美元，甚至可能更高，同比增幅接近100%。其中，约70%—80%的收入增量来自内存平均售价上涨，其余相当一部分也来自非内存产品的价格提升。

相比之下，出货量的增长幅度要小得多。行业正在更充分地发挥定价权，而客户总体上接受了这些价格，因为在供给紧张的情况下，他们往往没有太多选择。

因此，只要供给继续紧张，我认为这种情况就可能延续。

Dylan Patel：

半导体行业里，不同企业运用定价权的方式并不相同。有些企业在景气时大幅提价，但在行业低迷时又遭受严重打击；另一些企业则能够在整个周期中相对稳定地维持利润率。

以台积电为例，过去十年，其毛利率从约45%稳步提高到约60%。景气时它确实能够提高价格，但在行业低迷时，也没有大幅让出此前获得的利润。

内存行业则不同。就在大约两年前，行业还处于互联网泡沫以来最糟糕的下行周期之一，毛利率甚至为负。如今，内存厂商的盈利却大幅改善。

因此，产业链不同环节的定价权，取决于各自的市场结构。台积电拥有接近垄断的地位，而且与客户维持长期合作关系，即使有能力提价，也没有像部分其他企业那样大幅提高价格。

内存厂商的情况则有所不同。假如苹果等客户在行业下行时对供应商施加很大压力，那么当周期反转、供不应求时，供应商也会提高价格。当前我们看到的，正是这种周期性议价能力的变化。

五、算力建设成本飙升，谁来承担高昂的成本？

Dylan Patel：

2024年，建设1吉瓦算力的总成本约为400亿美元，涵盖芯片、土地、电力和数据中心设施等各个环节。如今，这一成本已经超过600亿美元。

当然，2024年真正建设1吉瓦算力的企业并不多，而到2026年，越来越多企业开始建设如此大规模的算力设施。与此同时，每吉瓦算力能够提供的计算能力也在提高。

但问题是，这样一个吉瓦规模的算力集群，盈利能力可能非常可观。

此前我提到，云服务商往往必须获得超大规模云厂商的长期采购承诺，才能为集群融资。这意味着它们需要提前锁定价格，而这也限制了它们获取超额利润的空间。

马斯克采取了另一种策略：如果芯片、土地、电力和数据中心设施都受到限制，那么他可以先把基础设施建好，等到真正投入使用后再签订租赁合同。这样一来，当算力供给非常紧张时，他就有机会以更高的价格出租，而不必提前锁定较低的价格。

与此同时，AI实验室本身也能从推理服务中获得巨额收入。根据相关披露，Anthropic每吉瓦推理算力对应的收入规模可能达到700亿—800亿美元。

但这些收入并不意味着利润率可以一直维持在高位。如果一家企业以每吉瓦150亿美元的成本获得算力，利润率可能达到75%—80%；如果成本上升到500亿美元，利润率就会大幅下降。

因此，究竟由谁承担这些成本，仍然是一个问题。

英伟达也必须面对这种压力。尽管其利润率总体保持稳定，甚至略有下降，但它不得不吸收内存涨价以及基板、光学组件等其他供应链环节的部分成本。

结果就是，英伟达向客户收取的价格大幅上涨，但自身利润率并没有同比例上升。

这使得产业链上的利润分配变得格外重要：谁能保住利润率，谁能进一步扩大利润，谁又不得不承担成本上涨带来的压力？这些问题正在实时改变行业的定价格局。

未来，客户可能以不同价格签订类似的合同。销售能力强、能够抓住供需紧张机会的企业，可能获得非常高的价格。

主持人 Austin Lyons：

这与Stacy刚才谈到的疫情期间的变化很相似：半导体行业逐渐意识到，自己可以为所创造的价值收费。

Dylan，你也提到，像英伟达这样的系统供应商必须决定，当各种组件的价格都在上涨时，是将成本转嫁给客户，还是自己承担成本、维持利润率。

问题在于，未来几年基础设施建设显然还会继续，供给有限、需求旺盛，但融资却越来越困难。那么，Meta等大型云厂商和模型公司会不会有一天认为，算力已经贵到难以承受，进而开始抵制继续涨价？

Stacy Rasgon：

评估这些投资时，不能只看成本和利润率，还要看企业花钱之后获得了什么。

以英伟达为例，每一代产品的售价都在上涨，但客户获得的性能提升幅度往往更大。这一点非常重要。

从安培到霍珀，GPU平均售价大约翻倍，但性能提升了约10倍。从霍珀到黑韦尔，情况更难直接比较，因为两代架构存在较大差异，不过可以粗略估计，单颗GPU的平均售价上涨约50%，性能则提升了3—30倍，考虑后续的软件优化，实际提升可能更大。

再从黑韦尔到鲁宾，机架成本可能再次大幅上涨。按照英伟达给出的参考数据，黑韦尔机架成本约为250亿美元，鲁宾约为400亿美元，但性能提升约10倍。

因此，关键不在于每吉瓦算力的建设成本从250亿美元升到400亿美元，或者从400亿美元升到600亿美元，而在于客户每花一美元，究竟能获得多少Token和计算能力。

只要每单位成本所能获得的性能持续提升，这种投资就仍然具有吸引力。

但如果英伟达未来推出的新一代产品，性能提升幅度只有20%，我就会开始非常担心其定价能力和利润率。

英伟达的毛利率超过70%，而且建立在庞大的收入规模之上。市场一直在问：面对竞争对手和其他GPU供应商，它如何继续维持如此高的利润率？

我的看法是，只要英伟达能够持续让性能提升幅度显著超过平均售价涨幅，就不必过度担心利润率。因为随着产品复杂度上升、成本增加，售价也必须提高；关键是性能与成本之间的关系，必须始终对客户有利。

如果创新速度放缓，我就会非常担心。

我记得2023年前后参加过Hot Chips会议。当时英伟达首席科学家Bill Dally发表了主题演讲，其中一个观点让我印象很深：过去十年，GPU性能提高了约1000倍。英伟达通过多种不同的技术手段实现了这一进步，而Dally表示，未来十年的目标是再将性能提高100万倍。

如果英伟达能够沿着这一轨迹继续前进，我就不会那么担心其利润率。但如果它无法保持创新速度，或者其他竞争者迅速追上，情况就会完全不同。

最终，这些成本总得有人承担。理想情况下，客户愿意为自己获得的价值付费。但如果成本以不可持续的速度上涨，供应商就必须开始承担其中一部分，产业链各环节之间的利润争夺也会变得更加激烈。

六、自研芯片崛起：英伟达的竞争优势还能维持多久？

主持人 Austin Lyons：

Dylan，越来越多企业开始设计自己的芯片。OpenAI的案例尤其值得关注。未来两年，我们应该如何看待GPU的发展，以及各类XPU和AI加速器的快速增长？不少初创企业正在尝试不同的芯片架构，这会怎样改变竞争格局？

Dylan Patel：

越来越多企业尝试自研芯片，这已经是明确的趋势。OpenAI展示了一个重要事实：一家企业即使是第一次设计芯片，也有可能做出性能非常出色的产品。

OpenAI曾邀请我们进入实验室。我们使用SemiAnalysis的开源推理基准测试InferenceX，对多种开源模型进行了测试，结果显示，其第一代芯片的性能超过了英伟达的Blackwell。

这款芯片在设计和编程过程中大量使用了AI工具。Anthropic也开始推进自己的芯片项目，而且希望以OpenAI一半的时间完成开发。这些目标相当激进，但如果模型能够显著加快设计过程，就并非完全没有可能。

与此同时，Google已经开始对外销售TPU，亚马逊的Trainium也变得相当成熟，并且能够很好地支持PyTorch。Meta和微软同样有非常积极的芯片路线图。

这背后有很强的经济动机。我们前面提到，建设1吉瓦算力的成本已经从400亿美元升至600亿美元以上。如果能够剔除英伟达、博通、迈威尔等芯片设计企业的利润，同等规模算力的成本可能只有200亿美元左右。

换句话说，如果能够显著降低芯片设计环节的利润成本，理论上，一吉瓦算力所节省的资金就可能支持建设更多算力。对那些需要大量运行推理任务的企业而言，这种经济效益非常明显。

因此，英伟达必须保持极快的创新速度。它不能只做到每年每美元性能提升两倍，否则其他竞争者就可能迅速追上。

如果英伟达能够持续保持这种性能提升速度，它当然有理由继续获得高利润。但如果大型客户能够自行设计芯片、部署芯片，并扩大生产规模，同时以接近供应链成本的价格获取内存、台积电晶圆、基板和光学组件，那么它们就有很大的降价空间。

如果产业链进一步拆分，英伟达或博通不再掌握过去那样的主导地位，情况可能会发生很大变化。这也是市场担心两家公司估值倍数处于历史低位的原因之一。

例如，Meta是否会减少对博通的依赖？Google是否也会这样做？这些大型客户是否最终会停止采购英伟达芯片，完全转向内部设计？

目前，组件供应商本身也可能获得很强的定价权。真正的问题是，英伟达和博通能否继续维持目前惊人的利润率。至少未来两年，我认为它们仍有机会做到这一点，但两年之后就很难说了。

芯片设计本身依然非常复杂，不过，AI模型正在显著降低软件开发和加速器编程的难度。

以我们的InferenceX基准测试为例，让英伟达推理系统正常运行花了大约六个月；AMD花了六至九个月；Google和亚马逊都只用了几个月；而OpenAI的芯片只花了约一个半月。

从芯片能够正常工作，到软件能够在芯片上运行，这一过程正在迅速缩短。现在，各家企业开始把注意力转向芯片设计本身。

芯片设计会不会像软件开发一样，逐渐成为更普及、更标准化的能力？如果答案是肯定的，能够设计芯片的企业数量就可能大幅增加。

当然，芯片设计仍然需要支付掩模、电子设计自动化（EDA）工具等固定成本，单是这些投入就可能达到5000万美元。但如果AI持续降低设计和编程门槛，参与芯片设计的企业仍可能越来越多。

一旦芯片设计变得更加普及，行业利润率就可能下降。我们已经看到，部分软件即服务（SaaS）公司遭遇了市场重估；与此同时，英伟达和博通的盈利仍在以每年两倍以上的速度增长，但股价表现却相对停滞。

这正是半导体行业未来最值得关注的问题之一。

七、XPU初创公司能否挑战GPU？英伟达的市场份额正在变化

主持人 Austin Lyons：

那么，未来两年GPU和XPU市场会怎样发展？越来越多AI加速器初创企业正在尝试不同的架构，竞争格局是否会出现明显变化？

Dylan Patel：

对于XPU企业，我认为有两条不同的路径。

如果你是一家超大规模云厂商，就可以采取相对稳健的设计路线，做出类似Google或英伟达的产品，并依靠自身规模推动应用。

但如果你是一家初创公司，就必须尝试非常激进、与现有方案明显不同的技术路线。回顾第一代AI硬件初创企业，Cerebras和Groq之所以相对成功，一个重要原因就是它们采取了更大胆的技术路径。

对于现在涌现的这些初创企业，我认为只有那些技术方案足够独特、无法被英伟达、Google或AMD轻易复制的公司，才真正有机会脱颖而出。

好的一面是，目前有大量资金流入这一领域，各种激进的架构和设计思路都在接受检验。

与此同时，英伟达在产业链中的份额已经开始变化。2023年至2024年，英伟达占据了相当高比例的HBM和先进封装产能；到了2025年，这种增长开始放缓，2026年其份额进一步下降。按照我们的判断，明年这一趋势还可能延续。

但这并不意味着英伟达的利润会立即下降。整个市场增长得太快，即使份额下降，英伟达明年的盈利仍可能翻倍。

Google、亚马逊和AMD都在获取份额。这里不能只看芯片数量，因为不同芯片的尺寸和价值差别很大。更有意义的指标包括先进封装晶圆、HBM的使用量，以及晶圆代工和内存方面的支出。

这些指标都表明，竞争者正在逐步扩大自己的市场份额。

展望2028年和2029年，英伟达的增长速度可能会放缓，未必还能维持每年收入增长100%的水平。届时，市场需要判断：增长放缓是否会进一步导致其份额下降，还是英伟达能够通过鲁宾之后的新一代架构继续保持领先？

英伟达必须持续加快创新步伐。它采用一年一代芯片的更新节奏，不仅是为了自身发展，也是为了让竞争对手难以追赶。

英伟达的护城河也不只是硬件。CUDA软件、庞大的开发者生态、已经部署的基础设施，以及自身的资产负债表和融资能力，都构成了竞争优势。

英伟达还在利用AI加速自身的芯片设计。它并不是没有意识到竞争压力，也并非没有采用新技术。归根结底，这是一场竞赛。

黄仁勋显然对竞争保持高度警惕。他吸取了英特尔历史上的一些教训，始终关注竞争者的动向。

Stacy Rasgon：

这也解释了为什么英伟达的估值会处于如此低的水平。

大约九至十个月前，我曾写过一份研究报告，比较英伟达与整个半导体行业的相对估值。当时，过去十年里，英伟达的相对估值只有13个交易日比那时更低。

而现在，它的相对估值甚至比当时还要低。

投资者担忧的不只是AI需求能否持续。假如整个AI需求都不复存在，那么无论是英伟达还是其他公司，都会受到严重影响。

但在半导体行业内部，英伟达最大的威胁显然来自竞争。它目前领先同行很远，但所有竞争者都想抢占它的市场。

这也是半导体行业一贯的特点：只要一家公司取得成功，就会不断有人试图挑战它。英伟达必须确保自己始终领先，而随着行业发展，这件事只会越来越难。

八、企业AI应用：未来更多企业会自己买芯片，还是直接购买Token？

主持人 Austin Lyons：

前面谈到GPU、XPU，以及竞争者不断扩大市场份额。我们的讨论主要集中在数据中心和超大规模云厂商。

那么，对于英伟达这样的公司，企业本地部署算力是否也是一个重要的增长机会？

Stacy Rasgon：

英伟达现在会区分来自超大规模云厂商和非超大规模云厂商的收入，但这种划分并不完全准确。部分AI实验室可能被归入非超大规模云厂商，而超大规模云厂商的支出也可能间接支持这些实验室，因此两者之间存在交叉。

粗略来看，两类客户目前大约各占一半。AI实验室直接或间接贡献的收入，可能约占英伟达总收入的20%。这仍然是一个相当大的比例。

因此，英伟达的收入来源可能比我们此前想象的更加多元化。

但归根结底，企业采用AI是这个行业能否持续发展的关键。如果企业没有真正使用AI，整个产业的长期增长就缺乏支撑。

目前仍处于早期阶段，不过，我认为企业端至少已经出现了一项具有明确价值的核心应用：编程。

AI编程智能体的收入正在快速增长。如今，几乎所有软件开发者都在使用AI辅助编程，很少有人还完全依靠手工编写代码。

企业应用的价值也不一定直接体现为收入增长，还可能体现为生产力提升，而后者更难衡量。

我自己就是一名金融分析师，需要建立财务模型。几个月前，我们团队尝试用Claude来完成这类工作。最初的结果并不理想，但后来一位同事认为工具已经有了明显进步。

于是，我们安排了一次团队会议，让它从零开始为一家我们已经覆盖的公司建立财务模型。

结果令人惊讶：它只花了一个小时二十分钟，就完成了一份模型。模型覆盖了十年的历史数据，处理了公司多次业务重组和分部调整，还根据CEO在财报电话会议上的发言，尝试运用逻辑推断进行预测，而不是简单地随机生成数字。

这项工作，如果交给团队中的一名分析师，可能需要一周；如果由我亲自完成，可能需要三个月。但Claude只花了一个小时二十分钟。

这意味着，同样的团队可以完成更多工作，甚至用更少的人力完成更多任务。

当然，这也带来其他问题。如果AI在企业中广泛普及，是否可能导致失业率大幅上升？我并不知道答案，但这确实是值得考虑的问题。

就目前的实际体验而言，我越来越相信，AI应用能够带来真实回报。不过，这仍然是一个早期市场。很多企业还处于试验阶段，尚不清楚应该如何使用AI，也缺乏足够的专业知识来判断具体需求，因此普及需要时间。

总体而言，我对目前看到的情况持积极态度。

Dylan Patel：

我想补充一点：对于企业AI应用，我不认为大多数企业会大量采购硬件、在内部运行自己的模型。

模型推理存在明显的规模经济效应。对大多数企业来说，更合理的方式是直接购买Token，也就是调用云端模型的推理服务，再将这些能力与自己的数据结合起来。

我认为，这才是未来大多数企业消费AI的主要方式。

这与过去二十年的企业IT发展非常相似。二十年前，企业通常自行购买基础设施并部署系统；如今，大部分IT支出已经转向云计算。未来，企业在AI上的大部分支出，也可能用于购买Token，而不是自己购买算力、运行开源模型。

即使是制药公司和对冲基金，也可能主要为直接使用模型付费，而不是自行购买硬件运行开源模型。当然，市场上仍然会存在一些专门采购算力、部署模型并向客户提供服务的供应商。

这场讨论还有很多值得深入探讨的内容，不过我们已经超时了。今天的交流非常有意思，也感谢大家的参与。

风险提示及免责条款

两周前“精准喊顶”的德银：科技股距离“长期趋势底部”还要“跌5%”

Sun, 25 Oct 2026 06:25:19 GMT

德意志银行两周前下调美股科技及大盘成长股评级后，科技股与其他成分股的表现迅速拉开差距。如今，该行指出，调整可能仍未结束：科技股相对标普500其余成分股的表现，距离长期趋势通道底部仍有约5个百分点的空间。

据华尔街见闻此前文章，10月9日，德银多资产策略团队将美股科技及大盘成长股（MCG & Tech）评级从“超配”下调至“中性”，认为板块风险回报已严重失衡。此后两周，科技股下跌约7%，标普500其余成分股上涨约5%，两者表现相差12个百分点。

尽管科技股已明显回调，德银追踪的机构仓位指标仍显示，板块配置尚未降至极端低位。与此同时，过去两周约300亿美元资金流入科技基金，部分投资者仍在逢低买入，但最新交易日已出现资金净流出。

德银认为，若没有关税冲击或地缘冲突等重大外部事件，本轮调整更可能体现为板块轮动，而非美股系统性下跌。科技股距离趋势通道底部还有多远、财报能否支撑盈利预期，以及资金是否继续撤离，将决定这轮调整的下一步走向。

科技股距离长期趋势通道底部仍有约5个百分点

根据德银追踪，科技股相对标普500其余成分股的表现已进入长期趋势通道下半段，但距离通道底部仍有约5个百分点的空间。历史上，这一位置曾多次成为科技股相对表现反转的起点。

过去五轮板块轮动中，有两轮科技股曾短暂跌破通道下轨，分别发生在关税冲击和美伊冲突爆发期间。德银认为，若本轮没有类似量级的外部冲击，科技股相对表现更可能在通道底部附近企稳，而非演变为系统性下跌。

不过，历史走势并不能保证本轮调整止步于这一位置。若外部风险升级，科技股仍可能跌破通道下轨。

科技股仓位快速降温，300亿美元抄底资金开始承压

德银数据显示，科技股机构仓位已从10月初接近历史高位的第85百分位，降至当前的第33百分位，接近美伊冲突期间的低点。

整体股票仓位回落至第41百分位，主动型投资者仓位降至第18百分位，为一个多月来最低水平；系统性策略仓位仍处于第79百分位。小盘股配置则更为谨慎，仓位跌至第12百分位，为2023年4月以来最大的低配幅度。

与此同时，过去两周科技基金净流入约300亿美元，其中约120亿美元流入杠杆ETF。但本周四科技股再度下跌时，当日资金已转为净流出约15亿美元。

这意味着，逢低买入仍是近期资金流向的重要特征，但投资者信心并不稳固。若流出持续，可能延长调整周期；若市场情绪回暖，资金回流也可能加速反弹。

财报季将检验预期落差，盈利表现或成反转关键

德银认为，财报表现将成为判断科技股能否企稳的重要依据。历史上，科技股曾两次在触及长期趋势通道底部附近后反弹，分别发生在去年7月底和今年4月，均伴随财报季期间的强劲业绩。

当前市场的主要担忧集中在中长期盈利增长，而非近期业绩。德银估算，当前科技股仓位所隐含的盈利增速预期约为10%，明显低于市场对第三季度约65%同比盈利增长的预测。

若企业业绩兑现预期，科技股可能获得修复空间；但若财报未能打消市场对长期增长的疑虑，短期业绩强劲也未必足以扭转走势。下周的美联储议息会议及随后到来的美国中期选举，也可能影响市场风险偏好与资金配置。

欧洲及非科技板块或受益，德银维持美股目标价

科技股配置降温，为其他板块腾出了空间。德银数据显示，金融股仓位处于第20百分位，材料股为第25百分位，消费必需品为第15百分位，工业周期股为第27百分位，均处于相对低位；能源板块则是例外，仓位达到第81百分位。

地区配置方面，欧洲市场科技股占比约9%，远低于美国市场的约40%，因此在科技股相对走弱时，欧洲市场可能具备相对优势。

德银仍维持标普500指数2026年目标价8000点，对应2026年每股盈利358美元、2027年每股盈利420美元的预期。该行强调，此次评级下调针对短期风险回报，并未改变对科技股长期增长逻辑的判断。过去十年，科技股相对标普500其余成分股的年化超额收益约为14个百分点，更强劲的盈利增长仍是其长期跑赢的主要支撑。

总体而言，德银的判断并非科技股长期趋势已经逆转，而是短期相对表现仍有调整空间。财报兑现程度、资金流向及外部冲击，将决定这轮板块轮动能否在趋势通道底部附近企稳。

风险提示及免责条款

售电公司持续亏损：批零倒挂的售电困局，20亿的净亏损，27年长协电价还要上涨？

Sun, 25 Oct 2026 06:24:01 GMT

广西9家央企售电公司联名上书：1—8月累计亏损超 20 亿元，全年或破50亿元，头部单家亏损达其注册资本的5倍。

广东的情况同样尖锐：2026年上半年298家售电公司亏损、亏损面59.6%，全行业度电获利仅0.39分，较上年同期的1.70分下降约 77%。售电亏损或将倒逼报价理性化，进而推动2027年度长协电价上行。2027年是电价的"分水岭年"：发电侧电量电价温和上行，售电侧价差被制度化收窄，火电的核心变量从"卖电量"切换到"卖容量与调节"。

马斯克：未来手机没有App、没有操作系统，你想要什么AI就生成什么

朱雪莹 — Sun, 25 Oct 2026 06:23:42 GMT

马斯克预测，未来5至6年，智能手机可能迎来彻底变革：传统操作系统和App将逐渐消失，手机将变成一个专门运行AI的终端。

届时，用户不再需要下载应用、打开软件，而是直接告诉AI自己想要什么，由手机端AI与云端AI协作，实时生成视频、画面和各种交互内容。

高盛警告：美联储12月加不加息，市场可能都没准备好

Sun, 25 Oct 2026 05:37:40 GMT

美债收益率从高位快速回落，AI投资热潮与能源价格冲击这两股曾共同推高利率的力量，正在出现分化。高盛警告，市场对美联储政策路径的判断面临更大不确定性，12月加息与否都可能引发新的风险重估。

周四，10年期美债收益率单日下跌17个基点，创2023年3月以来最大单日跌幅，并重新跌破5%。高盛固定收益、货币与大宗商品部门策略师Cosimo Codacci-Pisanelli在最新报告中指出，推动收益率回落的，恰恰是此前助推利率上行的AI交易。

随着AI股票遭遇抛售，资金重新流向长久期美债，股债相关性随之逆转，债券再次成为股票投资者对冲风险的工具。但这并不意味着利率上行风险已经解除：AI资本开支与债务融资带来的美债供给压力仍然存在，能源价格与通胀走势也让美联储的下一步行动更难预测。

高盛仍将12月加息视为基准情景，但认为市场难以轻易重新计入完整的25个基点加息。与此同时，AI增长前景、能源冲击和债券供需之间的相互作用正在变化，市场既要防范增长预期恶化，也不能忽视通胀持续高企带来的紧缩风险。

AI交易逆转，美债重新获得避险买盘

Codacci-Pisanelli将近期美债收益率下行归结为三方面因素：高利率开始压制AI相关资产；AI驱动增长大幅放缓的尾部风险有所上升；股债相关性发生变化，长久期美债重新发挥对冲股票风险的作用。

这一变化与本月早些时候美国通胀数据偏热、股债同步下跌的局面形成对比。野村证券策略师Charlie McElligott此前也指出，随着市场重新评估AI驱动的增长前景，债券再次成为投资组合的对冲工具。

与此同时，AI相关信用利差已扩大至年内最宽水平，融资风险受到更多关注。此前，高盛曾警告，信贷市场可能维持平静，直到AI资本开支推动的债务融资浪潮重新启动。如今，AI股票回调与信用利差走阔，正在考验这套依赖持续融资和资本开支扩张的增长模式。

不过，高盛提醒，短期资金流向变化不足以扭转美债市场的结构性供需压力。预计2027年AI资本开支将达到约1.6万亿美元，债务融资占比也在上升。只要AI投资前景没有实质性崩塌，相关融资需求就仍可能转化为债券供给压力。AI股票资金流出可以暂时支撑美债，但持续买盘仍需要更广泛的股市下跌或增长预期进一步恶化。

12月加息仍是高盛基准情景，市场定价却不容易跟上

美联储10月会议召开前，尽管通胀数据偏热，市场对本月加息的预期已大幅降温。高盛策略师Codacci-Pisanelli指出，通胀表现为加息提供了依据，但美联储主席沃什此前拒绝对后续利率决策作出明确指引，市场则逐渐倾向于美联储将在10月暂缓加息，将政策调整留到12月。

高盛仍将12月加息视为基准情景，但认为市场很难重新完全计入一次25个基点的加息。随着股市波动加剧，投资者需要权衡加息对风险资产的进一步冲击，以及经济和金融条件可能随之恶化的风险。

截至10月23日，高盛数据显示，市场对12月加息的定价约为90%，对截至2027年9月累计加息的定价约为2.7次。尽管加息已在相当程度上反映在价格中，未来政策路径仍存在较大不确定性。高盛的判断是，美联储接下来怎么走，依然极难预测。

这也意味着，美债收益率回落不等于利率已经见顶。如果AI投资放缓拖累增长预期，美债可能继续受益于避险需求；但若能源价格居高不下、通胀迟迟不降，政策利率与债券供给仍可能推高收益率。

风险提示及免责条款

美银Hartnett：“战术避险”至11月中旬，短期判断取决于“三大条件”

Sun, 25 Oct 2026 05:11:00 GMT

全球资金正加速涌入股票和科技板块，但美银策略师Michael Hartnett建议，11月中旬前，投资者仍应保持战术性谨慎。他认为，市场需要消化美国中期选举、法国债市动荡以及AI融资风险三重不确定性，短期内美股、美元可能承压，30年期美债收益率则有望向5%回落。

美银最新一期《Flow Show》报告显示，本周全球股票基金吸金556亿美元，科技基金流入188亿美元，创7月以来新高。不过，美银牛熊指标从7.4降至7.2，消费品和公用事业基金分别遭遇21亿美元和16亿美元资金流出，均创历史第二大单周流出规模。资金仍在追逐科技股，但市场内部的分化正在加大。

美银策略团队将继续维持“债券收益率向下、股票向下、美元向下”的战术判断，预计美元指数跌破100，30年期美债收益率向5%靠拢。这一判断能否兑现，关键在于三项风险能否得到市场消化。

三大条件决定短期市场走向

第一，美国中期选举的政策风险需要充分定价。 美银关注民主党横扫国会的可能性。若这一情景实现，市场可能重新评估低税率、低监管政策环境能否延续，以及特朗普政府在AI战略竞争中的主导力。随着选举临近，相关预期可能成为影响美股和美元走势的重要变量。

第二，欧洲需要遏制法国国债抛售压力。 美银报告指出，法德10年期国债利差已升至180个基点，接近2011年11月189个基点的高位。欧洲央行与法国政府能否稳定债市，将影响欧洲主权债务风险的演变，并可能进一步冲击全球债券市场。

第三，AI资本支出与融资风险需要出现拐点。 美银警告，若大型云计算企业削减AI资本支出，或宣布大规模股票增发，相关企业的信用利差可能见顶。报告将超大规模云计算企业债券利差突破200个基点列为重要下行风险，目前这一利差约为130个基点。若融资成本继续上升，可能引发投资者去杠杆，并将压力传导至影子银行及更广泛的信用市场。

短期风险并非单向。若美国宣布俄乌及伊朗和平协议，油价可能下跌10至20美元/桶，缓解通胀和利率压力；反之，若云计算企业信用利差快速扩大，AI投资热潮就可能从估值问题演变为融资问题。

2027年三种情景：AI泡沫、普涨行情与通缩衰退

展望2027年，美银列出三种可能的市场情景：AI泡沫继续膨胀、经济温和增长推动市场普涨，以及信用收紧引发通缩式下行。

在乐观情景下，AI产业可能延续类似19世纪铁路革命的扩张轨迹，政府政策支持和投资者逢低买入的习惯也将为行情提供支撑。另一种情景是经济实现“金发女孩式”增长，即经济保持扩张、通胀压力缓和。市场普遍预期美债收益率下降40个基点、标普500指数每股收益增长15%；若这一情景兑现，市盈率约为15倍的小盘股和中盘股，以及市盈率低于20倍的标普500非AI成分股，可能迎来估值修复。

但美银认为，市场对前两种情景的信心可能过高。其10月基金经理调查显示，50%的受访者预计经济“不着陆”，40%预计“软着陆”，只有6%预计“硬着陆”，反映投资者对衰退风险的防范相对不足。

在悲观情景下，AI投资回报不及预期、融资条件收紧可能迫使企业削减资本支出。美银指出，超大规模云计算企业2027年资本支出预测高达1.2万亿美元，一旦融资环境恶化，相关企业的投资计划和科技股盈利预期都可能受到冲击。目前市场对2027年美国名义GDP增长4.7%、全球科技板块每股收益增长43%的预测，也面临下修风险。

资金仍在流入，市场内部却出现分化

本周全球股票基金净流入556亿美元，其中ETF流入673亿美元，共同基金流出117亿美元；债券基金连续第78周获得净流入，规模为121亿美元；贵金属基金连续第16周净流入，规模为26亿美元。加密货币基金仅流入2亿美元。

板块方面，科技基金流入188亿美元，为7月以来最大单周流入；能源基金流入11亿美元，为4月以来最高。与之形成对比的是，美国小盘股基金流出75亿美元，消费品与公用事业基金也出现大额赎回，显示资金并未普遍看好所有股票板块。

美银牛熊指标从7.4回落至7.2，反映市场情绪已从夏季的极度乐观水平降温。全球股票市场广度走弱、对冲基金增加油价和标普500期货空头仓位，以及垃圾债利差扩大，均对指标构成拖累。

与此同时，全球股票指数中净30%处于低于50日和200日移动均线的状态，距离触发美银逆向买入信号所需的净88%仍有明显差距。这意味着，尽管部分资产的风险收益比可能改善，市场尚未达到典型的极端超卖水平。

总体而言，Hartnett的短期判断并非认为资金已经全面撤离股票，而是认为市场尚未充分消化政策、主权债务与AI融资风险。在三项条件出现更明确的进展前，美银倾向于维持战术性避险；2027年市场究竟走向AI泡沫延续、普涨行情还是通缩衰退，则取决于AI资本支出能否转化为盈利，以及融资环境能否保持稳定。

风险提示及免责条款

中国算力开始赚全球的钱了：Token出海，会是下一个“中国制造”吗？

万周 — Sun, 25 Oct 2026 04:01:21 GMT

一笔2亿美元的跨境Token采购合同，让中国算力出口的新模式走到台前。随着国产模型走进海外开发者生态，AI推理服务正在成为可跨境交付、按量结算的数字商品。

中国庞大的电力供给、完整的基础设施产业链和模型工程能力，有望共同形成低成本智能生产的竞争力。如果跨境调用能够持续扩大，一条将本土算力转化为全球服务收入的新出口路径正在形成。

一、发生了什么？——中国AI出海，开始有了一种新的商品

1. 一笔2亿美元订单，把Token出海带进大众视野：

10月19日，润建股份披露，全资子公司五象云谷与一家境外企业签订AI Token跨境销售服务合同，合同期为一年，约定年度采购金额不低于2亿美元。双方采用按量计费、按月结算的方式，价格由具体订单确定，结算货币为人民币。更有意思的是交付方式：算力资源全部部署在中国境内，海外客户通过互联网访问API接口，直接调用中国智算中心提供的大模型推理服务。

这意味着，一家海外企业可以在当地开发AI应用、运营用户和处理业务需求，却将其中一部分智能计算交给中国的服务器完成。交易双方不需要转移实体设备，也无须把GPU装上货轮。模型生成文字、代码或分析结果的能力被计量为Token，成为可持续采购的服务。合同约定的最低采购额为这门新生意带来了醒目的规模标尺，随后能确认多少实际收入，还取决于调用、交付和收款。

2. 国产模型出海，正在延伸到算力服务出海：

近年来，中国AI出海主要沿着模型和应用两条路径展开。DeepSeek、Qwen、GLM等模型吸引海外开发者使用；编程、内容生成、智能客服等AI应用走向国际市场。如今出现的第三条路径，是让海外应用直接购买中国境内的推理服务。对数字产业而言，这相当于把计算能力本身纳入了出口产品目录。

OpenRouter截至10月19日的近七日Token排行榜中，DeepSeek V4.1 Flash以约32.8万亿Token居首，GLM 5.3 Flash、阶跃星辰Step 5 Preview、小米MiMo-V2.6-Flash和腾讯Hy4 preview紧随其后。国产模型在这一国际API平台上表现突出，说明其性能与价格组合正在获得开发者认可。

……

野村：AI军备竞赛有75%的概率继续，2027年存储芯片短缺已基本锁定

Sun, 25 Oct 2026 03:45:59 GMT

AI军备竞赛难以刹车，2027年存储芯片供需紧张的格局也已基本锁定。野村全球存储器研究团队在最新报告中指出，科技巨头持续加码AI投资，即使自由现金流承压，也不愿率先退出竞争；与此同时，存储器长期供应协议已提前锁定2027年的供应量与价格，为行业景气度提供支撑。

野村将这场竞争称为“懦夫游戏”（Game of Chicken）：任何一家企业率先削减投资，都可能在下一轮AI竞争中落后。只要竞争对手仍在加码，维持投入就成为更现实的选择，即使代价是持续消耗现金流。

这种竞争格局正在转化为半导体行业的机会。台积电及多家科技巨头均表示，AI需求仍超过现有供给能力；长期协议中的订单锁定与违约条款，也为存储器供应商提供了一定保障。

野村预计，AI投资竞赛持续、半导体超级周期延续的概率约为75%。真正可能打破这一格局的，是融资渠道关闭；电力短缺则可能推迟芯片部署，成为另一项关键风险。

AI军备竞赛难以刹车：没人愿意率先退出

即使AI投资能够带来可观的资本回报率（ROIC），只要投资增速持续超过回报兑现速度，企业就可能长期面临负自由现金流。

科技巨头的表态印证了这一取舍。谷歌CEO桑达尔·皮查伊表示，前沿模型训练的算力优先级高于云业务收入；微软CEO萨提亚·纳德拉称，若将所有新增GPU用于Azure，云业务增速将超过40%；Meta CEO马克·扎克伯格则表示，即使超级智能发展晚于预期，新增算力也可转用于广告和推荐系统。

企业投资的不只是当期收入，更是未来的竞争地位。广告、云服务等成熟业务仍能提供现金流，而竞争对手持续投入，也使任何一家企业都难以率先放缓。只要融资能力尚存，短期现金流压力就未必能迫使科技巨头退出竞赛。

2027年存储器短缺基本锁定：供需双方判断趋同

AI需求持续超过供给能力。台积电CEO魏哲家10月15日表示，AI需求仍超出当前供给；亚马逊CEO安迪·贾西称，即使2026年资本开支升至2200亿美元，公司仍无法满足2026至2027年的全部需求，2028年的部分需求也已提前预订。微软和Alphabet管理层同样表示，云业务正受到产能约束。

野村指出，2027年存储器供应量和价格已于2026年10月通过长期协议（LTA）完成锁定，价格出现反弹。即使客户削减资本开支，合同中的违约条款也会提高取消订单的成本，违约方可能需要支付相当于年度需求价值50%至100%的保证金。

订单提前锁定与违约成本，为存储器供应商提供了较强的需求可见度和一定的利润保护。不过，这一判断主要针对2027年，2028年及以后的供需仍取决于AI投资节奏和后续合同安排。

现金流恶化难阻投资：科技巨头转向外部融资

资本开支已开始超过部分科技巨头的经营现金流。野村报告数据显示，Alphabet 2026年第二季度自由现金流为负59亿美元，Meta第三季度为负21亿美元；亚马逊截至2026年6月的过去12个月自由现金流为负76亿美元。微软同期仍有196亿美元正自由现金流，但野村预计其后续也将承压。

各家企业仍计划维持高额投入：Alphabet预计2026年资本开支为1950亿至2050亿美元，Meta为1350亿至1450亿美元，亚马逊约2200亿美元，微软2027财年约1750亿美元。

融资已成为填补资金缺口的重要手段。报告显示，Alphabet于2026年6月通过普通股和强制可转换优先股融资496亿美元；Meta于第二季度发行249亿美元债券，并暂停股票回购。Meta董事会还批准发行无投票权的C类股，为AI投资提供资金支持。

野村将未来走势划分为三种情景：竞赛持续的概率约75%，资本开支放缓约20%，融资失败约5%。其中，融资渠道关闭才是最可能迫使企业被动收缩、进而打破当前投资格局的风险。

电力瓶颈可能推迟需求，但未必终结超级周期

除融资风险外，电力供给不足也可能限制AI基础设施扩张。Sightline Climate调查显示，2026年计划新增的数据中心容量中，约30%至50%面临延期风险，超过11GW的容量尚无动工迹象。

如果数据中心无法按期接入电力，已生产的芯片可能无法及时部署，造成交付推迟和阶段性订单波动。不过，野村认为，电力短缺更可能推迟和重塑需求，而非直接消除需求：在供电受限的情况下，新一代芯片和高容量高带宽存储器（HBM）的单瓦性能价值可能进一步提升，旧款GPU也可能面临替换需求。

对投资者而言，核心在于区分需求延迟与需求消失。只要科技巨头仍能持续融资，AI投资竞赛就可能延续，2027年存储器供应端也有望受益于订单提前锁定；真正需要警惕的，是融资条件恶化与电力瓶颈共同导致投资和芯片需求实质性收缩。

风险提示及免责条款

AI交易何时止跌？市场盯着Meta“天量发债”背后的“囚徒困境”

Sun, 25 Oct 2026 03:18:01 GMT

过去一周，AI交易遭遇新一轮抛售压力，美国股票、债券市场同步承压。纳斯达克出现数月来最差单日表现，美国高收益债风险溢价升至17个月高位，CCC级垃圾债收益率则攀升至2020年以来最高水平。股指表面波动有限，底层资产的风险重估却在加速。

引发市场担忧的焦点之一，是Meta在公布三季度业绩后释放的巨额融资计划。据巴克莱10月23日发布的研究报告，Meta选择提前融资，部分原因是AI生态内其他企业已陆续启动或计划启动融资，资本市场的吸纳能力正变得越来越有限。

这揭示了AI巨头面临的“囚徒困境”：每家公司都有抢先融资的动机，但如果巨头集体加快发债，新增供给就可能推高融资成本，反过来挤压所有参与者的融资空间。与此同时，对冲基金持续削减杠杆，AI相关信用资产的利差分化也在扩大。

AI交易何时止跌，因而不只取决于科技巨头的盈利表现，还取决于市场能否消化密集的债券供给，以及不断上升的融资成本是否会进一步冲击AI产业链。

股指表面平静，AI仓位遭集中清理

过去一周，指数表现掩盖了个股之间的剧烈分化。高盛数据显示，其AI受益股与风险股多空组合较6月高点下跌约55%，年内涨幅悉数回吐；动量策略也出现大幅回撤，跌至2008年金融危机以来的极端水平。

周四，标普500指数下跌1.2%，仍有335只成份股上涨；等权重标普500指数上涨0.7%，市值加权的SPY却收跌。高盛数据显示，对冲基金在此前八个交易日中有七天进行去杠杆操作，周四的抛售完全由多头平仓驱动。

这表明，近期调整不仅是对AI估值的重新审视，也涉及拥挤仓位的集中出清。但仓位调整能否带来持续反弹，仍取决于信用市场压力是否缓解。

信用风险向低评级借款人集中

据彭博，美国高收益债平均风险溢价升至17个月高位，一级市场出现年内最大规模的撤单潮；CCC级垃圾债收益率升至15.85%，创2020年以来新高，与BB级债券之间的利差也逼近2016年和2020年的峰值。

杠杆贷款市场同样承压。价格低于面值60美分的深度困境贷款规模升至2020年3月以来最高水平。摩根大通数据显示，过去12个月，价格在面值80美分及以下的贷款规模激增近90%。

值得注意的是，CCC级债券利差大幅走阔之际，整体信用市场并未同步恶化，说明风险正集中于偿债能力较弱的发行人。DoubleLine Capital企业信用总监Robert Cohen指出，部分CCC级借款人可能走向债务重组，但这并不意味着整个信用周期已经逆转。

高盛数据显示，从投资级、高收益信用衍生品到低评级现金债券，多个评级区间的利差均触及本轮周期高位。CreditSights新加坡亚太公司信用主管R. Lakshmanan认为，多重全球风险接连冲击市场后，信用风险重新定价正逐渐形成持续趋势。

Meta发债揭示AI融资“囚徒困境”

Meta的融资计划将AI资本开支与信用市场供给之间的矛盾推到了台前。公司将2026年资本开支预期收窄至1350亿至1450亿美元，预计第四季度支出达490亿至590亿美元；分红后的自由现金流转负，管理层还预计从今年秋季开始融资数千亿美元。

巴克莱在报告中指出，超大规模科技公司的营收增长正在兑现，但资本开支仍持续攀升，融资问题已从“能否融到资”转向“何时融、融多少、如何融”。

Meta在申报文件中表示，鉴于AI生态内其他企业已启动或计划启动融资，资本市场的吸纳能力正变得越来越有限，因此提前融资具有现实必要性。

但当所有公司都选择抢先融资，个体的理性决策就可能转化为整体市场的压力：新增债券供给集中涌入市场，推高发行成本，并限制信用利差收窄。为避免过度举债损害信用评级，企业也开始考虑股权融资、可转债、资产支持证券（ABS）及表外融资等渠道。

巴克莱认为，AI相关融资供给将在短期内继续限制信用利差收窄空间。

AI信用分化加剧，市场转向个券定价

巴克莱估算，AI相关信用资产规模约为6800亿美元，涵盖超大规模科技公司、半导体、数据中心及硬件企业，占投资级债券指数市值约7.5%，却贡献约13%的指数久期风险敞口（DTS）。

整体而言，AI信用资产相较投资级指数的利差溢价约为35个基点，期限超过10年的债券溢价更达到约55个基点。与此同时，AI发行人之间的利差离散度过去一年从24个基点升至65个基点；即使剔除甲骨文和数据中心板块，该指标仍上升约60%，达到37个基点。

自9月中旬以来，甲骨文、Meta、SpaceX及多家数据中心运营商的信用利差扩张幅度明显超过指数；微软、谷歌和亚马逊的短期限债券则相对抗压。市场开始根据发行人的融资需求、资产负债表和长期风险进行区分，而非将AI视为统一的信用主题。

收益率曲线也反映出长端压力。巴克莱数据显示，过去一年，超大规模科技公司的平均2年期至5年期、5年至10年期及10年至30年期收益率曲线分别陡峭化137%、140%和68%。其中，Meta的10年至30年期曲线利差达到68个基点，在同类发行人中最为陡峭。

长端曲线走陡，反映投资者对长期债务要求的风险补偿上升。随着AI企业持续扩大资本开支，市场不仅要判断投资能否转化为收入，还要评估融资规模、现金流改善时间及新增债券对融资成本的影响。

因此，AI交易能否止跌，关键在于巨额融资能否被市场消化、信用利差能否企稳，以及AI企业之间的风险分化是否继续扩大。在这些压力缓解之前，阶段性反弹仍可能受到融资成本上升的制约。

风险提示及免责条款

苹果首款折叠屏iPhone Duo出师不利：有人折不到20次就裂屏了

Sun, 25 Oct 2026 02:23:53 GMT

花2000美元买一部新手机，结果用了不到6个小时，折叠不到20次，屏幕就裂了。

更尴尬的是，这还是苹果刚刚推出的首款折叠屏手机。

苹果原本希望凭借iPhone Duo正式进军折叠屏市场，没想到新机刚上市，就接连传出屏幕损坏的消息。从中国到美国，再到澳大利亚和加拿大，多个市场都有用户报告类似问题，而且坏的地方几乎都一样：手机中间的折叠区域。

对于一款主打折叠体验、起售价高达1999美元的旗舰产品来说，这显然不是一个好消息。

折不到20次，屏幕就裂了

据Tom’s Guide、PhoneArena报道，iPhone Duo上市后，Reddit上陆续出现损坏照片：内屏沿中央铰链开裂，部分还伴随白色或绿色亮线。

一名澳大利亚用户表示，拿到iPhone Duo约6小时，展开不到20次，就在一次正常展开时听到断裂声，屏幕随即沿折痕裂开。用户称手机此前没有明显撞击。

这名用户最终在苹果零售店换到新机。但其他案例也接连出现：有人使用不到一天就发现裂纹，还有手机在初始设置尚未完成时就出现显示故障。

更尴尬的是，耐用性测试也没过关

耐用性测试进一步引发担忧：尽管iPhone Duo标注IP68防尘防水等级，灰尘仍能通过多个入口进入铰链，而铰链正是折叠屏反复开合的关键。

随后的破坏性弯折测试让内屏出现永久性绿色亮线，最终失去触控响应，受损位置也集中在中央折叠区域。

但暴力弯折不等于日常使用，也无法确认灰尘与屏幕损坏的因果关系，测试只能说明新机在极端条件下存在薄弱点。

2000美元的手机，内屏却格外娇贵

测试显示，采用Ceramic Shield 2的外屏抗刮表现较好，但柔性内屏在莫氏硬度2级就出现划痕，指甲也可能留下痕迹。这是柔性屏材料的普遍限制，并非苹果独有。

消费者花近2000美元买苹果折叠屏，期待的不只是更大的屏幕，还有可靠的使用体验。三星、华为、小米等厂商已有多代产品经验，后来入场的苹果反而承受更高期待。

苹果的麻烦可能才刚开始

随着裂屏案例传播，一些预订用户考虑取消订单或推迟购买。售后也成焦点：澳大利亚用户虽在门店换到新机，但电话申请快速换机时，仍遇到整机金额预授权、到货时间不明等问题。

PhoneArena认为相似案例可能指向铰链设计缺陷；Gadget Review则强调，目前没有确认的整体故障率，也无证据证明其损坏率高于其他折叠屏。因此，断言存在系统性缺陷仍为时过早。

但可以确定的是，苹果这次折叠屏首秀，已经遭遇一场意料之外的质量争议。真正需要回答的不是折叠屏有多薄、展开后有多大，而是一个更基础的问题：一部售价2000美元、主打折叠体验的手机，究竟能不能经得起用户每天反复打开和合上？

风险提示及免责条款

对冲基金创纪录抛售后，高盛建议抄底：“有选择”地配置AI，但信心不足

Sun, 25 Oct 2026 02:08:44 GMT

对冲基金集中减仓、AI交易拥挤度下降，为部分美国科技股创造了买入机会，但高盛对反弹仍持谨慎态度。其策略师建议有选择地配置AI资产，核心依据是龙头企业盈利预期尚未下修；然而，资本开支持续膨胀、投资回报尚不明朗，令这轮调整能否成为布局良机仍存变数。

本周，AI相关资产遭遇剧烈抛售。高盛对冲基金VIP篮子周四录得2011年以来最差单日表现，高盛大宗经纪部门也出现2024年9月以来最大规模的科技股抛售。与此同时，标普500非AI成分股指数年内涨幅首次超过标普500整体，延续近三年的AI超额收益优势明显减弱。

抛售的背后，是市场开始重新审视AI投资的成本与回报。Meta将2026年资本开支指引下限上调至1350亿美元，自由现金流转负，股价周四下跌7%。这表明，营收超预期已不足以抵消投资者对资本开支持续攀升的担忧。

高盛内部对此也存在分歧：仓位出清可能带来反弹机会，但AI需求增长能否最终转化为足够的现金流，仍是绕不开的问题。

对冲基金加速去杠杆，科技股遭遇集中减持

高盛Prime部门数据显示，基本面多空基金经贝塔调整后的净杠杆本周下降3.5个百分点，10月以来累计下降10.3个百分点，降至一年低点，在过去三年的分布中处于第14百分位。过去8个交易日中，对冲基金有7天进行了去杠杆，调整速度超过2025年全年的任何时期。

周四的去杠杆规模位列年内第五，且完全由多头抛售驱动。基本面多空基金净杠杆率降至47%，处于三年回溯区间的第1百分位，显示基金正在集中削减风险敞口。

高盛Tony Pasquariello在周五报告中表示，根据客户沟通情况判断，本轮抛售已触及市场的核心持仓，周四科技股敞口的减持规模创下过去两年来单日最高纪录。

资金流向也呈现明显分化。周四，费城半导体指数下跌6.7%，标普500指数却有337只成分股上涨，指数整体仅跌1.2%。与此同时，标普500非AI成分股指数10月上涨6.5%，有望创下近三年来最佳单月表现。AI股相对大盘的优势正在收窄，市场不再愿意无差别地为AI相关资产支付溢价。

AI交易大幅降温，但高盛仍看好部分龙头

AI交易退潮在高盛相关组合的表现中尤为明显。高盛AI与AI风险对冲组合（GSPUARTI）6月22日升至583.45点后见顶，最新报价为261.71点，较高点回撤约55%。高盛高贝塔动量组合（GSPRHIMO）年内涨幅也已悉数回吐，较6月高点下跌约43%，重新测试7月低点。

高盛AI受益者篮子（GSTMTAIP）相对标普500非AI成分股指数（SPXXAI）的单日表现，跌至DeepSeek冲击以来最差水平，广义AI股相对大盘也已回落至夏季低点。

不过，高盛策略师Louis Miller认为，仓位调整和股价回落并不意味着AI投资逻辑已经失效。他提出逢低布局的三项依据：一是投资者的动量敞口已降至2025年6月以来最低水平；二是本轮调整幅度较大，部分资产的风险收益比有所改善；三是AI龙头企业盈利预期仍然稳定。

其中，盈利预期是最关键的支撑。高盛指出，超大规模云计算商（Hyperscalers）的盈利预期自7月以来没有下修，数据中心设备板块也未出现盈利增长放缓的迹象。如果盈利保持稳定，而股价已经大幅回落，部分AI资产就可能具备反弹空间。

但仓位出清并不意味着风险已经释放完毕。Miller也承认，动量敞口虽已下降，仍处于历史分布的第73百分位，表明相关交易并未完全摆脱拥挤状态。

“有选择”地抄底，重点是AI回报而非算力需求

高盛的建议并非全面看多AI，而是选择性布局、同时保留对冲。该行一方面看好部分AI受益股的反弹机会，另一方面警惕非AI股票短期涨势过快，并将投资重点转向表后发电、园区自建发电等领域，同时规避周期性和低质量股票。

这套策略反映出高盛对AI产业链机会分化的判断：仓位出清和股价回调带来了布局机会，但并不意味着整个板块都已触底。Pasquariello坦言自己对市场方向“信念有限”，并指出，算力需求（POWER）有解决路径，但资本成本（CAPITAL）问题仍没有答案。

随着AI资本开支持续扩大，市场关注的重点已不只是云计算商是否继续增加投入，而是这些支出能否转化为足够的收入、利润和自由现金流。Meta股价的反应表明，即使业务增长强劲，如果投资回报跟不上支出扩张，估值仍可能承压。

历史表现也提醒投资者保持谨慎。高盛数据显示，动量组合回撤10%后，未来三个月的中位回报为16.4%；但2026年3月低点后的反弹最终悉数回吐，7月触底后，组合又在随后一个月内进一步下跌15.4%。

下周，微软和Alphabet将在美联储公布利率决议后数小时内相继发布财报，亚马逊则将在周四跟进。相关业绩将进一步检验AI投资的回报能力。在资本开支与现金流之间的矛盾尚未缓解之际，高盛的策略是把握部分AI资产的回调机会，而非押注整个板块全面反弹。

风险提示及免责条款

一份尚在征求意见的公募基金新规，可能已经开始改变市场的资金流向

万周 — Sun, 25 Oct 2026 01:58:00 GMT

公募基金《运作办法》征求意见稿强化投资风格、业绩基准及行业分散约束，市场开始关注存量持仓的再平衡。2026年中主动权益基金电子、通信合计配置达60.40%，与金融、消费等板块明显低配形成鲜明反差。

政策落地可能促使部分资金回归产品原定投资范围，但超配并不等于违规，低配也不意味着必须回补。决定冲击幅度的，将是规则执行口径、基金实际持仓，以及市场风格何时转向。

一、发生了什么？——公募基金的投资自由度正在重新划定

1. 十二年来首次系统修订，投资行为成为监管重点：

2026年10月9日，证监会就《公开募集证券投资基金运作管理办法（征求意见稿）》及配套规定公开征求意见，反馈截止日为11月8日。

作为2014年以来首次系统性修订，新规覆盖基金设立、投资、存续及退出，也将此前公募费率、考核、业绩基准改革的要求延伸至日常投资运作。对股票市场而言，直接影响持仓的核心内容，是基金产品的投资方向、风格稳定性与组合管理约束。

2. 三重约束，压缩风格漂移空间：

征求意见稿提出，基金名称显示投资方向的，应以可识别或可量化的方式明确投资范围，且80%以上基金总资产应投向相应方向，并建立风格库；名称未显示特定行业或主题的基金，应加强分散投资管理，不得集中于单一行业或主题；业绩比较基准则需有效反映投资风格、衡量投资业绩并约束投资行为。

以上三项要求共同指向“宽基窄投”和“窄基漂移”等长期问题。但征求意见稿没有为普通主动基金设定统一的单行业数值上限，也没有要求所有基金持仓贴近沪深300。某只基金超配科技股是否合法，仍取决于其投资合同、名称和基准。基金或可通过渐进调仓或依法修改合同等方式处理偏离，因此行业超配并不会直接与“暴力”强制卖盘划等号。

3. 存量持仓再平衡的传导路径：

新规对资本市场的潜在影响，首先体现在基金投资行为的调整。过去，一些基金为了追逐阶段性热点，实际持仓逐渐偏离产品名称、投资方向和业绩比较基准。随着风格稳定性要求强化，基金管理人需要重新评估现有组合与投资契约的匹配程度，对行业集中度过高、跨主题配置较多的产品进行必要调整，由此可能引发存量资金在不同行业之间重新分配。

……

下周重磅日程：最重要的美联储决议和科技巨头财报都来了，这次AI交易能否自救？

龙玥 — Sun, 25 Oct 2026 01:53:21 GMT

美联储、日本央行、欧央行同周议息，普遍预期按兵不动、焦点在12月路径指引；财报季迎最高潮，谷歌、微软、亚马逊、英特尔领衔美股，韩国三星、SK海力士与日本铠侠验证AI存储景气，A股宇树、茅台及“易中天”集中登场。Anthropic招股书或发布。以色列大选牵动中东局势与油价，巴西大选同步上演；美国核心PCE、三季度GDP与中国制造业PMI亦将出炉。

石油产量创纪录，油罐几乎都空了--阿联酋“奇迹复苏”了吗？

Sun, 25 Oct 2026 01:35:10 GMT

阿联酋原油供应已迅速反弹至历史高位，但天然气、石化生产和燃料库存的修复明显滞后，能源系统仍面临供应链受损与储备不足的双重压力。

据国际能源署（IEA）数据，阿联酋9月石油供应量达到530万桶/日的历史峰值，富查伊拉港单日装载量升至262万桶，鲁韦斯炼油厂也于8月底恢复满负荷运营。然而，能源分析师Karl Miller在10月22日发布的评估报告中指出，天然气产出、石化原料供应和燃料库存仍远低于战前水平，原油出口的反弹并未带来能源系统的全面复原。

一方面，受损设施逐步修复，加上阿联酋5月退出欧佩克、不再受原有产量配额约束，推动原油供应回升；另一方面，天然气和石化产业链仍受原料短缺制约，富查伊拉燃料库存也大幅缩水。原油出运能力的恢复，并不等于能源系统抵御供应中断的能力同步恢复。

产量从谷底反弹，战争损伤仍未消除

今年早些时候，阿联酋能源系统遭遇一系列袭击，原油生产、天然气加工、炼化、石化及电力配套设施均受到波及。据美国能源信息署（EIA）数据，阿联酋原油及凝析油产量从年初约400万桶/日降至3月至5月均值240万桶/日，降幅达40%。

受损设施涉及能源产业多个关键环节：鲁韦斯炼化综合体于3月10日起火停产；沙阿酸性气体处理厂和哈布善天然气综合体先后遭袭；博禄石化工厂、阿联酋环球铝业冶炼厂及巴拉卡核电站的电力配套设施也受到影响。

承担绕过霍尔木兹海峡运输功能的富查伊拉港同样遭受冲击。据路透社统计，冲突爆发以来，该港至少遭袭19次。3月16日当周，港口装载量跌至44万桶/日；5月4日再度遭袭后，成品油出口几近停滞，此后约一个月内仅有一艘成品油轮离港。

随着部分设施修复、原油出运恢复，阿联酋供应数据迅速反弹。但原油产量回升并不代表能源产业链全面复原，天然气加工、石化生产和成品油出口仍受制于受损设施及供应链瓶颈。

天然气与石化产业仍受制于原料短缺

阿布扎比国家石油公司天然气业务子公司（ADNOC Gas）二季度财报显示，与上年同期相比，公司国内天然气产量下降32.5%，液化石油气、石脑油等出口液体产量下降54.5%，LNG权益产量下降63%；LNG销售量下降约71%。同期，公司营收下降39%，息税折旧摊销前利润（EBITDA）下降47%，净利润下降52%，单季度营收减少约23亿美元。

值得注意的是，公司二季度资产可用率达到99.9%，但实际资产利用率却从80%降至54%。这意味着设备虽然能够运行，却缺乏足够原料维持满负荷生产。对能源产业而言，修复设施只是第一步，恢复原料供应和上下游协同才是全面复产的关键。

截至8月10日，哈布善天然气供应恢复至约85%；Borouge工厂虽于6月底完成修复，却因原料不足，仅能以约60%的利用率运行。阿联酋环球铝业冶炼厂截至8月底也仅重启四分之一的电解槽，预计要到2027年初才能全面恢复。

这些情况表明，原油出口反弹尚未带动能源经济全面复苏。天然气加工、石化生产和铝冶炼依赖各自的设施与供应链，关键环节持续受阻，将限制整体产出恢复。

库存缩水65%：高产量背后的缓冲垫正在变薄

10月19日，富查伊拉成品油库存降至725万桶，较战前约2070万桶减少65%。其中，汽油和石脑油库存下降87%，燃料油下降53%，柴油和航空煤油下降23%；10月期间，库存还曾在一周内下降18%。

富查伊拉是全球重要的船舶加注和油品贸易枢纽。库存大幅缩水，不仅影响当地燃料供应，也削弱了港口应对运输中断和突发需求的能力。供应流量创下纪录，并不意味着库存存量同步恢复。产量和出口反映当前供应能力，库存则决定供应突然中断时，系统还能维持多久。

Miller提出了一个极端情景：如果出口通道每天损失100万桶，而可用储罐容量仅有1000万桶，在没有其他缓冲措施的情况下，持续的出口中断可能在约十天内迫使油田关停。这是基于特定假设的压力测试，并非对实际停产时间的预测，但揭示了库存不足可能放大的连锁风险。

绕过霍尔木兹海峡的运输能力也有上限。从哈布善通往富查伊拉的ADCOP管道，设计输油能力为150万桶/日，最高约180万桶/日，而ADNOC宣称的产能为485万桶/日。阿联酋规划建设的第二条管道预计2027年投运，在此之前，现有管道仍难以完全抵消霍尔木兹海峡严重中断的风险。

原油出口恢复了，能源韧性恢复了吗？

阿联酋9月石油供应量创下历史新高，主要得益于受损设施逐步修复，以及退出欧佩克后不再受原有产量配额约束。但若部分供应增长伴随着库存消耗，产量回升也可能以缓冲空间进一步收窄为代价。

地区成品油和液化石油气出口仍远低于战前水平。9月，地区成品油出口量约为190万桶/日，战前约为470万桶/日；液化石油气出口量约为67万桶/日，战前约为150万桶/日。原油运输明显恢复，并未带动其他能源产品同步复原。

Miller指出，目前缺乏完整的公开数据库，无法精确核实阿联酋能源系统仍有多大比例处于受损状态。鲁韦斯炼厂和原油出口端的实质性恢复不应被忽视，但天然气产出、石化原料供应、燃料库存和绕行运输能力仍暴露出明显短板。

真正的考验不在于阿联酋能否创下产量纪录，而在于下一次冲击来临时，它还能维持多久。战前，富查伊拉拥有约2000万桶成品油库存，如今只剩约700万桶；天然气和石化产业链尚未完全恢复，现有旁路管道运力也有限。阿联酋恢复了原油供应的速度，却尚未恢复抵御下一次冲击的能力。

风险提示及免责条款

下周重磅事件：最重要的美联储决议和科技巨头财报都来了，这次AI交易能否自救？

Sun, 25 Oct 2026 01:10:49 GMT

10月26日 - 11月01日当周重磅财经事件一览，以下均为北京时间：

首要主线是“超级央行周”。美联储10月29日凌晨公布决议，94%经济学家预计维持3.75%-4%不变，但沃什发布会的措辞将成关键——彭博提示市场紧盯12月加息线索，鹰派信号或直接推升美债收益率、压制风险资产。日本央行同周出牌，预计维持1.25%不变，但植田和男若释放鹰派信号，将触发日元反弹、冲击全球套息交易；欧央行亦料按兵不动，拉加德指引12月路径。

近日，美债近期剧烈波动、10年期收益率一度逼近5.3%后回落，法国政治僵局与能源高价交织，令利率路径与科技股估值成为全球资产定价的核心变量。

其次是“超级财报周”。在本周美股AI交易大跌之后，巨头财报成关键试金石：谷歌、微软、英特尔、亚马逊领衔放榜，叠加韩国存储双雄三星电子、SK海力士与日本铠侠，AI硬件链的业绩验证进入高潮；A股方面，宇树科技、贵州茅台及光模块“易中天”（中际旭创、天孚通信、新易盛）等龙头在季报截止前集中登场，白酒与半导体的景气验证同样关键。市场将检验业绩能否扭转AI交易颓势、并验证顺周期景气。

第三是以色列大选与中东局势。以色列大选构成中东关键变量，美以被曝正筹划选后打击伊朗、霍尔木兹航运骤降、布油一度破110美元，选情将直接影响地区冲突走向与油价中枢。巴西总统选举第二轮同步上演，作为拉美最大经济体，其政策路径不仅牵动新兴市场风险偏好，也将影响大宗商品与汇率走势。

最后是数据与AI产业主线。Anthropic或公开提交招股书有望成为年内最大IPO；甲骨文AI World大会召开、鸿海科技日等科技大会接连登场，AI算力成焦点。苹果新品发布会与国行Apple Intelligence上线、腾讯数字生态大会亦在列。数据方面，中国公布官方制造业PMI与9月规上工业企业利润，美国同步出炉三季度GDP初值与美联储最爱通胀指标PCE，两组数据将检验"软着陆"成色。

2027见闻历，把全年重要财经日程，提前铺在你面前
 别人事情来了才反应，你翻开日历就知道下一步
 ????长按图片扫码选购

经济指标

美联储决议、沃什讲话与美国经济数据

美联储10月29日凌晨公布决议，据报道94%经济学家预计维持3.75%-4.00%不变、CME按兵不动概率约84%；沃什发布会将聚焦声明措辞与12月路径，彭博提示市场紧盯12月加息线索，鹰派信号或推升美债收益率。

10月29日，美国三季度实际GDP初值、美联储首选通胀指标PCE指数也将出炉。GDP增速若超预期或削弱降息押注，但市场更关注内核——消费韧性与企业投资走势。若PCE超预期或强化“更高更久”收紧预期，直接压制风险资产估值。

日本央行、欧央行、加拿大央行、新西兰央行等公布利率决议

日本央行10月30日公布利率决议，彭博预期维持1.25%不变但释放政策正常化信号；彭博预期12月再加息25bp至2%终点。在日元疲弱与套息交易庞大背景下，其表态牵动全球资金流向。

欧洲央行10月29日公布利率决议，据路透调查，市场预计主要再融资利率维持2.65%不变；拉加德发布会指引12月路径。加拿大央行10月28日议息，彭博调查预期加息25bp至3.00%；行长Macklem强调抗通胀未尽。作为全球央行超级周一员，其紧缩外溢值得关注。新西兰央行等也将公布利率决议。此外，日本总务省10月30日公布10月东京CPI，作为日本央行决议前最后关键通胀读数，若超预期将强化日银政策正常化叙事、搅动套息交易。

中国制造业PMI与规模以上工业企业利润同比

国家统计局10月31日公布10月官方制造业PMI，前值50.1。作为月度经济景气首读数，市场关注能否稳于荣枯线之上；此前9月规上工业企业利润同比增4.2%，国庆后开工与订单修复情况为短期看点。

财报

美股财报：谷歌、微软、亚马逊、闪迪等；日韩：三星、SK 海力士、铠侠

美股与东亚科技财报密集：谷歌、微软于10月29日盘后，英特尔、亚马逊10月30日盘后披露；韩国三星、SK海力士、日本铠侠同期发布。市场聚焦云与AI资本开支指引、HBM与存储供需，以及AI硬件链定价——微软、谷歌的资本开支表态被视为全球AI算力景气的风向标。

A股财报：中际旭创、天孚通信、新易盛、宇树科技，贵州茅台

A股三季报披露进入尾声，中际旭创、天孚通信、新易盛、宇树科技，贵州茅台等密集亮相。作为光模块（CPO）龙头，中际旭创、新易盛、天孚通信的业绩与1.6T放量节奏是AI算力链核心验证；宇树科技作为机器人新锐，首份公开财报亦受关注；茅台则关乎消费韧性。

三季报可能是10月最后一两周最大的不确定性来源，并且美国微软等科技巨头也要披露最新财报。

港股财报：比亚迪、中行、建行、农行等

港股财报季同步推进，比亚迪与中国石油/中国石化/中国海洋石油及内银龙头（中行/建行/农行/邮储）陆续放榜；在南向资金持续流入与利率见顶预期下，其指引影响港股高股息与能源主线。

财经事件

以色列大选

据新华社，以色列计划于2026年10月27日前举行立法选举，以选举第二十六届议会的120名议员。在以色列仍面临多线作战压力、美以关系因伊朗问题上的分歧跌入低谷、其本人司法问题缠身的情况下，现任以色列总理内塔尼亚胡能否继续执政，成为这次大选中的主要悬念。当地时间14日，央视新闻记者获悉，以色列总理内塔尼亚胡当天表示，在即将到来的以色列议会选举举行前，他反对美国或以色列在未来几天内对伊朗发动军事袭击，并称在现阶段采取此类行动“并不方便”。

巴西将举行总统选举第二轮决选投票结果或出炉

10月25日，巴西将举行总统选举第二轮决选。据新华社，在10月4日举行的首轮投票中，由于所有候选人均未获得超过50%的有效选票，得票前两名的候选人进入第二轮对决。初步计票结果预计将在第二轮投票结束后的数小时内（当地时间当晚/北京时间次日凌晨）陆续揭晓。专家认为，此次巴西总统选举将决定巴西未来4年走向，并可能牵动拉美政治格局。

第二十届中央委员会第五次全体会议召开

据新华社，中共中央政治局召开会议，讨论拟提请二十届五中全会审议的文件。会议决定，中国共产党第二十届中央委员会第五次全体会议于10月26日至29日在北京召开。

全会本身对A股直接冲击有限，党建议题不直接涉及经济政策增量，但需关注会议公报中是否释放关于“十五五”开局、扩内需或产业政策的边际信号。

Anthropic计划最快于10月底公开招股说明书

据路透援引知情人士消息，Anthropic计划最快于10月底公开招股说明书，并于11月中旬完成IPO，预计将于11月9日当周启动面向机构投资者的路演。知情人士同时提示，上述计划及时间节点仍可能发生变化。

苹果10月第二场发布会：首款触控MacBook与新iPad mini同步亮相

苹果计划于10月29日举行当月第二场发布会，推出旗下首款触控屏MacBook Pro（配备OLED屏幕及"灵动岛"界面）、新款iPad mini（同样升级OLED并调整摄像头位置），以及搭载M6芯片的14英寸MacBook Pro和iMac。这是新任CEO John Ternus上任后主导的首批重磅产品，发布会定位创意专业人群。

10月底，苹果国行Apple Intelligence上线测试版（接入阿里千问）

据报道，苹果国行Apple Intelligence上线测试版，接入阿里千问、不含Siri AI。苹果AI在华落地路径成型，对国内AI应用分发格局与阿里模型商业化有实质意义。

腾讯全球数字生态大会（深圳）

2026 腾讯全球数字生态大会 10 月 29 日在深圳国际会展中心举行，主题"群智协同数动飞轮：激发全场景生产力"。将发布面向 Agent 场景的 100+ 新产品与新能力，展示 500 余个 Agent 实践案例，设 1 场主峰会、1 场出海峰会与 40+ 主题专场。

德国总统施泰因迈尔访华（27日至31日）

中国外交部发言人宣布：德国总统施泰因迈尔将于10月27日至31日对中国进行国事访问。

美国国务卿主持为期两天的G20外长会议

美国国务卿马可·卢比奥在亚特兰大主持为期两天的G20外长会议。10月30日持续至31日。

欧盟-加拿大峰会

欧盟-加拿大峰会将于10月29日举行。据欧盟理事会日程，双方将聚焦贸易与投资、安全防务及关键供应链合作；在美加关税摩擦与跨大西洋关系重塑背景下，峰会成果或影响相关产业与汇率预期。

《上海市卫星互联网产业创新发展行动方案（2027—2030年）》即将发布

10月27日—29日，2026卫星互联网产业生态大会将在上海举行。大会主论坛将发布《上海市卫星互联网产业创新发展行动方案（2027—2030年）》，明确“十五五”时期在星座组网、网络承载能力、核心产业规模以及标杆应用场景打造等方面的发展目标。另外，还将发布“6G+AI+卫星互联网+天基计算”空天地一体化产业集群建设方案，并举办长三角卫星互联网供需平台试运行启动等活动。

东山精密香港IPO，股票预计开始交易

东山精密申请通过香港IPO发行1.138亿股股票。发行价指导区间顶端为每股93.80港元。预计股票将从10月28日开始交易。

AI产业活动追踪

Oracle AI World(10/25-28)与GitHub Universe(10/28-29)聚焦Agent与AI编程；深圳ROBOTECH大会、ITWA光模块量产展(10/27-29，1.6T/3.2T)是AI算力风向标；鸿海科技日(10/30-31)披露AI服务器。

AI公司动态追踪

苹果29日举行"Pro and Tell"发布会再发新Mac；31日国行Apple Intelligence接入阿里千问；Anthropic拟26日提交IPO S-1，年内最大AI IPO。

下下周（11/2-11/8）重磅事件提前提醒

11月2日-5日：2026年世界互联网大会乌镇峰会（浙江乌镇）——主题"开源开放共建共享"，聚焦人工智能开源开放发展（央视）。
11月3日（周二）：美国中期选举——决定国会两院控制权，选前美以拟对伊朗军事打击的计划已推升地缘风险溢价。
11月5日-10日：第九届中国国际进口博览会（上海）——国家级对外开放平台，观察扩大进口与外资准入政策导向。
11月5日（周四）：法国工会呼吁全国性罢工——叠加法国政治僵局（540亿欧元紧缩案受阻、公共债务达GDP的113%），或扩大法德国债利差、利空欧元。
11月5日上海进博会+虹桥论坛开幕；11月2日世界互联网大会乌镇峰会开幕。

风险提示及免责条款

博弈选举，美以伊“下大棋”

Sun, 25 Oct 2026 01:09:02 GMT

美以选举临近，对伊军事行动是否重启再度成为焦点，中东局势趋紧，波斯湾能源供应风险随之上升。据新华社，以色列10月27日将举行议会选举，美国11月3日将迎来中期选举。两场选举日渐临近，美以与伊朗方面均同时释放强硬和克制信号。

据报道，伊朗已开始为新一轮美国空袭做准备，并据悉计划对包括以色列和阿联酋在内的多个目标实施报复。报道援引知情人士表示，美国中期选举结束至新一届国会于1月初就职之间，可能是当前冲突中风险较高的阶段。与此同时，布伦特原油期货今年以来累计上涨逾80%，美国汽油价格也随之走高，生活成本压力正对共和党的选举前景构成挑战。

分析人士认为，如果战事重启，局势可能比此前停火前更加复杂。布鲁金斯学会中东问题专家Aslı Aydıntaşbaş表示，当前迹象表明，战事可能重启，并伴随新一轮大规模空袭，但具体时间尚不明确。国际危机组织中东问题专家Ali Vaez则指出，特朗普和以色列总理内塔尼亚胡可能将对伊战争视为缓解各自国内政治压力的途径，但军事行动也可能进一步损害二人的政治前景。

军事部署持续推进，局势升级风险上升

近期多项军事动向表明，美国正为可能采取进一步行动保留空间。据报道，特朗普政府已向波斯湾方向增派第三支航母打击群，并部署逾1万名水兵和海军陆战队员，以扩大美军指挥官的行动选择。国防部长皮特·赫格塞思本周未经事先通报访问以色列，并与内塔尼亚胡会晤，访问时间距以色列大选仅数日。据报道，此前遭伊朗反击的部分中东美军基地也已调整人员部署。

据新华社报道，以总理内塔尼亚胡近来就伊朗问题表态强硬，甚至宣称已向以军和情报机构下达了推翻伊朗政权的指令，即使没有美国支持，必要时也会单独行动。另据以色列媒体21日报道，数十架以色列战斗机和空中加油机本周早些时候飞越叙利亚和伊拉克领空，接近伊朗边境后折返。此举被认为可能意在诱使伊朗防空系统开火，从而获得打击伊朗的借口。

但另一方面，以军高层表态谨慎，以军总参谋长扎米尔称没有必要在大选前打击伊朗。以色列反对党领导人拉皮德近日也对攻击伊朗表示反对，并批评内塔尼亚胡利用相关议题谋取选举利益。有分析指出，民调显示内塔尼亚胡阵营目前支持率落后，他对伊朗表态强硬甚至试图开战意在提升己方阵营选情。但若美国不对伊动武，以军没有能力单独支撑对伊大规模战事。

从美国方面看，特朗普8日曾明确表示，不会在中期选举前对伊朗发动攻击。但他18日又公开支持内塔尼亚胡连任，声称希望与其共同对抗伊朗。特朗普23日还在竞选集会上称，可能会对伊朗再发动一次小规模“史诗怒火”军事行动。

分析人士认为，特朗普因发动对伊战事导致油价上涨而支持率大跌，担心选前重开战事会进一步推高油价，拖累其所属共和党选情。但他同时又需要向保守派表达解决伊朗问题的决心，因此在对伊开战问题上发表看似矛盾的言论。

伊朗加强备战，霍尔木兹海峡风险上升

据报道援引一名熟悉伊朗决策层思路的知情人士，伊朗正为美国中期选举前后可能发生的新一轮军事冲突做准备，并考虑对中东多个目标实施报复。该人士同时表示，当前僵局的出路在于达成一项能够让双方都宣称取得成果的协议。

据新华社报道，面对美以的矛盾言论，伊朗释放两方面信号。针对美以威胁再次开战，伊朗防长阿赫拉基19日说，伊朗正准备迎接战争。伊朗伊斯兰革命卫队发言人穆赫比同日说，7条主要海底光缆穿过霍尔木兹海峡，敌人应知晓这一信息。此言被认为暗示伊朗如遭攻击将可能破坏这些光缆。伊方还声称已向中东地区国家发出最后通牒，如若美伊战火再起，这些国家必须停止对美方的一切支持。

与此同时，航运及海事安全官员表示，伊朗在霍尔木兹海峡附近发动的袭击，无论频率还是破坏程度，均较冲突初期有所上升，使用的武器也从攻击型无人机扩展至制导导弹。尽管美国军方在为商船护航方面取得一定进展，相关航运安全风险仍未消除。

据新华社报道，伊朗加强了对霍尔木兹海峡的管控。近日接连有油轮在试图通过海峡时遇袭或触雷。英国海上贸易行动办公室23日称，该机构统计的霍尔木兹海峡船舶通航量比冲突前水平低约七成，该海域海上安全威胁等级仍为“严重”。伊朗塔斯尼姆通讯社23日援引知情人士的话说，如果美军再次通过空中力量支持海峡石油走私，伊朗将予以“直接且更果断”的回应。

另一方面，伊朗外长阿巴斯·阿拉格齐21日在英国《金融时报》发文表示，如果有证据表明美方真诚希望达成公正、体面的解决方案，永久结束冲突，伊朗愿意再给外交一次机会。不过他同时表达了对美国的不信任，并称如美国再次选择动武将遭遇更大战略失败。

据新华社援引分析人士，伊朗试图通过收紧对海峡的管控推高油价，不给特朗普缓解选举压力的机会。伊方的强硬表态意在使美以不敢轻易重启战事；在此基础上又作出愿意谈判的姿态，既是占领道德高地，也让特朗普无法在竞选中将美伊谈判没有进展的责任推给伊方。

能源供应风险加剧，油价上涨增添选举压力

波斯湾能源供应面临的风险已反映在全球能源市场。布伦特原油期货今年以来累计上涨逾80%，美国汽油价格也随之走高，增加了消费者的生活成本压力，并给共和党在中期选举中的表现带来不利影响。

彭博经济研究分析师Dina Esfandiary、Ziad Daoud和Becca Wasser在周四发布的报告中指出，当前中东局势与今年2月美伊战争爆发前的情形存在明显相似之处。报告认为，美国和以色列大选临近、霍尔木兹海峡航运受到严重干扰，以及伊朗立场趋于强硬等因素，并未降低冲突再次升级的风险。

国内民意也给特朗普政府带来压力。皮尤研究中心9月28日至10月4日开展的调查显示，超过三分之二的美国民众不认可特朗普处理伊朗冲突的方式，约半数受访者预计战事将持续一年以上。

外交谈判进展有限，选后局势仍存变数

目前，外交解决冲突的前景仍不明朗。伊朗外交部长阿拉格齐本周在英国《金融时报》撰文表示，如果美国展现出切实意愿，寻求公正且体面的解决方案，伊朗愿意再次尝试外交途径。但他同时指出，当前几乎没有理由对谈判取得进展抱有期待。

据新华社报道，专家认为，两场选举特别是美国中期选举的选战需要，让美以和伊朗维持了“冷和平”状态。伊朗局势在选前升级的可能性不大，但在选后如何发展尚难预料。

另据多家美国媒体报道，美以军方已制订具体计划，准备在美国中期选举后再次打击伊朗，主要悬念在于特朗普会否批准。舆论认为，选举结束后，随着美国国内政治因素的约束减弱，美以对伊动武的可能性将加大。如果特朗普认为现有施压策略难以迫使伊朗妥协，很可能会选择重开战端，届时以色列大概率将跟进。

不过，外交谈判仍有空间。据新华社报道，此前的战事证明，大规模军事打击无法打垮伊朗，在当前美以弹药库存告急、中东美军基地损失严重的情况下，美以再次对伊动武将更难达到目的。军事打击不仅难以化解矛盾，反而会加大局势失控风险，外交谈判和政治解决仍是停火止战的根本出路。

国防民主基金会外交政策与防务专家Bradley Bowman也认为，特朗普更稳妥的做法是继续推进现有战略。在外交努力和经济施压仍有空间的情况下，重启军事行动可能带来额外风险。

风险提示及免责条款

AI行情震荡，去香港金融科技周听听掌舵者怎么说

Sat, 24 Oct 2026 14:12:58 GMT

AI投资这笔账，金融巨头怎么看？

营收和利润都超出预期，股价却跌了近7%。

10月22日，Meta财报后的市场反应，再次显露出投资者对AI投入的担忧。持续增加的支出、庞大的融资需求，让市场重新审视这场投资竞赛。

巨额投入还在继续，资金能否持续跟上，回报又将在什么时候出现？

研究这笔账，需要把技术进展与商业需求放在一起看。科技公司准备投入多少，金融机构怎样评估风险，客户愿意为哪些应用付费，共同影响着这轮产业扩张能走多远。

在10天后开幕的香港金融科技周上，有两场讨论值得带着这些疑问去听。

一场追问“AI变便宜后，谁能盈利？”耐能创始人兼CEO刘峻诚、汇丰集团创投负责人Moran Levinovitz等，将探讨AI成本下降后，产业链上的利润如何分配。

另一场聚焦金融AI的规模化应用与商业化。香港投资推广署助理署长梁瀚璟、麦肯锡香港管理合伙人Arthur Shek等，将讨论AI如何转化为业务收益，以及应用中的责任边界。

11月2日至3日，大会主论坛将在香港会议展览中心举行。今年的嘉宾还包括香港特区行政长官李家超、财政司司长陈茂波、香港金管局总裁余伟文，以及汇丰、渣打集团CEO等。政策制定者、金融机构负责人和科技企业经营者的讨论，为投资者提供了相互参照的视角。

华尔街见闻此次的港深调研，也将沿着这些问题展开：11月1日至5日，从两天大会，到香港金融机构交流，再到深圳企业参访，把会场里的观点与具体业务放在一起看。

听政策方向：看清创新进入市场的条件

香港金融科技周曾是重要政策的发布现场。2025年，金管局在会上公布“金融科技2030”，将数据与支付基础设施、金融机构应用AI等列为重点方向。

因此，今年到现场听监管者的讨论，可以继续关注：哪些方向获得支持，推进需要哪些配套，机构还面临什么实际障碍。对研究科技与金融行业的人来说，这些信息有助于理解一项创新从技术方案进入商业应用的过程。

听机构判断：了解资本与业务需求如何变化

今年大会的三大引擎是金融+、AI+、出海。议程还安排了全球资本投向、AI与财富管理，以及企业全球化与跨境支付等讨论。

同一项技术，在不同参与者眼中可能有不同的价值。科技公司强调产品能力，银行关注可靠性与业务效率，资管机构关心它将怎样影响企业的竞争力与盈利。

把这些判断对照着听，可以进一步厘清：哪些需求正在形成，哪些应用仍有障碍，市场期待与企业实际进展之间还有多大距离。

香港连接内地产业与国际金融市场，也让这些讨论具有更广的参照范围。关注科技投资，可以同时听到资本与客户的声音；关注跨境配置，也可以了解金融服务正在发生哪些变化。

看企业实践：把会场里的问题带到业务现场

两天大会期间，除了听论坛，还可以到展区了解产品：面向什么客户，解决什么问题，实际使用需要具备哪些条件。具体的产品演示，可以帮助理解演讲中提到的技术与业务模式。

本次参会还将设有华尔街见闻专属报告厅，安排嘉宾到厅分享。

大会之后，我们将继续走访香港金融机构与深圳企业。

11月4日，在某国际大行，听取专业人士对全球资产配置、AI产业变化与中美权益市场的观察；在拔萃资本，交流家族及高净值客户的财富管理；通过银乾国际与某国际保险机构的分享，进一步了解香港资管业务及保险产品的运行机制。

这些交流，将大会中的行业议题延伸到投资者关心的配置思路、财富管理服务与具体业务。当晚的跑马地赛马及晚餐，也为同行读者留出交流见闻的时间。

11月5日，调研将走进深圳企业，参访方向涵盖金融、互联网、AI、自动驾驶与机器人。通过面对面交流，了解企业怎样开发产品、服务客户，以及技术在实际业务中面临哪些要求。

具体路线见上方日程图。每位参与者将随机分配至其中一条路线，参访三家企业，暂不支持自选路线，具体以最终安排为准。

从市场波动中产生的问题，可以带到大会里听取不同判断，再到机构和企业中寻找更具体的参照。这也是我们将大会、机构交流与企业参访安排在同一趟行程中的用意。

如果您也关注科技投资、全球市场与跨境资产配置，欢迎带着正在研究的问题，与华尔街见闻一起出发。

11月1日至5日，香港·深圳，限额25人。

扫码添加Alpha小助手，咨询参会安排、调研权益及报名详情。

风险提示及免责条款

美联储先加息后或猛降息：AI 是利率关键阀门，开支拐点将触发政策转向！

Sat, 24 Oct 2026 12:59:12 GMT

自沃什出任美联储主席以来，其多次在公开场合强调，AI驱动的生产率革命将压低长期通胀，使美联储能够在通胀不失控的前提下更早降息，从而复制1990年代格林斯潘时期由生产率繁荣支撑的低通胀、早降息局面。

然而，FOMC内部对于AI究竟将推升通胀还是抑制通胀，仍存在明显分歧。以沃什为代表的长期视角认为，AI将提升全要素生产率、降低边际成本并最终形成通缩效应，短期价格压力不应改变政策方向；但沃勒、古尔斯比、库克等官员更强调，当前AI基建投资主要体现为需求冲击。GPU、HBM等芯片及存储产品需求旺盛，叠加数据中心建设、电力供应和建筑劳动力等环节的产能约束，可能加剧核心商品价格与能源价格的上行压力；且AI相关投入品需求缺乏弹性，价格压力可能持续2-3年并向更广泛经济领域溢出。

此前9月FOMC会议纪要亦显示，与会者将“激增的AI相关投资”列为通胀压力来源，部分官员担心AI建设推动总需求超过总供给，另有官员则认为长期通胀预期仍锚定，而AI生产率红利尚待兑现。

这种分歧使美联储难以形成统一的反应函数：AI短期通胀效应具有现实数据支撑，而长期通缩效应需5-10年扩散期且时点不确定，美联储因而在“更快收紧以抑制AI需求过热”与“保持耐心以等待生产率红利”之间难以抉择。

更关键的是，上述分歧主要沿生产率渠道展开，而AI投资周期还通过资本开支渠道影响利率路径：短期内，AI投资扩张可能加剧对资本和融资资源的竞争，并通过抬升实际利率、通胀预期及期限溢价等渠道推高长期利率，使美债收益率面临高于市场预期的上行风险；中期一旦数据中心资本开支增速放缓、AI供应商融资链条转弱，AI投资便可能由增长动力转为拖累，迫使美联储降息应对。

恒大最后的家底曝光：毕加索名画乱扔，私人飞机大甩卖！

叶桢 — Sat, 24 Oct 2026 12:15:25 GMT

恒大清盘最新进展堪称魔幻大戏：毕加索、莫奈真迹被随手堆在储物室受潮，13亿港元买来的百余件名画最终贱卖仅回笼2亿；私人飞机欠停机费5000万港元无人接盘；清盘人甚至追着哈佛大学讨要200万美元剩余赞助款。然而这些不过是杯水车薪——3600亿港元债务黑洞面前，前CEO已跑路美国，内地资产填坑无望，债权人首次受偿或要等到2027年，且比例成谜。

亚马逊AI算力卖断货，订单排到2028年！

董静 — Sat, 24 Oct 2026 12:13:01 GMT

亚马逊CEO认为，AI算力需求极度旺盛且供给严重不足，2026年和2027年的算力容量已基本售罄，2028年也已卖出相当大一部分，这种短缺局面不会在2027年结束，因此持续加大资本投入是完全合理的。

反恐部队上街、卢浮宫关门！法国周末爆发新一轮抗议浪潮，动荡烈火有蔓延欧洲之势

Sat, 24 Oct 2026 11:49:25 GMT

法国正面临新一轮全国性抗议活动，持续的社会动荡不仅考验着该国的安全防线，也显著加剧了市场对法国公共财政与经济前景的担忧。

据媒体报道，随着抗议演变为暴力骚乱，法国政府紧急部署7万名安保人员以维持秩序，并下令部分城市实施宵禁。法国总统马克龙承认在应对上周末暴力事件中存在失误，他已推迟原定的外交行程，以集中应对当前的国内危机。

持续的动荡局势直接冲击了金融市场与宏观经济。法国与德国的10年期国债收益率利差大幅飙升，触及欧元区债务危机以来的最高水平，同时最新数据显示私营部门经济活动已跌破荣枯线，陷入萎缩区间。

商业与零售活动同样首当其冲，巴黎多家奢侈品门店及主要景点被迫关闭。企业高管与地方官员警告称，游客流失将重创即将到来的假日季销售，并给市政带来高达数千万欧元的经济损失。

市场告急与经济萎缩

动荡局势加剧了投资者对法国公共财政的担忧。

尽管法国在周五晚间勉强避免了穆迪（Moody's Ratings）的评级下调，但该国在2027年大选前削减预算赤字的努力正面临严峻挑战。作为衡量债券风险的关键指标，法国与该地区避险资产德国的10年期国债收益率利差在周四达到178个基点，远高于9月初的85个基点，触及欧元区债务危机以来的水平。

此外，宏观经济数据也释放出疲软信号。由标普全球（S&P Global）编制的综合采购经理人指数（PMI）从上月的51.1降至10月的48.4，跌破50的荣枯线，表明私营部门经济活动已陷入收缩。

商业停摆与消费冲击

暴力的重演预期正迫使商业活动大面积停摆。

在巴黎，包括众多奢侈品精品店在内的商铺已用木板封住橱窗并增派安保人员，部分门店选择继续关闭。卢浮宫，奥赛博物馆和毕加索博物馆三大热门景点周六闭馆，原定在巴黎举行的巴黎圣日耳曼队与里昂队的足球比赛也被推迟。

据媒体报道，Breitling首席执行官警告称，随着游客远离巴黎，该公司正准备迎接假日季销售受到的冲击。

据报道，巴黎市长Emmanuel Grégoire表示，市政府正为持续数周的长期情况做准备，预计市政厅的损失可能达到数千万欧元。此外，他在社交媒体上指出有迹象表明暴徒计划在本周六和下周六向首都聚集。

严阵以待的安保升级

为应对被称为“第二幕”（Acte II）的抗议活动，法国政府全面升级了安保措施。

法国内政部长Laurent Nunez周五向记者表示，政府将部署7万名安保人员，其中包括精锐的反恐部队。他将社交媒体上呼吁暴力的行为归咎于极左翼，并强调政府对暴徒，抢劫者以及任何实施暴力行为的人（包括极左翼政治团体）绝不妥协。

军队将协助守卫敏感建筑，直升机，水炮以及被称为Centaurs的装甲车也已随时待命。包括里昂在内的部分城市已在周六发布抗议禁令并延长了宵禁时间。马克龙周四承认，在上周末的暴力事件背后存在“计划上的失败和令人意外的因素”。他将煽动性行为归咎于极端左翼团体。

政治分化与外溢风险

距第二任期结束还有六个月的马克龙目前正处于支持率低谷。

此次抗议最初源于民众对改善公共服务及政府干预高昂生活成本的诉求。据Cluster 17为L’Opinion进行的民调显示，该运动目前仍获得53%的多数公众支持，但支持率已下降4个百分点。同时，随着对负面影响的担忧加剧，59%的受访者希望抗议迅速结束，这一比例上升了6个百分点。

民调还显示，暴力事件使明年总统大选的领跑者，极右翼候选人Marine Le Pen从中受益。她计划于周六在奥尔良为其国民联盟党大会召集数千名支持者。与此同时，包括左翼人士和工会领导人在内的数千名反对者，已于当地时间上午在奥尔良市中心开始抗议游行。

社会动荡的情绪也在欧洲多国蔓延。在意大利，预计周末米兰和罗马将出现学生及青年的示威活动，上周末发生抢劫和骚乱后，意大利政府表示将在米兰部署军队。比利时预计也将发生抗议活动，而阿尔巴尼亚正努力应对因不满总理Edi Rama统治而引发的连续第二周的暴力示威。

风险提示及免责条款

AI创投圈的“击鼓传花”？大佬揭底：75%的收入都是左手倒右手！

董静 — Sat, 24 Oct 2026 11:21:48 GMT

风险投资家Chamath Palihapitiya认为，当前AI创投圈存在严重的“资金内循环”结构性问题，高达75%的收入只是初创公司间为了抬高估值而互相消耗的VC资金；AI技术要想真正实现长期盈利，就必须打破这种“左手倒右手”的封闭生态，向更广泛的行业扩散，且在此扩散过程中，企业出于数据主权等考量，正愈发倾向于选择开源模型和自建数据中心。

AI军备竞赛烧向上游！报道称英特尔、英伟达、AMD预付逾千亿台币锁定高阶IC载板产能

Sat, 24 Oct 2026 11:03:44 GMT

据台湾《经济日报》报道，英伟达、英特尔、AMD三大科技巨头为抢占AI供应链关键产能，已向中国台湾高阶IC载板厂合计预付逾新台币千亿元（约50亿美元）订金，锁定长期产能供应。

受此驱动，台湾载板三强欣兴、景硕与南电今年累计宣布投资建厂规模达1612亿元新台币，创下历史新高。

英特尔执行长陈立武（Lip-Bu Tan）此前公开表示，AI需求带动先进封装与芯片需求，上游IC载板及材料供应持续吃紧，已有多家客户主动提前支付预付款，以协助英特尔锁定载板与产能。法人据此推估，英特尔长期预购载板产能金额约30亿美元。

AMD此前宣布投资台湾百亿美元，业界普遍解读为锁定供应链产能，其中载板相关投资估计约10亿美元；英伟达亦宣布与多家核心供应链合作伙伴推进大规模扩产计划，外界推测其对台厂载板投资规模同样约10亿美元，且存在进一步追加的可能性。

欣兴：资本支出居同业之冠，斥资百亿收购厂房

据上述报道，欣兴今年资本支出规模在载板厂中排名首位。公司董事会此前决议追加今年资本支出197亿元新台币，使全年资本支出总额升至537亿元，同步大手笔采购长交期设备，相关采购订单金额亦再追加176亿元。

在土地与厂房布局方面，欣兴于9月底公告以约100.8亿元新台币收购台湾普利司通湖口厂办，用于应对客户未来高阶载板产能扩充需求。公司公告指出，此次收购土地系基于中长期营运发展策略，旨在进行整体生产配置与产能规划。

景硕：转型高阶载板，三年扩产预算逾四百亿

景硕近年持续从传统PCB生产淡出，集中资源转型高阶载板业务。董事会已拍板资本支出235亿元新台币，以满足未来三年ABF载板产能扩充所需设备投资，其中2026年计划支出80亿元，60亿元将专项用于ABF载板投资。

此外，景硕董事会还额外新增专案资本支出预算196亿元，进一步强化扩产力度，合计扩产预算总额超过四百亿元新台币。

南电：兴建智慧工厂，单项投资近五百亿

南电董事会此前通过决议，将新增资本支出用于兴建专注大尺寸、高层数高阶载板的智慧工厂，预计投资金额达468亿元新台币，为三家厂商中单项投资额最高。

AI基础设施军备竞赛向上游蔓延

三大科技巨头合计对台湾载板产业的投资估计达50亿美元（约合新台币1629亿元），折射出AI基础设施建设对上游关键材料与封装基板的深度依赖。载板作为连接芯片与电路板的核心中介元件，其供应瓶颈已直接影响整体AI供应链的产能释放节奏。

客户以大额预付款锁定产能的模式，一方面为台湾载板厂商的大规模资本支出提供需求能见度支撑，另一方面也显示科技巨头对供应链安全的优先级已提升至主动绑定资源的层面。今年台湾载板大厂宣布的累计投资额创下1612亿元新台币的历史新高，反映市场对AI相关载板需求的长期乐观预期。

风险提示及免责条款

算力期货呼之欲出这下真要跟石油一样了！？

Sat, 24 Oct 2026 11:02:40 GMT

芝商所在最新的季报电话会上说，算力期货的客户需求很大。其中一位高管把银行因AI背负的贷款敞口叫作“无法对冲的风险”。

“史上最大规模传票”！民主党“枕戈待旦”，马斯克中选后面临“全面报复”

Sat, 24 Oct 2026 09:34:18 GMT

马斯克与民主党之间的政治对决正在急剧升温。随着美国国会中期选举临近，民主党人已公开放话，一旦夺回国会控制权，将对马斯克发起全面国会调查，并祭出被外界称为“史上最大规模传票”的法律手段。马斯克则以强硬姿态回击，誓言反击到底，并正斥资数亿美元力保共和党守住国会席位。

据媒体报道，民主党正筹备对马斯克旗下企业及其政府活动展开大规模国会调查，调查范围涵盖其联邦政府合同、领导"政府效率部"（DOGE）期间的相关行为，以及涉嫌干预乌克兰军事通信等多项指控。

纽约大学教授Scott Galloway在其播客节目中预言："11月4日之后，你将看到史上最大规模的传票和国会听证要求砸向他。"资深科技记者、马斯克批评者Kara Swisher随即附和："对，百分之百。他们已经说了，这是板上钉钉的事。"

面对步步紧逼，马斯克在X平台上以"以剑为生，以剑为亡"（Live by the sword, die by the sword）作出回应，并警告称将追查“真正幕后操盘者”，而非仅针对“傀儡”。与此同时，马斯克正向维持共和党国会多数席位的政治行动倾注数亿美元资金，将这场政治博弈与其商业利益深度捆绑。

民主党锁定三大调查方向

据媒体周二报道，民主党高层正就三条主线推进对马斯克的调查部署。

其一，联邦合同与利益冲突。民主党议员Rep. Pramila Jayapal（华盛顿州）直接点名质疑：“当一个人从政府拿到巨额合同，却反过来利用这份合同切断对美国至关重要的乌克兰战场通信，这意味着什么？”这一表述直指马斯克旗下星链（Starlink）卫星服务在乌克兰战场上的角色争议。

其二，DOGE的“破坏性遗产”。马斯克主导的政府效率部曾大刀阔斧削减联邦开支、取消政府合同、压缩联邦雇员规模。民主党议员Rep. Greg Meeks（纽约州）表示：

“国会必须要求对马斯克和DOGE造成的损害进行全面清算，我们不会允许任何人阻挠我们的监督职责。”

其三，乌克兰军事通信干预指控。民主党人将马斯克在乌克兰冲突中的通信决策列为重点审查对象，认为其中存在潜在的国家安全风险与利益输送问题。

马斯克强硬回击，誓言反制

面对来势汹汹的调查威胁，马斯克并未选择低调应对，而是公开宣示反击立场。他在X平台发文称，将深挖“真正拉线的人”，而非仅仅应对台前的“傀儡”，措辞强硬，暗示将把政治攻势延伸至民主党内部更深层的权力网络。

马斯克此前亦已明确表态，若民主党在11月选举中重夺国会控制权，他将采取报复行动。这一表态将其个人政治命运与共和党的选举结果直接挂钩。

在政治防御层面，马斯克正将资本力量转化为选举筹码。据报道，他正向维持共和党国会多数席位的相关政治行动投入数亿美元资金。

分析认为，这一举动的逻辑清晰：共和党若守住国会，民主党的调查议程将无从落地；一旦民主党翻盘，马斯克的联邦合同、DOGE遗留问题乃至其商业版图都将面临系统性的国会审查压力。

对投资者而言，特斯拉、SpaceX等马斯克旗下核心资产的政策环境，将在相当程度上取决于11月选举结果。

风险提示及免责条款

亚马逊CEO：AI业务年化收入超250亿美元，增速是AWS初期的数百倍，砸2200亿美元仍无法满足需求

Sat, 24 Oct 2026 09:00:00 GMT

近日，亚马逊CEO安迪·贾西（Andy Jassy）作客知名风投a16z的播客节目，与a16z联合创始人Ben Horowitz进行了一场深度对谈。在这场访谈中，贾西全面揭示了亚马逊在生成式AI浪潮下的战略全景。

面对华尔街对科技巨头无底洞般资本支出的担忧，贾西给出了最直接的市场反馈：需求不仅没有放缓，反而正在极速透支未来的产能。同时，他详细拆解了目前AI市场的“杠铃型”需求结构，并明确指出，要真正解锁企业级的AI应用，算力推理成本还必须再降一个数量级。

“即使砸下2200亿美元，我们仍把大量需求留在了桌面上”

市场当前最关注的核心问题，是巨头们动辄千亿的资本支出是否会变成过剩的沉没成本。贾西用一组惊人的订单数据直接回应了市场的疑虑。

“即使今年花费2200亿美元，我们仍然把大量有意义的需求留在了桌面上。”贾西在访谈中直言不讳地指出当前算力极度供不应求的现状：“我们总是会为按需服务保留一定比例的算力，但2026年的产能显然已经售罄，2027年也基本售罄，甚至2028年的很大一部分也已经卖光了。”

从业务增速来看，AI带来的增长曲线极其陡峭。贾西对比了AWS（亚马逊云服务）早期与当下的发展速度：“在AWS刚起步的前三年，我们觉得自己增长很快，当时的年化收入运行速率大约是6000万美元。但在这一波生成式AI浪潮的前三年里，我们在AWS的AI业务年化收入运行速率已经超过了250亿美元。它的速度是当年的几百倍，我们从未见过类似的情况。”

针对资本市场的担忧，贾西解释了数据中心投资的现金流周期逻辑。他表示，数据中心建筑的投资需要提前两年，但使用寿命长达30年；而服务器和网络设备的采购则只需提前几个月。这意味着公司对客户需求有非常清晰的能见度。“如果你发现实际上不需要填满那些数据中心，你就不会去买服务器和网络设备。大部分服务器协议都是五年期，通常三年就能实现盈亏平衡。由于这种现金周期的存在，当你以如此快的速度增长时，早期的自由现金流确实会面临逆风，但一旦全部上线，回报将非常可观。”

驳斥数据中心争议：“高尔夫球场两天的耗水抵我们一年”

在美国本土，数据中心的能耗和环保问题正演变成一场政治争议。贾西对此予以了强硬回击，并将其上升到了国家竞争力的宏观层面。

“我们正在经历的基础设施建设，其规模堪比上世纪50年代美国建设高速公路和桥梁。国家乃至整个世界都承受不起不建数据中心的代价，否则我们将发现像中国这样的国家会确立所有的领导地位和规范，这对我们无论是国内还是全球层面来说，都是不可接受的。”

对于环保指控，贾西抛出了极具冲击力的数据事实：“现在有很多介于神话和谎言之间的说法正在传播，因为政客和投机者喜欢找一个简单的‘反派’。事实上，高尔夫球场或杏仁种植业消耗的水量远超数据中心。作为一个数据点：高尔夫球场消耗的水量是我们的200倍，它们两天用的水比我们数据中心一年用的还多。”

他还补充道，备用发电机的污染也被严重夸大：“你必须按照全天候满负荷运行来注册申报污染量，但实际上我们每年只运行备用发电机0.1%的时间（约10小时）用于维护。”

AI需求的“杠铃效应”与降低推理成本的核心逻辑

在拆解具体的AI需求时，贾西提出了一个生动的“杠铃”理论，这也解释了亚马逊为何坚持自研芯片的战略。

“杠铃的一端是AI实验室，他们正在消耗我见过的海量算力；另一端是企业，主要利用AI来降低成本和提高生产力，比如自动化客服或业务流程。而杠铃的中间，是企业目前的生产工作负载。绝大多数企业还没有普及（AI推理），但我认为5到7年后，几乎所有现存的企业应用都将深度使用推理技术。”

然而，要激活“杠铃中间”的庞大市场，价格是最大的绊脚石。

“过去几年，推理成本已经下降了不少，但在我看来，它仍然贵了一个数量级（an order of magnitude too expensive）。”贾西强调，“如果你要求企业用AI加速器重写他们现有的CPU应用，如果成本差异巨大，他们重写的门槛就会非常高。但如果你能把推理成本降下来，门槛就会大幅降低。这就是为什么我们要在自研芯片业务上发力。”

贾西高度评价了2015年收购芯片设计公司Annapurna Labs的交易，称其为“亚马逊历史上最成功的一笔收购，甚至没有之一”。他透露，通过自研的Graviton处理器（性价比比其他x86高出40%）和Trainium AI加速器（性价比高出30-40%），亚马逊正在强行拉低算力成本。

组织重塑：6名工程师干了40人一年的活，所有产品必须推倒重来

除了向外输出算力，AI正在从内部重构亚马逊这台庞大机器的运转方式，首当其冲的就是人员架构和产品开发逻辑。

贾西分享了一个令人震惊的内部案例：Bedrock（亚马逊AI推理服务平台）团队仅用6名工程师、耗时76天就重构了推理引擎，而这在过去需要40个人花上一整年的时间。

“这让所有人大开眼界。”贾西直言，“未来，做同样工作的人类将会比今天少。我不是说不需要人了，但随着业务规模扩大，我们不会再像过去那样投入那么多的人力。团队会变得更小，人们需要跨职能工作，因为模型能帮你完成80%的工作。”

在产品层面，贾西认为渐进式改良已经走不通了，必须拥有“从头开始重构”的魄力。

“对于像Alexa这样的产品，它的‘大脑’在开发时非常具有创新性，但因为生成式AI的出现，能力的边界已经完全不同了。如果你想拥有制胜的客户体验，你必须重新接入（rewire）Alexa的大脑。”

不仅是Alexa，贾西指出，亚马逊的零售、Prime Video、音乐等所有核心消费者体验，都必须在未来几年内结合AI进行彻底的重新构想。“团队往往会因为骄傲和历史包袱而抗拒，说‘我们试过那个，行不通’。但这（重构）是必须经历的痛苦，如果只想着渐进式改善，三五年后你就会被淘汰。”

以下为播客全文翻译：

Andy Jassy 00:00

即便今年要投入 2200 亿美元，我们仍然把相当可观的一部分需求留在了桌面上。我们总会留一部分产能给按需使用，但 26 年显然已经售罄，27 年基本售罄，28 年也有相当一部分已经售罄。

Andy Jassy 00:14

金融市场在说，哎呀，世界上没有那么多钱来给这些东西融资。可我们今天在这个世界上做的每一件事——股市、银行、医疗——它们都在用数据中心。我们的工作就是想办法拥有尽可能多的产能；我们有这个机会，去覆盖多得多的客户体验，让他们的生活每天变得更好、更轻松。那些大型实验室愿意为电力、散热和芯片付出几乎任何代价。嗯，也许我们应该把老客户买出来、再卖给新客户，因为他们出价随我们开。

a16z 00:48

Andy，欢迎来到节目。很高兴你能来。谢谢你们的邀请。那么，你执掌亚马逊已经五年了，做了很多事。能来到这里本身就很不容易，作为 CEO 也有很多事情在接连推进——你现在手上是 2200 亿美元的资本开支，AWS 增长了 20%、28%。嗯，嗯，你确实已经做了很多。

Andy Jassy 01:09

你已经实现了这么多，那么你怎么看待 2026 年亚马逊的雄心——相对于 2021 年你正式接任 CEO 的时候？哦，2021 年感觉已经是很久以前的事了，感觉就像、你知道的、像十年前一样。但是，你知道的，世界变化太快了。而且，你知道的，就是……

Andy Jassy 01:30

如果和 2021 年相比，我们的整体营收大概高出 80%，AWS 业务大概接近三倍，广告收入大概是两倍半。所以这门生意，你知道的，增长得相当多。

Andy Jassy 01:47

我觉得确实发生了几件事。在我刚上任不久——那正好赶在疫情尾段——我们的零售业务遭遇了一个真实的履约成本难题：我们基本上把履约网络的规模翻了一倍。我们用 25 年建起来的网络，在大约 18 个月里把规模翻了一倍；接着又在大约 20 个月里，建成了一个规模相当于 UPS 的末端配送运输网络。而只要你建得这么快，就一定会留下各种各样没有优化到位的东西。我们在履约网络里的履约成本，并不是我们想要的样子。嗯，你知道的，这在当时带来了很多挑战、很多焦虑。我记得那会儿我上任也就一年左右、还不到一年，大家都在说：哎呀，这个时候接手真是最糟糕的时机，运气太差了。可是现在回头看，我觉得那其实是一个非常好的开始时机，真的是一种福气——因为它逼着我们去考虑一大堆本来可能很多年都不会去考虑的事情，而那些事情对我们的客户、对我们的业务来说都是非常好的想法。其中最大的一件，就是我们的履约网络：我们把这个原本扁平的全国性履约网络在美国做了区域化改造。通过区域化，我们把商品放得离客户近得多，结果不仅因为运输距离更短而降低了履约成本，同时送达客户的速度也快得多。嗯。在那个我们为履约成本苦苦挣扎的阶段，重新审视我们那些最根深蒂固的信条，真正释放了配送速度和零售业务里的大量需求，也是我们在那里能增长得这么快的一个重要原因。当然，你知道的，紧接着就是 AI 如何进一步引爆全场。并不是说 AI 是什么新东西——我们大家做机器学习已经很久了，此前也有过好几波被认为“真正的转折点”的 AI 浪潮。但当你走到 2023 年，你真的会看到生成式 AI 带来的巨大不同。我想说的是，当时我们的 AWS 业务已经增长得非常快了。我们有、你知道的、明显最广的功能覆盖、更强的运营表现和安全性，而且我认为还有一种不一样的伙伴生态。我们是明确的领导者，我们当时觉得，这门生意在很长一段时间里——假设十年以上——能做到几千亿美元的收入。现在我们再看 AI 正在发生的一切，再看我们所知道的每一种客户体验都将因为推理和 AI 而被重新发明，我们实际上认为，AWS 业务不仅增长非常快——上个季度我们同比增长了 36.7%，而且是在 1690 亿美元年化收入的体量上——今天摆在我们面前的机会真的非常惊人。而且你知道的，我觉得如果你再往上叠一层，我们有那些新业务的种子：不管是团队把 Prime Video 做成了什么样——它现在已经是规模很大而且盈利的业务；还是我们正在用 Amazon Leo 建设的低地球轨道卫星；或者是和 Zoox 一起做的自动驾驶网约车服务；还有医疗业务，以及我们在机器人领域做的事。你知道的，我们真的有机会去帮助多得多的客户，覆盖多得多的客户体验，让他们的生活每天变得更好、更轻松。而这个“努力让客户的生活每天变得更好、更轻松”的使命，真正把我们在公司各处所做的事情统一在了一起。那么关于这个我有几个追问。其一，你刚刚提到，当你这么快地扩建履约网络时，它必然会有点低效。你知道的，当你推进得这么快，就一定会有些粗糙的地方。那么你是怎么——而且你还提到内部围绕这件事有些焦虑——从一个 CEO 的视角，你要怎么去沟通你在做的事，同时又不拉低文化标准？我的意思是，亚马逊是以卓越、以运营效率、以节俭著称的，所有这些东西。可你现在说的是：我们要建一个 UPS 那样的东西，诸如此类。那么你是怎么把这两者调和起来的？嗯，有意思的地方在于，我们有这套很多人都知道的领导力准则，一共 16 条。很多条准则，它们本应、也确实在支配我们作为一个团队在运营和文化上的思考方式。但其中有好几条彼此之间是存在张力的，有时候人们会为此感到困惑。可现实是，这恰恰反映了真实世界的运作方式——没有任何事情是真正干净利落的，你永远在做取舍。所以回到当时那个时刻，当我们决定以那么激进、那么快的节奏去扩建履约网络和末端配送运输网络时，团队面临的问题是：我们知道，如果推进得这么快，会非常艰难；成本很可能比慢一点做要高；我们也很可能没法把每件事都做得像慢一点做时那么优化。但客户和卖家真的非常需要它。所以，我们到底要不要偏向“先把它做起来”这一边？你要记得，那时候是疫情早期，所有的实体店都关了。我是说，如果你看看亚马逊在疫情期间在每个人生活中扮演的角色，那是非常具有开创性意义的。所以我们必须问自己：我们是不是要建得快、也许做得没那么优化，以此来换取服务好那些客户和卖家——那些卖家当时也在努力让自己的生意维持下去？这是你首先要做的决定。而我们决定，就像我们几乎一贯所做的那样，偏向客户这一边。你知道的，接着，在建设过程中很快就很明显了——我们规划的事情并不是每一样都进展得很完美。我们有、你知道的，我们的履约团队比公司其他大部分部门更常在办公室里。但即便如此，还是有大量的人需要参与到大量的设计、规划和评估中。人被分散在各处、远程办公，然后你还要去平衡“崇尚行动”或者说速度，与“坚持极高标准”之间的组合或者张力——后者意味着你要按自己一贯规划的成本结构、交付方式和设计去交付。所以你又得做取舍。我们的取舍是站到客户这边、快速推进，以便服务好卖家和消费者，而且我们当时就想到后面会有一定量的清理工作。那么，我们当时是否确切知道最终会演变成后来那样？没有。也有一些东西是我们没有优化到位的，而我不确定我们事先预见到了它们不会被优化。但如果你有好的度量指标，如果你的文化是一个讲真话的文化——这也是我们文化中另一个非常重要的部分——我们，你知道的，会把数据摆到桌面上，把问题摆到桌面上，彼此直接沟通，我们不允许别人把问题粉饰过去。如果你有这样一种文化，那么在指标上会相当明显，在讨论中也会相当明显。然后你只要去想办法怎么改进它，分清哪些只是些小的效率问题，哪些是架构性的问题。等我们把那批产能装上之后，我们回过头去真的重新架构了网络的关键部分——那件事当时在那个团队的优先级清单上大概排第八、第九位，但后来变成了重要得多的优先级，因为它能真正拿到速度和成本的组合。是的，很有意思。你知道的，有点像最开始，当你创办 AWS 的时候——你创办 AWS，那时候的套路有点像“建好了他们就会来”，对吧？你在建这一整套基础设施，然后你去运营它。所以他们必须得来，否则你就麻烦大了。但现在这件事是在一个大得多的规模上重演：你和其他一些公司——不过我得说，主要是你，至少你肯定是最大的玩家之一——正在以如此之快的速度建设数据中心和芯片产能，以至于金融市场开始说：哎呀，世界上没有那么多钱来给这些东西融资。然后，我们前阵子在 CoreWeave 的债务市场和股权市场等等地方，就看到了那种紧张情绪。所以你怎么判断——考虑到需求这么陡峭、你增长这么快——这轮建设到底建到多少才算太多？而且供应链上还有争夺，你要去抢你的散热、电力、芯片所有这些东西。是的，这是个非常好的问题。我真希望有个公式能把它变简单，那能替我们团队省下大把时间。嗯，我想我会这么说：在云的第一波浪潮里，当我们创办 AWS 的时候，确实有一点点“我们不知道人们会不会用它，所以先建好了他们就会来”的味道。但我们在公司内部有很好的信号。当时，你知道的，大约是 2000 年代早期那几年，我们有不少团队的推进速度远没达到我们的期望——尽管相对而言我们已经觉得自己够快了。但我们就是搞不明白为什么要花那么久。原因其实是，我们的产品团队把 70% 到 80% 的时间花在了基础设施那部分工作上，而那部分并不能让他们形成差异化；只有大约 20% 的时间花在真正让产品有差异的部分上。于是我们、你知道的，我们意识到每个团队都在重复做这件事、都在重新发明轮子。所以我们最初构思 AWS，是为了让我们自己在内部能跑得更快。我们当时的判断是：如果我们建一套大规模、高可用、低成本、高度灵活的基础模块服务，比如计算、存储、数据库、内容分发、消息等等，我们就能在消费者业务里建得快得多。然后我们只是说，相对而言我们技术还不错，其他公司大概也有同样的问题。但甚至在我们对外发布之前，公司内部就有那么多团队感兴趣，我们就知道方向对了。我不认为我们当中有人预料到它在外部会增长得那么快。在 AI 这边，你知道的，正如你所知，此前出现过一波又一波的人说：就是现在了，AI 终于来了。甚至在生成式 AI 这波浪潮之前大概六七年，人们就觉得那是 AI 的时代。我们建了一大堆 AI 服务，在 AWS 那边其实是一门相当不错的生意。但跟我们现在看到的完全没法比。在 AWS 的早期，我们、我们觉得自己已经增长得非常快了，而且对此感觉不错——三年之后，我们做到了大约 6000 万美元的年化收入。而在生成式 AI 这波浪潮的头三年里，光是我们在 AWS 里的 AI 业务，年化收入就超过了 250 亿美元。所以它快了几百倍。这个、我们真的从没见过这样的东西。于是问题就变成：你想投多少资本开支去追逐这个机会？我能告诉你的是，我们说过，2026 年我们预计要花大约 2200 亿美元的资本开支。顺便说一句，我记得大概 15 年前在一次领导团队早餐会上，我们当时无法相信有电信公司会花 500 亿美元做资本开支，我们当时说：他们怎么能花这么多钱在资本开支上？所以这些数字，你知道的，真是让人脑子发麻的数字。而即便今年要花 2200 亿美元资本开支，我们仍然把相当可观的一部分需求留在了桌面上。在这里真正帮到我们的是，我们对客户需求有很好的可见度。所以如果你去看 AWS 的资本开支投资以及现金周期的运作方式，它有两大块：一块是数据中心的投资，另一块是服务器和网络的投资。数据中心这一块，你必须、你知道的、提前大约两年投入，之后你才能在数据中心里放上服务器并开始变现。好消息是，这笔投资你只需要做一次，它是一个使用寿命资产，大约 30 年。但你得提前几年做这笔投入。服务器和网络设备则只需要提前几个月，视具体部件而定。所以在你真正扣动扳机之前，你对客户需求有很好的可见度。如果最后发现你其实并不需要那些产能去填满这些数据中心，你就不会去买服务器和网络设备。平均而言，它们、你知道的、大约三年就能回本，而目前它们的使用寿命大约是五到六年。我们做的大部分交易都是大约五年的。所以当你像我们这样同时建这么多数据中心、建得这么快时，你会花掉大量资本，而且你的自由现金流在那些年份会承受逆风——直到几年之后走到那个后期阶段：所有这些数据中心都上线了、都在变现了、你从服务器和网络投资里把钱赚回来。但由于现金周期的运作方式，在你增长得这么快的头几年，它确实会带来逆风。那么顺着这个说，你知道的，回到你创办 AWS 的时候，数据中心大概是世界上你最不可能相信会变成一个政治议题的东西。可我们现在就处在这样一个局面里，尤其在美国。你知道的，这挺有意思的，我相信你也经历过——世界上没有哪个地方的人，会比美国政治圈那样反数据中心，不管出于什么原因。所以你，你知道的，这种情况最终会怎么影响这件事？我想问的是，反数据中心的论点有任何道理吗？然后，这又会如何反过来影响你的策略——你在这里建什么、你在其他地区建什么？嗯，好的，我可以给你一些我所掌握的、至少是我所相信的背景。你想想，我们今天在这个世界上做的每一件事——股市、银行、医疗、娱乐、购物、教育、商业、网约车——我们所做的一切都是数字驱动的，它们都在用数据中心，说白了就是这么简单。不，每个人都是；我反对的是我自己，我再也不想用我的手机了。可它们都用数据中心。而这还只是在 AI 之前。AI 是我们这个时代最大的技术变革——考虑到我们经历过互联网、云和移动互联网，这么说是有分量的。所以现实是，为了支撑我们刚刚谈到的 AI 侧那种高速增长，我们所需要的这类基础设施建设，在这个世界、在这个国家，大概自 1950 年代我们修建高速公路和桥梁以来，就没有出现过能与之相比的东西。我是说，我们现在正在经历的，就是那种量级的建设。而这个国家——我认为整个世界大体如此，但我要特别说美国——承受不起不建数据中心的代价，否则我们会发现，像中国这样的另一个国家会把所有的领导地位和所有规则都确立在那里。我认为我们谁都不会喜欢那样，无论在国内还是在全球。所以我们现在必须建数据中心。那么，我是否认为作为整个行业，我们有办法做得比现在更好？当然。我觉得事情发展得很快，大家都在共同学习。但现在有一批——我会称之为介于迷思与不实之词之间的东西——正在被传播，因为这是那种人人都能找到一个现成“反派”的议题。在政治上，有时候机会主义者喜欢去找出那个反派来指指点点。我可以给你举些例子。高尔夫产业或者杏仁种植产业消耗的水，比数据中心多得多。就给一个数据点：高尔夫球场这样的场所，耗水量是我们所有数据中心的 200 倍；它们两天的耗水量，比我们数据中心一年的耗水量还多。所以这类例子有很多，这是个很好的例子。或者你可以谈污染。实际情况是，当你注册新的场址、配备备用发电机时，你必须登记并申报：如果你把这些发电机全部满负荷、全天候运行，排放量会是多少。但当然，这种事从来不会发生。备用发电机一年只运行千分之一的时长，比如一年 10 小时用于维护。所以，你知道的，或者你谈电价——如果你去看我们有大规模数据中心布局的不同地区，有些地方的电价涨了，有些地方的电价降了。但真正的问题是：作为一个国家，我们没有以应有的方式投资我们的电网基础设施。这里必然会有可观的增长，所以总有什么东西会把它推到需要投资的临界点。结果就是 AI——因为它增长得如此之快、体量如此之大——成了那个把它推过去的东西。但等你真的把产能建起来，你会发现，在大多数地区，电价最终会走平甚至下降，就像在印第安纳州、佐治亚州或密西西比州发生的那样。所以，是有一些我们能做得更好的地方。另外人们容易忘掉的一点是：在这些地区，大型数据中心供应商缴纳了大量税收。你看，就拿印第安纳州的圣约瑟夫县来说，我们已经缴纳了大约 30 亿美元的税。社区拿到了这笔钱，可以把它花在对这些社区真正重要的事情上。所以社区也从中得到了回报。我们建了一些项目，比如 Built Together（共建），我们刚刚承诺在未来五年里，再向那些我们有数据中心布局的社区投入 10 亿美元。所以我认为，我们必须持续和社区一起努力推进这件事。它必须是一种公私合作伙伴关系。但这轮建设对这个国家的未来太重要了——想象一下，如果我们当初没有把高速公路建起来会怎样。

a16z 20:44

以及桥梁——那会决定这个国家的经济繁荣与能力边界。所以我们要把它放在一个合理的视角里看待，而且我们必须成为我们所建设社区的伙伴。我们再回到资本开支这个问题上。那 2200 亿美元，也就是每天 6 亿美元。我只是想、你知道的，把它放到一个参照系里。我很好奇你现在怎么看待 AI 需求——我们私下聊的时候，你把它形容为一个……

Andy Jassy 21:10

杠铃（barbell）结构。也许你可以梳理一下、或者说定位一下当下 AI 需求的状态。嗯，我想说，第一个背景就是我前面讲过的——我简直不敢相信 AI 长得这么大、这么快。你知道的，它比 AWS 初期快了几百倍；头三年，我们在 AWS 里光 AI 收入就做到了 250 亿美元的年化规模。所以它真的非常大。但同时，如果你看需求的结构，它真的是一个杠铃。杠铃的一端是那些 AI 实验室，它们在消耗海量、海量的算力，规模之大是我从未见过的。然后还有少数几个爆款应用，ChatGPT、Claude Code，诸如此类。

Andy Jassy 21:59

杠铃的另一端是企业，它们主要在用 AI 做成本规避和提效，比如把客服自动化、反欺诈、或者业务流程自动化。杠铃的中间，是企业当前的生产型工作负载，其中很多跑在 AWS 上、今天已经在用推理了。但我要说的是，其中绝大多数还没有以任何渗透性的方式用起来——你知道的，而我认为那会成为 AI 使用中绝对值最大的一块。我认为你会看到这一点。

Andy Jassy 22:38

我很难预测这件事发生的速度。它、你知道的，每一年都在更大程度上发生。但我觉得如果你把视角拉远——五年、五到七年——去看看那会是什么样子；而且我不认为它会等到五到七年之后才发生，它从来不会一蹴而就。但如果你能把视角拉远到五到七年，我认为相当多、甚至是我们今天使用和存在的多数企业应用，都会以渗透性的方式用上推理。所以我们面前还有大量的增长空间。那么你是怎么看待这件事的？因为我们正面临一场即将到来的数据中心、芯片、内存——所有东西——的短缺，而且真的就在 2027 年，因为大家现在都在建，但到今年年底未必能就绪，而需求一点都没有放缓。所以面对这种情况你怎么想——当那些大型实验室愿意为电力、散热、芯片付出或许任何代价、几乎任何代价的时候，那种环境；而你又有这些已经存在很久的老客户在按常规费率付费来运转他们的业务。有没有一种商业压力会让你想：嗯，也许我们应该把老客户买出来、再卖给新客户，因为他们出价随我们开？而老客户呢，我又不能把他们的价格翻一倍，那不公平。或者，你是怎么看待这件事的？因为这实在很奇怪——你有一批在你这里待了 20 年的人，做着一件、如你所说、大概会走向推理的事情；然后你又有这些新客户，他们贪得无厌，什么东西都愿意买。

Andy Jassy 24:35

是的，这是个好问题。你知道的，我们看待这件事的方式跟你说的那种不太一样，但我完全能理解。如果你想想，今天的数据中心和电力就这么多，内存也就这么多，而且我不认为这种短缺会在 2027 年结束。我认为、我相信——回到资本投资这个话题，我之所以觉得我们可以投得多得多、而且那不会是糟糕的资本使用，其中一个原因就是：26 年在这个时点显然已经售罄，27 年基本售罄。我们总会留一部分给按需使用，无论是在我们的推理服务 Bedrock 里、还是在 EC2 里——但基本都售罄了，所有的大块都售罄了。28 年也有相当一部分已经售罄。需求就是这么大，你没法……我们有，如果你看 AI 业务和我们所谓的核心业务——核心可以理解为非 AI 部分——它们现在都在以非常快的速度增长。而且你知道的，如果你手上的内存只有那么多，你就得决定要把多少内存分配给 HBM、也就是给 AI 加速器，又有多少分配给 DRAM、也就是给你的核心业务。所以这些都是你必须做的真实取舍。但我要说的是，我们在这件事上的出发点是客户至上。对我们来说，我们在 AWS 里和客户有着深厚的关系和合作。就像疫情期间那样——当时我们的竞争对手，我认为他们在想的是怎么在一个季度内做优化，以便在一个所有人都要做成本优化的世界里尽可能多地推高收入；而我们采取了不同的做法。我们主动让我们的团队走出去，帮客户想办法做成本优化，尽管我们知道这会削弱我们短期和中期的收入。但你知道的，我们要帮客户成功，因为我们非常坚信：如果我们长期帮助客户，我们的业务也会随之而来。在核心业务上，这也是同样的道理。我猜你确实可以做一番计算，然后认定：由于稀缺性和客户的支付意愿，你可以从核心客户身上多挤出一些钱。但他们是把自己的生意跑在 AWS 之上的，他们所有核心应用都跑在上面。我们不会去挤压我们的客户，我们会确保他们能够扩展。然后我们的工作，就是想办法拥有尽可能多的产能，让不仅是我们的核心客户，还有所有想在我们这里用 AI 的客户、以及那些想用我们做 AI 的人，都能用得上，而且是以一种对我们而言经济上也可持续的方式去做。所以，我真希望我能告诉你，供应紧张只会是 2027 年的问题；我认为在不同部件上，我们会连续几年看到它。我们一直很进取，我认为我们投放的产能大概比任何人都多，因为我们真的很投入、非常执着于继续做基础设施和 AI 领域的重要领导者，就像我们一直以来的那样。但正如我所说，我们今年要花 2200 亿美元，而且我们本来可以花得多得多。那不会是糟糕的资本使用。而且从中期到长期看，我认为我们大概仍然满足不了全部需求。现在的需求实在是太惊人了。那么接着这个话题说，你在 2015 年做过一件事——你收购了 Annapurna Labs。那时候你大概还没有在想 2015 年会有巨大的 AI 需求，因为 2015 年的 AI 需求本来就不多。那么是什么驱动了那笔收购的决定？然后它在这个新世界里又是怎么产生回报的？是的，我觉得，Annapurna 团队是我有幸共事过的最有才华的团队和一群人之一，它是我们在亚马逊历史上做过的最好收购之一，如果不是最好的话。是的，我们预见到了其中的一些部分，但我并不认为我们当初收购 Annapurna 是专门冲着 AI 芯片去的。是这样的：当你达到一定规模，你就能接触到、看到客户在极大规模下的行为模式，你会意识到，如果你能做垂直整合、能自己建某些能力，你就能为客户提供更多价值，也能为业务本身带来更好的经济性。所以 Annapurna 在我们这里的起点，只是围绕核心的 EC2 服务器：我们觉得我们把太多的服务器资源花在了虚拟化、网络、安全和存储上，而我们希望几乎能把 100% 的服务器资源都用于给客户提供计算。所以我们在收购他们之前，就已经和 Annapurna 一起做这个网卡（NIC）——把这些组件卸载到网卡上，好让我们尽可能多地把服务器留给计算。我们非常喜欢这个团队，也非常喜欢我们一起合作做出来的那款产品。我们意识到我们要买的那个东西，最终会装进几乎每一台 EC2 服务器——结果它确实装进了我们所有的服务器。所以我们最初收购它，是因为那将成为我们计算能力的一项核心能力；也因为这个团队在造芯片上太有才华了，我们觉得他们大概也能造别的芯片。那时候，我们和英特尔有着非常深的合作关系——我们到现在依然和这家公司保持着深度合作。但问题是，英特尔当时几乎握有全部 CPU 份额；而当你有一个握有几乎全部份额的伙伴时，他们往往不会去想怎么提升性价比，他们会去想别的、能让他们拿到更多份额、带来更多收入的功能。顺便说一句，这完全可以理解，这就是市场运作的某些动态，也是“创新者的窘境”出现的一部分原因。所以我们当时想在性价比上推一把，却很难得到对方的重视。但我们有客户想把越来越多的本地工作负载搬到云上，他们想要更好的性价比。于是我们让 Annapurna 团队去做的下一件事，就是造一颗 CPU 芯片。他们做出了 Graviton——今天我们排名前一千的 EC2 客户中，99% 都在非常广泛地使用它。它的性价比比其他 x86 处理器高出大约 40%，这对我们的客户和我们的业务都产生了巨大影响。然后在几年前，我们在 AI 领域看到了同一部“电影”重演：那里确实有一家非常优秀的主导供应商。我们和它有很深的合作关系——我们现在依然有很深的合作，而且在我能预见的未来都会一直有。但他们有巨大的市场，也有很多正在做的不同产品、不同的优先级。而我们知道我们的客户需要更好的性价比，这就是为什么我们在 Annapurna 里另起一支团队去做 AI 加速器，我们叫它 Trainium，它的性价比也比同类可比处理器高出大约 30% 到 40%。而且你知道的，当我们谈杠铃的中间部分——我们刚才聊到的那个——如果你问：会有哪些事情改变杠铃的中间，让更多当前的企业生产型应用用上推理？有那么几件事。其中一部分是人才：有些人已经习惯做后训练和微调，也需要那种知道怎么排优先级、知道该攻什么、以及怎么做的组织能力。但很大一块在于：过去几年推理成本已经降下来不少，但在我看来，它仍然贵了一个数量级，还不足以让它被尽可能广泛地使用。因为如果你要让企业把今天用 CPU 跑的应用改写成用 AI 加速器，如果两者成本差异非常显著，那么他们为了愿意去重写这些应用，就必须从 AI 加速器上获得非常高的增量收益——那是一个高得多的门槛。但如果你能把推理成本降下来，这个门槛就低得多，而所有应用都会因为 AI 加速器和推理变得更好、更聪明、更强大。所以，对客户能否广泛使用 AI 来说，一个非常关键的环节就是把推理成本降下来，而我们的芯片业务是其中很大的一块。是的，确实。我可以拿我们自己的公司告诉你，它真的会变得非常贵。我们有一位员工在过去几年里花掉了 200 万美元——做的是有价值的工作。但没错，当时的感觉就是：好吧，这个推理还真不便宜。那么，你做过的一件事是做了一些投资，特别是对 Anthropic 和 OpenAI 的投资，规模非常大的投资，我印象里对 Anthropic 是 180 亿美元，对 OpenAI 大概是 500 亿美元之类的。那么是什么让你想去做这些？而且这类投资，加上英伟达等等类似的投资，把华尔街搞得有点神经紧张，因为这让他们想起了互联网泡沫年代那些糟糕的旧时光。你是怎么看待这件事的——尤其考虑到他们同时也是你的客户？为什么这么做是合理的？这两家公司都是非常出色的团队，也是非常出色的公司；它们增长业务的速率——至少在营收端——我不知道我们是否曾见过类似的东西。真的，这简直令人难以置信。所以对我们来说，这是几个因素的组合：这些团队是什么样的团队，他们造出来的技术和模型，以及他们做出来的一些应用；我们相信 AI 有多大的变革性；我们相信它们会在很长一段时间里成为这个领域最成功的两家公司——当然这个领域不会每个人都成为赢家，但会涌现出很多非常成功的公司，而我们相信它们会是其中两家。再就是，我们合作得如此紧密。我先说 Anthropic——我们和它的合作时间更长。我们有非常多客户在我们的推理服务 Bedrock 里跑 Anthropic。而且我认为，客户在 Bedrock 里跑 Anthropic 是最成功的。我们在芯片上和它有深度合作——他们已经在 Trainium 之上构建了一段时间。我认为这对 Anthropic 非常好，对我们的 Trainium 团队也非常好，我认为双方都从对方身上学到了很多。所以我们和它有深度合作——无论是我们对 AI 未来的信念、对这些公司的信念，还是这种合作关系本身，都让我们觉得作为合作的一部分去做投资是合理的。然后在 OpenAI 这边，我们只是有太多客户想在 AWS 上使用 OpenAI，却因为此前的商业安排而无法做到。而且很长一段时间里，我认为两家公司都对彼此怀有很多尊重和合作的意愿。所以这也是那种情况：经过一系列、历时数月的对话之后——能在 Bedrock 里跑 OpenAI；我们一起做了一款独特的产品，就是那个有状态运行时环境（stateful runtime environment），我认为未来所有智能体都会以这种方式构建，你会需要状态；还有他们像 Anthropic 一样，对 Trainium 做出了多年、多吉瓦的承诺。而我们就是相信，它会在很长一段时间里成为这个领域最成功的公司之一。所有这些，都让我们觉得深化合作与投资是合理的。换个话题，谈谈你如何用 AI 来建设一家公司。我记得你说过，Bedrock 团队用 6 名工程师、76 天重建了你们的推理引擎，而那本来需要 40 个人干一年。这差别相当大。而且你知道的，亚马逊以“两个披萨团队”著称。那么现在，你的组织设计思路是什么？考虑到这项技术——它似乎真的改变了一切。这些年来我们变得极度专业化：有设计师、有产品经理、有前端工程师、有后端工程师，这个那个，诸如此类。而现在好像大家又都变成了通才。那么从组织设计的角度，你怎么看这件事？是的，我同意你说的。我认为你提到的那次 Bedrock 经历，对这里的每个人来说都非常开眼界。我们也花了很多时间在内部分享那个故事，去激励大家、提醒人们什么是可能的。因为随着时间推移，最终会发生这样的事——我是 29 年前加入公司的。我从一个助理产品经理做起，当时我一人负责、我不知道、五款产品。而今天，当公司成功、规模变大、产品变大之后，你会走到这样一个状态：一个产品经理只做一个产品，而且只拥有其中一个切片——比如他只负责定价之类的。每个人都变得更专业化，而且每个人都接受：如果你要做大、做成，这就是必须的做事方式。但这不是，而且当你看 AI 正在发生的一切时，它绝对不是。就拿刚刚过去的一周来说，我们正在做一些事，围绕消费者业务里的智能体。我们在那里有一大堆投入，但我们有一个非常喜欢的想法，我们周四决定要去试试，看能不能做出一个真正能跑的原型。结果呢，我们四五个人在周末动手，到周日就已经让它以 80% 可发布的状态运行起来了。这是真的——那完全是两个不同的世界。所以我认为，这对组织的未来意味着什么：第一，我认为未来做今天这些工作的人类，会比今天更少。你就看现在有多少编码是由智能体完成的，看有多少客服、商业智能和研究工作在被做。是的，你再往前快进想想：表格会怎么被做出来、你需要多少律师——我只是认为，你不会变成没有人，但你不会再需要那么多人类；过去随着业务变大，我们都不停地往里堆人，未来不会是这样了。会出现不同的工作和新的工作，有些我们知道，有些我们还不知道。随着 AI、机器人和太空的发展，它们会涌现出来。会有各种各样的新工作，但做今天这些事的人类会更少。我认为团队会比现在小得多。你会拥有更小的团队，团队里的人能够跨职能工作；你不会只让一个人拥有其中一个小小切片，因为模型能帮你走到 80%。在很多这些不同的职能上，我认为每个团队都会从一个比过去高得多的起点开始，所以我认为你将能够更广泛、更快速地去发明。我确实认为有一大堆事情必须改变。今天成立的初创公司，大多数从一开始就是以智能体的方式、智能体原生（agent native）或者 AI 原生的方式起步的。而所有已经经营了一段时间的成熟公司，都必须搞清楚怎么以同样的速度去构建。我认为它们当中有一部分会搞明白。而且你总有这种情况：当你有一个拥有很多能力和忠实客户群的大生意时，有些公司会非常缓慢地去弄明白，在我看来，它们面对初创公司时会更加脆弱。而我认为，我预测，公司将不得不重写几乎全部代码，让它们具备智能体能力；它们必须允许智能体去更新不同的代码片段，你还得在那里建立约束。我认为单看安全这一块就很有意思。如果你看过去一两个月围绕模型的各种紧张情绪，它们都集中在那些更奇幻的场景上。顺便说一句，那些场景是可能的：有没有可能一个恶意的僵尸网络接管一切？我是说，我想是有可能的；有没有可能给机器人注入恶意意图？都是有可能的。我个人认为，作为一个行业、加上公共与私营部门，我们会一起把这件事解决。但你得从先关注某些事情开始。是的，但有意思的地方在于，我认为关于那些更近期的风险，讨论得还不够——那些风险其实主要是围绕网络安全的。这些模型太厉害了，它们能找出比过去多得多的漏洞，而人类过去根本没找出来。也许你可以争论人类到底能不能找出来，但事实就是他们没找出来。所以往前快进，我认为应用程序响应紧迫安全威胁的方式，必须以分钟计。今天的情况是：你发现漏洞，有人给漏洞分类，有人开发补丁；然后即便这部分做得很快，大多数公司部署也要花很长时间，因为有各种依赖关系。未来你必须以分钟为单位完成部署。所以如果你没有真正把应用重写成可以被智能体更新的形态，在那个新世界里你将毫无机会。所以我认为，所有组织都会被重新发明，而那些优先做这件事的公司，处境会远好于那些不做的。是的，而且看起来，作为一个行业，我们在架构一切东西的时候——从大型系统到嵌入式设备——并没有把安全架构做得很好。而清算的日子到了。不过我认为好消息是，这对新公司、新的尝试、人们去做事来说是一个巨大的机会。但没错，按我们说的，这个威胁——那些理论上的、思想实验式的威胁，嗯，也许会发生，也许不会。但这个是明确而现实的。是的，几乎所有我们在 AWS 侧谈到的合作伙伴和客户，无论规模大小，每家公司都在担心安全这一块。你知道的，我们有一个专业服务业务在帮客户做这件事，我们还建了一个叫 Continuum 的服务，它能识别大量这类漏洞并生成补丁。但这件事，你知道的，说起来容易做起来难。实际上，因为很多公司和很多工程师有时候觉得专注在安全上并不那么令人兴奋，很容易就等到出问题再说。可如果你保护的是重要的数据，那是个坏主意。而且，我认为在大多数公司里——回到我们前面的对话——专业化在安全领域大概是最糟糕的情形：你有这些非常深奥的安全工程师，他们不喜欢和其他工程师一起工作，他们是稀缺资源，诸如此类。结果就是，在大多数公司、大多数软件公司里，它们在写软件时的安全实践就是不太好。我认为这显然必须改变。好消息是我们有能帮助解决这个问题的工具。顺着你说的，好消息在于：你得去雇渗透测试人员，可你能雇到的安全人员就那么多，他们能覆盖到的应用也就那么多。模型加上自动化，会让你能够更好地对整个攻击面做渗透测试，而且你会找到一些如果不是运气好、本来可能发现不了的东西。所以我们观察这个市场时，有一件事挺有意思：用 AI 你可以做很多事。一种是你用它来削减成本，减少你需要的会计师或律师的数量之类的。现在确实有不少风险投资公司在说：好吧，我们去买下那些老公司，削减它们的成本。这一直都不太让我们感兴趣，因为我们会想：好吧，如果那就是你的主意，那你的主意实在太少了。再一种是：好吧，我们要去做一个世界从未见过的东西。那个非常令人兴奋。但还有第三种，就是你做 Alexa 这件事：你手上有一个产品——一个成功的产品——然后你说，好吧，我们从头把这个东西整个重新想一遍，因为我们有了这个新平台。你是怎么走到那一步的？它在什么情况下是合理的？是的，我觉得你把这个三分法划得挺有意思。而且我认为，正如我们刚才谈到的，组织会真正发生变化、变得更精简。如果你做对了，它会让你那些真正优秀的构建者和这些小团队，去做出你所说的第二类东西——那些人们从未见过的东西，你是能做得到的。而且当你有了我前面讲的那种经历——四天之内就把一个新想法做到 80% 的样子——这对人们太有激励作用了，他们会真的花更多业余时间、更多空闲的思考周期去想新点子。对我来说，这是 AI 正在发生的事情里最令人兴奋的部分之一。但我也认为，对那些已经在规模化地拥有成功客户体验的既有公司来说，如果他们把 AI 主要理解为只是渐进式地改善体验，那么三到五年后，他们很可能不会拥有那些胜出的体验。因为我认为，我们所知道的每一种体验——哪怕是那些看上去最难以想象会被改变的——在几年后都会因为 AI 而变得显著不同。所以这意味着，如果你想要的不只是渐进式改善，你就必须想办法让团队从零开始重新想象这些应用应该长什么样——假设你今天用它所有可用的新技术来建它。在某些情况下，就拿 Alexa 来说，我觉得我们必须这么做是相当明显的。Alexa 的“大脑”在它被造出来的那个时点确实很有创造性。但由于生成式 AI，这个“大脑”所能具备的能力已经完全不同了，所以如果你想提供出色的客户体验、想长期保持相关性，你就必须给 Alexa 的大脑重新布线。所以那件事相当明显。顺便说一句，尽管相当明显，做起来其实很难——因为团队和他们所造的东西是有情感连接的，他们为自己造的东西骄傲，他们对于什么行得通、什么行不通有来之不易的伤痕认知。要让他们完全从头开始、重新想象，需要时间，因为团队会说：嗯，我们不是这么做的；我们试过那个，没成功。或者诸如此类。但我认为更难的是：拿我们的其他消费者体验来说——拿我们的零售业务，或者 Prime Video 业务、Fire TV 业务、Prime Music——这些体验里，技术今天已经有了好得多的解决方案，这一点并不那么明显。但我实际上相信，这些业务中的每一个，我们都需要重新发明；而且我们已经有团队在做这些业务的、被彻底重新想象过的版本。那么，我认为我们一上来就能做对吗？大概不会。我们会想办法迭代着走进去，但它已经在产生各种各样的新想法和客户体验，我们认为非常有吸引力。然后有意思的会是这样一个赛跑：你是想要一个完全不同的体验——几乎像一个新应用那样——还是说那些新东西推进得够快，你把它们加进现有体验里，在接下来两三年里一点一点地、实质性地改变整体客户体验？随着你找到奏效的要素。但我确实认为，如果你想成为一个成功的领导者，这些体验中的每一个都必须在未来几年里变得不一样。是的，这是个非常棘手的领导力难题。这让我想起我刚做工程师那会儿。我和某个人为某件事争论起来。我的老板说：听着，Ben，你必须明白一件事——在写下第一行代码之前，一切都可以讨论；之后，它就变成了信仰。我猜你在 Alexa 上也经历了这个。不过很有意思的是：所有那些知识、所有那些经验、所有那些用来构建原来那个东西的东西——现在你在说，好吧，我们愿意放弃其中很大一部分，走向这个新世界。而且顺便说一句，对客户也是一样：你会有一大批热爱当前体验的客户，对吧？是的，每一次大的转型——至少以我的经验，也许你能举出不是这样的例子——但几乎每一次大转型，都需要一次巨大的改变：技术、产品、客户体验和商业要素，都必须足够有说服力，才能让人想要改变。但即便如此，它也不会自动发生。这是一次巨大的变革管理——就像从本地部署迁到云上，是同一类转型：很多基础设施负责人对自己造的东西非常骄傲，他们对它了如指掌，他们身处行动的中心，他们不想去学新东西。这将会是同一回事，就是我刚才提到的那种体验。对于重新发明你所有的客户体验这件事，也会是这样。我们都为自己过去十年在这些体验上所造的东西感到骄傲，我们都有 100 件能让它变得更好的事情，我们都为此兴奋，我们把所有醒着的时间都花在上面。要去想“我怎么完全从头开始”，你知道的，这在理智上和情感上都是很难的。是的，毫无疑问。

a16z 53:06

还有，Andy，我们几周前刚刚孵化了 Harwood's 和 Jason Academy，帮助年轻人为我们正在谈的这场转型做准备。你说过 AI 让构建变得更容易，但年轻人仍然需要学习、你知道的、真正的专业能力。我很好奇：如果你在 2026 年是个 18 岁的人，你会给自己什么建议，来为这场我们正在进入的转型做准备？

Andy Jassy 53:29

嗯，我有一个 25 岁和一个 22 岁的孩子。所以我想，那个 22 岁的孩子在开始真正起飞的时候是 19 岁。我很快就明白了：你不能告诉他们在教育里不要用 AI。那艘船已经离港了，或者说那列火车已经出站了。而且我认为大学明智的做法是不去对抗它。我认为它就是一个人们会去用的工具。

Andy Jassy 53:54

但与此同时，我认为所有年轻人——而且我要说，对我们来说也一样，我们有很多人、我们有写作文化，大家在拿 AI 写东西——你能看出来什么是 AI 写的：它、就是不太对，那些部分没有被拼接到一起。而且你知道的，所以我会给年轻人的建议——也是我给我孩子的建议——是。

Andy Jassy 54:18

你不能逃避它，你知道的，你也不能指望它消失。它会在你的生活里、在你尝试使用的每一种体验里、在你的工作里，产生极大的影响；而且它会让你以我们从前不可能做到的方式去发明。所以你真的需要去了解它，你需要自学它，你需要大量地使用它。你需要去尝试。试着做一些超出你舒适区的事。

Andy Jassy 54:48

我的两个孩子都不是开发者，但他们、你知道的、用 AI 做过应用。把它当作你安排一天、以及在工作中使用工具的焦点。但我不认为它会取代批判性推理和思考。而且我认为对大学来说也是这样。我在很多方面会想到——我拿商学院举个例子。你会拿到三个要分析的案例，你要做大量阅读、做笔记、找出关键问题是什么。然后你会拿到一堆附件材料，你也要在上面做笔记。然后你得把你认为那家公司应该采取的方案整合起来。而你知道的，经常有一堆人根本不做这些功课——他们不阅读、不研究、不做笔记。而所有这些，AI 都能帮你搞定，它能把每个人更快地送到那个更高的起点。

Andy Jassy 55:52

但我也要说，真正把那些点、那些碎片串起来——不管是要形成一个战略、一个思路、一个计划、一个新产品，还是一个新的客户体验——我不认为 AI 会在大多数时候、为大多数人做到这一点。我不是说这永远不会发生。

Andy Jassy 56:10

我仍然认为你需要人类的判断力、创造力、发明力、实验精神，以及思考所有部件如何拼合在一起，最终做出惊艳的体验和生意。所以我认为你应该使用这些工具，它们会是巨大的助力，但我仍然认为批判性推理和思考在我们做的每一件事里都会非常重要。临近尾声了。你们所做的业务，是像……

a16z 56:43

从卫星连接到机器人、到医疗，如此多样。我是说，这种雄心太不可思议了。想想这门生意是从、你知道的、在互联网上卖书开始的，而现在它成了这样。你会怎么看待，嗯，是什么把这些不同的……

Andy Jassy 57:00

业务线串在一起？或者说，你如何判断哪些业务线值得投入数年？或者你怎么确保自己不会过度分散精力？或者你怎么理解这个极其宽广的版图？

Andy Jassy 57:11

嗯，我会说几件事。首先，我认为我们正处在我们有生之年——也许是有史以来——最大的三场转型之中：AI、机器人和太空开发。它们都非常巨大，而且都会彻底改变我们所有人会遇到的许多客户体验。而我们正处在这三场大转型的正中间。

Andy Jassy 57:40

如果你看我们在零售业务里做的事，以及我们如何使用机器人、我们在 AI 侧做的事——既包括让内部和外部的构建者更容易做出成功的 AI 应用和智能体，也包括重新发明我们所有的消费者体验。

Andy Jassy 57:58

如果你想想 Amazon Leo——我们正在为全球 5 亿还没有宽带连接的家庭建设的低地球轨道卫星星座——那里正在发生一系列不可思议的转型，我们有机会帮助客户去利用它们，让他们的生活变得更好。而且我们做这件事的方式，既能帮助客户，也能为我们自己带来长期可持续的业务。而且我们、你知道的，我认为我们有机会在更多领域里对客户变得更有相关性。这还没算上我们在杂货领域做的事、我们在自动驾驶网约车和医疗领域做的事，以及、你知道的，这些。

Andy Jassy 58:47

你知道的，关于我们的组织方式，这些年来我们经常有这种内部辩论，也有很多外部人士问过同样的问题：这算不算摊得太薄？我认为这在某种程度上取决于你怎么组织自己，以及你愿意投入多少。因为我们不会让同一批人去管理多块业务，我们是以这种去中心化的“单线程”方式来组织的。只要你在这些团队上有合适的领导者和合适的构建者，只要这个体验足够大、能推动增长指针，只要你在一个服务得并不好的领域里有差异化的想法，你就有机会同时去追求很多这样的事情——而且我们在很长一段时间里就是这么做的。然后就归结为你愿意投入多少。有些公司——完全可以理解——会说：我们就要做好自己的本行，我们就守着我们的核心业务，把它做大。顺便说一句，那也可以是一个非常成功的策略。而我们也非常专注于继续做大、做强我们的既有业务，我认为我们做得相当成功，速度也不错。但有那么多其他客户体验，我们知道客户真的希望我们去帮忙解决，而我们也能解决——它们会帮助我们的客户，也会长期改变我们的业务。所以我们会继续追求这些。这是个鼓舞人心的收尾——无尽的雄心。Andy，非常感谢你来上节目。是的，谢谢你们邀请我。非常感谢，各位。

风险提示及免责条款

机器人还没学会干活，为什么数据采集设备先卖爆了？

万周 — Sat, 24 Oct 2026 08:50:17 GMT

人形机器人尚未大规模走进工厂和家庭，一门围绕“教机器人干活”的生意已经出现规模化采购线索。产业调研显示，部分第一视角数据采集设备单月出货达到万套级；与此同时，数据工厂、动作捕捉、遥操作及仿真平台加速发展。

这场建设的起点是机器人在陌生环境里仍难以稳定完成任务。硬件采购打开了第一层市场，数据质量、生产成本与复用效率决定第二层价值，而机器人能否减少失败、延长有效工作时间，将决定整个产业能走多远。

一、发生了什么？——机器人还没开始大规模工作，数据设备先迎来订单

1．万套设备出货，“教机器人”的生意开始出现：

近期人形机器人产业中一项颇具反差的消息引起市场关注：龙旗科技参与配套的第一视角数据采集设备，8月和9月单月出货量均被估计在一万套左右，单套价格约一万元。按照这一口径静态计算，单月设备金额可能接近一亿元。上述数据采集设备的出货信息提示了一个清晰的产业现象——训练机器人的基础设备，可能先于机器人本身形成批量需求。

觅蜂科技的MEgo系列提供了另一个观察窗口。企业公开展示的MEgo View结合头戴视觉和腕部摄像头，MEgo Gripper则通过手持夹爪采集操作动作；围绕硬件，企业还建设了数据资产与仿真平台。奥比中光等视觉厂商也陆续推出Ego、UMI、腕部相机以及同步采集设备。这个细分市场的早期收入主要来自装备采购，与机器人最终销售数量之间存在时间差。

2．让真人戴上摄像头，机器人究竟能学到什么？

想象一名工作人员整理餐桌：先观察杯子的位置，再伸手接近杯身，控制抓握力度，将杯子放入柜中。人类几乎不需要思考的动作，对机器人却包含视觉识别、空间定位、抓握、轨迹规划和失败修正等多个环节。数据设备试图将这一过程拆成可记录、可处理的训练材料。

……

AI资本开支陷入两难：加速则现金流承压，减速则增长故事失守

Sat, 24 Oct 2026 03:48:36 GMT

AI投资叙事正面临自身逻辑的内在矛盾。市场对超大规模云计算厂商资本开支路径的判断，已从此前的"正面无论如何都赢"演变为当前的"两害相权"困境——加速则自由现金流承压，减速则需求前景存疑，两条路均指向AI相关资产遭到抛售。

追风交易台消息，10月23日，据野村证券跨资产策略Charlie McElligott报告中指出，过去一周，AI生态系统内的负面情绪催化剂接连涌现，叠加此前9月"智能体热"行情中积累的多头仓位，市场经历了大规模的被迫平仓。

仅在最剧烈的单日抛售中，野村监控的124个美股多空配对中，有47个出现逾3个标准差的单日波动，6个触及5个标准差以上的极端偏离。

此次震荡不仅冲击了AI核心概念股，更通过拥挤仓位的连锁平仓，向美债、汇率及大宗商品市场蔓延，触发了跨资产范围的系统性去杠杆。

下周市场将迎来超大规模厂商财报密集披露窗口，包括谷歌、亚马逊、微软，叠加美联储议息会议，市场方向将在短期内面临关键检验。

资本开支的"囚徒困境"

AI交易的核心叙事，已从此前"正面结果全面利好"的单边逻辑，急剧切换至"怎么看都是利空"的双向困境。

McElligott在报告中将这一处境描述为"任选其一都是毒药"：

其一，若超大规模厂商资本开支继续加速。正如Meta最新财报所揭示的趋势，市场将高度聚焦于自由现金流的持续消耗，并进一步质疑整体融资可持续性。

这一路径具有非线性风险，意味着需以更大规模、更高利差发行债务，AI交易因"不可持续"叙事而承压。

其二，若超大规模厂商资本开支出现实质性减速，则意味着市场此前已定价的"最优情景"，涵盖AI需求、技术采用、盈利能力及终端用户生产率提升等核心论题正在失守，AI交易将面临更为猛烈的冲击。

这一困局的形成，与9月"智能体概念"行情期间多头仓位的快速重建高度相关。彼时大量资金涌入AI核心标的，并伴随着规模可观的看涨期权投机性建仓，为后续的踩踏式出逃埋下伏笔。

止损触发引发跨市场去杠杆

仓位拥挤是本轮波动异常剧烈的核心原因。

据野村交易台数据显示，在最剧烈的单日抛售中，共有124个美股多空配对触发止损，其中47个配对的波动幅度超过正负3个标准差，26个配对超过正负4个标准差，6个配对超过正负5个标准差。

（各类配对交易过去一段时间表现）

McElligott认为，本轮止损潮的根源在于，2026年全年"高夏普比率交易"高度集中，套息策略与趋势跟踪策略长期共振，形成罕见的广谱赢家效应。

而当前时点恰逢四季度末，基金经理面临年末业绩压力，在已然承压的回撤环境下，主动出击博取反弹的动力远不及"保住资本、安全越年"的避险本能——"去风险、关仓位"模式主导了市场行为。

与此同时，AI叙事的重置正在加速系统性趋势策略的仓位调整，尤其集中于此前极为拥挤的美国国债及短期利率空头。

据野村QIS数据，过去两周，CTA趋势策略已平仓约680亿美元的美债期货空头及380亿美元的短期利率期货空头，但信号仍处于净空头状态，意味着若债市涨势延续，潜在的被迫回补规模依然可观。

（过去两周CTA已完成超千亿美元的空头回补，若要触发绿色框内下一波约500亿美元的强力追买，需等待债券价格进一步向上突破+2%的触发门槛）

McElligott认为，随着短期窗口的回补基本完成，债券空头的挤压动能正在阶段性停歇。2周及1个月周期模型均已翻转为"做多"信号，但3个月周期模型若要从当前水平翻转做多，仍需债券价格出现大幅进一步上涨。

宏观共振：债券与股市的相关性切换

此次AI叙事重置，同步触发了债市与股市内部的相关性结构变化，这一信号在市场机制层面值得关注。

债券方面，"股债负相关"保护属性重新显现。McElligott指出，大量资金于前一交易日通过股票期货抛售与国债期货买入完成资产配置切换，债券再度扮演风险对冲工具的角色。

这一特征贯穿全年的大部分时间后曾一度失效，如今伴随"增长恐慌"情景的信用度上升而回归。

股票市场则出现方向相反的切换。2026年大部分时间内，纳斯达克及半导体板块呈现罕见的"上涨日波动率高于下跌日"特征；而当前，这一关系已重新反转为"负向现货-波动率相关性"，即股价下跌时波动率更大。

这一切换在纳斯达克及SMH（半导体ETF）空间最为突出，直接反映了市场对AI资本开支可持续性的重新定价。

（纳斯达克和半导体ETF指数在“下跌日”的成交量是“上涨日”成交量的近2:1，这一现象在10月份再度显现）

值得注意的是，标普500整体指数层面的VIX波动相对温和。McElligott将此归因于"反向离散"效应——科技多头遭受重创，而利率敏感型板块及其他空头标的则急剧反弹，两相对冲使得指数层面的整体相关性并未爆发式上升。

大额期权信号：逆势资金仍在布局AI反弹

尽管整体情绪承压，期权市场中仍出现了若干值得关注的逆势布局信号，主要体现在部分核心AI名称的看涨期权上。

据McElligott的观察，过去一周内出现了以下显著的看涨期权买入活动：

CoreWeave合计支付权利金约6900万美元，涉及期权名义敞口约1.7亿美元；

Nebius Group合计支付权利金约2570万美元，涉及名义敞口约8000万美元；

美光合计支付权利金约2000万美元，涉及名义敞口约8500万美元。

上述交易涉及2025年3月至4月到期的价外看涨期权，显示出部分资金在当前动荡中仍维持对AI板块中期反弹的方向性押注。

对于潜在的企稳条件，McElligott认为关键在于波动率风险溢价（VRP）卖方是否愿意遵循历史规律"逢波动率上涨做空"，尤其是0DTE Gamma卖出策略在买入下跌、卖出上涨方面的稳定器作用，将是判断波动率能否再度收敛的重要观察指标。

（0DTE伽马区间）

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

2027 见闻历，留给每天都想知道“今天发生了什么”的人！放桌角，给明年的桌面添点新见闻

华尔街见闻 — Sat, 24 Oct 2026 00:52:51 GMT

风险提示及免责条款