🔥【核心洞察】 股价不是由盈利增长决定的，而是由市场共识的演变决定的。 这套框架的核心观点是：DCF模型本质上是一套叙事的量化工具——股价的高度取决于市场对“终局”的共识。PE反映的是股价对终局预期的透支程度，PB反映的是壁垒的强度和可复制性，而DCF是最终的价值衡量标准。超额收益不来自业绩增长本身，而来自叙事本身的积极变化。 必要收益率与超额收益是两回事。 必要收益率对应时间成本和风险补偿，与折现率挂钩，是你“应该赚到”的钱。超额收益则完全来自叙事转变的瞬间——当市场对一家公司的“故事”发生根本性改变时，估值体系随之切换，超额收益集中爆发。业绩的作用是证实叙事，而非驱动股价。 全要素生产率（TFP）是理解宏观与市场关系的钥匙。 TFP增速对宽基指数（如标普500、沪深300）的长期回报率具有显著解释能力。刘易斯拐点和辜朝明拐点等慢变量深刻影响着劳动力成本、消费结构升级和企业全球化布局，进而重塑市场投资偏好。A股市场中，乐观资金定价、叙事自我强化和流动性冲击可能导致股价短期内脱离基本面，需警惕过度线性外推。 杠铃策略是应对复杂环境的务实选择。 鉴于全球自然利率长期下行与脉冲式上涨的特征，建议同时配置“改变世界的公司”和“不被世界改变的公司”。“不被世界改变的公司”（如美国公用事业股）提供稳定的复利增长；“以为要被改变但未被改变的公司”则提供估值修复的丰厚回报。 🔍【章节索引】 一、叙事驱动的估值核心：DCF、PE、PB各管什么？ DCF模型的本质是叙事——股价的高度由一套基于逻辑、可证伪、可量化的市场共识决定，DCF模型是量化这种叙事的工具。PE反映股价对终局预期的透支程度，主要受业绩天花板高度和折现率影响。PB则侧重于壁垒的强度和可复制性。三者互补：DCF告诉你“值多少钱”，PE告诉你“市场预期打得多满”，PB告诉你“护城河有多深”。 收益来源可以清晰分类：必要收益率与折现率挂钩，是时间成本与风险补偿；超额收益则完全来自叙事本身的积极变化。这意味着，投资者要赚超额收益，核心能力不是预测业绩，而是识别叙事转变的拐点。 二、宏观周期与市场行为：TFP与A股特有机制 全要素生产率（TFP）的增速对宽基指数的长期回报率具有显著解释能力，是理解宏观经济增长与市场表现的关键因素。刘易斯拐点和辜朝明拐点等宏观经济慢变量，深刻影响着劳动力成本、消费结构升级趋势以及企业全球化布局，进而重塑市场投资偏好。 A股市场中存在一些特有机制：乐观资金定价、叙事自我强化和流动性冲击，可能导致股价短期内脱离基本面。投资者需警惕过度线性外推——当叙事形成正反馈时，股价可能远超合理估值；当叙事逆转时，回撤同样剧烈。 三、战略选择与价值识别：杠铃策略与公司类型 面对传统框架的挑战，未来的主动投资将转向基于概率迭代的投研体系，强调资产配置思维以优化收益风险比。鉴于全球自然利率长期下行与脉冲式上涨的特征，建议采取杠铃策略：同时配置“改变世界的公司”和“不被世界改变的公司”。 公司类型可以进一步细分：“不被世界改变的公司”（如美国公用事业股）提供稳定的复利增长；“以为要被改变但未被改变的公司”（如南钢股份）则提供估值修复的丰厚回报。前者赚的是确定性，后者赚的是预期差。 ⚠️【风险提示】 * 叙事框架高度依赖对市场共识的判断，而共识本身具有主观性和易变性。 * TFP和慢变量对市场的解释力在长周期内有效，短期择时参考价值有限。 * 杠铃策略需要同时管理两类截然不同的资产，对投资者的组合管理能力要求较高。 * A股市场的叙事自我强化机制可能放大波动，投资者需警惕流动性冲击风险。 * 历史规律不代表未来，叙事转变的时点和幅度难以精确预测 * Source: 叙事经济学2（2026版）by 邹佩轩

🔥【核心洞察】 AI代理框架正在让AI从“无状态工具”变成“有记忆的协作伙伴”。传统AI模型每次对话都是“失忆”状态，而代理框架为AI提供了持久记忆、工具调用和编排循环，让它能记住你的偏好、理解你的上下文、持续完成复杂任务。这不仅是技术升级，更是AI从“问答机器”向“工作伙伴”的质变。 腾讯和阿里巴巴正在用两种截然不同的策略争夺用户上下文锁定。腾讯利用微信社交生态，通过个人助手Xiaowei和Workbuddy从个人生产力切入；阿里巴巴则专注企业级市场，Qwen Work与阿里云和钉钉深度整合，为企业提供受控的专有上下文捕获。一个是“从C端向上打”，一个是“从B端向下沉”。 Meta Muse的病毒式传播证明：低摩擦的UI/UX设计和巧妙营销，比单纯的技术创新更能驱动用户采用。平台所有者将AI推理能力与特权用户上下文结合，能更高效地创造市场价值。 市场尚未充分评估AI代理框架带来的机遇。腾讯和阿里巴巴的股票估值可能未完全体现其在代理框架领域的潜在价值。代理框架通过增加持久记忆，不仅弥合了AI与长期任务完成之间的鸿沟，还为未来模型训练提供了高质量数据。 🔍【章节索引】 一、代理框架是什么？为什么它让AI“更像人”？ 代理框架（Agentic Harnesses）是AI模型与用户之间的中间层，提供持久记忆、编排循环、工具调用和技能库。传统AI模型是无状态的——每次对话都从零开始，无法记住用户偏好和历史交互。代理框架改变了这一切：它让AI能够“记住”用户是谁、喜欢什么、正在做什么任务，从而提供持续、个性化的协作体验。 框架的质量对实现AI持续工作流至关重要。它驱动了模型与框架的融合发展——模型能力适应框架，框架也反过来优化模型输出。用户使用越多，框架积累的上下文越丰富，AI就越“懂”用户，形成用户粘性的正循环。 二、腾讯vs阿里：两种“上下文锁定”策略 腾讯走的是“个人生产力”路线。利用微信的社交和通信优势，通过微信内的Xiaowei和开放生态系统Workbuddy实现早期用户接触。用户在日常社交中自然使用AI助手，腾讯由此获取大量个人上下文数据。 阿里巴巴走的是“企业级解决方案”路线。Qwen Work旨在为特定垂直行业和企业提供受控的专有上下文捕获，与阿里云和钉钉深度整合。企业客户的数据留在阿里生态内，形成高切换成本的B端锁定。 字节跳动虽在聊天机器人Doubao上取得规模成功，但面临变现挑战，计划通过Feishu和计算能力捕获企业上下文。 三、成功案例：Meta Muse的启示 Meta Muse的病毒式传播归因于低摩擦的UI/UX设计、生态系统连接和巧妙营销，而非单纯的技术创新。这揭示了一个关键规律：平台所有者结合AI推理能力和特权用户上下文，能更有效地创建并驱动市场价值。 独立实验室的框架同样表现强劲。DeepSeek Harness和ZCode在OpenRouter请求量和token消耗方面展现出强劲的开发者采用率，说明开发者对高质量代理框架的需求真实且迫切。 四、投资影响与未来展望 代理框架通过增加持久记忆，弥合了AI模型与长期任务完成之间的鸿沟。同时，它还为未来模型训练提供了高质量数据——用户与代理框架的交互数据，是训练下一代AI模型的宝贵资产。 市场尚未充分评估AI代理框架带来的机遇。目前腾讯和阿里巴巴的股票估值可能未完全体现其潜在价值。预计大型互联网平台将利用代理框架从私人用户上下文生成价值；更专业的AI用户可能选择直接访问模型智能的解决方案。 ⚠️【风险提示】 * 代理框架的上下文锁定可能引发用户隐私和数据安全担忧，监管风险不容忽视。 * 腾讯和阿里巴巴的估值是否真正低估，取决于代理框架能否转化为可持续的收入增长。 * 字节跳动虽在聊天机器人规模上领先，但变现挑战可能制约其在代理框架领域的投入。 * 独立实验室的框架虽在开发者中流行，但缺乏平台级用户上下文，长期竞争力存疑。 * 代理框架赛道竞争激烈，技术迭代快速，先发优势未必能转化为长期壁垒。

🔥【核心洞察】 德国企业界的对华思维正在发生根本性转变。 过去一年，德国工业界对中德贸易关系的看法日益强硬。辩论焦点已从“去风险化的成本有多高”，转向“维持战略依赖的成本有多高”。核心判断是：长期“不作为”的经济和安全成本，远高于主动去风险可能付出的代价，包括中国可能的报复。 两大行业协会释放明确信号。 德国工业联合会（BDI）和德国汽车工业协会（VDA）发布新政策文件，呼吁利用现有贸易防御工具应对市场扭曲，并推动德国政府在即将发布的对华战略中采纳更务实的“极简主义”方针。VDA建议在达到一定竞争扭曲阈值时，可部署反补贴关税等工具。BDI则强调，不作为的长期经济成本和安全政策责任，高于去风险化的潜在成本。 政策工具优先选择“临时性防御措施”，而非全面贸易壁垒。 两大协会共同呼吁欧洲先解决自身经济政策缺陷，同时不主张设立全面的新贸易壁垒。首选措施是符合WTO规则的临时性防御措施，如反补贴关税。但现有工具常因应对中国国家主导的特定行业大规模产能过剩及国家指导的汇率管理而显得滞后或不足。 德国政府对华战略预计10月中旬出炉。 这些协会文件很可能塑造德国政府在10月15日至16日欧盟理事会会议前即将公布的对华战略。预计德国/欧盟将采取“极简主义”方法，主要依靠既有贸易防御工具，例如可能针对中国插电式混合动力车的反补贴关税，以避免更广泛的贸易冲突。 减少战略依赖将加速，日本模式或成参照。 对“不作为”成本日益增长的强调，将加速识别和减少战略依赖。日本在获取关键原材料供应方面的长期做法，可能成为德国/欧洲政策制定者的模型。 🔍【章节索引】 一、德国对华政策的强硬转变 过去一年，德国企业界对与中国贸易关系的看法日益强硬，这一重新评估正迅速进行。辩论中心已从减少战略依赖的成本，转向维持战略依赖的成本。核心论点是：长期“不作为”的经济和安全成本更高。这一转变并非情绪化反应，而是基于对供应链脆弱性、地缘政治风险和技术竞争格局的重新评估。 二、工业协会的关键立场 BDI认为，“不作为”的长期经济成本和安全政策责任，远高于“去风险化”可能产生的成本，包括中国报复。VDA则建议，在达到一定竞争扭曲阈值时，可部署现有贸易防御工具，如反补贴关税。两大协会的共同呼吁是：欧洲必须首先解决自身经济政策缺陷，同时不主张设立全面的新贸易壁垒。这意味着，德国工业界希望在“开放”与“安全”之间找到新平衡，而非走向全面保护主义。 三、政策工具与局限性 首选措施是优先采取符合WTO规则的临时性防御措施，如反补贴关税。但现有工具存在局限性——常因应对中国国家主导的特定行业大规模产能过剩及国家指导的汇率管理而显得滞后或不足。这意味着，德国企业界希望政府更积极地使用现有工具，但也承认这些工具在面对中国结构性产业政策时，效果可能有限。 四、政府战略与未来方向 这些协会文件很可能塑造德国政府在10月15日至16日欧盟理事会会议前即将公布的对华战略。预计德国/欧盟将采取“极简主义”方法，主要依靠既有贸易防御工具，例如可能针对中国插电式混合动力车的反补贴关税，以避免更广泛的贸易冲突。减少战略依赖将成为加速方向，日本在获取关键原材料供应方面的长期做法，可能成为德国/欧洲政策制定者的模型。 ⚠️【风险提示】 德国对华政策转向强硬，可能引发中国在贸易、投资等领域的反制措施。 反补贴关税等工具的启用，可能加剧中欧贸易摩擦，影响德国汽车、机械等行业的对华出口。 “极简主义”方针若执行不力，可能既无法有效减少战略依赖，又损害中德经贸关系。 德国企业界内部并非铁板一块，不同行业对华依赖程度不同，政策落地可能面临博弈。 全球供应链重构可能推高企业成本，短期阵痛难以避免。

🔥【核心洞察】 华虹正站在“中国为中国”半导体供应链策略的风口上。 高盛维持华虹半导体（1347.HK）“买入”评级，12个月目标价335港元，较当前股价隐含约190% 上涨空间。核心逻辑是：中国AI支出持续增长，客户为确保供应链安全加速本地采购，华虹作为本土12英寸晶圆代工龙头直接受益。 收入增长强劲，环比加速。 高盛预计华虹2026年第三季度和第四季度收入环比分别增长11% 和15%。驱动力来自生成式AI推动的嵌入式闪存、NOR闪存和电源管理IC需求增长，以及Fab9A晶圆厂产能释放。 产能扩张与战略收购双轮驱动。 Fab9A计划在2026年第三季度末前增加约40% 的12英寸晶圆产能，预计2027年上半年满产。同时，公司完成对华力微电子97.5%股权的收购，将其并入财务报表，显著拓宽12英寸制造平台和先进制程覆盖。 中国AI芯片市场潜力巨大。 高盛预计2025-2030年中国AI芯片总市场规模在基准情景下复合年增长率达69%，到2030年达678亿美元；牛市情景下CAGR达142%，规模达4123亿美元。中国半导体资本支出2026-2028年预计年增13%/15%/15%，由存储器和先进节点驱动。 🔍【章节索引】 一、评级与目标价：190%上涨空间从何而来？ 高盛维持华虹“买入”评级，12个月目标价335港元，基于92倍2030年预期市盈率并以9.3%的资本成本折现至2027年。这一估值反映了市场对公司长期增长潜力的重估——华虹不再只是一家成熟制程代工厂，而是中国AI芯片供应链本土化的核心基础设施。 二、收入增长：Q3/Q4环比加速的三大驱动力 高盛预计华虹2026年Q3和Q4收入环比分别增长11%和15%。第一，中国AI支出增加，生成式AI持续推动嵌入式闪存、NOR闪存和电源管理IC需求。第二，客户“中国为中国”供应链策略加速落地，本地采购成为趋势。第三，Fab9A产能释放，12英寸晶圆供应能力提升。 三、产能扩张：Fab9A与华力微收购 Fab9A晶圆厂计划在2026年第三季度末前增加约40%的12英寸晶圆产能，预计2027年上半年实现满负荷生产。华虹完成对华力微电子97.5%股权的收购，将其并入集团财务报表。收购将扩大华虹的12英寸制造平台，支持长期产能和技术节点扩张，拓宽在先进和成熟工艺节点的技术覆盖。 四、市场机遇：中国AI芯片TAM与资本支出 高盛预计2025-2030年中国AI芯片总市场规模：基准情景CAGR 69%，2030年达678亿美元；牛市情景CAGR 142%，达4123亿美元；熊市情景CAGR 6%，达66亿美元。中国半导体资本支出2026-2028年预计年增13%/15%/15%，主要由存储器和先进节点产能扩张驱动。“中国为中国”战略下，客户为确保供应链安全推行本地采购，利好华虹。 ⚠️【风险提示】 * 终端市场需求弱于预期，可能影响产能利用率和定价。 * 12英寸晶圆厂投产慢于预期，Fab9A产能释放节奏存在不确定性。 * 中美贸易关系不确定性可能影响设备获取和客户订单。 * 华力微整合进度及协同效应释放存在执行风险。 * 估值基于2030年预期折现，远期假设较多，短期业绩波动可能引发股价调整。

🔥【核心洞察】 NPO是AI算力互联的“下一站”。NPO（近封装光学）把光引擎从可插拔模块搬到芯片旁边，大幅缩短电信号传输距离。华为7.2T NPO方案相较传统800G光模块，功耗降低约三分之二，故障率降低90%。中国正在构建本土NPO生态系统，计划2027年下半年量产，目标带宽3.2T。 AI SuperPod加速本土化，华为Atlas 960E领跑。华为Atlas 960E可扩展至4096个NPU，提供8 EFLOPS（FP8） 算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎。成本优势显著：华为Ascend 910C每个加速器机架成本约2.5万美元，而NVIDIA GB200超过4.5万美元，系统级性能却不相上下。 2026年下半年是市场拐点。受益于国内AI芯片供应改善和SuperPod架构快速采用，中国AI服务器市场预计在2026年下半年恢复增长。本土化芯片是关键驱动力。 本土供应链全面受益。从NPO光引擎、激光器、封装，到服务器ODM/OEM、ABF基板、mSAP HDI和交换机，中国硬件供应链正迎来系统性机会。ABF基板本土供应商已占据国内超50% 市场份额，盈利能力预计恢复。 投资方向清晰：NPO生态核心供应商、服务器OEM、ABF基板国产替代、mSAP HDI新增长点。 🔍【章节索引】 一、NPO技术：为什么功耗降2/3、故障率降90%？ NPO（不可插拔光学）的核心思路是把光引擎从可插拔模块搬到芯片旁边或封装内，让电信号传输距离从“几十厘米”缩短到“几毫米”。距离缩短带来两个直接好处：功耗大幅下降、信号完整性显著提升。华为7.2T NPO方案目标带宽3.2T，相较800G光模块功耗降低约三分之二，故障率降低90%。 中国NPO生态系统已具备必要基础模块，但相较TSMC COUPE等平台更为碎片化。当前演示主要基于边缘耦合、MZM光引擎和外部激光器。NPO技术需要跨组件协同设计，中国供应商正积极验证和采样产品，预计2027年下半年实现量产。 关键参与者方面：Innolight和TFC聚焦海外NPO/CPO；Accelink和HG Genuine瞄准国内NPO光引擎需求；Lightelligence和Xphor开发NPO光子集成电路；Yuanjie是激光源主要供应商；EugenLight在封装领域受益。 二、AI SuperPod：华为Atlas 960E与成本优势 华为Atlas 960E是本土AI SuperPod的代表作。它可扩展至4096个NPU，提供8 EFLOPS（FP8）算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎，用于Atlas 960E SuperPod。 成本是华为的核心武器。华为Ascend 910C每个加速器机架成本约2.5万美元，显著低于NVIDIA GB200的4.5万美元以上，同时系统级性能得到提升。阿里巴巴的Panjiu AL128也是提升系统级性能的SuperPod架构范例。 市场驱动因素包括国内AI芯片供应改善和SuperPod架构快速采用。中国AI服务器市场预计在2026年下半年恢复增长，本土化芯片是关键。 三、本土供应链受益者全景 服务器ODM/OEM方面：IEIT Systems是中国最大的服务器OEM；xfusion受益于华为的工程和供应链能力；华勤是腾讯和阿里巴巴的主要供应商，预计2026-2027年AI服务器业务强劲增长。 ABF基板方面：虽然海外企业主导，但苏州群策、奥特斯中国和领科等本土供应商已占据国内ABF基板超50%市场份额，且预计盈利能力将恢复。 mSAP HDI技术已从智能手机扩展到光模块，尤其是在1.6T产品中，成为新的增长点。中国数据中心交换机市场高度集中，华为、新华三和锐捷占据主导地位。 四、投资机会与风险提示 投资方向集中在：NPO生态核心供应商（光引擎、激光器、封装）、服务器OEM（IEIT、xfusion、华勤）、ABF基板国产替代（苏州群策、奥特斯中国、领科）、mSAP HDI新增长点。 风险方面：NPO量产时间表可能延迟；技术路线碎片化导致标准不统一；海外厂商竞争和地缘政治风险；AI服务器需求不及预期；部分标的估值已反映乐观预期。 ⚠️【风险提示】 * NPO量产时间表存在不确定性，跨组件协同设计难度较高。 * 中国NPO生态碎片化，标准不统一可能影响规模化落地。 * 海外厂商在高端光引擎和ABF基板领域仍有技术优势。 * 地缘政治风险可能影响供应链稳定。 * AI服务器需求若不及预期，本土供应链增长逻辑将受挑战。 * 部分标的估值已部分反映乐观预期，需关注业绩兑现节奏。

🔥【核心洞察】 黄金在美联储加息背景下逆势上涨，突破了杰克逊霍尔会议以来的下行趋势，但德意志银行的资金流数据显示，这轮上涨背后缺乏传统投资者的强劲流入。商业和非商业投资者流入量很小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。一个“神秘买家”正在主导市场。 真正的驱动力可能来自非传统因素：霍尔木兹海峡冲突、能源价格下跌以及储备经理的购买活动，这些比美联储加息更相关。报告指出，黄金对油价的敏感度正在提升，地缘政治风险溢价已成为金价的重要支撑。 CTA头寸方面，黄金仍偏向卖出，预计价格回落将伴随算法卖盘。钯金CTA头寸为-26%，处于最大做空仓位，看跌情绪极度强烈。铜和锌的CTA头寸较高（分别为100%和95%），而镍和铅则呈现负值（分别为-22%和-83%）。 算法交易预计下周将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月持续大规模现货流出而最易受冲击；白银因上海套利交易持续强劲和零售投资者现货流入而显得最为稳健；铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。 🔍【章节索引】 一、黄金异象：价格涨了，传统买家却不在场 尽管美联储加息，黄金价格仍突破了自杰克逊霍尔会议以来的下行趋势。但德意志银行的电子现货流量数据显示，商业、非商业投资者流入量小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。这意味着，推动金价上涨的力量并非来自传统的机构或散户买盘。报告认为，霍尔木兹冲突、能源价格下跌以及储备经理的购买活动，是比美联储加息更相关的驱动力。黄金对油价的敏感度正在提升，地缘政治风险溢价成为金价的重要支撑。 二、CTA头寸：钯金极度做空，白银相对稳健 CTA（商品交易顾问）头寸反映了算法交易者的仓位方向。黄金CTA头寸仍偏向卖出，预计价格回落将伴随算法卖盘。钯金的CTA头寸为-26%，处于最大仓位，预示着强烈的看跌情绪。铜和锌的CTA头寸较高，分别为100%和95%，显示多头拥挤。镍和铅则呈现负值，分别为-22%和-83%。整体来看，CTA在贵金属上的仓位偏空，在基本金属上则分化明显。 三、现货流量概览：铂金逆势流入，钯金零售买盘激增 黄金整体现货流量净卖出-5%，零售投资者净卖出-7%。白银整体现货流量净卖出-9%，零售投资者净卖出-9%。铂金整体现货流量净买入18%，商业投资者净买入16%，但零售投资者净卖出-15%。钯金整体现货流量净卖出-16%，商业投资者净卖出-14%，但零售投资者净买入49%，显示出投资者群体间的巨大分歧。铂金的商业买盘与零售卖盘形成对比，钯金则出现商业卖盘与零售买盘的对抗。 四、算法交易展望：贵金属普遍承压，钯金最脆弱 德意志银行预计，下周算法交易将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月的持续大规模现货流出而最易受算法卖盘影响，脆弱性最高。白银在上海套利交易持续强劲和零售投资者现货流入的支撑下，显得最为稳健。铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。整体而言，贵金属板块短期面临算法卖盘的压制，但白银的韧性相对突出。 ⚠️【风险提示】 * 算法交易行为具有高度不确定性，实际卖盘压力可能因市场情景变化而显著偏离预期。 * 黄金的“神秘买家”若为储备经理或地缘政治对冲资金，其持续性难以预测，若相关因素消退，金价可能快速回吐涨幅。 * 钯金极度做空仓位若遭遇逼空，可能引发剧烈反弹，投资者需警惕双向风险。 * 铂金的商业买盘与零售卖盘分歧巨大，价格方向不明朗，回调风险较高。 * 地缘政治事件（如霍尔木兹冲突）的演变可能瞬间改变贵金属的避险需求和油价敏感度。

🔥【核心洞察】 峰会基调是“管控式竞争”，不是全面重置。 摩根士丹利最新报告指出，即将举行的美中峰会核心目标是延长现有贸易休战，而非达成重大突破或广泛协议。双方在稀土和芯片上的相互依赖，决定了短期内只能“管控分歧”，而非解决分歧。 11月10日是真正的“定时炸弹”。 美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将于同一天到期。市场普遍预期双方将优先延长，但若出现意外，冲击将远超峰会本身。 AI竞争沿独立轨道加速升级，但峰会难有突破。 美国希望中国在监测AI网络攻击方面合作，同时担忧中国公司“蒸馏”美国专有模型。中国则想了解美国如何监管前沿模型。预计峰会仅限于进一步对话，不会达成实质性协议。 市场预期极低，指数影响有限。 延长贸易休战对MSCI中国指数的直接推动预计不大，宏观疲软和监管担忧仍是主要制约。真正的机会在结构性领域：AI主权和半导体本地化。 尾部风险来自伊朗。 美国财政部针对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，是峰会前最大的不确定性来源。 🔍【章节索引】 一、峰会基调：管控式竞争，而非全面协议 摩根士丹利将此次峰会定义为“管控式竞争”的延续。短期目标是延长贸易休战，长期趋势仍是竞争性对抗。双方在稀土和芯片上的相互依赖，构成了“你卡我脖子，我掐你命脉”的对称性威慑，谁也不愿主动掀桌子。峰会最可能达成的成果，是有针对性的关税减免和适度的商业一揽子计划，比如农产品和航空航天采购，以强化“建设性战略稳定”。但在先进技术和关键矿产上的核心分歧，仍然无解。 二、AI竞争与技术主权：独立轨道上的加速赛 人工智能领域的竞争正沿着独立轨道加速升级，已被双方视为国家安全范畴。美国关注两点：一是希望中国在监测AI网络攻击方面合作，二是对中国公司蒸馏美国专有模型表示担忧，倾向于对前沿AI能力实施“中间路径”限制。中国则希望了解美国未来如何监管前沿模型，视AI对话为峰会重要成果。但预计双方仅停留在“进一步对话”层面，不会达成具体协议。 三、贸易协议到期与市场影响：11月10日的三重到期 11月10日是一个关键节点。美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将同时到期。摩根士丹利预计双方将优先延长，但即使延长，对MSCI中国指数的直接影响也有限。宏观疲软、监管担忧仍是主要制约因素。基准情景是“休战延长-有限/象征性”，市场可能表现平淡。真正的结构性机会在AI主权和本地化，尤其是国内AI基础设施、云服务和计算能力。 四、亚洲区域与供应链重塑：经济选择权与去风险化 “管控式竞争”模式为亚洲地区保留了经济选择权。美国和中国减少关键供应链依赖的多年努力将继续，支持“投资超级周期”展望。投资主题集中在经济安全与再工业化、AI主权与半导体本地化、以及关键矿产。重点关注稀土元素、磷化铟及光学收发器、高性能计算与AI加速器、高带宽内存等关键供应链。这些领域不受峰会结果影响，是跨情景的结构性机会。 ⚠️【风险提示】 伊朗尾部风险：美国对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，可能成为峰会前的最大不确定性。 限制扩大风险：美国若对无人机、逆变器等采取更广泛的品类/组件级限制，或考虑对AI数据中心光学收发器实施限制，可能引发中方报复。 核心分歧无解：先进技术和关键矿产的争议仍未解决，限制经济上行空间。 地缘政治升级：若紧张局势升级，AI/数据中心、生物制药等跨境业务面临更大下行风险。 市场预期过低：若峰会成果超出预期，可能引发短期反弹；但若低于预期，市场反应可能平淡，机会成本较高。

🔥【核心洞察】 科技预测的“黑历史”一抓一大把。 1995年，以太网联合创始人鲍勃·梅特卡夫预言互联网将在1996年崩溃；IBM创始人托马斯·沃森曾低估电脑市场；爱因斯坦认为核能不可实现；史蒂夫·鲍尔默看轻iPhone的市场份额。德意志银行最新报告指出，从互联网崩溃预言到AI灭绝担忧，人类对技术发展的预测记录普遍糟糕。 当前AI“末日论”正甚嚣尘上。 领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示，共同推高了恐慌情绪。埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。但批评者认为，AI并非危险在“聪明”，而在“笨”，“末日论”分散了对实际风险的注意力。 预测失败的深层原因有三： 一是混沌理论与复杂性——将交通、经济等复杂系统视为简单线性，微小初始差异可导致巨大结果差异；二是认知偏差——线性思维让人难以直观理解指数级变化，乐观偏差让人低估成本、高估收益，锚定效应让人过度依赖早期信息；三是自身利益驱动——创始人、投资者、政策制定者、记者都有动机夸大风险或收益，社交媒体尤其倾向传播新奇、负面和极端内容。 AI也有其独特性与希望。 历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来，AI的未来将不限于硅谷，而是在更广泛的社会中共同塑造。 🔍【章节索引】 一、科技预测的屡次失误与反思 1995年，以太网联合创始人鲍勃·梅特卡夫错误预测互联网将在1996年崩溃。历史上类似的错误判断比比皆是：IBM创始人托马斯·沃森低估电脑市场，爱因斯坦认为核能不可实现，史蒂夫·鲍尔默看轻iPhone的市场份额。这些失误的共同点在于“范畴错误”——误将工作的可见、自动化部分等同于工作本身，忽视了判断、沟通等复杂价值。 二、当前AI“末日论”的争议焦点 担忧激增的诱因包括：领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示。潜在灭绝情景被反复讨论：埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。AI公司辩护称，不研发则落后，潜在益处巨大，且“好AI”可应对“坏AI”；批评者则认为，AI并非危险在“聪明”而在“笨”，“末日论”分散了对实际风险的注意力。 三、预测失败的深层原因 混沌理论与复杂性是首要原因——将交通、经济等复杂系统视为简单线性，微小初始条件差异可导致巨大结果差异，如自动驾驶面临的“边缘情况”和监管难题。认知偏差同样关键：线性思维让人们难以直观理解指数级变化，导致对AI能力跃升感到“震惊”；乐观偏差让人们低估成本、高估收益；锚定效应让人们过度依赖早期信息。自身利益驱动也不可忽视：各方有动机夸大风险或收益，社交媒体倾向传播新奇、负面和极端内容。 四、AI的独特性与未来希望 历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。实际落地是关键：AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来：AI的未来将不限于硅谷，而是在更广泛的社会（“主流社会”）中共同塑造。 ⚠️【风险提示】 * 过度自信的预测可能误导投资和政策决策，无论是过度悲观还是过度乐观。 * “末日论”可能分散对AI实际风险的注意力，如偏见、隐私、就业冲击等。 * 认知偏差和自身利益驱动可能导致对AI能力的错误判断，投资者需保持批判性思维。 * AI的实际落地面临企业流程集成、监管适配等挑战，技术进步不等于商业成功。

🔥【核心洞察】 AI是史上最深刻的技术之一，影响可能超过电力、电话或互联网。 DeepMind联合创始人、诺贝尔化学奖得主Demis Hassabis在RSA阿尔伯特奖章演讲中指出，AI的发展速度预计比工业革命快10倍。它不仅是技术工具，更是解决世界重大问题的“元工具”。 AI的未来并非预设，需要全社会共同塑造。 Hassabis强调，AI可能带来深刻的社会、经济和哲学挑战，社会必须有意识地引导其方向，而非任其自由演进。艺术与人文领域的参与至关重要。 AI应增强人类创造力，而非取代它。 Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要，因为人类作品中的情感和真实性是AI无法复制的。 教育系统需要“激进”改革。 他建议采用“翻转课堂”模式：让AI承担知识传授和个性化学习指导，课堂则专注于培养创造力、批判性思维、协作和解决问题的能力，让学生“与AI共生”。 🔍【章节索引】 一、阿尔伯特奖章：跨学科天才的加冕 Demis Hassabis拥有非凡的跨学科背景：国际象棋大师、游戏开发者、神经科学家、DeepMind联合创始人。他因领导AlphaFold项目等贡献，获得2026年RSA阿尔伯特奖章，以及诺贝尔化学奖、骑士称号等荣誉。他的办公室以达芬奇命名，体现了科学与艺术结合的信念。RSA授予他奖章，表彰其“不懈的好奇心、非凡的雄心和强烈的责任感”。 二、AI是“元工具”：比电力更深刻，比工业革命快10倍 Hassabis认为，AI是人类历史上最深刻的技术之一，其影响可能比电力、电话或互联网更大，且发展速度预计比工业革命快10倍。AlphaFold在蛋白质结构预测方面的突破，展示了AI加速科学研究的巨大潜力。AI还有望在药物发现、解决环境问题以及最终实现人类繁荣方面发挥关键作用。但他同时警示，AI可能带来深刻的社会、经济和哲学层面的挑战。 三、塑造AI未来：艺术与人文不可或缺 Hassabis强调，AI的未来并非预设，需要全社会，特别是艺术和人文领域，共同参与塑造，以确保其安全性和符合人类福祉。他主张AI应作为增强人类创造力的工具，而非取代它，并分享了与顶尖艺术家合作开发AI工具的经验。他讨论了AI在艺术创作中的正负面影响，如“AI Slop”现象，并提出未来需要更精确地定义“匠心”、“直觉”和“灵魂”等概念。 四、教育革命：翻转课堂，与AI共生 Hassabis呼吁对教育系统进行“激进”改革，以培养下一代适应和塑造AI未来的能力。他建议采用“翻转课堂”模式，让AI承担知识传授和个性化学习指导，而课堂则专注于培养学生的创造力、批判性思维、协作能力和解决问题的能力。这种改革旨在让学生能够“与AI共生”，像对待计算机和互联网一样自然地运用AI，从而获得必要的技能来塑造未来。 五、风险与责任：有意识地引导方向 Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要。他提倡艺术与科学的结合，认为这可以开启一个新的黄金时代，带来科学发现和奇迹。但他也警示，AI可能带来深刻的社会、经济和哲学挑战，社会需要有意识地引导其发展方向，而非任其自由演进。 ⚠️【风险提示】 * AI发展速度远超监管和社会适应能力，若缺乏有意识的引导，可能加剧社会不平等和伦理风险。 * “AI Slop”等低质量AI生成内容可能稀释文化价值，需建立新的品质标准。 * 教育系统改革涉及巨大资源投入和体制惯性，落地难度不容低估。 * 艺术与科学融合的愿景需要跨领域协作机制，目前仍处于早期探索阶段。

🔥【核心洞察】 * “投资不足的风险已超过投资过度的风险” ：摩根士丹利9月7日研报明确指出，当前AI领域投资不足的风险大于投资过度的风险。GPT-6 Astra的发布正在强化AI基础设施投资叙事——大模型在100万颗GPU上训练并拓展至推理、工程和物理世界任务，将大幅扩大AI可寻址收入池。市场回调后投资者AI持仓已大幅下降，当前位置提供了战略性再配置的窗口。 * AI投资三大垂直领域：算力＞存储＞网络：大摩将AI投资分为三个层次： * AI计算（最高置信度） ：需求持续超预期，台积电2026年营收指引上调至40%以上，AI半导体占比预计超30%，资本开支上调至600亿-640亿美元。 * 存储器（结构性看好，但需更挑剔） ：基本面依然强劲，但商品周期进入后期，需更具选择性。HBM4E后端工艺复杂性增加正在改变生产范式，长鑫存储是唯一被推荐超配的存储股。 * 网络（次优选择） ：机会集中在Scale-Up架构的快速扩张（市场规模超700亿美元），CPO的大规模采用预计2029年之后才会到来。 * 非AI领域的对冲机会：模拟芯片处于早期复苏阶段：在经历三年多低迷后，模拟芯片基本面正从“L型底部”走向修复——渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。 🔍【章节索引】 一、核心投资逻辑：为什么“投资不足”的风险更大？ GPT-6 Astra的发布标志着AI能力从纯文本对话向推理、工程和物理世界任务的全面扩展。大摩的核心判断是：AI可寻址收入池正在快速扩大，而承接它的物理产能却扩不动。瓶颈叙事正从需求端回到供给端——不是需求不够，是产能跟不上。 二、AI计算：最优先配置方向 台积电是这一逻辑最直接的体现。2026年营收增速指引已上调至40%以上，AI半导体占比预计超过30%，资本开支从520亿-560亿美元上调至600亿-640亿美元。 ABF基板和MLCC被识别为关键下游受益者，欣兴电子和村田制作所被列为各自领域首选标的。 三、存储器：基本面强劲但进入周期后期 存储器基本面依然强劲，但随着商品周期进入后期阶段，定价能力趋于温和，需要更具选择性。 HBM4E后端工艺的复杂性增加（互连层数增加）代表着半导体制造的重大转变，可能延迟DRAM和NAND的供应增长。在存储领域，长鑫存储是唯一被推荐超配的个股。 四、网络：Scale-Up市场超700亿美元，CPO要到2029年后 网络是次优选择，但机会集中在Scale-Up架构的快速扩张。铜缆在短距离连接上仍具优势，但随着集群规模扩大，光纤变得越来越必要——演进路径为：铜缆→NPO/混合架构→CPO。CPO的大规模采用预计2029年之后才会到来。康宁、Lumentum和Coherent被列为偏好标的。 五、非AI对冲：模拟芯片的早期周期复苏 模拟芯片是报告中一个重要的差异化观点。在经历三年多低迷后，模拟半导体板块正重新进入投资者视野。渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。 ⚠️【风险提示】 * AI资本开支节奏风险：若云服务提供商因回报率不及预期而放缓资本开支，可能影响AI基础设施的扩张速度。 * 存储器周期转向风险：商品DRAM/NAND已进入周期后期，若供需关系逆转，价格和利润率可能面临压力。 * HBM4E量产风险：后端工艺复杂性增加可能导致HBM4E的量产时间表延迟或良率不及预期。 * CPO渗透节奏风险：大摩预计CPO大规模采用要到2029年之后，若市场过早定价CPO预期，可能存在预期差。 * 模拟芯片复苏不及预期：若工业需求回暖力度不足，模拟芯片的早期周期复苏可能被证伪。

🔥【核心洞察】 * 库存充裕的表象下，三重风险正在同步积聚：高盛最新研报指出，全球农业市场虽然以相对充足的库存进入2026年，但霍尔木兹海峡干扰、黑海地区紧张局势加剧以及“超级厄尔尼诺”现象三重风险正在同时上升。BCOM农业现货指数年内已上涨24%，小麦价格涨幅更达41%。 * 更大的风险来自贸易壁垒放大冲击：自2020年以来，全球新增农业贸易限制措施年均数量大致翻倍。出口禁令和囤积库存可能抽走远超实际减产规模的国际供应。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。 * 霍尔木兹：化肥与柴油双重断供：海峡是全球约三分之一化肥贸易的咽喉。2024年全球约34%的尿素和23%的氨贸易途经该海峡。氮肥断供恰逢巴西玉米、印度水稻和欧盟冬小麦的备货窗口。磷肥方面，巴西大豆对磷肥进口依赖度约80%，而巴西大豆占全球出口量的62%。同时，霍尔木兹扰动还约束了全球约10%的柴油出口，美国柴油价格已创历史新高。 * 黑海局势威胁全球谷物贸易：黑海地区紧张局势使全球15-20%的谷物贸易面临风险。俄罗斯和乌克兰的海运小麦出口已远低于正常水平。若干扰持续到10月玉米出口旺季，风险可能从小麦市场蔓延至全球玉米市场。 * “超级厄尔尼诺”有记录以来最强：NOAA预测2026-2027年有超过90%的概率出现“超级厄尔尼诺”。可能通过严重干旱和洪水同时扰乱多个作物产区，特别影响巴西糖、印度和泰国的大米出口。巴拿马运河水位下降可能导致航运中断，影响全球10%的谷物和17%的大豆贸易。 * 生物燃料转向进一步挤压出口供应：能源安全担忧促使主要作物出口国将作物转向国内生物燃料生产。巴西和印度将糖/玉米转向乙醇，印尼将棕榈油转向生物柴油，直接减少出口供应。 🔍【章节索引】 一、三重风险：霍尔木兹、黑海、超级厄尔尼诺 霍尔木兹海峡的化肥与柴油断供直击农业生产成本，氮肥和磷肥供应受阻影响巴西玉米、印度大米和欧盟冬小麦的种植。黑海地区紧张局势使全球15-20%的谷物贸易面临风险，俄罗斯和乌克兰的海运小麦出口已远低于正常水平。“超级厄尔尼诺”有超过90%的概率在2026-2027年冬季形成，可能通过严重干旱和洪水同时扰乱多个作物产区。 二、贸易壁垒：被低估的“风险放大器” 高盛认为，更大的风险来自贸易保护放大冲击。2020年以来新增农业贸易限制措施年均数量大致翻倍，各国政策重心明显转向粮食和能源供应安全。市场日益碎片化，同等供应冲击将带来更大、更持久的价格波动。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。 三、潜在影响与市场信号 农业板块已出现明显异动。A股农业板块9月8日再度掀起涨停潮，万向德农、敦煌种业、亚盛集团等多家公司发布公告提示风险，称股价已严重偏离基本面，存在快速下跌风险。高盛认为，在贸易壁垒高企的环境下，即使是小规模供应中断，也可能触发预防性出口限制和库存建设，导致全球市场供应损失远超原始中断规模。 ⚠️【风险提示】 * 当前农产品价格的上涨可能已部分反映市场预期，若三重风险中的任一因素出现缓解，价格可能面临回调。 * 各国政策响应存在不确定性，出口禁令的实施节奏和力度难以预测。 * “超级厄尔尼诺”的强度和持续时间存在不确定性，其对不同作物产区的影响程度各有差异。

🔥【核心洞察】 * 美债30年时代正在终结：Gavekal首席执行官Louis-Vincent Gave发出明确警告：“我们正在迅速从以美国国债为一切基石的世界，转向以大宗商品为核心的世界。”过去30年，政府债券一直被视为对冲股市风险的压舱石，但这一关系正在瓦解。近期通胀驱动的市场波动中，股债同步下跌已成新常态。 * “现代重商主义”重塑全球秩序：Gave与桥水基金联席首席投资官Karen Karniol-Tambour在Sohn投资论坛上联手警告，全球正从追求效率的全球化，转向以安全与韧性为核心的“现代重商主义”。各国不再只追求低成本供应链，而是急于确保关键矿产、能源、工业能力与国防体系的自主可控。 * 全球资源争夺战全面打响：这一转变源于2022年俄乌战争后俄罗斯储备被冻结，促使各国重新评估“美债是终极流动性资产”的假设。各国开始建立石油、化肥、农产品和工业材料的战略储备。Gave指出，这一趋势将吸收全球流动性，并加剧大宗商品市场的通胀压力。 * 黄金与铜领跑大宗商品牛市：Karniol-Tambour明确表示黄金是她的核心配置——地缘政治分裂与对储备安全的担忧正推动资金持续流入。Gave则更强调铜的潜力：“每个人都在说，‘我需要重建电网。我需要安装更多太阳能板。’而这些事情没有铜就非常难以实现。”短缺将出现在发电和电力基础设施领域，而非半导体。能源转型与AI数据中心的扩张将消耗海量铜、铝、银等工业金属。 🔍【章节索引】 一、全球经济秩序的重构 中美贸易战已实质上结束，且中国赢得了这场战争。2018年美国对华半导体禁运后，中国将所有金融资源从消费和房地产转向单一目标——“去西方化”供应链并提升产业链价值。伴随这一过程，房地产和股票价格暴跌，中国一度变得“不可投资”，这反过来催生了“美国例外主义”的繁荣。但随着DeepSeek、比亚迪、稀土、磁材以及在生物技术和核能领域的突破，中国已不再需要担心禁运。美国例外主义的时代正在消退。 Gave更指出，西方世界现在对中国的依赖程度，远高于中国对西方的依赖。在供应链上，美国已经失去了主动权。 二、美债时代终结与“双赤字”困境 Gave认为，美国政府债务的持续膨胀是一个无法回避的结构性问题。美国面临“双赤字”（预算赤字+经常账户赤字）的挑战，而通胀可能被视为管理债务的工具，但这本身也带来了巨大的风险。 更深层的结构性压力来自财政与人口。Gave分析指出，发达经济体的人口老龄化、财政赤字扩大以及政府庞大的支出承诺，正在共同推高资金成本。世界现在生活在一个更加通胀的环境中，由人口结构恶化、财政赤字上升和政府支出增长共同驱动。资本的结构性成本必须上升。 三、投资策略：黄金、铜与新兴市场 在具体投资方向上，Gave给出了清晰的指引： * 黄金：地缘政治分裂与对储备安全的担忧，正推动黄金需求结构性增加。 * 铜：AI数据中心与能源转型将消耗海量铜，市场过度聚焦AI半导体，却忽视了最关键的瓶颈——电力系统。 * 中国资产：Gave认为中国结构性被低估。中国拥有全球最低的资本成本、最低的劳动力成本、最低的电力成本，以及全球最便宜的货币。 * 国防板块的结构性变革：传统国防巨头正在被颠覆——“2.75亿美元的战斗机时代”正在被“5万美元的无人机时代”所取代。 * 传统“轻资产”模式终结：世界上成功的平台公司正在从轻资产模式转向大规模资本密集型模式。 ⚠️【风险提示】 * 全球从美债向大宗商品的范式转移并非一蹴而就，美元短期内仍占全球储备约58%，过渡过程可能伴随剧烈波动。 * 各国资源民族主义抬头可能加剧供应链混乱和价格波动。 * 中国资产虽然被低估，但地缘政治和内部经济结构转型仍存在不确定性。 * 传统国防巨头的转型阵痛可能持续，投资者需警惕传统军工股的估值陷阱。

🔥【核心洞察】 * “Go Direct”运动发起人：Lulu Cheng Meservey是硅谷最炙手可热的传播策略师，她的核心理念“Go Direct”（直接沟通）正在颠覆价值千亿美元的公关行业。她认为，创始人亲自上阵、绕过传统媒体与受众直接对话，才是当下最有效的传播方式。她的客户名单包括Anduril、Shopify、Cognition AI、Coinbase等一批硅谷最受瞩目的公司。 * 从耶鲁到动视暴雪的传奇之路：耶鲁政治学学士、塔夫茨大学弗莱彻学院国际关系硕士，2016年联合创立TrailRunner International。2022年10月临危受命担任动视暴雪首席传播官，在微软690亿美元收购案中正面迎战FTC，以个人名义公开发声反击——几乎没有任何高管在如此规模的交易中愿意这样做。2024年3月创立Rostra，2025年12月募集4000万美元VC基金。 * “叙事阿尔法”：传播本身就是超额收益：她提出“叙事阿尔法”（Narrative Alpha）概念——一家公司如何被市场、员工和监管者感知，本身就是一种结构性竞争优势。她创立的Rostra（名字源自罗马的演讲台，一个能让整座城市改变信仰的地方）只同时服务十几家客户，等待名单上却有数百家公司。 * Anduril的“反媒体”崛起：Anduril创立第一年，创始人在Facebook被排挤离场，没有任何记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico（海军陆战队基地）、彭德尔顿军营和CIA，当面展示技术。她还处理过“Uber拒载事件”等公关危机。这套打法帮助Anduril从一家被媒体忽视的初创公司，成长为估值数十亿美元的国防科技巨头。 * Cognition AI的完美首秀：Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在Devin发布之前，它已经通过了多家头部AI公司的工程面试。这场发布让Cognition一夜成名。她形容这个项目“一出手就震惊了世界”。 * Shopify董事会的“叙事操盘手”：2024年6月加入Shopify董事会。她推崇Shopify创始人Tobi Lütke的长篇真实沟通实践——他曾在播客中纯粹讨论游戏战略策略整整七年前，全程不提Shopify——这正是她眼中最有效的品牌叙事。Shopify擅长通过商户的真实转型故事来传递品牌价值，让平台退居幕后。 🔍【章节索引】 一、颠覆公关行业的“Go Direct”理念 Lulu的核心观点直截了当：创始人必须绕过传统媒体，直接与受众沟通。她对一位创始人的第一条建议是：“别让你的信息被公关团队稀释，别指望公关机构去引诱媒体兴趣，你是创始人，掌控你自己的叙事。” 在她看来，如果领导人在传播环境中从不发声，企业形象会变得呆板扁平。而“Go Direct”并非简单的CEO发推，而是要求创始人以第一人称表达真实想法——它可以是“不完美的”，甚至可以是“不够绝对正确的”，但必须体现真实个性、意图和信念。要有“活人感”，要有在场感，要有生命力。 她甚至观察到，今天成功的传播往往带有“被设计出的即兴感”——如TikTok博主保留按下录制键的那一刻、演讲中刻意保留口癖，这种“精心布置的粗糙”反而成为与受众沟通的润滑剂。 二、动视暴雪：690亿并购案中的孤勇者 2022年10月，微软以690亿美元收购动视暴雪的交易遭到FTC强力阻击。Lulu正是在此时加入公司担任首席传播官。她没有躲在公关话术后面，而是以个人名义公开反击FTC——几乎没有任何高管在如此规模的交易中愿意这样做。交易最终于2023年10月完成。这场胜利奠定了她在硅谷传播领域的地位。 三、Anduril：从零构建国防科技巨头的声誉 Lulu职业生涯中最重要的案例之一，是帮助Anduril从一家没人愿意报道的初创公司成长为国防科技巨头。在公司创立第一年，创始人Palmer Luckey刚被Facebook排挤离场，没有记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico、彭德尔顿军营和CIA，当面展示技术。这套打法让Anduril绕过了敌对的科技媒体，直接触达了真正重要的受众。她还策划了“Uber拒载事件”等公关事件，将看似负面的新闻转化为品牌叙事的一部分。 四、Rostra：只服务十几家客户，等待名单数百家 2024年3月，Lulu创立了自己的传播咨询公司Rostra。公司名字源自罗马的演讲台——一个普通人爬上去时全城相信一件事，走下来时全城相信了另一件事的地方。Rostra只同时服务约十几家客户，等待名单上却有数百家公司。客户名单包括Cognition AI（Devin的发布）、Anduril、Coinbase、Ramp等。 五、Cognition AI的Devin发布：Rostra的“开门红” Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在发布之前，Devin已经通过了多家头部AI公司的工程面试。这场发布让Cognition从一家不知名的AI初创公司，一夜之间成为全球科技圈关注的焦点。 六、4000万美元VC基金：叙事与资本的叠加 2025年12月，Lulu募集了一只4000万美元的VC基金。她说：“叙事就是阿尔法。投资是对Rostra工作的补充，因为叙事和资本都在复利。现在，建立新事物比以往任何时候都容易，但让人们关心却比以往任何时候都难。优秀的传播能让伟大的公司更有价值。” ⚠️【风险提示】 * “Go Direct”并非万能模板：并非所有创始人都擅长或适合公开表达，强行推行可能适得其反。 * 高度依赖创始人个人声誉：这套方法将公司的传播命脉系于创始人个人形象，一旦创始人出现声誉危机，公司叙事可能同步崩塌。 * 绕过媒体的长期代价：持续绕开传统媒体可能导致公司在需要媒体正面报道时缺乏渠道和关系积累。 * “不完美”的边界难以把握：真实表达的“粗糙感”与失控言论之间只有一线之隔。

🔥【核心洞察】 * 分辨率从13nm跃升至8nm，晶体管密度提升2.9倍：High-NA EUV通过将数值孔径（NA）从0.33提升至0.55，理论分辨率从约13nm推进至8nm。这相当于把一台“普通显微镜”升级成了“超级显微镜”——原本需要多次曝光的复杂图案，现在一次就能完成。分辨率提升1.7倍，晶体管密度提升近2.9倍。换个更直观的说法：从0.33 NA到0.55 NA，芯片上能塞进去的晶体管数量几乎翻了三倍。 * 每台造价高达3.8亿至4亿美元：这些系统是有史以来最复杂的商用机器，尺寸相当于一辆双层巴士。但单价只是门槛，真正的成本账要算“每次曝光成本”和“整体工艺简化”——一台High-NA能替代多台Low-NA的多重曝光工序。Bernstein分析指出，High-NA单次曝光的优势在于能大幅减少掩模层数、缩短生产周期，这才是其经济性的真正来源。 * 英特尔抢先量产，台积电观望，三星DRAM率先导入：英特尔在18A制程上已使用High-NA EUV量产Panther Lake处理器，成为业内首家实现HVM的厂商。台积电因成本考量推迟至2026年初才安装评估工具。DRAM领域预计率先广泛采用——三星和SK海力士计划在2026-2027年左右的0a nm DRAM节点导入，逻辑芯片的全面采用预计在2028至2030年间。 * 光刻强度将从24%升至26%，EUV业务CAGR达30%：Bernstein预测，随着High-NA取代多重曝光，光刻在晶圆制造总设备支出中的占比将持续提升。ASML的EUV业务（含High-NA）预计将以30%的复合年增长率扩张，到2030年达到427亿欧元。2026年High-NA EUV光刻机订单已全部排满，台积电、英特尔与三星合计已下单18台。 * Hyper-NA已在路上：NA目标突破0.75：ASML在SPIE EUVL 2026大会上公布了下一代Hyper-NA路线图，NA目标突破0.75，目标是在2030年代中期支撑A7节点（约0.7nm）之后的进一步微缩。High-NA是“现在进行时”，Hyper-NA是“下一个十年”——这场光刻竞赛远未结束。 🔍【章节索引】 一、技术本质：从0.33到0.55的“光学杠杆” High-NA EUV的核心原理并不复杂：在波长不变（都是13.5nm）的前提下，把数值孔径（NA）从0.33提高到0.55。根据瑞利准则，分辨率与NA成反比——NA越大，能刻出的线条越细。最终效果是分辨率从13nm推进到8nm。 但实现这一提升的代价是光学系统的彻底重构。High-NA系统采用了非对称光学设计——在X和Y方向上以4倍和8倍的不同倍率进行缩小。这种设计虽然避开了掩模版尺寸爆炸的问题，却带来了一个副作用：曝光场面积减半。对于大型芯片（如AI加速器），需要分两次曝光再“拼接”起来，精度要求达到亚纳米级别。 技术细节上，EXE:5000系统的投影光学元件包含超过4万个零件，总重约12吨；晶圆台加速度达8g，掩模版台达32g，以部分抵消曝光场减半带来的产能损失。截至2026年7月，全球已有10套High-NA系统投入运行，另有3套正在安装。累计曝光晶圆数已突破135万片。 二、成本账本：4亿美元一台，值吗？ 每台High-NA EUV光刻机售价约3.8亿至4亿美元。但判断它“贵不贵”，不能只看单价。 Bernstein的分析提供了一个更完整的框架：2025年，High-NA单次曝光（无需拼接）的每次曝光光刻设备成本约为Low-NA的2.4倍；若需要拼接（大型逻辑芯片），则约为3.1倍。但随着可用率从目前的约84%提升至2026年第四季度90%的目标、并最终迈向93%，以及产能从135片/小时提升至175片/小时，成本差距将显著缩小——预计到2030年降至1.9倍和2.1倍。 更重要的是，High-NA通过“单次曝光替代多次曝光”简化了整体工艺流程。imec已通过单次High-NA曝光实现了20nm间距的线结构，将尖端至尖端（T2T）临界尺寸缩小至13nm。这不仅仅是光刻设备的替换，而是整条产线的精简——减少了掩模数量、缩短了生产周期、降低了缺陷率。 三、厂商博弈：英特尔抢跑，台积电“精算”，三星押注DRAM 英特尔——最激进的先行者。2023年第四季度收到首台EXE:5000，2024年第三季度完成首片晶圆曝光。2026年7月，英特尔正式宣布在18A制程上使用High-NA EUV量产Panther Lake处理器。叠加精度已达0.7nm。这是一场380亿美元的赌注——如果High-NA的经济性按英特尔展示的轨迹成熟，先发优势将转化为实际回报。 台积电——“等得起”的精算师。面对每台约4亿美元的造价，台积电选择固守0.33NA加多重曝光的成熟路线。High-NA单次曝光的成本溢价约2.5倍，而继续使用已折旧的0.33NA设备进行多重图案化在当前节点更为经济。台积电有意将High-NA的量产学习曲线推迟两年或更久。 三星——DRAM先行，逻辑跟进。三星电子计划投入约1.1万亿韩元引进两台EXE:5200B。与英特尔不同，三星的优先战场是DRAM——DRAM芯片尺寸较小，通常无需拼接，且High-NA在多重曝光方案下的成本优势更明显。SK Hynix也计划在0a nm DRAM节点（约2026-2027年）导入High-NA。逻辑芯片方面，三星预计在1.4nm节点开始采用。 四、Hyper-NA：2030年代的单次曝光延续 High-NA不是终点。ASML在SPIE EUVL 2026大会上首次公布了Hyper-NA路线图，目标数值孔径突破0.75。Hyper-NA旨在支撑A7节点（约0.7nm，预计2033年达到HVM）之后的进一步微缩。 从0.33到0.55用了大约五年；从0.55到0.75，ASML计划用大约七年。光刻技术的演进节奏在放缓，但竞赛从未停止。 五、投资视角：谁在“卖铲子”？ 光刻设备市场高度集中，ASML在EUV领域维持约93.5%的绝对主导地位。2026年EUV与High-NA EUV光刻机订单已全部排满。 Bernstein将ASML目标价上调至2300欧元，核心逻辑是：High-NA将提升“光刻强度”——光刻设备在晶圆厂总设备支出中的占比将从2025年的24%升至2028年的26%。预计EUV业务（含High-NA）将以30%的复合年增长率扩张，到2030年达到427亿欧元。 A股相关领域，光刻胶、光刻气体、掩模版等配套材料环节有望受益于High-NA带来的工艺升级需求；先进封装设备及检测设备也有望伴随技术演进获得增量市场空间。 ⚠️【风险提示】 * 成本回收周期风险：每台设备3.8-4亿美元的投资若无法在合理周期内转化为足够产量和良率提升，将影响客户扩产节奏。 * 技术路线不确定性：若多重曝光技术持续优化，部分客户可能推迟High-NA采购，正如台积电当前策略所示。 * 地缘政治风险：EUV设备出口管制可能影响ASML的出货量预期和市场拓展。 * 拼接工艺风险：大型芯片的“拼接”工艺若在量产中出现良率问题，可能影响High-NA在逻辑芯片领域的渗透速度。 * 客户集中风险：High-NA的早期客户高度集中于英特尔、三星、台积电和SK海力士少数几家，订单集中度极高。

🔥【核心洞察】 * 全球电商2031年达6.4万亿美元，但增长逻辑已变：ECDB报告显示，2026年全球电商收入首次突破5万亿美元，预计2026-2031年将以6%的复合年增长率稳步扩张，到2031年达到6.4万亿美元。但增速从2017-2024年的14%降至2026年的8.6%，行业正从“跑马圈地”进入“精耕细作”阶段。 * Commerce 3.0：从“卖货”到“卖生态系统”：行业已从1.0时代的1P零售在线化、2.0时代的3P市场平台，进化到Commerce 3.0——平台不再靠卖货赚钱，而是通过广告、订阅、支付、物流和AI服务实现多元化收入。亚马逊FBA、Prime会员、零售媒体广告等“辅助收入”才是真正的利润引擎。 * 代理式购物：下一个万亿级入口：德勤预计到2030年AI代理将驱动全球25% 的电商销售额；麦肯锡估算市场规模可达3至5万亿美元。消费者对代理式购物的采用率将从2025年的19%跃升至2026年底的46%。谁能成为消费者默认的“AI采购代理”，谁就掌握了万亿级市场的咽喉要道。 * 零售媒体：电商平台的“第二利润中心”：零售媒体网络（RMN）2025年全球规模已达240亿美元，预计2031年增至347亿美元。运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛、塔吉特正将“货架上的广告位”变成比卖货更赚钱的生意。 * 区域分化：新兴市场狂奔，欧美滞涨：印度尼西亚（22%）、墨西哥（21.3%）、印度（17.6%）领跑全球；拉丁美洲整体增速12.4%，远超全球8.6%的平均水平。而德国、法国、日本增速均低于5%。 🔍【章节索引】 一、全球电商市场：6.4万亿的“慢牛”与平台集中化 ECDB报告数据显示，2026年全球电商收入首次突破5万亿美元，同比增长8.6%。预计到2031年，全球电商销售额将以6%的复合年增长率达到6.4万亿美元，线上渗透率将达到可寻址零售销售额的27%。 市场结构方面，电商平台集中度持续攀升。2026年，电商平台预计将占全球B2C实物商品电商收入的87%，较2025年的86%进一步提升。亚马逊占据除中国外全球市场33%的份额，阿里巴巴占据中国市场35%的份额。品牌自营网站仅占13%的市场份额——消费者更愿意在平台内完成购物，而非跳转到独立站。 二、Commerce 3.0：从卖货到卖生态系统的范式跃迁 电商的商业模式正经历三次迭代。Commerce 1.0是传统零售商将1P自营业务搬到线上；Commerce 2.0是3P市场平台模式，通过引入第三方卖家扩大品类；Commerce 3.0则是通过广告、订阅、物流和金融服务等高利润辅助收入实现生态系统货币化。 亚马逊是这一模式的集大成者：FBA物流服务、Prime会员订阅、零售媒体广告、亚马逊支付、商家服务——每一项都是高毛利的“卖水人”生意。沃尔玛、塔吉特、家得宝等零售巨头正全面复制这一路径，将“卖货”变成“卖服务”和“卖流量”。 三、代理式购物：AI正在取代人类下单 2026年电商最深刻的变革是“购物者”身份的变化——人类不再是唯一做出购买决策的实体。AI购物代理可以根据消费者的偏好、预算和过往行为，自动浏览、比较并完成购买。 Gartner预测，到2026年传统搜索量将下降25%，生成式AI将成为用户的“替代答案引擎”。BCG数据显示，美国消费者中LLM采用率已达80%，预计三到四年内LLM流量将超越自然搜索。 零售巨头的布局已经展开。塔吉特在ChatGPT中推出官方应用，用户可在ChatGPT内完成从发现到下单的全流程。谷歌发布通用商务协议（UCP），为AI代理购物设计开放标准，使代理能够跨商户发现商品、构建购物车并完成购买。沃尔玛推出生成式AI购物助手Sparky。 勤业众信将代理式商务的演进路径概括为五个阶段：辅助性探索→辅助性购物→代理型购物→自动化购物→A2A（Agent-to-Agent）。企业的竞争焦点正从SEO（搜索引擎优化）演进到GEO（生成引擎优化），再延伸到ACO（代理型商务优化）——未来决定品牌生死的不是广告预算，而是AI能否清晰理解和推荐你的产品。 四、零售媒体：比卖货更赚钱的“第二利润中心” 零售媒体网络（RMN）正在成为电商平台最重要的利润增长点。零售商将自身数字资产转化为广告位，利用第一方数据进行精准定向和闭环效果衡量。2025年全球RMN市场规模约240亿美元，预计2031年达347亿美元。 RMN的运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛Connect、塔吉特Roundel三家合计控制全球近40%的RMN支出。AI正深入应用于广告活动管理、受众定位、创意生成和产品发现，提高广告效率和ROI。 五、区域分化：新兴市场狂奔，欧美滞涨 2026年全球电商增长呈现显著的区域分化。 拉丁美洲整体增速12.4%，远超全球平均水平。墨西哥增长21.3%，是该区域最具活力的市场之一。印度以17.6%的增速紧随其后，2026年一季度GMV突破600亿美元，已稳居全球第二大电商市场。印尼以22%的增速领跑全球。亚太地区占全球电商近55%，由整合内容、商务、支付、物流和AI的统一平台驱动。 相比之下，德国预计增长4.6%，法国4.8%，日本4.5%，均低于5%。西欧国家整体增速低于5%。欧洲市场高度分散，转售经济和TikTok Shop成为为数不多的亮点。 六、品类与渠道趋势 食品/杂货电商成为2026年增长最快的品类，增速14.4%，首次占全球电商交易额超10%。TikTok Shop全球GMV增长预计达59.4%。即时配送（Quick Commerce）在印度已成为增长最快的细分市场，占FMCG销售额约80%。 ⚠️【风险提示】 * 代理式购物信任周期：消费者对AI代理代为购物的信任仍在早期阶段，若出现大规模错误或欺诈事件，可能延缓采用速度。 * 平台集中度风险：全球近九成电商交易依赖平台生态，监管政策变化或平台算法调整可能对整个行业产生系统性冲击。 * 区域政策风险：关税上调和小额包裹免税政策取消正在改变全球跨境电商竞争格局，Temu和Shein增长已明显放缓。 * AI投资回报不确定性：电商平台在AI基础设施上的巨额资本支出能否在合理期限内产生足够回报，仍是未解难题。 * 数据隐私监管：零售媒体依赖第一方数据变现，全球隐私监管趋严可能压缩其利润空间。