🔥【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。

🔥【核心洞察】 阿里800亿配售引发市场恐慌，但摩根大通认为“反应过度”。阿里巴巴于8月24日以每股112.70港元完成7.1亿股配售，募集800亿港元（约103亿美元），发行价较前一交易日收盘价折让8.4%。次日港股重挫8.5%，腾讯和恒生科技指数当日分别下跌2.2%和2.1%。摩根大通测算，在阿里当日股价跌幅中，仅约0.3%可归因于配售折价本身；扣除同业联动影响后，现有股东所承受的异常重新定价规模约达190亿美元，大约是此次募资金额的两倍。 摩根大通的“四项测试”：AI基建到底是不是烧钱？ 摩根大通将配售争议拆解为四项独立测试。第一是资本回报率测试：假设利用率100%时每1元资本支出对应1元年收入、45%增量EBITDA利润率、5年直线折旧，AI基建项目的IRR可达22%，显著高于10%的资本成本。第二是净现值测试：以10%折现率计算，每100元基础设施投入产生36元正NPV；即便假设仅60%资金用于可审计的基建支出，每100元仍能产生22元正NPV。第三是每股收益测试：在基础设施占比80%或以上的情景下，配售从第二年起增厚每股收益；在60%基准情景下，2028财年每股收益稀释约0.5%，此后大致中性。第四是每股价值测试：交易后每股价值下降0.9%至1.2%，但摩根大通给出的交易前公允价值为205港元，远高于137-153港元的门槛。四项测试的结论一致——这笔配售从经济角度看是合理的。 每100元AI投入的账怎么算？ 摩根大通按照AI基础设施项目逐笔算账。假设每投入100元AI Capex，利用率爬坡期分别为60%、90%、100%，满产后100元Capex每年产生100元收入，增量EBITDA Margin按45%计算，税率20%，设备按5年直线折旧且残值为0。计算结果是：第一年收入60元、EBITDA 27元、税后现金流25.6元；第二年收入90元、EBITDA 40.5元、税后现金流36.4元；第三年以后收入100元、EBITDA 45元、每年税后现金流40元。 这意味着，100元的投资约2.95年就能全部收回。成熟期ROIC约20%，稳定期现金回报率约40%，整个5年项目税后IRR约22.1%。按10%的资本成本折现，每投入100元NPV约+35.6元。摩根大通判断，阿里现在对AI Capex的理解已经不是“烧钱”，而是一笔资本成本10%、项目IRR 22%的正NPV投资。 三条融资路径：谁最从容，谁最被动？ 阿里巴巴的资金缺口最大。摩根大通预测阿里2027财年资本支出约2000亿元，压力情景下可达2700亿元。按2026年6月季度的经营现金流水平，年度资金缺口约1000亿元，压力情景下扩大到1700亿元。本次800亿港元配售仅能覆盖8.4个月的基础支出。阿里另有约1500亿元的可用流动性和低利率人民币债券能力作为缓冲。 腾讯的资金接近平衡。年化经营现金流约3100亿元，叠加8750亿元的投资组合（其中上市部分4870亿元、非上市部分3880亿元），理论上可自筹覆盖2000亿元的资本支出。腾讯的融资成本是隐性的——放弃投资组合回报、资产处置的税收摩擦——而非股权稀释。摩根大通此前已将腾讯全年资本开支预算上调至2000亿元，最密集投资期间自由现金流或大幅收缩，但维持增持评级。 百度的压力最直接。6月季度资本支出114亿元，但经营现金流仅34亿元，自由现金流转负至负80亿元，同时期内融资净额174亿元。百度主要依靠贷款、租赁及子公司昆仑芯的股权融资。摩根大通对昆仑芯的独立估值为400亿至490亿美元，而百度当前市值约430亿美元。 风险信号：什么情况下会削弱看涨论点？ 摩根大通明确了几个关键风险触发信号：若部署收益的成熟期ROIC低于15%；三年资本支出显著超过3800亿元但外部云收入指引未同步上调；若阿里巴巴在12个月内再次进行母公司层面的股权融资；若计算定价因供应宽松而持续下跌；若腾讯资本支出加股息加回购超出运营现金流而无相应资产处置；或昆仑芯上市延迟。 摩根大通维持对阿里巴巴、腾讯和百度的“增持”评级，并建议投资者在9月季度业绩发布前买入阿里巴巴股票。 ⚠️【风险提示】 * 摩根大通22%的IRR模型基于满负荷利用、1元Capex对应1元收入等核心假设，若实际利用率或收入转化效率不及预期，回报率可能显著低于模型测算。 * 若阿里三年资本支出大幅突破3800亿元但云收入指引未同步上调，将削弱AI投资的经济性判断。 * 若计算定价因供应宽松而持续下跌，可能压缩AI基础设施的投资回报率。 * 若阿里巴巴在12个月内再次进行母公司层面的股权融资，可能进一步稀释现有股东价值。 * 昆仑芯分拆上市若延迟，可能影响百度的估值重估逻辑。

🔥【核心洞察】 * 中国半导体IC数量自给率达70%：高盛8月24日发布《芯片法案》系列第四份年度报告，截至2026年6月，中国半导体IC数量自给率已达70%，较2010年1月的38%提升近一倍。但高盛明确指出，此为“量的自给”，价值自给率仍低，核心瓶颈在于光刻设备的缺失。 * 2030年资本支出目标大幅上调至820亿美元：高盛将2030年中国半导体资本开支预测上调至820亿美元，较此前预测增长79%。2026至2030年逐年预测分别上调15%、32%、51%、64%、79%。预计中国WFE支出2026-2028年分别增长13%、20%和15%，主要来自存储和先进制程投资。 * 中国AI芯片TAM 2030年达6780亿美元：基准情景下，高盛预计中国AI芯片总可寻址市场到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗才能满足需求。7纳米及以下晶圆供需缺口预计从2025年的92%收窄至2035年的34%。 * 本土设备商份额加速提升：中国本土设备供应商在中国WFE市场的占比预计从2025年的26% 升至2028年的38%，收入从102亿美元增至229亿美元。 * 长鑫存储获“买入”评级，目标价129元：高盛首次覆盖中国唯一DRAM IDM厂商长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，较上周五收盘价隐含122%上涨空间。目标价基于2027年24倍预期市盈率，以及到2028年EPS约77%的平均增速。 🔍【章节索引】 一、中国半导体自给自足的进展与战略 高盛报告指出，中国半导体产业正从“量的追赶”转向“质的突破”。 供应端向高端延伸：中国在蚀刻机、沉积设备等领域向高端型号扩展，并新增了离子注入机、检测、量测等更全面的设备类别。先进节点方面，晶圆代工正向7纳米及以下技术迈进，结合Chiplet和先进封装。存储器领域正向LPDDR6及HBM3/3E发展。 产能持续扩张：高盛预计2025到2030年，中国每月晶圆产能将从600万片增至1400万片。先进制程方面，7纳米及以下供需缺口预计从2025年的92%收窄至2035年的34%。 二、半导体资本支出与市场前景预测 高盛将2030年中国半导体资本开支预测大幅上调至820亿美元。上调的核心驱动力包括：生成式AI推动供应链向先进节点迁移、全球芯片设计公司采取“local for local”策略、以及头部代工厂产能被AI占用后为本土供应商留出替代空间。 本土设备商正在成为关键受益者。中国本土设备供应商在中国WFE市场的占比预计从2025年的26%升至2028年的38%，收入从102亿美元增至229亿美元。受益标的包括中微公司（688012.SH）、北方华创（002371.SZ）、安集科技（688019.SH）、鼎龙股份（300054.SZ）及长电科技（600584.SH）等。 三、AI芯片与DRAM市场需求分析 高盛预计中国AI芯片市场TAM到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗。 DRAM市场高速增长：高盛预计中国DRAM市场2026-2028年复合年增长率达50%，至2570亿美元；其中HBM市场同期复合年增长率高达188%，至320亿美元。 高带宽内存（HBM）通过3D垂直堆叠、硅通孔（TSV）互联、超宽接口（1024-bit甚至2048-bit）和SiP集成，有效解决了AI工作负载中的“内存墙”瓶颈。HBM正成为长鑫存储利润提升的关键驱动力。 四、长鑫存储（CXMT）首次覆盖与投资分析 评级与目标价：高盛首次覆盖长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，隐含122%上涨空间。 产能扩张路径：长鑫存储月产能将从2026年的27万片增至2028年的44.7万片，2030年进一步达到66.5万片，四年翻倍以上。2026-2030年平均年资本支出预计达840亿元人民币，高于2022-2025年的约500亿元。 市场份额目标：高盛预计到2028年，长鑫存储的供应可覆盖中国约50%的DRAM需求和40%的HBM需求。其传统DRAM供应份额将在2028年达到三星的41%、SK海力士的50%。 HBM驱动毛利率跃升：高盛预计长鑫存储HBM收入贡献将从2026年的2% 升至2030年的27%。公司毛利率将从2025年的41% 攀升至2030年的82%。129元目标价隐含了对产能扩张、良率提升、DRAM价格维持高位以及产品结构升级等一系列乐观假设。 五、主要风险因素 高盛报告指出以下风险：竞争超预期可能压缩市场份额和定价能力；与国际巨头存在的技术代差可能限制高端产品渗透；地缘政治限制可能影响先进设备和材料的获取。此外，高盛的乐观预测基于DRAM价格持续高位的假设，若供需格局逆转，毛利率扩张可能不及预期。 ⚠️【风险提示】 * “量的自给”不等于“质的自给”：70%的数量自给率掩盖了价值自给率仍低的结构性短板，高端光刻设备缺失仍是核心瓶颈。 * 产能释放的不确定性：产能扩张、良率爬坡和客户验证的进度存在不确定性。 * HBM技术差距：长鑫存储在HBM领域与国际巨头仍存在代际差距，HBM收入贡献达到27%的预测依赖于技术突破和市场验证。 * 地缘政治风险：美国出口管制可能进一步收紧，影响先进设备和材料的获取。 * 估值假设风险：129元目标价隐含2027年24倍市盈率和82%的毛利率假设，若DRAM价格周期下行或产品结构升级慢于预期，目标价存在下调风险。

🔥【核心洞察】 Nebius不是“算力二房东”，是“算力经营的多面手”。Nebius的核心不在于简单出租GPU，而在于将同一批算力同时经营成长单底仓、短期现货、融资抵押物和Token服务，并通过多租户平台动态配置。其2026年Q2营收5.82亿美元（同比+454%），调整后EBITDA率41%，核心AI云业务利润率已升至50%。新合同每兆瓦收益达2000万-2500万美元，短期紧急合同更达4000万-5000万美元。客户预付款覆盖50%-60%资本开支，回收周期缩短至1年10个月。 协创数据：增长曲线最像，但还不是纯粹的AI云运营商。协创数据2026年上半年营收126.41亿元（同比+155.69%），归母净利润18.63亿元（同比+331.11%），Q2单季净利11.12亿元，环比继续抬升约50%。公司通过融资租赁和自有投入快速扩张算力资产，已在多地部署并运营算力中心，在手订单充裕。但其智能算力业务目前混合了服务器/集群交付、运维和云服务，还不是纯粹的Neocloud模式——这恰恰是它能否获得Nebius式平台估值的关键分水岭。 谁更像“中国Nebius”？ 润泽科技最像物理资产底座——园区、电力、高功率机柜和长约能力强，但GPU和AI云软件暴露较弱。首都在线、优刻得更像云产品层，具备云产品、客户服务和模型训练推理能力，但资本、GPU采购和电力规模不足以复制Nebius的扩张速度。综合来看，协创数据是目前资产和利润放量节奏最接近Nebius的A股公司。 🔍【章节索引】 一、Nebius凭什么值705亿美元？——“算力经营”的四层生意 Nebius不是简单的“算力二房东”，而是一家“新云”（Neocloud）公司——专门面向AI和高性能计算的云服务提供商。它的商业模式可以拆解为四层： 第一层：长单底仓。Nebius与Meta签署五年期120亿美元协议，若未来算力未被其他客户购买，Meta还将额外购买最多150亿美元。Q2签下4份平均超10亿美元的合同，客户包括Reflection、Cohere等。 第二层：短期现货。3-6个月的紧急算力合同单价是长单的2倍——每兆瓦4000万-5000万美元。公司首次容量拍卖的Blackwell算力集群成交价比历史最高报价还高出15%。 第三层：融资抵押物。7月完成首笔7.75亿美元GPU资产支持融资（定价SOFR+2.5%），客户预付款已覆盖50%-60%的资本开支。公司预计2026年客户预付款超90亿美元，累计客户承诺超400亿美元。 第四层：Token服务。Token Factory将计费单位从“卡时”推进到“Token”，生产级推理负载Q2环比增长超3倍。Nebius判断：推理不是训练结束后的边缘工作负载，而是贯穿模型开发、后训练和生产部署全过程的巨大算力需求来源。 这四层生意叠在一起，让Nebius在同批算力上反复“榨取”价值——长单锁定现金流、短期现货吃溢价、资产抵押融资放大杠杆、Token服务延长旧卡经济寿命。 二、协创数据：利润暴增331%，但“业务纯度”还不够 协创数据2026年上半年的业绩堪称炸裂：营收126.41亿元（+155.69%），归母净利润18.63亿元（+331.11%），Q2单季11.12亿元，环比继续抬升约50%。 增长的核心驱动力是智能算力产品及服务——公司在北京、上海、乌兰察布、廊坊等多地部署并运营算力中心，在手订单充裕，前期布局的算力集群已陆续交付、验收并进入计费阶段。 协创数据的“全栈AI”版图正在快速扩张：4月斥资5.10亿元控股光为科技，布局光芯片、光模块，补齐了“智能终端+云算力+光器件”的全链路协同架构。公司还打造了FCloud智能体训推平台和OmniBot具身智能服务体系。 但问题在于：协创数据的智能算力业务目前混合了服务器/集群交付、运维和云服务，更像“算力集成商+运维商”。而Nebius是一家纯粹的AI云运营商——不卖硬件，只卖算力时长和平台服务。这个区别，直接决定了市场给什么估值。 三、谁更像“中国Nebius”？——三家候选者的对比 润泽科技：最像Nebius的物理资产底座——园区、电力、高功率机柜和长约能力很强。但短板同样明显：GPU和AI云软件栈的暴露较弱，更像“机房房东”而非“算力运营商”。 首都在线、优刻得：更像云产品层——具备云产品、客户服务和模型训练推理能力。首都在线是智谱AI核心供应商，已投运6000P算力，2026年目标1.5万P。优刻得是A股唯一纯正公有云IaaS，2026年3月涨价10%-30%。但资本、GPU采购和电力规模不足，难以复制Nebius的扩张速度。 协创数据：目前资产和利润放量节奏最接近Nebius的公司。截至8月13日，Nebius市值705亿美元（约4935亿元），协创市值约1253亿元。差距是4倍，但协创的数据增长斜率更陡——如果它能从“重资产集成交付商”进化为“可以动态经营算力、获取预付款、延长旧卡寿命、出售Token并输出第三方平台的AI云运营商”，估值逻辑将完全不同。 四、关键跟踪指标：协创数据需要回答的五个问题 协创数据要从“算力集成商”变成“中国Nebius”，市场需要看到以下指标的持续改善： * 自有投运GPU数量：目前公司在多地部署算力中心，但自有GPU的绝对规模和增速是关键。 * 纯运营收入占比：区别于服务器交付的一次性收入，持续性的算力租赁和云服务收入才是平台估值的基石。 * 客户预付款：Nebius的客户预付款已覆盖50%-60%的资本开支。协创能否拿到类似的预付款，是衡量其议价能力的关键。 * Token/API收入：从“卖卡时”到“卖Token”的转变，决定了旧卡能否持续产生价值。 * 增量ROIC-WACC差：资本回报率能否持续高于资金成本，是算力租赁这门生意的终极检验。 ⚠️【风险提示】 * 不可简单对标市值：海外算力租赁龙头没有合规审查和被禁风险，而国内公司面临海外GPU获取的政策不确定性。 * 业务纯度风险：协创数据目前的业务结构中，服务器再制造和数据存储仍占相当比重。若市场按“算力集成商”而非“AI云运营商”给估值，市值空间可能远小于对标Nebius的乐观情景。 * 资本开支压力：Nebius Q2单季资本开支达56.6亿美元，协创数据虽已获得1300亿元授信，但持续的高强度资本开支对现金流和融资能力是长期考验。 * 竞争格局变化：国内算力租赁赛道正在快速拥挤，利通电子等玩家也在加速布局。若供给端放量过快，可能压制算力租赁价格。

🔥【核心洞察】 这场AI热潮的核心矛盾在于：天文数字般的资本投入，能否在资金耗尽前产生足够回报？Ben Thompson在视频中直言，美国在AI领域的绝对主导地位本身可能带来地缘政治危险——例如中国可能摧毁台积电。同时，AI推理成本的高企、消费者对软件付费的低意愿，以及科技公司从自由现金流转向债务和股权融资的压力，正共同构成一场潜在的金融风暴。 2026年，五大科技巨头（Alphabet、微软、亚马逊、Meta、甲骨文）的资本开支预计达7692亿美元，较2025年增长超77%，已几乎等同于四家企业全年运营现金流总和。谷歌甚至启动了850亿美元的史上最大规模股权融资。这场豪赌的回报，远未明朗。 🔍【章节索引】 一、地缘政治：绝对优势的危险与供应链的脆弱 美国在AI领域的压倒性优势可能导致地缘政治危险。台积电大部分生产仍在台湾，尽管公司已陆续在美国等地设立晶圆厂，但产能转移需要数年时间。 美国对中国供应链的依赖程度被严重低估。多元化成本高昂，难以在和平时期实现。美国跨党派参议员已敦促收紧对台积电等代工厂的规定，防止为中国企业海外子公司制造先进AI芯片。这进一步加剧了台积电的地缘政治压力。 当前中国AI技术落后美国6-9个月的现状，被视为一种相对稳定但可能不可持续的平衡。 二、AI的商业模式：高昂的推理成本与微弱的付费意愿 推理成本是AI商业化的第一道硬门槛。每次AI调用都消耗真实算力，开源模型并非真正“免费”——成本只是转移到了部署方。即便技术不再进步，现有的经济机遇已非常巨大，但前提是成本结构能够支撑规模化运营。 消费者不愿为软件付费是第二道障碍。微软推出的Microsoft 365 E7企业套餐定价每月99美元/用户，虽比单独购买各组件便宜约15美元，但分析师认为折扣力度不够。微软目前仅有1500万付费Copilot账户，相比4.5亿Office 365用户基数，转化率极低。 三、资本支出泡沫：当烧钱速度超过赚钱速度 五大云厂商2026年资本开支7692亿美元。伯恩斯坦预计全年四大超大规模云服务商（微软、亚马逊、谷歌、甲骨文）合计资本支出将达6230亿美元，若加上Meta则接近7600亿美元。这一规模已几乎等同于四家企业全年运营现金流总和。 科技公司正从自由现金流转向债务市场，最终不得不通过股权发行满足资金需求。谷歌启动850亿美元史上最大规模股权融资——2026年资本支出预计1800亿至1900亿美元，2027年将“显著”增加。摩根士丹利预计，AI投资规模有望在未来五年持续走高。 这让人想起19世纪的铁路泡沫——改变世界的技术，在建设阶段摧毁了无数投资者的财富。 四、科技巨头的差异化战略 * 亚马逊：通过AWS及自研芯片（Graviton、Trainium）构建了最深的护城河。自研芯片业务年化收入已超200亿美元，Trainium3近乎预订一空。其核心策略是“先内部使用，再对外提供”，确保每一代芯片都有真实需求验证。 * 苹果：凭借对用户访问的控制权和硬件制造能力，通过设备端AI规避高昂的推理成本。将AI模型本地化运行，不仅降低云端算力成本，更强化了隐私保护这一核心卖点。 * 微软：致力于成为企业级AI解决方案的平台和中间件提供商。E7套餐的推出是这一战略的体现，但99美元的定价和有限的Copilot用户基数暴露了变现的困难。 * Meta：利用庞大的广告业务和社交网络流量，通过AI优化广告匹配和内容生成。但广告模式在AI时代面临结构性挑战——当智能本身变得廉价，广告的中间人价值可能被压缩。 * 谷歌：搜索业务利润丰厚，但AI投入巨大（850亿美元股权融资）。未来可能效仿伯克希尔哈撒韦，投资于低利润但绝对规模庞大的新领域。 五、半导体供应链：Nvidia的垄断与台积电的保守 Nvidia占据全球AI加速器市场超过75%的份额，在AI数据中心GPU市场仍占约80%至90%。这种“不自然”的垄断通过提供金融支持来维持高利润率，但面临来自超大规模云服务商自研芯片的长期威胁——在中国市场，国产AI加速芯片出货量份额2026年有望超过50%。 台积电保守的产能扩张策略将过剩风险转嫁给科技巨头，导致市场算力短缺。这种短缺促使科技公司寻求英特尔和三星作为芯片制造的多元化选择，从而“拯救”了英特尔的代工业务。 内存市场经历剧烈荣枯周期，三星通过逆周期投资崛起，现在趋于寡头垄断。 六、AI作为商品化趋势 计算能力和智能本身最终可能走向商品化，如同互联网带宽的商品化彻底改变了世界。AI在可验证领域（如编码、数学）表现出色，但在不可验证领域（如创造力、情感）的潜力仍待观察。 即使AI技术不再进步，其在现有能力下的经济机遇已非常巨大。人类擅长创造新需求和新工作，将在AI带来的变革中适应和发展——但这条适应之路，可能比预想的更加颠簸。 ⚠️【风险提示】 资金链断裂风险：7692亿美元的年度资本开支若无法在合理期限内产生足够回报，科技巨头可能面临严重的财务压力。 地缘政治风险：台积电的集中风险、中美科技脱钩、以及对华供应链依赖，均可能对全球AI产业造成系统性冲击。 估值泡沫风险：当前AI相关股票的估值已计入大量乐观预期，若商业化进度不及预期，可能面临大幅回调。 消费者付费意愿风险：AI订阅模式能否被广泛接受仍存疑，微软E7的缓慢渗透率是一个警示信号。 技术商品化风险：当AI能力成为“公共资源”，早期投资者的超额利润可能被快速侵蚀。

🔥【核心洞察】 太空正从政府主导的探索前沿加速演变为“工业经济的新支柱”。高盛全球研究所近日发布题为《第二太空时代》（The Second Space Age）的重磅报告，明确指出发射成本骤降、私人资本涌入以及公开市场融资渠道全面打开，正在将太空重塑为一个全新的机构资产类别。 发射成本一代人内下降95%：将一公斤有效载荷送入轨道的成本已从航天飞机时代的约5.5万美元骤降至目前的约3000美元，降幅高达95%。SpaceX的猎鹰9号将成本降至约2700美元/公斤，猎鹰重型进一步降至约1400美元/公斤。若星舰最终实现完全重复使用，每公斤发射成本有望进一步降至50至100美元。这一成本革命彻底改变了太空经济的底层逻辑——从过去只有国家力量才能参与的高门槛游戏，变为商业资本可以大规模进入的可投资领域。 2035年全球太空经济规模预计达1.8万亿美元：2025年全球太空生态系统投资超过550亿美元，2026年第一季度单季投资已达创纪录的360亿美元。世界经济论坛等机构预测，全球太空经济将从2025年的约6260亿美元增长至2035年的1.8万亿美元。 公开市场IPO融资井喷：自2025年初以来，航空航天公司已通过IPO累计融资890亿美元。标志性案例包括SpaceX以约1.77万亿美元估值创下全球IPO历史之最（募资750亿美元）、Firefly Aerospace在登月任务后募资约9.99亿美元、York Space Systems募资约6.29亿美元、HawkEye 360募资约4.78亿美元。太空正成为公开股票市场中一个独特的独立行业板块。 🔍【章节索引】 一、成本革命：从“国家游戏”到“商业战场” 发射成本是太空经济最重要的单一数字——“它决定了从宽带星座到空间站的一切价格”。在可重复使用技术出现前的数十年间，每公斤入轨成本基本维持在1万至5.5万美元之间，太空是政府和超大型运营商的专属领域。 猎鹰9号的出现打破了这一屏障——复用火箭将成本降至约3000美元/公斤。猎鹰重型进一步降至约1400美元/公斤。若星舰全面可重复使用，目标是将成本推向50至100美元/公斤。正如一位观察者所言：“铁路的成功不是因为火车变大了，而是因为每英里成本崩溃了。星舰不是交通故事——它是基础设施故事，把太空从成本中心变成了财富发生器”。 二、轨道经济：从基础设施到万亿级产业 太空经济已从单一的国家主导项目演变为涵盖卫星通信、定位导航授时（PNT）、空间态势感知、地球观测、发射服务和地面基础设施的多元生态系统。低地球轨道（LEO）基础设施正成为重要的商业前沿——Starlink自2026年3月达1020万用户后，约53天内增至1200万用户。 高盛预测到2035年全球太空经济规模达1.8万亿美元。在轨服务、组装与制造（ISAM）、轨道计算和资源开采等新产业正在兴起。ISAM被视作解锁超大规模太空结构（如吉瓦级光伏阵列）的核心能力。 三、地缘政治竞争与治理真空 太空基础设施在现代战争中具有关键军事优势（通信、情报、PNT），引发各国政府巨额投资。美国国防部2027财年太空相关预算预计达710亿美元。 治理层面呈现两极分化：美国主导的《阿尔忒弥斯协定》已有超过64个国家签署，但中国和俄罗斯均未参与。两国正推动平行的《国际月球科研站》（ILRS）计划。现有的冷战时期太空法律框架难以有效应对轨道拥堵、碎片清除、月球资源开采和在轨制造等新兴挑战。 四、中国商业航天：从“航天大国”到“航天强国” 中国“十五五”规划纲要首次将“加快建设航天强国”写入国家未来五年重点任务，商业航天首次被定位为新兴支柱产业。国家航天局与市场监管总局联合发布了《商业航天标准体系（1.0版）》。 地方层面加速布局——上海计划到2030年具备150发商业火箭发射能力和年产500颗商业卫星制造能力；北京出台促进商业卫星遥感数据开发利用的专项政策。低轨卫星互联网建设已被纳入国家规划蓝图。 五、投资机会与战略应对 高盛强调，太空产业化的下一阶段需要在发射能力扩张、卫星制造工厂、月球基础设施、天基数据平台等领域投入巨额前期资本。融资能力本身已演化为核心竞争壁垒——具备高超技术执行力与公开市场信誉的企业，将更有能力扩大经营规模、整合行业资源并突破轨道经济的发展瓶颈。 控制发射能力、制造能力、轨道基础设施和太空衍生数据的公司与国家，将主导新兴太空领域的价值创造。随着太空衍生数据、连接和授时服务成本持续降低，它们将成为像互联网一样的基本基础设施。太空基础设施与地球基础设施的界限将日益模糊——认识和适应这一趋势的组织和国家，将塑造未来的全球经济格局。 ⚠️【风险提示】 技术执行风险：星舰等下一代可重复使用系统的全面商业化仍面临工程和测试挑战，其成本目标的实现时间表存在不确定性。 轨道拥堵与碎片风险：低地球轨道日益拥挤，轨道碎片碰撞风险上升，可能威胁卫星资产安全并增加运营成本。 地缘政治风险：中美在太空治理框架上的分歧可能加剧，影响国际太空合作和商业太空活动的稳定性。 资本密集风险：太空行业属于资本密集型行业，前期投入巨大，回报周期较长。若融资环境收紧，可能影响行业扩张节奏。 监管风险：现有国际太空法律框架难以有效应对新兴挑战，监管不确定性可能制约商业太空活动的拓展。

🔥【核心洞察】 这是A股市场独有的一种日内交易规律。研究发现，在沪深300指数及其ETF中，下午倒数第二个半小时（14:00-14:30）和倒数第一个半小时（14:30-15:00）的收益，能够显著预测下一个半小时的收益。这种“尾盘动量”效应在全球文献中尚属首次发现。 核心数据：负向的第七个半小时（14:00-14:30下跌）对最后半小时（14:30-15:00）的预测R²值高达4.8%；正向的第六个半小时（13:30-14:00上涨）对第七个半小时的预测R²值为2.4%。 策略回报：利用ETF的T+0交易规则，单一信号策略可实现9.673% 的年化超额收益。混合策略（结合第六和第七个半小时信号）年化回报高达21.656%，夏普比率1.685，扣除0.06%交易成本后仍显著优于买入持有策略。 独特机制：这一现象主要源于散户主导的市场结构和T+1交易规则——散户无法当日止损，最优策略是收盘买入、次日开盘卖出，导致尾盘交易量和价格惯性增强。噪音交易、信息滞后交易、处置效应（过早卖出盈利股、过久持有亏损股）共同构成了这一效应的微观基础。 🔍【章节索引】 一、什么是“尾盘动量”？ “尾盘动量”指的是A股市场在交易日的最后半小时内存在显著的价格延续效应——某一半小时的收益方向，能够预测下一个半小时的收益方向。 具体来说：第七个半小时（14:00-14:30）的负向收益，能够预测第八个半小时（14:30-15:00）的收益方向，R²值达4.8%；而第六个半小时（13:30-14:00）的正向收益，能够预测第七个半小时的收益方向，R²值为2.4%。 这一模式与美股市场存在根本差异。在美国，做市商和机构投资者能够在日内随时买卖，日内动量通常由开盘半小时驱动；而在中国，T+1规则使得当日买入的股票最早次日才能卖出，投资者倾向于在收盘时买入、次日开盘时卖出，形成了独特的尾盘交易模式。 二、策略如何运作？ 由于A股股票实行T+1交易，但ETF（交易型开放式指数基金）遵循T+0规则——当日买入可当日卖出。这一规则差异为策略提供了操作空间。 策略的核心逻辑：以第六个或第七个半小时的收益为信号进行市场择时操作。具体而言： * 若第七个半小时收益为负，则买入ETF，持有至收盘 * 若第六个半小时收益为正，则买入ETF，持有至第七个半小时卖出 收益表现上，单一信号策略可实现9.673% 的年化超额收益。更重要的是，混合策略（将第六和第七个半小时信号结合使用）的年化回报高达21.656%，夏普比率达1.685。 扣除约0.06% 的交易成本后，策略仍显著优于买入持有策略，为平均风险厌恶型投资者带来每年5.662%至7.246% 的确定性等价回报。 三、为什么A股会有“尾盘动量”？ 研究者将这一现象归因于中国市场的三大独特特征： 散户主导的市场结构：根据上交所2018年统计年鉴，散户交易占A股总成交额的82%。散户投资者普遍存在噪音交易（基于非理性信息交易）、信息滞后交易（消化市场信息需要更长时间）以及处置效应（倾向于过早卖出盈利股、过久持有亏损股）。 T+1交易规则：A股不允许当日买卖同一股票，导致投资者为规避隔夜风险，倾向于在尾盘决策。信息交易者倾向于在收盘前集中交易，推高了尾盘的交易量和价格惯性。 信息消化模式：散户投资者吸收市场信息需要较长时间，信息交易倾向于在收盘时进行，进一步强化了尾盘的动量效应。 四、策略的有效性条件 尾盘动量策略并非在所有市场环境下都同样有效。研究识别了策略表现更强的几种条件： 市场波动大、交易量高的日子，策略表现更强。订单失衡严重的日子（买方或卖方力量悬殊），预测能力更强。没有重大经济新闻发布的日子，策略表现更突出。 熊市中预测能力高于牛市——这与中国市场散户的处置效应一致：牛市中散户倾向于过快兑现收益，削弱了动量持续性。小买卖价差、高交易深度以及正订单失衡或高订单失衡的交易日，预测能力更强。 五、跨市场验证与稳健性 尾盘动量效应并非沪深300独有。研究者在中证500（CSI 500）、上证综指和深证成指中也发现了类似的尾盘动量效应。 然而，这一效应仅存在于尾盘时段。其他日内时段（如早盘、午盘）均未发现类似的动量模式。这一独特性进一步印证了T+1交易规则和散户行为是尾盘动量的核心驱动因素。 ⚠️【风险提示】 本策略基于2012-2017年的历史数据，A股市场的微观结构和投资者行为已经发生变化（如量化交易占比上升、机构投资者比例增加），策略的有效性可能随时间衰减。策略收益集中于高波动、高交易量的交易日，在低波动市场环境中可能表现平淡甚至失效。策略依赖ETF的T+0规则，若监管政策发生变化可能影响策略的可操作性。历史回测表现不代表未来收益。

🔥【核心洞察】 本期播客深入探讨了在信息爆炸和不确定时期，“叙事”如何成为驱动资本市场、注意力分配及权力结构变迁的核心力量，并剖析了金融行业转型、AI对就业的长期影响，以及硅谷背后的哲学思想。 核心观点包括：一个在正确时机提出的核心思想（“Billion Dollar PDF”）能吸引数十亿美元资本；“发帖是最后一个伟大的精英制”，以X平台为代表的“Timeline Native”媒体正在重塑权力格局，发帖人阶层正成为新的权力中心；金融业正从债务驱动的杠杆收购转向股权驱动的种子投资；AI对就业的影响是短期内可能导致失业，但长期看人类将创造新工作；以及每个人都肩负着“管理自己天赋的道德责任”。 🔍【章节索引】 一、“Billion Dollar PDF”：叙事如何变成百亿美元？ “Billion Dollar PDF”指一个在正确时机以正确方式提出的、能成为时代基石并吸引数十亿美元资本的核心思想。在长期私募市场中，基金的“讲故事能力”是关键的“大过滤器”，因为现金回报需十年才能实现。创始人、资本和媒体在不确定时期共同构建叙事以吸引关注和资金，成为驱动资本流动的核心力量。 二、“Timeline Native”与发帖时代的权力转移 以X平台为代表的“统一信息流”成为现代现象的技术催化剂，深刻影响着舆论定价和政策走向。“发帖是最后一个伟大的精英制”——算法优先展示优质内容给亿万用户，而非仅依赖关注者数量。内容必须具备娱乐性才能吸引注意力。 新的权力结构正在形成：“巅峰之人”概念认为亿万富翁阶层地位下降，新的权力中心转向“发帖人”阶层。新兴的SPV和大型私营公司创造了“封建系统”，通过“分配”形成新的世袭财富。 三、金融业转型：从债务到股权的思维跃迁 金融业正从债务驱动的杠杆收购转向股权驱动的种子投资，体现更乐观的投资理念——相信长期增长而非短期套利。传统SaaS模式面临挑战，未来将是低毛利、薄净利、大规模的“计算销售”时代，而非零边际成本的“字符串销售”。 四、AI对就业的长期影响：“虚构工作”的未来 关于AI对就业的影响，视频提出了一个颇具冲击力的观点：许多白领工作本质上是“虚构的”——它们的存在并非因为创造实际价值，而是因为特定社会结构和商业模式需要它们存在。AI短期内可能导致失业，但长期看人类将创造新工作。关键在于个人如何适应这一转变。 五、个人使命与投资哲学 “每个人都有管理自己天赋的道德责任”，应将工作与天赋结合以实现个人价值。投资理念应趋向简单清晰，市场往往缺乏细微差别。专业投资者因受限于业务结构和客户期望，比普通人更难“击败市场”。 硅谷科技发展背后的文化和哲学传统（如新佛教功利主义、有效利他主义）被低估，塑造了其产品和世界观。 ⚠️【风险提示】 本播客内容涉及对宏观趋势和未来方向的推测性讨论，“Billion Dollar PDF”等概念属于对叙事经济学的理论探讨，并非具体的投资建议。AI对就业的“虚构工作”论断具有争议性，不同学者和机构持不同观点。视频中涉及的权力转移、金融转型等判断代表了特定视角，投资者应结合自身认知进行独立判断。

🔥【核心洞察】 这是一项行为金融学的经典研究，首次大规模实证检验了“处置效应”——投资者系统性地倾向于过早卖出盈利股、过久持有亏损股。研究分析了1987年至1993年间10,000个折扣券商账户的详实交易数据。 研究核心发现，投资者展现出强烈偏好实现盈利而非亏损——实现盈利的比例显著高于实现亏损的比例。这种偏差并非出于理性的投资组合再平衡、交易成本考量或信息优势，纯粹是一种行为偏差。被卖出的盈利股票在后续几个月表现优于被保留的亏损股票，说明投资者的决策并未得到市场验证。 在税务后果上，处置效应与最优的税收损失卖出策略背道而驰，导致应税投资的税后收益显著降低。唯一例外发生在12月，此时投资者因税收动机而卖出亏损股票。通过卖盈持亏而非卖亏持盈，投资者一年后收益下降约4.4%，相当于每10万美元投资少赚4,400美元。 🔍【章节索引】 一、处置效应：经典的“卖盈持亏”偏差 处置效应的概念最早由行为经济学家Hersh Shefrin和Meir Statman在1985年提出，指的是投资者倾向于过早卖出盈利资产、过久持有亏损资产。其本质并非追求收益最大化，而是试图回避亏损带来的心理痛苦。 这项研究以1987年至1993年间1万个折扣券商账户的详实交易数据为样本，通过量化实现盈利比例（PGR）和实现亏损比例（PLR）来检验处置效应。PGR指已实现收益占全部账面收益的比例，PLR指已实现亏损占全部账面亏损的比例。实证结果明确显示，PGR显著高于PLR，说明投资者更倾向于落袋为安，而非认赔出局。 二、行为根源：前景理论的心理账户与后悔规避 研究将该行为根源指向丹尼尔·卡尼曼和阿莫斯·特沃斯基的前景理论——价值函数在盈利区呈风险厌恶形态，在亏损区呈风险寻求形态。当股价高于买入成本时，投资者因担心利润回吐而急于卖出；当股价低于成本时，投资者倾向于继续持有以避免“承认错误”。 另一个心理机制是后悔规避。当投资者卖出盈利股票后股价继续上涨，会产生“早知如此”的懊悔情绪；而持有亏损股票暂不卖出，则能将“我确实亏损了”的痛苦转化为“这只是账面浮亏”的暂时状态。两种因素叠加，共同塑造了处置效应的持续性。 三、经济后果：一年少赚4.4%的隐形损耗 该行为最直接的代价是税务损耗——过早实现短期资本利得、过久持有亏损头寸，导致应税投资者承担更高的税务成本。研究通过比较同一账户中卖盈持亏与卖亏持盈的税务后果，估算处置效应使投资者每年损失约4.4%的回报率。 更关键的是，投资者通过保留亏损股而放弃的潜在收益，远大于他们通过卖出盈利股所实现的收益。被卖出的盈利股在卖出后的表现依然优于那些被继续持有的亏损股。 四、唯一的例外：12月的税收损失卖出 研究发现了处置效应的唯一例外——每年12月，投资者实现亏损的比例会显著提高，与全年其他月份的行为模式形成鲜明对比。这一现象反映了投资者在年末会主动识别并兑现亏损头寸用于抵扣应税收入，说明投资者并非不知道“卖亏”是有价值的，而是在非税务压力下选择了回避心理痛苦。 五、研究贡献与数据方法 此前关于处置效应的研究主要依赖于小样本调查或共同基金、机构投资者的数据，难以确认散户投资者的真实行为模式。本研究利用折扣券商提供的账户级交易数据，首次实现了大规模样本中处置效应的系统检验，包含完整的买入、卖出及持仓记录。研究还排除了投资组合再平衡、交易成本和流动性需求等替代解释。 ⚠️【风险提示】 该研究数据主要来源于1987年至1993年间美国折扣券商账户，市场微观结构和信息环境已发生显著变化。当前算法交易和智能投顾的普及可能降低了部分散户的行为偏差。投资者在参考该研究结论时，应结合自身税务状况和投资目标，避免机械套用历史规律。

🔥【核心洞察】 AI服务器需求正推动PCB产业进入前所未有的“超级周期”。高盛最新报告将2026年全球AI PCB市场规模预测上调35%至135.6亿美元，预计2027年将达到375亿美元，2028年进一步飙升至840亿美元。2026年至2028年，AI服务器PCB市场复合年增长率将达148%。 本轮增长与传统服务器周期截然不同，不仅来自出货量增加，还受到PCB层数提高、高阶HDI渗透、CCL材料升级以及整机柜内部PCB使用量增加等多重因素推动。PCB综合平均售价预计从2025年的每平方米5,833美元升至2026年的10,258美元、2027年的14,405美元和2028年的18,549美元，量价齐升逻辑清晰。 🔍【章节索引】 一、市场规模：从135亿到840亿美元的增长路径 高盛将2026年全球AI PCB市场规模预测上调35%至135.6亿美元，其中GPU服务器PCB预测仅上调5%至47.28亿美元，ASIC服务器PCB则上调60%至88.32亿美元。到2027年，全球AI PCB市场预计达到375.29亿美元，GPU和ASIC服务器PCB规模分别为188.03亿美元和187.26亿美元。2028年进一步增至840亿美元。 ASIC服务器成为上调预期的主要推动力。AI算力基础设施正由相对集中于GPU平台，逐渐向GPU、云厂商自研芯片和其他ASIC平台并行扩张。客户结构更加多元，能够同时进入GPU和ASIC供应链的厂商将获得更大增长空间。 二、产品价值跃升：技术升级驱动单机价值量倍增 英伟达新一代Vera Rubin（VR200）机架从ODM处采购价约780万美元，PCB价值量从GB300的约3.5万美元跃升至约11.7万美元，增幅达233%。Google TPU v8全面从M8升级为M9级高速低损耗覆铜板，搭配44至50层高多层PCB（V7为38层），并引入HDI工艺。 mSAP（改良型半加成法）工艺成为实现更精细线宽线距的关键技术。mSAP可稳定实现15至20μm超细线路，显著降低信号损耗，已成为高端光模块的刚需制程。臻鼎-KY预计2026年第四季度到2027年第一季度，mSAP产能有望挑战全球第一大，2030年mSAP占公司营收比重可达25%。 三、上游材料短缺：电子布半年涨100%，HVLP4缺口持续扩大 电子级玻璃纤维布（电子布）是覆铜板和PCB的核心增强材料，单台AI服务器所需电子布用量是传统服务器的3到5倍。2026年上半年，主流7628电子布市场均价达7.4元/米，较2025年第三季度低位累计涨幅约100%。7月初进一步涨至8.5至8.7元/米。 供给端受三重刚性约束：日本丰田工业占据全球高端电子布织布机80%以上市场份额，新订单交付周期已拉长至2028年。据广发证券测算，2026年普通电子布供需缺口高达1.13亿米。 HVLP4铜箔正成为2026年下半年最关键的供应约束。市场预计今年缺口将达1500吨，2027年进一步扩大至2500吨。适配HVLP4铜箔生产的高精度表面处理设备，全球年产能仅10至12台，交付周期长达18至24个月。 四、主要企业战略布局 臻鼎科技集团在NVIDIA AI平台中市场份额持续增长，mSAP和VPD技术领先。公司已领先全球量产1.6T光模块PCB。2026年服务器和光模块业务营收预计成倍增长，IC载板营收目标增长70%以上。鹏鼎控股（臻鼎子公司）募资约127.3亿元人民币，在淮安建置AI服务器及高速光模块高阶HDI生产基地。 联茂电子（EMC）在AI CCL市场地位持续巩固。据供应链调研，英伟达GB300/Rubin平台的CCL份额中，联茂约占15%。机构预计联茂将从新的AI平台增长中受益最大。高盛将联茂2026/2027财年盈利预测上调11.1%/17.1%。 建滔积层板通过垂直整合策略确保CCL生产稳定。2026年7月，建滔积层板掀起年内第六轮提价，涨幅10%至15%，主要源于上游玻璃布、铜箔等原材料涨价。 ⚠️【风险提示】 材料短缺可能制约出货节奏。电子布和HVLP4铜箔的供应瓶颈短期内难以缓解，可能影响AI服务器量产进度。英伟达已直接介入上游材料供应协调。 产能扩张存在时间差。高盛判断，未来两年行业产能利用率仍将维持高位。高層數PCB和高階HDI生产流程复杂，良率低于普通产品，新增名义产能无法按相同比例转化为高端产品有效产能。 下游需求存在不确定性。若AI资本开支增速放缓，或云厂商调整采购节奏，PCB需求可能面临阶段性回调。 竞争格局变化风险。随着更多厂商涌入高端PCB和CCL领域，长期可能面临供给过剩和价格压力。

🔥【核心洞察】 传统关联动量为何失效？关联股票的上涨不一定能预测目标股票，未经信息筛选的股价涨跌受行业行情、主题拥挤或短期波动干扰，对目标股票的预测能力有限。核心问题在于：需要识别关联网络中真正具有外溢能力、来自可持续基本面变化的信息。 三大“基本面惊喜信号”包括研报标题正向惊喜、分析师评级上调、盈利预测上修。三类信号综合识别上市公司正向基本面变化，显著提高了信息覆盖率。“隐含关联公司超预期”是关键识别场景——当目标股票自身无惊喜但关联公司有惊喜时，信息从先行公司向滞后公司传导，这正是关联图谱因子最独特的捕捉能力。 在实证表现上，该因子RankIC达2.36%，与量价因子相关性低于5%，是独立的信息源。在2017年至2026年回测期内，将关联图谱因子加入七因子基础策略后，Top10组合年化净收益从12.90%提升至22.80%，增量达9.90个百分点，Sharpe比率从0.61提高到0.92。收益增量主要集中在组合排序前端，说明该因子更适合识别高置信度的头部股票。 🔍【章节索引】 一、传统关联动量：为什么“跟风”常常失效？ 股票对共同基本面冲击的反应时间不同步，关联股票可能成为目标股票的前置信息源。但未经信息筛选的关联股票上涨信息并非都具有溢出效应。单纯的股价上涨信息受行业行情、主题拥挤或短期波动影响，对目标股票的预测能力有限。传统关联动量因子的RankIC表现不佳，症结正在于此。 二、关联图谱因子：如何“过滤噪音”？ 核心思路是识别关联网络中真正具有外溢能力、来自可持续基本面变化的信息。在关联网络构建上，基于“分析师共同覆盖网络”（基于共同分析师覆盖数量及强度）和“研报标题主题网络”（基于研报标题语义相似度，补充跨行业关联）。在基本面惊喜识别上，综合研报标题正向惊喜、分析师评级上调、盈利预测上修三类信息。关键识别场景是目标股票自身无惊喜但关联公司有惊喜——“隐含关联公司超预期”，捕捉信息从先行公司向滞后公司的传导。因子由“信息暴露”“价格确认”“异常收益确认”等底层信号构成，并用原始关联收益作为负向控制项去除噪声。 三、实证表现：增量9.9个百分点，Sharpe从0.61到0.92 在2017年至2026年回测期内，将关联图谱因子加入七因子基础策略后，Top10组合年化净收益从12.90%提升至22.80%，增量9.90个百分点，Sharpe比率从0.61提高到0.92。收益增量主要集中在组合排序前端，随着持仓数量扩大增量逐步收窄，说明该因子更适合识别高置信度的头部股票。在多数年度区间内，增强策略均贡献了正向收益增量，尤其在近期表现突出。 四、为何有效？三个关键特征 独立性方面，与常见量价、价值、质量等因子相关性较低，尤其与量价类信号相关性低于5%，是独立的信息源。覆盖面方面，综合三类基本面惊喜信号，显著提高了信息覆盖率，避免单一信号遗漏。稳健性方面，敏感性测试表明该因子的有效性不依赖于特定的股票池筛选阈值或主题网络参数设定。 五、适用边界与局限 该因子本质是捕捉信息从先行公司向滞后公司的传导，在信息传递效率较低的市场环境中效果更明显。收益增量主要集中在头部组合，说明它更适合作为高置信度选股信号，而非普适性筛选工具。 ⚠️【风险提示】 历史回测不代表未来，市场环境变化可能导致因子有效性下降。研报数据、评级和盈利预测可能存在误差。实际交易受流动性、冲击成本等因素影响，收益可能低于回测。因子表现可能具有阶段性，收益可能集中于少数股票或行业。

🔥【核心洞察】 * Azure和Google Cloud风险调整后定价最具吸引力：汇丰银行对主要云服务提供商进行基准分析后发现，Microsoft Azure和Google Cloud在风险调整后估值最为吸引，而CoreWeave则被视为最昂贵。 * ROIC差距悬殊：AWS领跑，OCI和CoreWeave仅个位数：2027年预期ROIC方面，AWS以18.9% 领跑，Google Cloud为16.0%，Azure为14.6%；而Oracle云基础设施和CoreWeave仅为个位数。 * 2028年预期EV/EBIT：Google Cloud最低（10.1倍），CoreWeave最高（27.0倍）：Google Cloud以10.1倍位居最低，Oracle为14.0倍，Azure为14.1倍，AWS为18.2倍，CoreWeave高达27.0倍。 * 客户集中度风险：OpenAI和Anthropic占多家云平台约50%的RPO：汇丰指出，OpenAI和Anthropic两家客户合计占OCI、Azure、Google Cloud和AWS约50% 的剩余履约义务（RPO），构成高度客户集中风险。 * AWS短期合同敞口更大，再租赁风险更高：AWS的RPO覆盖未来12个月收入的2.5倍，而Azure和Google Cloud为3.4倍；CoreWeave和OCI的RPO覆盖期分别长达6.4年和18.8年。短期合同虽价格较高，但再租赁风险也更高。 🔍【章节索引】 一、投资资本回报率：AWS领先，OCI和CoreWeave落后 汇丰预计2027年ROIC方面，AWS以18.9% 位居首位，Google Cloud为16.0%，Azure为14.6%，而Oracle云基础设施和CoreWeave仅为个位数。Azure、AWS和Google Cloud因提供通用型云服务而非商品化GPU专用云，获得了更高的回报。 二、估值对比：Google Cloud最便宜，CoreWeave最贵 在2028年预期EV/EBIT上，Google Cloud以10.1倍为最低，Oracle为14.0倍，Azure为14.1倍，AWS为18.2倍，CoreWeave高达27.0倍。在EV/RPO指标上，OCI最低为0.45倍，CoreWeave为0.92倍；Azure为2.87倍，Google Cloud为2.17倍，反映市场对其利润率和执行力的信心。 汇丰认为，在风险调整的基础上，Microsoft Azure和Google Cloud的定价最具吸引力。 三、剩余履约义务：合同期限分化明显 AWS的RPO覆盖未来12个月收入的2.5倍，而Azure和Google Cloud为3.4倍；CoreWeave和OCI的RPO覆盖期分别长达6.4年和18.8年。短期合同价格较高但再租赁风险也更高。 四、主要风险：客户集中与融资压力 * 客户集中风险：OpenAI和Anthropic两家客户占OCI、Azure、Google Cloud和AWS约50% 的RPO。 * CoreWeave和OCI面临更高的融资风险。 * Oracle估值虽具吸引力，但净债务/非GAAP EBIT（2027年预期：3.6倍）较高，存在中等程度的财务风险。

🔥【核心洞察】 * AI股7月直线暴跌40%-60%：2026年7月，AI相关股票经历了一场惨烈抛售，许多AI股直线下杀40%至60%。费城半导体指数从6月纪录高点累计跌幅达20%，正式步入熊市。 * 但每一项基本面指标都在加速：知名科技投资人Gavin Baker指出，他追踪的每一组量化指标都在加速——GPU租赁价格上涨50%-60%、超大规模云服务商运营现金流成长从28%攀升至32%。市场情绪与AI算力需求的实际数据之间存在显著脱节。 * 英伟达估值跌至十年最低：英伟达在不到两个月内市值蒸发约1万亿美元，远期市盈率降至18倍，为2019年初以来最低，甚至低于标普500指数的逾20倍。 * AI算力租赁价格持续飙升：B200现货及合约综合租赁价格升至约5.0-5.2美元/GPU·小时，累计涨幅约25%-30%。Blackwell系列芯片单小时租赁价格较2月上涨48%。国内AI算力需求同比大增417%，而供给增速仅128%，供不应求格局明确。 * 英伟达推出“算力贷”新模式：7月1日，英伟达宣布推出融合收入分成与信贷支持的全新商业模式，允许AI云服务商在无需全额承担前期资本支出的情况下大规模部署英伟达基础设施。英伟达从芯片卖家向AI算力生态的“中央银行”演变。 🔍【章节索引】 一、市场恐慌与基本面脱节 7月的AI抛售使许多AI股直线下杀40%至60%。费城半导体指数两个交易日累计跌超11%。存储芯片个股自6月末高点开启急速、深度的杀跌行情。 但Baker追踪的每一项指标都在加速：GPU租赁价格上涨50%-60%、超大规模云服务商运营现金流成长从28%攀升至32%、英伟达处于十年最低的前瞻市盈率。贝莱德明确表示，近期科技和半导体股票的急剧抛售属于 “反应过度” ，市场正在将“AI竞争格局的转变”与“AI投资崩溃”混为一谈。 二、英伟达：估值十年最低，基本面十年最强 英伟达在不到两个月内市值蒸发约1万亿美元，远期市盈率降至18倍，为2019年初以来最低，甚至低于标普500指数的逾20倍。 高盛策略师指出，近期半导体走弱主要归因于杠杆资金从该板块外流。Ortus Advisors策略师表示，台积电财报未被市场认为足以支撑板块进一步上涨，反而引发了对AI领域过度支出的担忧。 但Baker认为市场对英伟达的抛售已显过度，其远期市盈率已降至今年最低水平附近。虽然部分企业正开发自研AI芯片，但仍高度依赖英伟达技术，尚未看到任何迹象表明英伟达将失去行业领先地位。 三、算力租赁：量价齐升，供需缺口持续扩大 * B200现货及合约综合租赁价格升至约5.0-5.2美元/GPU·小时，累计涨幅约25%-30% * Blackwell系列芯片单小时租赁价格较2月上涨48% * H100一年期合约租金持续修复 * H100八卡机月租报价约7.5万元，较半年前涨幅逾八成 * 国内AI算力需求同比大增417%，供给增速仅128%，供不应求格局明确 * 2026年全球AI基础设施支出有望超过1.36万亿美元 四、英伟达商业模式创新：“算力贷”开启新纪元 7月1日，英伟达宣布推出融合收入分成与信贷支持的全新商业模式。该模式允许AI云服务商在无需全额承担前期资本支出的情况下，大规模部署英伟达基础设施并对外提供算力服务。作为交换，英伟达除了获得芯片销售收入外，还将从云服务商的营收中抽取一定比例的分成。 英伟达正将其强大的资产负债表转化为市场杠杆，通过为新兴云服务商提供财务背书换取营收分成，悄然从芯片卖家向AI算力生态的 “中央银行” 演变。 五、开源模型加速AI普及 2026年6月22日，智谱正式发布并开源GLM 5.2，以MIT许可发布，支持自由下载、部署与商用。753B总参数的MoE模型，拥有1M token上下文窗口。截至2026年7月，开源大模型格局已发生历史性变化——Artificial Analysis开源智能指数前6名全部为中国模型，GLM-5.2以51分断层领先。 开源模型的崛起虽然可能影响前端模型利润，但极大推动了GPU需求和AI普及。模型迭代加速将进一步推动AI算力需求增长。 六、SpaceX的AI算力雄心 SpaceX公布宏大算力扩张计划，预计2026年底在线计算容量将超过2GW，2027年底提升至10GW。公司计划在地面和太空端部署英伟达Vera Rubin NVL72机架级系统。单颗Starmind卫星核心算力硬件由英伟达定制供应。SpaceX明确未来所有AI数据中心建设将独家采用英伟达系统。 七、AI对生产力的深远影响 AI正通过提高生产力驱动经济增长。在AI原生公司中，劳动力替代表现为“减少新雇佣”而非“裁员”——这是更加平滑的过渡方式。 AI在医疗健康等领域展现出巨大潜力，能够挽救生命、治愈罕见疾病。行业需要更好地讲述其积极的社会贡献故事，以对冲公众对AI耗电、耗水和取代工作的普遍误解。 ⚠️【风险提示】 * 信贷与融资风险：实际收益率上升和信贷市场波动可能导致AI基础设施建设融资成本增加，对依赖债务的扩张构成挑战 * 监管风险：如纽约的数据中心禁令等地方监管措施，可能对AI基础设施扩张形成制约 * 公众认知风险：公众对AI耗电、耗水和取代工作的普遍误解，凸显了AI行业在公共关系方面的不足 * 中国半导体进展：中国在DUV光刻机领域的突破，可能在中长期对全球半导体供应链格局产生影响

🔥【核心洞察】 * 中国AI模型ARR年底将达130亿美元：高盛最新报告将中国AI模型合计年度经常性收入预测从此前的100亿美元上调至130亿美元，因需求增长更快、ARR爬升速度超出预期。报告分别将智谱和MiniMax 2026年收入预测上调35%和63%。 * 智谱ARR年底预计25亿美元，MiniMax 10亿美元：高盛上调智谱/MiniMax年底年化经常性收入至25亿美元/10亿美元。与此同时，高盛维持智谱“中性”评级（目标价1610港元），MiniMax则获“买入”评级（目标价800港元）。 * 竞争焦点从“价格战”转向“性能价格平衡”：高盛指出，中国AI模型竞争正从单纯的低价策略升级为对最佳性能价格平衡的追求。MiniMax H3开源权重定价约为同业的三分之一；DeepSeek V4 Flash（2840亿参数）前端编码能力接近GLM 5.2，阿里巴巴Qwen3.8 Max（2.4万亿参数）正式推出，两者均达到新的每美元性能效率前沿。 * 未来数月将出现2-5万亿参数级别的高端编码/代理模型：高盛预期，随着模型规模持续扩展，未来数月将出现2-5万亿参数规模级别的高端编码/代理聚焦模型竞争升级。 🔍【章节索引】 一、市场展望：ARR 130亿美元，五年25倍增长空间 高盛估计，中国AI模型行业2026年总ARR约130亿美元。更长期的预测显示，中国AI模型的API和订阅收入将从2026年估算的350亿元人民币增长到2030年的8790亿元，增幅约25倍，对应每日token消耗量从350万亿增长到4600万亿。 高盛预计2026年下半年国内计算能力供给将增加，并看好中国AI模型在成本效率、智能水平和定价能力方面的持续提升。 二、核心公司：智谱与MiniMax的评级分化 高盛将智谱2026年预测收入上调35%，维持“中性”评级，目标价1610港元；将MiniMax2026年预测收入上调63%，给予“买入”评级，目标价800港元。 MiniMax近期发布的多模态模型H3成为市场关注焦点。该模型于8月3日正式开源，能够统一理解文本、图像、视频和音频构成的多模态上下文，可生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。定价方面，H3在768p分辨率下价格约为同业一半，在2K分辨率下仅为同业三分之一。 三、竞争格局：从“价格战”到“性能效率战” 高盛预期中国AI模型之间对最佳性能价格平衡的竞争将加剧。 最新模型进展： * MiniMax H3：开源权重，定价约为同业三分之一 * DeepSeek V4 Flash：2840亿参数，前端编码接近GLM 5.2 * 阿里巴巴Qwen3.8 Max：2.4万亿参数，在Arena.ai整体代码竞技场及前端编码排名上升 高盛认为，智谱的GLM-5.5及MiniMax的M3下次更新/M3 Pro模型将是下一个关注焦点。 四、多模态与智能体应用深化 高盛指出，中国AI模型公司正日益专注于将代理应用作为关键切入点。多模态/视频生成模型预计将实现显著的年化收入增长。 从技术路线分化来看，DeepSeek当前仍专注于基础文本模型，而阿里巴巴、字节跳动、MiniMax等则更倾向于多模态/全模态路线，在AGI探索路径上存在明显分化。 五、AI基础设施与算力发展 DeepSeek V4明确将华为昇腾950超级节点的量产纳入其商业路径，预计在2026年下半年实现大规模供货后，V4 Pro版本的API定价将迎来显著下降。高盛认为，这一表态具有双重意涵：DeepSeek的成本竞争力将进一步强化，同时中国顶尖AI模型向国产算力迁移的趋势得到头部玩家的明确背书。 腾讯云积极扩展国内AI芯片部署以降低推理成本。高盛此前报告指出，阿里巴巴和腾讯2026年全年总资本支出预计达1000亿美元。 六、移动应用生态与用户参与 高盛报告显示，国内AIGC应用参与度显著增长。腾讯Workbuddy连续六周周活跃用户增长超20%。短视频与社交持续强势，抖音主应用和极速版用户参与度同比分别增长27%和30%。 ⚠️【风险提示】 * 竞争加剧风险：未来数月2-5万亿参数级别模型的密集发布可能引发新一轮价格战，压缩行业利润率 * 开源商业化风险：中国开放权重模型正逐步引入使用限制，大规模商业采用需通过正式许可进行收入分成 * 算力供给风险：国内ASIC供应增加速度存在不确定性，可能影响模型训练和部署节奏 * 海外政策风险：西方市场对中国模型的政策走向存在不确定性 * 估值风险：部分AI模型公司估值已反映较乐观预期，若ARR增长不及预期可能面临回调

🔥【核心洞察】 * 政策关键词从“跨周期”切换回“逆周期”：野村证券报告指出，二季度GDP增速放缓至4.3%，创下疫情后新低，总理李强在7月13日的专家座谈会上重新强调“加大逆周期政策调整力度”，而此前4月的会议曾省略该表述。野村解读认为，这一关键词的回归“预示着下半年政策力度将加大”。 * 财政发力、货币克制：降准降息短期难见：政治局会议延续“适度宽松”基调，但野村预计下半年不会实施降息或降准等高调刺激措施。财政才是主力——全年政府债净融资额度13.89万亿元，上半年已发行6.8万亿元，下半年剩余约7.1万亿元（比去年多0.7万亿）。“加快财政支出和债券资金使用进度”成为财政关键词。 * 贸易再平衡首次写入政治局会议纲领：会议明确提出“拓展国际经贸互利合作空间，大力发展服务贸易，促进贸易平衡发展”。这是中国高层首次将“贸易再平衡”纳入最高级别经济会议的政策框架，直接回应不断扩大的商品贸易顺差和日益紧张的国际贸易关系。 * 实际动作已在发生：取消退税+采购波音：政策并非停留在口号层面——2026年4月1日起，中国已取消光伏产品出口退税；6月26日，南方航空宣布采购7架波音货机，目录价约36.18亿美元。出口退税的退出与对美采购的增加，构成了贸易再平衡的一体两面。 🔍【章节索引】 一、为何转向“逆周期”？——4.3%的GDP增速敲响警钟 2026年二季度中国GDP同比增长4.3%，较一季度的5.0%回落0.7个百分点，创下疫情以来最低增速。上半年GDP增速为4.7%。 野村证券指出，6月经济数据显示“强劲的出口（同比增长27%）与疲软的内需之间存在巨大分化”——零售仅增长1.0%，固定资产投资下降10.0%。 正是在这一背景下，总理李强在7月13日的专家座谈会上重新强调“加大逆周期政策调整力度”。值得注意的是，“逆周期”一词在2025年10月曾被重点提及，但在2026年4月的会议中被省略。野村认为，此次重新强调“预示着下半年政策力度将加大”。 二、财政与货币的分化：加速花钱，但不轻易降息 政治局会议7月30日召开，延续“适度宽松”的货币政策基调。但野村预计，下半年不会实施降息或降准等重磅刺激。原因有三：传统货币政策工具空间或效果有限；以旧换新等短期政策存在“回拨效应”；决策层对基础设施投资回报率下降和财政赤字失控的担忧。 财政才是下半年的主力。全年政府债净融资额度13.89万亿元，上半年已发行6.8万亿元，下半年剩余约7.1万亿元（比去年多0.7万亿），叠加政策性金融工具8000亿元（比去年多0.3万亿），存量财政资源充裕。 会议明确要求“加快财政支出和债券资金使用进度”，长江证券解读为“财政节奏或由上半年的‘支出克制’转向下半年的‘加速发力’”。 三、贸易再平衡：从“出口导向”到“平衡发展”的历史性转向 本次政治局会议首次明确提出“拓展国际经贸互利合作空间，大力发展服务贸易，促进贸易平衡发展”。 这一表述的背景是中国服务贸易长期存在较大逆差——2025年服务贸易逆差达8287.2亿元，而商品贸易顺差却在持续扩大。在全球贸易紧张局势加剧的背景下，“贸易再平衡”正从学术讨论上升为国家政策。 四、实际动作：取消退税+采购波音 政策已从口号走向行动。2026年4月1日起，中国已取消光伏等产品的增值税出口退税；电池产品的出口退税率从9%下调至6%，并计划2027年1月1日起全面取消。 进口端同样有动作。6月26日，南方航空宣布旗下南货航向波音公司购买2架B777F和5架B777-8F货机，目录价格约36.18亿美元，并获得3架B777-8F的选择权。若选择权全部行使，合计约52.40亿美元。这是近年来中国航司对波音少有的批量采购。 出口退税的退出与对美采购的增加，构成贸易再平衡的一体两面——削减顺差部门、扩大进口来源。 ⚠️【风险提示】 * “逆周期”的回归并不意味着大规模刺激——野村明确指出支持措施的规模“可能受限”。传统的总量刺激正在让位于结构性财政工具。 * 贸易再平衡可能加剧国内出口部门的短期阵痛，尤其是光伏、电池等已取消退税的行业。 * 降准降息的“想象空间在打开”，但若经济持续走弱，政策工具箱的响应速度和力度仍是未知数。