7月13日盘中，韩国交易所一度启动 SIDECAR 机制，暂停 KOSPI 程序化卖盘。AI存储龙头SK海力士盘中跌近10%，三星电子跌幅超过5%。值得注意的是，SK海力士自6月高点以来累计回撤已超过20%，正式进入技术性熊市区间。

表面上看，这只是AI硬件产业链又一次剧烈回调。但如果把这轮下跌交给 StockWe AI 美股投资网拆解，核心原因或许并不完全在于地缘风险，而是另一条更贴近市场交易逻辑的线索：SK海力士赴美上市后，部分资金开始集中兑现利润，同时市场对于其二季度业绩能否继续大幅超预期也变得更加谨慎。

这也解释了为何跌幅主要集中在SK海力士身上。作为AI存储赛道中最具代表性的纯正标的之一，海力士在上涨阶段充分享受了HBM、高性能存储以及AI资本开支扩张带来的估值溢价；而当市场开始从“讲故事”转向“看兑现”时，它也自然成为资金优先检验和重新定价的对象。

赴美上市后，利好兑现效应开始显现

SK海力士赴美上市，原本被市场视为全球资本重新定价AI存储行业的重要契机。上市之前，投资者可以围绕多个逻辑展开想象：AI基础设施持续扩张、HBM需求维持高景气、国际投资者配置比例提升，以及更高流动性带来的估值重估空间。

然而，当上市这一重要催化剂真正落地之后，市场逻辑往往会回归现实。经历此前大幅上涨后，部分资金选择获利了结本就是正常现象。尤其是在获得新的交易渠道后，全球投资者不仅能够更方便地增持仓位，也能够更高效地完成减仓和调仓操作。

StockWe AI 美股投资网将这一现象概括为“上市节点后的供给与情绪共振”。一方面，新增流通筹码进入市场；另一方面，AI基础设施板块已经逐渐告别此前几乎无条件上涨的阶段。当获利盘与谨慎资金在同一时间窗口集中释放时，股价波动自然被进一步放大。

财报窗口临近，市场容忍度正在下降

相比上市因素，更值得关注的是市场对于二季度业绩预期的变化。

过去一年，投资者对于AI存储行业的逻辑十分简单：AI资本开支越强劲，HBM需求越旺盛，SK海力士就能获得越大的业绩弹性。这一逻辑不仅推动了公司盈利快速增长，也推动估值持续扩张。

但随着财报季临近，市场关注点正在发生变化。投资者开始追问更具体的问题：HBM出货量能否继续加速增长？平均销售价格（ASP）是否还能维持高位？毛利率是否仍有进一步提升空间？管理层对于下半年需求和订单的展望，能否支撑此前已经大幅上涨的股价？

对于这类高预期、高估值资产而言，最大的风险往往不是业绩不好，而是业绩“没有好到足以继续超越市场预期”。

一旦财报数据只是符合预期，甚至略微低于市场最乐观的预测，投资逻辑就可能从“交易未来成长空间”迅速切换为“验证业绩兑现能力”，从而引发估值回调。

为什么海力士跌得更重？因为它最能代表AI存储

SK海力士不仅是全球存储芯片龙头，也是当前AI存储产业链中最核心的受益者之一。尤其是在HBM领域，其业务与GPU、AI服务器以及大型云厂商资本开支深度绑定。

这种高度聚焦的业务结构，在牛市阶段是一种优势。因为当市场坚信AI算力需求持续爆发时，资金愿意给予更高的成长溢价和估值水平。

但当市场开始重新审视AI资本开支的边际回报率时，这种“高纯度”属性同样会放大股价波动。因为投资者对其未来增长的任何疑问，都会被迅速反映到股价之中。

StockWe AI 美股投资网认为，当前市场实际上在重新评估两个层面的问题。

从需求层面来看，AI训练、AI推理以及全球数据中心扩张依然需要大量高性能存储资源，HBM需求并没有发生根本性变化。

但从定价层面来看，市场开始重新审视未来需求增长的速度，以及这种增长是否足以支撑当前估值水平。

这也是本轮调整最值得关注的地方：AI存储的长期逻辑并未消失，但市场已经不再愿意为远期增长无限提前支付溢价。

存储行业终究仍带有周期股基因

过去两年，由于HBM供不应求，存储行业一度被市场视为典型的AI成长赛道，甚至享受了接近软件和AI平台公司的估值逻辑。

然而，存储芯片本质上仍然是一门具有明显周期属性的生意。

当行业利润足够丰厚时，扩产便会随之而来；当三星电子、美光等竞争对手持续提升产能和技术水平时，原本紧张的供需关系也可能逐步趋于平衡。

市场真正担忧的，并非HBM需求会突然消失，而是在未来几个季度里，随着供给逐渐释放，行业稀缺性是否会下降，进而导致估值溢价被压缩。

因此，今天SK海力士的大跌，本质上更像是一次市场压力测试。

当外部风险升温、市场情绪转弱时，资金往往会优先卖出那些前期涨幅最大、预期最充分、估值最依赖未来兑现的资产。而SK海力士恰恰属于这一类标的。

这并不意味着AI存储的长期主线已经结束，但它向所有投资者发出了一个清晰信号：从现在开始，市场关注的重点将不再只是“有没有需求”，而是“需求能否持续转化为订单、利润和资本回报”。

对于AI存储产业而言，下一阶段决定股价方向的关键，已经从故事走向业绩，从预期走向兑现。

美国企业IT采购的变化：从“软件应用”变为“数据+AI Agent”

美国企业IT采购正在发生结构性转变：预算从传统SaaS软件流向AI Agent，赛诺菲、Mixology、Utila等企业相继削减ServiceNow、Salesforce等软件用量，部分公司软件预算降幅达50%。传统软件的留存理由也在改变——HubSpot被明确定位为"只用来存数据"。

企业IT预算正在重新分配——钱越来越多地流向AI，传统SaaS软件正在失去它曾经理所当然的位置。

据The Information近日报道，随着企业加大对Anthropic、OpenAI等AI供应商的投入，传统企业软件和IT服务商正面临预算被压缩的压力。这一趋势在大型跨国企业和中小型公司中均有体现，且正在重塑企业对软件的基本定位。

这场变化的逻辑并不复杂：AI Agent可以自动完成过去需要专门软件处理的任务，企业因此开始审视手中那些用了多年的软件订阅，问自己一个问题——这个还有必要吗？

大企业：有人被砍，有人被深度绑定

法国生物制药巨头赛诺菲（Sanofi）提供了一个典型案例。

赛诺菲正在使用基于Anthropic旗下Claude Code和AI初创公司Elementum软件自研的AI Agent，来替代部分ServiceNow的IT管理功能，后者是企业IT管理领域的主流SaaS平台。

但与此同时，赛诺菲对德国软件巨头SAP的依赖反而在加深。赛诺菲将自己的AI Agent与SAP的AI Agent对接，用于自动审计采购订单——这项工作此前由印度外包公司承担。结果是：外包支出减少，SAP的地位反而上升。

这说明，AI浪潮并非简单地"替代传统软件"，而是在重新划分哪些软件值得留下、哪些可以被取代。

咨询公司EY全球副主席Julie Teigland表示，她的客户正在借助AI整合企业应用。她说，AI客户"正在认真审视他们积累多年的技术债务，问自己：怎样才能让这一切变得更简单、更容易迁移？"

中小企业：替换速度更快，Salesforce首当其冲

相比大企业，中小公司的替换动作更为果断。

家族服装企业Mixology拥有500名员工、16家实体门店。该公司去年开始使用Palantir软件开发定制AI应用，用于生成社交媒体广告、预测需求和排班管理，同时计划削减对Salesforce的使用。

Mixology CEO Jordan Edwards直接说："在接触Palantir之前，我整个业务都跑在Salesforce上。但我不确定未来还有没有必要。""理论上，我们在Salesforce里做的任何事，都可以在Palantir里实现。"

对于大型客户而言，彻底抛弃Salesforce依然极为困难。但对于体量较小的客户，用AI替代方案取而代之的可行性正在上升。

彭博社周四也报道称，星巴克是最新一家寻求用AI替代微软、IBM等公司主要应用的大型软件客户。

传统软件的新定位：从"功能工具"退化为"数据仓库"

以色列加密货币管理软件初创公司Utila的案例，揭示了一个更深层的趋势。

据The Information报道，Utila砍掉了来自Clay、Vendelux等10家小型软件供应商的应用，这些应用原本覆盖客户数据追踪、邮件营销、活动管理、销售准备等多个环节。现在，这些功能全部由初创公司Swan AI的销售营销软件及AI Agent承接。

Utila市场负责人Din Arbel表示，这一调整使公司软件预算直接降低了50%。

但HubSpot被保留了下来——原因只有一个：数据。

"我们还在用HubSpot，但它只是用来存数据，"Arbel说。Swan AI的Agent需要调取HubSpot中存储的客户数据来完成任务。HubSpot此前曾向投资者表示，计划对外部Agent调用其数据收费，但Arbel表示，即便如此，他仍会继续使用。

这一案例清晰地呈现了传统SaaS软件正在发生的角色转变：从功能执行者，退化为数据存储层。

GitHub四面受敌：代码仓库业务遭多方夹击

与此同时，微软旗下GitHub的核心业务也正面临多方竞争。

GitHub曾凭借GitHub Copilot在AI编程领域占据先机，但其领先优势已逐渐收窄。如今，连其最基础的代码仓库业务——供开发者存储和协作编辑代码的平台——也开始遭到蚕食。

据The Information报道，AI编程工具Cursor近期宣布推出竞争性代码仓库产品。OpenAI总裁Greg Brockman周三表示，公司已招募前GitHub高级总监Taylor Blau，负责"规划Git的未来"，暗示OpenAI正在推进与GitHub直接竞争的开发者工具。

最新入局者是初创公司Entire。该公司由前GitHub CEO Thomas Dohmke创立，今年早些时候完成6000万美元融资。Entire周三宣布推出自己的Git代码仓库产品，支持代码存储与协作，并主打更高的稳定性。

Dohmke表示，Entire通过同时租用全球三大云服务商的服务器，分散部署于多个地区，以此提升速度和可靠性。他说："解决宕机问题的一个方法，就是增加冗余，并将其分布在全球各地，这将支撑AI Agent和人类用户的规模化使用。"

GitHub方面则在周三的博客文章中承认，上个月经历了六次宕机，并表示正将更多系统从自有服务器迁移至微软Azure云，以减少宕机频率。

美股投资网也打造全球首个美股AI智能体 StockWe AI，实时调用我们机构内部高质量付费数据库和上千份投行研报，该系统采用多 AI Agent 共识机制，让多个智能体从不同视角同步分析同一市场信息，实现更全面、更客观的决策支持。系统支持7x24小时智能盯盘、实时追踪机构主力资金流向、公司突发重大新闻、并自动扫描财报、解读电话会议及 SEC 文件。

SpaceX股价已从“史诗级IPO”后收盘价超过200美元的高点下跌了约28%，这促使资深投资人乔治·诺布尔（George Noble）重申了他的看跌立场，并警告称，该股在未来几个月将面临一波内部人士抛售潮，实际只值每股30美元。

“（SpaceX成为）历史上规模最大的IPO，也正在成为历史上规模最大的退出流动性操作，”诺布尔上周六在社交媒体平台X上发表的一篇长文中写道，并补充说，“IPO的目的是将散户投资者的资金从他们手中夺走。”

美股投资网获悉，这位对冲基金经理拥有40多年的投资管理经验，之前曾连续多年管理富达海外基金。他解释称：

SpaceX上市时的市销率超过90倍，而那些以远低于当前价格购入股票的内部人士即将开始将他们的股份出售给散户投资者；

让我来解释一下为什么这次IPO旨在让散户投资者血本无归：SpaceX从未盈利，去年亏损近50亿美元。发行时，你支付的价格是其市销率的90倍以上，在股价峰值时，市场估值一度接近140倍。

30年前，Sun Microsystems的总裁详细解释过，即使支付10倍的市销率也几乎总是以失败告终，而他是对的。

但他指出，估值并非真正的问题所在，而是稀缺性造就了如此高的估值。导致稀缺性消失的上市时间表也将最终压低股价。

在IPO时，SpaceX的股票实际可供交易的比例不到5%。然后，指数委员会修改了规则，让这只股票在上市仅15个交易日后就被快速纳入纳斯达克100指数，迫使全国所有被动型基金和指数ETF在流通股最紧缺的时刻买入。仅纳斯达克的纳入就促成了约43亿美元的买盘，而罗素指数的权重调整又增加了约30亿美元的买盘。当时的供应量极少，买盘是强制性的。这是一场人为制造的拥挤，也是该股在上市首周突破225美元的原因。

诺布尔强调，SpaceX的估值仍然与其基本面脱节。前期的上涨并非基本面驱动，而是他所谓的“人为拥挤”的结果。

他进一步指出，这种趋势即将逆转。具体而言他解释称，公司已公布的禁售期计划规定，从第二季度财报发布后开始，分阶段解锁内部人士持有的股票，一直持续到年底，最后一批股票将于2027年6月解禁。

诺布尔认为，这些措施的公布可能会大幅增加可交易流通股的数量，因为员工和早期投资者将能够出售股票。他指出，未来几个月，公布的解禁计划，而非公司基本面，将成为股价的主要催化剂。

“所有这些股票加起来，到9月初，内部人士最多可以出售公司44%的股份，这将使可交易的流通股数量激增约900%。所有这些股票都集中在SpaceX特意为散户投资者预留的股票上，因为SpaceX为个人投资者预留了近30%的发行份额，而不是通常的10%。”他补充道。

最后，诺布尔指出，星链是该公司唯一持续盈利的业务，但认为它不足以支撑SpaceX目前的市值。他估计SpaceX的合理股价约为每股30美元，并称SpaceX是“我见过的估值过高的股票”。

“我可以告诉你，这是我一生中见过的最严重的财富转移之一，只不过被包装成了一个花哨的故事。特斯拉是股市历史上最大的资本错配案例。SpaceX 可能已超过了它。”他写道。

本文由美股投资网 TradesMax.com 整理：

2026年6月9日，美股AI光通信板块突然遭遇集体抛售。

Coherent大跌超过11%，Marvell下跌近9%，Corning、Lumentum等一众AI光模块、光器件公司全线重挫，整个产业链一天之内蒸发数百亿美元市值。

当天没有美联储议息，没有重大地缘政治事件，也没有英伟达发布新品。

真正引发市场剧烈波动的，只是一份不到百页的研究报告。

更令人意外的是，这份报告既不是来自高盛，也不是摩根士丹利、Bernstein，而是出自一家只有几十名员工的独立研究机构——SemiAnalysis。

这已经不是它第一次改变市场。

就在四天之前，SemiAnalysis另一份关于英伟达下一代Vera Rubin平台HBM配置调整的研究，引发市场重新评估未来存储需求，美光股价单日暴跌13%。

短短几天，两份报告，两次重塑市场定价。

如今，在全球AI投资圈，越来越多人开始相信一句话：真正能够影响几千亿美元AI产业链估值的，已经不只是英伟达，而是那些比别人更早知道产业真相的人。

那么，SemiAnalysis到底是谁？

它为什么能比华尔街更早知道答案？

很多投资人第一次认识SemiAnalysis，是因为DeepSeek。

2025年初，DeepSeek一句"仅用600万美元训练出世界级大模型"，几乎改变了整个AI投资逻辑。

市场迅速得出一个结论：如果训练AI已经便宜到这个程度，那么未来全球对于GPU、HBM和数据中心的资本开支都会下降。

当天，英伟达市值蒸发约6000亿美元，创造美股历史最大单日市值缩水纪录。

就在所有媒体都在讨论"600万美元奇迹"时，SemiAnalysis却重新拆了一遍账。

他们认为，600万美元只是GPU训练阶段的一小部分直接成本，并不包含服务器采购、网络设备、存储、电力、机房建设、长期运营以及整个AI基础设施投资。

按照他们重新建立的模型估算，DeepSeek背后的真实资本投入远高于市场流传的数据，其GPU集群规模约为5万张Hopper系列GPU，由H100、H800、H20等多个型号组成，并非市场想象中的"低成本奇迹"。

市场后来逐渐意识到，真正需要修正的，不是AI的需求，而是大家对成本的理解。

类似的事情不断发生。

2024年底，他们花了五个月时间，用真实服务器对AMD MI300X进行了完整Benchmark测试，而不是照搬官方PPT。

最终得出的结论并不讨喜。

他们认为，AMD硬件已经具备竞争力，但CUDA生态依然构成极深的软件护城河，短期内难以真正挑战英伟达在AI训练市场的领先地位。

报告发布后第二天，AMD CEO Lisa Su主动联系了创始人Dylan Patel。原本预计半小时的沟通，最终持续了整整90分钟。

到了2026年，SemiAnalysis再次预测800V直流供电和CPO（共封装光学）的大规模商业化将推迟至2028年至2029年，远晚于市场此前普遍预期。

他们给出的理由并不是一句简单的"我们认为会延后"，而是直接把制造良率拆开计算。

如果一颗ASIC需要集成32个光引擎，即使单个光引擎良率高达95%，最终整机良率仍只有约19%。

这意味着，距离真正的大规模量产，还有很长的工程距离。

市场相信了他们。

于是整个光通信板块集体重新定价。

连续几年精准命中产业趋势之后，SemiAnalysis已经不再只是提供观点，而是在一定程度上影响市场预期。

它卖的不是研究，而是情报

很多人把SemiAnalysis理解成一家科技媒体。事实上，这种理解完全错了。

它真正的商业模式，更接近Bloomberg、Gartner和产业咨询公司的结合体。

官网上最核心的产品，并不是文章，而是一整套机构级数据库、预测模型和行业咨询。

他们向全球大型对冲基金、共同基金、半导体公司、云计算厂商以及政府机构出售各种预测模型，包括GPU供需模型、HBM预测模型、晶圆厂产能模型、AI数据中心模型、Token Economics模型以及ChipBook数据库。

很多产品甚至不是PDF，而是可以直接导入DCF模型和盈利预测系统的Excel数据库。

对于一家管理几百亿美元资产的基金而言，如果能够提前三个月知道台积电CoWoS产能变化、英伟达GPU出货节奏或者HBM供需缺口，其价值远远超过几十万美元的咨询费用。

因此，个人订阅每年500美元只是最外围的产品。

真正赚钱的，是机构客户。

一位大型机构客户的年度合同，很可能相当于几百甚至上千名个人订阅用户。

换句话说，SemiAnalysis真正出售的，不是新闻，而是别人拿不到的数据。

它真正的护城河，是建立了一张全球情报网络

真正让华尔街感到敬畏的，并不是Dylan Patel的分析能力，而是他的信息获取能力。

别人还在阅读上市公司财报时，他们已经开始分析卫星照片。

SemiAnalysis长期跟踪全球数千座数据中心建设情况，通过卫星图像结合计算机视觉模型，自动识别工地施工进度、建筑面积以及扩建速度。

必要时，他们甚至会申请无人机飞行许可，对数据中心施工现场进行航拍。

他们研究公开航运提单、政府采购文件、信息公开申请（FOIA）、供应链数据以及各类公开数据库，试图拼凑出整个AI基础设施产业链最真实的运行状态。

与此同时，Dylan Patel几乎参加所有重要半导体会议。

他不断与工程师、设备商、封装厂、材料厂以及供应链人士交流，把这些碎片化的信息逐步建立成自己的产业数据库。

在Reddit上，很多业内人士甚至把他称为"AI时代的郭明錤"。

区别在于，他不仅依赖供应链消息，更喜欢用工程验证和数据交叉验证去确认每一个判断。

为了测试AMD GPU，他愿意花五个月做Benchmark。

为了研究AI数据中心，他愿意建立自己的卫星识别模型。

在AI时代，越来越多机构开始相信一句话：真正重要的信息，往往不会第一时间出现在财报里，而是隐藏在供应链、工地、物流和工程细节之中。

一个养蜂人，为什么成为全球AI圈最有影响力的人之一？

更传奇的是，Dylan Patel几乎不是传统意义上的半导体分析师。

他1996年出生，大学学习的是管理和法律，没有电子工程背景。

创业之前，他甚至做过养蜂人。

真正改变命运的是兴趣。

年轻时，他长期活跃在Reddit硬件社区，以匿名身份发表半导体分析文章，并运营自己的技术博客。

后来，在朋友Doug O'Laughlin建议下，他开始实名写作。

2020年，24岁的Dylan Patel正式创办SemiAnalysis。

没有人想到，仅仅几年时间，这个原本只是技术博客的网站，会成长为全球AI产业链最具影响力的研究机构之一。

2026年GTC大会上，黄仁勋在两个多小时的主题演讲中，只点名提到了两位行业人士。

其中一位，就是Dylan Patel。

黄仁勋甚至把SemiAnalysis的Logo放到了演讲大屏幕上，并公开表示，Dylan对于英伟达推理性能的分析基本正确。

对于一家独立研究机构来说，这几乎是行业最高规格的认可。

争议，也开始随之而来

影响力越大，争议也越大。

2026年6月底，Tema ETFs宣布与SemiAnalysis建立独家合作关系，并推出两只围绕AI产业链的新ETF。

时间点非常微妙。

就在几周之前，SemiAnalysis连续发布多篇调整AI产业链预期的研究，导致相关板块剧烈波动。

于是，市场迅速出现质疑。

一家既发布研究报告，又参与ETF合作，同时还提供咨询、数据库以及可能进行投资活动的机构，是否还能够保持绝对独立？

目前，美国卖方分析师需要遵守Regulation AC等利益冲突披露规则，做空机构通常也会公开披露持仓。

但对于独立研究机构而言，目前并没有同样严格的信息披露制度。

因此，真正值得市场讨论的，并不是SemiAnalysis一家公司的行为，而是整个独立研究行业未来可能面临的新监管课题。

随着越来越多研究机构同时经营数据库、咨询、ETF以及投资业务，研究与商业之间的边界，正在变得越来越模糊。

AI时代最贵的，不是芯片，而是信息

如果回头再看SemiAnalysis的发展历程，会发现它真正改变的，并不是半导体行业，而是整个资本市场的信息生产方式。

过去几十年，华尔街分析师主要依赖上市公司电话会议、财报和管理层交流。

而今天，AI时代真正有价值的信息，越来越来自供应链、工程现场、物流数据、卫星图像以及产业数据库。

谁能够更早拼出这些碎片，谁就拥有了市场最大的优势。

SemiAnalysis本质上做的，就是把信息获取能力工业化、系统化，再出售给最愿意为信息付费的人。

对于普通投资者而言，我们未必拥有他们的资源，也不可能复制他们遍布全球的情报网络。

但他们真正值得学习的，从来不是某一份看多或看空的报告，而是研究产业的方法。

不要迷信任何一家机构。

哪怕过去几年判断再精准，也没有人能够永远正确。

美股投资网认为，真正能够长期创造超额收益的，不是追逐最新消息，而是建立自己的产业认知框架，理解技术演进、供应链变化以及资本开支背后的逻辑。

因为任何一份研报都会过时，任何一个市场热点终将降温。

只有持续积累的认知，才是真正能够不断复利的资产。

或许，这也是SemiAnalysis留给所有投资者最大的启发。