客服微信号 MaxStockWe 客服微信2号 MaxTrades 客服 Telegram号 https://t.me/MeiguWe 邮箱 buy@tradesMax.com 电话 (626)378-3637
美股投资网获悉，华尔街金融巨头伯恩斯坦最新发布的研究报告显示，AI云计算领域正在进入“AI智能体狂潮主导之下的人工智能算力需求井喷式扩张、AI推理负载升级、平台价值重分配”同时发生的新阶段，投资机会也随之从GPU算力供给延伸至攸关企业数据运营、企业核心操作流程、连接业务工作流与智能体开发、部署与运行综合平台的云计算领军者们。
伯恩斯坦表示，当前全球云计算行业正经历自微软Azure崛起挑战亚马逊AWS以来最重要的一轮竞争变化训练需求催生以GPU为中心的数据中心扩建，为CoreWeave等新云服务商打开IaaS基础设施市场;随着AI推理负载逐步走向企业生产环境，则扩大CPU、GPU、数据库、存储及软件平台的协同算力运营需求;OpenAI、Anthropic进一步从AI大模型供应商转向AI智能体开发平台供应商，既为合作云计算厂商贡献更大的基础设施订单，也开始争夺PaaS云计算厂商们的软件入口、客户关系和利润空间。
伯恩斯坦分析师团队因此更加看好微软、甲骨文和MongoDB，但对单纯出租AI GPU算力基础设施的新云企业长期竞争力更为审慎。该机构的核心投资判断在于，AI算力资源需求增长能够扩大AI云租赁市场，却不会让所有云企业获得相同的定价权和AI时代的强劲资本回报。这一判断与近期产业数据形成呼应微软7月财报披露，Azure及其他云服务季度收入增长43%，需求仍超过可用产能;甲骨文9月公布的季度IaaS收入增长121%至74亿美元，剩余履约义务达到6,640亿美元，显示需求正在转化为收入和长期合同。
AI智能体如何逐步放大云计算需求?结合伯恩斯坦研究报告以及AI推理工程推演，Muse与Astra所代表的变化，是把一次问答扩展为包含规划、检索、工具调用、执行、检查和重试的任务过程Meta披露Muse运行在拥有浏览器的专用安全虚拟机中，用户关闭应用后仍可继续处理任务;OpenAI披露Astra增强了计算机操作与多步骤专业工作能力，这些能力进展本身并不等于AGI已经得到确认。
当使用规模扩大，模型调用增加GPU推理负载，浏览器、代码与工具执行增加CPU需求，长上下文与并发会话提高内存及缓存需求，持续状态和企业知识访问增加数据库与存储需求，生产部署进一步拉动身份、安全、监控和工作流编排等PaaS服务。Anthropic与Akamai签署的七年116亿美元协议明确面向CPU工作负载，就是AI需求向GPU之外扩散的实例;其与亚马逊(Amazon)AWS、Google云计算/博通(Broadcom)、微软Azure云计算、SpaceX旗下AI云计算租赁平台等合作，也体现了多供应商基础设施配置。
对于面临CoreWeave这类新云势力强势崛起之下的AI云计算领域潜在IaaS/PaaS赢家，伯恩斯坦给予微软(MSFT)、甲骨文(ORCL)以及MongoDB(MDB)“跑赢大盘”这一最积极评级，予以的最新目标价分别意味着未来12个月约28.7%、135%以及35%潜在上行空间，该机构对于AI云数仓与企业云数据库领军者Snowflake(SNOW)则予以“与大市同步”评级，目标价意味着10%左右潜在上行空间。
毋庸置疑的是，AI云仍是产业资本投入和盈利预期的重要方向，股票资金则正在筛选能够留住利润的环节。OpenAI以约1.4万亿美元估值寻求新融资，以及Anthropic谋求超过2万亿美元IPO估值，反映出全球资本市场对AI相关收入创造空间的极高预期，相比AI应用估值叙事，聚焦推理端的AI算力资源供给链已有更具体的强劲需求依据媒体披露Anthropic未来约十年5180亿美元的基础设施安排，其中约80%具有不可取消或按约定支付的性质，Anthropic 2025年营收增至上年的约12倍、接近46亿美元，经营亏损超过80亿美元，算力与基础设施支出达到73.3亿美元，约为2024年的三倍，占126.5亿美元总经营费用的约58%;;韩国9月半导体出口603亿美元、同比增长262.8%，官方同时指出存储出口数量与合同价格上升。
算力账单越滚越大IaaS扩容潮中的增长与分化
伯恩斯坦对于AI时代IaaS的投资逻辑，是传统云计算持续增长之上叠加AI算力需求持续井喷式扩张带来的强大增量，报告引用的Gartner预测显示，全球IaaS市场将由2025年的约2,230亿美元，增长至2026年的2,870亿美元、2030年的6,620亿美元;其中传统IaaS由2,010亿美元增至4,880亿美元，AI优化IaaS则由220亿美元增至1,740亿美元。
按伯恩斯坦研究报告图示数值的测算显示，2025—2030年整体市场复合增长率约24.3%，AI优化部分约51.2%，后者占比从约9.9%升至26.3%。伯恩斯坦分析师团队表示，这也意味着AI既创造高速增长的新型AI云计算基础设施市场，企业原有计算、存储与应用迁云也仍贡献庞大的绝对增量。
竞争格局方面，2025年Gartner口径下AWS、微软、谷歌、阿里巴巴的IaaS份额分别为35%、24%、10%、8%;IDC对应数字为41%、16%、8%、4%，两大调研机构均将CoreWeave市场份额计为约2%。差异主要涉及IaaS与PaaS的收入划分，例如IDC将更多甲骨文(Oracle)收入归入PaaS，因此不能把不同机构的份额拼接成同等的同一张竞争地图。
伯恩斯坦研究报告还提出一个值得投资者追踪的问题2030年1,740亿美元的AI优化IaaS收入，如何与市场讨论的万亿美元级GPU投入相协调?可能涉及企业自建、部分投入最终通过PaaS变现，以及行业预测偏高或Gartner等市场调研机构的基准预测偏低。
新云的阶段性优势来自算力稀缺，但企业推理的长期竞争力需要完整的软件与数据体系。伯恩斯坦研究报告把行业演进划分为三个相互衔接的变化首先，GPU训练集群对供电、冷却及高带宽低时延网络提出更高要求，传统数据中心需要改造或重建，供需缺口因此为新云企业及甲骨文创造进入机会;其次，AI支出从训练向推理扩展，伯恩斯坦估计，推理年度支出最终可能达到训练的5—20倍，但没有给出明确兑现年份;再次，企业推理需要连接实际业务，其基础设施必须支持模型计算、CPU应用执行和企业数据访问。
伯恩斯坦表示，由此趋势所产生的“数据引力”，会把部分AI负载吸引至企业已经部署数据库、权限体系和应用的平台。报告对新云提出五项约束难以超越GPU型IaaS;大型云客户在供给充足后可能将负载转回自有设施;采用开源数据库及开发工具并不自动形成差异化;企业数据迁移具有阻力;当前供需失衡可能在未来两年改善。
伯恩斯坦表示，对于投资者们而言，真正需要长期检验的逻辑在于，新云势力能否把短期交付优势转化为长期客户留存、利用率和现金回报;与此同时，研究报告认为甲骨文凭借主权云、私有云及AI数据中心形成连续增长动力，有机会进一步接近微软、亚马逊以及谷歌这类AI云计算基础设施第一梯队。
谁掌握智能体入口，谁强势分享云利润PaaS迎来价值重估
AI实验室正在成为PaaS的重要竞争者，但收入分类仍处于形成阶段。伯恩斯坦报告引用数据显示，2025年全球PaaS规模按Gartner口径约为2,252亿美元，按IDC口径约为2,275亿美元;依据各自2024年数据计算，同比增长分别约25.8%和42.3%。IDC将微软列为第一，份额21%，其后为AWS的12%、谷歌的9%，OpenAI约6%、Salesforce约5%、Oracle约4%，Anthropic、Snowflake、Databricks等各约2%;Gartner合并传统与AI PaaS后，则由AWS以19%领先，微软15%、谷歌10%，OpenAI约2%、Anthropic不足2%。
更具方向意义的是，同一口径下AI实验室份额均在上升IDC统计OpenAI从2024年的2.1%升至2025年的5.7%，Anthropic从0.4%升至1.9%;Gartner对应变化为1.0%至1.7%、0.3%至1.1%。
模型API、开发工具、编码产品及智能体软件的收入计量边界尚未统一，而两家AI实验室扩大平台业务的方向已经比较清晰。伯恩斯坦预计，其2026年份额存在进一步升至高个位数乃至低双位数的可能，具体取决于收入归类及整个PaaS市场的增长速度，这仍属于前瞻判断。
从模型走向平台，意味着AI实验室开始争夺企业软件的开发与运行入口。伯恩斯坦研究报告认为，Anthropic由Claude模型延伸至Claude Code，再进入自动化和智能体应用开发;OpenAI则在ChatGPT、搜索与研究产品之外，加速发展Codex和智能体开发能力。这些工具不仅帮助构建AI应用，也能提高传统软件开发、测试和维护效率。平台化能够增加工作流整合与客户黏性，从而缓解开源或开放权重模型竞争、Token价格下降对单纯模型业务的压力。
伯恩斯坦援引的Gartner报告显示，2025年OpenAI企业收入大约50亿美元，其中基础生成式模型占57%、专用模型4%、AI开发平台15%、其他应用软件24%;Anthropic企业收入约33亿美元，对应基础模型70%、专用模型7%、其他应用软件23%。不过这些是企业业务分类估计，不能等同于公司全部收入或年化收入运行率。
同期AI应用开发平台市场约68亿美元，微软、AWS和谷歌分别占24%、14%、14%，OpenAI占11%，对应约7.5亿美元;基础生成式模型市场中，OpenAI、Anthropic和谷歌分别占25%、20%、18%，合计63%。这组数据说明，模型与平台两层竞争已经同时展开。伯恩斯坦甚至预计，2026年开发平台收入可能超过模型收入，但编码产品究竟归入PaaS还是SaaS仍待厘清;其更大的战略机会，是成为其他软件企业构建产品的底层平台，而非逐一进入CRM、HCM等垂直市场。AI实验室拥有模型理解优势，云巨头和既有SaaS厂商则拥有客户数据、业务语义、部署、安全及管理体系，竞争因此会延伸到整套企业交付能力。
伯恩斯坦在AI云计算领域的选股落点，是能够将AI使用量转化为持续收入、客户留存和利润的企业。微软的优势在于，同时承载OpenAI、Anthropic、多种第三方模型和自有模型，并以广泛的开发工具及企业数据沉淀吸引新增AI负载;甲骨文则覆盖AI数据中心、OCI Gen2公有云、私有云、Alloy白标IaaS/PaaS及主权云，OpenAI的平台业务发展能够强化其重要客户需求，同时现阶段并不直接替代Oracle核心数据库产品，报告还指出，多云合作推动其云数据库近几个季度实现三位数增长。
伯恩斯坦表示，MongoDB的逻辑更直接——即AI应用仍或者AI智能体大规模渗透至各行业都长期需要持久化数据、查询和状态管理，应用增加可能扩大数据库使用量，报告认为AI实验室与新云目前并未直接瞄准其数据库市场。相比之下，Snowflake向AI平台延伸，也使其面临AI实验室与超大规模云厂商的双重竞争。
伯恩斯坦强调投资者们应沿着IaaS交付能力、PaaS开发入口和企业数据基础设施寻找收入兑现，同时检验折旧、电力、融资和竞争成本之后的自由现金流;投资风险方面，伯恩斯坦补充表示，微软面临云价格竞争和安全风险;甲骨文需要处理客户集中、AI需求兑现及云业务增长风险;MongoDB需要防范云增长放缓、基础设施成本和费用上升。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
美股投资网获悉，在SpaceX(SPCX)即将于美东时间11月5日公布2026年第三季度业绩之前，高盛在近日发布的研报中基于公司近期交易活动、最新公开表态、以及关键企业用例和模型开发进展，更新并上调对该公司人工智能(AI)业务预测，包括算力容量、营收及利润率预测。随着公司持续保持高水平执行能力，高盛还将进一步梳理2026财年至2028财年潜在的算力变现情景，并认为，在更广泛的AI运营环境没有出现修正的情况下，未来6-18个月AI业务的预测仍相对保守(相较于市场一致预期)。此外，对于航天业务，高盛还讨论了近期的相关新闻，并思考随着未来几年发射频率和可重复使用能力持续提升，这些进展可能如何影响公司的长期发展机遇。
高盛围绕三个关键的投资者争论点/问题展开此次财报前瞻
1、未来约12-18个月，投资者应如何看待地面算力基础设施的建设?
根据管理层的评论，高盛认为，SpaceX在2026年底前将地面算力规模扩大至2.4GW的可见度较高。进入2027年，预计推动地面算力向5-10GW区间迈进的关键变量包括(a)电力与冷却;(b)机房主体(即数据中心基础设施);以及(c)服务器容量。
其地面算力容量预计2027年底达到7.0GW、2028年底达到10.6GW。这三个变量目前都仍处于动态变化之中，高盛将关注未来几个月的进展，以此判断地面算力容量的发展情况。
2、SpaceX能够从地面算力中实现怎样的变现水平(每GW对应多少营收)?
考虑到近期一系列公司层面的进展(包括签署新的托管协议、基础模型改进等)，以及整个行业的动态(供需失衡、token需求持续增长等)，高盛仍然对SpaceX中期以较高费率实现算力基础设施变现的能力持乐观态度。高盛针对算力变现和托管协议提出了多种情景分析，并基于此认为，该公司未来几年AI业务营收存在较当前市场一致预期大幅上行的潜力。
3、近期星舰发射应如何理解，以及其对连接和AI业务有何影响?
高盛强调，星舰持续发射和部署将推动飞行器进行后续迭代和调整，使SpaceX能够持续取得进展并应对技术障碍。随着这些调整不断推进，预计该公司将越来越接近实现其在可重复使用能力和发射频率方面的目标。
此外，高盛认为，星舰将推动一系列具有重要意义的业务释放机会——包括当前的宽带/移动通信业务，以及未来的轨道算力业务——既能够提升容量(例如下行链路容量)，也能够改善单位经济效益。
高盛在研报中重申对SpaceX的“买入”评级，12个月目标价由220美元上调至230美元，较上周五收盘价由近45%的上涨空间。该行继续认为，SpaceX在以下领域具备良好的扩张条件航天业务(发射与可重复使用)、连接业务(宽带及移动卫星星座)以及AI业务(算力、X等)。在未来5年以上的时间跨度内，上述每一个市场都有潜力发展成为规模达数万亿美元的机会。
与此同时，高盛仍然看好合并后公司的垂直整合战略，以及由此形成的结构性成本和竞争优势。该行预计，这些优势将在未来几年进一步积累并增强发展势头。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
法国工业巨头施耐德电气(Schneider Electric SE)宣布以约226亿美元收购美国工业软件公司PTC Inc.，创下公司史上最大规模并购纪录，标志着欧洲工业企业在AI浪潮中加速押注的新阶段。
此次收购以全现金方式完成，收购价格较PTC最近收盘价溢价逾40%。施耐德电气首席执行官Olivier Blum表示，此次交易将打造"业内最完整的软件与AI强力组合"，PTC首席执行官Neil Barua则称，合并后公司将"获得大幅扩展的规模与资源，加速创新并拓展地理版图"。
消息公布后，巴黎上市的施耐德电气股价重挫，盘中跌超10%，收跌近10%，创2025年1月以来最大日跌幅，PTC美股当天则大幅收涨约33.5%。
交易计划于2027年第三季度前完成，资金来源包括最高60亿欧元的股权发行及最高170亿欧元的新增债务，桥接融资由摩根士丹利和法国兴业银行提供。摩根士丹利担任施耐德电气的主要财务顾问，Evercore担任PTC的顾问。
战略逻辑填补工业软件版图缺口
施耐德电气此次收购的核心目标，是将PTC在工业产品计算机辅助设计领域的专业能力纳入旗下，从而构建覆盖工业产品设计与制造全生命周期的完整软件体系。
PTC总部位于波士顿，其工程软件服务涵盖汽车、航空航天及医疗技术等行业。
Jefferies分析师Lucas Ferhani在研究报告中指出，此次交易"从战略角度填补了施耐德软件组合中最后剩余的缺口之一"。
施耐德电气今年已在并购领域动作频频。今年7月，该公司以31亿美元收购工业数据与AI软件公司Cognite，此次收购PTC则将其AI工业软件布局推向新高度。同期，竞争对手ABB Ltd.也于7月以55亿美元收购英国工业部件公司Rotork Plc，西门子本月亦对核心业务进行重组，以更好整合数字与实体产品。欧洲工业企业围绕AI需求与数据中心基础设施的扩张竞赛正在提速。
财务压力高杠杆与漫长回报周期
尽管战略逻辑获得分析师认可，此次交易的财务代价依然沉重，市场反应亦折射出投资者的疑虑。
按每股205美元的收购价计算，较PTC最近收盘价溢价42%，距其历史高点仅低5%。若计入承接的净债务，交易总价升至约240亿美元。施耐德电气预计，该收购需要五年时间才能实现与资本成本相当的回报。据彭博汇编的预测数据，PTC预计至2031年的运营利润仅约15亿美元，而预期在三年后实现的成本节余仅能额外贡献2.8亿美元。
RBC分析师Mark Fielding领衔的团队认为，PTC是一项"高质量、高利润率"资产，但同时警告整合挑战不容忽视，并指出"显著的杠杆积累可能重燃市场对施耐德长期资本配置的担忧"。
融资时机同样令人关注。彭博评论指出，当前法国10年期国债收益率已接近5%，远高于六个月前逾3.5%的水平，欧元兑美元汇率亦有所走弱，这意味着此次融资成本明显高于更早时点。研究机构Oxcap Analytics的分析师还提示，PTC属于稀缺标的，不排除吸引竞争性买家的可能。
欧洲AI竞局工业赛道的差异化突围
在消费级AI领域，欧洲已明显落后于美国和中国，但施耐德电气、西门子、ABB等工业巨头仍在工业客户服务及数据中心组件供应领域保持竞争力。
施耐德电气市值约1580亿欧元，长期受益于数据中心建设热潮带来的能效需求，被瑞银(UBS Group AG)策略师列为欧洲"AI赋能者"之列，今年截至上周五股价累计涨幅接近30%。
工业软件企业相较于SAP SE、Salesforce Inc.等通用软件公司，受AI替代冲击相对有限。分析人士认为，这是因为工业软件的价值高度依赖对专有数据的访问权限，且其所针对的生产流程对错误容忍度极低，形成了较高的竞争壁垒。
Olivier Blum上任仅两年，便主导了这笔公司史上规模最大的交易。彭博评论认为，此举背后或存在一种潜在焦虑——若不尽快出手，竞争对手可能捷足先登，尤其是在美国当前相对宽松的反垄断环境可能不会持续太久的背景下。施耐德电气历史上曾多次通过并购实现成功扩张，包括在美国市场的多笔交易，这或许是支撑此次激进押注的最重要底气所在。
本文转载自“美股投资网”，美股投资网财经编辑冯秋怡。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
据知情人士透露，在Meta，使用Anthropic编程助手Claude Code的员工人数已大幅下降，近期降至约30,000人。根据《The Information》查阅的内部数据，这一数字低于今年早些时候的约60,000名用户。部分降幅源于春季的裁员，当时裁减了Meta78,000名员工中约10%的人力。
但更重要的因素是Meta开发了自有的AI编程工具及其MuseSpark系列AI模型，该公司正向其他公司推广这些模型，并敦促自家员工使用。内部数据显示，Meta于8月开始向外部客户测试的Muse Code(一款使用 Meta 模型且与 Claude Code 竞争的产品)近期拥有超过6,000名员工用户。另一款仅供内部使用的类似工具MetaCode则拥有超过 30,000名用户。
据两位知情人士透露，微软高管今年早些时候预计，该公司内部使用Anthropic技术的支出有望达到至少10亿美元。其中一位知情人士表示，在微软要求员工减少使用 Claude以节省成本，并花更多时间使用微软自研的AI工具后，该公司已将这一数字削减了三分之一以上。(该数字不包括客户通过微软工具在Anthropic模型上的支出，这部分支出一直在稳步增长。)
本文由美股投资网（TradesMax.com）研究团队调研获悉。
现实世界却开始对AI说“不”。
美东时间周一，美股三大指数集体上涨，纳斯达克指数在英伟达、微软等大型科技股带动下再次创下历史新高。这已经是纳指连续第二个交易日大幅上涨。
推动市场的逻辑并不复杂。美国9月非农就业数据弱于预期，市场迅速下调了对美联储继续加息的押注。交易员目前预计，美联储10月政策会议加息的概率只有24%，而一周前这一数字还高达70%。
利率压力下降，油价回落，科技股继续上涨。华尔街再次把钱压向AI。
但就在资本市场不断为AI刷新估值的同时，一个完全相反的趋势正在全球出现。
特朗普强调美国必须赢得AI竞赛，微软、Meta、亚马逊、谷歌、英伟达不断宣布更大的数据中心、更大的GPU集群、更高的资本开支。
问题是，越来越多普通居民开始问一句非常现实的话：
这些数据中心，到底为什么要建在我家旁边？
这可能是当前AI投资浪潮中最容易被忽视，却又最重要的变化。
AI越成功，对数据中心的需求越大；数据中心越多，对电力、土地、水资源和电网的消耗就越大；而基础设施规模越大，当地居民的反弹反而越强。
换句话说，AI最大的瓶颈，未来可能不再是GPU。而是有没有地方愿意让你建。
欧洲420亿美元投资被卡住
过去两年，市场一直担心英伟达GPU够不够、HBM够不够、电力够不够。
现在，一个新的问题出现了。
即使你有GPU、有服务器、有钱、有电，你可能仍然拿不到许可。
研究数据显示，由于公众反对、审批收紧以及监管限制，欧洲已经有大约420亿美元的数据中心投资受到影响，其中包括大量项目延期甚至取消。
今年1月至4月，欧洲就有超过70个数据中心项目遭到否决或者限制，这一数字甚至已经超过2025年全年。
更值得注意的是，阻力已经不再只是几个居民在社区里举牌抗议。
它正在从地方政府一路蔓延到法院、监管机构甚至议会。
这意味着数据中心面对的已经不是简单的“NIMBY”，而是一场逐渐制度化的基础设施阻力。
欧洲原本正在拼命追赶美国AI，但现在最尴尬的事情出现了：欧洲想要AI，却开始不愿意承担AI背后的物理成本。
巴黎高等商学院研究能源转型的副教授奥利维尔·达尔穆尼甚至警告，这可能成为压垮欧洲AI竞争力的“最后一根稻草”。
原因其实非常现实。很少有人愿意接受家附近突然出现一座巨大的数据中心。
因为AI的好处可以分散给全社会，而数据中心的成本却高度集中在当地。
AI的收益是全国性的，甚至是全球性的；但是噪音、耗电、用水、土地占用、电价上涨和电网压力，却全部落在少数几个社区头上。
谁得到好处，和谁承担成本，并不是同一批人。
于是矛盾开始爆发。
欧洲正在给数据中心踩刹车
爱尔兰曾经因为数据中心电力需求过大，暂停相关项目。
随后苏格兰也暂停了部分新建超大规模数据中心的规划审批。
北欧原本是数据中心运营商最喜欢的地区之一，因为那里土地充足，可再生能源丰富，气候寒冷还可以降低冷却成本。
但现在连北欧也开始收紧。
随着大型数据中心的电力申请激增，丹麦通过紧急法案，使数据中心未来在申请电网容量时可能处于更加不利的位置。
西班牙则提出新的数据中心规则，要求数据中心80%的电力必须来自可再生能源。
英国一些项目则因为当地居民强烈反对而陷入停滞。
表面上看，这些政策是在规范数据中心。
但从投资角度看，本质其实只有一句话：建设AI基础设施的门槛正在越来越高。
过去建数据中心最大的竞争力可能是资本。
未来最大的竞争力可能变成四样东西：土地、电力、电网接入和当地Z府支持。
而这几样东西，恰恰都不是可以无限复制的。
一座AI数据中心，可能像“幽灵仓库”
为什么当地居民的反弹越来越强？
因为超大规模AI数据中心和传统互联网数据中心已经不是一个概念。
过去很多人对数据中心的想象，是一栋普通建筑，里面放满服务器。
但AI时代的数据中心正在迅速变成工业级基础设施。
几十万块GPU持续运行，需要巨大的电力输入，需要冷却系统，需要备用电源，需要电池，需要变电设施，还需要大量土地。
这些设施建好之后，占地巨大、耗电惊人，但永久性就业岗位却未必特别多。
这就产生了一个非常尖锐的问题：
当地居民到底得到了什么？
一家耗电量接近一座城市的数据中心进入社区，可能提高土地需求、增加电网投资压力、消耗水资源，却不一定能够像制造业工厂一样创造数千个长期就业岗位。
这也是为什么一些欧洲学者把数据中心形容成巨大的“幽灵仓库”。
外面看起来规模惊人，里面装着价值数十亿美元的GPU，但真正需要长期驻场工作的员工并没有那么多。
于是AI产业的价值越高，这种矛盾反而越明显。
美股投资网认为，这很可能成为未来几年AI基础设施投资最重要的重新定价逻辑之一。
市场过去一直在讨论“GPU短缺”。
下一阶段真正稀缺的可能不是GPU，而是能够合法、快速、低成本地部署GPU的地点。
AI真正的稀缺资源，正在从芯片转向Land + Power + Interconnect，也就是土地、电力和电网接入。
韩国也开始出现同样的问题
如果你认为这是欧洲特有的问题，那就错了。类似的矛盾正在韩国出现。
韩国拥有三星电子和SK海力士，是全球AI半导体供应链最核心的国家之一。
今年6月，韩国z府甚至把数据中心与半导体、Physical AI并列为三大重点投资项目。中央显然希望快速扩张AI基础设施。
但是到了地方层面，情况完全不同。韩国部分地区已经出现居民长期抗议数据中心建设的情况。
7月，韩国官员宣布，计划要求部分拟建数据中心项目必须获得附近200米范围内多数居民同意，同时引入新的项目审查和纠纷调解机制。
首尔一个社区的居民甚至要求Z府撤销已经发出的建筑许可证。
这些居民连续数月在当地Z府办公楼外抗议，截至8月中旬，示威已经持续172天。
首尔南部的果川市，还有地方议员提出新的法规，希望限制全天候运行的数据中心可能带来的安全风险，其中就包括备用电池火灾。
这说明一个非常重要的问题。AI基础设施虽然是国家战略，但数据中心最终必须落在某一个具体城市、某一块土地、某一个社区。
国家想要AI，地方却未必想要数据中心。
这将成为未来全球AI扩张过程中越来越大的矛盾。
一家社区，真的可能挡住100亿美元？？
Alvarez & Marsal的一位负责人说过一句非常值得投资者注意的话：
一个社区，可能有能力阻止一个价值100亿美元的数据中心计划。这句话其实直接点出了未来AI产业的一个巨大风险。
微软、Meta、亚马逊、谷歌可以批准几百亿美元资本开支。英伟达可以不断推出更强GPU。
台积电可以不断增加先进制程产能。SK海力士和美光可以不断增加HBM产量。
但到了产业链最下游，所有这些芯片最终都必须插进服务器，而服务器必须放进数据中心。
数据中心必须接上电网。电网必须通过审批。项目必须获得土地。当地居民还必须愿意接受。
只要其中一个环节被卡住，前面的几百亿美元资本开支都无法真正转换成算力。
这就是为什么我们美股投资网一直认为，AI产业真正值得关注的已经不只是芯片。
电力、变压器、配电、储能、冷却、土地、电网接入以及拥有现成电力资源的数据中心运营商，未来都可能获得越来越大的战略价值。
因为AI不是活在云里。所谓“云”，最终还是一栋栋真实存在的建筑，一根根电缆，一个个变电站，以及几十万块持续耗电的GPU。
最讽刺的一幕正在出现
特朗普和美国科技巨头都在强调，美国不能输掉AI竞赛。欧洲也在强调AI主权。
韩国也把AI基础设施提升到国家战略层面。
但当这些国家真正开始大规模建设AI基础设施时，却发现最大的阻力是自己国家的居民。
PS：华尔街正在疯狂招AI人才
有意思的是，当现实世界开始抵制AI基础设施时，华尔街内部却正在全面拥抱AI。
摩根大通、花旗集团、Capital One等金融机构发布的AI相关职位同比增长49%，达到139,819个。
其中一个职位增长尤其夸张。
Agent Orchestration，也就是“AI智能体编排”相关岗位，今年职位引用量暴增1,721%。
所谓Agent编排，并不是再做一个GPT聊天机器人。而是让多个AI智能体像一个团队一样协同工作。
一个Agent读取原始数据，一个Agent分析文件，一个Agent检查风险，另一个Agent负责合规审查，最后再由一个Agent把所有结果整合起来。
过去一个金融业务流程可能需要五个人。
未来可能只需要一个人管理五个AI Agent。
这才是华尔街真正开始担心、同时也真正开始下注的下一阶段AI革命。
生成式AI相关职位的薪资也明显高于传统金融科技岗位，其中生成式AI经理的基本薪资中位数已经达到大约19万美元。
这说明金融业对AI的态度非常明确。
AI已经不再只是一个提高效率的辅助工具，而是在开始重构公司的组织结构。
未来银行需要的人可能越来越少，但能够设计、管理和协调AI系统的人会越来越贵。
于是整个AI时代出现了一个非常奇怪的画面。
重磅推出，美股大数据 StockWe.com推出７X24小时AI替你监控美股动态功能，你只需输入美股代号，我们的量化AI系统能帮你每分钟追踪这公司一切重磅更新，包括
下载美股大数据 APP StockWe.com/APPsetup
美股投资网获悉，摩根士丹利发布半导体行业研报指出，DRAM内存短缺将贯穿本轮AI产业周期，而AI算力扩张不会等待新晶圆厂建成投产。行业正通过硬件降配、推理架构解耦、CXL内存池化三大技术路径绕过内存瓶颈，在供给约束下持续推进算力建设。该行继续看好美光(MU)、闪迪(SNDK)等存储龙头，同时看好CXL互联、异构推理赛道的增量机遇，推荐Astera Labs(ALAB)、Marvell(MRVL)、Cerebras(CBRS)及英伟达(NVDA)。
大摩强调，当前 AI 内存短缺并非短期扰动，而是算力性能增长远超内存供给速度的结构性矛盾。前沿大模型规模每 6 个月翻一番，头部模型上下文窗口年增速达 5-6 倍，叠加推理并发需求持续提升，内存容量与带宽需求持续爆发。而 DRAM 晶圆厂建设周期长达数年，供给弹性极低，短缺格局将持续数年。英伟达CEO黄仁勋也公开表示，行业需要转变思路，通过架构创新应对内存约束，而非单纯等待产能扩张。
面对 HBM 与主存供给紧张，行业最直接的应对方式是选择性降低单设备内存规格(De-speccing)。以英伟达 Rubin 架构为例，单机架 LPDDR5 容量从原计划 54TB 降至 28TB，单 GPU HBM 容量从 288GB 下调至 192GB，通过降低内存堆叠高度保障整机出货量。大摩指出，降配并非消除内存瓶颈，而是将压力在内存层级间转移：削减高速本地内存后，KV 缓存等非高频数据向 NAND 存储下沉，同时跨 GPU 数据交互增加，带动对网络互联带宽的需求，本质上是以更高速的网络互联、更低成本的存储资源，补充稀缺的高带宽内存。
第二条破局路径是推理架构解耦(Disaggregation)。AI推理包含预填充(Prefill)与解码(Decode)两个差异显著的阶段：Prefill 以算力消耗为主，Decode则高度依赖内存带宽。传统架构用同一加速器兼顾两类任务，资源利用率偏低。当前行业正加速走向异构推理，将两个阶段拆分至不同硬件：算力密集型Prefill由通用GPU承担，内存带宽密集型 Decode 则由搭载大容量片上 SRAM 的专用加速芯片处理。
典型代表包括Cerebras的晶圆级引擎、英伟达收购的 Groq LPU 架构，均能在解码阶段提供远超传统 GPU 的内存带宽效率。大摩认为，异构推理将成为 AI 基础设施的重要演进方向，专精解码环节的算力厂商将获得明确的增量市场。
第三条路径是 CXL 技术重构内存体系。CXL(计算高速互联)通过高速互联实现内存的扩展、共享与池化，让内存不再绑定单一处理器，成为突破内存容量约束的核心技术路径。大摩测算，AI需求将推动 CXL 及相关内存附加芯片市场规模在 2030 年达到约 60 亿美元，远超传统 CPU 内存扩展市场体量。其核心价值在于构建分层内存架构：最高频数据保留在HBM，次高频数据放入 CXL 内存池，低频冷数据下沉至 NAND，用成本梯度匹配数据访问频率。
投资主线方面，大摩重申三大方向：一是继续超配美光、闪迪，降配源于供给短缺而非需求走弱，AI内存需求长期向上，供给缺口将持续消化产能；二是布局 CXL 与 scale-up 互联龙头 Astera Labs、Marvell；三是关注异构推理受益者Cerebras，以及通过收购Groq完善异构布局的英伟达。
风险提示：AI 算力需求增速不及预期；CXL 技术落地进度慢于预期；内存产能扩张超预期。
特斯拉(TSLA)三季度交付48.65万辆、超出市场共识约5%，但摩根大通在数据公布后维持中性评级和415美元目标价，摩根大通认为，特斯拉交付亮眼难掩近期盈利压力，EPS拐点要等到2028年，届时或开启50%以上的年复合增长。
投资者在此之前面对的是一段利润率压缩期。摩根大通对特斯拉2026年和2027年的调整后EPS预测分别为1.43美元和1.45美元，大幅低于彭博共识的1.65美元和2.22美元。
按当前股价354美元计算，特斯拉对应2026年约248倍的市盈率。摩根大通此前曾从2023年10月起连续维持减持评级，直至今年6月才上调至中性——即便如此，这份报告对近期盈利的预期仍明显低于市场。
交付超预期，但储能不及预期
三季度交付较摩根大通预期高出约1%，较公司汇编共识和彭博共识分别高出约5%和3%。Model 3/Y交付约47.82万辆，较公司汇编共识高出6%，是超预期的主要贡献；其他车型交付约8300辆，高于摩根大通预期的6500辆，但低于公司汇编共识的1.13万辆。
区域表现分化明显。欧洲成为亮点，FSD已在克罗地亚、斯洛文尼亚和捷克获得监管批准，韩国和澳大利亚销售分别同比增长15%和21%——摩根大通将后两个市场视为FSD激活后需求提升的有效参照。不过，全欧盟范围的FSD审批投票已从原定的10月推迟至12月。美国市场销售同比下降26%，但主要源于去年联邦税收抵免到期前抢购潮造成的高基数，四季度起同比压力将显著缓解。
储能业务低于预期。三季度部署约13.7 GWh，分别低于摩根大通预期15.0 GWh、彭博共识15.3 GWh和公司汇编共识15.9 GWh，部分抵消了汽车交付的利好。Robotaxi方面，得州注册Cybercab数量已超过100辆，活跃车队规模仍较小，FSD v15的发布进展将是10月21日三季度财报的关注焦点。
近期盈利承压毛利率低迷叠加支出激增
摩根大通维持低于共识的EPS预测，原因在于汽车毛利率低迷和运营支出的快速攀升。
据其预测，特斯拉2026年和2027年整体毛利率均为18%，到2028年才回升至20%。EBIT利润率的收窄更为显著2026年仅1.3%，2027年进一步降至1.1%，2028年回升至3.5%。
支出端的压力来自两个方向。研发费用从2025年的64亿美元跃升至2026年的96亿美元，2027年和2028年预计分别达到118亿和134亿美元，反映出Robotaxi、Optimus人形机器人和FSD等新业务的大规模投入。资本开支同样激进2026年预计达233亿美元，占收入的21.5%，2027年和2028年分别为240亿和250亿美元。
大规模支出直接导致自由现金流转负。摩根大通预计，特斯拉自由现金流将从2025年的正72亿美元骤降至2026年的负100亿美元，2027年和2028年分别为负119亿和负95亿美元。公司预计将在2026-2028年间累计净增发约300亿美元债务，资产负债表将从净现金转为净负债。
2028年拐点与3.9万亿美元远景
摩根大通预计，调整后EPS将从2027年的1.45美元跳升至2028年的2.15美元(增长48%)，此后加速至2029年的3.50美元和2030年的6.00美元，对应50%以上的年复合增长率。
盈利加速的主要驱动力并非传统汽车——汽车收入在2026-2028年间仅从769亿增至918亿美元——而是服务收入(涵盖FSD订阅、充电网络等)的快速膨胀从2026年的183亿美元增至2028年的370亿美元，到2030年达到836亿美元。
估值方面，摩根大通采用P/E法和分部估值法(SoTP)各50%权重，得出415美元的目标价。P/E法基于2030年EPS给予75倍市盈率，折现后每股354美元；SoTP法描绘了2035年远景Robotaxi以3190亿美元收入、5倍EV/Revenue贡献约1.58万亿美元市值，Optimus人形机器人以470亿收入、15倍估值贡献7050亿美元，FSD订阅和AI计算授权等高利润业务合计贡献超1万亿美元，整体隐含企业价值约3.9万亿美元，折现后每股476美元。
不过，摩根大通指出这些新的可寻址市场不太可能在2029年之前出现实质性拐点。在3.9万亿远景兑现之前，股价走势更多取决于Robotaxi和Optimus的阶段性进展，而AI相关大型IPO可能在这一时期引发资金分流。在下行风险中，摩根大通提及CEO参与政治活动对品牌的潜在损害，以及Robotaxi和Optimus在执行和监管层面的不确定性。
本文转载自“美股投资网”，作者高智谋；美股投资网财经编辑严文才。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
美股投资网获悉，华尔街金融巨头伯恩斯坦最新发布的研究报告显示，AI云计算领域正在进入“AI智能体狂潮主导之下的人工智能算力需求井喷式扩张、AI推理负载升级、平台价值重分配”同时发生的新阶段，投资机会也随之从GPU算力供给延伸至攸关企业数据运营、企业核心操作流程、连接业务工作流与智能体开发、部署与运行综合平台的云计算领军者们。
伯恩斯坦表示，当前全球云计算行业正经历自微软Azure崛起挑战亚马逊AWS以来最重要的一轮竞争变化训练需求催生以GPU为中心的数据中心扩建，为CoreWeave等新云服务商打开IaaS基础设施市场;随着AI推理负载逐步走向企业生产环境，则扩大CPU、GPU、数据库、存储及软件平台的协同算力运营需求;OpenAI、Anthropic进一步从AI大模型供应商转向AI智能体开发平台供应商，既为合作云计算厂商贡献更大的基础设施订单，也开始争夺PaaS云计算厂商们的软件入口、客户关系和利润空间。
伯恩斯坦分析师团队因此更加看好微软、甲骨文和MongoDB，但对单纯出租AI GPU算力基础设施的新云企业长期竞争力更为审慎。该机构的核心投资判断在于，AI算力资源需求增长能够扩大AI云租赁市场，却不会让所有云企业获得相同的定价权和AI时代的强劲资本回报。这一判断与近期产业数据形成呼应微软7月财报披露，Azure及其他云服务季度收入增长43%，需求仍超过可用产能;甲骨文9月公布的季度IaaS收入增长121%至74亿美元，剩余履约义务达到6,640亿美元，显示需求正在转化为收入和长期合同。
AI智能体如何逐步放大云计算需求?结合伯恩斯坦研究报告以及AI推理工程推演，Muse与Astra所代表的变化，是把一次问答扩展为包含规划、检索、工具调用、执行、检查和重试的任务过程Meta披露Muse运行在拥有浏览器的专用安全虚拟机中，用户关闭应用后仍可继续处理任务;OpenAI披露Astra增强了计算机操作与多步骤专业工作能力，这些能力进展本身并不等于AGI已经得到确认。
当使用规模扩大，模型调用增加GPU推理负载，浏览器、代码与工具执行增加CPU需求，长上下文与并发会话提高内存及缓存需求，持续状态和企业知识访问增加数据库与存储需求，生产部署进一步拉动身份、安全、监控和工作流编排等PaaS服务。Anthropic与Akamai签署的七年116亿美元协议明确面向CPU工作负载，就是AI需求向GPU之外扩散的实例;其与亚马逊(Amazon)AWS、Google云计算/博通(Broadcom)、微软Azure云计算、SpaceX旗下AI云计算租赁平台等合作，也体现了多供应商基础设施配置。
对于面临CoreWeave这类新云势力强势崛起之下的AI云计算领域潜在IaaS/PaaS赢家，伯恩斯坦给予微软(MSFT)、甲骨文(ORCL)以及MongoDB(MDB)“跑赢大盘”这一最积极评级，予以的最新目标价分别意味着未来12个月约28.7%、135%以及35%潜在上行空间，该机构对于AI云数仓与企业云数据库领军者Snowflake(SNOW)则予以“与大市同步”评级，目标价意味着10%左右潜在上行空间。
毋庸置疑的是，AI云仍是产业资本投入和盈利预期的重要方向，股票资金则正在筛选能够留住利润的环节。OpenAI以约1.4万亿美元估值寻求新融资，以及Anthropic谋求超过2万亿美元IPO估值，反映出全球资本市场对AI相关收入创造空间的极高预期，相比AI应用估值叙事，聚焦推理端的AI算力资源供给链已有更具体的强劲需求依据媒体披露Anthropic未来约十年5180亿美元的基础设施安排，其中约80%具有不可取消或按约定支付的性质，Anthropic 2025年营收增至上年的约12倍、接近46亿美元，经营亏损超过80亿美元，算力与基础设施支出达到73.3亿美元，约为2024年的三倍，占126.5亿美元总经营费用的约58%;;韩国9月半导体出口603亿美元、同比增长262.8%，官方同时指出存储出口数量与合同价格上升。
算力账单越滚越大IaaS扩容潮中的增长与分化
伯恩斯坦对于AI时代IaaS的投资逻辑，是传统云计算持续增长之上叠加AI算力需求持续井喷式扩张带来的强大增量，报告引用的Gartner预测显示，全球IaaS市场将由2025年的约2,230亿美元，增长至2026年的2,870亿美元、2030年的6,620亿美元;其中传统IaaS由2,010亿美元增至4,880亿美元，AI优化IaaS则由220亿美元增至1,740亿美元。
按伯恩斯坦研究报告图示数值的测算显示，2025—2030年整体市场复合增长率约24.3%，AI优化部分约51.2%，后者占比从约9.9%升至26.3%。伯恩斯坦分析师团队表示，这也意味着AI既创造高速增长的新型AI云计算基础设施市场，企业原有计算、存储与应用迁云也仍贡献庞大的绝对增量。
竞争格局方面，2025年Gartner口径下AWS、微软、谷歌、阿里巴巴的IaaS份额分别为35%、24%、10%、8%;IDC对应数字为41%、16%、8%、4%，两大调研机构均将CoreWeave市场份额计为约2%。差异主要涉及IaaS与PaaS的收入划分，例如IDC将更多甲骨文(Oracle)收入归入PaaS，因此不能把不同机构的份额拼接成同等的同一张竞争地图。
伯恩斯坦研究报告还提出一个值得投资者追踪的问题2030年1,740亿美元的AI优化IaaS收入，如何与市场讨论的万亿美元级GPU投入相协调?可能涉及企业自建、部分投入最终通过PaaS变现，以及行业预测偏高或Gartner等市场调研机构的基准预测偏低。
新云的阶段性优势来自算力稀缺，但企业推理的长期竞争力需要完整的软件与数据体系。伯恩斯坦研究报告把行业演进划分为三个相互衔接的变化首先，GPU训练集群对供电、冷却及高带宽低时延网络提出更高要求，传统数据中心需要改造或重建，供需缺口因此为新云企业及甲骨文创造进入机会;其次，AI支出从训练向推理扩展，伯恩斯坦估计，推理年度支出最终可能达到训练的5—20倍，但没有给出明确兑现年份;再次，企业推理需要连接实际业务，其基础设施必须支持模型计算、CPU应用执行和企业数据访问。
伯恩斯坦表示，由此趋势所产生的“数据引力”，会把部分AI负载吸引至企业已经部署数据库、权限体系和应用的平台。报告对新云提出五项约束难以超越GPU型IaaS;大型云客户在供给充足后可能将负载转回自有设施;采用开源数据库及开发工具并不自动形成差异化;企业数据迁移具有阻力;当前供需失衡可能在未来两年改善。
伯恩斯坦表示，对于投资者们而言，真正需要长期检验的逻辑在于，新云势力能否把短期交付优势转化为长期客户留存、利用率和现金回报;与此同时，研究报告认为甲骨文凭借主权云、私有云及AI数据中心形成连续增长动力，有机会进一步接近微软、亚马逊以及谷歌这类AI云计算基础设施第一梯队。
谁掌握智能体入口，谁强势分享云利润PaaS迎来价值重估
AI实验室正在成为PaaS的重要竞争者，但收入分类仍处于形成阶段。伯恩斯坦报告引用数据显示，2025年全球PaaS规模按Gartner口径约为2,252亿美元，按IDC口径约为2,275亿美元;依据各自2024年数据计算，同比增长分别约25.8%和42.3%。IDC将微软列为第一，份额21%，其后为AWS的12%、谷歌的9%，OpenAI约6%、Salesforce约5%、Oracle约4%，Anthropic、Snowflake、Databricks等各约2%;Gartner合并传统与AI PaaS后，则由AWS以19%领先，微软15%、谷歌10%，OpenAI约2%、Anthropic不足2%。
更具方向意义的是，同一口径下AI实验室份额均在上升IDC统计OpenAI从2024年的2.1%升至2025年的5.7%，Anthropic从0.4%升至1.9%;Gartner对应变化为1.0%至1.7%、0.3%至1.1%。
模型API、开发工具、编码产品及智能体软件的收入计量边界尚未统一，而两家AI实验室扩大平台业务的方向已经比较清晰。伯恩斯坦预计，其2026年份额存在进一步升至高个位数乃至低双位数的可能，具体取决于收入归类及整个PaaS市场的增长速度，这仍属于前瞻判断。
从模型走向平台，意味着AI实验室开始争夺企业软件的开发与运行入口。伯恩斯坦研究报告认为，Anthropic由Claude模型延伸至Claude Code，再进入自动化和智能体应用开发;OpenAI则在ChatGPT、搜索与研究产品之外，加速发展Codex和智能体开发能力。这些工具不仅帮助构建AI应用，也能提高传统软件开发、测试和维护效率。平台化能够增加工作流整合与客户黏性，从而缓解开源或开放权重模型竞争、Token价格下降对单纯模型业务的压力。
伯恩斯坦援引的Gartner报告显示，2025年OpenAI企业收入大约50亿美元，其中基础生成式模型占57%、专用模型4%、AI开发平台15%、其他应用软件24%;Anthropic企业收入约33亿美元，对应基础模型70%、专用模型7%、其他应用软件23%。不过这些是企业业务分类估计，不能等同于公司全部收入或年化收入运行率。
同期AI应用开发平台市场约68亿美元，微软、AWS和谷歌分别占24%、14%、14%，OpenAI占11%，对应约7.5亿美元;基础生成式模型市场中，OpenAI、Anthropic和谷歌分别占25%、20%、18%，合计63%。这组数据说明，模型与平台两层竞争已经同时展开。伯恩斯坦甚至预计，2026年开发平台收入可能超过模型收入，但编码产品究竟归入PaaS还是SaaS仍待厘清;其更大的战略机会，是成为其他软件企业构建产品的底层平台，而非逐一进入CRM、HCM等垂直市场。AI实验室拥有模型理解优势，云巨头和既有SaaS厂商则拥有客户数据、业务语义、部署、安全及管理体系，竞争因此会延伸到整套企业交付能力。
伯恩斯坦在AI云计算领域的选股落点，是能够将AI使用量转化为持续收入、客户留存和利润的企业。微软的优势在于，同时承载OpenAI、Anthropic、多种第三方模型和自有模型，并以广泛的开发工具及企业数据沉淀吸引新增AI负载;甲骨文则覆盖AI数据中心、OCI Gen2公有云、私有云、Alloy白标IaaS/PaaS及主权云，OpenAI的平台业务发展能够强化其重要客户需求，同时现阶段并不直接替代Oracle核心数据库产品，报告还指出，多云合作推动其云数据库近几个季度实现三位数增长。
伯恩斯坦表示，MongoDB的逻辑更直接——即AI应用仍或者AI智能体大规模渗透至各行业都长期需要持久化数据、查询和状态管理，应用增加可能扩大数据库使用量，报告认为AI实验室与新云目前并未直接瞄准其数据库市场。相比之下，Snowflake向AI平台延伸，也使其面临AI实验室与超大规模云厂商的双重竞争。
伯恩斯坦强调投资者们应沿着IaaS交付能力、PaaS开发入口和企业数据基础设施寻找收入兑现，同时检验折旧、电力、融资和竞争成本之后的自由现金流;投资风险方面，伯恩斯坦补充表示，微软面临云价格竞争和安全风险;甲骨文需要处理客户集中、AI需求兑现及云业务增长风险;MongoDB需要防范云增长放缓、基础设施成本和费用上升。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
美股投资网获悉，特斯拉(TSLA)股价在2026年大幅下跌，但华尔街分析师却越来越不愿建议投资者卖出该股。
汇编数据显示，在61位分析师对特斯拉的评级中，“卖出”评级目前仅占13.1%。这是自2023年4月以来的最低占比，当时对利润率的担忧拖累了其估值，12.8%的分析师建议卖出该股。今年1月，“卖出”评级占比曾达到2026年高点的23.3%。
看空声音的退潮，正值首席执行官埃隆·马斯克试图将特斯拉从一家汽车制造商转型为物理人工智能(AI)巨头，将重心从电动汽车转向自动驾驶出租车和人形机器人。
“市场现在有种‘不要做空马斯克’的氛围，”富兰克林邓普顿投资解决方案高级副总裁马克斯·戈克曼表示，“事实证明，即便多次延期，他的宏大构想仍有落地可能。对分析师而言，持中性观点，好过给出错误判断。”
富兰克林邓普顿持有特斯拉股票。
不过，质疑情绪的减少未必意味着乐观情绪的增加。特斯拉最新一笔“卖出”评级消失，并非因为某位分析师上调了评级，而是因为长期看空者科林·兰根离开了富国银行。兰根离职后，该行暂停了对特斯拉及其他17家汽车公司的覆盖。
与此同时，对特斯拉的“持有”等效评级占全部推荐评级的比例升至两年多来的最高水平。特斯拉股价今年已下跌21%，而标普500指数同期上涨12%。
在大型科技巨头中，特斯拉依旧属于特例。在美股“七巨头”中，有五家公司的负面评级分析师占比不到2%，而看空苹果(AAPL)的分析师也仅有10.7%。
Tigress Financial Partners的伊万·费恩塞斯表示，覆盖特斯拉的分析师“日益认识到，该公司在自动驾驶、机器人和AI方面可能拥有显著的选择权价值，这使得采用传统车企估值方式并不合适。但这也提高了执行门槛赋予这些未来业务的估值越高，特斯拉最终就越需要证明它们能够产生可观的收入、利润率和回报”。
特斯拉兑现这类宏大愿景的表现一直起伏不定。批评者长期以来一直指责马斯克和特斯拉过度承诺、未能按期兑现，而华尔街则一直在等待自动驾驶技术和Optimus机器人成为有意义的利润来源。
近几周，该公司的Cybercab首次亮相未能达到投资者预期，并引发联邦对其是否符合安全标准的调查。
尽管如此，马斯克已经实现了曾经看似遥不可及的雄心，他的支持者相信他能再次做到。许多看好马斯克的投资者还希望他将特斯拉与自己同样执掌的火箭、卫星和人工智能公司SpaceX(SPCX)合并。
“市场对AI概念股的整体趋势态度偏积极，但投资者已经回归理性，”SLC Management的德克·穆拉基表示，该公司通过指数持仓持有特斯拉股票。“他们要求看到营收潜力的证据，对估值也更加清醒。”他补充道，与之相对的是，“股票分析师群体整体偏向乐观。”
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
美股投资网获悉，AI云基础设施服务商Nebius(NBIS)宣布收购以色列人工智能初创公司Inferize，进一步增强其AI推理基础设施能力。Inferize专注于减少图形处理器(GPU)的闲置时间，并加快大型AI模型的部署速度。据以色列科技媒体Calcalist估计，此次交易金额介于1亿至1.5亿美元之间，但Nebius并未披露具体财务条款。
此次收购的核心在于提高GPU资源利用效率，尤其是在AI推理需求快速变化的情况下，帮助Nebius更迅速地调配计算资源，减少昂贵算力设备的闲置时间。
瞄准AI推理效率瓶颈 减少GPU闲置时间
Inferize的核心技术主要针对AI模型部署过程中的“冷启动”问题。冷启动是指AI模型在开始处理用户请求之前，需要完成模型加载及相关资源初始化的过程。当新的推理实例启动时，GPU可能需要等待模型加载完成才能正式投入运算，从而出现短暂的资源闲置。
这一问题在AI推理需求突然增加时尤其突出。随着用户请求激增，云服务商需要快速启动更多推理实例，但如果模型加载耗时较长，新增加的GPU资源便无法立即投入使用，影响服务响应速度和整体算力利用效率。
Inferize的技术旨在缩短这一等待过程，使新增推理资源能够更快投入运行，并让算力扩张更加贴近实际需求变化。
对于Nebius而言，这意味着公司有望在不必长期维持大量闲置GPU作为备用资源的情况下，更灵活地满足客户需求，提高现有基础设施的使用效率。
Nebius首席技术官Danila Shtan表示，高效运行AI推理服务不仅需要速度更快的GPU和经过优化的模型，整个系统还必须能够及时响应需求变化，包括在客户需求增加时迅速提供额外计算能力。他指出，Inferize不仅带来了加速这一过程的技术，还拥有一支在GPU系统方面经验丰富的工程团队。
Nebius计划将Inferize的工程师纳入旗下推理业务团队，并把相关技术整合至其AI推理平台Token Factory，以提升平台响应客户需求的能力，让现有基础设施承担更多实际计算任务。
Shtan同时表示，Inferize团队未来的贡献将不仅限于此次初步技术整合。
降低备用算力成本 提高AI基础设施运营效率
Inferize联合创始人兼首席执行官Guy Bortnikov表示，为了随时应对客户需求，云服务商通常需要维持一定规模的备用GPU资源，而这些处于待命状态的算力设备本身就意味着额外成本。他指出，Inferize成立的目的正是减少这部分成本，而加入Nebius能够使相关技术直接应用于实际运营的AI云平台。
在AI推理业务中，算力资源的调度效率直接关系到基础设施运营成本。由于GPU设备价格高昂，如果企业需要长期保留大量闲置算力以应对潜在需求高峰，就可能影响整体投资回报。
通过缩短模型启动时间、加快计算资源投入使用，Nebius有望在提高服务弹性的同时，减少对备用GPU容量的依赖。
值得注意的是，Bortnikov此前还曾联合创立计算基础设施优化软件公司Granulate。该公司主要开发提高计算资源运行效率的技术，并于2022年被英特尔(INTC)收购。这一背景也反映出Inferize团队在计算基础设施优化领域拥有相关经验。
接连收购AI技术公司 Nebius持续强化推理平台
本次收购Inferize，是Nebius近期围绕AI推理及模型优化领域展开的一系列收购行动之一。此前，Nebius已完成对Eigen AI的收购，交易价值达6.43亿美元。此外，公司近期还收购了AI技术公司Clarifai，但并未披露该交易的具体金额。
这些收购均旨在增强Nebius的AI推理和模型优化能力，进一步完善其AI基础设施服务。
与主要关注AI模型训练所需算力的基础设施投资不同，AI推理更加注重模型投入实际使用后的运行效率，包括请求处理速度、计算资源调度、模型部署以及单位算力成本等。
随着Nebius不断整合相关技术，其业务布局也正在从提供GPU计算资源，进一步延伸至提高AI模型实际运行效率的技术和服务。
此次收购Inferize将进一步补充Nebius在动态算力调度和模型快速部署方面的技术能力。不过，相关技术整合能够带来多大程度的成本节约和效率提升，仍有待后续运营表现验证。
最专业的美股资讯,推荐美股大数据 https://Stockwe.com/
如何识别美股市场异常波动？美国机构主力资金买卖情况，出货和吸筹，使用美股投资网VIP会员，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https://StockWe.com/ 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻，精准交易信号第一时间发到您手机APP！
微信分析师 微信公众号
