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，瑞穗首次覆盖Vistra Energy(VST)和Talen Energy(TLN)，均予“跑赢大盘”评级，目标价分别为169美元和405美元。
瑞穗分析师 Anthony Crowdell 表示，他认为Vistra是规模最大、战略定位最明确的商业电力平台之一，能够抓住由人工智能(AI)和数据中心建设推动的美国电力需求结构性跃升所带来的变现机会。
Crowdell指出，Vistra持续扩大其发电资产组合，近期通过收购Cogentrix 新增了5.5 吉瓦(GW)发电设施，覆盖ERCOT、PJM和ISO-New England区域。他预测，Vistra的自由现金流收益率将从2025年的约8%提升至2028年的约13%，反映出公司凭借精准的市场定位，充分受益于远期电力价格曲线后段的上行趋势，从而加速释放现金回报潜力。
分析师表示，考虑到调整后自由现金流五年复合年增长率有望达10%，Vistra当前的估值是一个极具吸引力的入场点。
Crowdell表示，他对Talen Energy的积极展望源于该公司在持续收紧的PJM电力市场中所具有的差异化布局。
他指出，Talen 98%的发电资产位于PJM 市场，使其能够受益于供需缺口扩大的趋势，这一趋势推动了最新一次容量拍卖价格从2024‑25年的29 美元/兆瓦日升至当前约330美元/兆瓦日的上限水平。Crowdell预测，Talen的调整后自由现金流收益率将在2028年达到14%。
分析师还提到，Talen旗下的Susquehanna核电站提供了稀缺的发电资源，并通过与亚马逊签订的购电协议锁定了合约现金流;此外，于今年6月完成的Cornerstone收购，为Talen在PJM市场新增了三座天然气发电厂，合计增加装机容量2.6吉瓦。
截至周一美股收盘，Vistra跌0.4%，收于135.66美元，今年迄今下跌近16%;Talen跌2.84%，收于305.535美元，今年迄今下跌逾18%。
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，华尔街金融巨头摩根士丹利的最新测算表明，随着AI算力产业链条由集中式AI训练进一步转向规模化AI推理进程，谷歌TPU主导的AI ASIC算力集群正从谷歌云计算业务内部的降本增效与定制化计划工具升级为可对外销售的高毛利AI云基础设施业务。百万颗TPU、大约350亿美元的潜在大规模批量供货承诺，促使摩根士丹利分析师团队将谷歌TPU系统售价假设由每吉瓦200亿美元大幅上调至270亿美元，并将毛利率假设由20%提高至30%。
摩根士丹利最新发布的一份研究报告显示，该行预计，谷歌2027年与2028年的TPU相关云收入将分别达到840亿美元和1080亿美元，合计接近2000亿美元。这也意味着谷歌母公司Alphabet(GOOGL)可能从巨额AI资本开支主要承担者进一步转变为AI算力系统租赁/出售超级平台，TPU则可能成为继搜索广告与公有云计算IaaS+SaaS业务之后的又一规模化收入增长引擎。
百万颗TPU撬动350亿美元订单!大摩谷歌剑指2000亿美元算力金矿
对于模型结构相对稳定、调用量巨大且能够长期保持高利用率的成熟模型、开源模型与AI智能体工作负载，TPU等专用AI芯片(谷歌TPU即为最典型的云计算大厂们自研AI ASIC技术路线)可以围绕低精度矩阵计算、内存访问和芯片互连进行深度优化，从而改善单位Token成本、每瓦吞吐量与总体拥有成本;与此同时，谷歌TPU算力集群同样可以承担大规模训练任务，因此更准确的趋势是GPU与ASIC/TPU形成异构算力分工。
也就是说，AI训练算子进程以及那些架构最复杂、变化速率最快的前沿AI工作负载仍高度需要AI GPU集群——前沿模型预训练、强化学习和快速变化的新算子仍更依赖GPU的可编程性、CUDA生态与NVLink/NVSwitch集群能力，而围绕成熟与开源体系AI大模型、Copilot、AI Agent(即AI智能体)的大规模AI推理工作负载则越来越适合专用的自研AI芯片。具体来看，谷歌将第八代TPU分为训练型TPU 8t和推理型TPU 8i8i通过更大的片上SRAM、288GB HBM和专用集合通信引擎优化KV Cache与低延迟推理，官方称其推理性价比较Ironwood提高最高80%。
在摩根士丹利、Wedbush Securities等持续看好AI算力产业链投资前景的机构们看来，AI推理时代的近乎无止境最前沿算力与围绕AI智能体的算力需求，使AI ASIC能够在不摧毁GPU需求的情况下成长为第二个万亿级算力生态的重要组成部分——反而进一步强化了“AI半导体超级周期不是单一GPU周期，而是整个数据中心硅含量指数级提升周期”的AI算力产业链投资逻辑。
摩根士丹利分析师布赖恩·诺瓦克领导的分析师团队在致客户的最新报告中写道“值得注意的是，近期媒体报道显示，Alphabet旗下的谷歌承诺以约350亿美元的价格供应约100万颗TPU——据我们估算，相当于约1.3吉瓦——折合约等同于我们此后上调后的每吉瓦约270亿美元。此前，我们假设谷歌在这些第一方合作关系中，以每吉瓦200亿美元的价格销售机架及系统，毛利率为20%。”“
此外，谷歌与迈威尔科技进一步扩大化的定制化芯片研发协议——我们的半导体研究团队曾在此撰文分析——与TPU定价及平均售价高于我们此前假设的判断一致，而且可以说为这一判断提供了支持。鉴于这些新信息，我们将TPU第一方销售额预期大幅度上调至每吉瓦270亿美元……销售毛利率则大幅提高至30%。总体而言，我们目前预计，谷歌将在2026年下半年销售0.3吉瓦的TPU系统，2027年销售3.2吉瓦，2028年销售4.2吉瓦。按照这一测算，2027年和2028年TPU相关的谷歌云计算业务营收数据将分别达到840亿美元和1080亿美元。”布赖恩·诺瓦克领导的分析师团队写道。
诺瓦克领导的大摩分析师团队继续给予谷歌“增持”评级，目标价则重申为400美元。截至周二美股盘初，谷歌母公司Alphabet的股价徘徊在每股348美元附近。
谷歌联手Marvell、微软Maia 200蓄势待发以及Anthropic挖角TPU元老，AI巨头们在AI推理时代争夺“硅权”
AI推理时代的Token经济学截然不同于AI训练工作负载，训练包含前向传播、反向传播、梯度同步与频繁变化的研究型算子，更看重通用性、软件成熟度和集群扩展能力;推理则可拆分为计算密集型的预填充(Prefill)和内存带宽、KV缓存及延迟敏感的解码。ASIC/XPU能够实现删除不必要的通用电路，针对FP8/FP4低精度矩阵运算、注意力机制、混合专家模型(MoE)、KV Cache和数据移动路径进行硬化，从而提升每瓦Token数量级、每美元Token数及服务等级协议(SLA)的确定性。
需要强调的是，AI智能体的模型调用模式虽然相比于GPU更加适合ASIC，但其规划、工具调用、检索增强生成(RAG)和状态管理仍需CPU、内存、网络与存储协同，因此智能体时代反而会进一步强化“异构计算体系”。
美国科技巨头之一的微软(MSFT)计划很快推出其最新自研AI加速器Maia，加之谷歌与Fabless芯片公司Marvell(迈威尔科技)的新协议覆盖AI加速器、存储和内存控制器等多款定制芯片，凸显出AI应用领军者以及超大规模云计算厂商们主导的AI算力基础设施建设进程正在从“集体采购英伟达GPU”全面升级为英伟达GPU+AMD GPU+自研AI专用集成电路(AI ASIC)/XPU+CPU/DPU大规模协同运行的异构计算体系。当AI大模型架构逐步稳定且全球各行业Token调用量呈现出指数级增长后，高并发AI推理工作负载越来越适合通过定制芯片降低单位Token成本。
谷歌与Marvell(即迈威尔科技)的新协议，全面覆盖AI加速器、存储和内存控制器等定制芯片，潜在采购对应Marvell截至2033财年的最高约1200亿美元收入，实质是分散对谷歌TPU长期以来的技术端合作伙伴博通这一单一fabless设计伙伴的依赖。
微软Maia 200则以台积电3纳米制程、FP8/FP4张量核心、272MB片上SRAM及定制片上网络(NoC)压缩Azure、Copilot与大模型推理成本;其相对英伟达GPU的核心优势不是“任何模型都更快”，而是微软能够把芯片、编译器、模型、数据中心网络和云端调度联合优化，并避免支付外部GPU厂商们的全部利润溢价。
微软一份研究报告称Maia 200相较其机群中最新一代硬件已经实现每美元性能提高30%，其自研MAI模型运行在Maia 200上时每瓦性能提高约40%。这正是推理时代ASIC/XPU最危险的竞争力当数十亿次相似Token生成任务能够被高度标准化之后，英伟达主导的“万能GPU”的灵活性溢价不一定值得每一次推理请求都支付。
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，有着“AI应用神话”称号的Palantir(PLTR)自7月以来的强势表现，显示出全球资金逐渐开始将AI估值锚从“拥有多少GPU以及受益于AI基建热潮的名单”延伸至“能否将Token转化为实际收入、利润与可验证的生产力”。摩根士丹利在近日发布的一份研究报告中，将聚焦于支撑应用变现阶段的“数字系统控制塔”——Dynatrace(DT)的股票评级由“持股观望”上调至“增持”，目标价由58美元升至65美元，核心逻辑正是在于该公司能够从企业AI云化、应用端AI推理工作负载复杂化及供应商整合中收取高黏性订阅收入。
近期美国科技股内部已经出现非常明显的“从AI算力基础设施单线AI主题交易，向AI应用软件变现扩散”的相对轮动态势，但还不能说资金已经全面撤离AI算力主题与半导体进而转向AI应用软件;这一轮从AI算力基础设施投资主题向软件股的扩散并非软件股无差别上涨。
Palantir在8月4日财报后单日创纪录式上涨约29.5%，而截至8月24日，iShares软件ETF(美股ETF代码IGV)年内仍下跌3.01%。更准确的趋势在于——软件股内部正在发生以盈利兑现为核心的结构性重估，而非整个软件板块全面进入牛市。
随着全球资金正在从AI算力基础设施相关联AI投资第一阶段的GPU/HBM/AI数据中心核心硬件瓶颈，向能够把Token转化为愈发强劲的企业端生产力、收入和现金流的第二阶段应用层赢家扩散。未来估值分化可能反而更猛烈拥有独占数据、工作流入口、Agent智能体工作流执行闭环和清晰ROI的软件公司获得重估，而容易被基础模型功能商品化的传统SaaS则可能继续承压。
Token推理洪流需要“数字控制塔”!摩根士丹利向Dynatrace投来看涨研报
Dynatrace股价自4月份的年内最低点以来大幅上涨约50%。Dynatrace并不是直接面向终端用户的AI应用，而是支撑AI应用软件变现阶段的“数字系统控制塔”随着企业把大模型、推理式Copilot和AI智能体嵌入生产流程，应用调用链、Token消耗、延迟、错误率和基础设施依赖关系急剧复杂化，可观测性由传统运维工具升级为保障整个AI系统可靠性、成本效率与业务连续性的关键软件层。
Dynatrace是一家业务覆盖企业级统一可观测性与软件应用安全类型软件公司，其核心产品并非普通“系统监控工具”，而是复杂数字系统的实时诊断与自动化决策平台通过统一采集指标(Metrics)、日志(Logs)、分布式追踪(Distributed Traces)、用户行为和业务数据，帮助企业定位性能瓶颈、预测故障、分析根因并自动执行修复。公司主要通过软件即服务(SaaS)订阅、定期许可证及运维支持收费，Dynatrace平台是其核心收入来源;截至2026年3月底，公司约有4,100家客户，覆盖110多个国家。
其业务版图主要覆盖六个层面应用性能与云原生可观测性、日志与基础设施监控、数字体验监测、应用安全、业务可观测性，以及面向大模型、生成式AI和智能体的AI可观测性(AI Observability);后者可贯穿AI GPU算力集群、基础模型、向量数据库、语义缓存及智能体编排框架，监测Token成本、推理延迟、模型质量和异常调用。
Dynatrace更准确的投资定位是AI应用时代的“数字系统控制塔”——它并不直接生产大模型或Token，而是从企业云化、AI工作负载复杂化及供应商整合中收取高黏性订阅收入;2027财年第一季度，其年度经常性收入(ARR)达21.36亿美元、同比增长17%，订阅收入则高达5.30亿美元。
因此，Dynatrace代表的是资金从纯粹的AI算力产业链硬件瓶颈扩散至“AI应用基础软件”的逻辑——它未必直接创造Token收入，却负责确保Token能够稳定、经济且可审计地转化为业务结果。
摩根士丹利此次看多Dynatrace的主要理论，基于“行业景气回升+续约周期放大+平台化扩张+利润率改善”的四重共振可观测性需求处于2022年以来最健康状态，Dynatrace平台订阅续约基础快速扩大，日志、AI智能体主导的推理工作负载与自主运维产品又在大举提升客户支出份额。该行预计其增长有望持续超过20%，并将评级由“持股观望”上调至“增持”，目标价由58美元升至65美元。
摩根士丹利在研究报告中将Dynatrace(DT)的评级由“持股观望”上调至“增持”且同步上调目标价后，该公司股价截至周二美股收盘上涨超过2%，股价收于50.07美元，潜在上涨空间非常充裕。
摩根士丹利还将Dynatrace的目标价由58美元上调至65美元。在大摩看来，Dynatrace提供的可观测性平台在AI推理时代彰显关键价值——这是一种通过分析数据来追踪复杂数字系统的性能和运行模式，并帮助修复软件问题的软件工具。
由Sanjit Singh领衔的大摩分析师团队表示“在多年来最健康的可观测性市场环境下，Dynatrace有望实现加速增长，增长动力来自快速扩大的续约基础，以及不断拓宽、能够赢得平台整合交易的产品体系。增长加速至20%以上、AI应用层面的市场定位改善以及利润率扩张，应当推动其自由现金流估值倍数重估，从而支持我们65美元的目标价。”
分析师们一致指出，在强劲的可观测性需求、Dynatrace平台订阅(DPS)续约以及平台扩张的推动下，他们认为公司具备实现持续且长期20%以上增长并持续扩大利润率的路径。
Singh及其领导的大摩分析师团队表示，在云计算增长加速、数字化转型以及企业未来大规模采用AI智能体的支持下，企业端可观测性需求正处于2022年以来最健康的水平。
分析师们指出，公司向日志、AI和自主运维领域的跨平台扩张，扩大了其获取更大规模客户IT支出份额的机会，并强化了其作为整合型平台供应商的市场地位。
从“谁主导配置并受益于建设最大规模GPU数据中心”，逐步转向“谁能把Token转化为可持续现金流”
2022年年末开启的AI投资大浪潮的估值锚，逐步由“资本开支规模”升级为“资本回报效率”，并且这一进程正在加速——即AI投资狂潮的第一阶段全面聚焦于“谁主导配置并受益于建设最大规模GPU数据中心”，当前的第二阶段则聚焦于“谁能把Token转化为可持续现金流”。
围绕AI的超级牛市，正在从“买入芯片股”逐步驶向“买AI工作流”，即当前市场正在把AI牛市投资主线从“谁受益于不断投入的AI资本开支”重新定价为“谁能最快把算力转化为ARR、利润率和自由现金流”，这一最新轮动有利于嵌入关键企业流程、具备高续费率、数据壁垒和智能体变现能力的聚焦AI应用平台的软件公司们。
AI投资第二阶段追问的是这些算力能否形成更高利用率、更低单位Token成本以及可持续收入与自由现金流。推理价格下降使企业能够部署更多任务循环、工具调用与多智能体工作流，而需求增长又可能超过单位价格降幅，形成类似杰文斯悖论(Jevons Paradox)的总算力扩张。
华尔街金融巨头高盛预计，AI智能体可能推动2030年Token消耗量疯狂增长24倍，意味着人工智能算力需求并未出现任何程度降温，但边际超额收益正在向能够将Token嵌入企业工作流、转化为生产力并建立收费闭环的云平台、AI应用及关键软件基础设施扩散。
信用、供应链与政策三重压力，正迫使股票市场采用债券投资者的纪律重新审视AI资本开支巨浪。摩根士丹利预计2026年全球AI相关发债规模接近5,700亿美元，截至5月底已达2,360亿美元，而四大超大规模云厂商全年支出预计约7,000亿美元;当信用违约互换(CDS)利差、担保义务和表外融资成本上升时，“远期收入故事”必须接受偿债能力与现金流覆盖率检验。AI算力主题交易并未彻底终结，而是告别无差别估值扩张现金充裕且受益于Token消耗量激增的平台型云计算龙头、AI应用软件，以及股价与EPS轨迹明显背离的存储芯片巨头和数据中心基建核心环节供应商们仍具机会。
Dynatrace恰好体现这轮“Token现金流化”的中间层机会它不是直接出售AI智能体的终端应用，而是通过AI可观测性(AI Observability)、应用性能管理、日志分析、安全与自主运维，监测模型延迟、Token成本、调用质量和故障根因，使企业AI从实验项目转化为可靠、可控且能够规模化收费的生产系统。摩根士丹利预计其年度经常性收入(ARR)有望持续增长20%以上，平台续约客户群较上一周期扩大约50%，凸显出在大摩看来市场愿意为“企业AI智能体渗透率能够兑现为续约、利润率与自由现金流”的软件平台支付溢价。
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，Facebook与Instagram母公司Meta(META)近期正同时承受青少年成瘾诉讼、未成年人数据隐私争议、加州社交媒体伤害案败诉、新墨西哥州逾9.40亿美元赔偿令，以及超过4,300宗家庭、个人和公立学区关于儿童与青少年成瘾诉讼的重大法律压力，这也是为何Meta股价今年以来跌超13%大幅跑输标普500指数。Meta股价在周三美股盘前上涨1%，在此之前有报道称，该公司与各州总检察长讨论和解一宗重磅诉讼;该案指控Facebook和Instagram蓄意使儿童和青少年成瘾。
但是相对积极的一面在于，其股价对潜在和解消息作出积极反应，说明市场的定价焦点已从“是否需要支付巨额赔偿”转向“能否把最高1.4万亿美元的开放式尾部风险，压缩为一次性、可计量的数十亿美元成本”。在Future Fund的董事总经理加里·布莱克看来，即使和解金额高达数十亿美元，只要能够消除极端判决、漫长上诉及平台整改的不确定性，也可能成为Facebook母公司Meta股价的风险出清催化剂。
Future Fund董事总经理加里·布莱克表示，即使和解金额高达数十亿美元，也可能通过将一项没有明确上限的法律威胁转化为确定成本，推动Meta股价上涨。布莱克在社交媒体平台X平台上表示“投资者会将其视为一次性的非经常性事件。”他称，即使和解需要花费数十亿美元，对META股价而言仍是“积极的”。
据媒体援引知情人士透露的消息报道，在美国加州奥克兰联邦法院审判进入第二周期间，Meta与代表29个州的总检察长讨论了一项潜在协议。各州指控Meta明知其设计的功能会鼓励年轻用户沉迷且强迫性使用平台，却仍在安全问题上误导用户。各州还指控该公司违反联邦隐私法，违法收集13岁以下儿童的数据。
Meta否认相关指控，并且反指各州要求公司对平台进行不合理的改动，同时还在向该公司索要一笔“荒谬离谱的赔偿”。
由于罚款可能针对数以百万计的Facebook和Instagram年轻用户分别累加，潜在财务敞口极其庞大。按照Meta代表们的一项测算报告，任何一项涉及儿童与青少年的不利裁决可能使其付出最高1.4万亿美元，几乎相当于该公司的市场价值。
逃离1.4万亿美元“核按钮”一次性和解能否终结诉讼折价? 布莱克认为Meta有望摆脱1.4万亿美元风险。
布莱克的最新言论与他本周早些时候发出的警告相比出现了转变。他此前警告称，在咨询陪审团作出裁决之前，这场审判可能持续压制Meta股价;该裁决预计将于10月初期公布。
他此前曾将这项法律威胁与20世纪90年代的烟草诉讼相提并论，并警告可能首先出现“万亿美元级别的判决”，随后还将面临不利的上诉程序。陪审团将提出建议性裁决，但美国联邦地区法官伊冯娜·冈萨雷斯·罗杰斯将决定法律责任、处罚及救济措施。上诉案件将提交美国第九巡回上诉法院。
布莱克表示，Meta可能以理论最高金额的一小部分达成和解，并推动股价上涨，尽管“其他诉讼肯定还会接踵而至”。
陪审员已经听取Instagram负责人亚当·莫塞里，以及参与设计平台功能和研究青少年行为的Meta员工所作的证词。律师还预计将传唤首席执行官马克·扎克伯格出庭。
这场审判发生在Meta近期遭遇两次挫折之后。Meta与Alphabet旗下YouTube在加利福尼亚州一宗社交媒体伤害案件中败诉，案件最终判赔600万美元;本月，Meta还在另一宗新墨西哥州案件中被判支付超过9.40亿美元。Meta、Alphabet、Snap和TikTok还面临美国各地家庭及个人提出的3,000多宗人身伤害索赔，以及公立学区提起的1,300宗诉讼。
近期关于Meta的多空情绪极端碰撞，投资者们纷纷质疑“和解”究竟将是赔偿炸弹还是说有可能乃风险出清火箭?
在Stocktwits平台上，关于META的散户投资者情绪已由一周前的“看涨”转为“看跌”，与此同时，过去24小时的消息发布量意外大幅下降了62%。
一名Stocktwits用户表示“META和解意味着还要支付更多的钱。这会让股价明天继续暴跌。”另一名用户则表示“META据媒体报道称仅仅提到有意向‘和解’这个词就是看涨信号。任何和解都会成为股价的火箭助推器。”
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！
Anthropic说它的市场有30万亿美元。
不是它想赚30万亿。
是它觉得全人类一半的工作，以后都可以让AI干。
先搞清楚一件事：TAM（潜在市场规模）不是营收预测。它的意思是——“如果我把这个市场100%吃掉，一年能赚多少钱”。
没有任何公司觉得自己能拿下100%。TAM从来不是目标，它就是个天花板锚点，作用是让投资者相信“这个赛道够大，别嫌我现在的收入配不上估值”。
那Anthropic自己对营收的预期是多少？
2028年最高700亿，IPO定价口径推到1900-2000亿。
和30万亿差了整整两个数量级。
所以盯着30万亿说“Anthropic吹牛逼要赚30万亿”的人，打偏了靶子。
真正该问的是——这30万亿是怎么算出来的？
Anthropic把边界画成了“所有可以由AI模型完成的工作”。
不是软件支出，不是科技预算，是工作本身。
做个对比：标普1500里191家科技公司，2025年全年营收加起来2.4万亿美元。Anthropic说的这个市场，是整个科技板块年收入的12倍以上。
全球劳动收入约占经济总产出的52%，总额大约60万亿美元。30万亿，正好是全球劳动者全部收入的一半。
Anthropic实际上在说：人类一半的工作，理论上AI都能干。
但这里有个更微妙的问题——这个30万亿，和SpaceX的28.5万亿，是同一个市场。
SpaceX招股书里28.5万亿中有26.5万亿来自AI，其中22.7万亿是“企业应用”——说白了就是AI替代各行各业的工作。
Anthropic说“AI模型可完成的所有工作”。
OpenAI、谷歌、微软、亚马逊，全在用类似口径讲故事。
同一块蛋糕，被反复计入不同公司的TAM。
这不是说AI没潜力——它很可能有。问题在于：市场份额之和不可能超过100%。当每家公司都把整块AI蛋糕算作自己的TAM时，投资者其实在为同一份想象中的未来经济价值重复买单。
比数字更让人不安的，是Anthropic拿到份额的方式。
代码编辑领域已经演过一遍了。
Cursor是过去两年增长最快的AI应用之一，建立在Anthropic的Claude模型之上，是Anthropic的大客户。
然后Anthropic自己推出了Claude Code，直接进场竞争。发布半年，年化营收冲到10亿美元。
结局是：Cursor的开发商Anysphere在2026年6月以约600亿美元被SpaceX收购。
一个年化营收还在高速增长的应用层公司，在“供应商即竞争者”的格局下，最终选择了卖身。
Anthropic手里有四张牌：定价权、速率限制、模型访问开关、针对自家应用做后训练的能力。
这四张牌跟具体行业无关。它们是模型厂商的结构性优势。
代码领域打向了Cursor
法律文档、医疗问诊、金融分析、教育辅导——任何建立在Claude之上的成功应用，都可能被Anthropic重演同一个剧本：先做底层供应商，等你用我的模型跑通了产品，我再自己下场。
Anthropic的创始人兼CEODario Amodei自己说过的话值得细品：
“如果你的护城河是‘我们的软件复杂、难写，我们能写、别人写不了’，这种护城河正在消失。”
他甚至说，个别软件公司“完全可能失去市场价值、破产、彻底出局”。
潜台词：软件复杂度不再是壁垒，底层模型才是。
还有一个传闻——投资人Gavin Baker在播客里说，Dario曾私下表示“Anthropic可能在某个时点成为世界上唯一的私营公司”。Dario本人亲自否认了。
但一则传闻能引发广泛讨论，恰恰因为它戳中了业界的真实焦虑：
当模型层不断向上吞噬应用层，最终的行业格局会不会走向高度集中？
美股投资网认为，30万亿的TAM数字本身不是重点。重点是它背后传递的信号：
Anthropic在告诉全世界——我不只是卖模型的，我要吞掉所有能被AI替代的工作。任何建立在Claude之上的生意，都有可能被我拿走。
这可能是AI行业最值得警惕的一件事。
$AMZN
$GOOGL
$MSFT
$NVDA
$AMD
#美股
Marvell财报前，华尔街开始重新给这家公司算账了。
大摩最新一份8月24日发布的半导体周报里，直接把MRVL目标价从195美元上调到224美元，同时预计这次财报很可能会交出一份“beat and raise”，也就是业绩超预期，同时上调指引。
但最有意思的是，大摩虽然上调了目标价，却依然只给MRVL“标配”。
为什么？
先看基本面。
大摩认为，MRVL短期最大的上行来源依然是Networking，也就是AI数据中心里的网络互联业务。
它预计本季度数据中心收入环比增长大约16%，下一季度指引还有约14%的环比增长空间。更重要的是，大摩现在预计MRVL的AI相关业务，FY27增长约60%，FY28增长约70%。
而真正让市场兴奋的，是MRVL正在从“做一颗定制芯片”，慢慢走向更完整的AI基础设施供应商。
大摩特别提到，未来几年Scale-up Networking会成为AI基础设施里最重要的投资方向之一，而随着内存瓶颈越来越明显，Memory Controller的重要性也会继续提升。
另外，Google TPU合作被大摩直接定义为一次非常重要的胜利。
报告认为，Google这套认股权框架意味着长期机会非常大，而且市场目前对2027年ASIC和XPU附加业务增长超过100%的预期，甚至可能还是偏保守，因为后面还有Microsoft Maia、Google TPU attach以及其他项目继续放量。
所以MRVL现在的逻辑已经不再只是“能不能拿到一个大客户”。
它正在从单一大项目，转向更多中小型定制项目和XPU附加业务。单个项目没那么炸裂，但客户更多、更分散，收入来源更稳定，利润率也可能更好。
但问题也正出在这里。
美股投资网获悉，MRVL当前估值已经超过博通和英伟达的两倍以上。
即使把CY27估值倍数从40倍上调到45倍，用来反映Google带来的新机会，算出来的目标价也只有224美元，而报告采用的MRVL股价已经在237美元附近。
MRVL现在不是没有增长，而是市场已经提前把很多增长算进去了。
所以接下来真正决定股价的，是财报能不能证明：收入、利润和指引，真的能继续快到足以消化现在这么高的估值。
这才是MRVL这次财报最值得盯的地方。
$MRVL
$NVDA
$AVGO
$GOOGL
$META
#美股
HBM越堆越高的逻辑，可能要反转了
瑞穗证券昨晚发了份研报——他们的分析师刚跟SemiAnalysis总裁Doug O‘Laughlin吃完晚饭，信息量很大。
美股投资网挑几个最核心的结论先说：
内存还是AI最大的瓶颈。但这个瓶颈的形状，正在变。
HBM层数可能不升反降。GPU出货量反而能增加20-30%。
听着矛盾。往下看你就明白了。
HBM层数：风向在变
瑞穗刚把美光目标价从1375美元砍到1300美元，闪迪从1900砍到1875。应用材料从650砍到590，泛林从370砍到365。
砍价理由不是需求不行——是 "DRAM降规风险" 。
Doug跟我们聊到一个关键判断：GPU厂商未来可能在HBM上只堆4-8层，12层的吸引力在下降。16层、20层HBM和混合键合，在未来的DRAM世代里充满不确定性。
市场一直预期HBM会越堆越高。
现在剧本可能反过来。
一个关键的逻辑反转：HBM少了，GPU反而更多
Doug的原话是：HBM转换比率在下降，从3:1降到5:1。
逻辑链条非常直接：
每颗GPU用的HBM层数减少
同样数量的DRAM晶圆，能造出更多GPU
GPU/AI芯片出货量可能增加 20-30%
更多GPU出货→更多训练和推理需求→ KV Cache总DRAM位元需求反而增长
少即是多。
内存含量下降，出货量上升，总需求不降反升。
铜缆和光互联：正在抢跑
Doug对铜缆的态度很明确：AEC是AI机架内连接的核心方案。
CRDO走在最前面。
Lumentum那边，NPO（近封装光学）被管理层定位为"增量机会"，预计2027年底到2028年进入市场。InP衬底的需求已经严重超过供应。
CPO（共封装光学）呢？还得等2-3年。
短期赢家是铜缆AEC和NPO/SiPh/InP。CPO还早。
800V可能推迟
聊到数据中心电力方案的时候，Doug提了一个很有意思的观察：数据中心运营商对800V高压直流方案有抵触。
原因很实际——变化太大，员工需要重新培训。
数据中心正在转向±400V双极双路机架。在传统400V直流布局上爬坡更容易，对SiC和辅助设备的需求反而减少。
800V推迟≠电力需求减少。只是换了一条更慢、更稳的路。更多的电压调节模块会补上来，继续支持GPU出货。
2027年的两个大数字
Doug还提到了2027年的两个预期：
XAI/USPCX的10GW电力
5000亿美元的NOCL资金
BIC 2027年会给这些项目带来顺风。
10GW是什么概念？一个典型核电机组约1GW。10GW就是10座核电站的电力，全砸进AI数据中心。
这顿饭的核心结论：内存还是瓶颈，但瓶颈在变形状——层数在降、出货量在升、总位元需求不降。
短期赢家： AEC铜缆（CRDO）、NPO/InP（LITE）
短期承压： WFE设备商（AMAT/MKSI/LRCX），目标价已被下调
需要观望： CPO（还要2-3年）、800V（可能延迟）
大方向没变： AI算力需求还在往上走。只是技术路线在微调，供应链的赢家和输家在重新洗牌。
美股投资网认为，这顿饭最有价值的信息不是某个目标价上调或下调，而是HBM层数可能见顶这个信号。
如果市场一直按"HBM越堆越高"的逻辑在给内存和设备商定价，那这个预期的松动，就是最大的风险点。
$CRDO $LITE $AMAT $MKSI $LRCX $MU #美股
今天10年期美债收益率回落到4.70%左右，油价也跌了。按过去几年的经验，这两个信号对科技股都不算坏事。
结果却完全相反。
费城半导体指数继续下跌，英伟达跌2.9%，已经连续第七个交易日收跌；美光跌5.8%，闪迪跌6.45%，存储和AI硬件依然是重灾区。
这说明现在市场担心的，已经不只是“利率高不高”。
更麻烦的是另外一个问题：美国Z府要大量借钱，AI产业也进入了资本开支和融资的高峰期，两边都在争夺长期资金。
钱没有突然变多，借钱的人却越来越多。
财政部到底想干什么？
最近市场关注的，是美国财政部进一步扩大美债回购的可能。
TGA，也就是 Treasury General Account，可以简单理解为美国Z府存在美联储的“现金账户”。
截至8月20日，TGA余额大约为9351亿美元。
但这里首先要把一个很容易被炒作的概念说清楚：
9350亿美元是财政部账上的现金，不代表财政部准备拿9350亿美元出来买美债。
财政部已经确定，从9月9日起，把10年至30年期旧国债的流动性支持回购规模，从目前单次最多20亿美元，提高到至少40亿美元，而且这一安排将持续到本轮季度再融资周期结束。
与此同时，美股投资网了解到，财政部还在研究是否可以更多利用TGA资金支持回购。
回购本身并不复杂。
财政部从市场上买回一些流动性较差的旧国债，相当于给这些债券增加一个买家，减少它们相对新券的流动性折价，也有助于稳定长端国债交易。
如果买盘足够大，债券价格会上升，收益率自然会受到一定压制。
消息出来之后，债市确实给了反应：
10年期美债收益率一度回落到4.70%左右；
30年期回到5.2%以上；
国际油价下跌约2%；
标普500跌0.28%，纳指跌0.76%，道指反而上涨0.26%。
问题是，市场很快就反应过来了：
这能缓解债市的交易压力，但解决不了美国债务本身。
TGA资金的实际可用空间有限
这次最容易误导散户的，就是“财政部手握近万亿美元，可以直接拿来买债”这种说法。
实际上，财政部自己的8月再融资计划已经写得很清楚：
它预计9月底仍要维持大约9500亿美元的现金余额，甚至预计TGA在10月底可能一度达到1.05万亿美元左右。
也就是说，这笔钱本身就是美国Z府日常财政运转的现金缓冲，不是什么闲置资金池。
财政部当然可以阶段性使用TGA。
比如先动用一部分现金回购长债，减少市场上的长久期债券供给，短期内确实能够改善长端债市。
但只要财政赤字还在那里，未来的财政支出还在那里，这些现金最终就要通过税收或者重新发债补回来。
如果后面更多依靠短期国库券补充TGA，本质上更接近于：
少一点长债，多一点短债。
债务期限结构变了，但美国Z府需要融资的总量并没有凭空消失。
所以财政部回购能够解决的，主要是流动性和债务管理问题，而不是美国的财政赤字问题。
真正压在长期美债头上的，还是那几个老问题：
财政赤字依然很大，未来国债供给不会少；
通胀没有彻底消失，长期投资者仍然需要更高的期限溢价；
AI资本开支正在制造新的长期融资需求。
最后这一点，现在越来越重要。
AI资本开支正在加剧长期资金需求
截至8月中旬，今年美国企业债发行规模已经达到大约1.68万亿美元，同比增长约27%。
其中AI相关融资的增长尤其夸张。
Reuters统计显示，2026年至今AI相关债务发行已经达到大约2200亿美元，而2025年同期只有约125亿美元。
原因并不难理解。
现在的AI竞争，早就不只是买几张GPU。
数据中心、GPU集群、光通信、存储、电网、天然气、电力基础设施，全部都要钱，而且很多项目的投资周期都很长。
Meta、Google、Amazon这些公司现金流很强，但当资本开支进入数千亿美元级别以后，债券市场一定会越来越重要。
这就形成了一个很值得思考局面：
美国Z府在卖债，AI巨头也在卖债。
两边面对的，很多时候其实是同一批保险公司、养老金、主权基金和大型机构投资者。
所以AI企业债确实会增加长久期资产的供给，对美债形成一定竞争。
但这里也不能说得太过头。
现在并没有足够证据证明，这一轮长端美债收益率上升主要就是AI融资造成的。
高盛等机构认为，财政赤字、通胀和市场对货币政策的信心，仍然是更核心的因素。AI债务更像是在本来就很拥挤的债券市场上，又多加了一层供给压力。
这也是为什么财政部扩大回购之后，华尔街仍然比较谨慎。它可以改善短期供需，却很难替市场决定“30年资金到底应该值多少钱”。
为什么债息跌了，AI硬件还是在跌？
过去市场最关心的是：
AI需求到底有多强？
现在又多了三个问题：
扩产要花多少钱？
这些钱从哪里来？
最后到底能留下多少自由现金流？
这也是为什么最近压力最大的，反而是存储、光通信、半导体这些过去涨得最猛、估值最高、又需要不断扩产的公司。
美股投资网认为，市场现在开始提高对AI投资回报率的要求。
以前只要收入增长够快，资本开支再大市场也愿意给估值。
现在不一样了。
当长期资金越来越贵，投资者自然会开始问：
你砸进去100亿美元，最后到底能赚回来多少？
AAOI就是一个很典型的例子。
公司股价周一收跌接近14%，除了整个光通信板块承压之外，还有一个非常直接的公司自身原因——AAOI再次启动最高6亿美元ATM股.票融资。
与此同时，资金明显更加偏向现金流和盈利确定性更高的公司。摩根大通上涨，金融板块走强；Meta、Amazon、微软当天也明显跑赢大部分AI硬件股。
这更像是在做内部切换：
卖的是高估值、重资本、未来现金流还需要验证的公司；买的是利润已经看得见、现金流更稳定的公司。
后续需要关注的三个关键变量
所以美股投资网认为，财政部扩大回购这件事可以看，但没必要过于夸大。
它可以让长端债市喘口气，可以改善旧券流动性，也可以在市场极度拥挤的时候提供一个额外买家。
但它改变不了最基本的数学题：
美国Z府一年还要借多少钱？
通胀能不能下来？
市场愿意用什么价格把这些债全部接走？
接下来真正要关注的，其实只有三个东西。
第一，9月开始扩大后的长债回购，实际执行规模到底有多大。
第二，10年期和30年期美债收益率能不能真的形成持续下行，而不是消息刺激之后又重新往上走。
第三，也是对AI板块最重要的——英伟达周三盘后财报。
市场现在需要的已经不只是“收入继续增长”。
它需要英伟达证明：AI投入带来的收入、利润和现金回报，仍然跑得过不断上升的资本成本。
如果这一点能证明，最近AI硬件的下跌更像一次估值和仓位清理。
但如果长债收益率继续维持高位，AI资本开支继续上升，而自由现金流开始跟不上，那市场就还会继续给这些公司重新定价。
所以现在真正交易的，不是财政部TGA里到底躺着9000亿还是1万亿美元。
而是一个更简单的问题：
美国Z府和AI产业都越来越需要钱，最后谁来买单？
$NVDA $MU $SNDK $META $MSFT
#美股
AI安全，可能正在复制十几年前“云安全”的机会
很多人现在看网络安全，还停留在一个老逻辑里：
AI能不能帮安全团队更快发现漏洞、筛告警、做威胁检测？
这当然重要，但Bernstein这份最新报告真正值得看的地方，不是“用AI做安全”，而是另一个正在迅速变大的市场：保护AI本身。
报告把这两件事分得很清楚
过去几年行业讨论最多的是 Securing with AI，也就是用AI提高原有安全系统的效率。
比如过去一个SOC安全团队每天可能收到几万条告警，需要人工判断哪些是真的攻击，哪些只是噪音。现在AI可以自动筛选、关联数据、判断优先级。
这个逻辑，本质上还是：原来的网络安全市场 + AI提效。
真正新的东西，是 Securing AI。
也就是：
当企业开始大量使用AI Agent之后，谁来保护这些“会自己行动的AI”？
这也是我认为整份报告最值得注意的地方。
为什么AI Agent会变成一个全新的安全市场？
因为AI Agent和传统软件完全不是一种东西，普通软件的行为是写死的，你点击一个按钮，它执行一个固定程序。
但Agent不同。它会读取Prompt、理解上下文、调用数据库、访问企业系统，甚至自己决定下一步做什么。
问题也就来了：
一个Agent可能拥有完全合法的权限，却做出完全错误甚至危险的事情。
比如一个企业里的AI Agent本来有权限读取邮件、调用CRM、访问客户数据库。
黑客甚至不一定需要真正“攻破”系统。
只需要通过一封邮件、一段网页内容，或者某个外部数据源，把恶意指令藏进去，就有可能让Agent自己把敏感信息调出来。
从传统安全系统的角度看：权限是真的，账号是真的，API调用也是真的。
但意图已经被劫持了。
这就是AI Agent带来的全新威胁模型。Bernstein特别强调，Agent是系统本来就信任的实体，但它的行为却可能被Prompt、上下文和外部数据影响。
这会催生三个很大的新赛道
第一，Agent Security。
判断Agent有没有被Prompt Injection、外部数据或者恶意上下文误导。
第二，Agent Identity。
未来企业里可能同时运行几千、几万个Agent。
它们分别是谁？属于哪个部门？
可以访问哪些数据库？可以调用哪些工具？
Agent身份管理，很可能变成新的IAM市场。
第三，也是最难的一层：Agent Intent。
也就是系统不仅要知道“你是谁”“你有什么权限”，还要理解：你现在到底想干什么。
报告甚至提出一种更长期的安全架构：未来Agent不应该长期拥有固定的大权限。而应该根据它正在执行的任务，动态获得最小权限。
任务结束，权限收回。
这背后需要实时理解Agent的Prompt、目标、工作流和行为。
如果这个方向真的成立，它不是给现有安全产品多加一个AI按钮。而是可能重新长出一整套安全基础设施。
为什么这一次，新公司反而可能有机会？
传统网络安全已经被Palo Alto、CrowdStrike这些巨头瓜分得很成熟。
但AI安全不一样。
企业现在正在被董事会要求快速部署AI，可很多安全团队连Agent到底有哪些风险都还没完全搞明白。
美股投资网认为，这可能最终形成一个全新的 AI安全采购中心。
更有意思的是，下一代赢家未必是今天最大的安全厂商。
现在一次攻击可能同时穿过：终端、网络、云、身份、应用，再进入AI系统。
单一安全厂商看到的往往只是其中一部分。
所以报告提出一个很形象的概念：“Switzerland（瑞士型）安全公司”。
也就是不站在任何一个传统安全阵营里，而是横跨不同平台，把终端、云、身份、应用和AI的数据全部串起来。
谁掌握的上下文最多，谁就更有可能判断：一个行为到底是真的攻击，还是正常操作。
OpenAI、Anthropic会不会直接把安全公司干掉？
报告的判断反而比较克制：会吃掉一部分，但不会全面进入。
AI大厂最有可能进入的是应用安全，比如代码扫描、软件测试、漏洞判断。
因为AI Coding Agent写出来的代码如果不安全，本身就会影响AI产品的销售。
所以这是它们必须做的“自保”。
但SOC、Detection & Response、Exposure Management这些更深的网络安全领域，需要大量行业Know-how、工作流、数据集成和事件响应经验。
这不是大模型能力强，就能立刻复制出来的。
所以我看完这份报告最大的感受是：AI安全真正的机会，可能不是让AI帮人类抓黑客。
而是有一天，企业里运行着几万个AI Agent之后，谁来确保这些Agent知道自己是谁、能做什么，以及“不该做什么”。
下一代网络安全，很可能开始保护：“会自己行动的软件”。
而这背后，很可能会重新长出一批新的安全巨头。
$NET $CRWD $FTNT $PANW $OKTA #美股
AI服务器功耗已经高到，传统48V供电快扛不住了。
这不是谁更喜欢800V的问题，而是当单机柜功率冲到500kW、600kW以后，继续用48V，电流、铜耗、发热都会迅速失控。
英伟达已经把Rubin机柜正式划定为800VDC导入起点，而且时间比市场此前普遍预期的RubinUltra还提前了一个产品代际。字节跳动也已经推出500kW、800VHVDC的AI Rack 3.0。
美股投资网分析认为，这意味着800V不再只是实验室方案，而是在正式进入大规模商用前夜。
为什么非得上800V？
逻辑其实非常简单。
功率等于电压乘电流。当机柜功率已经锁死，想把电流降下来，最直接的办法就是把电压抬高。
以500kW机柜为例：
48V下，电流高达10,417A；400V下，电流降到1,250A；800V下，只剩625A
对应的铜排直径，也从48V下的56mm，降到800V下的14mm。
铜排重量从109kg降到7kg，损耗从0.687%降到0.040%。
换句话说，800V相比48V，在铜排面积、铜耗和发热上，分别下降大约87%、94%、94%。
这已经不是小修小补。而是整个供电架构都要重做。
英伟达GB200单机柜功率约120kW，GB300升到225kW，Rubin直接来到500kW，RubinUltra配套Kyber进一步突破600kW。
功率一路往上冲，低压方案自然越来越难撑。
800V真正值钱的，不只是省铜
很多人第一反应是，800V是不是主要为了节省铜线。
其实更重要的是，它同时解决三个问题：能耗、散热、空间。
在2.5MW数据中心里，传统380VACUPS方案铜耗约0.48立方米，线路发热16kW。
换成800VDC以后：铜耗降到0.24立方米，线路发热降到11kW，铜耗直接减半，发热降低约32%
AI数据中心现在最缺的，不只是GPU。电、冷却和空间都越来越贵。
所以800V真正的价值，是让同样一座数据中心可以把更多电真正送到GPU，而不是浪费在线路和散热上。
第一波机会，先从机柜电源开始
800V不会一夜之间把整个数据中心全部换掉，而是会一层一层往外扩。
第一步，是机柜内部和机柜侧。
传统48V母线开始升级到800V，最先变化的是SideCar、PSU、高压中间母线转换器这些设备。
简单理解，就是先把电源从机柜里重新布置，再用800V把电送进去。
这一阶段最直接受益的是白区电源供应商。
了解到，目前相关厂商包括台达电、Flex、MPS，以及部分国内电源设备企业。
但这还只是第一阶段。
真正大的变化，是SST
下一步，800V会从机柜继续往整个数据中心配电系统扩散。
过去一座数据中心供电，要经过：
中压变压器→ UPS → PDU →电源转换
环节很多，每走一步都要损耗。
SST，也就是固态变压器，想做的事情就是把这些环节直接合并。
传统方案整体损耗大约6.4%，SST方案可以降到1.5%。
如果是一座1GW的数据中心，光靠效率提升，就有机会多释放约50MW给服务器使用。
不是新建电厂，也不是多买一块地，只是把供电效率提高，就能凭空多挤出一个中型数据中心级别的算力容量。
所以SST很可能才是800V时代真正弹性最大的环节。
AI电源还有一个变化：备电也得重做
AI服务器的耗电，并不是一直平稳的。
一次推理请求，GPU可能出现微秒级电流尖峰；一次大规模同步，整柜功率可能突然抬升；数据写入又可能让整个园区负荷发生分钟级变化。
传统UPS主要处理分钟级停电，但面对AI这种从微秒到分钟同时波动的负载，已经不够用了。
未来备电会变成多层结构：
微秒级：片式电容
毫秒级：超级电容
秒级到分钟级：BBU、UPS
分钟到小时级：储能系统、柴油机
所以AI电源升级，不只是电压升级，还意味着整个备电系统都要重新设计。
另一个被低估的机会：模块化
现在北美数据中心建设还有一个很现实的问题：缺电工，也缺时间。
传统现场施工，一MW大约需要12,000工时。换成模块化方案以后，可以降到4,500工时，减少约63%。建设周期也从16.7个月缩短到13个月。
继续往SST集成化走，交付周期还能从46周缩短到24周，系统安装人工成本从0.73美元/W降到0.08美元/W。
这也是为什么未来AI电源很可能越来越像“整套设备直接运到现场”，而不是大量依赖现场一点点搭。谁能做标准化、模块化、集成化，谁就更容易拿到大订单。
为什么现在就要升级，而不是等RubinUltra？
这里有一个很关键的时间差。
虽然600kW机柜还没有全面量产，但电源设备从下单到落地，大约需要12个月，定制项目还可能再增加2到3个月。
也就是说，2027年要用的设备，很多订单2026年就必须锁定。
而且GPU三五年就换一代，但数据中心基础设施通常要用10到20年。
如果今天还按照旧的低压架构建设，未来再升级，意味着重新施工、停机、重新折旧。
相比之下，现在直接选800V向下兼容，资本开支只多大约5%到8%。
所以很多厂商根本不会等到800V“完全成熟”再动手。
订单会提前跑。
目前已经可以看到这种迹象，部分SST项目已经开始签订百MW级采购合同，相关设备也已经进入2026到2027年的交付周期。
真正的大数字，是渗透率
800V现在最有想象力的地方，是速度。
预计全球AIDC新增装机将从2025年的约22GW，增长到2030年的超过105GW。
2026年到028年两年时间，800V渗透率预计从3%冲到76%。
这才是市场真正要盯的数字。
随着渗透率提升，全球AI柜外电源和配电设备市场预计从2025年的542亿美元，增长到2030年的2567亿美元，年复合增速约36%。
其中海外市场增长更快，从430亿美元增长到2387亿美元。
最值得盯的，不是所有电源公司
美股投资网认为，这一轮不能简单理解成“AI电源都受益”。
真正要区分的是，谁能跟着800V升级，谁还困在旧架构里。
2030年，传统ACUPS预计只剩约2%的份额。
Side Car也不是终局，它更像2027到2028年的过渡方案。
真正长期占大头的，很可能是SST。
预计到2030年，SST份额可能达到约69%，并贡献超过60%的灰区价值量。
所以这条主线可以压成三个时间点：
2026年，看订单。
2027年，看800V开始规模量产。
2028年以后，看SST真正放量。
AI芯片功率越往上走，供电系统就越不能停在原地。
这一轮不是简单换一个电源。
而是从机柜、母线、UPS、变压器到备电系统，整个数据中心的“电路骨架”都要重新做一遍。
这才是800V真正大的地方。
$NVDA $NVTS $WOLF $ETN $MPWR #美股
微信分析师 微信公众号
