新闻快讯

Anthropic上市前，高速收入增长不可持续

作者 Brandon | 2026-10-06 | 发布于新闻快讯

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。

纳指创下历史新高，一个真相：AI越火，数据中心反而越难建

作者 Brandon | 2026-10-05 | 发布于新闻快讯

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

机构主力资金买卖这家公司多少股

期权异动大单有多少看涨/看跌期权成交
华尔街分析师评级变化
公司内部高层近期买卖交易情况
该公司盘中突发新闻导致股价出现暴涨暴跌
全部实时推送到你手机APP

下载美股大数据 APP StockWe.com/APPsetup

摩根士丹利: DRAM内存短缺将贯穿本轮AI产业周期

作者 Brandon | 2026-10-05 | 发布于新闻快讯

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。

交付超预期难改利润压力！摩根大通：特斯拉(TSLA)利润或从2028年开始加速

作者 Robert | 2026-10-05 | 发布于新闻快讯

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！

AI智能体点燃云计算第二增加曲线!-华尔街大行拆解IaaS扩容潮与PaaS价值重估-谁赚走Token狂潮的真金白银-

作者 Robert | 2026-10-05 | 发布于新闻快讯

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/

“不要做空马斯克”成华尔街暗语？AI与机器人叙事升温，特斯拉(TSLA)空头撤退、持有评级飙升

作者 Robert | 2026-10-05 | 发布于新闻快讯

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/

Nebius(NBIS)收购以色列初创公司Inferize加码AI推理业务-交易金额最高或达1.5亿美元

作者 Robert | 2026-10-05 | 发布于新闻快讯

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/

NAND供应紧张或持续至2028年！花旗看好AI需求推动存储芯片涨价-重申闪迪(SNDK)“买入”评级

作者 Robert | 2026-10-05 | 发布于新闻快讯

美股投资网获悉，花旗研究表示，美光科技(MU)最新公布的第四财季业绩进一步印证了NAND闪存市场供应持续紧张的趋势，预计行业供需偏紧的局面可能延续至2028年，为存储芯片价格提供支撑。花旗认为，人工智能(AI)驱动的数据中心需求持续增长，将进一步改善NAND行业基本面，并使闪迪(SNDK)从中受益。

花旗分析师Atif Malik在周四发布的研究报告中重申对闪迪的“买入”评级，目标价维持在2100美元。他指出，美光最新业绩反映出NAND市场供需关系仍然有利于供应商，而AI基础设施建设带来的长期需求增长，也提高了行业未来收入及盈利表现的可预见性。

美光NAND营收环比大增42% 价格上涨约30%

美光第四财季业绩显示，NAND业务增长强劲，产品价格上涨成为重要推动因素。根据花旗的分析，美光第四财季NAND业务营收环比增长42%，NAND位元出货量环比增长10%，而平均销售价格上涨约30%。这一价格涨幅明显高于市场普遍预期的20%，但略低于花旗此前预测的34%，反映出NAND市场供应紧张程度仍然较高。

值得注意的是，NAND业务营收增幅明显超过出货量增幅，说明价格上涨对收入增长的贡献较为突出。在供给相对受限、需求持续增长的情况下，存储芯片制造商获得了更强的定价支撑，这也是花旗继续看好NAND行业基本面的重要原因。

行业供应紧张或延续至2028年

对于未来供需走势，美光管理层预计，2026自然年公司的NAND供应增长速度将低于行业整体供应增速。展望2027年和2028年，美光预计，全球NAND行业位元出货量增速将在20%中段水平，但即使供应规模继续扩大，行业在这两年仍可能面临供应受限的局面。

这意味着，NAND市场的供需紧张状况可能并非短期现象，而是有望延续至2028年。花旗指出，尽管美光对未来行业位元出货量增速的判断，高于闪迪此前预计的行业中双位数年复合增长率，该行仍对NAND市场保持积极看法。

在花旗看来，决定行业前景的关键不仅是供应增长速度，还包括需求能否持续吸收新增产能。随着AI数据中心对存储容量和数据处理效率的要求不断提高，NAND需求有望获得长期支撑。

AI数据中心需求持续增长 SSD应用成为重要推动力

花旗认为，AI驱动的数据中心建设是支撑NAND需求的重要长期因素之一，尤其是AI推理过程中对固态硬盘(SSD)的使用需求正在增加。其中，一个值得关注的应用是将部分键值缓存(KV Cache)数据从成本较高的存储资源转移至更具成本优势的SSD。

KV Cache是大语言模型在推理过程中用于保存此前计算结果的一种缓存机制，可以减少重复计算，提高模型处理请求的效率。

随着AI模型规模扩大、推理任务增加，缓存数据对存储资源的占用也可能持续增长。通过将部分缓存数据转移至SSD，数据中心有机会在满足存储需求的同时降低整体运行成本。

花旗认为，这类应用有望推动数据中心持续增加对NAND闪存的需求，并为行业带来更加持久的增长动力。与传统消费电子产品需求相比，AI数据中心相关投资也可能为NAND供应商提供新的增长来源。

花旗维持闪迪“买入”评级看好长期供需基本面

基于美光最新业绩释放的行业信号，花旗继续看好闪迪的业务前景，并维持2100美元的目标价。Malik表示，AI推动的数据中心需求具有持续性，尤其是利用更具成本优势的SSD承接部分KV Cache数据的趋势，将进一步支撑NAND行业的供需基本面。

与此同时，长期需求可见度的改善，也有助于增强市场对闪迪未来业务表现的信心。

花旗特别指出，尽管美光对行业未来位元出货量增长的预期高于闪迪此前的判断，但考虑到AI需求的持续性，以及长期协议带来的业务可见度，该行仍然对闪迪保持积极观点。

整体而言，美光第四财季NAND业务营收环比增长42%、价格上涨约30%的表现，进一步凸显了当前存储市场的供需紧张程度。在AI数据中心持续扩张、SSD应用场景不断增加的背景下，花旗认为，NAND行业有望在未来数年维持有利的供需环境，而闪迪也有望从这一趋势中受益。

最专业的美股资讯,推荐美股大数据 https://Stockwe.com/

Muse用户增加势头强劲但长期变现前景仍存疑-法国巴黎银行维持Meta(META)“跑赢大盘”评级

作者 Robert | 2026-10-05 | 发布于新闻快讯

美股投资网获悉，Meta Platforms(META)旗下人工智能(AI)智能体Muse自上月推出以来持续受到用户关注。法国巴黎银行援引第三方数据指出，Muse累计下载量已超过560万次，并登上苹果应用商店排行榜榜首，其在美国市场上线初期的下载表现甚至超过了OpenAI旗下的ChatGPT和Sora。

不过，尽管Muse展现出较强的用户吸引力，法国巴黎银行认为，该产品能否将初期热度转化为长期用户活跃度，以及如何实现持续变现，仍是投资者需要关注的问题。

法国巴黎银行分析师Nick Jones在最新报告中维持对Meta的“跑赢大盘”评级，目标价为885美元。他指出，Meta庞大的社交平台用户基础为Muse的推广提供了明显优势，但该产品目前仍处于培养用户使用习惯的早期阶段。

上线初期下载表现亮眼 Meta社交生态助推用户增长

根据法国巴黎银行援引的第三方数据，Muse自9月推出以来累计下载量已超过560万次，并一度登上苹果应用商店排行榜榜首。

Jones表示，与其他AI平台相比，Muse在美国市场推出初期的下载量超过了ChatGPT和Sora。他认为，这一表现并不令人意外，因为Meta旗下Instagram、WhatsApp和Facebook拥有庞大的现有用户群体，能够为Muse带来天然的推广渠道和用户流量。

相比需要从零开始建立用户基础的独立AI应用，Meta可以利用现有社交产品的覆盖范围，提高新产品的市场曝光度并降低用户获取成本。

值得注意的是，OpenAI旗下视频生成应用Sora曾在去年迅速走红，但此后已被整合进ChatGPT，不再作为独立应用运营。

不过，下载量快速增长并不意味着Muse已经建立起稳定的用户使用习惯。Jones指出，Muse的应用打开率目前已经趋于稳定，但仍低于Google、ChatGPT、Instagram、WhatsApp和Facebook等成熟应用。在他看来，这表明Muse虽然成功吸引了大量用户尝试，但距离成为消费者日常频繁使用的工具仍有一定距离。

对于Meta而言，下一阶段的关键将不再只是推动下载量增长，而是提高用户留存率、使用频率和长期参与度。

短期难以颠覆垂直平台用户体验仍有待完善

随着AI智能体逐步具备信息搜索、产品比较和执行交易等能力，市场开始关注这类产品是否会对电商、旅游及其他垂直服务平台构成竞争威胁。

不过，法国巴黎银行认为，现阶段不宜高估Muse对这些平台的冲击。Jones表示，尽管Muse初期获得了不错的市场反响，考虑到其用户普及程度仍然有限，同时缺乏垂直平台所具备的直接商品或服务供给、完整交易体验以及客户服务能力，该产品短期内还难以构成实质性威胁。

例如，专业电商或旅游平台通常不仅提供信息检索和推荐服务，还拥有商品库存、交易处理、订单管理及售后支持等完整体系。相比之下，AI智能体即使能够帮助用户发现产品或服务，也未必能够独立完成整个交易流程。

因此，Muse未来能否进一步改变消费者的购物和服务使用习惯，仍取决于Meta能否持续完善相关功能，并扩大与外部商家的合作。

长期变现模式仍存疑广告业务或成为重要突破口

除了用户增长和产品功能，Muse的商业化路径也是法国巴黎银行关注的重点。长期以来，广告一直是Meta最主要的收入来源。不过，对于Muse这样的消费级AI智能体，公司未来将如何建立成熟的收入模式，目前仍缺乏明确答案。

根据Jones的分析，Muse现阶段似乎主要通过向合作伙伴收取少量交易费用实现部分变现。与此同时，Muse采用免费基础服务与付费订阅相结合的模式基础版本免费开放，而使用需求更高的用户可以选择按月付费，以获得更高的使用额度。

Jones认为，这种定价策略有助于Meta在产品发展初期扩大用户规模，并提高用户参与度，而不是过早追求收入最大化。不过，他强调，Muse的长期变现能力仍是投资者面临的一个重要问题。

考虑到Meta在数字广告领域积累的经验和资源，法国巴黎银行认为，随着Muse用户参与度不断提高，广告未来可能成为具有吸引力的商业化方向。这意味着，Muse未来的收入来源可能不局限于订阅费和交易佣金，还可能逐步拓展至广告业务。但在用户使用习惯尚未完全建立的情况下，相关商业模式能否形成可观收入，目前仍有待验证。

OpenAI推出Dots 消费级AI智能体竞争或进一步升温

除了Muse自身的发展，法国巴黎银行还关注消费级AI智能体市场正在出现的竞争变化。其中，OpenAI本周推出的新产品Dots受到分析师关注。Jones认为，Dots未来能够获得多大程度的用户认可，将是观察这一市场竞争格局的重要指标。

与此同时，市场也在关注SpaceX(SPCX)、谷歌母公司Alphabet(GOOGL.GOOG)以及其他科技企业是否会推出具有竞争力的消费级AI智能体产品。

随着越来越多企业探索利用AI完成复杂任务，消费级AI智能体市场的竞争可能逐渐从模型性能扩展至产品体验、用户留存、服务整合和商业化能力等多个方面。

对于Meta而言，Instagram、WhatsApp和Facebook构成了重要的用户分发优势，但能否将这些优势转化为Muse持续增长的使用需求，仍需要更多时间检验。

最专业的美股资讯,推荐美股大数据 https://Stockwe.com/

Muse与Astra开启“数字劳动力”时代之际，马斯克盯上“AI算力供给”!-SpaceX(SPCX)把AI竞争对手们变成大客户

作者 Robert | 2026-10-05 | 发布于新闻快讯

美股投资网获悉，马斯克创立并掌舵的市值接近2万亿美元“AI+太空探索”领军者SpaceX(SPCX)的“AI雄心壮志”，似乎正在从争夺AI大模型领先地位，全面扩展为向全球范围AI产业出售或者租赁其无比庞大的AI算力资源。The Information 10月1日发布的最新报道揭示出，根据一系列知情人士所透露的消息，原本服务于Grok的自用AI超级算力集群，已经演变为承接Anthropic、谷歌等大型AI大模型开发者/大型AI云计算客户需求的“新云”(Neocloud)类型AI算力租赁或者出售业务。

据了解，SpaceX公司计划11月上线约42万颗英伟达GPU，扩建孟菲斯Minihard园区，并为12月启动的一项每月约11亿美元的新协议准备容量;夏季还与微软讨论过算力租赁，但谈判结果尚未明确。模型竞赛持续创造需求，而SpaceX正试图把AI算力基础设施高效率建设速度、强大的围绕AI系统建立起的电力资源与AI集群运营能力转化为强劲收入曲线，这也是为何市场对于SpaceX的“AI算力估值属性”更加重视，推动该公司股价自8月初低点以来大幅上涨近40%，市值逼近2万亿美元。

Alphabet旗下谷歌的参与尤其具有AI算力产业链积极信号意义根据披露的协议，其获得约11万颗英伟达GPU及配套CPU、DRAM内存/NAND数据中心存储系统等庞大算力资源，约定自2026年10月至2029年6月每月支付9.2亿美元。拥有自研TPU与庞大云基础设施的科技巨头，也需要外购计算容量，意味着算力竞争同时是一场争夺可用容量与上线时间的竞赛。

全球三大存储芯片原厂之一的美国存储芯片超级巨头美光最新公布的强劲业绩与未来展望，则把这场围绕AI基建的史无前例投资扩张落实到了算力供应商利润表——美光2026财年第四季度营收542.29亿美元，同比增长约379%，调整后每股收益33.42美元;下一季度收入指引为615亿±15亿美元。数据中心SSD季度收入接近100亿美元、超过上年同期的10倍，2027年绝大多数HBM供应已经签约且价格同比显著提高。管理层预计2027—2028年存储供需将相比于本已紧张状况创纪录的存储芯片供需进一步趋紧，足以说明AI算力需求正在扩大包括存储层级在内的整个AI算力供应系统的整体商业价值。

SpaceX转型的关键，是将原先利用不足的资源改造成可销售服务。The Information 最新报道指出，Colossus去年利用率一度低于40%，今年春季仍然偏低;马斯克最初反对出租容量，后来接受Anthropic的需求，包括全面盘活对自身Grok训练而言效率相对较低的H100资源。The Information 表示，这家大型科技公司还解决了原有系统的安全多租户隔离问题。芯片所有权与云服务收入之间，存在调度、软件、安全隔离和客户接入的工程门槛;跨过这些门槛，局部闲置才可能转化为行业急需的有效供给。

为加快交付，公司提前储备价值数亿美元的燃气轮机，引入ABB机器人整理布线，采用模块化设施并行施工——即所谓的“提前锁电、压缩工期、补齐可靠性”，并与沙特Humain加速推进500MW数据中心。与此同时，Colossus II的排水与结构问题可能造成至少两至三周延误，促使SpaceX调集工程师轮岗、强化项目管理与可靠性。

这些细节共同强有力说明——决定AI算力资源商业化规模的，是从供电、施工到稳定运营的完整交付能力，而这正是SpaceX具备的AI算力资源高效整合优势，客户购买的是能够持续运转的计算服务，交付能力必须覆盖从供电到集群稳定性的完整链条。Anthropic与谷歌此前很长一段时间都是马斯克创立的xAI(xAI已被SpaceX收购)最强劲AI大模型/AI智能体竞争对手们，现在都成为SpaceX最大规模算力资源客户，使得SpaceX在AI智能体所主导的AI推理大时代能够持续斩获多个模型生态/智能体系统带来的强劲AI算力需求增长态势，提高AI算力集群利用率并拓宽收入来源。

AI智能体开始参与企业经营流程的背后一道道指令，撬动整套AI数据中心

全球AI大模型/AI应用领军者Anthropic的最新IPO 招股书显示的财务披露，从AI算力需求端解释了SpaceX为何迎来这次转型，最具产业含义的无疑是实际算力支出的扩张。有媒体此前披露的Anthropic保密IPO招股书显示，Anthropic在2025年收入接近46亿美元、经营亏损80.6亿美元，算力与基础设施支出73.3亿美元，约为上年的三倍，占126.5亿美元总经营费用的约58%。这一最新IPO招股书中的数据表明，前沿模型商业化正在同时扩大收入和计算资源消耗，AI智能体/AI大模型训练、推理及基础设施投入仍显著领先于利润兑现。

更长周期的信号来自Anthropic未来约十年至少5180亿美元的基础设施承诺，其中约80%不可取消或要求无论使用与否均须付款;Anthropic对SpaceX/xAI截至2029年最高845亿美元的安排则大多允许提前90天通知取消。值得注意的是，这些是未来合同义务，应与当期支出、已确认收入分别理解。不过这些最新迹象共同指向是——全球最前沿AI大模型实验室正在用长期承诺换取未来容量，而SpaceX试图把建设速度转化为愈发强化的供应地位。

有媒体援引知情人士透露的消息报道称，Anthropic已签订协议，拟支付最高845亿美元，以使用马斯克创立并掌舵的“AI+太空探索”领军者SpaceX截至2029年的AI算力资源。这也意味着，Anthropic同意向SpaceX支付的算力费用接近此前估算的两倍，此举也在凸显出AI大模型/聚焦代理式工作流的AI智能体商业化进程越快，能够及时交付并稳定运行的算力集群越具战略价值。

近期Muse、Astra以及Anthropic Claude所代表的最前沿AI智能体/AI大模型技术进步，可谓为AI应用向各行业的大规模商业化扩张以及AI算力需求持续激增提供了重要技术基础——尤其智能体应用范围扩大，有望同步提高AI GPU/TPU这类AI超级加速器与高性能CPU、数据中心高性能HBM/DRAM/NAND存储芯片、高速光互连器件等AI核心基建资源需求。

从AI推理系统架构来看，GPU和专用加速器承担模型计算，CPU负责把推理结果转化为实际操作，内存与存储负责保存和调取任务状态。长上下文与多轮调用增加预填充计算及KV缓存需求;浏览器、代码沙箱、检索和任务编排增加服务器CPU负载;文件、数据库、持久记忆与缓存分层则将需求延伸到服务器DRAM、企业级SSD和高速网络。英伟达的技术资料已经将AI智能体推理描述为跨越GPU HBM、CPU DRAM、本地NVMe及远程存储，以及对于数据传输至关重要的内部高速光互连的无比庞大系统工程。

在Anthropic管理层看来，AI数据中心服务器集群的存储芯片组件，以及AI GPU仍是最清晰的AI算力产业链层面供给瓶颈。市场调研机构TrendForce预计，2026年服务器DRAM合约价累计上涨约270%，企业级SSD价格累计上涨约235%;2027年HBM合约价仍可能上涨70%—140%，即继续呈现翻倍式增长，这些数据体现了AI算力需求持续扩张与存储芯片涨价的共同作用。TrendForce测算还显示，2027年涵盖Blackwell与Vera Rubin平台的NVL72机架出货量预计同比增长超过50%;其市场调研的配图显示，相关系统产值预计由2026年的约2260亿美元升至2027年的7110亿美元，同比大幅增长214%。

Muse与Astra推动的核心变化，是让“数字劳动力”成为新的算力消费主体。Meta的Muse由Muse Spark驱动，拥有专用云端虚拟机，可以在用户离开应用后继续执行任务，并由独立Sentinel智能体审查对外操作;OpenAI的GPT-6 Astra则为dots提供能力，每个智能体拥有云电脑、浏览器与工具，能够处理持续性工作并委派子智能体。一条用户指令，由此展开为规划、检索、执行、检查和再次推理的连续流程。

背后的整体AI算力需求机制可以概括为——总推理工作量≈活跃用户数×每人任务频次×每项任务模型调用次数×单次调用计算量。渗透率提高作用于第一项，工作流自动化、多智能体协作则扩大中间两项。Anthropic此前的研究报告披露，其研究样本中智能体约消耗普通聊天4倍的Token，多智能体系统约为15倍;这一经验数据不能直接套用于Muse或Astra，却清楚展示了从“回答问题”走向“高效率完成人类复杂工作”的资源变化。

更深层的增长动力，是每项成功任务成本下降，扩大了AI能够经济地承接的工作范围。Astra在部分公开评估中同时提升能力与Token效率，因此需求增长并不要求每项任务越来越耗资源——即只要新增任务规模超过单位任务的资源节约，总计算需求就会继续扩张。此外，开源与闭源AI大模型竞赛趋势，通过改善质量、降低使用门槛和拓展场景，共同放大AI算力资源需求空间。

AI狂潮的“交付斩杀线”SpaceX如何打开3万亿美元估值想象空间

围绕Muse以及Astra的AI智能体加速普及与渗透正在改变数据中心的资源结构。GPU承担主要模型运算，CPU则运行浏览器、代码沙箱、工具调用、数据处理与任务编排;长上下文和高并发扩大活跃KV缓存需求，推动HBM容量与带宽升级;DDR支撑虚拟机、工具进程和部分缓存卸载，企业级SSD承载文件、长期记忆与上下文分层存储。采用跨节点预填充/解码分离时，KV缓存还需要通过高速网络搬运，扩大网络设备及相应光互连需求。有效算力取决于整套系统能否协同扩展。

这也解释了投资主线为何向CPU、存储和数据中心内部高速光互连扩散。9月21日，Muse下载狂潮带动的需求预期推动AMD上涨约10%、英特尔约12%、Arm约17%;韩国10月1日公布的9月数据进一步提供存储芯片制造端验证(韩国拥有全球两家最大规模存储芯片制造商——SK海力士与三星电子)半导体出口约603亿美元，同比疯狂增长262.8%;计算机出口70亿美元，同比增长435.3%;半导体设备进口34.4亿美元，同比增长50.8%。出口金额同时受数量和价格推动，而设备进口增长则显示算力需求正向半导体产能扩产全面传导。

有华尔街分析师据此趋势提出贯穿产业链的判断全球企业布局AI的史无前例狂潮正在形成“AI算力交付斩杀线”——商业规模的上限，越来越取决于企业能够以怎样的成本、延迟与可靠性，持续交付多少成功任务。SpaceX提前锁电、扩建集群、获取客户并强化稳定性，正是在争夺这条边界上的供应地位。对资本市场而言，具有重估基础的指标也随之具体化——即可用电力、按期上线容量、付费利用率、每兆瓦的有效任务吞吐，以及最终形成的现金流。

据了解，华尔街顶级金融机构TD Cowen在9月底首次覆盖SpaceX，给予“买入”评级及200美元目标价，较10月1日148.07美元收盘价隐含约35.1%上涨空间;核心逻辑是地面AI算力租赁将成为近期增长主引擎，预计2027年相关收入达到660亿美元、占总收入约58%，并自当年第一季度起贡献过半收入。其他华尔街金融巨头目标价覆盖方面，高盛给予“买入”评级以及220美元的12个月内目标价，摩根士丹利给予“增持”以及高达300美元目标价，瑞银给予“买入”以及210美元目标价，美银给予“买入”评级235美元目标价。

S&P Global截至9月30日汇总的37名华尔街分析师样本，综合评级为“买入”这一最乐观积极评级，未来12个月平均目标价为226.04美元，相对148.07美元意味着约52.7%的潜在涨幅;按当前约135.7亿股总股本保持不变静态测算，隐含市值约为3.07万亿美元，高于当前约2.01万亿美元。分析师给予这一乐观估值情景对应的核心预期，正是SpaceX在马斯克领导之下愈发聚焦于将电力、建设速度与集群运营能力，转化为服务多家AI客户的持续收入。

最专业的美股资讯,推荐美股大数据 https://Stockwe.com/