2007—2026年各大类资产每年的收益率排名变化，展示一个非常重要的规律：没有任何一种资产能够长期霸榜，市场的“王者”一直在轮换。

一、2026年最重要的信号：商品资产正在成为绝对赢家

截至图表中的2026 YTD数据：

资产	2026 YTD收益
Commodities 商品	+77.3%
MSCI Emerging Markets 新兴市场	+27.0%
MSCI EAFE 发达市场	+13.9%
S&P 500	+12.4%
REITs 房地产	+11.1%
Cash 现金	+2.5%
Global High Yield 高收益债	+2.4%
Gold 黄金	+1.8%
US Treasuries 美国国债	-0.7%
Global Investment Grade 全球投资级债券	-0.5%

最夸张的就是商品 +77.3%。

而且这不是普通意义上的“小幅领先”，而是断层式领先。

第二名新兴市场只有27%，商品已经是其接近3倍。

这说明2026年的市场核心交易逻辑已经发生明显变化：资金正在从传统金融资产，向资源、能源、原材料等实物资产集中。

二、真正值得注意的是：黄金正在让位给“商品”

美股投资网研究团队获悉，如果只看过去两年，很容易得出“黄金是最大赢家”的结论。

2024年：

黄金 +26.7%

2025年：

黄金 +60.7%

黄金连续两年表现非常强。

但是到了2026年，黄金只有：

+1.8%

与此同时，商品指数直接达到：

+77.3%

这意味着一个非常重要的变化：

市场交易的已经不只是“避险”，而开始转向“资源短缺”。

黄金上涨更多反映的是：

美元、通胀、央行购金、地缘政治、财政赤字、避险等因素。

但商品大涨往往意味着更直接的供需失衡。

比如能源、工业金属、农产品等出现供给瓶颈，价格上涨之后，会进一步传导到整个经济体系。

所以这张图如果放到2026年的宏观环境里面看，美股投资网认为最值得关注的不是“黄金还能不能涨”，而是：

为什么商品指数会突然成为全市场收益率第一名？

这背后可能代表市场正在交易一个更深层的主题——全球实物资产重新定价。

三、过去20年的“冠军”一直在换

这张图最有意思的地方，其实是横向看2007—2026。

你会发现：

2007年是MSCI新兴市场 +39.8%

2008年则变成美国国债 +14.0%

2009年新兴市场暴涨+79.0%

2010年黄金上涨+29.2%

2011年美国国债第一

2012年REITs第一

2013年S&P 500第一，+32.4%

2014年S&P 500第一，+13.7%

2015年商品、黄金等传统资产表现非常差

2016年商品重新反弹

2017年新兴市场第一，+37.8%

2018年现金/美国国债表现相对占优

2019年S&P 500 +31.5%

2020年黄金 +24.8%

2021年商品 +46.3%

2022年商品 +31.1%

2023年S&P 500 +26.3%

2024年黄金 +26.7%

2025年黄金 +60.7%

然后到了2026年：

商品 +77.3%。

这就是所谓的“资产轮动”。

四、这张图其实是在告诉投资者：不要迷信单一资产

例如黄金。

2020年黄金：

+24.8%

2021年：

+0.0%左右

2022年：

-0.8%

2023年：

+13.4%

2024年：

+26.7%

2025年：

+60.7%

2026年截至目前：

+1.8%

你会发现，黄金并不是一直上涨。

2025年如果你因为黄金涨了60.7%而认为“黄金永远是最好的资产”，到了2026年就会发现资金已经切换到商品。

同样的事情也发生在股票、债券、新兴市场、REITs身上。

没有永远的第一名，只有不同宏观周期下的第一名。

这也是“Asset Class Quilt”这个图最核心的意义。

五、2022年其实是一个非常重要的分水岭

2022年：

Commodities +31.1%

而：

S&P 500 -18.1%

MSCI EAFE -18.1%

MSCI EM -16.7%

Global IG -19.8%

REITs -25.2%

US Treasuries -12.9%

也就是说，2022年几乎是传统股票和债券遭遇“双杀”，但商品成为最大赢家。

这就是典型的：

通胀 → 利率上升 → 股票估值压缩 → 债券下跌 → 商品受益。

而现在2026年商品再次出现远超其他资产的表现，值得思考的是：

2026年是否正在形成某种类似2022年的“实物资产周期”？

当然，两者宏观背景并不完全一样，所以不能简单复制2022年的交易逻辑。

六、还有一个非常有意思的现象：股票其实没有那么差

很多人看到2026年商品+77.3%，可能会觉得“股票没机会了”。

实际上并不是。

2026 YTD：

S&P 500 +12.4%

MSCI EAFE +13.9%

MSCI EM +27%

这说明股票依然是正收益，而且新兴市场表现非常强。

尤其是：

MSCI Emerging Markets +27%

已经明显跑赢S&P 500。

这说明目前不是简单的“股票 → 商品”的单向资金迁移，而更像是：

美国大盘股 → 海外市场/新兴市场 + 实物资产

这种更广泛的全球资产重新配置。

七、债券的表现反而非常值得警惕

2026年：

美国国债-0.7%

全球投资级债券-0.5%

这两个数字看起来跌得不多，但放在当前商品+77.3%的背景下，意义就完全不同了。

因为传统的60/40组合：

60%股票 + 40%债券

过去几十年非常依赖股票和债券的负相关关系。

但如果未来出现：

商品上涨 + 通胀压力 + 利率高位 + 股票上涨 + 债券表现疲弱

那么传统60/40组合的风险收益结构就需要重新评估。

这也是这张图对长期资产配置最大的启示之一。

八、如果从美股投资角度看，这张图真正值得关注的是“第二层机会”

如果商品真的进入一个强势周期，最值得关注的未必只是直接买商品。

因为商品上涨会产生巨大的产业链传导。

例如：

能源上涨 → 油气公司利润增加

铜上涨 → 铜矿公司利润弹性增加

铀上涨 → 铀矿/核电产业链受益

黄金上涨 → 黄金矿企利润弹性

铝、铜、锂等上涨 → 上游资源公司受益

而且资源公司的利润增长往往比商品价格本身更加剧烈。

举个简单的例子：

如果某矿企成本是50美元，商品价格从70涨到100美元，那么商品本身上涨43%，但企业毛利可能从20美元变成50美元，利润增加150%。

所以如果2026年的商品超级周期继续，这张图背后真正值得研究的是：

商品 → 上游资源 → 设备商 → 基础设施 → 企业资本开支

这一整条产业链。

九、美股投资网认为这张图可以提炼成一句非常适合美股投资者的话

过去20年的市场，从来不是“什么资产永远上涨”，而是每一个宏观周期都会产生新的资产冠军。

2009年是新兴市场。

2010年是黄金。

2013—2014年是美股。

2016年是商品。

2017年又轮到新兴市场。

2019年是美股。

2020年黄金。

2021—2022年商品。

2023年美股。

2024—2025年黄金。

而到了2026年，商品以77.3%的收益率遥遥领先。

所以这张图最值得关注的，不是“哪个资产今年涨得最多”，而是：

为什么市场冠军正在从黄金切换到商品？

如果这个趋势持续，那么接下来美股市场真正的大机会，可能并不只在传统AI科技股，而可能逐渐扩散到能源、铜、铀、矿业、工业设备、基础设施以及受益于全球资源资本开支的公司。

这也是美股投资网认为这张BofA图表对2026年投资最有价值的一个信号。

 

 

黄仁勋说 Palantir 是“全球最重要的企业技术栈”。

这句话本身就已经超出了普通合作的范畴。而当 Nvidia 把自己的供应链——全球最复杂的供应链之一——交给这套技术栈时，事情的性质变了：这不只是一次合作，而是在定义一套新标准。

合作的事实层

Nvidia 与 Palantir 宣布，将 Nvidia 的 Nemotron 开源模型整合进 Palantir 的 Foundry 和 AIP 平台，以 Palantir Ontology 为底层基础，构建面向供应链的主权 AI。

第一个客户不是别人，正是 Nvidia 自己。从物料分配决策开始，这套系统正在 Nvidia 的全球供应网络中运行。

Nvidia 的供应链有多复杂？

每个 Vera Rubin 机架约 130 万个零部件，横跨数千家供应商。Alex Karp 说，它“比许多国家的供应链都复杂”。黄仁勋的表述更直接：“供应链是实体经济的操作系统。Nvidia 和 Palantir 正在将这个庞大的运营图谱转化为主权智能——从晶圆到 token。”

为什么是“不止于合作”

普通合作是各取所需，而这次是在共同制定标准。三个信号：

第一，Nvidia 是第一个客户，不是最后一个。这套系统先在 Nvidia 自己的供应链中验证，然后计划复制到制造业、农业、制药、零售、科技和政府。

Fast Company 的标题说得很直白：“Nvidia 成为主权 AI 平台的试验场，而这个平台他们打算卖给所有人。”

第二，它打通的是“从晶圆到 token”的端到端智能。不是单点工具，而是覆盖整个运营图谱的决策系统。这意味着供应链管理从“人看报表”转向“机器速度决策”。

第三，“主权”被重新定义。在 Palantir 的框架里，主权意味着客户保留对专有数据的控制权和所有权，系统可部署在云端、本地或托管设施。

但 TNW 的评论指出了另一面：客户控制的是内容，不控制 Ontology、模型、优化软件、加速器，以及供应这四样的两家美国公司。“内容的主权，机器的依赖。”

如果这套模式跑通，“主权智能供应链”的标准就成型了：

以 Ontology 为操作系统，以主权 AI 为决策引擎，以关键供应链为验证场，然后向所有复杂实体系统输出。Nvidia 和 Palantir 正在做的，是把“供应链”从一个成本中心，变成一个国家或企业的主权能力。

美股投资网认为，这不止于合作。它是在为“主权智能供应链”立标准。标准一旦成为默认，依赖便随之形成。

你怎么看？这是主权 AI 的真正落地，还是“主权”叙事的又一次包装？

$NVDA $PLTR #美股

 

 

这周旧金山刚结束高盛一年一度的Communacopia科技峰会。台上演讲是公开的，但真正有信息量的，是几天里密集的管理层交流。

上市公司高管、基金经理和分析师坐在一起，聊订单、资本开支、产品节奏，以及未来一两年的判断。

过去三年大家总问“芯片够不够”，现在问得越来越多的是：AI这门生意最后谁赚钱、能赚多少。

几场关键发言听下来，下一阶段的轮廓已经比较清楚。

博通：算力开始算回报

博通CEO Hock Tan给了一个框架：1GW前沿AI算力对应多大经济价值。

GW是功率单位，1GW大致相当于一座中型核电站输出功率，现在大型AI数据中心越来越习惯用GW衡量规模。

按他的测算，1GW前沿算力大约对应30万到50万张H100等效GPU、100万块HBM，一年能支撑约300亿美元ARR。ARR就是年化收入，把订阅和长期合同折算成一年的收入。

更关键的是这300亿怎么分。维持1GW算力运行，每年大约需要100亿美元基础设施成本，包括电力、冷却、芯片折旧、网络、存储和机房。剩下的价值，主要得由模型层和应用层创造。

这说明AI产业正在换问题。前几年市场最关心算力够不够，谁有GPU谁定价。供给逐渐上来后，真正的问题会变成：这么贵的算力，最后能不能变成更高的收入。

Hock Tan后面也强调模型层的商业化。会上估算，目前全球AI模型每年对应的基础设施成本大约2000亿美元，但转化成模型公司收入的大约只有1500亿美元。行业还在高投入阶段。

闭源和开源差距也明显。同样对应1000亿美元投入，闭源前沿模型产生的收入明显更高，开源模型虽然使用量大，直接商业化能力还是偏弱。

这也是华尔街一直争论Meta开源路线的原因。Llama能降低行业模型成本、扩大使用规模，但这部分价值最后有多少留在Meta自己手里，是个问题。

反过来也解释了博通为什么持续押注定制ASIC。如果闭源前沿模型继续扩大收入，大型科技公司为了降低算力成本、提升效率，自研芯片和定制加速器需求会继续放大。Google、Meta、Amazon都在往这条路上走，这也是博通最重要的AI增长方向之一。

AMD：从卖芯片到卖系统

第二场是AMD。管理层给的几个数字，把接下来几年的方向讲清楚了。

未来5年可触达市场规模预计1050亿美元，其中AI GPU约450亿，机架级系统350亿，网络芯片150亿，服务器CPU约100亿。

这里最值得看的不是450亿的AI GPU，而是350亿的机架级系统。机架级系统不是单卖一颗GPU，而是把GPU、CPU、网络、存储、散热和电源整合在一个完整机柜里交付，直接去竞争英伟达的整柜方案。

这对AMD很重要。单卖GPU，主要和英伟达比芯片性能和价格；进入整机柜，竞争就变成系统能力、网络能力、软件生态和整体交付能力。单个订单价值量更高，对客户绑定也更强。

所以接下来判断AMD的AI业务，不能只看MI系列GPU卖了多少，更要看它能不能从卖芯片升级成卖系统。

会上还提到几家核心客户，包括Meta、微软、Anthropic和甲骨文。自2025年第四季度以来，MI355X累计销量已经突破100万颗。

如果这个交付节奏能持续，AMD下一阶段要证明的就不是“有没有AI收入”，而是能从英伟达手里拿到多大份额。

Google：TPU不再只是内部自用

第三场反而更容易被低估，是Google Cloud。最该关注的是TPU。

过去Google的TPU更多被当成内部自用芯片，现在它正在从内部降本工具，变成对外输出的算力产品。会上提到，TPU外部客户已经从Anthropic扩展到SSI和xAI，而且外部使用规模已经超过Google自身内部使用。

这件事意义很大。

以前Google自研TPU，对英伟达的影响主要是自己少买一点GPU。但如果Anthropic、SSI、xAI这些模型公司也开始大规模使用TPU，那就意味着Google的自研芯片开始从内部替代走向外部商业化。这已经不是单纯降本，而是在正面参与AI算力市场竞争。

所以未来几年AI芯片市场真正值得看的，不只是AMD能不能追上英伟达，还要看Google、Amazon、Meta这些云厂商自己的ASIC，会不会从内部使用逐步走向外部销售。

与此同时，Google的资本开支还在扩大。会上给出的口径是，2026年每季度投入约250亿美元，2027年可能进一步升到250亿到300亿美元以上，年化投入首次突破1000亿美元。

但现在再看CapEx，已经不能只看数字越大越兴奋。真正要看的是这些钱流向哪里：继续买GPU，还是自研TPU；建设数据中心，还是投电力、网络、液冷和存储。

同样是1000亿美元资本开支，流向不同，对产业链公司的意义完全不同。

AI下半场，重点从缺算力转向谁赚到钱

把博通、AMD和Google这几场放在一起看，行业变化就很清楚了。

微软、Google、Amazon、Meta、Oracle这些科技巨头，过去几年一直在快速建设AI基础设施。

会上统计的投入规模，从2022年的1500亿美元，上升到2025年的3200亿美元，预计2026年达到4500亿美元，2027年5800亿美元，2028年进一步接近7000亿美元。

总额还在增长，但增速已经开始放缓。所以AI投资接下来真正值得研究的，不再只是CapEx还涨不涨，而是资本开支内部开始重新分配。

谁做自己的芯片，谁开始卖整机柜，谁控制电力和散热，谁能把算力转化成真正的模型收入，这些才决定未来三年的利润流向。

美股投资网，对2028年反而会稍微谨慎一点。因为现在市场有一个很重要的隐含假设：AI资本开支会长期保持高增长。

但如果未来模型推理成本继续快速下降，或者企业端AI应用的商业化速度不及预期，巨头资本开支增速一定会下来。

这并不意味着AI周期结束，而是意味着市场开始从“什么都缺”进入“算回报率”的阶段。

2022年到2026年上半年，AI主线很简单：算力稀缺，谁有GPU，谁就赚钱。接下来到2030年，逻辑会逐渐转向系统级竞争和价值重新分配。

云厂商会不断提高自研芯片比例，芯片厂之间会从单卡性能打到整机柜，电力、散热和网络继续成为瓶颈，而模型公司必须证明自己有能力把每年几千亿美元的算力投入真正变成收入。

这时候，芯片厂依然会赚钱，但超额利润可能会受到两边挤压。

一边是模型公司不断要求降低算力成本，另一边是Google、Amazon、Meta这些云巨头提高自研芯片比例。

反过来，电力、散热、网络这些过去相对不受关注的环节，因为扩容越来越难，反而可能获得更高的价值量。

接下来真正值得盯的几个时间点

今年四季度，英伟达新产品放量、AMD AI GPU继续爬坡，市场已经提前交易了不少预期，所以真正决定股价的，是增长能不能继续超过已经很高的预期。

到2027年一季度，重点看AMD新一代整机柜能不能顺利进入客户验证。如果能够真正拿到规模订单，AMD的估值逻辑会从GPU份额提升，走向系统级竞争；如果推进低于预期，重估时间就要继续往后推。

2027年上半年，重点看Google TPU的外部客户能不能从测试和补充算力，真正转向主力采购。

再往后，英伟达下一代旗舰产品进入大规模量产以后，第一个GW级订单落到谁手里，也会成为整个AI算力链非常重要的信号。

贯穿整个过程，我认为还有一个最容易被忽略的变量：OpenAI和Anthropic这些前沿模型公司的收入增长。

因为所有GPU、ASIC、HBM、光通信、电力和数据中心投资，最后都要有人付钱。

只要模型公司的收入继续高速增长，这条产业链就还有扩张空间。但如果模型收入开始追不上算力投入，那时候市场真正要重新定价的，就不只是某一家芯片公司，而是整个AI基础设施链。

这也是这次高盛TMT大会给我最明显的感觉：AI还在继续。只是市场已经开始从“有多少算力”，进入“这些算力到底能赚多少钱”。

$AVGO $GOOGL #美股

 

 

周五公布的数据显示，美国8月未季调CPI月率录得0.4%，为今年6月以来新高，前值为0.1%；CPI年率录得3.4%，与前值持平，二者均符合预期。

核心通胀方面，美国8月季调后核心CPI月率录得0.3%，为今年5月以来新高，高于市场预期及前值的0.2%；核心CPI年率从2.5%的前值降至2.4%，为连续三个月走低，创2021年4月以来新低，符合市场预期。

因汽油成本在连续两个月下降后反弹，美国8月CPI加速上涨，这增强了金融市场对美联储可能在下周加息的预期。

根据美股大数据 StockWe.com 细项方面，CPI报告显示，8月份能源价格上涨了2.1%，而食品杂货价格变化不大，住房价格上涨了0.3%。不包括能源和租金在内的服务价格上涨了0.5%，反映出通信、外出住宿和机票等类别的价格上涨。

除食品和能源商品外，商品价格上涨0.1%，新车和二手车价格上涨是推动价格上涨的主要因素。

8月CPI报告是美联储9月议息会议召开前的最后一个重点指标。此前，不少美联储官员暗示，9月15日至16日的加息决定可能取决于这些数据，因此美联储很可能将这些数据视为三年来首次加息的关键因素。

美联储主席沃什也在上个月的一次演讲中表示，如果美联储不能“确信核心通胀正在以清晰、足够的速度朝着我们的目标迈进”，那么美联储“还有很多工作要做”。

周四的数据已经显示8月PPI数据上升，其中多个关键分项强劲上涨，这些分项会纳入PCE通胀的计算。经济学家目前预计，整体PCE年底将超过3%，仍远高于美联储2%的目标。

再加上上周强劲的8月非农就业报告，市场对美联储下周加息的预期继续提升，预计下周美联储加息的概率约为90%，并完全定价年底前美联储将进行两次加息。

法国外贸银行美国首席经济学家Christopher Hodge表示，这些数字将足以推动美联储加息。“我们认为，美联储可能会认为，从下周加息开始，通过一两次加息来推动加息是合适的。”

他补充道，沃什7月份不稳定的新闻发布会，加上杰克逊霍尔的鹰派态度重新抬头，现在可能会迫使下周加息，以避免陷入自己强加的可信度陷阱。

Mischler Financial Group则认为美联储下周不会根据这一数据加息，该机构认为，官员们在加息问题上意见分歧很大，如果CPI继续高于预期，美联储在10月会议上加息25个基点的可能性更大。

高盛经济学家Alexandra Wilson-Elizondo认为，CPI数据基本符合预期，表面上是投资者希望的结果，但使下周的利率决定悬念陡增。挑战在于，数据并未完全反映最近出现的部分通胀压力，而且几乎没有证据表明通胀在短期内正回归目标。这份报告的调查期早于能源价格最新一轮上涨，也早于大宗商品涨势从能源蔓延至金属和农业等领域。

他补充道，“美国8月CPI数据并不能消除未来出现更强价格压力的可能性。总而言之，符合预期的CPI数据将让美联储保留加息选项，但不至于被迫必须行动，所以市场接下来可能更加关注沃什的沟通、能源价格、劳动力市场数据以及接下来会发生什么，而不是数据本身。”

对于通胀，一些经济学家认为，由于进口关税（最近是对美国最大贸易伙伴之一加拿大征收的关税），价格压力将持续存在。加剧通胀压力的还有人工智能建设导致内存和存储芯片短缺，这推高了部分消费电子产品的价格。

对物价上涨、尤其是汽油和食品价格上涨的不满，已导致特朗普的支持率急剧下滑，并可能使他的共和党在11月中期选举中失去对美国国会的控制权。

与此同时，由于中东冲突和俄乌战争冲击能源供应，美国经济正面临能源价格回升的困境。本周，原油价格突破每桶100美元，美国零售柴油价格也创下历史新高。