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
今天美股的表现让人大跌眼镜！美东时间周二（6月23日），美股三大指数集体低开，纳指一度跌超2.2%，费城半导体指数一度暴跌超7%。道指表现相对抗跌，盘中一度翻绿。
个股层面，美光科技大跌超13%，闪迪暴跌超12%，高通跌超6%，AMD跌超5%，存储、光通信概念股全面溃败。
同一天，欧洲市场跟跌，斯托克600科技指数跌超3.3%。日经225指数收跌3.55%。全球科技板块呈现同步下跌态势。
引发这一切的直接导火索，是一篇在亚洲交易时段流传的韩国"征税小作文"——一份关于将股.票和房地产未实现收益纳入征税体系的Z策讨论文件。
韩国"征税小作文"如何引爆韩股
周二亚洲交易时段，韩联社报道称韩国议员正讨论一项税制改革方案——将股.票与房地产的未实现收益（账面浮盈）纳入综合征税范围。
核心主张是推动"所得税综合主义"转型：不论资产形态与变现与否，均以实质性增加的净资产作为课税依据。
大白话来说就是：
即便投资者尚未卖出股.票，账面上看到的盈利部分，也可能被征税。
为什么这则消息对韩国股市杀伤力极大?
要理解这一点，需要先看韩国股市在暴跌前的状态：
第一、韩国股市刚创历史新高，处于极度超买状态。 就在前一个交易日（KOSPI指数刚刚突破9,000点历史关口。
第二、散户杠杆率已达到极端水平。 截至6月上旬，韩国散户在KOSPI市场的借贷投资额达到29万亿韩元，较2025年底的17万亿韩元增长71%，且已触及券商设定的融资上限。杠杆资金高度集中于芯片板块。
第三、三星与SK海力士两只股合计占KOSPI权重接近50%。这意味着这两只股.票的波动几乎可以直接决定整个指数的涨跌。
第四、SK海力士市值刚刚超越三星电子，被市场解读为"见顶信号"。 6月22日，SK海力士市值突破2,080万亿韩元，超越三星电子，这是三星连续26年稳坐韩国市值头名的纪录首次被打破。首尔策略师指出，SK海力士估值超过三星电子本身即是市场过热的重要信号。
第五、韩国金融监督院院长李灿镇周一刚刚公开表示"后悔"推出杠杆ETF。 他在新闻发布会上直言："这些是高风险产品。即使我们不断提醒风险，投资热度仍没有降温。"他甚至罕见地表示："半开玩笑地说，我当时真应该躺在门口阻止这些产品上市"。监管层"后悔"的表态，本身就向市场释放了"风险已失控"的信号。
小作文的杀伤机制
在上述背景下，"未实现收益征税"这则消息的杀伤力被成倍放大。
在一个散户借贷投资额高达29万亿韩元、且已触及融资上限的市场中，大部分杠杆资金的维持担保比率处于紧平衡状态。这意味着股价小幅下跌就会触发追加保证金通知。
"浮盈征税"讨论出现后，投资者面临一个不对称的博弈结构：
1.继续持有，要承担账面浮盈被征税的成本；
2.提前卖出，则立刻锁定收益、规避税负，同时还能降低杠杆率、释放保证金压力。
在一个已经没有任何安全垫（融资额度已用尽）的市场中，这个结构让"抢跑"成为每个理性散户的最优选择。但当所有人都选择同时抢跑时，流动性瞬间枯竭，抛售演变为踩踏。
韩财政研究所的研究员也指出，若对未实现收益征税，可能产生促使投资者提前抛售以避免未来税负的激励。
监管层"后悔推出杠杆ETF"的表态进一步强化了这个恐慌机制。杠杆ETF本身具有每日再平衡机制——市场下跌时，杠杆ETF必须进一步卖出底层资产以维持杠杆倍数，这会形成"下跌→杠杆ETF卖出→进一步下跌→更多杠杆ETF卖出"的自我强化循环。
6月23日韩下午2点至3点间，市场涌现大量被迫平仓的"断头"卖单，加上追踪芯片股的杠杆ETF产生的每日再平衡压力，将波动率推向了极致。外国投资者早盘抛售了超过2万亿韩元（约合13亿美元）的KOSPI成分股。
最终结果：KOSPI收跌9.99%，盘中两度触发熔断；三星电子暴跌12.31%，SK海力士下跌12.47%。
为什么韩国暴跌会传导到美股
直接的产业链关联
三星电子和SK海力士是全球AI存储芯片（HBM和DRAM）的两大核心供应商。HBM被视为当前AI服务器和大型数据中心最关键的零部件之一。
过去两年，AI产业链最大的投资逻辑之一就是HBM长期供不应求。从英伟达到SK海力士、三星电子、美光科技，整个AI硬件产业链的估值扩张都建立在这一预期之上。
因此，当韩国芯片股暴跌时，全球投资者自然会问一个问题："韩国芯片股崩了，是不是意味着AI硬件需求出了问题？" 这个问题直接指向美光科技、英伟达、AMD等美股AI硬件公司。
跨境资金的同步撤退
除了产业链关联，还有一个更直接的传导渠道：跨境套利资金的同步撤退。
持有韩国芯片股的外国机构投资者，同时也是美股AI硬件股的主要持有者。
当他们在亚洲时段因韩国市场触发熔断而被迫平仓或主动减仓时，为了满足全球投资组合的风控要求（如风险价值限额、止损线），他们需要在美股开盘后同步减持相关仓位。
国际资本的组合再平衡机制
一家同时持有三星电子、SK海力士、美光科技、英伟达的全球科技基金，当其在韩国市场的头寸遭受重大损失时，通常会采取"降低整体科技板块暴露"的风控操作，而非仅仅减仓韩国资产。这直接导致了美股AI硬件股的同步抛售。
本质上，这是同一批钱在同一个产业链上进行的跨市场联动减仓。
美光财报前的"抢跑"效应
美光预计于6月23日（美东周三盘后）发布财报，这被市场视为观察DRAM与HBM需求走势的关键窗口。由于三星、SK海力士与美光处于同一产业链，美光的业绩被视为这两家韩国存储巨头前景的先行指标。
问题在于，市场对美光财报的预期已经被过度抬高——今年以来美光股价已涨超260%。在韩国芯片股率先崩塌的背景下，资金在美光财报前选择提前避险，加剧了美光及相关半导体股的抛售。
从交易行为上看，在韩国芯片股已经崩盘的情况下，持有美光多头的机构面临一个非常具体的决策困境：
1、如果美光财报不及预期，在韩国暴跌的背景下会被市场解读为"全球存储需求拐点确认"，跌幅可能远超正常水平；
2、如果财报超预期，反弹也可能被韩国市场的恐慌情绪压制。
这个不对称的风险收益结构，使得在财报前减仓成为了许多机构的风控本能选择——尤其当市场已经出现了可以引用的负面催化剂时，减仓行为在合规层面更容易被证明是"审慎的"。
高盛AI警告在同一时间出现
同一天，高盛策略师发布报告警告：AI市场"已如一根被拉伸的橡皮筋"，一旦任何一家主要科技巨头率先削减AI支出，整个AI板块的估值逻辑将面临全面重构。
高盛还指出一个"结构性背离"：超大规模云计算商持续加码AI支出但股价跑输大盘，而英伟达、台积电等AI硬件股却逆势上涨——这一背离本身就是市场定价失真的信号。
高盛的这份报告与韩国股市暴跌发生在同一天。两者的叠加效应显著：韩国芯片股的崩盘为高盛的AI警告提供了现实注脚，而高盛的警告又为市场的恐慌情绪提供了理论框架。
被忽视的结构性因素：流动性拐点
美国M2货币供应量同比增速已从2025年的高位持续回落。AI硬件股的估值扩张，在很大程度上是由过剩流动性推动的。当增量资金（新买入力量）减少时，维持高估值的唯一支撑就变成了"存量资金持续集中于该板块"——但这意味着筹码结构越来越脆弱。
韩国市场的"征税小作文"和美光财报前的获利了结，恰好发生在流动性拐点与筹码极度集中同时存在的时刻。这就是为什么一个在正常市场环境下本应影响有限的政策讨论，会引发如此剧烈的连锁反应。
美股投资网看法
一、表象是消息刺激，本质是“系统脆弱性”与“杠杆共振”
“小作文带崩市场”只是流于表面的因果论。韩国征税讨论从立法到落地有漫长的距离，市场在一天内将其炒作至熔断，真正被消化的不是政策本身，而是市场已经极度超买、杠杆触顶、筹码高度拥挤的“系统脆弱性”。
韩国股市暴露了杠杆交易的系统性风险（29万亿韩元散户借贷、半年激增71%），这种由杠杆驱动的上涨，在面临任何负面扰动时，必然以多米诺骨牌式、跨境去杠杆踩踏的方式原路出清，其对全球高杠杆市场都具有镜像警示意义。
二、调整的内在根源：AI产业链的“结构性估值撕裂”
这场暴跌的底色，是全球资金对 AI 硬件与 AI 应用之间估值失真的集中修正。高盛所指出的“结构性背离”——下游云计算商疯狂砸钱加码 AI 资本开支但股价跑输，上游芯片和存储硬件股却享受极致溢价——正是当前产业的最大矛盾。
如果下游应用端的投资回报率（ROI）持续无法兑现，这种定价失真最终必须被修正。目前来看，市场正倾向于通过最剧烈的一种方式——即硬件端估值的率先下修，来倒逼整个产业链重新寻找平衡。
三、趋势定性：牛市未终结，这是一次中期的“压力测试”
美股投资网分析认为，单一交易日的剧烈波动并不等同于 AI 长期牛市的终结。从性质上分析这是一次中期流动性压力测试与技术性出清。
物理供应链上核心硬件的订单依然满载，基本面未现反转。接下来的 3 到 5 个交易日将是流动性重建期，后续美光财报的业绩指引、微软与谷歌等大厂的最新资本开支计划，将成为市场走向结构性分化行情的关键验证窗口。
美股AI量化分析工具 StockWe.com 产品功能展示
VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip
虽然英伟达（ NVDA ）在大型语言模型（LLM）的训练（Training）阶段建立了几乎不可撼动的霸主地位，但在向推理（Inference）——即模型真正在实际应用中生成回答——转移的时代，Cerebras Systems (CBRS) 确实展现出了极具爆发力的增长潜力。
这种潜力并非空穴来风，而是根植于AI工作负载的底层物理和架构差异。以下是 Cerebras 在推理时代被认为具有极高增长潜力的核心原因：
美股投资网获悉，AI 推理（特别是生成式大模型）面临的最大瓶颈通常不是计算能力（Compute），而是内存带宽（Memory Bandwidth）。这被称为“内存墙”。
英伟达的瓶颈： 英伟达的 GPU 需要在计算核心和外部的 HBM（高带宽内存）之间不断来回搬运数据。每次生成一个词（Token），都需要将整个模型的权重从内存读取一遍，这不仅耗时，而且极其耗电。
Cerebras 的破局： Cerebras 采用了极其激进的晶圆级引擎（Wafer-Scale Engine, WSE）设计。它没有将晶圆切割成一块块小芯片，而是保留了一整块像餐盘一样大的超级芯片。这使得它可以将海量的 SRAM（比 HBM 快得多的缓存）直接与计算核心集成在同一块硅片上。在 Cerebras 的架构中，模型的权重可以直接保存在芯片内（On-chip），数据传输的延迟几乎降为零，彻底打破了内存墙。
由于解决了内存瓶颈，Cerebras 在推理速度上展现出了降维打击的能力。
在运行 Llama 3 等开源大模型时，Cerebras 的推理服务可以达到每秒数百甚至上千个 Token 的生成速度，这比传统的 GPU 解决方案快了数十倍。
为什么这很重要？ 未来的 AI 不仅仅是聊天机器人，而是多步推理的智能体（Agentic AI）。一个任务可能需要 AI 在后台自我对话、检索、反思几十次才能给出最终答案。如果推理速度慢，这种应用根本无法落地。Cerebras 提供的极致低延迟是解锁下一代复杂 AI 应用的钥匙。
对于 AI 基础设施提供商来说，核心商业指标是单位算力成本或每次推理的成本。
尽管一台 Cerebras CS-3 系统的绝对造价高昂，但由于其处理推理请求的并发量和速度远超传统 GPU 节点，平摊到每个 Token 上的生成成本实际上可以大幅降低。这对于那些需要处理海量并发用户请求的企业（如云服务商、大型 SaaS 公司）具有极大的吸引力。
从商业和资本的角度来看，“增长潜力”往往与企业的初始体量息息相关。
英伟达的基数困境： 英伟达目前的市值已经突破 3 万亿美元，虽然依然强大，但要在这个体量上继续实现翻倍增长，难度极大。
Cerebras 的上升空间： 作为一个市场挑战者，Cerebras 的基数极小。AI 推理市场是一个正在爆炸式增长的增量市场（预计未来几年规模将远超训练市场）。Cerebras 只需要在这个巨大的蛋糕中切下几个百分点的份额，就能实现指数级的营收和估值增长。
客观的现实考量
尽管潜力巨大，但我们也要脚踏实地看待风险。Cerebras 必须跨越英伟达最深的护城河：CUDA 软件生态。此外，英伟达的最新 Blackwell 架构也在努力优化推理性能。Cerebras 需要向客户证明其软件栈的易用性，以及单一巨型芯片在长期运行中的良率和维护成本是可控的。
千万美元大单押注$CBRS 盘后财报上涨，有机构交易员财报前买入1300万美元CBRS的看涨期权Call，行权价260美元，预计他提前知道这财报的利好消息，提前布局，这么大笔金额，非常值得我们跟他一把，根据美股大数据 http://StockWe.com 期权异动追踪，
【美股期权异动】交易时间 2026-06-23 13:39:16 CBRS 到期日 2026-07-17 Call 买方看涨 总价值 1344万美元，行权价260.00 成交量7000 竞价19.20 未平仓合约838 隐含波动率131.99
每日追踪存储芯片价格（DRAM、NAND、HBM等），对于投资者、产业研究员以及科技行业从业者来说，价值其实非常大。因为存储芯片价格往往是整个半导体周期中最重要的领先指标之一。美股大数据免费提供这追踪功能，方便查阅 https://StockWe.com/HardwarePrice
存储行业具有明显的周期性。
当DRAM、NAND价格开始止跌上涨时，通常意味着：
很多时候，股价上涨会领先业绩，但芯片现货价格又会领先股价和财报。
例如：
因此，价格变化往往是最早出现的信号。
当前AI时代，存储的重要性已经不再局限于传统DRAM和NAND。
不同产品价格走势，可以反映不同需求：
说明：
利好：
说明：
利好：
财报是过去式，而现货价格是实时数据。
例如：
当DDR5价格连续上涨两个月：
因此，价格数据实际上比财报更具前瞻性。
价格变化能够反映：
意味着：
意味着：
美股投资网获悉，这是研究存储行业最核心的变量。
存储行业约占全球半导体市场的25%-30%。
很多时候：
存储先复苏 → 半导体复苏 → 科技股复苏。
因此，DRAM和NAND价格往往被视为整个半导体行业的“温度计”。
市场上绝大多数利好消息出现时，股价往往已经上涨。
而每日追踪：
能够帮助投资者在：
率先发现趋势。
韩国是全球最大的存储芯片出口国之一。
如果看到：
往往意味着：
AI服务器需求依然强劲。
这通常利好：
每日追踪指标 意义 DDR4现货价 消费电子周期 DDR5现货价 PC、服务器需求 Server DRAM合约价 云厂商Capex Enterprise SSD价格 数据中心需求 NAND现货价 手机、PC库存 HBM出口单价 AI训练需求 韩国DRAM出口价格 行业景气度 韩国MCP(HBM)出口价格 AI基础设施热度 三星、SK海力士减产动态 供给端变化 云厂商Capex AI投资周期
后台太多粉丝私信要求我们恢复更新文章，我们就破例一次！
SpaceX股价今天暴跌16%
早在5天前，6月17日美股投资网的微信公众号文章就提醒大家，200美元卖出SpaceX，文章回顾 我清了 SpaceX，美股 彻底晕了！美联储新主席首秀，四大“意外”直接把多头打懵
今天，SPCX已经跌到153美元，跌幅25%。
VIP截图曝光
两倍做空SPCX 的ETF，2X Short SPCX Daily ETF 代号SSPC 暴涨32%。后面我们会分析。
导致SpaceX股价暴跌的原因SpaceX正式启动其首次投资级债券发行，债务融资将成为SpaceX主要的资金来源，预计到2031年SpaceX的净债务将增加4000多亿美元。这一数字远超目前几乎所有美国公司的账面债务水平，超甲骨文公司债务总额的三倍。所募资金将主要用于偿还一笔规模相当的临时过桥贷款。
这背后释放出一个多个风险信号，美股投资网为你一一解读
首先，这次融资释放的一个关键信号是：SpaceX未来可能需要比市场预期更大规模的资本投入，尤其是在AI相关业务上。如果只是为了偿还约200亿美元的过桥贷款，其实属于正常的债务置换行为，但管理层同时强调这只是大规模融资计划的开始，这就让市场开始担心后续可能还有更多债务发行。
其次，这会改变投资者对SpaceX的定位。IPO之后，市场原本更倾向于把SpaceX视为一个高增长、相对轻资产的科技公司，但随着200亿美元债券以及未来潜在更多融资的出现，公司逐渐呈现出“高杠杆成长型企业”的特征。对于股票市场来说，这类结构意味着更高的财务杠杆和更长的回报周期，从而压制估值。
第三，债券市场和股票市场的逻辑并不一致。获得投资级评级（BBB区间）意味着公司必须维持较为稳健的财务纪律，这会在一定程度上约束激进扩张。同时，投资者也开始重新思考SpaceX未来的身份，是更接近稳定现金流的基础设施公司，还是高风险高增长的AI科技公司，而不同定位对应完全不同的估值体系。
第四，从市场行为来看，IPO后出现“利好兑现”和获利了结也是常见现象。在投资级评级确认之后，市场情绪短期偏乐观，但当真正启动大规模发债时，一些资金会选择兑现利润，从而造成股价回调。
第五，更深层的担忧在于AI业务的资本回报不确定性。如果未来资本开支主要用于AI基础设施建设，而该业务短期无法产生稳定现金流，那么新增债务就会被市场视为风险，而不是增长动力。尤其是在与OpenAI、Google、Meta、Anthropic以及xAI等巨头竞争的背景下，投资者会更加谨慎评估回报周期。
总体来看，这次股价下跌的核心逻辑并不是“债券发行本身不好”，而是市场开始重新定价SpaceX的商业模型：它究竟是一个高效率的航天与卫星现金流企业，还是一个需要持续高额资本投入的AI基础设施平台。不同定位之间的估值差异非常大，因此才会引发短期市场的波动。
而在SpaceX大暴跌之前，我们的AI选股，在3天前，也就是6月18日，提醒全体VIP，入手两倍做空SPCX的ETF指数，代号 SSPC ，截图曝光，但是10美元。
今天暴涨32%到13美元，这就是一款专业的美股分析软件的威力，结合AI和大数据量化分析，全网仅此一家，美股大数据 StockWe.com
美股投资网一向以数据驱动交易决策，全新推出存储芯片价格每日追踪，能让你第一时间知道内存存储芯片什么时候将要见顶，什么时候会出现产能过剩，要开始回调了，这数据免费公开给全世界的粉丝看，这就是我们一直无私的付出
存储芯片三剑侠之一的美光 MU 股价走出历史新高
美光与Anthropic达成战略合作。技术层面，双方将联合优化AI系统架构，提升存储与计算协同效率；供应层面，美光向Anthropic长期供应HBM、DRAM及SSD等全系列存储产品，保障其算力扩张。
这价格离我们年初必买10股的200美元，已经翻了5倍，截图曝光
扫码+美股AI量化分析工具使用，更深度的美国市场分析
VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip
美股投资网是一家专门研究美股的金融科技公司，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K线信号第一时间发到您手机APP！
美股SPCX股价下跌的原因SpaceX正式启动其首次投资级债券发行，标志着这家马斯克旗下的火箭、卫星与AI综合企业在完成创纪录IPO后，迈出大规模融资的第一步。
据SpaceX于6月22日提交的8-K文件，公司已启动首批高级无担保票据的发行程序，并注明"以市场条件及其他因素为前提"。此次发行规模预计至少达200亿美元，所募资金将主要用于偿还一笔规模相当的临时过桥贷款。
首先，美股投资网认为，这次融资释放的一个关键信号是：SpaceX未来可能需要比市场预期更大规模的资本投入，尤其是在AI相关业务上。如果只是为了偿还约200亿美元的过桥贷款，其实属于正常的债务置换行为，但管理层同时强调这只是大规模融资计划的开始，这就让市场开始担心后续可能还有更多债务发行。
早在5天前，6月17日，美股投资网的微信公众号就提醒大家，200美元卖出SpaceX
今天，SPCX已经跌到153美元，跌幅25%。
其次，这会改变投资者对SpaceX的定位。IPO之后，市场原本更倾向于把SpaceX视为一个高增长、相对轻资产的科技公司，但随着200亿美元债券以及未来潜在更多融资的出现，公司逐渐呈现出“高杠杆成长型企业”的特征。对于股票市场来说，这类结构意味着更高的财务杠杆和更长的回报周期，从而压制估值。
第三，债券市场和股票市场的逻辑并不一致。获得投资级评级（BBB区间）意味着公司必须维持较为稳健的财务纪律，这会在一定程度上约束激进扩张。同时，投资者也开始重新思考SpaceX未来的身份，是更接近稳定现金流的基础设施公司，还是高风险高增长的AI科技公司，而不同定位对应完全不同的估值体系。
第四，从市场行为来看，IPO后出现“利好兑现”和获利了结也是常见现象。在投资级评级确认之后，市场情绪短期偏乐观，但当真正启动大规模发债时，一些资金会选择兑现利润，从而造成股价回调。
第五，更深层的担忧在于AI业务的资本回报不确定性。如果未来资本开支主要用于AI基础设施建设，而该业务短期无法产生稳定现金流，那么新增债务就会被市场视为风险，而不是增长动力。尤其是在与OpenAI、Google、Meta、Anthropic以及xAI等巨头竞争的背景下，投资者会更加谨慎评估回报周期。
总体来看，这次股价下跌的核心逻辑并不是“债券发行本身不好”，而是市场开始重新定价SpaceX的商业模型：它究竟是一个高效率的航天与卫星现金流企业，还是一个需要持续高额资本投入的AI基础设施平台。不同定位之间的估值差异非常大，因此才会引发短期市场的波动。
更多深度分析，请加我们分析师微信号 MaxStockWe
谷歌GOOG股价大跌的原因是，市场担忧公司大幅下调Gemini接口定价会掀起全行业大模型价格战，行业低价内卷将压缩各家AI业务盈利空间，压制谷歌云与AI板块利润预期，资金避险出逃，短期估值承压明显。此外，谷歌两位顶尖AI科学家相继出走，加入其竞争对手OpenAI和Anthropic，Alphabet周一遭遇近一年来最惨烈的一次抛售。
截至发稿，谷歌股价跌幅超过6%，盘中一度重挫逾7%，市场情绪明显转向悲观。
引发这轮大跌的直接导火索，是谷歌DeepMind副总裁约翰·江珀（John Jumper）宣布离开谷歌，转投竞争对手Anthropic。
江珀是AlphaFold模型的核心创造者之一，这项突破性成果使得AI能够预测蛋白质结构。他也因此与DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）共同获得2024年诺贝尔化学奖。
就在几天前，DeepMind工程副总裁诺姆·沙奇尔（Noam Shazeer）也宣布离职，并加盟OpenAI，负责人工智能架构研究。
沙奇尔的重要性甚至更高。他是2017年划时代论文《Attention Is All You Need》的共同作者之一。这篇论文首次提出Transformer架构，而Transformer正是今天ChatGPT、Claude以及Gemini等生成式AI模型的底层基础。
事实上，由于谷歌在生成式AI浪潮初期行动迟缓，沙奇尔早在2021年便离开公司，与人共同创办了Character.AI。
美股投资网获悉，到了2024年，谷歌不得不通过一项价值25亿美元的授权协议，将沙奇尔重新招募回来，并让他共同负责Gemini模型的研发。
然而，仅仅两年之后，这位核心人物再度离开，并直接加入OpenAI。
短短一周之内，两位拥有“灵魂人物”地位的顶级研究人员先后流向竞争对手，难免让投资者开始担忧：谷歌内部究竟发生了什么？
除了人才流失，谷歌在产品层面的存在感也正在减弱。
2026年，OpenAI和Anthropic围绕AI智能体（Agent）展开激烈竞争，不断推出新产品、新模型和企业级解决方案，而谷歌在这一赛道上的声量明显下降。
上周，有媒体援引多位前谷歌员工的消息称，谷歌在向企业客户推广AI编程工具方面一直进展缓慢，销售过程“举步维艰”。
去年底，随着Gemini 3发布，谷歌一度被视为AI领域的领先者。然而，在AI编程工具和生产力应用市场，公司始终未能推出真正具有统治力的产品。
今年5月的I/O开发者大会上，谷歌发布了Gemini 3.5 Flash模型以及Spark AI Agent等多项新产品，但资本市场的反应相当平淡，并未激起太多热情。
当AI竞争优势逐渐削弱后，大规模投入所带来的压力便开始凸显。
自去年10月以来，Alphabet已经通过债务融资和股权融资累计筹集了高达1410亿美元资金，用于持续加码AI基础设施建设。
与此同时，微软似乎正在主动挑起一场新的AI价格战。
微软CEO萨提亚·纳德拉（Satya Nadella）上周公开批评当前AI行业“赢家通吃”的格局。他表示，只有少数几家公司正在攫取AI创造的大部分价值，同时又不断以安全风险和失业威胁为由，宣称自己需要无限扩张。
纳德拉警告称，公众不会接受“只有少数模型和少数公司替全世界学习和思考”的未来。
在行动上，微软也开始直接向竞争对手施压。
上周，微软推出了Copilot Cowork智能体，并宣称相比Anthropic的Claude Cowork，其每次调用成本平均低30%至40%。
与此同时，市场还传出消息称，微软正在考虑托管包括DeepSeek在内的顶级开源模型，为企业客户提供智能体服务，从而进一步压低AI使用成本。
如果这一战略最终落地，那么AI行业的竞争焦点或将从单纯的模型能力比拼，逐渐转向成本、生态以及商业化效率。
而对于谷歌而言，在核心人才流失、产品影响力下降以及竞争对手发起价格战的多重压力下，这家曾经的AI领军者，正面临自ChatGPT诞生以来最严峻的一次考验。
近日，闪迪 SanDisk公布了一项新专利HBF，可能是存储史上的一个重要转折，先科普一下什么叫存储角，AI跑大模型的时候，数据要从存储里读到计算芯片里，但存储的速度追不上芯片，导致算力被浪费。这就是AI行业头疼了十几年的存储墙。
之前行业的解法是HBM，但HBM单组容量只有32~64 GB, 跑万亿参数大模型至少需要64块HBM堆叠，功耗和成本都极高。闪迪的新思路是直接用NAND闪存堆叠在计算芯片正下方，配合HBM一起工作，最高能到4 TB, 是HBM的64倍。
这意味着什么？单个AI GPU就能跑1.8万亿参数的大模型推理，首次令牌生成时间降低41倍，存储终于从“等算力” 变成了“喂算力”。
为此，闪迪正积极探索新方案，先是推出HBF高带宽闪存方案，模仿HBM垂直堆叠思路，依靠TSV硅通孔多层互联，将多个NAND层垂直堆叠，HBF单堆容量最高可达4TB，明显高于当前HBM水平。
不过，该方案目前仅停留在专利阶段，封装复杂度、散热功耗、量产成本都是待攻克难题，商业化面临多重挑战。
该方案的关键在于CBA堆叠工艺。CBA全称CMOS directly Bonded to Array（控制电路直接键合存储阵列），是闪迪和铠侠联合研发的新一代3D闪存堆叠技术，其优势在于，存储与控制晶圆分开制作，互不干扰，闪存堆叠层数、读写性能大幅提升，但对晶圆纳米级贴合精度要求极高，设备与双片硅片将大幅拉高制造成本，量产良率管控难度大。
另外，根据美股大数据 StockWe.com 获悉，成本问题同样严峻，初步估算采用该架构的AI加速器单价将上涨40%，这可能限制其在消费级市场的推广。散热设计也需要重新构建，垂直堆叠结构无疑会增加热点密度。
你们觉得这项专利会是它冲击AI存储市场的王牌吗？
6月18日，华尔街某机构交易员在暗池 Darkpool 买入价值26亿美元的 SPCX，SpaceX
买入36亿美元的 NBIS
买入35.4亿美元的RKLB
更多数据，请登陆免费查阅
https://StockWe.com/StockData
加入 VIP 社群，更多第一手AI芯片和半导体产业链资讯
VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip
韩国6月半导体出口单价（历史数据基于全月数据，而2026年6月的数据基于6月1日至20日的初步数据）
多芯片封装/高带宽内存（MCP/HBM）出口单价： 95,939美元/千克，同比增长119%，环比增长15%
闪存（NAND Flash）出口单价： 72,784美元/千克，同比增长546%，环比增长28%
DRAM（含模组）出口单价： 58,740美元/千克，同比增长491%，环比下降4%
DRAM（不含模组）出口单价： 82,260美元/千克，同比增长576%，环比增长6%
美股投资网 TradesMax 对数据进行分析后发现，当前的韩国半导体出口趋势呈现出以下几个关键特征：
史无前例的“AI超级周期”爆发：
图表展现了自2025年底至2026年中期一条极其陡峭的“抛物线型”上涨曲线。
DRAM和NAND闪存的同比增幅均达到了惊人的5倍左右（491% - 576%）。这表明全球存储市场在经历前几年的低谷后，受到AI大模型和算力基础设施（AI服务器、数据中心）井喷式需求的强烈驱动，正处于极端的供不应求和价格飙升阶段。
HBM（高带宽内存）确立“价值之王”地位：
MCP（HBM）的绝对单价最高，逼近10万美元/千克（95,939美元/千克）。虽然它的同比增幅（119%）看起来没有其他品类夸张，这是因为它在去年的基数本就相对较高。HBM作为英伟达等高端AI GPU的刚需组件，其持续的环比增长（15%）证明了它在利润率和定价权上的绝对统治力。相关公司美光科技Micron MU 、三星 、SK海力士
NAND闪存强劲复苏：
闪存单价不仅同比大涨546%，环比增幅更是领跑全场达到28%。这说明除了AI带动的DRAM需求外，大容量企业级固态硬盘（eSSD）在AI数据存储和训练中的需求也在急剧膨胀，带动了NAND市场的全面繁荣。
根据美股大数据 StockWe.com获悉
市场需求出现微弱的结构性分化：
值得注意的是，“DRAM（含模组）”是唯一出现环比下降（-4%）的品类，而“DRAM（不含模组）”仍在环比上涨（6%）。这可能暗示着：相较于供不应求的裸片（Die）和用于AI的高端定制化存储，主要用于传统PC或普通消费电子的标准化内存模组在价格上已经见顶或出现了轻微的需求疲软。
加入 VIP 社群，更多第一手AI芯片和半导体产业链资讯
VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip
美股投资网是一家专门研究美股的金融科技公司，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K线信号第一时间发到您手机APP！
摩根大通认为，AI基础设施建设正在进入一个新的阶段，而这一阶段最显著的变化，就是云计算巨头开始大规模采用自研AI芯片（ASIC/XPU），并逐渐与Nvidia通用GPU形成双轨并行的格局。
过去几年，几乎所有AI算力都依赖Nvidia GPU，但现在情况已经发生变化。Google拥有已经发展七代的TPU架构，AWS正在加速部署Trainium系列芯片，微软推出Maia，Meta也拥有自己的MTIA路线图。几乎所有超级云厂商都已经不再满足于采购现成GPU，而是开始建立自己的芯片生态。
摩根大通预计，这一趋势将在未来两年明显加速。2026年，ASIC在全球AI芯片出货量中的占比约为42%，而到了2027年，这一比例将首次超过GPU，达到53%。换句话说，2027年将成为AI芯片市场的重要转折点，定制芯片出货量将首次超过传统GPU，AI产业也将从过去的“Nvidia独霸时代”，逐渐进入“Nvidia+ASIC双核心时代”。
更值得关注的是，ASIC的增长速度远远快于GPU。摩根大通预计，今年ASIC出货量同比增长109%，而GPU出货量增速只有39%。两者之间巨大的增长差距，意味着未来几年定制芯片将成为整个AI产业增长最快的赛道。
美股投资网获悉，从各家云厂商的部署规模来看，这种变化已经十分明显。Google TPU的出货量预计将从2026年的450万颗增加到2027年的800万颗；AWS Trainium系列芯片将从190万颗增长到330万颗；微软Maia和Meta MTIA也将开始进入大规模部署阶段。相比之下，Nvidia GPU虽然依然保持增长，但市场份额正在逐渐被分流。
摩根大通认为，Broadcom无疑是这场变革中最大的受益者。由于Broadcom深度参与Google TPU、Meta MTIA以及OpenAI定制芯片项目，摩根大通预计，到2027年Broadcom来自AI ASIC和网络业务的收入有望超过1500亿美元，相比2026年预计的600亿美元实现翻倍增长。事实上，Broadcom管理层此前已经透露，2027年在手订单规模超过1000亿美元，而摩根大通认为这一数字仍然偏保守。
不仅供应链正在发生变化，下游客户的选择也在发生改变。Anthropic的大部分算力协议已经建立在Trainium和TPU之上，而OpenAI规划中的10GW Broadcom项目，本质上也是建立在自研芯片路线的基础之上。这意味着，大模型公司越来越相信，掌握自己的芯片路线图，能够大幅改善长期运营成本，并获得更大的竞争优势。
而推动这一切发生的根本原因，并不是成本，而是电力。
摩根大通在报告中反复强调，限制数据中心扩张的最大瓶颈并不是资本，而是电力。在一个电力资源越来越紧张的时代，每瓦性能（Performance per Watt）正在成为AI时代最重要的竞争指标。
相比通用GPU，ASIC最大的优势就在于能效。由于定制芯片能够针对特定任务进行优化，去掉大量通用计算所需的冗余模块，因此能够在相同功耗下提供更高的计算性能。
例如，Google最新一代Ironwood TPU的单位功耗性能是上一代Trillium的两倍，而与2015年第一代TPU相比，效率已经提升接近30倍。在经过深度优化的工作负载下，TPU和ASIC系统甚至能够达到远高于传统GPU的性能效率。
这也是为什么摩根大通认为，电力约束最终将推动整个行业向ASIC迁移。
过去十年，Nvidia依靠通用GPU统治了AI时代的上半场；而未来十年，随着电力逐渐成为最稀缺资源，整个产业的竞争逻辑可能会发生根本变化。
谁能够在有限的电力资源下提供更高的性能，谁就有可能成为下一个时代的赢家。
因此，未来AI产业链最大的变化，或许并不是Nvidia被取代，而是整个行业将逐渐形成“Nvidia负责通用计算、Broadcom负责定制芯片”的双寡头格局。
从某种意义上说，AI产业正在经历类似智能手机时代从Intel CPU转向ARM架构的历史性转折。真正决定未来胜负的，不再只是算力规模，而是单位功耗下能够产生多少算力。电力，正在成为AI时代新的“摩尔定律”。
加入 VIP 社群，更多第一手投行资讯
VIP订阅链接（用美国的浏览器打开）：https://StockWe.com/vip
微信分析师 微信公众号
