客服微信号 MaxStockWe 客服微信2号 MaxTrades 客服Telegram号 MaxMeigu 邮箱 buy@tradesMax.com 电话 (626)378-3637
AWS在2026年8月27日宣布，将在2027-2028年向英伟达额外采购200万颗GPU，涵盖Blackwell Ultra、Rubin及Rubin Ultra，同时首次在AWS部署Vera CPU，并将NVHBM技术集成至Trainium机架。
这笔订单最直接的冲击是规模本身：2027-2028年合计约300万颗GPU（含3月GTC宣布的100万颗），按主流规格估算，对应约2.8万个NVL72机架、6-7GW功耗，订单金额预估在800亿至1200亿美元区间。
英伟达CFO在财报电话会上补充，前五大超大规模客户2027年资本支出将从2026年的约8000亿美元增至1.3万亿美元，这笔订单与之吻合。
但比规模更值得关注的是三个信号：
一、下单时机：需求节奏在加速
3月GTC宣布100万颗时，市场已视作重大利好。距首批交付还有相当时间，AWS即追加两倍——客户在产能尚未释放之前就提前锁定更远期供应，这通常意味着内部需求预测已显著上修，且上修幅度不是边际性的。
AWS是全球采购纪律最严格、对资本回报要求最高的云厂商之一。它愿意提前18-24个月锁定如此规模的GPU产能，说明AI推理和代理式AI工作负载对GPU的消耗速度正在超预期增长。这不是库存备货，而是基础设施级的战略布署。
二、Vera CPU进入AWS：代理式AI改变了CPU竞争维度
AWS是Graviton系列CPU最坚定的推动者，在x86主导的市场中持续验证ARM架构的经济性。此次AWS选择同时在Graviton旁部署英伟达 Vera CPU，值得关注。
英伟达对Vera的定义很明确：为Agentic AI设计。这类负载的特征是多步骤推理、工具调用、代码执行和跨模型协调，每个核心需要独立完成复杂的代理任务，对单核性能和任务完成效率的要求高于单纯的多核吞吐。
Graviton的设计逻辑是"每核心价格最优"，Vera的逻辑是"每核心任务完成效率最优"，两者不是替代关系，而是解决不同问题的工具。
AWS将Vera纳入产品组合，是对代理式AI工作负载需求规模的实际确认，也是对CPU评估维度从核心数量向任务效能转移的认可。
三、NVLink Fusion与NVHBM集成至Trainium：这不是认输，是技术互补
市场可能将Trainium机架采用英伟达 NVLink Fusion和NVHBM解读为AWS自研芯片战略的倒退，这个判断不准确。
NVHBM的逻辑是技术优化：传统HBM将内存控制器置于XPU芯片上，NVHBM将控制器移至HBM堆叠基底，由内存合作伙伴制造，可释放XPU芯片面积用于计算核心，据英伟达披露可将计算面积效率提升高达25%。这是内存架构层面的优化方向，Trainium作为首批采用方，实质是AWS获取英伟达核心IP的通道。
AWS加入NVLink Fusion生态则说明它认可英伟达扩展架构的价值。Trainium保留计算单元自主设计，同时通过NVLink解决跨芯片通信和内存效率——AWS用英伟达的互联技术补齐Trainium的短板，但XPU核心仍自主可控。
AWS CEO Matt Garman的表态很直白：客户需要选择权，AWS必须支持多种工作负载。Trainium和英伟达 GPU在AWS的产品矩阵中并行不悖，各自服务不同算力需求。
美股投资网认为，200万颗GPU采购最直接的含义是：AI基础设施投资周期远未到拐点。
AWS用提前两年锁定产能的实际行动表明，AI算力需求至少在2028年前维持高强度。
对英伟达而言，单一客户贡献800亿至1200亿美元订单，加上前五大客户资本开支的持续上行，提供了到2028年的可见收入锚点。
Vera CPU进入AWS、NVHBM引入Trainium，则说明AI算力市场的竞争格局正从"替代关系"走向"合作与分化"——不同芯片解决不同问题，超大规模客户正在用多元组合策略对冲技术路线风险，而不是押注单一赢家。#美股
━━━━━━━━━━━━━━━━━━━━━━
【原创声明】
本文由美股投资网（TradesMax.com）研究团队原创完成。
原创机构：美股投资网
英文品牌：TradesMax
本文基于公开财报、SEC文件、市场数据、机构资金、期权交易及产业链信息进行独立分析
如需引用本文，请注明：
“美股投资网（TradesMax.com）原创研究”。
━━━━━━━━━━━━━━━━━━━━━━
英伟达FY27Q2收入962亿美元，同比翻了一倍以上，连续第四个季度加速增长。但市场真正关注的，是管理层给出的前瞻性指引：
FY28收入预计同比增长约70%，且明确这是一个"受供应约束"的数字——如果不受约束，真实需求增速约为100%。
目前市场一致预期FY28增长约45%。这意味着英伟达对自身增长潜力的判断，比华尔街当前模型高出近2000亿美元。
按此推算，FY28收入将达到约7500-7800亿美元，若经营利润率维持在68%左右，净利润可能超过4000亿美元，对应forward PE在12-17倍区间。
这次上涨的关键原因是什么？
财报数字本身很强——Q2营收962亿美元，超预期约40亿，数据中心收入890亿美元，同比增117%。但真正把盘后股价从一度跌超2%拉到涨约4%的，是两件事：
第一，FY28 70%的增长指引，把高增长周期又往后延了一年。市场此前最担心的是Blackwell之后增速降档，这个指引直接打消了疑虑。
第二，2790亿美元的供应与产能承诺，一个季度内从1190亿翻了一倍多。这说明英伟达不只是"说"增长能持续，而是真金白银把未来几年的HBM产能锁死了。
一、从"AI有用"到"需求100%"
电话会上，老黄说了一句关键的话："AI has become useful."
这句话的实质是：AI的商业模式已经跑通。当前限制AI公司收入扩张的不再是需求或变现能力，而是算力供给。
Agent的推理调用消耗的计算量，是人类直接使用工具的15到100倍。当AI从对话工具转向自主执行任务，算力需求呈现非线性增长。因此，70%与100%之间的差距，核心在于供应链能否跟上，而非市场需求是否存在。
二、被低估的另一半：ACE市场
市场注意力多集中在超大规模云厂商，但老黄指出，"大约一半的业务正以约100%的速度增长，这部分在云计算之外。"
这指的是ACE业务（AI Clouds, Enterprise, Sovereign），Q2收入403亿美元，同比增长138%，环比增长25%。包括新云、主权AI、企业本地部署和AI原生初创公司。
与超大规模云厂商不同，这些客户既没有能力也没有意愿自研芯片。他们需要的是一个完整的、开箱即用的AI工厂平台。这正是英伟达全栈方案的价值所在。
三、平台价值提升：从卖芯片到卖工厂
一个关键数据是每吉瓦数据中心的收入机会变化：
这反映的不是简单涨价，而是平台能力的扩展。Vera Rubin已开始生产出货，Q3预计占数据中心收入约20%，Q4及FY28将进一步加速。同时，Vera CPU作为独立产品全面投产，FY28 CPU收入预计翻倍。
从竞争角度看，客户面对的不再是一颗GPU的选择，而是一个覆盖GPU、CPU、NVLink、网络、算法和软件的协同设计体系。
四、2790亿美元承诺与内存瓶颈
财报中披露，截至7月26日，供应和产能承诺从上一季度的1190亿美元增至2790亿美元，其中2027财年剩余920亿，2028年870亿，2029年880亿。
CFO明确表示，增长主要由内存采购锁定驱动。电话会上，管理层坦承内存市场处于"极端定价状况"，涨价幅度超出预期，明年还将进一步上涨。
因此，毛利率指引有所下调：Q3为74%±50个基点，Q4触底71%-72%，FY28稳定在72%-73%。
但老黄提供了一个重要视角："内存供应收紧是推动我们自身增长的同一需求激增的症状。" 换言之，内存短缺不是外部冲击，而是AI建设本身造成的。
英伟达用巨额采购承诺锁定供给，同时推进NVHBM定制高带宽内存（将内存控制器集成到HBM基底层，带宽比标准HBM4E高30%、功耗低15%），Amazon Annapurna Labs将成为首位采用者。
五、5000亿美元资本布局
英伟达与Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR六家机构合作，建立融资平台，计划筹集超过5000亿美元第三方资本，支持前沿AI实验室建设基础设施。
英伟达自身已向前沿AI实验室投资近500亿美元。OpenAI已承诺到2030年部署约12吉瓦英伟达算力；软银Energy的Portsmouth园区初始项目支持4.25吉瓦，预计容纳约150万块GPU。
预计明年，需要英伟达信用支持的AI实验室将贡献约四分之一的业务。老黄将此定性为"一代人一次的机会"。
六、估值与风险
如果FY28收入指引兑现，当前估值水平与公司的增长潜力之间存在明显错配。市场顾虑主要集中在三点：
供应链瓶颈：真实存在，但2790亿美元的承诺和5000亿美元第三方资本提供了较高的可见度。
毛利率下滑：短期受内存涨价和Vera Rubin产能爬坡影响，FY28将稳定在72%-73%，仍处于行业高位。
地缘政治：CN收入已降至数据中心总收入的1%以下，且前瞻指引完全未计入CN市场，属于潜在上行空间而非下行风险。
把这几件事连起来，英伟达现在所处的阶段其实非常清楚。
老黄在电话会结尾表示："明年将是极为庞大、相当非凡的一年。" 结合70%的底线指引和100%的真实需求，这句话更像是一个基于供应链可见度的务实判断，而非简单的乐观预期。
━━━━━━━━━━━━━━━━━━━━━━
【原创声明】
本文由美股投资网（TradesMax.com）研究团队原创完成。
原创机构：美股投资网
英文品牌：TradesMax
本文基于公开财报、SEC文件、市场数据、机构资金、期权交易及产业链信息进行独立分析
如需引用本文，请注明：
“美股投资网（TradesMax.com）原创研究”。
━━━━━━━━━━━━━━━━━━━━━━
英伟达财报电话会CFO预计2028财年收入将增长约70%，2028财年前景受供应限制。本月早些时候已开始发货Vera Rubin，Vera Rubin每部署1吉瓦算力，对应约400亿美元的营收机会。
英伟达正在扩大与公司将与亚马逊云服务（AWS）合作，为美国政府建设数据中心，其中将在“安全的AWS基础设施”上部署10万块GPU。将在2027年至2028年期间，在AWS全球基础设施中新增部署200万块英伟达GPU。
英伟达未来将同时出货Blackwell和Rubin架构系统，目前正面临一定的供应限制。8月与大型资本提供方签署谅解备忘录，计划建立独立融资平台，以筹措超过5000亿美元的第三方资本。
美股大数据 StockWe 财报AI实时解读，英伟达上半年因H200库存过剩计提了4亿美元费用。第二季度一位直接客户贡献了总营收的
黄仁勋：AI已到拐点算力就是收入
英伟达CEO黄仁勋在公司季报中评论称，人工智能已经来到拐点。AI正在完成真正有用的工作，其生成的词元正在创造生产力和利润。现在，算力就是收入，而需求还在加速增长。去年这个时候，基础设施建设还主要由一家AI实验室推动；
如今，我们迎来了新AI实验室和初创企业的黄金时代，多家前沿AI实验室同时扩大规模，开放模型生态蓬勃发展，实体AI也开始投入应用。美国乃至全球都保持着强劲势头。AI基础设施建设正在全速推进。如今已全面投产的Vera Rubin，正是为这一时刻而打造的。
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
随着人工智能模型从单纯追求更高Benchmark分数，逐渐进入AI Agent、多步推理和自主执行阶段，AI基础设施的竞争逻辑正在发生重要变化。过去市场关注的核心是GPU、TPU的计算能力，也就是单颗芯片能够提供多少FLOPS；但当数万甚至数十万颗AI加速器被连接成超大规模集群之后，真正限制系统效率的已经不再只是芯片本身的计算能力，而是芯片之间的数据通信效率、内存带宽以及整个系统的总体拥有成本。换句话说，AI基础设施正在从“单芯片算力竞争”转向“整个系统效率竞争”，而光通信和网络基础设施的重要性正在快速提升。
在这一背景下，供应链近期传出一个值得高度关注的方向：Google面向AI训练的下一代TPU 9t，可能继续采用Torus环面网络架构，但将目前的3D Torus进一步扩展到6D Torus，目标部署时间可能在2027年至2028年。如果这一传闻最终得到验证，它不仅意味着Google TPU网络架构的一次重大升级，更可能对整个AI光通信产业链产生深远影响。美股投资网研究团队认为，最值得关注的是，在Scale-up，也就是AI加速器之间的高速互联部分，每颗TPU对应的环回光端口数量可能从目前3D架构下的约1.5个增加到6个，相当于单颗TPU对应的OCS端口和光模块内容量提升约4倍。
为什么Google需要不断提高TPU之间的通信能力？核心原因在于AI模型本身正在发生变化。传统Transformer架构主要依赖大量计算资源进行矩阵运算，而随着Mixture of Experts，也就是MoE架构越来越普及，AI集群中的通信模式正在从All-Reduce逐渐向更加复杂的All-to-All演变。在MoE模型中，不同Token需要被分发到不同的Expert，而这些Expert可能分布在大量不同的GPU或TPU上，因此芯片之间需要频繁交换海量数据。随着Expert数量不断增加，通信在整个模型执行时间中的占比也会明显提升。相关研究显示，当MoE Expert数量从128增加到2,048时，All-to-All通信所占的执行时间比例可以从约16%上升到36%。这意味着未来模型越大，通信的重要性反而越高。
因此，AI基础设施正在形成一个新的瓶颈结构。GPU和TPU相当于整个AI系统的大脑，负责计算；Memory和Storage负责保存上下文和经验；CPU负责协调任务，而Optics和Networking则类似于整个系统的神经和四肢，负责让不同计算单元之间快速交换数据。在Agent时代，模型不再只是一次性完成一个计算任务，而是需要连续进行推理、调用工具、访问数据库、执行任务并不断获取新的上下文，因此系统需要更加频繁地在不同计算节点之间传递数据。AI Scaling Law正在从单纯的“Compute Scaling”逐渐走向“System Scaling”，通信效率因此成为下一阶段AI基础设施竞争的核心指标之一。
Google未来的AI网络扩张可能沿着两个方向同步进行。第一个方向是Scale-out，也就是扩大AI集群的规模，让更多TPU通过数据中心网络连接在一起。此前市场预计，一个机架中的TH6交换机数量可能从目前的一个增加到四至六个，DCN网络带宽可能提升4至6倍，Scale-out侧的OCS端口与xPU比例可能从目前约0.2:1提高到1:1，而光模块比例也可能从目前的1:1至1:2提高到1:3至1:4。这意味着未来每增加一颗AI加速器，所需要配置的网络和光通信资源也会越来越多。
第二个方向则更加重要，也就是Scale-up网络本身的升级。Google一直以来都非常重视TPU之间的高速互联，并采用Torus架构连接大量TPU。在3D Torus网络中，随着计算节点数量不断增加，网络的二分带宽增长速度并不能与计算规模完全同步，其理论增长大约按照N^(2/3)进行。这意味着当TPU数量快速增加时，如果网络架构仍然停留在3D层面，通信带宽最终可能成为整个系统的瓶颈。因此，在继续使用Torus架构的情况下，提高网络维度就成为提升系统通信能力的重要方式之一。
从3D Torus升级到更高维度，本质上就是让每一颗TPU拥有更多的网络连接方向，从而提高整个集群的通信能力。如果供应链传闻中的TPU 9t最终采用6D Torus，那么这意味着Google可能正在从架构层面解决AI集群越来越严重的通信瓶颈。更高维度的网络意味着更多的光连接、更高的端口密度以及更复杂的光交换结构，而这也将直接转化为光通信产业链的增量需求。
其中最值得关注的是OCS，也就是Optical Circuit Switch，光路交换机。传统数据中心网络大量依赖电子交换机，但当AI集群规模快速扩大之后，功耗、延迟和带宽扩展能力开始成为重要问题。OCS通过光学方式建立不同计算节点之间的高速连接，可以在特定场景下提供更低功耗、更低延迟以及更高带宽的连接能力。因此，在Google这种高度垂直整合、拥有自研TPU和超大规模AI集群的公司中，OCS有可能成为未来Scale-up网络的重要组成部分。
如果TPU 9t真的从3D Torus升级到6D Torus，那么对于光通信供应链而言，最大的变化不是TPU数量增加，而是“每颗TPU需要多少光通信内容”发生了变化。按照目前供应链传闻，每颗TPU对应的wrap-around optical ports可能从3D架构下的1.5个增加到6个，相当于增加4倍。换句话说，即使Google未来部署的TPU数量增长速度没有发生巨大变化，仅仅因为网络架构升级，每颗TPU所对应的OCS端口、光模块以及相关光器件价值量就可能出现非常明显的提升。
与此同时，光连接速度本身也可能发生重大升级。目前市场关注的800G光互联未来可能逐渐向1.6T甚至2.4T发展。如果TPU 9t采用2.4T Coherent Lite，并结合新的调制技术，那么单个光连接的传输能力将从800G提升到2.4T，相当于提升约3倍。这样一来，未来AI光通信产业链可能同时出现三个维度的增长：第一是AI加速器数量增长，第二是每颗AI加速器对应的光端口数量增加，第三是单个光端口的传输速度和技术含量提升。
因此，从产业价值量的角度来看，未来AI光通信可能出现“数量增长+速率升级+技术升级”的三重驱动。单纯计算AI芯片数量已经无法完整反映整个AI基础设施市场的增长空间。更加准确的思路应该是把AI基础设施拆解为Compute、Memory、Networking和Optics几个部分，然后观察每颗GPU或TPU对应的基础设施内容量如何变化。如果AI集群规模不断扩大，同时每颗AI加速器所需要的光通信内容量也不断增加，那么光通信产业链的增长速度完全可能超过AI芯片数量本身的增长速度。
这也是为什么Google TPU的发展值得光通信投资者高度关注。过去市场谈论Google TPU，主要关注的是TPU本身的计算性能、HBM容量、先进封装以及TSMC制造能力，但未来需要进一步关注TPU背后的网络架构。随着TPU从3D Torus向更高维度发展，OCS、Optical Engine、Coherent Lite、高速光模块以及相关光器件的重要性都会明显提高。AI基础设施的投资逻辑也正在从“谁生产最强的AI芯片”，逐渐扩展到“谁能够解决数万颗AI芯片之间的数据传输问题”。
从更大的产业趋势来看，这可能是AI基础设施进入下一阶段的重要信号。过去几年AI资本开支主要集中在GPU、HBM和先进封装，但随着AI集群规模越来越大，Networking和Optics正在成为AI CapEx中越来越重要的一部分。未来一个大型AI数据中心的价值量，不仅仅取决于部署多少颗GPU或TPU，还取决于每颗加速器配备多少网络端口、多少光模块、多少交换容量以及多少高速互联设备。
因此，如果TPU 9t的6D Torus、OCS以及2.4T Coherent Lite最终被Google正式确认，那么这可能成为AI光通信产业链一个非常重要的结构性催化剂。它意味着光通信不再只是GPU服务器的外围配件，而正在成为决定AI集群规模和效率的核心基础设施之一。未来随着AI模型继续扩大、MoE进一步普及以及Agent工作负载增加，通信需求可能继续以非常快的速度增长，光互联在AI基础设施中的价值量和战略地位也有望持续提升。
不过，目前关于TPU 9t采用6D Torus、2027年至2028年部署以及2.4T Coherent Lite等信息仍然主要来自供应链传闻和产业推演，并非Google已经正式公布的产品规格，因此不能直接将其视为确定订单或确定收入。对于投资者而言，更合理的方式是把这一趋势作为一个需要持续验证的产业方向，重点观察未来Google TPU路线图、供应链公司披露、OCS采购情况、高速光模块规格以及相关厂商资本开支和订单变化。
如果这一方向最终兑现，那么AI投资逻辑可能进一步从“AI芯片牛市”扩展为“AI全基础设施牛市”。真正值得关注的将不只是GPU和TPU本身，而是围绕这些AI加速器形成的整个“神经网络”：HBM提供记忆，先进封装连接计算单元，交换机负责网络调度，而光模块、光引擎和OCS则负责让数万颗AI芯片以接近一个超级计算机的方式协同工作。AI算力的下一轮竞争，很可能已经不只是比谁的芯片更快，而是在比谁能够让整个AI集群更快地“交流”。
微信分析师 微信公众号
