人工智能正进入一个新阶段。第一代生成式人工智能系统依赖于能够处理单一任务的强大芯片，比如用于回答查询或生成文本的芯片。而下一代人工智能系统则更进一步：它们能够进行规划、推理，记住之前的操作，并利用各种工具来完成多步骤任务。因此，人工智能的经济价值不再体现在单个芯片上，而是体现在支撑这些系统的整体架构中。值得注意的是，虽然下一代人工智能系统不会减少对GPU的需求，但它们会增加对CPU、内存、网络和存储设施的利用需求。

因为任务的规划、协调、内存管理以及外部工具的调用等过程，都需要依赖这些硬件设施来完成。在智能代理系统中，CPU端的处理任务占总处理时间的50%到90%。随着系统规模的扩大，基础设施的构成也会发生变化，其中，集群层面上的CPU与GPU之间的使用比例会上升。这对市场需求有着重要影响。摩根斯坦利预计，到2030年，智能代理技术有望为调度用CPU创造325亿至600亿美元的新增市场机会，而整个数据中心的CPU市场总规模则为825亿至1100亿美元。此外，持久内存的需求也很重要：据我们的分析，到2030年，智能代理应用带来的DRAM需求量将达到15至45艾字节，这一数值相当于2027年全年DRAM供应量的26%至77%。

这种以“智能体”为核心的AI发展趋势的影响范围远远超出了那些备受瞩目的AI芯片领域。下面我们列出了那些能从中受益最多的股票。这些公司包括CPU制造商、内存供应商、存储设备厂商，以及那些从事先进封装和基板制造的企業。此外，代工厂、设备制造商和服务器生产商也能从中获益。简而言之，以“智能体”为核心的AI发展趋势拓宽了AI领域的投资范围，人们不再只关注拥有最先进的加速器，而是更注重打造能够让智能体正常运行的完整系统。

我们正在从那种只会回答问题的AI系统，转变为能够真正采取行动的AI系统。如今，AI的发展重点不再仅仅是提升模型的规模，而是构建能够持续运行、更加智能、更具自主性，并且能够大规模应用的AI系统。当前，人工智能计算所受的限制，与其说是来自硬件资源（如GPU），不如说源于内存带宽、数据传输速度、接口延迟以及系统协调方面的问题。现在的数据中心已经不再是单纯的单一芯片（GPU）结构，而是一种高度整合的系统架构。在这种架构中，每一层设计都是为了消除计算、存储和数据传输之间的瓶颈。

美股投资网获悉，人工智能正在从静态模型演变为具备自主能力的系统——这些系统能够自行规划、推理并采取行动。在这种体系中，“协调机制”与“内存功能”成为实现智能的核心要素。如今，人工智能的发展趋势是实现对整个系统的控制，包括计算、网络、推理、协调以及软件等方面，而不仅仅是单纯的计算能力（如GPU的性能）。大型语言模型在语言生成方面表现出色，但它们属于被动型工具，需要人类的引导才能发挥作用；此外，它们无法持续记住之前的操作、用户的过往行为或对环境的理解。而具备自主能力的AI则打破了这种局限，实现了自主协调、多智能体协作以及基于上下文的智能处理。它还引入了能够跨越时间、不同情境和智能体进行存储的记忆系统，从而让系统具备连续性、学习能力和适应能力。

构建智能体所需的内存和CPU资源呈逐渐增加的趋势。虽然目前，处理智能体相关任务的硬件仍以GPU为主，但在一个以推理、决策和自主性为核心的智能体世界中，让CPU与GPU协同工作就变得非常重要。智能体技术代表了企业自动化领域的下一个发展方向：它意味着从处理大规模静态数据的方式，转变为执行复杂的、多步骤的动态任务。这些日益增大的工作负载已经成了当前CPU架构的瓶颈，因此，我们需要重新思考企业级应用和云架构的设计方式，如何在投入GPU资源用于训练和推理的同时，充分利用专为推理任务而设计的CPU性能。

理解代理Al技术栈

现代人工智能领域的突破，不仅仅体现在算法上，还体现在为训练这些模型而构建的强大计算基础设施上。理解这一整套技术架构，对于了解大规模人工智能系统的运作方式至关重要。所谓“智能体人工智能”，其实是由三个相互依存的组成部分构成的：1）“大脑”（大语言模型），2）“系统框架”（用于协调各部分的机制），3）“知识库”（存储信息的系统）。

“大脑”（大语言模型）是一种专门负责处理语言理解、语言生成以及复杂推理任务的GPU。它能够对各种信息进行加工处理，并决定相应的行动方案。大语言模型利用内存层来存储相关的上下文信息，同时将新的观察结果和结论保存到内存层中，以便长期保存使用。

该系统相当于一个“控制中心”，由CPU负责协调各个组件的工作流程。它决定了各项操作的顺序（例如：规划→搜索→获取数据→分析推理→采取行动），同时还将大型语言模型与外部工具及应用程序连接起来。

美股周四盘后，一波惊人的涨幅让我惊呆了！

AMD盘后涨超8%，INTC暴涨20%！

经常看我们公众号的粉丝朋友，应该还记得周日那篇重磅长文《美股AI进入执行时代，真正的赢家是这些大公司！AMZN、AMD、INTC》。

没错，我们当时就点名AMD和INTC，说AI硬件需求正从“GPU独大”转向“CPU+GPU+内存”的全栈时代。今天盘后暴涨，直接把这个逻辑狠狠验证！

当时AMD的价格 270 美元,INTC当时价格 67美元，恭喜所有上车的粉丝们，这一波上涨让你们轻松获利超 20%！

另外，美股投资网2026必买股Rambus（RMBS）今天也大涨，股价创52周新高。

我们发布挖掘该股时其价格仅为93.57美元，截至目前累计涨幅已高达55%。 文章回顾：美股 2026年10家不为人知的潜力公司【上集】为什么RMBS会大涨？因为AI智能体工作的时候，CPU和内存之间得疯狂搬数据，带宽一堵住大家全卡死。

Rambus手里握着的DDR5和HBM内存接口IP，就是专门疏通这条管道的技术。被市场重新定价、重新认识，是迟早的事。

迈威尔科技（MRVL）作为算力互联的龙头，今天再次强势上涨，股价来到了 173 美元，而我们VIP社群在 81美元时以 30%仓位重仓潜伏，截至今天，收益已成功翻倍！

此外，3月31日我们美股投资网的Top Stock组合中买入的KOPN，今天已上涨至3.44美元，而我们的买入价仅为2美元，稳稳获利72%！

CPU从配角走向舞台中央

过去两年，AI的叙事逻辑简单粗暴：谁GPU多，谁就是王。英伟达市值突破5万亿美元，全市场的资本开支都在抢H100、B200。

但进入2026年，风向彻底变了。产业已经从“训练大模型”进入“执行智能体”的阶段：模型不再被动生成文字，而是主动规划任务、调用数据库、验证结果、反复决策。所有这些“协调工作”——任务调度、状态管理、I/O搬运——全都在CPU上跑。

什么概念？摩根士丹利刚刚算了一笔账：到2030年，代理AI将为数据中心CPU市场额外带来325亿至600亿美元的增量，将整个CPU市场的规模推至825亿至1100亿美元。这是真金白银的资本开支转向。

业界有话语权的机构SemiAnalysis首席分析师Dylan Patel表示：“过去半年，整个云端市场的CPU都跑空了。到处都没有容量。”亚马逊今年部署的CPU服务器数量，同比暴增3倍。微软呢？把自己实验室的CPU都卖给了Anthropic和OpenAI，连GitHub稳定性都出了问题。

TrendForce的数据也印证了这一点：当前AI数据中心CPU与GPU的配比约为1:4到1:8，但随着AI智能体普及，这个比例将缩小到1:1到1:2。Evercore ISI分析师Mark Lipacis甚至预测，未来可能出现1个GPU搭配2到10个CPU的情况，CPU增速将全面超过GPU。

CPU的缺货还不是概念——供应链已经在真实涨价。根据美股大数据StockWe.com数据，AMD和英特尔2026年服务器CPU产能已基本售罄，两者分别计划涨价10%至15%。AMD更激进，准备在Q2和Q3分两阶段累计提价16%至17%。

现在扫码加VIP，马上解锁下一个爆发性CPU赢家！

AMD：双线作战的硬核玩家

AMD这次涨的逻辑很清晰，三个点：

首先，服务器CPU被Agentic AI重估。智能体时代，任务调度等底层控制流全靠CPU，而这正是AMD EPYC处理器的强项。富国银行预测，AMD数据中心GPU业务明年有望突破400亿美元，而服务器CPU也在同步提价，双轮驱动效应明显。

第二，GPU本身也在加速追。MI400系列预计25年下半年规模放量，这块芯片搭载432GB HBM4内存，带宽逼近19.6TB/s。而且今年2月AMD和Meta签了一个五年期、600亿美金级别的供货协议，涵盖了6吉瓦的算力容量和定制化CPU需求。此前和OpenAI的数十万颗AI芯片供应协议也不是PPT，下半年就出货。

第三、供应链上最大的护城河——AMD和台积电在3nm和N2制程上深度绑定，台积电当前的N3产能中AI相关需求占了接近六成。在地缘政治风险底下，这种绑定本身就是稀缺资源。

华尔街给AMD的估值已经看得非常高了。Stifel分析师Ruben Roy在4月20日把目标价从280美元直接拉到320美元，理由是“AI驱动的计算需求在加速计算的通用架构两端同步超出预期”。

富国银行给的更激进，345美元的目标价。目前37位覆盖AMD的分析师中有37位给出买入，共识目标价291.52美元。5月5日的Q1财报会，将是AMD第一阶段逻辑能否兑现的关键检验点。

英特尔：最极致的预期反转

如果说AMD是强者恒强，那英特尔就是“困境反转”的教科书。

周四盘后的暴涨，源于Q1财报的全面碾压：营收135.8亿美元，远超预期的124.2亿；调整后每股收益0.29美元，而华尔街的预期仅为0.01美元，整整差了28倍！

驱动这一切的核心，是数据中心CPU需求的井喷。数据中心与AI部门（DCAI）营收暴增22%，运营利润率高达31%。CEO陈立武在电话会上明确表示：“CPU正在重新成为AI时代不可或缺的基础。”

而且英特尔这把不只是CPU需求回升，还有大单层面的结构突破。

4月初，英特尔宣布加入马斯克在德州的Terafab项目，为其设计定制芯片，服务于xAI、SpaceX和特斯拉。这个单子的想象空间，可能比目前市场定价的还要大。

供应端也在主动收紧可控性。今年4月，英特尔花140亿美元回购了此前卖给Apollo的49%爱尔兰工厂股权，全面收回先进制造产能的控制权。而对Q2，公司给了极其自信的指引：营收138亿至148亿美元（预期130.7亿），每股收益0.20美元（预期0.09美元）。

当前英特尔股价年内已涨超80%，4月单月涨幅超过50%。但这一轮是否只是“报表修复式脉冲”，还需要跟踪18A的产能放量节奏和代工客户的实质性突破。SpaceX和Google的订单量级若在Q2得到进一步确认，市场会继续大幅上修估值。

浏览器打开，别用国内的浏览器

别用薇信打开，要用就用美国的浏览器

https://StockWe.com/vip 订阅

美股投资网调研总结：

短期（1–2年）最可能跑出来：AMPX

中期（2–5年）最有兑现能力：ENVX

长期（5–10年）最大潜在赢家：QS

本质是：

现实 vs 执行 vs 终极技术

二、三家公司本质差异（核心对比）

1）Amprius Technologies

路线：硅纳米线负极（已商业化）

能量密度：450–520 Wh/kg（行业最高之一）

已经出货（无人机 / 军工 / 航空）

毛利率已经转正，进入商业阶段

关键词：已经赚钱的“下一代电池”

2）Enovix Corporation

路线：3D硅负极 + 结构创新

能量密度：~900 Wh/L（体积能量密度极高）

正在量产（手机 / AR / AI设备）

刚进入规模化阶段

关键词：正在放量的“消费电子电池平台”

3）QuantumScape

路线：固态电池（终极路线）

理论优势：更安全 + 更高能量密度

主要目标：电动车（EV）

仍处于验证阶段

关键词：还没落地的“终极解决方案”

三、最重要的对比（投资必须看这个）

1）技术成熟度（决定谁先赚钱）

AMPX：已商业化（航空/军工在用）

ENVX：刚开始量产（手机/AI设备）

QS：仍在验证（汽车还没用）

现实排序：

AMPX > ENVX > QS

2）市场空间（决定天花板）

QS：EV市场（最大，万亿级）

ENVX：消费电子（千亿级）

AMPX：航空/军工（小但高利润）

天花板排序：

QS > ENVX > AMPX

3）商业壁垒（决定护城河）

AMPX：军工认证 + 航空认证（极强）

QS：车规周期（5–7年绑定）

ENVX：消费电子（切换成本低）

护城河质量：

AMPX ≈ QS > ENVX

4）执行风险（最容易被忽略）

QS：最大风险（技术+量产都未验证）

ENVX：中等（制造良率/规模问题）

AMPX：最低（已经卖产品）

风险排序：

QS > ENVX > AMPX

四、真正关键：谁“更可能赢”？

这个问题要拆成三层：

（1）谁最可能先赚钱？

答案：AMPX

原因：

已有客户（军工/无人机）

产品已经验证

毛利开始改善

它不是“未来故事”，而是已经发生

（2）谁最可能做大规模收入？

答案：ENVX

原因：

切入手机 / AI设备（量非常大）

正在进入量产阶段

一旦打进手机供应链 = 爆发式增长

（3）谁最可能成为行业终局赢家？

答案：QS

原因：

EV才是最大市场

固态电池理论上最优解

但问题是：

很多公司会死在“量产前”

五、最真实的市场判断（你一定要看这个）

现在市场其实已经在“用钱投票”：

AMPX：现实派（最被资金认可）

ENVX：成长派（博执行）

QS：梦想派（博颠覆）

六、一个更狠的理解（核心洞察）

这三家公司，其实对应三种投资模型：

AMPX

→类似 early NVDA（卖工具、先赚钱）

ENVX

→类似 early Apple供应链（放量驱动）

QS

→类似 early Tesla（颠覆但极难）

七、我给你的最终建议（很关键）

如果你是做组合：

稳一点：AMPX为主

想吃弹性：ENVX配置

想赌10x：小仓位QS

八、一句话总结

这场比赛不是“谁赢”，而是：

谁先活下来 + 谁能规模化 + 谁最终改变行业

AMPX：最先活下来

ENVX：最可能快速做大

QS：如果成功，赢走一切

研究机构 SemiAnalysis 的首席分析师（Dylan Patel）深度采访AI算力产业链前瞻

1. AI的普及从根本上改变了哪种商业逻辑?

过去 = 想法很廉价 + 落地执行非常困难。

现在 = 想法满天飞且廉价 + 落地执行极其容易（通过AI）。

这意味着→只有真正高质量的想法，才配得上投入算力去执行。用大白话总结就是，执行力不再是护城河，资本和团队的重心必须转移到“如何选择正确的想法”以及“如何销售AI产出的结果”上。

2.企业疯狂购买AI Token的驱动力是什么? 如果不跟进会有什么后果?

核心驱动力 = 效率的极度杠杆化。例如一个人花几千美元买Token，就能在几周内干完以前百人团队一年的活（如芯片逆向工程分析、全美电网建模）。

结果 = 产生“幽灵GDP”（Phantom GDP），即实际产出大幅增加但成本骤降，导致传统GDP统计失真。

如果不跟进→必然面临降维打击。如果你不消耗更多Token去创造并捕获超额价值，你就会沦为“AI时代的永久底层”，很快会被动作更快的同行完全商品化并淘汰。

3. 当前AI算力的供给瓶颈到底卡在哪里?

表面上看 = 英伟达GPU供不应求，且旧卡使用寿命在大幅延长（从5年延至7-8年），推高了云厂商的毛利。

深层瓶颈 1 →内存（DRAM）：产能扩充极慢，新增绝对供给要到2028年才能就绪，这意味着内存价格还会再翻两到三倍。

深层瓶颈 2 → CPU：强化学习环境的评分机制和大量AI生成的代码运行需要极多CPU，导致CPU完全脱销。

深层瓶颈 3 →台积电（TSMC）与边缘材料：台积电资本支出在2028年可能飙升至1000亿美元，而铜箔、PCB玻璃纤维等不起眼的边缘供应链也已经全部满载，全行业都在靠“天价预付款”抢产能。

4. 大模型层的竞争格局和Token经济学呈现什么趋势?

现状 = Anthropic凭借Opus 4.7和内部的“Mythos”模型暂时领先，甚至通过限制释放节奏来控制风险，利润率极高（>72%）。

算力争夺 = Anthropic受限于算力总量，而OpenAI通过疯狂融资和囤积算力（联合微软、甲骨文等）试图用算力规模弯道超车。

核心结论→ Token需求远超基础设施的承载能力。即便二线、三线大模型厂商，也会因为头部算力不足而“卖断货”。基本上就代表，只要你能造出优质Token，市场就能全盘吃下。

5. 为什么预测短期内会出现大规模的反AI抗议?

起因 = AI带来的巨大商业重组会让普通人感到恐惧，大众会倾向于将长期存在的社会问题归咎于AI。

催化剂 = AI巨头（如Sam Altman和Dario）的公众沟通策略极差 + 频繁渲染“AI将改变世界/取代工作”的宏大叙事，加剧了普通人的焦虑感。

美股投资网应对建议→行业必须停止渲染未来的恐怖能力，转而展示AI在当下的正面赋能作用，否则公众的愤怒很快会被政客或网红武器化，引发大规模抵制。

Dylan Patel人物背景：

研究机构 SemiAnalysis 的首席分析师（Dylan Patel）深度拆解 GPU（尤其是 Nvidia）

分析 AI 算力供需（谁缺芯片、谁在囤货）

跟踪产业链（ASML设备→台积电→云厂商→ OpenAI等

周三，美股三大指数全线收涨，标普500指数创新高，纳指刷新历史高点，科技股继续主导市场。这一波涨势，背后最强的推动力就是AI。

标普500科技板块涨约 2%，成为 11个行业中表现最佳；而芯片股更是创下历史最长连涨天数，费城半导体指数连续第16个交易日上涨，涨幅约 2.7%，创下 1994年以来最长连涨记录。

（费城半导体指数十六连涨，创1994年有数据记录以来最长连涨天数）

其中，迈威尔科技（MRVL）作为算力互联的龙头，今天稳步上涨近 4%，而我们VIP社群在 81美元时以 30%仓位重仓潜伏，截至今天，收益已接近翻倍！

AMD大涨核心逻辑

今天美股最值得关注的事件之一，就是 AMD 盘中大涨近 7%。

而这波上涨，我们其实也已经提前给大家讲到了。

上周日，美股投资网就在深度长文《美股 AI 进入执行时代，真正的赢家是这两家大公司！AMZN、AMD》中明确指出：AI 硬件的需求逻辑，正在从“只看 GPU”，逐步转向“CPU + GPU + 内存”协同驱动的整套数据中心架构。今天 AMD 的强势上涨，本质上就是在验证这条主线。

第一，服务器 CPU 的需求预期，正在被重新上修。

过去市场看 AI，核心几乎都盯在 GPU 身上。但到了 Agentic AI 时代，数据中心最忙的已经不只是模型推理本身，而是任务调度、状态管理、数据搬运、I/O 和控制流。这意味着，CPU 不再只是 GPU 的附属品，而是在 AI 执行链条中重新变成不可或缺的基础设施。也正因为如此，市场开始重新上修服务器 CPU 的需求预期。

第二，AMD 的结构，比很多单线公司更有弹性。

一边是 EPYC 服务器 CPU，直接受益于 AI 工作负载从“训练导向”转向“执行导向”；另一边是 Instinct GPU，继续承接英伟达之外的外溢需求。

也就是说，很多公司只能吃一条逻辑，AMD 吃的是 CPU 回归 + GPU 外溢的双重重估。这也是为什么，AMD 这次的上涨，不只是板块带动，而更像是结构性重估。

第三，资金已经开始提前押注财报和预期上修。

今天市场对 AMD 上涨的解释，基本都集中在同一个方向：AI 需求持续强劲，目标价被上调，资金也在提前交易即将到来的财报预期。

如果后面的财报真的能进一步验证，AI 需求还在扩张，服务器 CPU 和 GPU 业务都在改善，那 AMD 这波上涨就不只是短线情绪，而很可能是一轮更完整的估值重估。

我们美股投资网VIP连续捕捉MRVL、AMD这类AI基础设施核心标的，下一个机会你准备好了吗？

特斯拉核心风险

另外一件值得重点关注的大事，就是特斯拉财报。

特斯拉一季报刚落地，股价一度跳涨4%，但是随后快速回落！

这也再次验证了我们美股投资网本周一的预警：4月17日，机构在暗池卖出7.4亿美元特斯拉股.票，再加上21亿美元大额卖单，合计超过29亿美元资金提前离场。这组数据说明一件事：在财报发布前，部分大资金已经明显转向谨慎。

特斯拉 TSLA 和 SNDK 出现海量美股暗池资金买卖！

第一，现金流硬气，明显超预期。

特斯拉一季度营收 223.9亿美元，低于市场预期的 226亿美元，这个本身不算惊喜。真正超预期的是自由现金流，公司做出了 14.4亿美元正值，而市场原本预期大约是 14.3亿美元流出。这说明，哪怕主业增长没有特别强，Tesla 依然具备先把现金流稳住的能力。这也是为什么财报刚出来的时候，股价第一反应是先往上冲。

第二，250亿资本开支，直接把市场拉回现实。

管理层把 2026年资本开支目标上调到250亿美元以上，相比此前大约 200亿美元的水平，直接提高了约 25%。

同时公司也明确表示，接下来几个季度会维持高投入，CFO 甚至直接提到，2026年剩余时间自由现金流会转负。这句话非常关键，因为它等于在提醒市场：这次财报里的现金流亮点，并不能简单外推到未来几个季度。

第三，投入先行，回报延后。

Tesla 这次继续推进 Robotaxi、Cybercab 和自动驾驶 rollout，也释放了更多扩张信号。但管理层同时承认，这些新业务对今年收入的贡献还不会太大，更明显的兑现可能要等到明年。说白了，就是方向已经往前走了，钱也已经开始真花了，但利润兑现还没有同步跟上。

所以，市场先兴奋，是因为现金流没想象中差；随后又冷静下来，是因为大家很快意识到，Tesla 接下来真正要面对的问题，不是要不要投入，而是投入这么大，多久才能真正转化成收入和利润。

浏览器打开 https://StockWe.com/vip 订阅

摩根大通分析师表示，亚马逊与Anthropic的这项最新合作将利好迈威尔科技(MRVL)和Astera Labs(ALAB)。“我们认为迈威尔科技和Astera Labs是两家有望从该协议中受益的关键亚马逊供应商。首先是迈威尔科技，该公司是AWS在Trainium项目(Trainium 2)上的长期ASIC设计合作伙伴，目前正处于Trainium 3的产能爬坡阶段，并有望在Trainium 4中实现更高内容占比，包括Celestial CPO、NVLink和UALink交换等。”

目前，迈威尔科技与AWS签订了一项为期五年的协议，将供应定制AI ASIC、光学DSP、AEC DSP、DCI光模块、CPO以及以太网交换芯片。

分析师指出“在Trainium 2项目中，我们认为Astera Labs正部署Scorpio‘P’系列交换芯片(PCIe头节点连接解决方案)，并配套其PCIe retimer产品组合。在Trainium 3项目中，我们预计该公司将在2026年下半年推动Scorpio-X(类PCIe规模扩展互连架构)实现显著出货增长。在Trainium 4项目中，我们认为Astera Labs可能有机会支持UALink和NVLink交换协议。此外，亚马逊还使用该公司的Taurus AEC网络产品。”

根据美股投资网获悉的数据，Anthropic已经在使用超过100万颗Trainium芯片。随着Trainium 3在2026年下半年开始放量，到当年年底，这些芯片对应的算力容量预计将达到2GW。该公司与亚马逊的新协议还包括在欧洲和亚洲大幅扩展推理算力部署。

该协议还包括在AWS上推出Claude Platform。富国银行指出，这可能为Anthropic相对于第三方平台带来竞争优势。

美国银行证券部门则表示，对于亚马逊而言，这项协议可能意味着未来两年资本支出进一步上升。亚马逊当前2026年的资本支出计划为2000亿美元，较2025年的1318亿美元显著增长。

分析师Justin Post和Steven McDermott在报告中表示“OpenAI已表示将消耗2GW的Trainium算力容量(以及可能数量未披露的英伟达算力)，而Anthropic现在披露的承诺最高可达5GW。总体来看，这可能占我们此前预计亚马逊到2027年将建设的15GW算力容量中的相当大一部分。”

分析师补充称“如果第一季度环比AWS业绩显示新增AI工作负载利润率较低，市场对资本支出回报的担忧可能再次出现。不过，我们认为亚马逊正越来越有能力从人工智能需求的持续增长中受益。”

最专业的美股资讯,推荐美股大数据 https://Stockwe.com/

做软件的人，现在最喜欢说的一句话是：轻资产，低门槛，可复制。这句话两三年前是对的，现在嘛，我觉得它正在变成一个陷阱，而且是那种你走进去了都不知道的那种。

吕骋，rabbit 的创始人，最近接受了一次深度采访。他说了一个判断，让我愣了一下："现在硅谷的投资人有一个共识变化，他们觉得软件没有护城河了。你做一个软件没什么大不了，我可以用 Claude Code 去反向工程。"

这是他们做硬件、坚持做硬件的核心原因之一。

我第一反应是，这也太直接了。但你认真想想，好像不是危言耸听。

一个 AI coding agent，现在能干什么？能读懂你的产品逻辑，理解你的数据结构，然后把整个系统从头搭出来。你花了 18 个月打磨的产品，竞争对手现在可能用 3 周复制。

这不是假设，现在就在发生。

那什么还有壁垒？吕骋的答案是硬件。

他的逻辑是这样的，硬件能形成一个输入循环，只要设备在用户手里正常跑着，用户数据、行为反馈就持续进来，产品就会越来越好。这个循环，软件很难复制。

有人会说，软件也可以做用户反馈，也可以收集数据。但软件的问题是，用户随时可以卸载，随时可以切换，迁移成本几乎是零。硬件不一样。买了一个设备，它放在口袋里，天天跟你在一起，积累的是你真实的使用习惯。数据密度和软件不在一个量级。

现在很多人做 AI 产品，路子是这样的：找一个垂直场景，套一个大模型 API，加一个好看的交互，上线，推广，变现。

这条路两年前跑通，确实有人赚到了。

但现在的问题是，一个同类产品今天出现，下周就能被三家复制，再下周你的流量就开始被分走。你的差异化在哪？

如果只是提示词调教得更好，或者 UI 更好看，这个护城河大概率熬不过 6 个月。

吕骋还提到了 App Store 的问题，他说做 APP 要交苹果税，要遵守各种规则，最近苹果专门在打压生成 APP 的 APP，一大批 web coding 类应用直接被下架。就算做 WhatsApp、Telegram 上的套壳方案，这条路也已经被堵死了。

在别人的平台上做软件，你永远是租房客。房东随时可以改规则，随时可以涨价，甚至随时可以把你的门锁换了。

Siri 就是最直接的例子，苹果有什么理由允许一个比 Siri 更聪明的产品，在自己的系统里把 Siri 替代掉？话语权不在自己手里，商业终点往往就剩两种：被收购，或者死掉。

美股投资网认识几个做 SaaS 的朋友，去年都在说用 AI 加速开发，效率提升 5 倍。

今年有两个人跟我说，他们的产品被一个用 Claude Code 开发的竞品，3 周做出了 80% 的功能，定价直接砍一半。

效率提升了，壁垒反而更脆了，这个逻辑反过来想，真挺残酷的。

吕骋还提了一个细节，他们公司现在连设计工具都彻底抛掉了，Figma、Adobe，全不用，转向 Claude 与内部系统协同办公。连工具本身都在被替代，如果还觉得用这些工具做出来的产品有护城河，这个逻辑本身就说不通。

那现在该怎么办？不是要说快去做硬件，你我大概率也没那个资源。

真正值得停下来想的是：你正在建的这个东西，壁垒到底来自哪里？是技术积累、数据飞轮、用户迁移成本，是合规门槛，还是只是我做得比别人早一点？

如果是最后一种，这个早一点的优势，现在缩水的速度，比大多数人预期的要快得多。

美东时间 2026 年 4 月 21 日，SpaceX 官方正式宣布，与目前全球最火爆的 AI 编程工具 Cursor 达成深度战略合作。这份协议的条款极其罕见且具有侵略性：SpaceX 获得了在今年晚些时候以 600 亿美元收购 Cursor 的权利；即便最终不进行整体收购，SpaceX 也要为双方的阶段性合作成果支付 100 亿美元。

600 亿美金是什么概念？这几乎是 Cursor 上一轮融资估值的两倍。我们美股投资网看到的不仅是一个天文数字，更是马斯克在 AI 赛道上的一次“饱和攻击”。

算力与工程的最强联合

这次合作的逻辑非常清晰。美股投资网了解到Cursor 拥有目前市场上最好的 AI 编程产品，并深度渗透到了全球顶尖软件工程师的工作流中；而 SpaceX 手里握着的，是刚刚建成并投入使用的 Colossus（巨型机）训练超算。

这台被称为“算力巨兽”的超算拥有等同于 100 万颗 H100 GPU 的计算能力。马斯克曾在内部 admitted（承认）他在 AI 领域的短板在于“编程能力（coding capabilities）”尚未达到顶尖水平。现在，他通过直接对接 Cursor 的产品力，试图在自己的超算底座上，训练出全球最强的“编程与知识工作 AI”。

这种软硬件的垂直整合，正是马斯克一贯的打法：用最强悍的算力基础设施，去暴力催化最灵巧的软件算法。

估值的博弈：600 亿买的是什么？

很多人可能会问，一个编程助手凭什么值 600 亿美金？答案不在于“编程”，而在于“生产力重构”。

我们美股投资网认为当前的 AI 赛道已经进入了深水区。如果说 OpenAI 解决的是“人机对话”，那么 Cursor 解决的是“机器替代人类进行生产”。在 SpaceX 和 xAI 合并后，马斯克需要一个能高效产出代码、自动优化航天系统逻辑，甚至能自我迭代的 AI 引擎。

分层估值逻辑：600 亿是“买断价”，买的是未来的生产力垄断；100 亿是“服务费”，买的是当下的技术领先。

IPO 前的最后拼图：目前市场传闻 SpaceX 即将进行历史性 IPO，估值直指 1.75 万亿美元。在这个节骨眼上砸钱补齐 AI 编程的短板，是为了向华尔街证明，SpaceX 不只是一家火箭公司，而是一家拥有顶级 AI 自研能力的超级科技巨擘。

结语

我们美股投资网认为AI 的下半场竞争，属于那些拥有闭环算力且能直接应用的公司。

马斯克正在利用 SpaceX 产生的庞大现金流，通过“买买买”和“练练练”的方式，绕过硅谷传统的风险投资节奏。如果这次合作如期产出“全球最有用的模型”，那么微软旗下的 GitHub Copilot 将迎来最强劲的对手。

从基本面来看，SpaceX 已经从单纯的技术验证阶段，全面转向了规模化盈利与多元化扩张。无论是星链（Starlink）的现金流支撑，还是 Colossus 超算的算力输出，马斯克正在构建一个地球上甚至地球外都无法逾越的“技术护城河”。

这 600 亿美金，买的不是一个软件，而是通往“自动编程时代”的头等舱门票。

#SpaceX

#xAI

#Cursor

#AI

#特斯拉

#马斯克

#美国

#美股

#IPO

$TSLA

$NVDA

$GOOG

$AMZN

$GOOGL

$META

$AAPL

$MSFT

2026年美股最强投资组合，美股投资网的Top Stock累计回报高达233%，显著跑赢同期大盘74%。

今年一季度建仓的大市值公司

DELL 大涨26%

LITE 上涨30%

ARM 上涨55%

COHR上涨128%

其中4月新开仓牛股 ***R 大涨21%

中市值公司

DOCN 大涨63%，我们之前文章已经推介过 

MP 稀土大涨15%

PLAB 大涨51%，我们之前必买股文章推介过 

WRBY 大涨26%

小市值公司

KOPN 大涨45%

***X 大涨33%

**W 大涨63%

**U大涨27%

SGML大涨 208%

整个投资组合涵盖美股十多个行业数十只股票，我们通过深入研究一家公司的基本面情况，财务上的数据，产品的护城河，产业链周期等选出最具爆发潜力的美股，是中长期持股，非常适合没时间每天盯盘上班一族。如果你想索取完整的组合清单，登陆美股大数据官网 https://StockWe.com/TopStock

自推出以来广受粉丝们的好评，订阅人数持续攀升

当ChatGPT、Gemini和 Claude等现象级AI应用接连落地，全球算力需求正以远超预期的速度狂飙。然而，算力军备赛背后，AI基础设施（AI Infra）产业链正遭遇前所未有的系统性梗阻。从芯片制造的核心设备到数据中心的一根铜缆，从特种材料到洁净厂房，几乎每一个关键环节都亮起了“红灯”。NVDA AMD

算力发展的四大"墙"

AI算力的发展并非单一维度的芯片性能提升，而是一个涉及计算、存储、传输、能源的复杂系统工程。

（一）存储墙：AI推理时代的第一重枷锁

当前，AI行业重心正从大模型训练转向推理，预计2026年全球AI推理需求将超越训练场景。AI推理侧需求爆发，直接拉动对高带宽内存（HBM）及大容量DRAM的需求。

尽管主要存储芯片厂商正在计划扩大产能，但从投资到生产线真正投产，至少需要两年时间，这决定了紧缺格局在短期内难以缓解。新增产能主要集中在2027年及以后释放，2026年行业将呈现需求快速增长而供给释放滞后的结构性错配。

（二）带宽墙：数据流动的“毛细血管堵塞”

算力提升速度远超数据传输速度。这一矛盾导致了严重的“带宽墙”问题——数据在芯片内部、芯片之间、机柜内部以及数据中心之间的流动，成为了整个算力系统的性能瓶颈。

当前的带宽瓶颈是多层级的：在芯片内部，晶体管之间的互联延迟和功耗不断上升；在芯片之间，传统的PCB板载互联已经无法满足AI芯片之间的高带宽、低延迟需求；在机柜内部，服务器之间的互联带宽成为了Scale Up（纵向扩展）的制约；在数据中心之间，长距离传输的带宽和延迟则限制了Scale Out（横向扩展）和跨区域算力调度的效率。

据测算，在当前的AI训练集群中，数据搬运的能耗已经超过了计算本身的能耗。如何打通数据流动的“毛细血管”，降低传输延迟和功耗，是AI Infra发展必须解决的问题。

（三）计算墙：高端芯片制造是根本制约

AI芯片的性能迭代高度依赖先进制程工艺，而先进制程的产能则完全受制于上游的高端制造设备，尤其是EUV（极紫外）光刻机。

目前，全球只有ASML一家能够生产EUV光刻机，其产能极其有限，且受到严格的出口管制。这直接导致了7nm以下先进制程的产能严重不足，无法满足AI芯片的爆发式需求。英伟达作为全球AI芯片的龙头，其H100、H200等高端芯片的出货量一直受制于台积电的先进制程产能，交货周期长达数月甚至一年以上。

更严峻的是，芯片制造是一个高度全球化的产业链，任何一个环节的断裂都会影响整个产能。从光刻胶、靶材、电子特气等原材料，到刻蚀机、沉积设备等关键设备，都存在不同程度的垄断和供给限制。这使得高端芯片制造能力成为了AI Infra产业链中最难以突破的制约瓶颈。

（四）电力墙：相对可控的短期挑战

与前三者相比，电力墙是相对容易解决的瓶颈。AI数据中心是能耗大户，一个超大型数据中心园区的年耗电量，甚至超过数十万人口的中等城市。目前，全球数据中心总用电量占全球总用电量的2%～3%，且仍在攀升。但电力问题本质上是基础设施建设问题，可以通过燃气轮机、燃料电池、光伏等多元能源供给方式来解决。

根据美股大数据 StockWe.com 从长期来看，随着可再生能源技术的发展和能源基础设施的完善，电力供应不会成为AI算力发展的中长期最大瓶颈。但在局部地区，由于电网建设滞后，短期供电压力仍然存在，可能会限制数据中心的建设速度。

扩产的“隐形杀手”：设备与材料的全面紧缺

AI芯片扩产速度远低于预期，核心制约并非芯片本身，而是上游设备与材料环节的全面短缺。

（一）测试设备需求增长迅速

AI芯片技术升级推高了测试设备的精度、效率要求。相较于普通逻辑芯片，AI GPU的信号端口数量暴增，会消耗更多测试机的信号通道资源；同时其晶体管数量激增，对应的测试向量规模和单芯片测试时长也大幅增加。更关键的是，传统消费电子领域的芯片只有一定比例的芯片会进行测试，但对于人工智能芯片来说，必须对所有芯片进行100%的测试，而且通常需要经过多个阶段，以确保整个芯片组正常运行。在AI算力需求的强力驱动下，叠加存储器市场的爆发，半导体测试设备（ATE）几乎成为了整个半导体设备赛道中出货量增速最快的品类。

全球最大的芯片测试设备供应商$爱德万测试(ADR) (ATEYY.US)$ 也表示，预计截至2026年3月的财年将创下历史新高，营收预计增长37%，净利润将比上年翻一番以上。

（二）IC载板/封装基板：比芯片更贵的“卡脖子”环节

令人意外的是，当前英伟达等头部芯片厂商的最大供应链痛点，不是芯片本身，而是IC载板（封装基板）。IC载板是连接芯片和PCB板的关键部件，起到电气连接和物理支撑的作用。AI芯片对IC载板的要求极高——需要更大的面积、更高的布线密度、更好的散热性能和更低的信号损耗。这也意味着它的价值必然要比普通PCB高得多。据测算，在整个封装成本中IC载板成本占比高达50%左右，在先进的倒装封装中，这一比例甚至高达70%—80%。根据所选的树脂材料不同，IC载板主要分为BT载板、ABF载板。其中，BT载板的主要应用产品是各类存储芯片；而ABF更集中于逻辑芯片，例如CPU、GPU、FPGA、ASIC等。

据不完全统计，2025年以来，IC载板价格累计涨幅超过30%。涨价主要有两大原因：一是上游原材料成本传导，高端玻纤布、铜箔等核心原材料自2025年起持续供不应求，产能缺口不断扩大；二是2.5D/3D先进封装的需求爆发，GPU等高端芯片普遍采用多芯片堆叠架构，芯片层数与面积的大幅增加，直接推高了载板面积需求量。

不同于普通PCB，IC载板技术壁垒高、工艺复杂度大，全球高端IC载板的产能主要集中在欣兴电子、南亚电路等少数台资厂商手中，产能扩张周期长达18-24个月。这意味着，IC载板的紧缺局面在未来两年内难以得到根本缓解。

（三）关键特种材料：极度稀缺的“工业味精”

一些看似不起眼的特种材料，正在成为AI产业链的“致命软肋”。Low-CTE（低热膨胀系数）玻璃纤维、特种铜箔、高端钻针等材料，虽然用量不大，但却是制造高端IC载板和PCB板不可或缺的“工业味精”。

AI芯片的高功耗和高性能要求，使得载板和PCB板必须使用具有极低热膨胀系数的材料，以防止在高温工作环境下发生变形。同时，由于填料变硬，加工过程中使用的钻针寿命大幅缩短至原来的1/5-1/7，导致钻针的需求呈爆发式增长。

这些特种材料的技术壁垒极高，全球产能高度集中，且扩产难度大。一旦出现供给中断，将直接影响整个AI产业链的正常运转。

（四）高端洁净室：被忽视的高壁垒环节

在AI产业链的扩产过程中，高端洁净室是另一个被严重忽视的高壁垒环节。先进制程芯片和先进封装对生产环境的洁净度要求极高，空气中的一粒微尘都可能导致整片晶圆报废。

高端洁净室的建设不仅需要巨额的资金投入，还需要极高的技术水平。从空气净化系统到防静电设施，从温湿度控制到振动隔离，每一个环节都有严格的标准。目前，全球高端洁净室市场主要被海外厂商主导，其净利率可达20%以上，远高于国内同行。

随着全球AI芯片产能的扩张，高端洁净室的需求持续旺盛，成为了产业链中一个确定性极强的高景气环节。

连接技术的“路线之争”：铜回潮与光电融合

在算力和扩产瓶颈之外，数据中心内部的连接技术也正在经历一场深刻的变革。铜与光的技术路线之争，以及PCB/载板的技术升级，正在重塑AI Infra的连接格局。

（一）铜与光的场景化竞争与替代

长期以来，光模块一直被认为是数据中心高速互联的未来方向。但随着AI算力需求的爆发，铜缆技术正在迎来“回潮”，铜与光形成了在不同场景下的互补与替代关系。

短距离（≤7米）：铜缆（AEC，有源铜缆）凭借成本低、可靠性高、延迟低的优势，正在全面替代基于激光的光模块。在服务器内部和机柜内部的短距离互联场景中，铜缆的性价比优势十分明显。

中距离（~30米）：Micro LED光缆成为了折中方案。它结合了铜缆和光模块的优点，可靠性优于激光光模块，成本也低于传统光模块，适用于机柜之间的中距离互联。

长距离（数据中心间）：传统可插拔光模块与光纤仍然是主流。CPO（光电共封）技术被认为是未来的发展方向，它将光引擎和芯片封装在一起，能够大幅提升带宽和降低功耗，但目前仍面临成本高、可靠性差等挑战，大规模商用尚需时日。

值得关注的是，AI数据中心对光纤的采购规模与性能规格要求，已与传统电信网络形成量级差距。为满足GPU集群低时延、高带宽的互联需求，G.657.A2等特种光纤需求持续走高，而更为前沿的空芯光纤方案也已进入实际部署阶段。空芯光纤以空气取代传统玻璃纤芯，传输性能实现显著优化：传输损耗可由常规0.14dB/km降至0.1dB/km以下，传输时延从5μs/km降至3.46μs/km，同时可耐受更高光功率。

当前空芯光纤市场参与厂商快速扩容，价格却保持相对稳定，单价约3万-4万元/公里，远高于普通光纤。

（二）PCB/载板的技术升级压力

为了满足AI芯片的高带宽需求，PCB和载板技术也在不断升级。当前，PCB/载板正在向n+m结构、玻璃基板、半加成法（mSAP）工艺方向发展。

n+m结构通过增加层数和布线密度，提升了载板的带宽能力；玻璃基板具有更低的热膨胀系数和更好的高频性能，是未来高端载板的重要发展方向；mSAP工艺则能够实现更精细的线路布线，满足高密度互联的需求。

这些技术升级对上游的设备、材料和制造工艺都提出了全新的要求，也带来了新的产业机会和挑战。

美股投资网总结

AI Infra产业链正面临着多维瓶颈的交织制约。从算力层面的存储墙、带宽墙、计算墙、电力墙，到扩产层面的测试设备、IC载板、特种材料、洁净室紧缺，再到连接层面的技术路线之争，每一个环节都在影响着AI算力的规模化部署。

高端芯片制造能力是最根本的制约，它决定了AI芯片的性能上限和产能规模。而测试设备、高端IC载板、关键特种材料等，则是当前产业链中确定性最强、供需矛盾最突出的环节。从长期来看，AI Infra的发展将呈现出两大趋势：一是铜缆回潮与光电融合的技术演进，不同技术路线将在各自的优势场景中并存；二是全球产业链的重构与国产化的加速，国内企业在部分细分领域有望实现突破。