Oklo（OKLO）之所以现在看起来比 NuScale Power（SMR）和 Nano Nuclear Energy（NNE）拥有更多合作、更多 AI 数据中心概念、更多大客户新闻，本质原因其实是：

OKLO 讲的不是“核电设备销售故事”，

而是：

“AI 电力平台故事”。

这两个逻辑差别非常大。

SMR 的核心逻辑是：

卖小型模块化核电站（SMR）。

它更像传统 nuclear engineering 公司。

重点在：

核反应堆设计

NRC 审批

公用事业客户

长期 EPC 项目。

所以它合作对象很多是：

公用事业公司、

政府、

传统能源体系。

而 OKLO 从一开始就故意绕开这条路。

OKLO 不强调：

“我要卖核电站”。

它更强调：

“我要直接卖电力”。

甚至更准确地说：

它想卖：

AI-ready baseload power（AI 专用稳定电力）。

这件事情，

恰好踩中了 2025-2026 年市场最大叙事：

AI 不再缺 GPU，

开始缺电。

而且 AI 数据中心需要的不是普通电，

而是：

24/7 不间断稳定电力。

太阳能不稳定，

风电不稳定，

天然气扩张慢，

电网建设太慢。

于是：

核能 suddenly becomes sexy again（核能重新变热门）。

OKLO 最大的优势之一，

是它非常会“贴 AI 叙事”。

比如它最近大量合作对象，

都偏向：

AI 数据中心、

高性能计算、

能源密集型基础设施。

这比 SMR 更容易获得市场关注。

另外还有一个极其关键的原因：

Sam Altman。

Sam Altman 长期是 OKLO 最大背书之一，

以前甚至担任董事长。

官方网站：Oklo

而 AI 市场现在的逻辑已经变成：

“谁跟 OpenAI / Sam Altman 靠近，

谁就拥有 AI narrative premium（AI 叙事溢价）。”

这件事对 OKLO 非常重要。

因为市场会自动把它理解成：

“OpenAI 未来 AI 数据中心电力方案潜在受益者”。

哪怕很多合作其实仍在 very early stage。

而 SMR 没有这种：

AI founder halo（AI 创始人光环）。

第三个原因：

OKLO 更像科技 startup。

SMR 更像传统 nuclear contractor。

OKLO 的宣传方式、

资本市场沟通、

合作公告、

都明显更像：

硅谷 AI 公司。

比如：

microreactor

AI energy

decentralized power

behind-the-meter power

这些词，

非常容易获得成长股资金喜欢。

而 SMR 讲的是：

几十亿美元、

十年周期、

复杂监管。

资本市场天然更不喜欢。

第四个关键原因：

OKLO 目前很多合作，

其实是：

“框架合作（MOU）”

或者

“意向协议”。

这点非常重要。

市场现在经常误解：

“合作数量 = 已落地收入”。

其实不是。

OKLO 很多 announcement，

本质属于：

未来潜在部署。

但 AI 市场现在极度 hungry for narrative（渴望新故事），

所以：

只要和 AI 电力有关，

市场就会给很高估值。

相比之下，

SMR 更偏：

实打实核电项目推进。

但核电真正建设非常慢。

第五个原因：

NNE（Nano Nuclear）目前还太早期。

Nano Nuclear Energy 本质更像：

概念阶段 microreactor 公司。

它现在更多是：

技术路线 + 愿景。

真正商业化距离还很远。

官方网站：Nano Nuclear Energy

所以它合作自然少很多。

而 OKLO 至少已经：

推进 Aurora reactor、

申请 NRC、

布局商业部署。

市场认为：

它离真正商业化更近。

但这里必须强调：

OKLO 风险其实也非常巨大。

因为目前：

真正商业收入极少。

大量估值来自：

未来 AI 电力需求想象。

而 nuclear 最大问题永远是：

监管、

建设周期、

资本开支、

安全审批。

所以现在市场其实在交易：

“AI 会不会引爆 nuclear renaissance（核能复兴）”。

总结一句话：

SMR 更像：

传统核电工程公司。

NNE 更像：

超早期概念 microreactor 公司。

而 OKLO 则是：

“AI 数据中心电力平台”故事。

它合作更多，

并不一定代表商业化一定更成功，

而是因为：

它目前最符合华尔街对：

“AI 缺电时代”

的想象。

 

美东周一，美股科技和半导体板块整体表现非常不错，存储芯片板块尤其亮眼。

 

年初至今已经让无数人拍断大腿的“必買股”——美光（MU），今天再次大涨超过8%，股价一举创下历史新高！

还记得年初我们刚开始重点推介的时候，美光股价才284.79美元。现在回头看，已经接近翻三倍。

我们VIP社群后续在386美元附近也继续入场。对于存储这个赛道，我们的态度从未动摇：坚定看涨。

 

美股2026年必买10只股【中集】不为人知的潜力公司

 

另外，今天我们的AI智能选股，一开盘就选出了光通信公司AAOI，当时价格162.2美元，随后一路狂飙，收盘加上盘后涨近27%。

我自己账号年初至今的收益已经超过60%了。不是炫耀，而是想说，这些选股的逻辑我们自己也在真金白银地验证。

 

 

立刻加微信 MaxFund，跟上我们的致富脚步！

 

为何坚定看涨存储？

美股投资网认为，美光正在成为下一个“万亿俱乐部”的成员，甚至可能重塑“科技八巨头”的格局。

 

估值错配

即便美光已经涨得如此凶猛，市场上依然充满了质疑的声音。很多人习惯性地把它看作一家“周期公司”，认为现在的暴利只是内存供需暂时失衡的结果，不可持续。

 

但如果我们摊开财务报表，把美光和全球其他半导体巨头放在一起对比，你会发现一个惊人的事实：市场可能犯了一个巨大的错误。

 

目前，美光的市盈率（PE）仅为6.4倍左右。这意味着市场给它的定价，仿佛暗示它即将陷入衰退。

 

然而，它的利润增长率却超过了71%。计算一下它的PEG，只有0.09。在价值投资的世界里，PEG低于1通常就被认为是低估，而0.09？这简直是在白送未来的增长。

 

作为对比，一些被捧上天的公司，比如ARM，其PEG高达4.75，投资者为了它一分钱的增长，付出了极其昂贵的代价。

 

为什么会出现这种错配？

 

因为市场的思维还停留在过去。那些护城河深、周期性弱的EDA公司（如Synopsys、Cadence）或设备商（如ASML），它们享受着高估值。

 

而英伟达之所以能维持近19倍的PE而不显贵，是因为市场完成了一次关键的认知跃迁——它不再是一家卖显卡的周期公司，而是AI时代不可替代的“基础设施平台”。

 

现在的核心逻辑是：美光正在经历一场“英伟达式”的认知重塑。随着HBM成为AI芯片不可或缺的“燃料”，存储已经从过去的“电脑配件”升级为“算力基石”。只要这个属性不变，它的估值中枢就必须上移。市场还在用旧地图寻找新大陆，这就是我们最大的机会。

 

拥挤的头部

 

高盛的最新数据显示，标普500指数中市值最大的前十家公司，其总市值占比已高达40%，创下了现代历史的纪录。这让很多经历过2000年互联网泡沫的散户感到不安。

但是，如果我们再看另一组数据——获利占比，就会发现当下的繁荣有着坚实的利润支撑。目前，这十大巨头的预估获利占比也已攀升至33%。这说明它们赚走了全市场三分之一以上的利润，那么它们占据40%的市值，在商业上是完全合理的。

 

在这种环境下，资金会产生强烈的“拥挤效应”。投资者不再追求广泛的分散，而是疯狂地寻找下一个具备“不可替代性”的核心标的。

 

这就是为什么我们需要将目光投向美光。当AI军备竞赛进入白热化阶段，除了GPU，最紧缺的资源就是存储。

 

Anthropic大爆发

 

再来看Anthropic这家公司，它的成长速度已经不能用“指数级”来形容了。2026年第一季度，其年化收入和使用量竟然实现了80倍的增长，内部称之为“成功的灾难”。

 

根据预测，到2028年中，它的收入就可能超越谷歌。这种爆炸式的需求，背后需要的是天量的算力投入，而每一分算力的提升，都离不开高性能存储的支持。

OpenAI链、谷歌AI链，无论谁胜谁负，无论是英伟达的GPU集群还是谷歌的TPU集群，它们都绕不开一个共同的关键环节——企业级高性能存储。

 

美光，正是这个环节中美国本土唯一的巨头，是这场AI基建狂潮中绕不开的“卖铲人”。

 

正反馈循环下的超级红利

传统的内存周期逻辑是线性的：

需求增长 → 产能扩张 → 供应过剩 → 价格暴跌

 

但在AI时代，这个链条被彻底重构了。

 

金融服务公司DA Davidson的分析师提出了一个“正反馈循环”的概念：每一次额外的算力部署，都会解锁前所未有的应用场景，从而创造出在基础设施建成之前根本无法预测的增量需求。这不是简单的周期，而是一个自我强化的超级周期。

 

事实也证明了这一点。美光最新的财报显示，其云计算相关收入同比增长超过160%，并且公司管理层坦言，他们只能满足关键客户50%到三分之二的需求。这是行业里25年来最严重的供需脱节。

 

更令人振奋的是，美光正在加速布局。公司预计本财年资本支出将超过250亿美元，加速推进下一代HBM产品，并计划在美国爱达荷州和纽约州建设新的晶圆厂。这一切都在告诉我们：需求是真实的，而且是长期的。

 

回到最初的问题：美光会被纳入“科技八巨头”吗？

 

美股投资网认为，这只是时间问题。当市场最终承认，存储不再是可有可无的配角，而是驱动整个AI世界运转的引擎时，美光的万亿市值将不再是梦想。而我们，有幸在故事刚刚开始的时候，就已经身处其中。

 

我们团队来自前纽约证券交易所分析师，清华和港大博士，高盛和摩根斯坦利研究员，谷歌和Meta工程师，打造全球首个AI智能体 StockWe AI

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！

 

由于美国无法以合理成本、大规模制造人形机器人所需的关键材料，中国实际上掌握着美国机器人硬件供应链的“断电开关（kill switch）”。

如果中国真的按下这个“开关”，整个美国机器人产业扩张都会被拖慢，因为中国对机器人“身体”部分（执行器、减速器、冶金材料）以及制造人形机器人所需原材料拥有压倒性的控制力。

因此，美国机器人公司目前不得不大量依赖中国制造商来采购人形机器人零部件，才能以足够低的成本制造像 Optimus 这样的机器人。不过，美国企业仍试图把“机器人大脑”（AI 和软件）留在美国本土。

如果你观察全球顶级机器人运动控制/执行系统供应商，会发现几乎没有美国公司：

Leaderdrive（中国）：谐波减速器

Harmonic Drive（日本）：谐波减速器

Nabtesco（日本）：RV 减速器

Sanhua Intelligent（三花智控，中国）：线性执行器组件

Shuanghuan Driveline（双环传动，中国）：RV 减速器 / 齿轮

Shenzhen Inovance（汇川技术，中国）：伺服系统 / 滚珠丝杠

造成这种局面的核心问题只有一个：中国目前控制着全球近 70% 的稀土开采。

美股投资网研究发现，更关键的是，中国掌握了全球 85%-90% 的稀土精炼与分离能力，并控制着超过 90% 的成品稀土磁体制造能力。

而真正的风险在于：

中国对美国机器人产业拥有“结构性出口管制威胁”。

北京此前已经在其他国家（例如日本）身上展示过，愿意把这种资源垄断“武器化”。

如果美国希望摆脱对中国机器人与 Optimus 供应链的依赖，并确保机器人革命能够在本土持续发展，

西方资本就必须流向那些正在重建机器人稀土生态系统的企业，包括：

上游矿产开采

中游分离与金属化加工

下游磁体制造

根据 Morgan Stanley 的模型预测，如果到 2050 年全球人形机器人数量达到 10 亿台（基准情景），那么将需要：

40 万吨钕（Neodymium）

8 万吨镝（Dysprosium）

1.6 万吨铽（Terbium）

这相当于：

全球已知钕储量的 15%

全球镝储量的 25%

全球铽储量的 30%

换句话说：

中国实际上掌控着美国机器人硬件供应链。

现在，美国正处于一个关键历史节点，必须投资建立自己的供应链，才能确保在与中国的机器人竞赛中获胜。

而核心，就在于稀土产业。

只有建立完整的稀土体系，美国才能以接近中国竞争对手的成本制造人形机器人硬件。

美国政府需要重点关注以下领域：

磁性金属（用于无框力矩电机）

钕（Nd）与镨（Pr）：NdFeB 磁铁核心原料

镝（Dy）与铽（Tb）：用于增强磁铁性能

钐（Sm）与钴（Co）：用于制造 SmCo 磁铁

硼（B）与铁（Fe）：NdFeB 磁铁的重要稳定材料

结构冶金（用于谐波减速器与行星滚柱丝杠）

钛（Ti）、钒（V）、钼（Mo）：用于减速器齿轮与滚柱丝杠轴体

铌（Nb）、铬（Cr）、镍（Ni）、锰（Mn）：增强钢材韧性、防腐蚀并减轻机器人关节重量

铈（Ce）与镧（La）：防止齿轮过早失效

计算、感知与能源（机器人的“大脑、眼睛和电池”）

镓（Ga）与锗（Ge）：用于先进半导体、LiDAR 与高频通信芯片

锂（Li）、石墨（C）与铜：一台全尺寸人形机器人大约需要：

2 公斤锂

3 公斤石墨

6.5 公斤铜

根据美股大数据 StockWe.com 以下是美国最关键的相关公司：

磁性金属（Nd、Pr、Dy、Tb、Sm、Gd）

UUUU：将独居石砂加工成高纯度钕

MP：开采 Mountain Pass 稀土矿，并垂直整合 NdFeB 磁铁制造

ALOY：将重稀土氧化物转化为军工级合金与高温金属

USAR：加工重稀土并制造烧结 NdFeB 磁铁

LYSDY（Lynas）：中国以外唯一商业化重稀土分离生产商

NEO（TSX）：目前西方唯一大规模商业化生产 NdFeB 磁粉与合金的企业

ILU：澳大利亚稀土精炼厂

ARU（ASX）：建设“矿石到氧化物”的 NdPr 设施

结构冶金（铌、钒、钛、铍）

ATI：美国高性能钛合金与特种合金龙头

CRS：美国特种结构合金供应商

FCX：全球最大钼生产商

NB：开发美国内布拉斯加 Elk Creek 项目，供应铌、钪、钛

MTRN：全球主要铍加工企业

LGO：领先钒加工企业

计算、感知与能源（金属与电池材料）

BMM：美国本土锗与镓供应/加工

VNP：生产镓、锗、铟等先进传感器材料

TECK：中国以外最重要的锗生产商

ALB：锂资源开采

EAF：高纯石墨负极材料

ALTM：西方锂资源供应商

SYR：Balama 石墨矿

FCX：人形机器人需要大量铜

AW1（ASX）：推进美国犹他州高品位镓和铟项目

例如：

机器人关节本质上是永磁电机。

而这需要完整的钕磁铁供应链：

Neo Performance Materials（TSX: NEO）

MP Materials（MP）

UUUU ——意外地已经开始把独居石精矿加工成 NdPr 氧化物

美国政府应该逐项拆解机器人供应链 BOM（物料清单），并大规模投资关键原材料加工能力。

因为目前制造人形机器人所需的执行系统，以及背后的全球制造基础设施，几乎全部集中在中国。

美国在实体机器人供应链上极度脆弱。

确保本土金属供应与中游加工能力，是美国与中国竞争的关键。

美国必须从今天开始，大规模投资关键材料供应链，才能在未来机器人产业中维持长期主导地位。

想获取完全机器人产业链个股，添加小编微信号 MaxFund

 

 

根据最新高盛数据显示，美股市场依旧处于史无前例的头部集中状态！ S&P 500指数的市值最大前十家巨头市值占比已经高达40%，而它们的预估获利占比也已经攀升至33%的现代历史新高，以上两项数据皆已远远超越2000年.com泡沫时期的高峰！

高达7个百分点的差距，意味着市场投资人给予这十大巨头极高的估值溢价！资金高度拥挤于少数标的，反映市场正将庞大筹码押注于这些科技巨头的未来垄断力与AI变现潜力。虽然这会让有些人觉得市场过度集中化，也就是美股被科技巨头给绑架了，甚至有估值过高的泡沫化疑虑；

这就是因为这些科技巨头的盈利是有快速上升跟上来的，科技巨头的市值占比跟预估获利占比处在同步往上的节奏；而且中间的溢价空间并没有被拉大，支撑了市值持续往上并不是高估的支撑理由！这十家巨头获利占比高达S&P500的33%这么多，股价涨得比其他人多，市值比其他公司还多，这不是满有道理的一件事情吗？SPY

 

 

美股Everspin Technologies (MRAM)今天暴涨的原因是受AI带动存储芯片需求激增推动，公司基本面持续改善，整个内存芯片板块的积极情绪，其Magnetoresistive Random-Access Memory技术一直被半导体行业视为“终极内存候选者”，甚至被称为“统一内存（Universal Memory）”。原因在于，它理论上有机会同时兼顾 SRAM、DRAM 与 NAND 的核心优势，成为未来真正意义上的下一代通用存储架构。

目前，Samsung Electronics 在Magnetoresistive Random-Access Memory市场中处于领先地位，并正在积极推动其在 AI、汽车以及高可靠性计算领域的商业化落地。相比传统存储技术，MRAM 最大的优势在于兼具低功耗与高速读写能力，同时还拥有极高耐久性，理论上甚至可以实现接近“无限写入”。

更关键的是，MRAM 具备传统存储难以同时实现的稳定性与环境适应能力。它天然抗辐射，因此非常适合军工、航天以及卫星系统；同时还能在高温环境下稳定运行，这使其在汽车电子特别是智能驾驶领域拥有极强潜力。

随着 AI 服务器、自动驾驶、卫星互联网以及军工电子持续升级，市场对“高可靠性内存”的需求正在快速增长。而 MRAM 恰恰卡位在这个方向上。

 

唯一让我不敢碰 $MRAM的原因是 PE市盈率 4282，极度恐怖

 

 

美股Odysight.ai Inc. (代码: ODYS)今天暴涨300%，原因是公司宣布与美国海军下属的海军航空战中心飞机部莱克赫斯特分部 (NAWCAD) 签署了一项合作研究与开发协议 (CRADA)。

该 CRADA 确立了一项正式合作，旨在推进下一代视觉传感和 AI/ML 技术，以提升美国海军舰队的战备能力。通过将 Odysight.ai 专有的计算机视觉和机器学习能力与 NAWCAD 的作战专长和测试基础设施相结合，此次合作有望加速人工智能支持的维护解决方案在实际作战环境中的验证、优化和过渡。

该技术最初将重点关注航母阻拦索，旨在支持并提高全球最先进力量投射平台的作战可用性。它还可以实现整个美国海军舰队人力资源的更有效分配，帮助节省时间、金钱和资源。双方预计，此次合作将增加舰队的可用性，减少计划外维护事件，并提高关键任务系统的维护规划与准确性。

Odysight.ai 首席执行官 Yehu Ofer 表示：“这项协议标志着我们在关键任务国防环境中推进人工智能驱动的视觉传感技术迈出了重要一步。我们与 NAWCAD 的合作验证了我们的平台，并支持美国海军系统向基于状态的监控过渡。这是第一步，为未来扩展到固定翼和旋转翼飞机、地面车辆等领域奠定了基础。我们期望这将进一步加强全舰队的长期保障能力。”

Odysight.ai 独特的平台利用安装在难以进入且对安全至关重要的位置的微型加固视觉传感器，实现连续的内部高分辨率视觉监控。结合实时 AI/ML 边缘计算分析，该平台能够在故障发生前检测出异常，并识别早期的性能退化和偏差。此次合作提供了一条在与任务相关的实际条件下完善这些能力的途径，同时展示了其在更广泛的国防部门中的可扩展性。

这一举措巩固了 Odysight.ai 在关键任务维护的人工智能视觉传感领域的领先地位，并支持其扩大预测性维护技术在美国国防生态系统中应用的战略。

二、美股投资网深度解读与分析

这篇新闻稿释放了强烈的商业和技术利好信号，表明 Odysight.ai 成功将其商业技术打入具有极高门槛的美国军方供应链系统。以下是几个关键维度的分析：

1. 核心事件的战略意义 (CRADA的签署)

官方背书与准入：合作研究与开发协议 (CRADA) 是美国联邦实验室（此处为美国海军 NAWCAD）与私营企业之间重要的技术转移与合作机制。能够与美国海军签署此类协议，意味着 Odysight.ai 的技术已经通过了军方的初步筛选，获得了极高价值的“官方背书”。

研发成本与场景优势：通过 CRADA，Odysight.ai 可以直接利用美国海军的顶级测试基础设施和真实作战数据（这是任何商业公司都难以花钱买到的资产），来训练和优化其 AI 模型，极大地节省了研发成本并提高了产品壁垒。

2. 技术应用场景的精准切入

高价值试验田（航母阻拦索）：新闻中提到首个关注点是“航母阻拦索（carrier arresting cables）”。这是航母上最核心、损耗最大且对安全性要求极高的设备。如果阻拦索发生意外断裂，会导致机毁人亡的灾难性后果。

预测性维护 (CBM+) 的价值：传统的军方维护往往是“定期维护”（按时间表更换）或“事后维修”（坏了再修）。Odysight.ai 提供的基于状态的预测性维护，依靠微型抗压摄像头和边缘 AI 实时分析，能够在阻拦索出现极其微小的物理退化（如金属丝疲劳或磨损）但尚未断裂前发出预警。这不仅提升了安全性，还避免了过度维护带来的资源浪费。

3. 商业影响与资本市场预期

“落地生根”的扩张战略 (Land and Expand)： CEO 明确表示，航母阻拦索只是“第一步”。公司的长期目标是将其传感器和 AI 分析技术扩展到军方的“固定翼和直升飞机、地面车辆”等。一旦在阻拦索项目上取得成功，该技术极有可能成为美军新一代装备的标配，带来长期、稳定的国防采购订单。

对股价的潜在催化：作为在纳斯达克和特拉维夫双重上市的公司 (ODYS)，进军美国国防部 (DoD) 庞大且利润丰厚的生态系统，是对其商业前景的巨大提振。资本市场通常对能够成功获得军方/国防大单的 AI 技术公司给予较高的估值溢价。

4. 技术壁垒的核心要素

微型化与加固设计 (Ruggedized)：军用环境（尤其是航母甲板）充满了高盐、高湿、剧烈震动和极端温度。传感器必须足够小（以安装在狭窄隐蔽处）且极其坚固。

边缘计算 (Edge-based Analytics)：军事场景中往往无法依赖稳定的云端网络连接，因此数据必须在设备本地（边缘端）进行实时 AI 分析并得出结论，这是该技术的核心竞争力之一。

 

大多数人用美股券商，只会：看K线、下单、止盈止损。

但真正懂交易系统的人，会用券商里一个几乎没人碰的功能：

「条件触发订单（Conditional Orders）」

这个功能表面看只是“附加条件”，实际上，它更像一个隐藏版自动交易系统。

很多人根本不知道：
你其实可以让券商服务器，替你盯盘、判断、等待、过滤噪音，甚至半自动执行交易逻辑。

它不是简单的“到价买入”。

而是：

“只有当市场环境也符合我的要求时，才允许订单进入市场。”

这个思路非常关键。

因为真正决定交易质量的，
很多时候不是“买哪只股票”，
而是“在什么环境下买”。

美股投资网 TradesMax.com 为美股小白详细指导，

举个例子：

你想买 NVDA。

普通人：
直接挂单。

稍微进阶一点的人：
设置限价单。

真正懂系统的人：
会先让系统判断：

• QQQ 是否突破关键位

• 成交量是否放大

• 是否已经过了开盘最混乱的时间

• 大盘是否同步确认风险偏好

只有全部满足，
订单才真正发送到交易所。

这已经不是普通下单了。

这是“低代码交易系统”。

最关键的是：

这一切不需要你会编程。

很多主流美股券商其实都支持类似逻辑：
价格条件、时间条件、成交量条件、百分比波动条件、组合 AND/OR 条件……

只是 99% 的人从来没点进去看过。

而真正厉害的地方在于：

你开始让“纪律自动执行”。

很多人以为交易最大的问题是：
不会选股。

其实更大的问题是：

情绪化执行。

追涨。
提前进场。
看到拉升忍不住。
半夜盯盘乱改单。

而条件订单，本质上是在交易前，
提前把你的规则“写死”。

比如：

“如果 SPY 大跌超过 1.5%，即使个股没坏，也先撤退。”

这其实已经是在把“系统性风险”纳入交易框架。

你会发现：

专业交易员和普通投资者最大的差别，
并不是谁更聪明。

而是谁更依赖系统。

还有一个很多人没意识到的点：

条件订单在触发之前，
很多时候根本不会进入交易所订单簿。

也就是说：

你的意图不会提前暴露。

这对于做突破交易、流动性较差股票、甚至大额订单，都很有意义。

当然。

这个功能不是圣杯。

规则写太复杂，
最后可能永远不触发。

很多人会把条件越加越多：

QQQ 突破、
SPY 不跌、
VIX 下行、
量能放大、
时间大于 10 点、
美债收益率还不能涨……

最后系统比基金经理还谨慎，
一年只交易两次。

所以真正成熟的用法，
不是把世界所有变量塞进去。

而是：

只筛掉最容易犯错的环境。

因为自动化最该替代的，
从来不是思考。

而是冲动。

这也是为什么很多老交易员最后会发现：

真正强大的，
不是预测市场。

而是提前设计好：
“自己在什么情况下出手”。

目前支持类似高级条件订单功能的美国主流券商，包括：

• Interactive Brokers（IBKR）盈投

• Charles Schwab（Thinkorswim）

• Fidelity Investments

• E*TRADE

• TradeStation

• Webull（部分支持）

• Tastytrade（偏期权策略）

但不同券商差别很大。

有的只是简单“条件单”。

有的则已经接近：

半自动量化交易系统。

其中真正把这套东西做得最像“程序化交易平台”的，
很多老交易员还是会提到 IBKR 和 Thinkorswim。

因为它们已经不仅仅是券商。

更像：

给散户开放的一套交易基础设施。

当你开始用条件逻辑交易时，
你会第一次意识到：

原来券商不只是下单软件。

它其实是一个隐藏的交易操作系统。 如果你还有什么不懂，请加小编微信号 MaxFund 提问，美股投资网团队很乐意解答。

 

 

上周，美股AI硬件板块几乎全线暴涨。尤其是存储、Intel产业链，以及光通信上游材料与设备方向，涨势已经不只是“强”，而更像是一种传统估值框架被直接击穿后的重估。

1，现在正在发生什么？

这部分围绕Anthropic表达。

（1）Dario说：“Anthropic 原本只计划实现 10 倍增长，但却遭遇了80倍的增长冲击”，内部称这为“成功灾难”…

Dario Amodei兴奋的语无伦次：公司原本按1年最多 10 倍增长来准备。结果2026年1季度，收入和使用量如果按年化算，直接干爆到了80 倍…

这意味着：

Anthropic去年的算力投入预案，被用户火爆的需求击穿了8倍。

看一张图，OSS Capital创始人Joseph Jacks对于Anthropic vs Google的收入测算：

他认为在2028年中，Anthropic的营收会超越Google，2029年会2倍于Google。对于ARR的测算，去年90亿美金、今年底1000亿美金、明年3400亿美金…

从上面看不到Anthropic之前2年的ARR轨迹：

2024年1月：8700万美元⠀

2024年底：10亿美元⠀

2025年底：90亿美元⠀

2026年2月：140亿美元

2026年4月：300亿美元…

2026年底：1000亿美元…

这显然不是我们之前理解的指数增长，他这个增长形态，实际的营收和ARR预测上调，相差是2-3个月级别，2026年底预测2027年1000亿，很可能2027年Q1干了300亿，然后3月上调ARR到1500亿…所以Anthropic才要去弄SpaceX的22w卡算力，正好现成，一拍即合。甚至于，Dario也开始另类FOMO：“我希望80倍的增长不要持续…”

一切都在以另一个次元、超越现有世界资源和人类最疯狂想象的方式发生…

（2）另一个次元的不只是Claude…

一直到4月底，在Coding领域，Claude对比Codex的日安装量保持了碾压…

但事情显然没有结束：

5月初Codex直接把Claude给秒杀了，硅谷很多工程师认为Codex更高效、更经济、更好用。这里面有很多原因（大家可以去查查发生了什么）不多讨论，但有一点可以肯定：

Coding战争并没有结束，对资源的消耗将会持续以年10X级别连续增长…

2，对于AI硬件全球投资者为什么集体FOMO？

（1）大量传统资金和投资者的心理防线以及估值框架被击溃了…

过去一直将AI视为高CapEx泡沫，看不到收入，或者说“想不出怎么覆盖过去的Capex”一直挂在大量投资者心里，直到Anthropic的ARR指引，心理防线到估值框架的一切都被击碎…

过去我们的金融模型确实无法从营收（甚至不是利润）角度覆盖Capex，但却忽视了AI调用量“超指数级放大”和CodingAgent带来的利润池重写。

过去我们对于产业成长的判断，一般分为0->1，1->10，以及成熟期…现在转变为：

0->1，1->1000…

2026年是Agent AI自主决策大放异彩的元年，AI正从被动互动式的回答问题，全面向主动执行任务和介入企业、个人工作流转变。

比如Anthropic会对自己的客户从人力资源以及重写工作流程的方向进行优化。如果接受不了AI（或者无法胜任），直接裁掉，招聘新人…这些新人不需要培训，天然就要使用Claude，毫无屏障。整个公司的工作流由Anthropic来打造，要么微软是被什么给冲击的？你哪个产品给打工人，结果打工人被AI优化了…

（2）这轮AI产业的变迁与互联网截然不同，核心逻辑是用Capex购买未来超级利润池控制权

头部公司并非持续烧钱换用户然后开启广告、金融等等流量变现，而是用Capex购买未来超级利润池控制权，这个利润池将全社会大部分财富，积聚在少数几个企业手里。

这次真正落后于市场的，是手握旧估值框架的大量传统机构，以及曾经掌握大量财富的Old money。市场对Capex是否能有回报、有多少回报这些不确定的担忧，被Anthropic的表现彻底打消，AI成为生产力的底层催化后利润曲线变的异常陡峭，这是生产函数底层逻辑发生了根本变化。

（3）现在这轮行情，下一阶段推动力将是场外的高财富人群和大资金的被迫补仓。

观点很明确：

这次FOMO程度最强、最恐慌的不是中产，而是掌握更高财富量的人群，这是最大的认知差。

曾经的传统行业高管以及财富拥有者，有大量人士面对AI进化速度如此之快毫无准备，只能通过投资参与AI…大量传统机构也一样，因为承认AI很可能需要改变过去已有的投资范式和客户结构，甚至承认AI冲击了此前的投资标的，最终可能导致投资失败。

但最终结果都一样，从“怀疑泡沫”、“不愿相信”转向“承认低配”，然后就是落后资金进行FOMO的重新定价。

3，之后会发生什么？

全球新一轮算力资源全面配置，世界资源向顶级智能和算力资源堆砌，为的就是不被世界所淘汰。重点发生的两个国度：

中国和美国。

大CSP先投，投不动了政府投，然后中东王爷主权基金投，印钞机哗啦啦开启，用“纸”换人类终极时代的话语权。我们已经看到，中东王爷正在持续加大对我们中国科技资产的投资…

后面AI的冲击会以一种隐秘而剧烈的方式而发生，大量金领以及高管被优化（不一定是裁员），很多人可能感受不到，但就是会这么发生。当然，AI覆盖不了人的违法成本，敢承担法律责任、甚至坐牢的最顶层人员价值会陡增。

4，我们该怎么做？

先看大厂在做什么…

NV面对上游资源的这种需求状态，不是在等报价，是在抢产能，各种锁定供应。最新和康宁签订的光连接和光纤产能就是延伸，未来Google以及其他大厂包括国内大CSP，也会做同样的事儿。下一阶段，我们会看到大CSP去锁定国内存储、光通信等等领域的真实动作，会进一步刺激市场情绪。

现在整个算力的资源供给，集中在中美，以及其他国家和地区的少数企业手里，未来这种产能锁定会超越zz不睦，急不可待。

中美也会在持续的对抗、合作中，互相找到平衡，共同锁定整个资源的最佳配置，而其他国家那就只能自求多福了。

我们能做的很简单，要么下场参与AI，要么All in AI资源，无论是智能本身还是硬件资源，因为供给是线性的，需求是“超指数级（甚至越迁）”。很朴素，但我确定面对市场波动，很多朋友依然会担心泡沫…

 

 

Goldman Sachs 的这份 AI 报告让我印象非常深刻。

核心观点其实是：

Agentic AI（智能体 AI）可能会把 AI 从一个“资本开支极重的成本负担”，转变成一个“随着使用量增长，利润率反而不断扩大的生意”。

随着 token 成本持续下降，更复杂的 AI 智能体开始具备经济可行性。而这些智能体会消耗远远更多的 token

因为它们需要：

更长的上下文窗口、
反复推理循环、
结果验证、
工具调用、
以及全天候后台监控。

这种 token 使用量的大幅增长，会进一步提升 AI 基础设施的利用率，改善单位经济模型（unit economics），同时也会让云计算巨头和大模型公司拥有更大的利润空间，继续投入到：

模型能力提升、
分发渠道、
以及算力扩张。

换句话说，

AI 资本开支（AI Capex）的真正多头逻辑，并不仅仅是“AI 使用量会增长”。

而是：

这种增长的使用量，未来会越来越多地转化为高增量利润（attractive incremental margins）。

高盛认为，这种利润率拐点（margin inflection）从 2026 年开始，已经逐渐显现。

 

Cerebras Systems 是一家美国 AI 芯片公司，成立于2015年，总部位于美国加州 Sunnyvale，由前 SeaMicro 创始人 Andrew Feldman 创立。它最大的特点，是开发了全球最特殊的 AI 芯片架构之一——“Wafer Scale Engine（晶圆级芯片）”。美股代码：CBRS，公司预计将在 2026年5月14日正式上市，股票代码为 CBRS，登陆纳斯达克。

美股投资网为你深度拆解这英伟达最大竞争对手

 

一、为什么Cerebras突然火了？

因为它终于证明了一件事：

“它不是PPT公司。”

过去几年，大部分AI芯片创业公司都死在一个问题：

做得出来，但没人用。

但Cerebras不一样。

它最近连续拿下两个关键订单：

1、OpenAI
2、AWS

这两个合作，直接改变了市场对它的估值逻辑。

尤其是OpenAI。

根据公开资料，双方签署的是一个超长期AI基础设施合作协议，总规模可能达到100亿-200亿美元级别。

甚至：

OpenAI还给了Cerebras 10亿美元工作资本贷款。

这在AI产业链里，非常罕见。

因为这意味着：

OpenAI不是在“采购供应商”。

而是在“扶植第二套AI算力体系”。

这件事非常重要。

---

二、为什么OpenAI必须扶植“英伟达替代方案”？

因为现在整个AI产业，都被英伟达卡住了。

你会发现：

如今AI行业最大的瓶颈，已经不是模型。

而是：

算力、带宽、功耗、互联、推理成本。

尤其推理（Inference）。

训练一次模型很贵，但真正长期烧钱的是推理。

ChatGPT每天几十亿次token输出，本质上都在疯狂烧GPU。

而传统GPU集群存在一个核心问题：

GPU之间通信太慢。

模型越大，GPU越多，通信开销越恐怖。

最后很多GPU时间，其实都浪费在“等待数据”。

这也是为什么：

AI行业现在真正的战争，已经从“芯片算力”升级成：

“谁能减少数据移动”。

而这，恰恰就是Cerebras最核心的技术方向。

---

三、Cerebras真正恐怖的地方：它不是“大GPU”

而是“整块晶圆都是一颗芯片”

传统GPU怎么做？

比如英伟达H100。

它本质是：

很多小芯片 + HBM + NVLink互联。

但Cerebras直接换了一种思路：

“不切晶圆了。”

它直接把整个300mm硅晶圆，做成一颗超级AI处理器。

这就是它最核心的技术：

Wafer Scale Engine（WSE）。

也就是：

“晶圆级AI芯片”。

你可以理解成：

别人是一堆CPU拼服务器。

它直接造了一整面“算力墙”。

---

四、这意味着什么？

意味着：它几乎消灭了GPU之间的数据通信瓶颈。

因为：

数据不需要跨芯片移动。

这件事对于AI推理尤其关键。

现在AI行业最大的问题之一就是：

长上下文。

比如：

100万token上下文
视频生成
Agent长期记忆
复杂推理链

这些任务，都极度吃内存带宽。

而GPU集群最大的问题，就是：

数据搬运成本越来越高。

但Cerebras的WSE架构，把大量通信直接留在片上完成。

所以它在一些超大模型推理任务里，速度会明显超过GPU方案。

根据公司公开数据：

CS-3系统在某些推理场景中，性能甚至达到英伟达DGX B200的21倍。

美股投资网研究发现：这里不是“理论峰值”。而是真实推理工作负载。这才是最可怕的地方。

---

五、它真正瞄准的，不是训练，而是“推理时代”

很多投资者还停留在：

“AI = 训练GPU”。

但实际上：

AI行业已经开始进入第二阶段：

Inference Era（推理时代）。

因为：

训练一次模型结束后，
未来几年真正持续爆发的，是推理需求。

Agent
Copilot
AI搜索
AI视频
AI客服
AI编程
机器人
自动驾驶

这些都需要海量实时推理。

而推理市场的核心指标，不是绝对算力。

而是：

1、延迟
2、带宽
3、成本
4、能耗

Cerebras恰恰在这些领域开始展现优势。

这也是为什么：

华尔街现在越来越多人认为：

它不是AMD那种“GPU竞争者”。

而是：

下一代AI架构路线竞争者。

---

六、市场最容易忽略的一点：它正在从“卖硬件”变成“AI云”

这是我认为整个故事里，最关键的一层。

因为：

卖硬件，不值高估值。

但AI云，可以。

现在Cerebras已经开始转型：

从单纯卖CS-3硬件，
转向：

AI推理云平台。

什么意思？

就是：

用户不用买机器。

直接调用它的AI推理服务。

这和AWS、CoreWeave、Lambda越来越像。

而一旦进入云模式：

市场给它的估值逻辑，会从：

“硬件公司”

变成：

“AI基础设施平台”。

这中间的估值差距，可能是数倍。

---

七、为什么华尔街愿意给它200多亿美元估值？

因为它现在已经不再是“实验室项目”。

财务数据开始真正爆发。

根据公开资料：

2025财年：

营收达到5.1亿美元，同比增长76%。

更关键的是：

它居然开始盈利了。

2024年还亏损4.85亿美元。

2025年已经实现GAAP净利润8790万美元。

这对于AI硬件创业公司，非常罕见。

而且：

它的剩余履约义务（RPO / backlog）高达246亿美元。

这意味着：

未来几年收入能见度极高。

---

八、但风险也非常巨大

很多人现在已经开始把它吹成：

“第二个英伟达”。

我认为这还太早。

因为它依然有几个巨大问题。

---

1、客户集中度依然很危险

以前：

87%收入来自G42。

现在：

虽然OpenAI和AWS进来了。

但本质上：

只是从“依赖G42”，变成“依赖OpenAI”。

这依然是重大风险。

因为：

一旦AI资本开支周期放缓，
或者OpenAI调整采购节奏，

它的订单波动会非常剧烈。

---

2、CUDA生态依然是天堑

这是所有AI芯片公司最大的问题。

很多人低估了：

英伟达真正的护城河，不是GPU。

而是CUDA。

整个AI世界：

框架、开发者、工具链、生态、优化器，
几乎都绑定CUDA。

所以：

即使Cerebras硬件更强，

也不代表客户愿意迁移。

---

3、它严重依赖TSMC

Cerebras的WSE-3，目前完全依赖Taiwan Semiconductor Manufacturing Company先进制程。

而问题在于：

TSMC优先级最高的客户是谁？

苹果。
英伟达。
AMD。

Cerebras虽然技术激进，
但供应链话语权并不强。

一旦先进产能紧张，
它扩张速度可能会被卡死。

---

九、CBRS上市后，市场会怎么交易？

我认为它大概率会走两阶段。

---

第一阶段：情绪狂热

原因很简单：

市场太缺“AI硬科技IPO”。

尤其：

真正有OpenAI背书的公司，非常少。

所以：

它极可能上市后直接被资金疯狂追捧。

尤其在现在AI资本市场重新升温背景下。

---

第二阶段：开始拼兑现能力

因为最终市场会问：

你到底能不能：

持续抢走英伟达份额？

如果不能。

估值很快会回落。

因为现在市场给它的，
已经不是普通半导体估值。

而是：

“AI基础设施革命”的估值。

---

十、真正值得关注的，其实不是股价

而是一个更大的趋势：

AI行业，开始第一次真正挑战英伟达架构。

过去几年：

大家都默认：

AI = GPU。

但现在开始出现另一种思路：

“也许未来AI不一定需要传统GPU集群。”

而Cerebras、Groq、Tenstorrent、甚至部分ASIC路线，

都在试图证明：

下一代AI基础设施，可以重新设计。

这才是CBRS真正重要的地方。

它未必能赢。

但它代表着：

AI世界第一次开始认真寻找“后英伟达时代”的可能性。