【重磅更新】从2026年9月23日起，美股投资网将正式部署全新的量化+AI模型，并全面替换已经服役三年的“火力全开模型2”。

过去三年里，模型2帮助我们挖掘出了不少极具成长潜力的公司，包括2024年的AppLovin（APP）、Hims & Hers Health（HIMS），以及2025年的Celestica（CLS）等，也成为我们量化选股体系中非常重要的一部分。

但量化交易有一个非常现实的问题：市场不会永远保持同一种结构。

资金风格、交易机制、市场参与者、信息传播速度以及AI量化交易的普及程度都在不断变化。一个三年前表现非常优秀的模型，并不意味着三年后依然能够保持同样的有效性。随着市场环境不断迁移，模型原有的Edge会逐渐衰减，准确率和效率也可能随之下降。

这也是为什么我们一直强调，真正的量化系统并不是“开发完成以后一直使用”，而是需要持续监控、回测、迭代和升级。

经过一段时间的开发、测试和大量历史数据回测，我们决定从明天开始正式部署新一代量化+AI模型。

从目前的历史回测结果来看，新模型最明显的提升主要体现在两个方面：第一，模型识别机会并产生有效结果所需要的时间，相比原有模型缩短了约50%；第二，整体信号准确率也出现了大幅度提升。

这次升级并不会替换目前表现火力全开模型1，而是只替换“火力全开模型2”。可以在美股大数据 StockWe.com 官网的【AI选股】查看到。

2026年9月23日，新模型正式上线。希望明天运行一切顺利，不出现任何我们意想不到的Bug。

新的模型，新的数据，新的开始。

--美股投资网TradesMax.com

美股META今天大涨的原因是，近期Meta在AI智能体赛道的热度持续抬升，市场也开始重新评估Meta在AI时代的商业价值。随着多重利好集中发酵，Meta股价跳空走高，单日涨幅超过7%，9月累计表现同样亮眼。当前市场关注点已经不只是传统广告业务，而是Meta是否有机会借助AI智能体、AI眼镜以及下一代硬件生态，打开新的增长曲线。

亿万富翁兼对冲基金传奇人物比尔·阿克曼掌舵的潘兴广场资本管理公司今年动作引人关注第一季度大幅减持谷歌母公司Alphabet( GOOGL, GOOG)，并在第二季度清仓了剩余股份。阿克曼明确表示，这并非看空Alphabet，而是在当前估值下，选择把资金转向其他更具吸引力的机会。

他买入了另一家AI相关科技巨头Meta Platforms(META)，当时Meta较峰值下跌约15%。这笔操作对阿克曼和潘兴广场而言是否明智?投资者能否从中借鉴?答案或许就藏在市场表现、估值与AI布局之中。

其中最值得关注的，是Meta旗下Muse智能体快速登顶下载榜。Meta Platforms新推出的人工智能智能体Muse迅速登上移动应用排行榜榜首，显示这家社交媒体巨头正在竞争日益激烈的消费者AI助手市场取得初步进展。截至周一，Muse已经位居美国苹果iOS App Store和Google Play免费应用排行榜首位。

Sensor Tower高级分析师Abe Yousef表示，自Meta于9月8日推出Muse之后，仅仅六天时间，Muse累计下载量就已经超过90.2万次。作为对比，前一代Meta AI产品上线后的前六天下载量约为77.3万次，也就是说，Muse早期用户增长速度已经明显超过上一代产品。

而且，这个数字可能仍然低估了Muse的实际触达规模。因为Muse不仅是一款独立应用，同时还可以直接在Meta旗下WhatsApp中使用，这意味着除了主动下载App的用户之外，Meta还可以借助WhatsApp庞大的现有用户基础，将AI智能体快速分发给更多消费者。

这也是Meta相比许多独立AI创业公司非常重要的优势。其他AI Agent产品首先要解决的是获客问题，而Meta已经拥有Facebook、Instagram、WhatsApp等全球级流量入口。一旦Muse证明产品体验足够好，Meta并不需要完全依赖传统的应用商店下载来扩张，而是可以直接把AI能力嵌入已有的社交和通信生态。

相比过去单纯依靠Facebook、Instagram和WhatsApp收集用户行为数据，AI Agent让Meta第一次有机会深入参与用户真实的消费决策和日常生活。过去Meta知道你在看什么、关注什么、喜欢什么，但未来它可能进一步知道你需要买什么、准备去哪里、接下来有什么安排，甚至直接替你完成购买、预订、比价、取消订阅和生活服务安排。

这背后的商业价值可能远远超过传统广告。

Meta此前披露的北美Facebook ARPU大约为每年227美元，而这部分收入长期以来主要来自广告。但如果AI Agent真正成为用户日常生活的入口，Meta未来的变现方式可能从单一广告收入，逐渐扩展到交易佣金、订阅收入、服务分成以及AI增值服务。

举一个非常直观的例子。如果一个Meta Agent能够帮用户购买日用品、订Whole Foods杂货、预约清洁服务、点外卖，甚至自动取消不再需要的订阅，那么Meta实际上已经不再只是广告平台，而是在向互联网商业的“聚合层”演变。

这也是市场开始讨论交易佣金模式的原因。

如果Meta未来能够从AI Agent促成的电商、外卖、旅行、生活服务或者订阅交易中抽取极小比例的佣金，那么即使单笔收入并不高，在数十亿用户规模之下，也可能形成一个非常庞大的收入池。

更关键的是，AI Agent正在逐渐改变商业世界里的决策权。

过去企业营销面对的是消费者，人类自己搜索、比较，然后做决定。但在Agent时代，越来越多的决策过程可能由AI完成。用户可能根本不知道某家餐厅，也不会亲自比较几十款产品，而是直接问Agent“今晚吃什么”“哪款耳机最好”“帮我订一家性价比最高的酒店”，Agent完成搜索、筛选和判断之后，用户只需要说一句“好”。

这意味着未来企业面对的，不只是B2C和B2B，而是一个新的B2A时代，也就是Business to Agents。

企业未来不仅要说服消费者，还必须想办法让自己的产品被AI Agent理解、推荐和选择。SEO可能逐渐演变为Agent Optimization，广告平台也可能从争夺用户注意力，进一步升级为争夺AI Agent的决策权。

而Meta最大的优势在于，它已经拥有全球最大的社交关系网络之一，同时掌握Instagram、Facebook和WhatsApp等高频入口。如果Muse能够与这些平台深度整合，再叠加邮件、日历、电商、外卖和本地生活服务，Meta就有机会从“用户流量入口”升级成为“用户行动入口”。

这也是为什么当前市场对于Meta AI Agent的估值逻辑正在发生变化。投资者关注的不再只是AI能不能提高广告点击率，而是Meta有没有机会直接参与整个互联网交易链条。

硬件端同样可能成为这个逻辑的重要放大器。随着Meta Connect大会临近，市场对于AI眼镜、VR以及下一代智能硬件的预期继续升温。如果AI Agent最终能够通过眼镜成为一个全天候存在的个人助手，那么Meta获得的将不仅是更多用户数据，而是一个极高频的人机交互入口。

从投资逻辑来看，Meta下一阶段最重要的看点，可能已经从“AI帮助广告效率提升”，逐渐转向“AI Agent能否成为新的互联网入口”。

如果Muse能够持续扩大用户规模，并最终验证交易佣金、订阅、服务分成等商业模式，那么Meta的收入结构可能迎来一次重要升级。

但现在最大的变量仍然是商业化落地速度。AI Agent拥有巨大的想象空间，但最终能否真正形成大规模交易、用户是否愿意给予Agent更高权限，以及Meta能够从每一笔Agent行为中获得多少经济价值，都需要未来几个季度的数据进一步验证。

短期来看，Muse登顶应用榜、下载速度超过上一代Meta AI、Connect大会临近，以及AI眼镜和VR新品预期，仍可能继续支撑市场情绪；中长期真正决定Meta估值上限的，则是一个更重要的问题：

Meta究竟只是一个拥有AI功能的广告公司，还是正在成为AI时代连接用户与整个互联网的超级入口。

━━━━━━━━━━━━━━━━━━━━━━

【原创声明】

本文由美股大数据（StockWe.com）量化研究团队原创完成。

原创机构：美股大数据

英文品牌：StockWe

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

━━━━━━━━━━━━━━━━━━━━━━

请分析我的信用卡消费记录，并建立一个交互式仪表盘，根据我的信用卡组合和消费类别（如餐饮、超市、加油、旅行、网购等），自动计算每笔消费应该使用哪张信用卡，以获得最高价值的积分、里程或现金返还。请考虑不同奖励积分的实际兑换价值，而不仅仅是积分数量。如果需要了解我的信用卡信息、消费习惯或积分估值，请向我提问。

前Two Sigma 总监Corey Hoffstein 与 Ben Wellington 讨论了量化投资策略中特征生成的复杂之处。他们探讨了“特征”的定义、特征在量化流程中的作用，以及 Two Sigma 的共享平台模式如何支持特征创意的产生。

对话还深入讨论了如何处理特征之间的共线性、预测时间周期对特征选择的影响，以及在市场逐渐提高效率的过程中，一个特征会经历怎样的生命周期。

他们强调，量化研究团队非常需要创造性思维，也讨论了如何使用 AI 工具进行快速原型开发。本期还涉及 AI 带来的风险、AI 基础设施的取舍，以及如何应对 p-hacking 和过拟合。

美股投资网提炼出以下10 点：
1. 量化投资的 Alpha 主要来自三层：数据、特征、预测算法。Ben 认为过去十五到二十年，单纯“拿到别人没有的数据”这件事的重要性相对下降，因为很多数据已经商品化。今天越来越重要的是，你能不能把同样的数据加工成别人没想到的 Feature，再结合更好的机器学习方法做预测。
2. Feature 不是原始数据，而是“从原始数据中提炼出的、具有经济意义的事实”。股票价格是原始数据，但过去一周涨幅、波动率、分析师是否刚刚上调评级、新闻报道数量是否异常增加、公司是不是周五盘后发布公告，这些才是 Feature。Two Sigma 的核心理念不是把所有原始数据直接扔给机器，而是先通过人类认知把数据变成有意义的特征。
3. 真正的优势往往来自“无数微弱信号的聚合”，而不是找到一个超级指标。比如研究一个分析师，不只看目标价和评级，还可以研究他覆盖这个行业多久、所在地区、教育背景是否与 CEO 重合等。单个信号的预测能力可能只有 50.001%，但如果你能提出 200 个聪明的问题，就可能形成 200 个微弱但有价值的特征，组合起来才形成真正的 Alpha。
4. Feature Engineering 最重要的能力不是数学，而是创造力。Two Sigma 并不是简单地“暴力穷举所有可能变量”，而是先有人类的先验判断。一个好研究员需要不断问：“这个现实世界事件能不能一般化？”比如某家公司因为火车事故下跌，研究员真正要做的不是研究这一次事故，而是把它抽象成一个可以回放十年、覆盖所有相关公司的系统化特征。
5. 正交性比“发现一个新信号”更重要。Ben 讲得非常直接：“共线性是信号的死亡。”你可能觉得自己发现了一个全新的新闻情绪指标，但最后发现它只是在间接复制财报数据，那它就没有多少增量价值。Two Sigma 从研究开始就要求新 Alpha 尽可能与已有信号低相关，而不是等模型完成后才检查相关性。
6. 每个 Feature 都有自己的预测时间周期，而且 Alpha 会随着市场效率提高不断衰减。比如线下客流数据可能几个月后才通过同店销售反映出来，不会在五秒钟内完全定价。但当越来越多机构拿到相同数据以后，市场消化信息的速度会越来越快，预测周期不断缩短，最后这个信号可能彻底失效。因此真正的量化系统必须持续监控 Alpha Decay，并动态降低失效信号的权重。
7. LLM 最大的革命，不只是“帮你写代码”，而是让以前无法规模化的数据变成可研究的 Feature。Ben 的一句话很关键：“以前 NLP 是把语言变成数字，现在 LLM 可以把数字变成语言，任何东西都可以成为语言。”Excel、财务数据、视频、非结构化信息，都可以先被 AI 转化成文本或结构化解释，再进入量化研究流程。换句话说，AI 正在扩大“可计算数据”的边界。
8. AI 最大的价值，是把 Feature Research 的试错成本降低 10 倍甚至 100 倍。以前研究“CEO 财报电话会眨眼次数是否异常”可能需要计算机视觉团队做六个月，ROI 太低，所以根本不会立项。现在 AI 可以快速完成原型，这意味着研究员以前脑子里那 2,000 个“很有意思但没时间做”的想法，突然大量变得可测试。真正的变化不是 AI 替你思考，而是实现成本不再限制你的想象力。
9. 但 AI 也可能让所有人的模型越来越相似，这是 Ben 最担心的风险。他把它称为“降低输出熵”。传统工业自动化追求每次输出都一样，但量化投资恰恰需要相反的东西：原创性、异质性和低相关性。如果所有研究员都把数据丢进同一个 AI 按钮，得到类似模型，那么整个组合会失去多样性。因此 Two Sigma 希望 AI 放大每个研究员原有的独特思维，而不是把所有人标准化。
10. 未来最值钱的 Quant，不一定是最会写代码的人，而是最会“提出好问题”的人。Ben 的判断是，随着 AI 发展，把想法写成代码、搭建网站、实现某个具体功能的相对价值会下降。真正越来越重要的是：你有什么别人没有的知识和洞察，你能不能提出独特的问题，再利用 AI 把自己的能力规模化。未来代码会减少，Prompt 和自然语言交互会增加，最终“想法本身”会成为更稀缺的资产。
━━━━━━━━━━━━━━━━━━━━━━
【原创声明】

本文由美股投资网（TradesMax.com）量化团队原创完成。

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”。

━━━━━━━━━━━━━━━━━━━━━━

特朗普最新表示，正在与参议院多数党领袖 John Thune 推动相关法案，核心方向很直接：数据中心新增用电造成的电网升级成本，不能继续主要由普通居民买单，大型用电户应该承担更多。

这件事值得美股投资者高度关注。

市场讨论AI CapEx，注意力几乎都在 GPU、服务器、存储和光通信。

但下一阶段真正卡住AI扩张速度的，可能是：

电从哪里来？
输电怎么扩？
电网升级的钱谁来出？

美股投资网获悉，美国众议院已经以 417票对3票 通过《Ratepayer Protection Act》，要求州级监管机构考虑让数据中心等大型用电户承担为其新增需求建设电力基础设施的成本。

这意味着AI资本开支链正在继续向上游延伸：

GPU → 数据中心 → 发电 → 输电 → 电网升级。

如果未来更多成本从居民端转移到数据中心运营商和科技巨头身上，那么 MSFT AMZN META GOOGL 的AI基础设施成本还会继续上升；另一边，电力设备、电网升级和发电资产的重要性反而会越来越高。

重点关注：$VRT $ETN $CEG $VST #美股

美股投资网注意到，今天市场出现了一个很有意思的背离：10年期美债收益率仍在5%附近，高油价带来的通胀压力也没有消失，但半导体反而成了带动纳指和标普反弹的主力。

周五纳指和标普收高，主要就是被芯片股拉起来的。

原因不是宏观风险突然没了，而是市场开始重新算一笔账。

第一，油价从高位回落，短线通胀压力边际缓和。

Brent周五回落到约104.9美元，WTI约100.3美元，虽然依旧很高，但至少没有继续加速上冲。对高估值科技股来说，“没有继续恶化”本身就是利好。

第二，芯片股前面已经先杀了一轮估值。

本周早些时候，AI安全争议叠加10年期美债突破5%，SOX一度单日跌近6%，NVDA、AVGO、AMD、MU都被砸过。现在只要利率和油价暂时不继续恶化，资金就会优先回补最有基本面支撑的板块。

第三，也是最重要的：AI需求没有因为利率高就消失。

前面杀的是估值，不是需求。现在估值压下来，油价又开始回落，NVDA、AVGO这些基本面最强的芯片股，自然成为资金最先回补的方向。

所以今天这波不能简单理解成“宏观风险解除”。

更准确的说法是：

利率问题还在，油价问题也还在，但资金开始认为：这些风险已经部分反映在价格里，而AI芯片的盈利兑现仍然最强。

接下来真正要盯的而是两件事：

10年期能不能重新压回5%下方；油价能不能继续回落。

如果这两个宏观压力继续降温，芯片股这波修复就有机会延续；如果利率和油价再次同时上冲，今天的反弹就更容易变成高位震荡，而不是新一轮单边行情。
$AVGO $AMD #美股

美股投资网获悉，Muse 上线后，市场开始把注意力从“AI怎么提升广告效率”，转向“Meta能不能用AI打开新的用户入口和变现方式”。

过去 Meta 的 AI 逻辑，主要还是“帮广告更准、转化率更高”。

但 Muse 不一样，它不是后台工具，而是一个真正面向消费者的 个人 AI Agent：可以帮用户发邮件、订行程、购物、处理日常任务，甚至直接通过 WhatsApp 使用。

Meta 官方也明确把它定义为“不是回答问题，而是替你把事情做完”。

这意味着 META 第一次真正有机会把自己 40亿级用户分发能力，从“社交入口”变成“Agent入口”。

而一旦入口变了，变现方式也会跟着变。

以前主要靠广告，以后可能是：
订阅、佣金、交易抽成、企业服务，甚至更深层的个人Agent生态。

Muse 上线后很快冲到美国 App Store 免费榜第一，市场已经开始验证需求不是假的。

这也是为什么华尔街最近开始重新给 META 提估值。

JPMorgan 已经把 META 从 Neutral 上调到 Overweight，目标价从 640 美元直接提到 820 美元。

所以这次真正要看的是Muse 能不能真正跑出付费率、交易频次和用户留存。

如果答案是能，META 后面的估值逻辑，可能真的就不只是广告公司了。
$META $AMZN #美股

今天（9月18日）SanDisk（SNDK）大涨约 11%，收在约 $1,792。美股投资网调研发现，闪迪今天并没有一个全新的重大公司公告，真正推动股价的是“指数资金+ 巨额看涨期权 + AI/存储板块反弹”三股力量叠加。

我认为今天最值得注意的是下面几个因素：

1. 出现了非常夸张的 SNDK 看涨期权买盘。今天市场出现超过9,000万美元的短期期权资金涌入INTC、MRVL、MU 和 SNDK，其中SNDK 一只股票就占了约4,100万美元，资金集中买入10月2日到期、执行价 $1,600 的 Call。

这笔交易非常特殊，因为SNDK 今天本来就已经站在$1,600 上方。如此大规模、短期限的Call 买盘很容易产生 Gamma hedging：如果做市商是Call 的卖方，为了对冲风险，就需要不断买入SNDK 正股，股价越涨，需要买的股票可能越多。根据美股大数据 StockWe.com的量化追踪，机构今天在大单买入56亿美元，暗池买入5亿美元。

所以今天后半段从“上涨”演变成接近+11%，期权资金很可能是一个重要的加速器。

但需要注意：目前并不知道这个神秘买家是谁，所以不能把这$4,100 万 Call 当成“有人提前知道内幕消息”。它只能说明今天资金的看涨押注明显异常。

据Citadel Securities数据，本次到期的期权名义价值约为7万亿美元，规模为史上第二大，其中约60%在开盘时完成结算或展期。城堡证券由Scott Rubner领衔的市场情报团队提示，此前压低实际波动率的期权头寸退场后，价格会更容易受到资金流影响。嘉信理财交易策略主管Joe Mazzola也提醒，季末调仓可能放大波动。

第二个非常重要的因素，是SNDK 即将在下周一正式进入S&P 100。

S&P 已经宣布，SanDisk、Dell、Palo Alto Networks 和 Arista Networks 将于 9月21日正式加入S&P 100。SNDK 的消息并不是今天才公布，因此不能说这是今天突然上涨11%的“新闻催化剂”，但今天是指数调整生效前的最后一个交易日。

这点非常关键。

追踪 S&P 100 的被动基金需要按照新的指数权重调整仓位，同时还有大量主动基金、量化基金和套利交易者会提前进行index rebalance / index front-running。这是美股投资网创始人兼CEO，Ken，他在华尔街，纽约证券交易所担任分析师时，职责之一。

因此今天会出现一个很典型的情况：

被动资金必须买 + 套利资金提前买 + Call 做市商对冲买。

三种资金可能同时集中到SNDK 上。

所以我认为，今天SNDK 明显跑赢 MU 和 WDC，并不是偶然。

其中我尤其关注$4,100万的 10月2日 $1,600 Call。

因为这笔交易到期只有两周左右，绝对不是传统长期投资者买LEAPS 的行为。这意味着有人在非常明确地押注未来两周SNDK 继续保持强势和高波动率。

美国财政部长贝森特，三个月前警告特朗普：“债券市场搞垮的政府，比榴弹炮还多。”

为什么他会这么说？因为债券市场真正可怕的地方，不需要一枪一炮，它只需要不断抬高“借钱的价格”，压力就会从政府融资，一路传到企业成本，最后压到美股估值。

本周三，我们就看到了这条链条突然绷紧。

美联储加息25个基点，12比0全票通过。点阵图显示，18名官员里有16人预计今年至少还要再加一次息，2026年底利率中值也从6月的3.8%上调到4.1%。“这次加完，很快就会重新降息”的预期被明显打压，美股随即下跌。

可到了周四，市场又像什么都没发生一样迅速反弹，前一天的失地几乎全部收回。但债券市场没有松口：2年期美债收益率收在4.68%，10年期回落到4.94%，30年期仍高达约5.3%。

问题来了：既然加息已经落地，恐慌也已经释放，美股甚至重新大涨，为什么债券市场还是不肯真正松口？

更反常的是，大资金并没有简单地撤出市场，而是在做两件完全相反的事：一边增加防守，另一边却还在继续承担风险。这说明他们真正担心的，可能不是“美股会不会跌”这么简单，而是在重新判断：哪些资产扛得住高利率，哪些过去最拥挤的方向已经开始变危险，而下一轮机会又会从哪里冒出来。

所以今天这期视频，我会把四件事讲清楚：

第一，债券市场现在到底在逼美联储做什么；

第二，为什么 AI投资让长期利率根本降不下来?

第三、周五三巫日，有超过2万亿美元的delta名义期权到期，短期美股如何表现？

第四，我会顺着大资金的真实流向，把现在的股票分成三类，明确告诉你哪些还能继续持有，哪些已经要提高警惕，

别走开，接下来讲到的，很可能就有你手里的爱股。视频不短，但都是和接下来行情直接相关的重点，建议先点赞收藏。我们直接开始！

债券市场现在到底在逼美联储做什么？

那债券市场现在到底在逼美联储做什么？

其实不是简单逼它“继续加息”，而是在逼它证明：你真的有能力把通胀压下去。

因为美联储能直接控制的，主要是短期政策利率；但10年期、30年期美债收益率，是全球资金自己定价出来的。

如果投资者相信未来通胀会下来、利率会下降，他们就愿意买长期国债，长期收益率自然会往下走。

可如果市场不相信呢？

那投资者就会要求更高的收益率，才愿意把钱锁十年、三十年。结果就是，即使美联储暂停加息，房贷、企业贷款、公司发债这些长期融资成本，依然可以继续维持在高位。

换句话说，债市现在其实是在告诉美联储：光说“通胀会下来”不够，你得用行动让我相信。

否则，长端利率就会替你继续收紧金融条件。

所以现在真正麻烦的地方在于，美联储即使想停，债券市场也未必允许整个金融环境马上放松。

而这就引出了下一个问题：到底是什么力量，让10年期、30年期利率一直这么难下来？

如果你觉得本视频对你有帮助，老规矩先点赞再收藏，关键时刻能帮忙美国热线 626 378 3637

AI牛市正在制造自己的敌人

沃什在发布会上，给出了一条非常关键的线索。

他说，美国最近的资本开支正在快速增长。建设AI数据中心的超大规模云厂商，正在市场上筹集资金，所以对资本的竞争是真实存在的。

这句话听起来像是在谈AI投资，实际上却解释了长期利率为什么迟迟降不下来。

过去两年，市场习惯把AI资本开支理解成一条纯利好。

微软、Amazon、Google和Meta投入的钱越多，购买的GPU就越多；数据中心建得越多，芯片、存储、光通信和电力设备拿到的订单也就越多。

但大家一直只盯着这些钱最后花到了哪里，却很少追问另一个问题：这么多钱，最开始从哪里来？

我们看数据。

按照UBS的估算，2026年Amazon、微软和Alphabet三家的资本开支，相当于它们云业务合计收入的102%。

注意，这不是说云业务赚到的钱全部被花光了，因为收入不等于利润和现金流。它真正说明的是，这三家公司的资本开支规模，已经超过了它们云业务的合计收入。

https://primexbt.com/news/hyperscalers-set-to-spend-102-of-cloud-revenue-on-ai-capex-in-2026-ubs-says/?utm_source=chatgpt.com

再把范围拉大。高盛预计，五大云巨头厂商2026年资本开支大约7500亿美元，而同期能产生的经营现金流大约是7780亿美元。也就是说，全球现金流最强的一批科技公司，这场AI军备竞赛，也正在逼近它们自身现金流能覆盖的边界。

https://www.reuters.com/business/hyperscaler-debt-binge-pushes-yields-up-investor-demand-cools-2026-07-29/?utm_source=chatgpt.com

但AI投入并没有因此停下来。

当内部现金流不够用，下一步自然就是去债券市场借。截至7月7日，Amazon、Alphabet、Meta和甲骨文今年已经发了大约1940亿美元债券，比它们2025年全年的1080亿还高出79%。高盛预计，加上微软，五大厂商今年发债可能到2500亿美元，2027年进一步冲到4000亿。

https://www.investing.com/news/stock-market-news/hyperscaler-debt-binge-pushes-yields-up-as-investor-demand-cools-4820617

问题是，同一时间来到市场上融资的，不只有科技公司。

CBO预计，美国2026财年财政赤字超过1.9万亿美元，相当于GDP的5.8%。这意味着财政部也要持续发大量国债，补赤字、付利息。再加上战争、能源安全、制造业回流、电力基建，全都在吸长期资本。

一边是财政赤字，一边是AI数据中心，另一边是能源国防制造业。看着不相干，最后都要同一个全球资本市场来消化。美国政府、科技巨头、能源和国防同时要钱，投资者自然要求更高回报。融资需求越大，资金价格越高，10年期美债收益率就越难真正降下来。

现在信用市场正在用真金白银投票。

Apollo指出，如果云厂商的CDS利差上升，只是因为交易商在对冲新发行的债券，那么作为投资级债券发行大户，银行的CDS也应该同步上升。但现实是，银行CDS利差仍然稳定在40个基点左右，部分云厂商的CDS却在明显扩大。

这说明市场并不是在全面回避所有信用风险，而是在单独提高部分AI融资方的风险价格。

https://www.apollo.com/institutional/insights-news/insights/daily-spark/hyperscaler-cds-widening-is-not-a-dealer-inventory-story

甲骨文就是最明显的例子。它的五年期CDS已经从一年前大约40个基点升到200个基点以上，S&P也把甲骨文的长期信用评级下调到BBB-，距离垃圾级只差一步。

再看风险更高的CoreWeave。今年7月，它的CDS一度升到大约855个基点，按照常见回收率模型估算，对应的五年累计隐含违约概率一度接近50%。

当然，这不代表CoreWeave真的有一半概率会破产，CDS里面还包含流动性、情绪和风险溢价。但它清楚说明了一件事：市场愿意继续给AI基础设施公司融资，只是要求的风险补偿已经越来越高。

而到了本周四，这个逻辑又往前走了一步。CoreWeave宣布再发行30亿美元2033年到期的可转债，同时设立最多3500万股的ATM股票发行计划。问题并不是它没有需求，恰恰相反，需求太强了。为了接住这些订单，它必须不断买GPU、建数据中心、锁电力，而这些投资都要先拿真金白银砸进去。消息公布后，CoreWeave股价在科技股整体大涨的当天一度跌超5%。

到了这里，AI和高利率之间的关系就变了。

过去我们总觉得，高利率只是AI股票的敌人：利率越高，估值越低。但现在你会发现，AI本身也在制造对资金的巨大需求。云厂商、数据中心、芯片公司同时抢资本，融资需求越来越大，长期资金的价格自然更难下来。

于是就形成了一个很值得思考的反馈循环：AI投资越大，资金竞争越激烈；资金越贵，长期利率越难明显回落；而长期利率越高，未来利润折回今天的价值就越低。

说白了，AI一边在创造利润，也在抬高这些利润的折现率。

AI牛市，正在制造自己的敌人。

大资金买的不是所有AI

问题来了。

既然AI融资压力已经开始上升，为什么大资金还没有离开AI？它们到底在买什么，又在回避什么？

美银9月基金经理调查里，有两个数字很关键：42%的人认为，AI巨头庞大的资本开支最可能成为下一场系统性信用事件的来源；但79%的人又认为，这些公司今年根本不会削减资本开支。

一边担心它们投得太多，一边又相信它们还会继续投。这并不矛盾——因为资本开支可以继续增长，信用风险也可以同时积累。真正变化的，不是资金突然抛弃AI，而是资金开始变得更挑剔。

截至9月9日当周，美国股票类基金和ETF净流出接近118亿美元，债券类资金却净流入超过115亿美元。大资金没有全面撤退，而是在降低组合风险，同时把有限的风险预算留给自己最有信心的方向。

https://www.wsj.com/business/tech-media-telecom-roundup-market-talk-6cd01c34?utm_source=chatgpt.com

这就是现在最真实的状态：一边还在买AI，一边已经开始买保险。

而短期还有一个变量，会放大这种谨慎。周五就是三巫日，超过2万亿美元的Delta名义敞口集中到期。过去14次9月三重巫术日里，标普500有12次当天收跌；之后5个交易日，上涨比例甚至不到30%。

我认为这组数据真正告诉我们的，是这种大规模仓位到期，本来就很容易带来短期波动和资金重新平衡。等这批仓位清掉以后，真正值得看的，是谁还能继续涨，谁开始掉队。

在这里，美股投资网把AI股票分成三类。

第一类，是直接从AI资本开支里收钱的公司。

代表包括NVDA、AVGO、MU、ANET、VRT和DELL。只要数据中心继续建设，芯片、存储、网络、电力设备就还有订单。它们最大的优势是，不需要等AI最终怎么变现，科技巨头今天花出去的钱，很快就可能变成它们的收入。

DELL就是很典型的例子。

今年6月我们第一次专门分析DELL，当时股价还在410美元附近。我们判断，企业一旦真正开始部署AI，买的不会只有GPU服务器，存储、网络、传统服务器甚至AI PC都会一起升级。按照周四收盘价算，这一波浮盈已经接超过40%。给我们的努力点个赞。

到了9月11日，我们再次跟踪，逻辑已经开始兑现。DELL上一季度AI服务器新签订单609亿美元，确认收入164亿美元，季末积压订单950亿美元；AI客户已经超过6500家，其中3300家还是最近三个季度新增的。

这说明AI正在从少数云厂商，真正往企业端扩散。

第二类，是自己有能力承担AI资本开支的公司。

代表就是MSFT、GOOGL、META和AMZN。它们虽然烧钱最多，但背后还有云计算、广告、电商这些现金牛。接下来市场真正比较的，不是谁花得最多，而是谁能最快把这些投资变成收入和现金流。

第三类，就是最需要小心的：高度依赖外部融资的公司，比如ORCL和CRWV。

这类公司不是没有订单，恰恰是订单越多，越需要提前建数据中心、买GPU、锁电力，所以增长越快，需要的钱可能反而越多。一旦长期利率维持高位、借钱越来越贵，融资压力就会迅速放大。

但但这里必须单独讲一下我们的重点持仓NBIS。

表面上看，NBIS也属于第三类，但它正在努力脱离第三类。因为它同样要重资产扩张，也需要融资。但现在它开始出现三个非常关键的变化。

第一，算力价格还在涨。NBIS二季度Blackwell算力拍卖的成交价格，比公司历史最高价格还高15%，说明真正能稳定交付高端算力的平台，依然有定价权。

https://www.marketbeat.com/earnings/reports/2026-8-13-nebius-group-nv-stock/?utm_source=chatgpt.com

第二，客户开始替它承担一部分资本开支。NBIS预计2026年会收到超过90亿美元客户预付款，一些大型项目甚至可以靠预付款覆盖50%到60%的建设成本。也就是说，以前是公司先借钱建数据中心，现在客户自己也开始先把钱打进来。

https://www.sec.gov/Archives/edgar/data/1513845/000110465926094568/tm2622968d1_ex99-2.htm?utm_source=chatgpt.com

第三，融资成本目前仍然可控。今年7月，NBIS完成7.75亿美元高级担保融资，利率是SOFR加2.5%，算下来实际成本大约6%。它背后抵押的是GPU，还有投资级客户已经签下来的现金流。

https://www.sec.gov/Archives/edgar/data/1513845/000110465926084452/tm2620683d1_ex99-1.htm?utm_source=chatgpt.com

这件事非常关键。

NBIS不是不需要借钱，而是正在把“订单”本身变成融资能力。客户愿意提前付款，银行愿意拿合同和GPU做抵押，它就不需要完全依赖不断增发股票去扩张。

当然，风险依然存在。NBIS仍然是一家资本开支非常重的公司，未来扩建还需要大量资金。

但我们为什么继续长期持有？因为目前三件事还同时成立：算力价格在涨，客户合同越来越硬，融资成本还在可控范围。

NBIS是我们过去两年“必买10只股”里的首选股，从去年40美元附近开始重点推介，到现在已经上涨大约7.5倍。我们自己的核心仓位里，NBIS也占了接近一半。目前我们的账号最近两年回报率502%。

只要这三条没有被破坏，我们就会继续持有。

技术面上，短线已经从“破位下杀”重新回到215—220争夺区。这个位置它既是前期成交密集区，也靠近短期均线和缺口，多空都会在这里重新表态。

接下来关键看两点：一是能不能放量站稳220，如果站稳并回踩不破，短线有望打开230—235甚至前高的空间；二是如果反复冲220不过、量能萎缩，就要防二次回踩，下方先看210，强支撑在200—205。

好了，今天的视频就先讲到这里。由于时间关系，加息环境下哪些资产风险正在上升，以及SPY、QQQ、NVDA、GOOG和存储，光通信相关股票的哪些关键支撑位不能跌破，这期没有办法全部展开。

但是我已经把相关内容整理成一份《加息环境下的重要资产与关键支撑位清单》。需要的朋友可以联系我们的客服微信 MaxStockWe

━━━━━━━━━━━━━━━━━━━━━━

【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”。

━━━━━━━━━━━━━━━━━━━━━━

华尔街金融巨头摩根大通最新发布的《Retail Radar》报告，揭示了美联储加息落地后一个非常值得关注的资金变化：散户并没有全面撤离AI，而是在宏观压力之下明显放慢入市节奏，同时把有限的资金进一步集中到AI算力核心资产。

美东时间周三，美联储FOMC一致通过加息25个基点，将政策利率提高至3.75%—4.00%。对于此次加息，摩根大通的核心判断是，如果这只是撤回此前部分“保险式降息”的浅度加息周期，同时美国企业盈利继续保持强劲、中东局势没有进一步恶化，那么股票市场仍有能力消化利率以及长期美债收益率上升带来的压力。

这对于AI板块尤其重要。

过去一段时间，压制AI科技股估值的并不是产业需求突然消失，而是油价、通胀以及长端美债收益率快速上行带来的估值压力。一旦油价和长端收益率开始回落，此前仍有资金持续承接的AI算力核心资产，就更容易率先迎来风险偏好修复，市场交易逻辑也会从“美联储还要加多少息”，重新转向订单、收入和盈利究竟能够增长多少。

这也解释了一个看似矛盾的现象：散户整体买盘正在明显降温，但AI核心资产的资金流依然强劲。

摩根大通汇编的数据显示，9月10日至16日，散户资金净流入仅25亿美元，相比过去12个月平均每周68亿美元下降约63%。其中ETF净流入31亿美元，个股则净流出6亿美元。报告将整体资金流强度定位于历史第2百分位，ETF流入降至一年低位，个股资金流也仅处于历史第12百分位。

但真正重要的信号不是“散户不买了”，而是“散户开始挑着买”。

同期，美股“七巨头”合计获得16.01亿美元散户净买入，其中仅英伟达就获得11.96亿美元，占七巨头全部净买入的约75%。七巨头之外，闪迪获得2.02亿美元净买入，阿斯麦获得1.19亿美元，甲骨文获得1.02亿美元。

换句话说，在整个市场增量资金明显收缩的情况下，英伟达、闪迪、阿斯麦、甲骨文等AI算力产业链核心公司仍然获得明显资金承接。

美股投资网获悉，这是一种非常典型的“总量收缩、核心集中”结构。

相比简单地说“散户正在撤离科技股”，这种资金结构更能解释为什么AI板块在美联储加息落地之后依然具备反弹基础：资金并没有放弃AI，而是在压缩非核心科技股敞口的同时，继续向加速计算、存储、半导体设备和云基础设施等关键环节集中。

这一点在9月17日的市场走势中表现得更加明显。费城半导体指数在此前经历调整之后大涨3.1%，与此同时油价明显回落，10年期美债收益率降至4.93%。油价、通胀预期和长端利率压力边际缓解，与AI算力板块风险偏好修复形成共振。

虽然摩根大通这份《Retail Radar》的统计窗口早于科技股随后出现的反弹，但它恰好提供了一条重要的资金线索：在市场最担心加息和估值压缩的时候，AI核心资产的选择性买盘并没有消失。

具体来看，9月10日至16日，七巨头全部获得散户净买入：英伟达11.96亿美元、特斯拉2.01亿美元、亚马逊8700万美元、苹果6300万美元、谷歌2500万美元、微软1900万美元、Meta 1000万美元，合计16.01亿美元。

七巨头之外，闪迪净买入2.02亿美元、阿斯麦1.19亿美元、甲骨文1.02亿美元，与英伟达和特斯拉共同构成当周最受散户资金青睐的一批股票。

与此同时，SpaceX净卖出2.49亿美元、Marvell净卖出9500万美元、英特尔净卖出7600万美元、NuScale Power净卖出6000万美元、AMD净卖出5200万美元。

这组数据说明，AI交易已经从此前的“只要沾AI就买”，逐渐进入基本面和产业地位重新定价的阶段。

资金开始更加关注谁真正掌握算力瓶颈、谁拥有确定性订单、谁能够把AI需求转化为收入，以及谁最终能够把收入变成利润。

甲骨文就是一个非常典型的案例。

其收入同比增长30%，云基础设施业务保持三位数增长，剩余履约义务（RPO）环比增加260亿美元。随后在9月11日，散户单日净买入甲骨文达到8700万美元。

这背后的交易逻辑非常清晰：当市场开始担心AI资本开支过高、订单能否兑现以及融资压力时，可验证的订单增长和收入增长，就是资金敢于逢低承接的重要依据。

而且，散户现在并不是单纯地从科技切换到防御板块，而是在进行“防御+精选科技”的双重配置。

最近四个交易日，散户午间仍然是个股净买家，但进入下午后逐渐转为净卖家，主要压力来自七巨头之外的科技股以及工业股。在剔除七巨头之后的行业统计中，必需消费成为唯一获得净买入的板块，金额约1100万美元；工业、通信服务和科技分别净流出5.55亿、4.93亿和4.05亿美元。

ETF资金也体现出类似结构。行业ETF出现历史第三大的周度净流出，科技类产品是主要拖累，但宽基大盘股ETF依然获得13亿美元净买入，贵金属ETF获得1.88亿美元流入，中长期债券ETF需求也有所改善。

所以当前资金真正做的并不是全面Risk-Off，而是在降低整体风险敞口的同时，把科技仓位进一步集中到少数确定性更高的核心资产。

这一变化背后，还有一个更加重要的支撑——企业盈利。

摩根大通认为，在经济保持较高增长的积极情景下，只要企业盈利能够继续扩张，股票市场理论上可以承受10年期美债收益率逐步向6%靠近。需要强调的是，这是一项基于盈利韧性的压力测试式判断，并不是摩根大通预测10年期美债收益率一定会达到6%。

而近期另外两家华尔街机构高盛和杰富瑞，也把判断的核心放在同一个变量上：盈利。

高盛预计，标普500指数每股盈利在2026年达到340美元，同比增长24%；2027年进一步达到385美元，同比增长13%。与此同时，市场远期市盈率已经从年初约22倍下降至19倍，意味着部分利率上行压力已经通过估值压缩得到释放。

历史数据显示，在过去七轮加息周期启动后的前三个月，标普500平均下跌约2%，但拉长到12个月后平均上涨约9%。当然，历史表现并不能证明未来一定复制，但至少说明一个问题：加息本身并不必然意味着牛市结束，真正决定市场中期方向的，仍然是盈利增长能否抵消估值收缩。

杰富瑞的判断更加积极。其预计标普500指数2026年底达到8000点，2027年进一步达到9000点。其2026年目标建立在标普500每股盈利达到373美元、同比增长35%，以及约21.5倍市盈率的假设之上。

这套逻辑的核心并不复杂：如果AI推动企业盈利增长持续显著高于历史平均水平，那么市场就有可能通过盈利增长消化一部分利率上升造成的估值压力。

而这也是当前AI行情与2022—2023年最大的区别之一。

早期AI行情更多交易的是模型能力、产业想象空间和未来预期；现在市场越来越关注订单、资本开支、Token消耗、云计算收入、数据中心交付以及最终的利润增长。

也就是说，AI投资正在从“讲故事阶段”，进入“看财报阶段”。

从产业层面看，这种基本面支撑仍在继续扩大。

AI算力需求正在从集中式预训练进一步向后训练、持续推理和智能体执行扩散。摩根大通援引SemiAnalysis的研究指出，在其讨论的算力分配结构中，预训练占比已经下降至15%以下，而终端Token需求以及后训练的重要性持续上升。

这里最容易产生的误解是：预训练占比下降，并不意味着AI需要的算力减少。

恰恰相反，随着推理成本下降、模型调用次数增加、上下文长度扩大以及AI Agent开始执行更加复杂的多步骤任务，单次计算成本可能下降，但全社会消耗的总算力反而可能继续增长，这正是AI时代“杰文斯悖论”的核心逻辑。

一个AI Agent完成任务，背后可能需要连续调用模型、搜索数据库、执行代码、读取文件、使用外部工具，再把结果重新送回模型进行下一轮推理。任务越复杂，Token消耗和基础设施调用次数就越高。

因此，AI算力需求已经不再只是GPU的问题。

Prefill需要处理越来越长的输入上下文，Decode需要持续生成输出，KV Cache不断提高对显存容量和内存带宽的要求；多工具Agent还需要CPU执行程序，需要存储系统保存数据和缓存，需要高速以太网和光互连连接庞大的计算资源，最后还需要云平台完成整个算力资源的调度和服务交付。

由此，一条更加完整的AI产业链正在形成：加速计算→内存与存储→高速网络与光互连→数据中心基础设施→云计算平台→AI软件与智能体商业化。

而摩根大通最新观察到的资金流，恰好可以在这条产业链中找到对应位置。

英伟达代表加速计算，闪迪对应存储，阿斯麦对应先进半导体设备，甲骨文对应云基础设施与算力交付。资金并没有平均流向所有带有“AI”标签的公司，而是越来越集中到产业链中真正掌握核心资源、拥有订单和盈利兑现能力的公司。

这可能才是当前AI交易最值得重视的变化。

美联储加息之后，AI牛市面临的宏观环境确实比此前更加复杂，利率、油价和通胀都会持续影响估值。但从摩根大通最新资金流来看，散户并没有离开AI，而是在减少总体买盘的同时，把资金更加集中地压向算力产业链核心资产。

如果油价和长端美债收益率进一步企稳，宏观因素对估值的压制减弱，那么市场的焦点很可能再次回到AI最根本的问题上：

订单有没有增长？收入能不能兑现？利润还能增长多快？

到了这个阶段，决定下一轮AI行情的，可能已经不是谁的故事讲得最大，而是谁能够真正把AI需求变成订单，把订单变成收入，再把收入变成利润。

AI投资的下一阶段，正在从“买概念”转向“买兑现”。

━━━━━━━━━━━━━━━━━━━━━━

【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”。

━━━━━━━━━━━━━━━━━━━━━━