星舰首飞商业化，才是真正的转折点

公司未来的增长逻辑，建立在星舰飞行频次持续提升、以及现役主力火箭猎鹰9号逐步退场的基础之上。

投资者在本次财报季最应关注的，是管理层对星舰商业化路径的最新表态，以及测试进度的具体安排——这才是穿透当前市场噪音、判断SpaceX长期价值的核心依据。

短期盈亏数字对判断这家太空公司的投资价值意义有限，真正决定其未来走向的，是"星舰"（Starship）重型可复用火箭的商业化进程。

据彭博汇编的分析师预期，SpaceX本季度预计录得约16亿美元的运营亏损，资本支出约达180亿美元。拖累业绩的主要来源是AI业务——该部门由首席执行官埃隆·马斯克将旗下xAI并入SpaceX后组建，第二季度预计运营亏损达24亿美元。目前，旗下卫星互联网服务Starlink是公司唯一实现盈利的业务板块。

本周财报之后，美国五大科技巨头对2027年的资本开支预测已超1万亿美元，达到GDP的2.8%。

而2025年不到5000亿美元的资本开支已经让市场侧目，而两年翻倍的规模直接让科技巨头现金流转负。

AI大模型的价格战，比所有人想象的都要来得更快、更猛！

本周四，OpenAI把部分AI服务价格砍掉80%，这不是普通降价，而是把企业大规模使用AI的门槛直接打穿了。
过去，企业使用AI还要精打细算；现在，同样的预算可以获得数倍调用量。

接下来真正爆发的，不只是AI用户数量，而是每家公司、每个部门、每项业务对模型的使用次数。

但调用越多，管理越容易失控。
不同部门同时使用不同模型，客户数据放在哪里？
谁有权限调用？
每个部门花了多少钱？
敏感信息会不会泄露？

模型价格下降了，企业管理AI的难度却在快速上升。

模型可以随时更换，但企业的数据架构、权限体系和业务流程，不可能跟着来回迁移。所以这轮降价背后，最大的机会可能不在模型厂商本身，而在那个能够统一管理数据、权限、成本和AI工作流的平台。

美股市场中，已经有一家公司提卡住了这个位置。今天我们不仅要把“模型越便宜，它为什么反而越受益”的商业逻辑讲透，还会结合最新的业绩数据与估值模型，给出具体的买入区间、仓位配置思路，以及必须警惕的下行风险！

干货很多，建议先赞后看。

AI模型越便宜，Snowflake反而越值钱？

不卖关子，这家公司就是 Snowflake，美股代号 SNOW。

其实，早在今年4月和7月，我们就在 VIP 内部两次提示过这家公司，核心逻辑就是看好 AI Agent 带来的数据爆发，以及它作为中立控制台的不可替代性。

为什么我们敢连续看好它？结合最近 AI 行业的变化，趋势已经越来越明显了：

7月17日，月之暗面发布Kimi K3，凭借编程等部分测试表现和较低的使用成本迅速获得关注。

7月24日，包括英伟达、微软和Meta在内的25家科技公司联合发布公开信，呼吁美国不要过早限制开放权重模型。黄仁勋、微软CEO 随后在X上转发，马斯克也公开表示‘完全支持’。


三天后的7月27日，月之暗面正式公开Kimi K3的模型权重和技术报告。这意味着，开放权重AI不再只是行业讨论，而是开始进入真实竞争。

简单来说，开放权重就是把AI模型的核心能力开放出来，让企业可以自己部署、调整，而不是完全依赖外部AI服务商。对企业来说，好处很直接：成本更低，数据更安全，也拥有更大的自主权。未来，企业可能不再只是购买AI服务，而是根据自身需求打造自己的AI系统。

面对 DeepSeek、Kimi 等高性价比模型快速发展，微软也开始重新布局开放权重生态。

市面上的AI模型越来越多，价格战也彻底打响了。就在7月30号，OpenAI再次大幅下调了API的价格，主力模型直接降价20%，轻量模型更是砍掉了80%的成本。
面对这种“腰斩式”的降价，强如 Anthropic 这样的顶流玩家，即便现在还能扛住不降，后续也势必会面临客户被低价模型抢走的巨大压力。

事情发展到这里，一个趋势越来越明显：
未来企业不会只依赖某一个AI模型，而会根据不同场景选择不同方案。
简单任务可能交给成本更低的模型；复杂推理继续使用顶级模型；涉及核心数据的业务，则可能选择在自己的环境中部署专用模型。
也就是说，未来企业更可能进入“多模型并存”的时代，而不是被某一家AI公司完全绑定。

但新的问题也随之出现。

模型可以随时更换，企业的数据资产、权限体系和业务流程，却不可能跟着反复折腾。
接入的模型越多，跨平台的数据、权限、成本和工作流管理就越复杂，最后很容易变成一场管理灾难。

这正是 Snowflake 的机会。
7月28日，Snowflake 推出 Cortex AI Gateway，卡位的正是这个节点。
它为企业提供了一个统一入口，不仅可以接入和管理不同的模型与 AI Agent，还能集中管理数据访问、身份权限、运行状态和调用成本。

换句话说，Snowflake 争夺的早已不只是数据存储市场，而是企业进入多模型时代后的“控制台”和统一管理平台。
OpenAI 可以继续打价格战，Anthropic 可以坚守高端推理市场，微软、DeepSeek 和 Kimi 也可以继续扩大开放权重生态。

但无论企业最终选择谁，只要想把AI真正接入业务，就需要一个地方统一管理数据、权限和工作流。

这就是我们看好 SNOW 的核心逻辑：
它不需要押注哪家模型最终胜出。
它押注的是，模型会越来越多，价格会越来越便宜，调用会越来越频繁，而企业对数据治理和统一管控的需求，只会越来越强。

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，

美股经历了一个月的暴跌，不少好公司被错杀，捡筹码的时机已经到了。我们团队最近做了一轮深度调研，梳理出了几家真正具备弹性与护城河的标的。想了解具体代号和交易逻辑的朋友，现在就可以添加客服微信。

当然，逻辑成立不代表股价立刻就能涨。接下来真正需要验证的，是企业到底有没有把这些AI产品真正用起来，并最终转化为Snowflake账面上实打实的收入。

SNOW为什么重新加速？

Snowflake 最新一季财报给出的答案，不仅仅是收入增长，而是 AI 产品已经真正嵌入了企业的实际业务流。

截至4月30日的季度，使用 Snowflake AI 功能的客户数已经暴增到 13,600 多家！其中 Snowflake Intelligence 的使用账户数环比翻了一倍还多，Cortex Code 更是直接覆盖了 7,100 多家客户。

这些落地数据，远比单纯炒作“AI 概念”更有说服力。它清晰地表明，客户不再只是在打样测试，而是把代码开发、数据分析和企业知识检索，真正搬到了 Snowflake 上运行。

更关键的是，这种实际用量已经变成了实实在在的财务收入： 当季产品收入达到了 13.34 亿美元，同比增长 34%；而剩余履约义务——也就是客户已经签约、但还没来得及确认的后备收入，达到了 92.1 亿美元，大涨 38%！这说明，客户不仅现在用得勤，还把未来的预算也提前锁死在 Snowflake 这里。

高价值客户的盘子也在同步变大。过去 12 个月消费超过 100 万美元的大客户达到了 779 家，同比暴增 29%。其中有 46 家是当季第一次跨过百万美金大关，而去年同期这个数字只有 26 家。

当然，客观讲，不能把所有增长都归功于AI。Snowflake传统的数据仓库、数据分析和共享业务，当然是坚实的底盘。但AI产品的确大幅带动了查询、推理和数据处理需求，在Snowflake按实际用量计费的模式下，每一个新增的AI任务，最终都会变成账面上的产品收入。

这里挺有意思的一点是，市场过去总担心这种按量付费模式缺乏稳定性，觉得客户一精简预算就会缩手。但到了AI落地阶段，逻辑反而倒过来了——当同一份数据被越来越多的模型和Agent频繁调用，按量计费反而吃到了很高的向上弹性。

所以结论很直接：Snowflake不是在靠“讲AI故事”拉股价，而是客户已经在用、预算已经在签、合同已经在落。
但话说回来，机会大，竞争也大。面对AWS、Azure、谷歌云三家巨头，还有最直接的对手Databricks，大家都在抢企业 AI 数据中枢这个蛋糕。Snowflake 凭什么能把这些需求牢牢留在自己手里？这才是接下来最核心的问题。

Snowflake真正的竞争位置

这就要看 Snowflake 的竞争优势到底在哪里了。

它的护城河，从来不是某个能被轻易复制的小功能，而是多云部署、统一治理、以及极高的易用性这三件事叠加在一起的组合拳。

第一是跨云生态。它能同时跑在 AWS、微软 Azure 和谷歌云上。虽然跨云有成本，但它最大的牌是“中立”。微软肯定优先卖 Azure 和 OpenAI，AWS 强推 Bedrock，谷歌则抱紧 Gemini。而 Snowflake 跟三家都合作，不强迫企业绑定任何一家云厂商或模型，给客户留足了自由度。

第二是统一治理。企业接的模型越多，数据泄密、权限混乱、费用失控的风险就越高。Snowflake 本身就是做数据权限和安全审计起家的，现在无非是把大模型和 AI Agent 也顺手纳入这套体系，企业完全不需要再花大钱重搭一套管理系统。

至于它最大的对手 Databricks，两家的根本区别在于受众基因完全不同：

Databricks 是给程序员和数据科学家用的。它像一台硬核的工业机床，上限极高，但门槛也很高，需要懂代码、懂底层架构。 而 Snowflake 是给业务部门和分析师用的。它主打开箱即用，只要懂最基础的 SQL 语句就能直接跑数据，几乎零门槛。

说白了，两家公司是从两个方向往同一个终点靠拢——Databricks 从底层技术往企业应用扩，Snowflake 从企业分析和治理往 AI 延伸。它们最终争夺的，都是企业 AI 预算的入口。谁能更顺畅地把数据、模型、权限和业务流程串起来，谁就能拿到后续暴涨的使用量。

这也是 Snowflake 最值得被市场重新估值的地方。大模型可以随时降价，甚至随时被换掉；但当一家企业把最核心的数据治理、权限体系和业务流程都定在 Snowflake 上之后，迁移成本极高，客户关系也就彻底锁死了。

怎么买?

前面把行业趋势和竞争优势讲清楚之后，最后要落到一个更现实的问题：现在这个价格，值不值得买。

截至7月31日收盘，Snowflake股价约293美元，市值约1033亿美元，过去12个月市销率约19.88倍。


这个倍数放在SaaS行业不算过于离谱，但已经不便宜了。市场显然已经提前把AI产品落地、收入维持高增长和利润率改善这三件事，都计入了当前价格。

这意味着，下一份财报仅仅“符合预期”可能不够。SNOW要继续往上走，需要看到Cortex和Snowflake Intelligence这些产品不只是增加了试用账户，而是实实在在地推高了客户用量——并最终反映在产品收入、剩余履约义务和经营现金流上。

华尔街的平均目标价大约在295至302美元，和现价基本重叠。也就是说，按卖方的一致预期，未来一年的常规上行空间已经不多了。UBS的370美元、KeyBanc的325美元、和RBC的313美元，对应的是更乐观的情景：Snowflake继续保持高增长，同时AI商业化速度明显快于市场预期。

429美元的历史高点，距离现价还有约44%的空间。但这个价格只能作为参考——它反映的是当时的市场情绪和估值环境，不是当下可以简单对标的目标价。市场上那些超过670美元的长期估值模型，通常基于2031年前后收入保持约21%的复合增长、净利润率提升至约15%的假设。

这类模型对增长率和利润率非常敏感，一旦实际表现低于预期，算出来的数字会差很多。所以SNOW长期能走到哪里，不取决于它曾经到过哪里，而取决于AI用量能不能在未来几个季度持续转化为收入。

基于以上判断，可以把买入位置分成三个区间：
290至310美元，预期比较满，赔率一般，容错空间小。
260至280美元，相对合理的价格，如果AI使用数据没有走弱，这个区间赔率会好很多。
220至250美元，估值压力明显减小，可以考虑加仓，但前提是基本面没有变坏，而不是单纯因为跌了。

三个区间对应三种市场状态和风险偏好，最终怎么操作，取决于你对SnowflakeAI业务落地节奏的判断，以及自己能承受多大的波动。

风险

最后来说风险

第一、AI用量变成真金白银的速度，可能比想象的慢。

财报里上万个AI使用账户确实亮眼，但很多企业现在还处于概念验证或小范围试用阶段。按Snowflake的用量计费模式，试用阶段产生的收入微乎其微。如果企业从“试一试”推进到“大规模高频使用”比预期慢，收入增速就很难撑得住现在这个估值。

第二，按用量计费是一把双刃剑。
这种模式的好处是顺风期收入弹性大，但逆风期也一样。一旦宏观环境转弱，或者企业启动成本优化，客户完全可以通过减少非必要查询来压缩开支。而且这些调整是实时的，不会给你缓冲期。到时候不只是当季收入会波动，RPO也可能跟着受影响。

第三，两头夹击的竞争格局。
一边是Databricks，凭借开源Lakehouse架构在AI和数据科学领域势头很猛；另一边是三大云厂商谷歌，亚马逊，微软都在力推自己的AI平台。如果这些巨头未来采取更激进的捆绑销售，或者抬高跨云数据传输的门槛，Snowflake在新客户拓展和利润率上都会感受到压力。

第四，这个估值容不下任何差错。
300美元附近、20倍市销率，市场已经提前把业绩超预期、指引上调这些好消息都算进去了。在这种状态下，容错率非常低。后续只要产品收入、剩余履约义务或者季度指引有一点点不及预期，股价面临的估值压缩可能比正常情况更剧烈。

另外，监管文件显示，Snowflake联合创始人兼董事Benoit Dageville于7月29日以每股280美元出售了5万股，套现1400万美元。内部人减持不一定是看空信号，但在当前位置，它提醒我们保持客观。

好了 你认为这只股怎么样？你愿意用什么价格，为它未来几年的增长买单？你认为Snowflake是多模型时代真正的隐秘赢家，还是市场已经把未来几年的增长提前透支了？欢迎在评论区留下你的判断。

据《The Information》报道，OpenAI 正在准备一个暂定名为“Astra”的新模型家族（注：需区分 Google 的 Project Astra），并在华盛顿向监管人士进行了预览。

这次的核心突破，并非单个模型变得更聪明，而是让多个 Agent 协同工作，在更长的时间跨度内解决复杂难题。OpenAI 甚至准备展示该系统在攻克 10 个未解决数学难题上的最新进展。

1. 技术的本质转变：从“堆参数”到“堆推理”
Astra 真正释放的技术信号在于：OpenAI 正在把能力扩张的重点，从“训练阶段堆算力”，转向“推理阶段堆时间、堆 Agent、堆尝试次数”。

遇到复杂难题时，不再要求模型一次性给对答案，而是通过多 Agent 分工、互相校验、失败重试。换句话说，未来的模型上限，不仅取决于参数量有多大，更取决于你愿意为一个任务投入多少推理算力。

2. 商业与成本结构的全面重构
这会直接颠覆 AI 行业原有的商业逻辑与算力需求：

消耗量级递增：过去一次问答消耗几千 Token；未来一个 Agent 团队为解决复杂工程或科研问题连续运行数小时甚至数天，Token 消耗量将扩大几个数量级。

算力需求重构：对供应链（GPU、云厂商、网络基础设施）而言，推理需求不会随模型效率提升而衰减，反而会被更长、更复杂的任务链重新拉爆。

估值锚点翻转：AI SaaS 的评估标准将从“DAU / 买单用户数”转向“单次任务能够解决多复杂的难题”。

3. OpenAI 的战略阳谋
Sam Altman 选择在华盛顿向决策者预览 Astra 并展示数学难题破解，用意非常深远：

向监管展示不可替代性：证明 AI 不只是聊天娱乐，更是能突破科学边界的国之重器。

拉高行业竞争壁垒：展示极耗算力的顶级 Agent 架构，变相表明只有拥有万亿级基础设施的巨头才能参与这场终极科学竞争。

美股投资网分析认为，Astra 最值得关注的，并非它是否会被命名为 GPT-6，而是 OpenAI 能否证明一件事：付出十倍甚至百倍的推理成本，能否产出远高于成本的商业与科研价值？

如果答案是肯定的，AI 行业下一轮算力需求的爆发，将不再仅仅由用户规模（DAU）驱动，而由“单个任务愿意消耗多少算力”来决定。
#OpenAI
$NVDA $INTC

存储行业，一个长期被三星、SK海力士、美光掌控的市场，正在出现新的变量。

美股投资网获悉，长鑫存储（CXMT）的LPDDR6研发验证已接近完成，距离量产更进一步。

其首款LPDDR6产品：

数据速率达到12800Mbps
支持16Gb存储芯片
采用1295球PoP封装

如果消息属实，意义不只是“多了一款国产芯片”。

更重要的是：

中国存储正在从追赶，进入全球竞争。

对三星意味着什么？

短期影响有限。

三星真正的利润核心已经逐渐转向：

HBM、高性能AI存储。

但LPDDR市场如果出现新的供应商，会带来一个变化：

存储价格上涨空间可能被压缩。

过去几年AI需求推动DRAM涨价，三星、美光、SK海力士享受高利润周期。

未来如果供应端增加，市场会重新关注：

存储价格还能涨多久？

对美股存储股意味着什么？

美光压力最大。

因为美光高度依赖DRAM周期。

如果市场开始担心未来供应增加，可能提前交易：

“存储超级周期是否接近尾声”。

SK海力士影响相对小。

因为它最大的护城河不是手机内存，而是：

AI服务器HBM。

只要英伟达AI需求继续增长，HBM仍然是核心利润来源。

闪迪直接影响较小。

但整个存储板块都会受到情绪影响。

投资者会重新评估：

这轮存储上涨，到底是长期需求增长，还是周期高点。

未来存储行业比拼的，不只是技术。

还有：

产能、成本、良率和资本投入。

对于三星、美光、SK海力士来说：

AI带来的HBM机会还在。

但传统DRAM市场，可能迎来一个新的竞争者。

LPDDR6只是开始，真正改变存储格局的，是中国厂商正在进入三星、美光过去最赚钱的领域。

先说结论：美联储如果减少议息会议，真正减少的不是会议次数，而是市场提前判断利率方向的机会。

据《纽约时报》援引知情人士报道，美联储主席Kevin Warsh正在考虑削减FOMC定期议息会议次数。他已经在本周会议上向官员介绍相关法律权限，并要求官员会后直接反馈意见。

目前方案尚未确定，但最快可能在下一次利率决议前形成方向。美联储下一次会议将在9月15日至16日举行，市场也正在关注这项改革是否会进一步推进。

40年来的固定节奏要改变
目前，FOMC每年固定召开8次会议，大约每六周一次。
这套安排从1981年开始延续至今。

不过需要注意的是，美国法律并没有规定美联储必须一年召开8次会议。

法律要求的是：
FOMC每年至少召开4次会议。
也就是说，如果沃什推动调整，从制度层面来看，美联储确实拥有改变空间。

表面看，这只是调整会议频率。
但实际上，FOMC会议已经成为全球金融市场最重要的信息窗口之一。

过去几十年，投资者形成了一套固定模式：
经济数据公布；
市场预测下一次FOMC会不会加息、降息；

美联储召开会议；
通过利率决定、政策声明、经济预测、点阵图以及新闻发布会释放信号；市场重新调整资产价格。
这套节奏已经成为华尔街交易体系的一部分。

市场交易逻辑可能改变
如果FOMC会议减少，市场首先失去的是几个固定的政策确认窗口。

现在：
CPI、非农、PCE等数据公布后，投资者会迅速判断：
“这个数据会不会改变下一次美联储会议？”
然后等待美联储给出答案。

未来如果会议减少，数据依然每个月公布，但美联储公开回应的频率可能降低。

投资者可能需要更多依靠：
 美联储官员讲话；
 市场利率变化；
 经济数据模型；
 华尔街机构预测。

简单来说：
过去市场是在等待美联储确认答案。
未来可能更多是在自己推测答案。

普通投资者可能面对三个变化
第一，利率预期可能出现更剧烈的跳动。

过去，如果市场判断错误，通常6周左右就能等待下一次会议验证。
未来，如果政策窗口减少，错误预期可能持续更久。

等美联储真正释放明确信号时，债券、美元和股.票市场可能出现更加集中的重新定价。

第二，每一次FOMC会议的重要性都会提高。

会议减少，并不意味着政策风险减少。相反，因为市场等待时间更长，每一次会议承载的信息可能更多。

如果经济环境发生明显变化，市场可能在等待过程中积累更多分歧，最终在会议前后集中反映。

第三，经济数据的重要性会进一步提升。

当政策沟通减少后，CPI、就业数据、消费者需求等指标，会成为市场判断利率方向的重要依据。

一份明显超预期的通胀数据，可能比过去带来更大的市场波动。不过，减少定期会议并不意味着美联储失去行动能力。

重大风险出现时，FOMC仍然可以召开临时会议。美联储真正削弱的，不是“快速行动能力”，而是市场平时获得政策信息的频率。

支持者逻辑
支持减少会议的人认为，现在一年8次会议，让市场形成了一种过度依赖。
每一次经济数据公布后，投资者都会马上寻找答案：
“这个数据会不会改变下一次美联储会议？”
久而久之，货币政策逐渐成为短线交易的核心变量。

支持者认为，利率变化本身需要时间影响经济。
企业融资成本、消费者贷款、房地产市场，都不会因为一次降息立刻改变。

如果美联储因为一两个月的数据波动，不断调整市场预期，反而可能增加不必要的波动。

从这个角度看，减少会议并不一定代表政策更加激进。相反，它可能意味着美联储希望减少市场对短期数据的过度反应，让政策更加关注长期趋势。

真正的争议
问题并不是一年开8次会议本身。
而是：
如果会议减少，同时政策沟通也减少，市场是否还能准确理解美联储下一步方向？

目前沃什推动的改革，不只是会议次数调整。
 此前他还提出：
 缩短政策声明；
 减少对未来利率路径的公开解释；
 调整会后新闻发布会安排。

如果这些变化同时推进，那么市场获得美联储信号的渠道可能明显减少。

美股投资网认为，投资者真正需要警惕是：
会议减少 + 政策声明缩短 + 新闻发布会减少，是否会让美联储从过去几十年的高透明沟通模式，转向更加依赖市场自行判断的模式。

为什么现在这个时间点尤其敏感？
值得注意的是，这项改革发生在一个政策分歧明显增加的时期。
当前市场并不是一个简单环境。

一方面：
微软、亚马逊等科技巨头继续扩大AI资本投入，市场重新评估AI增长潜力。

另一方面，投资者仍然担心：
 通胀是否会重新反弹；
 关税是否推高价格；
 美国经济韧性能否持续。

与此同时，美联储内部对于利率方向也出现分歧。本周已有三名美联储官员认为，不应该继续维持当前利率水平，而应该通过调整政策防止通胀重新扩散。

在这种情况下，如果市场获得的政策信号减少，资产价格可能更容易出现剧烈波动。

哪些资产会受到影响？
首先是高估值科技股。

AI公司、云计算公司以及大量成长型企业，估值高度依赖未来现金流。市场越难判断未来利率方向，高估值股.票的波动就越大。

尤其是在AI投资周期中，投资者一边相信长期需求，一边又担心高利率压制估值。政策透明度下降，可能放大这种矛盾。

其次是美债和美元。

美债市场最依赖美联储利率路径。

如果政策信号减少，两年期美债收益率可能更多依赖每个月的通胀和就业数据。美元也可能围绕经济数据出现更大的短期波动。

黄金虽然可能受益于政策不确定性，但如果市场因此重新提高利率预期，实际收益率上升也可能对黄金形成压力。

最后是期权市场。

如果FOMC会议减少，风险不会消失，只会集中到更少的时间节点。

未来剩余会议前，市场可能给予更高波动率定价。而会议结束后，如果方向明确，波动率回落也可能更加明显。对于期权投资者来说，押错一次方向的成本可能更高。

想更快看懂华尔街资金在交易什么，追踪机构最新观点、期权异动与一手市场数据，尽在 StockWe.com。
扫码+美股AI量化分析工具使用
美股AI量化分析工具 StockWe.com 产品功能展示
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

美股投资网了解到，$MSFT 正在考虑推出开放权重AI模型。

表面上看，这只是多发布一个模型；真正的变化却是，中国AI公司正在逼全球最大的软件公司重新思考一件事：未来最值钱的，到底是模型本身，还是承载所有模型的云平台？

据Nikkei Asia报道，随着DeepSeek等中国模型不断扩大影响力，微软正在评估开放权重AI路线。

先说清楚，“开放权重”不等于完全开源。

它通常意味着开发者可以下载模型参数，在自己的服务器上部署、微调和运行，不必把所有数据都交给模型公司，也不一定要按每次调用向模型厂商付费。至于训练数据、完整代码和商业许可是否开放，则要看具体条款。

为什么DeepSeek这类模型让微软感到压力？

因为企业客户越来越发现，很多工作并不需要最贵、最强的闭源模型。写代码、分析内部文件、客服问答、整理数据，只要一个成本更低、可以私有部署、还能自行修改的模型就够了。

中国开放权重模型提供了几个很直接的优势：

•模型可以部署在企业自己的服务器或私有云里，敏感数据不必离开内部系统。

•企业可以针对自己的行业和数据进行微调，不需要完全依赖一家模型公司。

•推理成本更低，尤其适合每天需要处理海量请求的企业应用。

•一旦模型效果接近，客户就会从“谁最聪明”转向“谁更便宜、更容易部署”。

这对微软来说，是一个必须提前应对的变化。

微软过去几年最大的优势，是通过与OpenAI合作，把最强模型装进Azure、Copilot和Microsoft 365。但如果开放权重模型快速缩小差距，企业就不会永远只买OpenAI的API。它们会要求更多选择，也会拿DeepSeek等低成本模型来压价。

所以微软考虑开放权重，并不代表它要放弃OpenAI。更准确地说，它是在给自己增加筹码。

微软真正想守住的，不一定是“全球最强模型”这个称号，而是企业无论选择OpenAI、微软自研模型，还是其他开放权重模型，最后都在Azure上运行。

这就是微软最聪明的地方。

模型价格可能越来越低，模型之间的差距也可能越来越小，但训练、部署和运行模型仍然需要GPU、数据中心、网络、安全工具和企业软件。只要这些工作负载留在Azure，微软就能继续收钱。

美股投资网认为，这条新闻说明AI行业的利润正在重新分配：

•模型层的价格会继续下降。开放权重模型越强，OpenAI、Anthropic等闭源模型厂商面临的定价压力越大。

•云平台的价值反而上升。客户使用哪一家模型并不重要，重要的是模型运行在哪个云上。

•企业软件的护城河重新回到数据、渠道和工作流。未来真正赚钱的应用，不一定拥有最强模型，而是能够把AI嵌入客户每天使用的系统。

• GPU需求未必因此下降。模型变便宜之后，使用量往往会增加；更多企业选择私有部署，也会带来新的推理算力需求。

对MSFT来说，这是一种防守，也是一种进攻。

防守的是，不能让DeepSeek等模型把企业客户从Azure带到其他平台；进攻的是，微软可以把Azure变成一个模型超市——最强的闭源模型有，成本更低的开放权重模型也有，客户不需要离开微软的生态。

对OpenAI来说，这个信号就没有那么轻松了。微软一旦拥有自己的开放权重方案，对OpenAI的依赖就会进一步下降，谈判筹码也会更强。双方仍然可以合作，但微软不会愿意把未来完全押在一家模型公司身上。

这条新闻真正说明的，不是微软突然看好开源，而是AI模型正在从稀缺品变成标准化商品。

当模型越来越多、性能越来越接近、价格越来越便宜，最后掌握利润的，很可能不是单纯卖模型的人，而是掌握企业客户、云计算、数据和工作入口的平台。

中国模型正在压低全球AI的价格，而微软正在确保：无论模型价格降到多低，企业最后仍要经过Azure这座收费站

这份来自海力士产业专家的最新调研，最重要的结论不是“存储还会涨价”，而是存储市场已经明显分化。

服务器客户最担心的是拿不到货，所以短期内仍愿意接受涨价；手机等消费电子客户面对销量下滑和库存上升，已经开始减少采购。

同样是存储芯片，接下来的价格走势会完全不同。

服务器：缺货仍是主要矛盾

目前美国大型CSP仍在与存储原厂谈长期供货协议。协议通常锁定未来三至五年的采购数量，但价格并不是一次固定多年，而是按年度重新谈判，部分合同还会设置价格上下限、保证金和违约条款。

这说明云厂商真正想锁定的不是低价，而是供应。

调研显示，部分2027年合同可能已经初步确定年度价格或价格区间，但并非所有客户都已完成谈判，具体条款也高度保密。因此更准确的说法是：2027年的供应量正在被提前锁定，部分价格已有框架，但不能说全行业价格已经完全确定。

服务器客户目前并没有强烈抵制涨价，原因很简单：内存仍然缺货，部分服务器甚至需要降低配置才能出货。

专家给出的价格判断是：

• 2026年第三季度，服务器DRAM价格预计环比上涨15%至20%，部分产品涨幅可能超过20%，但达到30%的概率不高。

•服务器NAND第三季度涨幅可能接近20%。

•第四季度涨幅会收窄，但服务器DRAM仍可能上涨5%至10%，企业级NAND仍有10%至15%的上涨空间。

• 2027年服务器市场预计仍然偏紧，非顶级CSP客户的采购价格仍可能继续上涨。

季度价格通常先以临时报价出货，最终结算价到季度后段才敲定。但在当前供需没有明显逆转的情况下，最终价格大幅低于临时报价的可能性不高，定价主动权仍在原厂手中。

消费电子：涨价正在碰到需求天花板

手机、PC等消费电子客户的处境完全不同。

前期持续备货已经推高库存，但终端销量却在下降。部分手机厂商在2026年第二季度已经因为无法接受三星报价而减少采购，说明消费客户并不是不缺货，而是利润空间已经无法继续吸收涨价。

调研预计，消费类存储价格的涨幅会比服务器更快收窄，到第四季度可能接近涨不动。随着采购量下降，而供给端并未同步大幅收缩，消费类市场可能在2026年第四季度形成新的供需平衡。

美股投资网认为，接下来不能再笼统地说“存储全面涨价”。更准确的判断是：

•企业级DRAM和企业级SSD仍由AI服务器需求推动，价格保持强势。

•手机和PC存储开始受到终端需求疲软与高库存压制。

•原厂会继续把资源向服务器、HBM和高端产品倾斜，但无法在短时间内彻底退出消费市场。

为什么2028年前供给很难快速增加？

近期美国CSP签下部分长期协议后，存储原厂确实开始加快扩产，但新增产能不会马上出现。

2028年上半年以前的产能计划早已确定，现在追加的设备和厂房，大多要到2028年下半年以后才能形成有效供给。行业目前的公开目标，是到2030年把总产能提高到2025年底的约两倍，但实际扩产会分多年完成，年均增长大约16%至17%。

DRAM与NAND的扩产方式也不同。

DRAM要增加产量，最直接的方法是增加晶圆投片，因此需要更多厂房和设备。NAND则可以通过提高堆叠层数，例如从300层升级到400层，在不大幅增加晶圆数量的情况下提升比特产出。

海力士大连二厂属于既定扩产项目，预计2027年上半年完成准备、下半年开始量产，但第一年产量不会很大。调研估计，2027年底月产能可能只有1万至2万片，真正爬升到接近一期的9万至10万片水平，可能要等到2029年前后。

扩产最大的瓶颈不是钱，而是设备和时间。

• EUV光刻机交付周期约两年半至三年，逻辑芯片与存储厂商都在争抢ASML产能。

•洁净室建设通常需要约两年，海外项目还要面对土地、环保审批和施工进度。

•任何一个环节延误，都会让新增产能晚于市场预期。

这意味着，即使原厂今天决定大规模扩产，2027年的供应紧张也很难立即缓解。真正可能改变供需关系的时间点，更接近2028年下半年至2029年。

HBM可能在2027年迎来补涨

调研认为，HBM采用年度定价，因此2026年的合同价格没有完全跟上普通DDR的涨幅。

渠道估算显示，大客户采购HBM3E的价格约为每GB 12至13美元，HBM4约为每GB 19美元。由于服务器DDR5价格已经快速上涨，部分口径下普通DDR的单位容量价格甚至可能超过HBM。

这并不代表HBM技术价值下降，而是年度合同让它的价格调整慢了一步。如果2027年AI需求继续强劲，HBM存在重新定价和补涨的可能。

需要纠正一个技术口径：1b、1c属于DRAM存储芯片制程，不是HBM底部逻辑芯片的制程。HBM4的基础逻辑芯片通常采用4纳米或5纳米逻辑工艺；HBM4E为了达到更高性能，存储芯片将更依赖1c DRAM制程。

2028年的两个新变量：CXL与HBF

当前市场已经充分讨论AI服务器、HBM和大容量企业级SSD，但2028年前后可能出现两个尚未被完全计入预期的需求来源。

CXL主要增加DRAM需求。它允许服务器把内存从单机独占变成可共享、可池化的资源，让不同CPU和加速器更灵活地调用内存。各厂商已经推出样品，但应用仍处于早期，大规模放量可能要等到2028年以后。

需要注意，CXL内存池化与NVLink 72不是同一项技术。NVLink主要连接GPU并提供高速互联，CXL则更侧重CPU、加速器和内存设备之间的开放连接，不能把两者直接等同。

HBF可以理解为面向AI工作负载的高带宽闪存方案，主要对应NAND的新应用。产业目前仍处在早期阶段，具体需求取决于英伟达等客户是否采用。调研预计其量产可能在2027年底附近，真正形成规模更可能在2028年。

投资上应该看什么？

美股投资网认为，这份调研对存储投资的意义可以浓缩成一句话：2026年下半年不是存储周期结束，而是企业级与消费级开始分化。

对MU、SK海力士和三星来说，服务器DRAM、HBM和企业级NAND仍有价格与利润支撑；对手机和PC供应链来说，成本压力已经开始反过来压制采购量。

真正需要警惕的不是2026年第四季度服务器存储突然过剩，而是三个更靠后的变量：

• 2027年价格继续上涨后，CSP是否开始下调资本开支或减少单机配置。

• 2028年下半年新增产能集中释放后，供需是否快速转松。

•消费电子需求持续下滑，是否最终拖累原厂整体产品组合。

目前最清楚的交易逻辑仍然是：服务器端缺货没有结束，原厂定价权仍在；消费端已经接近承受极限；新增供给最快也要到2028年下半年才可能真正改变市场。

这轮存储周期还能走，但已经不能闭着眼睛买整个行业。接下来真正拉开回报差距的，是谁更集中于服务器、HBM和企业级SSD，谁又更容易被手机与消费电子拖累。

OpenAI和Anthropic最危险的对手，可能不是另一家前沿模型公司，而是一条越来越清楚的价格曲线：模型能力不断提高，价格却在快速下跌。

过去几年，前沿模型是一种稀缺资源。

谁拥有最强的推理、编程和长文本能力，谁就能决定API价格。开发者没有太多选择，企业想使用最先进的AI，只能按Token向少数几家公司付费。

这套商业模式看起来很像软件：研发成本很高，但产品可以无限复制，毛利率应该越来越高。

问题是，AI模型可能不是传统软件。

它更像一个需要不断投入巨额资本、却持续降价的技术产品。每一代新模型都要消耗更多GPU、电力和数据，但领先优势未必能够维持足够长的时间。

引a16z的历史统计称，达到相近能力水平的最低推理价格，三年内下降了大约1000倍。OpenRouter对超过100万亿Token的真实使用进行分析后，也发现开放模型正在依靠更低成本和更灵活的部署方式获得份额。

这意味着，前沿模型公司的真正风险不是“模型突然没人用”，而是越来越多客户只在最困难的任务上使用它们。

大部分企业工作其实并不需要全球最强模型。

•客服分类、信息提取和文档整理，稳定、便宜的小模型就能完成。

•企业内部知识问答更重视数据安全和私有部署，不一定愿意把敏感数据交给外部API。

•简单代码补全、内容审核和批量处理，成本往往比模型排行榜上的几分差距更重要。

一旦开放权重模型达到“足够好”，企业就没有理由让每一个请求都经过最贵的模型。

模型路由会进一步加快这个过程。

未来一个AI应用背后，可能同时连接五家甚至十家模型。简单任务交给低价小模型，复杂推理交给前沿模型，敏感数据留在企业内部，只有关键步骤才调用外部API。

客户购买的不再是某一家模型，而是一套能够自动选择模型的系统。

这会带来一个很大的变化：真正掌握定价权的，不再只是模型公司，而是掌握用户、数据和工作流的应用平台。

OpenAI和Anthropic当然还能保持技术领先。最强的推理、编程和Agent能力仍然可以获得溢价。

但市场真正应该问的，不是它们还能不能领先，而是每一次领先能够维持多久。

如果一家公司花费数十亿美元训练新模型，只获得几个月的明显优势，随后开放模型快速追近、API价格继续下降，那么它就会进入一个非常辛苦的循环：

•花更多钱训练下一代模型。

•依靠短期领先提高价格。

•开放模型追上后，价格和份额再次承压。

•为了重新拉开差距，只能继续投入更大规模的训练。

这不是典型的软件生意，而是一场资本投入不断上升、产品价格不断下降的竞赛。

美股投资网认为，OpenAI和Anthropic真正需要证明的，不只是模型有多强，而是领先优势能否维持足够久，并在下一轮训练开始之前赚回研发和算力成本。

这也解释了为什么两家公司都在向API之外扩张。

OpenAI需要ChatGPT成为用户入口，需要企业订阅、Agent和应用生态；Anthropic需要Claude Code、企业客户和开发者工具形成更深的使用习惯。

因为只卖Token，模型很容易被比较、被路由，也容易被替换。掌握工作流之后，客户迁移的成本才会真正上升。

这条逻辑对美股投资者意味着什么？

首先，云平台可能比单一模型公司更安全。$MSFT 、$AMZN 和 $GOOGL

并不需要押中唯一赢家。OpenAI、Anthropic、DeepSeek或其他开放模型，只要最终运行在Azure、AWS和Google Cloud上，云厂商就能继续卖GPU、存储、网络和数据库。

其次，开放模型未必利空 $NVDA。

模型价格下降可能降低单次调用成本，却也会让更多企业开始使用AI。更多模型被下载、微调和私有部署，反而会扩大推理算力需求。价格越便宜，Token使用量可能越大。

最后，应用层的重要性会继续上升。

未来真正值钱的AI公司，不一定拥有最强的基础模型，而是拥有用户入口、专有数据和不可替代的工作流程。模型可以切换，但客户关系和业务系统没有那么容易更换。

所以，“OpenAI和Anthropic危险了”这句话只说对了一半。

危险的不是这两家公司会突然失去价值，而是“只靠模型领先和API收费，就能长期获得超高利润率”的想象正在被削弱。

开放权重模型不会马上取代前沿模型，但它会不断压低基础智能的价格。

当智能越来越像一种便宜、充足、可以随时更换的商品，利润就会从模型本身，流向真正掌握客户、数据、算力和工作入口的平台。

未来最值钱的，不一定是谁造出了最聪明的模型。

而是谁能在模型越来越便宜之后，依然控制用户每天离不开的那条工作流。

看完谷歌、Meta和微软这几场财报，市场的态度已经非常清楚：大家并不反对科技巨头继续为AI花钱，真正担心的是，这些动辄上千亿美元的资本开支，到底什么时候才能收回来。

所以我们昨天就判断，轮到亚马逊时，管理层一定知道什么必须讲清楚。单纯告诉市场“AI需求很强”已经不够了，投资者要听到的，是订单、合同、回本周期，以及这些数据中心未来究竟能赚多少钱。

亚马逊果然正面回答了这个问题。

管理层在电话会上表示，AI基础设施投资平均不到三年就能收回成本；服务器通常可以使用五至六年，而公司目前大部分AI算力已经签订至少五年的客户合同。数据中心本身的使用寿命更长，超过30年，可以连续承载五至六代服务器。

这几句话听起来不复杂，但恰恰是今晚最重要的信息。

亚马逊想告诉市场，它并不是先把数据中心建起来，再等客户上门。很多算力在投入之前，就已经有长期合同锁定需求。服务器能用五至六年，平均不到三年收回投资，意味着在硬件成本收回之后，剩余合同期仍有机会继续贡献收入和利润。即使这一代服务器最终淘汰，数据中心也可以继续安装下一代设备，不需要每轮AI升级都从头再来。

市场担心的是资本开支失控，亚马逊给出的回答却是：这些钱不是没有方向地砸下去，而是在有需求、有合同，也算得清回报的前提下投入。

当然，亚马逊现在的自由现金流确实不好看。

过去12个月，公司经营现金流同比增长33%，达到1614亿美元；但自由现金流却从一年前的正182亿美元，降至负76亿美元。最直接的原因，就是AI数据中心、服务器和相关基础设施投入大幅增加。过去12个月，亚马逊净资本支出达到1690亿美元，同比增加661亿美元。

如果只看自由现金流，这当然是一张有压力的成绩单。但如果把AWS的增长放在一起看，意义就不同了。

第二季度AWS收入同比增长36.7%，达到422亿美元，创下18个季度以来最快增速；AWS营业利润达到166亿美元，营业利润率约39%。这说明亚马逊并不是只看到资本开支增加，却看不到收入和利润。至少在这一季度，AI投入正在带动AWS重新加速，而且利润兑现得比很多人预期更快。

亚马逊还披露，AWS的AI业务和芯片业务年化收入都已经超过250亿美元，并且仍保持三位数增长。Anthropic和OpenAI也已经对Trainium作出多年、数吉瓦级别的使用承诺。亚马逊自研AI芯片不再只是英伟达之外的备用选项，而是开始进入顶级模型公司的真实工作负载。

这里还不能忽略Anthropic。

亚马逊本季度净利润达到626亿美元，其中包含534亿美元税前非经营性收益，主要来自Anthropic投资的账面升值。这部分当然不能当作每个季度都能重复出现的利润，但它至少证明，亚马逊早期对Anthropic的投入，已经形成了非常可观的财务价值。

更重要的是，亚马逊从Anthropic身上得到的，并不只是股权升值。

亚马逊投资Anthropic，Anthropic再通过AWS购买训练、推理、存储和网络资源，同时帮助Trainium进入最顶级的大模型训练场景。

这就形成了一个很少有公司能够复制的闭环。Anthropic发展得越快，亚马逊持有的股权越值钱；Anthropic需要的算力越多，AWS获得的收入越高；Trainium承接的工作负载越大，亚马逊对英伟达的依赖就越低，云业务的长期利润空间也越大。

所以，今天亚马逊盘后上涨超过9%，确实有市场连续下跌后报复性反弹的情绪帮助，但不能把它简单理解成跟随大盘反弹。

资金真正重新定价的，是亚马逊终于把AI资本开支背后的账讲清楚了：需求已经存在，合同已经锁定，回本周期短于服务器寿命，数据中心还可以跨越多代硬件继续使用。

过去市场看到的是自由现金流被AI投入拖累；今晚市场开始看到另一面——亚马逊正在用今天的现金流，提前建设未来数年的AWS收入和AI基础设施优势。

这也是美股投资网此前把AMZN列为AI进入执行时代核心赢家的原因。真正有价值的，不只是敢于花钱，而是花出去的钱能够形成订单、利润和长期壁垒。亚马逊正在证明，它不仅有能力投入，也有能力把这些投入变成生意。