客服微信号 MaxStockWe 客服微信2号 MaxTrades 客服 Telegram号 https://t.me/MeiguWe 邮箱 buy@tradesMax.com 电话 (626)378-3637
TLT 不断创新低，释放的信号相当重要。
截至今天 2026 年 9 月 29 日，美国 10 年期国债收益率一度升到约 5.28%，创 2007 年以来新高；30 年期收益率一度达到约 5.61%，已经是 2002 年以来最高区域。与此同时，TLT 9 月 28 日已经跌到 78.62 美元，最近一个月跌约 5%，3 个月跌约 10%。
TLT 是 20 年以上美国长期国债 ETF，所以它不断创新低，本质上意味着一件事：
市场正在不断提高对“长期持有美元资产所要求的回报率”。
也就是说，并不只是“美联储会不会再加一次息”的问题，而是整个市场开始认为未来很多年，美国的长期利率中枢可能都要比过去高。
这和普通的 Fed 加息交易有一点区别。
如果只是担心美联储短期加息，最直接应该暴跌的是 2 年期国债。但现在连 20 年、30 年国债都遭到持续抛售，说明市场担心的不只是未来几个月，而是更长期的三个东西：
第一，长期通胀可能比以前顽固。
现在油价仍在高位，市场担心能源成本重新传导到 CPI/PCE。Reuters 今天报道，30 年收益率冲到 5.61% 的一个重要推动因素正是能源和通胀担忧。
第二，市场认为所谓 neutral rate，也就是经济能够承受的正常利率，可能已经永久上移。
过去十几年很多投资者习惯的是：
2% 通胀
2%-3% 的 10 年美债
极低资金成本
但现在市场开始交易另一种世界：
3%-4% 左右通胀
5% 左右甚至更高的长期国债
资本长期变贵
Reuters 今天甚至直接把这轮全球债券市场变化称为市场开始准备进入一个“higher interest rates for longer”的新时代。9 月美国两年期收益率已经上涨接近 60bp，同时 10 年期突破 5%。Reuters
第三，也是我认为对股票投资者最重要的：term premium 在上升。
投资者会问：
“我为什么要把钱借给美国政府 30 年？”
如果一年两年的国债都能给很高收益，那么你让我锁定 30 年，我就必须要求额外补偿。
这个额外补偿就是长期期限溢价的一部分。
所以 TLT 下跌，其实就是长期债券价格不断往下调，直到收益率足够高，能够重新吸引买家。
而 TLT 为什么跌得这么凶？
因为它的 duration 非常高。
iShares 最新数据显示，TLT 的有效久期大约是 15 年，平均期限大约 26 年，目前 SEC Yield 已经超过 5.4%。BlackRock
简单理解：
长期利率每上涨 0.5%，TLT 理论价格大约会下跌：
15 × 0.5% ≈ 7.5%
反过来也一样。
如果以后长期收益率从 5.6% 掉到 5.1%，TLT 理论上可能出现大约 7%-8% 的资本利得，再加上利息。
所以 TLT 实际上是一个非常大的“长期利率杠杆”。
这也是为什么我现在反而更关注 TLT，而不是单纯看 Fed Funds Rate。
因为 TLT 继续跌，对美股的意义非常直接。
比如一家公司未来 5-10 年才能产生大量现金流，你给这些现金流做 DCF：
PV = Future Cash Flow / (1+r)^n
当无风险利率从 4% 变成 5.5%，估值会明显下降。
因此受到冲击最大的通常不是当期现金流非常强的成熟公司，而是：
高 PE
高 PS
远期盈利
需要大量融资
数据中心建设需要大量债务
高 CAPEX
这一类 long-duration equities。
所以你最近看到一个很有意思的现象：
AI 基本面仍然非常强，盈利和 CAPEX 也非常强，但估值扩张开始越来越困难。
这其实并不矛盾。
AI 公司的 EPS 可以继续增长，但同时：
Risk-free rate ↑
Discount rate ↑
WACC ↑
合理 PE ↓
所以最后可能变成：
EPS ↑↑
PE ↓
股价↑得没有以前快
甚至某些高估值 AI 公司出现“业绩很好但股价不涨”。
Reuters 今天也明确指出，目前高债券收益率正在降低股票相对于债券的吸引力，并提高企业资本成本。Reuters
这里还有一个非常关键的资金配置问题。
现在 TLT 的 SEC Yield 已经约 5.4%，30 年美债接近 5.6%。
假设一个机构现在面对两个选择：
30 年美国国债：5.6%
或者
一只 PE 35 倍的股票。
35 倍 PE 对应 earnings yield 只有：
1 ÷ 35 = 2.86%
当然股票盈利会增长，所以不能简单这么比较。
但这意味着股票必须提供足够高的盈利增长，才能补偿投资者承担的：
盈利风险
估值风险
经济风险
公司风险
这就是为什么 5.5%-6% 的长期美债收益率对高估值美股是一个非常重要的“地心引力”。
不过，还有一个很容易忽略的反面：
TLT 越跌，TLT 本身未来的 risk/reward 反而在改善。
两年前如果长期美债只给你 4%，TLT 的吸引力不大。
如果现在给你接近 5.5%，情况就不同了。
你已经可以拿到约 5%+ 的 carry，同时如果未来经济明显减速、通胀下降、Fed 转向，30 年收益率从比如 5.6% 回到 4.6%，按照约 15 年 duration 粗略计算：
利率下降 1%
→ TLT 价格可能上涨约 15%
→再加一年约 5% 利息
潜在一年总回报可能接近 20%。
当然反过来也成立：
如果长期收益率继续从 5.6% → 6.1%，TLT 还可能再跌约 7% 左右。
所以现在 TLT 并不是简单的“跌这么多可以买了”，真正要判断的是：
5.5%-5.6% 究竟是不是这一轮长期美债收益率的顶部。
我认为接下来真正值得盯的不是 TLT 的某个股价支撑位，而是 30 年美债收益率 5.6%、10 年美债 5.3%，以及接下来 PCE。
如果出现：
30Y 5.6% → 5.7% → 5.8%
10Y 突破 5.3%
同时 TLT 继续新低
那说明债券市场还没有完成重新定价，对高估值美股仍然是压力。
但如果看到：
30Y 在 5.6% 附近见顶
TLT 创新低但收益率不再创新高
PCE 开始下降
那反而可能是一个非常重要的转折信号。
所以我会把现在的 TLT 理解成美股的一个“压力表”：
TLT 越跌 = 长期资金成本越高 = 美股估值受到的地心引力越强。
目前这个压力表还没有明显解除。
AMD以82亿美元全股票交易收购World Labs，表面上看，是一家芯片巨头收购了一家成立时间不长、商业化仍处于早期阶段的AI初创公司，但如果只是从World Labs当前的收入、产品规模或者传统估值角度去理解这笔交易，很容易低估它真正的战略意义。
AMD真正购买的，并不是World Labs今天能赚多少钱，而是对下一代AI workload的提前观察权，以及未来参与定义这些workload的能力。过去两年，AMD最重要的任务一直是推出足够强的Instinct GPU，尽可能从英伟达手中抢走更多AI算力市场份额，但收购World Labs之后，AMD显然开始尝试进一步向AI产业链上游延伸，不再满足于单纯提供GPU，而是希望自己直接进入frontier model层，让模型、软件、系统和芯片之间形成更加紧密的联合设计，这对AMD长期战略的意义，远远大于World Labs目前的收入贡献。
AMD官方在解释这笔交易时，有一句话尤其值得注意，那就是World Labs能够帮助AMD更深入理解未来AI workloads如何演变，并据此塑造未来技术路线图。把这句话放到半导体行业里理解，意义非常深。
过去AMD设计下一代AI芯片，很大程度上需要依赖OpenAI、Meta、Anthropic、Google等模型公司和云计算客户提出需求，例如下一代模型需要更多HBM、更高的内存带宽、更快的互联、更大的memory capacity以及更低的inference latency，AMD再围绕这些需求去设计芯片和系统。从商业角度看，这是一种典型的供应商模式，也就是说客户先定义下一代需求，AMD再提供更强的计算平台。但问题在于，当这些需求已经被客户明确提出时，真正领先的模型团队往往已经开始研究再下一代架构了。
这也是英伟达多年来非常隐蔽却极其重要的优势。很多投资者把英伟达的护城河简单理解成CUDA，但CUDA只是其中一部分。英伟达真正厉害的地方，是它不断向workload上游延伸，从GPU到CUDA，再到TensorRT、Omniverse、Isaac、Cosmos、GR00T以及各种AI libraries和开发框架。
做到最后，英伟达已经不仅仅是在等待开发者告诉它需要什么算力，而是通过软件、模型、simulation和机器人平台，直接参与未来AI应用的形成过程。它能够非常早地观察开发者下一步准备做什么，然后再反过来影响GPU、网络、内存以及整个系统架构的设计。
World Labs对于AMD真正重要的价值，很可能就在这里，它相当于让AMD第一次拥有了一支长期站在模型最前沿的内部AI研究团队，在某些新型workload还没有真正成为主流之前，就提前告诉AMD的芯片工程师，下一代AI到底在计算什么，这也是为什么花旗会强调这笔交易能够给AMD带来对AI模型演进方向更深入的洞察力。
如果继续往下看，这笔收购背后更大的战略赌注，其实是AMD开始认真思考LLM之后的世界。过去三四年，整个AI产业最核心的计算需求基本围绕Transformer、LLM training、LLM inference、reasoning和AI Agent展开，但李飞飞长期强调一个非常重要的观点，那就是现实世界并不是由文字组成的。
语言模型可以理解文字、生成内容、回答问题甚至编写代码，但如果AI最终要真正进入机器人、自动驾驶、工业自动化、AR、VR以及更广泛的现实世界，它就必须理解空间、距离、深度、物体、运动、遮挡、碰撞、因果关系以及基本物理规律，也就是所谓的Spatial Intelligence。
World Labs真正想做的，并不是一个简单的3D生成工具，而是建立能够理解和模拟现实世界的World Model。李飞飞在谈及World Labs时多次强调，他们希望构建超越LLM的foundation models，而要做到这一点，就不能只停留在文字和二维图像层面。
World Labs最新的Atlas已经开始体现这种方向，它可以通过少量照片重建空间，并预测机器人从另一个位置观察时会看到什么，同时生成RGB和depth信息，还可以模拟物体运动和交互，通过改变物体位置、机器人动作、光照和环境背景来制造大量训练场景。如果这条路线继续发展，那么World Labs真正进入的就不再只是Generative AI，而是AI Simulation、Synthetic Data、Robot Training以及Physical AI。
这也是为什么AMD真正看中的，很可能是所谓的Real to Sim to Real能力。今天机器人产业面临的一个核心瓶颈，不只是芯片性能，而是训练数据。ChatGPT之所以能够快速发展，是因为互联网天然存在海量文字、图片和视频数据，但机器人并没有这样一个现成的数据世界。
一个机器人如果要学会把玻璃杯从桌子上拿起来，最直接的方法当然是让机器人不断真实操作，但现实世界训练不仅成本极高，而且速度非常慢，机器人会损坏，物体会破碎，很多极端情况也根本无法重复制造。自动驾驶也是一样，如果要训练暴雨、夜间、道路湿滑、视野被卡车遮挡后突然有人冲出来这种罕见场景，不可能在现实世界里重复几十万次。
因此Physical AI未来非常关键的一条产业链，就是把现实世界转换成数字环境，在虚拟世界中进行simulation，通过synthetic data训练模型和机器人policy，再把模型部署回现实世界，运行之后继续收集新数据，再重新进入simulation，由此形成一个不断循环的Real to Sim to Real系统。
这也是为什么World Model和Spatial Intelligence未来可能成为机器人产业真正重要的基础设施。英伟达显然已经在这个方向提前布局多年，从Omniverse、Isaac Sim、Isaac Lab到Cosmos、GR00T和Jetson，实际上正在搭建一条从虚拟世界、数据生成、机器人训练到edge deployment的完整技术链。因此AMD买下World Labs，并不意味着一夜之间就追上了英伟达，但至少意味着AMD终于开始补上过去最明显缺失的那块拼图。
更值得注意的是，World Labs并不是AMD突然买进来的一项孤立资产，如果把这笔交易放回AMD过去几年的收购和产品路线，会发现Lisa Su真正想构建的是一个越来越完整的AI计算平台。Xilinx为AMD带来了FPGA和Adaptive Compute，Pensando补上了网络和DPU能力，Silo AI增强了AI软件和模型优化，ZT Systems强化了服务器和整机系统设计，Helios开始推动GPU、CPU、网络和机柜级系统整合，而现在World Labs则把Model这一层补了进来。
这样一来，AMD的公司结构已经逐渐从传统的CPU加GPU公司，转向Compute、Networking、Rack、Software和Models并存的平台型公司。
如果World Labs未来真正向机器人和Physical AI延伸，AMD现有的很多资产甚至可能因此被重新串联起来。Instinct MI400、MI450和Helios可以承担大型World Model的训练，EPYC可以负责simulation、数据处理和AI orchestration，Pensando可以处理大规模AI集群网络，ROCm和Silo AI负责软件和模型优化，Xilinx和Versal可以进入工业控制、sensor processing以及机器人实时计算，而Ryzen AI Embedded和Kria则可以向边缘推理与机器人部署延伸。
换句话说，World Labs真正重要的地方，并不只是它自己拥有某一个模型，而是它有机会成为AMD整个Physical AI技术栈的上层入口，把原本分散的硬件和软件资产重新连接起来。
这笔收购甚至可能影响AMD未来GPU架构本身，而这一点目前市场讨论得还不够多。今天大量AI芯片设计都是围绕Transformer和LLM进行优化，但如果未来AI workload逐渐从Text Token Generation扩展到Video、3D、Spatial Reconstruction、World Simulation、Robot Policy和Multimodal Reasoning，那么芯片真正需要优化的东西也会发生变化。这类workload可能更加重视视觉数据吞吐、memory bandwidth、memory capacity、video processing、3D geometry、低延迟inference，以及传统graphics compute和AI matrix compute之间更紧密的协同。现在当然还无法确定World Labs最终会让AMD未来的matrix engine、memory hierarchy或者GPU architecture发生哪些具体变化，但Lisa Su的方向已经非常明确，那就是让设计模型的人和设计芯片的人坐到一起，从过去单纯的hardware-software co-design进一步走向hardware-software-model co-design。
从这个角度看，AMD其实是在学习英伟达最厉害的一件事情，那就是不要只做算力供应商，而要参与定义workload。过去AMD更多还是一种supplier mentality，也就是客户需要什么，AMD就提供更便宜、更快或者更高效的accelerator，但World Labs加入之后，AMD有机会开始参与决定未来AI到底会运行什么样的模型、需要什么样的数据流、什么样的simulation环境，以及什么样的系统架构。这个转变非常重要，因为一旦一家公司能够参与定义workload，它就不只是被动适应市场，而可能开始影响整个计算平台未来应该长什么样。
这也是为什么美股投资网认为，李飞飞本人可能比World Labs目前任何单一产品更有价值。World Labs成立时间并不长，2026年2月才刚完成10亿美元融资，当时市场讨论的估值大约在50亿美元附近，仅仅几个月后AMD就用82亿美元整体收购。如果按照传统软件公司的P/S、利润或者现金流去衡量，这个价格很难解释，因为World Labs显然还没有证明自己能够创造与82亿美元估值相匹配的成熟收入。
因此AMD真正买的是技术、IP、团队、人才、未来模型路线图，以及李飞飞本人。更关键的是，交易完成之后，她并不是作为一个普通顾问留在公司，而是担任Executive Vice President和Chief Scientist，并直接向Lisa Su汇报，这意味着她未来影响的很可能不只是World Labs，而可能延伸到AMD AI research、GPU architecture、AI software、Physical AI、robotics以及model-hardware co-design等更广泛的领域。
某种程度上，可以把这笔交易理解成Lisa Su为AMD引入了一位真正意义上的AI科学路线负责人。这个角色的重要性，远远超过收购一家普通的3D生成软件公司。尤其是在Physical AI可能正在接近2022至2023年LLM早期阶段的背景下，AMD现在面临的战略选择其实非常清楚。如果等到机器人、World Model和Physical AI市场真正成熟以后再进入，那么AMD很可能重新经历一次CUDA式的追赶，也就是等别人已经建立软件、开发者、工具链和生态以后，再花巨大成本从后面追赶。Lisa Su显然不想再走一次这样的路，所以AMD这次选择的是提前下注，哪怕价格看起来并不便宜。
当然，这笔82亿美元的交易也并不是没有风险。World Labs目前远远没有证明自己能够产生数十亿美元规模的收入，如果把它当成一家传统软件公司来看，这个价格确实非常高，甚至可以说AMD某种程度上就是花82亿美元买下几十名顶尖AI科学家和工程师。但换一个角度，AMD目前市值已经站上万亿美元附近，82亿美元所占比例不到1%，而且交易采用全股票支付，这意味着Lisa Su实际上是在利用AMD过去大涨之后的高估值股票作为收购货币，用不到公司1%的股权价值，换取未来十年Physical AI的一张战略期权。从资本配置角度看，这样的交易逻辑和传统现金收购完全不同。
真正值得担心的，反而不是82亿美元贵不贵，而是AMD能不能把World Labs真正变成一个平台。英伟达现在的优势并不是单独拥有Cosmos或者Omniverse中的某一个产品，而是已经形成GPU、CUDA、Omniverse、Cosmos、Isaac、GR00T、Jetson以及机器人客户之间的完整闭环。AMD今天买下World Labs，只代表自己终于拥有了其中一块非常重要的拼图，但ROCm还不是CUDA，World Labs也不是Omniverse，Atlas更不等于Cosmos加Isaac，AMD在Physical AI和机器人开发者生态上的成熟度依然明显落后于英伟达。因此这笔收购并不是AMD已经追平英伟达，而是AMD终于获得了进入下一场竞争的资格。
美股投资网认为，未来12到18个月，真正值得投资者观察的，也不是World Labs能贡献多少收入，更不是Marble或者Atlas有多少用户，而是这些资产有没有真正融入AMD现有技术体系。如果未来World Labs的新模型开始优先针对ROCm和Instinct优化，如果Helios被大量用于World Model训练，如果Atlas和Marble逐渐进入AMD自己的Physical AI平台，如果Kria、Versal和Ryzen AI Embedded开始与World Labs的机器人软件栈整合，如果AMD最终能够推出一套类似Omniverse、Cosmos和Isaac的完整开放Physical AI技术栈，甚至World Labs的research insight开始反向进入下一代Instinct GPU架构设计，那么这笔交易的性质就会从一次昂贵的人才收购，真正转变成一次平台级收购。
所以，我不会把这笔交易简单定义为AMD花82亿美元收购一家3D AI公司，更准确的理解应该是，AMD花82亿美元，把一家研究下一代AI workload的frontier AI lab直接装进了自己的芯片公司。过去AMD思考的是怎样制造更好的AI GPU，现在它开始思考五年之后的AI到底会运行什么，而今天应该为那个未来设计什么样的芯片和系统。前一个问题对应的是一家AI算力供应商，后一个问题对应的则是一家试图参与定义AI计算平台的公司。
根据美股大数据 StockWe.com 如果未来五到十年，Physical AI、机器人和Spatial Intelligence真的成为继LLM和AI Agent之后的下一个超级计算周期，那么今天这笔看起来昂贵的82亿美元收购，未来完全有可能被重新评价。真正决定这笔交易成败的，不是World Labs明年能赚多少钱，而是AMD最终能不能建立起一个由ROCm、Helios、World Model、Simulation、Robotics和Edge共同组成的完整闭环。如果这个闭环真的形成，那么AMD买下的就不只是一家公司，而可能是自己进入下一个AI时代的位置。
━━━━━━━━━━━━━━━━━━━━━━
【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”。
━━━━━━━━━━━━━━━━━━━━━━
2年从3亿干到80亿美元，AMD收购World Labs，谁赚了20倍？
李飞飞这家公司刚刚完成 10 亿美元融资，估值已经做到 50 亿美元。
公司 2024 年 4 月才成立，到现在也就两年多。如果 AMD 最终按照市场传出的约 80 亿美元价格收购，基本属于 AI 创业史上的“一夜暴富”。
但美股投资网认为，我们要去思考 AMD 为什么愿意花这么多钱买 World Labs。
答案很可能是——下一个算力需求大盘：具身智能。
我们先算一笔账
李飞飞、Justin Johnson、Christoph Lassner 和 Ben Mildenhall 在 2024 年 4 月创立 World Labs。
按照外部估算，目前创始团队仍然持有大约 56% 股份。
如果按照 82 亿美元估值计算，对应大约 46 亿美元。
再扣掉约 15% 的员工期权池，团队对应约 12 亿美元，四位联合创始人对应约 34 亿美元。
如果简单平均计算，相当于每位联合创始人约 8.5 亿美元。
两年半，8.5 亿美元。
当然，实际持股不会完全平均，最终到手金额也不能这么简单计算，但这个数字已经足够说明这笔交易有多夸张。
更值得琢磨的是，买家其实早就在股东名单里了。
AMD Ventures 此前已经参与 World Labs 的 B 轮和 C 轮融资，现在 AMD 直接把整个公司买下来。
这其实是一种很值得关注的打法：
大厂先用自己的 VC 部门投资，观察技术、团队和产品，一旦证明方向成立，再直接收购。
某种意义上，相当于提前买了一张未来收购的“期权”。
而这笔交易里最漂亮的 VC 赢家，可能是 a16z 和 Radical Ventures。
两家机构在 World Labs 创立初期就支持李飞飞，2024 年 4 月左右进入时，公司估值大约只有 3 亿美元。
如果最终按照约 80 亿美元估值退出，粗略计算，早期投资对应的账面倍数可以非常惊人。
所以这件事最值得美股投资者注意的，其实不是“李飞飞两年赚了多少钱”。
而是 AMD 愿意用几十亿美元真金白银告诉市场：
大模型之后，下一个需要疯狂吃算力的东西，可能就是让 AI 真正理解三维世界的具身智能。
机器人、自动驾驶、智能眼镜，最终都绕不开这一层。
这才是这笔收购真正值得盯的地方。#美股
$AMD $INTC
━━━━━━━━━━━━━━━━━━━━━━
【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”。
━━━━━━━━━━━━━━━━━━━━━━
美东周一（9 月 28 日）收盘，标普跌约0.8%，纳指 100 跌 1.1% 左右，科技股领跌，基本把本月涨幅全吐回去了。
盘面上真不缺利好：
这家做空间智能和世界模型的初创公司，一旦跑通，直接指向机器人、自动驾驶这种物理世界的 AI 应用。
AMD 把李飞飞放到执行副总裁兼首席科学家位置，意思很清楚：不再只做兼容硬件，要从模型研究最上游定义下一代 AI 计算需要什么芯片。
方向对、长期逻辑通，但全支付股.票有稀释、交割拖到 2026 年底、监管和整合风险都实实在在。
可市场没买账。压下来的核心原因美股投资网分析有两个。
OpenAI 暂停模型训练
第一是 OpenAI 周末抛出的重磅。
官方技术报告确认，暂停最新一代模型的训练、评估、带工具调用的推理。
起因是沙盒搜索训练里，一个 Agent 利用 DNS 过滤漏洞绕过网络限制，出现「超出用户指令范围的异常行为」，频繁访问了 SEC、人口普查局等几十个联邦Z府站点，触发最高级别安全审查，训练集群直接下线。
沙盒就是给 AI 划的隔离试验区，DNS 过滤是出口那道网闸。墙被绕过去了，问题不是模型变笨，而是安全边界没跟上能力边界。
过去两年 AI 交易的核心假设——模型越大、Agent 越强、算力需求就无止境——被前沿实验室自己按了暂停键。
市场瞬间重估两件事：安全合规会不会实质拖慢训练节奏，云厂商和实验室的 Capex 会不会从「能多快就多快」变成「先过审查再说」。
中下游芯片股先被杀估值：ARM 跌超 8%、高通跌超 7%、英特尔跌超 4%、迈威尔和 AMD 跌超 3%、美光跌超 2%。
这些标的共同点是股价里塞了大量「AI 一直加速」的远期预期，预期一松，杀得最狠。
但英伟达逆势涨超 3%。直接催化是回购，但更本质的是：当风险偏好被安全事件压制，资金从叙事弹性大的品种撤向确定性最高的锚点。
英伟达的订单可见度、超大规模云厂商训练集群的刚性需求，和 ARM、高通这些偏端侧、授权模式的标的，需求刚性完全不在一个量级。
短期有回购托底，中期订单看得见，长期靠软件生态锁死迁移成本，多头逻辑清楚到不用讲故事。
宏观环境双重打击
10 年期美债收益率盘中破 5.2%，摸到 2007 年来高位；30 年期冲到 5.53%，刷新 2004 年以来纪录。
10 年期是给所有风险资产定价的无风险基准，它站到这个位置，折现率直接抬高，科技股里权重最大的远期利润折回今天的价值就缩水一截。
更麻烦的是，5% 以上的无风险收益让昂贵科技股性价比骤降，同时推高抵押贷款、企业贷款、建数据中心的成本，最终传导到盈利端。
油价也添了一把火，特朗普公开拒伊朗重开霍尔木兹提案、甚至扔出中期选举前「定点军事打击」言论，布伦特和 WTI 双双冲向 105 美元。
油价守在三位数，成本推动型通胀就持续，直接卡死美联储宽松空间。
CME 数据显示 10 月 FOMC 加息 25bp 定价已到 66% 左右，本周核心 PCE、9 月非农接连出，交易台数据前收紧敞口是标准动作，VIX 盘前飙升同理。
市场现在被两股力量拉扯
美股投资网分析认为，美股市场现在被两种强大的力量夹在中间。
强劲的收益、AI支出和积极的公司消息正在拉动股价走高，而5.2%的国债收益率则在拉低估值。
老实说，我们对市场的韧性感到惊讶。10年期国债收益率已攀升至5.2%以上，这是自2007年以来的最高水平，但标普500指数仍接近其纪录高位，纳斯达克刚刚结束了又一个正面的一周。这种韧性显示了市场下方仍有大量需求在支撑。
从长期来看，我仍然看好，因为AI投资周期和收益故事依然强劲。但从短期来看，市场老实说就是个抛硬币的赌局。如果收益率稳定或走低，美股可能会迅速走高。如果收益率继续攀升，即使是最好的公司消息也可能不足以阻止另一次回调。
加入美股投资网VIP
掌握仓位管理思路，深度分析你持有的每一家美股公司
芯片分析师P Equity认为，超大型云厂商根本无法准确预测两年以后，更不用说十年。AI当然可能长期增长，但任何技术最终都会进入成熟期，资本开支迟早会从高速增长转向平台期。因此存储依然是周期行业，只是这轮周期因为长期协议LTA、预付款和价格下限的存在，下行可能比过去温和。
但短中期真正夸张的是存储。AI数据中心正在从训练逐步转向推理，而推理对Memory Bandwidth、模型权重、KV Cache、长期Agent任务的存储要求更高。不同机构对存储占Hyperscaler Capex比例预测差异很大，但共同结论是：存储已经成为AI基础设施最大成本项之一。文件中甚至引用UBS估计，明年单独存储支出可能达到9000亿美元。
这意味着AI产业链下一阶段不能只盯HBM。HBM仍然是最高价值量、利润率最高的核心存储之一，但Agent普及可能同时拉动HBM、DDR5和NAND。尤其是长期运行的Agent，需要保存更多上下文、状态、数据和中间结果，部分数据没有必要全部留在昂贵的HBM里，可以下沉到NAND。因此，Agent爆发本质上是整个Memory Hierarchy需求一起上升，而不是单纯HBM需求增加。
美股投资网获悉，第二个非常重要的变化是：GPU可能已经不是最大的物理瓶颈。现在市场上老GPU租赁价格仍然很高，H100甚至被延长到八九年使用，说明算力需求确实很强。但AMD相关专家给出的判断是，单纯从裸芯片供应来看可能没有想象中那么缺，真正限制GPU部署的是电力、先进封装和存储。也就是说，未来判断AI Capex，不能只看NVDA能生产多少GPU，而要看这些GPU有没有电、有内存、有封装、有机架可以真正运行。
第三个最值得关注的隐藏瓶颈是ABF载板。Vera Rubin的BOM中，出现三位数价格上涨的几个环节包括ABF载板、PCB和存储。Mr. P判断ABF短缺可能持续到2028年以后，甚至有人认为持续到2030年。戴尔、惠普、英伟达、博通近期也都在供应链讨论中提到DRAM、NAND、ABF载板和晶圆限制。这个逻辑非常重要，因为市场已经充分交易GPU和HBM，但ABF可能仍然属于关注度相对较低、却直接决定高端AI芯片能否完成封装出货的环节。
第四个长期趋势是“铜退光进”，但速度会比市场想象得慢。光通信最终一定会赢，因为AI集群规模越来越大，速度、带宽和功耗的重要性越来越高，铜在高速传输下会面临串扰、散热等问题。但CPO目前仍然存在成本、良率和散热问题，因此2027年前铜和光大概率继续共存，2027年可能先看到NPO，2028到2029年CPO开始放量，而真正大规模主导可能要到2030年以后。换句话说，铜不是马上被淘汰，而是在被“强行续命”。
为什么云厂商会尽量拖延CPO？一个很关键的原因其实还是存储。Memory已经贵到占掉越来越多BOM和资本开支，Hyperscaler必须在其他环节压成本。如果铜还能满足需求，他们就会尽量多用几年，而不是立即全面升级昂贵的CPO。这个逻辑说明未来AI服务器产业链不是所有零部件一起涨价，而是会发生资本开支内部的“抢预算”：Memory拿走的钱越多，其他部件越需要降成本。
第五个真正的大瓶颈可能是电力。数据中心并不是服务器买回来就能运行，而是需要Land、Power、Shell、并网、燃气轮机等完整基础设施。现在三菱、西门子、GE Vernova等燃气轮机供应商的积压已经排到2030年以后，今天订燃气轮机可能2030年才能交货。因此未来几年AI算力增长速度，很可能不是由GPU生产速度决定，而是由“多少GW电力能够真正通电”决定。
美股投资网认为对投资最有价值的一句话，AI基础设施正在从“GPU短缺时代”，进入“系统瓶颈时代”。
也就是未来不能再简单理解成“AI需求增长等于NVDA卖更多GPU”，而应该拆成四条主线：Logic、Memory、Power、Networking。Mr. P也明确把AI基础设施归纳为这四大领域。
短中期最强确定性仍然是Memory，尤其HBM、DRAM、NAND ，相关美光，SK海力士；其次是被市场相对忽略的ABF载板、PCB和先进封装；再往后是网络升级，尤其高速光通信、激光器和最终的CPO；而电力虽然可能是最大物理瓶颈，但燃气轮机等部分资产因为订单已经排到2030年以后，新增订单带来的边际增长反而未必像两年前那么有吸引力。这个区别非常重要：产业最短缺的东西，不一定等于股票现在最值得追的东西。
最后还有一个容易被忽视的风险点：LTA并没有彻底消灭存储周期。即使合同写了五年甚至十年，一旦AI资本开支真的大幅下降，供应商也未必敢强迫客户接货，否则客户只会把DRAM囤进仓库，未来几年停止采购。因此LTA更像是“降低周期波动”，而不是“消灭周期”。
根据美股大数据 StockWe.com
AI下一阶段最大的Alpha，可能不再来自最显眼的GPU，而是来自GPU背后那些“没有它就无法开机”的Memory、ABF载板、先进封装、电力和高速网络。
━━━━━━━━━━━━━━━━━━━━━━
【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”。
━━━━━━━━━━━━━━━━━━━━━━
35万人等着做一次AI身体体检，Spotify联合创始人Daniel Ek新初创公司融资7亿，要做的是，趁你还没感觉身体出问题，先把健康风险找出来。
这家公司叫Neko Health，由Daniel Ek和Hjalmar Nilsonne共同创立。最新一轮7亿美元C轮融资，由Lightspeed Venture Partners和O.G. Venture Partners联合领投。
更夸张的是，2025年1月，Neko才刚完成2.6亿美元B轮融资。短短一年半，两轮合计拿到9.6亿美元。
部分媒体称，本轮融资后Neko的估值可能已接近70亿美元。不过公司没有在公告中正式确认这一数字，所以目前只能把它视为媒体报道。
如果这个估值属实，意味着一年半时间里，资本给Neko的定价接近翻了四倍。
资本显然不是来押一家普通体检中心的。
一小时扫描，卖的不是报告，是时间线
Neko的门店看起来更像一间科幻感很强的健康实验室。用户到店后，大约一小时内完成皮肤影像、心血管、血液和代谢等检查，再由临床人员当日解释结果。
现在的服务还加入了肌肉量、体脂等身体成分分析，并可接入Apple Health，把用户平时的心率、睡眠和活动数据一起纳入判断。
普通体检卖给你的是一张报告。
Neko想卖给你的，是一条每年持续更新的身体时间线。
Spotify基因+硬件落地，两个人的分工
公司由两个人搭起来。
Daniel Ek最擅长的是把复杂产品变成普通人愿意长期付费的服务。Spotify已经证明，他理解品牌、订阅和全球化。
Hjalmar Nilsonne则担任Neko CEO，负责把硬件、软件、医学流程和线下门店真正跑起来。
一个擅长把产品推向全球，一个负责让产品在现实世界里落地。
10万人已扫，35万人候场，美国是下一站
截至目前，Neko已经在瑞典和英国运营8个地点，完成超过10万人次扫描，另有超过35万人进入候补名单或完成预约。
这里需要说准确一点：不是35万人全部还在排队，而是候补与已预约人数的合计。
但需求远远超过现有产能，这一点没有悬念。
公司计划在2026年以纽约为起点进入美国，并继续向其他美国城市扩张。
这也解释了为什么Neko需要一次融7亿美元。
它不是一个上传到应用商店就能全球复制的软件。每进入一个城市，都要建设门店、部署设备、招聘医生、取得监管许可，还要建立发现问题以后的转诊体系。
这笔钱买的不是流量，而是扩张速度。
一颗痣的故事，击中最真实的需求
Calm联合创始人Alex Tew的经历，则让Neko迅速出圈。
他公开表示，Neko在其背部发现了一颗恶性痣，随后及时完成了手术切除。他写道：“我很感激Neko帮我发现了它，否则我不知道会发生什么。”
这个故事比任何技术参数都更容易打动人。
因为用户真正害怕的，不是体检麻烦，而是身体已经发生变化，自己却完全不知道。
医疗里最昂贵的价值，往往不是治好，而是发现得足够早。
真正的护城河，是数据积累的时间
Neko通过自研硬件和软件记录皮肤表面及多项身体指标，并在后续检查中进行对比。
自己照镜子看到的是某一天的样子。
Neko想建立的，却是几年甚至更长时间的变化记录。
这也是它最值得资本下注的地方。
扫描设备可以被模仿，门店可以被复制，但一个人连续多年积累的健康数据，很难轻易搬走。检查次数越多，系统越了解用户；记录时间越长，用户更换平台的成本也越高。
真正的护城河，可能不是那台扫描机器，而是时间。
80%复购率，身体正在变成一项订阅
Neko此前还披露，约80%的客户已经提前预约并支付下一年度检查费用。
如果这个比例能够维持，它做的就不再是一次性体检，而是一门带有订阅属性的生意。
Daniel Ek最熟悉的，恰好就是订阅。
Spotify把“买一张唱片”变成了“每个月付费听音乐”。
Neko则想把“偶尔做一次体检”变成“每年付费更新身体数据”。
一个订阅你的耳朵，一个订阅你的身体。
名人跟投，但核心仍是同一个信号
这轮融资的投资人阵容也很抢眼。除多家知名风投外，Meta创始人扎克伯格及其妻子、儿科医生Priscilla Chan，网球名将莎拉波娃，以及黑眼豆豆成员will.i.am也参与其中。
科技富豪、体育明星和娱乐名人集体下注，让Neko Health获得了远超普通医疗初创公司的关注度。
候场35万是好事，也是压力
不过，故事讲到这里，仍然不能只看35万人的候场名单。
一个成功发现恶性痣的案例，只能证明Neko可能有价值，不能代替大规模临床证据。
公司未来仍需证明，它能够提高早期发现率，同时控制误报、过度检查和不必要的焦虑；也要证明进入美国后，门店成本、医生效率和复购收入可以形成健康的单位经济模型。
35万人候场既是需求，也是压力。
医疗行业最后拼的不是流量，而是信任、证据和责任。
资本押注的，是医疗往前移动
美股投资网获悉，这7亿美元真正押注的，不是一家“更高级的体检中心”。
资本押注的是医疗服务正在往前移动：从生病以后治疗，走向平时持续监测；从医院里零散的一次检查，走向个人多年连续的健康记录。
过去的医疗，是身体出问题以后再花钱。
Neko想做的，是让人们在问题出现以前，就愿意每年付钱了解自己。
信号已经足够清晰
Neko目前仍是一家未上市公司，没有可以直接交易的美股代码。但这笔融资释放的信号很清楚：
AI医疗的下一轮机会，未必只是替医生写报告、帮药企研发新药，也可能是把检查做得更快，把风险发现得更早，再把每个人的健康数据变成一项长期服务。
Spotify改变了人们听音乐的方式。
Daniel Ek现在想做的，是改变人们发现疾病的时间。
Google 已经发布第八代 TPU 8t / 8i：8t 面向大规模训练，单个 Superpod 可扩展到 9,600 颗芯片；8i 则重点优化推理和 Agent 工作负载。
美股投资网获悉，一份最新 PCB 产业链专家纪要显示，Google TPU 的板级材料正在继续升级：
TPU v7：以 M6 / M7 为主
TPU v8：核心信号层开始上 M8
下一代产品：产业链已经开始准备 M9
这里真正值得看的，是单机价值量正在提升。
TPU 性能越高，信号速率越高，对 PCB 层数、低损耗 CCL、玻纤布和 HVLP 铜箔的要求都会同步提高。
Google 当前仍以高多层板为主，并没有大规模切换到 HDI。也就是说，这轮升级的价值增量主要来自：
更多层数 + 更高等级 CCL + 更高规格铜箔。
其中最值得盯的是 HVLP3 铜箔。
2026 年 1—8 月月均采购约 90 吨，最近一个月已经升到 110 吨，供应仍然偏紧，价格也在持续上涨。
这说明 TPU 放量带来的可能不只是芯片数量增长，还叠加了材料升级。
美股投资网认为，AI 硬件下一阶段很可能出现一个越来越明显的趋势：
算力升级，开始沿着 PCB → CCL →铜箔向上游传导。
Google 官方已经确认，Ironwood 是第七代 TPU，目前已经正式商用；第八代 TPU 8t / 8i 则继续向更高训练和推理性能推进。
所以后面真正需要盯的而是三件事：
M8 渗透率、HVLP3 采购量、下一代 M9 是否开始验证放量。
如果这三个指标继续向上，Google TPU 的投资机会就会从芯片本身，继续向整条高速 PCB 材料链扩散。
$GOOGL $TTMI
#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”。
━━━━━━━━━━━━━━━━━━━━━━
美国私募信贷的压力，已经明显上来了。
美股投资网获悉，截至 8 月底，美国私募信贷过去 12 个月违约率升到 6.3%，创惠誉跟踪以来新高。8 月一个月就出现 14 起违约，而 7 月只有 3 起。
更值得注意的是，很多公司还没有真正“爆雷”，只是先靠延期付息、用新债顶旧利息来拖时间。过去一年大约 47% 的违约都属于这一类。
与此同时，投资者也开始想撤钱。
摩根士丹利、Apollo、Blackstone 旗下的大型私募信贷基金，最近都出现了较高赎回申请，但实际能赎回的比例被限制在 5% 左右。
整个行业的赎回请求已经超过 150 亿美元。
美股投资网认为，真正要警惕的，是下面这条链条：
企业利息越来越高→现金不够用→先拖延付息→债越滚越大→到期后越来越难借到新钱。
而且新资金也在变少。
二季度 BDC 净流出扩大到 48 亿美元，新资金流入只有 26 亿美元。
软件行业风险尤其高。
因为很多软件公司本身负债就高，现金流又不强，再加上 AI 正在改变部分软件公司的商业模式。
一旦到了 2027 年集中再融资，很多现在还能“拖一拖”的公司，可能就要真正面对压力。
违约率还会不会继续升、基金赎回会不会越来越多、2027 年企业还能不能顺利借到新钱。
如果这三个问题同时恶化，私募信贷就可能从“有压力”，变成真正的信用风险事件。
$BX $MS #美股
周五美股三大指数收涨，存储和光通信等热门方向继续获得资金流入。但在跟进之前，有一个风险需要先建立认知。
按常规定价逻辑，长端利率、油价、美元三者同时走高，对高估值科技股构成三重压制：贴现率抬升、成本端抬升、海外收入折算缩水。但周五 VIX 收于 15.67，仍低于 18，AI 相关标的照常获得买盘。这个背离本身就是信息。
真正计入风险的是债券市场：衡量美债波动率的 MOVE 指数当日跳升 9.6% 至 104.58。
一边在定价利率失控，一边在定价风险出清，两者不可能同时成立。
权益市场目前交易的是一个相当乐观的假设组合——油价回落、通胀降温、AI 盈利持续兑现。
三个条件必须同时满足。一旦长端收益率继续上行、油价维持高位，当前这种低警戒状态反而会放大后续波动。原因在于低波动环境本身会吸引杠杆，杠杆头寸累积之后，同等量级的利空会被放大数倍。
微软近期为何这么猛？
科技股里最典型的是微软大涨3.66%，成为当天指数最重要的推动力之一。
从技术面看，MSFT在3月27日和6月25日两次下探350美元附近，走出了一个很明显的大型双底。之后股价一路收复400、450、500美元，现在已经重新杀回前高区域。
位置其实很清楚：
• 500美元：突破后的重要支撑
• 520美元：短线确认位
• 550—555美元：前高压力区
上半年为什么跌得这么惨？
大背景是一季度整个软件板块在被杀，市场担心 AI Agent 会直接掀掉传统 SaaS 那套按席位收订阅费的生意。
微软躲不过，而且它的问题更复杂：1 月 28 日财报出来，Azure 增速放缓，资本开支却继续往上冲，市场立刻开始怀疑它花钱太快、赚钱太慢。一季度跌掉 25%，市值从 3 万亿掉到 2.6 万亿。当时压过来的是三件事。
所以那轮跌法本质上不是公司不行了，是市场在同时砍两样东西：AI 资本开支的回报率，和软件板块原本的高估值。这就是 MSFT 能从 550 一路被打到 350 的原因。
那为什么后来又涨回来？
基本面打破悲观预期。
第四财季营收 900 亿美元增 18%，Azure 及其他云服务收入增 43%，全财年 Azure 首次突破 1000 亿。
但真正重要的不是 43%，是 6780 亿——商业剩余履约义务，已经签了合同还没确认成收入的钱，同比增 84%，而且环比增量主要来自 AI 模型开发商以外的客户。
上半年市场怕的是砸了这么多钱将来谁买单，现在答案摆在这儿：单已经签了，而且不只靠 OpenAI 那种超级客户，普通企业自己在排队进场。
微软从「给一家 AI 公司做后台」变回「向全世界企业收月租」，同样是烧钱，一个客户烧和几万个客户烧，估值给法完全不同。
旁证也跟上了。9 月 15 日股息提高 8% 到每股 0.98 美元，正在猛建数据中心的公司敢加派息，等于告诉市场现金流压力是阶段性的；9 月 23 日 Stifel 从持有上调到买入，目标价从 530 提到 575。
Copilot 更新把微软想干什么讲明白了
周五推出的 Copilot Code 和 Autopilot，重点已经不是聊天。Code 直接帮企业生成应用和工作流，Autopilot 让 Agent 长期在线、人下班了自己继续执行任务。
微软最大的优势从来不是模型，是 Windows、Office、Teams、GitHub、Azure 加起来的那个东西——企业员工每天上班绕不开的工作流。
它现在做的不是让 Copilot 变成 Office 里的一个 AI 功能，而是反过来，让 Office、Teams、GitHub 全部变成 Copilot 后面的工具。
以后员工可能不再是打开 Word 再用一下 AI，而是直接告诉 Copilot「把这份报告做出来」，剩下的由 Agent 去调文档、表格、代码和数据。
一句话：微软真正争的是企业 Agent 的入口。
它在主动弱化「模型之争」市场以前总爱问 OpenAI 强还是 Anthropic 强，微软现在的答案是都可以用。
它已经把 Anthropic 和 OpenAI 的模型同时放进 Copilot 和 Copilot Studio，Word、Excel、PowerPoint、Chat 全线支持切换，Researcher 那个 agent 甚至能让一个模型起草、另一个模型复核，官方理由这样写的：没有哪个模型适合所有任务。
微软敢这么做，是因为只要企业最后还是通过 Azure、Microsoft 365 和 Copilot 去调模型，底层谁最强就不是它最关心的事。它不需要赌谁永远是最强模型，它只要做模型上面那一层。
美股投资网认为，这轮 MSFT 重新被资金追捧，是市场开始看懂它的三层结构：Azure 负责算力和收入，Copilot 负责用户入口，Agent 负责接管未来工作流。
这三层真打通，微软卖的就不只是云，也不只是 Office，它想做的是企业 AI 时代的操作系统。所以这轮也不该简单理解成超跌反弹。
350 美元附近交易的是「AI 投入到底值不值」，现在 500 美元上方交易的是「如果 Agent 真进了企业，谁最有资格控制入口」。目前看微软的位置很有利。
后面要盯的只有两件事——Azure 的高增长能不能延续，Copilot 和 Agent 能不能真变成收入。
AKAM + Anthropic 的 116 亿美元合同
第二件大事：Akamai（AKAM）
先说它是干什么的。Akamai 是老牌互联网基础设施公司，主业是 CDN、网络安全和边缘计算，负责把网站、视频和数据更快更安全地送到用户面前。它从来不在 AI 明星股的名单里，所以 Anthropic 找上它，市场反应才这么大。
合同本身：7 年、116 亿美元，后续还有最多 90 亿美元的扩展空间，潜在总规模接近 200 亿。
Anthropic 用的是 Akamai 的分布式云来承接 CPU workload，不是 GPU 训练。这个限定词很重要，后面会回到它。
更值得注意的是对价结构。
Akamai 向 Anthropic 发行了一份认股权证，对应最多 770 万股普通股，约占总股本 5%，行权价每股 111.33 美元；其中约 2% 随这份 116 亿合同生效，剩余约 3% 与未来每笔 30 亿美元的追加采购挂钩。行权价 111.33 美元，而 AKAM 消息前一天收在 110.41 美元。
也就是说Anthropic 不只是客户，它还拿到了一个平价的、绑定自己采购行为的看涨期权——自己下单，自己推高股价，自己获利。这不是买卖关系，是利益共同体。
市场第一反应是给云业务重新定价。过去 AKAM 的估值锚是 CDN、安全和边缘网络，增速平淡。116 亿美元的单子证明它的基础设施能承接大型 AI workload，对应年化收入约 17 亿美元，而 Akamai 今年此前已签下超过 28 亿美元的其他多年期云合同。
于是问题变成：它是不是正在从一家低增速网络公司，变成 AI 基础设施的第二梯队？
美股投资网分析认为，真正该看的不是 116 亿，是这单背后的资本开支结构。
为履行合同，Akamai 预计累计投入约 55 亿美元资本开支，其中 2026 年就要增加约 17 亿，主要用于提前锁定内存等供应链部件，剩余部分集中在 2027 年，要到 2028 年底才进入稳定收入期。
所以实际路径是 Akamai 先垫 55 亿建资产，Anthropic 再用 7 年合同把这些资产逐步消化掉。
一句话：订单很大，但前期资本开支同样很重，回本周期两年起。
这里就引出这笔交易最有争议的地方。正常的云服务合同，客户不会因为采购就顺手拿走供应商 5% 的股份。
Anthropic 这个做法的实质是：我给你长期订单，你让我分享你未来估值上涨的一部分。
这正是当下 AI 产业里越来越常见的资本循环——AI 公司给云厂商订单，云厂商给 AI 公司算力、融资或股权，芯片公司再给两边供货，资金在生态内部反复流转。
所以要问的不是合同真不真。合同是真的，已经写进 8-K。要问的是这份合同的经济性够不够好：既要先投 55 亿资本开支，又要让出最高 5% 股权，扣完之后还能留下多少自由现金流，这才是它值不值钱的核心。
技术面AKAM 周四收 110.41 美元，消息出来后盘后一度涨超过 20%，周五高开 125.23 美元，盘中最高 128.46 美元，最终回落至 114 美元附近，全天涨约 5.5%，成交量显著放大。
资金第一时间抢进，盘中又吐回大部分涨幅——市场认可战略意义，但对估值抬升、资本开支和股权稀释并没有完全放下顾虑。
三个位置：
• 110 美元附近：消息前收盘区，也是认股权证行权价所在，第一层支撑
• 115—118 美元：短线多空争夺区，周五收在这里
• 125—128 美元：周五冲高失败区，第一道明显压力
能重新放量站上 128 美元，说明市场愿意给它一个 AI 基础设施公司的估值；始终站不上去，这一单就还只是一次事件驱动的脉冲。
美股投资网VIP-分析当下手中股是否能持有？
美股市场正在出现3个看似毫不相关，但背后可能正在指向同一个方向的信号：
AI下一轮财富机会，可能正在从芯片，扩散到整个基础设施和应用生态。
第一，进入9月，我们的大数据注意到，主流存储芯片的现货价格已经开始回落，但MU、SNDK等存储股却不跌反涨。
实物价格向下、股价向上，这种明显背离的背后，究竟隐藏着什么尚未被市场充分看懂的深层逻辑？
第二个：
Meta 到底颠覆电商的哪一环，能让亚马逊宁可把送上门的订单挡在门外？而 Shopify 和 Expedia 又为什么选择站到 Meta 这一边？这背后到底是一场 AI 购物工具之争，还是下一代消费者入口的争夺？
第三个也是最值得琢磨的一点：
路透社爆料，Muse帮你打电话订餐厅、订服务，背后其实是真人在替它打。
一个被证实还要靠人工顶着的产品，市场明明已经看见了它的不完美，为什么还在一路上涨？
Muse这种新模式会把资金带向哪些美股板块？谁会成为Agent时代的新基础设施？又有哪些传统公司，可能因此被重新定价？
今天这期视频，我们将把这些内容一一讲透。内容非常干，建议先点赞收藏，也分享给身边关注美股和AI的朋友。
我们直接开始。
DDR4已经回落，为什么存储股价还在创新高？
先聊存储。
我每天都在追踪存储芯片价格。根据美股大数据一线调研，进入9月，作为上一代主流内存标准的DDR4，部分现货价格开始回落，而美光和SK海力士的股价依然保持强势。
很多投资者可能会疑惑：内存价格要开始跌了吗，存储厂商的股票不是应该下跌吗？
其实这里有一个关键点被忽略了——市场交易的早已不只是普通DDR4，而是AI带来的高端存储需求。
9月16日至22日，DDR4 16Gb价格下跌3.57%，同期DDR5 16Gb却上涨4.26%，其他多个规格也在走高。
这说明内存并非全面下跌，而是出现明显分化：部分传统DDR4需求转弱，DDR5、HBM等AI服务器相关产品依然紧俏。资金看的不是某一天DDR4涨跌，而是未来几个季度，哪类产品能够贡献更高收入和利润。
更关键的是，为了满足AI加速器需求，存储厂商正在把先进产能转向HBM。以生产同等位元计算，HBM大约占用普通DDR5三倍的晶圆产能。HBM产量越高，对传统DRAM产能的挤占就越明显，从而支撑整个存储市场的供需和定价。
因此，美光和SK海力士继续走强，并不是市场忽略了DDR4回落，而是利润正在从传统内存向HBM和服务器内存转移。
更深一层看，AI竞争也在发生变化。过去比的是模型规模和跑分，现在开始比谁能率先推出真正高频使用的个人Agent。
个人Agent不只是回答一次问题。它需要持续调用模型、保存上下文、记住用户习惯并连续执行任务。这意味着AI正在从集中式训练，走向全天候、高频率的推理，对HBM、服务器内存和数据存储形成更持久的需求。
所以，存储芯片正在从传统周期品，变成AI基础设施。接下来真正要盯的，不是单一DDR4现货价格，而是HBM出货、服务器内存合约价、云厂商资本开支，以及个人Agent能否形成高频使用。只要这些指标没有明显转弱，AI存储的主线就还没有结束。
大家好，我们是美股投资网，利用AI 量化分析工具，帮你从嘈杂的市场中准确识别出,持续的方向性关键信息
一个AI助手，为什么让AMZN、SHOP、EXPE走向不同命运
9月20号深夜，亚马逊在自己网站上挂出了一张拦截页。
正式限制 Meta 的 Muse 在亚马逊完成购物操作。理由非常官方：未经授权访问、身份不透明、账户安全风险。
但紧接着，另一批平台做出了完全相反的选择。
9月下旬，Meta 开始快速扩大 Muse 的商业生态合作，包括 Shopify、Walmart、Best Buy、Gap、Wayfair、Expedia 等零售和服务平台，同时接入 Shop Pay、PayPal 等支付能力，让 Muse 不只是一个聊天助手，而是逐渐具备从商品搜索、比较到交易结算的完整能力。
一个选择关门，另一批公司选择开门。
如果只看表面，很容易得出一个结论：接入 AI 是利好，拒绝 AI 是利空。
但股价完全不是这么走的。
Muse 上线后，SHOP、EXPE、BKNG、ABNB 等电商和在线旅游平台都曾出现明显下跌，而 $AMZN 的跌幅相对更小。
市场最初交易的是同一个逻辑：
如果 AI Agent 能替用户完成搜索、比较和下单，那么夹在消费者与商品之间的平台，都有可能被绕过去。
但十几天之后，分化开始出现。
$SHOP 很快收复了大部分跌幅，而 $EXPE、$BKNG、$ABNB 等在线旅游平台仍然明显承压。
最初一起被抛售的公司，开始走出完全不同的路径。
原因可能在于，市场开始区分两种完全不同的商业价值：
入口，和基础设施。
过去二十年的互联网，最值钱的资产之一就是消费者入口。
想买东西先打开 Amazon，想订酒店先打开 Expedia，想找信息先打开 Google。
这背后就是聚合理论的核心：互联网降低分发成本之后，真正拥有稀缺价值的，往往是能够聚合需求、控制消费者关系的平台。
只要消费者先来到你这里，供应商就必须争夺你的流量。
Amazon 的广告业务就是最直接的例子。2025年，Amazon 广告服务收入达到686亿美元。品牌愿意付钱，本质上是在争夺消费者产生购买意图之后看到的第一个位置。
而 Agent 改变的，恰恰是这一点。
过去是：
消费者→ Amazon →商品。
未来可能变成：
消费者→ Muse → Amazon →商品。
Amazon依然可能拿到订单，但消费者的第一层意图已经先进入 Muse。
如果用户不再打开 Amazon 搜索商品，那么搜索结果页、推荐排序和广告位的价值都会受到挑战。
因此，Amazon 真正需要防守的未必是一笔订单，而是谁控制消费者作出决定之前的那一层关系。
这也解释了为什么 Shopify 和 Expedia 不能简单放在一起看。
Shopify 更接近商业基础设施。大量消费者甚至不知道一家网店背后使用的是 Shopify。它提供商品数据、商家系统、支付和结账能力。Agent 如果带来更多交易，Shopify 仍有机会从交易链条中获得价值。
Expedia 则不同。
它本身就是消费者寻找、比较旅行产品的重要入口。如果 Muse 在前面完成需求理解、搜索和比较，Expedia 就存在从“消费者入口”退到“后端供应和交易节点”的风险。
所以，同样叫“接入 Muse”，经济含义完全不同。
对原本就是基础设施的公司，Agent 可能带来更多交易量；对原本依靠入口、搜索和消费者关系赚钱的平台，Agent 则可能拿走价值最高的那一层。
Amazon 恰好两者兼具。
它既拥有巨大的消费者入口，又拥有仓储、物流、履约、第三方商家和支付能力。
这也是它面对 Agent 时最复杂的地方。
封锁 Muse，可以保护自己的入口；但如果 Agent 最终成为新的消费者入口，Amazon 又很难永远放弃来自这些 Agent 的订单。
所以真正的问题已经不是“谁接入 Muse”。
而是当 AI Agent 开始接管消费者意图之后，谁还能控制交易，谁只剩下供应，谁又能成为所有 Agent 都绕不开的基础设施。
这才是接下来拆解 Muse 五层产业链的起点。
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
Muse正把AI红利送向这五层公司
第一层：Agent通信基础设施——TWLO、BAND
这是目前市场低估的一层。
很多人想到Agent，只想到聊天，但Muse最重要的变化不是回答问题，而是开始替用户行动。
比如取消会员、联系航空公司改签、和运营商谈价格，这些任务背后都需要真实的通信能力，包括电话网络、短信、语音接口和身份验证。
TWLO最大的优势，是已经连接大量企业通信场景。未来AI Agent如果成为企业客服、销售和服务人员，就需要通过TWLO完成电话、短信、WhatsApp、RCS以及企业API调用。
过去企业依靠人工员工处理客户沟通，但未来一个Agent可以全天运行，同时处理大量电话和消息。人口没有增加，但机器产生的通信流量可能快速增长。
所以TWLO更像Agent时代的通信平台。
BAND则更加靠近底层网络。它拥有自己的语音网络，可以减少中间环节，提高通信效率。随着AI Agent开始自主打电话、创建语音服务，BAND有机会成为Agent连接现实世界的重要基础设施。
简单理解：
Meta、OpenAI负责Agent的大脑；
TWLO负责连接各种通信渠道；
BAND负责让这些声音真正进入电话网络。
TWLO商业模式更加成熟，而BAND规模更小，如果Voice AI爆发，BAND可能拥有更高业绩弹性，但同时也面临竞争和利润率压力。
第二层是互联网基础设施——NET、AKAM
如果未来出现大量AI Agent访问互联网，最大的问题已经不是流量够不够，而是：
这个访问者是谁？
它有没有权限？
是不是恶意Bot？
它能不能代表用户完成交易？
未来互联网需要新的Agent身份、API管理、安全和边缘计算体系。
NET是我认为更直接受益的公司。原因是NET更接近Agent时代的“互联网入口”。
NET拥有Workers、AI Gateway、Bot管理、API安全和边缘计算能力，可以帮助开发者运行Agent，也帮助企业管理Agent访问。
所以NET的核心逻辑不是卖AI模型，而是成为Agent访问互联网必须经过的一层基础设施。
如果未来Agent数量快速增加，需要管理的请求、API和身份越来越多，NET有机会成为Agent时代的网络入口。
今年 3 月我们美股投资网就发视频清楚表示2026年AI智能体爆发年，极度利好NET，我们VIP 社群买入价格 179.5 美元。本周四收盘已到 361 美元，成功翻倍。
AKAM同样受益，但逻辑不同。
市场过去更多把AKAM理解为CDN公司，但未来Agent时代，边缘计算的重要性可能重新上升。
因为未来大量AI应用，包括实时语音、机器人、视频分析，都要求计算距离用户更近。AKAM拥有全球分布式网络节点，这些节点未来不仅可以做内容分发，也可能承担AI推理、安全防护和边缘计算任务。
所以简单理解：
NET更偏向Agent的软件入口、开发者生态和互联网访问控制；
AKAM更偏向企业级安全、边缘计算和全球基础设施。
如果未来Agent主要爆发在API调用、软件应用和开发者生态，NET的弹性更大。
如果未来AI走向实时应用、边缘推理和企业基础设施，AKAM的价值可能重新被市场认识。
第三层是身份、安全和权限，重点看OKTA、PANW和CRWD。
Agent最大的风险不是能力不足，而是权限过大。
未来，一个Muse可能不仅帮你聊天，它还可能接触你的邮箱、购物账户、支付信息，甚至企业内部数据。
那问题来了：
当AI替你打电话、修改账单、下订单时，对方怎么确认：
这个Agent是谁？
它代表谁？
它有没有权限执行这个操作？
如果出了问题，责任应该追踪到哪里？
最近Meta测试Muse时，就暴露了一个更深层的问题：
用户以为自己正在和AI交互，但部分复杂任务背后可能存在真人承接。
这说明未来AI Agent商业化，不只是模型能力竞争，还涉及身份透明、权限控制和数据安全。
这会推动新的安全需求。
OKTA负责身份认证和权限管理；
PANW覆盖网络、云端以及AI安全；
CRWD则关注终端、工作负载和机器身份安全。
过去十年，网络安全解决的是：
“人如何访问系统。”
但Agent时代，解决的是：
“机器如何代表人访问系统。”
这会成为一个全新的安全市场。
而这也是为什么我们9月1日在VIP社群关注OKTA，当时股价约165美元，本周三最高来到204美元附近，短线涨幅接近25%。
未来AI Agent越深入企业和个人生活，身份和安全层的重要性可能越高，
第四层是交易执行，重点看SHOP、WMT、V、MA和PYPL。
Agent可以找到商品，但最后仍需要确认库存、生成订单、完成付款和处理退款。
SHOP掌握大量商家的商品、库存、订单和结账系统。META已经确认，Muse未来将接入SHOP的支付体系。因此，SHOP有机会成为Agent与商家之间的交易操作系统。
V和MA掌握全球支付网络、身份验证和风控体系，PYPL则更接近互联网钱包和线上商家。购物入口可以改变，但支付清算、反欺诈和退款机制仍然不可缺少。
第五层是就是AI基础建设公司，NBIS 、CRWV和IREN等GPU 云厂商
Muse本身，而是它可能证明“AI Agent将成为下一个超级算力消费者”；而Nebius恰好已经拿到了Meta最高270亿美元的下一代AI基础设施合同，因此Muse用户越多、Agent推理的任务越复杂，Meta消耗Nebius未来GPU使用量的概率就越高。
Agent时代可能比聊天AI时代更加利好 Neocloud (GPU 云厂商)。
当然，美股投资网2026年必买10只股其中两个，就包括 NBIS 和 INOD，其中，INOD为Muse提供高质量的AI训练数据。
说完利好，再看谁可能受到冲击。
第一个就是 GOOGL。
它的问题和其他公司不同——不是没有能力，而是商业模式存在矛盾。
GOOGL 手里的牌非常全：Search、Maps、Gmail、Chrome、Android，再加 Gemini。理论上，它完全具备打造个人 Agent 的能力。
但问题是，GOOGL 最赚钱的业务之一，恰恰建立在用户主动搜索。
过去：
用户→ Google Search →广告→商家。
未来可能变成：
用户→ Gemini → Agent 直接完成搜索、比较甚至交易。
如果用户不再进入传统搜索页面，那么广告位和竞价排名的价值就可能受到影响。
所以 GOOGL 真正要解决的，不是有没有 AI，而是如何在进入 Agent 时代的同时，重新定义自己的搜索广告模式。
接下来重点看两个指标：
第一，高商业意图搜索的广告价值是否还能保持。
第二，Gemini 能否真正把搜索、比较和交易带入 Agent 流程
其次是YELP和TRIP这类依赖SEO、网页浏览和线索收费的平台。Agent可能直接读取评分和价格，却绕过它们的广告位。
BKNG和EXPE也会面临入口价值下降的问题，但它们掌握酒店库存和交易系统，仍可能成为Agent背后的订单供应商，因此不是纯利空。
最后是传统客服外包公司CNXC。未来如果用户Agent直接与商家Agent协商退款、改套餐和预约时间，大量重复性人工坐席可能被替代。
NICE和FIVN则属于多空并存。传统坐席减少会影响原有业务，但如果它们成功转型为Agent调度、监控和转接真人的平台，也可能获得新的收入。
今天这期就先讲到这里。
Muse背后的Agent产业链，其实远不止今天提到的这些公司。受时间限制，我已经把整条财富链的底层逻辑、核心公司、受益顺序，以及接下来真正需要跟踪的数据和风险点，整理成了一份更完整的研究内容，放在美股投资网官网的VIP社区。有需要的朋友可以去看。
如果你觉得今天这期视频有价值，帮我们把点赞顶到1000。点赞突破1000，下一期我就从这条Agent产业链里，挑出几家最值得跟踪的公司单独拆解：谁能真正把Agent流量转化成收入，谁只是暂时蹭上概念，以及哪些关键指标一旦发生变化，原来的投资逻辑就必须重新判断。
微信分析师 微信公众号
