Wealth Code

🥇Multiple AI quant systems. Zero threshold: no coding, 1-click setup. Driven by AI & big data, integrating trend factors & capital flows for high-probability signals. Catch highs, lows & reversals with next-level accuracy. No analysis needed. Just execute.

如果要押注AI基础设施建设，Lumentum $LITE 可能是最干净的标的之一 原因很简单，数字摆在那里。 Lumentum正在变成一台印钞机。按照市场模型，它的息税折旧摊销前利润（EBITDA）未来几年预计增长10倍；营收预计从2026年的约30亿美元，增长到2030年的200亿美元以上。 目前市场对光通信需求的假设，几乎是"无限"的。但就算有一天潜在市场规模的增速放缓，需求不再无限增长，Lumentum在这个市场里依然拥有极强的主导地位。 AI数据中心的瓶颈正在从GPU转向互联。GPU之间的数据传输越来越依赖光器件，而光器件的产能和技术壁垒都很高。在光通信这个瓶颈上，Lumentum是目前最直接的受益者之一。 需要提醒的是，10倍EBITDA和200亿美元营收都是预测，不是已经实现的业绩。光器件行业也有技术迭代快、价格竞争激烈的特点，实际兑现节奏需要按季度跟踪。 营收从30亿到200亿，你觉得Lumentum能走完这条路吗？

CoreWeave $CRWV 的债务真的"微不足道"吗？ 最近有知名科技分析师公开表示，CoreWeave的债务相对于它的积压订单来说"微不足道"。 CoreWeave在目前的价位确实有吸引力，但"债务相对积压订单微不足道"这个说法站不住脚。只要认真翻过它的财务报表，就不会得出这个结论。 为什么这么说？积压订单是未来几年才逐步确认的收入，而债务是现在就要付利息、到期就要还本的真实负担。新云公司的模式是先借钱买GPU、建数据中心，再等客户合同慢慢兑现。订单再多，中间这段时间的现金流压力和融资成本都是实打实的。 所以看CoreWeave，不能只看订单有多大，还要同时看三件事：债务规模和利率，未来几年的资本开支，以及经营现金流什么时候能覆盖利息和折旧。 看好一家公司，和认为它没有风险，是两回事。 你持有CoreWeave时，更看重它的订单，还是它的负债？

ARK最新报告：特斯拉和SpaceX合并的最佳时机不是现在，而是2031年 $TSLA $SPCX ARK资产管理公司发布了一份关于特斯拉和SpaceX合并的新报告，结论很明确：现在合并，特斯拉要反过来养SpaceX；等到2031年，双方都足够大，合并本身才能创造更大的上涨空间。 报告给出了特斯拉赚钱的先后顺序。第一是无人驾驶出租车，第二是AI算力，第三是Optimus机器人。逻辑是无人驾驶出租车先产生现金，再用这笔钱投资AI数据中心赚钱，最后在这个基础上完成Optimus。ARK认为特斯拉80%的价值来自无人驾驶出租车，2031年目标股价定在4400美元，相当于现价的11到12倍。 合并情景的数字也很具体。合并后，整体营收约60%来自SpaceX，38%来自特斯拉。如果不给任何溢价，特斯拉股东可获得3.8倍、SpaceX股东可获得7.2倍的额外回报。按ARK认为合理的方案，双方各分5.9倍，那么特斯拉的回报就不是11到12倍，而是17到18倍，股价约6000到6800美元。 报告还估算，2031年合并后的公司营收约3.8万亿美元，营业利润约2.74万亿美元。 这些都是ARK的模型推算，不是公司指引，假设条件非常激进。 如果要等到2031年才合并，你会选择现在持有特斯拉还是SpaceX？

每个板块最有优势的公司 半导体： $NVDA、 $AMD、 $AVGO 机器人： $XPEV、 $AMBA、 $SYM 数据中心： $NBIS、 $CRWV、 $ORCL 国防： $EOS.AX、 $ESLT、 $ONDS 软件： $PLTR、 $ZETA、 $PANW 太空： $RKLB、 $ASTS、 $RDW AI互联： $LITE、 $CRDO、 $ALAB 金融科技： $SOFI、 $NU、 $AFRM 能源： $BE、 $VST、 $FPS 医疗： $OSCR、 $LLY、 $HIMS 这份名单的共同点是，每家公司都卡在自己行业最关键的位置上。半导体和AI互联是算力的核心，数据中心和能源是算力落地的基础，太空和国防是下一个十年的增量市场，金融科技、软件和医疗则是AI最先改变的应用场景。 当然，排名只代表行业地位，不代表现在的价格就适合买入。 你觉得这份清单还漏掉了哪些公司？

马斯克一句“愚蠢的分析”，揭开机器人时代最大的内存需求！全球DRAM产量可能面临重新估算， $TSLA、 $MU、 $SPCX 站在这场变革的中心！ 一个惊人的数字：如果未来每年生产10亿台人形机器人，每台配置96GB内存，仅机器人产业一年就需要96EB的DRAM，相当于2026年全球预计产量的约两倍。如果产量进一步达到100亿台，理论需求将扩大至960EB。 这并不是2030年的实际需求预测，而是根据马斯克长期机器人产量愿景推导出的极端情景。但这个数字揭示了一个可能被市场严重低估的方向：AI内存需求的下一轮增长，可能不仅来自数据中心，还来自数以亿计拥有独立计算能力的机器人。 10月26日，马斯克公开批评一项关于机器人内存需求的分析，认为其严重低估了未来市场规模。 Counterpoint Research预计，到2030年，人形机器人DRAM需求将从2026年的8,300太比特增长至172,000太比特，增幅超过20倍。每台机器人的平均内存容量将由19GB增加至39GB。 乍看增长惊人，但172,000太比特换算后只有21.5PB，相当于约55万台配置39GB内存的机器人。 有分析进一步指出，即使机器人年产量扩大20倍至1,100万台，总内存需求也只有0.43EB，占其估计的2026年全球DRAM产量48EB的比例不足1%。 马斯克真正反对的不是数学计算，而是这个预测背后的产业规模假设。 在今年3月的Terafab发布会上，马斯克曾提出，人形机器人的全球年产量最终可能达到10亿至100亿台，相当于目前全球汽车年产量的10至100倍。 这意味着，如果机器人真正进入大规模商业化阶段，内存市场的需求基础可能出现根本性变化。 更值得关注的是， $TSLA 已经开始围绕内存供应调整其AI芯片设计。 10月1日，马斯克透露，为了保障Optimus未来量产所需的供应能力，特斯拉将AI5芯片的内存配置由144GB削减至72GB，同时将AI6调整至144GB。 但一天之后，AI5的配置又上调至96GB，原因是72GB的特殊配置不利于采用行业通用的LPDDR5供应方案。 这一细节非常重要。 当机器人只生产几千台时，芯片性能可能是首要考虑因素；但当生产目标提升至数百万甚至数千万台时，供应链规模、标准化程度、单位成本和内存供应稳定性，就可能直接决定机器人能否实现商业化。 马斯克认为，内存容量缩减对Optimus性能的影响可能很小，因为内存带宽比总容量更加重要，而特斯拉计划保持带宽不变。不过，这一判断仍需要实际产品性能验证。 与此同时， $MU 首席执行官Sanjay Mehrotra在最新财报电话会议上指出，高阶自动驾驶汽车的内存需求通常超过200GB，人形机器人预计也会有相近的内存和存储需求。 如果未来机器人真正达到这样的配置水平，那么10亿台机器人对应的内存需求将达到200EB，约为上述2026年全球DRAM年产量估计值的4.2倍。 对于 $MU 而言，这意味着机器人可能成为AI服务器之外的另一条长期需求增长曲线。 而且，机器人所需的内存结构与数据中心并不完全相同。数据中心的AI训练和推理高度依赖HBM等高性能内存，而电池供电的人形机器人需要在性能、功耗和成本之间取得平衡，因此LPDDR和高容量存储同样值得关注。 当越来越多机器人进入工厂、物流中心和家庭，AI将不再只集中在大型数据中心，而是逐渐分布到数以亿计的实体设备之中。 这一趋势也解释了马斯克为什么推动Terafab。 Terafab计划整合先进逻辑芯片、内存芯片和封装制造，目标是支持地面机器人与太空AI计算两条不同的增长路线。 马斯克此前曾粗略估计，Terafab未来AI算力产出约25%可能用于Optimus，另外75%用于太空AI设备。 这让 $TSLA 与 $SPCX 的长期战略产生了新的交汇点。 地球上的机器人需要本地计算和内存，确保实时控制、低延迟和一定程度的离线运行能力；而 $SPCX 所探索的轨道AI基础设施，则试图解决地面大型数据中心面临的电力与基础设施扩张限制。 但太空计算仍面临发射成本、辐射防护、散热、维修以及经济可行性等重大挑战，距离真正的大规模商业化还有很长的路。 对于投资者而言，这场讨论最重要的启示，是不能只用未来三四年的机器人销量来判断整个产业的终极内存需求。 真正值得持续跟踪的是机器人量产速度、单机内存容量、LPDDR供应能力、芯片成本下降速度，以及Terafab能否从宏伟规划进入实际生产。 如果马斯克的长期愿景逐步实现，未来最大的内存增长市场之一，可能不再只存在于云端的数据中心，还会出现在能够自主工作、移动和制造产品的实体机器人身上。 当机器人产业从百万台迈向亿台规模，你认为最大的受益者会是制造机器人的 $TSLA、提供内存的 $MU，还是掌握未来太空AI基础设施的 $SPCX？

博通为630亿美元的AI芯片融资兜底最高430亿美元，卖铲子的人开始替买家担保铲子的残值 美股周一收盘后，美国银行 $BAC、黑石 $BX、花旗 $C 和摩根士丹利 $MS 联合宣布了一笔630亿美元的融资安排，用途只有一个：买博通 $AVGO 的XPU加速器和网络设备，再租给 Anthropic。这是迄今为止和AI基础设施挂钩的最大一笔债务交易之一。博通当天收涨2.33%，报329.17美元，盘后又小幅走高。表面上看，这是一个"订单落地、钱也到位"的利好。但我认为这笔交易最值得研究的地方，是博通在结构里扮演的角色已经不只是供应商。 先看交易结构，以下来自各方的官方新闻稿和博通发布的交易说明。一个新成立的特殊目的实体（SPV）向银行和机构募资，购买博通的芯片和网络设备，再把设备租给 Anthropic，交付预计从2027年开始。美银、花旗和摩根士丹利安排第一留置权部分，黑石独家提供第二留置权部分的承诺资金。关键在于，博通向SPV提供"残值支持"，金额与第一留置权部分相当。博通的交易说明写得很清楚：潜在负债是租约未偿金额的72.5%与收回的AI机架价值之间的差额，峰值敞口预计约430亿美元，在五年租期内按直线摊销到零，而且这不是直接的现金支出。 用大白话说，银行愿意借钱给SPV买芯片，是因为博通承诺：如果五年内 Anthropic 不付租金，收回来的芯片又卖不上价，差额由博通补上。银行承担的其实主要是博通的信用，而不是 Anthropic 的信用。另据 Kepler 对 Anthropic 招股书的整理，博通还与 Anthropic 签有最高420亿美元的票据购买协议，专门用于支付租金。把这几层放在一起看，博通既是卖家，又在为买家的租金提供融资渠道，还在为设备的二手价格兜底。 为什么博通愿意这样做？投资逻辑上有两个解释。第一，这是锁定订单最有效的方式。Anthropic 再能融资，也很难一次性拿出几百亿美元现金买设备；有了这个结构，客户的资本开支变成了五年的租金，博通的收入却可以按交付确认。第二，博通对自家定制芯片的生命周期有信心。CEO 陈福阳在新闻稿里说，这笔交易证明"有资本愿意为这种增长提供融资"。 但市场不该忽略另一面。历史上最接近的先例是1999到2001年的电信设备商供应商融资。当年朗讯和北电为了抢订单，大量借钱给新兴运营商买自己的设备，泡沫一破，应收账款和担保同时变成坏账，设备商的利润表和资产负债表一起出问题。今天的条件好得多：Anthropic 二季度已经经营盈利，现金和短期投资超过1300亿美元；博通的敞口有上限，也会随租金支付逐年下降。但性质是一样的：供应商把客户的信用风险，部分搬到了自己身上。 对产业链的影响也值得想一想。如果这种"芯片商担保残值、银行放贷、AI实验室租用"的模式被验证可行，英伟达 $NVDA 和 AMD $AMD 很可能面临客户要求类似条件的压力，AI芯片的竞争会从性能和价格延伸到资产负债表的竞争。同时，这也给残值假设提出了一个硬问题：五年后，2027年交付的定制加速器在二手市场还值多少？72.5%这个门槛意味着，只要设备价值不跌破未偿租金的七成多，博通就不用掏钱；跌得更深，博通才需要补差额。 我接下来会看三件事：一是博通下一次财报是否单独披露这类或有负债，以及评级机构如何看待；二是 Anthropic 上市后的融资能力，它的股价就是这套结构的信用"晴雨表"；三是英伟达或 AMD 是否跟进类似的供应商担保安排，那将说明这已经从一笔交易变成行业惯例。 当芯片公司开始为客户的设备残值兜底，你觉得这是需求强劲到可以放心加杠杆的信号，还是AI周期进入后半场的典型特征？ 最早看多AI硬件的Citrini开始减仓芯片：他算出AI实验室到2028年底需要约1万亿美元年化收入，真正的风险不在技术，而在钱从哪里来 周一，富途转载了一篇关于Citrini Research的文章，标题很扎眼：最早看多AI硬件的"芯片网红"Citrini，为何正在悄然离场。据TokenPost报道，Citrini创始人James van Geelen在10月21日录制的一场对话中表示，他已经降低了半导体的持仓暴露。这位以较早押注AI基础设施而在投资圈出名的研究者，在AI硬件交易最拥挤的时候选择了收缩，这本身就值得认真对待。 他减仓的核心理由，不是AI技术不行，而是资金来源变了。据报道，van Geelen认为，在AI建设的前三到四年，超大规模云厂商主要依靠自身经营现金流来投资基础设施；而现在，新增投资越来越多来自股权和债务市场。这一点和今天的新闻高度吻合：博通为630亿美元的芯片融资提供残值兜底、SpaceX通过租赁方式拿下400亿美元GPU。当资本开支更多依赖外部融资，它就会和投资者情绪绑定在一起，一旦市场风险偏好急转直下，受影响的就不只是估值，还有实实在在的建设预算。 他给出的一组数字也很关键。据报道，van Geelen估算，要支撑当前的AI基础设施估值，AI实验室到2028年底大约需要1万亿美元的年化经常性收入。他还提到几个让他担忧需求端的观察：他个人认为前沿模型已经能满足他日常需求的99%；有估算显示，任务成本每下降10%，使用量只增加约3%；开源模型在新增年化收入中的占比，已从一年前的约1%升至约18%。这些数字的含义是，如果价格下降带来的用量增长不够快，同时开源模型分走更多收入，那么闭源模型公司的收入增长可能跟不上基础设施的建设速度。需要说明的是，这些是van Geelen的个人估算和观点，并非经过独立验证的行业数据。 不过，他的立场并不是全面看空。据报道，他仍然看好英伟达 $NVDA，也看好正在采用AI的行业。他说，如果付费使用量持续增长、AI实验室的收入增速重新加快到足以用客户现金流支撑新建设，他会重新考虑半导体持仓；他还承认，当前需求仍然超过供给，如果需求主要受供应限制，他的担忧就会减弱。 我的理解是，Citrini的观点提供了一个很好的"反向视角"：过去两年市场讨论AI，主要看芯片性能和订单；现在更应该看的是AI公司的收入，以及资本开支的资金来源。这和今天OpenAI大幅降价推出新模型、Anthropic招股书披露巨额亏损放在一起看，问题就更清楚了：算力价格在下降，模型公司的收入能否以足够快的速度增长？ 风险在于，这种"资金链反身性"的判断也可能过早。AWS等云厂商仍在说产能售罄，野村等机构也认为存储短缺会持续到2028年。如果需求真的是被供给压住的，过早减仓芯片可能会错过下一段行情。 我接下来会看三件事：一是本周三大云厂商财报中，资本开支的资金来源是否进一步转向债务和股权；二是Anthropic和OpenAI等公司的收入增速是否继续加快；三是开源模型的市场份额是否继续上升。 当最早看多AI硬件的人开始减仓，你觉得这是周期见顶的信号，还是一次聪明人过早离场？

华尔街给 $AMZN 355美元目标价，但真正决定股价的，可能不是财报，而是AI融资能力！ 10月26日，Evercore维持亚马逊 $AMZN 跑赢大市评级，目标价355美元。按照249.09美元计算，意味着约42.5%的潜在上涨空间。 但这次报告最值得关注的，并不是355美元，而是Evercore提出的一个重要判断：投资者对AI资本开支融资的担忧，可能比亚马逊第三季度财报本身更加影响股价。 这揭示了大型科技公司AI竞争的一个新阶段。 过去，市场主要比较谁的云计算收入增长更快、谁拥有更多GPU、谁建设了更多数据中心。现在，随着AI基础设施投资达到数千亿美元规模，市场开始进一步追问：谁有足够强大的财务能力，能够持续支持这场长期投资？ 根据Evercore的财报前瞻，市场预计亚马逊第三季度营收约2022亿美元，同比增长12%，营业利润约262亿美元，营业利润率13%。Evercore认为，这些预期有望实现或略微超出。 但真正的考验可能出现在财报电话会议上。 如果管理层继续提高未来资本开支，投资者将需要判断新增投资究竟意味着更强的未来盈利能力，还是更长时间的现金流压力。 亚马逊与纯AI基础设施企业最大的不同，是它不仅拥有AWS，还有广告、零售和物流业务。这些业务共同构成了集团的收入与现金流基础，使亚马逊能够通过不同业务的经营成果支持长期技术投资。 不过，多元化并不代表没有风险。如果AI基础设施建设速度持续快于收入兑现速度，自由现金流仍然可能承压。 Evercore还提出了另一个值得关注的机会：生鲜杂货业务可能成为亚马逊新的增长来源。但生鲜配送的单位经济效益、订单规模和履约成本，仍然决定着这项业务能否真正创造可观利润。 因此，10月29日财报，我认为最重要的不是单纯判断EPS有没有超预期，而是观察亚马逊能否同时证明三件事：AWS需求能够转化为收入，广告与零售业务能够持续创造利润，以及集团能够承担长期AI资本投入而不明显削弱财务灵活性。 355美元是华尔街的目标价，不是确定的结果。 真正值得投资者关注的是，当AI行业进入资本密集型竞争阶段，拥有庞大业务基础和持续融资能力的企业，是否会获得新的竞争优势。 你认为未来三年，决定 $AMZN 估值的最大因素，是AWS增长速度，还是支持数千亿美元AI投资的财务能力？

瑞银将 $AMZN 目标价提高至348美元！华尔街是否开始重新定价亚马逊的AI价值？ 今天，瑞银维持亚马逊 $AMZN 的买入评级，并将目标股价上调至348美元。 按照约249美元的股价计算，这一目标价意味着接近40%的潜在上涨空间。 但我认为，真正值得研究的并不是40%这个数字，而是亚马逊究竟需要怎样的盈利能力，才能支撑更高的估值。 亚马逊与许多纯AI概念公司最大的区别，在于它拥有三个不同的利润引擎：AWS云计算、数字广告，以及规模庞大的零售与物流网络。 这三个业务的估值逻辑完全不同。 AWS是云计算与AI基础设施业务，市场愿意给予较高估值，是因为它具备技术壁垒、客户黏性以及长期增长潜力。但其盈利表现也取决于数据中心利用率、资本开支效率和设备折旧。 广告业务则拥有另一种吸引力。亚马逊掌握大量直接反映消费意图的购物数据，广告能够嵌入消费者搜索和购买商品的过程。与传统零售相比，这类收入有机会带来更高的增量利润率。 而零售业务的关键，并不是销售额能否持续增长，而是物流自动化、仓储效率和配送网络优化，能否让庞大的收入基础转化为更多经营利润。 因此，市场对 $AMZN 的重新估值，不能只看AWS增长速度，还必须看三个业务的利润贡献如何变化。 这里有一个容易被忽视的问题：收入增长与股东回报并不一定同步。 假设AWS收入快速增长，但公司为了满足未来需求，持续增加服务器、芯片和数据中心投资，那么经营利润可能改善，自由现金流却未必立即跟上。 反过来，如果广告利润持续扩大、零售运营效率提升，就可能在一定程度上缓冲AI基础设施投资带来的现金流压力。 这也是我认为亚马逊值得从整体业务结构分析，而不是仅仅把它视为另一家AI算力公司的原因。 以249美元股价和348美元目标价计算，潜在涨幅约为39.8%。但目标价是分析师的估值判断，不代表股价一定能够达到。 真正决定这一目标能否实现的，是未来几个季度AWS收入增长、集团经营利润率、资本开支强度，以及自由现金流之间的关系。 如果AWS增长加速，同时广告与零售利润继续扩张，亚马逊就可能拥有比单一AI业务更丰富的盈利来源。 但如果资本开支持续超出市场预期，或者云计算增长无法充分转化为现金流，估值提升也可能受到限制。 我接下来最关注的是10月29日财报中，管理层对未来资本开支与盈利能力的解释。 348美元不是最重要的数字。真正重要的是，亚马逊能否证明自己不仅有能力投入数千亿美元建设AI基础设施，也有能力让这些投资创造足够高的长期回报。 你认为 $AMZN 未来三年的最大价值来源，会是AWS、广告，还是零售利润率的持续提升？

630亿美元！四大华尔街金融巨头联手支持 $AVGO，AI算力竞争正在进入一个全新的阶段！ 今天，一笔规模高达630亿美元的AI算力交易引起了我的注意。 美国银行 $BAC、黑石 $BX、花旗 $C 和摩根士丹利 $MS 宣布参与一项融资交易，通过博通 $AVGO 的AI加速器和网络技术，为Anthropic部署新一代AI计算基础设施，预计从2027年开始交付。 这条新闻最重要的地方，不只是630亿美元这个惊人的数字，而是AI算力的商业模式正在发生变化。 过去，市场主要关注科技巨头每年投入多少资本开支、购买多少GPU，以及建设多少数据中心。但现在，一种新的融资结构正在浮现：由金融机构提供资本，通过特殊目的载体SPV购买AI硬件，再将相关计算设备租赁给需要算力的AI公司。 这意味着，AI实验室不一定需要自己一次性承担全部硬件采购成本，也能够通过长期租赁协议获得大规模算力资源。 对Anthropic而言，这种模式有助于降低前期现金支出压力，扩大模型训练与推理所需的基础设施规模。但与此同时，未来的租赁承诺也会形成长期财务义务。 而对 $AVGO 来说，这笔交易释放出一个更加重要的信号：AI定制加速器XPU正在从芯片供应，进一步走向大规模、长期融资支持的商业部署。 过去两年，投资者习惯把AI算力需求与 $NVDA 联系在一起，因为英伟达拥有强大的GPU生态系统、CUDA软件平台以及完整的机架级解决方案。 但Anthropic相关算力部署选择采用博通技术，说明大型AI客户正在积极发展另一条路线：针对特定模型和工作负载设计定制AI加速器，并配合高速网络系统进行大规模部署。 这并不意味着 $AVGO 会取代 $NVDA。两者的竞争优势并不完全相同。 $NVDA 的优势在于通用计算能力、成熟的软件生态和快速部署能力，而 $AVGO 的机会在于帮助大型客户设计更贴近特定需求的芯片，并提供支撑这些芯片集群运行的网络技术。 当AI计算规模达到数百亿美元级别时，即使每单位计算成本只降低一小部分，也可能产生巨大的经济价值。这正是定制芯片路线值得关注的核心原因。 不过，这630亿美元不能简单理解成博通已经确认获得630亿美元芯片收入。 根据目前披露的交易结构，这是一项支持AI算力部署的整体融资安排，涉及XPU加速器、网络解决方案以及租赁结构。实际属于博通的收入金额、确认时间和利润贡献，还需要等待进一步披露。 真正让我感兴趣的是，华尔街大型金融机构正在把AI算力设备视为可以通过长期合同进行融资的基础设施资产。 这可能是AI投资进入下一阶段的重要标志。 过去，AI基础设施扩张主要依赖大型科技公司的资产负债表；未来，银行、私募资本和专门的融资载体可能承担越来越多的资金供给角色。 但风险也会随之转移。AI芯片更新速度很快，设备残值、客户信用、合同期限以及算力价格变化，都将影响融资交易的最终回报。金融资本能够加快建设，却不能消除技术迭代和需求波动的风险。 对投资者而言，接下来值得关注的，不只是 $AVGO 能拿到多少AI芯片订单，而是这些订单能否转化为持续增长的收入、稳定的利润率和真实现金流。 630亿美元的交易告诉我们，AI竞争已经不只是科技公司之间的竞争，也正在成为芯片设计、网络技术、金融资本与长期算力合同之间的协同竞争。 如果这种融资模式能够成功复制，AI基础设施的扩张速度可能进一步提高，定制加速器的商业机会也可能随之扩大。 问题来了：当AI算力融资开始达到630亿美元级别，你认为未来三年更值得关注的是 $NVDA 的通用GPU生态，还是 $AVGO 的定制XPU与网络技术？

亚马逊CEO透露惊人事实： $AMZN 的AWS算力已经卖到2028年！真正限制AI增长的，可能根本不是芯片，而是电力！ 当整个华尔街还在争论AI投资是否存在泡沫时，亚马逊CEO Andy Jassy透露了一个值得所有AI投资者认真思考的信号：AWS的大规模云计算产能基本已经售罄至2027年，2028年也已有相当大一部分被客户提前预订。 这意味着什么？AI算力正在从一种可以随时购买的技术资源，变成需要提前数年锁定的战略资产。 更值得注意的是，亚马逊2026年计划投入约2200亿美元资本开支，但Jassy认为，即使投入更多资金，也未必是不合理的资本配置。因为真正的问题不是缺少客户，而是建设速度赶不上需求增长。 德意志银行在10月20日的财报前瞻中，将AWS第三季度收入增速预期由40%上调至41%，预计第四季度进一步达到44%。同时，德银将亚马逊2027年资本开支预测提高至3300亿美元，明显高于约2900亿美元的市场一致预期，并维持325美元目标价。 如果这些预测最终兑现，AWS可能正在进入一个需求强劲、收入加速，但资本投入也急剧扩张的新阶段。 不过，真正值得关注的不是3300亿美元，而是为什么花了这么多钱，算力仍然不够。 据Business Insider报道，AWS部分 $NVDA GB300机架已经运抵仓库，却因为数据中心电力供应不足而无法投入运行。报道所引述的内部文件显示，亚马逊8月预计接收约50亿美元的GB300机架，此后每月还可能持续接收约30亿美元。 这揭示了AI基础设施投资中一个非常重要的变化：买得到GPU，不代表能够立即把GPU转化为收入。 一套AI算力系统真正投入商业运营，需要芯片、服务器、网络、电力、冷却系统以及数据中心工程同时完成。任何一个环节落后，都可能让价值数十亿美元的设备暂时无法产生收入。 因此，我认为未来AI产业链最值得关注的机会，正在从单纯的GPU供应，逐渐延伸到整个算力交付系统。 $NVDA 仍然处于核心位置，因为GPU及其配套系统是AI计算的基础。 $AVGO、 $ANET、 $ALAB 等公司受益于高速网络与互连需求。 $VRT 处于数据中心供电与液冷基础设施的重要环节。 $VST、 $CEG 则值得从电力供应与长期能源需求的角度持续关注。 而对 $AMZN 来说，这是一场规模庞大、回报周期也可能很长的投资。提前锁定的客户需求提高了未来收入的可见性，但高额资本开支、折旧以及设备投产延迟，也会对自由现金流构成压力。 尤其值得注意的是，客户预订的算力并不等于当期确认的收入。只有基础设施真正交付、客户开始使用，AWS才能逐步实现这些需求对应的经济价值。 所以，10月29日亚马逊第三季度财报，我最关注的并不是单纯的营收或EPS，而是AWS增长是否继续加速、资本开支是否进一步提高，以及管理层如何解释算力交付与电力瓶颈。 AI行业正在出现一个非常有意思的矛盾：需求可能已经被提前锁定多年，但供应商仍然需要投入巨额资金，才能把这些订单变成真正的现金流。 未来几年，谁能够更快地把GPU、电力、网络和冷却系统整合成可运行的算力，谁就更有机会获得AI基础设施建设中的超额收益。 你认为下一轮AI投资最大的机会，会继续集中在 $NVDA，还是逐渐转向 $VRT、 $VST、 $CEG 这样的电力与基础设施公司？

FICO $FICO 宣布明年不涨价，却因此被富国银行下调评级 上周五美股收盘后，FICO $FICO 宣布，对参加其“优先计划”的按揭贷款机构，明年继续把按揭评分的批发价维持在 10 美元，并且这 10 美元同时包含传统 FICO 评分和更新的 FICO 10T 评分。消息公布后股价盘后下跌约 8% 至 750 美元附近，据《华尔街日报》统计，截至当天收盘，股价今年以来已经下跌约 50%。周一，富国银行分析师 Jason Haas 把评级从增持下调到持平，目标价从 800 美元降到 735 美元；UBS 把目标价从 1100 美元降到 942 美元，维持中性；BMO 把目标价调整到 897 美元，维持跑赢大盘，但把 2027 财年 EPS 预测下调到 44.87 美元。一家公司选择不涨价，分析师却集体下调预期，这背后讲的是一个关于定价权的问题。 先理解 FICO 过去赚的是什么钱。几十年来，房利美和房地美这两家政府支持企业（GSE）收购的按揭贷款都要求使用 FICO 评分，按揭贷款背后的证券定价、风险模型和投资者习惯也都建立在 FICO 之上。这让 FICO 变成了一个几乎没有替代品的收费站，评分本身的成本很低，提价几乎全部变成利润。市场过去给 FICO 的高估值，很大程度上就是在给这种“每年都能涨价、而销量不掉”的能力定价。富国银行原本的假设正是如此：FICO 会在 2027 年大幅提价，而且销量相对稳定。 变化来自监管。今年 9 月，美国联邦住房金融局（FHFA）把 VantageScore 4.0 的使用资格扩大到所有获批的房利美和房地美贷款机构，贷款机构可以针对每一笔贷款选择用传统 FICO 还是 VantageScore 4.0，只要同一笔贷款的所有借款人使用同一种模型。VantageScore 是三大征信机构 Equifax $EFX、Experian 和 TransUnion $TRU 合资的评分体系，价格非常激进：TransUnion 9 月宣布，单独购买 VantageScore 4.0 按揭评分每次只要 0.99 美元，并承诺这个价格维持到 2028 年底，购买 FICO 评分的客户还可以免费获得。TransUnion 还披露，今年 1 到 9 月已有超过 1100 家按揭贷款机构采用 VantageScore 4.0，其中包括它 15 个最大按揭客户中的 9 个。需要说明，FICO 的 10 美元是通过征信转售商的批发价，和征信机构的零售报价口径并不完全相同，但量级差距是清楚的。 问题就来了：既然可以每笔贷款二选一，贷款机构会怎么做？富国银行的渠道调研发现，多数机构会同时拉取两种评分，再挑对借款人更有利的那一个提交给 GSE，用富国的话说就是“套利 GSE”。在这种情况下，FICO 仍然会被拉取，只是有一部分贷款最终不再用它。富国原本认为这对 FICO 的 EPS 反而是上行风险：拉取量不变，价格还能继续涨。而 FICO 的优先计划改变了这个算式：贷款机构承诺 100% 拉取 FICO，换取价格不涨。富国现在预计这个计划会被大量采用，FICO 保住了使用量，但放弃了提价空间，EPS 的上行也随之被封住。 这并不意味着 FICO 的护城河已经消失。BMO 指出，GSE 最新披露的数据显示 VantageScore 短期内对 FICO 的实际替代有限；按揭证券投资者的模型和历史数据大多以 FICO 为基础，切换成本不只在贷款机构一端。一个可以参考的类比是专利药面对仿制药：原研药厂通常会选择稳住价格甚至让利来保住处方量，收入不一定立刻下滑，但估值逻辑从“持续提价”变成了“守住份额”，市场给的倍数往往就会重新定价。FICO 这一次的动作，本质上就是在竞争者真正抢走份额之前，主动用价格换承诺。 估值上可以简单算一下。按周一盘前约 760 美元的价格和 BMO 44.87 美元的 2027 财年 EPS 预测计算，市盈率约为 17 倍。对一家曾长期享受高估值的公司，这个倍数已经大幅压缩，股价今年腰斩也反映了大部分担忧。多头会说，评分业务利润率极高，只要使用量保住，现金流依然稳定，17 倍左右的倍数已经计入了不涨价的情景；空头会说，一旦定价权被证明可以被监管和竞争压住，过去的估值框架就不再适用，而且 FHA 计划从 2027 年 1 月 1 日起接受以 VantageScore 4.0 为基础的抵押品，竞争还在扩大。 接下来我会盯三件事：一是优先计划的实际签约比例，签约越多，使用量越稳，但提价空间也越小；二是 GSE 后续披露中 VantageScore 4.0 的实际使用占比，这是替代速度最直接的证据；三是 FICO 下一份财报对 2027 财年评分业务收入和定价的指引，如果它开始用软件或其他评分产品弥补按揭定价的空缺，故事就会换一个方向。 真正决定 FICO 估值的，已经不是它今年能收多少钱，而是它明年还能不能涨价。当一家公司的护城河从“想涨就涨”变成“用价格换承诺”时，你认为市场给它的倍数应该向公用事业靠拢，还是仍然配得上一个垄断者的溢价？

UBS 把亚马逊 $AMZN 目标价上调到 348 美元，同时预测它明年可能没有自由现金流 周一，UBS 分析师 Stephen Ju 把亚马逊 $AMZN 的目标价从 318 美元上调到 348 美元，维持买入评级。按上周五 248 美元的收盘价计算，新目标价对应约 40% 的上涨空间。但这份报告里最值得看的不是目标价，而是两个看起来互相矛盾的判断：UBS 把亚马逊 2027 年的资本开支预测从约 2500 亿美元上调到 3000 亿美元以上，并直接说这可能让自由现金流降到零甚至为负；同时它认为 AWS 2027 年的经营利润率能达到 46%，而市场一致预期只有 38%。一边是现金流消失，一边是利润率大幅超预期，到底哪一个才是看亚马逊的正确角度？ 先理解一个简单问题：资本开支和利润是两套时钟。亚马逊今天花 1 美元买服务器和建数据中心，现金当期就流出去了，所以自由现金流立刻变差；但在利润表上，这 1 美元不会一次扣掉，而是按资产寿命分几年折旧，服务器通常是五到六年。所以在投资高峰期，自由现金流往往比利润难看得多，这并不意味着业务在恶化，只说明钱花在了前面。真正的问题是，这些设备上线以后，能带来多少收入，摊下来的折旧又会吃掉多少利润。 UBS 的利润率判断就建立在这个账上。它预计 2027 年 AWS 会新增约 800 亿美元收入，同时新增约 200 亿美元的折旧摊销。如果其他费用增长不快，这 800 亿美元收入扣掉 200 亿美元折旧之后，大部分会落到经营利润里，利润率自然被拉高。UBS 还做了一个反向测算：要让 AWS 的利润率停留在二季度约 39% 的水平，亚马逊需要额外增加约 290 亿美元的销售和管理费用，相当于 2026 年计划招聘和投入节奏的三倍。换句话说，市场 38% 的一致预期，隐含的前提是费用会和收入一起大幅膨胀，而 UBS 认为这不太现实。这就是经营杠杆：固定成本先投入，收入后放量，增量收入的利润率远高于平均利润率。 基数也支持这个逻辑。AWS 二季度收入 422 亿美元，同比增长 37%，经营利润 166 亿美元，同比增长 64%，利润率 39.4%，一年前同期是 32.9%。利润增速接近收入增速的两倍，本身就说明经营杠杆已经在起作用。 再拆一下估值。UBS 用 2027 年每股收益的 18 倍给出 348 美元，倒推它的 2027 年 EPS 预测大约在 19.3 美元左右（这是按目标价和倍数推算，不是 UBS 公布的数字）。按 248 美元的现价计算，相当于只有约 12.8 倍的 2027 年市盈率。对一家云业务增长 37% 的公司来说，这个倍数并不高，但关键不是市盈率，而是那 19 美元左右的 EPS 能否实现，而它几乎完全取决于 AWS 的利润率是 38% 还是 46%。两种假设之间的差距，就是这份报告和市场分歧的全部来源。 横向看，同一周三家云厂商都要交答卷。微软 $MSFT 周三盘后公布财报，Oppenheimer 同一天把目标价从 570 美元上调到 625 美元，预计 Azure 按固定汇率增长约 46%，但买方预期是 47%；谷歌 $GOOGL 同一天发布，其云业务二季度收入增长 82% 至 248 亿美元。亚马逊周四盘后公布，公司此前指引三季度净销售额 1970 亿到 2020 亿美元，Nasdaq 统计的一致预期 EPS 为 2.01 美元，去年同期是 1.95 美元。和对手相比，AWS 的收入增速不是最快的，但它的绝对规模和利润率是最高的，这也是 UBS 选择从利润率而不是增速切入的原因。 历史上有一个类似的时刻。2015 年 4 月亚马逊第一次单独披露 AWS 的业绩，市场原本以为云业务是一个烧钱的副业，结果发现它已经实现盈利，当天股价上涨约 14%。那一次是市场低估了 AWS 的利润能力，这一次 UBS 押注的是同一类错误再犯一次：市场盯着资本开支和自由现金流，却没有算清楚折旧和收入之间的时间差。 当然，空头的逻辑同样完整。3000 亿美元以上的资本开支意味着亚马逊要连续多年把几乎全部经营现金流投回去，如果 AI 需求在 2027 年放缓，新增产能的利用率下降，折旧照样要摊，利润率会反过来被压缩。亚马逊 2026 年的资本开支指引已在 7 月从 2000 亿美元上调到约 2200 亿美元，原因之一就是存储芯片成本上升，成本端并不完全由它控制。另外，期权市场隐含本周财报后约 6.6% 的股价波动，过去八次财报里有六次实际波动超过了隐含波动，说明市场对这些假设的分歧本身就很大。 周四的财报我会盯三件事：一是 AWS 的收入增速和经营利润率，利润率能否稳在 39% 附近甚至继续上升；二是管理层对 2027 年资本开支的表述，是否接近 UBS 的 3000 亿美元；三是折旧摊销的增速，它跑得比收入快，就是空头的信号。 市场看到的是一家现金流可能归零的公司，更深一层是一家正处在投资高峰、利润要在折旧之后才显现的公司。如果 AWS 明年真能做到 46% 的利润率，你更愿意用今天的自由现金流给亚马逊定价，还是用两年后的利润给它定价？

过去五年回购近 1500 亿美元，Meta $META 为什么现在开始卖股票 Meta $META 周一宣布了一份最高约 950 亿美元的股权融资计划：先通过承销发行约 350 亿美元，其中 225 亿美元是 A 类普通股，125 亿美元是强制可转换优先股；等明年一季度新的无投票权 C 类股开始交易后，再推出一个最高 600 亿美元的按市价发行（ATM）计划。据 StockTitan 根据年报加总，2021 年到 2025 年 Meta 一共花了 1486 亿美元回购自家股票，而这是它自 2013 年 12 月以来第一次为公司自身发行新股。一家曾经最积极回购的公司突然变成股票的卖方，这件事比“稀释了多少”更值得想清楚。 先看它为什么需要钱。Meta 10 月 21 日公布的三季报显示，单季营收 646 亿美元，同比增长 26%，经营现金流 327.9 亿美元，但资本开支（含融资租赁本金）达到 349.1 亿美元，单季自由现金流是负 21.2 亿美元。前九个月合计仍是正的 110.5 亿美元，可公司给出的 2026 年资本开支指引是 1350 亿到 1450 亿美元，减去前三季度已经花掉的约 858 亿美元，四季度还要花 492 亿到 592 亿美元，明显高于三季度一个季度带来的经营现金。与此同时，今年前九个月它一股都没有回购，股息照发，员工股票代扣税又花了 127.7 亿美元。简单理解就是，广告业务依然很赚钱，但 AI 基础设施的花钱速度已经超过了赚钱速度。 那为什么不继续借债？Meta 并不是借不到钱，它的信用评级是 Aa3 和 AA-，今年 5 月刚发了约 249 亿美元债券。问题在资产负债表：截至 9 月 30 日，现金和有价证券 824.5 亿美元，长期债务 809.2 亿美元，两者已经基本打平。继续加杠杆不是做不到，而是会把一家净现金公司变成净负债公司，评级和利率会开始反过来约束它。公司自己的表述是，今后用经营现金流、投资级债务、战略合作和股权资本的“平衡组合”来融资。股票在这里扮演的是一个不增加利息负担、也不压评级的资金来源，代价就是摊薄。 摊薄到底有多大，口径要说清楚。按上周五约 643 美元的收盘价和约 25.6 亿股总股本计算，整个 950 亿美元计划约相当于 1.48 亿股，对一个不参与认购的老股东来说，持股比例下降约 5.5%。换个角度，未来每股收益要多增长约 5.8%，才能抵消股本扩大的影响。但摊薄并不自动等于股价变低，因为公司同时收进了真金白银，关键是这笔钱投下去的回报率能不能高于股权成本。还有一个容易被忽略的地方：225 亿美元普通股用的是远期出售，银行现在卖出股票，Meta 可以在 2027 年 11 月 19 日前自选时间交割新股、收取现金，所以摊薄是分批落地的；可转换优先股则要到 2029 年 8 月前后才强制转成普通股。 这次方案里有两个设计细节值得多看一眼。一个是 C 类无投票权股。扎克伯格目前拥有约 13.4% 的经济权益，却掌握约 60.6% 的投票权，最大的 600 亿美元部分全部用 C 类股发行，就是为了融资而不稀释他的控制权。Meta 自己在信息披露中提示，C 类股“很可能相对 A 类股有一定折价”，这意味着融到同样多的钱，可能需要发更多股。另一个是买家。英伟达 $NVDA、AMD $AMD 和博通 $AVGO 表示有意合计认购最多 50 亿美元普通股，虽然不具约束力，但这三家都是 Meta 数据中心的供应商。供应商拿钱买客户的股票，客户再拿钱买供应商的芯片，这种资金双向流动在 2000 年前后的电信设备周期里出现过，当时朗讯、北电等设备商大量为客户提供融资，需求一旦放缓，问题同时出现在两边。今天的规模和信用质量完全不同，这并不意味着历史会重演，但资金循环占多大比例，值得持续留意。 放到同业里比较，口径会更清楚。谷歌母公司 $GOOGL 6 月宣布了 800 亿美元股权计划，后来扩大到 847.5 亿美元，伯克希尔 $BRK.B 私下认购了 100 亿美元。按 StockTitan 的计算，谷歌的计划约占其市值 1.7%，Meta 的计划约占 5.8%，相对体量大约是谷歌的三倍；而且谷歌那 400 亿美元 ATM 主要用于处理员工股权的税务安排，Meta 的 600 亿美元没有说明具体用途。同一个周末，马斯克在 X 上说 200 多家“新云”公司会被大批淘汰，CoreWeave $CRWV 周一盘前下跌约 5%，SpaceX $SPCX 则宣布拿到 400 亿美元、以 GPU 交付为结构的债务融资。资本市场正在用很直接的方式给 AI 参与者分层：信用最好的公司可以同时用股票和投资级债券，信用一般的公司越来越难拿到便宜的钱。 多头看到的是另一面。AI 已经在推高广告业务，三季度广告展示量增长 10%，单条广告均价增长 14%，公司表示 2027 年仍能保持强劲的整体营收增长。如果算力投入能持续转化为这种量价齐升，用约 5% 的股本换取一轮算力上的领先，长期看可能是划算的。空头的担忧同样具体：Meta 还没有给出 2027 年资本开支指引，据路透统计其未来承诺支出约 8250 亿美元；三季度因为 98.9 亿美元的诉讼和解费用，经营利润率降到 20%；而曾经支撑股价的回购已经停了。股价今年以来下跌约 1%，过去 12 个月下跌超过 10%，市场显然还没有决定相信哪一边。 接下来我会盯三件事：一是定价公布后优先股的股息率和转换区间，这直接反映市场要求的资金成本；二是 2027 年的资本开支指引，以及四季度自由现金流是否继续为负；三是广告展示量和均价的增速能否在 2027 年维持两位数，这是整套融资逻辑能否成立的检验标准。 真正决定这次融资是好是坏的，不是 5.5% 这个摊薄数字，而是每一美元新增资本最终能变成多少美元的利润。当一家公司认为自己的再投资机会好到值得停止回购、转而向市场要钱时，你认为这是它最强的信号，还是增长成本开始失控的第一个信号？

华尔街继续看好 $AMZN ：330美元目标价背后，真正值得关注的不是电商，而是AWS的AI利润！ Monness分析师Brian White最新维持亚马逊买入评级，目标价330美元。根据TipRanks统计，该分析师近一年评级胜率达到67.7%，平均回报率18%。这不是一次新的目标价上调，但它提醒投资者重新审视一个重要问题：市场究竟应该如何为亚马逊的AI基础设施定价？ 很多人仍然习惯把亚马逊理解成全球最大的电商平台之一，但从长期利润创造能力来看，AWS才是理解其估值的关键。电商业务提供庞大的客户基础、物流网络和现金流来源，AWS则将计算、存储、数据库以及AI服务转化为企业持续支付的技术支出。两者的商业模式和利润率截然不同。 随着企业从训练AI模型转向大规模部署推理应用，云计算的需求结构正在变化。未来企业不仅需要购买GPU算力，还需要数据存储、网络传输、数据库、安全服务以及模型运行管理。这意味着AI带来的云收入机会，可能远远超过单纯出租GPU服务器。 亚马逊另一个值得关注的优势，是其自研芯片战略。Trainium和Graviton的意义不仅在于减少对外部芯片供应商的依赖，更在于尝试优化整个云平台的单位计算成本。如果自研芯片能够提高性能价格比，同时维持客户使用体验，AWS就有机会在激烈的AI算力价格竞争中保留更多利润。 但投资者也不能忽视资本支出的另一面。建设数据中心、采购芯片和扩张电力基础设施，都需要提前投入大量资金。AI需求强劲不代表自由现金流一定同步增长。真正值得观察的是AWS收入增速、营业利润率、资本支出效率，以及新增算力投入需要多长时间才能产生回报。 因此，330美元目标价是否合理，不能只看分析师的历史胜率，更要看AWS未来几个季度能否证明AI投资正在转化为可持续的收入和利润。对于长期投资者而言，最有价值的信号不是目标价本身，而是盈利预测能否持续上修。 如果AWS能够同时实现收入加速、利润率稳定和资本回报改善，亚马逊的估值逻辑就有机会从传统电商与云服务组合，进一步转向AI基础设施平台。 你认为未来推动 $AMZN 股价突破330美元的最大力量，会是AWS的AI增长，还是自研芯片带来的利润率提升？

恐慌背后的机会 Opportunity Behind the Fear 最近新闻头条铺天盖地，如果你觉得金融世界末日即将到来，这也可以理解。它们的设计用途就是如此：激发你的情绪，让你继续阅读，从而让新闻通过广告赚取的数百万美元显得合理……而这些广告收入的受益者正是新闻发布团队。 当然，华尔街喜欢这种情况，因为他们知道，不确定、情绪化和恐惧的投资者往往会进行更多交易，这反过来又会为他们带来数十亿美元的费用……这两件事都与你赚钱无关。 轮动理论暗示市场是一场零和博弈。其逻辑是，如果资金从科技股流出，那么它必然会流入价值股、股息、债券或其他领域——这是专家、夸夸其谈者和装腔作势者们给出的答案。 游戏规则不是这样的。随着价格的涨跌，市场不断创造新的利润。这就是为什么——长期投资的收益往往会超过短期交易的结果。 世界上最成功的投资者并没有像你想象的那样承担方向性风险，因为他们：a）专注于优质股票；b）在长期投资过程中控制风险；c）即使必须采取防御策略，也要不断采取进攻策略。团队鼓励大家也做到这三件事。 接下来是什么？ thewealthclub.vip/market-out…

全球第一只差约140亿美元： $AAPL 和 $NVDA 正在进行一场5万亿美元级别的战争 全球市值第一和第二，现在已经不是遥遥领先，而是进入了一个正常交易日的波动就可能换王的阶段。 周五收盘， $NVDA 市值约5.094万亿美元， $AAPL 约5.080万亿美元，两家公司之间只差约140亿美元。对于两家超过5万亿美元的公司来说，这个差距几乎可以忽略不计。真正值得研究的不是下周谁排第一，而是为什么市场现在愿意同时给这两种完全不同的商业模式超过5万亿美元的估值。 因为 $NVDA 和 $AAPL 其实代表了两种完全不同的投资逻辑。 $NVDA 代表的是增长的确定性。AI数据中心、GPU、Blackwell、Rubin、推理、主权AI、机器人和自动驾驶都在推动计算需求增长。只要全球AI资本开支继续扩大， $NVDA 的收入和利润就可能继续高速增长。但这个估值体系有一个前提：市场必须持续相信AI投资的回报足够高，而且巨额CAPEX能够最终转化成真正的收入和现金流。 $AAPL 代表的则是现金流的确定性。iPhone、Services、App Store、订阅业务、庞大的设备生态、高利润率和持续回购，让苹果即使没有像AI基础设施公司一样每年建设巨额GPU集群，也可以产生极其稳定的自由现金流。 所以最近 $AAPL 重新追上 $NVDA，我不会简单理解成资金正在逃离AI。真正发生的事情可能是，市场开始重新给确定性定价。 过去两年投资者最喜欢问的是：你准备建设多少AI算力？GPU够不够？数据中心什么时候上线？CAPEX还能增加多少？ 接下来市场可能越来越多地问另一个问题：这些几千亿美元的AI基础设施建完以后，到底能够产生多少收入和利润？ 这意味着AI的估值逻辑可能正在从建设阶段进入ROI验证阶段。 如果AI资本开支继续超预期，Blackwell和Rubin需求保持强劲，推理需求快速增长，那么 $NVDA 的盈利弹性依然可能远高于大部分Mega Cap公司。但如果AI CAPEX开始受到质疑、利率维持高位或者市场风险偏好下降，那么 $AAPL 的现金流、回购和消费生态就可能重新获得更高溢价。 因此我更愿意把这场全球第一之争当成一个市场温度计。 如果未来 $NVDA 再次明显拉开与 $AAPL 的市值差距，可能说明市场重新愿意为AI增长、高CAPEX和高预期支付更高估值。如果 $AAPL 持续超过 $NVDA，则可能意味着资金越来越重视现金流、回购和盈利确定性。 这两家公司争夺的不只是全球市值第一。 某种程度上，它们正在代表两种资产进行一场5万亿美元级别的投票：增长的确定性，还是现金流的确定性。 现在 $NVDA 约5.094万亿美元， $AAPL 约5.080万亿美元，差距只有约140亿美元。 一个代表AI革命，一个代表全球最强消费科技生态和现金流机器。 如果只能持有到2030年，你会选择 $AAPL，还是 $NVDA？

下一个电动车级别的大行情，可能就藏在人形机器人产业链里 如果人形机器人真的从几万台进入百万台、千万台量产时代，最大的投资机会可能不只是找到谁会成为机器人时代的Tesla，而是找到一个更重要的问题：不管最后谁赢，每生产一台机器人，都必须向谁买东西？ 瑞银梳理的人形机器人产业链很值得保存，因为它让我们看到，机器人正在越来越像十年前的电动车。电动车行情最开始所有人都盯着整车厂，后来真正的大机会却扩散到电池、功率半导体、传感器、电机、连接器、自动驾驶芯片和制造设备。人形机器人很可能重复同样的路径。 最上游首先是灵巧手和传感器，代表公司包括 $VPG。机器人真正困难的地方不只是让它走路，而是让它能够像人一样控制力度、判断接触和完成精细操作。拿鸡蛋、插电线、拧螺丝、折衣服需要完全不同的力度控制，所以未来灵巧手自由度越高，每台机器人需要的力矩、压力和触觉传感器可能越多。 再往下非常值得关注的关节执行器。这里涉及 $ADI、 $MCHP 和 $TXN 等公司。如果AI芯片是机器人的大脑，那么执行器就是肌肉。肩膀、手肘、手腕、髋关节、膝盖、脚踝甚至每根手指，都需要电机、控制器、编码器、减速器和功率管理共同工作。 这一层最大的投资逻辑不是单价，而是数量乘数。一台人形机器人需要几十个甚至更多执行器。如果未来行业产量从1万台增长到10万台，再增长到100万台，上游执行器和控制芯片的需求可能同步成倍放大。整机厂最后谁胜出仍有很大不确定性，但只要整个行业的机器人数量增长，关键零部件供应商就可能持续获得订单。 整机和机器人自动化平台则包括 $TSLA、 $XPEV，以及拥有机器人自动化敞口的 $TER。其中 $TSLA 最特殊的地方，不只是Optimus本身，而是Tesla已经拥有AI训练、视觉系统、电池、电机、芯片设计、制造工厂以及可以直接部署机器人的真实工业环境。它不是从零开始造机器人，而是在把过去十多年汽车和AI积累的能力重新组合。 视觉感知则是机器人的眼睛，对应 $SONY、 $ON、 $CGNX、 $AMBA 和 $OUST。未来机器人不只是要看见人、墙、桌子或者叉车，而是必须完成从看见、理解、判断到行动的全过程。随着Vision-Language-Action模型发展，摄像头、图像传感器、机器视觉、边缘AI和LiDAR都有机会成为机器人感知系统的重要组成部分。 最后是计算大脑，包括 $NVDA、 $AMD、 $QCOM、 $INTC、 $MU 和 $SITM。机器人本质上就是一台能够在现实世界移动和执行任务的AI计算机，它需要实时处理视觉、声音、空间、平衡、路径规划和动作控制。机器人越聪明，计算和Memory含量就越高。 这也是为什么我认为机器人行情不能只盯着 $TSLA。假设未来全球一年生产1000万台人形机器人，背后代表的不只是1000万台整机，而可能是数亿个执行器和传感器、大量摄像头、MCU、模拟芯片、Memory以及1000万个AI计算平台。 真正值得寻找的，可能不是最性感的公司，而是那些不管最后哪一家机器人公司胜出，都必须向它采购的公司。 市场一直在问：谁会成为机器人时代的Tesla？ 但投资者还应该问另一个问题：谁会成为机器人时代的 $NVDA、Broadcom和TSMC？ 把这条产业链保存下来。以后每出现一次机器人量产、供应链定点或者订单消息，就回来对照一次。因为下一个电动车级别的大产业周期，可能已经藏在这张供应链里面。 $VPG $ADI $MCHP $TXN $TSLA $XPEV $TER $SONY $ON $CGNX $AMBA $OUST $NVDA $AMD $QCOM $INTC $MU $SITM 如果只能选一条线，你会押整机，还是押那些不管谁赢都必须买的零部件？

全球第一只差约140亿美元： $AAPL 和 $NVDA 正在进行一场5万亿美元级别的战争 全球市值第一和第二，现在已经不是遥遥领先，而是进入了一个正常交易日的波动就可能换王的阶段。 周五收盘， $NVDA 市值约5.094万亿美元， $AAPL 约5.080万亿美元，两家公司之间只差约140亿美元。对于两家超过5万亿美元的公司来说，这个差距几乎可以忽略不计。真正值得研究的不是下周谁排第一，而是为什么市场现在愿意同时给这两种完全不同的商业模式超过5万亿美元的估值。 因为 $NVDA 和 $AAPL 其实代表了两种完全不同的投资逻辑。 $NVDA 代表的是增长的确定性。AI数据中心、GPU、Blackwell、Rubin、推理、主权AI、机器人和自动驾驶都在推动计算需求增长。只要全球AI资本开支继续扩大， $NVDA 的收入和利润就可能继续高速增长。但这个估值体系有一个前提：市场必须持续相信AI投资的回报足够高，而且巨额CAPEX能够最终转化成真正的收入和现金流。 $AAPL 代表的则是现金流的确定性。iPhone、Services、App Store、订阅业务、庞大的设备生态、高利润率和持续回购，让苹果即使没有像AI基础设施公司一样每年建设巨额GPU集群，也可以产生极其稳定的自由现金流。 所以最近 $AAPL 重新追上 $NVDA，我不会简单理解成资金正在逃离AI。真正发生的事情可能是，市场开始重新给确定性定价。 过去两年投资者最喜欢问的是：你准备建设多少AI算力？GPU够不够？数据中心什么时候上线？CAPEX还能增加多少？ 接下来市场可能越来越多地问另一个问题：这些几千亿美元的AI基础设施建完以后，到底能够产生多少收入和利润？ 这意味着AI的估值逻辑可能正在从建设阶段进入ROI验证阶段。 如果AI资本开支继续超预期，Blackwell和Rubin需求保持强劲，推理需求快速增长，那么 $NVDA 的盈利弹性依然可能远高于大部分Mega Cap公司。但如果AI CAPEX开始受到质疑、利率维持高位或者市场风险偏好下降，那么 $AAPL 的现金流、回购和消费生态就可能重新获得更高溢价。 因此我更愿意把这场全球第一之争当成一个市场温度计。 如果未来 $NVDA 再次明显拉开与 $AAPL 的市值差距，可能说明市场重新愿意为AI增长、高CAPEX和高预期支付更高估值。如果 $AAPL 持续超过 $NVDA，则可能意味着资金越来越重视现金流、回购和盈利确定性。 这两家公司争夺的不只是全球市值第一。 某种程度上，它们正在代表两种资产进行一场5万亿美元级别的投票：增长的确定性，还是现金流的确定性。 现在 $NVDA 约5.094万亿美元， $AAPL 约5.080万亿美元，差距只有约140亿美元。 一个代表AI革命，一个代表全球最强消费科技生态和现金流机器。 如果只能持有到2030年，你会选择 $AAPL，还是 $NVDA？

$TSLA 要到500至550美元，这笔世纪合并才可能真正过关？ Tesla和SpaceX的潜在合并，现在出现了一个非常值得关注的数字：500至550美元。 Dan Ives认为Tesla与SpaceX最终合并的可能性达到80%至90%，甚至把这件事形容为时间问题，而不是会不会发生的问题。但真正值得研究的不是80%还是90%，而是他认为如果真的提出合并方案，Tesla股东可能需要看到每股500至550美元左右的交易价值，才更有可能支持交易。 这与普通的分析师目标价完全不同。 500至550美元更应该理解成一种潜在合并估值锚，而不是预测 $TSLA 一定会涨到这个位置。Ives的逻辑是，如果Tesla股东要把自己的股份放进一个更大的Musk科技体系，交易必须提供足够有吸引力的溢价。CBS报道中，他明确表示，为了让合并获得股东批准，Tesla可能需要更高的交易价格，并给出了500至550美元的区间。 真正值得注意的是，这场讨论出现的时间点。 Tesla已经越来越不像一家传统汽车公司。Robotaxi、Optimus、FSD、AI训练、能源储存和芯片设计正在逐渐改变它的估值逻辑。SpaceX同样早已不只是火箭公司，Starlink、卫星通信、AI算力以及其他AI基础设施正在扩大它的边界。 如果两家公司最终真的结合，市场需要估值的就不再是汽车加火箭，而可能是一套由Physical AI、Robotics、Compute、Energy、Connectivity和Space Infrastructure组成的超级科技平台。 这也是潜在协同真正值得研究的地方。Tesla拥有大量现实世界数据、汽车和未来Optimus的Physical AI入口；SpaceX则拥有Starlink网络、太空基础设施以及不断扩大的AI和计算能力。双方还可以在芯片、软件、机器人、连接和制造基础设施上形成更深的协同。华尔街日报报道也指出，支持者认为两家公司在软件、芯片设计、机器人和连接方面存在明显合作空间。 但这笔交易最大的障碍并不是故事讲得够不够漂亮，而是治理和股东批准。 Musk已经强调交易并非确定事件，而且因为同时领导两家公司，他存在明显利益冲突，不能直接参与谈判。潜在交易还需要Tesla股东提供非常高水平的支持。两家公司成立独立董事特别委员会探索方案，本身也说明这不会是一笔简单的内部资产重组。 因此500至550美元这个数字真正重要的地方，是它可能告诉我们：要让Tesla股东愿意接受这样一笔复杂的关联交易，必须给予足够大的经济利益。 如果潜在交易价格太低，Tesla股东可能认为自己的资产被低估；如果交易溢价足够高，支持率自然可能提高。但反过来，如果市场提前把所谓的合并溢价全部计入 $TSLA，而交易最后没有发生，那么这部分估值也可能迅速消失。 所以我不会因为有人提出500至550美元就把它理解成Tesla的新目标价。 我更愿意把它看成市场第一次开始尝试给Musk整个科技生态定价。 真正的问题已经从Tesla值多少钱、SpaceX值多少钱，逐渐变成：如果Robotaxi、Optimus、AI、Starlink、Starship、Energy、Chips和全球连接网络最终被放进同一个体系，这个体系到底应该值多少钱？ 这可能才是未来几年最值得跟踪的估值实验之一。 $TSLA $SPCX 如果真的给Tesla股东500至550美元左右的交易价值，你认为这笔合并足够有吸引力吗？