咱们这个反直觉美股系列，前几期刚聊完AI硬件的物理天花板、三星的利好出尽，市场立马又给我们上了一堂新课。这次不讲芯片，讲一个更原始、更暴力的变量——油价。 昨晚的盘面，把精神分裂演绎到了极致。布伦特原油直接怼了+6.62%，WTI也炸了+5.71%，按理说这是避险模式开启的信号吧？结果你猜怎么着——传统避险资产黄金反而跌了-1.46%，白银更惨，暴跌-3.9%。 大盘更是分裂到离谱：道琼斯指数被砸下去576点（-1.09%），但隔壁纳斯达克居然顽强收涨+0.20%。这到底是在避险，还是在挑着避险？今天咱们不聊地缘八卦，就扒一扒油价暴涨背后的资金传导链，顺便告诉你在这种分化式避险里，到底该把手放在哪里才安全。 一、看懂：能源独涨，巨头独跌 先把昨晚的板块热力图摊开，结果极其割裂： 能源板块一枝独秀，跟着油价一飞冲天。这逻辑最直白，油价涨，产油卖油的当然先吃红利。 大市值科技股（Mag7）却被集体摁在地上摩擦。苹果、微软、亚马逊这些巨无霸，成了拖累道指的最大元凶。 为什么会这样？因为市场瞬间把油价暴涨翻译成了三句潜台词： 能源成本飙升→企业利润受压。 油价推高通胀→美联储更难降息，甚至可能被迫维持高利率。 高利率维持→现金流折现在远端的科技成长股，估值率先被杀。 道指里虽然也有能源股（如雪佛龙），但它的权重远不及被利率预期拖垮的工业、金融和消费巨头。而纳指之所以能勉强收红，是因为部分资金从传统蓝筹回流到了那些够轻、够灵活、能在高利率下用AI降本增效的科技龙头。市场不是不害怕，而是在害怕中精挑细选——只杀利率敏感型，不杀逻辑硬核型。 二、核心反直觉：为什么地缘一出，黄金白银反而跌了？ 这应该是昨天盘面最让人摸不着头脑的地方。地缘冲突，油价飙升，难道不正是黄金表演的时刻吗？这次怎么就反着来了？ 记住咱们这个系列反复念叨过的一把钥匙：实际利率。这次油价跳涨，直接点燃了市场对通胀卷土重

昨天，路透社报道称DeepSeek正在自研芯片，用于AI推理环节。 今天，据The Information援引三位知情人士报道，智谱近期向部分中国芯片设计公司进行了初步询问，以探讨开发一款针对其模型优化的定制AI处理器的可能性，原因是需求增长和美国出口管制。 这两个报道让我联想到美国科技巨头也在自研芯片的事，如上个月，OpenAI发布了与博通联合开发的首款定制芯片。亚马逊正洽谈向其他公司的数据中心出售定制芯片。Alphabet Inc.自有芯片张量处理单元(TPU)也已获得显著需求。 这些AI公司，悉数自研芯片，对半导体行业会产生怎样的影响？ 我把这个问题抛给了claude，回答的很好，供大家参考： 问题： $谷歌(GOOG)$ 自研芯片， $微软(MSFT)$ 、 $Meta Platforms, Inc.(META)$ 也自研，现在有消息称deepseek和智普也打算自研芯片，AI芯片这么好设计吗？对半导体产业链的公司有什么影响？ claude回答：这问题问到点子上了。先纠正一个最容易误解的前提：这些公司做的不是"造芯片"，而是"设计芯片"，而且大多是为自己的活儿定制的专用芯片(ASIC)——这跟英伟达那种通用GPU完全是两码事。 搞清楚这个区别，后面全通了。 一、AI芯片"好不好设计"？要分两层看 结论：设计一颗"够自己用"的推理芯片，今天确实门槛大降了；但要做一颗能跟 $英伟达(NVDA)$ 抢市场的通用训练卡，依然极难。 为什么"自研"变得没那么可怕

近两年光模块、半导体、算力始终占据A股市场“C位”，光模块、光纤、PCB、AI 芯片、存储芯片、工业气体、玻璃基板、MLCC、先进封装等细分领域均有出彩表现。在情绪偏“高潮”的位置，鄙人未免影响投资者判断，现和大家聊聊AI工业软件以及高位股中期看法。 《“人工智能+制造”专项行动实施意见》提出到 2027 年推动3－5个通用大模型在制造业深度应用，推出 1000 个高水平工业智能体，打造 100 个工业领域高质量数据集，推广500个典型应用场景，培育 2－3 家具有全球影响力的生态主导型企业和一批专精特新中小企业。现我国累计建成3.5万家基础级、8200余家先进级、500余家卓越级智能工厂。 Mordor Intelligence 研报显示2025年全球工业AI软件市场规模估计有1559.3亿美元。Mordor Intelligence预测2025-2030年全球工业AI软件市场复合年增长率为35.97%，2030年规模将达7246.8亿美元。其中AI Agent 市场规模将从2024年51亿美元增至 2030年471 亿美元，期间年化复合增速约44.8%。IDC则预测2024-2028年中国AI+工业软件细分市场年化复合增速达41.4%，渗透率将从2025年的9%提升至22%。未来工业AI 将深度融入流程工业基础设施，聚焦多 Agent 协同与领域大模型的融合应用，推动决策模式从“辅助支持”向“自主运行”演进。相比于AI板块一些跟风炒作公司，近期市场备受关注的中控技术等AI软件公司确实有更为光明的未来。 中国流程工业产值约为60万亿元（约占工业总产值的 43%），但其能耗占比却超过三分之二。据测算，能效提升 1 个百分点可创造 6000亿元经济效益。而中控技术则能通过“物理AI”的方式助力各类工业企业降本增效。 中控技术现已部署了 10 万余套控制系统、1 亿个 I/O

美股看着还挺强，但盘面已经开始有点不对劲了。 昨晚，道指大涨近900点，再创历史收盘新高；标普500指数继续维持高位；可另一边，纳指却小幅收跌，费城半导体指数跌超2%，博通暴跌12%，美光跌超7%，AMD、ARM、高通集体走弱。 如果只看指数，你会觉得市场没什么问题。 但如果把盘面拆开来看，就会发现资金已经开始悄悄换地方了。 金融、医疗、零售这些过去两个月一直跑输市场的“老登股”突然集体爆发，高盛涨近5%，摩根大通涨超3%，联合健康涨超5%；而此前最火的AI和芯片板块，却明显开始出现分化。 这说明什么？ 说明资金并没有离开美股。 但已经开始从高估值、高弹性的AI交易里往外挪一部分仓位。 而今晚即将公布的美国5月非农就业数据，很可能决定这种轮动究竟只是短期休息，还是新阶段的开始。 先看昨晚引发市场震荡的导火索。 很多人把芯片股大跌归结为博通财报不及预期。 但如果只是单纯财报问题，市场反应其实不应该这么大。 真正让市场敏感的地方在于，博通虽然业绩依然增长，但给出的AI业务展望并没有进一步上调。 换句话说，市场期待的是100分，结果公司交出了90分。 放在正常年份，这依然是一份非常不错的成绩单。 但放在如今的AI行情里，90分已经不够了。 过去几个月，整个AI产业链经历了一轮近乎疯狂的上涨。 英伟达不断刷新纪录，迈威尔暴涨超30%，美光市值突破万亿美元，AI数据中心、电力、服务器、光模块几乎全线起飞。 市场交易的已经不仅仅是业绩增长，而是未来几年持续超预期增长。 于是问题就出现了： 当估值已经提前把未来很多年的增长都算进去之后，企业还能继续给出更高预期吗？ 博通给出的答案是暂时没有。 于是市场立刻开始重新审视整个AI产业链。 这也是为什么桥水基金创始人达利欧近期再次提到AI泡沫问题。 他的观点其实不新鲜。 每一次重大技术革命都会出现泡沫。 铁路如此、互联网如此、房地产如此，AI也

近期，一家全球领先的光学制造企业与绚星智慧科技（ $云学堂(YXT)$ ）合作，对新员工培养与岗位能力建设体系进行数字化和智能化升级。项目上线后，该企业整体管理人效提升68%，首年流失率下降至8.9%，岗位胜任率达到95%。 这组数据说明，企业学习系统的价值正在从课程管理和培训记录，进一步延伸到岗位能力建设、组织知识沉淀和业务执行效率提升。对绚星而言，这一项目也是公司智能生产力战略在大型制造企业中的具体应用案例。 该光学制造企业每年需要吸纳超过1200名高校应届毕业生，作为未来技术和管理人才储备。随着新员工进入不同基地、产线和岗位，传统培养模式逐渐面临培养标准不统一、导师带教差异较大、过程难以统一追踪、优秀经验难以复制等问题。 这些问题表面上是新人培养问题，本质上是大型制造企业在规模化运营中常见的组织能力问题。对于多基地、多岗位、多层级协同的制造集团而言，岗位知识、工艺经验、管理方法和导师经验能否被系统沉淀、快速复制，并转化为稳定的岗位胜任能力，直接影响企业的组织效率。 从分散培养到统一运营 在该项目中，绚星帮助企业将原本分散在11家子公司和多个制造基地的人才培养流程进行统一管理，覆盖文化融入、岗位培养路径、轮岗机制、技能认证要求和导师带教经验等关键环节。 过去依赖各基地独立执行的培养体系，被转化为统一的数字化运营体系。总部管理者可以实时查看不同区域的培养进度、能力达成情况和关键节点完成情况，推动跨区域新人培养从分散执行走向统一运营。 这意味着，系统记录的不再只是员工是否完成课程，而是进一步覆盖岗位任务、实践反馈、能力达成和成长路径。企业获得的也不只是学习记录，而是围绕岗位能力和业务实践形成的组织知识资产。 AI实践辅导进入培养流程 在项目建设过程中，AI实践辅导能力被引入人才培养流程。学员完成任

能源行业正式迈入 Agentic AI 元年，思格新能源率先破局，推出行业首个全域 AI 智能体 SigenAgent，重构光储行业竞争逻辑，后市价值重估空间打开！ 先给大家定调：当下新能源赛道，硬件内卷已是红海，AI 智能化才是未来十年最强主线。很多光伏、储能企业还在打价格战、拼硬件参数，格局早已固化，而真正的翻倍潜力机会，藏在能源智能调度、全域 AI 生态这条细分赛道，思格新能源就是这条赛道的绝对龙头先行者。 5 月 29 日思格新能源 AI in All 全球战略发布会，不是普通新品发布，而是行业规则的重新定义。核心亮点直接拆解，全是干货，没有半句虚言：第一，产品层面，SigenAgent 颠覆传统能源管理模式，告别传统 AI 被动应答，实现用户定目标、AI 做思考、设备去执行的全自动闭环。四大智能体覆盖家庭、电站、电力交易、企业经营全场景，精准解决行业四大核心痛点，落地性拉满。 第二，技术壁垒筑牢护城河。很多企业做 AI + 能源只是简单嫁接大模型，没有底层硬件与数据支撑，完全是空中楼阁。思格新能源不一样，全球超 20 万座电站的硬件布局，全域高精度感知能力，全部数据每 10 秒极速刷新一次，叠加 DeepSeek、GPT 等大模型深度融合，打通数据获取 - 算法决策 - 设备执行完整链路。更关键的是坚守四大安全底线：用户主权、数据合规、离线安全、全程透明，解决了能源 AI 最大的信任隐患，这是同行难以复制的核心优势。 第三，抢占行业标准制高点，这是最关键的估值催化剂。长期以来新能源智能化没有统一评判标准，行业鱼龙混杂。思格新能源联合权威机构推出 EIL 能源智能化五级分级体系，参照自动驾驶分级，清晰界定各层级智能能力边界，直接成为行业通用评价框架。懂行的都知道，谁制定行业标准，谁就掌握赛道定价权，后续企业对标、生态合作都要围绕这套体系，思格新能源的行业龙头地位彻底

这次跌的，不是利润表，而是预期表。博通这份财报本身并不差：公司给出的三季度营收指引约为294亿美元，AI芯片销售指引约为160亿美元，但市场原本期待更高；更关键的是，管理层只是重申了2027财年AI收入1000亿美元目标，没有继续上修。结果财报后，博通股价一度暴跌超过14%。 一、真正刺痛市场的，不是“差”，而是“没再更好” 过去这轮AI行情，市场买的是增长；到了博通这里，市场买的已经是边际超预期。公司第二财季收入221.9亿美元，AI指引160亿美元，放在绝对值上仍然很强，但在股价过去一年多、尤其是自ChatGPT以来已经大幅拉升的背景下，任何没有继续上修的信号，都会被解读为边际降速。 这是一份“没能满足高到离谱的预期”的财报。 二、这不是单一公司回调，而是半导体板块集体去杠杆 博通一跌，芯片股立刻被一起拖下去。财报冲击后，半导体板块出现连锁反应，费城半导体指数在随后的抛售中录得自2020年3月以来最差的一天，单日跌幅达到两位数，并且两天内蒸发了超过1万亿美元市值。纳指当天也大跌4.18%。这说明市场卖的不是博通一家公司，而是AI芯片板块整体过热后的估值重估。 三、市场开始从“看营收”切换到“看边际预期” 这才是最值得重视的变化。以前，AI公司的估值逻辑是：营收继续增长，股价继续讲故事。现在，市场问的是：增长还能不能继续加速？指引还能不能继续抬高？ 博通过去几年几乎成了AI基建赛道最受益的代表之一，股价自ChatGPT发布以来涨了八倍多，今年以来仍上涨约38%；在这样的高位上，哪怕只是保持原目标不变，都会被视作失速信号。换句话说，市场已经不是在给好业绩定价，而是在给持续超预期的能力定价。 四、为什么这次会引发整个板块共振？ 因为市场本来就站得太满了。芯片和科技股此前已经连续冲高，仓位拥挤，估值过热，一旦博通给出的前瞻不够强，资金就会本能地先撤离最拥挤的筹码。当天，英伟

近日，企业智能生产力服务商绚星智慧科技（ $云学堂(YXT)$ ）宣布与中国人工智能龙头企业科大讯飞达成合作，将为其销委会营销团队提供智能人才发展平台以及AI话术训练、AI制课专家和AI实战演练等能力支持。通过此次合作，绚星正在将过去在企业学习、知识管理和员工能力建设上的积累，进一步延伸至更贴近业务结果的销售智能场景。 在销委会营销团队的销售能力建设中，科大讯飞引入绚星的智能人才发展与AI销售训练能力，体现了企业客户对场景化AI应用的需求：AI不仅需要具备生成和交互能力，也需要适配真实业务流程、岗位能力和培训体系，并满足企业级安全与部署要求。对于一家自身具备AI能力的企业而言，这类合作也说明，企业AI落地并不只是模型能力问题，更是业务场景、组织流程和能力建设问题。 此次合作中，AI销售实战演练系统是核心能力之一。与传统在线学习不同，AI可以模拟真实客户场景，与销售人员展开动态对话。例如，客户提出价格异议、需求表达不清、内部存在多角色决策，或已经倾向竞品方案，销售人员需要在接近真实业务的情境中完成需求洞察、价值表达和方案推进。 AI的作用也不只是“陪练”。系统可以对沟通逻辑、提问质量、需求挖掘深度、异议处理方式和推进节奏进行分析，并生成结构化反馈。相比传统依赖主管一对一陪练的方式，这类系统有机会让销售训练从少数管理者经验驱动，转向更标准化、可复盘、可规模化的训练模式。 除销售对练外，科大讯飞此次还引入绚星AI制课专家能力。对大型企业来说，一线销售经验、行业知识和客户沟通方法往往分散在不同团队和个人经验中，沉淀周期长、复用难度高。绚星AI制课专家通过访谈式交互和结构化整理，可以辅助企业完成经验萃取、课程生成和内容迭代，使知识生产从传统人工整理，逐步走向AI辅助的知识运营。 这类能力的价值，不只在于提升

今晚美股市场有一个很值得关注的事件：SK海力士 ADR 即将登陆纳斯达克。 这不是一只普通半导体股票的上市，而是 AI 存储链进入美股资金视野的一次重要事件。 过去大家谈 AI，第一反应往往是 GPU、算力和芯片设计。但随着大模型训练和推理需求提升，市场越来越意识到：算力不只是“会不会算”，还包括“数据能不能高速喂进去”。 这就是 HBM 的价值。 SK海力士是 HBM 领域的重要玩家，它登陆美股后，意味着美股投资者可以更直接地交易 AI 存储逻辑。市场关注点会从“AI算力看英伟达”进一步扩展到“AI算力背后的存储瓶颈”。 但交易上不能简单理解为“上市就追”。 新股/ADR 上市初期往往波动较大，资金关注度高，定价也容易受情绪影响。真正要看的是： 第一，美股资金是否持续承接； 第二，HBM 供需逻辑是否继续强化； 第三，SK海力士与美光、三星之间的估值对比如何变化； 第四，AI芯片和存储链是否形成共振。 小猫量化云看这类事件，不会因为热点强就直接追，而是先看趋势、成交、资金轮动和仓位边界。 AI主线没结束，但交易难度越来越高。 越是热点事件，越要把风控放在前面。 #量化投资 #美股 #港股 #股票 #量化交易