10月14日，道恩股份披露2026年前三季度业绩预告，预计归母净利润达到2.84亿元至3.84亿元，同比增长117.38%至194.10%；扣非净利润预计为2.35亿元至3.35亿元，同比增长93.25%至175.60%。在当前化工与高分子材料行业竞争加剧的背景下，这样的利润增幅颇为显眼。 $道恩股份(002838)$ 更值得关注的是，公司在公告中同时提到了新领域和新产品开发、子公司业务整合，以及自2026年2月起将宁波爱思开合成橡胶有限公司纳入合并报表范围。三项因素共同构成了本轮业绩增长的背景。 并购是拉动本次利润提升的主要动力。 并购带来的高增长之外，道恩股份原有业务的真实盈利能力、单季业绩的波动幅度，以及净利润与经营现金流之间的明显背离，能为其长期增长提供多少实质支撑？ 利润增长接近翻倍，宁波爱思开改变了公司的增长结构 外延并购改写了道恩股份的结构利润。据半年报，2026年上半年，公司实现营业收入39.78亿元，同比增长38.05%；归母净利润2.37亿元，同比增长181.94%。道恩股份此前通过收购取得宁波爱思开80%股权，并从2026年2月起将其纳入合并报表。上半年，宁波爱思开实现营业收入约5.35亿元、净利润约1.10亿元，经营活动现金流量净额约7693万元。这家子公司已经成为重要利润来源。 并购在短期内做大了报表规模，道恩股份原有的业务版图也在发生分化。据半年报，2026年上半年，公司改性塑料类产品实现收入约24.04亿元，同比增长12.95%；弹性体类产品实现收入约8.91亿元，同比增长136.22%。两类业务呈现出不同的增长节奏：改性塑料仍然是收入主体，弹性体则表现出更快的扩张速度。 作为一家材料企业，并购的价值不仅在于增加收入规模，还在于补充产品能力、客户资源和产业链位置

10月13日晚间，浪潮信息（000977.SZ）披露2026年前三季度业绩预告，预计归属于上市公司股东的净利润为38亿元至41亿元，同比增长156.40%至176.64%；扣除非经常性损益后的净利润预计为33.1亿元至36.1亿元，同比增长147.88%至170.37%。公司将增长归因于AI产业快速发展、服务器市场需求旺盛以及产品附加值提升。 $浪潮信息(000977)$ 资本市场对一家AI服务器公司的判断，最终要落到收入增长、利润率、现金流和资金周转上。服务器行业供应链复杂、硬件采购金额大、客户交付要求高，订单增长需要经过采购、生产、交付和回款，才能形成完整的经营闭环。利润大幅增长是积极信号，但可持续性还需正式财报验证。 浪潮信息接下来的看点，在于AI基础设施需求能否继续支撑业务扩张，以及公司能否在规模增长的同时改善盈利质量。浪潮信心提供了一个观察窗口：算力投入如何传导至服务器厂商，产业链利润如何分配，以及增长如何从业绩预告走向稳定的经营成果。 利润增长提速，规模增长让位于盈利能力 利润增速与收入增速之间的差距值得关注。根据公司2026年半年报，上半年实现营业收入843.79亿元，同比增长5.22%；归母净利润29.52亿元，同比增长269.59%。第二季度单季营业收入489.08亿元，同比增长46.72%，归母净利润23.47亿元，同比增长598.5%。收入增长与利润增长速度不一致，说明利润率改善已经核心看点。 这一变化与AI基础设施需求演进有关。大模型训练需要高性能计算集群，推理业务扩张持续增加计算需求，云厂商和大型企业对服务器的采购也逐步涉及整机、网络、存储和散热等更复杂的系统配置。服务器厂商的竞争能力，正从硬件供给延伸至系统集成、供应保障和项目交付。。 浪潮信息的业务结构体现了这一

10月14日，金盘科技披露2026年第三季度报告。 $金盘科技(688676)$ 前三季度，公司累计实现营业收入61.04亿元，同比增长17.52%；归母净利润5.44亿元，同比增长12.02%。从累计业绩来看，金盘科技交出的是一份稳健增长的成绩单，拆解来看会有更大的信息量，数据中心业务开始显著改变公司的收入结构与订单构成。 AI算力基础设施的扩张，已经从产业链上游的芯片、服务器，延伸至供配电设备等更接近物理基础设施的环节。于是，金盘科技获得了新的成长空间。 因此，理解金盘科技这份财报，需要同时看清三件事：AI基础设施需求能为公司带来多大增量，新增订单能否维持合理的盈利水平，以及收入增长最终能否转化为现金回报。这三件事，将共同决定公司未来增长的质量。 数据中心业务加速放量，电力设备正在成为AI基础设施的重要一环 数据显示，2026年前三季度，公司数据中心业务收入23.98亿元，同比增长146.24%；第三季度单季收入达到11.33亿元，同比增长179.41%。同期，公司整体第三季度营业收入为25.49亿元，同比增长24.92%。 按公司披露的数据计算，数据中心业务已贡献当季约44.5%的营业收入，其增长速度明显快于公司整体。 订单端的变化更加突出。 前三季度，金盘科技累计新签销售订单111.18亿元，同比增长82.26%；其中数据中心领域新签订单56.78亿元，同比增长471.96%。第三季度，公司新签数据中心订单18.09亿元，同比增长1609.25%。截至9月底，数据中心相关在手订单达到55.65亿元，占全部在手订单的49.24%。 可见AI算力建设带来的需求，正在转化为电力设备企业可以承接的具体项目。 大型数据中心对供电可靠性、设备运行稳定性和交付能力都有较高要求。尤其是随着AI服务器

10月21日至22日，NVIDIA GTC大会将在柏林举行。21日，黄仁勋将现身柏林，在NVIDIA GTC发表主题演讲。根据英伟达官网信息，大会议题覆盖加速计算、Agentic AI、机器人、开放模型和Physical AI等方向。这场大会的看点在于英伟达准备如何定义下一阶段的AI基础设施需求。 $英伟达(NVDA)$ 过去几年，数据中心加速计算驱动了英伟达的业绩狂飙，Blackwell成为新一轮算力建设的重要产品，Rubin则承接下一阶段的平台升级。如今，AI产业的竞争正在向推理效率、Agent应用、网络互联、存储和系统级部署扩展，客户购买的硬件越来越多地被纳入整套计算基础设施中评估。 算力产业链的价值分配逻辑正在重塑。GPU仍然是核心，但决定算力投资回报的因素已经延伸到每个Token的成本、系统利用率、能源效率以及应用能否持续产生收入。GTC值得提前研究的原因正在于此：最重要的不在于提前猜中黄仁勋会展示哪款产品，而在于理清产品代际如何决定供给节奏，客户部署如何决定收入兑现，软件生态和系统能力则决定竞争优势又能维持多久。 Blackwell仍在兑现，Rubin开始接棒：算力需求进入系统竞争 英伟达目前最有说服力的基本面，依然来自数据中心业务。根据英伟达最新发布的2027财年第二季度财报（截至2026年7月26日），公司单季总营收达962亿美元，其中数据中心单季收入达到890亿美元，同比增长117%，占总营收比重超过92%；而在上一完整财年（2026财年）数据中心收入达到1937亿美元，同比增长68%。AI基础设施建设仍然为英伟达提供了强劲的收入支撑。 观察下一阶段的增长，不能只盯着GPU出货量。随着大型模型训练逐步扩展到规模化推理，客户对算力的要求正在发生变化：训练阶段不计成本地追求集群性能

Anthropic正在走到一个关键节点。随着Claude在企业开发、代码生成和复杂任务处理中的应用扩大，其收入增长已成为观察企业级AI需求的重要窗口。路透社2026年8月报道称，Anthropic截至7月底的年化收入运行率超过650亿美元，高于5月的470亿美元，也显著高于2025年末约90亿美元的水平。需注意，年化收入运行率是根据当前收入速度推算的指标，并非已实现的全年收入，更不代表公司已经盈利。 投资者日因此受到关注。市场期待Anthropic进一步解释收入增长来源、客户付费意愿，以及快速扩张背后的算力投入和现金消耗。对微软、亚马逊、谷歌和英伟达而言，模型公司的需求增长可以带动云服务和芯片采购，但产业链各环节收入增长并不必然转化成同等利润。 AI行业的竞争焦点正在从“模型能做到什么”，转向“客户愿意为它付多少钱，以及公司能留下多少利润”。Anthropic的案例，恰好可以用来观察AI产业链下一阶段的增长来自哪里。 企业级AI开始兑现收入，Anthropic的增长质量比模型排名更重要 Anthropic的企业业务正在快速扩张，Claude逐渐进入软件开发、代码审查、企业知识处理等工作流程。AI对企业客户的价值在于能否减少开发时间、降低人工成本、提升交付效率，这些效果决定了企业是否愿意持续增加预算。 路透社8月披露，Anthropic截至7月底的年化收入运行率超过650亿美元，5月这一数字为470亿美元，2025年末约为90亿美元。企业客户愿意为AI付费，不代表每一笔AI收入都具有同样的利润质量。代码生成等场景可以嵌入开发流程，使用频率和业务价值相对容易衡量；通用聊天、试验性应用则可能面临使用频率下降、预算收缩或产品替代。企业部署AI还涉及安全审查、权限管理、数据治理和系统集成，从试用到规模化应用并非一蹴而就。 Anthropic的企业级产品已经形成一定需求基础，Claud

10月14日，美股AI基础设施板块出现明显回撤。CoreWeave股价单日下跌约16%，Nebius和戴尔双双下跌约11%，甲骨文（Oracle）下跌约9%。路透社报道，这些公司合计蒸发约800亿美元市值。 $CoreWeave, Inc.(CRWV)$ 比起股市的剧烈回撤，真正让华尔街警觉的信号来自债券市场。CoreWeave一笔2026年6月发行、票面利率为9.625%的债券，市场收益率一度升至15%左右。在金融市场里，15%的收益率通常只出现在陷入财务困境的高风险企业身上。股票投资者在重新评估增长预期，债权人则在要求更高的风险补偿。 两类资金同时给出信号，意味着AI基础设施的融资成本和现金流质量已经成为行业定价的重要变量。 CoreWeave并非缺少业务机会的边缘公司，恰恰相反，它正处在AI算力需求风暴的中心。公司2026年第二季度收入达到25.75亿美元，收入积压约1040亿美元。与此同时，当季净亏损达到6.26亿美元，净利息支出达6.40亿美元。 当一家算力巨头单季付给债权人的利息甚至超过了主营业务的经营亏损，说明AI基础设施的竞争早已不再是单纯比拼谁能抢到更多显卡，而是演变成了一场考验资产负债表抗压能力的资本消耗战。 收入增长很快，但GPU租赁生意必须跨过折旧和利息两道门槛 CoreWeave的业务逻辑并不复杂。公司采购或融资取得GPU及配套设备，再将算力资源以云服务形式提供给AI实验室、企业和大型科技客户。在算力紧缺的周期里，这门生意的收入爆发力极强。最新财报显示，CoreWeave第二季度收入同比增长约112%，从上年同期的12.12亿美元升至25.75亿美元。 只看收入而忽视成本，无法了解一个企业经营的全貌。CoreWeave第二季度经营费用达到26.24亿美元，GAAP经营亏

10月12日，博通CEO陈福阳（Hock Tan）在新加坡出席活动时谈到，限制AI产业继续扩张的关键因素可能逐渐转向资本供给。另外陈福阳还批评了部分缺乏充分研究的AI投资行为。 $博通(AVGO)$ 到了10月13日，芯片股继续承压，市场也开始重新审视AI基础设施的扩张成本，以及相关投资能否产生足够回报。 陈福阳的相关言论之所以值得关注，就在于博通本身就是AI基础设施扩张的重要受益者。公司最新公布的2026财年第三季度业绩显示，AI半导体收入达到167亿美元，同比增长221%；公司同时预计，第四季度AI半导体收入将达到217亿美元，同比增长236%。如此增长幅度足以说明定制AI加速器和网络基础设施的需求没有因为短期股价波动而消失。 但产业正在进入一个更复杂的阶段。此前市场关心的是GPU够不够、先进封装能不能跟上、数据中心能否按期交付；如今远不止如此，除了供给能力，还要回答谁来承担持续扩张的成本，以及新增算力能否转化为稳定收入。 微软推出自研AI芯片、云厂商推进定制化方案，也说明大型客户正在重新分配芯片采购与自研投入。 对博通、迈威尔和英伟达来说，这意味着三种不同的增长模式需要接受同一场检验：定制芯片能否扩大商业规模，GPU平台能否持续保持综合竞争力，网络连接能否随着算力集群扩张获得更稳定的需求。 接下来真正需要观察的，是需求如何穿过资本预算、产品交付和客户变现，最终落到供应商的收入与利润上。 博通的增长仍在加速，但AI产业开始面对资本约束 2026财年第三季度，公司总营收约296亿美元，同比增长86%；经营现金流约142亿美元，扣除约5亿美元资本开支后，自由现金流约137亿美元，相当于营收的46%。AI半导体收入达到167亿美元，已经成为公司增长的重要推动力。 根据上述数据可以发现，AI业务已经

巨蟹智能敲定超亿元A+轮融资，为近期热度走高的机器人核心零部件赛道，又增加了一个值得掰开细看的案例。 10月10日，投中网、《科创板日报》披露，无锡巨蟹智能驱动科技有限公司完成超亿元A+轮融资。本轮由华泰紫金领投，德昌电机、九号资本、自变量机器人参与跟投，科沃斯、南创投等老股东继续跟投。本轮募集的资金，巨蟹计划用在一体化关节核心部件自研、模组协同设计，还有自动化产线搭建，目标也非常明确：提升性能、降低成本，解决批量稳定交付问题。 这份投资方名单值得细品。华泰紫金带来财务资本；德昌电机自带精密电机驱动产业积淀；九号资本、自变量机器人，拉近企业和下游机器人真实需求的距离；老股东科沃斯持续加注，也传递出原有投资方的信心。虽然拿到产业资本投资，并不等于锁定下游订单，更不能直接预判未来业绩，但财务、产业资本共同入局，足以证明市场看好关节模组从实验室研发迈向大规模落地的可能性。 巨蟹智能业务定位十分清晰：围绕谐波减速器、无框电机、编码器、驱动器等关键元器件，向一体化机器人关节模组延伸。查阅官网资料，产品线覆盖谐波减速机、执行器、关节模组、面向具身机器人的专用模组，落地场景覆盖人形机器人、工业智能制造。2026年6月，企业还公开展示多款不同规格一体化谐波关节样品。 摆在零部件企业面前一道非常现实的考题：实验室测出来的漂亮参数，如何转化成整机厂商愿意持续采购、稳定装机，同时接受成本约束的标准化产品?巨蟹智能这轮融资的观察意义，就在于它能不能把精密制造、零部件研发积累，转化成系统级产品实力，交出可验证经营成果。 这也是读懂这家公司的关键。机器人行业热度已经传导到上游供应链，资本开始筛选有实力打入整机供应链、具备制造功底、承接大批量需求的零部件厂商。对巨蟹智能而言，融资提供了加大投入的弹药；往后评判企业，客户验证进度、批量交付水平、产品良率、实际经营质量，会成为更核心的标尺。 关节集成化，零部

10月10日，机器人行业冒出一条很容易被外界忽略的软件方向，值得长期蹲守后续测试结果。美国初创公司Monolithos正在打磨名为Robot Brain的产品，目标是搭建一套机器人专属的长期记忆体系。这套系统会留存任务执行全过程：包括失败报错、人工介入修正，还有最终任务结果，再筛选出和当下任务相匹配的历史经验，喂给机器人已有的软件调度模块。 据Humanoids Daily披露，创始人Silas Yu正在四处对接机器人团队，招募合作开展实体场景实测；国内的51WORLD也在牵头相关实体机器人验证工作。只不过截至目前，对外没有放出第三方实测报告，这套记忆框架能不能实实在在拉高机器人任务完成率，依旧没有实锤。 这条消息的价值在于戳破了具身智能热潮之下一个常常被大模型性能掩盖的现实痛点：机器人跑完一次完整任务之后，到底能沉淀多少可复用的经验留给下一次调用？展厅Demo里，机器人可以流畅完成抓取、搬运、物件整理等一连串动作，但把同样一套机器扔到现实工况，稳定性往往会大打折扣。环境变动、物体摆放位置偏移、任务中途中断、人类手动接管干预，种种状况，都会让机器人反复撞上同类故障。一旦故障发生就要靠人工工程师逐一排查、补写规则、调试流程机器人，落地部署效率会被严重拖累，长期运维成本也会居高不下。 Robot Brain给出了一套尚待验证的解题思路：把历史任务沉淀成可回溯、可修订、可按条件检索调取的经验库，供给机器人原有任务规划、故障恢复模块调用。它并不会越俎代庖接管机器人感知识别、运动控制以及安全防护模块，核心使命，是打通不同任务之间的经验断层。 放到整个机器人产业来看，这背后既是机器人软件架构新一轮分工演进，同样牵扯商业利益该如何划分。基础大模型决定机器人理解问题、处理指令的上限；记忆系统则希望借助过往执行记录，削减重复踩坑带来的额外开销。Monolithos尚且处在产品验证早期，不过它

现在行业内对于AI芯片的探讨，不再是“是设计的GPU更强”，而是“睡的单位算力更便宜”。 云巨头不再满足于排队买英伟达，开始把芯片设计攥在自己手里。 微软10月12日公布第三代自研AI芯片Maia 300，并宣布从2027年开始扩大Azure Maia的部署规模，目标是让自研芯片逐步承担微软产品和服务中的主要推理任务。Maia 300机架系统搭载96颗加速器，功耗预算为167千瓦，配备27.6TB高带宽内存，预计每兆瓦可处理的Token数量较领先的GPU系统提高40%，机架级Token吞吐量最高可达上一代Maia 200的7倍，这一由官方给出的技术标准颇有分量。路透社同日报道称，这一规模可能超过100万颗芯片。 $微软(MSFT)$ 推理需求上升，微软开始把芯片效率变成云业务的竞争力 如今，计算资源的竞争指标，从单颗芯片的峰值性能，延伸到整个系统能够以多低的成本持续提供AI服务。 过去，生成式AI早期的算力投入，重点在于训练大型模型，需要高性能加速器、大规模互联和稳定的集群供给。随着AI进入办公软件、代码开发、企业搜索和智能体工作流，推理调用的频率、延迟与单次成本，开始和训练性同等重要。 微软对Maia 300的设计，正是围绕这些问题展开。它定位为以推理为先的AI平台，用Chiplet架构把计算、内存控制器和I/O拆分，关键计算芯粒交给台积电N2P制程制造。 微软强调的40%效率提升，指的是每兆瓦能够处理更多Token，参照对象是其所称的领先GPU系统，官方没有披露完整的对照测试平台与测试条件，因此不能直接将这一指标理解为Maia 300在所有任务上都比英伟达GPU快40%。不同模型、精度设置、批处理规模和软件优化方式，都可能改变实际结果。 数据中心的电力、机房和网络资源需要长期投入，如果单位电

AI算力投资热了两年，市场对“还能涨多久”的怀疑随之累积。 10月12日，英伟达和AMD股价连续第四个交易日下跌。就在同一天，AMD发布面向Agentic AI的Helion机架设计，试图通过开放的硬件与软件架构，让客户根据智能体工作负载灵活配置CPU、GPU和网络资源；英伟达则公布了与Vera Rubin平台相关的开放标准设计，并与Meta、思科、谷歌等企业推进相关生态合作。 $英伟达(NVDA)$ 新品发布、架构升级、产业协同，消息叠加本应成为AI芯片行业的催化剂，但如今，显然未能扭转市场态度。MarketWatch预计，或许与AI投资可持续性担忧、相关企业收入预期以及成长股估值压力相关。 当前的AI竞争，到底在争夺什么？ AI基础设施的竞争单位正在变大，GPU只是整套系统的起点 AI产业发展趋势，正从芯片层面延伸至机架、网络和数据中心的整体效率。 AMDHelion机架设计，核心思路是把CPU、GPU、网络和软件组织成更适合智能体运行的计算系统。AMD官方介绍称，Helion面向Agentic AI基础设施，支持客户按工作负载灵活配置计算资源，并通过开放硬件和软件降低系统部署的限制。英伟达同期向开放计算项目贡献Vera Rubin机架和计算托盘设计，也在推动下一代AI基础设施的标准化。 智能体应用在训练之外，进一步增加了推理调用、上下文管理、多模型协作和持续运行的需求，计算任务变得更加分散，系统要在延迟、吞吐量和成本之间做出更精细的平衡。 单纯比较芯片峰值算力，已经不足以完整解释客户的采购决策。数据中心运营商需要评估每单位电力能够产生多少有效计算、每个Token的实际成本、集群利用率以及设备部署和维护的复杂程度。英伟达在7月公布的Vera Rubin平台信息中，强调了整个平台的协同设计和T

三个月前，台积电交出一份营收、净利双双大超预期的二季报，股价却在盘前一度跳水 5%。业绩超预期，市场不买账。 $台积电(TSM)$ 三个月后，同样的考卷又摆上桌，公司预计于10月15日公布2026年第三季度财报。 此前，公司披露第三季度营收约1.49万亿新台币，同比增长51%，创下季度营收新高，也超过市场此前预期。随着完整财报临近，先进制程需求、先进封装产能、毛利率和资本开支将成为判断AI硬件景气度的重要线索。 台积电不生产AI芯片，却站在所有AI芯片的必经之路上。 英伟达、AMD和博通持续推进AI芯片产品迭代，云服务商不断投入算力基础设施，产业链上游的订单正转化为实际收入。但订单增长最终能带来多少利润，取决于技术壁垒、产能供给、制造成本和资本投入。也因此，这份财报，成了整条产业链的底牌。 芯片设计公司可以通过产品升级与售价调整改善盈利，晶圆代工厂则必须把客户需求转化为稳定的产能利用率和制造效率。AI需求依然强劲，并不意味着产业链所有环节都能获得相同的利润回报。 营收只回答了“卖了多少”，还没回答“赚了多少”，一片晶圆最终能沉淀下多少毛利？新产线的折旧、新制程的爬坡，又会吃掉多少利润？这才是这次财报真正的考题。 营收创新高之后，毛利率才是关键 据台积电此前公布的第二季度数据，营收为402亿美元，同比增长33.7%，毛利率达到67.7%，营业利润率为60.3%。公司当时预计第三季度营收为446亿至458亿美元，毛利率为65%至67%。据10月8日公司发布的Q3营收速报表示，第三季度实际营收约467亿美元，超过指引上限，显示AI相关需求仍然强劲。 不过，收入超预期只是第一步。其能否变成利润，制造成本是否超过预期，决定了这份增长值多少钱。 据台积电第二季度法人说明会内容表示，2纳米制程将在下半年加快爬坡

据《华尔街日报》10月11日的报道，亚马逊正洽谈以70亿美元收购AI初创公司Decart，该项目仍处于谈判阶段。对于一家成立时间不长的创业公司而言，这个价格足以引起市场关注。 $亚马逊(AMZN)$ 据Decart公司官网介绍，其业务价值在于实现模型运行效率、算力成本和应用商业化之间的连接。一方面帮助开发者在不同AI芯片之间切换，通过底层优化软件DOS提升硬件利用效率；另一方面是开发实时视频生成与世界模型产品如Lucy、Oasis，探索AI在内容创作、交互体验和物理世界模拟中的应用。 过去几年，GPU供应和先进芯片性能受到广泛关注，如今异构计算、推理效率和单位任务成本也开始进入企业的技术决策。亚马逊如果最终完成收购，可能进一步强化自研芯片、云服务与软件优化之间的协同；Decart则有机会借助云平台扩大技术应用范围。 不过，70亿美元仍是媒体披露的潜在交易金额，不能直接视为最终成交价。亚马逊为何愿意出高价收购Decart，它又是否值这个价？ AWS增长提速，算力效率开始影响云业务的竞争力 理解亚马逊的动机，需要先看AWS正在经历什么。 据天眼查，亚马逊二季度财报，AWS当季净销售额达到422亿美元，同比增长37%，创下过去18个季度以来最快增速；自研芯片业务的年化收入规模均已超过250亿美元，且保持三位数同比增长。这些数字说明，AI已经不只是云业务的未来选项，而是正在贡献收入的现实业务。 反观到资本开支方面，截至6月30日的过去12个月，公司自由现金流为负76亿美元；同期用于购置物业和设备的净支出同比增加661亿美元，公司明确将AI投资列为主要原因之一。此外，二季度财报表示，亚马逊将全年资本开支计划提高至2200亿美元。 将这些数据放在一起，会发现：客户需求增长越快，企业越需要提前建设数据中心、采

10月9日，路透社援引伦敦证券交易所集团（LSEG）的分析师预期称，标普500指数成分股公司第三季度盈利预计同比增长约31%，其中约三分之二的增量来自科技行业，以及Alphabet、亚马逊和Meta等大型科技公司。半导体行业盈利预计同比增长136%，AI基础设施仍是本轮企业盈利扩张的重要驱动力。需要强调的是，这些数字属于财报季前的市场预测，并非已经公布的实际业绩。 $亚马逊(AMZN)$ AI产业当前最重要的变化在于，AI的影响正在从芯片订单和数据中心建设，进一步传导至云计算收入、广告业务效率和大型科技公司的利润表。 过去几年，资本市场主要关注谁能提供更多算力、谁能获得更大的模型训练订单；随着基础设施投入不断扩大，投资者开始追问更具体的问题：这些投入能带来多少新增收入，利润率能否维持，现金流能否覆盖扩张所需的资金。 对产业链而言，这意味着AI投资仍然提供了清晰的增长线索，但不同环节的业绩兑现能力正在拉开差距。芯片厂商需要证明需求能够持续，云服务商需要把算力转化为可收费的服务，互联网平台则需要说明AI如何改善既有业务的收入与效率。对企业管理层和资本市场沟通团队而言，这也是一个重新梳理增长叙事的窗口：市场已经看见AI投入的规模，接下来更想看见投入产生的经营结果。 目前，AI仍是美股科技企业盈利增长的重要主线，但产业链的投资价值需要沿着收入、利润率、资本开支和现金流逐层验证。 AI正在改写美股盈利结构：少数巨头贡献了大部分增长 从最新一季财报来看，盈利增长的来源越来越集中于大型科技公司及其关联产业链。 路透社10月9日报道显示，分析师预计标普500成分股第三季度盈利同比增长约31%，其中约三分之二的增量与科技行业以及Alphabet、亚马逊、Meta等大型公司有关。半导体行业盈利预计增长136%，显示

摩根大通将于美国东部时间10月13日美股开盘前公布2026年第三季度业绩，并于当天上午8时30分举行财报电话会议。 $摩根大通(JPM)$ 摩根大通即将公布的这份财报不仅关系到美国最大型银行之一的季度表现，也将为新一轮华尔街银行财报季提供重要参照。市场关注的焦点，集中在投行业务、股票及固定收益交易收入、净利息收入、信贷成本，以及管理层对全年经营前景的最新判断。 此前几个季度，资本市场活跃度为大型银行创造了可观的收入机会。但是判断公司的经营韧性，需要把业务增长、投资收益和一次性项目分开观察。 第三季度公司也在面临着一个重要难题：交易业务能否延续增长，利息收入能否支撑稳定盈利，信贷成本会不会随着融资环境变化而抬升，以及持续投入技术、扩充业务和回报股东之间如何取得平衡。 以下分析以截至2026年10月13日已公开的公司资料及第三季度业绩发布前的信息为基础，不预设尚未核实的第三季度实际结果。 交易收入仍在高位，真正的考验是增长能否穿越周期 此前几个季度，华尔街大型银行的交易业务表现强劲，但行业正在进入一个更难的阶段：收入仍然可观，环比增长却可能放缓，市场也随之开始重新审视这类盈利的持续性。 路透社10月12日的Breakingviews分析指出，美国六大银行上一季度交易收入合计达到约510亿美元，创下高位。分析师预计，第三季度六大银行交易收入同比增长约12%，低于上一季度36%的同比增幅。以上仅为预测数据，并非第三季度已公布的实际业绩。 可见当前行业面临的是：高基数正在抬高增长难度，此前推动收入上行的市场波动、客户交易需求和融资活动，也需要新的业务量来接续。 摩根大通的优势，在于交易业务并非孤立存在。股票、债券、外汇和大宗商品交易与企业融资、机构客户服务及资产管理业务相互关联，能够为大型客户提供更完整的金

之前一段时间，股票交易、固定收益交易与企业融资活动为大型银行贡献了可观收入，但随着市场进入新一轮财报季，市场开始追问：交易业务的高增长能否延续，并购顾问收入能否跟上，以及财富管理能否为盈利提供更稳定的支撑。如今高盛即将公布的第三季度业绩，给华尔街提供了一个观察投行业务景气度的窗口。 从高盛2025年年报看，公司全年净收入达到582.83亿美元，同比增长9%；净利润为171.8亿美元，每股摊薄收益51.32美元，股东权益回报率达到15%。 $高盛(GS)$ 全球银行与市场业务的增长，以及资产与财富管理业务的扩张，构成了公司经营表现的重要支撑。同时高盛还在持续强化资本效率，降低历史本金投资的规模，提升收费型业务的贡献。 不过，投行的盈利始终与客户活动、市场流动性和融资环境密切相关。交易活跃可以迅速转化为收入，并购项目从谈判到交割却需要时间，资产管理业务则更依赖客户资产规模、长期资金流入和持续收费。三类业务的增长节奏并不一致，决定了高盛的业绩不能只看单季利润，还要看收入结构、经营韧性和资本回报能否同步改善。 对市场来说，即将公布的这份财报的价值在于判断高盛的盈利增长有多少来自市场环境，有多少来自业务能力的积累；对企业管理者与资本市场参与者而言，高盛的表现也折射出全球融资、并购和财富管理需求的变化。 交易业务仍然强势，但华尔街的高增长开始面对持续性考验 高盛第三季度财报的第一个观察点，是全球银行与市场业务能否延续上半年的增长势头。 根据公司2026年第二季度财报，高盛当季净收入为203.38亿美元，净利润为66.28亿美元，每股摊薄收益20.98美元，年化普通股股东权益回报率达到23.5%。上半年净收入累计375.65亿美元，净利润累计122.58亿美元，经营表现保持强劲。 要理解高盛的经营表现还要从交易业

10月12日，Meta发布Muse Wonder和Muse Wonder Full两款新模型，将跨对话记忆、长期目标跟踪、复杂任务执行和编程能力放到产品升级的中心位置。 $Meta Platforms, Inc.(META)$ 按照Meta的官方介绍，Active Memory能够在不同对话之间保留与任务有关的重要信息，Active Focus则主要负责帮助模型在遇到困难时调整方案、从错误中恢复，并持续推进用户设定的目标。 目前Muse Wonder已经通过Meta Model API和Muse Code向开发者开放，Muse Wonder Full面向Muse Code订阅用户，后续Muse也将接入新模型。 这次更新值得关注的地方，在于Meta开始把模型能力、智能体产品和商业化入口放到同一条路径上。此前两年，大模型竞争主要围绕推理能力、代码水平和基准测试成绩展开；进入智能体阶段后，企业需要回答的问题更具体：模型能否理解持续变化的任务，能否调用工具完成操作，能否在数小时甚至更长时间内保持目标一致，以及能否在关键步骤上控制风险。 对Meta来说，该条路线拥有独特的业务基础。Facebook、Instagram、WhatsApp等产品积累了庞大的用户触点，广告业务也提供了持续投入AI基础设施的现金流来源。 不过用户规模并不自动等于智能体收入，记忆能力也不意味着模型可以无限制地掌握个人信息。新模型能否改善真实任务的完成率、能否推动付费使用，以及能否在个性化与隐私保护之间建立稳定边界，将真正决定Meta的AI投入能否形成更清晰的经营回报。 从产业视角看，Muse Wonder释放的信号相当明确：AI竞争正从单轮问答能力延伸到持续服务能力。对模型厂商、云服务商、应用开发者和企业软件公司而言，这意味着产品价

10月10日，沃华医药（002107.SZ）披露2026年第三季度报告。这份财报给出了一个颇有分析价值的组合：前三季度营业收入5.89亿元，同比下降5.73%；归母净利润9265.45万元，同比增长44.78%；扣非归母净利润增长47.94%，经营活动产生的现金流量净额达到1.21亿元，同比增长11.63%。收入规模仍在收缩，利润与经营现金流却保持增长，公司的经营变化由此有了更具体的观察入口。 $沃华医药(002107)$ 财报披露后，真正需要回答的问题，是利润改善的来源、持续时间，以及收入端何时能够形成更有力的支撑。沃华医药以中成药为主营业务，产品覆盖心脑血管等治疗领域，面对的是一个同时受到临床价值、医保支付、终端需求和营销效率影响的行业。对这类企业而言，成本费用下降能够较快反映在利润表上，但长期经营质量仍然取决于产品竞争力、渠道效率和市场需求。 从前三季度数据看，沃华医药已经交出一份利润改善的成绩单。接下来，判断公司经营能否进一步向好，需要把成本控制与收入变化放在一起观察，也需要区分已经兑现的财务成果与仍待验证的增长空间。对于关注中成药行业的投资者和产业合作方，这比单纯追逐利润增速更有参考价值。 利润增长的来源已经清楚：成本控制兑现，收入端仍需接力 沃华医药三季报最有解释力的数据，藏在利润表的成本端。前三季度营业收入同比下降5.73%，营业成本从上年同期的1.55亿元降至1.32亿元，同比减少15.29%；销售费用从3.22亿元降至2.70亿元，同比减少16.23%。两项合计减少约7600万元，构成利润改善的重要基础。公司在三季报中也明确表示，利润总额增长主要系营业成本及销售费用减少所致。 这意味着，沃华医药当前的经营改善已经有明确的财务解释。收入规模有所收缩，但产品生产和销售环节的支出

10月9日，Simwon America Corp.向美国证券交易委员会提交S-1注册文件，计划在纳斯达克上市，拟用股票代码为SWA。 Simwon America Corp是一家汽车结构件制造商，其业务与特斯拉深度绑定，主要生产车门环、B柱和侧围等车身结构件，收入几乎全部来自特斯拉。其财务表现很值得拆开研究。 公司截至2026年6月30日的财年收入下降，毛利润和营业利润却同步增长，说明经营效率出现了积极变化。更有意思的是，尽管在收入收缩的背景下，公司利润依然得到了改善，这意味着公司的盈利能力正在接受比单纯增长更严格的检验。 与此同时，特斯拉车型调整、供应链议价和美国制造成本等因素仍会影响这门生意的长期表现。 从行业视角看，汽车产业链的价值评估正在变得更具体。未来市场既要看供应商能否进入头部车企体系，也要看量产订单能否转化为稳定利润、经营现金流和持续的资本回报。 Simwon America的上市进程，为观察特斯拉供应链的经营质量、制造业利润结构和中小型汽车零部件企业的资本市场定价提供了一个切入点。 收入减少，利润增加：制造效率改善开始体现在财报里 Simwon America在加州运营制造设施，采用热冲压、激光加工和拼焊等工艺，主要为特斯拉Model 3和Model Y提供相关零部件。其核心业务是汽车白车身结构件制造。车门环、B柱和侧围承担车身结构与安全相关功能，产品需要经过冲压、激光切割、焊接和装配等工序，生产质量、交付稳定性与制造成本都会影响供应商的竞争力。 该类业务有一个鲜明特点：进入供应链需要制造能力、质量管理和量产交付体系的积累，进入之后也必须持续接受客户对成本、质量和交付效率的考核。 对于整车企业而言，零部件成本直接影响整车盈利能力；对于供应商而言，订单规模并不自动等于利润，真正的经营能力体现在单位成本、产线利用率、良品率以及费用控制上。 根据Simwon A