Anthropic第三季度收入达到168亿美元，环比增长约45%，9月底即时年化收入约740亿美元，结果有投资者还觉得没达到800亿美元的预期。一个季度新增52亿美元收入，市场的胃口是不是有点太大了？ 不过，考虑到市场已经开始讨论接近2万亿美元的潜在上市估值，投资者对增长速度如此敏感，也就不奇怪了。 今年Q1收入47亿美元，Q2达到116亿美元，Q3进一步增长至168亿美元，前三季度累计331亿美元，相当于2025年全年约46亿美元收入的7.2倍。Claude Code（AI编程工具）和企业级模型调用推动收入连续跳升，但季度增速从147%回落至45%，单季新增收入也从69亿美元降到52亿美元。 SemiAnalysis估算，Anthropic在9月底的即时年化收入约740亿美元，相比7月底的650亿美元继续增长。此前还有乐观预期认为年底可能达到1100亿美元，这意味着三个月内收入速度还需提高约49%，对应月均复合增速约14%。公司增长依然很强，只是资本市场已经提前计入了未来数年的业绩。 83%收入来自按量调用，增长质量究竟如何？ Anthropic最有价值的资产，还是Claude在企业复杂工作流程中的竞争力。今年2月，Claude Code年化收入已经超过25亿美元，企业端贡献超过一半；年化支出超过100万美元的客户逾500家，到4月进一步突破1000家。大型企业开始把Claude用于软件开发、代码维护、复杂推理和工作流程自动化，单个客户的Token（模型处理信息的计量单位）消耗可以随着任务规模迅速增加。 但这门生意与传统企业软件存在明显区别。2025年，约38亿美元收入来自按实际使用量付费的模型调用，占全年收入约83%；订阅收入约7.89亿美元，占17%。按量付费能放大增长弹性，客户也能随时根据预算、任务量和模型性能调整支出。 客户集中度同样不低。2025年前两大客户各贡
潘驴邓晓闲缺一
美股&区块链资深交易员， 2014 年美股， 近 5 年40倍，进取型价值投资者， 2016 年 crypto，BTC 坚定持有者
IP属地：广东
0关注
308粉丝
0主题
0勋章
Anthropic季度收入168亿美元，2万亿美元估值还能怎么定？
Anthropic季度收入168亿美元，2万亿美元估值还能怎么定？
台积电Q3净利润7631亿新台币，同比+68.7%，再创历史新高。 季度营收1.494万亿新台币，同比+50.9%、环比+17.6%；净利润环比+8%，高于LSEG市场预期约2.2%。 先进制程占比继续提升，2nm晶圆收入占比从Q2的3%升至8%，7nm及以下占比达到79%。 利润率则有所回落：Q3毛利率66.4%，环比下降1.3个百分点；净利率51.1%，低于Q2的55.6%。Q2包含约632亿新台币投资处置及重估收益，抬高了利润比较基数。 收入增长保持强劲，先进制程占比继续提高，但利润率环比承压，财报呈现出比较明显的结构分化。
AI推理成本或降33%，HBF如何改变NAND与HBM产业链？
高盛把HBF（High Bandwidth Flash，高带宽闪存）放进AI推理的系统成本模型，得到一个颇有冲击力的结果：在100万Token上下文的设定下，4块配置HBF的B200，模拟吞吐量可以超过8块纯HBM配置的B200，单位推理吞吐对应的系统配置成本下降32.69%。另一项预测同样关键：2028年末，HBF只占全球NAND位元出货约3.52%，却可能消耗8.55%的NAND晶圆产能。前者改变云厂商采购算力的经济账，后者关系到存储原厂的产品结构与定价权。 模型推理正在把存储瓶颈从带宽推向带宽和容量并存。长上下文、多轮Agent任务以及大批量并发都会增加KV Cache（键值缓存）占用，部分GPU集群为了获得足够HBM容量，被迫配置超出计算需求的加速器。以B200单卡192GB HBM为参照，SK海力士提出的H3概念架构在保留HBM的同时，为每块加速器增加约4TB HBF，主要承接模型权重、可复用缓存等偏静态数据。 H3将GPU、HBM与HBF放在同一封装的硅中介层上，HBF可通过HBM基底芯片级联互连，减少对GPU有限封装边缘接口的占用。技术取舍也很清楚：高盛列示的HBM4典型访问延迟约20纳秒，HBF约10微秒，后者慢约500倍；HBF的顺序读取带宽最高可达3TB/s，但随机写入、擦写寿命和热设计明显受限。HBM仍负责实时解码，HBF负责容量扩展，二者短期内很难相互替代。 AI推理存储架构：HBM负责速度，HBF扩充容量 经济性来自GPU利用率。高盛的示例中，混合方案单卡配置192GB HBM和4096GB HBF，4块GPU合计拥有16TB HBF，模拟推理吞吐比8块纯HBM方案高25%。模型按HBM每GB 15美元、HBF每GB 1.75美元、整机70%毛利率假设进行定价，混合配置的系统报价与吞吐量之比下降约三分之一。这解释了为什么云厂商即使支付高于普通NAN
AI推理成本或降33%，HBF如何改变NAND与HBM产业链？
46%的企业已经采用开放权重AI模型，但这些模型只承担了8%的AI工作负载，未来三年两个数字预计分别达到87%和19%。企业选择模型很务实，复杂任务继续使用GPT、Claude等前沿模型，日常客服、内部流程这些高频任务，便宜又够用就行。 成本亦有差距，Pinterest披露，其部分业务使用开放模型的单次处理成本不到可比闭源模型的8%；Duolingo把AI视频通话成本从每次0.30美元降到了不足0.01美元。Nutanix则投入2000万美元自建AI集群，计划承担约80%的内部需求，剩余20%继续使用前沿模型。调用量足够大，自己买GPU部署，可能比长期按Token付费更划算。 美国企业使用中国开放权重模型，也不意味着必须把数据传到中国，模型可以部署在美国云平台或企业自己的机房。未来企业AI大概率会长期采用多模型混合模式，单位成本越低，使用量可能增长越快，云端和本地算力需求也不一定此消彼长。
ASML Q3财报营收116.62亿欧元，同比增长55%，略低于市场预期，但毛利率达到57.5%，超过此前指引上限，净利润同比增长133%，全年营收指引再次上修。 相比单季度的收入偏差，管理层释放的几条信息更有参考价值： 1、2027—2028年的光刻机产能可能仍然不够。 7月份ASML计划2027年将低NA EUV产能提高30%，并研究2028年再增加30%。现在公司判断，现有规划仍无法完全满足客户需求，正在考虑进一步扩大2028年产能。 2、部分客户已经开始讨论2029甚至2030年的设备采购安排。说明晶圆厂对未来几年的资本开支有了更长的规划，但这些远期采购意向还不能直接算作确认订单。 3、设备提价已经进入实质性谈判阶段。 ASML已与主要客户完成相关讨论，管理层预计2027年开始逐步反映在收入中，2028年及以后影响更加明显。 4、存量设备服务及升级收入32.89亿欧元，环比增长19%。新光刻机销售113台，上一季度86台，增长31%。新增设备交付和存量产能升级都在增长，毛利率也从54%提高至57.5%。 5、全年收入指引从430—450亿欧元上修至440—450亿欧元，Q4预计142—152亿欧元，全年毛利率约56%。
扎克伯格最新访谈：Meta的千亿美元AI投资，谁来买单？
Meta今年的资本开支指引已经提高到1300亿至1450亿美元，2025年全年才722亿美元，几乎要翻倍了。但今年二季度自由现金流只有7.84亿美元，去年同期还有85.49亿美元，少了近九成。广告收入依然在增长，赚来的钱却越来越多地投入到AI基础设施里。 10月12日，扎克伯格和Meta首席AI官Alexandr Wang参加Stripe联合创始人John Collison的访谈，两个多小时谈了Muse Wonder、AI智能体、算力投资和未来商业化。扎克伯格提到，去年底模型还没做出来，就已经准备拿出1000亿至2000亿美元押注AI，他甚至问Wang，这件事真的能成功吗？ 图源：Cheeky Pint，2026年10月12日访谈画面 现在回头看，Meta至少已经把产品做出来了。9月8日推出个人智能体Muse，9月28日上线企业AI平台，10月12日又发布Muse Wonder和Wonder Full。一个多月连续三次更新，节奏很快，收费体系也开始成形。 01 Meta资本开支与现金流 Wonder增加了Active Memory（主动记忆）和Active Focus（主动专注），可以持续处理更复杂的任务，比如法律文档、财务分析、软件开发。对于经常需要AI执行多步骤工作的人来说，这次升级还是很有价值的。以前模型做几个步骤就容易丢失上下文，现在开始尝试把任务一直执行下去，中间出错还能调整。 价格也上去了。Wonder API每百万输入Token收费4美元、输出20美元，输入价格是上一代Muse Spark的3.2倍，输出接近4.7倍。个人Muse有每月20美元、100美元的订阅档，Muse Code编程工具还有50美元和200美元的月费档。专业模型开始按更高价格收费，普通用户、开发者、企业客户也有了不同的付费方式。 02 Muse收费结构 Meta做AI有个优势，其他独立模型
扎克伯格最新访谈：Meta的千亿美元AI投资，谁来买单？
今天大A沪指早盘最低3741点，最后收在3800.86点，创业板盘中跌超3.4%，收盘只跌0.18%。沪深成交1.68万亿，比昨天增加1381亿。 昨天美股费城半导体指数跌2.67%，LITE跌9.78%，COHR跌7.87%，今天韩国股市又跌约5.5%。全球科技股都在调整，背后是市场重新评估AI资本开支的持续性，加上油价维持高位，美国通胀、利率预期也面临压力。 对中际旭创、新易盛、东山精密这些全球AI供应链公司来说，海外科技股集体下调估值，A股很难独善其身。 再看看国内资金，6月25日A股两融余额最高约3.03万亿，到10月9日只剩2.56万亿，三个多月减少近4700亿。杠杆资金持续收缩，前期涨幅大、机构持仓集中的半导体、光通信、AI硬件，自然承受了更多卖压。 机构调仓、融资盘减仓，再叠加部分量化策略可能存在的顺势交易，短期波动很容易被放大。 但另一边，却有人在持续买入，10月8日、9日，股票ETF净流入约407亿，12日又流入44亿，三个交易日超过450亿，科创50、创业板等宽基是主要流入方向。 一边降杠杆，一边通过ETF逢低配置，市场里的钱没有朝着同一个方向走。 下午冲高后指数又回落，创业板和深成指最终还是绿的，说明资金敢在低位接，但追高意愿还不够强。 硬件的中长期逻辑倒没有太大变化。800G向1.6T升级、AI服务器对高端PCB和存储的需求，最终还是看全球云厂资本开支、企业订单和利润兑现。只要基本面没有发生根本变化，部分龙头经过调整，风险收益比自然会改善。但好公司也要看价格，AI硬件现在的估值差异已经很大，不能闭着眼睛买。 本内容仅个人观点，不应被视为投资建议。
长鑫存储4F²进展，美光、闪迪为何一起跌？
10月12日，美光（MU）跌了近4%，闪迪（SNDK）跌近6%，韩国的海力士和三星也受到冲击。导火索之一是长鑫科技公布的4F² DRAM技术进展，公司计划今年底推出新一代DDR5 RDIMM服务器内存。 长鑫这次确实有些东西。当前主流DRAM采用6F²存储单元，4F²相当于继续压缩单元占地面积，再结合VSG垂直包围栅晶体管和混合键合技术，未来有机会提高单颗芯片容量和单位晶圆产出，降低每GB的制造成本。不过从实验室走到大规模量产，良率、性能、成本和客户认证都需要时间验证，目前尚未披露4F²量产成本与出货规模。 6F²与4F²单元面积及VSG、混合键合技术示意图 长鑫现在也不能按过去的国产替代小厂来看了。2026年第二季度全球DRAM营收份额已从一季度的7.6%提高到9.5%，全球第四。上半年收入1503.10亿元、归母净利润776.05亿元，主营业务毛利率84.84%，现有DDR5已经量产并覆盖服务器市场。 这些数字说明两件事，一是中国DRAM厂商已经开始具备规模竞争能力，二是目前全球存储行业的盈利水平确实很高。不过长鑫现有业务的利润，不能直接算到年底计划推出的4F²产品上，这还是两个阶段的事。 长鑫4F²商业化路线和2026年上半年财务数据图 至于美光、海力士，我觉得市场对长期竞争的担忧可以理解，但现在就推导出三大原厂未来利润会大幅下降，还是早了点。 2026年第二季度，三星、海力士和美光合计占全球DRAM收入的87.6%。长鑫未来如果在服务器DDR5形成低成本量产能力，确实会增加普通DRAM的竞争压力，但HBM完全是另一个难度。多层堆叠、先进封装、散热、良率和GPU客户认证，三大厂商已经建立了相当高的壁垒，尤其是海力士和美光，目前还看不到长鑫能够在这一领域形成同等规模竞争的证据。 闪迪则应该单独看，它主营NAND，本身就面临长江存储的竞争，护城河没有HBM那么高。未来HB
长鑫存储4F²进展，美光、闪迪为何一起跌？
马斯克的Terafab又有新进展了。这次他提出的是研发端的新目标：在Giga Texas的芯片研发工厂，每年制造和测试约10款芯片设计。这座研发工厂规划投资约30亿美元，月产能几千片晶圆，核心是把设计、光罩、晶圆试产、封装测试集中起来，大幅缩短芯片研发的试错周期，，后面才是大规模量产。 比较看好musk这套垂直整合的工业化思路。Tesla的自动驾驶、Optimus机器人，加上SpaceX未来的轨道AI，长期都有大量芯片需求。自己掌握设计和制造流程，价值不只是降低采购成本，还有迭代速度和供应链控制权。 对INTC来说，这个项目很关键。14A已经进入Terafab的工艺规划，Intel也确认继续参与，这次如果能把14A外部验证、客户导入与量产连接起来，对代工业务的意义会比较大。 TSMC目前仍是潜在合作方，设备端AMAT、LRCX、TEL此前已经被报道接触询价。 短期最快兑现的可能是设备采购，随后才是工艺验证与量产。10款设计只是起点，能把迭代速度转化成稳定良率和低成本，才是这套模式最有价值的地方。
SpaceX拟收购800MHz频谱：美国三大运营商为何集体重挫？
SpaceX与Grain Management达成协议，拟收购其全美800MHz低频频谱组合，规模最多14MHz，交易仍需美国联邦通信委员会（FCC）批准。成交价尚未披露，摩根士丹利估计可能达到60亿—80亿美元。10月9日，T-Mobile、AT&T和Verizon分别收跌13.3%、9.8%和8.7%。市场开始重新计价SpaceX成为美国第四家自建网络移动运营商的可能性。 800MHz低频传播距离远、室内穿透能力强，与SpaceX此前向EchoStar拟收购的2GHz中频形成互补。中频提供更高通信容量，低频改善覆盖，再叠加卫星直连手机（D2D）、地面宏基站与小基站，Starlink Mobile（星链移动通信）才有条件从通信盲区补覆盖，逐步延伸到常规手机套餐。同一周，FCC批准其部署最多1.5万颗下一代直连手机卫星，但获批不代表已经完成发射与商用组网。 Starlink Mobile卫星与地面混合网络：800MHz低频、2GHz中频及下一代卫星 现有竞争壁垒仍然很高。摩根士丹利估算，计入尚未完成的两笔频谱交易后，SpaceX低中频资源合计约77MHz，三大运营商则为290—384MHz。T-Mobile单家还拥有约8.5万个宏基站站址和6万个小基站。高密度城市需要持续扩充地面站址来提高频谱复用效率，仅凭卫星很难承载同等级的数据流量。SpaceX短期大概率优先进入农村、城郊和通信薄弱地区，而非直接争夺核心城市的高价值用户。 SpaceX与美国三大运营商低中频频谱资源对比：77MHz对比290至384MHz 大摩的预测同样不激进：SpaceX美国直营移动用户2030年约130万、2032年约900万。潜在市场足够大，但用户增长并不会自动转化为运营利润。想在美国做全国性移动服务，还要承担站址、回传网络、营销渠道及客户服务成本。 花旗以2.5万个宏基站、单站25万美元测
SpaceX拟收购800MHz频谱：美国三大运营商为何集体重挫？
喜马拉雅资本创始人李录在哥伦比亚商学院第36届格雷厄姆与多德年度论坛上谈了不少AI。他认可这场技术革命的长期价值，但认为AI的发展可能经历不止一轮繁荣与崩溃。技术能走多远，除了取决于算力和算法，还受到资本投入、商业回报以及社会治理的约束。 李录对生成式AI的理解相当克制。他认为，AI利用庞大的算力和算法，从人类创造的数据中识别复杂关联，逐渐具备推理、编程和知识处理能力。它可以大幅降低知识和专业服务的获取门槛，但目前仍主要建立在人类积累的知识体系之上。能源、交通、制造业这些物理世界的约束不会因此消失。对于AI脱离人类控制、持续自我改进的可能性，他尤其警惕，认为人类必须保留监督和干预能力。 商业层面有个很现实的问题：AI与传统互联网的成本结构差别很大。 互联网基础设施建好之后，新增信息分发的边际成本可以压得很低，但AI每生成一次回答、执行一次Agent任务，都需要继续消耗GPU算力、电力和存储资源。模型训练需要大量前期投入，推理服务还会随着调用量增长产生持续成本。即使单次Token价格不断下降，任务复杂度和调用规模上升后，整体算力支出依然可能增加。 这也解释了AI产业链不同环节的盈利差异。英伟达、博通、台积电等上游供应商，可以直接从芯片采购和制造订单中获得收入；微软、谷歌、Meta等大型科技公司则需要承担数据中心建设、设备折旧和运营成本，再通过云服务、广告效率提升和企业客户付费收回投资。模型厂商还要面对推理成本、价格竞争和持续研发投入。上游资本开支对应的订单增长，并不意味着下游能够同步获得相同规模的利润。 李录还谈到资本过度集中的问题。他举标普500指数为例，2010年以来约16年的年化回报达到14%—15%，但2000—2010年几乎没有回报。把过去26年放在一起，长期年化回报又回到高个位数。市场可以在相当长的时间里偏离合理估值，但资本不可能无限增加。当大量资金集中追
谷歌Waymo再融50亿美元：自动驾驶商业化与210亿美元收入预期
10月8日，谷歌旗下Waymo完成50亿美元首次债务融资，由PIMCO、黑石和Sixth Street等机构参与。今年2月，Waymo刚完成160亿美元股权融资，当时投后估值达到1260亿美元。短短8个月，两笔融资合计210亿美元，Waymo的资本结构开始从股权融资延伸至债务融资。 目前Waymo已经进入15座美国商业运营城市，每周全无人驾驶载客行程超过50万次。摩根士丹利最新预测，2032年Waymo收入有望达到210.62亿美元，年出行订单11.19亿次，年末车队超过12万辆。随着车辆规模扩大，Waymo能否把订单增长转化成可持续的经营利润？ 图1｜融资与业务规模 成熟城市增长放缓，新市场复制开始提速 Waymo今年上半年运营数据低于大摩预期。截至6月底，累计无人驾驶载客里程为2.713亿英里，比此前预测低3.2%。其中旧金山低8.2%，凤凰城低4.8%，奥斯汀低5.6%，但亚特兰大超预期113.9%。 今年上半年，Waymo还经历了恶劣天气引发的服务暂停、高速公路运营中断，以及涉及约3700辆汽车的临时召回。5月19日暂停的高速公路服务，直到7月底才逐步恢复。大摩认为其中不少属于短期运营干扰，因此仍将2027、2028年里程预测分别上修约1%、2%，同期收入预测上修2%、3%。 新城市扩张能否复制旧金山、凤凰城的付费需求，取决于道路验证、车辆交付、监管许可及运营维护能否快速形成标准化流程。订单密度才是扩张效率的关键。 210亿美元收入，背后是12万辆车的运营效率 大摩预计Waymo收入从2026年的5.05亿美元增长至2028年的23.12亿美元，2032年进一步达到210.62亿美元。车队规模预计在2028年达到约1.56万辆，2032年升至约12.25万辆，年订单量同期从1.4亿次增加到11.19亿次。 图2｜2026—2032年收入预测（摩根士丹利） 按照大摩模
谷歌Waymo再融50亿美元：自动驾驶商业化与210亿美元收入预期
COIN、HOOD、CRCL：链上金融的赚钱能力，到底差在哪里？
9月数字资产市场总市值回升至2.84万亿美元，环比上涨8%，现货日均成交量增长33%，DeFi（链上金融）板块市值上涨25%。但摩根大通追踪的币股合计市值反而下降2%，其中Circle（CRCL）单月市值缩水14%。 币价与成交量恢复的速度并不一致。DeFi总锁仓价值（TVL）回升至947亿美元，同比仍下降42%。相比成交量的反弹，链上资金沉淀距离上一轮高点还有差距。对上市公司而言，成交量可以较快转化为交易手续费；支付、托管和网络服务要体现到利润表，还隔着费率、分成和运营成本。 9月数字资产市场：成交量恢复快于币价 Coinbase（COIN）、Robinhood（HOOD）和Circle（CRCL）都在建设自己的区块链网络。Base已经形成比较成熟的交易、借贷和稳定币生态，Robinhood Chain的优势来自证券用户和交易入口，Arc则围绕USDC建设机构支付及金融结算网络。 目前Base的资金沉淀规模仍然领先，接近Robinhood Chain的6倍，但后者近期活跃地址更多。Arc上线时间最短，机构参与广度较高，实际支付交易与手续费收入尚处于早期。 Base、Robinhood Chain、Arc生态对比 Coinbase：生态最成熟，Base的商业价值尚未充分体现在利润表 Base于2023年8月上线，目前日交易笔数约900万笔，链上USDC供应量接近40亿美元，其中借贷协议Morpho贡献超过40亿美元锁仓资金。Coinbase在今年7月重新加强Base的金融市场业务，包括借贷、支付和资产代币化。 摩根大通估计，Base单季度直接贡献的净收入约500万—2,500万美元，主要来自排序器手续费，年化约2,000万—1亿美元。这个数字相对Coinbase的整体收入仍然有限，但Base可以为交易所、USDC和机构服务提供额外的用户及资金入口。 2026年第二季度，Co
COIN、HOOD、CRCL：链上金融的赚钱能力，到底差在哪里？
从2026年10月到2027年3月，美gu将连续经历几轮重要的宏观、政策和科技产业验证窗口。整理了一张未来半年的关键事件日历，建议收藏。 10月可能是近期最密集的市场波动窗口。 10月14日美国CPI与ASML财报同日公布，15日台积电披露三季度业绩，27—28日美联储议息，月底还有谷歌、微软等科技巨头财报。通胀、利率预期和AI资本开支集中交汇，市场很容易出现剧烈波动。 我更关注科技巨头财报中的资本开支和现金流变化。谷歌、微软、Meta等公司的AI投入已经达到相当惊人的规模，接下来需要通过云业务收入、算力利用率和利润增长来消化这些投资。台积电的先进制程、先进封装需求，以及ASML的订单变化，也能帮助判断2027年AI硬件景气度。 11月的两个重要节点是美国中期选举和英伟达财报。 前者影响财政、税收及监管政策预期，后者则是AI产业链最重要的业绩验证之一。英伟达的GPU需求、Rubin产品交付节奏及毛利率指引，可能直接影响市场对2027年AI算力投资的判断。 12月美联储将再次公布利率决议及经济预测，市场需要重新评估2027年的利率路径。进入2027年一季度，CES、科技巨头新一轮财报和3月NVIDIA GTC接连登场，AI服务器、光通信、HBM、先进封装、高速PCB、电力及液冷等产业链也将进入新一轮产品与订单验证周期。 个人认为，未来半年美股科技板块的核心矛盾仍然是AI资本开支能否持续转化为收入、利润和自由现金流。 利率决定估值环境，资本开支决定产业链订单规模，最终还是要靠盈利兑现。
三星Q3营业利润首破100万亿韩元：DRAM涨价20%，存储周期还能走多久？
10月8日，三星电子公布三季度初步业绩：营收195万亿韩元，同比增长126.6%；营业利润107.4万亿韩元，同比增长782.5%，单季度营业利润首次突破100万亿韩元，营业利润率达到55.1%，相比去年同期的14.1%提高约41个百分点。 三星的利润增长已经持续了四个季度。今年二季度，半导体业务（DS）营业利润达到89.2万亿韩元，几乎贡献了集团全部营业利润。三季度尚未公布业务分部业绩，但DRAM（动态随机存取存储器）、HBM（高带宽内存）及NAND闪存价格上涨，仍然是这轮盈利扩张的重要驱动力。 利润创下历史新高，三星当天股价反而下跌2.42%，收于262,000韩元，SK海力士也下跌2.44%。市场对存储行业的需求强度已有较充分认识，开始重新衡量当前利润究竟能维持多久。 伯恩斯坦10月6日的最新数据显示，三季度传统DRAM合约价格环比上涨约20%，四季度预计继续上涨10%—15%；NAND三季度综合涨幅估计接近20%，四季度预计上涨15%—20%。存储市场仍处于供给紧张状态，但涨价速度较二季度有所收窄，产品之间的供需差异也逐渐拉大。 DRAM：云厂商锁定产能，消费级产品供给继续收紧 三季度DRAM涨价并不均衡。PC和利基型DRAM的价格涨幅明显高于服务器及移动DRAM。虽然AI服务器需求最强，但长期采购协议和不同产品的供应优先级，使合约价格表现出现分化。 图1｜2026年Q3 DRAM合约价变化 美国云服务商正在加快签订长期供货协议（LTA），将2027年甚至更远期的内存供应提前锁定。部分新签协议的价格区间已经高于早期合同，服务器客户临时追加订单的成本也明显上升。 对于三星、SK海力士和美光，这意味着未来几个季度的产能可以更早确定买家，降低库存和销售波动。代价则是合同中的价格区间限制了部分涨价空间，现货市场的高报价也无法全部转化为原厂的实际平均售价。 供给端同样紧张。H
三星Q3营业利润首破100万亿韩元：DRAM涨价20%，存储周期还能走多久？
预测市场单周成交194亿美元：Kalshi领跑，Robinhood（HOOD）如何受益？
预测市场已经做出了相当可观的交易规模。高盛10月5日统计显示，主要平台单周成交名义金额达到194.05亿美元，同比增长1,205.9%，相当于去年同期约13倍。Kalshi与Polymarket合计占据94.6%的市场份额，行业集中度很高。不过体育赛事合约贡献了81.8%的分类成交额，行业规模仍然高度依赖赛事交易需求，单周成交额环比还下降了5.7%。 预测市场交易规模与Kalshi、Polymarket份额 Kalshi拥有美国受监管的事件合约交易所基础设施，在交易撮合、清算和流动性方面具有先发优势。Polymarket则依靠链上结算、数字资产交易用户及国际市场建立竞争力。两家平台的商业价值与交易规模密切相关，但如果从美股投资角度看，更关注Robinhood（HOOD）如何把预测市场流量转化为收入。 HOOD已经有一批成熟的证券、期权及其他金融产品用户，事件合约可以直接接入原有交易账户，省去独立平台重新获取用户、建立资金体系的部分成本。更有意思的是，它还在向交易所基础设施延伸。 今年6月，HOOD开始将部分订单路由至Rothera，这家交易所及清算机构由Robinhood与Susquehanna通过合资企业合作运营。9月又接入Crypto.com的部分体育赛事合约。过去HOOD主要掌握客户端的交易入口，现在进一步参与订单路由和交易基础设施，未来有机会获取更多交易环节的经济收益。 但目前Rothera的市场份额只有1.4%，Kalshi高达75.9%，双方差距仍然很大。Rothera的价值主要在于给HOOD增加了交易所层面的选择权，能否改善利润分配还需要业务规模继续验证。 再看财报，HOOD已经初步证明了预测市场的变现能力。 2026年第二季度，公司总收入13.1亿美元，同比增长32%，其中交易业务收入7.76亿美元，同比增长44%。事件合约收入达到1.56亿美元，同比增长超
预测市场单周成交194亿美元：Kalshi领跑，Robinhood（HOOD）如何受益？
阿里、**、腾讯同时推进NPO，AI光互联开始往芯片侧走
过去两年AI光通信的主线很好理解：400G到800G，再到1.6T，速率往上走，光模块数量和单机价值量一起增加。进入2026年下半年，这套框架要多看一层了。阿里、**、腾讯都开始把NPO（近封装光学）推进Scale-Up超节点，光引擎的位置从交换机面板继续往交换芯片靠近。 阿里云在云栖大会发布UPO（超高性能光学）和SNPO（纵向扩展近封装光学），UPO覆盖NPO、IPO等高密度光学形态，SNPO直接面向GPU集群内部Scale-Up互联，NPX接口同时兼容铜和光。大摩把这次更新看成中国NPO产业继续向前推进的重要信号。 ODCC最新进展已经比单纯技术展示往前走了一截：UPO V1.0在8月发布，20多家单位参与；224G高速电接口正在成为可插拔向NPO迁移的重要节点，NPO单模组带宽密度约为可插拔方案的4倍，单比特功耗约6pJ，448G UPO标准计划2027年启动。 图1｜AI光互联：从可插拔到NPO/CPO 来源：ODCC、公开资料整理 **的路线更偏垂直整合。9月发布的Hi-ONE是7.2T NPO光引擎，**960单个超节点最大做到4096卡。按照**给出的系统方案，5500个Hi-ONE可以替代原本约4.8万颗800G光模块，功耗降低超过550kW，系统可用度达到99.8%。光互联在这里已经进入超节点的功耗、可靠性和系统效率。 腾讯这边，ODCC已经使用“512卡NPO超节点规模部署”的表述。阿里偏开放标准和接口体系，**从芯片、光引擎一路做到超节点，腾讯开始进入大规模集群落地。三条路线不完全一样，但方向已经比较一致：NPO正在从器件厂商的技术储备，进入云厂商和系统厂商的架构选择。 图2｜阿里、**、腾讯三条NPO路径 来源：ODCC、**、公开资料整理 短期利润表还是看800G和1.6T，这一点没有变。NPO影响的是下一阶段价值量怎么分。光引擎往交换ASIC附
阿里、**、腾讯同时推进NPO，AI光互联开始往芯片侧走
AI竞争进入GW时代：马斯克、黄仁勋谈电力、算力与安全
9月29日，美国AI产业最核心的一批人集中出现在华盛顿。特朗普上午发布 America.gov，同一场活动里，马斯克、黄仁勋和Atreides Management的Gavin Baker进行了近半小时对谈；随后特朗普又在白宫与Google、Meta、OpenAI、Anthropic、NVIDIA、xAI等科技公司负责人会面，当天最终落下的是一份 《白宫超级智能协议》（White House Accord on Super Intelligence）。政府应用、算力扩张和安全治理，在同一天被摆到了同一张桌子上。 America.gov先解决应用端。特朗普签署行政令，把它定义为美国联邦线上服务的统一入口：用户可以直接用自然语言查询政府信息，后续还会接入护照续期、Medicare医疗保险登记等具体事务。美国政府在这里已经不只是AI政策制定者，也开始成为大规模应用方。 马斯克和黄仁勋随后谈了很久的，却是一个更基础的问题：电力。 美国2025年公用事业发电量约 4.43万亿千瓦时，折算全年平均发电功率约 506GW。5GW放进整个美国电力系统里已经接近1%的量级，而现在头部AI公司谈数据中心扩张，单位已经从多少张GPU逐渐变成多少MW、多少GW，以及什么时候能够真正通电。EIA也明确指出，美国近年的新增电力需求很大一部分来自包含数据中心在内的商业部门。 SpaceX的变化很直观。2025年二季度，公司 Nameplate Compute Draw（名义算力功率）只有 0.4GW，2026年二季度已经升到 1.4GW；同期季度资本开支184亿美元，其中AI业务资本开支达到 158亿美元，占了绝大部分。马斯克在二季度电话会上预计今年底超过2GW，2027年底则可能“更接近10GW而不是5GW”。为了保证算力爬坡，公司甚至计划把电力、冷却和配套电气系统提前建设到更大的规模。 这也解释了黄
AI竞争进入GW时代：马斯克、黄仁勋谈电力、算力与安全
以前的Agent，本质上还是“人叫它一次，它干一次”。dots开始换了一套逻辑：每个dot有自己的云端计算机，可以7×24小时挂着跑，通过插件连接4000多个应用。你只需要给目标、权限和审批边界，它可以自己找信息、盯进度、改文件、跑任务，遇到需要决策的地方再回来找你。 这个变化对AI商业化很关键。Agent过去最大的限制，一半是能力，一半是成本。一个复杂任务如果要连续调用模型几十次、几百次，再加浏览器、代码、搜索、上下文缓存，单次看起来不贵，全天候跑起来就是另一笔账。 GPT-6.1 Sol正好在压这条成本曲线。API输入2美元/百万Token、缓存输入0.10美元、输出10美元，标准输入输出价格大约只有Astra的五分之一。对长期运行的Agent来说，缓存尤其重要，因为它会不断重复读取用户偏好、项目资料、历史任务，缓存价格只有普通输入的5%，直接降低了“常驻智能”的成本。 我觉得OpenAI现在已经开始把Agent当成一种数字劳动力卖了。首个dot先塞进Pro和Business Premium，后面可以增加多个dot，还能按速度和月工作量扩容；另一边又推出500美元/月的Pro 500，把更高用量和Ultrafast单独定价。这个收费结构已经很像“基础席位＋工作量＋性能档位”。 对算力行业也有一个很直接的变化：推理需求开始从“人主动发起”变成“Agent自己持续发起”。以前用户睡觉，ChatGPT基本也休息；以后大量Agent会在后台盯邮件、跑代码、查数据、更新报告。单次Token越来越便宜，不代表总算力需求下降，反而可能因为调用频率和工作时长上升，把Token总量推得更高。
去老虎APP查看更多动态