社区

美股研究社讯，当地时间5月21日，美国鞋类集团Deckers Brands发布2026财年业绩。截至今年3月底的全年内，集团净销售额达54.72亿美元，同比增长9.8%。 核心品牌HOKA表现持续强劲，全年净销售额攀升至25.87亿美元，较上年增长15.9%。第四季度单季收入6.71亿美元，同比增长14.5%。 展望2027财年，公司预计整体净销售额将在58.6亿至59.1亿美元区间，HOKA有望保持低双位数增长态势。公司首席财务官表示，稳健的财务基础与运营体系正持续为品牌增长提供支撑。 $Deckers Outdoor Corporation(DECK)$

Bloom Energy周四早盘股价大涨，Nebius也同步走强，催化不是一份普通能源订单，而是一份最高26亿美元、面向AI数据中心的长期供电协议。Nebius计划在美国数据中心部署Bloom的燃料电池系统，项目预计分三阶段推进，每阶段合同期10年，可提供约250兆瓦保障电力容量、328兆瓦装机容量。 这条新闻的重点，不是燃料电池重新变热，也不是清洁能源概念股又来了。它真正打到市场痛点的地方在于：AI基础设施扩张正在撞上电力瓶颈。 过去两年，美股围绕AI交易，第一层买英伟达，第二层买HBM、光模块、液冷、服务器，第三层开始买电力设备、变压器、数据中心REITs。现在Bloom Energy给市场提供了一个更直接的样本：如果AI数据中心等不及传统电网扩容，现场供电就会变成一种资本开支加速器。 我认为，Bloom这轮行情的核心，不是“新能源公司蹭AI”，而是它正在从燃料电池设备商，被重新理解为AI数据中心的电力承包商。这个估值锚一旦成立，BE就不再只是高波动能源小票，而会进入AI电网基建、长期服务合同、稳定现金流和潜在指数纳入的定价框架里。 它当然还没完全右侧确认。标普500不是市值够大就能进，GAAP盈利、过去四个季度利润、流动性、行业代表性都要满足。但这单Nebius合同给了一个清楚信号：Bloom Energy正在从主题升温，走向订单兑现。 一、AI数据中心最缺的东西，正在从芯片变成电力上线速度 AI行业现在最贵的，不只是GPU，而是时间。 对Nebius、CoreWeave这类AI基础设施公司来说，服务器晚交付几个月，损失的不只是收入，还有客户窗口和市场份额。尤其现在大模型公司、云厂商、互联网巨头都在抢算力，谁能更早把机房点亮，谁就能更快把GPU变成可出租的算力，把资本开支转成收入。 这就是Bloom Energy被重新定价的原因。 传统电网扩容太慢。一个大型数据中心项

英伟达下一代Vera Rubin机架的价格，被摩根士丹利测算到约780万美元，而当前GB300 Blackwell机架不到400万美元，一代产品几乎翻倍。这个数字看起来像是英伟达继续强化定价权，但如果只把它理解成“英伟达又涨价了”，就错过了这份报告真正有价值的地方。 这次涨价的核心，不是GPU单点变贵，而是整台AI机架的BOM结构发生了变化。Tom’s Hardware转引摩根士丹利报告称，VR200机架里，内存成本已经来到约200万美元，占整机架成本约25%，而过去GB200/GB300阶段，内存在机架BOM里的占比大致只有个位数到低双位数；与之对应，GPU在整机架成本中的占比反而从约65%降至约51%。 这就解释了一个很有意思的盘面：英伟达财报后股价没有大涨，甚至收跌近2%，但内存相关股票却明显走强。资金并不是否定AI主线，而是在重新拆解这条主线。过去买AI，最简单的交易逻辑是买GPU；现在英伟达把AI服务器推向整机架系统，资金开始问另一个问题：新一代机架里，谁的价值量提升最快？ 在我看来，Vera Rubin这次涨价，把AI供应链从“GPU中心叙事”，推到了“系统级瓶颈叙事”。机会不只在英伟达，还在内存、存储、PCB、ABF基板、MLCC、电源、液冷、ODM整机架集成、以太网交换、铜缆和光模块这些原来不够显眼的环节。 内存从配角变主角，AI服务器的估值锚开始外溢 过去市场看AI服务器，几乎所有注意力都在GPU上。谁拿到英伟达GPU，谁就有订单；谁能给英伟达做配套，谁就有弹性。这套逻辑当然还没失效，但Rubin机架的BOM变化说明，下一阶段AI服务器的利润池，不会只停在GPU。 内存是这次涨价链条里最直接的受益者。 按照摩根士丹利测算，VR200机架里内存成本占比已经提升到25%—30%，成本涨幅达到435%。这不是普通涨价，而是系统架构变化带来的价值量重估。AI模型越

2026年，AI逐步重塑信息获取方式，人人都在担心跟不上时代，但能用好AI的人到底是少数。 麻省理工的一项研究表明，过度依赖AI大脑活跃度显著降低。 5月17日，搜狐科技年度论坛后的媒体群访中，搜狐创始人、董事局主席兼首席执行官、物理学博士张朝阳没有顺应市场主流的AI愿景泛泛而谈。 $搜狐(SOHU)$ 相反，他讲出了一个很朴素的观点，AI很好，效率很高，但人不能把思考全部外包出去。 张朝阳承认AI有用，在他备物理课时，AI能快速给出公式、指明研究方向，但话锋一转，他强调“如果你不亲自去思考、去算、去研究，根本讲不出来，也不会理解”。 放在当下，这是引人深思的一句话。整个互联网行业都在押注大模型、抢智能体入口，越来越多人习惯把认知任务丢给AI代劳，张朝阳关注到了，知识获得和内容创作变容易之后，理解和真实反而变稀缺了。 聚焦于此，搜狐没有陷入普遍的AI焦虑，反而找到了差异化的科技生态位，成为这个时代知识普惠与真实社交的一块地基。 张朝阳说别让AI替代思考与认知 张朝阳这些年有一个很特殊的身份，叫“物理网红”。他坐下来，花了四年时间，在黑板上手推了280多场物理公式。 也正因为这样，他看AI的角度和很多互联网老板不太一样。 大多数公司谈AI，第一反应是效率。张朝阳当然也承认AI对人类的工作效率和知识获取的价值。但他又特别强调，AI对于编程的效率，对于节省成本这些都在用，但对于内容的产生，要比较克制。 这其实透露了AI时代内容行业的一个大问题。 AI生成的内容会越来越多、越来越快，看起来什么都有，但真正能被称为有价值的内容，是人花了时间去理解、去算过一遍所生产出来的内容。 尤其是科普、财经、商业分析这种需要逻辑链条的内容，最怕的不是信息少，而是看起来什么都懂、实际上全是AI的二手拼接。 《张朝阳的物理

Meta这次裁员，我觉得不能只看成一次普通的互联网公司降本。 $Meta Platforms, Inc.(META)$ 5月20日，Meta正式启动新一轮人员重组：裁员约8000人，同时关闭6000个计划招聘岗位，合计影响接近1.4万个岗位。 扎克伯格也出来安抚员工，说今年不会再有“公司级别”的裁员。 这句话听起来像是给大家吃一颗定心丸，但我觉得，真正值得琢磨的是后半句没有说出来的部分：公司级别裁员暂时没有了，不代表团队级、业务线级、局部调整没有了。 换句话说，大刀已经落下，公司不一定继续公开挥刀，但岗位重算这件事，大概率不会停。 更有意思的是，Meta一边裁掉8000人，一边又把7000多人调到新的AI部门，包括应用AI工程、Agent转型、中央分析、企业解决方案等方向。 所以这不是简单裁员，这是一场组织结构重写。 过去互联网公司裁员，常见理由是业务放缓、收入承压、增长见顶。但这次Meta的逻辑有点不一样。它不是公司不赚钱了才裁人，而是AI太烧钱了，公司必须把钱、人、管理层级和组织资源，重新往AI那边挪。 这才是最残酷的地方。AI这东西，过去大家聊起来，总觉得它会替代一些重复性劳动，或者先冲击客服、内容审核、基础运营。现在Meta给了一个更直白的样本：AI不是先从边缘岗位动手，它已经开始进入大厂白领岗位的核心区。 你以为AI是来帮员工提升效率的，但在老板的表格里，效率提升的另一面，往往就是岗位减少。 Meta裁的不是人，是旧组织里的“岗位预算” 我一直觉得，理解AI对就业的冲击，不能只停留在“机器人会不会抢工作”这种层面。 真实世界不会这么简单。 AI不会突然变成一个人形机器人，坐到你旁边，说：你下班吧，我来干。 更可能发生的是，公司先把一个岗位拆成十几个任务，然后逐个问：哪些可以被AI处理？

OpenAI要IPO了。 据媒体报道，OpenAI正在加速推进上市，目标最快今年9月完成IPO，估值超过1万亿美元，最快本周五提交草案招股书，合作方包括高盛、摩根士丹利和律所Cooley。 这个消息看起来很炸裂，一家从ChatGPT起飞的AI公司，要冲击全球AI行业最大IPO，估值奔着1万亿美元去。放在过去几年，这基本就是科技圈最漂亮的敲钟故事：天才创始人、爆款产品、超级模型、全球用户、微软加持、资本追捧，所有元素都齐了。 但我看到这个消息，第一反应不是OpenAI多风光，而是四个字：它缺钱了。 不是账上没钱，不是明天就发不出工资，而是OpenAI这门生意已经烧到一个很尴尬的位置：一级市场的钱不够用了，微软的钱也不能无限续，模型训练、推理调用、数据中心、芯片、人才、产品线，每一项都像吞金兽。 所以这次IPO，表面是上市，底层是融资。 OpenAI不是在向世界证明“AI多赚钱”，而是在向公开市场喊话：我要继续打这场AI战争，需要更大的钱袋子。 AI公司的估值故事变了：模型强不强只是前菜，能不能持续融资才是主菜 很多人看OpenAI，还是习惯用互联网公司的老逻辑。 用户多，产品强，品牌大，未来肯定值钱。 这个判断不能说错，但不够。 互联网公司早年有一个很舒服的地方：用户规模起来之后，边际成本可以往下走。微信多一个用户，不需要给他单独建一座机房；Google多一次搜索，成本不高，但广告变现很强；Facebook多一个用户，平台网络效应会继续变厚。 OpenAI不一样。 ChatGPT越火，调用越多，推理成本越高。用户越依赖它，它背后的算力账单越吓人。企业客户越多，它越要保证速度、稳定性、安全、上下文长度、私有化能力。模型一升级，又是一轮训练成本、芯片采购、工程投入。 这门生意很反直觉，用户增长不是纯利好，可能也是成本压力；产品越强，不一定马上带来利润，反而可能先带来更大的资本开支

刚看完2026阿里云峰会，我第一反应是，这场发布会有点上头。 真武M890、ICN Switch 1.0、128卡超节点、平头哥累计出货56万片、覆盖400多家企业、MaaS ARR冲300亿、Agentic Cloud、千问云……这些东西堆在一起，很容易让人陷进技术参数里。 但我觉得，真正该看的不是某一颗芯片有多强，也不是某一个模型能连续工作35小时，而是阿里云想把自己的身份重新讲一遍。 过去大家理解阿里云，还是一个云厂商。云厂商的生意逻辑很简单：买服务器、买GPU、搭数据中心，然后卖算力、卖存储、卖数据库、卖AI服务。 但这次阿里云想讲的已经不是“我有多少云资源”，而是“我能不能从芯片、互联、超节点、模型、MaaS、Agent工作流一路打穿”,这就变成了另一套资本语言。 云业务的估值锚，过去看收入增速、利润率、外部客户占比；现在AI来了，市场开始看的是算力利用率、资本开支效率、Token消耗、模型调用量、芯片自研比例和订单能见度。 所以我看完之后最大的判断是：阿里云这场峰会，本质上不是技术秀，而是一场AI基础设施资产重估的路演。 它给市场递了三张牌：第一张，平头哥代表国产AI芯片资产；第二张，“没有一张空卡”代表算力需求还在满载；第三张，MaaS和Agent代表云收入能不能从主题升温走向业绩兑现。 这三张牌，才是后面真正要盯的东西。 阿里云开始把估值锚往硬件层压了 这次峰会上，真武M890是最硬的一张牌。 如果只看技术描述，它是一颗训推一体AI芯片，配合ICN Switch 1.0和128卡超节点，阿里想解决的是一个很核心的问题：大模型越做越大，推理并发越来越高，单卡性能已经不够了，卡和卡之间怎么通信，节点和节点之间怎么协同，正在变成新的瓶颈。 这里面最值得投资者翻译的一句话是：阿里云不想再完全受制于外部GPU供给。 过去两年，AI云厂商最难受的地方就是，上游卡贵、卡少

英伟达这份财报，有点像一个班里常年考第一的学生。 $英伟达(NVDA)$ 816.2亿美元营收，同比增长85%；数据中心收入752亿美元，同比增长92%；调整后EPS 1.87美元，同比增长140%；毛利率75%，还高于市场预期；下一季度营收指引910亿美元，又是一个新高。 如果换成别的公司，这基本就是王炸。 但放在英伟达身上，市场反应很微妙。盘后股价一度跌超3%。原因很简单，现在华尔街已经不满足于英伟达“考得好”，它要看英伟达还能不能继续把分数抬到离谱。 这就是英伟达现在最特殊的地方： 它已经不是一家普通科技公司，也不是普通芯片股，它现在像整个AI资本开支周期的总账本。只要英伟达一开财报，市场看的不是它一家公司的收入，而是全球AI产业链到底还热不热，云厂商的钱还砸不砸，HBM、CoWoS、光模块、电力、液冷、网络芯片这些环节还能不能继续涨。 我的判断很明确：英伟达的AI战略，已经进入财务兑现阶段，不是停留在估值叙事阶段。 但问题也在这里。它越兑现，市场越挑剔。 一、AI已经不是故事，已经写进利润表里 很多公司现在讲AI，讲得很热闹，听起来都像未来十年要重做一遍。但你翻开财报，收入没怎么变，利润没怎么变，AI更多是PPT里的关键词。 英伟达不一样。 这次Q1财报最硬的地方，是AI已经直接变成收入和利润。数据中心业务752亿美元，占公司营收九成以上。换句话说，英伟达现在的增长，基本就是AI算力需求的增长。 更关键的是，数据中心里面也在分化。 计算收入604亿美元，同比增长77%；网络收入148亿美元，同比增长199%。这个数字我认为非常重要。过去市场看英伟达，主要看GPU。现在看下来，GPU当然还是发动机，但网络、互联、交换、系统级方案，正在变成新的利润弹性。 这意味着什么？ 英伟达卖的已经不是“

现在讲AI，大家都喜欢往大了讲。 一讲就是Agent，一讲就是大模型，一讲就是算力，一讲就是“重构生产力”。 听起来都对。 但我有时候觉得，这些词离真正做生意的人，还是有点远。 你去问一个县城开服装店的小老板，AI是不是下一代操作系统？他大概率不会理你。 但你要问他： 这个工具能不能帮我把淘宝标题写得更像人搜的？ 能不能把主图修得更像爆款？ 能不能帮我剪两条抖音短视频？ 能不能晚上替我回一下客服？ 能不能告诉我这批货到底要不要补？ 他可能就会认真听一下。 这就是我现在对中国AI应用最强的判断之一： AI真正大规模进入中国商业社会，未必先发生在写字楼，也未必先发生在大企业，而可能发生在无数小老板的手机里。 这个判断听起来没那么高大上，但我觉得很重要。 因为中国商业最毛细的地方，不在CBD，不在大厂园区，而在县城店铺、产业带档口、淘宝小店、抖音直播间、拼多多商家后台。 这些人不关心技术路线，他们只关心结果。 少花钱，能不能多卖货。 少招人，能不能少出错。 少熬夜，能不能不漏单。 AI如果能解决这些问题，它就不是概念，而是工具。 更准确地说，它会变成一个便宜、耐用、不抱怨、随叫随到的“电子员工”。 这才是大模型进县城的真正入口。 一、小老板不需要AI理想，他需要AI干活 很多人理解AI应用，还是习惯从白领办公开始。 写PPT、写周报、总结会议纪要、生成代码。 这些当然有用。 但我认为，中国AI应用最大的使用场景，可能不在办公室，而在小生意现场。 一个小老板每天要做的事太碎了。 早上看订单，中午改商品标题，下午拍短视频，晚上回客户消息，半夜还要盯投放数据。很多时候，他不是老板，他是客服、运营、摄影、剪辑、投手、仓库管理员和售后专员的集合体。 过去这些事，要么自己熬，要么招人，要么外包。 现在AI来了，最先替代的不是一个完整岗位，而是这些低价值、高重复、但又直接影响成交的小活。 比如

5月19日，AMD上海AI开发者日上，李开复和苏姿丰聊了一场很有意思的对谈。 $美国超微公司(AMD)$ 表面看，这是一次AI开发者大会。AMD要讲算力，苏姿丰要讲生态，李开复要讲AI应用趋势。 但我听下来，真正有杀伤力的，是李开复那句话： 2026年的核心问题，已经不是AI能不能完成一个任务，而是AI能不能替代一个企业的职能部门。 他还补了一刀： 如果AI部署最后没有改变季度财报电话会里的任何数字，就不是真正的AI转型。 这句话挺狠。 过去两年，AI行业最喜欢讲的词是：大模型、多模态、Agent、Token、推理成本、开源闭源、参数规模。 听起来都很厉害。 但对一家企业来说，最后只剩一个问题： 你花钱上AI，到底有没有让财报变好？ 如果收入没涨，费用没降，毛利率没动，现金流没改善，只是让员工多了一个聊天窗口，那就很尴尬。 这叫数字化装修。 看起来挺新，月底一结账，老板血压也挺新。 我觉得李开复这句话最重要的地方，就是把AI从技术圈拉回了经营现场。 AI不再只是工程师的玩具，也不再只是发布会上的演示视频。它要开始接受CFO审判了。 AI从“帮你干活”，走到“替你管事” 2023年，大家第一次被ChatGPT震到的时候，关注的是AI会不会写文案、写代码、做PPT、画图。 那时候AI像一个超强实习生。 你给它一个任务，它给你一个结果。偶尔靠谱，偶尔胡说八道。你不能完全信它，但你会忍不住继续用。 2024年，企业开始试工作流。 客服、销售、法务、财务、代码、运营，各个部门都接一点AI。一个表格能自动生成，一个邮件能自动回复，一个客服问题能自动分流。 这时AI像一个助手。 它能帮人省时间，但还没真正接管责任。 到了2026年，李开复说的问题变了：AI能不能替代一个职能部门？ 这个说法，听起来有点吓人。 但