社区

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

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%。

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

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。

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

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

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

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