社区

摩根士丹利已经足够激进，马斯克觉得还是太慢。 最新报告中，摩根士丹利维持对SpaceX的“增持”评级和300美元目标价，并预计公司到2040年收入可能达到3.5万亿美元。马斯克随后在X上回应，按照他的个人估计，这一收入规模大约在2033年就可能实现，比大摩的模型整整提前七年。 消息发布时，SpaceX股价约140美元。 3.5万亿美元是什么概念？ 这已经远远超过今天全球任何一家科技公司的年度营收。仅靠商业火箭、卫星宽带和政府航天合同，很难解释这样一个数字。 SpaceX当前的估值分歧，已经从“火箭还能发多少次”转向了一套更复杂的商业模型：Starship能否把进入轨道的成本和频率做到工业化水平，并进一步支撑Starlink、地面AI基础设施和未来轨道算力扩张。 这条链条一旦跑通，火箭发射本身反而可能成为SpaceX估值占比最低的一部分。 SpaceX 3.5万亿美元收入时间轴 一、大摩300美元目标价里，Space板块只值8美元 Morgan Stanley这次对SpaceX的分部估值很有代表性。 在约300美元目标价中，Space板块对应约8美元/股，以Starlink为核心的连接业务约118美元/股，X和Grok等AI业务约8美元/股，企业AI则达到165美元/股。 也就是说，在大摩的估值体系中，Enterprise AI已经占到目标价值的一半以上，而整个Space板块占比不到3%。 这组数据解释了一个表面上的矛盾。SpaceX最知名的产品是火箭，但市场并没有按照传统航天公司的逻辑给它定价。300美元目标价背后的核心资产，已经从“发射服务”转向了通信网络和算力基础设施。 大摩认为，SpaceX目前大约对应2028年预测收入10倍市销率，以及约25倍息税前利润倍数。这个估值本身不低。支撑它的前提，是2028年前后收入仍保持高增长，同时利润增速明显快于收入。 所以，Spac

FY27 Q2：收入27.39亿美元，同比增长37%，数据中心收入同比增长46%，占总收入79%。 FY28：公司收入目标从165亿美元提高到180亿美元，定制芯片业务预计增长100%+。 市场焦点：FY28增长已经进入模型，新的估值锚转向FY29以及10月6日投资者日。 8月27日盘后，Marvell（NASDAQ：MRVL）交出了一份短期经营数据仍在加速的财报。 FY27第二财季收入达到27.39亿美元，同比增长37%；数据中心收入约21.7亿美元，同比增长46%，占公司总收入已经达到79%。第三财季收入指引中值进一步升至31.50亿美元，按中值计算，环比还要增长约15%。 与此同时，Marvell连续上调中长期目标：FY27收入由此前约115亿美元提高到120亿美元；FY28收入由165亿美元提高到180亿美元。如果这条曲线兑现，Marvell在FY27增长约45%之后，FY28还将继续实现约50%的收入增长。 财报公布后，MRVL盘后跌幅一度接近8%。这场下跌反映出来的信息，已经超出27.39亿美元本身。 过去几个月，Google合作、AI定制芯片、1.6T光互连和Scale-up网络不断推高Marvell的远期盈利预期。当前市场已经把FY28的180亿美元逐步视作新的基础盘，接下来需要验证的，是FY29还能把增长曲线抬到哪里。 0127.39亿美元没有失速，Q3还要环比增长15% FY27 Q2，Marvell实现收入27.393亿美元，同比增长37%，环比增长13%，较此前公司指引中值高出3900万美元。GAAP净利润3.08亿美元，Non-GAAP净利润8.659亿美元，经营现金流6.055亿美元。 数据中心仍然是最强的业务。当季数据中心收入约21.7亿美元，同比增长46%、环比增长18%，占总收入约79%。FY27 Q1时，数据中心同比增速还只有27%，Q2

962亿美元、1080亿美元、70%。 这是NVIDIA最新一季财报里最值得放在一起看的三个数字。 FY27 Q2，NVIDIA实现营收962.21亿美元，同比增长106%、环比增长18%；数据中心收入达到890亿美元，同比增长117%、环比增长18%，占公司总收入约92.5%。GAAP与Non-GAAP毛利率均为75.0%，摊薄每股收益分别达到2.46美元和2.22美元。 下一季度，公司给出的收入指引进一步提高至1080亿美元±2%，单季收入将首次突破1000亿美元。更值得注意的是，这份指引没有计入任何中国数据中心计算业务收入。 单季超预期已经足够亮眼，但本次电话会真正改变市场预期的，是2027年。 NVIDIA首次给出FY28初步展望：收入同比增长约70%。此前市场预期大致落在45%左右。管理层进一步表示，客户提交的需求预测甚至指向下一财年接近翻倍的增长，但公司仍预计至少到FY28结束前，供应将持续构成收入兑现的瓶颈。 同一天，AWS又给出了一组罕见的大规模实物需求验证：2027—2028年额外部署200万颗NVIDIA GPU，覆盖Blackwell Ultra、Rubin和Rubin Ultra。 需求侧仍在上修，而收入最终能兑现多少，越来越取决于HBM、晶圆制造、先进封装、网络以及数据中心基础设施能否同步交付。 01｜70%的增长预期，把AI需求能见度继续推向2028年 NVIDIA过去几个季度的高速增长，首先来自全球超大规模云厂商持续增加AI资本开支。FY27 Q2，公司来自超大规模云及互联网客户的收入达到约490亿美元，环比增长13%。管理层同时预计，全球前五大超大规模客户2026年资本开支接近8000亿美元，2027年可能进一步升至约1.3万亿美元。 AWS的200万颗GPU部署计划，让这部分资本开支拥有了更加具体的硬件对应：这是此前规划之外的额外200万颗

Google 已经迭代了八代 TPU，第八代第一次明确采用两条硬件路线。TPU 8t 面向大规模预训练，TPU 8i 面向后训练、推理和高并发模型服务。两颗芯片共享 Google 的软件体系和基础设施，但内存配置、专用计算单元和网络拓扑已经明显分开。 参数上的差异非常直接。TPU 8t 单芯片拥有 216GB HBM、6.528TB/s HBM 带宽、128MB 片上 SRAM，FP4 峰值计算能力达到 12.6 PFLOPS；TPU 8i 的 FP4 峰值算力略低，为 10.1 PFLOPS，HBM 却增加到 288GB，带宽达到 8.601TB/s，片上 SRAM 更达到 384MB。两款芯片的双向芯片间互连（ICI）带宽均为 19.2Tb/s。 推理芯片没有追求更高的峰值 FLOPS，却拿到了更多内存、更高内存带宽和三倍于 8t 的 SRAM。这组资源分配已经透露出 TPU 8 的设计方向：训练继续向更大的计算域、更高吞吐和更稳定的长时间运行扩张；推理则越来越受模型驻留、KV Cache、MoE 专家路由以及集合通信延迟约束。 训练和推理正在要求两种不同的 AI 系统。 Google TPU 8t and TPU 8i official product image Google 第八代 TPU 同时推出训练型 TPU 8t 与推理型 TPU 8i。 一、TPU 8 的分界线：训练追求计算域，推理压缩数据路径 大模型训练天然偏向吞吐。一次训练迭代需要执行大量矩阵运算，同时维护参数、梯度和优化器状态，并在大量加速器之间同步数据。模型规模继续上升以后，张量并行、流水线并行、专家并行等策略会把越来越多通信引入训练过程。系统只要能够保持较高的扩展效率，更大的计算域就仍然能够换取更高的总体训练吞吐。 在线推理面对的是另一组约束。模

过去一年，OpenAI自研芯片一直停留在一个相对模糊的位置：市场知道它在做，知道Broadcom参与其中，也知道双方规划了规模高达10GW的定制AI基础设施合作，但芯片性能、量产节奏和实际部署规模始终缺少足够硬的数据。 8月25日，OpenAI第一次把这些问题摆到了台面上。 在SemiAnalysis的InferenceX公开推理测试中，Jalapeño同时运行GPT-OSS 120B、DeepSeek R1 670B和Kimi K2.5 1T三类大模型。峰值负载下，其每千瓦Token吞吐量分别达到85,448、19,641和18,195，较NVIDIA GB200/GB300高出约1.9倍、1.7倍和1.5倍；DeepSeek R1端到端延迟由5.99秒降至1.65秒，Kimi K2.5由5.31秒降至1.56秒。 Jalapeño与GB200、GB300推理性能对比 Jalapeño额定功耗为700W，测试期间持续功耗不超过550W。同时，OpenAI仍计划在2026年底把第一代芯片部署到自有基础设施，Broadcom此前又披露了2027年约1.3GW合同承诺。技术验证、生产节点和部署规模开始连成一条清晰的商业化路径。 这次跑分带来的核心变化，是OpenAI项目的兑现概率明显上升。 对Broadcom而言，第一代芯片已经从远期定制ASIC项目进入产品验证与部署准备阶段。 Jalapeño的设计目标，是把推理成本继续压低 OpenAI这次没有把峰值浮点算力放在最显眼的位置，重点展示了每千瓦Token吞吐量、端到端延迟和持续功耗。指标选择本身就说明了第一代芯片的设计目标：在既定的数据中心功率约束下，提高单位电力能够完成的有效AI工作量。 随着ChatGPT、Codex和Agent类产品调用量增长，推理任务已经从单轮问答扩展到搜索、推理、工具调用、验证和二次推理。单

Hot Chips 2026 上，AMD 对 MI400 系列进行了一次相当完整的系统级拆解。 这场演讲没有把太多时间停留在 MI455X 单颗 GPU 的峰值算力上。AMD 展示得最多的是 计算托盘（Compute Tray）、交换托盘（Switch Tray）、UALoE、互连管理器（Fabric Manager）和 Pensando Vulcano 800。这些组件最终被装进一个 44OU 机架，组成拥有 72 张 MI455X、31TB HBM4、260TB/s 机架内扩展带宽（Scale-up）和 43TB/s 跨机架扩展带宽（Scale-out） 的 Helios。 进入 Rubin、MI400 这一代后，机架本身已经开始成为一个完整的计算单元。几十颗 GPU 如何共享数据、交换中间结果，交换网络出现故障后能否继续运行，跨机架通信会不会让 GPU 等待网络，这些问题开始直接决定数万张 GPU 集群的有效算力。 AMD Helios 核心规格 Helios 把 AMD 过去相对分散的 CPU、GPU 和 Pensando 网络资产第一次放进一套完整的机架级架构里。单卡性能仍然重要，但系统设计开始决定这些算力最终能不能被持续利用。 72张MI455X，一台Helios到底装了什么 一套完整的 Helios 配置 72 张 Instinct MI455X GPU，FP4 峰值算力达到 2.9 EFLOPS，FP8 为 1.4 EFLOPS；整柜拥有约 31TB HBM4。每颗 MI455X 配置 432GB HBM4，官方最新规格给出的单 GPU HBM 带宽为 23.3TB/s，72 颗 GPU 合计约 1.68PB/s。 机架内部扩展总带宽（Scale-up）达到 260TB/s，跨机架扩展总带宽（Scale-out）为 43TB/s。从数量关系看，Helios

3,431 Token/s、40PB/s片上SRAM带宽、480GB LPDDR5X、256核Xeon。 Hot Chips 2026当天，NVIDIA和Intel给出了两套差异很大的AI硬件答案。NVIDIA宣布Groq 3 LPX进入全面量产，这套由256颗LPU组成的机架级系统被放进Vera Rubin体系，用来处理对Token生成延迟高度敏感的推理负载。Artificial Analysis随后给出首轮第三方测试：Gemma 4 31B在100K输入上下文下达到3,431 Token/s，10K上下文下为3,382 Token/s。 Intel同时披露Diamond Rapids与Crescent Island。前者将最高256个P-Core、1.28GB LLC、18A-P、Foveros Direct 3D和UCIe-S装进下一代Xeon；后者选择了与高端AI GPU明显不同的路线：32个Xe3P Xe Core、256个XMX、最高480GB LPDDR5X、350W风冷PCIe卡。 智能体AI正在迫使芯片厂商重新回答一个更具体的问题：一枚Token，应该在哪种处理器、哪一级内存、多少瓦电和多少资本开支下生成。 一、从FLOPS到Token经济学，AI推理的评价尺度正在变化 训练时代的硬件竞争相对容易理解。模型规模不断扩大，矩阵运算量持续增加，数据中心关注GPU数量、张量计算能力、HBM容量、显存带宽和纵向扩展互连。只要批量规模（Batch）足够大，GPU就能让大量计算单元并行工作，峰值算力与整体吞吐存在较强相关性。 智能体AI改变了工作负载形态。普通聊天通常是一段提示词进入模型，完成预填充（Prefill）后持续解码（Decode）；智能体则可能先读代码库、调用搜索、运行脚本、查询数据库，再根据结果继续推理，过程中还可能生成子智能体，多次重新进入模型。NVI

同一天，阿里确定一笔约102亿美元的新股配售，三星抛出90万亿—110万亿韩元的2026年股东回报预期。8月24日，阿里盘中最低触及110.10港元，较前收123.00港元下跌10.49%，收盘112.50港元、跌8.54%；三星电子收盘257,000韩元、跌8.70%。两笔方向相反的资本动作，最终都落到同一个估值问题：资本配置完成后，一股股票能够对应多少新增利润、自由现金流和所有者权益。 8月24日，亚洲市场出现了一组少见的价格反应。阿里巴巴以每股112.70港元配售7.10亿股新股，配售总规模800亿港元，净募集资金100%用于全栈AI能力和AI基础设施，配售预计于8月26日完成；三星电子此前宣布，2026年预计实施90万亿—110万亿韩元股东回报，其中约30万亿韩元计划先以现金股息发放。 资本动作一进一出，二级市场的反馈却高度一致。阿里港股盘中跌超10%，最终收跌8.54%；三星电子收跌8.70%。这两笔交易分别带有股本稀释与回报结构不清晰的特征，但放到AI资本周期里看，更值得关注的是估值锚已经开始后移——GPU采购量、数据中心规模和Capex增速仍然重要，新增资本对应的利润与现金流开始同步进入定价。 图1｜一个融资，一个分钱：资本动作方向相反，市场反馈一致 图1｜一个融资，一个分钱：资本动作方向相反，市场反馈一致 一、阿里：AI收入已经验证，资本强度上升得更快 阿里最新季度的数据先排除了一个误区：市场并没有因为AI需求走弱而重新定价公司。截至2026年6月季度，AI云与算力服务收入达到484.37亿元，同比增长45%；AI相关产品收入连续第12个季度保持三位数增长，Cloud Adjusted EBITA同比增长133%。从收入和利润端看，AI商业化已有连续验证。 压力集中在资本投入与现金流。同期资本开支升至676.78亿元，同比增长75%；经营现金流为229.45

过去一周，BTC重新回到7万美元上方，8万美元这个第一阶段目标已经非常接近。对我来说，需要重新计算的已经不是“6万美元是不是底”，而是当BTC从底部反弹之后，下一阶段到底该继续拿BTC/IBIT，还是在合适价格下重新加入MSTR。 我的BTC判断没有变化：6万美元附近大概率是这一轮的阶段底部，三季度主要看6万—8万美元反复震荡，Q4是底部确认和市场预期进一步收敛的重要窗口。2028年的目标仍然是15万—25万美元。 最近我重新买了MSTR。这是近一年第一次重新买回这只股票。上一次是在2022年12月、复权后大约18美元开始买，持有两年多，到2025年8月附近平均450美元左右全部卖掉。 这次重新买MSTR，我的收益来源排序很明确：BTC上涨第一，当前折价第二，未来牛市溢价第三。我没有把收益假设建立在MSTR再次回到2024年那种极端溢价上。 01 6万美元附近，我仍然把它当成阶段底部 从6万美元附近反弹到7.7万美元左右，这一段行情已经走了相当一部分。短期再到8万美元，只剩几个百分点。所以现在再追BTC，赔率和6万美元附近已经不是一个水平。 我的BTC时间框架：Q3看6万—8万美元震荡，Q4观察底部确认，2028年目标15万—25万美元。 我并不预期BTC从这里一路单边上涨。三季度还有反复，甚至重新回到6.7万—7.2万美元也很正常。如果回到这个区间，同时下跌动能明显衰竭，我会明显提高买入意愿；如果市场始终不给低价，我的计划也不是无限期等最低点，最晚到10月底之前会把计划仓位补足。 以7.7万美元附近为基准，15万美元对应接近一倍的上涨空间，20万美元约1.6倍，25万美元约2.2倍。基础资产本身已经有足够大的潜在收益，所以我一直反对用合约和高杠杆去表达这个观点。 我更在意的是能不能活着拿到下一轮行情。如果BTC未来两年本身就可能给出足够高的收益，用5倍、10倍杠杆去换取额

8月20日，美光宣布成立 美光研究实验室（美光研究实验室），总部设在爱达荷州 博伊西，未来十年计划投入约 100亿美元。旗舰研究设施预计2027年开工，可容纳数百名研究人员；资金同时覆盖大学合作、全球卫星实验室及产业链研究合作。研究方向被划为四块：关键存储技术、先进存储—计算架构、先进封装、未来半导体制造。美光给这家机构设定的时间尺度明显长于常规产品研发——研究范围将延伸至十年以上，并明确瞄准现有 技术路线图 之外的问题。 这100亿美元属于长期研发体系投入，不能直接折算成新增 DRAM/NAND晶圆产能，也不应加入2027—2029年的 bit供给预测。美光此前超过2500亿美元的美国制造及研发投资计划包含 博伊西、纽约等先进DRAM晶圆厂；研究实验室覆盖的则是基础研究、设施、大学合作和跨区域研究网络，两者对应的资本回报周期与供给影响并不相同。 1γ开始放量，美光进入EUV主导的DRAM缩微阶段 目前美光先进DRAM制程的主力节点已经转向 1γ（1-gamma）。从公开指标看，1γ相较1β的每片晶圆bit密度提升超过 30%；1γ DDR5最高支持 9200MT/s，较对应1β产品速度最高提高约15%，功耗最高降低 20%。工艺层面，1γ引入EUV光刻，同时使用新一代高介电常数金属栅（HKMG）CMOS和高深宽比刻蚀技术。 这些数字最后都要回到制造经济性。存储器厂商每一轮DRAM节点迁移的核心仍是单位bit成本：同一片300mm晶圆能够产出多少有效bit、单位bit消耗多少设备与材料、良率需要多长时间爬到成熟区间。1γ超过30%的bit密度提升，意味着只要良率和设备利用率进入成熟阶段，美光就可以用更少的晶圆投入生产相同数量的DRAM bit。 截至今年3月，美光披露1γ已经成为公司历史上达到成熟良率速度最快的