一盒記憶體條價格堪比上海一套房，AI大潮正重塑整個儲存行業格局。“一天一個價，甚至一天幾個價。”深圳華強北的儲存商戶們這樣描述近期的市場行情。2025年下半年以來，儲存晶片價格漲幅驚人，記憶體、快閃記憶體價格翻了一倍以上。海力士和三星的256G DDR5伺服器記憶體一根超過4萬元，有的甚至高達49999元/根。一盒100根的記憶體條價格近500萬元，確實堪比上海一套房的價格。行業調研機構TrendForce集邦諮詢的資料顯示，2026年第一季度一般型DRAM合約價將季增55%-60%，NAND Flash各類產品合約價預計上漲33%-38%。儲存市場已進入“超級牛市”階段，當前行情甚至超越了2018年的歷史高點。01 儲存晶片漲價潮的深層邏輯本次儲存晶片價格上漲與過往周期性波動有本質區別。AI革命以前所未有的力量重塑儲存行業的市場需求格局，帶來的是結構性變革而非普通周期性上漲。人工智慧伺服器對儲存的需求是普通伺服器的數倍。單台AI伺服器的儲存配置達1.7TB，而傳統伺服器僅為0.5TB，這直接拉動了高頻寬儲存器、DDR5及企業級固態硬碟等高性能產品的缺口擴大。為滿足AI伺服器需求，三星、SK海力士等海外原廠將產能加速轉向DDR5、HBM等高利潤的高端產品。然而，HBM產能擴張速度遠滯後於需求增長。SK海力士2026年底前的HBM產能已被AI大客戶提前鎖定，三星HBM產能留給中小廠商的份額不足10%。產能向高端產品轉移導致DDR4等傳統儲存產品產能持續縮減，而大量存量伺服器和正在部署的新伺服器仍然大規模依賴成熟、穩定的DDR4記憶體，供給大幅減少導致供不應求，價格飆升。DDR4半年累計漲幅超200%，甚至出現了“前代產品價格反超新一代”的異常現象——DDR4價格比DDR5高出一倍。02 AI算力基礎設施重構儲存需求大模型的參數規模已經達到兆等級，上下文長度普遍超過128K，HBM的容量已難以滿足AI大模型對於記憶體容量的要求。在剛剛結束的CES 2026上，英偉發佈的新一代技術平台引入了BlueField-4技術，其核心邏輯在於改變資料的儲存位置，將原本儲存在GPU視訊記憶體（HBM）中的上下文資料轉移到本地SSD中。AI推理的瓶頸已從“計算能力”實質性轉向“上下文儲存能力”。每個GPU在原有1TB記憶體的基礎上，額外增加了16TB的SSD儲存需求。為了匹配Rubin GPU 5倍於前代Blackwell平台的推理性能，資料中心對大容量、高性能企業級SSD的需求量呈指數級上升。北京大學積體電路學院研究員王宗巍表示：“人工智慧對高頻寬儲存的需求在本輪價格上行中起到了顯著放大作用。以大模型訓練與推理為代表的人工智慧工作負載，對記憶體頻寬、容量和能效提出了遠高於傳統CPU和通用伺服器的要求。”03 國產儲存產業迎來歷史性機遇儲存晶片市場的持續漲價，為國產儲存產業帶來巨大推動作用。近年來，國產儲存廠商正加快技術突破，不斷提升市場份額。國記憶體儲晶片龍頭企業長鑫科技申報科創板IPO近期已獲受理。此次IPO，長鑫科技擬募資295億元，用於儲存器晶圓製造量產線技術升級改造項目、DRAM儲存器技術升級項目及DRAM前瞻技術研究與開發項目。2025年前九個月，長鑫科技實現營業收入320.84億元，公司主營業務收入的複合增長率達72.04%。另一家國產晶片廠商兆易創新2025年前三季度實現營收68.32億元，同比增長20.92%；歸母淨利潤10.83億元，同比增長30.18%。國記憶體儲產業正迎來階段性發展窗口。以長鑫儲存和長江儲存為代表的國產儲存企業持續在記憶體和快閃記憶體市場發力，加快產能佈局，通過IPO、擴產和技術迭代提升綜合競爭力。04 產業鏈擴產潮與供需前景全球儲存器市場迎來“超級周期”，產業鏈上下游同步吹響擴產號角。2026年1月9日，國內先進封測領軍企業通富微電宣佈擬募資不超44億元，其中8億元用於儲存晶片封測產能提升項目。深圳佰維儲存科技股份有限公司佈局的晶圓級先進封測製造項目正處於投產準備過程中。該項目建設完成後將為客戶提供“儲存+晶圓級先進封測”一站式綜合解決方案，服務於人工智慧手機、電腦、眼鏡等對大容量儲存解決方案的需求。儘管儲存產業鏈擴產潮起，但業界普遍認為市場供需緊張的局面短時間內將持續。儲存產線建設周期較長，且技術門檻高，短期內新增產能有限。集邦諮詢顧問分析師許家源表示：“雲服務商帶動的儲存產品需求規模已超越供應商原先的預期，而供應商在原有擴產規劃之外的擴產，最早至2027年下半年方可投入市場，難以緩解2026年行業供不應求的局面。”05 投資視角下的儲存類股機遇從投資角度看，半導體產業正處在“國產替代”與“全球AI技術革命”雙輪驅動的歷史性交匯點。德邦基金基金經理雷濤認為，未來兩年將是行業發展的關鍵窗口期。在半導體產業的眾多細分領域中，半導體裝置類股正處於高速成長期的中早階段。南方基金基金經理鄭曉曦表示：“自主可控方向核心邏輯是國產化率提升疊加需求驅動帶來長期景氣高增長。”她對半導體裝置為代表的自主可控類股非常有信心，未來三年有望進入成長邏輯逐步兌現的右側收穫期。對於市場關注的儲存晶片領域，鄭曉曦保持了冷靜判斷：確實看好儲存擴產帶來大周期的高景氣度，儲存擴產有望在2026年中或下半年實現加速擴張。而在核心儲存晶片領域（如DRAM、SRAM、HBM晶片等）國內與海外企業存在顯著差距，但她預期未來隨著製程的迭代升級、量產規模持續放大、工藝與良率持續提升，能顯著縮小這些差距。資料顯示，全球資料儲存市場空間已超2.6兆元。隨著AI技術發展，可能將引發儲存行業重新洗牌，進而產生新機遇。中國主流儲存產品無論從性能、成本還是能效等方面，都已經趕上海外同類產品。未來兩年將是行業發展的關鍵窗口期。投資者需要調整短期思維，從3-4年維度把握這一歷史機遇。儲存行業正由單一容量驅動向“算力密度+頻寬密度”協同驅動階段演進，這一變革將重塑整個產業鏈的競爭格局和價值分配。 (吐故納新溫故知新)

剛剛，馬斯克宣佈：已將全新的X平台推薦演算法開源，該演算法由與 xAI 的 Grok 模型相同的 Transformer 架構驅動。這套演算法會收集使用者的個人資訊，比如你關注了誰，你點贊、回覆或分享過那些帖子，通過預測使用者行為（點贊、回覆、轉發等）來對帖子進行排序，從而定製“為你推薦”一欄中的內容。1月11日，馬斯克就在X上宣稱自己會在7天內開源X平台的推薦演算法。儘管比約定的時間略晚，但還是說到做到。他還表示，這套演算法將會每四周更新一次，並提供全面的開發者說明。馬斯克發帖聲稱：“我們知道這個演算法很笨拙，需要大量的改進，但至少你可以看到我們在即時和透明的情況下努力讓它變得更好。”他同時強調：“其他社交媒體公司都沒有這樣做。”開源推薦演算法的確是一個罕見的操作。在社交平台領域，推薦演算法向來是各家的“核心機密”：使用者刷到的每條動態、每個廣告，背後都是演算法根據使用者行為、內容標籤、商業訴求等維度計算的結果。此前，無論是 Facebook、Instagram 還是其他社交平台，演算法都被牢牢鎖在“黑箱”裡，平台不會主動交底，外界也只能靠逆向工程進行猜測。不過，馬斯克如此慷慨大方地開源X平台的推薦演算法，也可能另有動機。2025年7月，據路透社報導，巴黎檢察官辦公室對X平台展開刑事調查，調查重點包括演算法是否存在系統性偏見，以及是否存在欺詐性資料提取行為。X方面對此回應稱，該調查“出於政治動機”，並警告其可能威脅言論自由。12月， 歐盟認定X平台違反《數字服務法》透明度義務條款，對其處以1.2億歐元罰款，違規行為包括其使用者帳號的“藍標認證”僅通過付費即可獲得，在介面設計上對使用者具有誤導性；其廣告資料庫在透明度和可訪問性方面存在不合規等等。目前這套推薦演算法的Github程式碼庫已經開源，並迅速獲得了7.4k stars。既然開源了，那麼X平台的推薦演算法究竟有那些奧秘？Github地址：https://github.com/xai-org/x-algorithm兩大核心元件：Thunder 和 PhoenixX平台演算法推薦系統的核心思想是將站內關係內容（來自你已關注帳號的內容）與站外發現內容（通過基於機器學習的召回機制發現的內容）進行融合，並使用基於 Grok 的 Transformer 模型對所有內容進行統一排序。據其Github介紹，「為你推薦」資訊流的內容主要來自兩大來源：一是站內內容（Thunder 模組），即使用者關注帳號發佈的帖子；二是站外內容（Phoenix 召回模組），也就是從全網內容庫中篩選出的帖子。兩類內容整合後，會交由 Phoenix 模型分析。該模型會通過使用者的點贊、回覆、轉發等互動歷史，預測使用者對每篇帖子的各類互動機率，最終的內容得分便是這些機率的加權組合。X推薦演算法系統架構Thunder 和 Phoenix是這個系統的兩大核心元件。Thunder 是一個記憶體內的帖子儲存系統和即時資料攝取管道，用於追蹤所有使用者的最新發佈內容。它會從 Kafka 即時消費帖子建立與刪除事件，在記憶體中維護每個使用者的原創、回覆/轉發和視訊等最新內容，並自動淘汰過期資料。由於完全運行在記憶體中，Thunder 可以在不訪問外部資料庫的情況下，實現亞毫秒級的站內內容查詢性能。Phoneix則承擔了兩項功能：召回和排序。它先通過雙塔模型將使用者行為與全量帖子編碼為向量，在全域內容池中高效召回與使用者興趣最相關的帖子；隨後再利用具備候選隔離機制的 Transformer，對每條候選內容獨立預測點贊、回覆、轉發、點選等多種互動行為機率。Phoenix模型會預測使用者可能對每條帖子採取的多種行為，其中既有點贊、回覆、轉發等正面行為，也有不感興趣、拉黑、舉報等負面行為：隨後，加權評分器會將這些因素綜合成一個得分，這就是一條帖子的最終評分：積極的行為（點贊、轉發、分享）的權重為正，負面行為（遮蔽、靜音、舉報）的權重為負，從而判斷出使用者可能喜歡或不喜歡的內容。Rust 語言為主，Python 為輔完全摒棄手工特徵設計其Github倉庫顯示，這套演算法推薦系統主要使用了 Rust 和 Python 兩種程式語言，項目遵循了Apache License 2.0  開源許可。該倉庫的程式碼檔案按功能模組劃分，核心模組分工明確：phoenix/：包含 Grok 模型適配、推薦系統模型（recsys_model.py）、召回模型（recsys_retrieval_model.py）等核心程式碼，以及模型運行、測試指令碼；home-mixer/：以 Rust 語言開發，是推薦系統的 “編排層”，包含候選內容補全、查詢資料補全、打分器、過濾器等核心邏輯；thunder/：基於 Rust 開發，負責處理 “站內內容”（關注帳號帖子）的檢索、反序列化、Kafka 消息處理等；candidate-pipeline/：候選內容流水線相關邏輯，是連接內容源與後續處理的關鍵環節。在演算法底層設計上，X 平台的推薦系統有五大核心決策，這些設計也成為其區別於傳統推薦演算法的關鍵：1、完全摒棄手工特徵設計這套系統完全依賴基於 Grok 的 Transformer 模型，從使用者的互動行為歷史中自動學習使用者和內容的相關性，不再進行任何人工設計的內容相關特徵工程。這一做法顯著降低了資料管道和線上服務基礎設施的複雜度。2、排序階段的候選隔離在 Transformer 推理過程中，各候選內容之間不會相互影響，只能圍繞使用者上下文來打分。這保證了單條內容的評分不依賴於同批次中其他候選內容的存在，使得評分結果更加穩定，並且可以被安全地快取和復用。3、基於雜湊的嵌入表示在召回和排序兩個階段，模型均使用多種雜湊函數進行 embedding 尋找，以提升嵌入表示的效率與可擴展性。4、多行為預測模型並非只預測單一的“相關性”分數，而是同時預測使用者對內容可能產生的多種行為的機率。5、可組合的流水線架構此外，系統還基於candidate-pipeline 模組搭建了一套靈活的推薦流水線框架，具備以下特點：將流水線執行與監控邏輯與具體業務邏輯解耦支援獨立階段的平行執行，並提供完善的容錯與錯誤處理機制可以便捷地擴展新的候選源、資料補全、過濾器和打分器什麼樣的內容在X平台上容易火？X 平台的推薦演算法，本質上是一個基於大模型的“使用者行為預測系統”。它並不依據單條帖子的轉贊評等資料來判斷內容好壞，而是通過分析使用者過往的點贊、回覆、轉發、點選和停留等行為，預測你在看到某條內容後最可能採取的下一步行動，並據此對內容進行排序。在這樣的機制下，更容易引起互動行為的內容，比如能激起討論的觀點、引導回覆和轉發的表達，或讓使用者願意停留和點選的資訊，就更容易被推薦和放大；而引發負面反饋的內容，如頻繁被標記為“不感興趣”、遭到拉黑或舉報的帖子，則會被系統主動壓低權重甚至過濾。頻繁發帖刷屏也是不被系統鼓勵的。程式碼中有一條“Author Diversity Scorer“，作用就是降低重複作者的分數，以確保資訊流多樣性。因此更有效的發帖策略是降低頻率，提高單條內容的獨立價值。使用者關注帳戶的內容會被優先考慮，保持滿權重，而推送給非關注使用者的內容則會被系統性折扣，可見關注關係的重要性進一步上升。此外，由於“候選隔離”的存在，每條帖子都會進行獨立打分。如果別人發了一條爆款內容，也不會擠掉你的內容曝光。你的分數隻取決於你自己和目標使用者之間的關係。總體來看，X平台的推薦演算法更關注內容與使用者之間的互動關係質量，能夠激發情緒、觀點表達和參與行為的內容，才會在資訊流中獲得更高的可見度。在接手X平台前，馬斯克就一直不滿於社交媒體平台“演算法不透明”的問題，並致力於把X平台打造成“自由廣場”。演算法開放原始碼的消息一出，X平台上也炸了鍋，不少網友認為這是社交平台“透明化”的關鍵一步。也有網友提出，此舉的意義不僅在於演算法透明度，而在於將公眾的集體注意力系統變得可理解。激勵、衰退、病毒式傳播、憤怒、信任等等一系列的社交媒體行為，都可以變成被學習和建模的函數。那麼，對於近期深陷輿論漩渦的馬斯克來說，此番開源X平台的推薦演算法，能否應付外界對其“存在演算法偏見”“流量操縱”的質疑呢？還需拭目以待。 (51CTO技術堆疊)

【新智元導讀】馬斯克兌現承諾，X平台全新推薦演算法正式開源！這套由Grok驅動的AI系統，完全取代了人工規則，通過15種行為預測精準計算每條帖子的命運。1月11日，馬斯克在X平台上發了一條帖子，宣佈將在7天內開源X平台全新的推薦演算法。他還承諾，此後每4周重複一次開源更新，並附上全面的開發者說明。今天，馬斯克兌現了這個承諾。X平台工程團隊(@XEng)今天正式宣佈：全新的X演算法已經開源。這套演算法採用了與xAI旗下Grok模型相同的Transformer架構，程式碼已發佈在GitHub上。這一消息迅速引爆全網。對於普通使用者來說，這意味著我們終於可以一窺為「你推薦」資訊流的真實運作機制。對於創作者來說，這意味著如何漲粉不再是玄學，而是有據可查的科學。開源地址：https://github.com/xai-org/x-algorithm下面深入解讀這套開源演算法到底說了些什麼。一、核心變化從手工規則到全AI驅動這次開源揭示的最大變化是：X演算法現在完全由AI驅動。官方README文件中明確寫道：我們已經移除了所有手工設計的特徵和大多數人工規則。簡單來說就是：以前那些營運團隊手動調參、人工設定的推薦規則，全部被刪掉了。現在，一個基於Grok架構的Transformer模型，通過學習你的歷史互動行為（你點讚過什麼、回覆過什麼、轉發過什麼），來決定給你推薦什麼內容。這意味演算法變得更懂你了，但也更難被玩弄了。以前的互動技巧、流量密碼可能要全部失效。這很容易讓人聯想到馬斯克特斯拉FSD的端到端演算法，沒有任何人類規則，全靠大模型通過資料學習。二、你的資訊流從那來？雙引擎驅動開放原始碼揭示，你的「為你推薦」資訊流由兩個來源建構：1. Thunder（雷霆）：關注圈內容這是你關注的人發的帖子。Thunder是一個即時內容儲存系統，它會：從Kafka消息佇列中消費帖子的發佈/刪除事件為每個使用者維護最近的原創帖、回覆、轉發、視訊等內容庫提供亞毫秒級的快速查詢簡單來說，Thunder確保你能第一時間看到關注者的新內容。2. Phoenix（鳳凰）：全球發現引擎這是你沒關注但演算法認為你會喜歡的內容。Phoenix通過機器學習在全球海量帖子中搜尋相關內容：使用者塔(User Tower)：把你的特徵和互動歷史編碼成一個向量候選塔(Candidate Tower)：把所有帖子也編碼成向量相似性搜尋：通過向量點積找出與你「最匹配」的帖子這就是病毒式傳播發生的地方。如果你的帖子在早期表現良好，Phoenix會把它推送給大量陌生人。即使你粉絲為零，優質內容也有機會被發現：粉絲數的優勢被大幅削弱了。三、演算法如何打分？15種行為預測這是本次開源最核心、最有價值的部分：Phoenix模型會預測使用者可能對每條帖子採取的多種行為：最終得分的計算公式是：Final Score = Σ (weight × P(action))正面行為的權重為正，負面行為的權重為負。演算法不是簡單看你獲得了多少點贊，而是預測使用者看到這條帖子後會怎麼做。四、8個你必須知道的演算法機制基於開放原始碼，以下是8個直接影響你內容曝光的關鍵機制：1. 被拉黑、靜音、舉報會嚴重降權程式碼中的 P(block_author)、P(mute_author)、P(report)、P(not_interested) 四個負向預測，權重全是負數。預測值越高，你的帖子得分越低。通俗解釋：如果演算法預測使用者可能會拉黑你、靜音你、舉報你或者點「不感興趣」，你的帖子就不會被推薦給這個使用者，甚至整體流量都會受影響。2. 連發多條帖子會被降權程式碼中的Author Diversity Scorer作用是「衰減重複作者的分數以確保資訊流多樣性」。通俗解釋：別刷屏！如果你連續發好幾條帖子，後面的曝光會越來越少。演算法希望使用者看到不同人的內容，而不是被一個人霸屏。3. 別人發爆款不會搶你流量程式碼中的Candidate Isolation設計確保「候選帖子之間不能互相影響，只與使用者上下文互動」。通俗解釋：每條帖子是獨立打分的。別人發了一條10萬點讚的爆款，不會擠掉你帖子的曝光。你的分數隻取決於你自己和目標使用者之間的關係。4. 使用者停留時間很重要P(dwell) 是獨立預測項，停留時間直接影響得分。通俗解釋：如果使用者停止滑動，真正閱讀你的帖子，系統會認為這是高品質內容，然後推給更多人。這就是為什麼長帖子、故事敘述、系列討論（Thread）現在效果越來越好。5. 視訊只看「點不點開」，不管看完沒預測項是 P(video_view)，不是完播率。通俗解釋：這和抖音完全不同！X演算法只預測使用者會不會點開看視訊，不關心你看完沒看完。所以封面和開頭的吸引力比完播率更重要。6. 看過的帖子不會再推給你已經在你資訊流中出現過的帖子，不會重複推送。每次刷新都是新內容。7. 非關注者發的內容有特殊調分邏輯OON Scorer用於「調整非關注圈內容的分數」。通俗解釋：你沒關注的人發的帖子，會經過一個專門的評分器調整分數，但具體怎麼調沒公開。可能是為了平衡「關注」和「發現」兩種內容的比例。8. 回覆作者評論權重極高根據程式碼分析，「回覆+作者回應」的權重是單純點讚的75倍！通俗解釋：如果有人評論你的帖子，一定要回覆！忽視評論等於扼殺傳播。演算法非常重視真實的對話和互動。五、這套演算法怎麼過濾內容？開放原始碼還揭示了詳細的過濾機制，分為兩個階段：打分前過濾（Pre-Scoring Filters）：打分後過濾（Post-Selection Filters）：六、5大關鍵設計決策開源文件還透露了演算法團隊的5個核心設計理念：1. 零手工特徵工程系統完全依賴Grok Transformer從使用者互動序列中學習相關性，不做任何手工特徵設計。這大幅簡化了資料管道和服務架構。2. 候選隔離機制在Transformer推理過程中，候選帖子之間不能互相「看到」對方，只能與使用者上下文互動。這確保了每條帖子的分數不會因為同批次其他帖子而變化，分數一致且可快取。3. 雜湊嵌入檢索和排序都使用多個雜湊函數進行向量嵌入尋找，提高效率。4. 多行為預測不是預測單一的「相關性分數」，而是同時預測多種使用者行為的機率，然後加權組合。5. 可組合的管道架構整個推薦系統採用模組化設計，各個元件可以獨立開發、測試、替換，支援平行執行和優雅的錯誤處理。七、這對內容創作者意味著什麼？根據這次開源，如果你想在X平台獲得更大的曝光，以下是核心建議：✅ 應該做的：寫強烈的好奇心鉤子：讓人想停下來看完創作值得停留的內容：停留時間直接影響得分積極回覆評論：作者回覆權重極高使用短段落，易於閱讀：降低閱讀門檻發有價值的原創內容：演算法獎勵真實互動和人性化反應❌ 不該做的：別刷屏：連續發帖會被降權別放外鏈：把連結放在個人簡介或置頂，不要放正文別搞標題黨或低品質煽動：負面反饋會嚴重拖累你別忽視評論：不回覆等於放棄流量這次X演算法開源可以說是社交媒體透明度的里程碑事件。馬斯克收購Twitter（現X）以來，一直強調平台透明度。此次開源不僅是兌現承諾，更讓所有使用者和開發者都能看到推薦系統的真實運作方式。總結一下這次開放原始碼的核心內容：演算法完全AI化，告別人工規則時代雙引擎（Thunder+Phoenix）驅動資訊流15種行為預測決定內容得分負面反饋殺傷力巨大停留時間和真實互動是核心指標小號也有機會，粉絲優勢削弱這應該是迄今為止最公平的X演算法版本。而且馬斯克承諾這個開源過程將每4周重複一次，這個帖子獲得了接近3500萬的觀看，全球創作者都在持續關注中。 (新智元)

近期，多家機構對阿里巴巴的雲業務及AI驅動的投資前景表示樂觀。高盛指出，阿里巴巴作爲中國最大的超大規模雲服務商，其雲業務的可預見性持續強勁，AI驅動的投資主題保持不變。儘管由於市場競爭和即時零售的再投資，高盛下調了對中國電商核心EBITA的增速預測，但對阿里雲的估值保持不變，並維持“買入”評級。富瑞的報告也指出，阿里巴巴的雲業務收入在第二季度同比增長34%，超出市場預期。富瑞認爲，儘管供應鏈存在波動，但AI需求的強勁支持將推動雲業務繼續保持高增長。此外，阿里巴巴的即時零售業務預計在本季度將顯著縮減虧損，表現優於市場預期。Jefferies的研究報告進一步強調，阿里巴巴的雲業務在上一季度實現了34%的同比增長，儘管與微軟Azure和Google Cloud的增長率相比略有差距，但整體增長勢頭依然強勁。Jefferies還指出，阿里巴巴在AI應用方面的進展，特別是在即時零售和電商領域的協同效應，將進一步推動其業務發展。UBS的報告則提到，阿里巴巴的雲業務收入在上一季度超出預期，管理層的資本支出展望仍是市場關注的焦點。UBS認爲，隨着阿里巴巴在未來三年加大投資，其雲業務和AI驅動的戰略將繼續爲投資者帶來積極回報。總體來看，機構普遍認爲阿里巴巴的雲業務和AI驅動的投資主題具有持續的增長潛力，儘管在電商領域面臨一定的競爭壓力，但其在雲計算和人工智能領域的領先地位將繼續爲其提供強勁的發展動力。

這不僅僅是一個DeepSeek時刻，它可能遠遠超過那個層面。一款由AI驅動的全新聊天機器人橫空出世，不僅引發了科技股對動盪市場領軍地位的激烈角逐，同時也引發了人們對輝達晶片需求的新擔憂——而正是輝達晶片撐起了華爾街最熱門的股票。這番描述既可以用來描述中國聊天機器人DeepSeek問世時的市場反應（當時它讓整個科技圈震驚，還曾一度導致美股下跌），也同樣適用於最近發生的情形，即Google母公司Alphabet推出新版Gemini 3後的市場表現。Alphabet的股票是今年迄今為止“七巨頭”中表現最好的，該公司上周發佈了最新版聊天機器人，而投資者現在才開始意識到，這款產品在未來幾個月內可能會對人工智慧類股產生怎樣的影響。據報導，Gemini 3在運行速度、反應靈敏度和深度推理能力上均優於OpenAI的ChatGPT、埃隆・馬斯克旗下的Grok以及傑夫・貝索斯支援的Perplexity。該產品可以很好地融入Google旗下廣泛的應用生態及其市場領先的搜尋業務中，定價也與競爭對手的AI模型持平或更低。但更重要的是，Gemini 3主要是利用Google自家的張量處理單元（TPU）進行訓練的，而不是像競爭對手那樣依賴輝達的晶片。TPU的靈活性不如輝達的圖形處理單元（GPU），這也意味著在超大規模企業斥資數十億美元採購可靈活重新程式設計系統的市場中，TPU的價值可能會相對降低，但TPU的研發成本更低，滿負荷執行階段的功耗也更小。這一點正在令華爾街感到不安。“有些投資者極為擔心，憑藉Gemini模型的巨大進步以及定製TPU晶片所帶來的持續優勢，Alphabet可能會在AI大戰中獲勝。”華爾街諮詢機構Melius Research的科技策略師Ben Reitzes表示。他補充道：“現在就斷言Alphabet最近的突破讓它成為AI領域的長期贏家，還為時尚早。話雖如此，半導體企業和超大規模雲端運算公司（尤其是甲骨文）必須警覺到，‘Alphabet問題’已經成為一個值得關注的風險點。”甲骨文此前已經斥資數十億美元採購輝達晶片用於雲端租賃。如果更低成本的TPU出現，一旦其他公司建立AI雲服務競爭平台，甲骨文在價格上可能會被削弱競爭力。知名投資機構D.A. Davidson的分析師Gil Luria估算，如果Google將DeepMind AI研究實驗室與TPU晶片銷售業務拆分出去，組建獨立公司，其估值可能接近1兆美元，這也可能成為“堪稱Google最具價值的業務之一”。另一方面，即便輝達在AI領域的領先優勢出現小幅縮小，都可能在未來幾個月內引發連鎖反應，對市場造成衝擊。那些此前在輝達半導體上大舉投資的企業，如果發現更便宜的晶片同樣表現出色，可能會因此陷入“買家懊悔”。目前，從上市的超大規模科技公司到OpenAI 等初創企業，整個行業的估值都已處於極高水平，而這項新技術對實體經濟的實際利多仍存在不確定性。實際上，OpenAI 首席執行官薩姆·奧特曼在上周《The Information》發佈的一份內部備忘錄中坦言，Google在人工智慧方面的進步，很可能會給公司帶來“一些暫時的經濟阻力”。他表示：“我預計外界的氛圍會艱難一陣子。”Google的股價已反映出部分市場預期，周一上漲了6.3%，盤中一度創下每股318.58美元的歷史新高。今年以來，該股累計上漲了68%，而“七巨頭”指數同期漲幅為22%，納斯達克綜合指數則上漲了18%。其TPU製造合作夥伴博通（Broadcom）在周一下午早些時候上漲了11%，今年以來的漲幅略超63%。與此同時，輝達股價小幅上漲，但自本月初以來仍下跌了近9%。根據道瓊斯市場資料，目前輝達4.35兆美元的市值與Google市值之間的差距已縮小到約5260億美元，為自四月以來的最小水平。伯恩斯坦資深分析師斯Stacy Rasgon並不那麼關注在當前的AI軍備競賽中短期贏家的歸屬，他更關心的是這場競爭的持續性。Rasgon周一在接受CNBC採訪時表示：“我們還沒到需要擔心誰贏誰輸的時候。現在更需要關注的問題是，AI領域的機遇是否可持續。”他補充道：“如果可持續，大家都沒問題；如果不可持續，大家都完了。” (Barrons巴倫)

在最新的市場分析中，ARK Invest創始人Cathie Wood再次提出了一個逆市場主流認知的判斷：當下市場的緊張與震盪，並非經濟基本面惡化，而是短期流動性扭曲造成的暫時性現象。她的邏輯簡單而極具穿透力——美國經濟是一台被“雙腳踩剎車”的高性能跑車：一隻腳來自聯準會的量化緊縮（QT），另一隻腳來自財政部過度積累的現金（TGA）。而一旦這兩隻腳鬆開，新的加速度將由AI 生產力革命與創新導向的財政政策共同點燃。一、流動性拐點：12月或成轉折時刻ARK 的團隊認為，聯準會的儲備金已從峰值9兆美元降至6.6兆美元，系統流動性幾乎被抽乾。同時，財政總帳戶（TGA）高達9400 億美元，遠高於正常水平。政府停擺使得這部分資金無法流入市場，造成企業和投資端的 “短期窒息”。Cathie 預測，量化緊縮將於12 月1日結束，財政資金也將重新進入流通系統。這意味著市場的“剎車”正在鬆動，而流動性恢復將成為下一輪牛市的導火索。二、從“滾動式衰退”到“滾動式復甦”她提出一個關鍵判斷：過去幾年美國經歷的並非單一衰退，而是一種“滾動式衰退”——各行業輪流承壓、逐步出清。接下來，經濟將進入“滾動式復甦”階段。核心驅動力來自生產力提升。企業正在通過自動化、能源轉型與 AI 技術最佳化生產結構。非國防資本貨物訂單的持續增長顯示，美國正在進入新一輪資本開支周期，這通常預示生產力繁榮的前奏。三、通縮訊號正在顯現，聯準會可能誤判ARK 一再強調，市場忽略了技術帶來的通縮力量。從機器人、能源儲存到 AI 的普及，成本正以指數級速度下降。WTI 原油跌破60美元，Trueflation 即時通膨指標僅為2.5%，債券市場也在定價通膨向下解決。但聯準會依舊擔心“通膨粘性”，Cathie 認為這是一種延遲反應。真實的通膨路徑，正在被創新的通縮效應重新定義。四、財政與稅制：創新政策的隱形助推器當前美國預算赤字降至 GDP的5.7%，但更重要的，是稅制結構的根本轉變。製造業、國內研發和軟體支出可在第一年實現100% 全額折舊。這意味著企業在財務上可以大幅減稅，實際公司稅率降至約10%，遠低於法定 21%，在發達國家中幾乎無出其右。這一政策將吸引海外資本回流，助推美國製造業再工業化與AI 基礎設施建設。五、勞動力與AI的重構儘管就業資料滯後，Cathie 指出多個領先指標已轉弱：辭職率下降、裁員上升、畢業生失業率飆升——AI 正在系統性取代入門級崗位。這意味著未來就業市場將分化：低技能崗位減少，但高技能與創新崗位激增，生產力曲線因此迎來結構性上升拐點。六、資產與市場：從緊縮到重估ARK 認為，標普500盈利上升並非偶然，而是“ChatGPT 時刻”後的結構性轉變。AI帶來的生產力提升正被市場重新定價。與此同時，大宗商品指數仍低於2008年水平，黃金市值/M2比率已接近歷史高點。從歷史經驗看，當該比率見頂後，金融市場往往進入長期繁榮期。信貸市場暫未顯露恐慌，高收益債息差仍處低位，說明系統風險未擴散。唯一的脆弱環節，是私人信貸與穩定幣市場的潛在過度槓桿。七、比特幣與穩定幣：數字黃金的再定義ARK 曾預測比特幣牛市目標價為 150 萬美元。如今，穩定幣已取代部分比特幣的避險功能，市值接近3000 億美元。因此ARK調整預期，扣除約20–30萬美元，但同時指出：由於黃金市值翻倍，這一抵消效應讓長期目標總體維持不變。比特幣依舊是通縮周期中最具槓桿性的資產之一。八、剎車鬆開後的黃金時代Cathie Wood 的結論極具畫面感：美國經濟像一台被“財政與貨幣政策”同時踩住剎車的超級跑車，短期內的震動，是扭矩積蓄的結果。而在流動性恢復、稅制激勵與 AI 生產力釋放的共振下，全球經濟或將迎來一輪“AI 驅動的黃金時代”——通縮、創新與復甦平行。當AI成為經濟的核心驅動力，傳統通膨模型、就業邏輯與投資評估體系都將被重構。這不僅是一次金融周期的切換，更是一次生產力範式的重設。 (賽文視點)

避險基金Coatue研究了400年中市場30多次泡沫事件，得出結論：押注AI仍是正確的。Coatue認為當前AI熱潮的普及速度、低槓桿和估值水平與歷史泡沫有本質區別。AI繁榮情景的機率為三分之二，長期基本面強勁，預計AI驅動的利潤增長將在未來5到10年支撐巨額投資。在關於人工智慧的泡沫警報日益響亮之際，管理著540億美元資產的避險基金巨頭Coatue Management在深入研究了過去400年的市場泡沫史後，得出了一個更具信心的結論：押注AI依然是正確的選擇。據MarketWatch27日報導，在一份10月16日的一份演講中，由Philippe Laffont領導的Coatue披露了其研究結論。該公司系統性地分析了400年裡的30多次泡沫事件，並從應用普及率、槓桿水平到市場集中度等30多個維度進行了歸類。儘管承認當前AI熱潮存在一些令人擔憂的特徵，但Coatue明確反駁了泡沫論。該基金認為，AI的長期基本面依然強勁，足以支撐其投資邏輯。基於此判斷，Coatue給出了兩種可能性：其一是“AI繁榮”情景，即AI成功提升生產力和GDP，同時通膨得到控制，科技股繼續領漲，該情景出現的機率為三分之二。相比之下，Coatue認為AI泡沫破裂、進而引發股市崩盤和經濟衰退的風險僅有三分之一。歷史比較：AI發展與歷史泡沫有何不同？Coatue的核心論點在於，當前的AI發展在關鍵指標上與歷史上的投機泡沫存在本質區別。首先，從應用普及速度來看，AI自問世以來的普及速度遠超個人電腦（PC）或網際網路。其次，雖然資本支出規模龐大且不斷增長，但其資金主要來源於健康的經營性現金流，而非過度依賴槓桿。在估值方面，當前AI領導者的市盈率（P/E）水平遠未達到網際網路泡沫時期的狂熱高位。同時，Coatue指出，市場集中度本身不一定是負面指標。該基金還以雲端運算為例，指出這類顛覆性技術往往需要數年時間才能在投資回報率（ROIC）上轉為正值，AI可能也遵循類似路徑。Coatue認為，AI的真正影響難以被完全量化，這也是其價值容易被低估的原因之一。部分影響是直接的，例如企業通過AI削減人力成本；但另一些影響更難衡量，比如員工生產力的提升。該基金認為，未來5到10年內，由AI驅動的利潤增長將足以支撐當前的巨額投資。報告還援引亞馬遜和Shopify的財報電話會內容，指出AI熱潮正在顯著推動電子商務和廣告等領域的發展。其影響已超出了科技行業本身，卡車運輸公司C.H. Robinson和金融科技公司Rocket Cos.等不同領域的企業也都在宣傳AI帶來的業務優勢。投資組合反映AI信念在做出看多結論之前，Coatue並未迴避AI熱潮中顯現的風險訊號。該基金在文稿中承認了幾個關鍵問題，包括AI領域的領軍企業規模“過於龐大”，資本支出水平高於網際網路泡沫時期，以及AI應用普及速度正在放緩。此外，該基金還注意到了資料中心增長的減速跡象，以及行業內供應商融資模式引發的一些疑問。這些因素都與歷史上一些泡沫的特徵相似，構成了當前市場擔憂的主要來源。然而，Coatue認為，相比這些相似之處，本輪AI熱潮與歷史泡沫的不同點更為關鍵。儘管這份簡報沒有披露Coatue當前具體的頭寸調整，但其公開持倉資料已經清晰地反映了對AI的堅定信念。根據該基金提交的第二季度13-F持倉報告，其投資組合呈現出明顯的AI傾向。其主要重倉股包括雲服務商CoreWeave、Meta Platforms、亞馬遜、GE Vernova和微軟。此外，該基金還將5%的倉位投向了包括能源供應商Constellation Energy、晶片製造商台積電以及輝達在內的與AI生態系統密切相關的公司。 (invest wallstreet)

特斯拉的“現實世界 AI 平台”路線：機器人計程車（Robotaxi）是“軟體毛利 + 高利用率”的價格革命，但短期仍是帶安全員的小規模受控試點，核心變數取決於演算法安全性與監管落地。儲能業務：2024 年全年部署 31.4GWh，2025 年二季度單季 9.6GWh；過去四季度滾動 37.9GWh。產能側，三座 Megapack 工廠合計約 83GWh/年，內華達 10GWh/年 LFP 電芯廠接近投產。人形機器人（Optimus）商業化尚處早期：量產體系、靈巧操作與安全認證仍是硬骨頭。基礎設施路線調整：Dojo 項目停止、轉向 AI6 晶片與“板級多 SoC”（SoC，System on Chip，意為把處理器、記憶體、介面整合在一塊晶片上的方案）思路，折射出公司在自研算力 vs. 外部代工之間的務實取捨。一、Robotaxi：用“利用率”和“軟體毛利”重寫每英里成本商業邏輯傳統出行的單位里程成本被三件事主導：車輛折舊/資本成本、能源與維運、駕駛員工資。私家車每天 90% 以上時間閒置，資本開支被極低利用率“攤薄”；而 Robotaxi 若在“地理圍欄 + 時段限制”下穩定營運到 40–60% 日利用率，固定成本可顯著攤薄，疊加軟體邊際成本接近零，理論上能把“每英里可變成本”壓到僅剩電耗與維護。這是它有望對傳統網約車形成單位成本斷崖碾壓的根基。現實進度2025 年 6 月 22 日，特斯拉在奧斯汀上線受邀小範圍 Robotaxi 試點，6:00–24:00、地理圍欄、帶安全員；隨後在部分友好轄區獲批開展帶安全員測試。路徑是“先有安全員的准無人化 → 積累資料與安全背書 → 再謀求無人化許可”。與完全無人駕駛的商業化仍有距離。監管與輿情約束（核心風險）美國監管部門在 2024–2025 年對特斯拉自動駕駛相關問題的調查持續推進，覆蓋數量可觀的車輛與功能模組；部分城市對“無安全員上線”保持高壓審查。監管不確定性與事故透明度將直接決定 Robotaxi 的擴張速度。結論技術：在相同路段和氣象條件下，行駛百萬英里事故率能否持續優於人類駕駛合規：獲得無安全員許可的城市數量與活躍車輛規模；經濟性：單位里程 TCO （TCO，總擁有成本）是否隨利用率提升出現拐點（對比本地網約車司機含佣金的成本曲線）。受監管與安全門檻影響，“百萬車規模”的時間表應更審慎；但一旦在數個核心城市實現無安全員常態化，商業模型將快速自證。二、能源儲能：從“配角”走向“利潤支點”的產業化曲線確定性資料部署端：2024 年全年 31.4GWh；2025 年 Q2 單季 9.6GWh；過去四季度滾動 37.9GWh，2025 年上半年合計約 20GWh。訂單能見度與規模效應正在兌現。產能端：內華達與上海共計三座 Megapack 工廠，年產能合計約 83GWh，並在爬坡；配套的內華達 LFP 電芯工廠初期 10GWh/年，接近投產，主要供 Powerwall/Megapack。製造與供應鏈（為什麼能做大）垂直整合與標準化：自制 LFP 電芯 + 標準化電力電子（逆變/PCS/EMS）降低 BoS 成本、縮短交付周期；同平台 SKU 支撐“工廠式批次出貨”。學習曲線：電池系統遵循“賴特定律”，累計產量每翻倍帶來單位成本持續下降；滾動四季度 37.9GWh 的出貨為下一輪降本與議價提供樣本。產能利用率：在約 83GWh 年產能背景下，滾動出貨 37.9GWh 對應約 45% 利用率，仍有顯著上行空間；當工廠爬坡穩定，毛利具備繼續修復的物理基礎。電網側商業模式（多重收入）電池除了做“能量套利（低價存電，高價賣電）”，還能參與“容量市場”（提供備用電力）、“輔助服務”（調頻、備用電源）以及“需量管理”（幫助企業削峰填谷）疊加“虛擬電廠（VPP）/聚合調度”軟體訂閱，形成“製造業 + SaaS”的復合收入結構。2025 年中期的披露顯示能源業務毛利創新高，側證“硬體 + 軟體”的組合正在拉動利潤。變數與約束資本開支/原料：鋰、磷酸鐵、銅等大宗對成本的彈性仍在；政策與並網：稅抵與州級激勵有幫助，但並網規則、容量市場設計變化會影響收益兌現節奏；產品進化：2025 年 9 月發佈 Megapack 3/Megablock，訴求更高能量密度與更快部署，以系統化交付進一步壓縮 EPC 周期。結論與 Robotaxi 相比，儲能是當下最“可驗證”的曲線：訂單—產能—出貨—毛利改善鏈條已跑通，且電芯自產與系統標準化帶來持續降本與交付提速的飛輪。投資觀察可聚焦：季度部署量、產能利用率、單位系統毛利三條線是否繼續抬升。三、Optimus：面向“勞動力即服務”的長周期押注價值主張製造與倉儲環節存在大量重複、對抗疲勞的任務（物料搬運、打包、簡單工站操作）。若人形機器人能在無需大改造的人類工廠環境中安全協作，其商業化就能借助訂閱/租賃模式，接近“按小時付費的人力外包”，並以軟體更新的方式規模化分發技能。進展與分歧目標口徑為 2025 年小批次（內部）、2026 年對外；機器人載荷與體尺規格的大致定位在“可搬運約 20kg”的能力帶。與行業對手相比，特斯拉需要拿出穩定的靈巧操作與安全認證資料，並把它放到可複製的量產工藝上。製造視角的難點良率與一致性：驅動器/減速器、力/扭矩感測、手部自由度等零部件對裝配精度與一致性要求極高；可靠性：工業客戶會盯“平均無故障時間（MTBF）”，這決定 OEE(裝置綜合效率) 與訂閱定價；合規：與人協作（cobot）類應用需要功能安全標準與風險評估背書。這意味著即便技術可演示，也必須在供應鏈/工藝/認證三條線上同步突破。時間表應偏保守，先從特斯拉自家工廠的限定場景做深做透，再逐步外放四、算力與晶片：從 Dojo 退場到 AI6 的務實轉向2025 年中後期，特斯拉終止 Dojo、將資源傾斜至 AI6 晶片，思路是用大量 AI5/AI6 SoC 的“板級並聯”來兼顧推理與訓練，晶片由台積電/三星代工。邏輯是：在成本、進度與可製造性之間權衡，與其自建一條全新的訓練體系，不如把車載/機器人推理晶片的規模效益延伸到訓練叢集，縮短產品化路徑。對投資者而言，這意味著更多外部代工與更快量產節拍，但也意味著對先進工藝與封裝的外部依賴上升五、把“三根曲線”擰成一股繩：投資者應如何跟蹤里程碑統一願景是“現實世界 AI 平台”：交通：軟體定義的 Robotaxi，把“人力成本”從單位里程裡移除；能源：電化 + 儲能把能源變成“可編排資產”，由軟體調度變現；機器人：把“體力勞動”軟體化與訂閱化，形成“勞動力即服務”。中期跟蹤指標:Robotaxi：獲得無安全員許可的城市數、有效服務里程、事故率曲線；儲能：季度部署（GWh）、Megapack 工廠產能利用率、能源業務單季毛利與 VPP 軟體滲透；Optimus：內部累計工時、穩定完成的標準化工位任務數量、外部付費 可行性驗證進展；晶片/算力：AI6 測試流片與量產節奏、與外部代工的產能鎖定與封裝良率。特斯拉三條主線都直指“把資本性資產和體力勞動變成可被軟體調度與收費的服務”。儲能業務已進入“量產—交付—盈利修復”的可驗證周期；Robotaxi 與 Optimus 則取決於安全、監管與製造可複製性的共振突破。對於 7.5–10 年的“躍遷式願景”，更穩健的做法是用季度與年度的中期里程碑持續校準：當看到無安全員的規模化落地、儲能出貨與毛利的持續抬升、機器人在限定場景的可複製產線化，那將是這台“現實世界 AI 平台”真正開始釋放經營槓桿的訊號。 (Tech豆)