三個月，戴爾股價從120美元暴漲到最高460美元。 為什麼一家"過氣 PC 廠"公司，被推到歷史新高？ （封面圖：AI資料中心） 2026年5月31日，邁克爾·戴爾（Michael Dell）在推特上發了一張照片：一台剛下線的機櫃，稱戴爾與輝達已向 CoreWeave 交付首台 Vera Rubin NVL72 系統。

在最近的I/O大會上，Alphabet宣佈了一系列新的人工智慧服務，震驚了人工智慧（AI）世界。但該公司最重要的消息是，它與風險投資公司黑石集團（Blackstone）合作創辦了一家新的人工智慧雲端運算公司。 在初期階段，這家新公司可能會對輝達的 AI 硬體業務以及 CoreWeave 的 AI 雲業務產生影響。 Alphabet新成立的公司可能對輝達業務的影響 目前，輝達在人工智慧領域佔據著主導地位，其晶片設計在資料中心市場的營收佔比達 86%。

盛運君最近看了輝達的13F報告，非常有意思，老黃的投資佈局很清晰，值得我們借鑑！盛運君重點拆解一下。 根據輝達最新披露的2026年第一季度（截至2026年3月31日）13F 持倉報告，其自營美股資產持倉總市值已飆升至 183.74 億美元（相較於2025年底的130億美元大幅增長），且持倉高度集中於與其 AI 生態密切相關的 7 隻核心標的。 第一部分：解碼老黃的“購物車” 老黃買這些公司，絕對不是為了單純炒股賺差價，而是為了補齊短板、繫結客戶、追求新技術等，這一切都是為了拓寬護城河。

AI晶片初創公司Cerebras即將IPO之際，一場圍繞OpenAI的特殊交易浮出水面。OpenAI僅憑“承諾購買算力服務”，即以每股0.00001美元的地板價認購Cerebras最多3344萬股（近3%股權），未來持股比例可升至11%。按Cerebras 480億美元估值計算，這部分股權價值超40億美元，而OpenAI付出的只是未來採購承諾。 這並非孤例。此前OpenAI以同樣手法零成本獲取CoreWeave價值3.5億美元的股權（條件是2030年前最多購買119億美元雲服務）。如今CoreWeave股價已翻3倍，OpenAI坐享增值紅利。 對OpenAI而言，此舉一舉三得：零現金獲取巨額股權、多元化算力供應擺脫對輝達與微軟的依賴、鞏固AI生態核心地位。 這種“未來承諾換當下股權”的模式，形成完美的資本閉環：Cerebras IPO募資超50億美元，恰好覆蓋向OpenAI提供算力的成本。但風險同樣顯著，一旦Open AI無法兌現承諾，高度依賴其訂單的企業將面臨營收崩塌。這場“空手套白狼”的資本遊戲，是否正重新定義AI行業的新龐氏騙局？

輝達，正在加速建構AI生態護城河！ 日前，AI晶片巨頭輝達同意向光纖製造商康寧投資至多32億美元，並向資料中心營運商IREN投資21億美元。分析人士指出，這是輝達全面佈局AI生態的一部分。今年以來，輝達加速AI領域投資，承諾金額已超400億美元（約合人民幣2700億元）。 輝達在人工智慧基礎設施領域上下游企業持股的同時，也與它們進行商業交易。分析師認為，輝達此舉符合“循環投資”主題，雖有爭議，但有助於建構競爭護城河。 值得關注的是，輝達對英特爾的50億美元投資，已經浮盈近436%，總浮盈金額接近220億美元（約合人民幣1500億元）。5月8日，輝達股價收盤上漲1.75%，再創歷史新高，總市值攀升至5.23兆美元，為全球市值最高的企業。

這是一場高度分裂的財報電話會——管理層在長期敘事層面交出了一份幾乎無可挑剔的戰略藍圖，但在短期可見度的管理上出現了明顯失誤，直接導致市場用腳投票。 一、基本情況 CoreWeave首次上市以來首次向公眾全面展示其大規模產能擴張與現金流壓力並存的戰略圖景。根據CEO開場，"這是一個非凡的季度，這是CoreWeave歷史上訂單最強勁的季度"，但二季度利潤指引創下歷史次低點卻成為市場此後拋售的核心催化劑。 二、訂單端：真正被低估的結構性訊號

2026年，AI正在改寫商業規則，科技投資邏輯已徹底顛覆。本期“科技圓桌”聚焦新格局下的投資選擇。人工智慧被寄予重塑經濟、大幅提振生產力、攻克癌症、研發新藥、解決氣候變化問題的厚望。同時，它也被認為正在摧毀就業、隱私、利潤率以及對真理的探索。某一條資料剛點燃樂觀情緒，但短短幾天甚至幾小時之後，又會引發末日般的恐懼。這場較量正在華爾街即時上演。輝達曾被視為投資AI最穩妥的選擇，如今股價已低迷了六個月。軟體行業過去被認為是完美的商業模式，現在卻被看作過時的事物，正在被能即時解決商業問題的自動化智能體所淘汰。曾經輕資產的科技平台也愈發像負債纍纍的工業企業，為了跟上AI巨額的融資需求，被迫投入數千億美元。簡而言之，科技投資的邏輯已被徹底顛覆。儘管這種波動令人難受，但它也在為投資者創造巨大機會，現在正是精選個股的絕佳時機。帶著這一目標，Barron’s近期邀請了四位科技領域專家，共同梳理2026年的科技投資版圖，他們分別是Light Street Capital首席投資官格倫·卡徹（Glen Kacher）、傑富瑞（Jefferies）資深軟體分析師布倫特·希爾（Brent Thill）、Lingotto Innovation管理合夥人兼聯席負責人摩根·薩米特（Morgan Samet），以及Melius Research科技研究主管本·雷茨斯（Ben Reitzes）。本月早些時候，他們通過Zoom參與了本次對話。以下為我們“2026科技圓桌”的經編輯整理後的文字實錄。Barron’s：鑑於科技領域充滿不確定性，我們先從確定的事情談起。關於AI和科技行業在未來一年裡，各位認為有那些事情——如果有的話——是比較確定的？Glen Kacher：AI作為一種架構層面的計算變革正在推動整個行業向前發展。資金最雄厚、投入能力最強的那些大公司都在說，這是我們這個行業裡正在發生的最重要的事情，而且他們正在資本開支（capex）上投入數千億美元。對我來說，最確定、也是我們最篤定的一點是：半導體需求極其強勁，對AI算力的需求仍然非常、非常強勁。Barron’s：有人對此有不同看法嗎？Morgan Samet:我可能還會再補充幾句。AI能做的事情不僅限於數字經濟，在實體經濟中能做的事情同樣擁有巨大的市場潛力，而且這種潛力被嚴重低估了。市場往往糾結於一些爭論，比如周期出現的時間點，或者投資回報到底是否真實存在。這類短期視角，聚焦於價值鏈的某些細枝末節，比如軟體，反而忽略了全域。真正被顛覆的不是軟體，而是勞動力。無論是數字經濟還是實體領域，勞動力市場的規模都高達10兆到20兆美元。當你透過這個視角看問題，相關決策者的動機就會發生變化。這類變革需要一段時間才能全面鋪開：基礎設施搭建、決策落地都需要過程，信任與安全也至關重要。但如果你把這些工具在消費市場中不受邊界限制所能做到的事情，再應用到企業端能夠實現的場景上，那機會將會非常巨大。我說“AI顛覆勞動力”，並非想製造恐慌，因為勞動力部署的速度以及其中的摩擦，恰恰表明我們還有時間去創造新崗位，並把勞動力重新引導到更高價值的任務上。Ben Reitzes：可以確定的是，變革的速度會不斷加快。我認為未來會有更多的顛覆，而不是更少。Brent Thill：有兩件事是確定的。首先，AI將會被全球每一個組織的董事會採納。以往雲轉型、比特幣、Web3等重大技術變革，都未曾真正進入董事會層面。但談及AI，我接觸過的多位董事都表示會全力投入，並且正在推動公司在各個行業、各個層面重新調整方向。我們所做的大量一線調研都指向一個結論：AI的全球普及將從董事會層面啟動，而不是像以往技術趨勢那樣，通常從IT層面先啟動。第二是基礎設施。基礎設施市場裡的所有參與者，包括微軟、Google以及亞馬遜，都在看到旺盛得驚人的需求，甚至已經供不應求。Barron’s：董事會成員是被這股浪潮推著走，還是因為已經看到了採用AI的好處而主動出擊？Thill：他們是在主動出擊。當摩根大通表示已降低用於支援工作的總體營運開支，但又把這筆錢重新投入到能創造收入的崗位上時，這就是一個董事會層面的議題。如果你既能削減成本又能提升營收，那就是一種進攻性的舉措。Light Street Capital首席投資官格倫·卡徹（Photograph by Katie Thompson）Kacher：AI令人驚嘆之處在於，這個行業打造出了對單個使用者而言效率極高的工具。它對CEO來說非常容易上手，而且對我們所有人來說都很直觀。每個人都親身體驗過這項技術如何幫助自己創作內容。隨後，他們又聽說它在編寫程式碼方面的效率。這是個人生產力的一次驚人飛躍。我們都在努力彌合的差距在於：為團隊打造這些工具需要時間。疑慮也出現在這裡——如何將這些工具應用到大量人員、讓大家能夠一起協作使用這一點上。Barron’s：基礎設施短缺會顯著拖慢進度嗎？Thill：部分領域已經出現延遲。CoreWeave在第四季度不得不把80億美元的資本開支往後推遲，而且在廠房建設並投入運行方面也遇到了問題。需求異常旺盛，但時間表正在明顯後移。可能只是因為缺少PVC管道，就足以讓一個項目延期數月。很多事情都在往後推，但這並不意味著支出意願不存在。Barron’s：最大的疑問在於投資回報。你們認為什麼時候能看到回報，或者這項技術實現變現？AI什麼時候會產生實質性的影響？Kacher：科技行業每一次重大架構變革，廣泛普及都需要十年甚至更久。以SaaS（軟體即服務）為例，Salesforce1999年成立，大約花了15年時間，才讓約25%的算力轉向雲模式，又用了8年才實現下一個25%的轉移。因此，面向大規模人群的應用落地，開發和普及都需要時間。現有軟體不會消失。你會看到AI疊加在現有應用之上，並被用於企業運行的核心環節，而現有的軟體巨頭也會建構其中一部分應用。同時，他們也必須與原生AI以及LLM（大語言模型）展開競爭。Samet：你會首先在消費領域看到這種趨勢，因為很多產品幾乎沒有進入門檻。有些人願意承擔比我更大的風險，把這些東西下載安裝到自己的裝置上試一試。接著，當思考企業層面時，Glen提了一個很好的觀點：真正難的是把所有東西都整合到一起。企業管理層既心懷恐懼，也看到機遇。當恐懼與機遇同時出現時，人們往往會行動得更快。 (Barrons巴倫)

關於 AI，技術狂歡之外，更是真實的生意。在 NVIDIA GTC 現場，一場 97 分鐘的 All-In 特別節目裡，四位 CEO 拋出了四個判斷：算力資產的生命周期，遠比想像的長；模型不會一家獨大，整合能力才是護城河；通用模型進不了企業核心，私有化定製才是解法；電力和資料中心，才是當下最大瓶頸。從 GPU 到資料中心，從基座模型到企業訂閱，AI 產業鏈的每一層，都在加速變現。（Perplexity CEO ：AI公司怎麼賺錢？）第一節｜算力資產，比想像重要這兩年 AI 爆發，底層晶片最火。但在 CoreWeave CEO Michael Intrator 眼裡，單純的硬體裝置反而是最不重要的一環。他們真正賣的，是“算力”本身。早期行業的玩法很簡單：買 GPU，訓練模型，用完算成本。現在這套邏輯變了。CoreWeave 的核心玩法，是把算力變成可以簽約、可以抵押、能持續產生現金流的金融資產。他們先與微軟、OpenAI 這種體量的巨頭簽下長達 5 年的合同；合同一簽，就有了確定的遠期收入。隨後，他們把 GPU、資料中心和電力打包，裝進一個獨立的融資結構（SPV）裡。客戶打過來的錢直接進這個資金池，優先支付電費、維運、利息和本金，剩下的利潤才回流到公司。在這套商業邏輯裡，CoreWeave 賣的已經不是裝置，而是一條持續運轉的“算力生產線”。這種模式的回報速度快得驚人。5 年期的合同，前 2.5 年就能覆蓋全部成本，往後基本全是純利。憑藉確定的現金流，他們能在短時間內從資本市場融到數百億美元，繼續瘋狂擴張。過去，算力是純粹的成本；現在，算力是源源不斷的現金流。對此，外界一直存在一個質疑：GPU 技術迭代這麼快，硬體會不會迅速過時？Michael 的回答是：“如果有人說 GPU 16個月就會被淘汰，那他完全不瞭解行業現狀。我們的平均合同期是 5 年，客戶買的是未來 5 到 6 年的算力使用權。”事實上，幾年前發佈的 A100 晶片，今年在二級市場的價格反而上漲了。因為 AI 的商業價值不僅在訓練大模型，更在於推理。當模型真正部署到產品裡，被使用者海量且反覆地呼叫時，算力才算真正被“消費”掉。當下大量的 AI 初創企業需要跑中小模型，早幾代的 Ampere 架構不僅完全夠用，而且性價比極高。技術確實在快速迭代，但算力資產的生命周期反而在拉長。只要有人持續付費，它就沒有過時。這就是第一個判斷：算力資產的生命周期，遠比想像的長。第二節｜沒有一家獨大，整合者贏如果說上一節的算力是底層的“提款機”，那麼到了應用層，核心問題就變成了：誰在真正為 AI 持續買單？Perplexity CEO Aravind Srinivas 給出的答案是：企業。如今的 AI 正在經歷從“問答框”到“執行者”的跨越。從接入搜尋、打開瀏覽器到自動填表，它現在已經能端到端地完成整項任務。你只需要說一個目標，整理客戶名單、做報告、搭工具，它在背後把流程跑完。在這個過程裡，人類不再負責拆解步驟，而是直接交付目標。AI 正在全面走向 Agent（智能體）化。這種演變帶來的直接結果是“入口”的轉移。過去十幾年，網際網路的入口分散在各類 App、網站和軟體介面裡；現在，AI 正在把這些工具整合吞噬，變成唯一的超級入口。這也是為什麼 Perplexity 選擇同時用多家的模型。在 Aravind 看來，Perplexity 的核心護城河就在於“絕對中立”。無論最終是 GPT 贏、Gemini 贏還是那個大模型贏， Perplexity 都無所謂。對於 OpenAI、Anthropic、Google 這些海外閉源模型廠商來說，做多模型聚合意味著要把競爭對手的模型也放進來，這在戰略上很難接受。但 Perplexity 不做模型，只做整合，這反而成了它獨特的生態位：精準呼叫各個模型的最優能力，讓它們高效協同工作。而企業，正在為這種“整合與調度”能力買單。目前，Perplexity 已經積累了數千家企業客戶，這是增長最快的業務線。定價從每人每月 40 美元到 400 美元不等，所有收入都已實現正毛利。這就是第二個判斷：基礎模型不會一家獨大，能做好整合與整合的人，離錢最近。第三節｜通用模型進不了企業，垂直才是解法梳理一下前兩層的邏輯：底層是算力資產的變現，中間層是超級應用對多模型的整合與整合。那麼再往上一層，最核心的問題變成了：大模型如何真正重塑企業的核心業務？Mistral CEO Arthur Mensch 給出的答案非常篤定：通用大模型做不到，必須走私有化定製。現成的通用大模型可以寫通稿、敲程式碼、做百科問答。但當它真正深入企業內部，撞上的往往是高度機密的私有資料、複雜的業務工作流和幾十年的行業 Know-how。如果模型無法與這些核心資產深度耦合，它能力再強，也只能是一個邊緣的辦公輔助工具。這正是為什麼越來越多的頭部企業，開始拋棄“通用方案”，轉而訓練專屬的垂直模型。Mistral 的打法是：直接讓頂尖演算法科學家與企業的行業專家並肩作戰。以他們和 ASML（阿斯麥）的合作為例。為了攻克圖像掃描缺陷檢測的難題，Mistral 團隊深入業務一線，學習 ASML 專家如何看圖、如何判定微小瑕疵，最終用這些極其珍貴的行業資料，硬生生“喂”出了一個能自主執行檢測任務的 CV 專有模型。這套模式的關鍵在於：資料絕對不能離開企業。為此，Mistral 採用的是極致的本地化部署（On-premise）。全套工具鏈直接打包進客戶自己的機房，所有資料清洗、訓練和推理都在企業內部閉環，絕不向 Mistral 回傳那怕一個字節。這恰恰是開源模型真正的殺手鐧。開源意味著企業擁有最高權限：可以觸達底層程式碼，可以進行參數級的深度微調，可以毫無顧忌地將其部署在物理隔離的環境中。而閉源模型，永遠隔著一層 API 的黑盒。Arthur 認為，企業手裡握著最核心的 IP 和商業資料，想把這些資產毫無保留地對接到閉源的商業模型裡，不僅面臨資料合規風險，在技術上也難以實現深層定製。只有開源，才能把底層架構的控制權真正交還給企業。這就是第三個判斷：通用模型進不了企業核心，垂直定製才是唯一解法。第四節｜電力和建設，才是真正瓶頸前三節講的都是數字世界的事：算力怎麼賣、模型怎麼整合、資料怎麼定製。IREN CEO Daniel Roberts 關注的是另一層：什麼在限制這一切的擴張？過去很多人以為，限制 AI 擴張的只是晶片產能。但現在行業越來越清醒：GPU 只是入場券。拿到了卡，不代表馬上能跑起模型。電力接入、資料中心排期、液冷裝置採購、高頻寬網路鋪設……每一項都是重資產、長周期的物理建設。而這其中，最大的瓶頸是電力。IREN 目前手握 4.5GW 的電力容量，這幾乎相當於整個舊金山灣區一年的用電規模。但即便擁有如此龐大的儲備，在他們與微軟簽下的 97 億美元大單面前，也僅僅消耗了其總產能的 5%。這足以窺見巨頭們對電力的渴求有多麼狂熱。更有意思的是，由於物理電網的限制，現在的鐵律變成了“電力在那裡，資料中心就得建在那裡”。Daniel 提到了一個極具荒誕感的現狀：在西德州，風能和太陽能的發電量高達 45 到 50GW，但通往達拉斯和休斯頓的輸電網路容量上限只有 12GW。海量廉價的清潔能源受限於輸電瓶頸，被死死“困”在了沙漠裡。IREN 的解法簡單粗暴：直接把資料中心蓋在發電源頭。將龐大的電力就地轉化為算力，再把生成的 Token 通過光纖以光速傳輸出去。還有一個極其反直覺的現象：技術降本非但不會減少算力消耗，反而會徹底引爆需求。主持人問了個問題：如果算力猛增 10 倍，生成一張圖片的成本和時間從 2 分鐘斷崖式降到 5 秒，人們是會覺得夠用了，還是會生成更多的圖片？Daniel 的答案是：需求會指數級爆發。這就是 AI 時代的“傑文斯悖論（Jevons Paradox）”。無論出圖速度多快，前端永遠有填不滿的業務需求在等著吞噬這些算力。AI 在數字世界裡的胃口正呈幾何級膨脹，但現實世界的風電場、核反應堆和高壓電網的建設速度，卻只能依循物理法則緩慢爬行。這道巨大的剪刀差，正在成為限制 AI 擴張的最硬性約束。這就是第四個判斷：AI 的上限，不再只由技術突破決定，而是由電力、土地和建設周期來裁決。結語｜誰領先，誰建壁壘這四個判斷背後，藏著一條共同的暗線：先行者正在構築壁壘。算力被鎖進 5 年合同；整合能力成為護城河； 企業資料築成高牆； 電力和土地被提前圈佔。每一層都在變成長期資產，每一層的門檻都在抬高。有人還在等技術成熟，有人已經開始佔資源了。而在 AI 這個行業，這些資源一旦被佔住，後來者的成本會高得多。 (AI深度研究員)