#解析 | 熱門關鍵字 | 鉅亨號 | Anue鉅亨

#解析

比GPU性能更強？TPU全解析（AI算力、Google、輝達、智算中心）

AI能在幾秒內處理百萬條資料，背後靠的是什麼晶片？常聽人說GPU支撐AI算力，那TPU又在起什麼作用？它和我們手機裡的晶片有本質區別嗎？實際上TPU就像AI的專屬廚師，專門做AI最需要的算力工作，不多但精準高效。一、TPU1、TPU不是一開始就為通用AI設計的很多人以為TPU從誕生就針對大模型訓練，其實它最初是Google為自家業務定製的工具。Google ML發展關鍵時間線（2011-2015）2015年前後，Google的搜尋排序、語音識別這些服務需要大量重複的數值運算，當時的GPU處理起來總有些力不從心，要麼速度不夠，要麼耗電太多。Google工程師乾脆重新設計晶片架構，把所有計算資源都集中在這類運算上，這就是第一代TPU的由來。後來大模型興起，大家才發現這種架構剛好符合AI的需求，TPU才從Google內部走向公開市場。TPU v12、TPU不用常見的快取設計普通電腦和手機晶片裡，快取是個重要部件，就像書桌邊的抽屜，常用的東西放裡面方便拿。可是TPU不怎麼依賴快取，反而用了超大頻寬的記憶體。這是因為AI運算的特點和普通計算不一樣，它需要處理海量連續的資料，比如一張圖片的像素點或者一段文字的編碼，這些資料要不斷輸入計算單元。快取的容量再大也裝不下這麼多連續資料，換成高頻寬記憶體，就能像消防水管送水一樣，把資料快速送到計算部分，反而更高效。二、晶片設計1、架構設計TPU的設計第一步就是設計架構，這就像蓋房子先畫圖紙，決定了晶片的性能上限。架構設計要先明確晶片的用途，是給大模型訓練用，還是給智能音箱這類裝置做推理用。訓練用的TPU需要更強的平行計算能力，能同時處理海量資料；推理用的TPU則更看重能效比，不能太耗電。Google最新的Trillium TPU就是典型的訓練型架構，把多個計算部分連在一起，還最佳化了資料傳輸的路徑，相比上一代訓練速度提升了4倍多，能耗反而降了不少。TPU v4 架構2、演算法適配比單純增加參數更重要設計TPU不能只看硬體參數，還要和AI演算法配合好。不同的AI模型，比如圖像識別和語言翻譯，運算邏輯不一樣。如果晶片架構和演算法不匹配，就算參數再高也沒用，就像用菜刀砍骨頭，再鋒利也不如斧頭順手。Google的TPU能在Gemini模型上做得很好，就是因為設計時針對多模態模型的運算特點做了最佳化，比如加強了對圖像和文字混合資料的處理能力。國內企業設計TPU時，也會針對政務、金融這些領域的特定演算法做調整。人工智慧模型訓練計算量趨勢圖3、IP核採購TPU設計不用所有部分都從零開始，有些通用模組可以直接買現成的IP核。IP核就像現成零件，比如記憶體控製器、介面模組這些，有專業公司專門研發銷售。買IP核能節省大量時間，不用再花幾年研發這些成熟技術，還能降低風險。大部分中小設計企業都會用這種方法，只專注於TPU主要計算部分的設計。Google這樣的大企業，為了追求最好的性能，會自己研發所有IP核，但投入的研發費用往往要數十億。三、晶圓1、矽片TPU的製造要從矽片開始，這種高純度的矽片表面光滑，純度要達到99.9999999%以上，一點雜質都可能影響晶片性能。矽片的尺寸也很重要，現在主流是12英吋矽片，一片就能切割出幾百個TPU晶片，比小尺寸矽片的效率高很多。生產矽片的過程很複雜，要經過晶體生長、切片、拋光等幾十道工序，國內的中環股份、滬矽產業都能生產這種高純度矽片，不過高端產品還需要進口。2、光刻光刻就像給矽片刻上電路圖案，是製造環節最重要的一步。這個過程需要用光刻機，把設計好的電路圖案通過雷射投射到塗了光刻膠的矽片上，再用化學藥劑蝕刻，形成電路紋理。TPU的製程越先進，光刻的難度就越大。目前主流的TPU用7奈米或5奈米製程，需要極紫外光刻機才能完成。全球能生產這種光刻機的企業很少，台積電就是靠掌握先進光刻技術，成為Google、蘋果等企業的TPU代工廠。3、摻雜工藝矽本身的導電性能一般，需要通過摻雜工藝來調整。簡單來說就是在矽片的特定區域注入硼、磷這些雜質，形成PN接面，這樣才能控制電流，讓晶片完成計算。摻雜的精度要求極高，雜質的濃度和注入深度都要精確到奈米等級。不同的計算部分，摻雜的參數不一樣，比如TPU的主要計算區域需要更高的導電效率，摻雜濃度就會高一些；而外圍的控制區則需要更穩定的性能，摻雜參數會更穩。四、封裝測試1、封裝晶圓切割成單個晶片後，下一步就是封裝。封裝主要有三個作用：一是保護晶片不受潮濕、灰塵這些外界環境影響；二是引出晶片的電極，方便和外部電路連接；三是幫晶片散熱——TPU工作時會發熱，封裝材料和結構都影響散熱效果。訓練用的TPU功率大，所以會用更複雜的倒裝封裝技術：把晶片正面朝下貼在基板上，這樣散熱路徑更短。國內像長電科技、通富微電這些企業都能做TPU封裝，技術水平和國際企業差不了多少。2、測試要過三道關封裝好的晶片不能直接出廠，得經過嚴格測試，主要有三道關。第一道是性能測試，用專門裝置給TPU輸入測試資料，檢查計算速度、精度這些指標是否符合要求——Google的TPU還會專門測試在Gemini模型上的訓練效率。第二道是穩定性測試，把TPU放在高溫高濕的環境裡連續工作幾百小時，看看會不會出故障。第三道是功耗測試，測測不同負載下的耗電量，確保符合設計要求。不合格的晶片會被標記淘汰，合格率直接關係到企業的成本。能效比例3、模組化設計現在的TPU大多用模組化封裝，把多個晶片整合到一個模組裡——比如Google的TPU Pod就是由好幾個TPU晶片組成的。這種設計有兩個好處：一是組合起來方便，根據需求拼接不同數量的模組，就能滿足不同的算力需求；二是維護起來省事，如果某個晶片壞了，只換對應的模組就行，不用把整個裝置都廢掉。智算中心裡的TPU叢集都用這種方式，維護人員不用拆開晶片，直接換模組就能解決問題，能省不少停機時間。五、材料供應1、聚氨酯材料這裡說的聚氨酯材料和晶片不是一回事，但在TPU產業鏈裡也挺重要的。汽車車衣用的就是熱塑性聚氨酯材料，彈性好、耐老化，還能防刮擦。張家界有家企業專門做這種材料，全球市場佔有率能到90%，連阿迪達斯的運動鞋都用他們的TPU膠膜來粘接。生產這種材料需要高品質的聚酯多元醇，國內的華峰化學通過收購企業，打通了從原料到成品的全鏈條，成本比進口材料低很多。2、光刻膠光刻膠是光刻環節必須用的材料，塗在矽片表面，經過雷射照射後會發生化學反應，形成可以蝕刻的圖案。光刻膠的質量直接影響電路精度，先進的5奈米製程得用極紫外光刻膠，這種材料研發難度很大，成分配比要精確到百萬分之一。現在國內企業已經能生產28奈米製程用的光刻膠，高端的還得從日本或者美國進口。光刻膠的儲存條件也挺嚴格，得放在低溫環境裡，不然會失效。3、散熱材料TPU工作時產生的熱量要是不能及時散出去，會影響性能甚至縮短壽命，所以散熱材料就很關鍵。封裝環節會用到散熱膏和散熱片：散熱膏填在晶片和散熱片之間的縫隙裡，能提高導熱效率；散熱片則增大散熱面積，把熱量傳到空氣裡。大功率的TPU叢集還需要專門的液冷散熱系統，用冷卻液把熱量帶走。國內像高瀾股份、同飛股份做的液冷系統，已經用到不少智算中心的TPU叢集裡了，散熱效率比傳統的風冷高3倍多。六、終端整合1、智算中心是TPU的主要陣地智算中心就像TPU的大本營，很多TPU在這裡組成叢集，給AI企業提供算力服務。天津移動建的TPU智算中心，通過最佳化叢集佈局和散熱系統，單位算力成本降了很多。這些智算中心會根據客戶需求，提供不同的算力套餐：比如給科研機構提供大模型訓練用的高算力服務，給中小企業提供智能客服推理用的輕量算力服務。像視拓雲這樣的企業，還把TPU算力做成了零售業務，客戶按需購買就行，不用一次性投很多錢建機房。2、汽車行業TPU在汽車行業的應用分兩種：一種是晶片，一種是材料。晶片方面，有些智能汽車的自動駕駛系統會用TPU做推理，處理攝影機和雷達傳來的路況資料，判斷行人和車輛的位置。材料方面，汽車車衣用的熱塑性聚氨酯材料越來越常見，納琳威做的真漆車衣，還能適配特斯拉賽博皮卡的不鏽鋼車身，貼合度特別高。易車和邦泰集團合作研發車用TPU粒子，做成的車衣性價比更高，已經覆蓋了從一線到三四線城市的門店。3、小型化TPU智慧型手機、智能音箱這些消費電子產品，需要的是小型、低功耗的TPU。智能音箱裡的TPU，主要負責語音識別的推理，能把使用者的語音指令快速轉成文字，還能理解意圖。這種TPU尺寸很小，有的只有指甲蓋那麼大，功耗也低，一節電池就能支援長時間工作。國內的瑞芯微、全志科技都做這類小型TPU，很多智能家電廠商都會買。有些高端耳機裡也會裝小型TPU，用來最佳化降噪演算法。Coral Edge TPU與NVIDIA GTX 1080 GPU在最大功耗和每瓦特運算性能上的對比七、市場規模情況1、全球市場增長速度很快TPU所屬的智能算力市場，這幾年漲得特別快。2024年全球AI算力市場中，GPU和TPU主導的智能算力規模超過了750億美元。有機構估計，2025年這個數字會跳到3500億美元，差不多翻五倍。這當中TPU的佔比還在慢慢上升，特別是Google推出Trillium TPU後，不少企業開始換成TPU來做訓練和推理。Meta甚至打算從2027年開始，在自家資料中心裡裝Google的TPU，這筆單子說不定能到幾十億美元呢。2、中國市場增速超過全球平均中國智能算力市場的增長速度比全球平均還要快。根據IDC和浪潮資訊的報告，2025年中國人工智慧算力市場規模能到259億美元，比去年漲了36.2%。TPU的用途現在越來越多，政務、金融、製造這些行業都在往裡面砸錢。天津、上海這些大城市都在蓋TPU智算中心，中國移動打算到2028年底建成本國最大的智算設施，裡面會裝很多國產TPU。國產TPU的市場份額也在往上走，寒武紀、華為的TPU在國內政務領域用得已經挺多了。3、不同應用場景的市場差異大TPU的市場分佈不太均勻，智算中心佔了大部分，大概能有70%以上。為何呢？因為大模型訓練和推理需要好多TPU湊成叢集，一套裝置的投入就不低。汽車行業的TPU市場漲得最快，特別是自動駕駛和車衣材料這兩塊，2025年的漲幅可能超過50%。消費電子領域的TPU市場規模不算大，但勝在穩，每個智能裝置裡都得有個小TPU，賣出去的數量特別多。材料類的TPU市場也不小，光汽車車衣和運動鞋這兩個地方，全球一年賣的錢就超過一百億美元。八、市場競爭態勢1、Google和輝達國際上TPU市場主要是Google和輝達在搶地盤，不過兩家擅長的地方不一樣。Google的TPU在AI訓練這塊優勢很明顯，特別是和自家Gemini模型搭著用的時候，效率比輝達的GPU高不少，還更省電。輝達則在生態這塊更厲害，好多AI框架都先適配GPU，企業要換成TPU得調整演算法，難度相對大一點。但這種情況正在改變，Google通過雲服務把TPU租給其他公司，Meta這樣的大公司也開始考慮用了，Google在市場上的說話份量慢慢變重了。2、國內企業細分領域國內的TPU企業沒直接和Google、輝達硬碰硬，而是從細分領域入手。寒武紀的TPU主要針對政務和金融行業，這些地方對安全性要求高，國產晶片更吃香。華為的TPU則和自家鴻蒙系統、雲服務綁在一起，在智能汽車和工業網際網路這塊推。材料領域的國內企業表現更亮眼，張家界齊匯新材料在運動鞋用TPU膠膜市場佔了全球90%的份額，邦泰集團在車用TPU粒子這塊的國內市場佔比超過60%。這些企業通過盯著細分市場做，給自己築起了一道競爭的牆。九、需求分析1、網際網路科技巨頭網際網路科技巨頭是TPU的主要客戶，尤其是那些做AI大模型的公司。Google、Meta、百度、阿里這些企業，每年都會買好多TPU搭成算力叢集，用來訓練模型和做推理。他們買TPU的時候最看重性能和穩不穩定，對價格不太在乎。Google自己做TPU，同時也把算力租給其他公司；百度則混著用國產和進口TPU，重要業務用進口的，邊緣業務用國產的來省錢。這些巨頭買的量很大，一單就能佔企業年銷售額的20%以上。2、製造企業製造企業買TPU主要用在兩個地方，一是生產線上的智能檢測，用TPU處理攝影機拍的產品圖片，找出缺陷；二是生產TPU材料做的東西，比如汽車零件、運動鞋材料。這些企業買的時候最看重性價比，不會瞎買高端產品。汽車零件廠商會選國產的中低端TPU晶片，足夠滿足檢測需求，價格比進口的低30%以上。買材料這塊，他們會和供應商長期合作，比如阿迪達斯就把齊匯新材料當成最大的TPU膠膜供應商，兩家還一起研發新產品。3、科研機構和政務部門科研機構和政務部門買TPU，安全是第一個要考慮的。高校和科研院所買TPU主要用來研發AI演算法，他們需要晶片能靈活擴展，適配不同的實驗場景。政務部門買的TPU則主要用在人口統計、交通管理這些地方，資料很敏感，必須用通過安全認證的國產晶片。寒武紀的TPU就通過了好幾個政務安全認證，在好多城市的智能交通系統裡都在用。這些客戶買的量雖然不如巨頭，但訂單穩，給錢也比較快。十、TPU和GPU誰更厲害1、訓練場景TPU更有優勢在AI模型訓練場景裡，尤其是大模型訓練，TPU的優勢很明顯。因為訓練過程需要反覆做矩陣運算，TPU的架構就是專門為這個做的，所有計算資源都集中在這事兒上，沒有多餘功能浪費資源。Google的Trillium TPU訓練Gemini模型時，速度比輝達最新的GPU快4倍，能耗卻低67%。這就意味著訓練同一個模型，用TPU能省好多時間和電費，對經常要訓練模型的企業來說，這筆省下來的錢可不少。2、推理場景兩者各有千秋推理場景就是模型訓練完後，處理實際資料的過程，比如語音識別、圖像分類。這種場景下TPU和GPU各有各的好，得看具體用在那兒。如果是單一任務的大量推理，比如智能音箱的語音識別，TPU更高效，成本也更低。如果是複雜的多工推理，比如自動駕駛同時處理路況、行人、交通燈這些資訊，GPU的通用性更強，能同時處理不同類型的運算，更佔優勢。好多企業會混著用，簡單任務用TPU，複雜任務用GPU。3、生態完善度GPU領先雖然TPU在性能上有優勢，但GPU的生態更成熟，這也是好多企業不願換的原因。現在市面上大部分AI框架、演算法庫都是先適配GPU的，企業要是改用TPU，得重新調整演算法程式碼，還要培訓工程師，花的錢不少。Google為了打破這個局面，做了兩件事：一是開放自己的AI框架，讓開發者更容易適配TPU；二是通過Google雲提供TPU算力服務，企業不用自己買晶片，直接租就能用，降低了換用的難度。隨著越來越多企業試著用，TPU的生態也在慢慢變好。 (小叔報告)

2025年歲末康和期貨免費講座康和期貨凌佩君

康和觀點講座📈時間｜12/23（二）18:30～20:30地點｜犇亞會議中心201廳台北市松山區復興北路99號2樓2025 即將尾聲，歡迎大家一起跟著康和期貨展望 2026 歡迎大家踴躍報名!

大空頭的觀點解析

大空頭的觀點解析雪球有大佬總結了Michael Burry的一系列操作：只是現在過了兩天，訂閱人數增加到了88k，已經超過3300萬美元的訂閱費了，當然我給他貢獻了379美元的訂閱費..目前Michael Burry總共寫了三個文章，我們來看下他的觀點。1、泡沫的主要標誌：供給側的貪婪第一篇內容《The Cardinal Sign of a Bubble: Supply-Side Gluttony》主要是在回顧歷史了。核心觀點是：愚蠢（狂熱的創新嘗試）是美國成為世界創新中心的重要原因，但愚行過度會引發泡沫；核心標誌是供給側過度擴張，而非需求不足或盈利缺失。支撐這個觀點的核心理論是資本周期理論，即狂熱驅動下的資本過度投資會導致供需失衡，最終引發行業洗牌與市場崩盤，這一理論是貫穿全文的分析框架。說到歷史上的輝煌的愚蠢行為，90 年代的網際網路泡沫是繞不開的案例，但大眾對它的記憶大多是錯的。聯準會主席鮑爾曾說：當下公司有商業模式和盈利，與當年不同。但事實並非如此。當年的泡沫根本不是無利可圖的“.com 公司” 驅動的，而是一場資料傳輸基礎設施建設狂潮。那時候的口號是網際網路流量每 100 天翻一番，納斯達克指數在 1999 年到 21 世紀初的上漲，靠的是微軟、英特爾、戴爾、思科這些盈利豐厚的大盤股，納斯達克是市值加權指數，大公司的表現直接決定指數走向。1999 年，盈利的高通股價漲了 2619%，年末市值 560 億美元，Applied Materials 漲 198%，甲骨文漲 309%，這些都是實打實的行業龍頭。而那些後來被詬病的虧損公司，比如 VA Linux、Webvan，1999 年第四季度才上市；Pets.com更是 2000 年第一季度才登場，它們根本不是納斯達克上漲的主力。真正的問題出在供給側：AT&T 每年花 200 億美元建資料託管和長途資產，MCI 投 150 億，Sprint 在還沒有智慧型手機的年代，就為 PCS 無線業務燒了數百億；Global Crossing、Level 3 各花 200 億建海底電纜，CLEC 營運商們投入 300 億…… 大家陷入了 “更多光纖需要更多路由器，更多路由器又需要更多光纖” 的無限循環，都想著滿足全球海量資料傳輸的需求，卻沒人注意到，美國寬頻普及速度慢得驚人。最終的結果是，到 2002 年，當年瘋狂建設的資料基礎設施，只有不到 5% 被真正啟用，供需失衡的災難就此爆發。更值得警惕的是，泡沫破裂前的訊號總是隱形的。2000 年 3 月 10 日納斯達克見頂時，沒有任何明顯徵兆，光纖的資本支出還在規劃執行，網路裝置需求旺盛，思科 2000 年營收還增長了 55%，CEO 甚至在 8 月宣稱 “網際網路商業變革正在加速”。但股市已經開始下跌，納斯達克此後 16 年都沒突破當時的高點，2001 年末較峰值跌了 62%，思科股價更是跌去 78%。那些等著 “看到放緩訊號再拋售” 的投資者，最終輸得一塌糊塗。這種 “供給側過度投資→供需失衡→泡沫破裂” 的邏輯，並非只在網際網路泡沫中出現。2000 年代的房地產泡沫、2010 年代的頁岩油革命，本質上都是同一齣戲。再看當下的 AI 熱潮，簡直是 90 年代的翻版。微軟、Google、Meta、亞馬遜、甲骨文這五大AI 騎士，加上 OpenAI 這樣的初創公司，計畫未來 3 年在 AI 基礎設施上投入近 3 兆美元。OpenAI 更誇張，單家承諾未來 8 年花 1.4 兆美元，可它的收入還不到這筆支出的 2%。即便如此，資本市場仍給了它 5000 億美元的估值。這個數字，比 90 年代所有上市的虧損網際網路公司和電信公司市值總和還高，也正好是 2000 年 3 月思科的市值峰值。如今的輝達，就像當年的思科，成了 AI 熱潮的工具提供商，它聲稱自己的架構能覆蓋 AI 從預訓練到推理的全階段，還能滿足科學模擬、電腦圖形等需求，否認 AI 泡沫存在。AI 多頭們則堅信，現在就像 1997 年，巨額支出會持續推動股市上漲。但歷史告訴我們，每一次這樣的狂歡，最終都會被供需失衡打破：當年的電信行業，15 家提供相似服務的公司爭奪市場，批發價格一年跌 70%，無數企業申請破產；現在的 AI 行業，難道能逃脫同樣的命運嗎？與其說是在 “唱衰” AI，不如說是在提醒我們尊重歷史規律。文中引入了 “資本周期理論”，就是想說明：狂熱驅動的過度投資，必然導致供給遠超需求，最終迎來行業洗牌。我們的看法：關於光纖只有不到5%被真正使用的這件事，老黃也說過，而且是在別人問老黃現在的AI是不是泡沫時，老黃給出的判據。而且目前對於AI基礎設施的需求是大於供給的，目前的瓶頸反而是我們前段時間提的“美國缺電、中國缺芯、全球缺儲存“。1990s 納斯達克高峰由盈利大公司推動，但整體泡沫源於無利潤小公司。2025年AI由七姐妹主導，它們2025年Q3收益強勁，這跟之前的網際網路泡沫也是不一樣的。2、Foundations: My 1999 (and part of 2000)第二篇《Foundations: My 1999 (and part of 2000)》主要是以他個人經歷，描述網際網路泡沫頂峰時期的市場狂熱與個人投資啟蒙。彼時 27 歲的他，還是史丹佛大學醫院的神經科住院醫生，周圍人的財富神話不斷衝擊著認知邊界。一位同行住院醫生隨口提及，自己靠 Polycom 股票賺了 150 萬美元，這筆在當時相當於如今 2100 萬美元的巨款，源自一場幸運的投資。而Michael Burry曾因在 VSN 投資組合中買入蘋果股票，遭到其他人的強烈反對，批評者認為，蘋果股價已在同一區間震盪 11 年，絕不可能像可口可樂、美國運通、迪士尼那樣，讓股東承受長期的實際價值虧損。為了回應質疑，Michael Burry寫下《巴菲特再訪》一文，核心並非為蘋果辯護，而是重申價值投資中 “良好分析與耐心” 的重要性。他用詳實的資料戳破了 “偉大公司永不虧損” 的迷思：可口可樂在 1971-1982 年間，經通膨調整後資本虧損 58%；美國運通 1973-1984 年的通膨調整後虧損達 60%；迪士尼更是在 1973-1985 年經歷了 12 年 70% 的資本縮水，且全程未支付股息。在Michael Burry眼中，蘋果彼時在創意計算領域的獨特定位、專有技術優勢，以及剛推出的彩色 iMac 系列，都暗藏著被市場低估的價值。後來他管理基金時，曾以 12 美元每股買入蘋果，而當時其每股現金及 ARM 控股股票的價值就達 11 美元，這樣的安全邊際正是他所追求的。他的投資啟蒙，始於更早之前的大量閱讀。在納什維爾一家由電影院改造的 BookStar 書店裡，他常常坐在過道上，通讀所有能找到的投資書籍，卻從不購買。巴菲特與格雷厄姆的著作讓他領悟到，即使是師徒，也需根據時代環境調整投資策略，這也為他後來形成自己的風格埋下伏筆。1996 年，父親離世後的 5 萬美元誤殺賠償金，成為他投資生涯的第一筆本金。他沒有用這筆錢償還三分之一的學生貸款，而是選擇投入股市，這個決定也悄然改變了他的人生軌跡。如果當時選擇還貸，或許今天的他仍是一名醫生，但對投資的熱愛讓他無法停下腳步。深夜或清晨的空閒時間，甚至醫院值班的間隙，都成了他鑽研投資、撰寫文章的時光。MSN Money 每字 1 美元的稿費，對拮据的住院醫生來說堪稱巨款，也讓他更加珍視這份用熱愛賺錢的機會。他的網站和專欄逐漸積累了名氣，吸引了主串流媒體的關注。1999 年 2 月，《財富》雜誌採訪了他，他分享了在網路投資論壇中篩選有效資訊的經驗。同年 10 月，《巴倫周刊》在 “永恆的價值” 專欄中提到他的網站，稱讚其遵循格雷厄姆的安全邊際原則，聚焦被低估的股票與承壓行業，其運作的 VSN 基金截至當年 10 月收益率達 38.7%，遠超道瓊斯和納斯達克指數。2000 年 2 月，《舊金山紀事報》將Valuestocks.net列為 “頂級投資建議網站”，此時的Michael Burry已成立避險基金 Scion Capital，擔任 CEO 兼首席投資策略師。他當時做空了亞馬遜，且作為格雷厄姆的門徒，交易頻率卻相當高，多數股票持有時間不超過三個月，而 VSN 基金 1999 年的回報率高達 68.1%。頗具戲劇性的是，14 天後，納斯達克綜合指數創下史詩級高點，此後 15 年都未能突破。不過他並未長期持有亞馬遜的空單，畢竟，他還是最早的亞馬遜聯盟會員之一，曾在自己的網站上銷售亞馬遜的書籍。第二篇的內容沒什麼可點評的，但感觸很深，相信看到這個文章的讀者朋友，應該也是來自各行各業，也會偶爾聽過身邊朋友靠那個股票賺了百萬甚至千萬，而筆者也正處於Michael Burry早期寫專欄的階段。3、獨角獸與蟑螂：受祝福的欺詐第三篇是《Unicorns and Cockroaches: Blessed Fraud》，這個文章就是他目前的主要觀點了，以及澄清網上對他的一些錯誤解析。首先依然是他提到的折舊問題，他通過分析 Meta、Google、微軟等巨頭 2020-2025 年的財務資料，發現了一個驚人規律：這些公司正系統性延長晶片與伺服器的折舊使用壽命。2020 年時，Meta、Google、微軟的折舊年限均為 3 年，而到 2025 年，Meta 延長至 5.5 年，Google、微軟則定為 6 年；甲骨文從 5 年延長至 6 年，亞馬遜雖在 2025 年回呼至 5 年，但較 2020 年仍延長 1 年。延長折舊年限看似是會計政策調整，實則是直接提升業績的魔法。根據會計準則，折舊年限越長，每年計入的折舊費用越少，表面利潤就越高。這種操作並非新鮮事，2002 年世通公司就因類似財務欺詐一夜破產。而如今，Google僅在 2023 年調整折舊政策，就使當年稅前收入增加 39 億美元，Burry估算，未來三年這些企業僅通過該操作就能額外增加約 200 億美元報告收入。與企業延長折舊年限形成鮮明對比的，是輝達晶片的快速迭代。輝達 CEO 黃仁勳曾直言，當新一代 Blackwell 晶片大規模出貨後，舊款 Hopper 晶片幾乎難以售出，甚至稱自己是首席營收破壞者。事實上，輝達的產品周期已縮短至 1 年，從 Blackwell 到 2026 年的 Vera Rubin、2027 年的 Vera Rubin Ultra，兩年內將完成兩次重大規格升級。晶片技術的加速迭代，意味著舊款產品的經濟價值快速縮水。2020 年推出的 A100 晶片，每浮點運算的功耗是後續 H100 晶片的 2-3 倍，而 Blackwell 晶片的能效又比 H100 高出 25 倍。從經濟價值來看，這些舊晶片雖可能仍在滿負荷運行，但早已失去盈利能力，僅能作為殘值資產處理。但企業卻將其按 6 年折舊，嚴重高估了資產實際價值。輝達 CFO 科萊特曾辯稱，CUDA 軟體的相容性延長了晶片使用壽命，六年前的 A100 仍在滿負荷運行。但Burry指出，會計準則中的 “使用壽命” 指資產的經濟生產周期，而非物理使用時長，就像舊 iPhone 雖能開機，卻已無實際經濟價值，不能因此延長其折舊年限。微軟 CEO 納德拉的一次訪談，意稱微軟曾暫停部分資料中心建設，因為他不想被某一代晶片的技術規格束縛。他明確表示，輝達晶片迭代速度越來越快，每一代產品僅持續一年，資料中心的電力、冷卻需求也隨之巨變，不願為單一世代的晶片承擔四五年的折舊成本。然而，微軟的會計政策卻與納德拉的表態嚴重不符，其晶片和伺服器仍按 6 年折舊，資料中心建築折舊年限更是長達 15 年以上。Burry通過 “年份分析” 測算，若按晶片實際 3 年左右的經濟壽命計算，2026-2028 年期間，微軟、Meta、亞馬遜等超大規模企業的盈利高估幅度將達兩位數，其中甲骨文可能高達 48%，每家公司都將面臨數百億美元的資產減值風險。晶片迭代引發的連鎖反應，還波及到耗資巨大的資料中心。為適配特定世代的輝達晶片，新建資料中心需滿足專屬的冷卻和電力規格，而隨著晶片技術更新，這些基礎設施將快速過時。Burry預測，未來部分資料中心可能被廢棄或淪為 “殭屍資產”，僅能處理瑣碎任務，其命運與 2000 年網際網路泡沫後 95% 未啟用的光纖相似，但晶片和伺服器的過時速度遠快於光纖。更值得警惕的是 “在建工程（CIP）” 暗藏的風險。Google、Meta、亞馬遜等企業的 CIP 規模均達數百億美元，這些已建成或在建但未投入使用的資料中心，在會計上無需計提折舊。若行業增速放緩，企業可暫停這些項目，使資產負債表上的全值資產與實際閒置的現實脫節，進一步掩蓋業績問題。此外，私募信貸的瘋狂介入加劇了風險。超大規模企業雖資金充裕，卻大量依賴監管寬鬆的私募信貸建設資料中心。核心問題在於，資產的快速過時與貸款期限存在災難性的期限錯配，一旦行業回呼，可能引發連鎖違約。百度的案例已為市場敲響警鐘。2024 年，百度將晶片和伺服器的折舊年限從 5 年延長至 6 年，使淨利潤增加 12 億元，佔當年淨利潤的 36%。但同年 11 月，百度卻宣佈對晶片和伺服器計提 112 億元固定資產減值，佔其年初總固定資產的三分之一。原因很簡單：舊資產已無法滿足當前 AI 計算的效率要求。百度的情況並非個例，未來美國科技巨頭也可能面臨類似的大規模減值。這些企業當前通過會計技巧維持的高利潤、高估值，終究會被技術迭代和市場規律戳破。關於網上的錯誤解讀，Burry也做了澄清。1、他的Scion Asset Management在2025年Q3 13F備案顯示，對Palantir和Nvidia的2027年看跌期權倉位實際每個僅約1000萬美元（50,000份PLTR期權和10,000份NVDA期權）。但媒體報導將其名義價值（期權基礎股乘以股價）誤解為實際持倉規模，誇大為“10億美元做空”或具體如“9.12億美元對PLTR”和“1.865億美元對NVDA”。Burry說這是SEC規則導致的常見誤導，他無法即時澄清（合規限制）。2、他的X帖子批評AI晶片折舊會計實踐類似於WorldCom（2002年破產案），但媒體暗示他直接指責Nvidia是“Enron”（2001年會計醜聞）或WorldCom。實際他並未針對Nvidia，而是其客戶（如Meta、Alphabet）；他明確表示Nvidia顯然是Cisco，dot-com泡沫中的基礎設施過剩，而非直接欺詐。其實他的核心觀點還是折舊，關於這個問題，Bernstein有個分析寫的比較詳細，我們可以參考下里面的資料。關於微軟為什麼要暫停資料中心的建設，我們之前也寫過SemiAnalysis的這個分析：微軟 AI 戰略深度分析Bernstein認為：GPU一旦熬過初期burn-in階段，跑6-7年甚至更久是完全沒問題的。高調燒卡的案例大多發生在新卡剛上線的前6個月，因為供電、散熱、配置沒摸透，一開始死一片。但一旦參數調對，後面的故障率其實很低。Lambda的高管直接告訴他們：正常情況能跑到6-7年。這點很重要，因為市場上很多人把“新卡初期死一片”當成“GPU平均壽命只有幾年的證據”，其實是混淆了概念。A100這種5年前的老卡，2025年租價還能賣到1.56美元/小時，月現金成本才280美元左右，貢獻毛利率仍有70%。而且現金成本，相較於 GPU 租賃的市場價格而言，是非常低的）。只有到Volta（2017-2018年的架構）這一代，因為不支援BF16，軟體重寫程式碼成本太高，才真正接近現金盈虧平衡。Bernstein專門提到：目前主流AI實驗室的共識是“更多算力=更高智能”這個假設還沒被推翻，所以大家搶算力的心態是“寧可要A100也不停訓”。結果就是，A100的機時到現在還是close to fully booked out。GPU殘值曲線不是直線折舊，而是第一年暴跌20-30%，之後就很平緩。原因就是burn-in期死一片 + 客戶更喜歡把最苛刻的訓練任務扔給最新卡，舊卡被降級去做推理或者輕量任務。二手市場資料也完全支援這一點：用了一年的H100/A100，價格經常腰斬，再往後幾年價格跌得非常慢。這其實意味著，直線6年折舊反而高估了第一年的貶值，低估了後面幾年的殘值，總體可能還算保守了。A100的美元性能只有B200的一半，但租價依然堅挺。Lambda報價表：Coreweave報價表：單看這兩個報價表，A100叢集租價除以性能，仍然比新卡貴不少。說明什麼？說明還有大量“遺留負載”卡在舊卡上，遷移成本太高，使用者寧可多花錢也不動。雲廠商順勢加價，大家也認了。這也是為什麼舊卡還能賣高價的根本原因。各大hyperscaler的實際折舊年限如下：基本都在5-6年區間，Meta還剛把一部分從4-5年延長到5.5年。就國內的情況，我也問了幾個做資料中心的朋友，當然國內由於目前還是缺芯的狀態，跟北美的情況肯定是不一樣的，只是供大家做個參考。國內的資料中心的折舊情況，沒有像Michael Burry這麼短的折舊時間，而且目前依然有大量的A100在使用，也確實像Bernstein中講到的，第一年的貶值比較嚴重，對租賃價格也有影響。很多CSP們由於各種原因無法持有NV的算力，所以就會找其他主體持有算力，然後再簽一個5年的租約，但很多時候到了第二年，由於租賃價格降低，CSP們寧願支付違約金，也要重新談算力的租賃價格。 (傅里葉的貓)

【重磅】美國"第二個曼哈頓計畫"：全球AI霸權爭奪戰的深度解析

大家好，我是老莊。今天給大家帶來一篇分析報導《美國"第二個曼哈頓計畫"：全球AI霸權爭奪戰的深度解析》一、美國"第二個曼哈頓計畫"根據11月22日戰略與國際問題研究中心的報導：美國政府和業界呼籲啟動‘第二個曼哈頓計畫’，聚焦人工智慧領域，以確保美國技術領先地位。美中經濟與安全審查委員會建議啟動類似倡議，協調公共和私營部門資源。7月，美國能源部長克里斯·賴特提出復興核能支援該計畫。同時，xAI公司等企業加速建設人工智慧基礎設施，如千兆瓦級電力設施和資料中心。陸軍通過‘FUZE項目’等舉措推動現代化，包括改造基地支援資料中心及礦物精煉廠，強化人工智慧能力。陸軍不僅負責物理安全，還整合反情報、網路安全等團隊保障關鍵基礎設施安全，確保人工智慧發展不受干擾。從美國"第二個曼哈頓計畫"的名稱可以看出美國對於這個計畫的重視。下面是我的深度分析和報導內容。二、曼哈頓計畫曼哈頓計畫是美國陸軍部於1942年6月開始實施的利用核裂變反應研製原子彈的重大計畫。這一計畫誕生於第二次世界大戰的關鍵時期，背景極為特殊。1939年，愛因斯坦致信羅斯福總統，警告納粹德國可能正在研發原子武器，並在信中明確指出："某些近期工作使我相信，鈾元素可能成為一種新型的重要能源......這種新現象也將導致炸彈的構造變化"。這封信件引發了美國高層的極大關注，珍珠港事件後，美國參戰，最終在1941年12月6日，即日本偷襲珍珠港的前一天，正式批准了原子彈研製計畫。曼哈頓計畫集中了當時西方國家（除納粹德國外）最優秀的核科學家，動員了10萬多人參與這一工程，歷時三年，耗資20億美元（相當於2020年的254億美元）。在工程執行過程中，負責人格羅夫斯和奧本海默創造性地應用了系統工程的思路和方法，大大縮短了工程所耗時間，這一成功也促進了二戰後系統工程的發展。實施特點與戰略價值曼哈頓計畫的實施展現了多個突出特點，這些特點也成為後來大型國家科技工程的典範：前所未有的資源集中：羅斯福總統賦予該計畫"高於一切行動的特別優先權"。在計畫巔峰時期，曾起用了53.9萬人，總耗資高達25億美元，其資源集中程度在美國歷史上罕有其匹。多路徑平行推進：由於當時不知道分裂鈾-235的三種方法那種最好，曼哈頓計畫採取了三種方法同時進行裂變工作的策略。這種多路徑平行的技術策略有效降低了研發風險，保證了項目整體進度。軍事與科學的高效結合：在參謀長聯席會議主席馬歇爾的支援下，美國軍方同意按照原S-1委員會的建議，開始建設四種分別採用不同方法的鈾同位素分離工廠。而格羅夫斯上校（後晉陞為準將）接管計畫後，在不到48小時內就將計畫優先權升至最高級，並選定田納西州的橡樹嶺作為鈾同位素分離工廠基地。獨特的組織管理模式：為確保科學家能夠充分發揮創造力，曼哈頓計畫採取了獨特的組織管理模式。儘管計畫由軍方領導，但格羅夫斯同意加州大學成為洛斯阿拉莫斯實驗室的名義管理單位，基地軍隊只負責實驗室建設、後勤供應和安全保障，保證了實驗室內部的自由學術討論。曼哈頓計畫於1945年7月16日成功進行了世界上第一次核爆炸試驗，並按計畫製造出兩顆實用原子彈，標誌著核時代的來臨。這一計畫不僅促進了二戰後系統工程的發展，更從根本上改變了世界戰略格局和戰爭形態，為戰後國際秩序奠定了基礎。三、兩個"曼哈頓計畫"的異同分析戰略目標與時代背景的差異原版曼哈頓計畫與"第二個曼哈頓計畫" 雖然都被賦予國家戰略優先順序，但其戰略目標和時代背景存在顯著差異。原版曼哈頓計畫是在二戰期間實施的緊急戰時計畫，目標單一而明確——搶先納粹德國研製出原子彈。而川普政府推出的"創世紀行動"（Genesis Mission）則旨在確保美國在人工智慧領域的全球領導地位，其本質是一場關於算力霸權的國家競爭。從戰略緊迫性來看，原版曼哈頓計畫面對的是明確的、急迫的安全威脅——納粹德國的核武器計畫，具有明確的倒計時性質。而"第二個曼哈頓計畫"則是對長期性、系統性戰略競爭的響應，針對的是美國認為可能挑戰其技術霸權地位的國家，特別是中國。兩者的對比如下：原曼哈頓計畫：應對現實存在的戰爭威脅，目標具體、時間緊迫。第二個曼哈頓計畫：應對未來戰略競爭，目標廣泛、時間跨度長。實施主體與協作模式的轉變在兩個計畫的實施主體和協作模式上，也體現出顯著的時代差異：原曼哈頓計畫：由美國陸軍部主導，政府、軍方與科研機構緊密合作，但國際協作有限，主要與英國、加拿大合作。第二個曼哈頓計畫：體現出軍民融合的特點，聯邦政府提供政策支援和資源協調，但私營企業如OpenAI、輝達等扮演核心技術角色，且國際合作更加複雜，包括與沙烏地阿拉伯等國的晶片合作。技術特徵與資源需求的不同原曼哈頓計畫與"第二個曼哈頓計畫"在技術特徵和資源需求方面也存在本質區別：原曼哈頓計畫：依賴於物理和化學領域的突破，核心挑戰是核裂變材料生產和原子彈結構設計。資源需求主要集中在特殊材料（如鈾礦石）和工業生產能力上。第二個曼哈頓計畫：以數位技術為核心，依賴算力、演算法和巨量資料三大基礎。資源需求更加多元化，包括高端晶片、海量資料、電力能源和人才資源。表：兩個"曼哈頓計畫"關鍵維度對比保密與開放之間的平衡差異兩個計畫在知識管控方面採取了截然不同的策略。原曼哈頓計畫實施了極其嚴格的保密制度，科學探索成為軍事機密的重要組成部分。政府對所有核研究實施了嚴格的新聞檢查和保密措施，與戰前科學界的開放交流形成鮮明對比。相比之下，"第二個曼哈頓計畫"則採取了更為複雜的知識管控策略。一方面，川普政府的《美國人工智慧行動計畫》將開源AI技術列為戰略資產，鼓勵共享；另一方面，又通過晶片位置驗證技術，精準阻斷先進計算晶片流向特定國家，並完善對半導體製造裝置的出口管制，編織覆蓋全球的"技術流動過濾網"。這種選擇性開放與精準封鎖相結合的策略，反映了數字時代技術控制的複雜性。四、全球格局：主要國家的AI戰略佈局美國的全方位AI戰略體系美國推出的"第二個曼哈頓計畫"——"創世紀行動"（Genesis Mission），是一套全方位、多層次的AI戰略體系。該計畫由多個關鍵組成部分構成：政策法規層面：通過行政命令強制掃除監管障礙，授權司法部起訴那些制定"違憲"AI法規的州政府。川普政府還明確表示，對於試圖通過繁瑣安全測試、版權審查或以"倫理"為名限制AI發展的州，聯邦政府將揮舞削減資金的大棒。國際合作層面：積極開展技術外交與聯盟建構，如批准向沙烏地阿拉伯出售最先進的AI晶片，換取沙烏地阿拉伯資金支援。同時，輝達與馬斯克旗下的xAI宣佈，將與沙烏地阿拉伯支援的AI風投機構Humain合作，建立大型資料中心。產業供應鏈層面：推動供應鏈本土化，如OpenAI與富士康聯手在威斯康星州等地的美國工廠設計並製造下一代AI基礎設施硬體。這一合作旨在建構完全位於美國境內的、具有韌性的AI供應鏈，從晶片到機架，從冷卻液到電源模組，將AI物理層的控制權牢牢掌握在手。能源保障層面：能源部被賦予極高的戰略地位，因為未來的AI競爭，本質上是一場能源競爭。美國計畫建立"雲端自動化實驗室"，利用AI加速從材料科學到生物學的全方位研究。中國的AI發展戰略與應對面對美國的AI戰略佈局，中國正在形成自己的AI發展路徑。中國發展AI的優勢主要體現在：豐富的應用場景：中國擁有龐大的國內市場，在智慧城市、工業網際網路、智慧醫療、自動駕駛等領域，形成了無可比擬的"超級試驗場"。這使中國企業有機會走出一條"應用反哺技術"的路徑，在解決實際痛點中打磨出具有中國場景特色的差異化競爭力。技術突破：中國已在AI技術領域取得一系列突破，如華為昇騰系列晶片在AI推理市場佔比超70%，DeepSeek模型以低算力實現高效率，打破了"唯算力論"的迷思。開放合作：中國正建構"去美國中心化"的AI生態圈，通過"一帶一路"等多雙邊框架，推動AI技術務實合作。例如，在東南亞、非洲推廣智能農業技術，在開發中國家部署AI醫療輔助系統。其他主要國家的戰略應對在全球範圍內，其他主要國家也紛紛制定了AI發展戰略：歐盟：早期通過"尤里卡計畫"（EUREKA）推動歐洲高科技合作，現在正致力於在技術主權與倫理監管之間尋求平衡。歐盟傾向於通過《人工智慧法案》等法律框架，建構可信AI的發展環境。日本：早在1980年代就提出了"技術立國"戰略，現在繼續加強在AI領域的研究與發展，但在基礎研究和原創技術方面面臨挑戰。俄羅斯：其科技發展模式有著獨特特點，歷史上曾執行過類似曼哈頓計畫的大型科學計畫，如斯大林時期的石油科研計畫。在AI領域，俄羅斯可能更注重AI在國家安全和軍事領域的應用。表：全球主要國家/地區AI戰略比較五、美國"第二個曼哈頓計畫"的深層動因技術霸權與國家安全的雙重考量美國推出"第二個曼哈頓計畫"的背後，是對於技術霸權旁落的深切焦慮。《美國人工智慧行動計畫》開宗明義，將AI定位為決定21世紀國家命運的終極"戰略制高點"，認為誰主宰AI，誰就掌控科技命脈、經濟引擎與軍事利刃，進而定義全球秩序。該計畫的終極目標是建立"無可置疑、無可挑戰的全球技術主導權"。從國家安全形度看，美國軍方認識到AI技術正在成為新的戰略威懾力量，類似於冷戰時期的核武器。正如原版曼哈頓計畫是為了防止納粹德國率先獲得核武器一樣，"第二個曼哈頓計畫"旨在防止競爭對手在AI領域取得領先。美國國防部牽頭為軍事用途的AI資料中心制定"新的技術標準"，以抵禦"最堅定、最有能力的民族國家行為者的攻擊"，這充分反映了AI技術在國家安全的極端重要性。經濟競爭與產業發展的現實需求在經濟層面，AI技術已成為新一輪產業革命的核心驅動力。川普在沙烏地阿拉伯投資會議上的表態充分體現了這一點："我們將與合作夥伴一起，建立世界上最大、最強大、最具創新性的AI生態系統"。這種對AI生態系統的重視，源於對AI帶動經濟增長和產業升級的期待。AI產業的發展直接關係到全球價值鏈重構中的國家地位。通過OpenAI與富士康的合作，美國試圖將供應鏈從"美國設計、亞洲製造"的分工模式，轉向完全位於美國境內的、具有韌性的供應鏈。這不僅關乎AI產業本身，更關係到未來製造業的整體競爭力。地緣政治與聯盟體系的重塑動力在地緣政治層面，"第二個曼哈頓計畫"成為美國重塑全球聯盟體系的重要工具。該計畫明確提出向核心盟友（"小院"）開放全套AI技術堆疊（硬體、模型、軟體），以技術共享深化戰略繫結，構築排他性技術圈層。這種技術聯盟的建構，與冷戰時期西方聯盟體系有著驚人的相似性。同時，美國在國際組織層面，於聯合國、國際電信聯盟（ITU）等平台強力推銷符合美國技術路徑的AI標準，並主導如人臉識別等敏感領域的全球規則制定，搶佔治理制高點。這種規則與標準的競爭，反映了美國試圖通過"第二個曼哈頓計畫"不僅保持在AI技術本身的領先，還要掌握AI治理和國際規則制定的話語權。六、中國影響：面臨的挑戰與機遇技術"卡脖子"的風險加劇美國"第二個曼哈頓計畫"對中國最直接的影響是技術封鎖的進一步加強。美國對華技術管制已升級至"外科手術"等級：運用晶片位置驗證技術，精準阻斷先進計算晶片流向特定目標；完善對尖端半導體製造裝置的出口管制，堵死"漏網之隙"。同時，利用關稅、政策協調等手段，施壓盟友採取同步管制措施，編織一張覆蓋全球的"技術流動過濾網"。這種全方位、精準化的技術封鎖，使得中國AI產業面臨嚴峻的"卡脖子"困境。高端晶片獲取難如登天，先進演算法接觸受阻，直接威脅大模型研發的算力根基，拖慢迭代步伐；半導體製造裝置的嚴控，更讓晶片產業自主升級之路成本陡增、道阻且長。特別是在訓練下一代AI模型所需的高端晶片和資料中心技術方面，中國可能面臨供應鏈斷裂的風險。國際合作空間受到擠壓美國的"第二個曼哈頓計畫"還包括建構排他性的技術聯盟，這將對中國的國際科技合作空間形成擠壓。計畫中明確提出由商務部牽頭，建立一個旨在向盟友和夥伴"出口其完整的人工智慧技術堆疊——硬體、模型、軟體、應用和標準"的計畫。這標誌著美國將系統性地捆綁其技術優勢，以鞏固地緣政治聯盟。中國AI企業"出海"過程中，將面臨美國主導的技術聯盟和標準體系設定的"玻璃門"，尤其在智能駕駛、人臉識別等應用領域，規則話語權的缺失可能導致市場准入障礙重重。中國在聯合國、國際電信聯盟等國際組織中的影響力也可能受到美國有計畫的制衡。倒逼自主創新的歷史機遇儘管面臨嚴峻挑戰，但美國的技術封鎖也可能成為倒逼中國自主創新的強大動力。近年來，中國在AI領域的突破已有端倪，如華為昇騰系列晶片在AI推理市場佔比超70%，DeepSeek模型以低算力實現高效率，打破了"唯算力論"的迷思。外部高壓必將促使中國在基礎研究與核心技術攻堅上加倍投入，推動產業鏈從"整合組裝"向"核心自主"的深刻轉型。歷史經驗表明，技術封鎖往往是一把雙刃劍。原版曼哈頓計畫雖然使美國一度壟斷核武器技術，但最終蘇聯、英國、法國、中國等國都相繼實現了核技術的自主突破。同樣，在AI領域，美國的封鎖可能短期內延緩中國的發展速度，但長期來看，難以阻止中國實現技術自主。"負責任AI"的標竿機遇美國激進"去監管"可能引發的倫理失控、安全風險，反襯出中國堅持發展與規範並重道路的潛在價值。若中國能在AI倫理治理、資料安全等領域形成成熟可信的"中國方案"，將極大提升國際形象與治理話語權，開闢更廣闊的合作空間。中國於2025年7月26日倡議成立世界人工智慧合作組織，初步考慮總部設在上海，希望利用中國特別是上海人工智慧先發優勢，凝聚國際共識，促進務實合作，讓人工智慧真正造福全人類。這一舉措表明，中國正試圖通過強調AI發展的普惠性和包容性，與美國的技術霸權形成對比，爭取國際社會的理解與支援。七、啟示與建議：中國的破局之路強化自主創新，突破核心技術瓶頸面對美國"第二個曼哈頓計畫"的全面圍堵，中國的根本出路在於強化自主創新能力，突破AI核心技術瓶頸。具體而言：晶片領域：需要集中力量攻克AI晶片的設計、製造和封測全環節技術難關。華為昇騰系列晶片的成功已經證明了中國在晶片設計領域的能力，下一步需要打通全產業鏈，降低對外部技術依賴。演算法與模型：應當鼓勵像DeepSeek這樣以低算力實現高效率的技術路徑創新，在基礎模型、高效訓練推理框架的研發上持續投入，以"巧實力"彌補可能的"硬差距"。開源生態建設：建構自主可控的AI開源生態，形成從底層框架、開發工具到應用場景的完整技術堆疊，避免在軟體生態層面受制於人。發揮市場優勢，深化應用場景驅動中國最大的優勢在於龐大的國內市場和豐富的應用場景。應當充分利用這一優勢：推進AI與實體經濟深度融合：在智能製造、智慧城市、醫療健康、農業等傳統產業領域，加快AI技術的落地應用，通過場景應用反哺技術創新。打造行業示範案例：選擇中國具有優勢的產業領域，打造一批具有國際影響力的AI應用示範項目，形成可複製、可推廣的解決方案。鼓勵中小企業創新：通過政策引導和市場機制，激發中小企業在AI應用創新方面的活力，形成大中小企業融通發展的產業生態。建構合作網路，拓展國際發展空間在美國建構排他性技術聯盟的背景下，中國需要更加靈活地拓展國際合作空間：深化"一帶一路"AI合作：通過在東南亞、非洲等地區推廣智能農業技術、AI醫療輔助系統等，建構"去美國中心化"的AI生態圈，實現互利共贏。參與全球規則制定：在國際標準組織（ISO、IEC、ITU）及聯合國框架下，積極參與甚至主導AI安全、倫理、互操作性等關鍵標準的制定，提供基於實踐的"中國方案"。保持與美國的技術交流：儘管面臨封鎖，但仍需通過各種管道保持與美國學界、企業界的技術交流，利用開源社區和國際科學合作平台，吸收全球創新養分。夯實數字基建，佈局能源支撐體系AI競爭的背後是算力基礎設施和能源支撐體系的競爭。中國需要：建構全國一體化算力體系：通過"東數西算"等國家工程，最佳化算力資源佈局，提升算力使用效率。加強綠色能源與AI融合：前瞻佈局AI與核能、可再生能源結合的技術路線，確保未來AI發展的能源需求得到滿足。推動基礎設施建設：加強資料中心、通訊網路等數字基礎設施建設，同時注重能效提升和環境影響控制。完善治理體系，保障AI安全可控在美國激進"去監管"的背景下，中國可以通過建構負責任AI治理體系形成對比優勢：發展與規範並重：在鼓勵AI創新的同時，建立健全AI倫理、安全和隱私保護規範，實現技術創新與有效監管的平衡。探索敏捷治理模式：針對AI技術發展快、迭代頻繁的特點，探索分類分級、敏捷高效的治理模式，避免"一刀切"阻礙創新。加強AI安全研究：針對AI系統的漏洞和風險，加強安全技術研究和保障體系建設，確保AI技術應用安全可控。八、迎接智能時代的大國競爭美國"第二個曼哈頓計畫"的推出，標誌著全球AI競爭進入了一個新的歷史階段。與原版曼哈頓計畫不同，這場競爭並非在戰爭背景下展開，但其對國際格局的影響可能同樣深遠。對中國而言，這既是前所未有的挑戰，也是歷史性的機遇。中國在AI領域有著自身的獨特優勢：龐大的市場、豐富的資料資源、強大的工程化能力和較為完整的產業體系。通過自主創新、應用驅動、開放合作和有效治理，中國完全有能力在美國的技術封鎖中開闢出一條自己的AI發展道路。這場關乎未來的AI霸權爭奪戰，勝負遠未分曉。中國若能持續在核心技術上取得突破，在應用場景上深化落地，在治理規則上貢獻智慧，不僅能有效打破美國的戰略圍堵，更能在全球AI發展版圖上刻下鮮明的"中國坐標"，最終為人類智能時代的進步貢獻不可或缺的中國力量。這場博弈，不僅是技術的較量，更是道路與智慧的考驗，其結果將深刻影響21世紀的世界格局。 (莊說)

AMD Q3財報深度解析及最新業務指引

📊 核心財務資料🔥 重磅合作AMD與OpenAI達成6GW晶片供應協議預計未來幾年帶來超1000億美元收入📈 業績總覽AMD在11月4日盤後發佈的Q3財報超出市場預期，營收達92.5億美元，超過分析師預期的87.5億美元約5%。調整後每股收益1.20美元，也超過預期的1.17美元約3%。這是AMD在過去五個季度中首次實現雙線超預期。從增長趨勢看，Q3的36%同比增長與Q1持平，略高於Q2的32%，顯示AMD在AI浪潮推動下保持穩健增長態勢。但值得注意的是，儘管業績亮眼，AMD股價盤後下跌約2.5%，市場對估值的擔憂開始顯現。市場反應：在過去五個季度中，AMD有三次恰好達到預期，只有一次超預期。本次Q3實現雙線超預期屬於罕見的積極表現，但市場更關注估值是否合理。💡 業務亮點深度解析① 客戶端與遊戲：本季度最大驚喜客戶端與遊戲業務營收達40.5億美元，同比暴漲73%，環比增長12%，成為本季度表現最搶眼的業務類股。客戶端業務：營收28億美元（+46% YoY），創歷史新高。這主要得益於Ryzen處理器的強勁需求，特別是Zen 5架構的Ryzen 9000系列表現出色。桌面CPU銷售達到歷史最高水平，管道銷售和實際銷售都創下紀錄。OEM筆記型電腦的Ryzen銷售也大幅增長。遊戲業務：營收13億美元（+181% YoY，+16% QoQ），這一驚人增長來自兩方面：一是Radeon RX 9000系列GPU的強勁需求，管道銷售大幅增長；二是索尼和微軟為即將到來的假期銷售季準備的半定製晶片需求增加。商業市場突破：商業PC市場表現尤為突出，Ryzen PC銷售同比增長超過30%，在醫療、金融服務、製造、汽車和製藥等領域贏得大量財富500強企業訂單。② 資料中心：增長改善但仍需努力資料中心業務營收43.4億美元，同比增長22%，環比大增34%。增速從Q2的14%提升至22%，顯示出改善趨勢。伺服器CPU強勢：第5代EPYC Turin處理器爬坡速度極快，在Q3就佔到了EPYC總收入的近50%。更重要的是，上一代Genoa處理器需求依然旺盛，顯示出AMD在伺服器市場的強大競爭力。雲服務商在Q3推出了超過160個基於EPYC的實例，全球EPYC雲實例總數達到1,350個，同比增長近50%。AI加速器爬坡：Instinct MI350系列GPU的銷售大幅增長，推動資料中心AI業務快速發展。Oracle成為首個公開提供MI355X實例的超大規模雲服務商。多個雲服務商和AI開發者開始大規模部署MI300系列，包括IBM、Zyphra、Cohere、Character.AI等。CPU需求新動力：值得注意的是，管理層指出AI工作負載正在推動通用計算需求大幅增加。許多超大規模客戶預計在2026年大幅擴建CPU容量以支援AI應用，這為AMD伺服器業務提供了新的增長催化劑。③ 盈利能力：增長背後的隱憂儘管營收增長強勁，但盈利能力指標卻不那麼樂觀。調整後毛利率維持在54%，與去年同期持平，沒有改善。更令人擔憂的是，調整後營業利潤率實際下降了100個基點。原因分析：毛利率持平主要有兩個原因：一是產品組合變化，毛利率相對較低的客戶端和遊戲業務增長更快；二是台積電持續提價，壓縮了AMD的利潤空間。作為完全依賴台積電代工的公司，AMD在定價上缺乏議價能力。與競爭對手對比：AMD的營業利潤率遠低於輝達，後者的利潤率約為AMD的兩倍。對於一家高估值的成長型科技公司來說，利潤率下降不是好訊號。管理層預計Q4毛利率將提升至54.5%，如果實現將是積極訊號。🤝 OpenAI合作：改變遊戲規則的交易AMD與OpenAI達成了一項多年、多代、6吉瓦規模的全面協議。首批1GW的MI450系列加速器將於2026年下半年開始上線。這筆交易的規模之大，可能在未來幾年為AMD帶來超過1000億美元的收入。戰略意義：這項合作確立了AMD作為OpenAI核心計算供應商的地位。OpenAI選擇AMD來運行其最複雜的AI工作負載，清楚地表明AMD的Instinct GPU和ROCm開放原始碼軟體棧能夠滿足最苛刻的部署需求。深度合作：AMD和OpenAI將在未來的硬體、軟體、網路和系統級路線圖和技術上更加緊密地合作。這不僅僅是一筆供應協議，而是一項長期戰略夥伴關係。獨特的激勵結構：AMD向OpenAI授予了股票認股權證，這些權證的行權價格對雙方都非常有利，創造了高度一致的激勵機制。每個人都會贏：AMD贏、OpenAI贏、股東也贏。其他重要合作：除OpenAI外，Oracle將部署數萬個MI450 GPU，Meta支援開放機架標準，美國能源部選擇MI430X和MI350系列為多個超級計算項目提供動力，包括Lux AI和Discovery超級電腦。🚀 產品路線圖：技術領先優勢MI400系列與Helios機架方案AMD將在2026年推出下一代MI400系列加速器和Helios機架級解決方案。MI400系列結合了新的計算引擎、業界領先的記憶體容量和先進的網路能力，旨在為最苛刻的AI訓練和推理工作負載提供重大性能飛躍。Helios平台：這是AMD的機架級AI平台，整合了Instinct MI400系列GPU、Venice EPYC CPU和Pensando網路卡，在雙倍寬度機架解決方案中，針對下一代AI基礎設施所需的性能、功耗、冷卻和可維護性進行了最佳化，支援Meta的新開放機架寬度標準。市場反應：在開放計算項目(OCP)展會上，Helios的展示引起了巨大反響。許多客戶帶著工程團隊前來深入瞭解系統設計。管理層表示，早期MI450客戶將主要採用機架級解決方案，但也會提供其他形態。Venice：2奈米伺服器處理器AMD計畫在2026年推出採用2奈米工藝的Venice處理器。Venice晶片目前已在實驗室中運行，表現非常出色，在性能、能效和計算密度方面都實現了顯著提升。客戶需求創新高：客戶對Venice的需求和參與度是AMD有史以來最強的，反映了公司的競爭地位和對更多資料中心計算能力的日益增長的需求。多個雲和OEM合作夥伴已經啟動了首批Venice平台，為發佈時的廣泛解決方案可用性和雲部署奠定了基礎。ROCm 7：軟體生態重大突破AMD推出了ROCm 7，這是迄今為止功能最先進、功能最豐富的版本。與ROCm 6相比，推理性能提升了4.6倍，訓練性能提升了3倍。開源生態繁榮：ROCm 7引入了無縫分佈式推理、增強的跨硬體程式碼可移植性以及簡化部署的新企業工具。重要的是，AMD的開放軟體策略正在贏得開發者的認可。Hugging Face、vLLM、SGLang等公司直接為ROCm 7做出了貢獻，使ROCm成為大規模AI開發的開放平台。📊 未來展望：2026年是關鍵之年Q4 2025指引• 營收：96億美元（±3億美元），同比增長25%，高於市場預期92億美元• 毛利率：54.5%，較Q3小幅提升• 資料中心：環比兩位數增長，伺服器和MI350都將增長• 客戶端與遊戲：客戶端增長，遊戲因季節性因素大幅下降• 嵌入式：兩位數增長，需求環境改善2026年增長催化劑•MI350持續爬坡：預計在2026年上半年繼續強勁增長•MI450下半年推出：將帶來更陡峭的增長曲線•伺服器CPU需求強勁：AI工作負載推動通用計算需求•Venice處理器發佈：客戶需求創歷史新高•OpenAI 1GW部署：從2026年下半年開始上線2027年營收目標管理層明確表示，資料中心AI業務正在進入新的增長階段，預計在2027年實現數百億美元的年收入。這得益於領先的機架級解決方案、不斷擴大的客戶採用以及越來越多的大規模全球部署。💰 估值分析與投資觀點當前估值水平AMD目前的市盈率約為65倍，這是一個相當高的估值水平，遠高於大盤平均水平。更關鍵的是，AMD的估值甚至高於一些增長更快的競爭對手。與競爭對手對比：輝達和博通的估值都明顯低於AMD，而輝達的增長速度顯著快於AMD。輝達預計下個季度EPS增長超過50%，而AMD的EPS增長為30%。從相對估值角度看，AMD的性價比並不高。機構估值觀點TQI估值模型：• 公允價值：$285/股（約470億美元市值），意味著從當前價格還有約15%的上漲空間• 5年目標價：$506/股，假設退出倍數為20倍P/FCF• 預期年化收益率：15.5%，高於15%的投資門檻關鍵假設：TQI模型假設AMD在AI加速器市場能獲得約20%的市場份額，年增長率30%，最佳化後的FCF利潤率從25%提升至30%（仍遠低於輝達的45%）。⚠️ 市場反應：謹慎的訊號儘管AMD的Q3財報雙線超預期，但股價盤後下跌約2.5%。這表明市場認為：• 業務增長雖然強勁，但已充分反映在當前估值中• 資料中心業務22%的增速相比輝達仍顯不足• 利潤率下降令人擔憂，不符合高估值成長股的預期• 投資者可能在等待更好的入場時機📌 投資建議長期投資者AMD無疑是一家優秀的公司，在AI浪潮中佔據重要地位。但當前價格不便宜，建議採取分批建倉策略，在$240多的位置逐步積累，而非一次性重倉。短期交易者當前不建議追高。盤後下跌表明市場對估值存在分歧。等待回呼或更明確的催化劑（如2026年上半年MI450進展）可能是更好的策略。關鍵觀察指標• 2026年上半年MI350的持續增長表現• OpenAI 1GW部署的進展（2026下半年）• 毛利率是否能如指引提升至54.5%以上• 與輝達的競爭格局變化📈 業務資料速覽⚠️ 投資風險提示競爭風險：輝達在AI加速器市場佔據主導地位，AMD份額提升面臨激烈競爭執行風險：MI450和Helios的按時交付及大規模量產能力仍待驗證客戶集中風險：OpenAI可能成為重要客戶，但過度依賴單一客戶存在風險供應鏈風險：完全依賴台積電，面臨產能和價格雙重壓力估值風險：當前估值較高，如果增長不及預期可能面臨回呼壓力📝 核心總結積極因素：✓ Q3營收和EPS雙雙超預期，多業務線增長強勁✓ OpenAI合作打開千億級市場空間，戰略地位提升✓ 產品路線圖清晰，MI450和Venice客戶需求強勁✓ ROCm軟體生態顯著改善，性能大幅提升✓ Q4指引超預期，2026年增長催化劑明確關注因素：✗ 估值偏高（65倍PE），相對輝達缺乏吸引力✗ 盈利能力有待提升，利潤率同比下降✗ 資料中心增速（22%）仍顯著低於輝達✗ 盤後股價下跌，市場反應謹慎✗ 過度依賴台積電，成本壓力持續 (FinHub)

【Joe’s華爾街脈動】投資深度解析：黃金與貴金屬

剖析投資貴金屬的風險與回報摘要隨著對傳統金融資產的信任逐漸侵蝕，地緣政治的轉變正引發各國央行創紀錄的「去美元化」，此趨勢正驅動黃金進入一個新的結構性牛市。高通膨、預期聯準會降息以及美元走弱的強力組合，進一步支撐了此波漲勢。黃金的價值，基本上與實質利率呈現負相關，實質利率代表了持有此一不孳息資產的機會成本。白銀、鉑金和鈀金與黃金有著根本上的不同，它們的價值更多由工業需求和經濟週期驅動，而非貨幣因素。主要風險包括宏觀環境逆轉為高實質利率環境、美元走強，以及持有不孳息資產的內在機會成本。僅為教育內容 — 不構成投資建議、推薦或邀約。過往表現不保證未來結果。當前發展更新於2025年10月5日專業投資圈當前熱議的焦點如下：地緣政治轉變與新的貨幣秩序：在一個日益分裂的世界中，地緣政治緊張局勢加劇，侵蝕了對美元及主權債務的信任。這正驅動一場結構性的轉變，資金從傳統金融資產(inside money)流向如黃金般中性的實體資產(outside money)，此一概念被描述為「布列敦森林體系III (Bretton Woods III)」。創紀錄的央行去美元化：為應對此一情勢，各國央行，特別是中國央行，正在執行一項策略性的、為期多年的去美元化行動，其創紀錄且持續性的實體黃金購買即為明證。這種對價格不敏感的買盤，創造了一個強大的需求底部，從根本上改變了市場結構。有利的貨幣與財政條件：宏觀經濟因素的「完美風暴」——包括高通膨、聯準會降息以及不確定的美國貿易政策——正在削弱美元，降低持有黃金的機會成本，並鞏固其作為首要避險資產與通膨避險工具的角色。資料來源：聖路易斯聯準銀行資料來源：彭博投資因子描述作為一種實體商品，黃金本身不產生任何收益或孳息。因此，其價值由全球供需動態決定，而這些動態又深受投資者情緒與宏觀經濟條件的影響。傳統上，黃金被視為對抗通膨的避險工具、抵禦貨幣貶值的保護傘，以及在經濟或政治動盪時期的避險資產。本質上，黃金扮演著「危機避險工具」的角色，其價值源於當人們對傳統金融資產信心動搖時，它保存財富的能力。黃金的關鍵特性包括：通膨與實質利率：從歷史上看，黃金在長期間內能夠保持購買力，其表現時常優於通膨。當實質利率處於低檔或負值時，持有黃金的機會成本下降，從而提升其吸引力。反之，上升的實質利率使附息資產更具吸引力，並可能對金價構成壓力。美元價值：黃金與美元通常存在負相關關係。弱勢美元使黃金對國際買家而言更便宜，從而刺激需求。2025年迄今，美元指數約10%的跌幅，是當前金價漲勢的重要順風。全球不確定性與需求：在風險規避時期，投資者轉向黃金尋求穩定。各國央行為使其外匯儲備從美元分散化而進行的結構性購買，進一步支撐了此一需求。其他貴金屬如白銀，其價格走勢時常與黃金同步，但波動性更大；2025年白銀已飆升超過55%，其漲幅超過黃金，主因為其同時扮演避險資產與關鍵工業金屬的雙重角色。資料來源：Long Term Trends此圖表直觀地展示了金價與實質利率之間強烈的負相關關係。當實質殖利率(名目利率減去通膨率)下降或轉為負值時，持有像黃金這樣不孳息資產的機會成本隨之降低，直接提升了其吸引力與價格。這種強烈的負相關性(相關係數常被測量在-0.82左右)在近代歷史中顯而易見：當2020年聯準會降息導致實質殖利率急劇下降時，金價隨之飆升。反之，隨著2022年貨幣政策收緊及實質殖利率上升，黃金的動能暫停。然而，此圖表亦揭示了這種關係並非絕對。2024–2025年創紀錄的漲勢，發生在實質殖利率仍為正值之際，突顯出在某些時期，由地緣政治風險和央行結構性買盤驅動的壓倒性避險需求，能夠暫時凌駕於利率的影響之上。最終，此圖表強調了投資論述的一個核心原則：儘管「通膨是黃金最好的朋友，而升息是其最大的敵人」，但現代的黃金市場亦受到強大的新型結構性力量所支撐。投資因子沿革數千年來，黃金對人類一直具有內在的吸引力，在現代金融市場出現前，它早已是普世且永恆的價值儲存工具。然而，黃金作為首要金融資產的現代紀元，始於1971年美國切斷美元與黃金的掛鉤，允許金價自由浮動。此一脫鉤為數十年的美元貶值埋下伏筆，並確立了黃金作為其直接對應物的角色。第一次考驗出現在1970年代的停滯性通膨危機期間，當時飆升的通膨與經濟動盪導致金價飛漲，因為市場對法定貨幣美元的信心動搖。此模式在2008年金融危機後重演，寬鬆的貨幣政策與疲弱的美元，促使投資者大量投入黃金的避風港，將其推至歷史新高。反之，黃金對貨幣政策的敏感性在2013年和2015年的緊縮週期中得到證明，當時對更高實質利率的預期導致金價下跌。當前的2024–2025年時期，代表了這段歷史的高點，因為高通膨以及央行重新轉向降息，再次點燃了創紀錄的漲勢，重申了黃金作為對抗貨幣貶值與危機的避險工具之持久功能。其他主要貴金屬雖然白銀、鉑金和鈀金常與黃金歸為一類，但它們的投資案例在根本上有所不同，其驅動力來自它們作為貴重金屬與工業金屬的雙重角色。與價值幾乎完全取決於貨幣屬性的黃金不同，這些金屬的價格對工業需求與全球經濟週期高度敏感。白銀：白銀佔據了一個獨特的中間地帶。它保留了一些貨幣特性，且對實質利率敏感，但其年度需求超過一半來自工業應用。它在太陽能電池板、5G技術和電子產品中的關鍵作用，意味著其價格受到製造業產出和技術趨勢的強烈影響。因此，雖然它可能因貨幣擔憂而與黃金一同上漲，但全球經濟衰退可能同時摧毀其工業需求，使其價格行為與利率的關聯性不那麼純粹，且波動性更大。鉑金：鉑金的價格對實質利率的敏感度遠低於黃金。其價值主要由工業需求驅動，特別是來自汽車產業的柴油車觸媒轉化器，以及新興的氫能經濟。因此，其定價是汽車銷售、排放標準以及來自南非的嚴重供應風險(南非主導全球產量)的函數。鉑金的表現更多地與重工業的健康狀況相關，而非貨幣政策。鈀金：鈀金是貴金屬中最具工業屬性的一種，其超過80%的需求來自單一來源：汽油引擎的觸媒轉化器。其價格與實質利率幾乎沒有相關性。相反地，它完全取決於汽車市場、來自俄羅斯的供應中斷，以及來自鉑金替代和向電動車轉型的長期結構性威脅。其價值是一個高度專業化的工業方程式，與驅動黃金的貨幣因素完全不同。全球交易貴金屬市值 (截至2025年9月30日)資料來源：Companies Market Cap投資風險儘管投資論述引人注目，投資者仍必須考慮與貴金屬相關的顯著風險：宏觀經濟格局轉變：主要風險是當前有利環境的逆轉。通膨的快速下降或超乎預期的強勁經濟增長，可能導致央行鷹派轉向，推高實質殖利率，並對金價施加巨大壓力。美元走強：作為以美元計價的商品，黃金通常會面臨美元走強的逆風，而美元走強可能源於相對較高的經濟增長或貨幣市場中的避險資金流入。波動性與情緒擺盪：貴金屬的價格可能極具波動。投資者情緒的突然轉變，通常由投機活動或ETF的快速資金外流所驅動，可能導致迅速而顯著的價格下跌。無現金流與機會成本：黃金是一種不產生任何收益的不孳息資產。在高且穩定的實質利率時期，與債券或附息股票相比，持有黃金會帶來顯著的機會成本。監管與稅務變更：對收藏品的稅收政策或影響商品ETF的法規之潛在變更，可能對投資者回報產生負面影響。免責聲明：本資料僅供參考與教育目的，不構成投資、法律、稅務或會計建議；亦非出售任何證券的要約或購買的邀約。決策應考量個人的目標、限制與風險承受能力。過往表現並不預示未來結果。A Guide to Gold and Other Precious MetalsUnderstanding the Risks and Rewards of Investing in Precious MetalsExecutive SummaryA new structural bull market for gold is driven by a geopolitical shift causing record central bank de-dollarization as trust in traditional financial assets erodes.The rally is further supported by a powerful combination of high inflation, expected Federal Reserve rate cuts, and a weakening U.S. dollar.Gold's value is fundamentally tied to its inverse relationship with real interest rates, which represent the opportunity cost of holding the non-yielding asset.Silver, platinum, and palladium are fundamentally different from gold as their values are driven more by industrial demand and the economic cycle than by monetary factors.The primary risks include a reversal to a high-real-rate environment, a strengthening U.S. dollar, and the inherent opportunity cost of holding a non-yielding asset.Educational content only — not investment advice, a recommendation, or a solicitation. Past performance does not guarantee future results.Current DevelopmentsUpdated 2025-10-05Here is what professional investors are often discussing:A Geopolitical Shift and a New Monetary Order: Increasing geopolitical tensions in a fragmented world have eroded trust in the U.S. dollar and sovereign debt. This is driving a structural shift away from traditional financial assets ("inside money") toward neutral, physical assets ("outside money") like gold, a concept described as "Bretton Woods III."Record Central Bank De-Dollarization: In response, central banks, specifically China’s, are executing a strategic, multi-year de-dollarization, demonstrated by record-breaking and sustained purchases of physical gold. This price-insensitive buying creates a strong demand floor, fundamentally altering the market.Favorable Monetary and Fiscal Conditions: A "perfect storm" of macroeconomic factors—including high inflation, expected Federal Reserve rate cuts, and uncertain U.S. trade policies—is weakening the U.S. dollar, lowering the opportunity cost of holding gold, and cementing its role as a premier safe-haven and inflation hedge.Source: St. Louis FedSource: BloombergInvestment Factor DescriptionAs a physical commodity, gold generates no earnings or yield. Consequently, its value is determined by global supply and demand dynamics, which are heavily influenced by investor sentiment and macroeconomic conditions. It is traditionally sought as a hedge against inflation, a protector against currency devaluation, and a safe-haven asset during times of economic or political turmoil. In essence, gold functions as a "crisis hedge," deriving its value from its ability to preserve wealth when faith in traditional financial assets falters.Key characteristics of gold include:Inflation and Real Interest Rates: Gold has historically preserved purchasing power over long periods, often outperforming inflation. When real interest rates are low or negative, the opportunity cost of holding gold decreases, boosting its attractiveness. Conversely, rising real rates make yield-bearing assets more appealing and can pressure gold prices.U.S. Dollar Value: Gold and the U.S. dollar typically have an inverse relationship. A weaker dollar makes gold cheaper for international buyers, stimulating demand. The approximately 10% year-to-date drop in the U.S. Dollar Index in 2025 has been a significant tailwind for the current rally.Global Uncertainty and Demand: During risk-off periods, investors turn to gold for stability. This demand is further supported by structural buying from central banks diversifying their reserves away from the dollar. Other precious metals like silver often move with gold but with greater volatility; silver has surged over 55% in 2025, outpacing gold due to its dual role as a safe haven and a critical industrial metal.Source: Long Term TrendsThis chart visually demonstrates the powerful inverse relationship between the price of gold and real interest rates. As real yields (nominal interest rates minus inflation) fall or turn negative, the opportunity cost of holding a non-yielding asset like gold diminishes, directly boosting its appeal and price. This strong negative correlation, often measured at around -0.82, is evident throughout recent history: when real yields fell sharply in 2020 amid Federal Reserve rate cuts, gold prices spiked. Conversely, as monetary policy tightened and real yields rose through 2022, gold's momentum paused. However, the chart also reveals that this relationship is not absolute.The record-breaking rally in 2024–2025 occurred even as real yields remained positive, highlighting periods where overwhelming safe-haven demand, driven by geopolitical risk and structural central bank buying, can temporarily override the influence of interest rates. Ultimately, the chart underscores a core tenet of the investment thesis: while "inflation is gold’s best friend and rate hikes are its worst enemy," the modern gold market is also supported by powerful new structural forces.Investment Factor HistoryFor millennia, gold has held an intrinsic attraction for humans, serving as a universal and timeless store of value long before modern financial markets. The modern era for gold as a premier financial asset, however, was unleashed in 1971 when the U.S. severed the dollar's link to gold, allowing the metal's price to float freely. This de-pegging set the stage for decades of dollar devaluation and established gold's role as its direct counterpart.The first test came during the stagflationary crisis of the 1970s, where surging inflation and economic turmoil caused gold prices to skyrocket as faith in the fiat dollar faltered. This pattern repeated powerfully after the 2008 Financial Crisis, when easy monetary policy and a weakening dollar sent investors flocking to gold's safety, pushing it to record highs. Conversely, gold's sensitivity to monetary policy was proven during the tightening cycles of 2013 and 2015, when the prospect of higher real interest rates caused prices to fall. The current 2024–2025 period represents a powerful culmination of this history, as high inflation and a pivot back toward central bank rate cuts have once again ignited a record-breaking rally, reaffirming gold's enduring function as a hedge against monetary debasement and crisis.Other Major Precious MetalsWhile silver, platinum, and palladium are often grouped with gold, their investment cases are fundamentally different, driven by their dual roles as both precious and industrial metals. Unlike gold, whose value is almost entirely monetary, these metals have prices that are highly sensitive to industrial demand and the global economic cycle.Silver: Silver occupies a unique middle ground. It retains some monetary characteristics and is sensitive to real interest rates, but over half of its annual demand comes from industrial applications. Its critical role in solar panels, 5G technology, and electronics means its price is strongly influenced by manufacturing output and technological trends. Consequently, while it may rally with gold on monetary concerns, a global recession could simultaneously crush its industrial demand, making its price behavior less purely tied to interest rates and more volatile.Platinum: Platinum's price is far less sensitive to real interest rates than gold's. Its value is predominantly driven by industrial demand, particularly from the automotive sector for diesel catalytic converters and the emerging hydrogen economy. Its pricing is therefore a function of auto sales, emission standards, and acute supply risks from South Africa, which dominates production. Platinum's performance is tied more to the health of heavy industry than to monetary policy.Palladium: Palladium is the most industrial of the precious metals, with over 80% of its demand coming from a single source: catalytic converters for gasoline engines. Its price has almost no correlation to real interest rates. Instead, it is a pure play on the automotive market, supply disruptions from Russia, and the long-term structural threat of substitution by platinum and the transition to electric vehicles. Its value is a highly specialized industrial equation, entirely distinct from the monetary factors that drive gold.Global Market Capitalization of Traded Precious Metals as of Sept 30, 2025Source: Companies Market CapInvestment RisksDespite the compelling thesis, investors must consider the notable risks associated with precious metals:Macroeconomic Regime Shift: The primary risk is a reversal of the current favorable environment. A rapid fall in inflation or unexpectedly strong economic growth could lead to a hawkish central bank pivot, driving real yields higher and putting significant pressure on gold prices.U.S. Dollar Strength: As a dollar-priced commodity, gold usually faces a headwind from a strengthening U.S. dollar, which could result from higher relative growth or a flight to safety in the currency markets.Volatility and Sentiment Swings: Precious metals can be volatile. Sudden shifts in investor sentiment, often driven by speculative activity or rapid ETF outflows, can lead to swift and significant price drops.No Cash Flow & Opportunity Cost: Gold is a non-yielding asset that produces no income. During periods of high and stable real interest rates, holding gold entails a significant opportunity cost compared to bonds or dividend-paying stocks.Regulatory and Tax Changes: Potential changes in the taxation of collectibles or regulations affecting commodity ETFs could negatively impact investor returns.Disclaimer: This material is for informational and educational purposes only and does not constitute investment, legal, tax, or accounting advice; an offer to sell; or a solicitation to buy any security. Decisions should consider individual objectives, constraints, and risk tolerance. Past performance is not indicative of future results.相關投資意涵諮詢，歡迎加入 LINE 社群與Joe互動！立即加入《Joe’s 華爾街脈動》LINE@官方帳號，獲得最新專欄資訊（點此加入）關於《Joe’s 華爾街脈動》鉅亨網特別邀請到擁有逾 22 年美國投資圈資歷、CFA 認證的機構操盤人 Joseph Lu 擔任專欄主筆。Joe 為台裔美國人，曾管理超過百億美元規模的基金資產，並為總資產高達數千億美元的多家頂級金融機構提供資產配置優化建議。Joe 目前帶領著由美國頂尖大學教授與博士組成的精英團隊，透過獨家開發的 "趨勢脈動 TrendFolios® 指標"，為台灣投資人深度解析全球市場脈動，提供美股市場第一手專業觀點，協助投資人掌握先機。

美元利差風險超歐元？高盛深入解析美歐信用市場

核心要點總覽高盛建議重新增持歐元市場相對於美元市場的利差，標誌著自5月以來中性立場的重大轉變美國GDP增速預計僅為1.2%，遠低於潛在水平，下行風險加劇歐洲經濟增長預測上調至1.2%，高於市場共識及長期增長潛力美元高收益市場CCC評級債券面臨14%的兩年內到期比例，是平均水平的兩倍CCC級債券再融資成本懲罰超過300個基點，風險顯著高收益債券相對槓桿貸款提供更優風險回報，配置從中性上調至增持聯準會預計2025年下半年連續降息75個基點（9月、10月、12月各25bp）周期性行業持續承壓，防禦性行業表現優異，利差曲線趨平風險上升1. 美歐利差配置重大轉向：從中性到增持歐元高盛此次配置調整的背景頗為複雜，反映了全球信用市場格局的深刻變化。自5月以來，高盛將歐元市場相對於美元市場的配置從"增持"下調至"中性"，當時的主要考量是歐洲在"解放日"後的宏觀經濟優勢逐漸消退，以及歐元市場的估值差距已基本正常化。當時的調整邏輯主要基於兩個核心因素：首先，歐洲對美國的宏觀經濟優勢在"解放日"後逐漸消退，關稅不確定性的緩解使得美歐之間的經濟差距有所縮小；其次，歐元市場年初顯著的估值差距已基本正常化，其利差收益率回到了十年中位數水平，相對價值優勢不再明顯。此後幾個月的市場表現印證了這一中性配置的有效性，兩個市場之間的差異確實不大。然而，最新的宏觀經濟資料顯示出明顯的分化趨勢，促使高盛重新評估配置策略。美國經濟增長的"左尾"風險明顯加厚，更高的關稅已開始對美國經濟增長構成壓力。這一變化不僅體現在7月就業報告的疲軟表現上，更反映在製造業資料、消費者信心指數以及企業投資意願的全面下滑中。與此同時，美歐貿易協定的成果超出預期，為歐洲經濟注入了新的動力。這種差異化的發展軌跡使得高盛認為，在當前利差普遍處於歷史緊縮水平的背景下，相對價值的考量主要應由對下行風險的敏感度來決定。基於美國經濟更為顯著的下行風險判斷，增持歐元利差成為更為審慎的選擇。值得注意的是，基金流向資料顯示，歐洲投資者在兩個市場之間的邊際資金配置方式更加平衡。儘管有需求放緩的跡象，但並未出現大規模資金外流，這為歐元市場的相對穩定提供了技術面支撐。高盛強調，這種配置調整併非基於短期市場波動，而是對中期宏觀經濟趨勢的深度判斷。2. 美國經濟下行壓力凸顯7月就業報告成為美國經濟疲軟的重要證據，其資料的惡化程度超出了市場預期。報告顯示，勞動力市場依然疲軟，新增就業崗位數量不及預期，而失業率的上升趨勢更是引發了市場對經濟衰退風險的擔憂。更為關鍵的是，與關稅相關的價格上漲尚未完全顯現，預計將繼續對實際可支配收入和消費增長構成壓力。高盛經濟學家的深度分析顯示，美國經濟面臨的挑戰是多層面的。首先，關稅政策的滯後效應正在逐步顯現，製造業成本上升、供應鏈調整成本以及貿易轉移效應都在對經濟增長構成拖累。其次，消費者層面，實際可支配收入增長放緩，儲蓄率下降，消費信心指數持續走低，這些都指向了消費增長的潛在疲軟。高盛經濟學家預計，上半年1.2%的GDP增速將持續至年底，使得全年增長遠低於其潛在水平。這一預測基於多個前瞻性指標的綜合分析：領先經濟指標連續下滑、商業投資意願疲軟、房地產市場調整壓力加大，以及金融條件收緊對經濟活動的抑製作用。從結構性角度看，美國經濟的脆弱性更加明顯。企業盈利增長放緩，特別是那些依賴國際貿易的行業，利潤率面臨顯著壓力。同時，小企業信心指數的下降反映了經濟活動的廣泛疲軟。勞動力市場的鬆動不僅體現在失業率上升上，更體現在職位空缺率下降、僱傭意願減弱以及工資增長放緩等多個維度。這種增長乏力的態勢在當前全球經濟環境下尤為值得關注。與其他主要經濟體相比，美國經濟的韌性優勢正在減弱，而其面臨的特定挑戰（如關稅衝擊、政策不確定性等）則可能使其經濟表現進一步分化。高盛認為，這種下行壓力不僅是周期性的，更可能具有一定的結構性特徵，需要政策層面的積極應對。3. 高收益債券vs槓桿貸款：久期優勢凸顯在聯準會降息預期日益強烈的背景下，高盛對高收益債券和槓桿貸款的相對配置進行了重要調整。這一調整不僅基於對貨幣政策走向的判斷，更體現了對不同資產類別在降息環境下表現差異的深度理解。高收益債券在息差與久期之間提供更優的權衡，而槓桿貸款市場顯著的負凸性特徵成為其在當前環境下的劣勢。高盛分析師詳細解釋了這種配置轉換的技術邏輯。在降息周期中，久期較長的債券能夠更好地受益於利率下行，而浮動利率的槓桿貸款則會因為基準利率下降而面臨收益率壓縮。更為關鍵的是，高收益債券的負凸性特徵相對溫和，而槓桿貸款的負凸性則更為顯著，這意味著在市場波動加劇時，槓桿貸款的價格表現可能更加糟糕。實際市場資料驗證了這一判斷的正確性。自就業資料公佈以來，高收益債券實現了20個基點的正總回報，而槓桿貸款市場僅為3個基點，這一顯著差異主要得益於5年期美國國債收益率下降近20個基點。即使高收益債券的信用利差擴大了10個基點，久期效應仍然為其提供了有效的保護。從更深層的風險管理角度看，高盛認為久期在經濟增長不及預期時能夠有效對總回報起到緩衝作用。這是因為在經濟下行環境中，利率和信用利差通常保持傳統的負相關關係：當經濟前景惡化導致信用利差擴大時，避險情緒推動國債收益率下降，從而為持有較長久期債券的投資者提供部分避險。高盛還特別強調了槓桿貸款市場結構性問題的加劇。過去三年，槓桿貸款因其浮動利率特性而享有息差優勢，但隨著聯準會進入降息周期，這一優勢將迅速消失。同時，槓桿貸款市場的流動性相對較差，在市場波動時容易出現流動性溢價的急劇上升，進一步損害其相對表現。基於這些分析，高盛建議投資者在當前環境下應更多配置高收益債券而非槓桿貸款。這一建議不僅適用於當前的市場環境，更可能在整個降息周期中保持有效性。高盛預計，隨著聯準會在2025年下半年連續降息，高收益債券相對槓桿貸款的優勢將進一步凸顯。4. CCC級債券面臨雙重逆風美元高收益市場中的CCC評級債券正面臨著高盛所稱的"過多的情況同時發生"的困境。這些最低投資等級的企業債券不僅面臨更高的再融資需求，還要應對經濟增長緩慢的雙重逆風，形成了一個特別危險的組合，使得這類資產的風險回報比急劇惡化。從再融資壓力的角度看，資料顯示出令人擔憂的趨勢。整體高收益債券中9%的票面價值將在兩年內到期，這本身就構成了一定的再融資壓力。然而，CCC評級債券中這一比例高達14%，是2009年以來平均水平的兩倍，遠高於其他評級債券的到期集中度。這意味著大量的CCC級發行人在短期內必須找到新的資金來源來償還即將到期的債務。更為嚴峻的是再融資成本的大幅上升。CCC級債券的收益率今年以來已擴大約40個基點，這意味著這些發行人在為即將到期的債務進行再融資時，將面臨超過300個基點的巨大成本懲罰。對於本就財務狀況脆弱的CCC級發行人而言，如此高昂的借貸成本可能成為壓垮駱駝的最後一根稻草。經濟增長乏力進一步加劇了這一困境。在經濟下行環境中，CCC級發行人通常是最先受到衝擊的群體，它們的經營現金流更容易受到宏觀經濟波動的影響。當前美國經濟增長低於潛在水平的狀況，意味著這些企業通過自身經營改善來增強財務實力、從而降低再融資風險的難度大大增加。從行業分佈看，CCC級債券在某些周期性行業的集中度較高，特別是在技術、媒體和電信（TMT）領域，包括電纜/衛星、媒體/娛樂等子行業。這些行業本身就面臨著結構性挑戰，如串流媒體競爭加劇、廣告收入下滑、技術迭代壓力等，使得相關CCC級發行人的基本面改善前景更加暗淡。高盛的信用分析師還指出，CCC級債券市場的流動性風險也在上升。在市場壓力下，投資者往往會優先拋售流動性較差、信用風險較高的資產，而CCC級債券恰恰符合這一特徵。一旦市場情緒惡化，這類債券可能面臨流動性急劇枯竭的風險，進一步放大價格下跌的幅度。基於這些分析，高盛明確建議減持美元高收益市場中的CCC評級債券。這一建議不僅反映了對當前市場環境的判斷，更體現了對風險管理的重視。在經濟增長前景不明、再融資環境惡化的背景下，避免過度暴露於最脆弱的信用等級成為明智的選擇。5. 歐元市場的相對樂觀與美國市場形成鮮明對比的是，高盛在歐元高收益市場仍然保持相對樂觀的態度，甚至樂於"下沉信用質量"，即增持B評級債券而非BB評級債券。這一策略選擇反映了歐元區信用環境的相對健康狀況，以及歐洲經濟基本面的改善趨勢。歐洲經濟前景的改善為這一策略提供了堅實的宏觀支撐。美歐貿易協定的超預期成果不僅緩解了貿易摩擦的壓力，更為歐洲出口企業創造了新的機遇。高盛歐洲經濟學家因此上調了歐洲今年的經濟增長預測至1.2%，這一數字不僅高於市場普遍預期，也超出了歐洲的長期增長潛力，顯示出歐洲經濟的超預期韌性。從微觀層面看，歐元區企業的財務狀況相對更為穩健。與美國CCC級債券面臨的高再融資壓力不同，歐元區高收益債券的到期結構相對分散，再融資壓力較為溫和。同時，歐洲央行相對寬鬆的貨幣政策環境為企業融資提供了更為友好的環境，使得即使是信用等級較低的B級發行人也能夠以相對合理的成本獲得資金。資金流向資料進一步支援了這一樂觀判斷。高盛的分析顯示，歐洲投資者在美元和歐元市場之間的邊際資金配置方式更加平衡，並未出現向美元市場的大規模資金轉移。儘管全球範圍內確實存在需求放緩的跡象，但歐元高收益市場並未遭遇大規模資金外流，這為市場穩定提供了重要的技術面支撐。從估值角度看，歐元高收益市場在經歷了近期的利差解壓後，為投資者提供了更具吸引力的買入機會。特別是B級債券，其風險調整後的收益率相對於BB級債券展現出更好的性價比。這種估值優勢結合歐洲經濟基本面的改善，為"下沉信用質量"的策略提供了有力支撐。行業結構的差異也是歐元市場相對樂觀的重要原因。歐元高收益市場在某些防禦性較強的行業有更大權重，如公用事業、電信服務等，這些行業在經濟下行環境中表現相對穩定。同時，歐洲在可再生能源、數位化轉型等新興領域的投資為相關企業提供了新的增長動力。值得注意的是，高盛對歐元市場的樂觀態度並非盲目的風險偏好，而是基於對相對風險的精確評估。在全球信用市場面臨挑戰的背景下，歐元市場展現出的相對穩定性和改善潛力使其成為更具吸引力的投資目標。這種策略選擇體現了高盛在複雜市場環境中尋求相對價值的專業判斷。6. 行業配置：防禦性佔優在當前宏觀經濟環境下，高盛明確表達了對防禦性行業相對於周期性行業的偏好，這一策略調整反映了對經濟增長前景謹慎評估後的理性選擇。周期性行業繼續面臨多重壓力，其表現分化愈發明顯，而防禦性行業則展現出更強的韌性和穩定性。在高收益債券市場，周期性行業的困境尤為突出。化工、汽車和消費品等周期性行業在第三季度持續表現不佳，這種疲弱表現不僅體現在股價和債券價格上，更反映在這些行業的基本面惡化中。化工行業面臨原材料成本上升、需求疲軟以及環保政策壓力的三重擠壓；汽車行業則受到消費者購買力下降、電動車轉型成本以及供應鏈調整壓力的影響；消費品行業也因消費者信心不足、實際可支配收入增長放緩而面臨銷售壓力。相比之下，更具防禦性特徵的製藥行業則表現優異。這一行業的相對強勢源於多個因素：首先，醫療需求具有非周期性特徵，即使在經濟下行期間也能保持相對穩定；其次，製藥行業的創新周期較長，新藥研發和上市為企業提供了持續的增長動力；最後，人口老齡化趨勢為製藥行業提供了長期的結構性支撐。在投資級市場，高盛的行業配置策略同樣體現了防禦性思維。對能源行業的持續減持反映了對該行業結構性挑戰的擔憂。能源行業不僅面臨油價波動的周期性風險，更面臨能源轉型、環保政策收緊以及資本開支壓力等長期挑戰。同時，地緣政治風險的上升也為能源企業的經營增加了不確定性。汽車行業配置的調整更是典型案例。高盛將汽車行業從此前的"增持"下調至"中性"，主要考慮因素包括該行業近期表現不佳以及美國製造商面臨的特定挑戰。美國汽車製造商不僅要應對國內市場需求疲軟，還要面臨電動車轉型的巨大投資壓力以及來自中國等新興市場競爭對手的挑戰。此外，關稅政策的不確定性也為汽車行業的全球供應鏈管理增加了複雜性。高盛分析師特別指出，周期性行業的進一步疲軟可能導致信用利差曲線趨平的風險。這種現象的出現通常意味著市場對不同信用等級之間風險差異的重新定價，可能導致高風險資產的相對表現進一步惡化。在這種環境下，堅持防禦性配置策略顯得尤為重要。從更廣泛的投資組合管理角度看，高盛建議投資者在當前環境下應更多關注那些具有穩定現金流、較低營運槓桿以及強大品牌護城河的企業。這些特徵通常在公用事業、電信服務、日常消費品以及某些醫療保健子行業中更為常見。同時，應避免過度暴露於那些高度依賴經濟周期、資本密集型以及面臨結構性轉型壓力的行業。深度問答Q1: 為什麼高盛在僅僅幾個月後就調整了其對歐元/美元利差的配置？這一轉變的核心在於對美歐經濟增長前景的重新評估。最新資料顯示，美國經濟增長的頹勢已顯現，而歐洲經濟卻在改善。美國7月就業報告明確指出增長"左尾"風險更厚，主要由於更高的關稅開始抑制增長。相反，美歐貿易協定超預期，促使歐洲經濟學家上調增長預測。在利差普遍處於歷史低位的情況下，相對價值的考量主要應由對下行風險的敏感度來決定。Q2: 為何美元市場"減持CCC級債券"，但歐元市場卻"增持B級債券"？美元CCC級債券面臨高企的再融資壓力和高昂的再融資成本。14%的票面價值將在兩年內到期，超過300個基點的再融資成本懲罰，加上經濟增長乏力，使得這些發行人面臨巨大挑戰。而歐元區的情況相對樂觀，可能存在某些B級發行人基本面表現穩健，或者其估值提供了足夠的風險溢價，使得"下沉信用質量"策略仍然可行。對日常生活的影響物價與消費能力關稅相關的價格上漲尚未完全顯現，未來普通民眾可能面臨更高的商品和服務價格，而工資增長可能無法同步，導致購買力下降，生活成本增加。就業市場壓力美國就業市場依然疲軟，GDP增長低於潛在水平，可能影響企業招聘決策、工資增長以及整體經濟活力，進而影響每個家庭的收入狀況。個人借貸成本聯準會降息趨勢將傳導至更廣泛經濟領域，抵押貸款、汽車貸款等利率可能下降，但儲蓄收益也會減少，對不同人群影響各異。匯率與國際購買力歐洲經濟相對強勁可能帶動歐元走強，影響赴歐旅遊成本、海外購物以及國際投資收益，對有國際業務或留學計畫的個人尤為重要。企業健康與服務質量CCC級債券發行人的經營困境可能影響化工、汽車、消費品等行業的產品質量和服務水平，甚至導致相關企業裁員或破產。投資建議重新增持歐元市場相對於美元市場的利差，把握歐洲經濟改善與美國經濟下行的分化機會增持高收益債券，減持槓桿貸款，利用降息環境下久期優勢獲取更優風險回報在歐元高收益市場中，增持B評級債券相對於BB評級債券，下沉信用質量獲取超額收益偏向防禦性行業，如製藥等，避免過度暴露於化工、汽車等周期性行業關注聯準會降息節奏，預計2025年下半年總計降息75個基點，佈局利率敏感性資產風險提示美元CCC級債券風險：面臨14%的兩年內到期壓力和超過300個基點的再融資成本懲罰，違約風險顯著上升關稅衝擊風險：美國關稅相關價格上漲尚未完全顯現，可能對消費和經濟增長造成更大衝擊周期性行業壓力：化工、汽車、消費品等行業在經濟放緩環境下面臨利差擴大和基本面惡化風險流動性風險：在市場波動加劇時，信用市場流動性可能急劇惡化，特別是低評級債券政策不確定性：貿易政策、貨幣政策轉向可能超出預期，對市場配置邏輯構成挑戰 (諾亞精選)

OpenAI九月重磅更新全解析

OpenAI九月重磅更新全解析從問答工具到超級入口的華麗轉身 | 5000億美元估值背後的野心2025年9月，OpenAI在產品體驗、企業協作、開發介面與基礎設施上全面提速，同時引入NVIDIA最高1000億美元投資，目標估值衝擊5000億美元。這不僅是技術的躍進，更是商業模式的根本性變革。📊 核心資料一覽📅 九月新品發佈時間線9月29日 | 家長管控功能上線支援家長與青少年帳號關聯，統一設定安靜時段、關閉語音、停用圖像生成等功能，並默認啟用更嚴格的內容防護。還上線了風險通知機制，檢測到自傷風險時觸發家長提醒。9月29日 | "Buy it in ChatGPT"即時結帳推出即時結帳功能，把電商結帳流程直接內嵌進ChatGPT對話，並行布開放的Agentic Commerce Protocol規範。定位是把"會話→決策→交易"閉環做到一體化。9月25日 | ChatGPT Pulse主動對話ChatGPT開始主動對話：每晚非同步研究，次日以卡片形式推送個性化更新。可連接Gmail/Google Calendar提升上下文，支援"策展"明日關注主題。9月25日 | 企業級團隊協作升級推出團隊共享項目功能，新增Gmail、Outlook、Teams、GitHub等連接器，支援ISO 27001/SOC 2合規認證。官方稱ChatGPT商業使用者數已超500萬。9月23日 | Stargate基建擴張與Oracle、軟銀宣佈在美國新增5個站點，使Stargate規劃容量接近7GW，總投資超4000億美元，朝2025年底實現5000億美元/10GW目標推進。9月22日 | NVIDIA 10GW戰略合作NVIDIA計畫在每個GW部署後逐步向OpenAI投資最高1000億美元。首個1GW預計2026下半年在Vera Rubin平台上線，合作聚焦下一代訓練/推理基礎設施。🔮 六大趨勢判斷1️⃣ 從"問答工具"到"行動與交易平台"Pulse負責"每天自動找事做"，Responses API+Realtime讓代理持續推理，而ACP+即時結帳把"行動"延伸到真實交易。ChatGPT正升級為能執行任務並閉環轉化的超級入口。2️⃣ 企業採納門檻繼續下降Shared projects + Connectors把企業常用工具接入對話；ISO/SOC2/SSO等合規治理補齊"最後一公里"，有助於大型組織規模化啟用。3️⃣ 產品與標準層的護城河Responses API、MCP/託管工具、ACP商業協議，構成從開發介面→工具生態→交易協議的三層標準化組合。一旦生態做大，遷移成本與網路效應將增強。4️⃣ 供給側的"確定性"增強Stargate + NVIDIA 10GW合作把"算力-能源-資本"打通，為下一代模型與即時代理提供充足供給；但仍面臨電力供給、選址審批等執行風險。5️⃣ 評測透明度與研發節奏GDPval以職業任務為評測單位，有利於企業按崗位/工種評估ROI；但當前版本仍以"一次性任務"為主，未來需要更多互動式、流程型評估完善。6️⃣ 開發者生產力戰場gpt-5-codex與Codex Cloud/IDE深入到工作流與端側，使"寫/讀/偵錯/審查"更連貫；對GitHub Copilot等競品形成位勢壓力，關鍵看生態相容、團隊協作與價格。🔬 技術架構深度解析Responses API：代理式循環的技術革新/v1/responses被定位為"代理式（agentic）循環"：保留跨輪次的推理狀態、原生多模態、內建/託管工具（檢索、程式碼直譯器、圖像生成、MCP等），相較Chat Completions在快取利用率與延遲/成本上更優。核心優勢：• 持久推理狀態，支援長期記憶• 原生多模態處理能力• 內建工具生態，降低整合成本• 最佳化的快取機制，提升響應速度Realtime API：語音互動的全面升級gpt-realtime與Realtime API轉正，新增圖像輸入、非同步函數呼叫、MCP更佳適配、EU資料駐留、會話上限60分鐘、32K上下文、託管Prompt、Sideband旁路連接等功能。技術特性：• 60分鐘長會話支援• 32K上下文窗口• 非同步函數呼叫機制• EU資料駐留合規• Sideband旁路連接最佳化ACP協議：重新定義對話式商務Agentic Commerce Protocol規範化了"會話→決策→交易"的完整流程，支援第三方按標準整合"可購買"的商品/服務，首批對接Etsy、Shopify等主流電商平台。協議優勢：• 標準化交易介面• 無縫支付體驗• 多平台相容性• 安全交易保障⚔️ 競爭格局與市場定位🎯 OpenAI的差異化優勢生態整合度：從API到工具到交易的全鏈路覆蓋商業閉環：首家實現對話式交易的AI平台算力保障：與NVIDIA深度繫結，供給側確定性最強使用者規模：7億周活躍使用者，網路效應顯著🎯 典型應用場景與實施案例🏢 企業級應用場景客戶服務自動化場景：大型電商平台客服系統升級實施：整合Realtime API + ACP協議，實現語音客服+即時退換貨效果：客服效率提升300%，客戶滿意度提升40%智能程式碼審查場景：軟體開發團隊程式碼質量管控實施：gpt-5-codex + GitHub Connector，自動化程式碼審查效果：程式碼缺陷率降低60%，開發效率提升200%🛍️ 消費級應用場景個人購物助手場景："幫我找一款適合冬季的羽絨服，預算3000元"流程：ChatGPT分析需求→推薦商品→比價→一鍵下單優勢：個性化推薦+即時交易，購物決策時間縮短80%智能日程管理場景：ChatGPT Pulse主動提醒重要事項功能：連接Gmail/Calendar，智能優先順序排序價值：時間管理效率提升150%，重要事項遺漏率降至5%📈 投資價值與財務分析💰 關鍵財務指標🔍 5000億美元估值合理性分析✅ 支撐因素營收增長率超過300%7億使用者規模，網路效應顯著算力供給鎖定，競爭壁壘高商業閉環初步形成⚠️ 風險因素市銷率25倍，估值偏高盈利能力尚未驗證監管風險持續存在競爭加劇，市場份額承壓💰 資本市場"斬獲"🎯 市場反應ChatGPT即時結算消息發佈當日，Etsy漲7.3%，Shopify漲4.5%NVIDIA-OpenAI合作公佈當周，美股主要指數創歷史新高ChatGPT商業使用者數已超500萬，企業級市場快速擴張💡 給開發者/團隊的落地建議🚀 新項目優先走/v1/responses API，拿到持久推理、多模態與託管工具紅利🎙️ 語音場景採用Realtime GA，利用非同步函數呼叫、託管Prompt架構🏢 企業部署啟用Shared projects與Connectors，配置SSO/角色/IP白名單🛒 電商產品跟進ACP文件與"Buy it in ChatGPT"能力，實現對話式交易閉環⚠️ 主要風險與挑戰執行風險：10GW等級站點在電力、供配網、選址與環評上易遇瓶頸融資結構：債務租賃晶片與超長期合約存在"循環融資"質疑監管壓力：NVIDIA供給+股權雙重關係面臨反壟斷審視競爭加劇：與xAI、Anthropic等的競合與訴訟帶來經營噪音🎯 一句話總結2025年9月，OpenAI同步在產品體驗、企業協作、開發介面與基礎設施上提速，並用ACP把商業閉環拉進對話介面。若基礎設施按期落地、生態標準被廣泛採用，其"代理化+交易化+企業化"路徑將顯著增強平台粘性與網路效應，但短期仍取決於算力交付、監管合規與場景化ROI的實際兌現。 (FinHub)