Loading...
Loading...
「币股 Meme」玩法拆解：当 Meme 币直接和英伟达配对撰文：Gandalf，Techub News
导语
Robinhood Chain 上最具原创性、也最危险的发明，是让 Meme 币直接与股票代币配对建池——KuCoin 的研究把它称为「把 Meme 币变成股市武器」。432 个股票配对池，用 884 万美元的股票代币撑起了 9530 万美元的日交易量。本文拆解这套「币股 Meme」结构的运作机制、交易者选择它的三层动机，以及它如何让股票代币被反向定价。
核心要点
机制：Meme 不对稳定币/ETH 建池，直接以英伟达、特斯拉等股票代币为计价资产（@Bitwux 全解析）
起点是 7 月 21 日 Bankr 推出股票配对代币功能；高峰期 432 个配对池、日交易 9530 万美元
8 月 31 日股票配对 Meme 单日交易 9310 万美元，超过官方股票代币本身的交易规模
动机三层：借股票叙事、免换稳定币的资金效率、以及休市时段的链上定价权
风险实例：HIMS 股票代币周末溢价 112%——Meme 买盘可以把股票代币推离真实股价
Robinhood Chain 上最具原创性的产物，不是某一只 Meme 币，而是一种交易结构：Meme 币不再对稳定币或 ETH 建流动性池，而是直接对 Robinhood 的股票代币建池。
这套玩法被中文社区称为「币股 Meme」。@Bitwux 在《华尔街股票，正在变成 Meme 的流动性：Robinhood Chain「币股 Meme」全解析》中做了系统梳理，核心判断是：华尔街的股票在这条链上，正在退化成 Meme 的流动性载体。
图源：KuCoin Blog《Robinhood Chain Is Turning Meme Coins Into Stock-Market Weapons》
机制：把股票代币当成计价资产
常规的 Meme 交易结构是「Meme / 稳定币」或「Meme / ETH」，交易者用稳定币买入 Meme。币股 Meme 把计价的一端换成了股票代币——交易者拿英伟达、特斯拉、苹果的代币去换 Meme，整个过程通过智能合约撮合，没有订单簿。
起点可以追溯到 2026 年 7 月 21 日：Bankr 在 Robinhood Chain 上推出了股票配对代币功能，把这套结构产品化。此后配对池数量迅速膨胀。据 KuCoin 的统计，高峰期链上共有 432 个股票配对流动性池，其中沉淀的股票代币约 884 万美元，却撑起了约 9530 万美元的 24 小时交易量。
8 月 31 日，股票配对 Meme 的单日交易量达到 9310 万美元，已经超过了 Robinhood 官方股票代币本身的交易规模——股票代币最主要的用途，变成了给 Meme 做交易对手盘。
为什么交易者要这么做
第一层是叙事。一枚与英伟达代币配对的 Meme，天然获得了 AI 概念的故事外壳。Artificial Inu 就是典型例子，它与 NVDA 股票代币配对，成为这一批里市值最高的一只。
第二层是资金效率。持有股票代币的用户不必先换回稳定币就能参与 Meme 交易，股票仓位直接变成了投机的弹药。
第三层，也是最关键的一层——股票代币在非交易时段仍然可以交易，而这时它的定价完全由链上供需决定。
风险：股票代币被反向定价
这正是整套结构最危险的地方。当 Meme 的投机需求足够大，而某只股票代币的链上供给有限时，Meme 的买盘会把股票代币本身的价格推离其真实股价。
KuCoin 记录的案例是 HIMS 股票代币在周末一度较纽交所收盘价高出 112%。研究同时指出，多数情况下这种投机没有实质影响到大型公司的真实股价——薄流动性造成的偏离主要发生在链上、在非交易时段、在小盘标的上。
「主要发生在小盘标的上」这句话，在 2026 年 9 月 2 日被验证了一次，代价是一家纳斯达克上市公司的股价被拉涨 350%。
嘉立创：用 2100 万张零散的 PCB 板，拼成一门价值千亿的生意锁定一个制造业赛道的互联网转型。
文丨李赓
2026 年 8 月 4 号，PCB（印刷电路板）厂商嘉立创在深交所敲钟，发行之后股价一度暴涨，虽然后续股价有所往复，但市值已初步维持在近千亿人民币的水平。基本看齐国内 PCB 行业的整体估值水平。
先抑后扬的上市不稀奇，稀奇的是撑起这门生意的商业模式，和这门生意所达成的水平。
2025 年，嘉立创的前五大客户合计只贡献了 1.16% 的收入，全年 102.3 亿元的营收来自 130 万付费用户的 2108 万笔订单，平均每付费用户和订单的平均消费仅为 7870 元和 485 元。相比之下，同等规模及以上的 A 股其他 PCB 制造公司，前五大客户占比最低也在 20% 左右，最高的超过 60%。
更重要的是，用户结构的迥异，并没有影响嘉立创的利润转化能力。2025 年，嘉立创净利率为 12.4%，；2026 年上半年，嘉立创的净利率进一步上升至 14.4%，两个周期内，A 股中比它净利率更高的只有三家公司：沪电股份、深南电路和胜宏科技。后三者均已进入英伟达（NVIDIA）的 AI 服务器、高速交换机或 OAM（加速模块）等高端 AI 供应链核心阵营。
没有大客户，却做成了一门百亿生意；用户量庞大，订单数更大，利润却能看齐行业技术最领先的英伟达供应商。让人不得不产生一个疑问：嘉立创，到底是一门什么生意？
一门没有大客户的百亿生意
嘉立创的故事，起点是一个反直觉的事实：百亿元的营收，是一块块极度分散的订单拼出来的。
一般而言，做硬件的路数是固定的：先用电脑软件画电路，这一步叫设计；然后打出一小块样品板验证，这就是打样、样板；走通了才小批量试产，最后才上产线大批量。嘉立创赚的，正是这条链路最前端、最零散、也最没人在意的那一段。
2025 年，嘉立创前五大客户收入占比仅 1.16%，其中最大的单一客户麦格米特（一家做电力电子部件的公司），也只贡献了 0.28%。客户名单里能看到海尔（白电）、威胜（电表）这样的名字，但没有一家能左右它的业绩。相比之下，绝大多数制造业企业都在拼命绑定一两个大客户，嘉立创的命脉却分散在 130 万个付费用户、2100 万张订单里。
这些订单从哪里来？答案是硬件研发的 “碎片化”，也就是样品、打样、小批量这类需求天然零散、高频、改版频繁。
二十年前，深圳的硬件工程师想打个样，基本要靠托关系找板厂，费用动辄五六千元，还得等上半个月到一个月，即便出了钱，板厂还不一定乐意接这种小单。成本贵、交期不稳、质量参差、服务单一，是那个年代研发试样端绕不开的问题。
当时只在华强北租了个柜台的嘉立创，就已经开始通过手工拼版方式，将多个客户的小订单集中在一块大板上生产，大幅压缩了开机费，并提出 “双面板打样低至一元一片，100 元能拿 10 片样品” 的颠覆性价格。
2012 年，可以完成电子元器件一站式采购的 “立创商城（已改名立创电子）” 上线，工程师能在线买齐一张板子需要的所有元器件（这份清单叫 BOM），同时推出 SMT 贴片服务（把元器件焊到板上）和激光钢网定制；2016 年起，先后在广东、江西、江苏等地建立四大现代化生产基地，大幅扩充 PCB 产能。
2017 年，收购在线设计软件 EasyEDA，迭代后成为立创 EDA（EDA 就是工程师画电路板的软件），免费开放给所有工程师使用，解决了中小方案商用不起、只好用盗版的风险。至此补齐了 “画板软件+元器件采购+做板+贴片” 的产业链一体化：工程师不用再分别找设计软件商、板厂、元器件分销商、贴片厂，在嘉立创一个入口里就能走完 “一个概念进、一个产品出” 的全过程。
近几年，嘉立创还进一步向机械产业延伸，陆续拓展了 3D 打印、CNC 制造（数控加工）、FA 机械零部件商城等业务，将服务边界从电子产业链延伸到机械产业链，构建起覆盖电子、机械、工业软件的全链条服务能力。截至 2025 年末，这套体系服务覆盖 180 多个国家和地区，海外收入占比也已经超过 20%。
与传统大厂的错位竞争
接住零散需求只是个战略，问题是怎么用制造业的身躯，去消化制造业最不擅长的碎片化订单？
嘉立创给出的答案，是用深度的运营变革。客户全程在官网自主下单，系统自动审单，智能算法把不同客户的零散板件 “拼” 到同一张大板上集约生产。
这套模式最直观的价值，是价格和门槛都被压了下来，PCB 打样价格被压到几十元级别，最快 12 小时即可交付。曾经只有大型企业才负担得起的快速打样、全链路试制能力，如今初创团队、高校实验室、独立工程师都能低成本获取。
嘉立创把这套逻辑称为 “制造平权”，意思是让便宜、好用的研发试制能力，不再只属于大企业。每月向工程师提供两次免费 PCB 打样，累计已超过千万笔；原材料涨价时主动控制调价幅度，持续让利研发群体，都是这段话的落地动作。
没有销售员挨个谈单，没有中间商层层加价，整个链条轻量化、少人化。为了实现这套模式，嘉立创自研智能拼板算法、订单协同排产系统、标准化工艺基础库，把海量规格各异的碎片化订单聚合起来，同步排进生产线。从下单到交付，销售、仓储、物流、采购都跑在自研系统上。
嘉立创在招股书中也特别表示：模式可能被模仿是风险项，但模仿成本是真实的资金、时间与数据沉淀，不是开一个 “在线报价页” 就能解决的。
当然，这件事嘉立创自己说了不算，关键看对手的差距。
首先是更接近嘉立创的碎片化路线的华秋与捷配，它们的模式最接近，但论自建产能规模、EDA 用户量与现货 SKU（下单即发的在库商品数）密度，都还不是一个量级；兴森、金百泽这类传统样板小批量上市公司仍以线下大客户为主，几乎没有产业互联网生态，单看样板小批量这一块的营收，也落在嘉立创之后。
其次是深南电路、沪电股份、景旺电子这类传统 PCB 巨头。它们看得懂嘉立创的模式，却学不动，或者理性地选择不学。
样板与小批量的合计份额只占整个 PCB 市场只有约 15%~20%，份额有限。PCB 大厂绑定品牌商、汽车、通信等大客户，靠规模与稼动率（设备开动率，也就是产线闲不闲得住）盈利，它们不会为份额有限又零碎的这类需求去改产线、养算法。对深南、沪电这类大批量板龙头而言，自家的产线是为万人大单设计的、靠不换线挣钱，硬要去接一百片起步的散单，等于用重型卡车跑同城快递。
更不要提海量小单背后所需的互联网化的工程师触达（社区、内容、SEO、极致转化）、柔性制造体系，都是传统大厂需要从零摸索积累的新能力。
目前嘉立创已经形成了一个庞大的生态：大几百万级的 EDA 用户池与其配套封装库、近百万现货 SKU 和日处理数十万 SKU 的仓储、已经跑通的贴片与机械业务转化。在细分赛道中也拥有绝对的规模优势，大厂即便要加入战场，资金的需求和后续的竞争烈度也会进一步提升，ROE 直线下降。
市场为什么给它 “千亿” 估值
相比于沪电、深南、胜宏的高净利率来自高多层、高速、HDI 板的产品溢价和客户认证，嘉立创同样的净利率来自一套结构完全不同的利润公式。
嘉立创的大致收入结构是，
2025 年和 2026 上半年公司 PCB 业务收入分别为 38.8 亿元和 24.7 亿元，毛利率均约 28%；
同期公司电子元器件业务收入分别为 26.5 亿元和 28.2 亿元，毛利率在 20%~21% 之间，且该业务已经成为公司的第一大业务分部；
同期公司 PCBA（一站式交付服务）业务分别为 17.9 亿元和 12.0 亿元，毛利率约 38%~39%，并且 2025 年该业务反向带动了 4.7 亿元的 PCB 业务收入。
数据表明，单纯的 PCB 业务已经不再是公司最重要的增长引擎，一站式解决方案和一篮子元器件采购已经成为公司最主要的收入来源，并且两者合计能实现超 60% 的增速，显著高于 PCB 的 36% 增速。
因此，市场给到嘉立创 “千亿” 市值，大致是在其利润厚度和错位竞争特性之外的三件事。
首先是长尾模式本身。订单密度高、用户基数大、复购率高，增长不依赖单一大客户，天然抗波动。大概率也不会受到 AI 浪潮左右 PCB 行业的新周期影响。2026 年一季度，嘉立创营收 30.29 亿元，同比增长 45.29%；归母净利润 3.76 亿元，同比增长 51.71%；二季度营收 41.44 亿元，同比增长 61.3%；归母净利润为 6.54 亿元，同比增长 89.22%。经营景气度仍在向上。
其次是硬件创新生态的 “入口” 价值。大疆、宇树、智元机器人等新锐企业的崛起，背后都有低门槛的硬件试制生态。嘉立创的免费 EDA，解决了工程师动辄数十万元正版授权的成本问题；一站式试制，把 “从想法到实物” 的门槛压到极低。嘉立创是这套创新机器的底座之一。
最后是产业周期。Prismark 预测，2026 年全球 PCB 市场规模将达 958 亿美元，同比增长 12.5%；AI 服务器、数据中心、高速通信带来的高阶多层板需求，正在成为行业增长的主要引擎。作为 A 股稀缺的 “产业互联网+柔性智造” 标的，市场把它看作这轮 AI 算力周期里稀缺的 “物理 AI 基础设施” 标的。
当然，预期归预期，质疑也一直存在。嘉立创的自研 EDA，强在 “从画板到生产” 的闭环打通和普惠易用，解决了绝大多数工程师的日常需求；但在高端建模仿真、信号完整性分析等深水区，仍与国际巨头存在差距。尤其在高速通讯板等高端领域，Cadence、西门子（Mentor）等仍占据主导。它让工程师用得起，但高端建模仿真还用不深。
当规模跨过 100 亿，增长的天花板开始显现。若想从 “研发试样” 走向 “高端批量”，就需要突破头部科技与云厂商（如英伟达、阿里）的核心供应链认证体系。这种认证考验的是稳定的良率、经年的信任，一道道验证走下来动辄以季计，靠免费的软件和便宜的板子换不来。一旦长尾需求增速放缓，仅靠制造平权，未必撑得起千亿市值对应的增长想象。
摆在嘉立创面前的只有一条路：自我升级。
一是向上加码工艺与产能，在高多层板、HDI、先进制程上持续投入，即便不能和传统大厂直接竞争，也可以提升自己的产品性能和服务范围。嘉立创的 IPO 募资重点投向高多层 PCB 与 PCBA 智能产线，还完成了 64 层超高阶 PCB、HDI 盲埋孔工艺的量产落地，正对应这条路径。
二是在工艺与产能升级之后，进一步通过与更高端的客户、更核心的芯片生态合作，向中高端 EDA 与软件生态转型，守住 “全球硬件研发者最早、也最长期的合作伙伴” 这一定位。
题图来源：视觉中国
一只鸭子前几天英伟达不是花了129亿美元收购了 Hugging Face 吗? 这不刚收购完，一个星期不到，Hugging Face就交了第一份作业： Microduck。
Microduck 是一只售价 399美元、25 厘米高的开源 AI双足小鸭机器人，8月27号推出的，已经卖疯了，24小时销售额260万美元，首批交付时间已经推迟到圣诞节后了。外型长这样:
它不仅仅是一个玩具鸭，更是一个面向开发者、AI/机器人爱好者和教育用途的 Physical AI 平台。
官方定位其实非常明确: 一个你可以自己教它新技能的小型双足机器人。
官方说预装 7 套已训练动作：
摇摆走路，可用手柄控制速度
坐下、蹲下、自己站起来
用喙捡地上的东西（演示里有袜子、马克笔）
踢球
装上轮子后轮滑
摔倒后自己翻身站起
追激光笔、对环境做出反应，也可用 NFC 标签触发动作
每只鸭子第一次开机时会生成自己的声音身份，偏怪叫而不是语音助手。多只Microduck 还可以互相互动。
Microduck 最值得关注的不是它能不能卖萌，而是它背后的路线：AI 模型 → 仿真环境 → 强化学习 → 真机。
比如你想让 Microduck 学会一个新动作：在电脑里的模拟器中训练 → 得到 RL policy → 部署到真实 Microduck → 机器人执行 → 收集数据 → 再训练。
Hugging Face 已经把SDK、模拟环境和强化学习训练工具链开放出来了。也就是说，它希望把机器人变成类似 Hugging Face 上的 AI 模型一样：
别人训练出来一个机器人技能，我可以下载；
我自己训练出来一个技能，也可以上传给别人。
这实际上就是 Hugging Face 想做Physical AI 的开放生态模式。官方也明确说了，希望让物理行为像模型一样能够被分享、复现和二次开发。
为了缩小仿真和现实之间的差距，训练环境还专门模拟了电机摩擦、电池电压变化、控制延迟，甚至连舵机齿轮的 Backlash 齿隙都考虑进去了。
说白了，Microduck本质上是一台迷你具身智能开发平台，比春晚上跳舞的机器人高到不知道哪里去了。
这里其实也有机会，比如芯片是由瑞芯微提供的，当然也会有其它的机会，大家可以挖掘挖掘，说不定就是具身智能的chatgpt时刻。
孙哥你也敢割？1.
孙哥如果不创业，他的文坛地位将秒杀郭敬明，这就是新概念作文一等奖的含金量。
小作文内容我稍微总结下：景甜是孙哥的白云光，孙哥为了追求景甜，已经给她父母转账了3000万人民币，景甜已经答应了为孙哥取卵代孕，在美国临门一脚的时候要5000万美金，孙哥问了 Claude 之后拒绝。孙哥的核心诉求是要回3000万人民币。
当然还有其它比较炸裂的点：比如景甜身上有某个运动员的纹身、剧组夫妻白天拍戏晚上sex、还有各种奢靡生活等等。
景甜这边的回应我也看了，核心是：对以艺人声誉为要挟的碰瓷行为说不。
把两份声明放在一起，会发现一个微妙的重合地带：双方均未否认存在某种经济往来或交集。
而选择“碰瓷”这一表述，语义上更接近“钱的事有过，但性质不是对方说的那样”——比如可能是赠与、投资、合作分成等，各种可能都有。
因此，财产关系大概率存在，但该不该还、该还多少、是否不当得利或诈骗，这些全是待定项。
景甜怎么敢割孙哥的呢？想不明白。要知道孙哥就是以割韭菜闻名世界的，他都敢在美国起诉川子家族了，景甜怎么敢临时加价？
还是不得不感慨，孙割是地球上玩流量前三的人，第一是川子，第二是马斯克，第三是孙割。
当你点进那篇文章的的时候，你就已经被他割了。
2.
英伟达的财报昨天出了。
营收 962亿美元，市场预期约922亿美元；调整后EPS 2.22美元，预期约2.10美元； 数据中心收入 890亿美元，预期约851亿美元；下季度营收指引 1080亿美元，高于公开一致预期约1042亿美元，而且没有计入任何中国数据中心计算收入。
总体而言，确实都超过了预期，但没有极端利好。
但如果细看的话，财报出来的第一时间先下跌，直到CFO在电话会上说FY2028营收预计增长70%情绪才转过来。
对于存储三傻来说最重要的条利好在于，电话会上确认，由于内存和其他零部件价格暴涨，毛利率可能在第四季度降到 71%—72%。这相当于英伟达正在把一部分利润转让给海力士、美光等上游供应商。
不过存储三傻现在最大的问题是预期几乎完全透支，又要面对中国的挑战者长鑫长江，即使看K线，总体而言是一个比较鸡肋的位置。
至于达子，市值太高了，超长线价值投资可以，短线想博取超额收益难度挺高。
两年，国内跑出第一家光互连独角兽最亮的光，最宽的路。
文丨李赓
编辑丨唐健博
2026 年 8 月 14 日，光互连第一次以量产身份，进入了英伟达的产品线：其 Spectrum-X 以太网硅光交换机全面量产，产品已于当年 5 至 7 月间投入生产。这是全球首款量产的基于共封装光学技术（CPO，把光学引擎直接封进芯片旁边）技术路线构建的交换机，也是英伟达下一代 AI 超级计算集群的核心部件。
近几年风光无限的英伟达频频 “跳票” 和 “调整”，透露出重重阻力。新一代旗舰计算平台 Vera Rubin 因为海力士 HBM4 内存被延期重做；Rubin 平台的四内存芯粒高配版本，因为台积电中介层良率问题，发布就被砍为两芯粒；下一代计算集群关键的机架级解决方案 Kyber NVL144，因为一块 1 平方米的 PCB 无法搞定，已经跳票到 2028 年。
受阻的原因五花八门，背后共享一套底层逻辑：由于纯半导体芯片的摩尔定律已经失效，在最顶尖的 AI 集群里，芯片周边的部件开始承担起芯片间高速通信，将它们组合成一个虚拟的 “大芯片” 的职责。
周边部件强行 “上岗”，拓展了算力的发展，也造成了效率的下降：当成千上万颗 GPU 一起训练一个大模型时，数据搬运已占掉训练时间的 30% 到 50%。更极端的是耗能口径，数据中心 90% 的能耗花在搬运数据上，仅 10% 用于实际计算。
可预见的，未来挑战还会更大：芯片算力按面积增长，互联带宽只能按边长增长（芯片 I/O 一般分布在芯片四周边缘），两者的增速差出一个平方。
光互连，正是英伟达这家行业引领者给出的解决方案。2026 年 3 月，英伟达直接向三家光通信公司投资了 60 亿美元，黄仁勋更把互连层提为 “英伟达决定收入的关键路径”。Spectrum-X 这款共封装光学交换机展示了英伟达 AI 集群最新的变化：通过全新交换机的应用，单端口功耗从 30 瓦降至 9 瓦，激光器数量减少四倍，彻底将整个集群的交换侧升级为了光通信。
在今年 6 月的 GTC Taipei 上，黄仁勋也透露了英伟达在光通信的下一步：借助 CPO 继续推进微环调制器（Micro-Ring Modulator，MRM）技术的成熟，最终走向光学输入输出（Optical Input & Output，OIO）。
整套系统中最关键的器件，是硅光微环调制器（Micro-Ring Modulator，MRM），它拥有目前光通信调制器中最小的尺寸和最低的功耗，换来了最高的可密集部署能力。得益于 MRM 的介入，整个交换机总带宽最高超过了 400Tb/s，一眨眼（0.1 秒）就能传输 5TB 数据，整个通信过程的信号质量还提升了数十倍。
交换侧的提升只是第一步，按照光通信技术的发展路线图，微环调制器将最终导向芯片与芯片直连的光学输入输出（Optical Input & Output，OIO）阶段，真正将数万颗、数十万颗甚至更大规模的高算力芯片互相连接起来，可为 AI 算力带来一次全新的指数级跃升。
这个目标听起来似乎很遥远，但光联芯科联合创始人兼 CEO 陈超不这样认为：“OIO 会扩张到整个超节点架构中，时间点也会比大多数人想的快，三到五年足矣。” 光联芯科前不久刚刚完成了金额近 10 亿元的 A+ 轮融资，是全球光互连赛道新晋独角兽。这家公司的终极目标，正是基于微环调制器的终极形态 OIO。
光联芯科自研微环调制器 12 寸晶圆。
四个人 All in OIO
如果把光通信比作新修高速，不同代际的光通信区别主要在于高速的 “接入点”，LPO（线性驱动光模块）、NPO（近封装光学）、CPO（共封装光学）、OIO（光学输入输出）这未来几代光通信规划，大致对应 “城郊”“市区边上”“市中心” 和 “每家每户门口”。
具体到实际部署中，目前的可插拔方案是在机柜的背后插一个像大 U 盘一样的模块，而 OIO 的终极目标，是要把这个结构直接封装到核心算力芯片上，把核心算力芯片用光链路串联起来，形成达到核心算力芯片门前的独立高速。因为光电转换点贴近芯片内核、距离近乎为零，互连效率逼近理论极限。
光通信行业原本的计划，是稳扎稳打、每几年往前推一代。可 AI 爆发让需求暴涨：海量订单和投入砸下来，一步到位的跃进反而成了更优的选择。
OIO 最终极也最前沿，一旦做出来价值巨大，难度自然也最大。
因为需要把光通信的整个系统，从一个外部的分立器件，压缩成为一个芯片级的产品，OIO 无法再像传统光通信产品一样产业分工，把光源、调制器、DSP 等各种组件生产出来再组装。必须同时攻克光电芯片协同设计、工艺良率、多波长光源、先进封装等关键技术环节，每个环节还要紧密协作，最终交出一个芯片级产品。
伴随 “最前沿” 定位而来的需求同样最前沿，反过来对人的能力产生了极大的挑战。
光联芯科联合创始人张巍巍坦言：“没有任何一个领域的专家能独立覆盖全部环节。即便全球最顶尖的研究机构，也从未有人凭一己之力走通整个链条。”
这也让如何整合 OIO 这条赛道的顶尖人才，并且融合成一个有战斗力的团队，成为了 OIO 赛道创业的最核心挑战。
光联芯科的四位联合创始人就是这一逻辑的最好例证：他们陆续认识多年，各自人生轨迹不同，但最终因为 OIO 的共同技术理想走到了一起。四个人对于这个过程有着近乎一致的描述：我们对技术有极致追崇，也有将实验室顶尖成果转化为产业实力的创业者思维，因此相互信任，在技术判断与商业信仰上高度契合。
光联芯科四位创始人，从左至右：张巍巍、陈超、叶亚飞、胡志朋。
光联芯科联合创始人兼 CEO 陈超，毕业于哈尔滨工业大学电子系本科，综合成绩全系第一，也是唯一拿到保送清华直博资格的人，他却放弃保送，转⽽去杜克攻读芯⽚⽅向硕⼠。导师给他摆过两条路，读博熬成五⼗岁的 architect，或⾛商业，他⼏乎没犹豫就选了后者。此后他去 MIT 斯隆商学院攻读了全职 MBA，也正是在 MIT，他接触了一群正在做光通信的同学，刚好了解到了当时纯属科幻名词的 OIO 方向，埋下了 “光” 的种子。
MBA 毕业回国后，陈超先后在国内互联网大厂的核心战略团队中历练。离开大厂后，他加入真知创投担任管理合伙人，并同步攻读清华大学创新领军工程博士。真知创投的创业制片人暨深度孵化模式，本质上是以投资的方式在做创业，这段经历让他完成了从 “产业视角” 到 “创业视角” 的认知跨越，最终推动他亲自下场 all in 光联芯科的创业。真知创投也从零开始连投三轮。
刚才提到的张巍巍，他的导师 Graham Reed 教授被誉为全球 “硅光之父”，是英国皇家工程院院士、英国南安普顿大学光电子研究中心（ORC）的教授。在加入光联芯科之前，张巍巍已站在了学术象牙塔的塔顶。他不仅在英国拿到大学终身教职，是 Reed 课题组在硅光调制器方向的核心研究者，以第一作者发表的论文登上了 Nature Photonics；而他和 Reed 的联手，正是光联芯科坚持的 OIO 技术路线的扎实学术起点。
2024 年，张巍巍做出了一个让学术界同仁震惊的决定——放弃终身教职，回国创业。他将自己在硅光领域十几年的深厚学术积淀，毫无保留地注入到了光联芯科，将全部精力投入到了硅光工艺研发，让光联芯科在面对复杂的微环良率优化时能够游刃有余。
在一次与陈超的深夜长谈中，张巍巍曾分享过自己当时的想法：“如果一项技术只停留在论文和学术层面，只能在实验室的精密光学台上跑出漂亮的数据，却没有真正落地到产业里去解决物理世界的实际问题，那在某种意义上，它就不算真正的成功。”
浙大光电博士出身的联合创始人胡志朋，在学校里做了一系列光通信器件研究，毕业后曾主导参与多个国家级片间 / 片上光互连项目。在国内，真正完整参与过这类项目的人屈指可数。他跟陈超的相遇更早，在多年前的行业展会上就进行了密集的技术和行业趋势探讨。
最后一位联合创始人叶亚飞，清华大学集成电路学院优秀毕业生，不仅在海外大厂负责过高速通信设计，还有过两次创业经历，在电芯片、高速互连和团队管理上都有充足的经验。陈超作为校友，很早就通过同学认识了叶亚飞，为了邀请他入职，前前后后沟通了一年多。
“CEO + 三位联合创始人” 的架构，让他们各司其职：陈超负责把产业与战略的双重视角落到公司的发展节奏上，判断该在哪里下注、多快推进。张巍巍、胡志朋与叶亚飞则专注于技术突破与工程落地，把光电芯片一步步变成从设计、制造到封装全线打通的可行产品。
专业能力层面组建出光通信赛道少有的 “成建制” 光电融合团队之余，他们身上有一种共同的底色：有冲劲，想在中国半导体产业留点东西。在陈超看来，这恰恰是 “企业家精神” 的本义——拉丁文词根 “Entrepreneurship” 意味着 “去看、去探索、去发现”。科技领域的创业者，本质上是开疆拓土的探险家，技术理想与创业者精神缺一不可。
专啃硬骨头
相比学历和经历，攻坚和最终的成果最能集中体现团队的实力。
在光互连这条赛道中，主要有两条技术路线：一条是传统的马赫-曾德尔调制器（MZI）路线，另一条则是代表着下一代前沿方向的微环调制器（MRM）路线。
MZI 路线技术相对成熟，但体积大、功耗高、带宽密度受限，在寸土寸金的芯片上撑不起十万卡集群的密集光互连。相比之下，MRM 体积极小（仅为 MZI 的百分之一甚至千分之一）、功耗极低、带宽密度极高，被公认为下一代 CPO 与 OIO 的最理想解法。
但也正因为 MRM 体积极小、对光信号的控制方式也和传统器件不同，反倒在制造上遇到了难题。微环器件对工艺良率的要求非常之高，虽然它总体的尺寸需求用 65 nm 制程就能够满足，但微观的结构缺陷，即便用昂贵的 3nm 制程都无法彻底消除。结构上的缺陷会直接影响微环的实际工作波长，导致整个光芯片无法使用。
结果是，传统晶圆厂的纳米级制造公差足以让整片晶圆上的微环波长参差不齐，无法严格对准光信号波长，良率低到无法实现大规模商业化。陈超透露了一个数字 “目前的工艺良率，或低于 10%”。
如何在微环光芯片被制造出来之后，进行后期的良率提升，让它的波长能够满足要求，恰恰就是张巍巍此前学术上研究过的方向。其在 2023 年在 Nature 子刊上发布的论文 Harnessing plasma absorption in silicon MOS ring modulators，以及 2025 年在 Advanced Photonics Research 期刊上发表的 Towards High Resolution Trimming of Silicon Photonic Waveguides 给出了学术研究层面的技术解决方案。在师从 Graham Reed 教授期间，张巍巍还接触了欧洲硅光工艺的产线，让他对生产设备有了深入的了解。
深厚的积累，很快转化为了实际的成果：只用了半年多的时间，张巍巍就研制出了专门用于 OIO 光芯片的光刻修调设备第一代 “硅光无掩膜可编程光刻机”。这款光刻机能够在没有掩膜的情况下高速精准投影，配合高精密的激光退火系统，实现光芯片微环的波长修调。而且这台设备的定位不是技术验证，而是真实的工业化量产应用。
光联芯科自研光刻修调工艺演示。
张巍巍分享了两组设备性能数字：晶圆上的光芯片经波长的修调后，良率从不到 10% 提到 99%，从绝大部分报废到几乎全部可用；设备自动化程度也很高，数小时就可以完成整张晶圆 “检测-修调-出货”。
生产阶段的良率解决之后，还需要解决光芯片在工作中的温度调控难题。光芯片对环境温度较为敏感，0.1℃ 的波动都足以让微环波长发生偏移，导致信号中断。
为了解决微环对温度敏感的技术难题，光联芯科为此自研了高性能的微环电驱动芯片，并独创了一套微秒级波长锁定算法，打造出微秒级响应速度的 “温控系统”。无论数据中心服务器在满载飙升到高温，还是空载低温，系统都能通过电芯片实时监测微环的实际状态，并在极短时间内完成波长的动态调整与锁定。
这些难题的最大特点，是它们往往同时涉及电和光的设计，必须从一开始就在团队层面拉通。
用胡志朋自己的话来概括：光和电两个团队一直在深度沟通。我也在帮亚飞（叶亚飞）建立对光器件的认知，亚飞也在帮我建立对电芯片的认知。叶亚飞描述得更详细：我们会互相了解对方到底它的难点在哪里、容易点在哪里。怎么能利用你的容易点让我们这边轻松一点，或者利用我们这边的优势来让你的难点变得容易。
珍贵的窗口期
光联芯科要做的，用陈超自己的话来说：不是在赛道里分一杯羹，更不是国产替代，而是成为下一代计算架构的 “定义者”——在全球范围内，参与并定义下一代计算架构中光学 I/O 的产业标准与技术方向。
无可避免地，光联芯科会直面海外玩家的竞争。OIO 光通信全球头部玩家 Ayar Labs、Lightmatter 在尝试过诸多其他路线之后，最终也全部收敛到微环技术上。英伟达，今年 3 月分别向光通信器件龙头 Lumentum、激光器与光模块龙头 Coherent，以及数据中心互连与定制芯片企业 Marvell 各投 20 亿美元。海量投入的涌入，正在快速提升 OIO 赛道的发展速度和竞争烈度。
光联芯科内部对此更多是兴奋，而不是担忧。
随着成果的产出，光联芯科正在获得越来越多资本的认可。刚完成的 A+ 轮融资中，公司估值超过 10 亿美元。投资方还包括了国寿资本、招商局资本、星连资本、中信建投、河南汇融等机构，裴振华、赵洪修等知名企业家个人投资者。红杉、高瓴、君联等原有股东悉数超额跟投。
其次是中国在 OIO 赛道上的整体优势：从整个 OIO 光芯片的需求出发，在修调工艺成熟的情况下，国内 55/65 nm 工艺就足够，电芯片目前国内最先进的逻辑工艺也够用了，更不要提国内在先进封装方面的强劲实力。OIO 不仅仅是可以做，而是正在成为一次中国半导体行业弯道超车的机会。
陈超至今还记得那个关键的时刻：2025 年 GTC 上，黄仁勋把 MRM（微环调制器）光互连拎出来，定调 “下一代 AI 基础设施必须全面转向光学连接”。
这声定调，让 2024 年创立光联芯科的陈超喜出望外。他还记得当时的心路历程：2023 年到 2024 年创业时，只有方向的 “模糊的正确感”。黄仁勋宣布之后，最终确认自己看对了，看准了。
但这种兴奋并没有让整个团队停下，反倒是又投入到了下一步的技术和产品攻关中。在光联自研的微环调制器版 3.2T NPO 成功跑通 112G PAM4 测试眼图的那天，结果被叶亚飞发到了群里，几个人并没有过多复杂的庆祝，回复只有简单的 “牛！” 和 “今晚喝一个！”。
胡志朋对自己做了个解释：“原因无他，我们团队都很自信，因为我们之前流片的时候就觉得它能成功，所以就是这个结果。”
陈超的解释更浪漫一些，“我们正在推进的，说大一点，是人类文明的边界”。
接下来
这一年里，AI 大模型带来的算力风暴比所有人想象的都要迅猛，而光联芯科的技术进化与工程迭代速度，同样超越了整个行业的预期。
去年光博会，光联芯科没有自己的展台。产品摆在合作方实验室展位的一角，大约 1.5 平米的位置上：一块第一代 8 通道微环评估板，实物调通了，静态摆着。微环，别人还没有的东西。公司内部，第三代已经迭代完成，隔了两代。来问的人不少，有国内头部大厂的人走过来，看完感叹：“你们做得比我们还快。”
展会当晚，四个人从会展中心出来，在路边一个地摊坐下。天下着雨，一半室内、一半室外的空间里，大家撸着串，聊的是明年——明年，我们能不能有自己的展台；也聊一年后、多年后，这家公司会走到哪里。
一年后，2026 年光博会即将到来，光联芯科有了自己的展台，全球首发落地的成果即将亮相。从 1.5 平米到 100 平米。正好一年。
关于这次亮相，陈超说自己 “我自己摁着我自己，等里程碑事件、等最合适的时机，一鸣惊人”。
在光联芯科的实验室里面，有一台设备被盖着布，陈超说，这是给今年准备的，一件非常惊艳的东西，有可能在创造国内甚至世界首创的同时推进全球光互连产业的进步。
题图来源：《星球大战 9》
英伟达七连跌，为啥华尔街在抛售硅谷Alan Walker · 写于香港中环
2026 年 8 月 25 日
中环，早上七点半。美股收盘三个半小时。
隔壁桌两个做港股科技的在争一件事：英伟达连着跌了七天，是不是 AI 的故事讲完了。
这个问题问偏了。今年以来费城半导体指数整体涨了约七成，美光涨 213%，超威涨 142%，而英伟达只涨了约 7%，在费半成分股里垫底。钱没有离开 AI，钱只是离开了英伟达。
股价七天连跌，通常不是因为哪一天出了坏消息。真正的顺序几乎总是反过来的：大资金先做决定，价格随后反映，理由最后被写出来。下面前五段讲的是资金和人，后三段才讲盘面和财报。
先把四个数摆出来
208.48 美元 - 8/24 收盘
−7.5% - 七连跌累计
+7% - 年内涨幅（费半垫底）
18 倍 - 远期市盈率
01
先走的是谁
这轮七连跌的第一天，是 8 月 14 日。
同一天，美股二季度 13F 持仓报告集中披露——按规定，管理规模超过 1 亿美元的机构，要在季度结束后 45 天内 交出美股持仓底牌。6 月 30 日往后数 45 天，正好是 8 月 14 日。
那天市场看到了什么：
二季度机构对英伟达的操作
桥水 - 减持 17.62%。同期科技股全面减仓：谷歌 −33.81%、微软 −34.39%、亚马逊 −53.85%；半导体里美光减持 92%，几近清仓。
段永平 H&H - 减持 54.63%（756 万股）。同期加仓拼多多 26.71%，重新买入阿里巴巴，清仓台积电。
高毅 - 减持 72.41%。同期大举买入美光科技、闪迪。
景林 - 清仓。美股整体持仓骤降四成。
贝莱德 - 仍是第一大重仓，持仓市值 3886 亿美元。前五大增持全部来自半导体：美光、超威、应用材料、迈威尔、科磊。
13F 是后视镜——它反映的是 6 月 30 日的仓位，不是今天的仓位。但它把一件事挑明了：这些钱在这轮下跌开始之前 两个月 就已经在走了。
8 月 14 日之后价格才开始连着跌，不是因为这些机构那天在卖，而是因为市场那天才知道他们早就在卖。
通俗解读
不是先跌、然后大资金割肉。是大资金早在四五月份就一点点减掉了，八月中旬账本 被迫公开，剩下的人才发现自己是船上最后一批。发现之后开始往门口挤，才有了这七天。
02
主动的走完了，被动的走不了
看那张表里最反常的一行：贝莱德。
英伟达仍是贝莱德的第一大重仓股，持仓市值 3886 亿美元。同时它二季度前五大增持标的全部来自 半导体，其中美光增持幅度最大。它在英伟达、博通、美光、超威等十只半导体股票上的投资总规模超过 1 万亿美元。
贝莱德这类机构的绝大部分持仓是指数基金和 ETF。指数里英伟达占多少权重，它就必须持有多少。它不是不想卖，是 不能卖。
于是市场里出现了两类完全不同的股东：
被动 / 指数 - 按权重被动持有，只在资金申赎和成分调整时买卖 → 基本不参与定价，锁住大量流通股
主动 / 对冲基金 - 按判断加减仓，可以清仓 → 实际决定边际价格
英伟达五万亿美元市值，被动持股 的比例极高。真正每天决定价格的，是剩下那部分主动资金。而那部分主动资金，在二季度已经做完了减仓动作。
再看卖方那一栏：82 位分析师，只有 3 位给持有、1 位给卖出，平均目标价隐含超过 50% 上行空间。
这句话通常被当成利好，其实它是 仓位信号。当所有人都在推荐买入，意味着愿意买的人基本都已经买了。边际买家没有了。
通俗解读
一只股票要涨，需要有新的人愿意接。现在的情况是：想买的早就买满了，能卖的都卖过一轮了，剩下最大的那批股东是不看价格的指数基金。这种结构下，只要有一点点净卖出，价格就要往下找买盘，而且要找很远。
03
基金经理算的不是你那笔账
散户看英伟达，看的是"这公司好不好"。基金经理看英伟达，看的是"这个季度它能不能帮我 跑赢同行"。这是两笔完全不同的账。
把今年的成绩单摆出来：
年内表现
美光科技 - +213%
超威半导体（AMD） - +142%
费城半导体指数 - +71%
英伟达 - +7%（成分股垫底）
假设你管一只科技基金，考核标准是跑赢费城半导体指数。你把三成仓位放在英伟达，今年到现在，这三成仓位让你落后基准 60 多个百分点。
这时候你面前有两个选择。继续拿着，赌它财报后补涨——如果对了，你追回一点；如果错了，年底你的排名会很难看，而且很难解释"为什么全市场半导体都在涨，你偏偏重仓那只不涨的"。或者，把英伟达减掉，换成美光、超微，跟上基准。
对个人职业生涯来说，第二个选择明显更安全。这不是对英伟达的判断，是对自己饭碗的判断。
高毅二季度减持英伟达 72.41%，同时大举买入美光和闪迪；贝莱德把英伟达留在第一大重仓不动，但新钱全部加到美光、超威、应用材料上——这是同一个动作的两种做法。
通俗解读
基金经理最怕的不是亏钱，是 别人赚钱的时候自己没赚。英伟达今年只涨 7%，隔壁美光涨了两倍多，拿着英伟达的人每天都在被"我是不是站错队了"这个念头折磨。抛售的直接动机是这个，不是看空 AI。
举个例子
段永平二季度减持了英伟达 54.63%，但他 7 月 23 日公开说过，还是想持有足够多的英伟达，并且准备用"卖 put"的方式在低位加回来。同一个人，既在减仓，又在等着买回。这说明减仓这个动作本身，未必等于看空——它常常只是 价格和仓位的管理。
04
最大的那个买家闭嘴了
还有一个很少被提到、但对这七天解释力很强的因素。
英伟达在截至 4 月底的季度新增 800 亿美元股票回购授权，取代苹果成为美股 最大的单一回购方。同期它一个季度的自由现金流约 485 亿美元，股息从每股 1 美分提到 25 美分。
回购是什么？是一个不看价格、每天定量在市场上买入自己股票的买家。对一只被大量被动资金锁仓、主动流通盘有限的股票来说，这个买家的存在感非常强。
但公司在财报发布前有一段 静默期，期间通常暂停自主回购。8 月 26 日盘后出财报，往前推，最近这几周正好落在这个窗口里。
所以这七天里发生的事情是：主动资金在减，被动资金不动，而市场上最大、最不讲价的那个买家，暂时不在场。
价格没新闻也能连着往下走——因为托着它的那只手，暂时松开了。
通俗解读
一个菜市场里，平时有个大买家每天固定来扫货，价格就掉不下去。他休假两周，卖的人还是那些卖的人，价格自己就往下滑了。等他回来，价格又能稳住。这跟菜好不好吃没关系。
05
七天是怎么连起来的
一天下跌是消息，七天连着跌是 机制。
大资金先动，只是第一步。让它变成一条 连续下滑的曲线，靠的是后面几层自动跟进：
第一层，量化和趋势策略。市场上有相当一批资金是按规则做的：动量策略看过去六个月的收益率排名，波动率目标策略看实现波动率来决定仓位。英伟达过去六个月的收益率越走越平，波动率 却不低，这两类模型会自动调降仓位。它们不看市盈率，不看财报，只看价格和波动。
第二层，风控线。很多机构对单一持仓有回撤规则。5 月 14 日的收盘高点是 235.74 美元，跌破 10% 是一个被广泛使用的触发位。8 月这几天股价正好跌穿这条线，一批止损和减仓指令被机械地打出去。
第三层，自我强化。今天的卖出，让明天的"过去六个月收益率"更难看；更难看的排名，又 触发 更多模型减仓。这条链条不需要任何新的坏消息，就能自己走上七八天。
第四层，跟风的人。看到连跌四五天，原本没打算动的持有人开始怀疑"是不是有我不知道的事"。尤其在财报前，宁可先卖了看看。
通俗解读
第一批人是想清楚了才走的。第二批是电脑按规则自动走的。第三批是看见前面两批在走，怕来不及才走的。真正做判断的只有第一批，后面全是跟。七连跌这种形态，八成是这么来的。
06
技术面：8 月 24 日那根线
讲完资金，再看 盘面。8 月 24 日这一天，走势本身写得很清楚。
8 月 24 日日线
昨收 - 214.72 美元
今开 - 215.53 美元（高开）
最高 - 215.59 美元
最低 - 207.25 美元
收盘 - 208.48 美元（跌 2.91%）
成交量 - 1.35 亿股，约为日均成交量的 1.26 倍
高开近 1 美元，全天没再碰过开盘价，收在接近全天最低的位置，成交量放大到日均的一倍以上。这是很典型的一根 卖压主导 的日线：早盘的每一次反弹都被用来出货。
再往外看几个位置：
5 月 14 日的收盘高点 235.74 美元，是这轮回撤的起点，也是所有还在套牢的人的心理锚。208 美元下方，200 美元是一个整数关口，习惯上会有承接。而 207.72 美元 这个价位，在近五日走势里已经被反复触碰。
技术面上唯一确定的一件事是：连续七根阴线之后，短期均线全部压在价格上方，任何反弹都会先撞到一片套牢盘。要真正扭转，需要一根 放量的、带缺口的阳线 —— 而这种线，通常只有事件才能打出来。
通俗解读
图形上现在的样子是：上面全是被套的人等着回本走人，下面没有明显的托。这种结构里，小涨会被卖压吃掉，只有大消息能一次性把上面的卖单全清掉。8 月 26 号的财报，就是那个可能的大消息。
07
基本面：三个让人犹豫的数
资金先走，总得有个由头。基本面 上有三处地方，是过去半年被机构反复拿出来讨论的。
第一，利润的成色。10-Q 披露，某季度约 580 亿美元净利润里，有 134 亿美元来自所持上市公司 股权的未实现浮盈。剔除这一块之后，正常化净利润对应的市盈率从 18 倍升到接近 60 倍。而 2026 财年，英伟达用于投资活动的现金净额是 −522 亿美元，上一财年还只有 −204 亿美元。它一边卖芯片，一边给买芯片的人投钱，投出去的股权涨了又计回利润里。每一步都合规，但四步是同向的：好的时候一起好，转向的时候一起转。
第二，客户的结构。三家直接客户合计贡献 54% 的营收。更关键的是增量来源：2027 财年一季度数据中心收入 752 亿美元，超大规模客户 379 亿（环增 40 亿），其他云客户 374 亿（环增 89 亿）。增长最猛的那一栏是 新云厂商 —— 它们大多靠融资和债务活着，其中不少还拿过英伟达自己的投资。而现在 30 年期美债收益率在 5.27% 附近，2007 年以来最高，交易员定价的是年底前还要再加一次息。融资越贵，这批客户越难受。
第三，成本的位置。2027 财年一季度毛利率 74.9%，环比降了 0.1 个百分点。瑞银拆解显示，下一代 Vera Rubin 平台里内存占整机成本 62%，上一代 Grace Blackwell 是 53%。二季度 DRAM 合约价环比涨 58% 到 63%，NAND 涨 70% 到 75%。它已经把 1450 亿美元的供应承诺签了出去，原材料为 Vera Rubin 大幅备货。另外，中国的数据中心计算收入这一栏现在是零，上年同期还有 46 亿美元，公司在指引里明确写明"不含中国"。
通俗解读
这三件事单独拎出来，都不足以让一只增速 96% 的股票下跌。但对一个已经赚了很多、正在考虑什么时候落袋的基金经理来说，它们提供的是"卖出的理由"——人做决定的时候，往往是先有了想卖的冲动，再去找一个说得过去的理由。这三个数就是那个理由。
08
8 月 26 号盘后看三行
美东时间 8 月 26 日盘后，英伟达发布 2027 财年第二季度业绩。市场共识营收约 920 亿美元、调整后每股收益 2.09 美元，同比增长约 96%，公司此前指引 910 亿。
920 亿超不超，其实不是重点。真正会改变机构仓位的是三行：
毛利率 - 74.9% 之后是走平还是继续下滑。这一行决定 内存涨价最后由谁承担。
客户结构 - 超大规模客户与其他云客户的环比增量各是多少。这一行决定增长的钱稳不稳。
库存与供应承诺 - 1450 亿美元承诺本季怎么变。这一行决定公司对明年有多确定。
另外还有一个技术性的点：财报之后，静默期结束，那个 800 亿美元的 回购授权 会重新开始买。最大的买家回到场内，本身就是一股托底的力量。
把整件事收拢成一句
华尔街抛售的不是英伟达这门生意——数据中心业务 2026 财年做了 1937 亿美元，客户还在排队，82 个分析师里 78 个在喊买入。
华尔街抛售的是英伟达在自己组合里的那个位置。
当这个位置涨得比同行慢、当账本被迫公开、当最大的买家暂时离场、当模型按规则自动减仓——卖出就发生了，而且和公司好不好没有太大关系。
钱先走，理由后到。这是市场大部分时候的样子。
—— 写于中环，2026 年 8 月 25 日清晨
事实核查附录
一、事实与市场数据
· 8/24 收报 208.48 美元、跌 2.91%；七连跌累计 −7.5%，为 2022 年 9 月以来最长；较 5/14 高点 235.74 美元回撤超 10%。（界面新闻（宋佳楠）；华尔街见闻，2026-08-25）
· 8/24 昨收 214.72、今开 215.53、最高 215.59、最低 207.25、成交量 1.35 亿股，约为日均量 1.26 倍。（第三方行情终端；成交量倍数为终端统计口径）
· 年内涨幅约 7%，费半成分股垫底；远期市盈率约 18 倍，创近年新低。（华尔街见闻，2026-08-25）
· 82 位分析师中 3 持有、1 卖出；平均目标价隐含逾 50% 上行；三个月盈利预测上调 13%；FY2027 利润预期 2280 亿美元。（华尔街见闻，2026-08-25）
· 桥水二季度减持英伟达 17.62%，谷歌 −33.81%、微软 −34.39%、亚马逊 −53.85%；博通 −28.19%、超威 −58%、泛林 −40%、应用材料 −48%、美光 −92%。（2026 年二季度 13F 文件，经新浪财经统计）
· 贝莱德二季度前五大增持全部为半导体（美光、超威、应用材料、迈威尔、科磊）；英伟达仍为第一大重仓，持仓市值 3886 亿美元；十只半导体股合计超 1 万亿美元。（同上）
· 段永平 H&H 二季度减持英伟达 54.63%（756.31 万股）、谷歌 C −46.88%，清仓台积电与 CRWD，加仓拼多多 26.71%；组合总市值 191.01 亿美元。（H&H 2026 Q2 13F，2026-08-14 披露）
· 段永平 7 月 23 日表态希望持有足够多的英伟达，并考虑以卖出 put 的方式于低位加仓。（公开表态：本人公开发言，经媒体转述）
· 高毅二季度减持英伟达 72.41%，大举买入美光、闪迪；景林清仓英伟达，美股持仓降约四成。（2026 年二季度 13F，经时代周报等媒体统计）
· 13F 申报截止日为季度结束后 45 天（对应 2026-08-14）；本轮七连跌起始于 2026-08-14。（SEC 规则；起始日由 8/24 往前推七个交易日推得）
· 新增 800 亿美元回购授权，取代苹果成为美股最大单一回购方；季度自由现金流约 485 亿美元；股息由 0.01 美元提至 0.25 美元。（公司披露；华尔街见闻）
· 年内 AMD +142%、美光 +213%、费城半导体指数 +71%。（2026 年 7 月媒体统计口径，非 8/24 最新收盘数据）
· 10-Q 披露约 580 亿美元净利润中 134 亿来自持有上市股权未实现浮盈；剔除后正常化市盈率升至接近 60 倍。（公司 10-Q；正常化市盈率为第三方测算口径）
· FY2026 投资活动现金净额 −522 亿美元（上一财年 −204 亿美元）。（公司 2026 财年年报）
· 三家直接客户合计贡献 54% 营收；FY27Q1 数据中心收入 752 亿美元，超大规模客户 379 亿（环增 40 亿）、其他云客户 374 亿（环增 89 亿）；毛利率 74.9%（环比 −0.1pct）；供应承诺 1450 亿美元。（公司 FY2027 Q1 财报，2026-05-21）
· 30 年期美债收益率约 5.27%，2007 年以来最高；交易员定价 2026 年底前完成一次 25bp 加息。（Investing.com；新浪财经引路孚特（LSEG），2026-08-24）
· FY27Q1 中国数据中心计算收入归零（上年同期 46 亿美元）；Q2 指引 910 亿美元不含中国。（公司财报与业绩说明会）
· Q2 FY2027 财报 8/26 盘后发布；共识营收约 920 亿美元、调整后 EPS 2.09 美元、同比约 +96%。（市场共识：Investing.com，2026-08-24，为卖方预期非公司指引）
二、第三方拆解 / 机构预测
· Vera Rubin 内存成本占比 62%（上代 53%）。（瑞银物料清单，经媒体转述，为估算值）
· 2026 Q2 DRAM 合约价环比 +58%~63%、NAND +70%~75%。（TrendForce，为预测值非最终成交价）
三、作者推论与判断（非事实）
· "13F 披露日与连跌起点重合"仅为时点观察，本文未主张两者存在因果关系。
· "财报前静默期暂停自主回购，导致最大买盘缺席"——基于美国上市公司通行的回购静默惯例推断，英伟达未就本期回购执行安排作专门披露。
· 动量策略、波动率目标策略、单一持仓回撤风控线导致的机械减仓，"三批卖家"的分层描述——基于机构投资通行做法的分析判断，非特定机构披露。
· 技术面关于均线压制、套牢盘、200 美元整数关口的描述——基于公开行情的形态分析，不构成交易建议。
四、重要提示
本文为独立分析，不构成投资建议。文中第三方数据（13F 统计、瑞银物料清单、机构测算口径等）均已标注来源与性质，不代表相关公司官方口径。转载请注明出处。
—— Kea
晚点独家丨蔚来智驾负责人任少卿创立具身智能公司，蔚来将战略投资车企用投资方式保持与 AI、顶级人才的连接。
文丨李安琪
编辑丨龚方毅
我们独家获悉，8 月 24 日，蔚来 CEO 李斌在智驾全员会上宣布，智能驾驶负责人任少卿已创立物理 AI 基础模型和具身智能独立公司，蔚来将战略投资并与之开展合作。知情人士称，“会议很简短，没有提及组织架构变动。”
一位参与此次全员会的人士称，李斌和任少卿在会议上明确表示，任少卿将继续担任蔚来智能驾驶业务负责人。
随着新公司的成立，任少卿未来如何在蔚来智驾业务和新公司之间分配精力，会成为外界关注的问题。我们了解到任少卿创立的新公司已经完成注册，估值达到独角兽级别。
接近蔚来管理层的人士表示，蔚来长期关注 AI 前沿技术，以自主研发与开放合作并重的方式进行产业布局。近年来，蔚来在芯片、操作系统等关键技术领域持续投入并取得关键进展，同时通过战略合作、产业协同等方式围绕具身智能、算法模型、智能硬件、新能源与算力基础设施等方向持续支持创新企业发展。
2020 年加入蔚来后，任少卿推动蔚来高阶智驾的量产自研，经历了蔚来智驾算法从传统模块化方案向端到端、世界模型等新架构演进，也参与推动了蔚来自研智驾芯片神玑 NX9031 的量产落地，芯片硬件平台从 4 颗英伟达 Orin 芯片切换到 1 颗自研神玑芯片。
具体路径上，蔚来从 2023 年启动世界模型研发，2024 年发布应用于智能辅助驾驶的世界模型，2025 年开始量产推送。今年 6 月，蔚来完成世界模型新版本推送，覆盖超过 70 万用户。新版本将技术框架升级为 “世界模型 + 监督微调 + 闭环强化学习”，外采芯片和自研芯片平台同步发版。
除了在蔚来任职，2025 年 9 月，任少卿加入中国科学技术大学，担任讲席教授、博士生导师和通用人工智能研究所所长，研究方向包括人工智能、世界模型、具身智能、深度学习和 AI for Science 等。
智能驾驶是 AI 在物理世界中最成熟的大规模落地场景之一。它和具身智能在感知、预测、规划、控制、世界模型和强化学习等底层能力上存在连续性。过去两年，越来越多自动驾驶和智能驾驶人才流向机器人行业，也与这种技术迁移有关。
相比在车企内部孵化完整机器人业务，技术骨干们越来越选择在车企之外创业。而车企需要保持与 AI 技术与人才的链接。理想就战略投资了第二产品线总裁张骁、AI 首席科学家陈伟创立的具身公司斜跃智能；小鹏孵化的机器人公司也于今日宣布完成首轮超 9 亿美元融资，投后估值超 63 亿美元（即 430 亿元）。
题图来源：蔚来汽车
英伟达路演剧透：季收近千亿，为何仍敢谈「增长加速」？增长来源正从头部 AI 实验室和超大规模云厂商，扩展至网络、CPU、Neocloud、主权 AI 与工业企业市场。
原报告：Morgan Stanley Research《NVDA NDR Highlights Diversified Growth Opportunities》，2026 年 7 月 10 日
编译 & 整理：DaiDai，MSX 麦通
编辑：Frank，MSX 麦通
要点速览：
英伟达认为增长仍在加速，但驱动力正在发生变化：需求不再只依赖头部 AI 实验室和超大规模云厂商，网络、CPU、Neocloud、主权 AI、工业与企业客户正在成为新的增量来源；
ASIC 与 GPU 并非零和竞争：一家此前主要依赖 ASIC 的头部前沿模型客户，英伟达算力占比已提升至接近 50%，在大量实际工作负载中，客户最终比较的不只是芯片价格，更在于单位 Token 的综合计算成本与部署效率；
Vera Rubin 路线图暂未延期：英伟达否认 Rubin Ultra 推迟至 2028 年，确认仍计划于 2027 年出货，虽然部分机架方案将调整，但 800V 电力架构和跨机架光互连等关键方向保持不变；
存储与电力仍是供给侧约束，而非需求转弱的信号：英伟达预计存储短缺可能持续数年，并将通过调整内存配置、网络和系统架构，提高有限供应下的系统交付效率；
摩根士丹利继续将英伟达列为半导体首选：报告维持「增持」评级和 288 美元目标价，并认为随着公司提高现金回报比例，英伟达正在从纯粹的高增长资产，逐渐兼具大型科技股的价值属性；
当一家公司的单季度收入开始逼近 1000 亿美元，市场通常更关心的，不再是它还能增长多少，而是增长还能维持多久。
英伟达如今面对的，正是这样的审视。
过去一段时间，围绕英伟达的争议主要集中在三个问题上：全球 AI 基础设施投资是否已经接近高点；Google、Amazon、Meta 等云厂商推进自研 ASIC，是否会逐渐侵蚀 GPU 的市场份额；以及下一代 Vera Rubin 产品路线图，是否出现延期或调整。
7 月上旬，摩根士丹利在加州组织多场英伟达非融资路演（NDR），英伟达 CEO 黄仁勋、CFO Colette Kress，以及管理层与投资者关系团队直接面对机构投资者，回应市场最关注的增长、竞争与产品问题，希望向市场解释其下一阶段的增长来源，正在发生怎样的变化。
摩根士丹利在会后报告中，将此次会议的基调概括为「积极」，英伟达管理层则给出了一个更具进攻性的判断：即使季度收入正在接近 1000 亿美元，公司当前的增长率仍有望继续加快。
支撑这一判断的核心，并不在于某一个客户突然增加采购，反而是英伟达正在从一家主要依赖 GPU 周期和少数头部客户的公司，转向覆盖计算、网络、CPU、模型与云基础设施的全栈 AI 平台。
一、英伟达正在重新定义自己的增长来源
按照英伟达管理层在此次会议中的划分，公司未来的需求主要来自三类市场：AI 实验室、传统超大规模云厂商，以及包括 AI 云、工业、企业和主权 AI 在内的新兴客户。
这意味着，市场过去熟悉的「AI 实验室训练大模型、云厂商采购 GPU」叙事，已经无法完整解释英伟达下一阶段的增长。
1.AI 实验室：ASIC 客户也在重新增加 GPU 使用
目前，AI 实验室约占英伟达总需求的 20%。
此次路演中，一个颇受关注的细节是，一家此前主要依赖 ASIC 开发的头部前沿模型客户，早期对英伟达平台的使用比例并不高，但目前英伟达在其相关算力中的占比，已经提升至接近 50%。
这至少说明，ASIC 对 GPU 的替代并不是一条单向路径。
当模型规模、推理负载和系统复杂度持续上升，客户需要比较的并不只是单颗芯片价格，而是整套系统最终能够以多低的成本生成 Token。在大量实际工作负载中，英伟达认为，最低的单位 Token 成本仍然来自其完整平台。
其他头部前沿模型目前也仍主要运行在英伟达平台之上。对于英伟达而言，AI 实验室的机会已经不只是跟随模型训练规模增长，还包括从原本更偏向自研芯片的客户中重新获得份额。
2.超大规模云厂商：从 GPU 扩展至网络和 CPU
按新的业务口径，传统超大规模云厂商仍是英伟达最重要的需求来源之一，相关业务约占公司收入的一半。
不过，云厂商市场当前面临的约束，已经逐渐从芯片供应转向土地、电力和机房空间。也就是说，客户并非不愿继续投入，而是越来越难以按照原有方式快速扩建数据中心。
在这种背景下，英伟达正在扩大自己在每座数据中心中的价值占比——除了 GPU，公司还在通过网络设备、CPU、互连和机架级系统方案扩大可服务市场。
管理层在此次会议中重申了本年度 200 亿美元的 CPU 相关收入目标，并暗示其中相当一部分需求并非来自负责集群控制和调度的 Head Node，而是来自搭载 Vera CPU 的独立计算机架。
Vera 并不是一款单纯追求更多核心数量的通用 CPU，而是针对 AI 数据中心中的单线程工作负载和内存访问进行优化。它所代表的方向，是英伟达不再只出售加速卡，而是进一步进入 CPU、网络、互连和整机系统。
这也解释了为什么摩根士丹利认为，云厂商自研 ASIC 与英伟达继续增长可以同时成立。毕竟大型云厂商仍会继续开发和部署定制芯片，博通等 ASIC 供应商也可能保持高速增长，但只要整个 AI 计算市场扩张得足够快，GPU 与 ASIC 就不必进行零和竞争。
摩根士丹利预计，英伟达与博通的 AI 相关业务在未来一年均可能保持极高增速，市场短期内未必会出现剧烈的份额迁移。
3.主权 AI、工业与 Neocloud：更分散，也可能更庞大
相比 AI 实验室和超大规模云厂商，主权 AI、工业企业和 Neocloud 的需求更为分散，项目启动速度也往往更慢，但这可能是英伟达下一阶段最值得关注的增量市场。
地缘政治、数据主权与供应链本地化，正在推动更多国家和地区建设独立的 AI 基础设施。与此同时，金融、零售、生物科技、制造业等企业，也开始把 AI 从通用工具转变为内部生产系统的一部分。
这类项目通常需要更长的立项、审批与部署周期，但一旦进入实施阶段，单个项目的规模可能相当可观，而且面临的直接芯片竞争往往少于头部云厂商市场。
Neocloud 则提供了另一种增长模式。
这类以 GPU 算力为核心的新型云厂商，正在承接传统云厂商无法及时满足的算力需求，英伟达与部分 Neocloud 的合作，不仅可能涉及共同投资与信用支持，也可能引入收入分成机制。
市场目前更关注英伟达是否在为客户承担信用风险，但从另一面看，收入分成也意味着英伟达可能分享下游 GPU 云服务的长期收益。摩根士丹利据此认为，英伟达未来可能不只是向 Neocloud 出售硬件，还会逐渐成为大型 GPU 云网络的利益相关方。
二、ASIC、Rubin 与存储约束，真正影响增长的是什么？
实事求是地说，英伟达当前面对的最大争议，并不是 AI 是否仍会增长，而是芯片竞争、产品路线和供应约束，是否会削弱公司在这一轮增长中的份额。
从此次路演释放的信息看，英伟达的回答是，这些问题都真实存在，但尚未改变公司的核心增长方向。
1.ASIC 会增长，但并不意味着 GPU 必然失去份额
对于稳定、成熟且规模足够大的工作负载，ASIC 确实可能提供更低的芯片成本和更高的定制效率。但模型架构、推理方式和开发工具仍在快速变化，客户同时需要灵活性、软件生态和系统交付能力。
因此，真正决定客户选择的，并不是某一颗芯片的售价，而是模型训练、推理、网络、内存和软件协同之后的综合成本。
英伟达的护城河，也不再只是 GPU 性能，而是 CUDA、网络、CPU、互连、整机系统和模型工具共同构成的平台能力。
2.Rubin 路线图暂未出现实质性延期
此次路演还回应了近期围绕 Vera Rubin 产品路线图的争议。
英伟达否认 Rubin Ultra 已推迟至 2028 年的市场传言，确认该产品仍计划于 2027 年出货，但也同时承认，部分机架形态将进行调整，原有 Kyber 机架方案将被另一种被管理层称为「更优」的设计替代。
这一变化可能支持更大规模的单机架 Scale-up 域，但并不意味着核心技术路线发生改变，包括 800V 电力架构、跨机架光学互连等关键技术，仍在按照原有计划推进。
对于英伟达而言，在每一代产品中尝试更激进的系统设计，本身就是其保持领先的一部分，真正需要观察的，不是路线图是否发生过调整，而是公司能否在量产前及时纠偏，并控制大规模交付风险。
摩根士丹利认为，Vera Rubin 仍将是未来 12 个月推动英伟达增长的重要产品周期。
3.存储短缺则是另一个容易被市场误读的问题
管理层预计，存储供应约束可能持续数年。
如果 AI 行业希望每年实现数量级的 Token 增长，而存储供给无法同步扩张，仅靠增加 GPU 数量并不足以解决问题，计算、网络和内存之间的配置关系，必须随之重新设计。
一种可能的调整，是降低单个机架的 LPDDR5 配置量，使有限的存储供应能够支持更多机架交付；另一种方向，则是通过网络、缓存和更高速的片上存储，降低部分场景对传统 DRAM 的依赖。
管理层在会议中还提到了以 SRAM 为主要存储架构的相关技术，SRAM 的成本通常高于 DRAM，但在特定推理负载下，其低延迟和高带宽可能具备系统级价值。
这些表态短期内可能影响市场对部分存储公司的情绪，但其逻辑起点并不是存储需求转弱。恰恰相反，英伟达之所以需要持续调整架构，是因为公司预计存储供给长期难以完全满足 AI 计算增长。
因此，对存储产业而言，真正值得关注的并不是英伟达是否减少某一种内存的单机配置，而是 AI 系统中的内存价值量，会如何在 HBM、LPDDR、SRAM、缓存和网络之间重新分配。
4. Nemotron 与开放模型的重要性
除了硬件，英伟达也在强化开放模型和企业 AI 软件的作用。
管理层以电路设计等专业场景为例指出，通用闭源模型未必能够满足企业对专业知识、数据安全和工作流程的要求吗，企业真正需要的，往往不是直接调用一个外部模型，而是围绕自身数据与经验，建立一套可控制、可调整的 AI 系统。
Nemotron 等开放模型的意义就在于此。
它们允许企业围绕自身业务进行训练、微调和部署，同时保留对模型、数据和基础设施的控制权。对于英伟达而言，开放模型并不只是一个软件产品，而是将 GPU、网络、推理框架、模型和企业应用连接起来的重要入口。
英伟达希望构建的，已经不只是一套性能领先的计算硬件，而是一套企业能够完整掌握和部署的 AI 技术栈。
三、摩根士丹利如何为英伟达估值？
此次路演的另一个重要目的，是扩大英伟达在价值型投资者中的覆盖。
众所周知，过去几年，英伟达主要被视为一项典型的高增长资产，但随着公司市值和机构持仓不断扩大，大量成长型基金已经广泛持有英伟达，部分机构甚至接近内部单一持仓上限，因此对英伟达而言，仅靠成长型资金继续提高配置，空间正在变得有限。
英伟达因此需要为市场提供另一套估值逻辑。
管理层预计，从当前阶段开始，公司将把 50% 或以上的现金流用于股东回报。在此背景下，持续增加的股票回购与现金回报，使英伟达在保持高增长属性的同时，也逐渐具备大型成熟科技公司的价值特征。
换句话说，英伟达希望市场同时使用两套框架为其估值：一方面，它仍是一家能够保持高速增长的 AI 基础设施公司；另一方面，它正在成为一家能够持续产生并返还巨额现金流的超大型科技平台。
基于这一判断，摩根士丹利继续将英伟达列为半导体板块首选，维持「增持」评级和 288 美元目标价，并给出三种风险收益情景：
基准情景，目标价为 288 美元，采用约 22 倍 2027 日历年每股收益预测，对应 EPS 13.08 美元：报告预计，英伟达收入将在 2026 年增长 82.0%，2027 年增长 52.4%；
在乐观情景下，目标价为 330 美元，对应约 23 倍 2027 日历年 EPS 14 美元：其核心假设是，数据中心业务继续高速增长，网络、Vera Rubin 系统与软件收入推动英伟达获得更高的全栈 AI 计算平台溢价，进一步的上行空间可能来自 AI PC、自动驾驶和机器人业务的规模化，以及高毛利软件和 AI 服务收入占比提升。
在悲观情景下，目标价为 160 美元，对应约 16 倍 2027 日历年 EPS 10 美元：主要风险包括数据中心供给更快追上需求，AI 基础设施增速明显下降；客户通过自研 ASIC 降低对英伟达的依赖；AMD 或其他竞争对手重新获得份额；以及关税和出口限制对收入产生高于预期的影响；
从盈利预测来看，摩根士丹利预计，英伟达 2026—2029 年 GAAP 收入将分别达到 2159.38 亿、3930.05 亿、5988.09 亿和 7838.77 亿美元；毛利率分别为 71.3%、74.4%、72.5% 和 72.0%，EPS 分别为 4.61、8.96、13.08 和 17.63 美元。
这组预测背后的核心判断是，即使英伟达的收入基数已经十分庞大，AI 基础设施扩张仍有望推动其收入和利润在未来数年保持较高增速；网络、CPU、软件与系统级方案，则会在 GPU 之外贡献更多增量。
当然，摩根士丹利也承认，存储、网络和其他供应链环节，在部分阶段可能拥有更高的盈利弹性，事实上，在过去的半导体周期中，摩根士丹利也曾将板块首选从英伟达轮换至闪迪和美光等公司。
但从风险收益比来看，英伟达仍然是其认为半导体板块中最具吸引力的核心资产之一。
一方面，公司当前的估值倍数可能受到超大市值和指数权重的约束；另一方面，相比 AMD、博通等计算半导体公司，英伟达并未享有特别明显的估值溢价。摩根士丹利认为，随着增长来源进一步多元化、现金回报提升，英伟达与部分同业之间的估值差异最终有望收敛。
不过，市场仓位并未呈现完全一致的乐观预期。报告显示，主动型机构投资者持股比例已经达到 50.9%，意味着成长型资金的持仓基础较高；与此同时，摩根士丹利量化模型对英伟达未来 3 个月和 24 个月的判断均处于第 4 分位，尚未进入最受量化资金青睐的区间（第 1 分位代表最受青睐、第 5 分位代表最不受青睐）。
这也构成了当前英伟达估值中颇为微妙的一面：基本面预期依然强劲，但较高的机构持仓、超大市值与市场期待，也意味着公司需要不断兑现增长，才能推动估值进一步抬升。
写在最后
市场过去讨论英伟达，往往围绕一个简单的问题展开：AI 资本开支还能增长多久？
但这次路演提供了另一种观察角度。
英伟达下一阶段增长，并不完全取决于少数大型云厂商是否继续增加 GPU 采购，而在于它能否把自己的平台能力进一步扩展到网络、CPU、模型、企业软件、主权 AI 和新型云基础设施。
ASIC 会继续增长，存储和电力约束也不会消失，产品路线图仍可能调整，真正决定英伟达长期价值的，不是它能否阻止这些变化，而是它能否继续把每一次产业变化，转化为更大的可服务市场。
对于一家季度收入即将接近 1000 亿美元的公司而言，「增长加速」听起来或许反直觉。
但英伟达试图向市场证明的，正是当 AI 基础设施从芯片采购走向系统建设，从少数云厂商扩展至国家、企业与新型云平台，它仍有能力在每一层技术栈中占据更大的价值份额。
这也是从 AI 芯片供应商走向全栈基础设施平台之后，一段更长的增长曲线。
Cerebras CEO Andrew Feldman（安德鲁·费尔德曼）：IPO 背后的“披萨芯片”如何挑战英伟达撰文：Techub News 整理
2026 年 5 月，AI芯片初创公司Cerebras Systems提交了IPO申请，计划融资高达48亿美元，其股票在发行前便获得了20倍的超额认购，成为今年最受瞩目的科技IPO之一。在最新一期的Limitless Podcast节目中，主持人们深入探讨了Cerebras独特的技术路径、与OpenAI的深度绑定，以及其IPO对整个AI硬件竞争格局可能带来的深远影响。
“整张披萨”的芯片：Cerebras的颠覆性架构
要理解Cerebras为何备受关注，首先要理解其芯片设计的根本性创新。传统芯片制造如同将一张硅晶圆（wafer）——其大小约如餐盘——切割成许多小块，每一小块成为一个独立的芯片。而Cerebras的创始人提出了一个看似简单却极为大胆的问题：如果不切割这张“披萨”，把整个晶圆作为一个巨大的芯片会怎样？
他们做到了。Cerebras的“晶圆级引擎”（Wafer-Scale Engine, WSE）正是这样一个“整张披萨”式的芯片。这种设计带来了数量级的提升：最新一代WSE-3芯片集成了高达4万亿个晶体管，而英伟达当前旗舰的Blackwell GPU芯片的晶体管数量约为2080亿个。巨大的物理尺寸差异带来了本质的性能优势。
关键在于，将所有计算核心和内存集成在单一的巨大芯片上，极大地缩短了数据在不同组件间传输的距离和延迟。传统GPU架构中，计算单元需要频繁访问独立且相对较远的高带宽内存（HBM），这构成了性能瓶颈。而Cerebras将海量的静态随机存取存储器（SRAM）直接集成在芯片上，使得数据访问速度呈指数级提升。
这种架构带来的直接效益在AI推理（inference）任务上体现得尤为淋漓尽致。推理指的是训练完成的AI模型处理实际请求（如回答问题、生成代码）的过程。随着AI应用从训练转向大规模部署，推理的速度和成本变得至关重要。根据摩根大通的最新报告，未来AI推理市场的规模预计将是训练市场的10到50倍。
“这不仅仅是理论概念，”主持人在节目中强调，“OpenAI大约半年前向Cerebras投资了100亿美元，并获得了其芯片设计的优先使用权。”这种合作已经落地：OpenAI世界领先的代码AI模型Codex，其“快速模式”——GPT Codex Spark——就运行在Cerebras的芯片上，实现了接近零延迟的响应速度。对于需要快速迭代的软件工程师或分秒必争的金融交易场景，这种速度优势意味着巨大的价值。
IPO狂热：48亿美元与英伟达王座的挑战
Cerebras的IPO规模之大，超出了最初的预期。公司最初计划融资35亿美元，每股定价约115美元。但由于机构投资者需求极其旺盛，出现了20倍的超额认购。公司随即修订条款，增发200万股，并将股价提升至150美元，使得总融资额达到约48亿美元。
这一现象传递出一个强烈信号：市场对AI硬件公司的渴求已近“饥渴”状态。主持人将Cerebras的IPO视为一系列重磅AI公司上市的“第一张多米诺骨牌”，后续可能还有SpaceX、OpenAI、Anthropic、Databricks等公司排队入场，潜在市值总和可达数万亿美元。
此次IPO的核心叙事，是Cerebras作为英伟达在AI芯片领域垄断地位的“第一个真正威胁”。长期以来，英伟达凭借其GPU和CUDA生态构筑了几乎不可逾越的护城河，市值高达5.3万亿美元。然而，其成功也暴露了自身架构的局限性，尤其是在推理优化方面。
Cerebras的挑战并非孤例。就在2026 年 5 月，谷歌发布了其自研的第五代张量处理单元（TPU），并用以训练其Gemini模型，其性能表现甚至在某些方面超越了英伟达的GPU。谷歌的市值也因此一度超越英伟达。这表明，英伟达的护城河并非绝对坚固，新的架构创新正在动摇其根基。
“关键在于推理与训练的范式转变，”主持人分析道，“过去十年，人们认为AI训练是赚钱的地方，英伟达也深耕于此。但最近的变化是，训练之后发生的事情——即模型如何被亿万用户查询和使用——价值更大。推理才是未来价值所在，而Cerebras正精准地切入这一点。”
英伟达自身的行为也印证了这一趋势。其以200亿美元收购另一家专注于推理优化的芯片公司Grok，正是对Cerebras所代表技术方向的变相认可。
SRAM vs. DRAM：速度与成本的终极权衡
Cerebras芯片性能飞跃的核心技术秘密，在于其对静态随机存取存储器（SRAM）的极致运用，这与主流GPU使用的高带宽内存（HBM，基于动态随机存取存储器DRAM）形成了鲜明对比。
主持人用了一个生动的比喻：SRAM类似于固态硬盘（SSD），而DRAM更像是机械硬盘（HDD）。DRAM（HBM）容量大、成本相对较低、易于扩展，是目前几乎所有GPU的选择。但它有一个致命缺点：为了保持数据不丢失，需要不断“刷新”，这带来了额外的延迟和功耗。
SRAM则完全不同。只要持续供电，它就能无限期地保存数据，无需刷新，因此访问速度极快、能效更高。Cerebras将海量的SRAM（其WSE-3芯片集成高达44GB的片上SRAM）与计算核心紧密集成，实现了超低延迟的数据供给，这正是其推理速度惊人的根本原因。
当然，这种优势并非没有代价。SRAM成本高昂，且在同一面积上集成的密度远低于DRAM，这也是Cerebras芯片必须做得如此巨大的原因之一——它需要足够的物理空间来容纳海量的SRAM。这也导致了其芯片成本极高。
“但想想看，如果你的AI模型迭代速度能快上数倍甚至数十倍，能为你创造的价值是多少？”主持人提出了关键问题。对于对冲基金而言，快几毫秒的量化交易算法可能价值数十亿美元；对于拥有数百万用户的企业级应用，更快的响应意味着更好的用户体验和更高的收入。因此，为极致速度支付溢价，在AI推理这个高价值战场上，可能是一笔划算的交易。
性能数据支撑了这一论断。根据节目引用的基准测试，在运行Llama 3.1（一个700亿参数模型）时，Cerebras芯片的推理速度比英伟达最新的Blackwell旗舰芯片快20倍。对于越来越依赖“深度思考”和长链推理的AI智能体（Agent）而言，这种速度优势将直接转化为更强的能力。
机遇与隐忧：亢奋市场中的冷思考
尽管前景一片光明，但主持人对Cerebras的IPO也保持着审慎的观察，指出了几个潜在的风险点。
首先是高昂的估值。Cerebras此次IPO的估值倍数高达51倍营收，相比之下，许多大型科技公司的营收倍数通常在20倍左右。如此高的溢价意味着，上市后短期内股价可能会出现波动，甚至回调。主持人提醒，典型的IPO首日涨幅在30%到80%之间，零售投资者如果追高买入，可能面临价格压力。
其次是客户集中度与潜在的竞争。Cerebras目前最大的客户和战略合作伙伴是OpenAI，后者不仅进行了巨额投资，其联合创始人Sam Altman（萨姆·奥尔特曼）和Greg Brockman（格雷格·布罗克曼）也个人投资了Cerebras。这种深度绑定是巨大的优势，但也构成了风险。
一个关键的疑问是：OpenAI自身也在与博通、联发科等公司合作，开发自研的AI推理芯片。Sam Altman（萨姆·奥尔特曼）曾明确表示，解决推理问题是其核心目标之一。那么，Cerebras对OpenAI而言，究竟是一个长期的战略伙伴，还是一个过渡性的解决方案？未来OpenAI是否会逐渐弃用Cerebras的芯片？这是悬在Cerebras头上的达摩克利斯之剑。
此外，Cerebras还需要面对英伟达CUDA生态系统的强大护城河。无数AI开发者和企业已经深度融入CUDA的软件栈，迁移到新的硬件平台需要时间和成本。
不过，Cerebras也在积极构建自己的生态和分销渠道。除了OpenAI，其芯片也已集成到亚马逊的AWS Bedrock平台中。亚马逊AWS几乎垄断了企业级云计算市场，这为Cerebras提供了至关重要的分销渠道。
“所以，分销问题解决了，从0到1的SRAM技术创新解决了，通过OpenAI的消费者渠道也打通了，”主持人总结道，“所有这些听起来都非常乐观，但估值和长期客户关系仍是需要关注的风险。”
AI芯片战局新纪元：推理为王时代的开启
Cerebras的IPO不仅仅是一家公司的上市，它更是一个强烈的行业信号：AI硬件竞赛进入了一个以推理性能为核心的新阶段，而单一的垄断格局正在被打破。
随着OpenAI、Anthropic等AI巨头不断刷新营收纪录（节目中提及Anthropic年化营收已达450亿美元，并目标在年底达到1000亿美元），对更高效、更快速推理硬件的需求只会越来越迫切。谁能更快地生成token（AI输出的基本单位），谁就能在未来的AI应用生态中占据主导。
“假设我们继续需要token，并且这些token能够产生利润，那么那些能够比其他人更快地分发和生产这些token的人将会获胜。”主持人如是说。这个简单的逻辑，正是支撑Cerebras及其投资者信心的底层逻辑。
Cerebras以其“披萨芯片”的极端物理形态，开辟了一条区别于传统GPU的差异化技术路径。它的成功与否，将检验市场是否愿意为极致的推理速度支付高昂溢价，也将测试英伟达的护城河究竟有多深。无论结果如何，Cerebras的登场，已经为波澜壮阔的AI芯片战争，增添了一个充满变数且令人兴奋的新角色。其IPO的表现，将成为观测整个AI投资热潮温度的关键风向标。
利奥波德·阿申布伦纳：从AI芯片转向电力与内存，一场80亿美元的空头豪赌撰文：Techub News 整理
2026 年 5 月，华尔街最受瞩目的年轻AI投资者利奥波德·阿申布伦纳（Leopold Aschenbrenner）的最新持仓文件（13F）引发了巨大震动。这位24岁、曾将2.5亿美元在不到两年内变为约140亿美元（名义价值）的“情境感知基金”（Situational Awareness）创始人，一改其长期以来的“大多头”形象，建立了一个规模空前的空头组合。Bankless频道对此进行了深度解读，揭示了这位“神级”交易员对AI市场未来走向的最新判断与押注。
80亿美元的空头转向：从芯片到基础设施
利奥波德最新的持仓报告显示，其基金建立了总额约80亿美元的空头仓位，这在基金历史上是前所未有的。空头侧的规模甚至首次超过了多头侧的名义价值。这一举动之所以震撼，是因为其核心投资论文曾基于一份长达64页的《情境感知》文章，核心论点是未来十年计算能力（FLOPs）将呈数量级增长，从而大力做多半导体。如今这80亿美元的空头，实质上是对其原有论文的一次重大修正或战术性背离。
他的主要空头目标集中在半导体产业链的顶级公司：
英伟达（NVIDIA）：通过看跌期权（Put）等方式，建立了约19亿美元的空头风险敞口（结合VanEck半导体ETF中的英伟达权重计算）。这是其最大的单一空头目标。
VanEck半导体ETF（SMH）：约20亿美元的空头仓位。该ETF的第一大持仓正是英伟达（占约20%）。
博通（Broadcom）：这家为OpenAI的“星际之门”（Stargate）项目提供关键基础设施的公司，也成为了空头目标。
AMD、英特尔（Intel）、应用材料（ASML）、康宁（Corning）等：从芯片设计、制造到光学玻璃的整个供应链环节，均出现新的空头仓位。
尤其值得注意的是，英特尔曾是让他赚取最多利润的股票之一，如今却被他转为做空。这清晰地表明，他的看空并非针对个别公司，而是对整个半导体设计环节的估值发出警告。
分析认为，利奥波德的转向可能基于两点：其一，他认为半导体交易已过于拥挤（overcrowded），估值已提前反映了不存在的完美未来（例如SMH ETF年内已上涨66%），短期面临下行压力和波动；其二，他可能发现了原有论文中的某个“断裂点”，但尚未公开说明。
多头坚守与加码：电力、内存与“新云”数据中心
在建立大规模空头的同时，利奥波德并未全面看衰AI。他的多头仓位清晰地指向了新的方向：电力（能源）、内存和数据中心基础设施。
他维持并增加了以下领域的投资：
数据中心/“新云”（Neocloud）：CoreWeave作为其长期核心持仓被保留。这家为Meta、Anthropic等顶级AI实验室提供GPU算力的公司，代表了算力的“交付层”。此外，他还增持了CleanSpark、Riot Platforms、Applied Digital等公司。这些公司许多与比特币挖矿转型相关，拥有现成的电力接入和数据中心基础设施，只需置换AI芯片即可快速转向AI算力服务。据估计，今年美国比特币矿工将上线约30吉瓦（GW）的互联电力容量，规模堪比微软、谷歌、亚马逊和Meta宣布的总和。
电力能源：Bloom Energy（布鲁姆能源）仍持有超10亿美元仓位（尽管已获利了结约10亿美元）。该公司提供便携式燃气轮机，能快速部署为数据中心提供补充电力，直接解决当前AI数据中心面临的最大制约——电网能力不足。
内存：他加倍押注了SanDisk（闪迪）。该公司专精于NAND闪存，为AI模型提供临时记忆存储，是AI推理环节的关键硬件。内存价格在过去九个月已平均上涨300%-500%，且产能已被预定到2027年底。
利奥波德的新叙事可以概括为：瓶颈已从芯片（晶体管）转移到电子（电力）。问题不再是缺乏芯片，而是缺乏部署这些芯片的大规模基础设施和电力。因此，他做空的是他认为估值过高、交易拥挤的芯片设计层（如英伟达、博通、AMD），而做多的是难以被商品化、拥有结构性优势的物理基础设施层（电力、数据中心、内存）。
双向交易与不确定性：对冲还是方向性看空？
利奥波德此次持仓的另一个特点是双向交易（Bi-directional Trade）。例如，他在美光（Micron）等公司上同时建立了看跌和看涨期权，构成所谓的“领口策略”（Collar Trade）。这表明，在某些领域，他并非单纯看空或看多，而是承认市场方向的不确定性，通过期权组合来赚取溢价或对冲风险。
这也引发了一个核心问题：他究竟是对整体市场转向看空，还是在为巨大的多头利润进行对冲？鉴于其空头规模已超过多头，这更像是一个方向性的市场看跌押注。他可能预期AI市场（尤其是半导体板块）会下行，但与此同时，电力、内存等基础设施板块将继续上行。这是一种“伪对冲”，即看跌大部分市场，但看涨其中特定的瓶颈环节。
分析指出，这种策略也通过像CoreWeave这样的“新云”公司巧妙地实现。这些公司既拥有GPU（因此若半导体股下跌，其股价也可能承压），但更重要的是，它们拥有接入现有电网基础设施的许可和能力。因此，无论芯片股表现如何，只要电力需求持续，这类公司都能从利奥波德看好的“电力交易”中受益。
潜在风险与市场分歧
利奥波德的豪赌并非没有风险。市场已出现一些与其判断相左的迹象：
时机风险：他做空的AMD，在其建仓后一个月内上涨了74%。这意味着他可能在一个非常昂贵的时间点进行了做空。
英伟达的“护城河”：这是其最大空头头寸面临的主要挑战。英伟达不仅拥有硬件优势，更关键的是其CUDA软件生态形成了强大的平台锁定效应。许多AI公司（如xAI）的整个数据中心都基于英伟达GPU构建，迁移成本极高。同时，英伟达的利润率依然高达约80%，需求旺盛（连旧的H100芯片现在的租赁价格都比两年前更高）。即将到来的5月28日财报，若指引强劲，可能对其空头头寸造成压力。
持仓信息的滞后性：13F文件显示的是截至3月31日的持仓快照。在过去一个多月里，他可能已经调整了这些仓位。事实上，其基金净值从三个月前的55亿美元增至目前的140亿美元，证明他总体上仍在赚钱。
此外，零售投资者与专业交易员的策略应有区别。Polymarket的预测市场数据显示，市场并不认同AI泡沫即将破裂（截至今年年底破裂的概率仅为24%），且仍有93%的概率认为英伟达将在5月底保持全球市值第一的地位。这提醒普通投资者，不必因一份持仓报告而盲目跟风，尤其不应进行高频率的短线交易模仿。
给投资者的启示：聚焦物理世界与能源
抛开对利奥波德具体仓位的亦步亦趋，这场对话揭示了AI投资下一阶段的关键主题：
能源与物理基础设施的极端重要性。软件世界迭代迅速，但物理世界的建设——制造、施工、获取能源和建设许可——则缓慢且复杂。任何在能源获取或物理制造方面拥有独特优势或准垄断地位的公司，都可能拥有持久的结构性优势。
相比之下，芯片设计层的竞争正在加剧。除了英伟达，亚马逊、谷歌都在开发自研芯片（如TPU、Trainium），还有像Cerebras这样拥有新架构的公司不断涌现。尽管利润率仍高，但竞争可能逐步侵蚀部分利润空间。
对于普通投资者而言，策略可以是：保持对AI的长期乐观，但将注意力从估值高企的芯片设计公司，部分转向能源、数据中心基础设施和内存等“硬瓶颈”领域。这些领域的需求刚性更强，且不易被快速商品化。
利奥波德的转向，标志着一场深刻的AI投资叙事转移：从追逐制造“大脑”（芯片）的公司，转向为这些“大脑”提供“血液”（电力）和“记忆”（存储）的公司。这不仅是交易层面的博弈，更是对AI产业化进程深入到物理约束层面的深刻洞察。接下来的财报季（英伟达、AMD等）和基础设施公司的进展，将是检验这一新叙事的关键试金石。AMD 发布个人超级计算机，面向 AI 驱动计算Techub News 消息，AMD 发布了一款专注于 AI 的个人超级计算机，旨在重塑本地 AI 计算格局，挑战对云计算的依赖以及英伟达在高性能工作站领域的市场主导地位。该设备名为“Threadripper Halo Station”，定位为个人超级计算机，专为 AI 驱动的高强度计算任务设计。（Crypto Briefing）英伟达供应商纬创宣布15亿美元全球股票出售计划，股价下跌Techub News 消息，英伟达供应商纬创宣布将进行15亿美元的全球股票出售计划，受此消息影响，该公司股价周二出现下跌。此次股票出售旨在为公司运营和扩张提供资金。（CNBC）英伟达 CEO 黄仁勋称人类水平 AI 已实现，但业界定义仍存分歧Techub News 消息，英伟达 CEO 黄仁勋近日表示，人类水平的人工智能（AGI）已经到来，并特别提及 OpenAI 的 GPT-6 Astra 模型已达到通用人工智能水平。然而，他此前在 G20 会议上的表态则更为模糊，称 AGI 可能在几年内实现，甚至“实际上今天就已经达到了”，并认为该术语的定义可能意味着很多，也可能毫无意义。
业界对 AGI 的定义和达成标准存在显著分歧。OpenAI 与微软的合作协议曾将 AGI 与创造约 1000 亿美元利润的能力挂钩，但 2026 年 4 月修订的协议已取消这一技术里程碑触发条款，无论技术进步如何，OpenAI 的付款将持续至 2030 年。红杉资本合伙人年初发文称“2026 年就是 AGI”，而 Anthropic 首席执行官 Dario Amodei 则认为当前系统远未达到“天才国度”的水平。
认知科学家 Gary Marcus 对此持怀疑态度，认为在真正实现之前的任何声明都为时过早。投资者则更关注这些系统能可靠地接管多少人类工作。 （BeInCrypto）Neoclouds 凭借英伟达服务器优势挑战传统云服务巨头Techub News 消息，新兴云服务商 Neoclouds 正凭借其在获取英伟达服务器方面的优势，挑战传统云服务巨头。这一趋势正在重塑 AI 基础设施格局，并突显了英伟达在市场上的战略影响力。
（Crypto Briefing）英伟达预计 2028 财年营收 6730 亿美元，将超苹果与 AlphabetTechub News 消息，英伟达发布史上首次全年收入指引，预计 2028 财年营收约 6730 亿美元，同比增长 70%，届时其营收规模将超过苹果与 Alphabet，仅次于亚马逊。
该公司第二季度营收达 962 亿美元，同比增长 106%，其中数据中心业务贡献 890 亿美元，同比增长 117%。黄仁勋表示，由于下一代 AI 芯片所需的高带宽内存供应受限，实际客户需求可能超过预期增速，供应链合作伙伴需要更长的规划周期。（CryptoBriefing）阿联酋 AI 公司 G42 计划将数据中心扩展至 5GW，正等待英伟达芯片Techub News 消息，阿联酋 AI 公司 G42 计划将其数据中心容量扩展至 5 吉瓦（GW），目前正等待英伟达芯片的交付。其数据中心子公司 Khazna 计划在第四季度交付新园区的首批 200 兆瓦（MW）容量。
G42 正与沙特阿拉伯合作，在中东地区大规模建设数据中心，以支持人工智能发展。尽管地区存在战争风险，但两国仍在持续推进这一战略。（Tech in Asia）戴尔向 CoreWeave 交付全球首批英伟达 Vera Rubin NVL72 AI 服务器机架Techub News 消息，戴尔科技已向 AI 云服务商 CoreWeave 交付全球首批英伟达 Vera Rubin NVL72 AI 服务器机架。该部署标志着 AI 效率的重大飞跃，有望降低大规模 AI 应用的成本与能耗。
（Crypto Briefing）华为 AI 芯片 2026 年产量预计仅为英伟达的 4%Techub News 消息，华为 AI 芯片的全球产量预计在 2026 年将达到英伟达同期产量的 4%。这一数据突显了中国在科技领域的依赖性与挑战，以及在全球领先半导体公司竞争中的处境。（Crypto Briefing）DeepSeek 计划部署超 10 万枚华为芯片以减少对英伟达依赖Techub News 消息，AI 公司 DeepSeek 计划部署超过 10 万枚华为芯片，以降低对英伟达 GPU 的依赖。此举旨在应对全球 AI 芯片供应链的紧张局面，并寻求多元化的硬件解决方案。
（@Kalshi）英伟达 AI 投资额已飙升至近 1000 亿美元Techub News 消息，英伟达在人工智能领域的投资总额已飙升至近 1000 亿美元。这一数据突显了该公司在 AI 基础设施和生态系统建设上的巨大投入与战略决心。
巨额投资涵盖了从芯片研发、数据中心建设到初创企业支持等多个层面，旨在巩固其在全球 AI 硬件和软件市场的领导地位。（@Kalshi）撰文：Gandalf，Techub News 导语 Robinhood Chain 上最具原创性、也最危险的发明，是让 Meme 币直接与股票代币配对建池——KuCoin 的研究把它称为「把 Meme 币变成股市武器」。432 个股票配对池，用 884 万美元的股票代币撑起了 9530 万美元的日交易量。本文拆解这套「币股 Meme」结构的运作机制、交易者选择它的三层动机，以及它如何让股票代币被反向定价。 核心要点 机制：Meme 不对稳定币/ETH 建池，直接以英伟达、特斯拉等股票代币为计价资产（@Bitwux 全解析） 起点是 7 月 21 日 Bankr 推出股票配对代币功能；高峰期 432 个配对池、日交易 9530 万美元 8 月 31 日股票配对 Meme 单日交易 9310 万美元，超过官方股票代币本身的交易规模 动机三层：借股票叙事、免换稳定币的资金效率、以及休市时段的链上定价权 风险实例：HIMS 股票代币周末溢价 112%——Meme 买盘可以把股票代币推离真实股价 Robinhood Chain 上最具原创性的产物，不是某一只 Meme 币，而是一种交易结构：Meme 币不再对稳定币或 ETH 建流动性池，而是直接对 Robinhood 的股票代币建池。 这套玩法被中文社区称为「币股 Meme」。@Bitwux 在《华尔街股票，正在变成 Meme 的流动性：Robinhood Chain「币股 Meme」全解析》中做了系统梳理，核心判断是：华尔街的股票在这条链上，正在退化成 Meme 的流动性载体。 图源：KuCoin Blog《Robinhood Chain Is Turning Meme Coins Into Stock-Market Weapons》 机制：把股票代币当成计价资产 常规的 Meme 交易结构是「Meme / 稳定币」或「Meme / ETH」，交易者用稳定币买入 Meme。币股 Meme 把计价的一端换成了股票代币——交易者拿英伟达、特斯拉、苹果的代币去换 Meme，整个过程通过智能合约撮合，没有订单簿。 起点可以追溯到 2026 年 7 月 21 日：Bankr 在 Robinhood Chain 上推出了股票配对代币功能，把这套结构产品化。此后配对池数量迅速膨胀。据 KuCoin 的统计，高峰期链上共有 432 个股票配对流动性池，其中沉淀的股票代币约 884 万美元，却撑起了约 9530 万美元的 24 小时交易量。 8 月 31 日，股票配对 Meme 的单日交易量达到 9310 万美元，已经超过了 Robinhood 官方股票代币本身的交易规模——股票代币最主要的用途，变成了给 Meme 做交易对手盘。 为什么交易者要这么做 第一层是叙事。一枚与英伟达代币配对的 Meme，天然获得了 AI 概念的故事外壳。Artificial Inu 就是典型例子，它与 NVDA 股票代币配对，成为这一批里市值最高的一只。 第二层是资金效率。持有股票代币的用户不必先换回稳定币就能参与 Meme 交易，股票仓位直接变成了投机的弹药。 第三层，也是最关键的一层——股票代币在非交易时段仍然可以交易，而这时它的定价完全由链上供需决定。 风险：股票代币被反向定价 这正是整套结构最危险的地方。当 Meme 的投机需求足够大，而某只股票代币的链上供给有限时，Meme 的买盘会把股票代币本身的价格推离其真实股价。 KuCoin 记录的案例是 HIMS 股票代币在周末一度较纽交所收盘价高出 112%。研究同时指出，多数情况下这种投机没有实质影响到大型公司的真实股价——薄流动性造成的偏离主要发生在链上、在非交易时段、在小盘标的上。 「主要发生在小盘标的上」这句话，在 2026 年 9 月 2 日被验证了一次，代价是一家纳斯达克上市公司的股价被拉涨 350%。
