预判卡
日报里每一条判断,都被固化成一张「预判卡」,到回访日自动回填结果——当时怎么说的、后来如何、差在哪
AI 需求向上游传导:存储涨价 46.7%、ASML 宣布扩产;端侧 AI 与数据中心同时拉货,把景气度从 GPU 向存储、设备、代工扩散:终端要更大内存与更高带宽,云侧要更多先进制程产能。ASML 扩产是设备端对 2027 年后需求投下的信心票,存储涨价是最先反映到价格与财报的环节。传导顺序通常是存储→设备→代工→封测,每一环的毛利率修复会依次体现。;优先跟踪存储合约价环比走势与设备订单簿,这比应用层融资新闻更能反映真实景气;若第四季度存储价格环比转负,弹性最大的环节会最先反转,届时需下调整条链的盈利预期。
算力主权竞赛升级,国产芯片与散热材料成为被动受益的确定性环节;四条线索从供需两端勾勒出同一件事:算力基础设施建设仍在加速,且各国都在追求本地化供给。英伟达用投资换取欧洲市场准入,腾讯用债权工具承接长期投入,华为在制程受限下靠架构与供应链协同迭代,而一盛新材这类材料公司则吃到了功率密度上升带来的散热刚需。国产替代的真正机会不在做「另一个 GPU」,而在这些被算力密度物理性拉动的配套环节。;供应链从业者应跟踪头部客户的产能验证节点与回款节奏,而非跟随扩产公告决策——刻蚀机行业人士已预警国内半导体设备商可能洗牌九成。投资人可优先关注散热材料、封测与 EDA 等「不依赖单一客户订单」的环节,回避只有框架协议、没有量产的标的。
AI 算力扩张的瓶颈已从产能转向资金;供给端(晶圆、内存)在缓解,资本端成为新的稀缺资源:英伟达用自有现金在欧洲买需求确定性,博通把约束点直接指向资金,国内算力中间层则靠 23 亿元单轮融资买规模。三者共同说明算力竞争已从「抢产能」变成「拼融资成本与订单锁定」,行业进入资本密集型阶段。;未来 12 个月,云厂商资本开支节奏将更依赖现金流而非供给可得性;设备与材料企业订单确定性上升但估值弹性下降。国内算力项目应尽快锁定客户长约,否则融资窗口收窄后议价能力会快速下滑。
英伟达从卖铲人变种树人,开源权重模型成为算力需求的战略入口;英伟达此前对模型公司的投资多为财务或云算力绑定,此次直接洽谈收购,说明其判断开源权重模型是唯一能持续放大 GPU 采购的模型形态。逻辑链条是:闭源模型的推理集中在少数云厂商,议价权强、可自研芯片替代;开源模型分散在无数部署方,采购决策碎片化,反而更难绕开英伟达。扶持一个美国本土开源支点,既对冲 Llama 阵营的芯片自主化倾向,也在全球开源榜单上对国产基座形成制衡。;开源模型团队的战略价值被重新定义,最佳退出路径可能是被芯片或云厂商收编而非独立 IPO。投资上,关注与英伟达 GPU 强绑定的开源推理栈与部署工具;风险提示是,一旦芯片厂商深度控制模型层,推理成本曲线的下行速度会放缓,云厂商的价格战节奏将受制于上游。
资本开始用「IPO + 回购」双轨给 AI 定价;一级市场的高估值必须找到出口,于是头部模型公司走向公开市场、把成本结构摊开给投资人看;同时最赚钱的算力龙头选择用创纪录回购把现金还给股东。两条线合起来说明:AI 的钱正在从「讲故事阶段」进入「算账阶段」,能否说清单位经济性成为定价关键,而硬件类 AI 资产的溢价已率先被压缩。;未来 1~2 个季度,AI 相关招股书将成为最权威的行业成本数据库,值得逐份拆解推理成本、毛利率与客户集中度。对国内投资者,长鑫 349 亿元扩产的订单传导会先体现在设备与材料环节,但需警惕 2028 年前后的存储价格周期;回避只有叙事、没有可验证单位成本的标的。
国产算力补的是软件栈而非硬件,这一环决定替代能否真正落地;四条碎片拼出的是一条完整链条:AI 需求把算力与存储同时推入紧缺,英伟达与美光用业绩与回购确认景气度,而国产替代的真正瓶颈并不在晶体管数量,而在工具链、计算库与通信库这些「看不见的软件」。DeepSeek 把最难啃的组件开源给昇腾平台,本质是用外部顶级工程力量替国产芯片补课,长鑫的 349 亿元则是把存储这一新瓶颈提前锁产能。;判断国产替代是否成立的观察点应从「芯片跑分」转向「迁移一个真实训练任务的返工成本」。若未来两个季度昇腾生态的调优人力需求明显下降,说明软件栈补课见效,相关软件与云服务商会先于芯片公司兑现收入。投资上应优先配置降低迁移成本的工具与集成商,而非单纯押注芯片出货量。
算子层解耦开始撬动 CUDA 的地基;模型代码可移植、算子性能不可移植,这是 CUDA 生态最深的护城河。DeepSeek 把算子层开源并适配昇腾,等于把「迁移成本」从开发者身上转移到工具链上;而长鑫的存储扩产解决的是另一半瓶颈——算力有了、内存跟不上同样跑不起来。一端是软件解耦,一端是硬件自给,两条线合起来才构成国产算力从「能用」到「划算」的完整条件。这也是国内路线与海外「抬订阅价、堆算力」最本质的分野。;真正的验证指标不是能否跑通,而是单位算力的推理吞吐与能耗比能否接近英伟达同代产品。建议在未来 6 个月内在国产卡上完成主流开源模型的基准测试并公开数据;对采购方而言,现在可以开始做小规模迁移验证,但不宜一次性切换生产集群,保留双栈并行 2~3 个季度是更稳妥的做法。
国产算力正在从「缺硬件」转向「补软件栈」;四件事拼出的是一条完整的国产替代路径:长鑫解决内存供给这一物理短板,DeepSeek 用开源算子与弹性训练框架解决「迁移成本高、利用率低」的软件短板,而对面的英伟达用1500亿美元回购宣告生态投入不会减速。关键变化是责任主体迁移——过去算子适配是芯片厂自己的功课,现在模型厂商基于真实负载下场开源,可信度和实用性都更高,这意味着国产芯片的可用性拐点可能比预期更早到来。;对使用方,评估国产芯片的时间点应该提前到本季度,而非等生态「成熟」;对投资方,关注受益顺序——先昇腾生态,再兼容层接入的其他国产芯片。预警是生态碎片化:若各家在开源组件上做私有扩展,「一套代码跑遍所有芯片」会退化为又一批厂商锁定。
算力资本结构与推理硬件解耦,正在同时削弱英伟达的两条护城河;四条线索看似分散,实则指向同一个结构性变化:推理侧的成本与硬件绑定正在被同时拆开。Anthropic 与 Nscale 代表'资金端'改结构——用长约和可转债把算力变成可融资资产,降低对单一供应商的即时依赖;TPU 跑 Kimi 与 SSD 当显存代表'技术端'改路径——推理框架跨芯片通用,存储带宽替代显存。当供给方能融到长期钱、需求方能换硬件,英伟达在推理市场的份额叙事就从'不可替代'变成'成本可比'。;短期不必看空训练卡需求,但推理侧的成本比较表已经可以开始建。可操作判断:算力采购方应在下一轮合同中引入可切换硬件的条款与跨平台推理基准;投资者应把关注点从 GPU 出货量转向推理每百万 token 成本的季度降幅——这个数字若持续双位数下降,最先受损的是靠推理溢价定价的二线云与模型 API 厂商。