与「行业前瞻」相关的搜索结果

刚完成和CNBC的访问，不藏私分享我上周刚到美国纽约迈阿密出差后的一线行业洞察和故事。 首先我们聊了一下大家都很关心的美国的《清晰法案》，正好明天5月14日会是一个关键的参议院投票节点。从商业影响看，CLARITY Act 的主线不是单纯“利好”或“利空”，而是把美国加密现货市场从执法驱动的不确定状态，推向SEC/CFTC 分工、交易平台注册、托管与客户资产隔离、反欺诈、反洗钱和利益冲突治理并存的制度化状态。 同时我在和美方监管、律师深入交流后，也看懂加密全球化合规的关键窗口期。 另一个很多人好奇的话题是：RWA现实资产代币化到底走到了哪一步，值不值得长期布局。 我的判断很明确：我们仍处在超级早期红利阶段。 目前各类金融资产，代币化最高的private credit和t-bill money market fund占比0.5%–1%，代币化股票更是低至0.1%。 因此我分享了一个“10%愿景”：到2030年，全球可代币化资产规模会迎来10倍扩张。（背后的小故事是，我在纽约跟贝莱德COO开会时他问我怎么看2030年的RWA市场，我灵机一动凑整说了这么个"10%愿景"） 虽然是这么抖的“小机灵”，但我真心觉得这个目标是很有可能实现的。背后三大硬核逻辑早已成型，包括： 1. 稳定币快速普及，交易更快、成本更低； 2. 贝莱德、富兰克林等传统金融巨头扎堆入局基金、ETF代币化； 3. 纽交所、纳斯达克带头推动股票代币化，赛道格局逐渐打开。 完整版专访干货满满，拆解行业趋势、巨头布局和未来风口，建议认真看完视频，读懂下一个十年的机遇👇 ⚠️ 本文仅为行业观点及趋势分享，不构成任何投资建议。虚拟资产、RWA 代币化产品市场波动大、政策及投资风险偏高，请保持理性认知，量力而行，谨慎决策。 #CNBC专访# #RWA# #现实资产代币化# #行业前瞻# #金融趋势#

一次满分100市场预期能120实际考了150分的真正炸裂财报，按照前瞻的框架拆解下美光的财报：1、本季营收415亿美金，远超市场预期的380亿美金的上限，毛利率84.9。数据中心、云存储、移动客户端、汽车嵌入式四大业务板块都是全面超预期，意味着 1）当前存储周期的主线当然是AI，但如果只有AI业务强、传统终端疲弱，市场仍会担心增长过于集中、价格上涨难以扩散。而移动与客户业务超预期，说明存储供需紧张正在向更多下游领域传导。 2）同时产品组合正在继续向高价值方向倾斜。AI基础设施需要更高容量、更高带宽、更低功耗的存储解决方案，这类产品通常具备更高ASP和更强议价能力。 简单说美光这份财报传递出的并不是“只有AI强”，而是“AI带动存储全行业供需结构改善”。 2、美光预计下一季调整后营收为490亿至510亿美元，中值约500亿美元，明显高于分析师预期的432.4亿美元。按中值计算，指引较市场预期高出约15.6%。之前财报前瞻里聊到对下一季最激进的预测是高盛的488亿。相当于美光自己给出的指引下限都要比最乐观的预期还要高。 公司预计第四财季调整后EPS为30至32美元，中值31美元，高于市场预期25.31美元，超预期约22.5%。 这组指引的重要性在于，它打破了市场对“当前盈利可能已接近峰值”的担忧。 在美光股价年内已大幅上涨、市场门槛极高的背景下，仅仅“符合预期”并不足以推动股价继续上行。真正推动盘后股价涨超10%的，是公司给出了足够强的下一季度盈利再加速信号 3、SCA/LTA长协机制” 美光已经与数据中心、消费端和汽车市场的客户签订了16份战略客户协议（SCA），其中包含4个超大型客户和3个中型客户，关键是SCA的条款。 这些长单绝非简单的意向协议，而是具备强约束力的“包销（Take-or-pay）”合同。协议通常为期五年（2026年至2030年底），约定了具体采购量并设定了价格底线和上限。 这16份长单为市场带来了极具冲击力的财务护城河数据： 1）千亿保底收入： 按照合同中约定的最低价格和最低出货量计算，未来履约义务（RPO）对应的保底收入已达1000亿美元。 2）巨额现金流前置： 客户为获得稳定的产能供应，拿出了真金白银。CFO Mark Murphy透露：“在迄今签署的SCA下，我们预计将收到220亿美元的现金存款和相关财务承诺。其中绝大多数（约180亿美元）将以现金押金的形式出现。” 3）彻底熨平周期波动： 目前这些长单锁定了美光这期间约20%的DRAM产能和33%的NAND产能。美光董事长Mehrotra强调：“对于包含价格区间的SCA，即使在底价水平上，美光的毛利率也将非常丰厚，远超以往任何周期的峰值季度利润率。” 4、“HBM4/HBM4E路线图”和NAND/eSSD数据中心业务” 1）HBM4 12hi的高强度量产速度是HBM3E 12hi的两倍，美光已经实现了超过10亿美元的HBM4收入。美光管理层预计HBM4 12层达到成熟良率的速度将显著快于HBM3E 12层。 2）预计未来的内存需求将继续向更高性能、更高价值的产品倾斜，这些产品的复杂性带来了更高的每颗晶粒成本。从LP5到LP6、DDR5到DDR6以及更新一代HBM的过渡，都伴随着晶粒成本的上升。这一趋势，加上未来几年大规模新建产能的投产，预计将导致DRAM混合晶粒成本从当前水平上升 预计2026日历年行业数据中心DRAM和NAND位元出货量将比两年前增长超过一倍。 出货量增长预期的提升是由服务器平均DRAM内容增长的适度降低所促成的，因为客户在内存分配极其紧张的情况下，专注于最大化单位出货量。在NAND领域，AI上下文内存存储和HDD（机械硬盘）替代机会正在扩大SSD（固态硬盘）的可寻址市场。 5、未来的机会点和需求空间 1）市场高度关注这轮存储爆发的持续性。美光给了明确的判断：紧缺不仅是当下的状态，更是未来两三年的常态。 董事长Mehrotra表示，这种依赖性使得内存角色发生了质变： “AI系统的性能在架构上依赖于内存子系统的性能和容量。它提升了内存在AI世界中的地位，使其成为一项战略资产。” 2）供应为何难以跟上？美光指出了四大结构性痛点： 一是新建晶圆厂项目庞大、耗时且受制于劳动力和能源基础设施短缺； 二是随着节点升级（如One Gamma和G9节点），工艺复杂性加剧导致位元增长放缓； 三是HBM极度消耗晶圆产能，严重挤压了非HBM产品的供应； 四是有限的无尘室空间限制了产能扩张 3）除了数据中心，边缘AI和终端设备的想象空间正在被打开。 在汽车领域，L2+及以上级别自动驾驶车辆的内存和存储容量是普通汽车的5倍以上，而这类汽车的渗透率正急速飙升。 更具长远冲击力的是机器人赛道。 董事长Mehrotra为市场描绘了一个巨大的增量蓝图： “人形机器人所携带的内存是普通L2+级汽车的10倍。在这个十年的后半期，将开启一个持续的、实质性的、长达数十年的内存需求周期。” 即使在2028年，当供应开始逐步改善时，预计需求也将继续保持强劲轨迹，整个token经济学（指AI模型处理成本）需要更多的内存。AI系统性能实际上受到内存容量、内存性能和内存带宽的限制 此内容由@BITstocks_CN 赞助，买美股上BIT—16000+ 只美股与 ETF，真实持仓，享股息分红。

CZ最新判断：AI与加密货币，将如何重塑未来金融与科技格局？ 在Web3与AI的时代浪潮下，加密货币领域的未来走向始终备受关注。近日，币安创始人CZ在一次深度对话中，就加密货币与AI的关系、行业发展前景等话题，给出了极具前瞻性的判断。 一、加密货币：永不消失的超级赛道 CZ坚定表示，加密货币根本不可能消失，加密行业未来绝对是个超级大赛道。他强调，自己对加密行业的信念不仅从未动摇，反而“强了亿点点”。 尽管加密货币价格仍会上蹿下跳，但整个行业的扩张趋势不可逆，“说真的，想变小都难”。这一判断，给所有关注加密领域的从业者和投资者注入了一剂强心针。 二、AI与加密货币：双向赋能的奇妙化学反应 当下，大量资金涌入AI领域，大家疯狂追逐AI概念股。但CZ却指出一个有趣的现象：很多人正在用加密货币炒AI股票。这意味着，AI热潮反而为加密市场带来了更多流量和交易量。 更关键的是，AI的发展离不开高效的支付与交易体系。传统支付系统在面对AI自主交易、自动付款等需求时，显得力不从心——让AI举着护照完成身份认证？这根本不现实。 而区块链天生的API驱动属性，使其成为AI在金融交易领域的绝佳搭档。CZ预言，未来几个月内，AI自主交易、自动付款等功能就会出现，且会深度结合加密货币。想象一下，你的AI助手能自主用加密货币帮你买票、炒股、处理各类事务，这将是怎样的效率革命？ 三、技术巨头的共生：互联网、区块链与AI 有人担心AI会抢占加密行业的资源，但CZ对此“完全不慌”。他认为，互联网、区块链、AI是三个超级重量级的技术巨头，三者并非取代关系，而是共生发展。 区块链出现后互联网并未消失，同理，AI的崛起也不会让区块链黯然失色。甚至，流入AI的资金，最终很多还是会回流到区块链领域，这种趋势会越来越明显。毕竟，加密行业本身就是“钱的生意”，市场上的资金足够支撑多个超级赛道的繁荣。 结语 在CZ的视角里，AI与加密货币的融合是必然趋势，这不仅会重塑金融交易的形态，更将为整个科技与商业世界带来颠覆性的变革。对于我们而言，看懂这两大领域的化学反应，或许就能在未来的浪潮中抢占先机。 @cz_binance

我时常觉得Twitter 上的分析有时候太过碎片化，情绪化。同样的话题，会被反复炒作，通过AI更换一个观点，然后重发出来，其实本质是换汤不换药的，但却浪费了很多阅读📖时间！ 我今天讲讲我常看的一些免费的Research或Insights 频道，他们都来自世界顶尖的量化基金或者投行，您收藏完这些网站，可能对我的内容，就不感兴趣了！😂 但我觉得还是需要分享给大家，一同精进，共同成长，尤其是炒美股的小伙伴，可能获益匪浅！ 1️⃣Citadel Securities 的 Market Insights 大名鼎鼎的城堡🏯证券，极硬核的数据密度与纯粹的交易员视角。基本不讲那些大而无用的宏观故事，而是直击市场微观结构的底层逻辑。 因为是全球顶级做市商，所以拥有顶级的“上帝视角”数据源，以及深度的市场微观结构剖析，做美股交易必看！ 网址： 2️⃣Man Institute 英仕曼集团 大名鼎鼎的英仕曼，全球最大上市量化对冲基金的官方研究机构，Man 核心优势在于用纯粹的量化回测与统计学视角去拆解宏观、主动投资以及系统化策略。它的研究风格与 Citadel 的数据驱动极其相似。 它有一个独家的风险预警策略，能辅助我们卖出，毕竟会买的是徒弟，会卖的是师傅。尤其是它们家的CTA 与系统化策略，对市场动量、大宗商品流向以及量化基金在极端行情下的仓位拥挤度有着极敏锐的观察，能提供普通散户看不到的风险预警。会经常发布一些，关于通胀周期、系统化多空、以及流动性脆弱性等硬核的深度长文。 网址： 3️⃣Morgan Stanley Institute 大摩研究院 可以说是华尔街卖方的标杆，大摩的研究大脑。核心优势在于无与伦比的行业基本面穿透力与全球宏观政策的定价风向标，而且前瞻性极高，往往会提前1-2个月做风口预判！ 假如你要分析行研，分析基本面，分析供应链穿透，看它就够了。拥有全华尔街最庞大的行业分析师团队。其优势在于“自下而上”的超级深度，能直接拿到全球产业链一线的核心一手数据，比如对 AI 算力 CapEx（数据中心、电力瓶颈、芯片订单）的每季精细追踪，以及传统 SaaS 软件生态的业绩测算，几乎是全球机构定价的重要锚点。 网址： 4️⃣ Bridgewater 桥水基金 Bridgewater的创始人，Ray Dalio算是全球系统化宏观对冲基金的鼻祖，核心优势在于其独步华尔街的“因果驱动”宏观框架与全天候资产配置逻辑。但最近一直喊空AI，搞的我有点烦，看的越来越少了，但它的全天候大类资产配置方案，还是很牛逼的，可以学一学。 假如你要学习宏观，学习宏观数据对金融市场的影响，学习通胀/通缩拐点以及财政与货币政策的协同传导效应，可以去看一看他们的研究，他们属于大周期玩家，周期拐点的预判还是极准的。 网址： 5️⃣SemiAnalysis 全球半导体与 AI 算力基础设施领域最具声望的独立研究机构，核心优势在于其极其硬核的微观工程视角与对供应链底层的绝对穿透力。 假如你要学习AI物理硬件，学习MLCC，学习光互链，学习HBM，学习先进封装CoWos。这个网站极其硬核，不同于传统券商只看财报数字，SemiAnalysis 拥有深厚的半导体工程背景。他们能从微观物理层面拆解技术，比如直接评估 Nvidia 最新芯片架构的晶体管密度、HBM的良率瓶颈等等内核。一般地方还真看不到！🧐 网址： 其他的一些网站，像贝莱德，高盛(部分付费)，AQR，美银，J.P. Morgan Markets Insights，Apollo Academy 都是不错的网站，都有自己的Research频道，可以多用多学习，也可以装一个Codex 让它每天做汇总报告，也是极其方便的！ 学无止境，美股路上，皆是我的老师，有什么美股好的研究频道或者网站，也可以评论区共享，发网址，付费或免费都可以！🧐

那个45倍的「白毛女股神」，到底在买什么？ 事情是这样的。 最近币圈和美股圈都在传一个名字。 @aleabitoreddit 一个X账号，头像是个白毛二次元少女。 2026年5月晒出年度战绩。 4502.45%。 我当时就愣了。 45倍？ 这尼玛是什么操作？ 我跟你说，兄弟们，她不是蒙的。 公开讨论的35只股票，31只正收益。 胜率接近90%。 超10只股票翻倍。 SIVE年内涨超10倍。 AXTI涨超5倍。 AAOI涨超5倍。 而且最骚的是，这些公司，在Serenity公开讨论之前，市值大多不到2亿美元。 华尔街的研究几乎没人覆盖。 机构根本看不上。 但当市场发现，这些企业居然是AI产业链中不可替代的关键环节时。 估值开始疯狂重估。 我跟你说，这人的厉害之处，不是敢买小票。 真正厉害的是，他不是在预测股价。 他是在推演供应链哪里会断。 01）普通人看AI，Serenity看什么？ 大部分人看AI，通常会问： 谁最火？ 谁涨最多？ 谁是龙头？ 谁最确定？ 所以最后大家都会看向英伟达、微软、Meta、台积电。 但Serenity的思路不是这样。 他真正问的是： 如果AI继续扩张，最后会被谁卡住？ 这就是他最核心的方法。 不找热门，找瓶颈。 02）瓶颈中的瓶颈 比如AI发展，第一反应当然是需要更多GPU。 但GPU只是第一层。 GPU变多之后，数据中心会变得更大。 数据中心变大之后，服务器之间、机柜之间、芯片之间的数据传输压力会越来越高。 于是光通信、激光器、硅光、CPO，就会变得越来越重要。 再继续往下挖： 谁提供关键材料？ 谁提供测试设备？ 谁掌握细分产能？ 谁是那个不起眼，但一旦缺货就会拖慢全链条的环节？ 这就是所谓的，瓶颈中的瓶颈。 一个公司不一定名气最大，也不一定收入最大。 但如果它卡在一条大产业链的关键位置。 当需求爆发，而供给短期跟不上。 它就可能被市场重新定价。 03）Serenity的七层卡脖子地图 Serenity把AI供应链拆成了七层。 每一层都找到了那个「没有它整个链条就断掉」的关键节点。 第一层，原材料。 AXTI，做InP磷化铟衬底。 没有它，光子学建设会倒下。 第二层，pBN坩埚。 信越化学，做InP晶体生长设备。 第三层，衬底加工。 AXTI加上一个未命名的双寡头。 Serenity说，这是「皇冠明珠卡脖子」。 第四层，CW激光器。 SIVE，Sivers Semiconductors。 控制下一代CPO的连续波激光光源。 市值不到3亿美元，Serenity说「严重错误定价」。 第五层，光模块。 AAOI、LITE、COHR、中际旭创。 组装光模块的。 第六层，测试设备。 AEHR，做光子学测试。 第七层，光纤电缆。 GLW康宁、Prysmian、Furukawa。 传统光纤加空心光纤。 你看，从原材料到成品，每一层都有一个「没有它就不行」的节点。 Serenity不是在买股票。 他是在画一张AI供应链的「断点地图」。 04）三个经典案例 案例一：SIVE，10倍股 Sivers Semiconductors，瑞典半导体公司。 做AI光互联激光器和光子芯片。 Serenity反复提及超过190次。 公开讨论前，市值不到1.5亿美元。 长期交易量不到100万美元。 没人关注。 但Serenity看到了什么？ 他看到了CPO，也就是共封装光学。 下一代数据中心，光模块要直接封装到芯片旁边。 这需要CW激光光源。 而SIVE控制了这个卡脖子点。 他预测，2026/27年SIVE可能还是零收入、亏损5000万。 但2028年收入可能到5亿。 2029年到10亿。 更骚的是，空头机构Two Sigma建仓SIVE净空。 股价暴涨之后，空头保证金压力越来越大。 被迫平仓，被动买盘助推。 至少一家空头认亏出局，损失数千万美元级。 这就是Serenity说的逼空共振。 在一个流通盘极小的股票里，做空本身就是在给多头递刀子。 SIVE最高涨了近20倍。 案例二：AXTI，5倍股 AXT Inc，美国衬底材料商。 做InP磷化铟衬底。 Serenity说，AXTI「基本上是整个光子学供应链」。 垂直整合了4个不同的卡脖子点。 他用了一个类比。 霍尔木兹海峡。 全球20%的石油通过霍尔木兹海峡。 一旦堵住，整个系统停摆。 AXTI就是光子学领域的霍尔木兹海峡。 Serenity说，大多数人完全不知道自己在说什么。 尽管日波动15%到25%，他仍然持有。 认为当前估值合理。 后来AXTI从十几美元涨到百元以上。 涨幅接近10倍。 案例三：AAOI，数倍股 Applied Optoelectronics，美国光模块公司。 Serenity说，这家公司「激光→设计→组装→销售光模块，拥有整个供应链」。 正在建设ELSFP，也就是外置光源。 进入CPO领域。 他预测，2027年下半年光模块收入10倍增长。 他在84美元左右买入相当数量。 说66亿市值对他来说太便宜了。 后来股价从30多美元一路上涨数倍。 05）Serenity的五步选股法 Serenity的方法，可以总结成五步。 第一步，找超级趋势。 AI、数据中心、算力、半导体、光通信。 大趋势要足够大，足够确定。 第二步，找第一层瓶颈。 GPU、HBM、电力、网络、数据中心。 这些是最明显的瓶颈。 但也是最拥挤的。 第三步，找第二层瓶颈。 激光器、硅光、CPO、特殊材料、测试设备、系统集成。 真正的认知差，往往藏在这里。 第四步，找「小市值 + 关键卡位」的公司。 不是因为它小就买。 而是因为它小，同时又卡在重要位置。 大趋势很大。 公司很小。 位置很关键。 市场还没完全理解。 这才是十倍股可能出现的地方。 第五步，做前瞻推演。 这家公司未来拿到订单的概率大不大？ 有没有产能扩张能力？ 管理层在做哪些布局？ 过去有没有进入核心供应链的经验？ 它卡住的瓶颈，会不会越来越重要？ 这一步最难。 因为此时订单可能还没明显增加。 财报还没验证。 机构也还没大规模买入。 市场还没给出确定性。 但真正的超额收益，恰恰来自这里。 机构等订单确认、收入兑现、财报验证之后才敢买。 Serenity做的是，在这些信号完全出现之前。 先基于供应链逻辑和工程常识。 判断这家公司有没有机会进入核心位置。 06）为什么是小市值？ Serenity专门挑小市值公司。 不是因为小市值涨得快。 而是因为大基金有体量限制。 一个管理百亿美元的基金，不可能去买一个市值2亿的股票。 买多了，流动性不够，进出都困难。 所以小盘股存在定价真空。 华尔街的研究几乎没人覆盖。 机构根本看不上。 但Serenity不一样。 他用的是自己的钱，加上1.4倍杠杆。 集中持仓。 他不需要考虑流动性。 他只需要考虑，这家公司卡在产业链的哪个位置。 当市场发现这个卡脖子点的时候。 估值就会疯狂重估。 这就是信息差。 市场上研究英伟达的人有几万人。 研究激光器供应链的人可能只有几十个。 研究硅光材料的人可能只有几个人。 而研究某个特殊外延片供应商的人。 可能全世界不到十个人。 Serenity就是这几个人之一。 07）Serenity是谁？ 说实话，没人知道。 全网现在还不知道这个人的真实身份。 没有人知道她的真实姓名、国籍、年龄、职业。 是完全隐匿于网络的顶级投资大佬。 X账号简介写的是： AI半导体产业链研究院、Nature论文作者、RISC-V基金会核心成员。 整个含金量拉满。 她还公开了一段过往。 2018年拒绝了英伟达AI团队主管的邀约。 那时候英伟达股价只有6美元。 我跟你说，这人的背景，大概率是真的。 因为她对AI硬件的理解，不是看研报能看出来的。 是从工程细节里抠出来的。 她自己说过，「Only buys what he's touched」。 只买自己摸过的东西。 她大概率是真的在半导体行业干过。 08）机构轮动理论 Serenity还有一个核心观点。 机构轮动。 她抓住了内存名称上涨的尾巴。 SNDK、三星、SK海力士、美光。 然后机构之前用AAOI、AXTI、LITE、COHR等光子学名称跑赢。 现在再次通过大量增加SiPh、ELS来做到这一点。 她说的三阶段轮动是： 第一阶段，内存。 第二阶段，光模块。 第三阶段，外置光源和硅光。 她认为自己现在处于第三阶段的开端。 而大部分人还在第一阶段徘徊。 这就是认知差。 09）风险与争议 Serenity的方法也不是没有风险。 第一，幸存者偏差。 她公开讨论的股票，涨了的大家都能看到。 跌了的，可能就不提了。 第二，没有监管披露。 她没有基金，没有13F报告。 持仓大小、进出时间，都不透明。 第三，高波动。 她持仓的股票，日波动15%到25%是常态。 普通人根本扛不住。 第四，流动性风险。 小市值股票，进出都困难。 她想卖的时候，可能根本没人接盘。 第五，逼空风险。 她自己也参与逼空。 但逼空是双刃剑。 空头被逼平仓，股价暴涨。 但如果空头坚持不撤，或者更多空头加入。 股价可能暴跌。 10）普通人能学到什么？ Serenity的方法，普通人很难完全复制。 因为她有实打实的AI科研背景。 她对供应链的理解，是从工程细节里抠出来的。 不是看几篇研报就能学会的。 但有几个思路，是可以借鉴的。 第一，不追热门，找瓶颈。 热门股已经被充分定价。 瓶颈股，市场还没发现。 第二，往下挖三层。 英伟达需要GPU。 GPU需要光模块。 光模块需要激光器。 激光器需要衬底材料。 每一层都可能有机会。 第三，小市值+关键卡位。 大趋势很大。 公司很小。 位置很关键。 第四，做前瞻推演。 在订单确认之前，先判断逻辑是否成立。 第五，接受高波动。 如果承受不了15%的日回撤。 就别玩这个。 说到底 Serenity的方法，本质上是「供应链断点投资」。 她不是在看股价。 她是在看产业链哪里会断。 当需求爆发，供给跟不上。 卡在关键节点的公司，就会被重新定价。 这就是十倍股的来源。 但说实话，这种方法，门槛极高。 你需要对产业链有极深的理解。 你需要能接受高波动。 你需要有耐心，等市场发现你发现的逻辑。 我跟你说，股市会奖励错误。 以至于很多人赚到钱之后，就意识不到自己的错误。 但把时间拉长来看，市场是公平的。 所有短期的盈利靠运气。 长期的超额收益，永远靠认知壁垒。 Serenity的认知壁垒，就是她比全世界99.99%的人，更了解AI供应链的断点在哪里。 这就是她一年赚45倍的原因。

Anthropic的收入增长速度让人瞠目结舌！在任何行业、任何时代，几乎找不到有公司能在如此短时间内实现如此规模的有机收入增长。根据最新数据显示，Anthropic的自报成长率超越了常规预期，打破了行业界限。 这种现象的背后，是AI技术的迅猛发展与市场需求的急剧增加。通过持续的技术创新和灵活的市场策略，Anthropic不仅提升了自身的竞争优势，还重塑了AI产业的格局。 在这场竞争中，关注这些新兴企业的动态尤为重要，它们可能会引领未来的行业趋势。掌握这些变化，将帮助你在快速演变的市场中保持前瞻性。

财报前瞻：Fluence Energy (FLNC) 2026财年第二季度财报即 FLNC目前正处于从硬件集成商向高毛利软件服务商转型的关键窗口。市场对Q2的共识预期为营收6.15亿至6.68亿美元，EPS预期为-0.19至-0.11美元 。影响财报表现的核心驱动因素如下： 毛利率修复与成本回收： 这是影响盈利超预期的重中之重。Q1因非美国项目产生的2000万美元额外成本导致毛利率降至4.9%，管理层预计该成本将在年内大部分回收 。若Q2能确认部分回收，将显著推动EPS超预期。 营收确认与积压订单： FLNC目前拥有创纪录的55亿美元积压订单，已完全覆盖2026财年营收指引中值 。营收达标的确定性极高，惊喜主要来自项目交付周期的缩短 。 锂价与原材料： 锂价企稳有助于降低原材料波动带来的存货风险 政策红利： OBBBA法案的税收抵免（45X）和国产化策略为公司提供了长期竞争优势 。 在利多因素方面，FLNC目前处于极高空头结构中，空头头寸占流通股比高达25%至37%，回补天数约6天 。在股价跌至12美元超卖区、市场预期极低的背景下，任何基本面改善信号都可能触发剧烈的“轧空”拉升。此外，AI数据中心带来的36GWh潜在需求和持续增长的年度经常性收入（ARR）提供了长期估值溢价 。 在利空因素方面，瑞银（UBS）近期将评级下调至“卖出”，目标价仅为8美元，担忧电动车电池产能转向储能会导致行业竞争在2027年急剧恶化 。同时，特斯拉（能源部署量环比下降38%）和阳光电源等同行的疲软表现也加剧了市场对板块增长动能的怀疑 。 综合来看，FLNC股价已较年内高点回落近50%，空头情绪已释放较为充分。只要财报能证明毛利率处于修复路径，在极低的市场预期与极高的空头回补压力共同作用下，财报后股价不排除出现反弹 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

财报前瞻VECO 在2026年全球半导体资本设备（WFE）市场步入高度分化的背景下，Veeco Instruments Inc. (VECO) 的定位已从传统的设备供应商演变为支撑人工智能（AI）基础设施和先进制程逻辑芯片的关键技术节点。通过对过去五年企业发展轨迹的审视，可以发现Veeco成功地将其技术护城河从日益商品化的发光二极管（LED）和普通功率器件领域，转移到了极紫外光（EUV）掩模保护、2纳米全环绕栅极（GAA）晶体管退火以及高带宽存储器（HBM）先进封装等高门槛细分市场。这种战略转型不仅重塑了公司的营收结构，也使其在当前的AI投资狂潮中占据了独特的生态位。 当前的半导体设备景观正经历一场由物理限制带来的技术变革。随着摩尔定律在3纳米及以下制程面临巨大的热预算和材料沉积挑战，Veeco持有的激光钉扎退火（LSA）和离子束沉积（IBD）技术成为了代工厂实现性能跃迁的“必选项”。这种行业地位的转变，为解读即将发布的2026年第一季度财报提供了必要的前瞻性视角。 针对即将于2026年5月5日发布的财报，其实绩表现将受限于多种复杂因素的交织作用。首先是AI基础设施带动的先进封装与HBM需求。AI加速器对HBM的需求正处于爆发期，Veeco的湿法处理和光刻工具在HBM的垂直堆叠中具有极高的应用价值。AI相关收入占Veeco总收入的比例预计将从2024年的约10%提升至2026年的20%以上，这种营收结构的改善不仅提升了收入的确定性，也增强了市场对公司长期估值中枢上移的信心。 同时，2纳米制程节点转向下的GAA技术红利也在释放。随着台积电和英特尔等领先代工厂加速向2纳米GAA架构转型，激光退火设备的需求进入了新的上行周期。LSA技术的独特之处在于其极短的脉冲时间和精确的热预算控制，这对于维持2纳米制程中超浅结的稳定性至关重要。这意味着即便在宏观经济波动期间，先进制程的资本支出也表现出更强的防御性。 此外，数据存储业务正处于周期性底部回升阶段。在经历了2025年营收近乎腰斩的低谷后，数据存储业务在2026年显示出明显的复苏迹象。这不仅是营收的补充，更是产能利用率提升的关键。一旦该板块在第一季度确认的订单超出预期，将直接对Non-GAAP每股收益产生显著拉动。而Veeco与Axcelis价值44亿美元的合并案则是目前影响股价的重要变量，虽然短期会有费用体现，但协同效应的预期是市场的核心关注点。 基于对上述因素的分析，Veeco在2026年第一季度实现“双重超预期”（营收与EPS均高于一致预期）的可能性较大。目前市场对Q1的营收预期约为1.6299亿美元，Non-GAAP EPS预期约为0.23美元，毛利率预期在37.5%左右。由于Veeco在2025年底积压了5.55亿美元的高质量订单，且很大一部分属于先进制程设备，只要供应链交付不出现重大中断，营收确认在指引上限附近的可能性较高。 尽管财报超预期概率高，但股价反应取决于更复杂的博弈。看涨逻辑在于指引的上修潜力，目前7.4亿至8亿美元的年度指引被认为过于保守；同时合并进度的正面评论以及HBM与GAA叙事的强化，有望推动估值溢价向行业龙头靠拢。相反，利空风险则来自技术面超买（RSI指标显示超买）、中国市场份额的持续萎缩以及先进封装占比过高可能带来的毛利率压力。 在财报表象之下，必须理解更深层的结构性观察。Veeco与Axcelis的合并本质上是一次“防御性”与“进攻性”并重的战略博弈。 Axcelis在SiC和GaN离子注入领域的统治地位，与Veeco在激光退火和EUV掩模领域的地位结合，将创造出一个能与大市值巨头有效抗衡的实体。 其次，Veeco在EUV掩模空白制造领域的独占性是其估值底座。随着High-NA EUV系统的部署，掩模更换频率提升为Veeco带来了具韧性的“耗材化”设备需求。 最后，第一季度财报中关于“订单转化率”的描述将至关重要，5.55亿美元积压订单的转化速度将是衡量供应链瓶颈或客户需求信号的关键指标。 因此，管理层对交付时间表的评论，其重要性不亚于财务数字本身。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

从Aixtron SE财报看InP激光设备产业发展 Aixtron财报呈现出典型的结构分裂：利润端承压而订单端加速。营收与盈利下滑主要来自SiC、GaN等传统功率器件周期尾部，这部分反映的是过去；而新增订单显著增长且集中在光电子方向，构成前瞻性信号。收入与订单的“剪刀差”，本质是产业从旧周期向AI光互连结构迁移的体现。 驱动这一变化的底层逻辑，是光进铜退，其中核心是基于磷化铟光子技术的激光器。 光互连的本质不是发光，而是高速、可控、可耦合的相干光。不同发光机制在这一点上形成分水岭。以MicroLED为代表的LED体系依赖自发辐射，受限于载流子寿命，其调制速度停留在GHz级，同时发光呈发散分布，耦合效率低，大量能量无法进入光纤或波导；而InP激光器基于受激辐射，在谐振腔内形成光子反馈，响应进入皮秒级，可实现数十GHz以上调制，同时具备高方向性与高耦合效率，在功耗约束下仍能支持高带宽传输。问题不在“能否发光”，而在“光是否可用”，在当前条件下，只有InP体系同时满足速度、效率与功率密度三项约束。 系统层面形成稳定分工：InP提供光源决定上限，硅光子技术负责调制与传输决定规模。这种架构在短期内不存在替代路径，产业链价值自然上移至激光器及其上游外延环节，而这一层的核心制造节点是MOCVD。 MOCVD本质是气相条件下生长半导体外延结构的精密系统。通过控制温度、气体流量与化学反应，在晶圆上沉积InP、GaAs等结构，这一过程直接决定激光器性能与良率。在CPO体系中，激光器是光的起点，而外延质量决定这个起点是否成立，没有这一环节，后续系统不存在。 真正的约束在其叠加结构。设备只是第一层，往上是工艺、材料、良率。 行业瓶颈是设备到位并不等于产能到位。 从设备下单到交付需要6–12个月，安装调试2–3个月，工艺爬坡通常还需6–18个月，一条产线从决策到稳定产出周期在12–24个月。这决定了其核心属性：不是不可扩产，而是典型慢变量，供给可以增加，但始终滞后需求。 当前供需已进入早期收紧阶段。 需求端因AI带宽需求与CPO推进而加速，外延与激光器产能逐步逼近上限；供给端仍沿既有节奏扩张，缺口已经出现。 外延厂接近满产，部分激光器型号开始紧张，设备厂订单明显上升但仍可控。 趋势上，需求更接近指数增长，而供给维持线性扩张，MOCVD行业常规扩产能力约10–20%，高景气可达20–30%，而激光器需求在CPO放量下可能达到2–3倍增长，这种错配不会瞬间爆发，但将在未来2–3年持续扩大。 这也决定了设备需求的非线性特征。早期设备订单温和跟随，一旦产能被压满，订单出现集中释放，随后随着产能释放再次回归平稳。驱动设备周期的核心变量不是终端出货，而是产能缺口。 设备厂内部亦存在结构性分工。Aixtron SE采用showerhead结构，强调气流均匀与工艺稳定，适合高一致性外延；Veeco Instruments采用TurboDisc结构，依赖高速旋转强化对流，更强调吞吐效率。 这种差异本质是精度与效率的取舍。在传统光模块阶段影响有限，而在CPO阶段，随着激光器数量上升、功耗约束收紧与阵列一致性要求提高，系统初期更偏向精度优先，使Aixtron优势更易体现；当需求进入放量阶段，Veeco在吞吐与成本上的优势会重新凸显，两者形成周期性分工。 下游客户如Lumentum Holdings与Coherent Corp通常维持双供应体系，以降低风险并维持议价能力，但设备与工艺深度绑定，一旦某条产品线确定设备体系，切换意味着重新爬坡良率与客户认证，成本极高，这种绑定关系本身构成行业壁垒。 从进入难度看，MOCVD属于多层壁垒叠加行业，技术复杂只是起点，更关键的是工艺积累与客户验证，新进入者通常需要1–3年才能进入主流供应链，因此行业将呈现分化：低端市场逐步内卷，高端InP与激光器领域维持寡头结构。 从产业链紧张程度看，当前约束依次集中在激光器、InP外延与工艺良率，其次才是MOCVD设备。设备厂提供的是产能工具，而上游真正稀缺的是将产能转化为稳定良率的能力，这两者在周期中的价值放大方式不同。只看设备容易低估周期，只看设备也容易错过定价权来源。 Aixtron在利润承压阶段仍完成低成本融资并将资金用于扩张与并购，反映出其对光电子需求长期趋势的判断，与订单结构变化一致，说明企业正在利用旧周期低谷为新一轮产业重构提前布局。整体来看，利润表反映过去，订单反映未来，这份财报本质上是AI基础设施向光互连迁移的早期验证信号。 最终结构可以压缩为三点：InP定义系统上限，硅光决定扩展路径，MOCVD控制供给节奏。真正的瓶颈不在单一设备，而在外延与良率能力，而MOCVD作为慢变量，会在需求加速时放大供需错配。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

【要点精选】 🟩 Odyssey 推特 @OdysseysEth 在讨论市场泡沫时，我更倾向于绕过“泡沫”这一带有预设立场的词汇，转而从“杠杆与叙事破灭”的角度分析。市场由人构成，而人脑是预测机器，依赖从历史中总结的模式形成叙事——例如“房价永远涨”或“AI改变世界”。 这类叙事一旦成为共识，便会催生加杠杆的行为，因为确定性感知鼓励风险承担。 叙事与杠杆相互强化：人们因相信某个宏大故事而加大投入，市场反身性也奖励早期追随者。例如，AI领域目前正围绕“颠覆世界”的叙事展开，OpenAI等公司基于未来预期规划巨额投资，而非当前实际收入。这种依赖叙事的杠杆模式，与过去科网股或加密货币牛市的逻辑相似。 泡沫破灭的拐点往往出现在叙事与硬约束碰撞之时。例如币圈“永恒牛市”的消散，与Luna、FTX等事件触发的硬约束相关。当前加密货币市场中，以以太坊等为储备的“飞轮”叙事似乎动力不足，可能面临下行循环；而比特币尚未出现同类杠杆消散的迹象。 因此，识别市场风险的关键不在于“泡沫”标签，而在于观察支撑杠杆的叙事是否坚实，以及其与现实的约束是否临近冲突。 🟩 Zhen Dong 推特 @zhendong2020 在技术发展的早期阶段，往往难以判断哪个环节能捕获最大价值。 以航空业为例，飞机发明初期，实际盈利主要来自货运和飞行员培训，而非预期的客运；无线电行业也曾面临类似困惑——究竟是硬件制造、内容创作还是广播服务更具价值？类似的不确定性正出现在当今的AI和加密领域：是基础设施（如英伟达）、平台（如以太坊）、应用（如稳定币）还是传统机构（如贝莱德）将成为最终赢家？ 历史表明，易于理解、能直接体验的技术（如民用航空）更易形成共识，而复杂领域（如核电）则可能延缓价值发现。投资者需持续观察技术演进中的权力转移和需求变化，警惕泡沫，主动思考变革中的价值流向，而非简单套用过往模式。技术突破的方向与商业价值的落脚点，往往需要时间才能真正显现。 Q、Crypto市场是否真的存在泡沫？rebalance（再平衡）的动机是什么？ 如果没观察到泡沫，为什么减仓Crypto而非AI资产（如特斯拉）？【Peicai Li 推特 @pcfli】 🟩Odyssey 推特 @OdysseysEth Rebalance的核心不是预测泡沫，而是基于市场周期视角和现金作为“看涨期权”的价值变化。 在5月初，决定逐步增持现金至目标水平，这不是因为判断市场会跌，而是现金在周期中的隐含价值上升。 决策是灰度化的——在“全卖”和“不卖”间找到平衡，而非依赖泡沫信号。即使AI领域有泡沫迹象，这也只是加速调整，而非唯一理由。Crypto的波动更多是市场正常涨跌，并非系统性泡沫破裂。 🟩Zhen Dong 推特 @zhendong2020 《Bubbles and Crashes》这本书的核心观点是，泡沫的形成往往伴随着两个关键要素：大量缺乏经验的新手涌入，以及一个具有极强吸引力和想象空间的宏大叙事。 关于“新手”与“叙事”： 当年的ICO和NFT热潮吸引了大量圈外人，是一群被“财富自由”、“社区归属”等叙事吸引进来的非传统金融市场的参与者。然而，反观当前的比特币市场主要的买家是像MSTR这样的上市公司、ETF背后的机构基金、对冲基金等专业投资者。因此，从“新手入场”这个关键指标来看，BTC目前很难被定义为泡沫。 关于AI领域的泡沫迹象： AI的情况则更符合书中的描述。它是一个全新的领域，所有人从某种意义上都是“新手”，而它的叙事天花板极高——被认为将彻底改变人类社会。调查也显示，大多数投资者认为AI存在泡沫，分歧只在于泡沫何时破裂。 关于Crypto内部的杠杆风险： 在Crypto领域，风险点与上一轮周期不同。现在的风险更多集中在DeFi领域，这些协议相互关联，容易形成“A爆仓导致B出现坏账”的连锁反应。但关键在于，这些活动所持有的核心BTC资产相对较少，更多是围绕稳定币和DeFi代币本身。 因此基于“新手涌入”和“系统性杠杆风险”这两个维度，可见BTC目前尚未出现典型的泡沫特征。我们进行rebalance操作，更像是一种基于周期位置的、前瞻性的现金管理优化，而不是针对一个已确认的、即将破裂的Crypto泡沫所做的紧急避险。 Q、在识别市场泡沫时，相对于杠杆率这种传统指标，你们是否更倾向使用“叙事框架”这类定性方法？【Peicai Li 推特 @pcfli】 🟩Zhen Dong 推特 @zhendong2020 《Bubbles and Crashes》中提供了一个评估泡沫的综合框架，强调叙事的不确定性和新手进场是泡沫形成的关键指标。 这个框架列出了多个特点，如叙事是否易理解、能激发情感共鸣、以及技术解决周期长等，资产若符合这些特点就更容易产生泡沫。例如，比特币不符合这些特点，因为新手进场不多，而特斯拉则被作者视为高分泡沫案例，但实际未崩溃，显示框架基于归纳法，并非绝对准确。 杠杆率是新手进场的强相关指标，因为新手更可能使用杠杆，但它只是框架中的一个因子。作者认为因果性最强的是新手大量入场，而框架更全面，能帮助识别泡沫风险，但需注意其局限性，避免过度依赖。 🟩Odyssey 推特 @OdysseysEth 更倾向于将泡沫视为叙事驱动的估值偏离内核价值，而非归零。资产价值有层次：从清算价值到成长股价值，再到抽象叙事，叙事可能转化为价值，但也可能空洞。 定量指标如杠杆率只是一个思考视角，本质是定性；因为定量依赖假设（如折现率或增长率），不同视角无法直接比较。用现金流折现时，微小假设变化会导致结果巨大差异，因此定量只能在特定视角内对比。 杠杆率作为指标有用，但需结合其他因素重整化，避免单一维度判断。最终，泡沫识别应关注估值与内核的区间，强调多视角思考，而非追求绝对定量标准。 Q、在比特币和Crypto领域，如何识别最佳杠杆的视角？以及AI领域类似杠杆该看哪些数据？ 在AI和Crypto仓位上的有何调整计划？【Peicai Li 推特 @pcfli】 🟩Odyssey 推特 @OdysseysEth 在比特币和Crypto领域，识别最佳杠杆需要观察金融创新模式的涌现，例如等待“狂乐模式”出现，具体关注融资规模、利率和债务水平等指标。 AI 可能会从其融资规模、利率以及整体债务水平等方面入手。Crypto领域可能会看最有潜力的趋势模型像Spider或者储备公司。 仓位方面无调整计划，保持约20%的现金比例，认为即使面临熊市，其深度和持续时间有限，因此维持现状是合理的。整体上，我倾向于等待市场自发显现机会，而非主动预测或调整。 🟩Zhen Dong 推特 @zhendong2020 当前现金比例约20%，其余风险资产按市值配置。考虑到王川警告的AI泡沫和可能延长的熊市周期（如5-10年），有意向增加现金比例以备抄底，但犹豫不决，因为对持有资产仍有信心，担心过早卖出错过上涨机会。期权若行权可将现金提至25%，但价格不理想。 因此，在持有现金过少和卖出过早的风险之间权衡，暂时保持较高风险仓位，并对流动性改善抱有幻想。 这反映了如何在长周期中维持现金比例的挑战，需避免过早打光子弹，同时应对潜在行业下行风险。