👤 同一博主

🎬 我在买入所有能买到的股票（投资者尚未做好准备）

（原标题：I'm Buying Every Share I Can (Investors Aren't Ready)） 📉 核心观点：AI支出瓶颈转移 华尔街长期认为AI是泡沫，主要论据是超大规模云服务商（Hyperscalers）的资本支出（CapEx）终将放缓，导致相关股票下跌。 当前事实反驳了这一观点：主要科技公司的AI支出不仅未放缓，反而在加速。 核心逻辑转变：AI基础设施（土地、电力、芯片）是零和博弈，资源稀缺导致竞争加剧。 结论：问题不再是“支出是否会放缓”，而是“支出将转移到哪个新的瓶颈领域”。 💰 关键事实：资本支出与融资现状 支出增长：四大超大规模云服务商（Google, Amazon, Microsoft, Meta）2023年以来AI支出年复合增长率超过60%。 预算数据：今年预计支出超7000亿美元，较2025年的3750亿美元增长90%。 现金流压力： Amazon过去12个月自由现金流从180亿美元降至-76亿美元。 Alphabet自由现金流自2004年上市以来首次转负。 Meta自由现金流下降91%。 融资行为： Amazon将2026年CapEx预算从2000亿上调至2200亿美元，并出售370亿美元债券。 Alphabet发行超650亿美元债券，并宣布850亿美元股权融资（美国企业史上最大）。 债务覆盖Hyperscaler CapEx的比例从2024年的9%升至32%。 🧠 技术路径一：AMD与Talus（内存优化） 瓶颈：传统GPU大部分时间等待数据从内存传输，内存带宽是主要瓶颈。 解决方案：AMD计划收购芯片初创公司Talus。 技术原理：Talus将AI模型权重直接蚀刻在芯片金属层中（1为连接导线，0为断路），消除内存读取等待。 性能对比： 速度：Talus芯片处理Llama 3.18b模型可达17,000 tokens/秒，比传统GPU快约120倍。 成本：运行成本低于每百万token 1美分，而NVIDIA Blackwell约为3.8美分。 制造优势：采用分层制造，98%芯片结构通用，仅顶层2层金属针对特定模型定制。TSMC可在60天内完成从晶圆到成品的生产，实现快速迭代。 🌐 技术路径二：Cerebras（晶圆级集成） 瓶颈：多芯片集群通过电缆和交换机连接，数据传输耗时且耗能。 解决方案：Cerebras使用晶圆级引擎（WSE），不切割晶圆，制成单一巨型芯片。 规格对比： 面积：WSE3约为NVIDIA B200的30倍。 晶体管：4万亿个，是B200的19倍。 内存带宽：21 PB/s，是NVIDIA B200的2600倍。 财务表现： 剩余履约义务（Backlog）达254亿美元，约为2026年预期营收的29倍。 云服务收入同比增长287%，硬件销售增长17%（剔除OpenAI股票期权费用后）。 毛利率下降部分原因是产能不足，需从云厂商租回系统以填补需求缺口。 🏦 技术路径三：NVIDIA（资产化融资） 核心策略：将GPU转化为可融资的资产类别，改变资金来源。 融资平台：与Apollo, BlackRock, Blackstone, Goldman Sachs等合作，建立超5000亿美元的AI基础设施融资平台。 逻辑：GPU作为抵押品，因其软件更新（如TensorRT-LLM）可提升旧芯片性能，延长使用寿命。 风险与争议： 协议目前非约束性，无人实际承诺资金。 NVIDIA可能需承担设备贬值损失（最高25%）。 期限错配：CoreWeave的GPU贷款期限为5年，但客户租赁合同仅3年，存在还款风险。 关键未知数：GPU的实际使用寿命（3年还是5年）尚未确定，需等待8月26日财报进一步验证。 ⚖️ 结论与风险提示 趋势判断：AI支出将持续加速，直到土地和电力资源耗尽，随后支出将转向填充现有设施。 竞争格局： AMD/Talus：押注低成本、可快速更换的模型专用芯片。 Cerebras：押注消除网络延迟的晶圆级芯片。 NVIDIA：押注GPU作为长期租赁资产的金融属性。 投资视角：资金不再是主要约束，技术瓶颈的转移方向决定受益者。 注意：上述分析基于转录内容，不构成投资建议。NVIDIA的资产化模式存在期限错配和估值不确定性风险。

🎬 悄悄造就百万富翁的三大股票（98%的人将错过）

（原标题：Top 3 Stocks Quietly Making Millionaires (98% Will） 🤖 AI代理安全：被忽视的万亿级市场机遇 💡 核心观点 寻找优质股票的关键在于理解公司产品及其在新兴热门市场中的定位，而不仅仅是关注利润。当前AI市场正处于早期阶段，全球AI市场规模预计将从今年的约7500亿美元增长至2034年的超过1万亿美元，复合年增长率（CAGR）为38.5%。其中，AI代理（AI Agents）市场的增长速度更快，预计接近每年44%。 目前最大的市场缺口在于身份管理。2025年企业在AI上的支出超过1.7万亿美元，但用于安全的支出仅为28亿美元。平均每花费630美元在AI上，仅投入1美元用于保护。随着机器身份（Machine Identities）数量的激增——从2024年的每人45个增长到2026年的超过100个——区分合法用户与攻击者变得愈发困难。因此，专注于保护“身份”而非传统病毒或恶意软件的公司具有巨大的投资机会。 📊 关键事实与论据 市场背景与安全挑战 AI代理的普及：99%的组织表示已在使用AI代理。与传统软件不同，AI代理拥有自主决策能力，需要用户名、密码、API令牌等凭证，但现有的安全系统（如双因素认证）并非为无手机的软件设计。 攻击速度加快：黑客利用有效凭证登录并使用公司内部工具进行攻击的情况日益普遍。2024年攻击者进入并触及第二个系统的时间为48分钟，2025年缩短至29分钟，最快突破时间仅为27秒。AI驱动的入侵尝试同比增长89%。 检测难度增加：由合法AI代理触发的检测数量增长速度比人类触发的快150%，导致真实攻击隐藏在大量的机器活动中。 重点分析标的 1. Palo Alto Networks (PANW) 平台整合策略：通过Strata（基础设施层）、Prisma（云环境安全）和Cortex（SecOps响应）三大平台提供集成解决方案，简化企业管理。 身份管理突破：以250亿美元收购CyberArk后，推出了第四大平台Adira，统一管理人类、机器和AI代理的身份、访问权限及许可。 财务表现：上一季度营收30亿美元，同比增长31%；下一代安全年度经常性收入（ARR）达81亿美元，同比增长60%（其中16亿美元来自收购，有机增长约28%）。 2. Cloudflare (NET) 网络位置优势：作为全球大型网络之一，Cloudflare在流量到达网站前进行拦截、缓存和加密。其零信任平台（Cloudflare One）默认不信任任何事物，需验证每次身份和权限。 AI代理流量激增：CEO Matthew Prince指出，机器人流量已超过人类，占总网页请求的57%。AI代理的日常请求量同比增长超过1700%。 财务与成本结构：上一季度营收3.96亿美元，同比增长36%，全年指引上调至28.7亿美元。毛利率从74.9%降至71.8%，主要原因是付费流量占比增加（计入营收成本）以及服务AI代理比传统网站更昂贵（Worker执行、推理成本等导致营收成本同比增长53%）。 3. SailPoint (SAIL) 身份生命周期管理：专注于员工入职、转岗和离职时的访问权限管理。针对AI代理无人“退休”的问题，推出了Agentic Fabric服务，将每个AI代理映射到人类所有者。 非人类实体增长：目前仅37%的组织能撤销AI代理的凭证。SailPoint上一季度40%的增长来自非人类实体，其云平台上14%的管理对象为非人类账户（每7个账户中有1个是机器，新账户中每10个有4个是机器）。 财务表现：年度经常性收入达11.6亿美元，同比增长26%，其中云服务部分增长36%；季度营收2.8亿美元，同比增长22%，均超出预期。 收购潜力：作为独立的身份管理供应商，SailPoint是潜在的收购目标。参照Palo Alto Networks收购CyberArk的估值倍数（约15-20倍ARR），SailPoint的理论收购价值约为200亿美元，接近其当前市值的两倍。 📈 结论 随着AI代理市场的快速扩张和机器身份数量的爆发式增长，传统的网络安全模式已不足以应对新的威胁。投资者应关注那些能够解决“身份管理”痛点、区分合法机器活动与恶意攻击的公司。Palo Alto Networks通过平台整合和收购强化了其在身份安全领域的地位；Cloudflare凭借网络边缘优势捕捉AI代理流量激增的红利；SailPoint则作为垂直领域的领导者，在非人类实体管理方面展现出强劲增长和潜在的并购价值。这三家公司均处于解决AI时代核心安全缺口的有利位置。

🎬 这是一个历史性的买入机会（98%的人会错过）

（原标题：This Is A Historic Buying Opportunity (98% Will Mi） 🧠 AI 基础设施重心转移：从 GPU 到 CPU 的博弈 💡 核心观点 过去四年，数据中心被视为 GPU 业务，AI 基础设施围绕 NVIDIA、AMD 和 Broadcom 等公司的加速器构建。然而，随着 AI Agent（智能体） 的兴起，计算范式正在发生根本性转变。GPU 擅长并行处理可预测的数学问题，而 CPU 擅长按顺序处理不可预测的逻辑任务（如规划、工具调用、代码编写）。在 AI Agent 工作流中，CPU 负责决策和数据调度，导致 GPU 经常处于等待状态。因此，数据中心 CPU 正成为 AI 领域的下一个主要战场。 📊 关键事实与竞争格局 NVIDIA：从授权到自研 现状：NVIDIA 目前使用基于 ARM Neoverse v2 架构的 Grace CPU（72核）及 Superchip（144核）。截至近期，已售出近 250 万颗 Grace CPU，但需向 ARM 支付专利费。 新动向：推出首款完全自研指令集兼容的 CPU Vera，拥有 88 个定制 Olympus 核心，旨在停止向 ARM 支付核心授权费。 财务数据：上一季度数据中心收入超 750 亿美元（计算约 600 亿，网络约 150 亿）。预计今年 CPU 收入将达 200 亿美元，并视 AI CPU 为 2000 亿美元的潜在市场。 客户：Vera CPU 已交付给 Anthropic、OpenAI、SpaceX 和 Oracle。 ARM：从蓝图销售到硬件制造 战略转变：结束 35 年只卖架构蓝图（收取最高 5% 专利费）的历史，推出首款自研并销售的 AGI CPU。 产品规格：单芯片多达 136 核，功耗 300W，采用台积电 3nm 工艺。Meta 是主要合作伙伴及共同开发者。 性能与需求：声称每机架性能比 x86 芯片高两倍以上。未来两年订单需求超 20 亿美元，但产能仅能满足约一半（受限于晶圆、基板等）。 财务表现：季度营收 13 亿美元（同比增长 22%），数据中心专利费收入翻倍以上增长。 估值风险：目前市销率（P/S）接近 50，远高于半导体行业平均水平；前瞻 P/S 约 39，被认为已充分反映芯片销售预期。 Qualcomm：移动端巨头进军数据中心 业务现状：手机处理器营收下滑（iPhone 份额减少），但汽车业务创纪录达 16 亿美元（同比增长 61%）。非手机业务预计明年增长超 60%。 数据中心目标：计划到 2029 年数据中心收入达到 150 亿美元（目前约 3 亿美元，需实现约 50 倍增长）。 产品与客户：Dragonfly C1000 CPU 拥有超 250 个 Orion 核心。Meta 签署多代协议，微软 Azure 将于明年部署其加速器。 时间表与估值：C1000 量产定于 2028 年下半年。前瞻 P/S 低于 4，相比 ARM 极具性价比，被视为早期投资机会。 AMD：捆绑销售与巨额对赌 产品策略：推出机架级系统 Helios，包含 72 颗 Instinct MI455X GPU 和 18 颗 Epic Venice CPU（每 4 颗 GPU 配 1 颗 CPU）。微软 Azure 已将其列为永久产品线。 巨额订单与代价：OpenAI、Meta、Anthropic 签署了总计 14GW 的部署意向。AMD 为此向 OpenAI 和 Meta 分别提供最多 1.6 亿股认股权证（每股 0.01 美元），相当于稀释约 20% 股权，并向 Anthropic 投资 50 亿美元。 财务数据：最新季度营收 115 亿美元（同比增长 50%），数据中心收入 67 亿美元（同比增长 107%，占总收入 58%）。 估值警示：尽管增长强劲，但 AMD 市盈率是 NVIDIA 的 5 倍，前瞻市盈率是 NVIDIA 的 3 倍，且倍数随财报持续上升。 ⚠️ 结论与风险提示 基础设施依赖：Meta 和台积电（TSMC）处于核心地位。Meta 是上述所有 CPU 厂商的关键客户；所有先进节点芯片均依赖台积电制造，任何产能延误都将影响全行业。 估值差异显著：ARM 估值极高且已包含硬件销售预期；Qualcomm 数据中心业务尚未量产但估值低廉；AMD 增长迅速但估值昂贵且伴随巨大的股权稀释风险；NVIDIA 正在通过自研 CPU 巩固生态并降低成本。 投资逻辑变化：市场衡量标准正从“芯片销量”转向“每瓦特生成的 Token 数量”。投资者需关注 AI Agent 对 CPU 需求的实际落地情况，以及各公司能否兑现其激进的产能和收入指引。

🎬 趁为时未晚，我唯一买入的AI股票

（原标题：The Only AI Stocks I'm Buying (Before It's Too Late)） 📉 AI 股票暴跌背后的错杀机会与深度分析 💡 核心观点 尽管过去两周 AI 相关股票市值蒸发超过 1 万亿美元，部分个股甚至触发熔断，但市场恐慌性抛售创造了以大幅折扣买入优质资产的机会。当前市场的下跌主要源于对中国量产浸没式深紫外（DUV）光刻机的担忧，但这被过度解读为对内存、AI 云服务和量子计算公司的即时威胁。事实上，这三类公司均在近期取得了重大业务里程碑，且其长期合同或商业模式能有效抵御短期价格波动风险，目前的股价跌幅与其基本面表现严重背离。 📊 关键事实与论据 1. 韩国市场动荡与内存板块的“误杀” 市场背景：韩国 KOSPI 指数在过去几天下跌超过 15%，过去一个月下跌超 30%，年内已触发至少 8 次全市场熔断。三星和 SK 海力士合计占该指数权重的一半以上，其暴跌拖累了全球 AI 股票。 恐慌根源：报道称中国开始大规模生产国产 DUV 光刻机。虽然 DUV 精度不足以制造最先进 GPU，但足以制造 DRAM、NAND 闪存及高带宽内存（HBM）的裸片。市场担心这将增加供应，压低内存价格，从而重创占据全球 70% DRAM 和近 80% HBM 市场份额的三星与 SK 海力士。 合同保护机制： SK 海力士：5月15日股价单日暴跌超 15%，创40年历史最差表现。原因是分析师指出其大部分 HBM 销售已锁定在为期3-5年的长期合同中，价格在芯片生产前12-36个月即固定。这意味着当近期 DRAM 价格上涨约 30%、NAND 上涨约 50% 时，SK 海力士无法享受涨价红利，反而因“错失上涨”被市场惩罚。 其他厂商：SanDisk 披露了约 420 亿美元的最低合同价值；美光（Micron）拥有16项战略客户协议，涉及超 1000 亿美元最低合同价值。这些长期合同不仅限制了涨价收益，也保护公司免受未来价格下跌的影响。 现状：SK 海力士纳斯达克股价两周跌约 25%，韩国交易所月跌约 50%；美光月跌约 35%；SanDisk 过去30天股价腰斩。然而，中国量产具有竞争力的芯片仍需数年，当前风险定价过早。 2. AI 云服务（NeoCloud）并非 Meta 的牺牲品 市场反应：彭博社报道 Meta 计划推出“MetaCompute”出租闲置算力，导致 Meta 股价单日涨近 9%，而 CoreWeave、Nebius 和 IREN 等 NeoCloud 公司股价下跌 14-17%。随后 CoreWeave 本月跌超 35%，IREN 跌超 35%，Nebius 跌超 40%。 逻辑反驳： Meta 在财报中明确表示，目前正以溢价收到算力租赁报价，但扎克伯格认为出售硬件不如销售智能服务（如代理模型、编码工具）获利高。因此，Meta 目前自用所有服务器，无闲置算力可租。 实际订单：Nebius 于7月14日与 Reflection AI 签署超 10 亿美元合同；IREN 于7月20日签署 28 亿美元多年期合同并上调营收目标。 Meta 的角色：Meta 实际上是 NeoCloud 算力的净买家，已承诺向 CoreWeave 投入 350 亿美元，并与 Nebius 有高达 270 亿美元的额外合同。 机构背书：英伟达（NVIDIA）披露持有 Nebius 超 2200 万股（约占9.3%），表明其对 NeoCloud 模式的看好。 3. 量子计算公司的独立价值与进展 市场联动：IonQ、D-Wave 和 Rigetti 过去几周下跌 30-40%，主要随大盘波动，而非基本面恶化。量子硬件与韩国内存无直接竞争或供应链依赖关系。 近期里程碑： D-Wave：7月27日与 AT&T 签署协议，扩展量子系统在网络中的应用（如故障检测、路由优化）。AT&T 的一项网络优化任务耗时从1小时缩短至不到15秒，提速240倍。 Rigetti：同日宣布与 HPE 合作，在匹兹堡超级计算中心建设混合量子-经典测试床，9月1日动工。 IonQ：7月28日通过监管障碍收购 Skywater Technology（美国半导体代工厂），以加速国内供应链和自身路线图。 财务表现：尽管 Rigetti 营收同比下滑 34%，但其最近一个季度实际增长了 109.99%（受现场系统销售和政府合同驱动）。早期量子收入具有波动性，非经常性收入特征明显。 🎯 结论与风险提示 基本面强劲：上述三类公司中，Nebius 营收增长 453%，IonQ 增长 335%。多数公司在股价腰斩的同时实现了业务翻倍或重大突破。 投资策略：市场正在过度定价长期风险（如中国内存竞争、Meta 进入云服务）。对于此类高波动资产，建议采用定投策略并保留现金以应对进一步下跌，避免在反弹日误判底部。 注意：文中数据基于转录内容，SK 海力士纳斯达克上市时间较晚，部分价格对比使用了韩国交易所数据；各公司财年不同，营收增长率为过去12个月 trailing data。

🎬 忘掉英伟达，这才是新的 AI 之王

（原标题：Forget NVIDIA. This Is The New King of AI.） 🤖 AI 产业格局与 Google 的深度垂直整合分析 💡 核心观点：全栈拥有者是唯一能合理化巨额支出的公司 视频的核心论点在于，Google（Alphabet）是目前地球上唯一一家完全拥有 AI 技术栈每一层的公司。从底层的芯片、数据中心、网络基础设施，到上层的模型、应用乃至浏览器入口，这种极致的垂直整合赋予了 Google 独特的竞争优势。尽管市场因 Google 激增的资本支出和短期现金流压力而担忧，但作者认为，正是这种全栈控制能力使得 Google 能够以极高的效率优化成本并加速创新，从而证明其巨额投入是合理的长期投资而非单纯的“烧钱”。 📊 关键事实与论据：技术优势转化为财务表现 1. AI 模型的生命周期与成本结构 训练（Training）： 消耗大量数据、芯片和时间以锁定参数，主要由 OpenAI 和 Anthropic 等模型制造商承担高额成本。 微调（Fine-tuning）： 通过反馈让模型适应特定用例，成本仅为训练的零头，许多企业基于开源模型（如 Llama, DeepSeek, Kimi K3）进行此步骤。 推理（Inference）： 用户每次提问时的实时计算阶段。随着 AI 公司市场份额扩大，推理成本随使用频率和复杂度线性增长，这是基础设施支出的主要驱动力。 2. Google 的全栈垂直整合优势 独家所有权： Google 拥有 Chrome 浏览器、Gemini 模型、自研 TPU 芯片（自 2015 年起）、自有光纤网络及海底电缆，以及 YouTube 数据源。相比之下，Microsoft 依赖 OpenAI 模型，Amazon 依赖 Anthropic。 技术协同效应： Google 可将 Gemini 模型针对其 TPU 进行极致优化。例如，第 8 代 TPU 被拆分为专用的训练芯片（8T）和推理芯片（8I），这种灵活性仅在全栈自研下才可能实现。 成本大幅降低： 去年 Gemini 的服务成本降低了 78%，自 Gemini 3 发布以来核心 AI 响应成本又下降了 30%。根据“杰文斯悖论”，成本下降导致需求激增，Google 每月处理的 Token 量在过去两年增长了超过 300 倍，目前月处理量超过 3.2 千万亿（quadrillion）个 Token。 3. 财务数据与增长加速 营收与用户： Google Cloud 季度营收达 880 亿美元，同比增长 82%（此前分别为 48% 和 63%，呈加速态势）。Gemini App 月活跃用户从 9 亿增至 9.5 亿；AI Overviews 每月触达超过 25 亿人。 盈利能力： Google Cloud 运营收入从去年同期的 28 亿美元增至 88 亿美元，利润率从约 21% 提升至 36%。 新业务突破： 这是 Alphabet 首次确认 TPU 硬件销售收入，意味着 Google 开始直接向其他公司出售自研芯片，而此前仅通过云服务租赁。 4. 巨额支出与风险警示 资本支出（Capex）： 第二季度支出达 450 亿美元，是去年同期的两倍。2026 年中期 Capex 预算从 1850 亿美元上调至 2000 亿美元，且管理层表示 2027 年将更高。 未来承诺： Alphabet 签署了总计 8110 亿美元的远期采购协议（包括芯片、设备、数据中心和电力），其中 2000 亿美元将在未来一年内到期。部分能源合同甚至延伸至 2054 年。 现金流压力： 季度自由现金流转为负 59 亿美元（前两个季度分别为正 246 亿和超 100 亿）。公司停止股票回购，长期债务在半年内翻倍，利息支出增加约 5 倍。 净利润误导： 报告净收入增长近 300% 至 1120 亿美元，但其中 990 亿美元来自持有的 Anthropic 和 SpaceX 股票的账面收益（SpaceX 部分股份处于锁定期且近期股价下跌）。剔除这些非经营性损益后，每股收益低于华尔街预期。 📉 结论：短期阵痛与长期垄断潜力 尽管 Google 面临自由现金流转负、债务激增以及市场对其“烧钱”模式的质疑，导致财报发布后股价下跌 7%，但其基本面显示出强大的增长动能。Google Cloud 的增长速度超过了 Microsoft Azure 和 Amazon Web Services 的总和，且拥有超过 5140 亿美元的积压订单。 作者认为，华尔街的错误在于将 Google 视为传统的现金牛公司，而忽视了其作为全栈 AI 基础设施提供商的角色转变。只有 Google 能够凭借对模型、芯片、网络和入口的全面控制，在规模扩张的同时实现成本优化和利润率提升。因此，当前的巨额支出应被视为对自身生态系统的战略性投资，而非单纯的消耗。对于投资者而言，理解这种垂直整合带来的结构性优势，是评估 Google 长期价值的关键。

🎬 回调不会持久，我现在买入这5只股票

（原标题：Dips Never Last. I'm Buying These 5 Stocks Now.） 📉 AI 算力瓶颈与市场错配 当前市场正面临一场未被充分认知的冲击，华尔街尚未做好准备。媒体普遍忽视了这一风险，因为它同时从三个角度打击股票：ASML 的设备交付、台积电（TSMC）的芯片封装产能以及 NVIDIA 下一代数据中心机架的潜在延迟。 整个 AI 交易建立在单一假设之上：AI 行业的算力增长仅受限于资金。然而，过去几周这一假设开始破裂。尽管财报强劲，但硬件基础设施存在硬性天花板，导致市场定价与物理现实脱节。这为长期投资者提供了买入机会。 🏭 三大核心瓶颈事实 1. 台积电（TSMC）封装产能饱和 财务表现：7月16日财报显示，营收超400亿美元（同比增长34%），每股收益增长77%，均超预期并上调全年指引。 COOS 技术瓶颈：台积电采用的“晶圆上芯片”（Chip on Wafer on Substrate, COOS）先进封装技术已满载运行，订单已售罄至2027年。 影响：部分客户等待芯片通过此封装步骤的时间超过一年。由于土地、电力和工厂建设需多年周期，短期内无法通过增加产能解决这一问题。 2. ASML 光刻机供应受限 垄断地位：ASML 是全球唯一能制造极紫外（EUV）光刻机的公司。这些机器体积庞大（含10万多个零件），需在无尘、真空环境中运行，从交付到全量生产需长达两年。 产能数据：今年预计出货约65台 EUV 机器，明年约85台。尽管数量看似增加，但组装和校准耗时漫长，限制了 AI 芯片生产的扩张速度。 3. NVIDIA 机架延迟风险 Kyber 系统问题：NVIDIA 下一代 Kyber 服务器机架旨在垂直堆叠576个 GPU，功耗约600千瓦。其核心创新是使用78层印刷电路板背板替代高速网络线缆。 延迟传闻：Semi-Analysis 报道 Kyber 机架已推迟超过一年。虽然 NVIDIA 否认并声称路线图完整，但模糊的回应暗示大规模部署可能滞后，Rubin Ultra 系统可能推迟至2028年。 🌍 地缘政治与供应链风险 霍尔木兹海峡危机：自今年早些时候伊朗战争开始以来，该海峡对航运关闭，近期特朗普总统重新实施海军封锁进一步收紧局势。 台积电脆弱性：台湾进口超过90%的能源，储备不足一个月；全球三分之一的氦气（芯片制造必需）经由此通道运输。供应链中断可能进一步减缓芯片生产。 💰 重点关注的五只股票 作者认为当前市场恐慌提供了买入机会，重点关注以下五家公司： 1. ASML (ASML) 现状：股价过去一个月下跌10%。 逻辑：作为 EUV 光刻机唯一供应商，拥有极强定价权。产能每年扩张约30%，但需求增长更快。客户无法替代或压价。 2. 台积电 (TSM) 现状：股价过去一个月下跌近15%。 逻辑：COOS 封装满载至2027年，毛利率67%，盈利增长强劲。 风险：向2nm制程过渡（采用 Gate All Around 结构）成本高且有风险。2nm晶圆成本比3nm高约50%，初期良率低会拖累短期利润率，但长期看能节省30%功耗或提升15%速度。 3. 泛林集团 (LRCX) 现状：股价过去一个月下跌25%。 逻辑：主营刻蚀、沉积和晶圆清洗设备。芯片制造是层层叠加的过程，扩产必然需要其设备。买入即押注 AI 芯片需求持续加速。 4. KLA (KLAC) 现状：股价过去一个月下跌超20%。 逻辑：半导体过程控制和检测市场份额超50%，光学晶圆检测份额超80%（竞争对手 Applied Materials 仅10%）。先进封装检测业务预计今年达10亿美元，同比增长超50%。一旦集成到流程中，替换成本高，客户粘性强。 5. Vertiv (VRT) 现状：股价过去一个月下跌近20%。 逻辑：主营电力和冷却解决方案。NVIDIA Kyber 机架的高功耗（600千瓦）需要新的800伏直流电源架构，Vertiv 是合作伙伴之一。 策略：因 NVIDIA 延迟风险及月底即将发布财报，作者选择等待最新数据后再买入。 ⚖️ 结论 市场正在重新定价 AI 增长的限制因素：机器交付、封装产能和机架部署。尽管短期面临地缘政治和技术转型的阵痛（如台积电2nm良率爬坡），但长期来看，这些瓶颈确立了相关公司的护城河。对于有耐心的长期投资者而言，当前的下跌是买入 ASML、TSMC、LRCX、KLAC 和 Vertiv 的机会。

🎬 2026年7月我买入的极具增长潜力的顶级股票

（原标题：Top Stocks I'm Buying For Massive Growth In July 2026） 📉 市场情绪与宏观背景 市场波动剧烈：一个月前市场因 SpaceX IPO 预期而上涨，但上周已接近“极度恐惧”状态。CNN 恐惧与贪婪指数从5月初的71分骤降至上周的24分，这是近期历史上最剧烈的摆动之一。 AI 股票大幅回调：过去一个月内，部分优质 AI 股票下跌了 10%、20% 甚至 30%，提供了以更大折扣买入的机会。 宏观压力：通胀率仍高于 3%，美联储未降息。高利率导致借贷成本高昂，增加了成长型企业的资金成本，延长了投资回报周期，从而降低了其当前估值。 ☁️ NeoCloud 与 Meta 的竞争格局 Meta 进军云计算：Meta Platforms 正在开发名为“Metacompute”的自有云业务，计划向外部客户出售多余的 AI 算力。该消息使 Meta 股价单日上涨 9%，而 CoreWeave、Nebius 和 IREN 等 NeoCloud 公司股价下跌 10-15%。 NeoCloud 的挑战：NeoCloud 公司需承担高昂的前期成本（电力、数据中心建设、购买 NVIDIA GPU），且多为未盈利企业，需通过稀释股权或高息贷款融资。 Meta 的优势与局限：作为万亿市值的盈利巨头，Meta 无需担心资本筹集问题。然而，目前 Meta 自身算力已满载，甚至向 CoreWeave 承诺了 350 亿美元、向 Nebius 承诺了最高 270 亿美元的采购额（其中 Nebius 部分为可选容量）。这意味着 Meta 短期内无法大量转售自有闲置算力，NeoCloud 公司仍将保持高利用率。 🧠 AI 芯片与网络基础设施 定制化芯片加速：OpenAI 与 Broadcom 联合发布了首款定制 AI 芯片“Jalapeno”（ASIC），专为低延迟、高吞吐量的 LLM 令牌生成设计。从概念到原型仅耗时约9个月，远快于行业平均的2-3年。 供需矛盾：尽管 Broadcom 和 NVIDIA 股价因财报指引不及预期分别下跌超过 20% 和 10%，但两家公司均表示需求强劲且受限于供应。NVIDIA 占据数据中心 GPU 市场超 90% 份额，Broadcom 则为 Google、Meta、Anthropic 等提供定制芯片。 光互连瓶颈：随着芯片间数据传输速度提升，铜缆已无法满足需求，光纤光互连成为关键。Lumentum (LITE) 和 Coherent (COHR) 是主要的光学组件供应商，NVIDIA 分别向两家公司投资了 20 亿美元以锁定产能。Corning (GLW) 也与 Meta、NVIDIA 和 Amazon 签署了数十亿美元的供应协议。这些光学网络股票近期下跌 10-20%，但拥有长期收入保障。 💻 CPU 领域的竞争新变量 Qualcomm 进军数据中心：Qualcomm 宣布将非智能手机业务收入目标翻倍至 400 亿美元（其中 150 亿来自 AI 数据中心），主要依靠其 Dragonfly C1000 CPU。 大客户签约：Meta Platforms 和 Microsoft Azure 已签署多代供应协议，部署 Qualcomm C1000。该芯片拥有超过 150 个核心，专为大规模 AI 负载设计，直接竞争 AMD EPYC 和 Intel Xeon 市场。 估值机会：Qualcomm 股价过去一个月下跌约 15%，市场似乎将其数据中心业务价值定价为零。考虑到 C1000 两年后才量产，这被视为早期介入的机会，且 Qualcomm 作为成熟科技公司风险相对可控。 💾 SK Hynix ADR 上市与 HBM 短缺 即将上市：SK Hynix 预计于7月10日在纳斯达克以 ADR 形式交易（代码：SKHY），美国投资者可直接买入这家存储巨头股票。 HBM 主导地位：SK Hynix 在高带宽内存 (HBM) 市场占据约 60% 的份额，是 NVIDIA 下一代 GPU 的主要供应商。HBM 生产复杂、良率低且建厂周期长（4-5年）。 长期短缺预期：整个 HBM 市场已售罄至2027年，SK Hynix 董事长警告短缺可能持续至2030年。公司营收同比增长三倍，运营利润率超过 70%，资金将用于新晶圆厂、封装产能及 EUV 设备采购。

🎬 我打算买入我能买到的每一股

（原标题：I'm Buying Every Share I Can） 📊 核心观点 美光科技（Micron）已不再是传统的周期性存储芯片制造商，其业务模式发生了根本性转变。 市场仍按旧有的“大宗商品”逻辑给美光估值，导致其股价被严重低估。 通过签订长期战略协议，美光实现了收入与利润的双重确定性，摆脱了依赖现货价格波动的风险。 高带宽内存（HBM）是AI基础设施中价值最高的组件之一，美光在该领域拥有显著的竞争优势和产能壁垒。 📈 关键财务数据 季度营收：最新季度营收达415亿美元，环比增长74%，同比增长346%。 营收指引：下一季度营收指引为500亿美元，隐含同比增长342%。 毛利率：达到84.9%，超过英伟达（Nvidia）及Meta等软件公司，为物理芯片制造商历史最高水平。 合同规模：签署16份战略协议，总最低收入承诺约1000亿美元。 预付款项：客户为锁定供应资格，提前支付了合计180亿美元的预付款。 估值对比：美光当前交易价格约为2026财年预期盈利的14倍；远期市盈率（Forward P/E）仅为5.5倍，远低于英伟达（22.5倍）和博通（31.5倍）。 🏗️ 业务模式转型 从现货到长约：过去美光依赖月度或季度现货价格销售，无客户承诺；现在通过“照付不议”（Take-or-Pay）协议锁定长期需求。 风险转移：若客户取消订单，美光保留预付款；若市场波动，客户获得价格上限保护，双方形成双赢结构。 收入确定性：1000亿美元的合同收入构成了未来五年的收入底线，消除了传统存储行业因供需错配导致的利润剧烈波动。 产能锁定：HBM产能已售罄至2027年底，且目前仅能满足最大客户约60%的需求。 💻 技术逻辑与需求 HBM的重要性：在英伟达Blackwell B200芯片中，内存占制造成本约45%（Ampere A100中约为20%）。 带宽瓶颈：AI数据中心的核心瓶颈在于数据喂给GPU的速度，HBM通过垂直堆叠芯片（8-16层）和数千根细如发丝的铜柱，实现每秒3TB以上的数据传输速度。 市场增长预期：DRAM市场（含HBM）预计未来7年规模翻三倍，年复合增长率18.6%；HBM市场预计以每年40%的速度增长至2028年。 需求驱动：AI模型效率提升降低了运行成本，反而刺激了更多使用场景和计算需求，形成正向循环。 ⚠️ 风险与前提 主要风险：三大存储供应商同时扩产，若AI支出放缓，可能导致供过于求。 缓解因素：超大规模云服务商（Hyperscalers）持续增加资本支出，且美光拥有180亿美元预付款作为缓冲。 潜在上行空间：当前1000亿美元合同仅覆盖约三分之一的产能，另有4座新晶圆厂在建或即将动工，新增产能可能带来额外合同。 估值前提：当前低估值基于市场尚未完全定价其“非周期性”业务模式及未来产能扩张带来的增量收入。

🎬 我买入的致富股票：不靠运气，只靠实力

（原标题：Top Stocks I'm Buying To Get Rich Without Getting Lucky） 📊 投资组合策略与规则 核心逻辑：构建一个整体优于部分之和的组合，通过分散化降低风险，同时捕捉高增长赛道。 操作纪律：选定股票后全年锁定，不随意增删；仅根据财报和新闻调整排序；禁止在股价大涨后追高买入。 投资周期：长期持有，通常为期 3-5 年；仅投资在自身能力圈（AI 与工程背景）内的领域。 基准对比：目标是在不依赖运气的情况下，跑赢标普 500 指数，目前大部分持仓股表现优于大盘两位数。 🏛️ 基础 ETF 选择 推荐标的：Vanguard Information Technology ETF (VGT)。 选择理由： 成分股纯度：仅包含美国信息技术板块股票，超过 80% 聚焦于硬件、半导体、系统软件和应用，排除了沃尔玛、百事可乐等非科技巨头。 分散度：持有超过 300 家公司，介于纳斯达克 100 和标普 500 之间。 权重分布：英伟达、苹果、微软占比超过 40%，博通、美光、AMD 等位列前十。 费用优势：费率低于 SPY 和 QQQ。 指数规则：跟踪 MSCI US IMI Information Technology Index，避免了纳斯达克 100 因新规则（上市 15 天即可纳入）可能引入的高估值未盈利公司（如 SpaceX、OpenAI、Anthropic）带来的波动风险。 💻 AI 芯片与算力核心 英伟达 (NVIDIA)： 估值：当前市盈率 (P/E) 为 31，处于 AI 革命以来的低位（7 年前曾低至 4 美元/股，经拆股调整后）。 增长：过去四个季度营收同比增长率分别为 55%、62%、73%、85%，呈加速态势。 护城河：CUDA 软件生态难以被竞争对手突破；预计全球 AI 市场未来 9 年规模将扩大近 19 倍（CAGR 38.5%）。 谷歌 (Google)： 全栈优势：拥有自研 TPU 芯片、数据中心、云服务和 Gemini 模型。 业绩：谷歌云年营收超 800 亿美元，积压订单近 5000 亿美元；向 Anthropic 出售多达 100 万颗 TPU 芯片。 博通 (Broadcom)： 业务：为谷歌、Meta、OpenAI 等提供定制 AI 芯片。 业绩：上季度 AI 芯片营收 38 亿美元（同比增 143%）；预计 2027 年底 AI 芯片营收超 1000 亿美元。 台积电 (TSMC)： 地位：制造全球 90% 以上的先进芯片，70% 的芯片营收份额。 垄断性：唯一能大规模为英伟达、AMD、苹果、三星、亚马逊、微软、谷歌等所有阵营制造先进芯片的公司，拥有定价权。 美光 (Micron)： 瓶颈：高带宽内存 (HBM) 是 AI 建设的主要瓶颈，全球仅三家厂商生产，美光是唯一美国本土厂商。 订单：内存已预售至 2027 年底；AI 需求导致短缺加剧，公司具备较强定价权。 ⚡ 数据中心基础设施 Vertiv (VRT)： 技术：重新设计数据中心电力架构，支持 800V 直流电标准，适配英伟达未来 1 兆瓦机架需求。 产品：提供从电网到芯片的端到端电力与冷却系统（包括直接液冷）。 业绩：订单同比增长 250%，创历史新高。 iREN： 资源：在得克萨斯、俄克拉荷马、加拿大和西班牙拥有超过 4.5 吉瓦的已锁定电力。 合作：与英伟达签署 5 年 34 亿美元云合同，英伟达获得以 70 美元/股购买 3000 万股的权利（当前股价 49 美元）；与微软签署 5 年 97 亿美元合同。 风险：建设数据中心需大量资本，需持续融资；但已锁定电力远超当前营收目标所需，具备 10 倍扩展潜力。 📱 软件与应用层 Meta Platforms： 估值：市盈率约 20 倍，为“七巨头”中最低。 支出：今年资本支出预计 1250-1450 亿美元，接近 2025 年的两倍。 业绩：日活用户超 35 亿；广告展示量同比增 19%，平均广告价格增 12%，营收增 33%。 Palantir： 业绩：营收同比增长 85%，全年指引上调至 76 亿美元（隐含 71% 增长）；美国商业营收指引 32 亿美元（同比增 120%）。 市场：全球 AI 与软件市场未来 7 年预计扩大近 7 倍（CAGR 32%）。 CrowdStrike (CRWD)： 平台：Falcon 平台包含云模块库、专有威胁图谱和 Falcon Agent。 市场：全球云安全市场未来 6 年预计规模翻三倍，AI 驱动的威胁将加速行业增长。 ⚠️ 风险提示 市场波动：iREN 因需持续融资建设基础设施，股价波动较大。 竞争格局：AI 芯片领域存在英伟达 GPU、谷歌 TPU 和博通定制芯片的竞争，但组合中同时持有这三家以对冲风险。 技术迭代：需关注从通用 GPU 向特定应用定制芯片的转变趋势。 非投资建议：内容基于作者个人工程与 AI 背景的分析，不构成专业财务建议。

🎬 2026年6月值得买入的高增长股票

（原标题：Top Stocks I'm Buying For Huge Growth In June 2026） 📊 英伟达财报与竞争格局 英伟达（Nvidia）最新季度营收达 816 亿美元，同比增长 85%，创历史最佳纪录。 公司首次不再单独报告游戏 GPU 业务，将其并入“边缘计算”板块，该板块占总营收不足 8%。 这一会计处理变化使得高通（Qualcomm）、苹果（Apple）、AMD 等竞争对手可直接对比其强势业务与英伟达的弱势领域，从而在叙事上占据优势。 在数据中心领域，英伟达面临 ARM 和高通推出的数据中心 CPU 竞争，以及 Google、Amazon 等定制 AI 芯片在推理效率上的挑战。 🚀 高通：切入中国 AI 市场 高通股价在过去两个月内翻倍，主要得益于与字节跳动（ByteDance）达成的数据中心芯片供应协议。 高通负责将字节跳动的定制 AI 芯片设计转化为可量产产品，并协调台积电（TSMC）在 2026 至 2027 年间生产数百万颗芯片。 由于这些芯片属于定制 ASIC（专用集成电路），不受针对英伟达的出口管制限制，使高通得以进入英伟达被禁运的中国 AI 市场。 高通的汽车业务上季度营收 13 亿美元，同比增长 38%，远超英伟达汽车业务 6% 的增速。 高通计划推出 Orion CPU 直接竞争英伟达 Vera CPU，并将在未来两年内推出 AI200 和 AI250 推理加速器。 💾 美光：内存成为 AI 核心 美光（Micron）市值突破 1 万亿美元，成为美国唯一生产 AI 数据中心高带宽内存（HBM）的公司。 相比受地缘政治和关税影响的韩国竞争对手（SK 海力士、三星），美光作为美国本土企业具备供应链安全优势。 美光上季度营收近 24 亿美元，同比增长近 200%；毛利率达 75%；净利润增长近 20 倍。 公司指引显示下季度营收将环比增长 40%，毛利率再增 6%，盈利环比增长 57%。 美光 2026 年的 HBM 产能已售罄，其前瞻市盈率仅为 12 倍，低于其他芯片公司 20 至 80 倍的区间。 🛰️ 太空股与 SpaceX IPO 预期 SpaceX 预计于 6 月 12 日以代码 SPCX 上市，估值接近 2 万亿美元，将成为史上最大 IPO。 Rocket Lab（RKLB）是目前唯一公开上市的垂直整合太空公司，涵盖火箭发射、卫星制造和任务运行。 Rocket Lab 上季度营收 2 亿美元，同比增长超 60%；订单积压达 22 亿美元，同比增长 100%。 其 Electron 火箭使用 3D 打印的 Rutherford 引擎，制造时间从数月缩短至数天，成本大幅降低。 尽管 SpaceX 估值约为前瞻营收的 60 倍，而 Rocket Lab 为 20 倍，但两者目前服务于不同细分市场（大型载荷 vs 小型卫星）。 英伟达的 Vera CPU 也是 SpaceX 的早期客户之一，表明 AI 基础设施正延伸至太空领域。

🎬 我正在尽可能多地买入股票

（原标题：I'm Buying Every Share I Can.） 📉 市场双重冲击与投资机会分析 ⚠️ 核心观点：即将到来的市场震荡 当前市场正面临来自两个方向的重大冲击，而华尔街尚未充分定价这些风险。媒体往往忽视了这一局势的严重性，因为危机将从地缘政治（供给端）和科技巨头基本面（需求端）同时爆发。尽管目前标普500和纳斯达克处于历史高位，但贪婪指数显示投资者情绪正在逆转边缘。对于准备充分的投资者而言，这并非恐慌抛售的时刻，而是利用数据而非直觉，在“别人恐惧时贪婪”的绝佳买入机会。 🌍 关键事实与论据：双重危机源头 1. 地缘政治冲击：霍尔木兹海峡封锁 现状：霍尔木兹海峡已关闭60天，过去两个月油价上涨超过50%，导致企业成本上升、利润率压缩。 时间窗口：美国总统特朗普无需国会批准即可部署美军的60天窗口期将于5月11日到期。接下来11天至关重要，可能出现三种结果：升级冲突、撤除海军封锁或争取国会延期授权。 供应链脆弱性： 台湾进口97%的能源，其中近40%的电网电力来自中东天然气。 TSMC（台积电）现场仅储备约11天的液化天然气。 全球30%的氦气供应来自卡塔尔，氦气是冷却先进芯片制造机器磁铁的关键材料。一旦氦气供应中断，芯片生产将停滞。 韩国通过霍尔木兹海峡进口超过一半的氦气，若海峡持续关闭，韩国内存生产将先于美国公司放缓。 2. AI行业基本面冲击：OpenAI 危机 估值与收入错配：OpenAI当前估值接近1万亿美元，但其年收入运行率仅为250亿美元（去年营收130亿美元，亏损80亿美元）。 巨额承诺风险：Sam Altman去年签署协议，承诺未来在AI基础设施上支出约1.4万亿美元。若无法达成部署里程碑，这些承诺将成为巨大负担。例如，AMD的一项协议允许OpenAI以每股1美分的价格购买其最多10%的股份，随着AMD股价上涨，该选项价值远超纸面数字。 法律诉讼：Elon Musk起诉要求将OpenAI恢复为非营利组织，更换领导层并追回1340亿美元赔偿至非营利部门。若法院判决OpenAI向非营利部门支付约650亿美元或更多，其现金流将立即断裂，即便不考虑那1.4万亿美元的支出承诺。 连锁反应：若Elon Musk胜诉，微软持有的1300亿美元股份可能归零；即使达成中间和解方案，OpenAI的财务状况也将受到重创。 📊 历史数据与市场策略 牛熊周期规律：根据First Trust和Bloomberg的数据，牛市平均持续4.4年，回报率约151%；熊市平均持续11个月，跌幅约32%。牛市持续时间约为熊市的四倍多，回报率为熊市跌幅的五倍左右。 恢复时间：市场从底部完全恢复通常需要数月而非数分钟。例如，2020年疫情初期市场单月下跌34%，但仅用5个月即收复失地；1956年的熊市则耗时更久。这为投资者提供了充足的计划时间和现金储备窗口。 恐惧与贪婪指数：CNN的该指数目前接近一年来的贪婪记录高位，但裂痕已现。历史数据显示，指数的低点（如2023年11月20日和3月30日）往往对应标普500的底部。 🎯 目标标的与逻辑 作者建议关注两类股票：拥有极强定价权的公司，以及拥有巨额营收、自由现金流和“战争资金”以抵御风暴的公司。 具有定价权的标的 Micron (MU)： 逻辑：美国唯一的内存公司。若韩国竞争对手因氦气短缺减产，Micron可作为高带宽内存（HBM）的第二供应商，从而获得提价权。 估值：远期市盈率低于8倍，是AI供应链中估值最低的大盘股之一，预计明年盈利增长近100%。 ASML： 逻辑：全球唯一制造EUV光刻机的公司，TSMC、三星和英特尔无法替代其设备。即使供应链紧张，芯片制造商也必须购买其机器以保持竞争力。4月15日财报显示，尽管存在供应冲击，其销售额、盈利和指导均有所增加。 TSMC (TSM)： 逻辑：制造全球约90%的最先进芯片。若能源储备耗尽，TSMC将优先满足最高利润率的客户（如Nvidia），并推迟其他订单或提高价格。 Nvidia (NVDA)： 逻辑：占据数据中心GPU市场超过90%的份额。在供应链紧张时，作为最高利润率客户将获得晶圆厂的最高优先级。虽然若OpenAI支出缩减其将首当其冲，但若AI需求持续，它将捕获大部分上行空间。 拥有巨额现金流的标的 Amazon, Microsoft, Google (Alphabet), Meta Platforms： 逻辑：这些超大规模云服务商是Nvidia芯片的主要买家，同时也拥有自己的AI模型和基础设施（如Microsoft收购Inflection、Google的Gemini、Meta的Llama、Amazon投资Anthropic）。 优势：若OpenAI崩溃，需求不会消失，而是转移到这些拥有独立策略的公司。机构资金在市场复苏初期通常首选这类大型蓝筹股，因为它们抗风险能力强且增长确定性高。过去一年中，持有Google股票可获得118%的收益，Amazon为40%，Meta为20%。 💡 结论 市场正面临地缘政治和AI行业基本面的双重考验，但历史数据表明这是长期投资者的买入机会。投资者应利用恐惧与贪婪指数作为时机参考，保持耐心，重点关注拥有定价权（Micron, ASML, TSMC, Nvidia）和强大现金流（Amazon, Microsoft, Google, Meta）的公司，避免恐慌性抛售，在市场底部逐步建仓。

🎬 靠 NVIDIA 致富？量子计算机遇更大

（原标题：I Got Rich Off NVIDIA. This Is Even Bigger.） 🚀 量子计算投资机遇与标的分析 💡 核心观点：从科幻走向可投资的现实市场 视频指出，随着 NVIDIA 发布开源软件栈 iSing、IonQ 实现光子互连以及 Rigetti 将量子计算机接入 AWS 云，量子计算正式进入可投资阶段。NVIDIA CEO Jensen Huang 的态度转变（从认为实用化需15-30年，到承认已接近拐点）标志着行业共识的形成。未来并非量子计算机取代 GPU，而是混合计算模式：CPU、GPU 与 QPU 协同工作。全球量子计算市场预计在未来十年增长超过20倍，到2035年规模可达400亿美元，复合年增长率（CAGR）约为36%，增速远超标普500指数。 📊 关键事实与技术突破 NVIDIA 基础设施布局：发布了 NVQ-Link（高速连接技术，延迟仅几微秒，用于实时监控和纠错）及开源 AI 工具包 iSing（加速量子校准，将耗时从几天缩短至小时级）。 IonQ (IONQ) 突破：宣布首个商用量子处理器间的光子互连，实现多芯片协同；被 DARPA 选中参与为期两年的 Hark 项目，获得联邦资金支持。 Rigetti Computing (RGTI) 进展：首款100+量子比特处理器已在 AWS 上通用可用，用户可像租赁普通服务器一样租用其算力；已接入 NVIDIA 的 NVQ-Link 和 CUDA-Q 堆栈。 D-Wave (QBTS) 动态：收购 Quantum Circuits Inc.，拥有量子退火和门控超导两种架构；2025年1-2月新增订单3280万美元，超过其全年营收。 📈 三家上市公司财务与风险对比 IonQ (IONQ) 技术路径：离子阱系统（Trapped Ion），量子比特质量高、错误率低，易于联网扩展。 财务状况：2025年第四季度营收6200万美元（同比增长429%）；全年营收1.3亿美元，是唯一突破1亿美元大关的公开交易量子公司。订单积压达3.7亿美元，预计2026年营收增长约80%。 风险与资金：尽管报告净利润7.54亿美元，但这主要源于非现金权证重估收益（9.5亿美元），实际运营仍亏损。拥有约33亿美元现金及短期投资，抗风险能力强。 Rigetti Computing (RGTI) 技术路径：超导系统，运行速度快但错误控制难；是唯一可直接投资的纯超导量子硬件公司。 财务状况：2025年第四季度营收190万美元（同比下降18%）；全年营收710万美元。仍属商业化前阶段。 风险与资金：每季度烧钱约2000万美元，拥有约5.9亿美元现金，现金流跑道约为30个季度（7.5年）。估值不依赖当前营收，而取决于量子比特数量增加、AWS客户采用率及合作伙伴关系进展。 D-Wave (QBTS) 技术路径：量子退火（专用优化问题）+ 门控超导（通用计算，通过收购获得）。拥有双重架构选项权。 财务状况：2025年第四季度营收280万美元（同比增长19%）；全年营收2460万美元（同比增长179%）。已有大众汽车、NASA、洛克希德·马丁等付费客户。 风险与资金：业务波动大，依赖大额交易。拥有约6.3亿美元现金，年烧钱约7000万美元，现金流跑道接近9年。 ⚖️ 结论与投资逻辑 量子计算行业存在三大共性风险：营收规模小导致股价高波动（单日涨跌幅可达30%-50%）、客户集中度高（主要依赖政府和国防承包商）、技术路线不确定性（今日赢家可能是明日输家）。 IonQ：适合寻求产品市场验证和确定性的成长型投资者。拥有最强的资产负债表、最高的营收增长及明确的订单积压，风险回报比最优。 Rigetti：适合愿意承担执行风险以换取 NVIDIA 量子未来敞口的投资者。其优势在于与 NVIDIA 生态的深度整合及 AWS 的可访问性，但当前营收最小。 D-Wave：适合喜欢“既要又要”的投资者。拥有现有付费客户和双重技术架构，无需单一路线成功即可生存，且资金充裕可支撑至盈利。 鉴于三种公司采用根本不同的技术路径，难以预测最终赢家，分散持有这三只股票以覆盖整个市场被视为一种策略选择。若仅基于市值、营收、积压订单及增长潜力进行单选，IonQ 被认定为最佳选择。