模型发布与市场关注 - 一款名为“Hunter Alpha”的AI模型于3月11日以“隐身模型”形式在开发者平台OpenRouter匿名上线，并向开发者提供免费访问，引发全球开发者社区关注[1][2] - 市场猜测该模型可能是DeepSeek在正式发布前对其下一代系统进行的秘密测试[1] 核心性能参数 - 模型具备**1万亿**参数规模，属于当前最前沿模型梯队[2][4] - 系统拥有高达**100万token**的上下文窗口，远高于多数商业模型，意味着可处理更长文本与复杂任务[2][4] - 构建AI代理系统的工程师表示，其**100万token**上下文与推理能力相结合，且免费访问的组合非常引人注目[5] - 凭借高性能与零成本优势，该模型在开发者中迅速普及，截至周日，已处理超过**1600亿**个token[5] 与DeepSeek的关联线索 - 在测试中，该模型自称是“主要以中文训练的中国AI模型”，其训练数据知识截止时间为**2025年5月**，与DeepSeek现有模型报告的知识截止点完全一致[2][6] - 当被问及开发者身份时，系统拒绝回答，仅告知其名称、参数规模和上下文窗口长度[2][7] - AI工程师分析认为，模型的“思维链”推理风格是强烈的信号，反映了其训练方式，且其规模和记忆容量与市场流传的DeepSeek V4规格预期相符[7] - 多家媒体曾报道，DeepSeek的下一代V4模型最早可能在**4月**发布[7] 行业测试惯例与不同观点 - 在AI行业，通过匿名发布模型来获取真实反馈已成为一种标准做法，OpenRouter等平台是新系统理想的测试场[9] - 模型个人资料页通知称，所有提示和完成内容“均由提供商记录，并可能用于改进模型”，印证了其作为测试的性质[10] - 行业存在先例，例如今年2月匿名发布的“Pony Alpha”模型，五天后被中国公司Zhipu AI确认为其GLM-5系统的一部分[11] - 部分开发者对Hunter Alpha就是DeepSeek V4的结论持谨慎态度，有分析表明该模型在token相关行为和架构模式上与DeepSeek现有系统存在差异[11] - 但分析者也承认，考虑到发布时机和所宣传的功能，市场将其与DeepSeek联系起来的猜测是可以理解的[12]

市场再定价的规模与表现 - 过去两周，全球利率市场经历了一轮急促的“鹰派再定价”，欧洲央行2026年政策利率预期被上调逾55个基点，联邦基金期货本月以来削减了约40个基点的降息预期，美欧两年期收益率各上行约35至40个基点 [3] - 亚洲市场的押注更为极端，当前利率曲线已计入未来两年韩国、印度各加息4次 [3] - 高盛将过去两周的货币政策因子波动定性为自2000年以来第三大两周跌幅 [4] - 多数G10经济体对“未来12个月前端利率上移”的定价，达到自2023年以来最大幅度，但美元前端曲线仍在定价未来12个月降息，与其他市场形成明显分化 [5] 油价冲击的性质与核心反驳逻辑 - 摩根大通、瑞银与高盛认为，市场将“油价上涨等于央行加息”的线性逻辑定价得过于激进，而对油价冲击的增长代价反而低估了 [3] - 这轮油价冲击的本质是“供给侧增长税”，而非2022年式的广谱通胀螺旋，由地缘升级推动的油价飙升明显对增长不利，很难促使央行重回收紧流动性的轨道 [4] - 瑞银指出，石油供应中断已导致近期石油期货价格比央行的预期高出50% [4] - 加息的真实门槛远高于市场当前定价，各地央行目前倾向于“稳汇率、保流动性、财政托底”的政策组合，而非直接动用政策利率 [4] 油价对通胀与增长的影响测算 - 瑞银测算显示，油价每上涨10%，新兴亚洲平均CPI约抬升25个基点；若油价全年平均维持在85美元/桶附近，新兴亚洲整体CPI可能比央行预测高约60个基点 [6] - 瑞银情景分析以油价平均85美元/桶为基准：菲律宾2026年CPI可能从央行预测的3.6%升至约4.3%，韩国从2.2%升至约2.8%，印尼从2.5%升至约3.1% [11] - 油价在80至90美元/桶区间，可能令新兴亚洲GDP减少约60个基点，或使新兴亚洲增速比趋势低约1个百分点 [11] - 摩根大通经济学家给出量级门槛：原油需要维持在125美元/桶或以上，冲击量级才可能接近过去较大冲击；若要达到类似俄乌冲突初期的规模，原油可能需要接近150美元并持续数月 [8] 央行政策路径与实际行动 - 主要央行目前的实际动作与利率市场的激进定价存在明显落差，近期各国政策反应的主旋律是汇率平滑、流动性维稳与定向财政支持，而非直接收紧货币政策 [13] - 印度议会已批准新财年净额新增支出约240亿美元；韩国推出约20万亿韩元补充预算及燃油价格上限，央行也宣布约3万亿韩元国债购买 [13] - 瑞银将潜在政策路径分为三类：新加坡金管局可能因增长因素率先有所动作；韩国、马来西亚、菲律宾若油价高位持续，下半年存在校准式加息的可能，但“不是基线判断”；印度、泰国、印尼等经济体目前面临的更多是暂停降息，而非转向加息 [13] - 高盛预计，本周多个主要央行（美联储、欧洲央行、英国央行、日本央行、瑞士央行、瑞典央行、加拿大央行）大概率维持利率不变，唯一预期加息的是澳洲联储 [14] 市场情绪、仓位与潜在风险 - 市场叙事已从冲突初期的“逢低买入”，迅速切换到“押注持久战、油价新高、复刻2022”，但技术指标与仓位数据并不支持“彻底出清”已经完成 [15] - 当前市场对增长风险的再定价明显不足：信用超额回报、周期股相对防御股的表现以及美股对衰退的定价，均未走到“要出大事”的程度 [17] - 高盛测算显示，标普500对美国10年期实际利率和盈亏平衡通胀的beta均已明显转负，这意味着利率波动不再天然利好防守型配置 [17] - 摩根大通判断，真正的“清算时刻”若出现，可能集中在2至3天的抛售窗口内，并可能与油价冲至120至130美元附近同时发生 [17]

桥水基金创始人、宏观投资者达利欧（Ray Dalio）对当前中东局势给出了一个非常明确的判断： 这场冲突的最终胜负，将取决于谁控制霍尔木兹海峡。 3月16日，在X上发布的长文中，达利欧表示，这条海峡不仅是地缘政治博弈的核心节点，更可能成为决定全球权力格局的一场" 终极决战 "： 如果伊朗保留对霍尔木兹海峡航行的控制权，甚至只是拥有通过威胁封锁该海峡进行谈判的能力，美国都将被视为输掉了这场战争；而如果美国能够确保海 峡的航行自由，并削弱伊朗的威胁，则将强化美国的全球领导地位。 霍尔木兹海峡被认为是全球最关键的能源运输通道之一，大量中东石油和天然气都必须经由这里进入国际市场。一旦该海峡的通行受到威胁，不仅会冲击全球 能源供应，还可能迅速传导至金融市场、贸易体系以及地缘政治格局。 达利欧认为，正因为如此，围绕这条海峡的控制权争夺，很可能成为决定战争结果的关键节点。 历史经验：帝国衰落往往始于关键通道 更重要的是，达利欧将这一局势与历史上多个帝国转折点进行了类比： 例如，在苏伊士运河危机之后，英国的全球影响力迅速衰落。类似的情形也曾出现在荷兰帝国和西班牙帝国的衰落过程中： 当一个主导强国在关键贸易通道 的争夺中显露出 ...

市场对地缘冲突的反应与信念 - 自伊朗战争爆发以来，全球股市承压但抛售力度不及历史同类冲击 标普500指数累计下跌逾3% 欧洲斯托克600指数跌幅略深但已趋稳 [1][2] - 支撑投资者按兵不动的核心信念有三点：战争不会旷日持久 私募信贷不会引发系统性危机 政策制定者终将出手托市 [1][2] - 发达市场中技术上处于超卖状态的股票不足20% 获利了结范围有限 上周甚至出现小规模逢低买入 市场定位仍偏多头 [2] 市场结构特征与情绪指标 - 风险规避情绪释放具有选择性 资金外流主要集中于高收益债券、新兴市场债务和金融股 大盘层面尚未出现触发逆向买入信号的“熊市恐慌” [4] - 市场调整结束通常需要满足三个条件：超卖资产触底、超买资产被抛售、避险资产不再受追捧 当前这一序列正在演进 [4] - 市场对冲需求急剧攀升 VIX偏斜度相对于平值波动率已接近历史高位 显示市场正在为尾部风险支付高昂溢价 是极度悲观情绪的经典标志 [4] 政策响应与宏观经济情景 - 局势走向呈二元分化：若油价急涨后迅速回落 通胀被视为暂时性 对增长冲击温和 央行可能对价格上涨暂时搁置 最终利好风险资产 [5] - 若通胀与增长双双承压、经济面临衰退风险 股市则将面临更大的下行脆弱性 [5] - 央行的政策空间正在收窄 互换市场已完全定价欧洲加息预期 英国降息预期被悉数撤回 美国的降息预期也开始遭到削减 [7] 潜在风险与市场展望 - 巴克莱策略师警告 市场神经正日益紧绷 霍尔木兹海峡封锁时间越长 市场的滞胀特征就会越明显 [3] - 投资者仍相信“特朗普看跌期权”的存在 这是全球股市跌幅不及以往石油冲击的原因 [3] - 战争对通胀和生活成本的冲击 可能迫使美国政府在中期选举前寻求尽快结束冲突 [6] - 市场正处于审视可能政策回应的阶段 若冲突持续更长时间 央行也将作出某种形式的回应 [8]

核心观点 - 花旗看好全球电力变压器行业，预计供应短缺将至少持续到2029年，核心矛盾在于扩产、交付和用工能力跟不上由电网升级、发电侧扩张及数据中心新增负荷驱动的需求增长 [1] - 行业呈现“价格周期”特征，供不应求导致交期拉长、价格上行，订单向具备产能兑现能力的厂商集中 [2] - 短缺由“硬约束”的供给瓶颈导致，包括熟练技工不足、关键材料与零部件供应链紧张、以及高昂的资本开支，这些“慢变量”使得扩产无法迅速填补需求缺口 [12][13] 供需缺口测算 - **年度缺口**：预计2025年全球高压（>100kV）电力变压器供给约2358.5 GVA，需求约3066.0 GVA，年度短缺约707.5 GVA，相当于需求存在约30%的缺口 [1][4] - **年度缺口收敛**：2026至2028年，年度短缺预计依次约为522.2 GVA、325.2 GVA和143.9 GVA [5] - **累积缺口扩大**：累积短缺将从2025年的708 GVA持续上升，在2028年达到约1699 GVA的峰值 [1][3] - **缺口转向与消化**：从2029年开始，年度供给将略高于年度需求（预计2029年盈余约47.2 GVA），但累积短缺到2030年仍未完全消化 [6] 供给端约束 - **产能扩张有限**：尽管预计全球高压变压器生产能力在2025-2028年间合计增加53%（2026E/2027E/2028E年增速分别为+17%/+15%/+13%），到2030年累计增幅约95%，但仍无法满足需求增长 [9] - **熟练技工瓶颈**：熟练技工不足是需要多年才能缓解的障碍，培训周期会削弱扩产的边际效果 [12] - **供应链与成本压力**： - 美国高度依赖进口，约80%的电力变压器供应来自进口 [12] - 关键材料如取向硅钢（GOES）美国国内供应高度集中，铜绕组也可能成为生产瓶颈 [12] - 美国对进口铜征收50%关税，增加了供给端的“摩擦成本” [12] - **资本开支高昂**：在美国新建高压（>220kV）变压器产能，单位资本开支约需4.5-5亿美元/每1 GVA产能，高于日本、韩国、欧洲和中国 [13] - **行业集中度下降**：按产能口径计算，前十大厂商份额预计将从2025年的79.4%降至2030年的72.6%，供给的“有效增量”分散且兑现节奏不一致 [8] 需求端驱动 - **电网与发电侧投资**： - 2024年，发达经济体与中国合计占全球电网投资约80%，其中美国约1000亿美元，欧盟约600亿美元 [14] - 在净零情景下，全球电网投资到2030年前的年均增速约12%，规模可达7770亿美元 [14] - **数据中心新增负荷**： - 花旗将其美国研究团队对超大规模云厂商资本开支的增速假设，从此前18%的年复合增长率上调至2025-2030年的28% [15] - 基于韩国变压器厂商新签订单估计，美国电力变压器需求中，电网占40-45%，电厂占30-35%，数据中心占20-25% [16] 价格与市场影响 - **价格显著上涨**：自2019年以来，美国不同类别变压器单位成本大幅上升，发电升压变压器约+45%，电力变压器约+77%，配电变压器约+78%到+95% [17] - **生产者价格指数（PPI）上行**：2026年1月美国电力与配电变压器PPI指数为366.6，同比上涨6.2%，价格上行动能预计将持续 [17] - **关键变量**：数据中心资本开支与用电负荷是否继续上修、关税与进口依赖的叠加效应、以及扩产的实际兑现能力（产线建设、投产爬坡、熟练工培训）是影响行业价格、利润与估值的关键链条变量 [18][19][20] 区域需求影响 - 中东冲突对全球需求影响有限，因该地区在全球电力变压器需求中占比不高（约6%），行业景气度主要由北美、欧洲、亚太的电网投资与数据中心扩张速度决定 [21]

公司战略定位与增长预期 - 公司正从一家“芯片公司”向“AI基础设施和工厂公司”蜕变 [2] - 公司创始人提出了驱动未来增长的底层商业逻辑——“Token工厂经济学” [2] - 公司创始人表示，到2027年，公司看到了至少1万亿美元（at least $1 trillion）的高确信度需求，并认为实际计算需求会更高 [6][10] - 公司系统被证明是全球“成本最低的基础设施”，其通用性使得客户投入的1万亿美元能被充分利用并保持长久生命周期 [11] - 公司目前60%的业务来自排名前五的超大型云服务商，40%的业务广泛分布于主权云、企业、工业、机器人和边缘计算等领域 [12][69] 技术架构与产品进展 - 公司推出了有史以来最复杂的AI计算系统Vera Rubin，这是一个100%液冷、完全消灭了传统线缆的完整系统 [19] - Vera Rubin系统在两年内将Token生成速率从2200万提升到了7亿，实现了350倍的增长，远超摩尔定律同期的约1.5倍提升 [20] - 公司整合了Groq技术，通过Dynamo软件系统实现非对称式分离推理，将需要海量计算的“预填充”阶段交给Vera Rubin，将对延迟敏感的“解码”阶段交给Groq [21][23] - 由三星代工的Groq LP30芯片已在量产，预计第三季度出货，首个Vera Rubin机架已在微软Azure云上运行 [24] - 公司展示了全球首款量产的共封装光学（CPO）交换机Spectrum X，并强调需要同时扩大铜缆、光芯片和CPO的产能 [25] - 公司“剧透”了下一代计算架构Feynman，并正在研发部署在太空的数据中心计算机“Vera Rubin Space-1” [29] 商业模式：“Token工厂经济学” - 未来的数据中心是生产Token（AI生成的基本单位）的“工厂”，在固定的功率下，谁的每瓦Token吞吐量最高，谁的生产成本就最低 [13][15] - AI服务将分为多个商业层级定价：免费层、中级层（~每百万token 3美元）、高级层（~每百万token 6美元）、高速层（~每百万token 45美元）、超高速层（~每百万token 150美元） [16] - 公司的架构能够让客户在免费层实现极高吞吐量，同时在最高价值的推理层级上将性能提升惊人的35倍 [17] - 以简化模型估算，将25%功率分配给四个收费层级，新一代系统可比上一代系统多产生5倍的收入 [75] 软件生态与行业变革 - 开源项目OpenClaw被形容为“人类历史上最受欢迎的开源项目”，本质上是Agent计算机的“操作系统” [27] - 创始人断言，每一个SaaS公司都将变成AaaS（Agent-as-a-Service，智能体即服务）公司 [28] - 公司推出了企业级的NeMo Claw参考设计，增加了策略引擎和隐私路由器，以确保智能体安全落地 [28] - 未来职场新形态可能包含为工程师提供年度Token预算，其额度可能相当于基础年薪的一半，以实现10倍的效率提升 [29][95] - 过去两年，风险投资流入AI初创企业的资金规模达到1500亿美元，创历史之最，单笔投资规模跃升至数亿乃至数十亿美元 [57] 性能突破与行业合作 - 通过极致的端到端软硬件协同设计，公司在推理性能上实现了历史性飞跃，第三方评测显示其在每瓦token数和每token成本上均遥遥领先 [71][72] - 以客户Fireworks为例，在公司更新全套软件和算法后，其平均token速度从每秒约700个提升至接近每秒5000个，提升约7倍 [73] - 公司与全球主要云服务商（Google Cloud、AWS、Microsoft Azure、Oracle、CoreWeave等）建立了深度合作关系，将客户引入云端并加速其服务 [45][46][47][48][49] - 公司宣布成立Nemotron联盟，投资数十亿美元推进AI基础模型研发，联盟成员包括多家知名AI公司和研究机构 [97] 垂直行业应用与扩展 - 公司的CUDA-X库是其在各垂直行业（自动驾驶、金融服务、医疗健康、工业、娱乐、机器人、电信等）发挥价值的核心 [54][55] - 本次GTC有110款机器人亮相，公司提供训练、仿真、机载三台计算机及完整软件栈 [54][98] - 在自动驾驶领域，公司宣布四家新合作伙伴（比亚迪、现代、日产、吉利，合计年产量1800万辆）加入其RoboTaxi Ready平台 [98] - 公司创建了Omniverse及基于其上的NVIDIA DSX平台，用于所有合作伙伴在虚拟世界中共同设计和运营吉瓦级AI工厂，估计可将能源利用效率提升约2倍 [85]

阿里巴巴组织架构重塑 - 公司于3月16日宣布成立Alibaba Token Hub事业群，由CEO吴泳铭直接挂帅，整合了通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新部[1] - 此次重组是全球科技巨头中首次彻底摒弃按产品线划分的传统逻辑，转而以“Token流转”为核心组织原则重构AI版图[2] - 新组织ATH的使命是“创造Token、输送Token、应用Token”，覆盖从基础模型研发、模型服务平台到C端和B端AI应用的完整链条[6][9] AI行业Token消耗趋势 - 全球Token消耗量正经历“寒武纪大爆发”，驱动力来自AI Agent[3] - 当AI从“聊天”转向“办事”，推理模型每次查询的Token消耗比普通模型高17倍以上，Agent工作流消耗更是传统聊天的100倍[3] - 谷歌CEO皮查伊在2025年10月透露，谷歌每月处理的Token数量已达1.3千万亿个，较一年前暴增约130倍[4] 阿里巴巴AI业务增长数据 - 阿里云百炼平台的API调用量在去年一年内增长接近100倍[5] - 千问模型全球下载量突破10亿次，并在OpenRouter全球市场份额中占比超12.3%，超越OpenAI和Llama系列[5] - 千问App自去年11月公测起，3个月内月活跃用户突破2.03亿[7] - 百炼的Coding Plan订阅服务因需求持续快速暴涨超出预期，上线约两个月后被迫暂停首购优惠[5] 与谷歌DeepMind整合案例对比 - 谷歌在2023年4月将Google Brain和DeepMind合并，由Demis Hassabis统帅，以应对外部竞争和内部资源内耗[10] - 合并后8个月发布Gemini 1.0系列模型，次日Alphabet股价涨5.3%[11] - 到2026年1月，Gemini市场份额从一年前的约5.7%跃升至21.5%，全球月活用户达7.5亿[11] - Alphabet市值在2026年1月12日历史性突破4万亿美元[11] - 从合并重组到市值巅峰，耗时不到3年[12] ATH整合的潜在优势与关注点 - ATH的整合版本比谷歌更领先，一步到位将模型研发、MaaS平台、C端和B端应用全部整合，覆盖Token完整生命周期，而谷歌DeepMind的整合前后经历了约18个月[14] - 首次亮相的悟空事业部定位B端AI原生工作平台，旨在将模型能力深度融入企业工作流[15] - ATH还将监管钉钉和夸克品牌下的设备，钉钉在中国企业市场拥有超过7亿用户，为B端AI应用提供了强大的分发基础[15] - 公司自2023年9月确立“AI驱动”战略，到2025年2月抛出3800亿元人民币资本开支计划，再到ATH成立，完成了“战略宣言→资本配置→组织重塑”的闭环[17] 行业竞争格局演变 - ATH的成立宣告AI战争从“模型军备竞赛”正式进入“Token供应链之争”[20] - 行业竞争的关键在于谁能率先完成从底层算力到顶层应用的全链条整合，从而掌握下一个十年的定价权[20]

核心观点 - 摩根大通系统性解读了近期地缘冲突后黄金价格下跌的现象，认为这是市场压力初期因流动性需求导致的规律性抛售，而非避险属性失效，并指出这往往构成战术性买入机会 [1] - 公司维持对黄金的强劲看多判断，预计金价将从2026年一季度的5100美元/盎司持续攀升至四季度的6300美元/盎司 [2] - 长期看涨逻辑基于能源冲击可能引发的通胀对冲价值以及美联储因此可能转向宽松政策 [12] 黄金价格近期表现与市场规律 - 伊朗冲突爆发两周以来，黄金价格不涨反跌，较开战前累计下跌约6% [1] - 在市场压力骤升初期，黄金因投资者全面去风险化而被“一并抛售”是有据可查的历史规律，并非避险功能失效的信号 [1] - 自2006年以来的数据显示，当VIX指数处于高位（30及以上）且持续攀升时，黄金的平均周度回报率为负值，金价上涨的概率仅为45% [3] - 地缘冲突风险溢价对黄金的提振效应往往短暂，表现为“买预期、卖事实” [4] 近期金价下跌的驱动因素 - 近期黄金抛售由多重因素驱动：能源价格飙升推高通胀预期，促使市场大幅压低对美联储降息的预期，叠加美元急速反弹 [1] - 最主要的推手是股市波动加剧引发的广泛去风险化，当VIX指数高企时，投资者在保证金追缴、组合再平衡和VaR冲击压力下被迫抛售黄金以筹措流动性 [1] - 全球黄金ETF持仓在上周出现明显流出 [1] 短期风险与战术机会 - 短期内，黄金仍可能面临进一步下行压力，若股市更剧烈地定价全球经济前景恶化，将触发新一轮去风险浪潮 [1] - 利率市场继续消化美联储降息预期也可能带来额外拖累 [1] - 历史数据表明，去风险引发的金价下行通常持续时间有限，随后的反弹往往迅速且明显 [5] - 在VIX首次收盘突破30的事件中，抛售压力在最初两个交易日最为集中，金价平均累计下跌约0.5%；但从第三个交易日起持续反弹；至第4个交易日平均已收复全部失地；至第约10个交易日，从低点至峰值的平均涨幅超过2% [5] - VIX的运动方向是关键信号，在高位且下行的VIX环境下，黄金历史上表现最为强劲 [6] - 在25个VIX突破30的事件中，有22个事件的VIX在约10至15个交易日内回落至30以下 [6] 长期看涨逻辑 - 若能源中断（如霍尔木兹海峡封锁）持续时间越长、对通胀和经济增长的冲击越实质性，黄金的宏观背景就越可能迅速且大幅转向看涨 [2] - 长期看涨逻辑基于两条相互强化的主线：通胀对冲价值与美联储政策转向预期 [12] - 自2000年以来美国CPI快速持续上涨超过2.5个百分点的五个历史时期中，除2020年至2022年周期外，其余四个时期黄金均录得两位数涨幅，且跑赢大宗商品综合指数（BCOM） [12] - 若此次油价冲击演变为滞涨环境，黄金的通胀对冲价值将更加突出 [12] - 若油价持续大幅攀升至每桶120美元或更高，经济下行风险将非线性放大，就业市场将承受实质性拖累，美联储预计将因就业目标而转向宽松 [12] - 一旦美联储降息路径加速开启，将对黄金上行动能形成显著放大效应 [13] 历史规律的例外情形 - 在2008年全球金融危机、2011年及2020年新冠疫情期间，VIX长期维持在高位，金价反弹进程遭到拉长乃至中断，是上述短期反弹规律的例外情形 [10]

核心观点 - 高盛发布报告，指出伊朗战争引发的石油供应冲击和高油价，正对美股市场构成显著下行风险，其过度乐观的2025年底预测面临挑战[1][2] - 尽管公司维持标普500指数年底7600点的基准目标，但内部逻辑已调整，下调了市盈率预期，并量化了两种因伊朗冲击导致的下行情景[2][4][6] - 当前市场面临仓位与基本面的双重挑战，高企的总敞口与拥挤的共识仓位导致市场内部轮动剧烈，周期交易的窗口正在收窄[3][11][12] 市场前景与目标调整 - **基准目标与内部调整**：高盛维持标普500指数年底目标价7600点不变，但将支撑该目标的预期市盈率从22倍下调至21倍[4] - **盈利预测调整**：2025年标普500每股收益（EPS）实际实现275美元，略超预期，公司维持对2026年EPS增长12%至309美元、2027年增长10%至342美元的预测[4] - **增长关键驱动力**：约7000亿美元的AI投资热潮预计将贡献标普500指数今年约三分之一的盈利增长，有效对冲经济活动走弱的拖累[4] 伊朗冲击下的风险情景 - **温和增长冲击情景**：在“中等增长冲击”假设下，标普500指数可能跌至6300点，对应市盈率19倍，较历史高点7000点下跌约10%[7] - **严峻冲击情景**：若油价冲击达到近几十年最严重水平，标普500指数可能从当前水平下跌19%至5400点，市盈率压缩至16倍[1][2][8] - **历史参照**：在1974年、1980年、1990年和2022年的石油价格飙升期间，标普500指数中位跌幅为12%，从峰值到谷底的中位跌幅达23%[9] - **经济韧性评估**：即使在霍尔木兹海峡中断60天、油价升至145美元/桶的极端情景下，美国2026年四季度GDP增速同比仍可接近2%[10] 市场结构与仓位风险 - **仓位与基本面双重挑战**：当前股票投资者同时面临高企的总敞口、拥挤的共识仓位以及基本面的下行风险[3] - **市场内部轮动剧烈**：对冲基金VIP篮子组合在过去数周下跌6%，动量因子波动率明显抬升，净敞口下降而总敞口仍处极高水平导致市场内部轮动异常剧烈[3][11] - **情绪指标与对冲迹象**：高盛情绪指标目前读数为0.0，反映股票投资者整体敞口处于中性水平，但对冲迹象已经显现[11] 行业与策略展望 - **AI不确定性持续**：到2026年底，市场对战争和美联储路径的判断将更清晰，但AI的不确定性仍将持续压制估值倍数[5] - **周期交易窗口收窄**：若冲突短期内解决，周期性股票可能出现快速反弹，但以2026年上半年经济加速为前提的周期交易窗口正在迅速收窄[12] - **美国经济结构变化**：美国经济对石油的依赖程度已显著降低，本土石油产量的提升也在一定程度上缓冲了供应冲击的影响[10]

文章核心观点 - AI算力扩张的瓶颈是动态变化的，当前及未来的核心限制正从电力、数据中心等基础设施环节，重新转移至半导体制造及其上游设备供应链，特别是极紫外光刻机（EUV）的产能，这从根本上限制了全球AI算力的增长上限 [2][5][6][8][12] - AI驱动的存储芯片（尤其是HBM）需求激增，将严重挤压消费电子（如智能手机、PC）的DRAM产能，导致消费电子产品成本上升、性能下降，并可能引发市场出货量大幅萎缩 [17][18][19][20] - 电力供应并非AI算力的绝对制约因素，存在多种技术方案可解决数据中心能源问题，而“太空数据中心”的构想在本十年内不具备经济可行性 [22][23][24] AI算力扩张瓶颈的动态演变 - AI算力扩张的瓶颈如同“打地鼠”，不断变化，从几年前的CoWoS封装，到去年的电力，再到数据中心，其本质是AI需求增速远超产业链扩张速度 [2][4][5] - 随着数据中心、电力等基础设施逐步扩张，AI算力的核心限制正在重新回到半导体制造环节，其长期供应链瓶颈在于芯片本身 [6][7] - 芯片供应链的关键限制主要包括三部分：逻辑芯片产能（晶圆厂制造能力）、高带宽存储（HBM）等存储芯片、以及晶圆厂建设与设备周期 [8] - 数据中心建设速度明显快于芯片供应链，当AI需求爆发时，芯片供应链难以及时跟上 [8] 半导体制造与设备成为终极瓶颈 - 在晶圆厂领域，洁净室是2024年和2025年最大的瓶颈，并且到2028-2030年仍将是制约因素 [8] - 如果AI算力继续高速增长，供应链瓶颈可能继续下沉，最终限制算力扩张的可能是半导体设备产能，特别是极紫外光刻机（EUV） [8][9] - 全球EUV光刻机年产量目前约为70台，未来几年可能增至80台，即便扩张，到本十年末（2030年）也很难超过100台 [11][16] - EUV光刻机产能从物理层面锁死了全球每年能新增的最高AI算力总盘子 [16] EUV光刻机的关键杠杆效应 - 以英伟达下一代Rubin芯片建设1吉瓦（GW）算力的数据中心为例，需要消耗约5.5万片3nm晶圆、6000片5nm晶圆以及17万片DRAM存储晶圆 [15] - 制造这些晶圆需要进行约200万次EUV曝光，按单台设备吞吐量计算，刚好需要3.5台EUV光刻机 [16] - 这形成了极度扭曲的杠杆效应：支撑500亿美元数据中心资本开支的，仅仅是价值约12亿美元的3.5台EUV光刻机 [16] - EUV光刻机供应链（如卡尔·蔡司镜头组、Cymer光源）极度僵化，限制了其产能扩张速度 [16] 存储芯片短缺对消费电子的冲击 - 存储器（尤其是HBM）短缺是未来一两年的核心交易主线，到2026年，科技巨头约30%的资本开支将流向存储芯片 [17] - 长上下文AI模型需要极大的键值缓存（KV Cache），引爆了对内存带宽和容量的需求，HBM占用的晶圆面积是普通DDR内存的四倍，生产1字节AI内存需摧毁4字节消费电子内存产能 [18] - 大量DRAM产能被利润更丰厚的AI芯片抢占，将导致消费电子产品物料清单成本飙升，例如苹果iPhone的存储成本可能上涨约150美元 [19] - 内存价格翻倍甚至飙升，可能导致全球智能手机出货量从每年14亿部，降至2024年的8亿部，并在2025年腰斩至5-6亿部 [20] 1字节的AI内存，代工厂必须摧毁4字节的消费电子内存产能 [18] - 随着大量DRAM产能被利润更丰厚、签订长期合同的AI芯片抢占，消费电子的BOM（物料清单）成本将飙升，苹果iPhone的存储成本可能会上涨约150美元 [19] - Patel预计，随着内存价格翻倍甚至飙升，原本每年14亿部的智能手机全球出货量，今年可能降至8亿部，明年甚至可能腰斩至5-6亿部 [20] 对电力制约与太空数据中心的看法 - 电力不会成为AI算力的终极制约，反而是一门好生意，存在多种方案可在“电表后”解决数据中心能源问题，如飞机引擎改装、中速往复式发动机、燃料电池及“太阳能+电池”组合 [23][24] - 即使电价翻倍，分摊到单颗英伟达H100 GPU每小时1.40美元的总拥有成本中，也只增加几美分，与AI模型产生的收益相比可忽略不计 [24] - 配备足够的公用事业规模储能系统，美国电网就能额外释放20%的容量给数据中心使用 [24] - 马斯克提出的“太空数据中心”构想在本十年内不会发生，原因是芯片故障率高（约15%的Blackwell芯片需退货或重新插拔）以及空间激光通信成本昂贵，经济上不成立 [24]