CEO Robert von Wülfing told participants at the German Select Conference that the group showed "a good level of resilience" in 2025 despite "a persistently challenging environment," but said profitability fell "significantly" below historic levels. Amadeus FiRe (ETR:AAD) reported a difficult 2025 marked by weakening demand across its staffing and training businesses, restructuring expenses, and a sharp drop in profitability, even as the company completed two acquisitions aimed at expanding its corporate lea ...

AI芯片行业研究纪要：从训练到推理的战场转移 一、 行业与公司概述 * **行业**：人工智能（AI）芯片行业，特别是生成式AI芯片[3] * **核心观点**：AI芯片行业竞争的主战场正从**训练芯片**向**推理芯片**发生结构性转移[3][39][61] * **涉及的主要公司**： * **市场领导者**：NVIDIA[18][67][101] * **超大规模云服务商**：Google（TPU/Edge TPU）[20][59][69]、Amazon（Inferentia/Trainium）[20][59][69]、Meta（MTIA）[20][69]、Microsoft[8] * **初创公司**：Groq（LPU）[18][20][59]、Cerebras Systems（WSE）[18][59][126]、Tenstorrent[18][59]、SambaNova[59][69]、Graphcore（IPU）[147]、Hailo[139] * **中国公司**：华为（Ascend系列）[157]、寒武纪（Cambricon）[167]、阿里巴巴（含光系列）[174] * **其他**：Intel（Gaudi系列/Meteor Lake）[107]、OpenAI（自研芯片）[8] 二、 核心观点与论据 1. 市场驱动：从训练到推理的结构性转变 * **需求爆发**：生成式AI应用的病毒式传播（如吉卜力风格图像生成）引发了推理需求的激增[5] * **资源瓶颈**：OpenAI CEO表示从未见过使用量增长如此之快，其GPU资源已完全饱和，导致GPT-4.5等大模型必须分阶段发布[5]；Meta等AI领导者也面临类似的GPU瓶颈[6] * **价值转移**：AI的真正价值不再来自训练，而是来自推理；AI正从一次性训练投资转变为持续消费模式[13]；**训练等于资本支出（CapEx），推理等于经常性收入**[17] * **经济引擎**：AI已成为消费经济，算力直接与收入挂钩，GPU成为生成Token的机器[26]；推理成本的降低会推动使用量增加，进而扩大整个AI经济规模，形成强大的反馈循环[19] 2. 技术差异：训练芯片与推理芯片的设计分野 * **训练芯片**： * **功能**：训练AI模型，处理大规模数据集以调整模型参数[30] * **计算需求**：极高，涉及大规模矩阵运算和反向传播算法[30][31]；以Transformer为例，训练过程涉及极大规模的矩阵运算、梯度计算和参数更新[48][50][53] * **功耗**：高，通常部署在数据中心[30] * **设计特点**：高性能计算核心[32]、大内存容量与高带宽（如HBM）[33]、支持多芯片扩展性[34] * **示例芯片**：NVIDIA A100、Google TPU[30] * **推理芯片**： * **功能**：使用训练好的模型执行预测或分类等任务[30] * **计算需求**：相对较低，优先考虑低延迟和高吞吐量[30][35]；仅需前向传播，无需梯度更新或反向传播[35][51][54] * **功耗**：低，适用于边缘设备或实时应用[30][36] * **设计特点**：低功耗[36]、实时响应[37]、专用硬件加速[38]；优化能效、数据移动、内存层次结构和软硬件协同优化[58] * **关键约束**：低延迟（用户期望即时响应）、高吞吐量（处理海量查询）、成本效率（降低每次查询成本）[20][57] * **部署场景**：边缘设备（如智能手机、物联网设备）、实时应用（如自动驾驶、语音助手）[30] * **示例芯片**：Amazon Inferentia、Google Edge TPU、Meta MTIA、Groq LPU[30] 3. 竞争格局：NVIDIA的平台优势与新玩家的挑战 * **NVIDIA的战略演进**： * **从训练领导者到全栈推理巨头**：其最新Blackwell架构旨在降低每个Token的成本并提高吞吐量[19] * **系统级扩展**：通过NVL72等系统构建大规模、紧密集成的GPU集群，即“AI工厂”，以处理更长的上下文窗口、更复杂的推理和多步骤AI工作流[21][23] * **软件护城河**：从CUDA到TensorRT-LLM的软件生态系统是其真正的竞争优势，将公司从芯片供应商转变为完整的AI基础设施提供商，创造了高转换成本、深度生态锁定和行业范围的标准[22][24][27] * **平台优势**：凭借雄厚的财务资源和市场地位，持续投资于从硬件创新到软件优化的全栈，通过CUDA的固有地位和NVLink/NVSwitch等高速互连技术，产生强大的锁定效应[71][72][74][80] * **新兴竞争者的创新**： * **专业化架构**：行业正从通用GPU设计转向高度专业化、面向工作负载的架构，旨在实现精确优化，而非通用灵活[70] * **代表性玩家与架构**： * **Groq LPU**：采用单核流式架构，利用大量低延迟SRAM，在Llama2-70B上实现高达253 tokens/秒，在Mixtral上实现473 tokens/秒，延迟保持在0.3秒左右[122][123] * **Cerebras WSE-3**：采用晶圆级引擎，集成高达4万亿晶体管和90万个AI核心，提供125 petaflops AI计算性能，据称计算密度和性能比NVIDIA H100 GPU高出50倍以上[128][130]；其CS-3系统运行Llama3.1-70B推理速度高达450 tokens/秒[132] * **AWS与Cerebras合作**：采用“推理解耦”架构，AWS Trainium处理预填充阶段，Cerebras CS-3处理解码阶段，通过高速EFA连接，据称可将整体推理性能提升一个数量级[136][139] * **其他**：华为Ascend 910C（约800 TFLOPS BF16性能）[160]、阿里巴巴含光800（峰值性能达820 TOPS）[177]、Intel Gaudi 3（FP8精度下性能提升超2倍）[110]、Hailo边缘AI芯片（Hailo-8达26 TOPS，功耗约2.5瓦）[142] * **竞争的核心**：竞争已不再局限于硬件规格，而是涵盖生态系统、开发者和平台战略的全栈之战[75][76]；未来取决于新兴玩家能否克服开发者锁定并建立成熟的软件生态系统，以及NVIDIA能否继续演进其推理产品以抵御日益专业化的架构[75] 4. 未来趋势：推理需求加速与多元化 * **智能体（Agent）的崛起**：未来的AI系统将能规划任务、执行工作流、与工具交互、替代部分人力劳动，这将需要更低的延迟、更高的内存带宽和更持久的计算，从而**加速推理需求**[25][28] * **应用场景多元化**：推理需求从云（大语言模型、生成式AI）快速扩展到边缘和端点环境，如自动驾驶汽车、机器人、可穿戴设备和智能家居系统，对功耗、外形尺寸和延迟有严格限制[81][82] * **HBM（高带宽内存）的关键作用**： * **训练阶段**：内存密集型和带宽驱动型，例如LLaMA 2 70B模型需要接近或超过140GB的内存，带宽需求达1-3 TB/s[86][87][88]；优先考虑内存容量和足够的总带宽，建议基线为HBM3或更高[93][97] * **推理阶段**：延迟敏感和效率导向型，通过模型分区、量化（INT8， INT4）、稀疏激活（如MoE）等技术可显著降低单设备内存压力，带宽需求通常在300-700 GB/s范围内[89][91][92]；侧重于延迟和能效，结合量化和优化技术[94][97] * **技术演进**：HBM3（~819 GB/s/堆栈）→ HBM3e（~1.2 TB/s/堆栈）→ HBM4（未来，预计超~1.6 TB/s/堆栈）[96] 三、 其他重要内容 * **基础设施投资规模**：OpenAI和微软正在推进“星际之门”超级数据中心计划，据报道涉及高达5000亿美元的投资[8] * **行业整合案例**：Graphcore已被软银集团收购，成为其全资子公司[156] * **中国AI生态建设**：华为积极构建自己的AI生态系统，推广MindSpore AI框架和ModelArts平台，旨在建立自给自足的AI生态[164] * **最终定义**：AI芯片竞赛不再关乎谁能训练最大的模型，而在于谁能以最高效的规模运行它[66]；AI的未来将由三个变量定义：**成本、效率、规模**[29]

公司2025财年业绩概览 - 2025年第四季度收入为1920万美元 同比增长36% 全年收入为7170万美元 同比增长40% [3] - 2025年第四季度调整后EBITDA为110万美元 同比改善310万美元 连续第四个季度为正 全年调整后EBITDA为820万美元 较2024年改善1430万美元 [2] - 2025年第四季度调整后自由现金流为430万美元 同比增长33% 全年调整后自由现金流为1390万美元 同比增长46% [3] - 2025年净亏损为640万美元 较2024年的1290万美元净亏损有所收窄 [7][18] 收入构成与增长引擎 - 公司收入由订阅和许可两大支柱构成 2025年订阅收入为3700万美元 许可收入为3320万美元 后者较2024年增长超过2500万美元 [1] - 许可业务增长主要由人工智能训练内容交付驱动 管理层预计2026年许可收入将超过订阅总收入 [1][5] - 第四季度许可收入为980万美元 同比增长610万美元 订阅收入为910万美元 [8] 许可业务与人工智能机遇 - 管理层强调许可业务是长期增长引擎 其模式具有持久性 基于内容资产的稀缺性、版权清晰性及跨终端市场的增值潜力 [9] - 公司拥有庞大的内容库 得到超过200个内容和数据合作伙伴支持 涵盖事实类、体育、新闻、娱乐、动画和电影等类型的成品及原始内容 [9] - 公司通过提供结构化元数据、分类、来源追溯、分段和定制化包装来提供“可用的数据集”以满足合作伙伴需求 [9] - 大型语言模型许可方几乎全部已续签或即将续签 后续协议因框架已建立而更易执行 公司同时看到重复业务及来自有大量特定需求的新潜在合作伙伴的兴趣 [11][12] - 管理层预计合作伙伴名单在2026年可能翻倍以上 2027年可能增长5-6倍 因开源和专有模型的微调扩大了潜在买家范围 [10] 盈利能力与成本控制 - 第四季度毛利率提升至60% 去年同期为52% 全年毛利率为57% 均高于上年 [15][16] - 非自由裁量的一般及行政费用在第四季度同比减少33% [15] - 2025年广告营销与一般及行政费用合计同比增长24% 主要受1440万美元的非现金股权激励薪酬、激励性薪酬的薪资调整以及8月二次股票发行相关的一次性费用驱动 剔除这些项目 一般及行政费用本应下降超过100万美元 [17] - 存储和交付成本因AI许可协议中包含的视频量增加而上升 [16] 资本状况与股东回报 - 截至2025年底 公司拥有2730万美元现金及证券 无债务 [6][19] - 2025年公司支付了2200万美元股息 其中包括6月支付的每股10美分的特别股息 第四季度支付股息470万美元 [6][19] - 董事会将股票回购授权增至600万美元 管理层计划在未来几周和几个月内选择性恢复回购 [20] - 2025年10月有670万份认股权证未行权到期 这减少了潜在的股权稀释 [19] 2026年业绩展望 - 公司预计2026年上半年收入在3800万至4200万美元之间 调整后自由现金流在600万至900万美元之间 [21] - 管理层重申对2026年收入和现金流实现两位数增长的信心 并认为实现全年GAAP盈利是可能的 [6][21] - 订阅收入方面 预计2026年将实现低至中个位数百分比的增长 驱动因素包括3月1日推出的新定价、新的批发和零售合作伙伴关系以及现有合作伙伴的有机增长 [24] - 公司预计在2026年将在12至20个新平台上推出服务 近期例子包括在加拿大与Apple的合作上线 [24] - 由于年度订阅的存在 3月1日的提价需要大约一年时间才能完全体现影响 [25] - 管理层指出 由于许可交易的结构 收入时间点难以预测 此类协议的营收周期通常为4至6个月 公司可能在第二季度临近时收窄业绩指引 [22][23]

**涉及的公司与行业** * **公司**：MetaX (688802.SS) [1] * **行业**：中国本土GPU（图形处理器）及AI（人工智能）芯片行业 [2][3] **核心观点与论据** * **业务进展积极**：管理层对与新客户的GPU测试进展持积极态度，尽管测试过程因通用GPU需适配多种用例和场景而耗时 [2][3] * **客户基础多元化**：公司正积极拓展云服务提供商和行业客户等更多元化的客户群，应用领域扩展至教育、生物科技等 [2][3] * **产品与研发管线**：公司最新一代GPU已于2025年底进入量产阶段，目前正与OEM合作伙伴进行服务器修改和软件调整，预计未来几个月将新服务器送交客户进行认证 [4] * **持续加大研发投入**：公司计划今年增加研发投资，用于新芯片和软件开发，并强调软件对于提升GPU兼容性和加速与云服务提供商的测试至关重要 [2][4] * **投资评级与目标价**：高盛给予MetaX“买入”评级，12个月目标价为人民币811.00元，较2026年3月6日收盘价533.72元有52.0%的上涨空间 [2][11] * **估值方法**：目标价基于2030年预估EBITDA折现法得出，采用62倍的2030年预估EV/EBITDA倍数，并以12.7%的资本成本折现至2027年 [5] * **财务预测**：预计公司收入将从2024年的7.431亿人民币增长至2027年的105.858亿人民币，EBITDA预计在2026年转正为1200万人民币，并在2027年增至5.319亿人民币 [11] * **风险提示**：1) 中国云资本支出增长慢于预期；2) AI芯片竞争激烈程度超预期；3) 先进制程供应链受限 [10] **其他重要信息** * **公司定位**：MetaX被视为本土GPU领导者，提供通用GPU卡和全栈解决方案，拥有自研架构和GPU知识产权 [2] * **并购可能性**：公司被赋予的M&A Rank为3，代表其成为并购目标的概率较低（0%-15%），因此未纳入目标价考量 [11][17] * **覆盖范围**：该报告将MetaX的评级置于其覆盖的众多大中华区科技公司（包括中芯国际、中兴通讯、华为相关生态公司等）中进行比较 [19] * **分析师观点认证**：报告末尾的四位署名分析师证明，报告中的所有观点均准确反映了其个人看法，且其薪酬与报告中的具体建议无关 [13]

公司业务与产品 1. Versos AI推出视频库智能平台，旨在将电影工作室和内容创作者的视频库转化为可供AI训练使用的结构化数据集，从而实现资产变现 [1][2] 2. 该平台提供端到端解决方案，在帧级别索引视频，将整个视频库转化为可搜索、可直接用于AI模型开发的数据集，公司称此为业内首创 [2] 3. 公司正在开发视频训练数据市场，旨在连接拥有视频版权的制片方与需要可追溯、版权清晰视频数据用于训练的AI模型开发商 [2] 4. 公司已与超过20家电影工作室及内容创作者合作，业务覆盖加拿大、美国、英国、法国、德国、印度和中国 [2] 市场定位与行业背景 1. 公司认为，在Cohere和OpenAI等公司因AI训练方法涉嫌侵犯版权而面临诉讼的背景下，AI模型开发商更愿意购买明确拥有使用权的视频训练数据 [3] 2. 公司的核心价值主张是帮助制片方将其现有的视频库货币化，同时为AI开发商提供版权清晰的训练数据，以规避法律风险 [3] 3. 纳斯达克上市流媒体平台Curiosity Stream与公司建立了多年商业合作伙伴关系，并进行了未披露金额的投资，这为平台发布提供了支持 [5] 4. Curiosity Stream正利用公司的技术生成“场景级视频情报”，以满足高级AI数据集的需求，并指出正面临来自大型超大规模企业和AI创新者对高质量结构化视频及元数据的“巨大需求” [5][6] 公司融资与合作伙伴 1. 公司在2025年底完成了185万美元的种子轮融资，由Innovobot Resonance Ventures和新不伦瑞克创新基金会领投，其他投资方包括Island Capital Partners、RiSC Capital和滑铁卢大学的Velocity Fund [4] 2. 合作伙伴Curiosity Stream拥有超过250万小时的视频和音频库，通过与公司的技术结合，旨在抓住AI训练数据市场的机遇 [6]

文章核心观点 - 英伟达即将发布的财报是半导体行业的关键风险事件 但市场可能只关注了部分情况 一份新的分析师报告指出 从AI训练转向AI推理部署的潜在转变可能重塑投资者对英伟达、AMD、Arm和英特尔等公司的看法 因为推理工作负载对CPU、内存、网络和系统控制层的需求更高 这可能为英伟达带来新的增长机会 即通过拥有更多系统组件而不仅仅是加速器来获得更大的上行空间 [1][2][3][5][6][7] 分析师报告的核心论点 - 报告核心论点是AI训练和AI推理代表不同的工作负载 因此需要不同的硬件组合 [9] - AI推理是控制密集型的 需要更多的CPU 特别是在编排、调度、内存管理和逐个令牌处理输出方面 CPU对于保持系统快速响应仍然重要 但GPU完成大部分工作 [9] - 如果推理导致在计算、内存、网络和控制层上投入更多资本 并且公司管理层展示其正在获得该技术栈中更多的份额 那么英伟达的盈利故事可能会变得更加稳定 [7] 市场关注与潜在转变 - 英伟达的财报是半导体投资者的主要头条风险事件 难以忽视 [5] - 市场通常关注的问题包括：需求持续多久、超大规模企业的支出有多少、产品将如何变化 以及投资者应如何看待AI基础设施支出的速度 [6] - 市场可能没有完全理解当AI工作负载从训练转向部署时会发生什么 届时系统控制、调度、内存编排和延迟变得更加重要 [3] - 这种转变可能重塑投资者对英伟达、AMD、Arm控股和英特尔的看法 [3] - 隐藏的转变是AI推理 这将改变哪些硬件获得报酬 [8] 对英伟达的潜在影响 - 英伟达最大的上行空间将越来越多地来自于拥有更多的系统组件 而不仅仅是加速器 [6] - 围绕英伟达的估值辩论主要集中在GPU需求能否保持相同的复合增长率上 [7] - 报告试图论证市场只考虑了部分情况 [2]

行业与公司动态 - 德国配音演员发起针对Netflix的基层抵制活动 [1] - 抵制的核心原因是Netflix的合同条款允许其使用配音演员的录音进行AI训练 [1]

涉及的公司与行业 * **公司**：英伟达 (NVIDIA Corporation, NVDA) [1] * **行业**：人工智能 (AI) 计算、加速计算、半导体 [1][7] 核心观点与论据 * **投资评级与目标价**：维持“买入”评级，目标价 275.00 美元，基于 28 倍 2027 财年预期市盈率 (不含现金)，该估值处于公司历史 25 倍至 56 倍远期市盈率区间内 [1][7] * **对 Groq 交易的看法**：该交易令人意外、代价高昂但具有战略意义，潜在价值高达 200 亿美元，涉及 Groq 管理层关键成员加入英伟达 [1] * **交易的战略意义**： * 表明英伟达认识到，尽管 GPU 主导 AI 训练，但向推理的快速转变可能需要更专业的芯片 [1] * 使英伟达能够利用其资产负债表和平台优势，为客户提供更多选择，并应对来自 Groq 和其他专用 ASIC 芯片的竞争威胁 [1] * 长期来看，该交易可能具有战略意义，类似于英伟达 2020 年 4 月收购 Mellanox，后者现已成为其网络/AI 扩展护城河的基础 [3] * **技术互补性**： * GPU 被视为通用平台，而 Groq 的 LPU 是用于快速、可预测的 AI 推理/令牌生成的专用 ASIC 类芯片 [2] * 设想未来英伟达平台中，GPU 和 LPU 可在机架中共存，通过英伟达的 NVLink 网络结构无缝连接 [2] * Groq LPU 采用大量 (数百 MB) 快速片上 SRAM 内存作为 AI 模型权重和工作数据的主要存储，这种方法使每令牌内存访问极快，但在可扩展性/适应性上可能不如使用大量共封装高带宽内存 (HBM) 的英伟达 Blackwell 平台 [2] * Groq LPU 专为一项工作设计——可预测的 AI 推理/令牌生成，而英伟达基于 GPU 的平台追求最大通用性 (训练和推理)，覆盖广泛的大/小模型、多租户集群、云运营商以及广泛/成熟的软件/开发者基础 [2] * **未决问题与风险**： * 英伟达尚未发布任何正式声明，或详细的战略理由、财务影响或未来路径 [3] * 关键问题包括：“非独家许可协议”的含义、核心 LPU 知识产权的归属、是否可授权给包括英伟达竞争对手在内的其他方、英伟达是否可自行开发该技术、独立的 Groq 云服务是否可能以更低价格削弱英伟达的 LPU 服务等 [3] * 尽管 200 亿美元的拟议价格和关键员工的转移可能解决许多问题，但仍需等待明确信息 [3] 其他重要信息 * **公司财务与市场数据**： * 当前股价：188.61 美元 [1] * 市值：4,692,617 百万美元 (约 4692.6 亿美元) [5] * 已发行股份：24,880.0 百万股 [5] * 自由流通股比例：96.0% [5] * 52 周价格区间：86.62 美元 - 212.19 美元 [5] * 2026 财年预期净资产收益率 (ROE)：103.9% [5] * 截至 2025 年 1 月净债务与权益比率：-0.2% [5] * **目标价依据与上行支撑**：基于英伟达在快速增长的人工智能计算/网络市场的领先份额，但受到全球 AI 项目的不均衡性、周期性游戏市场以及对电力获取的担忧所抵消 [7] * **下行风险**： * 消费者驱动的游戏市场疲软 [8] * 与主要上市公司、内部云项目以及其他私企在 AI 和加速计算市场的竞争 [8] * 对华计算设备出货限制或该地区额外活动限制带来的超出预期的影响 [8] * 新企业、数据中心和汽车市场的销售不均衡且不可预测 [8] * 资本回报可能减速 [8] * 政府对英伟达在 AI 芯片领域主导市场地位的审查加强 [8] * **利益冲突披露**： * 美银证券与报告中涉及的公司有业务往来或寻求业务往来，可能存在利益冲突 [4] * 美银证券或其关联公司是所推荐股票英伟达的做市商 [18] * 发行方英伟达在过去 12 个月内是美银证券及/或其一家或多加关联公司的投资银行客户 [18] * 美银证券或关联公司在过去 12 个月内因非投资银行服务或产品从发行方英伟达获得报酬 [19] * 美银证券或关联公司在过去 12 个月内从发行方英伟达获得投资银行服务报酬 [19] * 美银证券或其关联公司愿意以自有账户向客户卖出或从客户买入发行方英伟达的普通股 [20]

英伟达与Groq达成技术许可及人才协议 - 英伟达已同意从初创公司Groq获得其芯片技术的“非独家”许可 [1][3] - Groq创始人兼首席执行官Jonathan Ross、总裁Sunny Madra及其部分工程团队成员将加入英伟达 [1][3] - 一位接近英伟达的人士证实了该许可协议 [3] 交易细节与Groq运营现状 - Groq未披露该交易的具体财务细节 [4] - 有报道称英伟达同意以200亿美元现金收购Groq，但双方均未对此置评 [4] - Groq表示其将继续作为独立公司运营，由Simon Edwards担任首席执行官，其云业务也将持续运营 [4] Groq的估值与融资情况 - 在9月完成7.5亿美元融资后，Groq的估值从去年8月的28亿美元增至69亿美元，增长超过一倍 [4][8] Groq的技术专长与市场定位 - Groq专注于人工智能推理领域，即已训练好的AI模型响应用户请求 [1] - Groq是多家不使用外部高带宽内存芯片的初创公司之一，这使其免受全球芯片行业内存短缺的影响 [6] - 其技术采用一种名为SRAM的片上内存，有助于加速与聊天机器人等AI模型的交互，但也限制了所能服务的模型大小 [6] 人工智能推理市场的竞争格局 - 英伟达在AI模型训练市场占据主导地位，但在推理市场面临更激烈的竞争 [2] - 传统竞争对手如AMD，以及Groq、Cerebras Systems等初创公司都旨在挑战英伟达在推理市场的地位 [2] - Groq在该技术路径上的主要竞争对手是Cerebras Systems，后者据报计划最早于明年上市 [7] - Groq和Cerebras均已在中东地区签署了大型交易 [7] 英伟达的战略与高管表态 - 英伟达首席执行官黄仁勋在其2025年最重要的主题演讲中，花费大量时间论证随着AI市场从训练转向推理，英伟达将能够保持其领先地位 [5][7]

房地产市场动态 - 美联储自2022年为应对通胀而加息以来 住房市场出现有趣动态 这些趋势可追溯至新冠疫情初期 当时央行将利率降至零 同时人们寻求更多空间和改变生活方式[3] - 这些影响导致住房和租金环境日益昂贵 并引发许多市场的负担能力危机[3] - 高昂的借贷成本推高了新建建筑价格 而由于大量房地产投资者涌入该行业 供应短缺 房东也提高租金以应对通胀环境 许多退休的婴儿潮一代仍居住在原有房屋中 而非缩小居住规模或搬至养老社区[4] - 最大的成本驱动因素之一是"锁定效应" 即2022年前锁定超低利率的人们无法在不同市场间迁移或进行传统的财务变更 这限制了流动性并减少了供应[4] - 针对当前状况的创造性解决方案包括抵押贷款可承继性 即新房主"承继"卖方的抵押贷款条款 以及抵押贷款可移植性 允许买卖双方将现有抵押贷款条款"移植"至新地点 还有本月早些时候引起轰动的50年期抵押贷款[5] - 寻求Alpha读者认为抵押贷款可承继性和可移植性是缓解住房危机的有效方式 但对50年期债务兴趣不大 挑战包括美国土地所有权在地方层面记录和持有 使跨州甚至跨县移植抵押贷款复杂化 且多数抵押贷款被证券化并与其他销售捆绑 难以更改条款[6] - 感恩节前抵押贷款利率小幅下降[8] 公司与行业要闻 - 德国运动服装制造商Puma股价因潜在的中国收购消息而大涨[2] - 美国石油钻井平台数量降至2021年以来最低水平[7] - 中国科技公司将AI训练转移到海外以获取英伟达芯片[8] - Netflix在《怪奇物语》最终季首播时出现服务中断[8] - 美国证交会正在调查Jefferies与已破产的First Brands的关系[8] - 谷歌出售50万块芯片可能使其收益增加3%[8] - 阿里巴巴、百度和比亚迪被指与中国军方有联系[9] - 台湾公布400亿美元预算用于购买美国武器和"泰穹"系统以应对中国威胁[9] 市场交易与数据 - 芝加哥商品交易所交易中断 影响外汇、大宗商品和期货等一切交易[2] - 期货和国债交易因CME中断而暂停[9] - 比特币下跌0.1%至91297美元[9] - 亚洲市场 日本涨0.2% 香港跌0.3% 中国涨0.3% 印度持平[9] - 欧洲市场午盘 伦敦涨0.1% 巴黎涨0.1% 法兰克福跌0.1%[9]