Love and Peace Forever

诺基亚（$NOK ）：AI-RAN翻身战，这波到底是真反转还是炒题材？
先说结论
诺基亚这波涨幅不是纯炒作。英伟达掏10亿美元入股、Q1 AI相关销售增长49%、光网络业务受益于数据中心互联需求——这些是真实数据和真实订单支撑的。但问题是：AI业务目前只占诺基亚总销售额的8%，传统电信业务仍然是主力和拖累。市场把诺基亚当成AI基础设施股来定价，但诺基亚本质上还是一家电信设备公司，只是正在往AI方向转。
当前$13.5附近，值不值得追？我来分析，你来判断。
一、英伟达10亿美元入股：这不只是钱的问题
2025年10月29日，英伟达宣布斥资10亿美元收购诺基亚新发股份，每股作价6.01美元，获得2.9%的股份。消息公布当天，诺基亚赫尔辛基上市的股价飙升逾20%，创2000年以来最大单日涨幅——上一次这种级别的涨幅，还是诺基亚宣布拿下全球手机市场三分之一份额的时候。
但这不只是财务投资：
英伟达投的不是诺基亚的财务报表，投的是AI-RAN（AI驱动的无线接入网）赛道。双方的合作内容包括：
AI-native 5G-Advanced和6G网络：诺基亚将5G/6G RAN软件与英伟达的AI架构深度整合，让网络从"傻管道"变成"智能基础设施"数据中心网络互联：诺基亚的光交换和数据中心通信产品将纳入英伟达自己的AI基础设施设计AI-RAN实地测试：T-Mobile US参与管理和测试AI-RAN技术框架，预计2026年内启动6G先行：诺基亚CEO贾斯汀·霍塔德说得很清楚——"这不只是5G到6G的升级，而是对网络的根本性重新设计"
为什么英伟达要投诺基亚？
AI推理需要GPU集群，但GPU集群之间需要超高速网络互联。英伟达自己的NVLink和InfiniBand解决的是服务器内部和机架内部的互联，但跨数据中心、广域网层面的高速连接，仍然需要诺基亚、爱立信这类电信设备商的RAN技术。英伟达把诺基亚纳入自己的AI基础设施生态，等于在AI网络层插了一面旗。
麦肯锡预测，到2030年数据中心基础设施资本开支将超过1.7万亿美元——很大程度由AI驱动。诺基亚正在争这块蛋糕。
二、股价涨了141%，现在到哪了？
截至2026年6月11日，NOK股价约$13.40至$13.85，较高点有所回调。年初至5月26日累计涨幅141.45%，上周因数据中心光通信设备需求激增单日涨9.1%，创下2009年以来最高收盘价。
当前估值数据：
指标 数值 总市值 约749亿美元 市净率（P/B） 3.09倍 市盈率（TTM） 约81倍 每股收益（TTM） $0.165 12个月预期市盈率 约36倍（年初约17倍）
估值争议的核心在这里： 市场把诺基亚从"传统电信股"重新定价为"AI基础设施股"，所以12个月预期PE从17倍翻到了36倍。但AI业务目前只占总销售额的8%。支持者说这是提前为未来增长定价，反对者说这是把未来的故事按现值卖了。
法国巴黎银行分析师的说法最准确——"投资者开始相信，诺基亚内部可能隐藏着一个'迷你版Arista'和'迷你版Ciena'"。但他也强调："那个传统的诺基亚并没有消失。"
三、AI业务成色：49%增速是真是假？
这是分析诺基亚最关键的问题。
**AI相关销售额Q1增长49%**：这是真实数字，但基数不大。AI业务主要包括数据中心光网络设备、云服务商网络解决方案、以及AI-RAN软件。增长49%是同比数据，说明需求在加速。
收购Infinera，强化光网络布局：2024年初完成对Infinera的收购后，诺基亚跻身全球最大光网络设备供应商之列。AI数据中心集群之间需要超高速光互联，Infinera的技术正好填补这块需求。这是诺基亚"AI化"最实在的一块资产。
4月已上调云业务部门业绩指引：管理层在4月主动上调了面向云客户业务部门的全年指引，说明企业需求比年初预期更强劲。
但也有一盆冷水： 核心移动网络业务占总销售额超过一半，但利润率低于AI相关业务。电信运营商削减资本开支、美国市场失去关键合同——这些问题不是喊几句AI口号就能解决的。AI业务是增量，但存量的传统电信业务在拖后腿。
四、7月财报前瞻：关键验证节点
诺基亚将于2026年7月下旬发布第二季度财报。这是股价大涨后的第一次"成绩单"，也是验证AI叙事成色的最重要节点。
需要重点关注的指标：
AI/云业务占总收入占比：目前8%，是否有提升？华尔街希望看到比例扩大云业务部门收入增速：指引已上调，Q2实际增速是否超预期？Q2整体利润率：传统电信业务利润率能否稳住，还是AI业务扩张挤压了整体盈利？AI-RAN订单进展：是否有新增电信运营商客户签约？管理层对全年指引的更新：会不会再次上调云业务或AI业务指引？
历史规律： 诺基亚Q2财报通常在7月下旬发布。如果AI业务数据持续超预期，三季度股价可能有第二波行情；如果AI业务增速环比放缓，市场可能重新审视36倍PE的合理性。
五、目标价$20：能到吗？
华尔街目前对诺基亚的平均目标价仍比现价低约25%，只有不到一半分析师给予"买入"评级。这是一个值得警惕的信号——机构并没有全面看多。
看多$20的理由：
AI数据中心互联需求爆发，光网络业务持续高增长英伟达背书相当于给诺基亚的AI转型盖了章6G商用预计2028-2030年，诺基亚提前卡位，有先发优势如果AI业务占比从8%提升到20%以上，整体估值可能重估目前较Ciena有50%以上估值折价，有修复空间
不看好$20的理由：
P/E已高达80倍（TTM），TTM EPS只有$0.165——估值非常依赖未来业绩增长传统电信业务增速有限，5G建设逐渐成熟，运营商资本开支整体承压AI业务只有8%占比，"AI股"标签溢价能否持续存疑机构尚未全面看多，平均目标价低于现价Skagen Vekst基金经理Sondre Solvoll Bakketun已公开表示，"过去几个月已大幅减持诺基亚仓位"，认为当前股价风险回报比不再具备吸引力
我的判断： $20不是不可能，但路径依赖很窄——必须AI业务占比持续提升、云业务指引继续上调、Q2财报超预期，三者缺一不可。任何一项不及预期，$13.5附近的支撑可能就破掉。
六、三家电信设备商横向对比
维度 诺基亚（NOK） 爱立信（ERIC） 三星电子（005930） AI业务增速 Q1 +49% 有限 半导体业务爆发 英伟达合作 ✅ AI-RAN 10亿美元 ❌ ❌ 光网络布局 收购Infinera 较弱 显示/半导体横向 5G市场份额 全球约25% 全球约25% 有限 当前PE（TTM） ~81倍 较低 ~10倍（半导体拉低） 年初至今涨幅 +141% 有限 +涨幅大 目标价vs现价 华尔街看低25% 不明确 不明确
爱立信和诺基亚处境相似，但爱立信没有英伟达的AI-RAN合作，也没有Infinera的光网络布局。诺基亚在"AI电信基础设施"这个细分赛道里，暂时是唯一有顶级AI公司背书的标的。
七、风险提示：最大的坑在哪？
1. 估值泡沫风险： 股价一年涨141%，PE炒到80倍，如果Q2财报AI业务增速环比放缓，回调可能很剧烈。Energy Group Capital研究主管Amanda Lyons说得很直接："最容易实现的估值重估阶段已经过去。"
2. AI资本开支周期风险： 历史多次证明，资本开支泡沫破裂后，相关股票会大幅回调。诺基亚的AI业务受益于科技巨头的AI基础设施投资，但这些投资是否有周期性？
3. 传统业务拖累： 移动网络业务占总收入超过一半，但利润率低且增长乏力。AI业务是亮点，但主体业务的基本面改善有限。
4. 竞争加剧： Ciena是光网络领域更纯粹的AI受益标的，但诺基亚较Ciena仍有超过50%的估值折价。如果市场认为Ciena更纯粹、更直接，Ciena的溢价可能压制NOK。
5. 英伟达合作进展不确定： 10亿美元入股是战略承诺，但AI-RAN商业化落地需要时间。T-Mobile的测试是年内，不是现在。
八、我的判断
诺基亚#NOKUSDT 不是垃圾，但$13.5不是随便买的位置。
这支股票的真实价值在于：它正在从一家传统电信设备商转型为AI基础设施关键玩家，英伟达的背书是真实可信的，AI业务49%的增速说明需求在起来。但AI业务目前只占8%，传统电信业务仍然是主体，80倍PE要求未来业绩必须持续超预期。
三种操作思路：
保守型：等7月Q2财报，确认AI业务增速环比没有放缓再建仓。错过这波涨幅不可惜，踩雷才可惜。平衡型：当前位置可以小仓位持有，但设置止损位——如果Q2财报不及预期或AI-RAN测试进展不达预期，及时退出。激进型：信念足够强、对AI-RAN赛道有信心的投资者可以持有，目标$20，但需要持续跟踪Q2/Q3财报的AI业务占比变化。
说实话： 华尔街平均目标价低于现价25%，只有不到一半分析师给"买入"——这不是一个强力做多的信号。如果我是基本面选手，我会等财报出来之后再决定。但如果你已经持有$13.5以下的成本，现在跑也不迟。

零知识证明（Zero-Knowledge Proof, 简称ZKP）被誉为密码学的“圣杯”，是当前Web3/加密领域最具硬核技术壁垒和长期落地前景的赛道。它解决的是区块链的“不可能三角”：在不牺牲去中心化和安全性的前提下，实现极大规模的扩容（ZK-Rollup）与隐私保护。 如果你打算做多ZK赛道，这不仅仅是在赌某一个币的涨跌，而是在做多“区块链被大规模采用”的必经之路。 以下是对ZK赛道代币的精选分类，以及深度做多逻辑的推演。
一、 ZK赛道代币精选库（按逻辑分类）
ZK不是一个单一项目，而是一个庞大的产业链。选币必须先懂产业链的分工：
1. 核心扩容层（ZK-Rollup系）—— 赛道 Alpha 的大本营
这些项目是以太坊扩容的终局解决方案，直接承载生态和资金。
Starknet ($STRK )：定位：ZK-Rollup四大天王之一，技术最硬核（采用STARK技术，不依赖可信设置），自研Cairo语言，虽然学习曲线陡峭，但并发性能上限极高。选它理由：目前估值相对合理，技术护城河最深，且原生AA（账户抽象）体验极佳，适合长线布局。zkSync ($ZK )：定位：ZK-Rollup生态最繁荣、TVL最高的项目，采用SNARK技术，EVM兼容性最好。选它理由：市场关注度最高，V神曾暗示其可能成为以太坊最核心的L2。风险：代币经济学极差，团队抛压大，需注意波段。Polygon ($MATIC /$POL )：定位：从侧链全面转型ZK的巨无霸。拥有Polygon zkEVM、Polygon Miden、Polygon CDK（一键发ZK链框架）。选它理由：巨头布局，商务能力顶级，CDK正在捕获大量传统企业和新锐项目发行ZK应用链的需求。属于稳健型ZK标的。Scroll ($SCR )：定位：最贴近以太坊原生精神的zkEVM（Type 2级别），主打与以太坊无缝衔接。选它理由：近期刚上线，社区分歧大，但硬件加速（Decider+证明池）做得很扎实，属于“技术流洼地”。2. ZK基础设施与互操作性（卖水人）—— 确定性最高的赛道 L2越多，L2之间越孤立，跨链和ZK证明生成的基础设施就越赚钱。Polyhedra Network ($ZK)：定位：ZK全链互操作性协议。其核心产品zkBridge利用ZK证明实现无需信任的跨链。选它理由：L2碎片化时代，跨链是刚需。它不依赖多签，纯靠数学证明跨链，安全性降维打击传统跨链桥。同时布局了ZK赋能的DePIN和AI算力网络。RiskZero / Risc0（暂无代币，但需极度关注）：定位：ZK协处理器。任何人可以用Rust语言写代码，然后生成ZK证明，供智能合约调用。这是把Web2逻辑引入Web3的关键桥梁。3. 隐私与轻量化应用Mina Protocol ($MINA )：定位：最轻量的区块链（恒定22KB）。利用ZK-SNARKs将整个区块链状态压缩成一个证明，手机都能跑全节点。选它理由：叙事独特，主打“轻量级去中心化”和ZK隐私应用（如zkOracle）。Zcash ($ZEC )：定位：老牌隐私币鼻祖。选它理由：即将迎来减半（产量减半），纯炒作标的。但在合规压力下，隐私币叙事不如扩容叙事顺，仅作周期性博弈。
二、 为什么做多ZK？（核心投资逻辑）
做多ZK，是基于以下五个维度的确定性推演：
1. 终局逻辑：V神的终极信仰
Vitalik多次公开表态：“短期内Optimistic Rollup（OP系）会胜出，但中长期来看，ZK-Rollup才是以太坊扩容的终局。” OP系依赖7天挑战期，提款慢且安全性依赖诚实假设；而ZK系依靠数学证明，几小时内完成验证，资金绝对安全。随着ZK证明生成速度的提升，OP系的体验优势将荡然无存。做多大趋势，就是和时间做朋友。
2. 碎片化时代的“乐高积木”（CDK爆发）
以太坊正在变成一个“结算层”，上面长满了几十个L2。发一条ZK应用链正在变得像发ERC-20代币一样简单（得益于Polygon CDK和ZK Stack）。当市场上出现成百上千条ZK链时，什么最值钱？ 答案是：跨链通信（Polyhedra的机遇）和证明生成基础设施。做多ZK基础设施，就是做多“淘金热里的卖水人”。
3. 隐私合规的终极解法：ZK身份（ZK-ID）
随着传统金融入场（ETF通过），KYC/AML成为刚需。但用户不想在链上暴露自己的真实身份和资产明细。 ZK提供了完美解法：证明我是合规的，但不暴露我是谁。 例如，用ZK证明“我年满18岁且不在制裁名单”，智能合约验证通过，但不知道我的具体身份。这是Web3吸纳万亿传统资金的关键技术拼图。
4. AI x Crypto 的最佳交汇点（ZKML）
AI+Crypto最大的痛点是“黑盒问题”：我怎么知道链上的AI模型没有作恶？ 零知识机器学习（ZKML）可以解决这个问题：AI在链下执行推理，生成一个ZK证明提交到链上，证明“我的推理过程确实使用了规定的模型，没有篡改数据”。这为AI上链提供了信任基础，是极具爆发力的新叙事。
5. 技术拐点已至：证明成本指数级下降
几年前，生成一个ZK证明需要几个小时，成本极高，这是ZK无法落地的核心原因。但过去两年，由于硬件加速（GPU/FPGA/ASIC）和算法优化（如多项式承诺方案的改进），ZK证明的生成时间和成本下降了几个数量级。技术从“实验室可用”进入了“商业级可用”阶段，这是做多ZK的现实基石。
三、 做多策略与风险提示
做多策略：哑铃型配置
稳健端（40%仓位）：配置在生态最成熟、代币经济学相对稳健的**Polygon (POL)**，享受ZK转型+CDK生态的红利。进攻端（40%仓位）：重仓技术护城河深、估值未充分透支的ZK-Rollup核心标的**Starknet (STRK)，以及基础设施龙头Polyhedra (ZK)**。博弈端（20%仓位）：在zkSync (ZK) 或 Scroll (SCR) 上做波段，利用市场情绪和流动性炒作获利。
致命风险提示（做空ZK的可能因素）：
高FDV低流通的绞肉机：ZK系的代币经济学普遍极差（如ZK、STRK、SCR），解锁抛压如同悬在头顶的达摩克利斯之剑。千万不要在巨量解锁前死拿。技术迭代不及预期：ZK证明的生成依然很贵。如果以太坊Pectra升级后，OP系的体验足够好且成本极低，ZK的“终局叙事”可能会被推迟，导致市场失去耐心。黑天鹅事件：ZK代码极度复杂，一旦底层电路或证明系统出现漏洞被黑客利用，将对整个赛道造成毁灭性打击（类似早期跨链桥被黑）。
总结： 做多ZK，做多的是数学的绝对信任，做多的是区块链从极客玩具走向全球金融基础设施的必经之路。这不是一个季度的短线博弈，而是未来3-5年的康波周期。在别人抱怨ZK代币解锁砸盘时，正是去研究其底层技术进步、逢低收集核心筹码的良机。

NBIS (Nebius Group) 深度投研报告：废墟上重生的欧洲AI算力霸主，被严重低估的算力基础设施明珠
核心摘要： NBIS（Nebius Group）是前俄罗斯互联网巨头Yandex经历地缘政治制裁后，剥离其俄罗斯本土业务、由国际化资产重新重组而成的纯西方AI基础设施公司。凭借继承自Yandex世界顶级的工程师团队、极低成本的绿色能源算力中心、以及出售俄资换来的巨额现金储备，Nebius正以惊人的速度在欧美市场扩张GPU算力集群。当前，市场仍将其视为“前俄罗斯残壳公司”而给予深度折价；但实际上，它已是脱胎换骨的“纯正欧美AI算力+数据标注+自动驾驶”三栖标的。与CoreWeave等高负债算力同行相比，Nebius手握重金、全自有资金CapEx，堪称本轮AI周期中被遗忘的钻石矿。
第一章 凤凰涅槃：从Yandex到Nebius的地缘重组奇迹
要懂$NBIS ，必须先懂Yandex。Yandex曾是横跨搜索、电商、出行、自动驾驶的“俄罗斯谷歌”，巅峰市值超300亿美元。然而2022年俄乌冲突爆发，Yandex因总部位于荷兰但核心业务在俄罗斯，遭遇西方制裁与俄资本管制的“双重绞杀”。
1.1 史诗级剥离：断臂求生 在长达两年的谈判后，2024年7月，Yandex以50亿美元将其俄罗斯核心业务（搜索、Yandex Go等）出售给俄财团。这是西方科技公司退出俄罗斯最大的一笔交易。剥离完成后，剩余的国际化资产正式更名Nebius Group，总部设在阿姆斯特丹。
1.2 遗产的含金量：不是空壳，而是印钞基础设施 Nebius带走了什么？
Yandex的国际化技术骨干：超4000名全球顶尖的算法、云架构和GPU集群工程师。Mäntsälä数据中心（芬兰）：欧洲最大的私有数据中心之一，拥有极其稀缺的绿色能源配额。三块极具爆发力的国际业务：Nebius AI Cloud（AI算力）、Toloka AI（AI数据标注）、Avride（自动驾驶）。极其干净的资产负债表：出售俄资换来的超20亿美元净现金。
结论：市场仍用“地缘风险折价”给NBIS定价，却忽略了其最危险的雷（俄罗斯业务）已彻底排爆，留下的全是纯正的AI核心资产。
第二章 核心引擎：Nebius AI Cloud——对标CoreWeave，但更健康
Nebius的绝对主业是提供GPU即服务，这也是其估值的核心锚点。
2.1 算力狂飙：从芬兰到美国的大扩产
芬兰Mäntsälä超算中心：这是Nebius的起家底座。利用北欧极低的地热与水电资源，PUE（能源使用效率）低至1.05（行业平均1.5以上）。在AI算力极度耗电的今天，低PUE意味着碾压级的成本优势。该中心目前部署了数千张英伟达H100 GPU，并正在向H200和Blackwell架构迭代。美国Kansas City数据中心：为了贴近北美大客户，Nebius正在美国堪萨斯城建设超大规模数据中心，首期投资超3亿美元，直接接入北美AI训练需求腹地。算力规模指引：公司目标在2024年底达到超过100MW的算力容量，并在2025年继续翻倍。这种基建速度在全欧洲仅次于巨头Scaleway和少数几家企业。
2.2 为什么客户选Nebius而不是AWS/Azure？
裸金属与算力亲和力：大模型公司（如Mistral、Black Forest Labs）在训练基础大模型时，不愿意用公有云的虚拟化切片，因为存在算力损耗。Nebius提供直接基于Kubernetes和Slurm优化的裸金属GPU集群，集群网络延迟极低（InfiniBand NDR互联），专门为千卡/万卡并行训练优化。成本优势：得益于芬兰的低价绿电和欧洲相对低廉的工程师成本，Nebius的GPU租赁时薪比北美同行低15%-20%。
2.3 CoreWeave的镜像与反超 CoreWeave近期以160亿估值融资，但它是典型的“高杠杆扩张”，靠抵押GPU借钱买GPU。Nebius则完全相反，它是全现金CapEx。在美联储高息环境下，Nebius没有债务吞噬利润的风险，财务韧性远超CoreWeave。
第三章 隐秘的现金牛：Toloka AI——大模型时代的“卖水人”
如果说Nebius Cloud是卖铲子的，那Toloka就是教矿工怎么用铲子的。这是市场严重忽视的第二增长曲线。
3.1 什么是Toloka？ 大模型（如GPT-4、Llama 3）的进化不仅需要算力，更需要高质量的“人类反馈强化学习（RLHF）”数据。Toloka是全球最大的AI数据标注和微调平台之一。它拥有一个超20万全球众包工人的网络，提供：
RLHF数据集生成：为顶级模型提供对话对齐、安全护栏的高质量标注。模型评估：提供人类偏好评估，帮助模型发现盲区。
3.2 为什么Toloka是护城河？ 数据标注门槛极低，但高质量的RLHF标注门槛极高（需要博士级别的人去评判代码生成、医学问答的优劣）。Toloka继承了Yandex深厚的算法基因，其众包分配算法和防作弊系统是全球顶尖的。目前，全球前十大模型公司中，有相当比例在使用Toloka的服务。 3.3 财务表现 Toloka目前年化收入已突破5000万美元，且保持超高毛利率和正向现金流。它不需要像算力那样疯狂CapEx，是Nebius集团内部的“供血泵”。随着开源模型微调需求的爆发，Toloka有望在两年内达到2亿美元ARR。
第四章 沉睡的独角兽：Avride——自动驾驶的期权价值
Avride是原Yandex自动驾驶部门，剥离后成为Nebius全资子公司。这是附赠给Nebius股东的“免费看涨期权”。
4.1 极其稀缺的L4级自动驾驶实力 全球真正能在复杂城市路况实现L4级无人驾驶Robotaxi的，除了Waymo、百度，就是Yandex/Avride。其在俄罗斯和以色列已积累数百万公里真实路测数据。
4.2 商业化落地双轨制
Robotaxi：目前已在韩国首尔、美国德州奥斯汀获得测试和运营牌照，与现代汽车深度绑定。无人配送：在韩国首尔和美国大学校园内，Avride的无人配送车已经在产生真实营收。
4.3 估值重估潜力 Cruise估值曾超300亿，Waymo超千亿。Avride作为拥有完整L4技术栈的实体，一旦在北美或韩国实现规模化商业运营，其单独估值即可超过Nebius目前的总市值。Nebius管理层已明确表示，不排除未来将Avride独立分拆上市。
第五章 教育与孵化：TripleTen及其他资产
TripleTen：原Yandex的EdTech业务，专注北美市场的成人职业转码培训（Coding Bootcamp）。在美国科技人才短缺背景下，拥有稳定的现金流和招生规模，属于防守型资产。早期AI基金：Nebius手里还握有大量Yandex时期投资的早期AI初创公司股权，这些隐匿资产在当前的AI狂潮中存在巨大的公允价值重估空间。
第六章 财务透视：手握重金，静待戴维斯双击
6.1 资产负债表：坚如磐石 截至2024年中，Nebius持有超过20亿美元的现金及等价物，且几乎没有有息负债。这意味着什么？CoreWeave、Lambda Labs为了买H100不得不借高息贷款，而Nebius可以用自有资金全款建数据中心。在算力军备竞赛中，弹药库的深度决定了生死。
6.2 收入指引与利润率
2024年全年收入指引约为1.2亿 - 1.5亿美元（主要来自Nebius Cloud和Toloka）。当前处于“高CapEx投入期”，净利润可能为负，但这属于典型的“战略性亏损”。算力租赁业务的稳态Gross Margin可达60%-70%，一旦芬兰和堪萨斯产能爬坡完成，EBITDA将呈指数级爆发。
6.3 SOTP（分部估值法）测算
Nebius Cloud：对标CoreWeave（估值/前瞻ARR 约 30x-40x）。若2025年Cloud ARR达3亿美元，合理估值90-120亿美元。Toloka AI：对标Scale AI（估值约140亿）。Toloka规模较小，按5亿-10亿美元估值。Avride：对标Aurora/Mobileye，保守估值15亿-20亿美元。净现金：20亿美元。
Nebius合理估值区间应在 120亿 - 170亿美元之间。而当前市值（2024年底）仅在40-50亿美元徘徊，存在3倍以上的向上修复空间。
第七章 竞争格局与护城河分析
Nebius面临AWS、Azure、GCP三大巨头的压制，以及CoreWeave、Lambda、Applied Digital等新贵的竞争。其护城河何在？
极致的硬件调优能力：Yandex本身就是做搜索引擎起家，对大规模分布式计算集群的调度、散热、网络拥塞控制有20年的底层积累。同样的H100集群，Nebius的MFU（模型算力利用率）能比友商高出10-15%，这对训练大模型的公司就是真金白银的节省。欧洲唯一的规模化中立算力商：受制于GDPR和欧洲主权意识，欧洲本土AI公司（如Mistral、Aleph Alpha）极其渴望一个不受美国情报法案（CLOUD Act）管辖、且位于欧洲的中立算力平台。Nebius是目前唯一能满足这一条件的超大规模供应商。垂直整合：从数据标注、算力训练到模型评估，Nebius能提供全链路服务，客户粘性极强。
第八章 核心风险提示
地缘政治阴霾的“肌肉记忆”：尽管俄资已剥离，但部分欧美机构投资者仍因历史上的“俄罗斯标签”将其列入禁投名单，导致流动性溢价缺失。GPU供给卡脖子：Nebius的扩张速度极度依赖英伟达的H200/B200交付进度。如果英伟达优先供货北美大厂，Nebius的产能释放将不及预期。算力价格战：随着全球算力产能集中释放，2025年后GPU租赁价格可能大幅下降，冲击毛利率。管理层精力分散：同时运营云、数据、自动驾驶三大截然不同的业务，对管理层资源消耗极大。
第九章 投资逻辑与交易策略：左侧布局，静待风起
投资逻辑： 买入#NBIS ，本质上是买入一个“去俄罗斯化折价收窄 + AI算力需求爆发 + 优质资产SOTP重估”的三重共振机会。它是当前美股/欧股市场中，极少数拥有顶级技术实力、且没有负债炸弹的纯AI基础设施标的。 催化剂：
美国堪萨斯城数据中心正式投产并签下北美头部大模型客户。Avride在韩国或美国获得大规模商业化运营许可，或宣布分拆IPO。被纳入主流欧美科技指数（消除机构持仓障碍）。Toloka与某顶级闭源大模型签订巨额数据服务独家合同。
交易策略： 当前市场对其基本面变化反应迟钝，是绝佳的左侧建仓期。
仓位建议：配置5%-8%的进攻性仓位。操作节奏：无视短期GPU租赁价格的噪音，紧盯每季度CapEx转化率和Data Center容量指标。一旦ARR突破2亿美元且EBITDA转正，估值体系将迅速从PB切换至PS/PE，迎来戴维斯双击的暴力拉升。结语：在AI造富的狂飙时代，大家都在寻找下一个英伟达或CoreWeave。而Nebius，这颗从地缘废墟中剥落的蒙尘明珠，正以其令人胆寒的工程师底蕴和干净的资产负债表，悄然重塑全球算力版图。当华尔街终于意识到它不再是那个病入膏肓的Yandex，而是手握欧亚算力咽喉的新霸主时，现在的股价，不过是山脚下的一粒尘埃。

从 Bithumb 到华尔街：金融权力与政治裙带的千年游戏
一则来自首尔的新闻，揭开了一块遮羞布
2026年6月，韩国首尔地方警察厅公共犯罪调查科将 Bithumb 交易所 CEO 李在元（Lee Jae-won）立为涉嫌行贿案嫌疑人。案情并不复杂：无党籍国会议员金炳基（Kim Byung-kee）于2024年11月要求李在元安排其二子入职 Bithumb，其子两个月后入职，工作约六个月后离职。此外，金炳基此前还要求 Bithumb 录用其一名助理，后者自2025年9月起已在该公司任职。
一桩简单的"安排工作"案，折射出的却是整个金融行业最古老、最隐蔽、最普遍的游戏规则：政治权力与金融资本之间的裙带交换，从未消失，只是换了战场。
加密货币交易所，这个本该代表"去中心化"和"权力分散"的新物种，在韩国这样的权力结构里，毫无例外地长成了它本来应该颠覆的那个东西的模样——一个需要政治庇护才能生存的准垄断机构，一个用就业机会换取政策绿灯的筹码交换场所。
但这则新闻最值得注意的地方，不在于它揭露了什么新鲜事，而在于它再一次证明：金融与政治的联姻，是一场跨越行业、跨越时代、跨越意识形态的全球性合谋。华尔街干了上百年，香港的家族财富干了上百年，币圈不过是最新的一块殖民地。
华尔街的裙带史： Goldman Sachs 的"红色人脉工程"
要理解 Bithumb 案在全行业里的位置，先要把时间线拉长，看几个有据可查的经典案例。
2010年代初，美国证监会（SEC）开始调查一桩代号为"1MDB"的洗钱案，牵出了高盛在马来西亚的腐败网络。更早之前，《纽约时报》等媒体多次披露高盛在俄罗斯的"人脉战略"——高盛不仅向俄罗斯政府提供金融服务，还系统性地面向俄罗斯政治家族和寡头家族的子女开放招募通道。
具体操作模式通常是：
高盛通过猎头或内部推荐，招募俄罗斯政府官员子女进入其伦敦或纽约办公室。这些子女的简历往往并不出彩——学历普通、实习经历寥寥——但他们在高盛的入职，却与高盛在俄罗斯能源项目、国有资产私有化中的角色高度同步。高盛的俄罗斯业务在叶利钦时代和普京时代均有深度介入，而负责这些业务的合伙人，与莫斯科政治圈的私人关系，往往比任何合同文本都更有价值。
这不是阴谋论，这是有文件记录的行业惯例。
《金融时报》2016年的一篇深度报道揭露，高盛前高管 Sasha Gins"——这个姓氏在俄罗斯政府圈子里并非巧合——在高盛内部负责"政府关系"，其父亲的职位为高盛在莫斯科拿下一系列能源和金融项目提供了便利。**这不是个人行为，这是系统性的"政治风险对冲"——通过建立与政治家族的血缘联系，把监管风险、政治风险转化为可预期的"关系资产"**。
高盛不是孤例。
摩根士丹利在1990年代至2000年代中期，对俄罗斯铝业大亨 Deripaska 等人的家族成员开放融资通道，这些融资与摩根士丹利在俄罗斯铝业私有化中的顾问角色同步推进。《纽约时报》2007年的调查报道详细记录了这一幕：Deripaska 的岳母（时任俄罗斯议员）通过一系列复杂的持股结构，获得了摩根士丹利安排的数亿美元贷款，而这些贷款的抵押物，是俄罗斯铝业公司的股权——一个资本密集型行业里的股权，在政治动荡期其价值极度依赖与政府的良好关系。摩根士丹利拿到了这张"关系牌"，Deripaska 拿到了美元，各方皆大欢喜，只有最终在金融危机中蒙受损失的债权人不知道这笔交易背后的政治溢价。
这就是华尔街的运作逻辑：不只是在提供服务，而是在购买一种特殊的资产——政治影响力本身。而购买这种资产最干净的方式，就是把政治家族的子女变成自己的员工。
摩根大通的"子女计划"：用招聘写欠条
如果说高盛在俄罗斯的操作是"战略性的长期投资"，摩根大通的案例则更直接、更赤裸。
2016年，摩根大通因为"子女计划"（Sons and Daughters）被美国司法部起诉。这项指控指出：摩根大通在2006年至2013年间，通过雇佣中国官员子女的方式，获取了价值超过6500万美元的政府合同和业务机会。这不是一项隐性的惯例，而是一项被摩根大通内部明确命名为"Sons and Daughters"的项目计划。
想象一下这番场景：摩根大通的招聘团队，桌上摆着一份名单，名单上的人并不是通过简历筛选流程脱颖而出的，而是被中国相关政府部门"推荐"过来的。这些"被推荐"的候选人，履历通常平平，但他们的入职，被明确记录为摩根大通向中国政府"示好"、换取业务机会的筹码。
最终，摩根大通为此支付了2.64亿美元的民事罚款，并与美国司法部达成了不起诉协议。这桩案件，让"招聘即行贿"这个概念第一次以法律文本的形式被固定下来——在美国的反海外腐败法（FCPA）框架下，为换取商业机会而提供的就业机会，可以被认定为行贿。
但罚款交完，项目结束了吗？显然没有。
FCPA 执法数据库的后续追踪显示，在摩根大通和解后的五年内，多家华尔街金融机构在香港、新加坡、中东的类似操作，并未显著减少。只不过操作手法更隐蔽了——从"直接招聘政治家族子女"变成了"通过风险投资基金间接持股政治家族关联企业""通过咨询费向政治家族成员支付费用""通过赞助政治基金会变相输血"。
Bithumb CEO 李在元被韩国警方立案调查的逻辑，与摩根大通案一脉相承：一家需要政府颁发牌照才能经营的金融机构，向握有牌照审批权的议员家属提供就业机会，这不是"招聘"，这是用就业机会购买监管资源。
区别只在于：摩根大通交了2.64亿美元罚款了事，李在元面临的是韩国的刑事调查。同样的行为，在不同的权力结构里，代价不同——但本质完全相同。
加密货币：最年轻的市场，最古老的游戏
现在回到 Bithumb。
Bithumb 是韩国最大的加密货币交易所之一，2017年至2021年期间曾是全球交易量排名前列的交易所。韩国政府对加密货币交易所实行的是牌照制——交易所必须获得韩国金融服务委员会（FSC）的牌照才能合法运营，而牌照的审批过程，涉及复杂的监管审查，涉及与金融监管机构的持续沟通，涉及政策走向的预判。
**在这样一个高度监管、牌照稀缺的行业里，交易所 CEO 的首要任务不是技术、不是产品，而是"关系"**——与监管机构的关系，与议员的关系，与政策制定者的关系。这种关系，不能靠产品说明书建立，不能靠客服邮件维护，它需要更直接的交换介质。
就业机会，就是最直接的介质之一。
议员把自己的子女或助理安插进交易所，表面上看是"给子女找一份工作"，实际上是在交易所里安插了一个信息通道和一个影响力触角。这个被安插的人，不需要真正干活——他只需要在关键时刻传递信号：在某项监管政策讨论之前，让议员知道交易所的态度；在某项牌照续期之前，提前预警风险；在某项新的合规要求出台之前，给交易所预留准备时间。
这是一种极其低成本的"政治保险"。议员不需要开口索要，交易所CEO不需要明码标价，一切都在"帮忙安排一下"的口吻中完成。
而加密货币行业之所以成为这种操作的温床，有几个结构性原因：
第一，监管不确定性高。 加密货币在大多数国家的监管框架都不稳定，政策的每一次调整都可能决定一家交易所的生死。这种高度不确定性，使得交易所对政策风险的敏感度极高，愿意付出更高的代价去购买"政策保险"。
第二，牌照稀缺性强。 韩国只发放了有限数量的交易所牌照，已经持有牌照的交易所具有显著的先发优势。这种稀缺性，使得牌照持有者有极强的动机去维护与监管机构的关系，哪怕付出额外成本。
第三，行业年轻，缺乏透明度。 大多数加密货币交易所的治理结构不透明，关联交易披露不完善，内部决策过程缺乏外部监督。这使得裙带安排更容易在"正常招聘"的包装下完成，而不易被外部发现。
第四，从业者年轻，职业伦理意识薄弱。 加密货币行业的从业者平均年龄远低于传统金融行业，许多创始人和高管是技术背景出身，对金融行业的合规传统和政治伦理缺乏认知。他们可能并不认为"帮议员安排一份工作"是一种腐败行为，而只是"帮忙而已"。
这四个结构性原因，在传统金融行业里同样存在——只不过传统金融的"前辈们"已经玩了一百多年，技术更娴熟，手法更隐蔽。
从华尔街到币圈：一个全球性的"关系资产"体系
把华尔街的案例和加密货币行业的案例放在一起看，会发现一个规律：金融行业——无论是传统的还是新兴的——在发展到一定阶段后，都会自发地形成一套"政治关系资产化"的运作模式。
这套模式的运作逻辑是：
金融机构的资产有两类：一类是财务报表上的资产——现金、债券、股权、房产；另一类是"关系资产"——与监管机构的关系、与政治人物的关系、与政策制定者的关系。后者虽然不在资产负债表上体现，但其价值往往比前者更决定一家金融机构的生死存亡。
"关系资产"的获取，需要通过持续的、互惠的交换来维护。 这种交换，最干净的形式是"雇佣政治家族成员"——你给我政策便利，我给你的家人提供就业机会和社会地位（以及由此带来的收入）。你不需要明说，我不需要明问，双方都心照不宣地完成交易。
这种交换的另一个变体是"顾问费用"——金融机构聘请政治人物的亲属担任"顾问"，名义上是借助其"专业能力"，实际上是一种变相的政治献金。顾问费的金额，通常与该政治人物所掌握的政策权力呈正相关。
还有一种变体是"政治捐款"——通过慈善基金会、政治行动委员会等渠道，将资金输送给与金融机构利益相关的政治人物或其关联组织。
所有的变体，都遵循同一个底层逻辑：金融资本需要政治权力提供保护，政治权力需要金融资本提供资源，两者之间的交换，是维持现有权力结构的必需机制。
理解了这一点，再来看华尔街的"子女计划"、摩根大通的2.64亿美元罚款、Bithumb CEO 的行贿调查，就会发现它们不是孤立事件，而是一个跨越行业、跨越国界、跨越时代的"全球关系资产体系"的不同节点。
为什么这个问题难以被根治
每次出现类似的案件，公众的反应通常是：加强监管！加重处罚！完善法律！
这些回应当然有其必要性，但它们只触及了问题的表象，而非根本。
根本在于：金融机构和政治权力之间的"关系交换"，是内嵌于现代国家治理结构中的结构性需求。
政府需要金融机构提供税收、就业、系统性金融稳定。金融机构需要政府提供监管框架、司法保护、宏观经济政策。这种相互依赖，决定了"关系"不可能被完全消除——它只能被规范化和透明化。
完全切断金融资本和政治权力的联系，在理论上是一个美好的愿景，在实践中几乎不可能实现。原因很简单：完全中立的监管者和完全中立的市场参与者，在现实世界里都是不存在的。监管者有自己的职业生涯焦虑，市场参与者有自己的商业利益诉求，两者之间的互动，无论多么规范化，都必然包含一定的"私人关系"成分。
所以问题的关键从来不是"如何消灭关系"，而是"如何让关系保持在合理边界内"。
美国的 FCPA（反海外腐败法）提供了一个参考框架：它并不禁止公司与政府官员进行正常商业往来，但它明确禁止以"获取不当商业优势"为目的向政府官员提供任何形式的利益——包括就业机会。**这把判断标准从"关系是否存在"转移到了"动机是否正当"**。摩根大通案被认定违法的关键，不是它雇用了中国官员的子女，而是它把这种雇用明确记录为"换取政府业务"的工具——这个"换取"的意图，在法律上构成行贿。
但 FCPA 的执法同样面临挑战：**"动机"的认定，在实践中极难举证**。如果一家金融机构雇用了政治人物的子女，但能够证明该候选人的录用是基于其真实的专业能力，那么 FCPA 的适用就会受阻。这就催生了一个产业——政治背景调查公司和"旋转门"咨询机构——专门帮助金融机构在雇用政治家族成员时建立合理的"专业能力"档案，以规避 FCPA 的追责。
这是一个猫鼠游戏的永恒循环：监管加强→规避手段升级→监管继续加强→规避手段继续升级。 摩根大通交了2.64亿美元之后，其他金融机构的类似操作并未消失，只是操作手法更隐蔽了。
韩国的特殊性：财阀文化与加密货币的碰撞
在讨论 Bithumb 案时，有一个维度不能忽视——韩国的特殊权力生态。
韩国经济的核心特征是"财阀"（Chaebol）体制——三星、现代、LG、SK 等超大型企业集团，控制了韩国经济的命脉。这些财阀与政治权力的关系，是韩国经济史中最核心、也最复杂的主题之一。每一任总统上任后，都面临一个核心挑战：如何处理与财阀的关系——既需要财阀的经济贡献，又需要防止财阀垄断政治资源。
在这个结构里，**"就业安排"一直是政治权力和财阀之间的重要交换媒介**。韩国历届政府中，不乏总统亲属安插进大财阀任职的案例，这些安排往往是政治联盟的信号——不是"帮朋友一个忙"，而是"我们是一个阵营的"的公开宣示。
加密货币交易所在韩国，本质上是"数字时代的财阀"——它们规模大、影响力强、牌照稀缺、需要政治庇护。**Bithumb CEO 李在元向议员安插人员提供就业机会，在韩国的政治文化语境里，可能并不被认为是一种腐败，而只是一种"常规操作"**。
但这种"常规"，在加密货币行业走向全球化和合规化的背景下，正在变得越来越难以维持。韩国金融服务委员会近年来持续收紧对加密货币交易所的监管，牌照审批透明度在提升，监管合规要求在提高。在这种背景下，Bithumb 的这桩"安排就业"案，可能是韩国监管机构向整个加密货币行业发出的一个信号：旧的权力游戏规则，正在被新的合规标准淘汰。
币圈的新玩家，旧的问题
值得注意的一个趋势是：随着传统金融资本加速进入加密货币行业，"政治裙带"的游戏，正在从传统金融延伸到一个更广阔的战场。
贝莱德（BlackRock）、富达（Fidelity）等传统资管巨头申请比特币 ETF，进入加密货币市场；高盛、摩根大通等华尔街机构开始向客户提供加密货币托管和交易服务；State Street、Northern Trust 等托管银行开始为加密货币交易所提供机构级托管服务。
这些传统金融机构带来的，不只是资金和合规经验，还带来了一整套与政治权力互动的成熟模式。FCPA 在美国适用，UK Bribery Act 在英国适用，香港的《防止贿赂条例》在曾经的亚洲金融中心适用——这些法律框架，在理论上可以约束华尔街金融机构在加密货币领域的政治裙带行为。
但加密货币的特性——跨境、去中心化、匿名性——也在创造新的监管套利空间。
一个典型的场景：一家在新加坡注册的加密货币交易所，在迪拜设立运营主体，在韩国开展业务，向韩国监管机构申请牌照——它在新加坡的行为受新加坡法律约束，在迪拜的行为受阿联酋法律约束，在韩国的行为受韩国法律约束。三个司法管辖区的反腐败法律不同，执法力度不同，信息共享机制不完善。这为"政治关系资产化"的操作，提供了传统金融行业不具备的套利空间。
Bithumb 案的价值，在于它提供了一个窗口：让我们看到，在新兴市场里，加密货币交易所与政治权力的互动，是如何以最传统的方式完成的——不是通过区块链，不是通过 DeFi 协议，而是通过一份工作。
一场没有终点的博弈
回到那个最根本的问题：金融与政治的联姻，能被切断吗？
答案可能令人沮丧：不能被切断，但可以被约束。
华尔街一百年的历史告诉我们，裙带资本主义（Crony Capitalism）不是一种"错误"，而是一种"结构"。只要政府握有资源分配的权力，只要金融机构的生存依赖于政府的政策决策，两者之间的"关系交换"就必然存在。问题不在于是否存在，而在于它是否被透明化，是否被约束在合理边界内，是否在法律框架下被有效监管。
摩根大通案让"子女计划"付出了2.64亿美元的代价——这个代价足够高，使得大型金融机构在雇用政治家族成员时必须更加审慎。但它没有终结这种行为，只是让它更隐蔽。
Bithumb CEO 李在元被韩国警方立案调查——这是韩国加密货币行业走向合规化的一小步。但只要韩国的财阀体制不变，只要牌照审批权集中在少数政治人物手中，只要交易所的生存依赖于与监管机构的良好关系，类似的操作就还会继续出现。
真正能够改变局面的，不是更多的调查和处罚，而是结构性权力关系的重塑——减少政府对资源配置的垄断，降低金融行业进入的监管壁垒，提高政策决策的透明度，让"关系"不再成为稀缺资源。
但这个结构性改变，需要几十年——可能几代人的努力。
在那之前，我们能做的，是持续地记录、揭露、分析这些"关系资产化"的运作机制，让它们每一次出现都付出足够的舆论代价——直到有一天，这个代价高到不值得去冒。
新老用户返佣20%优惠码42775467

AI 下一阶段投资主线：谁把 Token 像水电煤一样大规模便宜生产出来，谁就赚大钱
一、时代的转折：从"炼最强模型"到"炼最便宜的Token"
过去三年，整个 AI 行业的主题只有一个：谁能把模型能力训练到最强。
OpenAI 烧了上百亿美元炼出 GPT-4，Anthropic 追着炼 Claude，Google 拼命追，Meta 开源追。每一次参数规模的提升、每一次架构的迭代，都是一场军备竞赛。投资逻辑也很简单：模型能力强，就有人用，有人用就有收入。
但这个逻辑正在悄悄转向。
2024 年到 2025 年，市场开始出现一个被大多数人忽视的信号：模型能力的边际提升，开始赶不上成本上涨的速度。GPT-4 到 GPT-4o 到 o3，每一代都在提能力，但每一家厂商都在拼命压缩推理成本——因为用户对价格极度敏感。Claude Sonnet 3.7 出来没多久，Anthropic 就开始降价。Google Gemini 的 API 价格一降再降。推理成本的压缩速度，已经成了各家公司竞争的核心战场。
资本市场现在开始问一个更务实的问题：你能不能把智能又便宜、又稳定、又大规模地塞进用户的工作流？
模型能力当然重要，但训练的边际收益已经大幅下降。你花 10 亿美元训一个 GPT-5，用户感知到的提升可能只有 15%；但如果你能把同样的 GPT-4 推理成本砍掉 70%，用户的用量会直接翻 5 倍。
这就是下一阶段的核心逻辑：**从"模型军备竞赛"到"Token工业化生产"**。
二、为什么是Token？为什么是现在？
很多人对 Token 这个概念还停留在"AI 生成文字的计量单位"这个层面。太窄了。
Token 本质上是智能的流通货币。每一次 AI 生成一段文案、识别一张图片、分析一段代码、执行一次任务，都在消耗 Token。你用 ChatGPT 写周报，在 Notion 里让 AI 总结会议记录，用 Copilot 改代码，甚至让 AI 帮你筛选简历——背后都在消耗 Token。
过去一年，全球 AI Token 消耗量的增速是指数级的。Anthropic 的 API 调用量每隔几个月就翻一倍。OpenAI 的收入增速主要靠量和价的双重驱动，而不是靠模型能力提升。Google Gemini 的用量报告里，Token 消耗量是增长最快的指标之一。
而这还只是开始。
推理需求会是现在训练需求的 100 倍、1000 倍甚至上万倍。
为什么？因为训练只需要跑一次，但推理是每一次使用都要跑。用户数从 1 亿增长到 10 亿，每个人每天用 10 次 AI，每个月新增的 Token 消耗量是海量的。更重要的是，AI 从"聊天工具"正在变成"工作流基础设施"——企业级 AI Agent、自动驾驶决策系统、工业质检、药物研发、金融风控……每一个场景背后，都是永不停歇的 Token 消耗机器。
这不是比喻，这是物理事实：Token 马上要变成企业每天都要花钱买的基础资源，就像电、水、燃气一样。
一旦某个东西变成了基础设施，它就具有了几个特征：
需求量极其大单价会持续下降（因为规模效应和技术进步）但总支出会持续上升（因为用量增速远超价格降幅）谁掌握生产，谁就有定价权
这就是为什么"谁把 Token 大规模便宜生产出来"会成为下一个十年最赚钱的生意。
三、三类公司，三种机会
在这个新逻辑下，AI 产业链上的公司重新分化为三种角色：卖 Token 的入口、造 Token 的工厂、降 Token 成本的核心器件。每一种都对应着不同的投资逻辑和风险收益比。
第一类：卖 Token 的入口——离钱最近的软件公司
这些公司的逻辑最简单：他们不生产 Token，但他们帮用户消耗 Token，他们收过路费。
典型代表是 Salesforce（$CRM）、Adobe（$ADBE）、Microsoft（$MSFT）、Duolingo（$DUOL）这些软件公司。他们的共同特点是：有几千万甚至几亿的真实用户，有已经付费的企业客户，AI 功能直接嵌入现有的订阅模式里。
举几个具体的例子：
Salesforce 的 Einstein AI 已经深度集成到 CRM 里，每一条 AI 生成的客户跟进建议、每一次 AI 驱动的销售预测，都在消耗 Token。但用户为此付的钱，是包在 Enterprise Edition 的订阅费里的。用户感知不到 Token 的消耗，只感知到"AI 帮我多签了几单"。Salesforce 的 AI 收入增速在最新财报里已经能看到明显的加速迹象。
Adobe 的 Firefly 表面上是一个 AI 绘图工具，实际上是 Adobe Creative Cloud 订阅涨价的核武器。每一次用户用 Firefly 生成一张图、生成一段视频特效，Adobe 都在内部消耗 Token，但对外收的是每月 60 美元的订阅费。AI 功能让 Adobe 有理由提价，而提价带来的利润率提升，直接转化为利润。
Microsoft 更直接。Copilot 每月 30 美元塞进 Office 365、GitHub、Teams、Bing——微软现在是全球最大的 AI Token 销售渠道之一。Azure 上的 OpenAI API、Copilot 订阅、Windows AI 功能，构成了一个立体的 Token 销售网络。
这类公司的投资逻辑是：Token 消耗量越大，他们的 AI 收入增速越快。估值上，市场会给他们软件公司的估值溢价，同时因为 AI 带来的提价和增量用户，会给一定的增长溢价。
风险在于：如果 AI Token 价格大幅下降（因为芯片成本下降、竞争加剧），这些公司的 AI 溢价可能会被压缩。盯住他们财报里的 AI 收入增速和 ARR（年度经常性收入），这是最核心的指标。
第二类：造 Token 的工厂——云巨头，最稳的赌注
这些公司是 Token 生产链上的"发电厂"。他们建数据中心、买 GPU、采购电力，然后把算力包装成 API 卖给开发者。
典型代表是 Google（$GOOG）、Amazon（$AMZN）、Microsoft（$MSFT）。这三家目前控制着全球超过 60% 的 AI 算力基础设施。
Google 的优势在于 TPU 自研+Google Cloud 的规模效应+Gemini 的模型能力，三位一体。Google 的 AI Token 消耗量增速在云巨头里可能是最快的，因为 Gemini 已经深度嵌入 Google Workspace、Google Cloud、YouTube、Android。Google 还有搜索这个天然的场景——每一次搜索背后都有 AI 增强在消耗 Token。
Amazon 的 AWS 是全球最大的云服务商，Amazon Bedrock 让开发者可以调用 Claude、GPT、Titan 等多个模型，AWS 上的 AI 推理工作量增速非常快。Amazon 还有一个独特优势：它的零售业务本身就是 AI 的最大用户之一，内部消耗的 Token 量是天文数字。
Microsoft 是这三家里 AI 收入占比最高、增速最快的。Azure OpenAI Service 已经成了企业级 AI 的标杆产品，Copilot 订阅正在成为 Office 365 提价的核心驱动力。Microsoft 的 AI 收入增速在最新财报里是所有业务线里最快的。
这类公司的投资逻辑是：AI Token 消耗量越大，他们的云收入增速越快，利润率越高。估值上，他们是"稳健版"的 AI 赌注——不像英伟达那样弹性大，但确定性高得多。
风险在于：资本开支巨大，GPU 采购和数据中心建设的投入周期很长，短期可能压制利润率。盯住他们财报里的 CapEx（资本开支）和 AI 收入占比，这是判断他们 AI 投入力度的核心指标。
第三类：推理降本芯片——最硬的护城河
这是整个 AI 产业链上弹性最大的环节。推理芯片的作用是把 Token 生产的成本降下来——芯片越强，每秒能处理的 Token 越多，单 Token 成本越低。
英伟达（$NVDA ） 已经是这个领域的绝对王者。Blackwell 架构的 GB200 在推理效率上比 H100 提升了数倍，而每一代新芯片出来，都是对上一代的成本革命。但英伟达不只是在卖芯片——NVLink、CUDA 生态、NIM（Nvidia Inference Microservices），让它从"硬件公司"变成了"AI 基础设施平台"。
博通（$AVGO ） 是一个被低估的选手。它的定制 ASIC 业务（Google TPU、Apple M 系列芯片背后的代工）让它在推理芯片市场占据了独特位置。博通最近一个季度财报后股价大跌 12%，市场对它的 AI 收入预期可能过于保守。博通的 AI 网络芯片（用于数据中心内部互联）在 AI 集群里的价值量被低估了。
这两家公司还有一个共同的优势：它们都受益于"AI Token 消耗量增加→推理芯片需求增加"的逻辑链条。不管最后哪个软件公司赢、哪个模型赢，都需要更多的推理芯片。
投资这类公司的逻辑是：Token 消耗量越大，推理芯片需求越大，它们的收入和利润增速越快。估值上，市场给的 PE 倍数不低（英伟达 PE 30+，博通 PE 20+），因为它们的增长确定性高。
风险在于：AI 芯片的竞争正在加剧。AMD 的 MI300X 在某些场景下性价比更高，Google TPU、Amazon Trainium、Microsoft Maia 都是自研芯片的案例。如果芯片价格战开打，利润率会承压。盯住它们的毛利率和 AI 芯片市场份额变化。
四、ETF：不想选个股的人的最佳选择
如果你不想深度研究个股，或者想分散风险不想 all in 某一家公司，ETF 是最合适的选择。
几个值得关注的方向：
AI 主题 ETF：如 Global X Artificial Intelligence & Technology ETF（$AIQ）、iShares Expanded Tech-Software Sector ETF（$IGV）。这类 ETF 覆盖 AI 产业链上下游，既有芯片股也有软件股，适合长期定投。
云计算 ETF：如 First Trust Cloud Computing ETF（$SKYY）、iShares Expanded Tech-Software Sector ETF（$IGV）。云计算是 Token 消耗量增加的直接受益者，因为 AI API 调用都跑在云上。
半导体 ETF：如 VanEck Semiconductor ETF（$SMH）、iShares Semiconductor ETF（$SOXX）。芯片是整个 AI 链条最上游的部分，英伟达、台积电、博通都在里面。
数据中心 ETF：如 Pacer Data & Digital Infrastructure ETF（$VPN）。数据中心是 Token 生产的物理基础，电力、冷却、服务器是幕后英雄。
ETF 的好处是：不用择股，只用择赛道。AI Token 消耗量增加这个趋势，不需要你判断哪家公司会赢，只需要你判断赛道会继续增长。长期定投这些 ETF，收益往往比大多数人择股要好——因为大多数人在择股时会犯情绪化错误。
五、个人能力角度：比炒股更重要的事
说了这么多股票，但普通人最大的机会，**其实不是炒股，而是让自己变成"会用 AI 的人"**。
这句话听起来是老生常谈，但大多数人还没有真正理解它的含义。
现在的 AI 使用者分为三种层次：
第一种：会用 AI——能用 ChatGPT 写文案、能让 Claude 总结文章、会用 Copilot 写代码。这种人是大多数，但壁垒不高，因为这些能力很快会成为"基本技能"，就像会用 Office 一样。
第二种：会用 AI 干活——能把 AI 嵌入自己的工作流，能用 Cursor 做完整项目、能用 Manus 跑复杂任务、能用 AI 做数据分析并出可视化报告。这种人的工作效率是普通人的 5-10 倍，但还没有完全稀缺。
第三种：能用更少 Token 干更多活——这种人理解 AI 的成本结构，能优化提示词、懂得模型选型、能控制 Token 消耗量。这种人在职场上极其稀缺，因为老板们开始关注"AI 成本"了。能用 GPT-4o-mini 解决 80% 的问题、只在最复杂场景用 GPT-4 的员工，比只会用最贵模型的人值钱得多。
未来十年，"会指挥 Agent 的人"比"被 Agent 替代的人"更吃香。
这不是危言耸听。AI Agent（AI 代理）正在从概念变成现实。Manus、AutoGPT、OpenAI 的 Operator、各大厂的 Agent 框架——这些工具的背后，是一个新的职业分工：指挥 AI 干活的人。这类人的核心竞争力是：懂得任务分解、懂得什么时候用什么工具、懂得检查和修正 AI 的输出、懂得控制成本。
所以我的建议是：
第一，每天用 AI 工具，把它们塞进你的工作流。 不管你做什么职业——写代码、做表格、写文案、做客服、做数据分析——找一款能帮你提效的 AI 工具，坚持用，用到熟练。
第二，学提示词、Agent 搭建、成本控制。 这些技能现在的市场价值极高，未来几年会更高。一个好的提示词工程师，能让同一个 AI 模型产出质量高 3 倍的输出，成本却低一半——这种人在职场上就是印钞机。
第三，关注 Token 价格变化。 当 GPT-4o-mini 的价格降到每百万 Token 0.1 美元以下时，意味着 AI 在更多场景里替代人类工作在经济上变得可行了。Token 越便宜，AI 渗透率越高，相关股票的基本面越好。
六、日常应该关注什么
作为普通人，你不需要每天盯盘，但有几个信号值得持续关注：
第一，Token 价格有没有继续大降。 关注 OpenAI、Anthropic、Google 的 API 价格公告。如果某个主流模型大幅降价，意味着 AI 渗透率会加速，相关软件股和云厂商的基本面会改善。
第二，云巨头财报里的 AI 资本开支和推理收入。 每次微软、Google、Amazon 发财报，重点看 AI 相关的收入增速和 CapEx 指引。AI 资本开支增速加快，意味着它们在囤 GPU、建数据中心，相关芯片股和数据中心股受益。
第三，哪家公司把 AI 真正嵌入企业内部，而不是只玩概念。 关注 Salesforce、Adobe、ServiceNow 这些软件公司的 AI 功能渗透率。如果企业用户真正在使用 AI 功能而不是只是"开启了但没用"，AI 收入才有持续性。
第四，电力、数据中心、液冷这些"幕后"基础设施新闻。 AI 推理需要巨量电力，数据中心选址、电网升级、冷却技术革新，这些是 Token 大规模生产的基础保障。这些领域的公司往往是"被忽视的赢家"。
七、写在最后：AI 从"能力稀缺"进入"成本纪律"时代
过去三年，AI 行业的主题是"能力稀缺"——谁能做出最强的模型，谁就赢。
未来三到五年，AI 行业的主题是"成本纪律"——谁能用最低的成本生产最多的 Token，谁就赢。
这两个主题的转变，对投资逻辑的影响是根本性的：
从"谁能做出 GPT-5"到"谁能让 GPT-4 的使用成本降到百分之一"——后者才是决定市场份额的力量。
从"模型能力排行榜"到"Token 消耗量排行榜"——后者才是反映真实需求的指标。
从"AI 概念股"到"AI 收入和利润"——资本市场终于要开始看真金白银了。
普通人参与这个时代最好的方式，是一边用合理的方式投一点相关股票，一边拼命把 AI 用进自己的工作和生活里。
股票让你分享 Token 经济扩张的财富效应，AI 工具使用能力让你在职场上变得不可替代。两者兼得，才是这个时代最稳健的姿势。
新老用户注册返佣20%优惠码42775467

三星 vs SK海力士 vs 美光：AI存储芯片三巨头，为什么现在值得买？
先说结论
HBM（高带宽内存）不是周期股了。2026年的存储芯片短缺不是普通的供需波动，而是AI大模型军备竞赛带来的结构性需求爆发。英伟达Rubin平台、谷歌TPU、AMD MI400——每一颗AI芯片都需要HBM，每一片HBM都在涨价。这不是"这次不一样"的叙事泡沫，而是实打实的产能数字和定价数据在说话。
三家巨头，全部通过英伟达HBM4认证。SK海力士是当前AI服务器存储的无冕之王；三星正在发动史上最大规模的HBM反攻；美光则手握"美国国产"这张地缘政治牌。三个标的，不同逻辑，不同风险，适合不同仓位的投资者。
一、HBM：AI时代的"存力瓶颈"，比GPU更紧俏
大模型训练需要GPU，但GPU没有HBM就是废铁。一台AI训练服务器需要8到12颗HBM3E，是传统服务器内存用量的8到10倍。英伟达Blackwell、谷歌TPU、亚马逊Trainium3——这些新平台单芯片就搭载4到8颗HBM3E，需求激增91%。
2026年的HBM市场已经疯了：
HBM3E现货价格较半年前暴涨超过300%，从数千美元飙升至数万美元，部分订单排到2027年底。三大厂商2026年产能全部售罄，部分客户预付款比例提到30%。这不是议价，这是锁定产能的军备竞赛。
摩根大通的研报说得很清楚：HBM供需紧张将持续到2027年，整个DRAM行业进入为期5年的上行周期。
TrendForce的数据更直观：2026年全球HBM位元消耗量预计同比大增92%至285亿Gb，2027年再增长76%至580亿Gb。服务器DDR均价已经从Q1的1.15美元/Gb跳升至Q2的约1.95美元/Gb，部分DDR5报价接近2.10美元。瑞银把二季度涨幅预测从+37%直接跳升至+60%。
核心逻辑：AI推理Token消耗量越大，需要的内存越多。 每一次大模型输出Token，都需要从HBM里读取权重参数。Claude ARR已达440亿美元，OpenAI年营收200亿美元——AI推理的Token消耗正在从"训练为主"切换到"推理为主"，但无论是哪种场景，HBM都是刚需。随着推理Workload占比提升，DDR5服务器内存的需求同样水涨船高。
二、SK海力士（000660.KS）：AI存储的无冕之王
当前逻辑：HBM3E统治地位 + HBM4率先量产
SK海力士是英伟达H100/H200/H300全系列GPU的HBM独家或主供供应商，在HBM3E市场占据约61%的份额。黄仁勋2026年6月亲自到访韩国，与SK集团会长崔泰源共进晚餐——这不是礼节性拜访，是供应链外交。
HBM4量产进度： SK海力士2026年3月在全球率先交付12层堆叠HBM4工程样品，带宽突破2TB/s，容量36GB，能效提升40%以上。HBM4采用2048位宽接口（是HBM3E的两倍），超过JEDEC标准的8Gbps运行速度，达到10Gbps以上。公司选择将逻辑Base Die交给台积电代工（5nm工艺），既保证了良率，又绑定了台积电的CoWoS先进封装生态。
财务数据： SK海力士Q1 2026营收52.58万亿韩元，营业利润11.38万亿韩元，创历史新高。营业利润率超过21%。公司已申请在纽约发行ADR，意味着美国投资者可以直接买到这只AI存储龙头。
资本支出： SK集团会长崔泰源明确表示，2026年资本支出将大幅超越2025年的30.2万亿韩元（约200亿美元）。五年内晶圆产能扩大一倍的目标不是PPT，是真实的扩产计划——清州M15X工厂2026年2月启动HBM4配套晶圆量产，龙仁半导体集群首座工厂2027年竣工。
市值： 截至2026年5月，SK海力士市值约1383万亿韩元（约922亿美元），一年内涨了9.47倍，已加入"万亿美元俱乐部"。和三星的市值比例从一年前的44%大幅收窄至79%——资本正在追逐AI存储龙头。
风险： 股价已经涨了很多，估值压力不容忽视；对中国无锡工厂的出口管制限制影响部分先进制程扩张；过度依赖英伟达一家客户。
适合： 想买AI存储核心资产、不在乎短期高估值的投资者。HBM3E+ HBM4双代际产品同时发力，这是三者中最纯粹的AI存储标的。
三、三星电子（005930.KS）：被低估的反攻者
当前逻辑：史上最强财报 + HBM追赶加速 + 多元化缓冲
三星半导体部门Q1 2026的业绩已经不是"复苏"，而是爆炸：营收81.7万亿韩元（约548亿美元），营业利润53.7万亿韩元（约360亿美元），营业利润率高达65.7%。整个集团营收133.9万亿韩元，同比增长69%，营业利润57.2万亿韩元，同比增长756%——这是韩国企业史上最高单季盈利纪录。HBM相关收入同比增长超过三倍。
DRAM和NAND的平均售价较2025年全年均价大涨约146%。这不是周期性反弹，这是AI需求拉动的定价权提升。
HBM追赶： 瑞银将三星2027年HBM出货预测大幅上调至230亿Gb（同比+137%），背后是资本支出的提前部署。如果预测兑现，2027年三星和SK海力士将各占40%市场份额，形成HBM双寡头格局——这将是历史性重塑。三星已于2026年2月在业内率先启动HBM4量产出货，使用自研4nm工艺制造Logic Base Die，展示全球首款HBM5样品，Computex 2026上推出HPB（Heat Pass Block）散热技术应对AI超高功耗。
市值： 三星电子约1751万亿韩元（约1175亿美元），是韩股第一大权重。股价一年内"仅"涨了5.31倍——涨幅远小于SK海力士，意味着估值比SK海力士更便宜。三星同时拥有全球最大的OLED显示、手机和家电业务，半导体只是其中一部分，这意味着它有更强的抗周期缓冲。
风险： 代工业务（和台积电竞争）持续亏损；组织内部存储与代工部门的协同效率存疑；HBM技术积累仍落后SK海力士约一到两个代际。
适合： 想买AI存储但担心SK海力士估值过高的投资者；或者想持有韩股大盘指数但希望加一点AI敞口的投资者。三星是KOSPI指数最大权重，持有三星相当于持有韩国股市+存储+显示+移动的全套敞口。
四、美光科技（MU.US）：美国国产AI存储，地缘政治加持
当前逻辑：政府背书 + 定制化路线 + 估值洼地
美光是三家中唯一一家美国本土存储公司，这张牌在2026年的地缘政治环境下分量极重。中国对美光产品的网络安全审查已经让三星和SK海力士在中国市场获得了额外份额——而美光作为"被针对"的美国公司，获得了美国政府的背书和补贴。
财务数据： 美光Q2 FY2026（截至2026年1月）营收87.8亿美元，环比增长75%，毛利率74.4%，远超市场预期。DRAM营收68.9亿美元，环比增长73.6%，ASP单季上涨约65%。HBM营收约27.5亿美元。FYQ1 2026（截至2025年11月）营收76.6亿美元，毛利率56%，同样超预期。存储涨价的速度和幅度都超出了最乐观的分析师预测。
HBM4进度： 美光于2026年3月宣布量产HBM4，产能爬坡速度比去年HBM3E 12层产品时快了两倍。HBM4采用1-beta DRAM成熟工艺，良率68%，远高于其HBM3E量产初期的52%。差异化策略：与台积电合作开发HBM4e定制方案，支持客户在基础芯片嵌入定制逻辑IP，谷歌Trillium TPU、AWS Trainium2已经采购美光HBM4样品。
估值： 在三家之中，美光可能是估值最具吸引力的。英伟达认证通过、地缘政治加持、AI存储超级周期——但$MU 的EV/EBITDA倍数远低于SK海力士。
风险： HBM市场份额（约20%）远小于韩系双雄；客户集中度高（主要服务美国本土AI客户）；成熟制程DRAM面临三星和SK海力士的竞争压力。
适合： 在美国市场交易的投资者；看好AI存储超级周期但希望有美国政府背书和美股市场流动性的投资者。美光是三者中流动性最好、准入门槛最低的标的——开个美股账户就能买。
五、三家横向对比
维度 SK海力士$SKHYNIX 三星电子$SAMSUNG 美光科技 HBM4量产状态 率先量产，领跑 率先出货样品，跟进 3月量产，跟进 英伟达认证 已通过（最强绑定） 已通过（正在追赶） 已通过（定制化路线） 2027年HBM市占预测 ~40% ~40% ~20% Q1 2026营业利润率 ~21% ~65.7% ~57% 市值 ~922亿美元 ~1175亿美元 ~1000亿美元 核心优势 HBM技术领先 综合电子+存储 美国政府背书 主要风险 估值高，客户集中 代工亏损 市场份额较小
六、买入建议与风险
综合评级：SK海力士 > 美光 > 三星
SK海力士是AI存储超级周期最纯粹的受益者，HBM3E + HBM4双代际同时发力，英伟达Rubin平台最大受益标的，适合高风险偏好、能接受高估值的投资者。
美光是"美国国产AI存储"的稀缺标的，地缘政治加持，估值相对合理，适合美股账户投资者作为AI基础设施组合的补充配置。
三星是稳健选择，半导体业绩爆发式增长，HBM追赶加速，多元化业务提供缓冲，但HBM技术积累的追赶仍需要时间。
风险提示：
HBM供需逆转风险：如果AI基础设施建设放缓，或主要客户库存调整，HBM价格可能快速回落。三大厂商同时扩产，2027-2028年后可能出现供给过剩。地缘政治风险：韩美中三国博弈升级可能影响供应链——SK海力士无锡工厂受美国出口管制限制，美光在中国市场的准入持续受限。英伟达GPU需求风险：如果AI推理效率提升导致单芯片HBM用量减少，或AMD/Broadcom等替代方案抢占市场份额，HBM需求可能低于预期。估值风险：SK海力士股价一年内涨近10倍，美光同样涨幅巨大。如果AI叙事短期证伪，回调幅度不会小。周期属性仍在：存储芯片历史上是强周期性行业，本次"结构性短缺"能维持多久存在不确定性，不应完全排除周期反转的可能。
个人判断： HBM的超级周期不是泡沫，而是AI基础设施建设的真实副产品。Anthropic ARR 440亿美元、OpenAI年营收200亿美元——每一家AI公司都在疯狂消耗Token，每Token都依赖HBM。这个逻辑至少在2027年之前不会破。SK海力士是最纯、最强的标的，但现在才去追SK海力士需要想清楚：买的是未来三年的业绩，还是已经Price in的预期。