Loading...
Loading...
Anthropic冲刺史上最大IPO：目标11月挂牌纳斯达克，估值2万亿美元据《商业内幕》报道，Anthropic已经选定纳斯达克作为上市地点，目标10月启动路演，11月挂牌。路透社12日披露，英伟达正以基石投资者身份洽谈参与，出手就是最高100亿美元。
Anthropic这轮IPO计划募资最高1000亿美元，目标估值约2万亿美元。什么概念？SpaceX今年6月在纳斯达克上市，募资863亿美元，估值1.77万亿——已经是史上最大IPO了。Anthropic想把这个纪录再往上拉一个台阶。
高盛、摩根大通、摩根士丹利三家联手做主承销商。6月1日就已秘密向SEC提交了S-1草案。
英伟达：又卖芯片又投钱
英伟达这步棋下得精。
100亿美元的基石投资，占总募资额的10%。基石投资者是在股票面向公众发售之前就预先承诺认购的机构，核心作用是给市场"打样"——你看，我英伟达都押了100亿，你敢不买？
但问题在于，英伟达本来就是Anthropic最大的芯片供应商。Claude模型的训练和推理全靠英伟达的GPU跑。2025年11月，英伟达已经宣布投资Anthropic最高100亿美元，Anthropic则承诺采购300亿美元由英伟达芯片驱动的微软Azure算力。
现在又要以基石投资者身份再投100亿。
供应商变成了股东，股东投的钱又变成了供应商的收入。这不是套娃，这是闭环。
更绝的是，Anthropic还跟英伟达支持的云厂商Nscale签了450亿美元算力协议，又跟同样有英伟达背景的Lambda签了350亿美元。加上亚马逊超过1000亿美元的AWS十年合同和谷歌的TPU租赁——Anthropic本质上在用英伟达的钱，买英伟达的芯片，跑自己的模型，再把收入的一部分还给英伟达。
永动机也不过如此了。
营收：数字很炸，但得拆开看
循环归循环，营收数据确实炸裂。
Q2营收115亿美元，去年同期7.87亿，增长15倍。年化营收从年初的90亿飙到7月的650亿美元，半年翻了7倍多。毛利率超过80%，Q2调整后营业利润首次转正，达到5.59亿美元。
但注意，"调整后营业利润"是个有弹性的词。
调整后意味着剔除了股权激励、训练成本等一大堆开支。有分析师直接给这个指标起了个外号叫"EBTIT"——Earnings Before Training, Interest, and Taxes（训练、利息和税前利润）。公司自2021年创立以来累计净亏损超百亿美元，从没在任何一个完整财年赚过钱。
管理层自己还告诉投资者，下半年因为算力和训练投入加大，大概率不会再盈利。
所以这个"首次盈利"，更像是一道精心调整后的财务表演。
估值：市场在赌一个你看不到的数字
2万亿除以650亿年化营收，PS（市销率）约31倍。
但投资者讨论的不是650亿。他们看的是2028年的预期——公司预计2028年营收1900亿到2000亿美元。按那个算，PS约10倍，"好像没那么贵了"。
问题是：你要相信一家公司能在两年内把收入做到现在的三倍，还要维持5%以上的运营利润率。
纽约大学金融学教授Aswath Damodaran直接说了：这个估值"已触及合理边界，甚至超出了可信范围"。
最讽刺的一幕
最有意思的地方来了。
就在Anthropic冲刺IPO的同时，CEO达里奥·阿莫代伊公开呼吁：AI行业需要放慢最先进模型的开发速度。理由是AI能力的发展已经超过了安全措施。
Sam Altman表示支持。马斯克也发了声。OpenAI直接表态今年不上市。
然后Anthropic一边喊刹车，一边踩油门冲上市。
矛盾吗？其实不矛盾。踩刹车的是前沿模型的能力竞赛——最危险的那些东西，确实该慢一慢。但商业化不能停。Claude卖给企业，该赚的钱照赚。
只不过，两条路线的分歧已经很明显了。OpenAI选择不上市，Anthropic选择上。两条路最终都要面对同一个裁判：市场和投资者。
结语
2026年美股IPO市场已经疯了。剔除空白支票公司，今年募资总额1606亿美元，2021年以来最高。SpaceX、SK海力士之后，Anthropic又来了。
这不是结束，AI时代的资本大戏可能才刚开场。
但真正值得盯的不是"2万亿贵不贵"——而是那个循环能不能转下去。
英伟达卖芯片赚的钱，投给Anthropic。Anthropic拿钱买GPU做营收，营收增长推动估值，估值支撑IPO，IPO回馈英伟达的投资。
只要模型能力还在涨、企业需求还在扩、资本信心还在，这个循环就能转。但任何一个环节松动——芯片降价、需求放缓、或者有人发现"原来利润是这么算出来的"——整条链子就会开始发抖。
Anthropic的IPO，本质上是对整个AI行业循环投资逻辑的一次压力测试。
市场很快会给答案的。
超150亿，无锡收获一个明星IPO一年入账超3亿元。
作者丨鲁智高
编辑丨王庆武
来源丨东四十条资本
无锡刚刚诞生了一个明星IPO。
9月9日，优地机器人在港上市。刚一开盘，这家位于无锡的机器人公司，股价较发行价14.45港元涨超160%，市值超过155亿港元。
在“小灵通”时代老将卢鹰带领下，脱胎于UT斯达康的优地机器人经过13轮融资，最终敲开了港交所的大门。
伴随着IPO的锣声，君联资本、阿里巴巴、云锋基金、商汤国香资本、神骐资本、雪球资本、陕西鸿创、格林酒店、首旅如家、华住会、科大讯飞、新恒基投资、贵安鲲鹏基金、德阳凯州、信芳资本等投资人，也迎来收获时刻。
UT斯达康老将带队，无锡收获一个明星IPO
优地机器人的诞生，源于UT斯达康的战略调整。
在推出小灵通和IPTV等产品的UT斯达康分拆后，曾带领公司短暂实现扭亏为盈的卢鹰，最终获得UT斯达康中国的控制权。到了2013年，在卢鹰等人的主导下，UT斯达康中国旗下优地科技开始主攻机器人，并成为优地机器人的前身。
当时卢鹰或许也没想到，这段在UT斯达康的特殊经历，会让他在未来收获一家上市公司。不过两者之间产生交集，时间还要更加久远。从华中科技大学毕业后，工作了一段时间的卢鹰又拿到美国南加州大学工商管理学硕士学位，并于2001年创办了一家后来获得UT斯达康投资的公司。
正是UT斯达康的投资，让卢鹰在创业初期得以渡过难关，“UT斯达康曾在我遇到困难时给了我很重要的帮助”。这份感恩之心，也让他在UT斯达康遇到困难时，义无反顾地加入对方，并最终有了优地机器人的故事。
优地机器人成立后，很快便开始研发机器人。从提供机器人中央控制单元CCU研发服务，到进一步进入机器人产品及解决方案研发，他们在发展初期除了与英伟达合作，还曾重点探索室外无人驾驶。
随着项目推进，团队逐渐发现，当时激光雷达等硬件价格较高，整体产业链成本也高，开放道路面对的环境更加复杂。技术可以继续往前做，但高成本和复杂环境使大规模商业落地面临更高门槛。
于是，这家公司为了早日实现商业化落地，选择从开放道路转向低速、相对封闭的环境，将重心由载人的无人驾驶出租车变为室内配送机器人。2016年，优地机器人推出第一代室内智能配送机器人“优小妹”。
产品进入室内后，技术问题也从开放道路转向了具体业务流程。一台配送机器人完成一笔订单，需要连续处理定位、导航、避障、电梯、门禁、通知、多机调度和设备运维等环节。酒店、KTV等室内配送，成为他们较早被验证的商业场景。
2019年，优地机器人的出货量已经超过2500台，并在2年后突破1万台。产品数量扩大以后，这家公司把已经形成的能力向更多业务复制，除了推出清洁机器人优小姑，还于2023年让优小芸AI视觉模型平台实现商业化。
经过十余年的发展，注册地从深圳迁至无锡的优地机器人，不仅成长为一家机器人明星公司，最终还成功敲开港交所的大门。
卖出超11万台机器人，一年入账超3亿元
凭借商用服务机器人和AI视觉模型解决方案等产品，优地机器人撑起了一个IPO。
目前，这家公司已经形成五类商用服务机器人产品：用于室内配送和宾客引导的优小妹系列，用于大载量室内配送的优小弟系列，用于封闭环境内按需配送的优小哥系列，用于室内及户外清洁的优小姑系列，以及用于无人零售的优小蜂系列。
产品的变化，也勾勒出他们过去的业务扩张路径。从室内配送开始，再进入大载量配送、封闭环境配送、室内外清洁和无人零售，优地机器人把同一套机器人能力放进不同运营环境中。
作为公司最早推出的配送机器人，优小妹主要进入酒店和休闲娱乐等场所，承担送物、宾客引导以及跨楼层配送。机器人收到任务后，依靠感知、定位和导航完成移动，在运行过程中避开障碍，并与电梯、门禁、通知和调度系统配合。
配送之外，优地机器人通过推出优小姑进入清洁机器人市场，并覆盖了室内和户外清洁。他们的优小蜂则用于无人零售，可以独立完成自助零售，也能与优小妹协同，让商品从售货机器人转移至配送机器人，再由后者继续完成配送。
不同产品背后，共用的是一套机器人基础能力。目前，这家公司采用云-边协同架构，机器人端承担视觉感知、定位、导航、避障和运动控制等对实时性要求较高的任务；云端则负责数据管理、模型训练和优化、任务协调及远程运维。
随着机器人由室内配送向户外、清洁和零售延伸，这套技术体系需要适应的运营环境也在增加。
时至今日，优地机器人的云端基础设施可以同时支持超过1.5万台机器人，每日执行超过36万条指令。这类能力最终想解决的问题是，即便当部署规模扩大之后，公司仍能以远程方式同时管理众多设备。
除了机器人，这家公司还会通过优小芸平台按项目形式提供AI视觉模型解决方案。简单来说，这个业务根据行业客户需求开发、训练和部署视觉模型，可用于物体检测、场景识别、异常行为检测等任务。
一边卖机器人，另一边提供视觉分析服务，优地机器人的规模也在持续扩大。翻看招股书，截至2026年3月，这家公司累计向全球超过5100名客户销售超过11.46万台机器人。在这个过程中，他们的收入也从2023年的2.44亿元，增加到2025年的3.18亿元。
不过在研发等因素影响下，他们目前仍然处于亏损状态。在2023年至2025年，优地机器人的净亏损分别为2.51亿元、1.51亿元和1.11亿元。到了2026年第一季度，这家公司的收入为0.77亿元，净亏损达到0.31亿元。
好消息是，中国商用服务机器人市场仍在快速增长。据弗若斯特沙利文预测，中国商用服务机器人产品及解决方案市场规模，预计由2025年的22亿元增至2030年的71亿元，2025年至2030年的复合年增长率约25.9%。
如果按照收入计算，优地机器人2025年在这一市场排名第三，市场份额达到8.9%。虽然他们已经进入头部阵营，但无论配送还是清洁，中国商用服务机器人市场格局都还远没有到竞争结束的时候。
君联、阿里加持，一路融到13轮
一路走来，优地机器人的背后汇聚了众多投资人。
时间回到2016年，这家公司的第一代优小妹刚刚推出。在拥有丰富的创业和管理经验的卢鹰带领下，他们在当年9月完成A轮融资，投资方包括新恒基投资等。
对商用机器人市场的看好，再加上认可创始团队的行业经验和产品化能力，君联资本于2018年选择出手，与江苏联峰等一起投资了优地机器人。
此后，更多资金开始进入这家公司。B2轮中，索道投资、云锦资本投资2600万元；B3轮融资4680万元，投资方包括君联资本、雪球资本、陕西鸿创等；B3+轮融资，则由保乐力加投资500万元。
到了2020年7月的B4轮，产业资本批量出手。那个时候，格林酒店、首旅如家、华住会等，都成为优地机器人的股东。
对这些投资方而言，机器人如果能够减少重复劳动、降低员工劳动强度，并提升服务效率和无接触体验，就不只是一个展示型设备，而可能进入酒店日常运营系统。
随着机器人销量快速增加，优地机器人又获得银丰融金、阿里巴巴、云锋基金、冠达控股、建瓴资本、神骐资本、沃土投资等投资。
当时，在云锋基金看来，这家公司具备优秀的低速自动驾驶配送能力，并在休闲文娱、酒店以及校园等场景均有落地。至于神骐资本，则更关注优地机器人室内外配送场景能力，并认为双方能形成战略协同。
从2022年6月开始，地方国资也在加速入局。在三年左右的时间，他们又完成数轮融资，投资方包括新尚资本、巢湖高质量、商汤国香资本、贵安鲲鹏基金、吾同投资、德阳凯州、中江高新、中天融汇、信芳资本等。
经过近十年，优地机器人的估值也从8000万元变为38.4亿元。与此同时，这家公司的股类型也包括财务投资人、互联网和产业资本、酒店集团以及地方国资等。
上市前，君联资本持股8.02%，为外部第一大股东；阿里巴巴持股7.9%、云锋基金持股6.4%、商汤国香资本持股5.89%。如果按照市值155亿港元粗略计算，这些投资人的持股价值分别约为12亿港元、12亿港元、10亿港元、9亿港元。
光模块还能打吗？8月14日凌晨，英伟达官宣首款CPO交换机量产，几个小时后A股开盘，光模块板块地震。
大牛股“易中天”连涨几天虚晃一枪，19日中际旭创、新易盛带头暴跌9个点，随后跌三天涨两天，板块内部分化剧烈，“相信光”行情彻底终结。
CPO的本质是将光模块拆散了重做，通过移动一些零部件的位置、取消和增添另一些零部件，减少功耗、降低成本、增加传输效率。对应秩序井然的光模块产业链条，则意味着利润的重新分配。
中国大陆在光模块上占领的高地，因此被砍下了一道裂缝。
看空者将矛头对准了下游挣最多的光模块集成商，认为被“拆家”的光模块是CPO的直接打击对象，市场份额被侵蚀，还会连累上游厂商订单大减；
看多者则认为英伟达快速推进CPO量产，恰恰印证了下游市场对高速光模块的超高需求，大摩、高盛前后脚发布报告，大幅调高光模块订单预期。
双方各执一词，谁也说服不了谁，千言万语都浓缩到了一个问题上：光模块到底还能不能打了？
不是近忧
首先要明确的产业共识是，未来两年内，CPO都很难对光模块厂商的收入产生实质性影响。
当前英伟达急着推进CPO落地，主要是为了解决超大规模数据中心的“电费”问题。
根据Semianalysis测算，一个部署了20万颗GB300的NVL72集群，光是光模块功耗就达到了17兆瓦[1]，满负荷运行全年就要消耗1.49亿度电。
粗略估算，相当于上海一条地铁线路的全年耗电量，按照0.8元/kWh的电价，一年电费就超过了1亿元。
当集群规模来到50万、100万，电费成倍激增是一方面，对于本就压力山大的电网系统来说更是雪上加霜。
CPO通过将光引擎移到交换机芯片旁边，大幅降低了功耗，使用英伟达的CPO交换机，每800G带宽的功耗就比800G DR4的光模块的功耗降低七成以上[1]。
但这并不意味着，CPO是所有数据中心的唯一解，因为还要考虑性价比的问题。
仍以20万颗GB300 NVL72集群（三层网络架构）为例，改用CPO增加的额外成本，几乎完全抵消了减少的光模块和网络成本，使得集群总成本仅降低了3%，总功耗更只降低了2%[1]。
瞎忙活了一场不说，还要承受改用新技术带来的现场维护困难、议价权丧失等问题，完全是亏本买卖。
理论上，集群的GPU数量越多、网络层级越多，CPO的优势才会被凸显，注定了在未来一段时间里，CPO都只会是少数人的选择。
TrendForce 3月报告预计，2026年CPO在AI数据中心的渗透率仅约0.5%[2]，注意是特指在AI数据中心中的占比，而非所有数据中心，对光模块厂商的订单冲击约等于挠挠痒，微乎其微。
中际旭创在8月23日公开的投资者活动中也表示，几乎所有客户的光模块订单已经覆盖2026全年，而从主要客户给出的2027年的指引和订单来看，较2026年只多不减；
光模块老二新易盛措辞比较保守，但也再三强调今年的订单将逐季增长，明年景气度继续、高增继续。
在一些行业人士看来，光模块规格直到800G/1.6T仍具备难以被替代的高性价比。根据中际旭创和新易盛的说法，其1.6T光模块产品均处于持续上量阶段，为当前订单的主力。
真正的分水岭是3.2T甚至6.4T，因为此时的光模块会碰到一个客观问题：交换机上的交换板塞不下了更多的光模块了。
红框里是交换机上的光模块插口；图片来源：博通
理论上，速率越高，端口越多，需要的光模块越多，而交换板的空间是有限的，无需外挂插拔的CPO就变成了一个必然的选择。
这也解释了为什么最初业内猜测英伟达首款CPO交换机会是1.6T的Quantum-X，但实际最早量产的却是3.2T的Spectrum-X，因为后者才是英伟达真正希望CPO发挥作用的地方。
就像芯片制造中，7nm以下的先进制程芯片必须使用EUV光刻机，但并不影响ASML每年出货量最多的仍然是成熟制程芯片用的DUV光刻机。
在大部分产业人士看来，CPO与光模块共存是大概率事件，CPO用来处理超大规模数据中心的scale-up（横向扩展）问题，大型及以下规模数据中心仍然会以光模块为主流。
然而，虽无近忧，但有远虑。
新技术的演进都是相似的，从高端场景切入，随着规模化降本，再向其他场景渗透，进入寻常百姓家，最终淘汰掉旧技术。虽然此时将光模块定性为旧技术为时尚早，但CPO来势汹汹，总要未雨绸缪。
如何在CPO量产爬坡的窗口期补票上车，是当下所有光模块厂商都必须直面的问题。
但有远虑
对于大陆光模块供应链来说，CPO其实并非铁板一块。
粗略地说，CPO拆出了光模块的三个核心零部件：光引擎、DSP芯片和激光器，光引擎被拿到了交换机芯片的旁边，激光器被外挂到了交换机芯片的外面，DSP芯片则被舍弃了。
也就是说，除开交换机芯片是英伟达自己的，光模块供应链可以使上力的主要零部件，就只剩下光引擎和激光器了。
首先是技术壁垒和价值量都最高的光引擎。
光引擎包括一颗光芯片（PIC）和一颗电芯片（EIC），难点在于光芯片的设计与制造，以及如何把两颗芯片封装在一起，前者涉及到硅光技术（用硅芯片制造技术制造光芯片），后者涉及到先进封装。
设计上，博通和美满电子统治地位无可争议，制造则由tower、格罗方德等芯片制造巨头领头，台积电借着英伟达CPO大概率会后来者居上，另外还有Lumentum与Coherent这种设计与制造一手抓的IDM。
中国大陆在光芯片的设计和制造上都有不同程度的瘸腿。
设计稍好些，光迅科技、中际旭创和新易盛都有硅光技术积累，理论上有自研能力，但目前还没有光引擎相关产品的出货；
制造缺位更明显，虽然近几年有粤芯半导体、星钥光子等光芯片代工厂出现，但论技术、产能、可靠性，与海外巨头都相距甚远。
而负责将光芯片和电芯片封装在一起的先进封装技术，眼下谁都得仰仗台积电，与英伟达“唯二”开发了CPO交换机的博通，据称下一代产品也将投靠台积电。
其次是激光器。光引擎负责控制光，激光器负责产生光，后者同样能被分拆成设计、制造、封装三个环节。中国大陆的技术储备情况比光引擎乐观一些。
设计和制造上，中国大陆的源杰科技、光迅科技虽然部分产品可以对标海外同类产品，但大部分高端产品与Coherent和Lumentum等一线厂商仍存在代际差距甚至尚未量产，在全球市场整体份额很小。
激光器的封装比较特殊，也是中国大陆供应链最有话语权的环节。
按照CPO最初的构想，激光器应该和光引擎一起被搬到交换机芯片旁边，但考虑到散热、良率、更换难易度等问题，目前主流方案是将其外挂到交换机芯片的外部，成为独立的激光器模块（ELSFP）。
红框中就是外挂的激光器模块
这就需要模块集成和精密制造技术，“易中天”中当前市值最低的天孚通信，凭此成为英伟达最早官宣的CPO五大核心供应商之一。
英伟达宣布CPO交换机量产当天官宣五家核心供应商
根据天孚通信财报和投资者活动记录，除了激光器模块之外，天孚通信给CPO供应的另一个核心零部件是FAU（光纤阵列），简单来说，就是在台积电制造好的光引擎上引出光纤，与外界互通有无。
另一个被机构反复提及的环节是CPO测试设备。
由于增加了光芯片的部分，需要在传统芯片测试步骤外增加光学测试，传统的芯片测试设备并不能完全适配CPO，需要一定程度的重新设计和改造。
A股近期大涨的罗博特科，就是因为收购了ficonTEC，后者的WLT-D2采用双面电光设计，可以同时做电学和光学测试，因而成为了二级市场的香饽饽。
总结来说，中国大陆厂商确实在CPO上分得一杯羹，但不多，并且大多是在价值链核心圈层的外围打转。
本质在于，相较于光模块注重下游的打包交付能力，CPO的价值链重心明显向上游的光引擎、激光器等零部件转移，而这些恰恰都是中国大陆在光模块上还没来得及补完的功课，沉疴旧疾。
根据TrendForce 3月发布的预测，到2028年末，CPO在AI数据中心站的渗透率都将徘徊在10%以下，但此后跳跃式上升，到2030年末跃升至35%以上[2]。
报告发布的5个月后，英伟达官宣CPO交换机量产，博通新一代51.2T Bailly CPO交换机7月起也开始了小规模交付，这些进度较业内的普遍预期，只快不慢[3]。
未来两年，将会是CPO量产爬坡的关键期，也可能是中国大陆厂商最后的补课机会。
尾声
今年6月，Coherent得州工厂扩建举行破土仪式，台上“破土”的五人中，站在C位的是Coherent的CEO Jim Anderson，黄仁勋站在其右侧，背弯得很低。
Coherent得州工厂破土仪式，左二黄仁勋，中间Coherent CEO
黄仁勋上一次参加破土仪式还是三年前在台积电的亚利桑那州工厂。如今Coherent对于英伟达的重要性，相较于台积电不遑多让
Cohetent激光器工艺独步全球，是光模块和CPO都绕不过的核心供应商，不仅为英伟达的CPO供货，中际旭创、新易盛的高速光模块出货也得参考Coherent的配货。
今年3月，英伟达20亿美元战略投资了Coherent，同一时间获得投资的还有另一家激光器巨头Lumentum。
黄仁勋的态度，很大程度反映了眼下零部件厂商在AI产业链中的超然地位。
快速变化的需求加速着下游产品形态的迭代，越靠近上游，离确定性越近。从光模块到CPO，包括两者间过渡形态的NPO，下游集成商始终在变，而上游核心零部件厂商的地位稳如泰山。
每个无法被取代的零部件都在重塑着整个链条的话语权，重新分配着产业的利润。
中国大陆以集成和制造能力见长，如今在光模块上的绝对领先地位，是这一优势的延续和馈赠，未来几年里，这一优势还将给产业带来源源不断的利润。但这些利润，是时候反哺到上游去了。
英伟达和京东，为什么同时把AI的下半场押注在物理AI？刚进入9月，全国多地机场突然被一幅醒目的广告牌刷屏——“把AI推向物理世界”，字少，意思也很直接，落款是京东云。
在这张广告牌打出的同时，在9月9日举办的JDD（京东发布会/开发者大会）也将主题明确指向了“物理AI”。
“物理AI”绝对是过去半年中文语境里最重要的热点，物理世界被认为是AI的下一站。
行业经历了两年的技术狂欢，行业疯狂卷推理速度、卷长上下文，甚至卷谁的聊天机器人更像真人。但此刻非常现实，甚至有些残酷的问题被摆到了桌面上：这些消耗了天文数字算力的Token，以及C端积累的海量流量，到底该如何转化成真正的商业价值？
站在产业观察者的视角，这场转向背后映射出两个核心命题：AI为什么必须走出数字世界？以及，为什么是京东这样的企业在抢占这个高地？
当AI开始离开聊天框
AI演进的这几年，本质上是在虚拟的数字世界里刷分。但技术迭代的边际效应递减与高昂的运营成本，让整个行业不得不直面现实——这些能力最终能完成多少工作、创造多少实际价值。
Agent是最明显的信号。
过去的Copilot主要参与人的工作过程，帮程序员写代码、帮销售整理资料、帮财务分析数据；Agent开始进一步接管一段完整任务，读取企业数据、调用不同工具，并把结果重新写回业务系统。OpenAI今年6月发布的一项研究，把这一变化概括为知识工作的基本单位正在从单次交互转向“可委托的长期任务”。
企业衡量AI的方式也随之改变。如果说Token衡量模型生产了多少智能，Task衡量AI能够承担多少工作，那么企业最终需要看到的仍然是成本下降、效率提高、业务闭环，也就是Result。
当底层大模型的通用能力逐渐拉平，“谁的参数大”不再具备绝对护城河。AI竞争的战场，必然转移到“谁能深度接入产业流程，解决具体问题”。
这也是今年JDD上，京东将“物理AI”推到核心位置的背景。
京东的判断是，AI竞争正在从“参数竞赛”走向“生产力竞赛”。在JDD上，京东将云、数据、模型、终端、场景和供应链放进同一套体系，希望让AI进一步进入零售、物流、工业、健康和家庭等真实场景。
相比于行业泛滥地用“物理AI”来笼统代指机器人，京东想要探讨的逻辑显然更为宽广。
机器人是AI直接作用于现实世界的一种典型形态，但更广泛的变化早已在不同产业里悄然发生，零售AI最终需要影响交易和履约，物流AI开始参与仓储与配送，工业AI进入生产流程，而机器人则把模型的判断进一步转化为物理动作。AI开始从生产信息，进一步参与真实世界的生产和服务过程。
这种判断也正在成为全球AI产业的底层共识。今年，英伟达持续强化物理AI布局，从Cosmos世界模型、Isaac仿真框架到GR00T机器人模型，联合ABB、FANUC、Figure等巨头推动技术进入电子装配与工业自动化场景。
物理AI正在从机器人领域的一个技术分支，延伸为AI切入现实生产系统、兑现生产力价值的唯一主航道。
进入物理世界，AI为什么反而更难？
大模型过去几年的快速进步，很大程度上建立在互联网已经积累的海量数字内容之上。网页、书籍、图片、视频和代码可以被持续用于训练；模型完成训练之后，又可以通过API快速部署到不同产品和用户。
但进入物理AI，Scaling Law（规模法则）开始遭遇著名的“莫拉维克悖论”——对AI而言，抽象的逻辑推理变简单了，但在复杂的现实物理世界里抓取一个物体、辨识一个微小障碍，却极其困难。
一个AI进入仓库，需要知道商品在哪里、库存如何变化、不同设备如何协同；进入工厂，需要理解物料、机器和生产流程；进入家庭，需要适配不同空间和硬件；进入机器人，则进一步涉及动作、力、环境反馈，以及不同本体之间的差异。
这也是为什么，物理AI的发展很难简单复制大模型过去几年的Scaling路径。英伟达曾将机器人开发面临的核心问题概括为“data gap”：互联网为大语言模型提供了丰富的预训练数据，但现实世界中的机器人数据数量有限、采集昂贵，大量极端场景也很难通过真实采集覆盖。
具体到产业落地，物理AI需要解决的问题可以进一步归纳为三层：有没有足够的数据学习，有没有足够的场景验证，以及验证成功之后能不能规模化。
这恰好对应了京东在JDD上提出的逻辑：数据让AI进化，场景让AI验证，供应链让AI规模化。
首先是数据。
数字世界的数据主要记录人类已经表达出来的知识，物理AI需要进一步理解人和物体如何运动、动作如何改变环境，以及任务在真实空间中如何被完成。这类数据的生产成本也更高。一段网页文本可以直接被模型读取，一项机器人任务却可能涉及摄像头、传感器、动作轨迹、力反馈等不同模态，还需要经过采集、标注、训练和真实环境验证。
京东选择把数据基础设施向现实世界继续延伸。目前，其具身数据体系已经覆盖“采、存、标、训、评、仿、测”全链路，并计划在两年内累计1000万小时真实场景视频数据。数据来源也从机器人本体数据，扩展到力触数据、仿真数据和人类第一视角操作视频。
数据之外，第二个壁垒是场景。
物理AI最终面对的是持续变化的现实环境，且容错率极低。一项能力在Benchmark或实验室里成立，并不意味着它进入仓库、工厂和家庭之后依然有效。
这也导致了物理AI与通用数字模型的根本差异：在数字AI中，模型通常先完成训练，再被部署到搜索、办公等场景；而在物理AI中，场景与模型之间的关系正在变得更深，场景本身就是AI能力继续迭代的一部分。
真实业务产生数据，数据进入模型训练，模型重新进入业务执行任务，执行结果继续形成新的反馈——数据、模型与场景之间由此形成持续循环的飞轮。
从这个角度看，京东在零售、物流、工业、健康和家庭积累的业务，多了一层AI时代的独特价值。以工业场景为例，京东披露其工业大模型JoyIndustrial累计调用量已超过10亿次，应用从工业知识理解进一步深入到Agent任务规划、工具调用和企业业务系统执行，并将执行结果重新反馈到系统中。
场景不仅是AI能力最终应用的地方，更是AI获取真实反馈、完成自我进化的物理闭环。
第三个壁垒是规模化。
在实验室里完成一次任务，与让大量设备在不同环境中长期稳定运行，中间还有很长的工程和产业链距离。AI进入现实世界之后，模型部署只是其中一个环节，硬件生产、零部件、渠道、物流、安装、维修和售后都会影响最终能否形成商业闭环。
因此，京东“云、数、模、端、场、链”这六个字里，最后的“链”尤其值得关注。
模型解决一项能力能不能实现，场景检验它能不能在真实环境中运行，供应链则决定这种能力能不能进入足够大的现实世界。
这也构成了物理AI更完整的一套产业壁垒：数据决定AI如何理解现实，场景决定AI如何适应现实，供应链决定AI如何规模化进入现实。
当竞争所需要的资源发生变化，大厂之间原有的AI优势排序，也可能随之改变。
物理AI，可能重新定义大厂的AI优势
随着物理AI将竞争变量拉入真实世界，京东过去二十多年积累的实体基础设施，获得了全新的解释空间。
相比许多主要运行在线上的互联网平台，京东的业务很早就深入了商品和服务的实际流通过程。从采购、库存、仓储到配送和售后，再到工业采购、健康服务、家电和智能硬件，大量业务都需要同时连接线上系统和线下履约。
这些能力过去主要服务于电商和供应链效率。进入物理AI阶段之后，它们还可能成为AI获得数据、训练和验证能力，并最终实现规模化部署的基础。
京东在JDD上提出“超级AI供应链”，核心也在于将这套实体网络与AI深度串接。从底层的云、数据和模型，到中间的Agent、开发平台和仿真工具，再连接机器人、家电、医疗器械、无人车等终端，最终进入零售、物流、工业、健康和家庭等实际业务。
机器人产业可以更直接地体现这种“超级AI供应链”的落地方式。
京东目前给自己设定的位置，并不局限于开发某一种机器人产品。按照此次JDD披露的规划，京东希望同时进入具身数据采集、机器人产业基地、核心零部件供应、零售渠道和维修服务等环节。
未来五年，京东计划布局80余个RoboBase；在供应链端，希望通过规模采购、C2M定制和供应链协同，将机器人本体BOM成本降低50%以上；在销售和服务端，则提出未来三年助力100个机器人品牌实现销售额超过10亿元，并建设覆盖全球100多个国家和地区的机器人售后服务网络。
这些布局背后，其实对应着物理AI产业未来尚未确定的问题：如果机器人最终成为一个足够大的智能终端品类，产业价值会如何分配？
PC产业成熟之后，价值分散在芯片、操作系统、整机、软件和渠道等不同环节；智能手机进一步形成了芯片、操作系统、终端品牌、应用生态和供应链的完整分工。如果机器人真正进入工厂、商场和家庭，同样需要模型、数据、核心零部件、整机、渠道、维修和服务体系。
目前，这个产业仍处于早期阶段，最终的产业格局远未形成。但对京东而言，参与物理AI的意义，也因此超出了推出某款机器人或者某个模型。
它正在尝试回答的是：当大量AI终端真正进入现实世界，一家拥有供应链和物理运营网络的平台，可以在其中占据什么位置？
这也是理解京东提出“全球最大的物理世界运营中心”的切口。
京东长期运营的是商品在现实世界中的流动。订单产生之后，背后连接的是采购、库存、仓储、运输、配送和售后，数字系统最终需要在现实世界完成履约。
物理AI让这套能力有了进一步延伸的可能。未来需要被规模化组织的，可能还包括AI如何获得真实数据、进入不同终端、在具体场景中完成任务，并通过供应链和服务体系持续运行。
AI下半场的竞争维度正在被物理世界重新定义，而这恰好是京东积累最深，也最擅长的战场。
图片来源｜AI生成
「币股 Meme」玩法拆解：当 Meme 币直接和英伟达配对撰文：Gandalf，Techub News
导语
Robinhood Chain 上最具原创性、也最危险的发明，是让 Meme 币直接与股票代币配对建池——KuCoin 的研究把它称为「把 Meme 币变成股市武器」。432 个股票配对池，用 884 万美元的股票代币撑起了 9530 万美元的日交易量。本文拆解这套「币股 Meme」结构的运作机制、交易者选择它的三层动机，以及它如何让股票代币被反向定价。
核心要点
机制：Meme 不对稳定币/ETH 建池，直接以英伟达、特斯拉等股票代币为计价资产（@Bitwux 全解析）
起点是 7 月 21 日 Bankr 推出股票配对代币功能；高峰期 432 个配对池、日交易 9530 万美元
8 月 31 日股票配对 Meme 单日交易 9310 万美元，超过官方股票代币本身的交易规模
动机三层：借股票叙事、免换稳定币的资金效率、以及休市时段的链上定价权
风险实例：HIMS 股票代币周末溢价 112%——Meme 买盘可以把股票代币推离真实股价
Robinhood Chain 上最具原创性的产物，不是某一只 Meme 币，而是一种交易结构：Meme 币不再对稳定币或 ETH 建流动性池，而是直接对 Robinhood 的股票代币建池。
这套玩法被中文社区称为「币股 Meme」。@Bitwux 在《华尔街股票，正在变成 Meme 的流动性：Robinhood Chain「币股 Meme」全解析》中做了系统梳理，核心判断是：华尔街的股票在这条链上，正在退化成 Meme 的流动性载体。
图源：KuCoin Blog《Robinhood Chain Is Turning Meme Coins Into Stock-Market Weapons》
机制：把股票代币当成计价资产
常规的 Meme 交易结构是「Meme / 稳定币」或「Meme / ETH」，交易者用稳定币买入 Meme。币股 Meme 把计价的一端换成了股票代币——交易者拿英伟达、特斯拉、苹果的代币去换 Meme，整个过程通过智能合约撮合，没有订单簿。
起点可以追溯到 2026 年 7 月 21 日：Bankr 在 Robinhood Chain 上推出了股票配对代币功能，把这套结构产品化。此后配对池数量迅速膨胀。据 KuCoin 的统计，高峰期链上共有 432 个股票配对流动性池，其中沉淀的股票代币约 884 万美元，却撑起了约 9530 万美元的 24 小时交易量。
8 月 31 日，股票配对 Meme 的单日交易量达到 9310 万美元，已经超过了 Robinhood 官方股票代币本身的交易规模——股票代币最主要的用途，变成了给 Meme 做交易对手盘。
为什么交易者要这么做
第一层是叙事。一枚与英伟达代币配对的 Meme，天然获得了 AI 概念的故事外壳。Artificial Inu 就是典型例子，它与 NVDA 股票代币配对，成为这一批里市值最高的一只。
第二层是资金效率。持有股票代币的用户不必先换回稳定币就能参与 Meme 交易，股票仓位直接变成了投机的弹药。
第三层，也是最关键的一层——股票代币在非交易时段仍然可以交易，而这时它的定价完全由链上供需决定。
风险：股票代币被反向定价
这正是整套结构最危险的地方。当 Meme 的投机需求足够大，而某只股票代币的链上供给有限时，Meme 的买盘会把股票代币本身的价格推离其真实股价。
KuCoin 记录的案例是 HIMS 股票代币在周末一度较纽交所收盘价高出 112%。研究同时指出，多数情况下这种投机没有实质影响到大型公司的真实股价——薄流动性造成的偏离主要发生在链上、在非交易时段、在小盘标的上。
「主要发生在小盘标的上」这句话，在 2026 年 9 月 2 日被验证了一次，代价是一家纳斯达克上市公司的股价被拉涨 350%。
一只鸭子前几天英伟达不是花了129亿美元收购了 Hugging Face 吗? 这不刚收购完，一个星期不到，Hugging Face就交了第一份作业： Microduck。
Microduck 是一只售价 399美元、25 厘米高的开源 AI双足小鸭机器人，8月27号推出的，已经卖疯了，24小时销售额260万美元，首批交付时间已经推迟到圣诞节后了。外型长这样:
它不仅仅是一个玩具鸭，更是一个面向开发者、AI/机器人爱好者和教育用途的 Physical AI 平台。
官方定位其实非常明确: 一个你可以自己教它新技能的小型双足机器人。
官方说预装 7 套已训练动作：
摇摆走路，可用手柄控制速度
坐下、蹲下、自己站起来
用喙捡地上的东西（演示里有袜子、马克笔）
踢球
装上轮子后轮滑
摔倒后自己翻身站起
追激光笔、对环境做出反应，也可用 NFC 标签触发动作
每只鸭子第一次开机时会生成自己的声音身份，偏怪叫而不是语音助手。多只Microduck 还可以互相互动。
Microduck 最值得关注的不是它能不能卖萌，而是它背后的路线：AI 模型 → 仿真环境 → 强化学习 → 真机。
比如你想让 Microduck 学会一个新动作：在电脑里的模拟器中训练 → 得到 RL policy → 部署到真实 Microduck → 机器人执行 → 收集数据 → 再训练。
Hugging Face 已经把SDK、模拟环境和强化学习训练工具链开放出来了。也就是说，它希望把机器人变成类似 Hugging Face 上的 AI 模型一样：
别人训练出来一个机器人技能，我可以下载；
我自己训练出来一个技能，也可以上传给别人。
这实际上就是 Hugging Face 想做Physical AI 的开放生态模式。官方也明确说了，希望让物理行为像模型一样能够被分享、复现和二次开发。
为了缩小仿真和现实之间的差距，训练环境还专门模拟了电机摩擦、电池电压变化、控制延迟，甚至连舵机齿轮的 Backlash 齿隙都考虑进去了。
说白了，Microduck本质上是一台迷你具身智能开发平台，比春晚上跳舞的机器人高到不知道哪里去了。
这里其实也有机会，比如芯片是由瑞芯微提供的，当然也会有其它的机会，大家可以挖掘挖掘，说不定就是具身智能的chatgpt时刻。
孙哥你也敢割？1.
孙哥如果不创业，他的文坛地位将秒杀郭敬明，这就是新概念作文一等奖的含金量。
小作文内容我稍微总结下：景甜是孙哥的白云光，孙哥为了追求景甜，已经给她父母转账了3000万人民币，景甜已经答应了为孙哥取卵代孕，在美国临门一脚的时候要5000万美金，孙哥问了 Claude 之后拒绝。孙哥的核心诉求是要回3000万人民币。
当然还有其它比较炸裂的点：比如景甜身上有某个运动员的纹身、剧组夫妻白天拍戏晚上sex、还有各种奢靡生活等等。
景甜这边的回应我也看了，核心是：对以艺人声誉为要挟的碰瓷行为说不。
把两份声明放在一起，会发现一个微妙的重合地带：双方均未否认存在某种经济往来或交集。
而选择“碰瓷”这一表述，语义上更接近“钱的事有过，但性质不是对方说的那样”——比如可能是赠与、投资、合作分成等，各种可能都有。
因此，财产关系大概率存在，但该不该还、该还多少、是否不当得利或诈骗，这些全是待定项。
景甜怎么敢割孙哥的呢？想不明白。要知道孙哥就是以割韭菜闻名世界的，他都敢在美国起诉川子家族了，景甜怎么敢临时加价？
还是不得不感慨，孙割是地球上玩流量前三的人，第一是川子，第二是马斯克，第三是孙割。
当你点进那篇文章的的时候，你就已经被他割了。
2.
英伟达的财报昨天出了。
营收 962亿美元，市场预期约922亿美元；调整后EPS 2.22美元，预期约2.10美元； 数据中心收入 890亿美元，预期约851亿美元；下季度营收指引 1080亿美元，高于公开一致预期约1042亿美元，而且没有计入任何中国数据中心计算收入。
总体而言，确实都超过了预期，但没有极端利好。
但如果细看的话，财报出来的第一时间先下跌，直到CFO在电话会上说FY2028营收预计增长70%情绪才转过来。
对于存储三傻来说最重要的条利好在于，电话会上确认，由于内存和其他零部件价格暴涨，毛利率可能在第四季度降到 71%—72%。这相当于英伟达正在把一部分利润转让给海力士、美光等上游供应商。
不过存储三傻现在最大的问题是预期几乎完全透支，又要面对中国的挑战者长鑫长江，即使看K线，总体而言是一个比较鸡肋的位置。
至于达子，市值太高了，超长线价值投资可以，短线想博取超额收益难度挺高。
两年，国内跑出第一家光互连独角兽最亮的光，最宽的路。
文丨李赓
编辑丨唐健博
2026 年 8 月 14 日，光互连第一次以量产身份，进入了英伟达的产品线：其 Spectrum-X 以太网硅光交换机全面量产，产品已于当年 5 至 7 月间投入生产。这是全球首款量产的基于共封装光学技术（CPO，把光学引擎直接封进芯片旁边）技术路线构建的交换机，也是英伟达下一代 AI 超级计算集群的核心部件。
近几年风光无限的英伟达频频 “跳票” 和 “调整”，透露出重重阻力。新一代旗舰计算平台 Vera Rubin 因为海力士 HBM4 内存被延期重做；Rubin 平台的四内存芯粒高配版本，因为台积电中介层良率问题，发布就被砍为两芯粒；下一代计算集群关键的机架级解决方案 Kyber NVL144，因为一块 1 平方米的 PCB 无法搞定，已经跳票到 2028 年。
受阻的原因五花八门，背后共享一套底层逻辑：由于纯半导体芯片的摩尔定律已经失效，在最顶尖的 AI 集群里，芯片周边的部件开始承担起芯片间高速通信，将它们组合成一个虚拟的 “大芯片” 的职责。
周边部件强行 “上岗”，拓展了算力的发展，也造成了效率的下降：当成千上万颗 GPU 一起训练一个大模型时，数据搬运已占掉训练时间的 30% 到 50%。更极端的是耗能口径，数据中心 90% 的能耗花在搬运数据上，仅 10% 用于实际计算。
可预见的，未来挑战还会更大：芯片算力按面积增长，互联带宽只能按边长增长（芯片 I/O 一般分布在芯片四周边缘），两者的增速差出一个平方。
光互连，正是英伟达这家行业引领者给出的解决方案。2026 年 3 月，英伟达直接向三家光通信公司投资了 60 亿美元，黄仁勋更把互连层提为 “英伟达决定收入的关键路径”。Spectrum-X 这款共封装光学交换机展示了英伟达 AI 集群最新的变化：通过全新交换机的应用，单端口功耗从 30 瓦降至 9 瓦，激光器数量减少四倍，彻底将整个集群的交换侧升级为了光通信。
在今年 6 月的 GTC Taipei 上，黄仁勋也透露了英伟达在光通信的下一步：借助 CPO 继续推进微环调制器（Micro-Ring Modulator，MRM）技术的成熟，最终走向光学输入输出（Optical Input & Output，OIO）。
整套系统中最关键的器件，是硅光微环调制器（Micro-Ring Modulator，MRM），它拥有目前光通信调制器中最小的尺寸和最低的功耗，换来了最高的可密集部署能力。得益于 MRM 的介入，整个交换机总带宽最高超过了 400Tb/s，一眨眼（0.1 秒）就能传输 5TB 数据，整个通信过程的信号质量还提升了数十倍。
交换侧的提升只是第一步，按照光通信技术的发展路线图，微环调制器将最终导向芯片与芯片直连的光学输入输出（Optical Input & Output，OIO）阶段，真正将数万颗、数十万颗甚至更大规模的高算力芯片互相连接起来，可为 AI 算力带来一次全新的指数级跃升。
这个目标听起来似乎很遥远，但光联芯科联合创始人兼 CEO 陈超不这样认为：“OIO 会扩张到整个超节点架构中，时间点也会比大多数人想的快，三到五年足矣。” 光联芯科前不久刚刚完成了金额近 10 亿元的 A+ 轮融资，是全球光互连赛道新晋独角兽。这家公司的终极目标，正是基于微环调制器的终极形态 OIO。
光联芯科自研微环调制器 12 寸晶圆。
四个人 All in OIO
如果把光通信比作新修高速，不同代际的光通信区别主要在于高速的 “接入点”，LPO（线性驱动光模块）、NPO（近封装光学）、CPO（共封装光学）、OIO（光学输入输出）这未来几代光通信规划，大致对应 “城郊”“市区边上”“市中心” 和 “每家每户门口”。
具体到实际部署中，目前的可插拔方案是在机柜的背后插一个像大 U 盘一样的模块，而 OIO 的终极目标，是要把这个结构直接封装到核心算力芯片上，把核心算力芯片用光链路串联起来，形成达到核心算力芯片门前的独立高速。因为光电转换点贴近芯片内核、距离近乎为零，互连效率逼近理论极限。
光通信行业原本的计划，是稳扎稳打、每几年往前推一代。可 AI 爆发让需求暴涨：海量订单和投入砸下来，一步到位的跃进反而成了更优的选择。
OIO 最终极也最前沿，一旦做出来价值巨大，难度自然也最大。
因为需要把光通信的整个系统，从一个外部的分立器件，压缩成为一个芯片级的产品，OIO 无法再像传统光通信产品一样产业分工，把光源、调制器、DSP 等各种组件生产出来再组装。必须同时攻克光电芯片协同设计、工艺良率、多波长光源、先进封装等关键技术环节，每个环节还要紧密协作，最终交出一个芯片级产品。
伴随 “最前沿” 定位而来的需求同样最前沿，反过来对人的能力产生了极大的挑战。
光联芯科联合创始人张巍巍坦言：“没有任何一个领域的专家能独立覆盖全部环节。即便全球最顶尖的研究机构，也从未有人凭一己之力走通整个链条。”
这也让如何整合 OIO 这条赛道的顶尖人才，并且融合成一个有战斗力的团队，成为了 OIO 赛道创业的最核心挑战。
光联芯科的四位联合创始人就是这一逻辑的最好例证：他们陆续认识多年，各自人生轨迹不同，但最终因为 OIO 的共同技术理想走到了一起。四个人对于这个过程有着近乎一致的描述：我们对技术有极致追崇，也有将实验室顶尖成果转化为产业实力的创业者思维，因此相互信任，在技术判断与商业信仰上高度契合。
光联芯科四位创始人，从左至右：张巍巍、陈超、叶亚飞、胡志朋。
光联芯科联合创始人兼 CEO 陈超，毕业于哈尔滨工业大学电子系本科，综合成绩全系第一，也是唯一拿到保送清华直博资格的人，他却放弃保送，转⽽去杜克攻读芯⽚⽅向硕⼠。导师给他摆过两条路，读博熬成五⼗岁的 architect，或⾛商业，他⼏乎没犹豫就选了后者。此后他去 MIT 斯隆商学院攻读了全职 MBA，也正是在 MIT，他接触了一群正在做光通信的同学，刚好了解到了当时纯属科幻名词的 OIO 方向，埋下了 “光” 的种子。
MBA 毕业回国后，陈超先后在国内互联网大厂的核心战略团队中历练。离开大厂后，他加入真知创投担任管理合伙人，并同步攻读清华大学创新领军工程博士。真知创投的创业制片人暨深度孵化模式，本质上是以投资的方式在做创业，这段经历让他完成了从 “产业视角” 到 “创业视角” 的认知跨越，最终推动他亲自下场 all in 光联芯科的创业。真知创投也从零开始连投三轮。
刚才提到的张巍巍，他的导师 Graham Reed 教授被誉为全球 “硅光之父”，是英国皇家工程院院士、英国南安普顿大学光电子研究中心（ORC）的教授。在加入光联芯科之前，张巍巍已站在了学术象牙塔的塔顶。他不仅在英国拿到大学终身教职，是 Reed 课题组在硅光调制器方向的核心研究者，以第一作者发表的论文登上了 Nature Photonics；而他和 Reed 的联手，正是光联芯科坚持的 OIO 技术路线的扎实学术起点。
2024 年，张巍巍做出了一个让学术界同仁震惊的决定——放弃终身教职，回国创业。他将自己在硅光领域十几年的深厚学术积淀，毫无保留地注入到了光联芯科，将全部精力投入到了硅光工艺研发，让光联芯科在面对复杂的微环良率优化时能够游刃有余。
在一次与陈超的深夜长谈中，张巍巍曾分享过自己当时的想法：“如果一项技术只停留在论文和学术层面，只能在实验室的精密光学台上跑出漂亮的数据，却没有真正落地到产业里去解决物理世界的实际问题，那在某种意义上，它就不算真正的成功。”
浙大光电博士出身的联合创始人胡志朋，在学校里做了一系列光通信器件研究，毕业后曾主导参与多个国家级片间 / 片上光互连项目。在国内，真正完整参与过这类项目的人屈指可数。他跟陈超的相遇更早，在多年前的行业展会上就进行了密集的技术和行业趋势探讨。
最后一位联合创始人叶亚飞，清华大学集成电路学院优秀毕业生，不仅在海外大厂负责过高速通信设计，还有过两次创业经历，在电芯片、高速互连和团队管理上都有充足的经验。陈超作为校友，很早就通过同学认识了叶亚飞，为了邀请他入职，前前后后沟通了一年多。
“CEO + 三位联合创始人” 的架构，让他们各司其职：陈超负责把产业与战略的双重视角落到公司的发展节奏上，判断该在哪里下注、多快推进。张巍巍、胡志朋与叶亚飞则专注于技术突破与工程落地，把光电芯片一步步变成从设计、制造到封装全线打通的可行产品。
专业能力层面组建出光通信赛道少有的 “成建制” 光电融合团队之余，他们身上有一种共同的底色：有冲劲，想在中国半导体产业留点东西。在陈超看来，这恰恰是 “企业家精神” 的本义——拉丁文词根 “Entrepreneurship” 意味着 “去看、去探索、去发现”。科技领域的创业者，本质上是开疆拓土的探险家，技术理想与创业者精神缺一不可。
专啃硬骨头
相比学历和经历，攻坚和最终的成果最能集中体现团队的实力。
在光互连这条赛道中，主要有两条技术路线：一条是传统的马赫-曾德尔调制器（MZI）路线，另一条则是代表着下一代前沿方向的微环调制器（MRM）路线。
MZI 路线技术相对成熟，但体积大、功耗高、带宽密度受限，在寸土寸金的芯片上撑不起十万卡集群的密集光互连。相比之下，MRM 体积极小（仅为 MZI 的百分之一甚至千分之一）、功耗极低、带宽密度极高，被公认为下一代 CPO 与 OIO 的最理想解法。
但也正因为 MRM 体积极小、对光信号的控制方式也和传统器件不同，反倒在制造上遇到了难题。微环器件对工艺良率的要求非常之高，虽然它总体的尺寸需求用 65 nm 制程就能够满足，但微观的结构缺陷，即便用昂贵的 3nm 制程都无法彻底消除。结构上的缺陷会直接影响微环的实际工作波长，导致整个光芯片无法使用。
结果是，传统晶圆厂的纳米级制造公差足以让整片晶圆上的微环波长参差不齐，无法严格对准光信号波长，良率低到无法实现大规模商业化。陈超透露了一个数字 “目前的工艺良率，或低于 10%”。
如何在微环光芯片被制造出来之后，进行后期的良率提升，让它的波长能够满足要求，恰恰就是张巍巍此前学术上研究过的方向。其在 2023 年在 Nature 子刊上发布的论文 Harnessing plasma absorption in silicon MOS ring modulators，以及 2025 年在 Advanced Photonics Research 期刊上发表的 Towards High Resolution Trimming of Silicon Photonic Waveguides 给出了学术研究层面的技术解决方案。在师从 Graham Reed 教授期间，张巍巍还接触了欧洲硅光工艺的产线，让他对生产设备有了深入的了解。
深厚的积累，很快转化为了实际的成果：只用了半年多的时间，张巍巍就研制出了专门用于 OIO 光芯片的光刻修调设备第一代 “硅光无掩膜可编程光刻机”。这款光刻机能够在没有掩膜的情况下高速精准投影，配合高精密的激光退火系统，实现光芯片微环的波长修调。而且这台设备的定位不是技术验证，而是真实的工业化量产应用。
光联芯科自研光刻修调工艺演示。
张巍巍分享了两组设备性能数字：晶圆上的光芯片经波长的修调后，良率从不到 10% 提到 99%，从绝大部分报废到几乎全部可用；设备自动化程度也很高，数小时就可以完成整张晶圆 “检测-修调-出货”。
生产阶段的良率解决之后，还需要解决光芯片在工作中的温度调控难题。光芯片对环境温度较为敏感，0.1℃ 的波动都足以让微环波长发生偏移，导致信号中断。
为了解决微环对温度敏感的技术难题，光联芯科为此自研了高性能的微环电驱动芯片，并独创了一套微秒级波长锁定算法，打造出微秒级响应速度的 “温控系统”。无论数据中心服务器在满载飙升到高温，还是空载低温，系统都能通过电芯片实时监测微环的实际状态，并在极短时间内完成波长的动态调整与锁定。
这些难题的最大特点，是它们往往同时涉及电和光的设计，必须从一开始就在团队层面拉通。
用胡志朋自己的话来概括：光和电两个团队一直在深度沟通。我也在帮亚飞（叶亚飞）建立对光器件的认知，亚飞也在帮我建立对电芯片的认知。叶亚飞描述得更详细：我们会互相了解对方到底它的难点在哪里、容易点在哪里。怎么能利用你的容易点让我们这边轻松一点，或者利用我们这边的优势来让你的难点变得容易。
珍贵的窗口期
光联芯科要做的，用陈超自己的话来说：不是在赛道里分一杯羹，更不是国产替代，而是成为下一代计算架构的 “定义者”——在全球范围内，参与并定义下一代计算架构中光学 I/O 的产业标准与技术方向。
无可避免地，光联芯科会直面海外玩家的竞争。OIO 光通信全球头部玩家 Ayar Labs、Lightmatter 在尝试过诸多其他路线之后，最终也全部收敛到微环技术上。英伟达，今年 3 月分别向光通信器件龙头 Lumentum、激光器与光模块龙头 Coherent，以及数据中心互连与定制芯片企业 Marvell 各投 20 亿美元。海量投入的涌入，正在快速提升 OIO 赛道的发展速度和竞争烈度。
光联芯科内部对此更多是兴奋，而不是担忧。
随着成果的产出，光联芯科正在获得越来越多资本的认可。刚完成的 A+ 轮融资中，公司估值超过 10 亿美元。投资方还包括了国寿资本、招商局资本、星连资本、中信建投、河南汇融等机构，裴振华、赵洪修等知名企业家个人投资者。红杉、高瓴、君联等原有股东悉数超额跟投。
其次是中国在 OIO 赛道上的整体优势：从整个 OIO 光芯片的需求出发，在修调工艺成熟的情况下，国内 55/65 nm 工艺就足够，电芯片目前国内最先进的逻辑工艺也够用了，更不要提国内在先进封装方面的强劲实力。OIO 不仅仅是可以做，而是正在成为一次中国半导体行业弯道超车的机会。
陈超至今还记得那个关键的时刻：2025 年 GTC 上，黄仁勋把 MRM（微环调制器）光互连拎出来，定调 “下一代 AI 基础设施必须全面转向光学连接”。
这声定调，让 2024 年创立光联芯科的陈超喜出望外。他还记得当时的心路历程：2023 年到 2024 年创业时，只有方向的 “模糊的正确感”。黄仁勋宣布之后，最终确认自己看对了，看准了。
但这种兴奋并没有让整个团队停下，反倒是又投入到了下一步的技术和产品攻关中。在光联自研的微环调制器版 3.2T NPO 成功跑通 112G PAM4 测试眼图的那天，结果被叶亚飞发到了群里，几个人并没有过多复杂的庆祝，回复只有简单的 “牛！” 和 “今晚喝一个！”。
胡志朋对自己做了个解释：“原因无他，我们团队都很自信，因为我们之前流片的时候就觉得它能成功，所以就是这个结果。”
陈超的解释更浪漫一些，“我们正在推进的，说大一点，是人类文明的边界”。
接下来
这一年里，AI 大模型带来的算力风暴比所有人想象的都要迅猛，而光联芯科的技术进化与工程迭代速度，同样超越了整个行业的预期。
去年光博会，光联芯科没有自己的展台。产品摆在合作方实验室展位的一角，大约 1.5 平米的位置上：一块第一代 8 通道微环评估板，实物调通了，静态摆着。微环，别人还没有的东西。公司内部，第三代已经迭代完成，隔了两代。来问的人不少，有国内头部大厂的人走过来，看完感叹：“你们做得比我们还快。”
展会当晚，四个人从会展中心出来，在路边一个地摊坐下。天下着雨，一半室内、一半室外的空间里，大家撸着串，聊的是明年——明年，我们能不能有自己的展台；也聊一年后、多年后，这家公司会走到哪里。
一年后，2026 年光博会即将到来，光联芯科有了自己的展台，全球首发落地的成果即将亮相。从 1.5 平米到 100 平米。正好一年。
关于这次亮相，陈超说自己 “我自己摁着我自己，等里程碑事件、等最合适的时机，一鸣惊人”。
在光联芯科的实验室里面，有一台设备被盖着布，陈超说，这是给今年准备的，一件非常惊艳的东西，有可能在创造国内甚至世界首创的同时推进全球光互连产业的进步。
题图来源：《星球大战 9》
英伟达七连跌，为啥华尔街在抛售硅谷Alan Walker · 写于香港中环
2026 年 8 月 25 日
中环，早上七点半。美股收盘三个半小时。
隔壁桌两个做港股科技的在争一件事：英伟达连着跌了七天，是不是 AI 的故事讲完了。
这个问题问偏了。今年以来费城半导体指数整体涨了约七成，美光涨 213%，超威涨 142%，而英伟达只涨了约 7%，在费半成分股里垫底。钱没有离开 AI，钱只是离开了英伟达。
股价七天连跌，通常不是因为哪一天出了坏消息。真正的顺序几乎总是反过来的：大资金先做决定，价格随后反映，理由最后被写出来。下面前五段讲的是资金和人，后三段才讲盘面和财报。
先把四个数摆出来
208.48 美元 - 8/24 收盘
−7.5% - 七连跌累计
+7% - 年内涨幅（费半垫底）
18 倍 - 远期市盈率
01
先走的是谁
这轮七连跌的第一天，是 8 月 14 日。
同一天，美股二季度 13F 持仓报告集中披露——按规定，管理规模超过 1 亿美元的机构，要在季度结束后 45 天内 交出美股持仓底牌。6 月 30 日往后数 45 天，正好是 8 月 14 日。
那天市场看到了什么：
二季度机构对英伟达的操作
桥水 - 减持 17.62%。同期科技股全面减仓：谷歌 −33.81%、微软 −34.39%、亚马逊 −53.85%；半导体里美光减持 92%，几近清仓。
段永平 H&H - 减持 54.63%（756 万股）。同期加仓拼多多 26.71%，重新买入阿里巴巴，清仓台积电。
高毅 - 减持 72.41%。同期大举买入美光科技、闪迪。
景林 - 清仓。美股整体持仓骤降四成。
贝莱德 - 仍是第一大重仓，持仓市值 3886 亿美元。前五大增持全部来自半导体：美光、超威、应用材料、迈威尔、科磊。
13F 是后视镜——它反映的是 6 月 30 日的仓位，不是今天的仓位。但它把一件事挑明了：这些钱在这轮下跌开始之前 两个月 就已经在走了。
8 月 14 日之后价格才开始连着跌，不是因为这些机构那天在卖，而是因为市场那天才知道他们早就在卖。
通俗解读
不是先跌、然后大资金割肉。是大资金早在四五月份就一点点减掉了，八月中旬账本 被迫公开，剩下的人才发现自己是船上最后一批。发现之后开始往门口挤，才有了这七天。
02
主动的走完了，被动的走不了
看那张表里最反常的一行：贝莱德。
英伟达仍是贝莱德的第一大重仓股，持仓市值 3886 亿美元。同时它二季度前五大增持标的全部来自 半导体，其中美光增持幅度最大。它在英伟达、博通、美光、超威等十只半导体股票上的投资总规模超过 1 万亿美元。
贝莱德这类机构的绝大部分持仓是指数基金和 ETF。指数里英伟达占多少权重，它就必须持有多少。它不是不想卖，是 不能卖。
于是市场里出现了两类完全不同的股东：
被动 / 指数 - 按权重被动持有，只在资金申赎和成分调整时买卖 → 基本不参与定价，锁住大量流通股
主动 / 对冲基金 - 按判断加减仓，可以清仓 → 实际决定边际价格
英伟达五万亿美元市值，被动持股 的比例极高。真正每天决定价格的，是剩下那部分主动资金。而那部分主动资金，在二季度已经做完了减仓动作。
再看卖方那一栏：82 位分析师，只有 3 位给持有、1 位给卖出，平均目标价隐含超过 50% 上行空间。
这句话通常被当成利好，其实它是 仓位信号。当所有人都在推荐买入，意味着愿意买的人基本都已经买了。边际买家没有了。
通俗解读
一只股票要涨，需要有新的人愿意接。现在的情况是：想买的早就买满了，能卖的都卖过一轮了，剩下最大的那批股东是不看价格的指数基金。这种结构下，只要有一点点净卖出，价格就要往下找买盘，而且要找很远。
03
基金经理算的不是你那笔账
散户看英伟达，看的是"这公司好不好"。基金经理看英伟达，看的是"这个季度它能不能帮我 跑赢同行"。这是两笔完全不同的账。
把今年的成绩单摆出来：
年内表现
美光科技 - +213%
超威半导体（AMD） - +142%
费城半导体指数 - +71%
英伟达 - +7%（成分股垫底）
假设你管一只科技基金，考核标准是跑赢费城半导体指数。你把三成仓位放在英伟达，今年到现在，这三成仓位让你落后基准 60 多个百分点。
这时候你面前有两个选择。继续拿着，赌它财报后补涨——如果对了，你追回一点；如果错了，年底你的排名会很难看，而且很难解释"为什么全市场半导体都在涨，你偏偏重仓那只不涨的"。或者，把英伟达减掉，换成美光、超微，跟上基准。
对个人职业生涯来说，第二个选择明显更安全。这不是对英伟达的判断，是对自己饭碗的判断。
高毅二季度减持英伟达 72.41%，同时大举买入美光和闪迪；贝莱德把英伟达留在第一大重仓不动，但新钱全部加到美光、超威、应用材料上——这是同一个动作的两种做法。
通俗解读
基金经理最怕的不是亏钱，是 别人赚钱的时候自己没赚。英伟达今年只涨 7%，隔壁美光涨了两倍多，拿着英伟达的人每天都在被"我是不是站错队了"这个念头折磨。抛售的直接动机是这个，不是看空 AI。
举个例子
段永平二季度减持了英伟达 54.63%，但他 7 月 23 日公开说过，还是想持有足够多的英伟达，并且准备用"卖 put"的方式在低位加回来。同一个人，既在减仓，又在等着买回。这说明减仓这个动作本身，未必等于看空——它常常只是 价格和仓位的管理。
04
最大的那个买家闭嘴了
还有一个很少被提到、但对这七天解释力很强的因素。
英伟达在截至 4 月底的季度新增 800 亿美元股票回购授权，取代苹果成为美股 最大的单一回购方。同期它一个季度的自由现金流约 485 亿美元，股息从每股 1 美分提到 25 美分。
回购是什么？是一个不看价格、每天定量在市场上买入自己股票的买家。对一只被大量被动资金锁仓、主动流通盘有限的股票来说，这个买家的存在感非常强。
但公司在财报发布前有一段 静默期，期间通常暂停自主回购。8 月 26 日盘后出财报，往前推，最近这几周正好落在这个窗口里。
所以这七天里发生的事情是：主动资金在减，被动资金不动，而市场上最大、最不讲价的那个买家，暂时不在场。
价格没新闻也能连着往下走——因为托着它的那只手，暂时松开了。
通俗解读
一个菜市场里，平时有个大买家每天固定来扫货，价格就掉不下去。他休假两周，卖的人还是那些卖的人，价格自己就往下滑了。等他回来，价格又能稳住。这跟菜好不好吃没关系。
05
七天是怎么连起来的
一天下跌是消息，七天连着跌是 机制。
大资金先动，只是第一步。让它变成一条 连续下滑的曲线，靠的是后面几层自动跟进：
第一层，量化和趋势策略。市场上有相当一批资金是按规则做的：动量策略看过去六个月的收益率排名，波动率目标策略看实现波动率来决定仓位。英伟达过去六个月的收益率越走越平，波动率 却不低，这两类模型会自动调降仓位。它们不看市盈率，不看财报，只看价格和波动。
第二层，风控线。很多机构对单一持仓有回撤规则。5 月 14 日的收盘高点是 235.74 美元，跌破 10% 是一个被广泛使用的触发位。8 月这几天股价正好跌穿这条线，一批止损和减仓指令被机械地打出去。
第三层，自我强化。今天的卖出，让明天的"过去六个月收益率"更难看；更难看的排名，又 触发 更多模型减仓。这条链条不需要任何新的坏消息，就能自己走上七八天。
第四层，跟风的人。看到连跌四五天，原本没打算动的持有人开始怀疑"是不是有我不知道的事"。尤其在财报前，宁可先卖了看看。
通俗解读
第一批人是想清楚了才走的。第二批是电脑按规则自动走的。第三批是看见前面两批在走，怕来不及才走的。真正做判断的只有第一批，后面全是跟。七连跌这种形态，八成是这么来的。
06
技术面：8 月 24 日那根线
讲完资金，再看 盘面。8 月 24 日这一天，走势本身写得很清楚。
8 月 24 日日线
昨收 - 214.72 美元
今开 - 215.53 美元（高开）
最高 - 215.59 美元
最低 - 207.25 美元
收盘 - 208.48 美元（跌 2.91%）
成交量 - 1.35 亿股，约为日均成交量的 1.26 倍
高开近 1 美元，全天没再碰过开盘价，收在接近全天最低的位置，成交量放大到日均的一倍以上。这是很典型的一根 卖压主导 的日线：早盘的每一次反弹都被用来出货。
再往外看几个位置：
5 月 14 日的收盘高点 235.74 美元，是这轮回撤的起点，也是所有还在套牢的人的心理锚。208 美元下方，200 美元是一个整数关口，习惯上会有承接。而 207.72 美元 这个价位，在近五日走势里已经被反复触碰。
技术面上唯一确定的一件事是：连续七根阴线之后，短期均线全部压在价格上方，任何反弹都会先撞到一片套牢盘。要真正扭转，需要一根 放量的、带缺口的阳线 —— 而这种线，通常只有事件才能打出来。
通俗解读
图形上现在的样子是：上面全是被套的人等着回本走人，下面没有明显的托。这种结构里，小涨会被卖压吃掉，只有大消息能一次性把上面的卖单全清掉。8 月 26 号的财报，就是那个可能的大消息。
07
基本面：三个让人犹豫的数
资金先走，总得有个由头。基本面 上有三处地方，是过去半年被机构反复拿出来讨论的。
第一，利润的成色。10-Q 披露，某季度约 580 亿美元净利润里，有 134 亿美元来自所持上市公司 股权的未实现浮盈。剔除这一块之后，正常化净利润对应的市盈率从 18 倍升到接近 60 倍。而 2026 财年，英伟达用于投资活动的现金净额是 −522 亿美元，上一财年还只有 −204 亿美元。它一边卖芯片，一边给买芯片的人投钱，投出去的股权涨了又计回利润里。每一步都合规，但四步是同向的：好的时候一起好，转向的时候一起转。
第二，客户的结构。三家直接客户合计贡献 54% 的营收。更关键的是增量来源：2027 财年一季度数据中心收入 752 亿美元，超大规模客户 379 亿（环增 40 亿），其他云客户 374 亿（环增 89 亿）。增长最猛的那一栏是 新云厂商 —— 它们大多靠融资和债务活着，其中不少还拿过英伟达自己的投资。而现在 30 年期美债收益率在 5.27% 附近，2007 年以来最高，交易员定价的是年底前还要再加一次息。融资越贵，这批客户越难受。
第三，成本的位置。2027 财年一季度毛利率 74.9%，环比降了 0.1 个百分点。瑞银拆解显示，下一代 Vera Rubin 平台里内存占整机成本 62%，上一代 Grace Blackwell 是 53%。二季度 DRAM 合约价环比涨 58% 到 63%，NAND 涨 70% 到 75%。它已经把 1450 亿美元的供应承诺签了出去，原材料为 Vera Rubin 大幅备货。另外，中国的数据中心计算收入这一栏现在是零，上年同期还有 46 亿美元，公司在指引里明确写明"不含中国"。
通俗解读
这三件事单独拎出来，都不足以让一只增速 96% 的股票下跌。但对一个已经赚了很多、正在考虑什么时候落袋的基金经理来说，它们提供的是"卖出的理由"——人做决定的时候，往往是先有了想卖的冲动，再去找一个说得过去的理由。这三个数就是那个理由。
08
8 月 26 号盘后看三行
美东时间 8 月 26 日盘后，英伟达发布 2027 财年第二季度业绩。市场共识营收约 920 亿美元、调整后每股收益 2.09 美元，同比增长约 96%，公司此前指引 910 亿。
920 亿超不超，其实不是重点。真正会改变机构仓位的是三行：
毛利率 - 74.9% 之后是走平还是继续下滑。这一行决定 内存涨价最后由谁承担。
客户结构 - 超大规模客户与其他云客户的环比增量各是多少。这一行决定增长的钱稳不稳。
库存与供应承诺 - 1450 亿美元承诺本季怎么变。这一行决定公司对明年有多确定。
另外还有一个技术性的点：财报之后，静默期结束，那个 800 亿美元的 回购授权 会重新开始买。最大的买家回到场内，本身就是一股托底的力量。
把整件事收拢成一句
华尔街抛售的不是英伟达这门生意——数据中心业务 2026 财年做了 1937 亿美元，客户还在排队，82 个分析师里 78 个在喊买入。
华尔街抛售的是英伟达在自己组合里的那个位置。
当这个位置涨得比同行慢、当账本被迫公开、当最大的买家暂时离场、当模型按规则自动减仓——卖出就发生了，而且和公司好不好没有太大关系。
钱先走，理由后到。这是市场大部分时候的样子。
—— 写于中环，2026 年 8 月 25 日清晨
事实核查附录
一、事实与市场数据
· 8/24 收报 208.48 美元、跌 2.91%；七连跌累计 −7.5%，为 2022 年 9 月以来最长；较 5/14 高点 235.74 美元回撤超 10%。（界面新闻（宋佳楠）；华尔街见闻，2026-08-25）
· 8/24 昨收 214.72、今开 215.53、最高 215.59、最低 207.25、成交量 1.35 亿股，约为日均量 1.26 倍。（第三方行情终端；成交量倍数为终端统计口径）
· 年内涨幅约 7%，费半成分股垫底；远期市盈率约 18 倍，创近年新低。（华尔街见闻，2026-08-25）
· 82 位分析师中 3 持有、1 卖出；平均目标价隐含逾 50% 上行；三个月盈利预测上调 13%；FY2027 利润预期 2280 亿美元。（华尔街见闻，2026-08-25）
· 桥水二季度减持英伟达 17.62%，谷歌 −33.81%、微软 −34.39%、亚马逊 −53.85%；博通 −28.19%、超威 −58%、泛林 −40%、应用材料 −48%、美光 −92%。（2026 年二季度 13F 文件，经新浪财经统计）
· 贝莱德二季度前五大增持全部为半导体（美光、超威、应用材料、迈威尔、科磊）；英伟达仍为第一大重仓，持仓市值 3886 亿美元；十只半导体股合计超 1 万亿美元。（同上）
· 段永平 H&H 二季度减持英伟达 54.63%（756.31 万股）、谷歌 C −46.88%，清仓台积电与 CRWD，加仓拼多多 26.71%；组合总市值 191.01 亿美元。（H&H 2026 Q2 13F，2026-08-14 披露）
· 段永平 7 月 23 日表态希望持有足够多的英伟达，并考虑以卖出 put 的方式于低位加仓。（公开表态：本人公开发言，经媒体转述）
· 高毅二季度减持英伟达 72.41%，大举买入美光、闪迪；景林清仓英伟达，美股持仓降约四成。（2026 年二季度 13F，经时代周报等媒体统计）
· 13F 申报截止日为季度结束后 45 天（对应 2026-08-14）；本轮七连跌起始于 2026-08-14。（SEC 规则；起始日由 8/24 往前推七个交易日推得）
· 新增 800 亿美元回购授权，取代苹果成为美股最大单一回购方；季度自由现金流约 485 亿美元；股息由 0.01 美元提至 0.25 美元。（公司披露；华尔街见闻）
· 年内 AMD +142%、美光 +213%、费城半导体指数 +71%。（2026 年 7 月媒体统计口径，非 8/24 最新收盘数据）
· 10-Q 披露约 580 亿美元净利润中 134 亿来自持有上市股权未实现浮盈；剔除后正常化市盈率升至接近 60 倍。（公司 10-Q；正常化市盈率为第三方测算口径）
· FY2026 投资活动现金净额 −522 亿美元（上一财年 −204 亿美元）。（公司 2026 财年年报）
· 三家直接客户合计贡献 54% 营收；FY27Q1 数据中心收入 752 亿美元，超大规模客户 379 亿（环增 40 亿）、其他云客户 374 亿（环增 89 亿）；毛利率 74.9%（环比 −0.1pct）；供应承诺 1450 亿美元。（公司 FY2027 Q1 财报，2026-05-21）
· 30 年期美债收益率约 5.27%，2007 年以来最高；交易员定价 2026 年底前完成一次 25bp 加息。（Investing.com；新浪财经引路孚特（LSEG），2026-08-24）
· FY27Q1 中国数据中心计算收入归零（上年同期 46 亿美元）；Q2 指引 910 亿美元不含中国。（公司财报与业绩说明会）
· Q2 FY2027 财报 8/26 盘后发布；共识营收约 920 亿美元、调整后 EPS 2.09 美元、同比约 +96%。（市场共识：Investing.com，2026-08-24，为卖方预期非公司指引）
二、第三方拆解 / 机构预测
· Vera Rubin 内存成本占比 62%（上代 53%）。（瑞银物料清单，经媒体转述，为估算值）
· 2026 Q2 DRAM 合约价环比 +58%~63%、NAND +70%~75%。（TrendForce，为预测值非最终成交价）
三、作者推论与判断（非事实）
· "13F 披露日与连跌起点重合"仅为时点观察，本文未主张两者存在因果关系。
· "财报前静默期暂停自主回购，导致最大买盘缺席"——基于美国上市公司通行的回购静默惯例推断，英伟达未就本期回购执行安排作专门披露。
· 动量策略、波动率目标策略、单一持仓回撤风控线导致的机械减仓，"三批卖家"的分层描述——基于机构投资通行做法的分析判断，非特定机构披露。
· 技术面关于均线压制、套牢盘、200 美元整数关口的描述——基于公开行情的形态分析，不构成交易建议。
四、重要提示
本文为独立分析，不构成投资建议。文中第三方数据（13F 统计、瑞银物料清单、机构测算口径等）均已标注来源与性质，不代表相关公司官方口径。转载请注明出处。
—— Kea
英伟达路演剧透：季收近千亿，为何仍敢谈「增长加速」？增长来源正从头部 AI 实验室和超大规模云厂商，扩展至网络、CPU、Neocloud、主权 AI 与工业企业市场。
原报告：Morgan Stanley Research《NVDA NDR Highlights Diversified Growth Opportunities》，2026 年 7 月 10 日
编译 & 整理：DaiDai，MSX 麦通
编辑：Frank，MSX 麦通
要点速览：
英伟达认为增长仍在加速，但驱动力正在发生变化：需求不再只依赖头部 AI 实验室和超大规模云厂商，网络、CPU、Neocloud、主权 AI、工业与企业客户正在成为新的增量来源；
ASIC 与 GPU 并非零和竞争：一家此前主要依赖 ASIC 的头部前沿模型客户，英伟达算力占比已提升至接近 50%，在大量实际工作负载中，客户最终比较的不只是芯片价格，更在于单位 Token 的综合计算成本与部署效率；
Vera Rubin 路线图暂未延期：英伟达否认 Rubin Ultra 推迟至 2028 年，确认仍计划于 2027 年出货，虽然部分机架方案将调整，但 800V 电力架构和跨机架光互连等关键方向保持不变；
存储与电力仍是供给侧约束，而非需求转弱的信号：英伟达预计存储短缺可能持续数年，并将通过调整内存配置、网络和系统架构，提高有限供应下的系统交付效率；
摩根士丹利继续将英伟达列为半导体首选：报告维持「增持」评级和 288 美元目标价，并认为随着公司提高现金回报比例，英伟达正在从纯粹的高增长资产，逐渐兼具大型科技股的价值属性；
当一家公司的单季度收入开始逼近 1000 亿美元，市场通常更关心的，不再是它还能增长多少，而是增长还能维持多久。
英伟达如今面对的，正是这样的审视。
过去一段时间，围绕英伟达的争议主要集中在三个问题上：全球 AI 基础设施投资是否已经接近高点；Google、Amazon、Meta 等云厂商推进自研 ASIC，是否会逐渐侵蚀 GPU 的市场份额；以及下一代 Vera Rubin 产品路线图，是否出现延期或调整。
7 月上旬，摩根士丹利在加州组织多场英伟达非融资路演（NDR），英伟达 CEO 黄仁勋、CFO Colette Kress，以及管理层与投资者关系团队直接面对机构投资者，回应市场最关注的增长、竞争与产品问题，希望向市场解释其下一阶段的增长来源，正在发生怎样的变化。
摩根士丹利在会后报告中，将此次会议的基调概括为「积极」，英伟达管理层则给出了一个更具进攻性的判断：即使季度收入正在接近 1000 亿美元，公司当前的增长率仍有望继续加快。
支撑这一判断的核心，并不在于某一个客户突然增加采购，反而是英伟达正在从一家主要依赖 GPU 周期和少数头部客户的公司，转向覆盖计算、网络、CPU、模型与云基础设施的全栈 AI 平台。
一、英伟达正在重新定义自己的增长来源
按照英伟达管理层在此次会议中的划分，公司未来的需求主要来自三类市场：AI 实验室、传统超大规模云厂商，以及包括 AI 云、工业、企业和主权 AI 在内的新兴客户。
这意味着，市场过去熟悉的「AI 实验室训练大模型、云厂商采购 GPU」叙事，已经无法完整解释英伟达下一阶段的增长。
1.AI 实验室：ASIC 客户也在重新增加 GPU 使用
目前，AI 实验室约占英伟达总需求的 20%。
此次路演中，一个颇受关注的细节是，一家此前主要依赖 ASIC 开发的头部前沿模型客户，早期对英伟达平台的使用比例并不高，但目前英伟达在其相关算力中的占比，已经提升至接近 50%。
这至少说明，ASIC 对 GPU 的替代并不是一条单向路径。
当模型规模、推理负载和系统复杂度持续上升，客户需要比较的并不只是单颗芯片价格，而是整套系统最终能够以多低的成本生成 Token。在大量实际工作负载中，英伟达认为，最低的单位 Token 成本仍然来自其完整平台。
其他头部前沿模型目前也仍主要运行在英伟达平台之上。对于英伟达而言，AI 实验室的机会已经不只是跟随模型训练规模增长，还包括从原本更偏向自研芯片的客户中重新获得份额。
2.超大规模云厂商：从 GPU 扩展至网络和 CPU
按新的业务口径，传统超大规模云厂商仍是英伟达最重要的需求来源之一，相关业务约占公司收入的一半。
不过，云厂商市场当前面临的约束，已经逐渐从芯片供应转向土地、电力和机房空间。也就是说，客户并非不愿继续投入，而是越来越难以按照原有方式快速扩建数据中心。
在这种背景下，英伟达正在扩大自己在每座数据中心中的价值占比——除了 GPU，公司还在通过网络设备、CPU、互连和机架级系统方案扩大可服务市场。
管理层在此次会议中重申了本年度 200 亿美元的 CPU 相关收入目标，并暗示其中相当一部分需求并非来自负责集群控制和调度的 Head Node，而是来自搭载 Vera CPU 的独立计算机架。
Vera 并不是一款单纯追求更多核心数量的通用 CPU，而是针对 AI 数据中心中的单线程工作负载和内存访问进行优化。它所代表的方向，是英伟达不再只出售加速卡，而是进一步进入 CPU、网络、互连和整机系统。
这也解释了为什么摩根士丹利认为，云厂商自研 ASIC 与英伟达继续增长可以同时成立。毕竟大型云厂商仍会继续开发和部署定制芯片，博通等 ASIC 供应商也可能保持高速增长，但只要整个 AI 计算市场扩张得足够快，GPU 与 ASIC 就不必进行零和竞争。
摩根士丹利预计，英伟达与博通的 AI 相关业务在未来一年均可能保持极高增速，市场短期内未必会出现剧烈的份额迁移。
3.主权 AI、工业与 Neocloud：更分散，也可能更庞大
相比 AI 实验室和超大规模云厂商，主权 AI、工业企业和 Neocloud 的需求更为分散，项目启动速度也往往更慢，但这可能是英伟达下一阶段最值得关注的增量市场。
地缘政治、数据主权与供应链本地化，正在推动更多国家和地区建设独立的 AI 基础设施。与此同时，金融、零售、生物科技、制造业等企业，也开始把 AI 从通用工具转变为内部生产系统的一部分。
这类项目通常需要更长的立项、审批与部署周期，但一旦进入实施阶段，单个项目的规模可能相当可观，而且面临的直接芯片竞争往往少于头部云厂商市场。
Neocloud 则提供了另一种增长模式。
这类以 GPU 算力为核心的新型云厂商，正在承接传统云厂商无法及时满足的算力需求，英伟达与部分 Neocloud 的合作，不仅可能涉及共同投资与信用支持，也可能引入收入分成机制。
市场目前更关注英伟达是否在为客户承担信用风险，但从另一面看，收入分成也意味着英伟达可能分享下游 GPU 云服务的长期收益。摩根士丹利据此认为，英伟达未来可能不只是向 Neocloud 出售硬件，还会逐渐成为大型 GPU 云网络的利益相关方。
二、ASIC、Rubin 与存储约束，真正影响增长的是什么？
实事求是地说，英伟达当前面对的最大争议，并不是 AI 是否仍会增长，而是芯片竞争、产品路线和供应约束，是否会削弱公司在这一轮增长中的份额。
从此次路演释放的信息看，英伟达的回答是，这些问题都真实存在，但尚未改变公司的核心增长方向。
1.ASIC 会增长，但并不意味着 GPU 必然失去份额
对于稳定、成熟且规模足够大的工作负载，ASIC 确实可能提供更低的芯片成本和更高的定制效率。但模型架构、推理方式和开发工具仍在快速变化，客户同时需要灵活性、软件生态和系统交付能力。
因此，真正决定客户选择的，并不是某一颗芯片的售价，而是模型训练、推理、网络、内存和软件协同之后的综合成本。
英伟达的护城河，也不再只是 GPU 性能，而是 CUDA、网络、CPU、互连、整机系统和模型工具共同构成的平台能力。
2.Rubin 路线图暂未出现实质性延期
此次路演还回应了近期围绕 Vera Rubin 产品路线图的争议。
英伟达否认 Rubin Ultra 已推迟至 2028 年的市场传言，确认该产品仍计划于 2027 年出货，但也同时承认，部分机架形态将进行调整，原有 Kyber 机架方案将被另一种被管理层称为「更优」的设计替代。
这一变化可能支持更大规模的单机架 Scale-up 域，但并不意味着核心技术路线发生改变，包括 800V 电力架构、跨机架光学互连等关键技术，仍在按照原有计划推进。
对于英伟达而言，在每一代产品中尝试更激进的系统设计，本身就是其保持领先的一部分，真正需要观察的，不是路线图是否发生过调整，而是公司能否在量产前及时纠偏，并控制大规模交付风险。
摩根士丹利认为，Vera Rubin 仍将是未来 12 个月推动英伟达增长的重要产品周期。
3.存储短缺则是另一个容易被市场误读的问题
管理层预计，存储供应约束可能持续数年。
如果 AI 行业希望每年实现数量级的 Token 增长，而存储供给无法同步扩张，仅靠增加 GPU 数量并不足以解决问题，计算、网络和内存之间的配置关系，必须随之重新设计。
一种可能的调整，是降低单个机架的 LPDDR5 配置量，使有限的存储供应能够支持更多机架交付；另一种方向，则是通过网络、缓存和更高速的片上存储，降低部分场景对传统 DRAM 的依赖。
管理层在会议中还提到了以 SRAM 为主要存储架构的相关技术，SRAM 的成本通常高于 DRAM，但在特定推理负载下，其低延迟和高带宽可能具备系统级价值。
这些表态短期内可能影响市场对部分存储公司的情绪，但其逻辑起点并不是存储需求转弱。恰恰相反，英伟达之所以需要持续调整架构，是因为公司预计存储供给长期难以完全满足 AI 计算增长。
因此，对存储产业而言，真正值得关注的并不是英伟达是否减少某一种内存的单机配置，而是 AI 系统中的内存价值量，会如何在 HBM、LPDDR、SRAM、缓存和网络之间重新分配。
4. Nemotron 与开放模型的重要性
除了硬件，英伟达也在强化开放模型和企业 AI 软件的作用。
管理层以电路设计等专业场景为例指出，通用闭源模型未必能够满足企业对专业知识、数据安全和工作流程的要求吗，企业真正需要的，往往不是直接调用一个外部模型，而是围绕自身数据与经验，建立一套可控制、可调整的 AI 系统。
Nemotron 等开放模型的意义就在于此。
它们允许企业围绕自身业务进行训练、微调和部署，同时保留对模型、数据和基础设施的控制权。对于英伟达而言，开放模型并不只是一个软件产品，而是将 GPU、网络、推理框架、模型和企业应用连接起来的重要入口。
英伟达希望构建的，已经不只是一套性能领先的计算硬件，而是一套企业能够完整掌握和部署的 AI 技术栈。
三、摩根士丹利如何为英伟达估值？
此次路演的另一个重要目的，是扩大英伟达在价值型投资者中的覆盖。
众所周知，过去几年，英伟达主要被视为一项典型的高增长资产，但随着公司市值和机构持仓不断扩大，大量成长型基金已经广泛持有英伟达，部分机构甚至接近内部单一持仓上限，因此对英伟达而言，仅靠成长型资金继续提高配置，空间正在变得有限。
英伟达因此需要为市场提供另一套估值逻辑。
管理层预计，从当前阶段开始，公司将把 50% 或以上的现金流用于股东回报。在此背景下，持续增加的股票回购与现金回报，使英伟达在保持高增长属性的同时，也逐渐具备大型成熟科技公司的价值特征。
换句话说，英伟达希望市场同时使用两套框架为其估值：一方面，它仍是一家能够保持高速增长的 AI 基础设施公司；另一方面，它正在成为一家能够持续产生并返还巨额现金流的超大型科技平台。
基于这一判断，摩根士丹利继续将英伟达列为半导体板块首选，维持「增持」评级和 288 美元目标价，并给出三种风险收益情景：
基准情景，目标价为 288 美元，采用约 22 倍 2027 日历年每股收益预测，对应 EPS 13.08 美元：报告预计，英伟达收入将在 2026 年增长 82.0%，2027 年增长 52.4%；
在乐观情景下，目标价为 330 美元，对应约 23 倍 2027 日历年 EPS 14 美元：其核心假设是，数据中心业务继续高速增长，网络、Vera Rubin 系统与软件收入推动英伟达获得更高的全栈 AI 计算平台溢价，进一步的上行空间可能来自 AI PC、自动驾驶和机器人业务的规模化，以及高毛利软件和 AI 服务收入占比提升。
在悲观情景下，目标价为 160 美元，对应约 16 倍 2027 日历年 EPS 10 美元：主要风险包括数据中心供给更快追上需求，AI 基础设施增速明显下降；客户通过自研 ASIC 降低对英伟达的依赖；AMD 或其他竞争对手重新获得份额；以及关税和出口限制对收入产生高于预期的影响；
从盈利预测来看，摩根士丹利预计，英伟达 2026—2029 年 GAAP 收入将分别达到 2159.38 亿、3930.05 亿、5988.09 亿和 7838.77 亿美元；毛利率分别为 71.3%、74.4%、72.5% 和 72.0%，EPS 分别为 4.61、8.96、13.08 和 17.63 美元。
这组预测背后的核心判断是，即使英伟达的收入基数已经十分庞大，AI 基础设施扩张仍有望推动其收入和利润在未来数年保持较高增速；网络、CPU、软件与系统级方案，则会在 GPU 之外贡献更多增量。
当然，摩根士丹利也承认，存储、网络和其他供应链环节，在部分阶段可能拥有更高的盈利弹性，事实上，在过去的半导体周期中，摩根士丹利也曾将板块首选从英伟达轮换至闪迪和美光等公司。
但从风险收益比来看，英伟达仍然是其认为半导体板块中最具吸引力的核心资产之一。
一方面，公司当前的估值倍数可能受到超大市值和指数权重的约束；另一方面，相比 AMD、博通等计算半导体公司，英伟达并未享有特别明显的估值溢价。摩根士丹利认为，随着增长来源进一步多元化、现金回报提升，英伟达与部分同业之间的估值差异最终有望收敛。
不过，市场仓位并未呈现完全一致的乐观预期。报告显示，主动型机构投资者持股比例已经达到 50.9%，意味着成长型资金的持仓基础较高；与此同时，摩根士丹利量化模型对英伟达未来 3 个月和 24 个月的判断均处于第 4 分位，尚未进入最受量化资金青睐的区间（第 1 分位代表最受青睐、第 5 分位代表最不受青睐）。
这也构成了当前英伟达估值中颇为微妙的一面：基本面预期依然强劲，但较高的机构持仓、超大市值与市场期待，也意味着公司需要不断兑现增长，才能推动估值进一步抬升。
写在最后
市场过去讨论英伟达，往往围绕一个简单的问题展开：AI 资本开支还能增长多久？
但这次路演提供了另一种观察角度。
英伟达下一阶段增长，并不完全取决于少数大型云厂商是否继续增加 GPU 采购，而在于它能否把自己的平台能力进一步扩展到网络、CPU、模型、企业软件、主权 AI 和新型云基础设施。
ASIC 会继续增长，存储和电力约束也不会消失，产品路线图仍可能调整，真正决定英伟达长期价值的，不是它能否阻止这些变化，而是它能否继续把每一次产业变化，转化为更大的可服务市场。
对于一家季度收入即将接近 1000 亿美元的公司而言，「增长加速」听起来或许反直觉。
但英伟达试图向市场证明的，正是当 AI 基础设施从芯片采购走向系统建设，从少数云厂商扩展至国家、企业与新型云平台，它仍有能力在每一层技术栈中占据更大的价值份额。
这也是从 AI 芯片供应商走向全栈基础设施平台之后，一段更长的增长曲线。据《商业内幕》报道，Anthropic已经选定纳斯达克作为上市地点，目标10月启动路演，11月挂牌。路透社12日披露，英伟达正以基石投资者身份洽谈参与，出手就是最高100亿美元。 Anthropic这轮IPO计划募资最高1000亿美元，目标估值约2万亿美元。什么概念？SpaceX今年6月在纳斯达克上市，募资863亿美元，估值1.77万亿——已经是史上最大IPO了。Anthropic想把这个纪录再往上拉一个台阶。 高盛、摩根大通、摩根士丹利三家联手做主承销商。6月1日就已秘密向SEC提交了S-1草案。 英伟达：又卖芯片又投钱 英伟达这步棋下得精。 100亿美元的基石投资，占总募资额的10%。基石投资者是在股票面向公众发售之前就预先承诺认购的机构，核心作用是给市场"打样"——你看，我英伟达都押了100亿，你敢不买？ 但问题在于，英伟达本来就是Anthropic最大的芯片供应商。Claude模型的训练和推理全靠英伟达的GPU跑。2025年11月，英伟达已经宣布投资Anthropic最高100亿美元，Anthropic则承诺采购300亿美元由英伟达芯片驱动的微软Azure算力。 现在又要以基石投资者身份再投100亿。 供应商变成了股东，股东投的钱又变成了供应商的收入。这不是套娃，这是闭环。 更绝的是，Anthropic还跟英伟达支持的云厂商Nscale签了450亿美元算力协议，又跟同样有英伟达背景的Lambda签了350亿美元。加上亚马逊超过1000亿美元的AWS十年合同和谷歌的TPU租赁——Anthropic本质上在用英伟达的钱，买英伟达的芯片，跑自己的模型，再把收入的一部分还给英伟达。 永动机也不过如此了。 营收：数字很炸，但得拆开看 循环归循环，营收数据确实炸裂。 Q2营收115亿美元，去年同期7.87亿，增长15倍。年化营收从年初的90亿飙到7月的650亿美元，半年翻了7倍多。毛利率超过80%，Q2调整后营业利润首次转正，达到5.59亿美元。 但注意，"调整后营业利润"是个有弹性的词。 调整后意味着剔除了股权激励、训练成本等一大堆开支。有分析师直接给这个指标起了个外号叫"EBTIT"——Earnings Before Training, Interest, and Taxes（训练、利息和税前利润）。公司自2021年创立以来累计净亏损超百亿美元，从没在任何一个完整财年赚过钱。 管理层自己还告诉投资者，下半年因为算力和训练投入加大，大概率不会再盈利。 所以这个"首次盈利"，更像是一道精心调整后的财务表演。 估值：市场在赌一个你看不到的数字 2万亿除以650亿年化营收，PS（市销率）约31倍。 但投资者讨论的不是650亿。他们看的是2028年的预期——公司预计2028年营收1900亿到2000亿美元。按那个算，PS约10倍，"好像没那么贵了"。 问题是：你要相信一家公司能在两年内把收入做到现在的三倍，还要维持5%以上的运营利润率。 纽约大学金融学教授Aswath Damodaran直接说了：这个估值"已触及合理边界，甚至超出了可信范围"。 最讽刺的一幕 最有意思的地方来了。 就在Anthropic冲刺IPO的同时，CEO达里奥·阿莫代伊公开呼吁：AI行业需要放慢最先进模型的开发速度。理由是AI能力的发展已经超过了安全措施。 Sam Altman表示支持。马斯克也发了声。OpenAI直接表态今年不上市。 然后Anthropic一边喊刹车，一边踩油门冲上市。 矛盾吗？其实不矛盾。踩刹车的是前沿模型的能力竞赛——最危险的那些东西，确实该慢一慢。但商业化不能停。Claude卖给企业，该赚的钱照赚。 只不过，两条路线的分歧已经很明显了。OpenAI选择不上市，Anthropic选择上。两条路最终都要面对同一个裁判：市场和投资者。 结语 2026年美股IPO市场已经疯了。剔除空白支票公司，今年募资总额1606亿美元，2021年以来最高。SpaceX、SK海力士之后，Anthropic又来了。 这不是结束，AI时代的资本大戏可能才刚开场。 但真正值得盯的不是"2万亿贵不贵"——而是那个循环能不能转下去。 英伟达卖芯片赚的钱，投给Anthropic。Anthropic拿钱买GPU做营收，营收增长推动估值，估值支撑IPO，IPO回馈英伟达的投资。 只要模型能力还在涨、企业需求还在扩、资本信心还在，这个循环就能转。但任何一个环节松动——芯片降价、需求放缓、或者有人发现"原来利润是这么算出来的"——整条链子就会开始发抖。 Anthropic的IPO，本质上是对整个AI行业循环投资逻辑的一次压力测试。 市场很快会给答案的。