🌐 外来客网

🔐 登录 ✍️ 注册

博主头像

我在买入所有能买到的股票（投资者尚未做好准备）

外来客 • 2026-08-18 19:15:16

声明：本文为对公开视频内容的摘要整理，未经本站独立核实，可能与原视频存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

（原标题：I'm Buying Every Share I Can (Investors Aren't Ready)）

📉 核心观点：AI支出瓶颈转移

华尔街长期认为AI是泡沫，主要论据是超大规模云服务商（Hyperscalers）的资本支出（CapEx）终将放缓，导致相关股票下跌。
当前事实反驳了这一观点：主要科技公司的AI支出不仅未放缓，反而在加速。
核心逻辑转变：AI基础设施（土地、电力、芯片）是零和博弈，资源稀缺导致竞争加剧。
结论：问题不再是“支出是否会放缓”，而是“支出将转移到哪个新的瓶颈领域”。

💰 关键事实：资本支出与融资现状

支出增长：四大超大规模云服务商（Google, Amazon, Microsoft, Meta）2023年以来AI支出年复合增长率超过60%。
预算数据：今年预计支出超7000亿美元，较2025年的3750亿美元增长90%。
现金流压力：
Amazon过去12个月自由现金流从180亿美元降至-76亿美元。
Alphabet自由现金流自2004年上市以来首次转负。
Meta自由现金流下降91%。
融资行为：
Amazon将2026年CapEx预算从2000亿上调至2200亿美元，并出售370亿美元债券。
Alphabet发行超650亿美元债券，并宣布850亿美元股权融资（美国企业史上最大）。
债务覆盖Hyperscaler CapEx的比例从2024年的9%升至32%。

🧠 技术路径一：AMD与Talus（内存优化）

瓶颈：传统GPU大部分时间等待数据从内存传输，内存带宽是主要瓶颈。
解决方案：AMD计划收购芯片初创公司Talus。
技术原理：Talus将AI模型权重直接蚀刻在芯片金属层中（1为连接导线，0为断路），消除内存读取等待。
性能对比：
速度：Talus芯片处理Llama 3.18b模型可达17,000 tokens/秒，比传统GPU快约120倍。
成本：运行成本低于每百万token 1美分，而NVIDIA Blackwell约为3.8美分。
制造优势：采用分层制造，98%芯片结构通用，仅顶层2层金属针对特定模型定制。TSMC可在60天内完成从晶圆到成品的生产，实现快速迭代。

🌐 技术路径二：Cerebras（晶圆级集成）

瓶颈：多芯片集群通过电缆和交换机连接，数据传输耗时且耗能。
解决方案：Cerebras使用晶圆级引擎（WSE），不切割晶圆，制成单一巨型芯片。
规格对比：
面积：WSE3约为NVIDIA B200的30倍。
晶体管：4万亿个，是B200的19倍。
内存带宽：21 PB/s，是NVIDIA B200的2600倍。
财务表现：
剩余履约义务（Backlog）达254亿美元，约为2026年预期营收的29倍。
云服务收入同比增长287%，硬件销售增长17%（剔除OpenAI股票期权费用后）。
毛利率下降部分原因是产能不足，需从云厂商租回系统以填补需求缺口。

🏦 技术路径三：NVIDIA（资产化融资）

核心策略：将GPU转化为可融资的资产类别，改变资金来源。
融资平台：与Apollo, BlackRock, Blackstone, Goldman Sachs等合作，建立超5000亿美元的AI基础设施融资平台。
逻辑：GPU作为抵押品，因其软件更新（如TensorRT-LLM）可提升旧芯片性能，延长使用寿命。
风险与争议：
协议目前非约束性，无人实际承诺资金。
NVIDIA可能需承担设备贬值损失（最高25%）。
期限错配：CoreWeave的GPU贷款期限为5年，但客户租赁合同仅3年，存在还款风险。
关键未知数：GPU的实际使用寿命（3年还是5年）尚未确定，需等待8月26日财报进一步验证。

⚖️ 结论与风险提示

趋势判断：AI支出将持续加速，直到土地和电力资源耗尽，随后支出将转向填充现有设施。
竞争格局：
AMD/Talus：押注低成本、可快速更换的模型专用芯片。
Cerebras：押注消除网络延迟的晶圆级芯片。
NVIDIA：押注GPU作为长期租赁资产的金融属性。
投资视角：资金不再是主要约束，技术瓶颈的转移方向决定受益者。
注意：上述分析基于转录内容，不构成投资建议。NVIDIA的资产化模式存在期限错配和估值不确定性风险。

👤 同一博主

查看该博主全部 12 篇

🧭 类似博主

0 条评论

发表评论

请先登录后参与讨论。