如果只选10只股票长期持仓:2026年AI资本开支流向分析
文章由Kova撰写,提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型(半导体制造、核心芯片、DC物理层、DC建造层)。基于此模型及Picks-and-shovels、Anti-correlation等原则,作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票,并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
文章由Kova撰写,提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型(半导体制造、核心芯片、DC物理层、DC建造层)。基于此模型及Picks-and-shovels、Anti-correlation等原则,作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票,并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
文章构建了独特的AI基建四层分析模型,提供了详实的选股逻辑与具体标的权重,操作性极强,且发布时间非常契合当前的AI投资周期。
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记,提出 AI 繁荣背后有三张物理账单:电、芯片、推理。 Session 1 指出美国输电网难以建设,行业转向表后发电,从签约到出 token 需 16-17 个月,电力成为算力交付的真正瓶颈;讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体,揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限,AI 进晶圆厂第一站是良率检测,价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下,通过推理优化软件从现有 GPU 榨取更多性能。核心结论:三张账单的解法都是效率。
黑石集团总裁Jon Gray在面向全球顶级投资者的闭门演讲中,系统披露了黑石关于人工智能投资的内部数据与判断。他指出Anthropic和OpenAI等模型公司年化收入已达1050亿美元,超大规模数据中心资本支出翻倍至8200亿美元,AI投资回报显著。他以1870-1900年工业革命类比当前AI变革,强调当前需求远超供应,与铁路泡沫不同。他展示了AI在投资组合公司中的具体应用成效,认为芯片、数据中心和电力才是真正的投资核心,同时提示网络安全、监管、地缘政治和估值过高等风险,最后重申'一切都关乎回报'的投资理念。
文章整理了黑石集团总裁兼COO Jon Gray面向100多位全球顶级投资者闭门演讲的10个核心观点。Gray认为当前AI浪潮更接近1870年工业革命的开端而非2000年互联网泡沫:Anthropic和OpenAI等模型公司收入一年增长100倍达1050亿美元;黑石投资的14家AI公司收入增长21倍至5.25亿美元;超大规模数据中心资本开支达8200亿美元,占美国GDP的2.5%。他指出真正的瓶颈在芯片、电力和数据中心等物理世界,黑石押注技术栈最底层的计算、电力与土地,追求确定性回报。
文章解析英伟达8月26日发布的NVHBM技术:将自研内存控制器移入HBM底座,带宽最高提升30%、功耗降低15%,并推动多家内存厂商共同供货。作者对比三星zHBM(Memory-on-Logic垂直堆叠)与SK海力士的3D堆叠、混合铜键合路线图,拆解内存厂商的利润公式:出货量×份额×单位毛利,指出NVHBM可能压缩独有设计溢价、提升制造能力与良率的重要性。对三星的机会在于进入更多采购名单,海力士则需证明客户有得选时仍选自己。行业增长未必等于每家公司都受益。
作者深度分析 Marvell 财报后的投资价值:季度收入 27.39 亿美元,数据中心占约 79%,管理层将下财年收入展望从 165 亿上调至 180 亿美元。文章拆解了 Marvell 在 AI 系统中的三种连接场景(scale-out、scale-up、scale-across),分析光互联、交换芯片、CPO/NPO 技术路线,以及与 Google 的 1200 亿美元认股权证协议(非最低采购承诺)。作者认为定制芯片业务扩展到 XPU attach 配套产品,存储与内存接口能力重回主线,与博通竞争、获 NVIDIA 20 亿美元投资合作。结论:市场尚未完全定价其眼前加速业务与远期机会。
文章以供给稀缺、客户认证、竞争扩产与股价回撤四个维度,重新审视AIDC产业链30家瓶颈公司。结论是:真正具备产能、认证、交期或锁量证据的公司只占少数;瓶颈增强的同时竞争普遍加剧;回撤最大的小票往往瓶颈地位尚未验证。第一梯队包括AXT(InP衬底)、Tower(硅光代工)、联亚、AAOI、古河电工、Micron等,而Sivers、上诠等高热度小票仍属潜在瓶颈。回调提供了更便宜的价格,但没有自动提供更高的确定性。