Skip to content
Sign in
Artwork for FutureCast/未来播报
TechnologyNewsSociety & Culture

FutureCast/未来播报

atelierqin

洞悉明日科技趋势，把握实时投资机遇。

Unlock tomorrow's tech trends and capture today's investment opportunities.

Play
Open in
  • 20 episodes
  • Avg 11 min
  • Chinese

Episodes 20

NewestOldestLongest
All20Unplayed20In progress0Played0
  • Thursday · 12 min

    EP204 高盛看高华虹至335港元：AI芯片“中国为中国”战略的核心受益者

    🔥【核心洞察】 华虹正站在“中国为中国”半导体供应链策略的风口上。 高盛维持华虹半导体（1347.HK）“买入”评级，12个月目标价335港元，较当前股价隐含约190% 上涨空间。核心逻辑是：中国AI支出持续增长，客户为确保供应链安全加速本地采购，华虹作为本土12英寸晶圆代工龙头直接受益。 收入增长强劲，环比加速。 高盛预计华虹2026年第三季度和第四季度收入环比分别增长11% 和15%。驱动力来自生成式AI推动的嵌入式闪存、NOR闪存和电源管理IC需求增长，以及Fab9A晶圆厂产能释放。 产能扩张与战略收购双轮驱动。 Fab9A计划在2026年第三季度末前增加约40% 的12英寸晶圆产能，预计2027年上半年满产。同时，公司完成对华力微电子97.5%股权的收购，将其并入财务报表，显著拓宽12英寸制造平台和先进制程覆盖。 中国AI芯片市场潜力巨大。 高盛预计2025-2030年中国AI芯片总市场规模在基准情景下复合年增长率达69%，到2030年达678亿美元；牛市情景下CAGR达142%，规模达4123亿美元。中国半导体资本支出2026-2028年预计年增13%/15%/15%，由存储器和先进节点驱动。 🔍【章节索引】 一、评级与目标价：190%上涨空间从何而来？ 高盛维持华虹“买入”评级，12个月目标价335港元，基于92倍2030年预期市盈率并以9.3%的资本成本折现至2027年。这一估值反映了市场对公司长期增长潜力的重估——华虹不再只是一家成熟制程代工厂，而是中国AI芯片供应链本土化的核心基础设施。 二、收入增长：Q3/Q4环比加速的三大驱动力 高盛预计华虹2026年Q3和Q4收入环比分别增长11%和15%。第一，中国AI支出增加，生成式AI持续推动嵌入式闪存、NOR闪存和电源管理IC需求。第二，客户“中国为中国”供应链策略加速落地，本地采购成为趋势。第三，Fab9A产能释放，12英寸晶圆供应能力提升。 三、产能扩张：Fab9A与华力微收购 Fab9A晶圆厂计划在2026年第三季度末前增加约40%的12英寸晶圆产能，预计2027年上半年实现满负荷生产。华虹完成对华力微电子97.5%股权的收购，将其并入集团财务报表。收购将扩大华虹的12英寸制造平台，支持长期产能和技术节点扩张，拓宽在先进和成熟工艺节点的技术覆盖。 四、市场机遇：中国AI芯片TAM与资本支出 高盛预计2025-2030年中国AI芯片总市场规模：基准情景CAGR 69%，2030年达678亿美元；牛市情景CAGR 142%，达4123亿美元；熊市情景CAGR 6%，达66亿美元。中国半导体资本支出2026-2028年预计年增13%/15%/15%，主要由存储器和先进节点产能扩张驱动。“中国为中国”战略下，客户为确保供应链安全推行本地采购，利好华虹。 ⚠️【风险提示】 终端市场需求弱于预期，可能影响产能利用率和定价。 12英寸晶圆厂投产慢于预期，Fab9A产能释放节奏存在不确定性。 中美贸易关系不确定性可能影响设备获取和客户订单。 华力微整合进度及协同效应释放存在执行风险。 估值基于2030年预期折现，远期假设较多，短期业绩波动可能引发股价调整。 前往小宇宙评论区与主播互动

  • Wednesday · 9 min

    EP203 NPO量产倒计时：华为7.2T光引擎功耗降2/3，故障率降90%

    🔥【核心洞察】 NPO是AI算力互联的“下一站”。NPO（近封装光学）把光引擎从可插拔模块搬到芯片旁边，大幅缩短电信号传输距离。华为7.2T NPO方案相较传统800G光模块，功耗降低约三分之二，故障率降低90%。中国正在构建本土NPO生态系统，计划2027年下半年量产，目标带宽3.2T。 AI SuperPod加速本土化，华为Atlas 960E领跑。华为Atlas 960E可扩展至4096个NPU，提供8 EFLOPS（FP8） 算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎。成本优势显著：华为Ascend 910C每个加速器机架成本约2.5万美元，而NVIDIA GB200超过4.5万美元，系统级性能却不相上下。 2026年下半年是市场拐点。受益于国内AI芯片供应改善和SuperPod架构快速采用，中国AI服务器市场预计在2026年下半年恢复增长。本土化芯片是关键驱动力。 本土供应链全面受益。从NPO光引擎、激光器、封装，到服务器ODM/OEM、ABF基板、mSAP HDI和交换机，中国硬件供应链正迎来系统性机会。ABF基板本土供应商已占据国内超50% 市场份额，盈利能力预计恢复。 投资方向清晰：NPO生态核心供应商、服务器OEM、ABF基板国产替代、mSAP HDI新增长点。 🔍【章节索引】 一、NPO技术：为什么功耗降2/3、故障率降90%？ NPO（不可插拔光学）的核心思路是把光引擎从可插拔模块搬到芯片旁边或封装内，让电信号传输距离从“几十厘米”缩短到“几毫米”。距离缩短带来两个直接好处：功耗大幅下降、信号完整性显著提升。华为7.2T NPO方案目标带宽3.2T，相较800G光模块功耗降低约三分之二，故障率降低90%。 中国NPO生态系统已具备必要基础模块，但相较TSMC COUPE等平台更为碎片化。当前演示主要基于边缘耦合、MZM光引擎和外部激光器。NPO技术需要跨组件协同设计，中国供应商正积极验证和采样产品，预计2027年下半年实现量产。 关键参与者方面：Innolight和TFC聚焦海外NPO/CPO；Accelink和HG Genuine瞄准国内NPO光引擎需求；Lightelligence和Xphor开发NPO光子集成电路；Yuanjie是激光源主要供应商；EugenLight在封装领域受益。 二、AI SuperPod：华为Atlas 960E与成本优势 华为Atlas 960E是本土AI SuperPod的代表作。它可扩展至4096个NPU，提供8 EFLOPS（FP8）算力和1PB HBM容量。华为海思同步展示3.2T VCSEL和7.2T NPO引擎，用于Atlas 960E SuperPod。 成本是华为的核心武器。华为Ascend 910C每个加速器机架成本约2.5万美元，显著低于NVIDIA GB200的4.5万美元以上，同时系统级性能得到提升。阿里巴巴的Panjiu AL128也是提升系统级性能的SuperPod架构范例。 市场驱动因素包括国内AI芯片供应改善和SuperPod架构快速采用。中国AI服务器市场预计在2026年下半年恢复增长，本土化芯片是关键。 三、本土供应链受益者全景 服务器ODM/OEM方面：IEIT Systems是中国最大的服务器OEM；xfusion受益于华为的工程和供应链能力；华勤是腾讯和阿里巴巴的主要供应商，预计2026-2027年AI服务器业务强劲增长。 ABF基板方面：虽然海外企业主导，但苏州群策、奥特斯中国和领科等本土供应商已占据国内ABF基板超50%市场份额，且预计盈利能力将恢复。 mSAP HDI技术已从智能手机扩展到光模块，尤其是在1.6T产品中，成为新的增长点。中国数据中心交换机市场高度集中，华为、新华三和锐捷占据主导地位。 四、投资机会与风险提示 投资方向集中在：NPO生态核心供应商（光引擎、激光器、封装）、服务器OEM（IEIT、xfusion、华勤）、ABF基板国产替代（苏州群策、奥特斯中国、领科）、mSAP HDI新增长点。 风险方面：NPO量产时间表可能延迟；技术路线碎片化导致标准不统一；海外厂商竞争和地缘政治风险；AI服务器需求不及预期；部分标的估值已反映乐观预期。 ⚠️【风险提示】 NPO量产时间表存在不确定性，跨组件协同设计难度较高。 中国NPO生态碎片化，标准不统一可能影响规模化落地。 海外厂商在高端光引擎和ABF基板领域仍有技术优势。 地缘政治风险可能影响供应链稳定。 AI服务器需求若不及预期，本土供应链增长逻辑将受挑战。 部分标的估值已部分反映乐观预期，需关注业绩兑现节奏。 前往小宇宙评论区与主播互动

  • Tuesday · 10 min

    EP202 黄金逆势上涨的“神秘买家”是谁？德银：CTA卖盘压境，钯金最脆弱，白银最抗跌

    🔥【核心洞察】 黄金在美联储加息背景下逆势上涨，突破了杰克逊霍尔会议以来的下行趋势，但德意志银行的资金流数据显示，这轮上涨背后缺乏传统投资者的强劲流入。商业和非商业投资者流入量很小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。一个“神秘买家”正在主导市场。 真正的驱动力可能来自非传统因素：霍尔木兹海峡冲突、能源价格下跌以及储备经理的购买活动，这些比美联储加息更相关。报告指出，黄金对油价的敏感度正在提升，地缘政治风险溢价已成为金价的重要支撑。 CTA头寸方面，黄金仍偏向卖出，预计价格回落将伴随算法卖盘。钯金CTA头寸为-26%，处于最大做空仓位，看跌情绪极度强烈。铜和锌的CTA头寸较高（分别为100%和95%），而镍和铅则呈现负值（分别为-22%和-83%）。 算法交易预计下周将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月持续大规模现货流出而最易受冲击；白银因上海套利交易持续强劲和零售投资者现货流入而显得最为稳健；铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。 🔍【章节索引】 一、黄金异象：价格涨了，传统买家却不在场 尽管美联储加息，黄金价格仍突破了自杰克逊霍尔会议以来的下行趋势。但德意志银行的电子现货流量数据显示，商业、非商业投资者流入量小，零售投资者呈流出状态，CTA头寸也基本未变，中国ETF流入量未见异常。这意味着，推动金价上涨的力量并非来自传统的机构或散户买盘。报告认为，霍尔木兹冲突、能源价格下跌以及储备经理的购买活动，是比美联储加息更相关的驱动力。黄金对油价的敏感度正在提升，地缘政治风险溢价成为金价的重要支撑。 二、CTA头寸：钯金极度做空，白银相对稳健 CTA（商品交易顾问）头寸反映了算法交易者的仓位方向。黄金CTA头寸仍偏向卖出，预计价格回落将伴随算法卖盘。钯金的CTA头寸为-26%，处于最大仓位，预示着强烈的看跌情绪。铜和锌的CTA头寸较高，分别为100%和95%，显示多头拥挤。镍和铅则呈现负值，分别为-22%和-83%。整体来看，CTA在贵金属上的仓位偏空，在基本金属上则分化明显。 三、现货流量概览：铂金逆势流入，钯金零售买盘激增 黄金整体现货流量净卖出-5%，零售投资者净卖出-7%。白银整体现货流量净卖出-9%，零售投资者净卖出-9%。铂金整体现货流量净买入18%，商业投资者净买入16%，但零售投资者净卖出-15%。钯金整体现货流量净卖出-16%，商业投资者净卖出-14%，但零售投资者净买入49%，显示出投资者群体间的巨大分歧。铂金的商业买盘与零售卖盘形成对比，钯金则出现商业卖盘与零售买盘的对抗。 四、算法交易展望：贵金属普遍承压，钯金最脆弱 德意志银行预计，下周算法交易将在几乎所有情景下加剧贵金属的卖盘压力，且算法流量呈不对称的卖出倾向。钯金因过去一个月的持续大规模现货流出而最易受算法卖盘影响，脆弱性最高。白银在上海套利交易持续强劲和零售投资者现货流入的支撑下，显得最为稳健。铂金也面临风险，没有场景会触发大规模算法买盘，价格回调可能引发CTA最大历史仓位20%-40%的卖出。整体而言，贵金属板块短期面临算法卖盘的压制，但白银的韧性相对突出。 ⚠️【风险提示】 算法交易行为具有高度不确定性，实际卖盘压力可能因市场情景变化而显著偏离预期。 黄金的“神秘买家”若为储备经理或地缘政治对冲资金，其持续性难以预测，若相关因素消退，金价可能快速回吐涨幅。 钯金极度做空仓位若遭遇逼空，可能引发剧烈反弹，投资者需警惕双向风险。 铂金的商业买盘与零售卖盘分歧巨大，价格方向不明朗，回调风险较高。 地缘政治事件（如霍尔木兹冲突）的演变可能瞬间改变贵金属的避险需求和油价敏感度。 前往小宇宙评论区与主播互动

  • Monday · 9 min

    EP201 美中峰会前瞻：管控式竞争、休战延长，AI主权才是真金白银

    🔥【核心洞察】 峰会基调是“管控式竞争”，不是全面重置。 摩根士丹利最新报告指出，即将举行的美中峰会核心目标是延长现有贸易休战，而非达成重大突破或广泛协议。双方在稀土和芯片上的相互依赖，决定了短期内只能“管控分歧”，而非解决分歧。 11月10日是真正的“定时炸弹”。 美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将于同一天到期。市场普遍预期双方将优先延长，但若出现意外，冲击将远超峰会本身。 AI竞争沿独立轨道加速升级，但峰会难有突破。 美国希望中国在监测AI网络攻击方面合作，同时担忧中国公司“蒸馏”美国专有模型。中国则想了解美国如何监管前沿模型。预计峰会仅限于进一步对话，不会达成实质性协议。 市场预期极低，指数影响有限。 延长贸易休战对MSCI中国指数的直接推动预计不大，宏观疲软和监管担忧仍是主要制约。真正的机会在结构性领域：AI主权和半导体本地化。 尾部风险来自伊朗。 美国财政部针对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，是峰会前最大的不确定性来源。 🔍【章节索引】 一、峰会基调：管控式竞争，而非全面协议 摩根士丹利将此次峰会定义为“管控式竞争”的延续。短期目标是延长贸易休战，长期趋势仍是竞争性对抗。双方在稀土和芯片上的相互依赖，构成了“你卡我脖子，我掐你命脉”的对称性威慑，谁也不愿主动掀桌子。峰会最可能达成的成果，是有针对性的关税减免和适度的商业一揽子计划，比如农产品和航空航天采购，以强化“建设性战略稳定”。但在先进技术和关键矿产上的核心分歧，仍然无解。 二、AI竞争与技术主权：独立轨道上的加速赛 人工智能领域的竞争正沿着独立轨道加速升级，已被双方视为国家安全范畴。美国关注两点：一是希望中国在监测AI网络攻击方面合作，二是对中国公司蒸馏美国专有模型表示担忧，倾向于对前沿AI能力实施“中间路径”限制。中国则希望了解美国未来如何监管前沿模型，视AI对话为峰会重要成果。但预计双方仅停留在“进一步对话”层面，不会达成具体协议。 三、贸易协议到期与市场影响：11月10日的三重到期 11月10日是一个关键节点。美国BIS附属规则暂停、中国稀土出口限制暂停、以及178项301条款排除清单将同时到期。摩根士丹利预计双方将优先延长，但即使延长，对MSCI中国指数的直接影响也有限。宏观疲软、监管担忧仍是主要制约因素。基准情景是“休战延长-有限/象征性”，市场可能表现平淡。真正的结构性机会在AI主权和本地化，尤其是国内AI基础设施、云服务和计算能力。 四、亚洲区域与供应链重塑：经济选择权与去风险化 “管控式竞争”模式为亚洲地区保留了经济选择权。美国和中国减少关键供应链依赖的多年努力将继续，支持“投资超级周期”展望。投资主题集中在经济安全与再工业化、AI主权与半导体本地化、以及关键矿产。重点关注稀土元素、磷化铟及光学收发器、高性能计算与AI加速器、高带宽内存等关键供应链。这些领域不受峰会结果影响，是跨情景的结构性机会。 ⚠️【风险提示】 伊朗尾部风险：美国对伊朗的“经济排斥行动”及对中国银行的潜在二级制裁，可能成为峰会前的最大不确定性。 限制扩大风险：美国若对无人机、逆变器等采取更广泛的品类/组件级限制，或考虑对AI数据中心光学收发器实施限制，可能引发中方报复。 核心分歧无解：先进技术和关键矿产的争议仍未解决，限制经济上行空间。 地缘政治升级：若紧张局势升级，AI/数据中心、生物制药等跨境业务面临更大下行风险。 市场预期过低：若峰会成果超出预期，可能引发短期反弹；但若低于预期，市场反应可能平淡，机会成本较高。 前往小宇宙评论区与主播互动

  • September 17 · 13 min

    EP200 AI末日论靠谱吗？德意志银行：人类预测科技的纪录，比AI本身更不靠谱

    🔥【核心洞察】 科技预测的“黑历史”一抓一大把。 1995年，以太网联合创始人鲍勃·梅特卡夫预言互联网将在1996年崩溃；IBM创始人托马斯·沃森曾低估电脑市场；爱因斯坦认为核能不可实现；史蒂夫·鲍尔默看轻iPhone的市场份额。德意志银行最新报告指出，从互联网崩溃预言到AI灭绝担忧，人类对技术发展的预测记录普遍糟糕。 当前AI“末日论”正甚嚣尘上。 领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示，共同推高了恐慌情绪。埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。但批评者认为，AI并非危险在“聪明”，而在“笨”，“末日论”分散了对实际风险的注意力。 预测失败的深层原因有三： 一是混沌理论与复杂性——将交通、经济等复杂系统视为简单线性，微小初始差异可导致巨大结果差异；二是认知偏差——线性思维让人难以直观理解指数级变化，乐观偏差让人低估成本、高估收益，锚定效应让人过度依赖早期信息；三是自身利益驱动——创始人、投资者、政策制定者、记者都有动机夸大风险或收益，社交媒体尤其倾向传播新奇、负面和极端内容。 AI也有其独特性与希望。 历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来，AI的未来将不限于硅谷，而是在更广泛的社会中共同塑造。 🔍【章节索引】 一、科技预测的屡次失误与反思 1995年，以太网联合创始人鲍勃·梅特卡夫错误预测互联网将在1996年崩溃。历史上类似的错误判断比比皆是：IBM创始人托马斯·沃森低估电脑市场，爱因斯坦认为核能不可实现，史蒂夫·鲍尔默看轻iPhone的市场份额。这些失误的共同点在于“范畴错误”——误将工作的可见、自动化部分等同于工作本身，忽视了判断、沟通等复杂价值。 二、当前AI“末日论”的争议焦点 担忧激增的诱因包括：领先实验室研究员因安全担忧离职、AI代理协作导致高调安全漏洞、“递归自我改进”临近的暗示。潜在灭绝情景被反复讨论：埃隆·马斯克、杰弗里·辛顿等专家警示AI可能导致生存危机，如“回形针最大化器”假说。AI公司辩护称，不研发则落后，潜在益处巨大，且“好AI”可应对“坏AI”；批评者则认为，AI并非危险在“聪明”而在“笨”，“末日论”分散了对实际风险的注意力。 三、预测失败的深层原因 混沌理论与复杂性是首要原因——将交通、经济等复杂系统视为简单线性，微小初始条件差异可导致巨大结果差异，如自动驾驶面临的“边缘情况”和监管难题。认知偏差同样关键：线性思维让人们难以直观理解指数级变化，导致对AI能力跃升感到“震惊”；乐观偏差让人们低估成本、高估收益；锚定效应让人们过度依赖早期信息。自身利益驱动也不可忽视：各方有动机夸大风险或收益，社交媒体倾向传播新奇、负面和极端内容。 四、AI的独特性与未来希望 历史上对技术影响的普遍规律是“短期高估，长期低估”。AI作为“伙伴”的潜力已经显现——预测性AI显著提升天气预报准确性，并能以更高效率、更低能耗完成任务。实际落地是关键：AI的未来发展将更多取决于企业工作流程集成等实际挑战，而非单纯的技术进步。全球化塑造未来：AI的未来将不限于硅谷，而是在更广泛的社会（“主流社会”）中共同塑造。 ⚠️【风险提示】 过度自信的预测可能误导投资和政策决策，无论是过度悲观还是过度乐观。 “末日论”可能分散对AI实际风险的注意力，如偏见、隐私、就业冲击等。 认知偏差和自身利益驱动可能导致对AI能力的错误判断，投资者需保持批判性思维。 AI的实际落地面临企业流程集成、监管适配等挑战，技术进步不等于商业成功。 前往小宇宙评论区与主播互动

  • September 14 · 10 min

    EP199 诺奖得主Hassabis最新演讲：AI是“元工具”，比工业革命快10倍，教育不改就晚了

    🔥【核心洞察】 AI是史上最深刻的技术之一，影响可能超过电力、电话或互联网。 DeepMind联合创始人、诺贝尔化学奖得主Demis Hassabis在RSA阿尔伯特奖章演讲中指出，AI的发展速度预计比工业革命快10倍。它不仅是技术工具，更是解决世界重大问题的“元工具”。 AI的未来并非预设，需要全社会共同塑造。 Hassabis强调，AI可能带来深刻的社会、经济和哲学挑战，社会必须有意识地引导其方向，而非任其自由演进。艺术与人文领域的参与至关重要。 AI应增强人类创造力，而非取代它。 Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要，因为人类作品中的情感和真实性是AI无法复制的。 教育系统需要“激进”改革。 他建议采用“翻转课堂”模式：让AI承担知识传授和个性化学习指导，课堂则专注于培养创造力、批判性思维、协作和解决问题的能力，让学生“与AI共生”。 🔍【章节索引】 一、阿尔伯特奖章：跨学科天才的加冕 Demis Hassabis拥有非凡的跨学科背景：国际象棋大师、游戏开发者、神经科学家、DeepMind联合创始人。他因领导AlphaFold项目等贡献，获得2026年RSA阿尔伯特奖章，以及诺贝尔化学奖、骑士称号等荣誉。他的办公室以达芬奇命名，体现了科学与艺术结合的信念。RSA授予他奖章，表彰其“不懈的好奇心、非凡的雄心和强烈的责任感”。 二、AI是“元工具”：比电力更深刻，比工业革命快10倍 Hassabis认为，AI是人类历史上最深刻的技术之一，其影响可能比电力、电话或互联网更大，且发展速度预计比工业革命快10倍。AlphaFold在蛋白质结构预测方面的突破，展示了AI加速科学研究的巨大潜力。AI还有望在药物发现、解决环境问题以及最终实现人类繁荣方面发挥关键作用。但他同时警示，AI可能带来深刻的社会、经济和哲学层面的挑战。 三、塑造AI未来：艺术与人文不可或缺 Hassabis强调，AI的未来并非预设，需要全社会，特别是艺术和人文领域，共同参与塑造，以确保其安全性和符合人类福祉。他主张AI应作为增强人类创造力的工具，而非取代它，并分享了与顶尖艺术家合作开发AI工具的经验。他讨论了AI在艺术创作中的正负面影响，如“AI Slop”现象，并提出未来需要更精确地定义“匠心”、“直觉”和“灵魂”等概念。 四、教育革命：翻转课堂，与AI共生 Hassabis呼吁对教育系统进行“激进”改革，以培养下一代适应和塑造AI未来的能力。他建议采用“翻转课堂”模式，让AI承担知识传授和个性化学习指导，而课堂则专注于培养学生的创造力、批判性思维、协作能力和解决问题的能力。这种改革旨在让学生能够“与AI共生”，像对待计算机和互联网一样自然地运用AI，从而获得必要的技能来塑造未来。 五、风险与责任：有意识地引导方向 Hassabis认为，在AI时代，人类的连接、创造力和工匠精神将变得比以往任何时候都更加重要。他提倡艺术与科学的结合，认为这可以开启一个新的黄金时代，带来科学发现和奇迹。但他也警示，AI可能带来深刻的社会、经济和哲学挑战，社会需要有意识地引导其发展方向，而非任其自由演进。 ⚠️【风险提示】 AI发展速度远超监管和社会适应能力，若缺乏有意识的引导，可能加剧社会不平等和伦理风险。 “AI Slop”等低质量AI生成内容可能稀释文化价值，需建立新的品质标准。 教育系统改革涉及巨大资源投入和体制惯性，落地难度不容低估。 艺术与科学融合的愿景需要跨领域协作机制，目前仍处于早期探索阶段。 前往小宇宙评论区与主播互动

  • September 11 · 10 min

    EP198 大摩“AI瓶颈投资指南”：算力最优先、存储需挑剔、网络排第三，模拟芯片成非AI对冲利器

    🔥【核心洞察】 “投资不足的风险已超过投资过度的风险” ：摩根士丹利9月7日研报明确指出，当前AI领域投资不足的风险大于投资过度的风险。GPT-6 Astra的发布正在强化AI基础设施投资叙事——大模型在100万颗GPU上训练并拓展至推理、工程和物理世界任务，将大幅扩大AI可寻址收入池。市场回调后投资者AI持仓已大幅下降，当前位置提供了战略性再配置的窗口。 AI投资三大垂直领域：算力＞存储＞网络：大摩将AI投资分为三个层次： AI计算（最高置信度） ：需求持续超预期，台积电2026年营收指引上调至40%以上，AI半导体占比预计超30%，资本开支上调至600亿-640亿美元。 存储器（结构性看好，但需更挑剔） ：基本面依然强劲，但商品周期进入后期，需更具选择性。HBM4E后端工艺复杂性增加正在改变生产范式，长鑫存储是唯一被推荐超配的存储股。 网络（次优选择） ：机会集中在Scale-Up架构的快速扩张（市场规模超700亿美元），CPO的大规模采用预计2029年之后才会到来。 非AI领域的对冲机会：模拟芯片处于早期复苏阶段：在经历三年多低迷后，模拟芯片基本面正从“L型底部”走向修复——渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。 🔍【章节索引】 一、核心投资逻辑：为什么“投资不足”的风险更大？ GPT-6 Astra的发布标志着AI能力从纯文本对话向推理、工程和物理世界任务的全面扩展。大摩的核心判断是：AI可寻址收入池正在快速扩大，而承接它的物理产能却扩不动。瓶颈叙事正从需求端回到供给端——不是需求不够，是产能跟不上。 二、AI计算：最优先配置方向 台积电是这一逻辑最直接的体现。2026年营收增速指引已上调至40%以上，AI半导体占比预计超过30%，资本开支从520亿-560亿美元上调至600亿-640亿美元。 ABF基板和MLCC被识别为关键下游受益者，欣兴电子和村田制作所被列为各自领域首选标的。 三、存储器：基本面强劲但进入周期后期 存储器基本面依然强劲，但随着商品周期进入后期阶段，定价能力趋于温和，需要更具选择性。 HBM4E后端工艺的复杂性增加（互连层数增加）代表着半导体制造的重大转变，可能延迟DRAM和NAND的供应增长。在存储领域，长鑫存储是唯一被推荐超配的个股。 四、网络：Scale-Up市场超700亿美元，CPO要到2029年后 网络是次优选择，但机会集中在Scale-Up架构的快速扩张。铜缆在短距离连接上仍具优势，但随着集群规模扩大，光纤变得越来越必要——演进路径为：铜缆→NPO/混合架构→CPO。CPO的大规模采用预计2029年之后才会到来。康宁、Lumentum和Coherent被列为偏好标的。 五、非AI对冲：模拟芯片的早期周期复苏 模拟芯片是报告中一个重要的差异化观点。在经历三年多低迷后，模拟半导体板块正重新进入投资者视野。渠道库存更加精简、定价压力缓解，成熟制程与电源相关产品供给出现选择性偏紧。大摩推荐意法半导体、恩智浦、瑞萨电子作为非AI多元化配置选项。 ⚠️【风险提示】 AI资本开支节奏风险：若云服务提供商因回报率不及预期而放缓资本开支，可能影响AI基础设施的扩张速度。 存储器周期转向风险：商品DRAM/NAND已进入周期后期，若供需关系逆转，价格和利润率可能面临压力。 HBM4E量产风险：后端工艺复杂性增加可能导致HBM4E的量产时间表延迟或良率不及预期。 CPO渗透节奏风险：大摩预计CPO大规模采用要到2029年之后，若市场过早定价CPO预期，可能存在预期差。 模拟芯片复苏不及预期：若工业需求回暖力度不足，模拟芯片的早期周期复苏可能被证伪。 前往小宇宙评论区与主播互动

  • September 10 · 8 min

    EP197 高盛拉响农产品警报：霍尔木兹、黑海、超级厄尔尼诺“三重风险”共振，贸易壁垒才是真正放大器

    🔥【核心洞察】 库存充裕的表象下，三重风险正在同步积聚：高盛最新研报指出，全球农业市场虽然以相对充足的库存进入2026年，但霍尔木兹海峡干扰、黑海地区紧张局势加剧以及“超级厄尔尼诺”现象三重风险正在同时上升。BCOM农业现货指数年内已上涨24%，小麦价格涨幅更达41%。 更大的风险来自贸易壁垒放大冲击：自2020年以来，全球新增农业贸易限制措施年均数量大致翻倍。出口禁令和囤积库存可能抽走远超实际减产规模的国际供应。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。 霍尔木兹：化肥与柴油双重断供：海峡是全球约三分之一化肥贸易的咽喉。2024年全球约34%的尿素和23%的氨贸易途经该海峡。氮肥断供恰逢巴西玉米、印度水稻和欧盟冬小麦的备货窗口。磷肥方面，巴西大豆对磷肥进口依赖度约80%，而巴西大豆占全球出口量的62%。同时，霍尔木兹扰动还约束了全球约10%的柴油出口，美国柴油价格已创历史新高。 黑海局势威胁全球谷物贸易：黑海地区紧张局势使全球15-20%的谷物贸易面临风险。俄罗斯和乌克兰的海运小麦出口已远低于正常水平。若干扰持续到10月玉米出口旺季，风险可能从小麦市场蔓延至全球玉米市场。 “超级厄尔尼诺”有记录以来最强：NOAA预测2026-2027年有超过90%的概率出现“超级厄尔尼诺”。可能通过严重干旱和洪水同时扰乱多个作物产区，特别影响巴西糖、印度和泰国的大米出口。巴拿马运河水位下降可能导致航运中断，影响全球10%的谷物和17%的大豆贸易。 生物燃料转向进一步挤压出口供应：能源安全担忧促使主要作物出口国将作物转向国内生物燃料生产。巴西和印度将糖/玉米转向乙醇，印尼将棕榈油转向生物柴油，直接减少出口供应。 🔍【章节索引】 一、三重风险：霍尔木兹、黑海、超级厄尔尼诺 霍尔木兹海峡的化肥与柴油断供直击农业生产成本，氮肥和磷肥供应受阻影响巴西玉米、印度大米和欧盟冬小麦的种植。黑海地区紧张局势使全球15-20%的谷物贸易面临风险，俄罗斯和乌克兰的海运小麦出口已远低于正常水平。“超级厄尔尼诺”有超过90%的概率在2026-2027年冬季形成，可能通过严重干旱和洪水同时扰乱多个作物产区。 二、贸易壁垒：被低估的“风险放大器” 高盛认为，更大的风险来自贸易保护放大冲击。2020年以来新增农业贸易限制措施年均数量大致翻倍，各国政策重心明显转向粮食和能源供应安全。市场日益碎片化，同等供应冲击将带来更大、更持久的价格波动。若市场因贸易壁垒被切割，同样的供应冲击在规模减半的区域市场中，价格影响可能扩大一倍。 三、潜在影响与市场信号 农业板块已出现明显异动。A股农业板块9月8日再度掀起涨停潮，万向德农、敦煌种业、亚盛集团等多家公司发布公告提示风险，称股价已严重偏离基本面，存在快速下跌风险。高盛认为，在贸易壁垒高企的环境下，即使是小规模供应中断，也可能触发预防性出口限制和库存建设，导致全球市场供应损失远超原始中断规模。 ⚠️【风险提示】 当前农产品价格的上涨可能已部分反映市场预期，若三重风险中的任一因素出现缓解，价格可能面临回调。 各国政策响应存在不确定性，出口禁令的实施节奏和力度难以预测。 “超级厄尔尼诺”的强度和持续时间存在不确定性，其对不同作物产区的影响程度各有差异。 前往小宇宙评论区与主播互动

  • September 9 · 10 min

    EP196 全球资源争夺战打响：美债时代落幕，黄金与铜成新“压舱石”

    🔥【核心洞察】 美债30年时代正在终结：Gavekal首席执行官Louis-Vincent Gave发出明确警告：“我们正在迅速从以美国国债为一切基石的世界，转向以大宗商品为核心的世界。”过去30年，政府债券一直被视为对冲股市风险的压舱石，但这一关系正在瓦解。近期通胀驱动的市场波动中，股债同步下跌已成新常态。 “现代重商主义”重塑全球秩序：Gave与桥水基金联席首席投资官Karen Karniol-Tambour在Sohn投资论坛上联手警告，全球正从追求效率的全球化，转向以安全与韧性为核心的“现代重商主义”。各国不再只追求低成本供应链，而是急于确保关键矿产、能源、工业能力与国防体系的自主可控。 全球资源争夺战全面打响：这一转变源于2022年俄乌战争后俄罗斯储备被冻结，促使各国重新评估“美债是终极流动性资产”的假设。各国开始建立石油、化肥、农产品和工业材料的战略储备。Gave指出，这一趋势将吸收全球流动性，并加剧大宗商品市场的通胀压力。 黄金与铜领跑大宗商品牛市：Karniol-Tambour明确表示黄金是她的核心配置——地缘政治分裂与对储备安全的担忧正推动资金持续流入。Gave则更强调铜的潜力：“每个人都在说，‘我需要重建电网。我需要安装更多太阳能板。’而这些事情没有铜就非常难以实现。”短缺将出现在发电和电力基础设施领域，而非半导体。能源转型与AI数据中心的扩张将消耗海量铜、铝、银等工业金属。 🔍【章节索引】 一、全球经济秩序的重构 中美贸易战已实质上结束，且中国赢得了这场战争。2018年美国对华半导体禁运后，中国将所有金融资源从消费和房地产转向单一目标——“去西方化”供应链并提升产业链价值。伴随这一过程，房地产和股票价格暴跌，中国一度变得“不可投资”，这反过来催生了“美国例外主义”的繁荣。但随着DeepSeek、比亚迪、稀土、磁材以及在生物技术和核能领域的突破，中国已不再需要担心禁运。美国例外主义的时代正在消退。 Gave更指出，西方世界现在对中国的依赖程度，远高于中国对西方的依赖。在供应链上，美国已经失去了主动权。 二、美债时代终结与“双赤字”困境 Gave认为，美国政府债务的持续膨胀是一个无法回避的结构性问题。美国面临“双赤字”（预算赤字+经常账户赤字）的挑战，而通胀可能被视为管理债务的工具，但这本身也带来了巨大的风险。 更深层的结构性压力来自财政与人口。Gave分析指出，发达经济体的人口老龄化、财政赤字扩大以及政府庞大的支出承诺，正在共同推高资金成本。世界现在生活在一个更加通胀的环境中，由人口结构恶化、财政赤字上升和政府支出增长共同驱动。资本的结构性成本必须上升。 三、投资策略：黄金、铜与新兴市场 在具体投资方向上，Gave给出了清晰的指引： 黄金：地缘政治分裂与对储备安全的担忧，正推动黄金需求结构性增加。 铜：AI数据中心与能源转型将消耗海量铜，市场过度聚焦AI半导体，却忽视了最关键的瓶颈——电力系统。 中国资产：Gave认为中国结构性被低估。中国拥有全球最低的资本成本、最低的劳动力成本、最低的电力成本，以及全球最便宜的货币。 国防板块的结构性变革：传统国防巨头正在被颠覆——“2.75亿美元的战斗机时代”正在被“5万美元的无人机时代”所取代。 传统“轻资产”模式终结：世界上成功的平台公司正在从轻资产模式转向大规模资本密集型模式。 ⚠️【风险提示】 全球从美债向大宗商品的范式转移并非一蹴而就，美元短期内仍占全球储备约58%，过渡过程可能伴随剧烈波动。 各国资源民族主义抬头可能加剧供应链混乱和价格波动。 中国资产虽然被低估，但地缘政治和内部经济结构转型仍存在不确定性。 传统国防巨头的转型阵痛可能持续，投资者需警惕传统军工股的估值陷阱。 前往小宇宙评论区与主播互动

  • September 7 · 10 min

    EP195 硅谷“叙事女王”Lulu Cheng：传统公关已死，创始人直接发声才是超额收益

    🔥【核心洞察】 “Go Direct”运动发起人：Lulu Cheng Meservey是硅谷最炙手可热的传播策略师，她的核心理念“Go Direct”（直接沟通）正在颠覆价值千亿美元的公关行业。她认为，创始人亲自上阵、绕过传统媒体与受众直接对话，才是当下最有效的传播方式。她的客户名单包括Anduril、Shopify、Cognition AI、Coinbase等一批硅谷最受瞩目的公司。 从耶鲁到动视暴雪的传奇之路：耶鲁政治学学士、塔夫茨大学弗莱彻学院国际关系硕士，2016年联合创立TrailRunner International。2022年10月临危受命担任动视暴雪首席传播官，在微软690亿美元收购案中正面迎战FTC，以个人名义公开发声反击——几乎没有任何高管在如此规模的交易中愿意这样做。2024年3月创立Rostra，2025年12月募集4000万美元VC基金。 “叙事阿尔法”：传播本身就是超额收益：她提出“叙事阿尔法”（Narrative Alpha）概念——一家公司如何被市场、员工和监管者感知，本身就是一种结构性竞争优势。她创立的Rostra（名字源自罗马的演讲台，一个能让整座城市改变信仰的地方）只同时服务十几家客户，等待名单上却有数百家公司。 Anduril的“反媒体”崛起：Anduril创立第一年，创始人在Facebook被排挤离场，没有任何记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico（海军陆战队基地）、彭德尔顿军营和CIA，当面展示技术。她还处理过“Uber拒载事件”等公关危机。这套打法帮助Anduril从一家被媒体忽视的初创公司，成长为估值数十亿美元的国防科技巨头。 Cognition AI的完美首秀：Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在Devin发布之前，它已经通过了多家头部AI公司的工程面试。这场发布让Cognition一夜成名。她形容这个项目“一出手就震惊了世界”。 Shopify董事会的“叙事操盘手”：2024年6月加入Shopify董事会。她推崇Shopify创始人Tobi Lütke的长篇真实沟通实践——他曾在播客中纯粹讨论游戏战略策略整整七年前，全程不提Shopify——这正是她眼中最有效的品牌叙事。Shopify擅长通过商户的真实转型故事来传递品牌价值，让平台退居幕后。 🔍【章节索引】 一、颠覆公关行业的“Go Direct”理念 Lulu的核心观点直截了当：创始人必须绕过传统媒体，直接与受众沟通。她对一位创始人的第一条建议是：“别让你的信息被公关团队稀释，别指望公关机构去引诱媒体兴趣，你是创始人，掌控你自己的叙事。” 在她看来，如果领导人在传播环境中从不发声，企业形象会变得呆板扁平。而“Go Direct”并非简单的CEO发推，而是要求创始人以第一人称表达真实想法——它可以是“不完美的”，甚至可以是“不够绝对正确的”，但必须体现真实个性、意图和信念。要有“活人感”，要有在场感，要有生命力。 她甚至观察到，今天成功的传播往往带有“被设计出的即兴感”——如TikTok博主保留按下录制键的那一刻、演讲中刻意保留口癖，这种“精心布置的粗糙”反而成为与受众沟通的润滑剂。 二、动视暴雪：690亿并购案中的孤勇者 2022年10月，微软以690亿美元收购动视暴雪的交易遭到FTC强力阻击。Lulu正是在此时加入公司担任首席传播官。她没有躲在公关话术后面，而是以个人名义公开反击FTC——几乎没有任何高管在如此规模的交易中愿意这样做。交易最终于2023年10月完成。这场胜利奠定了她在硅谷传播领域的地位。 三、Anduril：从零构建国防科技巨头的声誉 Lulu职业生涯中最重要的案例之一，是帮助Anduril从一家没人愿意报道的初创公司成长为国防科技巨头。在公司创立第一年，创始人Palmer Luckey刚被Facebook排挤离场，没有记者愿意公正报道他们。Lulu的策略是：停止向媒体乞求注意力，直接去Quantico、彭德尔顿军营和CIA，当面展示技术。这套打法让Anduril绕过了敌对的科技媒体，直接触达了真正重要的受众。她还策划了“Uber拒载事件”等公关事件，将看似负面的新闻转化为品牌叙事的一部分。 四、Rostra：只服务十几家客户，等待名单数百家 2024年3月，Lulu创立了自己的传播咨询公司Rostra。公司名字源自罗马的演讲台——一个普通人爬上去时全城相信一件事，走下来时全城相信了另一件事的地方。Rostra只同时服务约十几家客户，等待名单上却有数百家公司。客户名单包括Cognition AI（Devin的发布）、Anduril、Coinbase、Ramp等。 五、Cognition AI的Devin发布：Rostra的“开门红” Rostra成立后的第一个项目，是推出全球首个AI软件工程师Devin。在发布之前，Devin已经通过了多家头部AI公司的工程面试。这场发布让Cognition从一家不知名的AI初创公司，一夜之间成为全球科技圈关注的焦点。 六、4000万美元VC基金：叙事与资本的叠加 2025年12月，Lulu募集了一只4000万美元的VC基金。她说：“叙事就是阿尔法。投资是对Rostra工作的补充，因为叙事和资本都在复利。现在，建立新事物比以往任何时候都容易，但让人们关心却比以往任何时候都难。优秀的传播能让伟大的公司更有价值。” ⚠️【风险提示】 “Go Direct”并非万能模板：并非所有创始人都擅长或适合公开表达，强行推行可能适得其反。 高度依赖创始人个人声誉：这套方法将公司的传播命脉系于创始人个人形象，一旦创始人出现声誉危机，公司叙事可能同步崩塌。 绕过媒体的长期代价：持续绕开传统媒体可能导致公司在需要媒体正面报道时缺乏渠道和关系积累。 “不完美”的边界难以把握：真实表达的“粗糙感”与失控言论之间只有一线之隔。 前往小宇宙评论区与主播互动

  • September 4 · 12 min

    EP194 High-NA EUV量产竞赛：4亿美元一台的“印钞机”，英特尔抢先、台积电观望、三星豪赌

    🔥【核心洞察】 分辨率从13nm跃升至8nm，晶体管密度提升2.9倍：High-NA EUV通过将数值孔径（NA）从0.33提升至0.55，理论分辨率从约13nm推进至8nm。这相当于把一台“普通显微镜”升级成了“超级显微镜”——原本需要多次曝光的复杂图案，现在一次就能完成。分辨率提升1.7倍，晶体管密度提升近2.9倍。换个更直观的说法：从0.33 NA到0.55 NA，芯片上能塞进去的晶体管数量几乎翻了三倍。 每台造价高达3.8亿至4亿美元：这些系统是有史以来最复杂的商用机器，尺寸相当于一辆双层巴士。但单价只是门槛，真正的成本账要算“每次曝光成本”和“整体工艺简化”——一台High-NA能替代多台Low-NA的多重曝光工序。Bernstein分析指出，High-NA单次曝光的优势在于能大幅减少掩模层数、缩短生产周期，这才是其经济性的真正来源。 英特尔抢先量产，台积电观望，三星DRAM率先导入：英特尔在18A制程上已使用High-NA EUV量产Panther Lake处理器，成为业内首家实现HVM的厂商。台积电因成本考量推迟至2026年初才安装评估工具。DRAM领域预计率先广泛采用——三星和SK海力士计划在2026-2027年左右的0a nm DRAM节点导入，逻辑芯片的全面采用预计在2028至2030年间。 光刻强度将从24%升至26%，EUV业务CAGR达30%：Bernstein预测，随着High-NA取代多重曝光，光刻在晶圆制造总设备支出中的占比将持续提升。ASML的EUV业务（含High-NA）预计将以30%的复合年增长率扩张，到2030年达到427亿欧元。2026年High-NA EUV光刻机订单已全部排满，台积电、英特尔与三星合计已下单18台。 Hyper-NA已在路上：NA目标突破0.75：ASML在SPIE EUVL 2026大会上公布了下一代Hyper-NA路线图，NA目标突破0.75，目标是在2030年代中期支撑A7节点（约0.7nm）之后的进一步微缩。High-NA是“现在进行时”，Hyper-NA是“下一个十年”——这场光刻竞赛远未结束。 🔍【章节索引】 一、技术本质：从0.33到0.55的“光学杠杆” High-NA EUV的核心原理并不复杂：在波长不变（都是13.5nm）的前提下，把数值孔径（NA）从0.33提高到0.55。根据瑞利准则，分辨率与NA成反比——NA越大，能刻出的线条越细。最终效果是分辨率从13nm推进到8nm。 但实现这一提升的代价是光学系统的彻底重构。High-NA系统采用了非对称光学设计——在X和Y方向上以4倍和8倍的不同倍率进行缩小。这种设计虽然避开了掩模版尺寸爆炸的问题，却带来了一个副作用：曝光场面积减半。对于大型芯片（如AI加速器），需要分两次曝光再“拼接”起来，精度要求达到亚纳米级别。 技术细节上，EXE:5000系统的投影光学元件包含超过4万个零件，总重约12吨；晶圆台加速度达8g，掩模版台达32g，以部分抵消曝光场减半带来的产能损失。截至2026年7月，全球已有10套High-NA系统投入运行，另有3套正在安装。累计曝光晶圆数已突破135万片。 二、成本账本：4亿美元一台，值吗？ 每台High-NA EUV光刻机售价约3.8亿至4亿美元。但判断它“贵不贵”，不能只看单价。 Bernstein的分析提供了一个更完整的框架：2025年，High-NA单次曝光（无需拼接）的每次曝光光刻设备成本约为Low-NA的2.4倍；若需要拼接（大型逻辑芯片），则约为3.1倍。但随着可用率从目前的约84%提升至2026年第四季度90%的目标、并最终迈向93%，以及产能从135片/小时提升至175片/小时，成本差距将显著缩小——预计到2030年降至1.9倍和2.1倍。 更重要的是，High-NA通过“单次曝光替代多次曝光”简化了整体工艺流程。imec已通过单次High-NA曝光实现了20nm间距的线结构，将尖端至尖端（T2T）临界尺寸缩小至13nm。这不仅仅是光刻设备的替换，而是整条产线的精简——减少了掩模数量、缩短了生产周期、降低了缺陷率。 三、厂商博弈：英特尔抢跑，台积电“精算”，三星押注DRAM 英特尔——最激进的先行者。2023年第四季度收到首台EXE:5000，2024年第三季度完成首片晶圆曝光。2026年7月，英特尔正式宣布在18A制程上使用High-NA EUV量产Panther Lake处理器。叠加精度已达0.7nm。这是一场380亿美元的赌注——如果High-NA的经济性按英特尔展示的轨迹成熟，先发优势将转化为实际回报。 台积电——“等得起”的精算师。面对每台约4亿美元的造价，台积电选择固守0.33NA加多重曝光的成熟路线。High-NA单次曝光的成本溢价约2.5倍，而继续使用已折旧的0.33NA设备进行多重图案化在当前节点更为经济。台积电有意将High-NA的量产学习曲线推迟两年或更久。 三星——DRAM先行，逻辑跟进。三星电子计划投入约1.1万亿韩元引进两台EXE:5200B。与英特尔不同，三星的优先战场是DRAM——DRAM芯片尺寸较小，通常无需拼接，且High-NA在多重曝光方案下的成本优势更明显。SK Hynix也计划在0a nm DRAM节点（约2026-2027年）导入High-NA。逻辑芯片方面，三星预计在1.4nm节点开始采用。 四、Hyper-NA：2030年代的单次曝光延续 High-NA不是终点。ASML在SPIE EUVL 2026大会上首次公布了Hyper-NA路线图，目标数值孔径突破0.75。Hyper-NA旨在支撑A7节点（约0.7nm，预计2033年达到HVM）之后的进一步微缩。 从0.33到0.55用了大约五年；从0.55到0.75，ASML计划用大约七年。光刻技术的演进节奏在放缓，但竞赛从未停止。 五、投资视角：谁在“卖铲子”？ 光刻设备市场高度集中，ASML在EUV领域维持约93.5%的绝对主导地位。2026年EUV与High-NA EUV光刻机订单已全部排满。 Bernstein将ASML目标价上调至2300欧元，核心逻辑是：High-NA将提升“光刻强度”——光刻设备在晶圆厂总设备支出中的占比将从2025年的24%升至2028年的26%。预计EUV业务（含High-NA）将以30%的复合年增长率扩张，到2030年达到427亿欧元。 A股相关领域，光刻胶、光刻气体、掩模版等配套材料环节有望受益于High-NA带来的工艺升级需求；先进封装设备及检测设备也有望伴随技术演进获得增量市场空间。 ⚠️【风险提示】 成本回收周期风险：每台设备3.8-4亿美元的投资若无法在合理周期内转化为足够产量和良率提升，将影响客户扩产节奏。 技术路线不确定性：若多重曝光技术持续优化，部分客户可能推迟High-NA采购，正如台积电当前策略所示。 地缘政治风险：EUV设备出口管制可能影响ASML的出货量预期和市场拓展。 拼接工艺风险：大型芯片的“拼接”工艺若在量产中出现良率问题，可能影响High-NA在逻辑芯片领域的渗透速度。 客户集中风险：High-NA的早期客户高度集中于英特尔、三星、台积电和SK海力士少数几家，订单集中度极高。 前往小宇宙评论区与主播互动

  • September 1 · 14 min

    EP193 全球电商进入Commerce 3.0时代：6.4万亿市场背后，AI代理正在取代人类下单

    🔥【核心洞察】 全球电商2031年达6.4万亿美元，但增长逻辑已变：ECDB报告显示，2026年全球电商收入首次突破5万亿美元，预计2026-2031年将以6%的复合年增长率稳步扩张，到2031年达到6.4万亿美元。但增速从2017-2024年的14%降至2026年的8.6%，行业正从“跑马圈地”进入“精耕细作”阶段。 Commerce 3.0：从“卖货”到“卖生态系统”：行业已从1.0时代的1P零售在线化、2.0时代的3P市场平台，进化到Commerce 3.0——平台不再靠卖货赚钱，而是通过广告、订阅、支付、物流和AI服务实现多元化收入。亚马逊FBA、Prime会员、零售媒体广告等“辅助收入”才是真正的利润引擎。 代理式购物：下一个万亿级入口：德勤预计到2030年AI代理将驱动全球25% 的电商销售额；麦肯锡估算市场规模可达3至5万亿美元。消费者对代理式购物的采用率将从2025年的19%跃升至2026年底的46%。谁能成为消费者默认的“AI采购代理”，谁就掌握了万亿级市场的咽喉要道。 零售媒体：电商平台的“第二利润中心”：零售媒体网络（RMN）2025年全球规模已达240亿美元，预计2031年增至347亿美元。运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛、塔吉特正将“货架上的广告位”变成比卖货更赚钱的生意。 区域分化：新兴市场狂奔，欧美滞涨：印度尼西亚（22%）、墨西哥（21.3%）、印度（17.6%）领跑全球；拉丁美洲整体增速12.4%，远超全球8.6%的平均水平。而德国、法国、日本增速均低于5%。 🔍【章节索引】 一、全球电商市场：6.4万亿的“慢牛”与平台集中化 ECDB报告数据显示，2026年全球电商收入首次突破5万亿美元，同比增长8.6%。预计到2031年，全球电商销售额将以6%的复合年增长率达到6.4万亿美元，线上渗透率将达到可寻址零售销售额的27%。 市场结构方面，电商平台集中度持续攀升。2026年，电商平台预计将占全球B2C实物商品电商收入的87%，较2025年的86%进一步提升。亚马逊占据除中国外全球市场33%的份额，阿里巴巴占据中国市场35%的份额。品牌自营网站仅占13%的市场份额——消费者更愿意在平台内完成购物，而非跳转到独立站。 二、Commerce 3.0：从卖货到卖生态系统的范式跃迁 电商的商业模式正经历三次迭代。Commerce 1.0是传统零售商将1P自营业务搬到线上；Commerce 2.0是3P市场平台模式，通过引入第三方卖家扩大品类；Commerce 3.0则是通过广告、订阅、物流和金融服务等高利润辅助收入实现生态系统货币化。 亚马逊是这一模式的集大成者：FBA物流服务、Prime会员订阅、零售媒体广告、亚马逊支付、商家服务——每一项都是高毛利的“卖水人”生意。沃尔玛、塔吉特、家得宝等零售巨头正全面复制这一路径，将“卖货”变成“卖服务”和“卖流量”。 三、代理式购物：AI正在取代人类下单 2026年电商最深刻的变革是“购物者”身份的变化——人类不再是唯一做出购买决策的实体。AI购物代理可以根据消费者的偏好、预算和过往行为，自动浏览、比较并完成购买。 Gartner预测，到2026年传统搜索量将下降25%，生成式AI将成为用户的“替代答案引擎”。BCG数据显示，美国消费者中LLM采用率已达80%，预计三到四年内LLM流量将超越自然搜索。 零售巨头的布局已经展开。塔吉特在ChatGPT中推出官方应用，用户可在ChatGPT内完成从发现到下单的全流程。谷歌发布通用商务协议（UCP），为AI代理购物设计开放标准，使代理能够跨商户发现商品、构建购物车并完成购买。沃尔玛推出生成式AI购物助手Sparky。 勤业众信将代理式商务的演进路径概括为五个阶段：辅助性探索→辅助性购物→代理型购物→自动化购物→A2A（Agent-to-Agent）。企业的竞争焦点正从SEO（搜索引擎优化）演进到GEO（生成引擎优化），再延伸到ACO（代理型商务优化）——未来决定品牌生死的不是广告预算，而是AI能否清晰理解和推荐你的产品。 四、零售媒体：比卖货更赚钱的“第二利润中心” 零售媒体网络（RMN）正在成为电商平台最重要的利润增长点。零售商将自身数字资产转化为广告位，利用第一方数据进行精准定向和闭环效果衡量。2025年全球RMN市场规模约240亿美元，预计2031年达347亿美元。 RMN的运营利润率高达60-80%，而传统1P零售利润率仅2-5%。亚马逊、沃尔玛Connect、塔吉特Roundel三家合计控制全球近40%的RMN支出。AI正深入应用于广告活动管理、受众定位、创意生成和产品发现，提高广告效率和ROI。 五、区域分化：新兴市场狂奔，欧美滞涨 2026年全球电商增长呈现显著的区域分化。 拉丁美洲整体增速12.4%，远超全球平均水平。墨西哥增长21.3%，是该区域最具活力的市场之一。印度以17.6%的增速紧随其后，2026年一季度GMV突破600亿美元，已稳居全球第二大电商市场。印尼以22%的增速领跑全球。亚太地区占全球电商近55%，由整合内容、商务、支付、物流和AI的统一平台驱动。 相比之下，德国预计增长4.6%，法国4.8%，日本4.5%，均低于5%。西欧国家整体增速低于5%。欧洲市场高度分散，转售经济和TikTok Shop成为为数不多的亮点。 六、品类与渠道趋势 食品/杂货电商成为2026年增长最快的品类，增速14.4%，首次占全球电商交易额超10%。TikTok Shop全球GMV增长预计达59.4%。即时配送（Quick Commerce）在印度已成为增长最快的细分市场，占FMCG销售额约80%。 ⚠️【风险提示】 代理式购物信任周期：消费者对AI代理代为购物的信任仍在早期阶段，若出现大规模错误或欺诈事件，可能延缓采用速度。 平台集中度风险：全球近九成电商交易依赖平台生态，监管政策变化或平台算法调整可能对整个行业产生系统性冲击。 区域政策风险：关税上调和小额包裹免税政策取消正在改变全球跨境电商竞争格局，Temu和Shein增长已明显放缓。 AI投资回报不确定性：电商平台在AI基础设施上的巨额资本支出能否在合理期限内产生足够回报，仍是未解难题。 数据隐私监管：零售媒体依赖第一方数据变现，全球隐私监管趋严可能压缩其利润空间。 前往小宇宙评论区与主播互动

  • August 31 · 10 min

    EP192 摩根大通：谁来为中国AI建设买单？

    🔥【核心洞察】 阿里800亿配售引发市场恐慌，但摩根大通认为“反应过度”。阿里巴巴于8月24日以每股112.70港元完成7.1亿股配售，募集800亿港元（约103亿美元），发行价较前一交易日收盘价折让8.4%。次日港股重挫8.5%，腾讯和恒生科技指数当日分别下跌2.2%和2.1%。摩根大通测算，在阿里当日股价跌幅中，仅约0.3%可归因于配售折价本身；扣除同业联动影响后，现有股东所承受的异常重新定价规模约达190亿美元，大约是此次募资金额的两倍。 摩根大通的“四项测试”：AI基建到底是不是烧钱？ 摩根大通将配售争议拆解为四项独立测试。第一是资本回报率测试：假设利用率100%时每1元资本支出对应1元年收入、45%增量EBITDA利润率、5年直线折旧，AI基建项目的IRR可达22%，显著高于10%的资本成本。第二是净现值测试：以10%折现率计算，每100元基础设施投入产生36元正NPV；即便假设仅60%资金用于可审计的基建支出，每100元仍能产生22元正NPV。第三是每股收益测试：在基础设施占比80%或以上的情景下，配售从第二年起增厚每股收益；在60%基准情景下，2028财年每股收益稀释约0.5%，此后大致中性。第四是每股价值测试：交易后每股价值下降0.9%至1.2%，但摩根大通给出的交易前公允价值为205港元，远高于137-153港元的门槛。四项测试的结论一致——这笔配售从经济角度看是合理的。 每100元AI投入的账怎么算？ 摩根大通按照AI基础设施项目逐笔算账。假设每投入100元AI Capex，利用率爬坡期分别为60%、90%、100%，满产后100元Capex每年产生100元收入，增量EBITDA Margin按45%计算，税率20%，设备按5年直线折旧且残值为0。计算结果是：第一年收入60元、EBITDA 27元、税后现金流25.6元；第二年收入90元、EBITDA 40.5元、税后现金流36.4元；第三年以后收入100元、EBITDA 45元、每年税后现金流40元。 这意味着，100元的投资约2.95年就能全部收回。成熟期ROIC约20%，稳定期现金回报率约40%，整个5年项目税后IRR约22.1%。按10%的资本成本折现，每投入100元NPV约+35.6元。摩根大通判断，阿里现在对AI Capex的理解已经不是“烧钱”，而是一笔资本成本10%、项目IRR 22%的正NPV投资。 三条融资路径：谁最从容，谁最被动？ 阿里巴巴的资金缺口最大。摩根大通预测阿里2027财年资本支出约2000亿元，压力情景下可达2700亿元。按2026年6月季度的经营现金流水平，年度资金缺口约1000亿元，压力情景下扩大到1700亿元。本次800亿港元配售仅能覆盖8.4个月的基础支出。阿里另有约1500亿元的可用流动性和低利率人民币债券能力作为缓冲。 腾讯的资金接近平衡。年化经营现金流约3100亿元，叠加8750亿元的投资组合（其中上市部分4870亿元、非上市部分3880亿元），理论上可自筹覆盖2000亿元的资本支出。腾讯的融资成本是隐性的——放弃投资组合回报、资产处置的税收摩擦——而非股权稀释。摩根大通此前已将腾讯全年资本开支预算上调至2000亿元，最密集投资期间自由现金流或大幅收缩，但维持增持评级。 百度的压力最直接。6月季度资本支出114亿元，但经营现金流仅34亿元，自由现金流转负至负80亿元，同时期内融资净额174亿元。百度主要依靠贷款、租赁及子公司昆仑芯的股权融资。摩根大通对昆仑芯的独立估值为400亿至490亿美元，而百度当前市值约430亿美元。 风险信号：什么情况下会削弱看涨论点？ 摩根大通明确了几个关键风险触发信号：若部署收益的成熟期ROIC低于15%；三年资本支出显著超过3800亿元但外部云收入指引未同步上调；若阿里巴巴在12个月内再次进行母公司层面的股权融资；若计算定价因供应宽松而持续下跌；若腾讯资本支出加股息加回购超出运营现金流而无相应资产处置；或昆仑芯上市延迟。 摩根大通维持对阿里巴巴、腾讯和百度的“增持”评级，并建议投资者在9月季度业绩发布前买入阿里巴巴股票。 ⚠️【风险提示】 摩根大通22%的IRR模型基于满负荷利用、1元Capex对应1元收入等核心假设，若实际利用率或收入转化效率不及预期，回报率可能显著低于模型测算。 若阿里三年资本支出大幅突破3800亿元但云收入指引未同步上调，将削弱AI投资的经济性判断。 若计算定价因供应宽松而持续下跌，可能压缩AI基础设施的投资回报率。 若阿里巴巴在12个月内再次进行母公司层面的股权融资，可能进一步稀释现有股东价值。 昆仑芯分拆上市若延迟，可能影响百度的估值重估逻辑。 前往小宇宙评论区与主播互动

  • August 25 · 12 min

    EP191 高盛：中国半导体数量自给率升至70%，首次覆盖长鑫存储给予“买入”评级，目标价129元

    🔥【核心洞察】 中国半导体IC数量自给率达70%：高盛8月24日发布《芯片法案》系列第四份年度报告，截至2026年6月，中国半导体IC数量自给率已达70%，较2010年1月的38%提升近一倍。但高盛明确指出，此为“量的自给”，价值自给率仍低，核心瓶颈在于光刻设备的缺失。 2030年资本支出目标大幅上调至820亿美元：高盛将2030年中国半导体资本开支预测上调至820亿美元，较此前预测增长79%。2026至2030年逐年预测分别上调15%、32%、51%、64%、79%。预计中国WFE支出2026-2028年分别增长13%、20%和15%，主要来自存储和先进制程投资。 中国AI芯片TAM 2030年达6780亿美元：基准情景下，高盛预计中国AI芯片总可寻址市场到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗才能满足需求。7纳米及以下晶圆供需缺口预计从2025年的92%收窄至2035年的34%。 本土设备商份额加速提升：中国本土设备供应商在中国WFE市场的占比预计从2025年的26% 升至2028年的38%，收入从102亿美元增至229亿美元。 长鑫存储获“买入”评级，目标价129元：高盛首次覆盖中国唯一DRAM IDM厂商长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，较上周五收盘价隐含122%上涨空间。目标价基于2027年24倍预期市盈率，以及到2028年EPS约77%的平均增速。 🔍【章节索引】 一、中国半导体自给自足的进展与战略 高盛报告指出，中国半导体产业正从“量的追赶”转向“质的突破”。 供应端向高端延伸：中国在蚀刻机、沉积设备等领域向高端型号扩展，并新增了离子注入机、检测、量测等更全面的设备类别。先进节点方面，晶圆代工正向7纳米及以下技术迈进，结合Chiplet和先进封装。存储器领域正向LPDDR6及HBM3/3E发展。 产能持续扩张：高盛预计2025到2030年，中国每月晶圆产能将从600万片增至1400万片。先进制程方面，7纳米及以下供需缺口预计从2025年的92%收窄至2035年的34%。 二、半导体资本支出与市场前景预测 高盛将2030年中国半导体资本开支预测大幅上调至820亿美元。上调的核心驱动力包括：生成式AI推动供应链向先进节点迁移、全球芯片设计公司采取“local for local”策略、以及头部代工厂产能被AI占用后为本土供应商留出替代空间。 本土设备商正在成为关键受益者。中国本土设备供应商在中国WFE市场的占比预计从2025年的26%升至2028年的38%，收入从102亿美元增至229亿美元。受益标的包括中微公司（688012.SH）、北方华创（002371.SZ）、安集科技（688019.SH）、鼎龙股份（300054.SZ）及长电科技（600584.SH）等。 三、AI芯片与DRAM市场需求分析 高盛预计中国AI芯片市场TAM到2030年将达6780亿美元，本土AI芯片出货量需从2025年的160万颗增至5400万颗。 DRAM市场高速增长：高盛预计中国DRAM市场2026-2028年复合年增长率达50%，至2570亿美元；其中HBM市场同期复合年增长率高达188%，至320亿美元。 高带宽内存（HBM）通过3D垂直堆叠、硅通孔（TSV）互联、超宽接口（1024-bit甚至2048-bit）和SiP集成，有效解决了AI工作负载中的“内存墙”瓶颈。HBM正成为长鑫存储利润提升的关键驱动力。 四、长鑫存储（CXMT）首次覆盖与投资分析 评级与目标价：高盛首次覆盖长鑫存储（688825.SH），给予“买入”评级，12个月目标价129元，隐含122%上涨空间。 产能扩张路径：长鑫存储月产能将从2026年的27万片增至2028年的44.7万片，2030年进一步达到66.5万片，四年翻倍以上。2026-2030年平均年资本支出预计达840亿元人民币，高于2022-2025年的约500亿元。 市场份额目标：高盛预计到2028年，长鑫存储的供应可覆盖中国约50%的DRAM需求和40%的HBM需求。其传统DRAM供应份额将在2028年达到三星的41%、SK海力士的50%。 HBM驱动毛利率跃升：高盛预计长鑫存储HBM收入贡献将从2026年的2% 升至2030年的27%。公司毛利率将从2025年的41% 攀升至2030年的82%。129元目标价隐含了对产能扩张、良率提升、DRAM价格维持高位以及产品结构升级等一系列乐观假设。 五、主要风险因素 高盛报告指出以下风险：竞争超预期可能压缩市场份额和定价能力；与国际巨头存在的技术代差可能限制高端产品渗透；地缘政治限制可能影响先进设备和材料的获取。此外，高盛的乐观预测基于DRAM价格持续高位的假设，若供需格局逆转，毛利率扩张可能不及预期。 ⚠️【风险提示】 “量的自给”不等于“质的自给”：70%的数量自给率掩盖了价值自给率仍低的结构性短板，高端光刻设备缺失仍是核心瓶颈。 产能释放的不确定性：产能扩张、良率爬坡和客户验证的进度存在不确定性。 HBM技术差距：长鑫存储在HBM领域与国际巨头仍存在代际差距，HBM收入贡献达到27%的预测依赖于技术突破和市场验证。 地缘政治风险：美国出口管制可能进一步收紧，影响先进设备和材料的获取。 估值假设风险：129元目标价隐含2027年24倍市盈率和82%的毛利率假设，若DRAM价格周期下行或产品结构升级慢于预期，目标价存在下调风险。 前往小宇宙评论区与主播互动

  • August 24 · 10 min

    EP190 谁是中国版Nebius？协创数据利润暴增331%，但“平台估值”还差关键一跃

    🔥【核心洞察】 Nebius不是“算力二房东”，是“算力经营的多面手”。Nebius的核心不在于简单出租GPU，而在于将同一批算力同时经营成长单底仓、短期现货、融资抵押物和Token服务，并通过多租户平台动态配置。其2026年Q2营收5.82亿美元（同比+454%），调整后EBITDA率41%，核心AI云业务利润率已升至50%。新合同每兆瓦收益达2000万-2500万美元，短期紧急合同更达4000万-5000万美元。客户预付款覆盖50%-60%资本开支，回收周期缩短至1年10个月。 协创数据：增长曲线最像，但还不是纯粹的AI云运营商。协创数据2026年上半年营收126.41亿元（同比+155.69%），归母净利润18.63亿元（同比+331.11%），Q2单季净利11.12亿元，环比继续抬升约50%。公司通过融资租赁和自有投入快速扩张算力资产，已在多地部署并运营算力中心，在手订单充裕。但其智能算力业务目前混合了服务器/集群交付、运维和云服务，还不是纯粹的Neocloud模式——这恰恰是它能否获得Nebius式平台估值的关键分水岭。 谁更像“中国Nebius”？ 润泽科技最像物理资产底座——园区、电力、高功率机柜和长约能力强，但GPU和AI云软件暴露较弱。首都在线、优刻得更像云产品层，具备云产品、客户服务和模型训练推理能力，但资本、GPU采购和电力规模不足以复制Nebius的扩张速度。综合来看，协创数据是目前资产和利润放量节奏最接近Nebius的A股公司。 🔍【章节索引】 一、Nebius凭什么值705亿美元？——“算力经营”的四层生意 Nebius不是简单的“算力二房东”，而是一家“新云”（Neocloud）公司——专门面向AI和高性能计算的云服务提供商。它的商业模式可以拆解为四层： 第一层：长单底仓。Nebius与Meta签署五年期120亿美元协议，若未来算力未被其他客户购买，Meta还将额外购买最多150亿美元。Q2签下4份平均超10亿美元的合同，客户包括Reflection、Cohere等。 第二层：短期现货。3-6个月的紧急算力合同单价是长单的2倍——每兆瓦4000万-5000万美元。公司首次容量拍卖的Blackwell算力集群成交价比历史最高报价还高出15%。 第三层：融资抵押物。7月完成首笔7.75亿美元GPU资产支持融资（定价SOFR+2.5%），客户预付款已覆盖50%-60%的资本开支。公司预计2026年客户预付款超90亿美元，累计客户承诺超400亿美元。 第四层：Token服务。Token Factory将计费单位从“卡时”推进到“Token”，生产级推理负载Q2环比增长超3倍。Nebius判断：推理不是训练结束后的边缘工作负载，而是贯穿模型开发、后训练和生产部署全过程的巨大算力需求来源。 这四层生意叠在一起，让Nebius在同批算力上反复“榨取”价值——长单锁定现金流、短期现货吃溢价、资产抵押融资放大杠杆、Token服务延长旧卡经济寿命。 二、协创数据：利润暴增331%，但“业务纯度”还不够 协创数据2026年上半年的业绩堪称炸裂：营收126.41亿元（+155.69%），归母净利润18.63亿元（+331.11%），Q2单季11.12亿元，环比继续抬升约50%。 增长的核心驱动力是智能算力产品及服务——公司在北京、上海、乌兰察布、廊坊等多地部署并运营算力中心，在手订单充裕，前期布局的算力集群已陆续交付、验收并进入计费阶段。 协创数据的“全栈AI”版图正在快速扩张：4月斥资5.10亿元控股光为科技，布局光芯片、光模块，补齐了“智能终端+云算力+光器件”的全链路协同架构。公司还打造了FCloud智能体训推平台和OmniBot具身智能服务体系。 但问题在于：协创数据的智能算力业务目前混合了服务器/集群交付、运维和云服务，更像“算力集成商+运维商”。而Nebius是一家纯粹的AI云运营商——不卖硬件，只卖算力时长和平台服务。这个区别，直接决定了市场给什么估值。 三、谁更像“中国Nebius”？——三家候选者的对比 润泽科技：最像Nebius的物理资产底座——园区、电力、高功率机柜和长约能力很强。但短板同样明显：GPU和AI云软件栈的暴露较弱，更像“机房房东”而非“算力运营商”。 首都在线、优刻得：更像云产品层——具备云产品、客户服务和模型训练推理能力。首都在线是智谱AI核心供应商，已投运6000P算力，2026年目标1.5万P。优刻得是A股唯一纯正公有云IaaS，2026年3月涨价10%-30%。但资本、GPU采购和电力规模不足，难以复制Nebius的扩张速度。 协创数据：目前资产和利润放量节奏最接近Nebius的公司。截至8月13日，Nebius市值705亿美元（约4935亿元），协创市值约1253亿元。差距是4倍，但协创的数据增长斜率更陡——如果它能从“重资产集成交付商”进化为“可以动态经营算力、获取预付款、延长旧卡寿命、出售Token并输出第三方平台的AI云运营商”，估值逻辑将完全不同。 四、关键跟踪指标：协创数据需要回答的五个问题 协创数据要从“算力集成商”变成“中国Nebius”，市场需要看到以下指标的持续改善： 自有投运GPU数量：目前公司在多地部署算力中心，但自有GPU的绝对规模和增速是关键。 纯运营收入占比：区别于服务器交付的一次性收入，持续性的算力租赁和云服务收入才是平台估值的基石。 客户预付款：Nebius的客户预付款已覆盖50%-60%的资本开支。协创能否拿到类似的预付款，是衡量其议价能力的关键。 Token/API收入：从“卖卡时”到“卖Token”的转变，决定了旧卡能否持续产生价值。 增量ROIC-WACC差：资本回报率能否持续高于资金成本，是算力租赁这门生意的终极检验。 ⚠️【风险提示】 不可简单对标市值：海外算力租赁龙头没有合规审查和被禁风险，而国内公司面临海外GPU获取的政策不确定性。 业务纯度风险：协创数据目前的业务结构中，服务器再制造和数据存储仍占相当比重。若市场按“算力集成商”而非“AI云运营商”给估值，市值空间可能远小于对标Nebius的乐观情景。 资本开支压力：Nebius Q2单季资本开支达56.6亿美元，协创数据虽已获得1300亿元授信，但持续的高强度资本开支对现金流和融资能力是长期考验。 竞争格局变化：国内算力租赁赛道正在快速拥挤，利通电子等玩家也在加速布局。若供给端放量过快，可能压制算力租赁价格。 前往小宇宙评论区与主播互动

  • August 20 · 12 min

    EP189 AI烧钱大战的终极拷问：资金耗尽之前，能跑出足够回报吗？

    🔥【核心洞察】 这场AI热潮的核心矛盾在于：天文数字般的资本投入，能否在资金耗尽前产生足够回报？Ben Thompson在视频中直言，美国在AI领域的绝对主导地位本身可能带来地缘政治危险——例如中国可能摧毁台积电。同时，AI推理成本的高企、消费者对软件付费的低意愿，以及科技公司从自由现金流转向债务和股权融资的压力，正共同构成一场潜在的金融风暴。 2026年，五大科技巨头（Alphabet、微软、亚马逊、Meta、甲骨文）的资本开支预计达7692亿美元，较2025年增长超77%，已几乎等同于四家企业全年运营现金流总和。谷歌甚至启动了850亿美元的史上最大规模股权融资。这场豪赌的回报，远未明朗。 🔍【章节索引】 一、地缘政治：绝对优势的危险与供应链的脆弱 美国在AI领域的压倒性优势可能导致地缘政治危险。台积电大部分生产仍在台湾，尽管公司已陆续在美国等地设立晶圆厂，但产能转移需要数年时间。 美国对中国供应链的依赖程度被严重低估。多元化成本高昂，难以在和平时期实现。美国跨党派参议员已敦促收紧对台积电等代工厂的规定，防止为中国企业海外子公司制造先进AI芯片。这进一步加剧了台积电的地缘政治压力。 当前中国AI技术落后美国6-9个月的现状，被视为一种相对稳定但可能不可持续的平衡。 二、AI的商业模式：高昂的推理成本与微弱的付费意愿 推理成本是AI商业化的第一道硬门槛。每次AI调用都消耗真实算力，开源模型并非真正“免费”——成本只是转移到了部署方。即便技术不再进步，现有的经济机遇已非常巨大，但前提是成本结构能够支撑规模化运营。 消费者不愿为软件付费是第二道障碍。微软推出的Microsoft 365 E7企业套餐定价每月99美元/用户，虽比单独购买各组件便宜约15美元，但分析师认为折扣力度不够。微软目前仅有1500万付费Copilot账户，相比4.5亿Office 365用户基数，转化率极低。 三、资本支出泡沫：当烧钱速度超过赚钱速度 五大云厂商2026年资本开支7692亿美元。伯恩斯坦预计全年四大超大规模云服务商（微软、亚马逊、谷歌、甲骨文）合计资本支出将达6230亿美元，若加上Meta则接近7600亿美元。这一规模已几乎等同于四家企业全年运营现金流总和。 科技公司正从自由现金流转向债务市场，最终不得不通过股权发行满足资金需求。谷歌启动850亿美元史上最大规模股权融资——2026年资本支出预计1800亿至1900亿美元，2027年将“显著”增加。摩根士丹利预计，AI投资规模有望在未来五年持续走高。 这让人想起19世纪的铁路泡沫——改变世界的技术，在建设阶段摧毁了无数投资者的财富。 四、科技巨头的差异化战略 亚马逊：通过AWS及自研芯片（Graviton、Trainium）构建了最深的护城河。自研芯片业务年化收入已超200亿美元，Trainium3近乎预订一空。其核心策略是“先内部使用，再对外提供”，确保每一代芯片都有真实需求验证。 苹果：凭借对用户访问的控制权和硬件制造能力，通过设备端AI规避高昂的推理成本。将AI模型本地化运行，不仅降低云端算力成本，更强化了隐私保护这一核心卖点。 微软：致力于成为企业级AI解决方案的平台和中间件提供商。E7套餐的推出是这一战略的体现，但99美元的定价和有限的Copilot用户基数暴露了变现的困难。 Meta：利用庞大的广告业务和社交网络流量，通过AI优化广告匹配和内容生成。但广告模式在AI时代面临结构性挑战——当智能本身变得廉价，广告的中间人价值可能被压缩。 谷歌：搜索业务利润丰厚，但AI投入巨大（850亿美元股权融资）。未来可能效仿伯克希尔哈撒韦，投资于低利润但绝对规模庞大的新领域。 五、半导体供应链：Nvidia的垄断与台积电的保守 Nvidia占据全球AI加速器市场超过75%的份额，在AI数据中心GPU市场仍占约80%至90%。这种“不自然”的垄断通过提供金融支持来维持高利润率，但面临来自超大规模云服务商自研芯片的长期威胁——在中国市场，国产AI加速芯片出货量份额2026年有望超过50%。 台积电保守的产能扩张策略将过剩风险转嫁给科技巨头，导致市场算力短缺。这种短缺促使科技公司寻求英特尔和三星作为芯片制造的多元化选择，从而“拯救”了英特尔的代工业务。 内存市场经历剧烈荣枯周期，三星通过逆周期投资崛起，现在趋于寡头垄断。 六、AI作为商品化趋势 计算能力和智能本身最终可能走向商品化，如同互联网带宽的商品化彻底改变了世界。AI在可验证领域（如编码、数学）表现出色，但在不可验证领域（如创造力、情感）的潜力仍待观察。 即使AI技术不再进步，其在现有能力下的经济机遇已非常巨大。人类擅长创造新需求和新工作，将在AI带来的变革中适应和发展——但这条适应之路，可能比预想的更加颠簸。 ⚠️【风险提示】 资金链断裂风险：7692亿美元的年度资本开支若无法在合理期限内产生足够回报，科技巨头可能面临严重的财务压力。 地缘政治风险：台积电的集中风险、中美科技脱钩、以及对华供应链依赖，均可能对全球AI产业造成系统性冲击。 估值泡沫风险：当前AI相关股票的估值已计入大量乐观预期，若商业化进度不及预期，可能面临大幅回调。 消费者付费意愿风险：AI订阅模式能否被广泛接受仍存疑，微软E7的缓慢渗透率是一个警示信号。 技术商品化风险：当AI能力成为“公共资源”，早期投资者的超额利润可能被快速侵蚀。 前往小宇宙评论区与主播互动

  • August 19 · 13 min

    EP188 高盛宣告“第二太空时代”降临：发射成本一代人降95%，太空经济正崛起为全新机构资产类别

    🔥【核心洞察】 太空正从政府主导的探索前沿加速演变为“工业经济的新支柱”。高盛全球研究所近日发布题为《第二太空时代》（The Second Space Age）的重磅报告，明确指出发射成本骤降、私人资本涌入以及公开市场融资渠道全面打开，正在将太空重塑为一个全新的机构资产类别。 发射成本一代人内下降95%：将一公斤有效载荷送入轨道的成本已从航天飞机时代的约5.5万美元骤降至目前的约3000美元，降幅高达95%。SpaceX的猎鹰9号将成本降至约2700美元/公斤，猎鹰重型进一步降至约1400美元/公斤。若星舰最终实现完全重复使用，每公斤发射成本有望进一步降至50至100美元。这一成本革命彻底改变了太空经济的底层逻辑——从过去只有国家力量才能参与的高门槛游戏，变为商业资本可以大规模进入的可投资领域。 2035年全球太空经济规模预计达1.8万亿美元：2025年全球太空生态系统投资超过550亿美元，2026年第一季度单季投资已达创纪录的360亿美元。世界经济论坛等机构预测，全球太空经济将从2025年的约6260亿美元增长至2035年的1.8万亿美元。 公开市场IPO融资井喷：自2025年初以来，航空航天公司已通过IPO累计融资890亿美元。标志性案例包括SpaceX以约1.77万亿美元估值创下全球IPO历史之最（募资750亿美元）、Firefly Aerospace在登月任务后募资约9.99亿美元、York Space Systems募资约6.29亿美元、HawkEye 360募资约4.78亿美元。太空正成为公开股票市场中一个独特的独立行业板块。 🔍【章节索引】 一、成本革命：从“国家游戏”到“商业战场” 发射成本是太空经济最重要的单一数字——“它决定了从宽带星座到空间站的一切价格”。在可重复使用技术出现前的数十年间，每公斤入轨成本基本维持在1万至5.5万美元之间，太空是政府和超大型运营商的专属领域。 猎鹰9号的出现打破了这一屏障——复用火箭将成本降至约3000美元/公斤。猎鹰重型进一步降至约1400美元/公斤。若星舰全面可重复使用，目标是将成本推向50至100美元/公斤。正如一位观察者所言：“铁路的成功不是因为火车变大了，而是因为每英里成本崩溃了。星舰不是交通故事——它是基础设施故事，把太空从成本中心变成了财富发生器”。 二、轨道经济：从基础设施到万亿级产业 太空经济已从单一的国家主导项目演变为涵盖卫星通信、定位导航授时（PNT）、空间态势感知、地球观测、发射服务和地面基础设施的多元生态系统。低地球轨道（LEO）基础设施正成为重要的商业前沿——Starlink自2026年3月达1020万用户后，约53天内增至1200万用户。 高盛预测到2035年全球太空经济规模达1.8万亿美元。在轨服务、组装与制造（ISAM）、轨道计算和资源开采等新产业正在兴起。ISAM被视作解锁超大规模太空结构（如吉瓦级光伏阵列）的核心能力。 三、地缘政治竞争与治理真空 太空基础设施在现代战争中具有关键军事优势（通信、情报、PNT），引发各国政府巨额投资。美国国防部2027财年太空相关预算预计达710亿美元。 治理层面呈现两极分化：美国主导的《阿尔忒弥斯协定》已有超过64个国家签署，但中国和俄罗斯均未参与。两国正推动平行的《国际月球科研站》（ILRS）计划。现有的冷战时期太空法律框架难以有效应对轨道拥堵、碎片清除、月球资源开采和在轨制造等新兴挑战。 四、中国商业航天：从“航天大国”到“航天强国” 中国“十五五”规划纲要首次将“加快建设航天强国”写入国家未来五年重点任务，商业航天首次被定位为新兴支柱产业。国家航天局与市场监管总局联合发布了《商业航天标准体系（1.0版）》。 地方层面加速布局——上海计划到2030年具备150发商业火箭发射能力和年产500颗商业卫星制造能力；北京出台促进商业卫星遥感数据开发利用的专项政策。低轨卫星互联网建设已被纳入国家规划蓝图。 五、投资机会与战略应对 高盛强调，太空产业化的下一阶段需要在发射能力扩张、卫星制造工厂、月球基础设施、天基数据平台等领域投入巨额前期资本。融资能力本身已演化为核心竞争壁垒——具备高超技术执行力与公开市场信誉的企业，将更有能力扩大经营规模、整合行业资源并突破轨道经济的发展瓶颈。 控制发射能力、制造能力、轨道基础设施和太空衍生数据的公司与国家，将主导新兴太空领域的价值创造。随着太空衍生数据、连接和授时服务成本持续降低，它们将成为像互联网一样的基本基础设施。太空基础设施与地球基础设施的界限将日益模糊——认识和适应这一趋势的组织和国家，将塑造未来的全球经济格局。 ⚠️【风险提示】 技术执行风险：星舰等下一代可重复使用系统的全面商业化仍面临工程和测试挑战，其成本目标的实现时间表存在不确定性。 轨道拥堵与碎片风险：低地球轨道日益拥挤，轨道碎片碰撞风险上升，可能威胁卫星资产安全并增加运营成本。 地缘政治风险：中美在太空治理框架上的分歧可能加剧，影响国际太空合作和商业太空活动的稳定性。 资本密集风险：太空行业属于资本密集型行业，前期投入巨大，回报周期较长。若融资环境收紧，可能影响行业扩张节奏。 监管风险：现有国际太空法律框架难以有效应对新兴挑战，监管不确定性可能制约商业太空活动的拓展。 前往小宇宙评论区与主播互动

  • August 18 · 11 min

    EP187 A股“尾盘动量”解密：最后半小时的收益，如何帮你赚取21%年化回报？

    🔥【核心洞察】 这是A股市场独有的一种日内交易规律。研究发现，在沪深300指数及其ETF中，下午倒数第二个半小时（14:00-14:30）和倒数第一个半小时（14:30-15:00）的收益，能够显著预测下一个半小时的收益。这种“尾盘动量”效应在全球文献中尚属首次发现。 核心数据：负向的第七个半小时（14:00-14:30下跌）对最后半小时（14:30-15:00）的预测R²值高达4.8%；正向的第六个半小时（13:30-14:00上涨）对第七个半小时的预测R²值为2.4%。 策略回报：利用ETF的T+0交易规则，单一信号策略可实现9.673% 的年化超额收益。混合策略（结合第六和第七个半小时信号）年化回报高达21.656%，夏普比率1.685，扣除0.06%交易成本后仍显著优于买入持有策略。 独特机制：这一现象主要源于散户主导的市场结构和T+1交易规则——散户无法当日止损，最优策略是收盘买入、次日开盘卖出，导致尾盘交易量和价格惯性增强。噪音交易、信息滞后交易、处置效应（过早卖出盈利股、过久持有亏损股）共同构成了这一效应的微观基础。 🔍【章节索引】 一、什么是“尾盘动量”？ “尾盘动量”指的是A股市场在交易日的最后半小时内存在显著的价格延续效应——某一半小时的收益方向，能够预测下一个半小时的收益方向。 具体来说：第七个半小时（14:00-14:30）的负向收益，能够预测第八个半小时（14:30-15:00）的收益方向，R²值达4.8%；而第六个半小时（13:30-14:00）的正向收益，能够预测第七个半小时的收益方向，R²值为2.4%。 这一模式与美股市场存在根本差异。在美国，做市商和机构投资者能够在日内随时买卖，日内动量通常由开盘半小时驱动；而在中国，T+1规则使得当日买入的股票最早次日才能卖出，投资者倾向于在收盘时买入、次日开盘时卖出，形成了独特的尾盘交易模式。 二、策略如何运作？ 由于A股股票实行T+1交易，但ETF（交易型开放式指数基金）遵循T+0规则——当日买入可当日卖出。这一规则差异为策略提供了操作空间。 策略的核心逻辑：以第六个或第七个半小时的收益为信号进行市场择时操作。具体而言： 若第七个半小时收益为负，则买入ETF，持有至收盘 若第六个半小时收益为正，则买入ETF，持有至第七个半小时卖出 收益表现上，单一信号策略可实现9.673% 的年化超额收益。更重要的是，混合策略（将第六和第七个半小时信号结合使用）的年化回报高达21.656%，夏普比率达1.685。 扣除约0.06% 的交易成本后，策略仍显著优于买入持有策略，为平均风险厌恶型投资者带来每年5.662%至7.246% 的确定性等价回报。 三、为什么A股会有“尾盘动量”？ 研究者将这一现象归因于中国市场的三大独特特征： 散户主导的市场结构：根据上交所2018年统计年鉴，散户交易占A股总成交额的82%。散户投资者普遍存在噪音交易（基于非理性信息交易）、信息滞后交易（消化市场信息需要更长时间）以及处置效应（倾向于过早卖出盈利股、过久持有亏损股）。 T+1交易规则：A股不允许当日买卖同一股票，导致投资者为规避隔夜风险，倾向于在尾盘决策。信息交易者倾向于在收盘前集中交易，推高了尾盘的交易量和价格惯性。 信息消化模式：散户投资者吸收市场信息需要较长时间，信息交易倾向于在收盘时进行，进一步强化了尾盘的动量效应。 四、策略的有效性条件 尾盘动量策略并非在所有市场环境下都同样有效。研究识别了策略表现更强的几种条件： 市场波动大、交易量高的日子，策略表现更强。订单失衡严重的日子（买方或卖方力量悬殊），预测能力更强。没有重大经济新闻发布的日子，策略表现更突出。 熊市中预测能力高于牛市——这与中国市场散户的处置效应一致：牛市中散户倾向于过快兑现收益，削弱了动量持续性。小买卖价差、高交易深度以及正订单失衡或高订单失衡的交易日，预测能力更强。 五、跨市场验证与稳健性 尾盘动量效应并非沪深300独有。研究者在中证500（CSI 500）、上证综指和深证成指中也发现了类似的尾盘动量效应。 然而，这一效应仅存在于尾盘时段。其他日内时段（如早盘、午盘）均未发现类似的动量模式。这一独特性进一步印证了T+1交易规则和散户行为是尾盘动量的核心驱动因素。 ⚠️【风险提示】 本策略基于2012-2017年的历史数据，A股市场的微观结构和投资者行为已经发生变化（如量化交易占比上升、机构投资者比例增加），策略的有效性可能随时间衰减。策略收益集中于高波动、高交易量的交易日，在低波动市场环境中可能表现平淡甚至失效。策略依赖ETF的T+0规则，若监管政策发生变化可能影响策略的可操作性。历史回测表现不代表未来收益。 前往小宇宙评论区与主播互动

  • August 17 · 13 min

    EP186 “Billion Dollar PDF”时代：叙事如何驱动资本、重塑权力、重新定义你的工作？

    🔥【核心洞察】 本期播客深入探讨了在信息爆炸和不确定时期，“叙事”如何成为驱动资本市场、注意力分配及权力结构变迁的核心力量，并剖析了金融行业转型、AI对就业的长期影响，以及硅谷背后的哲学思想。 核心观点包括：一个在正确时机提出的核心思想（“Billion Dollar PDF”）能吸引数十亿美元资本；“发帖是最后一个伟大的精英制”，以X平台为代表的“Timeline Native”媒体正在重塑权力格局，发帖人阶层正成为新的权力中心；金融业正从债务驱动的杠杆收购转向股权驱动的种子投资；AI对就业的影响是短期内可能导致失业，但长期看人类将创造新工作；以及每个人都肩负着“管理自己天赋的道德责任”。 🔍【章节索引】 一、“Billion Dollar PDF”：叙事如何变成百亿美元？ “Billion Dollar PDF”指一个在正确时机以正确方式提出的、能成为时代基石并吸引数十亿美元资本的核心思想。在长期私募市场中，基金的“讲故事能力”是关键的“大过滤器”，因为现金回报需十年才能实现。创始人、资本和媒体在不确定时期共同构建叙事以吸引关注和资金，成为驱动资本流动的核心力量。 二、“Timeline Native”与发帖时代的权力转移 以X平台为代表的“统一信息流”成为现代现象的技术催化剂，深刻影响着舆论定价和政策走向。“发帖是最后一个伟大的精英制”——算法优先展示优质内容给亿万用户，而非仅依赖关注者数量。内容必须具备娱乐性才能吸引注意力。 新的权力结构正在形成：“巅峰之人”概念认为亿万富翁阶层地位下降，新的权力中心转向“发帖人”阶层。新兴的SPV和大型私营公司创造了“封建系统”，通过“分配”形成新的世袭财富。 三、金融业转型：从债务到股权的思维跃迁 金融业正从债务驱动的杠杆收购转向股权驱动的种子投资，体现更乐观的投资理念——相信长期增长而非短期套利。传统SaaS模式面临挑战，未来将是低毛利、薄净利、大规模的“计算销售”时代，而非零边际成本的“字符串销售”。 四、AI对就业的长期影响：“虚构工作”的未来 关于AI对就业的影响，视频提出了一个颇具冲击力的观点：许多白领工作本质上是“虚构的”——它们的存在并非因为创造实际价值，而是因为特定社会结构和商业模式需要它们存在。AI短期内可能导致失业，但长期看人类将创造新工作。关键在于个人如何适应这一转变。 五、个人使命与投资哲学 “每个人都有管理自己天赋的道德责任”，应将工作与天赋结合以实现个人价值。投资理念应趋向简单清晰，市场往往缺乏细微差别。专业投资者因受限于业务结构和客户期望，比普通人更难“击败市场”。 硅谷科技发展背后的文化和哲学传统（如新佛教功利主义、有效利他主义）被低估，塑造了其产品和世界观。 ⚠️【风险提示】 本播客内容涉及对宏观趋势和未来方向的推测性讨论，“Billion Dollar PDF”等概念属于对叙事经济学的理论探讨，并非具体的投资建议。AI对就业的“虚构工作”论断具有争议性，不同学者和机构持不同观点。视频中涉及的权力转移、金融转型等判断代表了特定视角，投资者应结合自身认知进行独立判断。 前往小宇宙评论区与主播互动

  • August 13 · 10 min

    EP185 投资者为何卖盈持亏？行为偏差如何吞噬你的收益

    🔥【核心洞察】 这是一项行为金融学的经典研究，首次大规模实证检验了“处置效应”——投资者系统性地倾向于过早卖出盈利股、过久持有亏损股。研究分析了1987年至1993年间10,000个折扣券商账户的详实交易数据。 研究核心发现，投资者展现出强烈偏好实现盈利而非亏损——实现盈利的比例显著高于实现亏损的比例。这种偏差并非出于理性的投资组合再平衡、交易成本考量或信息优势，纯粹是一种行为偏差。被卖出的盈利股票在后续几个月表现优于被保留的亏损股票，说明投资者的决策并未得到市场验证。 在税务后果上，处置效应与最优的税收损失卖出策略背道而驰，导致应税投资的税后收益显著降低。唯一例外发生在12月，此时投资者因税收动机而卖出亏损股票。通过卖盈持亏而非卖亏持盈，投资者一年后收益下降约4.4%，相当于每10万美元投资少赚4,400美元。 🔍【章节索引】 一、处置效应：经典的“卖盈持亏”偏差 处置效应的概念最早由行为经济学家Hersh Shefrin和Meir Statman在1985年提出，指的是投资者倾向于过早卖出盈利资产、过久持有亏损资产。其本质并非追求收益最大化，而是试图回避亏损带来的心理痛苦。 这项研究以1987年至1993年间1万个折扣券商账户的详实交易数据为样本，通过量化实现盈利比例（PGR）和实现亏损比例（PLR）来检验处置效应。PGR指已实现收益占全部账面收益的比例，PLR指已实现亏损占全部账面亏损的比例。实证结果明确显示，PGR显著高于PLR，说明投资者更倾向于落袋为安，而非认赔出局。 二、行为根源：前景理论的心理账户与后悔规避 研究将该行为根源指向丹尼尔·卡尼曼和阿莫斯·特沃斯基的前景理论——价值函数在盈利区呈风险厌恶形态，在亏损区呈风险寻求形态。当股价高于买入成本时，投资者因担心利润回吐而急于卖出；当股价低于成本时，投资者倾向于继续持有以避免“承认错误”。 另一个心理机制是后悔规避。当投资者卖出盈利股票后股价继续上涨，会产生“早知如此”的懊悔情绪；而持有亏损股票暂不卖出，则能将“我确实亏损了”的痛苦转化为“这只是账面浮亏”的暂时状态。两种因素叠加，共同塑造了处置效应的持续性。 三、经济后果：一年少赚4.4%的隐形损耗 该行为最直接的代价是税务损耗——过早实现短期资本利得、过久持有亏损头寸，导致应税投资者承担更高的税务成本。研究通过比较同一账户中卖盈持亏与卖亏持盈的税务后果，估算处置效应使投资者每年损失约4.4%的回报率。 更关键的是，投资者通过保留亏损股而放弃的潜在收益，远大于他们通过卖出盈利股所实现的收益。被卖出的盈利股在卖出后的表现依然优于那些被继续持有的亏损股。 四、唯一的例外：12月的税收损失卖出 研究发现了处置效应的唯一例外——每年12月，投资者实现亏损的比例会显著提高，与全年其他月份的行为模式形成鲜明对比。这一现象反映了投资者在年末会主动识别并兑现亏损头寸用于抵扣应税收入，说明投资者并非不知道“卖亏”是有价值的，而是在非税务压力下选择了回避心理痛苦。 五、研究贡献与数据方法 此前关于处置效应的研究主要依赖于小样本调查或共同基金、机构投资者的数据，难以确认散户投资者的真实行为模式。本研究利用折扣券商提供的账户级交易数据，首次实现了大规模样本中处置效应的系统检验，包含完整的买入、卖出及持仓记录。研究还排除了投资组合再平衡、交易成本和流动性需求等替代解释。 ⚠️【风险提示】 该研究数据主要来源于1987年至1993年间美国折扣券商账户，市场微观结构和信息环境已发生显著变化。当前算法交易和智能投顾的普及可能降低了部分散户的行为偏差。投资者在参考该研究结论时，应结合自身税务状况和投资目标，避免机械套用历史规律。 前往小宇宙评论区与主播互动

Showing 1–20 of 20 episodes