资本开支 · 342

AI 基建融资潮正与美债争夺长期资金，市场担忧推高利率压力

比推消息，AI 基础设施投资正在成为美国债券市场的新变量。随着科技巨头扩大数据中心、芯片和算力建设，AI 企业融资需求快速增长，开始与美国政府争夺保险公司、养老金及长期资管机构等核心债券买家的资金。 数据显示，截至 8 月，美国投资级公司债发行规模约达 1.7 万亿美元，创历史同期新高。高盛数据显示，美国四大科技公司今年以来发行债券规模已超过 1700 亿美元，超过 2025 年全年水平。与此同时，博通正在寻求为 Anthropic 等 AI 企业提供芯片和基础设施融资，潜在债务规模可能接近 1000 亿美元。 市场机构指出，AI 带来的不仅是美债供给增加，而是整个债券市场久期供给扩张。当政府、科技企业同时增加长期融资需求，而长期资金池规模有限时，市场可能要求更高收益率以吸引买家。圣路易斯联储主席穆萨勒姆此前表示，美国政府融资需求与 AI 基础设施建设之间正在形成资本竞争。 近期美债市场持续承压，美国 30 年期国债收益率一度升至 5.34%，创 2007 年以来新高，10 年期美债收益率升至 4.7%。高利率环境可能进一步提高企业融资成本，并通过估值贴现率影响 AI 公司的市场定价。 与此同时，美国消费数据出现疲软迹象。沃尔玛股价单日下跌约 9%，创 2022 年以来最大跌幅，原因是其同店销售增速降至六年来最低水平，低于市场预期，显示消费者支出正在放缓。 在经济增长放缓与通胀压力仍存的背景下，美联储政策面临两难。美国财政部近期扩大长期美债回购规模，将 10—20 年期和 20—30 年期美债单次回购上限从 20 亿美元提高至至少 40 亿美元。市场认为，该举措更多具有信号意义，短期缓解了收益率压力，但尚未改变长期供需矛盾。 分析人士认为，未来市场关注重点将集中于美国财政融资需求、AI 资本开支扩张以及长期利率走势。如果长端美债收益率持续走高，市场可能重新讨论收益率曲线控制（YCC）或量化宽松（QE）等政策工具。 本文由GENG赞助，Build Your Fortune on GENG (https://geng.one)

1天前burnking

芯片出口价格飙升，AI 缺货潮仍在加剧

比推消息，据金十报道，三星近期已将部分 4 纳米、5 纳米和 8 纳米代工价格提高 10%—15%；台积电也把 2026 年资本开支上调至 600 亿—640 亿美元，反映现有产能仍难完全匹配 AI 需求。这轮涨价有利于掌握稀缺产能的存储、晶圆代工和封装厂商，却会抬高服务器、PC 及消费电子企业的成本。市场下一步会交易盈利上修与新增产能之间的赛跑：缺货持续时间越长，龙头定价权越强；若扩产速度超过 AI 实际用量增长，价格回落和库存反转会放大半导体股波动。

1天前

40万亿只是“开胃菜”？海力士回购提前落地，1300亿美元还在后面？

来源：华尔街见闻编辑：董静原标题：华尔街解读海力士回购计划：股东回报率明年高达8%、到2027年或再回报股东至少1300亿美元摘要：摩根大通认为，股东回报政策从"不超过50%自由现金流"升级为"不低于50%"，由上限变下限，向市场传递了明确信号：未来的股东回报只会多、不会少。高盛预测2027年股东回报率达8%，预计未来还将有约7万亿韩元的额外回购。摩根大通预计至2027年底还有逾16%市值的额外回报空间。后续聚焦10月底业绩会。当市场还在为AI存储周期的持续性争论不休、SK海力士股价自6月高点暴跌之际，这家存储巨头突然向市场抛出了一枚重磅炸弹。一份提前落地的历史性回购，重塑市场对海力士的估值逻辑！SK海力士在2026年8月19日收盘后正式宣布了市场期待已久的股东回报政策——计划回购并注销价值40万亿韩元的股份，涉及2407万股（占截至2026年二季度末已发行股份的3.3%），折合美元约289亿美元。这一规模不仅是韩国上市公司史上最大规模的股份回购，更超过了海力士今年7月初在美国通过ADR融资所募集的约265亿美元。据追风交易台消息，华尔街两大顶级机构摩根大通与高盛均在8月20日的最新研报中对此次公告给予高度正面评价。摩根大通认为，股东回报政策实质性升级，从此前"不超过50%"上调至"不低于50%"，政策天花板变成了政策地板。摩根大通称，继宣布40万亿韩元（290亿美元）股票回购计划后，SK海力士到2027年可能再向股东回报至少1300亿美元。高盛预测2027年股东回报率高达8%，预计未来还将有约7万亿韩元的额外回购。摩根大通和高盛两家机构均维持买入评级：摩根大通目标价275万韩元（较当前价格约84%上行空间），高盛目标价350万韩元（隐含约133%上行空间）。下一个关键催化剂是2026年10月底的三季度业绩电话会，届时公司将披露更完整的股东回报路线图。分析认为，这一激进的资本行动直接向华尔街证明了公司正在以超乎市场预期的速度“印钞”。对于自6月22日高点以来暴跌49%的股价而言，这不仅完全抵消了近期ADR发行的稀释效应，更确立了估值底部（当前年化市盈率仅3.8倍）。回购规模：史上最大，且早于预期落地摩根大通分析师Jay Kwon明确指出，此次40万亿韩元的回购公告"比预期提前落地"——此前市场普遍预计公告将在9月底前后发布，而公司选择在8月19日收盘后直接披露，显示出管理层对公司现金流状况的高度自信。从规模维度看，这笔回购具有多重历史意义：40万亿韩元是韩国上市公司迄今宣布的最大规模股份回购；折合289亿美元，高于海力士7月初在美国ADR发行所募集的约265亿美元，      意味着公司实际上用回购"对冲"了此前的股权稀释；该金额相当于过去12个月滚动FCF（经营现金流减资本开支）的63%，      已高于此前"不超过50%"的FCF分配上限政策。摩根大通同时指出，若以估值角度审视，海力士当前股价对应的市盈率为6.4倍（基于过去12个月调整后每股收益）或3.8倍（基于2026年上半年年化调整后每股收益），这一估值水平可视为管理层启动回购的参考基准。政策升级：从"天花板"到"地板"此次公告最核心的政策变化，在于股东回报比例的表述从"up to 50%（不超过50%）"升级为"50%...

1天前22#SK海力士 #摩根大通

高盛：美财政部能压低长债 20 至 40bp，但很难改变最终方向

比推消息，高盛 MarketStrats 认为，美国财政部扩大长期美债回购，确实有能力在阶段性上缓解长端压力。参考 1961 年的 OperationTwist 和 2011 年的期限延长计划，政策工具历史上曾带来约 10—20bp 的长端利率回落；高盛判断，这一轮通过回购、调整发行期限和资产负债表管理，长端收益率阶段性回落 20—40bp 也有可能实现。但高盛对长期效果保持谨慎。当前长端利率上行背后，推动力已经不只是技术性的供需错配，还包括持续财政赤字、通胀不确定性，以及均衡实际利率中枢抬升。报告还强调，AI 资本开支、数据中心建设、电力基础设施和再工业化，也在持续推高全社会的资本需求。财政部回购可以缓解市场短期需要吸收的久期供给，却难以改变资本变贵、长期利率中枢抬升的大趋势。

1天前

美国 AI 债务融资浪潮升温，或在 9 月引发市场关注

比推消息，美国财政部近期通过扩大长期国债回购计划缓解美债市场压力，但一场由人工智能基础设施建设推动的企业债融资浪潮正在升温。随着数据中心、高端芯片和 AI 服务投入持续扩大，微软、谷歌、亚马逊、Meta、甲骨文等科技巨头正加大债券融资力度。市场预计，美国投资级企业债发行将在 9 月劳动节后迎来高峰，规模或达到 2000 亿美元。数据显示，2026 年以来美国投资级企业债发行量同比增长 38%，全年发行规模预计达到创纪录的 2.1 万亿美元，其中大量新增供应与 AI 资本开支相关。过去几年，科技巨头主要依靠现金流支持 AI 布局，但随着行业竞争升级，数据中心、电力、算力设备等长期资本需求快速扩大，企业开始更多依赖债券市场融资。市场关注点也从AI 能否创造利润转向巨额基础设施投入能否产生足够回报。部分投资者担忧，AI 债务扩张正在改变固定收益市场资金配置，科技企业债与美国国债之间可能形成新的资金竞争。RBC 全球资产管理固定收益主管 Andrzej Skiba 表示，当前 AI 相关债券供应规模已经接近不会扰乱市场的极限。分析人士指出，如果未来 AI 收入增长无法覆盖数据中心和芯片采购等巨额投入，部分资本开支可能面临回报不足风险。市场也开始将当前 AI 融资热潮与 2000 年前后的互联网泡沫进行比较，警惕资本投入速度超过商业模式兑现速度。尽管美国财政部回购计划有助于改善国债市场流动性，但无法改变政府债务和企业融资需求同步增长的趋势。9 月大规模企业债发行，可能成为美债市场新的压力测试。

2天前#融资

Stifel：英伟达财报料超预期并上调指引，维持买入评级及 282 美元目标价

比推消息，华尔街投行 Stifel 分析师 Ruben Roy 在英伟达（NVDA）8 月 26 日公布 2027 财年第二季度业绩前维持买入评级及 282 美元目标价，并预计公司本季度业绩将超预期，同时上调后续指引。Stifel 表示，本轮财报季持续强化 AI 需求逻辑：云服务商资本开支显著上调，鸿海云网络产品业务收入占比首次超过 50%，并预计全年 AI 机架出货量将增长一倍以上；Supermicro 单季度新增订单则超过 600 亿美元。供应链调研显示，即使 Vera Rubin 开始放量，GB300 需求预计仍可持续至 2027 年上半年。Stifel 认为，这降低了英伟达产品代际切换期间出现需求空窗期的风险。对于存储成本及 AI 推理领域竞争等市场争议，Stifel 认为其影响更可能体现在毛利率，而非需求端，且相关风险已部分反映在当前估值中。

3天前

OpenAI、Anthropic 收入不及市场预期，多头拥挤结合空头加码放大波动

比推消息，昨夜美股大跌，AI 交易成为市场抛售的中心。纳指下跌 1.3%，标普 500 下跌 0.7%，纳指 100 跌 1.7%，费城半导体指数重挫 5.6%。存储股首当其冲，闪迪跌约 9%，美光跌约 7%，西数跌约 7%；AI 芯片龙头英伟达跌约 2.3%，博通跌约 3.2%，Marvell、英特尔、超微电脑等半导体链条也普遍下挫，光通信和 AI 网络设备方向跌幅更深。对本轮 AI 牛市来说，目前在收入预期和仓位结构上同时出现了压力。第一条压力来自 AI 实验室的商业化数据。OpenAI 向投资者披露，二季度收入从一季度的 57 亿美元增至 67 亿美元，环比增长 18%，但亏损进一步扩大，经营利润率继续下滑。这一增长速度低于部分股东预期，也让市场重新评估 OpenAI 在 IPO 前的盈利路径。Anthropic 同样引发争议。其截至 7 月底年化收入运行率据称达到 650 亿美元，仍是极高增速，但低于此前部分第三方和市场乐观口径中 700 亿至 800 亿美元以上的预期。这正击中 AI 行情最敏感的位置。过去一年，美股多头愿意为 GPU、数据中心、存储、电力和云资本开支持续买单，前提是 OpenAI、Anthropic 等头部应用公司能够不断证明终端需求足够强。但当收入增速低于乐观预期、亏损继续扩大，投资者将开始重新审视 AI 资本开支链条的回报周期。仓位因素则放大了这轮下跌。高盛 Prime Brokerage 相关数据曾显示，标普 500 典型成分股空头比例升至 2011 年以来高位；FactSet 与 Robinhood 统计也显示，过去三个月美国大型股票中多数标的空头仓位上升。与此同时，AI 基础设施链条仍聚集大量多头资金，一些高估值 AI 公司也成为对冲基金拥挤做空对象。多头拥挤与空头加码同时存在，使行情对任何负面消息都更加敏感。在这种结构下，回调会被放大。前期 AI 链条涨幅较大，多头已有可观浮盈；空头则在等待收入、利润率或资本开支逻辑出现裂缝。一旦 OpenAI 和 Anthropic 的增长故事低于市场最高预期，资金会先兑现利润，空头也会顺势压低估值，最终形成昨夜科技股集体走弱的盘面。

3天前

美银调查：全球投资者风险偏好快速升温，AI 资本开支暂未吓退多头

比推消息，美银最新全球基金经理调查显示，全球投资者风险偏好正在快速升温。随着美股重新逼近纪录高位，基金经理对股市的配置升至五年高位，现金比例降至 3.5%，显示市场已经从此前对增长放缓和 AI 泡沫的担忧中明显修复。美银策略师 Michael Hartnett 指出，受访基金经理中，创纪录的 56% 预计全球经济不会出现明显着陆式放缓。换言之，市场主流仓位正在押注经济保持韧性、企业盈利继续扩张，风险资产仍将获得流动性支持。值得注意的是，调查显示 AI 资本开支暂时没有成为投资者的核心担忧。尽管科技巨头持续上调数据中心、GPU、服务器和电力基础设施预算，市场对AI 支出过热的讨论越来越多，但美银调查显示，基金经理目前并不太担心增长、加息、AI 资本开支或美国政治风险。

3天前

Cypherpunk Mining 收购 Winklevoss 资产，成最大 Zcash 矿企

比推消息，Cypherpunk Mining 宣布正式上线，其在美国部署的 4.2 Gsol/s Equihash 算力已使其成为全球最大 Zcash 矿工。 公司通过与 Winklevoss Capital 签署 3333.3333 万美元资产收购协议，接收其此前在美国各地布局的 Bitmain Z15 Pro 矿机机队，当前每月产出约 7800 枚 ZEC，并已实现现金流。 Cypherpunk 称 Zcash 挖矿当前单位电力收入约为 AI 机房托管的两倍、比特币挖矿的三倍，且设备资本开支远低于 AI 基础设施，公司无债务并计划逐步垂直整合至数据中心与电力资产。

4天前

从Meta走出的Fireworks聊开源与闭源，谁会胜出？

作者：Silicon Valley Vector 硅谷坐标编辑：Peggy，BlockBeats原标题：硅谷坐标 x Fireworks 联创 Benny Chen：开源模型、token 增速、推理优化和模型定制编者按：在开源模型加速逼近闭源前沿模型、推理价格持续下降的背景下，行业讨论正在从「谁拥有能力最强的模型」转向「谁能以更低成本把模型投入生产」。但当模型能力趋同、Token 消耗增长成为共识，一个更底层的问题开始浮现：企业真正愿意付费的，究竟是更便宜的模型调用，还是能够稳定完成具体任务的专属智能？近日，《硅谷坐标》主持人曹卿云与 Fireworks AI 联合创始人陈宇飞进行了一场对谈。Fireworks 位于模型与企业应用之间，主要为客户提供开源模型推理、性能优化和定制服务。相比单纯讨论开源能否追平闭源，陈宇飞的观察更接近真实工作负载：Token 流向哪里、企业为何付费，以及模型从概念验证走向生产还缺少什么。在这场对谈中，陈宇飞是将「开源与闭源谁会胜出」拆解为一组更底层的结构性问题：Token 增长能否转化为收入，通用能力能否替代垂直积累，低价模型能否通过企业评测，以及推理平台如何在云厂商和应用公司之间获得价值。第一，是开源模型的使用规模与商业价值正在分化。过去，能力追赶和调用价格是判断开源竞争力的主要指标；如今，Fireworks 平台每天处理约 40 万亿至 50 万亿个 Token，开源模型的实际使用量已经快速扩大。但免费流量、促销补贴和模型价格差异，会让 Token 统计高估部分需求。客户可能大量调用低价模型，却仍把最高预算交给效果最好的闭源模型。这意味着，开源的下一阶段不再只是扩大流量，而是证明其能够在高价值任务上达到甚至超过前沿模型，并把成本优势转化为付费意愿。第二，是通用模型与垂直模型开始沿着不同方向演进。过去，每次前沿模型升级，都可能直接淘汰一批微调模型；现在，法律、医疗、编程等垂直应用正在积累更细的评测、数据和工作流，其优化目标也与前沿实验室逐渐分离。通用模型需要提高能力上限，垂直模型则要在有限场景内稳定交付结果。前者可以解决更广泛的问题，后者却更理解用户如何定义「正确」。这意味着，垂直公司的壁垒并不只是拥有一个定制模型，而是能够持续把行业需求转化为评测体系，并随着基础模型更新反复迁移。第三，是企业 AI 落地的瓶颈正在从模型供给转向评测能力。过去，企业概念验证往往依赖试用体验和主观判断；现在，当 AI 进入呼叫中心、法律检索和医疗辅助等生产环节，仅凭「看起来效果不错」已经无法支持采购决策。企业必须知道模型在哪些任务上有效、何时失效，以及从闭源切换至开源会改变多少成本和质量。评测因此不再是附属工具，而是连接采购、训练与生产部署的基础设施。谁能定义任务、建立测试分布并持续更新标准，谁才真正掌握模型选择权。第四，是推理平台的价值正在从「卖便宜算力」转向组织模型、硬件与工作流。过去，推理优化主要被理解为降低单个 Token 的成本；现在，缓存、任务拆分、模型路由和上下文管理都可能直接改变任务完成率。不同模型不必争夺同一个位置，而可以分别担任执行者和顾问。Fireworks 的商业逻辑也由此成立：不自建重资产硬件，而是通过训练、定制和持续推理，将收入与客户模型的实际使用绑定。但这条路径的主要对手并非单一新云公司，而是能够同时控制算力、软件和客户入口的大型云厂商。第五，是开源模型崛起未必削弱基础设施需求，反而可能压缩模型层溢价，并把价值进一步推向推理和算力。科技巨头持续增加资本开支，也不只是计算短期回报，而是在衡量错过 AI 周期...

4天前律动BlockBeats#AI