IBM · 895

高盛将 CoreWeave 目标价上调至 139 美元，维持中性评级

比推消息，据高盛 8 月 20 日研报，CoreWeave 二季度营收符合预期，EBIT 利润率高出市场共识 200 个基点，2026 年营收指引超出市场预期 1%。营收积压订单环比增长 5% 至 1040 亿美元，三季度以来新增超 250 亿美元承诺订单。活跃电力装机从一季度 1GW 增至 1.5GW 以上，已签约电力装机达 4.2GW。高盛将 12 个月目标价从 121 美元上调至 139 美元，较当前股价有 53% 上行空间，维持中性评级。高盛认为，CoreWeave 短期确定性清晰：需求持续领先供给、新旧 GPU 代际定价维持高位、产能如期扩张。新一代芯片（Blackwell、Vera Rubin）不断创价格新高，近期 A100 合同交付已延伸至 2029 年。企业客户占比提升（卡特彼勒、IBM、日产、采埃孚），AI 算力需求正从科技巨头向实体经济扩散。高盛预计 EBITDA 将从 2025 年 31 亿美元增至 2028 年 313 亿美元。中性评级反映的是等待软件和平台服务成为更确定的利润率贡献因素后，再给出更积极判断。

1天前
美股价值投资正在走向另一个陷阱

美股价值投资正在走向另一个陷阱

来源：深潮 TechFlow原标题：（观点：美股的价值投资，不等于基本面投资）当"基本面已死"成为共识，盲目抱团巨头的投资者，终将遭遇惊人的资本毁灭。导读：当市场高喊「基本面已死」、资金疯狂抱团科技巨头时，作者用一个天文学发现拆穿了这一叙事背后的逻辑漏洞。本文从估值倍数的构成切入，提醒投资者区分企业的真实质量与市场愿意支付的溢价，对加密和科技领域的长期配置尤其有警示意义。我保证这次引言不会像上次关于天气的那篇那么长。但请给我 90 秒。一百多年前，一位名叫亨丽埃塔·勒维特的女性正在做着繁琐的工作：在照相底片（胶片出现之前的成像方式）上测量数千颗恒星的亮度。她注意到一类脉动恒星有一个特点：这些恒星脉动得越慢，它们本身就越亮。¹这在今天看来可能只是有点意思，就像「好吧，还挺酷的」。但在当时，天文学家分不清一颗离地球很近的暗星和一颗很远很亮的恒星。对他们来说，两者在照相底片上留下的污迹是一样的。视亮度是这两个变量的混乱混合：这东西本身有多亮，以及它离我们有多远。亨丽埃塔的工作把这两件事拆开了：如果你能观测到脉动速率，就能知道它的真实光度；如果你知道它的真实光度，就能根据它看起来有多暗反推出距离。天文学家称之为「标准烛光」。几年后，一个叫埃德温·哈勃的人发现了其中一颗脉动星，套用了勒维特的数学方法，发现他一直以为是我们银河系内一团气体云的东西，其实是一整个独立的星系，在一百万光年之外。所以简单来说，可观测宇宙变大了大约一万亿倍，只因为一个人弄清楚了如何把事物看起来的样子和它实际的样子区分开。这本身显然就很酷。但另一件有趣的事是，大约在同一时期，有另外两位天文学家各自独立地画了一张散点图，一个轴是真实光度，另一个轴是温度。他们发现恒星并不是随机分布在这个空间里的，而是聚集成不同的家族。这背后的含义是：视亮度完全相同的恒星，可能而且确实属于完全不同的家族，有着完全不同的过去，最重要的是，有着完全不同的未来……那么，星星里写着什么？过去几年，围绕市场、叙事、资本、公司建设和金融虚无主义的讨论很多。随着科技界和金融界开始面对一个与前几十年截然不同的未来，这种感觉似乎达到了某种狂热的高潮。尤其明显的是，把进步与资产价格分开这件事变得噪音更大，而且在很多方面更具反身性。但作为以买入（有望）跑赢的资产为生的投资者，一个简单的框架是：远期回报约等于基本面增长乘以估值倍数变化（再乘以你一路上收取的分红）。在这种情况下，估值倍数可以很干净地对应到照相底片上的污迹。它是一个可观测的数据点，却把市场无法直接看到的两件事纠缠在一起：这家企业实际有多好，以及它的未来现金流离现在有多远（或者说有多持久）。我认为，大部分可赚的钱来自那些最有能力比别人更早解开这两个变量的投资者（也就是「差异认知」），而我们将继续看到那些把污迹当成星星的投资者遭受惊人的资本毁灭。价值投资不等于基本面投资我认为有一种被误解的观点：基本面投资在历史上主导了超额收益的创造。这种传说大多来自格雷厄姆、巴菲特、老虎基金一脉，以及围绕这群人构建的大量叙事。人们相信，到了 2000 年代的某个时候，这种方法不再有效，任何这样投资的人都被动量、趋势以及「直接买科技巨头」碾压。结论曾经（现在仍然？）是「基本面已死」。²现代版的「基本面不重要」本身并不愚蠢。它植根于我们 Compound 团队许多人以前写过的很多想法。最大的公司获得最大的机械性买盘，软件行业存在赢家通吃的经济规律，AI 意味着巨头能比挑战者更快地把规模转化为护城河，而且还有市场微观结构的原因让动量更深入地嵌入我们的市场基础设施。这些都是真...

1天前深潮TechFlow#美股

Sign 与 IBM Research、法国央行加入 Panurus

比推消息，Linux Foundation Decentralized Trust（LFDT）宣布，Sign 的代码已合并入 Panurus (previously Hyperledger Token SDK)。该项目旨在提供一套开放、中立的代币化开发框架，帮助机构在不同链与系统间发行和管理数字资产。随着金融机构与公共部门加速代币化。其他贡献者包括 IBM Research、法国央行与 Offchain Labs。

3天前
从Meta走出的Fireworks聊开源与闭源，谁会胜出？

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

IBM 与 OpenAI 就企业 AI 部署达成合作

比推消息，据彭博社报道，IBM 与 OpenAI 签署战略合作伙伴关系，以加速企业在核心业务中的安全 AI 部署。与 OpenAI 的联合上市合作，将 GPT-5.6、Codex 和 ChatGPT Work 等前沿模型嵌入 IBM Consulting 的 AI 交付平台，服务于企业客户。IBM 将推出专门的 OpenAI 业务部门（OpenAI Practice），配备数千名经过认证的顾问和工程师。合作目标涵盖金融服务、政府、电信和零售行业，以及企业财务和人力资源等领域。IBM 在相应框架下加入 OpenAI 精英合作伙伴层级。IBM 美股盘前涨约 1.6%。

9天前
【比推每日新闻精选】OpenAI暂停新模型Astra开发，担忧其具备关键网络攻击能力；SemiAnalysis 唱衰谷歌 DeepMind：已经不算最前沿 AI 实验室了；摩根大通上调科技债发行预期，今年发债规模将超过5000亿美元；非农爆冷引发华尔街分歧加剧，市场目光转向下周 CPI

【比推每日新闻精选】OpenAI暂停新模型Astra开发，担忧其具备关键网络攻击能力；SemiAnalysis 唱衰谷歌 DeepMind：已经不算最前沿 AI 实验室了；摩根大通上调科技债发行预期，今年发债规模将超过5000亿美元；非农爆冷引发华尔街分歧加剧，市场目光转向下周 CPI

每日 AI · 加密 · 宏观 · 市场 要闻， Bitpush 帮你划重点 ↓AI · 动态【OpenAI暂停新模型Astra开发，担忧其具备关键网络攻击能力】比推消息，据Axios报道，OpenAI表示，不能排除其即将推出的模型Astra具备“关键性”网络能力，这促使OpenAI扩大安全测试范围，并暂停不符合更严格安全要求的内部活动。这是人工智能模型网络能力快速提升的最新迹象。OpenAI表示，在对即将推出的模型之一Astra进行内部评估后，“我们无法排除其具备关键性网络能力”。在发布Astra之前，OpenAI将扩大针对该模型的测试和安全措施，并按照公司2023年首次发布的“准备框架”要求，放缓Astra的开发进程，直到建立适当的安全防护措施。OpenAI还表示，Astra并未参与Hugging Face漏洞攻击事件。这可能是首个人工智能前沿实验室因网络安全担忧而承诺放缓自身AI模型开发进程的案例。【SemiAnalysis 唱衰谷歌 DeepMind：已经不算最前沿 AI 实验室了】比推消息，SemiAnalysis 最新报告直接判定，谷歌 DeepMind 已经不再是最前沿 AI 实验室，未来重新做到 SOTA 的概率也降到了零。它认为，DeepMind 正同时失去顶尖人才和算力。Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 最新集体离开谷歌创业。此前 Gemini 联合负责人 Noam Shazeer 已转投 OpenAI，诺奖得主 John Jumper 加入 Anthropic。算力也被大量卖给竞争对手。SemiAnalysis 估算，2026 年第三季度到 2027 年第四季度，超过 20% 的 TPU 出货会直接卖给 Anthropic，相当于把大量稀缺算力长期锁给 Gemini 的对手。SemiAnalysis 最终把问题归到谷歌官僚、缓慢、战略保守的组织文化。它甚至把今天的谷歌类比 IBM 和 Intel：技术能力依然很强，也还能赚更多钱，只是最难、最冒险的那场技术竞赛，可能已经不再是公司的第一优先级。【寒武纪：上半年净利润23.11亿元 同比增123%】比推消息，人工智能（AI）芯片公司寒武纪发布公告称，2026年上半年营业收入59.96亿元，同比增长108.13%。归属于上市公司股东的净利润23.11亿元，同比增长122.61%，上年同期净利润10.38亿元。扣非净利润21.66亿元，同比增长137.30%。加密 · 市场【摩根大通上调科技债发行预期，今年发债规模将超过5000亿美元】比推消息，摩根大通预计，今年科技相关企业债券发行规模将超过5000亿美元。该行将2026年科技、媒体和电信行业债务发行规模预期从此前的4500亿美元上调至5400亿美元，理由是大型科技企业增加支出正在引领人工智能投资周期。摩根大通策略师埃丽卡·斯皮尔领衔的团队周五在报告认为，以芯片为支持的融资将成为支持AI基础设施建设的“下一个主要前沿领域”，到本十年末，其规模可能“扩大至数万亿美元”。摩根大通已识别出七个除目前已完成融资的六个项目之外的投资级数据中心融资机会，其中四个预计将来自甲骨文和OpenAI。该行预计，Meta Platforms将在公布第三季度财报后重返债券市场，而微软则被视为“最大的不确定因素”，可能自2017年以来首次向债券投资者融资。【Bybit 就 15 亿美元黑客攻击起诉朝鲜及 Lazarus Group，并获资产冻结令】比推消息，加密货币交易所 Bybit 已对朝...

14天前Wendy#比推每日精选

SemiAnalysis 唱衰谷歌 DeepMind：已经不算最前沿 AI 实验室了

比推消息，据监测，SemiAnalysis 最新报告直接判定，谷歌 DeepMind 已经不再是最前沿 AI 实验室，未来重新做到 SOTA 的概率也降到了零。它认为，DeepMind 正同时失去顶尖人才和算力。Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 最新集体离开谷歌创业。此前 Gemini 联合负责人 Noam Shazeer 已转投 OpenAI，诺奖得主 John Jumper 加入 Anthropic。算力也被大量卖给竞争对手。SemiAnalysis 估算，2026 年第三季度到 2027 年第四季度，超过 20% 的 TPU 出货会直接卖给 Anthropic，相当于把大量稀缺算力长期锁给 Gemini 的对手。SemiAnalysis 最终把问题归到谷歌官僚、缓慢、战略保守的组织文化。它甚至把今天的谷歌类比 IBM 和 Intel：技术能力依然很强，也还能赚更多钱，只是最难、最冒险的那场技术竞赛，可能已经不再是公司的第一优先级。

15天前

Jim Cramer 称将清仓比特币，担忧量子计算 3 年内威胁其安全

比推消息，前对冲基金经理、CNBC 节目主持人 Jim Cramer 表示，由于担忧量子计算威胁比特币安全，他计划出售所持全部 BTC。其表态源于对 IBM 董事长兼 CEO Arvind Krishna 的采访，后者称，投资者应警惕量子计算在未来 3 至 4 年内对现代密码学构成挑战。Cramer 认为，量子计算可能在相近时间内威胁比特币网络。不过，目前尚无人独立确认其持有多少 BTC，或其是否已经完成出售。其表态后，比特币仍在 63,764 美元附近正常交易，部分市场参与者则再次将其观点视为反向 Cramer信号。比特币使用基于 secp256k1 曲线的 ECDSA 签名机制，理论上，足够强大的量子计算机可利用 Shor 算法从公钥推导私钥。风险主要集中在已暴露公钥的地址，包括重复使用地址、早期钱包格式，以及交易广播后尚未确认的短暂时间窗口。研究人员估计，约 600 万至 700 万枚 BTC、占供应量约 30%，可能处于该类别。Google Quantum AI 今年 3 月估计，破解相关密码机制可能需要少于 50 万个物理量子比特，较此前预测降低约 20 倍。但当前量子系统通常仅拥有数百至数千个物理量子比特，具备更高可靠性的逻辑量子比特数量更少。多数研究人员预计，真正具备密码破解能力的量子计算机可能要到 2030 年代甚至 2040 年代出现，因此 Cramer 的 3 年预测明显早于多数技术预期。

18天前