Publicar

#AI降速争议未退，算力投入继续加码 AI降速的争议还没结束，算力投入却没有踩刹车。市场真正该看的，不是模型发布频率，而是谁还在为下一轮训练和推理持续买单。 $NVDA 仍处在算力链核心，但客户已经不满足于只买通用GPU。$GOOGL 加码TPU，$AVGO受益于定制芯片和高速网络需求，说明AI基础设施正在从“拼芯片数量”转向“拼整套系统效率”。 存储端同样关键。$SKHYNIX 、$MU、三星围绕HBM扩产，AI服务器还需要更多DRAM和企业级SSD。模型越大、推理越频繁，数据搬运和存储瓶颈就越明显，$SNDK所在的闪存链也值得持续观察。 不过，资本开支增长不等于每家公司利润同步增长。芯片交付、机柜上电、客户实际使用率，以及AI收入能否覆盖折旧和电力成本，才是下一阶段的检验标准。 AI没有因为“降速”争议停止烧钱，但市场会越来越在意：这些算力，究竟能创造多少现金流？