market update

摘要

• 金老师把可持续的 Alpha 放在行业认知上，维持对 AI 与半导体的长期看多。 他两周前提示流动性风险，却没建议清仓，因为看见风险不等于能准确交易风险；在其量化经验里，散户频率下的单一量价因子很难提供稳定优势。过去5—8年，sell put 赚的主要仍是“市场涨的钱”；偶尔躲中两次下跌，也可能只是幸存者偏差。
• 他的核心判断是数据与半导体的调用正在加密，市场尚未准备好让半导体成为最大的产业。 从互联网把纸面数据搬进电脑，到移动互联网增加访问，再到 AI 高频调用，需求扩张的逻辑并不只取决于 chatbot 收入。半导体在他眼里是算力够不够的“零和一”：若真相信2027—2028年会砍单，TSMC、ASML及其上下游都无法独善其身。
• 他把本轮下跌归因于利率波动引发的流动性传导，反对用股价下跌倒推需求见顶。 路径是利率波动扩大，冲击 credit、主权 credit 与 FX，再由 credit 传到 CDS 和股票；他认为利率端的对冲及强平压力已经减轻。未来3—6个月关税效应下降也支持利率回落，但信用利差尚未修复，伊朗继续扰动油价仍可能让“上游的水源”重新打开。
• 他不认为 CoreWeave 会被 CDS 单独挤成另一家雷曼。 按其口述，该公司 PP&E 约460亿、净负债约300亿、现金约80—100亿，operating cash flow 为正且大概覆盖利息；约一半融资还有 GPU 抵押或云厂支持。他承认 CDS 上升会损害融资、形成负反馈，但判断较差结果更可能是减少投入，缺口仍可被其他买家吸收。
• 企业 post-training 是他认为市场尚未充分定价的需求来源。 通用模型需要吸收企业数据与 knowhow，才能从聪明的“博士生”变成能工作的员工，而且需要持续训练。他给出的微软相关需求量级是年初约20亿、目前约200亿；同时，短租和周末算力租金没有出现他所要求的过剩信号，因此不接受仅凭 Anthropic 增速放缓就宣布算力过剩。
• 他对 Labs 的长期价值判断，正从模型能力转向高价值场景中的数据积累与直接经营。 用户一边付费、一边贡献后训反馈，Labs 因而可能自己进入搜索、量化交易等业务。他已经卖掉 Google：原先担心的是搜索广告收入，现在连搜索效果的垄断也开始怀疑，“Search 赛道，你最后的效果也不确定是谁好谁坏”。
• 金老师预计 Anthropic 的 IPO 可能破发，同时强调模型公司与半导体可以走出不同结果。 他认为35倍或40倍 PS 不是交易成败的关键，降价25%所显示的融资迫切，以及 allocation 中长期资金与 hedge fund 的比例更重要。“不管它什么价格上市，它都有可能会破发”，并不等于他认定整个算力周期结束。
• 他对2027年卡、电、钱的准备较有信心，对2028年和中国供应链出海则保留不确定性。 按其了解，2027年不会因电力问题普遍砍项目，2028年“不知道”；中国光通信企业面临的潜在阻力，则可能来自境外建厂受限。中际旭创即使按提问者所说只有11—12倍明年 forward PE，产业能力与“供货的可靠性”仍须分别判断。

精读

1. 看见风险不等于拥有交易风险的 Alpha

• 金老师两周前提醒流动性可能变差，却没有建议清仓，因为当时上下行风险相对对称。其出发点是：“你不要瞎操作”，看见一个风险指标，并不代表能把它稳定交易成收益。
• 按其量化经验，implied vol、恐慌指数、盘口等单因子，在散户可执行的频率下很难提供可靠 Alpha；毫秒级交易、多因子组合，或掌握 prime broker、做市商仓位，则可能有优势。
• 他称过去5—8年唯一较有效的简单策略是 sell put，赚的仍是“市场涨的钱”；他认为 sell call 不赚钱，即使持续卖出，过段时间回头看也是这样。一年躲中两次下跌，就觉得自己厉害，往往混入了幸存者偏差。
• 基本面判断可能要两三年甚至五年兑现，不能拿来要求每天的价格配合。他用德州“开了底牌”比喻行业认知：若进场是为了吃 fundamental Alpha，“那你就拿着不要动”。

2. AI 周期的底层变化是数据调用密度上升

• 金老师把三轮周期串起来：互联网将纸面资料搬进电脑并连接起来；移动互联网让人更频繁访问积累的数据；AI 则让数据与半导体的接触变得更加紧密、频繁。
• 因而，他关注的不只是“AI 能干多少活”，而是数据、半导体再到能源的持续扩张。即使每个 token 的价格下降，也不能直接推出半导体需求下降。
• 他认为现在处于“end or beginning”：最初靠想象冲进去，等真实需求和资金出现，反而迎来质疑。他承认此前也怀疑过 AI 想象空间，如今判断 CSP 对企业需求的补充会更快。

3. 下跌的起点在利率与信用，需求质疑在后

• 金老师强调，三四周前利率上涨本身不是最危险的信号，利率 vol 同时上升、超过临界点才是。油价与利率挂钩后，战争带来的油价波动被传导到庞大的利率衍生品市场。
• 冲击蔓延至企业信用、主权信用及 FX；南美货币在股票下跌前已经很弱。他判断，两三周前欧洲债券市场的恐慌，甚至比当下股票市场更严重。
• 看空需求的叙事，相当于认定云厂下单不负责、TSMC及更上游订单都不可靠，进而给2027—2028年砍单定价。他不同意：“因和果不要倒置”——先跌、再质疑需求，与需求先坏掉是两回事。

4. 利率端开始止血，信用市场尚未恢复

• 金老师认为，这次 CPI 比上个月更难看，利率反应却较温和，原因主要是他所称的 convexity hedge 压力减轻。非农之后，十月加息已经“off the table”，并非几位联储委员讲话才改变预期。
• 他把 swaption 的集中平仓比作股票 gamma squeeze，并判断这轮挤压接近结束。利率更有均值回归特征，因此在当前高波动位置，“现在去卖 swaption，我肯定会去卖”。
• 其判断是“上游的水源已经断掉了”，但并不等于流动性宽裕：部分信用利差，以及法国、意大利、西班牙国债 spread 仍高。除非伊朗进一步制造冲击，他暂未看到源头继续恶化。

5. 对冲基金可能在流动性薄弱处猎杀杠杆仓位

• 金老师用“hunting elephant”形容短线交易：离中期选举约两周，市场又要为融资需求准备现金，财报前买家也不愿部署资金，资金便可能选择边缘市场施压。
• 周四、周五盘后密集出现的新闻，让他怀疑有人试图挤出已知的大额杠杆仓位。他明确把这称为自己的观察和判断，认为 AI 链条最脆弱的 neocloud 环节容易成为目标。
• 他与前高盛同事讨论的真正担忧，是 CDS 上升会抬高融资成本，再反过来制造危机。这个负反馈值得重视；但他认为当下做空短期较安全，拉长时间则风险很大，不能据此认定整个行业已经变质。

6. 2008年的关键是底层资产已经坏掉

• 金老师回顾，2008年 mortgage 的 delinquency rate 已经上升，损失先吃 equity、再吃 mezzanine，而 CDO 又由 mezzanine tranche 合成。他提到，CDO和super senior最终都可能亏约40%，底层现金流的问题是真实存在的。
• 雷曼还持有大量难以定价、彼此关联的衍生品，政府又放任杠杆集中平仓。他认为若当时提供流动性，局面不会发展成那样；当前 CoreWeave 既没有同等规模与关联度，也缺少相同的底层资产恶化，不能直接套用2008年。

7. CoreWeave 的信用判断要落到资产与融资结构上

• 谈到 CoreWeave，金老师称其约一半融资为 senior unsecured，spread 已涨到约15%；另一半是 secured、collateralized，或有云厂支持的融资，不能把所有债务视为同一种风险。
• 他口述 PP&E 约460亿，场地主要租赁，资产大部分是芯片、连接、电源等生产设备；净负债约300亿，现金约80—100亿。他让听众对照 H100、A100 的二手价格，判断这些资产实际能回收多少。
• 公司状态并不好，但他强调 operating cash flow 为正，“大概能覆盖利息”，并判断资产可以抵债。这与底层抵押物已出现现金流损失的 CDO，是其眼中的关键区别。
• 对于 CDS 能否直接将公司挤成 default，他说“我觉得不可能”。其设想的较差结果是减少投入、转让或打包出售项目；在算力与电力仍紧缺的情况下，他认为其他买家能够吸收相应需求。

8. 半导体押注算力短缺，美国与韩国的仓位条件不同

• 金老师把半导体归结为“零和一”：认为算力不够就是一，认为已经过剩就是零。真正砍单时，从设计公司到 TSMC、ASML 都会受影响，换到产业链另一端并不能避开同一个需求判断。
• 他选择“一”，理由是前端订单与更前端需求仍满，并称整体 forward PE 已回到 GPT 发布前水平。同时，他认为美国市场整体杠杆、仓位都不高，个别“大象”高杠杆不等于全市场如此。
• 对韩国，他仍认为存储紧缺，但不接受 margin 到90%的推演。韩国去杠杆后重建杠杆较快，相比之下，他觉得美国的仓位条件使其风险收益更有吸引力。

9. 三到六个月的利率判断押注关税效应退潮

• 金老师以十月不加息、十二月可能再加一次为观察框架，认为未来3—6个月关税效应下降较确定。去年十月政府关门可能干扰同比数据，因此他更重视十二月、一月的表现。
• 他解释，关税的滞后影响可能在今年三四月见顶，之后逐月减弱；对核心通胀的影响“大概零点八”，是很大一块。要继续制造通胀，得新增关税，不能重复计算原来那次提价。
• 油价同理：维持100与继续涨到150不同，后者取决于伊朗是否持续扰动，他承认不知道、但倾向认为较难。供给型通胀下，加息“不可能多生产一头牛”；他判断近期利率涨得过多，未来有回落空间。

10. 企业后训要把博士生变成能工作的员工

• 金老师的比喻是，再聪明的博士生，也不能每天拿“一本员工手册，加上四本 skill”反复阅读，就直接替企业工作。模型需要吸收企业自己的数据与 knowhow，后训需求因此不能只从 chatbot 增长推算。
• 提问者问 post-training 是否指 CSP 根据客户资料挑选垂类来训练，金老师先回答“不是，不是”；随后举例说明企业可以借助 Microsoft 或 Amazon，在自己的数据上训练模型。他给出的微软相关需求量级是年初约20亿、目前约200亿，并建议关注微软、Amazon 如何谈 corporate AI 需求。
• 企业可能更敢把资料交给服务多年的 Microsoft；他形容：“你比较敢交给 Microsoft，它服务你的 SaaS 多年，要偷你的数据早就偷了。”云厂的部署与客户场景，也是其竞争优势。

11. 高价值场景的反馈，比通用能力排名更能积累壁垒

• 金老师认为，用户一边付钱使用、一边贡献后训反馈，模型与数据形成双向循环。这使 coding 的先发优势难追，也让他判断中国模型厂中被低估的是字节，不是 DeepSeek：重要的是已经占据高价值场景。
• 他用自己的 BN 下单需求举例：多台服务器算完后，要在同一毫秒抵达同一 AWS 地点。早期 Anthropic 完全不懂这些调度 knowhow，如今简单描述就能做得“七七八八”，他自评效果强过有经验团队做一星期。
• 他也称，自己给较小模型标注网络小说资料、再训练后，写小说效果比通用模型更好。后训不是一次性工程，企业数据会新增、流程会改变；他同时承认，后训完成后采用小模型，推理需求也可能低于预期。

12. 卖掉 Google，源于对搜索垄断的判断改变

• 金老师原先认为，AI 不读广告，会损害 Google 搜索收入，但搜索能力本身仍是永远的垄断。现在他改了看法：“Search 赛道，你最后的效果也不确定是谁好谁坏。”
• 按其比较，去年其他搜索加总约为 Google 的0.5%，年初 Anthropic 使用的搜索约到20%；他猜测如今即使到70%—80%也“不奇怪”。他提到 Brave，并用香港地铁出口查询举例：OpenAI 有时比 Google Maps 更好用。
• 他的进一步推演是，Labs 积累足够反馈后可能亲自进入高价值业务，包括量化交易。即使 Jump、Tower、Jane Street，若面对懂筛因子又拥有更多算力的 Labs，也未必有优势；他说的是未来可能性，并非这些 Labs 已经全面入场。

13. Anthropic 增速放缓，尚不足以证明算力过剩

• 提问者提出具体反驳：Anthropic MoM 若降到约5%，平推年增约80%—90%，而未来两年算力规划翻倍，在 CSP 后训收入尚未披露前，市场的负面 equity story 是否有基本面依据。
• 金老师认为 Anthropic 降价不好，并拆出两种影响：per-token 价格可能受 OpenAI 价格战压制，开源模型影响则“还没有那么严重”；供给不足、部署进度也可能限制收入，不能直接等同于算力过剩。
• 他要求看租金验证：on-demand 短租至少应接近长约价格，才像供应过剩；目前短租仍紧，周末租金也没下降。他据此判断训练需求仍强，“那些说不要这么快训练模型的人”，基本上还在私下训练。

14. Anthropic 的 IPO 风险在融资需求和买方结构

• 金老师说“不管它什么价格上市，它都有可能会破发”。半导体只需判断算力够不够，前端模型公司却各有场景、竞争与商业化问题；微软、Amazon 的企业入口强，并不意味着独立 Labs 一样容易获利。
• 对降价能否改善交易的追问，他认为35倍与40倍 PS 没本质区别，情绪可以把估值推到50倍、100倍，也能砸到20倍。降价首先传递的是“很想融”、很 desperate。
• 他更重视 allocation：优质长期投资人抢不到额度、发行人不愿分给 hedge fund 的 IPO，通常更好。降价后很难挑买家；他以当年的 Facebook 为例，融资覆盖广泛、卖到 retail，不保证初期交易表现。

15. 中国模型限制可能推动更多自建算力

• 对中国模型可能限制使用或出口，金老师判断现有开源内容“关回去也没有用”，眼前、乃至往后半年都不会因此受影响。但他认为未来政策发生的概率较大，理由是决策体系中反对“领先技术需要管制”并不容易。
• 在需求端，他认为这反而可能令微软等企业从“备用一个自己的模型”，转向必须有自己的模型。既然企业后训是大头，就不能假设 DeepSeek 永远继续开源，自有模型与算力仍要建设。

16. 中国光通信的潜在阻力在境外供货可靠性

• 金老师称听到的政策风险，是中国企业去泰国等地建厂，可能被视为对美国妥协，因而遭遇境内阻力。他保留了不确定性，但担心这会影响中际旭创等公司继续担任美国 CSP 一线供应商。
• 即使最终仍由中国工厂生产，也可能转成经其他供应商分包，因为买家不仅看产能，还看“供货的可靠性”。他认为明年封装测试需求仍强、各环节缺货，短期业绩未必立即受损，但境外新增产能可能由别人建设。
• 提问者以中际旭创明年约11—12倍 forward PE、所谓 FCC 65%规定及东山精密港股 IPO 追问。金老师承认不擅长 A 股估值映射，也未给出东山对标 AAOI 的明确结论；他更确认中际的封装能力，同时强调中国方面的政策风险。

17. 2027年的卡、电、钱有准备，2028年仍未知

• 对美国电力审批、BE 装机上限会否导致砍项目，金老师回答：“明年不会，后年不知道。”站在2026年看2027年，他了解到主要 CSP 已有电力储备与替代方案。
• 他把准备拆成三件事：卡从哪里来大致确定；缺电时用已有未联网储备、燃气涡轮或 BE 等方案；融资和 operating cash flow 也已纳入计划，准备发行的债务约4,200亿。
• 他反对直接套用2000年互联网泡沫：当时部分公司想投就投、乱买服务器，而当前大公司是在测算需求与资源之后投入。这是他对2027年相对有信心的依据，并非对2028年作保证。

18. 华虹、中芯的改善空间与中国溢价要分别估值

• 金老师认为华虹、中芯都是不错的公司，但过去有客户要求制造 GPU、CPU，把 DUV“当 EUV 用”，多次曝光压低 margin。他说这家公司最近已不在“遥遥领先”的名单上；对于后续相关方向，两家公司的 margin 可能改善。
• 他仍坚持晶圆厂最终要看 PB：华虹约三点几倍，GFS 约两倍。提问者以国内“唯二的两个独苗”解释估值，他认可这里包含“中国溢价”，却不认为因此可以忽略其他市场的替代选择。
• 作为对照，他提出 Intel 的拆分假设：CPU 若按盈利5、20倍估值，对应100，晶圆厂的隐含 PB 就接近零。这是其估值框架，而非对 CPU 盈利已经兑现的陈述。

19. CRWV 的业绩缺口尚未解释，不宜自动升为重仓

• 对 CRWV 应算彩票还是重要仓位，金老师只回答自己的选择：“肯定不会把它当成一个重要仓位。”他卖掉 Google 后，也没有直接把资金全部转到半导体；相较之下，他愿意给 INTC 较大仓位。
• CRWV 的问题是，部分资金方按 TSMC 供应链订单推算出很好的业绩，公司却没有报出预期。究竟是有产能没体现，还是产能中途打折，他说“不太清楚”；虽然当前倾向看多，缺口仍未消失。
• 他提醒，同跌之后，其他基本面更确定的股票可能跌得更多，机会不能只按自身跌幅排序。若这轮是在猎杀杠杆，他认为听到大基金爆仓可能是买盘信号：“一般来说这种砸盘都是砸到有人死掉就结束。”

20. Intel EMIB 的瓶颈要区分封装良率与基板供应

• 最后一轮，提问者担心 EMIB 的基板与小硅片结构容易变形、影响良率。金老师纠正：“良率很好，没有问题”，他认为问题在供应商的基板良率，后果主要是可供基板不足、限制出货量。
• 提升这部分良率要靠供应商投入，Intel 作为甲方也须花钱推动；他用 HBM 作类比：“你是甲方，花钱就能提高。”按他听到的消息，目前供货应该 OK，但基板良率提升仍取决于供应商。