2026 年 7 月 19 日，摩根士丹利发布了一篇关于 SpaceX 的简短研究笔记，由知名汽车与太空行业分析师 Adam Jonas 执笔。报告提出了一个理解 SpaceX 商业模式的全新框架——$i = er^2$（智能 = 能量 × 机器人²），将公司的本质定义为”将能量转化为智能”。报告维持对 SpaceX 的 Overweight 评级，目标价 $300（当前价格约 $135）。

这篇报告的价值不在于财务预测的更新，而在于它提出了一套评估”智能经济”中公司竞争力的方法论：通过三个嵌套商数，逐层剥开智能产出的能量密度、资本密度和时间密度。

TL;DR：

1. $i = er^2$ 是摩根士丹利为 SpaceX 构建的底层叙事框架——生命的本质是将能量（$e$）转化为智能（$i$），机器人（$r$，即物理世界的执行能力）以平方级放大这个转化。SpaceX 的火箭、卫星和 AI 集群，全部服务于”以最低能量、最低资本、最短时间生产智能”这一个目标。
2. 三层嵌套商数（$i/w$ → $(i/w)/$→ $((i/w)/$)/t$）是衡量智能密度的方法论，分别考验公司能否省电、省钱、省时间。最完整的公式 $((i/w)/$$)/t$ 定义为：在正确的地点、正确的时间，用最低价格交付最高能效的智能。
3. SOTP 估值 $300 中，Enterprise AI 占比最大（51%），但被打了 50% 的执行风险折扣。去掉折扣后隐含量约 $452——信与不信之间，差出 3.3 倍上行空间。
4. 最大的上行/下行变量是星舰复用节奏。它决定了 $r^2$ 能否兑现、决定了 Starlink 的现金流厚度、决定了 Enterprise AI 的 time-to-power 优势是否存在。它不是风险清单上的一条——它是整张清单的总开关。

2026 年 7 月，一篇独立研究报告深入分析了存储稀缺与开源模型平价对 AI 产业格局的双重冲击。报告的核心判断是：AI 产业已从增长叙事转入”走廊”区间——崩溃风险（25%）与寡头稳态（25%）呈共模态分布，商品化冲击并非尾部风险，而是与基准情形等概率的结构性威胁。

这份报告认为，2026至2030年间，AI行业将同时受到DRAM/HBM价格飙升、开源前沿模型（如GLM‑5.2）出现、推理效率大幅提升（如接近香农极限的KV缓存压缩和轻量级本地运行环境），以及Meta和xAI等“前AI实验室”凭借价格重估前囤积的算力进入算力转售市场这四股力量的冲击。量化分析显示，现有玩家因拥有已摊销的旧机群，在内存带宽成本上对新入局者拥有结构性优势，且该优势不会随时间消失——按每PB内存带宽的美元成本计，差距从2026年的3.2倍缩至2027年的1.9倍，之后若HBM价格在2028年正常化则重新扩至约3倍，若短缺持续至2030年则超过4倍。训练成本则分化为奢侈级与大众级，前沿模型单次训练成本到2030年将达180亿至380亿美元，而通过强化学习和蒸馏复现上一代能力的成本却降至约500万美元，两者差距从当前的约40倍扩大至三到四个数量级。新基础设施的偿付能力被限制在极窄的通道内——在既定建设规模和每年30%的字节效率提升下，总token需求必须连续四年维持约2倍的年增长，且封闭模型的溢价定价须保持绝对价格的刚性，一旦偏离任一维度，2028‑2029年交付的产能将成为最脆弱的“高危年份”。

本篇文章是对 SemiAnalysis 报告的思考，原文翻译请看：AWS 的秘密：Anthropic 增长与 Bedrock 组合推动 AWS 利润率攀升，同行落后

2026 年 5 月 28 日，SemiAnalysis 发布了一份付费报告，发现 AWS 经营利润率环比攀升了 213 个基点。是什么驱动了 AWS 的利润提升？

在展开分析之前，先讲清楚 SemiAnalysis 发现了什么。这份报告的核心逻辑可以拆成四个部分：现象上来看：AWS 的利润曲线出现了拐点；从结构上来看， Bedrock 贡献了 30% 的利润增量；从驱动力上来看，Anthropic 是核心动力；从竞争上来看，各家大相径庭但 AWS 占据竞争的中心。所以我们可以总结道：

AWS 的利润率攀升不是一次性的财务优化，而是一场从”出租算力”的 IaaS 商向”分销智能”的 AI 平台商的深层商业模式迁移。这不再是谁更早建好数据中心的问题，而是谁同时掌握了分销渠道权、自研芯片能力和客户工程深度的问题。AWS 是唯一在三层博弈中同时落子的玩家。

本文为 SemiAnalysis 2026年5月28日付费报告的中文原文直译，由博客作者整理，供读者参考。

亚马逊 Bedrock 组合与 Anthropic 交易条款共同展现了更强的运营杠杆。

过去几个季度，其他云服务提供商的运营利润率持续下滑或持平，而亚马逊 AWS 的利润率却在上一季度出现拐点，主要得益于客户通过 Bedrock 平台对 Claude 的支出增长。AWS 在第三方模型 API 支出中占据更高份额、Anthropic/Bedrock 的交易结构设计，以及 Anthropic 在 2026 年第一季度超预期的年度经常性收入表现，共同推动其息税前利润率环比增长 213 个基点，而其他云服务提供商则表现滞后。

SemiAnalysis 在全新的 Tokenomics 2.0 模型中揭示了 AWS 如何领先同行，并找到了提升利润率的强劲途径。模型估算了超大规模云厂商和 AI 实验室每个业务板块的季度收入、利润、投资资本回报率及算力需求，例如 Gemini API 的收入与利润率、 Microsoft Copilot 的年度经常性收入、OpenAI ChatGPT 各订阅计划的收入等。

2026 年 2 月，SemiConductor 针对存储产业继续深入分析。

存储芯片行业正经历一场由人工智能驱动的结构性短缺，其规模与持续时间均属罕见。报告核心结论指出，存储芯片价格已大幅上涨且远未见顶，供需失衡的紧张局面预计将持续至2027年甚至更久。

博客作者对 SemiAnalysis 文章做了解读，并做了总结。并没有按照原文进行全部直译，需要精确文章内容的读者请自行寻找原文。

2026年1月，J.P.Morgan 发布了关于 AI 科技的 2026 展望，取名为 Smothering Height（令人窒息的高度）。

四家超大规模科技企业及其所依托的半导体生态企业，市值在短短数年间从 3 万亿美元攀升至 18 万亿美元；而自 2022 年 11 月 ChatGPT 推出以来，范围更广的 42 家人工智能相关企业贡献了标普 500 指数 65% 至 75% 的营收、利润与资本支出。这道护城河真的坚不可摧吗？

博客作者对图文做了深度的解读，并做了总结。并没有按照原文进行全部直译，需要精确文章内容的读者请自行寻找原文。

文章翻译自 《赤いメモリの潮流：長鑫存儲（CXMT）の戦略的分析とDRAMを巡る地政学的闘争》。

随着中美之间地缘政治竞争的日益激烈，全球半导体产业正面临结构性转折。在这一冲突的核心地带，DRAM（动态随机存取存储器）作为计算机、消费电子设备以及人工智能（AI）不可或缺的基础技术，正成为关键战场。尽管西方媒体长期以来主要关注华为和中芯国际等逻辑半导体公司，但在存储器领域，长鑫存储技术有限公司（以下简称CXMT）的快速崛起正在引发一场静默而深刻的“地壳运动”。

2025年12月，OpenRouter发布了基于其平台100万亿Tokens使用数据的实证研究报告，全面揭示了当前真实的AI交互模式。这些发现极具启发性，为数据驱动的LLM系统设计与优化提供了重要参考：报告深入分析了开发者和终端用户在不同任务中调用模型的情况、模型与任务的双向匹配关系、使用模式随地理区域和时间的变化规律，以及定价和新模型发布等外部因素对用户行为的影响。

本文重点分析开源生态、智能体发展趋势和用户留存机制，省略了OpenRouter关于地理区域（因缺少中国样本）和成本定价的分析（后续单独讨论）。

本文基于 SemiAnalysis 2025 年 11 月报告，聚焦谷歌 TPU 的技术升级、商业化进展及产业链布局，分析其对 AI 硬件竞争格局的影响。核心围绕 TPU v7 的性能突破（逼近英伟达 GPU）、成本优势（TCO 更低、利润率更高）、ICI 架构的扩展性创新，结合谷歌与 Anthropic、WULF 等的关键交易，阐述 TPU 从内部使用走向全面商业化的转变。同时梳理了 TPU 产业链生态，对比英伟达 GPU 生态，凸显谷歌在 AI 算力硬件领域的差异化竞争力，预示其将成为英伟达在 AI 训练 / 推理硬件市场的核心竞争对手。

分析当前主流大模型的价格趋势。