很多人吐槽数据中心没什么门槛，就是买显卡租算力。 但最近马斯克的话，和其他一系列事情恰恰证明了，数据中心就是绝对的大户游戏，门槛非常高。 1、首先你要搞定NVDA，能抢到稀缺的GPU资源 2、你要有良好的当地政商关系，能快速搞定土地审批、电力建设这些东西 3、你需要有非常强的融资能力，你要用最低的成本融到最多的钱，且尽量少付出代价。 如果你企业本身实力不行，你就被迫需要签署长期的算力租约，因为你需要用长约去证明你的长期偿债能力。这里最典型的就是Coreweave，他们的长期租赁合约占比就很高，导致每GW的营收比别人低。 别人是谁呢？——SpaceX 同样的数据中心，SpaceX能一年回本，有的人要2-3年，这里面的核心区别就是短期和长期租约的价格。 1GW算力短期可以按照300-400亿一年的价格往外租，但是长期就只能100-200亿。回本周期直接差了一倍。

【复盘与展望】 美股 具体行情走势不用说了。SOXX八连跌，特别周五的下跌是放量，且量大于周四V反的那根。整体上从K线上看也是非常难看的形态。 SOXX当前处于一个非常重要的支撑位，这里下周如果继续走低，技术形态上看就是走熊了。 这轮下跌的原因可以这么分： 一个宏观因素：CPI、PPI超预期， 两个行业因素： 1、OpenAI、Anthropic的营收增速没有非常炸裂。 2、Neocloud公司们的债券暴跌，收益率飙升，高利率环境下，AI的债务问题再次被摆上台面 最后归根到底，市场还是在问，AI到底他妈的有没有泡沫。 这个问题几乎没有人能准确回答。 空头的角度是： 从数据上看，O、A两家三季度的营收数据出来后，2026年整个AI行业模型端的ARR大概就是2000亿美金的水平 然后整个云CapEx的支出是7000亿-8000亿。 高盛算过云巨头至少需要有3000亿美金的相关收入才能匹配上他们的资本支出。目前的缺口是巨大的。 多头的角度是： 当前的收入被基建限制了，所以要大力投数据中心，数据中心跟上收入还会爆炸。 AI的发展速度我们无法想象，anthorpic营收去年到现在增长了十倍，只要AI收入远远高于CapEx增速就行。 黄仁勋最新的访谈把英伟达GPU拆成了三部分：三分之一来源于基础与传统计算这部分与AI几乎无关，三分之一来源于前沿实验室、云计算。三分之一来源于初创企业包括医药、物理AI、材料学等等。 也就是说前沿AI实验室对半导体的需求可能就贡献了三分之一左右。 所以最后这个问题就变成了一个很主观，短期无法证伪的事情，这也是波动的源头。 这种时候不妨拉长一下视角，如果看不到未来，不妨回头看一下。今年年初的你，能想象到今天AI的样子吗？ 三月份全民fomo牛逼到不行的Openclaw，现在还觉得牛逼吗。如果你每三个月都觉得之前的那个AI版本太傻逼，交互模式太落后，这是不是已经说明了一些东西。 你跟AI的交互模式还是在那个聊天窗口问问题吗？你一个人已经管理了多少个Agent了？ 当然还有另一种可能，也是我觉得当前市场在定价的剧本。 AI的收入增速会在不远的将来慢下来，AI的训练会遇到瓶颈，然后巨额的资本开支导致算力供给在未来几年大于了需求。导致部分neocloud公司被出清，然后AI训练瓶颈被突破，AGI到来，AI二次爆发，AI行业继续向上。 只有这个剧本能解释为什么neocloud大幅度跑输微软、亚马逊这些云巨头。因为他们的收入来源单一，抗风险能力差，需求端一旦出现问题，他们就会被高杆杆反噬。 我不知道这种可能会不会发生，但每次AI泡沫论开始发酵，这个剧本总是被摆上台面，前段时间是甲骨文，最近是Coreweave。 总结一下，我觉得市场对neocloud的担忧是合理的，高利率环境下neocloud们持续的融资能力受到质疑非常合理，但我认为AI泡沫化的理论不太合理。最近的下跌源于行业和宏观的双重压力下的一次恐慌式出清。下周大概率美股能见底。如果下周还能有一次类似周五的恐慌式下跌，我会毫不犹豫的买入。 Crypto BTC硬到我这个死多头都觉得有点不可思议了，这周有宏观的利空CPI、PPI超预期，有MSTR被踢出MSCI指数的预期。这些因素换到以前一定会给BTC带来至少5%-10%的跌幅。唯一的利好是长债收益率下降了。 这里就衍生出另一个事情。长债的收益率飙升部分原因来源于AI融资抢走了部分债券市场的资金。如果市场预期AI增速放缓，则意味着未来的资金不会这么短缺，所以长债利率会下行。 听起来有点绕，但很好的解释了为什么最近股票跌，长债利率也跌。国债利率下降对于BTC来说是明显的利好。 所以某种角度上国债利率当前被半导体科技股绑架，同涨同跌；BTC反而在对冲。 当然宏观方面我就是半瓶醋，不多聊了。 目前交易所大多数标的还是在高位我觉得盈亏比一般，除非大跌接针，不然现在性价比太差了。万一BTC来个补跌，山寨起码都是-20%起。 还是专注链上以小博大吧。

整理下目前的理解： AI生物制药主要利好药物发现，药物发现主要有三个环节： 1.靶点发现 2. 化合物筛选 3. 候选药物确定。AI在里面的功能主要就是把化合物筛选和靶点发现这一块的时间缩短，可能原本要四五年的事情缩短到几个月搞定。之前的逻辑是把点发现了之后，可能要去几千上万个库里面，一个一个找相应的分子去试。现在的话就不需要人工来做这个事情了，就可以直接通过AI来做。 但这个流程只是药物发现的一个比较小的环节，后面还有临床一期、二期、三期，非常漫长的审核期。这一块是AI没有办法去加速的，因为都是要在物理世界完成的。 然后这块业务相对于后面临床以及正式大批量的药物上市来说，体量完全不在一个级别，所以我们会发现，所这里面很多相应的公司其实绝对的市值其实跟那些大型药企来比，其实都很低。这倒不是因为他们在一个很早的阶段，而是因为其实本身这一块的业务，它的体量就没有非常大。 然后按照现在的瓶颈理论，AI 明显压缩的是临床前早期，不是整条新药周期。靶点假设、苗头化合物、先导优化，确实可以从过去常见的 4–6 年压到 18 个月左右。 目前的主要瓶颈在湿实验，因为分子发现的速度变快了之后，那就需要物理端现实世界的湿实验来落地去测AI发现的分子是否有用。这块的主要公司有晶泰科技、Recursion（RXRX）这两家是做自动化湿实验平台、Twist Bioscience（TWST）、金斯瑞这两家是做合成和试剂的。 都属于铲子公司，就是分子发现的越多他们越赚，但至于最后的结果怎么样就跟他们无关了。这点其实和早期的半导体炒作挺像的，就是你AI到底有没有用，落地商业化怎么样，其实不关键。 但是你在训练AI的时候，就已经需要去整个半导体产业链上面去买芯片，去买存储了。 到AI生物制药这块，那就变成你AI生物制药最后能不能造出临床上可用的药，或者说提高这个可用药的比例或者效率是怎么样的，我还不确定。但是你因为分子发现的速度变快了，那你最后去给这些分子做湿实验。要用到的试剂的需求肯定是变大的。