英伟达联手华尔街六巨头设立5000亿美元算力融资平台

英伟达联手华尔街六巨头设立5000亿美元算力融资平台 英伟达通过提供残值担保的供应商融资机制扶持独立算力云，旨在引入第三方资本抗衡超大规模云厂商自研芯片，并以超长使用寿命彻底击碎空头的GPU折旧伪命题。 节目深入剖析了英伟达联合阿波罗、贝莱德等华尔街六大基建巨头设立5000亿美元独立融资平台的深层逻辑，指出英伟达通过提供最高25%的残值兜底展开供应商融资，旨在扶持CoreWeave等独立星云企业抗衡大云厂商自研芯片。针对迈克尔·贝里等空头的折旧看空论，内容引用A100芯片服役超6年且合同续签至2029年的实际案例，论证了芯片实际经济寿命长达9年以上并彻底粉碎了快速贬值的伪命题。此外，节目结合CoreWeave超预期的最新财报，展示了在手订单暴增至千亿美元、工业巨头与量化机构全面进场采购的现状，印证了AI算力落地的长期确定性。 英伟达联手阿波罗、贝莱德、黑石等华尔街六大基建巨头，成立独立融资平台调动逾5000亿美元第三方资本，为全球人工智能算力基础设施建设提供长期资金支持。 (0:08) 针对大云厂商自研芯片竞争与星云企业高昂的扩建成本（1 GW数据中心达600亿美元），英伟达通过提供最高25%资产残值担保撬动华尔街低成本贷款，锁死借贷尾部风险。 (4:50) 商用6年的A100芯片仍被客户续约至2029年（使用周期达9年以上），结合CUDA软件生态对老卡的持续赋能，彻底击碎了华尔街空头关于GPU每两三年便贬值报废的折旧伪命题。 (1:45) 算力云龙头CoreWeave在手订单暴增246%至1040亿美元且4年以上长期订单占41%，高频交易巨头Jane Street不仅入股10亿美元更追加90亿美元采购大单，印证AI需求全行业扩散。 (11:28)

[1:45] 黄仁勋: 计算能力（算力）即收入 [1:45] 黄仁勋: 它们的价值并非一成不变，CUDA 可以持续提升其性能 [4:50] 黄仁勋: 人工智能基础设施需求现在异常旺盛，但资金获取却极其不平衡

[0:08] 赌上美国国运 [0:09] 5000亿的融资体量 [0:10] 华尔街基建这块所有的顶级机构全部一起下场为英伟达背书 [0:16] 今天我们就来聊一下这一次英伟达和6家基建公司之间的这个合作 [0:21] 他们之间为什么要合作 [0:23] 黄仁勋为什么要牵头去做这件事情 [0:25] 今天我们就把这一场赌上美国国运的一个豪赌 [0:29] 这一个协议本身我们去讲清楚 [0:31] 正好配合了在周二盘后发布财报的一个 call [0:34] we 我们把这两件事情放在一起去讲 [0:37] 欢迎大家来到一个每天不单只聊新闻的专业美股频道 [0:40] 我是市场分析师小涛 [0:42] 今天我就不多说废话 [0:43] 我们直接开始 [0:44] 开始之前大家记得留言 [0:45] 点赞加转发 [0:47] 周一有一条新闻出来之后 [0:49] 直接给市场炸锅了 [0:50] 黄仁勋英伟达宣布 [0:52] 他也写了一条 X 和阿波罗 [0:54] 贝莱德 [0:55] Blackstone 黑石 [0:56] Brookfield 高盛 [0:58] KKR 之间 [0:59] 这6家是世界上华尔街顶级的基建公司 [1:02] 每一家公司基本上喊出来都是有名号 [1:05] 和 KKR 之间建立了一个合作伙伴的关系 [1:08] 以建立独立的融资平台 [1:10] 调动超过5000亿美元的第三方资本 [1:14] 所以他们要做什么 [1:15] 他们要做的是建立一个融资平台 [1:17] 它并不是直接去作为英伟达的销售 [1:20] 然后帮英伟达去卖 GPU 并不是 [1:23] 因为这些机构背后都掌握了资金 [1:26] 都当当然不是他们自己的资金 [1:28] 是他们客户的资金 [1:29] 但是他们可以去建议他们的客户说 [1:31] 今天我有这个产品 [1:32] 你要不要来投资 [1:34] 那投资这个标的的背后可能就是因为它的 GPU 或者数据中心 [1:38] 所以第一点我们先确认他们之间的这个合作去建立了一个独立的融资平台 [1:45] 然后在这篇文章里面 [1:46] 老黄也阐述了当下的一个事实 [1:48] 当然他在一年前就甩出了这个观点 [1:51] 计算能力或者算力即收入 [1:53] 那现在我们在市场里面是实实在在看到了 [1:56] 且证明了他一年前的这个观点是完全正确的 [2:00] 现在整个市场里边的裸算力是非常的稀缺 [2:02] 这才会有了为什么 Meta 和 XAI 出售自己的这个裸算力给谁 [2:08] 给 Anthropic 而且 Anthropic 所收购的这个价格是非常的贵 [2:12] 那么直接导致于在 Spacex 的一个财报里面 [2:15] 他们有聊到他们的回本周期是小于一年 [2:17] 这就代表当下短期租赁的这个价格非常的贵 [2:22] 差不多在一年多以前 [2:23] 市场里面一直在讨论这个话题 [2:25] 包括每一个季度大科技的财报会里面 [2:28] 管理层也有聊到这一点 [2:29] 什么就是整个芯片或者 GPU 它的一个贬值周期 [2:34] 或者它的一个季检周期到底是多久 [2:36] 那大科技他们财报会里面有聊到 [2:39] 现在是根据订单 [2:40] 订单两年就是两年 [2:42] 订单三年就是三年 [2:43] 原本的这个假设是五年 [2:44] 就其他一些 GPU 的话 [2:46] 可能就是五年 [2:47] 而市场里面 [2:48] 空头的一个观点一直是认为 [2:50] 那这些 GPU 因为老黄 GPU 更新迭代这个速度非常的快 [2:54] 可能每两到三年就会进行下一个批次 GPU 的一个上线 [2:58] 空头的一个假设是 [3:00] 当有新的 GPU 有新的卡出来之后 [3:02] 旧的卡就完全不值钱 [3:03] 就没有任何的一个利用价值 [3:05] 所以当市场或者当这些公司 [3:08] 把原本老的这些 GPU 假设它的一个贬值周期是5年的这种假设是不合理的 [3:14] 因为他们认为新卡会淘汰旧卡 [3:16] 但其实我们从现在市场里面能够观察到这个结果 [3:19] 完全去证伪了当时看空的这个观点 [3:22] 包括到现在 [3:23] 那市场里面的大空头 Michael Barry 都仍然持有这样的观点 [3:26] 但是这个观点本身现在已经被证伪了 [3:28] 当然他可以持续这样的一个观点 [3:30] 那么可以说两年或者三年之后 [3:32] 他的一个观点就是真实的 [3:33] 但起码从我们现在能够获得的数据 [3:36] 直接去证伪了这个观点 [3:39] 比如说英伟达的 A100芯片就是一个强有力的例证 [3:42] 6年过去了 [3:43] 这一款芯片是在2020年推出的 [3:46] 6年过去 [3:46] 这款芯片到现在为止 [3:48] 仍然很多客户持续在部署 A 系列的这个芯片 [3:53] 那么使得 A 系列的这一个芯片的一个经济寿命延长至将近10年 [3:58] 那这是老黄的话 [3:59] 那正好今天在 Call of 的一个财报里面 [4:01] 他们有聊到他们的客户就原本 A100就 A A 系列的这个芯片已经到期了 [4:07] 合同已经到期了 [4:08] 但是他们有一个客户愿意把这个合同延长到2029年 [4:12] 就是2020年的芯片 [4:14] 现在已经有合同直接延到2029年 [4:18] 那也就是说 [4:19] A 系列的这款芯片 [4:20] 起码它的一个使用周期是9年以上 [4:23] 所以并不是新一款的芯片落地之后 [4:25] 以前的芯片就完全不值钱了 [4:27] 不然我们不会同时看到 [4:29] A 系列芯片在用 [4:30] H 系列的芯片在用 [4:31] B 系列的芯片也在用 [4:33] 老黄有说到 [4:34] 这正是 NVIDIA AI 工厂的一个独特之处 [4:37] 它们的价值并非一成不变 [4:40] CUDA 可以持续提升其性能 [4:42] 就是即使是老款的这个芯片 [4:44] 软件端这一块你得到了一个抬升 [4:46] 你也可以使旧的芯片在性能上得到抬升 [4:50] 前面我们聊到了 [4:51] 他们建立的是一个融资平台 [4:53] 那建立融资平台的目的是什么 [4:55] 是为人工智能工厂引入资金 [4:57] 老黄说到 [4:58] 人工智能基础设施需求现在异常的旺盛 [5:01] 但是资金获取却极其不平衡 [5:04] 这句话的意思是什么 [5:06] 包括整个这一次合作下来之后 [5:08] 你理解了他们一个合作的一个方向 [5:09] 你会知道其实是利好谁 [5:12] 利好这些 NeoClou [5:13] 利好没有办法去和这些 HyperScaler 大云所竞争的这些星云 [5:18] 为什么 [5:18] 因为大云 HyperScaler 他们的融资成本就要低很多 [5:22] 因为大云本身的业务非常的强劲 [5:24] 现金流非常的强劲 [5:25] 所以他们的融资成本就会低很多 [5:27] 当你的融资成本低 [5:28] 你自然就有一个优势在那边 [5:31] 而这一次英伟达和这六家公司合作 [5:33] 最终的一个目的就是为了这些星云去增加他们的一个竞争力 [5:37] 降低他们的一个融资成本 [5:39] 他解释道 [5:40] 许多优秀的人工智能公司 [5:42] 企业和人工智能云平台都对计算能力有需求 [5:45] 但目前尚无法获得快速构建所需的规模或融资成本 [5:51] 另外一点是我们现在发现这些大云 [5:53] 这些 hyper scale 他们都有自己的自研芯片 [5:57] 谷歌有 TPU 亚马逊有 trainin 连微软现在都已经开始在搞自研芯片 [6:02] 而未来又是一个 inference 推理的这个天下 [6:04] 那在推理的天下 [6:06] 从大云的这个角度去看 [6:07] 他们似乎会更加偏向于布局什么 [6:10] 布局自己的自研芯片 [6:12] 所以未来老黄如果还能够 [6:15] 还希望英伟达能够保持现在这样一个增速 [6:18] 那其他的这些星云必须要接受老黄的一个扶持 [6:21] 但是因为星云的体量上来之后 [6:23] 老黄单拿自己的这个 balance 拿自己这个现金流已经没有办法去扶持了 [6:28] 那么老黄已经是为了一开始为了 call with 去背书 [6:31] 然后，英伟达他也投资了很多其他的公司 [6:33] 他都投资 [6:34] 但是他投资的体量最多就是两个 billion 三个 billion [6:37] 未来你造一个 G 瓦是六十个 billion [6:40] CoreWeave 这一次财报 [6:41] 他们说2030年之前一共要布局8个 GWA [6:44] 那接下去起码还有5~7个 GWA [6:47] 5个 GWA [6:48] 你一个 GWA60个 B 连 [6:49] 5个 GWA 就是300个 B 连 [6:51] 那就这一家公司五个计划就需要300个壁垒 [6:54] 你说一家英伟达能够怎么复制下去 [6:56] 所以它能够唯一帮到他们的一些方法 [6:59] 能够帮到星云的一个方法就是去降低他们的融资成本 [7:03] 通过去扶持这些星云 [7:05] 通过去扶持这些现在融资成本很高的这些企业 [7:08] 来增加或者去卖出更多自己的 GPU 那这边就有一个非常重要的问题 [7:13] 市场也非常担心 [7:14] 这是不是一种循环融资 [7:16] 老黄又解释道 [7:17] 这项措施旨在解决这一担忧 [7:20] 我们将独立的 [7:21] 长期的资本机构引入人工智能的基础设施市场 [7:25] 也就是 [7:26] 他是希望引进第三方资金 [7:28] 然后通过第三方资金去为这些企业进行贷款 [7:32] 所以这并不是循环融资 [7:34] 但是这是不是我们叫做 vendor financing [7:36] 什么是 vendor financing 举个例子就 [7:38] 如果今天我去买一辆车 [7:39] 我去买一辆 GM 的车 [7:41] 那 GM 旗下它有车行 [7:43] 然后它又有一个借贷的一个业务 [7:45] 等于它借贷的业务 [7:46] GM 可以告诉我 [7:47] 今天你买我们 GM 的车 [7:49] 我们旗下的这个借贷业务可以给你更加便宜的一个贷款利率 [7:54] 这就叫做 vendor financing 非常标准的 vendor financing 就是 [7:57] 通过利率上的这个激励 [8:00] 让你来购买自己的产品 [8:02] 所以这一次的合作仍然是一个 vendor financing [8:05] 即使这个资金是来自于第三方 [8:07] 什么意思 [8:08] 英伟达为何会支持融资 [8:10] 那怎么去支持这个融资 [8:12] 他有聊到 [8:13] 在某些情况下 [8:14] 英伟达有可能会为项目提供最高可达25%的剩余价值 [8:20] 我们来举个例子 [8:21] 比如说我要去买一辆车 [8:22] 这辆车是10万 [8:24] 然后买车的时候我首付是1万 [8:26] 然后在行业里面有一个值叫做 LTV [8:28] Long to Value Ratio 什么意思 [8:31] 车十万 [8:32] 我首付首付一万 [8:33] 那 long to value 就是我要贷多少的款 [8:35] 就是或者贷款方要贷给我多少款 [8:37] 贷90%，所以这个 long to value 就是90% [8:41] 那这个 long to value 或者 long to value 这个价值越低 [8:45] 那贷款方所给我的这个利率就越低 [8:48] 能够理解吗 [8:49] 或者说我的首付比例越高 [8:50] 贷款的这个利率就越低 [8:52] 从贷款方的角度 [8:54] 他需要有更多的 equity 他需要你有更多的首付 [8:57] 对于他们来说就更加的安全 [8:59] 理解了 LTV 这个概念之后 [9:01] 我们再来举这个例子 [9:02] 比如说今天英伟达的芯片是100块钱 [9:05] 100块钱一块芯片 [9:06] 然后有一家星云 [9:07] 他签了一个订单 [9:09] 客户的订单是4年 [9:10] 客户说我需要一个 G 瓦的 [9:12] GPU 然后比如我们打这个打个比方 [9:14] 一个计划就是一百块钱 [9:16] 客户只能签四年的这个订单 [9:17] 但是我假设这个 GPU 的贬值周期是五年 [9:21] 那就是剩下的那一年的贬值周期 [9:23] 你是没有被 covered 的 [9:24] 你有可能是没有任何收入来源的 [9:26] 那就前四年四年订单 [9:28] 第五年你的这个现金流是没有办法保证 [9:31] 那这时候英伟达就会进来 [9:32] 他去保证 [9:34] 他说最多是25%的这个剩余价值嘛 [9:36] 所以他可以去保证最后那一年 [9:39] 如果你没有客户的话 [9:40] 我可以帮你去寻找下一个客户 [9:43] 那在这种情况下 [9:44] 他是为谁做担保 [9:46] 他是为那家星云去做担保 [9:48] 担保他第五年的这个现金流 [9:50] 那有了英伟达进来担保之后从贷款方 [9:53] 就从我们前面所提到的这六家公司 [9:55] 从贷款方这个角度去看 [9:57] 他们就能够因为英伟达为了这个尾部风险进行了背书 [10:02] 所以我可以把整笔贷款的这个利率往下调 [10:06] 那英伟达哪来的这个自信 [10:08] 他认为自己的这个计算资源是独一无二的 [10:11] 且它可具有这个替代性 [10:13] 普普遍互换性 [10:14] 普遍的这个采用性 [10:16] 软件可升级性 [10:17] 并且可以在庞大的客户生态中 [10:19] 生态系统中重新去部署 [10:21] 就今天 [10:22] 如果你未来 [10:23] 你现在的这个客户签了四年之后 [10:26] 第五年不愿意续了 [10:27] 那我可以完全把你这一部分剩下的算力给承接过来之后 [10:31] 帮你去找到另外一个客户 [10:32] 承接这一部分的算力 [10:34] 那在最坏的情况下 [10:35] 那如果第五年完全找不到任何的客户 [10:38] 其实对于英伟达来说并不是非常致命的打击 [10:41] 我举个例 [10:41] 就还是一样 [10:42] 前面100块钱 [10:43] 你想一下 [10:44] 因为现在英伟达的毛利润是多少 [10:45] 75% [10:46] 卖出去100块钱这个产品 [10:48] 四年用完了 [10:49] 那剩余的这个价值 [10:50] 我就算它保了20块钱 [10:52] 保了20块钱 [10:53] 最终这20块钱 [10:53] 它完全没有卖出去 [10:54] 一分钱都卖不来 [10:55] 那那就是它亏了20块钱 [10:57] 那他原来一百块钱毛利润百分之七十五 [11:00] 现在他再亏二十块钱的话 [11:02] 也就是他从原来的毛利润百分之七十五变成了百分之五十五 [11:05] 就还是赚钱的，对吧 [11:07] 当然，如果真的出现它的一个额外 [11:10] 或者多余的这个算力完全卖不出去的话 [11:12] 那那时候英伟达的这个毛利润可能也没有75% [11:16] 啊，所以这是相辅相成的 [11:18] 我只是给大家举个例子 [11:19] 就是对于英伟达就如果真的出现这种情况 [11:21] 对于英伟达的影响到底是什么 [11:24] 所以这件事情或者这次的一个合作本身没有那么的复杂 [11:28] 但有一点我非常钦佩老黄 [11:30] 他我今天刚看到这期采访 [11:32] 他在 CNBC 上把这6家公司的 CEO 全部集中到一起 [11:36] 去接受 CNBC 这个采访 [11:37] 那除了贝莱德的 [11:38] 啊，贝莱德的 CEO Larry Fink [11:40] 他是通过电话会议进去之后 [11:42] 你很难会看到 [11:43] 包括高盛的 CEO 也在里边 [11:45] 所有的公司 CEO 全部在里边 [11:47] 然后接受 CNBC 的这个采访 [11:49] 这就说明了老黄的这个号召力 [11:51] 真的是非常的强 [11:52] 从以前老黄带着整条行业链往前做 [11:54] 那包括美光都是老黄带着一起走的 [11:56] 如果不是以前老黄向美光说我接下去对于 Memory 这个需求非常的大的话 [12:01] 现在这个 Memory 价格的上涨 [12:03] 绝对不是现在我们所看到的一倍两倍 [12:06] 可能是四倍五倍的这样的一个上涨 [12:08] 所以他带着整个行业里一起往前走 [12:10] 提前去做这个投资 [12:11] 到现在带着华尔街一起往前走 [12:14] 我认为他的这个软实力和说服能力和口才 [12:17] 在华尔街里面 [12:18] 在在整个市场里面 [12:19] 没有任何一家公司 ceo 可以和老黄去媲美 [12:22] 那回到这件事情本身 [12:23] 其实没有那么的复杂 [12:24] 他就是建立了一个融资机构 [12:26] 那这个融资机构是通过这六家公司去牵线 [12:30] 当然未来他们可能会推出各式各样不同的一些产品 [12:33] 围绕着 GPU 围绕着数据中心去展开 [12:36] 使得会有第三方的资金进来 [12:38] 愿意去带给这些现在融资非常难的一些企业 [12:42] 包括了星云和一些更小的公司 [12:45] 在这个基础上 [12:46] 老黄去为这个尾部风险进行背书 [12:49] 去为4年和5年之后的这个风险进行背书 [12:52] 从而去降低这些企业的融资成本 [12:55] 使得他们可以去和这些大云去竞争 [12:58] 因为未来这些大云 [12:59] 他们可能布局是在哪里 [13:01] 布局是在自己的一个自研芯片 [13:03] 所以我觉得老黄其实思考的是比较远的 [13:06] 他起码已经在思考两到三年之后 [13:08] 那么随着 Inference 遍地开花之后 [13:10] 是不是对于 GPU 还有那么大的这个需求 [13:13] 特别从大云这个角度去看 [13:15] 他们的 incentive 他们的一个激励机制可能不在 GPU 身上 [13:19] 而是在自己的一个自研芯片身上 [13:20] 为了幸运 [13:21] 这些 Neo Cloud 可以和这些 Hyper Scaler 大云去进行竞争 [13:24] 老黄也是想尽了一切的心思去扶持他们 [13:27] 那当然扶持他们最终的目的 [13:29] 是能够使自己的 GPU 未来还是可以保持相当高的增速 [13:33] 带着这样的一个背景和视角 [13:35] 我们来看一下周二盘后发布财报的 [13:37] Cowin 星云和 NeoClou [13:39] 首先从数据来说 [13:40] 营收和盈利的这个增速还是不错的 [13:43] 就略微好于市场的这个预期 [13:45] EPS 比市场预期好了13% [13:47] 营收基本上是符合市场的预期 [13:50] RPO 订单这一块的增速非常的快 [13:53] 同比增速246% [13:55] 总共的体量来到了104个 billion 1040亿美金 [13:59] 同时还不包括第三季度刚刚所新签下的250亿美金，25 billion [14:05] 并且从未来订单的这一个占比去看 [14:08] 大于48个月 [14:09] 就大于4年的这个订单占比已经来到了41也就是他们所新签的这些订单 [14:14] 很多都是来自于一些中长期的订单 [14:17] 对于未来营收的这个确定性是一件好事 [14:20] 我们来看一下 Coveo 的客户 [14:22] 那它的客户不是仅仅来自于这些大模型公司 [14:25] 它的客户其实是遍地都有 [14:27] 比如说 Bentley System [14:28] 它是一家软件公司 [14:29] Caterpillar 我们都非常的清楚 [14:31] 它是一家工业板块的公司 [14:33] 那 Caterpillar 他们他们为什么要算力 [14:35] 他们用算力来训练自己的 physical AI 物理 [14:38] AI 再比如还包括了一些金融服务公司 [14:40] 比如说 Jane Street 那 Jane Street 它本身既投资了一个 billion [14:43] 投资了 equity 直接投资了 Cove 这家公司 [14:45] 然后还下了9个别的的这个订单 [14:48] 他们为什么要数据中心 [14:49] 因为他们是全世界最大的量化高频机构 [14:53] 最后是财报会议这边 [14:54] 第二季度他们所签的这些订单 [14:56] 比过去几个季度这个利润高了5%~10% [15:00] 原本他们的利润在20至25之间 [15:02] 现在加了5~10的话 [15:03] 那这个利润的上行空间最高到35% [15:06] 最低是30%，25~30 [15:08] 那为什么他们有这个议价权在那边 [15:11] 他们说到 [15:12] 底层的逻辑是我们的客户可以从他们的客户身上赚更多的钱 [15:16] 也就是 AI 的这个 [15:17] 因为他们是提供裸算力嘛 [15:18] AI 的这个落地非常的好 [15:20] 从业务分布这个角度去看 [15:22] 在卖裸算力的同时 [15:23] 他们还提供了模型优化服务 [15:25] 模型优化服务在过去这段时间我有聊过 [15:27] 市场里边发生两件事情 [15:29] 一个是模型优化服务 [15:30] 另外一个是硬件优化服务 [15:32] 那硬件优化服务体现在 GPU 和 HBM 之间的这个比率等等 [15:37] 那模型优化服务就是从公司这个角度 [15:39] 他们 token 的消耗量比以前还要高 [15:42] 但是花费是和以前一样的 [15:44] 为什么 [15:45] 因为他们选择了用一些闭源模型和开源模型的这个组合 [15:48] 那提供了这个服务 [15:50] 给科威其实也带来非常好的这个营收 [15:52] 在一个季度里边 [15:53] ARR 就从100万到了一个亿了 [15:55] 就一个季度里边要翻了100倍 [15:57] 就单单一个季度里边 [15:59] 他们预计在今年年底的时候 [16:00] 单这一块服务的一个 AR 可以达到2.5亿美金 [16:03] Two hundred fifty million [16:05] 接下去一点就是我前面说到 A100的这个合同延期到了2029年 [16:09] 那 A100是2020年的这个合同 [16:11] 也就是 A100现在的一个使用周期 [16:13] 那起码是这一组 A100使用周期达到9年以上 [16:16] 那最后希望通过今天这期视频 [16:18] 大家可以理解为什么老黄要去做这件事情 [16:20] 那他的目的是要去扶持这些星云 [16:23] 使得星云他们的融资成本下降 [16:25] 为了什么 [16:26] 为了星云未来可以购买更多老黄的 GPU 这第一点 [16:30] 然后第二点 [16:31] 我们从 NewCloud 的这一个 [16:32] 这一次财报 [16:33] 从 Cove 这个财报里面可以看到 Cove 的这个落地 [16:36] 包括他们新签订单的这个毛卷比以前还要高 [16:39] 这也是包括他们客户的一个分散程度 [16:41] 这也体现了现在的 AI 它不是简简单单在两家大模型身上 [16:45] 当然大模型是承担了比较多的这个营收比例 [16:48] 但是从分散的这个角度去看 [16:50] 其实各个公司都有 [16:51] 算是遍地开花 [16:52] 最后一点 [16:53] 在 Covid 的财报里面有聊到 [16:55] 在老黄的这篇 X 文章里面也有聊到 [16:57] 芯片本身 GPU 的它一个使用周期 [17:00] 绝对不是三年 [17:01] 绝对不是下一代的芯片出来 [17:03] 上一代的芯片就没有任何的价值 [17:05] 恰恰相反 [17:06] 最早那一代的芯片一直用到现在 [17:08] 且市场的预期是可以用到2029年 [17:11] 最后是我们今天的服务 [17:13] 来自于 Seeking alpha alpha picks 量化选股策略 [17:16] 那过去一年 [17:17] 标普500回报了20% [17:18] 他们的量化选股策略是回报了50% [17:22] 这个量化选股策略每一个月会提供两次的建议 [17:26] 就是建议买入一些标的 [17:27] 然后每一个标的它都会进行跟踪 [17:29] 都会及时提醒到底是应该加仓还是减仓 [17:32] 现在正在举行活动 [17:33] 9折活动 [17:34] 原价是499美金一年 [17:36] 现在是449美金一年 [17:37] 那 Seekingalpha 的平台上还有另外一个 seekingalpha 的 premium 订阅 [17:41] 这一档 premium 的订阅 [17:42] 你可以看到他们平台上所有的投资文章 [17:45] seekingalpha 这个平台本身是在老外社区里边一个历史非常悠久的一个平台 [17:49] 上面有非常多的一些投研文章 [17:51] 在这个基础上 [17:51] 还可以享受他们那个 portfolio management [17:54] 一个整体投资组合的一个健康评测 [17:57] 它会告诉我们哪些标的 [17:58] 哪些风险可能是我们会忽略的 [18:01] 所以这一档订阅原价是299美金一年 [18:03] 现在是269美金一年 [18:05] 也有九折的这个优惠 [18:06] 并且还有7天的一个免费试用 [18:08] 可以先免费试用 [18:09] 如果不喜欢的话可以随时取消 [18:11] 当然如果大家对于这两个订阅都感兴趣的话 [18:13] 还有一个 combo 的一个价格 [18:14] 我会把这三个订阅全部放在置顶的留言里面 [18:17] 大家感兴趣的话可以在置顶的留言里面找到订阅的链接 [18:20] 那今天这期呢就到这边 [18:21] 我们下期见