KeyFrame內部研究專用

🔴【每日要聞】震驚:中國今年失業增加4000萬!大空頭Burry激進做空成燃料,破防怒罵英偉達!OpenAI企業端利潤爆發,Anthropic想要2萬億IPO!|小翠時政財經 20260813

小翠時政財經·8月13日週四·45 min中文

三句話摘要

2026年8月中旬全球資本市場動態,重點分析美國通膨數據、科技股財報表現與中國就業危機。 美國通膨溫和、AI產業基本面堅實無泡沫,但中國就業危機日益深化——全球經濟格局在悄然調整,貧富分化和區域差異正在擴大。 通膨結構性分析影響貨幣政策:美國通膨主要源於住房(月漲0.1%卻貢獻CPI月漲2.3%)和能源外部沖擊(汽油跌2.9%),服務通膨放緩至3%,商品通膨持平0.8%。講者強調服務通膨未起意味著消費乏力、經濟可能衰退,因此降息而非加息才是正確選擇,加息反會加劇衰退。

重點整理

重點
  • 1

    通膨結構性分析影響貨幣政策:美國通膨主要源於住房(月漲0.1%卻貢獻CPI月漲2.3%)和能源外部沖擊(汽油跌2.9%),服務通膨放緩至3%,商品通膨持平0.8%。講者強調服務通膨未起意味著消費乏力、經濟可能衰退,因此降息而非加息才是正確選擇,加息反會加劇衰退。

  • 2

    AI產業基本面堅實無泡沫:三大上游廠商財報強勁超預期——Kokirn營收20億美元同比增34%、NBIS利潤率41-50%、司科營收173億同比增18%。訂單已排至2027-2028年、客戶預付款覆蓋資本支出50-60%,反映出算力緊缺程度真實存在,非泡沫。高空頭頭寸(NBIS 30%+)被財報點燃導致股價拉爆,佐證空頭本質上是燃料。

  • 3

    大模型商業模式從訂閱向分成轉變:OpenAI企業端年化收入增速達32%,正與IBM深度合作部署GPT等模型並實現利潤分成,學習Palantir結果收費模式。Anthropic擬60億美元收購Decart AI(AI視頻生成+芯片效率優化),意圖通過降低算力成本對抗價格競爭。預示大模型上市時財報會相當亮眼。

  • 4

    中國就業市場陷入結構危機:灵活就業已淪為失業掩護,3.2億人年增4000萬;外卖騎手月工作時長從9小時增至11小時、月收入反跌至6000-8000元(處境最差者月僅2000元);出租車司機機場排隊7-10小時才接一單。1000多萬大學生畢業失業,許多大學造假就業合同掩蓋KPI。

實用技巧與重點

乾貨
  • 通膨數據
  • CPI:7月同比3.4%(6月3.5%)、環比0.2%
  • 核心CPI:同比2.5%(6月2.6%)、環比0.2%
  • 住房:環比+0.1%貢獻CPI月漲2.3%;租金+0.3%;短期住宿-2.8%
  • 能源:環比-1.5%;汽油-2.9%
  • 食品:環比+0.1%
  • 商品通膨:同比0.8%
  • 服務通膨:3.0%
  • 美聯儲9月加息概率:35%(前日50%)
  • 2年期美債收益率:4.1%(下跌2基點)
  • Kokirn財報
  • 4Q營收:20億美元(同比+34%)
  • 調整後EPS:1.74美元(同比+74%)
  • 1Q指引營收:23億美元;EPS:1.95美元
  • AI數據中心業務:16.15億美元(占比79%、同比+59%)
  • 6英寸灵化硅產線:成本低於3英寸、毛利率提升、擴產提前一季度
  • 2027年目標:單季營收突破30億美元
  • 負面:經營現金流為負、資本支出11億、庫存增加11億美元
  • NBIS財報
  • 2Q營收:15.8億美元(同比+45%)
  • AI云業務收入:5.75億美元(同比+51%、占比98%)
  • 年化收入:30億美元(3月份時19億、3個月翻升57%)
  • 調整後利潤:2.36億美元;利潤率41%
  • AI云業務利潤率:接近50%
  • 新簽合同:4份大型合同(每份>1.1億美元)、總額環比增近4倍
  • 新客戶合同:同比增超9倍
  • 預付款比例:70%合同帶預付款、覆蓋資本支出50-60%
  • 黑酥AI芯片拍賣:成交價比最高報價高15%
  • 空頭頭寸:30%+
  • 司科財報
  • 4Q營收:173億美元(同比+18%、創紀錄)
  • 調整後EPS增長:23%;1.22美元
  • AI基礎設施訂單(本季):40億美元
  • AI訂單全年累計:93億美元
  • 傳統業務增長(剔除AI):25%
  • 經營現金流增長:27%
  • 新財年AI收入指引:75億美元(低於上年93億訂單)
  • OpenAI與Anthropic
  • OpenAI 7月企業端年化收入增速:32%(基準月100億)
  • 企業端付費客戶:約900萬
  • IBM合作:嵌入GPT、Codex、ChatGPT Work等模型,配備數千顧問
  • Anthropic IPO目標:10月上市;估值目標2萬億美元(現不足1萬億)
  • Decart AI收購價格:60億美元
  • Decart AI能力:AI視頻生成、AI芯片效率優化軟件
  • 中國市場
  • 中芯國際2Q:營收增36%;毛利率25.3%;淨利潤同比增近4倍;產能利用率93.7%
  • 微軟關閉在華機構:15家分支和合資企業
  • 微軟在華保留業務:幫助中國企業出海、提供Android云服務
  • 微軟中國收入占比:2024年1.5%、現基本為零
  • 就業危機數據
  • 灵活就業人數:3.2億(去年2.8億、年增4000萬)
  • 外卖/網約車從業人數:2025年底5300萬→現6300萬(年增1000萬)
  • 機場出租車等候時間:上海浦東7小時;北京大興8小時;成都天府10小時
  • 外卖騎手工作時長:6年前9小時→現11小時
  • 外卖騎手單價跌幅:最多33%
  • 外卖騎手月收入:6000-8000元;最差者月僅2000元
  • 騎手收入普遍下降幅度:20-50%
  • 大學畢業生年數:1000多萬;許多造假就業合同

結論

結論

美國通膨溫和、AI產業基本面堅實無泡沫,但中國就業危機日益深化——全球經濟格局在悄然調整,貧富分化和區域差異正在擴大。

完整解析

詳細

美國通膨結構正在發生微妙但重要的轉變。7月CPI同比增3.4%、核心CPI 2.5%,數字看似平穩,但結構分析才是關鍵。講者反覆強調,美國通膨的粘性來自於服務通膨,而非商品通膨。本月數據顯示,住房成本雖然環比僅漲0.1%,卻貢獻了CPI月度漲幅的2.3%——這反映的是租賃市場的滯後效應。租金環比上漲0.3%,但短期住宿指數反而下跌2.8%,說明下行壓力正在形成。能源成為本月主要拖累,汽油環比下跌2.9%、整體能源指數下跌1.5%,這是外部油價沖擊,非內生需求。食品漲幅僅0.1%、商品通膨同比持平0.8%、服務通膨放緩至3%。這組數據傳遞出一個關鍵信號:消費端沒有推高物價,工資沒有螺旋式上升,通膨缺乏內生動力。講者認為,既然服務通膨上不來、經濟內部動能不足,這恰恰反映了經濟可能衰退的風險。在這種結構下,加息是錯誤的,只會加劇衰退;降息才是合理的貨幣政策選擇。美聯儲應該意識到當前的通膨是外部沖擊(油價)導致的一次性現象,而非需要收緊流動性才能解決的問題。CPI公布後,市場迅速調整預期,美聯儲9月加息概率從50%跌至35%,2年期美債收益率下行2個基點至4.1%。

科技產業的財報表現正在吹響AI時代基本面健康的號角。Kokirn作為光通信領域龍頭,4Q營收突破20億美元、同比增34%,調整後每股盈利1.74美元、同比增74%,遠超市場預期。更值得注意的是1Q指引:營收23億美元、EPS 1.95美元,公司甚至計劃在2027年實現單季營收突破30億美元。核心增長動力仍然是AI數據中心,本季數據中心收入達16.15億美元、占公司收入79%、同比增59%。Kokirn的競爭優勢在於自產灵化硅激光器,打破了中國對該關鍵元件的壟斷,新建的6英寸產線相比傳統3英寸產線成本更低、毛利率更高,擴產速度甚至提前了一個季度。唯一的缺點是現金流問題,資本支出從4億增至11億、庫存增加11億美元、經營現金流為負,但這實際上反映的是公司提前布局產能、訂單已排至2027-2028年、數據中心項目18個月即可回本,基本面無憂。NBIS的財報同樣炸裂,2Q營收15.8億美元、同比增45%,AI云業務收入5.75億美元、同比增51%、占總收入98%。更驚人的是業務增速,年化收入從3月的19億美元激增至現在30億美元,不到半年翻升57%。本季度調整後利潤達2.36億美元、利潤率41%,其中AI云業務利潤率接近50%——這透露出算力紧缺有多麼嚴重,公司有極強的溢價能力。NBIS新簽4份大型合同、每份合同平均超1.1億美元、總額環比增近4倍,新客戶合同環比增超9倍,70%的新合同帶有預付款、部分預付款覆蓋資本支出50-60%。公司甚至首次嘗試對黑酥AI芯片進行拍賣,最終成交價比最高報價還高15%——這就是算力緊缺的真實寫照。然而NBIS的空頭頭寸達30%以上,是被做空力度最大的公司。昨日因財報優異被資金拉爆、股價大漲34%,這直接證明了空頭的本質:他們只是燃料。甚至大空頭Michael Barry因為嫌看空PUT期權太貴,改為做空NBIS的證股(打破股權),結果也被拉爆、虧損慘重。司科4Q營收達173億美元、同比增18%,創下歷史紀錄,調整後EPS增長23%達1.22美元。來自雲廠商的AI訂單本季40億美元、全年累計93億美元。即便剔除這些AI大客戶,公司傳統的企業網絡業務也增長25%,說明整個產業都在受益於AI浪潮。新財年收入和盈利指引均超市場預期,經營現金流增長27%。唯一讓市場擔心的是新財年AI收入指引75億美元、低於上年93億美元的訂單,市場擔心訂單轉化成收入的速度可能放緩,但基本面依然穩健。

OpenAI正在加速商業模式升級,Anthropic則野心勃勃。OpenAI企業端勢頭強勁,7月企業年化收入環比增32%,遠超全年平均20%的增速。企業端付費客戶約900萬,核心不只是訂閱費,公司開始學習Palantir的結果收費模式,通過深度企業部署來實現利潤分成。與IBM的戰略合作就是這種模式的體現——IBM正在其企業AI平台上嵌入OpenAI的GPT、Codex、ChatGPT Work等前沿模型,並配備數千名顧問和工程師,為企業客戶提供端到端的解決方案和結果導向的收費。這說明大模型公司的商業化進入了新階段,不再只靠算力和訂閱費,而是參與企業的利潤分配。若這一勢頭能夠維持,OpenAI上市時的財報數據會相當亮眼。相比之下,Anthropic投資人信心十足,預計10月IPO的估值可達2萬億美元(現在還不到1萬億),但講者認為這是野心過大、缺乏財報支撐。Anthropic正在洽談以60億美元收購Decart AI,後者擁有AI視頻生成能力和AI芯片效率優化軟件,這應該是Anthropic為上市前做的最後一擊——意圖通過降低算力成本來對抗OpenAI的價格競爭。

中國就業市場的危機正在以"灵活就業"的名義被掩蓋。金融時報報道,中國灵活就業人數已達3.2億,相比去年2.8億、年增4000萬,這4000萬本質上就是失業人口。其中從事外卖和網約車的人數從2025年底的5300萬增至現在6300萬,又增加1000萬。灵活就業表面上是就業,實際上卻是失業的避難所,因為這些行業已經供過於求、訂單嚴重不足、從業者收入大幅下滑。出租車司機的排隊時間在無聲地說話:上海浦東機場要排隊7小時才能接一單,北京大興機場8小時,成都天府機場甚至10小時。雖然機場單次訂單價格不菲(上海機場可能幾百元),但這無法彌補大量的等候成本。外卖騎手的處境更加惡劣,6年前工作9小時可以維持收入,現在需要11小時才行,多出40%的工作量;單價下跌最多33%,月收入只有6000-8000元,処境最差的騎手扣除成本後月入不足2000元。騎手普遍反映收入下降20-50%,這組數據比統計數字更能說明真相。大學生的畢業失業問題更是普遍,每年有1000多萬大學生畢業,許多大學為了達到就業率KPI、被迫逼迫學生造假就業合同。這些真實失業人口並未進入灵活就業統計,說明實際失業規模遠大於3.2億的灵活就業數字。整體看,中國就業市場正面臨結構性危機,灵活就業已淪為失業的遮羞布。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。