Warsh叙事的逻辑整理 1. 底层逻辑 Warsh的核心关切不是市场涨跌，而是AI时代下货币与金融体系的分配公平性：长期QE导致流动性集中在华尔街内部循环，技术红利（如AI）被提前资本化为资产估值，导致工资、就业、生产率与资产价格严重脱钩。问题本质是流动性分配路径——钱先流向谁，而不是总量多少。这暴露制度失衡：金融资产优先占有技术收益，放大社会不均。 2. 机制 Warsh倡导“再分配式缩表”：不是简单紧缩社会流动性，而是压缩金融体系内的杠杆流动性（如资产再抵押、套利、估值放大），同时通过政策组合（如实体投资、制造业回流、政府采购、就业稳定）提升居民与实体流动性。结果是流动性结构的迁移——从金融循环转向社会循环，而非流动性消失。这在AI时代尤为关键，因为AI的高资本密集和高集中度容易加剧红利垄断。 3. 市场含义 股市不会因流动性“消失”而崩盘，而是转向新定价逻辑：金融加速器削弱，估值驱动退场，现金流、分红、盈利重新主导。指数可能不再狂涨，高估值资产承压，但实体导向、现金流稳定的资产长期受益。AI红利更大比例通过工资、就业、公共支出进入社会，而非仅体现在股价泡沫中。这不打击资本或AI，而是让市场承担更均衡的社会功能。 4. 误读来源 主流评论常将Warsh框架误读为“缩表=钱少=市场崩”，源于三个框架偏差：（1）假设流动性仅限于金融市场，忽略其向实体迁移；（2）用短期交易周期解释长期制度转轨；（3）忽略AI带来的分配冲击，将技术红利默认等同于资产暴涨，而未见社会后果（如中产萎缩、政治风险）。这导致忽略Warsh的纠偏本质：货币政策不应再成“红利截胡器”。 $美国超微公司(AMD)$  $英特尔(INTC)

Intel 宣布正式加入“Terafab”项目，与SpaceX、xAI 以及 Tesla 展开合作，共同推进硅制造（silicon fab）技术的重构与升级。 Terafab项目致力于打造下一代超大规模算力基础设施，其目标是实现每年1太瓦（1 TW/year）的计算能力产出，以支撑未来人工智能与机器人领域的突破性发展。英特尔表示，公司在芯片设计、制造及先进封装方面的综合能力，将为该项目提供关键支撑，加速高性能计算芯片的规模化落地。 业内人士认为，此次合作标志着AI算力基础设施正从单一公司推进，迈向跨行业协同的新阶段。通过整合航天、汽车与人工智能领域的技术资源，Terafab项目有望显著提升算力供给效率，缓解当前AI发展中的算力瓶颈。 此外，英特尔还透露，Elon Musk 于上周末到访公司，并就相关合作进行了深入交流。双方在先进制造与AI算力未来方向上展现出高度共识。 随着AI大模型与机器人技术的快速演进，算力已成为核心基础设施。英特尔此次加入Terafab项目，被视为其强化先进制造与AI生态布局的重要一步，也进一步凸显全球科技巨头在算力领域的激烈竞争与合作趋势。 $英特尔(INTC)$  $特斯拉(TSLA)$  $英伟达(NVDA)$  

短期噪音：Q1供应真空、执行痛点 → 股价波动大（当前$51-52区间dip合理）。 中期催化（2026 H2-2027）：18A/14A客户落地（14A大单预计H2 2026起）、供应爬坡 + DC CPU涨价、Foundry减亏拐点、Ohio fab加速。 长期胜算：美国回流政策下，Intel控制全球20%+领先逻辑产能（本土唯一），AI推理/边缘/安全芯片需求爆炸，本土优先 + 关税护航 → 固定成本杠杆放大，利润弹性巨大。 “回流背书”比任何季度报表都硬。现在Intel有政策+地缘+技术三重背书，只要执行不永久掉链子，长期持有（3-5年+）的胜算远高于平均。$英特尔(INTC)$  $特斯拉(TSLA)$  $英伟达(NVDA)$  

Intel首席财务官刚刚以25万美元的价格买了5882股股票。平均价格42美元。这是非常积极的信号。 就是那个电话会议发言的那位[汗颜]  $英特尔(INTC)$  $英伟达(NVDA)$  $苹果(AAPL)$  $软银集团(SFTBY)$  $阿斯麦(ASML)$    

以下是2025年11月18日 Intel 在 RBC Capital Markets 全球科技会议上，由 IR 负责人 John Pitcher（代表管理层）发言的核心要点整理（基于会议前30分钟左右内容）。内容已按主题分类，便于快速把握： 1. 管理层当前最优先事项（Top 2-3 Priorities） • 文化转型仍是基础：Lip-Bu Tan 强调回归“工程导向 + 客户导向”文化，简化组织、减少官僚、加速决策（这点永远不会“完成”）。 • 产品端最重要： 1. Panther Lake 成功量产与发布（18A工艺，2025年底首款SKU，2026年CES大量曝光），被视为18A工艺成熟的关键标志。 2. Intel Foundry 必须在未来6-12个月落地第一个外部14A大客户。 3. 建立清晰的CCG（客户端）与DCAI（数据中心/AI）产品路线图，实现份额恢复与毛利改善。 4. AI加速器战略（GPU + ASIC）执行。 2. 与NVIDIA重大合作（2025年Q3宣布的两件事） • NVIDIA向Intel投资50亿美元（预计年底完成）。 • 达成多年期（multi-generation）深度合作，NVIDIA工程师深度审视了Intel多代客户端与数据中心路线图并非常满意。 • 数据中心端：Intel为NVIDIA提供定制Xeon（x86），NVIDIA负责NVLink Fusion整合并以系统形式推向市场，Intel直接从NVIDIA拿钱。解决此前Grace/Vera拥有NVLink而Intel Xeon没有的劣势。 • 客户端端：Intel将把NVIDIA高端RTX显卡（NVIDIA以亏损价供应）整合进自家笔记本平台，Intel负责整体整合与出货。目标先攻高端，后续扩展。 • 合作意义：再次证明x86生态在AI时代不可替代；合作深度极高，Lip-Bu

18A制程节点一直被宣传为内部产品，并且针对 Panther Lake等解决方案进行了优化，这些解决方案的核心在于高能效。英特尔过去曾表示，预计下一代 14A 制程节点将面向外部市场，该节点更侧重于满足英伟达等客户的需求，即高性能计算 (HPC) 级别的性能。（来源包括 Intel 官方路线图更新、Direct Connect 会议、财报电话以及 Wccftech、Tom’s Hardware 等媒体报道） 更重要的是，PDK 样品制作几乎是所有无晶圆厂制造商与代工厂合作时都会经历的过程。我们知道，就 2nm 工艺而言，NVIDIA 已经从台积电获得了 N2 节点的产能，因此英特尔并非该工艺级别下 NVIDIA 的首选。在英特尔和 NVIDIA 的 CEO 于网络直播中讨论价值 50 亿美元的合作时，CEO 谭重申，该协议基于 x86 领域的合作，完全不涉及代工厂相关事宜。 https://www.reuters.com/world/us/how-silicon-valley-dealmaker-charmed-trump-gave-intel-lifeline-2025-12-24/  又是马克斯·切尔尼，谁知道他是什么意思 $英特尔(INTC)$  $英伟达(NVDA)$  $台积电(TSM)$  

分析师评论：“我们预计今年超大规模数据中心的巨大需求将成为数据中心和人工智能领域的重要利好因素。我们的调查显示，英特尔今年的服务器CPU几乎售罄，鉴于强劲的需求，该公司正在考虑将平均售价提高10-15%。我们看到晶圆代工方面取得了显著进展，18A良率已提升至60%以上，足以支持Panther Lake的量产。虽然这并非业内最佳（台积电推出2nm工艺时良率达到70-80%），但考虑到英特尔的目标是成为全球第二大晶圆代工供应商，60%以上的良率远高于三星晶圆代工的SF2良率（我们认为三星SF2良率低于40%）。 我们的调查显示，英特尔晶圆代工服务已成功拿下苹果公司，为其MacBook和iPad的低端M系列处理器订购18A工艺，预计将于2027年投产。此外，我们认为英特尔正在与苹果公司洽谈使用14A工艺来支持其产品。” 2029年iPhone将采用低端A系列移动处理器。 分析师：约翰·文 $英特尔(INTC)$  $英伟达(NVDA)$  $高通(QCOM)$  $台积电(TSM)$  $苹果(AAPL)$  

摩尔线程的估值分析应基于其营收数据、行业特性及市场逻辑，而非简单参考当前股价。通过对比美国和中国芯片设计厂商的估值逻辑，结合摩尔线程的财务表现和行业地位，可得出以下结论： 一、摩尔线程核心财务数据 1. 营收表现： - 2022年：0.46亿元 - 2023年：1.24亿元 - 2024年：4.38亿元 - 2025年上半年：7.02亿元（超过前三年总和） - 2025年全年预测：12.18-14.98亿元（较2024年增长177.79%-241.65%） 2. 营收结构： - AI智算产品占比持续提升：2024年占77.63%，2025年上半年达94.85% - 客户高度集中：2025年上半年前两大客户贡献87.5%收入 3. 订单储备： - 手握20亿元待签订单，其中17亿元为AI智算领域，落地概率极高 4. 研发投入： - 2022-2024年累计研发投入38.1亿元，是同期营收总和的6倍多 - 研发投入占比逐年下降但绝对金额持续增长（2024年13.59亿元） 二、芯片设计厂商估值逻辑对比 1. 美国估值逻辑（以英伟达为例） - 核心指标：市销率(PS)、市盈率(PE)、自由现金流 - 行业特点： - 成熟市场定价：英伟达2025财年市销率约35倍 - 盈利导向：更关注可持续盈利能力和自由现金流 - 技术壁垒：估值基于已验证的技术领先性和市场占有率 - 适用性分析： - 摩尔线程作为初创企业，尚未盈利（2022-2024年累计亏损52.76亿元），传统PE估值不适用 - 若按英伟达35倍PS计算，基于2024年营收4.38亿元，估值约153亿元 2. 中国估值逻辑（国产芯片特殊性） - 核心特点： - "卡脖子溢价"：国产替代战略价值带来估值溢价，摩尔线程IPO市销率达122.51倍 - 政策驱动：国家"十四五"规划明确支持GPU等关键领域 - 市场空间：中国AI芯

Agentic AI 的兴起，正在悄然改变 AI 基础设施的核心逻辑。过去两年，市场几乎形成了单一共识：算力的瓶颈在 GPU，谁掌握高端 GPU，谁就掌握 AI 时代的入口。但随着 Agent 架构逐渐落地，这一判断开始出现偏差。AI 系统不再只是“算一次模型”的问题，而是变成一个由多个子任务、工具调用和多轮决策组成的复杂流程。在这个过程中，真正承担调度、编排和执行逻辑的，不是 GPU，而是 CPU。 这种变化首先体现在系统结构上。传统的大模型推理以 GPU 为中心，CPU主要负责数据搬运和简单控制；而在 Agent 模式下，一个请求往往会被拆解为多个步骤，例如任务规划、工具调用、结果整合等，每一步都依赖 CPU 进行调度和决策。结果是，整体系统的延迟中，CPU 所占的比重显著上升，甚至在某些场景中超过 GPU。换句话说，GPU 的计算能力并没有下降，但它开始受到 CPU 调度能力的限制，出现“等数据、等任务”的情况。 随之而来的，是硬件需求结构的变化。为了避免 GPU 利用率下降，系统必须增加 CPU 配置，提高并发调度能力，这直接推高了 CPU 在服务器中的占比。过去以 GPU 为核心的配置逻辑，正在向更加均衡的异构架构转变。云厂商和芯片公司已经开始做出调整，从单纯堆叠 GPU，转向优化 CPU、GPU 与网络之间的协同效率。一些厂商甚至重新强调 CPU 的战略地位，将其视为 AI 基础设施中的“操作系统层”。 这一变化正在通过市场信号逐步体现出来。服务器 CPU 的需求开始收紧，交付周期拉长，价格也出现上行趋势。与此同时，厂商的产品路线也在发生转向，不再只围绕 GPU 做性能竞争，而是强化整机层面的能力，包括 CPU 架构设计、系统集成以及调度效率优化。这些信号说明，算力瓶颈并没有消失，而是在基础设施内部发生了转移。 从投资角度看，这意味着过去依赖 GPU 单一逻辑的