社区

半导体产业链的竞争，正在从芯片设计和制造向研发验证、测试分析与量产质量控制方向延伸。AI芯片、汽车电子和先进封装把复杂度推上去之后，芯片从设计定型走向规模量产，除了需要更专业的检测能力，还需要能够配合客户研发节奏、快速响应工程问题的服务体系。它们不直接生产芯片，却影响芯片能否顺利完成验证、稳定进入量产，以及产品迭代的效率。 据天眼查，10月19日，上海季丰电子股份有限公司创业板IPO审核状态变更为提交注册。此前10月15日公司也通过深交所上市委会议审议，拟募集资金约9.24亿元。材料显示，季丰电子围绕半导体检测服务与检测硬件产品开展业务，包括第三方实验室检测分析、集成电路测试板、量产测试及相关工程服务。这条赛道吃的是国产化和技术迭代的红利，同时也受客户需求变动、设备投入和盈利波动的影响。 季丰电子的看点在于业务链条横跨研发验证与规模化测试，正好能够观察半导体产业链对专业服务的需求如何转化为企业收入，也能进一步追问客户资源能否沉淀为持续订单，形成更高质量的经营回报。季丰电子的IPO只是开了扇窗，长期空间还得看业务结构、客户黏性和现金流。 半导体检测的价值正在上升，专业服务开始走向产业链前端 季丰电子进入IPO注册阶段，为观察半导体产业链分工变化提供了一个切口。市场习惯关注芯片设计、晶圆制造和封装测试这些环节，但一颗芯片从设计验证走向量产，还需要经历检测分析、可靠性验证和工程测试等环节。制程越复杂、封装堆叠得越多，客户对稳定性要求越严，检测服务的门槛也就越高。 成立以来，季丰电子深耕半导体检测领域，围绕芯片设计、晶圆制造、封装等半导体全产业链企业的检测需求，提供第三方实验室检测分析服务、集成电路测试板等检测硬件产品、以及量产测试服务。这些能力为其拓展高端芯片客户提供了基础，但具体业务规模到底多大，还需要结合收入才能构成判断。 行业机会主要体现在两个方面，国产芯片研发活动增加，设

Meta将于美东10月21日公布2026年第三季度财报。 $Meta Platforms, Inc.(META)$ 上一季度，Meta营收强劲但利润承压。数据显示，二季度Meta营收达到608.01亿美元，同比增长28%；全年资本开支指引为1300亿至1450亿美元。其中，公司广告展示量同比增长14%，单条广告平均价格同比增长12%，从数据呈现来看，算法改善了内容分发和广告匹配，进而带动广告主付费的路径。 此外，Meta第二季度资本开支达到310.8亿美元。经营利润同比下降8%，经营利润率从上年同期的43%降至31%。受到法律相关费用、裁员支出等因素影响，不能把利润下滑全部归因于AI，但高额投入与利润率变化已让市场重新观察其增长质量。 进入10月，Meta持续推进Muse个人AI助手，并发布Muse Wonder及Muse Wonder Full等模型更新，公司正尝试把AI能力从广告推荐系统延伸到个人助手、智能眼镜和企业服务。 成熟的广告变现体系提供的现金流决定了基础设施投入的持续性。前台AI产品若能扩宽收入来源，则将进一步开拓公司的增长边界。 三季度，Meta广告业务能否延续增长，AI推荐系统能否继续改善广告投放效率，持续扩张的资本开支又是否能给未来利润留下空间？ 当资本开支迈入千亿美元量级，Meta现有的广告变现体系还能为算力扩张提供多少保障？ 广告业务仍是现金流底座，AI推荐系统正在提高每一美元广告的产出 Meta的基本面，首先要从广告业务看起。 社交平台的广告收入主要取决于用户停留时长、兴趣识别精度、广告主的投放回报。AI推荐系统把这三个环节连接起来：推荐更精准，内容匹配效率提高，广告主的转化效果改善，平台由此争取更多广告预算。 目前，Meta正在把大模型技术直接引入广告系统。据第二季度

Nvidia GTC Berlin将于10月20日至22日举行，Jensen Huang的主题演讲则定于10月21日柏林时间上午11点。此前GTC一般以GPU、算力集群和大模型训练为绝对主角，本届大会的议程有所不同，开始向Agentic AI、AI Factory、Physical AI、机器人和自动驾驶延伸。 $英伟达(NVDA)$ Nvidia官方公布的会议内容覆盖CUDA、加速计算、Agentic AI、机器人、开放模型和Physical AI等完整技术栈，甚至把“AI Factories”“Physical AI & Industrial AI”单独列为核心议题。 该调整其实已经给出了一个相当清晰的信号：Nvidia正在重新定义AI基础设施的价值。GPU训练需求、推理需求等定价方式已经是过去式；2026年，Nvidia开始把算力进一步连接到Agent、企业软件、机器人和自动驾驶。 AI算力的需求边界正在从“训练一个模型”扩展到“让模型持续工作”，而后者意味着更长的推理链、更高的Token消耗，以及更复杂的软硬件协同。 Nvidia最新一季财报已经提供了足够强的基本面支撑。数据显示，公司截至2026年7月26日的第二财季收入达到962.21亿美元，同比增长106%；公司对第三财季收入指引为1080亿美元上下浮动2%，且指引没有假设来自中国的数据中心计算收入。 对于资本市场而言，硬件性能只是起点，决定Nvidia长期增长空间的，是AI算力最终能够承载多少真实工作量，以及Nvidia能够从中占据多少价值量。近日即将举行的GTC Berlin真正值得研究的地方，是Nvidia能否把已经非常庞大的GPU生意继续向AI基础设施、推理和Physical AI延伸。 GPU还在高速增长，Nvid

大族数控前三季度交出了一份高增长的成绩单。2026年前三季度，公司实现营业收入78.41亿元，同比增长100.90%；归母净利润15.44亿元，同比增长214.03%。公司明确表示，新一代机架服务器算力及交换单元所需的高端PCB需求增长显著，下游PCB企业投资持续高涨，带动公司全线产品订单增长。 $大族数控(301200)$ 这组业绩值得放进AI产业链的整体图景中观察。过去一段时间，市场关注的焦点主要集中在GPU、云计算巨头和AI服务器整机，随着算力基础设施持续升级，高多层PCB、HDI板及高速光模块相关载板的制造要求不断提高，设备厂商也开始体现出更直接的业绩弹性。 大族数控的增长，提供了一个观察AI资本开支如何向制造设备传导的样本。服务器需求需要经过PCB制造和设备采购，才能真正落到设备企业的收入与利润表中。对于产业链研究而言，关键问题已经逐渐清晰：高端PCB扩产能否持续，设备订单能否转化为利润，以及当前的高增长能否延续为稳定的经营回报。 AI服务器升级，高端PCB扩产正在打开设备需求 AI服务器对PCB提出了更高的制造要求。GPU集群扩大、高速交换能力提升，以及高速光模块迭代，都对电路板的层数、线路精度、信号传输和加工工艺提出更高要求。高多层板、HDI板和精细线路类载板因此获得新的需求空间。 大族数控此次披露的业务情况，恰好反映出这轮产业升级的具体方向。公司提及的新一代服务器算力及交换单元高多层HDI板、N+N结构高多层板，以及800G、1.6T高速光模块所需的mSAP类载板，覆盖了AI计算和高速互联的关键制造环节。 这意味着AI产业链的投资机会正在向更细分的制造环节延伸。GPU和服务器厂商的资本开支决定了需求规模，而PCB企业的扩产计划，则影响需求能否进一步转化为设备订单。对于设备厂商

Tesla即将公布2026年第三季度财报。 $特斯拉(TSLA)$ Robotaxi能否扩大商业运营，Optimus何时具备规模化应用条件，FSD能否形成更稳定的软件收入，以及不断增长的AI投入能否转化为经营回报。已经超越汽车业务，成为市场对特斯拉汽外的新关注点。 Tesla已于10月2日披露第三季度交付与储能部署数据，完整财报尚未发布。数据显示，第三季度，Tesla交付汽车486,532辆（来源：Tesla Q3交付公告），储能产品部署量达到13.7GWh（来源：同上）。汽车业务仍是公司经营的基本盘，能源业务则提供了新的增长支撑。但对于一家持续加码自动驾驶与人形机器人的公司而言，销量只是观察经营状况的起点。售价、毛利率、自由现金流和资本开支，才决定公司能否在推进长期战略的同时保持财务韧性。 Tesla的特殊之处，在于汽车制造、自动驾驶、AI算力和机器人业务之间存在技术与场景协同。汽车提供制造基础与真实数据，FSD推动驾驶能力迭代，Robotaxi尝试开辟新的服务收入，Optimus则将AI能力延伸至工业生产。 Tesla能否把技术优势逐步转化为经营成果？特斯拉这次的财报，或许对于智能汽车、AI基础设施和机器人产业链而言，也是观察下一阶段增长方向的重要窗口。 汽车业务仍是底盘 Tesla第三季度交付数量明显高于第二季度的480,126辆。不过，交付增长能否带来利润改善，还需要结合售价、产品结构和成本变化判断。 第二季度财报已经提供了参照。Tesla当季营收282.36亿美元，同比增长26%；汽车业务营收205.16亿美元，同比增长23%，汽车业务毛利率为16.9%，低于上年同期的17.2%。同期能源发电与储能业务营收达到31.39亿美元，同比增长13%。 汽车仍贡献主要收入，能源业务则扩大了增长

10月中旬，国产算力产业链接连释放业绩信号！以下两家公司的业绩表现，为观察国产算力的商业化进程提供了新的切入口。 海光信息预计2026年前三季度归母净利润为27.10亿元至29.80亿元，同比增长38.16%至51.93%；营业收入预计达到142.80亿元至155.80亿元，同比增长50.47%至64.17%。 $海光信息(688041)$ 中科曙光前三季度营业总收入达到122.38亿元，同比增长38.75%；归母净利润17.24亿元，同比增长78.48%，扣非归母净利润15.55亿元，同比增长105.27%。 随着人工智能基础设施需求增长，产业链的价值正在向高端处理器、服务器、计算集群及配套软件延伸。在该阶段，芯片厂商需要证明产品能够进入真实业务场景，系统厂商则需要把技术方案转化为客户采购、项目交付和经营收益。 海光信息与中科曙光分别处于产业链的不同环节。前者以CPU和DCU为核心，面对通用计算与人工智能计算的需求扩张；后者聚焦高端计算机、存储及智能计算等业务，更接近算力基础设施的交付端。如今两家公司同时增长，说明国产算力产业具备进一步扩张的基础，但增长能否持续，仍需观察订单质量、产品结构、研发投入与现金流表现，这也是市场真正关心的。同时对产业客户而言，供应商的产品能力与交付能力正在变得同样重要。 海光信息：CPU提供业务基础，DCU打开新的增长空间 海光信息前三季度业绩预告显示，公司预计营业收入142.80亿元至155.80亿元，同比增长50.47%至64.17%；归母净利润预计为27.10亿元至29.80亿元，同比增长38.16%至51.93%。 公司将业绩增长归因于人工智能产业发展、国产化进程由政策驱动向市场驱动转变，以及高端芯片需求增长，并表示将持续优化CPU与DCU业务布局，加大

Meta将于10月21日美股盘后公布2026年第三季度财报。在当前的行业环境下，不适宜将这份财报看作是简单的一家社交媒体公司的业绩检验。 $Meta Platforms, Inc.(META)$ 此前AI产业的增长主要由算力需求、模型能力和基础设施投资推动，资本市场愿意为远期增长支付溢价；进入2026年下半年，市场开始追问一个更现实的问题：巨额资本开支究竟能转化成多少收入，又需要多久才能覆盖成本。最近，AI板块的波动让这个问题变得更加迫切。 金融时报10月19日的报道将Meta财报视为AI行业信心的重要测试。英伟达等AI相关资产遭遇抛售后，市场对基础设施投资回报的要求明显提高，Meta也因此站到了聚光灯下。 Meta的特殊性在于，广告业务仍能提供相当可观的经营现金流。更重要的是，Meta已经把AI从后台推荐系统扩展到面向消费者和企业的产品。 对于资本市场而言，接下来真正需要判断的是，Meta能否凭借成熟的现金流业务支撑长期投入，并逐步建立新的收入来源。这既关系到Meta自身的竞争力，也能帮助市场理解AI基础设施投资究竟走到了哪一步。 广告机器仍在增长，但AI开始改变利润表 理解Meta的AI投资，首先要看懂广告业务为什么仍然重要。 Meta的Facebook、Instagram、WhatsApp等产品已经积累了庞大的用户网络，广告业务也拥有成熟的客户体系和变现机制，所以其并不需要从零开始寻找AI的商业场景。 AI首先能够改善的，是现有业务的效率，包括广告匹配、内容推荐、用户留存和广告创意生成。如果以上能力能够持续进步，就可能在不依赖全新收费模式的情况下，提高广告主的投放回报，并支撑广告收入增长。 第二季度的数据已经提供了经营层面的依据。Meta当季广告展示量同比增长14%，平均广告价格同比增长1

AI光通信产业正在经历一场新的检验。Lumentum与Coherent近期股价回调，引发市场对高速光模块需求、AI数据中心资本开支和行业估值的重新审视。但从最新财报看，两家公司的经营增长仍然强劲。Lumentum在2026财年第四季度实现10.1亿美元营收，并给出下一季度12.25亿至12.75亿美元的营收指引；Coherent在2026财年实现71.2亿美元营收，数据中心与通信业务收入达到52.7亿美元。需求扩张仍在继续，资本市场却开始更加关注增长的质量。 $Lumentum Holdings Inc.(LITE)$ 这背后有一条清晰的产业线索：AI集群规模持续扩大，网络带宽、传输功耗和系统协同逐渐成为算力基础设施的重要约束。800G向1.6T升级，硅光子与CPO加速发展，都在为光通信产业打开新的空间。不过，行业景气度上升并不意味着所有企业都能获得同等回报。产品迭代、客户认证、产能扩张与利润兑现，将决定产业机会最终落到谁手里。Lumentum与Coherent的价值，正需要放在这场技术升级和商业竞争中重新审视。 800G还在放量，1.6T接棒：光通信正在进入新一轮产品升级 AI数据中心的扩张，正在改变光通信的需求结构。大模型训练需要大量GPU协同工作，推理业务也在增加集群内部的数据交换量。当计算能力持续提升，网络传输便成为影响算力利用率的重要环节。光通信由此从传统的数据传输组件，逐渐成为AI基础设施建设的关键部分。 800G仍是当前产业升级的重要方向，1.6T则代表下一阶段的产品演进。LightCounting在2026年的行业分析中持续看好高速光模块需求，行业增长的驱动力来自云厂商扩建AI集群，以及网络设备向更高带宽升级。需要强调的是，光模块出货量、光器件收入与整个光通信市场规模并非同一口径

CoreWeave近期股价大幅下跌，债券收益率一度升至15%，AI基础设施行业的资金压力由此进入市场视野。过去几年，GPU供不应求、数据中心扩张和云计算巨头的资本开支，共同支撑了AI产业链的增长预期。如今，随着基础设施投入不断增加，行业需要回答一个更现实的问题：算力需求增长带来的收入，能否覆盖设备采购、机房建设、电力供应和融资成本？ $CoreWeave, Inc.(CRWV)$ CoreWeave的特殊性在于，公司拥有客户合同和可观的收入储备，却需要持续投入资本建设算力基础设施。合同规模决定业务潜力，现金流回收速度则影响扩张能力。微软、亚马逊和谷歌同样在大举投资AI，但成熟云业务为这些企业提供了更强的资金支持，也让它们拥有更大的投资调整空间。 这场变化并不意味着AI需求已经见顶。相反，随着训练与推理需求增长，专业算力服务仍有发展空间。真正需要重新评估的，是不同商业模式承担的资金压力，以及企业将订单转化为利润的能力。对于投资者而言，AI基础设施的下一阶段竞争，将同时考验技术、交付、融资和经营效率。 订单增长很快，现金回收能否跟上？ CoreWeave的业务建立在AI算力需求之上。公司向AI实验室和企业客户提供GPU云服务，帮助客户快速获得训练与推理所需的计算资源。对于希望缩短部署周期、减少自建基础设施负担的客户，这种模式具有现实价值，也为专业算力服务商创造了市场空间。 难点在于，这是一门需要大量前置投入的生意。GPU采购、网络设备、数据中心租赁和电力配套都需要资金，而收入要随着服务交付逐步实现。只要客户需求稳定、设备利用率足够高，持续扩张就有机会形成规模效应；如果交付延期或融资成本上升，资金占用便可能迅速增加。 CoreWeave的2026年第二季度财报提供了一个观察窗口。公司披露的收入储备约为

10月13日，全球首个量产绳驱AI机器人的具身智能公司星尘智能（Astribot）完成10亿元规模的新一轮融资，投后公司估值已达150亿元。本轮由投控东海领投，洪泰基金、光华阳光管理的宁海兴泰合基金、善恒资本等重要国资及财务投资人参与投资，老股东先沐追投。 据媒体披露，这已经是星尘智能近半年完成的第四轮融资。公司此前在今年6月完成总额超过10亿元的B轮系列融资，估值首次突破百亿元，短短数月便再次获得大额资金支持。 这笔融资的看点，是投资人正在为具身智能企业的不同能力付费。早期资金主要帮助团队完成技术研发和产品原型，随着竞争深入，模型能否理解真实环境、机器人能否稳定完成任务、产品能否进入客户现场，以及交付之后能否持续创造价值，开始共同影响企业的竞争位置。资本仍然愿意为技术路线和团队能力支付溢价，但后续融资能否延续，越来越依赖产业化进展。 星尘智能将AI模型、具身操作系统与绳驱机器人本体纳入同一套技术体系，并尝试把这套能力转化为可以交付的产品。对一家尚处于成长阶段的机器人企业而言，这条路线既提供了技术差异化的空间，也意味着更复杂的研发、制造和商业化任务。150亿元估值为公司打开了新的发展空间，同时也抬高了外界对订单质量、产品性能和收入兑现的要求。投资者们需要关注的是：星尘智能能否把融资形成的资源优势，逐步转化为可持续的经营能力？ 具身智能开始争夺产业化席位，融资能力背后是技术路线的竞争 星尘智能能够获得新一轮融资，与其技术路线和产业化布局脱不开关系。 公司围绕“AI模型—具身OS—绳驱本体”构建全栈技术体系，希望让机器人在真实环境中完成任务，并通过实际操作积累数据，持续改进模型。对具身智能企业来说，这套架构的价值是模型能力、硬件性能和任务执行可以协同迭代，减少算法与本体各自发展带来的适配成本。 绳驱是这套体系的核心技术路线之一。不同于传统关节模组的刚性传动，绳驱通过类人体肌腱的