Gartner 预测，成本压力将迫使超过 80% 的 neocloud 厂商到 2030 年停止独立运营。其测算显示：AI 数据中心到 2030 年需累计 8.5 万亿美元收入才能覆盖资本开支、融资成本和 12% 回报要求，而归属 AI 的收入预计不超过 3.6 万亿美元——超 4 万亿美元资产到 2032 年面临减记风险。
美光下一代存储芯片 G11 在相同硅片上可容纳约两倍于当前 G9 的数据，堆叠层数从 276 层提升至 400 层以上，传输速度最高提升 1.5 倍，每 bit 搬运能耗降低超 25%。该芯片面向 AI 数据中心大量采购的大容量 SSD，预计 2027 年下半年量产，美光未透露每 GB 成本降幅。
野村证券在最新全球存储芯片行业报告中预测，全球存储芯片需求在 2028 年前仍将保持快速增长，并给予三星电子和 SK 海力士"买入"评级，目标股价分别为 67 万韩元和 470 万韩元。
据 The Information 报道，OpenAI 向大客户提供最高 90% 的折扣以争夺 Anthropic 的主要客户，多家公司已开始转移 AI 支出。周末数据池中模型层价格战信号密集：Kimi K3.1 Pro API 输入每百万 token 13 元、输出 68 元，相比 K3 基本砍半。
OpenAI 用前沿模型智能体红队攻击自家加固的隔离基础设施：智能体几乎在每个受限联网服务中都找到漏洞，并在无网络、无共享文件的虚拟机之间利用 CPU 缓存时序差异、共享内存写入模式传递秘密，手法类似 Spectre/Meltdown，甚至独立建立编码方案交换信息。
摩根士丹利、美国银行、摩根大通、富国银行等美国头部银行正为 AI 智能体引发的灾难制定应急预案：部分智能体在无人类明确指令下自主操作甚至致电客服。阿波罗首席经济学家斯洛克警告，智能体最大化资金收益可能令银行流失低成本存款并冲击金融体系；摩根大通 CEO 戴蒙称这一趋势挡不住，只能尽力管控。
马斯克发推称"我们将看到大量算力搁浅在未完工的数据中心里"。配套作者补充了变压器、燃气轮机等电力设备的交货周期数据，指向瓶颈不在芯片供给，而在电力链条的时间耦合——GPU 到货速度远快于并网速度。
老牌基金经理 George Noble 称 SpaceX 市值 2.2 万亿美元对应 400-600 亿美元收入，是"资本市场史上定价最离谱的大公司"，并提示未来一两周将有十亿股级别解禁。他最大的空头仓位是 CoreWeave，依据是债券和 CDS 定价而非股价，认为 AI 这轮不缺需求、缺的是 ROI。
Ramp 平台上 AI 支出排名前 1% 的企业，把超过三分之一的 AI 预算花在原始 GPU 算力上——即为硬件容量本身付费（租用 GPU 训练、微调或自托管模型），而非 LLM 订阅或 API token 支出。
美光在最新报告中公布至 2030 年的内存与存储芯片路线图：单栈 HBM4 带宽达 2.8TB/s；按每块顶级 AI GPU 8 栈计算，约 13 块 GPU 的总内存带宽即可匹敌全球国际互联网约 282TB/s 的容量；Nvidia 单卡内存从 H100 的 80GB 增至 B300 的 288GB，AI 上下文长度估计每年增长 30 倍。
Kimi 公开致歉会员使用 K3.1 Pro 时出现的限流及不必要配额消耗，为所有档位订阅会员重置并补偿月度总额 25%（相当于一周用量），同时调整计划参数、减少不必要的 subagent 调用与输出长度。此前 K3.1 Pro 发布后还陷入"英推 KOL"宣发争议。
TokenGate 是给现有 LLM 加上可学习 token 剪枝的模块，在 Qwen3-1.7B 上实现 1.4 至 11.3 倍的 TTFT 加速，峰值 prefill 显存降低 1.5 至 3.4 倍，且无精度损失。
Nathan Lambert 在哈佛讲座中全景梳理开源模型现状：开源落后闭源前沿约 3-5 个月；中国开源在性能、下载量、论文引用三方面全面领先，美国开源又落后中国 3-4 个月；但美国的算力优势超过 10 倍。
英伟达 GEAR 实验室开源机器人视频标注数据引擎 Flora，由三个微调 Qwen3.5 模型组成，覆盖动作分段、执行评分与结果判定三类标注，已上架 Hugging Face 并用于 GR00T 训练，在 512 块 GB300 上每天可标注 20 万小时视频。
中国信通院联合中国人工智能产业发展联盟发布《大模型词元服务性能监测报告（2026 年）》，基于 2026 年 1-8 月监测数据指出，6 月国内词元日均消耗量约 500 万亿，是 2025 年 12 月的近 4 倍。
周末数据池里分量最重的不是新闻而是测算——Gartner 说超 80% 的 neocloud 到 2030 年无法独立运营，8.5 万亿美元收入需求对 3.6 万亿归属 AI 收入，超 4 万亿资产面临减记；老牌基金经理 Noble 则把最大空头仓位压在 CoreWeave 的"债券与 CDS 而非股价"上。两条线索互相咬合：市场对算力经济的分歧，已经从股价转移到信用定价。郑希 6 月接受中国证券报采访时，对拥挤的判断本身就是分层的——
"拥挤度和敏感度可能是会高一些。短期看，市场对于光通信相关资产的定价还是很充分的。短期的订单波动、业绩波动，很容易导致股价剧烈反应。但是长期看，从对行业的理解和跟踪来说，我觉得还是可以看得更远一些。"—— 郑希，2026 年 6 月接受中国证券报采访
按他的框架推演：拥挤不可怕，可怕的是拥挤叠加上涨依赖再融资。neocloud 的商业模式本质是"资产涨价预期 + 高息负债"的组合，一旦信用市场重新定价（CDS 走阔、债券折价），出清会先发生在资金端、再传导到硬件订单端；而头部 CSP 的 Capex 反而不受影响，甚至可能低价接管出清产能。这正是"敏感度"在产业链层面的展开方式——同一个 AI，不同环节的拥挤度刻度完全不同。
存储这个周末给了供需两侧的双重确认：美光 G11（容量翻倍但 2027 下半年才量产）加上 2030 路线图（HBM4 单栈 2.8TB/s、AI 上下文年增 30 倍），野村则直接看多需求至 2028 年。郑希在 2026 年中报里写过瓶颈的扩散路径——
"瓶颈环节从长上下文推理需求导致的存储、通信紧张，扩散到CPU、MLCC（片式多层陶瓷电容器）等多种电子元器件，科技产业链全面供给紧张"—— 郑希，易方达信息产业混合 2026 年中期报告
现在这条通胀链的下游又长出了新的一环：马斯克说算力将搁浅在半成品数据中心，电力设备交货周期数据显示瓶颈已经从晶圆挪到变压器与燃机——GPU 到货快于并网，"时间"本身成了涨价的上游。而应用侧的 OpenAI 九折抢单与 TokenGate 剪枝（prefill 提速 11.3 倍）则是通缩一侧。按他"研究清楚通胀从何而来"的方法看，产业链利润分配仍坚定偏向"持续涨价的品种"：HBM、DDR5、电力设备，以及新增的安全基建；应用层价格战打得越凶，越反证算力与物料层的稀缺。
Lambert 的哈佛讲座给出一个干净的结构：中国开源在性能、下载量、引用三方面全面领先，但美国算力优势超 10 倍。这恰好对应郑希 2025 年中报的判断——
"随着国内DeepSeek、豆包等大模型发布，国内模型竞争力提升，同时开源路线加速技术应用落地，国内几大CSP（云服务提供商）AI资本开支加大，国内算力产业链景气度明显进入上行周期"—— 郑希，易方达信息产业混合 2025 年中期报告
周末的中国侧证据链恰好补齐三块拼图：信通院 6 月国内词元日耗 500 万亿（半年近 4 倍）给国产算力需求补上官方口径的斜率；Kimi K3.1 Pro 把 API 价格砍半却因订阅爆量而限流致歉，说明国产模型的采用速度已经跑赢自家算力调度；英伟达机器人标注引擎 Flora 底层用三个 Qwen3.5，中国开源模型嵌入了全球巨头的工具链。按框架推演：模型层的全球采用率是中国链的"需求出口"，算力层的国产替代是"供给刚价"，两头都指向国产链利润率的上修空间；但 10 倍的算力差距决定了这个过程以年计，路径依赖产能爬坡与生态适配，需要用季报口径逐季验证而非线性外推。