Meta一年狂砸1400亿、大模型成本暴跌，普通投资者如何在AI时代的“水和电”中淘到真金？

各位好，今天是2026年的7月2日，星期四，这里是绿洲日报，由绿洲编辑部为你播报。

今日动态早知道：Anthropic 发布 Claude Sonnet 5 并收紧中国区合规；OpenAI 推出 GeneBench-Pro 且推理成本砍半；海纳国际（Susquehanna International Group）指控神秘交易员利用内幕交易富途与老虎期权获利超 1 亿美元；人形机器人 Agility 最快 9 月借壳上市，BOM 成本跌破 3 万美元。

在 Meta 一年狂砸 1450 亿美元、而市场对大模型“算不平账”的泡沫论充满质疑的当下，资金正流向别处。普通投资者该去哪里寻找确定性的 Alpha？是高估值的算力芯片，还是被遗忘的基础硬件？梳理几条动态之后马上和你聊。

Claude Code封杀中国时区与代理，Anthropic发布Sonnet 5却陷“合规”争议

据《The Information》及安全研究人员反编译报告，Anthropic 刚发布了新模型 Claude Sonnet 5，其编程基准达 63.2%，定价仅为前代旗舰 Opus 的 40%。但在合规上，其终端编程工具 Claude Code 会在明日回滚前检测用户是否使用特定 VPN 代理、系统是否处于中国时区，以及主机名是否包含中文等特征，触发后会在回复中注入隐形水印以排查并封锁中国用户，导致大批国内开发者任务退回旧版 Opus。 延伸影响：这显示出地缘政治对 AI 合规要求的进一步收紧。企业在享受模型降价红利的同时，必须警惕供应链与合规风险，AI 的“地理围栏”正在成为不可忽视的技术壁垒。

OpenAI推出生物基准GeneBench-Pro，模型推理成本暴跌50%

据《The Information》报道，OpenAI 正式发布了专为生命科学设计的评测基准 GeneBench-Pro。其推理模型 GPT-5.6 Sol 表现抢眼，且单次推理成本已减半。同时，DeepSeek 通过 KV Cache 缓存技术将价格降低至原本的 10%；且 OpenAI 某拆分团队在内存架构上取得突破，将进一步拉低运行门槛。 延伸影响：推理成本折半正在重塑 SaaS 行业。客服投诉等高频任务将能直接转化为低成本的软件更新。这促使更多传统企业放弃自研，转而向垂直行业如制药、生物信息等深度应用靠拢。

海纳指控内幕交易富途与老虎期权，暴利超1亿美元引发监管风暴

据《华尔街日报》报道，全球交易巨头海纳国际集团提起民事指控，称神秘交易员提前窃取了中国监管层整顿富途和老虎证券等券商的内幕消息，通过精准的期权交易在短短数日内斩获超 1 亿美元暴利。与此同时，法国参议院通过法案限制 SHEIN 和 Temu 等跨境电商；澳大利亚政府也正考虑分拆并加强监管四大跨国审计所。 延伸影响：这表明针对中概股及跨境业务的合规监管正在全球收紧。内幕交易的庞大金额将引发 FTC 与 SEC 的严厉审查，迫使跨境券商面临更严苛的资金穿透式监管。

Agility Robotics最快9月借壳上市，人形机器人量产BOM成本骤降至3万美元

据路透社报道，人形机器人公司 Agility Robotics 计划最快 9 月通过 SPAC $CCXI 在美上市。其第四代产品 Digit V4 已经在亚马逊实际运行。通过将 75% 的零部件本土化，Agility 成功将量产物料清单（BOM）成本从早期的 14.5 万美元压缩至 3 万美元以下，降幅近 80%。优必选也发布了售价约为 14.57 万美元的 U1 机器人，家用机器人 Isaac 1 则定于今秋交付。 延伸影响：BOM成本下降 80% 是人形机器人走向商业化的里程碑。Wayve 自动驾驶初创也将首测伦敦 Pisces 市场，机器人板块可能会在今年秋季迎来一波由出货量和 IPO 驱动的投资热潮。

以上是今日重要商业科技动态，下面和我一同走进今天的绿洲早知道时间。

绿洲早知道

在过去的几个月里，科技巨头们在人工智能（AI）领域的资本支出大得令人窒息。根据 Meta 公布的最新财务数据，其 2026 年的资本支出指引已经调高到了惊人的 1250 亿至 1450 亿美元，换算下来，相当于这家社交媒体巨头平均为每个员工每年花费 5 万美元来购买 AI Token。在这种史无前例的“算力军备竞赛”中，华尔街的质疑声却达到了顶点。高盛集团（Goldman Sachs）在其最新的行业分析报告中直接指出，由于应用端变现迟缓，高昂的 GPU 折旧成本正让大模型厂商面临“算不平账”的巨大压力。风险投资家彼得·戴曼迪斯（Peter Diamandis）也公开警告，AI 行业当前的最大风险，在于用户到底愿不愿意为这些昂贵的技术买单。

然而，精明的资金早已开始寻找新的去处。当大部分散户还在紧盯英伟达（NVIDIA）的股价波动，或者在各种 AI 应用软件的财报里苦苦寻找盈利微光时，一级市场与二级市场的专业投资者们正在转向那些真正能够产生确定性 Alpha、但被市场严重低估的底层基建资产——那就是存储设备与电力供应。

要理解这一资金流向的转变，我们需要回到 AI 算力硬件的发展历史中去。在 AI 淘金热的第一阶段，英伟达凭借其独占的 CUDA 生态和 H100 等芯片垄断了训练算力，成为了资本市场无可争议的“卖铲人”。但随着 OpenAI 和 DeepSeek 等公司通过算法优化将推理成本拉低了 50% 甚至 90%，纯粹的“算力”已经不再是稀缺资产。当计算的门槛降低，数据处理的物理限制——也就是“数据怎么存”和“电从哪里来”——迅速成为了制约 AI 规模化落地的核心瓶颈。

就在不久前，前字节跳动员工 Leto Bao 在社交平台上的财富复盘，为这种投资逻辑的转变提供了最佳的注脚。该帖在一天内便为他吸引了超过 3.8 万名新关注者。Leto Bao 透露，他通过深入研究大模型训练和推理数据中心对高容量数据存储的硬件需求，重仓了机械硬盘巨头希捷（Seagate, $STX）和闪存芯片制造商闪迪（SanDisk, $SNDK），并在这一轮 AI 硬件大潮中实现了财务自由。这个故事并非偶然，它揭示了当前资本市场最大的一个定价错误：当所有人都以为 AI 只是软件和算力芯片的游戏时，支撑这些模型运行的海量原始数据和多模态训练库，正以前所未有的速度吞噬着全球的物理存储空间。

那么，这种市场定价错误的深层成因到底是什么？我们有必要从财务 Alpha、资金流向信号以及产业瓶颈三个维度来逐一拆解。

原因之一，是存储市场的代际交替与极高壁垒所带来的财务 Alpha。与 GPU 市场群雄逐鹿、随时可能面临造芯新势力颠覆不同，高容量机械硬盘（HDD）市场是一个由希捷、西部数据等极少数巨头高度垄断的夕阳产业。在过去五年里，由于全球 PC 和消费电子市场的低迷，这些存储厂商大幅削减了资本开支，导致全球机械硬盘的产能在短时间内根本无法扩张。然而，AI 时代的到来突然释放了对 20TB 以上超大容量企业级机械硬盘的指数级需求。因为在训练多模态模型时，海量的物理视频和图像必须被低成本、安全地存储在物理介质中。供需极度失衡的结果，是高容量企业级硬盘的平均售价在过去几个季度内飙升。对于普通投资者来说，去追逐市盈率高达上百倍的 AI 应用公司，不如投资这些市盈率仅在十几倍、却掌握着绝对市场议价权的存储巨头，这里蕴藏着极高的估值安全边际与财务 Alpha。

原因之二，是光通信与光子学硬件的资金流向信号。当算力集群从一万张卡扩展到十万甚至百万张卡时，光靠提升单颗芯片的算力已经无法解决整体计算效率的问题。GPU 之间的数据传输速度——也就是所谓的“互联墙”——成为了新的瓶颈。这就促使光模块（特别是支持 800G 和 1.6T 传输速率的 CPO 光电共封装技术）的可寻址市场增速在整个 AI 硬件链条中高居榜首。一些精明的个人投资者早已将仓位集中在 $SIVE 和 $AAOI 等光模块龙头企业身上。尽管 Meta 这样的巨头在 2026 年面临大模型变现的阵痛，但它们对光模块和光子学硬件的订单却丝毫没有缩减，因为要想让庞大的 GPU 集群不陷入“交通堵塞”，就必须疯狂采购光模块。行业专家指出，光通信的硬件瓶颈预计将延续至 2028 年以后，这为看懂资金流向的投资者提供了一个确定性极高的财务 Alpha 信号。

原因之三，是制约数据中心扩张的终极物理限制：电力与能源的重定价。在美国，气体和天然气发电厂正重新成为新建数据中心的主要碳排放源和电力来源，因为电网的升级速度远远跟不上算力的膨胀。为了解决这一痛点，KKR 与 SK 集团近期联手推出了规模达 13 亿美元的可再生能源平台；同时，投资巨头 Helix 也计划动用超过 100 亿美元收购成熟的数据中心及其配套的电力资产。甚至连小型燃气引擎都成为数据中心进行离网供电的抢购对象。当大模型厂商还在为了每年上百亿美元的亏损头疼时，那些拥有稳定电网接入权、变压器设备产能或者离网发电资产的公司，已经开始躺着数钱了。对于投资者来说，AI 时代的“水和电”正在被市场重新定价，这是资金从虚拟概念流向实体资源的终极信号。

这种“重基建、轻应用”的投资逻辑，在商业史上并不少见。

我们可以类比 19 世纪中叶的美国加州淘金热。当时有超过 30 万人怀揣发财梦涌入旧金山，但最终真正赚到大钱的，并不是那些在河滩上风餐露宿的淘金客，而是给他们提供物理支撑的牛仔裤品牌 Levi’s、卖铁铲的五金店，以及在水源地卖水的商人们。在今天的 AI 淘金热里，OpenAI、Anthropic 等模型公司就是淘金客，而希捷的机械硬盘、$SIVE 的光模块以及 KKR 的可再生能源平台，就是那条结实的牛仔裤和那一桶清凉的纯净水。

另一个经典的案例是 2000 年互联网泡沫破裂前夕的思科（Cisco）。在雅虎、美国在线等早期互联网门户网站的商业模式尚未跑通、用户付费意愿极低的时候，思科作为网络路由器和交换机的主要供应商，其营业收入和利润却连续数年实现了 50% 以上的狂飙。因为无论上层应用如何变幻，底层的“物理管道”是必建项目。当前 AI 硬件投资的逻辑与当年的思科如辙，在应用层跑出真正的杀手级产品之前，基建层的确定性溢价将持续存在。

回顾今天的市场变化，大模型的价格战已经将推理成本打到了“白菜价”，而 Meta 每年 1400 亿美元的资本开支，最终都将沉淀为物理世界里的硬盘、光纤和变压器。当市场在为大模型的商业化路径争论不休时，底层基建的供需天平早已发生了倾斜。

那么，作为普通投资者，在当前的估值水平下，你更倾向于继续持有英伟达这样的算力霸主，还是选择像希捷、光模块以及新能源平台这样估值更具吸引力的底层“送水人”？欢迎在评论区分享你的投资组合策略。

以上就是今天绿洲日报的全部内容，那我们明天再见。