英伟达CEO点破AI发展瓶颈：高速互连成下一个战略高地
Computex台北国际电脑展第二日，英伟达掌门人黄仁勋与光互连领域领军企业Marvell首席执行官墨菲联合登台，两位行业领袖的核心议题直指AI基础设施的下一个决定性战场——不是算力，不是存储，而是互联互通。光互联技术正从“可热插拔”向“共封装”代际升级，通信板块估值体系被彻底重塑。 通信ETF国泰（515880）飙升6%，近20日吸金超45亿元，重点布局光模块、服务器、光纤光缆等算力关键环节，光模块权重超50%。 【黄仁勋重新定义AI瓶颈：互联互通成为下一个“稀缺资源”】 Computex大会对话中，黄
AI基础设施投资加速：算力竞争新格局与产业链机遇
AI基础设施投资加速：算力竞争新格局与产业链机遇 2026年，AI行业正在经历一个极其关键但许多投资者尚未完全意识到的转折。 过去三年，市场聚焦的核心议题始终是： * 哪家能打造最强的大模型？ * ChatGPT是否会颠覆世界？ * Gemini能否超越GPT？ * 马斯克的Grok能否实现逆袭？ 然而今天，这些议题正逐步让位。 真正关键的命题已经变为： 谁能够构建足够庞大的AI基础设施？ 简言之，AI竞争正从模型竞争跃升为算力竞争，从软件竞争跃升为工业基础设施竞争。 一、谷歌800亿美元融资揭示了什么？
Alphabet创纪录融资800亿美元，伯克希尔百亿入股布局AI
美东时间6月1日，谷歌母公司Alphabet披露将开展800亿美元股权融资计划，刷新公司融资规模最高纪录。 具体而言，伯克希尔·哈撒韦将参与100亿美元定向私募认购。投资安排为：以每股351.81美元购入50亿美元A类普通股，同时以每股348.20美元购入50亿美元C类资本股。 Alphabet在公告中透露，融资方案涵盖三大块：300亿美元公开承销发行、400亿美元市价增发（2026年第三季度启动），以及伯克希尔100亿美元私募配售。所得款项将投向世界顶尖AI算力基础设施领域，以应对激增的市场需求。 回顾
意法半导体调高数据中心业务收入目标至10亿美元
意法半导体于本周二提升了数据中心业务的收入预期，主要归因于AI基础设施需求的持续增长以及产能扩建取得的新进展。 这家企业预期到2026年数据中心业务收入将达约10亿美元，先前的预估则为"超过"5亿美元。 意法半导体在声明中指出："若当前的增长趋势延续，且业务推进符合预期，到2027年收入将可能实现倍增。"公司先前对明年的收入目标设定为"超过10亿美元"。 在意数据中心市场，这家公司的战略布局聚焦于AI处理器配套的电力供应与管理系统，而非训练模型的GPU芯片。 公司指出，收入预期的提升同样体现了制造产能升级
AI资本化浪潮来袭：Anthropic冲刺股市，谷歌重金铺路
知岳科技AI快讯今日AI头条｜AI正式迈入资本赛道：Anthropic启动上市计划，谷歌斥资800亿美元升级算力底座日期：2026年6月2日｜栏目：知岳科技AI快讯前言过去两年，AI圈最热门的话题是模型。过去一年，AI圈最火热的概念是Agent。而如今，一个新的热词浮出水面：资本化。AI产业正逐步从技术角逐，转向资本博弈、基建比拼与产业角逐。过去24小时内，全球AI领域接连爆发重磅新闻：Anthropic正式递交上市申请；Google母公司Alphabet计划筹措800亿美元用于扩建AI基础设施；欧盟着手
兆级投资下 软件收入能否支撑算力基础设施
统计口径2025 年规模2026 年规模或预测对投资者意味着什么全球软件支出约 1.244 万亿美元约 1.433 万亿美元这是 AI 软件化变现的最大传统预算池全球 SaaS 支出Gartner 口径 2025 年约 2991 亿美元第三方口径约 3756 亿至 4650 亿美元SaaS 是 AI Agent 最容易首先改造的企业软件层AI Software约 2829 亿美元约 4532 亿美元收入增长迅速，但盈利能力仍需检验AI Infrastructure约 9756 亿美元约 1.432 万亿美
安费诺股价高出内在价值七成，AI驱动下的估值分歧引关注
国际电子连接器件领先企业安费诺(146.385, -2.38, -1.60%)近期在人工智能基础设施需求的拉动下股票价格不断上扬，但依据现金流折现模型的评估结果表明，其现有股价可能已大幅超越真实价值。 根据GuruFocus于2026年6月1日公布的最新DCF估值报告，安费诺按每股收益计算的DCF内在价值约为87.11美元， 按自由现金流计算的DCF内在价值约为83.39美元。然而截至评估时点，安费诺股价约为148.76美元，较收益法DCF估值溢价约71%，安全边际为-70.8%。公司的GF Value专
2026年6月AI领域一周要闻速递
小米旗下MiMo大模型于5月27日发布通知，对其V2.5系列模型API实施永久性大幅降价，最大降幅达99%，并取消上下文窗口长度的差异化定价，同时精简Token Plan计费模式，在相同价格下将使用量提升至原来的5至8倍。这一策略的核心目标是，通过深度成本优化，将顶尖大模型的使用成本压缩至"大众化"层级，推动AI能力在更广泛的开发者与中小企业群体中的广泛覆盖。小米创始人雷军亲自发文表示欢迎更多开发者接入。这标志着AI应用开发正从过去受制于高昂算力投入的"保守探索"，转向实现大规模、高频次调用的"普惠应用"
西部数据Computex 2026：AI核心在数据而非仅计算
西部数据(548.005, 16.80, 3.16%)在2026年国际电脑展上精彩登场，传达了一个核心理念：AI基础设施本质上属于数据系统，而非单纯的计算系统。公司通过主题演讲、现场演示以及多项存储技术创新，向行业展示了如何以经济且可靠的方式扩展持久性AI工作负载。 西部数据首席产品官Ahmed Shihab在6月4日的论坛演讲中强调，AI基础设施的设计不能再仅围绕计算性能展开，持久性数据的快速增长、分层架构以及基础设施的经济性正成为AI规模化应用的关键制约因素。 为应对这一挑战，西部数据重点展示了其在高
AI圈六一观察:豆包开启付费模式、NBA引入智能裁判、中国AI绘制能源版图
今日正值六一儿童节，但 AI 领域依旧热度不减。几条资讯串联起来，耐人寻味：豆包终于要迈出收费这一步，抖音电商成为其首个商业化突破口。NBA 宣布将采用 AI 技术自动判定出界球，体育界终于开始"接纳"AI 了。中国 AI 完成了一项壮举——用 AI 技术完整描绘了全国可再生能源电网图谱。此外，苹果代工企业开始涉足人形机器人领域，制造业的 AI 化浪潮，终于波及到了这座"世界工厂"。四件事，揭示了一个方向：AI 正从"尝鲜玩具"蜕变为"柴米油盐"——基础资源。千呼万唤，豆包终于要开启付费模式了。据 36
液冷技术驱动AI基础设施变革
#核心观点： 液冷技术已从可选散热方案转变为AI计算能力基础设施的关键组成部分，#我们预测至2030年全球液冷市场容量将超过3500亿元，26-30年复合增长率约40%，其中NV产业链、谷歌主导的ASIC产业链以及国内超节点算力链将形成三重增长动力，坚定看好AI芯片热密度限制下液冷技术的发展前景。#重点推荐：奕东电子、银轮股份、冰轮环境、英维克、申菱环境等。后续主要推动力包括：#Rubin确认26Q3首批交付、Q4产能有望提升：今日GTC台北主题发布会、确认VeraRubin已实现全面量产，26年下半年将
鸿海携手法国Bull共筑AI云计算设施
根据官方公告，Bull与鸿海科技集团（富士康）将联手打造人工智能及云计算基础设施。 此次合作项目将运用Bull在法国昂热的生产基地以及富士康设于捷克帕尔杜比采的工厂。 Bull在公告中指出：“为落实法国境内的这项战略布局，项目初期预计投入资金将超过1.2亿欧元”。 责任编辑：刘明亮 新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。 郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有
马斯克麾下SpaceX冲刺超级IPO 倒逼华尔街改变传统格局
华尔街历来不缺引发关注的重大首次公开募股，但从未有哪一次IPO能像SpaceX这般迅速冲击整个市场的运作体系。 这家由埃隆·马斯克执掌的火箭、卫星及人工智能综合型企业，预计融资规模将远超历史任何IPO的两倍。其体量之巨、经济辐射之广，使得市场诸多环节开始围绕其重新调整布局。 指数编制方正在修订大型基准指数的纳入准则；被动型投资机构正在测算数十亿美元的被动资金涌入规模；ETF发行机构竞相布局挂钩该上市的产品；散户投资者则争相涌入IPO前的投机性投资工具，即便只是为了获取间接敞口。 对于将在发行定价时被要求投
AI浪潮下老牌科技股强势回归 七只昔日明星股涨幅惊人
这些名字对大多数人而言耳熟能详，它们绝大多数曾在世纪之交互联网泡沫时期光芒四射。随后，在泡沫破灭、新一代科技新势力兴起的浪潮中，它们逐渐从舞台中央淡出。然而今天，受益于汹涌且毫无减弱迹象的人工智能(AI)资本支出热潮，这些资深科技企业正以“复仇者联盟”的姿态强势归来。实际上，在整个5月期间，这些科技“老七雄”的风头热度，明显盖过了以英伟达、苹果等为代表的美股“七巨头”……对于构建AI基础设施的蜂拥而上，导致了从计算机服务器、存储组件、网络设备甚至到传统芯片等所有领域的爆发式增长需求。这引发了全球范围内与这
AI浪潮下机械硬盘重获新生
人工智能的广泛应用，不仅引发了算力需求的激增，更揭示了一个长期被忽视的核心事实：AI不仅是模型的训练与推理过程，更是一个持续生成、积累与再利用的数据生态系统。西部数据首席产品官Ahmed Shihab在近期于深圳举行的客户创新日上表示，训练单个模型所消耗的数据量已达数个EB（Exabytes）级别，且全球存在无数个并行训练的模型；当模型进入推理阶段，每次Token的生成都会产生新数据，这些数据不会消失，而是回流至下一轮训练中。“虽然计算资源可在训练和推理间循环使用，但数据规模却在持续膨胀。”西部数据首席产