美光财报其实没有什么特别可以说的，预期中的超预期，预期中的景气依然在，预期中的“周期向长期转换”。可能很多人会把盘后的表现归结于稍高的资本开支计划，但，其实，就是来自于之前的高度共识，但这种高度共识带来的alpha，终究对抗不了来自于地缘高度不确定性和货币政策趋紧双重背景下快速疲弱的beta。
即使HALO的一致预期依然极强，但是Nvidia GTC后的表现，以及美光盘后表现，似乎都在提示一件事情：关于硬件部分的想象空间正在快速缩减。
当然作为如此重要的财报，虽然不做点评了，但是按照惯例，信息图还是要的。
从内容上我喜欢Nano Banana 2的版本，但是无奈Nano Banana Pro的渲染更好。正如昨天在文章里和在回复里说到的，其实，不同版本模型的稳定性可能是未来我们面临的最大问题。
回到关于HALO的问题，其实过去一段时间，市场是在惩罚HALO的，可能有些细分产业链表现还可以，但是整体上对“硬件”并不那么感冒，相反，一些软件层或者SaaS正在悄然反弹，比如，Cloudflare。
当然，在我一直孜孜不倦的定义里，Cloudflare应该叫做软件Infra，逻辑在过去讲了很多次了，就不再赘述了。
还有一个点，就是云服务提价：你可以理解为因为需求旺盛，特别是类似于OpenClaw出来后，对云服务的每一层，尤其与数据和计算相关的，需求都会大幅提升；你也可以理解为因为运营成本的提高，无论是可见的能源价格，还是算力硬件部分；其实，也可以理解为云服务商必须向市场证明“需求强劲”背景下的涨价能力。
如果结合实际上在下降的每token成本，其实这个传导逻辑在纯AI领域是有问题的：一方面，虽然模型推理成本可以依靠软件和算法优化在相同的硬件环境下不断下降，但是模型训练的成本会受到云服务价格上升的显著影响；另一方面，如果token成本在下降，而其他的软件层基础设施价格都在上升，对纯模型公司而言显然是不利的。
归根结底，爆发式的需求还是来自于模型的能力提升（这里不区分是因为基础模型，还是思考能力，还是agent优化了），但是如果我们都统一到token这个维度去讨论的话，却会发现最核心的模型推理成本占比却在下降（CPU相关的计算、数据的存储、网络的流量，这几项重要的云服务部分优化空间远没有推理来的大，价格还在上升），是不是有点荒谬？
我认为，可能也不算太荒谬，甚至有点可解释：
1.模型是目前竞争最激烈的领域，而且目前看起来还没有显著的规模效应（边际成本递减）；
2.在生产环节中，模型的输入可能基本稳定下来了，但是输出其实远远没有稳定，这意味着在生产环节里，模型能力虽然是最重要的核心，但是模型之外的工作量占比却是在不断提高的，不要被Claude的一系列应用“遮蔽”了落地时的巨大工作量；
3.进一步解释一下，模型大幅提高了产出效率，对于单位产出而言，模型落地的工作量当然也是降低的，但是总量而言，却是大幅提升的，一个简单的比喻，假设模型写代码效率提高10x，但是对于其他外围工作带来的效率提升可能只有2-3x，10x的核心产出（代码），其实意味着30-40x的模型外的工作量提升。如今大量的人都在“养虾”了，这种感觉，可以自己体会一下，是不是更累更焦虑了？
4.最后一个点，可能也是跟目前认知不同的点，token经济学下，基础的衡量标准可能不应该是每token成本，而应该是“每token落地成本”，这里面涉及到的CPU处理、存储、网络传输，还有最重要的人的工作量，都是简单的token推理成本没有涵盖到的部分。按照刚性排序，似乎就该是人力->网络传输->数据存储->CPU，当然远大于GPU系统。为什么CPU刚性比GPU强？本质上，CPU还是串行的，GPU是大系统并行的，CPU的提升几乎完全要靠核心数的提升，以及，内存带宽、总线带宽、SSD带宽或者硬盘转速。
我们也许可以选择相信“人最终都会被AI取代”，但是如果我们看到最终在AI落地的每个环节里的不同刚性的话，我们更应该选择相信：软件Infra，因为这是一个仅存的规模效应还在的领域。
视频终于渲染完成了，最后，就看一下AI眼中的美光吧，作为一个彩蛋。
