2026年4月美股反弹,AI新云厂商股价翻倍,是春天还是炒作?

1. AI赛道权力交接,新云厂商崛起?

2026年4月美股反弹,AI赛道迎来权力交接。相比高位震荡的芯片制造端,CoreWeave与Nebius这种“英伟达系”新云厂商已实现股价翻倍,这意味着资金在持续寻找“高增长确定性”与“估值合理性”的交集。新云厂商的爆发源于“侧翼包抄”,它们作为为大模型而生的“纯血底座”,凭借英伟达的战略投资与顶级配额,锁定了Meta与微软数百亿的预付订单,并正从算力租赁向高毛利的“推理分发”转型。但狂欢之下风险犹存,这种模式本质上是高杠杆、重资产的“算力地产商”游戏,一旦英伟达产能波动或大客户开始“去成本化”,高负债率带来的流动性压力将瞬间显现。目前的翻倍是确定性的回归,但未来的天花板,取决于它们能否在基建交付的生死时速中,跑赢算力过剩的周期。

2. 美股“V型反转”,新云厂商为何疯涨?

进入2026年4月,美股市场经历了一次戏剧性的“V型反转”。随着中东地缘风险的阶段性缓和以及标普500指数、纳斯达克指数最新双双创下历史新高,投资者的情绪已从3月的极度防御转向了贪婪进攻。在“涨声一片”的时刻,市场最引人注目的变化是:AI赛道的投资逻辑正发生权力交接。相比已经进入高位震荡的产业链上游和芯片制造端(ASML财报后的抛售即是信号),以Nebius (NBIS)和CoreWeave (CRWV)为首的“AI新云(NeoClouds)”在过去数周内表现出了极强的爆发力,短短两周多内股价翻倍,弹性远超其他AI概念股。这究竟是新云厂商的“春天”,还是市场短线资金的炒作?这两家公司并非传统的云巨头,它们在美股的身份更接近于“英伟达亲儿子”,二者近期的股价翻倍,实际上是市场对“算力作为一种主权资产”的重新定价,证明了在AI时代,拥有英伟达的芯片只是基础,能把这些芯片组装成“AI工厂”并直接面向推理侧收费的公司,才是资本市场的真正宠儿。

3. CoreWeave:英伟达的“嫡长子”,为何能翻倍?

CoreWeave的地位十分特殊,它是业内第一个大规模利用英伟达芯片作为抵押品进行融资的公司,这种将GPU直接资产化的玩法,让它的扩张速度远超资本开支受限的二线厂商。过去数周它能翻倍,核心原因如下:

1)需求侧:Agent(智能体)驱动的“第二春”。2026年Q1,算力服务市场进入涨价周期,价格意外上涨30%,这主要归功于企业级AI Agent工作负载的爆发。而对CRWV来说,其客户结构也正在从依赖微软(60%+)向OpenAI、Meta、Anthropic甚至Midjourney扩散,这种客户主体的多元化极大降低了单一客户砍单的系统性风险。

2)供应侧:英伟达的“长子”地位。CRWV拥有稳健的配额霸权,其占据NVIDIA年度出货量的10 - 15%。在2026年这个算力依然“按配额分配”的时代,拥有Blackwell现货就是拥有定价权。其资产韧性也不可小觑,尽管算力租赁价格仍将波动,但代理商对“裸机部署”的敏捷性需求,让传统Hopper卡的折旧压力减小,延长了资产的创收周期。

3)资金侧:融资饥渴已缓解。2026年Q1,CRWV的融资速度显著超预期,它已通过可转债和担保贷款筹集115亿美元,基本覆盖了2026 - 2028年的资金缺口。另外在消息面上,Meta的“买路钱”值得重视,20亿美元的预付款不仅是资金,更是行业信用的背书,证明了大客户对CRWV交付能力的认可。

RockFlow投研团队认为,虽然短期乐观,但要盯紧两个核心指标:利用率(Utilization Rate),如果利用率跌破60%(目前85%),则意味着市场进入过剩周期,IRR将迅速崩盘;价格衰减,正常的每年15 - 20%衰减是可控的,如果因云巨头(ASIC)竞争导致价格同比腰斩(50%),CRWV的债务利息将吞噬所有现金流。

4. Nebius:欧洲的“算力孤岛补完”,为何能翻倍?

随着欧洲对数据主权的极度敏感,Nebius成了英伟达在欧洲落子的关键棋子。在2026年,欧洲各国政府对算力主权的焦虑达到了顶峰,NBIS几乎是目前欧洲唯一能提供超大规模、全栈NVIDIA算力集群的服务商,这种唯一性让它在承接欧盟主权AI基金订单时,拥有极强的溢价和壁垒。相比于亚马逊、微软这种庞然大物,Nebius的弹性极高,只要英伟达的20亿美元支票或战略配额一落地,它的估值逻辑会立即从“二线机房”跳级为“欧洲版英伟达云”。此外,相比CoreWeave动辄数百亿的债务利息支出,NBIS的财务结构极其轻盈,根据2025年Q4财报,NBIS的债务压力远小于CRWV,在市场开始担心“基建泡沫”和“资金链风险”的2026年,财务健康的标的成为了机构避险资金的蓄水池。

综合来说,以下两大爆发支柱共同支撑了NBIS短期内翻倍的底层逻辑:

1)战略背书:英伟达与巨头的“三重加冕”。2026年3月,NBIS迎来了一系列密集的利好轰炸,直接推高了其估值天花板。首先是英伟达对Nebius注入20亿美元,并将其提升至“全球战略级合作伙伴”(AI Factory Partner),这不仅解决了资金问题,更意味着NBIS将拥有下一代Rubin架构和Vera CPU的第一顺位拿货权。与此同时,微软与Meta的巨额“保单”也值得重视,3月中旬,NBIS宣布与微软续签总额高达194亿美元的5年长期协议,并获得Meta 30亿美元的产能预付,这种“大客户背书”瞬间锁定了未来3 - 5年的营收确定性。

2)“Token Factory”:从算力出租转向推理分发。不同于CoreWeave纯粹的裸机租赁,NBIS正在向Token Factory (代币工厂)转型。随着GPT - 6等大模型在2026年下半年进入大规模推理期,算力需求从“训练”转向“低延迟推理”,NBIS在芬兰、德国布局的边缘机房,提供了极低的延迟表现,使其推理服务的毛利率(Gross Margin)显著高于纯租赁业务。此外,营收规模的指数级跳跃也是资金看好NBIS的一大重点,2026财年的年度经常性收入(ARR)指导目标上调至70 - 90亿美元(两年前仅为9000万美元),这种爆发式增长在美股属于极其稀缺的Beta机会。

虽然短期动能强劲,但NBIS在接下来仍面临考验:估值重估的压力,随着股价持续上涨,早期的获利了结盘可能会产生抛压;执行风险,芬兰和美国密苏里州的大规模机房建设能否按期(2026年底)转入“有功电力”状态,是ARR目标能否达成的关键;竞争加剧,随着CoreWeave财务状况好转和传统云巨头(如AWS及其自研Tranium芯片)的反击,NBIS在2026年下半年面临的竞争烈度将显著提升。

5. “新云”真的迎来春天了吗?

“新云”的崛起,其实是GPU原生云对传统通用云的一次侧翼包抄。

甩掉包袱的“特种兵”:快鱼吃慢鱼。AWS、Azure这些老牌巨头确实强,但包袱太重,它们必须在机房里照顾大量的旧资产(老旧CPU算力、传统存储),导致转身极慢。相比之下,CRWV和NBIS这种公司是“纯血”的大模型底座,它们的机房从动工第一天起,就是为了伺候120kW +的超高功耗机架和液冷系统,这种纯粹的环境,让它们在更尖端模型的部署速度上,能把传统云甩开一个身位,在AI时代,交付效率就是第一溢价。

披着股权外衣的“算力盟约”。英伟达的“带资进组”是简单纯粹的利益绑定,这套闭环玩得很绝,老黄既给钱又给卡,新云拿到卡后估值起飞,进而吸引全球最顶尖的AI独角兽排队入驻,这种正反馈一旦转起来,CRWV和NBIS就成了纳斯达克在算力交付上最锋利的“尖刀”,在外界看来,这叫股权投资;在圈内看来,这叫算力霸权的物理延伸。

代理人战争的“顶级受益者”。资本市场现在的重估逻辑非常清晰,既然云巨头(AWS/谷歌)想通过自研ASIC芯片来搞“去英伟达化”,那英伟达必然会扶持新云来反制这些叛逆的大客户,只要英伟达在算力市场的统治地位不动摇,CRWV和NBIS就是这场“代理人战争”中位置最稳、吃肉最香的标的,它们不只是租赁公司,更是英伟达制衡全球云巨头最关键的侧翼棋子。

6. 翻倍之后的“倒春寒”,新云模式有何风险?

虽然走势凌厉,但在RockFlow投研团队看来,“新云”模式并非全无死角。

首先是“单点依赖”风险。新云厂商的身家性命,目前高度系于黄仁勋的一念之间,它们是嫡系,也是附庸,这种模式的逻辑基础是英伟达的优先供货,一旦英伟达的分配策略发生微调,或者Blackwell甚至下一代Rubin架构的产能出现哪怕一个季度的波动,新云厂商那精密的资产回报率(ROA)模型就会出现漏洞,当生产资料完全掌握在竞争对手(英伟达扶持多家新云)和供应商(独家垄断)手中时,这种“被定义的霸权”其实极其脆弱。

资本支出(CAPEX)的无底洞也不可忽视。翻倍的股价背后,是极高的负债率和不断融资的需求,CRWV和NBIS本质上是AI时代的“算力地产商”——借最贵的钱,买最缺的卡,建最重的机房。在目前大盘反弹、流动性宽裕时,这套“以贷养卡”的循环尚能维系;但一旦宏观流动性收紧,这种重资产、高杠杆的模式将面临最残酷的生存测试,对它们而言,现金流不是利润,而是一切。

此外还有大客户的流失风险,目前支撑新云高昂租金的,主要是那些融到巨资、急于出成果的AI独角兽,但风险在于,随着大模型进入“应用深水期”,这些大客户已经开始悄悄推进“去成本化”,一旦训练需求向功耗更低、单价更便宜的推理端大规模迁移,或者大模型公司开始为了省钱而寻求算力替代,新云厂商引以为傲的极致算力集群,可能会面临利用率下滑与价格战的双重夹击。

7. 结论:资金寻找“高增长确定性”与“估值合理性”的交集,新云厂商未来如何?

CRWV和NBIS的暴涨,是AI供应链“阶级固化”的明证,这不代表所有新云厂商都有春天,只有那些领到了英伟达“20亿美元洒水器”浇灌、进入了英伟达核心战略圈的公司,才能在2026年享受这种非线性的市值增长。美股过去两周的反弹,本质上是资金在寻找“高增长确定性”与“估值合理性”的交集。CoreWeave和Nebius的暴涨证明了:在AI基础设施建设的中场,拥有英伟达的芯片只是入场券,而能够将这些芯片转化为“高周转、低损耗、主权级”服务的能力,才是目前资本市场的最高溢价所在。

对于新云厂商,目前的股价反弹已经消化了“生存危机”和“融资压力”,接下来的上涨动力将来自于2026财年Q1的营收指引兑现。如果它们能够证明其“排他性”地位和业绩兑现程度,那么当下可能仅仅只是这轮长牛的中点。此外,RockFlow投研团队认为,不要只盯着股价的涨幅,要继续盯紧英伟达最新的“13F持仓报告”和战略合作名单,在2026年的美股,“谁是英伟达的利益共同体”,比“谁的技术更先进”更能决定账户的盈利曲线。新云厂商未来能否持续上涨,值得投资者深入思考。

内容概要:本文围绕“基于多面体聚合与闵可夫斯基和的电动汽车可调能力评估研究”展开,系统提出一种基于多面体建模与几何运算的聚合方法,用于量化大规模电动汽车集群的可调节能力。通过构建单车充电可行域的凸多面体表示,并利用闵可夫斯基和实现群体调控潜力的数学聚合,形成统一的等效灵活资源集合,从而精确刻画电动汽车集群在时间与功率维度上的整体调节边界。该方法结合Matlab代码实现,支持对聚合结果的可视化呈现与边界分析,为电力系统中的需求响应、虚拟电厂运营及分布式能源调度提供了高精度建模工具。研究强调科研应兼顾严谨逻辑与创思维,倡导借助YALMIP等优化工具提升建模效率与求解可靠性。; 适合人群:具备电力系统分析、凸优化理论或运筹学背景,从事能源并网、电动汽车调度、综合能源系统等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握多面体建模与闵可夫斯基和在电力系统灵活性聚合中的数学原理与实现方法;②学习利用Matlab完成电动汽车集群可调能力的建模、聚合与可视化分析;③应用于虚拟电厂资源聚合、需求响应潜力评估、配电网柔性负荷调控等实际场景的建模与优化决策。; 阅读建议:建议读者结合文中Matlab代码逐模块复现算法流程,重点理解多面体定义、约束处理及闵可夫斯基和的近似计算实现,同时参考提供的YALMIP工具包资源,深入掌握优化建模技巧,以全面提升对复杂系统聚合建模的能力。
内容概要:本文系统研究了基于Wasserstein生成对抗网络(W-GAN)的光伏出力场景生成方法,旨在应对能源出力的高度不确定性。相较于传统GAN,W-GAN通过引入Wasserstein距离与梯度惩罚机制,显著提升了模型训练的稳定性与生成数据的质量,能够更精确地捕捉光伏功率时序数据的波动性与时序相关性。研究详细阐述了模型架构设计、损失函数构建、梯度惩罚项(GP)的实现细节,并通过Python代码实现了完整的数据预处理、模型训练、场景生成与后评估流程。生成的高保真光伏场景在统计特性(如分布形态、波动幅度、日内趋势)上与真实数据高度吻合,有效满足了电力系统对不确定性建模的严苛要求。; 适合人群:具备Python编程能力和深度学习基础知识,从事能源发电预测、电力系统规划、运行调度、储能配置及风险管理等领域的研究生、科研人员和工程技术人员。; 使用场景及目标:①为含高比例光伏的电力系统进行可靠性评估、优化调度与安全校核提供高质量、多样化的输入场景;②支撑储能系统容量配置、需求响应策略制定等决策,以应对光伏出力的波动性;③作为深度学习在能源领域应用的典型案例,服务于相关课题的教学、科研与项目开发。; 阅读建议:建议读者深入研读并运行所提供的Python代码,重点关注W-GAN中判别器(Critic)的构造、梯度惩罚项的编码实现以及训练过程中的超参数(如学习率、惩罚系数)调优策略,可通过对比生成场景与真实场景的可视化结果来评估模型性能,并尝试将其扩展至条件W-GAN(CW-GAN)以生成特定气象条件下的光伏场景。
内容概要:本文围绕基于生成对抗网络(GAN)与Wasserstein GAN(W-GAN)的光伏场景生成展开研究,重点介绍如何利用Python代码实现W-GAN模型,以生成高质量、高稳定性的光伏发电出力场景数据。相较于传统GAN,W-GAN通过引入Wasserstein距离和梯度惩罚机制,有效缓解了训练过程中的模式崩溃与梯度消失问题,显著提升了生成数据的真实性和多样性。该方法在能源出力不确定性建模、电力系统仿真分析等领域具有重要应用价值。文中提供了完整的实现流程,涵盖数据预处理、网络结构设计、损失函数构建、模型训练优化及生成结果可视化等关键环节。; 适合人群:具备一定Python编程能力和深度学习基础,从事能源发电预测、电力系统规划、智能电网仿真或人工智能算法应用等相关方向的研究人员及高校研究生。; 使用场景及目标:①用于构建高精度的光伏出力不确定性场景集,支撑电力系统调度决策、储能配置与风险评估;②为高比例可再生能源接入下的电力系统提供可靠、多样化的输入场景,提升仿真与优化模型的鲁棒性;③帮助研究者深入理解W-GAN的理论机制与工程实现,推动其在能源系统建模中的创应用。; 阅读建议:建议读者结合提供的代码进行动手实践,重点关注判别器与生成器的网络架构设计、Wasserstein损失函数的实现方式以及梯度惩罚项的添加技巧,同时可在不同气候区域或时间尺度的光伏数据集上进行迁移实验,进一步验证模型泛化能力。
内容概要:本文详细介绍了“计及风电不确定性的电力系统黑启动恢复模型”的Matlab代码实现,旨在通过仿真手段研究在风电出力具有强波动性和不可预测性的背景下,电力系统发生大范围停电事故后的黑启动恢复过程。该模型综合考虑风电不确定性对系统频率稳定、电压支撑能力及关键恢复路径供电可靠性的影响,采用鲁棒优化或分布鲁棒优化等先进数学方法构建恢复策略,科学制定机组启动优先级、功率爬升计划与网络重构路径,确保系统在复杂不确定性环境下仍能安全、有序、高效地实现电网重建。文中强调科研需具备严密逻辑、善于借助成熟工具与方法,并倡导结合创思维推进研究,建议读者循序渐进学习,避免陷入技术细节迷宫。完整资源可通过指定公众号或网盘链接获取。; 适合人群:具备电力系统分析、优化理论及随机建模基础知识,熟悉Matlab编程与优化工具箱(如Yalmip、CPLEX等),从事电力系统恢复控制、高比例能源并网安全、不确定性优化调度等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入研究高比例风电接入场景下电力系统黑启动的关键挑战与应对策略;②掌握不确定性建模(如随机规划、鲁棒优化、分布鲁棒优化)在电力系统恢复中的具体应用方法;③复现、验证并拓展相关高水平学术论文中的数学模型与求解流程,提升科研实践能力。; 阅读建议:建议结合文中提供的完整代码、模型说明文档及参考文献,按照逻辑结构逐步学习,重点钻研风电不确定性刻画、黑启动阶段动态建模、多约束耦合机制与优化算法实现等核心环节,鼓励动手调试参数、修改模型结构并进行对比实验,以深化对现代电力系统恢复机制与智能优化技术融合应用的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值