To The Moon

$JD 20260522 31.0 CALL$ 又中左伏。用夜盤以31.07入左貨。賣即日call。執返0.11期權金都好[难过]

過去兩年，美股市場談 AI，最常見的問題是：某隻股票的市盈率是否太高？這個問題並非沒有意義，但若只用一層 PE 去判斷整個 AI 產業鏈，往往會得出過分簡化的結論。AI 並不是一個單一行業，而是一套由晶片、伺服器、雲端、模型、數據、軟件及應用組成的多層資本結構。每一層的收入質素、資本開支、折舊週期、客戶集中度和定價能力都不同，因此估值方法也不應相同。 最底層是晶片與半導體設備。這一層最接近「鏟子與鐵路」的角色，Nvidia、AMD、Broadcom、臺積電、ASML、Applied Materials 等公司，承接的是 AI 熱潮中最早出現、也最實在的需求：算力。當雲巨頭、模型公司和企業客戶都需要訓練和推理能力時，GPU、先進封裝、HBM 記憶體、光通訊和網絡晶片自然成為瓶頸。瓶頸所在，通常就是利潤所在。因此，市場願意給予晶片龍頭較高估值，並不只是因為「AI 故事」，而是因為它們在供應鏈中擁有實際議價權。 但晶片股的估值也不能只看高增長。半導體始終有周期性，一旦客戶過度囤貨、技術路線轉變，或雲巨頭加快自研晶片，增長曲線便可能突然放緩。晶片公司的高 PE，實際上包含兩個假設：第一，AI 算力需求會長期高於供給；第二，龍頭公司能維持技術和生態優勢。若其中一個假設動搖，估值壓縮可以來得很快。 第二層是雲與數據中心基建。Microsoft、Amazon、Google、Oracle、Meta 等公司正在大量投資 GPU、數據中心、網絡和電力容量。它們不是單純買晶片，而是在建立下一代計算平臺。這一層的估值難點，在於資本開支先行，回報滯後。投資者不能只看雲收入增長，也要問：每一美元 AI capex 最終能產生多少增量收入？Copilot、Gemini、AWS AI 服務、Oracle Cloud GPU 租賃，到底能否帶來足夠高的回報？ 雲巨頭的優勢是資金雄厚、客戶基礎龐大、分發渠道成