纳斯达克每天23小时交易：美国真正想抢的，到底是时间，还是全球定价权？

network

纳斯达克每天23小时交易：美国真正想抢的，到底是时间，还是全球定价权？
当地时间8月7日，SEC正式批准纳斯达克23小时交易方案。
以后每周5天，每天23小时交易，只留1小时做清算和数据处理。
表面看，是方便全球投资者。
但往深了看，其实是三步棋。
第一，抢时区。
亚洲白天就能直接交易美股，不用熬夜等开盘。
交易摩擦下降，全球资金配置美股的意愿自然上升。
第二，抢流动性。
参与的人越多、交易时间越长，美股的流动性越集中。
流动性在哪里，价格发现就在哪里。
第三，抢定价权。
以后全球发生地缘冲突、央行决策、经济数据等突发事件，美股都能更快给出价格。
全球投资者一旦形成习惯：“先看看美股怎么定价。”那美股就不只是一个市场。而会越来越像全球资产的实时价格锚。
这也是美国金融体系最厉害的地方：美联储管美元；美债吸收全球储蓄；美股吸收全球风险资本；金融基础设施负责资金流动。
最后形成一个闭环：钱往美国来，资产在美国定价，全球市场再参考这个价格。
所以，23小时交易真正值得关注的，不是“多交易了22小时”。
而是：美国正在把全球资本的交易习惯，进一步绑定到自己的市场。
那A股、港股怎么办？
我的判断是，未来中国资本市场的改革压力只会越来越大。
提高流动性、优化交易机制、吸引优质企业、推进人民币国际化、强化香港金融中心地位……都可能成为下一阶段的重要方向。
因为未来全球金融竞争，拼的已经不只是：谁的钱多。
而是：全球的钱，习惯在哪里交易，习惯看谁的价格。
这才是真正的定价权之争。

network

黄仁勋回应5000亿美元融资质疑！

读了这篇文章，他其实想把AI算力重新定义成一种可以被华尔街长期持有和融资的基础设施资产。

以前买GPU，主要靠微软、Google、Meta这些大公司自己掏钱。这次老黄开始联合黑石、Apollo、KKR一起进来买AI算力。

这就是黄仁勋这篇文章真正想讲的东西。

市场为什么质疑？因为大家担心所谓的循环融资：

AI公司没那么多钱买GPU
→ 英伟达或者金融机构帮它融资
→ AI公司拿融资的钱继续买英伟达GPU
→ 英伟达收入继续增长。

黄仁勋现在就在证明一件事：GPU不是买完几年就报废的电脑，而是一台可以持续赚钱的机器。

比如A100是2020年的产品，到现在六年了还在跑训练、推理和HPC；H100的租金也没有因为新卡出来就崩掉，反而从去年大概1.7美元/GPU小时涨到了2.35美元，B200租金甚至还在5美元以上。

这意味着什么？

如果一批GPU买回来以后，可以连续很多年出租，持续产生现金流，那华尔街就可以像给飞机、电厂、数据中心融资一样，给GPU融资。

以前AI CAPEX主要看大科技自己有多少钱，现在如果养老金、保险资金、私募信贷、基础设施基金都开始进来，那整个AI行业能拿到的钱会多很多。

这可能是一个新的 INFLECTION POINT。

当然风险也很简单。以后不用天天看英伟达讲多少万亿美元故事，主要看三样：GPU租金、利用率、客户现金流。

如果GPU一直有人租，老卡也还能赚钱，那说明需求是真的，这套融资模式可以继续跑。

如果以后GPU租金开始大跌，机房空着，客户又赚不到钱，还要靠英伟达不断担保，那“循环融资”的问题才会真正暴露出来。

所以我现在对
$NVDA
的看法还是偏正面。

英伟达以前只是卖GPU，现在它想做的是：

让整个华尔街一起出钱，帮AI行业买GPU。

如果AI最终真的能把ROI做出来，那这5000亿美元可能只是开始。

network

美国这些大模型公司，正在把自己的商业模式一步步开下悬崖。Anthropic刚刚敲定了一笔350亿美元的债务融资，由Apollo和Blackstone参与，主要用于购买Google的TPU芯片。整个结构是通过SPV来做：SPV负责借钱、购买TPU，再把这些算力租给Anthropic。光利息算下来，每年就要差不多20亿美元。这个商业模式现在看起来越来越像航空公司了。

航空公司做生意必须要有飞机，但飞机实在太贵，所以很多航空公司都会通过租赁来运营机队。卖机票赚来的大量现金，最后又要拿去付飞机租金、维护机队、偿还债务和更新飞机。这也是为什么Richard Branson有句很经典的话：“想最快从亿万富翁变成百万富翁？去开一家航空公司。”

问题是，航空公司的生意搞不好还比大模型公司好一点，因为一架飞机的使用寿命可以达到20年左右。Eric Schmidt说，一个前沿AI模型的寿命可能只有6个月。而今天训练一个最顶级的前沿模型，实际成本可能已经接近20亿美元。

真正麻烦的是，一个落后的闭源模型可能很快就没什么价值了，因为中国的开源模型可能做到差不多的效果，价格却便宜20倍。所以对OpenAI和Anthropic来说，它们必须不断砸钱训练更好的模型，而每一代模型真正能领先、能赚钱的窗口可能只有短短6个月。也就是说，它们每隔一段时间就得重新投入几十亿美元，只为了继续留在牌桌上。上一代模型还没把钱赚回来，下一代模型又要开始烧钱了。

这根本不是什么高毛利、低成本、可以无限复制的软件生意，反而越来越像一家比航空公司还重资产的航空公司。

network

这篇文章目前细节不多。但如果 Nvidia 能分担一些融资风险，那将是一个净利好，因为市场对 Nvidia 过度依赖其资产负债表感到不安。

FT：“华尔街巨头与 Nvidia 合作达成 5000 亿美元 AI 融资协议”

“包括 Apollo Global、Blackstone、BlackRock、Brookfield Asset Management、高盛和 KKR 在内的一个财团正与 Nvidia 建立合作伙伴关系，以投资 AI 基础设施建设，六位了解谈判情况的人士告诉 FT。这些人士表示，该协议最早可能在周一宣布。”

network

三家云，做数据中心也已经很久了，云本来就是重资产，前期投入大，后期回报大。这是行业特征，特征是个中性词，所以债务驱动并非是个贬义词。
这次的大规模借钱砸基建，背后都是订单驱使，当然，订单是可以被违约的，不是说一定要履行，现在的投入也可能打水漂。所以，我们更应该关注落地，企业盈利增速是必须扩张，利润率也必须扩张，这季度财报展现在了三家大云上，相反META的利润率出现了降低，所以市场也从价格上惩罚了。市场不傻，都是在不断验证地过程中。先阶段，你看不到任何AI有放缓的迹象，CODING的落地大家都看得到，B端的落地在这季度软件财报里开始慢慢体现，C端的落地相反比较欠缺，核心因素我认为还是贵，OPENCLAW早出生了1-2年，走一步验证一步。
至于模型公司，A现在ARR 70B，CODING市场够大，他可以继续增长，但增速放缓是一定的，因为1年再翻10倍就是700B了，我们得对营收数字有些概念。开源破坏闭源，不会影响企业的花费，最多只是营收再分配，3年不到从1B到10B，到70B，这已经是AI落地最好的证明了。但要挣回大科技万亿级别的资本开支，只能靠B端的落地和还仅靠订阅费的C端