算力溢价，存储折价：Gavin Baker押注HBM与光互连的逻辑

太长不看

1.SALP清仓更可能说明杠杆与仓位结构出了问题，不能据此判定存储方向已经证伪。 13F中的期权申报价值不是权利金，也不是经过Delta调整的净敞口；缺少行权价、到期日和7月损益拆分，无法复原真实风险。

2.HBM正在削弱部分存储产品的传统大宗商品属性。 它虽然同样遵循JEDEC标准，但客户认证、堆叠良率、先进封装、定制基础裸片和长期供货合同都提高了更换供应商的成本。

3.DRAM仍然很难被完整替代。 SRAM速度快但面积成本过高，NAND容量大但延迟过高，HBF更适合分担容量压力，无法取代本地HBM和DRAM的超低延迟位置。

4.光互连解决的是数据移动和内存利用率问题，不是直接替代HBM。 它有望让计算与内存解耦，并形成共享内存池；但对迈威尔科技而言，近期商业化重点仍是scale-up互连，内存池化属于更长期的期权。

5.这条投资主线最终要靠经营数据验证。 最重要的指标包括HBM占DRAM晶圆产能的比例、通用DRAM合约价、长期合同占比、三大厂商资本开支、AI资本开支持续性，以及光互连设计中标和收入兑现节奏。

SALP公开市场组合被清仓，并不能直接证明存储交易失败。现有13F只能还原特定时点的申报持仓，无法确认7月的净敞口、期权结构和损益来源。真正值得追踪的是另一条主线：HBM正通过客户认证、先进封装和长期合同提高转换成本，部分存储产品可能不再完全按照传统商品周期定价。如果这一变化持续，美光、SK海力士以及光互连公司的估值逻辑都可能随之改变。

1. SALP清仓究竟说明了什么

据相关报道，2026年7月30日开盘前，Leopold Aschenbrenner旗下Situational Awareness Limited Partnership（SALP）将大部分公开市场股票组合转让给Citadel，交易规模约为160亿美元。基金并未整体消失，Anthropic等私募资产仍被保留；真正被快速处置的，是带有高杠杆的公开市场组合。

这一区分很重要。市场最初将事件概括为“基金爆仓”，但更准确的说法是，SALP的公开市场敞口遭遇了强制性收缩，私募资产和基金主体仍然存在。公开股票组合可以按日盯市，并直接受到融资与抵押品要求影响；Anthropic等未上市资产则不具备相同的流动性和处置机制。两类资产被放在同一个“资产规模”数字中，会掩盖真正引发压力的是哪一部分。

报道显示，SALP的杠杆率一度接近400%，7月单月亏损约67%。即使基金上半年累计回报曾达到439%，如此剧烈的单月回撤仍足以触发抵押品压力和被迫降杠杆。这件事首先说明的是仓位规模和融资结构的重要性，而不是某一个产业判断必然错误。

从数字上看，上半年439%的累计回报意味着净值一度达到年初的约5.4倍；此后若单月回撤67%，净值仍约为年初的1.8倍。这个结果看似仍有盈利，却不代表组合能够继续维持。高杠杆策略面对的约束不是最终回报是否为正，而是波动途中能否满足抵押品要求。只要短期价格变化超过融资结构能够承受的范围，长期逻辑尚未被验证，组合也可能已经失去继续等待的资格。

截至2026年3月31日的13F进一步说明，SALP并不是一个简单的“做多AI”组合。其申报总价值约136.8亿美元，其中半导体和AI基础设施看跌期权对应的标的证券申报价值约84.6亿美元，占比约62%；与此同时，多头仓位又集中在闪迪、电力和AI基础设施瓶颈环节。

看跌期权覆盖的标的包括半导体ETF SMH、英伟达、博通、甲骨文、AMD、ASML、英特尔、康宁、台积电和美光等；多头侧则包括闪迪，以及布鲁姆能源、CoreWeave、IREN、CleanSpark和Applied Digital等电力或AI托管相关公司。从申报表面看，这更像一组“做空部分计算与基础设施估值、做多存储和电力瓶颈”的相对价值组合，而不是单纯押注AI产业链整体上涨。

闪迪本身又构成一个例外。它的核心业务是NAND，而不是GPU本地所需的DRAM或HBM，因此不能简单把闪迪仓位等同于“做多高带宽内存”。更合理的解释是，闪迪既受益于NAND周期，也包含HBF这一更长期的容量层期权，其投资逻辑与美光或SK海力士并不完全相同。

这里必须强调13F的证据边界。期权栏中的VALUE是标的证券申报价值，不是期权权利金，也不是经过Delta调整的实际敞口；文件还不会披露行权价、到期日、场外衍生品和股票空头。因此，84.6亿美元不能直接理解为净空头规模，更不能据此计算组合对股价变化的真实敏感度。

原始申报也没有标题叙事那么泾渭分明。美光同时出现看涨和看跌期权，台积电也存在双向仓位；如果不知道行权价、期限和数量之间的对应关系，就无法判断这些期权是方向性押注、尾部保护，还是围绕普通股仓位建立的风险管理结构。13F可以证明某些工具曾经存在，却不能自动给出组合经理真正押注的净方向。

此外，13F只覆盖符合申报要求的美国证券。SK海力士当时尚未完成美国ADS上市，因此即便SALP通过韩国上市股票持有SK海力士，也不会出现在这份13F中。媒体把SK海力士列为7月主要亏损标的之一，并不足以反推出具体持仓载体、建仓时间和损益贡献。

同样的问题也适用于Atreides Management。其截至3月31日的13F显示，美光位列前5大普通股持仓，组合还包括Ciena、Lumentum、Coherent和Astera Labs等连接层公司；但QQQ看跌期权又是申报价值最大的单一仓位。若只展示Atreides的多头，却完整展示SALP的对冲仓位，两者的比较口径就会失真。

Atreides的组合至少说明，Gavin Baker同时关注存储和连接层，而不是只买一只美光来表达周期观点。Ciena、Lumentum、Coherent和Astera Labs分别覆盖网络设备、光学元件和连接芯片，指向的是AI系统中数据移动成本上升这一共同问题。但这些持仓只能证明截至3月31日的配置，不能证明7月市场波动后仍原封不动地“坚守”。

Baker公开提出过一个值得讨论的估值差异：制造存储芯片所需的半导体设备公司，可以按下一季度年化盈利的较高倍数交易，而设备生产出来的存储芯片却常常只有中个位数市盈率。他选择站在存储一侧，意味着他认为传统周期经验正在低估当前瓶颈的持续时间。不过，设备股和存储股的盈利质量、会计口径及周期位置并不相同，这个对比更适合作为问题起点，而不是估值结论。

图：Atreides Management 2026年第一季度13F持仓截图；13F展示的是申报结构，不是实时净敞口。

因此，现阶段最稳妥的判断不是“方向正确，只是仓位错误”，而是：SALP的结局证明高杠杆组合无法只靠长期逻辑抵御短期价格冲击；至于存储瓶颈逻辑本身是否成立，还要回到产业结构和物理约束。

2. 存储为什么长期便宜，HBM又改变了什么

理解这笔交易，首先要理解存储为什么长期只能获得较低估值。

传统DRAM很像标准化面粉。JEDEC为DDR5、LPDDR5等产品规定了明确规格，在密度、Rank、时序、ECC、PMIC和平台认证满足要求后，不同供应商之间具有较强可替代性。买方当然会考虑良率、稳定性和交付能力，但价格通常仍是最重要的决策变量之一。

供给结构又进一步放大了周期。一座内存晶圆厂需要数年建设和巨额资本投入，但建成后很难轻易停产，因为折旧等固定成本占比较高。需求下行时，厂商继续生产往往仍比让产线闲置更经济，价格因此可能跌向现金成本；供给出清后，产品重新稀缺，价格再度跳涨。这种循环让市场形成了根深蒂固的经验：内存利润难以长期维持，周期高点的低市盈率也未必意味着便宜。

过去30年每比特价格持续下降，也强化了这种定价方式。厂商在上行期扩产，新增产能又往往在需求减速时集中释放；价格下跌压缩现金流，资本开支被迫收缩，随后再为下一轮短缺埋下伏笔。市场给予存储公司较低估值，并不只是因为产品标准化，也因为投资者不愿把周期高点利润按长期盈利来资本化。

GPU则更像一整套米其林厨房，而不是一袋标准化面粉。英伟达销售的不只是单颗芯片，还包括CUDA软件生态、开发者基础、网络互连和整机系统。产品越难替换，供应商越容易保留利润率，市场也越愿意给予更高估值。

这正是Gavin Baker提出的估值矛盾：生产存储芯片所需的半导体设备可以获得较高估值，而存储厂商本身却长期只有较低倍数。不过，这种比较不能直接得出“存储被低估”的结论，因为不同公司的盈利口径、周期位置和估值基准并不相同。真正值得关注的是，HBM是否正在改变存储过去的商业属性。

HBM同样遵循JEDEC标准，但标准化并不等于低转换成本。不同供应商的堆叠方式、良率、散热管理和封装方案并不相同，与客户芯片完成认证通常需要数个季度；从HBM4开始，基础裸片中的先进逻辑和定制设计比例提高，又增加了一层产品差异。与此同时，HBM更多依赖跨季度供货协议，而不是完全通过现货市场交易。

这种差异并不来自“有没有统一规格”，而来自客户把产品真正装进系统时需要付出多少代价。HBM裸片需要与GPU、基础裸片、中介层和先进封装共同工作，更换供应商可能牵动热设计、信号完整性、良率和系统验证。到了HBM4E阶段，部分供应商还提供可选的定制基础逻辑裸片，产品与客户平台的结合进一步加深。

长期合同也改变了收入确认之前的可见度。传统DRAM仍有现货和短周期合约价格波动，而HBM产能往往更早与客户需求绑定。只要客户认证和合同安排没有松动，厂商便更有可能提前锁定产能利用率与价格。但这种稳定性仍然建立在AI需求持续和客户履约之上，不能被理解为行业从此没有下行周期。

换句话说，HBM仍然属于存储器，却开始具备合同型产品的部分特征：认证周期更长、替换成本更高、客户与供应商绑定更深。它不能让整个DRAM行业立刻摆脱周期，但可能让利润结构比过去更稳定。

TrendForce原文数据预计，2026年第三季度服务器DRAM合约价仍将环比上涨13%至18%，只是相较此前季度的急涨有所趋稳。与此同时，SK海力士、闪迪及部分AI基础设施股票在7月出现大幅回撤，长鑫存储的扩产预期也重新唤起市场对供给过剩的担忧。

TrendForce给出的节奏是，服务器DRAM合约价在2026年第一季度上涨超过90%，第二季度上涨50%至60%，第三季度预计仍上涨13%至18%。第三季度被描述为“趋稳”，不是因为价格停止上涨，而是涨幅从异常高位回落。这个变化既支持当前供需偏紧，也提醒投资者价格加速度已经开始放缓。

SK海力士在美国上市进一步放大了交易拥挤度。上市、稀缺的HBM龙头属性和此前股价大涨吸引了大量资金，而7月的快速回撤说明，再强的产业逻辑也可能被估值、仓位和供给预期短期压倒。闪迪和新云公司同步下跌，则表明市场当时交易的不只是某一家公司的基本面，而是整条AI基础设施拥挤交易的风险收缩。

价格上涨与股价回撤并不矛盾。前者反映当前供需紧张，后者交易的则是未来供给、拥挤度和估值风险。判断这轮变化是否具有结构性，不能只看一个月的股价，而要看HBM合同占比、晶圆分配和新增产能兑现速度。

3. DRAM为什么仍然难以被替代

当一种商品持续涨价，替代品通常会出现。但DRAM的特殊之处在于，不同候选方案只能解决其中一部分问题。

HBF尤其容易被误解。闪迪正在推动高带宽闪存，希望通过类似HBM的堆叠接口提高NAND带宽，并以更低成本提供更大容量。但HBF的目标不是追平DRAM的超低延迟，而是在部分推理工作负载中承担容量层任务。它更像HBM的容量补充，而不是DRAM存储单元的直接替代品。

SRAM的限制最容易量化。典型SRAM单元需要6个晶体管，而DRAM只需要1个晶体管和1个电容器。在相同面积内，SRAM能够容纳的比特数明显更少，即使它的速度远快于DRAM，也很难用经济方式承担模型权重和大规模KV缓存。

NAND则处于另一个极端。它每比特成本低、容量大，但访问延迟通常是微秒量级，而DRAM是数十纳秒量级。对于需要频繁随机访问的数据，数量级差异无法只靠增加通道轻易消除。NAND适合承担冷数据和容量层，却不能直接放到GPU旁边替代本地HBM。

PCM、MRAM和ReRAM等新型存储器长期试图填补两者之间的空白。英特尔3D XPoint和Optane是最具代表性的产业化尝试，但成本、规模、软件适配和商业生态最终都没有达到广泛替代DRAM的程度。新型存储器可能在特定场景存在价值，却尚未形成通用主内存的经济性。

闪迪与SK海力士已围绕HBF推进标准化合作，但标准建立只是商业化的第一步。后续还要看控制器、封装、客户样品、软件层级和实际工作负载收益。如果HBF只能提供容量，却不能显著降低系统总成本或改善模型吞吐，它就难以从技术概念变成大规模收入。

另一方面，增加DRAM供给本身也受到物理和经济约束。1比特DRAM由1个晶体管和1个电容器构成，即1T1C。电容器横向缩小后，为了保持足够电荷量，必须向纵向继续拉高，形成极高深宽比结构。制程从1a、1β向1c演进仍能提高比特密度，但工艺复杂度和成本已经明显上升，DRAM不再像逻辑芯片那样仅靠缩小晶体管就能轻松获得性能和密度提升。

可以把电容器理解成储存电荷的桶。横向面积缩小后，桶能保存的电荷减少，读取信号更容易受到噪声干扰；为了维持电容量，厂商只能把结构继续向纵向拉高。数十亿个高深宽比结构必须保持一致，其刻蚀、沉积和良率控制难度会随着世代演进不断增加。

DRAM还需要周期性刷新。存储单元越小，漏电和信号裕量问题越难处理，外围电路与维护负担也随之上升。近期节点转换仍有实现约30%至35%比特密度提升的案例，但获得这些提升需要更复杂的工艺和更高成本。所谓“微缩红利消失”，并不是密度完全不再提高，而是每一代提高密度所付出的经济代价变大。

HBM还会挤占通用DRAM产能。更大的裸片、硅通孔和多层堆叠都会降低有效晶圆利用率。据美光此前披露，生产相同比特数量的HBM3E，所消耗的晶圆数量约为DDR5的3倍。厂商优先把晶圆分配给利润更高的HBM，便会进一步压缩通用DRAM供给。

多层堆叠还会放大良率影响。单颗裸片的良率问题可能在堆叠后产生乘法效应，硅通孔和封装环节又增加新的损失点。厂商把更多资源投向HBM，不只是改变最终产品结构，也会改变同一批晶圆能够提供的总比特数量。这正是HBM需求增长可能同步推高通用DRAM价格的供给侧机制。

当然，物理约束不等于永远短缺。新晶圆厂、节点转换、良率改善和封装效率提升都能增加供给，只是这些调整需要较长时间。投资判断真正要比较的是：需求增长和HBM产能消耗的速度，是否持续快于新增晶圆与工艺改善释放供给的速度。

因此，DRAM短期内很难出现完整替代品：SRAM输在面积，NAND输在延迟，新型存储器输在经济性和生态，HBF只能分担容量。扩产当然能够缓解紧张，但需要时间、资本开支和良率爬坡，而不是一次简单的制程升级。

4. 真正的瓶颈不是一个，而是两个

“内存墙”至少包含两层问题。

第一层是带宽墙。在单请求或低批量的LLM解码阶段，每生成一个token，都需要读取模型权重和KV缓存。此时每token吞吐量大致受“内存带宽 ÷ 每token读取字节数”约束，GPU计算单元可能因为等待数据而闲置。

这也是为什么同一颗GPU的理论算力很高，实际推理吞吐却未必按算力同比提升。解码阶段需要反复搬运权重和缓存，计算单元完成一次运算后可能继续等待下一批数据。增加算术单元不能自动解决数据到达速度不足的问题，系统性能取决于计算与内存之间是否匹配。

第二层是容量与利用率墙。模型参数和KV缓存不断扩大，而单颗GPU所搭载的本地HBM容量有限。为了获得更多内存，客户往往必须同时购买更多计算能力，结果是部分工作负载拥有过剩算力，却仍然受制于内存容量。

但“所有推理都受内存带宽限制”同样过于绝对。随着批量增大，权重读取可以在多个请求间分摊；MoE、量化、推测式解码、注意力结构和上下文长度也会改变瓶颈位置。不同工作负载可能分别受计算、带宽、容量或互连限制。

低批量、长上下文或大KV缓存场景更容易受内存影响；批量增大后，矩阵运算利用率上升，瓶颈可能重新转向计算。MoE只激活部分参数，量化减少每个参数占用的字节，推测式解码改变每一步所需工作量，这些都会改变“每生成一个token需要搬运多少数据”。因此，内存墙是分析框架，而不是对所有模型和负载一刀切的结论。

Celestial AI创始人David Lazovsky把GPU形容为“全球最昂贵的内存控制器”，这句话抓住了容量比例被封装固定的问题，却不应被理解为GPU只剩内存控制功能。GPU仍然提供计算、软件和网络系统价值；真正的问题是，当客户为了购买更多内存而被迫同步购买更多计算时，系统中可能出现资源错配。

这也是“做多存储、做空计算”背后的真正逻辑：计算端的价格包含了系统稀缺性溢价，而承担关键约束的存储端仍按传统商品周期定价。如果HBM和高性能内存变得更难替换，价值可能从非瓶颈端向瓶颈端重新分配。

不过，这只是一个需要验证的估值框架，不是必然发生的结果。如果GPU持续通过软件、网络和整机生态维持高转换成本，计算端仍然可以保留大部分价值；如果存储厂商重新大规模扩产，存储折价也可能迅速回归。

5. 光互连能够解决什么，不能解决什么

电气链路的频率、带宽和距离同时提高时，信道损耗、均衡和重定时功耗会迅速增加。因此，HBM级接口通常只能放在处理器附近，计算与内存的容量比例在封装时便被基本固定。

铜互连并非不能继续进步，但距离越长、速率越高，信号完整性和功耗代价越明显。均衡器、重定时器和更多电气通道能够延长传输距离，却会占用额外功耗和板级空间；产生的热量又会反过来限制系统密度。HBM与处理器保持毫米级距离，正是为了避免这些代价。

光互连的价值在于放宽距离约束。它理论上可以把内存移出封装，甚至放进独立机箱，再由多个处理器共享同一内存池。这样做能够减少闲置内存，提高机架级利用率，并让客户不必为了增加容量而同步购买等比例的计算能力。

这一逻辑首先来自技术分析，而不能从基金持仓倒推。SALP在2025年第4季度曾持有Lumentum，但到2026年第一季度已经卖出Lumentum和Coherent；Atreides同期仍持有多只光学和连接层公司。两组申报只能说明不同时间点的选择，无法证明谁是因为同一套光学内存逻辑买入或卖出。

从系统角度看，内存池化的价值来自共享。传统架构中，不同GPU各自绑定本地HBM，当某颗GPU的内存闲置、另一颗GPU容量不足时，资源无法灵活调配。把部分容量移入共享池后，多个处理器可以按需调用同一组内存，理论上减少为峰值需求预留的冗余容量。

但光互连不能直接复制本地HBM的延迟和带宽。它主要解决的是容量、利用率和数据移动问题，而不是让远端内存完全取代封装内HBM。因此，更准确的表述是：光互连改变存储器所在的位置和调用方式，而不是替代存储器本身。

Celestial AI展示的架构正体现了这一思路：以HBM3E作为大容量DDR5的缓存，通过高带宽光学链路连接多个内存模块，最终形成数十TB级共享内存设备。这个方向的价值在于打破“每颗GPU必须绑定固定容量本地内存”的比例关系。

在其公开架构中，两组HBM3E堆栈承担大容量DDR5的高速缓存，每个模块通过7.2 Tbps光学带宽连接。多个模块组合后，可以形成容量达到数十TB的共享设备。这里的HBM并没有消失，而是从全部容量的承担者变成高速缓存层；DDR5提供更大的容量，光互连负责把数据在处理器与内存模块之间移动。

这种设计是否具备商业价值，要同时看延迟、带宽、功耗、软件透明度和系统总成本。只展示链路带宽不足以证明模型吞吐一定改善；如果远端访问延迟过高、缓存命中率不足或软件调度复杂，节省的HBM成本可能被新的系统开销抵消。

迈威尔科技于2026年2月完成对Celestial AI的收购，但公司提出的首个商业应用不是内存池化，而是全光scale-up互连。公司预计，有意义的收入贡献从2028财年下半年开始，并在第4季度达到5亿美元年化收入运行率。由此可见，光学内存池化目前仍属于更长期的技术期权，不宜直接当作迈威尔科技近期业绩的核心支柱。

厂商还提出过相较既有CPO方案带宽提高25倍、延迟降至十分之一等目标，但这类数字首先是产品路线图和厂商口径，最终仍需客户设计中标、量产良率和实际收入验证。迈威尔科技短期要承担Celestial AI的整合费用，而收入贡献需要等待数个财季，估值不能只计入远期机会而忽略兑现时间。

从投资角度看，存储和光互连对应两个不同期限的判断：做多存储，是押注瓶颈本身应当获得更高价格；做多光互连，则是押注能够疏通瓶颈、提高系统利用率的连接技术最终会获得溢价。

6. 技术瓶颈如何传导到收入、利润和估值

技术稀缺并不会自动变成股东回报。要让“存储是瓶颈”真正支持估值提升，至少要跨过产品结构、盈利质量和资本纪律三道桥。

第一道桥是产品结构。HBM需求增长会提高高价值产品占比，但同时消耗更多晶圆和先进封装资源。只要HBM价格与利润率足以覆盖额外晶圆、良率和封装成本，产品组合改善就能推高收入和毛利率；如果竞争加剧导致价格下降，或者良率爬坡慢于预期，出货增长也可能无法转化为同等幅度的利润增长。

第二道桥是盈利质量。传统DRAM价格上涨可以迅速改善利润，却未必具有持续性；HBM带来的长期合同、客户认证和较高转换成本，才有可能提高盈利可见度。市场真正需要看到的不是某一个季度利润大增，而是合同覆盖期拉长、客户集中度可控、毛利率波动收窄，以及自由现金流在资本开支上升后仍能改善。

第三道桥是资本纪律。存储价格越高，厂商越有动力扩产；如果所有参与者同时上调资本开支，今天的稀缺就可能变成未来的过剩。行业是否值得获得更高估值，取决于厂商能否在高景气阶段克制供给，而不是只取决于当前价格有多高。

估值方法也需要与周期位置匹配。存储公司在利润高点时，静态市盈率往往最低；直接拿这个倍数与设备公司或平台公司比较，容易把周期高点盈利误认为长期盈利。更合理的做法，是同时观察中周期利润率、自由现金流、净现金或净负债、资本开支强度，以及HBM等合同型收入在公司整体中的占比。

光互连公司的估值则面临相反问题：市场容易提前计入远期总市场空间，却忽略设计中标、量产和收入确认之间的时间差。Celestial AI的技术路线即使最终成立，也要经过客户验证、系统集成和规模生产。对迈威尔科技而言，短期利润还会先受到整合费用影响，远期收入不能无折扣地当作当前盈利。

因此，存储与光互连虽然共享“AI数据移动成为瓶颈”这一大逻辑，估值兑现节奏并不相同。存储更接近当前价格、产品组合和资本开支的验证；光互连更依赖未来设计中标与商业化。把两者放进同一笔交易时，必须分别管理估值、时间和波动风险。

7. 投资映射与证伪条件

基准情景：存储折价逐步收窄

HBM继续挤占晶圆资源，通用DRAM供给保持紧张，长期合同和高转换成本产品在收入中的占比提升。在这一情景下，存储公司的盈利稳定性改善，市场逐步降低传统商品周期折价。

这个情景需要同时出现三项证据：HBM需求没有明显降速、通用DRAM价格没有因新增供给快速回落、厂商资本开支仍保持克制。只有价格上涨而没有合同和盈利质量改善，仍可能只是传统周期高点；只有HBM增长而通用DRAM供给过剩，也不足以推动公司整体估值持续上移。

替代情景：传统周期重新主导

如果新增产能爬坡快于预期，三大厂商因高价格重新加速资本开支，供给最终可能超过需求。届时价格下跌、库存上升和利润率回落会再次证明，HBM只能改善部分产品结构，无法消除行业周期。

最早的警告信号通常不会是利润突然下滑，而是资本开支指引上调、客户重复下单、库存天数回升和合同重新谈判。如果这些指标先于收入恶化，市场可能在财务报表确认下行之前，就重新给予存储公司周期折价。

下行情景：AI需求本身转弱

即使存储仍是物理瓶颈，只要AI资本开支总额回落，瓶颈端的价格和需求同样会承压。SALP的清仓提醒投资者：产业判断正确并不等于组合一定赚钱，入场价格、杠杆和持仓期限同样决定结果。

需求端尤其要区分已签合同和最终消耗。云厂商可以提前锁定GPU和HBM供应，但如果模型训练、推理调用或客户收入没有按计划增长，后续资本开支仍可能调整。合同提高短期可见度，却不能永久隔绝终端需求变化。

接下来最值得跟踪的，不是单日股价反弹，而是以下6组数据：

1.HBM占DRAM晶圆产能的比例，以及通用DRAM合约价能否连续上涨；

2.SK海力士、美光和三星电子的资本开支与比特出货增速；

3.HBM长期合同、客户认证和份额变化；

4.AI超大规模云厂商资本开支与GPU实际利用率；

5.闪迪HBF的送样、标准化和客户验证进度；

6.迈威尔科技的光互连设计中标、Celestial AI整合费用及2028财年收入指引。

时间上还可以关注几个更明确的窗口：SALP和Atreides下一期13F只能继续提供滞后的持仓快照，不能替代实时仓位；三大存储厂商的季度业绩更适合验证合约价、晶圆分配和资本开支；闪迪能否推进HBF客户送样，决定这项技术何时从路线图进入商业验证；迈威尔科技则要用设计中标和收入指引证明Celestial AI不只是远期叙事。

判断顺序应当是先确认供需、合同和产能，再观察这些变量是否进入收入、利润率与现金流，最后才讨论估值是否应当上移。不能把一次股价回撤直接当作产业逻辑证伪，也不能把短期价格上涨直接当作结构性重估已经完成。

结论

SALP公开市场组合被清仓，与存储瓶颈逻辑被推翻，是两件不同的事。现有资料足以说明高杠杆和仓位结构放大了损失，却不足以证明存储方向正确，也不足以证明Gavin Baker在7月波动后仍维持原有仓位。

更值得研究的变化是，HBM正在让部分存储产品从高度可替代的标准品，转向认证周期更长、客户绑定更深的合同型产品。只要HBM继续挤占晶圆资源、通用DRAM供给保持紧张，存储公司的传统周期折价就有收窄可能；但新增产能和AI需求放缓，仍然能够让旧周期迅速回归。

光互连则是另一条更长的时间轴。它不能取代本地HBM，却可能通过内存池化和计算—存储解耦，提高整个AI系统的利用率。对迈威尔科技而言，scale-up互连是较近的商业机会，光学内存池化则是尚待验证的长期期权。

因此，这篇文章最终指向的不是一句简单的“做多存储、做空算力”，而是一个更严格的判断：当AI系统的稀缺资源从纯计算能力转向数据移动、内存带宽和容量时，价值会向真正限制系统效率的环节重新分配；但只有合同、产能、价格和收入数据能够证明这种分配已经发生。