費城半導體七連跌，Meta開放權重能否催動算力需求反彈

nashnova research

今天发布阅读约 5 分钟

費城半導體指數七連跌、累計回撤12.38%步入技術性回調，Meta同日發佈開放權重大模型Muse Spark Open，市場正在衡量：開放模型能否撬動足夠多的新算力需求，扭轉高利率對晶片股的持續壓制。

費城半導體到底跌了多少？

截至10月15日收盤，費城半導體指數連續七個交易日下跌，累計回撤12.38%，正式進入技術性回調區域。

10月以來跌幅已達8.29%；當日雖然英偉達創辦人黃仁勳對CoreWeave前景發表積極表態，指數仍下跌0.88%，未能止跌。

這意味著→ 市場對AI算力的信心正被高利率與回收周期的不確定性持續消耗，單靠利好言論已不足以扭轉趨勢。

Meta發佈開放權重大模型Muse Spark Open，定位為「迄今為止美國能力最強的開放權重AI大模型」，主攻AI編程與AI智能體任務。

該模型採用混合專家架構（MoE，一種令模型只激活部分參數以提高效率的設計），總參數8160億，每Token激活約420億參數，支持100萬Token上下文，接受文字、圖像、音頻和視頻輸入。

綜合性能更強的Muse Wonder保持閉源。Meta首席AI官亞歷山大·王表示：「我們通常不會將最強大的模型開源，但持續將優秀模型開源非常重要。」

簡單來說＝ Meta把「第二強」的模型免費放出來，最強的自己留住——既做生態，又不放棄護城河。

開放權重（訓練好的模型參數可以下載）允許開發者在自有伺服器或雲端部署、微調和推理，簡單來說＝以前只有大平台才跑得起的AI，現在中小企業也能自己跑。

市場討論的核心是「杰文斯悖論」（一種經濟現象：某種資源的使用效率提高後，總消耗量反而增加）——單位算力成本下降後，新增應用場景是否足以令總需求不降反增。

谷歌母公司Alphabet近期研究指出，單位Token價格降低、任務執行時間延長和應用數量增加可以同時發生，推動AI推理總需求與總價值上升。

這意味著→ 邏輯成立有一個前提：新增任務量必須超過單位任務算力的節省幅度，效率提升本身不保證總算力增長。

長端無風險利率持續高企 → 信用風險溢價擴大 → 融資成本上升——這條鏈條是當前壓制半導體估值的核心機制。

簡單來說＝借錢愈來愈貴，而AI的投資回報周期仍看不清楚，投資者對「先燒錢再賺錢」的故事愈來愈冇耐性。

10月15日，10年期以上美債收益率有所回落，但不足以逆轉晶片股的跌勢。

摩根大通指出，自6月以來半導體未來12個月每股盈利預測上調約30%至40%。

超大規模雲端運算廠商資本開支前景預測：2026年約9500億美元、2027年約1.4萬億美元、2030年至少約3萬億美元。

TrendForce預測，2027年圍繞英偉達AI GPU的NVL機架系統總產值有望超過7100億美元，同比增長214%。

這意味著→ 盈利預期在上修、資本開支在膨脹，但股價在跌——市場定價的不是未來的收入，而是「這些錢幾時先賺得返」的不確定性。

Muse Spark Open為算力需求擴張提供了新的技術推力，但要轉化為半導體板塊的實際盈利改善，需要兩個條件同時滿足。

條件一：高利率環境鬆動，融資成本下降，市場願意為長周期AI投資重新定價。

條件二：AI應用部署規模在短期內形成可量化的算力採購增量——不是「理論上可以」，而是「訂單已經落咗」。

說白了＝技術上的好消息已經有了，但錢的問題未解決；晶片股要反彈，得等利率和訂單兩個信號同時亮綠燈。

市场有风险，内容仅供研究参考，不构成投资建议。