【Moontalk週報】美光不再只是週期股? | Snowflake 愈綁 AWS 愈深 | 軟體股的資金輪動
本週市場給了我們幾個值得細想的訊號：PCE 數據讓聯準會暫時放下了鷹爪，美光的估值框架被瑞銀徹底翻寫，Snowflake 與 AWS 的合約規模讓人重新審視數據基礎設施的位置，而資金從半導體安靜挪向軟體這件事，也許比表面看起來更有意思。
摘要：
一、通膨數字降溫了，但儲蓄率說出了不同的故事
二、美光的估值邏輯正在被重寫，而且這不只是一家公司的故事
三、Snowflake 為何甘願愈綁 AWS 愈深，而且還在加碼
四、資金開始從半導體挪腳，軟體股的補漲邏輯說了什麼
一、通膨數字降溫了，但儲蓄率說出了不同的故事
4 月的 PCE 數據在市場高度緊張的時間點落地，它沒有帶來驚喜，但這本身就是一種安慰。環比上漲 0.4%，低於市場預期的 0.5%；同比 3.8%，剛好在預期線上。核心 PCE 環比 0.2%，也比預期的 0.3% 少了一個點。單從數字看，這不是什麼了不起的「轉捩點」，但放在當前脈絡下，它有效地壓制了市場最恐懼的那個劇本，通膨失控導致聯準會被迫再次升息。
這份 PCE 報告的結構分析比總數更值得關注。汽油價格單月上漲 5.5%，住房通膨繼續貢獻 0.5%，這兩塊依然是數字的主要推手。但在剔除這些波動較大的成分之後，底層服務通膨只有 0.2%，這說明能源衝擊並沒有廣泛擴散到整體經濟體系。這個差異很重要，如果通膨是全面性的，那才是真的麻煩；如果只是特定板塊在發熱，政策的應對空間就大得多。
數據一出，債市立刻有了反應。30 年期美國國債收益率重回 5% 以下，加息預期從 49.4% 滑落至 46%。紐約聯儲主席約翰·威廉姆斯（John Williams）的公開表態進一步確認了這個方向，他說政策目前處於「有利位置（Favorable Position）」，雖然沒有排除任何選項，但語氣明顯偏向繼續觀察，而非再行動。對市場來說，這比什麼都重要：聯準會暫時不需要動。
說起來，現在的市場邏輯變得很直接：只要 PCE 不繼續超預期，聯準會就沒有非得升息的壓力，股市和債市就能喘一口氣。這種「只要不更壞就算好」的定價邏輯，說明市場目前承受的壓力並不輕。
但我認為，光看 PCE 那一頁，看不見全貌。同一份報告裡有一個數字更值得警惕：儲蓄率（Savings Rate）降至 2.6%，創下 2020 年以來的最低水平。
讓我把這個數字放進上下文裡說清楚。4 月個人消費支出環比增加了 0.5%，看起來消費者仍然很有活力，在持續花錢。但問題在於，個人收入這個月幾乎沒有增長，遠低於預期的 0.4%。收入沒漲，支出卻增加了，錢從哪裡來？答案就是存款。
儲蓄率 2.6% 是一個很低的數字。疫情後美國家庭積累了龐大的超額儲蓄，過去幾年的消費韌性在相當程度上靠的是這批儲蓄在支撐。但這個水庫的水位一直在降，現在已經接近正常水位以下。這不意味著消費馬上就會斷崖，但它確實說明：當前消費增長的可持續性面臨考驗，動力愈來愈依賴收入而非儲蓄，而收入現在明顯沒有跟上。
有意思的是，GDP 一季度的二次估計值也同步下修，從初值的 2.0% 降到 1.6%。下修的主因有兩個：一是私人非農庫存投資低於初估，說明企業不願意囤貨；二是服務消費疲軟，尤其是醫療保健。反而是商品消費，車輛、休閒商品、食品飲料被小幅上修。
這個結構告訴我們，美國消費者目前的消費重心仍在實物商品，而服務端的支出動能正在消退。在通膨環境下，這種消費行為的切換有其內在邏輯，服務的價格黏性更強，消費者對服務支出的削減往往比商品更滯後，但一旦開始削減，往往也更難逆轉。
我的觀點是：這份數據給了市場一個短期喘息的理由，但沒有給出任何中期樂觀的充分依據。通膨邊際降溫讓加息的尾部風險暫時縮小，這對多頭是利好。但儲蓄率觸底、服務消費疲軟、GDP 下修的組合，勾勒出一幅消費引擎正在慢慢降速的圖景。短期市場可以選擇慶祝「沒有更壞的消息」，但中期的邏輯並沒有因此變得更清晰。
聯準會現在的處境也很微妙。它不需要升息，但也沒有條件降息。利率在高位停留的時間愈長，對利率敏感的部門，房地產、中小企業貸款、消費信貸，承受的壓力就愈大。
實際上，威廉姆斯的表態也暗示了這一點，他說預期通膨會隨著能源衝擊消退而放緩。這是一個比較溫和的信號，但措辭本身也說明聯準會現在並沒有高確信度的通膨下行路徑，還在等數據說話。市場可以在這個空窗期裡做一定程度的風險資產佈局，但底氣並不厚實。
想把這個宏觀背景再延伸說一層。儲蓄率下滑這件事，在過去幾個經濟週期裡往往是消費端崩潰的前兆，但這個關係並非鐵律。2015 至 2019 年，美國儲蓄率曾一度維持在 6% 至 8% 的範圍，即便收入增長相對溫和，消費也保持了相當的韌性。那段時期的支撐來源是信貸市場的寬鬆，低利率讓消費者可以用借貸補充消費能力。但現在的高利率環境，切斷了這個補救機制。信用卡利率目前普遍超過 20%，汽車貸款利率也在 7% 至 8% 的高位，這讓借貸消費的成本大幅上升。當儲蓄既已枯竭、信貸又昂貴，消費者能動用的工具就真的不多了。
二、美光的估值邏輯正在被重寫，而且這不只是一家公司的故事
瑞銀（UBS）這份關於美光的（Micron Technology）研究報告在市場上引發了不小的討論，倒不是因為目標價有多高，1625 美元的目標價當然搶眼，但在半導體分析師的世界裡，極端目標價並不罕見。真正值得思考的，是它背後的估值框架轉換。雖然這個主題Moon在4月初已經分享過，但還是想在這裡講一下UBS這份報告。
過去，美光幾乎是教科書級別的週期股定義：DRAM 和 NAND 價格漲，美光賺得盆滿缽滿；價格跌，美光就幾乎沒有盈利。這種高度依賴大宗商品定價的商業模式，讓分析師自然而然地用市帳率（Price-to-Book Ratio，P/B）來給它估值，因為 P/B 框架適合評估那些盈利高度波動、資產是主要價值錨點的公司。
瑞銀這份報告做的事情，是說：這個框架已經過時了。
轉換的核心在於長期供應協議（Long-Term Agreement，LTA）的結構性變化。過去的 LTA 大多只是約定採購量，價格仍然浮動，合約的保護力有限。但這一輪 LTA 開始加入固定採購量加部分固定價格的框架，合約期限拉長到 3 到 5 年，典型的結構是前兩年鎖定價格，後三年允許一定範圍的浮動。這個變化看起來像是技術細節，但對財務模型的影響是根本性的。
瑞銀的估算顯示，到 2027 年，行業內約 30% 的 DRAM 出貨量將被 LTA 覆蓋。其中，伺服器 DDR5 領域更為顯著，雲端大廠（Cloud Hyperscalers）已鎖定行業約 70% 的出貨量。換句話說，AI 基礎設施建設的軍備競賽讓採購方從被動等市場定價，轉向主動鎖定供應。對美光這樣的供應商而言，這意味著盈利的能見度大幅提升，而這正是讓估值框架從 P/B 切換到市盈率P/E的底層條件。
在美光的 LTA 鎖定份額假設上，瑞銀給出的數字是 33%，高於三星（Samsung Electronics）的 30% 和海力士（SK Hynix）的 18%。這個排序有些反直覺，美光在整體記憶體市場的市佔率通常排在三星和海力士之後，但在 LTA 鎖定比例上反而領先。這背後的邏輯是美光與北美雲端大廠的合作深度：地緣因素加上供應鏈多元化的需求，讓美系客戶傾向於更積極地與美光簽訂長約。
LTA 帶來的財務效應有兩層：
第一層是平滑盈利曲線。透過固定量價，美光犧牲了部分價格上行的彈性，但換來的是需求可見度的大幅提升。週期股最致命的問題往往不是盈利本身有多低，而是盈利的波動太劇烈——估值倍數在高點時往往被壓縮，在低點時反而被放大，形成一個對長期持有人非常不友好的估值陷阱。LTA 打破了這個循環。
第二層是降低價格波動的程度。瑞銀的測算顯示，LTA 可以將記憶體價格從高點到低點的波動幅度降低大約一半。進一步，即便假設 2029 年內存價格下跌 50%，美光的每股收益仍然能維持在 100 美元以上。這個壓力測試的結論，說明的是：就算下個週期真的到來，美光的盈利底部也比過去高得多。
我認為，這裡需要補充的一點是：瑞銀的牛市情境建立在多重假設的共同成立之上，其中最重要的一個是 2027 年 HBM的平均合約價（ASP）年增率從之前預估的 35% 上調至 50%。這是一個相當激進的假設。HBM 目前的需求確實非常強勁，英偉達的 H100 和 H200 每顆需要大量 HBM，下一代 Blackwell 架構的 HBM 需求更高，但「需求強勁」和「供應商能持續以 50% 的速度提升 ASP」之間，中間有很長的距離要走。
有意思的是，瑞銀在這份報告裡明確指出，推高 2028 財年盈利的主力不只是 HBM，整體 DRAM 的貢獻同樣巨大，預計 2028 財年 HBM 收入為 447 億美元，但整體 DRAM 收入高達 254 億美元。這說明瑞銀的牛市邏輯不是單押 HBM，而是押注 AI 基礎設施建設帶動的整個記憶體市場同步進入強價格週期。伺服器 DDR5、普通 DRAM、NAND 全面受惠，才是那個極端 EPS 數字的真正來源。
但市場並不完全認同這個邏輯。數據顯示，美國其他六大投行對美光的目標價明顯保守得多。我的想法是，瑞銀的框架轉換這個方向本身是對的，但幅度可能過於激進。從 P/B 到 P/E 的估值邏輯切換，確實應該隨著 LTA 普及而發生，這不是瑞銀的發明，而是一個市場遲早會集體承認的結構性變化。真正的問題在於切換的速度和幅度，以及市場願意給多少溢價來定價這個「更高可見度」的新現實。現在各大行之間的目標價分歧，說明市場在這個問題上還沒有達成共識。
說起來，記憶體產業的這個轉型，其實是 AI 基礎設施建設的一個側面寫照。當雲端大廠願意提前三到五年鎖定採購量，說明他們對 AI 算力需求的長期趨勢有足夠高的確信度。這份確信，現在正在透過 LTA 這個機制，從需求端傳導到記憶體供應商的財務結構裡。這個傳導的深度和速度，值得持續追蹤。
最後，我認為這份報告隱含了一個更大的產業命題，值得提出來思考：當 AI 的發展讓記憶體成為算力瓶頸，記憶體廠商的市場地位和定價能力，是否會在未來幾年裡系統性地向上遷移？如果答案是肯定的，那瑞銀的估值框架切換，也許只是一個開始，而不是終點。當然，這需要 AI 需求的長期增長持續驗證，也需要記憶體廠商在技術升級上持續保持資本投入。但這個方向的討論，本身就值得放進長期的研究框架裡持續追蹤。
這邊也放一下之前寫的文章做參考~
三、Snowflake 為何甘願愈綁 AWS 愈深，而且還在加碼
Snowflake 這季度的財報沒有讓人失望。營收達到 13.9 億美元，調整後每股收益 39 美分，兩個數字都超過市場預期。但比財報本身更值得關注的，是那個伴隨財報一起公佈的合約消息：Snowflake 宣布未來五年將向 AWS 投入 60 億美元採購服務，平均每年 12 億美元。
這個數字要放進歷史背景裡才能看清楚它的分量。2020 年 Snowflake IPO 時，公司披露的是「未來五年向 AWS 承諾採購 12 億美元」，整整五年，12 億。現在的新協議，一年就要花掉這個數字。規模擴張了五倍，而且是在公司體量本身已經大幅成長之後。
為什麼 Snowflake 要把自己和 AWS 綁得這麼緊，而且還在持續加碼？這個問題的答案，其實說的是整個 AI 產業正在發生的一個結構性轉移。
協議裡有一個細節被很多人忽略了：Snowflake 特別提到了亞馬遜自研的 Graviton CPU。在一個所有人都在談 GPU 和 TPU 的時代，Snowflake 強調的是 CPU，這個選擇本身就是一個信號。
讓我解釋一下為什麼這很重要。過去幾年，AI 應用的核心算力需求集中在 GPU，因為大型語言模型（Large Language Model，LLM）的訓練和推理需要大規模的並行矩陣運算，而 GPU 在這方面有結構性優勢。但現在，AI 應用正在進入下一個階段，從單純的模型問答，進化到能夠執行複雜任務的 AI 智能體（AI Agent）。
AI Agent 的計算需求和 LLM 推理不太一樣。一個 Agent 在執行任務時，需要調度多個模型、在不同工具之間傳遞指令、處理大量非結構化數據，並維持一個連續的工作流，這些操作更像是通用計算。換句話說，GPU 負責「想」，而 CPU 負責「做」。當 AI 從「想」為主轉向「做」為主，通用計算的重要性就開始回升。
Graviton 是亞馬遜基於 ARM 架構自研的 CPU，在性能功耗比上相當有競爭力，特別適合大規模的數據處理和工作負載調度任務。Snowflake 押注 Graviton，是在說：我的客戶的 AI 工作負載，正在從「訓練大模型」轉向「用數據跑 Agent」，而後者需要的是大量高效的通用算力。
這個判斷和 Snowflake 的整體定位是一致的。Snowflake 的核心價值主張，一直是幫助企業打通數據孤島（Data Silos）、實現跨部門的數據治理（Data Governance）和分析。在 AI Agent 的時代，這個能力的戰略地位大幅上升，因為 Agent 要有效執行任務，前提是能夠快速調用高品質的企業數據，而 Snowflake 就是管理這些數據的平台。
這也是 Snowflake 這季度能消除部分市場疑慮的原因。過去一年，「AI 會不會替代傳統數據分析軟體」是壓制整個數據基礎設施板塊估值的一個主要敘事。邏輯聽起來有點道理，如果 LLM 可以直接分析原始數據，為什麼還需要一個專門的數據倉庫（Data Warehouse）？但這個邏輯忽略了一個關鍵：LLM 要分析的數據必須先是乾淨的、可信的、有治理的，而這個工作恰恰就是 Snowflake 在做的。AI 不是數據治理的替代品，而是數據治理的最大需求來源之一。
Snowflake 的商業模式也在這個趨勢中顯示出獨特的優勢。它採用按量計費的模式，客戶預先承諾一定的消費金額，然後根據實際的查詢量、AI 工作負載和推理消耗來扣減額度。這個模式的好處是：Snowflake 的收入直接和客戶 AI 使用量的增長掛鉤，客戶 AI 用得愈多、跑的 Agent 愈多、處理的數據愈大，Snowflake 的收入就愈高。這和傳統 SaaS 的按席位訂閱（Per-seat Subscription）有根本的不同，後者面臨的風險是企業因 AI 裁員而減少席位數量；而前者則是在 AI 的驅動下，自然地跟著使用量增長。
我認為Snowflake 和 AWS 的深度綁定是一個理性的戰略選擇。Graviton 的高性能功耗比讓 Snowflake 可以用更低的成本服務更多的 AI 工作負載；AWS 的全球基礎設施覆蓋，讓 Snowflake 可以在不同地理區域快速擴展。作為回報，AWS 獲得了一個大規模的企業數據客戶，以及 Snowflake 帶來的巨量計算需求。這是一個雙方都有利的深度共生關係。
當然，深度依賴單一雲端供應商也有它的風險。如果 AWS 的定價策略發生變化，或者 Snowflake 需要在不同雲端平台之間維持更靈活的部署選項，過深的綁定就可能形成制約。但從現階段的市場動態來看，Snowflake 顯然認為 AWS 深度整合帶來的規模效益和技術協同，遠大於供應商集中的潛在風險。
值得追蹤的後續問題是：隨著 AI Agent 的採用加速，Snowflake 的按量計費收入增長的斜率會不會比傳統數據查詢業務更陡？如果 Agent 帶來的工作負載增長速度快於預期，Snowflake 的估值邏輯會再度重估。這是今年下半年最值得持續觀察的幾個成長故事之一。
四、資金開始從半導體挪腳，軟體股的補漲邏輯說了什麼
這週軟體板塊的反彈很顯眼。Snowflake、Datadog 幾家有財報支撐的公司帶頭，整個 SaaS板塊出現了比較明顯的資金流入。如果只看表面，這很容易被理解為「財報超預期帶動個股上漲」。但我認為這件事背後有更值得展開的資金邏輯在運作。
讓我先說一個背景：AI 交易在過去一年多裡，資金高度集中在算力這條主線，英偉達、AMD、博通，以及記憶體端的美光、海力士。這些股票的共同特點是：市場對它們的受益路徑清晰直接，AI 需要算力，算力需要這些晶片，供不應求。這個邏輯簡單、有力，吸引了大量動量資金快速積累。
但動量資金有個特質：它喜歡聚集在已被廣泛認知的賽道，而一旦一個賽道過於擁擠，預期被充分定價之後，任何微小的不利消息都會觸發劇烈的調整。過去幾個月，半導體板塊的高波動性，部分原因就在這裡。持倉過於集中的結果是：每一次消息面的擾動，都會放大成股價的劇烈震盪。
在這個背景下，部分資金開始往外找。軟體板塊，在過去一個季度裡，恰好提供了一個在邏輯上有說服力、在估值上有吸引力的落腳點。
先說估值端。很多 SaaS 軟體股從去年底到今年 1 月末，經歷了相當幅度的下殺，原因是市場擔憂 AI 會顛覆現有的軟體商業模式。這個擔憂的具體形式有幾種：AI 能自動生成程式碼，是不是會讓開發工具類 SaaS 失去價值？AI 能處理大量重複性任務，是不是意味著企業可以減少人頭、進而削減按人頭計費的 SaaS 席位？AI 本身能不能直接替代現有的數據分析軟體？這些問題在市場上形成了廣泛的恐慌敘事，推動了軟體股的估值普遍腰斬。
但最近的財報季，開始系統性地給出反證。Snowflake 的按量計費收入保持增長；Datadog 的 AI 相關工作負載監控需求創下新高；ServiceNow 表示 AI 自動化功能正在幫助客戶提升效率，進而加速了更高層級產品的採購，而不是減少訂閱。這些數據說明的是：市場此前高估了 AI 對軟體商業模式的顛覆速度，同時低估了軟體公司利用 AI 進行自我「賦能（Augmentation）」的能力。
實際上，軟體公司在 AI 浪潮中的處境比「被替代」這個標籤要複雜得多。以 Salesforce 為例：它在 CRM領域深耕多年的客戶關係和數據積累，讓它在推出 AI 功能時具有強大的護城河，沒有積累這些歷史數據的新進者，很難在短時間內複製相同的 AI 使用效果。這種數據飛輪的優勢，在 AI 時代反而可能被放大，而不是被消除。
資金流向軟體板塊的另一個推動力，來自網路安全領域。AI 的快速普及，正在系統性地擴大企業的攻擊面。模型 API、訓練數據管道、AI Agent 的執行環境，這些新的技術層每出現一個，就帶來一批新的安全漏洞和防護需求。市場的判斷是：AI 不會讓現有的安全技術經驗變得過時，反而會催生出更多對安全能力的需求。這讓 Crowdstrike、Palo Alto Networks 等網路安全股成為資金輪動中相對確定的受益者。
我想說清楚的是，這波軟體股的補漲，它背後有幾個不同的邏輯線同時在運行——AI 顛覆敘事的退潮、財報數據的正面驗證、網路安全需求的結構性增長、以及從過度擁擠的半導體賽道流出的增量資金。這幾條線交織在一起，才構成了這週軟體板塊的上漲動能。
但我也不會過於樂觀。軟體板塊的反彈，目前更多仍是「恐懼退潮」而不是「新的增長敘事確立」。估值修復的空間確實存在，但要形成持續的上行趨勢，需要更多季度的財報數據來持續驗證「AI 賦能而非顛覆」這個命題。現在說軟體股的牛市重啟，還為時過早，但說估值底部已經形成，邏輯上是成立的。
從資金流動的角度，這個輪動也說明了一件更大的事情：市場對 AI 交易的理解正在從「算力稀缺」這個單一框架，逐漸演化為一個更複雜的生態系統論述。算力依然重要，但 AI 的最終商業價值，需要透過數據治理、應用軟體和安全基礎設施來兌現。當這個認知在市場上蔓延，資金的分佈自然會跟著重新調整。這個調整現在才剛剛開始。
ServiceNow 也是一個有說服力的案例。它是企業工作流自動化領域的龍頭，傳統上面對的「AI 顛覆」敘事是：AI 能直接幫企業自動化流程，ServiceNow 的平台是不是變多餘了？但實際上，ServiceNow 推出的 AI 功能，例如 Now Assist，讓員工可以用自然語言提交 IT 工單，反而提升了客戶對平台的依賴度和使用量。客戶發現 AI 功能好用，就升級到更高階的訂閱層級，帶動了平均每用戶收入（Average Revenue Per User，ARPU）的上升。這個動態說的是：企業軟體的護城河不在於功能，而在於數據和工作流的深度嵌入。AI 功能讓平台更有黏性，不是讓平台變得可替換。
現在要在軟體板塊找到值得佈局的標的，必須從盈利能力和 AI 受益路徑這兩個維度同時篩選，公司本身要有清楚的自由現金流路徑，同時要能夠清楚地說明 AI 如何讓它的產品更有價值、更難被替代。能同時滿足這兩個條件的標的，在這個市場環境下，防禦性和進攻性都相對兼具。
軟體板塊裡，那些能清楚回答「AI 讓我的服務更有價值，不是讓我被替代」的公司，是值得重點追蹤的方向。Snowflake 和 Datadog 這季度給出了相對清晰的答案，但這個答案需要每一個季度持續驗證。投資人需要保持耐心，也需要保持這樣的追問姿態。每一個進入 AI 生態的軟體公司，最終都需要用財報數字來回答那個最核心的問題：你在 AI 時代的商業模式，到底是被強化了，還是被稀釋了？答案每季都在更新，認真持續追蹤的投資人才有優勢。
結語
本週的市場給了我們幾個值得整理的結構性訊號，以下按主題整理核心結論與後續追蹤重點：
宏觀 PCE 邊際降溫，聯準會加息預期回落，30 年期美債收益率跌回 5% 以下。但儲蓄率 2.6% 的歷史低位說明消費韌性並非來自收入增長，而是存款透支。
記憶體 瑞銀對美光的估值框架從 P/B 切換至 P/E，核心驅動是 LTA 帶來的盈利能見度提升。LTA 覆蓋 DRAM 市場 30% 的出貨量，可將價格波動幅度降低約一半。
雲端數據 Snowflake 財報超預期，60 億美元 AWS 五年協議顯示數據治理平台在 AI Agent 時代的戰略地位上升。Graviton CPU 的使用反映 AI 工作負載從模型訓練轉向任務執行，通用計算的角色正在回升。
軟體輪動 半導體賽道資金擁擠推動增量資金向軟體板塊輪動，財報驗證「AI 賦能而非替代」的命題是此輪補漲的邏輯支柱。網路安全需求因 AI 攻擊面擴大而結構性走強。當前更多是恐懼退潮後的估值修復，形成持續趨勢仍需更多季度的數據驗證。
Source: UBS, CNBC, 華爾街見聞
免責聲明：本報告內容僅供學術探討與專業投資參考，不構成任何買賣證券的建議。投資者應基於自身的風險承受能力與獨立判斷做出投資決策。本報告所引用的投行數據與預測均基於公開可得之研究資料，此文不對其絕對準確性提供擔保。過往財務表現不代表未來收益保證。
感謝好文分享。
尤其是對於近期軟體股走勢的觀察與分析，受益良多。