美光单日涨19%破万亿,同一天,两个AI实验室说2028年奇点要来了

5月26日，周一，美光科技股价收盘涨19.29%，市值历史性地突破1万亿美元。

瑞银分析师Tim Arcuri把美光的目标价从535美元一次性提到1625美元。涨幅204%，是半导体行业史上单次目标价上调幅度最大的记录。他没有解释太多，就是一句话：这是AI存储超级周期，才刚开始。

市场信了。

同一天，在牛津大学的讲台上，Anthropic联合创始人Jack Clark说了一句让很多人睡不着的话："到2028年，AI实现递归自我改进的概率，超过60%。"

然后两天后，DeepMind掌门Demis Hassabis补了一刀："AGI带来的冲击，是工业革命的100倍。"

这两件事放在一起，有点奇怪的对照感。一边是资本市场用万亿市值表态AI还有大把钱赚，另一边是最靠近AGI核心的人，在给整个人类社会发警告。

美光这一天发生了什么

事情的导火索是瑞银那份研报，但事情本身比一份报告要复杂得多。

美光的核心价值，这两年发生了根本性的变化。它原来是个周期股，做DRAM和NAND，跟着内存价格涨跌，市盈率8到12倍，没什么故事可讲。

但现在不一样了。

英伟达下半年要量产的新一代GPU Vera Rubin，需要一种叫HBM4 12-high 36GB的内存。这个配置，全球目前只有美光一家能做，而且比上一代HBM3E省电23%。AI数据中心的电费占运营成本的30%到40%，省电23%不是一个参数，是真金白银的成本差距。

美光2026年全年的HBM4产能，已经被微软Azure、谷歌云、亚马逊AWS提前锁完了。合同期3到5年。

这意味着美光不再是周期股——它变成了一个有长期稳定订单的成长股。市场给它的估值逻辑就变了，从12倍市盈率跳到22到25倍。

背后的数字是：AI资本支出，2026年四大科技公司合计超7000亿美元，2027年预计破一万亿，2028年到1.4万亿。内存在AI服务器BOM成本里占26%。美光的市场份额目前只有18%，落后于SK海力士的50%和三星的32%，但英伟达Vera Rubin的独家供应地位，是一个难得的抢份额窗口。

一年内涨859%，市值从不到1000亿到1万亿，听起来很疯狂，但逻辑是完整的。

不过有一点值得注意：这种级别的单日上涨，历史上看70%会在之后三个月内出现15%到30%的回调。万亿市值是心理关口，也是很多机构的锁定利润位。AI周期是真的，但市场定价有时候走得比现实快。

2028年，两个人同时拉响了警报

Jack Clark这次说的"递归自我改进"，是AGI讨论里一个具体的技术阶段，而不是泛泛而谈。

他的逻辑是这样的：当前大模型写代码的能力，已经达到人类工程师的70%，并且以每季度15%的速度在提升。到2027年底，这个数字大概率超过100%。一旦AI能写出比人更好的代码，它就可以开始改写自己的训练架构，优化自己的权重，修正自己的推理缺陷。

这个过程一旦开始，速度上限在哪里，没有人知道。

Demis Hassabis说的"工业革命的100倍"，指的不是技术能力，而是社会冲击速度。工业革命用了100年完成生产方式的转型，给教育系统、法律体系、经济结构留了足够的时间去适应。但AGI可能在5年内做完同样的事，而法律更新的周期是10到20年，教育系统的转型周期更长。

这是两套时钟，跑得不对齐。

Jack Clark明确说，他最担心的不是AI"觉醒反抗"，而是人类社会的各种系统——教育、就业、法律、全球治理——根本跑不赢AI迭代的速度。

他做这个判断，有一个现实的参照：Anthropic内部的Claude已经可以自主修复代码漏洞，效率比人类高。这不是未来的事，这是今天的事。

值得注意的是，这两次发言几乎同时出现，来自Anthropic和DeepMind两个立场最接近AGI核心的实验室。这不是偶然的。这是一种公开的信号发射，对象是政策制定者、监管机构，以及公众。

至于这个警告最终会引起什么样的响应，目前还没有答案。

DeepSeek登顶全球调用榜，这件事比融资更值得关注

上周（5月18日到24日），OpenRouter全球AI大模型总调用量达28.9万亿Token，连续第五周上涨。

登顶的是DeepSeek V4-Flash，周调用量5.74万亿Token，环比暴涨66%。

中国AI大模型的周调用量是9.22万亿Token，美国是4.93万亿。中国已经超过美国，不是略微超过，是快一倍。

这件事比DeepSeek的融资传言更值得关注。调用量是实际使用，不是发布数据，不是基准测试，是真实的用户在真实的场景里调用了多少次。这个数字，一年前还不可能出现。

与此同时，DeepSeek V4-Pro宣布永久降价至原价的四分之一，并推进新一轮高达700亿人民币的融资，腾讯和国家大基金据报道都在谈。

一边降价，一边融资。这是一个非常清醒的策略：用低价格把调用量做上去，用调用量证明场景价值，再用场景价值支撑估值做下一轮融资。这套逻辑，腾讯和国家大基金应该看得很懂。

MiniMax M3：算力贵，但有人在找别的办法

这是今天一条相对低调但值得关注的消息。

MiniMax预告了下一代大模型M3，主打超长上下文效率。

核心技术是自研稀疏注意力架构。传统Transformer在处理百万Token长文档时，计算量是随Token数量平方增长的，也就是说文档越长，算力需求越爆炸。M3通过"索引+稀疏计算"两个分支，把百万Token的计算量压缩到原来的1/10，预填充提速9.7倍，解码提速15.6倍，算力成本降低80%以上。

这个方向的本质，是用架构创新替代算力堆砌。

这条路上不止MiniMax一家，清华的HRM-Text模型、浙大与阿里的Unified Thinker架构，都在走类似的路：用更聪明的设计，在更少的计算资源下达到接近大模型的效果。

在算力资源有限的情况下，这条路比继续砸钱买卡更务实。M3预计1到2个月内正式发布，具体效果到时候见。