哈德逊河交易的AI代币销毁揭示900亿美元的计算瓶颈

哈德逊河交易（HRT），全球最大的量化交易公司之一，正在将资本分配给一个内部AI代币系统，AI负责人Iain Dunning对此进行了讨论。这一资源管理策略揭示了人工智能开发中内存和计算能力的明显瓶颈。该公司的内部代币系统作为AI基础设施的影子价格，突显了行业范围内的严重约束。HRT的方法提供了一个罕见的视角，展示了资本密集型公司如何实时优先考虑稀缺资源，以维持竞争力的AI模型。彭博社在2026年6月5日的纽约现场活动记录的后续对话中报道了这一发展。

背景 — 为什么现在重要

当前的AI投资热潮面临首个重大物理约束。内存带宽，而不仅仅是原始计算能力，现在已成为扩展大型语言模型和其他AI系统的主要瓶颈。这在之前的技术周期中并不是主导约束，例如2010年代的移动革命或2000年代初的云扩展。先进AI的成本结构已经明确转向内存密集型架构。

HRT的代币系统是对这一新成本现实的直接响应。它将高带宽内存（HBM）和先进GPU的稀缺性内化到自己的预算过程中。这一内部定价机制迫使项目团队证明运行和训练AI模型的巨大成本是合理的。时机至关重要，因为主导供应商Nvidia报告称，其HBM供应在2027年末之前仍然售罄，价格持续上涨。

数据 — 数字显示了什么

HRT的内部代币成本与外部市场的内存和计算价格直接相关。HRT的工程师每年花费相当于数百万美元的虚拟代币来访问内部AI资源。全球高带宽内存（HBM）市场预计到2027年收入将超过900亿美元，较2024年的不到200亿美元大幅增长。这代表了超过120%的复合年增长率。

一块Nvidia H100 GPU，行业常用标准，目前需要80GB的HBM。这一内存子系统的成本现在占据GPU模块总价的40%以上，较三年前的约25%大幅增加。这一成本转变对所有依赖AI的企业的经济学施加了压力。作为对比，PHLX半导体行业指数（SOX）年初至今上涨了35%，主要受内存和AI芯片制造商的推动，而标准普尔500指数仅上涨了10%。

组件	2024年GPU成本份额	2026年GPU成本份额
核心逻辑（处理）	~75%	~55%
高带宽内存（HBM）	~25%	~40%+

分析 — 对市场/行业/股票的意义

内存瓶颈创造了明显的赢家和输家。主要受益者是HBM制造商，如SK海力士（000660.KS）和美光科技（MU），以及先进封装公司如台积电（TSM）。这些公司在需求超过供应的情况下掌握了定价权。次要受益者包括开发软件以更高效利用现有硬件的公司，如开源的PyTorch生态系统。

相反，具有高推理成本的纯AI软件公司面临利润压力。它们的商业模式依赖于快速下降的计算成本，而这一趋势已经逆转。资本密集型AI实验室可能面临融资挑战，因为投资者会审查与物理硬件相关的烧钱率。反对论点认为，在模型压缩或新型架构方面的软件突破可能缓解内存约束，但这些尚未在规模上得到商业验证。

定位显示机构资本正在从软件即服务（SaaS）转向半导体资本设备。流动数据表明，VanEck半导体ETF（SMH）的多头头寸增加，而一篮子烧钱的AI应用股票的空头兴趣在上升。这一交易是对工具提供商的押注，而非金矿开采者。

前景 — 接下来要关注什么

下一个主要催化剂是SK海力士在2026年7月24日发布的2026年第三季度财报。分析师将仔细审查HBM的良品率改善和产能指引。第二个催化剂是Nvidia在2026年9月的GTC大会，其下一代Blackwell Ultra架构的细节将揭示内存规格和定价。

需要关注的关键水平是SOX指数的支撑位在5200。如果跌破，可能会发出重新评估芯片股票估值的信号。对于内存价格，关注DRAMeXchange报告中的HBM3e合同价格；持续高于每8GB等价物120美元的价格表明紧张局势持续。当前10年期国债收益率为4.2%，仍然是折现科技行业长期资本支出周期的基准。

常见问题解答

什么是交易公司的AI代币销毁？

AI代币销毁是一种内部会计系统，工程团队使用虚拟货币来访问计算资源，如GPU时间和内存。这创造了一种市场机制来分配稀缺且昂贵的基础设施。它迫使团队优化他们的AI模型以提高效率，因为浪费的代码直接消耗预算。“销毁”是指代币的支出和从团队分配中移除，而不是公共区块链交易。

HRT的AI使用与大型科技公司有何不同？

HRT将AI用于延迟敏感的高频市场预测和交易执行，推理速度以微秒为单位。这与大型科技公司专注于消费者产品（如搜索或聊天机器人）的大规模模型训练不同。HRT的模型较小，专门针对金融数据，必须实时运行，这使得内存带宽比云服务提供商常见的较慢批处理训练任务更为关键。

AI计算成本会持续上升吗？

对于内存密集型AI工作负载，计算成本可能会保持高位，直到新的供应或架构出现。然而，对于使用旧硬件的低强度任务，成本可能会下降。这一分化创造了一个两级AI经济：拥有尖端HBM的资金充裕的公司和使用优化模型的遗留硬件公司。神经形态计算或光学处理器的创新可能在2028年后改变这一动态，但并不是立即的因素。

结论

AI的下一个阶段由内存稀缺性定义，这一约束现在在领先量化公司的资本配置中显现出来。

免责声明：本文仅供信息参考，不构成投资建议。CFD交易具有高风险资本损失。