英偉達最新13F披露後，市場很容易就把它當成一張黃仁勳持倉清單來抄。
5月15日，英偉達披露2026年一季度13F持倉。13F本身有滯後性，隻能反映截至3月31日的部分公開證券持倉，不能等同於實時交易指令，更不能簡單理解成英偉達建議買入。
但組合結構很有意思：Intel仍是最大持倉，CoreWeave被大幅增持，Coherent和Generate Biomedicines成為新進標的，Synopsys、Nokia、Nebius等繼續留在組合裏。公開數據稱，英偉達Q1將CoreWeave持倉提高到約4721萬股，新進Coherent約780萬股、新進Generate Biomedicines約83.3萬股。英偉達官網顯示，這份13F於2026年5月15日提交。
其中，CoreWeave代表AI算力運營，Coherent代表光互聯和帶寬牆，Generate Biomedicines代表AI向生物製藥這種高價值產業外溢。再把英偉達今年3月分別向Coherent、Lumentum投資20億美元，5月又與Corning擴大光連接製造能力放在一起看，答案已經很清楚：AI投資正在從誰擁有GPU，切到誰能讓GPU更快交付、更低延遲連接、更高效率變成真實算力。
對投資者來說，這份13F真正的市場翻譯是：AI行情沒有離開英偉達，但超額收益開始往英偉達正在補短板的地方遷移。
GPU紅利沒有結束，
英偉達開始把控製力伸向AI工廠的交付鏈
市場對AI的狂歡主線非常直接：買英偉達，買GPU，買HBM，買台積電，買CoWoS，買服務器。押的就是一個邏輯：大模型訓練和推理爆發，全球算力短缺，英偉達是最稀缺的入口。
當英偉達市值進入數萬億美元區間，數據中心收入成為市場一致預期，Blackwell、Rubin、HBM、CoWoS這些關鍵詞被反複交易之後，單純說GPU需求強，已經很難形成新的預期差。資金下一步要找的，不是AI還強不強，而是AI強需求背後，哪些環節最可能卡脖子。
英偉達13F給了一個很清晰的答案：它正在從芯片公司，變成AI工廠的係統組織者。
Intel在組合裏占大頭，代表先進製造、封裝和美國本土半導體產能；Synopsys代表EDA和芯片設計工具；Nokia代表網絡基礎設施；CoreWeave和Nebius代表AI雲和算力運營；Coherent代表光通信；Generate Biomedicines代表AI算力的高價值落地場景。這個組合的共同點不是熱門，而是都處在AI基礎設施運轉的關鍵節點上。
這也是英偉達現在最值得重視的變化：它不隻關心GPU賣出去，還關心GPU能不能被部署，能不能被聯網，能不能被客戶持續調用，能不能在真實產業裏創造收入。
為什麽？因為AI基礎設施已經不是簡單賣貨生意，而是一個超級重資產、超級複雜的交付係統。GPU隻是入口，後麵還有機櫃、供電、冷卻、網絡、光模塊、光纖、數據中心選址、電力合同、雲資源調度、軟件棧、客戶承諾。任意一個環節掉鏈子，GPU都會從稀缺資產變成賬麵庫存。
所以英偉達扶持CoreWeave，不隻是因為它是客戶；投資Coherent，也不隻是看好光通信股價。更大的邏輯是：英偉達必須把AI工廠的交付鏈變得更可控。
第二階段的AI交易，核心資產是讓GPU效率最大化的基礎設施。
第三階段的AI交易，核心資產會變成持續消化算力的高價值應用。
CoreWeave是第二階段的交付通道，Coherent是第二階段的物理連接，Generate Biomedicines是第三階段的需求出口。它們都不是傳統意義上的英偉達影子股，而是英偉達為了維持AI生態增長曲線，必須提前卡位的節點。
投資者如果隻看到英偉達買了CoreWeave、Coherent，很容易把它變成短線題材。但更準確的理解是：英偉達正在告訴市場，AI基礎設施的瓶頸正在從芯片供應，擴散到算力運營、光互聯、電力、光纖和垂直應用。
以前市場給供應鏈公司估值，看的是訂單能見度、出貨量、毛利率。現在還要加一個指標：它是否進入英偉達定義的AI工廠體係。隻要這個體係擴張，它們就不僅是配套供應商，而是AI基礎設施擴張的前置條件。
它不是讓你抄倉位，而是讓你看清楚，AI交易下一輪資金會去哪裏找沒有被完全定價的瓶頸。
CoreWeave和Coherent
是AI基建最現實的兩堵牆
CoreWeave是這份13F裏最容易被交易的名字。
它的故事非常順：AI雲、GPU集群、算力短缺、英偉達生態、客戶增長。CoreWeave一季度收入20.78億美元，高於去年同期9.82億美元；收入積壓訂單達到994億美元；公司稱其已超過1GW活躍電力容量，並把總簽約電力擴展到超過3.5GW。這個數字說明，它已經不是一個小型GPU租賃商，而是AI算力運營商裏最具代表性的新雲廠商。
但CoreWeave的財報也暴露了另一麵：一季度淨虧損7.4億美元，利息支出5.36億美元，經營虧損1.44億美元。換句話說，這家公司增長很快，訂單很多，但它是典型的高杠杆、高資本開支、高折舊模型。它不是輕資產雲軟件公司，而更像一座不斷擴建的AI電廠。
傳統雲廠商有微軟、亞馬遜、穀歌，為什麽還需要CoreWeave？原因在於AI雲需求太特殊。大模型公司需要的是快速交付、彈性擴容、GPU集群優化、網絡拓撲、存儲和調度能力。通用雲巨頭當然也能做，但它們要平衡很多業務線，資本開支節奏也更受自由現金流約束。CoreWeave這種垂直AI雲廠商，把所有資源都壓在AI算力上，效率更極致，風險也更集中。
英偉達增持CoreWeave，本質是在扶持一個高效率的GPU分發通道。
這對英偉達很關鍵。GPU需求再強，如果都堵在雲廠商采購節奏和數據中心交付周期裏，收入確認和生態擴張都會受影響。CoreWeave這種公司可以幫助英偉達把芯片更快轉化成可租賃、可調用、可計費的算力。
但這裏有一個必須寫進去的風險：市場已經開始討論循環融資。
路透社近期報道，黃仁勳夫婦基金會從CoreWeave購買了1.083億美元AI計算資源並捐給研究機構，同時指出英偉達與CoreWeave有深度財務關係，包括20億美元投資，以及一項涉及未使用雲容量的63億美元協議，投資者對這種關係可能形成循環融資提出擔憂。
如果英偉達既是供應商、投資人，又通過生態關係幫助客戶擴大訂單，市場遲早會追問：CoreWeave的收入質量有多高？客戶集中度是否過大？債務和利息壓力能不能被未來現金流覆蓋？一旦AI雲需求放緩，CoreWeave會不會成為AI周期裏最先承壓的高杠杆資產？
所以CoreWeave不是確定性上漲資產，而是AI算力運營這條線的高Beta代表。它的資本故事很強，但財務結構也很重。短期看訂單和英偉達綁定，中期看利用率和利息覆蓋，長期看能否從訓練雲切到推理雲，形成更穩定的現金流。
英偉達3月宣布與Coherent達成多年戰略協議，將投資20億美元支持其研發、產能和運營，並獲得先進激光和光網絡產品的未來產能與接入權。英偉達官方說得很清楚，光互聯和先進封裝集成是下一階段AI基礎設施的基礎，因為它們可以在AI工廠中實現超高帶寬、低能耗連接。
過去市場看AI服務器，最關注GPU數量。現在GPU集群越來越大，訓練和推理都需要海量數據在芯片、服務器、機櫃、數據中心之間流動。算得快隻是第一步，傳得慢一樣會拖垮效率。銅連接在距離、功耗、帶寬上都有物理邊界，光模塊、激光器、矽光、CPO、光纖開始從配套零件變成AI工廠的核心資產。
這也是為什麽英偉達同一天還宣布向Lumentum投資20億美元，5月又和Corning簽長期合作。Corning表示將把美國光連接製造能力擴大10倍，把美國光纖產能提高50%以上，並新建三座工廠。英偉達官方新聞稿還提到，現代AI工作負載需要成千上萬顆GPU，因此需要前所未有規模的高性能光纖、連接和光子技術來移動數據。
因為它說明AI基礎設施的瓶頸正在從芯片不夠，轉向連接不夠。光通信板塊過去常被看成周期性硬件，現在正在被重新定價成AI工廠的物理底座。Coherent、Lumentum、Corning這些公司，不再隻是英偉達的供應鏈外圍，而是大規模AI集群繼續擴張的前置條件。
GPU已經被市場充分認知，HBM也被交易很多輪，CoWoS和先進封裝的價值也越來越清楚。但光纖、光模塊、激光器、CPO、光互聯，仍然有很多投資者隻把它們當作跟漲品種。英偉達不斷用投資、采購承諾和產能鎖定去驗證這一點：AI工廠越大，光連接越不是可選項。
我的判斷是，CoreWeave和Coherent分別代表AI基建的兩種價值：一個解決算力怎麽交付，一個解決算力怎麽協同。前者是雲端運營效率，後者是物理網絡效率。它們不是同一類資產，但都在英偉達下一階段的控製半徑裏。
Generate Biomedicines在這份13F裏倉位不大，甚至很容易被市場忽略。
這家公司今年2月登陸納斯達克，IPO募資4億美元，發行價16美元。路透社報道，Generate Biomedicines由Flagship Pioneering支持，利用AI驅動技術開發蛋白質療法，管線集中在免疫學和腫瘤學，核心候選藥物包括針對重症哮喘的GB-0895，預計2028年上半年完成研究入組。
英偉達買GENB，不代表它要變成生物醫藥基金。更合理的理解是，英偉達在觀察AI算力最終會去哪裏創造高價值回報。
現在全市場都在討論AI資本開支：微軟、亞馬遜、穀歌、Meta花幾千億美元建數據中心，英偉達賣GPU，台積電擴先進製程，SK海力士和美光擴HBM，Coherent和Corning擴光連接。但這些投入最後要有人買單。短期買單的是大模型訓練和推理，中期買單的是企業Agent、AI搜索、AI辦公、AI客服、AI編程。長期來看，真正可能消化海量算力的，是生物製藥、材料科學、機器人、工業仿真、自動駕駛這些高價值行業。
它不像AI聊天應用那樣容易起量，也不像AI雲那樣收入確認清晰，但一旦有效，就可能改變藥物發現的成本曲線。生物製藥天然是一個數據密度高、試錯成本高、研發周期長的行業。傳統藥物研發要經曆靶點發現、候選藥物篩選、臨床前、臨床一期二期三期，任何一個環節失敗都會吞掉大量時間和資金。AI如果能提高蛋白質設計、候選藥物篩選和臨床前驗證效率，就不是簡單提高辦公效率，而是在重寫一個高利潤行業的研發函數。
AI製藥不是光模塊，不是今天簽訂單、明天擴產、後天確認收入。它的關鍵不在模型生成了多少蛋白，而在候選藥物能否進入臨床，能否通過安全性和有效性驗證，能否獲得監管批準，最後能否商業化。資本市場可以先交易主題，但真正估值兌現一定要穿過臨床數據。
所以GENB更適合作為一個遠期需求出口的信號，而不是短線交易線索。
英偉達現在的問題不是GPU賣不出去，而是如何證明這輪AI資本開支不會變成下一輪過剩。要證明這一點，不能隻靠大模型公司繼續燒錢，也不能隻靠雲廠商繼續擴Capex。AI必須進入更多能產生真實回報的行業。生物製藥、材料、機器人、工業仿真，就是這樣的方向。
GENB的小倉位給市場提了一個醒：AI產業鏈的最後一公裏，不在服務器機房裏，而在真實產業的利潤表裏。
如果AI隻能停留在基礎設施層，遲早會遇到資本開支回報率的審問。隻有當AI進入藥物研發、工業設計、能源優化、機器人執行、企業決策，算力需求才會從訓練熱潮變成產業剛需。
因為英偉達賣的不隻是GPU，而是智能生產資料。生產資料的價值，取決於下遊能不能用它創造更多收入。AI製藥的意義就在於，它把算力從互聯網和雲計算，推向更大的實體產業和科學研發場景。
所以，真正值得跟的不是13F裏的代碼，而是英偉達用資本和訂單在回答的問題：
