印度坐擁全球最大人口規模、龐大內需，甚至矽谷頂尖科技公司滿是印度裔菁英，照理說是全球資本最想押注的成長故事。 為何這波AI熱潮印度賺不到？ #AI投資# #全球經濟# #科技趨勢# #印度經濟# #人工智慧# #算力# #供應鏈重組# #人口紅利# #資本市場# #美股投資# #晶片大戰# #深度解析#

【AI競爭】Google瞄準推理晶片賽道 挑戰行業領頭羊輝達 Google將推出專門用於推理的新晶片，即在模型訓練完成後運行AI模型。Google有望對市場領導者輝達發起更大挑戰。該公司計劃在拉斯維加斯舉行的Google Cloud Next大會上宣佈新一代定製晶片，即張量處理單元（TPU）。

日本信越化學工業將在福井縣投資至少350億日元，新設稀土冶煉設備，其中175億日元由政府補貼。這是該公司2008年以來首次在日本國內新建基地，目前已在福井擁有2座工廠，產能居國內前列。 日本高度依賴中國稀土（全球開採7成、磁鐵用稀土提煉超9成），因中日關係惡化，近期從中國進口量大減8成。信越化學除從澳洲、東南亞確保原料外，透過提升國內冶煉能力，構築脫離中國的供應鏈。 新設備將強化EV馬達用釹磁鐵關鍵材料（鏑、鋱）及晶片用釔等的穩定供應。日本政府計劃2028年起開發南鳥島等海域資源，並補助國內基地建設，加速建立完整供應鏈。稀土冶煉雖有環保挑戰，但日本企業將以嚴格措施因應。

我把我手上的寶可夢卡牌賣給你，告訴你這卡牌以後會漲價，你聽了很興奮，買了卡牌，等漲價。我轉頭又印了一堆卡牌，告訴你，這些卡牌以後還會更值錢，你想要賺更多的錢，就把手上的現金通通交給我，來買我的卡牌。我的荷包滿滿，但我又加印了更新一代的寶可夢，更漂亮，以後會漲更多，問你要不要買。什麼，沒錢了？你可以找銀行借！什麼，信用額度都用完了，銀行不借？沒關係，你告訴銀行，你手上這些寶可夢卡牌，很值錢，你可以抵押來借錢，而且你也不是把貸款花掉，你買的是值錢的卡牌。什麼，銀行不覺得這些卡牌以後會增值？沒關係，我來和銀行談，我有很多錢，我跟銀行擔保，如果寶可夢卡牌幾年後沒有這個價值，我負責給銀行差額，這樣銀行就可以借你更多的錢，來買我新印的寶可夢卡牌！這大概就是很多看空輝達股票的人，心裡想的「循環投資circular financing」，用來描述輝達最近和華爾街談的五千億借貸平台，剛剛好，他們認為輝達的GPU，和老鼠會的詐騙沒有什麼兩樣。 當然不一樣。股票估值的方法有千千萬萬種，但多半不離一個基本原則，「越賺錢的公司，越值錢」。寶可夢卡牌和比特幣一樣，本身沒有任何價值，因為他們沒有產生財富，「沒有賺錢」，賣寶卡夢卡牌的公司，當然有賺錢，但如果產品本身沒有財富的價值，那當然像老鼠會一樣，紙牌屋隨時會倒塌。這也是為什麼Coinbase這樣的公司，沒有什麼前景，不要碰比較好。 輝達的GPU不是卡牌，也不是比特幣，但是不是會變成黃仁勳說的「AI工廠」，我們不知道。但現實是GPU供不應求，而供不應求的原因，不是炒作，不是囤積，而是真的算力滿載地在使用，Anthropic到處找GPU，SpaceX和谷歌都先把算力給了Anthropic。Anthropic兩年內就會達到二千億美元的營收，OpenAI應該也相去不遠，他們買GPU，他們借別人的GPU算力，都是像寶可夢卡牌一樣，只是放著囤貨嗎？不是，因為這是全世界最快達到十億用戶的產品，我付錢給ChatGPT，不是跟著別人湊熱鬧，而是每天都真實地需要AI來幫忙。特斯拉的自駕每天載著我跑來跑去，背後也是輝達晶片在訓練這些模型。這些AI晶片的需求，都是真實存在，既不是dot com泡沫的本夢比，也不是地產風暴的房貸包裝再包裝，對於現在做空AI的瘋子，像Michael Burry，我祝他們好運，但我一點都不擔心現在是AI泡沫，至少還不是時候看空。 因為微軟執行長Satya Nadella在法說會提到了1873年一書，讓科技圈一時注意到AI和十九世紀內戰後美國的鐵路瘋狂建設時期有極為相像之處。這是一個有意義的比較，Nadella有點是向世人示警，要注意不要重蹈覆轍，鐵路的建設，的確是百年一見的生產力躍進，縮短了人們交通的時間和空間，擴大了市場，產生了更多生產的可能性，對美國財富的提升，長期生產力的加持，有跨時代的影響，把AI比為鐵路，有其意義。而鐵路的建設，相當昂貴，如果沒有像中國蓋高鐵一樣，把國家搞破產也要蓋，只靠私人建設的話，需要極大的資本市場投入，甚至是要先預支未來一樣的投入。的確，1873年一書，講的就是美國的鐵路建設狂潮，如何把股市和債市的資金，吸得一乾二淨，但最後把鐵路大亨和銀行一起弄垮的故事，甚至造成了在1929年之前，美國所經歷過的最大經濟蕭條，多年無法回復。鐵路後來的確達到了泡沫時期的預言，的確改變了美國，促成美國成為世界經濟第一強國，但最早投入鐵路建設的投資人，全部被清空，發了美夢，但沒有賺到錢。 輝達現在賣了這麼多晶片，台積電還不斷地擴張，記憶體三雄也抓著這個世紀難見的契機擴產，然後上游的協力廠商，下游的數據中心，通通在擴充，然後核心的Anthropic和OpenAI瘋狂地發股票，一邊募資，一邊求材。退一萬步說，AI的需求，完全不虛假，但鐵路也是這樣不虛假，只是先期的乘客、貨運量完全無法合理化鐵路在資本市場要的本益比，現在的AI也是這樣，就算Anthropic和OpenAI，兩家每年都可以做兩千億的營收，然後把營收通通拿去買輝達的晶片，而且通通不要分給上下游廠商，那還是無法合理化輝達五兆美元的市值。從這個角度看，把AI比為鐵路，而要投資人小心，是正道，但我還是要講一句金融市場最可怕的話，「這一次不一樣」。 人類社會對交通方便的需求，會隨著路網越大，而自然變得更多，因為原先的不可能，化為可能，這個時程很長，唯一加速的方法，就是把路網瘋狂地蓋下去，但這個加速的過程，不但受限於資金，還受限於材料，更受限於中國苦力和歐洲新移民的數量，沒有人去蓋鐵路，就沒有鐵路。另一方面，AI的需求，也像鐵路一樣，越多的建置，就會產生越多的新可能，製造出更多的需求，但和鐵路不一樣的是，瓶頸不在於物理限制，甚至不在人口數。鐵路的乘載，有一個人口的天花板，但AI沒有，我們已經看到AI代理的驚人需求，AI代理完全不受限於人口數。而AI更驚人的能力在於，我們在生產智能，可以解決問題的智能，這個智能跨越到幫我們解決物理限制的日子，早就來了，智能加乘的速度還會加快。黃仁勳畫出來的美麗未來，不一定是作夢。 然而就算AI美夢再美好，再真實，泡沫一定會到來，那是人性，但不是今年，也不是明年，現在壓空方，不智。長期利率還沒掉下來，資金還不算真的投入AI建設，我們現在是dot com泡沫的1994或是1996，連1999都還沒到，不怕。

1/ 🧠 為什麼未來的 personal AI computer(像 NVIDIA DGX Spark)真的能跟 data center 一較高下? 不是因為桌面變強到取代雲端,而是因為 AI 的「需求結構」正在分裂 —— 訓練留在雲端,推論回到本地。 2/ 關鍵突破一:FP4 改寫遊戲規則 70B 參數的模型,用 FP16 要 140GB 記憶體; 換成 FP4 → 只要 35GB。 一台配 128GB unified memory 的桌面機,就能跑得動以前要 8 張 H100 才能裝下的模型。 精度損失?用 QAT(量化感知訓練)幾乎可以忽略。 3/ 關鍵突破二:Memory Wall 正在被打破 LPDDR5X 頻寬不夠? •Apple M4 Ultra 用超寬位元寬度做到 ~800 GB/s •LPDDR6(2027)頻寬再翻倍 •NVIDIA DGX Spark 用 GB10 + 連貫記憶體架構 桌面端不再是「閹割版 GPU」,而是「為推論優化的新物種」。 4/ 關鍵突破三:你根本不需要 data center Data center 解決的是: ✅ 訓練 frontier model(兆級參數) ✅ 服務全球數十億用戶並發 個人需要的是: ✅ 一個跑得動 70B–200B 模型的本地大腦 ✅ 隱私、低延遲、不用月費 這兩件事根本是不同問題。 5/ 投資啟示 💡 •HBM 仍是訓練端王者(SK Hynix、Micron) •但邊緣推論晶片 + 高頻寬 LPDDR/統一記憶體會是下一個十年的新戰場 •NVIDIA DGX Spark、Apple Silicon、AMD Strix Halo、高通 X Elite —— 都在卡位 未來不是雲端 vs 桌面,是雲端做訓練,桌面做你的 AI。

大家都在传华为最新手机的自制晶片突破了美国封锁，结果专业机构一拆解，发现这号称最高机密的技术，竟然只跟台积电三年前的旧货打平？🤯 知名半导体分析机构最近发布了一份热腾腾的拆解报告，直接把中国国产晶片的真实底细摊在阳光下。中芯国际为了帮华为打造Mate 80 Pro Max里头那颗晶片，可以说是用最悲壮的土法炼钢，硬生生砸出一个效能与良率都让人直摇头的产品。 前阵子对岸敲锣打鼓，说这次新款手机用上了中芯国际最顶级的「N+3」制程。这名词听起来很玄，号称是目前中国半导体史上最先进的制造水准，彷佛马上就要弯道超车。 结果分析师把这颗麒麟9030晶片大卸八块，放到显微镜下仔细端详，发现这所谓的巅峰之作，其电晶体密度拼死拼活，也才勉强挤进了台积电6奈米制程的及格线。各位要知道，台积电的6奈米可是好几年前就已经满街跑、成熟到不能再成熟的旧世代产品。 落后三年其实不是最痛的，最惨烈的是那个惨不忍睹的制造成本。 因为美国跟盟友联手管制，中芯根本买不到最高阶的EUV曝光机。没有这把削铁如泥的先进机台怎么办？他们只能拿着旧款的DUV机器，靠着极其复杂的多重曝光技术，在一片小小的矽晶圆上反覆来回刻画。 就连中国自家媒体都看不下去，直接用了一个超级残酷的比喻：这就好像中芯国际正在努力印制面额一百块的钞票，但因为机器太老旧、手续太繁杂，每印出一张一百块，背后得烧掉好几百块的成本，而且印出来还常常破掉不能用。 这种不计代价的硬干，直接反映在华为最新旗舰机的实际体验上。报告毫不留情地指出，这颗晶片的运算效能，大概就跟三年前的安卓老手机差不多。 当现在的苹果、高通、联发科甚至三星，最新旗舰晶片跑起来都像坐高铁一样顺畅又省电时，华为这颗晶片还在旁边气喘吁吁地骑着变速脚踏车，耗电量更是完全不在同一个级别。 老美的设备禁令，确实没有让华为和中芯直接停工，但却成功逼着他们去走最难走的泥巴路。没有先进设备的捷径可走，只能靠不断修改设计规则去补救。每往前走一步，都在承受极高的制程风险，报废的晶片全都是白花花的银子。 不计成本绕了一大圈，砸了满坑满谷的资源，最后只向全世界证明了一件事：台积电三年前的车尾灯，原来这么贵、又这么难追啊！ 来源：生活网 (示意图／AI生成，仅作为新闻说明辅助使用)

電子級氫氟酸產業 1. 產業背景：電子級氫氟酸在晶圓製造中的角色 電子級氫氟酸是半導體晶圓製造過程中關鍵的濕式電子化學品，主要用於清洗與蝕刻兩大核心工序，是單位晶圓耗量最大的濕式電子化學品之一。 清洗環節：氫氟酸用於去除晶圓表面的自然氧化層、金屬離子污染及顆粒殘留。隨著製程從 28nm 向 7nm 及以下演進，清洗步驟數從約 100 步增加至 200 步以上。在 3nm 製程中，由於極紫外光刻（EUV）對光刻膠表面缺陷的敏感度更高，清洗步驟進一步增至 300 步以上。每一步清洗均需使用稀釋氫氟酸（DHF）或緩衝氧化蝕刻液（BOE）。單片 12 吋晶圓在先進製程廠的耗酸量較 28nm 廠高出約 2-3 倍。 蝕刻環節：氫氟酸用於二氧化矽及氮化矽的選擇性蝕刻。在 3D NAND 快閃記憶體中，隨著堆疊層數從 128 層向 176 層、232 層乃至 300 層以上邁進，高深寬比蝕刻（High Aspect Ratio etch，簡稱 HAR etch）的次數呈指數級增長。更高的堆疊層數意味著更深的溝槽與孔洞，對氫氟酸的純度、蝕刻速率及蝕刻選擇比提出更嚴格的要求。 AI 算力拉動方面：AI 訓練與推理晶片（如 H100、B200、MI300 系列）採用先進製程與大尺寸晶片設計，單片晶圓面積較通用邏輯晶片更大，等效耗酸量相應提升。隨著 AI 資料中心資本開支持續擴張，台積電、三星、英特爾等頭部晶圓廠的先進製程產能利用率維持高位，直接拉動濕式電子化學品的消耗量成長。 根據 SEMI 數據，2025 年全球半導體設備支出約 1255 億美元，中國區占比持續提升，晶圓廠擴產是濕式電子化學品需求成長的底層驅動。 2. 邊際變化：價格、供給與認證 2.1 價格端 根據百川盈孚數據，2026 年 6 月 29 日相較年初，UP 級（對應 G3-G4）電子級氫氟酸價格上漲約 19%，UPS 級（對應 G5）上漲約 17%。價格上漲來自兩端：成本端螢石、硫酸價格上行形成支撐；需求端晶圓廠擴產帶動耗酸量提升，而日系供應商擴產節奏緩慢，供需邊際趨緊。 2.2 供給端事件 據韓媒 The Elec 報導（2026.5.14），韓國半導體材料企業所需無水氫氟酸約 90% 從中國進口，2026 年 5 月以來出現高價搶貨現象。該事件雖未構成「斷供」，但反映出日系產能瓶頸下，中國已通過認證的 G5 級供應商在供給端地位的提升。 2.3 認證進展 中國企業中，多氟多 G5 級電子級氫氟酸已向台積電、三星電子、華虹半導體、長鑫存儲等主流晶圓廠批量供貨。 3. 產業格局：日系主導與中國國內突破 日系主導格局：高端電子級氫氟酸（G5 級及以上）長期由日本企業主導，Stella Chemifa 是全球少數具備 G6 級電子級氫氟酸量產能力的企業，森田化學在 G5 級市場佔據主要份額。兩家日系企業均無在華規模化產能，中國下游廠商的電子級氫氟酸採購依賴進口或貿易商轉口。 中國突破難點體現在三個面向： 一、純度控制：根據 SEMI G5/G6 標準，G5 級要求金屬離子含量低於 10ppt，G6 級進一步要求低於 1ppt，對原料選型、設備材質、潔淨環境的要求極為嚴苛。 二、設備材質：電子級氫氟酸具有強腐蝕性，儲罐、管道、泵閥等接觸部件需採用 PFA（全氟烷氧基樹脂）等高純氟材料，以防止金屬離子析出造成二次污染。 三、批次一致性：半導體廠要求批次間的金屬離子含量、顆粒度、蝕刻速率等指標波動控制在極小範圍內，認證週期通常為 12-24 個月，新進入者從送樣到批量供貨需要較長時間的工藝磨合。

再過幾年，每一台電腦、每一台機器人，都可能是一座微型 Data Center。 傳聞 Apple 正在開發的 M7 Ultra，最高可支援 1.5TB 統一記憶體。雖然規格與上市時間尚未確認，但趨勢已經很明顯： 本地端機器只會越來越強，模型則會透過量化、蒸餾與稀疏化，變得越來越小、越來越有效率。 今天需要 Data Center 才能運行的模型，幾年後可能一台 Mac Studio、AI PC，甚至機器人就能跑。 未來大型 Data Center 仍會負責訓練 Frontier Model；但日常的 AI Agent、影像生成、資料分析與機器人決策，會有越來越多直接在本地完成。 尤其當機器人大量普及後，每台機器人都需要強大的晶片處理視覺、語音與動作，但它們不會 24 小時工作。 在充電或待機時，這些閒置算力就可以被釋放出來，處理批次推論、模型評測、影片生成等可拆分的任務，再替主人賺取收入。 當然，一萬台分散式電腦不等於一座萬卡 GPU Cluster，它們不適合共同訓練同一個超大型模型，卻可以同時完成一萬個不同的推論任務。 所以 Data Center 不會消失，但算力也不會永遠只集中在 Data Center。 上一個時代，是每個家庭都能上網。 下一個時代，可能是每個家庭都能提供算力，讓電腦與機器人在閒置時，繼續替你工作、創造被動收入。

【晶片危機】美光利用AI大賺特賺，對大多數人來說並非好消息 在截至5月的三個月裡，美光科技（Micron Technology Inc.）的營收較去年同期增長了四倍多，同期產生了180億美元的自由現金流。這得益於數據中心需求的激增，以及由此引發的價格飆升，其影響遠不至於人工智能行業。

【AI晶片】三星拿下2000億美元大單 將向博通供應晶片 三星電子獲得一份價值逾2000億美元向博通供應晶片的合同，兩家公司正努力在人工智能（AI）基礎設施市場爭取更大份額。三星稱，五年的協議將持續至2030年，重點圍繞為博通產品提供三星2納米及以下先進製程工藝。