AI正在重构整个半导体产能分配体系 ai爆发之前，半导体行业是一条单行线：先进制程不断升级，成熟制程逐渐淘汰。但AI不只是推动EUV需求暴涨，而更近一步的推动全产业链产能争夺。 AI GPU、HBM、AI ASIC开始疯狂吞噬先进制程产能，因为AI芯片背后的单位经济模型远高于传统消费电子。一片先进GPU wafer，最终可能对应几十万美元级别的AI服务器和长期云租赁现金流。于是foundry天然优先分配给AI GPU、TPU、custom AI ASIC、HBM。 于是整个外溢链条开始形成。第一层是原本依赖先进EUV的一部分产品，开始长期停留在older nodes。最明显的是手机SoC、消费GPU、PC CPU、Networking ASIC、DPU、Switch ASIC。这些产品理论上应该继续往3nm、2nm迁移，但现实是先进wafer越来越贵，EUV slot越来越难抢，AI客户越来越愿意支付更高价格。 很多产品接下来很可能不得不开始延长旧节点寿命，停留在N5/N6/N7，更多依赖ArFi immersion，增加multi-patterning，用chiplet替代纯缩节点。 手机这样的迹象刚刚开始。过去手机换机周期大约18-24个月，现在很多地区已经拉长到36-48个月。旧旗舰仍然足够强，大部分用户感受不到必须升级的必要。于是手机行业进入一个非常特殊的阶段：旧手机还能用，新AI体验又没强到必须换机。接下来我们很可能看到的可能会是，只有真正高端旗舰还在继续抢最先进EUV，中低端Android 要么被淘汰，要么其SoC大量停留在6nm、7nm、8nm、12nm，很多厂商已经开始放弃继续 aggressively 追逐最先进节点。 但手机行业最终还是会重新争夺先进制程，真正的原因不是CPU，而是功耗。手机是电池设备。未来如果本地AI agent、实时视觉理解、长时记忆、always-on AI OS、后台持续推理开始普及，那么TOPS/W、memory bandwidth、SRAM/cache、先进封装会重新变得极度重要，否则发热和续航会变得不可接受。 下一层外溢，是高端DUV。很多人过去认为EUV会逐渐淘汰DUV，但现实完全相反。AI时代实际上正在让ArFi immersion重新战略化。因为即使是EUV时代，大量关键层仍然依赖ArFi immersion、ArF dry、KrF。尤其advanced NAND、DDR5、HBM、Networking ASIC、optical DSP、SerDes、Switch ASIC，本身就高度依赖高端DUV。AI越发展，对memory和IO的需求越高，DUV的重要性反而越强。于是行业开始出现一个关键变化：不是EUV替代DUV，而是EUV + DUV对应的需求一起拉爆。 现在已经能看到很多迹象：ASML DUV订单重新变强，refurbished DUV需求上升，二手scanner价格维持高位，mature fab利用率重新改善。真正危险的是，这种压力还会继续向下传导。当手机、消费GPU、Networking ASIC开始占满高端ArFi之后，汽车、工业、功率、PMIC、MCU、模拟芯片又会继续向更成熟节点退。这其实就是EUV → ArFi → KrF → i-line的逐层外溢。 而且这个过程其实已经发生过一次。2021-2022汽车缺芯，本质上就是高价值消费电子挤占成熟制程产能。AI时代只是把这个过程进一步放大。汽车行业已经学会一件事：最怕的不是芯片不先进，而是没有芯片。于是越来越多车企开始长期锁产能、多供应商、接受旧节点、延长平台寿命。很多汽车芯片未来可能长期停留在28nm、40nm、55nm、90nm，因为对于车规来说，稳定供货远比缩节点重要。 功率半导体则是另一个容易被低估的方向。它并不依赖EUV。功率真正重要的是耐压、电流、热、reliability、缺陷控制、封装，所以大量功率器件长期停留在180nm、130nm、90nm、BCD、HV CMOS、200mm，很多甚至主动不愿意继续缩节点，因为更先进制程反而漏电更高、热更难、成本更高、良率更差。 但AI datacenter本身又在疯狂拉动功率需求。现在AI rack功率已经开始从50kW向100kW、300kW+继续升级。于是HVDC、VRM、PSU、UPS、rack-level power、battery backup都会大量消耗MOSFET、IGBT、SiC、GaN、PMIC。AI一边挤占先进制程，另一边又在疯狂拉动成熟制程。 最终整个行业会越来越像“全层级产能紧张”，而不是单纯“先进制程繁荣”。真正限制行业的，也早已不只是scanner数量，而是整个超复杂制造体系：optics、overlay、metrology、mask、photoresist、substrate、advanced packaging、testing、power、cooling，共同形成的复杂度瓶颈。 AI真正改变的是：半导体行业开始从“晶体管中心”，进入“系统复杂度中心”。EUV不会淘汰DUV。AI时代真正发生的事情，可能恰恰相反：整个半导体产业，会重新意识到，高端DUV、成熟制程、旧scanner、legacy fab，才是支撑全球电子工业的真正底座。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

随着AI芯片功率越来越高，GPU、AI ASIC、HBM逻辑层、交换芯片开始需要超高电流、超高功率密度、超高速动态负载。 IR Drop、电迁移、热密度、高频噪声、金属层拥堵、电源完整性问题开始明显恶化。 因此，行业开始推进Vertical Power Delivery（VPD）与Backside Power Delivery Network（BSPDN）。 就是把过去需要在芯片正面金属层长距离绕行的电流，搬到背后垂直送电。 这样可以缩短供电路径、降低压降和功耗、释放更多信号层空间、提升高频稳定性、支持更大的Die和更高电流。 行业龙头已经全面推进。Intel 推出PowerVia，TSMC 推进Super Power Rail，Samsung Electronics 推进BSPDN。 VPD不是单一技术，而是一整套制造升级。背后需要晶圆减薄、TSV、铜填孔、背面金属化、Hybrid Bonding、Backside CMP、Overlay、X-ray检测、电源完整性EDA、高电流封装。很多过去非核心的步骤，正在变成AI时代的新瓶颈。 尤其是晶圆减薄、背面金属化、Overlay、X-ray计量、Power Integrity、高电流封装。这些方向未来可能出现类似CoWoS、HBM的产业重估。 VPD核心难点包括：超薄晶圆带来的翘曲、热变形与开裂；TSV与背面互连的高缺陷风险；供电与散热的耦合问题；Overlay与X-ray检测难度提升；以及Transformer workload带来的Power Integrity问题。 产业链上，第一层受益是先进逻辑Foundry，包括 Intel、TSMC、Samsung Electronics。 第二层受益是CMP、Bonding、Metrology、TSV设备，包括 Applied Materials、Lam Research、KLA Corporation、Onto Innovation。 第三层受益是Chiplet、HBM、CoWoS、Hybrid Bonding、高电流先进封装，包括 Amkor Technology、ASE Technology。 第四层受益是IVR、高频VRM、超低延迟供电，包括 Monolithic Power Systems、Infineon Technologies、Texas Instruments。 半导体行业正在从“逻辑密度竞争”转向“能量密度竞争”。未来先进芯片竞争的核心，不光是计算存储和通信，还有电力管理。免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

黄仁勋大手笔1000亿投资AI供应链和基础设施💰 亲儿子系名单曝光： 1. 英伟达 $NVDA AI时代最大卖铲人，全球GPU霸主，几乎所有大模型、AI数据中心都离不开英伟达芯片。 2. CoreWeave $CRWV AI版云算力包租公。主营业务就是出租装满英伟达GPU的数据中心。OpenAI、微软等公司疯狂租算力。 3. 超微电脑 Super Micro Computer $SMCI AI服务器最大热门股之一。英伟达GPU再强，也需要服务器组装落地，而SMCI正是核心供应商。 4. 戴尔科技 Dell $DELL 传统PC公司，正在转型AI基础设施巨头。大量AI服务器订单正在流向戴尔。 5. 美满电子 Marvell $MRVL 主攻硅光子、数据中心互联芯片，AI数据中心越大，GPU之间通信需求越恐怖，而Marvell就是解决数据堵车的关键公司。 6. 康宁 Corning $GLW AI数据中心背后的卖水人，生产光纤、玻璃材料。 7. Lumentum $LITE AI光模块核心玩家。没有光模块，再强的GPU也跑不起来。 8. Coherent Corp $COHR 提供激光器、光通信设备等核心组件。属于AI硬件链里成长性很强的一环。 9. IREN Limited $IREN 从比特币矿企转型AI数据中心。 原本拥有大量电力资源和数据中心基础设施，现在开始全面切入AI算力。 10. Nebius Group $NBIS 核心方向是部署英伟达AI基础设施，为AI公司提供算力服务。 11. 台积电 Taiwan Semiconductor $TSM 英伟达再强，也得靠台积电代工。 12. 博通 Broadcom $AVGO AI ASIC芯片超级受益者。

nvda豪掷15亿预付amkr，是因为先进封装会成为下一个HBM吗？ AI产业每隔一段时间，都会有新瓶颈，然后大家就会想办法解决瓶颈，然后瓶颈就会随着解决方案继续移动。 原因很简单。AI芯片越来越像一个系统。GPU Die数量增加，HBM容量不断提升，Interposer尺寸持续扩大，Chiplet架构成为主流，Package面积和复杂度同步提升。从Hopper到Blackwell，再到Rubin，每一代产品占用的先进封装资源都明显增加。未来GPU出货量增长30%，先进封装需求增长50%-70%将并不令人意外。 这意味着，先进封装开始从制造环节演变为一种稀缺资源。限制GPU出货的不再只是晶圆和HBM，而是整个系统级集成能力。 更重要的是，需求来源正在多样化并快速增长。过去先进封装主要服务于NVIDIA GPU，如今Google TPU、AWS Trainium、Microsoft Maia、Meta MTIA、Broadcom ASIC以及未来越来越多定制AI ASIC都需要先进封装。GPU需求仍在增长，同时新增了一条规模巨大的ASIC需求曲线，两者共同争夺有限的封装能力。 供给端却难以快速释放。先进封装工艺流程及其复杂，包括的CoWoS、Hybrid Bonding、TSV、高精度贴装、超大尺寸Interposer、先进测试和热管理，每一个环节都需要专用设备和成熟工艺。很多核心设备全球供应商数量有限，即使资本充足，也无法短时间完成扩产。 这也是为什么近期越来越多AI公司开始提前锁定未来数年的封装产能，英伟达这次的15亿，很可能只是冰山一角：提前锁定的是未来几代产品的制造能力和供应链优先级。先进封装正在逐渐具备类似HBM长期锁产能（LTA）的产业特征。 在已经拿下tsmc cowos50-60%产能的情况下，英伟达今天如此激进的做法很可能会引起其他市场的玩家恐慌性争相效仿，开始争夺剩下的先进封装产能。 不过，先进封装并不会完全复制HBM行情。HBM的供给几乎集中于SK海力士、三星和美光三家公司，进入门槛极高，供给弹性极低，因此价格和利润弹性异常突出。先进封装虽然龙头仍然集中，但未来参与者更多，TSMC之外，Amkor、ASE、SPIL、Samsung、Intel以及部分中国封装厂都有机会分享增量市场，不同技术路线之间也存在一定替代空间，例如CoWoS、FoCoS、EMIB、I-Cube、Panel Level Packaging以及未来Hybrid Bonding等方案，因此供给弹性整体仍高于HBM。 但先进封装的重要性已经不只是一个制造工艺，而是AI时代最核心的基础设施之一。HBM提供高速存储，GPU提供计算能力，而先进封装负责将所有异构芯片整合成一个可运行的系统。未来随着Chiplet、HBM堆叠、异构计算和系统级封装不断升级，先进封装的价值量和战略地位仍将持续提升。 而封装需求的不断快速提升，将继续拉动封装材料，设备，测试等上下游环节需求的继续大幅增长 免责声明：本人持有推文题及资产，观点充满偏见，非投资建议dyor

老黄带货光模块 mrvl ，我看了下，美股光模块还有： AVGO：AI ASIC、网络交换、CPO/硅光方向的基础设施核心，但估值和共识都高。 MRVL：定制 ASIC、DSP/光互联相关；受 AI capex 节奏影响大。 COHR：光模块、激光器和材料链关键供应商；更接近物理瓶颈。 LITE：EML/激光和高速光器件；看 800G/1.6T 转化。 CRDO：AEC/高速互连和 SerDes 受益，弹性高但估值波动大。

据FundaAl称，Qualcomm预计将于2026年底开始向一家中国CSP出货类似于LPU的AI ASIC. 预计出货量约为100万台，平均售价(ASP)约为4,000美元。 至于通用服务器CPU，预计将于2027年下半年或2027年底开始出货。 300万台........这可不是个小数目。

創意電子（GUC）2026年9月22日宣布，採用台積電N2P（2奈米）製程與CoWoS-L封裝的HBM4E PHY與Controller IP已完成設計定案，並獲客戶AI ASIC採用。該IP延續已通過矽驗證的N3P 12Gbps HBM4基礎，在所有操作條件下將傳輸速度提升至16Gbps，並強調高功耗效率與超小面積。GUC以專有interposer佈線優化訊號與電源完整性，可支援多種CoWoS架構。 為因應3D SoIC，GUC另提供SoIC-X用face-up版本，整合TSV以支援I/O與向上層晶片饋電，建立3D堆疊連接路徑。該IP亦延續HBM、GLink、UCIe產品線，並整合proteanTecs互連監測，提升測試可視性與實際運作可靠度。 技術長Igor Elkanovich表示，HBM4E可顯著提升新一代AI加速器頻寬與系統效能；結合face-up HBM、face-up UCIe與GLink-3D，GUC可提供完整3D SoIC介面方案，協助客戶整合HBM、chiplet與3D堆疊。

7月20日 - 24日本周财报重点催化剂 周三（7 月 22 日，美股盘后） Google（GOOGL）财报是本周最重要的财报，也是整个 AI 板块最重要的催化剂。我最关注 AI 资本开支（CapEx）是否继续增加、Google Cloud 增速、数据中心投资以及管理层对未来 AI 基础设施建设的展望。如果 Google 再次确认持续加大 AI 投资，对 GPU、HBM、光通信以及整个 AI 硬件产业链都是重要验证。 Tesla（TSLA）财报重点关注 Optimus、Robotaxi、FSD、Dojo 以及 AI 投资计划，看看管理层对未来 AI 战略和资本开支是否有更多更新。 ServiceNow（NOW）财报主要观察企业 AI 的落地情况，包括 AI Agent 商业化、企业 AI 采用率以及企业 IT 支出是否仍然保持强劲。 周四（7 月 23 日，美股盘前） Nokia（NOK）财报重点关注 AI 数据中心网络、光通信业务、AI & Cloud 订单增长以及 Infinera 整合进展，看看 AI 网络基础设施需求是否依然强劲。 周四（7 月 23 日，美股盘后） Intel（INTC）财报重点关注 Foundry 业务、18A 制程、AI 芯片路线图，以及管理层对先进封装、AI ASIC 和晶圆制造需求的评论，这也是观察整个半导体制造周期的重要窗口。 MaxLinear（MXL）财报重点关注 AI 网络需求、800G/1.6T 光模块、PAM4 DSP 产品以及下半年展望，对光通信板块具有一定参考意义。 Google是本周最重要的财报。 近期市场最大的争议就是 AI CapEx增速是否会放缓。Google 的管理层表态会成为未来几周 AI、云计算和半导体板块走势最重要的风向标。

美团的万亿参数大模型LongCat-2.0 很可能是在华为昇腾上面训练完成的。美团的官方博客提到到： full training run built entirely on AI ASIC superpods ( 这里面通过强调 ASIC，强调 alternative hardware platforms。在2026年的中国，目前能够提供“AI ASIC 超大规模超算舱”只有华为 Atlas / 昇腾 AI 集群。 还有一个直接证据： They achieved a 70% reduction in monthly failure rates through HCCL exception handling and automatic fault recovery. HCCL = Huawei Collective Communication Library