打算7/18周六7pm~10pm在上海办一场Cocktail Networking Party。规模大约30人左右。喝喝香槟聊聊天。 到时需要提前分摊一下餐费1500rmb/人。感兴趣的朋友留言我，人数靠近了，我单独拉群。 目前进度：7人 微信：HelloJeff666888

朋友的分享（建议收藏） 2026 美股涨幅与资金主升 Top45（截至目前） 一、AI GPU / 核心半导体（核心中的核心） Ticker主线 NVDAAI GPU AMDAI GPU AVGOASIC MRVLAI Networking ARMAI Edge MUHBM INTCAI CPU revival QCOMEdge AI TSMAI Foundry TERAI testing AMD、MU、INTC、TER 都是今年最强半导体之一。 二、光模块 / Networking（今年真正疯涨） 你前面说得非常对。 这一块很多涨幅已经比Mega Cap还夸张。 Ticker主线 ANETAI交换机 LITE光模块 AAOI光器件 CIEN光通信 COHRCPO INFN光网络 CRDO高速连接 MTSI光射频 CLSAI硬件 FLEX数据中心电源 Lumentum、Ciena、AAOI 都被点名是2026表现最强AI股之一。 三、AI Server / 数据中心 Ticker主线 SMCIAI服务器 DELLAI Server HPE企业AI VRT数据中心散热 ETN电力设备 PWR电网 CEG核电 VST电力 NRG电力 GEVGE Vernova Vertiv 是2026翻倍股之一。 四、HBM / Memory（现在超级强） 这个是很多散户还没完全意识到的主线。 Ticker主线 MUHBM WDC存储 STXHDD SNDK闪存 SIMO控制器 Sandisk、Micron、Seagate、Western Digital 都是2026最强涨幅股之一。 五、AI 软件 / 平台 Ticker主线 PLTRAI政府 CRWDAI安全 PANWAI安全 SNOWAI数据 APPAI广告 NETCloudflare DDOGAI observability MDB数据库 ORCLAI云 TEMAI医疗 六、太空 / 军工 / 高Beta（现在资金扩散区） 你提到的太空股，其实现在已经是： AI资金扩散第三阶段 Ticker主线 RKLB火箭 ASTS卫星 LUNR月球 PL卫星数据 KTOS无人机 七、AI边缘妖股 / 高Beta Ticker主线 SOUNAI语音 BBAIAI国防 UPSTAI金融 HUTAI算力 TEMAI医疗

🎨 RWA AFTER HOURS: THE CULTURAL LAYER Bitcoin Asia 2026 之后，邀请你走进一场更私密的夜晚对话。 由 @ULTILAND 主办，@MetaEraCN联合主办，围绕艺术、文化 IP 与 RWA 展开轻松而深入的交流。 🗓 8月27日｜18:30–22:00 HKT 📍 香港湾仔 👥 仅限 50 位受邀嘉宾（报名审核制） 仅两场精简分享，其余时间留给 networking、碰撞与连接。 没有冗长演讲，没有固定议程。 只有艺术、文化、RWA，以及值得认识的人。 RSVP 🔗 #Ultiland# #RWA# #ART# #ARToken#

藤校学生的就业压力，宣告了一个时代的结束。 这两天在汉诺威旅行、访校，最重要的结论是，即使是达特茅斯这种拥有顶级校友网络和庞大捐赠基金的常春藤，在当下的大环境面前也无法幸免。 而整体而言，就业问题，是美本高知阶层正在经历的结构性挤压。 大多数 Ivy League过去几十年来最骄傲的就业出口，主要是两条极其固定的路径：投行咨询和大厂科技。 但这几年这两条路同时遭遇了重创。 McKinsey、BCG、Bain 等顶级咨询公司以及高盛、摩根士丹利等投行，在前几年大扩招后陷入了长期的消化不良，再加上M&A市场交易量下降，招人名额大幅缩水。 过去达特茅斯学生靠Networking递个 Resume 就能拿到的面试，现在变成了数百个同等顶级背景学生的内卷。 Big Tech 的效率年与 AI 替代无法阻挡。 硅谷大厂全面转入成本控制，传统 SWE的 Entry-level需求正在断崖式下跌。 加上生成式 AI 对写基础代码、做初级数据分析的效率提升，企业不再需要大量招募本科毕业生来做螺丝钉。 达特茅斯虽然是常春藤，但它的本质更像一个超大型文理学院，就像我之前说的，等同于威廉姆斯来看待。 达茅有大量学生主修历史、政治、政府学、英语文学等古典人文专业。在过去经济红利期，这些专业凭着常春藤光环进投行做 Generalist 毫无问题。但当下雇主极度功利，招聘极度看重硬核技术栈，代码能力与实际项目产出。 达茅的学生，我真的很喜欢。马术，冰球，滑雪，高尔夫，old money相关的爱好精通的很多，这是我的真心话。 虽然我知道很多人想问，去达茅的还需要就业？其实还是需要的，不是所有人都是old money，还是有很大一部分需要找工作的。 有一部分家境极其优渥的老钱学生，毕业后找不到理想工作可以先去欧洲旅行、去画廊实习或者直接读研，他们有强大的家族资源兜底。但对于靠奖学金、靠硬核能力拼进来的普通中产精英学生来说，当下的就业寒冬是极度真实的生存压力。 汉诺威深山老林的环境在做学术和沉淀智识时是绝佳的象牙塔，如果我有时间，我真的会多待几年。但在就业Recruiting Season，比起位于波士顿的 Harvard、MIT、位于纽约的 Columbia，或者在硅谷腹地的 Stanford，区位确实是个巨大的问题。 世界，正在属于科技新贵。

大部分应届生很难谈薪，因为校招薪资通常已经按照岗位、职级和批次提前确定。 但面试表现特别突出的候选人，仍然可能获得一定的谈薪空间。 尤其是在互联网、咨询、甲方战略部等岗位中，即便岗位类型类似，应届生之间也可能出现非常大的薪酬差距。 能够拿到更高薪资的人，通常具备几个条件： 业务经验密度高； 面试和IDR路演表现突出； 有Key Person认可； 拥有一定的POC推荐资源； 能够证明自己不是普通的应届生，而是可以直接创造价值的候选人。 所以，面试之前不要只靠自己闭门琢磨。 Networking要做，POC推荐人也要提前积累。 很多时候，人与人之间的差距，不只是能力差距，也是信息、资源和表达能力的差距。

今日办公室小思考： 7月之后最惨的可能就是 bottleneck boi 那套 long bottleneck。不是说瓶颈不重要，而是瓶颈本身并不能创造更多算力，赚的更多还是 scarcity rent。 最后 AI 最好的“上游”，其实还是谁能最快把 capex 变成 usable compute。 所以下半年是不是该从 long shortage duration 切到 long expansion？芯片、HBM/封装、networking、power/cooling，包括能把 utilization 拉上去的东西，本质上都在让算力更快上线。 说到底，最后买的可能不是 bottleneck，是 Δcompute

我把AI未来3年的核心瓶颈排了个序，大概是这样： 1. 存储（HBM + DRAM + eSSD，已经涨价、签长单、利润兑现） 2. 光互连（800G / 1.6T + Scale-Up + Scale-Across，连接接棒算力） 3. 先进封装（CoWoS + CoPoS + HBM封装，HBM和GPU放量的前提） 4. ASIC + Networking（自研芯片、交换芯片、SerDes、DSP，MRVL/AVGO核心位置） 5. 电力 / AI Factory（变压器、电网、UPS、800V DC、BBU，并网容量是真瓶颈） 6. 液冷（DLC、CDU、冷板，高功率机柜必选项） 7. 核能 / 发电（长期空间巨大，但兑现节奏慢于电力设备） 8. PCB / ABF / CCL（AI服务器和先进封装配套材料，真实受益但控制力弱于前面） 9. MLCC / 被动元件（高频高压高功率带来用量提升，属于配套瓶颈） 10. 半导体设备（检测、量测、测试、先进封装设备，卖水给淘金者） 11. Physical AI（机器人、自动驾驶、工业AI，空间大但2026仍偏预期） 12. Agent / 数据层（方向确定，但赢家和利润分配还不清晰） 13. 稳定币 / AI金融（AI Agent支付层，空间大但商业化还早） 未来三年市场会越来越关注：谁是真瓶颈，谁能把瓶颈兑现成利润，谁控制下一代架构。 我目前最看好的，还是存储第一，光互连第二，先进封装第三。因为AI发展到最后，拼的是谁真正卡住了整个产业链的命脉。

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

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。

ME 媒体支持｜第三届剑桥中国经贸论坛🌍🎓 当剑桥学术先锋对话全球商业领袖。本届论坛以 “Innovating Together” 为主题，深度探索中英创新协同、商业机遇与未来趋势。 📅 时间：2026年5月23日 10:30 – 18:30 GMT+1 📍 地点：Cambridge Judge Business School 🔗 报名链接： 活动亮点 ✨ 🏛️ 全球洞察：对话 Amazon、京东、中兴等名企专家，拆解 AI、VC 与 Fintech 趋势。 🚀 竞技舞台：直击 AI 创业大赛决赛对决，见证顶尖项目商业潜力。 🤝 巅峰社交：联动剑桥研究员与顶级投资人，解锁高价值合作人脉。 与我们的 CEO @JessicaMetaEra 一起，共同见证并支持新一代创新者的崛起！🚀 ⏳ 早鸟优惠：5月8日（今日）截止！结账输入：EARLYBIRD05 (学生) / EARLYBIRD20 (标准)。 🎁 尊享礼遇：含 Networking Lunch、独家礼品套装及精美茶点。 #CambridgeChinaForum# #AI# #VC# #SinoUK# #Fintech# #MEGroup#