三星、SK海力士、Micron和SanDisk的下一季度财报发布会是另一个高潮！ 要留意一下，在日程表里标注，美光Micron 预计是24/6 （周三）盘后发布，三星和SK海力士分别大概23/7和29/7号，而闪迪发布日期大概在（24/7-3/8号）。 $MU #Samsung# #SKHynix# $SNDK $DRAM

Samsung 晶片工人拒絕了每人34萬美元的一次性獎金，他們希望像競爭對手SK海力士一樣，每年獲得利潤分成。 SK海力士的工人預計今年將獲得約47.7萬美元，明年將獲得近90萬美元。 三星工會希望公司每年將15%的利潤作為獎金發放給晶片工人，因為三星目前受益於人工智慧晶片的強勁需求，利潤豐厚。但工會表示工人的收入遠低於SK海力士的工人。 如果雙方無法盡快達成協議，工人計劃從5月21日開始舉行為期18天的罷工。專家預測，這次罷工可能對三星造成高達117億美元的損失。

即使存储股看似涨了很多，这预期市盈率还是低的离谱，三星 #Samsung# 、SK 海力士 #SKHynix、美光# $MU 的预期市盈率5-7 倍而已。能否提升市盈率？ 看以下因素： - 产品定位改变，高阶HBM = AI 战略资产 - 产能有限，大概率2028-2030年都没法满足 - 超越周期，长合约绑定， 高确认性 - 业绩：未来多年翻倍的暴涨 - 低市盈率重估 尤其LTA 长合约的签订，2027年产能的全包，确定性的存在，早已经不是以前的短波动“周期股”，而是supercycle 标的。产能根本没法满足，如美光高管的话，再建5个工厂也满足不了，而且建厂周期长至少18个月以上才能量产。 业界大多认可，HBM内存已成战略资产，供需缺口恐扩大；华邦电：预估DRAM缺货延续至2028年后，昨晚，看了另外一位业界的人预测，事实上是到2030年也未必能满足需求。 少数有number，高确定性，高增长，还估值这么低的好标的。 $SNDK $DRAM 非投资建议，DYOR。

⚡️ 朋友们，闪迪（ $SNDK ）确实把人看麻了。去年它还是 Western Digital 的附属，被 HDD 拖累，估值按周期股给，10 倍 PE 草草打发。 今年 2 月一拆分独立上市，画风突变，不到 15 个月，从几十美元涨到 1500+，市值破 2000 亿，反超母公司。2026 年年内涨幅接近 500%，隔壁 NVIDIA 才 涨 70% 多。 上周财报出来，营收同比涨 251%，毛利率 78.4%，每股收益 23.41 美元，幅超预期。不是达标，是碾压。存储也从 AI 配角，变成瓶颈级核心。 逻辑变了 AI 进入多模态和推理阶段，数据吞吐爆炸，企业级 SSD 成为短板。Jensen Huang 所说的存储是未开发市场，现在正在兑现。 分化也很明显：NAND（闪迪）+250%，HBM（Micron Technology）+196%，HDD仅+40%。资金已经站队。 更关键的是长协，闪迪已锁定约420亿美元最低收入 + 110亿担保，这让存储第一次有点摆脱周期股，向成长股靠。估值上，当前PE 43倍（看着贵），远期PE约19倍（还能接受）。 也有人早看懂了，Leopold Aschenbrenner 买在 ~$112，现在持仓接近 15 亿美元；链上交易员 yixie10 高杠杆做多，暴赚。 现在的问题就一个1400+ 还能不能追，多头逻辑很直接：华尔街目标价 2000 美元，如果 AI 继续烧存储，甚至有人喊 3000；但风险也很现实：Samsung Electronics、SK Hynix、Kioxia 一扩产价格就可能崩，且需求本质仍是被 AI 挤出来，消费电子并未真正复苏。 这是信仰股，如果你相信 AGI 的路径成立，进而相信存储需求会爆发，那可以长期持有；如果不信，那现在的位置就是典型高位。 有时候，最无聊的地方反而最不拥挤。但这一次，AI 的十年或许才刚刚开始，而存储的故事，也只是刚刚被唤醒。 本文未收取费用 ， 仅个人分享 ！

存储需求恐怕又要因为seedance2的出现指数级暴增. gpt3.5带来了文本时代，真正的视频时代，是seedance2带来的. 同样是几个提示词，视频ai消耗的存储将达到几百m，随着ai视频制作时长的增加这个体积还会更大. 这次衍生的存储需求会是原来文本的很多倍. 毕竟现在刷视频成瘾的群体是真多， 全球范围内从婴幼儿到老头老太太谁都逃不过，他们可能不爱看书不爱看新闻但绝对爱刷短视频. 基于此，又会产生新的投资需求. 视频ai需要的存储类型跟文本ai肯定有差异. gemini给出的现阶段抖音与yputobe采用的存储架构实录. 目前的视频存储并非单一介质，而是复杂的多级冷热分层架构 (Tiered Storage Architecture)。 A. 架构组成 1. 极热层 (Ultra-Hot Tier)：用于应对瞬时爆发的流量（如顶流网红刚发布的视频）。 • 类型：NVMe SSD 集群 + 内存级缓存（Redis/Memcached）。 • 核心指标：**IOPS（每秒输入输出操作数）**和极低的延迟。 2. 热/温层 (Warm Tier)：用于存放日常活跃观看的视频。 • 类型：高性能企业级机械硬盘 (HDD) 或大容量 QLC SSD。 • 核心指标：吞吐量 (Throughput) 与成本的平衡。 3. 冷层 (Cold/Archive Tier)：用于存放数年前、几乎无人问津的长尾视频。 • 类型：高密度氦气硬盘 (HDD) 甚至物理隔离的磁带机。 • 核心指标：每 TB 持有成本 (TCO)。 B. 痛点：I/O 墙与存储孤岛 传统架构下，存储是“静态”的。但 AI 视频时代（SeenDance 2）要求存储从“仓库”变成“流水线”，这直接导致了存储逻辑的崩溃。 根据以上视频公司存储的现状与困境可以延伸出其三个未来发展方向. 视频 AI 存储的三个未来发展方向 1.方向一：从 HDD 到全闪存化 (All-Flash Data Center) AI 视频训练需要并行读取海量高清素材。传统 HDD 的寻道时间太慢，会拖累昂贵的 GPU 算力。全闪存阵列 (AFA) 将从“奢侈品”变成视频公司的“基础设施”。 2.方向二：CXL 技术下的“内存-存储”融合 Compute Express Link (CXL) 协议将打破内存和 SSD 的界限。对于 SeenDance 2 这种需要处理实时动作对齐的模型，数据在 SSD 和 HBM 之间的搬运速度决定了生成的流畅度。 3.方向三：近存计算 (Computational Storage) 与其把巨大的视频数据搬到 CPU 处理，不如直接在存储主控芯片上进行初步的数据预处理（如视频抽帧、格式转换）. 基于以上及图片参数对存储公司作核心竞争力与趋势分析排序评级. SK海力士(S级)： 凭借 Solidigm 的 QLC 容量优势和 HBM 的统治地位，卡死了“大容量读取”和“算力吞吐”两个核心环节。视频 AI 训练集的 EB 级存储首选。 三星Samsung (A+级)： 读写最均衡。其 PCIe 5.0 写入速度冠绝群雄，是 SeenDance 2 生成 4K/8K 视频流时最佳的“高速缓冲区”。 闪迪SanDisk (A级)： 独立后的黑马。其 HBF（高带宽闪存） 旨在打破内存墙，让 SSD 直接参与 AI 推理，极大利好 64G 内存（如你的 M4 Pro）在本地处理大模型视频生成。 美光Micron (A级)： 写入寿命与能效比极高，适合 24/7 不间断生成视频的云工厂。 • WDC (B+级)： 专注于 CXL 协议，解决数据中心内内存与存储的动态调配问题。

從另一角度看，Terafab 找 Intel 的關鍵也是因為沒其他選擇。台積電未來數年產能已被高毛利訂單填滿，Samsung 則可持續享受記憶體超級週期的超額報酬，兩者的能見度都到 2028–2030 年，沒理由為了不確定性高的 Terafab 重置資源。

《AI时代，投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界，讲究“分工”： 有人做宏观，有人做行业，有人做基本面，有人做量化。 但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。 今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。 就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导—— 既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。 这是时代的要求，也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈？ 1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有： 算法（Transformer、MoE、World Model） GPU（NVDA / AMD） HBM（SK hynix / Samsung / Micron） 先进封装（TSMC CoWoS / SoIc） 光互联（Broadcom / Coherent / Intel SiPh） 数据中心（VRT、NET、DDOG） 能源（BE、CWEN、XIFR） 云与 AI 平台（GOOG、MSFT、META、OpenAI） AI 应用层（PLTR、SaaS 全部重构） 任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。 如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识，而是端到端系统理解。 2. 信息量爆炸，纯靠人力无法覆盖 AI 相关的信息密度，已经远超传统行业： 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化，就永远落后于别人。 全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快，不懂技术就无法提前布局 AI 的技术迭代速度大概是： 每 3～4 个月一次重要突破 每 6～9 个月一次产品更新 每 12～18 个月一次算法范式变化（MoE、SSM、World Model） 每 24 个月一次硬件架构代差（H100 → B200 → Rubin） 如果你不了解技术周期，你根本无法预测： 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力，是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课？ 真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。 因为： 1. 投资者的核心能力之一是“快速验证观点” 你想验证： 最近 48h 哪些 AI 项目最热？ 某事件（财报/政策）对哪些股票影响最大？ 算力增速 vs 数据中心供电缺口的关系？ 模型参数增速 vs HBM 需求增长？ 只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计： 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己 三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下： 不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。 更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者，才能吃到全周期的红利。

财报前瞻： Linde plc公司90%以上收入来自气体业务，本质是把氧气、氮气、氢气等工业必需分子，通过 on-site、管道、液态运输、瓶装等不同方式，转化为长期合同现金流。 公司收入结构集中，气体业务占比90%以上，on-site供气约30–40%贡献最稳定现金流，bulk约25–35%，瓶装15–25%，管道10–15%，合同结构稳定，10–20年take-or-pay合同叠加能源价格联动机制带来高度可预测现金流。 增长来源明确，行业中枢增速约5%，公司增长约5–8%，半导体带来额外1–3个百分点结构性增量，氢能提供长期可选增长，半导体驱动核心变量集中在晶圆厂数量、工艺复杂度与单位晶圆用气量提升，AI与HBM持续放大需求强度。 半导体业务相关上游是tsmc、Samsung Electronics、Intel、ASML 等。判断公司景气度，本质是看扩产决策、设备订单与产能利用率，而不是气体价格。 气体结构中氮气占比最高，氢气与氩气对应关键工艺，特种气体贡献利润弹性，氦气影响价格与利润率波动，其路径为供给收缩带来现货价格上行并推动利润率提升，库存与全球调配能力决定溢价获取能力。 宏观传导体现为能源价格上行影响成本端、合同机制支持成本转嫁、区域工业分化形成对冲，地缘冲突影响节奏分为短期需求与利润率承压、中期能源本地化推动on-site与工程需求、长期供应链重构提升用气复杂度。 区域结构上美洲贡献稳定现金流，欧洲承受成本压力，亚太贡献主要增量并受半导体与制造业驱动。 竞争格局集中，核心对手为 Air Liquide 与 Air Products and Chemicals，行业呈寡头结构，护城河来源于客户厂区物理绑定、长期合同锁定、气体网络与规模优势以及高端工艺复杂度提升。 财报核心观察点集中在半导体与AI需求强度、氦气与电子气体利润率变化、区域表现分化以及全年指引是否上调，最终结论清晰，前端确认扩产，中段确认建设，Linde确认用气与现金流释放。 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

整理成一条 Thread，更适合直接发： 很多人现在把 DRAM、HBM、显存、KV Cache 混在一起讲。 但这几个概念其实不是一回事。 简单说： HBM 本质上也是 DRAM。 它不是一种完全不同的存储，而是 DRAM 的一种“高带宽形态”。 DRAM 可以粗略分成： DDR4 / DDR5：普通内存 LPDDR：手机、移动设备内存 HBM：AI GPU 上用的高带宽显存 所以 HBM 属于 DRAM 家族。 但问题在于： 大家都能做 DRAM， 不代表都能做好 HBM。 Samsung、SK hynix、Micron 三家都覆盖 DRAM / LPDDR / HBM。 其中 SK hynix 目前是全球 HBM 龙头，尤其 HBM3 / HBM3E 深度绑定 NVIDIA AI GPU。 所以这轮 AI 行情里，海力士本质上是： AI HBM 核心受益者。 Micron（$MU）也在吃 AI Memory 红利，只是 HBM 节奏相比海力士略慢。 再看长鑫。 长鑫现在公开主线还是 DDR4 / DDR5 / LPDDR，也就是普通 DRAM。 所以不能简单写成： “长鑫 = HBM 核心玩家”。 这个说法不严谨。 更准确的表述应该是： 长鑫受益于 AI 带来的整体 DRAM 周期回暖，以及服务器内存需求提升。 至于 KV Cache 到底吃 HBM 还是 DRAM？ 答案是： 训练阶段主要吃 HBM。 因为训练在 GPU 内部进行，需要超高带宽、低延迟和大规模并行，KV Cache 主要放在 GPU HBM 里。 但推理阶段开始变复杂。 长上下文、Agent、多轮对话、大规模 Serving，会让 KV Cache 变得越来越大。 当 GPU HBM 不够时，系统就会开始往 CPU DRAM、Host Memory、分层缓存去扩展。 所以 AI 推理时代，Server DRAM 的重要性正在提升。 这也是为什么很多人开始重新关注 DRAM。 更准确的投资线索不是： “长鑫 = HBM 龙头”。 而是： AI 训练拉动 HBM， AI 推理拉动 HBM + Server DRAM + 分层 Memory。 所以把“HBM 相关产业链”改成“AI 存储产业链”，会更准确。 长鑫的核心逻辑目前还是： DRAM 周期 + AI Server + 国产替代。 不是 HBM 龙头。 #DRAM# #HBM# #AI# #长鑫科技# #半导体# #存储芯片#