为什么我看好Intel（INTC）⬇️ ─── 框架一：买的是"美国制造"政治资产 TSMC 在台湾，三星在韩国，SK Hynix 在韩国。 美国政府最怕的就是 AI 芯片供应链被台海风险切断。INTC 是唯一一家在美国本土有先进制程晶圆厂的公司。 不管 Intel 自己的芯片卖得好不好，美国政府必须让它活下去，而且会持续补贴（Intel已经拿了约80亿美元的政府补贴，是CHIPS Act所有受益者里单笔最大的）。这不是市场逻辑，是地缘政治刚需。只要中美关系不改善，这个逻辑就不会消失。 ─── 框架二：买的是"卖水者"，不是"淘金者" INTC 现在最大的潜在价值不是自己设计的 CPU，而是Intel Foundry，给别人代工。 如果苹果、高通、微软、甚至 AMD 把部分订单给 Intel Foundry，INTC 瞬间从一个打不过 NVIDIA 的芯片公司，变成一个类 TSMC 的代工平台。 多头赌的是：不需要 Intel CPU 赢，只需要 Intel Foundry 拿到几个大客户。 ─── 框架三：空头已经出尽，筹码极度干净 2022-2024 年 INTC 从 $60 跌到 $18，做空者赚饱了，悲观预期全部定价进去。 ─── 框架四：Lip-Bu Tan 是真正的 Operator 前任 CEO Pat Gelsinger 是布道者，讲故事厉害但执行差。 Lip-Bu Tan 背景完全不同，他是 Cadence 前 CEO，做 EDA 工具出身，懂芯片设计流程，懂客户，懂工程师文化。接手后第一件事是裁员、砍项目、降 Capex，把钱花在刀刃上。 ─── 框架五：期权市场的结构性买盘 INTC 涨 391% 过程中，大量做空者被迫回补（Short Squeeze），同时机构开始建仓，这产生了自我强化的价格上涨。 ─── 综合来看，INTC是一个被美国政府背书、有唯一性资产（本土先进制程）、新 CEO 在执行转型、财报超预期的特殊标的。 PE 高不是问题，因为买的根本不是当期盈利，买的是2027-2028年代工业务盈亏平衡那一刻的重新定价。

刚刚在跟 Codex 讨论做一款以全球股票市场为背景，类似游戏王的卡牌游戏，感觉给出的设定超级有意思，比如： NVIDIA 类型：AI / 半导体 / 平台型公司 攻击属性：算力供给 防御属性：CUDA 生态 弱点：HBM、CoWoS、出口管制、云厂商 CapEx 特殊效果：当场上存在“AI 超级周期”环境卡时，营收增长翻倍；但若触发“CapEx 放缓”，估值承压翻倍。 ASML 类型：光刻 / 垄断设备 攻击力不高，但战略权重极高 特殊效果：所有先进制程半导体卡的上限提高。 弱点：地缘政治、客户资本开支周期。 TSMC 类型：先进制造 / 代工平台 特殊效果：允许玩家召唤 5nm、3nm、2nm 相关高阶芯片卡。 弱点：台海风险、电力、水资源、周期性库存调整。

聊一下Intel的EMIB-T，这个技术可能在未来两年改变先进封装的竞争格局。 先说背景。AI加速器的封装面积越来越大，一颗芯片装不下的计算和内存，需要把多颗die封装在一起协同工作。当封装面积超过单次光刻曝光的极限，就需要用”局部硅桥”来连接相邻的die。这个思路，TSMC和Intel各自走出了不同的实现路径。 TSMC的CoWoS-L，L代表LSI（Local Silicon Interconnect），用局部硅桥做相邻die之间的高密度互连，全局布线靠InFO RDL扇出层完成，整个工艺在圆形晶圆载板上加工。Intel的EMIB，同样是局部硅桥，但嵌入的是矩形有机基板，全局布线靠基板上的金属层完成。两者底层思路相近，但制造平台和全局布线的密度存在本质差异。 早期EMIB有一个结构性短板。硅桥里没有垂直通孔，电源从基板底部送不穿桥，只能绕路。偏偏最需要电的PHY电路就坐在桥的正上方（信号线越短越好，所以PHY放在die最边缘），电源反而要从die中心横向传过来。路径长，压降大，瞬态响应差。HBM3e时代还能应对，到HBM4接口宽度翻倍、pin速率推到6.4Gbps以上，这条供电路径就成了瓶颈。 EMIB-T就是解这个问题的。T代表TSV，在桥里打铜通孔，电源从基板直接垂直穿过桥送到上面的PHY。同时桥里集成MIM电容和接地铜网格，就地稳压滤噪。供电路径从横向绕行变成垂直直连。 这个改动释放了两层约束。第一层是供电能力，可以支撑HBM4/4e级别的功耗需求。第二层是封装面积上限，Intel目标是2026年做到120×120mm封装、集成8倍光罩面积的硅，2028年推进到120×180mm、超过12倍光罩。 跟CoWoS-L的竞争，核心差异在制造平台。CoWoS-L在圆形晶圆载板上完成全部工艺，面积越大，晶圆边缘的浪费越大，RDL层的均匀性和翘曲控制难度也非线性上升。EMIB-T在矩形有机基板上多放桥，每个桥的工艺独立重复，整体良率虽然也随桥数量指数衰减，但衰减速率稳定可控。封装越大，EMIB-T在成本上的优势越明显，良率的可控性也越高。反过来说，CoWoS-L的InFO RDL层提供了更高密度的全局布线和电源分配能力，加上NVIDIA等客户的设计生态已经深度适配CoWoS工艺，迁移成本极高，这是CoWoS短期内不可替代的护城河。 目前的状态是，标准EMIB量产良率90%，Intel表示已接近传统FCBGA封装水平。EMIB-T验证良率也到了90%，但这是小批量数据，量产目标98%。郭明錤的评价很准确，从90%到98%比从零到90%难得多。2026年EMIB-T进产线验证，2027年可能出现第一批产品（Jaguar Shores），Google TPU等外部客户也在评估EMIB-T方案，2028年才是真正的放量年。当然，Intel近几年的产品节奏有过多次延期，这个时间线能否如期兑现本身就是一个需要追踪的变量。 对TSMC的影响，我的判断是分流，不是替代。NVIDIA跟TSMC的全栈绑定短期内动不了，但Google、Meta这些做自研AI ASIC的客户，以及Apple等寻求封装供应链多元化的厂商，封装面积需求大、成本敏感、又有分散供应链的动力，EMIB-T给了它们一个真实可用的备选。Bernstein估算，EMIB平台封装每颗芯片成本在几百美元量级，而Rubin级别加速器上CoWoS-L封装成本约900到1000美元。即便只从边缘蚕食，打破CoWoS垄断定价权这件事本身，对整个产业链的影响也远超实际转移的份额。 SK hynix这两天也传出在跟Intel合作研发EMIB封装。HBM供应商主动拥抱EMIB生态，说明连它们自己都不想被CoWoS产能卡住出货节奏。 Intel的EMIB-T，正在把先进封装的竞争从”谁的技术更好”转向”谁能在超大面积上同时控住成本和良率”。从目前的市场叙事来看，EMIB-T的结构性优势应该还没被充分讨论。

下一个 10 年的 Mag7, AI 给我的版本 前 6 比较清楚：NVDA、OpenAI、SpaceX、GOOGL、MSFT、AMZN 第 7 名很激烈，是 Apple vs AVGO vs META vs Anthropic vs TSLA 的竞争 如果 AI 主要改变“软件入口”，第 7 更可能是 Anthropic 或 Meta 如果 AI 主要受限于芯片和网络，第 7 更可能是 Broadcom 或 TSMC 如果 AI 走向 physical world，第 7 可能是 Tesla 如果终端入口仍然最重要，第 7 还是 Apple

不可思议 Unbelievable! 即使在AI SuperCycle里， 作为AI战略资源的内存股市盈率仅为GPU/代工巨头的约1/4，PEG比率更是低至约1/10。 前四家公司（SK海力士、三星、Micron、SanDisk）是领先的AI内存制造商（HBM、DRAM、NAND），而NVIDIA是全球第一GPU生产商，TSMC是全球第一晶圆代工厂。 PE与PEG估值核心观察 1. AI内存股的远期市盈率极低 - SK海力士：4.55倍 - 三星：5.31倍 - Micron：5.74倍 - SanDisk：9.355倍 → 四家内存公司均处于个位数远期市盈率（2027财年）。 2. NVIDIA与TSMC的估值是内存股的3–4倍 - NVIDIA：18.70倍 - TSMC：20.38倍 投资者为每1美元2027年预期收益支付给NVIDIA和TSMC的钱，是支付给内存巨头的近4倍。 3. PEG比率显示内存股严重低估PEG比率（市盈率 ÷ EPS增长率）是衡量“增长调整后估值”的最佳指标： 公司明年 PEG点评Micron0.05全球最便宜的高增长股票之一，SanDisk 0.04极具吸引力, SK海力士0.17非常便宜, 三星0.23仍属合理, NVIDIA0.55增长定价合理, TSMC 0.73相对偏贵 内存公司每单位增长对应的估值远优于两者。 4. 内存股的盈利增长极为强劲 Micron：+120.7%（2027年EPS增长） SanDisk：+220.3% SK海力士：+26.5% 三星：+23.2% 即使增长如此惊人，市场仍给予内存股极低的估值。 总结 AI内存制造商（SK海力士、三星、Micron、SanDisk）相对于NVIDIA和TSMC，明显被低估。 内存股的市盈率仅为GPU/代工巨头的约1/4，PEG比率更是低至约1/10。 这种估值差距表明，市场可能低估了HBM/DRAM/NAND在整个AI生态系统中的关键作用和定价能力。 附图表格清晰显示了AI供应链中显著的估值差异。作为例子说明，重估会带来的股价提升对比。 非投资建议，仅供参考交流之用，DYOR。

之前做LLM推理芯片架构探索的时候，我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重，但底层逻辑都在同一个框架里：片上大SRAM + dataflow架构 + 确定性调度，核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家，而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级：不做芯片，直接做整片wafer。 单颗WSE-3，21.5cm × 21.5cm的整片晶圆，90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的，把原本用于晶圆切割的窄条改造成跨reticle的金属导线，让所有reticle在物理上拼接成一整块芯片。（配图二展示了单颗WSE-3内部结构：左半边是整片晶圆的reticle网格和scribe-line拼接，右半边放大了单个PE的微架构。） 单个PE的结构极简：8-wide FP16 SIMD计算核，48KB本地SRAM直连，没有cache层级，所有数据访问都是确定性的单周期。加上一个5端口路由器（N/S/E/W + loopback），相邻PE之间的通信延迟也是单周期。关键在于，跨reticle边界的mesh在物理参数上和reticle内部完全一致，编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看，这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token，模型权重要被完整读取一次，计算量却很小，典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运：HBM带宽有限，多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联，每一层带宽和延迟都差几个量级，编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s，权重从外部的MemoryX存储集群通过SwarmX流入wafer后，在PE之间按数据流模式传播执行，同一套placement和routing算法跑遍整片wafer。（配图一展示了这个系统级架构：MemoryX参数存储集群到SwarmX互联fabric，再到底层最多2048台CS-3节点，权重广播和梯度规约的数据流方向一目了然。） 90万个PE各自带48KB SRAM，合计约42GB片上存储，每个PE对自己本地SRAM的访问是单周期确定性的，PE间通信每跳single-cycle，延迟和曼哈顿距离成正比。对于推理场景，前提是weight streaming的编译器能把权重有效地分配到对应的PE上，这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案，没有cache层级带来的访问不确定性，没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候，NoC拓扑和内存层级的权衡花了大量精力，因为芯片边界是硬约束，跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层，代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部，scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级，几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理，从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延，这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片，任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对，但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式，叠加23kW、15U的单系统功耗和体积，部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大，但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考，FP16下128K上下文的KV cache就要吃掉约40GB，即使做KV cache量化，长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储，数据要经过SwarmX回传，这条路径的带宽在Tbps量级，和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。

算力二元博弈格局渐成：AMD 2026 Q1 财报及供应链深度解读 2026 年第一季度，AMD 的财报营收 103 亿美元（+38%）、每股收益 1.37 美元（+43%）的成绩单背后，反映出数据中心业务（+57%）已经成为公司绝对的增长引擎。 以下是本次财报要点与供应链底层分析。 1. 从“溢出效应”到“结构性上位” 市场普遍认为 AMD 的暴涨是因为 NVIDIA 供不应求。虽然“溢出需求”确实存在，但 AMD 正在摆脱“备选方案”的标签。 软件成熟度： 随着 ROCm 生态的完善，顶级云服务商（如 Meta、微软）选择 AMD 不再仅仅是因为买不到 H 系列或 B 系列显卡，而是基于总拥有成本（TCO）和 HBM 带宽优势的理性布局。 TAM 的天花板： 管理层将 2030 年服务器 CPU TAM 上调至 1200 亿美元。这标志着 AI 算力需求已从“脉冲式爆发”转为“结构性基建”，AMD 成功锚定了长期增长位。 2. 产能争夺：TSMC 内部的差异化战争 在台积电的排期表中，NVIDIA 与 AMD 的策略出现了显著分化： 封装之争： NVIDIA 继续包揽约 60% 的 CoWoS 产能用于 Blackwell/Rubin 架构。而 AMD 则开辟了“第二战场”，成为 SoIC（3D 堆叠） 的头号客户，拿下了约 40% 的配额。这种差异化封装技术是 AMD 在 MI350/400 系列上实现性能超车的核心。 节点博弈： 2026-2027 年，NVIDIA 稳守 N3 节点，而 AMD 已开始为 2027 年的 Zen 6 架构提前锁定 N2（2nm）制程。 3. 三星与 Intel：谁是真正的“Plan B”？ 面对台积电的产能饱和，两巨头在寻找备份代工上路径迥异： AMD 拥抱三星： AMD 已实质性下单三星 4nm 工艺，用于 HBM4 的逻辑基板（Logic Base Die）。这不仅是购买存储，更是将核心逻辑代工部分转交给三星的“破冰”之举。 NVIDIA 联手 Intel： 相比之下，NVIDIA 选择了 Intel Foundry 作为核心备选。通过 50 亿美元的投资深度绑定 Intel 18A 节点。这意味着在 2026 年底至 2027 年，NVIDIA 的“Rubin”时代将具备跨代工厂的产能弹性。 4. 2026-2027 的产能终局：已无余粮 目前的产能现状可以总结为：“先发产能已进入巨头分赃阶段”。 预订潮： 无论是台积电的 CoWoS 还是三星的 HBM4，2026 下半年及 2027 年的优质配额已被超大规模客户（如 Meta 6GW 算力中心项目）通过预付款形式提前锁死。 结论： 未来的竞争不再单纯是芯片设计的比拼，而是供应链调度能力的竞争。AMD 在三星 4nm 上的突围和对 SoIC 的统治，使其在 NVIDIA 的高压封锁下，依然保有极强的财务弹性。 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

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

今天 Amkor Technology 财报是一份大超预期的财报。 营收达到16.9亿美元，同比大幅增长，并明显高于市场一致预期；EPS同样大幅超出预期，背后是产能利用率从此前低位快速回升到70%区间。更关键的是，公司给出的下一季度指引继续大幅上修。 但市场却毫不给面子，盘后股价一度跌幅达8%。 到底哪里出了问题？ 硬要找，只有一个：公司将全年资本开支从过去约7.5亿美元直接提高到25-30亿美元，增幅接近3倍。 这看起来像是之前市场对大科技的capex大幅增长，现金流担忧的复现。 但这个顾虑到底有没有道理？ 要解答这个问题，需要先把先进封装这件事拆开来看。 本质上，封装在回答一个问题：算力如何被高效地“物理实现”。 围绕这个问题，产业链形成了清晰分工：TSMC负责前道制造，把电路刻进硅里；Amkor负责后道封装测试，把裸die变成可用芯片。从历史上看，两者几乎没有重叠。但在AI时代，封装开始直接影响带宽、功耗与系统性能，先进封装逐渐“前道化”，tsmc开始用cowos和amkr竞争，边界开始模糊，不过这种变化主要集中在最顶端的一小段。 Amkor的技术路径恰好位于另一侧。它的先进封装重心在Fan-Out体系，其中HDFO（高密度Fan-Out）是当前最关键的增长抓手，同时也在布局2.5D和3D。 CoWoS由TSMC主导，基于硅中介层（interposer），服务HBM与AI GPU的极限带宽需求；而HDFO基于RDL，不依赖interposer，结构更简单、成本更低，但互连能力有限。 两者不是竞争关系，而是分层关系：一个解决性能上限，一个解决性能与成本之间的平衡。 从技术层级看，真正的天花板在2.5D和3D封装，尤其是Hybrid Bonding这类已经接近前道工艺的技术路径。而amkr这样的OSAT所主导的，是另一层“工程化封装”：Fan-Out、Flip Chip以及部分2.5D能力。这一层的核心是规模化制造能力、良率控制和成本效率。 就Amkor的产品结构来看， 最底层是QFN、WLCSP等标准化封装，对应汽车、模拟、电源等成本敏感市场； 中间层是FCBGA、fcCSP、Fan-Out，对应数据中心CPU、推理芯片、网络交换芯片等中高性能场景； 最顶层才是CoWoS这类极限封装，但这一层并不属于Amkor的主战场，amkr吃的是前两层。 FCBGA本质是“高I/O、高功耗、高性能，但不追求极限带宽”。它广泛应用于服务器CPU、非HBM GPU、云厂自研ASIC以及交换芯片等。 绝大多数算力芯片并不需要HBM。只有像NVIDIA H100、B100这类训练级芯片，才必须依赖CoWoS+HBM来解决带宽瓶颈。 以Google为例，其芯片体系本身就是分层的：训练侧使用HBM与2.5D封装，而大量推理、视频处理、网络等ASIC，本来就采用FCBGA或Fan-Out方案。 就目前AI的发展路径来看，训练是金字塔顶端，数量有限；推理才是大头，而且是指数级扩散。 从数据中心到边缘再到终端，推理节点数量远超训练节点。在这个过程中，封装选择的核心约束从“性能上限”转向“总拥有成本”。在绝大多数场景里，“性能够用+成本可控”优于“极限性能”，这正是FCBGA与Fan-Out的优势所在。 这也是为什么HDFO已经进入商业化放量阶段，并成为Amkor当前最重要的增长抓手。 回到CapEx，我们可以看出，这是在为“推理时代的算力扩散”提前铺设产能。从亚利桑那到越南，从HDFO到高性能测试平台，本质上是在卡位产能。 业务层面的变化也在验证这一点。传统PC与消费电子仍然疲软，但数据中心与AI相关收入已经创下新高；HDFO开始进入量产周期，客户数量持续增加；同时公司开始向客户转嫁成本，封测行业长期缺乏的定价权正在边际回归。这些信号叠加在一起，说明行业不是简单复苏，而是在重构。 总结来看，先进封装不再是一条单一路径，而是“极限性能”和“规模效率”两种范式并存。前者由TSMC等厂商定义技术上限，后者由Amkor等OSAT决定产业体量。随着AI从训练走向推理，从集中走向扩散，真正决定长期价值的，往往不是最顶端那一小部分，而是承接最大规模需求的中间层。而这，正是Amkor正在用这笔30亿美元资本开支押注的位置。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，股票投资风险巨大，入场需极度谨慎

有個朋友，每次見面都在跟我抱怨人生很迷惘、很憂鬱，每天也不知道自己到底該做什麼。 結果他什麼都沒做，就只是默默買了 10 年台積電。反正很早，年紀也蠻大的。 現在光靠 $TSMC 就 A9，好像快 A10 了。 認識的人應該都知道在說誰