相约久违的孟若羽，看到她穿着紧身皮衣，一对超巨乳被压迫得全部挤在一起，看到那对双峰我下面也搭起了帐篷，准备攀登那座巨峰，全力输出的巨乳也违反物理规则地晃动，激烈的撞击下两人浑身都是汗水，我射得她满身都是，本以为已经结束，没想到射后还被抓住肉棒不断摩擦搓揉 完整版主页简介电报群观看

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

财报速览：Rambus (RMBS) Rambus 股价在财报后跌超 10%，核心数据显示：AI 存储市场正处于从规模扩张向技术代差驱动的转型期。 核心财务逻辑：增收不增利背后的“军备竞赛” Rambus Q1 营收 1.802 亿美元，同比增长 8%。关键亮点在于产品营收（芯片）同比增长 15%，这抵消了授权业务的疲软。 现状： 市场对物理芯片（如 DDR5 接口芯片）的刚需远超专利授权。 代价： 为了保住技术领先，研发投入大幅攀升，导致运营利润率从 38% 压缩至 34%。这是典型的“拿利润换未来”的半导体竞赛阶段。 需求侧的移位：推理与智能体（Agentic AI） 财报中 CEO 提到的关键词是 “Agentic workloads”。这标志着 AI 需求已发生结构性变化： 从“训练”到“部署”： 早期增长靠买 GPU 练模型，现在的增长靠成千上万的 AI 智能体在线运行。 带宽即生命： 推理和智能体任务需要极高的数据交换频率，存储不再只是“仓库”，而是“高速公路”。 技术迭代的“深水区”：HBM4E 与 SOCAMM2 Rambus 的技术路线图目标是 AI 数据中心的两大痛点： 速度瓶颈： HBM4E 内存控制器 IP 预示着下一代 AI 显存标准的到来，带宽竞争没有上限。 电力瓶颈： LPDDR5X SOCAMM2 模块将移动端的低功耗特性引入服务器。在电力受限的当下，“每瓦性能”比绝对性能更具议价能力。 总的来看，资本市场非常苛刻。在 AI 基础设施领域，符合预期即是利空，只有持续的“技术碾压”才能维持估值。 当前的 AI 存储市场正在迎来新的技术升级，资金和订单正疯狂向 HBM、DDR5 等高性能和低功耗方案集中。 免责声明：非投资建议，股票投资风险巨大，入场需极度谨慎

United Rentals (URI)，昨天财报，今天大涨超20%！ 这是个在aidc疯狂竞逐算力的大周期里，市场忽略的支撑这些庞然大物落地的“重型后勤”。 1. 业绩摘要：创纪录，上调指引 URI 在本季度交出了满分答卷： 营收与盈利： 总营收 39.85 亿美元，调整后 EPS 达 $9.71。 核心效率： 租赁利润率在排除特殊因素后持续走高，车队生产力增长 2.3%。 股东回报： 季度内通过回购和派息返还 5 亿美元，现金流极度充沛。最关键的信号是，管理层基于“大型项目势头”上调了全年业绩指引，显示出极强的增长信心。 2. 商业模式：从“租挖掘机”到“系统方案” URI 的业务由两部分驱动： 通用租赁： 覆盖建筑和工业的基础设备（高空平台、土方机械等）。 专业租赁： 提供电力配套（大型发电机）、精密温控（工业 HVAC）及流体处理。这种“一站式”模式让它成为了大型工程不可替代的合作伙伴。 3. AIDC：URI 增长的“秘密燃料” 为什么 AIDC 建设对 URI 如此重要？ 重度依赖电力与温控： AIDC 的建设和测试阶段对移动电力和工业冷水机组有爆发式需求，这正是 URI 高毛利的专业租赁领域。 长周期与高粘性： 数据中心属于“超大型项目（Mega Projects）”，建设周期长、设备占用率高。 行业风向标： URI 约 25% 的收入来自这类大型项目。只要 AIDC 的基建竞赛不停，URI 的设备就会供不应求。 结论 United Rentals 的暴涨并非偶然，和之前pwr财报大超类似，它们都是 AI 物理层建设的直接受益者。随着制造业回归和 AI 基础设施持续投入，URI 已经从传统的周期性租赁公司，转型为支撑数字经济扩张的“重型底座”。 免责声明：本人观点充满偏见，非投资建议dyor

美股新股神诞生记：清仓英伟达，全仓“收破烂”，27岁的Leopold如何靠“物理世界”赚翻55亿？ 如果有人告诉你，一家AI对冲基金，里面连一股英伟达、微软或OpenAI的概念股都没有，取而代之的全是做燃料电池的、破产重组的比特币矿企、以及被分析师疯狂看衰的英特尔。 你一定会觉得这个基金经理想钱想疯了。 但这个“疯子”，恰恰就是前OpenAI的超级对齐团队研究员、年仅27岁的Leopold Aschenbrenner。在过去的12个月里，他旗下的基金Situational Awareness LP，将管理规模从不到4亿美元，硬生生做到了55.17亿美元，足足翻了14倍！ 随着Bloom Energy、Cipher Mining、Intel等标的单日暴涨超10%，华尔街终于开始正视这个年轻人的“奇葩”购物清单。他那套脱胎于165页“万言书”的投资逻辑，正在被现实极其残酷地验证：AI的叙事，正在从屏幕里的模型，退回到脚下的土地和电网。 带你一文拆透这位美股“版本之子”的封神之路。 一、55亿美金的“废品回收站”：他到底买了什么？ 打开Leopold的13F持仓报告，第一大重仓股不是芯片公司，而是Bloom Energy（占比15.87%，8.76亿美元）。这是一家做“固体氧化物燃料电池”的公司，能直接把天然气转化为电力。 为什么一个AI基金要把身家押在发电厂上？ 因为AI实在太吃电了。Gartner预测，全球AI服务器的耗电量到2030年将翻近五倍。而美国那个平均寿命超过25年、破破烂烂的电网根本扛不住。 Bloom Energy的电池不需要接入电网，直接在数据中心旁边24小时发电。谁能解决断电危机，谁就是AI时代最暴利的“卖水人”。 第二大重仓：CoreWeave（占比22%，期权加正股超12亿美元）。这家公司曾经是个挖比特币的矿场，币圈崩盘后，他们把手里的GPU全拿去跑AI，摇身一变成了AI算力的最大军火商。Leopold看中它，是因为它手里有海量的GPU以及和英伟达的深度绑定。 第三大重仓：英特尔（Intel）（占比13.54%，7.47亿美元）。在英特尔股价腰斩、被全网群嘲的时候，Leopold疯狂买入看涨期权。他赌的不是英特尔的技术，而是美国的国家意志——在中美科技博弈下，英特尔拿到美国政府近80亿美元补贴，它是美国本土代工唯一的“亲儿子”。 最疯狂的扫货：一堆比特币矿工。 Core Scientific、IREN、Cipher Mining……这些要么破产重组、要么在熊市苦苦挣扎的矿企，全被他买了个遍。 原因很简单：AI数据中心最缺的电力配额和场地，全在这些矿工手里！比特币矿场早就锁定了全美最廉价的长期电力合同。一夜之间，这些原本炒币的矿工，变成了AI时代最大的地主。 与此同时，他在2025年第四季度，果断清仓了英伟达、Broadcom和Vistra这些被炒上天的明星股。 他的逻辑极度清晰：AI的瓶颈不在软件，在硬件；不在算法，在电力；不在云端模型，在物理世界。 二、从OpenAI的叛逆者到165页“万言书” 这个15岁考入哥伦比亚大学、19岁成为毕业生代表的天才，原本在OpenAI的“超级对齐团队”工作，负责防止AI失控。 但他因为向董事会提交备忘录，警告公司安全措施存在漏洞，被指控“泄密”而惨遭解雇。 离开后，他写下了一篇165页的《态势感知：未来十年》（Situational Awareness），预言AGI（通用人工智能）极有可能在2027年实现。 这篇万言书就是他55亿美元持仓的地图。他在书里预言： 万亿美元级别的算力集群即将出现。（半年后，特朗普政府就宣布了5000亿美元的Stargate基础设施项目）。 严重的电力危机。 为了供电，微软甚至重启了当年发生过严重核事故的三里岛核电站。 如果2027年AGI真的到来，世界需要海量算力 -> 算力需要GPU -> GPU需要电 -> 电从哪来？矿场和新能源。这就是他顺藤摸瓜的终极投资路线。 三、DeepSeek暴击之夜：在所有人恐惧时加仓 2025年1月27日，中国发布的DeepSeek模型以极低的成本（约600万美元）震撼了全球。 整个华尔街陷入恐慌：如果低成本就能搞定AI，那美国科技巨头砸进去的几千亿算力是不是都成了泡沫？英伟达单日暴跌近17%，整个半导体板块血崩。 Leopold的持仓全是基础设施，按理说应该崩盘。但当投资人打电话质问时，他只回了五个字：“Leopold says it's fine.”（Leopold说没事的。） 因为他在万言书里早就想透了：更便宜的训练成本，证明了算法效率在飙升。成本的下降从来不会消灭需求，只会创造出更大、更疯狂的模型训练需求。 他在恐慌中逆势加仓，事实证明，AI板块很快迎来了报复性反弹。 总结：投资的本质是寻找“物理瓶颈” Leopold的故事，绝不仅是一个少年暴富的爽文。 当所有人都在死盯着屏幕里GPT-5有多强时，他抬起头，看到了发电厂的烟囱和矿场的变电站。 在19世纪的加州淘金热中，赚得盆满钵满的不是挖金子的人，而是卖铲子和牛仔裤的Levi Strauss。 在AI狂飙的2026年，最值钱的未必是那段算法代码，而是支撑这段代码不被断电的物理世界底座。

如果把特斯拉和SpaceX仅仅看作汽车和火箭公司，就不会想到它们会合并。 但如果把它们看作是设计和制造芯片的人工智能公司——并且利用太阳能以远超现有地面系统的规模生成代币，为数字和物理人工智能工作负载提供动力——就会纳闷它们为什么还没合并。

重要：存储硅光主线与存算一体革命 存储与硅光是当前市场最热主线，核心动因均为内存墙——芯片间数据搬运成本远超计算成本，已成AI算力核心瓶颈。 HBM通过堆叠内存缩短搬运距离，硅光以高速光互连拓宽传输通道，二者均为缓解内存墙的过渡方案。而存算一体是终极解法，直接消除数据搬运，实现“数据不动计算动”。 本周IPO的Cerebras（ $CBRS）是存算一体标杆，其WSE-3将整片300mm晶圆做成单芯片，集成90万核心与44GB片上SRAM，带宽达21PB/s，是H100 HBM带宽近万倍。 与GPU/TPU的分布式架构不同，Cerebras以晶圆级集成规避跨芯片通信，构建起物理边界、微架构与生态的三重护城河。长期看，存储与硅光只是过渡，存算一体才是算力演进的终局，当前市场对其估值仍处低位。

新记录！20万人口规模城市级别的15年超长期电力合同将给ai数据中心上下游带来哪些影响？ Applied Digital Corporation（apld） 今天宣布与一家美国投资级 hyperscaler 签下了一份 300MW、15年期、总额约75亿美元的长约。 股价应声大涨近20%。 300MW的规模已经接近20万人口城市级负载，15年的期限明显超出传统数据中心合同；而按容量锁定的模式，也不同于按GPU或按小时计费的算力租赁。 这在“超大规模 + 超长周期 + 明确算力用途”的基础设施级AI合同上，创了新的记录。 这背后对应的是行业属性的变化。截止目前的数据中心，本质是还是IT服务，尽管之前有一些长达5年的合同，但扩容仍按需进行，资源可以迁移和替换； 而现在则逐步变成基础设施资产，开始用类似电力PPA或能源的15年的长期合同的方式锁定供给。 算力不再是可以随时采购的资源，而是需要提前规划、提前占位的生产能力。 为什么会发生这种变化，本质原因是资源开始稀缺，和储存，芯片，光模块一样，对hyperscaler来说，如果不提前锁定，未来可能根本拿不到资源。 在接下来的演进中，电力资产会被重新定价，甚至重新定义。 有电，有接入能力，和高达100–300MW甚至GW级别的电力扩展能力，同时具备网络连接条件和开发可行性，都将成为新资产定价的属性。 归根结底，这一切指向同一个变化：AI竞争正在从模型和算法层，转向物理资源层。电力、变压器、冷却、土地和网络，正在成为新的约束条件。谁掌握这些入口，谁就掌握未来算力供给，也就掌握了更长期的定价权。这才是这笔15年合同真正重要的地方。 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dyor

前SpaceX宇航员加勒特·雷斯曼（Garrett Reisman）近期在一场公开访谈中，透露了埃隆·马斯克（Elon Musk）管理其商业帝国的核心决策机制。 雷斯曼指出，马斯克在评估几乎所有重大商业抉择时，使用的并非传统的财务回报率或常规的风险评估模型，而是依赖一个极度单一且具象的评估指标： 该项决策是否能够加速人类在火星建立自给自足殖民地的进程。这一终极目标充当了过滤其所有商业动作的物理棱镜。 在这种极端的愿景驱动下，SpaceX的工程团队长期承受着远超行业常规的沉没成本与执行压力。 雷斯曼证实，马斯克习惯于在项目推进过程中单方面设定极其激进且不容妥协的时间线，并以此高频施压工程团队。 由于航天工程和深空探索具备极高的物理复杂性，研发周期往往难以通过线性逻辑进行精准预测，这也导致SpaceX的实际项目进度频繁出现滞后。 然而，这种极限施压的动作，在客观上将组织内的沟通与协作效率推向了物理极限，团队在反复逼近截止日期的过程中被迫优化工作流。 这种管理模式在传统商业逻辑中极具争议，它在不断挤压员工生理与心理极限的同时，也付出了高额的人力周转成本。 但在资本和资源分发层面，这种将所有商业动作——从特斯拉的现金流反哺，到星链的全球低轨卫星网络铺设——全部收拢于单一终极叙事的做法，赋予了马斯克旗下的实体极高的资金吸纳能力。 所有的延期与技术故障在“火星移民”这一宏大宏图面前，都被市场容忍度对冲成了可接受的试错成本。马斯克的商业帝国正是通过这种方式，将复杂的航天重工业，格式化成了由单一指令集驱动的、高强度迭代的自动化工程引擎。

一、韬定律是什么 韬（τ）定律（2026年5月25 日，华为何庭波在ISCAS 2026正式提出）： 后摩尔时代的半导体新演进 法则，核心是用“时间缩微”替 代“几何缩微”，以时间常数τ 为核心指标，通过全栈协同 持续压缩信号时延，提升系 统性能与能效。 二、核心思想 摩尔定律：把晶体管做更小 （几何缩微），靠尺寸换性 能。 -韬定律：让信号跑得更快 （时间缩微），靠降时延 （τ）换性能。 三、为什么需要韬定律（摩 尔定律快到头） 物理墙：3nm/2nm逼近原子 尺度，漏电、发热严重，再 缩不下去。 经济墙：先进制程建厂成本 超200亿美元，全球仅2–3家 能玩。 收益递减：制程越来越贵， 性能提升越来越少。 四、韬定律怎么做（时间缩微） 核心指标：τ（时间常数） ——信号传输/切换延迟，τ越 小越快。 - 关键技术：逻辑折叠 （Logic Folding） 把长路径拆短、把串行变并 行，减少信号来回跑，压缩 时延、提升等效晶体管密 度。 全栈协同：器件→电路→芯 片→系统，统一降τ，不只靠 制程。 五、通俗类比（城市交通） 摩尔定律：房子（晶体管） 盖更小、更密，路变窄，靠 缩短距离提速。 韬定律：路不变窄，修高 架/隧道（逻辑折叠）、优化 信号灯，让车流（信号）更快。 六、意义 中国首次提出半导体底层演 进定律，打破西方规则垄 断。 后摩尔时代，不拼“几纳米”， 拼“完成任务要多久”。 为先进制程受限的情况下， 提供性能持续提升新路径 。