依据英伟达报告我们对未来Ai硬件产业的一个推断 增长指标基于Rubin平台拆解估算。 展望与风险我们预计2026-2027年AI资本开支将保持强劲，Rubin出货将催化供应链新一轮上行。光通信与先进基板的技术切换有望延长本轮AI硬件周期。超大规模云厂商的垂直整合及美国本土化制造（英伟达-康宁工厂等）进一步增强韧性。 主要风险：资本开支阶段性暂停、新技术（玻璃/CPO）良率爬坡、被动元件商品属性波动，以及亚洲供应链的激烈竞争。 目前板块估值已有所扩张，需保持选择性。 投资建议：超配与英伟达紧密绑定且技术壁垒较高的供应链标的（例如 $TTMI在PCB领域，$COHR/$LITE/ $GLW在光通信与玻璃领域）。 建议重点跟踪2026年二季度财报对Rubin放量进度的验证。 英伟达向Vera Rubin（VR200）平台的过渡，标志着AI基础设施复杂度和成本的显著提升。 根据摩根士丹利对下一代Rubin机架的详细BOM拆解，机架总成本较GB300增长近一倍，达到约780万美元（GB300约为400万美元）。 这一增长并非仅来自GPU/CPU本身，下游供应链各环节均出现显著重估。下游核心零部件价值增幅亮点如下： PCB 内容价值 +233%，增幅最大； MLCC +182%； ABF基板 +82%； 电源 +32%； 液冷组件 +12%。 这些升级与AI规模化趋势高度一致：800G/1.6T光模块快速放量，玻璃基板等新技术加速导入，超大规模数据中心运营商持续优先考虑性能、能效与散热管理。我们预计2026下半年至2027年，Rubin驱动的AI硬件需求将保持强劲多年代际增长。 投资主旨：英伟达（NVDA）仍是核心受益者，但供应链提供多元化配置机会。 我们看好先进PCB、高速光通信以及玻璃基板/光互连领域具备直接暴露的公司。 1. PCB：Rubin BOM中价值增幅最为显著摩根士丹利拆解显示，Rubin机架中PCB内容价值较GB300大幅增长233%。这主要源于更高层数、先进材料、更好信号完整性以及更大板尺寸，以满足AI服务器更高的功率与互连密度需求。美股代表公司： TTM Technologies (TTMI) —— 美国领先的PCB制造商，在数据中心/AI高复杂板领域具备强势地位。公司已积极扩产，重点布局高密度互连（HDI）和高多层PCB，以充分捕捉AI驱动的需求。 2. MLCC：密度驱动的显著增长英伟达VR200 NVL72服务器预计使用约60万个MLCC，较现有GB300平台高出30%以上。结合BOM中+182%的价值增长，凸显高容量、高可靠性MLCC在AI加速器电源交付与去耦领域的供应紧张态势。暴露说明：MLCC市场主要由亚洲厂商主导（村田、Samsung Electro-Mechanics、国巨等），美股直接纯正标的有限，可通过电源方案等生态公司间接关注。需持续跟踪产能利用率收紧对定价和出货量的支撑。 3. 光通信：800G/1.6T放量加速中际旭创2026年Q1净利润同比增长262%，公司明确表示一季度800G和1.6T产品放量，全年需求预计显著增长。这反映行业整体向更高速度光模块切换的趋势，以降低大规模AI集群的延迟与功耗。英伟达在光子集成（CPO）领域的投入进一步验证了这一方向。 美股代表公司：Coherent ( $COHR) 与 Lumentum ($LITE)：光器件与收发器核心供应商，英伟达已通过重大股权投资锁定产能。 Corning (GLW)：通过光纤、连接器及玻璃技术成为重要受益者（详见下文）。 4. Micro-LED/玻璃基板与光互连：战略合作加速落地2026年5月20日，京东方与康宁公司签署合作备忘录，双方将在玻璃基封装载板、可折叠玻璃、钙钛矿玻璃基板以及光互连等重点领域开展深度合作。 这与行业向玻璃芯基板转型的趋势高度吻合——玻璃基板在平整度、热稳定性和集成度上具备显著优势，有望突破有机基板的性能瓶颈。 美股代表公司：Corning ($GLW) —— 英伟达光互连战略的核心伙伴，已在美国新建多个光纤工厂，并通过多十亿美元级合作实现关键领域产能10倍以上增长。

这里非常有必要讲下陆龙智@LuBall13 老爹陆弘亮的UT斯达康&软银中国的传奇故事。 陆弘亮，1954年11月3日出生； 美籍华人，祖籍浙江宁波，生于中国台湾，6岁随父母移居日本。 在东京都立城南高校毕业后，陆弘亮求学于加州伯克利土木工程专业，比校友Masayoshi Son 孙正义 @masason 大两届。 1978年毕业后，陆弘亮加入了孙正义的创业公司 — Mspeech System Inc，主营业务是卖便携式有声翻译机。 1982年3月，孙正义因病回日修养。临走前，他将自己在美国的Unison世界公司卖给陆弘亮。 Unison一度和盛田稻夫的京瓷（kyocera）合作密切，1986年与其合资成立kyocera unison公司，并力图将其上市。 天不随人愿，最终kyocera unison上市无望，陆弘亮全身而退。 1990年，陆弘亮第一次到中国大陆考察。 1991年，陆弘亮跟他在伯克利的同学兼孙正义的汉语兼职老师 Charles Xue @xuemanzi8848 薛蛮子，与陆弘亮的学弟跟合作伙伴孙正义，共同买下Peter王祖光的浙江宇通，将其重组并更名为Unitech Telecom（UT）。 同年，彼时正在贝尔实验室工作的吴鹰，携手Chauncey Shey薛村禾在新泽西创业成立了Starcom斯达康，最初的业务是做技术顾问，即人力资源外包公司。 而在吴薛两人聘请的临时工程师当中，就有在英国的雷克通讯公司做研发的Bill黄晓庆。 1994年：Bill黄晓庆加入Unitech Telecom 1995年10月6日，Unitech Telecom和Starcom各占50%股份合并成了UT斯达康；之半个月之后的10月19日，UT斯达康很快从软银那里拿到了3000万美金融资款。 1996年3月5日，UT斯达康(中国)成立。 1999年，接连多轮重注将近1.6亿美金的孙正义成为UT斯达康董事长，持股比例升至51%。 2000年3月3日，UT斯达康成功在纳斯达克上市。 2001年，薛蛮子退出UT斯达康，一把套现了1.5亿美金。 上市之后的同年，孙正义拿了9000万美金，陆弘亮跟薛村禾等人拿了1000万美金，作为双方联合成立的软银中国资本(SBCVC)的第一期基金。 卓越的伯克利，命运的齿轮就此转动。 Brilliance of Berkeley. @UCBerkeley

什麼？這個月在可愛社出道的蘿莉老師竟然無碼一大堆！ 你看了剛出道的新人「田村梨奈」嗎？人設是高中老師卻有張娃娃臉的她喜歡老頭非常M，所以被歐吉桑軍團撲倒分食；但看了作品之後就能發現，這位女優演出的經驗非常豐富，無碼作品一大堆，有碼只是兼差⋯ #田村梨奈#

這個老師很蘿莉！所以老人軍團撲上去了！ 看看這封面，你看得出這位新人「田村梨奈」是個老師嗎？因為長得超級卡娃依加上胸部比學生還小是A罩杯，所以她在校園裡超人氣—但她其實又色又變態，所以片商安排了老人軍團招待，吉村卓是最慈眉善目的那位～ #田村梨奈#

片商Premium拼命推！170公分高、地方電視台的超美主播出道啦！ 熟悉的Premium最對味。這位來自北海道的「田村香奈」，27歲，之前是地方電視台的主播，她有170公分高，小小的巴掌臉配上沒修剪的陰毛有種異樣的魅力，所以片商，必須推！ #田村香奈# 請追蹤 @tamurakanaxxx

为什么 MLCC 又重要了？ 本文专注于三个问题，大家各取所需： 1. 为什么现在MLCC变得重要了？ 2. 为什么是高端MLCC？ 3. 为什么本次更像是结构性短缺而非补库存周期。 请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。 本文不赘述此处，但是欢迎大家评论区留言讨论。 觉得大家有点价值，欢迎大家画一刀点个订阅。 ---------TL:DR--------- 1. 为什么现在MLCC变得重要了？ 过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。 手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。 因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。 AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题： 这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。 现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。 Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。 但这里有一个容易被误解的点： 高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。 而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。 这才是真正可怕的地方。 AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。 所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。 这就是MLCC在AI服务器里的真实作用。 它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。 2. 为什么是高端MLCC？ 但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。 为什么？ 因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。 普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。 所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。 这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。 这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。 3. 为什么本次更像是结构性短缺而非补库存周期？ 普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。 但AI服务器用的高端MLCC是另一回事。 它受限于几个东西： 第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。 第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。 第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。 第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后 村田 (村田製作所, Murata 太阳诱电(太陽誘電, Taiyo Yuden 三星电机 (삼성전기，Samsung Electro-Mechanics TDK ( 这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。 所以我们看到的可能不是“MLCC全行业普涨”，而是： 低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。 这就是结构性短缺。 还有一个问题：硅电容会不会替代MLCC？ 我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。 所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势： AI芯片附近的电源完整性，正在变成新的价值池。 未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。 因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。 我认为更正确的问题是： AI服务器高端MLCC会不会持续紧？ 我的答案是：大概率会。 因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。 只要这个问题存在，高端MLCC就会继续重要。 短缺也更可能出现在这些方向： 高容量、小尺寸MLCC 低ESL、低高度MLCC land-side / die-side 用MLCC 48V电源系统里的高耐压MLCC 高温、高可靠、服务器级认证规格 能参与PDN仿真和客户协同设计的高端料号 所以这不是简单的“被动元件涨价故事”。 更准确地说： MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。 这也是为什么它值得重新研究。 AI产业链的利润池，不只在GPU、HBM、光模块。 当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。 而MLCC这一次站上的，正是“供电完整性”这个位置。 这才是这轮高端MLCC行情最值得重视的地方。

日本考察随记：AI革命中日本（之一） 走访日本，研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后，最大的感受是：市场对本轮AI产业浪潮的认知，长期聚焦于GPU、HBM、光模块等高增长显性赛道，却严重低估了底层物理硬件的话语权博弈。很多人疑惑， AI革命由美国定义算法、 中国落地市场、 韩国主攻存储， 日本似乎缺席了前沿竞争， 但深入产业内核会发现，日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断， 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间，市场对MLCC的认知极其简单固化，将其归为手机、PC、消费电子的周期附属品，是跟随终端出货量波动的普通被动元件。终端景气则行业回暖，终端低迷则行业承压，这种消费电子周期逻辑，主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来，彻底颠覆了这一传统逻辑，而掌握高端MLCC核心技术与产能的日本企业，顺势站上了AI产业链的核心价值位。 AI产业的核心竞争，早已不局限于大模型、算力芯片、高速存储与光互联，真正制约高端算力稳定高效运行的，是一套极易被忽略的底层体系——服务器供电网络（PDN）。当下AI算力集群的核心痛点，早已不是单纯的算力密度不足，而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W，核心工作电压不足1V，这意味着芯片周边需要承载数百至上千安培的瞬时突变电流，且算力负载会随计算任务启停极速跳变。 这种极端工况下，一旦供电网络响应速度不足，就会出现电压下陷（voltage droop），直接导致芯片降频、运算出错，甚至服务器宕机，彻底摧毁算力集群的稳定性。而高端MLCC的核心价值，就是作为芯片近端的局部电荷缓冲池，压低PDN阻抗，抑制高频噪声与电压波动，为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说，没有高端MLCC的稳定加持，再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代，进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构，早已无法适配AI机架的暴涨功耗，行业正全面向48V/54V架构升级，同时Google、Meta、微软主导OCP Diablo 400标准，英伟达主推800VDC AI工厂供电架构，高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区：高压供电仅解决远距离传输效率问题，无论远端电压提升至48V、400VDC还是800VDC，电流最终输送至AI芯片核心时，都必须降压至1V以内。远端高压、近端低压的架构特性，叠加超大瞬态电流、高频负载跳变的工况，让芯片近端的去耦、稳压、降噪需求达到前所未有的高度，而这一刚需，精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征，是MLCC需求的结构性分化，而非全行业周期复苏，这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天：手机、PC等传统消费电子需求疲软，普通标准规格MLCC产能充足、竞争激烈、价格承压，不存在短缺行情；但适配AI服务器的高端专用MLCC，陷入持续性、刚性结构性短缺，供需缺口持续扩大。 之所以形成这种结构性差异，核心在于AI场景所需的MLCC，早已脱离普通消费级规格范畴，具备极高的技术、工艺、认证壁垒。AI服务器核心工况，要求MLCC必须同时满足小尺寸、高容量、低ESL（等效串联电感）、低高度、高耐压、耐高温、高可靠的严苛标准，且可适配die-side、land-side贴近芯片部署，参与嵌入式PDN设计。 其中低ESL性能是核心壁垒，也是日韩与国产厂商的核心差距。高频算力场景下，ESL参数直接决定电容的去耦能力，ESL过高会让电容在高频环境下失效，彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头，凭借长期积累的材料、叠层、共烧工艺优势，实现了单层0.5μm介质薄膜、超1600层叠层的量产能力，对位精度可达±0.3μm，远超行业平均水平，可完美适配AI芯片的高频、大电流工况，这是普通MLCC产线无法复刻的核心优势。 更深层次来看，本轮高端MLCC短缺并非短期库存周期波动，而是技术、产能、认证三重壁垒构筑的长期供需错配，而这三重壁垒，基本由日本企业主导把控。 第一，需求端的增量逻辑彻底重构。本轮MLCC需求增长，并非来自服务器出货量的线性提升，而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进，近端高端MLCC的搭载数量与精度要求就越高，需求呈指数级增长。 第二，供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产，其小型化、高容量、低ESL、高耐压、高温可靠性的特性，涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术，量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月，核心生产设备交期1-2年，短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后，早已摒弃低端产能扩张策略，村田、太阳诱电、TDK持续收缩消费级标准品产能，将有限产能优先倾斜AI服务器、车载等高利润高端赛道，三星电机更是计划减产30%-35%标准品MLCC，进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%，形成近乎垄断的格局。 第三，客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC，并非简单的元器件采购替换，需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证，认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证，即可形成长期稳定的独家或优先供货资格，新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑，进一步印证了日系高端MLCC的不可替代性，二者并非替代关系，而是场景分工、协同赋能。硅电容优势集中在die-side极近区域，可适配超高频瞬态电流处理，但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景，仍然需要大量高端MLCC支撑。硅电容的技术迭代，本质是行业对芯片电源完整性的极致追求，进一步放大了高端电容的价值，而非颠覆MLCC的产业地位。 纵观整条AI产业链，利润与价值正在从前端算力、光互联，持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题，而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升，48V/54V仅为过渡架构，400VDC/800VDC高压架构将成为未来主流，但无论远端供电架构如何迭代，芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变，高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟：AI革命的竞争，从来不是单一技术的竞争，而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权，韩国主导高端存储，而日本凭借数十年的材料与工艺积累，垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC，早已跳出消费电子的周期桎梏，正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情，不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下，日本企业凭借高端MLCC构筑的产业壁垒，将成为其在全球AI革命中最核心、最隐形的竞争力，这也是解读本轮AI产业格局，必须看懂的日本价值。