跟着黄仁勋的时间线走，每一阶段的钱都在提前切换 过去一年，如果你认真拆老黄每次GTC、财报会、闭门峰会说了什么，会发现AI基建的主线其实一直在切换。真正厉害的资金从来不是等新闻出来再追，而是提前拆下一阶段CapEx会流向哪里。 整个时间线其实非常清晰。 第一阶段：GPU → HBM → CoWoS → Memory 最早被老黄反复强调的方向。 Blackwell开始，HBM已经从外围配件升级成AI架构核心。老黄在财报会上明确说了：Blackwell和Vera Rubin的性能瓶颈，越来越取决于HBM带宽与供应。 很多人还把 $MU当周期股。但老钱已经开始把存储当AI structural asset来定价。 第二阶段：Ethernet → 光通信 → Silicon Photonics 2026上半年真正爆发的第二条主线。 AI集群进入十万卡级别后，真正限制效率的已经不是单卡性能，而是GPU之间的数据流动效率。老黄开始疯狂强调Spectrum-X、Ethernet、Scale-Out、Silicon Photonics。 NVLink解决的是Scale-Up，柜内互联。真正的大规模AI集群最终拼的是Scale-Out，柜外组网。AI越大，Ethernet的地位反而越强。 $ANET $MRVL $CRDO $ALAB $LITE ——这些AI数据流动收费站开始进入估值扩张阶段。 第三阶段：Inference CPU / Agentic AI 2026 Q1财报会后华尔街开始重新定价的方向。 很多人之前觉得AI时代CPU会边缘化。但老黄在5月财报会明确：Inference爆发后，CPU反而重新成为瓶颈。Agentic AI、Inference、Orchestration都需要大量CPU调度。 $ARM $QCOM $ADI $TXN $MCHP开始明显走强。 很多人还在盯GPU，但老钱已经开始提前布局Inference infrastructure。 第四阶段：AI-RAN + Edge AI + Physical AI 我认为这是2026下半年到2027真正可能成为主场的方向。 AI第一阶段是Training，第二阶段是Scale-Out。接下来AI必须真正离开hyperscaler数据中心，进入现实世界。 老黄已经把话说得很清楚：未来AI会进入运营商网络、边缘节点、基站、机器人、工厂、汽车。AI不会永远只待在云里。 这一阶段分三类受益方向。 AI-RAN和边缘网络：未来全球几百万个基站可能都会变成边缘AI节点。真正值钱的是射频、DAC/ADC、FPGA、边缘推理网络。 $NOK是AI−RAN联盟的核心发起人，英伟达直接投资背书。 Edge AI和On-Device AI：Agentic AI开始长进PC、手机、汽车、边缘网关。设备端AI最大的问题是低功耗推理加本地memory加实时连接。 $QCOM $SIMO这些传统边缘芯片公司的估值可能会被重新定价。 Physical AI和Robotics：散户喜欢炒机器人概念，但真正决定机器人能不能大规模落地的是工业控制、PLC、伺服系统、自动化基础设施。未来真正持续扩估值的，可能不是最性感的人形机器人概念，而是卡住物理世界执行层的工业收费站。 $TSLA $ABB $SYM $ROK。 总结 AI的下一阶段已经不只是训练模型。而是让AI真正进入现实世界。每一次老黄开口，都是在提前告诉市场下一阶段的钱会流向哪里。 #PhysicalAI# #EdgeAI# #AIRAN# #光通信# #机器人# #数据中心# #半导体# #AI算力#

最近有跟很多人聊 AI，发现很多人其实分不清推理和训练是什么。 1️⃣ 推理（inference）：模型答题 你每天用的 ChatGPT、Claude，基本都停在推理这一层，说白了就是你向一个已经训练好的模型发请求、它给你回复的过程。 模型的权重早就在训练阶段固定死了，你输入一段 prompt 进去，它做一次前向计算，吐出结果。可以直接把它当成一个服务端，请求和请求之间互不通信、互不影响。 2️⃣ 预训练（pre-training）：从零造一个大脑 这是整个大模型诞生里最重、也最关键的一步。一般会拿几十 TB 的数据喂给一个随机初始化的网络，让它反复学预测下一个词，一次训练动辄几个月，烧掉巨量的 GPU 卡和电费，最后产出一个基座模型（base model）。 它对硬件的要求很变态，几千张顶级 GPU 得物理上挤在同一个机房，用 InfiniBand 高速互联连成一台超级计算机，因为每次训练都要同步梯度，这也是为什么HBM贵的原因。 预训练造出来的模型其实还很难用，它只能保证闷头续写(输出token)，你问它一个问题，它可能给你顺手反问三个类似的问题出来。 3️⃣ 后训练（post-training）：把大脑调教成助手 从只会续写的基座模型，需要通过后训练才能变成好好跟你聊天、帮你完成任务的助手。 它是一个很长的工序，把预训练之后所有继续改权重的工序都装进去，主要有以下几种方式： 1.SFT：监督微调，喂人工写好的问题和好答案，教它按指令回答 2.RLHF / DPO：用人类偏好数据对齐，让它知道哪种回答更受欢迎、更安全，Anthropic 那套 Constitutional AI 就是这一支的变体 3.推理训练 RLVR：拿数学对不对、代码跑不跑得通这种能验证的奖励，专门练它的推理链。后训练的数据量和成本比预训练小好几个数量级，但一个模型好不好用、听不听话、安不安全，主要是这一层练出来的，不是靠参数量堆出来的，比如gpt风格明显就更加严谨、claude会更发散。 同样是训练，预训练拼的是算力和资本，后训练拼的是数据质量和调教手艺。 4️⃣ 微调（fine-tune）：特定化调整 这是普通公司和个人唯一玩得起的训练。微调就是拿一个已经预训练好的模型，用你自己私有小规模的特定数据再补一补，让它适配某个行业、某类任务、某种风格。上面说的 SFT 其实就是微调的一种，只不过大家平时说微调，更多指自己拿开源模型 Llama、Qwen 在自家的私有数据上接着训。 早期微调要动全部参数，成本还是挺高的，个人和小公司玩不起。后来有了 LoRA 这类参数高效微调，把原模型冻住，只训一小撮新增的低秩参数，便宜到一张显卡、几十块钱电费就能跑一次。 所以你听到某公司说我们训了个垂直领域的大模型，先别急着膜拜，大概率是在这一层 LoRA 了一下。

如果未来几年AI继续扩张，康宁可能是最大的赢家之一 大盘开始回调的时候，我就喊过要抄底DRAM、MRVL、INTC、COHR、GLW、NOK这几个标的，康宁就在这个名单里。陈立武访谈里提到玻璃基板对先进封装的重要性，我当时也专门写了一家对应的公司，就是康宁。 然后，亚马逊和康宁签了一份多年期光纤供应协议，加上之前英伟达对康宁的投资，这家公司到底有什么神奇之处，值得重新认真捋一遍。 整理一下我的逻辑，先说最有确定性的部分，再说还需要时间验证的推演，把这两类分开讲，说服力会更强。 一、康宁是一家什么样的公司 成立于1851年，175年历史。给爱迪生定制过第一颗灯泡的玻璃壳，做过登月飞船的太空窗户，打磨过哈勃望远镜的镜片，也是苹果"大猩猩玻璃"的供应商。它的特点是，作为一家重资产制造企业，始终把营收里很高的比例砸进研发，在玻璃、陶瓷、光物理这些底层材料科学上筑起了一座很难被超越的墙。 更关键的是，康宁是市场上唯一一家同时精通大面积工业显示器玻璃和精密光纤传导技术的材料巨头。这两个领域以前完全是不同的板块，但康宁两边都做，而且都以二氧化硅为核心原料，这就成了它切入下一代AI芯片技术（半导体加光通信）的天然护城河。 二、最有确定性的逻辑 第一，AI光互连已经进入锁产能阶段。现在市场开始讨论光纤、连接器、光引擎够不够用。英伟达签了多年期合作，让康宁美国光连接产能扩产10倍，光纤扩产50%；亚马逊AWS也签了多年期光纤供应协议；Meta之前也签了60亿美元的多年期光纤协议。这几件事拼在一起，说明超大规模云厂商已经在提前锁未来几年的产能，不是等需求出现才下单，这是供给端开始紧张的明确信号。 第二，康宁已经不只是传统光纤公司了。Q1光通信业务收入同比涨36%，利润同比涨93%，增速远高于公司的传统业务。这意味着市场开始重新用AI基础设施公司的框架去理解康宁，不再只是按成熟材料公司的逻辑去定价。当然现在估值还没完全切过去，这是一个正在发生、但还没走完的过程。 第三，英伟达愿意通过资本合作绑定供应链。英伟达在这次长期合作协议里获得了认股权证，这说明公司愿意通过资本层面的合作进一步绑定关键供应链。以前绑GPU供应链，后来绑HBM，现在开始绑光连接，说明光互连这件事已经进入了英伟达的战略层面，不是个边缘环节。 第四，玻璃基板可能打开第二成长曲线。如果未来先进封装逐步从ABF载板转向玻璃基板，康宁就不只是卖光纤，还能进入先进封装材料这条线，这才是真正的大故事。但这部分目前还在未来几年逐步商业化的阶段，不能当成已经兑现的业绩来看，要留时间去验证。 三、康宁在AI算力基础设施里到底扮演什么角色 现在的AI数据中心，比如英伟达Blackwell架构机柜，装着成千上万颗GPU。如果用传统铜线传导，面对这么大的数据量，铜线电阻会产生极大功耗和发热，带宽根本扛不住。目前最主流、也是规模化AI集群最有效的解决方案是光互连，光纤具有极低传输损耗，远低于铜缆。康宁是1970年全球第一个发明超低损耗光纤的公司，行业地位很稳。 康宁的高密度光纤互联技术是它真正的杀手锏。现在的AI训练集群要求几万颗芯片像神经元一样密集连接，康宁可以实现更高密度的光纤部署，这直接帮科技巨头提升算力密度，省下电费和连接成本。 它还有个独特的资本效率优势：之前已经提前把厂房和设备砸好了，现在AI订单爆发的时候不用再投大规模资本开支盖新厂，可以直接用现有设备接单。在已有产能利用率持续提升的情况下，利润率存在进一步扩张空间。 除了光通信，康宁还有几条业务线同步走强：太阳能业务保持较快增长；车载玻璃受益于汽车中控屏幕越来越大，正在变成高单价、高毛利的新应用场景；半导体精密材料方面，康宁长期深耕超低热膨胀玻璃、精密光学玻璃和特种玻璃材料，在高端光学系统和半导体光学产业链中拥有深厚积累。 四、这次涨幅背后的几个具体催化剂 英伟达的投资和绑定关系前面说过了，亚马逊这次签的多年期光纤供应协议是又一个独立验证。英特尔CEO陈立武最近在访谈里点名玻璃基板是先进封装的重要方向，这是一次独立的产业领袖背书。 最重要的是在首尔AI数据中心光通信与互连技术大会上发布的GlassBridge玻璃桥技术。花旗的看法是：虽然目前玻璃桥技术对AI光收发模块企业的影响还有限，但存在结构性颠覆的可能性。随着CPO和NPO在2028到2030年间逐步商业化，玻璃桥会主要在新部署项目中和增量型iFAU竞争，光学元件行业有可能从物理微组装走向半导体级工艺集成，这是一次真正的范式转变，不是简单的产品迭代。 还有两条产业链传导的逻辑值得单独提一下：设备商这条线，美国制造的扩产计划里一定会包括相关设备采购。还有材料商，这次扩产的利好是全球性的。 五、资本市场怎么给康宁重新定价 盘一下康宁30年的市值变化，上一次股价历史巅峰还要追溯到2000年左右的互联网泡沫时期，当时市场在炒光纤网络拉线。泡沫破裂之后，股价经历了很长一段沉寂期，这一次在AI超级浪潮光通信、CPO、半导体玻璃基板的加持下，康宁市值再次迎来爆发式增长，打破历史纪录创下新高。 最近一季财报营收43.5亿美元，同比涨18%，核心EPS大幅飙升30%，最核心的光通信业务销售额同比暴增36%，体现出AI数据中心对光纤的强劲需求。财报还透露，除了之前签的60亿美元光纤大单，康宁近期又新增了两家超大规模云客户（Hyperscaler），部分未来几年产能已经提前锁定。 管理层给的路线图是：2026年底光通信营收200亿，2028年300亿，2030年400亿，光子平台单独目标100亿。 六、我自己的判断 随着超大规模AI集群建设持续推进，康宁同时受益于光连接、先进材料和未来玻璃基板这三条成长曲线，英伟达、亚马逊、Meta这几家巨头的长期合作进一步验证了它在AI供应链里的战略地位。 以前市场把它当成一家传统的低估值玻璃厂，现在华尔街开始意识到它是AI硬件底层不可或缺、接近技术垄断的卖水人。当它的标签从传统制造重估为AI核心基建，长线估值有可能发生比较大的跃升。英伟达10倍扩产的时间表是2028年完成，两年时间赌一个供给端紧张的故事，但具体能涨到什么估值，留给市场自己去给，不提前下死结论。

半导体正式进入技术性熊市。费城半导体指数较6月22日历史高点回撤超过20%，本周跌幅超过10%，创下2025年4月以来最大单周跌幅。从三星业绩兑现后的"Sell the News"，到韩股熔断、铠侠跌停、美光较高点回撤超30%，不到两周时间，市场便完成了一次从"AI永远上涨"到"AI会不会透支未来"的情绪切换。 我认为这轮下跌的核心并不是需求消失，而是资本市场开始质疑AI产业链的赚钱能力，能否匹配此前的估值扩张。过去一年市场交易的是"谁能卖GPU、卖HBM"，下一阶段交易的则是"谁能持续创造利润和现金流"。如果未来云厂商的资本开支开始放缓，产业链最先受到冲击的未必是英伟达，而是那些高度依赖单一客户、缺乏议价能力的上游供应商。 还有一个容易被忽略的变化，AI开始从"硬件叙事"向"软件变现"切换。过去几年，大部分流动性都流向GPU、HBM、光模块和电力基础设施，因为这些是AI训练阶段最稀缺的资源。但随着算力不断释放，资本市场终究会问一个问题：花出去的几万亿美元，什么时候才能真正赚回来？当市场开始追逐AI应用、Agent和企业软件带来的收入时，资金自然会从部分高估值硬件股流向新的方向。 8月财报季将成为关键验证窗口。如果HBM长期协议继续兑现、云厂商CapEx没有明显收缩，那么这更像是牛市中的一次估值修复；如果订单开始放缓、客户延迟扩产，市场担心的就不再是20%的技术性熊市，而是整个AI资本开支周期是否提前进入拐点。过去一年市场交易的是"AI需要多少算力"，未来一年市场交易的将是"AI到底能赚多少钱"。

如果说过去两年AI硬件最大的赢家是 HBM，那么下一阶段，市场开始寻找新的增长引擎，功率半导体很可能就是其中之一 什么是功率半导体？ 简单来说，它不是负责计算，而是负责电能的转换、控制和分配。无论是交流变直流、升压降压，还是电流保护、电源管理，都离不开MOSFET、IGBT、SiC等功率器件，因此它被称为电子设备的“电力心脏” 随着AI数据中心功耗不断攀升，电力系统正成为新的瓶颈。英伟达下一代 Rubin 平台预计全面导入 800V HVDC 高压直流供电架构，从一次配电到服务器二次电源，都需要大量1200V SiC MOSFET、IGBT、驱动IC等功率器件，不仅单机价值量明显提升，对可靠性和良率要求也更高 近期产业链已经开始验证这一趋势，不少国产厂商表示AI电源相关订单“爆满”，部分产品进入新一轮涨价周期。市场逻辑也正在从“算力芯片”逐步扩散到“电力基础设施”，未来AI投资主线有望从GPU、HBM、光模块，进一步延伸至800V HVDC、电源系统以及功率半导体 A股值得关注的方向包括： 士兰微（600460）：国内功率半导体IDM龙头，MOSFET、IGBT、SiC布局完整，2024年功率半导体市占率国内第一、全球前列 斯达半导（603290）：国内IGBT模块龙头，积极布局1200V SiC模块及AI服务器高端电源 时代电气（688187）：SiC功率模块龙头之一，持续推进1200V SiC产业化 捷捷微电（300623）：专注功率器件，MOSFET、整流器及保护器件持续受益国产替代 新洁能（605111）：国内MOSFET龙头之一，在服务器、电源、工业控制等领域持续放量

🎙️ 麦通 MSX Space｜海力士登陆美股，Meta「叫卖」算力：AI 牛市到底缺什么？ 从存储超级周期、算力变现，到 AI 资产再定价 ⏳ 7/8（周三）20:00｜UTC+8 🔥 我们聊什么： 1）海力士登陆美股，会摆脱估值折价，给美光带来分流压力么？ 2）三星 Q2 利润大增，股价却下跌，市场开始交易 AI 硬件见顶？ 3）HBM 之后，下一阶段谁来接棒？ 4）Meta 的举动意味着巨头为巨额资本开支寻找新的变现路径？ 5）AI 产业真正稀缺的，到底是 HBM，还是能够把算力变成收入的模型、应用和客户？ 👑 主办方： @MSX_CN 🎤 嘉宾阵容： UNICORN @UnicornBitcoin Rocky @Rocky_Bitcoin 王不爱 @wangbuai 农民 Frank @frankscout2049 🎙 主持人： MSX景宝 @Jing_MSX 🔔 预约与收听： #麦通# #MSX# #宏观# #美股# #链上美股用麦通# #MSX美股知识大学习# #AI# #海力士# #Meta# #三星# #HBM# #GPU# #存储# #算力#

科技股的牛巿结束了吗？下一阶段热门板块是什么？ 7月美股大盘看似稳定，内部却惊涛骇浪。 标普500指数全月仅微跌0.13，7.31上涨0.7%，下影线击穿多条均线后回升。当前日线级别均线缠绕走平，处于标准的矩形整理区间。但月线级别趋势极强，7月震荡甚至未触及MA5，长线多头格局完好。 看似横盘，但纳斯达克却创下了近2年来最差的7月表现，债市收益率也出现大幅飙升。 韩国股市昨天白天爆拉，海力士冲刺30%，创下设立以来最大单日涨幅。先前韩国散户与游资过度加杠杆，引发了连环多头爆仓与多杀多踩踏，当高杠杆空头、多头筹码被彻底清算出局后，卖盘瞬间枯竭，加上美国科技巨头资本开支不减反增的订单利好，推动了大盘股的强力反弹。 7.31收官战中，存储芯片板块受挫，美光跌 5%、闪迪跌 5%、海力士跌 3.5%，受日本铠侠业绩不及预期拖累高开低走。而四大科技巨头很好，亚马逊暴涨 15%、谷歌收复财报后全部跌幅、微软与Meta反弹，则撑起多头趋势。 有人问同样是云业务大增，为何亚马逊和谷歌走势截然不同？ 亚马逊明确列出AI和自研芯片的真实变现数据，AI和自研芯片业务年化收入均突破250亿美元，且保持三位数增长。明确指出当前数据中心投入是因为产能短缺、需求跑在资本开支前面，给资本市场提供了极高的确定性。 谷歌缺乏单独的AI变现细节，虽然云业务增速快，但没单列AI贡献。且部分算力被内部大模型（Gemini、搜索、广告优化）自用，无法全部转化为直接收费的云收入。 谷歌云基数相对较小，低基数下的高增长在市场眼里含金量略逊于亚马逊。 目前大盘指数而言，QQQ上方693-724属于强压力位，周五冲高至695后迅速回落至680，说明多头获利套现意愿强，暂时以反弹而非反转对待。 标普500才是下周最大的风向标，下周AMD等科技股及消费股财报极其关键。如果科技股盈利不拉胯，推动标普500的EPS上调，标普若能向上突破756 点创出历史新高，将宣告本轮大盘回调正式结束，给纳指多头注入强心剂。 关键防守红线为727点，一旦跌破，标普将确认开启空头趋势下探。 至于我自己的一些判断的复盘：比如我大前天提议社区的小伙伴买入闪迪美光博反弹，但是吃肉以后建议出50%，前天提议smh可以考虑，到昨天冲高小伙伴盈利走了，目前暂且保持谨慎态度，资金她还是放在spy里面，而后续如果手痒，可以操作一点GLD，毕竟金子也属于可以长期操作的标的。 那么美光真的不行了吗？未必。 传统观念认为CPU优于存储，但如今存储，特别是HBM高带宽内存，已成为英伟达GPU运行的绝对刚需。 CPU市场现状惨淡，Intel甚至制程落后、代工巨亏，却享受100倍PE，而HBM供不应求的美光却只有6倍 PE。这种定价错位，就是下半年极佳的超额收益机会。 全球AI硬件革命必然前进，即使是英伟达三流的芯片，也领先竞品（如遥遥领先）一年半到两年，这是残酷的技术代差。 在英伟达芯片上每花1美元，就会带动整个产业链产生8到10美元 的连锁支出，涵盖CPU、存储、电信设备、数据中心建涉、冷却系统与能源基础设施。 微软/PLTR 顺风飙升，Salesforce/IBM等旧软件被砍预算。总结来看，ai消费绝非空穴来风。 #美股# #科技股# #AI算力# #半导体# #HBM# #黄金#

前两天在新火 @_BitfireGroup月度VIP私享会上和一些老朋友交流，大家最关心的依然是 AI 赛道的下一阶段。在金融市场上，同一事情放在不同阶段，答案可能完全相反。前两年只要大厂愿意加码资本性支出（CapEx）砸钱做基建，市场就给高估值；但到了今年二季度，市场开始严苛拷问“自由现金流”（FCF）。 从大厂财报看得很清楚，当巨头们的自由现金流趋向归零，靠自己账上现金无成本做资本支出的时代就结束了。接下来如果要继续扩 CapEx，就必须向外部借钱或融资，而现在的利率成本是 6%-7%。资本市场不再盲目认可“左手倒右手”的资本循环，而是开始逼问：砸了这么多基础设施，下游到底有没有业务流量和真实利润来回本？ 这就像当年传统大基建：2003年修路、建桥，上游的水泥、钢筋、工程机械订单爆表、业绩大涨；但路修好之后，必须得有“车”跑。现在的 AI 赛道正处在这个关键窗口期：基建层（GPU/HBM/算力）第一阶段高潮走完，但真正的终端应用（比如医疗AI、无人驾驶、企业级垂直模型等）还没全面兑现。 很多人做交易最大的误区就是“把可能性当成确定性”，且“在极致确定性里盲目加杠杆”。存储（DRAM/HBM）归根结底也是商品，逃不出商品周期律。当行业基本面极其确定、波动率降至极低时，场外金融杠杆的过度堆积往往才是引发暴跌和闪崩的隐形杀手。去杠杆发生时，即使公司基本面没问题，价格也会剧烈波动。 在流动性收紧与信用分化的宏观大环境下，市场必然走“缩圈”逻辑：资金会率先清掉外围、高弹性、缺乏现金流支撑的投机资产，持续向最核心、确定性最高的标的集中。这也是为什么比特币等纯“分母端”（纯流动性资产）资产，往往会先于传统股票市场消化完估值压力。 AI产业当前处于"中游到下游的过渡期"——以英伟达为代表的基建层已进入成熟阶段（"老登股"特征），但下游应用层尚未出现类似ChatGPT的里程碑式突破。未来 10-18 个月是产业周期的切换过渡期。AI 的下半场绝不是再重复讲一遍“烧钱基建”的故事，而是看 AI 作为效率工具进入真实行业后，能否产生稳定的“付费、利润与扩散”。通用大模型最终会成为普适性工具，真正能筑起护城河的，必然是深耕垂直领域的应用与商业化闭环。

ZERO Market Flash 2026年7月19日 超越价格周期：存储行业的下一个阶段 新闻来源：韩联社｜ 7月19日，据韩联社报道，SK集团会长、大韩商工会议所会长崔泰源在济州论坛期间举行的媒体座谈会上表示，2027年全球半导体需求将大幅增长，其中人工智能领域需求预计较2026年增加60%至100%，整体半导体产品需求也将增长至少50%至60%。但2027年新增供应量几乎为零，供需缺口可能进一步扩大。 对于扩产可能导致半导体“超级周期”提前结束的担忧，崔泰源认为，当前芯片价格已经处于非正常高位，本应有所回落。如果价格继续上涨、进一步加剧“芯片通胀”，最终可能反噬整个行业。但他同时强调，增加供应、推动价格回落，并不意味着企业无法盈利；只有在保护市场的同时扩大市场规模，韩国半导体产业才能持续发展。 这是本轮芯片供应危机以来最值得重视的行业表态之一。因为崔泰源谈论的，已经不只是2027年的短缺，也不只是下一轮存储价格还能上涨多少。他实际上正在描绘存储行业的下一个阶段：从依靠价格上涨获得利润，逐步转向依靠出货量和市场规模扩大获得利润。 过去几十年，存储行业长期被困在熟悉的周期里：需求增长，价格上涨；厂商扩产，供应追上；价格下跌，利润收缩；资本开支下降，再为下一轮短缺埋下伏笔。因此，市场往往只盯着一个问题：DRAM和NAND价格还能涨多久？但崔泰源提出的是更长期的问题：当新增供应最终释放，存储企业能否从“涨价赚钱”转向“多卖产品赚钱”？ 答案可能是肯定的。如果AI基础设施继续扩张，全球对HBM、服务器DRAM、企业级SSD和高性能NAND的需求持续增加，那么即使未来芯片价格从异常高位逐步回落，存储企业仍可能依靠更大的市场、更高的出货量和更高价值的产品组合继续增长。这比单纯依靠涨价更健康，也更可持续。 但2027年可能还不是这个转折点。原因很简单：如果新增供应接近于零，企业就没有足够的新产品可以销售。无论需求多强，晶圆、DRAM、NAND、HBM以及先进封装的产出，仍受现有产能限制。因此，2027年大概率仍是供应受限、价格支撑利润的市场。真正从“价格盈利”转向“增量盈利”的阶段，可能要等到2027年以后，待新厂、新设备和新增产能逐步形成有效产出。 这意味着本轮周期可能分为两个阶段。第一阶段是价格驱动：AI需求快速增长，新增供应极其有限，ASP上涨与产品组合升级推动利润。第二阶段是规模驱动：新增产能逐步释放，价格从异常高位适度回落，但AI市场继续扩大，厂商通过更高出货量、更高端的产品组合和更大的总体市场维持增长。新增供应不一定意味着传统意义上的“周期结束”，也可能意味着存储行业从短缺周期进入规模扩张周期。 市场仍在讨论存储价格是否见顶、HBM价格还能维持多久、扩产是否会带来下一轮过剩。崔泰源讨论的却是更重要的问题：价格停止上涨之后，存储行业如何继续增长？如果2027年AI半导体需求真的增长60%至100%，而新增供应接近于零，那么2027年很难成为传统的供过于求年份。现有产能仍可能保持高负荷运行，高端存储继续紧张，盈利能力继续受到供应约束保护。 最重要的结论是：崔泰源并不是在宣布存储超级周期即将结束，而是在描述超级周期的下一阶段。存储行业最终必须从价格驱动的盈利模式，走向出货量和市场规模驱动的盈利模式。但由于2027年新增供应仍然极其有限，这一转型尚无法真正开始。2027年仍可能属于价格周期，真正的增量周期可能出现在其后。 短缺决定2027年的价格。扩容决定下一阶段的增长。 ⸻ 本文仅代表个人研究观点，不构成任何投资建议。请独立研究，自行决策。 ZERO 优秀，不足以托付。
唯有最好，方可重仓。 Scientist · Doctor · A9 Investor #AI# #半导体# #存储芯片# #Memory# #HBM# #DRAM# #NAND# #SK海力士# #Samsung# #MU# #SNDK# #WDC#

📢 本周重磅 AMA 直播预告 科技美股连续两月大涨，拐点是否要到来？ 美光财报+英伟达股东大会，藏着AI产业链下一阶段全部信号 ⏰ 时间：2026.6.26 20:00-21:00 本次四大核心讨论方向 1⃣ 本轮 AI 科技上涨逻辑能否延续？对比 23 年行情，是否存在泡沫风险 2⃣ 美光 HBM、英伟达 Blackwell 产能与需求，财报好坏如何影响产业链 3⃣ 美联储降息预期下，科技股 & 加密市场资金轮动与配置思路 4⃣ 三维度识别市场顶部，回调 / 上涨两套实操布局策略 👯‍♂️到场嘉宾 @ZhanweiC @rayrayweb5 @JinYu762 @laosanhemao 🔗预约链接 #美股# #AI科技股# #英伟达# #美光#