社区

最近整理了一下半导体产业链的几个信号，发现多个方向正在同时共振，写出来跟大家交流一下。 $德州仪器(TXN)$ $英飞凌(0KED.UK)$ $阿斯麦(ASML)$ ① 汽车半导体涨价确认 英飞凌、TI部分产品涨幅15%~85%，伯恩斯坦数据显示Q1汽车半导体营收同比+11%。背后逻辑是AI服务器抢产能 + 晶圆厂提价，供需同步收紧，这轮涨价不是一次性的。 ② 800VDC架构是真正的结构性增量 AI机架功率从15kW干到1.5MW，54V旧架构已经到头了。美银测算模拟半导体可寻址市场2030年达270亿美元。TI和英飞凌是最直接的受 益方，SiC/GaN同步受益。 ③ 金刚石散热进了英伟达供应链 以前觉得是概念，现在英伟达真的在用"金刚石复合材料+液冷"方案。中国有全球63%的金刚石产能，这个赛道值得盯着。市场规模保守 估计2032年近百亿，乐观情景近千亿——区间很宽，说明还早，但方向对。 ④ Terafab溢价抢设备 = 设备景气持续 郭明錤调查实锤，Terafab高于市价采购关键设备。ASML CEO确认直接和马斯克谈过，初始投资200亿美元。设备交付成瓶颈，对ASML、AMAT、北方华创、中微公司是持续催化剂。 简单总结一下布局思路： - 底仓：TXN、ASML、英飞凌（业绩支撑、景气已验证） - 进攻：北方华创、中微公司、三安光电、纳芯微（A股国产替代） - 跟踪：金刚石散热方向，等英伟达订单真正落地再动 详细图表和标的分析整理成

今天 AI 产业最值得关注的信号，不只是英伟达继续创新高，也不是市场又在讨论 GPU 供不应求，而是黄仁勋把台湾的重要性再次推到了台前。 英伟达将在台北北投士林科技园区建立全新的 Constellation 星座研发园区，并释放出未来持续加码台湾供应链的信号。这件事真正重要的地方在于：AI 竞争正在从过去的“云端算力军备竞赛”，进一步进入“实体AI落地阶段”。 过去两年，市场交易的主线很清楚：GPU、AI服务器、云厂商资本开支、液冷和数据中心。 但下一阶段，AI 不会只停留在云端。它会继续下沉到 AI PC、边缘服务器、工业电脑、机器人、智能工厂、自动驾驶、数据中心电网和本地化推理设备里。 也就是说，AI 的上半场是“算力集中在云端”，下半场很可能是“算力进入现实世界”。 所以，真正值得挖的美股机会，不一定只在最拥挤的英伟达、博通和Vertiv身上，而是在那些过去不被市场当作核心AI股、但正在被实体AI刚性需要的二线供应链公司里 一、内存接口：AI PC 和边缘AI的第一道瓶颈 如果 AI 要从云端走向本地设备，第一道瓶颈就是内存。 AI PC、边缘服务器、工业控制设备，都需要更高带宽、更低延迟、更稳定的内存系统。传统 DDR5 在高速传输下会遇到信号衰减、时钟抖动和稳定性问题，所以 CUDIMM、CKD、PMIC、SPD Hub 这类内存接口芯片的重要性开始上升。 这条线里，美股最值得看的公司是： $Rambus(RMBS)$ Rambus（RMBS） Rambus 不是单纯卖内存的公司，而是做内存接口芯片和高速数据传输IP的公司。它近期发布了面向 AI PC 的 DDR5 9600 客户端内存模组芯片组，覆盖 CUDIMM、CQDIMM 和 CSODIMM，并整合 CKD、PMIC、SPD

$西部数据(WDC)$   小虎访谈有宝藏[财迷]  

$Tradr 2X Long SNDK Daily ETF(SNXX)$  yyds

过去两年，市场一提到 AI，第一反应往往是 GPU、英伟达、算力、数据中心。但如果继续往产业链深处看，会发现一个越来越重要的事实： AI 不是只缺 GPU，而是缺“能把数据快速喂给 GPU 的记忆体”。 这就是 HBM，也就是高带宽内存。 如果说 GPU 是 AI 的大脑，那么 HBM 就像大脑旁边的短期记忆。AI 模型每生成一个 token，都需要不断从内存里读取参数、搬运数据，再交给 GPU 计算。模型越大、参数越多、推理越复杂，对数据搬运速度的要求就越高。 问题是，GPU 的计算速度已经非常快，但内存把数据送过去的速度跟不上。这种瓶颈就是所谓的 Memory Wall，记忆体墙。 在 AI 时代，真正限制芯片发挥性能的，很多时候不是“算不算得动”，而是“数据能不能足够快地搬过去”。 一、HBM 到底是什么？ HBM，全称 High Bandwidth Memory，中文叫高带宽内存。 它和普通电脑里的 DDR 内存条不一样。传统内存更像是放在主板另一端的“仓库”，数据要通过较长的线路传输到 CPU 或 GPU。而 HBM 的设计思路，是把多层 DRAM 芯片垂直堆叠起来，再放到 GPU 旁边，让数据传输距离大幅缩短。 简单理解就是： 普通内存是远处仓库，HBM 是贴身弹药库。 HBM 的优势主要有三点： 第一，带宽更高。 传统 DDR5 的数据总线宽度通常是 64 位，而 HBM3E 可以做到 1024 位，相当于把原来一条窄路，直接拓宽成十几车道的高速公路。 第二，距离更短。 HBM 不是远远插在主板上，而是通过先进封装和 GPU 放在同一个封装系统里。数据传输距离从几厘米缩短到几毫米。 第三，能效更好。 在数据中心里，电费和散热都是实打实的成本。HBM 在单位数据传输上的能耗比传统显存更低，因此不仅提升性能，也帮助降低整体系统能耗。 所以，HBM 不是单纯“更贵的

$英伟达(NVDA)$ $纳指100ETF(QQQ)$ $标普500ETF(SPY)$ 整体来看，上周市场虽然因为油价上涨出现动荡，但指数关键位置并没有破，SPX 和 QQQ 也继续走出新高。 核心判断没有变化： 油价是短期扰动，AI 才是中期主线。 在 SPY 和 QQQ 的关键位不失守之前，我仍然会顺势看多。 投资方向上，我继续重点看 AI 铲子股。 其中，存储看业绩兑现，CPO 看预期抢跑，CPU、液冷、电源管理、光通信链条也都值得继续跟踪。 软件可以看，但目前我认为硬件链条的确定性和弹性更好。 下周最关键的，不只是 NVDA 财报数字，而是这份财报能不能继续强化市场对 AI 资本开支的信心。 如果这个逻辑继续成立，那么： 趋势未改，资金未撤，AI 铲子股仍然是当前最值得跟踪的主线。 下周最重要的事件，就是 NVDA 财报。 英伟达是这轮 AI 浪潮里最核心的算力与 Token 供给。 它做的远不止是一块 GPU，而是一整套机柜和供应链能力。 从采购、ODM 组装，到液冷调试，每一个环节英伟达都亲自踩过坑。别人想复制，不是买几块 GPU 就可以，而是要从头搭一整套系统。 更关键的是，英伟达已经提前锁定 HBM 产能，也提前吃掉光模块产能。从供应链到 ODM，再到液冷和系统集成，它的护城河已经建好了。 所以我对 NVDA 的判断是： 220 的价格，对应 2026 年是合理的；但如果站在 2027 年来看，并不贵。 这种票就应该一直持有到新高再

这次川普 Q1 的交易披露，单看名字其实挺有意思。 如果只看卖出名单，很多人第一反应可能是：是不是不看好科技股了？毕竟 Microsoft、Amazon、Meta 都出现在了大额卖出里。 但我觉得不能这么简单理解。 更准确地说，这次调仓不像是“撤出科技”，而是从已经涨了很多、市场预期也比较充分的成熟科技巨头里，拿出一部分资金，转去买更有增量逻辑的方向，比如 AI 半导体、企业软件、金融、能源、军工航天这些板块。 也就是说，卖的不是科技这条主线，而是卖掉一部分“老科技巨头仓位”；买的也不是随便买，而是在重新押注下一阶段可能更有弹性的方向。 先说明一下口径：这份披露来自 Q1 交易申报，里面显示的是交易区间，不是精确金额，也不代表具体成本、收益和剩余仓位。所以更适合用来观察资金偏好，不能直接当成买卖清单。 一、最明显的卖出：Microsoft、Amazon、Meta 这次卖出端最醒目的三家公司，是 Microsoft、Amazon 和 Meta。 这三家公司有一个共同点：它们都是过去一轮美股行情里最核心的科技巨头，也都吃到了 AI 叙事的红利。 Microsoft 有 OpenAI 和 Azure，Amazon 有 AWS 和云计算，Meta 有 AI 广告、推荐算法和降本增效逻辑。放在前两年，这些都是市场最愿意买单的故事。 但问题也在这里。 当一家公司已经被市场反复交易过，股价、估值和预期都不低的时候，后面想继续大幅超预期，难度就会变高。 所以这次 Microsoft、Amazon、Meta 被卖出，我更倾向于理解为：不是不看好它们，而是前期仓位和利润已经比较厚，先兑现一部分。 特别是 Microsoft，它依然是 AI 软件和云计算里最重要的公司之一，但现在的问题是，市场对它的期待已经非常高。只要后续 Azure 增速、AI 收入兑现节奏或者资本开支稍微不如预期，股价就容易

$英伟达(NVDA)$ $Cerebras Systems(CBRS)$ AI 算力芯片正在遇到一个共同问题：单颗芯片已经越来越难继续做大。 一方面，先进制程越来越贵，摩尔定律放缓；另一方面，传统芯片还受到光罩尺寸、良率、功耗和散热的限制。于是行业出现了两条不同路线： 一条是英伟达 Blackwell 代表的 Chiplet 路线：把大芯片拆成多个小晶粒，再通过先进封装重新拼起来。 另一条是 Cerebras 代表的 晶圆级计算路线：不把晶圆切成小芯片，而是直接把整片 12 英寸晶圆做成一个超大型 AI 处理器。 一、Blackwell：用 Chiplet 突破单芯片极限 Chiplet 的核心逻辑是“化整为零”。 传统单片大芯片一旦出现缺陷，整颗芯片都可能报废；但 Chiplet 可以把一个大型系统拆成多个小晶粒，只挑选良品晶粒进行组合，从而提升制造良率。同时，不同功能模块还可以采用不同制程，实现更灵活的异构集成。 Blackwell 就是这一思路的典型代表。它通过两颗 GPU 晶粒配合 NVLink-C2C 互联，在逻辑上让系统看起来像“一颗超级芯片”。 但这种模式并不是没有代价。它本质上是用封装复杂度、功耗、散热和系统成本，去换取更大的算力规模。 Blackwell Chiplet 路线的主要代价 第一，是功耗上的“传输税”。 在单片芯片内部，数据传输距离短、功耗低；但 Chiplet 之间即使有高速互联，数据跨晶粒移动依然需要额外能耗。对于 Blackwell 这种功耗动辄数百瓦甚至上千瓦的芯片来说，部分电力并不是直接用于计算，而是用于维持多颗晶

$COHR 20260508 330.0 PUT$  还有人性吗？还有法律吗？天天上涨不崩盘吗

AMD 这份财报，盘后直接大涨，核心不是单纯 EPS beat，而是 AI 数据中心逻辑继续兑现 + Q2 指引明显超预期。 白天 AMD 已经跟着半导体板块涨了一波，结果盘后财报出来还能继续拉，说明市场不是简单兑现，而是在重新上修对 AMD 的 AI 服务器和数据中心预期。 现在 AMD 的交易逻辑很清楚：它不是要马上取代 Nvidia，而是成为大客户在 AI GPU 供应链里最重要的第二选择。只要云厂商继续扩 Capex、客户继续追求 Nvidia 之外的补充方案，AMD 的估值弹性就还在。 后面重点看三件事：MI 系列放量节奏、数据中心收入能否继续超预期、毛利率能不能跟着 AI GPU 占比一起往上走。 这不是“财报不错但反应一般”，而是“财报把市场最想看的 AI 数据中心叙事又往前推了一步”。