社区

如果只看表面消息，最近 AI 内存似乎出了一个利空：NVIDIA Vera Rubin 相关 SOCAMM 配置被市场理解为降配，单 CPU 内存内容量从 192GB 调到 96GB。很多投资者第一反应是，CPU 侧内存需求是不是降温了，AI 服务器里的内存增量是不是没有之前想象得那么大。 但我更倾向于把这件事理解为一次误读。 真正的问题不一定是 AI 内存不需要了，而是内存供给太紧，系统必须在容量、数量和配置之间重新平衡。换句话说，表面上是降配，底层可能是缺货。 这篇文章想讨论的是一个更重要的变化：AI 内存的投资主线，正在从 GPU 旁边的 HBM，扩散到整机内存架构和推理数据管线。 训练时代，市场最容易理解的是 HBM，因为它直接贴着 GPU，决定带宽，也决定 AI 加速卡性能。但推理时代不一样。模型要处理更长上下文，Agent 要进行多轮规划和工具调用，RAG 要频繁检索和写回，KV Cache 要不断存取和迁移。这个时候，内存和存储不再只是“容量”，而是推理效率的一部分。 所以，我对这条主线的判断是： AI 内存没有降温，只是从 HBM 单点扩张，进入 HBM、SOCAMM、LPDDR、eSSD、KV Cache 共同重估的新阶段。 SOCAMM 降配，不等于需求下降 市场最关心的点，是 Vera Rubin NVL72 rack 里 SOCAMM 内容量下调。原本部分投资者期待更高规格配置，如果单 CPU 内容量从 192GB 降到 96GB，很容易被理解为 CPU 侧内存需求变弱。 但这不认为就是需求下降。 关键在于，内存需求不是只看单颗 CPU 搭多少容量，还要看整机系统里 CPU 数量、模块数量和总 bit demand。敏感性测算显示，在不同 96GB 和 192GB SOCAMM 配置组合下，即使 96GB 模块占比提高，NVDA 对应的总 bit d

一、SpaceX IPO 基本情况 发行价：135美元/股 募资规模：750亿美元（史上最大IPO） 估值：约1.77万亿美元（完全稀释后约1.8万亿） 市场需求：认购需求超发行量4倍，仅散户订单超1000亿美元 二、估值与盈利问题 2025年全年亏损：344亿美元 2026年第一季度亏损：43亿美元 核心业务（Starship、Starlink）仍处高投入期，短期难盈利 分析师提醒：超级IPO初期靠稀缺性和FOMO，最终市场会回归对盈利和现金流的关注 三、对市场的影响 被视为OpenAI、Anthropic等AI公司未来IPO的风向标 若上市后表现强劲，将提振AI及太空基础设施领域信心 四、四家公开上市公司及其与SpaceX的关联 1、Velo3D（VELO） → 金属3D打印系统，SpaceX是其重要客户 2、CPS Technologies（CPSH） → 高性能航空航天材料，被普遍认为为SpaceX供应部件 3、MACOM Technology Solutions（MTSI） → 半导体方案，用于卫星通信（含Starlink） 4、EchoStar（SATS） → 持有SpaceX约2%股权（通过频谱权交易获得） 五、投资者提示 1、SpaceX能否支撑其当前高估值仍存在不确定性 2、供应商及合作伙伴公司可能提供间接参与太空经济的方式，但与直接投资SpaceX存在本质区别 3、投资者需自行评估风险 本摘要基于公开研报内容整理，不构成任何形式的投资建议、推荐或意见。

AI 算力时代，先进封装升级、Chiplet 扩张、CPO 落地，共同把玻璃基板推上舞台中央。它不是短期概念，而是先进封装路线升级中的关键材料候选。 一、玻璃基板是什么？ 它是先进封装中的高阶互连支撑材料，可作为 RDL、TGV、多层布线的载体，兼具平整度、尺寸稳定性与低翘曲潜力。 二、为什么现在重要？ 三大驱动力：芯片更大（超大封装、更多 Chiplet 对基板尺寸与稳定性要求更高）；互连更快（高频高速传输对低损耗与精密布线要求更强）；封装密度更高（先进封装与 CPO 推动材料平台升级）。 三、三种基板材料对比 有机基板：尺寸受限，大尺寸下翘曲风险高，高频介电损耗较大，热膨胀系数大。 硅中介层：成本高（硅片与先进制程），面积受硅片尺寸限制，大规模量产门槛高。 玻璃基板：低翘曲（高平整度与低内应力），CTE 接近硅（热应力小），介电损耗很低，支持更小线宽线距（≤1/1μm），最大尺寸可达 600mm 以上，成本优于硅中介层。 结论：玻璃基板在 “大尺寸 + 高密互连 + 热稳定” 三大维度同时更优，是下一代先进封装的重要候选解。 四、CPO 为什么需要玻璃基板？ CPO（共封装光学）将光引擎与交换芯片共同封装，减少电互连长度、降低功耗与延迟。玻璃基板具备优异光学特性、低损耗多层能力，支持 TGV+RDL+ 光路协同，是实现光电融合的理想平台。 五、三大技术壁垒 TGV 成孔与金属化：微孔加工难度高，一致性与良率要求高，关系纵向互连能力。 薄化与翘曲控制：玻璃脆性高，薄化后易翘曲，影响后续贴装与封装可靠性。 多层 RDL 与精密对位：高精度布线难，多层对位窗口窄，决定高密互连能力。 玻璃基板不是简单材料替换，而是 TGV+ 薄化 + 精密布线三重工艺协同，真正难点在量产制造。 六、全球量产竞赛 主要玩家：Intel（推进玻璃基板试产）、TSMC（布局 CoWoS 等玻璃基板方

昨天聊 AI 产业链时，重点放在 Token 工厂的能源、液冷和物理约束上。AI 算力越往后走，问题越不只是 “有没有 GPU”，而是电力能不能接上，热能不能排出去，PUE 能不能压下来。 但这只是系统层的散热问题。 如果继续往芯片里面看，新的瓶颈已经开始出现：当 GPU 功耗越来越高，先进封装把更多计算单元堆到一起，局部热点和热流密度会变得越来越难处理。液冷可以把服务器和数据中心的热带走，但芯片内部的热量，首先要能从最热的地方扩散出去。 这就是金刚石散热突然被关注的原因。 它不是传统意义上的 “钻石概念”，也不是把一个新材料故事硬贴到 AI 上。它背后的逻辑很直接：AI 芯片功耗继续上升，散热瓶颈从机柜、冷板和液冷系统，进一步下沉到芯片材料和封装层。 换句话说，AI 热管理开始从 “怎么把热带走”，进入 “热能不能先从芯片里导出来” 的阶段。 GPU 功耗提升与金刚石、铜、硅等材料导热率差异 AI 芯片越来越热，散热问题正在下沉 过去几年，AI 芯片的升级方向很清楚：更高算力，更高带宽，更复杂封装，更高功耗。 从单颗 GPU 到 AI 加速卡，从 2.5D 封装到 3D 异构集成，芯片里的计算单元越来越密，HBM、逻辑芯片、封装基板和互连结构被更紧地集成在一起。这样做的好处是性能更强、带宽更高、系统效率更好，但代价也很明显：热流密度上升，局部热点更难处理。 散热从来不是简单的温度问题。芯片温度过高，会带来漏电流增加、性能降频、电迁移、热应力和寿命下降。对 AI 芯片来说，这不只是工程细节，而是直接关系到算力能不能稳定释放。 这也是为什么 AI 热管理会不断分层。 数据中心层面，要看电力、PUE、制冷系统和园区交付。服务器层面，要看液冷、冷板、管路、CDU 和机柜功率密度。芯片封装层面，则要看热能不能从局部热点快速扩散到更大面积，再交给系统级散热方案处理。 液冷解决的是系统

如果只用一句话概括这一轮AI产业链的变化，我会说：市场先买了缺货，现在开始买回报。 过去两年，AI投资最容易讲的故事是稀缺。谁有GPU，谁能拿到HBM，谁能更快把数据中心点亮，谁就拥有市场最强的定价权。英伟达、HBM、服务器、光模块、液冷、电力和数据中心，都被放进同一个框架里重新定价。 但到了今天，单纯讲算力不够已经不够了。 我更愿意把AI看成一条新的工业链条：上游生产Token，中游制造、调度和分发Token，下游把Token变成结果。市场最关心的问题，也从有没有算力，变成这些算力最后能不能变成收入、利润和现金流。 更关键的是，Token已经不只是模型厂商的计费单位，而是在成为AI时代的统一价值尺度。行业矛盾正在从算力供给约束，转向Token供需的结构性分化：总量供给阶段性趋于过剩，但高价值Token依然短缺。另有研究基于2020到2026年的模型报价数据估算，Token价格整体已经大幅下降，但旗舰推理模型仍保留显著的reasoningpremium。 这意味着，便宜的是通用Token，值钱的是能够完成复杂任务、产生业务结果的Token。 AI下半场，真正稀缺的不是消耗Token的能力，而是把Token烧成客户ROI的能力。 从算力稀缺，到TokenROI定价 我更愿意把这一阶段理解为：AI产业开始从生产要素稀缺，转向生产要素回报率。 这背后的逻辑并不复杂。通用问答、轻内容生成、低门槛调用，会随着硬件迭代、算法优化和开源竞争不断便宜；但复杂推理、长上下文、多工具调用、持续执行的任务链，反而会因为结果价值更高而保持溢价。 所以，Token不是整体变便宜之后就失去投资意义。真正发生的是分层：高端Token通胀，中低端Token通缩，任务层Token通胀。普通问答会越来越便宜，复杂任务会越来越贵；低价值调用会越来越像标准化电力，高价值任务则会越来越像专业服务。 这也是我不再把T

Oracle 已经跨过“是不是 AI 受益者”的阶段。上一季公司收入同比增 22%，OCI 同比增 84%，RPO/订单积压升至 5530 亿美元，并把 FY27 收入目标抬到 900 亿美元；财报前市场对 FY26 Q4 的数字锚大致在 191 亿美元收入、1.96 美元 EPS，另类模型则给出 188.3 亿美元收入和 110.4 亿美元 EBITDA。真正决定股价的，不是单季 beat/miss，而是 FY27 的 capex、交付和回报闭环。 AI OCI 与 Oracle 传统数据库/软件不是同一门生意：传统 license/support 与 SaaS 的衡量是续费、迁移、席位和支持收入；AI OCI 的核心变量则是 MW/GW、GPU 上线、客户验收与利用率。当前 Oracle 非 IaaS 业务仍占收入约 75%，OCI/IaaS 只占 25% 却决定增速；卖方测算中，OCI 当前毛利率大致在 mid-30s，SaaS 在 low-70s，软件支持毛利率长期在 mid-90s。 5530 亿美元 backlog 并不等于立刻变成高质量收入。Abilene 案例已经把问题摊开：项目总规模约 2GW，目前约&nbs

今晚，苹果又要开 WWDC。每年这个时候，市场都会关注新系统、新功能和开发者工具，但今年不一样。过去两年，苹果在 AI 上一直处在尴尬位置：它不是没有技术，也不是没有生态，而是在生成式 AI 浪潮里显得慢半拍。微软有 OpenAI，Google 有 Gemini，Meta 有 Llama，Anthropic 有 Claude，苹果手里最熟悉的 Siri，反而成了最需要补课的入口。 这也是今年 WWDC 真正有意思的地方。市场等的不是一个更会聊天的 Siri，而是苹果能不能证明，AI 不只是贴在 iPhone 上的功能，而是可以重新改变 iPhone 使用体验的系统入口。换句话说，Siri 只是表面，换机周期才是关键。 Siri 的问题，不是回答得慢，而是入口地位被重新定义了 这次 WWDC，Siri 大改几乎是最核心的看点。市场期待的不是一个简单升级版语音助手，而是一套更接近系统级 AI 入口的新 Siri。它可能包括独立的 Siri app，也可能包括嵌入 Dynamic Island 的 “Search or Ask” 入口，还可能加入屏幕感知、个人上下文理解、多命令执行，以及更深的跨 App 调用能力。 这些听起来像功能清单，但投资者真正关心的不是功能数量，而是 Siri 的位置有没有变化。过去的 Siri 更像一个语音遥控器，你问天气、设闹钟、打电话、发消息，它可以完成一些固定任务。但生成式 AI 之后，用户对 “助手” 的定义变了。一个真正有价值的 AI 助手，不只是回答一句话，而是理解上下文、识别屏幕内容、调用个人数据、跨应用完成任务。 如果苹果能做到这一步，Siri 就不再只是语音助手，而可能重新变成 iPhone 的系统入口。苹果的护城河从来不只是硬件参数，而是操作系统、应用生态、用户习惯和默认入口。过去十多年，iPhone 最值钱的位置是屏幕、App St

6 月 3 日美股收盘，AVGO 报 479.23 美元，总市值约 2.27 万亿美元。但财报发布后，盘后股价一度跌超 13%，夜盘仍有两位数跌幅。 如果只看股价反应，很容易以为博通财报出了问题。 但实际情况并不是这样。 博通第二财季收入达到 221.9 亿美元，同比增长 48%，略高于市场预期；调整后 EPS 为 2.44 美元，也高于共识预期。半导体解决方案收入 150.1 亿美元，同比增长 79%；AI 半导体收入达到 108 亿美元，同比增长 143%。自由现金流 102.6 亿美元，占收入 46%，调整后 EBITDA 达到 152.4 亿美元，同比增长 52%。 这些数字放在任何一家大型半导体公司身上，都谈不上差。 问题在于，博通已经不是普通半导体公司了。 市场现在给博通的定价，不只是“AI 收入高速增长”，而是“AI 收入必须持续超过已经被抬高的预期”。所以这次真正让市场不满意的，不是当季业绩，而是三季度 AI 半导体收入指引。 公司预计第三财季总收入约 294 亿美元，同比增长 84%；AI 半导体收入预计达到 160 亿美元，同比增长超过 200%。这个数字本身依然很强，但低于部分买方更高的期待。 这就是这次财报最核心的矛盾。 博通不是没增长，而是市场已经把增长想得太满。 一份很好但不够完美的财报 博通这次财报最值得看的地方，不是收入有没有超预期，而是市场为什么对这样一份财报仍然不满意。 这几年 AI 基建行情走到现在，市场对不同公司的容忍度已经开始分化。 普通公司交出高增长，股价可能上涨；核心公司交出高增长，市场还要继续追问：这个增长有没有超过更高预期，下一季有没有继续加速，未来两年 backlog 有没有继续扩大。 博通现在就在第二类。 它已经被市场放进 AI 基建核心资产里定价。换句话说，投资者已经默认它会受益于云厂商自研芯片、AI 网络扩张和大规模

过去几年，人形机器人最容易出圈的方式，是视频。 会跑步，会跳舞，会后空翻，会格斗。每一次新动作出现，市场都会兴奋一阵。因为这些画面足够直观，也足够容易让人相信，一个新的硬件时代正在靠近。 但资本市场最终不会只给视频定价。 它要看的东西更现实：能不能量产，能不能卖出去，毛利率够不够高，客户是不是持续买单，公司是不是能从研发样机走向商业收入。 宇树科技过会的意义就在这里。 它不是第一次让市场知道人形机器人很热，而是让人形机器人第一次更清楚地走进财务报表、收入结构、出货量、毛利率、募投项目和风险提示。 宇树最重要的变化：机器人已经卖成一门生意 招股书披露，宇树科技 2025 年度经审阅营业收入 17.08 亿元，同比增长 335.36%；扣非后归母净利润 6.00 亿元，同比增长 674.29%。2025 年 1 至 9 月，公司实现营业收入 11.67 亿元，扣非后归母净利润 4.31 亿元。 这个数据放在人形机器人行业里，并不常见。 这个赛道过去最大的问题，就是很多公司看起来很前沿，但商业化很难验证。样机可以做出来，发布会可以很热闹，融资也可以很顺利，但收入、利润和现金流才是另一套考卷。 宇树至少已经开始交这张答卷。 2025 年 1 至 9 月，公司主营业务毛利率达到 59.45%，经营活动现金流量净额达到 4.28 亿元。对一家处在高速扩张阶段的机器人公司来说，这说明它不是完全靠融资支撑研发，也不是只在烧钱换规模，而是已经具备了一定的产品定价能力和现金回收能力。 这也是宇树和很多早期机器人公司的区别。 人形机器人不是一个只靠想象力就能持续讲下去的行业。它需要研发投入，需要供应链能力，也需要产品迭代和市场教育。如果一家公司的收入结构不清楚，毛利率不清楚，出货量不清楚，那么它的估值本质上只能停留在故事阶段。 收入能不能继续增长，毛利率能不能守住，扣非利润能不能持续，经营现金流

MLCC（多层陶瓷电容器）是电子设备的“微型电池”，正被AI服务器、新能源车、端侧AI三条主线共同引爆。 核心数据一图记： AI服务器MLCC用量是通用服务器的 8-12倍，市场规模2029年预计 239亿元（CAGR 39.6%） 纯电车单车MLCC 18000颗，是燃油车的 6倍 端侧AI相关MLCC市场2029年预计 147亿元（CAGR 54.5%） 全球MLCC市场日韩主导（村田31.8%、三星22.9%），国产替代空间大 三条投资主线：AI服务器 + 新能源车 + 国产替代 上游关键：陶瓷粉体（高容MLCC材料成本占比35-45%，国产化率低） 小小MLCC，同时吃到AI算力和新能源电气化的两份红利。 仅供参考，不构成投资建议。