0x.sam198🧩

百U战神

[DiscusFish @bitfish]

大橙子的这篇解读专业，看不懂图表的可以仔细看看这篇文章

[insane goals @insanegoals]

This will always be one of the greatest videos ever 😭

[Jukan @jukan05]

[Exclusive] Largan and Sunny Optical chase the holy grail of FAU precision; laser equipment maker Han's Laser becomes a key player

Taiwanese optics leader Largan Precision has announced that it is spending NT$650 million to purchase machinery from Han's Laser, the major Chinese laser processing equipment maker. The DIGITIMES news team independently verified with Han's Laser and confirmed that what Largan purchased was an automation and glass solution. At the same time, the major Chinese optics player Sunny Optical is elevating its fiber array unit (FAU) team to the level of a research institute and plans to set up a base in Singapore.

In a filing on June 16, 2026, Largan disclosed that it had ordered NT$650 million worth of machinery and equipment, with the counterparty being Han's Laser Technology, primarily for production use. DIGITIMES verified this internally with Han's Laser and confirmed that what Largan purchased was an automation and glass solution.

Sources inside Han's Laser said that although they cannot directly confirm where the customer will use the products, what was supplied to Largan was an automation and glass solution. They added that, generally speaking, equipment and applications related to Chinese optical modules are still dominated by Hubei based HGTech.

This corresponds to remarks previously made by Largan chairman Lin En ping at the shareholders meeting. Regarding through glass via (TGV) technology, which underpins the multilayer stacking approach that is currently mainstream in the industry, Largan is pursuing a "closest packing" strategy, compressing the "wall thickness" to an extreme minimum. The more layers that are stacked upward, the more pronounced Largan's advantage becomes. Although the real surge in multilayer demand may still be three to four years away, Largan must stake out its position and invest now to avoid falling behind on the mass production timeline in the future.

It is understood that Han's Laser is an important player in China's laser industry. In an earlier interview with DIGITIMES, Han's Laser noted internally that the laser processing equipment market has a competitive landscape characterized by regional traits and downstream fragmentation, making market competition relatively dispersed. Over the past decade, the laser industry has developed rapidly, which has intensified market competition further. Anxiety over market share has dragged many companies into the helplessness of price wars and overcapacity.

However, the application iterations brought about by continuous breakthroughs in semiconductor technology have transformed many traditional industries and given rise to many new applications, which in turn has driven steady growth in the upstream semiconductor equipment industry.

It is worth noting that in the first half of 2025 Han's Laser established a wholly owned subsidiary in the United States, with the main goal of breaking free from geopolitical constraints and expanding its influence and competitiveness in international markets. Han's Laser stated that involution in China's laser industry is severe and ongoing, and that expanding overseas business is an important growth driver.

In addition, Sunny Optical had previously told DIGITIMES that since 2025 the group had also begun to invest effort in investigating and researching the fiber array unit (FAU) field. Now, as Chinese server demand for FAU continues to climb, internal sources further revealed that Sunny Optical has reorganized its FAU team under the Sunny Research Institute. This signals that the group is quite optimistic about the field's subsequent development, but it is also being more secretive about its progress.

According to internal sources at Sunny Optical, given the high difficulty of FAU precision, the group's current direction is not to deploy quickly, but to impose especially strict requirements on technical depth.

It is worth noting that internal sources at Sunny Optical revealed that, anticipating customer demand, the group is internally discussing setting up an FAU related business office in Singapore, but details such as the exact timing and location have yet to be decided.

Taking an overall view, first and second tier optics makers in both Taiwan and China are pouring into FAU development, competing for the holy grail of precision and manufacturing technology. Although it is currently hard to separate the leaders, what is certain is that Sunny Optical and Largan are of one mind in regarding FAU as an extremely important growth driver over the next few years. Beyond the development of the optics industry itself, the upgrade of automation equipment is also worth looking forward to.

[拖拉机 @tuolaji2024]

当下的A股行情中，超七成（约4000只）个股的价格已跌回3000点位置，近半数个股比2600点时还要便宜。

[Phoenix Yin @Phoenixyin13]

这份流传出来的协议如果是真的，那简直是一场商业史上的顶级阳谋和魔幻大戏。

从账目拆解，这已经不是赚钱了，这是明抢。

核心资产11万块 NVIDIA GPU。
租金：每月 9.2亿美元。
周期：2026年10月至2029年6月（共33个月）。
总价值：303.6 亿美元

这是什么概念？
平均下来，每块 GPU 每个月光是租金就要折合大约 8360 美元。
要知道，英伟达最新、最顶级的 B200 芯片买断价也就 3 万到 4 万美元左右。这意味着谷歌在这边租用不到 5 个月，付出的资金就足够买下一块全新的芯片了。

马斯克在这场交易里的利润率高到令人发指。他不仅转手收回了硬件成本，还顺便把未来几年的电费、机房建设费、��护费全都让谷歌报销了，顺便还赚了几倍的���利润。这笔源源不断的现金流，简直是直接给 SpaceX 的星舰计划注入了最强动能。

很多人会问，谷歌自己有大把的资金，有自己的 TPU，还是全球顶级云厂商，为什么要找死对头马斯克买算力？
答案只有两个字：绝望。

在当前的 AI 军备竞赛中，天下武功，唯快不破。
英伟达的产能是有限的，哪怕你是谷歌，去排队买芯片也得等。
而马斯克凭借极其恐怖的搞定供应链和闪电战建数据中心的能力，手里硬生生囤出了这 11 万块现货。

谷歌如果等到自己的数据中心建好、自研的 TPU 迭代赶上，可能在 AI 战场上早就被 OpenAI 和微软骨头都不剩地吞下去了。

对于谷歌 CEO 而言，每个月给马斯克送 9.2 亿美元虽然屈辱，但这能买来马上就能开机训练的 11 万块顶级集群。这是在花钱买自己的性命，哪怕这钱是送给竞争对手。

SpaceX 拥有绝对的控制权、庞大的土地资源、恐怖的电力调配能力，以及Starlink带来的全球网络基建。更重要的是，SpaceX 是个吞金兽，把算力中心挂在 SpaceX 名下，不仅能用云计算的超高估值给 SpaceX 的 IPO 铺路，还能直接实现算力养火箭的闭环。

看起来，这场布局里没有输家，只有赢家和更狠的赢家。

[qinbafrank @qinbafrank]

一张图看清边缘计算/端侧AI/物理AI的发展趋势及产业链，就能理解为什么英伟达的财报要把边缘计算单列出来

[fin @fi56622380]

每年的Nvidia GTC大会，都会带来一些技术范式转新移概念，作为全业界的新技术标杆
各家在GTC之后都会改roadmap去抄作业

总有人问，AI芯片下一波结构性趋势转变的机会在哪里？

这几个月范式转移带来的结构性转变机会之一，就是AI异构推理，而以Cerebras为首的SRAM路线初创，就这样走到了新趋势前沿

------------------------

SRAM路线的公司生态位在哪里，得先看genAI推理的不同阶段workload特点

主要分成三个部分：

prefill：计算强度特别高，对memory带宽速度要求不高，对memory size要求中等偏高

decode阶段的attention部分：计算强度中等，对memory带宽速度要求特别高（对kv cache的反复读写），对memory size要求特别高，因为batch size的变大造成了kv cache的线性增长

decode阶段的FFN部分：计算强度中等，对memory带宽速度要求特别高（模型权重的反复读取），对memory size要求中等偏高（模型权重）

SRAM路线的芯片特点也很清楚：
除了memory带宽做到了极致，其他方面都是严重缺陷，本质上是用计算强度和memory size做不大这两个劣势，换取了极致的memory带宽速度

---------------------
再来分别看AI推理的三个阶段，SRAM的适用度

prefill：SRAM计算强度无法做的很高，因为整个芯片上的SRAM面积占用太大，计算模块面积受限，所以prefill是弱项

decode阶段的attention部分：SRAM memory带宽要求高能达到，但是SRAM memory size很小达不到batch的要求，所以SRAM做attention只能满足一半需求

decode阶段的FFN部分：SRAM memory带宽要求高能达到，memory size要求中等，SRAM芯片通过互联通信的优化，能勉强解决memory size的问题，虽然代价很高，但ROI在某些场景下还是能算的过来的

----------
所以SRAM路线的加速器 在AI异构推理的适用范围也很清楚：

prefill部分别想了，性能垃圾，经济性垃圾

decode阶段的FFN部分，属于努努力加大成本还能够得着

decode阶段attention部分，kv cache对memory size要求太高，批量处理需求实现过于高昂，让Cerebras昂贵的230万美元一片，45片连成一起的奢侈的一亿美元的系统做成专属的超级VIP服务，完全是经济性灾难

想象一下，��两个用户agent flow做coding任务花了1~2M context length，就得耗费230万美元一整个cerebras的44GB SRAM来做KV cache，不然速度就上不去，这是什么样的奢侈服务

-------------

所以结论简直不能再明显了：Cerebras如果单独做全栈AI推理（prefill + decode ATTN + decode FFN），经济上是走不通的，没有未来的

因为Cerebras成本是非常惊人的，即便是他们毛利率压的如此之低，每台 CS-3 系统的隐含租金还是要 $41.96/小时，是B200的差不多十倍租金，更不要说CS-3还得很多片连起来做LLM推理，租金要再乘以很多倍。

这也是为什么SRAM路线经济效益如此差的原因，Nvidia在GTC已经清晰的指出了这一点（如图）。

鼓吹SRAM路线以后取代HBM？那是痴人说梦，SRAM的scaling已经撞墙的情况下，每代芯片上的SRAM密度已经很难提升，在memory size这个维度上，HBM的指数型增长只会更加和SRAM拉开差距。即便是memory 带宽这个维度上，HBM也在指数型增长，缩小和SRAM的差距

所以Nvidia的解法非常简洁而优雅：decode阶段的FFN部分交给SRAM路线，其他部分交给传统HBM GPU，把整个pareto frontier往右上角推进了很多

Rubin + LPX最高速度突破1000 token/s的同时，还能让整体throuhput仍然能保持一定的商业价值（这点很重要）。要知道如果在Blackwell要跑到400~500 token/s高速，只能同时处理很少的几个请求，这对GPU资源是巨大的浪费。

而现在就算是跑到1000 token/s，也能保持一定的batch size(吞吐量)了，终于也能产生商业价值了，图里说在400 token/s的速度下，Rubin + LPX把吞吐提升了35倍，就是典型的token经济学，这个token高速度下，从Blackwell算提升了35倍的商业价值

---------------------

这个解法在GTC公布标准答案之后，甚至更早在收购Groq的LPU之后，大家就已经开始做异构推理这个方向抄作业的努力了

Google的TPU找了Marvell做SRAM部分

Amazon AWS的trainium找了Cerebras做SRAM部分

字节的AI asic找了高通做SRAM部分

未来我们一定会看到���来越多类似的消息

而这就是Cerebras在经济上可持续的最好道路：不要硬扛全栈AI推理，只做自己擅长的部分，在AI推理中和主流AI ASIC合作，争取能把自己SRAM芯片融入其他家的AI推理的decode FFN环节

这也是为什么，Cerebras长期发展的关键在于和aws trainium的disaggregate inference能整合到什么程度

如果只是目前爆出的Trainium做prefill和Cerebras做decode分离，技术上实现难度要小的多，但是这样经济上仍然不划算 ，只能是战略布局，能有一定的市场，但无法真正产生规模化竞争力

而走Nvidia路线，深度整合两家优势，需要不少时间的技术整合，难度不小，但回报是值得的。解法一：trainium做prefill和decode attn，Cerebras做decode FFN。或者解法二：Cerebras做草稿模型，trainium做验证,。无论是哪种解法，市场竞争力都大太多了

--------------------

和主流AI ASIC这样的合作方式，是减小了SRAM路线的市场规模TAM吗？

不，这才是SRAM路线的公司唯一的长期可持续化增大市场规模的道路，因为AI异构推理趋势一定是未来，提前在这个增长的未来蓝图中找到属于自己的拼图位置，才能跟着市场一起增长

SRAM路线公司一旦融入任何主流AI ASIC的异构推理环节，身价都会暴涨，因为出货量的TAM完全不是一个数量级了

不然的话，AI异构推理在token速度（不是throughput）这个维度上，一定会持续的蚕食SRAM路线的速度优势，SRAM路线AI全栈推理沦为昂贵的玩具是注定的结局

[罗永浩 @luoyonghao]

嗯……

[董小姐的日常 @dongxiaojie99]

曝陈翔六点半演员集体倒戈出走

核心原因是陈翔搞集权管控，演员只能拿固定薪资，禁个人IP、无分红，更尴尬的是，账号7500万粉，广告报价仅38万，都不如外网十几万粉博主报价

剧中的演员名气都很大，但拿着与名气不符合的工资，给其他MCN公司早就一个人一个IP了，最终人心散了…

[叶小白的thinking @xingzhelieshou]

产业趋势第2篇：光通信之光材料产品细分及紧缺情况
法拉第旋光片、磷化铟 (InP) 衬底、薄膜铌酸锂 (TFLN)、滤光片/偏振片/硅透镜。
周五有资金拉了法拉第旋片，硅透镜等细分！
#A股 #产业趋势

[郭明錤｜Ming-Chi Kuo @mingchikuo]

閒聊 Intel EMIB-T 封裝的 2H27 新款 Google TPU（Humufish）。以下根據我的產業調查：

【EMIB-T 90% 良率，該怎麼看？】

1. 基於 Intel 已經有穩定生產 EMIB 的經驗，開發中的 EMIB-T 技術驗證良率達到 90%，是很正向但也合理的訊號。

2. Intel 把 FCBGA 設定為 EMIB 生產（組裝）良率的比較標竿。目前業界 FCBGA 的生產良率約在 98% 以上。

3. 從良率角度，90%→98% 難度高於從開案 → 90%。此外，技術驗證良率與成品生產良率也是兩回事（特別是 Humufish 仍有規格未定案）。所以我雖正向看待 Intel 先進封裝長期發展，但中短期內仍會謹慎關注 Intel 如何面對這些挑戰。

【從 90% 到 98%，表面上才差個幾%，Google 會在意嗎？當然會】

1. Google 近期詢問過台積電，自行投片 Humufish 的 main compute die（由 Google 自行設計），與讓聯發科代為投片相較，成本可節省多少。

2. Google 與聯發科的合作一開始（8t）就是採 semi-COT 模式。聯發科的 mark-up 主要來自自行設計部分，所以 Google 是否親自投片 main compute die，不是聯發科獲利成長趨勢的觀察重點。

3. 但從 Google 連投片相關的 pass-through mark-up 都想看看能不能��，代表 Google 的成本控管態度，已從過去的好好先生，變成錙銖必較的精算者，原因在於要跟 Nvidia 直接競爭，所以具備成本優勢的 Google 當然會在意 EMIB-T 生產良率。順帶一提，台積電對 2026 年 5.5-reticle CoWoS 的生產良率目標，也是 98% 起跳。

【台積電的立場】

1. 我的理解是，台積電仍在評估 2H27 要分配多少先進製程產能給 Humufish，原因在於：(1) 仍想爭取後段封裝訂單（但目前看很難，這是 Google 有意為之的策略）、與 (2) 尚在評估後段 EMIB-T 實際產出，避免稀缺的先進製程資源被錯置。

2. 影響 Humufish 後段有效產出的關鍵，包括 EMIB-T 與載板，要追蹤這件事必須兩個一起看。

3. 在 Humufish semi-COT 方面，台積電也是傾向讓聯發科投片main compute die，除了兩家公司關係好外，關鍵是聯發科是台積電第三大先進製程客戶（2025年），若 TPU 訂單有變化，以聯發科的規模，較容易協助台積電做投片組合調整，扮演一個稱職的緩衝角色。

[fin @fi56622380]

upside这篇说的很到位了，我来补充下downside

neocloud最好风险收益比的投资阶段是去年，长约，签单，拿电拿卡的时候，rerating想象力拉满。再之后都是执行和融资/扩张的风险更大

目前主KPI 仍然是可用 GPU-hours以及运维，即便是操作系统层做的好，也只有10%的溢价，并不高。同样硬件生成更多token的AI infra不是主KPI

neocloud想往更高价值走，比如pytorch/runtime层，模型层，异构调度层，到直接全栈inference，只能说针对的客户群体是自身技术能力有限的那一批，这个溢价多大不好说
neocloud只有最上层的那么两三家，确实是有希望��$/token方向去走的，而且仅限于开源模型（和闭源模型差距拉大ing），这部分能走多少，持观望态度，只能说未来可期

毕竟以后大趋势sw stack的moat是在降低的，客户自己的infra team能力都在快速提升，而且大厂都在努力提升自己的token毛利率，所以高毛利的部分尽可能都会自己做，就像你这篇的技术细节，基本上大厂AI infra都在做

但同时，neocloud处在风险的最前沿，大云厂只把自己做不完的单子给neocloud，扩张的时候neocloud弹性最大，一旦需求有波动，neocloud就是第一个受损的缓冲层

这也是为什么，市场给CRWV的融资利率如此之高都是百分之十几，扩张速度一旦有波动就危险，去年的CDS曾经到了近900，相当于定价50%+的概率违约（不过每次需求受到质疑的时候，都是neocloud抄底好时候），最低的利率才好一些

neocloud最大的问题，还是在于没钱买GPU，融资和股份稀释才能有钱购买一直涨价的GPU。所以投资neocloud应该盯紧CDS走向，这个是强相关指标。另外IREN的股份稀释节奏简直是丧心���狂。

如果要押注openai come back story，其实Oracle倒是能看看，强绑定openAI阵营

总之，长期neocloud扩张规模确定性没啥问题，毕竟agent coding带来了新一轮token指数增长。

但这是一个高度受宏观影响的云杠杆，伊朗冲突让rate cut变得更难，宏观方面的影响要明显大于技术层面，不是一个纯粹的产业逻辑驱动的投资

[Saito @SaitoWu]

这可能是今年我听过信息密度最高的一期技术播客。

Reiner Pope（前 Google TPU 架构师，现 MatX CEO）用一整期黑板课，系统讲透了 Transformer 在真实集群上到底是怎么跑的：批处理、KV Cache、内存 vs 计算 Roofline、MoE 稀疏性为什么大胜、API 定价背后的机制，以及硬件限制如何塑造了今天的 AI 进展。

[0x.sam198🧩 @Samsung198]

@LinQingV 我干了安集，老哥

[Macro_Lin @LinQingV]

把先进封装设备这条线从头到尾分析了一遍，从工艺原理到设备供应商再到各家存储厂的路线选择，信息量比较大，整理一条长推把脉络串起来。

从封装工艺看，目前主流的把die连在一起的方式有三种。Mass Reflow，就是传统回流焊，把所有bump一次性过炉焊上去，速度快成本低，但pitch不能太细。TCB（热压缩键合），逐颗die加热加压，精度更高，能做更细的pitch，但速度慢。Hybrid Bonding，铜pad直接键合，连bump都取消了，pitch可以压到10μm以下，是终极方案但成本也最高。

这三种工艺对应的场景完全不同。台积电的CoWoS-S，就是英伟达GPU用的那个2.5D封装，把逻辑die和HBM贴到硅中介层上，用的是mass reflow。台积电的SoIC，3D垂直堆叠方案，用的是Hybrid Bonding，AMD的X3D就是这个路线。Intel的Foveros Direct 3D也是HB路线，bond pitch做到9μm，下一代要缩到3μm。

HBM这边更有意思，三家存储厂走了完全不同的路线。SK海力士从HBM2E开始用MR-MUF，一次性回流加模塑底填充，效率高，对翘曲控制好，12层堆叠良率做到了业界最高。三星和美光走的是TC-NCF，逐层热压缩加非导电薄膜。两条路线各有优劣，但SK海力士靠MR-MUF的良率优势建立了HBM市场的绝对领先。

到了HBM4这一代（2026年量��），路线分化更加剧烈。SK海力士的态度是能用MR-MUF就继续用，同时储备HB技术作为备选。三星反过来，要在HBM4上直接跳到Hybrid Bonding，它叫HCB，但目前良率据说只有10%左右。美光继续TC-NCF做12层HBM4。至于HB什么时候真正成为HBM的标配，大概率要等HBM4E甚至HBM5，因为JEDEC把HBM4高度标准从720μm放宽到775μm，给bump方案多续了一代命。

这里面最值得关注的变化在设备端。TCB设备的供应链正在剧烈重组。SK海力士那边，Hanmi原来是独家供应商，现在ASMPT快速切入，拿下了大约一半的份额，Hanmi和Hanwha之间还爆发了专利战，互相消耗。三星用自家SEMES的设备，体系内循环。美光最关键，之前用Shinkawa和Hanmi，但HBM4对精度要求更高，据渠道信息美光将全面转向BESI，而且因为地缘政治因��不太可能用ASMPT。

所以BESI的增长逻辑其实比市场叙事里说的更丰富。市场只盯着Hybrid Bonding的垄断故事，但TCB这条线BESI也在吃份额。HB端，台积电SoIC放量加上Intel Foveros Direct上线，是确定性最高的增量。TCB端，美光HBM4转单是正在发生的事情。两条线同时扩张，这才是花旗把估值从37倍扩到40倍的底层支撑。

但40倍P/E 2027E定价的还是完美执行。设备公司的订单弹性是双向的，台积电如果在2027年调整HB的capex节奏，或者HBM4的bump方案比预期多撑一代，BESI的订单簿都会受到影响。这也是潜在的风险点。

Hybrid Bonding的产业方向倒是没有争议，设备供应链的重组也在加速。

[Macro_Lin @LinQingV]

补一条InP的产业链地图。

最上游是高纯铟。全球七成铟资源在中国，2025年2月对铟加了出口管制，国际铟价应声上涨。国内铟的供应主要看锡业股份和株冶集团，一个全球铟产量第一，一个是国内第二梯队。

铟往下走一步是InP多晶料合成。高纯铟和磷在高压炉里反应，生成多晶锭。这个环节国内扩产最猛，陕西铟杰规划250吨产能，2026年底落地。全球多晶料正在经历一轮集中扩产，2027年总产能有望突破640吨。

多晶料再往下是单晶生长和衬底切片，整条链最卡的环节。海外是住友和AXT（北京通美），国内看云南锗业，子公司鑫耀半导体是目前国内最大的InP衬底供应商，4英寸已批量出货，6英寸在爬坡。有研新材承担了02专项的6英寸攻关项目。广东平睿晶芯投了11亿建产业园，规划年产30万片。

衬底片交给外延厂，用MOCVD在上面生长几十层纳米级量子阱结构，做成外延片。这一层海外被Coherent、Lumentum、三菱电机把持。国内三安光电武汉基地月产1万片6英寸，已经进了华为供应链。九峰山实验室在6英寸外延工艺上做到了国际领先指标，下一步目标是8英寸。

外延片往下是光芯片。DFB激光器、EML、CW光源、探测器，都在这一层。国内的源杰科技在100G EML上做到了国内份额最大，光迅科技覆盖从芯片到模块的垂直链条，长光华芯做高功率激光。

最下游是光模块，中际旭创和新易盛。这一层大家最熟，��注度最高，业绩兑现也最快。但它们的出货节奏，最终受制于上面每一层的产能释放。

整条链的特征很明显。越往下游，玩家越多，产能弹性越大。越往上游，玩家越少，扩产越慢。光模块厂的订单再多，上面衬底和外延跟不上，也只能等。

[Macro_Lin @LinQingV]

https://t.co/Coce2PkTxC

[駿HaYaO @QQ_Timmy]

MediaTek 已加入用 MicroLED 取代「短距」網路中雷射（VCSEL 或 EML）與矽光子晶片的行列，這項技術可大幅降低功耗，媒體報導指出。

MediaTek 與微軟合作開發新一代主動式光纖電纜（AOC），採用數百個微型 Micro LED 陣列來傳輸資料。這些微型 LED 與高階電視螢幕所��用的微型燈光相同。

MediaTek 透過單一晶片實現原本需要三顆獨立晶片才能完成的工作（DSP、TIA、雷射驅動器），並將 Micro LED 陣列直接鍵合到晶片上，以達到最高效率。

這顆晶片也是 MediaTek 大舉進軍 AI 資料中心 ASIC 市場的重要布局之一。

[fin @fi56622380]

我最近也是类似的想法

VR300配备220TB LPDDR5，一年销量大概是5.5EB(甚至没算HBM)

手机市场LPDDR平均内存大概6~7GB��到2027年手机市场按30%+衰退计算（1.2->0.8B销量），有概率还不到5.5EB

Nvidia一个公司单个产品的LPDDR用量，超过了全人类手机消费电子的用量，而且以后GPU的HBM消耗是指数型上涨

人类内存消费增长不大，十年DDR单机装机容量才三倍(7.xGB->23GB)，而ai内存消费每一代架构都在翻倍

也就是说ai对内存的消耗是人类的倍数越来越大，指数型拉开差距

唯一限制这个差距拉大的，只有产能扩充的速度

[iPaul @iPaulCanada]

清华大学肖星教授演讲：上市公司如何估值？ 明明公司很赚钱，为什么股价就是不涨？