Big Jack

Lucky man goes into the Lucky Man store

[STOCK调研公社 @STOCK6688]

【半导体设备材料去日化概念】半导体"去日化"是大势所趋，也是国产材料/设备厂商的历史性机遇。从光刻胶到硅片，从CMP材料到电子特气，国产替代正在加速推进。虽然高端领域仍存在技术瓶颈，但随着大基金持续投入、下游晶圆厂积极验证，预计2027年关键半导体材料国产化率将提升至50%以上。

[Metamental | 方外之域 @yijiangren]

紫苏叶理论：AI 时代，最贵的不是金枪鱼，而是那片不能断供的叶子

最近认真看了很多 @aleabitoreddit 的内容。
一开始我觉得她最厉害的地方是收益率。

今年到目前为止4500%的收益率，从刚开始到现在大概是31000%，AXTI、AAOI、SIVE、RPI，一个个小票被她提前挖出来，然后在争议、嘲笑、质疑声中完成重估。
这种故事很刺激，但是我在研究交易和投资方法上，比较注重实用主义。
既然她能打出这么高的收益率，那么到底用的是什么方法。

研究之后，我发现她不是在寻找下一个英伟达，是在寻找英伟达背后，那些小到没人愿意看、冷到没人愿意写、但一旦断供整个 AI 产业链就会卡住的东西。
这就是我理解中，她的紫苏叶理论。

紫苏叶理论

所谓紫苏叶理论，最经典的比喻来自岛国的寿司店。
食客走进顶级寿司店，眼睛盯着的永远是金枪鱼大腹、海胆、鱼子酱。
它们昂贵、显眼、性感，是所有人都能理解的高价值资产。

但真正让一整套料理成立的，可能是一片来自特定产地的小小紫苏叶。

它不贵、普普通通、它不会出现在菜单最显眼的位置。
但它去腥、提香、装饰、定调。
没有金枪鱼，菜单可以少一道菜。
没有紫苏叶，整套餐可能就端不上来。

映射到 AI 投资里，英伟达是金枪鱼，微软、谷歌、OpenAI、Meta 是金枪鱼，数据中心、GPU、模型参数、CapEx 指引，都是摆在台面上的主菜。

但她看的不只是主菜，她往下拆。

GPU 之间怎么通信？
数据怎么传输？
万卡、十万卡集群同时工作时，最先撑不住的是哪里？
如果训练和推理规模继续扩大，瓶颈到底是在芯片本身，还是在互联、光源、衬底、外延、封装、对准、材料纯度这些更底层的物理环节？

普通人看到 AI，想到的是模型。
稍微懂一点的人，想到的是 GPU。
再深入一点的人，想到的是 HBM、电力、液冷、数据中心。

但Serenity的方法是继续往下。
她不是像我们一样从叙事出发，而是从物理限制出发。
这是紫苏叶理论真正厉害的地方。

AI 到最后不是 PPT 里的指数曲线，而是一个个真实世界里的物理问题：铜线有衰减，电信号有损耗，散热有上限，光耦合需要纳米级对准，外部激光光源需要稳定供应，化合物半导体需要高质量衬底，特殊材料需要极高纯度，产能扩张需要设备、认证和时间。
金融市场和华尔街只喜欢讲增长。
她喜欢问：增长撞到墙的时候，墙在哪里？
这句话，是整个紫苏叶方法论的核心。
比如 CPO，也就是光电共封装。
我们普通投资者听到这个词，第一反应是又一个 AI 概念。

但从产业逻辑看，它并不是凭空冒出来的热点，而是 AI 集群规模扩大之后，传统铜线互联在功耗、带宽、延迟和散热上不断逼近极限之后，必须出现的一种工程答案。
当数据不再只是从一台机器流向另一台机器，而是在成千上万张 GPU 之间高速交换，连接本身就从配角变成了主角。
这个时候，问题不再是“谁的芯片算得快”。
而是“数据能不能以足够低的损耗、足够低的功耗、足够高的带宽送过去”。
如果送不过去，再强的 GPU 也会被困在自己的孤岛里。

所以她开始拆 CPO。
从光纤阵列单元，到微透镜。
从外部连续波激光光源，到 DFB 激光器。
从 InP 衬底，到 MBE 外延设备。
从高纯度红磷，到 SOI 衬底。

每拆一层，她问的都不是这个概念有没有热度。
而是三个更加底层的问题
第一，这个东西是不是物理上必须存在？
第二，这个东西有没有可替代方案？
第三，如果需求突然放大，谁的产能最难复制？

这和普通炒题材完全不一样，反倒是有点像马斯克说的第一性原理。
普通题材投资，是先看到一个宏大叙事，再去找名字最响、流动性最好、讨论最多的股票。
Serenity 的路径反过来，她先从产业链最底层寻找不可替代性，再看这个不可替代性有没有被市场定价。

这就是为什么她会看AXTI。
在市场还没真正理解 AI 光通信之前，她就盯上了 InP，也就是磷化铟衬底。
这东西听起来冷门得不能再冷门。
不性感，不好传播，也不适合普通人茶余饭后聊天。
但它是光通信、激光器、光电器件的重要底层材料。
如果未来 AI 基础设施越来越依赖高速光通信，那么这种材料就不是边角料，而是地基。
更关键的是，做这类衬底的公司很少，产能不是说扩就能扩，质量不是说追就能追，客户认证不是说过就能过。
这就是典型的紫苏叶。
小、冷、不起眼。
但卡住了别人。
她看 SIVE 也是同样的逻辑。
很多人讨论 CPO，只会讨论博通、迈威尔、英伟达这些大公司。
但她盯的是外置连续波激光光源。
因为 CPO 不是一句光进铜退就完了。
要把光引进去，要有稳定可靠的光源；要让封装内的光电转换成立，就必须有足够成熟、足够高功率、足够可量产的激光方案。

于是，一个瑞典小公司就突然从边缘进入了 AI 基础设施的中心。
这就是她的思维习惯：不是看谁最大，而是看谁最窄。
最大的公司未必最有弹性，最窄的环节，才可能拥有最高的重估斜率。

树莓派

树莓派那一战，其实是紫苏叶理论的另一个变体。
表面上看，RPI 和 CPO、InP、激光器完全不是一类东西。
一个是教育开发板公司，一个是半导体材料和光通信链条。
但底层逻辑是一样的：同样的需求冲击，打在不同体量的公司身上，财务影响是天差地别的。
当 OpenClaw、PicoClaw、NanoClaw 这些工具开始火起来，我们的第一反应是：AI 又进化了，苹果 Mac Mini 可能受益。
但苹果太大，几万台、几十万台 Mac Mini 的需求变化，对苹果来说只是水面上的一点波纹。
可树莓派不一样。
它市值小，收入基数小，市场预期低，长期被贴着“教育硬件”“爱好者玩具”的标签。
一旦它从“学生买一块玩玩”变成“创业公司一次买几十块、上百块，用来部署本地 AI agent swarms”，它的可寻址市场就变了。
不是产品变了，是产品在新场景里的位置变了。
这也是我觉得 Serenity 很强的一点：她不只是看到需求变化，她能把需求变化翻译成财务影响。
大部分人看到 OpenClaw 火了，只会说AI好强。
她会继续问：谁会买硬件？买多少？一次性买还是持续买？会不会绕开云服务？为什么不用 AWS？什么场景必须本地部署？
这个需求打到苹果身上是噪音，打到树莓派身上是不是营收弹性？
这才是真正的研究。
后来财报验证，也确实让很多人闭嘴。
当初媒体急着给树莓派贴 meme stock 标签，说这是散户狂热，说这是 mass stupidity，说股价会 crash back to reality。
但 Serenity 从一开始讲的就不是轧空，不是表情包，不是散户抱团。
她讲的是 TAM 扩张、营收弹性、估值错配和市场共识失灵。

真正的交易员

这就是她和很多网红交易员最大的不同。
真正好的投资研究，不怕被质疑。
它怕的是没有可验证的路径。
Serenity 的很多判断，恰恰都有一条从物理限制到产业需求、从产业需求到公司收入、从公司收入到估值重估的链条。
当然，这并不意味着她永远正确。
紫苏叶理论也不是万能钥匙。
小市值、冷门、卡脖子，这三个词听起来很美，但每一个背后都有风险。

小市值意味着流动性差。
冷门意味着信息不透明。
卡脖子意味着一旦替代路线出现，估值也可能瞬间坍塌。
材料公司可能被周期反噬。
设备公司可能订单延迟。
光通信公司可能被大客户压价。
一个技术路线如果被验证，股价可以十倍；如果路线切换，也可能一夜回到原点。

所以我很欣赏 Serenity 的地方，不是她永远自信，而是她经常知道自己在赌什么。
她会讲风险。
会讲替代方案。
会讲为什么自己认为这个环节更难绕开。
也会用 AI 模型做反向辩论，让不同模型攻击自己的逻辑。

这点其实很重要。
很多人用 AI 是为了让它赞同自己。
Serenity 用 AI 是为了让它反驳自己。
这背后是一种很少见的研究纪律：我不是来证明自己对的，我是先假设自己可能错，然后看这个逻辑还能不能站住。
这也是为什么她的内容和普通喊单帖不一样。
喊单帖通常只有结论。
她的内容永远有路径。

从 GPU 到互联。
从互联到光通信。
从光通信到 CPO。
从 CPO 到激光器、衬底、外延、材料和封装。
从技术路线到供应商。
从供应商到产能。
从产能到收入。
从收入到估值。

最后才是股票。
很多人是先爱上一只股票，再给它找理由。
她更像是先画出一张物理世界的地图，然后看地图上哪个关口还没有被市场发现。
所以，紫苏叶理论真正值得学习的，不是买小票。
更不是谁被 Serenity 点名就冲。
如果只学到这一层，那很危险。

值得我们学习的

她真正值得学习的是一种研究顺序
一问产业的物理瓶颈在哪里
二问这个瓶颈有没有唯一性
三问唯一性有没有商业化路径
四问商业化路径有没有财务弹性
最后第五问才问市场有没有定价

顺序不能反。
如果先看涨幅，再找故事，那叫追热点。
如果先看叙事，再找标的，那叫炒概念。
如果先看物理约束，再找财务弹性，再等待共识修正，那才接近 Serenity 的方法。

我觉得这也是为什么她会在中文区突然出圈。
过去几年，AI 投资被讲得太宏大了，大模型改变世界，算力就是石油，英伟达卖铲子，数据中心是新时代电厂。
这些都对，但当所有人都站在同一个叙事入口，alph只会越来越少。
Serenity 提醒了我们另一件事：AI 不是飘在云里的神话，AI 是落在地上的材料、设备、线缆、光源、晶圆、封装、工厂、物流、认证和产能。
越往下，越脏，越累，越冷门。
但也越可能藏着真正的定价错误。
最大的alpha，有时候不是来自更宏大的想象力，而是来自更具体的耐心。

别人看见金枪鱼。
她去找紫苏叶。
别人看见英伟达。
她去找谁让英伟达的系统真正跑起来。
别人看见 AI 时代的海啸。
她去找海啸来临前，最先被冲垮、也最先被重建的那座桥。

这才是紫苏叶理论最打动我的地方。
它不是神化一个人，也不是鼓励散户去盲目追逐冷门小票，大部分自己追的小票都会以失败告终。
它真正提供的是一种新的观察角度：当一个大时代开始扩张时，不要只盯着最亮的灯，去看灯泡后面的电线，去看电线后面的铜、绝缘层、变压器、工厂和开关，去看那些没有名字、没有流量、没有故事感，但一旦消失，整个系统就会停摆的东西。

市场总是喜欢奖励显眼的东西。
但真正的瓶颈，往往藏在不显眼的地方。
这就是 Serenity 的紫苏叶理论。
也是我觉得我们最该从她身上学到的东西：不要只问什么最贵，要问什么最不能断。
诸君，共勉。

[b神.btc @CoinGod88]

“白毛女股神”喊单A股再次涨停，她到底是谁？ @aleabitoreddit
继周五喊单绿的谐波暴涨之后，今天刚开盘这位女股神又开始坐不住了最新消息，「白毛股神」Serenity 在社交媒体上发布其看好的「800V 直流电」概念股清单，包括两家A股公司A 股 https://t.co/MzPOBghq6t (易事特) 在 Serenity 喊单后上涨 20% 触发涨停易事特（https://t.co/MzPOBghq6t）主营 UPS 电源、数据中心设备及储能、充电桩等数字能源业务，贴合 AI 算力基建赛道截至收盘，易事特股价 5.94 元，总市值约 138.3 亿元Serenity的喊单已从AI芯片的“螺丝钉”环节，如光模块，封装等等转向更底层的电力基础设施迁移14:22 发文，14:24 才开始上涨，14:39 20% 个点涨停  2 分钟的反应时间，15 分钟的入场时间，这样的喊单能力，美股收益4502%的她到底是谁？

拒绝入职英伟达，因炒股更赚钱

Serenity 活跃于 X 平台，自称曾是 AI 研究科学家、RISC-V 基金会成员，手握多项半导体相关专利，还发表过《Nature》论文2018 年英伟达股价约 6 美元时，他曾受邀带队负责 AI 团队但选择拒绝，直言认为炒股收益更高他早年是 Reddit WSB 知名交易员，因分析并喊单 $AXTI 遭到平台封禁，而该股年内涨幅超 700%，也成为其经典交易案例他阅历丰富，足迹遍布 28 个以上国家，曾短暂旅居中国、墨西哥等地，还计划前往英国爱丁堡攻读 AI 相关专业，最终选择自主发展，目前在日本生活，常活动于硅谷湾区一个多月前她粉丝仅5万，现在她已经70W粉丝，并且超越马斯克成为付费订阅最多的账号就算是你拿着他的理论与发言去小红书都能快速起号有人专门搬运-售卖Serenit的订阅内容赚钱  还把公开的推文与社区开源的蒸馏Skill打包为商品在小红书出售，定价99-149RMB  据入群人数估算，已经获利一万美金如此被人追捧，那她的历史过往战绩如何？

高收益背后的洞察力

$AXTI：Serenity 的封号之作，提前 2 年低点布局，单只股票盈利超 1000% 

$RPI：提前两个月精准预测 Raspberry Pi 全年营收，当时的市场共识为 14%，他的预测为 55%，实际数值为 58%，公布后股价单日涨幅近 45%$SIVE：Serenity 最爱的标的，三月股价起飞前喊单，至今回报率已有 20 倍；

社区传闻他在市值 150M 时买入了公司约 1% 的股票，现折现可超 2000 万美元  公开建仓的 25 只股票涨幅达 100%-1000%Serenity 的“紫苏叶理论”认为：

市场都在盯着桌上的金枪鱼（英伟达、特斯拉），但真正暴利的机会往往藏在旁边不起眼的紫苏叶里。

金枪鱼是主角，紫苏叶是供应链里那些体量小、关注少、却不可替代的核心环节。

例如大多数人买英伟达时，他提前布局光通信材料公司 AXTI；如今看好人形机器人时，他关注的不是机器人品牌，而是做减速器的绿的谐波

喊单人设背后的质疑

有神话，当然就有质疑

有人发现，她公布的X创作者收益水平，其实更接近华语地区创作者的数据

按照目前市场情况，中国大陆、香港、新加坡等华语用户的广告收益通常只有每百万曝光约40美元左右，远低于美国、英国等英语市场

再加上她中文表达非常自然，经常研究和推荐中国股票，不少人开始猜测，她大概率是华人背景，甚至不排除就是中国人

更有意思的是，有人提出了一个大胆猜想：

她真正赚钱的方式，利用自身影响力影响小市值股票价格，具体逻辑很简单：

先提前布局欧洲或其他冷门市场的小盘股，然后发布免费的深度研究报告

当大量粉丝跟进买入后，小盘股流动性较差，股价很容易被推高。相比订阅收入，这部分持仓浮盈可能更加可观

最典型的案例就是X-FAB。在其发布相关分析后，股价一度单日暴涨超过70%，引发市场热议。

当然，目前这些都只是外界猜测，并没有任何直接证据证明其存在操纵市场行为

支持者认为，她只是做研究分享；质疑者则认为，如此频繁展示订阅人数、持续放大个人影响力，本身就值得关注

无论真相如何，这种“研究报告+社交媒体影响力+小市值股票”的模式，正在成为X平台上一种全新的KOL现象

[拖拉机 @tuolaji2024]

看完了报告，

1，800VDC 电源 → 推迟到 2028+
2，CPO 上量 → 推迟到 2029+
3，铜和可插拔光模块 → 继续赢
4，CPO系统良率仅19%且涨多了，交易非常拥挤 → 短期承压
5，存储器（HBM/DRAM），真正的物理瓶颈，供需紧张不受影响。
6，宽禁带半导体（GaN/SiC）放缓。

整体来讲，全面否定了光通信的下一次升级，利好老干部光模块和 npo，就这样。

[赴野 @duanhjlt]

35岁之后什么能力最重要？

天涯大神的结论

[Big Jack @Tokencomemyhome]

@caijingshujuku 居然不收钱就开始送货了

[0x鸣人 @LuBtc888]

美股的存储涨疯了，但绝大多人对真正的存储并不了解。

今天一条视频带你全面了解计算机存储技术！

[Big Jack @Tokencomemyhome]

@XieJackie 信华为智驾的嘚去测测智力

[谢嘉琪 Jiaqi @XieJackie]

事实说话，特斯拉FSD对比小米，理想，华为智驾到底如何？限宽墩+无保护路口挑战

特斯拉：限宽墩走的速度是前面司机的两倍，加速过去。无保护路口完美避让卡车通行。

🚨剩下所有车企： 限宽墩前面直接停摆。无保护转弯完全跟看不到路上的车一样，吓得车主卧槽说了100遍。感觉连FSD12水平都没到啊

[Big Jack @Tokencomemyhome]

@weiyux2021 不会真的有人信这种蠢话吧，他自己信么

[小金鳄KGoldCroc🐊 @kennienull]

后摩尔时代半导体封装正从硅基向玻璃基跨越
玻璃基板依托可定制热膨胀系数、低介电常数及超低损耗特性，彻底击穿了传统有机基板与硅中介层在高频、高热、大尺寸多芯片集成下的物理极限 。目前全球巨头已集体背书技术 ，随着面板级PLP量产突破与提升，成为高算力AI、HBM、光模块等领域供应链的核心赛道

[美股OK哥 @artinmemes]

但斌今天分享的视频爆了，14分钟讲清楚光模块

押注美股相信光板块的，都值得看一看

[我不是糖宝 @iYXwivACYC88764]

给各位领导更新一下最近天孚通信的情况，这次黄紧急来中国是准备和天孚通信谈入股合作的，大概是投资20亿美元左右的一个规模吧。最近英伟达5 亿美元获康宁认股权证（行权价 180 美元 / 股），总投资上限27 亿美元，锁定长期产能。这是对光连接的一个长期押注，而天孚通信是全球光器件绝对龙头，双方的合作值得大家的期待，如果谈成了，那等于英伟达拿下了整个光连接的未来。[玫瑰]
by Dtyzz

[我不是糖宝 @iYXwivACYC88764]

长存拟IPO，国产WFE千亿赛道爆！#珂玛科技#深度受益，成长动能拉满
核心事件
据路透社重磅消息，国内存储龙头长江存储（YMTC） 拟于6月中旬提交IPO申请，开启资本化征程！作为国产存储的核心力量，长存的资本加码，将直接引爆国内晶圆厂设备（WFE）扩产浪潮，5000亿级国产WFE黄金赛道愈发清晰，产业链核心标的迎来价值重估机遇！
行业红利：扩产潮来袭，WFE市场迎爆发
当前长存产能约20万片，2026年两大新厂启动建设，预计2027年下半年完成土建、年底设备进厂，二季度将迎来密集订单下达期！叠加长鑫存储新厂规划落地，国产WFE市场有望在2027年冲击800亿美元规模，存储芯片扩产+设备国产替代双轮驱动，产业链景气度持续走高！
珂玛科技：长存核心供应商，深度绑定高景气
作为半导体先进陶瓷零部件绝对龙头，珂玛科技（301611）深度卡位WFE核心环节，是长江存储陶瓷加热器独家供应商（市占率100%，收入占比超80%），充分受益长存扩产红利！
技术壁垒筑牢：国内唯一实现氮化铝陶瓷加热器量产的企业，打破日本碍子（NGK）长期垄断，产品适配长存12英寸晶圆厂全制程需求；
产能全力释放：陶瓷加热器产能从2024年60支/月提升至2025年底200支/月，2026年可转债募投达产后新增产能600只/年，精准匹配长存扩产订单需求；
国产替代领跑：2025年12英寸静电卡盘完成验证并小规模量产，切入拓荆科技等头部设备商供应链，半导体领域营收占比超82%，成长确定性极强。
价值展望：乘势而上，开启高增长新周期
长存IPO募资将进一步加速产能扩张，设备采购需求集中释放，珂玛科技作为核心零部件供应商，订单量有望迎来爆发式增长！叠加国产WFE千亿赛道扩容+半导体设备自主可控政策加持，公司“陶瓷加热器+静电卡盘”双核心产品持

[Big Jack @Tokencomemyhome]

@dngling28888072 这话说出来你自己信吗

[Big Jack @Tokencomemyhome]

@qg7777 TDSCDMA是什么狗东西 谁知道

[Macro_Lin ｜ 市场观察员 @LinQingV]

A few weeks ago we discussed how Agentic AI is fundamentally reshaping CPU demand in data centers. The ratio of CPU to GPU is moving from 1:4 toward 1:1, and in some configurations even 4:1. Orchestration workloads are turning CPU from a peripheral scheduler into a first-class compute bottleneck. Today UBS published a full report that puts hard numbers behind exactly this thesis.

Their expert calls quantify what I've been describing from hands-on experience. In traditional AI inference, 70-80% of compute sits on the GPU. In agentic workflows, that ratio inverts. 70-80% of the work lands on the CPU, across orchestration loops, tool calling, sandbox execution, and context handling. Each agent and its subagents consume 1-4 cores, with a single task spawning 10-100 parallel subagents. UBS estimates this drives a 3-8x increase in CPU demand per user.

The TAM math is striking. UBS projects the server CPU market growing roughly 5x from ~$30B today to ~$170B by C2030, validated through both bottom-up accelerator attach modeling and top-down analysis using NVIDIA's $3-4T AI TAM target. By 2030, they estimate ~40MM XPUs will require ~33MM AI CPUs, with the CPU-per-GPU attach ratio approaching 0.8x from 0.3x today.

The competitive split is where it gets most interesting. ARM takes ~42% unit share but ~52% revenue share by 2030E, driven by head node dominance (78% of AI head node CPUs) and meaningfully higher ASPs. NVIDIA Grace at 144 cores prices at $3,000-4,000, AWS Graviton 5 at 192 cores trends higher. AMD ranks second on multithreading and core density. Intel benefits least but still rides the rising tide on the traditional server and PC side.

One thing UBS flags but doesn't fully model: agentic workloads are increasingly shifting execution to edge devices and PCs, which could compress the cloud CPU multiplier from 5-8x down to ~4x. The eventual cloud-to-edge balance is the biggest open variable in this entire framework. Worth watching closely.

[Macro_Lin ｜ 市场观察员 @LinQingV]

华为昇腾2026年芯片营收预计从75亿美元跳到120亿美元，同比+60%。FT报道大部分订单集中在昇腾950PR，字节、腾讯、阿里都在抢。与此同时，DeepSeek V4定价页写了一行灰色小字：受限于高端算力，目前Pro的服务吞吐有限，预计下半年昇腾950超节点批量上市后，Pro价格会大幅下调。

一个模型公司，把自己API的降价节奏明确锚定在另一家公司的芯片量产时间表上。DeepSeek没有说”等NVIDIA供货改善后降价”，它选择的锚点是昇腾950。在DeepSeek内部的成本模型里，昇腾已经从”兼容适配”变成了”产能依赖”。这种绑定深度在国内AI产业里没有先例。

几百个超节点意味着什么量级？昇腾超节点支持64卡步长扩展，最大8192卡全互联。即使按最保守的64卡/节点估算，几百个节点就是上万张昇腾950。单DeepSeek一家的需求，就能撑起一条可观的供应链订单流。

沿着供应链从芯片往外走，几个关键环节的供应商卡位值得梳理。

先进封装，盛合晶微。昇腾芯片前道由中芯国际完成，后道2.5D/3D封装据业内共识由盛合晶微承接。据产业链信息，华为与盛合晶微签订了多年期合约锁定产能。据招股书及调研数据，盛合晶微在2.5D硅基封装规模化量产领域国内市占率85%，全球具备这一能力的仅有台积电、三星、英特尔和盛合晶微四家。昇腾芯片需要的大尺寸2.5D多芯片集成封装，大陆目前仅盛合晶微具备规模化量产能力。今年科创板最大IPO，募资约50亿，发行市盈率195倍。

光模块，华工科技。昇腾超节点是全光互联架构，CM384里NPU和光模块的比例是1:18。华工科技是华为800G光模块核心供应商之一，在华为体系内份额领先。两家公司都在武汉，合作始于2005年，华为金牌供应商。技术路线上，华工的硅光LPO方案天然适合昇腾这种封闭集群场景，800G出货中硅光占比已超70%。光迅科技也有份额，但基本盘在电信市场，AI算力场景的增量弹性弱于华工。值得一提的是华工的上游基本自己解决了，硅光芯片全自研，EML芯片通过参股的云岭光电覆盖，唯一外部依赖是Marvell/博通的高功耗PAM4 DSP芯片，而LPO方案恰恰绕开了这层依赖。

存储（HBM），华为自研。昇腾950PR搭载自研HBM，分HiBL 1.0（128GB/1.6TB/s）和HiZQ 2.0（144GB/4TB/s）两个版本。三星和SK海力士的HBM受出口管制约束拿不到，华为走了定制化路线，HBM通过封装载板走线连接而非传统硅中介层直连，和标准HBM在物理接口上有差异。DRAM颗粒来源市场普遍推测指向长鑫存储，但双方均未公开确认。

高速连接器，华丰科技。昇腾950PR互联带宽2TB/s、功耗约600W，对背板连接器的要求极苛刻。据产业链信息，华丰科技是昇腾高速背板连接器的核心供应商，市占率居前。

PCB和载板，深南电路同时覆盖高端PCB和IC载板两个环节，兴森科技在ABF载板有份额。上游CCL看生益科技。

一个容易产生误解的环节是OCS光交换。昇腾超节点的”全光互联”用的是华为自研的灵衢互联技术，本质是基于光模块的点对点直连，拓扑固定，不需要OCS的动态光路重构。集群层面（多个超节点之间）用UBoE或RoCE以太网组网，华为推荐UBoE。所以昇腾放量对OCS产业链的直接拉动有限，OCS的增量客户主要在谷歌和NVIDIA生态。

供应链弹性是短期的事，更值得关注的是背后一个结构性拐点：国产AI算力的需求侧，正在从”政策驱动采购”转向”市场化产能消化”。DeepSeek愿意把自己的降价空间押在昇腾产能上，说明国产算力的性价比已经跨过了某个临界点。当需求侧的拉动力从行政指令变成商业利益，供应链各环节的估值锚就该重新校准了。

DeepSeek V4在昇腾950超节点上8K输入场景实现TPOT约20ms、单卡Decode吞吐4700TPS（离线推理模式，不含Serving调度开销）。这个数字已经具备商业化部署的实用性。当国内最强开源模型把昇腾当成默认优化起点，其他模型厂商跟进是顺水推舟的事。昇腾过去缺的就是一个重量级模型厂商带头用起来，DeepSeek补上了这一环。

[青峰见财讯 @QingFengJianZX]

国产芯片调研，总结下：

1. 昇腾2025年芯片总出货约52万颗，集中在Q2-Q3，Q4出货偏弱；2026年Q1已确定出货15万张910系列卡。

2. 2026年不含互联网大厂自研，国产高性能AI推理芯片合计约300万张：一线昇腾/寒武纪/海光160-170万张，沐曦/壁仞等二线近100万张，昆仑芯30多万张。

3. 上述近300万张高性能推理芯片全部需要2.5D先进封装。

4. 国产2.5D封装主流用CoWoS-S，仅寒武纪690采用CoWoS-L，由国内工厂封装。

5 国产AI芯片海外流片（三星等），封装全部转回国内，规避政策与海关限制。

6. 国产芯片硬件较海外领先仅落后1-2代，但软件生态差距更大、长期难追赶；当前依靠适配推理场景，训练仍高度依赖英伟达

7. 国产芯片深度适配特定模型后，部分头部产品性能可超英伟达H20；特定模型具备成本优势，通用模型Token成本无优势。

8. 2026年国内AI推理需求超预期，未来1-2年可持续增长；核心驱动为编程辅助、chatbot，AI Agent成熟后会再掀增量（参考海外是数量级变化）

9. 国产AI芯片高效使用期约5年：前3年算力达成率约70%，3-5年降至60%，5年后仅45%-50%，后期运营成本大幅走高。

10. 未来2-3年国内推理芯片市场持续高增，增量逻辑：办公场景渗透、AI PC/AI Phone端侧算力、文生视频普及、逐步切入训练替代市场。

11. 昇腾950下半年批量部署， 960系列2027年批量出货，2027年末可规模切入大模型训练场景；竞品海光/壁仞/寒武纪在训练芯片方面落后昇腾半代至一代（约1年）。推理上各家在不同场景各有优劣，无明显领先。

12. 互联网大厂自研芯片：阿里平头哥进度领先，性能接近H20，2026年出货40-50万张；字节自研2026年仅小几万张、2027年才规模化商用。

13. 英伟达H200进口仍受限，2026年或有限放开，但不会大规模准入。

14. 国内厂商海外建数据中心采购英伟达高端芯片，不属于国产芯片市场需求；但另一方面，数据出境受限、政策未来或要求国内模型必须国内训练，海外算力无法承接国内核心业务（给昇腾这些潜在训练卡留出市场）

15. 昇腾910B/910C/950均采用CoWoS-S过渡路线，960系列全面升级为CoWoS-L。

16. CoWoS-L核心供应商：SH、QL、TF；昇腾重点扶持 QL， 长期 SH、QL  共存，QL 后续份额略高。

17. 昇腾引入多家封装供应商核心逻辑：产能瓶颈、降本提良率、供应链安全；SH 技术与良率仍领跑，CoWoS-L良率领先同业5-9个百分点，规模化量产早1-2个季度。

18. 寒武纪690受先进制程+CoWoS-L封装双重产能约束，2026年 SH、TF 产能逐步爬坡，虽然规模仍偏小；产品性能优异、客户测试反馈好。

19. 先进封装厂扩产优先看订单需求+工艺良率，先提良率再扩产是行业主流选择。

20. 封装下单到GPU终端交付周期约2个月；2026年昇腾120万颗GPU出货目标下，HBM供应无瓶颈，超量出货则面临供给压力；当前CoWoS-S产能紧张源于前期需求预判保守、扩产滞后。

[STOCK调研公社 @STOCK6688]

【燃气轮机投资机会】根据GEV在2026年美国银行全球工业会议上的表述:AIDC领域燃机订单高增，GEV当前燃机在手订单中，未来6-18个月将转化为新签订单的预定协议中，有三分之一来自AIDC，当前燃机订单已经排产至2030年，甚至已经有客户锁定2031年产能。

今年GEV4月至今电力设备订单价值已超过2026年第一季度总额。2026年上半年订单定价预计比2025年第四季度每千瓦价格高10-20个百分点；26年第二季度预计签约10-15吉瓦合同，2026年底合同吉瓦数至少达110吉瓦。

【杰瑞股份】公司26Q1业绩超预期，核心原因为燃机交付规模&利润率超预期；
【中国动力】海外燃机进展超预期，船价和订单持续复苏船用发动机业务持续景气；
【应流股份】批产型号的数量是叶片公司的核心竞争力。应流两机零部件一共1004个型号，其中在研的113个；
【万泽股份】叶片龙二，2030年规划产能50亿+，近期设备集中入场、客户长协持续落地；
【联德股份】核心客户为卡特、Innio，2025年公司对卡特、Innio的业务体量均为2000万-3000万元，处于批量化初期阶段；
【东方电气】此前签订北美20台订单，订单有望持续提升，扩产也在积极跟随。