Limbo

[Limbo @Limbo634945]

@XiaoZha62335239 @vikingeatmoon1 @Corsica267 goog可能可以把搜索业务从2c变成2b。但确实靠传统搜索广告再走下坡路了，可能随后会沦为卖search api的业务

[Geoff Keighley @geoffkeighley]

Hats off to doctoral student and podcaster Zhong Shu in Beijing, China, who did this fascinating and smart interview with Christopher Nolan about THE ODYSSEY yesterday, originally posted to Bilibili.

A great listen/watch.

[Limbo @Limbo634945]

@ShanghaoJin Isn’t that a good thing, pump and dump pattern seems more concerning

[polymaster @polymaster]

https://t.co/APheUwkunq

[老猎户 @yao30059829]

喂哥们，好消息啊，明年给你们的配额上调了50%啊，怎样，够意思了吧。很多了呀。
啥？不够！客户想要四倍？
哎呀怎么可能呢？现在情况你也知道，全世界都在找我要额度，都是几倍几倍的要，我给你上调50%很够意思了呀，否则大家都想占别人的额度，我在中间的很为难的呀。
啥？你说隔壁INTC产能可能翻倍？他家东西过去都没人要的你不是不知道啊？他又发疯前几年借债新投那么多厂搞得快破产，现在翻倍不是很容易吗？我这边情况你又不是不知道，怎么可能还有闲余呢？
好了好了，这样哈，我们美国那新厂三年后要试产，你要不现在就下单抢点哈，大家老朋友了，我把你排队往前挪一位，不让你等太久可好啊。

[Herman Jin @ShanghaoJin]

@bboczeng @lm_qg122 暂时完不了～～

AI是癌症，不同于互联网他需要capex！现在不管向经济体输入多少养分，都被新质生产力吸走

癌症病人最后死亡是多器官衰竭。经济体死于AI是大规模失业通缩，导致对模型支付能力问题

参考下1848年

[铁柱 @TiezhuCrypto]

不清楚jin老师的来源，但是客观来说，这个概率蛮大。如果是真的，一些看法：

1、应该指的是Rubin Ultra。只不过上次已经从16-Hi降下来。如果进一步降下来。也就是原来的4die，12Hi，8cube。再进一步降低，那就只能是3die，8hi，8cube。就是不清楚是封装4个，只启用3个，还是就是重构了。

2、相当于将整个封装比例，算力die和容量同时下降25%。如果是这样，那么峰值算力会下降，但带宽是保留的。单die的带宽反而提升了。

基于以上两点，如果调整属实，那么可能的情况是

1）由于原计划是4die，已经接近光罩极限，再加上别的中介层，整个后封��的面积确实非常大，对良率和基板的要求着实有点高。

2）保留了8 cube背后，还是考虑了模型推理最看重的带宽能力。这也说明，NV即便放弃了别的，也还是很看重推理性能的领先性。

3）如果要想总体集群上算力不损失，那么NV可以扩大NVLink域。那么利好交换芯片？光？连接器？

4）更大的NVlink 域，还有一个好处就是进一步强化了强化客户对NVLink和CUDA系统的依赖。系统BOM价值并不会低。

[Limbo @Limbo634945]

@ShanghaoJin @tony_wood2005 金老师 要不把这类历史题材文章公布到substack上

[Limbo @Limbo634945]

@ShanghaoJin @tony_wood2005 期待😊

[Limbo @Limbo634945]

@ShanghaoJin @XiaoZha62335239 @TiezhuCrypto 这么说来 老黄才是控制预期的高手。每次给的指���都能beat

[Limbo @Limbo634945]

@ShanghaoJin 金老师 别和水平不如自己的人撕逼。只会给别人增加热度

[fin @fi56622380]

AI半导体终局推演2026(II)

当半导体结构性演进到AI推理主线，内存和存储成为了最大瓶颈，市场对内存和存储最大的怀疑就是：

HBM/DRAM/SSD会不会摆脱传统周期性？

依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？

长鑫扩产的影响有多大？会不会把这个市场重新带入周期泥潭？

本篇尝试去建立一个框架来梳理这几个问题

—---------—---------
万物皆周期，而内存的周期性又特别强，最大的来源在于扩产周期过长，无法快速扩产和需求短缺时期错配

摆脱传统周期性几种可能的方式

1. 定制化：产品不可互换，产能不能随便转移，需要签长��。

2. 结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直��不上。

3. 技术迭代快速升级：每一代产品都快速淘汰上一代。
满足任何一条，就能部分摆脱传统周期；满足两到三条，就能摆脱大部分传统周期

根据这个框架， HBM在三条里，大概占了两条半

1. 定制化，需要签长约（较弱，算半条）

HBM 确实有定制化和Nvidia codesign的成分，但并不是很强。真正定制的部分只在封装和 base die，上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。

比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候，它并没有把这批产能砸在手里报废，而是转手就供给了 Google 的 TPU、AMD. 物理上，给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E，是同一个东西。 所以产能仍然是部分可以自由转移的。

HBM4之后的定制化更多一些，包括在 base die 上集成定制逻辑和/��缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die

SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作，但这指的是 base die 的定制，上面的 DRAM 层仍然是标准的。

部分定制化的特性，HBM主要在封装上需要合作，这也导致了客户必须签长约，但产能也确实可以转移，所以HBM 能勉强算半条。

2. 结构性的指数需求增长（满足）

最直观的原因，就是Nvidia token factory token throughput的硬件升级需求，导致了HBM带宽的升级换代极快，以及HBM size需求的指数增长

这一条其实就是上一篇AI半导体终局推演2026(I)的结论：
token throughput = HBM size × HBM 带宽，每一代翻倍。

HBM size per GPU大概每年增长40%以上

这条需求曲线的陡峭程度，是DRAM供给端 14% 的 wafer 增长，乘以 9% 的 density 提升，很难追上的

在硬件领域，因为attn阶段KV cahce的��高带宽和极高memory size的要求，也导致了HBM独特的地位。即便是HBM涨价三五倍，把钱花在HBM上带来的边际token throughput提升，仍然比花在其他地方要划算的多。

其他几个Memory路线，SRAM，HBF，CXL，PIM，目前都无法在HBM的主力赛道kv cache/attention上正面竞争，起码未来5年甚至更长时间，不太可能找到替代路线

3. 技术迭代快速升级（满足）

DDR3时代过了15年，仍然只是DDR5时代，而HBM的升级换代的速度基本上是两年一代，比传统DDR要快很多很多，而且近来还有加速的趋势，HBM size x HBM BW每一代翻倍，目前是完全符合这个规律的

每两年一代HBM升级，NV GPU速度基本是指数型上升：2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s，而且HBM的速度和推理token throughput是完全线性正比的，上一代HBM的边际使用成本会不划算，大家都有动机去尽量用最新的产品，虽然更贵，但是带来的收益(token throughput)是更多的

Token factory时��的逻辑是，技术升级（HBM带宽）的越多，赚的越多

这个速度差，造成了一个和 CPU 类似的局面：旧产品快速贬值，于是囤货的价值在变低，比如说，HBM3的价值贬值的非常快，今天基本上主流产品不会用了

所以HBM 厂商的理性选择，从拼当前的产能去占市场（quantity competition），变成了在稳定性和HBM速度上拼技术，拼下一代在 NVIDIA 平台上的 qualification 份额（quality competition），从而避免了在传统周期的下行波段，大家都不愿减产掉市场份额的囚徒困境。

—--------------—--------------

HBM和传统DRAM比较，三个条件里满足了两个半，那么HBM能摆脱传统周期性吗？

内存周期性的来源，主流叙事是，DRAM 有Commodity属性（无差异化 → 价格战 →库存可囤积），所以有周期性。

而Commodity属性本身并不产生周期，它只是一个振幅放大器

特别是DRAM领域里，曾经产生过囚徒困境，在下行周期三星���经扩产抢市场份额，谁先减产谁���亏，导致谁也不敢轻易减产，最后大家都亏损惨烈

实际上周期性的主要结构性来源是供给周期太长，很容易和需求周期错位。建一座 fab 要 3 年，投资上百亿美元，一旦决策就不可逆，而需求增长会有不稳定性，每次出现新范式增长，比如云服务，移动互联网手机，疫情线上需求，会有爆发式增长，而过了两年增长会放缓，供给高于需求，降价过猛，就变成了亏钱周期

万物皆周期，HBM这一条同样是无法避免，但只要token需求仍然是指数型增长，结构性的指数增长会减弱周期性，因为需求可预测度更好，而且一旦降价，客户就有增大HBM size的需求（从而增大token throughput），加上HBM有一点定制化要求导致都是长约，从而从周期性转化成成长周期性，而且这一轮周期会特别长

周期性：上行周期赚的多，下行周期亏的多
成长周期性：上行周期赚的多，下行周期赚��少

另外，HBM/DRAM在这三条摆脱传统周期的条件的基础上，还有一条重要优势：

4. 因为DRAM密度增长scaling越来���慢，以及HBM升级换代导致DRAM堆叠倍数的增加，供给端的扩产难度持续增加

2000年附近，DRAM每片wafer上DRAM bit密度每年增长大概45%，也就是说，就算晶圆wafer数量不扩产，每年的供给端DRAM bit仍然可以增长45%

十年前，DRAM bit每年密度增长降到了20%，而现在，DRAM bit每年密度增长降到了9%。以前DRAM扩产甚至不怎么需要新建厂房就能得到每年20~30%的bit volume上升，现在DRAM要扩产，更多的是靠wafer数量的增长，也就是新建厂房和clean room。

另外一个HBM快速扩产难度在于，HBM3e大概需要3倍的DRAM wafer晶圆，而HBM4由于堆叠密度的增加，大概需要4倍的DRAM wafer晶圆数量，相当于HBM bit相对于DRAM bit一直变得更难制造，单位DRAM wafer数量制造的HBM bit越来越少，相当于在通缩

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

HBM未来有一天，会不会从成长周期性，变回传统周期性？最重要的因素是结构性指数增长，那么
AI推理时代，这个依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？

token throughput = HBM size × HBM 带宽，这个HBM指数增长的第一性原理里的HBM size的增长原因正是KV cache的增长。KVCache的特性以及Attention的特性,也是非常契合HBM的。甚至让HBM���先于其他的技术路线, 能够最大化地让KVCache和Attention 阶段的利用率。

换言之， 如果KV cache从架构上不存在了，那么HBM size指数增长逻辑也会受到挑战

所以这个问题的本质其实是，这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制，会不会消失？退潮之后会不会被取代？

从历史规律来看：每一次AI模型架构革命，真正被保留下来的，是那些在数学上具有某种普适性的 primitive 操作

举个例子：FFN（前馈网络，也就是模型里大量的 MLP 层）是 2012 年深度学习时代的产物，但它一路活到了今天的大语言模型里，并且仍然占据着模型相当大的参数量。它为什么能活下来？因为这也是一种universal approximation theorem（通用逼近定理）：任何足够宽的 MLP 都能逼近任意连续函数

Attention 大概率也是这样一个会被保留的 primitive。���为它解决的是一个同样 基础的问题：序列sequence 中任意两个位置之间的 dynamic routing（动态路由），让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效，就很难被丢弃

所以即便未来架构从纯 Transformer 向混合架构演进，或者向世界模型演进，但attention 层依然会存在，KV cache（或者它经过 latent compression 之后的等价物）依然需要，HBM依然会作为推理核心之一，这个依赖HBM指数增长的GPU KV cache架构路线进化路线，不会停止

—---------------—---------------

那么DRAM呢？在未来有没有摆脱传统周期性的可能？

HBM摆脱周期性在市场上有一定共识，但DRAM摆脱周期性，市场目前基本没有共识

还是回到刚才的框架，三个摆脱传统周期的条件里，DRAM是没有定制化的，所以就只能看技术迭代速度，最关键的还是要看，有没有结构性的指数增长，答案是有的

在 AI token factory 这个概念里，结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化：随着 agentic CPU开始释放潜力，CPU 附带的那部分 DRAM 需求，正在成为 DRAM 新的结构性指数增长来源

—------

这部分的增长逻辑分两层：第一层是CPU 服务器TAM的快速增长，第二层是每个服务器CPU core配备的DRAM用量的因为agentic flow快速增长

服务器CPU TAM的快速增长的4个逻辑在4月的CPU专篇详细写过，简单的说：

1. AI 加速器集群里CPU和GPU配比从传统的1：4变成1：2，甚至可能往1：1迈进

2. Agentic flow里CPU处理的延迟占比很高，50~90%成为重要瓶颈，需要同步扩容

3. AI coding让SDE的效率大幅提升，代码量数量级增长，软件API调用指数级增长，直接转化为这部分CPU hours指数级上升

4. Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，而且这个浪费问题五年甚至更久无法解决。另外CPU hours 在技术上很难通过优化的方法来通缩

这也就是为什么，上上个季���，AMD的财报说CPU TAM到2030年会到60B，两个月前，AMD/ARM把CPU TAM的2030年预测翻倍到120B，一个月前，Nvidia再次把CPU TAM的2030年预测翻倍到200B

而上个星期，Bernstein再次提升2030 CPU TAM指引到223B。在我看来，2031 CPU TAM未来上修到400B是没有太大悬念的事情，唯一的悬念是几个巨头会什么时候宣布上修这个指引

再说说第二层，为什么每个服务器CPU core配备的DRAM用量在agentic时代快速增长？

1. Agent 是带状态的长驻进程，不是无状态的请求-响应

传统 web/SaaS 是 stateless 的：请求进来，分配内存，处理完内存立刻回收。而一个 Agent 任务可以跑 一分钟到一个小时，这整段时间里，它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM

和 CPU hours 一样，每个任务的内存足迹因为 stateful 和 sandbox 隔离(每个任务复制数据库和上下文)的要求，技术上很难���缩

2. 上下文窗口在指数级变长，每个会话的工作集随之膨胀，并发度 × 单会话memory footprint，乘数放大

context window 从 32K → 256K → 1M，reasoning / test-time compute 的序列长度爆炸，未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长

现在把两层乘起来。

第一层，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量级(60B → 120B → 200B → 223B，我认为还会到 400B)

第二层，每颗 CPU 的 DRAM 配比，大概 3–4 倍(4~8GB → 16~32 GB/core)，但这个增长可能大部分是一次性红利

两个独立变量相乘，server 侧的 DRAM 需求是数量级的增长

2030年，即便按保守的300B CPU TAM，一个CPU core按$50来算，agent时代最保守按16GB/core，这算出来新增量最少都是96EB，而今年的DRAM总产量只有47EB，明年勉强60EB，这是非常惊人的增量

虽然这个agentic CPU带来的DRAM指数级增长，在第二层很大程度上是一次性红利，但持续时间会持续很久很久，因为这个短缺的缺口实在���太大了

—--------

回到文章开头那个框架。三个摆脱传统周期的条件里，第一条DRAM 定制化，基本可以忽略

而第二条：一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半)那么彻底，但已经是实质性的变化

第三条，技术迭代速度，DRAM的节奏也跟以前不一样了

因为以前的DRAM技术迭代速度是严重依赖消费电子的，DDR的进步对于performance用处并不大，但可预见的未来里，碳基消费的传统DRAM，会远远小于硅基消费（CPU服务器）DRAM的用量

以前DRAM的速度升级带来的边际效用是很低的，但现在因为CPU服务器对memory的需求增大，以及端侧AI对DDR速度的要求也增大，比如苹果为了跑本地大模型，LPDDR速度越来越快

速度升级的边际效用高了不少，所以DDR6和LPDDR6的速度迭代需求比以前提升了太大了，这在图里也可以看到，LPDDR6/DDR6的迭代时间缩短了，而且速度斜率，重新开始抬头

以前新一代DDR/LPDDR技术出来，大家的反应都很��淡，等降价了才会用

而现在LPDDR6出来，各家恨不得都在抢着能尽量早上就尽量早，因为速度的提升带来的performance提升是触手可及的

------

另外，DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快，导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的转换比极低，HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit，HBM4 是4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长，是被这个 HBM bit tax直接吃掉的

所以DRAM bit volume虽然未来每年能增长24%左右（14%来自wafer增长，9%来自每个wafer的DRAM密度增长），但算上HBM bit tax之后，传统的、非 HBM 的 commodity DDR，每年的 bit growth 大概只有 20%（约 10% 的 wafer 增长 × 约 9% 的 node density 提升）

—---------------------

中国长鑫扩产的影响有多大？如果不讲武德拼命扩产，会不会把这个市场重新带入周期泥��？

长鑫这几年的扩产速度还是很快的，2025年还是每个月20万晶圆，2026年北京晶圆厂及新增生产线的贡献就能到32~35万。

正在建设中的上海工厂一期和二期，一期预计到2027年每月新增10万片晶圆产能，二期预计到2028年每月新增10万片晶圆产能，也就是说，2027年每个月42万晶圆，2028年能到每个月50万晶圆。

但需要注意的是，长鑫的dram bit 密度大概只有御三家的一半左右，所以长鑫的每个月50万晶圆wafer能产出的dram bit volume只有其他家的一半，这里计算wafer per month的时候，就按等效一半来算

把这个折扣打上之后，长鑫对整个DRAM行业的冲击还是小了很多，从2025年年底到2028年年底，长鑫对DRAM bit产能CAGR的影响大概只有1.5%，全行业的DRAM产能CAGR大概从12.7%升到14.2%

DRAM月产能(kwspm) 2025E → 2028E CAGR

Samsung 685K → 920K 10.3%
SK Hynix 519K → 725K 11.8%
Micron 340K → 560K 18.1%
非中国其他 150K → 218K 13.3%
中国(密度折半) 117K → 274K 32.8%
—————————————————
含中国总计 1811K → 2697K 14.2%
无中国总计 1694K → 2423K 12.7%

就算是长鑫未来还能保持增产速度，2030年对全行业等效产能每年DRAM bit volume增产CAGR的影响，大概也不到3%，从20% CAGR变成23% CAGR，仅此而已

另外，长鑫被光刻机所限制，而DDR6 需要更高速率（14400 MT/s 起步）和更高密度,御三家做 DDR6 大概率会用 1c 或更先进节点（~12nm 以下），已经全面用 EUV。长鑫可能会在DDR6上速率受限，密度也只有一半。

—----------------

即便是成长性周期，为什么DRAM的这轮超级周期会持续很长时间，起码五年看不到头？

第一个原因是，刚才谈到的CPU服务器需求端的巨量增长带来的结构性DRAM需求指数增长，这里结合DRAM供给端的bit volume CAGR大概稳定20%增长，就可以很清晰的看到，DRAM未来几年的缺口为什么越来越大：

非HBM的传统DRAM供给端大概是每年增长20%，而需求端，按2026年60B CPU TAM，每个CPU消耗DRAM平均8GB/core，每个core $30~35来算，需求是16EB

2030年按400B CPU TAM，每个CPU消耗DRAM平均16GB/core，每个core $80来算(CPU涨价超过一倍)，���求是80EB，这部分DRAM的增长CAGR大概是50%，远远超过目前的估算

不同于HBM是直接和token throughput挂钩，从而和GPU赚钱效率直接挂钩，DRAM不够对于agent flow的影响主要是速度，比如说，8GB/core和16GB/core比起来，部分workload速度可能降低30%，部分低价值task实在要等等也能忍，结构性指数增长的动机很强，但需求不如GPU那么刚性

Semianalysis说今年的DRAM缺口式个位数百分数，明年是超过10%。从agent CPU数量激增导致的DRAM结构性来看，这个缺口每年都会继续加大，在2030年之前看不到降低的可能

—----

另外一个DRAM能延续强势很久的逻辑是，因为DRAM涨价之后，被涨价消灭的那部分需求，不是真的消失了，只是延迟了，需求蓄水池太多了。

所谓蓄水池，是指那些"内存一旦降价就会立刻被释放出来的潜在需求"。它们的存在，意味着即便供给阶段性跟上了，价格也很难崩，因为总有新的需求从蓄水池里涌出来接盘：

内存换算力/速度是一个蓄水池：

有大量本来需要靠额外内存来优化速度和算力的需求，在内��太贵时被压着，一旦内存降价就会被释放出来。

比如 Nvidia的CPX prefill 加速，本来的设计初衷是用额外的低成本GDDR7，来做一个专门的prefill加速器，结果LPDDR/GDDR都太贵了，比涨价前的HBM还贵，这个方案的ROI就不划算了，但等到普通内存降价，这样类似CPX的优化方案就还会回来

低价值task是一个蓄水池：内存涨价导致token价格居高不下时，高价值的 task 被优先保留，低价值的 task 被延后；内存一降价，这些被延迟的需求就回来了。

端侧 AI 是一个蓄水池：AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧AI满血版需要从8GB升级到12GB内存

常规消费电子、Agent PC、低端手机，因为内存涨价而减少的需求，全都是蓄水池。

这么多蓄水池叠在一起，构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长，后劲会比市场想象的要强。

—-----

还有一个DRAM价格很难大幅下降的原因在于，HBM和DRAM产能可以互相转换，所以整个DRAM complex是一��re-rate的

在上行期DRAM的利润率远超HBM，HBM的涨价幅度甚至变成了由DRAM去推动。今年新签约的HBM4的价格，就是当期DRAM的价格 x 4，也就是正常堆叠倍数对应HBM4的价格

一旦DRAM降价毛利下滑，因为HBM的长约透明性，利润率都是有保障的，HBM就会间接抽走更多的DRAM产能，HBM的降价也会让GPU厂商更有动力尽可能的升级HBM size，这样也间接保障了DRAM的价格地板

DRAM的结构性指数增长的需求有了，density scaling放缓扩产难度在增加，厂商扩产计划都很谨慎，长鑫这几年带来的影响也是有限的，再加上需求的蓄水池非常庞大，这四个原因导致了，在可预见的至少五年甚至更长时间内，DRAM是很难进入周期低谷的。

—--------------

NAND SSD有希望摆脱传统周期性吗？

NAND 的结构性增长动力没有 DDR 那么强，今年的缺货主要原因是几个主要玩家的生产纪律保持的很好，并没有大规模扩产，每年的产能增加主要来源于技术改进：NAND堆叠层数的增加

第一个结构性增长来自AI，主要���自 KV cache 的 offloading，把HBM溢出的warm/cold KV cache 卸载到 NAND SSD上。

但神奇的事情是，这个kv cache offloading的增长甚至还没有大规模发生，SSD就已经缺的比DRAM还严重了，涨价也比DRAM要更多。等到明年Rubin CMX放量，加上KV cache offloading大规模应用，SSD的缺货也会因为这个结构性增长而增长

第二个，另一个去年年度总结里说到的未来可期的AI视频带来的结构性增量，今年已经有出圈的态势了

Seedance体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段，需求被算力压着没完全释放。但等到缺卡阶段过去，AI 视频对NAND存储的结构性需求增长，会持续相当长的一段时间。

第三个结构性增长也同样来自于agent flow带来的Sandbox使用量的指数级增长，Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，同样会带来大量的SSD的浪费（需求）

第四个也许在2030年之后发挥作用的结构性增长，来自于HBF路线需要用到SSD，在不少投行分析中被寄予厚望，但这个技术路线还有些遥远，���要角色定位只能作为存放大模型的weights，写一次权重然后做只读，而且必须要和GPU/HBM封装在一起（48TBps/96TBps），否则靠PCIE7/8速度太慢完全无法用，只能说未来可期，下一篇AI半导体终局推演2026(III)会有更详细的分析

总之，NAND SSD的结构性增长没有HBM那么强，但是胜在便宜，价格到2027年也只有$0.8/GB，是同期DRAM的四十分之一，所以也算是多级缓存里的万金油属性，结构性增长来源太广泛了

也就是说，不存在DRAM/HBM单独涨价繁荣，而SSD不涨价的情况，因为如果这样的情况发生，那么大家就会想办法用SSD去承载DRAM/HBM的部分功能，用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事，而是同一 AI memory hierarchy 在不同温度层的结构性增长

结构性指数增长的需求有了，NAND SSD摆脱周期了吗？ 那么就要看NAND SSD厂家的生产纪律了，唯一可能不遵守生产纪律的，只有长存。毕竟这是一个囚徒困境，一旦有一家不讲武德拼命扩产，整个NAND产业要扩产的难度比DRAM简单的多。

但最起码的，这一轮NAND同样是超级周期，几个结构性指数增长带来的需求，下行期推迟到2030年问题不大

[3X Long Labubu @labubu_trader]

It's Sunday night, and I'd love to share some of my favorite podacasts. All of them have the great and unique insights:
With tradable insights:
1. Macro voice(@MacroVoices by @ErikSTownsend and @PatrickCeresna)
2. Renmac(@RenMacLLC, macro trading)
3. Goodeye 股癌(Taiwanese, great semi supply chain insights: https://t.co/wlfTOBhHHB)
Somewhat tradable:
1. 硅谷101(@thevalley101 Chinese, very deep insights, for example the recent episode about the feasibility and cost of space data center by former spacex engineer: https://t.co/gTJSGCY6De)
2. "Watch your bids" by @kevinmuir. Although he is a perma bear, it's always great to understand the thesis from the other side as traders love volatility ;) Note: this is a private podacast.
3. The intrinsic Value(@TIV_Podcast)
Non-tradable but still great:
1. macromicro 财经M平方(Taiwannese, great macro insights @MacroMicroMe)
2. BG2(@BG2Pod)

[sdmat @sdmat123]

Anthropic

[Limbo @Limbo634945]

@swh16888 ai时代没有什么高毛利轻资产的事业了（知识付费+搭建人际生态圈可能算一个）。剩下的可能可以高毛利的都是高端体验类，吃喝嫖赌

[qinbafrank @qinbafrank]

成长股的核心本质是什么？就是用业绩的高速增长来消化估值。很多人看成长股，尤其是AI产业链的股票，第一反应就是“市盈率这么高，还敢买？” 正好借着早上这个回复把“EPS高速增长消化估值”的逻辑聊一聊。核心就一句话：公司赚钱速度够快，就能用时间把现在看起来贵的估值，拉到合理甚至便宜的水平。

1、先聊聊最容���混淆的点
市盈率 = 股价 ÷ 每股盈利（EPS）
市盈率高 = 你现在为每一块钱盈利付的钱多，看起来贵。
但成长股买的从来不是“现在已经赚到的钱”，而是未来几年能赚多少钱。
如果公司EPS（每股盈利）每年都在快速增长，那未来EPS的基数会越来越大。
同样的股价，除以越来越大的EPS，市盈率自然就下来了。这就是“消化”。
简单说就是增长把分母（盈利）做大了，高估值就被稀释掉了。

2. 举个最直白的数字例子
假设现在有一只股票：股价100块
今年EPS只有2块
市盈率50倍（很多人一看就说“太贵了”）
情况A：每年EPS增长30%（比较稳健的成长）第1年：EPS变成2.6块 → 市盈率降到约38倍
第2年：EPS变成3.4块 → 市盈率降到约29倍
第3年：EPS变成4.4块 → 市盈率降到约23倍
第5年：EPS变成7.4块 → 市盈率只剩约13.5倍

情况B：每年EPS增长50%（很多AI供应链公司努���的方向）第1年：市盈率约33倍
第2年：约22倍
第3年：约15倍
第5年：只剩6-7倍

你看，股价没怎么变，只是因为公司赚钱越来越猛，市盈率自己就掉下来了。这就叫用增长消化估值。增长越快，消化得越彻底。2-3年时间就能看到明显效果，5年基本就完全消化了。

3.、为什么有些高市盈率的股票还能买？
因为市场给的不是“当前盈利”的价格，而是对未来盈利增长的定价。在AI基础设施这个阶段，很多公司现在还在重投入、盈利还没完全释放出来，市盈率自然高。但只要后面有真实订单落地，EPS就会加速增长。这时候你买的不是“故事”，而是能看得见的业绩兑现节奏。

增长一旦兑现，高估值就逐步被消化，股价反而有空间。反过来，如果只靠讲远期故事，没有订单、没有验证、没有业绩增速，那高估值就消化不了，反而是风险。

所以大家会看前瞻市盈率、前瞻市销率，本质就是这个逻辑。核心是看未来一年，或者两年业务增长能把估值消化到什么地步。

4、怎么判断增长够不够“消化”估值？
最早是彼得.林奇��出来的简单的一个指标叫PEG（把增长考虑进去的市盈率）：
PEG = 市盈率 ÷ 预期年增长率（%）
PEG接近1 → 价格和增长基本匹配，比较合理
PEG明显小于1 → 增长很快，相对来说不算贵
PEG明显大于1 → 增长一般，价格偏贵

举例：一只股票市盈率50倍，但预期每年增长50% → PEG=1（可以接受）
同样市盈率50倍，但只增长20% → PEG=2.5（贵）
市盈率20倍，但只增长10% → PEG=2（也贵）
所以不能只看市盈率高低，要看增长能不能跟得上。

5、实际投资里怎么用这个逻辑？
投资节奏很重要。纯讲“未来AI会怎么牛”的故事股，容易被高估值反噬。
真正有订单、能看到2026-2027年EPS明显增长的公司，才是增长在真实消化估值。
核心判断三条：
增长是不是有真实驱动（订单、客户验证、产能爬坡）？
增长速度能不能覆盖当前估值？（看PEG、看未来2-3年EPS复合增速）
万一���长没达预期，安全边际在哪儿？

6、也说说风险
增长消化估值不是自动的，它的前提是增长真的发生了。如果公司出了很多问题：
订单没落地
竞争太激烈导致价格战
宏观或者行业周期反转
公司自己执行力出问题
那高估值不仅消化不了，还会因为失望而进一步杀估值，这时候最惨。

所以真正明知的做法是：买那些增长路径清晰、已经开始兑现、而不是还在画饼的公司。这样即使短期波动，也能用时间和真实增长把估值消化掉。

上面聊了这么多，其实最核心还是看增长，特别是增长的速度，高市盈率不可怕，可怕的是增长跟不上。
只要EPS能保持高速增长，用2-5年时间，就能把现在看起来贵的估值，消化成合理的、甚至低估的水平。这不是理论，是过去很多成长股走过的真实路径。

所以成长股投资关键永远是两件事：
增长的确定性和兑现的节奏。

对一只成长股我们需要清楚：它到底是在用增长消化估值，还是在用故事透支估值。

[168X @168X_Fortune]

https://t.co/egqAFwIi12

[Herman Jin @ShanghaoJin]

模型收入追Capex：路漫漫其修远兮
——成本将重塑行业轨迹

模型能力受限于算力，普世可用的前沿模型已明显变贵、失智

AI使用成本vs效果是log函数：线性收益需要指数级投入

结果在大规模复杂应用中，前沿模型远没有想象中“便宜好用”。边际收益才是未来模型公司收入增加的真实约束

而token成本要快速下降，半导体就得加速迭代。半导体迭代也是指数己的，但降本周期根本不可能跟上模型迭代

早期模型对应人力优势明显，但未来某代模型会开始引发投入、收益讨论。这才是御三家前沿模型收入的屏障

未来，前沿资源就只能分配到边际生产力最高的用途、最有钱的用户上。（不是谁都需要超高智商的）比如Jump可以花10m USD的token让高频交���系统变更好。而散户则没有财力、需要手搓可实战的交易系统

因此AI与互联网革命的差别是：

互联网时代，半导体性能指数级提升，而需要线性增长；而AI时代模型算力需求更快、更高阶指数级

因此互联网资源冗余，平权时代，早期人人都“能”创业，看谁利用的好；而AI早期就会加强垄断、集权、集中财富。成本快速提高到只有他们“能”。只有经济资源、有权力才“配”得到算力、智力。AI将是一股基于现有资源的强中心化浪潮，新时代门阀

对市场投资而而已：在半导体、配电瓶颈缓解之前，简单模型会变成普世生产力提升替代路径

短期（1yr内）模型多元化早晚会侵蚀前沿模型收入增长、或增长预期（这恰恰是市场目前完全没有定价的）

AI的“狂飙突进”阶段正在遇到真实成本墙，是危及当前AI叙述命脉的“模型公司收入justify Capex”

然而，我其实毫不怀疑最终前沿模型收入一定能让今天所有投入合理化。拥有最多钱、资源的用得起智能卷死所有竞争对手，卷死自己员工。造成几百上千万人失业；

我也坚信不疑现在市场定价“一帆风顺”亦完全不可能的。现在能打到半导体“命门”的调整只将来自于模型变贵、或失智商导致规模性的用户投入产出review

另一方面，最终调整都不会击垮AI。互联网泡沫时代铺设的海底光缆延用至今，今天泡沫的一切都是人类前进垫脚石。AI最终会形成巨大寡头盈利和系统级智力淘汰

然而，目前AI角逐中不光5大hyperscaler all in 推了筹码，下不了牌桌。甚至中美都已经把AI定位成了新冷战。赌国运式的下了重注，对所有人，盖牌早不是选择。但如果要“看牌”就需要拿出2万亿现金（不是市值）去跟注

美股过往10年轻资产盈利“全世界收税”分红的逻辑将完全逆转。相反，市场需要在高位兑现万亿级别“财富”股、债券变成现金。把他花出去买芯片军备竞赛。更重要的，这可能伴随模型收入变贵、用户重估投入产出的质疑声中，孤注一掷，逆风增发、融资。不管美国政府、还是这5大厂，需要做这定海神针就要付出挡风遮雨的代价

[Limbo @Limbo634945]

@ShanghaoJin @Minamilv 我看gs的jim covello前两天做个访谈就说到csp接下来只有三种下场：
https://t.co/Bjf6uIm5ON rev追上capex，csp的fcf回归正常。semi和csp都赢
2.csp开始融资，裁员养ai。csp输，semi赢
3.csp放缓capex。csp赢，semi输

[Limbo @Limbo634945]

@ShanghaoJin @AntonLaVay 每个时代都有自己的“太空军备竞赛”