高鹏

[Michael的美投日记 @Michael_QQQ2025]

收藏了，通过vix、vvix期限结构以及vvix水平三个维度综合判断当下市场状态

[Jason @3PeaksTrading]

VVIX + VIX Term Structure - The Ultimate Volatility Trading System

🧵 Combining VVIX levels with VIX term structure creates a 3-dimensional view of volatility

This system has 75%+ win rate on volatility trades

Here's the complete framework and how I use VVIX in addition to VIX analysis to evaluate what volatility regime the market is in👇

[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，需要签长约。

2. 结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直追不上。

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/或缓存。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的极高带宽和极高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时代的逻辑是，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，在下行周期三星曾经扩产抢市场份额，谁先减产谁吃亏，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，下行周期赚的少

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越来越慢，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领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。因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，上上个季度，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，技术上很难压缩

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是太大了

—--------

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，大家的反应都很冷淡，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潭？

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)，需求是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，在内存太贵时被压着，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是一起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，主要来自 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，主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

[RJ @RJDAIGOGO]

可能是我最近看过的最好的一个讲高带宽内存HBM的视频，从基本原理讲到工程工艺，顺便比较了一下内存三巨哪家强。深入浅出，推荐观看。

[搞点薯条 @degenincrypto20]

下周mlcc要继续飞了

光通信：mrvl+nok
被动元器件：村田+6997+堺化学
功率半导体：英飞凌+wolf

感觉这几个板块拿着这几个票就可以躺平继续研究其他东西了

[王隐 @wangyinrec]

https://t.co/ffP2IwSTFM

[李傻根 MORE MONEY @v3wanu]

所有跟单Serenity的，再次隆重介绍一个专门针对他的监控网站给你们：

https://t.co/6AZ1Ncv9s9

详细得不得了

[遥远的诗歌🌤️ @SHIGE202064]

未来2030年的核心产业逆向拆解
用claude做了个a云端网页

https://t.co/7L0gP0V23z

[K三 凯 @kaikaibtc]

最可怕的不是他5个月32倍，是他把投研这件事外包给了AI

最近X上有个很火的美股交易员👉，「前 RISC-V Foundation 成员，AI 研究科学家；现在的工作是——交易那些没人注意到的瓶颈。」

看起来就是一个喜欢在网上吹牛的散户，对吧？直到我看到了他2026年5月晒出的那张收益截图。

2026年至今（5个半月）：+3,152.77%。
不是32%。是32倍。

而且这已经是「回撤之后」的数字。他在2025年7月才注册这个账号，到2025年底的半年里已经做到了630%的回报。

他买了23只股票。没有一只涨幅低于100%。涨得最多的那一只，翻了84倍。

如果你2026年1月1日给他1万美金，到5月20日，你可以拿回32.5万美金。10万进去，325万出来。

涨得最少的一只，翻了一倍。涨得最多的那一只，翻了84倍。

所以我把他这几个月的推特全部扒了一遍，发现这个人不是传统意义上的「基本面研究」。

他做的事情，我称之为——
「AI驱动的全球供应链瓶颈套利」。

👉23只股票，23次提前预知市场

这23只股票有一个共同特点：它们都不是什么明星股，全是你可能从没听过名字的公司。

但恰恰是这些没人注意的公司，每一只都精准地卡在AI产业链的「咽喉」位置——一旦断货，整个行业都得停下来等。

他看的是更底层的问题：如果AI继续扩张，哪一环会先不够用？

AI产业链的第一层瓶颈，比如GPU、HBM、电力、数据中心，已经被所有人盯烂了。真正能出超额收益的，往往是第二层、第三层：光模块、激光器、InP衬底、SOI晶圆、外延设备、晶圆级测试、IC载板、特殊玻纤。

最典型的是 AXTI。Serenity 在 Reddit / WSB 上发过一篇很夸张的帖子，把 AXTI 写成整个西方AI建设的“单点故障”：不是因为它名字响，而是因为 InP 衬底和上游材料卡在光通信、硅光、CPO这条线上。

👉他到底怎么实现的：普通人用AI看研报，他用AI制造研究差

很多人一听“AI投资”，脑子里想的是：问ChatGPT买什么股票，问DeepSeek这家公司好不好，问Perplexity总结一下财报。

这基本没用。因为同一个问题，所有人都能问，所有人都能得到差不多的答案。Serenity 的用法更像是把AI当成一整个投研助理团。

1. 先让AI拆产业链，而不是让AI推荐股票
如果全球AI数据中心继续扩张，从GPU、HBM、网络、光模块、衬底、外延、测试、封装、PCB、玻纤到电力，分别会卡在哪里？这个问题一变，答案就完全不一样，你会得到一张产业链地图
。

2. 再让AI沿着每个环节找供应商
比如你拆到光通信，就继续问：光模块里最难扩的是哪一段？激光器供应商有哪些？InP衬底谁供？外延片谁做？这些公司是上市公司吗？市值多大？过去有没有进入核心客户供应链？

3. 然后让AI做交叉验证，而不是只听一个故事
这个瓶颈会不会被替代？这家公司有没有产能？客户有没有验证？收入什么时候可能体现？有没有被稀释风险？有没有地缘风险？有没有管理层问题？估值是不是已经透支三年？

真正值得学的是问题 。

Serenity 这件事给普通人最残酷的提醒是：AI没有让投资变简单，AI只是把“研究量”的上限抬高了。

他的核心方法论可以压成五句话：
先确认超级趋势，不在小风口里找幻觉。
把趋势拆成物理供应链，不停留在概念层。
找第二层、第三层瓶颈，不追已经被充分定价的龙头。
用AI扩大检索、整理和反证能力，不让AI直接替你拍脑袋。
最后用人的产业理解和风险纪律决定仓位，而不是让模型替你冲。

Serenity在字典上是「宁静、安详」。

真正的宁静，不是不关心外界。而是当整个市场都在为「英伟达又涨了」而喧嚣、为「某某概念又火了」而狂热的时候——你却安静地坐在那里，看着一张全球供应链的地图，思考一个问题：

「如果AI继续扩张——下一个会被卡住的环节，在哪里？」

这个问题，才是他5个月32倍的真正秘密。

[铁柱 @TiezhuCrypto]

说实话，我对长存的了解远超长鑫。

长存应该是我在传统金融行业做的最后一个大单，当时作为半导体研究员，跟长存签了保密协议后，前前后后调研了几个月。
我当时说服领导的话术：我说以我的理解，五年内，假设我们这些金融机构倒闭了，长存都不会倒闭。

最后关头，领导们依然觉得风险很大，说你既然这么有信心，就在报告上签字留档，基本堵上了职业生涯。

我一直觉得长存真的是国内半导体的奇迹。技术路线上的赌性非常强，xtacking架构本身是三星最早提出来的，但是也是最先被放弃的，属于理论成立，实践难度巨大的技术路线。长存的突破我真觉得具有偶然性和运气，走钢丝成功了，仅此而已。

NAND领域，混合键合技术成熟而言，除了长存就是台积电了，到了更高层的堆叠，这个技术优势会更明显。去年传出来三星想要拿到长存的专利授权，一点也不意外。

五年前，我写那份报告的时候，这个结局就是注定的，包括上市。这里面跟技术有关系，也没关系。

国家意志面前，任何分析其实都没有意义。在中国，理解政府比理解企业的微观行为更重要。

[Macro_Lin @LinQingV]

长鑫存储扩产的设备供应链全景
长鑫现在合肥两座、北京一座，三座12英寸厂。合肥一厂11万片月产能，二厂8万片，北京厂7万片，加起来接近30万片，全部满产。两年涨了三倍，2024年初差不多10万片，2025年底冲到28到30万，2026年目标稳在30万。按晶圆片数算全球DRAM占比已经接近15%，但按销售额算只有3.97%，片数堆上来了，单价还在追赶。

工艺端，G4在16纳米已经量产，DDR5良率从2024年底的80%升到现在的90%区间。G5对应15纳米，2026年底量产。HBM2去年下半年就上了，比外界预期提前两年，主要供华为昇腾910。HBM3的前段晶圆产能主要在合肥和北京现有基地内部腾出来，目标月产6万片，约占30万片总产能的20%。后段的堆叠和封装由上海新建的HBM封测厂承接，2026年底投产。

产能还在继续扩。上海新厂分两期，Phase 1产能10万片，2027年初量产，Phase 2同样10万片，2028年初量产。加上现有的30万片，远期产能目标是奔着50万片以上去的。华为也在建一条10万片规模的产线，专门配合长鑫做昇腾系列所需的HBM3和LPDDR5X，2026年下半年开始全面量产。

IPO募资295亿，DRAM技术升级拿了130亿，量产线升级75亿，前瞻技术研发90亿。多家券商纪要提到其中约200亿会直接变成设备采购订单，叠加2024年712亿的存量Capex节奏，是国产设备厂未来两年最确定的基本盘。

长鑫正在进行的大规模扩产，设备采购需求非常可观。每个品类的国产化进展差异很大。

光刻是最大的对外依赖，国产化率连5%都不到。主力机器是ASML的NXT:1980Di，每小时出275片，覆盖到16纳米节点，目前还能正常采购。被荷兰管制的是NXT:2050i及以上，每小时295片，2023年9月起要许可证，2024年1月起对华许可基本停发。修正一个流传很广的说法，275到295片是1980Di到2050i的代际跳变，不是1980系列内部的迭代。长鑫往15纳米以下走，这道墙绕不开。上海微电子的28/14纳米DUV还在攻关，光刻这一环短期无解。

刻蚀占设备投资25到30%，是国产化最深的核心工艺。北方华创的ICP在长鑫产线上市占超过50%，中微的CCP介质刻蚀机做到50比1以上深宽比，专门用于HBM的TSV深硅通孔。但存储节点100比1深宽比的极端工艺，孔洞必须互相平行规整，任何偏差直接砸良率，Lam和东京电子在这个区间仍然是主力。

薄膜沉积占约25%，品类分得细。PECVD做绝缘层，PVD做金属互连，ALD做电容器的高k介电层。拓荆科技的PECVD已经批量进入长鑫DDR5和LPDDR5产线，北方华创的PVD覆盖铝铜溅射和氮化钛溅射。但DRAM电容器核心的高k ALD设备，应用材料和ASM的位置很难动，拓荆的ALD在验证爬坡中还没有大规模上量。整体看PECVD和PVD的国产化率高一些，ALD最低。

CMP只占设备投资5到7%。华海清科占国产CMP装备销售90%以上份额，12英寸Universal-300已经导入长鑫。新变量是中微4月29日刚过会的收购杭州众硅，6抛光盘架构是国际首创，效率比主流4盘方案高一截。国产CMP从单点供应正式进入双供。

清洗国产化率30到40%，盛美上海的SAPS/TEBO兆声波清洗覆盖FinFET和DRAM的16到19纳米制程。热处理40到50%，北方华创立式氧化炉打头，激光退火端莱普科技两年内国内市占从3%涨到16%，跟长鑫和长存共同开发匹配DRAM工艺的设备。这几个环节已经跑通了。

最薄弱的三个环节是量测检测、涂胶显影和离子注入。量检测国产化率个位数，KLA全球占51到54%，精测电子进了长鑫12英寸产线，中科飞测也在部分环节往里切，但高端光学检测和电子束检测差距仍然明显。涂胶显影国产化率仅4%，东京电子在大陆市占超过90%，芯源微是唯一量产替代，目前只在封装端站住了，前道关键层还进不去。离子注入同样个位数，万业凯世通累计交付40多台。弹性最大的三个环节，也是短期内最动不了的三个环节。

长存三期产线2026年一季度国产设备占比首次过50%，目标100%。长鑫设备国产化率已突破45%，但仍低于长存三期产线的水平。根源在工艺。DRAM的电容刻蚀和光刻精度对先进DUV的依赖远高于3D NAND。NAND可以靠堆层数绕过光刻瓶颈，DRAM要正面硬刚，结构性差异，跟意愿无关。

外部约束在收紧。4月22日美国众议院外交事务委员会投票通过了MATCH法案，路透社称之为"国会史上最大规模的半导体出口管制立法审议"。法案把长鑫、中芯国际、长江存储、华为、华虹一起列入covered facility，禁止ASML的DUV浸没式光刻机对长鑫出口，禁止盟国为既有设备提供维保，要求荷兰和日本在150天内对齐美方规则。主要推手是美光。一旦通过，NXT:1980Di这条最后的灰色通道就堵死了。长鑫本身还没进BIS实体清单，但设备进口其实早就在2022年10月那波18纳米以下DRAM工艺限制的笼子里。

45%的国产化率意味着长鑫在两条腿走路，海外设备保良率，国产设备保供应链安全。MATCH法案的压力反而在加速这个进程。长鑫每往国产设备多切一个百分点，对应的就是北方华创、中微、拓荆、华海清科、盛美这些公司实打实的订单增量。上海新厂分两期共20万片的增量产能，加上现有产线的持续技术升级，未来两到三年国产设备厂面对的是一个确定性极高的需求窗口。

从更长的时间尺度看，长鑫的扩产不只是一家公司的资本开支计划。它每走通一个工艺节点，整条12英寸国产设备平台就多一次被验证、被复用的机会。刻蚀和CMP已经证明了这条路径，薄膜沉积和清洗正在跟进，量测和涂胶显影是下一个要啃的硬骨头。这个验证循环一旦转起来，国产设备的竞争力会以远超线性的速度积累。

[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

[宁波保安孙师傅 @eGUAbe2V7j26GHw]

这才叫技术贴，比最近漫天飞的张雪摩托车文章靠谱多了

[qinbafrank @qinbafrank]

十张图拆解存储全球产业链，解读真的是很清晰。来自白馥说，贴过来一起学习下。

[bbshare @shadouyoua]

没钱没势没背景的普通人，逆袭最快的方法是：走暗路，耕瘦田，进窄门。这九个字就是对你最好的提醒。 刘震云老师讲的太好了👍👍👍

[高鹏 @nbachoni]

@congge918 @billions_ntwk 等大饼站稳ma120再说吧

[Wealth Club @WealthClub10x]

🎯 光通信概念相关企业的完整版龙头分类汇总

一、光模块

中际旭创：全球高速光模块（800G/1.6T）绝对龙头

新易盛：海外AI光模块龙头，LPO技术领先

华工科技：国内硅光模块龙头

光迅科技：国内唯一光芯片-器件-模块全自研龙头

德科立：OCS光模块及海外云厂商配套龙头

联特科技：高速光模块特色企业

东山精密：1.6T光模块核心配套厂商（通过索尔思）

二、CPO（共封装光学）

天孚通信：CPO光引擎全球龙头

仕佳光子：CPO用AWG芯片及液冷方案领先企业

罗博特科：CPO封装设备龙头

长芯博创：CPO光引擎小批量量产企业

三、光芯片

源杰科技：高速DFB/EML激光器芯片龙头，CW光源出货领先

仕佳光子：PLC/AWG光芯片龙头

长光华芯：高功率半导体激光器芯片龙头

光迅科技：EML光芯片自研龙头

云南锗业：磷化铟（InP）衬底材料国内唯一规模化龙头

四、光器件 / 光组件

天孚通信：无源光器件全球龙头

福晶科技：磁光晶体、光隔离器核心供应商，全球光学晶体龙头

腾景科技：北美云厂商光组件配套龙头

东田微：800G/1.6T滤光片核心供应商

太辰光：MTP/MPO连接器及光器件领先企业

博创科技：集成光器件重要厂商

五、光纤光缆

长飞光纤：全球光纤光缆绝对龙头，空芯/高速光纤领先

亨通光电：光纤+海缆双龙头，AI光纤出海主力

中天科技：特种光纤与海缆龙头，空芯光纤技术领先

通鼎互联：运营商集采主力，全产业链布局

烽火通信：高端光纤与光传输设备国家队

永鼎股份：光棒-光纤-光缆-光模块一体化企业

远东股份：智算中心特种光缆配套龙头

六、上游材料与封装

中瓷电子：1.6T光模块陶瓷封装基板国内独家龙头

福晶科技：铌酸锂、TGG、VYO4等光通信晶体材料龙头

云南锗业：四氯化锗（光纤掺杂材料）+ InP衬底双料龙头

七、设备与制造

罗博特科：CPO耦合与自动化封装设备龙头

杰普特：光模块测试与激光设备领先企业

智立方：光器件自动化设备配套龙头

八、其他特色/跨界龙头

航天电器（奥雷光电）：航天级光模块稀缺龙头

特发信息：MPO连接器及电力光缆龙头

铭普光磁：磁性器件+光模块融合企业

[努力赚钱的菜狗 @jiroucaigou]

https://t.co/VhTPqhfKIO

[AYi @AYi_AInotes]

好不容易翻墙出来不要只看片，多看英推优质信息源，看不大懂阿绎给你翻译拆解系列04（中英字幕）：

damn，51分钟，老哥把Claude Cowork讲的太细太透了，
都给我收藏起来！靠这套设置Claude Cowork从聊天机器人秒变你的AI参谋长！

很多人打开Claude Cowork，敲完问题只得到一堆泛泛的回复，总觉得是AI不够好用，却从来没怀疑过是自己的打开方式从根上就错了😅

这条视频把Claude Cowork的正确用法，拆得明明白白。
Cowork从来不是一个更高级的聊天框，你只给它一个问题，它就只能给你通用的答案。

它需要先完整认识你，才能真正帮到你。

你是谁，你的工作模式，正在推进的项目，团队的状况，当前的优先级，这些信息给足了，它才能从一个通用工具，变成和你无缝衔接的AI参谋长。

这套能落地的系统，核心分为三个层面。
第一层是全局指令：写清楚你的身份、工作方式，还有你给Claude划定的边界。

第二层是连接器：打通Slack、Gmail、谷歌日历、Notion这些你日常在用的工具，让它能接入你的真实工作流。

第三层是电脑里的文件夹体系：这是Claude的长期记忆库，三者结合，它才能真正成为你的私人工作伙伴。

真正能拉开差距的，是技能模块的搭建。
每个技能都是一个markdown文件，精准告诉Claude该怎么做好一件具体的事，写工作简报，做决策指导，做项目复盘，都能做成独立的技能。每个技能都有专属的文件夹，放好相关的背景资料、案例范本和成功标准，它就能一次做对，不用你反复教。

视频里现场搭建了三个核心技能，每一个都能直接照搬。
第一个是CEO决策教练，
输入你的业务背景、领导风格和公司目标，再抛出具体的决策问题，它就能给出完整的利弊分析、衍生影响和风险评估，帮你把决策想的更周全。

第二个是多方智囊团系统，
设置好执行者、质疑者、客户代言人、财务伙伴、法务风控顾问五个角色，输入待决议题，每个角色会独立给出评估，再由主智能体整合反馈，等于随时能开一场专属董事会。
第三个是思想领导力内容生产线，
从选题评分、创意捕捉、发布节奏到语气校准，全基于你的专业领域和受众特征搭建，从灵感到成稿，全程不用你反复打磨细节。

整套系统的核心纽带，是工作区导航图。
这份顶层文件会告诉Claude，
你的整个设置体系是什么样的，文件夹怎么分布，
技能在哪里，该怎么调用。没有它，
Claude要到处搜寻信息，
有了它，就能直击目标，精准完成任务。

更难得的是，这套配置是完全可移植的。
整个文件夹体系，在Cowork、Claude Code和Codex里都能用，推送到私人GitHub仓库后，手机端的Claude Code能随时访问，也能通过Claude Dispatch直接调用。

它还能无限复制，你只要选一个自己的高频任务，创建文件夹，搭建技能模块，添加正反案例，测试优化，就能完成一个技能的搭建，每做好一个，就等于招了一个过目不忘、不用重复培训的专属员工。

AI工具的进化速度越来越快，
现在花时间搭建好这套系统的人，
未来会拿到十倍的优势。

我给这条视频做了完整的中文字幕版，
从零到一的搭建过程全拆解，看完就能直接上手。
链接放在评论区，收藏起来，
别再把Cowork当成普通聊天框用了！

[高鹏 @nbachoni]

@xiaomustock 坚持到316 GTC大会就会涨