欧弗摩尔

Trader

[欧弗摩尔 @sidazui2]

@TaoRay 踏空Ai 了吧？天天带着粉丝做多石油股，那边Ai科技十几倍涨幅不做，盯着能源干。

[Rocky @Rocky_Bitcoin]

最近投研团队一直在挖具身智能和人形机器人这个赛道，我的判断是：2026年下半年，机器人赛道将迎来投资的最佳拐点，类似25年年中的存储赛道！🧐

我讲讲其中的逻辑：

首先，技术验证已经完全落地了，量产在即！

特斯拉明确表态了，下半年Optimus要大规模量产。Optimus原型2022年就开始搞，为啥拖到现在才量产？因为有两个瓶颈一直卡着。

第一个瓶颈是人形机器人的大脑。

• AI多模态大模型，现在已经完全够用，能理解复杂的外部物理世界，不是机械执行预设代码那么简单。

• 端到端具身智能网络，比如特斯拉FSD V12衍生出来的机器人控制算法,过去一年简直是划世代的突破。

尤其是去年，上千台Optimus在特斯拉工厂进行B样C样的测试，千锤百炼，生产验证已经达标,离量产就差临门一脚。

第二个瓶颈是人形机器人的躯壳。

特斯拉Optimus Gen-2已经证明了触觉传感器、灵巧手、高度集成的线性和旋转执行器的供应链全部打通。马上发布的Gen-3性能是2.5的两倍,基本能干大多数家务活。(如下面👇视频)

现在物理躯壳和AI大脑，属于双向奔赴状态，天时地利人和全齐了。而且SpaceX上市以后，马斯克吹的那些牛逼，什么超级芯片工厂Terafab、火星基地、太空AI，都需要大量人力，人力成本是重要考量项。

📊咱们再看看美国高成本的制造业现状：

美国制造业，面临两大扎心痛点。

第一，蓝领工人成本高得离谱。

2026年最新数据，一线制造工人平均时薪超过30美元，算上医疗、养老和福利等全额补偿成本，雇主实际花费接近46.3美元每小时。

第二，长期职位空缺。

美国劳工部数据显示，制造业职位空缺高达40-50万。招一个工人成本动辄四五千美元，留人更难，三分之一的制造业老板直言蓝领短缺是制约扩产的首要瓶颈。

站在这个逼仄的劳动力市场上，Tesla的Optimus大规模量产一亮相，市场需求将会井喷。目前市场预测，机器人市场规模高达2-3万亿美金。

咱们算算成本账：

马斯克的乐观预期是Optimus成本控制在2万美金以内，即使悲观估计，单台机器人初期成本3-4万美元。按保守算法用年工作4000小时，折合每小时运营支出低至3-5美元，远低于人类工人的46美元。

这差距不仅体现在工资上，机器人没有工会、没有离职、也没有事故率，管理成本几乎归零。

更关键的是，这一切将在2026年下半年迎来实锤。

Optimus量产上市将开启人形机器人从试验田到工厂车间的落地大潮。过去两年是技术炒作期，2025年是技术验证和小批量试产，2026年则是整个产业链开始真正飞速奔跑的节点。

资本市场、供应链端，都在倒数计时。特斯拉的供应商，从线性执行器到减速器、传感器厂商，都将成为最大赢家。

这不仅是科技的游戏，也是硬核的商业数学。

我相信所有人都会算这笔账，尤其是AI大周期下，各家企业都在扩产。你想想看，Optimus投资回收期不到一年，24小时可以作业，潜在产能将从几千台迅速冲刺至几十万台，抢占美国制造业自动化蓝领替代入口。这个想象空间，无疑是巨大的！

简而言之：

AI需要一个肉身才能真正进化，物理世界的蓝领工作不可能永远靠人力撑着，Optimus今年下半年的量产投放，将是催生人形机器人爆发的临界点。

围绕人形机器人这条主线，我们梳理了美股相关的优质公司，包括核心供应链龙头，从性能稳定的执行器，到边缘计算芯片，咱们来讲讲其中的核心企业。🧐

1️⃣ 特斯拉 $TSLA

这公司大家都熟，不过别把它只当车企看了，现在华尔街都把它形容成造车送机器人，说明性价比极高。

• 主营：电动车全球老大，同时在搞FSD自动驾驶、储能系统Megapack，还有人形机器人Optimus。

• 核心壁垒：数据飞轮+垂直整合。特斯拉现在不只是造车的，它是全球算力平台。FSD积累了数十亿英里真实路测数据，自己的超算中心，软硬件闭环，一体化压铸，这个成本护城河传统车企根本没法跟。

• 看点：从车企变成AI具身智能公司。Robotaxi商业化落地，Optimus开始去工厂上班，下半年开始大规模量产，全球储能网络爆发式增长，估值逻辑完全不一样了。

• 在机器人上的优势：自动驾驶的AI能力，感知+决策，直接迁移到人形机器人上。神经网络推理、大规模数据训练、电池管理、轻量化结构设计，这些都是核心能力。算法和硬件要是持续领先，这就是人形机器人的引领者，改写人机交互的未来。

2️⃣ Symbotic $SYM

• 主营：AI驱动的超高密度仓库自动化物流系统。用一堆移动机器人在三维货架里高速存取货物，密度和速度都是传统AS/RS的好几倍。

• 核心壁垒：沃尔玛深度持股，包揽它所有配送中心升级。百亿级订单流水，物理硬件+调度算法做到极致，异形纸箱混装拆垛都不是问题。

• 看点：全球零售和物流巨头都在降本增效，蓝领劳动力短缺，这就是终极解法。商业模式往高毛利的软件订阅和维护转型，订单排到几年后。

• 具身智能逻辑：虽然不是传统人形机器人，但多机器人协调、动态路径规划、高精度物理交互，这些技术积累都是具身智能的关键。多自由度机械臂、智能移动平台、实时感知+决策，这套东西往类人形机器人方向扩展，基础是现成的。

• 价值：系统集成能力+软件驱动，往服务型机器人和行业专用机器人市场扩展，空间很大。

3️⃣ Ambarella $AMBA

• 主营：低功耗、超高清视频处理+边缘AI视觉芯片设计。早期是GoPro的核心供应商，安防摄像机也用它的芯片，现在全面转型智能驾驶和机器人视觉。

• 核心壁垒：每瓦算力效率，行业天花板级别。独家CVflow架构，在极低功耗下跑高难度深度神经网络算法。车载和机器人场景散热、能耗受限，这种能效比就是技术代差。

• 看点：从安防往大算力自动驾驶芯片、电子后视镜、具身智能视觉核心转型。越来越多的Tier 1和机器人公司用它做视觉底座，AI业务拐点来了。

• 在机器人上的优势：高效低延迟视频编解码+神经网络加速，提供实时视觉感知和行为决策。智能视觉是具身智能的核心能力，它的芯片方案提高机器人对动态环境的响应速度和识别准确度，实现复杂交互和自学习。

4️⃣ Timken $TKR

• 主营：全球高端精密轴承和动力传动产品龙头。应用在航空航天、轨道交通、风电、重型矿山、自动化工程。

• 核心壁垒：极限工况下的材料科学+信任资产。深海、太空、风电巨型齿轮箱，这些地方轴承一旦失效，成本高得吓人。Timken靠百年积累的特种冶金工艺和免维护寿命，垄断了这些核心工业节点。

• 看点：风电光伏基础设施大规模建设，重工业自动化升级。现金流稳健，分红优异，顺周期制造明珠。

• 在机器人上的优势：高性能轴承用在人形机器人的多自由度关节上，高耐磨低摩擦，解决机械能耗和耐久性瓶颈。更关键的是，它们自研的智能传感轴承带在线健康诊断，机器人能"自我感知"机械状态，提升状态反馈和故障预警能力。

• 价值：机器人往长时间可靠运行和精细动作控制方向走，Timken这种动力链底层壁垒是不可替代的。智能轴承技术会成为高阶人形机器人感知和控制的关键硬件。

5️⃣ Moog-A $MOG.A

• 主营：全球顶级精密运动控制+电液伺服系统设计制造商。产品用在飞行控制、航天器调姿、武器定位这些金字塔尖的应用，五代战机、导弹导航、民用客机都在用。

• 核心壁垒：航天国防级高准入门槛，几乎垄断。高频高响应电液伺服阀和作动器，在极端高压、极高低温环境下对机械动作精度控制到微米级，直接关系到机毁人亡的安全问题。波音、空客、军用五代机飞控系统里的生态位不可替代，这就是技术代差+认证壁垒。

• 看点：从传统重工业往防务科技资产转型。地缘政治升温，北约和亚洲盟国国防预算刚性上升，订单池持续飙升，能见度看满未来几年。大飞机交付周期复苏，产品提价+运营效率优化，利润率往上拉，防御性军工科技明珠。

• 在机器人上的优势：电液伺服阀+高精密运动控制器，长期服务军工级复杂系统，高响应速度+极高可靠性，直接适配高自由度人形机器人关节要求。高性能驱动解决方案，提升动作流畅性和细腻度，力反馈和触觉层面是行业标杆。

除了上述美股上市公司之外，一些欧洲和日本公司，也值得关注。(这里暂时不推荐A股，估值普遍炒作太离谱)。

比如在线性执行器与 T-R 丝杠领域，尤其是行星滚柱丝杠是机器人腿部和重载关节的核心。其壁垒在于 C3/C5 级超高精密螺纹磨削工艺和抗疲劳热处理。目前全球产能严重卡在欧洲，比如瑞典 SKF，它全球最大的滚动轴承生产商。德国 Schaeffler，它是高端机器人关节执行器、精密减速器、滚柱丝杠、特种轴承及电机的核心供应商。

另外旋转执行器与减速器也是人形机器人关键零件， 旋转关节核心是谐波减速器和高密度行星减速器。要求零背隙、高扭矩体积比。日本公司 Harmonic Drive System (HDS)， 几乎垄断了高端市场！(东京股票代码：6324)。

以上标的，每一个都不是概念炒作，是有真东西的。而且估值相对都比较合理，无论是技术壁垒、商业模式、在人形机器人板块的卡位，都属于关键位置。26年下半年将是人形机器人投资的关键拐点，值得深入研究。DYOR🙏

目前上述提及的公司在 #MSX 上面基本都有，炒美股，我选择用 #RWA 美股代币化平台 #MSX，一同投资参与美股市场：https://t.co/x4ykUw3WBj

早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

[欧弗摩尔 @sidazui2]

@tig88411109 美联储是否即将转向，开始进入降息节奏？

[大宇 @BTCdayu]

https://t.co/M2C5hiFAuq

[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

[Tigris 会讲课教授是好老师 @tig88411109]

$MU 财报发布后暴涨，网上和投行各种马后炮分析，我看了一眼，基本没啥意义和独特，你也不会有什么认知差挣钱的机会了。唯一风险在哪里？

和我在财报发布前的分析，基本上一一印证。我看了所有投行报告，唯一我是最为精准和深刻的预测。但是

我说了这个预测，很容易，远比我在美伊战争期间的预测要简单的多。特别是我3月底战争拐点和资本市场逼空，应该是神迹绝唱，我不认为我还能有超越那次的水准。

值得关注强调一下，最大风险，盈亏同源。我在预测中说了，最值得关注是经营杠杆，因为都是满产状态，所以量增速不高，主要是提价。而主要提价来源是NAND，因为HBM的资源挤压问题，整体Q3毛利惊人的84.9%，70%净利，Q4毛利预期更是86%。

单纯提价的经营杠杆，最大问题在于，只要是边际角度上价格低于预期，那么EPS就会大幅下滑。现在普通的DRAM与NAND利润，行业供需影响大，现在贡献越大，峰值EPS越高，但未来均值回归的弹性也越大。

Q4指引中收入预期环比增20%，利润环比23%，超过收入增速。Q3中，DRAM价格环比上涨低60%区间，NAND价格上涨中80%区间，这种涨幅显然不可长期复制。Q4价格增速放缓几乎是必然，虽然不是需求崩塌。

一旦增速放缓，单纯依赖涨价的阶段正在接近后半程，那么股价往往提前反应，发生估值倍速的压缩。这就是周期股的特点和悖论，基本面最强的时候，股价风险可能反而最高，因为再好的数字也难以继续超越已经极高的预期。

你可以理解为，存储价格仍然上涨，但上涨最快的阶段可能正在过去。山峰还在继续上升，但坡度开始变缓。真正决定它最后是尖峰还是高原的，不再是下一次涨价有多猛，而是价格放缓以后，他的量/结构/长协/新增的27年28年新厂的投资回报，能不能把利润接住。

那么如何用估值看合理的区间，见订阅者专享，接近估值上限建议减持。我也会持续更新，第一时间发布在订阅者 update。

[qinbafrank @qinbafrank]

美光炸裂业绩的来源是什么？一般业绩强劲要么价格上涨、要么出货量增加、抑或是高毛利产品比例更大，还有就是成本下降等几个因素来影响。之前美光财报前瞻https://t.co/RFmMwMnWCK里给出一个拆分业绩的框架，再按这个框架拆一下。简单说就是：ASP/价格上涨是第一驱动，产品 mix 是第二驱动，bit 出货只是小幅正贡献，成本效率高/执行主要是利润率放大器。
1、ASP / 价格：本季业绩最大来源
DRAM 收入 313 亿美元，占总收入 76%，环比增长 67%；但 DRAM bit 出货只是低个位数增长，价格则是 l60% 增长。
NAND 收入 99 亿美元，占总收入 24%，环比增长 99%；NAND bit 出货是也是中等个位数增长，价格是80% 区间中位值增长。

粗略拆分可以这样看：
DRAM 的 +67% 环比增长里，约 60 多个百分点来自价格/mix，只有低个位数来自 bit；
NAND 的 +99% 环比增长里，约 80 多个百分点来自价格/mix，中个位数来自 bit，剩下是价格与出货同时上涨的乘数效应。
因此，本季收入增量大概率 90% 左右来自 ASP 的增长，而不是 volume。这个判断也和管理层对毛利率的表述一致：Q3 毛利率提升主要由更高价格驱动。

2、bit 出货：有贡献，但不是核心
bit 出货并没有爆发。DRAM bit 只增长低个位数，NAND bit 增长中个位数；这说明业绩不是靠“卖出更多容量”拉起来，而是靠“同样或小幅更多的 bit 卖得贵得多”。

从业务部门也能看出来：
Cloud Memory 业务增长由更高价格和 bit 出货共同驱动；
Core Data Center 业务增长 103%，主要由价格和有利 mix 驱动；
Mobile and Client 业务虽然收入增长 49%，但 bit 出货反而下降，说明这里几乎完全靠价格抵消了出货压力。

3、产品 mix：非常重要，而且是“质量更高”的增长来源
mix 的核心在于美光把更多供给卖给高价值市场：AI 数据中心、HBM、高端 DDR、企业级 SSD、数据中心 SSD。美光本季数据中心收入超过 250 亿美元，年化超过 1000 亿美元；数据中心 SSD 收入超过 50 亿美元，环比翻倍以上。

业务结构也在向数据中心倾斜：Cloud Memory Business Unit 收入 137.69 亿美元，Core Data Center Business Unit 收入 115.24 亿美元，两者合计约占公司收入 61%；上一季这两个部门合计约占 56%。这说明美光不只是卖贵了，也是在把产能配置给更高价值的客户和产品。

HBM 也是 mix 改善的关键证据。美光表示 HBM4 12-high 的量产爬坡速度是 HBM3E 12-high 的两倍，并且已经出货超过 10 亿美元的 HBM4 收入；同时公司还提到 AI 正在推动内存架构选择和产品 mix 转向更高性能、更高价值产品。

4、成本效率高 / 执行：放大利润率，但不是本季主叙事
成本端确实帮了毛利率，但不能把这季简单归因为“成本下降”。按 GAAP 报表，Q3 收入从上一季 238.60 亿美元增至 414.56 亿美元，但 COGS 只从 61.05 亿美元增至 64.00 亿美元；也就是说，收入增加 175.96 亿美元，成本只增加 2.95 亿美元，新增收入几乎都变成了毛利。

美光自己的解释是：
毛利率提升“主要由更高价格驱动”，同时受益于持续执行和有利 mix；公司并没有把本季毛利率提升主要归因于单位成本下降。更重要的是，美光还提醒，未来高性能、高价值产品复杂度更高，LP5 到 LP6、DDR5 到 DDR6、更新一代 HBM 都会带来更高 bit cost，混合 DRAM cost per bit 甚至可能从当前水平上升。

美光最新财报是“供需紧张带来的 ASP 重估 + AI/HBM/数据中心 mix 上移 + 成本杠杆”的组合。 其中最容易反转的是 ASP，但这轮比传统周期更强的一点在于，美光签了多份战略客户协议，部分协议带有 take-or-pay、价格区间和长期供给承诺，这会提高业绩可见度。

后面最需要盯的是：
Q4 指引继续强劲，收入指引为 500 亿美元 ±10 亿美元、毛利率约 86%，但管理层也说 Q4 毛利率展望反映了“价格上涨速度的明显放缓”。这意味着方向仍强，但 ASP 的边际加速度可能已经开始放慢。

当然这里核心还是，美光当前的“有效产能利用率”应该已经非常接近满载，尤其是 AI 相关 DRAM/HBM 和先进 NAND；当下真正限制收入继续放量的不是利用率，而是新增有效产能不足。
ASP的增长核心还是供给远低于需求

总的来说，美光现在不是低利用率复苏阶段，而是高利用率 + 高 ASP + 高 mix + 扩产瓶颈阶段。 这对毛利率是利好，因为固定成本吸收很好；

至于更长的未来 2027–2028 年新增产能上来后，需求和价格能不能继续承接。

[Shay Boloor @StockSavvyShay]

$MU CEO said humanoid robots carry 10x more memory than the average L2+ vehicle setting up what Micron expects to be a substantial multi-decade demand cycle later this decade.

Micron also expects L2+ and above vehicles to exceed 40% of the vehicle mix by 2030.

[Art of Speculation @ArtofSpecuycky]

$MU 财报和电话会最大的启示：存储行业已经变了

今天Micron交出了一份几乎无可挑剔的成绩单。
Q3营收414.6亿美元，远超市场预期的355.9亿美元。
调整后EPS 25.11美元，远超市场预期的20.63美元。
更夸张的是Q4指引：
营收490-510亿美元，市场预期429亿美元。
EPS 30-32美元，市场预期25.5美元。
这已经不是beat，是直接把华尔街模型打穿了。

电话会透露了三个足以影响未来几年的核心变化。
第一，存储已经从周期品变成战略资源
CEO说了一句话让我印象非常深：“AI系统的性能，本质上取决于内存子系统的性能和容量。”

随着Agentic AI、多智能体系统和超长上下文的发展，内存正在成为整个AI基础设施的瓶颈。GPU负责计算。存储负责记忆。没有记忆，再强的大脑也没用。

MU CEO甚至直接表示：AI已经把内存提升到了战略资产（Strategic Asset）的地位。这是一个非常大的变化。战略资产意味着客户不会只看价格。而会优先考虑供货能力、安全性和长期合作关系。

第二，DRAM和NAND供给紧张可能持续到2028年以后
管理层明确表示：“我们目前看不到内存供给何时能够追上需求。”甚至进一步指出：预计DRAM和NAND供需紧张将持续到2027年以后。

为什么？因为扩产太难了。新晶圆厂建设周期长。先进节点越来越复杂。HBM正在吞噬大量DRAM产能。而NAND厂商甚至开始把部分洁净室资源转移给DRAM生产。

这意味着什么？很多人觉得DRAM涨价周期快结束了。
MU却在告诉市场：这可能不是一个普通周期。是一次供给侧被永久重构的行业变化。

第三，未来需求来源已经不只是AI服务器

电话会给出了一个更大的故事。
数据中心：2026年服务器出货量预计增长高十几个百分点。Agentic AI正在推动CPU机柜、存储机柜同步扩张。
AI不只是增加GPU需求。也在增加存储需求。

汽车：L2+以上车型平均存储容量已经达到普通汽车的5倍以上。今年L2+车型占比将超过20%。2030年预计超过40%。

机器人：人形机器人平均存储容量达到L2+汽车的10倍。
MU CEO直接表示：预计本世纪后半段将开启持续数十年的存储需求周期。

另外还有一个市场可能还没有充分定价的信息：Micron宣布已经签署16份战略客户协议（SCA）。

这些协议覆盖：数据中心，消费电子，汽车期限最长到2030年。更重要的是这些协议采用Take-or-Pay模式。简单理解就是客户必须买，不买也要付钱。
目前这些协议已经锁定：约20%的DRAM产能，约三分之一的NAND产能。这意味着Micron正在把过去极度周期性的商业模式，逐渐转变成更接近长期合同模式。
这也是为什么CEO特别强调，MU正在经历业务模式转型。

最后说说我的看法
过去大家总喜欢把存储行业看成周期股。涨价赚钱。跌价亏钱。周而复始。
但AI时代改变了这个逻辑。HBM提升了单位价值量Agentic AI提升了存储需求。自动驾驶提升了车载存储需求。机器人打开了全新的终端市场。而供给端却受到先进制程、产能建设周期和资本开支的限制。当需求指数级增长，而供给线性增长的时候。周期品就有可能逐渐变成稀缺资源。
所以我认为这份财报最重要的结论是MU向市场证明了一件事：AI时代的存储正在成为整个AI基础设施里最重要、也最稀缺的资产之一。
这也是为什么我一直把DRAM放在AI投资逻辑的第一层。存储第一，光互连第二，应用第三。至少目前，我依然没有看到任何需要改变这个判断的理由。

[欧弗摩尔 @sidazui2]

@LiebermanAustin Fuck off

[欧弗摩尔 @sidazui2]

@tig88411109 教授牛逼！又对了！

[欧弗摩尔 @sidazui2]

@GuoShenCN7 BTC

[🇨🇳 Guo Shen 郭深 @GuoShenCN7]

I said that if $BTC dumps below $60,000, I’d give away $20,000 in Bitcoin to 15 people.

Well, we made it.

As promised, I’m giving away $20,000 in $BTC to 15 lucky winners today.

To enter:
✅ Like
✅ Retweet
✅ Comment “BTC” 🔔

Entries close in 24 hours. Good luck!

[欧弗摩尔 @sidazui2]

&MU 美光无敌财报，全部大超市场预期。

[欧弗摩尔 @sidazui2]

@finance_bcl_1 财报出来之前跌了15%是好事。

[李傻根 MORE MONEY @v3wanu]

大摩新出的MLCC超级周期研报，逻辑是2025-2030年，AI驱动的MLCC需求将翻3倍以上，配置：

三星电机（009150.KS）目标从92万提到256万
中国台湾看好国巨Yageo（2327. TW）
日本看好村田（6981.TYO）
看淡太阳诱电（6976.TYO），存在业绩不及预期风险

[欧弗摩尔 @sidazui2]

@KotlinerBTC 这是什么软件？

[Curry_TW @KotlinerBTC]

https://t.co/A0zbwqeGeR

[欧弗摩尔 @sidazui2]

@enby007 @fuckcommies3 自己认知低，他说的不是本质原因？

[欧弗摩尔 @sidazui2]

@White2dog1313 @cuichenghao 果然是好狗，哈哈，让你死你就死，让你老婆给领导操，你立马就上供。