ariel reyez romero

统计数据

49
文章
0
粉丝
0
获赞
779
阅读
avatar
PLAB明天财报，这是为卖水的人卖水的公司 任何芯片，从设计走向制造，都要先完成一个步骤——制作光掩模（Photomask） 流程大致是： 芯片设计 → 光掩模 → 光刻 → 晶圆制造 → 封装 → AI服务器 但PLAB真正的主战场不是先进制程而是成熟制程（28nm–90nm）。 不是GPU，而是围绕AI运行的一整套支持芯片： 电源管理芯片 网络交换与接口芯片 Retimer / DSP SmartNIC 控制与传感芯片 光通信驱动芯片 这些几乎全部运行在成熟节点。 换句话说： AI不是只增加一颗更强的芯片，而是增加几十颗配套芯片。 而每一种芯片，都需要新的mask。 AI带来的变化：不光是制程升级，而是整个生态的设计爆炸。结果是： Tape-out次数正在上升，而PLAB的收入，本质上取决于Tape-out数量。 另外，CPO也会成为长期利好，因为它的意义不只是光模块升级，而是新增了一类芯片：光子芯片（Silicon Photonics）。 未来一个AI封装中可能同时存在： 计算芯片、HBM、IO die、光学chiplet、电源chiplet。 Chiplet越多，需要的mask越多。 CPO短期影响有限，但以后，很可能成为PLAB新的长期增长来源。 当前AI相关基础设施芯片大约贡献公司25%–35%的收入，但预计将贡献未来超过一半的增长。 而且如果把AI产业链按时间排序： 设计启动 → Mask → 晶圆生产 → 设备订单 → GPU出货 → 数据中心上线 PLAB几乎站在最前端。 当mask订单出现时，新芯片项目往往已经启动，但市场还看不到收入。 这使它成为AI周期中少见的前置信号公司。 利申：本人持有文章提及标的，观点充满偏见，非投资建议dyor
avatar
Western Digital（WDC）这两天出售 SanDisk 股票，并不是因为看空 SanDisk，而是一次早已设计好的资本税务结构处理。 WDC 在 2025 年将 SanDisk 分拆为独立公司，并保留了约 750 万股。根据其 SEC 注册文件，公司必须在分拆一周年前完成这些股份的处置，否则将面临税务后果。 这个时间限制来自美国税法对免税分拆（tax-free spin-off）的要求。 美国税法允许公司免税分拆子公司，但前提是分拆必须是结构性重组，而不是变相出售。如果母公司长期持有分拆公司股份并择机出售，IRS（美国国税局）可能认定整个分拆本质上是资产出售，而不是重组。 一旦被认定为应税交易，母公司需要为分拆资产的全部资本利得缴纳公司税，按美国 21% 的公司利得税率计算。 这就是为什么 WDC 必须在一年内完成股份处置。
avatar
Axcelis Technologies（ACLS）是一家专注于离子注入设备（Ion Implantation）的半导体设备公司。离子注入是芯片制造的基础工艺之一，本质上是用高速离子束把特定元素“打入”硅晶圆，从而改变其导电性质，定义晶体管结构。没有离子注入，就没有现代芯片。每个先进芯片制造过程中，往往需要进行几十次离子注入步骤。 ACLS 的业务可以分为两个核心部分：传统 silicon implant 和新兴的 SiC implant。当前公司收入仍然主要来自 silicon implant，占比约 70–80%，这是一个成熟市场，增长率大约 3–6% 每年。它广泛应用于逻辑芯片、模拟芯片、电源芯片和汽车芯片等领域，需求稳定、客户粘性强，提供了稳定现金流。这部分业务的竞争对手主要是 Applied Materials（AMAT）和日本 Nissin，ACLS 在成熟节点和功率半导体 implant 市场具有很强竞争力，但在最先进逻辑芯片 implant 领域略弱于 AMAT。 ACLS 未来的重点，是 SiC implant 业务。 SiC（碳化硅）是一种新型功率半导体材料，广泛用于电动车、电源管理和AI数据中心电力系统。相比普通硅，SiC implant 技术难度更高，需要更高能量、更复杂的工艺控制，全球只有少数几家公司具备量产能力。 目前 SiC implant 市场规模约 3–5 亿美元，但预计未来五年将增长至 10 亿美元以上，年复合增长率达 25–40%。ACLS 在这个市场的份额约 35–45%，是全球领先供应商之一。 这种增长来自一个明确的结构性趋势：AI和电动车正在推动电力需求爆炸式增长。GPU本身消耗大量电力，而这些电力必须通过高效功率半导体进行转换和管理，SiC器件成为最佳选择。每一条新的SiC产线建设，都需要离子注入设备，这直接转化为ACLS的订单增长。这意味着ACLS的增长越来越依赖SiC扩产，而不是传统半导体周期。 implant设备行业本身具有极强护城河。全球市场基本被三家公司垄断，进入门槛极高。更重要的是，一旦某家设备进入晶圆厂生产线，客户几乎不会更换供应商，因为更换设备意味着整个工艺需要重新验证，成本高昂且风险巨大。这种工艺锁定形成了长期稳定的市场结构和极强客户粘性。 ACLS 的核心竞争力来自其 Purion 平台，这是一个统一的 implant 系统架构，支持不同类型 implant，并在高能 implant 领域具有技术优势。这使其在 SiC implant 市场竞争中处于有利位置。相比之下，Applied Materials 虽然整体规模更大，但历史上更强于先进逻辑 implant，而 ACLS 在高能 implant 技术路径上积累更深。 当前市场对 ACLS 的估值仍然更接近成熟半导体设备公司，而不是结构性增长公司。这反映出市场仍然把 ACLS 当作传统 implant 公司，而没有完全计入 SiC implant 的长期增长潜力。随着 SiC implant 在公司收入中的占比逐步从当前约 20% 提升到未来可能接近 50%，公司的增长结构将发生根本变化，从周期性设备公司转变为结构性增长公司。 ACLS 的本质是：用稳定的 silicon implant 业务提供现金流，同时依托 SiC implant 的高速增长推动未来扩张。传统 implant 业务提供稳定性，而 SiC implant 提供增长性。这种结构使 ACLS 同时具备防御属性和增长属性。 未来 ACLS 的关键变量只有两个：SiC市场扩张速度，以及公司在这一市场的份额稳定性。如果 SiC 产业继续按当前轨迹扩张，ACLS 将成为这一结构性趋势的核心设备受益者之一。 利申：本人持有推文提及资产，观点充满偏见，非投资建议dyor
avatar
AI革命下，席勒市盈率还有效吗？ 席勒市盈率（CAPE）本质上不是预测短期涨跌的工具，而是衡量当前价格相对于长期盈利能力的关系。它的核心假设只有一个：企业的盈利能力会围绕一个稳定的长期均值波动。在这个前提下，用过去10年的平均盈利来代表“正常盈利”，是合理的。 但AI革命，正在动摇这个前提。 传统经济中，企业盈利主要由经济周期驱动。经济繁荣时盈利上升，衰退时盈利下降，但长期来看，会围绕一个稳定区间波动。例如，美国企业利润率在很长时间里基本维持在一个相对稳定的范围内。 在这种情况下，席勒市盈率是有效的，但这个逻辑隐含一个关键条件： 未来盈利不会结构性改变。 而技术革命会改变CAPE回归的方式，因为技术革命可能永久性提高盈利能力。 传统周期中： 高CAPE → 价格下跌 → CAPE回归 技术革命中： 高CAPE → 盈利上升 → CAPE回归 互联网革命就是典型例子。1995年之后，美国CAPE长期高于历史平均水平，但市场并没有持续下跌，而是企业盈利持续增长，最终消化了高估值。 AI可能带来更深层的变化。互联网提高的是信息效率，而AI提高的是认知效率，它可以直接降低研发成本、人力成本和决策成本，影响几乎所有行业。 这意味着，未来盈利能力本身可能进入一个新的长期区间。 在这种情况下，过去10年的盈利平均值会系统性低估未来盈利能力，从而使CAPE长期维持高位。 另外，AI时代将出现“K型CAPE结构”（硅升碳降，k型增长） AI不会均匀提高所有行业的盈利能力，而是形成明显的分化。 上行板块，例如： GPU、HBM等算力核心 数据中心基础设施 电力、散热、配电 AI软件与云 这些行业的盈利正在结构性上升。它们的高CAPE可以通过未来盈利增长消化，因此高估值可能维持很长时间。 下行板块，例如： 被AI替代的服务行业 部分传统软件和中间服务层 部分传统知识密集行业 这些行业的盈利增长停滞甚至下降，它们的CAPE回归更可能通过价格下跌完成。 结果是： CAPE不再是全市场同步回归，而是板块之间分化回归。 宽基指数级CAPE如qqq，spy等，会变得越来越具有误导性 指数是加权平均。如果AI相关公司权重持续上升，指数CAPE会长期维持高位，即使大部分公司并不昂贵。 这已经在互联网时代发生过，现在正在AI时代再次发生。 因此，判断市场是否高估，不能只看指数CAPE，而必须分析盈利结构是否发生变化。 最后，如CAPE这样的传统传统指标，在ai带来的对生产力改变如此巨大的周期中，就算没有失效，至少其解释力发生了变化 传统周期指标对很多受ai革命影响小的板块，如CAPE、利率、PMI、库存周期对消费、房地产、医药等，可能仍然有效。 对于“结构驱动行业”，这些指标的解释力下降，因为盈利不再主要由周期决定，而是由技术驱动。 市场正在从： 周期主导 → 结构+周期双主导转变。 技术革命越深入，高估值维持时间越长。从历史数据来看也是这样： 第一次工业革命主要影响部分行业，因此高估值持续时间有限。 互联网革命影响更广，高估值持续时间显著延长。 AI影响范围更广，可能改变整个经济的盈利结构，因此高估值维持时间可能更长。 但关键可能还不单是“时间更长”，而是“盈利结构改变更深”。 这才是AI时代估值的核心。
avatar
创新的本质，不是创造，而是搜索 人们通常把创新理解为“创造新的东西”。但从更底层看，创新不是创造，而是搜索。 我们生活的世界，并不是一张白纸，而是一个巨大的“可能结构空间”。这个空间里包含了所有可能存在的结构：所有可能的技术组合，所有可能的分子结构，所有可能的商业模式，所有可能的算法形式。绝大多数结构没有价值，只有极少数具有巨大价值。创新的过程，本质上是在这个巨大空间中找到这些极少数有价值的结构。 飞机不是被创造的，而是被发现的。空气动力学的规律一直存在，允许某种特定形状的机翼产生升力。这种结构一直是可能的，只是人类在某个时间点搜索到了它。同样，数学定理不是被创造的，而是被发现的。它们一直存在于逻辑空间中，人类只是逐步找到它们。 这个“结构空间”可以用很多具体例子理解。 语言就是一个结构空间。26个字母可以组成几乎无限数量的文本，其中绝大多数毫无意义，只有极少数具有深刻价值，比如科学公式或重要思想。创新就是在无数无意义组合中找到有意义的排列。 药物研发也是结构搜索。理论上可能存在的分子数量超过10^60，而人类只探索了其中极小的一部分。新药的发现，本质上是在分子结构空间中找到有效结构。 技术创新同样如此。晶体管、互联网、GPU、Transformer，这些技术并不是凭空创造的，而是在可能的技术组合空间中逐步被发现。GPT只是这个空间中的一个点。 从数学角度看，创新本质上是一个搜索优化问题。在一个极高维空间中，寻找能够最大化价值的结构。这个空间可能包含10的百万次方级别的可能性，而真正有价值的结构只占极小比例。 这也是为什么创新困难。不是因为人类缺乏创造力，而是因为搜索空间太大。国际象棋的可能状态数量超过10^120，而人类历史只探索了其中极小的一部分。创新本质上是在接近无限的空间中找到少数高价值区域。 生物进化也是同样的过程。DNA的组合空间巨大，而进化通过不断试错，逐步找到更高适应性的结构。眼睛、大脑、人类智能，都是结构搜索的结果，而不是预先设计的产物。 创业本质上也是结构搜索。成功的公司不是简单“创建”的，而是找到了一种有效的结构组合。例如，Uber的本质不是发明某种新技术，而是把GPS、智能手机、支付系统和司机网络组合成一种新的结构。这种结构一直是可能的，只是之前没有被发现。 因此，创新能力的本质不是“创造能力”，而是搜索能力。谁能够探索更多可能结构，谁就更可能找到有价值的结构。 资源的意义，本质上是提高搜索能力。更多的计算资源，更多的实验能力，更多的工程师，意味着可以探索更多结构空间。因此，大规模技术公司本质上是结构搜索机器。它们投入巨额资本，不是为了维持现状，而是为了扩大搜索范围，提高发现概率。 从更深层看，智能本身也是一种结构搜索机制。智能系统通过不断探索可能结构，并找到能够实现目标的结构。本质上，智能越强，搜索能力越强，创新速度越快。 这也解释了为什么技术进步会加速。随着搜索能力的提升，人类能够探索结构空间的更大区域，因此发现新结构的速度提高。 最终，创新不是一个神秘过程，而是一个统计过程。在一个巨大空间中，绝大多数区域没有价值，只有极少数区域具有极高价值。创新者的作用，不是创造这些区域，而是找到它们。 创新不是从无到有，而是从未知到已知。
avatar
美光cfo： 我们上次财报预期很疯狂 但是市场的疯狂超出了我们的想象。。。🤣
avatar
Fastly最新财报超预期，其实从cloudflare公布财报的时候就应该猜到。 两家公司都是一个赛道，业务雷同度高。 fsly这次财报是从亏损走向盈利的拐点，使用财报后股价大涨。 公司Q4 EPS达到0.12美元，远高于市场预期的-0.03美元，同时收入同比增加3200万美元。这标志着Fastly的商业模式开始进入经营杠杆释放阶段——收入继续增长的同时，利润增长更快释放。 这是所有成功基础设施公司的必经阶段。一旦跨过盈亏平衡点，固定成本被摊薄，新增收入大部分转化为利润，公司将进入加速周期。 Fastly今天的财报，再次验证了ai时代，CDN行业本身正在发生结构性变化。 传统CDN的核心是缓存内容，竞争取决于节点数量。Akamai就是这一时代的霸主，通过部署大量节点建立护城河。但AI时代改变了这一逻辑。AI应用需要的不只是缓存，而是计算能力。推理请求、实时API和动态处理都要求edge节点具备计算能力，而不是简单转发数据。 这使CDN演变为Edge Cloud。 Fastly的架构正是为这一时代设计。相比传统CDN依赖大量轻量节点，Fastly采用更少但更强的节点，每个节点更像小型数据中心。这种架构更适合AI inference和高性能API等计算密集型场景，而不是简单内容缓存。 Cloudflare则走得更远。它不再只是CDN，而是完整的edge cloud平台，将网络、安全、计算和存储整合在统一架构之上。这使Cloudflare成为AI互联网时代最具平台潜力的公司，也是估值最高的公司。 Fastly与Cloudflare构成直接竞争关系，但定位不同。Cloudflare是平台型领导者，而Fastly更像高性能edge compute提供商。大型客户通常采用multi-CDN架构，同时使用多个供应商，这意味着Fastly不会被Cloudflare挤出市场，而是以细分优势长期共存。 Akamai仍是收入最大的CDN公司，但增长主要来自传统交付业务，在AI驱动的新一轮基础设施周期中，其角色更多是稳定现金流提供者，而非增长核心。 真正关键的趋势是：互联网基础设施的价值正在从“连接用户”转向“执行计算”。 Fastly盈利拐点的出现，意味着edge compute正在从技术概念转化为真实利润来源。未来的CDN，不再是缓存网络，而是分布式计算平台。这一转变，正是AI时代互联网基础设施最重要的结构性变化。
avatar
anthorpic内部正讨论加建10gw的数据中心 按目前b200/gb200的成本来算，大概每gw数据中心成本400 - 800亿 继续涨！
avatar
什么时候抄底？now！ 原因很简单 铁路时代，股市一次严重回调之后，恢复往往需要3-5年。 电气化时代，1907 年金融危机后，恢复用了两年。 计算机革命时期，1987 年暴跌后，一年左右回到前高。 互联网革命第一次把这个周期压缩到“季度级”。1997 年亚洲金融危机导致市场回调约 30%，恢复时间不过9 个月。 移动互联网时代，这种趋势更加明显，恢复时间通常只有一个季度。 ai时代，请拉k线看看，很多时候的大跌反弹都是以周计，甚至以日计算 本推非投资建议dyor
avatar
《透视亚马逊财报》 “最大化长期自由现金流，而不是短期利润” 亚马逊ceo，贝索斯，2004年 Amazon这次财报本身并不差。收入超预期，AWS增长达到约24%，广告业务继续高速增长，核心业务依然非常健康。 真正引发市场恐慌的，是Amazon宣布未来一年的CapEx将达到约2000亿美元，大幅高于市场预期。这直接压缩了短期自由现金流，也让投资者担心短期利润率。 但亚马逊这么做恰恰是技术革命早期最典型的特征，也很符合亚马逊的一贯战略。 对亚马逊来说，AI需求已经真实存在，而且远超当前算力供给。AWS管理层已经明确表示，很多客户正在排队等待算力capacity。这意味着Amazon并不是在“预测未来需求”，而是在补当前已经存在的供给缺口。 AI时代的竞争，本质上不是模型竞争，而是基础设施竞争。谁拥有更多算力capacity，谁能更快交付算力，谁就能锁定未来十年的客户。一旦企业将AI workload部署在AWS上，迁移成本极高，包括数据迁移、延迟优化、网络结构等多个层面的锁定。这使得基础设施成为AI时代最核心的护城河。 这也是为什么CapEx在这个阶段不是成本，而是护城河建设。 从现金流角度看，Amazon完全具备支持这一规模投资的能力。过去12个月，Amazon的Operating Cash Flow约为1150亿美元，AWS本身每年贡献约500亿美元级别的营业利润。同时，Amazon资产负债表上拥有接近千亿美元现金，并具备极强融资能力。虽然短期自由现金流会被压缩，但不会构成生存风险。 如果了解亚马逊的历史，就会知道，这种模式对Amazon来说并不陌生，而是他们过去二十年成功的核心路径。 第一次是在2000年前后，Amazon疯狂建设物流基础设施，利润被压制，但最终建立了全球最高效的电商配送体系。 第二次是在2006年之后，他们持续十年建设AWS数据中心。当时市场普遍认为Amazon过度投资，利润长期低迷，但最终AWS成为全球最大云平台，并成为Amazon最核心利润来源。 第三次是在2018年之后，他们大规模投资自动化物流网络，再次压缩利润，但显著提升了物流效率和进入壁垒。 现在，Amazon正在复制同样的路径，只不过对象变成了AI基础设施。 AI周期现在正处于这个基础设施建设阶段。Amazon今天的财报、昨天的Google的财报、上周Meta的财报都在大幅增加CapEx。这不是单个公司的判断，而是整个行业对AI需求爆发的集体反应。 Amazon这次的大规模投入，本质是进攻，但也是防御性的战略行为。 如果不提前建设capacity，他们将失去未来AI时代的入场券。 AI基础设施正在成为新的云基础设施，而Amazon不过是正在重复他们曾经在多次做过的事情。
avatar
Enphase股价今天单日暴涨接近40%，创下多年最大涨幅。这一轮上涨直接催化剂来自公司最新财报与业绩指引，但更重要的是，和今天sunrun大涨逻辑一样，可能在于市场重新定价住宅分布式能源行业的周期位置。 公司公布的2025年第四季度业绩虽然同比仍有下滑，但盈利与收入均明显好于市场预期。 Enphase季度每股收益达到0.71美元，营收约3.43亿美元，均高于分析师预测水平。同时，公司给出的2026年第一季度收入指引为2.7亿至3亿美元，同样超过市场一致预期。管理层在电话会议中表示，订单预订强度较高，并判断行业需求可能已经触底，预计下半年逐步改善。 市场对这份指引反应尤为强烈。多家投行随即上调评级，认为公司有望恢复市场份额，同时新产品周期正在形成。此外，住宅光伏此前长期承压于融资收紧、补贴调整及库存周期，而公司订单改善被视为行业库存去化接近尾声的重要信号。 从公司业务结构看，Enphase是一家以家庭能源系统为核心的技术企业，其最重要产品是微型逆变器。与传统集中式逆变器不同，公司将逆变器安装在每块太阳能板上，使系统具备更高发电效率与安全性，并成为住宅光伏系统的关键控制节点。 近年来，公司逐步将业务扩展至储能设备和能源管理软件。储能系统使家庭能源从单纯发电装置转变为可调度资产，而能源管理平台则通过监控用电数据、优化充放电策略并支持虚拟电厂运行，将家庭光伏升级为分布式电网节点。这一能力使公司在行业中的定位，正在从设备制造商转向能源系统平台供应商。 如果从电力产业结构变化角度观察，Enphase所处位置具有一定战略意义。随着可再生能源比例提升以及电力需求增长，电网对分布式调峰能力需求正在上升。家庭储能与光伏组合，正逐渐成为电网容量补充的重要来源，而系统控制与调度能力将成为未来分布式能源竞争核心。 当然，行业仍存在利率环境、政策监管以及储能成本等不确定因素。但当前市场对Enphase股价的大幅修复，某种程度上反映出投资者正在重新评估住宅能源系统的长期价值。 住宅光伏周期或许仍会波动，但分布式电力网络的建设趋势，可能才刚刚开始。
avatar
Alphabet今天的财报将2026年的capex上调至1850美元，市场原来的预期约1300亿美元，同比增长达约50%。 而在更早阶段，市场原本预计Alphabet2026年Capex仅在950亿至1050亿美元之间。 几天前，Meta在最新财报中预计 2026年资本开支将达到1150亿至1350亿美元，远高于市场此前约1100亿美元的预期，也几乎是其2025年720亿美元支出的接近翻倍。 市场对google财报的反应很有意思，google股价先是大幅下跌，然后快速反弹。最终盘后股价没有显著变化。 这意味着市场对大科技的超额capex的态度发生了根本变化： 过去 → CapEx增加意味着利润受压 现在 → CapEx增加反而被视为战略地位强化 市场可能已经从“担心企业砸钱”，转变为： 担心企业不砸钱会被淘汰。 随着ai模型的同质化，大科技的竞争本质上来说就是算力与基础设施竞争 AI训练和推理需求正在推动整个工业体系升级。 未来AI竞争的关键指标是单位AI能力成本 谁能以更低成本提供稳定AI服务，谁就拥有产业优势。 更重要的是，这场竞赛不会只停留在大科技云厂商。 一种新的竞争模式正在酝酿： AI采用军备竞赛 即使企业无法自建算力，也必须加大AI投入。 原因很简单： AI带来的效率提升可能达到倍数级别。 当竞争对手通过AI： 降本提效，提升转化 企业如果不投入AI，就会被直接淘汰。 从ai流程化，到流程ai化，最后到组织ai化，每一次进化，都意味着算力需求的几何级数的上升 大规模算力与数据投入会降低单位成本形成网络效应和基于数据的ai能力的复利式的增长。这导致行业容易出现赢家通吃结构。 所以对无论是hyperscaler，还是使用ai的企业，长期来看，在这次军备竞赛中落败都是无法接受的结果。因为失败者，将失去一切。 因此，从这次google的财报，我们可以更清晰的看到，加速仍然在加速！
avatar
这周rtx，noc两家国防航天公司的财报，放在一起读，会发现一个很清晰的变化：行业已经从“地缘政治驱动的预期阶段”，进入了“订单开始兑现、执行成为核心”的中段周期。 在这个背景下，航天板块的角色正在发生变化。过去很长一段时间里，航天更多是“锦上添花”的叙事：技术很先进，但体量小、周期长、兑现慢。现在它开始承担另一种功能——为未来五到十年的增长提供确定性。 为什么这一轮航天的“空间”突然被打开了？ 答案大家都知道：运载能力这个长期约束，被马斯克的spacex结构性解决了。 运载能力一旦工业化，隐含假设就全部改变了：卫星可以是批量的，系统允许失败，网络可以冗余，补网可以快速完成。于是，“天基防御层”第一次从概念变成可设计、可预算、可部署的体系。 这就是所谓“金色穹顶”类项目能够成立的真正前提。 这让传统军工巨头擅长的部分——传感器融合、多域指挥、通信、拦截与系统集成——价值就突然显现了出来。 于是，一个清晰的分工开始出现： 运载和星座成为基础设施； 系统设计、感知、指挥和拦截构成防务核心； 太空第一次被当成一个“可运营的作战域”，而不是实验室。 而这一步，带来的影响远不止军事。 高资本密度、长周期的新空间，几乎不可能靠纯民用需求率先工业化，但也不会仅停留在军事领域 军事需求的不可延迟性、对成本的相对不敏感，以及持续几十年的体系化投入，恰好提供了工业化所需要的第一性需求和容错环境。 一旦工业能力形成，它又会反过来改变军事本身：成本下降、冗余变便宜、更新速度加快，作战哲学从“少而精”转向“多而韧”。这不是线性推进，而是一个相互强化的螺旋。 沿着这条路径，真正会外溢到民用和工业的，是体系能力本身： 低轨通信网络，成为新一代基础设施； 高频运载，成为太空物流的地基； 分布式感知，构成“实时数字地球”； 在轨维修与补给，开始形成产业闭环； 能源与制造技术，逐步反哺地面工业。 判断哪些技术能转民用，其实有一个简单标准：凡是降低系统成本、提高频率、增强冗余、允许失败的，几乎必然会民用化；凡是追求极致性能、不可失败、单点昂贵的，大概率只属于军用。 从这个角度看，这一轮太空军事化并不是终点，而是人类进入太空工程时代的启动器。太空正在从探索阶段，迈向工程阶段，并为下一步真正的工业化铺路。
avatar
“AMD与Riot Platforms达成协议，获得位于德克萨斯州罗克代尔数据中心25兆瓦的IT容量。该容量预计将于2026年1月至5月期间交付。协议的关键在于AMD可以选择将电力分配额度提升至200兆瓦，这将使合同总价值增加至约10亿美元。” --- 这个春天会是neo cloud的春天吗？
avatar
Intel 7 / Intel 3 产能约束下的服务器优先策略 ——对 INTC EPS 与自由现金流的影响评估报告 最近报道称，intel的7和3制程的服务器芯片2026年产能已经售謦 一、核心结论（Executive Summary） 在当前可见周期内（2025–2026），Intel 的 Intel 7 与 Intel 3 两个核心制程节点已接近满负荷运行，其中服务器 / AI 数据中心相关 CPU 的需求明显强于消费级 CPU。 在这一约束条件下，Intel 具备现实可行性、且在经济上高度理性的动机，通过 产能重分配（而非扩产），阶段性挤占部分消费级 CPU 产能，以优先保障服务器与 AI 相关出货。 关键判断是： 这不是“产能危机”，而是一种 以毛利率和现金流最大化为目标的主动 mix 优化， 在不依赖 18A 成功、不新增 CapEx 的前提下，已能对 EPS 与 FCF 产生实质性弹性。 二、制程与产品结构的现实背景 1. 制程定位 Intel 7 ≈ TSMC N7 / N6 Intel 3 ≈ TSMC N5 / N4 两者均为 Intel 自研、自有 Fab 生产的主力节点 是 2025–2026 年 Xeon 服务器 CPU 的实际出货底盘 2. 当前产能结构（合理估算区间） 节点 消费级 CPU 服务器 / AI CPU 其他 Intel 7 ~40–50% ~45–55% 5–10% Intel 3 ~20–35% ~55–70% 5–10% 结论： Intel 3 已明显向服务器倾斜；Intel 7 仍是可被再调度的“缓冲池”。 三、服务器产能还能扩大多少？ 短期（2025–2026） 不新增产线的前提下： 通过排产、良率、SKU 优先级调整 服务器有效出货量最多再提升约 5–10% 这是一个 “挤结构、不挤总量” 的过程 中期（2027+） 真正的结构性扩张来自： 18A 承接高端 PC / 新服务器 SKU 从而 释放 Intel 3 产能 但这属于下一阶段，不计入当前测算的 Alpha 四、为什么服务器 / AI 一定优先？ 1. 单位 wafer 的经济回报差异巨大 服务器 CPU（Xeon）ASP：$3,000–10,000+ 消费级 CPU ASP：$200–400 同一 wafer 投向服务器的 IRR 显著更高 2. AI 数据中心订单的战略属性 多为长期合同、平台绑定（CPU + memory + networking） 断供风险 = 设计 win 永久丢失 属于不可逆损失，优先级高于 PC 市场份额 五、如果 Intel 真这么干，会发生什么？ （一）ASP 变化 服务器 CPU ASP：+10% ～ +15% 消费级 CPU： 低端 SKU 被优先挤出 ASP 基本持平或小幅上行（0～5%） → 公司整体 ASP 上移，而非“以价换量”。 （二）毛利率变化（核心变量） 假设： 服务器毛利率：~60% 消费级毛利率：~30–35% 通过产能重分配带来的结果： 新增服务器收入：+$2.0–3.0B 减少消费级收入：-$0.8–1.2B 净收入增量：+$1.0–2.0B 对应： 净毛利增量：+$0.8–1.4B 整体 Gross Margin 提升：+150–300bp 六、对 EPS 的量化影响区间 基准（不调整产能） 2026E EPS（non-GAAP）：$1.20 – 1.40 服务器优先 + 产能重分配后 税后利润增量：$0.7–1.2B 股本约 4.1B shares 👉 EPS 增量：+$0.17 – $0.30 结果区间 2026E EPS：$1.40 – $1.70 这一提升 不依赖 18A 成功，仅来自供需与定价权修复。 七、对自由现金流（FCF）的影响 这是当前市场最容易低估的部分。 原因 CapEx 已经发生 产能重分配几乎不增加现金成本 服务器业务具备： 更高预付款比例 更快库存周转 更高应收质量 量化结果 FCF 增量：+$0.8 – $1.5B FCF 2026E Baseline $5 – 7B 调整后 $6 – 8.5B 八、估值含义（二阶效应） 如果市场确认三点： 服务器 CPU 真实 sold-out ASP 上行而非靠 volume 毛利结构持续改善 那么 INTC 的叙事将从： “turnaround / 制程追赶” 转向： “算力基础设施公司，重新获得定价权” 这通常对应： Forward P/E：15–17x → 18–22x 在 EPS $1.6–1.7 情景下： 合理股价区间：$32 – $37+ 九、总结 在 Intel 7 / Intel 3 产能接近满负荷的背景下， 通过服务器优先的产能重分配，Intel 已具备在 2026 年实现 +$0.17–0.30 EPS、+$0.8–1.5B FCF 的现实弹性， 且这一 Alpha 并不依赖 18A 的成败，而来自供需紧张与定价权修复本身。 声明：本人持有文章提及标的，观点充满偏见，非投资建议dyor
avatar
《类 EDA：为什么这是 AI 时代最难被撼动的软件护城河》 在 AI 冲击软件行业的趋势中，大部分的工程软件都会被生成式 AI 重塑。 只有一小部分的护城河反而变深。 分水岭取决于一个问题： 这个软件，是不是“物理现实的接口”？ 一、什么是“类 EDA”软件 EDA 之所以特殊，并不是因为它服务芯片行业，而是因为它处在一个极端位置： 设计错误不可逆，错就是报废，成本极高 结果必须符合物理定律 软件输出直接等于生产指令 在这种场景下，AI 不可能绕过原系统重新生成答案。 它唯一的作用方式，是嵌入进去，帮人把错误率压到更低。 这类软件，我称之为“类 EDA”。 二、为什么 EDA 的护城河在 AI 时代反而加深 因为功能复杂，且失败不可承受。 芯片设计中积累的私域数据——PDK 调校、时序边界、工艺妥协方案——有一个共同点： 脱离原工具即失效。 这些数据既不通用，也难以解释，更无法被泛化学习。 AI 能用它们优化流程，但无法复制一套“独立于 EDA 的新系统”。 结果就是： AI 成为 EDA 的外挂，而不是替代者。 三、哪些板块正在走向“类 EDA” 除了传统芯片 EDA，还有几类工程软件正在向同一方向靠拢： 高端 CAE / 多物理场仿真 航空航天系统设计 核电、电网、化工流程仿真 深度绑定制造的工业 PLM 它们有一个共同特征： 设计本身就是安全证明或合规文件。 在这些领域，“生成一个看起来对的结果”毫无意义， 唯一有价值的是：这个结果能不能被物理世界接受。 四、谁会走向“Photoshop 化” 与之相对的，是另一类工程软件： 通用 CAD 建筑设计 / BIM 工业外观与结构设计 工程前期方案工具 这些软件的中心地位会被ai削弱。 当 AI 能直接从文本、规则、约束生成 80% 的设计成果时， 软件本体往往退化为编辑器和校验工具。 它们可以被抽象、迁移、学习。 五、一个简单的判断标准 判断一款工程软件能否形成类 EDA 护城河，只需问六个问题： 错了会不会付出不可承受的代价？ 错误能否在上线前被完全验证？ 数据是否离开工具即失效？ 设计是否直接等于生产？ 是否被法规或安全体系绑定？ 是否深度嵌入制造或运行系统？ “是”越多，越接近类 EDA。 结语 AI 不会平均改变世界。 它会把“工程共识型软件”变轻， 却会把“物理现实接口型软件”推向更深的垄断。 类 EDA，是 AI 时代少数护城河确定性反而上升的软件板块。 这是物理约束给出的结论。
avatar
9月底关于美光的这篇推文到现在，mu股价翻倍不止了 那现在是否仍然低估呢？ 很可能还是低估，而且严重低估 原因是， 不管已知的哪条 AGI 路线，“存储”都会变成超线性甚至阶段性指数级增长的硬约束 1) 几乎所有主流 AGI 路线都“隐含”存储爆炸 目前已知的路径包括： 大世界模型（World Models） LLM + 多模态基础模型 具身智能（Embodied AI） 多模型协同 / 多 Agent 系统 长期记忆 + 规划 + 反思体系 它们都会带来存储需求的超线性增长，并且会同时推高三类存储： 参数存储（模型权重、检查点） 中间状态 / 世界状态存储（时序状态、推演过程） 长期经验 / 记忆存储（外部记忆库、轨迹、知识与经验） 2) 为什么“世界模型”天然是存储杀手 (a) 世界模型不是“输入→输出”，而是“可回放宇宙” 世界模型要做的是： 给定世界状态 → 推演未来 → 回滚 → 对比 → 再推演 因此必须保存： 世界状态 (S_t) 状态转移关系 (P(S_{t+1}|S_t, A_t)) 多分支假设（counterfactuals） 长时间跨度的序列（长 horizon） 关键点：这不是线性链，而是树状分叉结构——存储增长会变成 线性时间 × 分支因子 → 实际表现为超线性。 (b) 一旦模型开始“可泛化”，存储需求会发生跃迁 低 fidelity 阶段还能较好压缩；但当模型更接近“真的理解世界”时： 规则能压缩 但长尾、异常、边缘案例、复杂因果不可压缩 所以会出现“越聪明越省存储”的误判——现实更像是： 越聪明 → 越需要长期保留更多不可压缩的例外与经验。 3) LLM + 多模态：存储不是少了，而是“换了位置”并且更大 很多人会以为 LLM 只是参数大、状态少，但趋势正在变成： (a) 从“参数即知识”走向“参数 + 外部记忆” 长上下文、RAG、Memory Bank、Episodic Memory 等，把知识从权重里搬出去，变成可调用的外部存储。这通常是“挪地方”，不是“减少总量”。 (b) 多模态显著抬高“每条经验”的数据密度 经验不再是一句话，而可能是： 视频 + 音频 + 动作 + 环境状态 模态越多，一条样本的有效信息量越大，存储压力也越大。 4) 具身智能：存储压力更夸张 具身智能依赖： 大规模传感器流（视觉/力觉/IMU 等） 时间对齐的多模态轨迹 成功/失败 episode 的完整记录 对比： LLM 的基本样本单位是 token 世界模型是 trajectory 机器人是 trajectory × 连续信号 并且关键事实是： 稀有失败和安全相关经验特别有价值，往往不能轻易丢弃，进一步推高“必须保留”的存储量。 5) 多 Agent / 协同系统：容易出现“平方效应”甚至指数错觉 如果有 N 个 agent、每个有 M 条经验： 仅各自存储：约 (N×M) 但一旦需要共享、对齐、相互建模（预测“另一个 agent 怎么想”） 存储会向关系空间扩张，可能接近 (O(N^2×M)) 尤其在社会/博弈/经济模拟类任务里，多 agent + 世界模型会显著放大存储需求。 6) 有没有“绕开存储爆炸”的 AGI 路线？ 我们得到的结论是：目前没有任何被严肃对待的 AGI 路线能真正绕开存储规模问题。只能做三类“延缓/转移”： 更激进压缩（但往往损失泛化） 更频繁遗忘（牺牲长期一致性） 把存储外包给环境/工具/网络（本质是转移，不是消灭） 7) 总结：供给会不会长期追不上需求？ 判断如下： “智能水平”越来越依赖 可调用的有效记忆规模（不只是算力） 存储扩展受制于材料、制造、可靠性、能耗、成本等现实因素 因此在可预见未来，AI 对有效存储的需求很可能长期跑赢存储供给能力 对应的推论包括： 能运行完整世界模型/大规模记忆系统的能力更稀缺、更集中 产业约束可能从“算力”进一步转向“存储系统”（层级、可调用性、长期一致性） 因此 无论世界模型、具身智能还是多模态+Agent，AGI 的关键硬约束正在从“算力”逐步转向“可扩展、可调用、可长期保持一致性的存储系统”；这种存储需求在结构上呈现超线性增长，并可能在某些阶段表现为近似指数的压力。 nfa dyor
avatar
今天的最新报道，SK海力士（SK hynix）正与英伟达（NVIDIA）联合开发一种软件定义硬盘（SSD），旨在彻底解决 AI 推理工作负载中的数据瓶颈（hbm不足？）。 这款新型 SSD 目标是在 2027 年达到 1 亿 IOPS 的超高性能，将传统的存储墙一举打破。 如果报道属实，这将是AI 存储一次范式转移。SK海力士与英伟达的联合开发，标志着 **AI 推理（Inference）**领域将缓解长期存在的“存储墙”瓶颈（hbm瓶颈））。 他们推出的新型 **软件定义硬盘（AI SSD/HBF）**旨在通过超高速 NAND 存储，确保昂贵的 GPU 能够满负荷运转。 为什么需要新的 SSD？ 在 AI 时代，**HBM（高带宽内存）**主导训练，但当模型进入推理阶段，需要频繁读取数千亿参数时，传统 SSD（企业级约 200-300 万 IOPS）速度太慢，导致 GPU 等待数据而“空转”。 AI（专用的）SSD 的目标与实现 性能飞跃： 该项目目标是到 2027 年实现 1 亿 IOPS（每秒读写次数），相比现有顶级 SSD 性能提升约 30 倍。 技术路线： 这得益于 **HBF（高带宽闪存）**的理念。它采用类似于 HBM 的 3D 堆叠封装和 PCIe Gen 6/Gen 7 等高世代接口，以更优的成本提供仅次于 HBM 的超高带宽和低延迟。 角色定位： HBF 并非取代 HBM，而是其完美的容量和成本补充。HBM 处理最快计算，HBF 存储海量模型参数和 KV 缓存。 对两大巨头的战略意义 SK海力士：从“HBM 霸主”到“全栈专家” 双轮驱动： 通过此举，海力士在 AI 训练（HBM）和 AI 推理（AI-SSD/NAND）市场都占据了绝对优势。 利润升级： 告别传统 NAND 市场的周期性波动，转而开发高定制化、高附加值的 AI 专用产品，显著提升利润率。 深度绑定： 进一步巩固与英伟达的合作，从单纯的硬件供应商升级为系统架构定义者。 英伟达：强化生态护城河 消除瓶颈： 通过定义存储标准（如 Storage Next），英伟达消除了其数据中心中最后的性能短板，确保未来架构（如 Rubin）性能极致发挥。 生态掌控： 将“英伟达标准”延伸至存储领域。未来高效 AI 推理将依赖符合其标准的存储设备，进一步巩固其生态主导权。 行业大趋势：重心转向推理 这个合作释放了一个强烈的行业信号：AI 领域正从 模型训练 阶段全面转向 **大规模应用落地（推理）**阶段。 存储架构的范式转移 存储即计算： “软件定义”意味着 SSD 不再是简单的仓库，而是具备智能数据调度和预处理能力的“近数据处理器”。 跟进压力： 三星、闪迪/铠侠等存储巨头将面临巨大压力，必须迅速跟进开发类似的高性能 HBF/AI SSD 方案，否则将在高端 AI 存储市场被边缘化。 当然，三星和闪迪/凯侠也是唯二除了海力士外最有能力开发同类型ssd的厂商。
avatar
IonQ 收购 Skyloom —— 从“造电脑”到“建基站”，并为和spacex合作奠定基础 spacex要实现全球通信网络，必然需要量子通信技术的支持，而ionq在完成这次收购后，已成为了最好选项。 IonQ 收购 Skyloom Global（一家空间光通信公司）不仅仅是一次单纯的技术并购，它标志着 IonQ 的企业定位发生了根本性转变： 过去： 一家专注于提升量子比特数量的硬件制造商。 现在： 一家致力于构建全球量子算力与通信网络的全栈基础设施公司。 这笔收购补齐了 IonQ 商业版图的最后一块拼图：太空传输层。结合其原本拥有的量子芯片（计算）和此前收购的 Qubitekk（地面网络），IonQ 现在掌握了从量子信息的生成、处理、局域网传输到全球卫星分发的完整技术闭环。 对 IonQ 公司来说， Skyloom 拥有现成的国防订单（如美国太空发展局 SDA），能立即带来现金流，缓解量子计算研发的高昂烧钱压力。 IonQ 的离子阱技术天然使用“光子”进行通信，与 Skyloom 的“光通信”技术在物理底层完美兼容。这消除了其他技术路线（如超导）面临的“微波-光子”转换难题。 长远看，IonQ 意在通过卫星连接多台小型量子计算机，通过集群效应突破单芯片算力的物理瓶颈（即“量子摩尔定律”的新捷径）。 ionq以此确立了标准： 宣告了“光互联”是未来量子计算机扩展的主流路径。 也抬高了门槛： 将行业竞争维度从“单机算力”拉升到了“全球组网能力”。量子计算不再是孤岛，行业进入了基础设施铺设阶段。 更重要的是，Skyloom 的卫星属性打开了IonQ 与 SpaceX 合作的大门： SpaceX 的 Starshield（星盾计划）服务于军方，和starlink面对金融、工业等的高价值客户，对“抗量子破解”的通信有刚需。 IonQ (Skyloom) 可能将其量子加密终端作为“托管载荷”挂载在 Starlink/Starshield 卫星上。 目前来说，ionq是starlink最优选择，甚至是唯一选择 ionq在完成这次收购后，会不会作为太空板块，甚至starlink概念板块再被重估值？ 我们拭目以待 免责声明：本人持有推文提及标的，观点充满偏见，非投资建议，dyor
avatar
电力电子 DC 化：AI 算力电力供给中被忽视的“隐形扩张路径” 在当前关于 AI 能源瓶颈的讨论中，市场叙事几乎被两条路径主导：一是新建发电（核电、燃气、可再生），二是加速并网与输电扩容。这种叙事在方向上并非错误，但存在一个显著盲区——算力供给的第一阶段扩张，并不一定发生在发电侧，而发生在用电侧。 电力电子与电子电路的 DC 化改造，正是这条被系统性低估的路径。 一、DC 化并不等于“脱离电网” DC 化不是把电网改成直流，更不是脱离现有电网。 在现实工程中，电网依然是 AC，PPA 合同依然有效，并网关系完全不变。DC 化发生在并网点之后： AC 电网 → 并网点 → 一次性高效整流 → DC 母线 → DC-DC → 芯片 这意味着，电网只负责“把能量送到门口”，而电能质量、转换效率和损耗控制，则被彻底收敛到数据中心内部。 二、为什么 DC 化不需要审批，也不构成“抢电” 监管审批的对象，从来不是“你用了多少电”，而是三件事： 并网容量（MW）是否提高 峰值负载是否突破合同上限 是否新增并网点或输配电设施 DC 化不触碰以上任何一条。 在 PPA 语境下，数据中心本就已经锁定了最大并网功率。DC 化并没有多要一度电，只是减少了 AC-DC 多级转换、冗余和空载带来的内部损耗。 换句话说： DC 化不是“多用电”，而是“少浪费电”。 从监管和电网视角看，这属于典型的 Energy Efficiency Improvement within Contracted Capacity，不但无需审批，反而是被鼓励的行为。 三、DC 化的本质：PPA 内部效率套利 在技术上，DC 化的价值可以被非常清晰地定义为： 在不改变并网容量、不修改 PPA 合同条款的前提下，提高单位 PPA 电量可转化为有效算力的比例。 传统 AC 架构下，数据中心从电表到芯片的综合损耗通常在 12–18%；而成熟的 DC 架构可以将这一数字压缩至 6–9%。在 AI 数据中心这种高功率密度、长时间满载的场景中，效率提升甚至可达 8–15%。 四、规模有多大？相当大 以美国为例： 数据中心相关的已审批并网容量（运行中 + 在建）：约 90–110 GW 考虑可改造性与已签 PPA 未完全吃满的容量 可被 DC 化效率释放的 PPA / 并网存量：约 120–160 GW 在这一存量基础上，即便采用极其保守的假设： 等效新增供电能力：约 12–25 GW 这是在不建电厂、不拉输电、不走审批的前提下释放出来的算力供给，对 AI 产业而言并非边际改善，而是足以改变阶段性供需曲线的变量。 五、这条路径为什么容易被市场低估？ 原因很简单： 它不出现在发电统计中 不体现在电网 CapEx 里 不会成为政策新闻 只体现在数据中心内部的电力电子与系统级 CapEx 中 但对算力经济而言，每减少 1% 的损耗，就等价于更多 GPU、更多 FLOPs、更多可售算力。 六、谁会真正受益？ DC 化不是单一产品，而是一条完整的技术栈： 高效 AC-DC 整流 高压 DC 母线（380V / 800V） DC-DC 转换器 DC UPS 与储能一体化 DC 侧开关与保护 功率半导体（SiC / GaN） 电源管理 IC（PMIC） 结语 市场普遍将 AI 能源瓶颈理解为“电不够”，但现实中，第一阶段的突破并不是新电从哪里来，而是现有电能被如何使用。 电力电子与电子电路的 DC 化，正是一条不依赖审批、但真实存在的“隐形算力供给扩张路径”。
avatar
《2025 企业级 AI 采用速度是否加速？— 综合证据总结》 基于过去 1–2 个月的行业报告、2025 年最新财报信号、OEM/网络/芯片厂商数据，我们可以非常明确地得出： 🎯 结论：2025 年企业级（非云）AI 采用出现“第二次加速点（Second Acceleration Wave）”，速度明显快于 2024→2025 初期。不是持平，而是加速。 原因与证据来自六大独立渠道，且全部在 2025 年出现收敛。 ① 全球调查类报告：从 PoC → 全面部署的比例翻倍 ISG《State of Enterprise AI Adoption 2025》（2025 年 9 月） 2024：约 15–17% 的企业 AI use-cases 进入生产部署（production） 2025：31%（几乎翻倍） ➡️ 最直接的“部署深度加速”证据。 ② AI 基础设施预算：2025 明显上调 Flexential《2025 State of AI Infrastructure》 AI 占企业 IT 预算比重： 2024：<5% 2025： >10% C-suite（企业高层）推动 AI 基建的比例： 2024：53% 2025：71% ➡️ 预算转向 AI，是加速落地最硬的指标之一。 ③ McKinsey 2025：企业开始进入“Scaling 阶段” 2025 年企业正在开始 scale their AI programs 不再停留在 2023–2024 的“试点 / 试水”阶段 ➡️ “Scaling（规模化）”是 AI 工厂建设的明显标志。 ④ 451 Research / S&P Global：AI 基建投资全面加速 2025 年中期市场规模预测首次突破： AI Infra 总市场：>$250B（比 2024 上调） “Ramping → Expanding” 的结构性变化确立 ➡️ 基础设施 CapEx 明显加速，这直接对应到 Dell/HPE/AVGO/ANET 的订单。 ⑤ 芯片厂商信号（NVIDIA）：企业 AI 是增长最快 segment NVIDIA 2025（Q1–Q3 Earnings）： Enterprise AI 软件 YoY：150–200%（高于 2024 的 100–150%） Fortune 500 private AI cloud 的部署全面爆发 CEO 2025 年首次明确： “Every Fortune 500 company is building a private AI cloud.” ➡️ 企业 AI 的增长比云更快，且进入“全面部署期”。 ⑥ 网络厂商（Broadcom / Arista）证据：企业 AI 网络增速首次超过云 Broadcom 2025： Enterprise AI networking YoY：+90% Cloud AI networking YoY：+60% Arista 2025： Enterprise AI networking YoY：+70–85% 进入“Phase-3：Global rollout” ➡️ 这是企业级 AI 加速最硬的“实时链路”证据。 ⑦ OEM（Dell / HPE / Lenovo）财报同步印证 Dell 2025： Enterprise AI backlog 增速 高于 cloud Fortune 100 企业正在下“multi-rack AI factory”订单 HPE 2025： Enterprise AI revenue YoY：+78% （明显高于 2024 的 +50–60%） Lenovo 2025： Global 2000 企业 AI server YoY：100%+ ➡️ 企业 AI 的订单增长从“中等高速”进入“全面加速”阶段。
#企业级AI加速 #2025年AI部署 #AI基础设施预算增加 #企业AI私有云 #AI规模化
avatar
微软财报double beat 更重要的是，RPO（backlog） 同比激增 51% 至 $392 亿 订单激增！
#微软 #财报 #订单激增 #RPO #backlog
avatar
Micron Technology (MU) 的Forward P/E（预期市盈率）约为 11.7 倍至 13
英伟达市值破四万亿，AI芯片霸主地位稳固？· 216 条信息
#Micron Technology #MU #预期市盈率 #Forward P/E #11.7倍至13
avatar
OpenAI 26GW数据中心计划（总投资超可能超万亿美元，2026年启动，2027年全面上线），需求超过目前全球hbm产能的50%甚至更多，将显著拉动美光科技（Micron Technology）HBM和DRAM产能需求，促使其加速扩产。 美光已规划2026财年CapEx超180亿美元，2027年约200亿美元，聚焦HBM4/4E、1γ节点DRAM及新加坡/美国工厂建设，受CHIPS法案补贴支持。 基于现在OpenAI项目及后续google，微软等巨头可能的跟进，美光加速扩产可能性更高，（HBM市场可达CAGR 90%）。
#OpenAI #数据中心 #美光科技 #HBM #扩产
avatar
American Resources Corporation（AREC，NASDAQ: AREC）是一家专注于稀土元素（REO）和电池材料回收的公司。 其利用专利色谱分离技术从电子废物（e-waste）、煤废料中回收高纯度稀土（包括重稀土HREE如镝Dy，芯片生产所需关键元素）和电池材料（Li、Ni、Co），符合美国IRA/DPA政策需求。 预计2025-2029年CAGR可达150-200%，2026年营收5-10亿美元，2029年50-60亿美元。 模块化工厂（Marion、Noblesville）每6-18个月新增2500-3500吨产能，4-6模块（2026年1-2.1万吨）可产HREE 630-945吨，营收1.89-2.84亿美元。 竞争优劣势：AREC扩张速度（6-10个月/模块）快于开采公司MP Materials（1-3年）和Lynas（1-2年），成本低50-70%（$50-70/kg），且规模小（2024年亏损4011万美元）。 回收废料稀土加工，比稀土开采加工更环保，容易获得新厂建设批准。 护城河包括专利技术、长期合同（Vulcan Materials、POSCO）、政府资助（印第安纳州91万美元，NSF潜在1.6亿）、模块化设计和资深团队（100+年经验）。政府支持可能性高（70-80%），2026年或获5000万-1亿资助，受益于DoD/DOE需求。 美国进出口银行（EXIM）目前对 American Resources Corporation（简称 Arec，纳斯达克股票代码：AREC） 的支持为 意向书（Letter of Interest, LOI） 形式，承诺提供 最高 1.5 亿美元 的融资。 exim上一次支持的公司为crml，支持后不久股票即大涨
美国五角大楼入股MP材料公司，稀土供应链引发关注· 11 条信息
#稀土回收 #American Resources Corporation #电子废物 #政策扶持 #融资