rickawsb

最近，風華高科因RC/RS系列0402、0603晶片電阻訂單激增，暫停部分新訂單。
雖然只是是貼片電阻嗎，但重要的，這是，高端、小尺寸、高一致性被動器件，的供需失衡信號。
0402 / 0603是封裝尺寸。它既可以是MLCC，也可以是貼片電阻、電感、EMI濾波器。AI伺服器真正需要的，是“小尺寸下还能維持高頻、高一致性和長期可靠性”的器件。
AI的VRM複雜度提升、PDN越來越複雜。於是系統開始大量消耗：高頻MLCC、小尺寸電阻、高頻電感、鉭電容、HSC。
這些器件單價不高，但屬於“缺一個，整機就無法出貨”的東西。
AI伺服器裡的需求本身是分層的。最核心的位置，比如GPU核心供電、HBM附近、ASIC基板附近，仍然高度依賴：村田製作所、TDK公司、太陽誘電。因為這裡要求極低ESL、極低ESR、高頻響應和長期可靠性。
但AI伺服器並不只有核心位置。PSU、BBU、NIC、SSD、光模組、交換機，同樣會消耗海量0402/0603。重要的是，AI正在先抽緊最頂級MLCC產能，然後壓力開始向中高端0402/0603擴散。
最近大火的MLCC和0402電阻看起來是不同器件，但背後共享的是“小尺寸精密製造能力”。包括精密印刷、燒結、AOI檢測、高頻測試、超小尺寸良率控制、精密材料處理。
這和HBM產業鏈很像。最開始缺的是HBM，後來CoWoS、ABF、基板、電源、散熱、測試一起開始緊張。MLC

以前以為日本只有做馬桶的公司能蹭上AI概念
現在發現整個日本都能蹭上馬桶概念

OpenAI 最近利用 AI 推翻 Erdős 離散幾何猜想，
這是 ai 科研的 AlphaGo 時刻
可能意味着 ai 在科研領域全面超越人類科學家的時刻已經很近了
對這個問題，傳統數學家主要在幾何空間內優化，而 AI 卻把問題轉化到了代數數論結構中，找到了一整類全新解法。
這意味著 AI 已不只是模式匹配，而開始具備跨領域、跨抽象層的泛化能力。
歷史上許多重大科學革命，例如愛因斯坦的相對論，本質上也是人類泛化能力的最好的展現：發現不同領域間更深層的統一結構

巴菲特說，永遠不要做空你的祖國
所以，從買入韓日半導體開始，
我已經成為了精神韓國人和神經日本人！

先進製程的瓶頸，你以為只有光刻機嗎？
其實還有Photomask（光罩 / 掩模版）。
如果說光刻機是印刷機，那麼Photomask就是印刷模板 / 底片，wafer（晶圓）就是被印內容上去的紙。
AI帶來的半導體複雜度增長，會直接傳導到Photomask，甚至被進一步放大。
過去行業是wafer使用量 +10%，mask需求 +10%。
AI時代可能正變成：wafer +10%，mask價值 +20%~40%。
因為增長的不只是mask數量，還包括：
mask層數
EUV層數
multi-patterning複雜度
先進封裝mask
RDL / interposer / HBM相關mask
inspection複雜度
repair難度
mask寫入時間
Photomask本質上已經不再只是“玻璃板”，而越來越像半導體工業裡的“母版”。
mask面積遠大於晶片，但精度要求反而更高。這點和euv鏡頭有點像：在A4紙大小區域上繪製整個城市地圖，同時誤差不能超過幾納米。
一套高端mask如果存在缺陷，後面可能是幾萬片wafer同時報廢。
因此行業的核心，是缺陷控制能力。目前高端mask已經進入納米級光學工程階段。EUV mask、3nm/2nm邏輯mask、HBM相關mask、Advanced Packaging m

整個市場屏住了呼吸
都在等這家公司的財報🧐

加倉了儲存，光
希望不會抄底抄在半山腰😅

KPMG 美國 AI Pulse 系列顯示，大型企業 AI 投資預期在 2026 年初明顯加速。
平均預計 AI 支出從 2025 年第一季度約 1.14 億美元，升至 2025 年第三季度 1.30 億美元，2025 年第四季度為 1.24 億美元，再到 2026 年第一季度 2.07 億美元。
這是大型企業群體的指標，而大型企業正是 hyperscaler 服務的主要消費方。

hyperscaler的aidc資本支出今年已經超過美國軍費
而智能是終極的軍事能力…

做空的老師們，你們要保重啊
千萬慢點虧
你們要是虧光離場了，美股就只剩赤裸裸的賺錢
我們這些多頭就會少了很多過程中的樂趣🤣

幣圈玩家基本好像都退圈了？
很多大V開始炒美股了？
幣圈機會來了，一些非常切合趨勢的標的，現在盈虧比其實相當高
iykyk

財報前瞻：
明天是美股的大日子，微軟Google亞馬遜Meta四大科技公司財報。這是AI板塊的moment of truth 時刻
這輪大科技財報，核心只看一件事：AI投入，是否已經開始轉化為可解釋CapEx的現金流，且在快速增長。
財報恰逢美股回調，最近這波回調，本質就是漲多了，美股已經歷史性的18連漲；指數高度集中，權重股波動被放大；預期已經被相對充分消化，任何新增變數都會觸發獲利了結。
但AI需求很強，而且還在加速，主要來自頭部AI公司、大科技自身以及部分高價值客戶；供給受GPU、电力、數據中心等物理約束，擴張明顯滯後；供需缺口巨大，而且仍在繼續擴大。
高端算力持續緊張，資源向高價值客戶集中，AI相關收入能力在提升。
但市場已經多少了解這些信息，真正要看的，是需求能不能持續穿透供給約束，轉化為收入，再轉化為現金流。
判斷需要基於三點
第一，收入有沒有持續兌現，看雲業務、AI收入、usage增長；
第二，增長有沒有加速，看客戶數、調用量、單位價值是否在提升；
第三，現金流有沒有進入上升通道，而且斜率是否在變陡，這是最關鍵的一點。
這些是目前對市場來說，比CapEx重要的多的指標。
因為只有現金流增長，才能支持CapEx繼續增長，才是正循環。反之市場又會陷入支出恐懼，參考昨天的amkr財報後股價表現。
免責聲明：本人持有文中提及的標的，觀點必然偏頗，文章內容非投資建議，股票投資風

今天 Amkor Technology 財報是一份大超預期的財報。
營收達到16.9億美元，同比大幅增長，並明顯高於市場一致預期；EPS同樣大幅超出預期，背後是產能利用率從此前低位快速回升到70%區間。更關鍵的是，公司給出的下一季度指引繼續大幅上修。
但市場卻毫不給面子，盤後股價一度跌幅達8%。
到底哪裡出了問題？
硬要找，只有一個：公司將全年資本開支從過去約7.5億美元直接提高到25-30億美元，增幅接近3倍。
這看起來像是之前市場對大科技的capex大幅增長，現金流擔憂的復現。
但這個顧慮到底有沒有道理？
要解答這個問題，需要先把先進封裝這件事拆開來看。
本質上，封裝在回答一個問題：算力如何被高效地“物理實現”。
圍繞這個問題，產業鏈形成了清晰分工：TSMC負責前道製造，把電路刻進矽裡；Amkor負責後道封裝測試，把裸晶片變成可用芯片。从歷史上看，兩者幾乎沒有重疊。但在AI時代，封裝開始直接影響帶寬、功耗與系統性能，先進封裝逐漸“前道化”，tsmc開始用cowos和amkr競爭，邊界開始模糊，不過這種變化主要集中在最頂端的一小段。
Amkor的技術路徑恰好位於另一側。它的先進封裝重心在Fan-Out體系，其中HDFO（高密度Fan-Out）是當前最關鍵的增長抓手，同時也在布局2.5D和3D。
CoWoS由TSMC主導，基於矽中介層（interposer），服務HBM與AI G

財報速覽：Rambus (RMBS)
Rambus 股價在財報後跌超 10%，核心數據顯示：AI 存儲市場正處於從規模擴張向技術代差驅動的轉型期。
核心財務邏輯：增收不增利背後的“軍備競賽”
Rambus Q1 營收 1.802 億美元，同比增長 8%。關鍵亮點在於產品營收（晶片）同比增長 15%，這抵消了授權業務的疲軟。
現狀： 市場對物理晶片（如 DDR5 接口晶片）的剛需遠超專利授權。
代價： 為了保住技術領先，研發投入大幅攀升，導致營運利潤率從 38% 壓縮至 34%。這是典型的“拿利潤換未來”的半導體競賽階段。
需求側的移位：推理與智能體（Agentic AI）
財報中 CEO 提到的關鍵詞是 “Agentic workloads”。這標誌著 AI 需求已發生結構性變化：
從“訓練”到“部署”： 早期增長靠買 GPU 練模型，現在的增長靠成千上萬的 AI 智能體線上運行。
帶寬即生命： 推理和智能體任務需要極高的數據交換頻率，存儲不再只是“倉庫”，而是“高速公路”。
技術迭代的“深水區”：HBM4E 與 SOCAMM2
Rambus 的技術路線圖目標是 AI 數據中心的兩大痛點：
速度瓶頸： HBM4E 記憶控制器 IP 預示著下一代 AI 顯存標準的到來，帶寬競爭沒有上限。
電力瓶頸： LPDDR5X SOCAMM2 模組將移動端的低功耗特性引入伺服器。在電力受限的當下