Daniel Romero

$AMZN 正在遵循$NVDA 策略：
通过入股供应商，帮助其为营运资金提供资金支持
Amazon 正在投资$50M 于台湾 PCB 供应商 Gold Circuit Electronics（GCE），该公司为 AI 服务器和网络交换机供应 PCB
Amazon 将以每股 NT$856 的价格购买 185.6 万股新股，较参考价折价 20%
GCE 为四大云服务提供商供货，并从定制 AI 和服务器需求中受益匪浅
其 8 月营收达到创纪录的 NT$103.8 亿美元（3.26 亿美元），同比增长 76.4%。1 月至 8 月营收达到 NT$640.6 亿美元（20.1 亿美元），同比增长 71.3%
这是 Amazon 对台湾 AI 供应链的第二笔投资，此前其于 2024 年投资了 Alchip

半导体资本设备行业将迎来黄金时代
据报道，$TSM 正考虑在德州达拉斯附近建设第二座美国大型园区
该项目可能包括六座先进制程晶圆厂，投资额超过其对亚利桑那州承诺的2650亿美元
亚利桑那州已有六座晶圆厂、两座先进封装设施和一个研发中心
德州拥有强大的半导体生态系统、工程人才、更低的税收以及更可靠的电力基础设施。
主要驱动因素包括 AI/HPC 需求、靠近美国客户、地缘政治多元化和关税风险
美国客户占 TSMC 2026 年上半年营收的75%

我靠
$AMD 以 82 亿美元收购 World Labs
这是 AMD 在物理 AI 领域的关键布局，对抗 $NVDA 至关重要
然而，这不仅限于机器人技术
World Labs 是 3D 视频创作和模拟领域的领导者，这些技术将应用于视觉特效、VR、AR、电子游戏和 AI 视频内容创作

台湾领跑 FOPLP 竞赛，生产加速
台湾目前领跑 FOPLP，PTI、$ASX 和 Innolux 已投入生产
· PTI：510 × 515 mm
· ASE：310 × 310 mm
· Innolux：620 × 750 mm
· TSMC：CoPoS 试产线，目标于 2028 年实现量产
更大面板尺寸下的主要技术限制是翘曲和良率。各公司正在采用 RDL 应力平衡、CTE 匹配和应力控制膜
Innolux 展示了无翘曲的 10 层 RDL 样品
长期来看，行业将从玻璃临时载板转向带有 TGV 的玻璃核心基板，从而带动 TGV 钻孔、金属化、检测、搬运和自动化设备的需求
· Intel：较早开始玻璃开发，但面临更复杂的工艺和玻璃破裂挑战
· Samsung：使用 415 × 510 mm 面板，并计划外包 TGV 玻璃。2030 年前量产似乎不太可能
· 日本：Rapidus 的目标是在 2028 年实现 600 × 600 mm 玻璃封装，而 AOI Electronics 和 Sharp 也在开发玻璃封装

听说 Claude 已经不再尴尬了，我兴奋得不行
所以我说，好吧，那我们来试试这个 Opus 5.5
我得到的第一句话是：
“3 份收购要约，全都夭折了。”
我操，这玩意儿是用一个中二青少年训练的吗？

如果你在2007年泡沫顶峰时投资中国主要股指，到今天仍会亏损27%
中国人不信任股票是有原因的
他们不像美国人那样认为股票是安全的价值储存手段
他们一直更倾向于将财富储存在房地产中
然而，这种情况也在改变，黄金如今正变得越来越受欢迎

如果元宇宙最终创造出$META 一家$10T 公司，那不是很有诗意吗？
我很好奇将 GenAI 与元宇宙结合的潜力
我明白，构建这些世界所需的投资太高了
但现在呢？边际成本应该会趋近于零
元宇宙失败了，因为它诞生在错误的技术时代
一旦我们能够创造出结合脑机接口和先进头显的超逼真虚拟世界，其潜力将不可估量
也许 10 年后，我们都会沉迷于某个 VR 世界，而 Meta 最终会成为背后的一切的公司

收益率达到多少，35 岁以下的人才会考虑购买债券？
7%？10%？
真心提问

围绕 Muse 的炒作可能不会持续太久……
我只是这么说
Tamagotchi 的吹捧也不会持续太久
$META 做得很好，但我们以前也见过其他炒作项目

$HIVE 说不定会表现得很棒，至少据我所知是这样
但他们的投资者演示文稿绝对是我见过的最糟糕的之一
他们为什么还要在里面做宏观分析，笑死

CPU 需求将会暴增
而且这不仅仅关乎 AI 代理
还关乎物理 AI
欢迎来到编排层
到目前为止，人形机器人一直依赖其机载计算能力，或者说你可以称之为个体化智能
这类似于单个聊天机器人
正如我们已经从单个聊天机器人发展到 AI 代理群一样，下一阶段将着眼于大规模机器人协同
想象一座工厂，机器人能够自主协商任务、协调移动、共享信息并调整生产计划
这会带来对计算基础设施的需求，而不仅仅是对安装在单个机器人内部的处理器的需求
现在，你可能会想：我们已经拥有数百万台仓储机器人，但它们几乎没有对 CPU 需求产生明显影响
确实如此，但这是因为如今的机器人只在结构化环境中执行非常有限的一组预定义任务，没有适应能力
这就是传统的车队编排
下一波技术将是物理层面的 AI 代理编排
在这些下一代系统中，AI 会接收一个复杂目标，制定计划，将任务委派给其他机器人，评估它们的结果，并随着情况变化修改计划，同时每个机器人都必须单独适应其环境
这比我们如今拥有的系统复杂数百万倍，需要高出几个数量级的推理能力
结果呢？
它不会改变每个机器人的计算量，但会需要一个 CPU 密集型的中央大脑来协调这些部署

我确实认为数据中心/电力类标的被严重低估了
TrendForce 预计需求将超过供应，到 2030 年形成 170 GW 的缺口
如果这是真的，人们真的明白这意味着什么吗？
看看这个缺口如何扩大。这将带来巨大的定价权提升
这些尚未反映在价格中