Daniel Romero

Samsung Foundry 正受到 Nvidia 的 Groq 3 推理加速器提振，该加速器采用 Samsung 的 SF4X 4nm 工艺制造
据估计，Groq 3 的晶圆投入量为每月 10,000 片，到 2027 年将增至超过 15,000 片，这意味着产量至少增长 50%。据报道，Samsung 的 4nm 良率已提升至 80% 以上，缓解了一项主要生产限制
在 Qualcomm、HBM 基础裸片和 AI 芯片的支持下，Samsung 的 4nm 产能已实现满负荷利用。据报道，Samsung 还在 7 月将 SF4 价格上调了 5–15%，改善了该工艺节点的经济效益
Groq 3 LPX 现已全面量产，Nebius 是首个 AI 云客户。Samsung Electro-Mechanics 也在为 Groq 3 提供占比最大的 FC-BGA 基板
关键问题在于 Samsung 能否赢得下一代 Groq LPU。这将进一步证明 Nvidia-Samsung 代工关系正逐渐成为一种持久关系

$NVDA 利用 GPU 短缺从 0 开创了新云行业
这需要对自身护城河有极大的信心，但 NVIDIA 知道必须利用其准垄断地位
$NVDA 成功让 GPU 供不应求的超大规模云服务商与这些较小公司达成巨额交易
超大规模云服务商实际上是在为未来的竞争对手提供资金，通过帮助新云达到超大规模来降低进入壁垒
这也正是 NVIDIA 的战略如此令人印象深刻的原因。它有意从零打造了这一新云层级
$NVDA 本可以将几乎所有产能直接卖给超大规模云服务商，然后就此收工
相反，通过启动新云业务，它扩大了客户群，同时将自己的客户变成其其他客户的客户
精心策划的杰作

$NVDA 洽谈以 300 亿美元以上估值投资 Perplexity
据 The Information 报道，Nvidia 据称正在洽谈投资 Perplexity，作为一轮融资的一部分，该轮融资将使这家 AI 初创公司的估值超过 300 亿美元，较其去年的 200 亿美元估值上涨 50% 以上
Perplexity 的年化收入已飙升至超过 7.5 亿美元，而 2026 年初还不到 2.5 亿美元，部分得益于 Perplexity Computer，这是其用于自动化专业任务的云端 AI 代理
今年早些时候，Perplexity 还与 Microsoft 签署了一项价值 7.5 亿美元的协议，以使用 Azure，据称正计划于 2028 年进行 IPO

$GOOG 和 $AMD 正在转向专用 AI 推理芯片，以减少对 GPU 和 HBM 的依赖
据报道，计划于 2028 年推出的 Google Frozen v2，通过将常用的 Gemini 推理功能硬编码到芯片中，其代币吞吐量将达到当前 TPU 的 6–10 倍
AMD 则通过 Taalas 走得更远，该方案将模型权重直接嵌入芯片，可能消除大部分内存传输瓶颈，并大幅降低推理成本。缺点是硬件会与特定模型绑定
AI 推理可能会从通用 GPU 转向由 GPU 负责灵活计算和预填充、专用 ASIC 负责解码，并最终由特定模型芯片承担超高吞吐量工作负载的组合。这可能会降低某些推理工作负载对 GPU 和 HBM 的需求强度

DIGITIMES：AI 支出的市场转变可能即将发生，付费转化率停留在 3%
DIGITIMES 副主任 Jason Tsai 在“芯片上的 AI：半导体行业趋势论坛”上指出，美国市场的 AI 采用率较高，但转化为付费用户的比例仍然很低，仅为 3%，人均消费仅徘徊在 20 美元左右
此外，随着企业越来越多地部署 AI 以优化产品和服务，向云服务提供商（CSPs）支付的代币费用已成为一项重大的资金负担。如果产生的价值无法抵消不断上涨的代币成本，市场转变可能即将发生

$AAOI 是“装到成功为止”最明显的例子之一
过去一年，AAOI发行了价值14亿美元的股票。包括最新授权在内，这一数字将升至$2B
一年前，其市值仅为13亿美元
这意味着，AAOI在一年内通过发行股票筹集的资金，超过了整个公司的价值
他们是如何做到的？
他们给分析师设定了一些疯狂的增长目标，而这些目标若要切实实现，唯一现实的途径就是让市值增长到足以进行大规模ATM融资
总而言之，他们押注市场会相信这些目标，从而让他们筹集到足够的资本，真正实现他们承诺的数字
极其激进的增长目标 → 股票重估 → AAOI利用更高的股价通过ATM筹集巨额资金 → 这些现金为实现这些目标所需的制造产能提供资金
这几乎就像是在实现自己的命运
他们做得漂亮。这就是利用公开市场的方式
现在，他们有机会通过真正实现目标，让所有这些摊薄转化为增厚

Samsung计划在2026年向股东返还650亿至800亿美元，相当于其市值的5%至7%
$22B 将以股息形式支付
剩余约$50B 将在额外股息和股票回购之间分配
如果这笔资金全部用于股票回购，相当于Samsung市值的4.2%

DIGITIMES：内存热潮将持续至 2027 年
DIGITIMES 认为，随着 AI 基础设施推动 DRAM、NAND 和 HBM 需求，内存上行周期正在加速，而供应将持续紧张，直到 2027–2028 年有意义的新产能开始到位
最大的结构性变化是，内存需求越来越取决于 AI 加速器架构，而非 PC 和智能手机。HBM4 的采用率将在 2026–27 年持续加速，随后是 HBM4E；与此同时，Nvidia 的 Vera 平台正转向可拆卸的 SOCAMM2 LPDDR5X 模块
企业存储也从中受益。PCIe Gen6 企业级 SSD 已进入生产阶段，Samsung 和 Micron 已开始提升产品产量，预计 Phison 和 Silicon Motion 将于 2027 年推出 Gen6 控制器
产能扩充规模可观，但大多将在后期落地：
· Samsung：Pyeongtaek P5 于 2028 年投产，Yongin DRAM 于 2029 年投产，新的 Onyang HBM 封装产能于 2029 年投产。
· $SKHY：M15X 已于 2026 年开始提升产量，Yongin DRAM 自 2027 年第一季度起投产，P&T7 HBM 封装产能将于 2027 年底前投产，Indiana HBM 封装产能将于 2028 年下半年投产。
· $MU：Tungluo 扩建、Hiros

$SKHY 警告内存短缺可能在 2027 年加剧
SK Group 董事长 Chey Tae-Won 表示，随着 AI 需求持续超过供应，内存短缺可能在 2027 年达到峰值，并持续至 2030 年
• 内存短缺可能在 2027 年达到峰值，并持续至 2030 年
• SK Hynix 计划$72B 进行全球扩张，目标是在五年内将产能翻倍
• 新晶圆厂将与长期客户订单挂钩，以避免产能过剩
• 该公司正在评估包括 Indiana 在内的其他选址
• HBM 使用的晶圆面积约为标准 DRAM 的 4 倍，而堆叠良率仍受到限制
• SK Hynix 正在探索与客户成立合资企业，以及采用“内存即服务”模式来分担投资风险
• Nvidia 目前是其最重要的客户，此外还有 Google、Microsoft 和 Meta

熟悉 ASIC 行业的人士表示，$GOOG 多供应商战略旨在防止任何单一合作伙伴获得过大的定价权，尤其是$AVGO
对 Broadcom 而言，最大的打击是失去其作为 Google 唯一长期合作伙伴的地位
Broadcom 主要负责用于 AI 训练的旗舰 TPU，其协议有效期至 2031 年。虽然$MRVL 交易似乎不会影响训练芯片，但其网卡和存储控制器将与 Broadcom 的网络产品直接竞争

数据中心运营商每 MW 估值
$DGXX 最便宜，$WYFI 最贵，而 $IREN 是最便宜的新云服务商
• Digi Power X | $DGXX：2 亿美元 EV / 400 MW = 50 万美元 EV/MW
• Soluna | $SLNH：2 亿美元 EV / 206 MW = 110 万美元 EV/MW
• Bitdeer | $BTDR：44 亿美元 EV / 2,825 MW = 150 万美元 EV/MW
• HIVE Digital Technologies | $HIVE：9 亿美元 EV / 564 MW = 160 万美元 EV/MW
• MARA Holdings | $MARA：36 亿美元 EV / 1,900 MW = 190 万美元 EV/MW
• CleanSpark | $CLSK：37 亿美元 EV / 1,800 MW = 210 万美元 EV/MW
• IREN | $IREN：168 亿美元 EV / 5,800 MW = 290 万美元 EV/MW
• KEEL Infrastructure | $KEEL：22 亿美元 EV / 648 MW = 340 万美元 EV/MW
• Riot Platforms | $RIOT：73 亿美元 EV / 2,000 MW = 360 万美元 EV/MW
• Core Scientifi

$META 现已成为$MSFT 最大的 AI 客户之一
Meta 每年通过 Azure Foundry 在 AI 模型上花费数亿美元
据 Bloomberg 报道，Meta 每周消耗数万亿个 token，使用包括 OpenAI 模型在内的外部模型来支持软件开发，甚至评估其自有模型的输出
微软的 AI 收入仍高度集中于其他科技公司。据报道，ByteDance 是 Foundry 最大的客户，而 Adobe、Perplexity 和 Sierra 也是主要用户。在微软最近一个财年中，仅 OpenAI 就约占其 AI 收入的 70%
Meta 同时正在构建庞大的内部 AI 基础设施，并探索自有模型 API 业务，因此部分外部支出最终可能会转移到内部。但目前，即使是全球最大的 AI 基础设施支出方之一，仍在消耗大量第三方 AI 算力和模型