Daniel Romero

Samsung (005930.KS) 通过面板级封装挑战 $TSM 生产
Samsung 计划在 2028 年左右将其 415×510mm FOPLP 平台投入量产，坚持采用明显大于 TSMC 310×310mm 标准的面板尺寸
Samsung 更大的面板拥有 310×310mm 面板 2.2 倍的可用面积，有望带来显著的单位成本优势。Samsung 还已通过移动和可穿戴芯片积累了大批量 PLP 制造经验，在翘曲控制方面拥有现成的基础设施和专业知识
挑战在于将该技术应用于 AI 服务器封装，因为集成逻辑裸片和 HBM 的难度要高得多。TSMC 也拥有既有优势，因为其 310×310mm 尺寸已吸引了庞大的设备、材料和 OSAT 生态系统
随着封装尺寸增大以及传统 ABF 基板面临日益严重的技术和供应限制，Samsung 还将 2029–2030 年的玻璃基板量产作为目标
或许最有意思的是，Samsung 正在积极将 AI 用于封装研发。据报道，物理信息神经网络正被应用于信号完整性、电源完整性和热仿真，将部分工程流程从一年缩短至一天

Powertech (成为$AMD 和$AVGO 的关键先进封装供应商
AMD 和 Broadcom 已预订 Powertech 计划中大部分 FOPLP 产能，预计将于 2027 年年中开始量产。预计产能将从 2026 年每月 1,000 个面板增至 2027 年年中的 2,000 个，并于 2028 年达到 5,000 个
Powertech 预计该平台的总投资将达到 NT$700 亿，而初始试产线投资预计将在 2027 年实现盈亏平衡。管理层预计，FOPLP 将从 2027 年起成为主要增长驱动力
其 PiFO 平台采用面板级 RDL 和硅桥来连接 SoC、ASIC、HBM 和芯粒。Powertech 表示，良率已超过 90%，长期目标为 95–99%
除 FOPLP 外，Powertech 还在拓展 TSV/3D IC 堆叠以及光引擎/CPO 领域，使公司涉足 AI 半导体封装增长最快的多个领域

$IREN 预计 FY27 资本支出为250亿至300亿美元
· $14B 已通过预付款和 GPU 融资获得保障
· 预计另有$8B 将通过同样的方式获得
· 这意味着仍有30亿至80亿美元需要融资
· 其余部分将来自现金流、数据中心融资和股权发行
如果股价进一步上涨，这一计划并不疯狂
但有太多人无法看透标题之外的内容

$IREN 引发了如此多愚蠢的看法
读起来或听起来都令人痛苦
不知为何，这家公司总能吸引来最业余、最难以集中注意力的批评者

$MU 今日关于供需平衡：
“我们认为，实质性供应要到 2028 年才会开始增加，即便如此，也只是初始阶段的增加。随后几年，这一趋势将逐渐获得动力。”
“行业需要一段时间才能找到新的平衡点。具体何时实现这一点，我们目前还无法确定。”

$MU 关于与最大客户进行深度内存协同设计：
“我们正逐渐融入许多客户的研发路线图。他们正向我们提出越来越有雄心的想法，而我们也在积极推进项目，以拓展内存所能实现的能力边界。
这种深度协同设计关系很难在多家供应商之间复制。客户通常只能与一两家公司建立如此紧密的合作关系。当你沿着这条路走下去时，这种关系开始更像是 ASIC 合作。
客户对设计承担更大的所有权，供应商深度融入产品路线图，并且你可能在一段时间内成为单一供应商，而竞争对手可能需要数年才能追赶上来。
这也会带来需求侧更强的持久性和可见性。这与传统的内存供应商关系有着根本性的不同。”

你被晾在一边了？$NVDA 表示，在供应受限的情况下它将增长 70%，而你却被晾在一边了？

$NVDA 预计 FY2028 增长 70% 的影响是巨大的
这将使$NVDA 的营收约为$730B ，营业利润约为$420B
在这一水平下，$NVDA 的交易价格仅相当于2028年 EBIT 的12倍
这听起来有多疯狂？

YMTC 已经拥有 14% 的市场份额
中国的增长速度真的很快，哇Ω

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