rickawsb

KPMG 美国 AI Pulse 序列显示，大型企业 AI 投资预期在 2026 年初明显加速。
平均预计 AI 支出从 2025 年一季度约 1.14 亿美元，升至 2025 年三季度 1.30 亿美元，2025 年四季度为 1.24 亿美元，再到 2026 年一季度 2.07 亿美元。
这是大型企业群体的指标，而大型企业正是 hyperscaler 服务的主要消费方。

hyperscaler的aidc capex今年已经超过美国军费
而智能是终极的军事能力…

做空的老师们，你们要保重啊
千万慢点亏
你们要是亏光离场了，美股就只剩赤裸裸的赚钱
我们这些多头就会少了很多过程中的乐趣🤣

币圈玩家基本好像都退圈了？
很多大v开始炒美股了？
币圈机会来了，一些非常切合趋势的标的，现在盈亏比其实相当高
iykyk

财报前瞻：
明天是美股的大日子，微软google亚马逊meta四大科技公司财报。这是ai板块的moment of truth 时刻
这轮大科技财报，核心只看一件事：AI投入，是否已经开始转化为可解释CapEx的现金流，且在快速增长。
财报恰逢美股回调，最近这波回调，本质就是涨多了，美股已经历史性的18连涨；指数高度集中，权重股波动被放大；预期已经被相对充分消化，任何新增变量都会触发获利了结。
但AI需求很强，而且还在加速，主要来自头部AI公司、大科技自身以及部分高价值客户；供给受GPU、电力、数据中心等物理约束，扩张明显滞后；供需缺口巨大，并且仍在继续扩大。
高端算力持续紧张，资源向高价值客户集中，AI相关收入能力在提升。
但市场已经多少了解这些信息，真正要看的，是需求能不能持续穿透供给约束，转化为收入，再转化为现金流。
判断需要基于三点
第一，收入有没有持续兑现，看云业务、AI收入、usage增长；
第二，增长有没有加速，看客户数、调用量、单位价值是否在提升；
第三，现金流有没有进入上升通道，而且斜率是否在变陡，这是最关键的一点。
这些是目前对市场来说，比CapEx重要的多的指标。
因为只有现金流增长，才能支持CapEx继续增长，才是正循环。反之市场又会陷入支出恐惧，参考昨天的amkr财报后股价表现。
免责声明：本人持有文中提及的标的，观点必然偏颇，文章内容非投资建议，股票投资风

今天 Amkor Technology 财报是一份大超预期的财报。
营收达到16.9亿美元，同比大幅增长，并明显高于市场一致预期；EPS同样大幅超出预期，背后是产能利用率从此前低位快速回升到70%区间。更关键的是，公司给出的下一季度指引继续大幅上修。
但市场却毫不给面子，盘后股价一度跌幅达8%。
到底哪里出了问题？
硬要找，只有一个：公司将全年资本开支从过去约7.5亿美元直接提高到25-30亿美元，增幅接近3倍。
这看起来像是之前市场对大科技的capex大幅增长，现金流担忧的复现。
但这个顾虑到底有没有道理？
要解答这个问题，需要先把先进封装这件事拆开来看。
本质上，封装在回答一个问题：算力如何被高效地“物理实现”。
围绕这个问题，产业链形成了清晰分工：TSMC负责前道制造，把电路刻进硅里；Amkor负责后道封装测试，把裸die变成可用芯片。从历史上看，两者几乎没有重叠。但在AI时代，封装开始直接影响带宽、功耗与系统性能，先进封装逐渐“前道化”，tsmc开始用cowos和amkr竞争，边界开始模糊，不过这种变化主要集中在最顶端的一小段。
Amkor的技术路径恰好位于另一侧。它的先进封装重心在Fan-Out体系，其中HDFO（高密度Fan-Out）是当前最关键的增长抓手，同时也在布局2.5D和3D。
CoWoS由TSMC主导，基于硅中介层（interposer），服务HBM与AI

财报速览：Rambus (RMBS)
Rambus 股价在财报后跌超 10%，核心数据显示：AI 存储市场正处于从规模扩张向技术代差驱动的转型期。
核心财务逻辑：增收不增利背后的“军备竞赛”
Rambus Q1 营收 1.802 亿美元，同比增长 8%。关键亮点在于产品营收（芯片）同比增长 15%，这抵消了授权业务的疲软。
现状： 市场对物理芯片（如 DDR5 接口芯片）的刚需远超专利授权。
代价： 为了保住技术领先，研发投入大幅攀升，导致运营利润率从 38% 压缩至 34%。这是典型的“拿利润换未来”的半导体竞赛阶段。
需求侧的移位：推理与智能体（Agentic AI）
财报中 CEO 提到的关键词是 “Agentic workloads”。这标志着 AI 需求已发生结构性变化：
从“训练”到“部署”： 早期增长靠买 GPU 练模型，现在的增长靠成千上万的 AI 智能体在线运行。
带宽即生命： 推理和智能体任务需要极高的数据交换频率，存储不再只是“仓库”，而是“高速公路”。
技术迭代的“深水区”：HBM4E 与 SOCAMM2
Rambus 的技术路线图目标是 AI 数据中心的两大痛点：
速度瓶颈： HBM4E 内存控制器 IP 预示着下一代 AI 显存标准的到来，带宽竞争没有上限。
电力瓶颈： LPDDR5X SOCAMM2 模块将移动端的低功耗特性引入服务器。在电力受限的当下

美股现在是彻底进入山寨季了吗？
这剧本我熟啊🤣

看了一下，现在不少美股知名大v喊单的小票，纯叙事啊
我的一阶思维：价值投资，赌博不参与
我的二阶思维：作为币圈土狗玩家，必须无脑梭哈🤣

moonshots频道今天一个观点：
ai会让科斯定律失效
醍醐灌顶！
组织的存在，最重要原因之一是因为组织内协调成本低于市场交易成本
当ai让交易成本降幅远超组织成本降幅的时候，组织存在的意义就大大降低了
对公司来说是这样，对国家来说也是。

所有知识（脑力）工作者，都会被ai替代
包括科研
因为，research = 信息处理 + 假设生成 + 验证。
ai各个部分都比人强，而且还在快速变得更强。
就算真正的天才级别的“灵光一现”比方说广义相对论的发现，可能是最难被替代的，但这类科研占比极少。
尽管如此，广义相对论是不是也相当于是人脑里LLM的极致的泛化？

半导体封装的“隐形中枢”：inline检测与OSAT的再定价
半导体产业正在经历一次重心转移：性能提升不再只依赖晶体管缩小，而是越来越依赖封装。2.5D、3D、HBM、chiplet，本质上都在把“系统能力”搬到封装环节。这也直接抬高了OSAT（外包封装与测试）的战略地位。
封装重要性的提升，带来了inline检测的快速增长。
OSAT（Outsourced Semiconductor Assembly and Test）负责两件事：
把裸die封装成可用芯片（封装）
验证芯片是否可用（测试）
过去这是一个低技术、低毛利的环节。但在AI时代，情况变了：
多die集成（chiplet）
HBM堆叠
nm级对准要求（hybrid bonding）
封装正在变成：
性能瓶颈 + 良率瓶颈 + 成本瓶颈
inline是一种生产方式：所有工序连续完成，并在生产过程中实时检测与反馈（闭环）
对应另外一个环节是offline：做完再测（开环）
先进封装中的inline检测主要分三类：
1）光学检测（主力）
bump高度
overlay（对准）
表面缺陷
特点：速度快，可全量inline。
2）X-ray检测
焊点空洞
TSV缺陷
内部结构问题
特点：能看内部，但速度慢，多用于抽检。
3）电性测试
功能验证
性能分档
更接近最终测试，不属于核心inline控制体系。
inline检测的目标不是“最

德州仪器（$TXN）第一季度财报，全面超预期：
每股收益（EPS）：1.68美元（预期1.38美元）
营收：48.3亿美元（预期45.3亿美元）
营业利润：18.1亿美元（预期15.4亿美元）
自由现金流：14.0亿美元（预期12.0亿美元）
资本支出（CapEx）：6.76亿美元（预期6.899亿美元）
模拟芯片收入：39.2亿美元（预期36.8亿美元）
业绩指引（Q2）：
预计每股收益（EPS）：1.77–2.05美元
预计营收：50.0亿–54.0亿美元
连最关键的模拟业务也明显好于市场此前的悲观判断。
财报释放了三个更重要的信号。
第一，模拟芯片行业的库存周期已经接近结束，整个板块有被重新估值的基础。
第二，工业需求比市场预期更强，全球制造并没有想象中那么疲弱。
第三，TXN在周期底部依然维持较强盈利能力，说明它不是简单的周期公司，而是具备结构性优势的长期赢家。
在这次AI周期中，需求传导路径是从算力延伸到电源、再到模拟和功率器件。
TXN正处在这条链条的中下游。当AI投资持续扩大时，这部分需求会逐步显现出来，而且往往滞后但更稳定。
免责声明：本人持有文章提及股票，观点充满偏见，非投资建议dyor