gpu和hbm光互联对澜起科技影响

很多人都不明白蓝启科技到底是干什么的，为什么同样是做存储芯片，之前不涨，五月份却被大资金重点给关注上了？五月初我们讲过一次，我相信很多人还是不够太理解，那么今天我们再简单来聊一下，蓝启科技是干什么呢？它是做内存接口芯片的， 有内存俩字，为什么去年没有涨，今年却这么猛呢？因为它做的内存接口芯片主要应用于 cpu 这个市场，而 gpu 市场是不需要它的内存接口芯片的。 gpu 算力卡用的是 hbm， 所以 之前 hbm 涨了几倍，十几倍，海外那几家龙头公司更是大涨了几十倍。 所以你知道了，去年蓝企的内存接口芯片是没有涨价的，它的芯片是没有涨价的啊，只是在产品更新换代的过程当中小涨了百分之十，你看它毛利率多少是有点修复的。那么现在 cpu 从原来的配角变成现在的主角了， 配比啊， gpu 和 cpu 的 配比，市场预计未来可能从原来的八比一提升为四比一，甚至为一比一，所以量在提升，同时 cpu 的 计算任务复杂程度在提升，导致它对内存的需求也在提升，那么内存之间的这个运力，也就是内存接口芯片 的贷款也就要大幅的提升，所以它的价值量也要跟着大幅的提升。之前配套的价值量可能在七美元到十美元之间，现在可能第一代到了七十五美元，后面在下半年、二六年，下半年之后开始提升为一百美元，所以从价值量上来看，也有十倍的空间。量在提升， 价还在提升，你两个一成，这个爆发力就来了，所以现在资金在重点关注这个板块，为什么 cpu 之前 没有这么厉害，现在就这么强了呢？那你去看一下英特尔和 amd 一 季度的业绩和今年二季度的业绩，以及对未来三四季度的业绩指引怎么样。他们说 cpu 的 需求现在是在 大幅的爆发的，所以和他们做配套的这些企业就开始大幅的放量了啊，这就是为什么四五月份之后啊，内存接口芯片开始被重点关注了，那它会不会成为下一个 hbm 呢？大家拭目以待。我们再来说一下这个行业全球的竞争格局如何？蓝旗绝对的龙头，地位， 全球主要的玩家就两个，一个是蓝旗和日本的瑞萨，各占百分之三十七的市场份额，还有一家美国的公司占百分之二十左右，他主要以 ip 授权和部分产品来参与这个市场，这个产品的 技术门槛也是比较大，所以短期内也没有新的玩家来。那么产能如何？能不能快速的放产呢？其实也很难，比如说蓝旗百分之七十的产呢，都是靠台阶垫给他去代工的， 那么十四纳米和十二纳米也算是高端制成了，短期内也不会给他太多的才能。当然你用长协协议的话，目前来看还是够用的，所以二六年的订单他已经被排满了，二七年的订单也已经拿到了。那他的客户主要是谁？前三大客户还是 那些全球的龙头的存储公司，比如说三星，海力士、美光，合计占了他将近百分之五十以上的收入。那么这个行业有哪些风险？ 核心的风险你要看英特尔和 amd 未来的业绩怎么样，能不能真正的兑现，那么 cpu 的 使用量能不能大幅的提升啊？以及它最新一代产品的渗透率怎么样？ 现在的渗透率可能在个位数，市场预计今年和明年会大幅的起量，渗透率达到百分之三十，百分之五十，尤其是 ai 服务器这方面，有可能会达到百分之八十的这个渗透率，那么这个行业就会能持续得到验证，那么就还没有结束，如果一旦不及预期的话，那就是最大的风险。

猫哥猫哥，给我聊聊 hbm 概念呗。受到 ai 算力需求爆发驱动， hbm 高宽带内存是目前全球半导体市场最火爆的主线，正面临严重的供不应求，并带动了整个存储芯片行业紧凑度高增。 hbm 高动态内存是一种基于三 d 堆叠工艺和二点五 d 封装的高性能内存，专为 ai 服务器、 gpu 等高性能计算场景设计，目前已经升级迭代到 hbm。 四、全球市场呈三强垄断格局， s k。 海力士、三星电子、美观科技合计占据百分之九十以上的份额。 国内没有类似的上市公司，能做 hbm 的 长江和长兴都还没有上市，但是受行业高企，季度和产品供不应求， 新原厂的扩产带动了上游设备以及材料的强劲需求。梳理了一下 hbm 相关设备和材料概念公司， 首先是设备端，北方华创的 tsv 微通孔全流程设备和刻蚀机，中微公司的深规刻蚀设备、微导纳米的薄膜呃层基设备、化海青科的 cmp 呃剪薄设备、圣美上海的清洗设备、新原微的涂胶显影设备、 拓金科技的混合键合设备、中科飞策的光学检测设备、金策电子的 a o i 检测系统，赛腾股份的缺陷检测设备都是 h b m。 高带宽内存芯片制造、封装测试不可或缺的设备。其次是材料端， 化海成科的 g m c 颗粒状环氧塑封料、安吉科技的 c m p 化学机械抛光液、雅克科技的前驱体材料和球形硅微粉， 年瑞新材的球形氧化铝和球形硅油粉都是 h b m。 高带宽内存芯片制造和封装环节必须的耗材和关键的基石。谢谢大家。好的。

很多人根本不知道封装和 hpf 为什么这么重要啊，也不知道他们为什么有持久的动力。其实呢，就一张图就能彻底解决这个问题啊。这张图的数据来源是刚上市的圣和金威的招股材料，引用的是大摩去年二月份发布的一份极其硬核的报告， 视频有点长，可以先点赞收藏。我们看看这个英伟达的 b， 两百 gpu 的 成本结构。第一项，逻辑芯片制造，台积电的三纳米制成， 一千五百美元，占总成本的百分之二十三。第二项呢，是先进封装和测试，也就是 cos， 一 千三百六十七美元，占成本的百分之二十一。第三项是 hbm 的 内存， s k 海力士是主供应，两千七百二十美元，占成本的百分之四十二。一颗芯片四成的钱是花在内存上面的 啊。注意这里的封测，百分之二十一，它跟百分之二十三的制造成本几乎都已经持平了，这是什么概念呢？在半导体的旧世界里边，很多人认为最重要的是光刻机是制成，是 cpu 和 gpu 的 设计是金元制造。 封装测试是厚道工序啊，成本占比通常不到百分之五，没有人把它当回事。但到了 ai 芯片这里啊，封装的成本直接追上了制造， 它不是包装盒，它是把那颗一千五百美元的 gpu 和两千七百美元的这个 hbm 捏在一起。高速互联的唯一手段没有可沃斯，你常听的什么纯算一体，全是空谈。 真正决定 ai 芯片价值的，已经不是单纯的 gpu 的 裸芯片了。我们再看看英伟达 b 两百的逻辑芯片的成本是一千五百美元， 而 tpu v 六只有六百二十四美元。这意味着谷歌通过定制化的 s 壳芯片设计，在实现同等或者更高效特定任务效率的前提底下，极大的压低了核心制程的成本。 这张图示一个很深的产业逻辑，就半导体的价值正在从单点制程向系统集成的转移。过去二十年，摩尔定律是唯一的游戏规则，谁先把经济管做小，谁就能赢。但现在经济管继续缩小，带来的性能提升正在递减 啊，怎么把不同功能的芯片高效拼到一起，成了一个新的价值高地？这就为什么台积电二零二五年 coros 的 产量翻倍，因为全球 ai 芯片的产量 不仅取决于台积电有多少金元的产量，更取决于它有多少 coros 的 封装的产量啊，封装变成了整个行业的总闸口了。 还有个逻辑就是 ic 自研芯片的崛起，本质上就是一个成本拆解战，谷歌、亚马逊为什么要自己做芯片呢？看看这张图你就明明白了啊！ b 两百的成本结构里面，英伟达自己的芯片为什么是一千五百美元啊？ tpu 只要六百二十四美元，这就对应上了英伟达为什么财报里面的毛利是百分之七十一 啊？字眼芯片呢？把设计列在自己手里面啊！逻辑芯片的成本直接降到了六百二十四美元。但博通这些 s 设计服务商啊，真正的价值已经不是只画这个芯片电路图了，而是帮客户在 hbm 和先进封装的硬约束底下，做系统级的成本优化。 中国目前的先进资产还是被卡着在，但更大的问题是，即使有一天解决了七纳米五，纳米封装和 hbm 这两个更大的成本相，依然受制于人。可沃斯核心产量百分之百是在台积电受力，而 hbm 的 核心产量百分之七十以上在 s k 海力士里面， 剩下是三星和镁光，但机会也在这里。中国大陆的封测企业长电通、富盛和金威在传统封测领域的积累啊，是切入到先进封装最现实的条板。 因为先进缝纫的本质就是在硅中介层上面做高精度的互联，它的工艺逻辑更接近于精密制造，而不是纳米级的光刻。这条路比死磕 euv 的 光刻机路径要更短，更容易一些。所以啊，这一轮圣核金微这么猛，也是因为他招股书里面的一张图， 二点五 d 的 先进封装，中国大陆市占率百分之八十五。这张图还有一个数字，就是我们之前说的 hbm 的 占比百分之四十二。很多人讨论这一轮的存储到底是周期还是产业大趋势，关注我明天拆解 hbm 是 否正在变成 ai 时代的数字石油。

目前所有人都只盯着存储光模块、 gpu、 cpu 这些东西，但是不好意思，半导体还有一个关键的暗线，现在几乎还没怎么长。那今天这个半导体之所以这么强，核心原因呢？是董王来了嘛，老黄也来了， 库克尔也来了，那很多人的反应呢？就是半导体他会有动作吗？这个叫限性的推导，但这件事吧，实际上没有大家想象中那么简单。首先呢，拉通来看整个半导体，其实你不论是集成电路还是光电子器件，或者说传感器， 整个都经历了估值抬升的过程。所以我在盘了一圈之后发现很奇怪啊，有一个被忽视的方向叫做分离器件，他现在还在地上趴着， 这个就是功率半导体。当时我就在想哈，难道整个 ai 的 算力产业的趋势里头，他不用功率半导体吗？这不现实，我就赶紧拉着团队的研究员一起搞这个分离器件的报告哈，然后挖了两个核心的点出来， 一个是 ai 服务器的用量，他会比传统的服务器呢要大个两到三倍的样子。那第二个呢，是涨价。截止到今天， 还有消息出来说功率半导体再次提价了，那这之前呢，比如说像德州仪器宣布了要从七月一号开始全面的涨价，而且他已经是第二轮涨价了。 还有就是英菲尼也提到了，因为这个 ai 数据中心的需求呢，呃，导致了整个功率开关和芯片的供给吃紧，所以它在四月份已经涨价了。那么回顾来看我们的国内哈，其实呢，在一季度的时候已经涨过一次了，只是呢幅度很小，只有百分之十， 所以换句话讲，功率半导体的涨价呢，其实真正是从二季度开始的，那么从机构的角度去看呢，整个三季度可能还会进一步上涨，机构为什么会有这样的判断呢？其实我们不难发现啊，在半导体其他方向，几乎都是去年开始涨 价的，那它的涨价如果能够持续， 我们就能给他一套新的固执范式。可以预见的是什么呢？功率半导体二季度的业绩有可能是要爆发的，三季度的业绩甚至也还不错。回过头来看整个功率半导体全球的格局， 其实英菲林啊，安森美一法半导体和三菱这几家呢，其实已经是稳居前四的席位。也就是说，功率半导体这条线呢，它其实是被美日给垄断了，但是我们的世兰威冲到了第五， 那国内呢，其实是高度依赖进口，而且呢，中低端在国内因为自己也能做，他相对比较稳定，所以他其实在前期是有价格战的。 但是呢， ai 服务器的需求放量，带动了功率半导体的需求提升，所以涨价呢，只是其中一个趋势而已。那如果后期出现供需的错配， 那才是真正迎来戴维斯双击的时刻。我拉着团队长时间研究之后啊，发现这个功率半导体呢，在 ai 服务器里头的核心应用，其实有五个环节，第一个是 psu， 它负责的是 ac 到 dc 的 转换，主要看的呢，是碳化硅和生化加的替代价值量。 第二个是 dc 到 dc 的 转换，它主要负责的是供电。第三个是 hvdc 和 sst， 这两条线后期也一定要重视哈，因为它是由英伟达牵头推进的最新的下一代的技术。第四个是 pdu， 他是给这个高压智能化升级的。那么最后一个呢，是 bbu， 已经成了训练的标配，我们自己做了研究，同时呢也跟买房的小伙伴做了交流。那么结合前边聊的东西，我们发现功率半导体呢，现在其实是有三个方向可以跟踪的。 首先我们看 mosefit 这条线啊，那谁的产品交付他有保障，那就能率先迎来行业景气度的回升。你比如说华润会， 它就是国内 mosfet 这个线上的国内长期的第一名啊，所以它一定是最快享受这个涨价的。第二个要看的是三代半导体涨价，它也会相对受益。 那么碳化硅和生化加呢？它本身就是 ai 服务器电源领域里头价值弹性最高的方向之一啊。那比方说里头的像天玑，它是国内碳化硅蹭底的核心玩家， 它直接受益于整个 ai 服务器电源对碳化硅功率器械的大量的需求。再比如思达，它是专注 igbt 和这个碳化硅模块的， 那它后续呢，也会持续地深耕细作新能源和 ai 这两大领域。最后一个哈，是有能力进入大厂客户体系的，方向主要集中在了 ai 电源上去，其实去年已经掌柜一波这个电源了哈，那你比方说里头的东威， 它的产品呢，已经在这个服务器电源啊，算力电源啊这些 ai 的 核心场景里头批量的出货了。再比如说新节能， 它是国内的功率的 offfit 和这个 igbt 设计的龙头哈，它也是专注新能源和 ai 服务器这两条赛道的，那实际上功率半导体在还没有连续涨价的时候，我们是给不出一个新的固执范式的，但是现在不同了哈， ai 服务器的需求加上涨价，加上技术迭代，已经是三线共振了，那这就彻底改变了传统市场打价格战的这么一个现象， 所以功率半导体呢，也随着这个现象进入到了一个结构性修复的开端。那么对于功率半导体，总结下来吧，我就一句话， 短期呢，看涨价的持续性，中期呢，要看供需错配能否出现，所以功率半导体目前的核心看点是看长做短。

先说结论，随着物理 ai 的 推进和落地，会引起对 cpu、 高性能 cpu 和高性能高精度 gpu 的 需求的爆发式增长。 哈喽，兄弟们，最近网络上炒的最凶的 cpu， 物理 ai、 玻璃基板、 gpu 直连 ssd， 算力芯片，通过光互联和 hbm 互联啊，这些概念特别多啊，我就不一一说了，其中里面有些东西都是瞎炒的，还有包括现在那些被动硬件啊，我都不想太 反复的重复的讲了，但是我今天突发奇想，在这里面找到一个东西，我觉得很应该是还没有人讲过的结论。先说结论，随着物理 ai 的 推进和落地， 会引起对 cpu、 高性能 cpu 的 需求的爆发式增长。 高精度的 gpu 和高精度的 cpu 的 爆发智能呢？为什么？因为物理 ai 的 核心是算什么 偏微分方程，这里面包含了分子动力学、流体力学、电磁热传导，量子模拟，还有一些物理约束的神经网络，这些计算方法和计算范式都是需要依赖高精度浮点计算的。那什么是高精度浮点计算呢？ 我们通常就指双精度浮点计算，就是 f p 六十四，这是传统的 h p c 啊，高性能计算领域和科学计算领域的常用的一种精度。为什么呢？因为这些物理模型啊，算这些东西的时候， 它对精度的要求会特别高，它不是那些 ai ac， 包括华子啊，韩五 g 啊，包括各种各样的这个啊，怎么谷歌的 tpu 啊，不是这些芯片能够跑得动的，它们需要比较 原始的那种高性能的 cpu， 那 种 amd， intel， 还有包括英美达的 gpu， 也是支持双精度浮点计算的，就是 f p 六十四位的浮点计算， 我恍然大悟，原来物理 ai 和 cpu 它还有这么一层的联系。现在我们看到了一些物理的模型啊，包括 ansis 的 一些仿真模型啊， 包括 maclab 呀，包括，呃，西门子的那些模型，全部都是跑在高精度的 cpu 上面的。兄弟们， 高精度的 cpu 啊，难怪，难怪 intel， amd 会这么火热，如果物理 ai 能够这样做下来的话，对 cpu 的 需求会非常高。还有一个高精度的 gpu， 英伟达的 gpu 也支持 f p 六十四。我想了半天，我们国内有谁啊？ 海光啊，海光的 cpu， 它是 x 八六架构的，支持通用计算，支持高精度浮点计算。还有海光的 dcu 也支持高精度浮点计算。 当然国内还有其他的 gpu， 像木兮也有可能支持高精度浮点计算，但不确定啊，这才是为。

大家都知道，现在 ai 算力高度依赖 gpu 芯片，但很多人不知道，如果没有 hbm 再强大的算力芯片，比如英伟达 h 一 百，也可能连百分之三十的性能都发挥不出来。这是为什么呢？ 你可以把 gpu 想象成一位世界级顶级厨师，一秒钟就能做完一桌菜。但传统的内存就像普通的跑腿小哥，食材放在很远的仓库里，路又远又窄，每次只能搬一点点，结果就是厨师炒菜只要一秒，送菜却要几分钟，再贵的 gpu 也只能站在原地发呆， 这就是所谓的内存墙。而 hbm 做了一件事，他直接把仓库搬到了灶台旁边，还盖成了一座石材的摩天大楼，里面数千部高速电梯同时运作，把食材源源不断送到厨师手边。于是， gpu 终于能火力全开。 在大模型的任务中， hbm 三的数据供给速度比传统方案快约四点四倍，没有 hbm， 再强的 gpu， 响应速度也像牛车一样。正因为如此， hbm 成了二零二六年 ai 圈最疯狂的应酬级。 目前主流的 hbm 三 e 单颗约三百七十美元一块，英伟达 h 一 百通常要配备六颗。也就是说，一张 ai 显卡最贵的部分可能不是 gpu， 而是内存。 即便三星、 sk、 海力士、美光三大厂已经把百分之七十的产量都压住在 hbm 上，二零二六年缺口依然高达百分之五十到百分之六十，它已经成了半导体行业最难抢的黑色黄金。 而下一代的 hbm 四，还要把数据通道升级成十六车道超级高速公路，单堆站待宽预计逼近两 tb 每秒， 更高阶的版本甚至瞄准了三 tb 每秒以上。你觉得未来 ai 时代，真正掌握定价权的会是英伟达还是 hbm 厂商呢？评论区聊一聊吧。我是丹姐，欢迎点赞关注，我们下期再见。拜拜。

咱们直接来看现在搞 ai 推理，大家发现一个有意思的现象，以前觉得 gpu 算力是老大，现在发现光有肌肉还不行，得看你的血管够不够粗，够不够多。这血管就是内存，特别是那种特别能装、跑得飞快的高代宽内存，简称 hbm， 现在成了香饽饽。 这背后啊，其实是在争论一个事儿，存储这行到底是靠天吃饭的周期性产业？还是说它已经摇身一变成了支撑整个 ai 大 厦的地基了？那为啥推理这事会让内存这么重要呢？咱们来拆解一下，大模型是怎么一步步生成我们看到的那些文字或者图片的。 你想想，一个巨大的 ai 模型，里面藏着海量的参数，就像一本超级厚的武功秘籍，每次他要思考出一个新的词，也就是生成一个 token。 第一步，干嘛 得先把这本秘籍从仓库里搬出来，放到工作台上，也就是计算核心。这搬运过程专业术语叫读取参数。光有秘籍还不够，他还得记得刚才说了啥，对吧？ 不然就前言不搭后语了。所以他还得去翻看一本叫 kvatch 的 小笔记，记录着之前对话的中间状态。这又是一次数据搬运， 研究发现，在那些参数量超过一百亿的时间加起来，往往比后面真正计算的时间还要长。 这就好比你去餐厅吃饭，结果发现等菜上桌的时间比吃饭本身还久，你说气不气人？所以啊，要想让 ai 反应快，不能只盯着 cpu 或 gpu 的 计算速度，更得想办法让内存这个仓库又大又快，数据能嗖嗖的传过来。 这就是为什么高性能内存，特别是像 hbm 这种专门为 ai 设计的内存变得如此抢手的原因，它解决了数据搬运这个大瓶颈，让整个推理流程跑得更快、更顺畅。

很多人以为 ai 芯片的瓶颈只在 gpu， 但真实情况是， gpu 做出来之后，还要解决一个关键问题，怎么把 gpu 和 hbm 高速连接在一起？ gpu 负责计算， hbm 负责高速位数据，但如果它们之间连接不够近，待宽不够高、延迟不够低， gp u 照样跑不满。这时候就需要先进封装。最典型的就是 koos， 你 可以把 koos 理解成一个超级连接平台，它把 gpu 芯片和多组 hbm 放在同一个高密度封装结构里，通过中介层实现高速互联。这样做有三个好处，第一， 距离更近， gpu 和 hbm 不 再隔着很长的电路路径，数据传输更快。第二，宽带更高， hbm 可以 更高效地把数据送到 g pu。 第三，整体效率更强， gpu 等待数据的时间变少， ai 计算效率就更高。所以， ai 芯片不是 gpu 一个零件决定的， gpu、 hbm、 先进封装，三者必须一起配合。如果说 gpu 决定算力， h b m 决定数据供给，那么 k o s 决定的是这两者能不能高效连接。一句话总结，没有 k o s， 再强的 g p u 和 h b m 也很难释放全部价值。

gpu 是 超级发动机， hbm 是 高速油箱，那 coos 先进封装就是一条超高速立交桥，负责把 gpu 和 hbm 连接起来。以前呀， cpu 时代，芯片和内存之间就靠普通的 pcb 板来连， 够用了。但是啊，现在 ai 训练数据吞吐量太大，老路呀，走不动了。台机店搞出 coos 核心一招就是把 gpu 和 hbm 贴的贼近。中间呀，用硅中介层或者是硅桥做超高密度互联带，框要直接起飞，延迟大幅下降。 英伟达一直依赖台积电也有一个很大的原因就是全球真正能够量产高端 coos 的 目前只有台积电，尤其 h 一 百、 h 二百、 gb 两百这种 ai 训练芯片，用的都是高端 coos。 不 过呀，现在变了，以前 coos 追求极致，性能成本太高了， blackwell 就 开始大规模的转向了 coosl， 性价比更高。高端的 coosl 台积电依然是垄断。但是呀，国产的类 coos 已经悄悄突破了。 国内啊，现在主要有三条路线，盛和京威，它是大陆唯一能够规模化量产十二英寸硅中介层的企业，做的就是国产版的 lego wars s， 它最大的价值呢，不是规模，而是国内终于有人能够做硅中介层了。 长电科技更像是国产版的 converse l 路线，重点是搞性价比和大规模量产，走的是混合新力方向。通富微电跟 amd 绑定最深 mi 三百的大量封测订单都在他手里。这三家呀，基本上是代表了国内先进封装的三种打法。那真正收益最大的其实还有上游， 不管是哪一条路线，都离不开 tsv 硅通孔刻蚀大硅片、高端窄板，所以中硅公司、北方华创这些做 tsv 刻蚀设备的，互硅产业做十二英寸硅片的，还有深南电路做 fcbga 窄板的，都是卖铲子的，角色确定性也非常高。

今天华为发布的滔定律带火了，先进封装，未来芯片性能提升已经不只是拼制成了，而是在拼系统协调。 先看产业链，先进封装不是简单把芯片包起来，而是把 g p u b m c p u n p u i o 等多个芯片用更高密度、更短路径的方式连接在一起。 上游是设备和材料，比如沉基、刻石、嵌合检测，中间是精原中介层、载板和基板，核心环节是 ko s 这些先进封装技术。华为提出的掏定律，最重要的就是先进封装。传统摩尔定律的思路是让晶体管越做越小， 但现在先进制成成本越来越高，功耗互联散热压力也越来越大。掏定律是追求系统里的信号传得更快、路径更短，协同效率更高。 这就直接利好先进封装，因为先进封装可以让逻辑芯片和 h b m 更近，减少时延，可以让 c p u g p u n p u n b m u g b m i。 在 封装层面协同还能优化功耗和散热。所以先进封装不再只是辅助环节，而是算力竞争的核心环节。 美股这条线，重点看三类公司，第一类是需求侧龙头，比如英伟达、 md、 博通，都会拉动高端风装和 hbm 互联需求。第二类是平台型龙头，比如 tsmc 和 intel， 台积电的 cos 以及英特尔的 forveros e m i b， 都是先进封装的重要技术路线。第三类是卖铲子的设备和生产公司，比如应用材料、日月光半导体。先进封装扩产离不开设备、材料、工程检测、量测和封测产能。 a 股这条线，它更偏向封测制造、国产替代和产能扩张。封测龙头主要看长电科技、通富微电、华天科技，它们的核心看点是能不能切入更高端的封装订单， 呈长弹性方向。可以关注永熙电子、京方科技这类特色封装和先进封装公司。配套链条上还有文艺科技这类封装设备公司，以及兴森科技、深南电路这类 pcb 和载板相关公司。 a 股的机会通常来自三个点，第一，先进封装订单导入。第二，国产替代加速。第三，扩产后量率和产能爬坡。美股和 a 股的投资逻辑有什么不同？ 美股更像是在看全球龙头和卖铲子，它的优势是技术壁垒高、客户国际化、盈利质量更稳定，但风险是估值高、 ai 资本开支波动以及需求预期变化。 a 股更像是在看制造扩产和国产替代，它的优势是产业弹性更大、政策催化更强、估值弹性更高，但风险是量率爬坡、客户认证、同业竞争和景气波动。

ai 时代对半导体产业链最大的冲击是什么？我的答案不是 gpu 卖的更好了，也不是英伟达更强了，真正的冲击是半导体产业链的利润分配逻辑，被 ai 整条重写了 过去。半导体行业的主线很清楚，谁的制程更先进，谁的 cpu、 手机芯片、消费电子芯片卖的更多，谁就站在舞台中央。但 ai 起来以后，这套逻辑开始失效， 因为 ai 不是 一个普通应用，它不是只多这几颗芯片，而是把计算、存储、封装、网络、供电、散热、 e、 d、 a 全部一起拉进了一个新战场。 现在拼的已经不是谁有一颗最强芯片，而是谁能把一整套 ai 系统堆起来，而且还跑得动，供得上、交得出。先说第一个冲击， ai 把半导体的价值中心从通用芯片拉向了高性能系统芯片。 很多外行以为 ai 带火的只是 gpu， 其实不是。 ai 先改变的是什么样的芯片更值钱。以前大量半导体公司吃的是手机、 pc、 家电、普通服务器这些大盘生意。现在 ai 一 来，最赚钱的环节迅速向加速计算 hbm、 高速互联定制 ac 个倾斜。 比如美光在两千零二十五财年批录 hbm 高容量 dimm 和服务器 dimm， 合计收入已经达到一百亿美元，同比是五倍以上增长，而且数据中心业务已经占到公司总额收入的百分之五十六。这句话翻译成人话就是，原来存储是跟着消费电子波动，现在存储开始跟着 ai 数据中心重估估值。 第二个冲击更大， ai 把半导体的瓶颈从金源厂内部推到了金源厂外部。过去大家谈半导体卡脖子，第一反应是光刻机制成节点、良率爬坡。今天这些当然还重要，但 ai 把瓶颈又往后推了一步，推到了先进封装、 hbm、 堆叠系统及互联和交付节奏。 psmc 在 二零二五年报里提到， coos 先进封装因为 ai 需求激增而持续强劲增长，这已经不是一个边缘工艺，而是 ai 时代最关键的系统节点之一。也就是说，未来决定你能不能出货的，不只是晶体管做的多小，而是你能不能把逻辑芯片、 hbm 和封装系统按时拼起来。 设备环节也被 ai 重新点燃。 asml 在 二零二五年爆力写得非常直接，一开始他们以为 ai 只会拉动少数客户，后来发现，到了年底， ai 已经开始推动更广泛客户群扩展， 而且这种趋势会延续到二零二六年以后。更关键的是， asml 判断二零二五到二零三零年新增金元，才能会更偏向先进逻辑和 direct， 而不是主流工艺和 n， 因为 ai 更需要前者对应。第一，先进逻辑， euv 支出年复合增速预计在百分之十到百分之二十。低 run 领域， euv 支出年复合增速预计在百分之十五到百分之二十五。这说明 ai 不是 把行业整体抬了一下，而是把资本开支重新定向了。 第三个冲击是 a c 的 重新崛起，芯片设计开始从标准品时代走向定制化时代。过去很多年，通用芯片是半导体世界的主角，谁能做出标准平台，谁就有规模优势。但 ai 训练和推理的场景差异太大， 已经越来越不适合一颗通用芯片打天下。马某在他的 ai 定制芯片活动材料里直接说， ai 基础设施建设带来了定制芯片机会的爆发。看到五十多个机会，十多个客户，七百五十亿美元生命周期收入机会，他还明确说了一句非常关键的话，需求的多样化正在推动专业化，专业化又推动定制化。 radcom 的 年报也强调， ai 数据中心基础设施已经把定制加速器、以太网交换、 nick 和光学组建绑成了一个整体解决方案。 说白了， ai 时代不是只有英伟达模式，未来还会出现越来越多自己定义架构、自己定义系统、找合作伙伴、定制芯片的玩家。第四个冲击很多人忽略了，但我认为对产业链影响极大。 ai 不是 只吃算力，它还疯狂吃电。 今天大家讨论 ai 服务器，老盯着 gpu 算力看，但真正做过系统的人都知道，算力越高，供电越难。英菲林在二零二五年的投资者材料里给出一个很有冲击力的数据，他的 ai 服务器业务在二十五年已经超过七亿欧元，预计二十六年接近十五亿欧元。 而 ai 服务器机架功率正从现在的大约两百五十千瓦往五百千瓦加，甚至一兆瓦美机架眼镜。这意味着什么？ 意味着未来最缺的可能不只是 gpu， 还包括 game、 sync、 mousepad、 电源模块、母线架构、热设计。昂塞米也把 ai 数据中心电源直接列为自己的核心战略方向之一。换句话说， ai 不是 只把计算芯片带飞，它同时也把功率、半导体和电源架构抬进了主舞台。 第五个冲击是 ai 开始反过来改造芯片设计行业本身，这点特别值得半导体从业者重视。以前大家觉得 ai 是 芯片公司的客户，现在它正在变成芯片公司的工具。 synopsys 在 二零二五年发布的材料里提到， ai 辅助能力已经把很多 e d a。 流程从几天缩到几小时，几小时缩到几分钟，有些脚本生成速度做到十到二十倍提升。 kenniston 则提到， ai 辅助方法已经进入高级节点设计的主流 部分项目里，五到十倍生产率提升已经开始出现。这里最重要的不是提效本身，而是门槛结构发生了变化。未来拼的不只是有没有资深工程师，而是有没有能力把工程经验、 e d a。 流程和 ai agent 结合起来， 形成新的设计组织效率。所以，如果你让我用一句话总结 ai 时代对半导体产业链的冲击，本质上不是需求增加，而是价值迁移。 过去半导体的核心竞争力是把单颗芯片做的更先进。今天半导体新的核心竞争力变成了把更多芯片、更大带宽、更高功率、更复杂封装和更短交付周期组织成一个可量产的系统。这就是为什么你会看到 ai 真正受益的不是产业链上所有公 司，而是那些卡住了 hbm 先进封装、 uv 定制、 asic 高速网络、电源架构、 eda 自动化这些关键节点的公司。最后，我给一个更硬的产业判断， ai 不 会让所有半导体公司都变好，但一定会让半导体产业链分化的更残酷。未来真正值钱的不一定是谁会做芯片，而是谁掌握系统瓶颈，谁卡住瓶颈，谁拿走利润，谁只是跟着放量，谁就只能赚加工费。 所以对于我国半导体来说， ai 时代真正的问题不是我们能不能做出一颗 ai 芯片，而是我们能不能在这条被重写的产业链里，卡住几个真正有益加权的位置。我是芯片粉丝，如果你想看懂芯片不只是看热闹，而是看清它背后的产业迁移逻辑，关注我，我们继续往下讲。

马老师，嗯， ai 这个大方向，有没有哪个赛道比光模快更重要？呃，那一定是 hbm 存储。 那它为什么会这么重要？因为 hbm 存储是 ai 算力的核心瓶颈与性能天花板，堪称 ai 的 黄金血管，没有它，再强的 gpu 也跑不起来，大模型训练与推理根本无法落地。啊， 那我懂了。那目前 hbm 行业的发展趋势是什么？呃，核心趋势很简单，就是容量升级。 其实这个行业跟光模块有点类似，更大容量、更低功耗是未来的一个发展趋势，因为它可以通过三 d 堆叠加尽心封装，以数倍于传统内存的待宽与极致低的一个功耗打破 ai 算力的 内存强，让算力真正释放。那现在投资或关注 hbm 存储，应该关注的重点是什么？呃，当下 hbm 三亿是主流，短期你可以去看一看服装材料有商分额的公司，还有检测设备公司。那今年也是 hbm 四个 落地元年，谁能率先完成适配与量产，谁就将是占据下一代 ai 技术呃设施的一个战略主动权。那行，我明白了，王老师，感谢。好嘞。

蓝企科技 ai 算力的交通警察，你还没注意到他？所有人都盯着 gpu 算力，英伟达、 amd 含五 g， 恨不得把算力两个字刻在脑门上。但有一个很要命的问题被忽略了，算力再强，数据跑不通，就是一堆废铁。打个比方， 你家水龙头再猛，水管只有吸管，粗水还是出不来。蓝启科技干的就是修水管。当交警这件事，它不做 cpu， 不 做 gpu， 不 做内存颗粒，它只做一件事，连接。每一根 ddr 五内存条里面都藏着几颗看不见的小芯片。 r c d s s p d p m i c t s。 负责指挥数据什么时候进，什么时候出，走哪条道别撞车。没有这些芯片，内存条就是一台废塑料。而蓝起是全球最大的内存互联芯片供应商，试占率百分之三十六点八，和瑞萨 rambus 三分天下。 你可能会问，不就是个配件的配件吗？格局这么小？格局小不小，要看它卡在什么位置。蓝旗卡的是 cpu 和内存之间的唯一通道，全球所有主流内存厂商，三星、 sk、 海力士、美光都得用它。 全球所有主流服务器厂商浪潮、戴尔、惠普都得配它。英特尔和 amd 的 cpu 参考设计里，蓝起的芯片是标配。什么叫供应内咽喉？这就叫供应内咽喉。再说说钱的事，以前 ddr 四时代，一根内存条只需要一颗蓝起的芯片， 现在 ddr 五时代，一根条子需要四到五倍，而且 ddr 五的渗透率才刚过百分之三十，目标百分之八十， 这叫什么？量价起飞，双击暴击。更妙的是 ai 推理，大家以为 ai 只需要训练显卡，殊不知推理阶段也就是 chat gpt。 回你消息的那一刻，背后跑的是成千上万台 cpu 服务器，每一台都需要蓝起的芯片。 紫阳证券刚出的报告说到，二零二六年，推理将消耗三分之二的 ai 算力。蓝起是英特尔至强生态的核心伙伴，这波 cpu 服务器回暖，它就是最大受益者之一。 别人卷算力，他躺着数过路费。当然，风险也有对手。瑞萨和 rambles 咬得很紧， 心入局者也虎视眈眈，百分之七十一点五的毛利率能不能守住，取决于技术护城河够不够深。另外，地缘政治这把刀永远悬在半导体行业头顶。但话说回来， ai 时代，算力卖的是利器，运力才是暴利。 兰企不挖金矿，但他卖铲子，卖给金矿里每一个人。

hello， 下班了，我今天想聊一个话题，哈，叫当 skating law 撞上了物理限制，或者撞上了现实世界的限制。为什么想讲这个事情呢？因为我们最近在看 open 经济相关的这个结构哈， 一个比较明显的感受哈，现在我们说大模型的 skating law 一 直都还没有撞墙啊，特别是前一段时间 astropics ceo dario， 他 也又说没有看到这个墙啊，没有 hitting the wall， 也就是说大数据，大算力， 大模型它还是可以带来更好的效果的。像他们最近的这个 missiles 这个模型也再一次验证就是智能的这个上限还可以进一步的提升。 呃，那就是说在训练大模型的过程中，这个数字世界训练模型它没有上限，但是呢，你训练模型是需要芯片的，你需要数据中心，你需要 hbm， 需要夜冷，对吧？需要各种各样的东西，需要资本开支，这些都是物理世界的带来的这种限制。那现在物理世界的这个资源的扩展，它并不是指数的，因为你建数据中心，你是需要 去做人力的投入的，包括变压器，包括很多的，就是比如 b、 h、 b、 m 吧，就它也是最近这几家，呃，三星和海力士，然后还有镁光垄断价格，造成各种价格上涨，对吧？它也都是物理限制，为什么？就是因为它的能耗跟不上， 包括数据中心也是一样，也是需要去扩建，那数据中心的扩建就需要电工，然后电工的培养又需要好几年的时间去做认证之类的，也不是说随随便便就可以找一个，所以当所有的这样的一些 现实世界的限制堆在一起，因为像老黄当年说的那个五层蛋糕的结构、能源、 基础设施、芯片、模型应用，这五层蛋糕，前三层它都是涉及到了物理世界的局限，所以这个时候即使是我有更多的钱，我想去训练更大的模型，想推高这个智能的上限，也都是需要去抢这种现实世界的资源的。 这也是为什么赛蒙奥特曼看到了这样的一些限制，所以他把很多的算力等等一些存在自己的手里，还是做了很多储备的。然后像 dario 也是在三四月份吧接受一个采访的时候，他就说 他们其实需要非常谨慎地去预判未来一两年需要的这个数据中心，包括算力的规模大概有多少， 包括他们也给美国政府去提建议，需要应该是四十几瓦的电力的增加，才能够去支持未来模型的这个扩展。 但是呢，这些重资产也是有折旧的，如果你算的不好的话，其实会带来非常多的资本开支投入，你后面如果用不上的话，就打水漂了，就相当于闲置，对吧？这也是非常大的浪费。所以就是如果 算的不准，那就有可能这公司就崩了，这现金流就跟不上了，但如果灯也没电了， 那如果是不够的话，你就捉襟见肘。这也是为什么资本市场现在非常喜欢重资产投入，或者说在 ai 方面有非常激进的这样的一些表述的公司，就大家也可能看到了这一点，就是你需要去提前去抢物理世界的资源，如果 没有抢到的话，也许你未来的这个 scaling 就是 你模型本身的 scaling 就 跟不上，这也是一个平衡啊，因为有可能未来这个 算法带来的改进还是会出现一个显著的成本的下降，或者说需要的算力规模会变小，包括中国的芯片等等，也会带来一些产业上成熟，所以现在的这个去一味地扩大资本开支也不是一个必然的选择，所以各家公司其实都有在平衡这个问题啊。但是我想说的是， 数字世界的 skating law 确实是撞上了这个现实世界的天花板。然后呢？我还想到一点，因为我们最近不是一直在跟 ai 磨嘛，就是人的精力和时间是非常有限的，然后你天天跟这些 multi agent 在 一起， 磨得你呵呵，就还是挺痛苦的。你的精力是跟不上的，实际上人的局限也是 ai 的 局限， 因为人是有精力限制的，包括我们的组织也是有限制的，就说 ai 在 生产中去推开它，还需要遇到这个组织能不能推动的考验， 那这里面摩擦就大了。来自现实世界的这种摩擦，比如说人不愿意接受的这个问题，惯性，包括组织中的这种，你怎么让 ai 进到一个组织中来？其实摩擦是非常大的，所以其实不考虑模型的偷看的生产， 我们从偷看的应用角度，现实世界也是 ai 落地的一个非常大的阻力，就是虽然有一些前沿的用户他会比较密切地去用，但是更多的人还是习惯于在自己传统的工作场景去使用 ai， 或者说非常少量地去使用 ai， 还没有体会到它带来的巨大的竞争力的增益，所以我也非常理解现在出现的这种所谓的两极分化的情况，前沿的用户每天都开几十个 agent， 同时在跑 opencloud 的 那个创始人 peter， 他 每每个月的抽空消耗是一百多万美元，那像他这样的和我们日常可能也就是用 chatbot 对 话的这样的一些群体，就形成了巨大的差异。 所以这个还挺有意思的啊。就数字世界的指数增长遇到了现实世界的限性增长，就带来一个非常有意思的现象。我想到刘思新之前曾经说， 他觉得现实世界人类的这种局限性会限制 ai 的 发展。可能看起来确实是这样的啊。呃，这样也好吧，就是也不会发展的太快，导致我们非常焦虑跟不上。这是今天跟大家分享，拜拜。