存储成AI核心基础设施

你有没有发现，最近大家讨论 ai 啊，不是在指定的 gpu 了啊，不管是训练大模型还是手机跑的 ai 应用啊，一个更基础的问题啊，突然就卡住了啊， 是内存不够了啊，过去呢，我们总觉得 gpu 呢是大脑啊， gpu 是 发动机。但是今天呢，要告诉你啊， 真正支撑这个数字世界的，其实啊，是存储芯片，没有它呢，你 ai 也没法训练大模型呢，也没法推理，哎，手机呢，也开不了机，汽车啊，也没法用智能了， 连一行代码可能都存不住。那以前存储芯片呢，它是一个配角，大家觉得它便宜，产量大，没人注意。但是到了二零二五年，二零二六年，哎，这个情况就彻底变了，存储啊，成了 ai 时代 最紧俏的干裂物词。我们把一个计算系统啊，比作一个人啊，就是 c p u 和 g p u 呢，就是你的大脑，负责思考。 短期记忆呢，是 dram， 就是 d r m 啊，七点零时的事情。长期记忆呢，就是这个 a n a n d 的 闪存，负责永久啊，保存知识和文件，就像你学会骑自行车啊，只要你学会了，一辈子都不会忘掉 啊。神经系统呢，就是数据总线辅助呢，传递信号。 ai 的 本质啊，其实就是海量的参数加上海量数据的一个极限搬运的游戏。哎， gpu 算的再快，如果数据喂不到嘴边，它就只能在那干，等着空转。 所以呢，现在决定 ai 效率的往往不是你算力有多高，而是这个数据搬运的速度。这整个外移的存储市场，主要靠两个技术成长。那第一种呢，叫 d i m 啊，叫动态随机处理器，它是短期记忆啊，速度极快啊，但是一断电它就全忘了啊，就像我们电脑里的内存条， 手机里的 l p d d r， 第二种呢，叫 n i n d 的 闪存，长期记忆啊，断电呢，不会丢，但是呢，速度呢，会慢一些，像固态硬盘啊， u 盘啊，手机存储空间这些， 一个呢是临时工作台，一个啊是一个永久的仓库，这两个呢，缺一不可。为什么 ai 的 发展呢，突然让这个存储 变成了瓶颈，因为大模型的参数啊，都要在毫秒甚至是微秒内啊 啊，跟存储系统呢进行交换天文数字级别的数据。那这里面出现一个残酷的问题啊，叫存储墙啊，就是你 gpu 算力太快，它数据跟不上啊。说白一点就是 gpu 呢，不是算不过来，而是要等数据那边空转，这就意味着要浪费巨大的算力投资。所以大家现在啊，恍然大悟，那存储才是释放 ai 算力的那把真正的钥匙。 所以在 ai 服务器里面啊，最贵的原件不再只是 gpu 了啊，还有贴在他身边一小块的 hbm， 也叫高宽带存储，本质上也不是什么新的存储技术啊，只是进行了一场封装革命啊，他把多个 d i m 的 芯片呢，像盖楼一样垂直地 对接起来，然后呢，又一种叫硅铜孔的技术呢，直接把芯片内部跟 gpu 呢焊死在一起啊。你可以这么理解哦，就是传统的 d i m 呢，像一条拥挤的单车道的公路。那 hbm 呢，像一座呢，拥有二十车道， 而且呢，砸到呢，是直接给你通到 gpu 核心的立体枢纽。而这样的数据吞吐量，它一下子就飙升了，那现在全球几乎所有的 hbm 产量啊，都被因为大家这些 ai 巨头啊，提前好几年给包下了， 哎，谁掌握了 hbn 嘛，那谁就捏住了 ai 算你的这个命门，在存储芯片的产业链上，是全球极致精密的写作，那最上游的设备和材料，比如像什么光刻机啊，刻蚀机啊，硅片呀，光刻胶啊，这些是最难啃的骨头 啊。海外有 a s m l 啊，应用材料，中国呢，有北方华创啊，中微公司这些中国企业呢，在拼命地追赶，那中邮呢，是存储芯片的制造，也是利润最厚的地方。目前呢 d i m 市场呢啊，基本上被三家是垄断了啊，三星啊，是全球的老大， s k。 海力士也是这个 ai 时代最大的赢家， h b m 呢，是做的最好哎，是深度绑定英伟达，然后就是美国的独苗美光， 哎，中国的希望之星，那就是长线存储了啊，收入呢，是暴增，国产替代的潜力呢，也是巨大 n a n d 闪存市场主要玩家呢是三星 s k。 海力士，凯侠，西部数据，哎，这块我们中国的希望之星，那就是 长江存储，它的独门绝技啊，已经是领先全球了哎，也是正在加速上市。那下游呢，就是应用端了， ai 服务器是现在的绝对核心 啊，疯狂消耗 h b m 和 s s d 啊，手机呢和 pc 呢，也是在升级容量，比如现在的手机啊，都要奔着 e t b 的 存储去了 啊，包括现在的智能车，本质上是一个移动的数据中心，对存储的需求呢，也是指数级的增长。存储行业啊，以前是出了名的啊，周期鲶鱼啊，一缺货呢就涨价，然后啊是大扩展， 最后呢是过剩价格暴跌，循环往复。但是这次超级周期那就不一样了啊，背后呢，有三个根本的变化。首先就是这个需求结构变了，以前呢，主要是靠手机啊啊， pc， 现在呢，是靠 ai 的 数据中心，这块的需求呢，更高些，而且呢 更持久。然后呢就是产量排放的效应， hbm 的 利润太高了，各大厂商呢啊，把产量呢优先给了 hbm， 导致呢，普通的内存啊，哎，供应反而变少了，价格呢，是被动的全面上涨。第三个呢，也是最重要的，从训练模型到大规模的一个推理，每一个环节呢，都在疯狂的消耗存储也就是这个需求啊，它是有序的啊，所以这轮上行周期的长度和强度啊，可能都会 超越历史上。那未来呢，有四个方向，大家呢可以去盯一下。那首先呢，就是 hbm 和先进封装， 呃，未来三年是最确定的一个赛道，谁掌握了这一块，那谁就捏住了 ai 算计的命脉。然后呢就是 c x l 的 技术，它能让未来的数据中心啊，像调度水电一样，哎，动态分配内存的资源， 极大的提升效率。第三个呢就是存储一体了，也算是终极梦想了，哎，就是直接在存储的地方哎，进行计算，彻底消除这个存储墙，这是 ai 芯片最前沿的方向之一了。当然了，最重要的还是我们存储的国产替代， 在这个地缘政治的背景下，哎，长江存储，创新存储，每一步的突破，不仅是商业上的胜利啊，更是我们国家 占领安全的一个意义了。当然了，风光的背后不是没有风险，就是周期反噬的风险啊，现在全球都在搞破产啊，过剩的幽灵它没有消失， ai 的 需求如果不继续起泡沫啊，可能随时破裂，哎，再加上地缘政治的升级，哎，对先进设备、软件甚至是 hbm 出口 本身也是限制的，随时可能会冲击全球的一个供应链。所以回到我们最开始的问题啊，我们该怎么在 ai 时代理解存储？哎，其实呢，一句话就够了，过去呢，算力呢，是决定上限，现在存储宽带决定上限， hbm、 drm、 闪存，哎，都不是配角了， 哎，它们是跟算力芯片啊，是同样重要的战略级基础设施。那未来五年，谁能掌握高端的存储潜能和架构创新啊，谁就掌握了 ai 时代的数据入口和时代的命脉。

电容就是 ai 时代的新内存，这话不是我说的，而是顶级投行高盛刚刚说的。并且高盛在二零二六年五月最新发布的研报中明确表示，电容这一轮价格上行周期目前仍处于早期阶段。很多人听到这个说法可能会觉得奇怪， 电容和内存明明是两种完全不同的电子原件，高盛为什么会把它们相提并论？如果六月还在关注科技赛道的朋友，建议听完今天视频，接下来我就用高盛研报里的核心数据和逻辑给大家讲的明明白白。 高盛之所以把 m l c c 多层陶瓷电容器称为新内存核心，有三个原因，第一，它已经成为 ai 服务器物料成本中排名第三的核心零部件，仅次于 gpu 和传统内存。 第二，它和内存一样，都面临着 ai 需求爆发带来的严重供需失衡。第三，它的价格上涨周期和盈利弹性都与此前的内存行情高度相似。先看高盛给出的第一个核心判断依据， 需求端正在迎来前所未有的爆发。高盛数据明确显示，从二零二五财年到二零三零财年， ai 服务器对 m l c c 的 需求将增长约四三倍，年均复合增速高达百分之三十四。这是什么概念？ 普通服务器单台只需要两千到四千颗 m l c c， 而一台高端 ai 服务器需要三万颗以上，用量相差了十到十五倍。 更关键的是，英伟达今年下半年即将量产的新一代 ruby 机架单台机架的 m l c c 使用价值从约一千五百美元直接飙升至约四千三百美元，增长了百分之一百八十二， 这意味着即使 ai 服务器出货量不变， mlcc 的 市场规模也会因为单台价值量的提升而接近翻倍。再加上新能源汽车领域的需求持续增长，一辆纯电动车需要一点八万到三万颗 mlcc， 是 传统燃油车的五到八倍。 两大主力需求叠加，直接把 mlcc 的 市场需求拉到了历史峰值。高盛给出的第二个核心判断依据是，供给端的增长完全跟不上需求，而且这种限制是结构性的，短期无法解决的。 整个 mlcc 行业的产能年增速只有约百分之十，远低于百分之三十四的需求增速。为什么扩产这么难？ 高盛在研报中分析了三个核心壁垒，第一，高端 m l c c 的 生产工艺极其复杂，需要将陶瓷、戒指、薄膜和金属电极层层堆叠，目前最先进的工艺已经能做到堆叠一千两百层以上，每一层的厚度只有头发丝的几十分之一。 第二，单位产能消耗巨大。 ai 服务器使用的高规格 m l c c 单位产能消耗约为普通消费类 m l c c 的 四到七倍。也就是说，同样一条生产线生产高端 m l c c 的 产量只有普通产品的七分之一。 第三，核心设备和关键材料大多需要企业自主研发生产，扩展周期长达十八到二十四个月。而且目前全球能批量生产 ai 服务器用高端 m l c 的 企业 只有村田、三星电机和太阳釜电三家。市场高度集中，高盛的判断并不是凭空猜测，而是已经得到了多个市场信号的全面验证。首先是价格信号， 日系两大龙头村田和太阳釜电先后宣布调整产品价格， ai 服务器专用 mlcc 价格调整幅度在百分之十五到百分之三十五之间。目前高端产品的交货周期已经超过二十周，部分紧缺型号甚至达到了三十周以上。 其次是出口数据。日本财务省五月二十八日公布的贸易统计数据显示，四月份 m l c c 出口额同比增长百分之二十八，出口均价同比上涨百分之十六， 出口量同比增长百分之十，呈现出非常明显的量价齐升趋势。第三是企业订单情况。目前村田、三星电机、太阳右电的订单出货比都稳定保持在一以上，也就是说，新增订单持续超过出货量，产能已经接近满载。 基于以上这些数据和分析，高盛得出了一个非常明确的结论，这一轮由 ai 驱动的 m l c c 周期将是行业历史上规模最大、持续时间最长的一次。对比 d r a m nand、 abf 基板等其他 ai 核心零部件， m l c c 的 价格启动时间明显更晚。 高盛认为，在所有 ai 零部件和材料中， mlcc 具有最长的价格上行空间。高盛还做了一个盈利弹性测算，如果 mlcc 产品均价上涨百分之五，丰田二零二七财年的营业利润将提升约百分之十三，太阳釉垫的营业利润将提升高达百分之三十七。 总的来说，高盛把 mlcc 称为 ai 时代的新内存并不是一个营销噱头，而是基于扎实的公需数据和行业分析得出的结论。在全球 mlcc 产业链中，国内企业虽然在高端市场仍处于追赶阶段，但也已经涌现出了几个重要的参与者。 第一个，三环集团作为国内第二大 mlcc 厂商，公司的 mlcc 产品已经能够覆盖 ai 服务器所需的六百零三到两百二十六小尺寸高容型号，到一千两百一十到一百零七大尺寸高容型号。 第二个是国磁材料，全球领先的 m l c c。 介质粉体生产企业，国内市场占有率约百分之七十五。陶瓷粉在高容 m l c c。 生产成本中占比高达百分之三十五到百分之四十五。公司 ai 服务器及车规用 m l c c。 介质粉体的扩展已经部分完成。 随着 ai 产业的持续发展， m l c c 这个曾经被大家忽略的电子工业大米正在迎来它的高景气周期。最后提醒大家，以上内容仅为行业信息分享，不构成任何投资建议。投资有风险，入市需谨慎。

这个视频和大家聊一聊 ai 的 基础设施，现在投资这些领域还是有机会的，第一无疑就是内存条， 如果说二五年之前是算力的时代，那么二六年之后就是存储的时代，为什么？因为你有了算力之后，这么多的数据你就一定要有地方存储。现在每个人都在用 ai， 每天用 ai 产生大量的数据，这些数据是不会删除的，你要在之后任何时刻都能够调用它，那么庞大的数据就需要庞大的内存去支持。内存条相当于 ai 的 海马体， ai 公司对它的需求可以说是刚性的，像闪迪、美光、西杰这些公司的订单早就排到了二七年之后，这也就是为什么内存条的价格一直在涨， 很多人说价值已经被高估了，但我个人认为二六年其实只是一个开始，真正到了二七年才会达到一个需求平衡的点，所以二七年之前投资它还是相对好的机会。 第二个 c p o。 光子学我在另一个视频当中做了大量的研究，这项技术仅仅处在初级阶段，并且有大量的资金正在压注，而且它正是 ai 发展的瓶颈之一， 它真正的需求爆发可能会在二七年甚至二八年之后，它相比于内存条有很多的价值还没有被释放。 c p o。 简单来说就是可以提高芯片与芯片之间的数据传输效率，它相比于传统的可插拔模块，能提高大约三点五倍的效率，同时还能降低延迟和功耗， 可以说是一项长期的价值投资。选择。第三个能源基础设施，包括发电站、变压器、输电线路、燃气轮机等一系列发电、配电、输电的系统。 二零二六是 ai 元年，要支撑这么多的数据中心、网络算力的供应，那么就需要电力作为保障。中国的电力现在是全世界第一，美国也逐渐意识到了电力的问题， 它们把配电、发电、变压器等等这些列为了支撑国家安全的重大技术。 第四个 c p u。 我 之前也做过 c p u。 需求缺口和未来趋势的研究，当时发出之后就有人说，既然有了这种言论，那说明它的需求已经鉴定，需要赶紧出货。我并不认同这种言论，从数据上看，它增长的趋势还在， 曾经可能是 g p u 的 天下，未来有可能是 c p u 的 天下。曾经的工业基是一块 c p u， 搭载四到五块 g p u， 现在这个比例逐渐地变成了一比二，甚至一比一， c p u 和 g p u 的 需求达到了齐平的水平， 这是历史性的，我认为它的需求在二七年之前还有一定的上涨空间。总结一下，二零二六年很有可能是 ai 需求爆发的元年， 越来越多的人开始接受 ai， 并且使用它，甚至开始为它付费。每个月订阅它的会员，在大街上路过的人，他们也会在聊豆包，有的甚至正在跟它互动。这就很像在互联网刚兴起的时候，大家都去注册 qq， 都去用微博， 甚至为它付费是一样的。我们现在很可能正处于这个时期，只不过当时的互联网换成了 ai， 所以 我认为 ai 的 投资机会和风口都是在的。不要理会那些熊的话，把握时代，把握机遇。

今天人类大量使用 ai 了吗？嗯，还没有。会不会大量使用 ai？ 一定会。什么时候大量使用？ 便宜土鸡对不对？所以这个还需要一段过程。那这段过程当中会不会大量铺设基础建设？我们讲过好了，两千年的网路泡沫后，网路有泡沫吗？ 没有啊，那是网路新创公司泡沫，网路没有泡沫，因为人类需要网路。你再回想两千年后，你一天用的是传奇洛派的，现在呢？ 延绵不绝，你没法想象吗？那两千年泡沫后，两千零四年酷狗证明它是有用的，全世界正在铺铺光纤建立这个什么电，那个无线电传输，那个就叫基础建设，发展基础建设， ai 要不要发生，你要什么时候完成？不知道， 但是基本上 ai 的 基础建设真的太贵了。它贵不是说成本贵，我们打个比方好了，我们看基金公司好，现在只不做财报吗？毛利八十八是什么概念？毛利八十八哦，产出成本一块售价是九块， 那个做 gpu 公司买下这个妹妹之后呢？他毛利又八十八，怎么回事？比如说一块变九块，九块变九十块，一个产出一块钱东西到使用者说变九十块，这个成本是很吓人的。你们觉得便宜 这个很难说，为什么？市场紧缺吗？但是因为成本，矿的技术需求把它压缩成八分之一，省下来的很多钱的，一块变九十块，省下八分之一有没有帮助？ 有就变便宜了吧？便宜你们就有机会普及吗？他不小心普及说每个都用，资料要存，存在哪里？ 这才是最头痛的地方。可是像 turbo 框这样子，他真的理论之上他真的有办法运作到只用到这样压缩，然后就可以实现到原本这么好的效能吗？还可以可以。 呃，其实压缩我的很记得给我报告没了不起的，就是因为 k v k h 在 印刷过程当中就是文字嘛。 那你知道压缩比可以很高吗？那照片就不好压缩了。那这种压缩技术没有太离谱了。那我们 real time 的 压缩简单呢？所以这个其实是一个协助解决掉 memory 不 足的最好的方法。所以你觉得车播放出来反而对你们也是利多，也不算是太大的影响。对我是利多吗？会让我买不到更充足的 flash， 但是从另外团是利多，客户需求变得更强。所以你要看从哪个角度开始叫利多？我，我需要买更多。其实哈，我曾讲我们的不是种米的，种稻米的要花钱买土地。 ok？ 我是 买米的。买米做加工品，米最好不用钱。这加工品还是赚钱嘛？对，米越贵，我东西卖出去越辛苦。所以从我们角度，我们并不希望米一直涨价对我不利吧？

三星的股价今年已经翻倍了，他的市值也突破了一万亿美元，成为继台积电之后第二家进入万亿美元俱乐部的亚洲公司。 对于一家原本体量就已经达到几千亿美元级别的跨国科技巨头来说，这样的上涨通常不会只来自短期的情绪，而意味着市场开始重新理解他在新一轮产业周期里的位置。 三星的这份财报很好的展示了一个时代的变迁，我们正从移动互联网时代走向 ai 时代，半导体产业的权力结构也正从以手机为代表的消费电子转向了以 ai 数据中心为代表的基础设施。这也是存储超级周期的底层逻辑。 ai 不 止需要 gpu， 它还需要 hbm 服务器、 delay、 企业级 ssd 以及支撑这些硬件持续扩张的金元厂、封装、硅光子和冷却系统。 这期我们就通过三星最新一季的财报来看三个问题，第一，三星的财报是如何体现这种产业权力结构变化的？ 第二，为什么存储才是三星近期爆发的原因，以及三星最全的存储产品线如何解释这轮存储超级周期的内部结构。 第三，在 ai 时代，除了存储之外，三星的金元代工、微光子、冷却和物理 ai 这些业务又能获得哪些新的机会？ 我们还是先来看一下三星电子二零二六财年第一季度财报的数据，当季度总营收直接达到创纪录的一百三十四万亿韩元，环比增长百分之四十三。更不可思议的是，它的营业利润直接飙升到了五十七万亿韩元， 环比暴涨了整整百分之一百八十五。听到百分之一百八十五这个数据，说实话很多业内的分析师第一反应都会怀疑是不是自己看错了， 这样的利润暴涨肯定不是靠多卖几台冰箱或者手机就能做到的。真正推动三星这一轮爆发的核心引擎是它的半导体和内存业务，也就是 ds 部门。 我们正在进入一个新时代，从移动互联网走向 ai 时代，英伟达取代苹果成为台积电的第一大客户，就是这个时代更迭的标志。 而三星这家公司本身也能看出这个时代更迭的特征。这张图展示的是三星两大业务部门的营收走势。二 零二五年前三季度， ds， 也就是消费电子部门， 而到了二零二五年第四季度，我们可以看到半导体部门的销售额已经达到了四十四万亿韩元，而消费电子为四十四点三万亿韩元，半导体部门已经几乎追平了消费电子部门。而真正的反潮就发生在这个季度， 这个季度半导体部门的销售额达到了八十一点七万亿韩元，而消费电子部门则只为五十二点七万亿韩元。 这个时候半导体部门已经是消费电子部门的整整一点五五倍，这也就是市场重新定价三星的关键原因。 投资人看到的已经不再只是一家手机、电视和家电公司，而是一家重新站到 ai 基础设施核心位置上的半导体公司。而这一切背后的根本推动力，就是我们说了无数次的代理型 ai， 也就是 ai 的 全面爆发。 代理型 ai 和我们前两年用的那种一问一答的聊天机器人是有非常大的区别的。我们可以把代理型 ai 理解为一个不知疲倦的数字打工人，他不是你问一句，他答一句就结束了， 而是会在后台持续不断的规划步骤，减少数据调用工具，甚至主动和其他 ai 系统去沟通，去执行非常复杂的任务。换句话说，它不是偶尔运行一下，它可以一直在跑，二十四小时不休息， 而这种不间断的后台运转，需要处理海量的指令。为了为保这些代理型 ai， 超大规模的数据中心对于服务器内存的需求已经彻底变成了一个深不见底的黑洞。 这也解释了为什么整个行业现在的产能状态如此紧张。三金在财报里坦言，目前的需求满足率创下了历史新低， 出于对断供的极度恐惧，客户现在的行为已经接近恐慌性抢单。他们不仅抢空了今年仅存的产能，甚至连二零二六、二零二七年的产能已经被提前预定一空。 这也就引出了一个非常核心的问题，既然需求大到这个地步，而且利润如此惊人，为什么这些巨头不直接砸钱破产呢？资本不是号称可以解决一切效率问题吗？为什么不能在一夜之间多盖十几个新工厂，把所有的需求都消化掉，然后把钱全部都赚走？ 云很简单，半导体制造不是在电脑上复制粘贴文件，它是人类历史上最复杂的物理制造过程之一。新建一座最先进的金源厂，往往需要三到五年的极长周期，绝不是今天投钱，明天就能出货的， 更关键的是，技术壁垒正在成指数级上升。我们以今年三星二月份首发量产的第四代高宽带内存，也就是 hbn 四为例， 我们可以把传统的内存芯片想象成一片平整的街区，而 hbm 四则是一栋微观尺度下的摩天大楼， 也就是说，它不是把芯片平铺开来，而是把芯片一层一层叠在一起。而最难的地方其实不是把它叠起来，而是要让数据在这栋微观大楼的上下楼层之间以极高速度流通。 这就要求工程师必须在每一层极其脆弱的硅片上打出成千上万个微小孔洞，也就是 tsb 微通孔技术。 这个过程的容错率极低，只要其中任何一个孔偏离了一微米，或者内部散热没有处理好， 整栋微观大楼就可能瞬间变成一块极其昂贵的废砖。这种极端制造难度意味着 sbm 的 量率爬坡需要非常严格的条件和漫长的时间。 虽然三星计划到第三季度， hbm 四的销量将占到整个高宽带内存系列的一半以上，而且它们也宣布了在研发和设施投资上超过一百一十万亿韩元，在韩国平泽和美国德州泰勒疯狂的扩建工厂， 但建设速度依旧远远赶不上 ai 的 进化速度。也正因为高贷款内存制造如此困难，产物又极其有限，所有巨头都拿着支票排队抢，这就引出了财报里另一个反直觉的现象，叫利润倒挂。 我们通常会认为高贷款内存是皇冠上的明珠，应该是最赚钱的产品。但现在账面数据却显示， 传统普通内存芯片的净利润竟然反而高过那些顶尖的高宽带内存。为什么会出现这种奇特的倒挂？这正是供应链极度扭曲带来的结果。 要理解这个现象，就要先理解两种内存完全不同的定价机制。高宽带内存需要提前一年画图纸定制产线，因为它的后端封装工艺极其复杂，必须提前很久进行产能规划。 所以三星采用的是年度定价机制，通过长期协议提前锁定全年的价格。也就是说，哪怕现在外面已经抢疯了，他也不能随便坐地起价。 传统内存则完全不同，传统低廉则是按照季度灵活定价的。最近几个月，因为三星把大量的生产线和产能都抽掉去制造高贷款内存，导致传统普通内存严重缺货，产量少了，供需失衡了，价格自然就上去了。 于是，传统内存的现货价格在季度谈判中一路飙升，最终形成了短期利润的倒挂。卖普通内存反而比卖顶尖 ai 内存还要赚钱。 假如你现在是三星的高管，面对这种利润倒挂，诱惑其实是非常大的。既然传统低廉更赚钱，那么为什么不立刻把生产线切回去，疯狂的生产传统内存呢？先把今年的钱先赚到手再说。但这其实是一个非常危险的商业短视陷阱， 如果为了追求短期的暴利，切断高宽带内存的供应转让去生产传统内存，那整个 ai 生产系统就会立刻陷入严重的问题。 原因就在于，代理型 ai 的 运行不仅需要最顶尖的高宽带内存来作为核心大脑的高速缓存，它也同时需要传统服务器里海量的普通存储来处理日常调度和数据承载，两者不是相互替代的关系，而是相互依存的关系。 这就好比一辆超级跑车，它不仅需要顶级发动机，也需要轮胎、刹车、悬挂和燃油系统，如果只保留一部分，整辆车根本就跑不起来。 如果高宽带内存断供了， ai 服务器的制造也会全面的面临停滞，随之而来的就是未来几年大量数字基础设施建设的停摆，如此下去，传统内存的需求也会反而受到削落。 所以三星坚持履行长期协议，本质上不是傻，而是在保护整个 ai 生态的火种，也是在锁定未来十年的长期护城河。 不过这场算力的焦虑不仅席卷了内存，他们还提到 ai 对 于新盘，也就是大容量固态硬盘的需求也在快速增长，这就意味着存储技术正在经历一场新的泛式变化，这也跟之前闪迪的暴涨是相互印证的。 过去很多人觉得 ai 训练主要拼的是算力和内存，硬盘只是一个仓库，好像没有那么重要。但是随着大模型的不断进化，尤其是代理型 ai 的 出现，处理任务所需要的数据量正在成指数级的上升。 如果只依靠昂贵的高宽带内存来存取所有的临时推理数据，成本将高到连世界上最富有的科技巨头都难以承受。 所以行业开始寻找更现实的分层方案。在最近英伟达的 gtc 大 会上，就提出了一种名为 cms 的 新架构，它的核心逻辑可以理解为数据的分层溢出。 也就是说，当极其昂贵的高宽带内存处理完最核心的计算之后， ai 推理过程不再需要把所有的数据都憋在内存里， 而是开始大量向外溢出。利用 pcie 六高速固态硬盘，以及三星刚刚研发的二百五十六 t 的 超大容量 qlc 固态硬盘来承载更多的数据。二百五十六 t 的 固态硬盘，这意味着什么？ 这相当于给最强大脑直接外接了无数个相对便宜但速度依然很快的记忆硬盘，这样一来， ai 基础设施的综合成本就会明显被压低。 这份财报令我感到震惊的地方不只是内存硬盘和数据中心，更重要的是， ai 的 进化似乎正在冲破虚拟数据的边界，正开始在物理世界里长出神经躯体，并产生极其震惊的物理热量。 这种从虚拟跨越到物理的布局，正是三星目前正在下的一盘大棋，因为数字运算的尽头必然会撞上物理世界的限制。 我们可以看到，三星的代工部门，也就是 foundry 业务，他们拿下的那个战略订单就指向了一个非常关键的方向，归光子学。归光子学听起来科幻，但我们可以把它讲得通俗一点。现在的 ai 服务器密度越来越高，传统服务器之间需要靠铜线来传输电信号， 我们可以把铜线想成一条非常狭窄而且布满坑洼的泥土小路。当海量数据像重型卡车一样高频次的在这条小路上挤来挤去，就不可避免的产生巨大的物理摩擦，这就是数据中心惊人热量的来源之一， 而且电子传输的速度和能效本身也是有上限的。硅光子学要做的就是直接在芯片内部修建一条条光纤高速公路，用光子替代电子来传输数据。 如果说传统铜线是泥土小路，那么硅光子学就是在芯片内部铺设高速公路，光信号传输的阻力更低，发热更少，延迟更低，通道宽度理论上也更高。 这不仅是技术迭代，更是解决数据中心即将面临的物理窒息问题。 ai 越强，数据流动越密集，铜线电信号散热和延迟问题就越容易成为瓶颈。所以未来的数据中心必须用光来重塑他的神经网络。 而且不仅是神经网络，他们还明确提到物理 ai， 或者说具身智能。三星正在由韩国顶尖机器人专家吴俊浩牵头全力研发人形机器人，准备把他们从制造工厂拓展到零售甚至家庭领域。这是三星 ai 战略里非常重要的一环。 这样看下来，逻辑就非常清楚了，半导体部门在打造 ai 的 大脑，代工部门的归官子学在构建极速传输的神经网络，物理 ai 部门则在尝试给 ai 造出身体。 那么如果大脑和神经网络全速运转，热量问题要怎么解决呢？这就轮到了三星的数字家电部门，也就是 da 部门登场了。 因为 ai 计算产生了惊人的物理热量，整个数据中心冷却市场预计到二零三零年将激增到一百六十六亿美元。所以三星的数字家电部门近期采取了一个重要的战略，取错收购了一家顶尖的冷却技术公司， 这就相当于为 ai 基础设施打造一套庞大的排汗和降温系统。当然，三星这份财报也不尽是高歌猛进，比如他们的移动业务部门，也就是 mx 部门，目前的处境就非常的尴尬。 财报显示，虽然智能手机的整体销量下降，但是依靠着他们强推的高端系列的 s 二六手机以及折叠屏手机，还有 ai 功能带来的涨价，硬生生的维持了营收增长。 但是移动部门现在面临着极其严重的物料和成本压力，而这种压力的来源就非常的有戏剧性， 他正是来自自家兄弟部门不断上涨的内存芯片价格，也就是说，半导体的高宽带内存和普通内存的价格一路上涨，导致一部手机的芯片成本大幅上涨， 手机部门因为芯片太贵而利润受压，但转头一看，赚走这些钱的竟然是走廊对面的半导体部门， 这就是三星的烦恼。那既然硬成本降不下来，移动部门就只能想办法让消费者觉得这个更高的价格是合理的。 所以我们看到三星开始在终端产品上寻找新的溢价突破口，比如他们预告了即将推出的 micro rgb 和 mini led 全新显示技术电视以及一种全新形态的设备，也就是 ai 眼镜。 三星试图通过更加沉浸的多模态 ai 体验来维持终端产品的溢价能力。换句话说，他们必须让这些新硬件看起来有足够强的未来感，消费者才会愿意为上游高昂的芯片成本买单。 我们可以看到，即便是三星这种站在技术顶端狂飙的巨头，他也不是活在真空里。 所以，财报会的最后，管理层提到了许多现实世界的不确定性风险。比如中东的地缘政治冲突导致的原油价格上涨、国际物流成本飙升、行运改道，甚至还有即将在五月二十一号到六月七号发生的公会罢工威胁。 这些外部的宏观风险，是任何跨国巨头在二零二六年都必须面对的，共同逆风。 面对这样的局面，三星也提出了相对理性的风险对冲策略。针对资本市场可能出现的恐慌，他们直接抛出了高达十四点六万亿韩元的大规模股票注销计划，用真金白银安抚投资者。 面对中东危机引发的红海航运改造，他们正在利用多样化的物理网络加强政府合作，并通过长期海运合同来降低不确定性。至于罢工威胁，管理层则强调在法律框架内的多套应急预案，试图将物理停工的风险降到最低。 这也提醒我们一个非常关键的事实，越是尖端的数字技术，反而越依赖一个稳定运行的物理世界。如果工厂停工或者港口罢工，哪怕你的 ai 大 模型再聪明，你也出不了货，输不出头肯。 最后回到这份财报，我们看到的不只是三星一个季度的业绩爆发，它更像 ai 基础设施周期的一张切片图。 从这张图里面，三星的半导体部门从追赶消费电子部门到正式反超消费电子部门，说明三星的增长引擎正在换挡。而存储业务从 dm、 hbn 一 路延伸到 nand 企业级 ssd， 说明 ai 需求正在同时拉动整个存储金字塔 代工业务里面的硅光子 s b m 四 bay style， 两纳米和四纳米的 ai hpc 应用。著名 ai 正在逼近传统电互联和先进制造的物理边界， 而冷却系统物理 ai 和人形机器人则说明 ai 正从数据中心走向更广阔的物理世界。这就是三星这份财报最值得关注的地方，它不是单纯告诉我们一家公司赚了多少钱，而是告诉我们 ai 已经不再是软件和模型的竞争， 它正变成一场关于内存、存储、金元厂封装、光通信、冷却和终端硬件的系统性竞争。 ai 时代的赢家不只是模型做的最好的人， 也包括那些能够把算力、存储、电力、散热和制造能力做到极致的人，以及把它们真正组织起来的人。

大家好，今天我们聊一份重磅财报。戴尔为什么说它重磅？因为这不是一份普通的服务器财报，这是一张 ai 产业链下一阶段的路线图。过去两年，市场谈 ai 基本就三个词，英伟达、 gpu、 hbm。 谁有 gpu， 谁就有算力。谁能攻 hbm， 谁就卡住模子。谁能挤进英伟达供应链，谁就能估值重估。但戴尔这份财报告诉我们， ai 产业链的故事变了， ai 基础设施已经不只是买几张 gpu 卡那么简单，它正在进入一个更复杂、 更系统、更像工程总包的新阶段。未来真正值钱的不只是芯片本身，而是谁能把 gpu、 cpu、 内存、存储、网络、电源、液冷机会、软件运维 全部打包成一个能快速交付的 ar 工厂。这就是戴尔财报最核心的信号。先看数据，戴尔 ai 服务器收入一百六十四亿美元，积压订单创下五百一十三亿美元的历史记录。 传统服务器和网络收入八十五亿美元，同比大涨百分之九十二。存储收入四十三亿美元，增长百分之八。 pc 业务收入一百四十六亿美元，增长百分之十七。更关键的是，公司大幅上调全年直引全年收入预计一千六百五十亿到一千六百九十亿美元， 中值约一千六百七十亿。 ai 服务器全年目标上调到六百亿美元。传统服务器全年增长预计超百分之六十。 c g a p 每股收益也大幅上调。这组数据说明什么？ 说明 ai 基础设施建设不是在降温，而是在加速，而且不是单点加速，是整条产业链一起被拉爆。戴尔管理层在电话会上反复提一个词，叫 dell ai factory。 戴尔 ai 工厂这个概念非常关键。 过去很多人理解 ai 服务器，以为客户买的是 gpu 服务器，是硬件，是机器。但戴尔说的明白，客户买的不是零件，而是一整套能直接投产运行的集成方案。 换句话说，企业客户真正要的不是一堆散件，而是一个能跑起来、能稳定运行、能接入自家数据、能保证安全、能快速部署的 ai 基础设施系统。 这就像建工厂，你不能只买发动机，也不能只买钢材，你需要有人把生产线、电力系统、控制系统、仓储系统、安全系统全部打好。 ai 数据中心也是一样， gpu 只是发动机，发动机之外还有大量配套系统。所以，戴尔正在从传统 pc 和服务器厂商转型为 ai 基础设施的总包商。这也是为什么戴尔这份财报的意义远超一家公司，业绩暴涨。他结识了 ai 产业链正在从芯片趋势进入 ai 工厂趋势。 第一条趋势， ai 正在拉爆传统服务器。过去市场有个误区，以为 ai 来了，传统服务器就不行了，因为大家都去买 gpu 服务器。 丹带尔这次传统服务器和网络收入同比增长百分之九十二。现实恰恰相反， ai 没有消灭传统服务器， ai 反而重新点燃了传统服务器的需求。为什么？因为一个 ai 数据中心不是只有 gpu 节点， 它还需要 cpu 服务器做任务调度，需要存储服务器承载数据，需要网络服务器做集群管理，还需要安全监控、备份数据库、向量解锁业务系统共同运行。尤其到了 a 阵时代， ai 不 再只是一问一答，而是多轮推理、多次调用工具、多次访问数据库、 多次判断路径。每一次 ai 调用的背后，都有大量调度、状态管理、 i o 处理和任务编排，这些不是 gpu 最擅长的，而是 cpu 和传统服务器体系要承担的。所以，未来 ai 产业链不能只看 gpu， 还要看 cpu、 服务器、存储网络和系统集成。 第二套趋势， cpu 可能成为被低估的 ai 瓶颈。戴尔电话会里有个信号值得重视， cpu 也紧缺。 过去市长讲 ai， cpu 经常被边缘化，仿佛 gpu 就是 全部。但真实的数据中心不是这样， gpu 负责并行计算， cpu 负责控制、调度、分支判断、 iu 管理和系统管理。 如果把 gpu 比作一群猛将， cpu 就是 指挥系统。没有指挥系统，猛将再多也打不成体系化战争。尤其是 agent 应用普及以后， cpu 的 重要性会重新上升。因为 agent 每做一部决策，都要读取上下文、调用工具、判断任务管理状态、访问数据库， 这些过程高度依赖 cpu。 所以 未来 ai 硬件的瓶颈可能会从只有 gpu 不 够变成 gpu， cpu、 内存、存储、网络全都不够。第三条趋势，存储和内存正在成为 ai 基础设施的新主线。 戴尔明确点明，供应链紧缺的不只是 gpu， 还有 grm 的 cpu 和硬盘，其中内存是最主要的瓶颈，这句话非常关键。 ai 产业从训练走向推理，从大模型走向 agent， 从互联网长情走向企业私有化部署以后，存储和内存的重要性会越来越高。训练时代，大家最关注 hbm， 因为大模型训练需要高贷宽显存，但推理时代，尤其是企业 ai 时代，需求会扩散到系统内存、企业级 ssd、 hdd 存储阵列、向量数据库和数据管理系统。为什么？因为企业 ai 不是 凭空回答问题， 它要接入企业自己的文档、合同、客户数据、交易记录、图像、视频、历史日制和数据库模型，要做剪缩增强生成，也就是 r a g。 要保存上下文，要调用多模态数据，要进行长期记忆和状态管理。这意味着 ai 越落地，数据越重要， 数据越重要，存储越重要。所以戴尔财报告诉我们， ai 投资不能指定 gpu 和 hbm， 还要把眼光扩展到 drama n 的 hdd。 企业级 ssd 存储控制器、存储系统和数据中心存储架构。第四条趋势， ai 服务器正在推动数据中心基础设施全面升级。 ai 服务器不是普通服务器，它功耗更高、发热更大、信号传输更复杂，网络宽带要求更高、稳定性要求更严苛， 这会带动一整套底层硬件升级。比如 pcb， ai 服务器需要更高层数、更高频、高速、更低损耗材料对户电股份、深南电路、盛鸿科技、生意科技这类产业链公司形成长期需求牵引。 比如连接器和高速线缆、 gpu 集训越大，机柜内和机柜间的数据传输越重要。高速连接器、铜缆、光模块、背板都会受益。 比如电源和液冷。 ai 服务器功率密度大幅提升，传统风冷越来越难以支撑，高功率机柜、液冷、 c d u 冷板、快接头、泵阀、 温控系统都会成为关键环节。再比如机柜母排结构件、 ups 和储能。 ai 数据中心本质上是一个高功率、高密度、高稳定性的工业系统，不只是一个互联网机房。 这也是为什么我们说 ai 行情的下一阶段，不应只看谁攻芯片，还要看谁卡住 ai 工厂交付。第五条趋势，国内市场的机会要从概念映射走向供应链位置验证。戴尔财报对国内市场有很强的启发，但不能简单说戴尔涨了， a 股服务器都涨。 真正要研究的是每家公司在 aa 工厂中的位置到底是什么。第一类，服务器和系统集成商。比如浪潮信息、中科曙光工业、复联、紫光股份、神舟数码等。核心要看他们有没有大规模交付能力，有没有 gpu 资源，有没有客户订单， 有没有系统集成和运维能力，而不是只看是否生产服务器。第二类， pcb 和高速互联， 比如沪电股份、深南电路、盛宏科技、生意科技，以及连接器线缆同互联背板相关公司。这个方向的逻辑是， ai 服务器升级必然带来单机价值量提升。第三类，存储产业链， 比如江波龙、百维存储、德明利、赵毅创新、北京军政深科技等。这里既有存储周期涨价逻辑，也有 ai 服务器和企业级存储增量逻辑。但要注意区分哪些公司只是价格周期受益，哪些公司真正进入了企业级和 ai 基础设施供应链。 第四类，液冷电源和数据中心基础设施，比如英维克、科华数据、科士达、深菱环境、同非股份、菲荣达、忠实科技等。 这个方向的核心是功率密度提升带来的硬件升级。第五类，光模块和网络设备。 ai 集群越大，网络越重要，八百 g 一 点六 t lpo、 cpo、 交换机和高速互联都会继续引进 中，继续创新，益盛、天福通信、光讯科技、华工科技等仍然是产业链关注重点。但这里必须提醒一句，很多方向已经被市场充分交易，后续不能只讲故事，而要看订单、利润、客户毛利率和估值位置。总结一下，戴尔财报最重要的启示不是 ai 服务器收入暴增百分之七百五十七这一句话，而是它告诉我们 ai 服务器收入暴增百分之七百五十七这一句话，而是它告诉我们 ai 基础设施进入了系统交付时代。过去市场问谁有 gpu， 现在要问谁能交付 ai 工厂。过去市场看 gpu hbm 先进封装，现在还要看 cpu 内存、 n a n d 硬盘、存储系统、 pcb 连接器、液冷电源、机柜网络和系统集成。 过去 ai 投资像是在找最强的发动机，现在 ai 投资更像是在找谁能造出完整的高速列车。 戴尔的暴涨，本质上是市场承认了一个新现实， ai 不是 一张芯片的战争，而是一整套基础设施的战争。而这场战争的下半场，真正的机会，可能藏在那些不显眼，但一旦短缺，就会卡住交付的环节里。 这才是戴尔财报留给 ai 产业链投资者最重要的信号。我是翻石头找矿，谢谢观看！

你见过净利润率百分之七十六点七的制造业公司吗？两千零二十六年一季度， sk 海力士赚了四十万亿韩元，相当于每天净赚三点五亿人民币。 三星存储业务贡献了百分之六十的利润，美光净利润百分之五十点七，西部数据更是达到了百分之六十七点九。这不是什么互联网暴利，这是曾经被当成周期垃圾的存储芯片行业。 而且我明确告诉大家，这轮上涨根本不是传统的周期性复苏，而是 ai 驱动的历史性超级周期，供需缺口会一直持续到两千零二十八年。 今天我就用最专业的逻辑给你讲透这场存储革命的本质，以及国内产业链真正能吃到肉的公司。看完记得点赞收藏，错过这次，你可能要再等十年！ 一、为什么这次不一样， ai 的 命门是存储墙，很多人以为 ai 的 核心是 gpu， 错了，现在全球 ai 最大的瓶颈根本不是算的不够快，而是数据供不上。这就是行业里说的存储墙问题。 我给大家打个比方， gpu 是 ai 的 大脑负责思考、计算，而存储就是 ai 的 记忆，负责给大脑喂数据。 传统冯诺伊曼架构里，数据在 cpu、 gpu 和内存之间搬运，要消耗百分之九十以上的能耗和时间。就像你有一个超级聪明的大脑，但每次思考都要花十分钟去翻书找资料，再聪明也没用。 而两千零二十六年， ai 的 需求发生了质的变化。两千零二十五年，还是大模型集中训练为主，两千零二十六年，直接变成了 ai agent。 分 布式推理什么概念？ 以前是几百台服务器训练一个大模型，现在是每个人的手机、电脑、智能眼镜里都跑着一个 ai agent， 每天和你交互几百次， 报告里的数据太吓人了。两千零二十六年，全球总算力需求是两千零二十五年的八到十二倍，存储需求直接暴涨三到七倍，企业级 ssd 需求涨四到六倍， 手机端 ai 手机出货十二亿部，单机内存直接翻倍， ai pc 渗透率从百分之二十涨到百分之六十，内存从十六级字节跳到三十二到六十四级字节，这不是限性增长，这是指数级爆炸。 而全球存储厂商二零二四到二零二五年的扩产计划，还是基于两千零二十五年的训练需求做的，完全低估了 agent 推理的爆发力，这就是现在全球存储全面缺货的根本原因。 二、全球五大巨头，谁是最大赢家？现在全球存储市场已经彻底分化，谁掌握了 ai 存储技术，谁就是印钞机。 一、 sk 海力士绝对的王者，两千零二十五年 q 三、全球 hbm 市场份额五十九到百分之六十，稳居第一， 率先量产十二层 hbm， 三亿 hbm。 四、今年二月已经大规模量产两千零二十六年，全年的 hbm 产量早就被英伟达提前锁光了， 而且他还和闪迪合作搞 hpf 高宽带闪存，填补 hbm 和 ssd 之间的宽带鸿沟。现在市场已经把它从周期股重新定位成 ai 基础设施核心公司，目标价直接从七十万韩元干到一百一十万韩元。 二、三星规模优势追赶 hbm。 三、 e 已经通过英伟达认证，价格比 sk 海力士低二十到百分之三十抢市场。 hbm 四去年十二月就给英伟达交了最终样品， 今年计划把 hbm 产量从每月十七万片提到二十五万片，增幅近百分之五十。而且把平泽工厂的 nand 能砍了，全部转去做 dram， 就是 要吃这波 ai 红利。 三、美光新形态内存弯道超车，跳过 hbm 三，直接坐 hbm 三 e。 今年 hbm 产量也全部受庆， 最牛的是它的 solcam 技术，是业界唯一进入英伟达 gb 三百供应链的产品，每个 blackwell 芯片都要配四个 solcam 模块，未来二十年要在美国投两千亿美元扩产，野心极大。 四、西部数据闪迪 nand 涨价最大受益者从去年四月开始涨企业级 ssd 价格，九月 nand 直接涨百分之十，今年 q 二 nand 的 涨幅还要扩大到七十到百分之七十五， 单台 ai 服务器的 ssd 容量已经从四八泰自洁跳到十六泰自洁以上，未来几年 ai 服务器 ssd 的 复合增长率超过百分之六十三。技术壁垒有多高，不是谁想破产就能扩。 很多人会问，既然这么赚钱，为什么不疯狂破产？我告诉大家，先进存储芯片的制造难度已经到了原子尺度控制电子的地步， 一个存储工厂从建设到大规模量产最少要三点五年，多则五年。而且 hbm 的 难度更是地狱级，十二层芯片堆叠要钻几千个直径几微米的硅通孔间，核精度要求小于一微米，任何一个对准误差，整个芯片直接报废。 现在 sk 海力士的 hbm 三 e 量率也就七十到百分之八十， hbm 四初期量率预计不到百分之五十， 美光在广岛投九十六亿美元建的 hbm 工厂，两千零二十四年 q 二开工，最早要二零二七到二零二八年才能量产。 这就是为什么报告说 hbm 缺口三十到百分之四十， dram 缺口三十到百分之三十五， nand 缺口二十到百分之三十，实质性缓解要等到两千零二十八年。四、国内产业链大洗牌，谁真正切入了 ai 供应链？重点来了， 这波超级周期里，国内哪些公司是真的有货，哪些是蹭热点？我直接给大家上两千零二十六年一季度的硬核业绩数据，用事实说话， 公司一季度净利润净利润毛利率江波龙三十八点六亿百分之两千八百八十四，百分之五十五点五三，得名率三十三点四六亿，纽亏为盈百分之五十七点四二 百。维存储二十八点九九亿百分之一千五百六十八，百分之五十三点三零。赵毅创新十四点六一亿百分之五百二十二点七九，百分之五十七点零八。 江波龙单季度净利润直接超过两千零二十五年，全年百维存储净利润创历史新高，得名利直接扭亏，这就是 ai 红利的威力。但我要提醒大家，不是所有长得好的公司都真正切入了 ai 服务器供应链，我给大家分梯队讲清楚。 第一梯队，百维存储最具成长性，这是我最看好的国内存储公司，没有之一。 它是全球唯一拥有金元级封装能力的独立存储器供应商，已经拿到了 ai 服务器厂商和头部互联网厂商的核心供应商资质， esd r d i m m c xl 模组全部实现预量产出货。 最牛的是它绑定了 metta， 是 rayban metta 智能眼镜的独家存储供应商。两千零二十五年 ai 端测营收超十亿，同比涨了百分之两百九十四。 而且他签了十五亿美元的长期采购合同，锁定了两千零二十六到两千零二十八年的金源供应，完全不用担心缺货问题。 今年的关键看点就是企业级收入占比能不能超过百分之十五， ai 眼镜能不能放量。第二梯队，江波龙盈利弹性最大， 国内少数具备 e s s d 加 r d m 加 c x l 加 s o c a m m。 二全产品线能力的公司，两千零二十五年企业级收入已经超过二十亿，拿到了多家知名服务器厂商的订单。 而且它已经成功点亮了对标美光的 s o c a m m。 二产品，未来如果能进入英伟达 g b 三百，供应链空间会非常大。 第三梯队，德明利自研主控黑马，它的毛利率是行业最高的百分之五十七点四。二核心优势就是自研了九颗主控芯片，全链条能力大幅降低了 b o m。 成本。 现在 s t s s d。 已经实现批量销售， d d r 五 r d m。 也通过了客户验证，今年募资九点九亿搞 p c i e s s d。 主控芯片，如果研发成功，会直接打开成长空间。 不过目前企业级业务占比还不到百分之五，还在早期阶段。第四题，对照意创新间接受益。 他专注利基型 dram， 主要做滴滴二三、滴滴二四，面向公共网通车规市场，不直接切入 ai 服务器供应链。 这次主要是受益于 ai 服务器需求爆发，导致传统 dram 性能被挤占，价格上涨。如果长兴存储未来 hbm 三量产，它可能会间接受益，但短期弹性不如前面三家五。最后说点真心话。 最后我想跟大家说，这轮存储超级周期和历史上任何一次都不一样。以前存储是周期性大宗商品，涨两年跌两年，现在它已经变成了 ai 时代的核心基础设施，资产估值逻辑从 pb 变成了 pe， 这是历史性的范式转移。 两千零二十六年一季度业绩主要靠价格上涨驱动，占了五十到百分之七十，到了今年三季度，四季度就会变成销量主导。这时候谁有稳定的供应链，谁有自主才能， 谁就能持续超预期。当然，风险也必须说清楚，如果 ai 大 模型商业化不及预期，服务器资本开支会收缩，江波龙和百维的高存货一旦价格反转，就会有减值风险，还有新技术迭代不及预期的风险。 但总的来说，这场 ai 驱动的存储革命才刚刚开始，供需缺口会持续两年多，国内产业链的机会才刚刚显现。 关注我，后续我会持续跟踪存储芯片的价格、产能和各家公司的订单进展，带你抓住这波历史性的投资机会！觉得有用的家人们，点赞、收藏、转发给你身边做投资的朋友，我们评论区见！

孙雨辰啊，十年前让大家买英伟达，那十年后啊，就涨了两百七十倍，去年说永远缺存储，存储就涨了五十倍，那现在他说普通 ai 已死，物理 ai 才是未来三年唯一的主线， 并且呢，亲自压住了十亿美金。其实这个人啊，最厉害的就是能提前三到五年看到普通人看不到的一个技术趋势。 我和组里啊一起加班探讨了一周，我们发现物理 ai 有 七个最有成长潜力的赛道，今天我们就快速过一下啊。第一个赛道是人形机器人，那这里指的是大模型加实体，国内做的最好的是语数，呃，语数和质源 都没有上市，所以我们目前只能盯上有零部件，主要有电机、减速器、传感器、结构件和磁材方向。电机环节呢，主要关注以下四家， 减速器环节，重点看这两家，传感器看这四家，结构件和轻量化方向，重点关注这几家，磁材方向可以跟踪这一家。 第二个呢，我们看无人机方向，它作为低空经济商业化的一个核心主体，二六年的市场规模大概率会突破两千亿，那其中非控系统的壁垒最高，有潜力而且上市的只有这两家。 除此之外呢，无人机、动力、心脏电机、电调电池一共有这七家，感知系统、通信链路两家。 第三个是空间计算，一共有这三类，三 d 视觉传感器、雷达、激光和地图算法。 那么第四个呢，是工业自动化，也是当下制造业转型升级的核心刚需，那他的一些技术呢？呃，其实是跟人形机器人有重叠，那这里啊，我们就不再做赘述了， 但是呢，可以重点关注下面这三家工业控制系统的公司。那第五个是能源板块了，这里指的是物理 ai 硬件 所有的能源基础设施。那第一个就是滤电，分为下面三类，光伏风电和水电核电。再一个就是储能， 那同样呢，也可以分为三类，电化学储能、液冷储能和钠电池液冷散热呢，我们可以关注这三家啊。第六个是储存储板块，主要关注以下这些实力龙头， 以及两家准备上市的国产巨无霸。最后一个是光通信，一个未来在三年绝对的高景级赛道。那高速光模块和 cpu 呢，我们就关注以下这三家啊，光芯片呢，我们就关注这三家。 不得不说哈，我真的是非常佩服孙雨辰的眼光，他这真的不是运气啊，从虚拟 ai 到物理 ai， 算是 ai 行业一个颠覆性的改革了，而他呢，是真正的看透了技术革命的本质。

今天，国产 ai 第一次完整展出了自己的四大件，算力、存储、电互联、光互联。四家科创版企业恰好串成一条从芯片到数据高速公路的闭环。以前我们聊国产替代，总觉得东缺一块西缺一块。现在四个环节齐了，这意味着什么？不是单点突破，是系统级突破。 今天拆两件事，这四大件各自卡在哪，以及全链路跑通后，确定性怎么重新分配。先说这四大件分别解决什么问题？ 算力芯片是大脑，负责计算。存储是短期记忆，负责把数据喂给大脑。电互联是脊椎里的神经，负责芯片之间短距离快速通信。光互联是大动脉，负责服务器之间长距离高速传输。 过去国产 ai 的 短板在哪？算力有，但存储慢，电互联带宽不足，光模块依赖进口，大脑发达，但四肢不协调。现在四家国内企业分别在这四个位置上拿出了可量产方案，而且彼此兼容。为什么以前做不到？ 因为标准不统一，各家各搞各的。现在产业链上下游开始协同定义接口标准，打通了算存联的任督二脉。这次亮相的意义，相当于告诉全球，中国 ai 基础设施可以自己闭环了。全链路跑通后，确定性会沿着三个层次重新分配。第一层，核心算力芯片确定性最高， 谁受益？国产 ai 训练与推理芯片的设计厂商逻辑链条。过去国内大模型厂商首选英伟达，因为生态成熟，兼容性好。现在有了国产全链路方案，且成本可控，国内云厂商和智算中心就有了第二选择。这不是替代，是备胎转正。 确定性判断，已有国内头部互联网公司与该算力芯片厂商签订长期采购意向订单，可见度到明年不是概念，是合同。第二层，高速互联方案弹性最大谁受益？提供电互联和光互联方案的厂商 逻辑链条全链路跑通的关键不是单个芯片有多强，而是数据在各环节之间不堵车。电互联负责片间互联，光模块负责基间互联。这两个环节过去是国产 ai 的 瓶颈， 现在方案成熟后，每一个国产算力集群都会配套采购互联方案，价值量占比从百分之十提升到百分之二十五以上。确定性判断，目前渗透率低于百分之十五，正处在从能用到标配的爬坡期，订单弹性高于算力芯片。第三层，存储与封装配套远期空间大 谁受益？国产存储芯片和先进封装服务商逻辑链条大，模型训练需要高宽带存储 h p m， 国内存储厂商正在追赶， 同时算力芯片需要先进封装来集成多个 d i e。 确定性判断，存储目前与国际龙头仍有代差，但国产替代逻辑明确，属于长期必须补课的方向。封装环节则确定性更高，因为国内封装能源全球领先，且不依赖单一客户，可跟踪指标是 存储厂商的 h p m 送样进度和封装厂的产能利用率。重点看第二层中的光互联方案商，这是全链路中技术壁垒最深、国产化率最低的环节之一。机构报告显示，国内高速光模块上游的光芯片国产化率不足百分之二十， 而本次亮相的光互联方案采用了自研光芯片，实现了从芯片到模块的垂直整合，核心逻辑是不依赖进口光芯片，也就不受海外供应链波动影响。同时，该方案已通过国内头部算力芯片厂商的兼容性测试， 意味着每一台国产 ai 服务器都有机会采用其互联方案。可跟踪的公开指标，该厂商与算力芯片厂商的联合发布会频率以及其光芯片产量、产量率和稳定性未知。第二， 国际巨头可能通过降价挤压国产空间。第三部分环节估值已偏高。这期视频交付的不是推荐，是一套框架，当国产替代从单点变成系统，确定性要从谁有产品转向谁被下游验证，通过这套判断标尺，可以套用到任何科技产业链。我是前沿，点个关注，下期接着拆。

孙雨辰十年前让大家买英伟达，十年后啊，就涨了二百七十倍，去年说永远缺存储，存储就涨了五十倍， 那他现在又说普通 ai 一 词，物理 ai 才是未来三年唯一的主线，并且呢亲自押注了十亿美金。 其实啊，这个人最厉害的就是他能提前三到五年看到我们普通人看不到的一个技术趋势。 那我和团队啊一起加班探讨了一周，我们发现物理 ai 有 七个最有成长潜力的赛道，今天啊，我们带大家快手过一遍， 第一个赛道是人形机器人，那这里啊，指的是大模型加实体， 国内做的最好的质源和语速都没有上市，所以啊，我们目前只有盯上有铃木键，主要有电机减速器、传感器结构件和磁材方向。 电器环节呢，主要关注以下四家，减速器环节啊，重点看这两家。 传感器呢，看这四家，结构件和气量化方向，重点关注这几家，瓷材方向可以跟踪这一家。第二个呢，我们看无人机方向， 它作为低空经济商业化的一个核心主体，二六年的市场规模大概率啊会突破两千亿， 那其中飞控系统的壁垒最高，有潜力并且上市的只有这两家。除此之外呢，无人机、动力、心脏电机、电吊电池一共有这七家， 感知系统六家，无人机通信电路两家。第三个是空间计算，一共有这三类， 三 d 视觉传感器、雷达、激光和地图算法。第四个是工业自动化，也是当下制造业转型升级的核心干须吧， 那他的一些技术呢，其实跟人形机器人有重叠，那这里呢，我们就不再对说，但是可以重点关注下面这三家工业控制系统的公司。第五是能源板块， 这里啊指的是物理 ai 硬件所有的能源基础设施。第一个就是绿电，那分为以下三类啊， 光伏风电和水电核电。再有一个就是储能，那同样也可以分为三类，电化学储能、液冷储能和钠电池液冷散热呢，我们可以关注这三家。 第六个是成熟板块，主要关注以下这些实力龙头，以及两家准备上市的国产巨无霸。那最后一个呢，是关通信，一个在未来三年内绝对的高景气赛道。 那高速光模块和 cpu 呢，我们就关注一下这三家，冠心病呢，我们就去关注这三家。不得不说我真的非常佩服孙雨辰的眼光，他这真的不是运气， 从虚拟 ai 到物理 ai， 算是 ai 行业一个颠覆性的改革，而它呢，是真正的看透了技术革命的本质。

为什么存储突然成了 ai 时代最性感的资产？最近美光、闪迪这些存储公司被很多海外券商给到很高的目标价， 很多人第一反应是，存储不是周期股吗？为什么突然这么值钱？这里最关键的变化是，市场开始把存储从手机、电脑里的配件重新定价成 ai 算力基础设施里的瓶颈资产。以前存储主要看手机、电脑、消费电子 手机卖得好，存储涨价，手机卖不动，库存积压存出价格就暴跌。所以过去市场一直觉得存储公司很周期，不愿意给太高估值。但 ai 时代不一样了， ai 服务器最重要的不是只有算力芯片。 算力芯片就像发动机，但发动机要真正跑起来，还需要两样东西。第一是高速内存， 它就像算力芯片旁边的高速弹药仓，负责快速把数据喂给芯片。第二是大容量存储，它就像 ai 数据中心的超级仓库，负责存放、训练数据、推理数据、视频数据、模型数据和企业知识库。 所以 ai 时代，存储不再只是配件，而是算力系统的一部分。美光为什么被看得这么高？美光的核心业务是内存，尤其是 ai 服务器需要的高宽带内存。 所谓高宽带内存，可以理解成专门给 ai 芯片用的高速内存，作用是让数据更快送到芯片里。 ai 模型越大，算力芯片越强，对高速内存的需求就越高。如果高速内存不够，哪怕芯片再强，也会出现一个问题，芯片在等数据。这就像发动机很强，但油管太细，油送不上来，车还是跑不快。 更关键的是，高宽带内存会挤占普通内存产能，存储厂为了生产利润更高的高宽带内存，会把一部分产能从普通电脑内存、服务器内存里挪出来。 这就形成了一个很强的链条， ai 服务器抢高速内存，存储长转产高宽带内存，普通内存供给减少，普通内存也涨价，整个内存行业利润上休。 所以券商不是只在看美光今年赚多少钱，而是在看未来几年 ai 会不会让整个内存行业持续供不应求。 这就是美光被重新定价的核心。闪迪为什么也被看好？闪迪更偏闪存和固态硬盘，这里也解释一下，闪存就是长期保存数据的存储芯片，固态硬盘就是由闪存组成的大容量存储设备。 如果说美光的高速内存是 ai 芯片旁边的弹药仓，那闪迪的固态硬盘和闪存就是 ai 数据中心的量仓。 ai 训练和推理会产生海量数据， 尤其现在大模型视频生成智能体企业数据库、向量数据库越来越多，数据不是用完就扔，而是要长期存、快速读、反复调用。这就让闪存和固态硬盘的地位变了。 以前他们主要看手机容量、电脑硬盘、消费电子的需求，现在他们开始变成 ai 数据中心的基础设施。 所以闪迪被看好，不只是因为闪存涨价，更重要的是 ai 数据中心让大容量存储的需求变得更长、更强、更稳定。这轮存储和过去有什么不同？过去存储是跟着终端走的，手机卖得好，存储涨， 服务器补库存，存储长，它是一个跟随品。但现在 ai 时代，存储变成了质约像，算力芯片再强，没有高速内存，算力释放不出来。 模型再大，没有大容量存储，数据放不下、调不快。数据中心再多，没有存储系统，训练和推理效率都会受影响。所以市场真正意识到， ai 基础设施不只是算力芯片，还包括内存带宽、数据存储和数据流动效率。 这就是存储股估值变化的根源。为什么券商目标价看起来那么夸张？很多人看到美光闪迪的目标价觉得离谱，但券商不是单纯觉得他们应该给很高估值，而是把他们未来盈利大幅上休了。 存储行业有一个特点，固定成本很高，价格一旦上涨，利润弹性非常夸张。 什么意思？工厂设备、生产线折旧基本都在那里，一旦产品价格涨了很多，新增收入会直接变成利润。 所以存储行业向上周期来的时候，利润不是慢慢涨，而是可能爆发式增长。这也是为什么存储股一旦涨起来，会看起来特别猛，但这轮更特殊，因为它不是普通手机电脑补库存，而是 ai 数据中心需求推动的。 所以券商真正买的不是今天的存储，而是未来几年 ai 数据中心对高速内存和大容量存储的长期需求。但这条线也不能无脑吹，存储再怎么被 ai 重估，本质上仍然有周期属性。 后面要盯三个风险，第一，云厂商资本开支会不会放缓，如果微软、谷歌、亚马逊、 mate 这些大厂减少 ai 投入，存储需求预期会被砍。第二，存储厂破产会不会太快？现在价格高，利润好，大家一定会破产， 等新产能集中释放，价格周期可能反转。第三，涨价能不能持续？如果存储价格涨太快，客户可能提前囤货，也可能推迟采购，后面需求会被透支。 所以这条线不能理解成存储永远长。更准确的说法是， ai 把存储周期拉长了，把利润弹性放大了，也改变了市场对存储公司的定价方式。美观和闪迪为什么被券商给这么高目标价，核心不是因为它们突然变成了英伟达， 而是因为市场发现， ai 时代，存储不再是电脑和手机里的普通配件，而是算力基础设施里的关键瓶颈。每光卡的是高速内存，是 ai 芯片旁边的高速弹药仓。 闪低卡的是闪存和固态硬盘，是 ai 数据中心的超级仓库。过去存储是周期品，市场不愿意给高估值。 现在 ai 需求供给紧张，价格上涨，长期订单一起出现，存储行业开始被重新定价。 一句话， ai 时代真正稀缺的不只是算力芯片，还有芯片旁边的内存，以及数据中心背后的存储。存储股这轮上涨，本质不是炒芯片概念，而是炒 ai 基础设施里的新瓶颈。

问你一个问题，一台光成本就高达五千五百万人民币的英伟达最新 rubicon 机柜，真正让它造价翻倍的环节到底在哪里？如果你以为还是 gpu， 那 今天大魔曝光的这组数据绝对会让你出乎意料。 摩根斯利最近出了一份关于 v 二 rubicon 架构，也就是 v 二两百 nbr 七二机柜的物料成本估算表。从总价看，上一代 gb 三百机柜成本不到四百万美金，而 v 二两百直接到了七百八十万，总物料成本翻了近一倍。 很多人看到这个造价，第一反应肯定是英伟达的 gpu 又变贵了。确实，作为核心算力单元， vr 两百的 gpu 物料成本从两百五十二万涨到了三百九十六万美金， 绝对值依然最高，占了整机成本的一半左右。但你仔细看涨幅比例， gpu 仅仅涨了百分之五十七，这个数字远低于整机百分之九十五的平均涨幅，这意味着 gpu 的 成本占比正在被稀释， 真正拉高基费造价的，其实另有其人。在这份明细表里，最夸张的数据属于存储 g b 三百时代，存储成本大约是三十七万美金，到了 vr 两百，这个数字直接暴涨到了两百万美金， 涨幅高达百分之四百三十五。随着 ai 模型参数量的不断放大，算力本身已经不再是唯一的瓶颈，数据的吞吐和存储容量成了必须要补齐的短板。到了如饼这一代，为了为保更强的 gpu， 必然要搭配规格更高、价格也更昂贵的 hbm 四内存，存储在整个机柜中的成本占比已经从百分之十跃升到了四分之一以上， 这也是为什么有些市场分析会认为，在接下来的硬件迭代中，单纯 gpu 不 再是唯一的主导因素。存储芯片在整机价值里的比中正在实质性提升。 除了存储，另外几个吃掉大量预算的环节全部集中在通信和底层电路上。表格里的 n b link 交换机芯片和其他网络芯片造价分别达到了十四点四万和五十七点六万美金， 涨幅都在百分之一百二十以上。要把几十颗性能极强的 gpu 连在一起，并让他们高效协同网络互联的硬件正变得越来越贵。与之对应的， pcb 印刷电路板涨了百分之两百三十三， mlcc 电容涨了百分之一百八十二， abf 窄板涨了百分之八十二。断裂密度和通信带宽变高后，主板的层数、走线、复杂度以及电子元器件的消耗量都在成倍增加。 相比之下，之前市场上讨论很热的散热和电源，在整个系统的物料采购里其实占比很小，涨幅分别只有百分之十二和百分之三十二。这说明在机柜级别的物料构成里，基础设施层面的硬件虽然在升级，但并没有像芯片和存储那样出现成倍的异价。 总结这张表单，七百八十万美金的背后，不再是单颗 gpu 在 维持摩尔定律，而是整个系统工程的成本正在快速膨胀。看懂了这部分增加的物料造价去向，也就看清了下一阶段 ai 硬件产业链的利润分布。既然存储、高级风装和网络成了一家大头，你觉得国内哪家硬件厂商最有机会吃到这波红利，欢迎在评论区聊聊你的看法。

下半年最强财富主线过去两年，我们炒的是虚拟 ai 的 基础建设，而下半年我们可能会进入物理 ai 基础设施的序是 各位三件大事，如果你错过了官模块，错过了存储，那下半年这三件大事对应的四个方向，你可以重点关注。记住，不是明年、后年，而是下半年 第一件事就在周五啊！全球科技巨头带了联想、惠普三家传统的科技公司，股价集体爆发，带出来一个市场目前最大的信息场，过去是八个 gpu 配一个 cpu， 未来是一个 gpu 配一个 cpu， 仅这一点， c p u 的 需求可能会暴涨四到八倍。而显然，目前市场还没有给到 c p u 市场真正的重新定价。但尔 q e 财爆炸裂，总营收高达四百三十八亿美元，同比大幅增长百分之八十八。财爆里最炸裂的不是由 g p u 组成的 ai 服务器，增长了百分之七百五十七。 不是。一季度 ai 新订单达到二百四十四亿美元，积压订单五百一十三亿美元，创历史记录。为什么会积压这么多？因为内存不够生产 不过来这一份财报真正炸裂的是 cpu 的 传统服务器，一季度营收八十五亿美元，同比增长百分之九十二，是市场预测的一倍， 完全在所有人意料之外。连戴尔自己都没有想到，这是一个全新的市场，它不知道这个市场有多大，只知道它在高速增长，高速爆发，而这个信息差大到连戴尔的老板都不知道。 在过去，市场的共识是，传统 cpu 服务器零增长甚至负增长，它会被 gpu 所取代。但事实上， gpu 不 仅没有被取代，反而在大规模的爆发 市场远远低估了传统的 c p u 服务器，它可能是物理 ai 时代里最大的几条财富主线之一。为什么？其实黄仁勋给出了答案。这就是周五的第二个信息场黄仁勋的采访。 他在采访中爆出四个猛料。第一个， ai 正在大规模地进入物理世界，物理 ai 开始大爆发。 戴尔 ceo， 纰漏啊！戴尔 ai 工程的客户数已经突破了五千家，过去一个季度就增加了一千家企业。部署 ai 之后，工作效率不是提升百分之十、百分之二十，而是十倍、二十倍。像李来已经开始用 ai 研发药物， 三星已经用 ai 研发芯片，在这个过程中需要用到大量的 cpu。 以前的 ai 是 大模型聊天，你问他答， 一个推理任务完成之后， gpu 就 空闲。但现在的 ai， 它需要执行任务。比如你让机器人扫地，它需要大量的控制、逻辑判断，这些复杂的调度工作恰好是 cpu 的 强项，也就是 gpu 负责算， cpu 负责管。在过去， cpu 是 普通产品，而现在， cpu 是 物理 ai 的 重要入场券。随着 cpu 的 需求大爆发，那 cpu 对 应的产业链价值必然迎来重估。 看英特，一个传统做 cpu 的， 今年股价涨了百分之一百五，很显然， cpu 正在被重新定价。第二个猛料，端测 ai 要来了。 什么是端测 ai？ 过去， ai 是 部署在云端，你要用算力，用 ai 通过云端服务器计算，然后把结果传给你。但很快， ai 芯片就要部署在你的电脑上、你的手机上，甚至是机器人上。因为 ai 智能体想要真正的帮你干活， 他就必须要理解你的上下文。这些上下文最合适的不是在远方，而是在本地。因为这每一个终端都要搭配一个端侧 ai 芯片。各位想象一下，世界上有多少台电脑，多少台手机，未来有多少机器人， 这里需要用到多少端侧芯片，需要多少 cpu？ 这里面的市场和财富啊，是有多大，是有多恐怖。 像端侧芯片平台，比如高通、联发科，甚至国内的华为、海思等等，价值都要被重估。 第三个猛料，存储和 c p、 u 正在变得稀缺。黄仁勋和戴尔都明说，内存是现在最大的挑战。 其实现在全世界都知道了，人工智能是极度缺存储，尤其是高端的 h b m 四，甚至是明年闪迪要推广的 h b f。 但市场不知道，对于纯 cpu 的 传统服务器， 也非常缺中低端的内存存储。现在美光、闪迪、海力士、三星等这些企业把所有的产铜都给到了高端的内存， hbm 四，也就是把所有 中低端内存的生产线都关了。随着 cpu 需求大幅度增长，像 ddr 四、 ddr 五内存以及 企业级的 s、 s、 d 等存储产品，可能会迎来一轮大范围的涨价，因为戴尔的 cpu 已经开始缺货了，就是因为缺少内存。大家要清楚的是，现在国内部分企业是可以生产 d、 d i 五和企业级的 s、 s、 d 的， 一旦国内存储出现回调，有好的价格 是可以布局下一轮涨价逻辑的。第四个门面，黄仁勋判断，智能体 ai 刚刚开始，物理 ai 甚至还没有开始。 物理 ai 影响着全球九十万亿美元的产业，这将是英伟达和戴尔等公司未来十年甚至更长时间的核心战场。以上是第二件大事，而第三件大事 是特朗普已经明确要求美国开始大规模进军物理 ai。 特朗普政府周五要求啊，国防部二零二七年要砸七百五十亿美元研发无人机，这是典型的空中物理 ai 战略。种种迹象表明，全球物理 ai 大 拐点已经到了， 而 cpu 和端侧 ai 芯片将会是物理 ai 第一轮爆发的核心。下半年，和 cpu 相关的产业可能会迎来结构性的优势，因为别的 ai 趋势都涨太贵了， 但 cpu 的 趋势还没有怎么涨。所以下半年大家可以重点关注这四条主线。第一个，中国的内存方向的产业， 在 cpu 的 趋势下会被重新定价，尤其是滴滴 i 五和企业级 ssd。 第二个， cpu 服务器， ai， 从训练到推理再到执行，过去是八个 gpu 配一个 cpu， 未来是一个 gpu 配一个 cpu， 仅这一点， cpu 的 需求可能会暴涨四到八倍，中美所有生产 cpu 的 企业价值可能都要被重用。 第三条主线 cpu 的 配套，比如 pcb 接口、电源散热、先进封装等等。第四条主线，物理 ai， 尤其关注低空经济的无人机、自动驾驶、工业机器人等等已经开始商业化和有订单利润的那些企业。各位，我们现在正站在第二次算力革命的起点，过去两年， 我们炒的是虚拟 ai 的 基础建设，而下半年我们可能会进入物理 ai 基础设施的序幕。

今天和大家分享如何用第一性原理找到 ai 行业最值得投资，最有价值的环节。那么我找到的最嗯有预期差的我会放在视频的最后。那首先我们要离用第一性原理的话，我们首先要理解 ai 行业，它本质在做什么呢？我觉得本质它其实最简单来说就是把电力变成智能， 那么把电力变成智能这件事情，它其实是通过大模型完成的，那大模型它本质是一个很复杂的数学函数，那它通过一系列计算可以把我们的输入变成输出，那这个计算就需要算力，也就是 gpu 或者说 ai 算力卡。那最早大模型的发展其实就迎来了算力的短缺，也就是造就了英伟达的投资机会，那后来随着算力越来越发展，那其实就不如到我们现在这个阶段，我们现在这个阶段所有值钱的投资机会其实都是在解决算力发展以后 其他跟不上的环节要怎么去突破。那第一个讲的就是存储，那么呃，也就是大家熟知的三星海力，是美国这些公司所 做的 hbm 方案，就是高宽带内存的方案，那为什么会有这个东西呢？其实就是当我们计算越来越复杂，这个数学题越来越复杂的时候，即使是再强的学霸，再强的算力卡，那它其实也需要非常多的计算过程，那有计算过程我们就需要草稿纸，那草稿纸其实就是内存， 当我们需要越来越多的草稿纸的时候，我们就需要越来越大内存，越来越快的内存去同时去取用，也也就迎来了这些呃行业玩家的投资机会，那接下来呢？其实 除了计算，我们还说当问题变得更复杂的时候，我们其实还需要时长，因为我们不可能说花十分钟去等待，豆包去给你回复说 我用最简单最直白最不绕弯子的一句话给你讲清楚，对吧？我们不能等十分钟，那么我们如果想现在就要的话，那一张一个学霸，他可能没有那么快能解决你的问题，但如果我找一百万个学霸一起做一张试卷，那他是不是很快就可以交卷呢？那 其实也不是，因为发现一百万个学霸他每个人做一道题，你以为其实大家同一个时间就做完了，但当我做完这道题，我要告诉下一个学霸说这道题答案是什么，他不用算了，他直接用我的答案。但是当你一个一个传下去的时候，告诉他们的时候，其实是一个过程，他没有那么快， 在原始的 gpu 方案里面没有那么快，所以就有了光的传输方法，因为光很快嘛， 也也就有了光通信。光通信其实就是核心的环节，比如说光模块、光纤，那光模块大家比较熟知的，比如说重疾续创了，新一胜了，那光纤可能常被光纤了很多光电了，或者国外的康宁啊这种公司，那其实解决的是多个 gpu 一 起处理工作的时候通信的一个问题。 接下来就是最重磅的环节，也是我今晚最重要的一个成果，那就是随着算力越来越强大，以后还有什么瓶颈在阻碍着 ai 行业的发展。我的回答是电力。当然我的电力答案可能跟大家外面听到的可能不太一样，外面大家听到的电力可能是一些什么？呃，数据中心缺电了，我们需要一些燃气轮机，或者说数据中心内部我们需要一些高压直流的 方案，对吧？那我今晚的研究成果回到第一性，原理其实不是这些，而是围绕着 gpu， 我 们 ai 本身，它这个行业本身就是围绕着 gpu， 如何把电力变成算力的。那么 当 gpu 的 算力越来越强，我们刚提到一个什么东西就是它的，嗯，功耗会越来越大，功耗越大以后，它其实因为 gpu， 它作为一个高端芯片，它其实只能运行在主流下，零点八零点九伏的电压下， 也就是说它两千瓦，三千瓦的功耗对应的可能是两千安到三千安的电流，这什么概念呢？苹果祖传的充电头误负一安只有一安，现在很多快充可能也是三安，对吧？那两千安到三千安其实对应的 会产生一个什么样的？呃，问题呢？就是我们用一个初中知识啊，初中知识叫什么？交耳定律，交耳定律是什么？交耳定律就是 p 等于 i 方乘以 r， 意思什么呢？意思就是 p 是 产热嘛，然后 i 就是 电流， r 是 电阻，你说当电流通过电阻的时候，产生的热量是， 呃， i 是 要成平方的，也就是说我们两千 i 三千的电流是要开成个平方的，那当我们目前无法实现超导嘛，那我们即使电阻做做的越低，当电流是这么一个数量级的时候，它产生的热量是非常非常高的。那也就说为什么现在大家会提到说啊，夜冷啊， 这个方案是必须非常重要的，嗯，我觉得这也是非常重要的一个环节。那其次就是电力，那电力指的是如何给 gpu 稳定的供电？我们刚刚提到了 gpu 现在需要两千安、三千安的 电流，那这个电流不是一个很简单方案能做的，当然，当然现在他实际上他会通过啊？分多路吗？他不会说一根电线做到两千三千的电流，他可能分五十条线，那平摊下来每条线可能四十安到，呃，可能六十安的电流，那这其实已经是一个很 大的挑战了，那就是同时我 gpu 运行，其实它对电流非常非常敏感，就是说它载是很不是很均衡的，就是说 gpu 它里面可能分很多部分，它在高速 呃处理计算的时候，它其实需要的电流是很不稳定的，一会高一会低，那其实就需要一个嗯载体去呃，把这个电流很快速迅速的分配给它，同时要保持它的高低起伏 去匹配它，那这个其实是非常技术含量的一件事情，所以这个东西叫做 v r m， 也就是呃 g p u 内部的一个电电电源分配、电力分配的一个东西，那这个东西我认为在未来会是一个非常关键的一个价值的利点，会治愈整个 g p u 或或者说治愈整个 ai 行业发展的一个关键的东西。以后有空的话我会分享更多我新的研究的成果啊，希望和大家多交流吧，拜拜，大家可以关注我。

你选 cpu 不 选存储，你是什么逻辑？不是不选存储，存储肯定是选的，只是当下这个时间节点，我自己认为 cpu 会更值得对那么一些。但是 cpu 和光和存储是长期都看好的方向，它长逻辑还是不够硬的， 都是缺货，只不过是阶段性的，一会缺这个，一会缺那个。你会发现存储以前是跟着消费电子，跟着手机步数，跟着 pc 步数去走，但是你到现在会发现其实是跟着 tok 去走。你比如说你自节从去年的十二月份到三月份，你可能十三到四个月就翻了一番了。 你要想假如说每三个月翻一番，那你这一年可能要翻八番，那目前看趋势是没有办法正位的。所以你会发现 ox 增长太快了，存储的扩展又很慢，所以它的供需的喇叭口其实是越来越大了。 这个是存储为什么我自己认为比较好的一个原因，以及说在大模型那个范式里面，其实过去的大模型，他的记忆是模型的一种静态知识，所以存储其实是一个辅助品。但是你会发现在 age 这个时代里面，他类似于是变成一个核心部件，你会为了实现他的一个这种长期记忆和动态的一个进化， 所以你会 a 准的，他是会把那种中间形态的管控，所以用户偏好或者是历史对话，他有些交互，所谓这些 k v cash， 他 有持久性的一个保存，所以你可以理解为相当于是给每个 ai 就 装上了一个类似不断写入的一个黑匣子。 对，他只是一个以存在算的一个角色，所以他就不一样了，他就变成一个核心零部件了，那就意味着你要用上一个逻辑去去思考他了。