深度：英特尔的大航海，迷人又危险
本文以荷兰东印度公司的大航海为喻，深度解析英特尔在2025-2026年的重生逻辑。文章指出，随着美国政府入股、英伟达及软银注资，以及18A制程良率超预期，英特尔已从破产边缘被重新定位为美国国家战略资产。然而，其代工业务尚未跑通商业闭环，巨额亏损仍在持续。这是一场关于技术、资本与国家意志的豪赌，英特尔能否真正“返航”仍取决于后续执行。
相关文档
如果只选10只股票长期持仓：2026年AI资本开支流向分析
文章由Kova撰写，提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型（半导体制造、核心芯片、DC物理层、DC建造层）。基于此模型及Picks-and-shovels、Anti-correlation等原则，作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票，并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
AI Berkshire 实测：把巴菲特的方法做成流程
文章评测了 GitHub 项目 AI Berkshire，该项目将巴菲特等投资大师的方法论转化为 AI 可执行的标准化研究流程（SOP）。项目通过多视角 Agent 模拟（巴菲特、芒格等）进行交叉验证，解决投资研究中的随机性问题。文章详细介绍了其分析框架、量化结合策略及如何建立可复制的决策系统，强调流程重于预测。
英伟达推理份额大降，AI革命进入二阶段机会在哪？
文章深入分析了 AI 从训练时代进入推理时代的投资机遇。随着推理成本占比提升至 80%-90%，算力需求呈几何级增长，但英伟达在推理市场的份额已下滑至 60-75%。AMD 凭借大显存优势及 OpenAI 等巨头的订单，正在抢占市场。ASIC 定制芯片也成新势力。文章对比了英伟达与 AMD的投资逻辑：英伟达仍是行业 beta，而 AMD 是份额转移的直接受益者。
AI 开始设计芯片，利润会留给谁？｜CASPA 峰会洞察 02
基于 CASPA CEO 峰会的观察，文章探讨 AI 设计芯片的落地现状与利润分配。核心结论：AI 先落地于可分步验收的局部任务（生成测试、参考模型、布局探索），决定成败的是验证而非生成；设计提效不等于工具费用下降，客户可能用省下的时间探索更多方案；可靠的评估环节可能成为新收费点，如 GPT-Synopsys 合作中的收入分享框架。文章还分析大客户自研对设计公司议价能力的冲击，提出利润变化的三档推演，并给出投资人视角的观察信号与 2028 年回报检验窗口。
Tiny Tapeout做你人生的第一颗开源芯片
Tiny Tapeout 将流片成本从数万至数百万美元降低到约300美元，让普通工程师、学生和创客也能拥有自己的定制芯片。它向 GlobalFoundries、IHP、SkyWater 等晶圆厂购买芯片格子，切分成几百个微型单元（每个约4k逻辑门），数百个设计共享同一块硅晶片和24个IO引脚。受限于面积，适合做8位CPU、加密算法、VGA生成器等概念验证。文章称其为众筹拼车模式在芯片制造上的完美应用，正重塑微电子教育的门槛。
AI Semiconductor Endgame (IV)：开源模型对半导体的影响
文章探讨开源模型的崛起是否冲击半导体需求这一热门问题。作者指出市场担忧的核心在于开源是否会压低毛利，进而削弱模型公司购买GPU的能力。但通过动态均衡框架分析，token价格下降的同时，硬件与软件的效率提升（每十年各贡献千倍优化）使成本同步快速下降，毛利得以维持。以每GW算力测算，旗舰模型推理毛利率仍达75%-80%以上，开源模型约60%-70%，token收入是硬件摊销成本的十倍。结论是开源不会伤害半导体行业，动态均衡将持续推动AI基础设施扩张。
CH633: 面向下一代SoC的eUSB2与USB 3.0桥接芯片
随着半导体工艺进入5nm及以下节点，SoC的I/O电压不断降低，传统USB 2.0信号难以直接实现。WCH的CH633是一款集成eUSB2上游接口的USB 3.2 Gen 1集线器芯片，整合了eUSB2中继与USB集线器控制功能。它集成五个USB 3.0 PHY、四个USB 2.0 PHY和一个eUSB2 PHY，支持双上游架构（eUSB2与5Gbps SuperSpeed），原生支持USB Type-C方向自适应、BC1.2充电（最高15W）、MTT多事务转换器架构，并支持引脚或EEPROM灵活配置及SMBus管理。该芯片基于WCH自研QingKe RISC-V内核与USB IP，为先进节点SoC提供低电压接口与传统USB生态的高效桥接方案。
半导体股票崩溃之日，ASML说客户排队到 2030 年-「印钞机」还能开动吗
文章解读ASML 2026年Q3财报：营收116.6亿欧元，毛利率高达57.5%超预期，全年指引上调。毛利率飙升主要靠高毛利的晶圆厂设备升级套件与软件优化业务，装机量管理单季收入32.9亿欧元。订单方面，预付款单季净增57亿欧元，客户订单已排至2029-2030年，ASML甚至暂缓接受远期订单。先进制程上，Intel High-NA EUV曝光突破100万片晶圆，台积电与ASML联手研发12英寸超大光掩模，直指2033年物理极限。中国市场占比23%需求坚挺，存储超级周期驱动DRAM强劲增长。文章认为ASML凭技术护城河实现跨越周期，享有确定性溢价。
AI 繁荣的三张账单——电、芯片、推理
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
AI 厂商 Token 已经用不完了！半导体、AI 股会崩吗？
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
