英伟达算力演进与投资主线分析
本文梳理了英伟达2022至2028年从Hopper到Feynman的架构演进。指出存储曾是过去产品迭代的主线，但随着内存遇墙，互联已成为未来的核心解药与投资主线。文章拆解了GPU、CPU、组合系统与机架四条业务线，澄清了GB200、NVL72、NVL576等极易混淆的概念，详解了scale-up高速域的扩张，并深刻分析了内存容量与带宽如何推动AI算力系统的升级。
相关文档
AI算力产业链瓶颈传导的底层逻辑
文章复盘了AI算力产业链瓶颈的演变路径，指出限制已从单一GPU供应扩散到电力、存储、光互连等多维集体紧张。详细解析了从计算（GPU）、存储（HBM）、光互连到电力/液冷的四阶段传导逻辑，强调了供应链互补约束下的价值重分配。
NVHBM改写HBM规则，三家内存厂何去何从？
文章解析英伟达8月26日发布的NVHBM技术：将自研内存控制器移入HBM底座，带宽最高提升30%、功耗降低15%，并推动多家内存厂商共同供货。作者对比三星zHBM（Memory-on-Logic垂直堆叠）与SK海力士的3D堆叠、混合铜键合路线图，拆解内存厂商的利润公式：出货量×份额×单位毛利，指出NVHBM可能压缩独有设计溢价、提升制造能力与良率的重要性。对三星的机会在于进入更多采购名单，海力士则需证明客户有得选时仍选自己。行业增长未必等于每家公司都受益。
Herman：现在是 1998 年！AI 泡沫还没来
本文是 168X 战情室访谈精华，半导体研究与高频交易背景的嘉宾 Herman 系统阐述了对 AI 行业与美股半导体的最新判断。他作为 6 月第一批看空者如今翻多：Anthropic ARR 下修等利空落地后市场未踩踏，杠杆已出清；锚定 Anthropic/OpenAI 是错的，二者只消耗 27% 算力，微软等 CSP 企业端盈利快速兑现，用卡回本周期极短。他判断当前类似 1998 年而非 2000 年互联网泡沫，真正泡沫尚未到来。节目还讨论开源模型改变 CSP 处境、存储高 margin 难以为继、补涨轮动到光/CPU/功率、Apple 扶持英特尔、老黄 5,000 亿基建融资局、币圈与散户建议等议题，并警示 token 用不满的人将先被淘汰。
AIDC产业链真正的瓶颈：大幅回调后重新审视30家瓶颈公司
文章以供给稀缺、客户认证、竞争扩产与股价回撤四个维度，重新审视AIDC产业链30家瓶颈公司。结论是：真正具备产能、认证、交期或锁量证据的公司只占少数；瓶颈增强的同时竞争普遍加剧；回撤最大的小票往往瓶颈地位尚未验证。第一梯队包括AXT（InP衬底）、Tower（硅光代工）、联亚、AAOI、古河电工、Micron等，而Sivers、上诠等高热度小票仍属潜在瓶颈。回调提供了更便宜的价格，但没有自动提供更高的确定性。
HBM全景研报：从训练到推理，主角不再是GPU
本文深入分析了AI推理时代HBM（高带宽内存）成为新主角的原因，指出推理过程中数据搬运的耗时往往超过计算。文章详细解释了HBM的3D堆叠技术优势、HBM4采用先进逻辑工艺带来的产业链变化，以及SK海力士、三星、美光三大厂商的市场份额与技术路线竞争，并探讨了内存厂商在AI基础设施中获取超高利润的商业逻辑。
AI投资赚他妈的100倍：产业链全景与机会分析
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
台积电这份报告，把AI算力真正的底层逻辑讲透了
文章深入解读了台积电2026年技术研讨会报告，指出半导体行业已进入由AI驱动的超级周期，预计2030年市场规模将达1.5万亿美元。核心观点包括：先进制程从单纯的节点微缩转向平台优化（如A16、A12的背面供电技术）；竞争维度从“谁的晶体管更小”升级为“谁能把算力系统造出来”；以及算力增长的真实引擎在于CoWoS、SoIC等先进封装技术与HBM的系统级集成。
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。
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。
倒腾一台B300，为何能赚1000万？
文章剖析英伟达B300服务器在中美之间的巨大价差：美国售价约370万人民币，国内炒至1400万。通过台湾假用户走私案、超微案、国资融资租赁等案例，梳理了合规采购、海外租云、走私倒卖等多条灰色渠道，并测算转手、出租的暴利与风险。同时揭示了居间生意中的期货诈骗、违约套利等乱象，提醒普通人警惕算力租赁资金盘，认清管制价差背后的法律、保修与价格波动风险。
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。
“大空头”伯里，刚刚做出了一个危险的决定
文章分析了“大空头”迈克尔·伯里对AI泡沫的最新做空操作。他从押注Palantir、英伟达等个股空头，到2026年9月将所有裸空头寸转换为2027年到期的看跌期权，并声称“正在提前时间表”。其核心论点包括：AI收入无法覆盖巨额资本开支、半导体周期性见顶、以及AI需求可能存在“循环融资”的虚假繁荣。文章同时指出做空的时间风险——方向对但时间错同样会亏损，并借此向普通投资者介绍在低波动率环境下用远期put和波动率产品布局尾部风险保护的策略思路。
