与「中国製」相关的搜索结果

为什么 MLCC 又重要了？ 本文专注于三个问题，大家各取所需： 1. 为什么现在MLCC变得重要了？ 2. 为什么是高端MLCC？ 3. 为什么本次更像是结构性短缺而非补库存周期。 请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。 本文不赘述此处，但是欢迎大家评论区留言讨论。 觉得大家有点价值，欢迎大家画一刀点个订阅。 ---------TL:DR--------- 1. 为什么现在MLCC变得重要了？ 过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。 手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。 因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。 AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题： 这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。 现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。 Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。 但这里有一个容易被误解的点： 高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。 而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。 这才是真正可怕的地方。 AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。 所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。 这就是MLCC在AI服务器里的真实作用。 它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。 2. 为什么是高端MLCC？ 但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。 为什么？ 因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。 普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。 所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。 这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。 这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。 3. 为什么本次更像是结构性短缺而非补库存周期？ 普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。 但AI服务器用的高端MLCC是另一回事。 它受限于几个东西： 第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。 第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。 第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。 第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后 村田 (村田製作所, Murata 太阳诱电(太陽誘電, Taiyo Yuden 三星电机 (삼성전기，Samsung Electro-Mechanics TDK ( 这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。 所以我们看到的可能不是“MLCC全行业普涨”，而是： 低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。 这就是结构性短缺。 还有一个问题：硅电容会不会替代MLCC？ 我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。 所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势： AI芯片附近的电源完整性，正在变成新的价值池。 未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。 因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。 我认为更正确的问题是： AI服务器高端MLCC会不会持续紧？ 我的答案是：大概率会。 因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。 只要这个问题存在，高端MLCC就会继续重要。 短缺也更可能出现在这些方向： 高容量、小尺寸MLCC 低ESL、低高度MLCC land-side / die-side 用MLCC 48V电源系统里的高耐压MLCC 高温、高可靠、服务器级认证规格 能参与PDN仿真和客户协同设计的高端料号 所以这不是简单的“被动元件涨价故事”。 更准确地说： MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。 这也是为什么它值得重新研究。 AI产业链的利润池，不只在GPU、HBM、光模块。 当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。 而MLCC这一次站上的，正是“供电完整性”这个位置。 这才是这轮高端MLCC行情最值得重视的地方。

🚀公式コミュニティブーストイベント🚀 全地域の公式コミュニティが共に目標を達成する、3段階の「コミュニティ ブーストイベント」を開催いたします！ ブラウンダスト2各国の公式主要コミュニティの目標段階を達成するごとに、報酬をプレゼント！🎁 日本は、本アカウントのフォロワー数を基準に集計されます。 まだフォローされていない方は、この機会にぜひフォローをお願いします！ 🎯イベント目標（各地域の主要コミュニティ加入・サブスク・フォロー数の合計) 1段階：520,000 2段階：550,000 3段階：580,000 📅期間 ～各段階別目標達成時まで 📝参加方法 ブラウンダスト2日本公式Xをフォロー 🎁報酬 (全員配布) 1段階：製錬粉×30万 2段階：無料ダイヤ×1,000 3段階：1回ガチャ券×10 ※各段階の目標を達成する度に該当する報酬をすべてのプレイヤーに配布いたします。 ※集計対象になる各地域別主要コミュニティは以下の通りです。 日本：ブラウンダスト2日本公式X( 韓国：ブラウンダスト2公式Naverゲームラウンジ( 台湾：ブラウンダスト2公式Facebook( 中国：ブラウンダスト2公式Bilibili( グローバル：ブラウンダスト2公式YouTube( ※各地域の主要コミュニティの加入・サブスク・フォロー数の合計で集計されます。 まだ、本アカウントをフォローしてない方は、この機会にぜひ、よろしくお願い致します✨ ＃ブラダス2 ＃ブラウンダスト2

【6月份中國製造業採購經理指數為50.3%】國家統計局、中國物流與採購聯合會30日發布數據，2026年6月份，中國製造業採購經理指數（PMI）為50.3%，比上月上升0.3個百分點，重返擴張區間。

【特朗普談黎智英：他給中國製造混亂】 美國總統特朗普近日在講話中提及黎智英。他表示黎智英「引起了很多混亂」，並將其與前FBI局長科米類比，稱若科米入獄，自己會難以決定是否釋放，因為科米是「腐敗的警察」。特朗普接着說黎智英情況類似，指其「給中國製造了很多動盪」。 他在给自己找台阶下埋伏笔。

【6月份中國非製造業商務活動指數為50.2%】國家統計局、中國物流與採購聯合會30日發布數據，2026年6月份，中國非製造業商務活動指數為50.2%，比上月上升0.1個百分點，非製造業景氣水平有所回升。

股民“拯救”了A股，也毁掉了自己？——一个需要拆开的判断 一、先给判断 前半句要打个折，后半句要分两层看。 【表格】 说法判断理由 “中国股民拯救了A股上市公司”部分成立上市公司确实靠市场融资、靠散户接盘完成了股权稀释和退出，这是事实；但“拯救”这个词把单向付出写成了双向交易 “股民破产、家破、人疯、跳楼”是真实存在的极端案例，不是股民的普遍结局有确切记录的个案存在，但没有可核实的“自杀者绝大部分是股民”这类统计 “股民与上市公司之间是因果关系”不成立中间的关键变量是杠杆、信息差与治理缺陷，不是“股民”这个身份本身 一句话：散户确实在为市场提供流动性、为上市公司提供退出通道、为机构提供对手盘——这是结构性的；但把个体的破产归因于“拯救”，是把结构问题翻译成了道德故事。 ------ 二、先把事实摆清：散户到底提供了什么 2.1 融资端：IPO与再融资的钱，主要不是机构出的 【表格】 环节散户的实际角色 打新与配售新股发行中，中小投资者是重要申购力量，中签后再卖出，形成首批流动性 定增与配股机构定价，散户被动稀释——参与是被动，摊薄是真实 解禁与减持原始股东套现，需要有人接；承接方中散户占比很高 市场流动性换手率长期高位，散户贡献了大部分交易量 这里有个必须说清的事实：A股的融资功能，本质上依赖一个愿意高位接盘的群体。而这个群体的构成，个人投资者长期占绝大多数。 2.2 但这不是“拯救”，是“被需要” 关键在于，这个“需要”是不对称的： • 上市公司拿到的是低成本、无偿还压力的股权资本； • 散户拿到的是价格波动、信息劣势、没有分红保障的纸面权益； • 中间的定价权、信息披露权、退出时机选择权，都不在散户手上。 所以准确的说法是：散户为市场提供了流动性，市场为散户提供了风险。这不是慈善，也不是拯救，是分工——只不过这个分工的风险分配是单向的。 ------ 三、必须补的一层：这个市场是给散户留了出口的 如果只写“散户被收割”，同样不准确。A股的制度设计里，确实为散户留了通道，只是通道有门槛。 【表格】 通道内容门槛 指数化投资宽基指数、行业ETF，分散单一标的风险需要接受“赚不到暴利” 打新与红利策略低波动、可预期的收益来源需要资金和耐心，且打新收益近年明显收窄 退市与索赔制度虚假陈述可提起证券民事赔偿需要证据、时间、律师费，且执行周期长 冷静期与适当性管理高风险产品需风险测评匹配容易被“绕开测评”操作规避 这些通道存在，说明问题不是“无路可走”，而是“走了的人少”。但这句话有个前提：这些通道的收益，远低于“赌一把”的想象——而后者才是绝大多数人进场的理由。 ------ 四、真正的问题不在“股民”，在这三个变量 这是整篇文章最需要讲清的一层。如果只写“散户惨”，就落入了廉价的同情；写“散户贪”，又落入了道德审判。 4.1 变量一：杠杆 这是破产的头号原因，而且不是“投资亏损”本身。 【表格】 杠杆形式常见倍数后果 融资融券1 倍左右亏损放大，触及平仓线被强制卖出 场外配资3—5 倍一个跌停就可能归零 消费贷、经营贷入市1 倍但期限错配还款日与行情无关，必须在最差的时候卖出 房产抵押高杠杆亏损传导到居住资产 关键机制不是“跌了”，而是“跌了以后被迫卖”。没有杠杆的亏损是账面浮亏，可以等；有杠杆的亏损是强制清算，时间是站在对手那边的。 这一条足以解释绝大多数“破产”案例——不是看错了方向，是扛不住路径。 4.2 变量二：信息位置 散户在信息链上的位置，是结构性的： 【表格】 环节机构散户 公司调研实地走访、管理层沟通财报与公告 政策理解提前解读、有渠道事后从新闻得知 交易速度毫秒级秒级 成本佣金与冲击成本低佣金与印花税占比高 工具融券、期权、对冲只能做多 这不是“谁更聪明”的问题，是“谁站在队伍前面”的问题。同一个消息，机构是决策依据，散户是反应依据。 4.3 变量三：行为与制度缺陷 【表格】 缺陷具体表现对散户的实际影响 重融资、轻回报分红比例长期偏低持有股票只能靠价差，没有现金流兜底 退市与处罚成本偏低财务造假退市案例相对少，处罚金额与非法所得不匹配违规收益 > 违规成本，形成示范 减持约束不足原始股东成本极低，解禁即减持供给端压力长期存在 投资者救济渠道不畅集体诉讼、先行赔付覆盖有限亏损后缺少追偿路径 产品适当性执行不严高风险产品卖给低风险测评者风险承受能力与产品风险错配 前两个变量是市场结构，第三个变量是制度供给。三者叠加，才构成了“个体破产”的环境——而“股民”这个身份，只是站在三者交汇点上的人。 ------ 五、关于“跳楼”这件事，必须写得准确 这是最容易出错、也最需要克制的一段。 5.1 可以确定的部分 【表格】 事实说明 确有极端个案有公开报道的股市相关极端事件，且通常与杠杆、债务催收、家庭破裂叠加出现 杠杆是共同特征已披露的个案中，多数涉及融资盘、场外配资或借贷资金 本文为制度与市场分析，不构成投资建议。

Anthropic是干掉黄仁勋的幕后黑手，一为加强AI管制提高其上市市值，二为打击中国开源模型提高其营收。 但估计他们也没想到司马昭之心引发了包括马斯克在内的所有从业者一致反击，英伟达董事会很快要集体辞职了，OpenAI董事会2.0

Anthropic是干掉黄仁勋的幕后黑手，一为加强AI管制提高其上市市值，二为打击中国开源模型提高其营收。 但估计他们也没想到其司马昭之心引发了包括马斯克在内的所有从业者一致反击，英伟达董事会很快要集体辞职了，OpenAI董事会2.0

模型刚出生那会儿，用的哪块显卡，居然能查出来？🔍 11 月 12 日，前 OpenAI 研究员 Will DePue 的团队发了份报告：6 个中国开源模型的权重里，藏着英伟达 Blackwell 芯片的指纹。 原理说人话就是：模型出生前先撒一把随机初始值，撒在哪块卡上，落点就不一样。训练时没碰过的词，初始值还留在权重里，一对就对上了。 点名的有 DeepSeek-V4-Flash，证据 1385 个标准差，报告称"结论性"；还有 V4-Pro、Kimi K3、K3.1-Pro、MiniMax-M3、蚂蚁 Ling-3.1-flash。 六万亿种组合里瞎猜只能到 8 个标准差，这六个全都远远甩开。 但报告自己划了线：只能证明"一开始用的是这批卡"，证明不了卡在哪、怎么来的、算不算违规。查证脚本公开，笔记本几秒就能跑一遍。 说白了，以前查芯片走私靠报关单、靠线人，现在靠下载权重、跑个脚本——查案的工具先变了🤯 以后每个开源模型发布，是不是都得先过一遍"验卡"？你跑不跑这个脚本？