与「毛利蘭」相关的搜索结果

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。

所有人都在买GPU和存储。没有人告诉你光模块公司的总市值比美光还低 我想从一个反常识的问题开始：GPU是AI的大脑，存储是AI的记忆。那光是什么？光是AI的神经系统。但神经系统从来不是最先被注意到的。存储已经涨了10倍，GPU更不用说。光的时代，刚刚开始。 1. 先说一个结构性的错误定价 在Nvidia的NVL72机架里，光模块的采购金额占到整个机架的20%。2026年全球AI光收发器市场规模预计从2025年的$165亿增长到$260亿，同比增速超过57%——这是半导体赛道里增速最快的子领域之一。 但所有光模块公司的总市值，比美光一家还低。这个错误会被纠正。问题只是什么时候。 2. 光和存储不一样的地方 存储的接力是季度级别的事件——供需拐点，财报超预期，市场重新定价，SNDK从$200涨到$900，这个过程很快。光的接力是年级别的结构性变迁，因为光的技术路线本身正在发生一次范式转移： 第一阶段（现在）：可插拔光模块 800G → 1.6T → 3.2T 线性增长，随数据中心扩张 第二阶段（2026下半年）：近封装光学NPO 光模块移向芯片旁边 需求非线性跳升 第三阶段（2027-2028）：共封装光学CPO 光引擎直接封装进芯片 这是终局，也是最大的价值重构 Meta在OFC 2026分享了大量数据，证明CPO比可插拔光收发器更可靠，成本更低，功耗更少。Nvidia在GTC展示了CPO将在2027/28年用于Scale-Up互连。5年内所有AI数据中心互连都将是光。 这不是预测，是物理定律。铜在高速率下信号损耗太大，功耗太高，距离太短。光没有这些问题。 3. 光在吃铜，不只是光吃光 生成式AI集群需要比传统云服务多10到100倍的光纤，正在把现有铜互连逼到物理极限。 这是大多数人没想到的逻辑——光的增长不只来自数据中心规模的扩大，还来自光替代铜的渗透率提升。每一代迭代，光吃掉更多铜的市场。这是双重驱动，不是单一驱动。 4. 产业链七个卡位，从上游到下游 现在我来把整条产业链拆清楚。 七个公司，覆盖从最上游的衬底到最下游的网络设备。 🔬 最上游：硅光衬底 $SOI 做的是硅光PIC的衬底材料——整个产业链最上游的原材料。没有SOI的衬底，硅光芯片就没有基础。护城河极高，几乎没有竞争对手能短期内介入。和TSEM形成上下游绑定：SOI提供衬底，TSEM代工成芯片。 🏭 代工层：硅光晶圆厂 $TSEM（Tower Semiconductor）硅光版本的台积电。 今天刚刚发生的重大事件： TSEM宣布签署$13亿的2027年硅光合同，收到$2.9亿产能预付款，2028年还有更大合同在谈判中。计划资本支出$9.2亿专门用于硅光扩产，Q2营收指引$4.55亿同比增22%。 TSEM最聪明的地方在于：它不赌哪条技术路线赢。 可插拔、NPO、CPO，三条路线都用TSEM代工。就算市场对技术路线判断错了，TSEM依然受益。这是光通讯产业链里确定性最高的picks-and-shovels。 💡 激光器层：光的心脏 光模块的核心是激光器。没有激光器，光模块什么都不是。 激光器分两条技术路线： 磷化铟（InP）路线——$LITE（Lumentum） LITE是目前唯一能量产200G每lane EML激光器的供应商，是1.6T收发器的关键零件。Nvidia预先锁定了LITE的EML产能，推迟交货期超过2027年。 Nvidia向LITE投资$20亿，用于加速AI基础设施光学技术。LITE CEO称2026年是激光器芯片销售的"突破年"，刚收到历史上最大的CPO超高功率激光器采购承诺。 LITE的护城河是时间积累的——InP激光器的制造需要极其精密的工艺，20年积累的经验是任何竞争对手短期无法复制的。而且LITE不只押注现在：EML是可插拔时代的命门，ELS外置激光器是CPO时代的命门，OCS光路交换机是未来AI集群的光学路由器。 三个产品线覆盖了光通讯从现在到2030年的完整需求。 硅光（SiPho）激光器路线——$SIVE（Sivers Semiconductors） Sivers专注于CPO系统的高性能InP激光阵列，Jabil合作是第一个商业验证信号，证明技术正在从研究走向真实超大规模部署。 SIVE不是要打败LITE，而是作为CPO时代激光器供应链里的补充供应商——当LITE和COHR产能不足时，SIVE是下一个选项。整个CPO产业的激光器供应严重短缺，补充供应商的价值会被重新定价。 🔭 光学系统层：从组件到整合 $COHR（Coherent Corp） COHR最新Q3财报：营收$18.1亿同比增21%，数据中心和通信板块$14亿，同比增40%。Nvidia同样投资$20亿入股COHR。COHR是整个光通讯赛道里垂直整合程度最高的公司。从InP晶圆到激光器到光模块到系统，全部自己做。COHR正在扩大6英寸InP晶圆产能，这是推动毛利率持续提升的核心驱动力——规模越大，每片晶圆的成本越低，利润越高。 LITE和COHR的关系是竞争者也是互补者： LITE：激光器专家，EML垄断，聚焦 COHR：光学系统整合商，体量更大，更全面 🏗️ 物理基础设施层：光纤和连接 $GLW（Corning） Corning是光通讯产业链里最让人意外的标的——一家成立于1851年的玻璃公司，正在成为AI基础设施的核心受益者。 Q1 2026光学通信业务增长36%，分部净利润增长93%。2028年营收目标$300亿，2030年$400亿，内含年化增速19%。两个额外的超大规模云厂商签署了长期协议。 Nvidia命名Corning为下一代AI基础设施光连接合作伙伴，投资$5亿+最高$32亿股权，在美国建三座专属光学工厂。 Corning做的是光纤、线缆和连接器——不是最性感的产品，但是不可或缺的基础设施。 城市要运转，不只需要主干道，还需要所有的小路、接头、路牌。 Corning做的就是光通讯世界里的所有"小路和接头"。 而且这些"小路和接头"是消耗品——每建一个数据中心都需要，每升级一个机架都需要。 📡 网络层：AI时代的网络基础设施 $NOK（Nokia） Nokia是这七个标的里最被市场误解的。大多数人还在用"翻盖手机公司"的眼光看Nokia。 Nokia 2026营收预期同比增长7.5%，EPS增长21.2%，光网络业务增速20%，AI和云业务增速49%，单季度新增€10亿AI和云订单。 Nokia做的是什么？ 光传输网络（OTN）——把数据中心之间用光连接起来的骨干网络。这是Scale-Across的核心基础设施。 Nokia的第六代超相干光学技术PSE-6s，是目前全球少数能实现800G甚至1.2T长距离光传输的技术之一。 Nokia收购Infinera之后，从"转卖别人芯片的公司"升级为"拥有自己光芯片工厂的公司"——同样的技术路线，市场给LITE估值66.5倍，给COHR估值35倍，Nokia只有30.8倍Forward PE。 这个估值差距是最大的错误定价之一。 七个标的的完整产业链图 最上游 SOI（硅光衬底） ↓ TSEM（硅光代工） ↓ 激光器层 LITE（InP EML，可插拔+CPO） COHR（垂直整合，光学系统） SIVE（CPO激光阵列，高赔率） ↓ 物理基础设施 GLW（光纤、线缆、连接器） ↓ 网络层 NOK（光传输网络，骨干连接） 每一层都有自己不可替代的护城河。 每一层都在受益于同一个趋势。 6. 为什么是现在？ 2026到2027年是在1.6T供应链建立立足点的关键时期，在一线客户的设计导入将决定长期赢家。现在是design-in阶段——产品正在被超大规模客户选中和锁定。等量产阶段到来，市场才会充分定价这些公司的价值。 在design-in阶段买入，等量产阶段收获——这是光通讯投资最好的时机。 7. 仓位逻辑 高确定性（重仓）： TSEM → 今天$13亿合同，产业链里最硬的催化剂 LITE → EML垄断+Nvidia锁定，现在到2028年都受益 COHR → 垂直整合，体量最大，Nvidia $20亿入股 中等确定性（配置）： GLW → Nvidia直接合作，物理基建不可或缺 NOK → 最被低估的估值，但故事兑现需要更多时间 高赔率（小仓位）： SOI → 和TSEM绑定，护城河高但流动性低 SIVE → CPO时代的纯粹赌注 8. 光会接力存储吗？ 会。但不一样的方式。存储的接力是一次性的价格重估——供需拐点到来，几个季度内完成定价。 光的接力是分阶段的持续重估—— 2026年：可插拔1.6T带来第一波 2027年：CPO开始量产带来第二波 2028年：Scale-Up全面光化带来第三波 三波叠加，才是光通讯超级周期的全貌。存储让你在一年内赚了10倍。光可能让你在三年内赚同样多，但过程更平稳，确定性更高。 最后一句话 光通讯不是一个新故事，是一个被重新发现的旧故事。 光纤已经存在几十年了，但AI让这个故事的量级发生了质变。每当数据中心需要更高密度、更低功耗、更远距离的连接时，答案永远是光。 #光通讯# #TSEM# #LITE# #COHR# #GLW# #NOK# #SOI# #SIVE# #CPO# #硅光# #光模块# #AI基建# #数据中心# #存储接力# #Nvidia# #美股# #USStocks# #SiliconPhotonics# #CoPackagedOptics# #EML# #光互连# #AIInfrastructure# #光纤# #Nokia# #Corning# #Coherent# #Lumentum#

10、供应链 / 规模化优势 vs GPU 瓶颈
当前供应链核心紧缺环节为内存、HBM、CoWoS，我方均无需使用；台积电3纳米产能也极度紧缺，我方采用5纳米工艺。台积电是Cerebras投资方，可满足我方产能增长需求，包括2025年底提出的2026年大幅扩产需求，以保障OpenAI合作履约。硬件制造受物理光速极限限制，制造、运输需遵循物理规律。我方将成硬件行业史上最快实现10亿、20亿、50亿、100亿美元营收的企业，有望创造行业增速纪录，但产能扩张仍受供应链周期制约，预计未来几年制造能力年增幅约10倍，该增速为行业上限。

11. 台积电产能 / 前端分配
我方已获得2026、2027年充足产能分配，未来若调整产能需求，台积电将积极配合。台积电战略层面注重客户多元化，不愿将产能集中于少数大客户，避免生态单一化，这一战略让我方充分受益。去年我方未进入台积电前150大客户，今年将跻身前15名，产能保障充足。高速增长过程中，虽给供应链及合作伙伴带来压力，但供应商均积极响应，我方对供应链的响应速度十分认可，发展过程中或有波折，但整体产能保障无忧。

12. Groq / LPU 竞争
市场表现已明确竞争格局：Groq2025年营收约5000万美元，毛利率为负；我方营收约5亿美元，毛利率40%左右，速度比Groq快12倍。LPU虽采用SRAM架构，部分设计思路与我方一致，但芯片面积仅800平方毫米，承载中等模型需数千颗芯片，超大模型需芯片数量更多，片外通信次数极多，效率低下，速度提升存在根本性瓶颈，即便被英伟达收购，该短板也无法解决。

13. 解耦推理 / 超大规模云服务商 vs 新型云服务商
专业化布局存在市场机会，可通过专业化实现速度提升，需在专业化、速度与灵活性之间权衡。行业热议解耦方案，但目前尚无企业实现规模化落地。解耦方案可提升吞吐量、降低token成本，但需为预填充、解码阶段分配不同算力，若工作负载或流量特性变化，算力配比失衡会导致算力闲置，闲置算力成本极高。AWS等超大规模云服务商优势显著，可合作搭建解耦方案，流量变化时可依托庞大算力集群分流；新型云厂商劣势明显，多部署单一功能、单一客户的专用算力，无冗余集群分流低效流量。长期来看，行业将形成解耦与非解耦并存的异构算力集

RKLB的一季财报堪称优秀， 1）总营收2.00亿美元，同比+63.46%，主要受益于发射频次提升（当季完成9次Electron发射）及卫星系统业务交付加速。利润改善显著： 2）净利润-4502.20万美元，同比收窄25.73%，毛利率提升至38%（同比+5.2个百分点），反映规模效应与高毛利业务占比增加。 3）现金流与订单储备：期末积压订单达21.3亿美元（环比+15%），现金储备11.5亿美元，为Neutron火箭研发提供充足资金支持。 4）下一季度指引，营收在 2.25 亿美元至 2.4 亿美元之间。调整后 EBITDA 亏损在 2000 万美元至 2600 万美元之间。进一步收窄。 梳理下RKLB一季度业务运营亮点： 1）积压订单额达创纪录的22亿美元，环比增长20.2%。积压订单应该当季收入十倍的体量，未来两年业绩可见度很高。
 2）RKLB第一季度签署了31份新的Electron和HASTE火箭发射合同，以及5份新的Neutron专用发射合同，创下发射合同数量新纪录。2026年第一季度的发射订单量已超过2025年全年，这表明市场对该公司强大的发射能力持续强劲的需求和增长。目前，RKLB的发射计划已累计超过70个合同任务。
 3）完成了对 Mynaric AG 的收购，该公司是航空、航天和移动应用领域领先的激光光通信终端供应商，这进一步增强了 Rocket Lab 作为全球航天市场大规模卫星组件供应商的强大实力。 
4）RKLB已签署最终协议，收购航天机器人、运动控制系统和精密机械装置领域的领先企业Motiv Space Systems。此次收购将实现火箭实验室的两项战略目标：一是为先进的行星探测和国家安全任务增加经火星验证的机器人技术能力；二是填补火箭实验室垂直整合战略中的关键空白，将太阳能电池阵列驱动组件（SADA）等成本高昂且供应受限的卫星部件及其他精密机械装置纳入公司内部生产。 
5）被选中直接支持美国战争部天基拦截器（SBI）项目，该项目是特朗普总统“金顶计划”（Golden Dome for America）的关键组成部分，并与雷神公司合作开展。火箭实验室的发射和卫星能力均应用于SBI项目，这不仅展现了公司敏捷且经济高效的端到端太空能力对作战人员的价值，也使公司有机会从这项可能成为美国政府最重要的国家安全项目中获取可观的收入。 
6）推出了 Gauss，这是一款新型电动卫星推进器，专为大规模生产而设计，以满足商业和国家安全星座对可靠卫星推进的日益增长的需求。
 7）在 Neutron 项目的各个方面都取得了重要进展：包括持续的集成和首次飞行硬件的准备工作、Archimedes 发动机鉴定工作的持续进展以及第二级和可重复使用整流罩系统的推进，使中型运载火箭有望在今年晚些时候进行首次发射。 整体还是可圈可点的

Veeco：在GAA、HBM与CPO交汇点上的重要玩家 如果把半导体产业链的终点是材料。Veeco就是一家材料公司。 公司业务看起来分散：LSA、MOCVD、Ion Beam、Wet、Litho。但如果用一条主线去理解，其实很清晰——它做的是在原子尺度上控制材料。 Veeco当前收入约70%以上来自半导体相关业务，产品结构可以分为三层： 第一层是LSA（Laser Annealing）和先进封装（Wet + Litho），贡献大部分收入； 第二层是Ion Beam等高精度材料处理； 第三层是MOCVD等化合物半导体设备，当前占比不高，但决定未来空间。 LSA本质是一个“热控制工具”。但在先进制程里，“热”已经不是普通变量，而是最核心约束之一。 离子注入之后必须退火，这是所有晶体管都绕不开的步骤。传统路径是RTA或炉管，但问题在于，它们是“全局加热”，时间长、扩散大。节点进入7nm以下，这种扩散开始不可接受。 GAA把问题推到极限。沟道结构更精细、尺寸更小，任何多余的扩散都会直接影响器件性能。这时候，工艺需求发生了本质变化——不再是“加热”，而是“精确加热”。 LSA的价值就在这里：纳秒级、局部加热，几乎只作用在表层。 LSA的护城河不是设备本身，而是“工艺嵌入”。一旦进入产线，很难被替换。 再看先进封装（Wet + Litho）。 HBM和Chiplet的爆发，把封装从辅助环节变成核心环节。工艺数量增加、步骤复杂度上升，对清洗、刻蚀、光刻的需求同步放大。 Veeco不是技术绝对领先，而是“高吞吐 + 低成本”的参与者。 它已经进入TSMC、Samsung、Micron等客户体系，但这块的护城河明显弱于LSA。对手是Lam、TEL、Applied这些平台型公司。 再看Ion Beam / ALD / PVD。 ALD和PVD是典型的大厂战场，Applied Materials、Lam、TEL拥有绝对优势。Veeco在这里几乎没有存在感。 Ion Beam是一个典型的niche技术：慢、贵，但精度极高。在某些场景下，比如MRAM、光子器件、MEMS，它几乎不可替代。 这类业务的特点是：市场小，但稳定，毛利高，客户粘性强。 最后看MOCVD。 这是当前占比不高，但最值得关注的一块。 MOCVD用于生长GaAs、InP、GaN等材料，是光通信和功率器件的基础。随着CPO（共封装光学）推进，InP激光器的重要性在快速上升。 问题不在于设备数量，而在于“良率 + 工艺 + 材料体系”。这一层很可能成为真正瓶颈。 Veeco和Aixtron是唯二的核心玩家。 总的来说，Veeco很可能是一个“结构性机会”。 它的当前收入由半导体驱动，但未来估值空间取决于两件事： 第一，LSA是否进入更深的先进节点工艺； 第二，MOCVD是否成为CPO时代的关键瓶颈。 如果这两件事成立，这家公司会从一个“小众设备商”，变成“材料层定价权参与者”。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

财报前瞻VECO 在2026年全球半导体资本设备（WFE）市场步入高度分化的背景下，Veeco Instruments Inc. (VECO) 的定位已从传统的设备供应商演变为支撑人工智能（AI）基础设施和先进制程逻辑芯片的关键技术节点。通过对过去五年企业发展轨迹的审视，可以发现Veeco成功地将其技术护城河从日益商品化的发光二极管（LED）和普通功率器件领域，转移到了极紫外光（EUV）掩模保护、2纳米全环绕栅极（GAA）晶体管退火以及高带宽存储器（HBM）先进封装等高门槛细分市场。这种战略转型不仅重塑了公司的营收结构，也使其在当前的AI投资狂潮中占据了独特的生态位。 当前的半导体设备景观正经历一场由物理限制带来的技术变革。随着摩尔定律在3纳米及以下制程面临巨大的热预算和材料沉积挑战，Veeco持有的激光钉扎退火（LSA）和离子束沉积（IBD）技术成为了代工厂实现性能跃迁的“必选项”。这种行业地位的转变，为解读即将发布的2026年第一季度财报提供了必要的前瞻性视角。 针对即将于2026年5月5日发布的财报，其实绩表现将受限于多种复杂因素的交织作用。首先是AI基础设施带动的先进封装与HBM需求。AI加速器对HBM的需求正处于爆发期，Veeco的湿法处理和光刻工具在HBM的垂直堆叠中具有极高的应用价值。AI相关收入占Veeco总收入的比例预计将从2024年的约10%提升至2026年的20%以上，这种营收结构的改善不仅提升了收入的确定性，也增强了市场对公司长期估值中枢上移的信心。 同时，2纳米制程节点转向下的GAA技术红利也在释放。随着台积电和英特尔等领先代工厂加速向2纳米GAA架构转型，激光退火设备的需求进入了新的上行周期。LSA技术的独特之处在于其极短的脉冲时间和精确的热预算控制，这对于维持2纳米制程中超浅结的稳定性至关重要。这意味着即便在宏观经济波动期间，先进制程的资本支出也表现出更强的防御性。 此外，数据存储业务正处于周期性底部回升阶段。在经历了2025年营收近乎腰斩的低谷后，数据存储业务在2026年显示出明显的复苏迹象。这不仅是营收的补充，更是产能利用率提升的关键。一旦该板块在第一季度确认的订单超出预期，将直接对Non-GAAP每股收益产生显著拉动。而Veeco与Axcelis价值44亿美元的合并案则是目前影响股价的重要变量，虽然短期会有费用体现，但协同效应的预期是市场的核心关注点。 基于对上述因素的分析，Veeco在2026年第一季度实现“双重超预期”（营收与EPS均高于一致预期）的可能性较大。目前市场对Q1的营收预期约为1.6299亿美元，Non-GAAP EPS预期约为0.23美元，毛利率预期在37.5%左右。由于Veeco在2025年底积压了5.55亿美元的高质量订单，且很大一部分属于先进制程设备，只要供应链交付不出现重大中断，营收确认在指引上限附近的可能性较高。 尽管财报超预期概率高，但股价反应取决于更复杂的博弈。看涨逻辑在于指引的上修潜力，目前7.4亿至8亿美元的年度指引被认为过于保守；同时合并进度的正面评论以及HBM与GAA叙事的强化，有望推动估值溢价向行业龙头靠拢。相反，利空风险则来自技术面超买（RSI指标显示超买）、中国市场份额的持续萎缩以及先进封装占比过高可能带来的毛利率压力。 在财报表象之下，必须理解更深层的结构性观察。Veeco与Axcelis的合并本质上是一次“防御性”与“进攻性”并重的战略博弈。 Axcelis在SiC和GaN离子注入领域的统治地位，与Veeco在激光退火和EUV掩模领域的地位结合，将创造出一个能与大市值巨头有效抗衡的实体。 其次，Veeco在EUV掩模空白制造领域的独占性是其估值底座。随着High-NA EUV系统的部署，掩模更换频率提升为Veeco带来了具韧性的“耗材化”设备需求。 最后，第一季度财报中关于“订单转化率”的描述将至关重要，5.55亿美元积压订单的转化速度将是衡量供应链瓶颈或客户需求信号的关键指标。 因此，管理层对交付时间表的评论，其重要性不亚于财务数字本身。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

今天小米跌破29港币，高点腰斩，市值仅剩7000亿港币 我拉了一下上市以来的数据，发现一个很有意思的事 当前17.3倍 PE，在小米上市8年的历史里，只比2021年底的15倍高了一点点 换句话说，比历史上90%的时间都便宜 但2021年那个15倍的小米，还只是一家手机+IoT公司 今天的小米多了一个年收入1061亿、已经盈利的汽车业务 我按SOTP拆了一下各业务的合理估值： 手机：收入1864亿，Q4毛利率只剩8.3%被内存涨价锤烂了，经营利润大概100-120亿，给10-15x，值1200-1800亿 IoT：收入1232亿，毛利率23.1%还在涨，利润首次超过手机。给13-17x，值2000-2800亿 互联网服务：收入374亿，毛利率76.5%，真正的利润奶牛。给18-25x，值3600-5500亿 汽车：收入1061亿刚扭亏，Q4毛利率22.7%。按2-4x PS算，值2100-4200亿 如果信2026年收入能到1500亿，3x就是4500亿 AI：大模型+机器人，暂无收入但有卡位价值，给500-1500亿期权 加起来中性估值大概1.2万亿人民币（约1.3万亿港元），打个集团折价也有1.1万亿 当前市值7000亿港元，隐含约30-40%的上行空间 但短期压力很清晰 手机内存涨价还在持续，第一季度汽车只交了7.9万辆离55万目标差很远，看新车YU9的的表现，大家都不是很乐观 核心变量就一个：Q2汽车交付能不能回到月均5万+ 如果能，估值修复就是时间问题。如果不能，这个PE可能可能要调整 #xiaomi# #小米集团# $01810

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

财报前瞻：CECO Environmental（以下简称“CECO”）即将于 4 月 28 日发布财报。 这家公司的核心增长逻辑已从传统工业环保彻底转向“AI 数据中心电力补丁”。由于电网扩容缓慢，科技巨头（Hyperscalers）正大规模转向“表后”天然气调峰发电，而 CECO 提供的超低排放控制技术（如超低 NOx 和 VOC 治理系统）是这些调峰电站获批建设并运行的刚需“准入证” 。 市场目前最大的看点是 CEO 在 3 月份预告的“史上最大单笔订单”。这笔订单极大概率与 AI 数据中心相关。最可能的来源是软银旗下的 SB Energy Portsmouth 项目——该项目计划在俄亥俄州建设 9.2 GW 的燃气发电厂，专门用于支撑一个 10 GW 的 AI 数据中心集群，这类巨型项目正是 CECO 重型燃气轮机配套系统的核心战场。 从财务数据看，CECO 手握 7.93 亿美元创纪录积压订单，同比激增 47% 。2026 年全年订单目标已由原来的不足 10 亿上调至 15 亿美元以上。尽管价值 22 亿美元的 Thermon (THR) 并购案带来了短期股权稀释担忧，但 THR 高达 23% 的利润率将显著优化合并后的损益表，且交易已获董事会全票通过。 筹码端的技术面指标显示出强烈的“空头挤压（Short Squeeze）”潜力。目前 CECO 的做空比例高达 12%，短线平仓天数达 5.4 天 。随着机构投资者（如 American Century）大幅增持，一旦财报确认毛利率反弹或宣布巨额大单落地，大量空头仓位很可能将被迫回补。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

29倍的超预期增长！ Intel 的质变：从“救亡图存”到“重塑估值” 在刚刚发布的 Intel (INTC) 2026年第一季度财报 中，市场看到了一份久违的“超纲”答卷。股价一度冲破 $79，盘后涨幅近 20%。 这不仅仅是因为数字好看，更是因为 Intel 终于跑通了其转型战略中最难的几个逻辑闭环。 一、 财报核心：盈利拐点已现 营收 135.8 亿美元 超出预期 10%；EPS $0.29 远超市场预期的 $0.01。 增长引擎： 数据中心与 AI 业务 (DCAI) 营收 50.5 亿美元（+22.4%），证明了其在 AI 基础设施市场的份额回归；代工服务 (Foundry) 营收 54.2 亿美元（+16.2%），规模化效应初显。 二、 电话会议深层信号：CPU 的地位重估 在 Earnings Call 中，CEO 陈立武释放了一个关键的技术风向标：AI 范式正在从“训练”转向“推理”与“Agentic AI（智能体）”。 在复杂的智能体协同场景下，CPU 作为“编排层”的重要性显著提升。Intel 预测 CPU 与 GPU 的配比将从 1:8 向更均衡的方向靠拢。 服务器 CPU 的供不应求验证了这一趋势。 三、 先进封装：Foundry 业务的“特洛伊木马” 为什么 Intel 的先进封装需求正冲向十亿美元级别，远超市场原来预期的亿美元级别？ 随着tsmc的cowas的供不应求，通过 EMIB 和 Foveros 封装实现的“异构集成”是高性能计算的唯一替代路径。 许多头部客户（如 Google、Amazon）正通过先进封装订单锁定intel产能，进入 Intel 的供应链，这为后续的 18A/14A 制程代工订单埋下了伏笔。 其中当然有Terafab 效应： 与 Elon Musk (SpaceX/Tesla) 的深度合作不仅带来了订单，更在制造工艺重构上提供了美国本土化供应的安全性（Onshoring Premium）。 从财报可以看出，尽管存在毛利率改善、PC 市场复苏缓慢等风险，但 Intel 已经拿到了通往 AI 时代下半场的门票。 注：本文基于 2026 年 4 月 23 日市场数据及财报分析。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议dyor