Manchurius Hao — Greeks.live首席赌狗 (@AntonLaVay)
@AntonLaVay
Nec temere, nec timide. 🇳🇱🇪🇺🇨🇳欢迎大家咨询Jeff的波动率交易课程。欢迎大家加入最好的Crypto期权社区
920 正在关注 25.3K 粉丝
这条推文之后，7400日元左右，我买回来了，对于4000多卖掉7000多买回来，我没有任何心理负担。
关于 MLCC 的一些补充和更正
1. MLCC短缺存在外溢效应，并不局限于高端MLCC
其实这一点应该很早想到，感谢 @diyas_1989 的留言，这就像是当AI开始大量的消耗存储的时候，消费级存储的产能会被极大的挤压一个类似的道理。存储过去的路经是：
HBM / eSSD / server DRAM 先紧 → 产能被高端吃掉 → DDR4、LPDDR、client SSD、consumer NAND 也被挤压 → 全行业价格曲线抬升。
最终会导致全行业价格曲线的抬升。
MLCC 现在可能也在发生一个弱化版：
AI 高端 MLCC 先紧 → 日/韩产能转向 AI → standard MLCC 供应弹性下降 → 渠道补库 → 中低端价格止跌/反弹 → 综合厂商也开始停单或重新报价。
这一点，因为我自己持有的一直是 6981 Murata 村田製作所和 6976 Taiyo Yuden，所以没有很在意，但是昨天读到中国风华高科停止接单，才想到事情不是那么简单。
2. MLCC这种东西对于整个AI机架来说，价值占比很低，下游价格不敏感。
这特性很容易产生“不对称定价权”，这个东西涨 20%、30%，对整机成本影响极小，但如果缺了，整机不能交付、GPU 利用率下降、系统不稳定，损失很大。
这玩意儿就算价格涨一倍对于下游来说也没啥太大所谓，但是对于厂商来说就是大收益了。
同时，还是因为占总价值比例很低，下游厂商完全没有想办法找替代方案的动力。
显示更多
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。
显示更多
有大聪明跟我说要等回调 $nok
因为小红书的姐妹买了
我的想法是，有没有可能你跟着姐妹比毒力撕烤强。
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。
显示更多
致对 $btc 期权波动率交易感兴趣的朋友：
我来详细给大家讲一下 @JeffLia12309881 这里提到的东西。
我们常说得波动率曲面其实不是一个数字，是一个“地形”。 它可以被拆成三层：
Level（水位）= ATM IV，整个曲面的高低。市场恐慌的时候整体抬升，平静的时候整体下沉。
Skew（倾斜）= 同一个到期日里，OTM put的IV比OTM call贵多少。反映的是市场对下跌的恐慌程度。在 $BTC 里通常put比call贵，这个价差就是skew premium.
Curvature/Convexity（曲率）= 两边wings相对于ATM鼓起来的程度，也就是”微笑”的弧度。反映的是市场对极端尾部事件的定价。
这三个维度相对独立，所以可以分别下注。
Jeff这三个策略就是分别针对这三层：
Short ATM Vol（卖水位）
最直觉的卖方策略。卖straddle或者短期ATM结构，赚的是IV和realized vol之间的价差。主要Greek暴露：短Gamma（盘中大波动亏钱）、长Theta（每天收时间衰减）。
卖波动率水位，赚IV vs RV的价差
Short RR（卖倾斜）
卖Risk Reversal，比如卖25-delta put + 买25-delta call。你赌的是“市场对下跌方向的恐慌定价过高”。收的是skew premium。
这里的核心Greek是Vanna（delta对vol的敏感度）。
卖波动率倾斜，赚市场单边恐慌的溢价。
Short Fly（卖曲率）
卖蝶式，做空wings的凸性。赌的是市场对极端尾部事件的定价太贵了——即realized kurtosis比implied kurtosis低。
卖波动率曲率，赚尾部定价过贵的carry
三者分别对应的风险敞口是Gamma，Vanna，Volga，三个完全不同的Greek。
单独做任何一条都不算复杂，真正难的是@JeffLia12309881 这次要讲的：三条线组合起来之后，在极端行情里它们会同时炸开，怎么动态管理才不被一波带走。
5/23 8pm HKT 二周目第一课，想认真学做 $btc 波动率卖方的朋友别错过！
欢迎大家加入我们 Crypto期权社区：
显示更多
我跟你们说，美股这玩意儿，就真的是特简单，你就找这最热门行业中的的股票中，远期期权OI疯狂增加，远期IV开始上扬，LEAPS被明显扫货的公司。
老登股什么玩意儿跟你说稳健的直接隐藏。
然后跟单就这么简单，美股讲究的就是一个跟单，倍儿地道。
一定要关注LEAPS，那些13F大佬建仓全是LEAPS，短期期权韭菜的噪音太大了。
我几乎可以肯定 $nok 当下正在被13F大佬疯狂建仓，因为如果我们看到一份13F，反推他们是什么时候建仓的也是看OI的，
记住，小成交量可以被刷成大成交量，但是大成交量不能被伪装成小成交量，难以隐藏自身，因为OI在增加，IV在上扬。
凡是接触，必留痕迹。
我应该是当时最早发现 $nok LEAPS在被疯狂建仓的。
显示更多
注意 $nok 的远期IV在上涨。
Maybe something
注意 $nok 的远期IV在上涨。
Maybe something
Jeff的这条回测其实很有意思。
很多 $BTC holder 想囤币生生息的时候都会觉得：
“我反正长期持币，那我卖一点 OTM Call，收点权利金，不就能增币了吗？”
但回测结果显示：
第一种：每天卖一点 30 天后到期的 0.1 delta OTM Call。
结果：2019–2026 年，总收益只有 0.37 BTC，年化 1.8%，Sharpe 0.22，最大回撤 -0.63 BTC。
第二种：如果卖更近一点、更“肥”的 0.25 delta Call，结果更差。
总收益只有 0.02 BTC，年化几乎为零，Sharpe 0.0069，最大回撤反而达到 -1.38 BTC。
这种策略基本完全是个笑话，或者说不择时的做的话，完全是个笑话。
单纯的，不择时的，裸卖call，就是一种分不清主次，搞不明白你是来干毛的，抓不住重点的，又怕事儿的纯纯的懦夫策略。
原因也很简单：
BTC 真正值钱的部分，恰恰是少数几次右尾暴涨。 无脑卖 Call，本质上就是长期把这部分凸性卖掉。
这也是为什么我非常不喜欢备兑，并且抵触卖call。
$BTC 持币生息这件事，真的不是一句“卖 Call 收息”能解决的。
那问题来了：卖方策略到底能不能赚钱？
能。波动率风险溢价（VRP）是真实存在的，Leifu用1814天的数据验证过，三个市场周期VRP全部为正。卖方长期有edge，这个结论没问题。但edge存在不等于你能收割它，就像矿在地下，你没有工具就只能看着。
@JeffLia12309881 的波动率课程教的就是这套工具。不是“卖put还是卖call”这种入门问题，而是从底层往上搭建一整套风险管理框架：
第一层：曲面认知。
你不能只看一个IV数字就决定卖不卖。Jeff从SABR模型校准讲起，教你读懂整个波动率曲面，ATM水平是高还是低、Skew是陡还是平、曲率（Fly）是什么形态。同样IV 50%，Skew陡峭时卖put和Skew平坦时卖put，风险收益完全不同。
第二层：Greeks管理。
标准BSM的Greeks在曲面变形时会失真。Jeff讲的是SABR框架下的smile Greeks，VegaSkew和VegaFly，让你知道自己的仓位在Skew变化1个vol点时亏多少钱，在曲率压缩时赚多少钱。
有了这个你才能做精确的P&L归因，而不是每天看着不明盈亏抓瞎。
第三层：二阶波动率交易。
这是课程里门槛最高但最有价值的部分。Vanna、Volga不只是教科书上的定义，而是实际决定你在极端行情中是活着还是爆仓的关键变量。
Jeff讲Volga如何在尾部事件中非线性放大亏损、Vanna如何在spot-vol相关性翻转时让你的delta hedge失效，这些是回测里那些巨大回撤背后的真正原因。
第四层：期限结构和择时。
什么时候该卖近月，什么时候该卖远月，contango和backwardation下的策略选择完全不同。
@leifuchen 之前推文的数据显示VRP从+14.7压缩到+4.4，在这个趋势下你如果还用2021年的策略在2026年卖vol，安全垫已经薄到覆盖不了一次像样的尾部事件。
回测告诉你“裸卖不行”，但不会告诉你“怎么卖才行”。
Jeff的课程就是回答后面这个问题的——六节直播课，2000+小时蒸馏出来的体系，从曲面认知到Greeks管理到二阶波动率，是目前中文世界里最完整的期权波动率交易教育。想让卖方策略真正跑出来，工具得先到位。
@JeffLia12309881 的课程配合 @GreeksLive 的工具，是囤币人持币生息的不二之选。
欢迎对Crypto波动率交易策略感兴趣的朋友加入我们期权讨论社区：
显示更多
太强了！感谢 @GreeksLive 团队！
先说回测结果本身：每月双卖30天 $btc ATM跨式+每日delta对冲，Sharpe 0.84，胜率63%，最大回撤0.14 BTC。数字不夸张但是非常真实的卖方的样子：稳定收租，偶尔挨打，长期为正。
这种带DDH模拟的期权策略回测，在美股市场都是稀缺品。
美股做期权回测的工具不少（ORATS、OptionVue、TastyTrade），但大多数只能回测静态策略，比如“每月卖一个iron condor然后持有到期”。
一旦你想加入DDH，就需要完整的历史期权链数据（不是只有ATM vol，而是每一个strike，每一个到期日的完整曲面），加上一个能模拟每日调仓滑点和交易成本的引擎。
这套东西在美股要么自己写代码+买OptionMetrics的数据（一年几万美元），要么用机构级平台。散户基本接触不到。
而在加密期权市场，这种工具在此之前根本不存在。你想回测一个Deribit上的卖方策略加DDH？自己写Python爬历史数据慢慢搭。
现在GreeksLive直接把这个做成了产品，而且是带SABR模型一致性的回测，这意味着你回测时用的Greeks和你实盘时用的Greeks是同一套模型算出来的，不存在“回测用BSM实盘用SABR”的错位问题。
做时间的朋友之前，先得有工具验证时间到底是不是你的朋友，对吧？
@JeffLia12309881 的波动率交易课程，不仅仅是教授知识，其实我觉得更多是一整套系统的东西。
欢迎大家加入我们Crypto期权社区一起讨论：
显示更多
