structure｜1️⃣ 三级笔记、思想框架

《中国半导体追赶者的窗口期来自供给短缺》

核心观点 / 主旨

这篇访谈的核心判断是：AI 让半导体在过去 40 年第一次直接形成生产力，而供给侧长期低估 AI 需求，导致晶圆、先进封装、光模块、存储等环节进入持续缺货。缺货时代不只利好龙头，也会给主线上的追赶者打开窗口：原本没人愿意试的产能、技术和公司，会因为“无论如何都不够用”而获得客户、议价权和估值重估。

一、流动性宽裕推动半导体行情，但年底到明年初可能有回调

1.1 银行间流动性仍偏宽松

• Herman 认为 2026 年市场流动性总体宽裕，SLR 解绑后，SOFR 和 repo 日成交量显示银行端资金环境较松。
• 财政部发债规模在 Q2 较少，七月以后发债会上升，但白宫倾向于把发债资金重新放回 repo，以维护市场流动性稳定。
• 他的解读是，政策态度并不担心流动性多导致泡沫，而是希望市场流动性更多、市场上涨。

1.2 三月底之后的上涨分为 CTA 强买和市场杠杆 FOMO

• 三月三十一日前三周，CTA 与系统性策略全球卖出约 1,800 亿美元，造成市场叠杀。
• 三月三十一日后，CTA 反转买入：第一周买 400 亿、第二周买 800 亿、第三周买 300 多亿，形成第一阶段“强买”。
• 第二阶段是市场放杠杆 FOMO，核心支撑是半导体估值低，以及 Anthropic、OpenAI 模型表现让市场相信 AI 有真实需求。

1.3 回调风险来自 AI 财务验证、油价和 IPO 吸水

• Herman 认为今年年底或明年年初可能出现 meaningful 回调，原因是市场会重新质疑 Anthropic 和 OpenAI 是否“左脚踩右脚”。
• Hyperscaler 的 Free Cash Flow 开始承压，CDS 平均上升，叠加油价、通胀、就业和 GDP 的共振，可能触发对 AI 的再质疑。
• OpenAI、Anthropic、SpaceX 等大型 IPO 也会吸收大量流动性；如果模型预期落空，市场可能先解读为“模型不行”，而不是“算力不足”。

二、半导体第一次直接形成生产力，供给侧却仍然保守

2.1 过去 40 年半导体主要是软件平台的基础设施

• 过去互联网科技革命中，半导体提升并没有直接生产生产力，而是先变成软件平台，再由软件、APP 和商业流程产生价值。
• Herman 将这种价值与真实生产力区分开：很多互联网价值来自流量、营销、PPT 和外包协作，而不是芯片本身直接生产东西。

2.2 Claude Opus 4.6 和 GPT 5.5 之后，半导体开始像蒸汽机一样生产效率

• 他的核心判断是，从 Claude Opus 4.6 和 GPT 5.5 开始，半导体直接形成生产力。
• 这被类比为蒸汽机革命、内燃机和石油革命：机器本身可以用数据衡量产出效率。
• 因此 AI 算力需求不再只是“软件平台需求”，而是 Token 生产能力本身的需求。

2.3 半导体行业过去三年不相信 AI，造成全链条供给滞后

• 台积电和整个半导体行业从 2023 年到现在没有为 AI 做足大规模开发侧投入。
• 晶圆厂、封装、存储、光矽、原材料产能都没有同步提上去。
• 因为行业看头部，头部看台积电；台积电保守扩产，导致整个产能滞后至少三年，而今天追加的投入也需要很久才能释放。

三、光模块：同时受益于市场增长、份额替代和毛利提升

3.1 光模块在 AI 机柜中价值占比高，但市值不匹配

• 在 NVIDIA NVL72 rack 中，CPO 大约占 10%，GPU 约 40%，存储约 30%，光模块约 20%。
• 但光模块公司总市值没有美光高，Herman 认为这是 fundamental 的不合理。

3.2 光从 Scale-Across 往 Scale-In、Scale-Up 下沉，持续吃铜的份额

• 他用城市基建类比数据中心：楼内是 Scale-In，楼与楼是 Scale-Up，街区间是 Scale-Out，城市间是 Scale-Across。
• 原来近距离更多用铜，现在光不断往更近距离、更细颗粒度的连接下沉。
• 因此光模块不只是市场随 AI 数据中心增长，也在吃铜的市场份额。

3.3 “应缺尽缺”和“应买尽买”

• Herman 判断光和存储都会缺，而且会缺很久。
• 他更偏好光模块，因为存储商品性更强，而 CPO、GPU、光模块有产品性和迭代。
• 从 800G 到 1.6T，收入增长超过两倍，部分零配件成本变化有限，毛利率也随产品迭代提升。

四、CapEx 模式改变华尔街的估值框架

4.1 AI 公司从轻资产软件模式转向 Token 工厂模式

• 过去软件是写一次、卖无数个 pattern；现在 AI 是在 inference 中不断卖 Token。
• Token 工厂必须做 CapEx，不做 CapEx 就没有产能。
• Google 等 Hyperscaler 已经意识到轻模式会被改变。

4.2 华尔街仍未完全接受 CapEx 增长的必要性

• CapEx 增加会压低 Free Cash Flow，这会触发传统估值框架的质疑。
• Herman 认为今年年底到明年年初可能的回调，部分就来自“华尔街的脑子并没有完全搬过来”。
• 真正了解市场的人会看过去有没有投入、今天有没有产能、能不能卖出去，以及投产比是否足够好。

五、Intel：缺货时代，落后追赶者获得被试用的机会

5.1 Intel 的早期投资逻辑来自 PB 低估和资产价值

• Herman 当时买 Intel，是因为 Intel 投了大量晶圆厂，PB 却只有 1 倍，而中国一些 DUV 晶圆厂还没出片也能有 1 倍 PB。
• 他认为 Intel 只有两条路：破产，或 18A 走出来；破产不现实，拆掉也值钱。

5.2 Intel 需要跨过五个台阶

• 不破产。
• 晶圆厂能给内部用。
• 能给外部客户用。
• 晶圆厂能盈利。
• 能实质性地对台积电形成部分挑战。

5.3 大缺货让客户愿意试追赶者

• 正常情况下，客户不会轻易在 Intel 新 PDK 上开发，因为大客户没有经验，过程一定有问题。
• 但晶圆和封装大缺货时，产能无论如何都不够，客户愿意花钱试。
• Herman 的关键句是：在半导体行业，一旦发生大缺货，获利的一定是那个落后的追赶者。

5.4 Intel 不是取代台积电，而是替补部分产能

• Intel 技术很强，但短期超过台积电是天方夜谭。
• 18A 良率往上攀是大概率事件，良率是单边函数，会随着机器调试和客户开发持续提高。
• 如果 Intel 达到第四个台阶，即晶圆厂盈利，它的市值可能达到 1 万亿美元以上。

六、先进封装成为算力提升的关键来源

6.1 晶圆制程提升趋近 Log 函数，封装提升是指数函数

• 过去算力提升主要来自 wafer：7 纳米、5 纳米、3 纳米、2 纳米。
• 现在 wafer 提升比率越来越小，Herman 认为以后主要算力提升来自 Packaging。
• 这解释了台积电为什么要把 CoWoS 抓在手上。

6.2 CoWoS 是“酒瓶子”，和 wafer 一起决定价值

• Herman 用“白酒”和“酒瓶子”类比：wafer 是白酒，CoWoS 是酒瓶子，不能只卖白酒，必须一起装进去才值钱。
• Google 想让 Intel 帮它做封装、通过联发科向台积电下 wafer 单，但 Herman 认为这很难走出量，因为台积电不会给足产能。
• 封装有大量手动操作，“真的是手搓”，扩产会很慢。

七、存储：DDR 是商品，短期资金按 PE 炒作，但本质应按资源或投入估值

7.1 DDR 涨价带动存储公司盈利，而不只是 HBM

• DDR5 叠起来变 HBM，HBM 涨价会把 DDR 原材料价格一起带上去。
• 存储公司四分之三甚至更多盈利来自 DDR 涨价，而不是 HBM。
• Herman 认为这种盈利更像卖油，不适合简单按 PE 估值。

7.2 传统金融资金进场，使存储更快兑现

• 很多不了解半导体的基金经理看到美光 6 倍 PE，会觉得便宜并买入。
• Herman 认为美光很贵，但也承认这类资金还有很多，存储可能因为信息差最快兑现。
• 如果赚行业的钱，他宁愿买光模块；如果赚华尔街不懂半导体的钱，存储是更快的交易。

八、中国半导体：先进制程受 EUV 天花板限制，存储才是更经济的路径

8.1 中国先进封装很强，但没有 EUV 就没有先进制程卡

• Herman 强调中国半导体很强，先进封装也很厉害。
• 但没有 EUV，就无法经济地做 7 纳米以下先进制程。
• 用 DUV 多次曝光去做先进制程，会导致成本乘以二、时间乘以二、良率减半，本质上没有商业价值。

8.2 DUV / EUV 分界决定了中国应该转向存储

• DUV 做的是 14 纳米以上，EUV 做的是 7 纳米以下。
• 存储用 DUV 就能做，DDR 是标准品，长鑫生产的 DDR 与三星、海力士、美光的 DDR 没有本质区别。
• 发改委方向正在从国产替代 CPU / GPU 转向国产替代存储，用存储去挤世界市场。

8.3 长鑫和长江存储符合追赶者逻辑

• 长鑫去年融资估值低，今年可能一个月赚 100 亿。
• 去年 DDR 折价 20% 到 30%，良率更低，生产一片亏一片；今年良率提高，国内 DDR 溢价基本持平，盈利会非常好。
• Herman 认为长鑫存储和长江存储是两家最值得投资的公司，核心不是领先者优势，而是国家意志、DUV 可达、标准品和供给短缺共同打开追赶窗口。

九、Oracle、CoreWeave 和 Token 供给

9.1 Oracle 投入最坚决

concepts｜2️⃣ 关键概念、概念网络

agentic reading｜3️⃣ 费曼 x3