“華為雲不追逐Token數量，也不在乎收入總量。” 頭圖來源｜視覺中國 今年5月，輝達CEO黃仁勳對媒體坦言：“很大程度上，我們已經把中國AI晶片市場，讓給華為了。” 事實的確如此，華為正從Plan B選項躍升為至關重要的AI算力支撐平台，並吸引了一批網際網路大廠主動“遷移”至華為雲。

ABF載板這輪重估，核心不是“PCB漲價”四個字，而是AI晶片越來越大、封裝越來越重、上游T玻璃越來越緊之後，市場開始給封裝地基重新定價。看這個類股，不能只看題材熱度，要看誰真正拿得到材料、過得了認證、做得出良率、最後把漲價變成利潤。 內容概括 ABF載板是很多AI硬體新手最容易看錯的位置。它不像GPU那樣站在台前，也不像HBM那樣有清晰的頻寬故事；但高端CPU、GPU、ASIC和網路晶片要從晶圓變成可交付的伺服器算力，都繞不開封裝基板。過去ABF更多跟PC CPU和傳統伺服器周期走，現在AI晶片把單顆面積、層數、I/O、電源完整性和封裝可靠性全部往上推，ABF的需求函數已經換了。 這篇報告的主線很簡單：先講ABF到底在晶片封裝裡做什麼，再解釋為什麼Blackwell、Rubin、Rubin Ultra、AI ASIC、伺服器CPU和CoWoS擴產會把高端ABF推到供需緊張的位置；隨後把供給側攤開看，重點放在T玻璃、客戶認證、良率爬坡、長約價格和資本開支。最後回到投資：那些公司是高端GPU鏈條裡的確定性錨，那些是ASIC和伺服器CPU擴散下的彈性，那些只是AI硬體相鄰受益，不能被簡單當作ABF龍頭。

AI交易正從“Token最大化”轉向“Token恐慌”，企業成本飆升正迫使市場重新定價AI基礎設施的回報預期。 成本激增源於Agent和密集模型帶來的token消耗量級躍升，而OpenAI、Anthropic等實驗室同步轉向使用量計費，終結免費補貼時代。這推動市場焦點從集中式雲端算力轉向邊緣AI與裝置端推理，Nvidia的AI PC、本地Agent及混合推理架構開始獲得資金關注，同時開源模型與部分開源競品的極致性價比正加劇價格競爭，迫使企業最佳化架構並嚴控預算。 AI成本拐點正在到來：從Token狂熱到端側推理，資金正在重新分配算力、軟體和硬體的估值權重 #### 更新我們的主題宇宙

筆記君說： “我們把以前的那套體系就停下來了，那套體系花了小幾十個億。” 這句話出自何小鵬之口。他創立的小鵬汽車是中國造車新勢力的代表之一，但他卻用一種近乎決絕的姿態，親手砍掉了過去數年、耗資數十億的自動駕駛技術路線。 他給出的理由很簡單：那是一條“小路”，沿著它走，永遠到不了無人駕駛的終點。過去業界所做的一切，無非是用軟體的方法論，打上AI的補丁，堆砌出一個更精巧的“縫合怪”。上限，在出發時就已經被鎖死。

生成式AI落地至今，算力產業與企業應用端正經歷著一場明顯的割裂：算力晶片與大模型出貨資料一路看漲，但企業內部的財務帳本卻越來越難算。不少企業砸下重金採購算力、訓練模型，技術層面固然順利通過了結項驗收，可一回到真實的業務場景，期待中的變現邏輯和ROI卻始終無法兌現。 麥肯錫在《2025 State of AI report》裡披露過一組數字，全球僅有6%的企業能靠AI把息稅前利潤拉升5%以上。普華永道2026年針對全球CEO的調研同樣印證了這一現實：同時做到成本砍下且營收增長的企業，佔比不過12%。這種技術投入與商業兌現的嚴重脫節，正卡住企業的脖子，逼著行業從前幾年的盲目試錯轉向算帳與價值管控。 技術驗收合格，為什麼無法轉化為商業收益 技術研發跑通，離財務帳本上的盈利還差得很遠。研發團隊通常盯著演算法精度、處理體量這些硬性指標，並以此論斷項目大功告成。然而，真實業務前線的環境遠比實驗室粗糲。一套帳面上無懈可擊的系統，線上下實際運轉時，極易被各種突發的客訴糾紛、合規官司或高昂的人工維護成本死死卡住。到頭來，這些後續冒出來的真金白銀損耗，往往會把技術剛擠出來的紅利啃食得一乾二淨。

光不可擋，資本逐光。 “你應該站在光裡，不是光站在那裡。”這句調侃，如今已成二級市場的真理。 一級市場同樣繞不開“光”。 在最近的投中年會上，多位投資人表示正在密集關注光晶片項目，有的早已佈局，今年又再次出手。

韓國科技的核心變化不是“儲存漲價”這一條線，而是 AI 伺服器把儲存、被動元件、基板、鍵合裝置、測試、散熱和企業雲服務同時推向供給約束。定價分歧在於：這輪盈利能否從傳統周期峰值，轉化為 2027-2028 年可資本化的結構性現金流。 全文內容概括 韓國科技正在經歷一次從周期股到瓶頸資產的重新定價。儲存仍是主軸，SK 海力士、三星電子、美光、南亞科技、閃迪、鎧俠等公司共同驗證了 DRAM、HBM、NAND、eSSD 的供需緊張；但美銀這篇報告真正有價值的地方，不在於再次證明儲存漲價，而在於它把三星電機、LG Innotek、韓美半導體、ASMPT、三星 SDS、LG CNS、LG Electronics 這些“非儲存科技股”納入同一個 AI 供給約束框架。也就是說，韓國科技的交易對象正在從 HBM 龍頭擴散到 MLCC、FC-BGA、TCB 裝置、先進封裝測試、資料中心散熱、企業 AI 服務和控股公司折價修復。 本文的核心判斷是：韓國科技鏈條裡最值得重估的，不是所有 AI 概念公司，而是能夠把 2027-2030 年訂單時鐘、資本開支門票、客戶准入和毛利率台階同時講清楚的環節。第一層是記憶體，HBM 把先進 DRAM 產能吸走，傳統 DRAM 和 NAND 的價格彈性被放大；第二層是高端被動元件和基板，三星電機與 LG Innotek 的 MLCC/FC-BGA 產能更像“准記憶體資產”，缺口不是簡單擴產能填平；第三層是 TCB 和先進封裝測試，HBM4、ASIC 與 2.5D/3D 封裝提高了後道裝置和測試介面的價值；第四層是企業 AI 服務和散熱，韓國本土資料中心升級剛開始，三星 SDS、LG CNS 與 LG Electronics 代表的是 AI 基建從晶片採購走向持續營運。

一塊H100顯示卡裡，有超過2000億個電晶體。但讓這些電晶體發揮出算力極限的，不是晶片本身——而是把它們封裝在一起的那幾層材料。 先進封裝，是當下半導體賽道最熱的詞之一。上一期我們拆解了台積電CoWoS這些下游封裝廠的格局，這期往上遊走，去看看那些賣材料和賣裝置的人。 他們是這場AI算力軍備競賽真正的"軍火商"。 先算清楚這筆錢是怎麼花的