① 世界观与思想根基
一句话世界观
Asianometry/Jon Y 的一句话世界观是：半导体的命运由工程现实、经济性和隐性知识决定，不由叙事或股价决定。这句话听起来像常识，但它和投资圈常见的半导体叙事完全相反。市场习惯先看 TAM、政策补贴、节点名称、股价反应和龙头标签；Jon 的起手式却是把问题拉回工厂、材料、良率、客户愿付价格和历史失败案例。也因此，他的价值不是告诉读者“应该买哪一只”，而是先帮读者判断一个产业叙事有没有工程地基。
他的履历塑造了这种世界观。Asianometry 不是卖方研究员、买方基金经理或供应链爆料号，而是一个长期脚本化研究的半导体与科技产业 YouTube/Newsletter 品牌。公开资料显示，Jon Y 长期低调运营，核心阵地包括 YouTube、Asianometry Newsletter、播客/访谈；2025 年 Stratechery 宣布将 Asianometry newsletter 与 podcast 纳入 Stratechery Plus / Passport 体系，Ben Thompson 对他的评价重点是：这是最好的科技 YouTube 频道之一，尤其擅长解释半导体，并已制作大量 TSMC 相关内容。这个入口很重要：他被认可的不是“交易信号”，而是把复杂半导体史讲清楚的解释能力。
这种背景让他更像产业历史学家，而不是交易员。他的训练来自长期阅读公司史、工程材料、公开论文、专利/技术文档、历史报道、产业访谈和技术史，再把分散材料组织成可理解的因果链。与 Dylan Patel 那类供应链一手情报型研究不同，Jon 不以“今天哪条产线多少良率”“某客户本季度下了多少单”立威。他建立可信度的方式是：同一个机制在不同来源里反复出现，他把它放回历史起源、工程瓶颈、商业经济性和失败案例中解释，最后输出成视频或长文。
这也解释了为什么他的内容常常领先主流财经叙事半年到三年。2020 年讲《How Taiwan Created TSMC》时，很多人还没有把台积电视为 AI 代工中心化和地缘金融资产；2021 年 ASML/EUV 系列在美国出口管制和《Chip War》大众化前，已经把光刻史讲成产业主轴；2022 年 12 月《AI’s Hardware Problem》在 ChatGPT 刚爆发时就把问题指向内存墙；2023 年先进封装史给 CoWoS 瓶颈提供机理底座；2025 年 CPO/带宽墙内容又提前为 2026 年光互连叙事打底。这些不是价格预测，而是工程瓶颈成为市场热点前的选题嗅觉。
因此，读 Asianometry 必须先摆正范畴：他不是“半导体买卖建议”，而是“工程现实优先的产业雷达”。他的思想根基来自三个长期约束：第一，物理可行不等于商业可行；第二，设备和资本能买，但工艺菜谱、人才梯队、良率纪律和供应链组织买不来；第三，热门叙事只有在成本、产能、客户需求和历史类比都站住时，才可能转化成产业现实。这个根基贯穿他对 TSMC、ASML、HBM、先进封装、中国半导体和 AI 硬件的所有判断。
② 核心信念逐条详解
1. 摩尔定律不是纯物理问题，而是经济问题
Jon 最反直觉的底层信念之一，是“摩尔定律不是物理问题，是经济问题”。普通讨论容易把节点推进理解成物理极限：还能不能刻得更小、EUV/High-NA 能不能解决图形化问题、晶体管密度是否继续提升。Asianometry 会把问题改写成商业经济账：下一代节点是否推进，取决于有没有足够客户愿意为越来越高的成本买单。先进制程 capex、掩膜成本、良率爬坡和设计成本都在上升，如果没有 Apple/NVIDIA 级别的客户用足够高的 ASP 和足够大的量摊薄成本，物理上能做也不代表会成为主流量产。这个信念让他既不陷入“物理到头所以一切结束”的简单悲观，也不陷入“路线图写了所以一定兑现”的简单乐观。
2. 设备可以买，菜谱和厨师买不来
第二个核心信念，是制造护城河大量藏在不可写入 PPT 的隐性知识里。所有人都可以购买 ASML、AMAT、LRCX、KLAC 等设备，为什么只有少数公司能把先进制程稳定量产？Jon 的答案不是设备清单，而是 recipe、调机经验、师徒制、人才管线、良率纪律、供应链协调和客户共同优化。TSMC 的护城河不是“有机器”，而是几十年把设备、材料、客户设计、产线执行和良率爬坡合成一个组织系统。这个信念也解释了他为什么对 CHIPS Act 式“砸钱复制 fab”保持克制：资本和厂房可以复制，隐性知识迁移很慢。
3. 技术可行不等于量产经济性可行
第三个信念，是所有新技术都要过成本、良率、客户需求三道门。无 EUV 做先进制程、先进封装、玻璃基板、新材料、超导、太空制造、国产替代，都可能在实验室或小规模样品中成立，但产业现实看的是良率能否稳定、成本能否下降、客户是否愿意为它付钱。这个信念让他天然反感“单点突破改变一切”的故事。市场喜欢把一个词推成万能钥匙：EUV、chiplet、CPO、HBM、玻璃基板、国产替代。Jon 会追问：能不能量产？量产后单位经济性如何？有没有客户为了性能/成本/供给安全买单？历史上类似方案为什么失败？
4. AI 硬件瓶颈常在内存、带宽和互连，而非单纯算力
第四个信念，是 AI 系统的真实瓶颈经常不在 TOPS，而在数据搬运。其思想体系材料里有一句代表性表达：“数据搬出片外比算它贵得多，瓶颈是内存”；思想体系文档进一步写到，访存能耗占系统约 80%，把数据搬出片外比逻辑运算贵约 200 倍。无论具体数字在不同架构中如何变化，核心含义很清楚：AI 不是只买更多 GPU 峰值算力就结束，HBM、封装、互连、CPO、服务器架构和软件调度都会成为约束。这就是他 2022 年 12 月《AI’s Hardware Problem》在 ChatGPT 爆发初期就把焦点指向内存墙的原因。
5. 看全栈，别神化单一技术
第五个信念，是产业是全栈协同，不是单点神话。ASML/EUV 很关键，但 EUV 不能替代刻蚀、沉积、离子注入、量测/检测、材料、清洗、封装和过程控制。思想体系材料里写到，EUV 被过度神化，它只占晶圆厂设备价值的一部分，刻蚀/沉积/离子注入/量测同样关键。Jon 的方法不是贬低 ASML，而是把 ASML 放回系统里：先进节点推进由复合瓶颈决定，单点光刻突破如果不能同时解决其他工艺复杂度，产业收益会被重新分配。这就是他能把 ASML、AMAT、LRCX、KLAC 放在一张全栈工艺图里理解的根本原因。
