Stacy Rasgon 在公开资料中说什么

INTC、NVDA、AMD 覆盖面把 Rasgon 放在 AI 计算平台竞争的核心三角：NVDA 控制加速器、网络和软件生态，AMD 提供替代 GPU 与部分客户议价弹性，INTC 则更偏 CPU、代工和传统周期修复。这个组合使他的判断天然比较不同商业质量：平台毛利、客户锁定、制程执行和真实排产，而非只看单一 TAM。对读者而言，这也是区分 AI 龙头、追赶者和周期反弹标的的坐标系，并能看出他偏好可见订单与高质量平台，同时警惕执行落差和份额兑现。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

NNVDAAAMD

Stacy Rasgon将AI芯片市场划分为三类角色：Nvidia凭借CUDA生态占据"平台"地位，享有最高溢价和需求可见性；Broadcom面向特定大客户的定制ASIC业务属于"ASIC"路径，其单位经济高度依赖单个客户的排产与付费意愿；AMD被归类为"替代弹性"，其价值并非建立在当前最强AI需求上，而是依赖于当Nvidia平台产能或价格出现瓶颈时，客户为寻求供应安全或成本平衡而转向AMD的弹性需求。这种分层直接服务于他的核心关切：算力是否真的短缺、单位经济是否闭合。他提醒机构投资者应分别评估Nvidia平台的订单排产持续性、Broadcom ASIC项目的收入确认与客户ROI，以及AMD的替代弹性在周期下行时能否兑现，而非简单基于TAM叙事做决策。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

AAVGOAAMD

Stacy Rasgon 将英特尔当前走势拆解为周期性反弹与结构性复苏两个层面，而非单一叙事。在其框架中，这意味着需区分“订单回升是半导体周期正常修复，还是代工/制程/产品线出现真实拐点”。他通常会追问：短期营收改善是否来自库存修正与客户端补货，毛利率能否持续回升，AI 服务器与数据中心订单是否具有长期可见性。若仅为周期修复，估值弹性受制于库存与资本开支节奏；若涉及结构复苏，则需看到制程良率、客户排产及现金流闭环的实质性变化。在产业链语境下，英特尔处于设计、制造与先进封装多环节，其复苏进度影响设备、材料及EDA供应链估值锚点。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

Stacy Rasgon 将美光定位为上游算力稀缺程度的实时温度计，基于“算力短缺+单位经济性”的分析框架。HBM是AI训练与推理芯片的关键配套，直接关联GPU/ASIC的出货节奏；DRAM则反映更广泛的服务器与数据中心需求。HBM产能紧张、报价上行，意味着高端AI加速器供不应求；若DRAM同步走强，则稀缺从“高端专属”扩散至“通用算力层”。反之，若HBM库存堆积或DRAM走弱，可能预示客户提前透支订单，周期正进入消化阶段。对Rasgon而言，美光的出货量、ASP走势和库存水位不仅是存储股指标，更是验证英伟达/AMD等AI客户订单是否“真实排产”的交叉审计信号——供应链成本能否传导至毛利、收入确认是否匹配产能扩张，皆可从此处探寻答案。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

半导体设备是 AI 供给释放的上游闸门：ASML 对应先进光刻，AMAT 覆盖沉积和材料工程，LRCX 强在刻蚀与晶圆制造关键步骤。AI 芯片需求再强，也要通过晶圆厂扩产、良率爬坡和先进制程设备交付才能变成可出货产能。Rasgon 会把它视为验证 compute shortage 的第二层证据：设备订单若先行、交付与折旧同步上升，才说明供应链在为真实需求扩张。对设备股而言，这是利好需求可见度的数据点，也可能带来周期高点后的消化风险。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

AAMATLLRCX

Stacy Rasgon 公开承认其历史上的 AMD 多头判断记录糟糕，这与其分析框架的底层逻辑有关。在 AI 芯片产业链中，AMD 定位为 NVIDIA 平台的重要竞争者和替代选项。Rasgon 的“CFO 式审问”偏好可见的、已排产的订单和清晰的单位经济模型，而 AMD 的增长故事往往依赖于对 NVIDIA 市场份额的侵蚀和未来产品的兑现，这在早期往往缺乏他要求的、可经得起 P&L 审问的坚实数据。他的坦诚揭示了其框架的一个潜在盲点：对行业拐点初期、证据尚不充分的后来者可能偏于保守。这提醒投资者，在评估类似 AMD 这类挑战者时，需同时关注其产品路线图兑现度和从 Rasgon 强调的“订单-毛利-现金流”闭环中寻找验证信号。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

LRCX 是半导体设备链的重要公司，核心在刻蚀、沉积等晶圆制造环节，间接受益于 HBM、先进逻辑和先进封装相关扩产。若它成为 Rasgon 历史上较盈利的评级之一，说明 AI 不是只落在芯片设计公司，也会传导到设备订单、客户 CapEx 和产能瓶颈。Rasgon 会继续核对订单能见度、毛利和周期消化风险，因为设备公司往往最早感知扩产意愿，也最容易受下游暂停扩产影响；这让它成为观察 AI 资本开支的前端数据点。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

Stacy Rasgon 通过英伟达财报中“超大规模客户”与“非超大规模客户”的收入拆分，评估其客户集中度风险。这并非简单的市场份额分析，而是检验需求真实性与订单可靠性的关键框架。若收入过度依赖少数超大规模客户（如大型云厂商），其增长便与这些巨头的AI资本开支紧密挂钩，一旦客户因财务压力、自研芯片或周期调整而削减采购，英伟达的收入可见性将面临挑战。反之，若非超大规模客户（如企业、主权AI、垂直行业）占比提升，则表明需求基础更分散、增长更可持续，也意味着AI应用正从实验走向广泛商用。Rasgon会进一步追问两类客户在毛利率、付款周期和需求弹性上的差异，并判断集中度变化是结构性趋势还是周期波动，这直接关系到英伟达模型的收入质量与长期单位经济的稳健性。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

Nvidia 将边缘AI小业务并入数据中心报告，这一财务动作背后是其数据中心业务已大到边缘业务在财报中几乎可忽略。从Stacy Rasgon的模型审问视角看，这恰恰印证了他对AI芯片研究的核心判断：关键不是TAM叙事，而是收入能否在P&L中经得起检验。Nvidia此举虽简化了报表，但也可能掩盖边缘AI的真实表现与客户ROI。他关注的是，这是否意味着市场已将Nvidia的数据中心增长视为唯一可信的未来，而边缘订单与周期风险则被合并报表所模糊。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

英伟达市值过高，使其在标普500等主要指数中权重过大，可能触发大型机构投资者（如指数基金）内部的合规或风控限制，避免单一标的过度集中持仓。这构成了技术性抛压或限制增量资金流入的潜在因素。从Stacy Rasgon的审问框架看，这直接影响“客户订单是否真实排产”。若指数权重限制导致被动资金无法按预期增持，支撑高估值的增量需求基础就会被动摇。这并非质疑AI芯片基本面，而是提醒市场，在计算需求和单位经济之外，金融市场的结构性规则（如指数权重和持仓限制）同样会成为制约订单转化为实际收入确认的关键变量。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

Nvidia 下一代 GB300 NVL72 机架方案将 72 颗 GPU 与 36 颗 CPU 组合，标志着 Nvidia 从 GPU 加速器供应商向全栈 AI 基础设施平台转型，正式切入 CPU 领域。从 Stacy Rasgon 的“单位经济”分析框架看，关键在于 CPU 的加入能否提升整机 ASP 和毛利率，还是稀释利润率。需追问这 36 颗 CPU 是 Nvidia 自研 Arm 架构芯片还是外采——若为自研，研发成本和量产良率如何摊薄？若为外采，供应链话语权和成本控制是否受制于人？此举可能挤压传统 x86 CPU 厂商在 AI 数据中心的份额，对 AMD 和 Intel 构成竞争压力。但订单是否真实排产、客户采购周期是否会因产品切换而延后，仍是必须回答的问题。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein

Rasgon的分析揭示了AI算力竞赛中的一个关键断点：ASML的EUV光刻机是制造先进逻辑芯片的基石，中国无法获得这些顶级工具，因此被迫探索成熟制程优化和先进封装等替代路径。这直接影响了AI产业链的供需结构和成本曲线。 从“单位经济”和“周期”框架看，这一限制创造了需求侧的错位：中国对AI算力的需求巨大且迫切，但供给端被锁在落后节点。这可能导致两个结果：一是中国客户会更早、更大量地采购现阶段可获得的非顶级算力芯片，可能对特定型号的NVIDIA GPU构成短期需求支撑；二是长期看，会催生一个与主流技术路径分离、成本结构可能更复杂的平行生态系统。对于ASML，这直接影响其在中国市场的先进设备出货预期，是一个需要在订单模型中持续审问的变量。

短摘只作入口 · 站内继续拆解 来源：Stacy Rasgon / Bernstein