Dylan Patel 公開說了什麼@dylan522p
按來源日期整理他的 X、SemiAnalysis 報告與播客資料，保留摘要、相關標的和來源標籤；不代表即時採集。
AAMD 🐦 X 在 Nvidia / Groq 和 AMD / Cerebras 宣佈之後，Huawei 率先發貨這點令人印象深刻。 07-24
這條資料已歸入 AMD 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@dylan522p
AMD 人物終端 →
NNVDA
CCBRS AAMD 🐦 X 巧的是，AMD 有一款名為 Verano 的產品。
它與 Nvidia 的 Vera CPU 競爭。
這個雙關梗 Vera No 簡直自己就寫好了。
它連線到 MI500。
它採用 2nm，通常擁有更多核心和記憶體。
我們早在 2 月就在這裡介紹過它。 07-22
這條資料已歸入 AMD 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@dylan522p
AMD 人物終端 →NNVDA 
MMETA 🐦 X 這是一場公開呼籲：不要浪費矽片，要建設更好的 AI 基礎設施。
Rivos、DSF、Grand Teton、Ariel 以及削減版 MI450X，在 Meta Infrastructure 內部某個團隊最佳化的狹窄指標上是說得通的，但對公司整體而言，每一個都是糟糕的決策。 07-22
這條資料已歸入 META 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@dylan522p
META 人物終端 → MMETA 🐦 X 要麼他沒能穩住局面（Anthropic、Thinky、Core Automation 等），對自己的技術吹得太過火，讓所有人都覺得是生死存亡的事，結果引得所有大型雲端廠商都來競爭。
要是他當初玩得聰明，我打賭就不會有 Anthropic、Meta TBD 或 XAI 這些對手了。 07-12
前沿模型公司的人才與技術外溢，會把競爭從單一實驗室擴散到 Anthropic、xAI 和 Meta 這類自建模型與算力的需求方。Meta 在這裡不是晶片供應商，而是 GPU、HBM、網路和資料中心電力的買方，競爭加劇意味著上游稀缺產能被更快鎖定。若這些買方同步擴容，利好更靠近受限環節的 GPU、封裝和記憶體供給方，也抬高雲端端推論成本基線。按 Dylan Patel 的架構，關鍵要證偽的是外溢是否真的改變產能約束：看叢集規模、採購節奏、資本支出和上線時間，而不是隻看模型敘事。
短摘只作入口 · 站內繼續拆解 來源：@dylan522p
META 人物終端 → 
MMSFT 🐦 X 需要創新的融資結構，才能把GPU送到初創公司以及其他非Meta、OpenAI、Anthropic、SpaceX AI、Microsoft、Amazon、Google的企業手中。
到2029年，AI債務融資的未償債務總額將超過7萬億美元，這主要是由新雲端服務商、資料中心建設商以及超大規模企業的需求推動的。 07-06
Dylan Patel從算力產業鏈的視角指出，當前GPU供應高度集中於少數科技巨頭，這構成了中小企業獲取算力的核心瓶頸。為突破這一物理產能約束，市場正催生“AI債務融資”等創新金融結構，旨在為新興雲端服務商和資料中心建設者提供資本，以撬動GPU採購和基礎設施建設。他預測，到2029年此類相關債務規模將超7萬億美元。這揭示了瓶頸正從單純的晶片製造（如CoWoS封裝）向資本可得性和電力等全棧約束遷移。對MSFT和META而言，它們作為主要的算力需求方和融資能力最強的玩家，其資本支出和供應鏈話語權是觀察這一趨勢的關鍵錨點。
短摘只作入口 · 站內繼續拆解 來源：@dylan522p
MSFT 人物終端 →MMETA 
KS000660.KS 🐦 X EMIB-T 路線圖、定製 HBM、
HBM4 封裝挑戰、微流體冷卻、
光互連，以及更多內容。
ECTC 2026 綜述：Intel、TSMC、SK Hynix、
Samsung、Micron、Marvell、Lightmatter、Microsoft。 07-02
ECTC 2026會議聚焦先進封裝與系統整合。在Dylan Patel的分析視角下，這指向AI算力鏈的下一個核心瓶頸正從CoWoS產能向更復雜的封裝及電力、散熱遷移。Intel的EMIB-T和自研HBM路徑，是挑戰TSMC封裝主導地位的關鍵變數，其進展將影響供應鏈格局。SK Hynix、三星和美光在HBM4上面臨的封裝挑戰，驗證了將記憶體頻寬提升至滿足下一代AI處理器需求在物理層面依然困難。微流體冷卻和光互連技術是應對資料中心功率密度飆升和互聯瓶頸的潛在方案，長期可能重塑架構。微軟的參與表明超大規模雲端廠商正從終端使用者深入參與底層技術定義，這或加速特定技術路線的商業化。TSM作為封裝代工龍頭，其技術路線圖將直接影響整個AI硬體供應鏈的節奏與成本結構。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
000660.KS 人物終端 →MMSFT
TTSM TTSM 🐦 X Google 下一代 TPU，代號 Humufish，將使用 Intel 的 EMIB-T，而不是 TSMC 的 CoWoS。
如今幾乎所有領先的 AI 訓練加速器都採用 TSMC 的 2.5D 封裝流程，其中幾乎全部是 CoWoS。CoWoS 是行業預設選擇，也正因為如此，一顆旗艦晶片轉向別的方案才值得關注。
核心差異在於：CoWoS 把所有裸片都放在一整塊大型矽/RDL 中介層上。EMIB 則把小型矽橋直接嵌入有機基板裡，只放在需要裸片間互連的位置。(1/4)🧵 07-01
Google下一代AI訓練晶片Humufish將放棄台積電CoWoS封裝，轉而採用英特爾的EMIB-T技術。這一決策直接衝擊了當前AI算力鏈最緊俏的產能約束——台積電CoWoS產能。台積電在先進封裝上的定價權和預期增長邏輯可能因此面臨擾動，而英特爾的先進封裝業務則獲得了頂級AI晶片客戶的關鍵背書。供應鏈遷移訊號意味著，封裝環節的技術路線競爭與產能瓶頸正在發生結構性變化，未來約束點可能從CoWoS轉向其他技術或電力等環節。對Google而言，此舉旨在保障其TPU的供應鏈安全與定製化空間，是建置自主算力生態的關鍵一步。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
TSM 人物終端 →
IINTC
GGOOGL 
AAAPL 🐦 X $AAPL 普遍上調了旗下產品價格：
MacBook Neo：$599 → $699
MacBook Air 512GB：$1,099 → $1,299
MacBook Pro 1TB：$1,699 → $1,999
iPad Air 128GB：$599 → $749
iPad Pro WiFi 256GB：$999 → $1,199 06-30
Apple全線提價，將供應鏈成本壓力傳導至終端，這與Dylan Patel的“瓶頸遷移”分析架構相關。作為全球最大消費電子品牌，Apple的定價權變化是觀察AI算力需求溢位效應的關鍵下游指標。提價涉及搭載自研晶片的Mac和iPad，核心處理器依賴台積電先進製程。在AI算力需求持續擠壓先進封裝與CoWoS產能的背景下，Apple能實施提價，印證其作為頂級客戶在爭奪晶圓與封裝資源時擁有強大議價能力，也暗示下游消費者對搭載AI功能裝置的支付意願可能提升。這一動作將直接影響Apple供應鏈獲利率，並反向考驗台積電等代工廠的產能分配與成本控制。從產業鏈視角看，終端漲價若被市場接受，可能進一步鞏固AI硬體需求預期，並向上遊HBM、先進封裝等環節傳遞更強的產能擴張訊號。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
AAPL 人物終端 → AAMD 🐦 X 我們看到 Nvidia 今年下半年會出現巨大的放量。我們的 Accelerator Model 估算顯示，Nvidia 資料中心計算營收在 FY2027 下半年將比市場一致預期高出 20%。Rubin 之前因 HBM4 問題被推遲，但這些問題現在已經解決，前道晶圓供應也已經建立起來，因此 Rubin 將迎來大規模爬坡。
不同於其他賣方分析師喜歡給公司設一個容易超預期的低門檻，SemiAnalysis 的估算來自整條供應鏈的研究，包括但不限於材料、製造、元件、伺服器整合商，一直到超大規模雲端廠商和前沿實驗室正在發生的事情。關於 Nvidia 以及 Broadcom、AMD、MediaTek、Marvell 等其他 AI 玩家，所有這些情報都包含在我們的 Accelerator 和 HBM Model 裡。 06-30
Dylan Patel認為供應鏈瓶頸是預期差的關鍵。他基於內部“加速器模型”判斷，輝達2027財年下半年資料中心營收將超市場共識20%，其依據是“供應鏈瓶頸四步”架構。他首先通過“物理還原”確認技術瓶頸已解除，HBM4問題解決且Rubin架構晶圓供應充足，為產能爬坡掃清障礙。其次，他採用“全棧清點”方法，整合從材料到資料中心的全鏈條情報，形成自下而上的產能追蹤，作為判斷的“證偽錨”。這一資訊直接指向輝達短期基本面改善，並間接影響其HBM供應商及競爭對手AMD和博通。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
AMD 人物終端 → KS000660.KS 🐦 X CXMT 現在顯然已經是全球第四大 DRAM 廠商，並且目標是對 SK Hynix、Samsung、Micron 等領先儲存供應商施加越來越大的壓力。雖然公司一直在擴產，未來幾個月可能還會在大量現金流量積累支援下繼續增加產能，但 CXMT 仍面臨幾個關鍵挑戰：(1/6)🧵 06-30
CXMT（長鑫儲存）已躍升全球第四大DRAM廠商，其產能擴張可能對SK Hynix、三星、美光等頭部供應商構成壓力。從Dylan Patel的供應鏈瓶頸分析架構看，核心是中國DRAM產能對全球HBM及通用DRAM供需格局的潛在擾動。CXMT雖以傳統DRAM為主，但其產能爬坡若順利，可能分流部分通用DRAM需求，間接影響三大廠的產能分配與定價策略，甚至加速HBM產能向AI領域傾斜。這是典型的“瓶頸遷移”前兆——當通用DRAM產能不再稀缺，競爭焦點將進一步向HBM良率、先進封裝（如CoWoS）和電力供應轉移。對三大廠而言，需關注CXMT擴產節奏及客戶匯入進展，這可能成為未來12個月DRAM價格與毛利率的關鍵變數。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
000660.KS 人物終端 →
KS005930.KS
MMU MMSFT 🐦 X 2001 年 6 月 1 日
🚨MICROSOFT CEO：開源作業系統很危險
$MSFT CEO Bill Gates 告訴立法者，Linux 等開源作業系統正在“走上一條非常危險的道路”。文字實錄如下 ⬇️
"""
我認為開源作業系統的擴張正在走上一條非常危險的道路。再說一次，如果這條路繼續走下去，我認為我們可能會到達一個非常危險的境地。
我覺得有些關於 Linux 的事情值得說明，專家們都很清楚，但我想確保本委員會也理解：當你控制一個作業系統並負責釋出它時，你就有能力監控它的使用情況。它某一刻可能被濫用，但之後你可以推送更新。你可以撤銷使用者許可證。你可以改變系統願意執行的內容。
當一個作業系統以不受控制的方式釋出，比如某個人在地下室裡自己編譯核心，那就沒有辦法做到這些。事情完全不在你掌控之中。所以我認為這需要被認真對待。
也許有辦法以開源方式釋出軟體，同時讓它更難繞過許可限制，但那是一個困難得多的問題。我們應該把這個問題擺到開源倡導者面前，要求他們解決。
最後我想說，這裡的開源其實有點名不副實，對吧？開源通常指的是規模較小的開發者快速迭代，我認為那是好事。但這裡我們談的是稍微不同的東西，也就是更大的系統由更大的實體以更不受控制的方式釋出。正如你提到的，Hawley 參議員，這些實體會投入數千萬甚至數億美元來開發這些系統。我認為我們應該把它歸為一個稍有不同的類別，它們的義務也應該有所不同。
""" 06-29
開源軟體管制爭論對映到今天的開源大型模型：核心變數是模型權重、執行環境和更新通道由誰控制。MSFT 在產業鏈裡同時擁有 Azure、GitHub 和閉源模型合作入口，若監管偏向可控分發，封閉 API 和雲端託管模型的議價力可能增強；若開源繼續擴散，推論部署會更分散。Dylan Patel 會把爭論落到硬約束：監管改變分發路徑，但算力、HBM、網路和電力仍決定真實供給。因此它更像需求分配變數，不是新增晶圓產能本身。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
MSFT 人物終端 →KQ036930.KQ 🐦 X Transformer 的 Attention 機制已經走過了很長一段路。我們感謝開源社群的研究人員和工程師持續讓高效能 AI 變得更可及。請和我們一起慶祝：轉發這條帖子，標記更多貢獻者，並分享軼事，一起補全 Attention 的開源歷史！(1/8)🧵 06-29
Attention 是 Transformer 的計算核心，決定長上下文、訓練吞吐和推論視訊記憶體壓力，位於演算法層但會直接傳導到 HBM、GPU 利用率和互聯頻寬。開源社群最佳化 attention kernel、稀疏化或線性化方法，可能降低每 token 成本，從而改變資料中心瓶頸位置。所給 036930.KQ 為韓國半導體裝置商 Jusung，與該演算法文本沒有直接業務對應，只能作為上游裝置鏈的間接背景。若演算法效率提升快於模型規模擴張，新增晶片需求斜率也會被重新校準，並影響排產節奏。
短摘只作入口 · 站內繼續拆解 來源：@SemiAnalysis_
036930.KQ 人物終端 →檢視 Dylan Patel 的會員分頁資料索引
免費預覽最多 12 條帶日期、出處與標的的公開資料；會員每頁最多 200 條。沒有站內標的頁的 ticker 只作為市場標籤。
只想先盯Dylan Patel一個？也行 —— 單訂 · $79/年 → 先把這一個看穿。 跟你說實話：4 份單訂一年（$316）就超過整站（$299）。想多看幾個，直接整站更划算——41 位全給你、每位約 $7。哪種都行，賬擺在這，你自己挑。 - 先評估覆蓋 · 再單獨立項：你點名一個物件——一個人（投資人 / 機構 / 分析師 / 高管）或一家公司 / 標的——我們先評估其公開資料覆蓋與可採源，確認能追蹤後單獨立項、架設專屬投研席位；蹤跡不足會直說做不了，不硬湊。
- 按物件適用性啟用機構級方法：13F 持股 · Form4 內部人 · 13D-G 舉牌 · 公開發聲 · 跨源交叉驗證 · 命中率臺賬——適用於 SEC 可覆蓋物件；不適用的項以替代證據或缺口說明如實交付，與追蹤 41 位聰明錢同一條投研流水線。
- 持續盯守 · 證據可回溯：人工 / 半自動每週投研簡報 + 重大訊號經人工確認後工作日提醒 + 證據鏈歸檔（本地 JSON / Markdown / SEC 連結），可回溯復盤「當時憑什麼這麼判」。
- 只對你一人開放：追蹤口徑、提醒規則、交付形式按你的決策需求定製；不進公共庫、不共享。