Stacy Rasgon 在公開資料中說什麼

INTC、NVDA、AMD 覆蓋面把 Rasgon 放在 AI 計算平台競爭的核心三角：NVDA 控制加速器、網路和軟體生態，AMD 提供替代 GPU 與部分客戶議價彈性，INTC 則更偏 CPU、代工和傳統週期修復。這個組合使他的判斷天然比較不同商業質量：平台毛利、客戶鎖定、製程執行和真實排產，而非只看單一 TAM。對讀者而言，這也是區分 AI 龍頭、追趕者和週期反彈標的的座標系，並能看出他偏好可見訂單與高質量平台，同時警惕執行落差和份額兌現。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

NNVDAAAMD

Stacy Rasgon將AI晶片市場劃分為三類角色：Nvidia憑藉CUDA生態佔據"平台"地位，享有最高溢價和需求可見性；Broadcom面向特定大客戶的定製ASIC業務屬於"ASIC"路徑，其單位經濟高度依賴單個客戶的排產與付費意願；AMD被歸類為"替代彈性"，其價值並非建立在當前最強AI需求上，而是依賴於當Nvidia平台產能或價格出現瓶頸時，客戶為尋求供應安全或成本平衡而轉向AMD的彈性需求。這種分層直接服務於他的核心關切：算力是否真的短缺、單位經濟是否閉合。他提醒機構投資者應分別評估Nvidia平台的訂單排產持續性、Broadcom ASIC專案的營收確認與客戶ROI，以及AMD的替代彈性在週期下行時能否兌現，而非簡單基於TAM敘事做決策。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

AAVGOAAMD

Stacy Rasgon 將英特爾當前走勢拆解為週期性反彈與結構性復甦兩個層面，而非單一敘事。在其架構中，這意味著需區分“訂單回升是半導體週期正常修復，還是代工/製程/產品線出現真實拐點”。他通常會追問：短期營收改善是否來自庫存修正與客戶端補貨，毛利率能否持續回升，AI 伺服器與資料中心訂單是否具有長期可見性。若僅為週期修復，估值彈性受制於庫存與資本支出節奏；若涉及結構復甦，則需看到製程良率、客戶排產及現金流量閉環的實質性變化。在產業鏈語境下，英特爾處於設計、製造與先進封裝多環節，其復甦進度影響裝置、材料及EDA供應鏈估值錨點。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

Stacy Rasgon 將美光定位為上游算力稀缺程度的即時溫度計，基於“算力短缺+單位經濟性”的分析架構。HBM是AI訓練與推論晶片的關鍵配套，直接關聯GPU/ASIC的出貨節奏；DRAM則反映更廣泛的伺服器與資料中心需求。HBM產能緊張、報價上行，意味著高階AI加速器供不應求；若DRAM同步走強，則稀缺從“高階專屬”擴散至“通用算力層”。反之，若HBM庫存堆積或DRAM走弱，可能預示客戶提前透支訂單，週期正進入消化階段。對Rasgon而言，美光的出貨量、ASP走勢和庫存水位不僅是儲存股指標，更是驗證輝達/AMD等AI客戶訂單是否“真實排產”的交叉審計訊號——供應鏈成本能否傳導至毛利、營收確認是否匹配產能擴張，皆可從此處探尋答案。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

半導體裝置是 AI 供給釋放的上游閘門：ASML 對應先進光刻，AMAT 覆蓋沉積和材料工程，LRCX 強在刻蝕與晶圓製造關鍵步驟。AI 晶片需求再強，也要通過晶圓廠擴產、良率爬坡和先進製程裝置交付才能變成可出貨產能。Rasgon 會把它視為驗證 compute shortage 的第二層證據：裝置訂單若先行、交付與折舊同步上升，才說明供應鏈在為真實需求擴張。對裝置股而言，這是利好需求可見度的資料點，也可能帶來週期高點後的消化風險。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

AAMATLLRCX

Stacy Rasgon 公開承認其歷史上的 AMD 多頭判斷記錄糟糕，這與其分析架構的底層邏輯有關。在 AI 晶片產業鏈中，AMD 定位為 NVIDIA 平台的重要競爭者和替代選項。Rasgon 的“CFO 式審問”偏好可見的、已排產的訂單和清晰的單位經濟模型，而 AMD 的增長故事往往依賴於對 NVIDIA 市場份額的侵蝕和未來產品的兌現，這在早期往往缺乏他要求的、可經得起 P&L 審問的堅實資料。他的坦誠揭示了其架構的一個潛在盲點：對行業拐點初期、證據尚不充分的後來者可能偏於保守。這提醒投資者，在評估類似 AMD 這類挑戰者時，需同時關注其產品路線圖兌現度和從 Rasgon 強調的“訂單-毛利-現金流量”閉環中尋找驗證訊號。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

LRCX 是半導體裝置鏈的重要公司，核心在刻蝕、沉積等晶圓製造環節，間接受益於 HBM、先進邏輯和先進封裝相關擴產。若它成為 Rasgon 歷史上較盈利的評等之一，說明 AI 不是隻落在晶片設計公司，也會傳導到裝置訂單、客戶 CapEx 和產能瓶頸。Rasgon 會繼續核對訂單能見度、毛利和週期消化風險，因為裝置公司往往最早感知擴產意願，也最容易受下游暫停擴產影響；這讓它成為觀察 AI 資本支出的前端資料點。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

Stacy Rasgon 通過輝達財報中“超大規模客戶”與“非超大規模客戶”的營收拆分，評估其客戶集中度風險。這並非簡單的市場份額分析，而是檢驗需求真實性與訂單可靠性的關鍵架構。若營收過度依賴少數超大規模客戶（如大型雲端廠商），其增長便與這些巨頭的AI資本支出緊密掛鉤，一旦客戶因財務壓力、自研晶片或週期調整而削減採購，輝達的營收可見性將面臨挑戰。反之，若非超大規模客戶（如企業、主權AI、垂直行業）佔比提升，則表明需求基礎更分散、增長更可持續，也意味著AI應用正從實驗走向廣泛商用。Rasgon會進一步追問兩類客戶在毛利率、付款週期和需求彈性上的差異，並判斷集中度變化是結構性趨勢還是週期波動，這直接關係到輝達模型的營收質量與長期單位經濟的穩健性。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

Nvidia 將邊緣AI小業務併入資料中心報告，這一財務動作背後是其資料中心業務已大到邊緣業務在財報中幾乎可忽略。從Stacy Rasgon的模型審問視角看，這恰恰印證了他對AI晶片研究的核心判斷：關鍵不是TAM敘事，而是營收能否在P&L中經得起檢驗。Nvidia此舉雖簡化了報表，但也可能掩蓋邊緣AI的真實表現與客戶ROI。他關注的是，這是否意味著市場已將Nvidia的資料中心增長視為唯一可信的未來，而邊緣訂單與週期風險則被合併報表所模糊。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

輝達市值過高，使其在標普500等主要指數中權重過大，可能觸發大型機構投資者（如指數基金）內部的合規或風控限制，避免單一標的過度集中持股。這構成了技術性拋壓或限制增量資金流入的潛在因素。從Stacy Rasgon的審問架構看，這直接影響“客戶訂單是否真實排產”。若指數權重限制導致被動資金無法按預期加碼，支撐高估值的增量需求基礎就會被動搖。這並非質疑AI晶片基本面，而是提醒市場，在計算需求和單位經濟之外，金融市場的結構性規則（如指數權重和持股限制）同樣會成為制約訂單轉化為實際營收確認的關鍵變數。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

Nvidia 下一代 GB300 NVL72 機架方案將 72 顆 GPU 與 36 顆 CPU 組合，標誌著 Nvidia 從 GPU 加速器供應商向全棧 AI 基礎設施平台轉型，正式切入 CPU 領域。從 Stacy Rasgon 的“單位經濟”分析架構看，關鍵在於 CPU 的加入能否提升整機 ASP 和毛利率，還是稀釋獲利率。需追問這 36 顆 CPU 是 Nvidia 自研 Arm 架構晶片還是外採——若為自研，研發成本和量產良率如何攤薄？若為外採，供應鏈話語權和成本控制是否受制於人？此舉可能擠壓傳統 x86 CPU 廠商在 AI 資料中心的份額，對 AMD 和 Intel 構成競爭壓力。但訂單是否真實排產、客戶採購週期是否會因產品切換而延後，仍是必須回答的問題。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein

Rasgon的分析揭示了AI算力競賽中的一個關鍵斷點：ASML的EUV光刻機是製造先進邏輯晶片的基石，中國無法獲得這些頂級工具，因此被迫探索成熟製程最佳化和先進封裝等替代路徑。這直接影響了AI產業鏈的供需結構和成本曲線。 從“單位經濟”和“週期”架構看，這一限制創造了需求側的錯位：中國對AI算力的需求巨大且迫切，但供給端被鎖在落後節點。這可能導致兩個結果：一是中國客戶會更早、更大量地採購現階段可獲得的非頂級算力晶片，可能對特定型號的NVIDIA GPU構成短期需求支撐；二是長期看，會催生一個與主流技術路徑分離、成本結構可能更復雜的平行生態系統。對於ASML，這直接影響其在中國市場的先進裝置出貨預期，是一個需要在訂單模型中持續審問的變數。

短摘只作入口 · 站內繼續拆解 來源：Stacy Rasgon / Bernstein