#個人整理一定會有不完整或理解錯誤，請以Podcast的內容為主。
A. 市場狀態與操作邏輯
1) 激情但健康：
近一週雖然有些顛簸，但資金在各類股之間有節奏地輪動，整體表現仍強。這種「全面起漲」下，短線幾乎「指哪打哪」，不必過度把漲勢歸因於特定訊號或小道消息。
2) 降息→非必需消費回溫→電動車轉好：
先前就判斷降息環境對非必需消費較友善，特斯拉屬此範疇，因此方向看多；但也強調短線路徑難測，抓大方向、接受波動。
3) 看不懂就退場、看得懂就出手：
上上月「滿街飆股」時，反而減碼單股、轉指數（因為不確定買什麼）；近一月「看得懂的球」出現（如記憶體、電動車、部分大型新ODM轉強），就積極出擊，績效改善。
4) 若出現「天罰」（回檔）：
一旦明顯回檔：先降槓桿→再汰弱留強→把資金轉向仍在趨勢中的強勢族群。目前易辨認的強勢：散熱、記憶體、上游板材／材料。
B. 記憶體：從訊號到交易
1) 線索出現→先卡位、錯了就走：
先觀察到NAND 報價拐頭、社群熱度上來（如某爆紅事件），因此判斷可能進入「記憶體下一波」。如去年聞到味道先上；若市場不動就砍、休息，直到「東風」到再跳上。
2) 新聞催化與價格動作：
本週出現兩條關鍵訊息：
-
美光宣布暫停 DRAM 報價一週；
-
台灣某 NAND 控制 IC 也傳出暫停報價（未見報，為訊息管道所聞）。
內容解讀為：廠商聞到行情轉強，傾向先控報價、拱價格。
3) 為何缺口可能「先漲價、後基本面」：
判斷真正供需缺口大致在Q4 開始加速、明年 Q1～Q2 明顯。但股價常提前反應（銅箔基板即前例）：等缺口真的放大，股價可能已反應差不多。因此行情可能呈現先快攻一段，之後再看基本面銜接。
4) 事件：
-
DRAM：因 HBM 需求強，被認為會「確實很缺」。
-
NAND / SSD（特別是企業級 QLC SSD）：雲端大客戶（CSP）累加需求後，供不應求，缺口估計可達一～兩成以上；再加上 HDD 緊俏→需求轉向 SSD，缺口有放大趨勢。
-
族群面：NAND 廠（鎧俠、美光、威騰、海力士）、硬碟與儲存伺服器廠近期股價已在右上角，台灣部分個股進入落後補漲。
5) 風險與節奏：
是否演成「NAND 大潮」仍需觀察。原則是見招拆招：抓到契機就跟，過程中不斷更新；不求從魚頭抱到魚尾，以在趨勢段內有賺到為目標。
C. NVIDIA「Rubin CPX」的定位與影響
1) 市場誤解點：
有新聞稱「CPX 用 GDDR，會排擠 HBM 用量」。
2) 正確定位（關鍵因果）：
-
CPX 是外加在伺服器 Tray 的加速器（內容中舉例：一個 Tray 額外多 8 顆），不是把原本 Vera Rubin（Rubin）+ HBM 的設定拿掉。
-
因 CPX 使用 GDDR（非 HBM），不會用到 CoWoS；因此未來僅憑 CoWoS 產能或出貨去外推 NVIDIA 業績，難度將上升（因為「非 CoWoS 機種」的占比變高）。
-
結論：CPX 是「新增需求」不是「替代需求」，不會因為它用 GDDR 就削弱 HBM 的需求。
D. 國巨收購茂達：戰略邏輯
1) 事件與直接影響：
國巨預計以約 230 元公開收購茂達 5～20% 股權；若收購順利，市場價格傾向被拉到接近收購價，除非公司方抵抗或出現競價。
2) 為何做這筆交易：
-
國巨長年以來在PMIC 有布局（先前提及富鼎、力智等），這次再納入茂達，有助把「被動元件」升級為「模組」銷售（以資料中心／伺服器、利基應用為主），整體單價與毛利結構更好。
-
一石二鳥：茂達持有大中（MOSFET）高比重股權；收茂達，等於同步擴張 MOSFET 版圖。
3) 茂達本質與股性：
過去曾掛鉤任天堂風扇控制 IC、DDR5（PMIC、CKD/RCD）、Server Fan 等題材；體質穩健但股性牛皮，公司對外溝通較保守。
4) 後續可能劇本：
因董監持股低，若公開收購一口氣收足，可能直接取得實質控制權；但也不排除公司尋找白馬或反制，讓籌碼戰更精彩。短線觀察：實際收受張數與公司聲明。
#個人想法
因在聽的時候對CPX未來用CoWoS估算NVIDIA出貨力道時，需留意「非CoWoS機種」占比上升造成推估難度。這裡不太了解，覺得原本對HBM不影響因為又說還是需要HBM跟COWOS，但是又說非COWOS占比上升?那怎麼會推估難度高，所以有以下的查詢，參考看看
重點: 不是說 HBM 不需要，而是 「每台機櫃的 HBM 配比下降，CoWoS 與出貨量的連動性變弱」，因為不知出了多少台訓練跟多少台推理，但可以知道。
-
官方：NVIDIA 的新聞稿／部落格將 Rubin CPX 定位為長上下文等工作負載的補強加速器，採 GDDR、非 HBM。NVIDIA Newsroom+1
-
產業與科技媒體的解讀：有媒體具體描述NVL 系統的 CPX 版本，同一 Tray 可能同時配置 8 顆 Rubin（HBM）+ 8 顆 Rubin CPX（GDDR），屬並行增補而非替換。The Register+2ServeTheHome+2
-
訓練用 GPU
-
模型參數龐大、計算密度高，必須靠 HBM + CoWoS 提供極高頻寬和堆疊容量。
-
典型代表就是 Hopper / Rubin 主 GPU。
-
-
推理用 GPU（Inference Server）
-
工作負載分為兩段：
-
Prefill / Context 階段（把大段輸入塞進模型） → 算力需求高，但記憶體頻寬需求相對低。
-
Decode 階段（逐 token 輸出） → 需要高速存取 KV cache，對 HBM 頻寬依賴極高。
-
-
Rubin CPX 就是針對 Prefill 階段設計的推理 GPU：採 GDDR7、不需要 HBM，也不需要 CoWoS。
-
- 整個推理流程還是離不開 HBM GPU，因為 Decode 階段必須靠 HBM。
- 實際部署時，會是「HBM 主 GPU + GDDR CPX GPU 混搭」：HBM 處理 bandwidth 重的部分，CPX 分擔 compute 為主的 Prefill，這樣能省成本、提高效率。