#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. 恐慌盤的出手邏輯與部位管理
1. 恐慌出來先出手，但先把這一筆定義成「買反彈」
盤中大量標的急殺到極端位置，恐慌明顯出現，因此先補一些部位。但這波抄底的定位不是抄長期底，而是先買反彈；後續能否轉為長期持有，關鍵仍是觀察能不能「持續創新高」。
2. 指數高檔、國際盤與多資產偏弱時，滿倉撿深跌勝率很差
在指數相對高檔、外部環境不佳的條件下，把部位打太滿或貪撿深跌股，常會陷入「越撿越髒」的局面。重點不是不能接，而是要承認結構未明，深跌不等於便宜，風險與節奏要擺在第一位。
3. 帶狀分批而非一單定生死，保留續加空間
接下來更可能走帶狀：先建立一段部位，若再往下仍有餘裕持續加碼，避免一次打滿導致回檔時承受巨大傷害。
4. 喜歡的標的回檔就是機會，但要用水位與節奏承接
偏好的方向包含美國科技巨頭及其 supply chain、台系公司，以及自身配置較多的散熱、低軌衛星。回檔被視為再介入的機會，但前提仍是水位管理與分批節奏。
5. 多數人輸在成本與行為，不是公司突然變差
常見行為是漲就追、跌就怕，跌了就問公司怎麼了；但很多時候公司沒有怎麼了，問題是成本太高。股票真的下來給你買時不敢買，上去時死命追，只能賺到線性大多頭的錢；進入橫盤或震盪加大，純動能追強會受很大傷害，因此需要把工具箱的其他招數拿出來用。
6. 不把任何族群當無敵：基本面再好，不符合預期也會減碼
不會輕易去 call 某族群無敵或一路衝，因為盤面隨時可能變化，需要保留彈性。即便知道基本面不錯，若股價表現不符預期（例如先前的設備與產出相關部位），仍會依技術面與籌碼指標做綜合判斷並果斷減碼。
B. 科技巨頭上修 CAPEX：市場短線當利空，他解讀為「信心表態」
1. 盤面差時好消息被解讀成壞消息，敘事會跟著短線走勢亂變
科技巨頭上修 CAPEX 本質偏正向，但因盤面疲弱，市場把它解讀成現金流被吃掉、投資報酬率不明、AI 應用不足、FOMO、甚至錢會花光。這種「看漲說漲、看跌說跌」的敘事方式很笨，容易被短線波動牽著走。
2. CAPEX 合計逼近 7,000 億美元，代表巨頭一定聞到趨勢，且沒有人退
以數字上緣估計：Amazon 200B、Google 185B、Meta 135B、Microsoft 以單季 37.5B 年化約 150B，加總約 670B、接近 700B 美元，遠超市場預期。這種規模意味巨頭一定聞到什麼味道；更重要的是沒有人退，大家仍在往前衝。
3. 做生意本來就要投資；反而怕的是「不花錢」
他更擔心的是巨頭不投資，一旦有人退縮不花錢才可能被殺到爆。投資本來就會壓到現金流，但那是為了後續獲利；巨頭敢砸錢代表 open for business，後面才可能帶來更好的表現。
4. 巨頭拉回仍想找介入點，但用「急跌」與「關鍵均線」控制節奏
即便對巨頭有興趣，也不會硬接刀。較偏好盤中出現 3–5% 的情緒性大跌時慢慢買，維持手感。若走勢偏弱，會用重要均線作參考，例如 240 日、720 日等；摸到關鍵均線掉不下去，往上走那段再加碼，若續跌則再等下一段位置。
C. CAPEX 的內涵拆解：不能直接等於 NVIDIA/AMD 的營收（框架＋對應公司）
1.CAPEX 是「總資本支出」不是「GPU 訂單總額」，必須先拆用途再拆晶片路線
CAPEX 會混在一起：資料中心、AI 伺服器、一般伺服器、網路、機器人、物流、衛星、甚至廠房等。先不拆用途就把 CAPEX 全塞進 AI server 需求，容易高估；拆用途之後，還要再拆晶片路線（GPU vs ASIC）。
2.Amazon：200B 內含非 AI server；AI server 內也有 Trainium，不會全算給 NVIDIA/AMD
Amazon 的 200B 不是完全 for AI server，還包含工廠與物流機器人等投資，以及低軌衛星等項目；即便聚焦到 AI server，也不會全部都給 NVIDIA/AMD，因為 AWS 自有 Trainium，佔比不低且可能上升。用「CAPEX→GPU」單一路徑去推供應鏈，會偏離現實。
3.Google：185B 不能全算 general purpose server；TPU/ASIC 比重高且呈現需求>供給
Google 使用大量自家 TPU，CAPEX 內有很大一部分屬於 ASIC 路徑；供需感受是市場能給的量只有 3–4 成，但需求接近 10。這代表 Google 的高 CAPEX 不等於 NVIDIA/AMD 的營收上修，而是反映「自研路線＋產能不足」的壓力。
4.Meta / Microsoft：相對更接近 general purpose GPU；Microsoft 另外有 Maia 推進與供應鏈想像空間
Meta 目前較難看到在自家 asset 上有卓越突破，因此更容易被視為採購 general purpose GPU；Microsoft 也可在相當程度上以通用 GPU 來看，但同時正在加速推進 Maia。過去 Maia 放量不如 TPU 顯眼，但目前看起來正用力趕工；若後續走出來，可能帶動新一波供應鏈，包含專用機殼等已有提前表態的方向。
D. 資金輪動與供應鏈：以公司/陣營切段，硬體端承接資金
1.市場短線先殺支出方與軟體，資金可能往「看得到出貨」的硬體端堆疊
盤面疲弱時，市場選擇去殺巨頭與軟體端；相對之下，台灣市場與部分 supply chain 更強，光通、交換器等硬體族群表現也較突出。以 CAPEX 超預期的背景來看，資金短線先往硬體端堆疊具有合理性。
2.Amazon / AWS chain：數字與發展看得到，但籌碼擁擠使得供應鏈先被修理
過去布局 AWS chain（板子、CCL、組裝、網通、IC design partner、後段代工）常被修理，但他不因此否定方向，反而把原因歸因於「上面太擁擠」。類比 2024 年 3–4 月 OEM 預期一致、車上太多人導致漲不動，修正後反而能動起來的經驗，認為這波修正若能清理擁擠籌碼，AWS chain 可能重新被市場認真定價，散熱與零組件也可能出現新的發動空間。
3.Google chain：CLS、Flex、鴻海系，光通 OCS 路線以 Lumentum（LITE）/Coherent（COHR）分陣營
Google 供應鏈中提到 CLS、Flex，台系的鴻海集團也有參與一部分；光通是 Google 最多人在看的硬體方向，焦點在 OCS。路線上以「Lumentum（LITE）的 MEMS 解法」對比「Coherent（COHR）的 LCOS 解法」，並認為 Google 較偏向採用 Lumentum 的路線，因此 Lumentum 更像是偏 Google 陣營的相關概念股。這類股票可能長時間盤跌，突然才醒來上去；對於橫盤或盤跌期間大量散布壞消息的末日敘事，他的態度是遠離，因為做多才有大錢，不能因為受傷就屏除所有機會。
4.被動元件與原物料：售價黏著使毛利結構可能改善，是盤面上的隱含獲利點
被動元件漲價後銀價崩跌，但售價未必回落；若成本下來而售價維持，等存貨迭代後可能在毛利與獲利數字上反映結構改善，是值得持續追蹤的方向。
以下不確定是否抓的正確，自行參考
硬體
A. Compute（運算端：GPU / ASIC / 伺服器整機）
| 類別 | 企業（美股/全球） | 企業（台股/台廠） | 供應鏈角色 |
|---|---|---|---|
| GPU/加速器 | NVIDIA、AMD | — | 通用 GPU／加速器平台 |
| AI 伺服器/整機 | Supermicro | 鴻海、廣達、緯創、緯穎、英業達、和碩 | ODM/OEM（伺服器、機櫃整合） |
| ASIC 設計/雲端自研協作 | Marvell、Broadcom | 世芯-KY、創意 | ASIC/客製晶片設計服務（不同 CSP 會有不同合作） |
| 記憶體（HBM/DRAM） | SK hynix、Samsung、Micron | — | HBM/DRAM 供應（AI 加速器關鍵） |
| 晶圓代工 | — | 台積電 | 先進製程代工（AI ASIC/GPU 常用） |
B. Networking（傳輸端：交換器 / 光收發 / OCS）
| 類別 | 企業（美股/全球） | 企業（台股/台廠） | 供應鏈角色 |
|---|---|---|---|
| 交換器/網通設備 | Arista、Cisco、Juniper | 智邦 | 資料中心交換器/網路設備 |
| 網通晶片 | Broadcom、Marvell、NVIDIA（網路平台） | — | Switch/NIC/DPU 等關鍵晶片 |
| 光收發/光通元件 | Lumentum（LITE）、Coherent（COHR）、MACOM | — | 光通元件/模組上游（AI 資料中心） |
| OCS 光路交換 | Lumentum、Coherent、HUBER+SUHNER Polatis | — | OCS（光路交換）供應商 |
| OCS 其他供應商（可擴充） | Telescent、iPronics、DiCon、Triple-Stone、Calient、Drut | — | OCS 供應商名單（市場研究/產業報告常見） |
C. Infrastructure（基礎設施：散熱 / 機櫃 / 供配電）
| 類別 | 企業（美股/全球） | 企業（台股/台廠） | 供應鏈角色 |
|---|---|---|---|
| 散熱（氣冷/液冷） | — | 奇鋐、雙鴻 | 伺服器散熱（液冷/氣冷、冷板等） |
| 機櫃/機殼 | — | 勤誠、晟銘電 | 伺服器機殼/機櫃、客製機構件 |
| 資料中心電力/散熱基建 | Vertiv、Schneider Electric、Eaton | — | UPS/PDU/配電/機房基礎設施 |
| 伺服器管理晶片（BMC） | — | 信驊 | BMC（資料中心伺服器管理） |
AWS Trainium
| 層級 | 公司 | 角色/為何相關 |
|---|---|---|
| AWS 自研單位 | Annapurna Labs（AWS） | Trainium 自研晶片來源（AWS 內部） |
| 晶片協作/設計 | Marvell | 報導指出與 AWS 合作設計 Trainium2 |
| 設計服務/後端 | 世芯-KY（Alchip） | 多篇報導指向 Trainium3 的設計服務主力 |
| 晶圓代工 | 台積電 | Trainium2/3 製造（報導指向） |
| 先進封裝（技術） | CoWoS（台積電） | 報導直接提到 CoWoS/封裝描述 |
| 後段測試/探針等 | 旺矽、京元電子 | 報導點名為後段封測/測試供應鏈（Trainium2） |
| 系統/機櫃整合（候選） | 緯穎、鴻海、廣達、英業達、緯創 | AWS 客製伺服器/機櫃的常見台廠池（不同專案配置會變） |
| 互連/網通（候選） | Broadcom、Marvell、Arista、Cisco、NVIDIA Networking | Trainium 叢集一定需要高帶寬互連/交換器 |
Microsoft Maia
| 層級 | 公司 | 角色/為何相關 |
|---|---|---|
| 設計/平台 | Microsoft | Maia 自研晶片與系統平台 |
| 晶圓代工 | 台積電 | Maia 200：TSMC 3nm（官方） |
| 記憶體 | SK hynix（HBM3e）、Samsung（HBM 供應常見候選） | Maia 200 用 HBM3e（官方規格）；「誰供」外部多以 SK hynix 傳聞報導 |
| 系統機架/液冷架構 | （概念層級） | Maia 強調系統、散熱與電力管理（官方） |
| 機殼/機櫃（台廠池） | 勤誠、晟銘電 | 客製機櫃/機構件的台廠池（是否「Maia 核心」通常不會公開點名） |
| BMC（伺服器管理） | 信驊 | 資料中心伺服器管理晶片（CSP 擴建機櫃常見受惠邏輯） |
| ODM/OEM（台廠池） | 鴻海、廣達、緯創、英業達、緯穎 | Azure 資料中心擴建的 ODM/OEM 池（是否綁 Maia 某一代需另查） |