#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. 市場與地緣政治
1. 盤勢仍不好做，先視為多頭中的修正
最近盤勢不好做，美股又比台股更難操作。現階段先把這波整理視為大格局多頭中的回檔；如果後面出現油價持續創高、股市持續破底，策略才需要進一步調整。
2. 中東局勢是目前市場最大的風險來源
市場對中東局勢仍高度敏感，連五角大廈周邊的 Pizza Tracker 都會被拿來觀察是否有新動作。美方目前在衝突中又掉了兩架飛機，其中一架是 F-15，另一架是地面攻擊機，代表局勢還在升高，市場也會持續把風險反映在油價與股價上。
3. 重點不是預測事件，而是事件發生後怎麼處理
市場裡很多人喜歡比誰先猜到戰爭、誰先猜到題材，但真正重要的不是猜對，而是事情發生後怎麼調整部位。只要油價沒有一路失控，市場就還有機會慢慢消化；如果油價持續往上噴，才要更保守看待後面的需求、訂單與估值修正。
B. Agentic AI 帶動的 CPU 主線
1. 更多股票的佈局開始轉向 CPU
這段時間持續做更多股票佈局，重點開始放在 CPU 相關標的。這條線其實已經發酵三到五個月，最近之所以拉高關注度，是因為 ARM、Intel、AMD 在美股裡都算相對比較硬，代表市場可能正在交易新的故事。
2. AI 已經從訓練與 Chatbot，走到 Agentic AI
過去 AI 訓練時代的核心是 GPU，誰有更多 GPU、更多機櫃、更多算力，誰就有更強的訓練效果。現在走到 Agentic AI 之後，AI 不只是回答問題，而是要做 reasoning、反覆處理任務、切換工具、呼叫 API、查資料庫、執行程式碼、解析輸出，整個工作流變得更複雜，CPU 的角色自然變重。
3. CPU 重要性被正式拉高，關鍵訊號來自 NVIDIA
這條趨勢之所以更明確，是因為 NVIDIA 最新會議／發表內容 直接端出 CPU 的 whole rack solution，代表 CPU 已經不只是配角，而是開始進入核心架構。Meta 也是用戶之一，顯示這不是紙上概念，而是已經進入實際部署階段。
4. 題材不只看表面最熱門的環節
市場常常不是最顯眼的東西漲最多。大家都知道 AI 最缺的是 HBM，也會先想到高規格 SSD，但實際上有時候表現最強的未必是市場第一眼想到的那一個，像某些 SSD 類別或 DRAM 反而可能跑得更兇。
沿著這個邏輯，現在大家都在看 server CPU，也會多想一步：如果今年筆電、手機 forecast 本來就很差，某些 consumer CPU 會不會反而在低預期之下出現意外機會。
5. 驗證方向要回頭看公司派
題材可以從報導、論文與市場訊號開始發想，但最後還是要看公司派怎麼講，因為公司派最接近真實需求與產能狀況。把幾家大公司的說法對在一起之後，CPU 趨勢就更明確了：
AMD 這邊提到 Agentic 工作流裡有大量傳統 CPU 任務；
Intel CFO 承認錯估需求，Xeon 6 目前產能受限；
Jensen Huang 也提到未來會有更多獨立 CPU 部署。
這代表 CPU 不是外部自己延伸出來的故事，而是整個產業鏈都開始往這個方向確認。
6. 受惠公司不只一家，但配置會先挑純度高的
AMD、Intel、NVIDIA 都有可能受惠，只是受惠的方式不同。AMD 持續吃 Intel 市占，成長性較強；Intel 雖然被搶市占，但在 NVIDIA DGX Rubin NVL72 的 host CPU 上仍有舞台；NVIDIA 自己在 Vera Rubin 平台裡也有 CPU 架構。
但實際配置時，還是會先挑純度高的標的，因為原本就被很多舊故事拉高的大公司，新的故事不一定推得動股價；反而是原本位置低、現在開始被重新看見的標的，更有機會被往上重估。
7. ARM 也是不能忽略的一條線
ARM 之所以值得注意，不只是因為它在 AI 題材裡有存在感，而是它在伺服器與 CSP / hyperscaler 裡的地位確實在上升。伺服器市占率已從早期不到 5%，提高到約 20% 到 25%，在 CSP 內部的占比甚至來到約 50%。
AWS Graviton、Google Axion、Azure Cobalt 200、Ampere 都是具體案例，代表 ARM 已經不是遠景，而是正在發生中的結構變化。
8. 最後的瓶頸可能還是在台積電
就算 CPU 需求方向看對了，最後能不能完全發酵，還是要看供給端。最大的變數仍是 台積電，包括製造環境、無塵室、整體產能與先進製程條件。如果後面真的需求全面放大，不排除會出現 CPU 和 GPU 搶產能的情況，這會成為整條主線能走多遠的關鍵限制。
C. 鋁價、被動元件與塑化股的延伸思路
1. 鋁價上來後，先想到供應鏈傳導
中東兩家鋁廠被炸後，鋁價開始往上走，市場自然會去想鋁價會不會沿供應鏈往下傳，從鋁箔一路到鋁電、鉭電等被動元件，形成新的漲價題材。這條線原本是值得追的方向。
2. 但這條線後來被踩了一點煞車
進一步和圈內朋友討論後，發現鋁電、鉭電雖然現在確實偏缺，但不能用沒有天花板的方式去看。後續世代裡，MLCC 加上 TLVR 電感，可能變成替代方案，所以這條線比較像短期事件財，而不是可以一路上修估值的大主線。
3. 短期看缺貨，長期看替代
如果把時間拉長到大概三年左右，鋁電、鉭電這類元件即使還能持續增長、持續帶來獲利，也很難享有非常高的估值。短期因為供給吃緊，仍有缺貨與漲價空間；中長期則要接受替代風險，市場不太可能給到很高的本益比。
4. 鋁相關供應鏈在部位裡比較像備用選項
如果戰爭拖長、原物料情緒升高，鋁相關供應鏈就可能成為一個可做的方向。這類配置雖然也是做多，但在部位裡比較像 hedge 的選項：如果戰爭升級、鋁價續漲，這些部位有機會受惠；如果鋁價掉下來，通常也代表風險緩解，手上的其他科技多單反而會更舒服。
5. 塑化股也是同一套邏輯
塑化股的思路和鋁類似，都是從地緣政治改變供應與成本結構去想。過去台灣塑化被中國壓著打，其中一個原因是中國能從伊朗拿到便宜石油，成本優勢很大；如果後面伊朗供應被卡住，中國這條線被鎖，台灣塑化就有可能相對受惠。
這同樣不是核心主線，而是戰爭延長時可以放進觀察名單的事件型方向。
QA
A. 停損與買進理由：重點不是問別人可不可以買，而是先弄清楚自己為什麼買
1. 每一筆買進都要先定義自己的理由
投資最先要搞清楚的，不是別人怎麼看，而是自己當初買進的理由是什麼。因為同一檔股票，不同人可能是用完全不同的方法在買：有人買題材、有人買價值、有人買動能。
如果連自己是用哪一種邏輯買進都沒有定義清楚，後面股價一波動，就很容易陷入不知道該續抱、加碼還是停損的狀態。
2. 題材、價值、動能，三種邏輯的處理方式完全不同
如果是 題材型買進，重點要看市場上還有沒有新的催化與故事延續。
如果是 價值型買進，理論上更便宜時反而該更有興趣，而不是跌多了才開始懷疑。
如果是 動能型買進，本來就不該等到回檔很深才處理，因為動能交易的重點就是順勢與紀律。
所以同一檔股票會不會繼續抱、要不要停損，不是看別人一句話，而是看自己原本的買進邏輯是否還成立。
3. 題材沒有延續時，股價就很難靠想像撐住
以電子紙為例，真正會去注意這類題材，通常是因為看到供應鏈、訂單或應用端有新的催化，例如電子標籤、零售場景導入、特定客戶大單等。
如果市場上已經沒有新的題材發酵，卻還是單靠「以前很紅」或「跌很多了應該會反彈」去撐住持股，通常不夠。重點還是市場現在有沒有新的線索願意繼續交易這個故事。
B. 基本面研究怎麼抓故事：不是只看產品會賣，而是看誰最能吃到增量
1. 研究故事不是只看大方向，而是拆到供應鏈各環節
如果只知道某個產品會賣，通常還不夠。真正的差異，在於能不能往下拆到供應鏈。
像 AI 伺服器，不只是知道 GPU 會受惠，而是還要拆到設計、晶圓代工、封裝測試、探針卡、板材、組裝、出貨方式等不同環節。
同一個主題裡，不同公司雖然都受惠，但受惠程度、彈性、估值空間可能差很多。
2. 找標的不只是找「有接單」，而是找「增量對它有多大」
大公司即使接到單，也不一定代表營收彈性最大。
反而有些中小型公司，雖然只供應某個小零件，但因為公司基期小，只要拿到新世代產品的一部分訂單，對整體營收與市場想像就可能很有感。
所以研究故事時，不只是看誰有做，而是看：
- 這個產品占公司營收比重多大
- 新訂單對公司成長幅度有沒有明顯拉動
- 市場願不願意給這個環節更高評價
3. 消費性產品也是同樣邏輯
像遊戲主機，不是只有「主機會賣」這件事，而是可以一路往下看組裝廠、感測元件、接頭、dongle 等供應鏈。
研究的重點不是停在「PS5、Switch 會賣很好」，而是去找哪個供應商因為吃到這個新產品循環，會出現最大營收斜率與市場關注度。
4. 基本面研究需要時間累積，也需要接受自己會想過頭
很多時候，就算方向看起來對，也可能是自己把邏輯想得太完整，實際上產業端根本不是這樣運作。
所以基本面研究不是看幾篇報導就夠，而是需要長時間累積、反覆比對，甚至要接受自己有時候會看得太早、太滿、太樂觀。
最後市場買不買單，還是會回到價格與供需，而不是只看理論上有沒有受惠。
C. 做多、做空與操作性格：選擇的方向比硬撐更重要
1. 做多的期望值通常還是優於做空
做空最大的上限，就是跌到零；做多理論上的上限則更大。
所以從長期報酬期望來看，市場裡最穩定、最常見的還是做多，而不是長期做空。這不是說空頭沒有高手，而是多頭本來就比較符合市場結構。
2. 做空比較像從已經噴起來的股票裡找錯的
做空高手的想法，通常不是從幾千幾萬檔股票裡找誰會跌，而是從已經大漲的股票裡，去找誰其實是假的、誰的故事撐不住。
也就是說，做空不是單純唱衰，而是去辨認哪些標的漲過頭、邏輯不成立，然後等市場回頭修正。
3. 如果做空長期績效不好，問題可能不是市場，而是方法不適合自己
如果一個人覺得自己做空抱得住、做多抱不住，但長期績效還是負的，那就要回頭檢查，可能不是自己天生適合空方，而是整體方法本身有問題。
因為操作性格雖然重要，但績效最後還是最直接的答案。若長期結果已經證明方法沒有優勢，就不能只靠「我比較習慣這樣做」來合理化。
4. 真正要改的，可能是抱不住好標的這件事
很多人不是選股錯，而是抱法錯。
做多時常常因為小漲、小跳空就急著賣，結果真正的大波段沒吃到；反而做空時比較能忍，才會產生自己比較適合放空的錯覺。
但如果長期來看，做空又沒有穩定賺錢，那更值得檢討的，往往是做多時的持股紀律，而不是直接把自己定位成空方交易者。
#AI整理
鋁價上漲最直接受惠：只抓美股原鋁公司
- Alcoa Corporation（NYSE: AA）
最標準的原鋁上游名單。公司官方直接寫自己橫跨鋁土礦、氧化鋁、鋁，Aluminum segment 包含 smelting，且是 leading producer of value-add primary aluminum products。 - Century Aluminum Company（NASDAQ: CENX）
這也是非常直接的原鋁股。公司公開說自己是美國 primary aluminum 最大生產商，還提到 Mt. Holly 擴產與新 smelter 計畫。
- Kaiser Aluminum（NASDAQ: KALU）
它比較偏 semi-fabricated specialty aluminum products，也就是下游加工，不是最純的原鋁出價邏輯。
MLCC 台股 / 美股
國巨（2327）、華新科（2492）、禾伸堂（3026）
Vishay（VSH）
被動元件受惠股 / 產品聚焦 MLCC 或相關電容電阻
信昌電（6173）、蜜望實（8043）、日電貿（3090）
TLVR 台股
- 臺慶科（3357）
- 穩得（6761）
- 三集瑞-KY（6862）
若把範圍放寬到 AI 伺服器高功率電感、一體成型電感與伺服器電源升級題材，市場延伸觀察名單還包括 美桀（5255）、千如（3236）、鈞寶（6155）、乾坤科（2452），以及整合奇力新電感產品線後的 國巨（2327）。
#個人想法
之前在測試訓練回測資料跟預處理的時候，跟AI討論很久，因為想試試使用GPU做訓練到底能多快，想要測試筆電的GPU到底能做些什麼，AI給的回答一直是訓練模型可以使用GPU，其他很多其實還是使用CPU就可以，如下
所以只要工作邏輯分支很多、規則很多、I/O 很多、控制流程很多，這一類的還是需要CPU。
通常 GPU 比較有優勢的
- 深度學習訓練
例如：LSTM、Transformer、CNN、PyTorch、TensorFlow - 超大矩陣運算
- 非常大的資料量，而且模型本身有 GPU 版最佳化
通常 CPU 反而更適合的
- pandas 資料整理
- groupby、rolling、merge、join
- 特徵工程
- 回測
- 小到中型的 XGBoost / LightGBM 表格資料訓練
- 很多次小模型反覆調參