#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. 金管會放寬基金持股上限與台積電
1. 基金持股上限與台積電條款
這週市場最被討論的是金管會放寬基金單一持股最大上限到 25%。這件事被直接連到台積電，因為台股中幾乎沒有其他公司能讓基金單一持股比重超過 10%，所以被視為台積電相關條款。
過去基金單一持股上限是 10%。更早以前的規定是超過就要調整，後來變成如果買進時沒有超過 10%，只是因為股價上漲導致比重超過，可以不用賣出。這次放寬後，基金未來可能可以主動配置到 25%。
2. 修章、受益人大會與時間差
雖然金管會放寬規定，但基金不一定能立刻買到 25%。如果基金原本章程或 mandate 寫的是單一持股上限 10%，就需要修改章程。
投信是投資信託，信託的受益人是買基金的人。經理人要買什麼股票和修改章程不同，修改章程可能需要開受益人大會。
金管會放寬上限後，基金要真的完成修章並提高台積電持股，可能需要三週、一個月，甚至更久。這中間會有時間錯置。主動 ETF 可能會比較快，但整體仍要看各產品的規則與流程。
修章速度也可能和受益人結構有關。如果基金持有人中有壽險或大型機構，可能處理比較快；如果受益人很分散，可能比較麻煩。基本上應該可以改，但速度不一定相同。
3. Event trade、吃基金豆腐與豆腐王
這件事被視為 event trade。大家討論資金可能多買多少台積電，是因為市場想抓這個事件。
在基金召開受益人大會、完成修章之前先買的人，就是在等後面基金可能進場，因此被形容為「吃基金豆腐」。這個事件也被形容為很少見，甚至因為政府自己拍影片說明，未來可以拿出來說自己有參與過這個歷史事件。
大家都想在基金真正買進前先卡位，因此被形容為「大家都是豆腐王」。不過這也有自己追高自己的感覺，所以這件事雖然有趣，但不是單純的基本面討論。
4. 中小股 sentiment 與垃圾盤
市場擔心的是垃圾盤，其他股票可能會被丟。前幾天中小股明顯被賣，感覺像是被當垃圾處理。
如果基金要加碼台積電，理論上可能賣的是其他大型股，不一定是小股，因為中小型股賣出金額可能不夠。但這裡重點是 sentiment，而不是實際金額是否足夠。
中小股被賣主要是 sentiment 問題。市場感受到大家可能要來買台積電，就開始提前反應。「我預判你的預判」、「我預判你的預判的預判」用來形容市場互相提前反應，並說這是一個很有意思的賽局。
過去垃圾盤的 sentiment 就是小型股容易被丟，這次看起來也很像是因為金管會放寬基金持股上限這件事引發。
如果其他基金都配到 10%，你沒有配到 10%，也會有壓力，因此基金可能會想要 pay 滿。這也是市場預期資金會往台積電靠攏的原因之一。
B. 台積電技術論壇：CoWoS、CoPoS、HBM 與後段封裝
1. 技術論壇與後段封裝焦點
台積電北美技術論壇公布公司的技術 roadmap，其中包含先進製程規劃。內容提到 A13、A12，以及 1.3 奈米、1.2 奈米等製程方向。這只是技術論壇中其中一部分。
這次市場比較在意的是 AI 應用，以及比較後段的先進封裝部分。
近期 Intel 因為 EMIB、EMIB 加 TSV 等封裝技術受到關注。有人認為 Intel EMIB + TSV 可以做到約 15 或 16 倍 reticle size，但當初展示時應該還沒有做到那麼大。這使市場開始比較 Intel 與台積電的先進封裝 roadmap，也讓大家關注 CoWoS 可以做到多大。
2. CoWoS 放大與 CoPoS 是否接棒
市場關注 CoWoS 可以做到多大。CoWoS 相關還有方形版或 panel-based 的 CoPoS 討論。原本市場猜測，如果晶片 size 要繼續往上走，可能要靠 CoPoS 這類方式接棒，才能讓曝光面積或整體晶片尺寸繼續放大。
這次台積電 CoWoS roadmap 更新到 2029 年，尺寸往大於 14 倍 reticle size 前進，並搭配 24 顆 HBM。也提到 system-level 方向可以到 40 倍 reticle size。
看到 roadmap 變大後，重點不是只看尺寸，而是要問怎麼做出來。要做這麼大的封裝，需要哪些技術細節、設備、測試與量測，才是後續關注重點。
Intel 把 TSV 加進 EMIB 後，號稱有比較大的 reticle size；台積電也公布更大的 roadmap。在大家都還沒真正做到之前，這部分有一點互相比 roadmap、看誰比較會講的意味。
如果 CoWoS 從目前約 5.5 倍 reticle size，往 2028 年 14 倍、2029 年更大前進，就會出現一個問題：原本被討論的 CoPoS 是否還需要？
CoPoS 理論上除了能做得更大，也可能比較便宜，但一定會帶來新的需求與不同流程，不管是 warpage 或其他製程都會有新問題。因此還是要繼續觀察 CoPoS 的部件發展速度、公司 capex、試產線與小產線安排。
3. PPA、客戶採用與技術取捨
CoWoS 和 CoPoS 可以互相取代，也可能同時發展，最後看哪一個比較好。
關鍵是 PPA，也就是 performance、power、area。只要效能做得出來、PPA 收益好，技術名稱本身不是最重要。
如果新技術能達到更好效能、更低功耗、更大面積、更便宜或更好良率，就可能採用。舊技術如果延伸出新的應用或新需求，也可以被關注。
目前至少從今年或去年的訊息來看，仍有往 CoPoS 發展的方向，也會研究、做試產線或比較小的產線。這件事仍存在，但最終客戶要不要用，還是要看 PPA 與實際做出來的結果。
這些東西都是做出來才知道，目前沒有答案，只有台積電與實際研發技術的人最清楚。
4. HBM、interposer 與 memory wall
為什麼需要這麼大的封裝？因為圖上畫了很多 HBM。
從 2024 年 8 顆 HBM，到 2026 年 12 顆 HBM，再到 2029 年可能 24 顆 HBM，重點就是要放夠多 HBM。
不論是訓練或推論，都需要大量記憶體與資料傳輸。這個需求目前看起來沒有停止，因此 interposer 大小變成非常重要的重點。
目前 AI 晶片角度，大家比較看後段。原因是 memory wall 仍然存在，記憶體速度與資料傳輸速度仍是瓶頸。AI scaling 到目前看起來還沒有停下來，因此暫時重點會落在後段封裝、HBM、interposer、資料傳輸等方向。
C. 大尺寸封裝的設備、量測、光罩與材料
1. 既有設備變多與新設備導入
如果 CoWoS 尺寸變大，可能帶來兩種設備需求。
第一種是既有設備單純變多。這也可以受惠，但如果其他條件不變，增幅可能不會那麼高。
第二種是新增設備或新製程導入。以前沒有用，現在因為封裝變大需要導入，這種新產品會是市場更關注的重點。
2. Warpage、貼膜、壓平與量測
封裝做大後，最直白的問題是 warpage，也就是翹曲。
Warpage 有很多控制方法，例如貼膜、想辦法壓平等。這類解法是市場期待的方向。CoWoS 做大會有 warpage，CoPoS 做大也會有 warpage，只要封裝尺寸變大就會遇到。
要知道晶片是否翹曲，就需要量測。以前可能不用那麼頻繁量測，現在可能每做一段流程就要量一下。因此除了 warpage control 之外，量測需求也會變多。「量大幅增加」也是市場正在看的方向。
3. 光罩、coating 與玻璃材料
討論大尺寸封裝時，也提到光罩數量是否會更多。不過對這點的看法是「這倒還好」，沒有把光罩數量列為最主要的觀察重點。
除了 warpage 和量測之外，也提到圓形變方形後，coating 塗布方式不一樣。這也是 panel-based 或方形製程可能帶來的製程變化。
材料也可能有變化。玻璃基板先前有討論過，但目前進程更早期，不是那麼容易做，很多仍在科研階段，或者已經研究很久但還未明確量產。
Intel 重新被討論後，玻璃與相關材料也可以再被拿出來討論，但會不會用、用起來怎麼樣，目前仍不確定。
4. Warpage control 題材股
有新櫃股因為做 warpage control 題材而大漲，從 340 元到最高接近 3000 元，漲幅非常大，這個月也漲了快一倍。
這裡沒有直接點名公司，因此正式整理不直接寫特定公司名稱。
這類技術不會只有單一公司能做，也有其他本土公司與外商在做。後續仍要看有沒有進入實際製程，以及使用起來的 performance 怎麼樣。
D. 台積電前段製程與技術細節
1. N2 版本、背面供電與 High-NA EUV
除了封裝，台積電前段也講了很多。前段比較複雜，有很多產品線。
N2 有加強版，也有更高級版本。同樣是 N2，不同版本 performance 不同，高級版本 performance 比較好，但價格也比較貴。
背面供電 BSPDN 也是關注重點。這項技術不是每一代都有，而是跳代放進 roadmap。這代表背面供電雖然重要，但導入節奏不是每一代都固定使用。
EUV 也是市場關注重點。高階 EUV 設備很貴，因此越晚使用，可能越有利於獲利表現。台積電何時導入高階 EUV，是市場會看的技術與成本議題。
2. GAA nanosheet、NanoFlex 與晶片供電
GAA nanosheet 也有進階版本，台積電公布了 NanoFlex 相關技術。這可能可以把長 cell 和短 cell 放在一起，屬於比較細節的技術內容。
前段技術裡也提到晶片供電、背面供電或類似超級電軌的變化。這類變化很大，甚至可能把外部部分 PMIC 的功能拿掉，因此也是市場關注的重點。
微縮一直是市場關注的主題，但可以再看的是微縮速度是否放緩。這也是台積電技術 roadmap 中大家會觀察的方向之一。
E. Google TPU、聯發科與推論／訓練分工
1. TPU 8T、8I 與聯發科
上一集提到 Google 發表 TPU 8T 與 TPU 8I，這集補充更多細節。
這個案子和聯發科有關，市場也因此注意聯發科股價。聯發科股價一直漲，覺得很神奇。
Google 這次兩顆晶片使用不同 topology，也就是不同網路結構。一個是 3D Torus，一個是 Dragonfly 類型 topology。
這兩個 topology 的意義是，一個適合訓練，一個適合推論。也就是說，不只是晶片不同，連架構也分開。NVIDIA 看起來也有類似方向，推論是一種晶片，訓練是另一種晶片。
2. OCS、Gemini、Claude Code 與 OpenAI Codex
OCS 是 optical circuit switch，光交換機。過去 Gemini 有一陣子很強時，市場曾經大量討論 TPU 加 OCS 的方案，認為 Google 的優勢很強。
但幾個月後，這類討論變少。近期大家比較多使用 Claude Code，也有人轉去 OpenAI Codex。這也反映 AI 市場變化很快，三個月就可能有很大變化。
這週也有一則新聞提到 OpenAI 去年的營收或使用者數沒有達標。美股曾因這篇報導跌不少。這也被放在 AI 市場變化很快的脈絡中一起討論。
3. 推論 topology、first token latency 與 hop 數
OCS 過去需要跳很多次，也就是 hops 很多。跳越多次，速度越慢，這很直觀。
過去的 mesh 或 cube 結構不是一個 rack，而像一個大方塊。每次要連到外面，都可能要經過很多轉接點。這樣的架構在訓練上沒有問題，這就是 3D Torus，但在 inference 推論上會有問題。
推論很重視 first token latency，也就是第一個 token 出來的速度。LPU 與 first token latency 的重點，都是推論速度要快。
如果 topology 需要跳很多次，就算其他地方加大一點，也未必有用。因此 Google 在推論用的 topology 上做了改變。
Google 推論架構改用 Dragonfly 類 topology。這個 topology 來自 Google 過去論文中的網路概念，看起來像大家圍成一圈開會的感覺。
原本 3D Torus 可能要跳約 16 次，改成 Dragonfly 類 topology 後，可能只要跳 6 到 7 次。這樣在推論上比較有優勢，也就是回答 AI 問題時反應更快。
推論與訓練已經變成兩種完全不同的生態。Google 為此做了不同架構，NVIDIA 也在做相關努力。目前還沒看到 AWS 或其他公司完整推出。
F. AI data center 專業化、CPU 與 agentic AI
1. Data center co-design 與訓練／推論分工
AI data center 不再只是晶片設計，而是出現更極端的 co-design。
過去大家覺得 ASIC 是為某一種特殊應用設計的晶片，現在不只是晶片，switch 也可能是 ASIC，而且 switch 也可能因某些特殊應用而改。甚至整個架構、整個配置都可能改變。
過去可能只說某家公司是 AI 晶片受惠，但接下來要更細分：這家公司是在推論比較有幫助，還是在訓練比較有幫助。
有些需求比較不變，例如電力，不管訓練或推論都會需要。HBM、先進封裝也可能兩邊都需要。但 ASIC、switch 這些部分，可能因推論或訓練而有不同。
就 Google 與 NVIDIA 這兩個事件來看，表面上看到的是網路架構不同。實際上還有其他差異，例如 agentic AI 時代下 CPU 的不同。
2. CPU、GPU 配比與 solution 採用
Intel 法說會有提到 CPU，NVIDIA 也有一櫃全部是 Vera CPU 的配置。CPU 與 GPU 的配比，是過去已經多次提過、也曾寫過文章的主題。
現在要看的是增幅，以及哪些是真正新增。CPU 目前看起來是短料，而且是非常非常短的短料。
在不同 topology 架構下，如果每顆晶片由不同公司提供，計算受惠程度時就會有差異。市場會比較誰比較好、誰比較差。
最後仍要看誰的 solution 被採用。整個架構推下來會變得很巨大，CPU、GPU 在其中各自扮演不同角色。
3. 產業越分越細，研究難度變高
產業會越分越細。以前很多東西比較 general，現在看起來有各式各樣的應用，大家要計算時會更麻煩。
可以去了解未來如果推論越來越重，甚至進到 agentic AI，有沒有什麼東西是比較還沒被發現的。
現在看硬體也要懂軟體，以前看硬體不用懂 switch，現在什麼都要懂一點。NVIDIA 某些設計甚至和演算法有關。
研究難度變高，而且速度變很快。兩三個月就可能出現新東西，需要再研究，也需要專家解釋與到處了解。
4. Agentic AI 對 memory 與 storage 的額外需求
從 DRAM 延伸到 storage 或 memory 需求。Agentic AI 每次呼叫 agent 的中間都要塞很多資料，因此可能造成額外需求。
目前這個增幅還沒辦法量化，也不是很確定會大到什麼程度，但已經有人在討論。
以前計算 inference 需求，可能是算 inference 幾次、一次吃幾個 token。但 agentic AI 不同。如果 agent 呼叫好幾次 sub-agent，或 agent 本身呼叫多個 agent，每次都要吃一次上下文。
像使用 Claude Code 時，會一直噴 token。假設每次都用全部全文丟進去，就會反覆存放資料，吃掉更多 context。
這可能造成額外增幅，也可能是過去在 inference 時代沒有算得那麼仔細的地方。Agentic AI 仍在發展，所以還有很多東西可以研究。這裡沒有把增幅定量，只是指出這個方向值得看。
G. 愛德萬法說會與 AI 測試設備
1. 愛德萬、泰瑞達與測試機瓶頸
愛德萬主要做半導體測試設備，主要競爭者是泰瑞達。這兩家公司是測試機的重要廠商。
這兩週愛德萬開法說會，節目直接討論它對台股的影響。
愛德萬法說會中，市場最關心的是擴廠速度。愛德萬被視為一個瓶頸，因為它在測試機市占率非常高，去年約 50% 多，今年提高到 60% 多。
很多人在算封測廠產能時，會用愛德萬測試機產能來推估。
2. AI 晶片測試時間變長與 V93000 擴產
AI 晶片測試時間變長，導致需要更多測試機。測試時間變長，要買更多機台，愛德萬就受惠。
愛德萬原本產能規劃是 5000 台，逐步擴到 7000 台，再擴到 10000 台。這次直接提到要擴到 10000 台。
V93000 被提到是 AI 測試晶片需求強的訊號。這是 AI 測試缺到爆，各種產能都出現瓶頸，也代表 AI 需求訊號仍強。
愛德萬擴產釋放的是 AI 需求強的訊息，而且持續上修。不過也提到，其他人可能會說大家都很棒，但仍要看業績有沒有達到市場預期。
3. 台股相關族群與封測廠擴產
跟愛德萬搭配的廠商也會受惠，包括移機、設施設備、handler 等相關供應鏈。
台股相關族群包括測試廠、高架股、移機、handler、設備與設施相關公司。高架股通常和愛德萬搭配較近，也提到移機可能和傑創相關。
客戶端則包含測試與封測廠，例如日月光、京元電、矽格等。
這些測試與封測廠都在積極擴產。背後原因來自晶片需求增加、晶片越來越大、測試時間越來越久，因此整條鏈需求都變大。
晶片種類也變多，玩法越來越多，而這整個 team 很集中在台灣。
H. 台股高度、成交量、居高思危與長短料風險
1. 台股 4 萬點與成交量變化
台股一度碰到 40194 點。錄音時台股回到約 39300 點附近，但仍曾經觸及 4 萬點。
這被形容為非常刺激，也讓人想到 2020 年時市場還在討論什麼時候會跌破萬點。
過去曾討論台股日成交量只有 500 億，現在有一天成交量達到 1.4 兆。漲上來成交量一定會變多，但現在的量級仍讓人覺得很驚人。
晶片需求增加、晶片越來越大、測試時間越來越久，晶片種類也變多，玩法越來越多，而這整個 team 很集中在台灣。台股市值排名可能已經第五或第六，甚至好像超過英國與加拿大，因此被形容為台灣真的太強。
2. 新機會很多，但要居高思危
這集講了很多接下來的發展機會，包括偏向推論後可能出現的新東西、台積電更大的 CoWoS 與新技術、愛德萬測試機供不應求並擴產。
這些都代表市場還有很多新東西可以看。
雖然目前聽不太到什麼壞消息，但仍要居高思危。通常突然出現某個事件，讓全部東西 pending，就可能成為最大風險。
引用彼得林區的說法，大家賠錢常常不是因為公司不成長，而是大家非常看好，結果雖然公司還是成長，但成長不如預期。這時候往往虧損最多。
3. 長短料與台積電 event trade
長短料是值得關注的問題，而且需要很關注。一旦長短料出現問題，不要以為最缺的東西就能獨自不跌。
到時候如果市場下跌，通常是大家一起跌。因為不管某個零組件多缺，市場仍會下修整體獲利，整體氛圍不好時，多缺的東西也會跌。
在各大投信把台積電買好之前，台積電可能仍有支撐。至少台積電可以撐，中小型股在這個狀況下比較有壓力。
這是一個 event trade，在接下來兩三週可能很難跌，但也只是美好想像。現在很難說，還是要注意不要被先知先覺的人提前反應，最後仍要居高思危。
#可以拿此集跟股癌EP656~EP658都丟給AI去整理互相的共同點跟不一樣的觀點，還有可互相的延伸，自已是有這樣做，但是內容超多，看到後面…也看不下去，反正就是買一些大型的股票在買一些測試類的應該就差不多了。