股癌 EP664 筆記 2026/05/23 TPU、高階被動元件

#個人整理一定會有不完整或理解錯誤，請以Podcast的內容為主。

股癌 EP664 筆記 2026/05/23

A. AI 算力投資循環

• Anthropic 接近獲利，代表連最燒錢的模型商都有機會轉正，AI 泡沫論與硬體投資即將停止的說法受到挑戰。
• Colossus One 算力出租顯示，AI 設備不只靠自家模型賺錢，也能透過出租算力快速回本。
• 只要算力供不應求，AI 晶片、伺服器、資料中心、光通、被動元件與電力組件需求都還有延續性。

B. Google TPU 與外銷路線

• Google 與 Blackstone 推 TPU cloud，讓 TPU 以類似 NeoCloud 的方式對外提供服務，降低模型廠直接使用 Google Cloud 的疑慮。
• TPU 需求從 Google 自用擴大到外銷，life cycle 角度約是 3 份自用、1 份外銷，成長速度比市場原先想像更快。
• TPU 外銷路線打開後，Google TPU supply chain 重新值得注意；同時也可能壓抑部分 NVIDIA NeoCloud 或晶片業者估值。

C. 產能搶奪與戰略物資化

• AI 算力競爭的核心回到產能，誰能拿到更多晶片，誰就能更快鋪出 cluster，將算力需求轉成收入。
• 晶圓代工、記憶體、光通都已經具備戰略物資特性，後續可能擴散到 OSAT、電力組件與其他關鍵零組件。
• NVIDIA 包雷射產能的邏輯，是先卡住關鍵供應，讓對手買不到、做不出來，這種做法可能在更多零組件上出現。

D. 被動元件與 AI Power 題材

• 被動元件已經成為市場核心，MLCC、鋁電容、電感、電阻與通路商全面噴射。
• 真正值得追蹤的是 AI power 相關缺貨品項，包括 47μ、22μ、高壓 MLCC、鋁電容、牛角電容、SP-Cap、功率元件與功率半導體。
• AI data center 功耗提升、Vera Rubin 換代、Google TPU cluster、power rack、HVDC 都會推升相關元件用量與規格。
• 被動元件真正缺貨可能在下半年量產、Vera Rubin 換代與 GB300 拉貨潮更明顯，但市場已經提前反應，中間可能存在空窗期。

E. 題材擴散與風險

• 全面起漲時會有跟風標的一起被帶上去，但不能只用高階、低階判斷誰會受惠。
• 真正要分辨的是：最缺且有議價權的產品、被產能排擠而漲價的產品，以及只是恐慌備貨的消費級產品。
• 回檔後市場會重新檢驗誰是真的受惠、誰只是跟風上漲。

F. 操作想法

• 題材前期重基本面，拉出去後更看重資金投票、線型與五日線。
• 噴射段不必過度糾結細節，回檔後再回頭確認真缺貨與基本面。
• 這次沒有依原本節奏減碼，主因是行情太強、許多部位已拉出成本；整體仍樂觀看待未來。

完整內容

A. AI 投資循環

1. Anthropic 獲利

Anthropic 接近轉為獲利，是這集最重要的 AI 訊號之一。雖然這個數字可能有上市前美化的成分，但這種全球都在關注的公司，如果數字太誇張，後續也很難完全藏住。

重點在於，模型商原本被認為是 AI 產業裡最燒錢的一環，但現在連模型商都有機會轉正，代表 AI 泡沫論與「硬體投資快要停止」的說法會受到挑戰。

當市場看到最燒錢的公司也能賺錢，就會更願意加大投資，去追求未來報酬。

2. Colossus One 算力出租

xAI / Grok 後續發展沒有那麼順利，所以馬斯克選擇把 Colossus One 算力出租。這件事跟 Anthropic 獲利放在一起看，對 AI 硬體需求是強心針。

如果自家模型做得起來，可以直接賺錢；如果模型暫時轉不出獲利，也可以把算力租給別人。原文提到，Colossus One 的巨額投資可能約 1 到 2 年回本，代表目前算力供不應求，AI 設備本身就有很高的商業價值。

3. 硬體需求延續

Anthropic 轉獲利、Colossus One 算力出租，兩件事都指向同一個方向：AI 硬體需求應該還會持續一段時間。

只要市場相信設備買了能賺錢，不管是自用還是出租，AI 晶片、伺服器、資料中心、晶圓代工、光通、被動元件、電力組件就仍會被持續拉動。

B. Google TPU

1. TPU Cloud

Google 與 Blackstone 合作推動 TPU cluster / TPU cloud，代表 Google 直接下場競爭，對手包括 NVIDIA、AMD、Intel、其他 ASIC 業者與 NeoCloud。

過去如果模型廠要使用 Google Cloud 的 TPU cluster，可能會顧慮資料是否被 Google 看到，或是不想直接綁在 Google 雲端環境。這次透過第三方合作形式推出，類似 NeoCloud，會讓部分模型廠更有動機把開發放到 TPU 上。

這對 Google 是很大的好消息。

2. TPU 自用與外銷

從原文提到的 forecast 來看，TPU 未來用 life cycle 角度估，可能約是 3:1，也就是 3 份自用、1 份外銷。

這個比例拉得很快。去年中市場還有人不相信 Google TPU 會外銷給 Anthropic，現在 TPU 外銷已經變成市場共識，只是市場沒有想到速度會這麼快。

因此後續 Google TPU supply chain 可以重新注意，因為除了 Google 自用，外銷數字也很可觀。

3. 對 NVIDIA 生態的影響

TPU cloud 可能也是過去一段時間壓制部分 NVIDIA NeoCloud 或晶片業者估值的原因。因為 TPU 透過大金主與第三方平台合作後，外銷路線有機會快速打開。

這不代表 NVIDIA 或其他業者的營收成長會被直接打掉，因為 AI 算力市場仍然很大。但多一個強力競爭者，部分公司的估值可能會被壓制。

反過來，如果是 Google TPU 供應鏈，這就是利多，因為除了自用需求，外銷也會成為新的成長來源。

4. 產能競爭

後續競爭會回到最上游：誰能拿到更多晶片，誰能更快把 cluster 鋪出去，誰就能把算力需求轉成收入。

Google 要推 TPU cluster，其他晶片業者也在做類似事情，所以競爭核心會變成產能。誰能拿到更多產能，甚至願意加價搶產能，誰就有機會把後面的錢轉出來。

原文提到 Gavin Baker 的說法：如果 TSMC 產能全開、大幅擴產，NVIDIA 營收會更好。但也因為產能受限，晶圓代工廠某種程度上變成 AI 泡泡的限制器，讓 AI 投資沒有那麼快進入泡沫。

C. 產能搶奪

1. 晶圓代工壓力

現在越來越多競爭者進來搶 AI 算力市場，而且都準備拉大量，壓力會回到晶圓代工端。

後續可能看到客戶要求 Intel 更快把東西做出來，即使目前可能只有後段表現較好，前段也可能有人願意出錢推進。也可能看到客戶找 TSMC 或其他既有業者，願意包產線、預付款或分攤成本。

2. 搶晶片就是搶市場

以前市場只知道 Google 要外銷 TPU，但不知道動作會這麼大。現在重點變成：誰拿到更多晶片，誰可以更快鋪出 cluster。

如果能鋪出 cluster，就有機會複製 Colossus One 的案例。即使自家模型不一定成功，也可以把算力賣給別人或租給別人。

因此產能搶貨會更嚴重，而且不只發生在晶圓代工。

3. 包雷射產能

過去在光通這邊已經注意到，NVIDIA 包下一些雷射產能。即使按照既有產品推算，可能用不到這麼多，NVIDIA 還是先包下來。

這裡的邏輯是：自己先包，對手就買不到；對手買不到，產品就做不出來。

這種做法後續可能會出現在更多零組件上。

4. 戰略物資擴散

記憶體已經是戰略物資，搶得到記憶體才代表東西做得出來。晶圓代工也是戰略物資。

接下來，光通、OSAT、電力組件也可能出現包廠、投資、搶產能。因為只要知道產品做出來就能賺錢，廠商就會去卡關鍵原料與關鍵生產環節。

卡住這些關鍵環節，就等於把對手擠出去。

D. 被動元件

1. 市場核心

被動元件現在已經是市場核心。前面市場還有人不相信，現在幾乎已經變成共識。

本週有台灣高壓 MLCC 廠商對外表示，目前還沒有漲價，但不排除跟著業界領頭羊一起漲價。原本有人覺得公司說法太老實，因為市場更想聽未來漲價；但隔天股價仍然漲停，強度超出很多人預期。

2. 全面噴射

目前被動元件是全面噴射，包含：

MLCC、鋁電容、電感、電阻、通路商。

這些標的全部都在漲。短線大噴時，不一定要想太多，可以先看線型處理。但後面如果回檔，再進入第二波、第三波，就要重新分辨哪些是真正 bottleneck、真正缺貨、真正有供需失衡。

3. 47μ 與 22μ

原文特別提到 47μ 與 22μ。
其中 47μ 已經缺到爆炸，主要是在 春田 跟 Senko 這邊。22μ 也可能開始出現類似情況。

這些是比較明確的缺貨品項。如果後面題材從全面噴射轉成濃縮，市場可能會回頭鎖定這些真正缺的料。

4. 高壓 MLCC

高壓 MLCC 的需求來自 AI data center 功耗提升。未來 data center 建置需要更大的 power rack，用量會變多，規格也會提升。

不管是 NVIDIA Vera Rubin 換代，或是前面提到的 Google TPU cluster，整體 power 用量都會增加。功耗越高，相關元件用量越多，價格與規格也會往上走。

5. Power rack

市場講 AI 主題時，常看 NVIDIA Vera Rubin 板子、substrate、UBB 上用了什麼，但有些機會不一定在最被關注的主板上，而是在旁邊的 power rack。

高密度 AI 機櫃會把 power 相關東西拉到旁邊的櫃子，這個 power 櫃裡有很多賺錢機會。被動元件前面被忽略，就是因為市場沒有想到 power 櫃會用到這麼多東西。

6. 鋁電容與牛角電容

被動元件不只有 MLCC。鋁電容在市場上比較難懂，因為 2018 年大家炒過 MLCC，所以很多人一講被動元件就只想到 MLCC。

但鋁電容目前也很缺。通路法說提到 snap-in，也就是牛角電容。原文提到，從日商那邊也看到牛角電容需求非常龐大，目前所有廠商加起來，產能仍然不夠。

鋁電容是市場比較少人看懂的東西，雖然股價已經有反應，但相較國際市場，台灣部分標的原文認為應該還可以更有表現。

7. SP-Cap、HVDC 與功率元件

如果後續題材濃縮，較值得注意的是：

高壓 MLCC、最高階 AI 用 MLCC、鋁電容、SP-Cap、牛角電容。

這些產品與 AI 換代、高功耗晶片、HVDC、power rack 有關，會讓用量變大。除了被動元件，功率元件與功率半導體也會被 AI power 架構拉動。

8. Vera Rubin 與 GB300 時間點

這段原文是在被動元件題材裡講的，不應該獨立拆出去。

被動元件的缺貨，理論上應該是在 Vera Rubin 換代時更明顯發生。但市場已經提前發現，所以股價先衝。

真正缺貨時間可能落在下半年量產，尤其可能跟 GB300 最大拉貨潮重疊。中間可能有空窗期，因此不確定股價會不會一路漲過去。

如果後面出現回檔，就要回到基本面，分辨哪些是真的缺，哪些只是跟風漲。跟風漲的如果追太多，就有受傷機會。

E. 題材擴散與風險

1. 全面起漲會有跟風

全面起漲、開始做迷因時，一定會有一些跟風標的一起被帶上去。

但原文也提醒，不要太早認定某些料一定沒用，因為供需失衡時，原本不被看好的東西也可能突然變得很甜。

2. Legacy 產品可能反而變甜

記憶體就是例子。大家通常認為 HBM 是最好、最貴、最核心的東西，DDR4、DDR3 是比較低階的料。

但當產能都往高階產品集中時，低階 legacy 產品供給被排擠，反而可能漲價。甚至可能出現 DDR4、DDR5 毛利跑贏 HBM 的情況。

這種劇本在被動元件裡也有可能發生，所以不能只用產品高低階來判斷誰會受惠。

3. 三層受惠順序

原文的分類方式是：

第一層是最缺的產品，因為最缺，所以議價權最好。

第二層是因為廠商把產能轉去做第一層產品，導致其他產品供給被壓縮。即使那些產品原本市況普通，也可能因為瞬間供需失衡被帶動漲價。

第三層是偏消費級產品。消費市場目前沒有那麼好，這類產品可能只是恐慌備貨。等備貨結束後，如果沒有終端需求支撐，價格可能漲不上去，甚至回落。

4. 回檔後重看基本面

全面大噴時，市場通常先亂買，資金先進來做迷因。
但回檔後，市場會重新分辨：

誰是真的受惠、誰的營收會反映、誰只是跟風。

所以這段不是說基本面不重要，而是題材不同階段要看不同東西。噴射段可以看線型；回檔後，基本面會重新變重要。

F. 操作想法

1. 前期看基本面

題材還沒被市場看懂時，會花比較多時間研究基本面，例如哪一種電容、哪一種 MLCC、哪一種料是真的缺。

這個階段靠基本面找市場還沒反映的東西。

2. 拉出去後看資金投票

當題材已經拉出去，市場注意力都放上來後，基本面研究相對沒有前期那麼重要。不是不用看，而是市場上很多資金已經在高效率研究同一件事。

中國已經高價找台灣業內開專家會議，因為他們也注意到這個題材。中國的 江海股份 最近大漲，日本的 Nippon Chemi-Con 也大漲十幾趴。

當各地市場都在研究同一件事，股價就會變成資金投票。若後面回檔後又轉強，這種市場共識原文會比較相信。

3. 五日線

身邊前輩提到，東西拉出去後，不太會一直糾結短期基本面，而是直接看線型，例如五日線有沒有跌破，來決定加碼或減碼。

也就是題材前期重基本面；題材噴出後，重點變成線型與市場共識。

4. 這次沒有減碼

照前幾集分享的做法，某些位置理論上會是減碼點。但這次沒有減碼，原因是行情太強，太多東西都已經拉出成本，所以選擇先放著。

如果只是小幅殺回來，可以接受；如果殺更多，再砍也可以。

這次很多人熬過一開始不小的下修，後面又直接創新高，所以原文形容這是一個非常恐怖、非常瘋狂的行情。

5. 對台股後續的心態

身邊朋友開始討論，這波走完後，台股會不會接下來 3 到 5 年沒有題材。

AI整理

1. AI 算力變現 / 算力出租

這個題材的企業範圍很集中，因為能大規模買 GPU / TPU、建 AI cluster、再把算力賣出去或出租的公司，主要是美國大型雲端商、AI lab、NeoCloud 與基礎建設資本方。

2. Google TPU 供應鏈

Google TPU 目前最明確的核心是 Google、Broadcom、台積電。聯發科是重要新增變數，但確定性低於 Broadcom，可標成「下一代 TPU 合作 / 市場關注」。

2-1. TPU 核心 ASIC

2-2. TPU 周邊供應鏈

Google TPU 題材可以分成兩層：第一層是 ASIC / TPU 本體，包含 Google、Broadcom、聯發科、台積電；第二層是 TPU cluster 周邊，包含封裝、PCB、伺服器、power、散熱、光通。

3. AI 產能戰略物資

這一題材可以分成四個階段：晶圓、記憶體、光通、power / 被動元件。

3-1. 晶圓 / 封裝 / 測試

AI 產能瓶頸不只在晶圓本身，也可能延伸到 lasers、PCB、封裝與其他鄰近供應鏈。

3-2. 記憶體 / HBM / Legacy memory

不是只有 HBM 會受惠，DDR4、DDR5、specialty DRAM、NOR 也可能因供給被擠壓而重新定價。

3-3. 光通 / 雷射 / Optical PCB

光通題材除了 TSMC 與 AI chip 之外，也要注意 lasers、optical transceiver PCB lead time，以及 NVIDIA 包雷射產能後造成的供應鏈卡位效果。

4. AI Power Rack / 電力零組件

這是 EP664 裡最值得延伸的新題材。市場以前看 GPU、UBB、substrate、HBM、光通，現在 power rack 裡的東西開始變重要。

4-1. Data center power / cooling / rack infrastructure

4-2. Power rack 裡可能被市場低估的零件

Power rack 題材可以整理成：UPS、PDU、busbar、switchgear、power shelf、PSU、rectifier、HVDC、800VDC、power semiconductor、passive components。

5. 被動元件：細分零件與對應公司

這裡要分成「真缺貨主線」與「可能跟風擴散」。高階、高壓、車規、工規、AI server 用 MLCC 不容易切入，也不是短期能快速擴產；一般消費級 MLCC 比較容易被當成跟風題材。

5-1. 高壓 MLCC / AI 用 MLCC

高壓 MLCC / AI 用 MLCC 是被動元件裡最接近真缺貨主線的類別。

5-2. 47μ / 22μ 高容量 MLCC

5-3. 鋁電容 / Snap-in 牛角電容

Snap-in capacitor = 牛角電容，是這集被動元件裡非常重要的特別品項。AI power rack、server power、工業電源、資料中心電力架構升級，都可能讓鋁電容與牛角電容需求放大。

5-4. SP-Cap / Polymer capacitor

SP-Cap 可放在 AI server power stability、GPU board、power rack、高頻低 ESR 電容題材裡。

5-5. 電感

電感要分高階與一般品。AI server power、VRM、高電流、低損耗產品比較值得追；一般消費級電感容易跟風。

5-6. 電阻 / 電流感測電阻

電阻比較像全面噴射時一起被帶到的品項。如果是精密電阻、電流感測電阻、工規 / 車規，關聯度較高；一般電阻要小心跟風。

#個人想法

被動元件要等回檔真的是很難熬，因為不知什麼時候會下來，所以還是先貪心一點前面這裡忍著不賣，前幾集說都沒漲，現在終於漲停回來了。如果是照記憶體的話，我記得是通路商會晚個一到兩個月再補漲?不知被動元件是否也會一樣，不過看蜜望實是同時就漲上來了，那會不會反過來先回檔?以上我亂猜的。
如果被動元件之後做回檔的話應該是要注意MLCC?因為比較難說要切入就切入吧。

另外TPU需求大的話 ，CPU也要跟著要需求，那ARM的需求只會越來越大吧。

然後POWER的話會不會是HVDC，記得之前有炒一段時間HVDC，不過是偏重電題材，但是問了一下AI，想找比較純的HVDC的股票得出的如下，好像也都是漲的很高了，所以可能我的想法有錯，不然就是還會在更高!!

如果市場往更細的 power rack 零件拆

1. power shelf / PSU / rectifier：台達電、光寶科、群電、康舒、Vertiv（VRT）
2. PDU / busbar / switchgear：Vertiv（VRT）、Eaton（ETN）、Schneider Electric、ABB
3. HVDC / 800VDC：ABB、Vertiv（VRT）、Eaton（ETN）、Schneider Electric、台達電
4. 功率半導體：Infineon、ON Semiconductor（ON）、STMicroelectronics（STM）、Wolfspeed（WOLF）、Navitas（NVTS）、強茂、朋程、富鼎、杰力