#個人整理一定會有不完整或理解錯誤，請以Podcast的內容為主。
前導
A. Computex 與 AI 基礎建設
- Computex 最大市場焦點是黃仁勳點名 Marvell 可能成為下一個兆元企業，帶動 Marvell 股價大漲，也讓市場重新關注 AI data center 連線、DSP、ASIC 與光通訊題材。
- Marvell 演講主軸放在 rack 內、跨 rack、data center 內部與 data center 之間的資料連線，核心方向是光通訊；雖然 NVIDIA 仍強調銅線能用就用，但光的成長速度與產業共識正在拉大。
- NVIDIA 發表會中，Vera Rubin 已是熟悉 roadmap，較值得注意的是 Spark / N1X 相關地端 AI 產品，代表 NVIDIA 從 GPU、whole rack solution，進一步走向 AI PC / laptop solution。
- AI PC 被視為第二次挑戰，前一波 Qualcomm 高通筆電體驗不佳，地端 AI 還不成氣候；這次要觀察算力、軟體與開源模型進展後，是否真的能讓部分 AI 任務落到地端。
- Snowflake 相關討論帶出開源模型、地端模型與 data lake 的關係：若開源模型逐漸滿足多數需求，部分任務可能從雲端轉到地端，但高階 data center 需求仍會存在。
- AI PC 若銷量改善，因 ASP 較高、用料較好，可能對晶片、板材、被動元件與其他零組件形成支撐，抵消部分傳統 PC / NB 疲弱。
B. 市場資金與題材輪動
- NVIDIA 與 TSMC（台積電） 都是 AI 供應鏈大龍頭，但市場資金在多頭氣氛中更偏好追逐 Marvell、光通訊等跑得快的小標股。
- 這波行情目前比較像資金充沛下的估值推升，真正新的上修動能仍需要技術突破或財務數字重新往上調。
- 被動元件開始橫盤整理被視為健康現象，因為題材若一路急漲，容易進入處置、加碼受限，後續結束時下殺也可能更重。
- 以指數前面上漲斜率來看，今年市場仍偏多；過程中會有修正與盤整，但直接終結多頭的機率看起來不高。
- 操作上不一定每次都要切換題材，重點是穩住心態、處理好部位，至少取得市場平均報酬。
- AI infrastructure 競爭已經從單一 GPU 或 ASIC，轉向 total solution；NVIDIA、Marvell、Google 與 NeoCloud 的討論都被放在這個方向裡看。
完整內容
A. Computex 與 AI 基礎建設
1. Marvell 被黃仁勳點名
Computex 是這週台灣市場的年度大盛會，目前主要先觀察各家公司 CEO 的演講內容。市場最大震撼點，是黃仁勳提到 Marvell 可能成為下一個兆元企業，讓原本股價表現相對慢的 Marvell 直接大漲。
這件事無法事前完全預期。Marvell 在 DSP 方面表現不錯，但在 ASIC 方面仍然還在發展路上，明確度沒有像 MediaTek（聯發科） 或 Broadcom（博通） 那麼高。這次股價被快速拉出去，主要是因為 NVIDIA 與 Jensen Huang 的加持，也顯示股票有時會出現超出原本想像的發展。
Marvell 是過去挑戰過幾次的標的，前面幾次雖然有掌握到一些 ASIC 案子可能帶來貢獻，但最後都沒有真正反映出來。這次原本可能只是某種程度的預期反應，差別在於市場願意把估值推到哪裡；結果因為 NVIDIA 的加持，股價直接被拉出去。
2. 光通訊與資料中心連線
Marvell 的演講主要強調 AI data center 的資料連線，包含 rack 內、跨 rack、data center 內部，以及 data center 與 data center 之間的連線。核心概念是：光通訊是勢在必行的發展方向。
NVIDIA 仍然強調，只要銅線還能使用，就會盡量使用銅線；但目前看起來，光通訊的成長速度與未來發展可能性正在持續拉大。從過去的 pluggable optics，到現在市場熟悉的 CPO，雖然實際營收貢獻還沒有大量進來，但 Computex 演講與產業 feedback 已經讓光通訊形成強烈共識，後續資金可能再次往光的方向移動。
3. NVIDIA 發表會與地端 AI 產品
NVIDIA 發表會中，Vera Rubin 已經是過去 roadmap 裡熟悉的內容，沒有太多新的驚喜。比較值得注意的是 Spark 相關產品。轉錄中的「DJX Spark」依上下文修正為 NVIDIA Spark / DGX Spark 相關地端 AI 產品。
這個產品偏向地端 AI，與 N1X 這條線有關。節目中提到，同一顆晶片可能有不同產品線，例如高階筆電、處理器、車用等不同 spec，代表 NVIDIA 從提供 GPU，進一步走向提供整台 laptop solution 的方向。
這也可以看成 AI PC 的第二次挑戰。前一兩年 AI PC 推出時，最後是雷聲大雨點小；現在要觀察的是，經過算力堆疊、技術加強與軟體優化後，AI PC 是否有機會產生新的可能性，讓使用者用 offline 的方式使用開源模型，省下大量 token fee 或傳輸成本。
過去第一批 Qualcomm（高通） 筆電的使用體驗並不好，地端 AI 使用上基本不成氣候，比較像有趣的小玩具，不能拿到實戰中操作。現在看起來有機會往實用方向前進，但還需要實際測試新的筆電，才知道距離真正可用還有多遠。
4. Snowflake、開源模型與地端模型
最近在寫 Snowflake 相關文章時，有 Snowflake 員工分享他們的運作模式。使用者提出問題後，前段可能交給大型語言模型處理，用來理解語境；後面整理與 parse 資料時，則用到 Snowflake 自己的 data lake 與內建模型。
因此，Snowflake 能賺到的主要是在後段資料處理；前面語境理解比較像外包給大型語言模型，它可能只抽一點點。那位 Snowflake 員工認為，目前開源模型大約落後閉源大型模型半年左右。雖然 AI 成長速度很快，半年差距很大，但當模型能力爬到某個 sweet spot 後，可能已經足夠大多數個人或企業使用。
如果這個劇本成立，未來使用者可能用地端模型就能產出很好的效果，省下大量 token fee 或傳輸費用。需要的可能是一台夠好的地端伺服器，或是一台 AI PC。
這不代表 data center 或最前端模型市場會消失。高階、前端、複雜的 agentic service 仍然可能需要 data center，而且用量也可能繼續成長；只是有很多使用情境可能會直接落到地端操作。
5. AI PC 對硬體與零組件的影響
如果 AI PC 銷量能夠比前一波增加，可能帶動新一批 AI PC 的市場刺激。AI PC 概念中，直接相關的是 NVIDIA 與 MediaTek（聯發科），因為它們參與晶片設計。
實際上能不能帶動筆電品牌或 ODM，還要觀察產品在實務上的使用狀況。單就題材來看，AI PC 有機會幫相關公司做估值 rewrite。
目前看到 AI PC 的用料會比較好，不管是晶片附近、板子材料、被動元件或其他元件，都有材料提升。如果 AI PC 銷售比之前增加，就有機會抵消部分傳統筆電或 PC 銷售不佳的壓力。因為今年手機與筆電狀況理論上都不會太好，但 AI PC 本身 ASP 較高，用到的元件也較高階，一台 AI PC 可能可以抵傳統消費型筆電 1.5 台左右。
6. NVIDIA 論述的演進
NVIDIA 這場演講算是精彩。他們的論述持續演進，從一開始宣傳 data center 設備「買越多省越多」，到後面拉到 agentic、robotics，最後再拉到生活中的各種應用。
NVIDIA 從本來賣 GPU，後來變成賣 whole rack solution，現在則變成 AI infrastructure 的整體供應商。
B. 市場資金與題材輪動
1. NVIDIA、TSMC 與小標股
以整體 AI peer 來看，NVIDIA 與 TSMC（台積電） 有點像，都是市場中的大龍頭。一個是 AI 晶片與 AI 的大龍頭，另一個是晶圓代工龍頭，但它們都交易在相對便宜的位置。
市場知道 TSMC 好，也知道 NVIDIA 好，但大家還是會去買一些小標股，因為小標股比較會動。像現在 Marvell、光通訊比較有題材，資金就會往那邊跑。
這種心態也可以反映在比特幣走勢上。過往大家買比特幣，不一定每個人都真的相信比特幣的未來，而是覺得它很會跑，所以想去買。當市場上有一堆東西跑很快時，資金就可能從相對穩的龍頭撤出來，先往更會動的地方跑。
2. Computex 題材與估值推升
其他 Computex 內容可能要等實際去現場看完後再分享，但目前猜測大多是更新、更快、更厲害的產品，不一定會有太多突破性的全新發展。市場上的各種討論，其實已經反映得相當充分。
這波盤勢進入上升階段，感覺上比較像是撐估值，而不是找到新的上修動能。真正的上修動能，應該還需要有技術突破，或是數字被重新往上調。現在比較像是盤面很好、資金很多，所以估值持續被往上推。
3. 被動元件整理
最近開始看到一些熱門題材修正，例如被動元件開始橫盤整理。這被認為是好的，因為如果一直噴，在台灣市場容易被處置，之後操作會受限制，也不容易加碼，還可能遇到圈錢等狀況。
如果題材繼續噴，也會擔心結束時下殺會非常重。因此有一些整理反而是一件好事。盤中開始看到部分標的整理，對自己的操作來說，就是從前面每天睡醒都在賺錢的狀態，被拉回現實，開始看到有些東西進入橫盤與整理。
4. 今年市場仍偏多
目前來看，以前面指數上漲的斜率來說，仍然覺得今年有可能還是走多。過程中一定會有修正，也一定會有盤整，但以這個斜率來看，要直接終結多頭，會比較困難。
接下來重點是如何在每次題材切換中處理自己的部位，或者其實不一定要切換題材，而是把自己的心態穩住，去獲得市場報酬。最差最差，也要盡量拿到平均報酬。
5. AI infrastructure 的整體方向
NVIDIA 與 Marvell 在 Computex 的演講內容濃縮來看，不算特別新鮮，但再次強調：光是未來的重要主軸。同時也強調，現在 AI infrastructure 建置已經不再細分誰是做 GPU、誰是做 ASIC，大家拼的是 total solution。
Google 與 NeoCloud 的合作也可以放在同樣概念下看，因為 Google 投資 NeoCloud，本身也是想賣 total solution。現在大家的戰場已經轉移到整體解決方案。
其中一個潛在突破點，是前面 Snowflake 員工分享的方向。如果閉源模型前面花很多錢，把一片江山打下來，之後開源模型跟上，而且能滿足大部分需求，那未來可能出現用筆電就能處理大部分目前需要付費給雲端模型處理的任務。
如果那一天到來，應用滲透會更快；中間的 data lake 或軟體層公司，也可能因為不用把那麼多費用付給 LLM，而讓收入變成自己的損益。重點會變成怎麼獲得用戶、怎麼把客戶接進來、怎麼把服務做好，並且 tailor 大家的需求，而不是只在模型本身做高強度競爭。
這不代表雲端建置會暫停。需要最先進、最高階模型的需求仍然存在，data center 市場也不是紅海，還會持續蓬勃發展。只是如果終端裝置與 edge computing 能出現新契機，對多頭市場來說會是一件好事，因為市場需要新的題材輪動，而不是同一個題材一直噴。
QA
1. NVIDIA、TSMC 與功率半導體
問題提到，黃仁勳點名 Marvell 後，Marvell 股價被點燃，想知道資金是否也會回流 NVIDIA、TSMC（台積電） 供應鏈，以及市場是否可能補漲 NVIDIA、TSMC。另一個問題是，下一波漲價題材是否可能延伸到功率半導體 IDM、PMIC，例如 ADI。
功率元件與功率半導體相關公司的基本面，已經有明顯改善，因此有機會成為下一波題材匯聚點。不過它的光芒還不像 CPO 或被動元件那麼全面。市場比較喜歡的是 ASP 拉升、本益比也拉升的戴維斯雙擊，而且最好還搭配缺貨。
功率元件雖然也有漲價，但目前還沒有看到全面性缺貨。如果後續電源櫃表現很好，開始帶動大量拉貨，不排除功率元件與功率半導體題材會更明確。
NVIDIA 與 TSMC 補漲方面，最近盤面已經有一點這種味道。TSMC 形態明顯轉強，加上前面監管會開了一個大門，投信公司需要調整公開說明書等內容，可能在一兩個月內完成；如果後續投信資金進來，TSMC 有機會被推上去。NVIDIA 也已經突破並繼續往上走，因此追價或補漲是有機會的。
2. CPO、被動元件與減碼訊號
問題問到，因為獲利拉開，最近大盤幾次回檔都沒有調整部位，甚至站在加碼方；想知道接下來在大盤與個股上，看到什麼訊號會降槓或減碼。
這段主要是在講手上的 CPO 與被動元件 部位。近期這些族群開始不約而同出現回檔，但有些標的仍然維持在右上角。如果回檔連十日線、十四日線都沒有跌破，就沒有急著賣出的理由。
因為持股成本位置不同，對部分大波段標的，甚至會想觀察是否回測月線。大波段的東西，最後有時會踩到月線後再繼續往上，所以成本位置會影響是否需要積極調整。
這波行情拉得太兇太猛，因此目前不會做太多積極調整。按照過往習慣，如果大盤出一根長黑 K，可能會做一些調整；但現在即使大盤出長黑 K，也不一定會立刻調整。真正比較可能減碼的情況，是碰到月線後，接下來幾天沒有站回去，才會考慮做一些減碼。
3. 玻璃載板、TGV、TSV 與鑽孔題材
問題問到，未來載板需求看好，包含玻璃載板，是否代表鑽孔或鑽針類股票未來可能再噴一波。
玻璃載板、TGV、TSV 相關內容，其實在兩三個月前就已經聊過，當時也有提到 Intel EMIB。後來相關類股已經有一波上漲，並且在上漲後出現回檔。
這段可以整理成：玻璃載板與先進封裝相關需求，前面已經被市場反應過一輪；鑽孔、鑽針類股票與 TGV / TSV / 玻璃載板題材有關，但原文這段沒有再展開新的產業細節，主要是回顧先前已討論過，且相關類股後來確實有表現。
以下AI整理，查詢用
1. 光通訊 / CPO / Data Center Interconnect
智邦、聯亞、波若威、光環、台星科、上詮、明泰、聯鈞、日月光投控、聯光通、前鼎、眾達-KY、華星光、旺矽、矽格、統新、光聖、訊芯-KY、穎崴、創威、台積電、MRVL、NVDA、AVGO、TSM
2. AI PC / 地端 AI / 高階筆電桌機
仁寶、宏碁、英業達、華碩、技嘉、微星、廣達、華邦電、南亞科、聯發科、義隆、奇鋐、緯創、威剛、雙鴻、和碩、譜瑞-KY、祥碩、群聯、NVDA、QCOM、AMD、MSFT、DELL、HPQ、LNVGY、ASUUY、MSI
3. ASIC / 客製化 AI 晶片 / AI SoC
台積電、聯發科、瑞昱、台光電、聯詠、智原、創意、世芯-KY、日月光投控、力成、矽力*-KY、神盾、M31、芯鼎、安國、NVDA、MRVL、AVGO、GOOGL / GOOG、AMD、TSM
4. AI Data Center / AI Infrastructure Total Solution
光寶科、台達電、鴻海、智邦、英業達、金像電、廣達、台光電、奇鋐、欣興、緯創、雙鴻、神達、新唐、臻鼎-KY、譜瑞-KY、信驊、台燿、東典光電、緯穎、富世達、南電、勤誠、群聯、台積電、NVDA、MRVL、AVGO、GOOGL / GOOG、AMZN、ORCL、META、MSFT、TSM
5. 功率半導體 / PMIC / 電源櫃
強茂、茂矽、順德、嘉晶、尼克森、德微、達能、漢磊、台特化、界霖、杰力、台半、中美晶、茂達、晶焱、大中、環球晶、長科*、虹揚-KY、廣閎科、宏捷科、朋程、富鼎、光寶科、台達電、NVDA、ADI
6. AI Power Rack / HVDC / PSU / BBU
光寶科、台達電、強茂、信邦、順達、新盛力、杰力、康舒、群電、AES-KY、朋程、富鼎、貿聯-KY、士電、中興電、亞力、華城、大同、NVDA、ADI
7. AI Power 用料升級
華邦電、南亞科、威剛、群聯、奇鋐、雙鴻、台光電、金像電、欣興、南電、台燿、光寶科、台達電
8. 玻璃載板 / TGV / TSV / 先進封裝鑽孔鑽針
台玻、上銀、盟立、欣興、弘塑、大量、群創、牧德、辛耘、悅城、群翊、天虹、鈦昇、東捷、羅昇、INTC、TSM
9. 企業 AI 軟體 / Data Lake / LLM 成本下降
SNOW、GOOGL / GOOG、MSFT、AMZN、ORCL、META、NVDA
10. 大型 AI 平台 / CSP / NeoCloud 觀察
NVDA、GOOGL / GOOG、MSFT、AMZN、ORCL、META、AVGO、MRVL、AMD、TSM
#個人想法
紀律很重要，但是目前自已做不到，常常會在看盤的時候怕回檔就先賣出。然後就買不回來。忍耐心不夠。