#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. 休市與交易時間
市場參與者增加後，對休市與開盤的態度開始改變。Trump Accounts 的重點是讓更多人加入市場；對延長交易時間的態度則轉向重視健康與家庭平衡。
B. 台美股市場
台股這次休市較像「閃漲」，但富台指夜盤漲幅已收斂。NVIDIA（NVDA）站回季線，Meta（META）也轉強，但短線股價不適合用來證明長期敘事。
C. Meta 算力布局
Meta 出租算力不是退出競賽。舊 GPU 可用於推論或出租，延長資產的經濟價值；算力單價下降可能改善 AI 軟體毛利率，同時增加 NeoCloud 的競爭壓力。當算力價格與投報率愈來愈透明，部分高本夢比供應鏈可能面臨估值收縮。
D. AI 零組件
記憶體仍漲價但幅度收斂，資金開始尋找「記憶體之後」的零組件。被動元件、功率元件、MOSFET 與封裝仍有缺貨、漲價及稼動率提高的訊號。
E. 光通訊輪動
SiPh、InP 偏弱，VCSEL、AOC、microLED 等 wide and slow 方向相對較強。Credo（CRDO）與 Astera Labs（ALAB）先前是持股遭遇市場賣壓，不是主動賣出。Narrow and fast、wide and slow、光與銅各有應用場景；高估值光通訊仍可能需要大盤站上新高才容易全面轉強。
F. 投資與產業 QA
導線架約漲價 10%～20%，部分 lead time 從三至四個月拉長至七至八個月。產業端已出現封裝廠有產能、卻缺少導線架的情況；基本面最缺的環節不一定最先上漲，短線仍取決於資金選擇。
完整內容
A. 休市與交易時間
1. 市場參與改變休市立場
過去會因颱風假少一天交易而不滿，但多數上班族不一定參與股市，即使有開戶，也未必能從增加交易日中受益。今年市場報酬不錯，0050 已有五成以上漲幅，網路上開始出現更多「沒有風雨，為什麼不開盤」的聲音。
Trump Accounts 讓更多人加入市場。政府提供的起始金額約為 1,000 美元，後續還可能有雇主或捐助者加碼。當更多人成為經濟與股市成長的受益者，對開盤、交易及資本市場發展的立場也可能逐漸接近。
2. 延長交易時間
台股可能延長至下午三點半收盤。幾年前會支持延長交易，現在反而不太希望實施。
延長交易雖然能多看一點盤，卻也更容易繼續留在電腦前，壓縮運動、健康與家庭時間。看盤仍然很快樂，但投資不必占據所有生活時間，目前更傾向維持原本的收盤時間。
B. 台美股市場動態
1. 台股這次是「閃漲」
過去台股休市時，海外市場若重挫，常被形容為關門「閃崩」；這次反而比較像「閃漲」。
富台指週五交易時段一度上漲超過 3%，夜盤漲幅則有所收斂，因此週一不代表一定會完整反映原先漲幅，仍須考慮週末及國際盤變化。
休市無法真正避開風險。其他國家曾因跌幅過大而暫時關閉股市，重新開盤後仍一次跌到位。該發生的價格調整不會因休市消失，只會延後反映。
近期台股與國際市場處於區間震盪，向上追價容易受傷，向下又經常被拉回。若週五正常開盤，原本可能有機會做出較明顯的方向表態。
2. NVIDIA 與 Meta 轉強
NVIDIA（NVDA）再次攻到約 210 美元，久違地連續出現紅 K，並重新站回季線。Meta（META）也出現跳升。
短期股價不能直接用來證明長期敘事。若因 Meta 上漲就認為某項判斷獲得證實，之後回檔兩天又更換故事，分析只會跟著股價擺動，因此觀察時間仍要稍微拉長。
C. Meta 算力布局
1. 出租算力不代表退出競賽
部分 X 帳號把 Meta 出售算力解讀為退出 AI 算力競賽，實際方向反而更接近 double down。
Mark Zuckerberg 近期受訪內容也較接近繼續擴大投入。Meta 已預訂相當高 GW 規模的資料中心容量；如果準備退出，不會同時安排如此龐大的未來容量。
Meta 本來就是 AI 基礎設施的大型買方。最新的 Vera Rubin、Feynman 等平台可以負責最新模型訓練；舊一代 Hopper 即使不再執行第一線訓練，仍能用於推論，也可能出租給外部客戶。新世代 GPU 出現，不代表舊 GPU 立刻失去全部經濟價值。
2. GPU 折舊與資產價值
Michael Burry 曾質疑大型科技公司對 AI 伺服器與 GPU 的折舊年限處理，認為相關會計數字可能存在問題。
如果舊 GPU 在退出第一線訓練後，仍可執行推論或對外出租，GPU 與資料中心就不只是持續折舊的設備，也可能成為產生收入的資產。其實際經濟年限可能比單看晶片世代更長，也能在一定程度上合理化大型科技公司的巨額資本支出。
這對 Meta 與整體 AI 市場是偏多訊號，但仍不能只靠短期股價判定長期敘事。
3. NeoCloud 的競爭壓力
Meta 同時具有大量自用需求、龐大設備規模與資本能力。把算力拿到市場出租後，還可能影響現貨、長約及 GPU 租賃價格，NeoCloud 等業者因此多了一個大型競爭者。
除了原有的三大雲端巨頭、中國大型業者與 NeoCloud，現在連原先以自用為主的 Meta 都加入供給，GPU 租賃價格可能逐漸降低並趨於穩定。
4. 算力單價與總支出
算力單價有機會下降，但企業總支出不一定同步降低。Reasoning、專家模型及長推理流程都會消耗更多 token。解決同一個問題的單位成本可能降低，使用者卻可能改用更精緻、更長的推理方式，最後使用更多 token。
成本下降也可能刺激新的 AI 應用。部分 AI-native 軟體公司的毛利率預期約為 50%～60%，低於傳統軟體公司；如果算力更便宜、更普及，毛利率下限可能提高。
5. 算得出投報率後的估值
算力價格穩定對產業是好事，對投機市場則未必完全有利。股票最容易快速重估的階段，往往是市場還看不清終局、無法準確計算需求及投報率的「朦朧美」時期。
市場上常有人認為「愈爛愈會漲」，但不少案例只是資訊落差。一般投資人還看不到營收時，專業買方可能已經掌握後續訂單；等營收真正出來、一般投資人追進去時，反而容易買在「水岸第一排」。
早期 AI ODM、OEM 行情就曾出現這種狀況。市場買方已經進場，論壇仍認為只是在炒作；等公開營收變好後，股價反而不再快速上漲。
NeoCloud 過去可以描繪客戶排隊、算力供不應求的故事。隨著供應者增加，算力價格逐漸穩定，預期投報率也開始能夠計算。部分較舊 GPU 節點過去能以很高的價格出租，近期已經出現明顯回落。
當價格與投報率愈來愈透明，部分供應鏈過去能享有的四、五十倍本夢比估值可能下降。除非後續出現革命性應用，再次大幅拉高需求，否則相關股票會逐漸面對實際獲利與合理報酬率的檢驗。
估值倍數降低不代表股價必然下跌。如果獲利成長足以彌補估值收縮，股價仍可能上升，只是行情會更加依賴實際營運數字。
D. AI 零組件漲價
1. 記憶體漲幅收斂
下一季記憶體合約價仍在上漲，但報價漲幅已有相當程度的收斂，後續應該會有相關新聞數字出現。
大型科技公司的採購力量仍然很強。記憶體已經上漲許多，卻沒有明顯削弱巨頭繼續採購的決心。後續年增率可能因基期升高而下降，但價格仍有繼續向上的可能，產業面尚未看到明顯敗象。
記憶體部位已經較早下車，目前只在合約議價出現時更新產業變化，不再延伸評論股價。
記憶體的營收與獲利確實很好，但交易已經比較擁擠。部分中大型資金不再特別偏好繼續投入記憶體，而是尋找「記憶體之後」即將反映營收與獲利的零組件。
2. 被動元件漲價
目前接觸到的多數被動元件廠商已經漲價成功，只有少部分失敗。未來一至兩季可能仍會持續，沒有公開指出漲價失敗的公司，以免影響個別標的。
大型廠商率先調價後，中小型廠商也有機會依照大廠價格調整，形成「母雞帶小雞」的效果。
先前日本與美國被動元件股上漲，台灣卻沒有反應；後來證明台股只是較慢，真正啟動時漲勢反而非常強。全球產業方向相同，不同市場的股價仍可能存在時間差。
3. 功率元件與 MOSFET
功率元件出現相當程度的缺貨擴張，Analog Devices（ADI）等類比 IC 大廠也已發出漲價訊號，整體呈現較全面的漲價狀態。
理論上最缺的是部分美國公司，但相關美股近期沒有繼續上漲，甚至開始轉弱；台灣的功率元件、MOSFET 與後段封裝反而走得較漂亮。目前無法確定不同市場反應速度互換的原因，只能確認產業缺貨與股價反應不一定同步。
4. 封裝稼動率與獲利
部分封裝廠公布的自結數字顯示，營收年增率維持一定水準，沒有突然大幅拉升，獲利卻明顯增加。這類變化可能反映產品漲價，或產線稼動率已經接近滿載。
封裝等固定成本較高的產業，一旦產線放滿，毛利率與獲利會快速提高。目前多項 AI 關鍵零組件仍持續漲價，甚至連較老的題材也沒有停止。
E. 光通訊內部輪動
1. 資金面催化劑
上一集 QA 有許多聽眾詢問光通訊，因此重新整理相關資訊，並在週末與幾位朋友討論。
SemiAnalysis 推出的 ETF 納入部分光通訊元件，可能透過資金行情重新啟動部分股票。不過，目前沒有把資金與主要注意力投入光通訊，也暫時不準備直接介入，這次主要是觀察族群內部變化。
2. SiPh、InP 與 wide and slow
過去熱門的 SiPh（Silicon Photonics，矽光子）及 InP（磷化銦）雷射相關標的近期偏弱。這些股票過去漲幅已大，也可能只是短期整理。
與 wide and slow 較接近的 VCSEL、AOC，甚至更遠期的 microLED，股價反而相對有支撐。光通訊內部可能正在發生類股輪動，而不是整個題材同步轉弱。
3. Narrow and fast
Narrow and fast 在較小空間內提供高速傳輸。矽本身不發光，需要搭配 InP 雷射光源；頻寬每次升級，相關元件可能需要重新設計。規格持續迭代時，成本也可能快速增加。
4. Wide and slow
Wide and slow 使用已在消費性產品發展多年的 VCSEL。單一路徑速度不足時，可以增加更多通道，再搭配 fiber array unit 或透鏡收斂光線，不必採用同樣昂貴的高速方案，也可能取得足夠的總傳輸能力。
Narrow and fast 可能適合更遠距離或更高速的傳輸；wide and slow 可能用於 scale-up、scale-in 等相對短距離環境。機櫃內的 in-rack 傳輸，銅仍是很好的方案；scale-out、scale-across 距離更長，銅的訊號衰減較快，光更具優勢。
兩種方案的應用場景不同，不是新方案完全取代舊方案。
5. 「光進銅退」的市場經驗
市場轉向「光進銅退」敘事後，銅相關標的遭到大幅拋售，持有的 Credo（CRDO）與 Astera Labs（ALAB）也都明顯下跌，甚至一度跌得很重。
許多人再用股價下跌反推銅沒有機會，但 Credo 與 Astera Labs 並非百分之百的純銅概念股，只是市場聯想程度較高。真正與銅纜及連接器關聯較高的是 Amphenol（APH）。
後來 Credo 與 Astera Labs 都回到新高附近，而且漲幅不小。這兩檔股票當時是持股，遭遇的是市場賣壓，不是主動將持股賣出。
市場為了交易新敘事，可能把舊名字大幅拋售，甚至殺到破底；但不同技術仍可在各自場景中並存，基本面不會因短期敘事直接消失。
光通訊內部也可能出現相同情況：資金轉向 wide and slow，便拋售 SiPh、InP 等原先熱門的 narrow and fast 標的，即使兩者實際應用並不衝突。市場是否會因為發現新故事，就把舊名字全面賣掉，目前仍無法確定。
6. 高估值題材等待盤勢
光通訊若要重新全面進攻，大盤可能要先來到新高附近。這些屬於高估值標的，通常要在整體行情好、投資人願意承擔風險時才推得動。
NASDAQ 與台股加權指數距離新高都不遠。如果突破新高後回測守穩，或不回測而持續上攻，資金可能很快回到高估值題材。
在那之前，目前鎖定的標的大多仍是短期能看到營收與獲利上升的公司。記憶體雖然也有營收與獲利，但交易較為擁擠，因此部分資金轉向記憶體之後、準備開始反映營運數字的零組件。
即使資金重新回到光通訊，也必須繼續區分 SiPh、InP、VCSEL、AOC、microLED，以及 narrow and fast、wide and slow 等不同路線，不能把整個光通訊族群視為同一類。
MicroLED 可能要到 2030 年以後，故事甚至比其他遠期題材更遠，但市場目前反而偏好更夢、更遠的方向。過去最熱門的 narrow and fast 相對轉弱，資金則有轉向更未來題材的跡象。
QA
1. 導線架缺貨與股價落差
美國 IDM 和部分導線架股票近期表現不強，但產業端仍然缺貨。
先前被動元件也曾出現日本、美國先反映，台灣一開始沒動，後來卻強勢補漲的情況。不同市場之間存在時間差，目前無法解釋為什麼有時 A 市場先漲，有時又換成 B 市場。
市場上可交易的故事很多，各題材都在競爭資金。特別是市場情緒逐漸轉差時，即使基本面不錯，也可能暫時沒有人願意買進或炒作。
2. 導線架價格與交期
一位朋友先提供導線架漲價資訊，但不知道確切幅度，因此又詢問另一個來源，將兩邊資訊拼湊起來。
導線架報價會隨國際銅價變動，整體漲幅約為 10%～20%。部分較緊缺廠商的 lead time，已由三至四個月延長至七至八個月，是目前非常缺的環節。
3. 封裝廠有產能卻缺導線架
從事產業研究的朋友在尋找封裝來源時，原先在 A 廠下單要等很久，因此嘗試轉到 B 廠。B 廠雖然有封裝產能，最後卻無法順利生產，原因是買不到導線架。
除了整體封裝產能偏滿，個別材料環節可能更加緊張。被動元件、功率元件與封裝都存在類似情況：不是所有環節平均缺貨，而是少數特殊節點特別卡，迫使訂單或產能尋找其他出口。
4. 最缺不一定最會漲
基本面最缺的環節，股票不一定漲得最多，股價仍受資金偏好影響。
市場不是不要光通訊，可能只是不想買其中某一檔。有些光通訊股票仍維持在右上角，只是尚未突破；有些則已明顯轉弱，不能把整個題材混成一包。
導線架基本面仍是缺貨、產業狀況良好，但相關股票目前多偏橫盤，較像前面漲過、現在休息。
5. 投資與投機
如果非常在意短線走勢，本質上就是在投機，更應該觀察資金往哪裡跑。
常見問題是用投機心態持有，股價下跌後才用基本面安慰自己，卻不願承認原本期待的是短線上漲。短線資金不在某個題材時，即使基本面良好，也可能需要等待一段時間。
若真正研究過產業，也願意以投資週期等待，資金暫時沒有流入就不必過度焦慮。
#個人想法
像企業想要使用AI的話又怕資料外漏，有些是給使用外部AI，就在想這些CSP會不會有提供像租櫃空間，像迷你倉這樣，設備在CSP管理，但是其他企業可以租用，而且是能加密，上網查是有Oracle OCI Generative AI Dedicated AI Clusters/Microsoft Azure Machine Learning這類的服務，查到後來有另一種是HPE Private Cloud AI＋GreenLake這類的服務，整套設備部署在企業機房，Lenovo/NVIDIA/Dell都有類似的服務。未來這些CSP應該會想到更方便讓企業更願意使用的方式吧。