杠杆清零与万亿迷局：半导体暴跌复盘

据 Woofun AI 消息，SemiAnalysis Weekly 迎来资深分析师 Doug O'Loughlin 的久违回归，正值全球半导体板块在经历"史上最佳上半年"后遭遇剧烈回撤。韩国 KOSPI 指数暴跌 40%，散户持有的 2x 杠杆仓位被彻底清零，而 SK Hynix 因转向长期协议（LTA）导致价格涨幅放缓，未能达到市场预期。Doug 将当前市场局面与 1980 年代中国台湾泡沫进行类比，认为尽管泡沫的行为模式高度相似，但基本面依然健康。两人围绕"AI 需求到底有多大"展开激烈辩论，Dylan 从 SemiAnalysis 自身经验出发，指出编码代理上线后，公司 AI 支出增长 100 倍，用户从 9 人扩至 90 人，每人使用量也增长 10 倍。Doug 不否认需求强劲，但提出核心担忧：供给端可以算清楚，需求端是"万亿问题"，没人有答案。

更关键的是，scaling laws 要求芯片翻倍，但电工、资本、许可等物理和制度瓶颈无法同步翻倍。超大规模云厂商今年已发债 $4500 亿，资金来自退休金和年金，而退休金池子本身在萎缩。

股票市场回撤之际，所有带有 AI 标签的资产全线下跌。Doug 指出，到 6 月 30 日第二季度结束，这大概是半导体历史上最好的表现，随后市场便开始 unwind（去杠杆）。其中很多波动可以归因于技术性因素，如杠杆效应和动量反转。但现实是，涨得越快的东西，地心引力越大。市场正在为之前疯狂的动量 rally 买单。韩国的情况尤为疯狂，每天都有股票打到跌停。有推文反映"我怎么做我的工作？"，人事总监亏光了所有钱，所有人都很抑郁，因为股票全跌了。回看亚洲金融市场历史，这种事发生的频率比想象中高。Doug 提到一本关于中国台湾大泡沫的书，描述了中国台湾在人均基础上出现 100 倍泡沫，银行交易市盈率高达 500 倍，所有东西都疯了。

这一泡沫发生在 1980 年代末。尽管现在韩国的基本面与那时不同，但事情永远没有恐惧的那么坏，也没有想象的那么好。

SK Hynix 今天 miss 了预期，原因在于他们转向了更多 LTA（长期协议）。讽刺的是，他们在做 ADR 路演时还在吐槽 Micron 做 LTA 拿了更低的价格。内存价格去年涨了大概 3 倍，明年不可能再涨 3 倍，可能只涨 30 到 50%。但金融圈的脑子全坏了，只看变化率。历史上内存周期里，二阶导数一下来通常就是终点。因为变化率不会停在 30%，而是会直接掉到负 50%。这个周期的剧本永远一样：所有人投资建厂，产能上线，然后发现需求怎么这么少。因为之前是双重下单、三重下单。工厂从 100% 利用率掉到 50%，唯一能回本的办法就是砍价。这就是半导体市场的本质。KOSPI 现在跌了 40%，2 倍杠杆的人直接清零。然后就是自我实现的螺旋：每个人看着账户缩水，决定卖出，然后加剧下跌。

最近中国内存进入生态系统，CXMT 和 YMTC 进行大 IPO，Doug 对此表示他们有产能，即便良率低，也无所谓。中国公司不是在竞争利润率或 EPS。CXMT 现在明确是市场第四，但这是短缺环境，他们照样能赚钱。Apple 已经开始用 CXMT 的内存，因为 Micron 在"价格欺诈"。Doug 引用 Tim Cook 的话说："没有人在赌场里哭，你得按市场价格买。"CXMT 可能会搞砸派对，但现实是需求仍然大于供给。真正的万亿美元问题是：需求到底在哪？供给曲线相对好理解，但需求曲线我们不知道。我们知道编码代理和聊天机器人意味着更多需求，但不知道是 10 倍还是 100 倍。供给会盲目 ramp，直到有一天撞上需求曲线。

Dylan 认为需求明显非常强劲，而且会持续很长时间。他光看自己公司的内部使用量就够了。如果你认为未来需求会走平甚至下降，你得相信模型不会再变好。他看不到任何停滞的迹象，只看到反方向的信号。Doug 则扮演魔鬼代言人，提出最大的空头论点：技术进步的速度可能超过人们使用它的速度。假设 AI 的杀手级应用是数据录入，Kimi K3 就够用了。我们造越来越快的车、越来越好的产品，但真正的需求曲线被一个我们已经掌握的产品满足了。这就像互联网泡沫：当时说"需求每 90 天翻倍"，但光纤技术每年提升 2 到 3 倍。最后一根光纤的性能变成了原来的 50 万倍，然后大家说"等等，我们好像不需要这么多光纤"。

Woofun AI 整理数据显示，Dylan 不认同这一观点，但他认为这是值得讨论的。他的反驳是：还有 100 到 1000 倍的人现在没有在用任何模型。第二，AI 的用例远不止编码。它还可以做视频生成、药物发现、材料科学。有人用 AI 做超导元件，这值很多 GPU 的钱。而且编码本身也不只是"居中一个 div"。它代表一整类经济价值远高于前端调试的任务。Sam Altman 在谈 RSI（递归自我改进），Anthropic 有新模型要出。编码代理在 Claude 4.5 那个版本就是一个清晰的拐点：你跨过某条智能线，一个全新的市场就出现了。前一天你做不到的事，第二天就能做了。Doug 指出 Dylan 是原型用户。去年这时候 SemiAnalysis 技术团队不到 10 人在用编码代理，然后 Dylan 说"公司每个人都要学会用这个"。现在他们有 90 个用户。

从 9 到 90，是 10 倍增长。然后在 3 到 4 个月内，每人的使用量也大概 10 倍。公司 AI 支出 100 倍。现在的问题是，每个公司都会这样吗？可能不是这个强度，但很多公司有大量工作可以砍。Doug 认为老芯片会变 worthless。所有人说"H100 是升值资产"，但总有一天推理一个模型需要 100 张 H100。到时候你就说"让老姑娘退休吧，买张 B300"。真正的确认信号是 B200 和 B300 之间出现定价分化。Dylan 完全不同意。最根本的原因是：没人会把 H100 拆出来换成 B300。数据中心的设计完全不同。你不能在同一个机房里把 Hopper 换成 Blackwell 或 Rubin，你得把整个东西拆了重建。所以要 justify 退役一整个 Hopper 数据中心，得先证明那些芯片的收入已经低于运营成本。这不是变量成本，是沉没成本。

在无摩擦世界里 Dylan 是对的，但我们生活的世界摩擦越来越大。新建算力的摩擦包括电力许可、土地、审批。Doug 指出，GPU 价格下跌的情景是模型进步停滞，上涨的情景是模型进步持续。还有一个 X 因素：政府干预前沿实验室。

如果限制谁能用最新最好的芯片，需求会被压缩，老芯片的价格也会跟着跌。最让 Doug 担心的不是需求，是供给端的物理瓶颈。第一个是电工。美国缺 10 万个电工。中级电工年薪 25 万美元，愿意干 18 小时的能到 40、50 万。有个网站追踪电工招聘，Wayback Machine 上能看到时薪从 15、20 美元涨到 50、100、200 美元。培训一个电工要 18 个月。再翻倍需要的人，我们从来没训练过那么多。

第二个是资本。超大规模云厂商今年发了大概 $4500 亿债务，史上最大。仅次于美国政府和中国政府。有人得买这些债。要让他们买更多，就得给更高利率。而这些钱的来源，很大程度上是退休金和年金。退休金池子在结构性萎缩。养老金已经大量转向 401k，401k 不买债。所以你基本上得相信每个人都需要两倍的保险，但这说不通。scaling laws 说"太好了，我们把模型做两倍大"。但不是所有东西都能两倍三倍地同步放大。

Dylan 问：你是说养老金在为数据中心建设买单？Doug 确认：是的。年金在退休前集中购买，婴儿潮一代都在退休，所以这个资产池子比较大。但它能翻倍吗？能三倍吗？我不觉得。人寿保险也是来源。但你得相信所有人都需要两倍的保险。没人会买两倍的人寿保险。Dylan 认为这很有意思。退休金在结构上萎缩，但确实有很多钱在那里。Doug 还举了个例子是中国台湾。台积电直接间接占中国台湾 GDP 的 20%。

如果台积再翻倍三倍，中国台湾需要多生孩子才能凑够工人。中国台湾只有一个游戏在玩。中国台湾 GDP 今年涨了 25%，就是 TSMC 在烤芯片。但再翻倍，人就不够了。很多人不喜欢 AI，这没有被定价。Dylan 认为怎么会被定价？他觉得是中期选举。Doug 指出 AI 大概是第五优先级，不是前三。医疗、生活成本排前面。没有人会以 AI 为政纲参选。但 Dylan 认为 AI 会成为生活成本议题的子代理。不是"我们是否支持 AI"，而是"关心经济，怪科技 bro 和 AI"。ROSA 法案在众议院 300 比 20 通过，卡在参议院。企业游说在阻止它。Doug 认为如果不是前三优先级，游说力量就会赢过民意。但 Dylan 指出 AI 已经是人们在其他议题上的替罪羊了。气候变化、住房、通胀，AI 和科技 bro 都会被拉出来。

有个有趣的民调显示，讨厌数据中心附近。而住在附近的，尤其是年轻人，态度是正面的，因为就业。Doug 去布法罗附近参观过一个数据中心，当地人超支持。数据中心建在偏远地区其实是好事，它让经济参与变得广泛。一个千兆瓦数据中心大约需要一万人。70 千兆瓦就是 70 万个岗位。这开始影响选票了。技术繁荣的未来总会实现，问题在于现金流的时间。你花了一万亿，拿到一千亿，它确实有一天会变成一万亿。但可能是五年后，到那时候你说"老兄，我没钱了"。假设整个 AI 生态系统目前 ARR 是 1500 亿，累计 CAPEX 一万亿。

15% 的收入回报，按 50% 利润率算就是 7.5%。不算差，但也不是超级赚钱。你得相信 1500 亿能变成 5000 亿，这可以做到。然后 5000 亿能支撑两到三万亿的 CAPEX。但再翻一次倍就很难了。OpenAI 和 Anthropic 相信最终预训练即将到来，因为他们要 IPO。最终预训练出来的模型确实很好，收入增长很快，但增长速度不够付账单。你建了一栋你付不起的房子。花了五万亿投资，收入五百亿，那是十年的钱。Dylan 指出你说这是收入不是利润。

而且你说这话的时候，你知道这些公司现在提供服务的利润率有多高。Doug 承认对，我们还没到那一步。现在还在窄路上，能看到收入怎么对得上。超大规模云厂商有其他业务狂赚现金，如果他们想停 CAPEX，利润立刻就能印出来。但随着你投入越来越多，赌注越来越高，路越来越窄。到某个点你实际上得要求所有人都在用它。问题在于决策者和实际采用者是两个完全不同的世界。Zuck 觉得每个人都会戴 Meta 眼镜在元宇宙里每天烧万亿 token，但内布拉斯加的奶奶连新 iPhone 都不会用。

Dylan 反驳说收入不靠奶奶。靠的是企业、银行、电信、零售公司、国防和情报机构。我看到每家银行、每家电信公司、每家零售商都在日常工作中用这个。更有趣的约束在供给端：你能不能装够 GPU，能不能招够人去卖。Doug 同意，供给端的问题更有意思也更难。电工、资本、许可，这些东西没法按 scaling laws 翻倍。但给他们时间，它会到的。他们明年确实可能发一万亿债券。真正的问题在于路径会变窄，赌注会变高，然后你得要求所有人都在用。这个采用曲线需要时间。