槓桿清零與萬億迷局：半導體暴跌覆盤

據 Woofun AI 消息，SemiAnalysis Weekly 迎來資深分析師 Doug O'Loughlin 的久違迴歸，正值全球半導體板塊在經歷"史上最佳上半年"後遭遇劇烈回撤。韓國 KOSPI 指數暴跌 40%，散戶持有的 2x 槓桿倉位被徹底清零，而 SK Hynix 因轉向長期協議（LTA）導致價格漲幅放緩，未能達到市場預期。Doug 將當前市場局面與 1980 年代中國臺灣泡沫進行類比，認爲儘管泡沫的行爲模式高度相似，但基本面依然健康。兩人圍繞"AI 需求到底有多大"展開激烈辯論，Dylan 從 SemiAnalysis 自身經驗出發，指出編碼代理上線後，公司 AI 支出增長 100 倍，用戶從 9 人擴至 90 人，每人使用量也增長 10 倍。Doug 不否認需求強勁，但提出核心擔憂：供給端可以算清楚，需求端是"萬億問題"，沒人有答案。

更關鍵的是，scaling laws 要求芯片翻倍，但電工、資本、許可等物理和制度瓶頸無法同步翻倍。超大規模雲廠商今年已發債 $4500 億，資金來自退休金和年金，而退休金池子本身在萎縮。

股票市場回撤之際，所有帶有 AI 標籤的資產全線下跌。Doug 指出，到 6 月 30 日第二季度結束，這大概是半導體歷史上最好的表現，隨後市場便開始 unwind（去槓桿）。其中很多波動可以歸因於技術性因素，如槓桿效應和動量反轉。但現實是，漲得越快的東西，地心引力越大。市場正在爲之前瘋狂的動量 rally 買單。韓國的情況尤爲瘋狂，每天都有股票打到跌停。有推文反映"我怎麼做我的工作？"，人事總監虧光了所有錢，所有人都很抑鬱，因爲股票全跌了。回看亞洲金融市場歷史，這種事發生的頻率比想象中高。Doug 提到一本關於中國臺灣大泡沫的書，描述了中國臺灣在人均基礎上出現 100 倍泡沫，銀行交易市盈率高達 500 倍，所有東西都瘋了。

這一泡沫發生在 1980 年代末。儘管現在韓國的基本面與那時不同，但事情永遠沒有恐懼的那麼壞，也沒有想象的那麼好。

SK Hynix 今天 miss 了預期，原因在於他們轉向了更多 LTA（長期協議）。諷刺的是，他們在做 ADR 路演時還在吐槽 Micron 做 LTA 拿了更低的價格。內存價格去年漲了大概 3 倍，明年不可能再漲 3 倍，可能只漲 30 到 50%。但金融圈的腦子全壞了，只看變化率。歷史上內存週期裏，二階導數一下來通常就是終點。因爲變化率不會停在 30%，而是會直接掉到負 50%。這個週期的劇本永遠一樣：所有人投資建廠，產能上線，然後發現需求怎麼這麼少。因爲之前是雙重下單、三重下單。工廠從 100% 利用率掉到 50%，唯一能回本的辦法就是砍價。這就是半導體市場的本質。KOSPI 現在跌了 40%，2 倍槓桿的人直接清零。然後就是自我實現的螺旋：每個人看着賬戶縮水，決定賣出，然後加劇下跌。

最近中國內存進入生態系統，CXMT 和 YMTC 進行大 IPO，Doug 對此表示他們有產能，即便良率低，也無所謂。中國公司不是在競爭利潤率或 EPS。CXMT 現在明確是市場第四，但這是短缺環境，他們照樣能賺錢。Apple 已經開始用 CXMT 的內存，因爲 Micron 在"價格欺詐"。Doug 引用 Tim Cook 的話說："沒有人在賭場裏哭，你得按市場價格買。"CXMT 可能會搞砸派對，但現實是需求仍然大於供給。真正的萬億美元問題是：需求到底在哪？供給曲線相對好理解，但需求曲線我們不知道。我們知道編碼代理和聊天機器人意味着更多需求，但不知道是 10 倍還是 100 倍。供給會盲目 ramp，直到有一天撞上需求曲線。

Dylan 認爲需求明顯非常強勁，而且會持續很長時間。他光看自己公司的內部使用量就夠了。如果你認爲未來需求會走平甚至下降，你得相信模型不會再變好。他看不到任何停滯的跡象，只看到反方向的信號。Doug 則扮演魔鬼代言人，提出最大的空頭論點：技術進步的速度可能超過人們使用它的速度。假設 AI 的殺手級應用是數據錄入，Kimi K3 就夠用了。我們造越來越快的車、越來越好的產品，但真正的需求曲線被一個我們已經掌握的產品滿足了。這就像互聯網泡沫：當時說"需求每 90 天翻倍"，但光纖技術每年提升 2 到 3 倍。最後一根光纖的性能變成了原來的 50 萬倍，然後大家說"等等，我們好像不需要這麼多光纖"。

Woofun AI 整理數據顯示，Dylan 不認同這一觀點，但他認爲這是值得討論的。他的反駁是：還有 100 到 1000 倍的人現在沒有在用任何模型。第二，AI 的用例遠不止編碼。它還可以做視頻生成、藥物發現、材料科學。有人用 AI 做超導元件，這值很多 GPU 的錢。而且編碼本身也不只是"居中一個 div"。它代表一整類經濟價值遠高於前端調試的任務。Sam Altman 在談 RSI（遞歸自我改進），Anthropic 有新模型要出。編碼代理在 Claude 4.5 那個版本就是一個清晰的拐點：你跨過某條智能線，一個全新的市場就出現了。前一天你做不到的事，第二天就能做了。Doug 指出 Dylan 是原型用戶。去年這時候 SemiAnalysis 技術團隊不到 10 人在用編碼代理，然後 Dylan 說"公司每個人都要學會用這個"。現在他們有 90 個用戶。

從 9 到 90，是 10 倍增長。然後在 3 到 4 個月內，每人的使用量也大概 10 倍。公司 AI 支出 100 倍。現在的問題是，每個公司都會這樣嗎？可能不是這個強度，但很多公司有大量工作可以砍。Doug 認爲老芯片會變 worthless。所有人說"H100 是升值資產"，但總有一天推理一個模型需要 100 張 H100。到時候你就說"讓老姑娘退休吧，買張 B300"。真正的確認信號是 B200 和 B300 之間出現定價分化。Dylan 完全不同意。最根本的原因是：沒人會把 H100 拆出來換成 B300。數據中心的設計完全不同。你不能在同一個機房裏把 Hopper 換成 Blackwell 或 Rubin，你得把整個東西拆了重建。所以要 justify 退役一整個 Hopper 數據中心，得先證明那些芯片的收入已經低於運營成本。這不是變量成本，是沉沒成本。

在無摩擦世界裏 Dylan 是對的，但我們生活的世界摩擦越來越大。新建算力的摩擦包括電力許可、土地、審批。Doug 指出，GPU 價格下跌的情景是模型進步停滯，上漲的情景是模型進步持續。還有一個 X 因素：政府幹預前沿實驗室。

如果限制誰能用最新最好的芯片，需求會被壓縮，老芯片的價格也會跟着跌。最讓 Doug 擔心的不是需求，是供給端的物理瓶頸。第一個是電工。美國缺 10 萬個電工。中級電工年薪 25 萬美元，願意幹 18 小時的能到 40、50 萬。有個網站追蹤電工招聘，Wayback Machine 上能看到時薪從 15、20 美元漲到 50、100、200 美元。培訓一個電工要 18 個月。再翻倍需要的人，我們從來沒訓練過那麼多。

第二個是資本。超大規模雲廠商今年發了大概 $4500 億債務，史上最大。僅次於美國政府和中國政府。有人得買這些債。要讓他們買更多，就得給更高利率。而這些錢的來源，很大程度上是退休金和年金。退休金池子在結構性萎縮。養老金已經大量轉向 401k，401k 不買債。所以你基本上得相信每個人都需要兩倍的保險，但這說不通。scaling laws 說"太好了，我們把模型做兩倍大"。但不是所有東西都能兩倍三倍地同步放大。

Dylan 問：你是說養老金在爲數據中心建設買單？Doug 確認：是的。年金在退休前集中購買，嬰兒潮一代都在退休，所以這個資產池子比較大。但它能翻倍嗎？能三倍嗎？我不覺得。人壽保險也是來源。但你得相信所有人都需要兩倍的保險。沒人會買兩倍的人壽保險。Dylan 認爲這很有意思。退休金在結構上萎縮，但確實有很多錢在那裏。Doug 還舉了個例子是中國臺灣。臺積電直接間接佔中國臺灣 GDP 的 20%。

如果臺積再翻倍三倍，中國臺灣需要多生孩子才能湊夠工人。中國臺灣只有一個遊戲在玩。中國臺灣 GDP 今年漲了 25%，就是 TSMC 在烤芯片。但再翻倍，人就不夠了。很多人不喜歡 AI，這沒有被定價。Dylan 認爲怎麼會被定價？他覺得是中期選舉。Doug 指出 AI 大概是第五優先級，不是前三。醫療、生活成本排前面。沒有人會以 AI 爲政綱參選。但 Dylan 認爲 AI 會成爲生活成本議題的子代理。不是"我們是否支持 AI"，而是"關心經濟，怪科技 bro 和 AI"。ROSA 法案在衆議院 300 比 20 通過，卡在參議院。企業遊說在阻止它。Doug 認爲如果不是前三優先級，遊說力量就會贏過民意。但 Dylan 指出 AI 已經是人們在其他議題上的替罪羊了。氣候變化、住房、通脹，AI 和科技 bro 都會被拉出來。

有個有趣的民調顯示，討厭數據中心附近。而住在附近的，尤其是年輕人，態度是正面的，因爲就業。Doug 去布法羅附近參觀過一個數據中心，當地人超支持。數據中心建在偏遠地區其實是好事，它讓經濟參與變得廣泛。一個千兆瓦數據中心大約需要一萬人。70 千兆瓦就是 70 萬個崗位。這開始影響選票了。技術繁榮的未來總會實現，問題在於現金流的時間。你花了一萬億，拿到一千億，它確實有一天會變成一萬億。但可能是五年後，到那時候你說"老兄，我沒錢了"。假設整個 AI 生態系統目前 ARR 是 1500 億，累計 CAPEX 一萬億。

15% 的收入回報，按 50% 利潤率算就是 7.5%。不算差，但也不是超級賺錢。你得相信 1500 億能變成 5000 億，這可以做到。然後 5000 億能支撐兩到三萬億的 CAPEX。但再翻一次倍就很難了。OpenAI 和 Anthropic 相信最終預訓練即將到來，因爲他們要 IPO。最終預訓練出來的模型確實很好，收入增長很快，但增長速度不夠付賬單。你建了一棟你付不起的房子。花了五萬億投資，收入五百億，那是十年的錢。Dylan 指出你說這是收入不是利潤。

而且你說這話的時候，你知道這些公司現在提供服務的利潤率有多高。Doug 承認對，我們還沒到那一步。現在還在窄路上，能看到收入怎麼對得上。超大規模雲廠商有其他業務狂賺現金，如果他們想停 CAPEX，利潤立刻就能印出來。但隨着你投入越來越多，賭注越來越高，路越來越窄。到某個點你實際上得要求所有人都在用它。問題在於決策者和實際採用者是兩個完全不同的世界。Zuck 覺得每個人都會戴 Meta 眼鏡在元宇宙裏每天燒萬億 token，但內布拉斯加的奶奶連新 iPhone 都不會用。

Dylan 反駁說收入不靠奶奶。靠的是企業、銀行、電信、零售公司、國防和情報機構。我看到每家銀行、每家電信公司、每家零售商都在日常工作中用這個。更有趣的約束在供給端：你能不能裝夠 GPU，能不能招夠人去賣。Doug 同意，供給端的問題更有意思也更難。電工、資本、許可，這些東西沒法按 scaling laws 翻倍。但給他們時間，它會到的。他們明年確實可能發一萬億債券。真正的問題在於路徑會變窄，賭注會變高，然後你得要求所有人都在用。這個採用曲線需要時間。