EP689 | 🏐

• 節目連結： https://www.youtube.com/watch?v=sI5DUiG42Q8
• EP689_2026-08-19 逐字稿： https://digitalgarden-five-azure.vercel.app/gooaye-transcripts/ep689
• 部落格好讀版： https://digitalgarden-five-azure.vercel.app/gooaye-notes/ep689

提及公司

• 美股：Nvidia、Amphenol、Micron
• 台股：貿聯
• 其他：Anthropic
• 概念股：記憶體、電子零組件、先進封裝、OSAT、測試、光通訊、AI 基礎設施

三句話總結

• 回檔仍屬多頭整理：科技股自 7 月低點反彈幅度大，近期數日修正尚不足以證明趨勢反轉，若後續沒有加速破底，觀察哪些族群率先收復前高。
• AI 槓桿持續堆高：科技巨頭除帳面 CapEx 外，仍有 未開始租約、採購承諾、場外融資，危險可能出現在需求增速放緩，但現階段 AI 變現能力仍可見，尚不足以判定泡沫即將破裂。
• 強勢族群決定下波主流：記憶體代表 Components Trade，封裝測試代表 Bottleneck Trade，若最缺環節無法繼續擴張估值，資金可能轉向具 產品迭代、差異化價值 的 Value Add。

投資觀點

• 突破前高確認主流：目前比預測指數漲跌更重要的是觀察修正後誰先恢復強勢，Components、Bottleneck、Value Add 中率先突破前高者，可能定調下一階段多頭主線。
  • Component Trade：交易 AI 需求成長帶動零組件出貨，漲價、規格升級 產生的獲利成長。
  • Bottleneck Trade：交易供應鏈中 最缺產能、最限制整體出貨 的瓶頸環節。
  • Value Add：交易企業透過 技術、軟硬體整合，或生態系創造 額外價值、定價權 的能力。
• 報價停漲形成警訊：缺貨產業真正值得警戒的不是財報立刻惡化，而是最緊缺產品從持續漲價轉為價格持平，代表需求成長可能開始追不上新增供給。
• 績效回吐控制風險：無法精準逃在最高點時，可用年度績效作為停手機制，當既有獲利被快速侵蝕至無法接受，即使基本面仍正向，也應提高警覺。

科技股回檔

高殖利率債券壓縮估值

• 高利率壓縮科技股：美債殖利率提高無風險報酬，使高 PE 科技股相對吸引力下降，可解釋部分近期回檔，但 短線 -3%、連跌數日 不足以證明市場即將發生重大風險。
  • 核心原因：7 月重挫後已有不少股票重新回到前高，甚至創高，代表市場內部仍有強勢買盤，仍屬正常波動。
• 市場情緒仍偏保守：7 月急跌使市場風險敏感度升高，因此近期再度回檔時，把正常回檔解讀成新一輪崩跌，甚至快速降低部位。

修正後尋找下一波主流

• 8 月修復快於預期：原先預估 7 月大跌後需至 Q4 才能逐步收復失土，但 8 月 台股、櫃買、美國科技指標 快速反彈，已提前收復 50% 回撤。
• 不破底反成機會：若本波修正沒有加速往下撞，而是轉為橫盤震盪，重點應從恐慌減碼轉向尋找率先恢復強勢的族群。
• 突破前高決定方向：Components、Bottleneck、Value Add 無論哪一類交易率先突破本波修正前高，都可能成為下一階段多頭主流。

AI 槓桿風險

表外義務持續累積

• AI 表外支出更高：WSJ 指出，大型科技公司的 AI 支出可能比表面數字高出 3 兆，未開始租約、採購承諾 等義務尚未列入資產負債表，使實際槓桿高於財報呈現。
  • 未開始租約：未來已承諾的租賃支出尚未正式反映在目前財報。
  • 採購承諾：已承諾的 設備、基礎設施 支出未必完整反映在當期資產負債表。
• 場外融資提高槓桿：供應商融資、其他場外融資 持續增加，使 AI 投資的實際槓桿高於單看公司財報所能觀察到的程度。
• 槓桿成為房間大象：已屬必須注意的重大風險，但無法判斷何時會真正對市場造成破壞。

需求放緩可能引爆

• 需求拉平暴露過剩：真正危險的情境不一定是 AI 需求消失，而是需求成長速度停止加速，但先前投入的 廠房、設備、融資 仍持續進場，最終使供給超過需求。
• 2022 提供相似經驗：2021 年企業相信庫存越多越有利，因此大量囤貨，後續需求轉弱後形成供應鏈庫存調整。
• 金融商品化接近末端：若 AI 債務、資料中心債券 被大量包裝成一般投資人也能購買的理財商品，可能代表風險逐漸接近爆發階段。

AI 變現延後泡沫破裂

• AI 已證明能變現：Anthropic 等公司的成長速度即使開始下降，仍比 1~2 年前市場預期更快建立營收能力，因此短期不致全面泡沫化。
• 泡沫不代表立即離場：每輪多頭最終都可能形成泡沫，但泡泡能吹多大無法預測，若為了完全避開最終破裂而過早離場，也可能錯失前段資產增值。

報酬回吐風控

年度績效設定停手機制

• 績效回吐觸發休息：以年度報酬作為基礎風控，若單年度累積獲利被單次修正快速侵蝕，即使 產業、基本面 仍正向，也應暫停交易。
  • 績效轉負就收手：若全年原本僅賺 (20~30)%，一次回檔便吃掉大部分年度獲利，即使基本面仍正向，孟恭也會提高風控甚至暫時停止操作。
• 7 月回吐仍可承受：孟恭本波績效回吐 30%，但因上半年累積報酬高，修正後仍屬可接受的年度成果，因此選擇繼續留在市場。
• 風控因年度狀態改變：2022 年若從年初便持續虧損，就不能套用已有大量獲利的操作方式，部位承受能力必須隨年度績效調整。
• 股價領先基本面惡化：重大問題往往在市場確認原因以前就先反映於股價，因此只等待 財報、產業數據 轉差，可能已錯過最佳風控時間。

不追求完美逃頂

• 高點離場極難複製：行情最熱時，市場參與者會從 YTD 轉而關注 MTD、WTD，持股每天 +(3~5)% 時，很難主動放棄行情。
• 第一段下跌可以接受：較實際的做法不是預測最高點，而是參與主要上漲段後，接受吃到部分回檔再降低部位。
• 精準抄底逃頂不實際：經歷多次市場循環後，難以穩定做到 最高點賣出、最低點買進。

零組件交易 (Components Trade)

記憶體決定估值上限

• 記憶體成為估值錨：記憶體是目前市場 最缺、展望最明確 的零組件，若其 股價、PE 無法繼續提高，其他缺貨程度較低的零組件更難說服市場取得更高估值。
• 降低規格 (De-spec) 擾動預期：HBM 12-Hi、16-Hi 面臨良率挑戰，高疊層產品因 良率低、產出少，客戶可能降低疊層規格，以更多顆數滿足容量需求，同時維持需要的頻寬。
  • 長多邏輯未必改變：降低規格可能只是改善供應的方法。
  • 短期估值仍受衝擊：市場只要聽到規格下降，就可能先降低相關股票的風險偏好。

報價持平形成警訊

• 缺貨漲價尚未結束：現階段各類元件價格仍持續上漲，因此尚未出現明確供需反轉。
• 價格漲不動要警戒：2021~2022 年的經驗顯示，早期警訊不一定是價格正式下跌，而可能只是原本持續上漲的報價開始持平。

瓶頸交易 (Bottleneck Trade)

瓶頸吸引資本投入

• 瓶頸創造溢價：Bottleneck Trade 聚焦整條供應鏈最缺產能的環節，目前 AI 市場的重要瓶頸之一落在後段封裝。
• 運算時效 (Time to Compute) 驅動擴產：AI 投資者希望盡快讓運算能力上線，因此願意付出更高成本解除供應鏈瓶頸。
  • 接受漲價：直接提高採購價格取得優先供應。
  • 預包產能：用較高價格提前鎖定供應商產能。
  • 直接買設備：替供應商購置設備，降低供應商自行擴產的風險。
• Nvidia 主動解除瓶頸：供應商若擔心擴產風險，Nvidia 可直接購買設備放進 封裝／測試 廠，再談好生產利潤。
• 超額採購壓縮競爭：光通等供應吃緊時，Nvidia 可能多下訂單，目的不一定只是立即使用，也可能讓競爭者更難取得關鍵元件。

封裝股價驗證交易

• 封裝代表瓶頸強度：OSAT、封裝、測試 屬目前 AI 供應鏈最明確的瓶頸之一。
• 最缺環節不漲要警戒：若這些最缺的環節仍無法推動股價上漲，不代表實體產能瓶頸已解除，而可能只是市場不再願意為 Bottleneck Trade 提供更高估值。

附加價值 (Value Add)

資金轉向產品價值

• 附加價值可能接棒：若 零組件交易、瓶頸交易 同時降溫，市場可能轉向能透過 晶片迭代、軟體、系統整合、生態系、技術創造溢價 的 Value Add。
• 價值不靠成本衡量：附加價值不是單純依靠缺貨漲價，也不能只用 原料、零件 成本解釋產品售價。
  • iPhone 提供案例：單純拆解零件成本無法解釋完整產品的定價，真正差價來自 產品整合、價值疊加。
• 市場初步偏向附加價值：7 月修正後，較強勢族群偏向附加價值，顯示市場已開始對下一階段主線做出初步選擇。

QA

選擇公司

• 薪酬優先於公司光環：工作產生委屈，多數核心問題仍是薪酬未給到位。
• 好部門優於好公司：若在 好公司爛部門、爛公司好部門 二選一，偏向選擇爛公司好部門，因為 主管、同事、工作氣氛 直接影響每天工作感受。
• 公司名氣並不重要：若差異僅在公司知名度，名聲不應列為優先順位。
• 跳槽取決薪酬差距：是否值得離開喜歡的同事，可以直接用新工作的薪資差距衡量。
  • 加薪 10%：可能不足以放棄原有團隊。
  • 加薪 100%：多數人會直接選擇離開。

產業知識如何累積

• Busbar 知識來自液冷：深入研究 Busbar 源於過去接觸投入 Immersion Cooling 的 Stealth Company，向產業人士了解 材料、尺寸 差異。
  • Stealth Company：處於隱密開發階段，尚未公開 產品、技術、商業計畫 的新創公司。
• Cable 知識來自公司研究：投資 貿聯-KY 時必須理解不同 Cable 的 用途、結構、技術變化，因此逐步建立線材相關知識。
• Connector 知識來自元件研究：研究 Socket、Pluggable 元件、Amphenol 後，才進一步理解 Connector 的 插拔次數、Pin 數、良率 問題。
  • AI 伺服器曾有插拔限制：早期產品可能插拔數次後就產生問題，因此測試流程甚至需要刻意降低插拔次數。
• 知識來自長期堆疊：並非研讀 Nvidia 報告才理解 Busbar、Cable、Connector，而是過去研究不同產業累積的知識在新題目中重新連結。
• 底層邏輯可以移植：手機、PC、伺服器、車用電子 雖應用不同，但許多 元件、工程限制 具有共通性，熟悉一個領域後能降低跨產業研究門檻。
  • 尖端產品追求微縮：空間價值高時，技術會持續往微縮前進。
  • 成熟應用追求穩定：空間限制較低時，可能更重視穩定度，而非一味追求最先進製程。
• 跳島學習提高效率：先完整理解一個產品後，再延伸到相鄰產業，新領域往往只是類似元件重新排列組合，因此學習速度會逐漸提高。
• 聲量只增加資訊速度：聲量優勢能更早知道 衛星景氣、零組件漲價 等產業訊號，但無法取代研究元件 原理、供應鏈 的基本功，優勢主要是取得拼圖更快，不是自動知道如何拼圖。

基本面研究深度

• 模型必須拆到產品：只用公司整體 ASP 拆 PQ 可能過度粗糙，因為同一家公司可能同時存在 成熟業務、快速成長的新產品。
  • 拆 PQ：把營收拆成 Price × Quantity，分別估 價格、銷量，再推導 營收、EPS。
• 新產品決定獲利彈性：真正需要估算的是新元件的 價格、出貨量，以及它進入產品組合後能對 毛利、獲利 帶來多少上修。
• 同業資訊補足參數：公司沒有直接公布價格時，可以從 歐美同業電話會議、上下游資訊、公開資料 推敲。
  • 毛利線索可反推：同業可能只透露新產品比傳統產品高幾個百分點毛利，但已足以縮小估值範圍。
  • 營收貢獻可反推：小產品卻能大幅提高某 Sector 營收時，代表 ASP／出貨量 至少有一項非常高。
• 好研究不等於好投資：研究內容非常精準，不代表股票一定會漲。
• 產業選錯仍難賺錢：即使把公司研究透徹，如果產業沒有行情，研究成果未必能轉化成報酬。
• 題材熱門容易 Overshoot：市場出現熱門題材時，研究報告可能高估 Share、ASP、EPS，但只要資金接受 樂觀假設、分析師持續上修，股價仍可能先大幅上漲。
• 選產業先於精算模型：投資研究應先找到市場願意交易的好產業，再投入大量時間分析個別公司。
• 新資訊提高模型價值：年報、季報、既有法說資料 主要反映過去，要提高預測能力仍需追蹤新的 訂單、議價、產品換代、Pin 數提升、價格變化。
• 特殊管道提高取得速度：多數資訊仍可以透過公開資料慢慢拼出來，特殊管道最大的優勢是更快取得答案。

節目金句

• 「哪一次的炒作、哪一次的多頭，最後面它沒有變成泡泡跟泡沫？就是一定都會。」
• 「一個正常的多頭，本來就是漲一漲可能會有一些回檔出來。」
• 「大家出來工作不是來交朋友的。進去上班，我們是一家人？誰跟你他媽是一家人，我們不是一家人。」
• 「不用去信這些東西，反正就是錢給到位就沒有問題。」
• 「你要去抓到產業的好東西去做研究。就算你的研究的結果很爛，你還是會賺錢。」
• 「巧婦難為無米之炊。他媽的，你給他一坨垃圾，他研究了半天就不會漲，他不會漲就是沒有用。」