EP574 | 🐋
節目金句
- 「每個人的人生階段不一樣，他做出來的選擇就不一樣，或是這一群看起來是長輩的人，他們如果回到二、三十歲，他們其實講的東西呢，就跟現在我們身邊二、三十歲的朋友一樣。然後可是呢，有些東西真的是等到可能到了一定的年紀之後，才會開始慢慢的理解。」
- 「我就是有時候不免開始在想，說會不會以後我們也變成就是小朋友討厭的長輩，最近發現說你一開始是不懂長輩嘛，然後後來到理解長輩，然後就變成長輩。」
- 「有些事情，也就是你只有在這時候去佈下種子的話呢，你才可能在後面會有一個可以去享受成果的一個機會啦。因為時間過了，可能有些事情就是沒有辦法做。」
- 「我現在這樣的狀況就很好，我已經很滿意啦，我不知道所謂的最好的怎麼樣，我不知道所謂的怦然心動的狀況是怎麼樣，但是我覺得現在這樣就很好，所以有些事情就自然發生了。」
- 「希望大家盡量都不要被騙齁，就是只要把自己的錢管好，不要整天想把錢交給任何人，其實基本上就可以杜絕絕大多數的詐騙。」
Mind Map
提及個股
三句話總結
- 關稅與匯損曾被視為台股重大利空，但大立光財報開出反漲，顯示市場已有預期，但仍需警惕「不見棺材不掉淚」風險。
- AI 伺服器市場未見疲軟或砍單，目前數字調整更像世代轉換，AWS 在 ASIC 陣營表現強勁。
- 隨著 AI 發展，資料中心由氣冷轉液冷趨勢明確，Amazon 採用白牌散熱方案，台系供應鏈迎新機會。
投資建議
- 市場變化快速，應隨時調整判斷，避免固守舊觀點。
- 評估公司基本面時，須重視匯率對財報的影響，特別是快速升值造成的利潤翻覆。
- 研究新技術趨勢時，除總體受益外，更需細分各廠商產品組合與客戶來源，以精準判斷投資機會。
- 若利空公布後股價不跌反漲，應保持保守，觀察是否出現連續利空，避免「不見棺材不掉淚」引發連鎖閃崩。
- 部位調整宜謹慎，當市場行為與預期不符時，以逐步拉高取代一次性賭注。
- AI 伺服器產業受技術換代與客戶策略調整帶動，可關注液冷散熱、白牌方案等台系供應鏈。
- 善用 AI 模型 (如 Grok-4) 提升資料整理與報告產出效率。
業界資深人士交流
- 與業界資深人士交流能獲得大量知識，但資訊取得需循自然關係發展，而非直接索取。
- 高端圈子更常分享日常話題，不會整天討論市場數字。
- 大趨勢形成是長期過程，不像短期動能股消息變化快速，如 AWS 伺服器計畫不會說變就變。
- 與進階圈子交流時，重點常在生活、育兒、品酒等日常，而非市場震盪。
- 想獲得高成就，須學習他們的生活態度與處事原則，資訊僅為輔助，人格與判斷力才決定成敗。
- 與不同人生階段的朋友交流，會獲得完全不同的指引和回饋，享受這種「衝突感」帶來的收穫。
台股兩大利空評估
- 兩項原本視為重大利空：關稅、匯損，對資本市場的衝擊可能被高估，但市場仍可能因連鎖反應驟變，需維持動態調整與風險控管。
關稅影響漸趨平緩
- 關稅對台灣的影響預計會慢慢降低，台商分散出口地點 (東南亞、美墨等) 以降低關稅衝擊。
- 美國對 AI 伺服器等仍有豁免，若持續將使影響程度降低。
匯損問題 - 大立光
- 大立光：EPS 由 35–40 元降至 7 元，財報顯示因台幣快速升值，影響固定美元售價的未收金額與採購成本，產生 40 多億匯損。
- 儘管匯損巨大，財報公布後股價反而上漲，這可能代表市場已做好心理準備。
台股「不見棺材不掉淚」現象
- 台股常在利空開出後不跌反漲：第一家開出匯損利空時股價常不跌反漲，吸引投資人進場，若後續多家公司連續開出相同利空 (如匯損)，投資人可能嚇到，導致股價突然狂崩。
- 癌大仍不會排除匯損對公司分析的影響，因為數字的變化會影響公司分析，如本益比 (P/E ratio) 和目標價 (TP)。
- 仍需觀察其他台系重點廠商，如交換器、伺服器 ODM/OEM) 的匯損財報，若市場仍無反應，才能視為匯損問題已被消化
- 基於過去經驗，癌大在部位調整更為保守，採取逐步加碼而非滿倉策略。
AI 伺服器與供應鏈趨勢
AWS 伺服器需求下修傳聞
- 傳聞 Amazon AWS 伺服器 (特別是訓練系列) 需求下修，多來自多來自通路與供應鏈的 Channel Check，如光通訊、OEM、ODM、散熱件等。
- 癌大認為：這是一種「換代」而非實際下修，多半是因代數轉換或產品組合配置修正，非大問題。
- 例如：
- 網通設備：400G 轉到 800G，400G 量減少是規格升級。
- NVIDIA：HGX 轉 Oberon 或 NVL72 架構，GB rack 與 HGX 出貨量的變化屬架構變換。
- 目前未見 AI 伺服器疲軟，ASIC 伺服器需求仍強勁，AWS 表現最佳。
- 相關台股供應鏈：智邦、貿聯、高技等，從板子、交換器、運算機櫃到線材、電源，短期未見大幅修正。
AWS 的 IRHX 水冷解決方案
- 目前伺服器和資料中心建置仍以氣冷為主，面對升級高功耗 AI 設備需導入液冷，
- NVL72、HGX 伺服器與 GB200 等設備功耗高達 120–140 kW，熱能遠超氣冷上限，需局部採用水冷系統 (如 cold plate、CDU)。
- AWS 推出 IRHX (In-Row Heat Exchanger) 解決方案，結合既有的氣冷資料中心，避免重新設計。
- 核心在於拒絕 Vertiv 等整套方案，改用模組化設計。
- IRHX 與學術界 CDU 概念相似，但拆分為 Water Distribution Cabinet 與 Pumping Unit。
- 流程：分配水流→泵入冷板吸熱→導至風扇線圈 (fan coil) 以氣冷散熱。
- IRHX 類似「白牌化」策略：Amazon 自行發包，降低成本並兼容既有機房。
- 為台系供應鏈帶來機會：
- 此舉打破美系廠商壟斷，為台廠帶來新商機。
- 散熱與氣冷台廠，如奇鋐 (AVC)，有機會成為 AWS 供應商。
- AI 熱潮持續，相關產品與題材將不斷湧現。
- 未來趨勢：
- 新建資料中心多數將直接採用液冷設計，「水對水」可能成為未來主流。
- 建築初期即考量樓板承重、水管路與熱交換區域。
- 水對水系統：水冷板 (cold plate) 吸熱後，吸熱後循環至外部水塔散熱，效率高，適合高熱密度設備。
- 舊有的資料中心若要導入液冷，可能採 IRHX 結合式方案。
Grok-4 模型
- xAI 推出 Grok-4，癌大先嘗試訂閱 NT$ 900/月方案，認為各大模型在通用用途差異漸小，但於特定領域如程式碼撰寫，有其獨特優勢
Grok-4
- 測評排名暫居第一，推理速度較 Grok-3 慢，但準確度高。
- Grok 風格直接，整理資料的能力非常厲害，不像 ChatGPT 偏向正向回饋。
- 財報狗 Jeff 觀點：未來股票研究重點在「人際交流」，研究與報告可交給 AI。
- Grok-4 可在 5 分鐘內完成冷門公司或特定產品組合的高品質報告，效率遠勝人工，是研究最佳助手。
- 癌大期待將個人非公開、Google 搜尋不到的資料庫餵給 AI 進行處理，預期將會產生驚人效果。
AI 模型分工趨勢
- 未來 AI 模型可能呈現「群雄割據」的局面。
- Google：可能在泛用搜尋領域保持霸主地位。
- Gemini 結合 AI Overviews 在通用方面已是非常成熟且優良的產品，Google 未來可能仍是通用搜尋最大受惠者。
- 癌大認為，即使各 AI 模型難分軒輊，大眾仍可能習慣在 Google search bar 上直接提問。
- Claude：專注於程式碼撰寫或翻譯。
- Grok：研究領域表現突出。
- NotebookLM：在 YouTube 影片重點整理方面表現突出。
QA
水冷需求對泵浦的影響 (6982 大井泵浦)
- ASIC 趨勢下，機櫃由氣冷轉液冷，理論上提升泵浦需求。
- 仍須拆解各廠產品組合，評估大井泵浦在 AI 端布局程度。
- 如同光通訊元件：部分做 400G/800G 資料中心規格，部分聚焦電信端，產品應用差異決定受惠程度。
- 投資評估應由下游客戶切入，從其客戶如台達、AVC 或特定散熱廠，確認是否有這類需求以及向誰下單。
- 若掌握終端採購對象：可更精準判斷供應鏈連結與成長潛力。
- 若資訊不足：留意公司法說會是否提到 AI 伺服器與水冷布局。
- 水冷市場擴大，零組件理論受惠，但仍須考慮產品驗證與競爭。
Google TPU 代數與命名
- Google TPU 的「v」代表版本：v4、v5、v6、v7 依序演進，數字愈大表示世代愈新。
- 「p」型號 (v6p、v7p)：常見為高性能版，與博通 (Broadcom) 代工相關。
- 「e」型號 (v6e、v7e、v8e)：重能效，與聯發科 (MediaTek) 代工有關。
- 每一代 TPU 可能有多個名稱，對外發布的名稱如 Hammer (v6p)、Ironwood (v7p)。
- Google 內部則以「魚」類命名：如 Goldfish, Zebrafish 等。
- 晶圓代工廠可能又會使用不同的代號
青少年課業與興趣兼顧
- 癌大自認「玩物喪志」，學生時期沉迷 3C，討厭教科書，熱愛小說與百科。
- 家長應以「交易」方式：允許遊戲，但需達最低課業標準。
- 若不聽從，家長可以選擇不添購更好的設備。
- 可運用「激勵」方式，例如：癌大兒子為獲新遊戲把手而努力早起，並養成習慣。
- 切勿剝奪興趣，如拔網路線或丟收藏品；應以引導替代強制。
- 癌大認為，關於平衡的建議，即使是學霸的經驗也不一定適用於每個孩子，社會上的指引更多是作為參考。
