部分讀者應該還有印象，在去年(2025)10月，AMD宣布與OpenAI達成一項戰略合作協議，計畫部署高達 6 GW的運算產能；消息一出，市場反應劇烈，AMD股價在單一交易日內跳空暴漲約24%，市值逼近歷史高點，甚至在隨後的幾週內觸及267美元的52週新高。
在那時，Mark便已撰寫了本篇文章的草稿，當時的假設是：「在 AMD 暴漲過後，暫時不應加碼」；而後續的市場走勢也應證了我當初的擔憂，自從10/29達到歷史新高以來，至今已回調近25%，甚至幾度跌破200元以下的支撐位，再次應證了一句名言：
"再好的資產，一但忽略估值買高，那亦有可能虧損"
而雖然價值投資者的邏輯是長線持有至公司基本面永久變差，但那種「別人賺的盆滿砵滿你卻只是剛打平」的感覺，也會一定程度影響心態(尤其是對初入股市沒有太久的新手而言)。
也因此，在AMD股價相較高點已近乎75折的現在，我認為現在應是補完這篇文章的好時機，也順便會在最後，向大家闡述我目前對於AMD的看法。
到底目前還是不適合買入?有沒有什麼我們應該注意的隱藏性風險？
想要第一時間獲得市場上的最新資訊及分析嗎？
歡迎點擊連結訂閱【馬克觀點MKP】電子報，在即時更新資訊的同時，獲得最深入的分析～
基本上，去年那波突如其來的暴漲，其市場定價行為實際上已預支了未來 18 至 24 個月的完美執行預期；換言之，AMD未來幾年不能在「執行風險」上出任何差錯。
這也應證了後來的暴跌其實只是剛好，因為市場總會有人提前進行風險趨避，再加上2月初的流動性枯竭問題(詳情見【馬克思藏#10】關於近期的資產拋售與美元匯率，馬克的觀點怎麼看)，剛好完成了一波去槓桿刷殺。
這也是為什麼Mark自己，即便在去年(2025)十月當下那種市場十分誘人的環境時，我仍堅持「持有但不追高」策略。
以下是我的三大分析觀點：
- 金融工程的代價：
AMD與OpenAI去年的交易並非單純的硬體採購，而是一場複雜的「算力換股權」金融操作。
AMD 通過發行高達 1.6 億股的認股權證來換取訂單，這對股東造成了潛在的 10% 股權稀釋；商業上，這不是傳統的「客戶下單、廠商發貨」模式，而是一種深度利益/風險綁定的機制。
根據SEC上已知公開披露的協議(大家可自行去查AMD的8K報表，確有其事)，OpenAI 承諾部署高達 6GW 的 AMD Instinct GPU，首批 1GW 將於 2026 年下半年開始部署；作為交換，AMD 向 OpenAI 發行了認股權證，允許其以每股 0.01 美元的"名義上"價格購買最多 1.6 億股的 AMD 普通股。
(這已與尾牙抽獎送股票無異)
OpenAI 不需要支付市場價格來行權，因此其獲利空間逼近100%。拿到股份的當時AMD股價有多高，OpenAI的潛在利益就幾乎有多少。
這1.6 億股約佔 AMD 當前流通股本的 10% ；換言之，這就是為何前面說我們所有持股者的股東權益將被稀釋一成。從財務角度看，這是 AMD 為了獲取客戶而支付的巨額「客獲成本」，就好比有些新的行動支付廠商在初期為了搶客，會推出那種10%回饋金的高額回饋。
如果以 220 美元的股價計算，這筆股權激勵的價值高達 352 億美元。這甚至比AMD在2025財年346億美元的總營收還多...
但稍微安慰一點的是，這些認股權證並非一次性給付，而是與合約"實際佈署量"掛鉤；第一批權證在完成 1GW 部署後歸屬，後續隨部署規模擴大至 6GW並且AMD股價達到特定價位後(最高目標價為 600 美元)，逐步解鎖歸屬權。
如果你看不明白，可以想成這有點像馬斯克的薪酬案，但這部分又有奇怪的地方。因為OpenAI是「客戶」而非AMD的經營者。
講白一點，這筆交易創造了一個奇怪的迴圈：
OpenAI 買晶片 -> 幫 AMD 衝營收 -> AMD 股價上漲 -> OpenAI 認股權後變現 -> OpenAI 賺大錢
換句話說，OpenAI 買晶片的錢，其實長線來看，是二級市場的股民幫忙付的。如果 AMD 股價真衝到 600 美元，OpenAI 拿到的 1.6 億股市值會逼近 1000 億美元，這會遠遠超過 OpenAI 支付給 AMD 買晶片的總金額。
結果就導致了一個荒謬的結果：AMD 賣晶片給 OpenAI，其實會是「賣一片虧一片」的（如果計入股權稀釋成本，計算詳註一）。
而對OpenAI 來說，它本來應該是客觀的技術使用者，評估哪家晶片好用就用哪家，但拿了這筆認股權證後，OpenAI 可能變相成了 AMD 的「造市商(Market Maker)」；為了讓手上的權證價值最大化，OpenAI 有極大的動力去「吹捧」AMD 的晶片效能，甚至可能在技術報告中對 AMD 表現更加寬容。
這會讓市場失去判斷真相的能力：到底 AMD 晶片是真的好，還是 OpenAI 為了讓股票漲到 600 美元而硬著頭皮說好？
但當然好一點的劇本是：
OpenAI行權拿到所有股份後「下定決心要跟AMD共同打拼」，堅決不賣股，成為AMD的10%股權永久大股東，大家一起為未來努力！
不過更可能的情況會是OpenAI為了現金流而選擇套現，但好在SEC的法規限制了其不能把這10%股份一次倒光，每次應以一季為一個週期，並且需要至少提前3個月就提出申請，也就是說OpenAI 就算拿到了全部股票，也不能一次把 10% 倒光。
根據規定，他們每季頂多只能賣 1% 左右(或不得超過每 4 週 AMD 股票的平均週交易量)，要完全出清這 10% 的持股，理論上至少需要 10 個季度(2.5年)的時間；這一定程度上至少保護了散戶股東的權益，大幅降低了「一次性崩盤」的風險，但仍有可能會讓股價在突破600大關以後有一定的"長線賣壓阻力"(也就是說按照經濟學最簡單的供需法則，在"沒有其他散戶or機構賣出"的情況下，當時每一季的買盤至少也要超過1600萬股，股價才可能繼續上漲)。
為了與輝達一戰(擴張市占率)，AMD 此次協議實際上是在拿股東的權益進行倒賠的補貼；蘇姿丰肯定也深知這筆交易若完全履行後，結算時檯面上絕對賠錢，但也許她圖的是「讓(相對)小利，以換取公司市值發展」。只要公司市值的總擴張程度大於讓利給OpenAI的程度，那這筆交易對它們雙方來說就是win-win。
數學邏輯是這樣的...即便股票增發了 10%，但只要公司總市值翻了 300%（從 3300多億變為一兆），原股東手上的股票雖然被稀釋了，但絕對價值還是大賺的。
無論如何，這種交易結構揭示了 AMD 在談判桌上，相對於輝達，仍舊處於弱勢地位。
在 AMD 公布此案後，黃仁勳也曾公開評論，直言 NVIDIA 的模式是「直接銷售產品」，並語帶雙關指出 OpenAI 會這樣做是因為「他們現在沒錢(Cash poor)」(所以AMD答應在未來達到某些里程碑時給OpenAI的"股權回扣"，對OpenAI而言是相當有吸引力的)。
Nvidia 在銷售產品時，通常要求客戶預付巨額現金作為訂金，且享有極高的定價權；反觀 AMD，為了贏得 OpenAI 的訂單，不得不拿出 10% 的公司股權作為「甜頭」。這暗示了如果AMD不提供股權激勵，單憑硬體競爭力(雖然實際上已接近NVDA)可能不足以讓 OpenAI 下定決心大規模遷移至 ROCm 平台(這是AMD的軟體平台，其意義相當於CUDA之於輝達)。
此外，也有分析師指出一個雖然悲觀，但我認為邏輯是通順的觀點：
這個交易結構對 OpenAI 提供了極大的下行保護，卻將大部分執行風險留給了 AMD
如果 AI 需求放緩(雖目前沒看到)，或者 MI450系列 性能不達標，OpenAI 大可以選擇不進行後續部署，放棄剩餘權證。但 AMD 為了準備這 6GW 的貨，必須提前數年向台積電預訂產能，並向記憶體廠商採購 HBM4，這些沈沒成本一旦投入，若訂單未如期兌現，勢必對 AMD 的資產負債表造成重創。
雖AMD 與 OpenAI 的協議在媒體新聞稿中亦被描述為「雙贏」，但深入剖析其合約邏輯，會發現這仍是一場不對稱的博弈。
不過對於AMD來說，這某種程度也是商業現實下的無奈，畢竟若能像老大哥NVDA那樣有絕對定價權，(要不是為了公司成長)誰想讓利呢? - 技術與製造的雙重賭注：
該商業戰略協議的核心產品「MI450系列」AI加速器(詳第15期)將採用台積電量產規模尚在爬坡中的 2nm (N2) 製程及良率極具挑戰的 HBM4 記憶體技術(註二)。
這是AMD用來對抗 Nvidia 下一代 Rubin 架構(詳57期)的硬體策略，不過相較於 Nvidia 選擇成熟穩定且具成本優勢的 3nm 製程(N3P)，AMD 選擇了一條較高風險、但也可望帶來高回報的技術路徑，惟未來不管是邏輯晶片或記憶體晶片，任何生產上的良率或供應鏈波動都可能導致錯失 2026 下半年的交付窗口；但我本人對於邏輯晶片方面，台積電的製程改善能力，是有信心的，這種信心不是盲目，而是我知道其內部一些質化基本面的(註三)。
這部分我看到的是，許多分析師的背景不是半導體，所以很明顯知道的不夠多也不夠深入。輝達採用的N3P製程綜效已與它廠(三星、英特爾)的N2差不多，AMD也有可能只是因為搶產能搶不過輝達（你看老黃多會做公關，他滿心在意的是產能），加上對硬體性能「超車」的渴望，所以選擇現階段性價比（Performance/Cost）與成熟度均較低的N2。
雖然如果回到台積內部做自我比較，台積自己的N2 vs.台積自己的N3P，前者性能實際上高出5~10%，但AMD要付出的製造成本肯定比較高的，因為N2比較貴是不爭的事實(根據市場消息，N3P報價僅漲2000美元/片晶圓、成本增8%；但初代N2至少要貴5000美元/片晶圓、成本增加達20%)。
關於成本方面的差距還不只如此，要知道，N3P 基本上是前一代 N3E 的強化版而已，兩者是能共享架構設計 IP的！Front-end端不需要重新設計電路圖，就能獲得效能紅利。
但N2的gata設計是與FinFET完全不同的GAA(again，沒有背景知識的務必參閱24期)，基本上要從 FinFET 轉向 N2 的 GAAFET 架構，客戶還必須承擔極其龐大的重新設計與驗證費用；電路佈局（Layout）要重畫、EDA 工具(詳33期)要重跑、驗證流程要重來、光罩(詳56期註三)要重開。
這是一筆巨大的一次性工程費用，動輒總計要耗費的金額是以「億(美元)」計；這在目前市場對各大公司財報"斤斤計較"的狀況下，可能會或多或少影響到自由現金流。
另外，若我們把NVDA與AMD兩者做硬體規格對比，根據流出的數據，AMD 的 Helios 系統（搭載72 顆 MI450系列）將配備 31TB 的 HBM4 記憶體(頻寬達 1400 TB/s)，這在「記憶容量」上優於 Nvidia Rubin的 21TB；符合 AMD 過往產品線一貫的「大記憶體」策略，非常適合大型語言模型的推論任務。
然而，在運算精度上，Nvidia Rubin 在 FP4 (見64、45期)格式下預計能提供 3600 PFLOPS(註四) 的算力，遠高於 MI450系列 的 1440 PFLOPS；這代表在訓練任務上，Nvidia 可能仍保有優勢。
OpenAI 選擇 AMD，更多是為了推論（Inference），而非完全取代 Nvidia 在核心訓練任務上的地位。 - 基礎設施的物理極限：
如前所述，雖然總total合約目標是6GW的佈署量。但在那之前，第一批認股權證會在完成 1GW 部署後才能歸屬OpenAI，故對OpenAI來說，第一個關鍵里程碑就是先弄出「第一個1GW」，雖說如此，但光是這1GW容量的算力集群，就需要克服前所未有的電力與冷卻挑戰。
這其中，Oracle 與 OpenAI 的「Stargate」計畫雖然宏大，但在現實的電網連接與數據中心建設上仍面臨著無法用軟體解決的物理世界瓶頸。(Oracle的角色只負責建數據中心、供電、冷卻、運營，然後把空間「租」給OpenAI，恩...沒變，一樣是商業包租公模式，不是什麼太創新的石破驚天發明，這也是甲骨文一貫喜歡的商模)
怎麼說呢？
首先，1GW（1000百萬瓦）的電力消耗相當於一個中型城市的用電量；在 2026 年下半年就要完成首個 1GW 的部署，這在工程上極具野心。(老實說，目前只有馬斯克領導的xAI達成類似成就，整個建設週期只耗時122天，那有賴於老馬驚人的執行力、效率，與旗下企業包括Tesla的Megapack與xAI的高度垂直整合)
針對這樣的耗電需求，目前在德州或新墨西哥州等地建設新的變電站和高壓輸電系統，通常需要 2~4 年的審批與建設週期；目前在美國各地的公用事業公司也都面臨電力供應緊張的問題，數據中心的併網排隊時間屢創新高。
雖然 Oracle 聲稱德州Abilene園區進展迅速，且已有 900MW (0.9GW)的電力規劃，但實際運轉的產能目前僅足以支持首批 Nvidia GB200 的部署。要為 AMD 的 MI450系列額外擴充 1GW，需要在 18 個月內完成大規模的土建與機電工程，任何施工延誤都將直接推遲 AMD 的營收認列時間。
並且，由於採用 2nm 製程及HBM4，MI450系列 的熱功耗預計將提高，這使得傳統氣冷系統不再適用，必須採用「晶片直接液冷」技術(如下圖)(你可以把它想像成類似燃油車引擎的水箱散熱系統，都是液冷式的)。
而液冷基礎設施的建設成本較氣冷式系統高昂許多，且需要專門的管道、冷卻液分配及防漏設計，這代表 MI450系列 無法簡單地插入現有的舊數據中心機架中，必須等待全新的液冷專用機房建成。
對於現有數據中心的土建設施而言，改造成液冷不僅成本高，還勢必受限於樓地板承重（液體比空氣重得多）等物理限制、及額外的建築法規限制。
一樣，這些新式機房的建設不能因為任何原因延遲，否則就會推遲到佈署時間。
(讓我們一起祈禱萬事皆順利)
(我是認真的，因為我有持倉...)
並且，在上述三大要點之外，大家應該都知道現在各大雲端巨頭除了持續購買NVDA通用AI加速器外(詳15期)，也紛紛自研自家專用的ASIC (Application-Specific IC，特殊應用IC)；在這點，AMD是缺乏類似TPU的產品的。
但NVDA，有follow咱們MKP的讀者都知道，在第59期的註二 & 57期中(務必閱讀)，我們已完整解釋了輝達的產品戰略設計及佈局基礎，基本上，整合進LPU架構的Vera Rubin，既有HBM能做為傳統GPU用做訓練模型的角色，也能利用來自LPU設計思維的on-chip SRAM架構，勝任被預測接下來將大爆發的AI推理(inference)任務。
深為理性的價值投資者，我們不能只見喜不見憂；雖兩家公司我都有持股，但Mark也必須說：目前確實NVDA單純論硬體上也具備"AMD不具備"的能力。
為了讓大家更具體認知到AMD與NVDA之間目前產品力(Product Power)的差異，我製作了下表，希望能更好的幫助大家理解。這是針對兩家公司下一代旗艦產品的對比及風險評估。
在當前狀況下，根據可查資訊，確實AMD被排在stargate計畫中佈署的"Phase 2"...
整整比NVDA的第一期建設(Phase 1)要晚了一年半，官方定位在 2026 年 Q3 才會上線(我們現在在探討的就是這僅剩的半年多工期不能有任何閃失)，也明確稱AMD的部署是「Nvidia 供應限制下的替代」。
進入本篇尾聲之前，我們來快速review一下AMD在2026/02/04剛發布的2025全年財報重點；首先2025年全年每股收益和收入均超過分析師預期。
- 每股收益：2.63美元（比2024財年的1.01美元上升）
- 收入：346億美元（比2024財年增長34%）
- 淨收入：42.7億美元（比2024財年增加160%）
- 利潤率：12%（高於2024財年的6.4%，而利潤率的增加是由收入的增加驅動的）
以上，收入比分析師預期高出1.6%；每股收益（EPS）也比分析師的預期高出5.7%。
預計未來3年，AMD收入將平均每年增長21%，而美國半導體行業預計增長20%。
過去的3年裡，平均EPS每年增長68%，但該公司的股價每年只增長33%，單純看P/E分子分母的消長而不考慮任何其他因素的話，這代表價格明顯落後於價值增長。
不過必須先說，PE絕對不是穩賺不賠的唯一指標。
(文章結尾有Mark提供給訂閱用戶們的實務建議，想一睹風采的朋友們點及【馬克觀點MKP】進行訂閱)
背景知識傳送門
〖註一〗
為了避免被說是刻意唱衰，我們採用對 AMD 最有利的「最佳參數」來計算：
售價：假設 AMD 談判能力極強，賣給 OpenAI 的單價高達 35000 美元（這已接近 NVIDIA Blackwell產品的價格，對 AMD 來說是非常樂觀的假設）
毛利率：採用 AMD 最新財報（2025 Q4）中給出的樂觀指引 55%（這是 Non-GAAP 數據)
首先，6GW是總功耗容量(=6,000,000 kW)，把它除以保守估計的單一節點功耗約1.5 kW(含MI450系列本身+伺服器其他組件如冷卻系統等)，就會得到4,000,000這數字；表示OpenAI 只要買約400萬顆AMD產品就能達標。
也代表AMD那 1.6 億股的客獲成本，只能由這 400 萬顆晶片來分攤。
接下來我們假設 AMD 股價真的漲到 600 美元，OpenAI 拿走所有獎勵
Total Revenue為4,000,000*單價35000美元，總共會得到1400億美元(這是一個驚人的數字，相當於AMD 2025全年營收的 4 倍以上)；乘上前面的樂觀毛利率55%，代表AMD扣除製造成本後，真正賺到的錢約為770億美元。
贈送的股票價值就更好算了，基本上每股0.01元可以忽略不計，直接以1.6億*600 USD就得960億美元。
接下來的算術連國小學生都會，再怎麼看770(億美元)減去960都不會是正數...
最終淨損益會是負的190億美元，這裡面還包含了"產品售價都能維持高位不變"、"產能供應鏈如台積電/記憶體商等等都不會漲價"、"毛利率能永保55%不變"等樂觀假設，也不計算在股價達到六百美元之前所需時間之通貨膨脹。
接下來，把這個淨虧損分攤到每一顆 MI450系列 上，畫面會非常殘酷；即便我們用了最頂的售價（35,000 USD）和最漂亮的毛利率（55%），計算結果依然顯示是虧損的。
每出貨一顆 MI450系列，AMD就要倒賠給 OpenAI 4,750美元
〖註二〗我們分成兩個部分來談
Part I、2nm 製程的良率與產能挑戰
MI450系列 將是 AMD 首款採用台積電 N2 (2nm) 製程的 AI 加速器(詳15期)。
N2 製程引入了全新的 GAA (Gate-All-Around) 奈米片電晶體結構，這是自 FinFET 以來最大的電晶體架構變革。(沒有背景知識的務必參閱24期)
歷史上，蘋果通常是台積電新製程的首發客戶，承擔初期的良率爬坡風險以換取 iPhone、Mac系列產品在消費性電子領域傲視群雄的效能；原因也很簡單，蘋果的產品一向是鎖定高端消費客群，與便宜的中低階機型市場有所區隔，所以能把新製程較低良率而導致的單位晶片成本增加，轉嫁給消費者(蘋果在這方面一直以來都有"定價權"，而果粉是會買單的；我自己也是自從android跳槽iOS後就沒回去過..)。
然而此次，AMD 選擇在 N2 量產初期（2025 年末至 2026 年）就將其用於自家超大尺寸的 GPU 晶片產品上。雖然報導稱 N2 初期良率已達到 70%，但這通常是指較小的測試晶片；對於接近光罩(詳56期註三)極限的 AI-GPU大型晶片而言，缺陷(Defect)密度的微小增加都會導致KGD數量急劇下降(KGD概念務必參閱50期註一)。
對比 Nvidia 的策略，其 Rubin GPU (詳57期)據報採用 TSMC N3P 製程；N3P 是 3nm 的最終優化版(P means "Performance")，技術成熟度遠高於 N2。Nvidia 選擇了「穩健」，而 AMD 選擇了「冒進」；當然我對台積電的製程能力是相當有信心，但如果 N2 製程因任何不可預期狀況遭遇延遲(包括任何天災"人禍")，AMD 將面臨延遲交貨的窘境，這很可能直接威脅到我們本文第三大點要講的「2026 下半年的 1GW 部署承諾」。
Part II、HBM4 的供應鏈瓶頸& Hybrid Bonding製程難度
(其他秘辛詳見[MKP年繳會員限定5]關於台積電的質性面，以及媒體不會報導的內幕)(同場加映特斯拉自建晶圓廠議題獨家分析)
MI450系列 將配備下一代 HBM4 記憶體，這是實現 1.4 TB/s 頻寬的關鍵。
然而，HBM4 的製造難度與前幾代相比，呈指數級上升。
首先，HBM4 將需要採用混合鍵合(Hybrid Bonding)技術，內部線路直接進行銅對銅（Copper-to-Copper）連接，而非傳統使用Micro-bumps作chip connection。
為了讓大家更有畫面，製程圖一中間標示C2 bumps的即是Micro-bumps，它是C4 bumps的下一代，目的都是用於「晶片間的connection」(稱作C2是因為其全稱有兩個C開頭單字、C4命名規則亦然)。
我知道(對不具半導體製程背景的人來說)這真的有點困難，實際製程是非常繁雜的。)
(如製程圖二，大家稍微參考就好)
而Micro-bumps的出現即是因為早期的C4 bump無法再滿足日益上升之晶片連接間密度(我們稱作bump-pitch)；用製程圖三來展示更清楚，大家可以清晰看到不同bump之間尺度的差異。
但當如果連已經微縮到幾十微米都還不夠fine pitch(細間距)時，該怎麼辦呢?
半導體工程界想出了新的解法；我們何不連bump都不做了?直接把晶片銅走線的頭(pad)用某種方式"銲"連起來不就得了?!
這就是混合鍵合(Hybrid Bonding)技術，但說起來簡單，做起來爆炸難！
第一，你要把兩片晶圓(wafer)用一種叫CMP(化學機械研磨，如製程圖四的方式，打磨到比白雪公主裡那面魔鏡還光滑（同時還不是完全光滑，要保留精確計算好的dishing凹陷空間，如製程圖五 ，因為真正執行對接加熱時，銅會膨脹）
再來，把這兩面"魔鏡"(wafer)貼合起來。就像手機貼膜那樣。(如製程圖六，你可以看到機械手臂從已先上下對位好的兩片晶圓正中間做pin down的動作)
挖靠，Mark你也幫幫忙？這種夜市就能買到的服務你跟我說爆炸難？
抱歉，以"貼膜"來比喻只是幫助大家好理解，實際這道製程是相當不容易的；第一個難點是，如果一開始的對位有所誤差(微米級的誤差，如製程圖七機台檢測的向量圖)，硬做下去，後面整批貨可能直接出現open(斷路)/short(短路)的電性問題導致不可逆的報廢。
(沒對齊的狀況如上面製程圖八所示；而製程圖九的等效電路示意圖，要告訴大家的物理意義是，僅微小的對位誤差就可能造成電阻值成指數型放大，最後造成相當於斷路的結果。相反如果錯位太嚴重跨接到其它pad上面去了那就變成短路。)
並且，一旦貼合的過程的過程中混入任何微塵(particles)、氣泡(製程圖十)，那就完了！損失不是手機貼膜貼壞能比擬的...要知道，現在一片先進製程的晶圓單價都約3萬美元起跳。
當然還不只這麼簡單，這項半導體技術前前後後還要經過多道process(包括電漿處理、化學清洗、退火等等；而全部要考量的失效模式也不只前面那些，僅列舉大綱)，最終才能真正完成晶片間的直接銅走線互聯。
這項技術如此之難，目前全球做的最屌最頂尖的就是台積電，其他公司在量產良率的能力方面，「與台積電相比」可以說是看不到車尾燈；那就導入另一個問題了：
台積電不做記憶體
(HBM的Base Die [邏輯控制晶片]除外)
在業界量產時間表中，三星（Samsung）和 SK 海力士Hynix 計畫在 2026 年初至年中量產 HBM4。這與 MI450系列 的發布時間高度重疊，代表AMD幾乎沒有容錯空間。
且在產能緊缺時，記憶體廠商通常會優先滿足規模最大的客戶（即 Nvidia）的訂單；儘管 AMD 有 OpenAI 的訂單背書，但在採購談判力上仍可能落後於 Nvidia。
如果 HBM4 良率不佳(導因於hybrid bonding製程難度)，全球供應短缺將首先衝擊像 AMD 這樣的二線廠商。
根據最新供應鏈消息，Nvidia 已經鎖定了 SK Hynix 在HBM4上超過 70% ~ 75% 的產能優先權。
更精確一點，SK Hynix 目前為了確保 2026 年 HBM4 的良率，決定「暫時不導入 Hybrid Bonding」；但這部分AMD確定只能撿NVDA吃剩的產能。
而三星，產能不明，且因為其賭在 Hybrid Bonding 上，面臨極高的良率不確定性。
你可能會想說美光(MU)呢?
抱歉，美光 CEO 已公開表示，其HBM產能已經「完售(Sold Out)」；雖然沒有明說買家是誰，但業界公認這些產能絕大部分也是流向 Nvidia。
如果老天不賞臉，最差狀況會導致 MI450系列「有邏輯晶片（TSMC 做好了），但沒記憶體（Samsung 做不出來、海力士給的又不夠）」的窘境...進而導致出貨延遲。(當然我很希望這不要發生，我手上還有兩張AMD call)
製程圖一：傳統Micro-bump的連接方式
製程圖二
製程圖三：不同bump的尺度差異
製程圖四：Hybrid Bonding技術
製程圖五：保留精確計算好的dishing凹陷空間
製程圖六：機械手臂從已先上下對位好的兩片晶圓正中間做pin down
製程圖七：機台檢測的向量圖，協助排除對位誤差
製程圖八：電子顯微鏡切片，該切片正是沒對齊的狀況
製程圖九：等效電路示意圖，顯示微小誤差即可造成電阻指數型放大
製程圖十：混入particles、氣泡
〖註三〗
先前第52期裡有提到6標準差的製程優化概念(務必參閱52期註三；若不具統計背景者建議先閱讀第51期)。
〖註四〗PFLOPS
"P"是"Peta"的縮寫，代表每秒執行 1 千萬億次浮點運算(FLOPS)；
這是衡量高效能計算(HPC, high performance compute)與超級電腦算力的單位，尺度介在TFLOPS（萬億次）與 EFLOPS（百億億次）之間，廣泛用於科學模擬、氣候建模及 AI 大模型訓練的運算單位計量。
〖註三補充〗6標準差的製程優化概念
