Kenneth Huang
23 位追蹤者
Kenneth Huang
23 位追蹤者
全部內容
由新到舊
如果說過去十年企業軟體的一個隱形基礎設施叫做 identity，那 AI agent 時代很可能會把這件事推到更核心的位置。這也是我最近覺得 Okta 這家公司蠻有意思的原因。
市場以前理解 Okta，通常會把它歸類成登入、單一登入（SSO）、多因素驗證（MFA）、身份治理這類偏「必要
如果過去兩年市場討論 AI，最常被聚焦的主角是 GPU，那麼 Micron 最新一季財報提醒投資人：真正決定 AI 伺服器能不能把算力變成有效產出的，不只有運算晶片，還有記憶體。更精確地說，是高頻寬記憶體（HBM）、伺服器 DRAM，以及整個記憶體供應鏈的供需秩序。
這也是為什麼 Micron
如果把過去兩年 AI 基礎設施的主旋律濃縮成一句話，很多人第一時間想到的會是「誰拿得到更多 GPU，誰就能吃到更多成長」。這個說法不算錯，但到了 2026 年，市場開始慢慢發現，真正值得注意的問題已經不是只有誰買到最多晶片，而是誰能把 AI 從訓練階段推進到大規模、可重複、可商業化的推理階段
過去幾年市場談 Alphabet，常常陷入一個很簡化的框架：這是一家現金流極強、廣告生意極穩，但 AI 敘事總是慢半拍的公司。這種看法不能說全錯，因為在生成式 AI 爆發初期，市場給 NVIDIA、Microsoft、甚至部分軟體公司的敘事溢價，確實遠高於 Alphabet。但如果把時間拉長一點
先說結論：這不是一份普通的好財報
如果只看 Micron 最新一季財報，這家公司幾乎把市場最想看到的數字都交出來了。2026 會計年度第二季，Micron 營收來到 238.6 億美元，遠高於前一季的 136.4 億美元，也幾乎是去年同期 80.5 億美元的三倍；GAAP gross marg
AI 投資這兩年最容易被看見的贏家，當然是 GPU。市場只要提到 AI server、training cluster、推理加速，第一時間想到的幾乎都是 NVIDIA。這很合理，因為在大型模型訓練的第一階段，誰先掌握通用 GPU 生態、誰先建立 CUDA 軟體門檻，誰就先吃到最大一塊蛋糕。
但
2026 年 3 月 10 日，IBM 與 Lam Research 共同宣布一項為期五年的合作協議，目標直指半導體製程的下一個前沿：sub-1nm 邏輯節點。這項合作不僅涵蓋新材料研發、先進製程技術，更聚焦於 High NA EUV 微影技術的突破。對於長期關注半導體產業的投資人而言，這個
2026 年 3 月，Intel 正式發布了全新的 Arc Pro B70 桌面 GPU，代號「Big Battlemage」。這款顯示卡配備 32GB VRAM，最高搭載 32 個 Xe2 核心，起價 949 美元。對於長期關注半導體產業的投資人來說，這不只是又一張新顯示卡的發布，而是 I
當 NVIDIA 在 AI 晶片市場一路狂奔、市值突破三兆美元之際，很多人開始問一個問題：AMD 還有機會嗎？這個問題並不誇張，畢竟在 GPU 運算市場，NVIDIA 的占有率一度超過 90%，而 AMD 的存在感相對薄弱。但如果我們只看市場份額的數字，反而會錯過更重要的產業脈動——AMD
背景脈絡：當記憶體缺貨成為景氣逆風
2026 年第一季，全球半導體供應鏈出現了一個意料之外的結構性瓶頸：DRAM 與 NAND Flash 的供給緊張。不是因為 AI 伺服器需求下滑，而是因為智慧手機、AI PC 與汽車電子三方同時搶料，讓整體記憶體市場進入階段性緊縮。這種「上游吃緊、
