談到煉金術就會想到那隻會叫大哥哥的狗狗？不用擔心，這次是科學煉金，畫魔法陣沒用，要靠核融合電廠。 人造鑽石的故事，或許將可能在黃金身上重演。1950年代，通用電氣首次在實驗室成功合成鑽石，當時被視為科學奇蹟。如今，合成鑽石已佔據市場三成份額，天然鑽石價格在過去五年暴跌超過30%。 現在，舊金山新創公司Marathon Fusion聲稱找到了批量「製造」黃金的方法，這場技術革命的主角換成了核融合反應器。 技術核心：中子轟擊的精密舞蹈 Marathon Fusion的技術建立在一個巧妙的核物理原理上。在氘氚融合反應中，兩個氫同位素碰撞產生氦原子核和高能中子。關鍵創新在於，他們將汞-198同位素引入反應器的「增殖毯」中，利用這些原本就需要的高能中子進行核融合。 當中子轟擊汞-198（含118個中子）時，會發生(n, 2n)反應——一個中子進入，兩個中子射出，將汞-198轉化為汞-197。這個過程類似撞球遊戲中的精準擊球。更神奇的是，汞-197是一個不穩定同位素，半衰期約64小時，會自然衰變成金-197——這正是黃金的天然穩定形式。 技術細節顯示，每吉瓦的融合發電廠理論上可年產5000公斤黃金，相當於全球年產量的0.14%。前SpaceX工程師、該公司CTO Adam Rutkowski表示，這套系統不會影響電力輸出或燃料自給自足能力，本質上是「免費」的副產品。 市場衝擊：黃金神話的終結？ 按當前金價計算，每座融合電廠的年產金價值約5.4億美元，幾乎等同於發電收益。這個數字足以讓投資者重新思考融合能源的經濟模式。不過，現實比理論複雜得多。 首先是放射性問題。由於反應過程可能產生其他不穩定金同位素，製造出的黃金需要儲存14-18年才能安全使用。這意味著投資回收週期大幅延長，金融模型變得更加複雜。 更根本的問題是市場接受度。即使技術成熟，「反應器黃金」能否獲得與天然黃金同等地位？鑽石市場的經驗顯示，消費者對「真實性」的執著超乎想像。合成鑽石儘管品質更高，但仍被視為「次等品」。黃金作為數千年來的價值象徵，其心理溢價可能更難撼動。 目前全球年產金約3500噸，如果融合電廠大規模部署，供給衝擊將不可避免。美國能源部專家Ahmed Diallo雖然對技術表示樂觀，但這項尚未經同儕審查的研究，距離商業化還有漫長道路。 真正的問題不是能否製造黃金，而是這個古老價值符號能否在科技洪流中保持其神秘光澤。

科技

TechEdge

現代煉金術：融合反應器的黃金革命

投資理財

當半導體巨頭需要「重新定義自己」時，通常意味著過去的成功模式已經失效。Intel正面臨這樣的現實：新CEO坦承「20、30年前我們確實是領導者，但世界已經改變，我們已經不在前十大半導體公司之列」。這番話出自於2025年3月接任的CEO Lip-Bu Tan，而他正在執行一場痛苦但可能是最後機會的重構計劃。 Intel第二季財報顯示營收$12.9 billion，較去年同期持平，但淨虧損達$2.9 billion，其中包含$1.9 billion的重組費用。這些數字背後是15%員工裁員，預計年底將剩約75,000名員工的殘酷現實。更關鍵的戰略調整是取消德國和波蘭的製造項目，並整併哥斯大黎加的測試營運至越南和馬來西亞。 技術路線的轉向更顯示Intel的兩難。Tan正考慮停止對外客戶提供18A技術，轉而專注次世代14A製程，這項決定可能需要數百萬甚至數十億美元的減損。18A目前處於風險生產階段，預計今年稍後進入量產，主要用於Intel自家的Panther Lake筆電處理器。相對地，14A預計提供15-20%性能提升和25-35%功耗降低，2027年開始風險生產。 Tan在財報會議中坦言「過去幾年的產能投資遠超需求，既不明智也過度」，這句話某種程度上總結了Intel的困境。但將賭注押在14A是否能夠真正扭轉局勢？即使Tan擁有業界無人能及的人脈資源，但Intel代工業務仍需要「一個Nvidia、一個Qualcomm、一個Apple級別的大客戶來改變整個局面」。 問題在於，當18A都難以吸引足夠外部客戶時，仍需等待兩年的14A憑什麼說服那些已經在TSMC 2nm上獲得成功的客戶轉移陣營？Intel或許正在為一個可能永遠不會到來的「客戶」而孤注一擲。

Intel危機轉折點：14A能否帶來救贖？

當市場還在為Nvidia的風頭而瘋狂時，一個更隱密但同樣關鍵的AI冠軍正在悄然成形。Broadcom第二季營收達到創紀錄的150億美元，年增20%，其中AI半導體業務更是強勁成長46%至44億美元，連續九個季度維持強勁增長態勢。這家台灣人相對陌生的晶片巨頭，正成為AI基礎建設中最不可或缺的隱形骨幹。

職場

國際

以行動支持創作者！付費即可解鎖

基礎建設

競爭

護城河

市場

客戶

第二季

業務

資料中心

挑戰

美元

Broadcom掌控AI血管系統，開放聯盟對決專有壟斷

祖刻薄問OpenAI研究長Mark Chen「加入Meta需要多少錢？幾億美元？還是10億？」這種輕描淡寫的語氣，彷彿在討論今天午餐要點幾個便當，普通人一個吃不夠想吃第二個時都要探探口袋了，祖刻薄直接包辦你幾百輩子的便當。

OpenAI

人才

目標價

GPT-4o

挖角

股權

便當

戰爭

AI挖角戰，價碼無上限的戰爭

台積電又在多重顯影技術玩出新花樣，而且和現有技術差距超大。中芯國際和華為拼死拼活用自對準四重圖案化（SAQP）技術，在DUV機台上做7奈米製程就已經氣喘吁吁，成本超高，良率超低，產能更低；台積電卻能用US9123776、US9607850和US9911646三項專利的自對準三重圖案化技術，輕鬆...

acer

台積電

奈米

成本

3奈米

控制

先進製程

5奈米

金屬

中芯國際

台積電三大黑科技讓DUV機台做出3nm，華為也只能跪了

Micron於6月10日正式宣布開始向關鍵客戶出貨HBM4 36GB樣品，標誌著下一代AI記憶體技術進入商業化階段。這款採用2048-bit介面的新世代高頻寬記憶體，傳輸速度突破2.0TB/s，比前代HBM3E性能提升60%以上，功耗效率同時改善20%。

Micron

記憶體

下半年

Samsung

Google

DRAM

千億美元HBM市場崛起：Micron從AI基礎建設熱潮中獲利

ASML第二季財報亮眼，但客戶結構變化引發市場擔憂，股價重挫。儘管Q3營收展望不如預期，但台積電的美國擴廠計畫、記憶體產業的AI需求增長，以及ASML的技術優勢，使其長期發展潛力仍值得看好。本文分析ASML面臨的挑戰與機會，並建議投資者逢低佈局。

閱讀書評

ASML

歐元

訂單

300億

晶圓代工

ASML暴跌11%：是危機還是逢低布局良機？

AMD能否在五年內市值突破兆美元？本文分析AMD在AI推理市場的機會、數據中心業務的強勁成長動能，以及與輝達競爭的挑戰與風險，並對AMD的投資前景和關鍵時間節點做出評估。

輝達

市值

數據

DeepSeek

成長

毛利率

成長率

輝達衝上4兆美元，AMD能接棒1兆俱樂部嗎？

台積電Q2營收達301億美元，年增38.6%，這不只是一個數字，更是AI晶片產業最難跨越的門檻。當全球AI晶片市場正以年增20-35%的速度狂奔向2025年的900-1200億美元規模時，台積電以67.6%的晶圓代工市佔率，幾乎成為這場AI軍備競賽的唯一軍火商。HPC相關業務佔總營收60%，先進製程（7nm以下）貢獻74%晶圓營收，這些數字背後透露的訊息很清楚：在AI這個燒錢遊戲裡，台積電已經不是參與者，而是規則制定者。 技術護城河有多深？從3nm到2nm的絕對領先 技術領先不是說說而已，而是用真金白銀和時間築起的高牆。台積電3nm製程佔晶圓營收22%，5nm佔36%，這兩個最先進製程節點幾乎被蘋果和輝達等大客戶包圓。更關鍵的是，台積電2nm製程預計2025年下半年量產，領先三星和英特爾至少一年時間。這一年的技術代差在AI晶片領域意味著什麼？意味著當競爭對手還在3nm節點上掙扎良率問題時，台積電已經在2nm上為下一代AI加速器鋪路。 CoWoS先進封裝產能從2024年的33萬片晶圓擴增到2025年的66萬片，年增100%。這不是簡單的產能擴張，而是對AI晶片複雜度提升的技術回應。當AI模型參數從千億級跳升到萬億級時，傳統封裝技術已經無法滿足需求，只有台積電的CoWoS技術能夠將GPU、HBM記憶體和其他關鍵元件整合在同一封裝內。三星雖然在2nm上搶先量產，但良率和客戶信任度仍然是問題；英特爾的18A製程雖然技術規格亮眼，但何時能穩定量產還是未知數。 AI需求週期重新定義晶片產業生態 AI晶片需求的爆發式成長正在重新定義整個半導體產業的競爭格局。傳統的摩爾定律已經無法完全解釋現在的市場動態，AI運算對效能和能效的極致要求推動了新一輪技術創新週期。台積電HPC營收年增超過70%，這個增幅遠超傳統半導體市場的成長率，反映的是AI應用從實驗室走向商業化的關鍵轉折點。 更重要的是，AI晶片的設計週期和傳統晶片完全不同。AI加速器需要與軟體堆疊深度整合，這要求代工廠不只提供製造服務，還要參與前期設計最佳化。台積電在這方面的優勢不僅來自製程技術，更來自與輝達、蘋果、AMD等頂尖設計公司長期合作累積的設計經驗。當新創AI公司需要快速驗證晶片設計時，台積電幾乎是唯一能提供從設計到量產一站式服務的選擇。 地緣政治因素也在重塑供應鏈佈局。美國對中國的晶片制裁雖然帶來不確定性，但也間接強化了台積電的競爭地位。中芯國際雖然在成熟製程上有所進展，但在7nm以下先進製程上仍然受到設備限制。台積電在美國亞利桑那州的4nm產線預計2025年量產，雖然成本較台灣高出30%，但能有效分散地緣政治風險，同時滿足美國客戶的在地化需求。 2025-2027年關鍵變數：技術週期與需求週期的雙重賭注 展望未來兩到三年，台積電面臨的不只是技術挑戰，更是如何在AI需求週期的不確定性中保持領先地位。AI晶片市場雖然增長迅猛，但也存在週期性調整的風險。當前的AI投資熱潮主要集中在基礎設施建設，2026年後市場焦點可能轉向AI應用的商業化變現，這將直接影響AI晶片的需求結構。 台積電2nm製程的成功量產將是2025年最關鍵的里程碑。如果2nm製程能如期達到預期良率和產能，台積電在先進製程上的領先優勢將進一步擴大，預計市佔率將從目前的67.6%提升至70%以上。但如果2nm製程遇到技術瓶頸，三星或英特爾可能趁機縮小差距。 從投資角度看，台積電未來三年的資本支出將維持在380-420億美元的高位，主要投向2nm和下一代1.4nm製程研發。這個投資規模相當於台灣GDP的1/5，顯示台積電對維持技術領先的決心。然而，如此巨額的資本支出也意味著任何技術路線的失誤都將付出慘重代價。AI晶片設計複雜度的指數級提升也對台積電的技術能力提出更高要求，從設計規則到良率控制，每個環節都不容有失。 照這個發展軌跡，2027年的半導體產業格局將高度集中化，台積電很可能成為全球唯一能夠量產次世代AI晶片的代工廠。

台積電Q2財報分析：AI晶片代工的絕對壟斷時代

輝達7月9日正式成為全球首家市值突破4兆美元的公司，這個歷史性里程碑背後是Jensen Huang對AI基礎設施的絕對壟斷。相比之下，AMD目前市值約2600億美元，兩者差距高達15倍。 這個數字差距確實驚人，但更關鍵的問題是：AMD有沒有可能在未來五年內衝擊1兆美元俱樂部？從純粹的數學角度看，AMD需要年均24%的複合成長率才能達標。聽起來很瘋狂，但別忘了輝達在2023年初市值還只有3500億美元，兩年半就成長了十倍以上。 AI戰場的第二波機會 AMD正站在一個獨特的時間節點上。輝達稱霸的是AI訓練市場，但AI推理市場正在快速崛起，而且需求特性完全不同。目前輝達僅40%的GPU用於推理訓練，隨著DeepSeek這類高效模型的出現，推理需求將呈爆炸式成長。DeepSeek事件雖然讓輝達單日蒸發5890億美元，但實際上為AMD創造了戰略機會。當AI訓練成本大幅降低後，更多企業將有能力部署AI應用，這意味著對推理晶片的需求將激增。AMD的MI300系列在推理效能上已經能與輝達H100競爭，而即將推出的MI350系列號稱推理能力比MI300提升35倍。 Lisa Su已經明確表態AI是AMD的第一優先級，公司採用年度更新策略直接對標輝達。MI350系列將在2025年下半年推出，MI400系列預計2026年上市，基於全新的CDNA Next架構。這種激進的產品週期顯示AMD不再甘心當萬年老二。 數據中心成長動能強勁 從財務數據來看，AMD確實展現了追趕的實力。2024年Q1數據中心營收年增80%，雖然絕對金額仍遠低於輝達，但成長動能非常強勁。AMD預測2024年AI晶片銷售將達到40億美元，比先前預估增加5億美元。 更重要的是市場規模正在快速擴張。Lisa Su預測AI處理器市場將從目前的數百億美元成長到2028年超過5000億美元。即使AMD只能搶到10%的市場份額，也足以支撐500億美元的年營收，搭配30%淨利率和50倍本益比，就能達到7500億美元市值。客戶多元化也是AMD的優勢。微軟、Google、Meta都在積極尋找輝達之外的選擇，避免過度依賴單一供應商。Oracle、Databricks等雲端大廠已經開始大規模採用AMD的MI300X，測試結果顯示在某些AI模型上效能提升超過50%。 挑戰與現實考量 但現實挑戰同樣嚴峻。AMD必須在技術、生態系統、客戶關係三個維度同時突破。輝達的CUDA軟體平台擁有龐大的開發者生態，AMD的ROCm雖然持續改進，但要追上還需要時間。 毛利率壓力是另一個關鍵考驗。輝達目前毛利率維持在73%的歷史高位，反映其技術領先地位。AMD要在價格競爭中勝出，必然面臨毛利率下降的壓力，這將直接影響獲利能力和估值水準。 地緣政治風險也不容忽視。中國市場對AMD同樣重要，但美國出口管制政策隨時可能收緊。華為、阿里雲等中國大廠正在加速自主晶片研發，這可能壓縮AMD在中國的長期市場空間。 投資展望與時間窗口 綜合評估，AMD確實具備衝擊1兆美元市值的基本條件。AI市場38%的年複合成長率、推理需求的結構性轉變、客戶多元化的迫切需求，都為AMD提供了難得的機會窗口。 關鍵時間節點是2025年Q2財報。MI350系列的實際效能表現、數據中心營收成長幅度、與大客戶的合作進展，將決定市場對AMD長期前景的信心程度。如果一切順利，2028-2030年衝擊1兆美元並非不可能。 但投資人必須認清一個現實：當輝達已經建立起深不見底的護城河時，AMD只能靠更聰明的策略、更激進的創新，以及一點點運氣來搶灘登陸。這是一場耐力賽，不是短跑衝刺。

Dark Lin