FlyDragon retweeted
Over the past week, I’ve been overwhelmed by the love and support of friends, industry colleagues, and people I've never met. Thank you to everyone who has shown kindness to my family and me. It means the world to me.
I came to the United States 53 years ago, and becoming an American citizen is one of the greatest gifts and proudest moments of my life. NVIDIA has been my life’s work. Building it into the company it is today alongside my colleagues has been a privilege and an honor. Nowhere but in America could a company like NVIDIA be possible. I love our country, and I love NVIDIA.
I did not live up to the standards expected of everyone at NVIDIA, and I have made serious mistakes in my personal life. I created problems for the Board that I deeply regret. I own my mistakes completely, and I am committed to cooperating with the Board’s independent investigation.
Since my departure, I’ve seen an outpouring of calls from NVIDIA’s employees, investors, business partners, and customers for me to return as CEO. Many continue to reach out to me directly as the company navigates complex technology, market, competitive, and geopolitical dynamics. NVIDIA is a once-in-a-generation company. If the Board of Directors decides that my return is in the best interest of our shareholders, our employees, the company, and America, I would be honored to answer these calls and return as CEO.
Thank you again to everyone who has shared their good wishes. I am profoundly humbled by your support. To my family: I love you, and I will spend the rest of my life being worthy of yours.
Jensen
散户的问题,是根本不应该去做交易
只要在市场存在超过4个季度以上,你就会明白
散户完全是被华尔街玩的团团转,对未来即将发生的事情完全没有预知能力
涨的时候以为是自己看对了,跌的时候被风险打的满地找牙,甚至华尔街的机构都会爆仓
难道你比这些机构还要强?
就像我说的,生活就像是出门去买菜,你去买1000次,大概率每次都能平安回家
股市的话,出门买菜的路上,说的不好听一架飞机随时都能掉下来,而且他还能精准砸到你的头上
这就是风险机制和日常生活完全不对等,导致散户对风险的严重低估,毫无准备,更无法防备,
我这里倡议,每个散户在入行之前,交2000块钱,参加一个类似“托福”,“托业”的专业资格考试
只要能通过这样的考试,保守估计将给每位散户这辈子减少上百万人民币的损失,完全是划算的
而这个考试的第一道题,就应该是:“如何辨别推特上的KOL”
如果没人举办这样的标准化考试,我觉得我都打算去办一个
我将用我的一生,奉献给提高散户的觉悟、认知和基本水平上
以后,我就靠举办考试活了。只是不知道券商们愿不愿意看到我做哒,毕竟这将大大降低散户参与的积极性,减少韭菜货源
😅😅😅
This Post is from a suspended account. Learn more
FlyDragon retweeted
One thing I’ve learned over the years is that you need patience to survive in the market. What I mean by this is that there will be periods where you simply have to sit through the weakness and wait.
The problem is that the longer that weakness lasts, the more people start to lose patience, and eventually fear takes over. They sell when sentiment is at its worst, only for the market to turn and FOMO to kick in as prices start moving higher again. Before you know it, the same people who were too scared to buy during the weakness are now chasing at much higher prices.
I’ve seen this cycle play out so many times, and it’s why I think patience is one of the most important things you can have in the market.
FlyDragon retweeted
我觉得你这个问题蛮好的。
先回答你第一个问题,你这个质疑在一定程度上是正确的因为存储的资本壁垒是真实且巨大的,这一点我们从一座先进制程DRAM/NAND晶圆厂动辄$150-200亿美元就能看出来,另外工艺节点也就是10nm级DRAM、200+层3D NAND堆叠的良率爬坡是几十年积累的know-how,全球能玩这个游戏的只剩三星、海力士、美光三家,妥妥的寡头垄断结构
而光模块/光引擎这边呢?我理解你的想法可能是InP晶圆厂的资本开支比存储晶圆厂低一个数量级,封装测试环节更是劳动密集型而非资本密集型。最能说明问题的证据就摆在眼前,比如中际旭创、Eoptolink、光迅、新易盛等过去几年用远低于AAOI/Coherent的成本快速起量,抢占了全球大部分份额。
但其实不能这样算,在可插拔模块的封装组装环节,这一部分确实资本和技术门槛相对低,中国厂商靠工程红利确实能打,这是事实,我们需要承认。
但上游光芯片尤其InP激光器阵列,这才是真正的瓶颈节点,全球能稳定量产高良率InP DFB/EML激光器芯片的厂商屈指可数 这里有Coherent、Lumentum、AAOI、住友电工、三菱、以及SIVE,中国厂商大部分模块厂现在还依赖进口光芯片,自己的InP芯片良率和性能仍有代差。
所以真实的情况是:下游组装环节壁垒低,上游芯片环节壁垒高。而我们的”物理层瓶颈”投资框架的核心逻辑,也就是我押注的从来不是组装厂就类似于旭创这种,我看的是卡在InP衬底、外延片、激光器芯片这些真正稀缺的上游节点。
所以如果你的质疑是组装环节的低壁垒去反驳整个光互联板块没有壁垒,有一点偷换概念了。
另外,我们再去考虑到美国对中国光模块的潜在禁令这一方面,我认为恰恰是精准打在”下游组装可替代、但上游芯片被卡脖子”这个结构上,因为如果不分层看,我们会觉得禁令这个反例显得矛盾;分层看就完全说得通:正因为下游确实好复制,才需要用行政手段去保护,但上游芯片端的技术壁垒本身就是天然护城河,不需要保护。
而资金壁垒方面:
InP衬底纯度和缺陷密度控制的量产能力,全球产能高度集中(AXTI、住友电工等寡头格局,跟存储的寡头集中度其实是同一量级的稀缺性)
CPO也不是传统封装,需要光电协同设计能力,这条产线的资本投入和工艺积累不比先进封装(甚至逻辑芯片先进制程)低多少,这也是为什么GlobalFoundries要专门做SCALE CPO平台去绑定合作伙伴,而不是随便一家封测厂就能自己搞定
至于产能方面,我不知道我的理解对不对,存储有制程节点迭代红利,换句话说就是1a→1b nm,NAND堆叠层数提升,同样的产能投片能出更多bit,实际比特供给增速往往远超名义产能增速。光模块没有这个杠杆,良率爬坡是线性的。
并且需求方面也是猜的,光模块扩产对应超大规模云厂商多年期capex指引和采购承诺(有合同锁定);存储下游(PC/手机)大部分走现货/季度单,没有长期锁价机制。“缺口”是不是真缺口,光这边有凭证,存储这边是预测。
Replying to @cherryPayment
有两点问题啊,1.光互联的技术壁垒,和资本壁垒似乎比存储更低?(如果错了请指正)2.存储扩产也是在填补缺口呀,也没有制造过剩呀?存储一年扩个百分之20,产能就过剩了?
用AI读财报:一份把 200 页 10-K 压成 20 分钟的实操流程
一份 10-K 动辄一两百页,绝大多数散户从来没完整读过一次。现在的 AI 模型上下文已经能一口吞下整份年报,问题不是它读不了,是绝大多数人问的问题太蠢,导致输出全是废话。今天给你一套能直接照抄的流程和提示词。
1. 先搞清楚 AI 在这件事上强在哪、弱在哪
强的地方:在超长文本里定位、比对、归纳。财报最耗时的部分恰好就是这个,比如把今年的风险因素和去年的逐条对照,找出新增和删除的条目,人工做要两小时,模型几分钟给你列完。
弱的地方:算数和引用。语言模型对数字不可靠,会把 Q3 的数据说成全年,也会把管理层的原话改写得更好听。所以铁律是:让它定位和归纳,不让它替你下结论;所有数字回原文核对。
截至 2026 年 7 月,三家主流模型都够用:OpenAI 的 GPT-5.6 已在 7 月 9 日全量上线成为 ChatGPT 默认模型;Anthropic 这边是 Claude Opus 4.8 和 7 月 1 日恢复上线的 Fable 5;Google 的 Gemini 3.1 Pro 是通用旗舰,上下文能力最强,达到百万至 250 万 token 级别。消费档订阅三家都在 20 美元一个月上下(Google AI Pro 是 19.99)。免费额度也能跑,只是长文档容易被截断。
2. 第一步:拿到原始文件,别让 AI 去搜
这是最关键也最容易被跳过的一步。你如果只丢一句「帮我分析一下苹果最新财报」,模型会去检索二手报道,甚至凭记忆编造,数字准确率非常糟糕。
正确做法是自己去 SEC EDGAR 全文检索(sec.gov/edgar/search)下载原始文件,10-K 是年报,10-Q 是季报,8-K 是重大事项临时公告。EDGAR 的全文索引覆盖 2001 年至今的所有电子申报,免费,无需注册。
下载 HTML 或 PDF 版本,直接上传给模型。上传原文和让它自己搜,输出质量是两个物种。
3. 第二步:四轮提问法
不要一次性问「这家公司怎么样」。分四轮,每轮只解决一件事。
第一轮:结构化提取
> 你是财务分析师。基于我上传的这份 10-K 原文,提取以下数据并做成表格:总营收、各分部营收、毛利率、营业利润率、净利润、稀释后每股收益、经营性现金流、自由现金流、资本开支、期末现金及等价物、总债务。每一项标注它在原文中出现的章节或页码。如果原文没有直接给出,写「未披露」,不要推算。
最后那句「不要推算」非常重要,它是防幻觉的关键开关。
第二轮:同比拆解
> 把上表每一项和去年同期对比,列出变动金额和变动百分比。然后单独回答:营收增长主要由哪个分部贡献?毛利率变动的原因,管理层在 MD&A 里是怎么解释的?请引用原话。
第三轮:读管理层没明说的部分
> 对比这份 10-K 和去年那份的「风险因素」章节,列出今年新增的风险条目、被删除的条目、以及表述被明显加强的条目。逐条给出原文。
这一轮是整套流程里价值最高的。公司加一条风险,通常是律师认为这件事真的可能发生。这些变化几乎没有媒体会报道。
第四轮:找异常
> 检查以下项目并指出任何异常:应收账款增速是否明显快于营收增速;存货增速是否快于营收;经营性现金流与净利润的差额及其构成;股份支付占营收比重;本期是否有一次性损益、重组费用或资产减值。有异常就指出,没有就明确说没有。
应收和存货跑在营收前面,是最经典的两个预警信号,含义分别是可能在放宽赊销和货压在仓库里。
4. 第三步:横向对比
单看一家公司没有坐标。把同行的同期财报一起上传,然后问:
> 基于上传的这几份财报,做一张对比表:营收增速、毛利率、营业利润率、自由现金流利润率、研发费用占营收比、股份支付占营收比。数据全部取自各自原文,标注来源。
比完之后你才知道 60% 的毛利率到底是高还是低。同行 75% 的话,60% 就是落后。
5. 第四步:人工验收,三个动作
- 抽查三个数字:从输出里随机挑三个数据,回原文用 Ctrl+F 搜一遍。对不上就整份重来,别修修补补。
- 检查单位和期间:百万还是十亿,季度还是全年,这是模型最常出错的地方。
- 反向提问:把结论丢回去问一句「基于这份原文,有哪些证据是反对上述结论的?」模型天然倾向于顺着你说话,主动要反面证据能挖出不少东西。
6. 三个常见的坑
坑一:让 AI 给买卖建议。 它不知道当前股价,不知道市场预期,更不知道你的仓位。财报分析的产出应该是「这家公司在发生什么」,不是「该不该买」。
坑二:用截图。 财务报表截图会丢行列对应关系,数字串行。一定上传原始文件。
坑三:跨季度记忆混乱。 同一个对话里连续丢好几份财报,模型容易把不同期间的数字搅在一起。每份财报开新对话,或者在提示词里死死写明「本轮只使用 FY2025 年报」。
7. 完整流程复盘
1. EDGAR 下载原始 10-K / 10-Q
2. 上传原文,第一轮结构化提取(带「不要推算」)
3. 第二轮同比拆解,要求引用 MD&A 原话
4. 第三轮对比两年风险因素,找增删改
5. 第四轮扫应收、存货、现金流、股份支付、一次性损益
6. 上传同行财报做横向对比表
7. 抽查三个数字回原文核对,再要一轮反面证据
熟练之后,一家公司大概 20 分钟能过完,比看任何一篇二手研报都扎实,因为你手上的是原文。
收个尾
AI 在这件事上的真实价值不是替你判断,是把你原本根本不会去做的苦活变得可行。一年读 4 家公司的年报和一年读 40 家,认知差距是复利级的。
觉得有用就收藏起来,下次财报季直接照着跑。
下一篇讲财报到底去哪看,EDGAR、券商 App、Seeking Alpha 三条路各自适合什么场景,怎么组合最省时间。关注一下别错过。
以上是个人分享,不构成投资建议。
FlyDragon retweeted
AI半导体终局推演2026(II)
当半导体结构性演进到AI推理主线,内存和存储成为了最大瓶颈,市场对内存和存储最大的怀疑就是:
HBM/DRAM/SSD会不会摆脱传统周期性?
依赖HBM指数增长的GPU架构路线进化路线,会不会停止?什么时候停止?
长鑫扩产的影响有多大?会不会把这个市场重新带入周期泥潭?
本篇尝试去建立一个框架来梳理这几个问题
—---------—---------
万物皆周期,而内存的周期性又特别强,最大的来源在于扩产周期过长,无法快速扩产和需求短缺时期错配
摆脱传统周期性几种可能的方式
1. 定制化:产品不可互换,产能不能随便转移,需要签长约。
2. 结构性的指数级需求增长:需求曲线本身很陡峭,而且供给一直追不上。
3. 技术迭代快速升级:每一代产品都快速淘汰上一代。
满足任何一条,就能部分摆脱传统周期;满足两到三条,就能摆脱大部分传统周期
根据这个框架, HBM在三条里,大概占了两条半
1. 定制化,需要签长约(较弱,算半条)
HBM 确实有定制化和Nvidia codesign的成分,但并不是很强。真正定制的部分只在封装和 base die,上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。
比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候,它并没有把这批产能砸在手里报废,而是转手就供给了 Google 的 TPU、AMD. 物理上,给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E,是同一个东西。 所以产能仍然是部分可以自由转移的。
HBM4之后的定制化更多一些,包括在 base die 上集成定制逻辑和/或缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die
SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作,但这指的是 base die 的定制,上面的 DRAM 层仍然是标准的。
部分定制化的特性,HBM主要在封装上需要合作,这也导致了客户必须签长约,但产能也确实可以转移,所以HBM 能勉强算半条。
2. 结构性的指数需求增长(满足)
最直观的原因,就是Nvidia token factory token throughput的硬件升级需求,导致了HBM带宽的升级换代极快,以及HBM size需求的指数增长
这一条其实就是上一篇AI半导体终局推演2026(I)的结论:
token throughput = HBM size × HBM 带宽,每一代翻倍。
HBM size per GPU大概每年增长40%以上
这条需求曲线的陡峭程度,是DRAM供给端 14% 的 wafer 增长,乘以 9% 的 density 提升,很难追上的
在硬件领域,因为attn阶段KV cahce的极高带宽和极高memory size的要求,也导致了HBM独特的地位。即便是HBM涨价三五倍,把钱花在HBM上带来的边际token throughput提升,仍然比花在其他地方要划算的多。
其他几个Memory路线,SRAM,HBF,CXL,PIM,目前都无法在HBM的主力赛道kv cache/attention上正面竞争,起码未来5年甚至更长时间,不太可能找到替代路线
3. 技术迭代快速升级(满足)
DDR3时代过了15年,仍然只是DDR5时代,而HBM的升级换代的速度基本上是两年一代,比传统DDR要快很多很多,而且近来还有加速的趋势,HBM size x HBM BW每一代翻倍,目前是完全符合这个规律的
每两年一代HBM升级,NV GPU速度基本是指数型上升:2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s,而且HBM的速度和推理token throughput是完全线性正比的,上一代HBM的边际使用成本会不划算,大家都有动机去尽量用最新的产品,虽然更贵,但是带来的收益(token throughput)是更多的
Token factory时代的逻辑是,技术升级(HBM带宽)的越多,赚的越多
这个速度差,造成了一个和 CPU 类似的局面:旧产品快速贬值,于是囤货的价值在变低,比如说,HBM3的价值贬值的非常快,今天基本上主流产品不会用了
所以HBM 厂商的理性选择,从拼当前的产能去占市场(quantity competition),变成了在稳定性和HBM速度上拼技术,拼下一代在 NVIDIA 平台上的 qualification 份额(quality competition),从而避免了在传统周期的下行波段,大家都不愿减产掉市场份额的囚徒困境。
—--------------—--------------
HBM和传统DRAM比较,三个条件里满足了两个半,那么HBM能摆脱传统周期性吗?
内存周期性的来源,主流叙事是,DRAM 有Commodity属性(无差异化 → 价格战 →库存可囤积),所以有周期性。
而Commodity属性本身并不产生周期,它只是一个振幅放大器
特别是DRAM领域里,曾经产生过囚徒困境,在下行周期三星曾经扩产抢市场份额,谁先减产谁吃亏,导致谁也不敢轻易减产,最后大家都亏损惨烈
实际上周期性的主要结构性来源是供给周期太长,很容易和需求周期错位。建一座 fab 要 3 年,投资上百亿美元,一旦决策就不可逆,而需求增长会有不稳定性,每次出现新范式增长,比如云服务,移动互联网手机,疫情线上需求,会有爆发式增长,而过了两年增长会放缓,供给高于需求,降价过猛,就变成了亏钱周期
万物皆周期,HBM这一条同样是无法避免,但只要token需求仍然是指数型增长,结构性的指数增长会减弱周期性,因为需求可预测度更好,而且一旦降价,客户就有增大HBM size的需求(从而增大token throughput),加上HBM有一点定制化要求导致都是长约,从而从周期性转化成成长周期性,而且这一轮周期会特别长
周期性:上行周期赚的多,下行周期亏的多
成长周期性:上行周期赚的多,下行周期赚的少
另外,HBM/DRAM在这三条摆脱传统周期的条件的基础上,还有一条重要优势:
4. 因为DRAM密度增长scaling越来越慢,以及HBM升级换代导致DRAM堆叠倍数的增加,供给端的扩产难度持续增加
2000年附近,DRAM每片wafer上DRAM bit密度每年增长大概45%,也就是说,就算晶圆wafer数量不扩产,每年的供给端DRAM bit仍然可以增长45%
十年前,DRAM bit每年密度增长降到了20%,而现在,DRAM bit每年密度增长降到了9%。以前DRAM扩产甚至不怎么需要新建厂房就能得到每年20~30%的bit volume上升,现在DRAM要扩产,更多的是靠wafer数量的增长,也就是新建厂房和clean room。
另外一个HBM快速扩产难度在于,HBM3e大概需要3倍的DRAM wafer晶圆,而HBM4由于堆叠密度的增加,大概需要4倍的DRAM wafer晶圆数量,相当于HBM bit相对于DRAM bit一直变得更难制造,单位DRAM wafer数量制造的HBM bit越来越少,相当于在通缩
----------------------------------
HBM未来有一天,会不会从成长周期性,变回传统周期性?最重要的因素是结构性指数增长,那么
AI推理时代,这个依赖HBM指数增长的GPU架构路线进化路线,会不会停止?什么时候停止?
token throughput = HBM size × HBM 带宽,这个HBM指数增长的第一性原理里的HBM size的增长原因正是KV cache的增长。KVCache的特性以及Attention的特性,也是非常契合HBM的。甚至让HBM领先于其他的技术路线, 能够最大化地让KVCache和Attention 阶段的利用率。
换言之, 如果KV cache从架构上不存在了,那么HBM size指数增长逻辑也会受到挑战
所以这个问题的本质其实是,这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制,会不会消失?退潮之后会不会被取代?
从历史规律来看:每一次AI模型架构革命,真正被保留下来的,是那些在数学上具有某种普适性的 primitive 操作
举个例子:FFN(前馈网络,也就是模型里大量的 MLP 层)是 2012 年深度学习时代的产物,但它一路活到了今天的大语言模型里,并且仍然占据着模型相当大的参数量。它为什么能活下来?因为这也是一种universal approximation theorem(通用逼近定理):任何足够宽的 MLP 都能逼近任意连续函数
Attention 大概率也是这样一个会被保留的 primitive。因为它解决的是一个同样 基础的问题:序列sequence 中任意两个位置之间的 dynamic routing(动态路由),让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效,就很难被丢弃
所以即便未来架构从纯 Transformer 向混合架构演进,或者向世界模型演进,但attention 层依然会存在,KV cache(或者它经过 latent compression 之后的等价物)依然需要,HBM依然会作为推理核心之一,这个依赖HBM指数增长的GPU KV cache架构路线进化路线,不会停止
—---------------—---------------
那么DRAM呢?在未来有没有摆脱传统周期性的可能?
HBM摆脱周期性在市场上有一定共识,但DRAM摆脱周期性,市场目前基本没有共识
还是回到刚才的框架,三个摆脱传统周期的条件里,DRAM是没有定制化的,所以就只能看技术迭代速度,最关键的还是要看,有没有结构性的指数增长,答案是有的
在 AI token factory 这个概念里,结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化:随着 agentic CPU开始释放潜力,CPU 附带的那部分 DRAM 需求,正在成为 DRAM 新的结构性指数增长来源
—------
这部分的增长逻辑分两层:第一层是CPU 服务器TAM的快速增长,第二层是每个服务器CPU core配备的DRAM用量的因为agentic flow快速增长
服务器CPU TAM的快速增长的4个逻辑在4月的CPU专篇详细写过,简单的说:
1. AI 加速器集群里CPU和GPU配比从传统的1:4变成1:2,甚至可能往1:1迈进
2. Agentic flow里CPU处理的延迟占比很高,50~90%成为重要瓶颈,需要同步扩容
3. AI coding让SDE的效率大幅提升,代码量数量级增长,软件API调用指数级增长,直接转化为这部分CPU hours指数级上升
4. Sandbox为保障数据安全与隔离,如Analytical Agent 需为每个任务复制大量数据库和用户上下文,导致内存(DRAM)和CPU核心的严重浪费,而且这个浪费问题五年甚至更久无法解决。另外CPU hours 在技术上很难通过优化的方法来通缩
这也就是为什么,上上个季度,AMD的财报说CPU TAM到2030年会到60B,两个月前,AMD/ARM把CPU TAM的2030年预测翻倍到120B,一个月前,Nvidia再次把CPU TAM的2030年预测翻倍到200B
而上个星期,Bernstein再次提升2030 CPU TAM指引到223B。在我看来,2031 CPU TAM未来上修到400B是没有太大悬念的事情,唯一的悬念是几个巨头会什么时候宣布上修这个指引
再说说第二层,为什么每个服务器CPU core配备的DRAM用量在agentic时代快速增长?
1. Agent 是带状态的长驻进程,不是无状态的请求-响应
传统 web/SaaS 是 stateless 的:请求进来,分配内存,处理完内存立刻回收。而一个 Agent 任务可以跑 一分钟到一个小时,这整段时间里,它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM
和 CPU hours 一样,每个任务的内存足迹因为 stateful 和 sandbox 隔离(每个任务复制数据库和上下文)的要求,技术上很难压缩
2. 上下文窗口在指数级变长,每个会话的工作集随之膨胀,并发度 × 单会话memory footprint,乘数放大
context window 从 32K → 256K → 1M,reasoning / test-time compute 的序列长度爆炸,未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长
现在把两层乘起来。
第一层,CPU server 的 TAM,朝 2030~2031 看大概是 5–7 倍的量级(60B → 120B → 200B → 223B,我认为还会到 400B)
第二层,每颗 CPU 的 DRAM 配比,大概 3–4 倍(4~8GB → 16~32 GB/core),但这个增长可能大部分是一次性红利
两个独立变量相乘,server 侧的 DRAM 需求是数量级的增长
2030年,即便按保守的300B CPU TAM,一个CPU core按$50来算,agent时代最保守按16GB/core,这算出来新增量最少都是96EB,而今年的DRAM总产量只有47EB,明年勉强60EB,这是非常惊人的增量
虽然这个agentic CPU带来的DRAM指数级增长,在第二层很大程度上是一次性红利,但持续时间会持续很久很久,因为这个短缺的缺口实在是太大了
—--------
回到文章开头那个框架。三个摆脱传统周期的条件里,第一条DRAM 定制化,基本可以忽略
而第二条:一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半)那么彻底,但已经是实质性的变化
第三条,技术迭代速度,DRAM的节奏也跟以前不一样了
因为以前的DRAM技术迭代速度是严重依赖消费电子的,DDR的进步对于performance用处并不大,但可预见的未来里,碳基消费的传统DRAM,会远远小于硅基消费(CPU服务器)DRAM的用量
以前DRAM的速度升级带来的边际效用是很低的,但现在因为CPU服务器对memory的需求增大,以及端侧AI对DDR速度的要求也增大,比如苹果为了跑本地大模型,LPDDR速度越来越快
速度升级的边际效用高了不少,所以DDR6和LPDDR6的速度迭代需求比以前提升了太大了,这在图里也可以看到,LPDDR6/DDR6的迭代时间缩短了,而且速度斜率,重新开始抬头
以前新一代DDR/LPDDR技术出来,大家的反应都很冷淡,等降价了才会用
而现在LPDDR6出来,各家恨不得都在抢着能尽量早上就尽量早,因为速度的提升带来的performance提升是触手可及的
------
另外,DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快,导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM,而 HBM 的转换比极低,HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit,HBM4 是4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长,是被这个 HBM bit tax直接吃掉的
所以DRAM bit volume虽然未来每年能增长24%左右(14%来自wafer增长,9%来自每个wafer的DRAM密度增长),但算上HBM bit tax之后,传统的、非 HBM 的 commodity DDR,每年的 bit growth 大概只有 20%(约 10% 的 wafer 增长 × 约 9% 的 node density 提升)
—---------------------
中国长鑫扩产的影响有多大?如果不讲武德拼命扩产,会不会把这个市场重新带入周期泥潭?
长鑫这几年的扩产速度还是很快的,2025年还是每个月20万晶圆,2026年北京晶圆厂及新增生产线的贡献就能到32~35万。
正在建设中的上海工厂一期和二期,一期预计到2027年每月新增10万片晶圆产能,二期预计到2028年每月新增10万片晶圆产能,也就是说,2027年每个月42万晶圆,2028年能到每个月50万晶圆。
但需要注意的是,长鑫的dram bit 密度大概只有御三家的一半左右,所以长鑫的每个月50万晶圆wafer能产出的dram bit volume只有其他家的一半,这里计算wafer per month的时候,就按等效一半来算
把这个折扣打上之后,长鑫对整个DRAM行业的冲击还是小了很多,从2025年年底到2028年年底,长鑫对DRAM bit产能CAGR的影响大概只有1.5%,全行业的DRAM产能CAGR大概从12.7%升到14.2%
DRAM月产能(kwspm) 2025E → 2028E CAGR
Samsung 685K → 920K 10.3%
SK Hynix 519K → 725K 11.8%
Micron 340K → 560K 18.1%
非中国其他 150K → 218K 13.3%
中国(密度折半) 117K → 274K 32.8%
—————————————————
含中国总计 1811K → 2697K 14.2%
无中国总计 1694K → 2423K 12.7%
就算是长鑫未来还能保持增产速度,2030年对全行业等效产能每年DRAM bit volume增产CAGR的影响,大概也不到3%,从20% CAGR变成23% CAGR,仅此而已
另外,长鑫被光刻机所限制,而DDR6 需要更高速率(14400 MT/s 起步)和更高密度,御三家做 DDR6 大概率会用 1c 或更先进节点(~12nm 以下),已经全面用 EUV。长鑫可能会在DDR6上速率受限,密度也只有一半。
—----------------
即便是成长性周期,为什么DRAM的这轮超级周期会持续很长时间,起码五年看不到头?
第一个原因是,刚才谈到的CPU服务器需求端的巨量增长带来的结构性DRAM需求指数增长,这里结合DRAM供给端的bit volume CAGR大概稳定20%增长,就可以很清晰的看到,DRAM未来几年的缺口为什么越来越大:
非HBM的传统DRAM供给端大概是每年增长20%,而需求端,按2026年60B CPU TAM,每个CPU消耗DRAM平均8GB/core,每个core $30~35来算,需求是16EB
2030年按400B CPU TAM,每个CPU消耗DRAM平均16GB/core,每个core $80来算(CPU涨价超过一倍),需求是80EB,这部分DRAM的增长CAGR大概是50%,远远超过目前的估算
不同于HBM是直接和token throughput挂钩,从而和GPU赚钱效率直接挂钩,DRAM不够对于agent flow的影响主要是速度,比如说,8GB/core和16GB/core比起来,部分workload速度可能降低30%,部分低价值task实在要等等也能忍,结构性指数增长的动机很强,但需求不如GPU那么刚性
Semianalysis说今年的DRAM缺口式个位数百分数,明年是超过10%。从agent CPU数量激增导致的DRAM结构性来看,这个缺口每年都会继续加大,在2030年之前看不到降低的可能
—----
另外一个DRAM能延续强势很久的逻辑是,因为DRAM涨价之后,被涨价消灭的那部分需求,不是真的消失了,只是延迟了,需求蓄水池太多了。
所谓蓄水池,是指那些"内存一旦降价就会立刻被释放出来的潜在需求"。它们的存在,意味着即便供给阶段性跟上了,价格也很难崩,因为总有新的需求从蓄水池里涌出来接盘:
内存换算力/速度是一个蓄水池:
有大量本来需要靠额外内存来优化速度和算力的需求,在内存太贵时被压着,一旦内存降价就会被释放出来。
比如 Nvidia的CPX prefill 加速,本来的设计初衷是用额外的低成本GDDR7,来做一个专门的prefill加速器,结果LPDDR/GDDR都太贵了,比涨价前的HBM还贵,这个方案的ROI就不划算了,但等到普通内存降价,这样类似CPX的优化方案就还会回来
低价值task是一个蓄水池:内存涨价导致token价格居高不下时,高价值的 task 被优先保留,低价值的 task 被延后;内存一降价,这些被延迟的需求就回来了。
端侧 AI 是一个蓄水池:AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧AI满血版需要从8GB升级到12GB内存
常规消费电子、Agent PC、低端手机,因为内存涨价而减少的需求,全都是蓄水池。
这么多蓄水池叠在一起,构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长,后劲会比市场想象的要强。
—-----
还有一个DRAM价格很难大幅下降的原因在于,HBM和DRAM产能可以互相转换,所以整个DRAM complex是一起re-rate的
在上行期DRAM的利润率远超HBM,HBM的涨价幅度甚至变成了由DRAM去推动。今年新签约的HBM4的价格,就是当期DRAM的价格 x 4,也就是正常堆叠倍数对应HBM4的价格
一旦DRAM降价毛利下滑,因为HBM的长约透明性,利润率都是有保障的,HBM就会间接抽走更多的DRAM产能,HBM的降价也会让GPU厂商更有动力尽可能的升级HBM size,这样也间接保障了DRAM的价格地板
DRAM的结构性指数增长的需求有了,density scaling放缓扩产难度在增加,厂商扩产计划都很谨慎,长鑫这几年带来的影响也是有限的,再加上需求的蓄水池非常庞大,这四个原因导致了,在可预见的至少五年甚至更长时间内,DRAM是很难进入周期低谷的。
—--------------
NAND SSD有希望摆脱传统周期性吗?
NAND 的结构性增长动力没有 DDR 那么强,今年的缺货主要原因是几个主要玩家的生产纪律保持的很好,并没有大规模扩产,每年的产能增加主要来源于技术改进:NAND堆叠层数的增加
第一个结构性增长来自AI,主要来自 KV cache 的 offloading,把HBM溢出的warm/cold KV cache 卸载到 NAND SSD上。
但神奇的事情是,这个kv cache offloading的增长甚至还没有大规模发生,SSD就已经缺的比DRAM还严重了,涨价也比DRAM要更多。等到明年Rubin CMX放量,加上KV cache offloading大规模应用,SSD的缺货也会因为这个结构性增长而增长
第二个,另一个去年年度总结里说到的未来可期的AI视频带来的结构性增量,今年已经有出圈的态势了
Seedance体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段,需求被算力压着没完全释放。但等到缺卡阶段过去,AI 视频对NAND存储的结构性需求增长,会持续相当长的一段时间。
第三个结构性增长也同样来自于agent flow带来的Sandbox使用量的指数级增长,Sandbox为保障数据安全与隔离,如Analytical Agent 需为每个任务复制大量数据库和用户上下文,导致内存(DRAM)和CPU核心的严重浪费,同样会带来大量的SSD的浪费(需求)
第四个也许在2030年之后发挥作用的结构性增长,来自于HBF路线需要用到SSD,在不少投行分析中被寄予厚望,但这个技术路线还有些遥远,主要角色定位只能作为存放大模型的weights,写一次权重然后做只读,而且必须要和GPU/HBM封装在一起(48TBps/96TBps),否则靠PCIE7/8速度太慢完全无法用,只能说未来可期,下一篇AI半导体终局推演2026(III)会有更详细的分析
总之,NAND SSD的结构性增长没有HBM那么强,但是胜在便宜,价格到2027年也只有$0.8/GB,是同期DRAM的四十分之一,所以也算是多级缓存里的万金油属性,结构性增长来源太广泛了
也就是说,不存在DRAM/HBM单独涨价繁荣,而SSD不涨价的情况,因为如果这样的情况发生,那么大家就会想办法用SSD去承载DRAM/HBM的部分功能,用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事,而是同一 AI memory hierarchy 在不同温度层的结构性增长
结构性指数增长的需求有了,NAND SSD摆脱周期了吗? 那么就要看NAND SSD厂家的生产纪律了,唯一可能不遵守生产纪律的,只有长存。毕竟这是一个囚徒困境,一旦有一家不讲武德拼命扩产,整个NAND产业要扩产的难度比DRAM简单的多。
但最起码的,这一轮NAND同样是超级周期,几个结构性指数增长带来的需求,下行期推迟到2030年问题不大
AI半导体终局推演2026(I)
当新token经济学范式从GPU算力转移到HBM
本文从从GPU架构进化路线本质出发,解释这个市场长久以来担心的问题:
每个GPU的HBM内存需求为什么一定会是指数增长,为什么HBM需求指数增长不会停滞?
并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽
同时讨论了,为什么GPU的天花板被HBM的两个发展维度所决定
HBM周期性这个话题争议一直很大,乐观派认为AI带来的需求比以前要大的多,但市场主流仍然认为前几次上升周期也有需求每年20%+增长,这次又有什么不一样呢?AI不影响HBM和传统DRAM一样有commodity属性,一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。
我们可以从算力芯片架构视角,从第一性原理出发,来拆解和推演一下这个问题:为什么这次真的不一样
-------------------------------
历史:CPU算力时代
很久以来,我们都处在CPU主导算力的时代,CPU的最高级KPI就是performance,跑的更快,所以每一代的CPU都用各种方法来提高跑分,最开始是频率上升,后来是架构演进superscaler等等
这个时候为什么DDR不需要很快的技术进步速度?比如DDR3到DDR5竟然经历了15年之久
因为这个时期的DDR的角色是纯粹的辅助,而且辅助功能极弱,以业界经验,DDR的速度即便是提高一倍,CPU的performance一般只能提高不到20%这个量级
为什么DDR带宽速度提高了用处不大?两个原因
1. CPU设计了各种架构去隐藏 DDR延迟,比如superscaler,加大发射宽度,用海量的ROB和register renaming来提高并行度隐藏延迟,一级缓存cache,二级缓存cache,削弱了DDR的带宽速度需求
2. CPU workload对DDR带宽要求并不高,大部分日常负载比如打开网页,DDR带宽是严重过剩的,甚至云端负载
也就是说,在CPU时代,DDR的带宽速度是不太有所谓的,DDR4和DDR5除了少数游戏就没啥差别,甚至JEDEC标准也进步缓慢。
另外,绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可,app的size增长没那么快,导致对DDR的容量需求也较为缓慢。
所以最近十年来,平均每台电脑上的DDR容量大概从7~8GB变成了23GB,十年只增长了3倍。
而这部分升级缓慢直接影响了营收,size容量计价是赚钱的主要方式,速度的提高只是技术升级,提高size的单价,这两个的升级需求都不大,需求主要是随着电脑/手机数量增长而增长
所以DRAM在带宽速度和容量这两个维度上,一直是都是芯片产业锦上添花性质的附属品,DDR升级带来的边际效用是很低的,跟CPU时代的最高KPI几乎没什么直接联系
--------------------------------------------
而到了genAI 大模型为主导的新时代,计算范式转移让最高级KPI起了根本变化
GPU发展到AI推理的时代,不再像CPU那样只看跑分,最高级的KPI不再是算力TOPS/FLOPS,而是token的成本,特别是单位成本/单位电力下的overall token throuput
其次是token吞吐速度,因为在agent时代,很多任务变成了串行,token吞吐速度成了用户体验的重要瓶颈。
这也是为什么老黄发明AI工厂概念的原因:最低成本的输出最多token,同时尽量提高token吞吐速度
AI训练时代,老黄的经济学是TCO(total cost ownership),买的GPU越多,省的越多
而老黄在推理时代的token经济学是:
AI推理的毛利润很可观,所以逻辑已经转换成:Nvidia GPU是这个世界上让token单价最便宜的GPU,买的GPU越多,赚的越多
最高的KPI变成了Pareto frontier曲线,在提高token 吞吐throughput和提高token速度两个维度上尽量优化
(见图一)
NVIDIA 的 token factory 代际进步,其实是在把整条 Pareto frontier 往右上推,这就是是AI推理这个时代最重要的KPI
----------------------------------
接下来是本文最重要的逻辑链,如何从token吞吐量指数型增长的本质出发,推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长
单卡GPU推理单线程batch size = 1的时代,token吞吐只有一个维度,就是HBM的带宽速度,带宽速度越高,token吞吐越大
但进入NVL72的年代,推理不再是单卡GPU时代,而是72个GPU + 36个CPU整个系统级别的token工厂,把HBM带宽和算力用满,获得极致的token吞吐量
Token 吞吐throughput的增长,依赖两个东西:同时批处理的请求数 X 每个user请求的平均token速度
也就是batch size X per user token 速度
以Rubin NVL72为例,在平均token速度是100 token/s的情况下,同时批处理1920个请求,得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW(0.12MW)的功率,所以得到单位MW能处理1.6M token/s
(见图一)
所以,我们需要想方设法提高这两个参数:批处理数量batch size和per user token的平均速度,这两者相乘就是我们的最高KPI,也就是token的吞吐量
-------
第一个参数:batch size的增长,瓶颈在HBM size
批处理量里的每一个请求req,都会自带kv cache,这部分kv cache是需要存在HBM里的,大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取,所以必须放在HBM里,比如一个大模型的层数是80层,那么每一个token的生成阶段,都需要读取80次HBM里的kv cache
随着批处理数量batch size的增长,会带来hot kv cache的线性增长
又因为这个批处理量的所有请求的hot kv cache,都要放在HBM上,这也就带来了HBM size必须要随着批处理量batch size线性增长
就像是机场接驳车,登机口尽量快的接旅客到飞机,HBM size小了,相当于接驳车size小了,就得多接一趟
结论是:批处理量的数量batch size,瓶颈依赖于HBM size的增长
---------
第二个参数:每个user请求的平均token速度,瓶颈在HBM带宽
大模型decode阶段的速度,瓶颈取决于HBM的带宽速度,因为每生成一个 token,都要把激活的权重和kv cache 读很多遍
LPU的出现,在batch不那么大的情况下,把激活权重这个部分搬到了SRAM上,但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高,生成每一个token的速度也就越快,基本上是线性对应的
就像是机场接驳车,登机口尽量快的接旅客到飞机,hbm本身带宽速度就像是接驳车的车门有多宽,门越宽,旅客上接驳车越快
GPU的其他配置,都是在适配batch的增长以及要让token compute的速度配平HBM的增长,甚至会用多余的算力来获得部分的带宽(比如部分带宽压缩技术)
—-----
在那个接驳车的比喻例子里
接驳车的车厢大小 = HBM Size(容量): 决定了一次能装下多少名旅客(也就是能同时装下多少个请求的 KV Cache)。车厢越大,一次能拉载的旅客(Batch Size)就越多。如果车太小,想拉100个人就得分两趟,系统整体的吞吐量就上不去。
接驳车的车门宽度 = HBM Bandwidth(带宽): 决定了旅客上下车的速度。门越宽,大家呼啦啦一下全上去了(Decode/生成Token的速度极快)。如果门很窄,哪怕车厢巨大能装200人,大家也得排着队一个一个挤上去,全耗在上下车的时间里了。
旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度)
—---------------------------
至此,我们从逻辑上推演出了token经济学的硬件需求第一性原理:
Token throughput = HBM size X HBM Bandwidth
AI推理这个时代的最高KPI,实际上是高度依赖于HBM的两个维度的进步的
如果要维持token throuput每一代两倍的增长,实际上意味着,每一代的单GPU上,HBM size X HBM BW带宽之积要增长两倍!
这也是历史上第一次,HBM内存的size可以影响最高的KPI token throughput!
要验证这个理论,可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput,和HBM size X HBM BW 放在同一个图里比较
(见图二)
可以发现,这两个曲线的走势在对数轴上惊人的一致
HBM size x HBM带宽增长的甚至要比token吞吐量更快,毕竟HBM决定的是天花板,实际上这个天花板增长的利用率utilization是很难达到100%的,也就是说,HBM size x HBM 带宽就算增长1000倍,其他算力和架构的配合下,很难把这1000倍的天花板潜力全部榨干
这条曲线不是巧合,而是系统最优化的必然解
throughput = batch × Bandwidth,这就是token factory 经济学最绕不开的第一性原理
—--------
软件的影响呢?软件的优化会不会降低带宽的需求?降低HBM的需求?
这跟硬件是独立两个维度的,这好像在问,如果CPU上的软件优化了之后跑的更快,是不是CPU就十年不用发展了?反正软件跑的更快了嘛
这样的话,CPU厂还能赚得到钱吗?CPU想要存活下去,只有一条路可走,在标准benchmark,不考虑软件优化,每一代CPU必须要跑分更高,不然就卖不出去
GPU也是一样,软件优化如何,和自己的token吞吐量KPI每年都要大幅进步,是两回事
只要token的需求继续增长,对token throuput的追求就绝不会停止,那么对HBM size X HBM 带宽的追求也不会停止
如果HBM size和HBM 带宽发展慢了,老黄一定会亲自到御三家逼着他们技术升级,因为这就是老黄gpu的天花板,天花板要是钉死了不进步,老黄的GPU还能卖出去吗?
当然了,Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分,比如LPU就是一个很好的尝试,把Pareto frontier从另一个角度改善了很多 (右半边高token速度的部分)
—--------------------------------------
HBM内存已然告别了那个随波逐流的旧时代,在这条由指数级需求铺就的单行道上,以一种近乎宿命的方式走到了产业史诗的主舞台中央
推理范式第一性原理演化到这一步,只要老黄还要卖GPU,HBM就必须翻倍,而且必须代代翻倍。这是supply side的内生压力,与AI需求无关,与宏观周期无关,与hyperscaler的心情也无关
剩下的问题,只有一个:
当需求被物理锁定为指数增长的时候,供给侧的三个玩家,会不会还像过去三十年那样,亲手把自己再拖回一次周期的泥潭?
FlyDragon retweeted
我不玩小股票,追求大道至简,
为什么大票安全,这些大市值的公司前五大股东基本上是贝莱德,道富,先锋领航,富达,这些资管巨头作为大股东,他们会严控公司的增发,分红,财务审计等等,他们合起来相当于实际控制着整个公司,对公司管理人员相当于一个局外强有力的监督者,不可能瞎搞增发啥的,资管公司的钱都是发的一些基金来的,影响他们未来募资和股价下跌的事情他们不可能任由公司管理层干。
而小公司则不是,股权层面的控制人还是管理人员,增发对他们极其有利,直接收割散户,他们的市值之所以小就是过往极其恶劣的增发收割的流氓行为导致的,没有资管公司敢进入,也就没人能对管理层进行局外强监管。股价的风险会很大。
虽然小股会带来可观的倍数收益,但是长期玩早晚都会被这些小公司的低劣增发手段坑进去。
这也是美股大公司能稳定运营持续几十年增长的根本原因,很多人只觉得美股牛是科技牛,其实也是这种资本层面的牛,他们控制的公司股权,对公司的运营进行着法律层面的二次监管,保证了公司能持续对股东负责,只追求公司更进一步的发展。
Replying to @xiaomustock
川总,我把这里面的每个都截图给ai分析,除了nok mrvl,还给出了aaoi应用光电, 还有poet光学中介层,这两个市值很小,一个150一个20,都有点太妖,不知道有没有机会
For those unaware, SpaceX has already shifted focus to building a self-growing city on the Moon, as we can potentially achieve that in less than 10 years, whereas Mars would take 20+ years.
The mission of SpaceX remains the same: extend consciousness and life as we know it to the stars.
It is only possible to travel to Mars when the planets align every 26 months (six month trip time), whereas we can launch to the Moon every 10 days (2 day trip time). This means we can iterate much faster to complete a Moon city than a Mars city.
That said, SpaceX will also strive to build a Mars city and begin doing so in about 5 to 7 years, but the overriding priority is securing the future of civilization and the Moon is faster.
FlyDragon retweeted
记住我说的
“要信早信,开始没信、坚决别信”
任何投资、在任何情况下,都坚决不能追高。错过10000次也不能高位站岗一次
我现在如果空仓intc,55的价即使我知道aapl马上入股、马上用14A我也不会追的
FlyDragon retweeted
$IREN ? Zero. Zero. Zero. Every peer has delay stories.
Quietly, without fanfare or excuses, $IREN has built the most flawless execution track record in the entire data center / mining / AI infrastructure space.
Watch this receipts thread:
2020–2021: Canal Flats (30MW) → promised energization → delivered exactly on time.
2021–2022: Mackenzie expansions → every single phase energized on or ahead of schedule.
2022–2023: Prince George (50MW) → guided date → hit it to the exact month.
Then they went to Texas and turned Childress into a monster.
2023–2025: Childress 750MW ultimate site
→ Phase after phase, substation after substation, transformers arriving early, 600MW+ energized in ~18 months flat. Management kept saying “on track”… and then quietly over-delivered every single time.
Hashrate ramp (the ultimate proof of execution):
Guided 10 EH/s → hit early → immediately raised to 30 EH/s → smashed early → raised again → 50 EH/s fully installed & operating right on the upgraded 2025 timeline. Not one miss, not one “supply chain issue” excuse.
AI pivot in 2024–2025:
Announced liquid-cooled Horizon 1 (50MW HPC, Childress) mid-2025 → foundations poured, long-lead items secured, second bulk substation transformer energized early specifically for it → November 6 earnings call: “Horizon 1 on schedule for Q4 2025 delivery.” Still zero slippage three weeks later.
Sweetwater 1.4GW (West Texas): originally targeting Oct 2026 → management straight-up accelerated it to April 2026 because… well, that’s just what they do.
Horizon 2 (another 50MW liquid-cooled) already breaking ground behind it.
Every peer has at least one public delay story since 2022.
$IREN has zero. Zero.
This isn’t normal. This is under-promise, over-deliver on steroids. They guide conservatively, then execute so precisely it looks easy.
In a sector drowning in excuses, $IREN just silently ships.
That’s why the believers keep getting louder. 🔥
FlyDragon retweeted
Some people still think they can “protect” Bitcoin by blocking protocols or restricting what they don’t understand.
But Bitcoin was never designed to be a static system. It’s not just digital goldit’s a distributed, programmable database capable of supporting full layers of infrastructure.
From Atomicals, we see it clearly:
if an idea can be executed within the UTXO model, then it belongs on Bitcoin.
Innovation doesn’t stop because a node adopts restrictive policies.
Innovation happens when we build.
And what’s coming will completely change how we interact with Bitcoin.
It has a name: @bitmetabtc
In this ecosystem, progress doesn’t ask for permission.
It simply gets deployed.
@bitcoincoreorg @BitcoinKnots
🔥 Bitcoin Core v30.0 just opened a new era for metaprotocols on Bitcoin.
With this update, OP_RETURN removes the 80-byte limit, allowing multiple data fragments to be emitted within a single transaction.
Plus, the minimum relay fee is reduced to 0.1 sat/vB, making it cheaper to store and execute data directly on L1.
What does this mean for the #Atomicals ecosystem and the AVM (Atomicals Virtual Machine)?
👉 The AVM will benefit directly by being able to:
Execute more complex contracts directly on Bitcoin, without relying on external layers.
Process multiple operations within a single transaction, reducing costs and increasing efficiency.
Enable new forms of crowdfunding, staking, and digital economies on Bitcoin L1.
Example:
A crowdfunding protocol built on AVM could now store all participation, validation, and result data within a single Bitcoin transaction, thanks to the expanded OP_RETURN capacity.
@bitmetabtc and the entire #Atomicals ecosystem are right at the inflection point where Bitcoin becomes a programmable layer without losing its L1 purity. 🔶
#Bitcoin #AVM #Bitmeta #Atomicals #ELECTRON #arc20
FlyDragon retweeted
$IREN In-depth review of Q3 Earnings Call, MSFT Deal, Profitability
First I want to acknowledge where my previous posts were wrong:
1. I stated 4.3m capex for IREN's liquid cooled DC which was way off (3). Written in Sept, I had used total load so if I used IT load it still would have been 6-7m. The estimation was based on this Data Center Dynamics Article which had stated Childress buildout was 300-350m (1) which had likely taken the figure IREN's prev for non T-3 datacenters. The actual is 14-16m. 9-11m of it is the data center itself. It's reasonable the extra 3-4m was for a T3 datacenter as the previous 6-7m figure did not state T3 datacenter. Furthermore, training clusters cost more than inference clusters which is a 3m charge. I now think both clusters are training and each training cluster is 100MW so there are two training clusters with each Horizon making up one training cluster.
2. I had wrongly mentioned that no ATM dilution is needed on my first take of the slides. I had over looked the part from the earnings where focus is on maintaining a "prudent balance of debt and equity" (4).
@FransBakker9812 had found in footnote to confirm that dilution via ATM not convertibles are coming (2). This is warranted because we don't want to be like $CRWV who is issuing overloaded debt which makes their dilution look good but their balance sheet is saddle which makes it harder for them to issue debt in the future. IREN will want a healthy balance sheet to be ready for SW1.
3. I always that IREN could do IaaS at a high level which the MSFT contract did validate that IREN can serve hyperscales but I did not anticipate that the rate would be much lower than Nebius. This is the main reason we are not seeing $IREN stock hit $90+.
4. Finally I did participate in some degen speculation on Wednesday night from a bridge 84 picture posting and took it as a hint for a possible Meta deal. That did not materialize.
Now that we have more data, I will finish this post with more accurate net earnings project and share price for Canada + Childress + SW1 than last projection.
Earnings Call Notes
IREN uses IRR to compare IaaS deals to colocation. They subtract off a $130k/kW-month colocation.
Colocation Net Profit
This is equivalent to 1.56m/MW-yr. IREN has stated that the DC itself is 14m-16m/MW and can be used for 20 years. If we take 15m/MW and divide by 20 we get that the cost for the colo is .75m/MW-yr.
First we calculate (Revenue - Depreciation) which is 1.56m/MW-yr - .75m/MW-yr so that's .81m/MW-yr. If we used 85% project margins, then we get a Net Profit of 688.5m/MW from colocation or 137.7m for 200MW. Note, we don't know what composition of margin is colo and which margin is IaaS we just know the entire project averages out to 85% margins.
Note that the 85 margins includes power, repairs, maintenance but not SGA, financing (5). SGA was high this earnings report due to key employees getting paid in RSUs which did a 10x. Their refresher RSU contracts will be based upon market price. I acknowledge that SGA may be higher in a hot industry but I assert it won't anywhere near 10x higher RSUs.
IaaS IRR
IRR (internal rate of return) and not ARR is the best metric for Neoclouds. IRR is used in real estate where the value of the property is very high compared to the yearly cashflows. This makes absolutely sense because value of GPU depreciation is very high and the elephant in the room. I do like that IREN is very transparent and uses IRR to contextualize their ARR. Every Neocloud should do this.
Thanks to @GlobalCollapse for original IRR calculations. I have calculated IREN's unleveled IRR to be 12.47% using Wolfram Alpha as shown in picture 1 (calculations available in source 6 for modification). Wolfram Alpha was ChatGPT for math before LLMs were cool and is classical algorithm based so it doesn't hallucinate and is has calculator precision. I check with @MarkosAAIG and this is inline with DC projects.
In real estate, leveraged is often used in the form of debt. Note that debt is secured by the asset which in real estate has stable value so this is not degen margin - every single DC project is levered whether it's GCP, Meta, Microsoft, NBIS, CRWV, or IREN. I have calculated IREN's leveraged rate of return to be 25.76% subtracting off the prepayment and then using a 7% interest rate shown in picture 2 (calculations available in source 7 for modification). I don't have the exact interest rate they are getting from Dell, but the earnings call explicitly stated with 2.5B of leverage, they are getting 25-30% IRR on 2.5B of leverage and if they use 3B of leverage then IRR is 35%-40%.
The above IRR assumes 0 residual value on GB300s after 5 years. With 20% residual value, Unleavered IRR becomes high teens and with 3B leverage IRR becomes 50%.
IaaS Net Profit
I will subtract off deprecation of GPUs and then multiply by 85% project EBDITA margins to get EBITA since we already subtract off depreciation of GPUs. Then I will subtract of interest to get EBTA. There's no significant amortization from a cost of a software team so EBTA = EBT. So I will get EBT which is just missing taxes a proxy for Net Profit. Note IREN has tax abatements on everything except the land which they bought for cheap.
We have 9.7B - 1.56B colocation = 8.14B IaaS revenue. 5.8B - 1.94B prepayment = 3.86B which over 5 years at 7% is 3.86 * 0.7 + 4/5 * 3.86 * 0.7 -> etc. Note that 4/5 is the remaining principal on year 4, etc. This gives us 810.6m of interest payment.
(8.14B IaaS Revenue - 5.8B GPU+Networking) * .85 = 1.989 - .8106 = 1.1784B over 5 years which comes out to 235m for 200MW IT per year.
Topline/GPU Comparison to NBIS, Nscale
Now that earnings call clarify 76k GPUs, we can compare topline per GB300 which is the most accurate. Let's do per 100k GPU for round numbers.
NBIS = 17.4B per 100k GB300
IREN = 9.7B * 100/76 = 12.76B per 100k GB300
Nscale = 14B * 100/104 = 13.46B per 100k GB300 (10)
Thus IREN is earning 73% of NBIS's topline/GPU which I attribute to uptime or credibility of uptime (9). Note that this is Nscale's second deal with MSFT where they were previously getting 6.2B for unknown amount of GPUs (10).
Notes from Earnings Calls
1. Dell has financed IREN for GPUs. Payment is due 30 days after shipping -> I'm assuming it will cover a portion with prepayment and cash from IREN covering the rest.
2. Other miners are giving up equity for colocation deals, while IREN gives up zero equity and gets huge a pre-payment worth 1/3 of the entire GPU+Networking+Cables cost.
3. Microsoft started shifting to negotiating for IaaS instead of Colocation 6 weeks prior to earnings.
4. Other HS more interested in colo SW but open for combination of both.
5. Other HS have interest in Horizon 5-10.
6. Contract obligations cannot be revealed.
7. Horizon 1-4 is 76k GPUs total.
8. Superclusters makes 2m extra charge for training only, not required for inference.
9. For Canada, 11k contracted from news released, 1k more contracted for 12k total contracted. Non-contracted ones are because of delivery timeline from Nvidia is far out.
10. Both AI native + enterprise customers in BC.
11. Hyperscalers and AI natives only want bare metal GPUs and want to bring their own orchestration layer.
12. Only smaller, less sophisticated customers want orchestration layer.
13. IREN is only focused on bare metal offerings because that’s the best way to scale their offerings to utilize their power assets.
Net Profits for Canada + Childress + SW1
Assumptions: Canada IaaS + H1-4 at 73% of NBIS Topline + H5-10 at % of NBIS Topline + 1.4GW SW Colocation
Canada IaaS Net Profits
Capex for Prince George is as follows for 500m ARR then we will subtract by capex and multiply by .85% margins. 7.1k NVIDIA B300s, 4.2k NVIDIA B200s and 1.1k AMD MI350Xs for approximately $674m (11). 1.2k B300 and 1.2k GB300 for $168m (12). 4.2k B200s for 193m (13). 1.2k B200, 1.2k for 130m (14). Total is 1.165B, over 5 years lifespan that's 233m depreciation. (500m - 233m) * .85 = 226.95m. Canada has two other sites projected for 1.5B net profit so we total net profits for all Canada 3 sites is 680.85m.
Childress
H1-4: 235m + 137.7m = 372.7m
H5-10
Note IREN got 73% of NBIS's Topline/GPU for H1-4. Let's assume that IREN gets 86% of NBIS's Topline/GPU for H5-10. This is very important because the 13% is pure profit if we assume same rate of cost of GPUs and DC. Then H5-8 would be 200MW for 11.42B instead of 9.7B for H1-4. H1-4 has 372.7m profit while for H5-8 an additional 11.42B - 9.7B = 1.72B would go bottom line so net profit for 5-8 would be 2.0927B. Now that's for H5-8, we can multiply by 1.5 to include H9-10 so H5-10 = 3.139B.
Childress: 3.5117B
Sweetwater
For colocation of 1.56m/MW-yr, we get a Net Profit of 688.5m/MW-yr. However, CIFR got 1.83m/MW-yr from MSFT while IREN is conservatively giving internal colocation numbers. If we take a 1.83m/MW-yr and apply the delta as profit then we get an additional 270m/MW-yr of profits for a total of 958.5m/MW-yr. For 1.4GW that's 1.3419B for Colocation. Now I know why Dan says colocation deals are bad.
Canada + Childress + SW1 Share Price
Adding all 3 sites, total net profit is 5.53B. Take whatever P/E you want but I'll use conservative 20 P/E. Note the 5.53B doesn't include the 2-3GW confirmed pipeline. That's 110.6B market cap. We have 281m diluted shares today. Assuming more 40% more dilution for finishing SW1 and H5-10 that gets us to 393.4m diluted shares or a share price of $281 by 2027.
FlyDragon retweeted
They say we are entering an Energy-As-An-Asset era. They say electrons are the new oil...
FlyDragon retweeted
This is Atomicals x BitMeta in a nutshell.
And not a single penny from outside sources.
Self funded together with blood, sweat and tears from a small community of loyalists.
FlyDragon retweeted
First take notes on $IREN Q3 Earnings (Thread)
- 140k GPU expansion by end of 2026, conservative figure as includes Horizion 1-4 MSFT contract and 63k GPUs in Canada. H5-10 and SW not included. Clues of 50MW extra at PG and Childress 50MW expansion.



































