① 市場結構 / 機制類
了解市場怎麼運作、資金與資訊如何流動。
1處置股機制
個股短期漲跌或週轉率異常會被交易所列為處置股，改成每 5 或 20 分鐘才撮合一次（分盤集合競價），還要預收全額款券。結果是流動性極差——想跑跑不掉、想追也買不到（掛單剩零星幾張）。
EP666：孟恭說自己約 90% 資金鎖在處置股、很多還是 20 分鐘撮合，等於完全動不了，「今天就算想追崩盤也跑不掉」。
EP660：某大票（市值幾千億）連續跌停進處置，外資認為抽掉流動性很危險；聯發科連漲停也進處置，業界開始討論大市值標的是否應調整處置機制。
EP663：行情好、持股已拉很遠，遇到處置反而「有點高興」，因為跌停可以識別真恐慌砍盤的好時機，說明有足夠成本空間時，處置不再是單純的懲罰。
EP664：孟公手上一堆被動元件進處置，關 20 分鐘完全無法動彈，反而趁著大家恐慌亂殺時低位加碼，說明被動元件持倉成本已拉夠遠才能這樣操作。
2市場派 vs 公司派
市場派（投資人、作手）常常領先公司派（公司管理層）一步。原因：市場派可能認識買方（下游、甲方），下單的人比被下單的公司更早知道訂單要爆量。公司派個性保守、不見兔子不撒鷹，但一旦樂觀起來會比所有人都樂觀（因為他直接看到手上訂單）。
EP666：這波 AI 初期，很多公司派自己不相信、反而把持股賣掉（持股低、隨時被收購），事後扼腕。
3資金輪動 / 族群輪動
市場資金有限，會在不同族群之間流動：硬體(ODM/OEM/EMS) → 光通 → 軟體股 → 老 AI… 輪流噴。重點不是哪個族群「最好」，而是錢現在往哪流。看 ETF 表態（例如軟體 ETF「IGV」拉出大陽線 = 資金轉向軟體）。
心法：不要在一個族群盤整、被市場冷落時亂罵它，因為輪到它就會漲；要有耐心。輪動的早期訊號可以透過「尾盤拉起的標的」觀察：大盤回檔時若某些族群在尾盤明顯轉強，往往是資金悄悄挪動的早期訊號。
EP659：盤中屌殺，孟公注意到尾盤某些標的直接拉起，認定是「小型類股輪動已發生」，當場卡位。
EP662：盤整期利用「誰先站回來」來識別下一波主流——跌最少、率先反彈的族群，市場自動完成汰弱留強，不需主觀判斷。
EP663：多頭市場下出現「萬物齊漲→族群分化→強勢族群修正後最快爬回」的週期，孟公認為這是健康輪動而非崩盤訊號。
EP655：台股一個月漲 6000 點後，孟公的操作邏輯是：台股被動元件走得比日股 / 韓股慢，就直接轉到日股（三星電機直接射爛）；光通橫了就找被動元件；強行找最快的車。「我不知道派對音樂放到什麼時候，所以就是能搶多少就搶多少。」
24主動型 ETF 的 Benchmark 錨定買盤（Tracking Error 心理）
基金經理人不能讓自己的績效「脫鉤大盤太遠」，否則會被主管或客戶質疑甚至丟工作，所以台積電對他們而言是「必買的保守牌」——不是因為看好，而是因為空倉的代價太高。這種「追蹤誤差驅動的買盤」與散戶估值驅動的買盤性質完全不同，是一種籌碼面的結構性買盤。
EP656：「你不可以脫鉤大盤太遠，如果你脫鉤你可能就會失去你的工作。所以他們想要去追求的一個最簡單的保守牌就是台積電……這個是一個非常強烈的動機，no brainer，大家一定會去買。」
25投信持股上限政策 → 強迫輪動 + 增持時差
金管會調高投信單一類股持股上限（如 10%→25%），且符合條件實際上只有台積電，造成兩個效應：① 投信被迫賣出中小型持股去補台積電部位，形成結構性強迫輪動；② 已持滿上限的投信無法立刻加碼——需先修改基金公開說明書，行政流程約需 2–4 個月，導致「政策利多」到「資金真正進場」之間存在可預期的時差。
EP656：謝孟恭計算若投信要補足到 25%，估計需買入 5–10 萬張台積電，這批資金必須從既有中小型持股賣出取得，預言會出現「大規模垃圾盤」，並在同一集觀察到禮拜四中小直接重挫印證了此邏輯。
EP656：台積電市值被推高後，全球做 Global Allocation 的外資因為台股市值占比達 Benchmark 門檻，也會被動增配台股，形成「法規→投信→外資」三層連鎖輪動。
EP662：孟公分析說，那一波台積電漲沒有想像中猛，是因為外資在倒貨，而多數投信還沒跑完修改條款的流程，真正的買量還沒出來，「可以再等一個月」。
26GPU vs ASIC 非零和（供不應求框架）
市場習慣「捧 A 踩 B」（GPU 會殺掉 ASIC，或反過來），但在整體算力供不應求的環境下，這是偽命題。兩者並行存在，大客戶（如 Google）同時採購 GPU 做通用算力、ASIC（TPU）做自家模型——競爭只有在產能過剩時才有意義。
EP658：「晶片整體是供不應求，並沒有誰會把誰踩掉這樣子的劇本在短期內會發生……Google 用自己的 TPU，可是它的客戶還是用到大量的 GPU，所以還是必須去採購。」
27後段封裝良率 vs 前段製程良率分開看
評估一家晶圓代工廠或封裝廠的產能可靠性，需要把前段（製程良率）與後段（封裝良率）分開追蹤。業界常用的「從載板端 check 良率」只反映前段，容易誤判後段真實狀態，造成資訊落差。
EP657：英特爾 eMIB 後段封裝良率已達 90%（可量產等級），但從載板商的資料看，前段 Substrate 只有 30–40%，導致市場普遍低估英特爾後段封裝能力。謝孟恭特別說這是「大家還不知道」的資訊落差。
EP655：Google 決定在 Humufish（聯發科 V8）上採用 Intel 的 eMIB 先進封裝。孟公說這是潛在利空：eMIB 「即便喊了滿天價也可能雷掉」，一旦良率出問題，直接影響聯發科的出片數。他不排除若台積電能 guarantee 更多產能，Google 未來可能移回 CoWoS，但現階段這是需要持續追蹤的下行風險。
28Tier 排位資金分配框架
將持股依「市場關注度 + 基本面確認程度」分成Tier 1（異軍，股價右上角走勢已確認、有 Fundamental 支撐）和 Tier 2 / Tier 3（惡軍，躺著等輪動）。操作邏輯：Tier 1 開始軟掉時，才往 Tier 2 挪資金；Tier 1 拉回補身時可以加碼。不在 Tier 1 還在強勢時去搶 Tier 2，避免過早放棄好馬。
EP659：矽晶圓（環球晶）、世界先進雖然基本面不錯，孟公把它們列為 Tier 2，等 CPU、ASIC、被動元件這些 Tier 1 開始橫盤或軟掉後再換過去。
29大型股流動性連鎖風險（槓桿聚集效應）
台股漲跌停 ±10% 機制加上處置警示制度，在市值已達幾千億的大票上會產生「連鎖斷頭」風險：越擁擠的位置有越多槓桿仔，第一根跌停後槓桿仔被斷頭→出現新賣壓→鎖第二根跌停，像滾雪球。美股雖然可以單天跌 30%，但至少可以全程賣出，不會「關廁所」。
EP660：孟公回顧關稅事件，指出「越擁擠的地方擠越多槓桿，跌停後連鎖斷頭，反而最危險」；當時大家以為買流動性好的股票安全，結果最熱門的標的被鎖最多根跌停。
30市場對消息的敏感度翻轉（利多消化率）
同一個消息，在「上漲中」vs.「下跌中」的股票上，市場反應截然不同。上漲中的股票，任何消息都可以被放大成利多；下跌中的股票，即使丟出好消息也無人理會。這是用來判斷「現在是否適合進場」的技術觀察指標——不看消息本身，看消息的反應。
EP663：孟公說：「你現在有看到很多東西在回檔嗎？那他們丟的好消息基本上都沒有用。可是現在有些東西在右上角噴射中的，任何一個消息都可以變成是好消息。」
31大廠停止接單 = 題材正式確立的信號
在被動元件／零件缺貨週期中，當有大廠對外宣布停止接單（or 某些料號不再接新客），代表供需失衡已從「預期」走向「事實」。停止接單的邏輯是：廠商認為現有高價客戶已夠多，不需要再接低價訂單，預期後面只會更貴。這個信號比漲價公告更具行動意義。
EP662：「如果說後面大家有看到大廠去宣布說什麼停止接單的話，那就是正式確定這個趨勢的展開。」孟公把這個事件稱為「This is it，要出大事了」。
EP663：Panasonic 發現高端 AI 用料需求爆量，已有把低利潤鳥料產能全部轉向高階 AI 料的傾向，換言之就是「變相停止接單」低端客戶。
32現貨競標 vs 合約漲價信的節奏差異
在被動元件漲價週期中，有兩種漲價傳導模式：① 發漲價信：廠商正式通知客戶「X 月起漲 Y%」，之後每季 review 再漲一次。② 現貨競標：廠商不發正式通知，但現貨要競標，誰出高價誰拿貨（類似 2018 年被動元件大潮末段）。競標模式出現代表情況更緊迫，供需失衡更極端。
EP662：「他甚至可能每個禮拜或每個月你就進來競標，反正誰出最高的價格就可以拿走……這一波看起來就是會往那個方向去前進。」
EP663：Panasonic 的漲價信已對部分客戶發出，但不是全面發，造成消息流出後市場直接衝進去搶料，引發更大恐慌備貨。
56跨業產線共用——「貴人」訂單現象
光通相關的大客戶（美系或台灣系巨頭）因自建產能需要過環評、土地取得困難，改採「帶設備進閒置廠」模式：甲方自己付設備費用，找有廠地 + 人力但本業無關的中小廠（如做 LED、SMT 打件的廠商）讓設備進駐生產，廠商收加工費、立刻改善獲利。這類標的從外部幾乎無法事先識別，只能觀察「誰先在盤面轉強」作為入場訊號。
風險：甲方可以把設備抽走，或驗證期沒過、訂單未落地，股價可能炒高後崩落，屬深水區題材。
EP652：孟公觀察到台股已出現至少 4 檔 SMT / LED 打件廠因光通大客戶進駐產線而出現股價異動，評估他們本業毛利低，光通訂單「即便只有 10% 毛利，對處於虧損的廠商都是救命稻草」，並決定用「誰先轉強誰就可能有故事」作為篩選方式，而不是事先猜。
33小作文 vs 消息的識別框架
小作文的特徵：有詩句開頭、引一些數字、給出超高 EPS 預測，是有意識的詮釋與操盤工具。消息則是短、直接、來自多方 cross-check 後收斂的資訊。近年小作文變少，代之以 X（Twitter）上假裝是日本人/韓國人的帳號轉貼台灣產業消息。識別方式：同一個訊息是否有多個獨立來源佐證（不是單一帳號），以及來源是否能被業內人士交叉核對。
EP661：散熱族群的重大消息（NVIDIA 改換散熱材料）並不是以小作文形式傳遞，而是多方 cross-check 後在 X 上擴散，供應鏈廠商自己也知道——這種多源確認的消息可信度較高。孟公指出 X 上某些帳號「過度關心台灣新聞」，懷疑是新形態的小作文包裝。
61市場過度殺軟體股
AI取代軟體敘事造成市場無差別通殺，連蘋果只跌一點點的矛盾可佐證市場反應過度。真正受AI衝擊的應是UI介面層，底層基礎設施需求不減反增。
例：若AI真會殺死80%軟體，收軟體稅的蘋果早該爛掉，但蘋果只跌一點點，代表市場是在恐慌亂殺，而非理性定價。
📻 EP637
62AI make possible ≠ viable
AI能讓很多事情變得「可行」，但可行不等於可持續、不等於TCO（總擁有成本）更低。自建系統要考慮養護成本、合規風險及後續隱藏成本，往往比購買服務更貴。
例：自己vibe coding出財務或薪資系統，Day 1很簡單，但若日後違規可能被罰款坐牢，這些隱藏成本遠超直接購買合規SaaS服務。
📻 EP637
63關稅不確定性壓估值
市場最討厭不確定性。IEPA關稅被法院否決後市場反彈屬於技術性反彈，實際上川普會援引更多法源繼續推進，添加的碎片化不確定性對市場偏負面。
例：IEPA被擋後，川普可改用已歷經多次法律挑戰的232、301條款，以及新的10%普遍關稅架構，換湯不換藥，目標不變。
📻 EP638
64多空強弱隨時間輪動
台股強、美股弱是現象，不代表永久格局。歷史上每次類股輪動都曾被市場過度悲觀，之後再次反轉。應保持彈性，不宜因短期強弱而大幅改變長期配置。
例：過去有段時間流行「台股給法人搞，大家都去美股」的聲浪，之後美股修正、台股大漲。現在亞股強是否持續同樣不確定。
📻 EP639
65產業人士 vs 股票圈的保守偏差
產業內部人士因長年訓練傾向保守，往往難以預見超乎常規的大行情；股票圈人士則容易過度想像極端情境。最佳判斷在兩者之間取得平衡，不能純靠業內人的說法決定進出。
例：記憶體起漲初期，華邦電、旺宏等公司高層說法非常保守，等訂單都壓在眼前才開始看多，但股價已先漲數倍。
📻 EP640
66AI帶動的軟體工程師結構性替換
美國軟體工程師職缺不是被AI消滅，而是結構替換：CRUD開發、客服行政類工程師減少，AI/ML、資安、FDE大幅增長。整體職缺年增11%，但絕對值仍低於2020-2022高峰約三分之一，是換血不是消失。
例：FDE（Field Deployment Engineer）職缺成長800-1100%，是一種結合工程師、Sales、PM特質的新角色，負責將AI部署進企業並串接資料。
📻 EP641
67AI文氾濫製造FUD，干擾判斷
AI生成大量重複性分析文章（後照鏡式總結），看漲時全面唱多、看跌時全面唱空，放大情緒、稀釋真正有價值的contrarian觀點。市場參與者應主動過濾雜訊，尋找與市場反向的論點。
例：光通股下跌後，Broadcom Hock Tan的一句話被大量AI文斷章取義成「光不行」，但他的原意只是說現有銅連接還可以再撐幾代，並非否定光的長期趨勢。
📻 EP642
68油價作為市場風險閥
原油價格是影響通膨與需求破壞的先行指標。油價維持80-90美元以下相對安全；若再度衝高，代表通膨再起風險，聯準會升息預期升溫，股票估值承壓。
例：伊朗衝突期間油價從高位快速回落，市場隨之反彈；謝孟恭以油價是否破百作為是否壓縮部位的關鍵訊號。
📻 EP643
69主動投資的前提：市場犯錯
主動投資的本質是認為市場定價有誤。短期市場非常容易犯錯，長期才趨於正確，這個時間差就是主動投資者的獲利空間。分析師上修目標價，本質上是在說「市場現在定錯價了」。
例：KGI上修旺宏目標價300元，即是宣告市場現在低估了它的價值。
📻 EP644
70資金板塊輪動機制
當市場中有一個超強標的時，它會吸走所有追報價的資金。即便其他標的的漲價邏輯成立，報酬也會被排擠。等強勢板塊轉弱，這些資金才會重新流回次強標的。
例：謝孟恭舉例：MLCC、電感等被動元件漲價邏輯正確，但因記憶體漲了100%，30-50%漲幅的吸引力大幅下降，押對了也賺不到錢。
📻 EP646
71大盤指數絕對數字錨定謬誤
隨著指數長期上漲，過去用來判斷危機的絕對數字已失去意義。指數從一萬點到三萬點，同樣千點跌幅從10%變成3.3%。融資水位、跌點幅度都應改看百分比，避免被舊的絕對數字產生錨定偏差。
例：台股千點大跌：當年一萬點等於跌10%；現在三萬點，千點只是3.3%，未來甚至2000點也可能只是正常波動。
📻 EP648
72傑文斯悖論在AI硬體的應用
當技術進步讓某種資源使用更有效率時，總需求反而可能增加而非減少（傑文斯悖論）。AI壓縮技術讓記憶體使用更有效率，但效率提升→更多廠商投入→總使用量更大。用技術效率提升來「殺」記憶體族群，通常是市場情緒過度反應。
例：Satya Nadella曾引用傑文斯悖論解釋AI效率提升不會壓抑需求，反而會刺激更大規模採用。KV Cache壓縮理論上應優先衝擊HBM，市場卻無差別全殺屬於情緒錯殺。
📻 EP648
73油價與VIX作為槓桿警戒
油價維持高檔期間不應上槓桿，VIX高位震盪代表波動率仍高，此時槓桿容易造成強制斷頭。油價若突破新高才需轉為保守；只要不再破高，市場情緒可逐步消化。
例：謝孟恭觀察霍姆斯海峽衝突期間油價遠期合約未跌，認為停火訊號不可全信，選擇純現股不加槓桿。
📻 EP649
74手機砍單的供需傳導
當主流品牌吸收記憶體漲價並擴大市占，中低端廠商因成本壓力被迫砍單，可達-40%出貨量。消費性元件廠若客戶集中中低端，股價底部可能遠比預期深；但兩三年後這些廠商基期低，會出現連年亮麗數字，為未來佈局點。
例：朋友公司資訊顯示手機廠下修訂單數字「非常恐怖」；謝孟恭推算：若Apple與三星合計不衰退，中低端實際跌幅可達-40%至-50%。
📻 EP651
75軍火庫邏輯選標的
當多個競爭者在同一層互相廝殺，上游共用的關鍵製造商（軍火庫）反而是確定性最高的受惠者，因為競爭者都必須向其下單。
例：IC Design相關股競爭激烈時，謝孟恭選擇直接買台積電；Tesla TerraFab建廠評估中，不管哪個設計方案獲選，Intel都可能收取授權或顧問費。
📻 EP651
② 估值 / 漲價判斷類
怎麼判斷一個題材能不能持續、值多少錢。
4成本驅動漲價 vs 需求驅動漲價
判斷一個「漲價題材」能不能持續的核心框架：
- 成本驅動：原料變貴、廠商被迫跟漲 → 不健康、撐不久。
- 需求驅動：真的供不應求、客戶搶料 → 健康、會延續。
EP666：被動元件正從「成本驅動」轉換到「需求驅動」，所以股價還能噴；判斷方法是看漲價斜率（learning curve）陡不陡，越陡代表這波比 2018 那波更猛。
EP661：Panasonic 退出固態電容後 Nippon Chemical 承接但產能不足，已開始漲價——屬供給側退出而非需求側。判斷重點：客戶是因為「終端需求好」搶貨，還是「怕漲價/怕斷供」而提前拉貨？後者對廠商的持續性比較差。「連 Rohm 都漲了就是穩的」。
EP662：電阻漲價因為大量使用銀（原物料），被判斷為成本驅動型；電容（MLCC、鋁電容）漲價則是因為 AI 資料中心需求爆量，屬需求驅動。「如果電阻的漲價都可以走很順利的話，那很缺的電容跟電感應該就會非常嚴重。」
5用歷史類比 + 學習曲線推估目標價
面對已經噴出去、看不懂的族群，用上一輪同類行情當錨：2018 被動元件那波，國際大廠毛利率最高摸到 60 幾%、營收摸到某高點。這次對照漲價速度推算明年 EPS，再乘上合理倍數推出 target price（目標價）。
EP656：台積電估值框架：明年 EPS 共識約 140 元，給 20 倍 PE 得 2800 元；若改用 2028–2029 年業績（AI Factory 長期邏輯），理論上目標價可繼續上修。謝孟恭說「如果券商的 TP 已經比我心中的 TP 還高，這東西就沒有買的必要。」
6本夢比 vs 本益比
公司還沒獲利、純靠「想像空間」撐股價，叫本夢比（對比有實際獲利的本益比）。題材股的噴發有節奏：
題材先行 → 初生段 → 主生段（開始放量）→ 大家都信了 → 噴最後一段。
EP658：發哥有券商報告直接把 EPS 寫到接近 400，謝孟恭說「我以為是很樂觀的劇本，沒想到連券商報告都敢這樣寫，搞不好我的想像力還不夠豐富。」這正是本夢比（用遠期業績倒推）的典型操作。
7魚頭 / 魚身 / 魚尾
一段行情像一條魚。先相信、走在前面的人吃「魚頭」（最甜的 premium）；最後追進去的人只能啃魚尾。孟恭的做法是賺自己看得懂的那段就走，不貪完整條魚。
EP665：年初的衛星股「很香的魚頭都賺到了，魚尾沒賺到也沒關係」，賺魚頭時還被人罵炒股。
EP659：大盤 Tier 1 族群（CPU、ASIC、被動元件）已是魚身甚至魚尾，此時 Tier 2 族群（消費性、成熟製程）開始有資金輪入，代表輪動開始。光通股開始出現回檔、記憶體台股開始沒力，消費性、工業電腦族群反而轉強——孟公認為是「找不到 Tier 1 東西了就往 Tier 2 去找」的輪動行為。
34相對便宜股（AIP 比價框架）
在 AI 投資組合（AIP）的宇宙裡，用相對估值而非絕對本益比判斷「貴不貴」。標準是：同類型的 AI 受益股大多已比合理估值貴出 50–100%，而在同樣的 AI Factory 邏輯下 PE 仍偏低的標的，算是相對便宜。「相對便宜 + catalyst 出現」才是進場的好時機。
EP656：「輝達以外的蠻多東西其實已經不是便宜的股票，用它的 4P Ratio 去推可能都是高上了大概 50% 或甚至是 100%，在這樣的環境之下一個相對便宜的東西（台積電）產生了 catalyst。」
35Product Mix 改善先行於營收成長
獲利改善可以出現在絕對營收還沒增加、甚至衰退的時候，只要廠商的產品組合（Product Mix）已悄悄往高毛利品移動。這種「財報看起來不好但股價先噴」的情形，是因為市場提前識別到 Mix 改善的趨勢。
EP661：日本 Nichicon / Nippon Chemical（鋁電容）財報營收增幅很小甚至衰退（消費線拖累），但獲利在改善——因為它們把消費線東西丟出來、開始出高規格品。日本投資人非常買單，股價直接噴到外太空。
36擴產紀律 = 週期壽命的關鍵變數
廠商在景氣好時選擇「不大量擴產」，是維持供需失衡、延長漲價週期的核心條件。一旦大廠齊聲宣布擴產，就是週期結束的早期訊號。孟公把這個稱為「下檔防守的觀察點」，只要擴產訊號不出現，多頭趨勢就相對安全。
EP663：「如果大家都很有共識的要擴產的話，那就代表這個供需問題會解決的相對蠻快的……但如果說一直都沒有出現擴產然後大家像記憶體這邊一樣，已經類似廠商在打暗號一樣——我們大家都不要擴——那就蠻像台積電有紀律的擴產，比較不會有泡泡破掉的劇情。」
37隔壁的柜子——主題外溢效應
AI 資料中心的高密度機櫃，由於功耗極大，Power（電源管理）模組往往被拉出來放在「隔壁的電源機櫃」。市場把注意力放在主機板上的 GPU/ASIC，卻忽略了隔壁電源機櫃裡用到的大量被動元件和功率半導體——這是挖掘尚未被主流注意的次題材的框架。
EP664：「高密度機櫃，它整個機櫃的 Power 的東西是拉出來放到隔壁的柜子裡面。隔壁的柜子裡面有很多賺錢的機會。這是我目前發現就是市場上未必有花很多精力去看的……包含高壓 MLCC 之外，還有鋁電容。」
57CPU 缺貨結構 vs 記憶體缺貨 + BOM 表空窗期
記憶體缺貨的特徵是「買得到、但要出高價」；CPU 缺貨更嚴峻：「要買可能買不到」，屬於硬性斷供。背後邏輯：伺服器廠商備料時只估算了 GPU / ASIC 需求，沒有充分預估 Agentic AI 帶來的 CPU 新增需求，所以兩者競搶同一批供應鏈元件。
另一個判斷節點是「BOM 表空窗期」：一款新平台的 BOM 表（材料清單）剛發佈後，採購方才開始研究備料計劃，到真正拉貨動作之間會有數週到數月的時差——這段空窗是提前布局的機會窗口，越早識別到 BOM 表出爐越有先行優勢。
EP653：Digitimes 報導 CPU 缺貨比記憶體更嚴峻；孟公認為 CPU 意外成為 Agentic AI 時代的稀缺瓶頸，供應鏈的反應會比 GPU / ASIC 週期更令市場措手不及。
EP654：Rubin BOM 表剛出，目前產線稼動率已近滿載，但廠商尚未開始大量拉貨。孟公說「等到拉貨啟動那就瞬間跳上去了」，類比記憶體稼動率從 90% 跳到 100% 後報價瞬間狂飆的節奏。
38補庫存 vs 真實需求復甦的判斷標準
消費性/成熟製程族群漲起來，有兩個可能的解釋：(A) 真實需求復甦；(B) 因漲價預期 + 關稅恐慌，下游提前補庫存（End demand 其實還是弱的）。判斷方式：看終端市場銷售量（M-Market 數字）有沒有跑起來。補庫存驅動的行情比真實需求週期更短暫，需留意持續性。
EP660：筆電業者明明終端需求不好，但因怕漲價斷供而大量拉貨，導致代工廠產能利用率和 IC 設計廠 Q2 營收都跳起來；DDIC 業者拉大單在當時是個謎，後來才理解是恐慌性補庫存。
76PEG模型勝過單一PS
不能用同一PS倍數套不同成長率的公司。從EPS 5成長到10，和從9成長到10，估值理應不同。高成長率的公司即使PS看起來較高，相對低成長公司仍是更好的選擇。
例：高盛內部說PS 6倍才值得買，但率先跌到PS 6的往往是成長率最差的公司，反而應優先買仍在PS 15但成長率極高的標的。
📻 EP637
77市占下降但市場擴大仍能賺更多
當整體市場規模擴大百倍時，市占從80%降至40%，絕對收入仍可能翻倍成長。不能只看市占率下滑就認定公司前景轉壞，要同時評估TAM的變化。
例：OpenAI市占從80%降到較低水準，但若AI市場整體擴張百倍，即使市占剩兩成，絕對收益仍遠高於初期。好比台積電AI晶圓代工從獨佔到鴻海分食，偉創仍比數年前賺更多錢。
📻 EP638
78題材炒作看「營收占比」
一支股票要被某個題材輪動帶動，該業務的營收占比必須夠高，或在短期（三年）內能從極低比例大幅拉升。占比過低的業務很難讓市場以該題材定價。
例：台達電雖有太陽能、電動車充電樁等業務，但市場給的估值完全圍繞AI Server散熱與Power，其他題材難以被炒作帶動。
📻 EP640
79修正後看誰第一個衝出去
市場每次修正後，第一個突圍衝出去的族群往往就是下一波主流。確認主流最直接的方法就是觀察修正後的相對強弱，誰最快回到高點誰就是主力。
例：這波修正後謝孟恭觀察到光通相關族群依然相對強勢，確認其為台股下一波主流的機率最高。
📻 EP641
80估值典範轉移：題材重估設備股
當一家設備公司的客戶應用從一般半導體製程擴展到CPO/光通相關時，其估值基礎可能從傳統半導體週期股倍數，轉換為給光通題材的更高倍數，形成「估值典範轉移」。重點是確認光通業務營收占比能否在近期顯著提升。
例：台積電設備廠商本來以CAPEX週期性角度估值，但若其設備有顯著比例用於CPO封裝，市場可能改以光通估值重新給價。
📻 EP642
81不能把類股一刀切
同一大類別內個股差異極大，不能因「軟體股整體被AI取代」或「硬體股都受惠AI」就一刀切。廣達與英業達同是硬體股但本質不同，台積電與聯電亦然。大分類做結論通常是缺乏辨別能力的表現。
例：「軟體股大毀滅」論述下，Palantir、Cloudflare等反而因AI加持變更強；Adobe、Salesforce則真的走弱。
📻 EP644
82好消息不等於股價上漲
當市場已充分預期某事件（財報好、新品發表），實際兌現時股價往往不動甚至下跌。知道題材是對的，不等於知道股價何時反應。市場情緒、動能、籌碼是股價短期走勢的決定因素，需與基本面分開評估。
例：美光財報前已知毛利率將爆表，但財報公佈後沒有明顯上漲；NVIDIA GTC發表CPU方案，相關供應鏈股沒有直接噴出，因市場早就知道。
📻 EP645
83供應鏈資訊反推實際狀況
從下游供應鏈的實際訂單量去反推公司真實狀態，比觀察股價或看媒體報導更可靠（Bottom-up優於Top-down）。供應鏈訂單加速往往比財報或分析師報告早1-2季反映現實，是領先指標。
例：Tesla在外界唱衰Robotaxi時，韓系零件大廠實際收到來自Tesla的訂單數量「非常恐怖」，持續上修，謝孟恭據此相信Tesla在蹲低準備跳起。
📻 EP645
84高估值靠不斷上修維持
高PE標的之所以能長期維持高估值，是因為不斷有新利多幫助上修。只要催化劑持續，股價就不一定會均值回歸。但代價是：任何一次不符預期的電話會議都可能觸發大跌。
例：光通類股：用純數字看估值根本買不下手，但各種好消息持續湧現、數字不斷上修，因此能維持高估值很久。
📻 EP646
85文生影成本結構限制
AI影片生成的商業化速度被高估，核心障礙是成本與機會成本。生成一段符合要求的影片需要大量重複骰骰子，Token消耗遠超宣傳數字。當AI生成成本高於真人拍攝時，業主不會採用。
例：中國「獲取病」短劇號稱3人團隊3000元人民幣，實際有大量後勤人員、反覆生成上千次、仍有人工後製，成本遠被低估。
📻 EP647
86玻璃基板題材的時間軸判斷
投資新興題材時，必須釐清產品的量產時間軸。Glass Core Substrate（GCS）預計2027年中至2028年才開始放量。市場可能提早2-3年炒作，CPO就是先例。題材對但時間軸錯，資金效率極低。
例：CPO（矽光子）：市場提早兩三年就有人大量布局光通股，數字都還看不到，最後那些人確實賺翻。玻璃基板Carrier（現在）、GCS（2027-28）、Interposer（2029+）三階段要分清。
📻 EP648
87停損前確認買進邏輯類型
停損決策應對照當初買進的邏輯類型：題材型（無題材則怪）、價值型（更便宜應加碼）、動能型（破底前就該走）。三種邏輯對應不同的應對方式，混淆則無法作出合理判斷。
例：聽眾持有電子紙標的虧損詢問是否停損，謝孟恭指出目前市場上沒有電子紙題材催化，若是題材型持有則顯得矛盾。
📻 EP650
88題材各自表述仍能獲利
市場買同一支股票的人，背後敘事可能完全不同，但只要供需方向一致（買盤持續），股價仍會上漲。了解故事有助於「進可攻、退可守」；純技術面持有者缺乏基本面信仰，容易被洗出去。
例：同一支探針卡個股，A方認為是POGO PIN題材，B方認為是NVIDIA Kyber架構的Connector PIN題材，兩方敘事完全不同，卻同時推高股價。
📻 EP651
89純度高的小型股爆發力強
挑選受惠某題材的標的時，純度高且過去被市場忽視（股價低基期）的小型股，在新故事出現時往往比大型、複合業務公司漲幅更大，因為新增訂單對其營收比例影響更顯著。
例：謝孟恭討論CPU題材時，認為NVIDIA雖有CPU（Vera Rubin），但因它是複合型公司，純度不夠高；AMD和Intel作為純CPU標的，題材推動力會更集中。
📻 EP651
③ 操作 / 資金管理心法
真正決定賺賠的紀律與心態。
8融資槓桿 + 維持率回沖加碼
看對方向時一路加碼的機制：買滿 → 股票漲 → 維持率（擔保品價值/借款）變高 → 可以再借更多錢 → 再壓。波段看對時部位會越滾越大。
- 反向警訊：全市場融資增速太快 = 過熱訊號（一堆人拿命去搏）。
- 隱形成本：融資利息很可觀，有人幾年付了上萬美金利息還不自知。
EP657：一位聽眾問「要交屋但不想賣股」，謝孟恭建議「股票質押」替代方案：利率約 2–2.7%（低利）、理論上可無限展延，讓持股繼續留著、借出現金應急。出問題時只賣「擔保品」即可，不必全部平倉。
EP660：孟公自己開新戶要把信用額度拉高，券商說已沒額度可開給他，即便有足夠擔保品。分析後認為這代表「參與者變多了把額度分掉」，而不一定是「每個大戶都開到很高槓桿」。
EP662：禮拜五跌停，但孟公反而「很高興的跑進去買」——因為成本已拉得夠遠，即使跌停再跌三根都跌不回成本。這是「拉離成本足夠遠之後，跌停反而是加碼機會」的具體操作邏輯。
9停損紀律要按「標的性質」彈性調整
同樣是「跌破月線就停損」這條規則：
- 用在台積電這種權值股 → 嚴格執行=白痴，會一直被洗掉。
- 用在小型投機股 → 必要，怕被埋。
紀律不是死板套公式，要看標的調整。開槓桿部位的停損門檻要比現股更嚴格。
EP665 Q&A：有聽眾在十日線賣出、結果少賺 8 成很懊惱。孟恭：你的做法沒錯，每個決定都有 pros & cons，重點是鎖定一套能穩定刷出錢的邏輯，並接受偶爾被洗掉是正常的。
EP657：「如果你開槓桿，你就一定要帶獲利回家；如果你開始用槓去凹的話，凹到某個程度你一定要認輸，因為你不認輸這個市場終究會讓你認輸。」
EP660：高位時停損/停利的參考點會被迫拉寬：因為成本已在很遠下方，盤中崩殺對多數人來說只是「讓高位者稍微不舒服」，不足以觸發停損。真正的停損觸發點是「大盤格局長黑K、吞噬線出現」。
10「天罰」
漲太爽、開始炫耀、嗆主管、貼離職信時，市場往往就回檔懲罰你。反過來，一個健康的多頭會時不時假摔、小回（壓力測試），這種盤後面反而不會崩一個大的；都不摔的盤一摔就很慘。
EP662：「多頭市場久了，開始有人認為跌 1% 叫崩盤、跌 3% 叫大逃殺。這些人後面一定都會受到非常大的傷害。天罰就是淡然面對，不要因為行情改變太多看法。」
11動能盤 vs 震盪盤
- 動能盤（趨勢盤）：順勢追的「動能仔」賺翻。
- 震盪盤：同一批人會吃大便——指數拉一個月看回到原點，他卻把錢賠光了。
要知道自己的方法適合哪一種盤。從動能盤切換到震盪盤的早期訊號：「你覺得位置好、下單應該會噴，結果竟然沒有人追。」當身邊朋友也獨立發現相同的不動感時，就是小警訊出現了。
EP657：台積電被外資打亂無法「一波走出去」後，市場進入「混沌局面」：中小先死一天再反彈，被動元件和記憶體趁機表態，進入「類股帶開表現」的狀態，資金判斷比基本面更重要。
EP661：前幾天開始出現「你覺得這位置買下去應該衝了，結果竟然沒有衝」，孟公和朋友交叉確認後，認定這是動能盤轉震盪盤的早期訊號。
EP663：孟公描述從「隨便點一點都會上去」（動能盤）轉為「開始有些強弱分化，弱的被提款」（震盪盤）的切換過程，並說「這種分化反而是健康的」，動能盤轉震盪盤是正常的多頭中繼，而非頂部訊號。
12現股先做好，再上槓桿
順序很重要：先用現股把成績（track record）做出來、經過驗證，再去開融資/期貨放大槓桿。就像開餐廳前先學會做菜。沒驗證就一上來喊「梭哈、開槓桿」最容易受傷。
13長期持有 = 每天都在重新做決定
「繼續持有」本身就是一個「我現在選擇不賣」的主動決定，不是放著不管。而且公司會變、你的理由也會變：
- Tesla：早年看電動車出貨量 → 現在看能源 / Optimus / 自駕。
- NVIDIA：早年買它的顯示卡 → 現在顯卡被併進「其他業務」，買的是 AI 運算。
持股沒動但投資邏輯換了，是正常的。
14看對再下大
不靠感覺判斷自己對不對，報酬率會告訴你答案。先小量試、確認看對，再放大部位。
39試單→驗證→加碼（戰略彈性）
對應「看對再下大」，這是更細的實戰切法：先用「現股試單」測試方向（守 5 日線短線紀律），確認方向對後改守「10 日線」讓波段跑，這不叫「凹單」而叫「戰略彈性」。前提是標的有 thesis 且初始倉位夠輕，不會被迫在情緒低點賣出。
EP657：「你買突破守 5 日線完全沒有問題；你改守 10 日線等波段，這叫戰略彈性，不是凹單。要保留彈性的前提是你不要把資金抓得太滿、槓桿打得太大，不然你就會被逼在情緒化的地方做決策。」
40資金規模邊界（五檔出貨流動性）
槓桿使用比例應隨資金規模降低，判斷轉折點的實用標準是：「當你的部位大到無法在五檔（五個 tick 的買賣掛單深度）之內出貨時，就不應該再加槓桿」——因為出不掉等於鎖死，反而放大損失。
EP657：「當你開始發現你出貨沒有辦法在一次的五檔或兩次的五檔出掉的話，這個部位你就塞不下，所以你就沒有必要去透支你的信用去借更多錢。」
41心理帳戶留倉法（免費股份心態）
一個波段賺完準備退出時，刻意保留 10–20% 倉位「永不賣出」，視為公司免費送的股份，用心理帳戶切割「交易部位」與「紀念部位」。好處是讓你能完全無壓力地完成主要獲利出場，同時維持對這家公司的長期觀察動機。
EP658：「一個波段賺 500 萬，最後出場時我留 50–100 萬的部位，就不賣了。我已經曾經在你身上賺過錢了，這個我就當成是公司免費送我的一個股份，用類似心理帳戶的心態去面對。」
42淨值追蹤法（取代金額焦慮）
用「淨值曲線」而非「當前損益金額」來追蹤部位，可以避免因部位規模擴大後「金額回撤看起來很大但 % 其實差不多」而產生的非理性焦慮。越往高部位走，金額直觀感受與比例感受的落差越大，用淨值走勢圖拉長來看反而更清楚判斷整體是否健康。
EP659 Q&A：有人問「以前回測幾萬，現在回測幾百萬心態崩了怎麼辦」，孟公說推薦直接用淨值追蹤部位，不要看金額，長線一看就知道有沒有問題。
43「派對結束前先走 vs. 等警察來」心態框架
行情末段選擇：「我不想在派對結束前就主動離開，我寧願等到警察（大黑K / 系統性崩跌訊號）進來，到時被帶去觀察一下（吃部分回撤），但確認收到訊號後再執行降槓。」這是一種接受「有代價才能避免踏空尾段」的心態框架，對應長期多頭行情末段的操作選擇。
EP659：孟公明確說「我寧願等到派對開到一半警察進來然後大家一起被帶回派出所觀察一下，也不要自己提前走出去」，指的是不提前降槓、等大格局訊號才動。
44成本距離法——持倉部位的「彈性空間」管理
部位大小不只影響報酬，還影響「你能忍受多少回檔而不必停損」。當某個部位已拉離成本足夠遠，它自動進入「放著不管」的狀態，因為即使出現大幅回檔也不會傷到你，可以等到下一波訊號再動。這讓投資人在市場劇烈震盪時不會因恐慌而砍錯部位。
EP662：「有些部位你佔的不多可是因為它拉離成本太遠了所以相較之下你也懶得去管它……就算你再給我兩三根跌停好像也沒差。」
45技術面優先時機——基本面切換點
當一個題材已進入全面噴射、市場上所有人（包含中國買家、海外專家）都開始瘋狂研究，基本面的資訊優勢幾乎消失，這時轉而直接看技術面（五日線、十日線是否跌破）比繼續做基本面分析更有效率。
EP664：「當大家把所有的注意力放在這個東西的時候，他們的錢就會直接去做一種表態。所以我們就會蠻相信市場的一個共識……前輩跟我私訊說：東西拉出去之後他已經不太在意基本面的變化，反而直接看線型，看五日線十日線跌破是不是要加碼減碼。」
EP664：「現在中國在高價找台灣業內開專家會議，日本 Chemicon 噴了十幾趴，大家都注意到……當大家都高效率盯這個東西，那基本面的差距就縮小，技術面的票決更直接。」
58做新高策略——規避技術面時間軸雜訊的最簡解
技術分析最常見的困擾是：用日線看是突破，用週線看只是下降趨勢中的反彈，結論相反。解法：直接做歷史新高的標的。新高意味著所有時間軸的壓力線都被一併突破，不需要爭論「這個週期是什麼時間軸」。
代價：新高常常是搶手局（台股可能要比手速），且新高不代表基本面好——技術面是輔助工具，基本面支撐才能讓波段夠長。
EP653：「任何一個股票的 Target Price 或市值都是死於新高，你只要想通這一點就會想通蠻多事情。」面對技術面時間軸判斷的困惑，孟公直接建議：做新高的股票，不糾結短線、週線、均線的矛盾。
EP655：強行情下孟公的操作邏輯進一步強化：持股「走得好好的但不夠強勢」一樣可以被換掉，去追更快的東西——「我相信未來有一天聽到這集你會說 What the fuck，可是現在外面一堆東西在噴，你怎麼坐得住。」行情夠強時動能本身凌駕一切分析。
46沉默成本謬誤在股票操作的應用
不要因為「曾以高價買入」而執著於等回本再賣。正確做法是：從「現在」這個點出發，看從現在往哪個方向走可以最快讓資金翻倍，而不是被過去的成本困住。孟公稱這為「你不要看過去，你要看從現在去哪個地方最快可以讓你翻倍」。
EP662：邊緣人把元泰賣掉換群聯，表面上「停損」很痛苦，結果群聯大漲；如果留著元泰可能還沒回本。「盡量去忽略一些沉默成本，不要說我曾經買 100 塊，現在 50 塊，我要等回到 100 塊再賣——你要看說從現在我去哪裡最快可以再翻倍。」
90部位決定心理壓力
投資組合的壓力來源不只是虧損，賺錢也會因擔心反轉而有壓力。降低部位是降低心理壓力的直接手段，身體健康指標（Apple Watch睡眠數據）可作為驗證標準。
例：謝孟恭過年前主動降部位，Apple Watch睡眠分數創新高，並跳出「睡眠時數比過去多一小時半」通知，用生理數據反向驗證倉位是否過重。
📻 EP637
91看不懂的上漲比下跌更危險
多頭在盤面莫名其妙上漲時反而要更謹慎，因為你不清楚驅動力在哪裡。能搞清楚下跌原因反而心裡踏實；看不懂的行情代表風控的邏輯基礎缺失。
例：關稅利空出爐後美股反彈，謝孟恭反應是「如果是跌我還比較舒服」，因為找不到說得通的漲的邏輯，比帳面虧損更令人不安。
📻 EP638
92先上車再研究的動能邏輯
看到族群全面走強時，可先以少量部位跟進，再同步進行研究。等待研究完成再進場，往往已錯失初段漲幅。動能本身就是資訊，強勢背後通常有產業面的驅動力正在形成。
例：謝孟恭引用Druckenmiller：「我先上車，再研究。」觀察到一群強勢股都是太陽能相關，才觸發他進一步調查供需結構的動機。
📻 EP639
93留言密度是市場過熱指標
當大量非股票從業者湧入問「會不會漲」、「還能不能買」時，是市場籌碼已充分鬆動、後續修正機率顯著上升的反向指標。這類問法只追漲跌，代表追高資金進場。
例：謝孟恭觀察到QA密集出現股票詢問留言後，行情往往在數週到兩個月內出現修正，屢試不爽。
📻 EP641
94利空實踐後不跌即買點
當預期的不確定性（如地緣政治事件）真正發生時，若市場沒有因此崩跌，便是可以開始試單的信號。先試小單建立部位，而非等待最低點；等最低點的人往往在真正崩跌時也不敢買。
例：伊朗戰爭開打後，謝孟恭禮拜一嘗試多單，多檔開低後直接衝漲停，策略方向正確。
📻 EP641
95區間盤的操作框架
當判斷前高在短期內難以突破時，改以「區間操作」思維：跌深時買、接近前高出現黑K時賣。搭配各股的歷史本益比河流圖，判斷各標的的下緣支撐。
例：謝孟恭將台股整體操作策略從追報價轉為區間思維，下緣買入並設定上緣賣出，保留長期故事部位不動。
📻 EP641
96市場極端說法是煞車信號
當市場出現「光吃掉銅」、「銅已死」或「NVIDIA被TPU取代」等非此即彼的極端敘事時，通常代表情緒已過度延伸，此時應踩煞車而非跟風。真實情況往往是兩者並行成長，但一個成長較快。
例：「光進銅退」的極端說法在謝孟恭節目中多次被提出踩煞車；軟體股被說「爛透了」時往往正是買點，後來Palantir、Cloudflare、CrowdStrike在多人唱衰後全數回正。
📻 EP642
97指標組合判斷時機
單一指標不足以決定進場，需等多個指標同時成立再行動。以VIX波動率與原油價格為例，VIX跳到40以上通常是好買點，但需搭配油價下來才敢大買；兩者衝突時寧可少買。
例：禮拜一VIX高但原油也上衝，兩指標相互矛盾，最終只小量買進，部分甚至砍出。
📻 EP643
98恐慌期保持現金水位
市場震盪放大時，應隨時維持15-20%以上現金，即便強勢股噴出也拒絕上槓桿。保有流動性才能在極端波動時撿便宜，在一場戰役死掉則無緣後面所有機會。
例：伊朗戰爭不確定性高期間，謝孟恭拒絕加槓桿，強迫自己留現金，避免禮拜一式崩跌無彈藥可用。
📻 EP643
99強弱分化選股基準
以特定日期為benchmark，股價在那之上或創新高視為強勢股，優先加碼；反之則為汰換對象。震盪放大時強勢股洗掉無信仰籌碼後更適合持有。
例：以3月2日為基準日，現價在此之上或新高為強勢股；低於此位則列為砍肉候選。
📻 EP643
100灌溉鮮花、砍掉雜草
Portfolio管理應持續加碼表現最強的持股（winners），主動修剪不動或走弱的部位。多數人反其道而行——砍掉漲的、攤平跌的，結果是把好的空間讓給壞的。清理弱勢部位才有資金在破底時撿便宜。
例：Peter Lynch的「灌溉鮮花砍掉雜草」原則。謝孟恭在美股出現破底風險前先修剪弱勢持股，保留流動性。
📻 EP644
101停損紀律的限制
「紀律停損」不是萬解，盲目執行可能耗盡本金。有些持股被套後若基本面未破壞，保持「戰略彈性」留著等待新故事發酵反而更合理。但這種彈性僅適用於有研究基礎的部位，不能成為凹單的藉口。
例：謝孟恭曾在100多元買穩懋，停損出場；後來穩懋以光通訊新故事重新飛漲，視為獨立新事件可重新進場，而非「賣飛」。
📻 EP644
102產業知識與技術面的結合
純產業研究策略效率差，等待時間長；純技術面策略停損率高。最有效的方式是用技術面選時機、用產業知識判斷突破失敗後是否值得繼續持有或加碼，兩者互補。
例：謝孟恭演進：早期純打突破→中期靠產業資訊提早蹲→最終回歸技術面選點、用產業知識決定是否加碼攤平，形成混合策略。
📻 EP645
103利多不漲是轉弱訊號
當一個標的的利多消息出來後股價不漲甚至下跌，代表市場預期已反映甚至過度反映。這時要觀察是否有分析師開始調降目標價，資金可能正在準備撤離。
例：美光財報毛利開出70%以上的極好數字，但股價反跌，因為投資圈預期已喊到84%。謝孟恭認為這是資金開始重新評估的信號。
📻 EP646
104CTA指標作為買點參考
CTA（商品交易顧問）是順勢操作的量化基金，漲時追加、跌時瘋狂砍倉，容易造成超跌或超漲。當CTA觸發大量砍倉導致市場破底時，歷史上回頭看幾乎都是不錯的買點。
例：以VIX為類比：VIX每次跳上40以上，你不知道還會再跌幾根，但那個位置附近通常是不錯的買點。
📻 EP646
105庫存循環的週期陷阱
在供應鏈緊缺時，越敢囤貨的廠商短期看起來是贏家，但歷史上每次循環最後都會出現轉折。壓過頭的庫存在需求反轉時會造成最重的虧損。需密切監控週期轉折訊號。
例：2021-2022年缺貨潮，囤最多料的廠商一開始最賺，但烏俄戰爭打響後需求急凍，庫存成為包袱。
📻 EP646
106選股驗錯的時間框架
判斷自己看錯一個股票不能只用短期價格，需要配合技術面（MA20/60方向、每波高低點比較）和基本面（營收獲利是否如預期成長）雙重驗證。看對但走得慢是「領先市場太多」，此時應降低部位但不輕易全出。
例：謝孟恭自身案例：看對報價邏輯卻被市場玩，改押光設備後感受截然不同。不要因為「等太久」就認輸砍倉，要看清楚是自己看錯還是市場還沒反應。
📻 EP647
107強勢股回檔才是加碼時機
在部位打得很滿時，不應追高加碼強勢股；應等強勢股回檔、觸碰關鍵均線（MA20/60）後確認仍往上才加碼。持續破底、均線往下的弱勢股即使基本面OK也應陸續減碼，騰出流動性。
例：謝孟恭坦言台股部位過滿，無錢可加：「有朋友推東西給我，我直接說我沒錢了，只能再買50張。」
📻 EP648
108部位管理分層概念
投資部位不是all in / all out的0與1選擇，而是可以分層調節的戰略縱深。當市場波動放大時應降低部位，反彈時可再補，讓持股水位隨市況浮動，避免情緒化操作。
例：謝孟恭在持股全數上漲導致部位偏高時，趁反彈時砍一些；隔天繼續上漲仍執行調節，示範部位帶狀管理而非賭單一轉折點。
📻 EP649
109藍海市場的非零和競爭
當一個市場仍是藍海，即使新競爭者搶走部分份額，原本的玩家因整體市場擴大而絕對量仍成長。不應用零和思維看待市場競爭，應先判斷總需求天花板是否存在。
例：博通即便被NVIDIA分走ASIC外圍訂單，整個AI基礎設施市場持續擴大，博通的絕對營收仍可成長；類比ChatGPT市占下滑但總用戶持續增加。
📻 EP649
110修正期是換手機會
每次市場修正都是資金輪動的機會，應觀察哪些族群在反彈後仍未回到前高（籌碼已換手），哪些直接創新高（強勢延續）。強勢族群的轉換，代表下一波主流輪動的方向。
例：台股一波回檔後，部分前強勢族群反彈力道弱，謝孟恭以此判斷籌碼已出；另一批族群直接靠近新高，視為新一波肋骨輪動訊號。
📻 EP649
111猜對事件不等於賺錢
投資重點不是預測事件，而是事件發生後如何應對。太早猜對不代表能賺錢，因為發酵時間無法精準掌握；等到趨勢確立後進場，看似慢了，但長尾漲幅通常更大。
例：謝孟恭以烏俄戰爭為例，許多人爭辯有沒有猜到開打，但那不是重點；重點是戰爭開始後怎麼調整持股。
📻 EP650
112做多期望值優於做空
做空最大獲利上限為100%（標的歸零），做多理論上漲幅無限。長期統計下，做多股市的期望值顯著優於做空。若績效持續為負，應先修正「抱不住多單」而非轉向做空。
例：謝孟恭提及Michael Burry實際AUM規模遠小於知名度；做空朋友的核心邏輯是「從噴起來的100支裡找假的」，篩選難度遠低於從萬檔裡找多頭。
📻 EP650
113槓桿只在有獲利時加碼
槓桿應配合部位已獲利的動能邏輯，而非在虧損或不確定時加碼。波動放大時降槓桿的原因不只是怕虧損，更是防止強制斷頭使低點持股被迫賣出，錯過後續回升。
例：謝孟恭母親讓孩子試各種才藝，學得好才繼續加碼資源，與Peter Lynch的「只澆灌已生長的花」邏輯相同，都是動能加碼而非攤平。
📻 EP651
④ 產業 / 題材類
這些集反覆出現的產業主軸與個股觀點。
15被動元件超級循環
這波最熱的缺貨漲價主軸：MLCC、鋁電容（牛角電容 / SP-CAP / OS-CON）、鉭電容都缺，後面可能輪到電感、電阻。鉭是「爭議金屬」容易斷供。
觀點：市場過度聚焦 MLCC，反而忽略缺口更大的鋁電容（孟恭稱聚焦 MLCC 是「錦上添花」，更缺的在旁邊沒人看）。
EP657：台股被動元件在這波 underperform 海外（日本太陽誘電、韓國 SEMCO 已「整個射出去」），基本面考察早已驗證漲價訊號持續，只是台股資金太多選擇，被動元件還沒輪到；禮拜二中小轉強後台股被動元件開始表態，時序吻合「台積電橫盤→中小、被動元件補漲」的輪動邏輯。
EP659：國巨陳泰銘開 AI 誓師大會、信昌電出「交期拉長通知」（非漲價信），市場就直接給漲停——說明交期拉長本身就是漲價先行指標。
EP652：被動元件在國巨法說會前，MLCC 已接近警戒線、SP-CAP / 鋁電容已出現嚴重缺貨，孟公在法說會當週密集關注，認為「不交易動就買什麼」，先於台股表態前已布局。
EP653：太陽誘電（Taiyo Yuden）全產品線發出漲價通知（名義理由是貴金屬成本），產業朋友認為理由奇怪但漲價事實成立；MLCC / 電感 / 磁珠全部同步動，鋁電容首次一起被列入，代表缺口擴大至更廣品類。
EP654：禮拜五收到電阻（店主）漲價信，雖然電阻用銀成本驅動的性質較強，但孟公指出更重要的觀察點是稼動率是否從 90% 跳到滿載，這才是判斷缺貨是否真實的關鍵，類比當年記憶體稼動率突破轉折的邏輯。
EP661：固態電容（Panasonic 想退出 OS-CON，Nippon Chemical 承接但產能不足）、Power 廠開始包被動元件廠產能、Nichicon/Nippon Chemical 股價噴到外太空。功率半導體廠的 Power 廠開始主動包被動元件廠產能，代表他們已預見缺料。
EP664：高壓 MLCC（AI 用高規格）、鋁電容（Snap-in 牛角電容）、功率半導體，是本輪優先缺貨的三類。47μF 大電容已缺到爆炸，22μF 也開始出現缺口。
16AI 投資主軸：資料為王
大家拿公開網路資料訓練模型，到一定程度邊際效益遞減、做出來都差不多。後面的勝負手是誰能拿到專有 / 封閉 / 付費 / 企業內部資料——能 access 這些資料的整合公司才有真正優勢。
EP659：引入「AI Slop」概念：AI 產生的廉價垃圾內容大量充斥網路，對企業而言是 Garbage in Garbage out。Palantir 的「No AI Slop Zone」定位——幫企業做精準、去雜訊的 AI 應用——因此有其商業邏輯。孟公舉亞馬遜 eBook 產製量爆增（大量 AI 生成垃圾書）為例說明 AI Slop。
EP664：Anthropic 宣布獲利轉正（待查證：具體數字與時間點），孟公解讀為「連最燒錢的模型商都轉正，代表 AI 硬體投資只會更大，不會縮水」。這是從模型商財務數字反推算力需求的推論框架。
17業務 / 商務能力 > 模型本身
既然模型會趨同，AI 軟體公司的勝負在於能不能真的下到企業裡解決問題：
- 派 FDE（Forward Deployed Engineer）進駐、做客製化（TerraMade）。
- 可究責性：出事要有人扛。用 Meta 開源模型出包找不到人負責；找台灣的 SI（系統整合商）做，老闆可以負責。這就是為什麼還需要工程師「管理」AI。
結論：進入「精緻化 AI」時代，量產撒網的 fast food 階段過去了。
EP659：孟公說「現在做出 AI 小工具這件事猴子都可以做」，真正稀缺的是「做出真正的產品然後能夠讓它持續獲利地運營下去」，能做到的人極少。「AI 廚具（工具）已人人皆有、Commodity 化，真正有差的是做不做得出傳說料理。」
EP658：Accenture 財報超預期，主因是 AI 時代需要大量 Field Deployment Engineer 上門整理企業舊代碼與垃圾資料，正好是 AI 短期無法取代的人力密集工作，讓原本被認為是「顧問公司」的商業模式反而成為利多。
18Neo Cloud / 衛星算力
- TPU as a service：Google 跟黑石(Blackstone)合作出租 TPU，比自家內建雲更有搞頭——因為有些公司不想把資料放 Google（怕競爭），寧願用獨立的 Neo Cloud。
- SpaceX 可能變 Neo Cloud 概念股：孟恭大膽猜想，SpaceX 強在「把東西打上太空」，未來可能做軌道資料中心 / 衛星算力出租（太陽能供電、需要超大散熱片）。題材很遠但可提前佈局（題材先行）。
EP664：馬斯克的 Colossus One 算力機房，投資後大約 1–2 年可回本（待查證：具體數字），出租算力收入很好，等於幫「算力出租」模式打了強心針。孟公說這跟 Anthropic 獲利轉正是「同一個方向的兩顆強心針」，說明 AI 硬體投資短期可見回報。
EP664：Google 與 Blackstone 合作推 TPU Cluster（NeoCloud 形式），讓模型廠商可以用 Google TPU 但資料不放在 Google 自家，解決「怕資料外洩」的疑慮。TPU 外銷比例從個位數提升，孟公估算未來 life cycle 大約 3:1（自用:外銷）（待查證）。
19軟體股 SaaS 轉型 + AI 時代的錯殺與反轉
傳統軟體公司從 seat-based（按席次）計費 → token-based（按用量）計費，營收隨 AI 應用放大。轉型期會陣痛（裁員、股價崩），但 Founder Mode（創辦人還在、能破釜沉舟）的公司常給驚喜。AI 時代大量 IT 資源從軟體預算移往 AI 伺服器，市場給軟體股的敘事是「死定了」，但真正的篩選指標是有沒有財務數字的改善（Margin 提升、Revenue Guidance 夠高），而不是看它有沒有在嘴砲「AI 轉型」。
EP665/666：Salesforce 用 record-high 庫藏股(buyback)表態、ServiceNow、Snowflake、Okta 開出好成績，打臉「AI 取代軟體」的末日論。
EP658：Salesforce 快速導入 Agentforce 並改用「Headless 架構」（不需登入 Salesforce 介面，一個對話框完成企業功能），謝孟恭認為有 Founder 主導 + 現金儲備的公司更能大破大立；相對的，專業經理人主導的公司更傾向守成，在快速變動時代容易被淘汰。
EP658：Salesforce/Accenture 交出讓大家嚇到的數字，seat 是 expansion 的，並不是像大家想像的 SaaS apocalypse 那種 seat 都會鎖掉。「那些說 SaaS 全死的論述最主要是來自矽谷很多創投圈人士。」
EP659：孟公偏好的 Cloudflare、Palantir 在軟體股普遍跌 40-70% 的情況下相對撐住；NICN（ServiceNow）開出顛覆市場預期的財報數字，打臉「軟體死定」敘事；孟公說他在等軟體股有財務數字背書後，才考慮在 Tier 1 橫盤時介入。
20老 AI / ODM / OEM 回歸 + 首富賽跑
資金重新流回鴻海、廣達、緯穎這些老 AI 硬體（漲停）。陳泰銘一度成台灣首富，幾位富豪市值很接近 → 會出現「首富賽跑」（股價變動換榜位），值得當觀察指標。
EP662：老 AI 族群毛利率短期下滑，孟公判斷這是「新一代產品學習曲線的研發成本」，屬短期現象，不是長期趨勢；加上 Broadcom（待查證：代號「Sunfish 大顆版」雙拼載板設計）仍有新產品線在推進，資金輪動後老 AI 仍有機會復活。
EP663：AP Memory（愛普）被市場忽略時孟公沒有大聲說，等到 Google TPU 成為舞台主角後，因其 IPD（Integrated Passive Device，載板內埋電容）的需求被重新發現，資金才重新回流。用來示範「被遺忘的故事最終被市場找回來」的循環。
21SpaceX IPO 的操作思路
不管 IPO 估值多少，先卡位一點（例如先買一半部位）建立 reference，之後再看要加減。對照 Palantir 上市時「先買再說」。
22機器人題材
營收占比現在很小（如 2%），但孟恭喜歡看成長倍數：明年若到 10% 就是 5 倍成長。這種「占比小、成長快」的題材給高估值乘數是市場願意買單的。
23個股雜項觀點
- 台積電分紅縮水：今年配發比例變少引發員工不滿，孟恭判斷是「技術性修正」、長期會越配越多。
- MediaTek（發哥）：看 CPU 動能 + OpenAI / TeraFab 合作題材（券商目標價還沒算進去）。
- Intel：看點在 CPU。
- 美光擴產：擴的是 niche 小應用，跟消費級 / 伺服器無關 → 看到「擴產」別反射性看空，要看它擴的是什麼。在很缺、大家搶料時擴產反而是好事（你料多最賺）。
47CPU 趨勢：Agentic AI 架構的新需求
Agentic AI（自主行動的 AI Agent）架構需要大量 CPU 做任務調度、記憶體管理與 API 串接，不只需要 GPU 算力，導致 Server CPU 出現新一輪需求週期。謝孟恭把這解釋為 CPU 的「題材剛啟動」，而非只是 GPU 的延伸效應。
EP656：「你現在要去推 Agentic AI 就需要用到 CPU，CPU 類股全面噴出去，Intel 開出來的數字蠻不錯而且後面要開始漲價。」CPU 在 Server Rack 配置中約 2:1（2 GPU : 1 CPU）或 4:1，謝孟恭說市場上把配比喊成 1:1 是「另有目的」。
EP659：AMD 法說上修 Server CPU 估算（至 2025 年 120B）、年增 >35%，有信心拿下 >50% Server CPU Market Share；Intel 電話會議提到 Agentic AI 結構性推升 CPU；GUC 跟 Alchip（3661）的 ASIC 也同步動起來，Google / Amazon Trainium 相關概念全面開花。
EP652：AWS（Amazon）執行長 Jassy（賈西）表示有兩家客戶想把 Graviton CPU 算力全包，但直接回覆「自己都不夠用」——孟公解讀為 CPU 供不應求的強力佐證，並指出後續 AWS 勢必加大 CPU 採購，讓市場開始注意 ARM 架構 Custom Made CPU 的需求增量。
EP653：Digitimes 報導指出 CPU 的缺貨可能比記憶體更嚴峻：記憶體是「買得到但要出高價」，CPU 是「要買可能買不到」；孟公認為隨著 Agentic AI 爆發，大家本來只備了 GPU / ASIC 的料，沒想到 CPU 也成了稀缺品，供應鏈會再一次被甩動。
EP654：Rubin BOM 表才剛出爐，廠商備貨尚未正式啟動，但稼動率已近滿載——孟公指出「BOM 表出→備貨啟動」之間有一段空窗期，是可以提前布局的時機窗口；加上 CPU 排擠效應，這一波元件需求可能超乎預期。
48排擠效應：大廠轉高規格 → 台系廠商吃標準品缺口
大廠把產能移向高規格品（如 AI 伺服器用 MLCC）→ 低規格標準品出現空缺 → 台系廠商吃到的是「排擠效應」而非直接站上高規格。台系廠商的故事劇本比較接近 2017-2018 被動元件超級循環的邏輯，但不一定跑得和頂端大廠一樣遠。低規格標準品因為基期低、大家 don't mind 它漲很多，所以漲幅有機會超過直覺預期。
EP657：Intel 在電話會議明確表示要把產能輸出給伺服器為主，有機會在消費性這邊產生排擠現象。「上一輪記憶體，大家都知道最缺的是 HBM 跟 eSSD，結果標的跑出來是在大家沒想到的地方——DDR3/DDR4 跟 MLC NAND、CSSD 消費級漲最兇。」
EP661：最缺的高規格 47µF MLCC 在三星電機（SEMCO）和日本村田手上，國巨只有 22µF 那段，受惠於大廠轉向高規格後的低規格排擠。類似當年 DDR4/DDR5 漲幅跑贏 HBM。
49ASIC 設計服務（客製化 AI 晶片）題材
非 GPU、非 CPU 的第三條算力路線：各大科技巨頭自研 ASIC（如 Google TPU、Amazon Trainium），帶動台灣 ASIC 設計服務廠（如 GUC、Alchip）。這些廠在估值上比光通股便宜很多，有相對便宜的優勢，類比框架可參見 #34。
EP659：GUC（3443）高度綁定 Google、Alchip（3661）高度綁定 Amazon Trainium，兩者近期都漲停；孟公說「大型成長股才 30 倍，光通股交易在兩三年後 100 倍，前者顯得極便宜」。
50Founder CEO vs 專業經理人在 AI 時代的估值差異
在快速變動的 AI 轉型期，Founder 仍在主導的公司更能「大破大立」做戰略轉向；職業經理人傾向守住既有盈利模式，在速度上落後。這可以作為選股時的管理層品質指標之一（David Sachs 論點）。
EP658：「David Sachs 說在這樣的時間點如果還是 Founder 在幫公司掌舵，會比較有機會，因為他比較可以做到大破大立。如果今天是專業經理人，他們可能會一直想要去守住既有的東西，在快速變動的時代會被淘汰掉。Salesforce（Benioff）是 Founder，所以應該有機會在後面走出自己的一條路。」
51AI 裝置（Smart Device）取代手機的難度框架
評估一個全新品類能否取代現有載體，關鍵指標不是「AI 功能是否更強」而是「使用習慣的遷移成本」。AI PIN 已是失敗案例，原因是「走得太前面」——功能酷但習慣還沒到位。即使功能更強的 AI 手機，護城河也極淺（Android 陣營會立刻跟上）。
EP657：「要去取代 iPhone 沒這麼簡單……AI PIN 走得太前面，假設晚個幾年出生或許有機會。我們的習慣是很鐵的，你還是要用你的券商、LINE、Facebook，這些習慣已經綁在上面了。」OpenAI + 立訊（Luxshare）的 AI 手機頂多挑戰 Pixel/Samsung 等級，無法撼動 iPhone。
52產能控貨 = 價格穩定的核心機制（酒莊類比）
酒莊案例：某頂級酒莊老板娘主動控制每年出貨量，某些年份甚至完全不釋出，因此其酒價在 2022–2025 年紅酒指數大跌期間幾乎沒有下跌。孟公用這個案例類比股市中「籌碼都被莊家收起來，價格就難跌」的邏輯——主動控供給（不管是酒莊、記憶體廠還是晶圓代工）是支撐高毛利、高估值的底層機制。
EP664：「為什麼樂花（待查證：正式拼法）沒有跌？因為他們整天在控貨，老板娘全部控制，有些年份完全不丟出來，她準備好才賣。所以籌碼都被莊家收起來，價格就很難跌。這個和台積電有紀律的擴產是一樣的道理。」
53搶占關鍵原料產能 = 卡死競爭對手的護城河
當算力需求確定能帶來高回報，各家玩家會競相搶佔稀缺資源。搶法不只是買更多晶片，而是去「提前包下」上游生產環節的產能（雷射廠、OSAT、鍍膜等），讓競爭對手無法取得原料，等於一種軟性競爭壁壘。
EP664：NVIDIA 先前大量包下某類雷射產能，遠超自身需求——孟公的解讀是：「我把產能全部包下來，你就買不到，你的東西要怎麼做出來？」預測這個邏輯會蔓延到更多零組件（OSAT、電鈴組件等）。
54Broadcom 晶片代際「缺了一條魚」與雙拼載板設計
市場觀察到 Broadcom ASIC 路線圖上出現一個代際空缺——下一代的某個代號不見了。孟公根據自身信源推測：Broadcom 不是砍掉那個代次，而是把兩片 Sunfish 用載板雙拼，形成一顆更大的「大顆 Sunfish」，類似蘋果 M 系列 Ultra 的做法（兩晶片透過 Interposer 相連）。這個設計牽涉載板（Substrate）需求量的倍增。
EP663：「我們沒有看到 Broadcom 下一代的推出，但應該會有一個比較大顆的 Sunfish——把兩片晶片雙拼，拼在一個載板上。玩法有點像是蘋果的 Ultra 晶片……目前因為老 AI 是市場不喜歡的東西，但這條產品線還是在推進，對應的載板故事還在。」（待查證：「Icefish」代號是否確實為 Broadcom V10，雙拼是否用 CoW 或載板）
59MediaTek（發哥）AI 晶片代工模式 vs Broadcom 全包模式
同樣是幫 Google 設計 TPU 相關晶片，兩種代工模式差異顯著：
- Broadcom 全包模式：Google 把晶片設計 + HBM 採購全部外包，Broadcom 賺取豐厚 ASP，但 Google 對自家晶片的 know-how 掌握較少。
- MediaTek 分工模式：Google 自己掌握主晶片設計，MTK 負責 IO + Memory Buffer，利用 MTK 的 SerDes IP；Google 自己掌握 HBM 採購權，有議價能力。MTK 利潤空間相對窄，但 Google 有強烈動機繼續推這條線（控制成本 + 技術自主）。
Google 同時讓 Broadcom / MTK / Marvell 三家並行，不是零和競爭，而是「三家加起來都還無法滿足 Google 的需求」——AI 市場夠大，多方共存才是現實。
EP653：孟公分析發哥（V8/V9 = Debrafish/Humufish）：Google 保留主晶片設計知識，MTK 做 IO + Memory Buffer，未來每代量可望大幅成長，最樂觀估計 3–4 年後 AI 收益可貢獻發哥超過一半 EPS（待查證：具體比例）。相比之下，高通在 AI Chip 的純度遠低於 MTK。
EP655：Marvell 的 NPU（代號 Carmel）已見報，孟公判斷量目前不大，且 TIA / MPU 這兩個案子數字還無從推估；反而是 MTK 的 Humufish 因為綁定 Intel eMIB 封裝，良率風險是最大的近期變數。
60Token Maxing vs. Result-Based 框架——AI 應用評估轉向
AI 應用評估的論述正在從「你燒了多少 Token / 用了多少 AI 算力」演進到「你用 AI 產出了什麼實際結果」。問題在於：每家公司都在 Token Maxing，所以誰燒得多已不稀奇；差距變成你的 AI 支出有沒有轉化成毛利提升、淨利改善、可交付的產品。
孟公指出市場裡有公司讓 Bot 空轉吃 Token 刷 KPI，以符合「你 Token 用太少代表你沒在上班」的管理層要求，這種行為對 AI 算力廠商是好事，但對公司財務毫無意義。辨別指標：看 Margin 有沒有改善、有沒有 shipment。
EP654：Uber 宣稱 4 月初就用光了全年 AI Token 額度，孟公評語：「這是 AI Bullish 的言論嗎？我更想知道它的財務數字有沒有因此改善。」同集提到有 Meta / Amazon 員工讓 Bot 空轉吃 Token 以應付 KPI 考核。「賺走錢的只有這些 Server，最後面大家要評估的是你的 Result。」
EP652：Anthropic 每次推新模型（如 Methos / Claude 4）都強調「太強大、太危險」，孟公認為這是為了維持成長率的行銷話術；真實限制是算力不夠，不是「太危險不敢開放」。「等到它算力 secure 了，它就會把東西放出來，不是大家講的有多恐怖。」
55AI 焦慮商品化——辨別真需求 vs. 焦慮行銷
孟公提出一個辨別工具：如果一篇文章大量渲染 AI 取代工作的焦慮，結尾往往是「要賣你一門 AI 課程」。真正的 AI 使用者體驗是：工時不降反升、防守範圍變更大、能做的事情更有效率，而不是「機器人把所有人的工作都幹掉、全民躺平」。投資人應區分「焦慮商品」vs.「真實 AI 滲透率」。
EP664：「現在很多在打 AI 焦慮的，你去看一下他最後面下面是不是要告訴你他要賣一個 AI 課程？整天沉溺在焦慮裡面，被焦慮商人把你的錢賺走。」
EP662：「AI 是我的 tailwind」——Figma 宣稱 AI 是順風，市場原本不信，結果他開出一個意外漂亮的成績，Historical 大量成交。
114Cloudflare受惠AI爬蟲流量
AI時代機器爬取的流量遠大於人工點擊，Cloudflare在物理層（CDN、資安、低延遲）的收費站地位不受軟體被取代影響，反而因流量激增而受惠。
例：人工規劃巴厘島旅行可能點10個頁面，AI代勞則可能取用200~300個頁面，Cloudflare的每次請求都在計費。
📻 EP637
115軟體走向API化，UI不再是護城河
AI Agent時代下，使用者介面的重要性下降，軟體的核心價值轉向「後端API能否輸出最好的結果」。舊有因介面佳而勝出的SaaS邏輯將被顛覆，但底層Application層仍有存在必要。
例：就像過去大家選下單軟體看介面，未來AI直接呼叫API，誰的結果最優才是關鍵，介面好壞反而不重要。
📻 EP638
116太陽能去中化創造供需契機
美國IRA法案要求domestic content逐步提升至85%、禁止FEOC材料，中資業者被迫退出美國市場。過去中國以殺價競爭摧毀全球太陽能業者，供給端一旦縮減，non-China業者有機會迎來報價回升。
例：記憶體、面板都走過「被中國打爛、之後噴爆」的劇本，太陽能電池報價已出現微幅反彈，類似2024年記憶體復甦前的早期信號。
📻 EP639
117電網變壓器是AI建設最大瓶頸
科技巨頭自建電廠或併入電網均需大量變壓器，目前lead time約三年。即使政策和環評問題解決，變壓器短缺仍會限制資料中心電力建設速度。
例：AWS想自拉電網連核電廠被法院擋下，即便未來獲准，沒有足夠變壓器一樣無法併網。Stargate靠插隊付溢價才壓縮到一兩年交期。
📻 EP639
118太陽能：下游受惠大於上游
美國政府補貼主要流向生產端，可抵免稅務且點數可轉賣。受惠程度：電池模組等下游成品 > 上游原材料（如Poly矽）。上游材料仍控制在中國手中，制裁傳導至上游機率較低。
例：如同特斯拉靠賣綠能點數賺錢，下游廠商即使本業賠錢也可靠補貼獲利。
📻 EP640
119被動元件：高階旺、中低階補缺口
AI伺服器帶動高階MLCC持續強勁（一個機櫃用量達40-50萬顆 vs 手機1000顆）。同時日系大廠轉向高階後，中低階消費級被動元件出現缺口，台廠有機會接單。
例：記憶體行情中，DDR4漲幅曾超過HBM，因大廠把產能往高階集中後中低階反而更缺。
📻 EP640
120蘋果趁記憶體漲價搶市占
安卓手機記憶體Bomb Cost從20%升至30-40%，毛利被嚴重壓縮。蘋果毛利率40%+遠高於安卓10-20%，有空間維持定價甚至升規不升價，以「犧牲5%毛利」的代價讓安卓競爭對手毛利崩跌。
例：iPhone 17E在供應商漲價70-90%的情況下維持售價甚至升規，等同打一場蘋果毛利打得起、安卓打不起的消耗戰。
📻 EP642
121記憶體供給收縮漲價邏輯
先進製程產能（HBM、先進DRAM）被AI伺服器需求吸走，導致傳統NAND、NOR Flash等成熟製程供給稀缺，利基廠商獲得大量轉單與漲價空間。產業邏輯是需求擠壓而非AI直接拉動。
例：旺宏（MXIC）因大廠移走NAND產能而獨佔MLC NAND，凱基調高目標價至300元，股價出現漲停。
📻 EP643
122NVIDIA演變為AI全包商
NVIDIA已從單一GPU晶片供應商轉型為AI Factory Total Solution提供者，涵蓋CPU（Spectrum）、LPU（解碼）、GPU、互連及ASIC解決方案。競爭護城河大幅加深。
例：GTC發表7種晶片、5種架構，客戶可依Use Case選擇Prefill（CPX）或Decode（LPU/Grok合作），形成一站式採購。
📻 EP645
123ASIC陣營進度分化
Meta的自研ASIC遭遇開發卡關，部分砍單；Microsoft Maia下一代欲搶台積電N2但產能緊缺，拿不到製程就做不出晶片。ASIC路線難度高於預期，NVIDIA的全棧優勢反而被放大。
例：Meta裁員被解讀為正面（AI提升效率），但ASIC卡關是負面；兩者方向相反，需分開評估。
📻 EP645
124需求驅動vs成本轉嫁漲價
看漲價題材時，必須分清楚是「需求增長驅動的漲價」還是「原物料成本上漲被迫轉嫁的漲價」。前者代表產品競爭力強、供需緊張；後者反映的是被動因應，不一定有真正的需求爆發。
例：被動元件中，高階MLCC、TEL VR電感屬於需求驅動漲價；但有些被動元件漲價純粹因硬材料成本上漲，不代表需求強勁。
📻 EP646
125AI工具對工作的真實影響
AI對生產力的提升因職業差異極大。軟體工程師感受最深；投資分析等依賴綜合判斷的工作，AI雖省時間但最終產出難以歸因。最大共識是：使用AI的人不會被取代，放棄使用AI的人才會被淘汰。
例：量化交易類比：就像從手點升級到電腦輔助，現在是電腦時代2.0。但所有人都用AI後，超額報酬同樣會被壓縮。
📻 EP647
126馬斯克TerraFab的真實動機
馬斯克喊缺產能、要自建晶圓廠，實際動機是「壓低採購價格」而非真的搶不到產能。三星為搶訂單提供超低價並開放Fab讓馬斯克進駐，才是他轉向的原因。初期短期受益的是傳統設備廠（配水配電配氣），而非TerraFab本身。
例：即使台積電把2奈米製程圖紙全給馬斯克，要在2027-2028量產且良率OK也幾乎不可能。
📻 EP647
127蘋果在AI時代的過路費角色
蘋果不需要砸大量CAPEX自建AI模型，透過掌握龐大用戶基礎、開放Siri串接第三方模型，扮演「收過路費」的角色。未來可能讓AI廠商付費成為蘋果裝置的預設模型。低CAPEX+高用戶護城河使蘋果在七巨頭中相對抗跌。
例：歷史先例：Google支付蘋果鉅額費用以成為Safari預設搜尋引擎。AI時代可能複製同樣邏輯，讓OpenAI、Google等付費進入Siri生態。
📻 EP648
128NVIDIA插旗ASIC生態系
NVIDIA透過財務投資（Marvel、Luminent等）加上NVLink Fusion策略，在Hyper Scaler自研ASIC的浪潮中，讓NVIDIA的CPU、DPU、光通互聯等外圍元件仍能嵌入競爭對手的XPU設計，主要競爭對象指向博通。
例：NVLink Fusion小Chiplet可封裝進第三方XPU，提供1.8TBps雙向頻寬；Marvel的Structera因此與NVIDIA生態系深度綁定。
📻 EP649
129Agentic AI帶動CPU需求
從Chatbot到Agentic AI，AI工作流從單純GPU推理轉為大量API呼叫、程式執行、資料庫查詢，這些屬於CPU工作範疇。學術研究顯示，傳統AI中CPU佔延遲約10%，Agentic AI可達40-90%，CPU從配角升為主角。
例：NVIDIA最新展會直接推出CPU整機架Solution；AMD執行長Lisa Su與Intel CFO均公開確認CPU需求強勁。
📻 EP650
130戰事影響供應鏈的傳導鏈
中東鋁廠被炸→鋁價突破新高→鋁箔漲價→鋁電容被動元件漲價；但需同時評估替代方案，影響P/E天花板。事件財應設定時間邊界，戰事結束即撤。
例：謝孟恭以塑化股為對照：中東衝突若拉長，伊朗石油被封鎖，台灣塑化受惠，但同屬事件財邏輯。
📻 EP650