跳至主要内容

AI产业链、美股/A股公司研究与宏观归档

按主线浏览 m8 的 AI 产业链、半导体、美股财报、A 股公司研究、创新药、宏观利率与投资框架归档。

研究目录

先按市场主线,再进入延伸栏目

先从 A股、美股、港股、区块链四个主入口切入,再继续到 AI 产业链、行业研究、宏观与投资框架。

200 篇文章

A股

围绕 A 股算力链、国产替代、机器人零部件、高股息央企和公司制度机制构建可搜索的公司研究目录。

433 篇文章

美股

集中覆盖美股龙头财报、半导体、AI 软件平台、GLP-1 医药和 Tesla/FSD 主线。

106 篇文章

港股

集中收口港股高股息、平台互联网、创新药和南向资金相关研究,避免主题散落在其他栏目。

33 篇文章

加密

围绕 BTC 现货 ETF、稳定币监管、ETH 与链上生态组织搜索入口,避免与宏观栏目混杂。

台积电 CoWoS 2026 年下半年:封装产能卡位战与 N2 量产时间线
行业研究 ·

台积电 CoWoS 2026 年下半年:封装产能卡位战与 N2 量产时间线

2026年下半年,AI芯片供应的核心约束不是算力晶圆,而是台积电CoWoS封装产能。英伟达锁定约60%的CoWoS插槽,AMD为剩余份额承压。台积电Q2 2026营收402亿美元创历史记录,毛利率67.7%超出指引上限,CoWoS全年已售罄。N2制程年末量产,A16节点2027年才是真正性能跃升节点。投资者需关注2027年超大型云厂商资本支出触顶风险。

m8 康哥
AI芯片 CoWoS
AI产业链 ·

AI封装底填空洞:公开来源核验 2026

Henkel、Amkor、IEEE 和公开综述资料可以支撑先进封装 underfill 材料、空洞控制、热循环可靠性和大尺寸 AI/HPC 封装挑战的研究框架。m8 认为,这篇文章适合讨论底填材料与制程窗口如何影响封装可靠性,但良率、客户导入、供应份额、材料价格和公司收入弹性都应作为观察变量继续跟踪。

m8 康哥
ai-supply-chain research-brief
AI产业链 ·

AI推理FinOps:产业链变量 2026

FinOps Foundation、NVIDIA Triton 和 Triton Model Analyzer 的公开资料可以支撑 AI 推理成本治理、性能测量、模型部署配置和资源利用率优化的研究框架。m8 认为,这篇文章适合讨论推理规模化后的成本、延迟、吞吐和容量管理变量,但节省比例、客户预算迁移、厂商份额和收入弹性都应作为观察变量继续跟踪。

m8 康哥
ai-agent-software ai-supply-chain
AI产业链 ·

机器人工厂地图定位:产业链变量 2026

NVIDIA Isaac AMR、ROS 2 Nav2 和 Isaac Sim / ROS 2 Navigation 的公开资料可以支撑工厂移动机器人定位、建图、仿真验证和车队管理的研究框架。m8 认为,这篇文章适合讨论机器人从单机导航走向工厂级地图与调度体系的观察变量,但订单金额、部署节奏、良率改善和公司收入弹性都应作为观察变量继续跟踪。

m8 康哥
humanoid-robot research-brief
AI产业链 ·

中国AI推理需求 2026

国家数据局转载公开报道披露了 2025 年我国全年词元调用量约 21100 万亿,以及 2026 年 3 月日均词元调用量超过 140 万亿。m8 认为,本文讨论 AI 推理需求的公开观察口径,但不能把词元增长直接等同于芯片订单、液冷渗透率或公司利润。

m8 康哥
ai-supply-chain research-brief
A股 ·

AMD MI300X:MI400 AI 加速卡 2026

AMD 官方资料可以支撑 MI400 / MI455X、Helios 机架级方案和 ROCm 生态扩展方向。m8 认为,本文讨论 AMD 从单卡竞争走向机架级 AI 平台的变化,但市场份额、客户订单、出货节奏、A 股供应链映射和竞品对比都应作为研究观察变量继续跟踪。

m8 康哥
ai-supply-chain research-brief
AI产业链 ·

RAG 数据治理 2026:安全审计、评测与可观测变量

OWASP、NIST 和 LangChain/LangSmith 的公开资料可以支撑 RAG 数据治理、安全审计、评测与可观测性的研究框架。m8 认为,这篇文章适合讨论企业级 RAG 从检索效果走向数据血缘、权限、评测和监控体系的观察变量,但漏洞数量、采购规模、厂商份额和公司收入弹性都应作为观察变量继续跟踪。

m8 康哥
ai-agent-software ai-supply-chain
AI产业链 ·

代码 Agent 席位扩张 2026:企业采购、云端任务与用量治理

GitHub、OpenAI 和 Cursor 的公开资料可以支撑代码 Agent、云端任务、企业席位、用量额度和团队治理功能的研究框架。m8 认为,这篇文章适合讨论 AI 编程工具从个人订阅走向企业级工作流的观察变量,但席位增速、ARPU、客户替换、成本节省和厂商份额都应作为观察变量继续跟踪。

m8 康哥
ai-agent-software ai-supply-chain