信息源图谱方法论：AI 半导体
本文件定义"AI 半导体"领域的信息源筛选标准。它不是图谱本身，是图谱的生成器。 Phase 2 的每个 subagent 必须先读此文件再开始研究。
一、领域认识论分析
AI 半导体不是一般半导体，也不是一般 AI。它是一个多层堆叠 × 反身性 × 地缘分裂 × 客户极度集中的特殊领域，传统的"行业分析"框架在这里会系统性失灵。具体的七个认知特殊性：
1. 资本支出反身性（capex reflexivity）
NVDA 股价上涨 → 估值乘数扩大 → 大客户（MAG7）增加 AI capex 计划 → NVDA 订单与利润上修 → 股价继续上涨。整个回路在 2023-2025 已经走完两个完整周期。市场定价的不是绝对水平，而是回路本身。最接近的历史类比是 1999-2001 电信光通信周期（Nortel/JDS Uniphase/Lucent 三重反身性循环），最终在客户出现首次取消订单（2001 Q1 GLW guide-down）的瞬间崩塌。理解 AI semis 必须理解这个回路在哪一节会先断。
2. Scaling Laws 是一种宗教
整个 $2-3T 的 capex 预期建立在 "compute → capability" 的幂律曲线之上。但 scaling laws 至今没有任何 first-principles 证明，只是经验拟合。如果它在 GPT-5/Claude-5 那一代被证伪（出现 efficient frontier），整个 capex thesis 一夜清零。这种"科学的不确定性 + 投资的过度确定性"组合在 1980 年代后期的核聚变、1990 年代后期的人类基因组商业化、2010 年代早期的二维材料商业化中都出现过——三次都是 capex 在科学共识之前抢跑，然后崩盘。
3. 多层级衍生与穿透深度
价值链至少有七层：原始材料（硅片、特种气体、光刻胶）→ 晶圆代工（TSM/Intel/Samsung）→ 设备（ASML/AMAT/LAM/TEL/KLA）→ IP 与 EDA（Cadence/Synopsys/Arm）→ 芯片设计（NVDA/AMD/Broadcom/ASIC 玩家）→ 系统组装（DELL/SMCI/Foxconn）→ 客户云厂（MSFT/META/AMZN/GOOG）。每一层的周期行为完全不同，价格弹性不同，护城河不同。只看 NVDA 的人在做赌博而非分析。 真正能赚到大钱的判断（如 2024 H1 看到 CoWoS 紧张 → 押 Ibiden / TSM、2023 看到 HBM 紧张 → 押 Micron）都来自跨层穿透。
4. 地缘双轨化（Geopolitical bifurcation）
美国 BIS 出口管制 + 中国大基金 +
各国"芯片法案"已经把全球半导体切成两套平行 stack：美/盟友
stack（TSM/ASML/NVDA 主导）vs 中国
stack（SMIC/CXMT/华为/寒武纪）。任何用"全球
TAM"模型的分析都系统性错误。正确的模型是：美 TAM × 中 TAM × ROW TAM，三者规则、增速、估值倍数都不同。这条认识论分裂在
2025-2030 期间会持续放大，是 AI semis 投资的最大单一变量。
5. 客户极度集中
MAG7 + Oracle + xAI + 一些主权 AI 计划，占据前沿 AI capex 的 60-80%。任何一家单方面砍单或推迟，会直接打掉整个子行业。Astera Labs 的 PCIe retimer 业务中，单一客户（Amazon）占比 ~70%；Vertiv 的液冷业务中，三家客户占比 >50%。分散化的数学（modern portfolio theory 那套）在这里不成立——你必须分析单点失败的概率与传导路径，而不是组合方差。
6. 季度周期 × 技术周期 × Capex 超级周期
半导体有三个时间尺度叠加：库存周期（8-12 个月）、技术节点周期（3-5 年）、capex 超级周期（10-15 年）。AI semis 额外叠加 AI 模型代际（每 6-12 个月一代）。把这些时间尺度混在一起分析是新手最常见的错误——一个"看好 AI"的论断可能在技术周期上正确但在库存周期上死掉（2022 memory crash 教训）。分析的有效性必须先声明时间尺度。
7. 工艺节点不透明 + 信息内幕极度不对称
"3nm" vs "2nm" 是营销名称不是物理。真正的密度（contacted poly pitch, metal min pitch, GAA finger count）只在 TSMC/Intel/Samsung 的工艺工程师手里。同样，TSMC 高管 / ASML CFO / 大客户采购总监能在订单簿上看到 6-12 个月以后的需求；外部分析师拿的是滞后数据。问题不是"分析得对不对"而是"离内幕有多近"。 这种结构性的信息不对称使得 AI semis 投资远比"普通成长股"更难做——你能赚到的钱很大一部分来自"信息源更接近内幕"，而不是"逻辑推演更精妙"。
二、问题分层（Type B 投资决策必须先做）
| 层级 | 问题类型 | 可验证性 | AI semis 示例 |
|---|---|---|---|
| L1 最硬 | 物理与工艺事实 | 高 | EUV 波长 13.5nm、HBM3E TSV pitch 55μm、Blackwell die size 814mm² |
| L2 | 制造与产能 | 中高 | TSMC N3 月产能、CoWoS-L 良率、ASML EUV 出货数 |
| L3 | 订单与设计采纳 | 中 | Blackwell GB200 NVL72 在 MSFT/META 的实际配置、Astera 在 AMZN 的份额 |
| L4 | 财务预测与估值 | 低 | NVDA FY27 EPS、TSM 2026 capex、AI semis 行业 NTM P/E |
| L5 最软 | 叙事与情绪 | 几乎不可验证 | "AI 是新工业革命"、"compute is the new oil"、"Jensen 是 Steve Jobs in our time" |
Phase 2 候选评估时：高质量信源必须能在 L1-L3 提供独立判断；只能在 L4-L5 表演的"宏大叙事型分析师"基本不入内圈。一个 L5 大师可以入桥接（提供叙事解构视角），但不能入主图。
三、十维度校验
| # | 维度 | 通用标准 | AI semis 适配 |
|---|---|---|---|
| 1 | 原创性 | 生产新认知 | 在 NVDA bull/bear 共识之外有独立框架（不是把 SemiAnalysis 的图复述一遍） |
| 2 | 时间领先性 | 事前判断+完整链 | 在产品发布/财报前 6-18 个月有据论断（2023 H1 看到 HBM 紧张、2024 Q2 看到 Blackwell delay、2025 看到 CoWoS-L 良率拐点） |
| 3 | 可证伪性 | 观点具体可验证 | 论断含具体产品/时间/财务锚点（"Blackwell ramp 推迟到 Q2 2026"vs"AI 周期还在"） |
| 4 | 推理透明度 | 因果链可见 | 展示 wafer-level → die yield → ASP → margin → EPS 的完整链 |
| 5 | 信噪比 | 值得读的比例 | 一段话信息密度 vs 5000 字铺垫——AI semis 这个行业生产了过量 puff piece |
| 6 | Skin in the game | 真金白银下注 | 仓位披露 / 实业经验 / 行业内部职位 / 在制裁前后的损失暴露——纯 punditry 无价值 |
| 7 | 诚实面对错误 | 公开复盘 | 公开承认看错（错过 Blackwell 推迟、误判 ASML EUV 周期、低估 China parallel stack） |
| 8 | 独立性 | 利益结构清晰 | 不被 NVDA IR / TSMC IR / 大客户业务关系绑架——这个维度在 AI semis 几乎是最难的 |
| 9 | 极端场景信息价值 | 尾部场景有用 | China decoupling 终局 / Scaling Laws 破裂 / 大客户砍单 / EUV 单点失败——框架是否仍成立 |
| 10 | AI 不可替代性 | 核心产出 AI 无法替代 | Fab tour insights / process node level reasoning / supply chain 末端访问——AI 短期内做不到 |
评分：每维度 1-5 分。综合 < 30 不入内圈；30-37 候选外圈；38-43 内圈；44+ 顶级锚点候选。
四、额外维度（AI semis 专属，必填）
A. 技术理解深度（5-tier）
| Tier | 名称 | 典型表述 |
|---|---|---|
| T1 | 叙事层 | "AI 革命，买芯片" |
| T2 | 产品层 | 知道 H100/B100/B200 区别，但不知架构差异 |
| T3 | 架构层 | 理解 Transformer Engine, NVLink, HBM stack, tensor core |
| T4 | 系统层 | 理解 GB200 NVL72 rack-scale 互联, Tomahawk-5, 800G 光模块, 液冷拓扑 |
| T5 | 物理层 | 理解 EUV pellicle 透过率, HBM TSV thermal limit, CoWoS-L vs CoWoS-S 的 reticle limit, 先进封装 defect physics |
门槛：内圈节点必须 ≥ T3；锚点 ≥ T4；某些技术专家位 = T5。T1-T2 不入图。
B. 供应链穿透深度（4-tier）
| Tier | 名称 | 表现 |
|---|---|---|
| S1 | 终端品牌 | 只追 NVDA AMD AVGO |
| S2 | 一级供应 | 加 TSM ASML AMAT |
| S3 | 二级及以下 | 知道 Shin-Etsu / SUMCO / Entegris / Ibiden / Unimicron 在链中的位置 |
| S4 | 末端工艺 | 知道 specific photoresist (JSR/TOK) / 特种气体 (Showa Denko) / EUV scanner 内部模块 |
门槛：内圈节点 ≥ S2；供应链专家位 = S3-S4。
C. 周期经验深度（Type B 投资必须，4-tier）
| Tier | 经历过 |
|---|---|
| C0 | 没有完整 semis cycle（2020 后入场） |
| C1 | 经历过 2022 memory crash / 2024 cyclical bottom |
| C2 | 加上 2018-19 trade war / 2014-15 cycle |
| C3 | 加上 2000-01 tech bust / 2008 / 完整 30 年 semis 史 |
门槛：内圈≥C1；周期专家≥C2；某些桥接位（"AI 是否像 2000 telecom"）≥C3。
五、三层架构
约束层（slowest，sets the possible）
| 子领域 | 描述 |
|---|---|
| 物理工程 | Process physics, advanced packaging physics, materials science——AI semis 的最底层物理可行性 |
| 资本与建厂 | Fab capex, EUV scanner availability, silicon wafer supply, capacity ramp lead time |
| 制度与地缘 | Export controls, CHIPS Act, China subsidies, EU sovereignty, India/JP 战略 |
动态层（mid-speed，moves within constraints）
| 子领域 | 描述 |
|---|---|
| 资本市场与估值 | Semi multiples, capex cycle pricing, hyperscaler capex allocation, AI ETF flow |
| 技术路线 | 架构演进（CPU→GPU→ASIC→TPU→PIM/CXL）, custom silicon vs merchant GPU 之争 |
| 客户与需求 | Hyperscaler capex allocation, 主权 AI 计划, inference vs training mix shift |
元认知层（slowest-decaying，calibrates the other two）
| 子领域 | 描述 |
|---|---|
| 周期与历史 | Semi cycles, telecom 1999 类比, dot-com 2000, 半导体 30 年史 |
| 概率与情景 | Scaling laws breakdown scenarios, tail risk pricing, scenario planning |
| 认知偏差识别 | Narrative toxicity, anchor blindness, Jensen worship, "MAG7 are forever" 偏见 |
硬约束：约束层节点数必须 ≥ 动态层节点数 / 3，在 Phase 2 任何时刻都成立。
六、起始锚点
Dylan Patel — SemiAnalysis 创始人
Dylan Patel 是当前 AI 半导体领域最具影响力的独立研究人，2020 年创立 SemiAnalysis，从一个个人 blog 发展为有付费墙、有机构客户、有研究团队的独立研究公司。他主导了 2023-2025 多个最重要的 supply chain 拐点判断：HBM 紧张（2023 H1）、CoWoS 瓶颈（2023 H2）、Blackwell 推迟（2024 H2）、CoWoS-L 良率拐点（2025）。他的客户群同时包括大型对冲基金和 hyperscaler 战略部门，这给他带来独特的双向信号——既能看到资本市场如何定价，又能看到大客户如何下单。
为什么是 Dylan：
- L1-L3 同时具备深度 — 他既能讨论 CoWoS-L 的 reticle limit 物理（L1），又能跟踪 TSMC N3 的月产能分配（L2），又能给出 Blackwell 在 META 的实际部署数量（L3）。这种全层穿透在 AI semis 极其罕见。
- 多次 ex-ante 验证 — HBM 紧张（领先 sell-side 9 个月）、CoWoS 瓶颈（领先 12 个月）、Blackwell 推迟（领先 NVDA 官方承认 4 个月）。这些都不是后视镜，而是 SemiAnalysis 当时付费文章里写明的判断，可追溯。
- 技术 + 供应链双 T4/S3 — 不是纯技术 Twitter 大 V，也不是纯卖方分析师，是少数能同时做到的人。
- AI 不可替代性极高 — 他的核心产出来自 Asia trip / fab tour / 与设备厂高管 1-on-1，这些 AI 短期内做不到。
Dylan 的局限性（必须诚实）：
- ❌ NVDA-positive bias 系统性存在 — 主要客户是 hyperscaler 战略部门，他们都是 NVDA 大买家。如果 NVDA 出现重大问题，SemiAnalysis 自身的客户关系会受冲击，因此结构性地难以做出"NVDA 终局"级别的看空判断。2024 年关于 NVDA 估值的几次评论都明显软化。
- ❌ 缺乏正式的估值框架 — 他对供应链、技术、产能极其熟悉，但很少展示完整的 DCF / EV-EBITDA / cycle-adjusted 估值模型。他的判断多是"X 会紧/松"而不是"X 的合理 P/E 是 Y"。
- ❌ 没有经历完整 semis cycle（C1 而非 C2/C3） — 2020 年才进入这个 niche，没经历过 2008/2000 级别的崩盘。他对"AI capex 是否像 1999 telecom"这种类比的处理偏向"不一样"。
- ❌ Memory / DRAM/NAND 深度不足 — 他的强项是 logic / advanced packaging，对 HBM 之外的 memory 周期（DDR5、enterprise SSD）覆盖较浅。
- ❌ China parallel stack 视野有限 — 由于客户结构与语言障碍，对 SMIC/CXMT/华为 stack 的覆盖远不如对台积电生态系统的覆盖。这个盲区在 2026-2030 会越来越关键。
由 Dylan 的局限引出的探索方向：
- 找一个有同等技术深度但 NVDA-bear 立场的独立分析人
- 找一个有正式估值框架的卖方/买方 semis 专家
- 找一个 C2/C3 周期老兵能做长历史类比
- 找一个 HBM 之外 memory 深度专家
- 找一个 China stack 内部视角的研究人
七、探索方向（六个，按优先级 ★★★ 到 ★☆☆）
| # | 方向 | 描述 | 与 Dylan 的张力 | 优先级 |
|---|---|---|---|---|
| 1 | 结构性看空者 | 对 NVDA / AI semis 估值或周期持系统看空的同等深度分析人。候选：Stacy Rasgon (Bernstein), Pierre Ferragu 的 cycle 部分，or 独立看空者 | Dylan 隐性 NVDA-positive vs 此方向显性看空 | ★★★ |
| 2 | 正式估值框架专家 | 卖方/买方机构 senior analyst，提供 DCF / cycle-adjusted multiples / cross-cycle 估值 | Dylan 缺正式估值 vs 此方向以估值为业 | ★★★ |
| 3 | 周期老兵（C2/C3） | 经历过 2000/2008 完整 semi cycle 的资深分析人或基金经理，能做长历史类比 | Dylan C1 vs 此方向 C3 | ★★★ |
| 4 | HBM/memory 深度专家 | 韩台 memory 专家、TrendForce / Counterpoint / Omdia memory 主分析师、Korean buy-side memory 专家 | Dylan logic-strong / memory-weak | ★★☆ |
| 5 | China parallel stack 内部 | 中国大陆半导体行业研究人，覆盖 SMIC/CXMT/华为/寒武纪 stack 的内部视角 | Dylan 视野局限于美/台/日 | ★★☆ |
| 6 | 物理/工艺级 T5 专家 | 在 TSMC/Intel/Samsung/ASML 做过工艺工程师、能给出 device physics 级判断的人 | Dylan T4 vs 此方向 T5 | ★☆☆ |
Type B 补充——skin in the game 标准：
- 卖方分析师：至少 5 年同一行业覆盖，且公开承认过重大错误
- 独立研究人：付费订阅模式（订阅者 vote with wallet）or 实业经验
- 基金经理：semis 仓位 ≥ 30% 且公开仓位披露
- 实业人：在 fab / 设备厂 / 设计公司有 ≥ 5 年技术职位
- 学者：在 IEEE ISSCC/VLSI/IEDM 等顶会有论文，且与产业有连接
八、操作规范
8.1 操作流程（每个候选）
- 读 METHOD.md + GRAPH_STATE.md — 理解当前覆盖状态与候选选择规则
- 十维度 + 三维度校验 — 每维度打分（1-5），表格化呈现，每行附具体证据（不是 vibes）
- 写 profile — 严格按 8.2 档案结构，130-180 行
8.2 档案结构（节点 profile 字段顺序）
# [姓名] — [机构/产品]
## 身份
[姓名全称，出生年，国籍，常驻，教育，职业阶段，关键背景]
## 核心框架
[一句话总结 + 1-2 段展开 + 与最易混淆对手的区分]
## 十维度校验
[10 行表格 + 每行具体证据 + 总分]
## AI semis 三维度校验
[T-tier / S-tier / C-tier，附举例]
## 至少 3 个 dated ex-ante 判断
[每个：日期 + 判断 + 推理 + 当时背景 + 后续验证结果]
## 局限与盲区
[3-5 个具体盲区，不是泛泛"也会犯错"]
## AI 时代可替代性评估
[他的核心产出有多大比例 AI 短期能替代——回答必须诚实]
## 思维上游
[他师承/受影响的 2-3 个上游思想家]
## 高质量对手
[与他形成生产性张力的 2-3 个对立分析人——这是 Phase 2 后续候选的种子]
## 阅读入口
[最佳入门 3-5 篇文章/视频/付费内容入口]
## 三层归属
[约束/动态/元认知；附子领域]8.3 五种边类型（节点关系）
- 思维必然指向 — A 的逻辑深入后必然碰到 B（如 TSMC 工艺 → ASML 光刻）
- 高质量对手 — A 与 B 长期辩论，互为生产性反驳
- 反复引用 — A 在多篇深度文章中引用 B 作为权威或反例
- 跨层方法论类比 — A 用 B 领域的方法论（如电信周期、生物学进化）解释 semis
- 结构性缺位补全 — A 看不到的东西 B 正好看得见（如 Dylan ↔︎ China stack 专家）
8.4 AI semis 专属警告
- ⚠️ 不要把 Twitter 大 V 当 primary source — AI semis 的 Twitter 噪音极高，能在 Twitter 红的人未必能在十维度上得分
- ⚠️ NVDA-related primary 都有 IR pressure — 任何依赖 NVDA management access 的研究人都有结构性偏差，必须用反向信源平衡
- ⚠️ 不要把 ARK / Cathie Wood 类宏大叙事计入内圈 — L5 大师，可入桥接最多
- ⚠️ 跨语言（中文/日文/韩文/英文）信源都要纳入 — 这是 AI semis 与多数其他投资领域不同的点；纯英文图谱在 China stack 和 memory 上会失明
- ⚠️ 历史人物（Morris Chang, Andy Grove, Robert Noyce）可入桥接但不入内圈 — 内圈要 currently active
- ⚠️ 学者必须有产业连接 — 纯 academic 研究人在 AI semis 这种快变行业里数据陈旧，不入内圈
- ⚠️ 不要被 SemiAnalysis 范式锁定 — Dylan 是锚点，不是终点；外圈/桥接必须显式生产张力
- ⚠️ 每加一个内圈节点都要更新"高质量对手" — 这是图谱"张力网络"的来源，不能省
九、图谱状态（初始化）
已有锚点表
| # | 节点 | 圈层 | 主层/子领域 | 添加日期 |
|---|---|---|---|---|
| 1 | Dylan Patel | 内圈（锚点） | 动态/技术路线+客户结构 | 2026-05-24 |
待探索方向表
| # | 方向 | 候选示例 | 优先级 |
|---|---|---|---|
| 1 | 结构性看空者 | Stacy Rasgon, Pierre Ferragu | ★★★ |
| 2 | 正式估值框架专家 | Pierre Ferragu, Joseph Moore, Vivek Arya | ★★★ |
| 3 | 周期老兵（C2/C3） | Daniel Niles, John Pitzer, ex-semis CEO | ★★★ |
| 4 | HBM/memory 深度专家 | Mark Newman (TrendForce), Korean buy-side | ★★☆ |
| 5 | China parallel stack 内部 | 王新喜, 莫大康, 中国大陆 sell-side semis | ★★☆ |
| 6 | 物理/工艺级 T5 专家 | Jim Keller, Scotten Jones (IC Knowledge), ex-fab 工艺工程师 | ★☆☆ |
覆盖检查表
| 三层 × 子领域 | 状态 |
|---|---|
| 约束/物理工程 | 未覆盖 |
| 约束/资本与建厂 | 未覆盖 |
| 约束/制度与地缘 | 未覆盖 |
| 动态/资本市场与估值 | 未覆盖 |
| 动态/技术路线 | 部分（Dylan 覆盖一部分） |
| 动态/客户与需求 | 部分（Dylan 覆盖一部分） |
| 元认知/周期与历史 | 未覆盖 |
| 元认知/概率与情景 | 未覆盖 |
| 元认知/认知偏差识别 | 未覆盖 |
十、诚实提醒
AI semis 是过去三年回报最暴利的赛道之一，因此也是噪音最大的赛道。 90% 的"AI semis 分析师"在 2023 年之前不存在或不在这个 niche。他们的"看好 NVDA"判断中很大一部分是 backwards-fitted；筛选 Phase 2 候选时必须狠心剔除——历史背景不够、没经历过一个完整 semis cycle 的人，无论现在多红，都不入内圈。
本图谱完成之日，可能就是 AI semis 周期结束之时。 半导体周期通常在共识最强、独立研究最受关注、付费订阅暴增的时刻见顶。如果你在用这份图谱，问自己：是不是已经太晚了？图谱的价值不是抄结论，而是判断"现在我们在周期的哪一段"——这恰恰是图谱里 C2/C3 老兵的核心价值。
跨语言、跨地缘的图谱意味着你必须接受持续的语言/文化摩擦。 中文/日文/韩文圈的最佳信源未必有英文翻译。如果只读英文图谱，就等于自愿放弃 30-40% 的信号——尤其在 China stack 与 memory 方向。这不是方便不方便的问题，是认知诚实的问题。
Dylan Patel 不是终点，是参考点。 他的偏差（NVDA-positive、缺乏估值框架、C1 周期经验、memory 浅）是图谱设计的输入。如果 Phase 2 跑完之后你仍然 60% 时间在读 SemiAnalysis，说明图谱失败了——它没真正给你跨视角的张力，只是给 Dylan 加了一些粉饰。
对所有 NVDA-related "独立分析师"持本能怀疑。 NVDA 是当今市场最大的故事生产机器，任何依赖 NVDA management access 或 NVDA 客户网络的分析人，都有结构性偏差。"独立"的本质不是说"独立"两字，而是看他/她敢不敢在 NVDA 财报前后做对立预测——你会发现大部分人不敢。
创建日期：2026-05-24 状态：Phase 1 完成 — 1 个起始锚点（Dylan Patel），6 个待探索方向，进入 Phase 2