直接阅读
BESI / HBM4
HBM4 与 Hybrid Bonding 的周期信号。
分类
AI产业链
围绕 AI 算力、HBM/先进封装、数据中心电力、光模块与人形机器人，承接最强产业链搜索意图。
先读这里
AI 产业链栏目负责把跨市场的 HBM、先进封装、GPU、光模块 / PCB、MLCC / 被动元件、小金属 / 材料、液冷 / 电力、Agent 平台和机器人链条接起来，避免 AI 内容再次碎片化。
继续浏览
继续沿市场主线或常青研究栏目扩展阅读，避免只停留在单一分类页。
HBM4与先进封装测试设备：产能瓶颈 2026
Samsung 已公开 HBM4/HBM4E 进展，NVIDIA 也公开 Vera Rubin 与 GB 系列 AI 平台方向。m8 认为，这个专题页适合做 HBM、CoWoS、混合键合、TSV、测试和设备链条的研究导航，但所有产能、份额、价格、订单和 A 股映射都必须保留为需继续跟踪变量。
HBM4：先进封装设备 2026
Samsung 已公开 HBM4/HBM4E 进展，NVIDIA 也公开 Vera Rubin 与 GB 系列 AI 平台方向。m8 认为，这个专题页适合做 HBM、CoWoS、混合键合、TSV、测试和设备链条的研究导航，但所有产能、份额、价格、订单和 A 股映射都必须保留为需继续跟踪变量。
Physical AI：量产瓶颈与零部件 2026
NVIDIA 已公开 Cosmos、Isaac GR00T 与机器人仿真/合成数据相关平台，Tesla 也公开展示 Optimus 与真实世界 AI 训练方向。m8 认为，这篇文章可以讨论 Physical AI 从语言模型走向动作模型、仿真数据和机器人本体的产业链变化，但具体量产节奏、数据规模、公司订单和标的弹性应作为观察变量跟踪为研究观察。
Physical AI 灵巧手与触觉传感：量产一致性 2026
NVIDIA 已公开 Cosmos、Isaac GR00T 与机器人仿真/合成数据相关平台，Tesla 也公开展示 Optimus 与真实世界 AI 训练方向。m8 认为，这篇文章可以讨论 Physical AI 从语言模型走向动作模型、仿真数据和机器人本体的产业链变化，但具体量产节奏、数据规模、公司订单和标的弹性应作为观察变量跟踪为研究观察。
宏观范式切换：从5-1板块分化看AI重估、能源退潮与美联储政策路径不确定性的“政策偏紧风险”
AI 板块轮动不能只看单日涨跌，核心变量是云厂商资本开支、GPU/ASIC 供给、利率折现率和软件兑现节奏。m8 认为，这篇文章可以讨论硬件、软件和平台公司之间的估值切换，但所有配置权重观察、估值观察、涨跌幅和可验证性判断应作为观察变量继续跟踪。
小金属材料2026：AI硬件供应链的隐性约束变量
USGS、美国关键矿产清单和公开半导体供应链研究可以支撑“小金属/关键矿产是 AI 硬件上游约束”的框架。m8 认为，这篇文章适合讨论钨、钼、钽、稀土、镓、锗、铟在硬件链条中的差异化位置，但价格、库存、出口管制和公司弹性应作为观察变量继续跟踪。
AI机柜内部互连：铜缆与连接器 2026
NVIDIA 公开 GB200 NVL72 与 OCP 设计信息，Amphenol 和 Credo 公开 AI 数据中心高速互连与 AEC 资料，可以支撑 AI 机柜内部铜互连、连接器和背板的研究框架。m8 认为，这篇文章可以讨论 scale-up 互连、DAC/AEC、连接器、背板和信号完整性，但出货量、份额、价格弹性和公司订单应作为观察变量继续跟踪。
HBM 与先进封装 2026：材料约束和设备弹性再拆解
Samsung 已公开 HBM4/HBM4E 进展，NVIDIA 也公开 Vera Rubin 与 GB 系列 AI 平台方向。m8 认为，这个专题页适合做 HBM、CoWoS、混合键合、TSV、测试和设备链条的研究导航，但所有产能、份额、价格、订单和 A 股映射都必须保留为需继续跟踪变量。
HBM 与先进封装专题：HBM4、CoWoS 与混合键合产业链怎么研究？
Samsung 已公开 HBM4/HBM4E 进展，NVIDIA 也公开 Vera Rubin 与 GB 系列 AI 平台方向。m8 认为，这个专题页适合做 HBM、CoWoS、混合键合、TSV、测试和设备链条的研究导航，但所有产能、份额、价格、订单和 A 股映射都必须保留为需继续跟踪变量。
端侧AI推理芯片：算力下沉与生态闭环 2026
端侧 AI 与消费电子换机周期需要同时看芯片算力、操作系统入口、应用场景和库存周期。m8 认为，这篇文章可以讨论 AI PC、AI 手机和端侧模型，但销量预测、供应链弹性和公司映射应作为观察变量跟踪为观察变量。
CXL与NVLink：AI推理内存带宽 2026
CXL 与 NVLink 适合做 AI 推理内存带宽主题的短入口，但不能把互连标准、GPU 集群、HBM4 和内存池直接混成一个确定结论。m8 认为，这篇文章应降口径后并入推理内存墙常青路线。
AI数据中心电力瓶颈：变压器与电网接入 2026
AI 数据中心电力主干应从 GPU 机架功耗、液冷、电网接入、变压器和现场配电几层拆解。m8 认为，这篇短稿可以作为电力瓶颈主题的入口稿，但所有交期、价格和公司映射需降口径。
AI数据中心中压配电：交付周期 2026
AI 数据中心中压配电应放在电网接入、变压器、UPS、母线和液冷机架的整体供电链条中讨论。m8 认为，这篇短稿可以合并为电力瓶颈常青文的子题，但设备交期、价格和供应商弹性应作为观察变量跟踪。
Starship商业航天供应链：发射频次与复用制造 2026
Starship 商业航天供应链可以围绕 SpaceX 官方 Starship/launches 信息、FAA 许可和 NASA 商业航天资料建立公开来源骨架。m8 认为，这篇文章有专题价值，但发射频次、复用成本、订单和供应链映射应作为观察变量跟踪。
CPO与1.6T光模块：算力网络瓶颈 2026
NVIDIA、Broadcom 和 Marvell 已公开 CPO、硅光交换、1.6T 光 DSP 与光互连相关信息，可以支撑 AI 集群网络瓶颈的研究框架。m8 认为，这篇文章可以讨论 1.6T、硅光、CPO 与可插拔光模块的技术分工，但渗透率、出货量、能耗降幅、公司份额和订单弹性应作为观察变量继续跟踪。
AI 服务器被动元件：MLCC 与电源完整性重估 2026
TDK、Murata、Yageo 等厂商公开资料可以支撑 MLCC/被动元件的产品定义和高可靠应用方向。m8 认为，这篇文章可以讨论 AI 服务器电源完整性、板级去耦和高端被动元件需求，但单机用量、价格弹性、供需缺口和公司映射都必须作为观察变量。
GB300 液冷与供电：冷板、CDU 与机柜级重构 2026
NVIDIA 已公开 GB300 NVL72 平台方向，液冷、机柜级供电和数据中心基础设施升级也有 OCP 与设备厂公开资料可交叉验证。m8 认为，这篇文章可以讨论 GB300 时代冷板、CDU、机柜供电与数据中心改造的工程瓶颈，但具体价值量、份额和公司映射应作为观察变量跟踪为研究观察。
AI推理内存带宽：架构分工 2026
AI 推理内存带宽可以由 CXL、NVLink、HBM4、GPU 集群和服务器内存层级公开资料支撑。m8 认为，这篇文章有常青价值，但 o3、上下文窗口、HBM4 带宽、CXL 采用节奏和公司份额必须全部降级为公开来源观察变量。
AI数据中心电网接入与电力设备交付周期 / 2026
AI 数据中心电力约束可以由 NVIDIA 机架级平台、OCP 液冷/机柜规范、IEA 数据中心用电资料和 DOE 大型变压器材料共同支撑。m8 认为，这篇文章可保留为“电网接入、变压器、UPS 与液冷”的常青研究稿，但交期、涨价幅度、云厂商 Capex 和公司映射应作为观察变量跟踪为观察变量。