Skip to content

物理瓶颈

它解决的是:面对 AI、能源、制造等高资本开支主题,怎样把宏大叙事压回可观测的现实约束。

物理瓶颈框架依次问五个问题:

  1. 需求是否已经变成真实利用率和收入,而不只是预订与口号。
  2. 建设由经营现金流、股权还是债务融资。
  3. 当前真正卡住增长的是电力、晶圆、封装、内存、设备、许可还是数据。
  4. 谁掌握扩产决定,他的资本纪律怎样。
  5. 哪种技术、竞争或政策变化会让瓶颈迁移。

它不是“稀缺品一定涨”,也不是给 picks and shovels 永久高估值。瓶颈只是某一阶段的约束;一旦高利润诱发扩产、替代技术成熟或需求回落,原来的稀缺环节可能最先变成过剩。

它也不等于传统护城河。护城河讨论一家公司的长期超额回报结构;物理瓶颈讨论整个系统在某个时点被什么卡住,以及谁能暂时取得定价权。

  • 加文·贝克:从水泥、骨料和半导体沿用 供给 / 需求 / 价格 / 固定成本,在 AI 建设里重点追踪 watts、wafers、利用率与融资。
  • 菲利普·拉丰 / Coatue Management:沿 AI stack 从应用层向半导体设备、电力和数据中心约束迁移。
  • 劳伦斯·伯恩斯:沿整条价值链寻找价值传导和约束位置。

验证不是看相关股票是否上涨,而是看约束是否真的进入订单和现金流:

  • TSMC 是否扩充领先制程和先进封装产能。
  • GPU、网络设备和数据中心的真实利用率是否维持高位。
  • hyperscaler 资本开支是否仍由经营现金流覆盖。
  • 电力互联、许可、变压器和建设周期是否成为交付瓶颈。
  • 供应链相邻公司的订单、交付周期和定价是否互相一致。

Atreides 的 13F 还提供一层组合验证:半导体、光通信、网络和平台公司是否同时出现主动增股,还是只有价格把它们推高。

最大风险是静态化。今天的晶圆短缺可能变成明天的内存短缺,后天又迁到电力、许可或需求。只记住“TSMC 是瓶颈”会错过真正的方法;应记住的是持续寻找系统约束、扩产决策者和替代路径。

第二个风险是把供给约束误当需求证明。供应短缺能阻止过度建设,却不能单独证明终端客户愿意长期支付足以覆盖资本成本的价格。