從散戶到資深產業研究員的 5 個等級
每一級都有明確的「該會的技能」與「該產出的東西」。研究員的成長不是看了多少資料，而是輸出了多少可被檢驗的判斷。
Lv.0 入門者 看得懂
目標：看懂一張供應鏈地圖，知道錢從哪裡流向哪裡。
- 技能：認識 AI 供應鏈 8 層架構（見「產業知識」分頁）、看懂市值/營收/毛利率三個數字
- 產出：手畫一張自己版本的供應鏈圖，標出 10 家公司的上下游關係
- 檢核：能用 3 分鐘向朋友解釋「NVIDIA 賣一顆 GPU，台灣哪些公司賺到錢」
Lv.1 追蹤者 跟得上
目標：建立固定的資訊攝取節奏，不再被新聞牽著走。
- 技能：台股月營收追蹤（每月 10 號前公告，全球少見的高頻資料）、法說會行事曆管理
- 技能：分辨資訊可信度等級（公司公告 → 法說 → 研究機構 → 媒體 → 傳聞）
- 產出：固定追蹤 10–15 家公司的月營收表 + 每月一篇追蹤筆記
- 檢核：公司公布營收當天，你能說出「比我預期好還是差、為什麼」
Lv.2 分析者 看得深
目標：能從財報與法說會讀出公司沒明說的事。
- 技能：三大報表重點科目（庫存、應收帳款、毛利率、資本支出、合約負債）
- 技能：供應鏈交叉驗證——用客戶的資本支出驗證供應商的訂單能見度
- 產出：每季 2–3 篇單一公司的財報解讀，附上自己的下季預估
- 檢核：預估與實際的差距在縮小，且能解釋差在哪
Lv.3 研究員 寫得出
目標：獨立完成一份完整的產業研究報告。
- 技能：產業規模推估（TAM/出貨量 × ASP）、競爭格局分析、基礎估值（本益比區間、EV/EBITDA）
- 技能：跨市場比較——同一供應鏈上美/台/日公司的角色與利潤分配
- 產出：每季一份 10 頁以上的子產業深度報告（如：散熱、CPO、HBM）
- 檢核：報告的結論在 2 個季度後回頭驗證，勝率與誤差有紀錄
Lv.4 資深研究員 帶得動
目標：有自己的產業框架與觀點，能影響別人的決策。
- 技能：建立領先指標儀表板、判斷產業週期位置、辨識共識與非共識觀點
- 技能：第一手訪查——法說提問、展會走訪、供應鏈人脈
- 產出：公開發表且可回測的觀點（你的地圖網站就是這一步）、帶新人的教材
- 檢核：市場發生大事時，別人會主動來問你的看法
90 天入門計畫
📅 第 1–30 天：建地基
- 把「產業知識」分頁的 8 層架構讀熟
- 選定 10 家公司（美 4／台 4／日 2）建立追蹤清單
- 註冊 MOPS、EDGAR、株探，各下載一份財報實際翻過
📅 第 31–60 天：養節奏
- 每月 10 號整理台股月營收，寫 300 字心得
- 完整聽一場法說會，用筆記模板記錄（見「研究方法」）
- 建立公司卡片資料庫（見「資料整理術」）
📅 第 61–90 天：出作品
- 選一個子產業（散熱／CPO／電源）寫第一份 5 頁報告
- 對 3 家公司做下季營收預估並記錄依據
- 公開發表一篇，接受市場檢驗
AI 供應鏈 8 層堆疊
由上而下＝錢流的方向：雲端巨頭花資本支出 → 買伺服器 → 伺服器裡是晶片與零組件。研究任何一家公司，先定位它在哪一層、客戶在上一層的誰。2026 現況標記為研究彙整的時點資訊，請以公開資訊為準。
整條供應鏈的資金源頭。四大雲（AWS、Google、Azure、Oracle）＋Meta 的 CapEx 指引，是預判下游所有公司景氣的第一領先指標。
算力的瓶頸正從晶片轉向電力與土地。發電、變壓器、備援電源、機電工程是 2025 之後才被市場重視的新戰場。
GPU 之間的資料傳輸。乙太網 vs InfiniBand、光模組升級週期、CPO（共同封裝光學）是三條主線。
2026 現況800G 已成主流、1.6T 開始放量；台積電 COUPE 矽光子平台目標 2026 量產，但 CPO 在 AI 光模組滲透率仍低（研究機構估約 0.5%），真正放量看 2027–2028。
把晶片變成整櫃系統的整合者。GB/VR 系列整櫃出貨節奏是台灣 ODM 營收的直接驅動。留意「毛利率低但營收爆發」的估值特性。
單價與技術含量持續升級的一層：氣冷→液冷（冷板→浸沒）、電源瓦數翻倍、PCB 高層數化。GPU 每一代升級，這層的單機價值量（content per box）就跳一次。
2023 年後 AI 晶片真正的產能瓶頸。晶片做得出來、封不起來就出不了貨——CoWoS 產能分配表＝各家 AI 晶片的出貨上限。
2026 現況CoWoS-S/L 全數售罄，2026 需求約百萬片等級，NVIDIA 占約六成產能；先進封裝仍是全鏈最大瓶頸。
AI 晶片成本中占比最高的零件之一。HBM 是「先議價、後生產」的類客製品，供應商對三大買家的份額變動是核心賽點。
2026 現況HBM4 進入放量：SK hynix 市占約六成、供應 NVIDIA 約三分之二用量；Rubin 每顆搭載 288GB HBM4；11Gb/s pin 速度良率仍是各家難關。
價值鏈的核心。兩條路線：NVIDIA/AMD 的通用 GPU vs 雲端自研 ASIC（Google TPU、AWS Trainium、Meta MTIA——多由 Broadcom/Marvell 協助設計、台積電代工）。
2026 現況NVIDIA Vera Rubin 於 2026 年中宣布全面量產、Q3 起系統出貨（首批交付四大雲）；N3 雙晶粒＋CoWoS-L；Broadcom AI 營收年增逾倍，驗證 ASIC 與 AI 網通是 GPU 之外的第二成長曲線。
研究這條鏈的 4 個底層規律
1️⃣ CapEx 傳導鏈
雲端 CapEx 指引 →（1–2 季後）晶片與零組件訂單 →（再 1–2 季）台日供應商營收。上游的「今天」是下游的「兩季後」，這就是月營收能領先驗證的原因。
2️⃣ 瓶頸決定話語權
誰是瓶頸，誰就有定價權：2023 是 CoWoS、2024–25 是 HBM 與電力、2026 封裝仍緊。追「目前瓶頸在哪一層」比追個股新聞更有效。
3️⃣ 世代升級＝價值量重分配
每代新平台（Hopper→Blackwell→Rubin）都會改變單機價值量：液冷取代氣冷、電源瓦數翻倍、PCB 層數增加。找「這一代誰的 content 增加最多」。
4️⃣ 三市場分工
美國拿設計與品牌利潤、台灣拿製造與整合、日本拿設備與材料。同一事件對三地公司的影響方向可能完全不同，跨市場對照是台灣研究員的天然優勢。
資訊可信度金字塔
研究員的第一課：先分級，再吸收。等級越低的資訊，越需要用等級高的來源驗證後才能寫進報告。
財報、重訊、月營收——事實
指引、語氣——第一手但有立場
TrendForce、SemiAnalysis——專業但會錯
DIGITIMES、日經——時效快、需交叉驗證
只當「待驗證的假設」，不當結論
核心技能 1：台股月營收追蹤法
台股每月 10 號前必須公告上月營收，是全球罕見的高頻基本面資料——等於供應鏈的即時心電圖。
- 看「年增率 YoY」判斷趨勢、「月增率 MoM」判斷動能，並跟該公司過去 5 年同期的季節性比較
- 把同一層公司（如四家散熱廠）的月營收畫在一起：同步走強＝產業趨勢；只有一家強＝拿到新案（去找是誰的單）
- 用台廠月營收反推美國客戶的季度出貨——台積電、鴻海的月營收常領先反映 NVIDIA 的季報方向
核心技能 2：硬體供應鏈財報的重點科目
| 科目 | 看什麼 | 供應鏈訊號 |
|---|---|---|
| 存貨 | 絕對金額、存貨週轉天數變化 | 大增＝備貨中（訂單能見度佳）或滯銷（需搭配營收判斷）；客戶端去庫存＝供應商未來 1–2 季承壓 |
| 毛利率 | 逐季趨勢、與同業比較 | 升＝產品組合升級或有定價權；降＝殺價競爭或新產能稼動率不足 |
| 應收帳款 | 成長速度 vs 營收成長速度 | 應收增速遠高於營收＝可能塞貨給客戶，警訊 |
| 資本支出 | 金額、投向（法說會問） | 擴產＝對未來 2–3 年需求有信心；也是它「供應商」（設備廠）的訂單來源 |
| 合約負債／預收款 | 金額變化 | 客戶先付錢排隊＝需求強勁的最硬證據（如台積電、設備廠） |
核心技能 3：法說會筆記模板
核心技能 4：供應鏈交叉驗證
🔗 由上驗下
雲端四巨頭法說會的 CapEx 指引，是驗證所有下游訂單故事的總開關。CapEx 上修 → 台系 ODM／零組件的成長故事才成立；反之所有「訂單暢旺」的傳聞都要打折。
🔗 由下驗上
設備與材料是最上游的領先指標：日本設備廠（TEL、DISCO、Advantest）接單回溫，通常領先晶片廠擴產 2–4 季。日股財報是驗證台股故事的好工具。
🔗 同層互驗
一家公司說產業很好，先看同業說法是否一致。奇鋐與雙鴻、金像電與台光電——同層公司的指引方向若相反，必有一家在講產品組合而非產業。
🔗 傳聞驗證流程
聽到傳聞（如轉單、新案）→ 找該公司月營收有無異常 → 找對手營收有無此消彼長 → 等法說會口徑 → 才升級為觀點。你地圖上的「📣 有傳聞」標記＋此流程＝完整閉環。
核心技能 5：估值入門（硬體供應鏈適用）
- 本益比區間法：找出該公司過去 5 年 PE 的高低區間，判斷目前位置；成長股看遠期 PE（用未來 12 個月預估 EPS）
- 不同層用不同倍數：晶片設計（高毛利）市場給高 PE；組裝代工（低毛利）看 PE 也看營收動能；設備廠景氣循環強，低 PE 常是週期高點訊號（反直覺，注意）
- 價值量推估：出貨量 × 單機價值（content per box）× 市占率 ＝ 營收預估。這是產業研究員相對市場的主要優勢來源
- 估值是最後一步：先把產業方向與公司地位研究對，估值只決定「現在買貴還便宜」，不決定「這家公司好不好」
台股資料來源
| 工具 | 用途 | 費用 |
|---|---|---|
| 公開資訊觀測站 MOPS | 財報、重訊、月營收、法說會資料的官方源頭，一切研究的起點 | 免費 |
| Goodinfo | 個股歷史財務數據、股利、籌碼，查歷史區間最方便 | 免費 |
| 財報狗 | 視覺化財報、選股，適合快速健檢一家公司 | 免費+付費 |
| FinLab 資料庫 | 台股完整歷史資料 API（價量、月營收、財報、籌碼），適合寫程式量化 | 免費+付費 |
| Yahoo 法說會行事曆 | 追蹤法說會日程，搭配 MOPS 下載簡報 | 免費 |
美股資料來源
| 工具 | 用途 | 費用 |
|---|---|---|
| SEC EDGAR | 10-K／10-Q／8-K 官方源頭；10-K 的 Risk Factors 與客戶集中度揭露是供應鏈研究金礦 | 免費 |
| Finviz | 產業熱力圖、篩選器，快速掌握類股輪動 | 免費 |
| Roic.ai | 30 年以上歷史財務數據，看長週期 | 免費 |
| Seeking Alpha | 法說會逐字稿（Transcripts）、財報行事曆 | 免費+付費 |
| Koyfin | 類 Bloomberg 的圖表工作站，跨公司財務比較 | 免費+付費 |
日股資料來源
| 工具 | 用途 | 費用 |
|---|---|---|
| EDINET（金融庁） | 有価証券報告書（＝日版 10-K）官方源頭 | 免費 |
| TDnet 適時開示（JPX） | 決算短信、業績修正等即時公告——日股重大訊息第一現場 | 免費 |
| 株探 Kabutan | 即時開示分類整理＋個股新聞，日股版「新聞＋公告」入口 | 免費 |
| IR BANK | 把 EDINET／TDnet 資料整理成長期時間序列，查歷史最方便 | 免費 |
| 各公司「決算説明会」資料 | 日本公司 IR 頁的說明會簡報品質極高，常揭露產業供需數據 | 免費 |
🏭 產業研究機構與媒體
| 來源 | 強項 | 費用 |
|---|---|---|
| TrendForce | 記憶體／面板／伺服器出貨量與價格預測，台灣視角 | 部分免費 |
| SemiAnalysis | 半導體與 AI 基建深度技術分析，英文圈最強供應鏈研究之一 | 部分免費 |
| DIGITIMES | 台灣供應鏈第一手產業消息（記得用可信度金字塔過濾） | 付費為主 |
| TechNews 科技新報 | 免費中文科技產業新聞，入門追蹤足夠 | 免費 |
| 日經新聞／日経 XTECH | 日本供應鏈與設備材料廠的深度報導 | 付費 |
🤖 AI 工具在研究流程中的用法
適合交給 AI
- 長文件摘要：10-K、有報、法說逐字稿的初步整理
- 跨市場翻譯：日文決算資料 → 中文重點
- 資料清洗與表格化：把公告數字整理成時間序列
- 當論點的「反方」：讓 AI 挑戰你的投資邏輯
不能外包給 AI
- 數字查核：AI 會編數字，關鍵數據必回原始公告核對
- 判斷與結論：預估、買賣邏輯必須是自己的，否則無法累積框架
- 時效資訊：AI 訓練資料有截止日，近況一律搭配搜尋驗證
建立自己的研究資料庫
研究員的複利來自「結構化的累積」——同樣看 100 篇新聞，有資料庫的人留下 100 筆可查詢的紀錄，沒有的人留下模糊印象。工具用 Notion、Obsidian 或 Google Sheets 都行，結構比工具重要。
① 公司卡片模板（每家追蹤公司一張）
最後兩欄是關鍵：寫下「什麼情況代表我看錯」，才能避免抱著錯誤觀點凹單；事件紀錄標注來源等級，回頭檢討時才知道自己被哪類資訊誤導過。
② 供應鏈關係表（你的地圖的資料層）
③ 事件時間軸（產業層級）
追蹤例行流程（Routine）
📆 每日（15–30 分）
- 掃產業新聞（TechNews、株探、DIGITIMES 標題）
- 把有意義的事件記入時間軸（含來源等級）
- 追蹤清單股價異動 >±5% 者，找原因
📆 每週（1–2 小時）
- 整理本週事件，更新受影響的公司卡片
- 檢查下週法說會／財報行事曆
- 寫 300–500 字週記：本週最重要的一件事與我的解讀
📆 每月（10 號後，2–3 小時）
- 更新台股追蹤清單月營收表，標記超乎/低於預期者
- 同層公司營收對照，找分歧（誰拿單、誰掉單）
- 發表月度追蹤筆記
📆 每季（財報季，每家 1–2 小時）
- 用法說筆記模板記錄每場法說
- 回頭驗證上季的預估，記錄誤差與原因
- 更新供應鏈地圖：關係、傳聞驗證結果、市值
輸出習慣：讓網站成為你的履歷
寫給別人看
公開輸出強迫你把模糊印象變成可檢驗的句子。錯了就公開修正——研究員的信用來自修正紀錄，不是不犯錯。
可回測的觀點
每個觀點寫上日期、依據、驗證時點。半年後整理一次「觀點成績單」，這是任何履歷都比不上的作品集。
地圖＋學習站的閉環
地圖網站呈現「結論」（誰供誰、有何傳聞），學習站呈現「方法」（怎麼查、怎麼驗）。兩者互相導流，就是你的個人研究品牌。