从被称为“白毛股神”的徐翔，到《大空头》原型人物迈克尔·伯里，再到软银集团创始人孙正义，那些在英伟达等科技巨头身上获利丰厚的投资者，实则共享着一套成熟的交易范式：估值泡沫+基本面错配+情绪杠杆。以伯里为例，其投入11亿美元押注看跌期权的核心逻辑在于：尽管人工智能领域的资本支出飙升了77%，但仅有39%的企业实现了正向利润，且算力租赁价格已下滑30%，这意味着所谓的“稀缺性叙事”正在瓦解。同样，孙正义曾两度进出英伟达仓位，在错失1500亿美元市值后清仓并套现58亿美元转投OpenAI。这套策略的精髓并非单纯地“看空”，而是在信仰最狂热时，用期权把"别人的焦虑"变成自己的利润——甚至有案例显示，伯里通过知识付费单日获利1.4亿美元，收益甚至超过了做空本身。
此外，AI领域的神话制造者Leopold将基金规模从2亿美元扩张至130亿美元，“白毛股神”实现年化225倍的惊人回报，英特尔CEO陈立武成功推动159家IPO项目，他们成功的共同点都指向同一个核心方法论：寻找瓶颈。
Leopold最初以2.25亿美元创立基金，在短短12个月内管理资产增至55亿美元，目前规模已达130亿美元。他精准押注于电力、算力基础设施、内存及光互联等AI物理基建环节的瓶颈效应。
值得注意的是，他的投资组合中并未持有任何一股英伟达股票，反而利用价值84.6亿美元的看跌期权，全面做空芯片板块。
那位曾在英伟达股价仅为6美元时拒绝offer的“白毛股神”，凭借独特的“紫苏叶理论”筛选小盘股，自称实现了年化225倍的收益。他所押注的瓶颈集中在CPO共封装光学、InP衬底以及光收发器等AI光通信供应链的上游环节。
英特尔CEO陈立武在2026年6月18日接受No Priors播客访谈时，也进一步佐证了这一理论的有效性。在执掌英特尔之前，陈立武曾担任Cadence CEO长达十二年，在此期间公司股价暴涨32倍。
作为半导体领域最为活跃的风险投资人之一，他个人投资了超过200家半导体企业，其中159家成功上市。他的投资版图覆盖了EDA工具、GaN/SiC/InP等新型材料以及光互联技术等领域。
一块电路板，看懂AI硬件供应链
审视任何一块AI加速器的电路板，便能窥见整个产业的运作逻辑。
在实体制造启动前，设计师必须借助EDA工具对数百亿个晶体管的布局进行验证，使用InP、GaN、SiC等新材料来替代已达到物理极限的传统硅基材料，并在光刻和蚀刻等精密工序中使用氦气进行保护。
在电路板上，GPU芯片与HBM内存紧密堆叠，通过台积电的CoWoS或英特尔的EMIB技术完成先进封装。其中，GPU决定了算力的上限，HBM决定了算力能否被有效释放，而封装技术则决定了二者能否整合在一起。
在多块加速器协同运算的场景下，数千块此类板卡需要紧密配合。传统的铜缆互联方案正逼近物理带宽极限，光互联技术应运而生并逐步接棒。
在电路板周围，48V电压需降至GPU所需的不足1V，每一次电压转换都会产生热量；单个机柜功耗高达120kW，传统风冷已难以应对，液冷技术正逐渐成为行业标准。
而在电路板之外，这一切运作都依赖于电力。一个AI数据中心的耗电量堪比一座中等城市，而电网扩容及新建发电设施的建设周期往往长达数年。
这便构成了九大核心瓶颈的全貌，下文将逐一拆解。
板子之前
EDA：一次流片失败，损失数千万美元
所有芯片在制造前，都必须经过EDA软件完成设计与验证，该环节占据了整个芯片开发周期的60%-70%。
随着AI加速器集成数百亿个晶体管，并叠加HBM、3D堆叠及先进封装技术，设计复杂度呈指数级上升，然而EDA工具的计算效率并未同步提升。一旦验证阶段出现问题导致需要重新流片，单次失败的代价可能高达数千万美元。
2025年EDA市场规模约为145亿美元，预计2026年将接近180亿美元。Synopsys、Cadence、Siemens三家巨头合计占据65%以上的市场份额。陈立武在Cadence担任CEO十二年，他对这一环节的定价权有着深刻洞察，将其形容为“金矿”。目前，Cadence已将设计收敛速度提升5倍，而Siemens的AI系统在部分任务上实现了10倍加速。
新材料：硅撑不住了，五种材料补位
传统硅基材料在功耗、散热及光通信等方面逐渐触及性能天花板。五种新材料正成为突破方向：GaN（高频功率器件）、SiC（高压大电流）、InP（光通信）、人造钻石（导热）以及玻璃基板（先进封装）。
800G及1.6T光模块高度依赖InP材料，当前AI光互联需求缺口约为40%-60%。玻璃基板被视为下一代先进封装的关键方向，英特尔和台积电均在加速推进其量产进程。Wolfspeed和Infineon仅在2025-2027年间，就在SiC产能上投入超过150亿美元。
氦气：不可再生，断供直接停产
2026年初，一件多数投资人未曾留意的事件发生：卡塔尔Ras Laffan的供应扰动导致全球27%-30%的氦气供应受到影响，现货价格在短期内上涨40%-100%。韩国半导体产业对卡塔尔氦气的依赖度高达约64.7%，三星和SK海力士的HBM产线因此面临供应中断的风险。
氦气贯穿EUV光刻、刻蚀、沉积及晶圆冷却等关键环节，具有不可再生且无替代品的特性。半导体行业消耗了全球约24%的氦气，预计到2030年这一比例将升至30%。更严峻的是，2nm制程相比3nm，单位氦气消耗量还将增加约20%。制程越先进，对这种日益稀缺资源的依赖就越深。
虽然三星推出了氦气循环利用系统，台积电先进产线的回收率也达到80%-90%，但这仅能缓解压力而非根治问题：供应源过于集中，且新气源建设周期以年计。
板子上
HBM：供不应求，DRAM价格两年涨了一倍
HBM为GPU提供高速数据传输能力，其供应长期紧张，已成为制约AI服务器出货的核心瓶颈。“内存比什么都缺”成为行业共识。
预计2026年全球HBM市场规模约为92亿美元，至2035年有望增长至近700亿美元，年复合增速超25%。市场由SK海力士、三星和美光主导，其中SK海力士凭借领先产能成为英伟达的核心供应商，三星和美光也在加速扩产HBM3E和HBM4。
正如前文所述，GPU决定算力上限，HBM决定这些算力能否被释放。
先进封装：GPU造出来了，封装排不上队
先进封装将GPU和HBM整合为完整的AI加速器，台积电的CoWoS方案最为主流。即使GPU和HBM已生产完毕，若无法完成封装，也无法转化为实际算力。
台积电CEO公开表示CoWoS产能“极度紧张，2026年已经售罄”。产能已从2024年底的每月约3.5万-4万片提升至2026年目标的12万-14万片，但需求增长更为迅猛。预计2026年全球CoWoS需求接近100万片晶圆，其中英伟达一家占比约60%，并通过长期合同锁定了大量产能。
英特尔则押注EMIB和玻璃基板方案，试图在封装领域与台积电抗衡，ASE、Amkor等封装厂也在同步扩大产能。
板子之间
互联/光子：铜缆跑不动了，光互联接棒
大模型训练需要数千甚至上万块GPU协同运算。单块GPU算力再强，若芯片间数据传输速度滞后，整个集群的实际利用率将被大幅拉低。当前主流的铜缆互联方案正接近物理带宽上限，高速互联芯片和新型架构成为资本密集投入的重点。
光子技术被视为解决互联瓶颈的下一代方案。电信号在长距离和高密度传输中存在信号衰减和发热问题，而光信号在这两方面具备物理优势。硅光子和CPO（共封装光学）有望降低30%-50%的互联功耗，但制造工艺、封装集成及成本控制尚不成熟，产能与AI集群需求之间存在明显缺口。2025年光学互联市场规模约150亿美元，预计2034年可达430亿美元。
黄仁勋几乎投资了所有涉足光互联的公司。自2026年以来，NVIDIA累计投入超过65亿美元用于光子方向：向Lumentum和Coherent各投入约20亿美元，并向Ayar Labs投入5亿美元布局硅光子路线。
板子周围
功耗转换：48V降到1V，传统硅器件扛不住
AI服务器需将48V甚至更高电压，经多级转换降至GPU运行所需的不足1V。传统硅基功率器件在高功率场景下效率低下，GaN和SiC正成为下一代解决方案。
根据onsemi测算，在下一代1MW AI机架中，功率半导体的价值量将从约5万美元翻倍至10万美元。2025-2026年GaN/SiC功率器件市场规模约20亿美元，预计2030年将超过80亿美元，年复合增速超20%。
Infineon收购GaN Systems以补全产品线，Navitas推出面向AI数据中心的GaN电源方案，onsemi、Wolfspeed、STMicroelectronics也在加速扩充SiC产能。
液冷：一个机柜120kW，风冷吹不动了
以NVIDIA GB200 NVL72为代表的新一代AI服务器机柜，功耗高达120kW以上。若仅靠风扇散热，机房所需空间和噪音都将失控，液冷因此成为下一代AI数据中心的标配。
2025年全球数据中心液冷市场规模约50亿美元，预计2035年增长至271亿美元。液冷在新建AI数据中心中的采用比例预计从2025年的约35%提升至2026年底的约55%。
NVIDIA在Blackwell和Rubin平台中大力推动液冷架构，微软、谷歌、亚马逊、Meta等新云厂商也在加速采用。在芯片级散热方面，陈立武布局了人造钻石方向，利用其高导热能力解决高功率芯片的局部热量集中问题。
板子之外
电力：电网跟不上，数据中心排队等电
美国已有大量数据中心项目因电网接入不足而面临延期风险。
亚马逊、微软、谷歌、Meta在2026年的合计资本开支预计达到7000亿美元，其中相当大比例流向AI基础设施和能源配套。由于传统电网扩容速度无法满足需求激增，科技公司开始转向长期购电协议、天然气发电及核电等替代方案。
Leopold认为，硅谷幕后正在上演一场争夺本世纪剩余所有电力合同和每一台变压器的抢购战。他的判断是：AI时代真正的瓶颈不是算法，而是电。
Williams投入51亿美元建设模块化天然气发电设施，GE Vernova的燃气轮机订单积压达100GW级别；NVIDIA通过NVentures投资TerraPower推动小型模块化核反应堆，Stargate项目也在探索核电供能。
相比其他技术瓶颈，电力建设涉及电网、土地及审批流程，建设周期更长，也更难快速复制。
这套框架能用到什么时候
这套基于瓶颈的投资框架能持续多久？关键在于供给何时能追上需求。
从产能建设时间表来看，2027年下半年是首个供给释放节点：SK海力士M15X工厂计划于2027年中投产，美光的新加坡和台湾工厂也瞄准2027年。白毛股神判断光子超级周期也将在此时开始起量。2028年将迎来第二波产能上线：三星Pyeongtaek P5工厂、SK海力士美国印第安纳工厂、美光广岛工厂集中投产。陈立武的判断是：“2028年之前不会有缓解。”
然而，新产能上线并不意味着瓶颈消失。每一代GPU对HBM的需求量都在翻倍，NVIDIA下一代Rubin架构对HBM4的需求将进一步放大；此外，超大规模云厂商已通过长期合同锁定了大量新增产能，开放市场上可获得的份额十分有限。
回顾2017-2018年，DRAM价格暴涨促使三星大幅扩产，资本开支提高50%以上。新产能在2019年集中释放后，价格崩盘，全行业陷入亏损。从产能投入到价格反转，耗时18个月。
本轮的规模远大于上一轮。预计DRAM价格从2025年到2027年将上涨约275%-300%，是2017-2018年涨幅的三倍，且发生在三倍的营收基数之上。SK海力士、三星、美光三家内存厂商的市值均已突破1万亿美元，HBM利润率高达60%-70%，远超传统DRAM。若按同样的18个月窗口推算，2028年底到2029年中将是需要高度警惕的时间段。
真正值得关注的信号是：如果届时AI资本开支增速放缓，而三家厂商的新产能同时释放，供需关系可能迅速反转，瓶颈转为过剩，定价权将从供应商回归买方。
Leopold的操作暗示他已在为此场景做准备。他在做多电力和基建的同时，利用84.6亿美元的看跌期权做空半导体板块。他的逻辑是，一旦AI基础设施建设周期见顶，芯片公司间的激烈竞争将压缩利润率，而电力和物理基建的稀缺性则更持久、更难被复制。
在那之前，这条链路上的供需失衡恐怕还看不到缓解迹象。
以上就是从徐翔到顶级大佬，做空英伟达都靠同一套路疯狂暴富，揭秘顶级空头的赚钱框架的详细内容，更多关于做空英伟达，大佬们都在用同一套路暴富的资料请关注其它相关文章！