夜雨聆风先浮一大白。
本文是【置顶文】大洗牌时代的精神自救指南：用三把尺子，算出你和孩子的下一步里“瓶颈迁移”规律的延伸，也是“产业链上的教育启示”系列的第一篇。
这个系列会用财经眼光，把产业热点翻译成普通人能用的决策参考。
剧个透，文章里提到了π型人才的概念和培养方向，你也可以先直接拉到文章底部瞅一眼。
之前有两篇文章都聊到了闪迪。闪迪一年涨了30倍。孙宇晨：下一个是水电站还是核聚变？你信嘛，闪迪能被高纯氟化氢卡脖子？
文章发出去之后，后台来了三种反馈。
一种是兴奋的留言：看了你的文章，买了中船特气，涨了20%。也有人说买了多氟多，涨停。
另一种渴望的私信说：能不能建个股票群？
还有一种焦虑的私信：我孩子文化课一般，美术和音乐还可以，现在初二了，该怎么选？
三条私信，三种诉求。有人赚了钱，有人想赚快钱，有人在为孩子做长期决策。
我仔细回复了那位母亲。
不是我清高。是我清楚地知道：我这辈子最大的能力，不是教人炒股票，而是帮人做决策。 尤其是帮那些进退两难的家长，想清楚孩子的下一步。
股票群能赚快钱，但那不是我的母题。我的母题是：在AI重新分配权力和财富的时代，普通人（尤其是下一代）应该保持什么样的认知姿态和行动策略？
今天这篇，就是用“财经眼光”这把尺子，回答那个问题的一个切片。
我们回到正题。
闪迪涨了30倍，别追了。但你要看懂它为什么涨——不是因为氟化氢脖子松开了，而是AI算力需求爆发，存储芯片整体供不应求。氟化氢只是产业链上的一个小环节。
那问题来了：下一个“闪迪”在哪？
闪迪的故事不是炒股指南，而是一个“找瓶颈”的方法论演示。那个方法论的核心结论是：AI算力的瓶颈，正在从芯片设计向下游迁移——从GPU，到存储，到先进封装，到电力，再到散热。
你不用记住这些名词。记住四个字就够了：瓶颈迁移。
今天这篇，就是把“瓶颈迁移”这个方法论拆开，告诉你：下一个“闪迪”会在哪出现。以及，这件事对你、对你的孩子，到底有什么用。
第一站：HBM和先进封装
英伟达的H100、H200、B200芯片，算力强到没朋友。但有一个问题。
GPU算得再快，数据从内存搬过来的速度跟不上，它就只能干等。这也是英伟达推出H200的原因——算力够了，但内存不够。
这就好比一个顶级厨师。灶台火够旺，刀工够好，配菜却总送不过来。整个餐厅的效率，不取决于厨师有多快，取决于传菜员。
在AI芯片里，这个“传菜员”叫HBM，高带宽内存。而把HBM和GPU“粘”在一起的工艺，叫先进封装。台积电把这项技术叫作CoWoS。
现状是什么？
台积电的CoWoS产能，2024年大概每月3到4万片。2025年计划翻倍，但还是不够。产能缺口大概20%到30%。这不是预测，是已经发生的供需失衡。
英伟达的B200芯片，用的就是CoWoS-L封装。它的产能爬坡速度，直接决定了英伟达能卖多少芯片。换句话说，台积电的封装能力，正在成为全球AI算力的“脖子”。
那你可能会问：这跟我有什么关系？
你可能不炒股。那换个角度。
如果你家孩子正在选大学专业——你还让他挤计算机吗？计算机当然是好专业，但竞争已经白热化。而“先进封装”背后需要的材料科学与工程、精密机械、半导体物理，这些专业在过去十年被认为是“传统工科”“冷门方向”，录取分数线不高，毕业生去向也没那么光鲜。
可现在呢？全球最顶尖的芯片公司，都在抢封装工程师。台积电、英特尔、三星，都在扩产封装产能。国内的封装厂，订单能见度已经看到2025年底。
我不是让你孩子一定去学封装。我是想说：当一个方向从“冷门”变成“刚需”的时候，那个时间窗口，就是普通人的机会。
别在红海里挤了。去缺口那里等着。
第二站：电力
HBM和封装还不是终点。再往下走，还有一个更大的瓶颈。
一个AI训练集群的耗电量，相当于一个小城市。
OpenAI的GPT-6，预计需要10万张H100。一张H100峰值功耗700瓦，10万张就是70兆瓦。加上散热、存储、网络设备，整个数据中心的耗电轻轻松松超过100兆瓦。
这是什么概念？一个普通的县级市，居民加工业用电，也就几十兆瓦到一两百兆瓦。一个AI模型，吃掉一座小城的电。
全球数据中心用电量，目前已经占全球总发电量的2%到3%。国际能源署预测，到2030年这个比例可能到8%。而全球发电量的增长，远远追不上AI算力的增长。
瓶颈不只是“电不够”，而是“电网扛不住”。
AI数据中心需要的是稳定基荷——24小时不间断、不波动的电力。风电和光伏是间歇性的，晚上没太阳、没风的时候就掉链子。核电站是最理想的基荷电源，但大型核电站建设周期长、投资大。
所以科技巨头们在干什么？
微软花了16亿美元，试图重启三里岛核电站——就是1979年出事故的那个——专供AI数据中心。
NVIDIA和Google一起，向核聚变公司CFS注资8.63亿美元。 这家公司计划在2030年代建成第一个商用核聚变电站。
中国在全球私营核聚变融资里占了34%，是全球最活跃的市场之一。
这对普通人意味着什么？
未来十年，电力系统相关专业——电气工程、能源动力、电网技术——的确定性，可能高于纯软件工程师。
不是因为你孩子要去核电站上班。而是因为AI算力的扩张，必然带来对“懂电”的人的巨大需求。
尤其是“懂AI的电力工程师”——既能理解算力需求的波动，又能解决电力调度和输配的问题。这种人，未来会非常稀缺。
你可能觉得“电力”“能源”是老掉牙的行业。但你想想：十年前，芯片封装也是老掉牙的行业。现在呢？
行业的“年龄”不重要。供需缺口的“大小”才重要。
第三站：散热和液冷
还有一个更不起眼的瓶颈：散热。
H100芯片功耗700瓦。你家客厅的油汀取暖器，也就2000瓦。一个指甲盖大小的芯片，相当于三分之一台油汀。
风冷已经压不住了。液冷成了标配。
液冷就是把芯片泡在特制的冷却液里，把热量带走。这个市场目前的复合增长率超过25%。浸没式液冷、冷板式液冷、喷淋式液冷，各种技术路线都在爆发。
这件事告诉你什么？
任何瓶颈，都是普通人翻身的机会。
液冷本来是边缘赛道。数据中心的散热问题存在了几十年，但从来没有像现在这样紧迫。因为AI算力把功耗推到了物理极限。于是，液冷公司变成了香饽饽。英维克、高澜股份、曙光数创——这些名字你可能没听过，但它们在产业链里的位置，正在变得越来越重要。
你不一定要成为液冷专家。但你可以在自己所在的行业里，找“被AI卡住的地方”。那个地方，就是你的机会。
回到原点
我写这么多，不是让你去炒股票。我是希望，你也好，孩子也好，能从这些纷杂的信息里梳理出关于AI、算力和存储的关系：
AI带来算力需求的爆发，算力需求的爆发直接拉动高性能芯片（GPU等）的出货，进而带动整个上游供应链（材料、设备、封装）的繁荣。
然后能整理出一张资本市场的炒作逻辑不完全示意图
写到这里，我忍不住想表达一个观点，1995 年由哈佛商学院教授 Dorothy Barton提出的T型人才模型已经深入人心了，但是我认为，面对未来，我们的孩子要成为π型人才，具体指的是：横向广度依旧代表跨领域知识整合力，要求通览各方面知识，具备跨学科沟通与协作能力，但纵向变为两根支柱，一根支柱是人文社科的洞察力（懂人、懂行业、懂社会规则），另一根支柱是AI相关的硬技术（懂算法、懂提示工程、懂系统架构）。
在我看来，三把尺子能完美的全覆盖把这几种能力全，所以这也是我为什么用了这么多篇幅在讲似乎和教育没有直接关系的内容，能力的培养在书外，不是一朝一夕。请你记住π型人才的概念和培养方向。
让我们说回到闪迪、HBM、CoWoS、SMR、液冷——其实这些词你记不住也没关系。你只需要带走三句话。
第一句：别追热点，去缺口那里等。
AI最热的方向是GPU、大模型、应用。但这些地方已经挤满了人。真正的机会，往往在“最热的地方往上游走两步”那里——材料、封装、电力、散热。这些方向不起眼，但缺了它们，AI跑不起来。
第二句：瓶颈迁移，是普通人做决策的最高效工具。
如果你在给孩子选专业，别只看计算机和金融。关注封装、材料、电力、能源。这些“卡脖子”的方向，确定性更高，竞争更小。
如果你在规划自己的职业，别去跟风学Python和AI提示词。想想“我的行业里，下一个瓶颈在哪？”然后提前半年往那个方向走。
如果你只是在焦虑，记住：焦虑是因为你在红海里挤。去缺口那里等着。
第三句：看清逻辑关系，思路就会更清晰，你不是在炒股,你是在给π型人才的培养打地基。
闪迪涨了30倍，别追了。下一个“闪迪”，不在热搜上，在产业链的缺口里。
这就是“产业链上的教育启示”系列想做的事——把产业里的“瓶颈迁移”规律，翻译成你给孩子选专业、给自己找方向时的决策依据。
至于这个“依据”具体怎么用，我在【置顶文】里给了两个答案：一个给成人，一个给孩子。你可以去翻翻。
下一篇，我们拆孙宇晨的两端押注。为什么他敢赌20年后的核聚变，也敢买今天的水电站？这和你给孩子的教育配置，其实是同一套逻辑。
今天这一杯，敬所有愿意在缺口里等的人。
推荐阅读：
