Claus Aasholm 的认知框架 · 思想体系

第一条信念是分析先于预测。Aasholm 常用“I do analysis, not forecasting.”给自己划边界。表面上看，这是谨慎话术；实质上，它要求所有方向判断都必须挂在数据链上。比如判断 2026 年中传统下行不会按旧剧本出现，不能只说 AI 很强，而要同时看云厂 capex、Nvidia/Broadcom AI 收入、材料与封装是否同步、模拟厂是否仍低迷、WSTS 月度数据是否支持总量扩张。他确实会做方向判断，但在表达上把结论降级为“由证据链推出的当前状态”，并给出后续验证和证伪条件。

第二条信念是半导体供应链是一台时光机。设备、材料、产能、库存和资本开支的变化，通常早于下游价格和利润。存储挤压是深研中最典型的案例：2025 年他不是等服务器 DRAM、HBM、DDR5 合约价全面上涨后才讨论短缺，而是从存储设备开支不足、韩国设备销售变化、存储设备占比下降、DDR4 退役和 HBM 抢产能里看到供给侧被锁死。后续价格压力和存储厂毛利修复，成为这个信念的强验证。

第三条信念是跟着钱流，不听顺滑叙事。他拆半导体行业时，会问利润到底留在材料、设备、制造、封装、芯片商还是终端客户。AI 热潮中，最容易犯的错误是把 Nvidia 收入暴涨外推成全链条普涨。Aasholm 的反问是：上游材料是否同步？封装是否同步？TSMC 的 12 寸等效产能和出货量是否真的大增？设备商收入强劲是否只是中国收入占比高、服务收入托底或政策囤货造成？这套问题把“景气”拆成可计量的层级。

第四条信念是周期已经破裂，不是取消。他说“The cycle is broken”不是说半导体再也没有周期，而是说过去那种库存、设备、晶圆、芯片商大致同向的四年节奏不再能解释所有公司。AI/数据中心、传统模拟/混合、成熟制程、中国设备、存储、封装可能同时处在不同位置。因此，他会允许同一时间出现看似矛盾的事实：行业总收入强，出货量增长弱；AI 芯片极强，模拟厂低迷；存储涨价，部分终端需求并不旺。

第五条信念是股东利益胜过市场平衡。深研列出他的原话“They’re not here to serve the market; they’re here to serve their shareholders.”这句话在存储行业尤其关键。传统观点会认为价格上涨会诱发扩产、短缺自然缓解；Aasholm 更关注厂商是否因资本纪律、HBM 高利润、DDR4 退役和战略合同而不愿释放普通 DRAM 产能。换句话说，行业不是为了让买家舒服而运转，而是为了让资本回报最大化。

第六条信念是统计边界本身就是 alpha。WSTS 是否漏 AI compute，自用芯片是否没有进入传统统计，HBM 在 GPU 板上是否造成双重计算，这些不是脚注，而会改变行业总量判断。他的独特性在于把统计问题当作核心研究对象：一旦总量数据越来越难解释结构分裂，真正的研究价值就从“读一个大数字”转向“知道哪些东西没被正确数进去”。来源：本地深研第 2、6、13、15、16 节，Evertiq、Fusion Worldwide、Substack/LinkedIn 公开线索。

Aasholm 的全链路方法可以拆成七步。第一步，先建产业链数据库，而不是先写观点。深研显示，他每个财报季覆盖 400+ 公司、50 个细分段，把收入、COGS、库存、利用率、capex、区域收入和产品分部放在同一张横向地图里。具体做法是把公司按材料、设备、制造、封装、芯片商、终端客户分层，然后比较同一季度谁拿到收入、谁拿到利润、谁只看到库存变化。案例是 Nvidia 收入暴涨时，他不会马上说全链上行，而会检查材料和封装是否跟随、TSMC 产能和出货是否同步、设备商收入是否被中国变量扭曲。

第二步，收入拆量价。收入增长可能来自真实出货量增长，也可能来自 ASP 上升、产品组合变化、合同结构、低成本库存释放或供给受限。Aasholm 常用 COGS、利用率、产能和库存反推真实出货。TSMC 案例里，深研把他的判断概括为：台积电的强可能部分来自受控产能、旧节点淘汰和涨价，而不是简单产能扩张。验证动作包括看 12 寸等效产能、出货量、利用率、先进节点 ASP、旧节点退出节奏；如果收入好看但出货没有同等扩张，就要把增长拆成价格和组合。

第三步，识别时间差。供应链时光机的实际操作，是把设备开支、材料订单和产能建设作为未来 6-18 个月的先行信号。存储挤压案例中，他关注的是供给侧早期信号：存储设备开支不足、韩国设备销售变化、存储设备占比下降、DDR4 退役、HBM 抢产能、三大原厂资本纪律。随后服务器 DRAM、HBM、DDR5 的价格压力和存储厂毛利修复，提供了后验验证。这个流程避免了等价格新闻满天飞后才追认短缺。

第四步，做 ex-China 对照。设备数据如果不剔除中国，很容易把政策囤货、禁运前拉货或区域性投资误读成全球自然复苏。他要求检查 ASML、AMAT、LAM、KLA 的中国收入占比、ex-China 订单、服务收入、后道设备占比。2024 年 ASML 指引恐慌后，他认为市场把成熟市场调整误读成 AI 革命结束；他的拆法是把区域收入、市场成熟度和钱流结构分开看，而不是把一家公司指引直接等同全行业方向。

第五步，拆周期结构。他不会问“半导体周期到底上还是下”这种过粗问题，而是分别看 AI/数据中心、传统模拟/混合、材料封装、设备、成熟制程、存储。2025-2026 年，他的框架从普通周期分析升级为 split supercycle / broken cycle：AI 侧吸走利润，传统链可能仍低迷，设备链还会被中国和服务收入污染。落地时每个分区都要有自己的指标表。

第六步，写出验证和失效条件。比如“2026 年中传统下行不会按旧剧本发生”的验证信号，是 2026H2-2027 WSTS、云厂 capex、Nvidia/Broadcom AI 收入、材料/封装与模拟是否仍不同步；证伪信号是 AI capex 明显刹车且传统链同步下行。存储短缺的证伪信号，是 CXMT 或三大厂激进扩产普通 DRAM，或 AI HBM 需求不及预期释放产能。

第七步，把公开来源持续更新成季度总览。深研建议 standing 采集 Substack、LinkedIn、Evertiq、Fusion Worldwide、关键财报季数据，重点补采《Ripples and Tsunamis》《The Semiconductor Industry Overview》《The Declining Capacity of TSMC》《Commodity, Until It Isn’t》、ASML/Intel/TSMC/存储系列。最终产物不是一句结论，而是每季“钱流地图”：收入增速、COGS/量、利用率、capex、区域收入、统计边界六栏。来源：本地深研第 4、6、8、9、13、18、19 节。

Aasholm 的能力圈首先是半导体全产业链财报横向对比。深研列出的覆盖范围包括 Nvidia、Broadcom 等 AI 计算芯片；TSMC、Intel、三星等制造；ASML、AMAT、LAM、KLA 等设备；美光、三星、SK 海力士等存储；ASE/Amkor 等封装；TI、Renesas、ST 等模拟/混合；中国设备与成熟制程；以及云厂 capex 与数据中心需求。他的强项不是单点爆料，而是把这些节点放在同一张账本里，比较谁拿收入、谁扩产、谁库存异常、谁被区域结构扭曲。

第二个能力圈是设备、材料、制造、封装、芯片商之间的钱流拆解。比如 ASML、AMAT、LAM、KLA 的收入强弱，不能直接等于全行业周期；要看中国收入占比、服务收入、禁运前拉货和 ex-China 订单。TSMC 的收入强，不能直接等于出货量强；要看 12 寸等效产能、利用率、ASP 和旧节点淘汰。Nvidia 收入暴涨，也不能自动意味着封装和材料同步繁荣；需要检查供应链上游是否真的分享利润。这种能力非常适合做产业链页面和季度雷达，因为它能把“AI 很强”拆成层级和归因。

第三个能力圈是存储供给纪律。他的 memory squeeze 判断之所以有辨识度，是因为他把涨价原因从“需求旺盛”改写为“供给被锁死”：前期 capex 不足、DDR4/DDR5 迁移、HBM 挤占产能、战略合同、原厂服务股东而不是服务市场。对 DRAM/HBM 研究来说，这个框架比单纯跟踪合约价更深，因为它要求同时追踪三大原厂 capex 投向、DDR4 退役节奏、HBM 产能占比、CXMT 是否扩产普通 DRAM、AI 客户战略合同。

第四个能力圈是统计边界审计。他会把 WSTS 是否漏 AI compute、自用芯片是否漏计、HBM/GPU 是否双计、分部口径变化和未上市公司缺失写进模型，而不是当成无关脚注。这个能力在 AI 数据中心时代变得更重要，因为越来越多算力采购、云厂自研芯片和封装价值链不一定按传统分类被清楚统计。

边界也必须写清。第一，他不是基金经理，没有可核净值和公开组合回撤。深研明确说判断回测只能说明认知准确度，不代表投资收益。第二，他依赖公开披露，缺少一线工程师网络、亚洲供应链实地信息和私有合同明细。第三，一人覆盖 400+ 公司，广度很强，但不可能像团队化工程研究那样深挖每条产线、每个封装厂、每个客户合同。第四，他本人披露持有所覆盖多数公司的股票，存在结构性多头激励；尤其在反驳 AI 空头叙事、强调 split supercycle 或 memory squeeze 时，要保留利益披露并打折阅读。第五，付费墙和完整数据库不可见处不能擅自补全，公开页面只能使用标题、公开摘要和合法引用。来源：本地深研第 1、5、6、7、8、12、14、18 节。

Aasholm 的 alpha 来源不是内幕消息，而是把公开财报做成横向雷达。市场大多数人读公司，他读链；市场读收入，他读量价；市场读行业总量，他读统计边界；市场读 AI 叙事，他读利润最后沉淀在哪一层。这个差异决定了他的独特价值：他经常能在共识语言还很粗糙的时候，把同一场景拆成几个互相矛盾但同时成立的事实。

第一条变种认知是AI 牛市可以和传统半导体衰退并存。传统投资讨论喜欢把半导体写成一个周期，涨就是全链涨，跌就是全链跌。Aasholm 的 broken cycle 框架说，这种坐标系已经失效。AI 数据中心可能继续吸走利润，Nvidia/Broadcom 等节点保持强势，但模拟/混合、材料、封装、成熟制程可能仍低迷。深研里的金句“This tide does not lift all boats”正是这个意思。这个 alpha 能防止把少数 AI 权重的繁荣外推到所有半导体公司。

第二条变种认知是存储涨价未必等于需求弹性，可能是供给制度变化。普通叙事会说 DRAM 或 HBM 涨价就是 AI 需求好；Aasholm 更关注资本纪律、DDR4 退役、HBM 抢产能和战略合同。他的原话“They’re not here to serve the market; they’re here to serve their shareholders.”解释了为什么原厂不一定会为了缓解客户压力而激进扩产。2025 年 memory squeeze 的价值就在这里：价格结果发生前，供给锁死已经在设备开支、产能迁移和产品 mix 中出现。

第三条变种认知是设备商收入强不一定代表全球周期强。ASML、AMAT、LAM、KLA 的收入如果被中国采购、禁运前拉货、服务收入或成熟节点结构托住，就不能直接写成全球复苏。Aasholm 把地缘政治不是写成宏观观点，而是写成会计调整项：必须做 ex-China 对照。2024 年 ASML 指引恐慌后，他的判断不是“AI 结束”或“AI 没事”这种二元，而是区分 AI capex 延续、成熟市场调整、区域收入和设备链分化。

第四条变种认知是TSMC 的强可能来自受控战略，而非单纯量增。很多人看到台积电收入和毛利强，就自然写成需求旺盛、先进节点满载。Aasholm 会继续问 12 寸等效产能、出货量、利用率、旧节点退出、先进节点 ASP 和客户结构。若收入增长快于出货量，就说明价格、组合、受控产能和旧节点淘汰可能是主驱动。这种思路能防止把财报好看机械地翻译成产业总量扩张。

第五条 alpha 是统计边界审计。当 WSTS 可能漏计 AI compute，自用芯片不进入传统分类，HBM 可能与 GPU 板收入发生双重计算时，研究者如果只读行业总量就会被误导。Aasholm 的独特性在于把“谁没被数进去、谁被数了两次、哪些口径变了”当成核心问题。未来 AI 半导体研究真正的边际信息，可能不在单家公司又说了什么，而在统计系统如何重新定义数据中心、加速计算、自研芯片和封装价值。来源：本地深研第 2、9、12、13、15、16 节，Substack/LinkedIn/Evertiq/Fusion Worldwide 公开线索。

Aasholm 最有代表性的封神之战是 2025 年 memory squeeze。深研没有把它写成一句“看多存储”，而是列出了一组供给侧证据：存储设备开支不足、韩国设备销售变化、存储设备占比下降、DDR4 退役、HBM 抢产能、厂商资本纪律。这里的关键日期是 2025 年：他在存储价格压力全面被市场接受前，已经把短缺从“需求强”改写为“供给被锁死”。随后服务器 DRAM、HBM、DDR5 等价格压力出现，存储厂毛利修复，成为这个判断的结果验证。它封神的地方不是方向本身，而是因果解释更早：价格涨不是简单景气复苏，而是过去 capex 不足和 HBM 结构挤压共同制造了价格权。

这场战役的第一层证据是 capex。存储行业在下行周期中压缩设备开支，短期保现金流，长期却减少可用供给。Aasholm 把设备开支当作未来供给的先行指标，而不是财报脚注。第二层证据是产品迁移。DDR4 退役和 DDR5/HBM 占用产能，让普通服务器 DRAM 和高端 HBM 之间出现争夺。第三层证据是股东利益透镜。深研收录他的原话“They’re not here to serve the market; they’re here to serve their shareholders.”这解释了为什么厂商在价格上涨时未必立刻扩普通 DRAM 产能。第四层证据是后验结果：服务器 DRAM、HBM、DDR5 合约价和存储厂毛利修复，证明供给紧张不是纸面推理。

第二场封神战是 2024 年 ASML 指引恐慌后的结构判断。当市场把 ASML 的成熟市场调整、区域变化或指引压力读成 AI 革命结束时，Aasholm 的处理更细：真正问题是钱流结构、区域收入和市场成熟度变化，而不是一个线性结论。后续 AI capex 延续，说明“AI 没结束，但设备链分化”比简单恐慌更接近事实。这个案例的结果不是某一天股价涨跌，而是框架胜出：设备链必须拆中国、成熟制程、先进制程、服务收入和 AI capex，不能把 ASML 单一指引机械外推到全行业。

第三场封神战是 2025-2026 年 broken cycle / split supercycle。深研写到，他在 Evertiq 等渠道提出历史四年同步周期被 AI/数据中心和传统供应链分裂取代。后续数据里，半导体收入强劲增长而材料/封装几乎不动，模拟/混合制造持续低迷，出货量增长远低于收入增长，这些都支持他的结构分裂框架。2025 年他曾按传统周期律预期 2026 年中附近可能出现周期峰值或下行风险；到 2026 年 5 月，他根据新数据修正为预期中的 2026 年中下行不会出现，AI 热潮跨入下一周期。结果上，这不是一次“永远正确”的神话，而是一次模型自我更新：旧周期框架被新数据推翻后，他没有硬拗，而是把 split supercycle 升级为主框架。

第四个可列入代表战的是 TSMC 受控战略判断。深研把他的强判断概括为：TSMC 增长可能部分来自受控产能、旧节点淘汰、涨价和客户结构，而非简单出货扩张。这个判断的验证指标很具体：12 寸等效产能、出货量、利用率、先进节点 ASP、旧节点退出节奏。如果未来数据证明 TSMC 出货量与产能同步大幅扩张，说明需求量才是主驱动；若收入强而量不强，则 Aasholm 的量价拆解更接近真相。以上案例都只作为研究回顾，不构成任何标的推荐或目标价。来源：本地深研第 9、10、13、19 节，Evertiq、Fusion Worldwide、Substack/LinkedIn 公开线索，公司财报与行业统计。

第一类争议是**“分析非预测”本身带有修辞缓冲**。Aasholm 常说“I do analysis, not forecasting.”，但深研也指出，他实际会做方向判断，只是要求每个判断挂在数据链上。比如存储紧缺可能延续到 2027+、2026 年中传统下行不会按旧剧本发生、TSMC 强势来自受控产能与涨价组合、中国设备购买污染全球周期，这些都不是纯描述，而是可被未来数据证伪的判断。因此，使用他的材料时不能只引用“我不预测”来消除风险，必须登记提出日期、证据链、验证条件和失效条件。

第二类风险是持股披露带来的立场倾斜。深研开头明确写到，他本人公开披露持有所覆盖多数公司的股票，因此不适合写成传统持仓画像，而应写“覆盖范围与代表性判断”。这意味着他天然受益于“半导体复杂且重要”的长期叙事，也可能在反驳 AI 空头时更强调结构繁荣的一面。不是说他的数据不可信，而是用户必须同时保留他自己给出的不利数据：利用率不高、材料和封装未同步、出货量并未大幅扩张、统计口径有裂缝。如果只转述 bullish 结论，就会把带约束的分析误读成单边宣传。

第三类盲点是需求侧和应用层不是他的最强项。他能较好拆制造、设备、存储、封装和供应链钱流，但 AI 应用收入能否长期支撑云厂 capex，并不是他的独家优势。比如云厂持续采购 GPU、HBM 和 ASIC，短期会强化 AI 半导体收入；但应用层商业化、推理价格、企业付费、模型效率和算力利用率，可能需要结合应用公司、云服务、租赁市场和客户 ROI 数据。若未来大型云厂资本开支与 AI 收入脱钩，split supercycle 框架会承压。

第四类风险是公开披露滞后和数据库口径误差。财报季数据天然落后，突发出口管制、客户砍单、产线事故、地缘政策和私有合同变化，可能无法提前进入模型。分部口径变更、未上市公司、自用芯片、HBM/GPU 双重计算、WSTS 漏计 AI compute，也会影响宏观总量判断。Aasholm 会列出这些缺口，但二次传播者如果只拿结论，不拿边界，就会把有裂缝的数据当作确定真相。

第五类争议是广度很强，但细节深挖不可能无限。一人覆盖 400+ 公司、50 个细分段，本身就是强工程量；但这也意味着某些具体产线、亚洲供应链实地信息、客户合同、封装良率和工程节点，可能不如专门供应链团队或一线工程师网络。本站如果把他作为唯一来源，就会低估其他信号源价值。更合理的用法是：用他搭建横向财报雷达，再用公司财报、WSTS/TrendForce、设备商分区收入、DRAM/HBM 合约价、云厂 capex、供应链实地信息交叉验证。

第六类风险是成功案例外推。2025 memory squeeze 的成功不代表所有未来判断都正确。深研提到，2025 年他仍用传统周期框架推过 2026 年中可能见顶或下行；到 2026 年 5 月又根据新数据修正。这是优点，也是提醒：模型能更新，不代表旧判断没有成本。合规使用时必须区分“已验证判断”和“开放预测”，并明确不提供荐股、目标价或交易建议。来源：本地深研第 5、7、10、14、16 节。

**第一件可学的事：任何公司都先放到链上看。**不要从单家公司故事开始，而要问它从谁那里买，卖给谁，利润在哪一层沉淀。Aasholm 的 400+ 公司、50 个细分段数据库，本质上是把材料、设备、制造、封装、芯片商、终端客户放在一张钱流图上。普通研究者不一定能维护完整数据库，但可以为核心节点建立简版表：NVDA、AVGO、TSM、ASML、AMAT、LAM、KLA、MU、三星、SK 海力士、ASE、Amkor、INTC、TI、Renesas。每季记录收入增速、毛利、COGS、库存、capex、区域收入和管理层叙事，然后检查链条是否一致。

**第二件可学的事：收入必须拆成量和价。**Aasholm 的方法不是看收入增长就写景气，而是用 COGS、利用率、产能、库存、出货量和 ASP 判断增长质量。TSMC 案例可以复用：收入强时，继续看 12 寸等效产能、出货量、利用率、先进节点 ASP、旧节点退出。如果出货量没有同步大增，就要考虑涨价、产品组合、受控产能和旧节点淘汰。存储案例也一样：DRAM/HBM 价格涨，要拆成需求增长、DDR4 退役、HBM 抢产能、capex 不足和原厂资本纪律，而不是直接写“需求好”。

**第三件可学的事：周期必须拆结构。**Aasholm 的 broken cycle 框架提醒我们，AI/数据中心、传统模拟、设备、存储、封装、成熟制程、中国采购不再同步。实操上，可以建立六张小卡：AI 芯片看 Nvidia/Broadcom 收入与云厂 capex；存储看 HBM/DDR5/DDR4 合约价与三大原厂 capex；设备看 ex-China 订单和服务收入；制造看 TSMC 产能、出货、利用率和 ASP；封装看 ASE/Amkor 与先进封装能力；传统链看 TI、Renesas、ST 等模拟/混合公司的库存和利用率。这样就不会把一个指数涨跌误读成全行业共同命运。

**第四件可学的事：先写统计边界，再写结论。**WSTS 是否漏 AI compute，自用芯片是否被统计，HBM 是否与 GPU 板收入发生双计，分部口径是否变化，未上市公司是否缺失，这些问题会改变结论。可复用模板是每篇研究前放一段“口径声明”：数据来自哪里，哪些公司未覆盖，哪些收入可能重复，哪些统计落后，哪些判断需要后续补充。Aasholm 的价值正是在于把这些麻烦问题前置，而不是用漂亮图表掩盖。

落地成产品，可以做四个模块：一是“季度半导体钱流地图”，按链条展示收入、COGS/量、利用率、capex、区域收入、统计边界；二是“Memory squeeze 追踪卡”，跟踪 DRAM/HBM 合约价、三大厂 capex、DDR4/DDR5 迁移、HBM 产能占比、战略合同和 CXMT 动向；三是“ex-China 设备周期仪表盘”，单列 ASML/AMAT/LAM/KLA 的中国占比、订单、服务收入和后道设备；四是“AI split supercycle 监控”，同时放云厂 capex、Nvidia/Broadcom AI 收入、材料/封装同步性、模拟厂利用率和 WSTS 月度数据。所有模块都应标注：这是观察框架，不是交易建议。来源：本地深研第 6、7、13、17、18、19 节。