擁有「無法繞過的位置」才最吃香

現時有關人工智能投資世界中，有一個「無法繞過的位置」，意思不是指公司規模有幾大，亦不是因為市場熱度，而是指某些企業站在產業結構中的關鍵節點。要完成交付或要產生實際結果，就必然要經過的公司或技術，這個位置不會因為多了一兩個競爭對手而消失，反而會隨住產業擴張而變得更加重要。

細拆之下，這類位置大致可分為3種：基礎設施型、標準制定者，以及結構性壟斷。例如ASML是最典型例子，先進製程要落地，EUV光刻機在物理層面上無法替代的節點，無論哪一間晶圓廠，只要要推進先進製程，交付路徑就一定要經過ASML。這個位置不是市場選擇，而是工程現實本身已經鎖死。

另外Lam Research(LRCX)亦屬同一邏輯，製程愈先進、結構愈複雜，對蝕刻與薄膜沉積的依賴就愈高，要良率、要可靠度，就必然要經過呢個節點。ASML卡住的是「能唔能夠製造」，LRCX卡住的是「能唔能夠做到良率」。

如果話ASML同LRCX卡住的是晶圓層面，那麼人工智能(AI)世代，CPU卡住的是系統能不能夠被交付。

一台真正可以上線運作的AI伺服器，從來不是只有GPU。標準結構必然包含伺服器級CPU、AI GPU、大量DDR5 RDIMM記憶體，以及主板、電源、高速網路與儲存系統。GPU提供算力，但CPU承擔資料前處理、任務排程、記憶體與儲存管理、網路通訊、虛擬化與叢集協調等底層工作。這些功能無法被GPU取代。

只要AI伺服器出貨量持續擴張，CPU就會被動、等比例地被消耗。AI並不是把CPU用得更猛，而是用得更多。邏輯上，與ASML、LRCX完全一致，不是需求炒作，而是交付路徑已被鎖定。

更關鍵的是，記憶體短缺進一步放大這個結構性卡關。HBM被AI GPU鎖走，標準DRAM產能轉向高容量伺服器模組，只要記憶體未到位，整機就無法出貨。結果市場表面看到CPU「好似不太熱」，實際卻被交付節奏拖慢，而不是需求消失。

當市場把焦點放在GPU世代更替，從Blackwell談到Rubin，容易誤以為一切正走向「純GPU化」。但實際上，Rubin架構仍然保留大量CPU，用於安全、資源調度與整個機櫃的控制。GPU極致化，CPU平台化，才是真正演進方向。

總結而言，ASML、Lam Research以至AI系統中的CPU，本質完全一致。它們不是靠情緒存在，而是被產業交付路徑鎖定。真正投資重點，從來不是追逐最熱名字，而是識得判斷「這個」位置，一旦產業要向前，就必須經開它們才能繞過的公司。