参考文献与 OB 补充

这页把 SemiAnalysis、Stratechery、Citrini Research 三个 OB raw vault 中与半导体知识库最相关的材料筛成一个二级参考库。它不是主数据源；主数据源仍是 24 篇 xray、论点 JSON 和 DAG 边账本。

使用规则

判断标准：一篇 OB 文章只有在能强化“需求 → 工艺 → 架构 → 标的 → 电力 / 政策”链条时才进入核心参考。

OB lens 补强（不是新论点）

这一节是 OB raw vault 对现有 S01-S25 的 lens 补强，不进入 _input/thesis-extraction.json，也不出现在 DAG / panorama。如果某条补强累积足够独立证据并跨多个 xray 确认，再考虑提案为 S26+ 新论点。

速查映射：

L1. N3/HBM 是硬分配层，不只是零部件短缺

SemiAnalysis 和 Stratechery 都把 AI 需求落到同一个机制：TSMC N3 晶圆、HBM、先进封装和客户优先级构成一个联合分配系统。

这会强化 S02 / S03 / S25：2026-2027 的核心问题不是“有没有 GPU”，而是谁能拿到 N3 + HBM 组合。

L2. 自研芯片先威胁 NVIDIA 利润率和议价权，再威胁出货量

TPU / Trainium / XPU 不是立刻消灭 NVIDIA，而是给 hyperscaler 一个可谈判的 outside option。

CUDA / PyTorch、机架系统和部署节奏仍保护 NVIDIA 近期需求；但 Google TPU、AWS Trainium 和 OpenAI / Broadcom 这类路径会压缩长期利润率叙事。

L3. 产品边界从 GPU die 推到 rack-level system

Rubin / Vera / CPX、Blackwell NVL、CPO、800V、电力、CPU 控制平面和 BMC 不是散点。

它们共同说明竞争单位已经从单颗 GPU 变成“机架 + 网络 + 电力 + 冷却 + 软件部署节奏”。

L4. 电力瓶颈拆成三件事：接入、可调度发电、负载质量

AI 数据中心不只需要更多电。它还需要更快的电网接入、可调度的天然气 / 涡轮机 / 变电站，以及能承受训练负载波动的电力质量。

这强化 S15 / S19 / S20：电力已经从成本项变成政策和物理上线条件。

L5. TPU 供应链是第二张 AI infrastructure 地图

Citrini 的 TPU 供应链框架把 Google TPU 从“Google 是否打赢 NVIDIA”转成一张供应商地图：先进封装、HBM、高端 PCB、基板、光交换、功率管理、热管理。

这补强 S13 / S14 / S23，也避免把 TPU 论点写成单公司叙事。

L6. 光互连从优化项变成生存路径

当 scale-out 带宽继续上升，pluggable optics、电互连和传统交换路径会越来越受功耗 / 成本 / 距离约束。

CPO、OCS、silicon photonics、Active LSI 和先进封装会变成 S16 / S17 的下一组关键观察点。

L7. Agentic 需求要看 token 强度和基础设施承诺

用户数不是最好的 AI 半导体需求指标。更好的指标是 token throughput、agent per user、模型竞争强度、capex 锁定、N3/HBM 分配和电力预约。

这补强 S10 / S12 / S24。

核心参考清单

SemiAnalysis

Stratechery

Citrini Research

分层补强位置

后续论点候选