最新推文流

分享当前页面赚奖励 把带有你专属邀请码的链接分享给好友。新访客通过该链接进入站点并观看视频，会触发以下奖励： 视频每千次有效播放可产生 1 USDT 收益基数（不足千次按比例计算）。 你作为分享者，可获得新访客所产生收益基数的 5%（即每千次播放约 0.05 USDT）。

所有人都在买GPU和存储。没有人告诉你光模块公司的总市值比美光还低 我想从一个反常识的问题开始：GPU是AI的大脑，存储是AI的记忆。那光是什么？光是AI的神经系统。但神经系统从来不是最先被注意到的。存储已经涨了10倍，GPU更不用说。光的时代，刚刚开始。 1. 先说一个结构性的错误定价 在Nvidia的NVL72机架里，光模块的采购金额占到整个机架的20%。2026年全球AI光收发器市场规模预计从2025年的$165亿增长到$260亿，同比增速超过57%——这是半导体赛道里增速最快的子领域之一。 但所有光模块公司的总市值，比美光一家还低。这个错误会被纠正。问题只是什么时候。 2. 光和存储不一样的地方 存储的接力是季度级别的事件——供需拐点，财报超预期，市场重新定价，SNDK从$200涨到$900，这个过程很快。光的接力是年级别的结构性变迁，因为光的技术路线本身正在发生一次范式转移： 第一阶段（现在）：可插拔光模块 800G → 1.6T → 3.2T 线性增长，随数据中心扩张 第二阶段（2026下半年）：近封装光学NPO 光模块移向芯片旁边 需求非线性跳升 第三阶段（2027-2028）：共封装光学CPO 光引擎直接封装进芯片 这是终局，也是最大的价值重构 Meta在OFC 2026分享了大量数据，证明CPO比可插拔光收发器更可靠，成本更低，功耗更少。Nvidia在GTC展示了CPO将在2027/28年用于Scale-Up互连。5年内所有AI数据中心互连都将是光。 这不是预测，是物理定律。铜在高速率下信号损耗太大，功耗太高，距离太短。光没有这些问题。 3. 光在吃铜，不只是光吃光 生成式AI集群需要比传统云服务多10到100倍的光纤，正在把现有铜互连逼到物理极限。 这是大多数人没想到的逻辑——光的增长不只来自数据中心规模的扩大，还来自光替代铜的渗透率提升。每一代迭代，光吃掉更多铜的市场。这是双重驱动，不是单一驱动。 4. 产业链七个卡位，从上游到下游 现在我来把整条产业链拆清楚。 七个公司，覆盖从最上游的衬底到最下游的网络设备。 🔬 最上游：硅光衬底 $SOI 做的是硅光PIC的衬底材料——整个产业链最上游的原材料。没有SOI的衬底，硅光芯片就没有基础。护城河极高，几乎没有竞争对手能短期内介入。和TSEM形成上下游绑定：SOI提供衬底，TSEM代工成芯片。 🏭 代工层：硅光晶圆厂 $TSEM（Tower Semiconductor）硅光版本的台积电。 今天刚刚发生的重大事件： TSEM宣布签署$13亿的2027年硅光合同，收到$2.9亿产能预付款，2028年还有更大合同在谈判中。计划资本支出$9.2亿专门用于硅光扩产，Q2营收指引$4.55亿同比增22%。 TSEM最聪明的地方在于：它不赌哪条技术路线赢。 可插拔、NPO、CPO，三条路线都用TSEM代工。就算市场对技术路线判断错了，TSEM依然受益。这是光通讯产业链里确定性最高的picks-and-shovels。 💡 激光器层：光的心脏 光模块的核心是激光器。没有激光器，光模块什么都不是。 激光器分两条技术路线： 磷化铟（InP）路线——$LITE（Lumentum） LITE是目前唯一能量产200G每lane EML激光器的供应商，是1.6T收发器的关键零件。Nvidia预先锁定了LITE的EML产能，推迟交货期超过2027年。 Nvidia向LITE投资$20亿，用于加速AI基础设施光学技术。LITE CEO称2026年是激光器芯片销售的"突破年"，刚收到历史上最大的CPO超高功率激光器采购承诺。 LITE的护城河是时间积累的——InP激光器的制造需要极其精密的工艺，20年积累的经验是任何竞争对手短期无法复制的。而且LITE不只押注现在：EML是可插拔时代的命门，ELS外置激光器是CPO时代的命门，OCS光路交换机是未来AI集群的光学路由器。 三个产品线覆盖了光通讯从现在到2030年的完整需求。 硅光（SiPho）激光器路线——$SIVE（Sivers Semiconductors） Sivers专注于CPO系统的高性能InP激光阵列，Jabil合作是第一个商业验证信号，证明技术正在从研究走向真实超大规模部署。 SIVE不是要打败LITE，而是作为CPO时代激光器供应链里的补充供应商——当LITE和COHR产能不足时，SIVE是下一个选项。整个CPO产业的激光器供应严重短缺，补充供应商的价值会被重新定价。 🔭 光学系统层：从组件到整合 $COHR（Coherent Corp） COHR最新Q3财报：营收$18.1亿同比增21%，数据中心和通信板块$14亿，同比增40%。Nvidia同样投资$20亿入股COHR。COHR是整个光通讯赛道里垂直整合程度最高的公司。从InP晶圆到激光器到光模块到系统，全部自己做。COHR正在扩大6英寸InP晶圆产能，这是推动毛利率持续提升的核心驱动力——规模越大，每片晶圆的成本越低，利润越高。 LITE和COHR的关系是竞争者也是互补者： LITE：激光器专家，EML垄断，聚焦 COHR：光学系统整合商，体量更大，更全面 🏗️ 物理基础设施层：光纤和连接 $GLW（Corning） Corning是光通讯产业链里最让人意外的标的——一家成立于1851年的玻璃公司，正在成为AI基础设施的核心受益者。 Q1 2026光学通信业务增长36%，分部净利润增长93%。2028年营收目标$300亿，2030年$400亿，内含年化增速19%。两个额外的超大规模云厂商签署了长期协议。 Nvidia命名Corning为下一代AI基础设施光连接合作伙伴，投资$5亿+最高$32亿股权，在美国建三座专属光学工厂。 Corning做的是光纤、线缆和连接器——不是最性感的产品，但是不可或缺的基础设施。 城市要运转，不只需要主干道，还需要所有的小路、接头、路牌。 Corning做的就是光通讯世界里的所有"小路和接头"。 而且这些"小路和接头"是消耗品——每建一个数据中心都需要，每升级一个机架都需要。 📡 网络层：AI时代的网络基础设施 $NOK（Nokia） Nokia是这七个标的里最被市场误解的。大多数人还在用"翻盖手机公司"的眼光看Nokia。 Nokia 2026营收预期同比增长7.5%，EPS增长21.2%，光网络业务增速20%，AI和云业务增速49%，单季度新增€10亿AI和云订单。 Nokia做的是什么？ 光传输网络（OTN）——把数据中心之间用光连接起来的骨干网络。这是Scale-Across的核心基础设施。 Nokia的第六代超相干光学技术PSE-6s，是目前全球少数能实现800G甚至1.2T长距离光传输的技术之一。 Nokia收购Infinera之后，从"转卖别人芯片的公司"升级为"拥有自己光芯片工厂的公司"——同样的技术路线，市场给LITE估值66.5倍，给COHR估值35倍，Nokia只有30.8倍Forward PE。 这个估值差距是最大的错误定价之一。 七个标的的完整产业链图 最上游 SOI（硅光衬底） ↓ TSEM（硅光代工） ↓ 激光器层 LITE（InP EML，可插拔+CPO） COHR（垂直整合，光学系统） SIVE（CPO激光阵列，高赔率） ↓ 物理基础设施 GLW（光纤、线缆、连接器） ↓ 网络层 NOK（光传输网络，骨干连接） 每一层都有自己不可替代的护城河。 每一层都在受益于同一个趋势。 6. 为什么是现在？ 2026到2027年是在1.6T供应链建立立足点的关键时期，在一线客户的设计导入将决定长期赢家。现在是design-in阶段——产品正在被超大规模客户选中和锁定。等量产阶段到来，市场才会充分定价这些公司的价值。 在design-in阶段买入，等量产阶段收获——这是光通讯投资最好的时机。 7. 仓位逻辑 高确定性（重仓）： TSEM → 今天$13亿合同，产业链里最硬的催化剂 LITE → EML垄断+Nvidia锁定，现在到2028年都受益 COHR → 垂直整合，体量最大，Nvidia $20亿入股 中等确定性（配置）： GLW → Nvidia直接合作，物理基建不可或缺 NOK → 最被低估的估值，但故事兑现需要更多时间 高赔率（小仓位）： SOI → 和TSEM绑定，护城河高但流动性低 SIVE → CPO时代的纯粹赌注 8. 光会接力存储吗？ 会。但不一样的方式。存储的接力是一次性的价格重估——供需拐点到来，几个季度内完成定价。 光的接力是分阶段的持续重估—— 2026年：可插拔1.6T带来第一波 2027年：CPO开始量产带来第二波 2028年：Scale-Up全面光化带来第三波 三波叠加，才是光通讯超级周期的全貌。存储让你在一年内赚了10倍。光可能让你在三年内赚同样多，但过程更平稳，确定性更高。 最后一句话 光通讯不是一个新故事，是一个被重新发现的旧故事。 光纤已经存在几十年了，但AI让这个故事的量级发生了质变。每当数据中心需要更高密度、更低功耗、更远距离的连接时，答案永远是光。 #光通讯# #TSEM# #LITE# #COHR# #GLW# #NOK# #SOI# #SIVE# #CPO# #硅光# #光模块# #AI基建# #数据中心# #存储接力# #Nvidia# #美股# #USStocks# #SiliconPhotonics# #CoPackagedOptics# #EML# #光互连# #AIInfrastructure# #光纤# #Nokia# #Corning# #Coherent# #Lumentum#

昨天刚刚看见 @coinbase 把 @circle 的USDC给“卖给了” @HypeliquidX 。（收益直接归零，全部归属cb和hype） 今天就看见 @TownSquarexyz 的 1亿刀 USD1 Liquidity Pipeline 官宣兄弟们。 关键还是 @monad 上的项目，纯种西方故事？ 稳定币发得再多有个屁用？ USDT、USDC 市值几千亿，结果大部分都和咱们毫无关系，都是Tether和某些不知道的人吃了。 现在就讨论的核心问题就一个：怎么被用？ TownSquare 今天直接甩答案了：通过收购方式，在 Ethereum、BNB Chain、Monad 三大生态建立 1 亿美元 USD1 Liquidity Pipeline。 不是简单买币挂单，而是围绕 USD1 搭一条从机构→零售→AI 代理的完整收益分发管线。（毕竟目前bn上的wlfi的usd1合作就是通过挂单给wlfi） 让 USD1 被持续部署、循环、放大、跨链流动，真正变成跨链、可组合、可产生机构级收益的基础资产。 这波直接把 TownSquare 定位拉满：DeFi 机构策展人 + 链上收益基础设施。 USD1 不再是“死稳定币”，而是会自己生钱的流动收益引擎。 产品就这四个，简单粗暴： 1.Yield Vaults：存 USD1 算法风控拿 6–10% APY，被动躺赚； 2.Lending Vaults：双引擎风控，80%-95% LTV，风险隔离； 3.Loop Vaults：一键 10 倍杠杆，放大收益敞口； 4.Cross-chain Market：零滑点跨链 + 20+ 集成，多链自由流动； ----------------- 而AI Agent 更爽了：TownSquare + USD1 直接给它们一个可直接调用的收益与流动性层。 目前Aster、WorldClawAI 已经在用，未来 AI 满天飞的时候，谁掌握这条基础设施，谁就吃到最大流量。 背景硬：已和 World Liberty Financial 合作上 Monad 并获官方激励，官网跨链借贷已上线，生息库即将上线。 融资背景：目前已经公告的有 Monad、a16z、Aptos、Bonk 等顶级机构支持，新一轮融资还没官宣。 团队背景：团队由来自Coinbase, Meta, Accenture和做市商背景创始。 看起来1 亿刀只是起点，反正USD1 叙事正式升级，能Farm一点是一点了。 闲着也是闲着，能弄点是一点。

the level of narcissism and main character syndrome with these ai basketball game edits is killing me. yes you’re very pretty but you weren’t at a basketball game and no one was zooming in on you. how is this not embarrassing 😭

不得不承认, Hyperliquid @HyperliquidX 现在就是DEX的断档NO.1。 币安 @binancezh 砸了那么多资源给Aster @Aster_DEX ， 结果， $HYPE 市值 $11.59B , $Aster 刚好是个零头， $1.74B。 现在 Coinbase和Circle主动上门， 各质押50万枚HYPE， 且把USDC储备收益的90%交给Hyperliquid， 而Hyperliquid上躺着50亿刀。 算一笔账： 以前USDH只有1亿流通量→年化收益160万刀； 假设现在50亿USDC×3.5%收益率×90%分成→年化1.5亿刀→全部用来回购销毁HYPE。 约等于每日多出 $40 万的回购， 而目前 Hyperliquid 日均回购约 $150 万， 约等于增加26%的回购量，正好约等于今日的20%涨幅。 现在看，这波合作之后， $HYPE 的基本面直接又升了一个档次。 上次和老白 @Wuhuoqiu 聊天，他的定投标的中就有 $HYPE ，而杰尼君的定投标的是 $ASTER ， 说不酸，那是假的，加油啊小A！🥲

第五，拥抱失败并快速迭代。 马斯克并不害怕失败，他更倾向于把失败看成数据和反馈。 火箭试飞爆炸，汽车量产受阻，自动化生产线出问题，这些失败在他眼里都不是终点，而是系统哪里需要改进的信号。 他的逻辑是，如果一件事从来没有失败过，说明创新的力度可能还不够。每一次失败，都能暴露一个问题，每修正一个问题，系统就会变得更强。 第六，跨学科融合知识。 马斯克最特别的地方，在于他能把不同领域的知识放在一起使用。 因为他掌握的是基础原理，所以学科边界对他的限制没有那么强，他可以把软件行业的迭代逻辑用到汽车制造，也可以把物理学，工程学，神经科学放进同一个问题里思考。 当一个人能看透不同领域背后的底层联系，就更容易在别人看不到的地方找到新机会。

第三，把阅读当成生存必需。 马斯克从小就是超级阅读狂。 九岁时，他就读完了整部《大英百科全书》，甚至可以一天读两本书。从工程教材，物理学，神经科学，到科幻小说，他几乎什么都读。 广泛阅读让他能够持续吸收不同领域里最聪明的人留下的思想，也让他建立起一个跨学科的知识库，很多人只在一个领域里积累经验，但马斯克的优势在于，他能把多个领域的知识放在同一个大脑里重新组合。 第四，沉浸式实践。 马斯克不只靠书本学习，也非常重视在真实问题中学习。 他会直接进入现场，在 SpaceX 机库里排查火箭发动机问题，也会在特斯拉产能危机时睡在工厂地板上，和工程师一起解决自动化难题。 这种学习方式让他得到的不只是知识，还有对系统如何运转的直觉，他会亲自动手，向专家不断提问，在解决真实问题的过程中，把抽象知识变成可以使用的能力。

马斯克是怎么做到 快速学习一切复杂知识的？ 他说你并不需要高学历， 只要仿照他的核心学习步驟，任何人都可以轻松学习自己感兴趣的领域。 第一，第一性原理思考。 这是马斯克最核心的思维能力。 面对复杂问题时，他不会直接接受现成假设，也不会盲目模仿别人，而是先把问题拆开，剥离掉所有惯性认知，回到最基础，最确定的事实，然后再从这些事实出发，重新构建解决方案。 比如火箭为什么这么贵？传统答案是航天行业本来就贵。 但马斯克会进一步拆解，火箭真正由什么材料构成？钢铁，铝，碳纤维，燃料本身到底值多少钱？ 当他把问题拆到原材料层面，就发现火箭的实际材料成本远低于行业报价。SpaceX 的思路，也正是从这里开始的。 第二，构建知识树。 马斯克学习新领域时，不会一开始就钻进细节。 他会先搭建最基本的知识框架，也就是树干和粗枝，等核心原理站稳之后，再去补充具体细节。 这样做的好处是，知识不会变成一堆零散信息，而是能挂在一个清晰的结构上，先理解底层逻辑，再吸收细节，大脑才更容易记住，也更容易把不同领域的知识连接起来。

用 goal 看看能不能 one-shot 做完一个完整的项目。主 Agent 使用deepseek/deepseek-v4-pro 避免超限，子 Agent 用 gpt-5.5。 子 Agent 模型使用： - 开发：使用 openai-codex/gpt-5.5（当子 Agent 调用这个模型失败后，fallback 到 opencode-go/deepseek-v4-pro） - 探索、测试等任务：使用 opencode-go/deepseek-v4-pro - 模型回退链路：如果 opencode-go/deepseek-v4-pro 有问题，回退到 stepfun/step-router-v1

用 goal 看看能不能 one-shot 做完一个完整的项目。主 Agent 使用deepseek-v4-pro，子 Agent 用 gpt-5.5。 子 Agent 模型使用： - 开发：使用 openai-codex/gpt-5.5（当子 Agent 调用这个模型失败后，fallback 到 opencode-go/deepseek-v4-pro） - 探索、测试等任务：使用 opencode-go/deepseek-v4-pro - 模型回退链路：如果 opencode-go/deepseek-v4-pro 有问题，回退到 stepfun/step-router-v1