与「光模組」相关的搜索结果

川普访华，英伟达总裁黄仁勋半路上飞机陪同，AI半导体小跌之后继续上涨。 AI概念继续，底层光模块成为下一个百倍机会。 AI算力的「新天花板」已現－GPU再猛，也被資料傳輸徹底卡住！ 從機架到資料中心，銅纜已到極限，光子學正式接管AI互聯命脈！ 雷射、光收發器、DSP、矽光子、光開關、光纖…這些曾經的「冷門技術」，正在成為決定萬億AI集群性能的核心基礎設施！ 📈2025光子學頂級玩家速覽（今年真實漲幅，乾貨拉滿）： $AAOI +430% 超大規模AI光收發器，月產能10萬台，直連Houston&台灣供應鏈 $AEHR +418% 矽光IC燒錄驗證系統，全球大廠排隊，訂單積壓5090萬美元 $LITE +186% InP雷射全球50-60%份額，400G差分EML已量產，訂單超4億美元 $CIEN +149% AI長短距網路核心，1600ZR/ZR+光模組+6.4T光引擎震撼亮相 $GLW +137% 光纖光纜基礎設施王者，Meta簽60億大單，多芯光纖容量暴增4倍 $MTSI +114% 光模組類比晶片龍頭，800G/1.6T全面升級 $COHR +106% InP+矽光+1.6T全覆蓋，400Gbps矽光已實測 $MRVL +101% 光DSP訊號處理大腦，1.6T/6.4T矽光引擎全面鋪開 $CRDO +46% 活躍電纜+光DSP+矽光一體化，7.5億收購DustPhotonics $FN +43% 精密製造底層，泰國+美國產能支撐光模組爆發量產 $ALAB +25% Chip-to-chip光學引擎IP，直接嵌入AI互連平台 $AVGO +24% 光DSP+EML+VCSEL+400G DSP，3.2T→204.8T切換已就位 ⚡光子學不是概念，是AI算力突破的唯一答案！ 錯過GPU紅利的人，這次真的要再錯過光子學萬億賽道嗎？ 把這條乾貨收藏、轉發、拉進你的AI知識庫—— 真正的財富密碼，往往藏在「看不見」的底層基礎建設裡！ #AI# #Photonics# #光子學# #矽光子# #AI基礎設施# #資料中心# #高效能運算# #半導體# #光模組# #AI算力#

非常年輕的傳奇投資人 Leopold @leopoldasch 為什麼砍了 $3 億 NVDA？而把錢全押在電力和礦場 核心邏輯是：他認為AGI 的真正瓶頸不是 GPU 光是電力、GPU 算力、BTC 礦企轉 AI 託管 這三個賽道就佔了大部分持倉 我用黃仁勳的 5 Layer Cake theory 拆解他的持倉 👇 5️⃣ 記憶體 — SNDK 加倉 816%，HBM 佔 AI 支出從 8% → 30% 4️⃣ 光學 — LITE 佔 8.7%，「不管誰的 GPU 贏都要用我的光模組」 3️⃣ GPU 雲 — CRWV call options 加了 672% 槓桿，最激進倉位 2️⃣ 礦場轉 AI — 8 檔佔 22.7%，有電有地換 GPU 就行 1️⃣ 電力 — BE 最大持倉 16.5%，能使用燃料電池繞過電網直接發電 - 最熱的記憶體和內存 - 代表 $SNDK $INTC $MU AI 模型的「工作記憶」每一次推論都需要高速讀寫 DRAM 和 NAND。HBM 短缺已成為 GPU 出貨的限制因子，記憶體佔 Hyperscaler AI 支出從 2023 年的 8% 飆升到 2026 年的 30% 💡 Leopold 在 Q4 把 SNDK 倉位加了 816%，同時用 INTC call options 押注 Intel 的先進封裝能搶到 HBM 封裝訂單。 - 半導體與光學 $LITE $COHR $TSEM $INFY 連接 GPU 叢集的「神經系統」— 光學收發器決定了 GPU 之間的通訊頻寬。800G/1.6T 光模組供不應求，交貨期超過 40 週 💡Lumentum 是最大個股持倉（8.7%），押的是「不管誰的 GPU 贏，都要用他們家的光模組」 - GPU 雲端運算 $CRWV $APLD $WYFI Hyperscaler 自己蓋不夠快，Neocloud（獨立 GPU 雲）填補缺口。CoreWeave 從幣圈公司轉型為 NVIDIA 最大的獨立客戶，已簽下數十億美元合約。 💡CoreWeave 佔組合 17.6%（含 call options），是第二大曝險，Leopold 用 call options 加了 672% 的槓桿，這是最激進的倉位，Neocloud 就是 AI 時代的 AWS - 比特幣礦企轉型的 AI 基礎設施 $CORZ $IREN $CIFR $RIOT $BTDR $HUT $CLSK $BITF 礦場是被低估的「AI 不動產」。比特幣礦場擁有現成的電力合約、散熱系統和土地，轉型 AI 託管的邊際成本極低， 💡8 檔礦場股佔組合 22.7%，是最大的單一賽道，礦場已經有電、有地、有散熱，只需要換 GPU 就能變成 AI 數據中心。Core Scientific 跟 CoreWeave 簽了 $10B+ 的託管合約就是最佳證明。 - 電力 $BE $EQT $SEI $BW $PUMP $LBRT $PSIX 💡 Bloom Energy 是整個組合的最大持倉（16.5%）當電網瓶頸停擺時，它的固態氧化物燃料電池可以繞過電網，直接在數據中心旁邊發電，EQT 則是天然氣供應商 實時追蹤他的 portfolio 👇

老黄点名了下一个将达到万亿美金市值的公司，相比这个Murphy（MRVL的CEO）今天演讲以及他与来黄的对话更值得一看。Murphy用近一个小时的时间，系统阐述Marvell如何押注数据基础设施、为什么光互联将成为AI时代的关键技术，以及这场从铜缆到光纤的转型将如何重塑整个数据中心架构，看完murphy的演讲，相信能对光互联的技术演化有更深的理解和认识，梳理下Murphy的演讲要点： 1、十年豪赌：如何成为数据中心之王 Murphy演讲从一段自我剖白开始。2014年加入Marvell 时，这家公司60%的收入来自消费电子市场，数据中心业务占比不到10%。也正是在那个时刻，他做出了一个大胆的判断——半导体行业的下一个增长周期，将由 Google、Amazon、Microsoft、Meta 等平台公司驱动，核心需求是“以大规模移动、存储、处理和保护数据的半导体技术”。 这个判断在当时并不被广泛认可。“数据基础设施”甚至还不是一个被行业承认的市场类别，只是 Marvell 用来描述未来愿景的内部术语。但 Murphy 和他的团队展现了惊人的执行力：通过一系列精准的并购和剥离，Marvell 在十年间投入了约285亿美元（225亿美元收购+60亿美元内部研发-40亿美元资产剥离），系统性地构建了从毫米到千公里、覆盖 AI 基础设施全栈的连接技术平台。 这些并购包括2018年收购 Cavium 强化计算和网络能力；2019年收购 Avera 建立定制芯片业务、收购 Aquantia 增强连接产品组合； 2021年以100亿美元收购 Inphi 获得世界级数据中心连接技术； 以及最近12个月内收购 Celestica AI 的光子结构技术和 Xcon 的 scale-up 交换能力。 结果是惊人的：Marvell 从2014年的25亿美元营收增长到2026财年预计的110亿美元，最近几年增速更是达到每年40%。根据上周财报电话会议后的华尔街共识预期，2027财年 Marvell 营收将达到164亿美元。更关键的是，数据中心业务占比已从不到10%飙升至上季度的75%以上。 2、连接性：AI 基础设施的真正瓶颈 Murphy 在演讲中抛出了一个核心问题：什么定义了 AI 基础设施的性能？大多数人会想到处理器、GPU、制程节点（3nm、2nm 甚至未来的1.4nm、1.6nm），或者高带宽内存。这些当然重要，但 Murphy 指出，这些都不是系统的决定性特征。 “因为一个处理器，无论它有多快、连接了多少内存，对于今天的 AI 工作负载来说根本不够。你需要数万个、最终是数百万个处理器作为一个单一的大规模计算引擎协同工作。这就是为什么这种规模的计算从根本上是一个连接性挑战。”Murphy 说道，“而且越来越多地，正是连接性的架构和特性定义了系统的性能。” 这个判断得到了英伟达 CEO 黄仁勋的呼应。在 Murphy 邀请下登台的黄仁勋强调，AI Agent 的计算模式是“分解和分布式的”（disaggregated and distributed）——当你把一个计算问题分解成许多部分，并分布到整个数据中心时，连接性就成为必需品。“我们分解和分布式计算，使其运行在这些巨大的集群上，这样我们就能聚合总计算量、总内存和总带宽。而使这一切成为可能的，就是连接性。”黄仁勋说，“这就是为什么 Matt 做得这么好，为什么 Marvell 如此关键。” Murphy 进一步解释了连接性瓶颈的演变逻辑：过去几年，AI 基础设施先后解决了计算瓶颈（英伟达引领的 GPU 革命）和内存瓶颈（HBM 高带宽内存的规模化），现在瓶颈正在再次转移。“现在是连接性将定义基础设施的极限，就像计算和内存一样。”他引用了与最大客户的对话：“世界上最大的超大规模云服务商现在正在重新构想他们的整个网络架构。他们认识到，扩展 AI 基础设施现在首先是一个连接性挑战。” 随着推理模型、专家混合架构（mixture of experts）、生成式 AI 的持续演进，更多数据必须在基础设施中移动，需要更高的带宽和更低的延迟。当工作负载不再适合单个数据中心时，就需要建设更大的数据中心或整个数据中心园区，以及它们之间的所有高速连接。“因此，连接性成为扩展计算的关键推动力，我们的客户越来越认识到光学是前进的方向。”Murphy 说。 3、从千公里到毫米：Marvell 的全栈连接布局 Murphy 用一张图展示了 AI 基础设施跨越的所有距离——从数据中心之间的数百甚至上千公里，到封装内部的毫米级距离。每一个距离都需要不同的解决方案、不同的技术、不同的工程团队，甚至不同的供应链。“这些不是同一问题的变体，而是根本不同的工程挑战。” 1）跨数据中心连接（数百至上千公里） 这需要非常专门的相干调制（coherent modulation）技术，核心是专用的数字信号处理器（DSP）。Marvell 是全球少数几家能够构建这种相干 DSP 的公司之一，已经领导了从100Gbps 到400Gbps 再到800Gbps 的代际演进。Murphy 在现场展示了一个相干光模块实物——这是一个极其复杂的工程产品，包含了 Marvell 最复杂的先进制程 CMOS DSP 芯片、第四代硅光子技术（已量产十年），以及用硅锗工艺设计的自研宽带模拟组件。“今年晚些时候，我们将采样世界上首个1Tbit、2nm 制程的相干光学解决方案。”Murphy 宣布。 2）数据中心内部连接（数百米） 数据中心内部包含成排的计算服务器，每个机架顶部通常有一个交换机，机架级交换机连接到脊柱和核心交换机，通过光纤电缆形成整个数据中心的网络结构。这部分使用的是更节能的 PAM4调制技术。Marvell 构建了业界领先的 PAM4 DSP 解决方案，以及高速模拟组件（包括跨阻放大器 TIA 和激光驱动器），并引领了从25Gbps、100Gbps、200Gbps、400Gbps 到800Gbps 的每一次重大转型。去年，Marvell 开始量产业界领先的1.6Tbps PAM4解决方案。在以太网交换方面，Marvell 拥有从51.2Tbps 到51.2Tbps 的完整产品组合，并在 ComputeX 当天宣布了专为 AI 数据中心设计的新一代102.4Tbps 以太网交换机，具有业界最低功耗。 3、机架内部连接 目标是以全互联（any-to-any）配置连接尽可能多的处理器——每个处理器都能直接与其他每个处理器通信。英伟达的 NVLink 72（因机架内连接72个 GPU 而得名）首次将这种架构推向市场。这需要完全不同的交换类别，以及通过机架内铜背板驱动超高速信号的能力。“今天，这不是光学的领域，这是铜的领域。”Murphy 说。核心差异化因素是电气 SerDes 技术而非光学。Marvell 拥有目前领先的200Gbps 电气 SerDes，并已在过去几年中演示了面向未来的400Gbps 技术，这些 SerDes 被集成到客户的定制芯片、XPU 以及 Marvell 自己的 scale-up 交换机中。 4）封装内部连接（毫米级） 当今最先进的芯片内部有多个 chiplet，2.5D 或3D 封装本质上是一种连接技术，允许这些 chiplet 在封装内非常靠近地放置，并通过超高速短距离 die-to-die 接口通信。Marvell 拥有领先的 die-to-die SerDes 和先进封装能力，使客户能够构建业界最复杂、最独特的多 die 芯片。 Murphy 强调，拥有所有这些能力“在一个屋檐下”是不寻常的、独特的。“当我们去竞争时，通常在每个类别中我们面对的是不同的竞争对手。但这就是我们的独特之处——我们是一站式商店，是整个连接堆栈的领导者。” 4、铜墙将移：光互联的物理必然性 Murphy 演讲的核心洞察集中在一个概念上：铜墙（Copper Wall）。他用一张图清晰地展示了当前 AI 基础设施中的连接分界线——左侧是光学连接（使用光纤电缆传输光信号，两端有复杂的电子设备驱动和调制激光），右侧是电气连接（使用铜缆、PCB 上印刷的铜走线，或封装内部的微观铜布线）。中间是“铜墙”，定义了信号在必须转向光学连接之前可以通过铜传输的最长距离。 “这是一个重要的区别，因为铜很简单、成本低，正如 Jensen 所说，你想尽可能长时间地使用它，这非常实用。但光学更复杂，需要激光器、光子学、复杂的电子设备。”Murphy 说，“而铜墙，我今天要告诉你们的是，它即将移动。它将再次移动，并将接管机架本身。这正在为光学行业创造需求的爆炸式增长。” 这不是偏好问题，而是物理定律。信号通过铜缆传输的距离与带宽成反比——每次带宽翻倍，距离就必须减半。Murphy 给出了具体数据：当今世界上最高速的生产系统运行在每通道200Gbps。在这个带宽下，电缆长度限制在大约1.5米。相比之下，100Gbps 系统可以使用约3米的电缆。而机架的高度约为2米，考虑到机架内部的所有布线，2.5米正好是极限。“所以当我们转向1.6Tbps 时，我们不能再用铜完全连接机架了。墙正在移动，而且是现在。” Murphy 强调，这不是遥远的未来：“今后，即使是机架内的连接也将变成光学的。整个行业都知道这一点即将到来，所以我们一直在为这一刻做准备——不仅仅是 Marvell，而是整个行业。你可以在台湾看到这一点，在供应链和正在发生的产能爬坡中。” 铜墙每向右移动一步，连接数量至少增加一个数量级。“这正在创造我提到的需求爆炸，光学供应链需要大规模扩展并做好准备。”Murphy 回顾了20年前的类似转型：当时数据中心内部的最先进技术是10Gbps，整个数据中心都使用铜缆，光学基本上只是电信技术，保留用于非常长的距离。但当墙移动时，光学行业迎接了挑战，今天世界上所有的超大规模数据中心都是光学连接的。这次转型催生了新的解决方案——针对数据中心内部优化的 PAM4技术，而 Marvell 是那里的关键创新者之一。 5、CPO：光互联的下一个前沿 当光学进入机架内部时，需要的新技术叫做共封装光学（Co-Packaged Optics, CPO）。Murphy 花了相当篇幅详细阐述这一技术：“CPO 是一种将光学连接一直带到封装本身、紧邻计算的技术，无论是定制计算还是交换芯片。” CPO 要解决的根本挑战是密度和功耗。机架内的连接数量是机架之间连接数量的10倍。“如果我们只是尝试使用数据中心机架间使用的相同光学技术，你不会有足够的功率，不会有足够的物理空间，无法容纳所有这些标准光学模块和电缆——这根本行不通，不可能。”Murphy 解释道。 CPO 的概念是将光纤直接带到封装，将驱动光纤信号的电子设备与定制计算或交换芯片紧密耦合。“这是一个巨大的变化，而且很难，因为你要结合芯片行业中一些最先进的技术：领先制程 CMOS、硅光子学、先进封装、光互连，所有这些都在一个小型紧密集成的系统中制造。复杂性非常高，但这是继续扩展带宽并克服我谈到的铜限制同时降低功耗的唯一方法。” Murphy 强调这不是未来主义的东西，而是正在发生的现实。他在现场进行了实物展示：一边是传统的以太网交换机——当天宣布的102.4Tbps Teralink 交换机，可以看到板中央的交换芯片，PCB 内部的铜走线将信号传输到前面板，所有光学模块都插在那里。另一边是基于 CPO 的交换机——封装中央仍然是交换芯片（51.2Tbps 交换机），但边缘周围是16个3.2Tbps 光学引擎。“16乘以3.2，你得到51.2Tbps。所以光纤现在直接连接到这些引擎，而不是前面板。我们完全消除了 PCB 上的铜走线。光直接从封装中出来。这是一个非常非常复杂的工程作品。”Murphy 说。 Marvell 为 CPO 投入了十多年：硅光子学、光学 DSP、所有周围的模拟宽带组件，以及实现这一切所需的所有先进封装。“这一切实际上都需要在 CPO 中汇聚。”Murphy 说。 6、英伟达的背书与 NVLink Fusion 合作 Murphy 特别强调了与英伟达的战略合作扩展。几个月前宣布的合作中，英伟达向 Marvell 投资了10亿美元，双方正在扩展跨多个维度的合作，包括光学、光子学和 NVLink Fusion。黄仁勋亲自登台与 Murphy 对话，这本身就是一个强有力的信号。 黄仁勋详细解释了 NVLink Fusion 的战略意义：“有时候，也许云服务提供商想要设计自己的定制芯片。在我们之间，我们也在 NVLink Fusion 上合作，这使得你可以使用相同的系统架构，内部有 Marvell 的一些半定制芯片、大量互连、硅光子和光学技术。我们可以创建一个本质上分解、分布和异构的数据中心。” 关键是系统架构保持一致。“他们的网络技术可以利用大量英伟达的堆栈。CPU 可以是 Vera，但它可以利用大量你们的堆栈。所以 NVLink Fusion 是关于采用英伟达的技术和我们的平台、Marvell 的技术和平台，然后我们融合它。这就是为什么它被称为 fusion。”黄仁勋说。 Murphy 追问了铜到光学的转型时间表。黄仁勋的回答非常务实：“我们应该尽可能长时间地使用铜，但铜有其限制——带宽和距离的限制。所以最终正确的策略是：尽可能长时间地用铜进行 scale up。之后，用光学进一步 scale up，用光学 scale out，用光学跨越连接。所以你在必须的地方使用光学，在可以的地方使用铜。” 但黄仁勋随即给出了乐观的市场预测：“底线是，在未来五到十年，我们将使用大量的铜，也将使用大量大量的光学。这些数据中心现在是基础设施的一部分。我说 AI 现在有用、有用的 AI 已经到来的原因是，现在 AI 是有利可图的，token 是有利可图的。当 token 生产有利可图时，每个人都想制造更多 token，这就是为什么 Marvell 的需求如此之高，我们的需求也如此之高。因为每个人都想生产更多 token，因为它被 Agent 到处使用。” 7、无距离数据中心：光互联的终极愿景 Murphy 在演讲的最后部分描绘了一个激进的未来愿景：他当数据传输全部变成光学时，距离实际上不再重要。“这是一个深刻的变化。”说。 今天的服务器、机架和整体数据中心架构都是围绕距离的约束设计的，软件工作负载也围绕这些相同的约束进行了优化。但如果距离不再重要呢？ 首先，scale-up 网络的规模可以从72个或144个 XPU/GPU 扩展到1000个或更多，全部光学互连。“对工作负载的影响是巨大的。今天，AI 工作负载必须分解成适合 scale-up 集群的更小子问题，因为在集群外部通信今天更慢、带宽低得多。但光学互连系统可以管理数量级更大的工作负载。” 其次，服务器本身可以被解构。现代 AI 服务器由一定数量的 CPU、XPU、内存和网络接口组成，它们都在同一系统上的原因是距离——CPU 和 XPU 需要以非常高的带宽访问内存，这意味着它们需要紧挨着坐在板上，铜走线作为它们之间的连接。“但在这些连接都是光学的未来，距离实际上不重要。你可以想象一个完全解构的架构——XPU 在一个系统中，内存在另一个系统中，巨大的 CPU 在另一个系统中。” 这解锁了另一种可能性：今天系统中 CPU 和 XPU/GPU 的比例是固定的，必须在系统构建和部署时定义。但没有两个工作负载需要完全相同的比例，这意味着在任何给定时间，计算或内存的某些部分可能未被充分利用——这要花钱。“但一旦我们将系统分解为独立的计算池和内存池，并且它们都是光学互连的，我们就可以动态组合专用系统，然后针对任何工作负载进行优化。” Murphy 的终极愿景是“全球光学互连的数据基础设施”：“我们今天拥有的这些系统中的刚性边界开始消失。计算现在可以被池化，内存可以被池化，基础设施可以大规模动态组合。架构师第一次可以开始围绕模型的需求设计 AI 系统，而不是围绕互连的限制。” 他将这个愿景命名为“无距离数据中心”（data center without distance）：“计算、内存、网络和光子学作为一个统一系统运行，数据中心中的数百万资源可以像一台机器一样协同工作，一个由工作负载需求定义的架构，而不是连接性的限制。我们相信这是计算基础设施的下一个时代，Marvell 正在帮助构建使这一切成为可能的连接基础。” 最后再多说点， Marvell的核心竞争力集中在两个细分领域。 1、定制芯片（ASIC/XPU）设计。 Marvell与博通是全球两大定制AI加速器设计巨头。大厂自研芯片的趋势正在加速——比如微软的Maia 200推理芯片、亚马逊的Trainium系列，背后都有Marvell的参与。TrendForce的预测数据值得留意：2026年定制AI芯片销售增速预计为45%，而同期GPU的增速仅为16%。不是GPU不行，而是超大规模云厂商在推理端的成本压力正在推动它们加速自研定制方案。 2、数据中心互连产品线。 这是Marvell更深的一条护城河。根据其财报，光学互连产品收入保持两位数季度环比增长，数据中心交换机业务预计2027财年将突破5亿美元。Marvell过去十年通过一系列并购累计投入约360亿美元，围绕连接搭建了涵盖定制芯片、高速交换器、光模块、硅光子和先进封装的完整技术平台。

中国残酷前行 08-03 23:44 阅读 15511 中国残酷前行 坊间有人评论桑弘羊之问，剖析的角度却偏到另外一边，那就是霍光最终族灭。 秦制以来，古代王朝的贤臣有好结果的不多，霍光族灭，张居正近似族灭。 我们谈一谈现代社会，到了二十一世纪的第三个十年间，世界上对中国的看法已经分歧严重。 这主要是中国的工业化与城市化突飞猛进，制造业比例占全球30%。 美国和欧洲却从制造业飞速退缩。 我曾打草稿想写一本书，名字都起好了，叫做《民主的泥沼》。 这几年家事太多，没有来得及些，只写了很多碎片状的评论，发在X上，引来巨大的争议。 直到美国的硅谷右翼彼得蒂尔帮公开了他们的观点，谈及黑暗启蒙的叙事，抨击美国自身的工业堕落，与日常经济发展的惰性。 再到左翼学者写了《丰裕》一书，抨击民主党政策带来的经济危害和对国民福祉的实质性损害。 坊间才慢慢跟进认可的人。 举个例子来说，为何美国的实体经济堕落？ 比如说民主党的口号是惠及底层贫民的，但他们的实质行为却是损害底层的。 民主党政府投资的廉租房和救济用房，往往建筑成本是市价的两倍，且建设周期长达十年左右，甚至无法建成。 这是因为民主党需要把工会、环保、女权、性别平等塞进一个项目里，建筑公司要多少女性，工会必须介入，环保必须符合动物保护主义、地球保护主义、能源环保主义、植物环保主义等等标准。 然后把救人的初衷忘记了，每一个既得利益团体都往里加仓私货。 如果你还不能理解欧美发生了什么，举个日本医疗界白色高塔时期的例子。 日本医疗界在90年代追求完整的手术流程，而在病人遭遇重大伤害时，这套流程仍顽固的左右医生的行为。往往医生完整的执行完手术规范后，病人已经死了。 手术是成功的，病人死了。 这一套模式也在天灾人祸时，尤其是大地震期间，造成无数的受灾者死亡。 西方实际上就是走到了这一步。 他们的高科技产业非常发达，因为在非制造业领域，思想、设计、管理、融资、营销等等摆脱了工会、市政、环保、性别平等等等的大部分困扰，当然也有，但是起码不会左右整个创新公司的发展。 大家回顾近些年，比如马斯克本人面对的各种状况，工会对特斯拉工厂的干涉，环保组织对spacex发射的困扰。 他用上海工厂摆脱了部分困扰，spacex最终没有受到环保组织的阻挠，还得归功于其基地设立在德克萨斯州。 一些想在美国开厂的企业主，实际上不得不面临美国各种各样的诉讼，包括街区对企业用电的阻挠，对建筑模式的各种要求，竞争对手私下用政治力量在这种游戏规则内的打击等等。 所以，左翼的有识之士也在思索，美国制造为何死了。 从0-1仍旧是美国的强项，金融业、医疗产业、文化产业、高科技产业仍旧是美国的高盈利板块，叠加美元的铸币税地位，仍旧保证美国从全球获得廉价商品。 但是一旦牵扯到重大的关键产品，美国就受制于人。 回到中国的发展，实际上是1-100的发展极其强大。 我们追溯中国二千年以来的历史，儒家文明的士大夫集团是极其务实的精英团体，他们用儒家的外表来涂抹意识流，以仁义道德来教化民众，以君臣父子来构建等级观念，同时以法家来治国。 这套模式会被皇家、宗室、士大夫三个婆罗门阶层寄生，从而导致权贵不交税、财政失衡、压榨商人与自耕农、走向周而复始的毁灭。 其治理模式导致贤臣必定要向商人和自耕农首先开刀，但试图维持平衡，因而磨刀霍霍向自己的阶层和宗室开刀。 只要后面的动作一开启，贤臣在丧失权力之后，身死名灭加上家破人亡，就是注定的了。 所以桑弘扬三问，就循着财政平衡，国家灾难时期怎么办，中央与地方如何平衡。 往往到了王朝的末期，既得利益集团全部是门户私计，完全没有国民与国家利益。 这就是崇祯想要宗室与士大夫捐款，一毛不拔，却在李自成攻破城墙后，榨出7000万两白银的结果。 皇室有理解桑弘扬三问的，会自己替代贤臣的角色，去向宗室、士大夫磨刀搞钱，结果就是雍正皇帝为康熙补窟窿，为儿子筹集财富，却自己死于莫名其妙。 如果王朝既没有贤臣也没有清明的皇帝，权贵们大规模垄断商业，土地兼并，流民造反和北方的蛮族就下来把整个王朝颠覆了，人口大损减。 黄巢一夜之间就把长安公卿杀尽，长达千年的家族覆灭了。 而你 从社会科学家的研究报告，发现高达七成的普罗大众在三代之后已经没人了。 所以有人说这样一套系统里没有赢家。 我从另一个角度来看，中华文明始终敞开心胸接纳所有的外来文明，无论是文化还是技术。 最终形成自己的生存之道。 中国这个系统的特点是集体主义的泯灭个人的进化权，只有集体的生存权。 系统里的每一个人，从皇帝、士大夫、平民到山贼，都是这个混沌模型里不可或缺的一环，或供养，或纠偏，或毁灭。 系统每一次的颠覆、荡涤、兴亡，都是为了重启。 系统骨子里的架构从未改变。 这个系统天上缺乏0-1的创造力，但是可以在任何文明有了0-1的创造之后，用1-100的模仿与发展能力，做到出类拔萃，从而维系庞大系统的生存，并牺牲掉所有可以牺牲的个体，是所有的个体，从皇帝到天涯尽头的小民。 这个王朝曾经有一句话，普天之下，莫非王土。 所以古代小民被禁锢在土地上，终生没有走出自己的村庄、乡镇。 所以士大夫不知天下有无数他土，故此在失败时，就会交出身家性命，家破人亡。 因而士大夫的政治博弈是以性命相搏，有的为了财富，有的为了理想，有的为了忠于皇帝，有的为了家族。 在桑弘羊三问下，实际上王朝初年财富的增量时代，到存量经济的垄断时代，就是每个阶层逐渐被压榨的过程，是一个重新分配的过程。 一旦勋贵拒绝分配，榨取商人与自耕农，王朝也就到了末年，这些财富储备毁于流民大乱与外族入侵。 周而复始。 现代社会的中国，其实并未摆脱自己文明的骨架。 所有的学者如果仅仅是基于苏联体制来剖析中国，或基于资本主义与社会主义剖析中国，都会大错特错。 只不过全球构建的税务体系与技术体系，又帮助中国实现了普天之下莫非王土，所有曾经在中国出生的人，都终将是中国的臣民。 因此中国比古代王朝能够更进一步获得普天下的财税，来弥补财政失衡，并集中一切力量，去完成1-100的高科技发展与制造业升级换代。 只不过没有足够的消费，因为国强不等于民富，两头在外的发展模式，即使到了极致，最终廉价商品被美国拿走，国家有财政收入，利润被垄断平台拿走，剩下的普罗大众与中小微企业仅有维持生活的流水。 新的土地兼并模式形成了。 继续进入桑弘羊三问。 ....... 但中华文明会持续的，哪怕到本世纪末只剩下五六亿人口。 我们会周而复始的发展一万年。 发布于 泰国

做了一个多参考图测试，一共上传了27个参考图，人物的服装开始乱了，cz的服装从前面几个场景就没对过，长视频多场景下人物一致性还是个问题。😂 prompt：生成一支时长30秒、16:9横版、电影级质感的浪漫时空穿越品牌短片。 【核心故事】 女主何一穿越六个时代和世界，不断寻找同一个男人CZ。 在每个时代中，两人的身份、服装和环境都会变化，但始终保持同一张脸、同样的身体特征和人物气质。 女主手中始终握着一枚半边金色几何吊坠。这枚吊坠是完整币安几何标志的一半，造型极简、固定、清晰，在所有时代都保持完全相同的形状和大小。 何一每次都能看见CZ，却总是因为宫门、人群、盾阵、火车、舞者或空间变化而错过。 音乐、剪辑和摄影机运动不断加速，直到第五个游戏未来世界达到最高强度。 最后，何一穿过像素石门，来到卡帕多奇亚山顶。CZ手捧由黄色币安标志形状花朵组成的黑色花束等待她。 两人视线相遇时，所有快速鼓点和高速摄影机运动突然停止，音乐变得平静，只剩晚风、呼吸和柔和钢琴。 CZ将另一半金色吊坠交给何一，两半自然拼合成完整的币安几何吊坠。 最终两人并肩望向灯火山谷，画面切黑，出现主题： “何必东奔西走，币安全部都有。” 【人物统一要求】 女主何一严格参考上传的人物参考图。 成年东亚女性，长黑色微卷头发，面容柔和、自信、优雅，身材修长匀称。必须保留下唇下方靠近下巴位置的明显小痣。痣的位置、大小和颜色在所有时代、所有角度中完全一致，不得消失、移动或增加其他痣。 何一的脸型、眼睛、鼻子、嘴唇、发际线、肤色、年龄和身材比例必须在六个时代保持一致。服装、发型造型和环境可以变化，但不能改变人物身份。 男主CZ严格参考上传的人物参考图。 成年东亚男性，短寸头，戴细金属框眼镜，脸型偏瘦，下颌线清晰，神情沉稳、克制。所有时代必须保持同一张脸、同样的眼镜、同样的发型和年龄状态。不得去掉眼镜，不得改变脸型，不得过度年轻化。 【总体视觉风格】 高级电影预告片与浪漫史诗短片风格。 真实历史场景部分使用写实电影摄影；游戏未来世界部分完全变为统一的方块像素马赛克风格；最终卡帕多奇亚恢复为真实写实风格。 全片颜色以深绿色、黑色、金色和黄昏蓝灰色为主。 禁止廉价科技广告感，禁止漂浮UI、数据动画、粒子传送门、能量光圈、霓虹文字、地图飞线、Logo发光、城市灯光组成Logo。 所有时空转场通过真实摄影语言完成： 开门、拱门、人群遮挡、盾牌遮挡、蒸汽、火车车厢、舞者旋转、镜面、像素石门、运动匹配和前景遮挡。 摄影机不能大部分静止。全片使用电影化动态跟拍、半环绕、FPV式贴身穿行、低机位追踪、快速升降、越肩超越和大弧线回旋。 FPV运镜必须平滑、稳定、有空间层次，不要剧烈翻滚，不要游戏眩晕感，不要无意义高速飞行。 【音乐节奏】 0至4秒： 节奏较慢，约70 BPM感受，使用低沉鼓声、古琴或东方弦乐、轻微心跳感。 4至8秒： 加入战鼓、金属敲击和弦乐拨奏，节奏开始加快。 8至13秒： 火车轮轨声融入鼓点，音乐进一步加速，紧张感上升。 13至17秒： 古典舞曲与现代电子节拍融合，剪辑频率明显提高。 17至24秒： 进入游戏未来世界，鼓点、快速弦乐和电子低频达到最高密度，约135至145 BPM感受。 24至27秒： 最后冲刺，音乐持续上升，在何一跨出石门和CZ转身的一刻突然全部停止。 27至30秒： 只保留真实风声、轻微呼吸、一颗柔和钢琴音和极轻弦乐长音。 【30秒详细时间轴】 0—4秒：清朝皇宫 清晨薄雾中的清朝皇宫内院。 红墙、琉璃瓦、朱红宫门、石板地面和宫灯形成深远构图。 何一穿墨绿色与浅金色结合的清代格格服，头戴精致但克制的旗头，长黑发部分自然垂落。她手中紧握半枚金色几何吊坠，快步穿过宫廊。 摄影机从她左后方低机位跟拍，缓慢绕到右前侧，捕捉她焦急寻找的眼神。 远处，CZ身穿深墨绿色、黑金色清代将军服与精致甲胄，腰佩长刀，正准备离开。 两人隔着朱红宫门短暂对视。 何一加快脚步，CZ回头看她。 宫门在两人之间缓缓关闭。 摄影机贴近何一，从她肩旁越过，抢先穿过即将关闭的宫门。 门板完全遮满画面，作为转场。 4—8秒：古代罗马 门打开后，场景直接变成古代罗马石柱广场。 何一跨出门框时，服装自然变为古罗马公主造型：象牙白长裙、深绿色披肩、简洁金色头饰。吊坠仍握在同一只手中，形状完全不变。 CZ变为古罗马战士，穿青铜胸甲、深绿色披风、皮革护臂与战靴，保留眼镜与短发。 何一在人群和石柱之间看见CZ，向他跑去。 摄影机从她侧面平行追踪，再环绕至正面倒退拍摄。 一队举盾士兵从镜头近前横向经过，盾牌完全遮挡画面。 遮挡移开后，CZ已经转身走向远处战阵。 何一继续追赶，摄影机沿地面低空滑行并穿过罗马石拱门。 石拱门暗部填满画面，转入下一时代。 8—13秒：民国抗战时期火车站 穿过拱门后，场景变为1930至1940年代中国火车站。 阴天、蒸汽、湿润站台、老式蒸汽火车、站台柱和行李车。 何一穿白色立领学生衬衫、深绿色及小腿长裙、黑色学生鞋，背着朴素布包，长发整理为自然低马尾或双辫，但脸与下巴痣完全一致。 CZ穿灰绿色抗战时期士兵制服、军帽、军用腰带、绑腿和军靴，保留眼镜。 CZ已经登上军列。 何一在人群中快速奔跑，镜头先贴地拍她的鞋和裙摆，再迅速升起至侧面中近景。 火车开始移动。 两人隔着车门和车窗看见彼此。 CZ把手贴在车窗内侧，何一抬手回应。 进行快速蒙太奇： 何一奔跑的脚； 火车轮转动； CZ侧脸； 何一手中的半枚吊坠； 车厢柱连续遮挡； 远去的火车尾部。 火车蒸汽涌向镜头。 一辆行李车从近处横穿，完全遮挡画面。 行李车离开时，场景变成欧洲舞厅。 13—17秒：欧洲古典舞会 华丽但高级克制的欧洲古典舞厅。 水晶吊灯、金色墙饰、巨大镜面、木质舞池和旋转舞者。 何一穿深翡翠绿色丝绒古典礼服，优雅盘发，保留下巴痣。 CZ穿深绿色与黑色古典燕尾礼服、白色衬衫、金色细节，戴原本的细框眼镜。 两人站在舞池两端，隔着舞者看见彼此。 摄影机围绕何一进行约270度动态环绕，舞者沿反方向旋转，形成对冲运动。 何一与CZ同时向彼此走近。 两人的手即将接触。 一对舞者从镜头前旋转经过并完全遮挡。 遮挡结束后，CZ不在原位，只在巨大镜面中出现短暂倒影。 何一立即转身走向镜子，手掌触碰镜面。 摄影机快速推进镜面。 镜面材质逐渐变为方块像素表面，不出现光圈或粒子。 17—24秒：游戏内未来世界 整个场景、人物、环境、道具和摄影质感全部变成统一的《我的世界》式方块像素马赛克风格。 禁止写实人物出现在像素环境中。 何一变成方块像素游戏角色，仍保持长黑发、下巴痣的像素识别点和相同脸部特征。穿绿色、黑色和银灰色像素未来战斗服，包含方块护肩、护腕、腰带和长靴。 CZ变成黑色与金色像素未来战士，保留像素眼镜和短发。 场景为规模宏大的像素未来城市： 方块高塔、悬浮平台、像素桥梁、金色灯块、冷蓝能量建筑、移动平台和远处巨大像素石门。 音乐和剪辑达到最高速度。 何一持续追逐CZ。 摄影机使用平滑FPV式运动： 贴近何一左侧飞行； 绕过方块高塔； 从悬浮平台下方穿过； 迅速升起至何一前方； 倒退拍摄她奔跑； 从像素人群间穿行； 贴地追踪方块长靴； 绕何一进行快速360度环绕； 再越过她肩膀追向远方CZ。 快速动作蒙太奇： 何一跳过方块断桥； CZ在下一层平台回头； 移动平台横移； 何一推开像素铁门； CZ消失在另一道门后； 吊坠以像素金色形态短暂出现； 巨大像素石门在远处开启。 何一冲向像素石门。 摄影机正面倒退拍摄她奔跑，随后侧滑让她超过镜头，再从背后快速追上，从她右肩上方越过，先一步穿过石门。 24—27秒：像素世界转入卡帕多奇亚 摄影机穿过像素石门后，首先看到真实的卡帕多奇亚黄昏山顶。 转换必须通过门框遮挡和同一动作匹配完成，不使用传送光效。 何一跨出门槛： 第一步仍为像素战靴； 第二步变为真实裸色高跟鞋； 身体跨过门框时，像素绿色战斗服自然恢复为现实中的橄榄绿色细肩带修身长裙； 方块长发恢复为真实柔软的黑色长发； 脸部恢复写实，并保持原本五官和下巴痣。 摄影机在她前方快速倒退，然后大弧线绕到她身后。 卡帕多奇亚山谷、岩石地貌、洞穴建筑、蓝灰云层与温暖灯火展开。 何一气喘着停下。 音乐仍保持最后上升。 远处CZ背对她，站在山崖边。 27—30秒：终章相遇 CZ穿简洁高级的黑色或深灰色现代夹克、深色长裤和黑色鞋，保留短发与眼镜。 他手中捧着一束真实可手持尺寸的黑色花束。 花束使用哑光黑色包装、少量白色小花和绿色配叶。主花全部设计为黄色币安标志形状的实体花艺装置，但仍保持花束层次和高级花艺感，不发光，不悬浮，不做巨大Logo轮廓。 CZ听见脚步，缓慢转身。 就在两人目光相遇的一瞬间： 所有鼓点、电子音、快速弦乐和高速运镜突然停止。 只留下晚风、何一轻微呼吸和一颗柔和钢琴音。 摄影机从何一肩后缓慢推向CZ。 CZ轻声说： “你终于来了。” 他走近并将花束递给何一。 何一接过花束。 CZ从花束中取出另一半金色几何吊坠。 何一拿出自己手中的半枚。 两枚吊坠在两人手中自然靠近，真实拼合成一枚完整的金色币安几何吊坠。 拼合过程不发光、不悬浮、不产生能量波，必须像真实磁吸首饰一样自然完成。 摄影机进行极慢的180度双人环绕： 先拍CZ侧脸与何一背影； 再拍两人双手与拼合后的吊坠； 继续绕到何一正侧面，清晰捕捉下巴痣、眼神和释然微笑； 最终移动到两人背后。 两人并肩站在山顶，面向卡帕多奇亚灯火山谷。 摄影机缓慢升高并拉远。 最后约0.8秒自然切黑。 黑色背景只出现一行简洁白色中文： “何必东奔西走，币安全部都有” 下方出现小尺寸黄色币安标志。 不要出现其他文字、二维码、网址、产品功能或英文说明。 【人物动作与表演】 何一的情绪变化： 清朝时焦急寻找； 罗马时希望与急迫； 火车站时强烈不舍； 舞会时接近希望又再次失落； 游戏世界时坚定奔跑； 终章见到CZ时从急促、难以置信逐渐变为放松与释然。 表演必须克制自然，不要哭喊，不要夸张张嘴，不要商业式大笑。 CZ在每个时代都应短暂回头或与何一对视，但总被时空阻隔。 终章CZ的笑容温和、克制，不要夸张浪漫表演。 【摄影要求】 16:9横版，24fps电影感，真实运动模糊，4K高细节。 历史场景使用35mm至50mm电影镜头质感；人物近景使用约85mm人像镜头质感；高速追逐使用稳定器与平滑FPV式虚拟摄影机。 前四个时代每个镜头平均约0.7至1.5秒，游戏世界可缩短至0.4至0.8秒，最终相遇镜头明显放慢。 所有镜头构图都要保持人物为视觉中心。 即使摄影机高速运动，也不得导致换脸、五官闪烁、眼镜消失、痣漂移、肢体变形或服装突然改变。 【声音设计】 保留真实环境声音： 清朝宫门摩擦声； 脚踩石板声； 罗马盾牌与盔甲轻微碰撞声； 火车汽笛、轮轨、蒸汽声； 舞厅鞋底和裙摆摩擦声； 游戏世界方块脚步与机械门声； 石门开启声； 卡帕多奇亚山顶风声； 何一呼吸声； 花束包装轻微摩擦声； 金属吊坠自然拼合的轻微“咔哒”声。 对白只有CZ在终章的一句： “你终于来了。” 女主不说台词。 【必须避免】 不要出现人物身份变化。 不要出现女主换脸。 不要让女主下巴痣消失或移动。 不要去掉CZ的眼镜。 不要让CZ变成其他年龄或脸型。 不要出现多余人物抢占主体。 不要出现错误时代物件。 不要把历史场景做成舞台布景。 不要出现廉价粒子特效。 不要出现传送光圈。 不要出现金色光线连接场景。 不要出现数据、币价、K线或金融界面。 不要让Logo发光。 不要让Logo铺满建筑。 不要让花束变成巨大平面Logo。 不要让吊坠每个时代形状不同。 不要让游戏世界出现写实人物。 不要让现实场景出现像素角色残留。 不要出现手部畸形、多余手指、脸部闪烁、身体穿模、服装穿模。 不要使用剧烈镜头翻滚、无意义高速俯冲、强烈眩晕运镜。 不要使用过度磨皮、强橙蓝调色、过曝高光或死黑暗部。 不要出现字幕乱码。

梁文峰胆子真大 四小时投资人会议实录流出，我发现他的预判真大胆： 1）英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。 2）谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。 3）奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。 4）Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能 现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。 5）克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。 6）中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。 7）公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。 8）最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。 9）不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。 10）国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。 11）国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。 12）视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。 13）员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。 14）中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。 15）持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。 最后，梁文峰最大胆的判断： 「拿得少的人，一定打败拿得多的人。」 他说哪怕你还没赚到钱，只要脑子里想的是“我要垄断、我要暴利”，你就已经输了。OpenAI今天的困境就源于此，当初想独占AI，所以一定会被无数人围攻。反过来，DeepSeek主动放弃暴利、最强模型开源、不抢用户、不搞垄断，反而赢面最大。这套逻辑把整个商业世界的常识都翻过来了

梁文峰四小时交流会内容： 1，英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。 2，谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。 3，奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。 4，Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能，现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。 5，克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。 6，中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。 7，公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。 8，最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。 9，不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。 10，国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。 11，国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。 12，视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。 13，员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。 14，中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。 15，持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。

書終於上架了了亞馬遜 《AI 超級週期： 五層產業鏈視⻆下的 AI 基礎設施投資: 從能源到應用，一條產業鏈看懂 AI 投資的底層邏輯》 - Chris Lee 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 鏈接 ： 亞馬遜Kindle會員的無限量會員的話，能免費觀看，單獨是美元$2.99 抱歉，可惜亞馬遜只有繁體字，但大家應該可以看的懂。 前言： "當所有人都在談論 AI，真正的問題是：錢該投在哪裡？ 2026 年，僅四大超級雲廠商的 AI 資本支出就達到 7,250 億美元。這不是一場短期炒作，而是一個可能持續十年以上的超級週期。但對大多數投資者而言，AI 產業鏈就像一座黑箱——你知道 NVIDIA 很重要，卻說不清為什麼一顆 GPU 需要搭配價值數倍的電力、散熱、網路與儲存設備才能運作。 這本書要打開這個黑箱。 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 這不是一本泛泛而談的趨勢書，也不是一本只講概念的入門讀物。書中深入分析超過 80 家公司的競爭格局、護城河與估值邏輯，並為每一層提供具體可操作的投資框架。無論你是想理解為什麼鈾礦股會因為 AI 而暴漲，還是想搞懂 CoWoS 先進封裝的產能瓶頸如何影響整條供應鏈，這本書都能給你清晰的答案。 本書的獨特之處還在於作者的跨界視角。李書沸曾任 OKEx（現 OKX）CEO 與火幣 CFO，是加密貨幣行業最資深的高管之一，同時在傳統金融領域深耕多年。他在書中專闢章節探討 Crypto 與 AI 的交匯——去中心化算力、AI Agent 經濟、代幣化激勵機制——這些是傳統分析師不會觸及、卻可能催生下一波爆發性機會的領域。 本書涵蓋的核心議題包括：為什麼 AI 超級週期的本質是一場能源革命，而非僅僅是算力競賽？NVIDIA 的真正護城河在哪裡，它的統治地位是否會被挑戰？台積電與 Broadcom 在 AI 晶片供應鏈中扮演什麼不可替代的角色？HBM 記憶體為何成為 AI 時代最關鍵的瓶頸之一？光互連技術如何解決數據中心的頻寬牆問題？超大規模雲端運營商的 AI 資本支出將流向何處？大模型競爭格局如何從「比大」轉向「比效率」？AI 應用層何時能真正兌現商業價值？Crypto 與 AI 的融合將創造哪些新的投資範式？如何建構一個穿越週期波動的 AI 投資組合？ 最後三章聚焦實戰：風險管理框架幫助你識別泡沫信號與週期轉折點；投資 Playbook 提供從選股到配置的完整方法論；結語則回歸長期視角，探討這場技術革命的終局。 這本書寫給這樣的讀者：你有一定的投資經驗，對科技趨勢保持關注，但苦於找不到一個系統性的框架來理解 AI 產業鏈的投資機會。你可能是主動型投資者、科技業從業者、金融從業者，或是對 Crypto 與 AI 交叉領域感到好奇的探索者。 如果你只想讀一本書來建立對 AI 基礎設施投資的全局認知，這本書是為你寫的。" 關於作者：李書沸（Chris Lee）現為 Merkle 3s Capital 與 XResearch 聯合創始人。曾任全球前三大加密貨幣交易所 OKEx CEO 及火幣集團 CFO，擁有超過二十年橫跨傳統金融、加密貨幣與科技投資的從業經驗。 感恩轉發、分享。#AI#

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。 结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。 先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。 再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。 数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。 而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。 以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。 现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。 而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。   我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。 给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍 我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。 现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill# #rednote# #skill# #小红书#

AI 硬件链最爆的方向，居然不是 GPU，而是光通信 康宁 $GLW 盘中一根大阳线狂飙 15.67% 资金抢筹当然不是为了去炒传统的玻璃业务，而是冲着它刚发布的新一代玻璃基光互连（Glass-Based Optical Interconnect）技术去的 华尔街秒懂，直接把这当成 AI 数据中心的新一轮催化剂，带得光模块、光通信板块集体起飞 资金嗅觉这么敏锐，底层逻辑就一条： 算力的尽头，现在是传输 AI 模型越跑越大，卡组越堆越多，现在的痛点早就不是单卡算力够不够，而是数据传输速度跟不上 GPU 算得再快，要是芯片之间的数据交换大塞车，再牛的算力也是白搭 市场的炒作脉络其实理得很顺： HBM破的是存储带宽的局 先进封装搞定的是芯片集成 光互连治的是高速传输 康宁这次拿出的玻璃基技术，有望帮助提升未来AI数据中心互连效率 能把数据中心的传输效率提上去，有望提升数据中心互连效率，改善能耗表现，一旦后续大规模商用，绝对是门大生意 难怪资金抢跑这么快 看最近美股的盘面就知道，AI 主线发散的趋势已经非常明显了 从死磕英伟达、AMD，到爆炒 HBM、先进封装，再到今晚引爆的光通信，AI投资机会正从GPU逐步扩散至网络、光通信、存储和先进封装等基础设施环节 资金已经不再满足于只抱团 GPU 龙头，而是开始关注产业链上那些能解决“卡脖子”环节的隐形巨头 对于下半年的行情，AI 的投资逻辑基本已经明牌了： 谁能帮数据中心跑得更快、传得更顺、功耗更低，谁就能吃到下一波基建的红利 光通信，大概率就是继 GPU 和 HBM 之后，下一个需要受关注的重要方向之一