与「定制芯片」相关的搜索结果

$AVGO 是AI芯片的龙头。但历史告诉你，真正暴富的人买的是龙二 $MRVL 先说一个关于半导体行业的反直觉规律： 在一个严重缺货的市场里，获利最大的往往不是龙头，而是那个追赶中的龙二。（Herman老师分析intel观点我觉得说的很好，也同样非常适用于 $MRVL) 理由很简单： 当产能严重不足，买家再也无法只依赖龙头一家供应商。他们开始把订单给原本觉得"不够好"的替代者。而这个替代者，突然发现自己的产品以前没有人要，现在成了香饽饽——价格可以谈，条款可以谈，一切都变了。晶圆缺货时，原本没有人愿意把订单给Intel的客户，开始认真研究18A了。 那么，在AI定制芯片这个正在快速缺货的赛道里，获利最大的龙二会是谁？ 我的答案是 $MRVL 。 1. 先理解结构 AI芯片市场分两层： 第一层：通用GPU Nvidia统治，没有任何人能挑战。H100、B200、Blackwell——超大规模云厂商需要它们，别无选择。 这层市场已经被充分定价了。Nvidia市值5.7万亿，没有人会漏掉这个机会。 第二层：定制ASIC（专用AI加速芯片） 这是一个完全不同的故事。 每一家超大规模云厂商都在开发自己的专用芯片： Google有TPU（张量处理器），Amazon有Trainium（AI训练）和Inferentia（推理），Meta有MTIA（AI推理加速），Microsoft有Maia（Azure AI加速）。 为什么要自己开发芯片？ 因为通用GPU虽然强大，但它服务所有人，没有为特定工作负载优化。自研芯片可以针对自己的模型架构和推理需求精确设计，功耗更低，成本更低，效率更高。 这是一个不可逆的趋势——超大规模云厂商越大，自研芯片的动力越强。但有一个关键问题：这些云厂商需要设计合作伙伴。芯片设计是极其复杂的工程，需要有人懂SerDes，懂先进封装，懂chiplet集成，懂供应链——不是随便一家公司能做到的。 全球有能力承接超大规模云厂商定制ASIC设计的公司，只有两家： $Broadcom，和 $Marvell。 2. AVGO vs MRVL：龙头和龙二的真实差距 先看数字： Broadcom在ASIC市场占约55-60%的份额，与Google的TPU合作锁定到2031年，客户包括Meta、OpenAI等顶级厂商。Marvell约占15%的份额，排名第二Broadcom领先是事实，毫无争议。 但有几个数字值得认真对比： AVGO MRVL 市值 $2万亿 $1,470亿 ASIC市占 55-60% 15% FY26AI营收 $200亿+ $96亿 Forward PE 31倍 36倍 Broadcom在定制ASIC市场记录了约$200亿的AI总营收，而Marvell的AI相关营收约$96亿。 从市值角度：AVGO的市值是MRVL的13.6倍，但ASIC市场份额只是MRVL的4倍，AI营收只是MRVL的2倍。这个不对称，是MRVL存在的核心机会。 3. MRVL独特的地方：两场战争同时押注 这是我认为最关键的一点，也是MRVL和所有其他AI芯片公司最本质的区别。 MRVL同时押注了两个互相独立的万亿级叙事： 叙事一：定制ASIC——去Nvidia化的最大受益者 Marvell的数据中心部门FY2026增长46%，超过$60亿，管理层指引FY2027同比再增约40%。定制芯片年化营收已达$15亿规模，两个AI加速器项目处于高产量阶段，第三个超大规模客户合作正在进行。 Nasdaq 最重要的一个进展： 2026年4月，Google被报道正在与Marvell进行深度谈判，共同开发内存处理单元和下一代TPU，这正是Google此前几乎完全交由Broadcom负责的工作。如果谈判成功，Marvell将成为AI行业最具战略意义的芯片项目之一的核心设计伙伴。 这是什么意思？ Broadcom和Google的TPU合作锁定到2031年——这是Broadcom的护城河，但不是MRVL的天花板。Google开始和MRVL谈，不是要取代Broadcom，而是要建立第二供应商。这正是"缺货时代，落后者获利"的经典逻辑。 当TPU的设计需求超过了Broadcom单独能服务的上限，Google开始把部分项目分给MRVL。 这一单谈成，MRVL同时拥有Amazon和Google双超大规模客户锚定——三个超大规模客户（Amazon、Microsoft、Google）大幅降低了单一客户集中的风险，给市场提供了更清晰的多年营收增长路线图。 叙事二：光互连DSP——AI集群神经系统的命门 MRVL是目前唯一同时覆盖定制ASIC设计、1.6T光学DSP、硅光子技术（通过Celestial AI收购）和CXL交换的全栈公司——这是任何单一竞争对手都无法复制的护城河。 光互连DSP是什么？ 当GPU和GPU之间需要通信，数据需要在光纤里传输。但光纤里走的是模拟光信号，计算机需要的是数字信号。DSP（数字信号处理器）就是这两个世界之间的翻译器——它把数字数据编码成光信号发出去，再把收到的光信号解码成数字数据。 MRVL的PAM4 DSP是全球800G和1.6T光模块的核心芯片之一。光互连业务的需求与AI集群的互连基础设施同步扩张——每一个上线的AI集群都需要完整的互连协议栈，不需要等待GPU的供应情况。 这是最关键的逻辑： GPU供应有时候是稀缺的，但光互连不等GPU——只要数据中心在建，只要AI集群在运行，光互连就需要。 MRVL的DSP是一个和GPU并行运行的独立需求，不是GPU需求的影子。 4. 我自己的判断：为什么MRVL的故事比AVGO更有弹性 AVGO是龙头，MRVL是追赶者。 但在这个特定的历史时刻，追赶者的弹性更大，原因有三： 原因一：基数效应 AVGO已经是$2万亿市值，要翻倍需要成为$4万亿的公司。MRVL只有$1,470亿，翻倍只需要$2,940亿——和AVGO现在市值的15%相当。同样的资金流入，对MRVL股价的推动效果是AVGO的13倍以上。 原因二：Google的变量 AVGO和Google的合作是锁定的，这是护城河，但也意味着它的上行惊喜已经被充分定价。MRVL和Google的谈判还没有正式宣布——这是一个尚未被市场定价的潜在催化剂。如果Google正式宣布，MRVL立刻拥有Amazon+Google双超大规模客户，ASIC市场份额从15%向25%+跳升的路径被打开。 原因三：两个叙事不相关 AVGO的核心护城河是ASIC和VMware软件。 MRVL的两个叙事——ASIC和光互连DSP——是完全独立的业务。 ASIC受益于去Nvidia化，光互连受益于AI集群扩张。两个独立的增长引擎，互相不依赖，互相不替代。 MRVL在多个AI基础设施顺风中同时暴露：定制芯片、光互连、数据中心网络和更广泛的超大规模资本支出周期。这种在AI主题内的多元化暴露，使它成为纯粹的GPU标的（如Nvidia）的有吸引力的补充。 5. 估值合理吗？ $MRVL：Forward PE 36.4倍，市值$1,470亿。 $AVGO：Forward PE 31倍，市值$2万亿。 $MRVL的Forward PE比 $AVGO略高，但增速也更快： $MRVL FY27营收预期：约$110亿，同比增速约40% $AVGO FY27增速约25-30%。PEG（PE/增速）： $MRVL：36.4 ÷ 40 = 0.91, $AVGO：31 ÷ 27 = 1.15 PEG低于1都算便宜。 用PEG来衡量，MRVL比AVGO便宜约20%。 而且MRVL有Google催化剂这个尚未被定价的变量，AVGO没有。如果Marvell股价涨到$400，需要数据中心营收FY27超过$90亿，Google ASIC合同正式宣布，自定义硅年化营收达到$30亿。在这些条件下，ASIC业务40倍Forward EV/EBITDA，光互连业务20倍EV/Sales。 我觉得2027年是很有可能达到的，这还是在理性的估值下，如果是ai融涨疯牛选择忽略估值的话，如果NVDA到360分析师预测最高，也就是8.8T, 我预测8-10T，那么AVGO会到3-4T, MRVL到500B-1T都问题不大。 6. 三个需要追踪的关键变量 变量一：Google ASIC合同的正式宣布 这是目前MRVL最大的潜在催化剂。谈判已经在进行，但没有正式宣布。每过一个季度没有宣布，市场会稍微失去耐心。但一旦宣布，估值逻辑发生质变。 变量二：1.6T DSP的市场份额 Marvell已经开始出货1.6T PAM DSP，基于5纳米工艺，并推出了下一代3纳米版本，将光模块功耗降低超过20%。 800G向1.6T的迭代是MRVL DSP业务的下一个量子跳跃。如果MRVL能在1.6T时代维持甚至提升市场份额，光互连业务的营收会非线性增长。 变量三：Celestial AI的硅光子整合 MRVL收购了Celestial AI，进入硅光子领域。这是CPO时代最关键的技术平台——把光学引擎直接集成进芯片封装。如果MRVL能在CPO时代把DSP和硅光子整合成一个完整的解决方案，它的价值会远超现在的定价。 7. 最终判断：MRVL是这轮AI牛市里最干净的不对称机会 AI芯片市场分三类公司： 第一类：Nvidia——已经被充分定价的龙头。故事最好，估值最贵，上行惊喜空间有限。 第二类：纯ASIC公司（AVGO）——护城河深厚，但增速放缓在定价中。Google TPU锁定到2031年是确定性，也是上行惊喜的天花板。 第三类：MRVL——两个叙事都在爆发，Google催化剂未定价，市值基数小。 这是不对称机会的经典形态， 下行有Amazon锚定，有光互连稳定收入，不会归零，上行有Google合同宣布+CPO爆发+ASIC市场份额提升，估值可能从$1,470亿走向$5,000亿+。 $MRVL也是我重仓持有的标的之一，短期technical角度今天收长上影线，日线级别调整要来，加仓机会在第一目标165，第二目标140。如果给机会到140补那个缺口，我仓位加满（图1）。 总结：回到那个反直觉的规律：缺货时代，落后者获利最大。 ASIC市场正在缺货——Broadcom一家根本无法满足所有超大规模客户的定制需求。光互连正在缺货——AI集群每季度都在扩张，DSP的需求只增不减。MRVL是这两个缺货赛道里，那个正在被需要的追赶者。 历史一次次证明：当产能不足、供应商只有一两家的时候，第二名是最好的弹性高的投资标的（Nvidia和Amd，TSMC和Intel。） 因为所有人都开始认真研究它了。 #MRVL# #Marvell# #AVGO# #Broadcom# #ASIC# #定制芯片# #光互连# #DSP# #Google# #Amazon# #Nvidia# #AI芯片# #半导体# #美股# #龙二补涨# #CPO# #硅光子# #AI基建# #USStocks# #AIStocks# #数据中心# #去Nvidia化#

知道很多人没有赶上币安@binancezh #BinanceOnline# 大会，没赶上 BinanceOnline 大会的看这里！ 我帮大家筛好了跟CZ大表哥，一姐以及币安有关的全部核心干货，不用翻回放，直接看就行！ 一、何一（一姐,币安联席 CEO，首席客服官）@heyibinance 1）外界只看到币安用户做到 3.1 亿，其实内部最骄傲的是团队架构彻底理顺、高端人才越聚越多，人才才是币安能一直做大的根本 2）一直守住币安原本的做事风格没变，同时拼命补齐合规这块短板，一直在全球吸纳行业厉害的人才 3）别看现在是熊市，整个加密行业其实在悄悄变强，早就不只是单纯炒币了，区块链也开始真正用到实体经济里，和传统金融走得越来越近 4）敢定下 30 亿用户的大目标，不是吹牛，是头部企业该有的格局； 最终不是只做一个交易所，而是想做成全球人人都能用的金融基础服务 5）用户增长越来越快，新增用户耗时一次比一次短，能看出来行业认可度、技术创新都在飞速进步 6）做产品的初心就是服务普通老百姓、底层人群，想让全世界普通人都能享受到公平的金融服务，不被有钱人垄断 7）心里最担心的就是顶尖人才不够用，所以币安一直在全球大范围招人，认定人才 + 创新才是未来赢下赛道的关键 8）现在业务已经覆盖 100 多个国家、3.1 亿用户，这只是刚开始；很多金融机构只服务有钱人，币安偏要做大众普惠服务 9）未来五年最看好AI 结合金融，想用 AI 抹平普通人跟专业投资者的信息差，让小白也能拥有专业的投资判断能力 10）2014 年入行加密圈，最早就用加密货币给社区癌症患者做公益筹款，一直觉得加密不只是炒币工具，更是做公益、帮普通人的好载体 二、Richard Teng（币安联席 CEO）@_RichardTeng 1）跟着币安一路走来，始终守住把用户放第一位、踏实做事、团队齐心的初心，这也是币安能熬过牛熊一直发展的原因 2）币安早就不只是一个普通交易所了，已经升级成全球区块链底层基建平台，而且一直在往全球合规最正规的交易所靠拢 3）大量引进传统金融、合规风控、商务运营的专业人才，适配全球各个国家的业务布局 4）全球还有十几亿普通人根本用不上正规的银行金融服务，币安做加密的初心，就是打破这种金融壁垒，让资金能自由流通 5）不断上新品类，贵金属、石化产品、美股都能交易，支持全天 24 小时随时买卖，方便机构和普通人做资产避险、风险对冲 6）合规实力很强，是全球唯一被阿布扎比官方全程监管的平台，已经拿到 20 多个国家和地区的合规认可，等全球监管明朗后，能承载海量用户入驻 7）现在全球加密监管还很乱，每个国家规矩都不一样，没有统一标准，想完全统一监管还要很多年； 币安进入任何国家，都会老老实实适配当地规则 8）主动参与全球行业规则制定，帮忙推动出台合理监管政策，既保护普通用户，也维护整个行业稳定发展 9）重金砸在合规建设上，合规团队将近 1600 人，占员工总数超 20%； 还花大钱用 AI 辅助合规审核，把安全合规做成币安的一大优势 10）很看好 AI 和区块链互相结合，同时也关注大健康、生活服务这类跨界发展机会 11）自己最早用加密货币做跨境转账，还曾在不丹直接用加密买东西，能看出来币安支付已经普及到全球小众地区 12）美国现在对加密行业态度明显变友好，会带动全球监管放宽、资本进场，稳定币、现实资产代币化这些赛道都会跟着受益 三、CZ大表哥 币安创始人@cz_binance 1）投资不爱跟风炒热门 AI 应用，更喜欢布局底层硬基建：AI 数据中心、电力供给、高端算力芯片这些实打实的产业 2）现在英伟达垄断 AI 芯片市场，但这种局面不会一直持续，未来一定会出来专门为 AI 定制的芯片 3）长期看好机器人、生物科技两大方向，AI 能极大加速医药研发、基因研究、蛋白质分子实验等领域的突破 4）个人 70%-80% 的资金还是重仓 Web3 和区块链赛道，这是自己最熟悉、最有把握的领域 5）投资习惯很稳妥，都是先小额试水、边投边学习，靠身边行业资深前辈，拿到圈内最新一手消息 6）未来每个人都会拥有专属 AI 智能助手，还有家用实体机器人，生活、工作都能帮着处理 7）行业最终没有传统金融和 Web3 的界限，往后区块链会变成所有金融公司必备的底层技术，谁都绕不开 8）币安现在一直在给 AI 生态铺路，优化区块链底层设施，支持小额高频交易、去中心化存数据、AI 自动帮用户交易 9）AI 以后会把投资操作简化到极致，用户只需要说一句简单指令，AI 就能自动找最优价格、完成全套交易 10）目前 AI 智能助手还不算成熟，风控防护不完善，直接管大额资金有风险； 币安上线的 AI 交易工具，用隔离钱包单独管控资金，用户实际体验口碑很好 11）AI 未来能成为免费的专业理财顾问，比普通真人理财师更客观、更个性化，不会刻意推销产品割韭菜 12）稳定币对高通胀、没有正规银行的国家特别重要，能帮当地人轻松持有美元资产，是金融普惠的关键 13）极度看好现实资产代币化，把美股、实体资产都搬到链上，让全球普通人都能平等参与优质资产投资 14）普通人不用额外投入成本，靠家里闲置电脑、硬件就能参与 AI 产业挖矿，搭配加密资产能形成一个全新的万亿级赚钱生态 四、NINA RONG (BNB CHAIN 执行总监）@nina_rong BNB 链由三条公链组成，最终目标是承载十亿级普通 Web3 用户 全球 40% 的稳定币交易都在 BNB 链上，是全球最大稳定币公链 同时也是第二大 RWA 公链，60% 的链上 AI 机器人都跑在 BNB 链生态里 技术一直在持续升级，交易确认速度做到亚秒级，今年还要把整体处理能力大幅提升 马上推出 AI 机器人开发工具，重点发力跨境支付、非美元稳定币生态，覆盖更多国家需求 主打底层技术隐形化，普通人不用懂区块链，直接用钱包、APP 就能享受所有服务，门槛拉到最低 五、币安支付负责人 币安早就跳出单纯炒币平台的定位，现在做成了一站式金融超级 App，日常消费、跨境转账、资产理财全都能搞定 核心目标就是抹平传统银行和加密支付的隔阂，普通人用起来跟普通银行卡一样简单，不用懂任何区块链知识 币安卡福利很实在：用稳定币消费免转换费、免跨境手续费，还能拿 15% 的消费返现 已经对接巴西、越南等多国本地扫码支付，线下门店买东西，直接打开币安 APP 扫码就能付款 会根据每个国家的消费习惯单独做本地化适配，贴合当地人花钱、转账的习惯，做接地气的金融服务 六、ELLA ZHANG (YZI LABS 负责人)@ellazhang516 2018 年刚踏入这个行业，一门心思只深耕区块链，完全没重视 AI 赛道。现在回头复盘，确实是当初格局和眼界受限，错过了早期布局的好机会 科技行业每一次颠覆性变革，从来都不是单一领域独立完成的，都是不同技术相互结合催生出来的 区块链和 AI 彼此赋能、深度绑定，已经是行业发展的必然走向 传统金融和链上 DeFi 不存在谁颠覆谁、互相争抢市场的情况，更多是互补共生、慢慢融合，而现实资产代币化，就是眼下最确定的行业风口 往后传统股市和加密资产会逐步打通、互相渗透，稳定币也会成为衔接传统金融和加密领域最关键的桥梁 让我们继续keep building #BNB！# #Binance#

英伟达 $NVDA 作为豪门金字塔顶尖的那个人，手指缝漏一点都够底下AI供应链吃半年！ 1. $TSM - 台积电 英伟达GPU核心晶圆代工厂，负责Blackwell/Rubin等先进制程芯片生产，是AI供应链最上游关键伙伴，受益于NVIDIA产能扩张。 2. $SMCI - 超微电脑 英伟达AI服务器主要组装商，提供高性能GPU服务器解决方案，直接受益于数据中心部署需求爆发。 3. $MU - 美光科技 HBM高带宽内存重要供应商，AI训练和推理对内存需求激增，推动其营收强劲增长。 4. $AVGO - 博通 定制AI芯片和网络芯片领导者，与英伟达在NVLink等生态合作，AI半导体收入高速增长。 5. $MRVL - 迈威尔科技 英伟达投资20亿美元，聚焦硅光子和NVLink Fusion定制XPU，是异构计算关键伙伴。 6. $IREN - 艾瑞斯能源 英伟达巨额投资并签订GPU云服务大单，转型AI数据中心运营商，基础设施扩张潜力大。 7. $CRWV - CoreWeave 英伟达重仓的AI云基础设施提供商，专注GPU集群部署，是“NVIDIA生态新云”代表。 8. $NBIS - Nebius Group 英伟达投资的AI云公司，助力全球算力扩展和推理服务。 9. $LITE - 朗美通 英伟达投资的光学组件龙头，高速光模块解决AI数据中心带宽瓶颈。 10. $COHR - 相干公司 与Lumentum同期获英伟达投资，光子学和激光技术核心供应商。 11. $GLW - 康宁 英伟达投资支持光纤基础设施，新工厂扩产应对AI数据中心光纤需求。 12. $ANET - Arista Networks 高性能以太网交换机领导者，连接AI GPU集群的关键网络设备供应商。 13. $VRT - Vertiv 数据中心电源与冷却解决方案提供商，与英伟达深度合作应对高密度AI机架散热。 14. $ARM - Arm Holdings 英伟达投资的CPU/IP架构核心公司，AI芯片设计广泛使用其技术。 15. $ASML - ASML 极紫外光刻机垄断供应商，支持先进制程芯片生产，间接驱动英伟达GPU创新。 16. $CRDO - Credo Technology 高速连接和信号完整性解决方案，受益于AI服务器内部互联需求。 17. $APLD - Applied Digital 英伟达投资的数据中心运营商，专注AI/HPC基础设施建设。 18. $CLS - Celestica AI服务器和硬件制造服务商，在供应链中表现突出。 19. $STX - Seagate 数据中心存储解决方案供应商，AI海量数据存储需求驱动增长。 20. $CIEN - Ciena 光网络设备提供商，支持AI数据中心长距离高速传输。

🔶赵长鹏：相比于 AI 本身，更喜欢投资 AI 的「铲子」 币安创始人赵长鹏 @cz_binance 在 @binancezh Online 直播中表示，相比于 AI 本身更喜欢投资为 AI 提供算力的基础设施，例如数据中心和电力。 虽然目前芯片领域几乎被英伟达垄断，但未来会有更多针对 AI 计算的定制化方案。此外，赵长鹏称也在关注机器人技术。 赵长鹏还表示，AI 将推动生物技术的快速发展，但 YZi Labs 不会在这一方向上进行大规模投入，核心投资仍聚焦于加密货币和区块链领域，70% 至 80% 的投资仍在 Web3 领域。

行业分析：AI光互连全景：谁是下一个“HBM级瓶颈”？ AI算力的瓶颈正在从计算转向带宽。随着GPU规模扩大，节点间通信接近N²级增长，电互连在功耗与距离上逐步触顶，光互连从可选项变成刚需。这一变化不只是需求扩张，而是产业结构的重排：光开始从数据中心边缘进入系统核心，甚至进入封装内部。 从底层看，硅光（SiPho）是在硅基上做出一整套光通信器件：波导负责传光，调制器把电信号变成光，探测器再把光变回电。它解决的是带宽与能效问题。硅本身不能发光，激光器依赖InP、GaAs等III-V材料，因此整个体系天然是“硅 + III-V”的异构结构。 产业链可以拆成四层：上游材料（InP与激光材料）、中游核心器件（激光器、硅光芯片）、模块与封装（光模块、CPO）、以及系统与网络架构。价值分配并不均匀。最稀缺的是光源，也就是激光器及其背后的InP体系，这一层类似算力链中的HBM，是物理瓶颈；再往下是硅光与光芯片，决定光电融合是否可行；光模块更偏制造与组装，周期性更强；真正的高价值封装集中在系统级CPO。 在硅光制造这一层，Tower Semiconductor 和 GlobalFoundries 是典型代表。它们本质是foundry，把光子芯片从设计变成晶圆。器件公司是它们的客户，而不是供应商。两者路径不同：TSEM更像工艺专家，擅长定制和复杂结构，解决“别人做不出来”的问题；GF更像平台型foundry，提供标准化工艺和规模能力，让更多客户可以复制。 这也解释了近期股价的差异。TSEM的上涨几乎直接由AI光互连驱动，尤其是硅光需求进入订单兑现阶段；GF更多受益于AI整体需求扩散，硅光只是其中一部分。前者是主线变量，后者更像beta。 很多人会误以为竞争在晶圆尺寸，比如300mm。但在SiPho、模拟、RF这些领域，关键不在晶圆，而在工艺复杂度、良率和客户绑定。真正决定竞争力的是能否稳定量产复杂光电结构，而不是晶圆大小。 从全球格局看，中国在光模块层面占据优势，但在SiPho制造仍处于早期阶段。差距不在技术原理，而在量产能力和客户验证。短期内，由于订单和经验的正反馈，差距在拉大；中期随着下游需求反向驱动，上游有望追赶。这一结构和HBM不同，SiPho不属于天然寡头，更可能走向多极竞争。 真正改变产业结构的是CPO（co-packaged optics）。CPO不是一个器件，而是一种封装形态：把光芯片与算力芯片封在一起，使光从“外部模块”变成“系统内部的一部分”。实现路径是先在SiPho晶圆上完成器件制造，筛选良品（KGD），切割成die，再与GPU/ASIC、HBM等一起进行异构集成，通常采用平面并排而非堆叠。 这一变化的核心结果是：硅光从“独立产品”变成“系统中的一层”。功能重要性不变，但定价权下降。过去光模块可以独立定价；在CPO中，价值更多被系统整合者吸收。掌握先进封装能力的厂商更接近控制节点，这也是为什么TSMC和Intel在这一阶段具备更强话语权，而TSEM和GF更接近中游die供应商。 CPO对技术提出了三大硬约束：功耗、带宽密度和封装耦合。功耗决定系统是否可持续，带宽密度决定扩展能力，封装耦合决定良率和成本。这三点直接推动硅光工艺进入新阶段。 在这一过程中，低损耗波导成为关键基础。波导是芯片内部的“光通道”，损耗以dB/cm衡量。0.1 dB/cm与1 dB/cm的差异，会在封装内线性累积，直接决定系统功耗与成本。当前主流量产水平在0.3–1 dB/cm，先进工艺可到0.1 dB/cm，实验室中的氮化硅（SiN）接近0.01 dB/cm，但距离大规模量产仍有距离。材料路径也逐渐清晰：硅波导受限于粗糙度和折射率，长期趋势是向SiN迁移。 难点不在单点，而在多重极限叠加：侧壁粗糙度、PECVD氢吸收、SiN应力、弯曲损耗、光纤耦合等因素同时作用。这也是为什么真正的优势来自“全栈工艺控制”，而不是某个单一技术突破。 CPO不仅改变技术路径，也改变竞争结构。未来不会出现单一路线，而是分层共存： 核心AI集群：定制CPO，追求极致性能 大规模部署：标准化CPO或pluggable，追求成本与灵活性 即使在CPO内部，也会分化为“高性能CPO”和“标准化CPO”，类似HBM与DDR的关系：前者吃价值，后者吃规模。 对TSEM和GF来说，这种分化进一步强化各自路径。TSEM更靠近高性能CPO，承接定制需求，有机会成为局部瓶颈；GF更靠近标准化CPO，承担规模扩张，是产业的放大器。 整条链可以压缩成一句话：材料决定能不能做，芯片决定性能上限，封装决定系统价值，系统厂决定利润分配。对应到算力链，InP激光器类似HBM，CPO类似GPU封装，光模块类似服务器组装，而硅光晶圆厂更像中间层的chiplet供应商。 从投资角度看，最确定的机会在光源，这是物理瓶颈；最大弹性在硅光与CPO，一旦路径跑通会被放大；光模块是顺周期；封装稳定吃利润但不容易爆发；系统层存在潜在黑马，但取决于架构演进。硅光不会消失，但正在被“吞入系统”。未来真正的“HBM时刻”，更可能出现在光源层或系统级封装，而不是封装之前的中游晶圆环节。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

AI芯片的scale up，底层=物理的限制是reticle： 光刻机一次只能曝光一个固定大小的区域，上限大约在800mm²左右。这决定了目前单颗芯片的尺寸的硬天花板。 行业突破这个限制的难度非常大，接近物理极限，因为光刻的面积和精度往往不能两全（镜头等设备限制），所以只能绕开它。 早期是大GPU，但这样做成本和良率都会变得很差。后来逐渐转向另外两条路径：一种是把系统做大，用一块更大的“硅底板”interposer把多个芯片拼在一起；另一种是把芯片拆小，再通过高速连接重新组合。 interposer本质上不做计算，只负责连接。GPU、HBM这些芯片放在上面，通过更细、更密、更短的连线实现高带宽数据交换。AI算力之所以能上一个台阶，很大程度上不是因为算得更快，而是数据在不同芯片之间移动得更快。 但interposer本身也会超过reticle的尺寸，这时候就需要用到stitching。做法就像拼瓷砖：一块一块曝光，然后精确对齐，拼成一个整体。难点在于精度控制，边界一旦对不齐，连线就会出问题。 这种方式只适用于对精度不那么敏感的结构。像CPU、GPU这类逻辑芯片，对时序的要求极高，任何纳米级误差都可能影响性能，所以不能用stitching。interposer因为只是布线层，没有复杂逻辑，可以容忍这种拼接带来的误差。 围绕连接这件事，行业逐渐形成了cowos和emib两种不同的实现路径。一种是做一个统一的大平台，把所有芯片放在同一块interposer上，连接集中在这层完成，带宽能力很强，但成本也高。另一种是不做大底板，只在需要高速连接的地方嵌入一小块桥接结构，按需提供带宽，结构更灵活，制造压力也更小。 在AI训练场景下，模型规模大，HBM带宽成为关键，整个平台需要维持极高的数据吞吐，这类设计更依赖大面积interposer。 但推理场景的约束不一样，更关注成本、延迟和并发，带宽需求往往集中在局部，不需要整个平台都维持极致带宽。这时候，把芯片拆成多个模块，再用局部高速连接拼起来，会更合适。 这也是EMIB这类方案更容易在推理芯片和ASIC里出现的原因。它不需要一整块大interposer，而是在关键位置提供高带宽连接，可以把计算、缓存、IO等模块分开设计，再按需组合。这样的结构更容易控制成本，也更有利于根据不同业务场景做定制化调整。对云厂自研芯片来说，这种灵活性很重要。 当然，推理并不完全不需要高带宽。在一些大模型推理场景里，HBM依然重要，对应的封装方案也会更接近训练芯片。但在更广泛的推理需求中，成本和规模才是核心约束，这使得模块化和局部互连的价值变得更高。 站在26年一季度末看未来，AI算力的扩展路径其实已经很清晰了。不是把单个芯片做得越来越大，而是把计算拆开，再用更高带宽把它们连接起来。芯片本身的尺寸被reticle锁死了，系统的规模则由连接能力决定。 免责声明：本文非投资建议dyor

嚟喇嚟喇！同大家宣佈個大好消息！🎉 @chunmomo0127 首部定制影游《StudioZero》已經拍板，正式定喺6月份開機喇！🎬✨ 今次真係落足重本、誠意爆燈！邊個話睇戲同打機一定要分開？《StudioZero》將會帶畀大家史無前例嘅沉浸式體驗，劇本神級之餘，互動感直情爆棚，包你玩到好似自己做緊主角一樣，直踩現場！ 💡 小道消息： 幕後班底同製作陣容都係頂級配備， 依家成個團隊都密鑼緊鼓籌備緊，務求一開機就進入最佳狀態！ 各位Momo粉絲同影遊迷，今次真係要「大期待」喇！ 記得管好你哋嘅荷包同儲定精力， 密切留意住我哋嘅最新動向， 一齊倒數6月開機嘅大日子啦！🚀🔥 #蠢沫沫# #StudioZero# #定制影游# #6月開機# #沉浸式體驗# #大家期待起來吧# #冇得輸# #衝呀#

马斯克儿子X那一身中式行头： 中式马甲来自小众定制品牌“谁裁初”，桑蚕丝材质，官方定价970元。 虎头包来自原创品牌“芽小七手创”，非遗手工绣制，官方定价337元。

Claude全面进军法律行业：20+连接器、12个法律领域插件，打通法律工作全链路 · 法律工作高度依赖特定工具链（合同管理、电子发现、文档管理、数据室等），Claude现在能直接与这些系统对话，省去了手动导出和上下文切换 · 通过12个插件可以定制Claude的输出风格 · 法律AI市场的头部玩家（Harvey、Thomson Reuters、Everlaw等）都在用Claude构建产品，生态飞轮已经转起来了 Github： 官方介绍：

爬虫副业的真实收入，我搜了一圈数据： 知乎有个程序员分享：从2024年开始接爬虫单子，第一单500块，现在月入3万+。 主要接单渠道：闲鱼、淘宝、程序员社区。 常见需求和报价： 简单页面数据采集：200-500元/次 电商竞品监控（定时抓取）：1000-3000元/月 大批量数据清洗+入库：3000-8000元/次 定制爬虫系统交付：5000-20000元/项目 关键是：用Claude Code写爬虫只要5-10分钟。 客户自己做要花3-7天。 这个时间差就是利润。你卖的不是代码，是"帮客户省下来的时间"。