与「實體AI」相关的搜索结果

黃仁勳日前飛南韓的會見科技大老的真正目的。當多數媒體把焦點放在他見了誰、上了什麼綜藝節目、吃了哪家五花肉時，真正的產業巨變正在檯面下發生。 南韓，可能正是黃仁勳把 AI 帶入現實世界最重要的實驗室。 #黃仁勳# #人工智慧# #實體AI# #科技巨頭# #總體經濟# #供應鏈# #投資洞察# #科技趨勢# #台積電# #美股# #台股# #港股# #邦妮區塊鏈# #永續合約# #美股代幣# #NVIDIA# #TSMC# #台積電# #TSM# #broadcom# #AVGO# #Tesla# #TSLA# #MU# #Micron# #聯發科# #台股大跌# #比特幣# #ai# #btc# #黃仁勳# #投資# #Stock# #2330台積電# #比特幣# #跌停# #漲停#

黃仁勳對 Nvidia 的重要性，在於他能把工程團隊認為可能實現的技術，轉化成全公司願意投入資源、承擔風險，而且必須交付的產品。正因如此，供應鏈才能有極高的訂單能見度，並配合激進的規格升級。而這也帶動了競爭對手的跟進，進一步推動整體 AI 產業的技術升級與供應鏈投資。 如果硬要比較，做出並落實激進規格升級的決策，比提供供應鏈訂單能見度更困難。黃仁勳不必是 Nvidia 內部最懂 HVDC、CPO/NPO 與 CCL/PTFE 等新技術的人，但他的價值，在於同時考慮到策略、組織、技術與供應鏈，並迅速拍板定案與投入資源執行。 就目前公開資訊，黃仁勳似乎很難全身而退。在這前提下，比較務實的做法，可能是階段性降低 Nvidia 對黃仁勳個人的決策依賴，同時布局接班計畫。而在這過程中，Nvidia 能否延續高效的新產品與新技術研發，以及競爭對手如何因應，將是觀察整體 AI 產業技術發展與投資趨勢的重點，而供應鏈研究則能提供重要的判斷依據。

初代礦工 - 神魚，是我最敬佩的幣圈前輩之一。 不管是挖礦還是 DEFI 都顯示出他超前的認知。 這集 18 分鐘演講他分享了他使用 AI 的認知，我仔細看完後又用 AI 拉逐字稿分析，總結出以下核心認知，分享給大家： 1 同一份資訊，看到多少 insight ，取決於你有多少算力，用得對不對。 人腦算力和時間有限，只能抽出很少的 insight； 藉助 AI 能夠瞬間調用大量算力，同一份資訊就能看出更多東西。 了解這個底層邏輯，你就可以在各個領域超前創造額外價值。 2 三個世界稀缺的東西不一樣。 實體世界缺位置（房地產）， 網路世界缺注意力（流量）， AI 世界缺的可能是品味和判斷力（AI 無法取代的能力）。 3 花 Token 是在買時間。 讓 AI 把每本書壓成一頁簡報、把一個學科做成知識圖譜；讀不懂的書讓 AI 照他的背景和經歷改寫。 4 讀書要雙軌並行。 知識進得快但沒有真的進腦子。所以一邊讓 AI 抽結構，一邊自己反覆精讀。 他拿健身房來類比：體力勞動被機器取代後大家上健身房，腦力也需要類似的鍛鍊。 5 讓 AI 當鏡子認識自己。 他從玩龍蝦就開始讓 AI 寫人格設定檔，回頭整理自己的經歷給 AI 讀。 AI 回他一封信，他看完哭了很久。 之後每天花 10 到 20 分鐘讓 AI 找他前一天的工作盲區。 AI 讀完他的交易紀錄還問他：你是在做交易，還是在滿足心理需求。他想了兩天大徹大悟，承認是後者，決策品質從此好了很多。 6 人和 AI 協作像層層回路。 人負責講清楚要什麼、給足背景； AI 團隊去試、回饋、沉澱成方法。 兩個關鍵旋鈕： 每一步交給 AI 多大的任務（太大它會變笨，太小就像一直開會不做事）、多久回饋一次。 系統越自動，人越關鍵：目標偏一點，下面全部白費。 7 他自己的變化。 體感生產力增加約十倍，最關鍵的是性格變了，從不擅長抽象思考變成偏向抽象思考。 8 很強的個人放進傳統組織反而變差。 團隊產出被組織裡最窄的瓶頸卡住，個人再強也沒用，所以要變成以 AI 為本的公司，組織的做法得改。 9 他們公司怎麼做。 每個員工配一個 AI 同事，大量協作由 AI 之間溝通，不用開會拉齊。 他拋出靈魂拷問：如果 AI 之間都能即時協商，公司的邊界還存在嗎？ 10 人生只有三件事。 吃飯、睡覺，剩下就是用好算力。 對外看懂世界、對內看懂自己。 11 AI 給他的十年建議。 守住自己的資料和私鑰； 趁父母還在、孩子還願意牽你的手，去遠行； 每半年檢查一次自己的預測邏輯，自負是很貴的漏洞； 吃真正的食物、把可被攻擊的破口縮到最小。 每天問自己：用好 AI 之後，你的一天有沒有變得更充實更有生產力。

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 👇

要同時出現多少個巧合, 才能讓全球最高市值的CEO 短短72小時內走到下台 我花一整天閱讀大量資料, 拼湊出前因後果 這應該是最接近真相的事實, 大家當故事看 「我跟你說, 下週Nvidia的CEO會辭職」 這不只說出去沒人信, 連拍成電影都會被罵爛尾 跨黨派的鬥爭, 全在7天內引爆, 首先是誤區： 1. 外遇 & 間諜都是障眼法 2. 兇手不是民主黨或共和黨, 而是兩黨的對中鷹派 3. 川普是最不希望黃仁勳離開的人 4. 這群跨黨鷹派也沒想過火燒這麼大, 黃仁勳辭職 事件開始 📍第一個巧合：關稅、黃樂、美伊戰爭 早在半年前盧比歐就曾二度向川普示警 要求關注黃仁勳與 Megaspeed 的往來 川普知情晶片可能被轉運, 但始終沒有積極處理 一方面想和習近平維持談判空間 另一方面, 美伊戰爭已佔據大量政治資源 （當中還穿插中美元互訪, 這半年真的很忙） 川普也許是相信黃仁勳自己能摸清界線 也許想順便摸清中國依賴GPU的程度, 就睜隻眼閉隻眼 總統忙就算了, 該列貿易黑名單的商務部長 Lutnick 半年0動作, 此舉使共和黨內的對中鷹派越來越不滿 他們在意的事情, 白宮始終沒有全力推進 📍第二個巧合：期中選舉大敗、內閣開始分裂 美伊戰爭拖太久, 讓川普付出巨大的政治代價 內閣原本就存在主戰與停戰兩派 選舉失利後, 矛盾進一步浮上檯面 共和黨開始找戰犯, 原本支持川普的人開始各自盤算 連副總統JD都開始與切割 “內閣中還有誰挺我？” 此刻川普自己也不清楚 📍第三個巧合：川普的個性, 卻逐漸失去控制力 川普的性格一直是擇善固執, 想幹嘛就一意孤行 （美伊戰爭說過若沒人支持, 他照樣打, 願意當壞人） 但這次選舉失利, 讓他政治籌碼大幅縮水 內閣大難臨頭各自飛, 這時黨內對中鷹派有了機會 此刻再不處理中國晶片, 幾個月後改朝換代 參眾兩院不在掌控之下, 屆時更無法保證事件走向 於是鷹派跳過川普, 釋出黃仁勳相關的負面消息 將間諜、叛國敏感議題帶入, 好快速推動閉門聽證 此刻這件事也驚動民主黨的對中鷹派 原本政治立場不同的兩群人, 突然有共同目標 民主黨也加入戰局, 一起深挖更多外遇, 更多花邊新聞 ‼️注意：川普一直把黃仁勳當朋友, 始終沒有切割‼️ 此時面對媒體追問, 他還多次逆風替黃仁勳說話 (就和當年麥可傑克森相同, 川普是真兄弟, 我都要哭了） 📍第四個巧合：黃仁勳低估了華盛頓的遊戲規則 黃仁勳白手起家, 從餐廳洗碗工一路走到今天 他相信的照規則做事, 乖乖繳稅就不會被找麻煩 但美國政治是真的很髒, 你就算今天和總統是朋友 卻不代表能避開 “深層政府” 的政治鬥爭 黃仁勳非常聽川普的話, 還會給一堆情緒價值 川普自然把黃仁勳當成朋友, 願意替他說話 紐約時報稍早證實： 川普前一晚曾致電, 勸黃仁勳「保住CEO, 別離開」 但當總統無法控制自己的內閣時, 如何提供政治保護？ 黃仁勳前天主動打給川普, 我想也是這個原因 黃希望弄清楚出了什麼事, 但川普無法給出任何承諾 大家紛紛跳過自己去揭發Nvidia 若要黃仁勳先認罪去蹲, 再幫忙特赦, 風險太大 在最後一晚, 得不到任何承諾的黃仁勳 也許自知敵不過這群鷹派, 身心俱疲, 最後選擇離開 事已至此, 川普對外也不好再明說, 只能引導輿論 挑相對最聽話的CEO當樁腳, 那就是Tim Cook 📍 第五個巧合：事件後期, 所有平行線交會 黃仁勳離開 這真的是兩黨對中鷹派想看到的結果嗎？ 我相信絕對不是。 他們真正想要的, 是一個更願意配合華盛頓的黃仁勳 而不是只聽川普的話的黃仁勳 更不是讓他直接離開 NVIDIA 因為接下來的問題更大： - 新 CEO 能維持 NVIDIA 的技術領先嗎？ - 新團隊會比黃仁勳更聽華盛頓的話嗎？ - 美國失去黃仁勳, 能讓自己的 AI 產業更強嗎？ 把整件事 zoom out 黃仁勳完全是美國政治鬥爭下的犧牲品 1. 外遇讓事情有了切入點 2. 晶片轉運讓鷹派有了政治武器 3. 選舉失利讓鷹派著急+川普失去保護能力 幾條原本不相干的線, 最後全部交會 33年, 從社洗碗工, 到全球T0的科技領袖 社會底層逆襲, 這個故事就是美國夢最好的代表 更何況他還是會配合政府的科技領袖 只可惜兩黨把NV當成核武, 趕在下台前先納入控制 控制的途中意外導致CEO離開, 事情更糟, 計劃全亂 也因此司法部這群狗雜種 “瞬間” 開始放緩用詞 「我們還沒說是間諜/還不能確認/部分誇大」 我相信閉門聽證會有好的結果 就算晶片真的轉運中國, 司法部也會和黃仁勳達成協議 檯面上讓媒體看到 “好的結果”, 檯面下控制 Nvidia 這種事情搓一下就過去了, 對深層政府而言真的不難 Stand with Jensen 我認為黃仁勳明年就能回到CEO職位。 以上資訊我花了大量時間整理 若喜歡別忘記點個追蹤, 有任何細節歡迎留言討論 #standwithjensen# #bringjensenback#

近期手臂的任務對我來說困難度大大提升阿 各位高級鉗工有沒有秘訣傳授一下 我最近看 @axisrobotics 的技術架構，有一個地方其實很值得注意 它沒有把整套 Robotics 工作流綁死在單一 Simulator 或單一電腦環境裡。 這件事乍看很工程師，但對 Physical AI 來說影響很大。 Axis 的做法是把不同環境負責的工作拆開。 前端可以直接在 Browser 裡用 MuJoCo WebAssembly 做 Teleoperation，Web、Mac、Windows 都能參與，不需要 GPU 或特殊軟體。 完成後，Trajectory 會用統一格式傳到後端，再交給 Linux GPU Server 執行更高負載的 Simulation。 這裡就可以接上 IsaacSim，進一步做更真實的場景、物理條件與 Domain Randomization，最後再進入 Data Refinement、Model Training 和 Sim-to-Real Evaluation。 簡單畫成一條線 Browser → MuJoCo → Unified Trajectory → GPU Server → IsaacSim → Training → Real Robot 我覺得這個架構真正有意思的地方，是把「資料怎麼收」和「資料怎麼變得更真實」分開處理。 收集資料需要的是低門檻與高擴展性。 Simulation Augmentation 則需要大量 GPU 運算與更複雜的環境。 兩者如果全部塞在同一套環境裡，Contributor、Simulator、硬體與運算資源很容易互相限制。 Axis 把這些環節拆開，再透過統一的 Trajectory 格式串起來，等於讓不同機器、不同 Simulator、不同運算環境之間可以開始協作。 這也是我覺得 Robotics Infrastructure 很重要的一點。 真正能長期擴張的 Data Engine，最後拼的可能不只是誰收集了多少資料，而是這些資料能不能跨環境流動，並且持續進入下一個階段。 Axis 目前的 Cross-Simulator / Cross-Machine 架構，就是在解這個問題。

如果六月初有人跟你說，接下來幾個月 30 年期美債殖利率會從 5% 左右一路衝到接近 5.6%，但 BTC 反而會從 71K 漲到 84K，你一定會覺得這個人瘋了。 因為照一般邏輯，長端殖利率越高，黃金、BTC 這類非生息資產面臨的壓力就越大。 但物極必反，長債殖利率持續往上，也代表市場對美債要求的風險溢價越來越高，背後反映的是對美國財政紀律越來越深的疑慮。 所以現在的長債殖利率，很像一根越拉越緊的橡皮筋。 在它斷掉以前，殖利率越高，對黃金跟 BTC 的壓制力就越強。近期黃金已經明顯承壓，BTC 相對卻強得多。 但如果市場最後開始交易「財政赤字持續惡化，龐大的債務終究需要更寬鬆的貨幣環境來消化」，那就等於這根橡皮筋被拉到極限後斷掉了。 原本壓制黃金跟 BTC 的高殖利率，反而會因為背後代表的財政問題，變成下一階段行情的燃料。 美債的信用與財政問題，Ray Dalio 已經喊很多年了。 只是這幾年 AI 帶來龐大的資本支出、生產力預期與企業獲利，讓全球資金持續流向美國，替這個問題爭取了更多時間。 目前的資產市場，其實同時跑著一條主線跟一條暗線。 主線是 AI 推動的成長與生產力革命，暗線是愈來愈龐大的赤字、利息支出與政府債務。 前者對應 AI 股、半導體股，後者對應黃金跟 BTC。 老實說，長債殖利率走到這裡已經開始出現一些失控的味道。 通膨預期在改善，長端殖利率卻還是一路往上。5% 以上的殖利率照理說已經很有吸引力，市場卻依然持續拋售長債、要求更高的風險補償。 如果連這種殖利率都吸引不到足夠的長期買盤，代表那條原本藏在水面下的財政暗線，正在慢慢浮上來。 而一旦市場真的開始全面交易這條暗線，黃金跟 BTC 的大牛行情，才剛要開始。

台積電財報越好怎麼股價越跌？第二季營收突破1.27兆，毛利率高達67.7%，2奈米正式貢獻營收。這是一份將AI熱潮兌現為實質獲利的歷史級財報，但財報公佈後股價卻迎來無情大跌，究竟是利多出盡還是法人另有隱憂，帶你一次懂背後的隱藏訊號。 #台積電# #台股# #AI泡沫# #股災# #台積電財報# #算力# #股市# #美股# #財報# #比特幣# #arthurhayes# #MU# #川普# #AI泡沫# #AIBubble# #台股# #股市# #半導體# #TSMC# #investing# #bitcoin# #加密貨幣# #Bitcoin# #加密货币# #股票# #Crypto# #AI# #美股# #股災# #黃仁勳# #加密貨幣# #台積電# #kevinwarsh# #聯發科# #聯電# #cardano# #eth# #邦妮區塊鏈#

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#

剪完 @leto_bao 這集的精華,我自己又重看了一遍 一位前字節跳動工程師,把程序員 的思維直接搬進投資裡。他說對數據敏感是職業特質,聽完妳會發現,這其實是一整套可以複製的思考方式。 這支剪輯裡他聊了: 🔸槓鈴策略怎麼落地:絕大部分倉位放在他長期相信的指數,只留一小部分做高波動的嘗試,讓任何單筆結果都不影響整體組合 🔸用「買房交定金」的比喻解釋期權的槓桿邏輯,零基礎也能一次聽懂 🔸他搭了一個 AI agent 訂閱資訊源,自動總結市場異動推送給自己,期權對沖交給 bot,但股票決策一定由本人做 🔸給剛起步的年輕人:先誠實評估自己的風險承受力和現金流,看不懂的階段,他自己的答案是指數 我印象最深的一句話:寫一個 script,它就一直替你工作,你只需要迭代它。 其實人也是一樣。我們不需要一開始就寫出完美的版本,重要的是持續運行,持續修正。倉位可以迭代,系統可以迭代,認知可以迭代。 人生沒有最終版本,只有下一個版本。 （與Leto聊完後，我現在是Jenny 2.0了😂） 完整訪談在 Binance Square 🎧