与「就是超大杯」相关的搜索结果

2026年5月底，中国央视公开曝光“南天门计划”全套空天装备体系与技术路线，一举颠覆了大众对中国前沿军工布局的认知。从“鸾鸟”大型空天母舰、“白帝”跨大气层空天战机，到“玄女”智能无人战机、“紫火”战术作战平台，一系列极具科幻感的装备方案，一度引发全球热议。 外界最初多将其解读为新一轮军备布局、中式“星球大战”计划，但穿透科幻表象与舆论喧嚣，便能读懂这套计划的深层内核：这不是一场军备对抗的博弈，而是一次重塑人类文明走向的战略喊话，更是将全人类从存量战争泥潭、第三次世界大战边缘拉回正轨的关键布局。 一、褪去科幻滤镜：南天门计划的真实定位与技术底气 大众对南天门计划最大的误区，是将其认定为已经落地的现役军工项目。事实上，该计划源自中航工业2017年推出的前沿航空科幻IP，是中国空天领域未来20-30年的技术路线图与战略探索蓝图，而非定型立项的实战工程。央视此次公开，核心目的并非展示现役武器，而是系统性对外披露我国空天一体、深空探索的核心发展方向。 整套计划的四大核心作战平台，构建起了完整的未来空天作战与探索体系，每一款装备的设定，都对应着我国正在攻坚、逐步落地的前沿技术： 鸾鸟：空天体系核心、轨道战略平台。依托可控核聚变动力构想，实现超长滞空、全球空天机动，构建常态化太空战略存在，是未来深空探索与空天防御的核心载体。 白帝：跨大气层空天战机。具备全频段隐身、高超音速飞行、天地往返能力，可执行反卫星、反洲际导弹等高端战略任务，突破传统空域限制。 玄女：智能无人空战主力。依托AI自主集群作战技术，适配大气层内外全场景作战，实现零伤亡、高精度的规模化制空能力。 紫火：单兵战术作战平台。通过外骨骼、模块化武器、AR智能辅助系统，重构未来地面战术作战模式，适配全复杂地形场景。 相较于天马行空的科幻想象，南天门计划的核心技术均具备扎实的现实支撑。正如诸多权威军事专家研判的结论：这套体系涉及的各类前沿技术，早已不存在“能否实现”的理论难题，唯一的悬念只是工程落地的先后顺序与时间周期。 目前，中国在相关领域已实现多项实质性突破： 全频段超构隐身材料进入工程验证阶段，有人/无人协同的“忠诚僚机”模式实现实战化落地，腾云空天飞机完成极地轨道飞行试验，EAST人造太阳装置持续刷新高温稳态运行纪录。唯一的瓶颈，在于核聚变小型化、超大型空天结构工程等量级跨越难题，而这些都是可通过持续技术攻坚突破的工程问题，并非无法逾越的理论壁垒。 二、深层战略破局：从低调蛰伏到主动定义未来秩序 长期以来，中国军工发展始终秉持“低调蛰伏、闷声攻坚”的风格，成熟装备、核心技术极少提前对外披露。而此次主动公开尚未落地的未来空天计划，是我国战略姿态的一次重大转变，背后藏着多重深层战略价值，绝非简单的“秀肌肉”或跟风军备竞赛。 首先，这是一场未来战争与科技赛道的定义权争夺。过去数十年，西方主导了全球军事发展、科技竞争的核心规则。而南天门计划的公开，意味着中国正式提出了中式空天安全体系、深空发展体系的全新标准，用自主技术路线、中式战略思维，打破西方对未来秩序的垄断，重塑全球对空天领域发展的认知框架。 其次，彻底改写传统地缘博弈格局。传统的岛链封锁、海域博弈、空域对抗，都局限于地球表层的存量竞争。而南天门计划构建的空天一体体系，直接将竞争维度拉升至太空轨道，让传统地缘封锁手段彻底失效，牢牢掌握未来战略主动权。 最重要的是，该计划与美国冷战时期的“星球大战计划”有着本质区别，绝非拖垮对手的军备陷阱。美国星球大战计划以战略欺骗为核心，刻意制造技术噱头诱导苏联无效内卷、透支国力；而南天门计划是实打实的国家科技发展路线图，无强制军备投入要求。我国军费占GDP比重长期稳定在1.3%左右，远低于美国3.5%的水平，始终拒绝零和对抗，坚持以技术迭代带动产业升级。 这种“公开透明、提前布局、开放发展”的模式，是一种顶级的战略阳谋：我方清晰披露未来发展方向，不搞博弈偷袭、不搞霸权围堵，却能凭借扎实的技术储备与产业能力，让所有竞争对手无法拦截、无法跟风、无法制衡。 三、文明级救赎：破解存量博弈死局，规避世界大战宿命 当下全球动荡加剧，第三次世界大战的担忧持续蔓延，根源并非意识形态对立，而是全球经济下行背景下的地球资源存量博弈死局。 当前全球增长动能枯竭、债务危机蔓延、产业红利消退，地球有限的石油、矿产、航道、市场等资源，再也无法满足各国的发展需求。当蛋糕停止变大、甚至逐步缩水，零和博弈成为多国的被动选择，资源争夺、地缘冲突持续升级，而战争，正是人类重新分配存量资源的极端方式。回顾历史，两次世界大战的爆发，均伴随经济萧条、资源紧缺、大国博弈的时代背景，当下的全球格局，正高度复刻这一危险轨迹。 而南天门计划的终极价值，正是为人类跳出存量厮杀、规避战争宿命提供了唯一可行的出路。人类文明的底层逻辑从未改变：局限于地球有限资源，冲突与战争就是必然结局；开拓外部增量空间，零和博弈便会彻底瓦解。 这套空天深空发展蓝图，向全世界传递了清晰的文明信号： 人类的未来，不在于地球内部的内卷争夺，而在于太空、清洁能源、前沿科技带来的无限增量。核聚变能源可以终结传统能源战争，月球氦-3、小行星矿产可以彻底破解地球资源焦虑，空天往返技术可以重构全球互联互通体系，打破地理封锁与资源垄断。 这也是当下全球战略界的核心共识： 第三次世界大战能否避免，很大程度取决于中国能否带领人类走出存量博弈的困局。这并非夸大的救世主叙事，而是基于现实格局的理性判断。 在全球大国中，唯有中国同时具备三大核心能力，扛起人类和平发展的大旗： 其一，拥有全球唯一完整工业产业链，能够支撑空天、核聚变、新材料等超级科技工程的持续落地； 其二，坚持人类命运共同体理念，始终以合作共赢、共同开发为核心，拒绝霸权掠夺与军备对抗； 其三，作为全球第一贸易大国、第一制造业大国，是全球经济与秩序的核心稳定器，能够有效制衡全球冲突升级。 四、文明升维：跳出地球内卷，奔赴宇宙未来 任何前沿科技的落地，都离不开底层资源与能源体系的支撑，南天门计划的长远布局，早已覆盖了未来文明发展的核心命脉。我国在关键领域的提前卡位，为人类文明升维筑牢了坚实基础。 在基础资源领域，我国钛合金、稀有金属等战略矿产储备与提炼技术全球领先，能够持续支撑空天装备、高端军工设备的规模化制造；在能源领域，我国可再生能源装机量、特高压输电技术稳居全球第一，为超级工程提供稳定清洁能源支撑；在核心突破领域，可控核聚变持续迭代攻坚，距离工程化商用越来越近，有望彻底解决人类能源短缺的终极难题。 同时，人类顶级前沿技术的突破，从来不是单一国家可以独立完成的。深空探索、核聚变研发、太空资源开发，需要全球智慧、全球资源的协同合作。中国始终坚持开放合作的发展理念，在航天、新能源、可控核聚变等领域持续开展国际协作，拒绝技术垄断，推动全球共享科技红利。 南天门计划的真正意义，从来不是打造几款领先的空天武器，而是推动人类文明从“地球内卷型文明”向“宇宙开拓型文明”升维。它彻底颠覆了“资源靠争夺、发展靠对抗”的旧逻辑，建立起“资源靠创造、发展靠共赢”的新范式。

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。

台北旅行圆满结束，惯例讲讲这次看到的信息差。 这次旅行有几个Highlight： - 见到了黄仁勋爸爸，喝了Jensen给的台湾啤酒 - 约出来很多很久没见/第一次线下见的朋友 @SaBiBro666 @94cho94134 @0xMalingshu @yoaka__ - 感谢大家带我见了超多人 - 参访了六间Web2公司，并且跑了好多会。 - 之前在泰国grab上坐摩托跑会本来被疯狂司机搞出心理阴影了，后面跟着周周老师的摩托跑了一天会之后痊愈了。 - 在各种地方探讨 的更新 - 见到了传说中的Ray，也见证了大D哥在匹克球上吊打所有人。 话不多说，我们直接开聊 一、关于Web3： 在生态层面上。台湾的Web3生态和我之前听到的一样，以 $SUI 为中心。很多大学生都参与过 $SUI 的黑客松，或者直接在 $SUI 的项目方工作。近期有听到一些风声，说 $SUI 生态在新加坡也在很努力的BD。 看得出来， $SUI 在亚洲区还是有很努力的BD的。 在交易所层面上，台湾与香港有一些细微的相似之处，即，有交易用的交易所，以及OTC用的合规所。在台湾，最为普遍的交易用大所就是 @BingXZH 和 @BitgetTC，两者都通过大量 KOC 进行了有效的推广。 至于合规所，台湾有一系列包括 Hoyabit 在内的合规所，用于出金 - 这些合规所在定位上跟香港的 @HashKey_Global 和 @osldotcom 类似，以合规，可以让散户出入为主。 但是，Hoyabit 等等本地合规所在渠道上明显比香港的合规所更加亲民，以Instagram/Threads营销为主，能够真正触及到Web2的潜在用户。 在KOL层面上，台湾的本土KOL明显是比香港的本土KOL更多的。虽然很多KOL住在香港，但是粤语区 + 能够触及本地用户的KOL实际上两只手就数得过来。 *甚至可以说 @monsterblockhk 和 @852Web3 相关人士就基本占了所有香港KOL的半壁江山 相比之下，台湾明显有更多的KOC和KOL走到潜在用户当中，这也为本地交易所打出自己的市场空间提供了初步的入场点。 跟香港类似的点，在于这些KOC和KOL非常善于在Facebook和Instagram上起号，有些甚至在这些平台上反而粉丝更多。 Mass Adoption这件事情在执行上，台湾一带确实有很多可以学习的点。 最后说点刺激的 - 有听传言说不少当地的黑社会仍然盛行，会专门挑有钱的kol下手勒索。所以大家跑会时可能还是要尽量少穿merch，少显露财富。或许这也是不少KOL不露脸的原因。 二、关于AI： 这次是在英伟达的Claw活动上见到Jensen的。除了再一次听到孔总办的深圳活动被点名表扬之外，也有不少机会和当地人交流AI。 整体感觉下来，两岸对Agent目前的focus大差不差，都是在讨论怎么加入工作流，怎么更好的融入现有的企业体系。 而这却是也符合英伟达这次活动推广的Nemo Claw以及Open Shell的专属功能 - 即，更方便企业进行信息转移，权限继承，以及信息隔离的claw。 三月份的时候，我就稍微体验过nemo claw。不过用下来感觉除了免费，速度和工作能力没有很多亮眼的地方，甚至不如我直接问codex。 本来期望这次可以看到一些nemo claw更有趣的应用，没想到演示小哥现场翻车了好几次。或许Nemo Claw也不是我们这些初创阶段的startup适合用的。 除此之外，这次探访了华硕和几家Startup（包括SaaS，用户端产品，ESG审计公司，以及一些ToB技术服务），大家也很明显在试图寻找AI时代新的PMF，包括新的硬件，新的叙事，等等。 印象比较深刻的一个叙事案例就是一个共享车位供应商，就在为“成为自动驾驶汽车的上游供应商”准备。这个还是蛮有意思的。 三、关于台股： 说一个题外话 - 我是直到这次旅行，才发现台股也有 +-10% 的限制。 这次见的不少圈内朋友都有在交易台股，而且很多都有赚到钱，让我也忍不住想要研究。 台股的盘子实际上也确实很大，目前已经是全球第五大股票市场。像台湾电信，台湾大哥大等等巨头也投了很多数十亿台币的轮次 - 包括见的六家企业中的其中一家。 由于盘子足够大，所以也有不少本地企业会选择先上台股，再上美股的策略。 所以，一个这次比较直观的感受，就是台湾地区已经产生了独特的VC投资生态，模式，以及上市和退出的common sense。 最后，软件上，大家用的主要还是富途，和一个忘记名字了的本地软件。（@Live_2_Earn和@jhaninvest有跟我提，但是我忘了） 四、 关于生活，生活成本，以及娱乐 台湾的生活确实很舒适，而且超便宜。礼拜六的时候，帮朋友订了宜兰的别墅，带电梯+两层楼，可以容纳20人，居然只需要 16000台币（大概人均30u） 然后虽然台北很多地方感觉有点点破，但是新北一带看房子的外观还是蛮新的。 平常吃饭的成本也比较低。有个朋友约喜欢的女生出来吃饭，找了家蛮有名的店，最后两个人买单也才15u左右。 娱乐上，积分制的扑克是合法的。（师父 @gokunocool 这不得去一下） 这次踩点了Ace8，CTP，6Bet几个赛点。第一天就在CTP打了60人的锦标赛。本来打到第10，结果一手冤家牌三条allin被原地送走。 *草泥马chipchip，怎么每次都是冤家牌？？！ 6Bet的话感觉大家都比较鱼，所以倒是很快收集到筹码。 最后Ace8是和 @SaBiBro666 两兄弟一起去的，没想到这次我彻底成了鱼，被彻底干碎。 路边还有跟多六合彩店，进店可以花钱开刮。朋友直接给干没3000台币。 然后就是按摩。这次去的都是正经的按摩 - 为什么要强调正经的？因为我搜索按摩的时候，真的出现了几家不正经的按摩，就在谷歌地图上。 第一天去了一个叫Villiage的Spa，大概1500台币60分钟，手法非常赞，感觉技师是懂穴位的，按的我骨头全程发响，当晚一躺上床就睡着了。水平超过了不少我在深圳水会体验的按摩。 最后是交通。周周老师的摩托确实非常方便，穿梭于车水马龙之中，解决了所有堵车的问题。 本来是要尝试捷运的，结果明明写着visa可以拍，却完全用不了。哭了。 剩下的时间就是坐uber，价格比香港便宜不少，横跨半个台北也不到20u，司机态度也都很不错。 印象比较深的就是有个司机吐槽，从必胜客下班过来开uber，就是因为打工赚的太少，一个月每天12小时，才赚不到3万台币（约1000u） 五、关于夜市和夜店： 由于住在宁夏夜市旁边，台湾的夜市小吃这次也是吃了个遍，简单评价一下印象深的： 卤肉饭：感觉不如在香港吃到的好吃，但确实有家常菜的味道，而且胜在便宜（约2u） 地瓜球：给到夯。炸的外酥内软，而且不油腻。吃的很上瘾。 牛肉粒：特别喜欢这个，可以说是入口即化。450台币可以买四人份，吃肉爱好者的不二之选。 麻油鸡/麻油猪肝：听第一天司机师傅推荐吃的，感觉麻油味不够重，或许喜欢清淡口味的人会喜欢。猪肝倒是非常爽脆好吃。 酒吧上，台湾有很多不错的选择。不过建议大家有空一定要去之前币安，以太坊等等都办过活动的Sitdown酒吧看看。有很多有意思的调酒，东西也很好吃。每一支鸡尾酒，都是歌的名字。 地址： 如果是 @0xajc @0xAgata 这样的男同，据说西门町一带则有不少Gay Bar，堪比成都。Agata老师的名号更是在台北的Gay Bar被反复提及。 至于夜店，不少当地的朋友和我推荐了fix sober和Ruff，可惜最后去的时候人满为患。不过确实很多好看的小姐姐在排队，没去成很可惜。 最后我去的一家叫Wave，要坐一个超大的电梯上楼。内部非常大，有两层楼，以及可以上下驱动的天花板。价格也很实惠，只要15000台币最低消费就可以开台（约500u） Wave的DJ质量一般，但是光效很不错，至少吊打80%的香港夜店。每次干冰出来的效果也很high。 结语： 总之，这次旅行超级fruitful。 非常推荐还没有去过台湾的朋友有空就去看看，体验一下当地的氛围，以及独有的商业文化和圈子。 可靠消息说，今年的TBW会取消，改成Future Summit，同时做AI和Web3。感兴趣的朋友也一定要去看看！ 照片credit @94cho94134

讲讲上次埋的坑，唠唠AI液冷板块！🧐 液冷板块，我个人持有 #VRT# ，这个应该是无可争议的龙头企业。最近也在找一些市值小，但属于核心供应链的公司，目前锁定了一家，大家可以一同评论区探讨。 液冷的逻辑很简单，就如同视频里面描述的，目前数据中心的功耗密度已经处于巅峰，即将出来的英伟达Vera Rubin Ultra VR200直接干到600千瓦/机柜，唯有液冷能压得住。而一个机柜高达780万美金，所以液冷必须找靠谱大牌，不能含糊。 🎯爆发式的市场增长 虽然液冷，相较于内存芯片和光模块，或许没有那么性感。但整体增长势头也不可忽略，并且由于企业集中度较高，有一定的垄断定价优势！ 根据行业权威机构 Dell'Oro Group 的最新数据，全球数据中心液冷市场规模预计将从 2025 年的约 30 亿美元迅速飙升至2033 年的 276.5 亿美元，复合年增长率高达 31.5%。 推动这一增长的核心驱动力是超大规模云服务商在 AI 基础设施上的资本支出爆发。高盛预测，2025 至 2027 年，全球四大超大规模厂商的 CapEx 总额将达到 1.15 万亿美元，其中约 75% 将直接用于 AI 相关的物理基础设施建设。 📊目前市场上液冷技术，主要分两大阵营，直接液冷和浸没式液冷。 直接液冷技术上，主要通过冷却液通过封闭管道流经附着在芯片表面的铜质冷板，不直接接触电子元件。散染效率比较高，轻松应对100KW+的单机柜密度。而且兼容现有风冷机房和标准服务器机架。属于目前市场中的主流方案，包括英伟达 Blackwell也是这款方案。 浸没式液冷技术上，主要将服务器完全浸没在不导电的介电液体中，液体通过自然对流或泵循环散热（这个方案，我们以前ETH挖矿的年代，尝试过，将显卡浸没在有机硅油里面，散热效果很好，但很占面积）。理论上，这是最佳的散热方案，尤其是浸没在氟化液里面，散热可以轻松应对200KW的单机柜密度。但兼容性差，要对机房进行大改模改造，定制的特殊坦克罐体，管道设计都要彻底重建。而且维护成本也比较贵，属于小众非主流方案。 从供应链逻辑来看，AI机房液冷散热供应链相对比光模块这些简单很多，主要涵盖了从最底层的化学液体、精密泵阀、冷板，到系统级的冷量分配单元CDU以及最外层的水处理基础设施。 接下来详细讲讲其中的核心企业以及投资逻辑： 1️⃣Vertiv Holdings (代码 #VRT#)：液冷领域的绝对霸主 Vertiv 是美股市场中最纯粹、规模最大的数据中心物理基础设施提供商，主营业务做电源与热管理。在液冷时代，Vertiv 构筑了几乎无法被颠覆的统治级护城河。 • 无可替代的全球服务网络：液冷与风冷最大的不同在于，液体泄漏是致命的。超大规模客户，如 Meta、微软在选择液冷供应商时，首要考量不是硬件价格，而是「当系统发生微量泄漏时，谁能在 15 分钟内派工程师到达现场解决」。Vertiv 在全球拥有超过 3000 名常驻数据中心的技术服务工程师，这种规模的服务网络是任何新进入者或服务器 OEM 在 5-10 年内都无法复制的。 • 惊人的订单积压与能见度：截至 2026 年 Q1，Vertiv 的订单积压达到了创纪录的 150 亿美元，同比增长 109% 。其订单与发货比高达 2.9倍，这意味着 Vertiv 已经锁定了未来数年的收入，且积压订单正随着下一代英伟达Rubin的量产持续扩大。 •财务与估值：2026 年 Q1 收入达 26.5 亿美元，调整后稀释 EPS 同比飙升 83% 。管理层将 2026 全年 EPS 指导上调至 5.97-6.07 美元，隐含 51% 增长。尽管目前前向 P/E 达到 46 倍，但相对于其 43% 的 EPS 复合增长率，其 PEG 仅为 1.07，在增长调整后甚至比标普 500 指数更具估值吸引力 。 2️⃣Ecolab (代码 #ECL#)：通过收购 CoolIT 打造的「水-液-电」终极整合者 Ecolab 本是一家市值 770 亿美元的全球水处理与工业卫生巨头。然而，其在 2026 年 3 月做出了一项震惊华尔街的决定：以 47.5 亿美元全现金收购了全球液冷硬件领军企业 CoolIT Systems 。 • 29倍 EBITDA 的天价溢价背后：Ecolab 支付了高达 29 倍 forward EBITDA 的对价 。当时整个华尔街分析师，都震惊了，这种跨界整合，一个做化学材料的公司，来搞AI液冷，很多人都无法理解。但后来市场才慢慢理解，这个整合有一个恐怖之处：液冷本质上不再是硬件生意，而是化学与流体生命周期管理生意。 •「冷却即服务」的唯一独家平台：Ecolab 将 CoolIT 的芯片级硬件（CDU、冷板、歧管）与其自身的 3D TRASAR™ 水质数字化监测、化学防腐防垢技术以及遍布全球的工业水处理网络进行了深度整合 。 • 个人理解：超大规模客户过去需要分别向 CoolIT 采购冷板，向 Vertiv 采购 CDU，再向 Ecolab 采购一次回路的水处理服务。一旦发生管道腐蚀、结垢或冷却液变质，各供应商之间极易互相推诿。Ecolab 收购 CoolIT 后，成为了全球唯一一家能够提供从「芯片级微通道」到「厂房外冷却塔」端到端流体生命周期托管的供应商。这种一站式解决能力具有极强的客户锁定效应，基本上一旦合作，替换成本极大。 • 与 NVIDIA 的独家合作纽带：CoolIT 是 NVIDIA Partner Network的核心成员，其 OMNI 冷板是针对 NVIDIA GB200/GB300 芯片进行联合 co-engineering（的结晶。Ecolab 收购 CoolIT 后，直接继承了这一极具稀缺性的芯片级设计入口，将其高科技业务的可寻址市场直接从 50 亿美元翻倍至 100 亿美元，而这家公司本身的水处理业务本身就是源源不断的现金流。 🧐接下来，我们讲讲液冷供应链中的「隐形冠军」与稀缺零部件提供商。他们掌握着液冷的核心供应链，缺他不可！ 3️⃣精密动力源：Moog (代码 #MOG#.A)，市值100亿 液冷系统中的 CDU 和泵必须保证 10 万小时无故障运行，任何微小的震动或电磁干扰都可能损毁服务器。 • 唯一性：Moog 凭借其在航空航天领域的精密伺服控制技术，其 CoreMotion™ 液冷分配泵几乎是高性能 CDU 的唯一指定选择。 • 供应链锁定：Moog 与 USA Rare Earth 签署了独家备忘录，确保了泵内部高性能钕铁硼稀土永磁铁的稳定供应，在 2026 年地缘政治多变的环境下，构筑了极高的原材料壁垒 ，但稀土这玩意儿，最终还是需要看中国脸色。 4️⃣核心热交换介质：Dow Chemical (代码 #DOW#) 市值250亿 冷却液的化学配方是浸没式液冷的核心。 • Dow 的独家武器：陶氏化学推出了专利保护的 DOWSIL™ ICL-1000 硅有机冷却液，该技术获得了 R&D 100 大奖。其传热效率比空气高 1000 倍，能减少 95% 的服务器冷却能耗，且具备极低的全球变暖潜能值，符合欧盟和美国极严苛的环保准则。核心问题是，陶氏化学本身在这一块的体量不大，并非其主营业务线。 后面再开一期讲讲电力板块，拭目以待！🧐

AI数据中心电力上的关键环节：800VHDC，今天在这里 Ultra平台上得到大规模采用。其实800VHDC并不是全新概念，自从英伟达去年说要推直流供电架构后，市场对此的关注度其实挺高的，这个板块的相关的标的已经炒过一博预期了。但实际上800V直流电在下半年才真正大规模采用，值得关注。聊下几方面的问题： 1、800V HVDC架构是什么？ 传统高密度AI rack的路径大致是：电网中压AC → 变压器/UPS/PDU → 415/480VAC到机架 → 机架内PSU转54VDC/12VDC → GPU核心电压。 达子的800VDC愿景则是：在数据中心边界/电力室把中压AC集中转换成800VDC，用800V DC busway送到IT rack，再在靠近GPU的位置用高比率DC/DC转换。NVIDIA称，54V架构在200kW以上开始撞上物理限制；1MW rack如果继续用54V，单rack铜排最高可能需要约200kg铜，而800V架构通过减少电流、减少转换级数、减少机架内PSU，目标是提升效率、降低铜耗、释放机架空间。 它不是简单的电压升级，也不是“发明了直流供电”，而是AI数据中心供电架构的一次平台级切换，是对整个电力交付架构的系统性重构，旨在解决传统48V/54V机架电源的瓶颈（空间受限、铜缆过载、多级转换损耗高），支持单机架功率从数百kW跃升至1MW+，并为未来GW级AI工厂铺路。 2、800V HVDC的意义和革命性是什么？ 1）首先自然是效率和空间布局 效率提升：从电网到GPU的转换环节大幅减少，整体能效可提升从以前90%能大幅度提高到98.5%以上传输损耗显著降低，TCO（总拥有成本）降低可达30% 空间与密度优化：减少铜缆用量和电源单元体积，机架内计算空间利用率提升超80%，支持更高密度GPU集群 2）800V不是单一器件升级，而是生态重构：中央整流、800V DC busway、固态断路器、热插拔保护、sidecar/power rack、BBU/CBU、超容/电池储能、DC/DC、GaN/SiC、液冷都要协同。NVIDIA也明确说需要OCP等组织推动电压范围、连接器、安全标准。 如果大家有关注过新能源汽车产业链，应该有影响这两年国内电动车厂商都在推的“快充”基本上就是800V高压直流充电。现在达子正在把800VDC变成下一代AI rack标准化路线的一部分，所以一部分原来给新能源汽车充电产业链上的关键环节，又开始外溢到AI数据中心上了。 3、800V HVDC空间有多大？ 要看大背景，AI数据中心整体市场从2025年约3440亿美元增长至2032年超2万亿美元（CAGR 27.5%）。 功率基础设施将成为AI建设的核心瓶颈与增长点，NVIDIA的标准将加速 hyperscaler采用，带动固态变压器、GaN/SiC功率器件等子市场爆发。 2027年后，>300kW/rack、尤其是400kW-1MW rack的AI zones中，800VDC或类似HVDC架构渗透率快速提升。若未来新增AI容量中有30%-60%采用高压DC架构，并且每MW对应的核心800V电力链价值量在几十万到数百万美元区间，累计空间就会进入百亿美元到千亿美元级。 当然这个预测区间也很宽，因为真实取决于Kyber/Rubin Ultra出货节奏、超大云厂接受NVIDIA 800V的程度。 4、800V HVDC产业链构成 完全是英伟达参考设计主导资格认证，之前英伟达也公开列出的核心合作伙伴分为三类，竞争激烈，份额将取决于认证进度、量产能力和 hyperscaler合同。 1）硅片/功率半导体供应商（核心器件，如SiC/GaN MOSFET、控制器，用于高效转换）： 主要玩家：Texas Instruments（TI，已发布完整800V解决方案）、STMicroelectronics（ST，6-18kW功率板）、Infineon、ROHM（SiC器件）、Navitas（GaN/SiC）、Analog Devices、onsemi、Renesas、Innoscience、MPS、AOS、EPC等。 这些是NVIDIA“硅供应商”名单核心，TI/ST等已演示参考设 2）电源系统组件/模块供应商（电源架、Sidecar、DC-DC转换器等）： 主要玩家：Delta Electronics（与NVIDIA深度合作，发布800V解决方案）、Flex、LITEON、Megmeet、Lead Wealth、Bizlink等。 Delta等中国厂商优势明显，已有白皮书和技术落地；LITEON等股价因800V预期已经显著上涨。 3）数据中心电源系统/基础设施供应商（机架级配电、Sidecar、SST、母线等）： 主要玩家：Vertiv（Hopewind为其800V系统关键子供应商）、Schneider Electric（开发1.2MW Sidecar）、Eaton、ABB、GE Vernova、Siemens、Hitachi Energy、Mitsubishi Electric等。 这里面Vertiv、Schneider、Eaton等是传统强者。 个人角度看 1）Vertiv、IFFNY、Schneider、Eaton、Delta、ABB是最可能在早期800VDC相关收入中占到显著份额的几家公司； 2）LITEON、TI、ST、Infineon、onsemi是第二组确定性较强的受益者； 3）Navitas、Power Integrations、MPS、BizLink、Megmeet、Innoscience（英诺赛科）属于弹性更大但验证/量产/竞争风险也更高的一组。 个人角度当下比较看好的则是，当然这个还要动态迭代： nvts、IFNNY、英诺赛科、vicr 5、后续跟踪落地节奏的几个重要节点 1）NVIDIA Kyber / Rubin Ultra 2027节奏：是否明确把800VDC作为默认/主推rack电力架构，而且出货节奏也带动800V的落地节奏 2）OCP标准进展：800V连接器、安全、保护、PDB、BBU/CBU是否标准化。 3）看点电源管理系统组件，功率半导体供应商的点单披露，谁真正进入了进入backlog和量产socket；这个最关键决定了哪家供应商能吃到多大的份额 4）超大云厂路线：800V vs 400V/±400V vs 50V HPR是否分裂。决定了市场对800V hvdc的预期和想象空间。 5）单MW成本下降曲线：如果800VDC使每MW可部署GPU数量、能效和维护成本明显改善，它会从NVIDIA专用架构变成行业事实标准。

昨天大摩分析师对于VR200NVL72的拆解图流传很广，很多人误认为这是VR200的成本构造，说物料总成本这是误读。毕竟780万美金是单一机柜从富士康这类ODM厂商的出厂实际售价（不能说总成本就是780万美金）。所以这张图叫英伟达VR200机柜的价值分布更恰当些。当然这个价值占比分布基本上也能对应的物料成本占比。从这张图以及与上一代GB300价值对比能看出来什么来？ 1、内存价值占比大幅度提高 内存仅占GB200 NVL72机架物料成本（BOM）的5%-10%；但到了VR200，内存占比已飙升至26%。简单说，rubin系列用到的hbm更多了。 2、PCB（印刷电路板）价值占比增加233%； MLCC（多层陶瓷电容）价值占比增加182%； ABF基板价值占比增加82% 电源价值占比增加32%； 冷却价值占比也增加12%。 而且大摩分析师在报告里还提到一个叫SOCAMM（小外形压缩附着内存模块）的采购方式。基准情景下，英伟达负责采购SOCAMM并以70%毛利率转售，机架价格约780万美元。但如果超大规模云厂商（如微软、谷歌、亚马逊等）选择直接采购SOCAMM，绕过英伟达的加价环节，机架价格将降至约670万美元。 除了内存、连接、pcb/abf/MLCC这些关键组件之外，还有一个值得关注的环节就是英伟达力推的800V HVDC。Vera Rubin平台标配110kW电源模块，但已有至少一家美国云服务商在Vera Rubin平台上采用了HVDC（高压直流）独立电源机架。 分析师预计，800V直流电将在2027年下半年推出的Rubin Ultra平台上得到大规模采用。台达电（Delta）已与至少三家美国云服务商合作推进HVDC平台落地，初步部署预计从2026年下半年开始。 800v hdc的产业链关键环节也值得关注。

Scaling Law正在被重新Scaling ---openai核心研究员最新论文《Learning Beyond Gradients》解读 过去几年，AI行业几乎默认更大的参数、更多的数据、更长的训练、更强的GPU，就是更强的模型，就是scaling law。 过去几个月，行业开始认为，更多的推理，更多的agent，就能完成更长时、更高价值的任务，就是更强的智能。 这构成了行业对scaling law的理解，而只要Scaling Law继续成立，模型就会不断逼近AGI。 最近的openai核心研究员翁家翌的一篇论文《Learning Beyond Gradients》，提出了一个全新的scaling维度：AI不一定只能通过梯度下降学习，也可以通过heuristic、policy、workflow、strategy、code generation不断修改自己的行为系统。 这是继agentic和harness之后，AI行业可能正在从“Scaling Model”，进入“Scaling System”的阶段一个最新的重要进展。 过去AI的能力飞轮，本质上是：更多数据→更大模型→更强能力→更多用户→更多数据。 但现在，论文要告诉我们的是，新的能力飞轮：更强模型→更强heuristic generation→更强runtime system→更强Agent能力→更多真实世界反馈→更强runtime evolution→反过来增强模型表现。 行业正在加速的从：智能 = weights。过度到：智能 = weights + runtime system。 LLM本质上是输入→Transformer→输出。 模型训练结束之后，能力基本冻结。学习主要发生在梯度下降、反向传播和weight update里。也就是说，learning = 修改参数。 LLM就像人类的大脑，参数就像脑细胞。但现实世界的大量复杂能力，其实并不完全来自参数。 就像人类文明真正强大的地方，也不仅仅是大脑本身。真正让文明爆炸的，是语言、文字、工具、数学、workflow、软件系统、组织结构、科学方法。这些本质上都是“外部heuristic system”。 《Learning Beyond Gradients》，的创新，在于它开始尝试把“学习”从参数空间里解放出来。过去是：reward → gradient → weights。现在开始变成：feedback → heuristic modification → runtime evolution。学习开始发生在program space，而不是parameter space。 heuristic，还有点像专家系统，但极大的增强了其能力：过去的专家系统，规则由人类写；现在，规则开始由LLM自动生成。这是在效率上的从量变到质化。 传统专家系统失败，并不完全因为“规则”方向错了，而是因为人类无法维护超大规模动态规则系统。过去写规则太慢、修改规则太贵、规则之间容易冲突、长尾case会爆炸、系统复杂度会失控，所以专家系统最终被深度学习取代。 但LLM的出现改变了这个约束。现在规则生成成本接近于0。模型不仅能生成规则、修改规则、删除规则、调试规则，还开始能自动生成workflow、tool graph、planner、memory strategy，甚至修复agent行为。 这意味着，AI开始能够修改自己的运行时系统。于是，越来越多能力开始从“模型本身”外溢到memory、planner、search、tool use、verifier、runtime orchestration这些系统结构里。 更大的模型 = 更强的AI，变成：更强的模型 × 更强的runtime system = 更强的AI。这会形成一个新的能力飞轮。 过去AI只有“模型scaling”。未来AI会开始出现：Model Scaling × System Scaling × Runtime Self-Improvement。 我们很可能正在从去年底的scaling law，迈入到现在的heuristic驱动的，结合agent和harness的scaling law的平方。 更重要的是，runtime system的增长现在其实才刚开始。今天很多Agent系统仍然非常早期。memory很弱、planner很弱、workflow persistence很弱、long-horizon task能力很弱，本质上还处于“DOS时代”。 但接下来，同一个基础模型，在不同Harness之下，实际能力可能相差几十倍。因为很多复杂任务的瓶颈，已经不是“模型会不会”，而是“系统能不能持续组织行为”。 这也是为什么，未来最重要的竞争，可能不再只是“谁的参数最多”，而是“谁最先形成：模型 + memory + tool ecosystem + heuristic runtime + self-improving harness”的闭环。 某种意义上，Transformer越来越像“认知内核”。真正的AGI，可能是围绕Transformer构建出来的runtime civilization、heuristic ecosystem、agent society、memory graph、self-improvement loop的组合体。 《Learning Beyond Gradients》最让我兴奋的地方，其实并不是“超越梯度”。而是它开始尝试：把Scaling Law本身，也变成一个可以被继续Scaling的系统。

所有人都在买英伟达，没人注意到这根连接所有AI芯片的管道——Nokia 上一篇写了为什么nokia是最便宜的光，今天再来详细分析一下4月份的财报和未来方向。有没有可能重现1999-2000年的parabolic move? 一、先说一个被忽视的逻辑 AI投资的讨论永远围绕着芯片——谁的GPU更快、谁的HBM供货更足。但没人问一个更基础的问题这些GPU之间，用什么连接？ 数据中心里成千上万颗GPU需要实时互相通信，传输的数据量是普通网络的数百倍。现有的网络基础设施正在被这股流量压垮。打通这个瓶颈，就是下一个十亿美元级别的机会。Nokia就站在这个瓶颈的收费站口。 二、4月份财报说了什么 表面数据：Q1净营收45亿欧元，整体年增率4%。很多人看到这个数字转头就走。 但分开来看： 1. AI与云端客户营收年增49% 2. 光通讯业务单季成长20% 3. 营业利益率冲上6.2%，年增200个基点 4. 自由现金流单季6.29亿欧元 5. EPS大超分析师预期31% 6. 净现金储备近40亿欧元 7. 已启动股票回购 更关键的是，管理层把光通讯与网络互联业务全年指引从10-12%直接上修到18-20%。大型设备商几乎从不这么做——除非手头的订单已经多到藏不住。10亿欧元实质采购订单，带明确交付日期，不是框架协议。客户之所以愿意压上日期，说明数据中心土建已完成，服务器准备进场，就等Nokia的设备到货。 三、为什么是Nokia，不是别人 重点一：与英伟达深度绑定 Nokia与英伟达达成AI-RAN战略合作，把GPU算力直接整合进无线电网络。年底还有双方合作的光电共封（LPO）现场试验数据即将公布。 黄仁勋说Agentic AI带来1000%的算力需求暴增。这1000%的算力要运转，需要1000%更宽的传输通道。Nokia在造这个通道，英伟达需要这个通道。 两家公司的利益高度一致。 重点二：Infinera并购协同效应超预期 高利率环境下，Nokia凭借近40亿欧元净现金逆势完成对Infinera的收购，并购带来的毛利率提升速度远超华尔街预期。这笔并购很完美，营收规模越大，利润爆发力越强。 重点三：主动放弃低毛利，聚焦Webscale巨头 Nokia正在主动削减消费者光纤等低毛利业务（固网业务Q1下滑13%），把所有产能死死锁定在谷歌、亚马逊这类超大型云端数据中心客户。 表面营收看起来疲软，实际是在牺牲数量，保住利润率。这种"价值重于数量"的策略，在产业周期里往往是股价主升段的前兆。 订单出货比持续大于1，接单速度快过交货速度，积压需求将在未来几季持续转化为营收。 四、市场有多大 云端巨头2026年资本支出超过7250亿美元，整个潜在市场年复合成长率从16%跳升至27%。目前AI驱动的网络流量只占整体的20%。随着Agentic AI和Physical AI的普及，机器对机器的数据传输将呈指数级增长——现有网络根本撑不住。Nokia不需要抢市场，只需要站在这条必经之路上收过路费。 五、风险在哪 供应链瓶颈： 光通讯产品交期被拉长至12-18个月，上游数字信号处理器（DSP）大缺货，营收认列速度被掐住。订单很多，但转化成钱需要时间。 无定价权： Nokia的增长靠的是出货量，不是涨价。光通讯产品长期价格向下，利润扩张依赖规模经济，这是苦活不是躺赢。 新交换器业务存在转换空窗期： Q1拿到的设计导入（Design Wins）不会立即贡献营收，需要等Q2-Q3的订单转化。 2027年新架构才放量： 下一代光电共封架构能降低客户总置成本70%，但量产要等2027年下半年，别把2027年的故事算进2026年的EPS。 六、会不会重现1999-2000年的parabolic move行情？ 1999年Nokia是全球最大手机厂，市值一度超过2000亿美元，两年内股价涨了超过10倍。那次是5G前身的2G/3G爆发周期。 这次不同，也更扎实。那次靠的是终端设备消费，周期性极强。这次靠的是基础设施刚性需求，数据中心建好就要配套设备，不存在等等看再说。 抛物线行情需要三个条件： 1. 需求端爆发: 7250亿资本支出，明年资本开支持续增加，AI流量暴增 2. 供给端瓶颈: 交期12-18个月，产能跑不赢订单 3. 市场认知滞后: 大部分人还把Nokia当5G周期股在看 认知差就是超额收益的来源。当市场还在争论Nokia是不是无聊的电信设备商，机构资金已经在悄悄重新定价。 七、三个必须持续跟踪的数据 1. Q2开始看设计导入转化率: Q1拿到的客户认证，有没有在Q2变成真实采购单，这决定下半年营收基础 2. 光通讯交期有没有开始收缩: 从18个月降到12个月是一个信号，意味着上游供应链开始松动，营收加速的拐点就在附近 3. 年底LPO试验数据: 与英伟达合作的光电共封现场测试，一旦数据亮眼，Nokia的估值逻辑将从"电信设备商"切换到"AI基础设施核心供应商"，PE重估空间巨大 八、总结 这不一定会是1999年的抛物线，但认知差带来的重估行情，逻辑上已经非常清晰。等年底英伟达LPO试验数据出来，才是真正的验证时刻。 #NOK# #Nokia# #NVDA# #AIInfrastructure# #OpticalNetworking# #Datacenter# #AI超级周期# #光通信#

$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#