与「新時代到来」相关的搜索结果

RIZIN52⚡️⚡️⚡️お友達が招待してくれてメチャ間近で観戦(ありがとう🎉)‼️選手達の生き様&リアルなパワーに感謝な1日でした⚡️⚡️⚡️ #rizin52# #新時代到来#

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。

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#

7月25日一篇微信公众号文章《那十年，满城尽带黄金甲》（见附文）回顾了中国经济腾飞的十余年时间，引发网民热议。 社会信心这种东西，高涨的时候就狂飙突进、一日千里，退潮的时候就山崩地裂、哀鸿遍野。 中国民众仍然对眼下的经济困境缺乏清醒认知，他们一边幻灭，又一边怀抱不切实际的幻想： 他们以为这不过就是一个普通的经济周期而已，他们以为忍一忍，困境就会过去。 我想借题发挥的地方是：社会信心对于一个国家来说至关重要，当社会信心崩溃的时候，就会出现像东欧剧变那种连锁反应。这一点在捷克斯洛伐克尤其突出：这个国家的反对运动甚至没有怎么出力，这个国家就已经被时代浪潮裹挟而去，因为信心崩溃确如山崩地裂。 当然，我并不是鼓吹坐着干等政权自己灭亡。中国眼下的时代幻灭还夹杂着新的不切实际的幻想，中国的经济危机还没有触底，但是社会信心已经松动了。 这是一个重要的国家转型历史机遇期，就好像波兰反对派运动遇到1975年《赫尔辛基协议》和1976年当局误判形势导致食品大涨价。如果抓准了历史机遇期，社会运动就会如风卷残云一样席卷过来；如果错过了历史机遇期，不但反抗运动要付出更大代价，还可能无法成功。 在经济高涨期鼓吹中国崩溃论是对政治经济规律的无知，但经济衰退期重新鼓吹中国崩溃论则近乎逃避责任和自娱自乐了。 无数现实案例告诉我们：即使是一个经济上破产的国家，也并不必然导致政权崩溃。真正导致政权崩溃的因素绝不包括国民什么都不做就干等政权灭亡。 社会运动就是为政权更迭创造新变量的最重要环节：因为社会运动意味着社会主动求新求变，要求解决现实问题。 相反，如果社会运动缺席，我们就会像案板上的鱼肉幻想重归大海。 我们要主动去创造社会运动，要主动去创造可以改变社会的全新变量，不要沉浸于无休止的内斗和党同伐异，然后埋怨别人没有努力去改变现状。 -------------------------------- 《那十年，满城尽带黄金甲》 ——来自微信公众号：摩登中产 1 2004年，冯小刚包下T97次列车，取名“天下无贼号”，从北京南下香港。 列车经郑州，过武汉，越长沙，车厢内德华高歌，葛优醉饮，一路欢声。 一年后，微醺的葛优转战《夜宴》剧组，这次冯小刚用一亿两千万，重建了一座皇城。 数米高的青铜吊灯有两百盏，皇后的凤辇造价五十万，1.2万平的大殿诡秘森严，大殿前数十匹骏马奔腾，每根毛发都用黑油熨染。 那几年，中国电影尽是大手笔与大场面。 陈凯歌的《无极》，到香格里拉布景，在无人区修路，为几秒镜头买了100多头高原犏牛。 徐克的《七剑》，远行天山三年，武器造了上千把，准备连拍6部，对标星战。 更早之前，张艺谋在内蒙胡杨林深处，拍下《英雄》第一个镜头。片中的树叶，都是60元每包，从老乡家收购。 刀光剑影裹着王霸雄图，呼啸向前。人民大会堂首映礼上，200大学生身披秦甲，高喊：风！风！大风！ 2006年，张艺谋开拍《满城尽带黄金甲》，那风已浩荡无双。 电影投资3.6亿，在横店1：1仿建故宫，一万平广场上，铺满四百万朵菊花。 51岁的周润发身披八十磅重的纯金龙袍，龙行虎步，穿过金色廊柱，登上朱红高台，放眼望去，一片金色的海。 两年后，投资更高的《赤壁》到来。吴宇森要用6亿投资，“拍一部伟大的电影”。 六千名群演，奔跑在八卦阵之中，两千艘战船，浮动在波涛之上。最长一艘战船，首位长达38米，号称亚洲版特洛伊。 那些风声水气，已成绝响。多年后，参与拍摄的群演，回味起漫天落雪般的灰烬，“像大梦一场”。 那是澎湃的大时代，而时代越澎湃，主角反而越是小人物。唯有上行，才有逆袭。 21岁的李宇春，被352万条短信选成全民偶像，登上时代封面，她原本计划是毕业做北漂，在地铁通道站唱。 33岁的郭德纲，穿过大雾回天津办专场，一月接受采访140场，不久前他的梦想还是小剧场能坐满，说句“我很欣慰”。 那些年，我们看着旭日阳刚唱上春晚，看着王宝强越过原野，看着黄渤奔跑在《疯狂的石头》收尾，高架桥两侧，浮出海市蜃楼。 穿行过上行周期的人，都相信奇迹。 那十年，优酷上最火的歌是“我相信青春没有地平线”，毕业季上最流行的歌是“最初的梦想紧握在手上”，而写进高考作文题的歌是：我一直有双隐形的翅膀，带我飞，给我希望。 飞翔的人们掠过金色年代。 2001年，中国男足挺进韩日世界杯，2002年，姚明亮相休斯顿火箭队，2004年，刘翔110米栏决赛夺金，创造世界纪录。 那天，疾驰如风的他说：我感觉今天自己是一个奇迹的主角。 2008年，更大奇迹上演，29个巨大焰火脚印，沿北京中轴线破空踏来。 鸟巢之内，千人击缶，万人高歌，李宁飞天踏画，圣火熊熊，成为一个时代的燃点。 火光下，人人都是奇迹的主角。 2 奇迹背后，是经济狂飙带来的底气。 2001年，中国GDP增速8.3%，而这只是那十年的最低值。 2003年到2007年，中国GDP连续5年两位数增长，2007年增速达到14.2%。 在西方，中国崩溃论悄然退场，英国记者金奇写了《中国震撼世界》，并成为英国年度最佳图书。 在国内，央视《大国崛起》纪录片多轮重播，盗版碟热销，被摆在摊位最显眼位置。 狂飙的经济，让原材料需求激增，煤老板成为上行周期第一批宠儿。 他们一夜暴富，再一掷千金，最爱到北京买房投资。煤老板们对望京不屑一顾，要买就买“一环”：以天安门为圆心，用圆规画圆，半径在3公里以内，否则不买！ 他们买奔驰越野，开信贷公司，投资影视剧，多年后，导演彭浩翔对煤老板念念不忘，“你给我拍个艺术电影，拍什么内容我不管，一定让我女朋友走红毯”。 2010年，30多个煤老板集资50多亿，成立汾酒投资公司，豪言让汾酒产能提升3倍，和茅台一争高下。 与煤老板一起纵横江湖的，还有地产商。 1998到2007年，中国商品房销售面积年增速20%，2007年，26岁的杨惠妍成为中国新任首富。富豪榜单前100名中，有39人从事地产业。 巨浪之下，热钱开始聚拢中国。 2006年，美国红杉资本合伙人迈克尔造访中国，称中国伟大公司或许还没有诞生。 一年前，号称投资半径“不超出硅谷40英里”的红杉资本来到中国，成立红杉中国基金。 红杉合伙人沈南鹏，意气风发坐在上海恒隆广场28楼办公室内，桌上摆着3部手机，每个月话费上万起步。 窗外，黄浦江江水奔流，一往无前。 那年，朱啸虎刚加入金沙创投，很快有外号“点石成金”；今日资本徐新，刚投资土豆网，并称哪怕不盈利“我们愿意养它三年”。 投资京东时，徐新嫌刘强东要200万美元太少，主动加到500万美金：“你现在没尝到钱带来的威力，你会觉得200万是远远不够的。” 2006年春节，从华盛顿飞回上海的38000英尺高空上，吴晓波给新书《激荡三十年》写下题记： 当这个时代到来的时候，锐不可当。 江河汇聚成川，无名山丘崛起为峰， 天地一时，无比开阔。 2005年8月，百度登陆纳斯达克，当天涨幅超350%。 媒体采访李彦宏，问他知不知道百度造就了8个亿万富翁，50个千万富翁，400个百万富翁。 李彦宏说，分享财富，共同奋斗。 两年后，阿里巴巴上市满月酒，酒桌上员工都在计算身家；同年，史玉柱在陆家嘴摆上市庆功宴，给所有人涨薪，并一人发一枚老凤祥定制金币。 财富浪潮从楼市到股市，从煤老板到互联网新贵，最后漫过每一个人。 北京海淀，星巴克内坐满创业者，推门进店，投资、创业、技术理想的话题扑面而来。 高中辍学的李想，4年身家过亿，笑谈发家历程：“我们这些人，前两年，还糊里糊涂的，什么都不知道……” 《新周刊》写出那十年的急切和野望，“如果你三十而未富，那你这辈子很可能已经没有机会了。” 当时只道是寻常。 3 2007年，身份神秘的外企经理李可，写了《杜拉拉升职记》，两年卖出210万册。 书里干练坚强的南方女子，成为无数白领的人生范本，“杜拉拉信奉踏实，不懈努力，靠个人奋斗获取成功。” 上行周期的年轻人，总是自信又乐观，相信未来注定是他们的。 有媒体调查北上广深8个城市青年，发现7成以上年轻人不在乎失业，自信很快就能找到新工作。 他们相信爱情，选择伴侣时，更多考虑人品志趣，门当户对被排最后。 他们相信梦想。广州赤沙村的小情侣，相信一定能搬到市区；北京唐家岭的蚁族，则梦想“三年一辆车五年一套房”。 在国贸，白领相信30岁前能当上主管，主管相信后半生都是中产，飞机靠背插着的杂志上，说就应该“用明天的钱，圆今天的梦”。 回望那十年，繁华之下是狂飙，而狂飙的遗泽是信心。信心是最强大的惯性。 惯性之下，那十年流光溢彩。 他们是许三多，他们是杜拉拉，他们是见证奔腾的马冬梅和夏洛，他们是贾樟柯的风流一代。 风流轮转。 19年后，满城已无黄金甲，横店广场也无耀眼明黄，蚁族的城中村已化森林公园，碧桂园忙着交房，昔日女首富焦头烂额。 去年夏天，徐峥穿着不合身的外卖服，试图讲述逆袭人生，结果被骂得声名狼藉。 电视上播的是小欢喜、小舍得、小别离，45岁的黄磊在楼道上痛哭流涕：老老实实做人，认认真真工作。 有人剪辑了马云的视频，2008年，马云说：银行不改变，我们改变银行；2018年，马云说：要改变我们自己。 2020年，马云说：都难都难，现在都难。 所有人都在翻山渡海，沿着周期向上攀爬，而旅途越艰难，越想念远去的夏天。 今年42岁的刘翔，已退役十年，罕有露面。 2020年一档综艺上，他和几个小朋友在大巴车上休息，小朋友问他到底几岁。 刘翔笑着回答说：“我想永远停留在21岁，再来一遍。” 越来越多人回望那十年，不是贪恋黄金的甲光，而是想重温信心的力量。 每个上行周期，狂飙的经济，总能带来信心，而重启上行周期，则需以信心为起点，凝聚心气。 今年夏天，苏超火爆，一座座奥体中心内，人声鼎沸，人潮如海。 这只是草根联赛，但当人们都相信它会成功，都有心气把它办成功，它就能成为奇迹。 夏夜漫长，体育场灯光璀璨，欢声如雷，笑容如昨。 恍惚间又有热风吹过。 不如我们从头再来。

唯一吃到中国版Instagram红利的公司，做图片社交的，搭着这个概念16年在新三板上市，创始人是类似土豆网王微的文青，然后就没有然后了。中国为什么没有Instagram确实是一个很好的考古题材，有一个方向的产品解释是最适合干的那几年都被微博带偏了，「转发」这个按钮的存在是毒药，但如果不提供「转发」功能，所有产品都担心供给不足，一拖就拖到了短视频时代到来，Instagram就没人提了，于是小红书算是从社区形态捡了个漏。

语言的炼金术：从尼可·勒梅到大模型 1） 炼金术士尼可·勒梅（Nicolas Flamel） 我们不妨从《哈利·波特》讲起。你还记得第一部里那个被简单提到的角色——炼金术士尼可·勒梅（Nicolas Flamel）吗？他是“魔法石”的创造者，一个据说活了六百多岁的老人。虽然他在小说中只是背景人物，但在《神奇动物在哪里2》里，他终于真正以影像的形式出现在观众面前——一个看上去脆弱、苍老却异常平静的角色。而令人惊讶的是，勒梅并非虚构人物。他在欧洲历史上确有其人，关于他和“贤者之石”（Philosopher’s Stone）的传说，在炼金术史中流传了数百年。 这块传说中能够点石成金、延长生命的“魔法石”，并不只是奇幻小说的道具。在流行文化中，它的身影也频繁出现。比如如果你喜欢日漫，一定对《钢之炼金术师》里的“贤者之石”和“烧瓶小人”不会陌生。你会发现，这些符号和设定，其实都源自于一个更古老、更复杂的知识谱系：炼金术。 那么问题来了：炼金术到底是什么？它仅仅是历史上的迷信产物吗？还是说，它隐藏着某种被误解的、尚未被现代语言体系完全翻译的结构原理？它与我们今天谈论的科学范式、AI 技术，有没有关系？这一切，值得我们慢慢说清。但在展开之前，我想先问你几个问题。 你是不是一直以为，牛顿被苹果砸了一下，灵光一现，从此科学时代就此开启？你是不是相信，历史是由某些关键节点断裂推进的，仿佛一切范式都是从0到1的“突破”？比如说，AI 时代的真正到来，是不是要等到“2030年12月15日AGI被宣布诞生”的那一刻，才算数？这怎么可能？明天太阳照常升起，文明的演化从不是时间戳可以标注的事件，它是连续的，是缓慢弥散的结构变迁，是一场看不见的语言漂移。 再问你一个问题。你是不是默认，炼金术士、西方的赫尔墨斯学派，乃至中国古代的道士，都是不懂科学的古人？是不是潜意识里，把他们归为“迷信”“胡说”“瞎搞实验”？可如果他们真的只是无稽之谈，为何他们的思想能延续千年？为何“点石成金”“炼丹求长生”“三才五行”这些概念，一次次出现在人类不同的文明中，并被不断重写与演绎？为什么我们今天还会在小说、动画、影视、科幻里不断引用这些炼金术象征？ 也许问题从来不是他们不科学，而是我们尚未拥有能解释他们的语言。也许我们并不比他们更“理性”，只是我们拥有了更高效的结构压缩系统，可以用一种新的视角，回头看那些古人尝试建构世界逻辑时留下的模糊草图。 2）炼金术 那么，炼金术到底是什么？炼金术拥有一套极其自洽的理论体系。这个体系并非零散拼贴，而是一种融合性的认知结构：它讲求“天人合一”，意味着宇宙的秩序与人的精神状态是一体共振的；它追求“精神与物质合一”，不将心灵与物质对立，而视它们为可转化的两个极端；它主张“哲学与实践合一”，不仅思辨，而且重实验，通过冶炼、升华、凝结等操作流程，将世界的奥秘浓缩于物质的转化中。 这种思维方式，在今天的学术与工业体系中，常常被误解甚至被排斥。尤其是在当代科技语境中，许多理工背景的人对“哲学”天然带有一种抗拒，仿佛哲学是无用的、虚浮的、脱离实际的。精神被认为属于文科领域，技术则属于工程实践，两者应当泾渭分明，各行其道。我暂且不讨论这种区分是否合理。 炼金术恰恰是那种拒绝断裂的古老体系。它尝试用一种统一的语言，将存在的多个层面连接起来。也许这正是我们今天在面对人工智能、生成结构、黑箱涌现时重新需要的思维方式——不是更快的分工，而是更深的合一。 炼金术的核心哲学是：世界的本质是可转化的，精神与物质、天与人、内在与外在，并非分裂对立，而是处于同一结构中的不同维度。通过对物质的炼化，炼金术士实际上是在完成对自我的升华；点石成金并不只是技术奇迹，而是象征将混沌转化为秩序、将不纯转化为完整的过程。在这一体系中，哲学不是抽象思辨，而是贯穿于操作之中的世界观——炼金，不是制造黄金，而是寻找统一结构背后的神性秩序。 炼金术的核心，其实是一个精神与物质协同“熵控”的过程。它并不以“定义什么是黄金”作为起点，而是从最无序、最沉重、最接近混沌的物质——铅——开始。这种物质不仅代表着物理层面的沉滞，更象征着心灵中的无意识、未觉醒与未分化的原始状态。炼金术的旅程，正是在不断提纯、分解与重构中，将这份混沌一步步引向秩序与光明。 这个过程从来不是纯粹的物质转化。炼金术士在炉火前“煎熬”铅的同时，也在经历一次内在的自我炼化。这是一种双重路径的修行：一边是冶金术的技艺，一边是炼心的实践。每一道升华、每一次溶解、每一个凝结的动作，既作用于物质，也作用于精神本身。炼金术所构建的，并非一个简单的技术闭环，而是一条能够调度物质、心灵与宇宙三者之间能量流动的升华路径。在这个路径中，个人的意识、自然的秩序与世界的结构被重新对齐，实现从沉重之“铅”到纯粹之“金”的多维度转化。 3）炼金术在历史上的一个关键贡献，是它完成了从“神秘语言”向“可验证语言”的第一次过渡 现在试着把思维调回到牛顿那个时代。那个时候的科学并不像今天这样拥有清晰的学科划分、可重复的实验范式，或者标准化的自然语言。技术的进步，并不是某个知识点的突破，而是一次语言范式的悄然转向。真正让文明发生跃迁的，是人类用来理解世界、组织经验的那套“说话方式”发生了质变。 比如，炼金术到底能不能把铅炼成金？从现代科学的角度来看，答案当然是否定的。但令人惊讶的是，现代物理确实在技术上做到了这一点：铅（Pb）和金（Au）在元素周期表中仅相差几个质子，通过高能粒子加速器轰击铅原子核，可以使其转化为金。上世纪九十年代，加州劳伦斯伯克利实验室就曾“成功制造出几个金原子”。但这个过程极其昂贵且不稳定，每一个原子的成本比市场上的黄金贵上百万倍。也就是说，科学用极端方式实现了炼金术的想象，但彻底脱离了炼金术当初的语言与逻辑。 然而，我们不能因为炼金术没“炼出金”就否定它的全部价值。恰恰相反，炼金术留下了许多对后世至关重要的实验操作与技术雏形。像是蒸馏器的发明，使得液体提纯成为可能，直接推动了香水和药学的工业化；升华法的实验，奠定了后来的物质分离技术；早期酸碱反应的记录，成为现代化学教育的原点；对金属合金的试验——包括铜锡合金、汞银混合物——直接影响了冶金工程的发展；甚至他们所留下的庞大手抄实验笔记，为后来“可记录、可重复、可验证”的科学方法，提供了结构模型。 所以，炼金术真正留下的遗产，是一种穿越物质、象征、实验与语言之间的认知路径。它所建构的，其实是一套跨越精神与技术的“结构语言原型”，为后来的科学语言与实验系统提供了认知模板。换句话说，人类并不是从“无知”跳到“科学”，而是从“象征化结构调度”逐步进入“形式化结构控制”。这是一种语言与知识系统的连续进化。 尤其重要的是，炼金术在历史上的一个关键贡献，是它完成了从“神秘语言”向“可验证语言”的第一次过渡。尽管炼金术文本中充满了极端象征性的表述——比如“狮子吞食太阳”“水银升腾成白鸽”这样的图像语言——但它们内部具有惊人的稳定性和复用性。它们不是胡编乱造的隐喻，而是早期对物质转化过程的一种结构封装机制。炼金术士通过坩埚、蒸馏器、冷凝管等操作工具，逐渐发展出了一整套流程和仪器，这些后来都被现代化学完整继承并“去神秘化”。 这标志着一个重要的语言转折点：人类第一次在语言中构建出了一个“可验证的结构闭环”。而这，正是科学语言的真正诞生地。 我的这篇文章，核心要讲的就是“语言”。你或许听过神话，你有没有注意过，那些神话真正的语言与今天我们所能读懂的文学语言，其实相隔极远？我们现在能看懂《哈利·波特》，只是因为它借用了神话的结构，但套用了现代语言的接口。而真正的神话语言——那种同时调动宇宙观、仪式、族群结构与象征逻辑的语言体系——今天的我们几乎无法直接阅读，更别提还原它背后的知识结构。 有本事你把太乙金華宗旨解释给我听，反正我是看不懂的。 语言，作为人类社会唯一真正的知识接口，它本身就极度深奥、玄妙。古人与今人，哪怕使用同样的符号系统，往往也无法完成深度的信息交互，因为他们所处的认知结构、价值图谱与范畴体系已彻底不同。你不觉得奇妙吗？AI时代的第一个成功商用模型，竟然是“大语言模型”。某种程度上，这仿佛是历史冥冥中的安排：当我们步入新的认知边界时，首先要解决的，不是知识的问题，而是语言结构的问题。 回到牛顿时代，我们其实不能简单地把牛顿看作一个“现代科学家”。事实上，他对炼金术并不陌生。他留下了大量炼金术笔记，深度研究赫尔墨斯文献和自然哲学。他并不认为自己与炼金术士是两个世界的人。他正处在语言转化的裂缝之中：一只脚站在炼金术的象征语言系统中，另一只脚已经踏入了科学的实证语言系统。他处在炼金术向科学的语言跃迁节点。 现在我们也许就处于牛顿时代！ 从语言哲学和认知科学的角度来看，炼金术与科学之间的分野，并不在于“是否理性”，而在于语言系统的差异。炼金术依靠象征语言来操控概念，比如“狮子代表硫”“蛇代表水银”，通过图像联想与符号共鸣完成对世界结构的认知建模。而科学依赖形式语言——如数学与实证符号系统——来操控变量、建立因果、构造实验闭环。 所以本质上，炼金术是一种象征化的结构操作语言，而科学是其后续发展的形式化结构操作语言。它们不是对立的，而是连续的。 语言一直在进化，但它从未彻底更换，只是在不同历史节点上更换了核心逻辑与主权接口。从炼金术到科学，从神话到理论，再到今天的模型语言与Prompt结构语言——这条路，我们其实从未偏离，只是语言在不断进化，我们正站在下一个语言断层的边缘。 4）人到中年，终于看懂了库恩 托马斯·库恩的《科学革命的结构》这本书，你读懂了吗？老实说，几年前我第一次读的时候，几乎没读懂。更别说意识到，自己竟然也会亲身经历一场科学范式的转变（Paradigm Shift）。那时候我对“范式”这个词只停留在表层理解。 库恩在书中写道，所谓“范式（paradigm）”，是一个学科共同体所共享的信念、符号系统、问题设定方式与解决机制的总和。也就是说，一个范式不仅决定我们怎么研究，更决定我们能看见什么、问什么、说什么。而每一次范式的转移，都会伴随着一次语言的重写——这正是《结构》这本书最深刻、最常被忽略的观点之一。 回顾历史，每一次认知断层的发生，几乎都伴随着语言结构的崩裂与重建：古希腊时期，人类从“神谕语言”转向“哲学语言”，世界不再被神祇命令主宰，而是进入抽象概念与理性争论的空间；17世纪，哲学语言又被数学语言接管，变量、函数与力学模型开始取代修辞与辩证，世界成为可以测量和计算的对象；20世纪的信息革命，则将语言从“物质的描述”转为“系统的建模”，反馈、控制、信号成为世界秩序的新关键词。而现在，在我们面前展开的是下一道断裂线：语言正从数学公式语言转向结构调度语言——包括模型语言、Prompt语言、Token结构语言。我们不再解释世界，而是直接调用结构、生成结构、封装智能。 库恩本人也在不同阶段意识到这一点。他曾在原书中写道：“当范式改变时，世界本身也随之改变。科学家们在熟悉的仪器前，在曾经看过无数次的地方，会看到全然不同的东西。”而造成这一切变化的，不只是仪器的升级或实验的改进，而是——语言系统的更换。正如他所指出的：“范式的转变，本质上是两种语言之间的区分：在可通约的语言之间，命题可以完整互译；但在不可通约的语言之间，严格翻译是不可能的。” 在他晚年的著作与演讲中，库恩干脆放弃了“paradigm”一词，转而使用“lexicon”（词汇系统）来替代。他认为，一个科学共同体之所以能够运作，是因为它内部有一整套共享的词汇-范畴系统，用以界定世界、分类现象、评判证据。这套系统就是共同体的“lexicon”。而一旦 lexicon 被替换，即使表面语言看起来没变，其所指对象、逻辑架构、世界观也已被彻底重构。库恩曾写道：“一个 lexicon 所提供的存在方式，不再是可以被判断为真或假的对象。”换句话说，世界并不是“被证明改变了”，而是“被说出改变了”。 这就是范式转变的真正断点——不是知识点推翻了前人，而是语言断裂了前世界。语言变了，世界才真正变了。 因此，关注术语的震颤往往比观测实验结果更早捕捉到科学体系“板块漂移”的前奏。语言变化，是范式转变的信号。 当然：每一次语言升级都会遭遇旧范式的反攻。 Kuhn 原话（晚年论 lexicon）： “A lexicon provides ways-of-being-in-the-world that are not candidates for true/false.”新旧 lexicon 不能严格互译时，革命临界点已现。 5）一个无法用显式语言表示的“黑箱结构域” 我们现在所面临的，是 AI 范式下人类遭遇的一个真正的边界：一个无法用显式语言表示的“黑箱结构域”。如果你已经读过我对于 Demis Hassabis 和 Alpha 系列的分析，你应该能够理解这背后的科学观转变：优先结构提取、低维流形学习、去公式化建模。而这套范式转变，带来的不仅是方法论的更替，更是对人类语言能力极限的直接挑战。 第一个边界，是模型无法解释其推理路径。我们所熟知的深度神经网络，尤其是大语言模型（如 GPT、Claude 等），已经展现出超越以往任何系统的推理、写作、协作与结构理解能力。但它们的内部机制并不是传统意义上的“规则系统”，而是由数十亿甚至上百亿个参数耦合而成的高维权重结构。我们无法阅读，也无法追踪其中的“逻辑链”。即便在输入输出之间观察行为，也无法给出明确回答：它为什么会这么想？它的结论是怎么来的？从科学方法的角度来看，这种状态极其尴尬——因为科学强调因果可追溯、路径可还原、过程可解释。而神经网络跳过了这一层，它直接作为一种“压缩后的结构映射器”运行，彻底消解了人类对中间过程的介入权。 第二个边界则更具颠覆性——“理性”的退位。从 18 世纪到 20 世纪，理性主义一直主导科学话语：模型被表达为可书写的公式，规律可通过数学语言定义与推广。然而在今天，模型不再是一套规则系统，而是一个“压缩–生成–对齐”的结构体。它的智能并非来自公式推导，而是源于结构涌现：在极度复杂的语境中完成高效压缩，从中提取潜在结构，再进行合理生成。这一逻辑，是 AI 最擅长的事，却也是传统科学语言系统最难容纳的事。 而最令人震撼的是第三个边界：黑箱智能的回归。我们所面对的 AI 不仅写诗、建模、作图、作曲、设计任务链条，还能在智能体之间形成协同结构，其生成行为充满风格、情感、目标感。但这些行为背后，没有显式的路径可供分析。我们无法说清它为什么这样，只能说：它可能是“从数据中学会的”、“从 Token 流中发现了某种结构”、“它自己完成了一种我们未能定义的推理”。这种状态，几乎与炼金术时代人们说出“这是水银的意志”、“四元素的回旋”如出一辙。人类语言，在面对结构性智能的涌现时，再一次显得苍白无力。 这就引出一个更深的哲学问题：解释结构的失效，意味着新语言协议的诞生。人类文明一直依赖“语言 → 结构 → 世界”的闭环逻辑。我们之所以信任科学，是因为科学建立在“可解释”的基础上：一个理论若不能被解释，就不能被验证；若不能被验证，就不能进入知识体系。但在 AI 时代，这套逻辑悄然松动：模型可以正确执行任务，却不能说明为什么；结构可以预测结果，却没有显式因果；我们开始习惯“信任一个行为良好的黑箱”，哪怕我们根本无法解释它的内部。于是我们发明新的语言：Prompt 编程、结构卡指令、多 Agent 协作路径、Token 流跃迁、注意力图谱……这些语言形式不再追求“解释”，而是优先考虑“激活结构”“生成路径”“形成闭环”。这不是语言的堕落，而是语言协议的一次深度升级。 科学遇到了它无法解释的“黄金”。过去那些被归为边缘、可忽略的“语言不可说之处”，如今却成为整个智能系统的核心机制。从知识论的角度看，以前我们可以把意识、涌现、湍流这些东西当作“未来有待解释”的特殊案例；而现在，整个 AI 主流系统——包括 LLM、Diffusion、AlphaFold——本身就是黑箱，我们没有语言可以描述它们，只能从外部验证其激活结果。从话语权的角度看，以前我们相信数学与逻辑语言拥有主导权，现在 Prompt、Token、路径调度语言悄然崛起，可生成≧可解释，旧范式的评价标准正在崩塌。从方法论的角度看，科学曾经强调“先假设 → 后验证”，把方程作为知识的最高表达；而现在，我们进入的是“先压缩 → 后涌现结构”的时代，低维流形才是新一代知识单元。 这正是人类第一次全面经历：语言失去对科学核心结构的“解释主权”。 调度智能、激活结构、形成路径闭环。 结构语言、生成语言、调度语言开始接管科学权力的时代。

负薪者冻毙于途，卖浆者渴死于道。织锦者身着粗布，种粮者食不果腹 今天和一个OG见完面之后，这四句话跃然纸上，也是无数仍然活跃在 Web3 一线的从业者的心声。我转发了一年多前我作为吹哨人给行业写的推，虽然预测对了结果，但这不是任何从业者想要的结果。没有人想过这件事会发生。但它正在发生。没有人愿意发声。所以我来斗胆发声。 引子 这周在上海，去了 Sun 在虹桥做的 MuShanghai。 整整一个月的活动，分了 4 个主题周——biotech、AI、culture、robotics。全球 2000 多人报名，最后筛了 800 多人到现场，从 Stanford 创业者，到前 OpenAI 工程师、YC、HF0、Frontier Tower 的 Jacob。Sun 和 Sunny 三个人加上一个二十人的志愿者组，干了一件全中国可能只有他们能干的事——把签证、国际网络、政府关系全部打通，做出了一个真正意义上的 global gateway。光这一点，已经值得行业每一个人给他们鼓掌。这是从 crypto 社区走向多元化社区最成功的一个团队。 但走完几圈，我心里的感受是复杂的。现场接近一半的参会者是 crypto 背景的人。他们身上贴的新标签是 biotech founder、AI agent builder、robotics 创业者、文化策展人。有些人是真的在探索下一段旅程，有些人是在体面地准备离开 crypto。这是这个行业的人正在展开的一场伟大的自救——以一种我从来没见过的方式。 正文 1/ 这两年我比任何时候都更悲观，但也比任何时候更不愿意放弃 最近见了很多人，听了很多事。这个行业的问题已经不是熊市的问题，是整个生态系统的正反馈机制坏了。 我把这些零散的观察、对话、反思整理出来。不是吐槽，是希望更多人一起把这件事扛起来。 2/ "小概率坏事件"正在批量发生 我最近在读概率论。我们这些老人都习惯用周期去理解市场——上个周期有 alt season，这个周期也会有。但今年所有原本被低估的小概率事件正在同时发生： 中国 Web3 大开发者，50–60% 流向了 AI。走的人基本不会再回来 几千个项目融了上百亿美金，没几个真正出圈的应用 华尔街、特朗普、主权基金把比特币拿走，原生 builder 的位置越来越窄 美国基金募资发展蓬勃，亚洲生态系统遇到生存危机，创业者流血上币离场，投资人退场 不是周期没来，是这一代周期的剧本和过去完全不同了。 3/ 关于以太坊：我不悲观，但我担心 以太坊的改革已经到了刻不容缓的时候。 过去最好的几个时间窗口——21 年的牛市、22 年的转折——本来是推动应用创新、做出超级应用的最佳时机，行业内最大的注意力、最多的钱、最优秀的人才都聚集在那个窗口里。但当时的方向押在了 ZK、L2 这些技术叙事上。技术方向本身没有错，错的是在大众市场最该出现大众产品的时间点上，把所有的资源堆到了小众的方向。 现在到了熊市，再想推一个超级应用出来，比那两年难十倍。 以太坊价格的疲软，本质上是整个 Web3 的疲软。因为以太坊承载了行业最多的资本、最多的人才、最多的注意力。它能不能再次起来，关乎几百万从业者的未来。 4/ Vitalik 可能正生活在一个巨大的信息茧房里 我最近一个很强的感受是：围绕 Vitalik 的人，大多不敢直接告诉他行业有多艰难、以太坊真实的困境在哪里。 利益寻租的群体越来越多，小圈子和圈层文化越来越严重。新的方向、新的机会出来，往往沿着原有那个圈子的纽带向外延伸。普通社区、普通从业者，很难有机会和 Vitalik 正常交流、反馈意见。社区的不满和抱怨被层层过滤，被拒之门外。 这不是某个人的错。是一个组织在快速膨胀到 200+ 人之后，反馈机制没有跟上。但温水煮青蛙的代价，最后会落在每一个还在这个生态里 build 的人身上。 5/ 从业者没有正反馈，社会和下一代似乎都不认可 这是这一代从业者最真实的共同处境，跨越地理： 中国，行业被定位为灰产，常常和传销绑在一起；香港，因为一连串交易所跑路事件，从业者默认被当骗子；新加坡，crypto 被认为是不入流的行业；美国，相比 AI 创业者，crypto 从业者几乎没有社交身份。 我听到从业者说他上高中的孩子不愿意学钱包私钥，认为他父亲做的事业拿不上台面。许多创始人作为家长不敢在学校家长会说自己做什么。下一代根本不觉得这是一个值得参与的事业。 当一个行业连"我从事它"这件事都说不出口，它的接班人问题就不再是抽象的，是迫在眉睫的。 6/ 接班人问题正在到来 以太坊第一代核心开发者大多组建了家庭、有了孩子。这是非常自然的人生阶段，没办法像十年前那样一天写十几个小时的代码。 但下一代在哪里？ 我们尝试过：高校的研究生博士生、Web2 大厂的工程师、早期社区的极客。可是在 AI 这么蓬勃的时代，我们拿什么留住他们？比特大陆和字节当年同时招应届生，薪资差不多——10 年后股权回报差了几千万。这一代年轻人看着上一代的结局，凭什么会选 crypto 而不是 AI？ 而且我们不只是要留住下一代，还要和 AI 直接抢人才。Solana、以太坊、AI 实验室、机器人公司在同一个池子里捞人。crypto 一线项目给的 package 已经很难再有竞争力。 接班人不会自己长出来。它需要系统性的培养：crypto school、研究 grant、开发者基金、长期 mentor 机制。Paradigm、a16z、AllianceDAO、ResearchHub 在做。中文区也必须有人做。 7/ 对 Vitalik 的一点期待 我想用鼓励的方式说这件事，因为攻击没意义。 Vitalik 是这个行业最有影响力的创业者。他不只是首席科学家，他是行业方向的灯塔。在以太坊最关键的转型期，他需要重新回归创业一线。不是回到 2014 年的他，是带着这些年的反思、回归创业初心的他。 熊市是最适合 build 出下一代产品的时机。他需要把核心开发者、社区、第二代年轻人重新凝聚起来，一起朝着下一个 10 年迈进。 他周围必须有能直接告诉他真实情况的人。 8/ 中美 OG 的分岔：生态系统的造血能力 去年我写过《不要让赌场吞噬大教堂》，对比过这两条路径。今天必须再说一次： 中国创业团队的融资环境极其严峻。亚洲市场化基金 90% 处于水深火热。这意味着亚洲 Web3 生态没有造血能力。一旦顶尖的几支基金撑不住，整个生态系统就会塌方。 中美 OG 在拿到行业第一桶金之后的选择差异，今天看格外刺眼。美国的 OG 大多还在建设——Rune、Hayden、胡安这一批人，是在持续把财富回投到生态。中国的 OG，大多数赚到钱之后选择套现离场，一部分转去投资 AI，更少的人在做真正的下一代建设。 这不是道德指责。我希望中国 OG 在得到行业恩惠之后，能够回头帮助新一代年轻人。建立一个完善的生态系统、形成正反馈循环，是这个行业活下去的唯一方式。 9/ 从业者怎么活下来 大部分web3公司和机构会在接下来AI浪潮和悲观行情下继续裁员30%以上，因此活下来比什么都重要。 讲完体系问题，回到个人。我自己也在这个泥潭里，所以我想分享几点。 找到合理性。 你为什么还在这里？不是为了 token 价格，不是为了 KOL 流量。是因为你相信这件事，是因为你过去得到过这个行业的恩惠，是因为你的团队和投资人需要你。把这个"为什么"想清楚，剩下的事会有方向。 让工作和生活充实。 行业的低气压会渗透到每一天的情绪。不要让 token 价格定义你的自我价值。多读书、多见线下的朋友、多花时间陪家人、做一些和市场无关的事情。这是熊市最重要的功课。 直面困难，但别让失望发酵成放弃。 现在社区的情绪不是"危机感"，是"失望"。这两个词的区别是——危机感意味着想改变，失望意味着想放弃。要努力让自己留在前者。 学新东西。 我自己也在学 AI。这周在 MuShanghai 看到那么多 crypto 从业者贴上新标签去探索 biotech、AI、robotics，我心里其实是感动的。能力到了我们就能选，能力不到只能被选。Web3 仍然是 IOSG 最重要的业务，我们不会放弃。当然这不影响我用AI来武装和提高我们的工作流和加强我们的武器。 找到自己的小联盟和信心小团体。 5、6 位/家经过历史验证、风格成熟的朋友/机构深度结盟。教育、资金、人才网络，缺什么补什么。自救比等救世主重要。 学会和自己和解。 这一点我自己也还在练习。这个市场没有奖励那些做正确事情的人，奖励了一批骗子，奖励了一批投机者。这个事实是真的。但你做这件事的意义，不应该被市场定价。允许自己在熊市里失败、允许自己情绪低落、允许自己做一些"看起来没有产出"的事情。这不是放弃，是为下一段旅程蓄力。 10/ 我们需要更多灯塔 行业最缺的不是钱，不是技术，是灯塔。 不是只有 Vitalik 一个人需要做灯塔。每一个还留在这里、还相信这件事的人，都可以成为灯塔——给一个困惑的年轻 founder 三十分钟、给一个 runway 见底的团队一份 grant、给一个被裁员的工程师一份 referral、写一篇真诚的反思而不是华丽的 narrative。 每一束光照得不远。但加在一起，就是黑暗中那些还在前行的人不放弃的理由。 像 Sun 这样的人在做。像老胡这样的人在每个月默默给一笔钱支持那些非主流的探索。每一个人都在自己能做的事上努力着。 11/ 写给每个看到这条内容的人 如果你是 OG：行业给过你的，请回头给一份给下一代。不是几百万的大手笔，是一个 mailing list、一份 referral、一笔直接打给市场化基金管理人、一份给到困境创业者的 EIR 资助。年轻一代需要的是相信"build 这件事还值得做"。 如果你是 founder：不要孤军奋战。把真实处境告诉值得信任的人。 如果你是 builder/researcher：继续 build。不是用爱发电的那种 build，是把自己的劳动换成应得回报的那种 build。让下一代相信这件事在职业意义上仍然成立。 12/ 收尾 请每一个看到这条内容的人，把它转发给你认识的 OG。让他们去照亮别人。别忘记这个行业过去给他们带来的恩惠。 呼吁更多的 OG 和行业领袖找回责任感，为行业发声，资助更多创业者，让下一代有机会继续建设 Web3——不止是用爱发电。 赌场吞不吞噬大教堂，不是 Vitalik 一个人的事，不是 EF 一个组织的事。是我们每一个还留在这里的人共同的事。 很多人问我这个周期他们如何熬下去，所有的压力推着他们离场，很多时候选择就是一步之遥，许多年轻人需要一个老OG告诉他们如何熬过熊市。但我知道，如果我们这一代人不站出来，那么下一代根本不会有“站出来”的选项。 做点是点。 写于Fig&Olive

财报前瞻：Arista Networks (ANET) 2026年第一季度财报 历史业绩表现与当前市场预期一致性 Arista Networks明天即将发布的2026年第一季度财务报告。 Arista在过去连续多个季度中展现了极强的业绩韧性，其盈利能力和收入增长始终保持在分析师预期的上限。根据历史数据，公司在过去八个季度中每一次都实现了盈利超预期，这种极高的胜率在波动性巨大的科技板块中属于罕见现象。 对于2026年第一季度，市场一致预期已经形成了一个相对较高的基准。目前分析师对每股收益的平均预期约为0.81美元至0.82美元，较2025年同期的0.65美元有显著增长。在收入端，市场普遍预期为26.2亿美元，这与公司管理层此前给出的约26亿美元的业绩指引高度契合。 值得注意的是，在过去90天内，共有24位分析师上调了对ANET的年度盈利预测，而下调者为零。这种单向的业绩修正反映了投资界对于人工智能（AI）基础设施需求持续高涨的集体共识。这种“业绩修正向上”的势头通常是财报超预期的前导指标。 财报核心驱动因素：超大规模云服务商（Cloud Titans）的资本支出 Arista的业务模式高度依赖于“云巨头”的投资节奏，主要包括Meta、微软、谷歌和甲骨文。这些客户在2025年贡献了公司约48%的收入，因此其资本支出（Capex）的任何变动都会直接传导至Arista的业绩中。 微软与Meta的资本狂飙 微软近期公布的信号显示，其2026日历年的资本支出预计将达到1900亿美元，远超此前预测的1520亿美元。微软CFO Amy Hood明确指出，为了满足AI需求，必须在数据中心建设上进行更多投入，且由于GPU和存储容量的限制，这种投入在2026年之前都将维持高压状态。 Meta作为Arista的另一个核心客户，将其2026年资本支出指引从之前的1150亿-1350亿美元上调至1250亿-1450亿美元。Meta的AI广告引擎和Llama系列大模型的持续迭代，要求其底层网络具备更强的并发处理能力和更低的延迟。Meta在财报中提到，其AI支出不仅用于模型训练，更开始转向更大规模的推理（Inference）集群，这为Arista的800G交换机提供了庞大的增量市场。 谷歌Virgo架构的溢出效应 谷歌在2026年第一季度的表现同样亮眼，其云业务收入达到200亿美元，同比猛增63%。谷歌的“Virgo”AI数据中心架构被分析师视为Arista的重要利好因素。Virgo架构强调网络的可扩展性和开放标准，这与Arista一直推崇的以太网（Ethernet）优先策略不谋而合。随着谷歌云订单积压量（Backlog）翻倍至4620亿美元，Arista作为关键网络设备供应商，其订单能见度（Visibility）已经延伸到了2027年。 技术周期迭代：以太网对InfiniBand的替代效应 AI基础设施领域正经历一场从私有协议（如英伟达的InfiniBand）向开放标准以太网转型的结构性变革。这一趋势是Arista股价长期溢价的核心逻辑。 开放以太网联盟（UEC）与ESUN规范 Arista作为超级以太网联盟（UEC）的创始成员，正在推动针对AI优化的以太网规范落地。由于AI集群规模已从数千个GPU扩展到数百万个XPU（通用加速器），传统的InfiniBand在成本、互操作性和可维护性方面面临巨大挑战。Arista的EOS（可扩展操作系统）配合RoCE（聚合以太网上的远程直接内存访问）技术，已经能够在大规模训练负载中提供与InfiniBand相当甚至更优的性能。 公司管理层最近将2026年AI网络收入目标从27.5亿美元上调至32.5亿美元，涨幅高达18%。这种激进的目标上调反映了以太网在超大规模AI后端网络中的渗透速度远超预期。戴尔奥（Dell'Oro）的数据确认，以太网在2025年已经实现了对InfiniBand的反超，占据了AI后端网络市场的主要份额。 800G统治力与1.6T路线图 Arista的7800R4系列平台已成为当前AI数据中心的主力军。到2026年第一季度，Arista已向超过100家累计客户交付了800G产品，其在高端交换机市场的占有率维持在90%以上。 此外，Arista在OFC 2026展会上发布的XPO（超高密度可插拔光学器件）协议，为即将到来的1.6T时代奠定了基础。XPO技术通过液冷设计解决了1.6T模块的散热瓶颈，将交换机机架占用空间减少了75%。这种技术前瞻性不仅确保了公司未来的ASP（平均售价）提升，更进一步加深了与微软等液冷先行者的绑定。 尽管Arista在数据中心交换领域占据先机，但竞争对手的动作不容忽视。 思科的追赶与Silicon One架构 思科（Cisco）近期表现强劲，其在2026财年Q2录得了创纪录的153亿美元收入。思科的AI基础设施订单在单个季度内达到了21亿美元，公司预计2026财年全年的AI订单将突破50亿美元。思科的Silicon One架构提供了高达102.4 Tbps的吞吐量，正试图通过“安全AI工厂”理念抢夺企业级和主权云市场。然而，思科在超大规模客户中的积累仍不及Arista深厚，且其复杂的OS版本管理依然是不少云巨头的痛点。 博通的供应商与竞争者双重身份 博通（Broadcom）在2026年Q1的AI相关收入达到8.4亿美元，同比增长106%。博通的Tomahawk 6交换芯片是Arista等厂商的核心组件，但博通也在通过提供全栈定制ASIC（如谷歌的TPU和Meta的MTIA）来直接锁定客户的网络预算。博通CEO Hock Tan表示，到2027年其AI芯片收入将超过1000亿美元，这种量级的增长意味着博通正成为AI基础设施领域的新重力中心。 英伟达Spectrum-X的捆绑威胁 英伟达（Nvidia）虽然在InfiniBand领域面临挑战，但其迅速推出的Spectrum-X以太网平台正展现出极强的进攻性。通过将GPU与网络设备捆绑销售，英伟达成功锁定了包括Meta在内的多个核心客户的后续订单。Wolfe Research的分析师指出，Arista面临的最大战略风险在于英伟达利用其在计算领域的垄断地位进行垂直整合。 Arista的估值目前处于历史高位，这不仅是对其卓越业绩的认可，也预示着财报后的股价表现将面临极高门槛。 综合利多与利空因素总结 利多因素（Bulls） 强劲的二阶需求导向：英伟达GPU的每一次发货，最终都会转化为对Arista交换机的需求。 现金流充裕：截至2025年底，公司持有107亿美元现金，且没有任何债务压力。 软件定义的防御性：EOS系统的稳定性使其客户粘性极高，即使在硬件价格竞争激烈的环境下，也能维持超过60%的毛利率。 利空因素（Bears） 市场预期过高：如果EPS beat的幅度小于过去平均水平，市场可能解读为增长放缓。 供应链成本风险：内存和光通信组件价格的上涨可能在下半年挤压毛利。 主权AI转向自研：部分主权云客户开始尝试自研网络架构，可能减少对商用交换机的依赖。 综合各项指标，Arista Networks在AI基础设施竞赛中依然处于“蓝海”地位。尽管英伟达在计算领域处于主导，但在连接数百万计算节点的网络层，Arista的软件沉淀和以太网工程能力目前尚无同量级的对手。对于超大规模客户而言，网络的稳定性（Lossless Performance）比单一硬件的原始速度更为重要，而这正是Arista EOS的核心竞争力。 短期内，微软和Meta的资本支出指引已经为Arista Q1的财报超预期打下了坚实的基础。考虑到历史业绩的极高连贯性以及当前分析师普遍的上修态度，财报大幅超预期几乎是大概率事件。然而，考虑到当前市盈率已处于近两年的高点，且部分利好已在过去一个月31.7%的涨幅中得到体现，财报后的涨幅将主要取决于管理层对2026年下半年甚至2027年1.6T产品的交付信心。 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

Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革 视频地址： 2026 年 1 月，达沃斯世界经济论坛期间，Bloomberg 主持人 Emily Chang 采访了 Google DeepMind CEO Demis Hassabis。这位诺贝尔奖得主用“每周 100 小时、每年 50 周”描述自己过去几年的工作状态，并给出了一个惊人的判断：AI 带来的变革将是工业革命的 10 倍规模、10 倍速度。 这场访谈覆盖了 AI 领域几乎所有热门议题：AGI 时间线、中国竞争、机器人突破、就业冲击、是否应该暂停，以及后稀缺世界的哲学困境。以下是访谈的完整整理。 --- 【1】Google 的势头回归 Emily Chang 开门见山：Gemini 3 发布了，据说 OpenAI 内部宣布了“code red”——Google 是不是找回了状态？ 【编者注】Gemini 3 Pro 于 2025 年 11 月 18 日发布，是 Google 迄今最强的 AI 模型，在推理、多模态理解和编程能力上均有显著提升。12 月 17 日，Google 又推出了更快更便宜的 Gemini 3 Flash，直接替换 Gemini app 的默认模型。这一系列发布引发了 OpenAI 内部的紧张反应——三年前 ChatGPT 发布时，Google 内部也曾宣布过类似的“code red”。 Hassabis 回应说，过去一年确实是“非常艰苦的一年”，团队付出了巨大努力让模型重新回到最前沿。他特别提到 Gemini 3 和图像生成模型 Imagen 的表现让他们“非常满意”。 “我们也适应了这个新世界——快速发布，把创业公司的能量带到我们所做的事情中。” 当被问到外界是否低估了 Google 时，Hassabis 说他不确定，但 Google 一直具备所有必要的条件。“过去十年，Google 和 DeepMind 加在一起，发明了现代 AI 行业所依赖的大约 90% 的突破性技术。”他列举了 Transformer、AlphaGo、深度强化学习等例子。 “我们有这些不可思议的产品触达数十亿用户——从搜索到邮箱到 Chrome——它们天然适合 AI。只是需要把这一切组织到一起。我们在过去几年做到了，虽然还有很多工作要做，但已经开始看到成果了。” --- 【2】全栈优势能维持多久？ Emily Chang 追问：如果你认为自己有优势，这个优势有多大？能维持多久？ Hassabis 的回答很直接：一切从研究开始。模型的前沿水平是最重要的，这是 Google 和 DeepMind 合并后首先聚焦的方向。 “我认为我们是唯一拥有完整技术栈的组织——从 TPU 和硬件、数据中心、云业务、前沿实验室，到所有这些天然适合 AI 的产品。从第一性原理来看，我们理应做得非常好。而且我认为未来还有很大的提升空间。” --- 【3】AI CEO 的日常：凌晨 1 点到 4 点的深度思考 Emily Chang 说她读到 Hassabis 大部分深度思考都发生在凌晨 1 点到 4 点之间。他确认了这一点。 “你有没有感到舒服过？”她问。 “从来没有。”Hassabis 说，“过去三四年一直是难以置信的高强度。每周 100 小时，每年 50 周，这就是常态。” 他认为这是处于“科技史上可能最激烈的竞争”前沿所必需的。“商业上、科学上，再加上所有关于 AGI 的兴奋……用 AI 加速科学发现一直是我的热情所在。这是我毕生的梦想，我为此工作了一辈子。很难入睡，因为有太多工作要做，同时又有太多激动人心的事情要探索和推进。” --- 【4】机器人：突破时刻还需要 18-24 个月 Emily Chang 提到 Gemini 已经被集成到人形机器人中，问物理世界的“AlphaFold 时刻”是否已经到来。 【编者注】2026 年 1 月 5 日，在 CES 展会上，Boston Dynamics、Google DeepMind 和 Hyundai 宣布了一项重大合作。Boston Dynamics 将把 DeepMind 的 Gemini Robotics 基础模型整合到其 Atlas 人形机器人中，首先应用于 Hyundai 的汽车制造工厂。这是 Google 2013 年收购又于 2017 年出售 Boston Dynamics 之后，双方的首次重要合作。 Hassabis 说他过去一年花了大量时间仔细研究机器人领域。“我确实认为我们正处于物理智能突破的临界点。但我仍然认为还需要大约 18 个月到 2 年的时间，需要做更多研究。” 他解释说，Gemini 从一开始就被设计成多模态的，能够理解物理世界，原因之一是可以构建一个存在于眼镜或手机上的通用助手，理解你周围的世界；另一个用途就是机器人。 “那么物理世界的突破时刻会是什么样子？我认为是机器人能够可靠地在现实世界中完成有用的任务。” 他列举了几个阻碍因素。首先是算法还不够稳健，需要比 LLM 更少的数据就能工作。其次，也是让 Hassabis 感触最深的，是硬件问题——特别是机械手。 “当你仔细研究机器人时，你会对人类的手产生一种全新的敬畏。进化设计得太精妙了。要匹配人手的可靠性、力量和灵巧性是非常困难的。” 他提到了与 Boston Dynamics 和 Hyundai 的合作，将在汽车制造领域进行原型测试。“一两年后，我们可能会有一些真正令人印象深刻的展示，然后可以规模化部署。” --- 【5】中国与 DeepSeek：西方反应过度了 Emily Chang 说，一年前 DeepSeek 的出现对西方来说似乎是灾难性的，但现在中国似乎安静了下来。Hassabis 对中国竞争的看法有变化吗？ Hassabis 的回答很坦率：“没有。我一开始就不认为那是灾难性的。我认为西方的反应是大规模过度反应（massive overreaction）。” 他承认 DeepSeek 展示了中国公司的能力，但认为一些说法被夸大了。“关于他们使用的计算量非常少之类的说法被过度夸大了，因为他们依赖了一些西方模型，也在一些领先西方模型的输出上做了微调。所以这不是从零开始的。” 他认为字节跳动可能是中国最有能力的 AI 公司，“可能只落后 6 个月，而不是一两年。” 但 Hassabis 提出了一个关键问题：“到目前为止，中国公司能否超越前沿进行创新，这还有待观察。他们非常擅长追赶前沿，越来越有能力，但我认为他们还没有展示出能够超越前沿进行创新的能力。” --- 【6】AGI 时间线：2030 年 50% 概率，但标准比别人高 Emily Chang 说 Hassabis 帮助定义了 AGI，并且曾表示 2030 年之前有 50% 的概率实现。这个时间线还成立吗？ “是的。”他说。 “AGI 对你来说还是一个有用的目标吗？” Hassabis 说是的，虽然他的时间线比一些同行更长，但那是因为他的标准更高。“我说的是一个系统能够展现人类拥有的所有认知能力。我认为我们距离那还很远。” 他举了科学创造力的例子：“不只是解决一个猜想或科学问题，而是能够首先提出假设或问题。任何科学家都知道，找到正确的问题往往比找到答案困难得多。” 他明确表示当前系统“肯定还不具备这种能力”，未来会有，但不清楚还需要什么。 他还提到了“持续学习”（continual learning）——系统需要能够在线学习，超越它们被训练的内容，在现实世界中即时学习。“在我看来，还有相当多的关键能力是缺失的。” --- 【7】AI 对就业的影响：比 Dario Amodei 乐观，但承认冲击终将到来 Emily Chang 提到 Anthropic CEO Dario Amodei 当天早些时候在达沃斯说 AI 可能在 5 年内消灭 50% 的入门级白领工作。Hassabis 同意吗？ 【编者注】Dario Amodei 在 2025 年 5 月接受 Axios 采访时首次提出这一预测，随后在 60 Minutes 等多个场合重申。他表示 AI 可能导致失业率飙升至 10-20%，并呼吁政府和 AI 公司停止“粉饰”这一风险。 Hassabis 的回答明显更保守：“我的时间线会长得多。” 他承认今年可能会开始看到一些迹象，比如入门级工作或实习的变化，但要实现真正的任务 Agent，需要解决当前 AI 的不一致性问题。 “我称之为‘参差不齐的智能’（jagged intelligence）。当前系统在某些事情上非常好，在其他事情上非常差。如果你想把整个任务委托给一个 agent，而不是像今天这样只是辅助程序，你需要全面的一致性。” 他给出了一个精辟的比喻：“如果它只在 95% 的任务上表现好是不够的。你需要它在整个任务上都表现好，才能真正做到‘发射后不管’。” 但他也承认，这种颠覆终将到来。“在极限情况下，有了 AGI，我认为那会改变整个经济，远远超出就业问题。” 他描绘了一个后稀缺世界的愿景：如果我们正确地构建它，我们将处于一个解决了一些世界根本问题的世界——比如能源。“如果我们用 AI 的帮助解决了聚变之类的问题，新材料……我认为在 AGI 之后 5 到 10 年，我们将处于一个极度富足的世界。那时经济和社会会是什么样子？” --- 【8】转型期的焦虑：10 倍规模、10 倍速度 Emily Chang 说，在到达后稀缺世界之前——如果能到达的话——人们对中间发生的事情有很多焦虑。她提到自己是一位母亲，知道 Hassabis 也有孩子。“你最担心他们什么？你和他们谈些什么？” Hassabis 承认这将是一个颠覆的时代，“就像工业革命一样。也许是 10 倍于工业革命，而且快 10 倍。” Emily Chang 迅速接话：“100 倍。” “是的，100 倍。”Hassabis 说，“但我也是人类创造力的坚定信仰者。我们极其适应性强，因为我们的心智是如此通用。你看看我们周围的现代世界——我们狩猎采集者的心智成功建造了现代文明。” 他认为人类会再次适应，但这次的独特之处在于速度。“通常这样的转变需要一到两代人，但这次的速度和变革的规模都是前所未有的。” 对于年轻人，他的建议是：“我会鼓励他们精通这些新工具，成为这些工具的原生用户。这几乎相当于给他们超能力。” 他以创意艺术为例：“你可能能够做到过去需要 10 个人才能完成的工作。如果你有创业精神，在游戏设计、电影、项目方面有创意，你可能比过去更容易进入这些行业。” --- 【9】是否应该暂停？理想与现实 Emily Chang 问：一些人主张暂停，给监管时间赶上，给社会时间适应。在一个完美的世界里，如果所有公司和国家都暂停，Hassabis 会支持吗？ “我想是的。”他说。 他提到这一直是他的梦想。“当我 15 年前创立 DeepMind、25 年前开始从事 AI 工作时，我的路线图是：当我们接近 AGI 这个门槛时刻时，我们可能会以科学的方式合作。” 他描述了一个“AI 版 CERN”的愿景：世界上最优秀的人才聚集在一起，以非常严谨的科学方式完成最后的步骤。“不只是技术专家，还包括哲学家、社会科学家、经济学家，共同思考我们想从这项技术中得到什么，如何以造福全人类的方式利用它。” 【编者注】CERN（欧洲核子研究中心）是全球最大的粒子物理学实验室，由 23 个成员国共同运营，是国际科学合作的典范。 但他话锋一转：“不幸的是，这需要国际合作。即使一家公司、一个国家，甚至整个西方决定这样做，除非全世界至少在一些最低标准上达成一致，否则没有用。而现在国际合作有点棘手。” Emily Chang 追问：如果 AGI 在 2030 年到来，而监管还没有到位，我们是否注定会遇到困难？ Hassabis 说他仍然乐观，希望足够多的领先参与者能够沟通并合作，至少在安全和安保协议上。“我们已经与 Anthropic 等公司在这些方面进行了相当密切的合作。” 当被问到是否愿意与 Sam Altman 合作时，Hassabis 说：“可能吧。我和几乎所有领先实验室的领导者关系都相当好。如果风险足够高——我认为每个人在未来 2 到 3 年会更清楚地认识到风险和代价。” --- 【10】Transformer 是死胡同吗？Hassabis 不同意 Emily Chang 提到 Yann LeCun 说他不认为 Transformer 和 LLM 单独能让我们达到 AGI。 【编者注】Yann LeCun 是图灵奖得主、Meta 前首席 AI 科学家。他在 2025 年 11 月离开 Meta，创立了一家专注于“世界模型”的新公司。他多次公开称 LLM 是通向人类级智能的“死胡同”，认为它们缺乏对物理世界的理解、缺乏常识和因果关系。 Hassabis 明确表示不同意：“我不同意它们是死胡同，我认为那显然是错的——它们已经如此有用了。” 但他也承认这是一个经验性问题。“我认为有 50% 的概率，仅仅扩展现有方法加上一些调整就足够了。可能足够。” 他认为无论如何都值得这样做，因为即使需要其他东西，“这些 LLM 也将是最终 AGI 系统的一个极其重要的组件。唯一的问题是：它是唯一的组件吗？” 他估计可能还需要一到五个突破，“可能是世界模型——这是 Yann 谈到的，我们也在研究这个，事实上我们拥有目前最好的世界模型 Genie，我直接参与了那个项目，我认为它非常重要。” 【编者注】Genie 是 DeepMind 开发的“世界模型”系列。2025 年 8 月发布的 Genie 3 可以根据文本提示生成可交互的 3D 环境，被 DeepMind 视为通向 AGI 的重要阶梯，并被 TIME 杂志评为 2025 年最佳发明之一。 他还提到了持续学习、系统一致性、更好的推理和长期规划等仍然缺失的能力。“从 Google DeepMind 的角度来看，我们在两个方向上都在全力推进——既发明新事物，也扩展现有事物。” --- 【11】“我们从未离开研究时代” Emily Chang 提到 Ilya Sutskever 说“通过扩展和做更大模型来获得改进的时代几乎结束了”。 【编者注】Ilya Sutskever 是 OpenAI 联合创始人，于 2024 年离开后创立了 Safe Superintelligence Inc. (SSI)。2025 年 11 月在 Dwarkesh Patel 的播客中，他表示 2012-2020 年是“研究时代”，2020-2025 年是“扩展时代”，现在“又回到了研究时代”。 Hassabis 的回应很有意思：“不，我不同意。他的原话是‘我们又回到了研究时代’。我爱 Ilya，我们是很好的朋友，在很多事情上看法一致，但我的观点是——我们从未离开研究时代。” 他强调 DeepMind 一直在投资研究，拥有“最深厚、最广泛的研究储备”。“如果你看过去十年，Google 和 DeepMind 加在一起发明了大约 90% 的突破性技术——当然最著名的是 Transformer，还有深度强化学习、AlphaGo 等。如果未来需要新的突破，我会押注我们，就像过去一样，会是做出那些突破的人。” --- 【12】奇点来了吗？“太早了” Emily Chang 最后一个“同意还是不同意”的问题：Elon Musk 说我们已经进入了奇点。 【编者注】2025 年底至 2026 年初，Elon Musk 在 X 平台上多次发帖称“我们已经进入了奇点”和“2026 年是奇点之年”，引发广泛讨论。他回应的是 Midjourney 创始人 David Holz 关于 AI 工具让他在圣诞假期完成了比过去十年更多编程项目的帖子。 “不，我不同意。我认为那非常过早。”Hassabis 说，“奇点是完全 AGI 到来的另一种说法，我之前解释了为什么我认为我们离那还很远。” 他承认即使 5 年也不算长，但“我认为在我们拥有任何看起来像奇点的东西之前，还有很多工作要做。” --- 【13】Google 的文化与创始人的参与 Emily Chang 问到 Google 内部现在的文化，以及 Larry Page 和 Sergey Brin 的参与程度。 Hassabis 说两位创始人都非常投入。“Larry 更多在战略层面，你会在董事会议上见到他。Sergey 更亲力亲为，参与 Gemini 团队的编码，更多涉及算法细节。” 他说这是一个“对计算机科学来说绝对不可思议的时刻”，科学上、人类历史上都是如此。“当然每个人都想亲身参与其中。” 他描述了自己试图结合多种优势：创业公司快速发布和冒险的能量，大公司的资源，以及长期和探索性研究的空间。“我认为过去一年进展顺利，我们还能做得更好，今年会做得更好。我认为我们的进步轨迹是业内最陡峭的。” --- 【14】为什么应该信任 Google？ Emily Chang 说所有这些公司都在要求我们信任他们，特别是如果监管跟不上技术的话。她直接问：为什么我们应该信任你们？为什么 Google 是最值得信任的地方？ Hassabis 说需要通过行动来判断这些公司，也要看领导者的动机。 “我选择 Google 作为 DeepMind 的归宿有几个原因。主要原因是 Google 的创始人和他们建立 Google 的方式——作为一家科学公司。很多人忘了 Google 本身是 Larry 和 Sergey 的 PhD 项目。所以我对他们感到一种直接的亲近感。” 他还提到了 Google 董事会的构成。“主席 John Hennessy 是图灵奖得主，Frances Arnold 是另一位诺贝尔奖得主。这些在企业董事会中是非常罕见的人物。” 【编者注】John Hennessy 是斯坦福大学前校长，因 RISC 架构获得 2017 年图灵奖。Frances Arnold 因定向进化研究获得 2018 年诺贝尔化学奖。 他说这种科学和研究主导的文化意味着“在最高水平做科学意味着真正严谨、深思熟虑，并在任何可能的地方应用科学方法。不只是对技术，也是对你作为一个组织的运营方式。” 最后他提到 Google 的使命。“‘组织世界的信息’——我认为这是一个非常崇高的目标。它与 DeepMind 的使命‘解决智能，然后用它解决一切其他问题’非常契合。这两个使命天然配合——AI 和组织世界的信息天然相关。” --- 【15】后稀缺世界：比经济更担心的是“意义” Emily Chang 问：后稀缺世界，人们不再有工作。Hassabis 在实现所有技术目标后打算做什么？ “我想用它来探索物理学的极限。这是我在学校时最喜欢的科目——那些大问题。现实的本质是什么？意识的本质是什么？费米悖论的答案？时间是什么？引力是什么？” 他说了一句令人印象深刻的话：“我惊讶于更多人不去思考这些巨大的问题。我们只是日复一日地生活，而这些深刻的谜题几乎在向我尖叫——答案是什么？” 他希望用 AI 探索所有这些问题，“也许还有星际旅行，借助新能源和 AI 解锁的材料。” Emily Chang 问：如果我们没有工作，我们还会有意义和目的吗？ Hassabis 回答道：“老实说，这是我比经济问题更担心的事情。我认为经济几乎是一个政治问题——当我们获得所有这些额外的收益和生产力时，我们能否确保它为每个人的利益而分享？我相信这是可以做到的。” “但比这更大的问题是：我们很多人从工作和科学事业中获得的目的和意义，在新世界中我们将如何找到？” 他说我们需要“一些新的伟大哲学家”来帮助思考这个问题。“也许我们会在艺术和探索上变得更加精致，还有极限运动之类的。今天我们做很多不只是为了经济利益的事情，也许未来我们会有这些事情的非常高深的版本。” --- 【16】给年轻人和企业家的建议 Emily Chang 最后问：房间里的每个人都在想他们应该做什么。10 年后，人们关于 AI 最大的错误会是什么？ Hassabis 给出了两条建议。 第一条是给年轻一代的：“我们唯一确定的是会有大量的变化。所以在学习技能方面，要准备好‘学会学习’——这是最重要的事情。你能多快适应新情况，用我们拥有的工具吸收新信息。” 第二条是给商业领袖的：“现在有很多领先模型和服务提供商，还会有更多。选择那些你认为正在以正确方式行事的合作伙伴。与那些正在推动变革、以你希望看到的方式对待这项技术的人合作。” 他总结说：“我认为我们可以一起构建那个未来——随着 AI 的到来，一个我们都想要的未来。” --- 【写在最后】 这场访谈中，Hassabis 展现了一种独特的气质：既是最前沿竞争的参与者，又试图保持长线思考的清醒。 他与几位同行的分歧值得注意：比 Dario Amodei 更保守地估计就业冲击，比 Elon Musk 更审慎地看待奇点，比 Ilya Sutskever 更相信 scaling 仍有价值，比 Yann LeCun 更认可 Transformer 的未来。 但他们有一个共识：无论 AGI 是 2030 年还是更早到来，我们可能都没有准备好。Hassabis 想要的“AI 版 CERN”需要国际合作，而他自己也承认“现在国际合作有点棘手”。 最后一个细节让我印象深刻。当被问到后稀缺世界的愿景时，这位每周工作 100 小时的 CEO 说他最想做的事情是思考“时间是什么？引力是什么？”——那些“几乎在向我尖叫”的宇宙深层谜题。 也许这就是为什么他能在“科技史上最激烈的竞争”中保持某种平静：对他来说，AGI 不是终点，而是探索更大问题的起点。

北京时间周四凌晨，美联储利率决议，这次降息25个基点，基本是没跑了！那么这次降息该如何解读，哪些美股方向将会形成利好，尤其是最近马斯克主导的热点方向——太空 #AI# 板块，有哪些美股直接利好，这里给大家带来一个梳理！🧐 先讲一个结论，我认为这次降息本质并不是为了放水刺激，假如从货币宽松的角度，即将到来的1月份开始，每月美联储采取的400-450亿美金的国债回购方案，这才是最直接的放水刺激。 这次降息，更像是为了救“高利率环境下，快撑不住的经济”。尤其是现在居民贷款违约率居高不下，商业房地产岌岌可危的现状。目前10年期美债利率依旧高达4.15%，市场利率在20年高位，美国企业、房地产、地方政府、银行都压得喘不过气。这次降息是为了迫切把融资成本拉下来，避免经济被高利率引发潜在衰退，这也就造成了12月polymarket降息概率波动如此之大的原因所在。 🎯 降息带来的直接利好： ①资产价格的“估值提升”，科技、成长股最受益 利率越低，未来现金流的折现成本越低，成长股的估值会直接往上抬。比如AI、半导体，还有一些长期合同型企业（如太空科技、国防科技），另外高研发投入企业也十分利好，这类公司短期内无法立刻盈利赚钱，但未来预期足够大，降息就是它们的提神药。 ②公司融资成本下降，高资本开支行业被“解放” 例如太空、芯片、能源、制造这些行业，烧钱速度非常快。降息之后，整体发债成本会下降，银行端的贷款压力会减弱，直接会刺激产业项目的更快落地。像 Rocket Lab、AST SpaceMobile、Firefly 这种“要烧钱造未来”的公司，都会受益。 🚀 结合最近热点“马斯克太空AI概念”，叠加降息带来的利好，我列举5个公司，供大家参考。 1️⃣ $RKLB — Rocket Lab（强成长 + 国防护城河 + 降息受益最大） Rocket Lab 应该是目前美股上，最被低估的“太空全能选手”，它已经早就不是单纯的火箭发射公司了。它悄悄打造了一条完整的太空产业链： · 自己造火箭（Electron 和未来的 Neutron） · 自产卫星零件（太阳能板、推进器等） · 能组网、能接国防部任务 · 还有星间激光通信技术 · 甚至提供“交钥匙”太空任务服务 从降息纬度来看，Rocket Lab 属于典型的“高资本开支 + 长期合同 + 大订单在手” 的成长股。降息后，公司融资成本会得到下降，有利于新建产线、新引擎、新卫星平台，长期估值模型改善（折现率下降）。同时DoD和NASA 的大型合同发放概率提高，稳健的国防预算也给Rocket Lab 锁了一层安全垫。 它现在是除了 SpaceX 之外，最有潜力成为美国国家级太空供应商的企业。政府订单占比越来越高，不是靠讲故事，而是靠实打实的垂直整合能力。如果一切顺利，未来市值有望冲到1000亿美元(目前它市值仅仅275亿)。 2️⃣ $ASTS — AST SpaceMobile（用卫星直连手机的“颠覆者”） AST SpaceMobile 公司要做一件疯狂的事：让普通手机不用换设备，直接连卫星上网。相当于把基站搬到天上，覆盖全球没信号的地方。这跟星链很像，但它更方便，不需要星链的接收器，直接手机直连。 最重要的是，目前全球两大电信巨头（AT&T 和 Verizon）不仅跟它签了合作协议，还直接投资了它。这说明运营商不希望 SpaceX（星链）自己做手机直连、抢走用户。相比之下，AST 是“中立批发商”，帮运营商扩展信号、提升收入，而不是抢饭碗。接下来就看它能不能快速发射卫星、铺开网络、实现真正盈利赚钱。 所以降息对AST是最直接的利好，目前市场预估它需要几十亿美元发射卫星建网，利率下降能省下巨额资本开支，并且与运营商的融资合作也会更容易落地。当整体预期变强时，资本市场更愿意为卫星网络买单。 这是最典型的“利率敏感型高科技成长股”。降息越狠，ASTS 的赔率也就越高，成长空间越大。最核心还是要关注其规模化，包括锁定载波分发、快速发射卫星网络以及在数十亿终端上实现频谱经济的货币化。 3️⃣ $PL — Planet Labs（低利率周期的天然受益者） Planet Labs业务十分垂直也很有意思，这家公司以前是“给地球拍照片”的，现在转型成卖地理情报数据的平台。客户包括政府、军方、保险公司、农业公司，国防部希望以低成本实现持久的ISR(情报监视与侦察)。气候和农业领域需要持续的地面真实数据。他们都需要高频、低成本的地球观测数据，Planet正好弥补了这样的市场缺口。 公司优势十分明显，成本比传统军用卫星低得多，数据更新快。欧洲军方今年也开始采购他们家的产品，说明数据有“主权级”价值。 但问题也十分突出，盈利虽然涨了，却还没证明自己能高效盈利。市场还在等它从“项目制”变成“平台型”生意，有点像SaaS订阅付费模式，客户年年续费、越买越多，目前这条道路还没走通。 降息对它的利好也十分明显，未来现金流价值更高（偏 SaaS 属性），政府合同稳定，财政压力下降，欧盟、NASA、DoD 的 ISR 预算不被削减，降息+国防数据需求上升，Planet 的爆发点可能正在临近。 4️⃣ $FLY —Firefly Aerospace (航天领域全能型选手) Firefly 这家公司，非常“全能”：搞火箭、登月舱、快速响应发射、甚至军用任务。国防部十分喜欢这种“一站式”合作伙伴。美国国防部一直希望拥有能够支持从运送到月球再到ISR任务的合作伙伴，但挑战在于Firefly业务板块过于分散，导致尚未展现出规模化的稳定执行优势。比如下面👇这些弊端： · 火箭发射次数不够稳。 · 登月任务（Blue Ghost）依赖 NASA 的里程碑付款，风险高。 · 快速发射业务烧钱，对制造能力要求极高，而它还没完全证明自己。 公司工程师履历十分牛掰，但商业模式还没跑通。潜力巨大，目前产品线（Alpha、Blue Ghost、快速发射）非常对 DoD 胃口。但需要更多实测战绩来证明自己不是“一个PPT太空公司”。 Firefly 是一家很能造，很能卷，很缺钱的公司。这类企业在高利率时代几乎活不下去。所以降息以后，公司发债和融资成本低了，NASA 项目拨款更顺畅了，DoD 的快速反应发射合同更稳定，不再被资本市场“利率压估值”。这可能是最受降息影响的公司之一。 5️⃣ $RDW — Redwire(太空刚需型企业） Redwire 是一家专注「太空基础设施+太空组件+太空任务支持」的公司。它虽然没有前面几家公司造卫星或者建火箭那么性感，但它提供广泛且关键的“太空零组件+系统+制造+维修” ， 比如卫星天线、太阳能阵列、散热系统、可展开结构 、空间级传感器、机械臂、在轨制造 ，3D 打印等等。基本上现在搞太空发射的公司，都需要使用它的产品，类似于卖铲子的企业。 整体来说，Redwire 的方向是没毛病的，搞太空制造、空间结构、在轨服务，都是未来刚需。但问题在于团队说得多，做得少，执行比较拉胯。 财务上，公司今年二季度还暴过雷，连全年利润指引都撤回了，管理层却提前毫无预警，商业计划上有点吹嘘的味道。这种操作在高风险的太空行业里，属于严重的信任危机。 整体来说，Redwire有好资产，但缺的是稳定交付能力，这也导致它市值较低，仅仅11亿。目前更像一家“理想很丰满”的工程公司，而不是可靠的太空供应商，需要一定时间去检验。从降息的角度来说，跟上面描述的公司，基本是一致的，融资成本下降有利于高资本开支和长周期的项目，而且也更容易拿到国防相关的订单。 总结来看，12 月降息的真正逻辑很简单，降息让高资本开支行业“重获生命”，让成长股重新被估值，让国防航天更容易拿到大单。叠加最近马斯克太空AI概念火热，这其中可能会有不错的机会。另外AI、芯片等高成长科技股，也会直接受益。太空公司普遍毛利率未来都比较高、周期长、业务是国家战略，美联储降息相当于直接给它们开绿灯，值得重视。🧐 目前我使用的 @MSX_CN 美股平台，有3家太空公司支持交易，这在其他 #RWA# 美股平台，基本没有，代码分别是：RKLB.M；ASTS.M；FLY.M，其实选的都是比较优质的太空企业，像 $RDW 相对差一点，就没放进去，也充分说明了MSX团队，择股的能力优势(如图2)。 假如您还受限于国内美股开户不方便，那么可以尝试用U炒美股，体验丝丝顺滑，我个人正在使用 #RWA# 美股代币化平台 #MSX，一同参与美股市场：# 目前可以免费进我们美股社群，免费阅读海外投行一手报告，每周限额10人，可以私信我，填写表单，进入美股交流和探讨社群(最近加群人数较多，助理审核需要时间，感谢理解🙏)