与「深度小动保」相关的搜索结果

6月10号 缩量修复次日果然挨打 盘面只剩三个字：没法看 聊几句实在的 先说盘面 昨晚出了两条小作文 一条国内AI建设 一条电源设备 结果资金根本不认账 物理AR熄火 昨天强的题材今天全灭 算力修复也是一日游 这根本不是板块轮动 是整体行情太垃圾 大盘今天这个深度回调 其实不意外 昨天缩量修复就是最明显的警告 目前看情绪拐点大概率在周五 所以明天还有可能继续挨打或弱修复 操作上 我认同一个观点 这个月任何时候离场都不晚 但不是劝你空仓 而是建议先减到能睡安稳的仓位 想练手的拿极小仓位试做T 别信小作文 现在消息反应普遍很差

OKB应该是没有庄家的。 或者说庄只能是交易所自己。 看每次的k线走势，是一点老鼠仓没有的，当然，也是没有护盘的。 谁敢做庄？百分之80以上都在交易所手里。 虽然他们不动。 但是你敢操作，交易所就可以封控账号。 因为okb主要的交易深度是在okx交易所里的。 okx更不敢弄了，因为接下来面临着上市，需要谨小慎微，操作币价是最不合规的行为。 所以这样上串下跳，都是散户行为。 每一次都是利好消息带来的fomo，形成的一根针。 任何事情都是双刃剑。 有没有庄这件事也是。 本文由 @bcgame 赞助

韩国半导体产业链刚刚爆出一个重磅消息，但国内媒体基本没报，让我对美股AI板块的警惕性拉到了最高级别。🧐 英伟达下一代产品Rubin CPX，前景不明朗！ 首先要提示一下的是，Rubin CPX虽然与Rubin GPU VR200虽然都属于 NVIDIA 的 Rubin 架构世代，但它们扮演的角色不太一样。 Rubin CPX主要负责推理，有极高的吞吐量，非常适合用来啃长上下文这种硬骨头，所以不需要昂贵的HBM4，仅依靠GDDR7即可，成本降低了很多。相较与专注训练的旗舰Rubin GPU VR200来说，无论是存储芯片还是晶片封装，还是NVLink 6互联方案，都相对低廉一些，所以成本也会降低很多(如图2)。 但如今随着AI 发展向推理方向大迈进，这一块蛋糕其实也极其重要，英伟达假如在推理市场推出的产品出现跳票现象。这也会对英伟达股价，造成一定的冲击！ 讲讲这次韩国媒体从供应链端推理的路径，还是蛮有意思，毕竟现在韩国全民炒股，大家都热火朝天，也难怪今天没太多人理会这个新闻！ 📌 供应链传来的信号 • 内存行业相关人士表示：虽然说Rubin CPX要搭载GDDR7，但目前连订单影子都没见着，性能指标也不明确，根本不知道怎么开发配套方案。 • 基板行业人士更直接：Rubin CPX方面毫无动静，业界普遍认为可能目前都还没取得实质性进展。原本可期的GDDR7的应用规模可能也不大了。 • 存储器业界普遍持观望CPX态度，GDDR7的供应也不太可能大规模启动。目前GDDR7主要应用还是GeForce RTX 5090、5080等游戏显卡，连超级算力基板都不会用到GDDR7，而是用更高端的HBM。 📌 更诡异的是英伟达的战略调整 在今年3月的GTC 2026大会上，英伟达把CPX从第2代中移除了，这动作就很耐人寻味了。 取而代之的是，英伟达开始跟Groq公司深度合作，甚至去年直接签了200亿美元的限量协议，把Groq的核心推理技术和工程师团队都收了。 业界普遍认为实际上英伟达已经上架了Groq的方案。 也就是说，英伟达可能在推理市场这块，战略方向发生了重大转变。原本为推理市场准备的Rubin CPX，现在前途未卜。 我个人的一些思考，首先供应链是最诚实的。 当内存厂商和基板厂商都说没订单的时候，这不是小问题。你要知道，芯片这玩意儿，供应链得提前半年甚至一年开始准备。现在都下半年了，连订单都没有，这产品能按时出来吗？ 其次是英伟达当前股价反映的是什么预期？ 市场给英伟达的估值，是基于它在AI算力市场的绝对垄断地位，以及持续推出革命性产品的能力。但现在Rubin CPX这条产品线出了问题，Blackwell系列和未来的Vera Rubin系列虽然强大，但下一代产品如果跟不上，这个预期就会动摇。 最后就是如今AI板块，FOMO情绪比较严重，持续的逼空行情，大量空头回补，但基金仓位已经十分拥挤，这种持续的拉涨，还是需要留个心眼，注意市场的风吹草动！🧐 同时这个推理市场大蛋糕，也会利好于 #AMD# 和 #INTC。🧐#

$LISTA：币安下个周期倍数最高的弹性 beta 一、FDV 极低，分母小 Aster FDV: ~$5.4B（同为 YZi Labs portfolio） PancakeSwap 流通市值: ~$470M THENA FDV: ~$380M Lista FDV: $70M 同样一笔买盘推动 FDV $70M 的标的和 $7 亿的标的，价格反应差一个数量级。 当资金回流时，小盘永远先动、动得猛。 二、BSC 上很难再有新的借贷和质押协议 BNB Chain 的借贷和质押赛道已经事实上完成了集中化——slisBNB 在 BNB liquid staking 接近垄断市占，Lista Lending 是 BSC 上唯一一家做 Morpho 式 curator vault 的，加上 Venus 占据传统借贷——位置已经被坐满。 新协议进不来的原因不是技术，是分发。Binance Megadrop、Launchpool、HODLer airdrop 这套 BSC 一线流量入口，已经和 Lista、Cake 这些"老人"深度绑定。 YZi Labs 也不会再扶持竞品冲击自己已经投资的位置。再叠加 Lista 是 USD1（WLFI / 川普家族稳定币）的链上最大流动性枢纽——这种政治背书的稀缺组合更不可复制。 也就是说，下个周期 BSC DeFi 资金回流时，没有新协议能截走 Lista 的流量。这是它和 ETH 上 LST 赛道（Lido、Rocket Pool、 互相蚕食）最大的结构差异。 ---------- FDV $70M、BSC 头部最小盘（同生态 Aster 的 1/77）、TVL/FDV ~21x（同类极端值）、TVL 历史最高 $3.5B、BSC 借贷质押位置已锁定、距 ATH 跌 90%。 这不是估值交易，是周期交易。如果你相信币安生态还有下一次崛起的话。 @cz_binance @lista_dao

🚀OKB定投指南：100 刀/天，冲刺 300/500 USD 永恒巅峰！☀️ 嘿，Crypto 永恒游侠！每天 100 刀砸进 OKB，桥接到 X Layer 的低费宇宙，staking 躺赢，销毁机制永动推波。不是时间表，是你的 Web3 自由之路！我们把OKB炼成“定投永动机”。当前OKB价约168 USD，X Layer zkEVM L2 已升级，TPS 爆表 5000，USDT 桥接顺滑，1 亿基金狂撒生态种子。目标？短期 300 USD，长期 500 USD。准备好无限续航了吗？Buckle up, legend!🎉 🌟起飞宣言：为什么这是你的终身伙伴？ 🔲OKB 的不朽之力：OKX 帝国的“永动机豆”——手续费 slash、Jumpstart 猎新、销毁机制（8 月一举烧毁 6526 万枚，价值超 76 亿美元！），总供应永恒固定 2100 万枚（流通全覆盖，无稀释风险）。OKX 交易量永超 1.3 万亿（衍生品月度峰值），OKB 就是那永不熄火的引擎。 🔲X Layer 的无限buff：Ethereum L2 狂欢场（Polygon CDK 掌舵），gas 费趋零，200+ dApps 任你驰骋（DeFi 刷分、NFT 铸魂、Wallet 一键征服）。OKB 化身 gas 王 + staking 心脏，90% 供应永驻，通缩永循环！ 🔲你的永恒野心：年化 40%+，无限定投雪球滚大，乐观下 ROI 无限放大。风险？摊平它，X Layer 护航它——这是马拉松，不是短跑。徐明星的“XX人生”，提醒我们：笑对波动，定投笑到最后！ 💡前提：每天 100 USD 定投OKB，从 10/27/2025 起，（OKX App “现货定投”一键设置）。 ⚡️作战蓝图：阶段冲锋，无限迭代热血路线 🔲扔掉年限枷锁，这是你的“升级无限循环”！平均价假设 250 USD，staking 10% APY 奖励（memecoin 空投永不缺席），每年投 36,500 USD，累积如滚雪球。 🧭阶段 里程碑 投钱/年 (USD) OKB 战利品/年 价格冲刺 (USD) X Layer 秘籍 🔲热身营 2025 Q4 启动 6,700 (首季) 35-45 枚 180-220 桥接 staking，升级狂欢测试 🔲爆发冲刺 2026 全速(短期 300!) 36,500 120-150 枚 300 dApps 深度潜航，TPS 实时追踪，空投狂捞 🔲稳健帝国 2027+ 循环 36,500/年 120-150 枚/年 350-400 销毁盛宴永续，生态基金无限撸金 🔲巅峰永恒 (长期 500!) 无限后期 36,500/年 120-150 枚/年 500 全球征服评估，Wallet 宇宙梦无止境 🚀通缩 + 低费 = 永恒王冠 🪄情景剧本（无限分支，永不谢幕）： 🔲神级永续：X Layer 点燃星辰（stablecoins + DeFi 协议全开），2026 300+，长期 500+，ROI 无限叠加。Staking 化身永动机！ 🔲中规中矩循环：震荡中永生，复利滚雪。纪律铸就传奇。 🔲硬核永战：熊潮来袭？低点加仓永翻盘——回想 2024，它从 38 刀永飙 300%！ 🛡️防坑手册：熊市也挡不住你的永恒派对 🔲市场风暴：OKB 抖 30%+？X Layer staking 永稳，定投如心跳。 🔲技术迷宫：桥接小 glitch？小额永练，备份主网铁律。 🔲脑内永剧：贪婪/恐惧永循环？月日志 + X #OKB# 战队，永互怼永励志。 最大回撤 40%——X Layer 的 1 亿基金，就是你的无限护盾！ 🎮启动仪式：从此刻起，无限行动！ 🔲每日 routine 超级简单：App 定投永开（现货 > 定投 > 每日 100 USD） 🔲循环仪式别忘：每周复投生态空投 + memecoin 奖励，每月 ROI 永打卡，每季大复盘。 🎊尾声：你的 Crypto 史诗，从无限起航 🔲OKB不是计划，是你的 Web3 不朽传说。每日 100 刀，短期 300，长期 500——通缩、低费、生态三永剑，携你翱翔！牛市永在，敲门？直接踹开。 🔲定投，从无聊变永恒狂欢 @okx @okxchinese @XLayerOfficial @star_okx #XLayer# #定投# #OKB#

假如当年 昨天点赞最多的评论互动，是一个四川农村家庭在杭州读普本的女大学生，问留杭还是回老家，我给出了倾向于留杭的建议，绝大部分网友都是支持的。 评论席即时互动的时间和篇幅都有限，我今天想再展开讲一讲。 大城市的核心优势是什么？主要是就业资源。以杭州为例，电商、直播、自媒体、游戏、互联网、数字营销、机器人这些新兴产业都是国内顶级水平，很多岗位你真就只能在杭州找到工作，要回了四川小县城你连简历都投不出去。 而且因为是新兴行业，行业结构不成熟，既得利益群体小，变数大，机会多，即便你的学历不是很高，普本也有很大的发展空间。说白了整个浙江只有一所985/211大学，剩下最好的也不过双非，没有必要还去搞学历歧视，浙江的氛围是很务实的，只要你有能力，肯努力，就一定有机会向上走。 我大学最铁的那几个哥们，有毕业后持续经商的，有大厂干了几年辞职创业做直播公司的，有在外贸公司任职20多年的，下限一年也有三四十万兜底，上限很高随缘。这不完全是他们几个能力强，很重要的一点是杭州这座城市太给机会了。 最近几年最火的公司，研发了deepseek的深度求索、制作了《黑神话》的游戏科学、中国机器人龙头宇树科技，都是杭州孵化的，这不是偶然。 内地的农村家庭好不容易把孩子送到杭州上大学，毕业后怎都要留下来试试看吧。尤其是那种性格较为独立，能抗压，有持续学习能力，善处人际关系的孩子，在大城市发展才能彻底挖掘自己的潜力，回县城真就埋没了。 女生在大城市发展还有另一种机遇，就是有更高的概率找到潜力股男生结婚。我老婆当年毕业后如果回老家上班，要在当地县城找一个综合条件比我更好的可不容易呢，你们同意嘛 退一万步，孩子在杭州闯了几年不顺利，觉得累了想回老家也不晚，在杭州这几年锻炼的工作能力和眼界，回去县城也是优势经验，怎都不亏的。 …… 其实最近些年，我一直有个问题在反复的问自己，如果当初我没有来北京，选择在台州老家发展，我最终会选择做职业投资人吗？我会写公众号吗，我会成为大v吗？我能赚到钱吗？ 一个一个来分析。首先我大概率会一直在互联网上输出内容，因为中学、大学时期的我就一直是论坛活跃分子，来北京之前就已经是这样。但小城市接触新事物新文化有延迟，我可能会推迟几年才开始写微博、写公众号，错过早期红利和先发优势，但最后的最后我还是会成为博主，可能不如现在，但依然会有自己的读者人群。 其次我肯定还是会炒股，因为我入市不是偶然，是受我妈的影响，她是95年开户的老股民，我和她相依为命的那些年头，股市的涨跌直接影响母子两的生活，所以我从初中就知道并关注股市。作为韭二代，我入市是99%会发生的必然事件。 那不来北京就没有影响吗？不，有些重要的事还是改变了。 比如我一直在台州的话，我可能没那么宅，老家朋友多，县城夜生活丰富，我很可能无法坚持那么自律的日更。以及我若一直在县城自主炒股，我很可能不会接触那么多金融工具和其它金融市场，我这方面的视野是在北京和同事以及同行的交流中学习成长的。 那样的我可能就不懂期指、不懂分级基金，不玩可转债、qd、黄金，不会开户离岸的港美股，更不会投资虚拟币。台州当地炒股的氛围就是互相打听本地上市公司的内幕消息，有啥风吹草动就人传人，一窝蜂往里冲。我若一直生活在台州，大概也是这种交易风格。 那个版本的我能赚到钱吗，大概可以吧，但估计数量和现在有差距。 每个人的人生只有一次，除了这一世拿到的剧本，剩下的都是平行宇宙的千万种可能。我不知道“他们”过得好不好，我只知道珍惜当下，过好眼前的这辈子。 …… 前几天评论席里提到handsome boy的梗，是高中时和一个外省的女笔友通信时她对我的称呼，当时我说要找找当年的照片，找到了。高三毕业那年我妈和我去华山旅游的时候拍的，当时我177cm 60kg。 我不发现在的照片，是怕平时出门在外被人认出来尴尬，我无所谓发年轻时的照片，是因为我变老了变胖了，你们只靠以前的照片不可能认出现在的我 时光荏苒，20多年一眨眼就过去了，突然很想再带我妈去一次华山，去找找当年拍照的位置，想看看身后的山的样子有没有变。 就聊这些吧，3/8提醒，玩得开心～

《优先级判断维度》 RICE 模型（Reach, Impact, Confidence, Effort） - Reach 能触达多少用户？ - Impact 对单个用户的影响有多大？ - Confidence 我们对上述判断有多大把握？ - Effort 实现需要多少投入？ RICE 模型是比较公认的一种判断优先级的方法，但是有两个问题，一个是创新的功能优先级比较难排上面去。另外一个是有一些不得不做的安全合规的需求也排不到前面，于是我发展了下面的 4H 优先级判断法： 4H - 高感知 大部分用户高频使用，产品使用主路径，预期渗透率在 5% or 10% or 20% 以上的功能。关注广度 —— 覆盖大多数用户，主路径，高频。 - 高价值 部分用户/客户非常需要，重度使用，甚至愿意付费让我们做的功能。关注深度 —— 小部分人，但强烈刚需，付费意愿强。 - 高创新 直接竞争对手没有，我们可以有的创新（人无我有且对方不可能有>人无我有>人有我优>人优我廉=人优我精）。关注 差异化 —— 形成竞争壁垒和市场区隔。 - 高风险 不做对我们风险非常大的功能，legal 合规、安全等等基础性功能。关注底线 —— 不做就会出事，必须兜底。

今晚三场世界杯淘汰赛正式开打，强弱对话暗藏冷门 兄弟们，我每天都是实单推荐，看情况补单场！ 结合各队真实战力、战术风格的深度分析，直接为大家送上最纯粹的方向，建议收藏： ⚽️ 巴西 VS 日本 预测结果：让 (-1) 平 战意简析：巴西阵容豪华纸面优势拉满，全力争胜冲击下一轮；日本整体性极强，防守韧性拉满，过往曾爆冷击败巴西，绝非鱼腩。巴西赢球是大概率事件，但日本收缩防线很难被打穿，大概率仅一球小胜，让球平是最优解。 ⚽️ 德国 VS 巴拉圭 预测结果：让 (-1) 主胜 战意简析：德国进攻火力全开，高压传控体系成熟，淘汰赛全力抢胜稳住状态；巴拉圭靠极致防守惊险晋级，进攻端严重乏力，面对德国持续压制很难组织有效反击。两队硬实力差距悬殊，德国净胜两球及以上悬念不大，稳稳拿下让球主胜。 ⚽️ 荷兰 VS 摩洛哥 预测结果：主负（摩洛哥胜） 战意简析：荷兰主打高位传控，边后卫压上后身后空档巨大；摩洛哥是足坛顶级防反强队，上届世界杯力克强队杀入四强，战术上完美克制荷兰的打法。荷兰纸面占优却处处受制，摩洛哥防守稳固、反击犀利，本场直接爆冷赢球概率极高。 💡 老铁们理性参考，今晚一起见证淘汰赛的精彩对决，祝大家一路红单！ #世界杯#

AI半导体终局推演2026(II) 当半导体结构性演进到AI推理主线，内存和存储成为了最大瓶颈，市场对内存和存储最大的怀疑就是： HBM/DRAM/SSD会不会摆脱传统周期性？ 依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？ 长鑫扩产的影响有多大？会不会把这个市场重新带入周期泥潭？ 本篇尝试去建立一个框架来梳理这几个问题 —---------—--------- 万物皆周期，而内存的周期性又特别强，最大的来源在于扩产周期过长，无法快速扩产和需求短缺时期错配 摆脱传统周期性几种可能的方式 1. 定制化：产品不可互换，产能不能随便转移，需要签长约。 2. 结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直追不上。 3. 技术迭代快速升级：每一代产品都快速淘汰上一代。 满足任何一条，就能部分摆脱传统周期；满足两到三条，就能摆脱大部分传统周期 根据这个框架， HBM在三条里，大概占了两条半 1. 定制化，需要签长约（较弱，算半条） HBM 确实有定制化和Nvidia codesign的成分，但并不是很强。真正定制的部分只在封装和 base die，上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。 比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候，它并没有把这批产能砸在手里报废，而是转手就供给了 Google 的 TPU、AMD. 物理上，给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E，是同一个东西。 所以产能仍然是部分可以自由转移的。 HBM4之后的定制化更多一些，包括在 base die 上集成定制逻辑和/或缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作，但这指的是 base die 的定制，上面的 DRAM 层仍然是标准的。 部分定制化的特性，HBM主要在封装上需要合作，这也导致了客户必须签长约，但产能也确实可以转移，所以HBM 能勉强算半条。 2. 结构性的指数需求增长（满足） 最直观的原因，就是Nvidia token factory token throughput的硬件升级需求，导致了HBM带宽的升级换代极快，以及HBM size需求的指数增长 这一条其实就是上一篇AI半导体终局推演2026(I)的结论： token throughput = HBM size × HBM 带宽，每一代翻倍。 HBM size per GPU大概每年增长40%以上 这条需求曲线的陡峭程度，是DRAM供给端 14% 的 wafer 增长，乘以 9% 的 density 提升，很难追上的 在硬件领域，因为attn阶段KV cahce的极高带宽和极高memory size的要求，也导致了HBM独特的地位。即便是HBM涨价三五倍，把钱花在HBM上带来的边际token throughput提升，仍然比花在其他地方要划算的多。 其他几个Memory路线，SRAM，HBF，CXL，PIM，目前都无法在HBM的主力赛道kv cache/attention上正面竞争，起码未来5年甚至更长时间，不太可能找到替代路线 3. 技术迭代快速升级（满足） DDR3时代过了15年，仍然只是DDR5时代，而HBM的升级换代的速度基本上是两年一代，比传统DDR要快很多很多，而且近来还有加速的趋势，HBM size x HBM BW每一代翻倍，目前是完全符合这个规律的 每两年一代HBM升级，NV GPU速度基本是指数型上升：2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s，而且HBM的速度和推理token throughput是完全线性正比的，上一代HBM的边际使用成本会不划算，大家都有动机去尽量用最新的产品，虽然更贵，但是带来的收益(token throughput)是更多的 Token factory时代的逻辑是，技术升级（HBM带宽）的越多，赚的越多 这个速度差，造成了一个和 CPU 类似的局面：旧产品快速贬值，于是囤货的价值在变低，比如说，HBM3的价值贬值的非常快，今天基本上主流产品不会用了 所以HBM 厂商的理性选择，从拼当前的产能去占市场（quantity competition），变成了在稳定性和HBM速度上拼技术，拼下一代在 NVIDIA 平台上的 qualification 份额（quality competition），从而避免了在传统周期的下行波段，大家都不愿减产掉市场份额的囚徒困境。 —--------------—-------------- HBM和传统DRAM比较，三个条件里满足了两个半，那么HBM能摆脱传统周期性吗？ 内存周期性的来源，主流叙事是，DRAM 有Commodity属性（无差异化 → 价格战 →库存可囤积），所以有周期性。 而Commodity属性本身并不产生周期，它只是一个振幅放大器 特别是DRAM领域里，曾经产生过囚徒困境，在下行周期三星曾经扩产抢市场份额，谁先减产谁吃亏，导致谁也不敢轻易减产，最后大家都亏损惨烈 实际上周期性的主要结构性来源是供给周期太长，很容易和需求周期错位。建一座 fab 要 3 年，投资上百亿美元，一旦决策就不可逆，而需求增长会有不稳定性，每次出现新范式增长，比如云服务，移动互联网手机，疫情线上需求，会有爆发式增长，而过了两年增长会放缓，供给高于需求，降价过猛，就变成了亏钱周期 万物皆周期，HBM这一条同样是无法避免，但只要token需求仍然是指数型增长，结构性的指数增长会减弱周期性，因为需求可预测度更好，而且一旦降价，客户就有增大HBM size的需求（从而增大token throughput），加上HBM有一点定制化要求导致都是长约，从而从周期性转化成成长周期性，而且这一轮周期会特别长 周期性：上行周期赚的多，下行周期亏的多 成长周期性：上行周期赚的多，下行周期赚的少 另外，HBM/DRAM在这三条摆脱传统周期的条件的基础上，还有一条重要优势： 4. 因为DRAM密度增长scaling越来越慢，以及HBM升级换代导致DRAM堆叠倍数的增加，供给端的扩产难度持续增加 2000年附近，DRAM每片wafer上DRAM bit密度每年增长大概45%，也就是说，就算晶圆wafer数量不扩产，每年的供给端DRAM bit仍然可以增长45% 十年前，DRAM bit每年密度增长降到了20%，而现在，DRAM bit每年密度增长降到了9%。以前DRAM扩产甚至不怎么需要新建厂房就能得到每年20~30%的bit volume上升，现在DRAM要扩产，更多的是靠wafer数量的增长，也就是新建厂房和clean room。 另外一个HBM快速扩产难度在于，HBM3e大概需要3倍的DRAM wafer晶圆，而HBM4由于堆叠密度的增加，大概需要4倍的DRAM wafer晶圆数量，相当于HBM bit相对于DRAM bit一直变得更难制造，单位DRAM wafer数量制造的HBM bit越来越少，相当于在通缩 ---------------------------------- HBM未来有一天，会不会从成长周期性，变回传统周期性？最重要的因素是结构性指数增长，那么 AI推理时代，这个依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？ token throughput = HBM size × HBM 带宽，这个HBM指数增长的第一性原理里的HBM size的增长原因正是KV cache的增长。KVCache的特性以及Attention的特性,也是非常契合HBM的。甚至让HBM领先于其他的技术路线, 能够最大化地让KVCache和Attention 阶段的利用率。 换言之， 如果KV cache从架构上不存在了，那么HBM size指数增长逻辑也会受到挑战 所以这个问题的本质其实是，这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制，会不会消失？退潮之后会不会被取代？ 从历史规律来看：每一次AI模型架构革命，真正被保留下来的，是那些在数学上具有某种普适性的 primitive 操作 举个例子：FFN（前馈网络，也就是模型里大量的 MLP 层）是 2012 年深度学习时代的产物，但它一路活到了今天的大语言模型里，并且仍然占据着模型相当大的参数量。它为什么能活下来？因为这也是一种universal approximation theorem（通用逼近定理）：任何足够宽的 MLP 都能逼近任意连续函数 Attention 大概率也是这样一个会被保留的 primitive。因为它解决的是一个同样 基础的问题：序列sequence 中任意两个位置之间的 dynamic routing（动态路由），让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效，就很难被丢弃 所以即便未来架构从纯 Transformer 向混合架构演进，或者向世界模型演进，但attention 层依然会存在，KV cache（或者它经过 latent compression 之后的等价物）依然需要，HBM依然会作为推理核心之一，这个依赖HBM指数增长的GPU KV cache架构路线进化路线，不会停止 —---------------—--------------- 那么DRAM呢？在未来有没有摆脱传统周期性的可能？ HBM摆脱周期性在市场上有一定共识，但DRAM摆脱周期性，市场目前基本没有共识 还是回到刚才的框架，三个摆脱传统周期的条件里，DRAM是没有定制化的，所以就只能看技术迭代速度，最关键的还是要看，有没有结构性的指数增长，答案是有的 在 AI token factory 这个概念里，结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化：随着 agentic CPU开始释放潜力，CPU 附带的那部分 DRAM 需求，正在成为 DRAM 新的结构性指数增长来源 —------ 这部分的增长逻辑分两层：第一层是CPU 服务器TAM的快速增长，第二层是每个服务器CPU core配备的DRAM用量的因为agentic flow快速增长 服务器CPU TAM的快速增长的4个逻辑在4月的CPU专篇详细写过，简单的说： 1. AI 加速器集群里CPU和GPU配比从传统的1：4变成1：2，甚至可能往1：1迈进 2. Agentic flow里CPU处理的延迟占比很高，50~90%成为重要瓶颈，需要同步扩容 3. AI coding让SDE的效率大幅提升，代码量数量级增长，软件API调用指数级增长，直接转化为这部分CPU hours指数级上升 4. Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，而且这个浪费问题五年甚至更久无法解决。另外CPU hours 在技术上很难通过优化的方法来通缩 这也就是为什么，上上个季度，AMD的财报说CPU TAM到2030年会到60B，两个月前，AMD/ARM把CPU TAM的2030年预测翻倍到120B，一个月前，Nvidia再次把CPU TAM的2030年预测翻倍到200B 而上个星期，Bernstein再次提升2030 CPU TAM指引到223B。在我看来，2031 CPU TAM未来上修到400B是没有太大悬念的事情，唯一的悬念是几个巨头会什么时候宣布上修这个指引 再说说第二层，为什么每个服务器CPU core配备的DRAM用量在agentic时代快速增长？ 1. Agent 是带状态的长驻进程，不是无状态的请求-响应 传统 web/SaaS 是 stateless 的：请求进来，分配内存，处理完内存立刻回收。而一个 Agent 任务可以跑 一分钟到一个小时，这整段时间里，它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM 和 CPU hours 一样，每个任务的内存足迹因为 stateful 和 sandbox 隔离(每个任务复制数据库和上下文)的要求，技术上很难压缩 2. 上下文窗口在指数级变长，每个会话的工作集随之膨胀，并发度 × 单会话memory footprint，乘数放大 context window 从 32K → 256K → 1M，reasoning / test-time compute 的序列长度爆炸，未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长 现在把两层乘起来。 第一层，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量级(60B → 120B → 200B → 223B，我认为还会到 400B) 第二层，每颗 CPU 的 DRAM 配比，大概 3–4 倍(4~8GB → 16~32 GB/core)，但这个增长可能大部分是一次性红利 两个独立变量相乘，server 侧的 DRAM 需求是数量级的增长 2030年，即便按保守的300B CPU TAM，一个CPU core按$50来算，agent时代最保守按16GB/core，这算出来新增量最少都是96EB，而今年的DRAM总产量只有47EB，明年勉强60EB，这是非常惊人的增量 虽然这个agentic CPU带来的DRAM指数级增长，在第二层很大程度上是一次性红利，但持续时间会持续很久很久，因为这个短缺的缺口实在是太大了 —-------- 回到文章开头那个框架。三个摆脱传统周期的条件里，第一条DRAM 定制化，基本可以忽略 而第二条：一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半)那么彻底，但已经是实质性的变化 第三条，技术迭代速度，DRAM的节奏也跟以前不一样了 因为以前的DRAM技术迭代速度是严重依赖消费电子的，DDR的进步对于performance用处并不大，但可预见的未来里，碳基消费的传统DRAM，会远远小于硅基消费（CPU服务器）DRAM的用量 以前DRAM的速度升级带来的边际效用是很低的，但现在因为CPU服务器对memory的需求增大，以及端侧AI对DDR速度的要求也增大，比如苹果为了跑本地大模型，LPDDR速度越来越快 速度升级的边际效用高了不少，所以DDR6和LPDDR6的速度迭代需求比以前提升了太大了，这在图里也可以看到，LPDDR6/DDR6的迭代时间缩短了，而且速度斜率，重新开始抬头 以前新一代DDR/LPDDR技术出来，大家的反应都很冷淡，等降价了才会用 而现在LPDDR6出来，各家恨不得都在抢着能尽量早上就尽量早，因为速度的提升带来的performance提升是触手可及的 ------ 另外，DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快，导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的转换比极低，HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit，HBM4 是4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长，是被这个 HBM bit tax直接吃掉的 所以DRAM bit volume虽然未来每年能增长24%左右（14%来自wafer增长，9%来自每个wafer的DRAM密度增长），但算上HBM bit tax之后，传统的、非 HBM 的 commodity DDR，每年的 bit growth 大概只有 20%（约 10% 的 wafer 增长 × 约 9% 的 node density 提升） —--------------------- 中国长鑫扩产的影响有多大？如果不讲武德拼命扩产，会不会把这个市场重新带入周期泥潭？ 长鑫这几年的扩产速度还是很快的，2025年还是每个月20万晶圆，2026年北京晶圆厂及新增生产线的贡献就能到32~35万。 正在建设中的上海工厂一期和二期，一期预计到2027年每月新增10万片晶圆产能，二期预计到2028年每月新增10万片晶圆产能，也就是说，2027年每个月42万晶圆，2028年能到每个月50万晶圆。 但需要注意的是，长鑫的dram bit 密度大概只有御三家的一半左右，所以长鑫的每个月50万晶圆wafer能产出的dram bit volume只有其他家的一半，这里计算wafer per month的时候，就按等效一半来算 把这个折扣打上之后，长鑫对整个DRAM行业的冲击还是小了很多，从2025年年底到2028年年底，长鑫对DRAM bit产能CAGR的影响大概只有1.5%，全行业的DRAM产能CAGR大概从12.7%升到14.2% DRAM月产能(kwspm) 2025E → 2028E CAGR Samsung 685K → 920K 10.3% SK Hynix 519K → 725K 11.8% Micron 340K → 560K 18.1% 非中国其他 150K → 218K 13.3% 中国(密度折半) 117K → 274K 32.8% ————————————————— 含中国总计 1811K → 2697K 14.2% 无中国总计 1694K → 2423K 12.7% 就算是长鑫未来还能保持增产速度，2030年对全行业等效产能每年DRAM bit volume增产CAGR的影响，大概也不到3%，从20% CAGR变成23% CAGR，仅此而已 另外，长鑫被光刻机所限制，而DDR6 需要更高速率（14400 MT/s 起步）和更高密度,御三家做 DDR6 大概率会用 1c 或更先进节点（~12nm 以下），已经全面用 EUV。长鑫可能会在DDR6上速率受限，密度也只有一半。 —---------------- 即便是成长性周期，为什么DRAM的这轮超级周期会持续很长时间，起码五年看不到头？ 第一个原因是，刚才谈到的CPU服务器需求端的巨量增长带来的结构性DRAM需求指数增长，这里结合DRAM供给端的bit volume CAGR大概稳定20%增长，就可以很清晰的看到，DRAM未来几年的缺口为什么越来越大： 非HBM的传统DRAM供给端大概是每年增长20%，而需求端，按2026年60B CPU TAM，每个CPU消耗DRAM平均8GB/core，每个core $30~35来算，需求是16EB 2030年按400B CPU TAM，每个CPU消耗DRAM平均16GB/core，每个core $80来算(CPU涨价超过一倍)，需求是80EB，这部分DRAM的增长CAGR大概是50%，远远超过目前的估算 不同于HBM是直接和token throughput挂钩，从而和GPU赚钱效率直接挂钩，DRAM不够对于agent flow的影响主要是速度，比如说，8GB/core和16GB/core比起来，部分workload速度可能降低30%，部分低价值task实在要等等也能忍，结构性指数增长的动机很强，但需求不如GPU那么刚性 Semianalysis说今年的DRAM缺口式个位数百分数，明年是超过10%。从agent CPU数量激增导致的DRAM结构性来看，这个缺口每年都会继续加大，在2030年之前看不到降低的可能 —---- 另外一个DRAM能延续强势很久的逻辑是，因为DRAM涨价之后，被涨价消灭的那部分需求，不是真的消失了，只是延迟了，需求蓄水池太多了。 所谓蓄水池，是指那些"内存一旦降价就会立刻被释放出来的潜在需求"。它们的存在，意味着即便供给阶段性跟上了，价格也很难崩，因为总有新的需求从蓄水池里涌出来接盘： 内存换算力/速度是一个蓄水池： 有大量本来需要靠额外内存来优化速度和算力的需求，在内存太贵时被压着，一旦内存降价就会被释放出来。 比如 Nvidia的CPX prefill 加速，本来的设计初衷是用额外的低成本GDDR7，来做一个专门的prefill加速器，结果LPDDR/GDDR都太贵了，比涨价前的HBM还贵，这个方案的ROI就不划算了，但等到普通内存降价，这样类似CPX的优化方案就还会回来 低价值task是一个蓄水池：内存涨价导致token价格居高不下时，高价值的 task 被优先保留，低价值的 task 被延后；内存一降价，这些被延迟的需求就回来了。 端侧 AI 是一个蓄水池：AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧AI满血版需要从8GB升级到12GB内存 常规消费电子、Agent PC、低端手机，因为内存涨价而减少的需求，全都是蓄水池。 这么多蓄水池叠在一起，构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长，后劲会比市场想象的要强。 —----- 还有一个DRAM价格很难大幅下降的原因在于，HBM和DRAM产能可以互相转换，所以整个DRAM complex是一起re-rate的 在上行期DRAM的利润率远超HBM，HBM的涨价幅度甚至变成了由DRAM去推动。今年新签约的HBM4的价格，就是当期DRAM的价格 x 4，也就是正常堆叠倍数对应HBM4的价格 一旦DRAM降价毛利下滑，因为HBM的长约透明性，利润率都是有保障的，HBM就会间接抽走更多的DRAM产能，HBM的降价也会让GPU厂商更有动力尽可能的升级HBM size，这样也间接保障了DRAM的价格地板 DRAM的结构性指数增长的需求有了，density scaling放缓扩产难度在增加，厂商扩产计划都很谨慎，长鑫这几年带来的影响也是有限的，再加上需求的蓄水池非常庞大，这四个原因导致了，在可预见的至少五年甚至更长时间内，DRAM是很难进入周期低谷的。 —-------------- NAND SSD有希望摆脱传统周期性吗？ NAND 的结构性增长动力没有 DDR 那么强，今年的缺货主要原因是几个主要玩家的生产纪律保持的很好，并没有大规模扩产，每年的产能增加主要来源于技术改进：NAND堆叠层数的增加 第一个结构性增长来自AI，主要来自 KV cache 的 offloading，把HBM溢出的warm/cold KV cache 卸载到 NAND SSD上。 但神奇的事情是，这个kv cache offloading的增长甚至还没有大规模发生，SSD就已经缺的比DRAM还严重了，涨价也比DRAM要更多。等到明年Rubin CMX放量，加上KV cache offloading大规模应用，SSD的缺货也会因为这个结构性增长而增长 第二个，另一个去年年度总结里说到的未来可期的AI视频带来的结构性增量，今年已经有出圈的态势了 Seedance体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段，需求被算力压着没完全释放。但等到缺卡阶段过去，AI 视频对NAND存储的结构性需求增长，会持续相当长的一段时间。 第三个结构性增长也同样来自于agent flow带来的Sandbox使用量的指数级增长，Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，同样会带来大量的SSD的浪费（需求） 第四个也许在2030年之后发挥作用的结构性增长，来自于HBF路线需要用到SSD，在不少投行分析中被寄予厚望，但这个技术路线还有些遥远，主要角色定位只能作为存放大模型的weights，写一次权重然后做只读，而且必须要和GPU/HBM封装在一起（48TBps/96TBps），否则靠PCIE7/8速度太慢完全无法用，只能说未来可期，下一篇AI半导体终局推演2026(III)会有更详细的分析 总之，NAND SSD的结构性增长没有HBM那么强，但是胜在便宜，价格到2027年也只有$0.8/GB，是同期DRAM的四十分之一，所以也算是多级缓存里的万金油属性，结构性增长来源太广泛了 也就是说，不存在DRAM/HBM单独涨价繁荣，而SSD不涨价的情况，因为如果这样的情况发生，那么大家就会想办法用SSD去承载DRAM/HBM的部分功能，用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事，而是同一 AI memory hierarchy 在不同温度层的结构性增长 结构性指数增长的需求有了，NAND SSD摆脱周期了吗？ 那么就要看NAND SSD厂家的生产纪律了，唯一可能不遵守生产纪律的，只有长存。毕竟这是一个囚徒困境，一旦有一家不讲武德拼命扩产，整个NAND产业要扩产的难度比DRAM简单的多。 但最起码的，这一轮NAND同样是超级周期，几个结构性指数增长带来的需求，下行期推迟到2030年问题不大

太夸张了，小某书和海鲜市场很快就会有人开始卖这个了。 再过半年，传统调研公司得倒一半，一份他们报价5-15万的消费者洞察报告，现在一个人用 AI，30分钟就能出 一个能让你月入过万的信息差生意：现在用 Atypica @atypica_AI 已经可以实现30分钟出一份专业级的消费者洞察报告了 大厂做调研一般都会找第三方调研公司 你知道传统调研公司做这事收多少钱？？？ 深度访谈：单次3000-10000元（含受访者礼金、访谈员、报告） 焦点小组：单场15000-40000元（8个人坐一起聊2小时） 一个完整的消费者洞察项目：5万-25万 大型定制化调研：25万-100万+ 周期：最快3-4周，通常1-2个月 这还只是国内价格，找海外调研公司直接翻3倍 一个定制化的定性调研项目，海外报价 $25,000-$65,000，周期6-8周，其中30-40%的费用是 overhead——说实话，这不是在帮你做洞察，是在养他们的团队 现在这个活，竟然一个人就能干了！！ Atypica 做的事很直接： 用 AI 先澄清需求 & 生成研究计划，模拟真实消费者，自动做深度访谈，30分钟出洞察报告 绝对不是那种 AI 瞎编的问卷结果 是基于100w+真实用户数据构建的 AI Persona（官方数据），每个 Persona 都有完整的性格特征、认知偏差、决策框架 你输入一个研究问题，它自动： 自动做需求澄清&研究规划→ 生成目标人群的 AI Persona → 对这些 Persona 做深度访谈 → 分析行为模式和情绪触发点 → 输出结构化洞察报告 整个过程30分钟以内 85%的行为模拟准确度，根据官方数据，已经有品牌拿 Atypica 的结果和他们花了几十万做的传统调研做对比，结论高度吻合 我试了一个场景： 假设我在做一个 AI 写作助手，想了解海外内容创作者的需求和付费意愿 丢进去一个问题，接下来它干了几件事让我有点震： 1）先去 Persona 库搜索匹配的目标用户，发现覆盖不够，主动补充构建了新 Persona——营销文案工作者、自由撰稿人、YouTube 创作者，最终组了5个不同画像 和调研公司“招募受访者”一个逻辑，只是从两周变成了两分钟 2）访谈前先联网做了竞品调研——Jasper、 的定价和用户评价全搜好了，带着信息去追问 不是“你喜欢什么”，而是“你用 Jasper 觉得哪里不够好” 3）两轮访谈交叉验证，最后出了一份可执行报告：功能优先级（KANO 模型）、定价策略、MVP 规划、市场进入路径 不是废话总结，是能直接拿去写 PRD 的东西 这种报告找咨询公司做，10万起步，周期一个月 我花了30分钟这意味着什么？ 轻松月入过万的几个变现场景： 1。帮新消费品牌做上市前用户测试，一份报告收费3000-8000元 你的成本是30分钟时间，传统调研公司同样的活收5-15万 2。帮跨境电商做海外市场消费者画像 品牌出海最头疼的就是不懂海外消费者 一份目标市场的消费者决策分析，收费5000-15000元 以前这活只有本地调研公司能接，帮创业者做产品方向验证 “你这个 idea 到底有没有人买单” 模拟50个目标用户做深度访谈，30分钟出结论 收费2000-5000元，比他们花三个月憋 MVP 便宜一百倍 3。帮 MCN/自媒体做内容方向验证 “这个选题我的目标受众到底吃不吃” 模拟目标粉丝画像做反馈测试 收费1000-3000元 4。再不济你去某鱼卖新兴行业报告都没问题，一份49.9，只要内容过硬，大把的人来买 以前这些活，是4A 公司和专业调研机构的饭碗，现在一个人+Atypica 就能干 成本几乎为0，利润全是你的 有个数据很有意思： 海外已经有 AI 调研平台公开了成本对比—— 200次 AI 访谈，成本$4,000，产出15个可追溯的洞察，单个洞察成本$267 20次传统人工访谈，成本$30,000，产出8个洞察，单个洞察成本$3,750 AI 调研的单位洞察成本是传统的1/14 这个效率差，就是你的利润空间 信息差的窗口期，通常只有3-6个月 现在知道这个工具的人还不多，等到烂大街的时候，价格就卷下来了 先上车的人，吃肉 链接：