与「都内最大級」相关的搜索结果

接触发卡产品也快两年时间了，从最开始啥都不懂到后面慢慢爬坑摸索，分享一些感受： 整个链路基本上就是Fintech公司——发卡行/Processor——卡组。各个地区的发卡行能拿到的条款是不一样的，最夯的是美国本土/波多黎各的卡bin。 比如市面上目前最顶级的美国实体卡，返现能到2%左右，但还要扣除包括小额单笔交易费/3ds认证费等杂七杂八的费用，最后能拿到1.5%就不错了，而这个钱还需要和发卡行分润，所以最终能在1%-1.2%的范围是理想的，但现实情况可能是1%以下。 如果是其他地区的发卡行，返现肯定会低很多，不过不同的能力不一样，比如有的fx会便宜。也有一些虚拟卡的bin，能做到比2%更高的返点，但通常对于消费商家的类目有要求，比如只能广告投放啥的。 FX市面上基准现在是1%-2%，这个很正常，往往不是Fintech产品多收，而是发卡行的价格就这样。极个别能做到1%以内的，但返点上肯定就会低。 那么市面上为啥还有这么多高cashback的呢？一句话就是，平台在烧钱补贴。目前世界范围内最大的几家Fintech发卡产品，cashback基本就是1%-1.5%，所以超出这个范围就意味着是不盈利/烧钱的。 对于消费者来说当然是好事，尤其U卡赛道已经从原本加收1%到现在倒贴1.5% cashback，最好的建议就是使劲嫖，算下来真的比平常用银行/电子钱包支付还要划算，当然这中间有拿代币补贴的，有设置各种鸡贼条件的，自己甄别就好。目前还没听说过太多跑路的，但通常条件给的好的也都是比较不错的团队和大公司。如果返现给的高的离谱，可能就仔细思考下了，毕竟商业模式和成本分析就是以上这样。 对于创业者来说该如何选择呢？ 1.如果不是主营业务，不一定需要花时间找底层发卡行，一个是合规成本很高（虽然发卡合作不强制要支付牌照，但还是会要求非常完善的合规&反洗钱Policy，一个完整团队的人力成本至少一年得二十万美金起），然后发卡行收取的固定费用和每个月最低费用通常也都在上万美金级别。 2.按照我上面说的range对比一下，如果你的渠道比这个条件差，那你肯定没找到最好的。当然，不意味着你一定要花大量时间去换渠道，因为稳定和适配是最重要的。 3.不要一味烧钱，最终拿cashback换来的客户未必是忠诚的，留存也不会太好。核心应该是提供其他产品功能和真的能帮到用户的附加价值。

李少民：為什麼紐約市搞社會主義，經濟仍然不會崩潰？ 最近，紐約民主社會主義陣營聲勢大振。紐約市長佐赫蘭．馬姆達尼（Zohran Mamdani）提出凍結租金、擴大政府補貼、免費公車、提高富人稅負等一系列激進政策，而支持這些理念的左派人士也在紐約市議會選舉中取得優勢。他們所主張的政策，再次引發美國社會對國家未來發展方向的激烈辯論。 自從佐赫蘭·曼達尼今年贏得紐約市長選舉以來，批評者就不斷預言災難即將降臨。租金凍結、免費公共服務、擴大補貼、對非法移民更優厚的福利、對富人加重稅負……熟悉的結論隨即出現：社會主義在所有曾經嘗試過的地方都已失敗，紐約市注定走向經濟崩潰。 我认为這個預測不可能成真——不是因為社會主義突然變得有效，而是社會主義的批評者往往忽略了一個關鍵差異：實行社會主義的地方究竟是封閉的，還是開放的。 在封閉的社會主義經濟裡，必須自己創造全部財富，同時進行再分配。歷史一再證明，這種故事通常如何收場。蘇聯在中央計畫下最終停滯不前，1970與1980年代成長率大幅下滑，總要素生產率停滯甚至倒退，產出對資本的比率因效率低下而急劇惡化。毛澤東時代的中國在開放前經歷多次經濟災難。東歐各國則在低效國營企業與長期短缺的重壓下崩潰。更近期的委內瑞拉也走上同樣道路：國內生產毛額從2013年到2020年代初，縮減約75%至80%——這是現代史上最大規模的和平時期經濟收縮之一。 原因其實很簡單。當政府把報酬與生產力逐漸脫鉤，人們創新、投資、生產的動機就會減弱。生產下滑、再分配卻持續擴大，經濟餅就會越來越小。最後，已經沒有足夠財富可以再分配。在封閉經濟中，社會主義最終會把自己賴以維生的資源耗盡。 紐約市的情況則完全不同。它不是獨立國家，而是嵌入紐約州、美國以及全球經濟的一座城市。 它享有聯邦政府支出、州政府支持，以及全球最大規模的國際競爭企業集群之一。紐約都會區的GDP約達2兆美元，約佔美國經濟總量的9%，其中金融與保險業貢獻數千億美元（有分析指出，金融業約佔該市經濟的24%）。 華爾街的收入並非只來自紐約市民。全球金融機構、跨國企業、大型律師事務所、顧問公司、媒體集團與觀光業，都把來自全美乃至全世界的財富帶進這座城市。換句話說，紐約市的再分配政策，不只靠本地居民，更靠遠超出其邊界的財富來源支撐。 這一點從根本上改變了局面。 如果曼達尼推行其政策，部分富裕居民幾乎肯定會搬走，部分企業可能外移，投資活動也可能趨緩。這些反應與數十年來的研究結果一致：稅負、管制與價格管制確實會影響經濟行為。高盛曾估計，2018年至2023年間，紐約市年收入超過1000萬美元的家庭中，有整整10%已在其他地方設立居住地。紐約州在全美申報超過100萬美元所得的納稅人比例，也從2010年的12.7%降至2022年的8.7%，意味著可觀的稅收損失。然而，資本外流並不必然導致立即崩潰。紐約市更可能出現的是緩慢的經濟活力流失，卻仍能維持財務運作，因為外部資源持續注入。因為更廣大的美國經濟仍在創造可課稅財富，國使得市政府則以更多再分配來给紐約输血。当然，纽约市政服務越来越差，更多的無家可歸者繼續依賴日益昂貴的政府補貼，中產階級納稅人則可能被夾在稅負上升與公共服務品質下降之間，投資者可能悄悄將資金轉移他處。但這一切都不回把纽约變成像蘇聯那樣戲劇性地崩潰。 它更像另一種現象：寄生在健康宿主身上的寄生蟲。寄生蟲不需要自己生產食物，只要宿主保持生產力就能存活。同樣地，一個嵌入大型資本主義經濟體系中的再分配型行政區，可以比試圖把全國經濟完全納入社會主義原則的國家，存活得更久。 這種寄生在美國不止於紐約。 加州長期以來也同時推行大規模再分配政策，並擁有全球具競爭力的產業，創造巨額財富——然而它卻面臨全美最高的貧窮率（近期數據約17.7%），以及美國最大的無家可歸人口（約18.7萬至20萬人，約佔全國總數的24%）。在這些案例中，再分配之所以能夠持續，正是因為財富創造發生在更廣泛的資本主義系統之內或之外。 因此，真正的教訓並非社會主義突然變得經濟可行，而是社會主義往往靠著從較大的資本主義系統汲取資源而得以存續。 美國人真正應該思考的問題，不是紐約市是否會變成另一個蘇聯——它肯定不會。 更重要的問題是：紐約市搞社會主義最終由誰來買單？ 只要生產力強的美國人、具全球競爭力的企業以及世界資本市場持續創造財富，紐約市就能繼續進行再分配。該市的經濟扭曲会日益嚴重，但不会崩潰。然而，這種韌性不應被誤解為成功。它只反映出紐約市並非自給自足的經濟體，而美國與紐約州某種程度上縱容了它的寄生行為。 社會主義在蘇聯失敗，是因為它無處可求助。但在龐大的資本主義經濟體系內的社會主義飛地，卻可能持續數十年之久。 所以，美國選民必須明白，一個以自由市場、私有財產與法治為基礎建立的國家，不應該容許其城市或州採行越來越社會主義的政策、讓全國其他地區承擔大部分經濟代價。@baodiantimes

自救与保卫流动性，切断了市场对 MSTR走向“死亡螺旋”的预期。前天Strategy推出了一个“数字信贷资本框架”，个人角度这个框架最大的意义在于把市场之前一直吵的“死亡螺旋”预期直接打断了。框架核心就五条： 1）董事会批准的美元储备政策，最低要覆盖12个月的优先股股息和利息支出。目前他们手里有25.5亿储备，加上授权的BTC变现额度，总覆盖能到25.9个月。 2）STRC 股息政策调整，直接把年化提到12%（7月1号起生效），同时把股息调整机制收紧了，不再是单纯因为价格低就一直加。 3）10亿美金数字信用证券回购计划（STRC 在内）。 4）10亿美金普通股回购计划。 5）BTC 变现程序：允许选择性卖一部分比特币来补充储备、付股息、还债、回购，但不会动核心长期持仓。 之前市场最Fud的就是Mstr不停发优先股圈钱买BTC，股息负担越滚越大，遇到熊市就得被迫卖币，形成死亡螺旋。现在这个框架把储备、回购、变现都做了明确规则和优先级，相当于给整个资本结构上了个“纪律约束”。它既保护了优先股持有人的利益，也明确了不会轻易动长期BTC仓位。死亡螺旋的叙事空间被大幅压缩了。 深入去想，Mstr的底层资产的安全边际，其实还是比较深厚的：持有84.7万多枚BTC，现金储备充足，短期内没有大额债务到期压力。 最关键的是，他们这些优先股（包括STRC）本质上是股权工具，不是刚性债务（没有兜底的义务），股息可以调整，极端情况下还有回购和有限变现来托底。 所以就是开头聊到的新的框架核心是自救与保卫流动性，切断市场对于Mstr会陷入“死亡螺旋”的预期。 这两天看起来起到了一定的效果。

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

一次满分100市场预期能120实际考了150分的真正炸裂财报，按照前瞻的框架拆解下美光的财报：1、本季营收415亿美金，远超市场预期的380亿美金的上限，毛利率84.9。数据中心、云存储、移动客户端、汽车嵌入式四大业务板块都是全面超预期，意味着 1）当前存储周期的主线当然是AI，但如果只有AI业务强、传统终端疲弱，市场仍会担心增长过于集中、价格上涨难以扩散。而移动与客户业务超预期，说明存储供需紧张正在向更多下游领域传导。 2）同时产品组合正在继续向高价值方向倾斜。AI基础设施需要更高容量、更高带宽、更低功耗的存储解决方案，这类产品通常具备更高ASP和更强议价能力。 简单说美光这份财报传递出的并不是“只有AI强”，而是“AI带动存储全行业供需结构改善”。 2、美光预计下一季调整后营收为490亿至510亿美元，中值约500亿美元，明显高于分析师预期的432.4亿美元。按中值计算，指引较市场预期高出约15.6%。之前财报前瞻里聊到对下一季最激进的预测是高盛的488亿。相当于美光自己给出的指引下限都要比最乐观的预期还要高。 公司预计第四财季调整后EPS为30至32美元，中值31美元，高于市场预期25.31美元，超预期约22.5%。 这组指引的重要性在于，它打破了市场对“当前盈利可能已接近峰值”的担忧。 在美光股价年内已大幅上涨、市场门槛极高的背景下，仅仅“符合预期”并不足以推动股价继续上行。真正推动盘后股价涨超10%的，是公司给出了足够强的下一季度盈利再加速信号 3、SCA/LTA长协机制” 美光已经与数据中心、消费端和汽车市场的客户签订了16份战略客户协议（SCA），其中包含4个超大型客户和3个中型客户，关键是SCA的条款。 这些长单绝非简单的意向协议，而是具备强约束力的“包销（Take-or-pay）”合同。协议通常为期五年（2026年至2030年底），约定了具体采购量并设定了价格底线和上限。 这16份长单为市场带来了极具冲击力的财务护城河数据： 1）千亿保底收入： 按照合同中约定的最低价格和最低出货量计算，未来履约义务（RPO）对应的保底收入已达1000亿美元。 2）巨额现金流前置： 客户为获得稳定的产能供应，拿出了真金白银。CFO Mark Murphy透露：“在迄今签署的SCA下，我们预计将收到220亿美元的现金存款和相关财务承诺。其中绝大多数（约180亿美元）将以现金押金的形式出现。” 3）彻底熨平周期波动： 目前这些长单锁定了美光这期间约20%的DRAM产能和33%的NAND产能。美光董事长Mehrotra强调：“对于包含价格区间的SCA，即使在底价水平上，美光的毛利率也将非常丰厚，远超以往任何周期的峰值季度利润率。” 4、“HBM4/HBM4E路线图”和NAND/eSSD数据中心业务” 1）HBM4 12hi的高强度量产速度是HBM3E 12hi的两倍，美光已经实现了超过10亿美元的HBM4收入。美光管理层预计HBM4 12层达到成熟良率的速度将显著快于HBM3E 12层。 2）预计未来的内存需求将继续向更高性能、更高价值的产品倾斜，这些产品的复杂性带来了更高的每颗晶粒成本。从LP5到LP6、DDR5到DDR6以及更新一代HBM的过渡，都伴随着晶粒成本的上升。这一趋势，加上未来几年大规模新建产能的投产，预计将导致DRAM混合晶粒成本从当前水平上升 预计2026日历年行业数据中心DRAM和NAND位元出货量将比两年前增长超过一倍。 出货量增长预期的提升是由服务器平均DRAM内容增长的适度降低所促成的，因为客户在内存分配极其紧张的情况下，专注于最大化单位出货量。在NAND领域，AI上下文内存存储和HDD（机械硬盘）替代机会正在扩大SSD（固态硬盘）的可寻址市场。 5、未来的机会点和需求空间 1）市场高度关注这轮存储爆发的持续性。美光给了明确的判断：紧缺不仅是当下的状态，更是未来两三年的常态。 董事长Mehrotra表示，这种依赖性使得内存角色发生了质变： “AI系统的性能在架构上依赖于内存子系统的性能和容量。它提升了内存在AI世界中的地位，使其成为一项战略资产。” 2）供应为何难以跟上？美光指出了四大结构性痛点： 一是新建晶圆厂项目庞大、耗时且受制于劳动力和能源基础设施短缺； 二是随着节点升级（如One Gamma和G9节点），工艺复杂性加剧导致位元增长放缓； 三是HBM极度消耗晶圆产能，严重挤压了非HBM产品的供应； 四是有限的无尘室空间限制了产能扩张 3）除了数据中心，边缘AI和终端设备的想象空间正在被打开。 在汽车领域，L2+及以上级别自动驾驶车辆的内存和存储容量是普通汽车的5倍以上，而这类汽车的渗透率正急速飙升。 更具长远冲击力的是机器人赛道。 董事长Mehrotra为市场描绘了一个巨大的增量蓝图： “人形机器人所携带的内存是普通L2+级汽车的10倍。在这个十年的后半期，将开启一个持续的、实质性的、长达数十年的内存需求周期。” 即使在2028年，当供应开始逐步改善时，预计需求也将继续保持强劲轨迹，整个token经济学（指AI模型处理成本）需要更多的内存。AI系统性能实际上受到内存容量、内存性能和内存带宽的限制 此内容由@BITstocks_CN 赞助，买美股上BIT—16000+ 只美股与 ETF，真实持仓，享股息分红。

每天复习一下头一天的宏观大事吧。 昨儿一天算得上大事的其实有好几件，比如： 1、老大在德州考察，提了农业现代化，这是老大最关注的点，而且农业农村部会有n多政策跟上。为啥不去潍坊这种农业大市？不不不，潍坊是蔬菜生产和流通强，德州才是粮食产量强，去德州合适。 2、国务院关于建设全国统一大市场工作情况的报告。 这条重要在于统一大市场这件事从全民模糊开始往越来越清晰去了。而且它是指向中国经济内部的核心问题的：地方保护、市场分割、重复建设、招商内卷、行政执法乱象等等。 3、总理出席达沃斯等等。 4、不过我个人觉得最重要的肯定还是国家审计署发的两个文件： 《中央部门单位2025年度预算执行等情况审计结果》 《国务院关于2025年度中央预算执行和其他财政收支的审计工作报告》 是不是名字太长了？这么理解，一个是审国家各部委部门的。一个是总报告。 我昨儿看到好多人说银行了，我的建议是：尽量通读这两篇报告。 为什么呢？因为可以祛魅。 真的，这是最大的用处。 这其实是拉平咱们对国家部委了解最快的方式，看完你就会了解到其实他们也是普通人。 1）原来中国银行的下属机构竟然都会“凑人头”包装公募基金，逃税23.67亿元。 2）原来地方融资平台竟然都会虚假退出，地方债务直接在系统里“一删了之”。 3）原来连“两重”“两新”这种国家级资金都会被套取、挤占和挪用。而且挪用的方式荒诞的让人哭笑不得。 4）原来连海关，海关啊，都会多征、提前征税404.27亿元，21省市虚增财政收入596.51亿元…财政收入…啊… 5）太多太多太多了… ——— 而且，我看到很多人昨天盯着中国银行逃税23亿发了，讲真的，你们就通读两篇报道、你们能拎出来100条推特可以发，不夸张。 每次看完这种报告心情都会很不好，也不知道为啥… 通读哈，通读！

SpaceX 之后，马斯克最 FOMO 的公司不是 Tesla，而是 Neuralink SpaceX 上市之后，市场最该重新看的，是马斯克 @elonmusk 帝国里，下一张还没被公开市场充分定价的牌。 这张牌叫 Neuralink。 如果说 Tesla 是把汽车变成移动机器人，SpaceX 是把人类文明推向太空，那么 Neuralink 做的事情更夸张。 它想把人脑，接进机器 Neuralink 是马斯克旗下的脑机接口公司，核心产品是一套植入式脑机接口系统。 简单理解一下，就是把一枚芯片植入大脑，通过极细的电极读取神经信号，再把这些信号翻译成电脑、手机、机械臂可以理解的指令。 所以它现在最现实的落点，不是什么“人类永生”“意识上传”。 而是先让严重瘫痪、脊髓损伤、ALS 等患者，重新获得一部分控制世界的能力。 比如不用手，只靠大脑信号移动鼠标。 比如用意念浏览网页、打字、玩游戏。 比如未来控制机械臂、恢复交流、甚至尝试视觉修复。 很多人以为 Neuralink 还停留在 PPT 阶段。 其实已经进入人体临床阶段。 这家公司最关键的产品叫 N1 Implant，植入脑部后，通过多条比头发丝还细的电极线采集神经信号。手术不是医生拿镊子一点点塞进去，而是配套 R1 机器人完成高精度植入。 这就是 Neuralink 和普通医疗器械公司不一样的地方。 它不是只做一个芯片。 它同时在做芯片、机器人、神经信号解码、AI 算法、医疗临床、未来人机交互入口。 这也是为什么我觉得它不能只按“医疗器械公司”去看。 Neuralink 更像是一个站在神经科学、机器人、AI、半导体、医疗监管交叉点上的公司。 这类公司，一旦成功，天花板会非常可怕。 因为它解决的不是一个普通消费需求。 它解决的是人类和机器之间最底层的接口问题。 过去几十年，人和机器交互的方式一直在变。 键盘鼠标是一代 触屏是一代 语音交互是一代 AI Agent 可能是一代 但它们本质上都隔着一层外部媒介。 想让机器做什么，必须先把想法变成语言、文字、手势、点击。 而 Neuralink 想跳过这一步。 它直接读大脑信号。 如果这个方向真的跑通，人机交互的终局可能就不再是“我打开电脑”，而是“我想到，机器就执行”。 这就是它最 FOMO 的地方。 SpaceX 让市场重新相信一件事：马斯克的公司，不能只用当下财务报表去看。 因为他的公司往往一开始看起来一个比一个离谱。 Tesla 早期被认为只是造车。 后来变成电动车、能源、自动驾驶、机器人平台。 SpaceX 早期被认为只是发火箭。 后来变成可回收火箭、Starlink、卫星互联网、太空基础设施。 那 Neuralink 呢？ 现在看，是医疗康复。 但如果长期看，它可能是人类进入 AI 时代之后，最重要的输入输出接口。 AI 越强，人类越会遇到一个问题：机器的理解速度越来越快，但人的输出速度太慢。 打字再快，也跟不上思维。 说话再快，也跟不上模型处理信息的速度。 未来 AI 真正进入个人助手、生产力系统、机器人控制、虚拟世界、医疗康复之后，人和 AI 之间最大的瓶颈，可能不是算力。 而是接口。 也就是：人类怎么把自己的意图，低延迟、高带宽、低误差地传给机器。 Neuralink 押的正是这个点。 这也是为什么它和 SpaceX 的热点可以放在一起看。 SpaceX 讲的是人类文明的外延扩张 从地球，到低轨，到月球，到火星 Neuralink 讲的是人类能力的内向扩张 从身体，到神经，到意识，到智能增强 一个往外走 一个往内走 这两个方向，合在一起，才是马斯克真正恐怖的叙事。 不是在做单一公司，他是在做一套文明级拼图。 Tesla 解决现实世界的移动和机器人 SpaceX 解决太空运输和卫星网络 xAI 解决人工智能 Neuralink 解决人脑和机器的连接 如果未来这些东西真的形成闭环，那市场现在对 Neuralink 的理解，大概率还是太浅了。 当然，风险也非常大。 Neuralink 不是 SpaceX。 SpaceX 已经有商业发射、Starlink 现金流、国防和通信需求。 Neuralink 仍然是强监管、强临床、强伦理争议的公司。 它面对的是 FDA、手术安全、长期植入稳定性、脑部数据隐私、医疗保险支付、医生体系接受度，还有公众对“脑内芯片”的天然恐惧。 而且第一批人体植入也出现过电极线回缩的问题。 所以这家公司不是没有风险。 恰恰相反，它风险极高。 但资本市场最喜欢的，往往就是这种东西。 风险巨大。 想象力更巨大。 一旦某个节点被验证，估值会突然跳跃。 比如更多患者稳定使用 比如语音恢复试验出现突破 比如视觉修复项目进入人体阶段 比如自动化植入手术跑通 比如监管路径变得清晰 比如 Neuralink 开始释放 IPO 信号 这些都可能成为未来的催化剂。 现在的问题是，普通人还买不到 Neuralink。 它还没上市，没有股票代码，也不是买 TSLA 就等于买了 Neuralink。 一级市场份额普通人基本碰不到，就算通过 Pre-IPO 平台或 SPV 接触，也要面对高门槛、低流动性、高费用和真实性问题。 所以对大多数散户来说，Neuralink 现在不是一个“马上怎么买”的问题。 而是一个“提前理解下一轮马斯克叙事”的问题。 SpaceX 上市之后，市场会自然开始问：马斯克体系里，还有哪家公司没被公开市场定价？ 答案很明显。 Neuralink 一定会被反复拿出来讨论。 因为它足够科幻 足够争议 足够难 也足够性感 太空已经上桌了 AI 已经上桌了 机器人正在上桌 那下一个最容易被 FOMO 情绪点燃的方向，很可能就是脑机接口。 而 Neuralink，就是这个方向里最会制造叙事、最会吸引资本、也最有大众心智的名字。 这家公司现在还不是一个成熟投资标的。 但它已经是一个必须关注的超级变量。 因为未来几年，市场可能会越来越清楚一件事： 马斯克真正想做的，不是车，不是火箭，也不是社交平台，他想做的是人类下一代基础设施。 一端连接太空，一端连接大脑 SpaceX 负责把人类送向外部宇宙，Neuralink 负责打开人类自己的内部宇宙

在日本做了几年独立 AI 工程师,聊几个只有真正在这里干过才知道的事。不是签证、收入、市场分析那些,是日常工作里那些不会出现在任何攻略帖里的细节。 第一个没人告诉你的事:在日本,中国人做 AI 有一个非常奇怪的信用加成。 日本企业对"AI"这件事的认知来源主要是两个:美国和中国。美国代表前沿(OpenAI、Anthropic、Google),中国代表速度(DeepSeek、千问、字节)。你是中国人,天然被归到"速度快、实战经验丰富、见过大场面"这个认知框里。 日本本土的 AI 工程师大多数是从学术界转过来的,理论功底扎实,但生产部署经验偏弱。你跟日本客户说"我在中国的互联网公司做过日均千万级 DAU 的数据系统",他们的反应不是"哦",是"えー、すごいですね(哇好厉害)"。因为日本本土很少有这种体量的实战场景。 这个加成不是永久的,干砸一个项目就没了。但它给了你一个很好的开局:第一次见面时,客户对你的预期天然比对一个日本本地工程师高半格。 第二个没人告诉你的事:日本客户最怕的不是你技术不行,是你"突然消失"。 在日本商业文化里,"飞ぶ"(消失/跑路)是对合作关系最大的恐惧。他们之前遇到过的外国 freelancer 里,有人项目做到一半签证到期走了,有人拿了预付款之后联系不上了,有人说好的交付日期突然说"还需要两周"然后反复延期。 所以日本客户考察你的第一优先级不是"你有多强",是"你靠不靠谱"。靠谱的定义极其具体:说好周五交就周五交,邮件当天回,电话接得到,出了问题第一时间主动说而不是藏着。 我刚来日本的时候不理解这一点,觉得"技术好就够了"。后来才明白,在日本,你交付质量 90 分但每次都准时,比你交付质量 98 分但偶尔迟到一次,在客户心里的评价要高得多。信赖感(信頼感)是日本商业关系的地基,地基不稳什么都白搭。 第三个没人告诉你的事:在日本做 AI 落地,最有效的销售话术不是"AI 能帮你省多少钱",是"不用 AI 你会被同行甩开多远"。 日本企业的决策动机跟中国企业不一样。中国企业决策靠 ROI:"花这些钱能赚回来多少?"算得过来就干。日本企业决策靠"危機感":"不做这件事会不会落后于同行?"同行都在做,我不做,不行。同行都没做,我为什么要第一个冒险? 所以你跟日本客户谈 AI,最有效的切入方式不是给他算 ROI,是告诉他:"你的竞争对手 XX 已经在用 AI 做这件事了。"这句话在日本商业文化里的杀伤力,比任何 ROI 计算表都大。 当然,前提是你说的是真的。日本圈子小,胡说被抓到一次,你在整个行业就废了。 第四个没人告诉你的事:中日英三语是一个被严重低估的壁垒。 表面上看,语言只是沟通工具。实际上,三语能力让我能做到一件几乎没有竞争者能做的事:用英文读 Anthropic 的 system card 和最新的技术文档,用中文跟国内的 AI 社区保持同步,用日语跟客户的业务方和技术方深度沟通。 全球最前沿的 AI 信息首先出现在英文世界,通常晚一到两天出现在中文世界,晚一到两周出现在日文世界。我能在信息出现的第一天就消化它,然后在一周内把它变成日本客户能理解和使用的方案。 这个时间差就是我的定价权。日本本地的 AI 工程师要等日文翻译或解读出来才能跟进,美国的 AI 工程师不会日语进不了日本市场。中间这个位置,人极少。 第五个没人告诉你的事:我交过最贵的学费是"把中国的工作习惯带到日本"。 刚来的时候我犯了几个现在想起来都想扇自己的错误: 给客户发了一个方案,里面直接写"你们现在的做法效率很低,应该换成 XX"。在中国这叫直接、高效。在日本这叫"失礼"。日本的方式是:"贵社目前的方式当然是经过深思熟虑的(先给面子),不过如果考虑未来的扩展性(给台阶),或许可以参考一下这种方法(才提建议)。"同样的意思,包装方式完全不同。我花了大概半年才把这个习惯改过来。 还有一次,客户说"検討します"(我们考虑一下),我以为是真的在考虑,等了两周去跟进。后来才知道这句话在很多场合的真实含义是"我们不打算做,但不好意思当面拒绝你"。在日本,"不"很少被直接说出口,你得学会听懂那些"不是不"的"不"。 还有一次把项目进度做成了飞书文档共享给客户。客户完全不知道飞书是什么,打不开。后来老老实实改用 Excel + 邮件。在日本企业里,Excel 和邮件是永远不会错的选择。你觉得落后,人家觉得稳当。 第六个:最意想不到的获客渠道。 我以为在日本获客要靠 LinkedIn 或者行业展会。实际上我最有效的获客渠道有两个:一个是 X(推特),另一个是日本特有的"勉強会"(学习会/技术分享会)。 日本的技术社区有一种独特的文化:定期办免费的技术分享会,大家轮流讲自己在做的东西。你去讲一次,讲得好,会后有人来跟你换名片(是的,日本还在用纸质名片,而且交换名片有一套完整的礼仪),两周后邮件来了:"之前听了您的分享,我们公司正好有一个类似的课题,方便聊一下吗?" 这种获客方式成本为零,但信任转化率极高,因为对方亲眼见过你讲东西,知道你是真的懂而不是嘴上说说。 最后说一句总结。 在日本做独立 AI 工程师,最核心的能力不是技术,是"翻译"。不是语言翻译,是把全球最前沿的 AI 技术,翻译成日本企业能理解、敢尝试、用了之后能看到结果的东西。技术只是原料,翻译才是手艺。 而这个"翻译"能力是没法被 AI 替代的,因为它的核心不是信息转换,是理解两种完全不同的商业文化各自在怕什么、想要什么、能接受什么。这种理解只能靠在两边都踩过坑才能长出来。 所以如果你问我在日本做 FDE 最大的壁垒是什么,不是技术,不是签证,不是日语,是你愿不愿意花几年时间在一个节奏完全不同的市场里,把那些只有踩过才懂的坑全部踩一遍。 踩完了,壁垒就是你自己。

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。