与「链上电子乞丐」相关的搜索结果

Tether. me 如何利用 50 年前的“老基建”降维打击 Web3 支付？ 晚上被Tether钱包刷屏了，使得我非常好奇，tether钱包背后是如何实现短域名实现链上转账的。 下面跟着Humphrey一起看看Tether钱包背后的技术实现原理，以及其和几年前的ENS的区别。 长期以来，加密货币的支付门槛都卡在“那一串乱码地址”上。Tether 最近力推的 name@tether.me 并不是在造新轮子，而是通过 BIP-353 协议，让“发钱”变得像“发邮件”一样简单。 🛠️ 技术底层：什么是 BIP-353？ 很多人误以为它是类似 ENS 的新域名，其实它的本质是 “DNS 支付指令”。 借用基建：它将支付信息（BIP-21 URI）编码进互联网现有的 DNS TXT 记录中。 极简流程： 你在钱包输入 alice@tether.me ➜ 钱包后台自动查询子域名的 DNS 记录 ➜ 秒回一条包含 BTC 主网、闪电网络或 ETH 的支付指令。 本地安全： 配合 Tether 的 WDK 开发套件与 QVAC 本地 AI，所有 DNSSEC 签名验证都在设备本地完成，既防篡改又不经云端，保障了去中心化的安全性。 ⚡ vs ENS：两种维度的极致路径 虽然表现形式都是“人类可读的字符”，但两者底层逻辑截然不同： tether. me (DNS 模式) —— “极致的支付工具” 逻辑： 利用全球现成的 DNS 系统，像访问网页一样查询地址。 优势： 零成本、零门槛、极速。 用户无需支付 Gas 费注册，也不用持有 ETH，它是为 10 亿普通用户设计的支付 App 思维。 代价： 半中心化。 如果域名被封禁，解析会失效，它更像是一张高效的“电子名片”。 ENS (区块链模式) —— “终极的 Web3 身份” 逻辑： 完全构建在以太坊智能合约上。 优势： 主权在我、永不消失。 只要私钥在手，没有任何机构能注销你的 .eth，它是 Web3 的“永久身份证”。 代价： 高昂的注册费与续费 Gas，对非加密原住民极不友好。 💡 Humphrey认为 1. tether. me 不是 ENS 的竞争者，而是它的补充。ENS 负责“身份的主权与不可篡改”，而以 BIP-353 为核心的 负责“消灭支付摩擦”。 2. Tether 的野图很明显：不改变用户的互联网习惯，只改变背后的清算体系。

存储芯片还要缺 5 年！ 当我们进入 AGI 时代，Agent 需要 HBM 解决实时上下文、DRAM 解决短期记忆、NAND 解决长期记忆 利好股票一览👇 1. 美光科技 $MU AI时代最直接受益的存储龙头之一。 同时覆盖 HBM、DRAM、NAND 三大核心领域，几乎吃到整条AI存储产业链红利。 2. SK海力士 $000660.KS 全球HBM王者。目前是英伟达H100/H200最核心HBM供应商之一，AI浪潮最大赢家之一。 3. 三星电子 $005930.KS 全球最大存储芯片公司。DRAM、HBM、NAND全部覆盖，产业链统治力极强。 4. 铠侠 Kioxia $TYO: 285A NAND闪存核心大厂。 5. 西部数据 $WDC 全球NAND与数据存储巨头。AI训练与推理需要海量数据存储，企业级SSD需求正在快速增长。 6. 闪迪 Sandisk $SNDK NAND闪存纯玩龙头，AI数据存储与企业级SSD需求旺盛，定价能力强 7. 希捷科技 $STX 虽然主营机械硬盘，但AI时代数据归档需求暴增。 很多AI训练数据不会删除，而是长期保存， 8. 应用材料 $AMAT 不是存储芯片公司，而是存储设备核心卖铲人。HBM、DRAM扩产都需要先进半导体设备，AI军备竞赛越激烈，它越赚钱。 9.泛林集团 $LRCX 全球存储芯片设备龙头之一。DRAM与NAND制造高度依赖其刻蚀设备。 10. 东京电子 Tokyo Electron $8035.T 日本半导体设备核心公司。HBM先进封装与存储制造的重要受益者。 11. 阿斯麦 ASML $ASML 虽然主业是EUV光刻机，但高端HBM与先进DRAM制造离不开它。 12. Marvell Technology $MRVL AI服务器高速互联核心公司。HBM带宽越高，对高速数据传输需求越大。 13. 博通 Broadcom $AVGO AI网络与数据中心核心霸主。 随着AI Agent需要实时调用大量记忆数据，高速交换芯片需求会持续爆发。 14. 英伟达 $NVDA 很多人只看到GPU，但实际上英伟达越来越像AI超级计算平台 15. 台积电 $TSM HBM先进封装CoWoS最大受益者。 你最看好谁？

今天 Amkor Technology 财报是一份大超预期的财报。 营收达到16.9亿美元，同比大幅增长，并明显高于市场一致预期；EPS同样大幅超出预期，背后是产能利用率从此前低位快速回升到70%区间。更关键的是，公司给出的下一季度指引继续大幅上修。 但市场却毫不给面子，盘后股价一度跌幅达8%。 到底哪里出了问题？ 硬要找，只有一个：公司将全年资本开支从过去约7.5亿美元直接提高到25-30亿美元，增幅接近3倍。 这看起来像是之前市场对大科技的capex大幅增长，现金流担忧的复现。 但这个顾虑到底有没有道理？ 要解答这个问题，需要先把先进封装这件事拆开来看。 本质上，封装在回答一个问题：算力如何被高效地“物理实现”。 围绕这个问题，产业链形成了清晰分工：TSMC负责前道制造，把电路刻进硅里；Amkor负责后道封装测试，把裸die变成可用芯片。从历史上看，两者几乎没有重叠。但在AI时代，封装开始直接影响带宽、功耗与系统性能，先进封装逐渐“前道化”，tsmc开始用cowos和amkr竞争，边界开始模糊，不过这种变化主要集中在最顶端的一小段。 Amkor的技术路径恰好位于另一侧。它的先进封装重心在Fan-Out体系，其中HDFO（高密度Fan-Out）是当前最关键的增长抓手，同时也在布局2.5D和3D。 CoWoS由TSMC主导，基于硅中介层（interposer），服务HBM与AI GPU的极限带宽需求；而HDFO基于RDL，不依赖interposer，结构更简单、成本更低，但互连能力有限。 两者不是竞争关系，而是分层关系：一个解决性能上限，一个解决性能与成本之间的平衡。 从技术层级看，真正的天花板在2.5D和3D封装，尤其是Hybrid Bonding这类已经接近前道工艺的技术路径。而amkr这样的OSAT所主导的，是另一层“工程化封装”：Fan-Out、Flip Chip以及部分2.5D能力。这一层的核心是规模化制造能力、良率控制和成本效率。 就Amkor的产品结构来看， 最底层是QFN、WLCSP等标准化封装，对应汽车、模拟、电源等成本敏感市场； 中间层是FCBGA、fcCSP、Fan-Out，对应数据中心CPU、推理芯片、网络交换芯片等中高性能场景； 最顶层才是CoWoS这类极限封装，但这一层并不属于Amkor的主战场，amkr吃的是前两层。 FCBGA本质是“高I/O、高功耗、高性能，但不追求极限带宽”。它广泛应用于服务器CPU、非HBM GPU、云厂自研ASIC以及交换芯片等。 绝大多数算力芯片并不需要HBM。只有像NVIDIA H100、B100这类训练级芯片，才必须依赖CoWoS+HBM来解决带宽瓶颈。 以Google为例，其芯片体系本身就是分层的：训练侧使用HBM与2.5D封装，而大量推理、视频处理、网络等ASIC，本来就采用FCBGA或Fan-Out方案。 就目前AI的发展路径来看，训练是金字塔顶端，数量有限；推理才是大头，而且是指数级扩散。 从数据中心到边缘再到终端，推理节点数量远超训练节点。在这个过程中，封装选择的核心约束从“性能上限”转向“总拥有成本”。在绝大多数场景里，“性能够用+成本可控”优于“极限性能”，这正是FCBGA与Fan-Out的优势所在。 这也是为什么HDFO已经进入商业化放量阶段，并成为Amkor当前最重要的增长抓手。 回到CapEx，我们可以看出，这是在为“推理时代的算力扩散”提前铺设产能。从亚利桑那到越南，从HDFO到高性能测试平台，本质上是在卡位产能。 业务层面的变化也在验证这一点。传统PC与消费电子仍然疲软，但数据中心与AI相关收入已经创下新高；HDFO开始进入量产周期，客户数量持续增加；同时公司开始向客户转嫁成本，封测行业长期缺乏的定价权正在边际回归。这些信号叠加在一起，说明行业不是简单复苏，而是在重构。 总结来看，先进封装不再是一条单一路径，而是“极限性能”和“规模效率”两种范式并存。前者由TSMC等厂商定义技术上限，后者由Amkor等OSAT决定产业体量。随着AI从训练走向推理，从集中走向扩散，真正决定长期价值的，往往不是最顶端那一小部分，而是承接最大规模需求的中间层。而这，正是Amkor正在用这笔30亿美元资本开支押注的位置。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，股票投资风险巨大，入场需极度谨慎

转译：西方忘了怎么造东西，现在也快忘了怎么写代码 作者：Denis Stetskov 2023 年，在巴黎航展上，雷神公司的总裁站在台上，讲起他们为了重启“毒刺”导弹（Stinger）生产线，到底费了多大劲。 他们把一批 70 多岁的老工程师请了回来，让这些老人教年轻员工怎么造一枚导弹。图纸还是卡特总统时代画在纸上的老图纸。测试设备已经在仓库里躺了很多年。导弹的鼻锥还得靠手工安装，方法和 40 年前一模一样。 五角大楼已经 20 年没买过新的“毒刺”了。然后，俄罗斯入侵乌克兰，局势一下变了：所有人突然都需要这种导弹。 可生产线早就关了。电子元件已经过时。导引头组件也停产了。2022 年 5 月下的订单，要到 2026 年才能交付。 整整 4 年。 不是因为没钱，而是因为真正知道怎么造它的人，十年前就退休了，而且没人接上。 我在乌克兰带工程团队。我的团队见到的是这个问题的另一面。不是工厂车间，而是战场上接收武器的那一端。 当雷神还在努力根据 40 年前的蓝图重启生产时，美国已经在向乌克兰运送成千上万枚“毒刺”。RTX 首席执行官 Greg Hayes 说，10 个月的战争，消耗掉了相当于 13 年产量的“毒刺”。 这种模式，我太熟悉了。它现在正在我的行业里重演。 一百万发炮弹，没人造得出来 2023 年 3 月，欧盟承诺在 12 个月内向乌克兰提供 100 万发炮弹。 当时，欧洲一整年的炮弹产能只有 23 万发。而乌克兰每天就要消耗 5000 到 7000 发。 任何人拿个计算器算一下，都知道这事根本不可能。 到了最后期限，欧洲只交付了大约一半。马克龙后来称，最初那个承诺太鲁莽。由 9 个国家、11 家媒体联合发起的一项调查发现，欧洲真实的生产能力大概只有欧盟官方说法的三分之一。 那 100 万发炮弹的目标，直到 2024 年 12 月才真正完成，比原计划晚了 9 个月。 问题不是某一个环节卡住了。是每一个环节都卡住了。 法国在 2007 年就停止了国内发射药生产，整整 17 年没有继续做。欧洲唯一一家主要 TNT 生产商在波兰。德国自己的弹药储备只够用两天。丹麦一家 Nammo 工厂在 2020 年关闭，后来不得不从零开始重启。 整个欧洲国防工业，长期以来都被优化成一种模式：生产少量、昂贵、定制化的产品。没人为大规模生产做准备。也没人为危机做准备。 美国也好不到哪里去。 155 毫米炮弹壳主要靠宾夕法尼亚州斯克兰顿的一家工厂；爆炸物填装则依赖爱荷华州的一处设施；美国从 1986 年起就没有本土 TNT 生产了。 后来砸进去几十亿美元，产量依然没达到目标的一半。 要么合并，要么死 这不是偶然。 1993 年，五角大楼告诉国防企业的 CEO 们：要么合并，要么死。 于是，51 家主要国防承包商最终缩成了 5 家。战术导弹供应商从 13 家变成 3 家。造船厂从 8 家变成 2 家。国防工业劳动力从 320 万人降到 110 万人，砍掉了 65%。 弹药供应链到处都是单点故障（single point of failure，指一个环节出问题就会拖垮整个系统）。 155 毫米炮弹壳只有一家制造商，位于加州科切拉，而那里就在圣安德烈亚斯断层上。发射药装药也只有加拿大的一处设施能做。 整个系统被优化到成本最低，却几乎没有任何应急余量。 纸面上看，很高效。 现实里，只差一个坏日子，就会崩。 知识一旦死去，就很难复活 再看 Fogbank。 Fogbank 是一种用于核弹头的机密材料。它在 1975 年到 1989 年间生产，后来生产设施被关闭。 多年后，美国政府为了一个核弹头寿命延长项目，需要重新制造 Fogbank。结果他们发现，自己已经不会做了。 美国政府问责局（GAO）的一份报告指出，几乎所有掌握生产经验的人，要么退休了，要么去世了，要么离开了相关机构。留下来的记录也很少。 经历了 6900 万美元的成本超支，以及数年的失败尝试后，他们终于做出了可用的 Fogbank。 然后，又发现新批次太“纯”了。 原来的生产工艺里，曾经有一种无意中产生的杂质，而这种杂质对材料功能至关重要。可没人知道这件事。 负责复现的工程师不知道。几十年前做出原始材料的工人也不知道。 洛斯阿拉莫斯把它称为原始工艺中的“无意识依赖”（unknowing dependency）：这个环节很关键，但当年没人意识到它关键。 一个核武器项目，竟然失去了制造自己发明出来的材料的能力。 更可怕的是，知识并不只是随着人离开而流失。它从一开始就没有被任何人真正完整理解过。 (更正：原文最初版本曾写道，当年制造 Fogbank 的工人知道这种杂质的存在。事实并非如此。他们也不知道。这个依赖关系是无意形成的，这反而让“知识流失”的论点更强，而不是更弱。感谢评论区的 John F. 指出这一点。) 同一套剧本 我读到 Fogbank 的故事时，立刻认出了这个模式。 我说的不是核材料本身，而是那个熟悉的剧本： 花几十年建立起一种能力。 找到一个更便宜的替代方案。 让人才梯队慢慢萎缩。 享受节省下来的成本。 然后，当危机突然要求你拿回那种能力时，看着一切崩塌。 在国防工业里，那个替代方案叫“和平红利”（peace dividend，指冷战结束后减少军费、把资源转向民用经济的收益）。 在软件行业里，它叫 AI。 我之前写过“人才管道崩塌”的问题。招聘数据、初级工程师到资深工程师之间的断层，都已经有很多证据。还有“理解力危机”：人们会让 AI 写代码，却越来越不理解代码本身。 但我之前一直没有找到一个足够贴切的历史类比。 现在我找到了。 而这个类比告诉我们的东西，是招聘数据看不出来的：重建一种能力，到底需要多久。 重建能力永远需要很多年 国防工业里，每一次大规模恢复产能，哪怕是相对简单的系统，也要 3 到 5 年。复杂系统则要 5 到 10 年。 “毒刺”：从下单到交付，至少 30 个月。 “标枪”（Javelin）：花了 4 年半，产量还没翻倍。 155 毫米炮弹：投入 50 亿美元，4 年过去仍没达到目标。 法国直到 2024 年才重启发射药生产，而距离它关闭国内生产线，已经过去了 17 年。 钱从来不是最大的限制。 知识才是。 兰德公司（RAND）发现，潜艇设计中有 10% 的技术技能，需要 10 年在岗经验才能培养出来，有时还得建立在博士学位之后。国防工业里的技术工种，学徒期通常要 2 到 4 年；要达到能当主管的水平，则需要 5 到 8 年。 现在，把这套时间线放到软件行业里。 一个初级开发者，需要 3 到 5 年，才能成长为合格的中级工程师。 需要 5 到 8 年，才能成为资深工程师。 需要 10 年甚至更久，才能成为首席工程师或架构师。 这条时间线，不能靠砸钱压缩。 也不能靠 AI 压缩。 METR 做过一项随机对照试验（randomized controlled trial，医学和社会科学中常用的一种严谨实验方法）：经验丰富的开发者使用 AI 编程工具后，在真实开源任务上反而慢了 19%。 开始前，他们预测 AI 会让自己快 24%。结果现实和预期之间，相差了 43 个百分点。 研究人员后来想做后续实验时，相当一部分开发者拒绝参加——如果实验要求他们在没有 AI 的情况下工作，他们就不愿意。他们已经无法想象回到不用 AI 的状态。 账单总会来的 软件行业现在正进入同一种“优化”的第三年。 Salesforce 说，2025 年不会再招聘更多软件工程师。LeadDev 的一项调查发现，54% 的工程负责人认为，从长期看，AI 编程助手会减少初级工程师招聘。计算研究协会（CRA）对大学计算机院系的调查显示，62% 的院系报告今年入学人数下降。 我在代码审查里已经看到了这个问题。 现在，审查才是瓶颈。 AI 生成代码很快。 人类审查代码很慢。 于是行业的答案也很可预测：让 AI 去审查 AI 写的代码。 我不会这么做。 我改造了我们的拉取请求模板（pull request template，开发者提交代码变更时填写的说明模板）。现在，每个 PR 都必须说明：改了什么，为什么改，这属于哪类变更，以及修改前后的截图。 也就是说，我们要给审查者提供结构化上下文，不能让审查者靠猜。 我还在每个项目里安排专门的审查人员。更多双眼睛，就有更多机会发现模型漏掉的问题。 但这些仍然解决不了更深层的麻烦。 现在真正需要的能力已经变了。 光有技术能力不够。你还需要能主动负责、能清楚沟通取舍、能反驳机器给出的糟糕建议——哪怕那台机器说话听起来无比自信。 这些其实是领导力。 我们上一轮招聘就能说明这种人有多稀缺：2253 名候选人，2069 人被淘汰，最终录用 4 人。转化率只有 0.18%。 既有技术能力，又有判断力、能看出 AI 什么时候错了的人，在市场上几乎已经不存在了。 我们会记录一切。 Site Books、SDD、RVS 报告、带完整测试覆盖的样板模块……这些今天都有用，因为读这些文档的人，本身具备足够的工程能力，知道该怎么行动。 可如果以后读文档的人不具备这种能力，会怎样？ 坦白说，我不知道。 也许 5 年后的 AI 足够强，这些问题就不重要了。也许问题仍然可控。我没法预测 2031 年模型会强到什么程度。 但危机不会提前给你发日历邀请。 没人预料到 2022 年欧洲会爆发全面陆地战争。国防工业有 30 年时间做准备，但它没有。 就连 Fogbank 当年也有记录。只是记录不够。更糟的是，原来的工人甚至没有完全理解自己的工艺。 5 到 10 年后，我们会需要资深工程师。 我们会需要那种真正理解系统全貌的人；需要能在凌晨两点调试分布式故障的人；需要携带着那些代码库里根本不存在的组织知识的人。 可这些工程师现在还不存在，因为我们没有在培养他们。 本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。 他们会提示 AI。 但他们说不出 AI 错在哪里。 这就是代码行业的 Fogbank。 当初级工程师跳过调试，跳过那些塑造能力的犯错过程，他们就无法建立隐性知识（tacit expertise，指难以写成文档、只能通过实践积累的经验性能力）。 等我这一代工程师退休时，这些知识不会转移给 AI。 它只会消失。 西方已经犯过一次这样的错误。账单在乌克兰到期了。 我知道这听起来像什么。我也知道，我之前已经写过人才管道的问题。 但国防工业这个例子，不是为了重复同一个论点。它是为了展示：如果行业现在对 AI 的期待落空，会发生什么。 “毒刺”、“标枪”、Fogbank、那一百万发没人造得出来的炮弹——这就是把赌注押在“优化”上，结果赌错之后要付出的代价。 而我们现在，正在软件工程上押下同样的赌注。 也许 AI 会变得足够强，这场赌局最后会赢。 也许不会。 当年的国防工业，也以为和平会永远持续下去。 来源：

Onto Innovation最近入股 Rigaku Holdings 27% 股权，这是一次非常明确的战略转向：从“表面检测”走向“3D结构检测”，本质是在卡位先进封装时代的工艺控制入口。 Onto的业务核心是半导体制造中的process control，也就是检测（inspection）、计量（metrology）、封装光刻和软件系统。它决定良率，和klac一样，是典型的“复杂性收费者”。随着工艺从2D走向3D，这类公司的重要性正在系统性提升。 过去，检测主要依赖光学和电子束，解决的是“看得见”的问题。但在HBM、CoWoS、chiplet和混合键合等结构下，缺陷越来越隐藏在内部，传统方法开始失效。X-ray成为必需工具，这正是Onto入股Rigaku的核心逻辑——补齐内部检测能力，从而覆盖“表面+内部”的完整检测链条。 从市场结构看，Onto未来真正的机会不在大盘，而在结构性细分。 先进封装检测的增速高于行业平均，而涉及3D结构（如X-ray、混合键合检测）的细分领域可能更高。公司当前业务重心已经明显向先进封装倾斜，这使其增长弹性显著高于行业平均。 竞争格局上，行业由 KLA Corporation 主导，市占率超过一半，是标准制定者；Applied Materials 和 ASML 等大型设备商具备跨界能力，可以通过整线方案压制单点供应商；而Camtek、Nova等公司则在细分领域与Onto直接竞争。Onto本身处于中间位置：产品线不够全面，但在先进封装环节具备一定深度。 其优势在于提前卡位先进封装，产品结构向高增长区域集中，同时具备一定技术门槛和盈利能力；但劣势也很清晰，包括客户绑定较弱、系统能力不完整，以及在部分高端检测能力上仍落后于龙头。整体来看，护城河处于中等水平，尚未形成不可替代性。 决定公司未来地位的关键变量是混合键合。 随着互连从bump走向直接键合，对overlay精度和界面缺陷控制的要求大幅提升，检测和计量的重要性显著上升。Onto在overlay和先进封装检测上已有基础，并通过X-ray补齐能力，因此可以覆盖混合键合检测链的大部分环节。该技术有望在未来3–5年持续推动其相关业务高于行业增速。 Onto的投资逻辑并不完全跟随半导体周期，而在于是否能够从先进封装中的“参与者”，升级为3D结构检测中的“关键节点”。混合键合决定其能否获得稳定超额增长。如果能够在X-ray和3D检测上建立能力闭环，其护城河有望明显加宽；反之，则仍将处于被KLA压制、被大厂边缘化的中间位置。 本质上，这家公司正在从一个设备供应商，向“复杂性控制入口”转型。能否完成这一转型，决定了它未来5年的上限。 免责声明：本人持有文章提及股票，观点十分主观，非投资建议dyor

《从50亿颗芯片订单，看Starlink一个不为人知的万亿市场》 路透社昨天的报道称SpaceX和意法半导体过去12年订单总量已经达到50亿颗芯片。 市场可能还没有意识到，这是一个Starlink不为人知的隐藏赛道。它不仅仅是一个"卫星互联网项目"，还是一个全球性的电磁感知基础设施。 这50亿颗芯片是射频前端模块（radio-frequency front-end modules），也叫天线单元（antenna elements），它们基于BiCMOS工艺制造，用于Starlink用户终端的相控阵天线。 简单说，这些芯片让你家的"锅"能够自动追踪高速移动的卫星，保持稳定连接。 Starlink用的相控阵是军用雷达技术吗？ 新闻提到Starlink的终端天线用了"相控阵"技术。这听起来很军工——没错，这和战斗机雷达、宙斯盾系统用的是同一类技术。 相同点：都是电子扫描天线，通过精确控制每个天线单元的信号相位，让波束可以快速转向，不需要机械转动。 关键差异：目的完全不同，所以精度不同。 Starlink的应用方向，不是雷达而是通信技术，但它未来可能具备"雷达式感知"的潜力。 能"感知"什么？ 四个字：RF感知。 Starlink终端在和卫星通信时，信号会穿过大气层、经过各种环境。这个过程中，任何异常都会在信号里留下痕迹。 它能感知的东西分三层： 第一层（最精准）：电磁环境本身——哪里有干扰源、频谱异常、噪声变化。这对通信系统本身就有巨大价值。 第二层（可持续建模）：传播环境——下雨、沙尘、湿度、电离层扰动。气象公司会很感兴趣。 第三层（模糊但有用）：大尺度物体——比如某个区域是否有大型飞行器或船只经过。注意，它只能回答"有没有"、"有没有变化"，不能精确识别是什么。 精度对比： 军用雷达：厘米到米级 RF感知：百米到公里级 所以RF感知不是"弱版雷达"，而是一个永远在线的全球异常检测系统。雷达是手电筒，看得清但照得窄；RF感知是环境光，到处都有但很模糊。 starlink相控阵通信感知技术的竞争优势极难复制，由于其不可逆的工程路径和物理资源先手。 五道护城河： 1. 相控阵×消费级×百万规模：历史上几乎没人同时做到这三件事。军工相控阵很贵，消费电子没这精度，百万级规模需要完全不同的供应链。 2. 射频制造学习曲线：50亿颗芯片的制造经验不光是订单问题，还是时间积累：每一轮生产都在优化良率、降低成本、发现问题。。。 3. 芯片成本的极致压缩：把军工级核心部件降到1美元以下（虽然牺牲了部分性能）。这50亿颗订单本身就是"成本消化器"——只有这种规模才能把单价压到这个程度。 4. 系统复杂度下沉到终端：传统思路是让终端简单、网络复杂。Starlink反过来，让终端承担更多计算，这样卫星和网络可以更灵活。这是反直觉的设计选择，一旦跑通就成了结构性优势。 5. 垂直一体化：SpaceX同时控制火箭、卫星、终端、网络。这意味着它可以"有序失败"——某一层出问题，其他层可以补。别人只做其中一环，就没有这种容错空间。 另外，还有LEO轨道的垄断性优势 Starlink选择了低地球轨道（LEO），大约550公里高度。这不是随便选的。 LEO是相控阵通信感知网络的最优选择 信号损耗低，延迟低（20-40毫秒，打游戏够用） 终端功耗可接受（不需要大功率天线） 卫星移动快，网络拓扑持续变化——这意味着AI有大量数据可学习 竞争对手的困境： 更低轨（VLEO）：大气阻力大，卫星寿命短，需要频繁补充。技术可行，商业上几乎不可行。 同轨但晚来：轨道密度、频谱分配、避碰规则全面受限。你不能在人家卫星旁边乱飞。 更高轨（MEO/GEO）：通信能做，但延迟变高，终端功耗上升。更重要的是，轨道变化慢，AI学习材料少，感知能力被"钝化"。 LEO是通信和感知同时成立的最优高度。Starlink已经在这个高度部署了超过6000颗卫星，预计3-5年，将几乎占满LEO空间所有可用轨道。 和6G的关系 严谨地说，6G技术上不强制要求天地一体化。但战略上，几乎必然。 原因不在于速度（5G的速度对大多数应用已经够了），而在于： 覆盖的完整性：海洋、沙漠、极地、航空，这些地方地面基站覆盖不到。 网络级可靠性：地震、战争等极端情况下，地面网络可能瘫痪，卫星网络是兜底。 AI网络需要全局视角：未来的AI应用需要在全球范围内调度计算和数据，没有天基网络就是瘸腿的。 没有非地面网络（NTN）能力的6G，将被视为"不完整"。 覆盖全球的天基雷达？ 尽管starlink不会变成高精度的全球雷达。技术上做不到，也没必要。 但会演化成一个全球持续在线、低精度、AI驱动的感知底座。 未来的分层结构可能是： 第一层：Starlink类RF感知——覆盖广、连续、低精度。相当于全球的"背景感知网"。 第二层：高性能军用雷达——数量少、精度高。在关键区域提供精确信息。 第三层：无人机/高空气球等机动节点——按需部署，灵活补盲。 这三层不是替代关系，而是协同。第一层发现异常，第二、三层精确跟进。 Starlink的全球感知网络市场多大？ 未来5-10年的市场空间，从大到小： 6G融合基础设施：与地面网络融合，成为全球通信底座的一部分。万亿美元级。 国家级主权通信：关键基础设施的通信保障，政府客户。千亿美元。 航空/海事/能源/物流：飞机WiFi、远洋船舶、偏远矿区等需要连续连接的场景。千亿美元。 政府/军方感知服务：非火控级别的态势感知。百亿美元。 全球RF感知与环境智能：气象、海洋、频谱监测等。百亿美元。 总结 Starlink的真正护城河不在单一技术，而在于： 它率先把最适合相控阵+AI的物理空间（LEO）占满，并在其上跑出了真实规模的系统。 它正在成为全球电磁环境的"持续在线感知层"。

如果你想在币圈小资金翻身（几百U就够了），我推荐你去跟着这些打新的老师去链上以小博大（不是玩meme！）： 1. reboot老师 @Reboottttttt ，真的是很勤奋的打新专家，任何新协议，链上的异动，基本都会第一时间察觉，最难能可贵的是他很少偷吃，自己发现的第一时间就直接发出来，不是那种发出来就只能接盘的老师，归零的话他跟你一起归零🤣 2. 流星老师 @nuanxia001 ，也是很勤奋的博主，而且他其实会直接在很多新的发射台或者协议开放之前就提前预告，基本是给足了新人做准备抢底部的机会，也是有过10分钟单币A7的辉煌战绩 3. mobai老师 @0xbai 和dada老师 @Daaaaaa916680 ，他们是我链上一直以来的好兄弟，都是在链上拿了大A7的选手，做了很多工具，不过之前一直没有运营推特，在我的建议下最近也开始在推上分享，不过他们其实比较懒就是了，建议是搞好关系以后进小群偷撸🤣 4. DD老师 @rtk17025 ，唉DD老师我真的推的都有点累了，但是谁让他是真的优秀，加了群之后发现他玩meme，链上打新竟然也是高高手，经常在群里发10X 密码，而且他的推文是比较全面的，无论你是想撸毛还是美股还是打新，他的文章里都会有相关内容，值得关注 当然，链上的机会多，风险也更大，最重要是以小博大，用自己可以接受归零的仓位去搏杀

照现在的情况来看，加密行业的未来大概率只剩两条主线： 一条是 BTC，作为数字黄金，继续承担“原生加密资产”里最硬的价值锚。 另一条是 RWA，把现实世界里已经被验证过的资产（主要是股票债券）搬到链上。依然是“监管套利”的生态位。 上一轮讲公链，讲 DeFi，讲 GameFi，讲各种新叙事，最后大部分项目都证明了一件事：没有真实现金流，没有真实需求，没有持续买盘，代币经济模型再复杂也只是高配庞氏。 所以我的判断很简单： 加密不是没有未来，而是“凭空造资产”的时代快结束了。 未来真正有价值的链上资产，要么是 BTC 这种已经完成共识跃迁的超级资产，要么是 RWA 这种能连接真实世界收益和信用的资产。 行业从此以后，比拼的不是谁更会讲故事，而是谁能把真实资产、真实收益、真实结算效率搬上链。

试了一下 @BITstocks_CN ，应该算是大陆用户短时间内想参与美股交易最好的选择之一了，CN护照就可以开，体验如下： 1/ 美股功能全覆盖，无任何阉割。交易标的覆盖美股全市场，真实持仓，甚至其他券商可以直接转仓进来，支持拆股/分红，纳入sec监管，受sipc保障，无crs。 2/ 流动性券商水平，比链上好很多。交易费用很低，交易0佣金，只收很少的平台费+sec代收费用。 稳定币入金0.06％-0.2％，但是同时支持银行卡入金，走银行中转一下入金费也省了，出金0.05％，限时0费用，另外开户还会送几张抵扣券能用一阵子 3/ 老板是Jihan，老韭菜都懂，人品和格局都在线，我是敢放钱的。 总体而言，如果你是现货, 中长期持仓，Bit可以说是现阶段综合看最好的选择（股票合约很烦的一点是周末的费率模式很厉害） 现在只要护照+大陆地址证明就能开，实测1天审核，秒级入金，但不排除以后收紧，强烈建议开一个防身 注册链接：