与「（高带宽内存）核心供应商，这可是」相关的搜索结果

#AI# #美股# 时代的“船票”：美股半导体 & 存储行业核心逻辑与潜力股深剖 外围核心资产不断叠创新高，这背后的核心逻辑，是“心慌”级别的巨大需求缺口。 具有硬核潜力的美股半导体与存储核心“门票”，带你深入理解投资逻辑！ 第一方向：存储芯片（AI时代的“记忆体”） 存储的重要性已被AI、服务器芯片、光芯片的需求全面传导。 三星和海力士甚至预言：2028年供需也缓解不了！ 这是真正的长期、不可逆需求爆发。 1.#美光科技# (Micron, $MU)：存储行业的绝对中坚 • 投资逻辑： 美光是全球存储（DRAM & NAND）三巨头之一。 它不仅仅享受翻倍的快乐，更是#HBM##（高带宽内存）核心供应商，这可是##服务器芯片##的刚需。# 美光正全速扩产，订单早已排满，是直接受益于2028年也无法缓解的供给短缺的核心硬资产。 买美光，买的是AI算力的大脑记忆体。 2.#闪迪# (SanDisk, $WDC)：数据存储与传输的核心硬件 • 投资逻辑： 随着服务器、光通信和端侧AI的发展，数据量呈指数级上升。 闪迪在固态硬盘 (SSD) 和闪存领域的地位无可替代。 它享受着和美光一样的存储缺口逻辑，同时在光芯片和硬件链暴露中表现稳健。翻倍不是终点，是高需求的刚升起。 第二方向：服务器 & 光芯片（AI时代的“神经网络”） 服务器芯片、存储、光芯片缺货，是“传导到每一个角落”的心慌逻辑。 老馒头说光芯片2028年产能都被定完了，陈立武预言未来服务器芯片也是缺货。 1.#英特尔# (Intel, $INTC)：半导体制造与CPU复兴的逆袭 • 投资逻辑： 英特尔不仅是博文中提到的翻倍股，更代表着半导体制造和IDM 2.0战略的复兴。 它在CPU领域的地位根深蒂固，同时全速布局代工和新型芯片。 面对陈立武预言的未来服务器芯片缺货，英特尔的产能和技术积淀将成为极度稀缺的资源。这是一个长期价值修复与先进制程突破的双重逻辑。 2.#AXT# $AXTI)：光芯片关键材料的稀缺上游 • 投资逻辑： 翻倍股AXT虽然不常被提及，却是光通信和半导体硬件链中极其关键的一环。 它提供光芯片制造所需的基础材料。所说的2028年产能被订完，最上游的材料供应商如AXT将最先、最确定地享受这一长周期高景气度。 它是AI神经网络建设中必不可少的“基石”材料。 总结 ”面对无法缓解的巨大需求缺口，最简单的投资逻辑往往最有效。 #美股# #半导体# #存储芯片# #光通信# #英伟达# #AI基建# #投资逻辑# #价值投资#

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

$MU 看见的机器人，不是玩具，是 AI 的下一副身体 a16z 昨天发布了一张图片 表面上讲的是机器人一级市场融资创历史新高，Q1 2026 的融资金额和交易笔数同时冲上去。 不只是机器人火了，重要的地方在于资本在用自己的方式告诉市场，AI 的下一段叙事，正在从云端走向现实世界。 过去几年，AI 投资的中心很清楚。 先是模型，后是算力，然后是 GPU、HBM、数据中心、电力、液冷、光模块、网络交换机。 看着五花八门、很高大上，本质上解决都是在一个问题：怎么把更大的模型训练出来，怎么让更多推理跑起来。 但现在，一个新的问题开始出现。 这些智能，最后要去哪里？ 如果 AI 永远停在聊天框、办公软件和云端 API 里，它当然很有价值，但它仍然主要停留在数字世界里。 真正更大的变化，是 AI 开始进入工厂、仓库、医院、汽车、农田、矿山、家庭和战场。 也就是进入物理世界。 机器人就是这个过程里最重要的载体。 所以这张图不是简单的融资图，而是一张资金迁徙图。 钱正在从纯软件、纯云端、纯模型，往能让 AI 落地到现实世界的硬件系统里迁移。 这也是为什么美光这次财报电话会里，CEO 专门提到机器人。 美光不是一家机器人公司，它也不是一个靠讲故事拉估值的创业公司。 美光站的位置非常特殊。它在产业链里看见的不是概念，而是每一个终端到底要吃掉多少内存、多少存储、多少带宽、多少功耗预算。 所以当美光 CEO 说，人形机器人的内存含量可能是普通 L2+ 汽车的十倍，这句话的分量很重。 不是在说机器人明天就爆发。 而是在说：如果机器人真的走向规模化，它就不会是一台简单的机械设备，而会是一台移动的边缘 AI 系统。 它要看见世界，要理解世界，要实时推理，要控制动作，要记录数据，要在本地完成大量计算。 这意味着机器人不是一个轻资产故事。 它是一个重硬件、重供应链、重制造、重可靠性的产业故事。 说实话，我们看机器人，最容易被外形吸引。 人形机器人走几步，挥挥手，搬个箱子，视频一发，大家就开始兴奋、欢呼。 但产业化的视角从来不是这样子，产业化看的是：一台机器人到底由什么构成？哪些环节能规模化？哪些部件会成为瓶颈？哪些供应商可以稳定交付？哪些客户愿意付钱？单位经济模型什么时候跑通？ 从这个角度看，美光这次财报其实给了一个很重要的提醒。 机器人不是从“机器”开始定价的，是从“数据”开始定价的。 一个机器人进入现实世界，第一件事不是行动，而是感知。 它要用摄像头、激光雷达、毫米波雷达、IMU、力传感器、触觉传感器去采集环境。 采集之后，数据要被处理 处理之后，要进入模型 模型要判断环境，理解任务，规划动作 动作又要通过电机、减速器、伺服系统、控制器执行出去 执行之后，还要反馈回来，再调整下一步 这就是机器人的闭环。 感知、推理、控制、执行、反馈。 这个闭环越复杂，对内存和存储的要求就越高。 因为机器人不是在干一个静态任务。 它是在真实环境里不断接收数据，不断判断，不断行动。 云端可以慢一点，办公软件可以等几秒。 但机器人不能等。 它要避障，要抓取，要平衡，要停下，要躲人，要判断物体有没有滑落。 这些事情都发生在现实世界里，延迟一高，错误就会变成碰撞。 所以机器人天然需要边缘计算，也天然需要高带宽、低功耗的内存和存储。 这就是美光那句话的核心。 人形机器人之所以可能带来多年的内存需求，不是因为它长得像人，而是因为它把 AI 从服务器机柜里，搬到了一个会移动、会交互、会执行任务的物理终端里。 这和汽车很像，但又比汽车更复杂。 一辆 L2+ 汽车已经需要大量传感器、算力、内存和存储。 但它的任务相对单一，主要是行驶、避障、辅助驾驶。 人形机器人面对的世界要复杂得多。 它不只在道路上移动，要进入工厂、仓库、办公室、家庭。 它要处理开放环境里的长尾问题。 它要用手操作各种不同形状、不同重量、不同材质的物体。 它要理解人的指令，也要适应环境的变化。 这就是为什么人形机器人如果真正量产，它的硬件含量不会低。 它不是一个带腿的玩具。 它更像是一台高度压缩的移动数据中心，一台装进身体里的 AI 服务器 其实融资图和美光的电话会都说了一件事。 一级市场融资创高，说明资本正在下注机器人公司的未来形态。 美光电话会，说明上游半导体公司已经开始把机器人纳入长期需求模型。 一个是资金端的变化，一个是供应链端的变化。 这两件事合在一起，才是机器人板块真正值得重视的地方。 机器人投资创历史新高，不等于所有机器人公司都有价值。 很多公司会融到钱，很多公司也会消失。 这和电动车、光伏、AI、大模型都一样。 每一轮产业浪潮刚开始的时候，市场都会把叙事打得很满。 但产业最后只奖励两类公司。 一类是能把产品真正交付出去的整机公司 另一类是站在关键瓶颈上的供应链公司 机器人也是一样。 用产业化视角拆，它至少有六层。 第一层，是大脑 包括 GPU、边缘 AI 芯片、机器人基础模型、世界模型、仿真平台。 最典型的还是老大哥英伟达。 因为机器人真正成熟之前，需要在仿真里训练，需要在虚拟世界里先摔无数次，再去真实世界里减少试错成本。 第二层，是记忆 这就是美光看到的部分。 机器人要实时感知、推理和控制，就需要更高带宽、更低功耗、更大容量的内存和存储。 过去市场把美光看成周期股。 但如果 AI 进入设备端、汽车端、机器人端，美光就不再只是传统意义上的存储周期公司，而是在吃 AI 终端扩散的硬件红利。 第三层，是眼睛 机器人要进入现实世界，首先要看见世界。 摄像头、激光雷达、机器视觉、深度传感器、传感器融合，都是这一层。 Ouster、Cognex、Keyence 这种公司，看的是机器人和自动化的感知入口。 这层的核心不是某个单一传感器赢不赢，而是机器人对空间理解的需求会越来越强。 第四层，是皮肤和手感 这对应力传感、触觉反馈、应变片、压力传感、灵巧手。 这条线现在还很早，但非常关键。 因为机器人从“会走路”到“会干活”，真正难的是手。 抓一个箱子很容易，抓一个玻璃杯、鸡蛋、衣服、软袋子、工具，就完全不一样。 视觉只能告诉机器人物体在哪里。 触觉和力反馈，才能告诉它该用多大力。 所以 VPG 这类精密测量和力传感公司，才会开始被市场重新注意。 第五层，是关节和肌肉 机器人要动起来，离不开电机、减速器、伺服系统、编码器、控制器。 这里面最典型的是 Harmonic Drive Systems 这类精密减速器公司。 机器人越接近人形，关节越多，运动控制要求越高，对高精度、轻量化、低背隙零部件的要求就越高。 这条线不如整机性感，但产业位置很硬。 第六层，是场景 机器人最终不是卖给想象力，而是卖给场景。 工厂、仓库、医院、农业、国防，是最可能先跑出来的地方。 因为这些地方有明确的人力成本、效率需求、安全需求和 ROI 计算。 亚马逊的仓储机器人、Intuitive Surgical 的手术机器人、AeroVironment 的无人系统，本质上都说明了一件事： 机器人最早赚钱的地方，往往不是家庭，而是商业和工业场景。 所以现在看机器人板块，不能只看人形机器人。 人形机器人是最大的想象空间，但不一定是最早兑现利润的地方。 真正产业化的机器人浪潮，很可能先从仓库、工厂、医院、军工和农业里长出来。 等这些场景把供应链打磨成熟，成本打下来，可靠性提高，软件泛化能力增强，才有机会一步步进入更开放的生活场景。 我觉得机器人板块未来会分成两条线。 一条是情绪线 它会围绕人形机器人、具身智能、Physical AI 反复炒作。 这条线弹性大、波动也大。 另一条是产业线 它围绕内存、传感器、激光雷达、力反馈、减速器、边缘芯片、工业自动化、仓储物流、医疗机器人慢慢展开。 这条线没有那么刺激，但更接近真实订单和真实利润。 美光这次财报的意义，就在于它把机器人从情绪线，往产业线拉了一步。 因为它说的不是机器人很酷，它说的是机器人会消耗多少内存，什么时候开始形成需求周期，这个周期可能持续多久。 这就是半导体产业看问题的方式。 不看视频，不看口号，不看发布会掌声。 看 bit growth，看 content per device，看 supply constraint，看客户是不是愿意签长期协议，看资本开支是不是敢下去。 所以机器人这条线，真正值得重视的不是某一天谁涨了多少。 而是它开始具备产业化的三个信号。 第一，资金进来 一级市场融资创历史新高，说明资本开始愿意为机器人公司的长期制造能力和技术壁垒买单。 第二，上游开始建模 美光把机器人放进长期内存需求框架，说明机器人已经不只是科幻叙事，而是被上游供应链纳入未来需求曲线。 第三，场景开始筛选 仓储、工业、医疗、国防、农业这些领域，会先把真正有用的机器人筛出来。 最后留下来的，不一定是视频最好看的公司。 而是能稳定工作、能持续交付、能降低成本、能融入客户流程的公司。 所以我对机器人板块的看法很简单，它不是明天就爆发的题材。 但它一定是 AI 下半场最重要的产业方向之一。 过去 AI 的主线是云端算力。 接下来几年，AI 的增量会逐步走向边缘、终端、汽车和机器人。 再往后，AI 会进入真实世界里的每一个生产场景。 可能五年后，B端也就是企业端会开始大规模应用，而十年后，或许就会进入千千万万家。 这条路不会平滑，中间一定会有泡沫，有失败，有估值杀，有技术路线反复，有商业化低于预期。 但大方向很清楚，智能不会永远困在屏幕里。 它一定要长出眼睛，长出手，长出身体，进入现实世界。 而当这件事发生的时候，机器人就不再只是一个行业。 它会变成 AI、半导体、精密制造、自动化、传感器、电池、软件、国防和医疗共同汇合的一条大河。 美光看到的，是这条河最上游的水位变化 一级市场看到的，是河道开始变宽 二级市场接下来要做的，不是追每一个浪花，而是找到那些真正站在河床里的公司 @a16z

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。

英伟达 $NVDA 作为豪门金字塔顶尖的那个人，手指缝漏一点都够底下AI供应链吃半年！ 1. $TSM - 台积电 英伟达GPU核心晶圆代工厂，负责Blackwell/Rubin等先进制程芯片生产，是AI供应链最上游关键伙伴，受益于NVIDIA产能扩张。 2. $SMCI - 超微电脑 英伟达AI服务器主要组装商，提供高性能GPU服务器解决方案，直接受益于数据中心部署需求爆发。 3. $MU - 美光科技 HBM高带宽内存重要供应商，AI训练和推理对内存需求激增，推动其营收强劲增长。 4. $AVGO - 博通 定制AI芯片和网络芯片领导者，与英伟达在NVLink等生态合作，AI半导体收入高速增长。 5. $MRVL - 迈威尔科技 英伟达投资20亿美元，聚焦硅光子和NVLink Fusion定制XPU，是异构计算关键伙伴。 6. $IREN - 艾瑞斯能源 英伟达巨额投资并签订GPU云服务大单，转型AI数据中心运营商，基础设施扩张潜力大。 7. $CRWV - CoreWeave 英伟达重仓的AI云基础设施提供商，专注GPU集群部署，是“NVIDIA生态新云”代表。 8. $NBIS - Nebius Group 英伟达投资的AI云公司，助力全球算力扩展和推理服务。 9. $LITE - 朗美通 英伟达投资的光学组件龙头，高速光模块解决AI数据中心带宽瓶颈。 10. $COHR - 相干公司 与Lumentum同期获英伟达投资，光子学和激光技术核心供应商。 11. $GLW - 康宁 英伟达投资支持光纤基础设施，新工厂扩产应对AI数据中心光纤需求。 12. $ANET - Arista Networks 高性能以太网交换机领导者，连接AI GPU集群的关键网络设备供应商。 13. $VRT - Vertiv 数据中心电源与冷却解决方案提供商，与英伟达深度合作应对高密度AI机架散热。 14. $ARM - Arm Holdings 英伟达投资的CPU/IP架构核心公司，AI芯片设计广泛使用其技术。 15. $ASML - ASML 极紫外光刻机垄断供应商，支持先进制程芯片生产，间接驱动英伟达GPU创新。 16. $CRDO - Credo Technology 高速连接和信号完整性解决方案，受益于AI服务器内部互联需求。 17. $APLD - Applied Digital 英伟达投资的数据中心运营商，专注AI/HPC基础设施建设。 18. $CLS - Celestica AI服务器和硬件制造服务商，在供应链中表现突出。 19. $STX - Seagate 数据中心存储解决方案供应商，AI海量数据存储需求驱动增长。 20. $CIEN - Ciena 光网络设备提供商，支持AI数据中心长距离高速传输。

最近我把白毛股神的Serenity skill装进了 @EasyClawBot ，然后让它用这套逻辑分析了当前最火的美股之一：MU，美光科技。 EasyClawBot是小龙虾桌面版，一键安装，非常适合我这种懒癌晚期缓和患者！ GitHub链接直接丢进去，它会自己验证、安装，两分钟不到就好了。 然后我直接问它：用Serenity的方式，分析MU当前的投资逻辑和产业链机会。 太出乎我的意料了 你会看到MU的最新财报、HBM出货数据、机构持仓和供应链动态，产业链等各项数据。这对我们来说意味着什么？只要把看好或想要研究的股票扔进去，就可以完成初步了解。 懂Serenity的都知道，她的这套逻辑根本不看PPT叙事和虚空估值，而是从哪个环节最难扩产、最难被替代开始研究 / 但其实AI赛道非常卷，很容易被追赶。 阻碍发展瓶颈的，就这么几个地方： 第一，是HBM高带宽内存的产能和良率。 MU目前在HBM3E上有明显进展，HBM4的迭代也在加速。但先进封装和堆叠工艺的扩产，受制于设备、良率和工艺积累，短期内很难被快速复制。 第二，是与NVIDIA等AI GPU巨头的深度绑定。 HBM几乎是AI训练和推理的核心瓶颈之一。需求爆发下，MU的出货节奏会直接影响整个AI供应链的节奏。 第三，是经常被忽视的存储技术迭代壁垒。 从DRAM到HBM，除了产品升级之外，工艺、研发、专利和客户验证的长期积累。后来者追赶，需要时间，也需要巨额投入。 / 当前估值已经把较多AI增长预期定价进去。存储行业本身又具有周期性，三星和SK海力士也在全力追赶HBM。 如果AI资本开支增速放缓，或者竞争加剧，MU的盈利能力可能会承压。 这些风险在财报和产业动态里都是真实存在的。 最有意思的是，它还给了一个A股视角。 全球AI需求爆发，会持续拉动HBM和高端存储的整体需求。真正受益的，肯定不是简单概念炒作的公司，能切入全球AI供应链的国内标的才行。 它提到了一些在半导体材料、先进封装设备、存储相关产业链上有技术积累的公司。这类公司可能会间接承接全球AI资本开支带来的订单机会。 但是我个人觉得MU是一家已经验证了AI时代商业模式的公司，但高估值也把较多未来增长提前反映了。 用了一段时间，觉得 @EasyClawBot 确实不错，建议试试。 一键下载体验：桌面端零配置，每天送200免费积分，免费用Claude Opus 4.8等顶级模型。 下载链接： 首充95折优惠码：MJLH8QY7 Serenity skil： 拿走不谢

最近韩国政府扔出一个重磅消息 计划在西南部投建四座芯片工厂，总投资高达800万亿韩元（约合人民币4万亿+）！ 其中三星电子独占两座，SK海力士再建两座。 更狠的是，他们未来15年芯片领域总投资至少要冲到30万亿韩元，覆盖下一代内存、边缘AI、国防等核心领域。这不是简单的建厂，这是韩国在AI资本大战里的全力反击！ 现在，AI算力战争已经白热化。韩国这次把芯片厂建在西南部，既是产业均衡，也是为了避开地缘风险、快速抢占全球AI内存和HBM（高带宽内存）市场。三星+SK海力士双巨头齐上阵，供应链整合效率会极高，未来在边缘AI和国防AI芯片上很可能形成“韩国壁垒”。 对全球科技链的信号，韩国明确告诉全世界，我们不卷低端，要卷最硬核的下一代技术。这800万亿韩元不是空谈，而是实打实的产能扩张。 相比之下，美国的CHIPS Act虽然也砸钱，但执行效率和产业链协同性，可能还没韩国这么狠。 所以对投资人和Web3/AI玩家而言，芯片短缺+AI需求爆炸的逻辑依然成立。 下一代内存和边缘AI硬件将是未来5-10年的核心赛道。想布局的朋友，可以重点关注三星、SK海力士的供应链伙伴，以及相关ETF或二级市场标的。AI+DePIN、AI Agent相关的叙事，也会因为实体算力扩张而获得更多真实落地支撑。 虽然地缘政治、全球贸易摩擦仍是变量。但韩国这次“国家队+巨头”模式，抗风险能力远超单一企业。长期看，这波投资大概率会把韩国推向AI硬件超级大国位置。 韩国这次直接把“AI内存+芯片自主”按下了加速键。未来谁掌握了顶尖算力，谁就掌握了AI时代的门票。 你们怎么看？这波韩国能成功弯道超车吗？欢迎评论区讨论！ #韩国芯片# #AI算力#

盘点下全球存储板块的股票和etf 存储板块主要分为存储芯片（DRAM/HBM/NAND） + 硬盘 / SSD / 存储设备 + 企业存储软件 / 云存储 等 一、存储芯片的核心个股 1、 $MU 美光科技：全球三大DRAM （内存）之一，同时做 NAND（闪存）、HBM （高带宽内存） 核心业务：DRAM+NAND+HBM ，美正股唯一纯内存大厂 目前市值 1万亿，股价 900美金 另外全球二大的DRAM （内存）公司是： #三星# ，老大，全品类最强，只在韩国股市主板上市，目前市值约1.4万亿美金，直接买三星电子的股票不方便买，可以买贝莱德旗下的etf $EWY ，这只etf重仓了韩国两大存储半导体巨头：#三星电子# 和 #SK海力士# ； #SK海力士# ：全球第二大DRAM 内存厂商、HBM（AI 高带宽内存）全球第一龙头 ，市值破万亿，也是韩国的公司，可以买港股 07709 #南方2x做多海力士# ； 2、闪迪 SanDisk（SNDK） NAND 闪存龙头，SSD / 存储芯片，2026 年从西部数据分拆独立 总市值 2350亿美金 3、西部数据 Western Digital（WDC） HDD 硬盘、NAND/SSD，企业 + 消费级存储 AI 数据中心 SSD 需求强，与闪迪协同 市值 1800亿美金 4、希捷科技 Seagate（STX） 机械硬盘（HDD）龙头，企业级 / 数据中心硬盘为主 AI 冷存储 / 归档需求稳定，现金流好 市值 1890亿美金 5、慧荣科技 Silicon Motion（SIMO） 全球最大独立SSD 主控芯、NAND 控制芯片公司，AI PC / 服务器存储芯片 （不做闪存 ，只做大脑） 客户：三星 SK海力士 美光 铠侠 西数 金士顿 闪迪 等 2026 年 AI PC 爆发，主控芯片需求大增，年内涨幅强劲 市值 98亿美金 动态PE 36.84倍 6、美国网存 NetApp（NTAP） 美国企业级混合云存储+数据管理龙头，标普500的成分股 定位：卖存储系统+软件+云服务 全球企业级全闪存阵列市占第一，混合云存储的龙头 市值 274亿美金 二、存储核心ETF 1、 $DRAM ：纯存储芯片 ETF 上市：2026-04-02，全球首只纯存储芯片 ETF 持仓（9 只，高度集中）： 美光 MU：26.77% SK 海力士：23.75% 三星电子：18.55% 铠侠、闪迪等 2、 $EWY : EWY 韩国MSCIETF-iShares 贝莱德旗下etf指数 EWY 追踪大中型韩国公司，主要持有 SK 海力士 和 三星电子 ； 3、HK 07709 南方两倍做多海力士 是在港股购买 4、A股 513310 中韩芯片 核心持仓：三星电子 sk海力士 寒武纪 海光信息 北方华创 中芯国际 兆易创新 042700 澜起科技 中微公司 5、A股 港美互联LOF 核心持仓： 台积电 英伟达 闪迪 美光 腾讯 谷歌 阿里巴巴 中海油 博通 微软 我的持仓重点： $mu $DRAM $中韩芯片

得益于人工智能热潮带来的旺盛需求，美光科技（Micron）第三财季营收增长至414.6亿美元，远超353亿美元的市场预期；调整后每股收益为25.11美元，高于预期的20.28美元。该季度业绩主要由核心数据中心业务驱动，其销售额同比激增超667%至115亿美元，同时毛利率从去年同期的39%大幅提升至84.9%。同时，其第四季度营收指引大幅超出市场预期，预计将达到约500亿美元，远高于分析师平均预测的432亿美元，调整后每股收益预计约为31美元，同样超过25.31美元的预期。强劲的指引主要源于人工智能基础设施建设对传统内存及高带宽内存（HBM）的旺盛需求，公司已与数据中心运营商及汽车制造商等客户签订了16份为期三至五年的长期协议，预计将锁定约220亿美元的财务承诺，并确保了未来约1000亿美元的保底营收。在盘后交易时段，其股价上涨逾13%。 来源：边际Lab x FinGraph财经图集

今天的市场确实挺惨的，主要是从韩国股市开盘开始的。KOSPI 大跌，三星电子和 SK 海力士这种核心半导体权重一起下跌，韩国股市这轮上涨本来就很依赖半导体、高带宽内存和 AI 服务器需求，所以韩国先跌后，市场情绪很快就传到了美股。 美股这边被影响最明显的也是芯片和 AI 相关股票。Micron、Nvidia、AMD、Broadcom 这些公司都和 AI 服务器、数据中心资本开支、内存周期有关。韩国半导体大跌以后，资金就出现了恐慌情绪，再加上市场对利率预期也开始变谨慎，高估值科技股自然会先出现避险。 另外一个关键点是明天就是美光的财报。美光现在已经不只是普通内存公司，市场把它看成 AI 内存周期和高带宽内存需求的验证标的。韩国的 SK 海力士和三星先跌，美光财报又马上要公布，资金自然会提前降低仓位，避免财报出现不及预期或者指引不够强的情况。 所以今天的下跌其实有点像财报前的集中避险。过去一段时间 AI 涨得太猛，只要前面最强的半导体开始松动，后面的资金就会先撤出来观望。尤其是美光这种刚好站在内存周期和 AI 服务器中间的公司，财报出来之前很容易变成整个市场的情绪放大器。 对 Bitcoin 来说仍然是跟随美股，很难保持独立性。纳指和半导体大跌的时候，市场通常会先降杠杆、提高现金比例， bitcoin:native 和山寨币都会受到风险偏好的影响。接下来重点就看美光财报能不能稳住 AI 内存需求的预期，如果财报和指引都够强，今天可能更像一次快速避险。但如果美光也没能撑住，半导体和风险资产短期还会继续承压。 #Bitget# 来了就是VIP！Crypto、美股、CFD，全球先机一站布局