与「AI、模块化等趋势结合后，会产生哪些新的应用和投资机会？」相关的搜索结果

🔥 DeFi 3.0 风口已至：谁将引领下一轮爆发？ 🎁 参与 AMA 赢取海量 $USDT 奖励！ ⏰ 时间：2025/9/4 20:00 UTC+8 🔗 链接： ✨ 主办方：@MetaEraCN，@Z2H_Academy 🎙️ 特邀嘉宾：@qkinode，@SCAI_Agents，@Vito_168，@xiaojinyu168，@SherryAtBitMart，@QuBitDEX，@UZX_Official 📅 设置闹钟与我们一起探索： - 什么是 #DeFi# 3.0？与 1.0、2.0 阶段相比，最大的变化是什么？ - DeFi 3.0 会开启哪些新赛道？老赛道（如 DEX、借贷、稳定币）是否仍将稳健发展？ - 当前 DeFi 3.0 处于什么阶段？是技术与资金的积累期，还是进入新叙事爆发的前奏？ - DeFi 叙事与 #RWA、##AI、模块化等趋势结合后，会产生哪些新的应用和投资机会？#

最近提交ipo的ai芯片的新宠Cerebras火遍硅谷。 其芯片在小模型场景下，其推理速度最高可达 H100 的 20 倍；而超大规模模型（如 400B 参数量级），Cerebras CS-3 系统的单用户响应速度约为 B200 的 2.4 倍 那么cerebras究竟是如何做到的呢？ 它是否会成为英伟达杀手呢？ 我们需从算力演进的本质开始。 AI算力的演进，正在从“算力本身”转向“通信与系统结构”。在这条演进路径上，Cerebras Systems提供了一种完全不同的答案：不是优化分布式，而是尽可能消灭分布式。 一、两条路线：消灭通信 vs 优化通信 当前AI算力本质上分为两种架构哲学：一条是以NVIDIA为代表的路线： 多芯片（GPU），高速互连（NVLink / CPO），scale-out（横向扩展） 另一条是Cerebras路径：单芯片做到极限（wafer-scale） 片内网络替代跨节点通信，scale-up（纵向放大） 核心区别是：一条在解决“如何连接更多芯片”，另一条在解决“如何不需要连接”。 二、为什么这条路现在才成立 wafer-scale并不是新概念，80年代就有人尝试，90年代商业化失败。原因是： 良率无法承受 没有容错机制 软件无法支撑 行业因此形成共识：小die + 高良率 + 分布式。 Cerebras的突破在于三件事同时成立： 1）容错机制工程化 2）片上网络成熟 3）AI workload匹配（高并行，强同步，通信主导） 本质变化是：从“完美硬件”转向“可容错系统”。 三、性能对比：单点极限 vs 系统扩展 在通信层面，两条路线的优劣非常清晰： 1）片内通信 Cerebras：纯片内 → 延迟最低、能耗最低 CPO：仍有光电转换 → 单点效率：Cerebras更优 2）系统扩展 Cerebras：一旦跨芯片 → 回到通信问题 CPO：带宽可持续扩展 → 系统能力：CPO更优 3）功耗结构 Cerebras：单机功耗极高，但通信极省 GPU+CPO：单点功耗可控，系统效率更平衡 结论很明确： Cerebras赢“单机极限”， CPO赢“系统规模”。 四、适用场景：谁该用cerebras 判断标准可以简化为三个问题： 1）通信是否是瓶颈 2）任务是否可集中 3）结构是否规则 因此，高度适用于大模型训练（dense模型），超长上下文，及部分HPC（PDE、流体等） 这些任务的共性是强耦合 + 高同步 + 高带宽 部分适用于大模型推理（低并发），图计算（结构复杂时优势下降） 而不适用于CPU（通用计算），高并发推理，移动/边缘芯片，实时系统 这些系统的共性：不规则 / 高并发 / 低延迟 五、是否会变成主流 尽管Cerebras在特定场景极强，但主流不会走这条路，原因是： 1）物理约束：功耗密度；信号延迟→ 容错解决不了这些问题 2）经济性：小die良率更高；chiplet更灵活 3）产业路径：TSMC等体系优化方向是模块化，多客户复用而不是超大单体 4）需求侧变化：推理占比远高于训练，多任务、高并发成为主流 六、cerebras的意义 与其说wafer-scale尺寸是重要的趋势，不如说容错设计是会被广泛吸收的哲学 未来可能会出现chiplet级容错，封装级绕路 核心变化是单个硬件不再需要完美，系统负责兜底。 回到最初的问题：Cerebras会不会成为NVIDIA的“杀手”？ 答案其实已经很清楚。 它确实在一个关键点上击中了GPU体系的软肋——通信。但行业的选择，并不是非此即彼，而是多个技术突破同时采用：更强的互连、更低的通信能耗、更高的系统级效率。 因此，更准确的判断是Cerebras不是英伟达的杀手，而是英伟达及所有芯片公司可借鉴的最佳实践。 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，投资风险巨大，入场需极度谨慎 （图：一个cerebas芯片）

$AVGO 是AI芯片的龙头。但历史告诉你，真正暴富的人买的是龙二 $MRVL 先说一个关于半导体行业的反直觉规律： 在一个严重缺货的市场里，获利最大的往往不是龙头，而是那个追赶中的龙二。（Herman老师分析intel观点我觉得说的很好，也同样非常适用于 $MRVL) 理由很简单： 当产能严重不足，买家再也无法只依赖龙头一家供应商。他们开始把订单给原本觉得"不够好"的替代者。而这个替代者，突然发现自己的产品以前没有人要，现在成了香饽饽——价格可以谈，条款可以谈，一切都变了。晶圆缺货时，原本没有人愿意把订单给Intel的客户，开始认真研究18A了。 那么，在AI定制芯片这个正在快速缺货的赛道里，获利最大的龙二会是谁？ 我的答案是 $MRVL 。 1. 先理解结构 AI芯片市场分两层： 第一层：通用GPU Nvidia统治，没有任何人能挑战。H100、B200、Blackwell——超大规模云厂商需要它们，别无选择。 这层市场已经被充分定价了。Nvidia市值5.7万亿，没有人会漏掉这个机会。 第二层：定制ASIC（专用AI加速芯片） 这是一个完全不同的故事。 每一家超大规模云厂商都在开发自己的专用芯片： Google有TPU（张量处理器），Amazon有Trainium（AI训练）和Inferentia（推理），Meta有MTIA（AI推理加速），Microsoft有Maia（Azure AI加速）。 为什么要自己开发芯片？ 因为通用GPU虽然强大，但它服务所有人，没有为特定工作负载优化。自研芯片可以针对自己的模型架构和推理需求精确设计，功耗更低，成本更低，效率更高。 这是一个不可逆的趋势——超大规模云厂商越大，自研芯片的动力越强。但有一个关键问题：这些云厂商需要设计合作伙伴。芯片设计是极其复杂的工程，需要有人懂SerDes，懂先进封装，懂chiplet集成，懂供应链——不是随便一家公司能做到的。 全球有能力承接超大规模云厂商定制ASIC设计的公司，只有两家： $Broadcom，和 $Marvell。 2. AVGO vs MRVL：龙头和龙二的真实差距 先看数字： Broadcom在ASIC市场占约55-60%的份额，与Google的TPU合作锁定到2031年，客户包括Meta、OpenAI等顶级厂商。Marvell约占15%的份额，排名第二Broadcom领先是事实，毫无争议。 但有几个数字值得认真对比： AVGO MRVL 市值 $2万亿 $1,470亿 ASIC市占 55-60% 15% FY26AI营收 $200亿+ $96亿 Forward PE 31倍 36倍 Broadcom在定制ASIC市场记录了约$200亿的AI总营收，而Marvell的AI相关营收约$96亿。 从市值角度：AVGO的市值是MRVL的13.6倍，但ASIC市场份额只是MRVL的4倍，AI营收只是MRVL的2倍。这个不对称，是MRVL存在的核心机会。 3. MRVL独特的地方：两场战争同时押注 这是我认为最关键的一点，也是MRVL和所有其他AI芯片公司最本质的区别。 MRVL同时押注了两个互相独立的万亿级叙事： 叙事一：定制ASIC——去Nvidia化的最大受益者 Marvell的数据中心部门FY2026增长46%，超过$60亿，管理层指引FY2027同比再增约40%。定制芯片年化营收已达$15亿规模，两个AI加速器项目处于高产量阶段，第三个超大规模客户合作正在进行。 Nasdaq 最重要的一个进展： 2026年4月，Google被报道正在与Marvell进行深度谈判，共同开发内存处理单元和下一代TPU，这正是Google此前几乎完全交由Broadcom负责的工作。如果谈判成功，Marvell将成为AI行业最具战略意义的芯片项目之一的核心设计伙伴。 这是什么意思？ Broadcom和Google的TPU合作锁定到2031年——这是Broadcom的护城河，但不是MRVL的天花板。Google开始和MRVL谈，不是要取代Broadcom，而是要建立第二供应商。这正是"缺货时代，落后者获利"的经典逻辑。 当TPU的设计需求超过了Broadcom单独能服务的上限，Google开始把部分项目分给MRVL。 这一单谈成，MRVL同时拥有Amazon和Google双超大规模客户锚定——三个超大规模客户（Amazon、Microsoft、Google）大幅降低了单一客户集中的风险，给市场提供了更清晰的多年营收增长路线图。 叙事二：光互连DSP——AI集群神经系统的命门 MRVL是目前唯一同时覆盖定制ASIC设计、1.6T光学DSP、硅光子技术（通过Celestial AI收购）和CXL交换的全栈公司——这是任何单一竞争对手都无法复制的护城河。 光互连DSP是什么？ 当GPU和GPU之间需要通信，数据需要在光纤里传输。但光纤里走的是模拟光信号，计算机需要的是数字信号。DSP（数字信号处理器）就是这两个世界之间的翻译器——它把数字数据编码成光信号发出去，再把收到的光信号解码成数字数据。 MRVL的PAM4 DSP是全球800G和1.6T光模块的核心芯片之一。光互连业务的需求与AI集群的互连基础设施同步扩张——每一个上线的AI集群都需要完整的互连协议栈，不需要等待GPU的供应情况。 这是最关键的逻辑： GPU供应有时候是稀缺的，但光互连不等GPU——只要数据中心在建，只要AI集群在运行，光互连就需要。 MRVL的DSP是一个和GPU并行运行的独立需求，不是GPU需求的影子。 4. 我自己的判断：为什么MRVL的故事比AVGO更有弹性 AVGO是龙头，MRVL是追赶者。 但在这个特定的历史时刻，追赶者的弹性更大，原因有三： 原因一：基数效应 AVGO已经是$2万亿市值，要翻倍需要成为$4万亿的公司。MRVL只有$1,470亿，翻倍只需要$2,940亿——和AVGO现在市值的15%相当。同样的资金流入，对MRVL股价的推动效果是AVGO的13倍以上。 原因二：Google的变量 AVGO和Google的合作是锁定的，这是护城河，但也意味着它的上行惊喜已经被充分定价。MRVL和Google的谈判还没有正式宣布——这是一个尚未被市场定价的潜在催化剂。如果Google正式宣布，MRVL立刻拥有Amazon+Google双超大规模客户，ASIC市场份额从15%向25%+跳升的路径被打开。 原因三：两个叙事不相关 AVGO的核心护城河是ASIC和VMware软件。 MRVL的两个叙事——ASIC和光互连DSP——是完全独立的业务。 ASIC受益于去Nvidia化，光互连受益于AI集群扩张。两个独立的增长引擎，互相不依赖，互相不替代。 MRVL在多个AI基础设施顺风中同时暴露：定制芯片、光互连、数据中心网络和更广泛的超大规模资本支出周期。这种在AI主题内的多元化暴露，使它成为纯粹的GPU标的（如Nvidia）的有吸引力的补充。 5. 估值合理吗？ $MRVL：Forward PE 36.4倍，市值$1,470亿。 $AVGO：Forward PE 31倍，市值$2万亿。 $MRVL的Forward PE比 $AVGO略高，但增速也更快： $MRVL FY27营收预期：约$110亿，同比增速约40% $AVGO FY27增速约25-30%。PEG（PE/增速）： $MRVL：36.4 ÷ 40 = 0.91, $AVGO：31 ÷ 27 = 1.15 PEG低于1都算便宜。 用PEG来衡量，MRVL比AVGO便宜约20%。 而且MRVL有Google催化剂这个尚未被定价的变量，AVGO没有。如果Marvell股价涨到$400，需要数据中心营收FY27超过$90亿，Google ASIC合同正式宣布，自定义硅年化营收达到$30亿。在这些条件下，ASIC业务40倍Forward EV/EBITDA，光互连业务20倍EV/Sales。 我觉得2027年是很有可能达到的，这还是在理性的估值下，如果是ai融涨疯牛选择忽略估值的话，如果NVDA到360分析师预测最高，也就是8.8T, 我预测8-10T，那么AVGO会到3-4T, MRVL到500B-1T都问题不大。 6. 三个需要追踪的关键变量 变量一：Google ASIC合同的正式宣布 这是目前MRVL最大的潜在催化剂。谈判已经在进行，但没有正式宣布。每过一个季度没有宣布，市场会稍微失去耐心。但一旦宣布，估值逻辑发生质变。 变量二：1.6T DSP的市场份额 Marvell已经开始出货1.6T PAM DSP，基于5纳米工艺，并推出了下一代3纳米版本，将光模块功耗降低超过20%。 800G向1.6T的迭代是MRVL DSP业务的下一个量子跳跃。如果MRVL能在1.6T时代维持甚至提升市场份额，光互连业务的营收会非线性增长。 变量三：Celestial AI的硅光子整合 MRVL收购了Celestial AI，进入硅光子领域。这是CPO时代最关键的技术平台——把光学引擎直接集成进芯片封装。如果MRVL能在CPO时代把DSP和硅光子整合成一个完整的解决方案，它的价值会远超现在的定价。 7. 最终判断：MRVL是这轮AI牛市里最干净的不对称机会 AI芯片市场分三类公司： 第一类：Nvidia——已经被充分定价的龙头。故事最好，估值最贵，上行惊喜空间有限。 第二类：纯ASIC公司（AVGO）——护城河深厚，但增速放缓在定价中。Google TPU锁定到2031年是确定性，也是上行惊喜的天花板。 第三类：MRVL——两个叙事都在爆发，Google催化剂未定价，市值基数小。 这是不对称机会的经典形态， 下行有Amazon锚定，有光互连稳定收入，不会归零，上行有Google合同宣布+CPO爆发+ASIC市场份额提升，估值可能从$1,470亿走向$5,000亿+。 $MRVL也是我重仓持有的标的之一，短期technical角度今天收长上影线，日线级别调整要来，加仓机会在第一目标165，第二目标140。如果给机会到140补那个缺口，我仓位加满（图1）。 总结：回到那个反直觉的规律：缺货时代，落后者获利最大。 ASIC市场正在缺货——Broadcom一家根本无法满足所有超大规模客户的定制需求。光互连正在缺货——AI集群每季度都在扩张，DSP的需求只增不减。MRVL是这两个缺货赛道里，那个正在被需要的追赶者。 历史一次次证明：当产能不足、供应商只有一两家的时候，第二名是最好的弹性高的投资标的（Nvidia和Amd，TSMC和Intel。） 因为所有人都开始认真研究它了。 #MRVL# #Marvell# #AVGO# #Broadcom# #ASIC# #定制芯片# #光互连# #DSP# #Google# #Amazon# #Nvidia# #AI芯片# #半导体# #美股# #龙二补涨# #CPO# #硅光子# #AI基建# #USStocks# #AIStocks# #数据中心# #去Nvidia化#

#OpenAI# 还没上市，它的算力小弟先要IPO了，这事挺有意思。🧐 之前黄仁勋讲过，未来推理需求将会增长10亿倍，而下周四5月14日，推理时代的 #AI# 芯片黑马，Cerebras ( $CBRS)要上市了，定价区间115-125美金，募资最高35亿美金，估值266亿美金。也将是 @MSX_CN 的第一期 PreIPO项目，还是十分值得期待的！ 今天我们就来拆解一下这家Cerebras公司，以及估值分析情况，还有我个人的一些私人判断和意见。 要了解这个OpenAI系的推理芯片黑马，就要知晓山姆奥特曼的资本布局。 我们都知道英伟达在AI芯片领域有多牛，大模型公司烧钱，云厂商买卡，创业公司排队等GPU，最后利润大多流向卖铲子的英伟达，这是目前行业的现状。 但这种一家独大的局面，各家大模型厂商，都希望有一个嫡系方案做PlanB，比如谷歌Gemini便联合博通采用TPU方案，OpenAI也一直想扶持自己的嫡系部队。 所以在5月6日，OpenAI把英伟达、AMD、英特尔、博通、微软这些本该互相竞争的芯片公司拉到一起，搞了个MRC网络协议。表面看是技术合作，其实是OpenAI要重新分蛋糕了。 更深一层看，我认为是 #OpenAI# 想要拆开英伟达全栈垄断格局。 以前训练、推理、网络、云，全让英伟达一家包圆了。现在呢？OpenAI开始精细化运营：训练归训练，推理归推理，不同场景用不同芯片，不同环节找不同供应商。 #Cerebras# 就是在这个时候被推上了牌桌，它核心负责推理这一环。这正好与最近炒作火热的推理CPU概念，比如 #AMD，##INTC# 等，撞在了风口上。 🔥Cerebras到底牛在哪？ Cerebras的核心杀手锏是WSE-3芯片，直接把整片12英寸晶圆做成一颗巨型芯片，面积46225平方毫米，相当于A4纸的三分之一。 我们数据对比看看，相较于英伟达H100： • 它面积是H100的57倍 • 核心数是52倍 • 片上内存是880倍 • 内存带宽是7000倍 这数据📊看起来蛮夸张的，但核心关键不在大，而在于快。 在推理场景，尤其是长文本输出、实时交互、代码生成、AI Agent这些需要低延迟的任务上，Cerebras的CS-3系统推理速度比英伟达DGX B200快21倍，成本和能耗降到三分之一。这个效率和功耗，采用WSE-3芯片意味着OpenAI能在单位时间服务更多客户，这就相当于白花花银子啊。 📊财务数据也很漂亮 首先从市场趋势来看，AI 产业正从训练为主转向推理为主，这是不争的事实，2025 年全球 AI 推理市场规模已达1062亿美元，预计2030年将增至 2550亿美元，而 Cerebras 的技术优势正好踩在了风口上。 另外本轮IPO估值为266亿美金，发行价为115-125美金/股，我觉得是相对便宜的，虽然比上一轮估值翻了倍，上一轮F轮估值约为120亿美金，短短两年时间，直接翻倍，但架不住漂亮的财务数据。 2025年Cerebras营收5.1亿美金，比2024年的2.9亿增长76%。更牛的是净利润8790万美金，2024年还亏4.85亿，直接扭亏为盈。 以266亿估值来算，PS为52倍。以24年上市的热门半导体连接芯片公司Astera Labs( #ALAB#)做对比，它上市首日PS高达81倍。而目前正处于火热的推理赛道炒作中，个人认为Cerebras冲击80-100倍PS绰绰有余，对应的收盘价192美金—239美金，预计有50%以上涨幅！(但也要观察当天纳斯达克指数行情来综合判断) 不能只说好的一面，目前Cerebras问题也很明显，客户集中度太高。阿联酋MBZUAI贡献62%收入，G42贡献24%，前两大客户占86%。意味着Cerebras必须听大客户的话，自主性有限。可喜的是，OpenAI的介入，未来这种收入结构会有所改善，而且OpenAI会成为最大客户。 🎯OpenAI和Cerebras的深度绑定 最新的数据，OpenAI与Cerebras签了多年的合作协议，总价值超200亿美金，Cerebras要给OpenAI提供750兆瓦算力，部署到2028年。 但这不只是采购合同这么简单。OpenAI创始人奥特曼、总裁布鲁克曼、前首席科学家伊利亚、董事会成员亚当·安戈洛，这些核心高管都个人投资了Cerebras。 OpenAI还通过贷款、认股权证等金融工具，和Cerebras建立长期利益绑定。说白了，现在的Cerebras就是OpenAI的芯片部门。 除此之外，Cerebras 3月又与 AWS 达成合作，CS-3 系统上线亚马逊云端服务，成为首个进入主流云端厂商供应链的非 GPU AI 加速器。此外，葛兰素史克、美国能源部、多个国家实验室等也都是其客户，技术实力也得到多维度的验证。 💡OpenAI的资本局 OpenAI的真实意图很清楚： • 训练继续用英伟达高端GPU • 推理引入Cerebras低延迟方案 • 部分GPU采购AMD • 网络协议开放化 • 云服务在AWS、Azure、谷歌Cloud之间多家下注 • 未来可能推自研芯片 这是算力组合拳策略，不同工作负载匹配不同系统，不再单独依赖英伟达全栈方案。 OpenAI正在从模型公司转变为算力架构公司。以前只能被动接受芯片厂商定义的技术路线，现在要主动设计符合自己需求的算力组合。 OpenAI要把芯片供应商从"平台提供者"降维为"模块供应商"。所以扶持Cerebras是其战略中最重要的一环，预期来看，Cerebras上市首日股价，爆火的概率极大！ ⚡对英伟达的影响 短期看，Cerebras上市对英伟达冲击不大，就像身上长个粉刺一样无关痛痒。 英伟达目前占AI芯片市场80-90%份额，CUDA生态、GPU供应链、NVLink网络，这些护城河短期很难撼动。 但长期看，威胁是存在的。以前AI公司别无选择，只能用英伟达GPU。现在至少在推理场景，客户有了可行替代方案。这种选择权的出现，削弱了英伟达定价权。 当OpenAI可以说"推理我用Cerebras，训练我用英伟达"时，英伟达就失去了"全包"的议价能力。 AI推理市场正在快速增长。根据预测,2026-2032年全球AI推理市场复合增长率将达28.9%。推理场景更适合专用芯片。当推理市场规模超过训练市场时，英伟达在推理领域的相对弱势就会成为更大问题。 英伟达正在从"唯一供应商"变成"核心供应商之一"。这个转变不是因为英伟达变弱了，而是市场变大了，客户变强了，需求变复杂了。 🧐我的判断 Cerebras上市真正值得看的，不是又一家AI芯片公司IPO，而是OpenAI开始把推理这门生意单独拎出来定价了。 当推理市场被验证可以独立定价时，AI算力市场就真的开始分层了。训练和推理的需求差异被明确化，专用芯片在细分场景的优势被验证。 英伟达"一种芯片打天下"的叙事不再完全成立。市场会从"通用GPU垄断"走向"场景化芯片组合"。 而且不只OpenAI这么干，Anthropic也在和亚马逊、谷歌结盟。头部AI公司都在通过多元化采购降低对英伟达依赖。单一供应商的"完整解决方案"不再是最优选择。 最后值得一提的是，这次 #MSX# 第一期PreIPO项目即将上市，它就是本周四即将上市的Cerebras，拭目以待吧！🧐 DYOR🙏

行业分析：AI光互连全景：谁是下一个“HBM级瓶颈”？ AI算力的瓶颈正在从计算转向带宽。随着GPU规模扩大，节点间通信接近N²级增长，电互连在功耗与距离上逐步触顶，光互连从可选项变成刚需。这一变化不只是需求扩张，而是产业结构的重排：光开始从数据中心边缘进入系统核心，甚至进入封装内部。 从底层看，硅光（SiPho）是在硅基上做出一整套光通信器件：波导负责传光，调制器把电信号变成光，探测器再把光变回电。它解决的是带宽与能效问题。硅本身不能发光，激光器依赖InP、GaAs等III-V材料，因此整个体系天然是“硅 + III-V”的异构结构。 产业链可以拆成四层：上游材料（InP与激光材料）、中游核心器件（激光器、硅光芯片）、模块与封装（光模块、CPO）、以及系统与网络架构。价值分配并不均匀。最稀缺的是光源，也就是激光器及其背后的InP体系，这一层类似算力链中的HBM，是物理瓶颈；再往下是硅光与光芯片，决定光电融合是否可行；光模块更偏制造与组装，周期性更强；真正的高价值封装集中在系统级CPO。 在硅光制造这一层，Tower Semiconductor 和 GlobalFoundries 是典型代表。它们本质是foundry，把光子芯片从设计变成晶圆。器件公司是它们的客户，而不是供应商。两者路径不同：TSEM更像工艺专家，擅长定制和复杂结构，解决“别人做不出来”的问题；GF更像平台型foundry，提供标准化工艺和规模能力，让更多客户可以复制。 这也解释了近期股价的差异。TSEM的上涨几乎直接由AI光互连驱动，尤其是硅光需求进入订单兑现阶段；GF更多受益于AI整体需求扩散，硅光只是其中一部分。前者是主线变量，后者更像beta。 很多人会误以为竞争在晶圆尺寸，比如300mm。但在SiPho、模拟、RF这些领域，关键不在晶圆，而在工艺复杂度、良率和客户绑定。真正决定竞争力的是能否稳定量产复杂光电结构，而不是晶圆大小。 从全球格局看，中国在光模块层面占据优势，但在SiPho制造仍处于早期阶段。差距不在技术原理，而在量产能力和客户验证。短期内，由于订单和经验的正反馈，差距在拉大；中期随着下游需求反向驱动，上游有望追赶。这一结构和HBM不同，SiPho不属于天然寡头，更可能走向多极竞争。 真正改变产业结构的是CPO（co-packaged optics）。CPO不是一个器件，而是一种封装形态：把光芯片与算力芯片封在一起，使光从“外部模块”变成“系统内部的一部分”。实现路径是先在SiPho晶圆上完成器件制造，筛选良品（KGD），切割成die，再与GPU/ASIC、HBM等一起进行异构集成，通常采用平面并排而非堆叠。 这一变化的核心结果是：硅光从“独立产品”变成“系统中的一层”。功能重要性不变，但定价权下降。过去光模块可以独立定价；在CPO中，价值更多被系统整合者吸收。掌握先进封装能力的厂商更接近控制节点，这也是为什么TSMC和Intel在这一阶段具备更强话语权，而TSEM和GF更接近中游die供应商。 CPO对技术提出了三大硬约束：功耗、带宽密度和封装耦合。功耗决定系统是否可持续，带宽密度决定扩展能力，封装耦合决定良率和成本。这三点直接推动硅光工艺进入新阶段。 在这一过程中，低损耗波导成为关键基础。波导是芯片内部的“光通道”，损耗以dB/cm衡量。0.1 dB/cm与1 dB/cm的差异，会在封装内线性累积，直接决定系统功耗与成本。当前主流量产水平在0.3–1 dB/cm，先进工艺可到0.1 dB/cm，实验室中的氮化硅（SiN）接近0.01 dB/cm，但距离大规模量产仍有距离。材料路径也逐渐清晰：硅波导受限于粗糙度和折射率，长期趋势是向SiN迁移。 难点不在单点，而在多重极限叠加：侧壁粗糙度、PECVD氢吸收、SiN应力、弯曲损耗、光纤耦合等因素同时作用。这也是为什么真正的优势来自“全栈工艺控制”，而不是某个单一技术突破。 CPO不仅改变技术路径，也改变竞争结构。未来不会出现单一路线，而是分层共存： 核心AI集群：定制CPO，追求极致性能 大规模部署：标准化CPO或pluggable，追求成本与灵活性 即使在CPO内部，也会分化为“高性能CPO”和“标准化CPO”，类似HBM与DDR的关系：前者吃价值，后者吃规模。 对TSEM和GF来说，这种分化进一步强化各自路径。TSEM更靠近高性能CPO，承接定制需求，有机会成为局部瓶颈；GF更靠近标准化CPO，承担规模扩张，是产业的放大器。 整条链可以压缩成一句话：材料决定能不能做，芯片决定性能上限，封装决定系统价值，系统厂决定利润分配。对应到算力链，InP激光器类似HBM，CPO类似GPU封装，光模块类似服务器组装，而硅光晶圆厂更像中间层的chiplet供应商。 从投资角度看，最确定的机会在光源，这是物理瓶颈；最大弹性在硅光与CPO，一旦路径跑通会被放大；光模块是顺周期；封装稳定吃利润但不容易爆发；系统层存在潜在黑马，但取决于架构演进。硅光不会消失，但正在被“吞入系统”。未来真正的“HBM时刻”，更可能出现在光源层或系统级封装，而不是封装之前的中游晶圆环节。 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

孙宇晨说短期缺芯片、长期缺能源、永远缺存储 再长期靠核能！ AI 能源革命下最值得关注的10个核能股票清单 👇 1. Oklo $OKLO 小型模块化核反应堆SMR概念龙头之一，获Meta、英伟达等科技巨头支持，专注数据中心专用电源，主打下一代微型核电站 2. Cameco $CCJ 全球领先铀生产商，掌控优质铀矿资源，是核燃料上游核心标的 3. Constellation Energy $CEG 美国最大核电运营商，21座反应堆，签署微软等数据中心长期供电协议，现金流强劲 4. BWX Technologies $BWXT 服务海军及商用SMR，订单积压强劲，国防+民用双驱动 5. Vistra $VST 能源综合公司，布局核电与清洁能源，受益于电力市场价格上涨周期 6. X-Energy $XE 先进SMR开发商，主打Xe-100高温气冷堆HTGR及TRISO-X燃料，2026年成功IPO，获亚马逊等巨头支持 7. ASP Isotopes $ASPI 专注于生产HALEU高富集低浓铀和先进同位素，采用创新的激光富集技术，是目前核燃料供应链中关键的新兴公司 8. NuScale Power $SMR 美国SMR领域先行者，已获得监管进展，具备商业化落地潜力，是传统核能升级路径核心标的 9. Nano Nuclear Energy $NNE 专注便携式微型核反应堆，概念极具未来感，被市场称为核能版AI概念股 10. Centrus Energy $LEU 美国重要核燃料供应商之一，美国先进反应堆关键燃料，政策支持下国产化替代空间大 你觉得下一只10倍核能股是谁？

最Pua项目给 Tabi ,有没有反对的？ 出身自带光芒，23年获得币安的投资+大牛市行情。五六年的等待换来的是一个又一个新赛道，哪个赛道热追哪个、什么都没玩好，最后弄的四不像！细数下这项目具体蹭了多少热门赛道：NFT、Bsc、L1、GameFi、基础设施、Cosmos、EVM、支付、稳定币、RWA、Ai 总结 21–23：NFT 市场阶段（Treasureland → Tabi） 24：L1 公链 + Gaming/Consumer 基础设施阶段 25：Consumer Finance（TabiPay）深耕阶段 26 ：Consumer AI 执行层（当前核心叙事） 详细项目进展： 20–21 早期 NFT 平台 23.5 L1 公链诞生 24.2–3 公布 Tabi Chain（Cosmos SDK + EVM 兼容模块化链） 24.4–6公布路线图：Public Sale → Captain Node Sale → Airdrop → TGE 25 Devnet v3/v4 陆续上线、Genesis Deposit、Testnet v3、TabiPay 推出 ，布局支付、稳定币、RWA 等 26 Q1 原计划 Mainnet 上线（实际执行中） 26.4–5TabiPay sunset（逐步下线），全面 pivot 到 Consumer AI 定位

BWX Technologies 最近宣布收购 Precision Components Group，这是一次产能扩张，新增的50万平方英尺厂房和400多名熟练工人，在核能需求重新启动的周期里，是能稳定交付的制造能力的保证。 核能正在进入一个新的上行周期。AI带来的电力需求增长，叠加政策推动的小型模块化反应堆（SMR）和能源结构转型，使核能重新成为“稳定基荷电源”。 供需缺口急剧拉大。尤其是在美国，本土核工业制造能力长期萎缩，具备认证、工艺和经验的生产体系极难复制。核级设备涉及严格的认证体系和极长的验证周期，不是资本投入就能快速扩出来的产能。 这使得行业的竞争逻辑发生变化。和之前的be逻辑类似，重要的是制造和按时交付。BWXT通过这次收购，把自身从“接单能力”进一步推向“交付能力”。 如果用类半导体产业链的视角去看，核能产业链也在逐渐出现类似“ASML / KLA”的角色。真正的核心在那些具备高认证、高复杂制造能力、且产能极难复制的供应层。 BWXT本身就是这一类公司，更接近“复杂度收费者”的角色。类似的还有 Curtiss-Wright，在泵、阀门和控制系统等关键部件上形成长期绑定，一旦进入供应链，生命周期可以锁定几十年。Chart Industries 则属于跨能源体系的设备提供商，类似更广义的“卖水人”。 相比之下，像 Westinghouse Electric Company 这样的反应堆公司，更接近整机厂，承担工程和系统集成风险；NuScale Power 代表未来可能的技术方向，但商业模式和成本仍未完全验证；而 Cameco 则处在资源端，受益于需求增长但更具周期性。 类似AI产业链中GPU、HBM、电力成为瓶颈，核能体系里的瓶颈正在向制造端集中。AI的发展正在反向推动重工业复兴，形成一条清晰的传导路径：算力需求增长→电力需求上升→核能重启→制造能力成为约束。 BWXT的这一步，本质是在赌一件事：未来核能的竞争，不是需求之争，而是供给能力之争。谁能造出来，谁就拥有定价权。 免责声明：本人持有文章提及股票，观点充满偏见，非投资建议dyor

AI芯片的scale up，底层=物理的限制是reticle： 光刻机一次只能曝光一个固定大小的区域，上限大约在800mm²左右。这决定了目前单颗芯片的尺寸的硬天花板。 行业突破这个限制的难度非常大，接近物理极限，因为光刻的面积和精度往往不能两全（镜头等设备限制），所以只能绕开它。 早期是大GPU，但这样做成本和良率都会变得很差。后来逐渐转向另外两条路径：一种是把系统做大，用一块更大的“硅底板”interposer把多个芯片拼在一起；另一种是把芯片拆小，再通过高速连接重新组合。 interposer本质上不做计算，只负责连接。GPU、HBM这些芯片放在上面，通过更细、更密、更短的连线实现高带宽数据交换。AI算力之所以能上一个台阶，很大程度上不是因为算得更快，而是数据在不同芯片之间移动得更快。 但interposer本身也会超过reticle的尺寸，这时候就需要用到stitching。做法就像拼瓷砖：一块一块曝光，然后精确对齐，拼成一个整体。难点在于精度控制，边界一旦对不齐，连线就会出问题。 这种方式只适用于对精度不那么敏感的结构。像CPU、GPU这类逻辑芯片，对时序的要求极高，任何纳米级误差都可能影响性能，所以不能用stitching。interposer因为只是布线层，没有复杂逻辑，可以容忍这种拼接带来的误差。 围绕连接这件事，行业逐渐形成了cowos和emib两种不同的实现路径。一种是做一个统一的大平台，把所有芯片放在同一块interposer上，连接集中在这层完成，带宽能力很强，但成本也高。另一种是不做大底板，只在需要高速连接的地方嵌入一小块桥接结构，按需提供带宽，结构更灵活，制造压力也更小。 在AI训练场景下，模型规模大，HBM带宽成为关键，整个平台需要维持极高的数据吞吐，这类设计更依赖大面积interposer。 但推理场景的约束不一样，更关注成本、延迟和并发，带宽需求往往集中在局部，不需要整个平台都维持极致带宽。这时候，把芯片拆成多个模块，再用局部高速连接拼起来，会更合适。 这也是EMIB这类方案更容易在推理芯片和ASIC里出现的原因。它不需要一整块大interposer，而是在关键位置提供高带宽连接，可以把计算、缓存、IO等模块分开设计，再按需组合。这样的结构更容易控制成本，也更有利于根据不同业务场景做定制化调整。对云厂自研芯片来说，这种灵活性很重要。 当然，推理并不完全不需要高带宽。在一些大模型推理场景里，HBM依然重要，对应的封装方案也会更接近训练芯片。但在更广泛的推理需求中，成本和规模才是核心约束，这使得模块化和局部互连的价值变得更高。 站在26年一季度末看未来，AI算力的扩展路径其实已经很清晰了。不是把单个芯片做得越来越大，而是把计算拆开，再用更高带宽把它们连接起来。芯片本身的尺寸被reticle锁死了，系统的规模则由连接能力决定。 免责声明：本文非投资建议dyor

Restaking 生态终于迎来了两个重要里程碑：EigenLayer 上线主网，以及首批上线主网的 AVS：AltLayer、Brevis、eoracle、Lagrange、Witness Chain、Xterio。 AVS 才是 EigenLayer 协议能否真的具有实用性和安全性的最终体现。而此前的这些 Restaking 协议或者流动性再质押代币，只是这个生态的起步和吸引流动性的手段之一。此前更多是通过激励供给，让更多 ETH 进入 Restaking 生态并调动更多节点，而 AVS 才有潜力释放需求，才能为 Crypto 和去中心化网络提供更多价值。 首批上线的 AVS 分布在各个赛道，包括 Rollup 即服务、预言机、ZK 协议处理、DePIN、游戏。最值得注意的是 ZK 协处理器，这是个相对新的概念，也没有成熟的产品，而 EigenLayer 竟然在首批同时支持 Brevis 和 Lagrange。 另外，EigenLayer 的主网上线并不意味着协议已经进入了成熟期，仍有很多尚未完全清楚的模块和方案，比如未来节点的罚没（Slashing）机制，如何从经济层面确保 AVS 的安全性，甚至是代币经济学的设计，都需要等待团队后续披露。 ⚡️什么是 AVS？ AVS 全称 Actively Validated Services（主动验证服务），是 EigenLayer 协议中设定的一个概念。简单来说，可以把 AVS 类比为「中间件」，也就是可以为终端产品提供服务的，比如数据和验证的能力。 ⚡️AltLayer： Rollup 即服务 AltLayer是一个 Rollups-as-a-Service 供应商，可以根据需求定制 Rollup 这些 Layer2 网络的部署。AltLayer 与 EigenLayer 合作推出了 Restaked Rollup 框架，并且提供了三个模块化的 AVS。 - VITAL (AVS for decentralized verification of rollup's state)：可去中心化验证 Rollup 状态的 AVS - MACH (AVS for fast finality)：快速终局性的 AVS - SQUAD (AVS for decentralized sequencing)：去中心化定序器的 AVS ⚡️Brevis：ZK 协处理器 「ZK 协处理」这个概念也有一年多的时间了，简单来说，就是可以通过零知识证明技术，让以太坊的智能合约获得更多的可验证的数据，丰富应用的使用场景。 Brevis coChain 是一个 PoS 区块链，可以通过 ETH 质押来保护其安全性，依赖 EigenLayer 协议。它在设计上更像是「乐观」机制和「ZK」机制的组合。 ⚡️eoracle：模块化和可编程的预言机网络 预言机协议 eoracle 这个名字来自于 (e)thereum + oracle。他们称自己是以太坊上第一个「原生」的预言机。 预言机的需求以及商业模式相比其他几个 AVS 就明确的多，很多DeFi、RWA 都需要链外的数据，而预言机网络就是通过参与的节点来验证数据。 eoracle 明确表示会是双代币的模式，其他几个 AVS 也可能会是这种模式，也就是网络的安全性依赖 Restaked ETH 来保证，同时也会发行 AVS 的原生代币，用来激励节点。 至于原生代币的更多用途和设计，暂时没有披露，但他们认为原生代币可以促进网络的参与度（也就是激励用户？），确保公平价值分配（也就是收入按照 Token 分配？）和促进 eoracle 协议的去中心化（也就是作为权重或者治理？）。 ⚡️Lagrange：并行 ZK 协处理器 Lagrange 团队表示，他们设计的 ZK 协处理器原生支持并行化和水平扩展，能够轻松证明大规模分布式计算在链上存储或事务数据的结果，并且证明工作负载可以同时分布在成千上万的工作节点上。除此之外，和 Brevis 提供的服务有些类似。Lagrange 这个名字来源于数学家、力学家和天文学家「拉格朗日」。 ⚡️Witness Chain：DePIN 网络 Witness Chain 是一个专为去中心化物联网设备设计的网络，它包含了很多组件，比如 DCL （DePIN Coordination Layer），其实也就是提供了一些 DePIN 生态所需要的基本服务，比如链本身的安全性、节点的带宽、物理位置等。 ⚡️Xterio：专注游戏生态的 L2 Xterio 和上面这些 AVS 稍微有些不同，它其实是利用 AltLayer 的 RaaS 发行的一条基于 EigenDA 和 OP Stack 的二层区块链。Xterio Chain将专注在 AI 和 Web3 游戏相关的场景中。 阅读全文：