与「AI芯片」相关的搜索结果

高盛Rich Privorotsky：Muse只是起点，AI Agent真正要重写的是整个经济的“摩擦成本” 高盛One-Delta交易台负责人Rich Privorotsky现在关注的，已经不只是 $META 的Muse有多火。 他提出了一个更大的判断： Agentic AI正在开始消除整个经济体系里长期存在的“摩擦”，而这可能带来一次真正的生产率跃升，并形成结构性的去通胀力量。 这可能也是理解下一阶段AI行情最重要的一条线。 过去三年的AI牛市，市场主要交易的是： 训练模型 → GPU → HBM → 数据中心 → 网络 → 电力 而下一阶段，市场开始交易一个完全不同的问题： 当AI真正进入日常经济活动以后，它到底能够替人类省掉多少时间、成本和中间环节？ Muse真正改变的，不只是AI能力，而是“消费者惯性” 很多行业过去能够长期维持较高利润，并不完全因为它们的产品无法替代。 其中一个很重要的原因，是消费者嫌麻烦。 保险续费涨价了，你懒得重新比较几十家公司。 手机套餐贵了，你懒得转运营商。 酒店价格高了，你没有时间每天重新搜索。 订阅服务每个月继续扣钱，你甚至已经忘记自己还在付费。 退款需要打电话、发邮件、等待客服，很多人最后干脆放弃。 这些看似微不足道的事情，实际上构成了一个巨大的隐形经济： Consumer Inertia——消费者惯性。 过去消费者的时间有限，所以很多公司实际上可以从“麻烦”本身赚钱。 Muse这样的AI Agent正在攻击的，恰恰就是这种摩擦。 如果你的AI可以24小时替你比价、取消订阅、申请退款、重新谈账单、寻找更便宜的保险、比较酒店、订机票甚至完成支付，那么过去建立在消费者“不想折腾”之上的商业模式就可能受到压力。 AI最先消灭的，未必是某一个行业，而是“麻烦”本身。 为什么这可能带来结构性去通胀？ 想象一下，当未来几亿甚至几十亿消费者都拥有一个永远不会累、永远愿意比较价格的AI Agent，会发生什么？ 保险公司更难依赖客户懒得换公司维持高价格。 旅游平台必须证明自己的佣金真正创造价值。 长期不用的订阅可能被Agent自动取消。 零售商品的价格透明度进一步提高。 企业内部大量重复的行政、客服和后台流程也可能被自动化。 于是经济体系中大量长期存在的成本： 信息差 + 搜索成本 + 时间成本 + 人工成本 + 中间环节 都有可能被压缩。 这就是Privorotsky所说的生产率红利。 过去互联网降低的是信息传播成本。 移动互联网降低的是连接成本。 而Agentic AI下一步可能降低的是： 行动成本。 这可能比单纯推出一个更聪明的大模型，对整个经济的影响更加深远。 所以AI行情可能开始从“卖铲子”走向“生产率革命” 第一阶段的赢家其实非常容易理解。 $NVDA、$AMD、$TSM、$AVGO，以及HBM、网络、光通信、服务器、数据中心和电力基础设施。 因为无论最后哪一个AI模型胜出，都必须先购买算力。 但Agent时代真正有意思的地方，是AI创造的价值可能开始从基础设施向整个经济扩散。 企业可以减少后台人工成本。 客服效率提高。 营销变得更加精准。 库存管理改善。 软件开发周期缩短。 采购和供应链流程自动化。 消费者寻找商品和服务的成本下降。 当这些效率提升逐渐进入企业利润表以后，AI的赢家就不一定永远只集中在半导体。 第一阶段赚的是“建设AI”的钱。 第二阶段赚的可能是“使用AI提高生产率”的钱。 这两轮行情的受益公司可能完全不同。 CPU为什么突然成为Agentic AI的重要交易方向？ 这一点也值得特别关注。 过去生成式AI最重要的硬件交易是GPU，因为训练和大规模模型推理高度依赖GPU。 但Agent并不是简单回答一个问题。 它需要打开浏览器、运行操作系统、调用API、处理文件、管理数据库、执行代码、安排任务，甚至同时运行多个Sub-Agent。 这意味着Agent时代增加的不只是模型推理负载。 它还增加了大量传统计算工作负载。 所以市场近期开始重新关注CPU以及整个服务器基础设施。 如果未来不是几百万人偶尔问AI一个问题，而是几亿个Agent每天在后台连续工作几个小时，那么计算需求的结构本身都会发生变化。 这也是为什么现在不能再简单用： “AI = GPU” 来理解整个产业链。 未来更完整的公式可能是： AI Agent = GPU + CPU + Memory + Storage + Networking + Power Agent运行时间越长，需要调用的工具越多，整个数据中心被消耗的资源也就越多。 但市场现在仍然处于非常早期的定价阶段 目前指数很强，但市场宽度并不好。 大量资金依然高度集中在AI和少数大型科技公司。 所以现在看到的更像是三个阶段： 第一阶段：AI基础设施重新定价。 GPU、HBM、网络、数据中心、电力率先上涨。 第二阶段：Agent平台重新定价。 $META 的Muse只是最近最明显的案例之一。 第三阶段：整个经济的生产率重新定价。 如果Agent真正大规模进入企业和消费者生活，受益范围才可能从科技行业逐渐扩散到更广泛的权益市场。 而现在，我们可能刚刚站在第二阶段的入口。 这也是为什么高盛交易台对大盘仍然保持积极观察 Privorotsky的另一个核心观点是，目前市场并不是毫无风险。 季节性仍然存在。 实际利率仍然偏高。 地缘政治风险没有消失。 市场宽度也并不理想。 但另一方面，投资者对这些问题已经非常警惕，仓位和情绪本身并没有进入极端乐观状态。 因此他认为，市场仍存在进一步向上突破的空间。 这里真正值得注意的，不是简单地说“美股一定继续涨”。 而是： 如果Agentic AI开始被市场从一个科技产品故事，重新理解成一场生产率革命，那么它能够支撑的估值范围，就不一定只局限在几家AI芯片公司。 这可能才是下一轮行情真正值得观察的变化。 过去三年，我们一直在问： 谁能提供AI需要的算力？ 接下来市场可能开始问： 谁能够利用AI，把自己的收入增长得更快、成本降得更低、利润率做得更高？ 而再往后，还有一个更大的问题： 如果Muse只是第一批真正进入大众市场的Agent，当几十亿个AI Agent每天替人类工作、购物、谈价格、管理订阅和完成交易时，今天哪些行业看起来稳定的利润，其实只是建立在“人类嫌麻烦”这件事上？

阿里平头哥发布真武V900 AI芯片，单卡216GB显存，片间互联来到1.2T，原生支持FP4、FP8精度，配套全新磐久超节点，预计2027年Q1正式上市。 回看三年前英伟达发布的H200：141GB HBM3e显存，片间互联900G。 国产这波参数纸面对标，看起来有机会赢麻了哈哈哈，就看实际落地表现！

给大家推荐一个发财的机会，风险自负。赔了不要找我，赚了给我发红包。 深圳奥尼电子（ 从 2025 年开始，奥尼明显调整战略，从单纯的音视频智能硬件，转成： 音视频智能终端 + AI 推理算力 摄像头采集数据 → 边缘设备处理 → AI服务器推理 → AI Agent 使用。 2026 年上半年，奥尼电子： 营收 9.07 亿元，同比增长 215.44%；归母净利润 1681 万元，去年同期亏损 6413 万元，已经扭亏。 AI服务器/工作站/计算设备已经占总营收约56%，甚至超过了传统音视频业务。 这个转型速度其实非常快。 它真正擅长的是： 供应链 + 整机设计 + 散热 + 主板 + 制造 + 系统集成 + 客户定制。 GPU、CPU、核心AI芯片仍然来自 NVIDIA 等上游。 原来做消费电子ODM → 利用自己的电子制造能力进入AI服务器ODM。 奥尼现在属于一种挺典型的 “小公司遇到大赛道，正在发生业务跃迁” 的状态。 2025年全年营收已经达到 9.46亿元，同比增长70.52%，到2026年仅上半年就已经做到9.07亿元。 但财务上也有一个非常明显的问题： 收入涨得极快，利润却没有同步爆发。 9.07亿收入只赚了约1681万归母净利润。 而且2026上半年： 经营现金流 -6.51亿元。 公司解释主要是采购高性能计算设备原材料导致；与此同时，为支持扩张，公司融资规模也明显增加。

🎙️ 麦通 MSX Space｜AI主线走向延伸：应用、安全与定制芯片成新方向？ 市场风格转变，AI叙事加速换挡 ⏳ 9/9（周三）20:00｜UTC+8 🔥 我们聊什么： 1）历经多轮AI周期，软件股的估值叙事再次被改写了吗？ 2）AI 扩大企业攻击面，网络安全能否走出独立行情？ 3）GPT-6 Astra 引领AGI时代， 将怎样影响AI需求走向？ 4）Anthropic 冲刺上市，近 2 万亿美元估值如何说服市场？ 5）数据安全走向台前，如何看ZEC当前的市场逻辑？ 6）10 年期美债收益率达到 4.8%，高利率会带来怎样影响？ 7）从英伟达 GPU 到 ASIC/XPU，AI 芯片叙事走到哪个阶段了？ 👑 主办方： @MSX_CN 🎤 嘉宾阵容： Rocky @Rocky_Bitcoin Cato_KT @Cato_KT 大老师Bugsbunny @octopusycc MSX_Mike @msxmike21719 🎙 主持人： MSX景宝 @Jing_MSX 🔔 预约与收听： #麦通# #MSX# #宏观# #美股# #链上美股用麦通# #MSX美股知识大学习# #科技股# #半导体# #AI# #英伟达# #GPU# #Anthropic# #IPO# #OpenAI#

过去一段时间，只要谈到AI投资，大家最先想到的往往还是英伟达。 但我越来越觉得，如果只盯着一家芯片公司，我们看到的可能只是AI浪潮中最显眼的一部分。训练和运行AI模型，不仅需要GPU，还需要数据中心、电力、云端算力、高速数据传输，以及最终将AI带入现实世界的机器人。 换句话说，AI不是一家公司或一类芯片的故事，而是一场覆盖整条基础设施供应链的长期建设。这也是我开始关注 @reserveprotocol 的原因。下面我想说说Reserve到做了什么？ Reserve围绕去中心化代币基金，也就是DTF来构建产品和基础设施。它通过Ondo Globa Markets的代币化股票，将AI供应链中的不同公司组合成五个链上主题篮子，让符合资格的用户能够分别了解和接触AI建设的不同环节。而且我认为这次产品设计最值得关注的地方，不是简单地把股票搬到链上，而是把原本比较分散的AI基础设施主题，拆解成了五条更容易理解的投资方向。 1. AI Infrastructure（BUILDOUT） BUILDOUT覆盖相对完整的AI硬件和基础设施技术栈。如果把AI产业比作一座正在扩建的城市，BUILDOUT关注的就是修建这座城市所需的各种底层设施，而不是只押注其中一家明星公司。 2. AI Power（POWER） AI运行需要大量电力。数据中心规模越大、模型训练越复杂，电力供应就越重要。我认为，能源是AI讨论中经常被低估的一环。算法可以快速升级，但发电设施、电网接入和长期供电合同并不能在一夜之间完成。POWER关注的正是为AI运行提供能源支持的企业。 3. AI Capacity & Neocloud（NEOCLOUD） NEOCLOUD聚焦将高性能计算资源作为服务提供给客户的企业。不是每家公司都有能力自行购买大量GPU、建设数据中心并维护整套计算基础设施。因此，算力租赁和新型云服务正在成为AI产业链中的重要组成部分。在我看来，这一方向值得关注的原因，是它直接连接了算力供给与企业的实际AI需求。 4. AI Photonics（PHOTON） AI不仅需要计算，还需要在芯片、服务器和数据中心之间快速传输大量数据。PHOTON关注的是光子技术和高速数据传输，也就是帮助数据高效流动的光学层。 很多人关注一块芯片能算多快，但我认为，芯片之间能否高效交换数据，同样可能影响整个AI系统的性能。 5. Robotics（ROBOTS） ROBOTS关注AI从数字世界进入物理世界的过程，包括机器人、自动化设备及相关产业链。如果说大语言模型让我们看到了AI理解和生成信息的能力，那么机器人代表的就是AI感知环境、作出判断并执行现实任务的可能性。这也许是五个方向中最直观、同时最具想象空间的一条主线。 了解了上面5个方向，接下来说下我怎么看这次机会。 我认为，Reserve AI DTF最值得讨论的地方，是它把AI交易从猜下一家明星公司，转向了观察哪些基础设施正在真实建设。市场情绪可以在一个月内发生很大的变化，但已经签署的数据中心建设计划、电力合同和芯片订单，这属于持续数年的商业承诺，而这些基础设施支出不一定会因为市场短期下跌而立即停止。因此，把基础设施建设看作观察AI产业一个重要指标，我认为是很有必要的，而不是只关注短期价格和社交媒体热度。当然这些并不意味着基础设施相关资产不会下跌，也不能说明AI DTF能够完全规避市场的波动风险。我的观点是：市场情绪和产业建设不总是同步的，而这种差异本身会有一些只得研究的地方。 现在想想，在过去，想在链上通过单一篮子覆盖这些主题并不容易。而Reserve让这个方向开始具备更清晰的产品结构，也更适合让人去找到合适自己的方向并且找到适合自己的产品标的。 最后如果让你从AI基础设施中选择一个未来几年最值得研究的方向，你会选哪一个？ 是AI芯片和硬件、电力、云端算力、光子技术，还是机器人？ 我自己会特别关注电力和算力服务。原因很简单：无论最终由哪一家模型公司胜出，AI系统都需要持续消耗算力和能源。但这只是我的观察，并不代表这些方向一定会获得更好的市场表现。 但是我肯定会持续关注 @reserveprotocol 带来的一些优质资产和设施，对于我来说确实降低了研究传统资产的门槛。

OpenAI 自研AI芯片 Jalapeño来了 是由OpenAI 和 Broadcom 合作做的 ASIC（专用芯片），专门做推理的 比 Nvidia 旗舰更省电、更快，计划 2026 年底有限部署、2027 年扩大规模

HBM越堆越高的逻辑，可能要反转了 瑞穗证券昨晚发了份研报——他们的分析师刚跟SemiAnalysis总裁Doug O‘Laughlin吃完晚饭，信息量很大。 美股投资网挑几个最核心的结论先说： 内存还是AI最大的瓶颈。但这个瓶颈的形状，正在变。 HBM层数可能不升反降。GPU出货量反而能增加20-30%。 听着矛盾。往下看你就明白了。 HBM层数：风向在变 瑞穗刚把美光目标价从1375美元砍到1300美元，闪迪从1900砍到1875。应用材料从650砍到590，泛林从370砍到365。 砍价理由不是需求不行——是 "DRAM降规风险" 。 Doug跟我们聊到一个关键判断：GPU厂商未来可能在HBM上只堆4-8层，12层的吸引力在下降。16层、20层HBM和混合键合，在未来的DRAM世代里充满不确定性。 市场一直预期HBM会越堆越高。 现在剧本可能反过来。 一个关键的逻辑反转：HBM少了，GPU反而更多 Doug的原话是：HBM转换比率在下降，从3:1降到5:1。 逻辑链条非常直接： 每颗GPU用的HBM层数减少 同样数量的DRAM晶圆，能造出更多GPU GPU/AI芯片出货量可能增加 20-30% 更多GPU出货 → 更多训练和推理需求 → KV Cache总DRAM位元需求反而增长 少即是多。 内存含量下降，出货量上升，总需求不降反升。 铜缆和光互联：正在抢跑 Doug对铜缆的态度很明确：AEC是AI机架内连接的核心方案。 CRDO走在最前面。 Lumentum那边，NPO（近封装光学）被管理层定位为"增量机会"，预计2027年底到2028年进入市场。InP衬底的需求已经严重超过供应。 CPO（共封装光学）呢？还得等2-3年。 短期赢家是铜缆AEC和NPO/SiPh/InP。CPO还早。 800V可能推迟 聊到数据中心电力方案的时候，Doug提了一个很有意思的观察：数据中心运营商对800V高压直流方案有抵触。 原因很实际——变化太大，员工需要重新培训。 数据中心正在转向±400V双极双路机架。在传统400V直流布局上爬坡更容易，对SiC和辅助设备的需求反而减少。 800V推迟 ≠ 电力需求减少。只是换了一条更慢、更稳的路。更多的电压调节模块会补上来，继续支持GPU出货。 2027年的两个大数字 Doug还提到了2027年的两个预期： XAI/USPCX的10GW电力 5000亿美元的NOCL资金 BIC 2027年会给这些项目带来顺风。 10GW是什么概念？ 一个典型核电机组约1GW。10GW就是10座核电站的电力，全砸进AI数据中心。 这顿饭的核心结论：内存还是瓶颈，但瓶颈在变形状——层数在降、出货量在升、总位元需求不降。 短期赢家： AEC铜缆（CRDO）、NPO/InP（LITE） 短期承压： WFE设备商（AMAT/MKSI/LRCX），目标价已被下调 需要观望： CPO（还要2-3年）、800V（可能延迟） 大方向没变： AI算力需求还在往上走。只是技术路线在微调，供应链的赢家和输家在重新洗牌。 美股投资网认为，这顿饭最有价值的信息不是某个目标价上调或下调，而是HBM层数可能见顶这个信号。 如果市场一直按"HBM越堆越高"的逻辑在给内存和设备商定价，那这个预期的松动，就是最大的风险点。 $CRDO $LITE $AMAT $MKSI $LRCX #美股#

可能很多人对27B模型没什么概念。 27B听起来好像也没多大啊，现在普通玩家128G内存都开始普及了。 但我讲几个冷知识。 Google训练Gemma 3 27B的时候，预训练数据是14万亿Token。 不是140亿，也不是1400亿。 是14万亿。 训练它的集群用了6144颗TPU v5p。 而27B这个数字，只代表它有大约270亿个参数。 光把BF16原始权重放进内存，大概就是54GB。 32K上下文跑起来，加上KV Cache，大概72.7GB。 注意，这还只是推理。 真正训练的时候还要塞梯度，优化器状态，激活值，各种通信Buffer。 所以你看到一个27B模型只有几十GB，很容易产生一种错觉。 这玩意我电脑都装得下，我是不是也能训练。 完全是两回事。 还有一个更离谱的地方。 14万亿Token是什么概念。 假如一个人一天非常夸张地读10万个Token，而且一天不休息。 读完这些训练数据，大概需要38万年。 而机器要做的也不只是把这些字读一遍。 它要一层一层做矩阵运算，算损失，反向传播，再一点一点修改270亿个参数。 所以我现在越来越觉得，本地能跑27B，甚至70B，是一件非常牛逼的事情。 不是因为我们的电脑已经可以训练它们了。 而是因为人类把一个需要几千颗AI芯片训练出来的东西，压缩，量化，优化之后，居然可以塞进一台桌子下面的小电脑里。 这个过程本身就挺赛博朋克的。

台北的集邦咨询认为，中国国产芯片，预计将在 2026 年占据国内高端 AI 芯片市场近 90% 份额，同时英伟达、AMD 等向中国出货份额，预计缩减至约 10%。 美国出口管制持续施压，以及国内政策支持，让今年的中国高端 AI 芯片市场的总出货量，预计增长超 83%。

AEHR,测试环节的卡位者一场 Burn-in，提前筛掉坏芯片 白线主播 Minta 认为，AEHR 真正卖的不是一台测试设备，而是在先进封装之前把问题提前筛出来的能力。随着 AI 芯片功率越来越高、先进封装越来越贵、数据中心对长期稳定运行的要求提高，客户也更愿意把测试和 Burn-in 前移到晶圆阶段。 AEHR 已经拿到高功率 AI 芯片和硅光相关订单，但接下来真正要看的，不只是 2027 财年指引能不能兑现，而是订单能否按期交付、第二家 AI 客户能否进入量产，以及定制接触器收入能否随着装机持续增长。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。