与「ALAB」相关的搜索结果

For the last ten years, I have gone to work to serve the people of Alabama—the place my family has called home for 208 years. From the day I showed up at 501 Washington Avenue until today, I have worked quietly and diligently to to deliver for our folks—our LEOs, our farmers, our industries, our crime victims, and everyday Alabamians. I am proud of what we’ve accomplished and am well-equipped to lead our great state through the next round of legal battles—whether that’s turning the page on public school desegregation orders, taking full control over our elections, or fighting to clear the backlog of violent crime cases across our state. This isn’t the time for on-the-job training. Elect an AG who is already in the fight!

川普访华，英伟达总裁黄仁勋半路上飞机陪同，AI半导体小跌之后继续上涨。 AI概念继续，底层光模块成为下一个百倍机会。 AI算力的「新天花板」已現－GPU再猛，也被資料傳輸徹底卡住！ 從機架到資料中心，銅纜已到極限，光子學正式接管AI互聯命脈！ 雷射、光收發器、DSP、矽光子、光開關、光纖…這些曾經的「冷門技術」，正在成為決定萬億AI集群性能的核心基礎設施！ 📈2025光子學頂級玩家速覽（今年真實漲幅，乾貨拉滿）： $AAOI +430% 超大規模AI光收發器，月產能10萬台，直連Houston&台灣供應鏈 $AEHR +418% 矽光IC燒錄驗證系統，全球大廠排隊，訂單積壓5090萬美元 $LITE +186% InP雷射全球50-60%份額，400G差分EML已量產，訂單超4億美元 $CIEN +149% AI長短距網路核心，1600ZR/ZR+光模組+6.4T光引擎震撼亮相 $GLW +137% 光纖光纜基礎設施王者，Meta簽60億大單，多芯光纖容量暴增4倍 $MTSI +114% 光模組類比晶片龍頭，800G/1.6T全面升級 $COHR +106% InP+矽光+1.6T全覆蓋，400Gbps矽光已實測 $MRVL +101% 光DSP訊號處理大腦，1.6T/6.4T矽光引擎全面鋪開 $CRDO +46% 活躍電纜+光DSP+矽光一體化，7.5億收購DustPhotonics $FN +43% 精密製造底層，泰國+美國產能支撐光模組爆發量產 $ALAB +25% Chip-to-chip光學引擎IP，直接嵌入AI互連平台 $AVGO +24% 光DSP+EML+VCSEL+400G DSP，3.2T→204.8T切換已就位 ⚡光子學不是概念，是AI算力突破的唯一答案！ 錯過GPU紅利的人，這次真的要再錯過光子學萬億賽道嗎？ 把這條乾貨收藏、轉發、拉進你的AI知識庫—— 真正的財富密碼，往往藏在「看不見」的底層基礎建設裡！ #AI# #Photonics# #光子學# #矽光子# #AI基礎設施# #資料中心# #高效能運算# #半導體# #光模組# #AI算力#

#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🙏

周末深度：从CPO + ELS光源趋势看独立激光器玩家的的位置、边界与终局 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增长，电互连在功耗与距离上触顶，光互连从“可选项”变成“刚需”。 在这一过程中，CPO（Co-Packaged Optics）与ELS（External Laser Source）开始重构产业链：激光器从模块内部被剥离，成为系统级资源。 独立激光器玩家SIVEF正处在这个变化的一个关键节点。 一、SIVEF做什么 公司核心是基于InP平台的WDM DFB laser array。 简单说： DFB：稳定单波长激光器 WDM：多波长复用 array：多激光器一体化 本质不是卖“激光器”，而是提供多通道光带宽能力。 在CPO + ELS架构下： 传统：每个模块一个激光器 新架构：一个光源供多个通道 激光器从“分布式组件”变成“集中资源”，这就是价值重分配的起点。 二、为什么是WDM DFB array AI数据中心的约束很清晰：单通道速率接近极限，电互连功耗不可扩展，带宽必须靠“并行化” 唯一可扩展路径是： 多波长（WDM） 而WDM的前提是：稳定、可控的单波长光源（DFB） 因此，WDM DFB array是当前工程上最优解。尽管不是最先进的理论方案，但它是唯一可规模化落地的方案。 三、SIVEF的优势本质 SIVEF的优势不在“技术独占”，而在三点： 1）无历史包袱 没有模块业务，可以完全围绕CPO + ELS设计产品。 2）系统级适配 产品从一开始就为SiPho/CPO设计，而不是通用激光器。 3）先进入生态 已进入 Ayar Labs 体系，属于“被选中的玩家”。这意味着，当前优势 = 先发 + 架构匹配，而不是壁垒 四、竞争格局 第一梯队：传统激光巨头 Lumentum Holdings Coherent Corp. 优势：产能、客户、全栈能力 劣势：路径依赖 第二梯队：系统公司 Broadcom Inc. Ayar Labs 优势：定义架构 风险：向上整合光源 第三梯队：光源专注玩家 SIVEF 特点：灵活、适配新架构 问题：无规模、无产能控制 五、功耗优势的本质 SIVEF的优势不是单个激光器效率更高，而是： 架构改变带来的系统级效率提升 核心变化：激光器数量减少，光路径缩短，热环境优化 结果是系统功耗下降数倍（而非单点优化） 六、SiPho复杂度与调校壁垒 SiPho系统的难点不在单个器件，而在多层耦合：波长匹配，光耦合，热管理 调校是持续过程，而非一次性设计。这带来工程经验和数据积累，长验证周期（12–24个月）。因此会形成工程锁定 + 时间锁定。但不形成技术垄断 其可能形成的飞轮： design-in → 调校数据 → 性能提升 → 更多订单 → 再优化 但这是一个“条件飞轮”，成立依赖： 1）ELS成为主流架构 2）客户形成切换成本 3）公司具备扩产能力 缺一不可。 这个赛道真正的壁垒在系统验证 + 客户导入，而不是器件本身。 七、技术演化 WDM DFB光源最终会受到三类物理约束：线宽与噪声 ，光谱密度，能效极限 目前仍有：功耗：3–10倍优化空间；波长密度：2–4倍提升空间 但极限是系统级的，而不是器件级的。系统级玩家avgo，alab更容易成为产业链链主 长期来看，WDM DFB会面临frequency comb的威胁 frequency comb本质是一个激光器产生所有波长，理论上可以替代DFB array。 但目前还在实验室阶段，工程化困难，5–10年才可能产生边际影响，本文篇幅所限，不展开。 八、结论 SIVEF处在一个典型的“架构切换红利期”：当前优势来自先发与适配，中期取决于design-in是否转化为订单，长期受制于规模、产能与系统整合 这是一个时间差 + 学习曲线驱动的动态的竞争赛道。关键在于争夺从技术验进入规模化生产所需的客户订单。 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