与「ASIC」相关的搜索结果

如果我们可以重新理解 Quant Developer。 这并不只是思想实验。 Jane Street 2026 年公开的研究方向包括机器学习、编程语言、编译器、ASIC、FPGA、分布式 shared log、incremental computation、查询优化、分布式存储和形式化验证，而Citadel GQS 则把实时数据、HFT 执行和低延迟 ML 推理放进了同一个 Quantitative Research Engineer 岗位。 再次强调，市场是一个高维、受驱动、耗散的非平衡系统。 订单持续进入、撤销、成交，信息、资本和风险不断注入，异质的参与者相互作用，系统几乎从未达到平衡。 当看到Jane Street 把 graph-structured、incremental computation 列为长期研究方向，我想这是一个值得认真理解的信号。 如果我们发现研究对象持续变化时，计算本身或许也需要围绕变化来组织。 一条报价更新，并不意味着整个市场都需要被重新计算。 它首先改变某些局部状态，再沿着依赖关系，影响相关资产的估值、组合的风险暴露，以及尚未成交的订单。 如果把这些计算关系展开，我们会看到数据连接特征，特征连接预测，预测连接决策，决策通过成交与持仓，反馈到下一轮计算。 这里必须区分两件事。 计算图中的依赖关系，不自动等于市场中的因果关系。但只要我们能够明确哪些结果依赖哪些输入，就有机会在新事件到来时，只更新受到影响的部分。 这正是 incremental computation 最吸引我的地方，它让计算资源跟随变化分配。困难的问题也随之浮现。哪些状态已经过期，筛选必须更新的传播，可以合并的计算。我们开始寻找，在并发和异步执行中，如何避免把不同时间的市场状态拼成一个从未真实存在过的世界？ 于是，延迟就不再止于程序运行了多少微秒。判断抵达市场时，你应该着眼于支撑判断的那个市场是否仍然存在。 想想吧，一个离线表现出色的模型，如果依赖陈旧的数据、无法承受行情突发时的排队，或者不能及时更新风险状态，那么它在回测中发现的信息优势，可能在执行之前就已经消失。 因此，Quant Developer 的工作可以被理解为，他们需要在有限的时间、算力和通信预算内，维护一个足够及时、足够一致、能够用于行动的市场内部模型。 编译器、分布式系统、硬件加速和形式化验证，开始汇聚到同一个问题上。 编译器决定计算如何被表达和执行； 分布式系统决定不同节点如何组织事件与状态； 硬件决定数据移动和运算的成本；形式化方法则帮助我们检查，某些关键约束是否会在复杂的执行路径中被破坏。 这些工作共同决定一个数学上的预测，试图成为现实中的有效决策。 而非平衡系统的视角，提供了一组进一步追问的方向：外部事件，内部状态，反馈是抑制还是放大扰动，输入速度和处理能力的关系对于系统的影响。 当然，市场是耗散系统本身并不会自动产生 Alpha。我想，我们只有把这种直觉落实为可观测的变量、明确的机制和能够被数据推翻的预测，它才开始具有研究价值。 它确实改变了我们看待这个职业的方式。 Quant Developer 所构建的一直是一个嵌入市场之中的实时决策系统。 这个系统观察市场，也通过自己的行动改变市场：它必须在变化尚未结束时做出判断，在信息尚不完整时承担后果。

🎙️ 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#

$NVDA earnings TLDR: Revenue: $96.22B vs. ~$92.17B (beat) Adj. EPS: $2.22 vs. $2.09-$2.10 (beat) DC: $89.0B vs. ~$86.3B (beat) Adj. gross margin: 75% vs. 75% Hyperscaler Revenue: $48.71B from $43.05B last quarter (custom ASIC growth hasn't really prevented this revenue from accelerating) For guidance: Revenue: $108B vs. ~$104.2B Adj. gross margin: 74% vs. 75% (kinda the only soft spot) Revenue ramp has been genuinely absurd over last 4 quarters. -> $68.1B -> $81.6B -> $96.2B (we are here) -> next quarter guidance: $108B, despite assuming zero China DC compute revenue. Fun thing to note is Nvidia says its commitments jumped from $119B last quarter to $279B, primarily related to procurement of memory (for next few years).. So memory goes brrr. TLDR: AI keeps on going brrr. Nvidia is clearly leading the charge and no obvious signs of demand slowing. Given Nvidia is already a $5T+ company, I think most of the alpha comes from how Nvidia's architecture/capacity decisions impact elsewhere in the supply chain (eg. CPO, memory, 800V) nowadays. Rather than simply finding mispricing in Nvidia itself. Regardless, all the fun stuff happens in the earnings call in a few min.

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

我讲讲一个很有意思的思考，英伟达这次5000亿的第三方AI算力融资平台，十分利好于它的亲儿子们，尤其是新云☁️， $NBIS ，我讲讲其中的逻辑！🧐 黄老板的四大战略布局： 1️⃣ 拆除“资本壁垒”，将超级云的ASIC防线撕开缺口 像微软（Azure）、亚马逊（AWS）、谷歌（GCP）这样的传统 Big Tech，拥有源源不断的自由现金流，能够自筹资金推进定制化 ASIC 芯片，比如 Trainium、Inferentia、TPU、Maia。 假如任由传统云厂商持续侵蚀，那些独立 AI 实验室与新云将面临高昂的硬件采购成本，以及高借贷利率下，难以生存，最终会被竞争挤压掉。英伟达通过撬动华尔街的私有信贷，直接武装了新云，打破了这堵墙，让算力买方市场始终保持多元化，同时也保障了英伟达机柜的可持续性采购！ 2️⃣将英伟达GPU 赋予硬通货属性，可资产抵押 正常情况下，传统金融机构不敢轻易出借大额资金购买定制 ASIC，因为一旦债务人违约，特定软件栈绑定的 ASIC芯片，离开特定系统就是一堆废铁。 但英伟达的 GPU 凭借强大的 CUDA 生态系统，实现了极强的跨模型、跨客户、跨工作负载的可调配性与流动性。这种“强通用性 + 极高二级市场租金”的特征，使其可以像商业地产、民航客机或收费公路一样被打包作为贷款抵押物，相当于把GPU打包成了金融衍生品！ 3️⃣供应商融资的终极演进：资产负债表的“降维打击” 通过提供残值担保和联合信贷协议，英伟达把自身的绝高评级信誉直接做成撬动资本的杠杆。这与汽车公司通过旗下汽车金融公司拉动新车销量的模式一毛一样，英伟达用华尔街的低息资金来贷给自己的客户，客户拿到钱买英伟达的芯片，英伟达实现锁定业绩与出货量，从而形成极其闭环的“算力金融飞轮”。 4️⃣对冲下沉周期的“流动性黑洞” 对于数据中心建设和硬件更新而言，最大的风险是流转周期短与硬件贬值。通过资本巨头的“长期低成本资金包”，将原本需要短期结清的CapEx转变为摊薄在 5–15 年周期的长期资产融资。这极大平滑了下游新云客户的现金流压力。 📝为什么这对新云是极大的利好？ 以CoreWeave、Nebius 等新云举例，传统旧模式下，这些公司因缺乏大型科技公司的信贷评级，在传统高收益债券市场去借款，可能承受 9%–12% 甚至更高的借贷利率，或者采用股票定增，但又面临股权被过度稀释的风险。 而英伟达爸爸提供的新模式，由于有5000亿第三方的信贷额度，新云可以直接利用已部署的 GPU 集群和已签订的机构合同做资产证券化，类似ABS，将融资成本拉低 200~500 个基点。 这种模式的好处，就是可以实现用资产养资产，类似房贷一样，可以做到以租抵贷，这样就大幅提高了资本利用效率，同时也可以实现高速扩张，新云厂家可以更快的周期下订单、锁机柜、建数据中心。这使得独立新云在面对四大云厂商的机房排期垄断时，拥有了争夺大模型独角兽客户的核心竞争力。 综合来看，这里面最受益的肯定是 Nebius（ $NBIS），英伟达直接持有 Nebius 9.3% 的股份，相当于英伟达算力矩阵中的“亲儿子”级的新云提供商。而且它的技术也十分牛X，区别于传统杂乱的云厂商业务，它专攻AI大模型训练和推理场景，提供高性能 InfiniBand 互联与极低延迟的物理环境。 继续HOLD $NBIS，坐等大空头Michael Burry 爆仓🧐 本文由 @binancezh 赞助，「币安买美股：全球资产，零秒时差，一键即达」！

我对目前资本市场主线与阶段的理解： AI 大模型需求 → Hyperscaler Capex → GPU/ASIC → HBM/DRAM/NAND → 光通信/网络 → 数据中心 → 电力 → 土地与融资 → 上市公司股价 当下处于 AI 2.0 的后半场，随着大模型优胜劣汰形成寡头垄断，市场开始进入赋能各类应用的第三阶段。

最近关注 BIT 美股融券数据后的一个变化：市场不再只有看多的声音，尤其是AI这种高估值方向，多空分歧正在慢慢放大 今天复盘最大的感受：市场开始奖励“确定性”，而不是单纯奖励“AI概念” 美股第54天 发现一个变化：以前看到一家公司的名字和AI挂钩，市场愿意给很高预期 但现在资金开始问一个更现实的问题： 你的AI收入，到底什么时候能变成利润？ 这也是为什么最近我没有急着追涨 机会很多，但我更想等市场把答案交出来 今天重新看了一下 $AVGO 以前很多人关注AI，第一反应都是GPU 但我觉得接下来一个值得关注的方向，是： AI从训练走向规模化部署后，定制芯片和网络的重要性会越来越高。 Broadcom的逻辑就在这里 它不是最热门的AI故事，但它处在一个很关键的位置： 大规模AI集群，需要的不只是计算能力，还需要高速连接和定制化解决方案。 我关注它，不是因为短期股价涨跌 而是看几个东西： AI相关收入增长能不能持续 大客户订单是否扩大 毛利率能否保持 如果未来AI基础设施继续扩张，ASIC可能会成为GPU之外的重要补充 但风险也很明显： 市场已经知道这个故事，如果增长低于预期，高估值公司调整会很快 另外我最近降低了对短期追涨的兴趣 比如 $NVDA 我依然认可它的长期地位 但现在买入，需要考虑一个问题： 如果未来半年AI资本开支继续增长，市场是否已经提前定价？ 所以我的策略： 上涨的时候观察 回调的时候寻找机会 更希望买在市场犹豫的时候，而不是所有人都兴奋的时候 BIT融券数据最近也会看一下 我觉得它比较有价值的地方，是观察市场分歧 一家公司上涨过程中，如果空头增加但股价依然强势，说明资金承接可能不错 但如果高估值叠加空头增加，同时跌破关键位置，就需要重新检查逻辑 此内容由@BITstocksCN赞助，买美股上BIT一1万+支美股与ETF，真实持仓，享股息分红 今天没有交易 不是没有看好的股票，而是现在更愿意等待 美股第54天，继续记录 下一阶段我更想研究的是： AI产业链里面，那些没有被市场反复讨论，但真正控制瓶颈的公司 （学习记录，不构成投资建议）

.@Fortinet and Intel are collaborating to advance cybersecurity innovation and strengthen global supply chain resilience.​ Together, Fortinet’s purpose-built ASIC expertise and Intel’s leading design, packaging, and manufacturing capabilities will support the development of Fortinet Security Processor 6, driving greater security, scale, performance, and resiliency for organizations worldwide.​ Read more:

据The Information 独家报道，继DeepSeek @deepseek_ai 之后智谱AI @Zai_org 也在考虑自主研发 AI 芯片，以训练未来的 GLM 模型。 随着其 GLM 模型的需求开始给算力供应带来压力，智谱 AI 正在探索定制 AI 芯片的可能性。 报道称，这家北京顶级AI实验室已向中国芯片设计公司进行了初步接洽，但尚未选定合作伙伴。 自发布以来，GLM-5.2 一直是各大token供应商上增长最快的模型，首周日token使用量增幅高达 27 倍。 智谱目前依赖华为芯片、其他国产芯片以及部分英伟达芯片。 虽然定制 ASIC 会牺牲灵活性，但它能降低功耗和每令牌成本。 Nvidia GPU 是强大的通用设备，但大规模推理的经济性不同。 GLM模型可以在专为其设计的芯片上获得更好的运行效果。 然而，受美国出口管制、华为硬件限制以及智谱自身被列入美国实体清单的影响，走纯国产芯片路线显然是其长期的必然选择。 中国的前沿AI lab们都在寻求进一步摆脱对西方芯片的依赖，同时加强本土计算能力的扩张。

怎么我一买进美股就跌了 我成本337的MRVL 要哭了 刷到白毛股神（Serenity）的开源 Serenity skill，正好在GitHub上， 感觉可以站在前辈的视野去分析一下MRVL，就直接丢进我目前在用的EasyClaw AI给我整了个挺详细的报告，按白毛股神那套“找最难扩产瓶颈”的思路拆了一遍， 我挑重点说说： MRVL卡在哪： 它同时卡住了AI数据中心两个硬活：定制AI加速芯片（ASIC） + 光互联（DSP、CPO、硅光）。 客户认证周期长、切换成本高，不是随便谁都能挤进来的。 Amazon Trainium、Google Axion都有它份，Celestial AI和XConn的收购又把光互联护城河加厚了。 业绩看： 今年营收一路超预期，FY27目标接近110亿刀，订单能见度强，每季度guidance都在往上调。数据中心业务占75%左右，增长很猛。但高位接盘的现实： 股价现在大概在280-308区间（我接的时候接近高点），估值不便宜（forward PE 70-90x），已经price in很多好消息。微软那边有传闻可能部分转给Broadcom，这是最大风险点。AI给的操作建议（挺实在，没画大饼）：如果你还信AI互连和定制ASIC是真瓶颈，就别全卖，留核心仓位。 但也别死扛：反弹一点先减20-30%，止损位设好。 想加仓等明显回踩 + 新催化（比如Google新chip官宣、CPO量产进展、Q2财报微软收入没大掉）。 整体仓位别太重，分散风险。 风险（AI直说）： 微软ASIC流失可能是真雷；毛利率还在下滑；高估值没缓冲； AI资本开支如果边际放缓就危险。 看完以后心情好多了，至少知道自己在干嘛 白毛股神这套卡点思维还是蛮适合普通人的，每次想要买或者不懂的时候， 可以跟这个skill对话一下了解具体情况 让自己不至于那么心慌 工具链接扔评论区了 👇