与「ASIC」相关的搜索结果

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 👇

AI 未来三年的增长瓶颈不在算力规模，而在于物理极限的卡点。 1、存储：HBM 与 eSSD 价格已进入长单兑现期，成本压力将持续传导至下游。 2、互连：800G/1.6T 标准能否按时接棒 Scale-Up 策略，决定了算力集群的有效利用率。 3、封装：CoWoS 与 CoPoS 的产能直接锁死了 HBM 与 GPU 的放量天花板。 4、设计：ASIC 设计复杂度的提升正在拉长定制化芯片的交付周期。 如果先进封装和光互连无法跟上算力扩张的速度，AI 产业可能会在硬件供应侧遭遇“非线性”停滞。

我把AI未来3年的核心瓶颈排了个序，大概是这样： 1. 存储（HBM + DRAM + eSSD，已经涨价、签长单、利润兑现） 2. 光互连（800G / 1.6T + Scale-Up + Scale-Across，连接接棒算力） 3. 先进封装（CoWoS + CoPoS + HBM封装，HBM和GPU放量的前提） 4. ASIC + Networking（自研芯片、交换芯片、SerDes、DSP，MRVL/AVGO核心位置） 5. 电力 / AI Factory（变压器、电网、UPS、800V DC、BBU，并网容量是真瓶颈） 6. 液冷（DLC、CDU、冷板，高功率机柜必选项） 7. 核能 / 发电（长期空间巨大，但兑现节奏慢于电力设备） 8. PCB / ABF / CCL（AI服务器和先进封装配套材料，真实受益但控制力弱于前面） 9. MLCC / 被动元件（高频高压高功率带来用量提升，属于配套瓶颈） 10. 半导体设备（检测、量测、测试、先进封装设备，卖水给淘金者） 11. Physical AI（机器人、自动驾驶、工业AI，空间大但2026仍偏预期） 12. Agent / 数据层（方向确定，但赢家和利润分配还不清晰） 13. 稳定币 / AI金融（AI Agent支付层，空间大但商业化还早） 未来三年市场会越来越关注：谁是真瓶颈，谁能把瓶颈兑现成利润，谁控制下一代架构。 我目前最看好的，还是存储第一，光互连第二，先进封装第三。因为AI发展到最后，拼的是谁真正卡住了整个产业链的命脉。

最近这几天有不少小伙伴开始看AI，问我不是技术背景的该怎么去看AI这个市场，复杂的技术名词很多，然后各个细分赛道也很杂，怎么去做尽调？我就大概说一个框架吧，然后你在框架里研究就非常易懂了。 首先，现在大家去投资的这些AI股，投的商业本质是什么？ 答：“美国一年6000-7500亿美元的AI基础设施的资本支出（AI Infra Capex），这个数字到2027年大概率会在1-1.2万亿左右，更简单点说，美国的公司现在每年砸6000-7500亿去买AI相关的基建设备” 主要是谁在投资这些AI基建呢？是美国的五大云厂商，Microsoft、Amazon、Google、Meta、Oracle（这些统称是Hyperscaler） 所以这一年将近1万亿美金的资本支出都砸在什么上了？主要是三大类： 1. IT设备 / 计算硬件（占比60-65%） 2. 电源与冷却（15-20%） 3. 建筑与土地（10-15%） 在IT设备 / 计算硬件里再拆分 1. GPU（65%） 2. 网络（10-15%） 3. 存储（8-10%） 4. 其他包括CPU、软件、HBM、机架（10-15%） 沿着这个思路你再去做行业图谱（Industry Mapping）就简单多了。 1. GPU 你投这个赛道基本只有英伟达，大头都被他一个人吃了（当然还有一些云厂商自己搞的自定义Asic，自己设计或深度定制的AI加速芯片，本质上是去替代掉一部分英伟达gpu的成本，比如Google (TPU)、Amazon (Trainium/Inferentia)、Microsoft (Maia)。 2. 网络 英伟达，博通，思科，HPE，最近火的Marvell（MRVL）就可以算在这里 3. 存储 海力士是绝对的第一，然后三星，美国的存储巨头就MU和SNDK（闪迪），溢价高，但市场份额没有海力士高。 4. 电源与冷却 做AI数据中心最大的三家，Vertiv（VRT），Schneider（SBGSY），Eaton（ETN），规模最大的是Schneider，但这个市场总体不算很集中，比较分散。 5. 建筑与土地（Building & Land） 完全分散的市场，这里环节就更多了，总包，涉及，工程，电气，开发，土地，等等，投AI的话这块儿没必要继续细看。 6. 其他类别 a. 做软件的，做cpu的，做机架，做光纤，做自动化等等，就不展开说了 然后围绕上面几大分类，又有做服务的，比如做集成的（就是把这些以上打包成一个整体服务器卖出去），Dell，联想，SMCI；然后英伟达的GPU的供应商又有一大堆，也不展开了。 结尾：框架就是这么个框架，本质上你现在投AI产业，你在买单的Thesis就是： 1. 美国在每年向AI产业的基建投近1万亿美元，并且未来五年每年至少30-50%的增长。 2. 抓的是AI资本支出中不可或缺环节中有足够强生态占位的玩家 3. 最终消费端，也就是openai，claude这些大模型的消费者，我们，会持续消费。 所以什么时候AI“泡沫”会见顶？ 1. 这些AI巨头们融不到钱去继续投基建的时候 2. 我们这些消费者不再继续买单，大模型的营收开始下滑的时候 至少目前来看还早。

这两周的抄底清单：我最想持有的AI股票五大梯队 今天上午答应了大家，晚上就整理出来一份清单。 过去两周市场波动很大。趁着这次回调，我把自己的观察名单重新梳理了一遍。 先说一个前提，这不是涨幅排行榜。不代表第一梯队一定比第五梯队涨得多。 很多第五梯队的股票，未来涨幅可能远超第一梯队。 这个榜单更多代表我对未来1-3年：基本面，估值。市值空间，稳定性，持仓体验和叙事空间综合之后的风险收益比排序。这不是比谁最会涨的最猛，是谁最值得长期持有。 按照未来几年的AI瓶颈来看，我会给叙事这么排名，没说到的叙事不代表不好。 1. 存储 2. 光互连、光通信 3. 算力与基础设施 4. 能源 5. AI应用。 未来几年我认为最值得关注的是：存储 → 光互连 → Scale-Across → 电力 → Physical AI。 如果不想选股，其实也很简单。存储直接看 DRAM ETF。光通信直接看 FOTO ETF。能源直接看AIPO ETF。这三个ETF基本覆盖了我最看好的三个方向。 第一梯队（AI基础设施核心层) : NVDA, MU, SNDK, TSM, AVGO, MRVL, INTC。 这是AI扩张最底层的基础设施。NVDA = 算力，MU / SNDK = 存储，TSM = 制造，AVGO = ASIC + 网络，MRVL = 连接，INTC = AI服务器CPU + 网络 + Foundry Option。如果未来AI Capex继续增长，这一层最先受益，也是确定性最高的一层。 第二梯队（高确定性重估）: LITE, NOK, COHR, MSFT, ORCL,QCOM, NET。 第三梯队（AI基础设施扩张受益) : CRWV, NBIS, IREN, DELL, AAOI, ONTO, AMKR。 这一层是AI扩张越快，这些公司订单越多。但没有第一梯队那么不可替代。 第四梯队（数据层与软件层): SNOW, MDB, NOW, CRM, PLTR。 AI最终会落到数据和应用层。 第五梯队（未来主题与高Beta) : TSLA, OUST, BB, CEG, OKLO, SMR, NVTS, WOLF, SOFI, HOOD, CRCL 这一层并不是不看好。相反很多都是我长期关注的公司。这里面包含Physical AI, 机器人, 自动驾驶, AI-RAN,核电, 电力, 金融基础设施,很多公司的上限非常高。只是波动更大，兑现周期更长。 如果只能选5个，再帮大家筛选一下，我会直接把选股变成选赛道。 1. DRAM ETF 2. FOTO ETF 3. NVDA 4. MRVL 5. NOK DRAM覆盖存储。FOTO覆盖光通信。NVDA代表算力。MRVL代表连接。NOK代表Scale-Across和DCI。而且FOTO里面没有MRVL和NOK。刚好补齐我最看好的两个方向。 未来几年如果AI继续扩张，我认为最大的机会依然会围绕: 存储 → 光互连 → Scale-Across展开。这也是为什么最近市场大跌之后，我最优先关注的仍然是这几个方向, AI硬件股还是下半年确定性最高的板块，不过也可以同时关注老黄说的AI应用，Physical AI和Edge AI板块。