与「Datacenter」相关的搜索结果

$SIVE Q1 2026 컨퍼런스콜 확인 후 결론. 나는 아직 매도할 이유를 찾지 못했다. 물론 Q1 숫자만 보면 좋다고 말하기 어렵다. 매출은 전년 대비 감소했고, AEBITDA도 적자였다. 미국 정부 셧다운, 방산 예산 승인 지연, FX 역풍으로 Q1/Q2 일부 매출이 H2 2026으로 밀렸다는 회사 설명도 확인됐다. 그래서 단기 실적만 보면 실망할 수 있다. 하지만 이번 발표에서 중요한 건 Q1 숫자 자체가 아니라, 2026~2027년 상업화 전환 경로가 더 구체화됐다는 점이라고 본다. 가장 중요한 숫자는 Opportunity Pipeline 799M USD. 2025년 말 453M USD에서 2026년 5월 799M USD까지 증가. 연초 대비 +77%. 물론 이건 확정 매출도 아니고, backlog도 아니고, 수주잔고도 아니다. 정확히는 Opportunity Pipeline이다. 즉 “확보한 매출”이 아니라 “잠재 기회”다. 그래도 SIVE 같은 소형 회사 입장에서는 회사 체급 자체를 바꿀 수 있는 규모의 잠재 기회라고 본다. 내가 이번 자료에서 좋게 본 포인트는 크게 3개다. 첫째, AI Datacenter Optics. Jabil과의 1.6T LRO pluggable transceiver 협력은 중요하다. Jabil은 FY2026 매출 전망 34B USD 규모의 글로벌 제조·공급망 기업이고, Sivers DFB laser를 사용한 1.6T LRO module 개발 계획이 공식 발표됐다. 이건 Sivers laser technology가 AI datacenter optical interconnect 시장에서 검증받는 중요한 단계라고 본다. 다만 아직 production order, volume ramp, revenue contribution은 발표되지 않았다. 여기서 고객 주문으로 전환되는지가 핵심이다. 둘째, SATCOM / Space / Defense. York Space의 ALL SPACE 인수는 Sivers 입장에서 긍정적인 이벤트로 보인다. Sivers는 York이 Space Development Agency와 강한 연관을 가진다고 설명했고, SATCOM 쪽에서 2027 ramp를 위한 new production orders imminent라는 표현도 사용했다. 이 문구는 긍정적이다. 하지만 아직 order won은 아니다. 현재 상태는 order expected에 가깝다. 셋째, DoD / CHIPS Act / Electronic Warfare. EW STAR 프로그램 관련 US CHIPS Act Year 2 funding 6.6M USD도 확보했다. Year 1의 5.6M USD보다 약 18% 높은 규모다. BAE Systems, MIT Lincoln Laboratory, Columbia University와 연결된 전자전 프로그램이라는 점도 중요하다. 단기 매출 크기보다 중요한 건, Sivers 기술이 미국 방산 생태계 안에서 계속 검증되고 있다는 점이라고 본다. 결국 내가 보는 SIVE의 핵심 구조는 이거다. Pipeline → Order Order → Product Revenue Product Revenue → Margin Margin → Cash Flow 아직 완성된 실적주는 아니다. 하지만 이제 완전히 막연한 스토리주라고 보기도 어렵다. Jabil 1.6T AI datacenter lasers SATCOM production order 기대 Tachyon 28GHz production PO 60GHz development partnership Tier-1 telco FWA Automotive / Industrial LiDAR ramp CHIPS Act Year 2 funding 이렇게 여러 전환 포인트가 동시에 보이기 시작했다. 내가 중요하게 보는 건 SIVE thesis가 단일 제품 하나에만 걸린 구조가 아니라는 점이다. AI optics SATCOM FWA LiDAR Defense 여러 옵션 중 몇 개만 실제 주문과 매출로 연결돼도 회사 체급이 달라질 수 있다. 물론 리스크는 분명하다. 799M USD pipeline은 계약이 아니다. Jabil 매출은 아직 없다. SATCOM 주문도 아직 공시되지 않았다. Convertible facility 때문에 희석 가능성도 남아 있다. Nasdaq New York dual listing도 아직 검토 단계일 뿐이다. 그래서 앞으로 봐야 할 것은 네 가지다. SATCOM 실제 production order Jabil 협력의 customer order 전환 H2 2026 방산 매출 회복 2027 product revenue ramp 이 네 가지가 숫자로 확인되면 SIVE thesis는 훨씬 강해진다. 반대로 지연이 반복되면 시장은 799M USD pipeline을 점점 할인해서 볼 것이다. 그래도 현재 확인된 사실 기준으로는, 나는 아직 $SIVE를 매도할 이유를 찾지 못했다. 단기 실적주는 아니다. AI optics / SATCOM / DoD 슈퍼사이클에 걸린 고위험·고수익 상업화 콜옵션에 가깝다. 내 기준에서 SIVE thesis는 아직 살아 있다. 개인 기록. 투자 조언 아님.

Beyond Reading — AI with Eyes 👁️👁️ AI agents can already read the web. Now, we’re giving them eyes. This week, we demoed Semantic Video Search — powered by the UpRock Network. Not transcript search. Not keyword matching. Real multimodal intelligence across video, audio, frames, timestamps, and context. The demo: We asked UpRock to search across 100+ hours of livestream history. In seconds, it found: → the exact moment → the visual context → the timestamp → the story behind Jesse’s heart-shaped glasses 🕶️ This is what AI search is becoming. Drop in a YouTube video, TikTok, X video, earnings call, competitor demo, or 3-hour conference talk. Don’t just get a summary. Get structured intelligence your AI agent can actually reason over. What makes UpRock different is what’s underneath: 3M+ real devices. 190+ countries. Real phones. Real locations. Ground-truth access. No datacenter proxy games. No synthetic traffic. No stale scrape layer. Just the internet as real users see it. Semantic Video Search is coming soon for UpRock business customers. Building AI agents, research workflows, media intelligence tools, or multimodal search products? Get in touch → ⚡

关于存储，和 Codex 搓了两天，最后我自己的结论有两个。 第一，AI 存储未来 2-3 年大概率仍偏紧。 原因很简单：需求更接近软件和 capex 驱动的指数过程，供给却受 wafer starts × bits per wafer × 良率 × 封装 这些物理约束。AI 爆发之后，需求是虚拟产品和算力扩张拉出来的，供给还是一个很重的制造业问题。 第二，这轮存储周期真正该盯的，不只是“谁最高端”，而是谁的利润增速最陡。 市场最容易盯着 HBM，因为逻辑最直白：GPU 出货 × 单 GPU HBM 容量。但如果把视角从“产品档次”切到“利润斜率”，结论会更反直觉。 HBM 需求主要是 GPU 的函数。 服务器 DRAM 是 GPU 数量 × CPU:GPU 比例 × 每服务器内存容量，所以 agentic AI 若把 CPU:GPU 从过去的 1:4/1:8 拉向 1:1，服务器 DRAM 的需求会被显著抬高。 企业级 SSD 更接近 token 结构 的函数，而不只是 token 总量的函数。普通短问答 token 大多停留在 HBM/DRAM，真正会拉动 eSSD 的，是那些“高传导 token”：RAG、长期记忆、KV cache offload、agent 日志、checkpoint、审计留存。随着 agent 增长，这类 token 占比会上升，所以 eSSD 的需求斜率可能比很多人直觉里更陡。 Nearline HDD 则是冷温数据沉淀、保留周期和多模态数据湖的函数。 再看供给。真正重要的不是名义产能，而是可销售有效产能。 HBM 卡在先进 DRAM wafer、TSV/stack、测试和 CoWoS； 服务器 DRAM 卡在 DRAM bit 供给本身还要被 HBM 挤出； 企业级 SSD 就算把认证、客户导入、firmware 这些软墙都拆掉，最后也还是要撞上 wafer starts × NAND bits per wafer 这个更硬的物理天花板。即便企业级 SSD 靠 product mix 往 datacenter 倾斜，供给极限抬到 45%-55%，如果需求按高传导 token 结构去跑，还是大概率追不上。 这也解释了为什么供需缺口未必是 HBM 最大。HBM 的需求最快，但它也是全产业链最优先扩产的产品，供给响应最集中；服务器 DRAM 同时吃到 AI 需求上升和 HBM 挤出两层影响；企业级 SSD 更反直觉，NAND bit 本身未必最紧，但一旦 token 结构向 agent、长上下文、KV offload 倾斜，eSSD 的需求斜率会比总 token 更陡，而供给仍受 NAND 的物理增长速度限制。 产品价格和利润增速也不能混为一谈。高端产品不等于高利润增速。HBM 即使毛利率高，如果涨价幅度有限；而低端或中端产品若因供给被抽走、价格暴涨，利润增速反而可能更猛。最新财报里，SNDK 的 non-GAAP gross margin 已经高于 Micron，这其实很反直觉，也说明这轮里 eSSD/NAND mix + 涨价 + 低基数修复，完全可能把 NAND 厂的单季利润弹性推到比 HBM 更夸张。 如果中国厂商未来更充分承接 consumer SSD / client SSD / DDR4 / 部分 DDR5/LPDDR，全球龙头当然可以把更多资源转去高端产品。短期看这是利多，但中期也可能削弱高端稀缺性，让高端产品的利润增速边际放缓。不过在这个情景下，企业级 SSD、服务器 DRAM、HBM 大概率仍然偏紧，只是紧的程度不同。 以最后排利润增速，不能按“谁做的产品最先进”来排，而要按“谁处在低基数、价格弹性大、且供给转移暂时还没把稀缺性抹平”来排。 如果看短期 1-4 个季度的利润斜率，我更倾向于：Sandisk > Micron > SK hynix > Samsung。 如果看 2-3 年的确定性和持续性：SK hynix ≈ Micron > Samsung > Sandisk 更稳。 HDD 里的 Seagate / Western Digital 仍是 AI 数据沉淀的稳定受益者，但更像慢牛，不是爆发型弹性标的。 一句话总结： 这轮存储周期最容易被低估的，不是 HBM 有多热，而是服务器 DRAM 和企业级 SSD 的利润斜率，可能比市场现在理解的更陡。

所有人都在买英伟达，没人注意到这根连接所有AI芯片的管道——Nokia 上一篇写了为什么nokia是最便宜的光，今天再来详细分析一下4月份的财报和未来方向。有没有可能重现1999-2000年的parabolic move? 一、先说一个被忽视的逻辑 AI投资的讨论永远围绕着芯片——谁的GPU更快、谁的HBM供货更足。但没人问一个更基础的问题这些GPU之间，用什么连接？ 数据中心里成千上万颗GPU需要实时互相通信，传输的数据量是普通网络的数百倍。现有的网络基础设施正在被这股流量压垮。打通这个瓶颈，就是下一个十亿美元级别的机会。Nokia就站在这个瓶颈的收费站口。 二、4月份财报说了什么 表面数据：Q1净营收45亿欧元，整体年增率4%。很多人看到这个数字转头就走。 但分开来看： 1. AI与云端客户营收年增49% 2. 光通讯业务单季成长20% 3. 营业利益率冲上6.2%，年增200个基点 4. 自由现金流单季6.29亿欧元 5. EPS大超分析师预期31% 6. 净现金储备近40亿欧元 7. 已启动股票回购 更关键的是，管理层把光通讯与网络互联业务全年指引从10-12%直接上修到18-20%。大型设备商几乎从不这么做——除非手头的订单已经多到藏不住。10亿欧元实质采购订单，带明确交付日期，不是框架协议。客户之所以愿意压上日期，说明数据中心土建已完成，服务器准备进场，就等Nokia的设备到货。 三、为什么是Nokia，不是别人 重点一：与英伟达深度绑定 Nokia与英伟达达成AI-RAN战略合作，把GPU算力直接整合进无线电网络。年底还有双方合作的光电共封（LPO）现场试验数据即将公布。 黄仁勋说Agentic AI带来1000%的算力需求暴增。这1000%的算力要运转，需要1000%更宽的传输通道。Nokia在造这个通道，英伟达需要这个通道。 两家公司的利益高度一致。 重点二：Infinera并购协同效应超预期 高利率环境下，Nokia凭借近40亿欧元净现金逆势完成对Infinera的收购，并购带来的毛利率提升速度远超华尔街预期。这笔并购很完美，营收规模越大，利润爆发力越强。 重点三：主动放弃低毛利，聚焦Webscale巨头 Nokia正在主动削减消费者光纤等低毛利业务（固网业务Q1下滑13%），把所有产能死死锁定在谷歌、亚马逊这类超大型云端数据中心客户。 表面营收看起来疲软，实际是在牺牲数量，保住利润率。这种"价值重于数量"的策略，在产业周期里往往是股价主升段的前兆。 订单出货比持续大于1，接单速度快过交货速度，积压需求将在未来几季持续转化为营收。 四、市场有多大 云端巨头2026年资本支出超过7250亿美元，整个潜在市场年复合成长率从16%跳升至27%。目前AI驱动的网络流量只占整体的20%。随着Agentic AI和Physical AI的普及，机器对机器的数据传输将呈指数级增长——现有网络根本撑不住。Nokia不需要抢市场，只需要站在这条必经之路上收过路费。 五、风险在哪 供应链瓶颈： 光通讯产品交期被拉长至12-18个月，上游数字信号处理器（DSP）大缺货，营收认列速度被掐住。订单很多，但转化成钱需要时间。 无定价权： Nokia的增长靠的是出货量，不是涨价。光通讯产品长期价格向下，利润扩张依赖规模经济，这是苦活不是躺赢。 新交换器业务存在转换空窗期： Q1拿到的设计导入（Design Wins）不会立即贡献营收，需要等Q2-Q3的订单转化。 2027年新架构才放量： 下一代光电共封架构能降低客户总置成本70%，但量产要等2027年下半年，别把2027年的故事算进2026年的EPS。 六、会不会重现1999-2000年的parabolic move行情？ 1999年Nokia是全球最大手机厂，市值一度超过2000亿美元，两年内股价涨了超过10倍。那次是5G前身的2G/3G爆发周期。 这次不同，也更扎实。那次靠的是终端设备消费，周期性极强。这次靠的是基础设施刚性需求，数据中心建好就要配套设备，不存在等等看再说。 抛物线行情需要三个条件： 1. 需求端爆发: 7250亿资本支出，明年资本开支持续增加，AI流量暴增 2. 供给端瓶颈: 交期12-18个月，产能跑不赢订单 3. 市场认知滞后: 大部分人还把Nokia当5G周期股在看 认知差就是超额收益的来源。当市场还在争论Nokia是不是无聊的电信设备商，机构资金已经在悄悄重新定价。 七、三个必须持续跟踪的数据 1. Q2开始看设计导入转化率: Q1拿到的客户认证，有没有在Q2变成真实采购单，这决定下半年营收基础 2. 光通讯交期有没有开始收缩: 从18个月降到12个月是一个信号，意味着上游供应链开始松动，营收加速的拐点就在附近 3. 年底LPO试验数据: 与英伟达合作的光电共封现场测试，一旦数据亮眼，Nokia的估值逻辑将从"电信设备商"切换到"AI基础设施核心供应商"，PE重估空间巨大 八、总结 这不一定会是1999年的抛物线，但认知差带来的重估行情，逻辑上已经非常清晰。等年底英伟达LPO试验数据出来，才是真正的验证时刻。 #NOK# #Nokia# #NVDA# #AIInfrastructure# #OpticalNetworking# #Datacenter# #AI超级周期# #光通信#

UK sovereign AI is becoming reality. Together with Argyll , we’ve launched a sovereign AI inference cloud built on SambaNova’s full-stack AI platform — designed for performance, efficiency, and control without the trade-offs of traditional infrastructure. As AI adoption scales, sovereignty can’t just be a label. It has to be demonstrated through infrastructure ownership, operational control, energy efficiency, and where intelligence is deployed. This deployment delivers: ⚡ High-performance AI inference 🌍 Renewable-powered infrastructure 🔋 ~10kW rack density with air-cooled systems 🏗️ Disaggregated architecture across UK data centers 🧠 SambaNova RDUs for efficient large-scale AI This is what the next generation of AI infrastructure looks like. Read more via DatacenterDynamics ⤵️

Without getting all the way down to performance counters, GPU power from nvidia-smi is a better indicator of true utilization than job scheduling or “gpu busy”. I would love to see animated “heat maps” of the big data centers, with each pixel being an individual GPU’s power draw. I am confident that inference and frontier training at the big labs is highly efficient, but I wonder how many GPUs would be dark due to scheduling and inefficient research code. With a little calibration for base load and peak, just the power bill for the datacenter would be a pretty good first order indicator of utilization.

LLMs as an artifact are trending to the complexity of something like the LHC. This is clear when you look at the datacenter computronium build out but it's a lot more than that - a large chunk is digital and much harder to see/appreciate, it's just a bunch of people on a laptop.