与「ONE有明」相关的搜索结果

ONE有明に私の作品を出展させていただくことになりました！！！ 花瓶と書。 素敵な作品がいくつかできたので是非お近く行く際ありましたら見て下さい😁✨ #ONE有明#

新联盟的名字叫 Open Standard，新稳定币的名字叫做 Open USD。 大旗上面清清楚楚写着「开放」两个字，但很明显背后的核心推手是 Stripe/Bridge/Tempo 这个组合。 如果你仔细看公布的信息，Stripe 都不愿意把自己的名字放在第一个，而是隐忍地站在了第二位，让支付网络老大哥 Visa 位列第一。唯一的迹象，是让 Bridge 的 CEO 成为这个联盟的 Founding CEO。 据说这个事情，已经努力推了一年了。 所以你会看到，Stripe 很快就表态，OUSD 将成为 Stripe 平台上的商户默认使用的稳定币（如果用过他们新推的 Stripe Treasury 就能感受到稳定币在企业全球收款和资金管理中的低摩擦优势）。 再想想， Tempo 一直用一个「USD」标志作为占位符，来确定这条链的 gas。未来大概率是 OUSD 来做 gas。 对了，Bridge 的法币-稳定币互换网络未来应该也会把 OUSD 作为原生或推荐的结算媒介。（如果用过 Plasma One 的卡，就能感受到这个应用通过 USDT/USDC 入金、消费、挣收益，同时可以低摩擦转化成美元进入银行账户的舒适度——Plasma One 出金渠道用的就是 Bridge 的法币-稳定币互换网络，可以感受一下。） 理论上，Stripe/Bridge/Tempo 这个组合已经做通了整个链路，完全可以自己发个稳定币，然后像 Tether/Circle 这种稳定币发行商的模式来推稳定币。但是没有这么做，而是搞个联盟，大家一起分稳定币发行的收益。目标更大，对用户、渠道都是好事。 当然了，其他稳定币也不会都死掉（需求有明显的差异啊），如果这个联盟做得好，稳定币中很快会出现一个更好的「锚」。

华为的 X 账号，在今天发布韬定律后，每篇推文基本都是 100 万以上的阅读了，涉及公告文章类的，全是 1000 万起，说老外不高度关注，那是不可能的。 华为这次在讲一个新的半导体思路，叫韬定律。它的核心不是继续死磕，晶体管还能不能更小，而是换个指标，能不能让数据、计算在整个系统里跑得更快。 也就是说，过去摩尔定律看的是空间，也就是芯片越做越小。华为现在想强调时间，也就是同样制程下，通过封装、互连、架构优化，把延迟降下来、效率提上去。 其中一个重点技术叫 LogicFolding 逻辑折叠。简单理解，就是把以前平铺在一个平面上的电路，改成上下多层堆叠，让信号走的路更短。 路短了，延迟就低，功耗也更好。文章里说，麒麟 2026 芯片用了这个技术后，在固定制程下，晶体管密度、能效、频率都有明显提升。 另一个重点是 AI 数据中心。华为认为，AI 时代的瓶颈不只是算力不够，更是数据搬来搬去太慢、太耗电、太贵。文章提到，大型 AI 集群里，很多能耗和成本都花在数据传输、存储和互连上。 所以华为提出统一总线、Hi-ONE 光互连、3D 折叠等方案，目标是让大量芯片像一个整体系统一样协同工作。 大白话来讲，就是既然最先进光刻不好拿，那就别只盯着 2nm、3nm 这种制程了，换条路提升性能。华为说，过去六年已经量产了 381 款芯片，并把经验总结成一套方法，不只优化单个晶体管，而是把晶体管、电路、芯片、系统、数据中心整套链路一起优化。 华为认为，未来芯片竞争可能不再只是台积电、三星、Intel 谁能做 2nm、3nm 那种更小纳米，而是看谁能在封装、互连、系统架构、软硬件协同上做得更强。

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？

新加坡跟日本，在抢高度人才与富裕层这件事上，差到像两个平行世界。 新加坡很清楚一件事：真正有本事、有钱的人是有选择权的。所以他们直接祭出ONE Pass这类顶尖人才签证，月薪门槛高、效期长、可同时为多家公司工作甚至创业，个人所得税最高也才24%。态度很直接——「我们需要你，所以给你条件。」 反观日本，嘴上说要高度人才，实际做的却是一刀切提高语言、税务、保险门槛，归化与永住审查越来越严。税负最高可逼近55%，几乎没有针对高收入者的特别诱因。更让人受不了的是那股「能来我们国家生活是你的福气，乖乖缴高税高年金」的高高在上。 高度人才跟富裕层又不是傻子。全球那么多地方用低税、自由度、明确路径在抢人，日本却还在用管理思维跟自尊在 complement。结果就是：真正有选择的人会用脚投票，留下的往往是选择较少的那群。 日本不是没有优点，治安、生活便利都在。但这些软性条件，对真正被全球抢的人来说，从来不是决定性因素。决定性的是：你到底把我当成资产，还是当成必须感恩的外人？ 当一个国家一边喊缺人才，一边又用傲慢跟高门槛把人推走，最后只会加速自己的相对衰退。这才是最讽刺的地方。

孙哥 孙宇晨 @justinsuntron 第一个上太空的90后 真的中招了 🤐 孙哥从太空回来后 好像被克隆人替换了 就算PTCG宝可梦卡牌 SpaceX的IPO上市 美加墨世界杯这些热点 他都不再蹭了 像是戒色后的我 一心一意只做自己的事业 🔵 孙哥上太空后 好像变了一个人 去年8月3日 孙宇晨搭乘Blue Origin的New Shepard 完成了四年前花2800万美元竞拍的太空之旅 亚轨道10分钟飞行 让他真正从太空俯瞰了地球 现在快一年过去 我观察他这段时间的动态和圈内讨论 感觉他跟以前不太一样了 以前的孙宇晨 在很多人眼里是币圈的狠角色: 高调 敢打敢拼 营销味重 争议不断 “孙割”梗流传多年 爱他的人觉得他格局大 骂他的人则咬牙切齿 (比如我以前也经常骂他 他的另一个X账号已经屏蔽我好多年了) 但上太空回来后 他的表达明显发生了变化 他开始认真谈论: 从太空看 我们的星球是一个家 保护它和彼此比以往任何时候都重要 他的飞行口号是One Earth 这不像普通的PR话术 更像是著名的Overview Effect (总观效应) 🔵 Overview Effect是什么 简单来说 就是宇航员从太空回望地球时 大脑被强烈的视觉冲击重塑 他们看到地球悬浮在黑暗宇宙中 被薄薄一层大气包裹 没有国界 脆弱得像一颗玻璃珠 很多人回来后 世界观彻底改变 变得更环保 更关注人类整体命运 甚至有人辞职去做环保或灵性探索 阿波罗时代的老宇航员 国际空间站的老兵都有类似经历 随着商业太空旅行兴起 这个效应在更多富豪身上也开始出现 孙宇晨似乎也中招了 他最近的发言里 少了些纯商业吹嘘 多了对太空探索的热情 对地球脆弱性的感慨 以及对人类在太空显得孤独的感慨 他甚至开始呼吁更多中国人参与商业航天 当然 他还是那个强调“孙学的本质是赢”的孙哥 商业野心和执行力并没有丢 但那层格局 好像真的被太空拉高了 🔵 孙哥是真变了 还是人设升级 这是大家最关心的问题 有人认为Overview Effect是真实的大脑认知重构 当你亲眼看到地球那么小 人类恩怨那么渺小 很多地面的执念自然会松动 也有人笑称“上太空后开悟了” 但该竞争还是得竞争 格局大了不代表不做生意 个人观察 至少在公开形象和表达上 他确实在往“有远见的企业家+太空倡导者”的方向转型 那趟10分钟的太空旅行 对普通人可能是人生高光 对他来说 或许是一次认知框架的升级 (所以自从孙宇晨上太空后 我也就失去了骂他的理由) 最后想说: 上太空这件事 对很多人是浪漫幻想 但对真正经历过的人 往往是一次认知重启 你觉得孙哥上太空后 言行上最明显的改变是什么 是真被宇宙震撼到了 还是只是新阶段的包装 欢迎评论区聊聊 👇

到月底了 解锁的都是那些熟悉的CS老妖币 1⃣ $H 明天解锁 269.73M 枚 $H，价值约 $28.90M，主要是核心贡献者解锁 链上看： 2 天前分别往 Gate 和 KuCoin 充值了 13.31M + 22M 枚 $H 从盘面看，这波应该已经砸了一部分，合计价值 700 多万美元 6 小时前又分别往 Gate 和 Bybit 充值了 18.6M + 18M 枚 $H，价值合计约 360 万美元(图一） 2⃣ $sahara 本来是26号解锁 团队凌晨公布主动延期锁仓 投资者延3个月、团队顾问延6个月 6.26解锁的是更早的生态社区部分 积极面 Sorin 产品面会有永续、策略回测、Alpha 信号监控等功能 下周有多链扩展 + 企业合作预告 质押第二阶段要上线 消极面 没有销毁和回购计划 产品和叙事都还在画饼阶段，短期价格缺少真正硬支撑 链上交易所钱包活跃，有两笔小额充值去gate和bybit 3⃣ $xpl 6.25解锁 88.88M枚 $xpl 价值 $ 791万美元 前段时间推出了Plasma One 好评率蛮高的 返现和会员制（需要持有xpl) 之前埋伏的高点已经翻倍 就不过多聊了 4⃣ $gua 6.27号解锁21.99M 枚 $gua 占流通市值的48.9% 价值1333万美元 黑料多 换做市商了 前几天都快拉回高点了 没啥好讲的了 纯关系币 空气 CS币 5⃣ $id 22号的解锁 69.87M 价值257w美元 大部分已经充进binance了 13h前的大额转移接近500M枚 是调仓，不会解锁 分别为顾问种子轮、生态营销基金会、顾问核心团队未解锁额度 价值1600w美元 最近有点懒，看到异动也没劲 $syn 周一的时候还销毁了150w美元 底部拉10x了 也是牛逼 DYOR (图三四与君共赏）

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。

财报前瞻：Arista Networks (ANET) 2026年第一季度财报 历史业绩表现与当前市场预期一致性 Arista Networks明天即将发布的2026年第一季度财务报告。 Arista在过去连续多个季度中展现了极强的业绩韧性，其盈利能力和收入增长始终保持在分析师预期的上限。根据历史数据，公司在过去八个季度中每一次都实现了盈利超预期，这种极高的胜率在波动性巨大的科技板块中属于罕见现象。 对于2026年第一季度，市场一致预期已经形成了一个相对较高的基准。目前分析师对每股收益的平均预期约为0.81美元至0.82美元，较2025年同期的0.65美元有显著增长。在收入端，市场普遍预期为26.2亿美元，这与公司管理层此前给出的约26亿美元的业绩指引高度契合。 值得注意的是，在过去90天内，共有24位分析师上调了对ANET的年度盈利预测，而下调者为零。这种单向的业绩修正反映了投资界对于人工智能（AI）基础设施需求持续高涨的集体共识。这种“业绩修正向上”的势头通常是财报超预期的前导指标。 财报核心驱动因素：超大规模云服务商（Cloud Titans）的资本支出 Arista的业务模式高度依赖于“云巨头”的投资节奏，主要包括Meta、微软、谷歌和甲骨文。这些客户在2025年贡献了公司约48%的收入，因此其资本支出（Capex）的任何变动都会直接传导至Arista的业绩中。 微软与Meta的资本狂飙 微软近期公布的信号显示，其2026日历年的资本支出预计将达到1900亿美元，远超此前预测的1520亿美元。微软CFO Amy Hood明确指出，为了满足AI需求，必须在数据中心建设上进行更多投入，且由于GPU和存储容量的限制，这种投入在2026年之前都将维持高压状态。 Meta作为Arista的另一个核心客户，将其2026年资本支出指引从之前的1150亿-1350亿美元上调至1250亿-1450亿美元。Meta的AI广告引擎和Llama系列大模型的持续迭代，要求其底层网络具备更强的并发处理能力和更低的延迟。Meta在财报中提到，其AI支出不仅用于模型训练，更开始转向更大规模的推理（Inference）集群，这为Arista的800G交换机提供了庞大的增量市场。 谷歌Virgo架构的溢出效应 谷歌在2026年第一季度的表现同样亮眼，其云业务收入达到200亿美元，同比猛增63%。谷歌的“Virgo”AI数据中心架构被分析师视为Arista的重要利好因素。Virgo架构强调网络的可扩展性和开放标准，这与Arista一直推崇的以太网（Ethernet）优先策略不谋而合。随着谷歌云订单积压量（Backlog）翻倍至4620亿美元，Arista作为关键网络设备供应商，其订单能见度（Visibility）已经延伸到了2027年。 技术周期迭代：以太网对InfiniBand的替代效应 AI基础设施领域正经历一场从私有协议（如英伟达的InfiniBand）向开放标准以太网转型的结构性变革。这一趋势是Arista股价长期溢价的核心逻辑。 开放以太网联盟（UEC）与ESUN规范 Arista作为超级以太网联盟（UEC）的创始成员，正在推动针对AI优化的以太网规范落地。由于AI集群规模已从数千个GPU扩展到数百万个XPU（通用加速器），传统的InfiniBand在成本、互操作性和可维护性方面面临巨大挑战。Arista的EOS（可扩展操作系统）配合RoCE（聚合以太网上的远程直接内存访问）技术，已经能够在大规模训练负载中提供与InfiniBand相当甚至更优的性能。 公司管理层最近将2026年AI网络收入目标从27.5亿美元上调至32.5亿美元，涨幅高达18%。这种激进的目标上调反映了以太网在超大规模AI后端网络中的渗透速度远超预期。戴尔奥（Dell'Oro）的数据确认，以太网在2025年已经实现了对InfiniBand的反超，占据了AI后端网络市场的主要份额。 800G统治力与1.6T路线图 Arista的7800R4系列平台已成为当前AI数据中心的主力军。到2026年第一季度，Arista已向超过100家累计客户交付了800G产品，其在高端交换机市场的占有率维持在90%以上。 此外，Arista在OFC 2026展会上发布的XPO（超高密度可插拔光学器件）协议，为即将到来的1.6T时代奠定了基础。XPO技术通过液冷设计解决了1.6T模块的散热瓶颈，将交换机机架占用空间减少了75%。这种技术前瞻性不仅确保了公司未来的ASP（平均售价）提升，更进一步加深了与微软等液冷先行者的绑定。 尽管Arista在数据中心交换领域占据先机，但竞争对手的动作不容忽视。 思科的追赶与Silicon One架构 思科（Cisco）近期表现强劲，其在2026财年Q2录得了创纪录的153亿美元收入。思科的AI基础设施订单在单个季度内达到了21亿美元，公司预计2026财年全年的AI订单将突破50亿美元。思科的Silicon One架构提供了高达102.4 Tbps的吞吐量，正试图通过“安全AI工厂”理念抢夺企业级和主权云市场。然而，思科在超大规模客户中的积累仍不及Arista深厚，且其复杂的OS版本管理依然是不少云巨头的痛点。 博通的供应商与竞争者双重身份 博通（Broadcom）在2026年Q1的AI相关收入达到8.4亿美元，同比增长106%。博通的Tomahawk 6交换芯片是Arista等厂商的核心组件，但博通也在通过提供全栈定制ASIC（如谷歌的TPU和Meta的MTIA）来直接锁定客户的网络预算。博通CEO Hock Tan表示，到2027年其AI芯片收入将超过1000亿美元，这种量级的增长意味着博通正成为AI基础设施领域的新重力中心。 英伟达Spectrum-X的捆绑威胁 英伟达（Nvidia）虽然在InfiniBand领域面临挑战，但其迅速推出的Spectrum-X以太网平台正展现出极强的进攻性。通过将GPU与网络设备捆绑销售，英伟达成功锁定了包括Meta在内的多个核心客户的后续订单。Wolfe Research的分析师指出，Arista面临的最大战略风险在于英伟达利用其在计算领域的垄断地位进行垂直整合。 Arista的估值目前处于历史高位，这不仅是对其卓越业绩的认可，也预示着财报后的股价表现将面临极高门槛。 综合利多与利空因素总结 利多因素（Bulls） 强劲的二阶需求导向：英伟达GPU的每一次发货，最终都会转化为对Arista交换机的需求。 现金流充裕：截至2025年底，公司持有107亿美元现金，且没有任何债务压力。 软件定义的防御性：EOS系统的稳定性使其客户粘性极高，即使在硬件价格竞争激烈的环境下，也能维持超过60%的毛利率。 利空因素（Bears） 市场预期过高：如果EPS beat的幅度小于过去平均水平，市场可能解读为增长放缓。 供应链成本风险：内存和光通信组件价格的上涨可能在下半年挤压毛利。 主权AI转向自研：部分主权云客户开始尝试自研网络架构，可能减少对商用交换机的依赖。 综合各项指标，Arista Networks在AI基础设施竞赛中依然处于“蓝海”地位。尽管英伟达在计算领域处于主导，但在连接数百万计算节点的网络层，Arista的软件沉淀和以太网工程能力目前尚无同量级的对手。对于超大规模客户而言，网络的稳定性（Lossless Performance）比单一硬件的原始速度更为重要，而这正是Arista EOS的核心竞争力。 短期内，微软和Meta的资本支出指引已经为Arista Q1的财报超预期打下了坚实的基础。考虑到历史业绩的极高连贯性以及当前分析师普遍的上修态度，财报大幅超预期几乎是大概率事件。然而，考虑到当前市盈率已处于近两年的高点，且部分利好已在过去一个月31.7%的涨幅中得到体现，财报后的涨幅将主要取决于管理层对2026年下半年甚至2027年1.6T产品的交付信心。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

为了让交付更快、更稳，我通常会先和 AI 一起把需求的整体设计讨论清楚，包括前端交互设计、后端 MVC 结构、代码逻辑抽象、组件复用、开放模块设计、稳定性设计，以及架构和工程层面的优化。 一轮讨论结束之后，AI 通常会生成 3～5 个文件，对应不同维度的项目变更设计文档。 接下来，就会让 AI 根据项目复杂度选择合适的模型配置，同时开启多个进程跑 CLI，或者拉起多个子 Agent 一起干活。 这个模式的效率确实很高，不过带来的最大问题只有一个：钱不够烧。 我在 Codex 上买了两个账号轮着用，Github Copilot 也买了两个账号。用了一段时间之后发现，Codex 的 token 限额算是最亲民的，5 小时窗口 + 周限额窗口。周限额有时候看起来还挺随机，昨天还显示要等一周才能恢复，结果第二天一看，额度已经恢复到 100%。 Github Copilot 刚开始没有太注意，它其实是按照 Request 来限流的。有一次为了调一个细节，一晚上来回聊了很多次，直接把月额度干没了。后来慢慢摸索出一个用法：专门让 Copilot 处理大的需求，一个 Request 里塞进去好几个复杂任务，反而会觉得“真香”。 Google One 的 Family 方案其实也很香，用 Antigravity Tools 做反代就能跑。不过最近封号有点猛，现在基本不太敢用了。 当所有账号都被干到限流之后，也试过用国内的一些模型，比如 Kimi-k2.5、GLM-5。做一些常规的小需求其实问题不大，一旦遇到复杂问题，就很容易陷入无限递归循环： 排查 → 修复 → 没改好 → 继续排查。 这个时候就会特别怀念 Codex-5.3-xhigh 和 Claude-Opus-4.6。 另外，这几天刚出来的 Codex 5.4 表现更明显，之前需要排查好几轮才能解决的问题，它经常一把就能过。