与「cp」相关的搜索结果

2026年6月美股大事梳理 6月美股事件密集，整体波动会比较大，主要围绕AI硬件、宏观数据、FOMC以及SpaceX上市等展开。 关键时间节点 1️⃣6月1-5日（AI硬件周）：NVIDIA黄仁勋在台北 keynote（6/1），博通AVGO重磅财报（6/3），加上5月非农数据（6/5）。核心是验证AI硬件链的定价权。 2️⃣6月8-12日（宏观+事件周）：苹果WWDC大会（重点看Siri端侧AI表现）、6月10日CPI（本月第一个大雷点）、6月12日SpaceX预计上市。这周事件最集中，CPI+SpaceX+WWDC三件事叠加。 3️⃣6月16-19日（最重要一周）：FOMC会议（6/16-17），新主席Warsh首次亮相，市场会重点看点阵图和对通胀、油价的态度。同时有零售销售数据和股指期权到期。 4️⃣6月24-26日（收尾周）：英伟达股东大会、美光MU财报、GDP修正值，以及Russell指数重构（小盘股被动调仓）。 投资者最需要注意的事 最危险窗口是6月10-18日（CPI + FOMC重叠），这段时间不建议重仓追高，仓位最好放轻一点，保持灵活。 重点跟踪5条主线： 1️⃣FOMC + CPI（利率预期核心） 2️⃣AI硬件链验证（NVIDIA、AVGO、MU等） 3️⃣SpaceX上市的情绪影响 4️⃣苹果WWDC的AI进展 5️⃣下旬Russell重构带来的小盘股异动 6月整体以“事件驱动”为主，通胀数据若偏热，成长股尤其是AI板块会承压；数据降温则可能继续冲。 建议提前做好仓位管理，重点事件前后避免冲动操作，小盘股在Russell重构前后容易有非基本面波动。

亚洲多个经济体通过燃油补贴、价格稳定基金以及国有能源企业等准财政手段，限制了全球油价冲击向国内消费端的直接传导，在缓冲对家庭部门影响的同时，将成本转移至公共部门的资产负债表。这一机制导致了全球油价与部分经济体国内通胀的历史相关性偏弱，其中印度和印度尼西亚尤为突出。数据显示，2010年至今，布伦特原油价格与印度生产者价格指数（PPI）的相关性高达约0.85，但与消费者价格指数（CPI）的相关性仅为约0.2。印度尼西亚的CPI相关性甚至为负值。 来源：牛津经济研究院

$SIVE basically took their entire revenue pipeline. In the entire company’s history. Then grew that by 77% in the first 3 months. Thats by far the clearest indication of the inflection of the CPO supercycle. It’s probably going to look exponential from here on out.

@RyanU_1F42B This is 77% growth, from literally the start of the CPO supercycle H1 2026. I’d expect that number to just keep on compounding exponentially as we approach H2 2027, which is the true inflection of scale up CPO.

New campaign: Locked Prediction One bold, specific call for the next 12 months. Crypto, AI, anything! Where do you see things 12 months from now? Top 15 predictions win big! The game starts now 👉

Just in case people are wondering about my track record with European equities: $RPI: $280 -> $800 (agentic AI hardware demand thesis). $LPK: ~$6, thesis at $13 -> $24.2 (glass cores substrates close monopoly) $SOI: $44 -> $181 (silicon photonics, monopoly over substrates) $SIVE: $4 -> $71 (CPO, critical chokepoints over lasers). $IQE: $12 -> $47 (latent epiwafer capacity, information discovery around downstream photonics companies). $ALRIB: $5 -> $15 (duopoly, synthesis around quantum buyers with photonics growth verticals). And now $XFAB at $9. I’m not always right. But every single one of my European longs thesis have been validated so far by either earnings, investments (eg. $MTSI in IQE) or market returns.

最近大模型更新的隐式缓存为什么可以把缓存价格降低，命中率大大提高。 传统推理里，你每调一次API，GPU都得把整个输入prompt重新算一遍。固定System Prompt、历史对话、RAG知识库，这些重复内容每次都重新预填充，按全价收费。 隐式缓存做了什么？ 它自动检测本次输入和之前请求的公共前缀。命中了，就把之前算好的KV Cache从SSD硬盘直接加载出来，只对新增部分重新计算。重复劳动，直接砍掉。 效果立竿见影。多轮对话、Agent、代码补全这类场景，重复前缀往往占输入Token的70%-90%。命中后，input价格直接打到一折。对长文本多次对话的推理的成本和内存的压力都大大降低。 但这里有个关键问题：之前为什么不行？ KV Cache太大了。传统Multi-Head Attention架构下，百万Token的KV可能要上百GB显存。存盘？I/O延迟完全没法接受。GPU必须全程Hold住所有KV，成本根本降不下来。 DeepSeek的MLA架构把KV Cache压缩了10-28倍。百万Token从80-200GB变成4-10GB。这才让硬盘级缓存成为可能，压缩后的KV可以经济地落盘到分布式SSD，需要时再快速加载。 本质上，是把最贵的GPU显存从按最大上下文全量占用变成了按实际新增Token动态使用，类似动态更新的模式。 这里有个反直觉的点：虽然对高速内存需求大幅下降，但并不是完全转向硬盘。更像是分层存储，GPU只保留热数据，冷前缀卸载到SSD。类似CPU的分页机制，只是这次发生在大模型推理层。 DeepSeek率先把这套机制默认开启，给出极致低价。其他厂商不得不跟进，竞争驱动技术扩散，技术扩散又进一步压低价格。 要想最大化缓存命中需要做什么？ 想最大化省钱，把重复内容尽量放在prompt开头，保持前缀一致性，命中率会更高。API响应里有prompt_cache_hit_tokens字段，直接看命中率。 这轮降价潮是真实的架构创新，算法效率优化带来的成本下降。MLA压缩KV、分布式SSD存储、Radix-Tree前缀索引，这些工程突破把原来需要重复劳动浪费的算力，优化到极致 尤其是 DeepSeek，降价这么多还能赚钱，还是永久降价，这是真本事，那之前的原价是耍我们玩得吗，第一天用原价 API 的人是有点冤大头了。

#独家# Snowflake计划在未来五年内支付60亿美元，以使用亚马逊云科技数据中心内的亚马逊Graviton芯片。该交易将使Snowflake成为AWS最大的CPU计算业务客户之一。