HydroMoriX

[Cloudflare @Cloudflare]

Introducing Cloudflare Wallets. They will allow you to store stablecoins, purchase services, and receive funds across the web. https://t.co/ucAaoKMs4Q

[Ding @dingyi]

卧槽一觉醒来，满屏都是 CloudFlare 钱包。

但是所有人都在说抢到自己的 ID 了，只字不提它基于 Coinbase 创建的 x402，只能通过稳定币 USDC 结算，支持 Base、Solana、Polygon、Arbitrum 等等，Circle、MetaMask、Crossmint 等钱包也都支持。

谁能想到，三年前 web2 人群嗤之以鼻的这些东西，今天他们自己也在积极传播了。只有和 AI 结合，区块链的东西才能彻底打入传统世界。

我相信等这些基础设施完善了， web3 将以另一种形式回归，到时候 BTC 破 20 万也不是梦。

[Macro_Lin @LinQingV]

今天新闻流里最有价值的一条就是 ，SK海力士和闪迪在FMS 2026上发布了全球首个HBF开放技术标准。Google和Tenstorrent也参与技术验证和标准建立。

规格具体如下：存储介质3D NAND Flash，堆叠支持8层和16层两种配置，单颗容量最高512GB，带宽分三个等级覆盖0.4TB/s到3.0TB/s。接xPU的接口选了UCIe，GPU、CPU、各类AI加速器都能接入。联盟成员包括Google和Tenstorrent，Google DeepMind的工程师会在FMS上参加一场关于HBF突破memory wall的panel。

HBF的定位比较清楚，在HBM和SSD之间插入一个新的存储层级。HBM带宽高但容量有限、成本极高。SSD容量大但延迟太高。HBF用NAND的成本结构去逼近HBM的带宽能力，同时容量远超HBM。

为什么这个新闻很重要？因为MoE已经成了frontier model的主流架构，而MoE的参数结构天然适配HBF。

拿Kimi K3举例，2.8T参数，896个专家每次激活16个，单token实际参与计算的参数大概50-104B。剩下占总量95%以上的专家权重，读多写少，稀疏访问，每次推理只用到一小部分。对延迟的容忍度远高于KV cache，但对容量的要求很大。

你今天想跑一个K3，2.8T参数分布在几十张卡上，专家路由的跨卡通信量极大，基本上要上英伟达NVL72这种scale-up系统才能跑。一套NVL72的采购成本是千万美元级别，小团队和一般公司根本不用考虑。

HBF改变的可能还不只是成本，是MoE的部署方式本身。现在跑大MoE模型，专家权重分散在多张卡上，推理时跨卡通信量很大，对NVLink和网络带宽的依赖非常重。HBF通过UCIe直接挂在xPU旁边，每颗最高512GB，相当一部分专家可以变成本地访问，不用走卡间互联。专家并行从大规模跨卡通信问题，部分转化成了本地HBF读取问题。这对部署门槛的影响可能比单纯降成本还大。

存储成本从纯DRAM/HBM变成DRAM+NAND混合，量级差距10倍以上。DRAM只留给KV cache和当前激活的参数，50-100GB可能就够。

MoE的参数量还在膨胀，K2是1T，K3已经2.8T，10T级别的MoE大概率两三年内就会出现。如果推理侧存储还是只能靠DRAM和HBM，成本门槛只会越来越高。HBF提供了让推理成本和参数膨胀脱钩的可能性。

时间线上，SK海力士给的full commercialization目标是2030年前后，但闪迪今年下半年可能已经在日本建pilot line，商用有机会提前到2027年。

[Manchurius Hao — Greeks.live 首席赌狗 @AntonLaVay]

他说的很好，我想重点说一下 “Why now”的问题。为什么是现在，为什么之前没有这个需求。

$AEHR 做的事情叫晶圆级老炼（Wafer-Level Burn-In, WLBI）和封装级老炼（Package-Level Burn-In, PLBI）。

老炼是什么？简单说：在芯片出厂前，给它施加高温+高电压+工作负载，持续数小时到数十小时，让那些有隐性缺陷的芯片在工厂里提前死掉（“早夭筛选”），而不是到了客户手里才死。

为什么这个概念，现在开始炒而不是一年前开始炒？两个方向，分别是自研高功耗ASIC芯片和硅光。

1. 自研ASIC芯片这一点是最近开始多起来的，每种定制ASIC都是全新设计的芯片，在量产初期良率不稳定，这时候老炼的价值最大。而NVIDIA的GPU已经是成熟产品，老炼流程是标准化的。新ASIC的老炼流程需要从头定制， $AEHR 正是做这件事的公司。

那么大家可能要问了，那之前 $goog 家tpu的老炼是谁做的？这一点，查不到。Claude老师认为，因为之前TPU的功耗只有200-300W，一些粗糙的方法就足够了，功率没有那么夸张的时候，老炼不是一个必不可少的流程，这是一个因为AI ASIC功耗爆炸而新出现的需求空白。

那么又有朋友问了，这公司之前主要是做sic车机芯片的老炼，难道车机芯片功耗比TPU还高？不是的，车机芯片是因为SiC的晶体工艺本身麻烦，并且车机对于安全的需求是苛刻的。

2. 硅光，

第一步：硅光芯片以前需要老炼吗？

硅光芯片不是新东西，2015年前后就开始商业出货了。但那时候硅光芯片被封装在pluggable光模块里。一个OSFP光模块坏了怎么办？拔掉，换一个新的，30秒搞定。光模块的单价几百到几千美元。

在这个架构下，硅光芯片的老炼需求很弱。为什么？因为现场故障的代价很低，换一个光模块的成本远低于对每颗硅光芯片做全检老炼的成本。经济学上不划算。大多数光模块厂商做的是常温功能测试+高温老化抽样，不是每颗芯片的晶圆级全检老炼。

第二步：什么变了？

两件事同时在变：

变化一：产量从百万级走向千万级甚至更多。

之前数据中心的光模块用量是百万级/年。现在AI集群的规模在爆炸，一个10万GPU的训练集群可能需要几十万个光模块。全球hyperscaler同时在建多个这样的集群。硅光芯片的年产量正在从百万级跳到千万级。
产量一旦到了这个规模，即使只有千分之一的早期故障率，每年也意味着几万颗芯片在客户现场死掉。每一颗死掉的芯片都意味着一个光通道中断→可能影响GPU之间的通信→可能导致训练任务中断或性能降级。在一个几千万美元的训练任务中，光模块故障导致的停机成本远远超过光模块本身的价格。
所以第一个驱动力是：产量跨过临界点后，“可接受的故障率”的经济学计算完全改变了。

变化二：CPO/NPO让硅光芯片变得不可更换。

这才是最关键的变化，直接连接到我们之前讨论的CPO架构。

在pluggable时代，光模块是可热插拔的。硅光芯片坏了=换一个光模块=$几千美元。
在CPO时代，硅光引擎被直接封装在交换芯片或GPU的package里面。硅光芯片坏了=整个package报废，包括那颗价值几千到上万美元的交换芯片/GPU，包括昂贵的HBM堆叠，包括复杂的先进封装结构。一颗几百美元的硅光芯片的故障，代价瞬间从”换一个光模块”变成了”扔掉一整个价值几万美元的封装”。

这就是“不可更换性驱动”的本质：当一个零件从”可插拔”变成”焊死在里面”的那一刻，它的可靠性要求跳升了一个数量级。

这跟SiC的逻辑有相似之处，SiC的老炼需求也不是因为SiC本身有多贵，而是因为SiC失效后的连带后果不可接受（人命）。硅光在CPO中的老炼需求也不是因为硅光芯片有多贵，而是因为失效后的连带成本不可接受（整个封装报废）。

第三步：为什么需要晶圆级老炼？

硅光芯片有一些特殊的失效模式是常温功能测试发现不了的：

波导缺陷：硅波导中的微小缺陷（刻蚀粗糙度、材料杂质）在常温下可能不影响光传输，但在高温长时间工作后会导致插入损耗逐渐增大，最终超过系统容限。

调制器退化：硅MZM中的掺杂区域在高温高压下可能发生离子迁移，改变调制器的Vπ（半波电压），导致消光比下降。

锗探测器暗电流漂移：Ge PD的暗电流对温度和时间敏感——有些探测器在几百小时的工作后暗电流会显著增大，恶化信噪比。

光栅耦合器/边缘耦合器对准漂移：封装后的热循环可能导致耦合效率逐渐下降。

这些问题的共性是：常温短时间测试看不出来，但在实际工作条件下几百到几千小时后会暴露。 老炼的作用就是用加速应力在几十小时内把这些”慢性病”提前诱发出来。

而且因为硅光芯片是在晶圆上制造的（SOI晶圆，Soitec供应，TSEM代工），在晶圆阶段做老炼（WLBI）比切割封装后再测效率高得多——一片300mm晶圆上可能有几百颗硅光die，AEHR的FOX-XP可以一次性对整片晶圆做全检。

AEHR为其主要硅光客户升级了FOX-XP至新的高功率配置，在九片晶圆配置中每片晶圆可达3.5kW功率，并配备了全自动化的WaferPak Aligner，可以一次性对300mm晶圆上所有器件进行测试和老炼。

[CatFly @imyouhu]

Claude Code 源码泄露事件后续越来越精彩了。
有人拿泄露的源码丢给 OpenAI 的 Codex 分析，竟然找到了 Claude Code 疯狂消耗 token 的元凶——autoCompact（自动上下文压缩）机制在失败后会无限重试，完全没有上限。据源码注释记录，曾有会话连续失败高达 3272
次。
修复方法简单到离谱：加一个 MAX_CONSECUTIVE_AUTOCOMPACT_FAILURES = 3 的限制，连续失败 3 次就停止重试。三行代码，搞定。

打完补丁后，这位老哥表示使用额度恢复正常了——之前被吐槽的"用两下就触发限速"，很可能有一部分就是这个 bug 在背后偷偷烧 token。
仓库地址放下面了。

[AYi @AYi_AInotes]

Claude code 之父，大神@bcherny 刚公开了自己的完整工作流，

看完之后我发现，核心就三件事，
但每一件都跟大多数人的直觉相反，

第一，永远选最贵最聪明的模型
听着像烧钱，实际上反过来，聪明模型一次想清楚，笨模型来回试错烧掉的token远超差价。
他的原话："计划做得好，代码自然好。"

第二，整个团队维护一个纯文本知识库
不是Notion，不是花哨的文档系统，就是一个txt文件。Claude每犯一次错，记一笔，每周更新好几次，这个文件就是团队的长期记忆，Claude不会在同一个地方摔倒两次。

第三，永远让Claude看到自己代码的运行结果
能跑代码，能看浏览器渲染，
他的比喻很准："你让一个画家蒙着眼睛画画，
画完不让他看，然后怪他画得丑？"

[Darren北美投资 @darrencao2024]

谷歌发布TurboQuant，声称把AI推理内存压缩6倍。市场第一反应：内存股完了，美光到顶了？
其实我认为今天的消息对美光MU基本面影响极小。
第一，TurboQuant压缩的是推理阶段的KV Cache，训练完全不受影响。训练对HBM的需求不会少一个字节。
第二，推理阶段HBM的需求也没那么脆弱。模型权重本身就需要大量HBM承载，压缩KV Cache解决不了这个问题。
第三，历史规律是效率越高需求越大。DeepSeek降低训练成本，结果是推理需求爆炸，HBM反而更紧张。TurboQuant节省出来的内存，只会被更复杂的模型和更多用户重新填满。
目前AI算力结构：训练占三分之一，推理占三分之二，且推理比重还在持续上升。这意味着HBM需求的主战场正在从训练转向推理，市场规模预计从2025年350亿美元扩大到2028年1000亿美元。
美光2026年HBM已完全售罄，2027年供应仍然紧张，目前只能满足最大客户约50-60%的需求。
在我看来这很像是去年deepseek刚出来后英伟达股价下跌的情况。实际上，美光这次的跌幅比上次英伟达要小很多，因为它的价位真的很便宜了，前瞻PE只有5。
短期利空情绪，中长期逻辑未变。今天的下跌我加仓了。

[Terry @RichTerry123]

什么才是黄金真正的大利空？如果行情真的反转，它一定满足以下三种极端情形之一：

1. 全球经济找到了强劲的新增长引擎，ROI上升，能够凭借真实的经济增长消化掉债务，高利率+强美元+高增长并存。（参考1990年代末克林顿时期）

2.如果美国政府开始大幅削减赤字，真正实现财政紧缩，美联储坚决维持超高实际利率，即便牺牲经济和股市。（参考1980年代初保罗·沃尔克时期）

3.需求崩塌，所有资产泡沫破裂，全球进入类似于1929年的通缩螺旋，极度通缩且现金为王的阶段。（参考2008年次贷危机初期）

[外汇交易员 @fxtrader]

谷歌周三推出AI内存压缩技术TurboQuant，宣称将大模型缓存内存缩减6倍、性能提升8倍。Cloudflare CEO Matthew Prince等人称其为谷歌的“DeepSeek时刻”，通过极高的效率收益大幅拉低AI的运行成本。
消息引爆市场对存储需求的恐慌，美光科技和闪迪等存储巨头盘中重挫逾5%。不过，摩根士丹利等机构认为，历史经验表明压缩算法的存在从未从根本上改变硬件采购的整体规模，大摩援引杰文斯悖论指出，效率革命非但不会压缩硬件需求，反将激活更庞大的AI部署规模。

[rick awsb ($people, $people) @rickawsb]

简单来说,Google的turboquant这篇论文是在告诉大家,如果说存储的优化是有一个很硬的上限的话,我们已经在快速的逼近这个上限

剩下的存储优化的空间已经不多了

所以这根本不是什么利空,这其实是对存储巨大利好。

[Tigris | 会讲课教授是好老师 @tig88411109]

没想到Google一篇去年4月发的老论文引发了一场今天内存行业的大跌惨案。

TurboQuant作为谷歌披露最新的内存在推理阶段压缩到算法，这一定是大势所趋，任何瓶颈技术发展，都会有人去突破，之前是算力，现在是“存力”。

但是不是粗暴说这个算法提升，所有存储行业需求通缩了，而是把以前市场那种简单…

粗暴的叙事打爆了：就是仿佛推理需求大，上下文需求大，那么内存就一路向上。

现在更现实的是不可能涨到天上去，但是对于存储行业的系统性需求，HBM，DRAM和SSD至少未来3/5年是指数型爆炸的需求，当然要考虑不断增产投资，但是对于云服务上，对于GPU厂商，这种算法对于存储瓶颈的突破，一定会带来更大的ai应用，这才是真正科技红利。

[大老师Bugsbunny @octopusycc]

总结一下信息

1. 目前美债达39万亿，债务上限为40万亿美元，为债务上限 目前是历史级最高水平
（如需提高上限，需要申请提高债务上限）

2. 国防部2000亿美金拨款用于美伊军事行动

3. 25年6月以来的关税收入只有1500亿美元
且被最高院判定为非法

4. 两年期国债拍卖低于预期

5. 今年美债到期规模为10万亿美金 为历史级最高 占总体为25%

[Ariston @Ariston_Macro]

某大行内部客户会对昨天全球有色抛售交易的最新讨论观点，解释的部分看下就好，更重要的是未来3-6个月的交易框架，在此仅做部分摘录分享：

1）铜现在先交易的是需求毁灭，铝现在先交易的是供给中断，黄金则处在“短期流动性抛压、但中期逻辑仍强”的阶段，镍介于铝和铜之间，锌整体则相对次要。

2）关于铜：冲突对铜的首要影响不是供给，而是更高能源价格通过宏观链条压低需求。若油价上涨 40%，全球 GDP 增速大概会被拖累 0.6 个百分点，而铜的需求对 GDP 弹性大约是 1.2 倍，这意味着铜需求存在 0.7%-0.8% 的潜在下修压力。

3）这个量级并不小。全球铜市场大约是 2500-2600 万吨，所以每 1% 的需求变化基本就是 25-26 万吨的铜量。换句话说，哪怕只是宏观层面轻微恶化，对铜平衡表也足以构成实质性冲击。

4）铜价格之所以到现在还算有韧性，是因为过去两三年“宏观”和“微观”一直不同步。进入 2026 年时，宏观看起来不错，PMI 稳住、真实资产再度受欢迎；但微观很差，显性库存高、中国接近“买方罢工”。而这次调整恰恰反过来了，宏观叙事被打坏，但中国微观却在低价位开始修复。

5）中国微观修复信号很重要：上期所价格跌破 10 万人民币后，春节后去库存速度比预期快，进口套利重新打开，半成品加工利用率回升。这说明铜并不是全线崩坏，而是在“宏观先恶化、微观暂时止血”的过渡阶段。

6）原因是中期看，铜在衰退环境里的平均回撤幅度历史上接近 30%，而市场当前显然没有计入这个级别的风险，最多只是刚刚开始从“过度从容”中苏醒。

7）关于硫供应链，刚果（金）SX-EW 铜生产大约有 180 万吨阴极铜、也就是全球 7%-8% 的供给，依赖中东硫。但运输链本身有 1-3 个月，地方库存还能撑约 1 个月，所以硫问题不会马上炸出来。铜市场眼下仍是“需求先定价、供给后定价”。

8）因此，如果要给铜一个时间顺序判断，如果未来一个月里供给还没到迫在眉睫的地步，市场会继续优先交易更弱的 GDP、更差的需求和技术性下冲。他给出的下一个关键技术支撑，大致在 11000-11200 美元/吨。

9）铝的逻辑和铜几乎正好相反。中东铝产量约 680 万吨，占全球供给约 7%，若剔除中国则占全球其他地区需求约 18%。更关键的是，这里面除了约 40 万吨外，其他几乎都处在不同程度的物流风险之中，所以铝市场首先失去的是“流动性”，然后才会演变成真正的“供给问题”。

10）当前铝先交易的不是金属消失，而是金属流动被卡住。也正因为如此，市场先看到的是升水、价差和区域货源争夺，而不是现货库存在某一刻突然清零。

11）真正更危险的节点在于冶炼厂原料端。大多数中东铝厂起初只有大约一个月的氧化铝库存可供满产运行，虽然阿联酋等少数地区因自有氧化铝或铝土矿资源能稍微延长，但一旦进入降负荷决策，事情就很难回头，因为电解铝厂关停和重启都非常麻烦。

12）这也是铝不对称性的根源。现在已经看到 Alba 在讨论进一步降负荷，Qatalum 即便能维持 60% 运转，也仍受制于氧化铝进口问题。未来两三周里，预期会持续有更多“进一步减产/降负荷”的 headline 出来，而一旦真关，恢复也要 4-6 个月。

13）铝是当前最干净的上行表达。因为在铝这里，市场很可能先失去每月 40-50 万吨的有效供给，然后宏观需求毁灭才会慢慢变成主线；所以铝最终当然也会回落，但那个节点大概率在数月之后，而不是现在。

14）铝的 GDP 弹性接近 2 倍，高于铜的 1.2 倍，但即便如此，如果真有接近 7% 的供给损失，要从需求端完全对冲掉，可能需要 3% 以上的 GDP 下修，这个冲击量级本身已经非常大。

15）铝的替代物流方案目前看来也不现实。即便只搬运成品，每天都要动用 300-350 辆卡车；若再算上体积更大的氧化铝原料，复杂度几乎指数级上升。所以他不认为这个问题能靠临时运营优化“轻松解决”。

16）黄金这边，看法和很多宏观派很一致：短期黄金下跌并不奇怪。因为在第一轮风险冲击里，波动率上升、美元走强、降息预期被踢出，黄金反而经常先被拿来做再平衡、补保证金和压 VaR，所以会出现“美元强、黄金弱”的组合。

17）但中期上不转空黄金。如果能源价格在高位维持足够久，增长担忧最终会压过通胀担忧，美联储会重新转鸽，黄金的中期逻辑就会重新占上风。眼下更像是第一轮 flush，而不是长期趋势逆转。

18）但黄金有个最大的“暗雷”：央行买盘。过去两年，正是新兴市场央行高位买金，打破了传统黄金与真实利率/ETF 流向之间的定价关系。如果流动性真的显著恶化，央行先停止增持、甚至部分转卖黄金，那会动摇中期金价叙事的根基。

19）白银比黄金更弱。原因不是简单波动大，而是它兼具工业金属属性，所以在高波动和增长担忧环境里，通常比黄金跌得更深、反弹得更慢。若扰动拖长，金银比进一步抬升是更大概率事件。

20）锌和镍则处在次级战场。锌受伊朗精矿流向中国的影响，已有一些精矿紧张和加工费下行，但不构成全球级别的大冲击；真正要盯的是更高天然气价格会不会逼亚洲或欧洲锌冶炼厂减产。镍则因为印尼 HPAL 也依赖硫，风险有，但库存缓冲比铝更厚，短期受宏观洗仓影响大于立即的供给冲击。

21）如果把整场电话会压成一个可执行框架，排序大致是：基本金属里首选做多铝、做空铜；韧性上镍优于铜；贵金属里中期继续看多黄金逢跌买，但短期对白银和其他白色金属仍偏谨慎。

[Aelia Capitolina @kaptonia]

https://t.co/OwgfXtjyyw

[howie.serious @howie_serious]

中转站真黑啊：一鱼三吃，吃干抹净。

第一吃，面向网民：偷窃信用卡，用黑卡注册ai账号；

第二吃，面向 ai 用户：把黑号逆向包装成api，售卖 api 收费；还把中低端模型包装成前沿模型；

第三吃，面向大厂：把用户售卖数据给大厂做蒸馏模型。

在微信群里看到群友分享中转站，被我制止了。知道有黑幕，没想到这么黑💣

[Mr.Jack @zhuowan93657519]

@you1873118 她老公當年先是通過她的bra了解了她的尺寸，後來線下交易又知道了她的長相，打王者的過程中了解她的性格。等於是由內到外了解了個通透，所以才放心跟她結婚。

[seekinganythingbutalpha @ivanalog_com]

开战第一天以来，就差把煤化工这几个字刺在嘴上了。

祝大家发财。

[华尔街观察 Xtrader @cnfinancewatch]

甲骨文财报没想到技巧那么高，固定资产存储、GPU和电力，现在全部大幅升值，负债率大降。

你看得懂吗？

[Aelia Capitolina @kaptonia]

比covid还大的shock正在路上。

我发现我每次预判总是比市场反应提前两个身位，导致老是在提前一个身位的位置被止损😅在事情真的发生的时候，收益反而没那么好。