xiaohu

[168X @168X_Fortune]

https://t.co/RuGnhwcTiZ

[大宇 @BTCdayu]

戴尔三个月暴涨四倍的可复用规律

三个月，戴尔股价从120美元暴涨到最高460美元。
为什么一家"过气 PC 厂"公司，被推到历史新高？

2026年5月31日，迈克尔·戴尔（Michael Dell）在推特上发了一张照片：一台刚下线的机柜，称戴尔与英伟达已向 CoreWeave 交付首台 Vera Rubin NVL72 系统。

Rubin 是英伟达继 Grace Blackwell 之后的新一代旗舰，算力、内存、互联都被反复讨论。但把这块芯片装进一个能通电、能跑、能散热、能通过验证的机柜，并且连续三代旗舰都是全球第一个交付出去的，是戴尔。

戴尔的暴涨，不是单纯的炒"AI 概念"，而是被真实数据推着走的。错过了上涨，但不能错过为什么，我想知道哪些能复用，下一个类似的公司在哪？为什么？

研究完之后，我发现：美股可以先为叙事买单，但真正的大涨，发生在数字落地之后。

https://t.co/lIqPaVAK2C

[Herman Jin @ShanghaoJin]

凡所有相，皆是虚妄。若见诸相非相，则见如来

作为一个AI死多头，我知道在所有人狂欢的时候，但凡发出一点悲观的言论都必被讥讽、嘲笑

但是，我很想写此文，其实是复盘与反思：不但是为自己这两年半写X、做交易做的；也是也是对这个疯狂市场做的

很幸运，作为闲暇的爱好，写X结识了很多新朋友。感谢互相欣赏与启发，在过去2年里，我从24年4月初清仓BTC换成AVGO NVDA，大选前AAOI PLTR TSLA INTC，关税战后INTC GOOG，25年底又加仓INTC AAOI，到今年春节逃跑、再满仓AMD NOK（最近又操作了ORCL LITE）。虽然，有买彩票SUP归零，MRVL MDB也有赚有亏，但是我一直坚信AI对token的需求会让半导体every dog has its time，获得了不差得收益。期间不少小伙伴们也都赚到不少于10倍收益

然而，此刻要清醒的意识到，收益并不是我们选股牛，眼光独到，而是市场牛！我复盘了我自己今年3月最后一周，周末前全仓买入。赚钱并不是因为当时买对了AMD，而是当时call 对了市场资金结构

所以，在这个时点上更需要静心凝神，好好反思下市场接下去会如何

喝醉酒的人是不会知道自己喝醉的；沉醉美梦中的人也不会意识到黄粱一梦，这过程可以很久，我们也可以继续疯，但是必须要清醒地在更高阶意识中，认识到随时有被敲醒的风险

One of the four beasts saying, COME AND SEE – Revelation 6:1

不同于华尔街很多人，我是“坚信”AI的

30年来第一次，AI模型用并行计算替代串联计算，把半导体的进步直接变成了生产力（之前科技进步只是作为平台，让用科技的软件、以及用软件的人创造价值）

AI的结果是token需求指数级升高vs 而半导体供应只能线性增加。加上整个半导体老登们在过去几年黄金时间，没有因 “信” 而扩产，今年需求真正开始爆发后全产业链缺货。造就了这轮大牛市

不过，大牛市的命脉是市场price in了:

模型收入加速度，不远得未来可以justify Hyperscalers 的Capex

要知道任何动摇命脉预期的都会让市场陷入恐慌

1. 铜墙铁壁：horseman之一就是微观、公司层面真的无懈可击

从看模型架构、从架构看需求，微观看半导体每一个赛道，每一个公司都近乎完美。每一个，都越看的细致，越了解深入，越是有自信---- 这就是典型低PE泡沫

Rule of Thumb：当看了几十、上百家公司，每家需求、盈利都真实solid，你就必须质疑这个市场有没有问题

低PE泡沫一样是一个泡沫，只是他不同于2000年。高PE是个预期泡沫，市场会不停设定更高的收益预期，一旦核心公司预期破灭，整体预期立即调整，多米诺骨牌一样一片片倒下。这就好像去年的IGV，市场忽然不给EV/EBITDA估值了

但是低PE泡沫没有这个问题，盈利增长会给你足够信心在稍微下跌之后不断加仓冲进去。毕竟谁能拒绝个位数PE的存储，每年涨价涨盈利，毛利率80%。这个过程中，小跌小买，大跌大买。只要不被切中“命门”市场会非常坚挺。持续性正反馈，好像美梦一样让人不愿醒来，也不相信是做梦（买过p2p的知道我说的什么感觉吧）

不对称反馈：明显的体验是在过去1年中，市场对于宏观负面风险的反馈明显弱于正面利好。此时，并非没有“野蛮人”，而是公司盈利能力的城池固若金汤。不管伊朗危机、油价、通胀、利率、Fed统统能拒之门外。反之，一旦命门被破，所有野蛮人都会杀回来，过去没跌的够的一次性补完

2. 去监管与宏观流动性宽裕：

整个金融体系自从2008年金融海啸之后经历了一轮长期的监管与去杠杆，为了弥补系统性流动性损失美联储对应展开了一轮持续的QE。银行当时平均杠杆x30~x40，后来降低到了x15~20。去年美联储降低了eSLR要求，实质性让银行理论可扩4-5万亿美元资产负债表
其实，4月后银行间流动性泛滥，也加剧了风险资产狂欢，低PE下杠杆入市

流动性是一切之王，流动性泛滥征服一切。如果说疫情期间120b/月是细水长流，现在就是开闸放水。对应过往平衡的QE没有转向QT情况下，直接放任银行去监管，制造大量流动性

但是流动性又如多巴胺，不是快乐分子，而是期待分子

放任之后，现在通胀黏着，Fed其实没有短期降息余地。甚至在危机一旦发生之后，都很难去QE，只有降息手段的Fed面对可能的危机是一个纸老虎。而短期流动性的另一面是，目前半导体、特别是存储中的杠杆已经太高了

3. 群雄并起：He went forth conquering, and to conquer

可能因为TSMC带头不相信AI，半导体行业整体在过去2年没有应对AI需求大规模扩产

后果是，当整个产业面临硅基洪流需求，忽然傻眼。过去半导体产业链主要是为了消费电子设计、定价的。而现在，不但订单忽然拉满，而且需要不停迭代架构

NVDA就从GPU fabless，进步到rack方案解决，再往token factory迈进。每个过程需要的技术、供货商都不同。所有供货商都没有经过如此量产设计。这就好像把一台拖拉机强行拉上高铁，让他以200mile速度奔驰，每个零件都会嗡嗡作响。半导体每个细分行业都缺货，缺产能，提高不够产能

与之伴生的一个问题是：原来卖方市场只有TSMC一个“守门员”控货源、控margin、控价格。原仔汤搓的产业有肉吃，需求方对价格产能有预期，良性发展。今天忽然五亿探长“雷诺”控制不住了，每个“小混混“都能来涨价、收保护费。真正的结果不是半导体都牛叉，而是失控：失控会影响每GW需要投入的成本核算，影响到命脉的预期。会给capex与模型收入会师蒙上阴影

4. 钢丝起舞

AI模型收入预期太满

回顾一下，市场坚信定价Anthropic + OpenAI + Gemini的收入会快速增加让Capex合理。这条命脉的信仰是不能有一点动摇的。哪怕略微的动摇都会导致二级市场剧烈波动

那么，过去GPT 5.0也有模型不及预期，市场质疑scaling law为什么没有让半导体大跌？

首先当时半导体没有像今天这样全面开花，也没有如此高的杠杆；其次，当时hyperscaler的现金流冗余较多，只要他们表示相信，拿钱来capex支持是很容易度过难关的。毕竟一旦他们有钱、继续capex，可见2年NVDA收益确定性高，没有人能顶风做空NVDA的

后来也发生过GPT被Gemini追平，并且导致Orcl持有其大量backlog订单而被做空。不过大总统的好兄弟老Larry敢对wall street说F you，用股权融资也要继续加注。很快， Opus横空出世让人意识到AGI时代已经到了

然而，今年capex已经到了770b，明年要1tril，华尔街是不会看Hyperscaler总营收多少的（道理就跟当时ORCL一样：OAI Anthropic可都是拿了他们投资款的），他们必须看到Anthropic 与OAI的增速持续，这个才是维系整个链条自转下去的核心

与此同时，这个游戏中大厂一直担任AI的监护人角色。但是他们的自由现金流已经变负了。“父母老了，力尽了“，后面的路要靠自己。而且市场满满预期下，对这条路一根筋的执着，不会给“主线”一丝一毫的容错

（你们可以回想NV rack液冷出问题，交换机CPO良率问题，这些小巫见大巫、假以时日一定能解决的问题，市场尚且没有任何容错）

命门在Anthropic：大过，大者过也。栋桡，本末弱也

供应延迟、乃至技术卡壳的问题是腠理之疾；任何模型端的风吹草动才是心腹大患

现在御三家模型的统一问题：算力不够，所以失智

我在自己大量使用模型编程、交易程序部署，多个AWS服务互动过程中发现，Opus4.8实际能力已经远远不如中国模型kimi了。虽然GPT还勉强可堪一用，但是也在逐步降智。市场在用固有软件思维考虑AI, 系统开发成本高、使用成本很低。试用好用将来也就可以稳定保证系统质量。但是AI是一个工厂，模型输出需要成本，饭店吃饭的人多了，厨房做不过来，质量自然变差了

第二个市场固有思维：指数的token需求是没有波动的，也不因质量改变。事实上，虽然我因为模型变蠢多用了很多token。但是我质疑token质量不断下降，token消耗增加的怪异剪刀差可以持久。现在很多公司确实对token使用有KPI考核，很多惯性订阅使用者也会加速使用，但如果算力瓶颈无法解决，我非常担心Anthropic增长曲线会变缓。而且算力问题非一蹴而就，也不是一个新模型能解决的

但是当市场开始意识到这个问题的时候，投资人会质问：

1. 跑不过蒸馏你的，模型花那么多钱训练干嘛？

2. 模型是不是商品化的model commoditize ？

当承载整个AI时代的模型“梦”也将受到质疑，整个盈收逻辑将来能否自我循环跑通将被质疑，所有今天拿了PE估值的半导体都同样会被质疑--- 你是不是周期性的？？

有人会说，失智既然因为算力不够就应该加大投入半导体解决问题

没错！但是钱呢？

如果刨掉OAI 与Anthropic拿到的融资款反哺云厂，他们能有多少净现金流可以继续支持这个投入？这个账对华尔街来说非常好算。当然不排除他们像当时orcl，哪怕融股权也要继续投入，熬过这关。到那时，可能市场的反应就会远远超过去年，假设AMZN Meta如果面临CDS 飙升、负现金流，他能否像老larry一样孤注一掷是不确定的

另外有人会说，OAI收入增加能不能弥补投资人担心。我认为预期如此之满的状况下，因为“比烂”而被替代是很难让人安心的（两军对战关羽被阵斩了，你说还有个张飞？没用的）

同时，我们也要意识到。这个Low PE的泡沫又是非常坚韧的，在没有直击到命门伤到命脉预期之前，几乎无敌。不过，一旦点中死穴就会轰然倒塌

我就业以来也曾看过好几次次纸碎金迷，潮起潮落，没有一次全民疯狂会ends well；

也没有一次梦在其中的人，会想明白这个赛道“怎么输”。最近一次币圈小伙伴熟悉的Defi summer。Uniswap很短时间狂卷几十bil USD，当时觉得取代部分传统金融只是时间问题、多少问题，根本不会想、也想不明白“怎么会输”。然而，如果喝醉酒的人想明白怎么会输，他就不会输了

不管Anthropic模型怎么样，面临什么问题，都不会动摇AI是人类第三次工业革命。AI过程不会受任何危机影响，碾着狂欢者的尸体也会继续前行，直到他替代几亿脑力劳动者

最后评论Low PE泡沫：不要说做空，哪怕踏空，痛苦指数都非常高。回头看看2007年做空subprime的哪些基金，有几个活到了最后狂欢？

牛市踏空都会变成笑柄的环境，我接下去会需要很多Aura力量与专注的力量，去一边看空一边做多。请原谅会减少在推特上消耗自己修为论道了，赠言：

可以喝酒，但是不能喝醉
可以讲故事，但是不能真信
可以跳上party桌子跳舞，但是双眼必须紧紧盯着DJ，他放着音乐跑了，你也得跟着跑

[qinbafrank @qinbafrank]

老黄点名了下一个将达到万亿美金市值的公司，相比这个Murphy（MRVL的CEO）今天演讲以及他与来黄的对话更值得一看。Murphy用近一个小时的时间，系统阐述Marvell如何押注数据基础设施、为什么光互联将成为AI时代的关键技术，以及这场从铜缆到光纤的转型将如何重塑整个数据中心架构，看完murphy的演讲，相信能对光互联的技术演化有更深的理解和认识，梳理下Murphy的演讲要点：
1、十年豪赌：如何成为数据中心之王
Murphy演讲从一段自我剖白开始。2014年加入Marvell 时，这家公司60%的收入来自消费电子市场，数据中心业务占比不到10%。也正是在那个时刻，他做出了一个大胆的判断——半导体行业的下一个增长周期，将由 Google、Amazon、Microsoft、Meta 等平台公司驱动，核心需求是“以大规模移动、存储、处理和保护数据的半导体技术”。

这个判断在当时并不被广泛认可。“数据基础设施”甚至还不是一个被行业承认的市场类别，只是 Marvell 用来描述未来愿景的内部术语。但 Murphy 和他的团队展现了惊人的执行力：通过一系列精准的并购和剥离，Marvell 在十年间投入了约285亿美元（225亿美元收购+60亿美元内部研发-40亿美元资产剥离），系统性地构建了从毫米到千公里、覆盖 AI 基础设施全栈的连接技术平台。

这些并购包括2018年收购 Cavium 强化计算和网络能力；2019年收购 Avera 建立定制芯片业务、收购 Aquantia 增强连接产品组合；
2021年以100亿美元收购 Inphi 获得世界级数据中心连接技术；
以及最近12个月内收购 Celestica AI 的光子结构技术和 Xcon 的 scale-up 交换能力。

结果是惊人的：Marvell 从2014年的25亿美元营收增长到2026财年预计的110亿美元，最近几年增速更是达到每年40%。根据上周财报电话会议后的华尔街共识预期，2027财年 Marvell 营收将达到164亿美元。更关键的是，数据中心业务占比已从不到10%飙升至上季度的75%以上。

2、连接性：AI 基础设施的真正瓶颈
Murphy 在演讲中抛出了一个核心问题：什么定义了 AI 基础设施的性能？大多数人会想到处理器、GPU、制程节点（3nm、2nm 甚至未来的1.4nm、1.6nm），或者高带宽内存。这些当然重要，但 Murphy 指出，这些都不是系统的决定性特征。

“因为一个处理器，无论它有多快、连接了多少内存，对于今天的 AI 工作负载来说根本不够。你需要数万个、最终是数百万个处理器作为一个单一的大规模计算引擎协同工作。这就是为什么这种规模的计算从根本上是一个连接性挑战。”Murphy 说道，“而且越来越多地，正是连接性的架构和特性定义了系统的性能。”

这个判断得到了英伟达 CEO 黄仁勋的呼应。在 Murphy 邀请下登台的黄仁勋强调，AI Agent 的计算模式是“分解和分布式的”（disaggregated and distributed）——当你把一个计算问题分解成许多部分，并分布到整个数据中心时，连接性就成为必需品。“我们分解和分布式计算，使其运行在这些巨大的集群上，这样我们就能聚合总计算量、总内存和总带宽。而使这一切成为可能的，就是连接性。”黄仁勋说，“这就是为什么 Matt 做得这么好，为什么 Marvell 如此关键。”

Murphy 进一步解释了连接性瓶颈的演变逻辑：过去几年，AI 基础设施先后解决了计算瓶颈（英伟达引领的 GPU 革命）和内存瓶颈（HBM 高带宽内存的规模化），现在瓶颈正在再次转移。“现在是连接性将定义基础设施的极限，就像计算和内存一样。”他引用了与最大客户的对话：“世界上最大的超大规模云服务商现在正在重新构想他们的整个网络架构。他们认识到，扩展 AI 基础设施现在首先是一个连接性挑战。”

随着推理模型、专家混合架构（mixture of experts）、生成式 AI 的持续演进，更多数据必须在基础设施中移动，需要更高的带宽和更低的延迟。当工作负载不再适合单个数据中心时，就需要建设更大的数据中心或整个数据中心园区，以及它们之间的所有高速连接。“因此，连接性成为扩展计算的关键推动力，我们的客户越来越认识到光学是前进的方向。”Murphy 说。

3、从千公里到毫米：Marvell 的全栈连接布局
Murphy 用一张图展示了 AI 基础设施跨越的所有距离——从数据中心之间的数百甚至上千公里，到封装内部的毫米级距离。每一个距离都需要不同的解决方案、不同的技术、不同的工程团队，甚至不同的供应链。“这些不是同一问题的变体，而是根本不同的工程挑战。”

1）跨数据中心连接（数百至上千公里）
这需要非常专门的相干调制（coherent modulation）技术，核心是专用的数字信号处理器（DSP）。Marvell 是全球少数几家能够构建这种相干 DSP 的公司之一，已经领导了从100Gbps 到400Gbps 再到800Gbps 的代际演进。Murphy 在现场展示了一个相干光模块实物——这是一个极其复杂的工程产品，包含了 Marvell 最复杂的先进制程 CMOS DSP 芯片、第四代硅光子技术（已量产十年），以及用硅锗工艺设计的自研宽带模拟组件。“今年晚些时候，我们将采样世界上首个1Tbit、2nm 制程的相干光学解决方案。”Murphy 宣布。

2）数据中心内部连接（数百米）
数据中心内部包含成排的计算服务器，每个机架顶部通常有一个交换机，机架级交换机连接到脊柱和核心交换机，通过光纤电缆形成整个数据中心的网络结构。这部分使用的是更节能的 PAM4调制技术。Marvell 构建了业界领先的 PAM4 DSP 解决方案，以及高速模拟组件（包括跨阻放大器 TIA 和激光驱动器），并引领了从25Gbps、100Gbps、200Gbps、400Gbps 到800Gbps 的每一次重大转型。去年，Marvell 开始量产业界领先的1.6Tbps PAM4解决方案。在以太网交换方面，Marvell 拥有从51.2Tbps 到51.2Tbps 的完整产品组合，并在 ComputeX 当天宣布了专为 AI 数据中心设计的新一代102.4Tbps 以太网交换机，具有业界最低功耗。

3、机架内部连接
目标是以全互联（any-to-any）配置连接尽可能多的处理器——每个处理器都能直接与其他每个处理器通信。英伟达的 NVLink 72（因机架内连接72个 GPU 而得名）首次将这种架构推向市场。这需要完全不同的交换类别，以及通过机架内铜背板驱动超高速信号的能力。“今天，这不是光学的领域，这是铜的领域。”Murphy 说。核心差异化因素是电气 SerDes 技术而非光学。Marvell 拥有目前领先的200Gbps 电气 SerDes，并已在过去几年中演示了面向未来的400Gbps 技术，这些 SerDes 被集成到客户的定制芯片、XPU 以及 Marvell 自己的 scale-up 交换机中。

4）封装内部连接（毫米级）
当今最先进的芯片内部有多个 chiplet，2.5D 或3D 封装本质上是一种连接技术，允许这些 chiplet 在封装内非常靠近地放置，并通过超高速短距离 die-to-die 接口通信。Marvell 拥有领先的 die-to-die SerDes 和先进封装能力，使客户能够构建业界最复杂、最独特的多 die 芯片。

Murphy 强调，拥有所有这些能力“在一个屋檐下”是不寻常的、独特的。“当我们去竞争时，通常在每个类别中我们面对的是不同的竞争对手。但这就是我们的独特之处——我们是一站式商店，是整个连接堆栈的领导者。”

4、铜墙将移：光互联的物理必然性
Murphy 演讲的核心洞察集中在一个概念上：铜墙（Copper Wall）。他用一张图清晰地展示了当前 AI 基础设施中的连接分界线——左侧是光学连接（使用光纤电缆传输光信号，两端有复杂的电子设备驱动和调制激光），右侧是电气连接（使用铜缆、PCB 上印刷的铜走线，或封装内部的微观铜布线）。中间是“铜墙”，定义了信号在必须转向光学连接之前可以通过铜传输的最长距离。

“这是一个重要的区别，因为铜很简单、成本低，正如 Jensen 所说，你想尽可能长时间地使用它，这非常实用。但光学更复杂，需要激光器、光子学、复杂的电子设备。”Murphy 说，“而铜墙，我今天要告诉你们的是，它即将移动。它将再次移动，并将接管机架本身。这正在为光学行业创造需求的爆炸式增长。”

这不是偏好问题，而是物理定律。信号通过铜缆传输的距离与带宽成反比——每次带宽翻倍，距离就必须减半。Murphy 给出了具体数据：当今世界上最高速的生产系统运行在每通道200Gbps。在这个带宽下，电缆长度限制在大约1.5米。相比之下，100Gbps 系统可以使用约3米的电缆。而机架的高度约为2米，考虑到机架内部的所有布线，2.5米正好是极限。“所以当我们转向1.6Tbps 时，我们不能再用铜完全连接机架了。墙正在移动，而且是现在。”

Murphy 强调，这不是遥远的未来：“今后，即使是机架内的连接也将变成光学的。整个行业都知道这一点即将到来，所以我们一直在为这一刻做准备——不仅仅是 Marvell，而是整个行业。你可以在台湾看到这一点，在供应链和正在发生的产能爬坡中。”

铜墙每向右移动一步，连接数量至少增加一个数量级。“这正在创造我提到的需求爆炸，光学供应链需要大规模扩展并做好准备。”Murphy 回顾了20年前的类似转型：当时数据中心内部的最先进技术是10Gbps，整个数据中心都使用铜缆，光学基本上只是电信技术，保留用于非常长的距离。但当墙移动时，光学行业迎接了挑战，今天世界上所有的超大规模数据中心都是光学连接的。这次转型催生了新的解决方案——针对数据中心内部优化的 PAM4技术，而 Marvell 是那里的关键创新者之一。

5、CPO：光互联的下一个前沿
当光学进入机架内部时，需要的新技术叫做共封装光学（Co-Packaged Optics, CPO）。Murphy 花了相当篇幅详细阐述这一技术：“CPO 是一种将光学连接一直带到封装本身、紧邻计算的技术，无论是定制计算还是交换芯片。”

CPO 要解决的根本挑战是密度和功耗。机架内的连接数量是机架之间连接数量的10倍。“如果我们只是尝试使用数据中心机架间使用的相同光学技术，你不会有足够的功率，不会有足够的物理空间，无法容纳所有这些标准光学模块和电缆——这根本行不通，不可能。”Murphy 解释道。

CPO 的概念是将光纤直接带到封装，将驱动光纤信号的电子设备与定制计算或交换芯片紧密耦合。“这是一个巨大的变化，而且很难，因为你要结合芯片行业中一些最先进的技术：领先制程 CMOS、硅光子学、先进封装、光互连，所有这些都在一个小型紧密集成的系统中制造。复杂性非常高，但这是继续扩展带宽并克服我谈到的铜限制同时降低功耗的唯一方法。”

Murphy 强调这不是未来主义的东西，而是正在发生的现实。他在现场进行了实物展示：一边是传统的以太网交换机——当天宣布的102.4Tbps Teralink 交换机，可以看到板中央的交换芯片，PCB 内部的铜走线将信号传输到前面板，所有光学模块都插在那里。另一边是基于 CPO 的交换机——封装中央仍然是交换芯片（51.2Tbps 交换机），但边缘周围是16个3.2Tbps 光学引擎。“16乘以3.2，你得到51.2Tbps。所以光纤现在直接连接到这些引擎，而不是前面板。我们完全消除了 PCB 上的铜走线。光直接从封装中出来。这是一个非常非常复杂的工程作品。”Murphy 说。

Marvell 为 CPO 投入了十多年：硅光子学、光学 DSP、所有周围的模拟宽带组件，以及实现这一切所需的所有先进封装。“这一切实际上都需要在 CPO 中汇聚。”Murphy 说。

6、英伟达的背书与 NVLink Fusion 合作
Murphy 特别强调了与英伟达的战略合作扩展。几个月前宣布的合作中，英伟达向 Marvell 投资了10亿美元，双方正在扩展跨多个维度的合作，包括光学、光子学和 NVLink Fusion。黄仁勋亲自登台与 Murphy 对话，这本身就是一个强有力的信号。

黄仁勋详细解释了 NVLink Fusion 的战略意义：“有时候，也许云服务提供商想要设计自己的定制芯片。在我们之间，我们也在 NVLink Fusion 上合作，这使得你可以使用相同的系统架构，内部有 Marvell 的一些半定制芯片、大量互连、硅光子和光学技术。我们可以创建一个本质上分解、分布和异构的数据中心。”

关键是系统架构保持一致。“他们的网络技术可以利用大量英伟达的堆栈。CPU 可以是 Vera，但它可以利用大量你们的堆栈。所以 NVLink Fusion 是关于采用英伟达的技术和我们的平台、Marvell 的技术和平台，然后我们融合它。这就是为什么它被称为 fusion。”黄仁勋说。

Murphy 追问了铜到光学的转型时间表。黄仁勋的回答非常务实：“我们应该尽可能长时间地使用铜，但铜有其限制——带宽和距离的限制。所以最终正确的策略是：尽可能长时间地用铜进行 scale up。之后，用光学进一步 scale up，用光学 scale out，用光学跨越连接。所以你在必须的地方使用光学，在可以的地方使用铜。”

但黄仁勋随即给出了乐观的市场预测：“底线是，在未来五到十年，我们将使用大量的铜，也将使用大量大量的光学。这些数据中心现在是基础设施的一部分。我说 AI 现在有用、有用的 AI 已经到来的原因是，现在 AI 是有利可图的，token 是有利可图的。当 token 生产有利可图时，每个人都想制造更多 token，这就是为什么 Marvell 的需求如此之高，我们的需求也如此之高。因为每个人都想生产更多 token，因为它被 Agent 到处使用。”

7、无距离数据中心：光互联的终极愿景
Murphy 在演讲的最后部分描绘了一个激进的未来愿景：他当数据传输全部变成光学时，距离实际上不再重要。“这是一个深刻的变化。”说。

今天的服务器、机架和整体数据中心架构都是围绕距离的约束设计的，软件工作负载也围绕这些相同的约束进行了优化。但如果距离不再重要呢？

首先，scale-up 网络的规模可以从72个或144个 XPU/GPU 扩展到1000个或更多，全部光学互连。“对工作负载的影响是巨大的。今天，AI 工作负载必须分解成适合 scale-up 集群的更小子问题，因为在集群外部通信今天更慢、带宽低得多。但光学互连系统可以管理数量级更大的工作负载。”

其次，服务器本身可以被解构。现代 AI 服务器由一定数量的 CPU、XPU、内存和网络接口组成，它们都在同一系统上的原因是距离——CPU 和 XPU 需要以非常高的带宽访问内存，这意味着它们需要紧挨着坐在板上，铜走线作为它们之间的连接。“但在这些连接都是光学的未来，距离实际上不重要。你可以想象一个完全解构的架构——XPU 在一个系统中，内存在另一个系统中，巨大的 CPU 在另一个系统中。”

这解锁了另一种可能性：今天系统中 CPU 和 XPU/GPU 的比例是固定的，必须在系统构建和部署时定义。但没有两个工作负载需要完全相同的比例，这意味着在任何给定时间，计算或内存的某些部分可能未被充分利用——这要花钱。“但一旦我们将系统分解为独立的计算池和内存池，并且它们都是光学互连的，我们就可以动态组合专用系统，然后针对任何工作负载进行优化。”

Murphy 的终极愿景是“全球光学互连的数据基础设施”：“我们今天拥有的这些系统中的刚性边界开始消失。计算现在可以被池化，内存可以被池化，基础设施可以大规模动态组合。架构师第一次可以开始围绕模型的需求设计 AI 系统，而不是围绕互连的限制。”

他将这个愿景命名为“无距离数据中心”（data center without distance）：“计算、内存、网络和光子学作为一个统一系统运行，数据中心中的数百万资源可以像一台机器一样协同工作，一个由工作负载需求定义的架构，而不是连接性的限制。我们相信这是计算基础设施的下一个时代，Marvell 正在帮助构建使这一切成为可能的连接基础。”

最后再多说点，
Marvell的核心竞争力集中在两个细分领域。
1、定制芯片（ASIC/XPU）设计。 Marvell与博通是全球两大定制AI加速器设计巨头。大厂自研芯片的趋势正在加速——比如微软的Maia 200推理芯片、亚马逊的Trainium系列，背后都有Marvell的参与。TrendForce的预测数据值得留意：2026年定制AI芯片销售增速预计为45%，而同期GPU的增速仅为16%。不是GPU不行，而是超大规模云厂商在推理端的成本压力正在推动它们加速自研定制方案。

2、数据中心互连产品线。 这是Marvell更深的一条护城河。根据其财报，光学互连产品收入保持两位数季度环比增长，数据中心交换机业务预计2027财年将突破5亿美元。Marvell过去十年通过一系列并购累计投入约360亿美元，围绕连接搭建了涵盖定制芯片、高速交换器、光模块、硅光子和先进封装的完整技术平台。

[Biteye @BiteyeCN]

https://t.co/k1VG6GyDzy

[Nico投资有道 @tychozzz]

三个月时间我的 IBKR 账户收益率快接近翻倍了。

一个多月之前我关注了 @aleabitoreddit，顺着他的推文思路，我花了几十个小时时间，研究了整个光互连光通信产业链。

整个过程收获实在是太多了：

- 了解学习了光模块、外延、衬底、硅光芯片、CPO、激光器这些新知识，享受学习投研的乐趣。

- 把学到的东西对外输出，做了一期光通信产业链拆解视频，Youtube 播放量接近 20k，一期视频给我的新频道涨了 1.5k 订阅。

- 在研究做好功课之后，小资金建仓了 SIVE/TSEM/COHR/AAOI/LITE 这些光通信标的，作为高风险激进持仓，虽然赚的不多，但已经很满意了。

感谢股神 Serenity！

[qinbafrank @qinbafrank]

AI电力卡在哪些环节？从发电厂到GPU机柜，一张图聊聊AI电力链条上卡脖子环节的逻辑。Serenity今天开始喊800VDC了https://t.co/SP7XiaQxW1，其实英伟达力推的800VDC属于大电力环节中的数据中心机房配电环节。要配好电电，得先有电。最近电力紧缺趋势越来越严重，5月中以来美国最大电力市场PJMInterconnection的电价出现「不可逆转」的大幅上涨，涨幅高达 76%。PJM覆盖的区域包括弗吉尼亚、马里兰、宾夕法尼亚等超过十个州，恰好是美国AI基础设施最密集的区域之一。马上进入夏季，又是整个用电能换消耗的高峰。梳理下

1、电力卡住数据中心脖子的逻辑
数据中心 18–36 个月就能建好，但输电、变电站、大型变压器、燃气轮机、可调度电源的建设周期动辄 4–8 年，甚至更长。负荷高度集中、负荷率极高、可靠性要求极严，这就把矛盾彻底激化了。

IEA l数据表明：全球数据中心用电 2024 年 415 TWh → 2030 年 945 TWh，净增 530 TWh，折算平均功率约 60.5 GW。按 85–95% 高负荷率+冗余设计，实际对电网和设备链的压力接近 80–100 GW 级接入容量。

美国同期增量在149–404TWh，对应新增平均功率17–46 GW，按 LBNL 50% 利用率口径，2028 年总功率需求可能达 74–132 GW。

2、数据中心的建设能能带动一大批电力相关产业链条
每 100 MW AI数据中心园区拉动：
• 100–150 MW 公用事业接入容量
• 多台主变+备用变压器
• 高压/中压开关站
• UPS、PDU、母线、备用发电机
• 数万米电缆 + 大型冷却系统 + EPC

一个 100MW AI数据中心园区就是120 MW 表计负荷（PUE 1.2），一年接近 0.95 TWh；
1GW数据中心直接 9.46 TWh——相当于一个中小国家全年用电。AI 不是买服务器，是在建一座小型电力系统。

AI数据中心对电力需求不是简单多发多少度电，而是要在极短时间内完成发电-输电-变电-配电-园区电气-备电-冷却一整套系统工程。

3、电力行业的逻辑已经发生变化：
AI数据中心的竞争，已经从芯片、服务器，打到了电力资产。谁能拿到稳定电力，谁就能更快把数据中心建起来。
谁有电网、储能、并网和现场供电能力，谁就会被重新定价。

投资核心逻辑就一句话：最稀缺的不是电，而是已有并网点 + 已有可调度电源 + 能快速交付电网设备的组合。

详细的可以看推文配图、应该是比较清晰全面的了。

本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

[看不懂的SOL @DtDt666]

今年可以说是AI和存储的盛世！

今年涨幅超预期的4只美股AI相关ETF，主要围绕AI基础设施。

01. DRAM - Roundhill Memory ETF
今年以来涨幅：+95.63%（最猛的一只）
上市时间：2026年4月2日
核心主题：AI内存、HBM、存储芯片，专门抓住AI算力背后的“内存瓶颈”。
主要持仓有SK海力士、三星、美光等存储大厂。
PS：这只在Hype平台上就可以买到，国内小白上手比较方便。

02. AIPO - Defiance AI & Power Infrastructure ETF
今年以来涨幅：+46.29%
上市时间：2025年7月
核心主题：AI电力和数据中心能源基础设施。
重点买AI发展需要的电力供应相关公司，比如数据中心供电、能源基建等。

03. IVES - Dan Ives Wedbush AI Revolution ETF
今年以来涨幅：+17.84%
上市时间：2025年6月
核心主题：AI全产业链和科技巨头。
持仓包括英伟达、AMD、美光、亚马逊、谷歌、苹果等大公司，属于比较均衡的AI组合。

04. TCAI - Tortoise AI Infrastructure ETF
今年以来涨幅：+69.01%
上市时间：2025年8月4日 核心主题：AI基础设施、数据中心和工业链。
重点投资AI从概念转向实际建设的“基建支撑”部分。

整体小结 & 新手建议
这4只ETF都紧跟AI热潮，但侧重点不一样：DRAM最激进（内存方向），TCAI抓基建落地，AIPO押电力，IVES更均衡。
最近几年AI ETF这么火，主要是因为AI大模型发展快，拉动了芯片、内存、电力、数据中心等整个产业链。
风险提醒：AI主题涨得快也跌得狠，这些都是新ETF，波动大。建议小额试水，别冲太多，控制在总资产10-20%以内。

[Bill The Investor @billtheinvestor]

5 个英文账号，决定了你在 AI 浪潮中的信息密度。

@karpathy 掌握 LLM 的底层逻辑。
@steipete 负责开源动态的实时更新。
@gregisenberg 提供商业化落地的原始灵感。
@rileybrown 聚焦 VibeCode 的开发技术栈。
@jackfriks 负责捕捉 AI 领域的边缘机会。

信息差的边界，取决于你关注的节点是否处于技术最前沿。

你觉得在 AI 时代，建立个人认知壁垒靠的是追踪这些头部人物，还是靠更底层的工程实践？

[川沐｜Trumoo🐮 @xiaomustock]

诺基亚 $NOK 这个公司热度很低，但在未来光互连终极技术路线，就是上条视频里提到的硅光子技术上 $NOK 会吞掉所有竞争对手。目前AI服务器间的光通信领域已经成诺基亚垄断的生意。

诺基亚 $NOK 最大的转折点源于对 #Infinera 收购（2025年2月完成交割）是近年来光通信领域最关键的战略布局之一。这也是英伟达投资诺基亚的主要原因。

一、 Infinera 的核心竞争力与市场地位
Infinera 并非一家普通的设备供应商，其本质是一家垂直整合的硅光子（Silicon Photonics）与磷化铟（InP）巨头。
• 核心护城河：单片光子集成电路 (PICs)
Infinera 拥有的“WDM-on-a-chip”技术，可以将数百个光学功能（激光器、调制器、探测器）集成在单一芯片上。这种高度集成带来的直接优势是：极低的功耗、极高的密度和更优的信号完整性。在当前 AI 数据中心面临电力瓶颈的背景下，这种能效比成为了关键筹码。

二、 诺基亚与 Infinera 的战略协同
诺基亚收购 Infinera 后，完成了从“光通信组装商”到“全栈垂直整合者”的转型：

1. 产品组合补全： 诺基亚原有的网络基础设施业务缺乏高端的、自研的芯片级光学引擎能力，长期依赖第三方组件。收购后，诺基亚直接掌握了从路由器 ASIC（FP6/FP7 芯片）到 InP 光学引擎的全产业链设计能力。

2. AI 时代的“能效”逻辑： AI 集群（GPU 之间）的通信是整个算力网络的瓶颈。诺基亚通过将自研路由芯片与 Infinera 的光技术深度耦合，可以在物理层面上降低数据传输的“每比特功耗”。在 1.6T 甚至更高规格的连接需求下，这是竞品无法通过简单组装第三方方案所能实现的优势。

3. 制造协同： Infinera 在美国硅谷拥有先进的 InP 晶圆厂。诺基亚在 2026 年推动其向 6 英寸晶圆产线升级，大幅降低了单位生产成本，使这块业务从“研发吞金兽”转变为“高利润现金流”。

Infinera 的加入使诺基亚直接对标光通信市场的顶尖对手：
•直接竞争对手：
$CIEN 市值790亿美金（目前的行业领军者，垂直整合能力极强）、
华为（拥有极强的自研芯片和纵深产业链优势）、
思科 $CSCO 市值4500亿美金（通过收购 Acacia 实现集成）。

$CHOR / $LITE ： 在光模块组件领域占据很大市场份额，但它们多为“模块化/外包”思路，在未来技术路线与 ASIC 深度定制的抗风险/抗功耗能力上，远逊于诺基亚 $NOK +Infinera 的集成方案。

这是诺基亚未来发展的最大机遇点。诺基亚与英伟达的合作并非简单的买卖，而是底层架构的共生：
1. 双方在 AI-RAN（AI 原生无线接入网）上的合作本质上是将基站变身为边缘 AI 计算节点。英伟达提供 Grace Hopper 等计算平台，诺基亚则通过其光网络将这些分布式的计算节点高效互联，形成“物理世界的分布式 AI 云”。
2. 数据中心后端的“高速公路”： 英伟达的 GPU 集群在运行大规模训练任务时，对交换机和光模块的延迟极其敏感。诺基亚（搭载 Infinera 技术）的方案正在成为英伟达 AI 数据中心首选的连接层方案之一，用于处理数据中心内部以及机柜间高达 1.6T/3.2T 的流量调度。
3. 未来 6G 标准的定义权： 通过绑定英伟达，诺基亚在未来 6G 标准的制定中拥有了话语权，即：网络不仅是“传输工具”，更是“AI 计算的延伸”。
Infinera 的价值不是作为一家被吞掉的公司，而是为诺基亚注入了“硅光子心脏”。
诺基亚将成为 AI 基础设施的“全能承包商”，即在 AI 数据中心内部（Intra-DC）和互联（DCI）领域，用物理层的极致效率换取性能优势。

他的竞争对手市值全部都远大于 $NOK 但这仅仅是诺基亚收购的子公司。诺基亚 $NOK 会像英特尔 $INTC 一样重新崛起站到这轮AI革命浪潮里。至少5倍以上的机会。

[Interactive Brokers @IBKR]

Optimize your returns with potential monthly dividend distribution and no dividend handling fees.

[qinbafrank @qinbafrank]

川普回国，中美谈了什么？个人看这次“川普访华”的最大成果是双方各自把它包装成自己想要的叙事——北京强调“中美建设性战略稳定关系”和台湾红线；华盛顿强调伊朗、霍尔木兹海峡、贸易订单、市场准入和美国企业利益。

1、中国方面表态
1）习近平会谈主线：把2026年定义为中美关系“历史性、标志性年份”
习近平在人民大会堂同川普会谈时，开场不是直接谈订单，而是先提出大国关系框架：中美能否跨越“修昔底德陷阱”、能否开创大国关系新范式、能否为世界注入稳定性。中方把这次会谈提升到“历史之问、世界之问、人民之问”的高度。

中方最重要的定调是：双方赞同将“中美建设性战略稳定关系”作为中美关系新定位。习近平进一步解释，这种“建设性战略稳定”包括四层含义：
合作为主的积极稳定、
竞争有度的良性稳定、
分歧可控的常态稳定、
和平可期的持久稳定。

这套表述的实际含义是：北京希望把中美关系从“竞争—对抗—管控危机”的框架，推回到一个更可预测、更制度化、更少突发冲突的轨道上。中方并不否认竞争，但强调竞争必须“有度”，分歧必须“可控”。

2）经贸：中方说“总体平衡积极”，但没有给出完整清单
新华社通稿称，习近平指出中美经贸关系本质是互利共赢，面对分歧和摩擦，平等协商是唯一正确选择，并提到“两国经贸团队达成了总体平衡积极的成果”。但中方没有在主通稿中列出具体采购金额、订单清单或执行时间表。

至于说媒体报道美国放开10家中国科技企业可以购买英伟达h200，但是中国官方对此依然冷处理，其实年初美国就有放开，但是中国指示企业“非必要不购买”

在外交部例行记者会上，《纽约时报》记者追问中美是否就美国牛肉出口达成采购协议，外交部发言人郭嘉昆没有直接确认具体牛肉协议，只回应说习近平已指出双方要拓展经贸、农业等领域交流合作。

这说明：中方愿意确认“经贸合作方向”，但对美方喜欢公布的大订单、具体采购数字保持谨慎。

3） 台湾：中方最强硬、最明确的段落
新华社通稿中，台湾是中方最直接的红线表述。习近平强调，台湾问题是中美关系中最重要的问题；处理好了，两国关系总体稳定；处理不好，两国就会“碰撞甚至冲突”，把整个中美关系推向危险境地。中方还强调“台独”与台海和平水火不容，要求美方慎之又慎处理台湾问题。

外交部记者会上，路透社记者追问这是否是在警告可能爆发战争，郭嘉昆基本重复了习近平的表述，强调台湾问题处理不好会导致碰撞甚至冲突，并说中方反对美国对台军售的立场一贯明确。

这部分是中方过去24小时中最硬的官方表态，也是外媒报道中最容易被放大的部分。

4） 伊朗与霍尔木兹海峡：中方低调，美方高调
外交部记者会上，沙特东方电视台和《纽约时报》问及中美元首是否讨论中东局势、伊朗局势和霍尔木兹海峡重开问题。郭嘉昆只说两国元首就中东局势等重大国际和地区问题交换意见，并表示中方关于霍尔木兹海峡问题的立场“一贯、明确”，没有像美方那样公布“双方同意海峡必须保持开放”的细节。

所以这里出现一个明显落差：华盛顿想把伊朗/Hormuz包装成会谈成果，北京只承认讨论了中东局势，但不愿把自己描绘成配合美国施压伊朗。

2、美国方面表态
1 ）川普：全程强调“关系好、交易好、访问成功”
川普在会晤中称自己和习近平建立了“历史上美中元首之间最长久和最良好的关系”，并表示希望开启“有史以来最好的美中关系”。

5月15日中南海小范围会晤的时候川普还说到，此次访华“非常成功”“举世瞩目”“令人难忘”，双方形成一系列重要共识，达成多项协议，解决了不少问题，并表示期待在华盛顿接待习近平。

川普社交媒体：把“美国衰落”话题转成国内政治叙事
昨天川普在Truth Social发文称，希望美中关系“比以往任何时候都更加牢固”。他还回应了习近平关于美国可能衰落的委婉说法，把责任归给拜登政府，并称现在美国是“世界上最炙手可热的国家”。典型的川普风格：他把外交场合里的大国叙事，迅速转化为国内政治叙事——“拜登让美国衰落，我让美国回来了”。

2） 贝森特：经贸、能源、AI都是重点
贝森特在峰会前与中国副总理何立峰在韩国会面，讨论美中经济和贸易关系；他还说此行是为了推进特朗普的“America First Economic Agenda”。

贝森特在采访中表示，他相信中国会“尽其所能”帮助重开霍尔木兹海峡，因为这非常符合中国利益。华盛顿邮报还报道，贝森特称中美这两个“AI超级大国”将开始讨论大语言模型等AI相关事项，尤其是防止非国家行为体获得相关模型。

这意味着贝森特的角色不是单纯财政部长，而是把能源安全、贸易安排、AI规则、对华投资与供应链打包成“经济安全”。

3）卢比奥：台湾政策不变，对中国武力统一发警告
卢比奥的公开表态主要集中在台湾与中美竞争管理。路透社报道，卢比奥表示美国对台湾政策“截至今天没有变化”，并称中国总会提出台湾问题，美国也会表明自身立场。卢比奥还对NBC表示，如果中国试图以武力解决台湾问题，将是“terrible mistake”，并会产生全球性后果。

另一方面，卢比奥在接受采访时也承认，大国各自优先自身利益；存在利益一致的领域就合作，存在冲突时就靠外交处理，领导人个人关系很关键。

个人角度，我们去仔细梳理中美在川普访华表态内容，就会发现一个差异：
北京提中美关系新定位与台湾，白宫强调伊朗问题共识。
中方通稿重点聚焦经贸与台湾，没有提到伊朗具体讨论；白宫新闻简报则重点放在经贸与伊朗问题，台湾只字未提。
这也是昨天这里https://t.co/GEfhBezwZo聊到的，从白宫的声明里能明确看出来，伊朗局势的篇幅很大，白宫知道市场急切期待什么（期待中国出手斡旋美伊谈判）。完全投市场所好。 后续要看中美双方通稿在霍尔木兹海峡的表述是否完全重合，这个很关键。
现在看果然双方在这方面表态的差异很大

3、川普这次访华的意义在于何处？
这次访华不是“中美关系大转向”，而是一次高规格的“止跌会议”。成果有，但不是结构性和解；意义大，但更像是给未来三年的中美竞争装上护栏。

北京拿到了“战略稳定”的政治框架，华盛顿拿到了“交易成果”和伊朗议题上的合作姿态；但台湾、科技战、产业竞争三个根问题没有解决。

中美关系重新从“危机管理”回到“框架管理”。

之前几年，中美关系经常是出事之后灭火：台湾、芯片、制裁、关税、军事摩擦、芬太尼、南海、俄乌、中东。现在双方至少在元首层面同意：
不能让竞争无限升级，必须把冲突放进一个可控框架里。

1) 双方都得到了什么
中国得到了是政治框架和大国平等叙事，中国希望美国承认，中国不是一个被美国单方面管理的对象，而是一个必须被平等对待的战略对手/战略伙伴。

美方公开口径更重视经贸、市场准入、美国企业、中国投资、芬太尼前体、美国农产品采购、伊朗和霍尔木兹海峡。美国国务院中文会谈纪要提到，双方讨论扩大美国企业进入中国市场、增加中国对美投资、增加中国购买美国农产品，并讨论芬太尼前体问题。美国贸易代表Greer称，美方预计中国未来三年每年购买“双位数十亿美元”的美国农产品，其中大豆仍是核心品类。

这对川普很重要，因为他需要向美国国内证明：我是来替美国农民、制造商、能源企业和大公司拿订单的。

2）最大成果：双方都承认“不能摊牌”
这次访华真正有价值的地方，是双方都释放了一个信号：中美现在都不想把关系推到摊牌状态。

中国现在需要稳定外部环境。经济修复、外资信心、科技产业升级、周边安全，都要求中美关系不能持续剧烈恶化。
美国也需要稳定。特朗普面对的是伊朗危机、能源价格、通胀压力、美国农民利益、企业对中国市场的依赖，以及中期选举前的政治压力

所以这不是一场单纯的中美峰会，而是一次中美共同管理全球风险的会议。
换句话说：中美竞争还在，但双方都发现，世界太乱的时候，中美完全撕破脸对双方都不划算。

也意味着中美从“全面对抗”转向“有交易、有护栏的竞争”
这次访问之后，中美关系大概率进入一个新阶段：不是和解，也不是脱钩，而是“有护栏的竞争”。

4、再多说几点：
1）元首外交重新成为中美关系的主轴，川普多次强调；
2）美国对华政策变得更“可交易化”，
拜登时期的对华政策更强调联盟、价值观、科技管制和产业安全。
川普这次明显更强调交易：农产品、波音、能源、市场准入、投资、企业利益。
3）中国在国际格局中的“议价能力”提高
这次美国把伊朗、霍尔木兹海峡、能源安全放进中美元首会谈，说明华盛顿承认中国在中东能源、伊朗关系和全球供应链中有实际影响力。
4）科技战没有缓和，反而可能变成长期主战场
对美国来说，中国可以买农业、飞机、能源，这些都没维内托。但最高端芯片、AI算力、半导体设备仍然口风很紧。

5、那么最重要的对市场的影响呢
宏观风险溢价下降，中美至少暂时避免了关系陡然恶化。但说实话整体上交易部分并没有超出市场预期太多，特别是市场最关心的伊朗问题，在中国的官方表态里被冷处理：“有聊过”。

看后续双方还有没有更进一步的声明公布，或者关于达成事项协议具体条款公布。

其实也是去年这里https://t.co/t57zBEqUeM聊过，中美进入战略相持期限，双方都有完全卡死对方的能力、也有利益的相互依存和诉求，变成了持久战。
再是再一次强化了G2的格局，https://t.co/h5j8TY3501

[Art of Speculation @ArtofSpecuycky]

光通讯板块完整推荐

这9个标的，在光通讯产业链里覆盖了不同的层级，不是同类竞争，是互补的。理解这一点，才能知道怎么配置。

产业链定位图

原材料层（最上游）
AXTI → InP衬底，激光器的原材料

代工层
TSEM → 硅光PIC代工，硅光版台积电

激光器/组件层
LITE → EML垄断，CPO激光器
COHR → 垂直整合，体量最大

DSP/互联层（大脑）
MRVL → 光通讯的DSP大脑

光纤/物理基建层
GLW → 光纤、线缆、连接器
AAOI → 光收发模块，高Beta

系统/网络层
CIEN → 光传输网络设备
NOK → 光传输骨干网，OTN

逐一评估：买还是不买，理由是什么
🥇 $MRVL ——最核心，必须有
MRVL是目前唯一同时覆盖定制ASIC、1.6T光学DSP、硅光子和CXL交换的全栈公司，这是任何单一竞争对手都无法复制的护城河。
为什么是光通讯板块的核心：
MRVL的DSP芯片是光通讯的大脑。没有DSP，光模块收到的信号无法被计算机理解，光纤里传输的数据无法被解码。
每一个800G/1.6T光模块里面，都有一颗MRVL的DSP。
评级：核心持仓，不可或缺

🥈 $LITE——最确定的命门
Q3营收$8.084亿同比增90%，非GAAP毛利率47.9%，Q4指引$9.6-10.1亿再创历史新高，Nvidia $20亿投资锁定。 EML激光器垄断，CPO激光器最大供应商。
没有激光器，光模块无法发光。LITE是激光器层的命门。
评级：核心持仓，和MRVL并列第一

🥉 $COHR——体量最大的垂直整合者
Q3 FY2026营收$18.1亿同比增21%，数据中心板块$14亿同比增40%，Nvidia同样投资$20亿。
COHR做的是从InP晶圆到激光器到光模块的垂直整合——是整个产业链里覆盖最全面的公司。
COHR正在扩大6英寸InP晶圆产能，这是持续提升毛利率的核心驱动力。
和LITE的关系： 竞争但互补。LITE是最锋利的激光器专家，COHR是最全面的光学系统整合商。两个都持有是合理的。
评级：重仓标的

第四： $GLW ——最稳健的物理基建
Q1光学通信业务增36%，分部净利润增93%，Nvidia合作+$5亿投资+三座专属光学工厂，2030年营收目标$400亿。 Corning做的是光纤和连接器——最基础的物理基础设施。
不是最性感的，但是最不可缺少的。
每建一个数据中心都需要Corning的光纤，每升级一个机架都需要Corning的连接器。这是消耗品，是重复购买的稳定需求。
评级：稳健配置，IV低，LEAP最便宜

第五： $TSEM ——硅光代工的命门
今天刚宣布$13亿2027年硅光合同，$2.9亿预付款，计划CapEx $9.2亿专注硅光扩产。
TSEM是硅光版的台积电——不赌哪条技术路线赢，只赚代工费用。
年初至今涨幅超过100%，但$13亿合同今天刚宣布，新的催化剂刚出现。 The Motley Fool
评级：值得配置，今天是新催化剂

第六： $NOK ——最被低估的网络层
Forward PE仅30倍，光网络业务增20%，AI云业务增49%，收购Infinera后拥有自己的光芯片工厂，CEO今年承诺Nvidia重大里程碑。
Nokia做的是Scale-Across——数据中心和数据中心之间的骨干网络连接。
和CIEN的关系： 这是最容易搞混的两个
CIEN：偏向数据中心内部+数据中心互联（DCI）
NOK：偏向电信运营商骨干网+数据中心互联

两个都受益，但NOK的估值便宜很多。
评级：高性价比选择，Forward PE最低

第七： $CIEN ——网络系统层的强竞争者
Q1营收$14.27亿创历史记录，全年指引上调至$59-63亿，$70亿积压订单，刚推出Vesta 200 6.4T CPX光学平台。
但有两个需要注意的问题：
内部人员过去6个月进行了38次交易，0次买入，38次卖出。CEO Gary Smith卖出约$3100万股票。估值偏高，Simply Wall St计算公允价值$378，当前$318接近或高于公允价值，下行风险29%。
这是一个重要的警示信号。
公司业绩很好，但内部人员在全面卖出，说明他们认为当前价格已经充分定价了未来的增长。
评级：业务强但估值已贵，内部人员卖出，谨慎持有。如果要买，等回调

第八： $AAOI ——最高Beta的情绪放大器
年初至今涨幅440%，光模块需求爆发的直接受益者。
AAOI的创始人方向没有错，但说话会很满，经常miss expectation。公司过去做了大量CapEx，现在开始收获。 AAOI是光收发模块制造商，是整个产业链里最直接受益于800G/1.6T需求爆发的标的。
但它也是最不稳定的：
波动极大，情绪驱动，每次财报都是二元事件。
评级：小仓位高赔率赌注，不适合重仓。它是光通讯板块的情绪温度计

第九： $AXTI ——最上游的InP衬底命门
AXT过去一年涨幅5,418%，$1亿InP衬底积压订单创历史记录，计划年底InP产能翻倍，刚完成$6.325亿股权融资用于产能扩张。
AXTI的逻辑极其清晰：
InP是制造激光器的原材料。LITE和COHR的激光器都需要InP衬底。AI数据中心需要越来越多的激光器，InP供应严重不足，AXTI是上游命门。
但有一个真实风险：
出口许可证风险——AXTI在北京有制造设施，Q4 2025就因为中国出口许可证延迟导致营收下滑。这是随时可能再次发生的风险。
评级：高赔率但有地缘政治风险，小仓位配置

如果只能选三个
MRVL + LITE + COHR
理由：
$MRVL → 光通讯的大脑，ASIC双叙事加持
$LITE → 激光器的命门，EML垄断不可替代
$COHR → 最全面的垂直整合，体量最大

这三个覆盖了光通讯产业链里，技术壁垒最高的三个层级，互相不重叠，互相不替代

如果只能选一个 $MRVL。
不是因为它在光通讯产业链里最重要，而是因为它同时有两个叙事——光通讯DSP是第一个叙事。定制ASIC是第二个叙事。两个叙事独立运行，互相不依赖。光通讯的大脑，同时也是AI定制芯片的核心设计者。
这是整个AI基建产业链里最不对称的机会之一。

#光通讯 #AI基建 #美股 #半导体 #数据中心 #Photonics #MRVL #LITE #AIStocks #DataCenter

[华尔街没有名字 @WallStreet0Name]

https://t.co/Xjxkh6IPTj

[大宇 @BTCdayu]

英伟达份额大降，AI革命新阶段机会在哪？这是 AI 投研 100 篇系列的第九篇文章。

前几篇看了 Intel、AMD、ARM 这几家。它们过去一年股价涨幅都不小——AMD 翻倍、Intel 三倍、ARM 也站上历史高位。涨上来之后，一个朴素的问题就来了：

这些已经涨过的还能不能拿？没涨的里面还有没有机会？

要回答这个问题，绕不开一个核心词——推理。前面那些公司涨上来，分析里反复出现的就是这两个字。

那么：推理的赛道有多大？目前在什么阶段？哪些公司会如何受益？哪些已经被市场定价，哪些没有？

这是 AI 投研 100 篇系列的第九篇文章，长达1.5万字，内容丰富同时易于阅读，建议先收藏后观看。

一、赛道有多大

模型训练是「写程序」，推理是「这个程序每天被调用的过程」。GPT 训出来之后，每天有几亿人去问它问题，每一次问答都在消耗推理算力。Claude Code 跑一个任务，agent 自己跑一百轮，每一轮都是推理。

多份行业研究和媒体引用都指向同一个方向：模型进入生产环境后，推理会成为生命周期成本的大头，常见估算区间在 80-90%。也就是说，未来 AI 时代的算力账单里，10 块钱有 8 块是推理在烧。

但市场过去三年讨论的几乎全是训练，因为训练是更"性感"的故事——比谁的 H100 多、谁的参数大、谁先训出下一代模型。推理被当成训练完之后顺带的事。

这个认知偏差正在被扭转，而这，正是过去一年这一批半导体公司被重新定价的根本原因。

那推理这条赛道大，但到底有多大？具体可以从5个角度测算。

一是用户数。 ChatGPT 周活 9 亿、付费 5000 万。中国侧的对比更直接——日均 token 调用量从 2024 年初的 1000 亿涨到 2026 年的 140 万亿，1400 倍。这一项还远远没饱和。

二是使用强度。 OpenAI 的 token 处理量在 2025 年 10 月还是每分钟 60 亿，2026 年 4 月已经到 150 亿——半年翻 2.5 倍。企业版收入占比超过 40%，企业用户的使用强度是消费者的几十倍。

三是对话长度。 上下文长度从早期的几百 token，到现在DeepSeek API 文档列出的 V4 Pro / Flash 上下文长度为 1M，最大输出为 384K。文档越长，单次推理消耗的内存和算力越高。

四是模型本身越来越费算力。 OpenAI o1、DeepSeek R1、Claude thinking 这一类 reasoning 模型，回答问题之前会先在内部"思考"几千甚至几万个 token。黄仁勋曾以 DeepSeek R1 为例谈到，推理模型可能需要高得多的计算量，甚至达到百倍量级

过去你问 AI 一个问题，它直接给答案；现在你问 AI 一个难题，它先在脑子里想半分钟，再给答案。这中间的"想半分钟"，就是新增的算力消耗。

五是 agent。 一个 agent 任务通常要调模型 10-100 次。OpenAI Codex 周活已经突破 400 万（截至 2026 年 4 月 22 日）——这只是一家公司的一个产品。一名 AI 产业链人士的判断是，AI 智能体的整体算力消耗可达同参数规模大语言模型的 10 倍以上。

五件事相乘，三五年内推理总需求出现数量级扩张，并不是夸张叙事，而是一个越来越接近主流的判断。

《英伟达推理份额大降，AI革命进入二阶段机会在哪？》
https://t.co/8WBzwbJSW2

[qinbafrank @qinbafrank]

https://t.co/1U9kY4JSaR

[qinbafrank @qinbafrank]

https://t.co/R0bmfIGXNj

[qinbafrank @qinbafrank]

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。

1、为什agentic ai时代CPU占比会扩大？
传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。

Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及：
1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。
2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。
3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。

这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。

简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。

2、CPU成为新紧缺环节的现实证据
今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。

数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。

3、CPU缺口会有多大？
行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长）

CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计

这就带来了CPU需求的真实拐点，是实打实的硬件重构。

4、特别要说下ARM服务器CPU会更受益一些？
Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。

更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。

Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。

看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。

5、CPU紧缺哪些公司会受益？
梳理了下哪些公司会受益，后续关注起来：
美股最核心：
Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。

AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。

Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。

港股（制造与分销关键点）
中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。

联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。

A股（国产替代与配套产业链）
海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。

龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。

深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。

澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。

投资逻辑核心其实两点：
1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。
2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

[大宇 @BTCdayu]

梭哈最猛的孙正义说 ARM会是他投阿里巴巴之后第二好的投资——他投了几百家，亏了无数亿，但架不住他投中了一个阿里巴巴。

而ARM仔细研究了一下，还真可能被他说中了，甚至我觉得也有可能赚得比阿里巴巴还多。

ARM 是一家什么公司？

过去：不造芯片，只收过路费

ARM 不造芯片，它卖芯片的蓝图和指令集，然后向所有基于它蓝图造出来的芯片收过路费。过去主要是向智能手机收税（全球 99% 的智能手机处理器基于 ARM 架构），未来十年会开始向数据中心、机器人、自动驾驶、物联网设备全面收税。

这个生意已经做了 35 年。

现在：自己造芯片

2026 年 3 月 24 日，ARM 做了一件 35 年来第一次的事——发布了自研芯片 AGI CPU。从"只卖蓝图"升级为"蓝图 + 子系统 + 成品芯片"三轨并行。首个客户是 Meta，后续客户包括 OpenAI、Cloudflare、Cerebras、SAP、SK Telecom 等。

这是一家处在重大战略转折点上的 35 年老公司。

1.3 四股力量同时推动 CPU 需求爆发
1.4 ARM 是不是主力受益者？

二、看生意模式：AI 时代的计算税收权
2.1 生意模式是什么？

《ARM研报：AI 时代的 Visa？》
https://t.co/18I607OZqh

[大宇 @BTCdayu]

https://t.co/BB8Y0bBqAD