RC

[qinbafrank @qinbafrank]

一张图看清26年光互连哪些环���是真正受益的，CPO是方向但26年不是全面兑现年；今年兑现的是1.6T、LPO/NPO、光源、测试、PCB/ABF/CCL，以及光铜共存”。投资节奏其实应该从“远期想象”切回“2026业绩兑现”。光互连领域真正关注的是已经在1.6T、LPO/NPO、光源、测试、高速板材里拿订单的公司。

[qinbafrank @qinbafrank]

昨晚因为Semianalysis的报告，哪些是被错杀的？CPO大规模落地被推迟到2027-2028年（其实并不算被推迟，按照测试、性能验证、量产这些节奏时间表本来就要到27-28年，如果是真正深入了解产业逻辑的人应该对此都有预期）。26年光互连领域真正兑现业绩的主力仍是1.6T可插拔光模块（特别是LPO线性直驱版本）和NPO近封装方案。核心逻辑：光模块1.6T及以上需求还是很大，LPO通过去DSP线性直驱降低功耗（相比传统DSP模块降30-50%），NPO则把光引擎拉近ASIC（约2-7cm距离），在保留可维护性的前提下实现接近CPO的性能。

但是光模块（包含LPO）以及NPO对上游核心器件的依赖度依然是极高的：
1）激光器/光源（Light Source）：最确定、最直接受益。LPO/NPO都需要高功率、低噪声、阵列化激光（VCSEL用于短距MMF，EML/DFB/外置激光源ELS用于SMF 1.6T+）。CPO也用激光，但LPO/NPO先放量，2026年出货指引直接拉动。Lumentum、Coherent、Broadcom等激光器厂，以及国产InP/VCSEL供应链会率先受益。

2）光芯片（Photonic Chips，包括硅光SiPh、InP基芯片）：硅光调制器、MUX/DEMUX、探测器（PIN/APD）是1.6T模块/NPO光引擎的核心。LPO线性驱动对光芯片线性度要求更高，需求不减反增。硅光集成还能降低材料用量，但整体市场规模扩大。

3）光引擎/子组件封装（Optical Engine Assembly）：TOSA/ROSA、光引擎集成（硅光+激光+探测器）。NPO把光引擎放到板上，更接近模块化封装，量大且技术门槛高。

4）设备（Testing & Fab Equipment）：高密度测试设备（高速眼图测试、探针台、光电耦合测试）需求爆发。伯恩斯坦报告明确提到“测试”将是2026年现实收入来源之一。MOCVD外延生长设备、晶圆级封装/对准设备也因量产爬坡而受益。

5）材料（Materials）：InP衬底（高速激光器/探测器核心）、GaAs衬底（VCSEL）、光学晶体、光纤预制棒等。上游材料供需缺口会随800G/1.6T放量而扩大。ABF（Ajinomoto Build-up Film）和CCL（Copper Clad Laminate）高频基板材料也直接受益——NPO需要高性能PCB/基板承载光引擎，模块内部高频线路也依赖这些。

最被错杀的是：
1.6T光模块龙头、LPO/NPO能力强的公司、光源/FAU/测试/PCB/CCL/ABF。
不算错杀的是：
只靠CPO概念、缺少订单、缺少客户验证、没有1.6T或LPO/NPO兑现能力的纯题材股。

简单说就是：
CPO延期（其实也不算延期，之前部分投��人已经对此有预期了），不是光互连退潮；是光互连投资从“远期想象”切回“2026业绩兑现”。所以真正关注的不是最会讲CPO故事的公司，而是已经在1.6T、LPO/NPO、光源、测试、高速板材里拿订单的公司。这正是伯恩斯坦报告强调的“投资节奏”——买已经兑现现金流、最难绕开的瓶颈，而不是纯故事。

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

[马东锡 NLP @dongxi_nlp]

https://t.co/uzTgFTddtt

[TingHu♪ @TingHu888]

周一股票继续大跌的话，短线是捞油水的机会。我认为回调不会如此快的结束就继续仰式上攻，本月大概率是波折的，可能波动还比较大，没用震荡这个词，是觉得震荡整体是有一个大概框架的，但波折可能会没有。这不算进攻，算打游击骚扰，搞点战利品就撤。有大的预期变化再更新。

[宝玉 @dotey]

Claude Design 跟服务器的通信协议不是 JSON 文本，而是 Protocol Buffers（protobuf），这样可以省流量、传得快，没有 schema 看不到传的是啥。不过它客户端 js 有 schema，花点心思就能找得到

[宝玉 @dotey]

这个确实，Deep Research 方面 Claude 做的不怎么样，ChatGPT 的 DeepResearch 做的最好，Gemini 也不错，胜在搜索能力强，通常我会用 ChatGPT 和 Gemini 一起做，然后对比结果

[宝玉 @dotey]

之所以研究 Claude Design，是因为最近摸索出一套不错的开发模式：

1. 先用 Claude Design 去设计 App 的 UI 和 UX，第一版本越简单越好。

Claude Design 交付的结果是 HTML + CSS + React + data.js，通过 CSS 一下就可以看清楚设计系统的颜色系统、尺寸规范，通过 React 可以看清楚组件结构，通过 data 可以知道数据结构什么样子。

这几个组合可比 figma 对于 AI 来说友好多了，尤其是 data.jsx，这是一般的设计 App 不会有的，但对开发特别重要的。

还有一个优势就是交付的结果都是文本格式的，可以一起提交到 git 做版本管理，用 git diff 就可以清楚的让 AI 知道设计稿修改了什么。

2. 把 Claude Design 生成设计稿交给 Claude Opus 4.8 去实现一个 MVP，第一个版本只实现 UI 功能，告诉它技术栈（比如 AppKit 而不是 SwiftUI），通过几个小版本的迭代，让它逐步完善。比如第一个版本只是主界面

之所以不用 GPT，是因为 Opus 在 UI 实现上比 GPT 好太多，同样的设计稿，GPT 实现的各种细节问题的，不能很好的遵守设计稿。

之所以不一下子实现太多功能，是因为功能越少 Agent 越容易聚焦，做出来效果越好。所以怎么拆分版本，也是用好 Coding Agent 的一种能力。

非 UI 的功能，用什么模型没有那么大差别，所以我也会用 Codex 配合非 UI 工作。

3. 每次生成一个版本，要让它可以运行，无论是 Agent 还是人都是需要即时反馈的，有了反馈才知道方向对不对，才知道下一步要做什么。

人在测试的时候，能发现各种问题，代码问题就让 Agent 去修改，UI 设计有问题不是马上修改代码，而是要去 Claude Design 去修改设计稿，设计稿修改完了，把设计稿下载回去，替换本地的设计稿文件。

设计稿替换后，让 Agent 去 git diff 分析一下变更，给它个截图，都不用多说它就知道怎么改了。

4. 版本稳定后继续新一轮迭代

当设计的功能做完之后，不一定是要马上去设计新的功能，而是可以重新审查一下实现的代码，重构优化一下。

比如我在第一版实现后，让 Opus 4.8 去做了性能分析，看性能问题在哪，然后告诉我当前用 NSScrollView，内容一多就内存暴涨，建议 NSTableView。

我心想这不应该是一开始就该考虑到的么！不管怎么样亡羊补牢也不算晚。

性能优化完就继续加功能，更新设计稿，让 Agent 参考新设计稿优化功能。

---

再回来说研究 Claude Design 的事，因为反复 Claude Design 修改，同步到本地，然后这一步让我后来很烦，因为需要在本地和 Claude Design 网页切换，还要导出下载到本地，解压缩替换。

于是我就想能不能在本地就可以重现 Claude Design 直接集成到本地 Agent，所以我去研究了 Claude Design，然后发现完全可以本地跑起来，只是本地 Agent 在工具调用上有些差异，以及不方便直接在设计稿上标记编辑。

上周正好 Codex 发布了直接调试 iOS 的功能，它带了标记修改的功能，然后我灵机一动，这不正好可以代替 Claude Design 的标记修改功能么。（图2）

问题是 GPT 5.5 模型设计能力不够，在 Codex 里面设计效果也不会好。

接着 Cursor 也发布了网页标记功能，这下正好，Cursor 里面可以用 Opus 4.8，做成 Skill 就可以本地运行了，还可以在 Cursor 内置浏览器中，直接标记、评论修改。

好在 Claude Code 的核心逻辑都在浏览器前端，他们在网页上做了个 Harness��这给了我分析的便利，耐心一点就可以分析出所有的 Prompt、内置 Skills、初始组件，再针对 Cursor 的工具做一些兼容就可以跑起来了。（图3）

测试对比了一下和在 Claude Design 上跑的效果差不多。（图4）

归根结底，还是 Claude Desktop 太拉胯了，Claude Design 本应该集成在 Claude Desktop 的，不然也不需要我这么折腾。

当然不折腾下我也没机会学习 Claude Design 优秀的设计，真的很棒，接下来会系列更新我的学习心得。

推荐去试试最终的 Skill，让你本地就可以跑 Claude Design：
https://t.co/d2EaYV6q7j

[Herman Jin @ShanghaoJin]

功率半导体会缺

逻辑有点像去年的CPU，CSP一下子要迭代一堆到800V

[Herman Jin @ShanghaoJin]

觉得永不能忘：财富≠钱

1. Capex vs 模型盈利的gap拉开而不是收窄

2. Hyperscaler只有两条路

a减少投入半导体崩掉，模型被举国的追赶

b加大投入，融资

现在显然是b，那么半导体盈利继续几何数增加。只会杀估值、难杀盈利！低PE泡沫

但投入需要融资，就兑现“财富”，兑现“信用”

市场整体估值高，有财富要做capex的，都将去融资，去借钱。他们估值必然承压，CDS必然要拉开

[海拉鲁编程客 @hylarucoder]

近期看过最好的 agent 基建文章

[Herman Jin @ShanghaoJin]

引自己长文，看AVGO业绩预期后市场反应

窥一斑而知全豹，就明白市场的“钢丝”有多细，容错率有多差

想象一下如果是anthropic出来增速下滑呢？

[Orange AI @oran_ge]

听完这期聊段永平的播客还是有点震撼的，原来只是知道一些金句，但没想到是一套如此系统的哲学，比他自己的问答录要好。

课代表总结的金句：

人最重要的是快乐，这是我们来到这个世界的目的
太远了，忘记了为什么出发
人生是一场旅程而不是竞赛
做对的事，然后把事情做对
没有任何一个选择能决定你的一生，期待下一个幸运降临
选择任何一个，都是错过其他所有
生命的意义就是享受当下你所选择的生活
把事情想的���远一些，拥有终极思维
当我们做了不本分的事，一定会遭到反噬，而这个反噬是变本加厉的
回归平常心，抓住事情的本质
看懂一家公司，不比读一个本科容易

[Orange AI @oran_ge]

@lijigang 也是我在2022年去 minimax 之前读的两本最喜欢的书之一
另一本是社会心理学

[烟花老师 @teach_fireworks]

主流 Agent 开发框架对比一图流！

这么多 Agent 开发框架该怎么选？

个人日常重度 coding / 研究开源项目：可以试 Pi Agent

AI SaaS 或企业级 agent：OpenAI Agents SDK + LangGraph 更稳

知识库/RAG：LlamaIndex + LangGraph

结构化业务 agent：Pydantic AI。
你做快速演示和内容型多 agent：CrewAI

[Xudong Han @Xudong07452910]

这篇最新的论文 Scaling Laws for Agent Harnesses 很适合做 Agent Harness 的人看。

它讲了一个很关键的点：Agent 不是靠多跑 token、多调工具、多循环几轮就一定变强。真正重要的是，这些交互有没有变成“有效反馈”。

论文提出了 Effective Feedback Compute，EFC：只有那些信息量足够、可靠、不重复，并且真的被 Agent 用来改变下一步决策的反馈，才算有效。

这点挺重要，因为很多 Agent 系统现在容易把 raw compute 当成能力提升：上下文更长、工具更多、循环更复杂、日志更详细。但如果反馈没有被结构化整理，没有进入 plan / revise / verify 的闭环里，本质上只是消耗更多资源。

这对日常做 Agent 也很有启发。很多 Harness 看起来很复杂，工具很多、日志很多、验证很多，但如果反馈没有被整理、记住、复用，Agent 只是更忙，不是更聪明。

未来 Agent Harness 的优化，可能不是简单堆更多工具和更长上下文，而是提高“每一次反馈的利用率”。

好的 Harness，不是让 Agent 多干活，而是让它每干一步都能真正学到东西。

https://t.co/JVoQEYT0ct

#AgentHarness #AgenticAI #AIResearch #claudecode #codex

[Fiona ❤️& ✌️ @nft_hu]

最近又有一家新核能公司上市了——X-Energy，一家专注于先进小型模块化核反应堆（SMR）研发与核燃料制造的公司。
（目前无持仓，纯信息分享）

2026年4月24日刚刚在纳斯达克完成 IPO，发行价 $23/股，是近期核能板块最重要的上市事件之一。

⚛️ 核心技术：Xe-100 反应堆 + TRISO-X 燃料
1️⃣Xe-100 是一种卵石床高温气冷堆，属于第四代核反应堆设计，核心优势是"本征安全"——即在任何故障情形下反应堆都能自然冷却，无需主动干预。
2️⃣配套燃料 TRISO-X 是X-Energy 的专有燃料，2026年2月刚获得美国核管理委员会颁发的首张 Category II 燃料制造许可证，是行业里程碑事件。

与传统大型核电站相比，SMR 的优势在于模块化（工厂预制）、建设周期更短、单次资本支出更低���且可以灵活部署在工业园区或数据中心旁边。

🤝 三大锚定客户：
Dow Chemical、Amazon、以及英国能源公司 Centrica。三者的条件性权利若全部行使，合计形成超过 11GW 电力容量、144 台反应堆的项目管线，覆盖美国和英国市场。

🏭目前进展：
1️⃣Dow Chemical：
在德克萨斯州 Seadrift 工厂部署 80MW Xe-100，为工业热能和电力供应。5月NRC 已完成该项目的环境评估，结论为"无重大影响"，是迈向建造许可的关键一步，也是北美首个为工业园区服务的先进核电项目。
2️⃣Amazon：
通过 Energy Northwest 合作部署，第一阶段部署四台 Xe-100 组成 320MW，最终规划扩展到 12 台共 960MW。
3️⃣Centrica：英国 Hartlepool 项目
计划在 Hartlepool 部署 12 台 Xe-100，总容量 960MW，这是英国市场 6GW 核能部署计划的第一步。目标是在 2026 年启动全面活动，还在等待审批。

📅
因为股票真的非常新，所以准备���一下6月4号的财报来看一下情况。
核能板块也是被反复炒作，我的标准：谁能最快商业化落地谁最厉害。

[qinbafrank @qinbafrank]

聊聊SpaceX上市后限售股的解禁节奏以及影响，非常规“分阶段+绩效挂钩”释放，不是传统180天一刀切。SpaceX在最新的S-1文件里中设计了阶梯式锁定期，目的是避免一次性大量抛售冲击股价：
1）IPO后首个财报（Q2财报，7-9月之间大概率8月中上旬发布）后，可释放20%符合条件的限售股。（如果股价较IPO价格上涨30%，额外多释放10%）；
2）随后按固定时间表分批：IPO后70/90/105/120/135天各释放约7%；
3）Q3财报后可能再释放一批（约28%）；
4）剩余部分在IPO后180天（约12月中旬）全部解禁；
5）老马本人及部分核心投资者额外签署366天（约1年）锁定期，不参与早期释放。其他员工/早期投资者按上述阶梯执行。
整体设计比传统IPO更灵活，旨在“计量式”供应流动性，平滑解禁对市场的冲击。

基于上面的信息再多聊几点：
1、可以看出在6月12IPO之后到8月中旬这两个月是没有任何解禁的，如果股价要表现大概率是这段时间。注意老马设定了一个绩效标准，8月中上旬发布财报时，如果SpaceX股价比IPO价格高30%，则可以额外解锁10%的限售股。

2、IPO后15个交易日即可纳入纳斯达克100指数，这里需要注意的是：考虑新股刚上市并不是充分流通，纳斯达克惠安流通市值的三倍来计算进入指数的权重。举个例子，SpaceX在上市后流通盘5%，如果15个交易日总市值是1.8万亿美金，流通市值900亿美金，那么按照2700亿美金来计算进入纳斯达克100指数的权重，这个权重比例自然也就影响指数ETF这些被动资金的配置比例。

随着Q2财报公布，之后逐步释放，流通比例越高，计入到指数里的权重也越高。可以说是用指数ETF的被动资金买盘来承接阶梯解锁的抛压。

3、对市场的影响体现在哪些方面？
1）看媒体报道，SpaceX的目标IPO估值定在 1.75万亿至2万亿美元，计划募资约 750亿美元。这在历史上属于较大规模的IPO，机构和散户认购时需要从现有持仓中调配资金，客观上会形成一定流动性抽取效应。估计未来一两周路演期内，这种资金轮动效应可能已提前有所体现。

2）真正的安全期在IPO后的两个月内，具体看Q2财报公布的时间。上市后到首批解禁前（约2个月时间），低流通+指数纳入的供需环境可能支撑一定价格表现；

再加上其业务本身质地也很不错，发射和星链业务妥妥现金牛，25年盈利80亿美金。亏损的xAI业务因为把数据中心租给Authropic每年能带来150亿美金的现金流，也能抹平AI业务的亏损，之前这里https://t.co/m6TOi7Que3有聊过，其实对市场来说预期是不错的。

3）SpaceX的解禁节奏是“前松后紧”的；
Q2财报后到年底，解禁供应逐步放量（尤其绩效条件若触发），叠加高估值背景（约95倍营收），市场需逐步消化真实卖压。虽然整体设计比传统解禁一刀切更温和，但是毕竟体量太大，股价波动也绝对会放大，这个时期需要谨慎。

[马东锡 NLP @dongxi_nlp]

我用 Codex + AnySearch 做了一个搜索+决策 cockpit：AnySearch Lens。

日常读论文、选论文题目时，我最希望准确和丰富论文来源。AnySearch 帮我做到了这点。

例如，现在AnySearch Lens 会围绕 agent harness 生成 Query Matrix，跑 REST + MCP + SKILL，抽取正文、聚类证据，最后给出 reflection 和下一步搜索建议，这非常符合在做研究时，对深度和广度要求高的工作流模式。

[ck y @cky011]

@dotey 配置里添加default_mode_request_user_input = true即可。我也是最近才发现的🫪

[宝玉 @dotey]

Agent 生成的结果要不要人工审查，取决于验证方法是不是可靠，以及模型能力是否够强，能理解任务并做好验证工作。
就写代码这种事来说，中间结果确实不需要太多人工检查了，不过开头的 Plan/Design 和最终的审查，人还是过关一下比较好。