Chickabidy

[Dovey "Rug The CNY" Wan🪐 @DoveyWanCN]

现在我们内部研讨会的会都自动双语总结完毕了, 复制粘贴到这里抛砖引玉, 如果大家觉得有用的话以后常发

- Google 不买 GPU，主要依赖自有 TPU；但仍是上游制造、存储、材料等 supply chain 的大 consumer。
- Google 的广告业务本身就是 AI-native product，token 可以直接用于提升广告推荐/定向效率。
- Meta 拥有大量 gigawatt 级训练/算力预算，但如果仍有 surplus compute 对外出租，说明训练之外的 inference 或内部业务吸收不够。
- Llama 相对 Gemini / OpenAI / Anthropic 处于弱势，近期被更强模型进一步抢走 attention / usage。
- 企业 token consumption 可能正在从“随便用”转向“有效使用”：token leaderboard 取消、CTO 加强 monitoring、enterprise policy 收紧，都是 governance 变化的信号。
- OpenAI AR 增长据观察在 2026 年 4 月已经明显 flatten；如果 Anthropic AR 增速也下滑，会显著冲击市场对 frontier labs 和上游 capex 的预期。
- Oracle / Stargate 案例被用作类比：Stargate 宣布后 Oracle 暴涨至约 340，随后回落并跌穿 20 周均线，代表 retail-driven euphoria 后的 rational correction。
- BTC 当前更多被科技 momentum、黄金相关性、宏观流动性等外部 forces 拉扯，行业原生催化剂影响被稀释。
- Clarity 法案长期利好行业结构，但短期不一定是 structural catalyst；因为市场已长时间讨论、预期已较充分。

[金融汪 @yuyy614893671]

Palantir 的 CEO 刚刚在CNBC的专访中控诉了 Sam Altman 和 Dario Amodei：
“他们在抢劫每一家财富 500 强公司”

他的原话是：

“这个国家里的每一家企业，这些人气得发疯。他们在为那些创造不出价值的代币付费。这些人正在窃取我业务的权重和核心优势。”

他直白地说，整个前沿 AI 商业模式就是披着订阅服务外衣的知识产权掠夺

然后他还用一个问题彻底摧毁了定价模型

“如果它这么有价值，假设我明天能让你赚 10 亿美元。我会不会说，我让你赚 10 亿美元，我要拿 30%？如果它这么有价值，为什么他们要按代币收费？”

如果 OpenAI 和 Anthropic 的模型真正实现了实验室声称的生产力提升，他们会选择股权或分成他们生成的利润。他们不会按百万token出售其服务

他把整个安排称为“一种不帮助穷人的财富税。它只是惩罚。”

美国企业正在将运营的核心优势——也就是工作流程、客户数据、战略备忘录、内部模型，这些让他们保持竞争力的东西——直接转移到少数硅谷实验室的训练管道中

一旦这些实验室重新训练，客户的独特优势就变成了下一个企业产品，反过来卖给他们的竞争对手

而 AI 行业最不想让人想到的部分：

每一家企业将机密文件、客户对话和财务模型输入前沿模型，都可能在教那个模型 HOW 如何取代他们。

供应商收取代币费用，同时积累关于该客户业务的复合智能。这就是机制。这也是为什么 Karp 用“stealing”这个词

他声称，这就是为什么他遇到的每位高管私下里都怒火中烧，公开却保持沉默。没人想成为那个点名实验室的 CEO，然后发现下一个竞争对手竟是用他们自己泄露的工作流程建成的

整个 AI 行业一直按完美定价，基于一个假设：

前沿实验室生产出持久、可防御的价值，足以证明无限计算支出的合理性

但 Karp 刚刚告诉我们，客户不再相信这个假设了。他们相信自己被征税却无益处，被监视却无同意，被复制却无救济。

企业一旦停止相信，整个估值体系就会动摇。

[Chickabidy @xiaohjhj]

@rickawsb 另一个角度看，是在强调垂直saas公司的重要性

[Chickabidy @xiaohjhj]

@jdhasoptions 👍

[Chickabidy @xiaohjhj]

@AntonLaVay 原因是存储和半导体的市场杠杆太高了，韩国那边先开的枪

[Chickabidy @xiaohjhj]

@IamRamenPanda 这还跌的少啊

[Macro_Lin ｜ 市场观察员 @LinQingV]

过去一个多月我发了很多条关于功率半导体的推文，从新周期判断到800V HVDC的深度长文到成熟制程代工供需分析。当时市场对功率半导体的关注度远没有现在高。

6月2号瑞银发了一份中国功率半导体行业专题，覆盖士兰微、华润微、新洁能、斯达半导。通读下来，核心方向跟我过去几周讲的高度重合，但数据填充比我当时做的更系统。有些数据点值得单独拿出来讲。

供给偏紧会持续更久，这是瑞银最核心的判断。全球主要功率IDM的产能和资本开支汇总看下来，特征很一致。英飞凌5月6号表态AI功率业务已经出现供给约束，研发重心从IGBT转向SiC。ON Semi利用率持续走高，但明确表示不改变资本开支强度。士兰微产线满载，华润微12英寸代工线在扩但主要响应外部客户。利用率都在往上走，没有一家在大规模加资本开支。跟2021年那轮形成鲜明对比，当时各家竞赛式扩产，2023年产能一释放就是两年价格战。这一轮所有人都学乖了。供给纪律是tighter-for-longer成立的前提。

需求端三个方向同时在超预期。EV从400V往800V迁移，2026年已经有SiC模块整车售价低于10万元的车型。储能方面阳光电源PowerTitan 3.0、Tesla Megapack3、比亚迪Haohan GC Flux三款旗舰产品全部采用SiC，系统效率都在92%以上。AI数据中心方面，从Rubin NVL72到Rubin Ultra NVL576，每GW功率半导体用量从8000万美元翻倍到1.8亿美元。

每GW翻倍这个数字很关键，它量化了一个我之前反复讲但缺乏卖方数据支撑的论点。我在800V HVDC那篇文章里的核心观点是，架构迁移给功率半导体的需求叠加了一层结构性增量，这层增量的持续性远超传统周期的时间尺度。现在有了具体的每GW用量数据，这层增量不再是定性判断了。

SiC的成本曲线也过了拐点。衬底价格从2020年约7000元/片降到2025年约3500元/片，五年降了一半。到这个价位，SiC相对硅基IGBT的性价比临界点已经过了，下游渗透从被动变成主动。全球供应链的口径在统一。Wolfspeed说SST是SiC未来的重要增量，英飞凌说AI相关SiC需求非常强劲，ON Semi在北京车展展示的新车型SiC方案占比到了55%。士兰微6英寸SiC线满载、8英寸在爬坡，斯达半导SiC良率超预期。从衬底成本到终端渗透到产线利用率，每个环节的信号方向都是一致的。

全球股价涨幅对比可能是对投资者冲击最大的一组数据。全球功率半导体股票年初至今平均涨了135%，SOX指数81%。中国平均34%。英飞凌30%，ON Semi 108%，ST 32%。士兰微15%，华润微24%。中国和全球之间差了100个百分点。

这个差距背后有一个结构性原因。市场还在用上一轮周期的估值框架给中国功率半导体定价，忽略了两件事。一是供给偏紧持续更久带来的利润率弹性，IDM未来三年净利率扩张空间在5到8个百分点，Fabless/Fab-lite只有2到4个百分点。二是SiC渗透对产品结构的改善。士兰微NTM PB 4.1倍，低于2010年以来均值4.3倍，而ROE从2025年的3.3%有可能回到2028年的12%。估值在历史均值之下，ROE在往历史均值之上走，这个组合在功率半导体里不常见。

斯达半导是最有意思的案例，EPS预测被下调了25%到37%，折旧压力和车用IGBT定价承压都是实在的利空。但目标价反而上调了，因为估值方法从PE换成了PB。短期利润被折旧压制，但SiC产线加上IGBT国产替代地位给的是资产溢价。当一只股票的估值框架从PE切到PB的时候，传递的信号是它正在从利润驱动型变成资产驱动型，周期阶段变了。

瑞银没有聊到GaN，是个重大缺失。在AI数据中心的供电链路里，SiC负责高压端的AC/DC和固态变压器，GaN负责机架级低压端从48V到1V的DC-DC转换。Navitas在Computex上展示了800V-to-6V直转GaN方案，英诺赛科进了英伟达MGX生态并在GTC上拿到供应商奖。功率半导体新周期的完整图景里SiC和GaN各占一半，只看SiC是不完整的。

2027年是关键验证年。Rubin量产落地，800V从概念验证变成批量采购，8英寸产能继续负增长。到时候回来看这条。

[Chickabidy @xiaohjhj]

@turingou 软件公司会有黄金

[Chickabidy @xiaohjhj]

@nft_hu 利好sive

[Chickabidy @xiaohjhj]

@xiaomustock 那网络又成问题了

[一起发财 @yiqifacai]

诺基亚收购Infinera后，拥有自己的磷化铟晶圆厂和封测厂，这是Ciena等竞争对手不具备的核心优势。

预计2026年Q4，诺基亚在除中国以外的全球光传输市场收入首次超过Ciena。一切的原因都因为磷化铟：诺基亚磷化铟产能扩至十倍，而Ciena产能不足。

系统方案市场形成Ciena、诺基亚、思科三足鼎立格局。
诺基亚已转型为AI时代核心基础设施厂商。

[Polymarket @Polymarket]

NEW: Singapore’s foreign minister travels to North Korea in a rare diplomatic visit.

[Chickabidy @xiaohjhj]

正好借回复整理一下最近很火的三支光板块小票$sive $poet $lwlg

Sivers (SIVE)：提供高功率、多波长的 InP 连续波激光器芯片。无论是哪种光互连方案，都需要用到它来解决“硅自身不会发光”的物理极限。目前，Ayar Labs 是它切入英伟达等一线巨头生态的最大胜负手；但它同时也通过与 POET 合作打造通用光源，极力分散单一客户依赖的风险。

POET：拥有全球专利的光学中介层，采用半导体工艺实现“被动对准（盲贴）”，把 Sivers 的激光器等生鲜食材打包成即插即用的“光引擎预制菜模块”，宣称干掉了 75% 的传统封装成本。在片内光互连垂直领域，它与 Ayar Labs 存在标准之争：Ayar 的 TeraPHY 引擎包含自研的波导和调制技术，具有排他性。如果英伟达等巨头未来全面倒向 Ayar 的自有封装标准，或者台积电 COUPE 平台把中介层全盘代工，POET 将面临失去顶级 AI 舞台的风险，因此它正通过联手 Lumilens 等非台积电阵营进行突围。

Lightwave Logic (LWLG)：生产突破性的电光聚合物材料（特种高频涂料），解决传统硅或 InP 调制器在高频下的功耗与速度极限。其有机塑料液体能直接滴涂在传统硅光晶圆上，让调制器跑出 100GHz+ 的恐怖带宽。2026 年当下的 1.6T 传统光模块大潮正由薄膜铌酸锂（TFLN）和传统硅光瓜分，目前商业营收为零，还没轮到它在模块市场表演。它真正的估值质变取决于两点：一是 2026 年底在高塔半导体（TSEM）流水线上的大厂流片验证能否转化为商业订单；二是未来 3.2T 时代及 TFLN 因体积过大无法塞入 3D 芯片堆叠时，它作为“超薄低功耗唯一解”的全面爆发。

[Fiona ❤️& ✌️ @nft_hu]

为何会提出光互连解决当前HBM封装的极限？
最本质的原因是：我们正在一步步接近HBM封装的极限。

一、物理规律的极限被逐渐触及：
极限1️⃣：垂直堆叠层数——已触顶
HBM的堆叠演进：HBM2（8层）→ HBM2E（8层）→ HBM3（12层）→ HBM3E（12/16层）→ HBM4（计划16–20层）。
每多叠一层，TSV（硅穿孔）的深宽比就要提高。目前16层的TSV深宽比约为20:1，这是电镀铜填充工艺的极限边缘——再往上，铜填充时气泡无法逸出，良率断崖式下跌。
更深的问题是热阻叠加。每层DRAM die的导热路径要穿越所有下层芯片才能到达散热器。12层堆叠时底层die的结温（junction temperature）比顶层高约15°C，20层时这个差距会超过25°C，已经超过DRAM工作安全边界。
这都导向一个事实——垂直方向的物理扩展空间已所剩无几。

极限②：硅中介层岸线——已触顶
GPU的「岸线」（shoreline）是GPU die四周边缘的物理周长。HBM堆栈通过硅中介层与GPU并排，HBM的数量上限就是：GPU周长能容纳多少个HBM接口宽度。
假设GPU die最终做到一个reticle极限，周长约为130mm，单个HBM4堆栈接口约需4mm，理论上限约为32个堆栈——但实际上电源/信号走线、角落利用率等因素会把这个数字压到16–20个以内。

极限③：带宽密度（单位面积IO数）——接近极限
Microbump的物理极限大约在25–30μm pitch，低于这个数字，焊锡球的表面张力和对准精度无法维持量产良率。

极限④：功耗密度——这是最被低估的极限
HBM3E每栈满载功耗约15W，8栈就是120W，加上GPU本身的600–700W，整个封装的功耗密度已经超过100 W/cm²，相当于火箭发动机喷口附近的热流密度。
散热才是最硬的物理墙。
HBM越叠越高，散热路径越长，这是垂直堆叠无法回避的热阻叠加问题，与材料科学的边界直接碰撞。
—————————————————————————

二、光连接的解法
电信号传输本质上是在用「极短距离」这个物理条件换取优势。
光的优势恰好在电的弱点处显现——光信号的带宽与距离几乎无关。当GPU与HBM的物理间距被迫增加，光互连的相对优势就从「理论上可行」变成「工程上合理」。
—————————————————————————
三、目前技术架构的可能形态
方案A：光学Bridge芯片
在硅中介层中嵌入硅光子波导层，GPU与HBM之间的信号不再走铜线，而是走片内波导。距离仍在毫米级，但打破了「必须紧邻」的约束，允许HBM在中介层上远离GPU边缘排列。
这是Ayar Labs（与Intel合作）的TeraPHY路线，已在2024年实现单chiplet 2Tbps光I/O，且可3D堆叠于逻辑芯片下方。

方案B：CXL over Optics（推理情况不合适）
将多个HBM堆栈聚合为独立的记忆体池模块，通过CXL协议与GPU通信。距离可达几厘米至数十厘米，直接接入背板。这不是HBM专属光互连，而是把HBM变成CXL记忆体节点。
延迟代价：每次E→O→O→E转换约增加5–10ns，相对于DRAM本身的~150ns访问延迟，约增加3–7%，在大模型训练的流式访问模式下可接受，但推理场景（延迟敏感）会更在意。

方案C：3D光学垂直互连（最激进）
将HBM置于GPU正下方，利用垂直光学通孔（Optical Through-Silicon Vias，OTSV） 实现Z轴方向的光互连。这在理论上消灭了岸线限制（HBM直接在GPU下方大面积铺展），同时保持极短传输距离。

方案D：光子织网
把光子互连fabric做成一个独立的2D芯片层，像三明治一样插在GPU和HBM（或其他加速器）之间，所有芯片通过这层光子层通信。它并不限定是HBM，而是一个通用的光互连基板。
—————————————————————————
四、这个方案的难点：激光源
这是目前工程界最头疼的问题。
硅不能发光。硅光子可以导光、调制光、探测光，但无法产生光。今天所有硅光子方案的激光源都是III-V族化合物半导体（InP、GaAs基材料），需要外置激光器，通过fiber coupling耦合进硅波导。

这带来：
可靠性问题：激光器是光互连系统中寿命最短的组件
良率问题：光纤与波导的耦合对准精度要求亚微米级，大规模封装良率极低
成本问题：III-V激光器目前仍比硅便宜不了多少，难以摊薄
功耗问题：激光源本身的电光转换效率约30–40%，是额外的能耗来源
————————————————————————
五、解决路径：
1️⃣直接在硅上外延生长III-V材料
Intel、MIT林肯实验室、UCSB都在研究，但良率与可靠性尚未达到量产标准。
2️⃣另一条路是量子点激光器直接长在硅上，理论上可行但仍是实验室阶段。
AXT（AXTI）的潜在价值就在这里——其磷化铟（InP）基片是高性能光互连激光器的关键衬底材料，这条需求链条目前仍处于早期。
————————————————————————
六、时间线
2026–2027：板级CPO（GPU与光引擎共封装）进入量产，主要用于scale-out网络，不直接涉及HBM
2027–2029：光学Bridge方案开始进入高端AI加速器概念验证，HBM可能扩展至更远位置但仍在同一封装内
2029–2032：CXL over Optics的记忆体池化开始规模部署，HBM功能性分离
2032+：真正意义上GPU-HBM光互连作为标准封装方案，仍存在不确定性

[Chickabidy @xiaohjhj]

@nft_hu 会开社群吗？

[Chickabidy @xiaohjhj]

@nft_hu 是的，今年5月1号起不能给北京辖区的地址网购无人机了

[Chickabidy @xiaohjhj]

@qinbafrank 思路清晰

[Chickabidy @xiaohjhj]

@nft_hu 核心就是关注token的需求量