苏姿丰、黄仁勋、阿迪王都被一整个震惊了 算力需求超出想象！ Lisa Su 预言2030年CPU复合增长35%，市场规模超1200亿美元 下面向你走来的是 CPU 8大股 1. 超威半导体 $AMD 2. 英特尔 $INTC 3. 安谋控股 $ARM 4. 博通 $AVGO 5. 美满电子 $MRVL 6. 思科 $CSCO 7. Arista Networks $ANET 8. 台积电 $TSM

以李仁业为首的趋利性执法流水线小组 以李仁业为首的趋利性执法流水线小组，除了孙宇晨 @justinsuntron 办的两个案子外，还另外祸害了一众币圈大哥，百科正在整理中。 Part1  更正一个信息： 孙宇晨现在手里的那把刀——李仁业，过去、现在，均未在中国大陆公检法体系内任职过。 至于相关媒体所披露出来的关于李仁业的过往职务信息，新闻内容的文字对绝大多数人产生了误导。 1996年10月4日出生的李仁业，过往实际职务仅为： 中国大陆浙江省温州市永嘉县矛盾调解中心调解员，且是临时性的合同工，属于编外人员。 Part12 据知情人士透露： 1 李仁业以提供莫须有的帮助从多方进行了财务诈骗，且拒不归还； 2 李仁业因过往财务诈骗行为，有被大陆叔叔逮捕的纪录。 3 当然，更重要的一点，李仁业存在冒用中国大陆公检法人员的行为。 李“检察官”，你虚构自己中国大陆公检法人员的身份爽么？ Part3 后来，李仁业机缘巧合之下，搭上了孙宇晨（李仁业出力，孙宇晨出钱）。 自此，李仁业成了孙宇晨手里的一把办案逮人的快刀。 李“检察官”竟然能推动多地进行激情执法。 百科之前说过，与孙宇晨强关联的王冰宇案，就有李仁业的深度参与。 在公安审讯阶段，王冰宇跟郭会计就已经吐了1亿多人民币出来，但神奇的是，这一亿多人民币的去向成谜。 李“检察官”，王冰宇吐出来的那一亿多人民币中的3200万，听说你跟有关人士一块分了？ 真厉害，把中国大陆的执法玩成了一条完整的趋利性执法流水线(王冰宇案&伟杰全案）。 各位如果有孙宇晨李仁业李涛等人关联的相关案件情况，可直接私信百科，百科将做统一披露。 另外，李“检察官”，孙宇晨的“Tron 1号” 私人飞机舒服吧？ @PDChinese @XinhuaChinese @XHNews @NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg  @takungwenwei_hk  @Tong_Shuo  @QiushiJournal  @FTChinese @ChineseWSJ @nytchinese  @ABCChinese  @rijingzhongwen  @ReutersChina @SpokespersonCHN @zlj517 @chinascio

#GM# 9️⃣ 笪鸿飞在香港有一个办公室及财务，其香港主体 NEO Global Development Limited (公司编号：3329143） 其手下归零币大将王佳超 John Wang 与刘仁栋 的香港高才身份，都是挂靠在这个主体名下。 1️⃣0️⃣ 收割 & 洗钱 据知情人士透露： 笪鸿飞利用 NeoX 把 NEO 生态的 $GAS 在23.10中旬到23.11月上旬期间从$2.4拉升至 $29收割的同时，涉及为某些权贵洗钱。 其中的相关细节，百科正在核实中。 笪鸿飞的这一系列动作提前一年做了筹备，NGD某些成员对此也知晓一二。 是吧，Owen 张志宏 @superboyiii ？ 1️⃣1️⃣ 据知情人士透露: 海外NEO 的投资者会在今年2/3月份与其律师，带着NEO大量内部文件和数据去中国大陆，对笪鸿飞直接发起诉讼。 这将是中国大陆第一起区块链相关的跨境诉讼司法案件。 @dahongfei @Neo_Blockchain @OntologyNetwork @FlamingoFinance @OMOSwapX @PolyNetwork2 @SpoonOS_ai @NEOnewstoday @PDChinese @XinhuaChinese @XHNews @NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg @SpokespersonCHN @zlj517 @chinascio #笪鸿飞# #NEO# #ONT# #FLM# #O3# #Polynetwork# #EON# #洗钱#

#GM# 7️⃣笪鸿飞个人提款机 — NEO 基金会 笪鸿飞一心想把NEO打造成自己的独立王国，其目前实控着NEO生态内部最关键的：  Neo Foundation（笪鸿飞）   NGD EG&MKT 王佳超 John Wang  @wjcbaggio    Neo Global Developmet Tech 刘仁栋 Steven Liu  @0xstv3  NEO HR 部门 周菲菲（从BN过去）  NeoX 等。 包括 谈元 /NGD 上海那四五十号人 及 NEO HR部门的 周菲菲 等人，均在中国大陆上海。  NEO基金会最初是笪鸿飞/张铮文，但基金会大部分资产一直都是由笪鸿飞个人管理。 目前，NEO 基金会钱包资产权限是¾签的机制： 笪鸿飞及其哼哈二将 王佳超& 刘仁栋拥有其中的3签，¾签的机制完美绕开了张铮文。 据知情人士透露 ，笪鸿飞曾把NEO基金会的1800 $BTC 直接交给了 @NGC_Ventures 尽管后来 NGC 把这1800 个大饼还回去了，但却进了笪鸿飞的私人地址，不知去向。 同时笪鸿飞对同为 NEO 基金会成员的张铮文，进行了全面资产信息封锁。 #笪鸿飞# #NEO# #ONT# #FLM# #O3# #Polynetwork# #EON# #SpoonOS#

今日快讯（由HK雷氏小N为您播报）： 1:💙凌晨十年前的地址将107枚btc分五笔销毁，共计820wu 2:💛韦驮在伊丽莎白，嗯哼后招收了第三位徒弟小桃（身陷yzz指责其开盘风波中） 3:💛Nine通过一个月坚持不懈的调研分析，亏损6000u 4:💛Joi AI招聘10个一周能撸四次的，每个月2000u 5:💛p小将裤子因为天天发假照片装陈冠希被人骂了。（本人像简易版王一博） 6:💛96前日发起的5e挑战100e昨日已经彻底失败 7:💛DWF不会坐牢。因为交易所对这种行为，处理措施是罚款。 8:💛bitget昨晚的阴间视频，猪的眼睛长在鼻子下面，中间蓝色小人穿狱服带脚链疑似** 9:💛嗯哼在抖音为中国分区黄仁勋送出跑车 10:❤️‍🔥❤️‍🔥❤️‍🔥涵总征婚，要求168/100斤/36d，他本人很能赚钱，就是身体虚。 本条由 @Gate @gate_kol26 赞助

➡️笪鸿飞发币集团白手套 宁波分部 陈永强 陈永强 艾迪生 @EEEEdison1992 Exchain / O3Swap / Tako Protocol 实控人 1992年7月出生，祖籍江西上饶，宁波工程学院网络工程专业2016届优秀毕业生。 社会职务：曾任宁波海曙区“海蓝宝”众创空间党支部副书记。 陈永强中国大陆关联主体： 乘风传媒创业项目 宁波优我科技 杭州历练数据科技 宁波风链技术 宁波哈希云 其中，宁波风链是陈永强与笪鸿飞共同成立。 是吧，陈书记 ？ ➡️笪鸿飞发币集团上海总部 头号马仔/归零币大将 王佳超  王佳超 John Wang  @wjcbaggio  NGD EG&MKT负责人 / Neo Eco Fund 负责人/ Flamingo Finance 运营负责人/ Polynetwork 创始成员 / O3Swap 实控人  王佳超本科及硕士毕业于澳洲莫纳什大学（Monash University) 会计与国际商务专业。 毕业后，王佳超去埃森哲做了3年咨询，后其与在埃森哲的同事张乃祁，于2014年在上海杨浦创业发起人才招聘项目 hiStarter，主体为上海奇麦网络科技有限公司。    王佳超中国大陆关联主体： 上海码思网络科技 上海奇麦网络科技 上海神炎网络科技 宁波风链信息技术 上海蛟牧文化传媒（链观天下） 上海塞迪信息科技 ➡️笪鸿飞发币集团上海总部 二号马仔 刘仁栋 刘仁栋 Steven Liu  @0xstv3 NGD Tech 技术负责人 / Falmingo Finance 核心 /SpoonOS 核心 刘仁栋 在2010年9月到中国大陆得三本院校浙江大学城市学院读了一年。一年后，被家里人一顿运作，自2011年9月转学到了浙江大学-电气工程学院-系统科学与工程1001班就读。 插一句，这种情况，一般只会公开化地出现一届。因为出现多了，不好收场。 浙大毕业后于，刘仁栋去荷兰待了两年，搞了个代尔夫特理工大学的计算机硕士学位。 在加入NEO之前，刘仁栋曾是EOS节点DAO.EOS的一员。 刘仁栋中国大陆关联主体： 上海塞迪信息科技有限公司，为王佳超与刘仁栋共同发起。 @dahongfei @Neo_Blockchain @OntologyNetwork @FlamingoFinance @OMOSwapX @PolyNetwork2 @SpoonOS_ai @NEOnewstoday @PDChinese @XinhuaChinese @XHNews @NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg @SpokespersonCHN @zlj517 @chinascio #笪鸿飞# #NEO# #ONT# #FLM# #O3# #Polynetwork# #EON# #王佳超# #陈永强# #刘仁栋#

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。

英伟达与高通猝不及防，中 国车企自研芯片纷纷登场！ 当英伟达CEO黄仁勋在CES 2025上自信地宣布"自动驾驶 汽车已经到来"时，他可能没 有意识到，他口中那些"必须 使用自动驾驶技术"的汽车公 司，正悄然将他从核心供应 商的名单上划掉。同样，高 通CEO安蒙或许也没想到， 那个在汽车座舱芯片市场占 据70%份额的巨头，在智能 驾驶领域正遭遇中国车企的 集体"叛逃"。一场由中国车企 主导的自研芯片浪潮，正在 改写全球汽车半导体的权力 版图。 01 从"买买买"到"造造造"：中国 车企的芯片觉醒 时间回到几年前，英伟达的 Orin系列还是中国高端智驾 市场的绝对王者。小米 SU7、理想L系列、极氪001 等明星车型，无不以搭载双 Orin X芯片（508 TOPS算 力）作为智能化卖点。高通 则凭借骁龙8295座舱芯片， 几乎垄断了智能座舱市场。 彼时，英伟达Orin-X单一型 号即占据中国智驾域控芯片 约45%的装机量，高通在座 舱领域的统治力更是无人能 及。 然而，转折来得比想象中更 快。2025年，中国车企自研 智驾芯片进入规模化量产元 年：小鹏的"图灵"AI芯片在二 季度量产上车，蔚来ET9搭 载自研的5nm"神玑 NX9031"芯片交付，吉利旗 下芯擎科技的"星辰一号"7nm 芯片也实现量产。甚至连一 向在智能化上"慢半拍"的比亚 迪，也在2024年启动了自研 芯片项目，推出4nm制程的 BYD 9000座舱芯片。 这场自研浪潮的导火索，首 先是成本。> 蔚来创始人李 斌曾算过一笔账：自研芯片 后，"一年可以少花几十亿人 民币采购英伟达的芯片"。小 鹏汽车为研发图灵芯片耗资 超百亿元，历时五年，其间 甚至因架构错误赔偿数亿元 推倒重来。何小鹏坦言，虽 然投入巨大，但自研芯片在 BOM成本上每颗可节约约 1200元，大规模出货后将显 著优化整车成本结构。 更深层的动机，是对技术自 主权的渴望。英伟达和高通 的芯片本质是"通用平台"，车 企只能在其框架内做算法适 配，大量算力被闲置。而小 鹏的图灵芯片专为AI大模型 设计，算力利用率比通用芯 片提升20%，最高支持本地 运行300亿参数的大模型。蔚 来神玑NX9031采用5nm工 艺，拥有500亿晶体管规模， 官方宣称"一颗抵四颗Orin"。 这种软硬件深度耦合带来的 效率提升，是外采芯片无法 比拟的。 02 英伟达的"Thor焦虑"与高通 的"融合困境" 面对中国车企的集体转向， 英伟达并非没有准备。其新 一代Thor芯片将算力天花板 推至2000 TOPS，试图以绝 对性能优势巩固地位。然 而，Thor芯片的量产时间多 次延期，引发部分车企转向 自研或国产方案。更致命的 是，Thor的"黑盒属性"让车企 担忧——一旦深度绑定英伟达 生态，未来的算法迭代将受 制于其技术路线。 英伟达汽车业务的增长"失 速"已现端倪。虽然其在AI算 力上的技术积淀短期内仍不 可替代，但市场份额的下滑 趋势明显。2025年下半年， 地平线的征程J6P开始交 付，直接挑战英伟达在 L2++市场的地位；华为昇腾 MDC平台搭载量突破100万 辆，与特斯拉自研FSD并列 成为行业标杆。英伟达在中 国市场的统治力，正从"绝对 垄断"退化为"多元竞争中的一 极"。 高通的情况则更为微妙。它 在座舱芯片市场的优势无人 能撼动，全球超3.5亿辆汽车 搭载骁龙数字底盘，中国市 场覆盖超210款车型。但在智 驾领域，高通走的是"舱驾融 合"差异化路线，主打中低端 车型的成本优化。骁龙8650 智驾芯片算力仅30 TOPS， 与英伟达Orin X的254 TOPS 相去甚远；即便是最新的 Ride Elite至尊版，约720 TOPS的AI算力也未能打开高 端市场。 中国车企的自研策略，恰恰 精准打击了高通的软肋。小 鹏图灵芯片不仅用于智驾， 还能支持智能座舱功能，实 现"一颗芯片管全车"的舱驾融 合。蔚来、吉利也在推进类 似的全融合SoC方案。这意 味着，高通赖以生存的"座舱 优势带动智驾"逻辑，正在被 车企自研的"全域融合"芯片所 颠覆。 03 从"供应商时代"到"战国时 代"：格局重构 2025年的中国智驾芯片市 场，可以用"旧王新贵的战国 时代"来形容。英伟达、高 通、Mobileye等国际巨头， 华为、地平线等本土供应 商，以及小鹏、蔚来、吉利 等车企自研力量，三方势力 交织缠斗。 一个显著的趋势是：车企自 研并非要完全取代供应商， 而是构建"自研+外购"的混合 模式。理想汽车仍在部分车 型上使用英伟达Orin X，但同 时推进自研M100芯片，预计 2026年量产；小米SU7继续 搭载英伟达双Orin X，但业内 传闻其自研的"玄戒O2"芯片 将于明年上车。这种"多条腿 走路"的策略，既保障了供应 链安全，又为技术迭代预留 了空间。 对英伟达和高通而言，真正 的威胁不在于失去某几个客 户，而在于行业规则的改 写。过去，芯片厂商定义算 力标准，车企被动跟随；如 今，车企根据自研算法需求 反向定义芯片架构。端到端 大模型、VLA（视觉-语言-动 作）模型的兴起，让"有效算 力"取代"峰值算力"成为新的 评价标准。英伟达Thor的 2000 TOPS固然耀眼，但如 果无法高效运行车企的特定 模型，不过是数字游戏。 更深远的影响在于生态。小 鹏图灵芯片不仅用于汽车， 还将搭载于AI机器人和飞行 汽车；蔚来神玑芯片未来可 能外供其他车企。一旦车企 自研芯片从"成本中心"转变为 可外供的产品线，英伟达和 高通将面临来自下游客户的 直接竞争。 Synopsys首席执 行官曾预言："更多汽车制造 商将不得不在公司内部构建 芯片开发设计能力。"这一预 言正在中国率先成为现实。 04 未来：开放与封闭的博弈 站在2026年的门槛回望，中 国车企自研芯片的浪潮绝非 一时冲动，而是智能电动汽 车产业成熟的必然结果。当 软件定义汽车成为共识，硬 件必须与算法深度协同；当 数据成为核心资产，算力平 台必须掌握在自己手中。英 伟达和高通或许曾以为，凭 借技术优势和生态壁垒可以 高枕无忧，但他们低估了中 国车企对技术主权的执念， 也高估了"通用平台"在垂直场 景中的不可替代性。 当然，这场变革并非零和博 弈。英伟达的CUDA生态、高 通的连接技术，短期内仍是 行业基础设施。中国车企的 自研芯片，更多是在"增量市 场"中争夺定义权，而非在"存 量市场"中彻底颠覆。但一个 不可否认的事实是：全球汽 车半导体的权力中心，正在 从硅谷向东方转移。 英伟达与高通没想到的，或 许不是中国车企会自研芯片 ——毕竟特斯拉早已做出示范 ——而是这股浪潮来得如此迅 猛、如此决绝。当小鹏 MONA M03的升级版悄然换 上自研图灵芯片，当蔚来 ET9以78.8万元的身价搭载神 玑NX9031驶下生产线，当比 亚迪将自研芯片铺向10万至 20万元的主流市场，一个属 于中国"芯"的时代，已然开 启。 而对于英伟达和高通来说， 最紧迫的问题不再是"如何卖 出更多芯片"，而是"如何在车 企自研的时代找到自己的新 位置"。毕竟，当曾经的客户 变成竞争对手，游戏规则已 经彻底改变。

《从福布斯富豪榜看财富流动趋势》 今天关于 @cz_binance 被杀猪榜放进前20的消息又满天飞了，按之前的调性大概率等CZ睡醒又要开始辟谣，哈哈。 不想露富是华人常见心态，但从我等吃瓜群众看，作为Crypto唯一杀入前列的代表，还是乐得看到CZ给Crypto挣了脸的。 顺便分析了一下这次的富豪榜比例情况： ▶️科技（互联网 / AI / 软件 / 芯片）约35–40% 代表：Elon Musk、Jeff Bezos、Mark Zuckerberg ▶️金融与投资 约15–20% 代表：Warren Buffett、对冲基金、PE ▶️零售 / 奢侈品 / 消费 约10–15% ▶️制造 / 工业 约10% ▶️重工业、汽车、制造 能源 / 矿业 约5–8% ▶️石油、天然气 房地产 约5–7% 可以看出财富结构正在发生代际变化，世界在不知不觉间已经通过财富流向告诉大家是如何变迁的。 ~~~~~~~~~~~~~~~~~~~~~~~~~~~ 我摘出几个有意思的地方： 1、AI正在成为新的财富发动机。 榜单前列里很多财富增长都来自 AI 或 AI相关科技公司，Musk，Larry Page，老黄等人财富增长很大程度来自 AI浪潮带动的科技股上涨。例如 Alphabet 股价上涨直接推动 Page 和 Brin 财富大幅增加。 过去十年最赚钱的是移动互联网，未来十年最赚钱的可能是AI基础设施。 2、超级富豪财富增长速度极端惊人 榜单还有一个很震撼的数据： 全球亿万富豪数量已经超过 3400人，总财富达到 约20万亿美元，而且仍在持续增长。 更夸张的是： 全球最富的10个人一年财富增加接近6000亿美元。 财富向极少数人快速集中的速度进一步加快了，科幻小说里一个人掌握全球99%财富的故事好像真有可能发生？ 3、财富结构正在发生代际变化 老钱逐渐被科技钱取代，比如奢侈品巨头Bernard Arnault 逐渐被科技创始人压制。现在的超级富豪基本都是科技公司创始人or控制人，平台型企业掌控者 而不是传统的：地产 石油 制造业 4、超级富豪“百亿俱乐部”正在爆炸增长 centibillionaire（千亿美元富豪）数量暴增。全球已经有 18位财富超过1000亿美元的人，这个群体的总财富接近 3.6万亿美元 这在十年前几乎是不可想象的。 很多机构都预测全球第一位 trillionaire（万亿富豪）可能在2030年前出现。 ~~~~~~~~~~~~~~~~~~~~~~~` 此外，国人比较熟悉和感兴趣的富豪情况： 1、卖水的赢了搞互联网的，首富还是“水王” 钟睒睒（农夫山泉）依然稳坐中国首富。在全球互联网寒冬和电商内卷下，水王靠着刚需和极致的现金流控制力，依然压过张一鸣和马化腾。 2、老黄代表华人之光席卷全球 随着AI浪潮，英伟达（Nvidia）CEO黄仁勋身价疯涨，目前已进入全球前10（甚至前8）。对于中文读者来说，他是全球科技圈最受瞩目的华人面孔，也是AI时代的绝对教父。 3、“出海三杰”的进击：赚全球的钱 张一鸣（TikTok）、黄峥（拼多多/Temu）、许仰天（Shein）。这三位是典型的“中国供应链+全球化运营”的赢家，反映了中国互联网出海的强大生命力。 4、房地产时代的终结，新能源/半导体的崛起 曾经榜单前列的王健林、杨惠妍等地产巨头排名大幅缩水甚至掉队。取而代之的是雷军（小米造车成功）、曾毓群（宁德时代）。 资源型财富已经被科技型财富压过去了。 ~~~~~~~~~~~~~~~~~~~~ 说回Crypto，CZ 的财富变化，本质上是整个加密市场周期的一个晴雨表。 Forbes 在计算 CZ 财富时主要参考是Binance股权估值，而非 $BNB 币价和其他链上资产。 现在已经是加密熊市， $BNB 价格从顶峰已经跌落50%，但CZ的身家反而上涨。我问了一下AI，这可能与熊市了反而头部交易所的市场份额会上升有关。 在2018熊市、2022熊市、现在这个阶段，Binance 的市场份额反而往往会上升，因为原因很简单：熊市会淘汰很多熬不下去的平台。头部交易所反而会趁机吸收流动性用户，进而提高了市场份额。 表单上其实还有其他Crypto富豪，比如 Coinbase的 @brian_armstrong (100-130亿，大约200名）， @saylor 老爷子（70-100亿美元，大约300-400名区间）。 但Forbes评估时候不看链上财富，所以Crypto富豪的资产往往是被低估的。 希望未来有更多加密富豪上榜吧，给咱们行业也长长脸。 最后附上福布斯榜单原链接，感兴趣的可以自己再去挖掘一下：

投资笔记：2026 GTC 大会深度复盘与利好标的分析！ 看完整场英伟达2026 GTC大会，还是蛮让人震撼的。黄老板如今给大家反复重新灌输一个新认知，未来 #AI# 比拼的不再是大模型，而是 Token工厂。尤其是这次Openclaw🦞爆火以后，大家逐渐认识到，Token消耗带来的巨大收入，未来将成为AI企业的核心支柱。 现在仅仅一个小龙虾🦞，以后可能出来小熊猫🐼，小仓鼠🐹，等等类似的成百上千个Agent，推理爆炸的年代已经来临，可预期的未来3-5年，Token消耗量将实现1000—10000倍的增长，而持续的计算调用服务，将带来可持续性的Token消耗。 假如说目前软件公司因为AI Agent而走向终结，过去的SaaS收订阅费模式，成为历史。那么AI时代，AaaS模式将成为未来，收 Token费将带来更暴利的企业收入，而且壁垒更高，一旦选用一家模型，持续的喂养和消耗的Token，本质是独立主体性的数据积累和自我成长，此刻专属你的Agent如同婴儿长大一样，不到万不得已，很难去推倒重新再养。此处到最后比拼的是各家巨头们的GPU算力，同时也是电力和数据中心的较量，而未来每一处数据中心便是一个收费单元。 假如理解了这套黄老板灌输的新逻辑，那么今年各家巨头6000多亿的资本开支预算，也就make sense了，毕竟现在投的越多，当下建设的每一座数据中心，都将成为未来源源不断的Token印钞机啊，抢GPU，抢电力，抢工期，抢内存芯片，貌似一切都合理化了！ 所以接下来，我们讲讲其中利好的美股标的👇 1️⃣“铜光共存”：连接器的黄金十年 黄仁勋这次大会上给了坚定的定调，「机柜内用铜，机柜外用光」。之前市场上传闻此次英伟达的新架构，会让“铜进光退”，市场十分担忧，而本次定调，基本一扫光模块板块的阴霾。 目前发展方向上，机柜内部为了物理极限的成本和能效，依然死磕铜缆；但随着 Spectrum X CPO(共封装光学)交换机的全面量产，光通信的爆发点已经从“模块”转向了“集成”，直接可集成整合到ASIC，克服大规模AI数据中心电子信号的限制，实现更高效率的传输。而英伟达与台积电在 CPO 上的合作，会让这些光路检测和激光器组件公司持续受益。 利好标的： 🟡#AAOI（Applied# Optoelectronics），这家公司把光芯片和器件组装成“能用的光模块”，卖给数据中心。 类比就像👉 富士康，把零部件整合成一部可以卖的iPhone。 🔵 #LITE（Lumentum），这家公司主要生产“让光跑起来”的核心器件（激光器、调制器）。# 类比就像👉 苹果iPhone中的A系列芯片，决定性能上限的关键部件。 🟢#AXTI（AXT# Inc），这家公司提供制造光芯片所需的底层材料（InP、GaAs衬底） 类比就像👉 卖稀土或者硅晶圆的，虽然叙事不性感，但所有高科技(光模块)都离不开。 🟣 #TSEM（Tower# Semiconductor），这家公司帮别人代工制造光子/模拟/射频芯片的“特色晶圆厂”。 类比就像👉造各纳米型号芯片的台积电（但专做小众高技术工艺的版本）。 2️⃣Rubin 架构与“存储大年”：HBM4 是胜负手 Rubin 架构不仅仅是制程提升，它最大的改变是引入了 HBM4 和 100% 液冷。这次黄仁勋提到 HBM4 产能将决定Rubin产线的放量速度，相当于直接把存储芯片从“周期股”推向了「基础型AI 消耗品」的逻辑。难怪前不久，黄老板一直在韩国晃悠，毕竟三星和海力士，是内存芯片的绝对话事人。 与此同时，移除电缆、100% 液冷意味着数据中心的基础设施也要实现大换血。其中相关做液冷冷却相关的公司也将会直接受益，这个我们在之前的推文中，多次强调过，其中个别股票推荐后，已经涨幅高达50%以上。 利好标的： 存储领域： 🟢 #MU# (Micron Technology)，这家公司我们在150美金左右多次推荐过，做DRAM + NAND的全能型选手，AI内存HBM正在补位追赶。 类比就像👉 “美国版三星”，但体量更小、节奏更慢一点。 🟡 #SNDK# (SanDisk)，这家公司我们也多次推荐，专注NAND闪存（SSD、存储卡），偏消费和存储设备端。 类比就像👉 “存储界的西部数据”，专门卖硬盘和SSD的那一类，基本不碰高端DRAM战场。 🔵 三星(Samsung Electronics)，毋庸置疑的全球内存霸主，DRAM + NAND + HBM全线覆盖，技术和产能双王。 类比就像👉 “内存界的台积电 + 苹果合体”，既能做最强技术，又能大规模出货。 🟣 海力士(SK Hynix)，目前是HBM（AI高带宽内存）绝对王者，吃到了AI最肥的一块肉。 类比就像👉 “AI时代的英伟达供应链核心王牌”，专门给AI GPU喂粮的。 由于美股账户买不到韩国股票，所以我推荐这只美股ETF，韩国ETF(代码：#EWY#)，这只ETF基金持仓中22.46%为三星，19.39%为海力士，其他持仓也都是一些韩国优秀企业，比如现代汽车等。 液冷冷却： 🟤#VRT# (Vertiv Holdings)，这家公司专门给数据中心提供“供电 + 散热 +基础设施”的一整套解决方案，尤其是AI数据中心。 类比就像👉 “数据中心的空调 + 电力系统总包商”，虽然不做算力，但决定算力能不能正常运转。 3️⃣OpenClaw 与 Token 薪酬：AI 时代的“Windows” 这是最让我震撼的一点。黄仁勋将 OpenClaw 定位为 Agent 计算机的操作系统，这定位超越了现有互联网时代下系统与软件的逻辑边界。意味着未来我们可能不存在软件app的概念，而要开始逐渐熟悉去雇佣一个个Agent。 “你的 Offer 里带多少 Token？”这句话揭示了未来算力即财富的本质。当算力成本降低，通过 Rubin + Groq 3 LPX 的能效提升，AI 代理的普及将带来新一轮AI云服务的爆发。 利好标的： 🟢#IREN#(Iris Energy)，这家公司本身是BTC挖矿公司，之后开始凭借自身低成本电力 + 数据中心，把矿场升级成AI算力租赁平台（GPU云） 类比就像👉“把比特币矿场改造成AWS算力出租工厂”。 🟡 #CIFR#(Core Scientific)，这家公司刚从破产边缘爬回来，转型做“托管+AI算力”的矿场运营商 类比就像👉 “从煤矿老板转型做数据中心房东，还帮人管服务器”。 🔵 #NBIS#(Nebius Group)，这家公司做纯正的AI云平台（GPU云 + AI服务），不是矿企出身，更像技术驱动。 类比就像👉 “AI版的AWS 或CoreWeave（更偏技术派）” 4️⃣空间计算与 Feynman 架构：剑指星辰大海 下一代Feynman 架构 的 3D 堆叠和“太空芯片”计划，说明英伟达的眼光已经不在地球。这或许不是噱头，因为每次黄老板都把吹过的牛逼，给实现了。这次太空芯片计划更像是边缘计算的极限延伸。在高辐射、极端的太空环境下运行 AI，对芯片可靠性和卫星链路提出了极高要求。 利好标的： 🟢 #RKLB#(Rocket Lab USA)，这家公司提供“小型火箭发射 + 卫星制造 + 太空服务”的一体化公司。 类比就像👉 “太空版的顺丰 + 富士康”，既能送货（发射），也能造卫星。 🟣 #ASTS#(AST SpaceMobile)，这家公司用卫星直接给手机提供4G/5G信号，且不需要地面基站。 类比就像👉 “太空版的中国移动”，直接从天上给你信号。 上述👆，便是此次我们总结的GTC大会利好标的，有完善补充的地方，可以评论区，一起交流探讨！🧐 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！