有网友问：黄仁勋为什么不带着芯片回中国做贡献？网友一语道破天机 咱先抛开黄仁勋的国籍身份不谈，你先想想英伟达一开始是干什么的？ 做游戏显卡的。 那么如果 英伟达是一家中国公司，它会在2000年破产。 不信？ 你可以查一查2000年底的44号通知： “…… 六.自本意见发布之日起，面向国内的电子游戏设备及其零、附件生产、销售即行停止。任何企业、个人不得再从事面向国内的电子游戏设备及其零、附件的生产、销售活动。 ……” 一个通知，就能把电子游戏设备和零附件直接禁了，公司业务瞬间消失，不破产能咋地? 后来英伟达很大一块营收来自于挖矿卡。 结果2021年中国直接禁止矿机设备和挖矿。如果当时英伟达是中国公司，前期那么多投入直接打水漂，估计就没有后来AI革命什么事了。 你看，就因为英伟达是美国公司，就躲过了两次红头文件造成的破产危机。 我也觉得中国有的是人才，我也相信这些人才会创造中国的英伟达，中国的辉瑞，中国的强生，中国的微软，中国的AMD。但是很遗憾这些中国的伟大公司可能在刚刚起步的时候，就被一个文件，一个审查，一个电话，一个通知，给直接干破产了。 这还只是能拿上台面说的原因……

经常能听到一种看似很有常识的论调：国内打工人之所以这么累、就业这么难、内卷这么严重，是因为人太多，资源和岗位就那么多，不够分。 这纯是扯淡。 把内卷和就业难归咎于人多，是经济学里最典型的存量大饼思维（劳动力总额谬误），但现实数据与底层经济逻辑呈现出来的规律，恰恰完全相反。 1️⃣ 硬核数据：WAP 几乎是宏观里唯一不可逆的确定性指标 宏观经济里绝大多数指标（GDP、PMI、信贷增速）都会被短期的货币政策和情绪扰动，但有一个指标具备物理级的确定性：WAP（Working Age Population，适龄劳动人口每年的净增减 = 每年新进入劳动年龄人口 - 每年新退休人口）。 这个指标之所以硬核，是因为未来二十年会进入劳动力市场的人，今天已经全部出生了；未来二十年要退休的人，今天也已经在工位上了。 看一组日本过去几十年的宏观数据： 如果把 WAP 与失业率拉出来做线性回归，会发现一个极度反直觉的铁律： WAP 净增减与失业率呈强烈的负相关，相关系数高达 -0.79； 失业率波动的 63%，可以完全由 WAP 这一个指标来解释。 也就是说：劳动年龄人口增加时，失业率反而下降；劳动年龄人口减少时，失业率反而上升。 2️⃣ 历史跨国实证：正反两面都在印证这个规律 很多人怀疑这只是单纯的统计巧合，但拉开全球现代经济史，正反两面的跨国实证都在反复证明同一个事实： 正向案例（1950 年代以色列）：二战后大批欧洲青壮年难民涌入。按存量思维，这本该是灾难性的劳动力过剩和就业崩溃；但实际结果是总需求爆发，直接引发全社会严重的劳动力短缺，物资供不应求，政府甚至被迫出台配额限制移民。 反向案例（1995 年后的日本）：日本的 WAP 在 1995 年见顶转负。存量思维以为人少了年轻人找工作更容易，结果日本随即迎来残酷的就业冰河期，青年失业率翻倍，企业停止招正式工，非正规雇佣（派遣工）比例一路飙升至 37%，陷入了长达三十年的通缩死循环。 对照案例（2021 到 2025 年美国）：美国本土 WAP 每年虽为负三四十万，但同期每年涌入两三百万青壮年移民将真实 WAP 强势拉正，直接支撑了过去几年极其强劲的总需求、低失业率与经济增长。 3️⃣ 资产负债表不对称：劳动力供给与信用扩张的杠杆差 为什么年轻劳动力的减少，砸掉的饭碗远不止一个？ 因为人在现代信用货币体系里的角色，从来就不是对称的： 供给端只是线性增加：一个刚步入社会的年轻人，在供给端只贡献 1 份劳动力，是一个普通的劳动要素。 需求端却是带杠杆的信贷扩张：20 到 35 岁是人生唯一且不可逆的资产负债表扩张期。结婚、置业、添置耐用品、育儿，本质上是通过抵押未来几十年的远期收入，在当下集中释放大额资本开支。在贷款创造存款信用货币体系里，每一个主动扩张负债的年轻家庭，都是向上游制造业、基建，向下游消费与服务业注入流动性的原始发动机。 这笔提前折现的长期资本开支，在产业链里通过货币乘数流转，撑起的是一整串上下游企业的现金流与岗位薪资。 反过来的宏观传导是极其残酷的： 当新生劳动力断层、人口结构转入存量博弈时，减少的从来不只是几个岗位竞争者，而是全社会最核心的信贷创造能力。 供给端的劳动力减少是线性的，需求端的信贷收缩却是带杠杆的。一旦没有新的资产负债表愿意进场加杠杆，旧的债务周期就会直接滑入去杠杆的通缩惯性，击穿远超人口减少数量的上下游就业链条。 4️⃣ 人口下行带来的终局：总需求塌陷速度远快于劳动力退出 当适龄劳动人口断崖式减少时，企业面对的是每年永久消失的一大块终端市场： 终端需求崩塌，企业营收见顶，只能打恶性价格战保现金流； 企业的资本开支归零、冻结招聘、裁撤边缘业务，就业岗位减少的速度远远快于劳动人口退出的速度； 留在牌桌上的打工人，面对的是极度缩水的存量残羹。企业为了在极度恶劣的环境中活下去，只能拼命压缩边际成本求生存。 结果就是：人虽然少了，但岗位缩减得更快；每个人不仅没变轻松，反而被要求以更低的报酬去承担更多的活，在更狭窄的存量市场里绝望厮杀。 人从来不是分蛋糕的负担，而是做大蛋糕的手和消化产能的胃。 把内卷归因为人多，不仅找错了靶子，而且彻底掩盖了总需求萎缩带来的真实系统性风险。

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。

李开复：中国的 AI 公司不知道商机在哪，愿意付钱的人太少 李开复接受《华尔街日报》采访时表示，中国 AI 公司在企业级应用变现上仍难以追上美国，尤其是像 Anthropic 这类能创造巨额营收的公司。他认为，国内企业还不习惯按年订阅软件或按使用次数付费，很多 CEO 仍把软件采购当成外包项目，希望按项目制结算。李开复称，同样的软件产品，西方公司甚至中东、中亚客户愿意支付的金额约为中国公司的 8 倍，这也是中国 AI 公司需要出海的重要原因之一。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。

雷军投资的哪些公司倒闭了？清华学霸、雷军站台、估值90亿的光环，却上演了现实版“金蝉脱壳”。去年，智能驾驶圈炸响惊雷，昔日明星企业纵目科技CEO唐锐，被曝“卷款跑路”，只留下16亿财务窟窿和700多名被欠薪员工。在雷军庞大的投资版图中，伴随着市场洗牌和风口更迭，雷军一批早期或后期投资的公司因资金链断裂、造血不足或行业内卷而倒闭、破产或清算。以下是其中最具代表性的几家： 1. 睿米科技(吸尘器/扫地机器人) 背景：睿米是著名“小米生态链”企业之一(被业内称为“雷军八子”之一)，小米与顺为资本曾多次参与其融资。其主营无线吸尘器与扫地机器人，曾创造年营收超6亿元的辉煌。 结局：2024年底宣布终止运营。 原因：产品研发迭代缓慢，错过了扫地机器人的高速爆发期；同时尝试“去小米化”冲击高端失败，加上失去核心供应链优势和陷入股权纠纷，最终倒在了成立十周年的门槛前。 2. 纵目科技(自动驾驶独角兽) 背景：成立于2013年，是国内最早一批从事自动泊车(APA)和智驾方案的独角兽企业之一，曾获得小米(通过旗下基金)和高通等机构多轮巨额注资。 结局：2024年底拖欠薪资爆雷；2025年初总部“断电封楼”；2025年4月被法院裁定受理破产审查，正式进入司法重整程序。 原因：虽然主业有收入，但三年累计亏损近16亿元，严重依赖大客户且遭遇智驾价格战；公司将大量资金抽调去押注极其烧钱的“移动充电机器人”新业务；加上多次冲击科创板和港股IPO失败，最终导致现金流彻底断裂。 3. 凡客诚品(VANCL，虽未清算但几近倒闭) 背景：雷军是凡客创始人陈年的挚友，也是凡客最早的天使投资人，曾在凡客成立初期倾注极大心血和资金进行背书。 结局：虽然公司未在法律意义上彻底破产注销，但遭遇了断崖式衰败，从估值数十亿美元、员工过万的电商巨头，沦落到业务几乎停摆、仅靠极少数小众产品维持的边缘状态。 原因：狂热扩张、盲目品类扩张（甚至卖起了菜刀和家电）、严重的供应链积压与库房积压，成为了中国互联网创业史上著名的“烧钱教训”。 4. 积木盒子(最具代表性的P2P项目) 投资背景：2014年9月，雷军旗下的小米公司和顺为资本联合领投了P2P平台“积木盒子”的B轮融资(共3719万美元)，这是雷军系资本首次高调杀入P2P网贷领域。 结局：随着P2P行业风险爆发，2020年2月，积木盒子正式宣布转型并退引P2P业务，开启清退兑付方案。2020年5月，北京警方对积木盒子(北京乐工场金融信息服务有限公司)涉嫌非法吸收公众存款案立案侦查，公司高管被依法采取刑事强制措施。

Ripple CEO 抨击摩根大通：为保利润故意歪曲事实 2026 年 6 月 11 日，Ripple CEO Brad Garlinghouse @bgarlinghouse 在接受 Fox Business 采访时回应了摩根大通 CEO Jamie Dimon 对《清晰法案》（Clarity Act）的反对态度。Brad Garlinghouse 表示，Jamie Dimon 几十年来一直对加密行业不屑一顾，曾称其为庞氏骗局、称比特币为“宠物石”。 他认为，摩根大通仅靠支付业务就能创造 200 亿美元营收和超 50 亿美元利润，Jamie Dimon 试图阻碍法案，实质上是为了给这项暴利业务加固护城河以维持现状。同时，Brad Garlinghouse 认为 Dimon 宣称该法案会降低合规门槛的言论完全不是事实，纯属为了瓦解法案支持率而做出的故意歪曲或极不负责任的行为。 来源：Fox Business Clips

【生成式 #AI# 年化营收突破1,750亿美元】 英国科技研究平台Exponential View周四（6/25）发布首份《AI经济报告》指出，若排除重复计算并不含中国市场，生成式AI过去12个月创造1,100亿美元营收，最新年化营收规模更突破1,750亿美元，显示AI需求已获实际支出验证。

闪迪26q3营收达到了恐怖的59.5亿美金，毛利78%，净利润单季度36.1亿美金。单股收益23美金。 26q4的指引营收77.5-82.5亿美金。预期单股收益30-33美金。#SNDK# 全年pe不到10。 闪迪首席执行官David Goeckeler表示： 1.本季度标志闪迪向以数据中心为首的最高价值终端市场进行战略性转型。 2. 推进结构性更高且更具持久性盈利能力新商业模式，明确的财务承诺。 3. 凭借零负债的资产负债表、强劲的现金产生能力，为股东创造巨大的长期价值授权的股票回购计划。

Google首次出现负自由现金流，意味着什么 Alphabet第二季度营收1198亿美元，经营利润407.7亿美元，经营利润率达到34%。Google搜索与其他广告收入632.7亿美元，YouTube广告收入110.6亿美元，Google Cloud收入247.7亿美元。几项核心业务都在增长，公司的自由现金流却转为负59亿美元。 问题出在资本开支。 Alphabet当季经营现金流391亿美元，资本开支449亿美元。技术基础设施支出中，约60%用于服务器，40%用于数据中心和网络设备。公司同时把全年资本开支指引上调至1950亿至2050亿美元，并明确表示，折旧、能源和数据中心运营费用将持续压低利润和自由现金流。 这组数据意味着，Google需要用搜索广告创造的现金，为一套规模更大的算力系统提供资金。 搜索广告当季收入增长17%，仍是Alphabet最主要的现金来源。Google Cloud增长82%，营业利润达到88亿美元，云业务积压订单升至5140亿美元，其中超过一半预计在24个月内确认收入。近90%的《财富》100强企业已经使用Gemini Enterprise，企业需求并不缺。 难点在于收入确认速度赶不上基础设施付款速度。 数据中心需要提前拿地、采购芯片、建设电力和网络。客户签下云计算合同后，收入会按照实际使用量或交付进度逐步确认。Google为客户建设TPU系统时，还要提前增加库存。相关协议已经进入云业务积压订单，主要收入要到2027年才能确认，现金支出已经发生。 供给不足又增加了一层成本。Google计划租用第三方数据中心容量，先满足企业客户需求。外部算力可以加快收入增长，也会压低云业务利润率。Google既要承担自建数据中心的固定资产投入，还要支付第三方容量费用，两种成本会在一段时间内同时存在。 负自由现金流还会改变Alphabet的融资方式。公司第二季度发行了203亿美元无担保高级债券，长期债务达到982亿美元。管理层在电话会上表示，资本需求将由经营现金流、债务和股权共同承担。 这会给估值增加一个新的约束。 投资者需要判断每投入一美元数据中心资本，能够形成多少云收入、广告增量和模型调用收入，还要计算服务器折旧、能源费用、第三方容量和融资成本。Google Cloud的82%增速说明需求充足，5140亿美元订单说明客户愿意签合同。自由现金流转负则说明，这门生意对资金规模和回款周期提出了更高要求。 Google面临的核心问题已经很具体：搜索广告产生的现金，能否支撑云业务完成扩张，并在折旧和融资成本全面进入利润表之前，形成足够高的资本回报率。 $GOOGL