$AVGO 是AI芯片的龙头。但历史告诉你，真正暴富的人买的是龙二 $MRVL 先说一个关于半导体行业的反直觉规律： 在一个严重缺货的市场里，获利最大的往往不是龙头，而是那个追赶中的龙二。（Herman老师分析intel观点我觉得说的很好，也同样非常适用于 $MRVL) 理由很简单： 当产能严重不足，买家再也无法只依赖龙头一家供应商。他们开始把订单给原本觉得"不够好"的替代者。而这个替代者，突然发现自己的产品以前没有人要，现在成了香饽饽——价格可以谈，条款可以谈，一切都变了。晶圆缺货时，原本没有人愿意把订单给Intel的客户，开始认真研究18A了。 那么，在AI定制芯片这个正在快速缺货的赛道里，获利最大的龙二会是谁？ 我的答案是 $MRVL 。 1. 先理解结构 AI芯片市场分两层： 第一层：通用GPU Nvidia统治，没有任何人能挑战。H100、B200、Blackwell——超大规模云厂商需要它们，别无选择。 这层市场已经被充分定价了。Nvidia市值5.7万亿，没有人会漏掉这个机会。 第二层：定制ASIC（专用AI加速芯片） 这是一个完全不同的故事。 每一家超大规模云厂商都在开发自己的专用芯片： Google有TPU（张量处理器），Amazon有Trainium（AI训练）和Inferentia（推理），Meta有MTIA（AI推理加速），Microsoft有Maia（Azure AI加速）。 为什么要自己开发芯片？ 因为通用GPU虽然强大，但它服务所有人，没有为特定工作负载优化。自研芯片可以针对自己的模型架构和推理需求精确设计，功耗更低，成本更低，效率更高。 这是一个不可逆的趋势——超大规模云厂商越大，自研芯片的动力越强。但有一个关键问题：这些云厂商需要设计合作伙伴。芯片设计是极其复杂的工程，需要有人懂SerDes，懂先进封装，懂chiplet集成，懂供应链——不是随便一家公司能做到的。 全球有能力承接超大规模云厂商定制ASIC设计的公司，只有两家： $Broadcom，和 $Marvell。 2. AVGO vs MRVL：龙头和龙二的真实差距 先看数字： Broadcom在ASIC市场占约55-60%的份额，与Google的TPU合作锁定到2031年，客户包括Meta、OpenAI等顶级厂商。Marvell约占15%的份额，排名第二Broadcom领先是事实，毫无争议。 但有几个数字值得认真对比： AVGO MRVL 市值 $2万亿 $1,470亿 ASIC市占 55-60% 15% FY26AI营收 $200亿+ $96亿 Forward PE 31倍 36倍 Broadcom在定制ASIC市场记录了约$200亿的AI总营收，而Marvell的AI相关营收约$96亿。 从市值角度：AVGO的市值是MRVL的13.6倍，但ASIC市场份额只是MRVL的4倍，AI营收只是MRVL的2倍。这个不对称，是MRVL存在的核心机会。 3. MRVL独特的地方：两场战争同时押注 这是我认为最关键的一点，也是MRVL和所有其他AI芯片公司最本质的区别。 MRVL同时押注了两个互相独立的万亿级叙事： 叙事一：定制ASIC——去Nvidia化的最大受益者 Marvell的数据中心部门FY2026增长46%，超过$60亿，管理层指引FY2027同比再增约40%。定制芯片年化营收已达$15亿规模，两个AI加速器项目处于高产量阶段，第三个超大规模客户合作正在进行。 Nasdaq 最重要的一个进展： 2026年4月，Google被报道正在与Marvell进行深度谈判，共同开发内存处理单元和下一代TPU，这正是Google此前几乎完全交由Broadcom负责的工作。如果谈判成功，Marvell将成为AI行业最具战略意义的芯片项目之一的核心设计伙伴。 这是什么意思？ Broadcom和Google的TPU合作锁定到2031年——这是Broadcom的护城河，但不是MRVL的天花板。Google开始和MRVL谈，不是要取代Broadcom，而是要建立第二供应商。这正是"缺货时代，落后者获利"的经典逻辑。 当TPU的设计需求超过了Broadcom单独能服务的上限，Google开始把部分项目分给MRVL。 这一单谈成，MRVL同时拥有Amazon和Google双超大规模客户锚定——三个超大规模客户（Amazon、Microsoft、Google）大幅降低了单一客户集中的风险，给市场提供了更清晰的多年营收增长路线图。 叙事二：光互连DSP——AI集群神经系统的命门 MRVL是目前唯一同时覆盖定制ASIC设计、1.6T光学DSP、硅光子技术（通过Celestial AI收购）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。 光互连DSP是什么？ 当GPU和GPU之间需要通信，数据需要在光纤里传输。但光纤里走的是模拟光信号，计算机需要的是数字信号。DSP（数字信号处理器）就是这两个世界之间的翻译器——它把数字数据编码成光信号发出去，再把收到的光信号解码成数字数据。 MRVL的PAM4 DSP是全球800G和1.6T光模块的核心芯片之一。光互连业务的需求与AI集群的互连基础设施同步扩张——每一个上线的AI集群都需要完整的互连协议栈，不需要等待GPU的供应情况。 这是最关键的逻辑： GPU供应有时候是稀缺的，但光互连不等GPU——只要数据中心在建，只要AI集群在运行，光互连就需要。 MRVL的DSP是一个和GPU并行运行的独立需求，不是GPU需求的影子。 4. 我自己的判断：为什么MRVL的故事比AVGO更有弹性 AVGO是龙头，MRVL是追赶者。 但在这个特定的历史时刻，追赶者的弹性更大，原因有三： 原因一：基数效应 AVGO已经是$2万亿市值，要翻倍需要成为$4万亿的公司。MRVL只有$1,470亿，翻倍只需要$2,940亿——和AVGO现在市值的15%相当。同样的资金流入，对MRVL股价的推动效果是AVGO的13倍以上。 原因二：Google的变量 AVGO和Google的合作是锁定的，这是护城河，但也意味着它的上行惊喜已经被充分定价。MRVL和Google的谈判还没有正式宣布——这是一个尚未被市场定价的潜在催化剂。如果Google正式宣布，MRVL立刻拥有Amazon+Google双超大规模客户，ASIC市场份额从15%向25%+跳升的路径被打开。 原因三：两个叙事不相关 AVGO的核心护城河是ASIC和VMware软件。 MRVL的两个叙事——ASIC和光互连DSP——是完全独立的业务。 ASIC受益于去Nvidia化，光互连受益于AI集群扩张。两个独立的增长引擎，互相不依赖，互相不替代。 MRVL在多个AI基础设施顺风中同时暴露：定制芯片、光互连、数据中心网络和更广泛的超大规模资本支出周期。这种在AI主题内的多元化暴露，使它成为纯粹的GPU标的（如Nvidia）的有吸引力的补充。 5. 估值合理吗？ $MRVL：Forward PE 36.4倍，市值$1,470亿。 $AVGO：Forward PE 31倍，市值$2万亿。 $MRVL的Forward PE比 $AVGO略高，但增速也更快： $MRVL FY27营收预期：约$110亿，同比增速约40% $AVGO FY27增速约25-30%。PEG（PE/增速）： $MRVL：36.4 ÷ 40 = 0.91, $AVGO：31 ÷ 27 = 1.15 PEG低于1都算便宜。 用PEG来衡量，MRVL比AVGO便宜约20%。 而且MRVL有Google催化剂这个尚未被定价的变量，AVGO没有。如果Marvell股价涨到$400，需要数据中心营收FY27超过$90亿，Google ASIC合同正式宣布，自定义硅年化营收达到$30亿。在这些条件下，ASIC业务40倍Forward EV/EBITDA，光互连业务20倍EV/Sales。 我觉得2027年是很有可能达到的，这还是在理性的估值下，如果是ai融涨疯牛选择忽略估值的话，如果NVDA到360分析师预测最高，也就是8.8T, 我预测8-10T，那么AVGO会到3-4T, MRVL到500B-1T都问题不大。 6. 三个需要追踪的关键变量 变量一：Google ASIC合同的正式宣布 这是目前MRVL最大的潜在催化剂。谈判已经在进行，但没有正式宣布。每过一个季度没有宣布，市场会稍微失去耐心。但一旦宣布，估值逻辑发生质变。 变量二：1.6T DSP的市场份额 Marvell已经开始出货1.6T PAM DSP，基于5纳米工艺，并推出了下一代3纳米版本，将光模块功耗降低超过20%。 800G向1.6T的迭代是MRVL DSP业务的下一个量子跳跃。如果MRVL能在1.6T时代维持甚至提升市场份额，光互连业务的营收会非线性增长。 变量三：Celestial AI的硅光子整合 MRVL收购了Celestial AI，进入硅光子领域。这是CPO时代最关键的技术平台——把光学引擎直接集成进芯片封装。如果MRVL能在CPO时代把DSP和硅光子整合成一个完整的解决方案，它的价值会远超现在的定价。 7. 最终判断：MRVL是这轮AI牛市里最干净的不对称机会 AI芯片市场分三类公司： 第一类：Nvidia——已经被充分定价的龙头。故事最好，估值最贵，上行惊喜空间有限。 第二类：纯ASIC公司（AVGO）——护城河深厚，但增速放缓在定价中。Google TPU锁定到2031年是确定性，也是上行惊喜的天花板。 第三类：MRVL——两个叙事都在爆发，Google催化剂未定价，市值基数小。 这是不对称机会的经典形态， 下行有Amazon锚定，有光互连稳定收入，不会归零，上行有Google合同宣布+CPO爆发+ASIC市场份额提升，估值可能从$1,470亿走向$5,000亿+。 $MRVL也是我重仓持有的标的之一，短期technical角度今天收长上影线，日线级别调整要来，加仓机会在第一目标165，第二目标140。如果给机会到140补那个缺口，我仓位加满（图1）。 总结：回到那个反直觉的规律：缺货时代，落后者获利最大。 ASIC市场正在缺货——Broadcom一家根本无法满足所有超大规模客户的定制需求。光互连正在缺货——AI集群每季度都在扩张，DSP的需求只增不减。MRVL是这两个缺货赛道里，那个正在被需要的追赶者。 历史一次次证明：当产能不足、供应商只有一两家的时候，第二名是最好的弹性高的投资标的（Nvidia和Amd，TSMC和Intel。） 因为所有人都开始认真研究它了。 #MRVL# #Marvell# #AVGO# #Broadcom# #ASIC# #定制芯片# #光互连# #DSP# #Google# #Amazon# #Nvidia# #AI芯片# #半导体# #美股# #龙二补涨# #CPO# #硅光子# #AI基建# #USStocks# #AIStocks# #数据中心# #去Nvidia化#

$TAO 真的出息了，打开行情，TAO又在独涨 看了一圈，核心催化剂还是 All-In Podcast 里 Chamath 点名 + NVIDIA CEO 当场肯定去中心化训练 。同时 Grayscale ETF 备案传闻在持续发酵，整个社区都很振奋。 SN3 Templar 的出圈效应还在持续 ，市值破 $100M+，这是 Bittensor 真正的 Singularity Moment，是从 0 到 1 的质变。 过去8年来，大家公认 Crypto 能干两件事：发行资产，交易注意力。 但现在多了第三件：组织生产力。 不是算账，不是投机，是真实的算力被去中心化地调动起来，输出了一个生产级的大模型。 Crypto 机制第一次在 AI 领域组织出了真实的生产力。 Bittensor 从“理论上可行的crypto AI”变成了一个被实践验证的“真实生产级去中心化AI基础设施”。 从资金流向来看，过去24小时，TAO 主要流向SN4、SN9、SN68、SN3、SN1、SN85。资金在不断流向真正做事、更具生产价值的子网。

月度复盘及展望 4月我们经历了ai板块的大涨，核心标的如intc等堪称波澜壮阔， 结合目前的市场数据与量化模型，我们将关于5月美股市场因素总结为以下四点： 1. CTA 动能：从“助燃剂”转为“阻力位” 状态切换： 过去几周 VIX 从 30 回落至 16.9，CTA 已经完成了约 800 亿美元 的补仓。这意味着这类资金的“子弹”基本打光，仓位已处于历史高位。 5月预测： 无论市场涨跌，CTA 在 5 月都将转为净卖方（预计每日流出数十亿美元）。若标普 500 回撤超过 3.75%，将触发约 500 亿至 1000 亿美元 的系统性抛售。 2. 基本面：AI 资本开支（Capex）的“双刃剑” 利好： 大科技公司（如微软、Meta、谷歌）不仅没有缩减开支，反而集体上调了 2026 年预期（约 7250 亿美元），这为硬件端（如 NVIDIA）提供了极强的业绩支撑。 风险： 市场开始从关注“AI 故事”转向关注“投资回报率”。巨大的 Capex 支出正在侵蚀企业的自由现金流，导致市场对大科技公司的评价标准变得极其苛刻（即“奖惩分明”的结构化行情）。 3. 市场环境：VIX 16.9 传递的“脆弱信号” 低波陷阱： VIX 处于 16.9 的低位说明市场目前处于“自满”状态，对利空防备不足。 反向指标： 低 VIX 意味着对冲成本极低，但同时也意味着一旦 5 月出现美联储鹰派或财报不及预期，波动率的非线性跳升将引发量化模型迅速“降杠杆”，放大跌幅。 4. 5 月行情展望：震荡与去伪存真 多空拉锯： 5 月美股将面临“业绩强劲”与“资金面撤退”的拉锯战。 季节性压力： 叠加“Sell in May”效应和养老金约 270 亿美元 的再平衡卖盘，市场缺乏进一步上攻的增量资金支持。 定调： 5 月行情以高位震荡、回撤筑底为主。AI 板块将进入“交付期”的残酷转型，只有真正能兑现利润的公司才能维持股价，而指数层面则面临中枢下移的风险。 总的来说， “买盘已尽，风险未去”——AI 的强劲业绩目前是市场的“保命垫”，但 5 月继续大涨，则可能需要更强劲的助推器。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

不要小看传统经济学家的影响力，付鹏 @fupenglondon ，任泽平这两位都是400万+的微博粉丝量，已经到了某种质变的阶段了 。不过传统宏观经济学家纷纷向 Web3 领域“投石问路”，其实也是宏观经济范式转移的一个强烈信号。 这次我在香港嘉年华的收获，其中之一就是在在HSC Asset Management 活动上从黑石等传统基金的LP口中得到他们对加密资产价值的一个系统性共识正在形成。 我们可以看看几位过江龙何以成名，再来品味迹象本身的含义。 付鹏：管道专家视角 (The Infrastructure Analyst) • 传统领域敏感度： 极高。他擅长通过利率平价、跨境资本流动（Plumbing/管道）来预测资产价格。他是最早洞察到 2023-2024 全球利率拐点的学者之一。 他对 Web3 的关注点往往不在“币价”，乃至于单个的山寨币资产，而在于“资产的金融化属性”。他看好 Web3 是因为他看到了传统金融管道的阻塞。 付鹏的转向更像是“逻辑推演”的结果。如果全球宏观环境是“高通胀、高利率、低增长”，他会从 Web3 中寻找那种能突破主权边界的“新型流动性溢价”。 任泽平：趋势与周期视角 (The Narrative Strategist) • 传统领域敏感度： 极具爆发力，但争议较大。从“5000点不是梦”到“新周期”，他擅长抓大趋势、大叙事，对政策风向的捕捉极度敏锐（尤其是房地产和人口政策）。 任泽平应该还只是处于一个“观察期”，他的注意力更像是“趋势博弈”的结果。当 Web3 逐渐合规化（如香港 Web3 政策的落地），他会迅速将其包装成一种全民级别的“新经济叙事”。 这种转向是什么“迹象”？ 当最顶尖的宏观“捕手”开始谈论去中心化、RWA（现实世界资产代币化）或协议经济时，通常预示着以下三点： 1.传统大类资产的“天花板”效应： 在 2025-2026 年的宏观背景下，传统债权驱动的增长模式（如房地产、地方债）已经进入存量博弈。宏观经济学家最敏感的是“流动性的去向”。当传统蓄水池（房市、传统股市）无法承载超发货币或无法提供高超额收益（Alpha）时，Web3 正在从“另类投资”转变为全球资本的“宏观蓄水池”。 2.从“生产力”向“生产关系”的焦虑转移： 正如付鹏在近期（2025年末）提到的，AI 解决了生产力问题，但没能解决“利润分配”和“生产关系”问题。Web3 的本质是通过代码重构分配逻辑。宏观经济学家意识到，如果制度层面无法突破，技术奇点（AI）带来的利润可能只会被极少数巨头（如 Nvidia、Google）垄断，而 Web3 是唯一的制度补丁。去中心化AI可能也是真正数据所有权的核心基建。

閒聊 Intel EMIB-T 封裝的 2H27 新款 Google TPU（Humufish）。以下根據我的產業調查： 【EMIB-T 90% 良率，該怎麼看？】 1. 基於 Intel 已經有穩定生產 EMIB 的經驗，開發中的 EMIB-T 技術驗證良率達到 90%，是很正向但也合理的訊號。 2. Intel 把 FCBGA 設定為 EMIB 生產（組裝）良率的比較標竿。目前業界 FCBGA 的生產良率約在 98% 以上。 3. 從良率角度，90%→98% 難度高於從開案 → 90%。此外，技術驗證良率與成品生產良率也是兩回事（特別是 Humufish 仍有規格未定案）。所以我雖正向看待 Intel 先進封裝長期發展，但中短期內仍會謹慎關注 Intel 如何面對這些挑戰。 【從 90% 到 98%，表面上才差個幾%，Google 會在意嗎？當然會】 1. Google 近期詢問過台積電，自行投片 Humufish 的 main compute die（由 Google 自行設計），與讓聯發科代為投片相較，成本可節省多少。 2. Google 與聯發科的合作一開始（8t）就是採 semi-COT 模式。聯發科的 mark-up 主要來自自行設計部分，所以 Google 是否親自投片 main compute die，不是聯發科獲利成長趨勢的觀察重點。 3. 但從 Google 連投片相關的 pass-through mark-up 都想看看能不能省，代表 Google 的成本控管態度，已從過去的好好先生，變成錙銖必較的精算者，原因在於要跟 Nvidia 直接競爭，所以具備成本優勢的 Google 當然會在意 EMIB-T 生產良率。順帶一提，台積電對 2026 年 5.5-reticle CoWoS 的生產良率目標，也是 98% 起跳。 【台積電的立場】 1. 我的理解是，台積電仍在評估 2H27 要分配多少先進製程產能給 Humufish，原因在於：(1) 仍想爭取後段封裝訂單（但目前看很難，這是 Google 有意為之的策略）、與 (2) 尚在評估後段 EMIB-T 實際產出，避免稀缺的先進製程資源被錯置。 2. 影響 Humufish 後段有效產出的關鍵，包括 EMIB-T 與載板，要追蹤這件事必須兩個一起看。 3. 在 Humufish semi-COT 方面，台積電也是傾向讓聯發科投片main compute die，除了兩家公司關係好外，關鍵是聯發科是台積電第三大先進製程客戶（2025年），若 TPU 訂單有變化，以聯發科的規模，較容易協助台積電做投片組合調整，扮演一個稱職的緩衝角色。

过去十年，从投资角度，我渐渐看明白一件事：那些做App的公司，最后都卷死了；真正闷声发财的，是那些收"过路费"的包租公。🧐 你看啊，互联网那会儿大家都想做下一个淘宝、微信，结果呢？绝大部分都死了。反倒是阿里云、腾讯云这种卖服务器的刚需，躺着赚钱。Web3时代也一样，99%的DApp和NFT项目都归零了，但以太坊的Gas费照收不误。我相信AI时代的逻辑也是类似的！ 结合👇下面这张图，我想跟大伙聊聊未来10年的机会在哪，以及我们目前持有的一些核心美股和加密投资标的！ 底层第一性原理很简单，投资Web3和AI，尽量减少投资应用层，一定要投资底层基础设施与刚需收税层。应用层太累了，某个项目花半年搞个爆款，可能三个月就被抄了，还得天天花钱买流量。 但收税层就不一样了，只要大家还要上网、还要算力、还要交易，它就躺着收钱。应用怎么换都无所谓，底层的"过路费"是绕不开的。 过去十年的数据摆在那：英伟达涨了221倍，以太坊涨了236倍，比特币涨了178倍。 • 英伟达收的是“AI算力税”，你想搞AI，就得买我的卡，没得选。 • 以太坊收的是“Gas费”，你想在链上转账、玩NFT，就得给我交手续费。 • 比特币收的是“共识税”，大家都认它是数字黄金，它就成了资产本身。 看出规律了吗？真正赚大钱的，都是掌握"税权"的。 📊未来10年，我看好这三个收税口以及相关的项目与公司。 1️⃣ 数字美元的“利差税”（稳定币与RWA） 我们想在链上玩DeFi，投资RWA，得先把钱换成USDT、USDC，发行方拿我们的美金去买国债吃利息，给我们个数字代币。规模越大，利息越香。这是稳赚不赔的生意。尤其是未来AI Agent时代的到来，美元稳定币是天然的支付媒介，交易体量将会万亿级别计算。 这就是妥妥的"利差税"，谁占住这个入口，谁就是金融界的英伟达。 这里核心我看好： • Circle (美股代码 #CRCL#)，作为合规稳定币USDC来说，它目前是独一份，当机构想要把万亿资产上链时，合规稳定币是唯一的过路口。叠加今年降息无望，美债收益率维持高位，对于美元稳定币发行公司来说，业绩将会更加稳定。另外Circle最近也在大力推进AI Agent支付入口的抢夺，市占率高达68%，已然成为AI Agent支付的首选稳定币。 • Ondo Finance (加密代码 #ONDO#)，RWA赛道的领头羊。它把美股和美债代币化带到了链上。目前仍处于“范式早期”。收税逻辑来说，随着RWA链上资产规模扩大，ONDO作为流动性管理层，将会从每一笔链上美债和美股收益中抽成。所以它将变成连接传统金融和加密金融的“收税路口”。唯一缺点是代币化赋能比较差，没有回购和通缩机制！ 2️⃣ AI 时代的“物理刚需税”（电力与能源供应链） AI的尽头其实就是电力。芯片再牛，不通电也转不动。 现在数据中心都是吞电怪兽，我重点关注核电复兴（SMR小型反应堆）、变压器、液冷设备这些。没电，再强的AI也是摆设。这是硬税，躲不掉的。 这里核心我看好： • Vertiv Holdings (美股代码 #VRT#)，这个公司，我们很早就推荐过，在100美金附近，它是全球数据中心液冷及电源管理巨头。目前AI芯片发热量惊人，传统的风扇吹不动了，必须用液冷，Vertiv占据了高端液冷的大部分市场。收税逻辑来说，它是数据中心建设中“绕不开”的一环。没有它的散热系统，昂贵的NVIDIA芯片也会被烧毁。 • OKLO(美股代码 #OKLO#)，它是 SMR小型模块化核反应堆的龙头公司，虽然目前全球绝大多数 SMR 都还在图纸和审批阶段。但OKLO 已经拿到了美国能源部的选址许可，离真正的商业化运营越来越近了。它也属于范式早期的公司，而且技术壁垒比较深，OKLO使用的是快堆技术，可以用核废料作为燃料，这在合规和环保上具有极高的壁垒，并且获得了OpenAI创始人奥特曼的投资和站台，潜力巨大。 3️⃣ AI Agent 身份/分发/支付层，AI时代的"苹果税" 以后帮我们干活的可能都是AI，不是人。AI要订票、买东西，它得有身份，还要能直接支付付钱。 谁能制定AI之间的支付标准和身份协议，谁就卡住了AI时代的咽喉。这块我觉得是下一个十倍币的温床。 这里核心我看好： • World Network (加密代码 #WLD#)，在AI造假满天飞的时代，证明“我是人”或“这是我的数据”变得极度稀缺。#WLD# 是OpenAI创始人Sam Altman创立的数字身份协议，通过虹膜扫描来实现真人判定和唯一性。想想看，当未来互联网90%的内容都是AI生成时，一个“证明你是真人”的账号就是最硬的门票，叠加今年OpenAI的IPO上市，机会不言而喻。收税逻辑来说，如果未来所有社交媒体、银行应用都要求World ID登录，它就成了全球数字世界的“入场收税口”。 • Bittensor (加密代码 #TAO#)，它像是一个“AI 界的淘宝”。无论你是做图像生成的、做代码翻译的，还是做数据抓取的，都可以在上面开个“子网摊位”。所有的子网都需要质押 TAO 才能运行，而所有的算力贡献和智能评估都通过 TAO 进行结算。只要有人想通过这个网络调用去中心化的 AI 能力，TAO 就是那个绕不开的结算货币。 现在的 Bittensor 就像是早期的以太坊。以太坊通过智能合约收“金融税”，Bittensor 通过 Yuma 共识机制收“智能交易税”。虽然前不久子网早期支持者Covenant AI创始人Sam Dare出走，引发震荡，但这个事件不影响项目本身，我们依旧在持续关注它的子网生态广度，这才是TAO的核心。 除了上述之外，加密领域，我们还配置了像预言机，公链等基础设施，#LINK# 和 #PYTH# 和 #SOL# #SUI# 等，未来无论是预测市场，还是AI Agent都需要真实世界数据，比如资产价格、天气、赛事信息等，都需要用到它们，也属于刚需型收税项目！公链就更不用说，开发Web3应用都要搭建在公链上，属于长期收税！ 🎯最近我们还在关注两个隐形赛道： • AI模型评估与审计 — 以后监管肯定要管AI，谁来证明AI安全、没偏见？这种"信任税"会越来越值钱。 • 边缘设备入口 — 不可能所有算力都在云端，手机、眼镜、耳机这些终端也要本地跑AI。这个"终端入口税"可能是硬件厂商翻盘的机会，最近安克它们搞的存算一体芯片 Thus就属于这种，专门给耳机提供AI本地化算力单元。 🧐怎么选出10倍标的？图里给的公式我觉得挺实用的： 10倍机会 = 真税层 × 范式早期 × 难以绕开 × 未被充分定价 找早期 — 别追大家都知道的，去找刚冒头、大众还没看懂的（比如现在的AI Agent赛道，核电赛道，专注边缘设备的AI芯片），目前我们已经在慢慢开始止盈内存芯片的公司，比如 #MU。# 看护城河 — 问自己：别人能不能绕开这家公司？绕不开，就是好的收税人。 总结来说，买股票盯着 — 能源(核能) + 卖铲子的(电网、硬件、存储芯片等) 买币盯着 — 底层结算网络(BTC/SOL/PYTH/LINK/TAO) + 稳定币发行方 过去十年教训摆在这，应用层死一茬又一茬，收税层稳稳当当。 未来十年，别再做韭菜，要做那个收税的。DYOR🙏

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

今天芯片圈最大的新闻，莫过于Gerard在创立Nuvia CPU被高通收购五年之后，重新出发，新创立了ARM CPU公司，名字也跟之前非常像，叫Nuvacore 现在这个时间点做数据中心CPU，确实是赶上了CPU十年来最好的时代: AI agent带来CPU短缺潮已经经隐隐浮现，AWS多个客户都提出要包揽所有Graviton ARM CPU产能 ------------ 这个消息对硅谷的芯片打工人吸引力是巨大的，Nuvacore这次的阵容都是功成名就的明星阵容，以前Nuvia创始团队重新集合，拿了红衫的投资，做面向 AI 基础设施/agentic computing 的通用ARM CPU。当年还是一个尚未完全被验证的大方向都能大获成功，而现在ARM CPU服务器正在风口浪尖上，前景和想象力和2019年Nuvia比起来大了太多了 上一次Gerard把Google，苹果platform architecture组的架构大佬挖了好多过去，这次的号召力只会强得多，240m的融资，已经验证过的路径和创始团队，肉眼可见的下一个增长风口，一定会让Nuvacore成为湾区最热门最受追捧的芯片startup，没有之一。毕竟这是一个肉眼可见能财富自由而且风险收益比极好的机会 ---------- 遥想当年Nuvia第一代CPU的发布赶上苹果M2时代，还是挺震撼的，Nuvia让高通在一年的时间CPU跑分进步了整整三代，单核跑分从2300变成3200，竟然超过了苹果M2 max一大截 可惜Nuvia Phoenix core从发布到最后上市拖了太久太久，中间苹果把牙膏挤爆了连着上市了M3/M4，于是Nuvia CPU上市之后从跟M2比较变成了跟M4比较，从期待中的C位变成背景板了 当年Nuvia的眼光非常超前，在2019年ARM CPU服务器市场占有率几乎为零的情况下，就是想从零开始打通这个市场，2021年被高通14亿美元收购之后，高通也给了无限的资源支持，扩招力度很大，给的薪水都是市面上最高一档的。 可惜大环境在2022年恶化的很快，加上高通的管理层战略眼光实在太差太短视，在业界ARM服务器生态都开始有起色的时候，为了股价节约开支，竟然再一次把自家的Nuvia CPU 服务器团队解散了（算上2015年已经解散过一次ARM服务器团队） 直到2025年，Nvidia的Grace ARM CPU都已经发布四年了，Vera ARM CPU都已经自研好久了，Amazon的ARM CPU Graviton都快占据CPU服务器新出货的50%了，高通才后知后觉谨慎的重启ARM服务器项目 所以这次Gerard从高通的高管位置把之前的创始团队拉出来自己干，可能是因为高通高层战略眼光实在太差屡屡错过机会，上次Nuvia想做ARM服务器，高通的承诺也因为大环境恶化没做数，结果被收购之后被高通取消了项目直接改做了laptop芯片和手机芯片 加上高通今年在手机销量上因为内存和存储历史级的巨额涨价，可以预见要受到重创(市场萎缩30%)，能拿出的扩张预算有限，在高通能拿到的资源是受到掣肘的 而在创业公司里比在 Qualcomm 这种大平台里更容易拿到足够快的决策速度、团队纯度、产品定义权和资本叙事，于是选择在窗口已经被验证时重新集结老班底 但更可能因为，AI时代的CPU前景想象力真的太广阔了，完全值得重新投入一次，不是Gerard变了，而是外部市场变了 ------------------------ 进入2025年之后，AI agent的出现，隐隐让CPU重新变成了瓶颈 CPU服务器重新步入增长轨道，而且潜力巨大，有好几个因素： 1. 随着推理时代的到来，GPU演化到针对推理的系统级新架构，CPU 是永远在忙的总指挥orchestrator, 因为要追求token throughput，所以异构计算阶段变多 + 批处理数量batch越来越大，scheduling/routing/data flow复杂度变高，对orchestration要求也变高 所以在系统级异构推理架构里，AI加速器和GPU在CPU：GPU的配比上，也变得更为激进，从以前的1：4到Grace Blackwell的1：2，以后是很有希望达到1：1的比例的。Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU 这条在我的去年11月半导体年终回顾写过，基本上在2026年成为了共识，虽然这部分主要是各家AI 芯片自研，并不是纯粹的CPU服务器，其实不算是外部CPU服务器的机会 2. 也是同一篇年终回顾里写到的： 从CPU视角去看agentic workload，routing和工具处理都在CPU上，如果把常用的agentic框架做profiling，比如SWE-Agent, LangChain, Toolformer，CPU最长可以占到90%的E2E端到端延迟，throughput瓶颈也更多的卡在CPU，CPU甚至能耗也超过了总能耗的40% Agentic AI目前是一个CPU瓶颈更多的事情，Agent管理很多个CPU，再加上agent经常要开sandbox，很可能会成就CPU需求的新一波回暖 现在回看去年写的这个逻辑，潜力是非常大的。但其实年初可能并没有很大规模发生，年初的CPU增长和各家渲染的CPU短缺潮和这个逻辑暂时关系不大，更多可能是前几年的capex投入GPU的比例太大，造成传统CPU服务器投入不够，所以需求上升是一个回补之前传统服务器投入不够的部分。 但到了下半年甚至2027，agent会开始更广泛的铺开，比如智能导购和客服，已经占到了Amazon去年年底100万CPU采购的相当部分比例，这部分的增长是很快的 前两个逻辑，基本上是今年主流叙事在讲CPU潜力的共识，但是我的感悟是，还有另外两个逻辑被低估了： 3. 造成CPU服务器潜力更大，更长线的主逻辑，可能和agent本身没有直接关系，而是code agent带来的副产物： coding门槛和速度的大幅优化，让“构建软件 + 连接软件 + 调用软件 + 自动化软件”这整件事便宜了一个数量级，Jevons 悖论在software供给端的展开，最终把世界推向更高的软件密度和 API 密度，这直接带来了CPU传统workload的线性上升 从2025年年底开始，coding agent迎来了质变，Claude code迎来了爆发式增长，三个月的token营收增长了三倍，那么导致的下一步必然是Code量的十倍增长,以及App数量的巨量增长 即便是在大厂，每天1m token消耗只能算是个平均水平，人均coding量必然是翻倍的（小厂就是翻十倍了），code供给量暴增，不会只停留在 repo 里，而会逐步变成更多长期运行的软件资产，长期存活的feature变多，product变多，microservice变多，API变多 长线来看，App/API所有的生产成本和生产周期会变成原来的10%，API实现极大富足。那么API的Usage就会大量的上升,这就会造成传统CPU Workload或者说CPU Seconds大量的上升，这甚至和agentic没有直接关系 时间维度上，这个逻辑并不是短期性质，Claude code的爆炸是这几个月刚发生的事情，那么产品上线，microservice，api上线，可能都要向后延迟。当软件变便宜，社会不会少用软件，只会把更多事情软件化 所以也许到下半年甚至更久才会看到，传统cpu云的需求又莫名其妙增加了，表面上看，甚至和AI agent没有直接关系 4. CPU是一个技术上很难通缩的东西，不像内存/存储有很多压缩算法会降低单任务对存储的用量，CPU workload增长转化成硬件需求增长是实打实的 比如说kvcache其实每年都有各种压缩技术出现，老的压缩技术比如kvcache的multi-head它会share一个head（GQV），这个大概会相当于4倍的压缩，再比如说去年turboquant这个技术也会新带来几倍的压缩。然后加上数据精度从FP16到现在的下一步要到FP4，精度的下降都会带来kvcache的压缩，从而带来存储方面的技术通缩。 但CPU是一个技术层面上通缩量很小的事情，目前任何的agentic的cpu workload（CPU seconds）增长都是硬件需求增长，它通缩的方面只有每年每一代跑分提高的10%到15%。如果说另外通缩因素，比如云的五倍六倍的超卖会不会影响？不会，因为它一直是超卖的，所以说超卖/利用率低这个CPU技术通缩的因素不会继续扩大了，每个增长的CPU seconds都是不怎么带打折的硬件线性增长 ARM的指引是CPU的供需缺口可能会到30%以上，这几个原因的叠加，加上AI服务器对CPU服务器产能和订单的挤压，可能会让缺口更大，各个hyperscaler的反应可能是会滞后的 ------------------ CPU整体需求潜力增长的同时，ARM服务器CPU也赶上了历史上最好的时代： Hyperscaler为了节省成本，接近50%的新增传统server CPU都是ARM，Google的Axion，Amazon的Graviton，Microsoft的Cobolt，Graviton甚至2026年的产能已经全部卖完，瓶颈成了产能 Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU，这部分CPU为什么会集体转向ARM，除了成本因素之外，也因为推理系统为了追求token throughput，batch越来越高越做越复杂，自研ARM CPU以及系统性软件硬件的co-design会更方便，比如Nvidia是Dynamo去控制Vera和Rubin之间的协同 Nuvacore的规划上来看，不仅仅满足于做IP，也要做成品，因为在招聘网站上出现了validation engineer的职位 但是这次Nuvacore面临的挑战也不小：起步太晚了，无论是市场上，还是技术上，竞争都激烈了很多。CPU服务器和七年前比，已经复杂了很多，已经不再是单片CPU的竞争，而是rack系统级别的复杂度 现在开始做2028~2029年上市的CPU，要做到rack级别有竞争力，规模要大很多，基本上要几十个chiplet，500+个core拼起来，还要考虑如何适配AI agentic workload，工作量比以前明显要大的多，对一个startup的挑战比七年前也大得多 ---------------- 上次Nuvia在成立两年之后成功的以14亿美元出售，这次市场热度比五年前高了一个数量级，Nuvacore之后的路会怎么走呢？ 如果是被收购路线，其实买家可能比五年前比并没有更多，这五年里，Google有了Axion，微软有了Cobalt，Amazon有了Graviton，Nvidia自研的Vera CPU已经成型，连ARM也打破了35年来只做IP的常规，开始做自己的AGI CPU芯片 最有可能的是Softbank系，softbank已经在ARM CPU服务器生态上布局深耕了多年，65亿美元收购了Ampere，再收购Nuvacore是很正常的事情，这个市场想象力足够大 其他的选择也可能是Meta，因为几家互联网公司里，只有Meta的silicon house没有稳定可靠的CPU服务器，有限的资源在MTIA都做AI加速器去了 但是Meta的问题在于稳定性极低，决策每个月都在变化，注意力非常短期化，项目随时取消，对Nuvacore来说完全无法兑现潜力，是一个非常糟糕的买家 但总体来说，Nuvacore的选择肯定比五年前宽了太多了，对ARM CPU服务器的潜力大家的共识都很明确，融资的难度要小很多，自己运营扩张起来，阻力比以前小很多，合作伙伴的配合程度上也因为未来预期，会容易很多 完全可以自己做大到比Nuvia当年更大的规模再考虑出路，根本不着急卖

《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：

不到两天Seedance 2.0 就遇到真人授权风险的问题， 让这场爆火显得像一次监管擦边短线套利。 这个时候也正可以聊一些 对视频AIGC和流媒体之间关系的非主流看法。 首先AI的圣杯一定是视频。 AI现在的军备竞赛， 都还在“模型算力”“生产力场景”。 但生产并不是人们真正最终的心之所向， 所有的生产活动，最终都是为了更多的奶头乐： 能有更多的时间，来放松舒适躺平、休闲娱乐。 就像互联网到移动互联网，结果是： 视频娱乐流量，占整个互联网流量的60%+ 所以可以预见： 视频AIGC娱乐，迟早也一定会成为 所有AI设施、资源消耗的最大头。 因为如果生产力逐渐相对饱和，下一阶段就是： 从事生产者占少数，躺平放松娱乐者占绝大多数。 这既是Elon Musk预期的未来社会形态， 也是黑客帝国The Matrix里的核心隐喻。 不少人觉得在视频AIGC的“冲击”下， “传统视频流媒体”不行了，要被颠覆代替了。 但我认为这种看法，有可能是类似于当年 “手机游戏代替PC游戏，所以Nvidia不行了” 的阶段性误解： 没有从第一性看到Nvidia通过 “连接过去貌似过时的点”， 积累了什么面向未来社会的护城河， 实现新的“第二曲线”。 下图中两条我之前聊 Netflix 的推文，分别是 2024年11月11日 (nflx 拆股后股价 80.5 usd) 2025年6月6日 (nflx 拆股后股价 126 usd) 一年多后的现在， nflx 股价又回到了当初第一条推文时80的价格。 按目前的斜率，也许跌到50也不会感觉意外， 但半年到一年后，很可能会迎来新趋势。 就如同我在2020年9月表达对Nvidia远期看法后， 它涨到32后，也还得再经历跌到12的主升前下蹲。 那么是时候再聊下，Netflix 在 AIGC 时代， 凭什么能有新的“第二曲线”机会。 1. “审美品味” 就是大家说的： 人在后 AI 时代下，最后的堡垒。 也就是“懂人们想看什么”。 Netflix是最早利用数据+工程驱动， 把审美品味变成“可计算系统”的公司。 以此获得全球超3亿订阅会员数， 就是审美品味+分发能力 同时国际化领先的结果证明， 和正反馈循环来源。 算力模型即产品， 转向品味即产品。 大模型是冰箱， 食材保鲜的基础需求满足了， 但可口可乐还没出现。 做冰箱的越早期越稀缺， 但靠冰箱更加发家致富的， 是卖神秘配方的可口可乐。 所以，最终算力市场，会从卖方市场， 逐步转向“谁有配方品味”的买方市场。 2. “可合法使用的IP授权AIGC衍生品” 就是大家现在看到的： 为什么Netflix要收购华纳。 个人认为，Netflix 花这么大代价收购华纳+IP， 很可能部分因为看到了未来AIGC内容环境下， 技术大家最终都会有，技术差异化会越来越小， IP才是“卡脖子”的，授权的IP衍生品才更赚钱。 有没有发现， 前两天X上流传的Seedance2.0的热门视频， 大多数都是借助了“未被授权”的IP加持？ 李小龙、各种名人、七龙珠、奥特曼、蜜雪冰城， 连最先引起共鸣的广告片，也是老干妈的。 （可惜了当时老老实实守规矩的Sora2， 只能用Sam Altman本人作为最大IP来出镜） 在喜欢的IP宇宙里享受技术带来的奶头乐， 是全球最多人口+最大公约数的最终幻想。 对“技术奇观”的新鲜感逐渐褪去、习以为常后， 引起最多人共鸣的IP才能长期留住观众。 内容越无限、无界增发， IP和被授权的规模化分发平台， 作为被信任的节点，稀缺价值就越高。 未来“谁都能生成”， 但不是“谁都能合法生成”IP衍生品并分发。 如果说未来可以为每个观众喜欢的IP， 来一键生成续集、“个性化定制”分支版， 下一部《哈利波特》，可不可以是你自己参演？ 那么原本收你10美金/月的订阅费， 是不是可以收你30/50美金甚至更高价了。 大多数人并不会为4K高清付几倍价格， 但是为喜欢的IP生成续集、个性化版本， 毋庸置疑的可以。 本来一个IP同段内容，千人一面， 只能卖给一个会员一次， AIGC可以把这个一次变成多次， 甚至是24H陪伴式的生成式流媒体。 想象3亿全球订阅会员基数上， 去增加这样的AIGC高级套餐， 收入能有怎样的质变。 所以，视频模型军备竞赛， 不仅不是对Netflix的威胁， 反而是在为其未来超预期收入做嫁衣。 如果没有AIGC，反而缺少加价的新理由。 所以，从拉低预期到超预期， 从反共识到正共识， 才是超额赔率来源。 最后分享一条冷知识： 如果有兴趣了解 Netflix 对AIGC视频的理解， 领先市场多少个版本，强烈推荐看： 黑镜 第6季第1集 《Joan is awful》 影视飓风TIM所担心的问题在这集中完全复现， 要知道这集是在2022年拍摄的， 也就是ChatGPT发布之前。