【開放權重】黃仁勳為開放權重AI模型辯護 稱對AI產業至關重要 輝達行政總裁黃仁勳為開放權重AI系統辯護，稱對新興的AI產業至關重要，此舉向應對月之暗面意外技術突破的華盛頓官員發出警示。「對美國產業而言，我們需要開放權重來保障安全，這對整個行業的活力至關重要。」

【謝田時間】1.還不起債務的中國人越來越多、去年不良家庭債務飆升21％！ 投資出口內需三線告急、近一半年輕人沒有工作！ 2.民眾因私護照上繳、成中共國產！ 3.中共國AI追趕美國有望嗎？

【謝田時間】1. 美評估中國產人電力逆變器佔領全球安全性？ 2.美中AI 競爭差距多大？ 3.美巨資更新加勒比海中美洲海底電纜、劍鋒直指中共！

川普访华，英伟达总裁黄仁勋半路上飞机陪同，AI半导体小跌之后继续上涨。 AI概念继续，底层光模块成为下一个百倍机会。 AI算力的「新天花板」已現－GPU再猛，也被資料傳輸徹底卡住！ 從機架到資料中心，銅纜已到極限，光子學正式接管AI互聯命脈！ 雷射、光收發器、DSP、矽光子、光開關、光纖…這些曾經的「冷門技術」，正在成為決定萬億AI集群性能的核心基礎設施！ 📈2025光子學頂級玩家速覽（今年真實漲幅，乾貨拉滿）： $AAOI +430% 超大規模AI光收發器，月產能10萬台，直連Houston&台灣供應鏈 $AEHR +418% 矽光IC燒錄驗證系統，全球大廠排隊，訂單積壓5090萬美元 $LITE +186% InP雷射全球50-60%份額，400G差分EML已量產，訂單超4億美元 $CIEN +149% AI長短距網路核心，1600ZR/ZR+光模組+6.4T光引擎震撼亮相 $GLW +137% 光纖光纜基礎設施王者，Meta簽60億大單，多芯光纖容量暴增4倍 $MTSI +114% 光模組類比晶片龍頭，800G/1.6T全面升級 $COHR +106% InP+矽光+1.6T全覆蓋，400Gbps矽光已實測 $MRVL +101% 光DSP訊號處理大腦，1.6T/6.4T矽光引擎全面鋪開 $CRDO +46% 活躍電纜+光DSP+矽光一體化，7.5億收購DustPhotonics $FN +43% 精密製造底層，泰國+美國產能支撐光模組爆發量產 $ALAB +25% Chip-to-chip光學引擎IP，直接嵌入AI互連平台 $AVGO +24% 光DSP+EML+VCSEL+400G DSP，3.2T→204.8T切換已就位 ⚡光子學不是概念，是AI算力突破的唯一答案！ 錯過GPU紅利的人，這次真的要再錯過光子學萬億賽道嗎？ 把這條乾貨收藏、轉發、拉進你的AI知識庫—— 真正的財富密碼，往往藏在「看不見」的底層基礎建設裡！ #AI# #Photonics# #光子學# #矽光子# #AI基礎設施# #資料中心# #高效能運算# #半導體# #光模組# #AI算力#

4800億市值碾壓工行背後的一地雞毛！偷買算力、高管被抓，脫離普世價值的科技幻夢還能撐幾天？ 一家上市首日暴漲470%、市值瞬間碾壓「宇宙第一大行」的晶片巨頭，究竟是科技崛起的曙光，還是12萬億「造芯大躍進」催生出的超級泡沫？當明星AI企業內部的「絕望錄音」意外泄露，中國引以為傲的「國產算力」遮羞布被無情扯下。

🚨 什麼是 #HALO# 生意？ 2026 年最火的投資新框架！ HALO = Heavy Assets, Low Obsolescence 「重資產、低過時風險」 意思就是： 擁有大量實體工廠、能源網路、門市、油田、基礎建設等「重資產」，而且這些資產幾乎不可能被 AI 一鍵取代！ AI 再強，也打不倒 Exxon 的油田、Walmart 的物流網、Bugatti 的超跑工廠。 這就是為什麼 HOF一邊重押 Anthropic（AI），一邊買下 Bugatti 的原因——經典的 AI + HALO 雙槓桿策略！ AI 時代，別只追輕資產科技股，HALO 才是真正抗跌的「不敗壁壘」。 你看好哪種 HALO 資產？👇 這些例子來自 2026 年華爾街討論（包括 Josh Brown 和 Goldman Sachs 的分析）👉🏻 1. 能源與資源類（Energy & Resources） • ExxonMobil、Valero、Phillips 66、Diamondback Energy：擁有龐大油田、煉油廠、輸油管線和全球供應鏈。AI 再厲害，也挖不出石油或建好一座新煉油廠（需要數十年許可和資本）。這些是典型「AI 打不倒」的重資產。 • Newmont（礦業）：金礦、銅礦等實體礦場，開採權和地質資產是長期護城河。 2. 工業與重機具類（Industrials & Machinery） • Caterpillar（怪手/重機）：生產挖土機、 bulldozer 等重型設備，工廠、供應鏈和全球經銷網是巨大物理資產。Josh Brown 稱它是「 quintessential HALO 公司」。 • John Deere（約翰迪爾，農機）：拖拉機和農業設備製造，擁有實體生產線和長週期技術，AI 無法取代農田裡的真實機器。 • Baker Hughes：油田服務設備，實體鑽探工具和基礎設施。 3. 物流與運輸類（Logistics & Transportation） • FedEx、CSX、Union Pacific（鐵路）：龐大物流網路、卡車車隊、鐵路軌道和倉庫系統。這些「你星期一早上還需要」的實體運輸資產，AI 只能優化路線，無法取代鐵軌或飛機。 • Delta Airlines：飛機艦隊、機場基礎設施和航線權利。 4. 消費與實體零售類（Consumer & Brick-and-Mortar） • Walmart、McDonald’s、Starbucks、Hershey：除了品牌，還有遍布全球的門市、供應鏈、房地產和冷鏈物流。AI 點外賣容易，但蓋不出上萬家實體店。 5. 基礎設施與公用事業類（Infrastructure & Utilities） • 電網、輸油管線、電信基礎設施（如 Verizon）：這些是國家級重資產，許可難、建置貴，AI 無法「虛擬化」一座電廠或光纖網路。Goldman Sachs 特別強調這類是 HALO 核心。 • Prologis（倉儲 REITs）：大型物流倉庫和工業地產，物理空間永遠需要。

矽電容（Silicon Capacitor） 1. 誕生背景與核心優勢 傳統鋁質電容與常規MLCC在HPC、AI伺服器、1.6T及以上高端光模組等高速、高發熱場景下，已無法滿足低熱敏、高穩定性、高頻濾波的需求。矽電容正是為此應運而生。核心優勢： - 透過閾值優化大幅提升性能，能有效過濾高速電流雜波、降低發熱干擾、保護主晶片。 - 大幅提升高端模組整體運行穩定性。 - 非MLCC：無需陶瓷封裝，以裸晶形態存在，直接替代主晶片周邊的高頻MLCC及傳統鋁質電容，是高端算力與光通訊專用的無源器件。 2. 技術與工藝特點 - 製程要求：僅需8吋、12吋成熟晶圓製程，無需5nm/7nm等先進製程。 - 核心技術壁壘：不在晶圓工藝複雜度，而在於電容/電感設計能力以及電力基礎技術累積。 - 最大工藝難點：切割環節（需精準避免損壞晶片）。國內掌握成熟切割工藝的廠商極少，這是當前產業核心壁壘。 - MLCC廠商轉產難度：極高。缺乏專項設計經驗與電力技術累積，跨界嘗試進展緩慢。 3. 完整產業鏈分工 - 晶圓製造：目前主要依賴國外晶圓廠。 - 封測環節： ‧ CP測試 ‧ 晶圓減薄 ‧ 磨平 ‧ 雷射切割（核心設備來自日本） - 出貨形式：以裸晶晶圓形式交付下游。 - 成本結構：封裝成本約占單顆整體成本的30%。 4. 產能、良率與擴產 - 晶圓尺寸：8吋與12吋均已量產。 - 單片晶圓產量：少則數萬顆，多則二十多萬顆（高端模組單片可達20-30萬顆）。 - 產能壁壘：量產階段壁壘不高，可透過新增設備快速擴產。 - 擴產規劃：多家企業三期工廠建設中，同時規劃先進封裝產能擴建。 5. 下游應用場景與用量（核心驅動力） 主要應用領域：高速光模組與HPC/AI伺服器。高速光模組： 800G光模組已部分搭載矽電容商用；1.6T光模組已正式商用出貨，單顆1.6T光模組需用到近20顆矽電容；後續3.2T光模組的矽電容用量將大幅提升。 AI伺服器： 算力模組整體用量龐大，例如英偉達相關AI伺服器單顆可使用4-6萬顆矽電容。 貼裝方式：由下游光模組廠商自行負責MSAP貼裝。 使用邏輯：並非絕對必須，但隨著1.6T+國產化推進，傳統電容無法滿足高傳輸速率與穩定性需求，矽電容成為優先替代方案。 6. 市場空間 對標MLCC成熟市場，矽電容整體市場空間可達數十億美元級別。目前MLCC尚未被完全替代，成長空間充足。 7. 競爭格局 海外：Murata、ROHM等成熟龍頭，技術領先。 中國國內：優質設計廠商各具特色，其中蘇納光電進展最快，已實現小批量量產（月產數百萬顆），深度綁定國內頭部光模組廠商。 傳統封測大廠（如日月光、矽品）：短期內不會重點布局。原因在於矽電容屬於細分利基賽道，毛利低於HBM、CoWoS、2.5D/3D等主晶片高端封裝，非其策略重點。 8. 獲利水平 矽電容封測毛利率低於HBM、CoWoS等高端封裝，但因雷射切割等環節在中國國內稀缺性高，目前整體利潤水平較好。

【中國AI靠蒸餾“竊取美國知識產權”？】“屬於典型的人工智能霸權主義行徑。”7月27日，中國商務部新聞發言人直指美國部分政客炒作AI安全議題的本質。近日，美國一些高級官員公開表示將針對中國人工智能企業所謂“蒸餾”美前沿模型開展調查，並可能以“竊取美國知識產權”等為由制裁中國企業。不少人可能會問，到底什麼是蒸餾？ 美國喬治城大學安全與新興技術中心臨時執行主任海倫·托納有個形象的比喻，蒸餾就是用一個能力更強的“教師”模型，去訓練或改進一個能力較弱的“學生”模型。#真相#