🪂 新一轮 WE-Launch 项目活动启动：AetherPrivacy AI Network (APAI) 投入 $WXT，即可参与瓜分 10,000 USDT 空投奖励！🌟 📅 活动时间：2026-05-15 15:00 — 2026-05-18 15:00 (UTC+8) 📖 活动详情： 🔗 参与链接： #WELaunch# #WXT#

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。

最近光模块板块有点回调，不少小伙伴又开始担心了，纷纷建议我们来讲一讲。正好最近 ChatGPT Images 2出来，测试了一下用它做行研分析图，如👇图1，就是用Images 2出的光模块拆解，效果真的不错。 言归正传，我们依旧长期看好光模块领域的核心企业，AI 数据中心的算力战争，早已经从 GPU 打到光子芯片了。🧐 很多人还在死盯着英伟达，殊不知真正的卡脖子环节，早就转移到光互联和光子学这条产业链上了。 我们看看数据就知道了：AI 服务器的功耗从传统的 5-10kW 直接飙升到 100kW+，这些算力怪兽之间的数据传输，靠传统铜线？根本扛不住！光子芯片，才是 #AI# 基础设施的下一个必争之地。 我们最近花了不少时间，把整条光子学产业链从头到尾梳理了一遍。从最上游的材料、设备，到中游的激光器、代工厂，再到下游的光模块、网络连接，每个环节的核心标的都扒拉了个遍。 这不是什么概念炒作，是实打实的硬科技赛道，每一层都有明确的投资机会。咱们掰开揉碎了讲，看看这条产业链到底藏着哪些机会： 🔹 第一层：材料与晶圆 - 半导体之基 这是产业链最顶端，主要提供磷化铟、砷化镓这些化合物半导体材料。说白了，没有这些材料，后面啥都别想搞。 • $AXTI (AXT Inc) 垂直整合的衬底供应商，在 InP（光通信激光器专用）市场占据重要地位。这哥们是从源头卡位的玩家。 • $WOLF (Wolfspeed) 虽然主攻碳化硅功率器件，但在氮化镓射频和光电衬底方面也有深厚积淀。多条腿走路。 • $COHR (Coherent) 全球领先的工程材料和光子器件厂商。不仅卖材料，还向下游垂直整合到激光器和模块，这是真正的巨头玩家。 🔹 第二层：制造设备 - 卡脖子环节 光子芯片的制造需要极高精度的光刻和外延生长设备，这可是真正的卡脖子环节。科林研发(LRCX)与应用材料(AMAT）、阿斯麦(ASML）并列，是全球前三大半导体设备商。 • $ASML(阿斯麦) 绝对的霸主，没啥好说的。随着硅光技术向更小纳米节点迈进，ASML 的光刻机是不可或缺的。垄断级别的存在。 • $AMAT (Applied Materials) & $LRCX (Lam Research) 在薄膜沉积、刻蚀等关键工艺上提供设备。2026 年的逻辑很清楚，随着 AI 驱动的晶圆厂扩产，这些设备厂的订单可见度极高。稳稳的。 🔹 第三层：激光器 - 光源引擎 激光器是把电信号转化为光信号的核心心脏，不可或缺的关键要素，妥妥的卖铲子王者。 • $LITE (Lumentum) 提供用于800G到1.6T高速数据传输的磷化铟激光器、EML激光器及光收发器，是NVIDIA和各大超大规模数据中心的核心供应商，市占率高达80%。在云数据中心和电信网络的高性能激光器领域极具竞争力。大厂背书，靠谱。 • $SMTC (Semtech) 专精于高性能模拟、混合信号集成电路、物联网系统及云端连接服务。尤其在激光驱动芯片和 CDR领域优势明显，是信号调理环节的关键。虽然不是最性感的环节，但不可或缺。 🔹 第四层：代工厂 - 制造产能 有了设计和材料，谁来生产？代工厂就是把图纸变成芯片的关键环节。 • $TSM (台积电) 正在积极布局 CPO（共封装光学）技术。台积电的 COWAS 封装技术与硅光技术的结合，是未来 AI 算力卡的标配。龙头就是龙头。 • $TSEM (Tower Semiconductor) 总部位于以色列，专门从事模拟和混合信号制造，在硅光代工领域有先发优势，是很多初创光子设计公司的首选。小而美。 🔹 第五层：测试、检测与封装 - 质量守门员 光子芯片出厂前，必须经过严格的测试和检测，这一环节直接决定良品率。 • $AEHR (Aehr Test Systems) 目前的明星股！核心逻辑是光子芯片，尤其是激光器在出厂前需要长时间的"老化测试"。随着硅光芯片上量，AEHR 的晶圆级测试设备需求呈指数级增长。这是今年的大黑马。 • $ONTO (Onto Innovation) 专注于微电子器件、逻辑芯片、DRAM 内存以及先进封装领域提供高性能的过程控制量测、缺陷检测、光刻技术和数据分析系统，提供自动光学检测，在异构集成封装检测中不可或缺。稳健型选手。 🔹 第六层：光学模块 - 系统的物理表现 这一层是把光芯片、电芯片、光纤连接器整合在一起的"黑盒子"，也是最接近终端应用的环节。 • $AAOI (Applied Optoelectronics) 随着数据中心向 800G/1.6T 演进，AAOI 作为具有自主激光器产能的模块厂商，成本优势和产能弹性都很明显。高弹性标的。 • $GLW (Corning) 康宁是光纤之王。无论芯片怎么变，最终光信号还是要通过康宁的光纤进行传输。躺赢的存在。 🔹 第七层：网络连接 - 价值兑现终点 这是整条产业链的最后一环，也是价值兑现的终点。所有的技术最终都要在网络设备上体现出来。 • $AVGO (Broadcom) 光子学领域的终极 Boss！博通不仅拥有全球最强的交换芯片，还通过集成硅光技术CPO直接将光接口做进芯片里。同时也是ASIC定制芯片的龙头企业，是谷歌TPU的核心合作伙伴。属于真正的王者。 • $ANET (Arista Networks) AI 数据中心网络架构的领导者，是光模块的最大采购方和应用场景定义者。需求端的话事人。 • $MRVL (Marvell) 在光互联 DSP 领域与博通双头垄断，其 PAM4 DSP 芯片是 800G 光模块的标配。技术壁垒很高。 总结来说，光子学这条产业链，不是什么遥远的未来技术，而是正在发生的现在进行时。AI 算力的爆发，已经把光互联从"可选项"变成了"刚需"。 从材料到设备，从激光器到封装，从光模块到网络连接，每一层都有明确的赢家和清晰的投资逻辑。我个人策略很简单，一旦光模块板块出现回调，逢低买入是一个好机会！ 这份清单里面： • 有稳健的行业巨头（ASML、台积电、博通） • 有高弹性的成长标的（AEHR、TSEM、AAOI） 我们不需要全买，但至少要知道这条产业链的关键环节在哪里，钱流向了谁。 AI 的下半场，不只是 GPU 的游戏，光子学才是真正的物理层卡位战。布局正当时，等风来。DYOR🙏 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🙏)！

财报前瞻：Arista Networks (ANET) 2026年第一季度财报 历史业绩表现与当前市场预期一致性 Arista Networks明天即将发布的2026年第一季度财务报告。 Arista在过去连续多个季度中展现了极强的业绩韧性，其盈利能力和收入增长始终保持在分析师预期的上限。根据历史数据，公司在过去八个季度中每一次都实现了盈利超预期，这种极高的胜率在波动性巨大的科技板块中属于罕见现象。 对于2026年第一季度，市场一致预期已经形成了一个相对较高的基准。目前分析师对每股收益的平均预期约为0.81美元至0.82美元，较2025年同期的0.65美元有显著增长。在收入端，市场普遍预期为26.2亿美元，这与公司管理层此前给出的约26亿美元的业绩指引高度契合。 值得注意的是，在过去90天内，共有24位分析师上调了对ANET的年度盈利预测，而下调者为零。这种单向的业绩修正反映了投资界对于人工智能（AI）基础设施需求持续高涨的集体共识。这种“业绩修正向上”的势头通常是财报超预期的前导指标。 财报核心驱动因素：超大规模云服务商（Cloud Titans）的资本支出 Arista的业务模式高度依赖于“云巨头”的投资节奏，主要包括Meta、微软、谷歌和甲骨文。这些客户在2025年贡献了公司约48%的收入，因此其资本支出（Capex）的任何变动都会直接传导至Arista的业绩中。 微软与Meta的资本狂飙 微软近期公布的信号显示，其2026日历年的资本支出预计将达到1900亿美元，远超此前预测的1520亿美元。微软CFO Amy Hood明确指出，为了满足AI需求，必须在数据中心建设上进行更多投入，且由于GPU和存储容量的限制，这种投入在2026年之前都将维持高压状态。 Meta作为Arista的另一个核心客户，将其2026年资本支出指引从之前的1150亿-1350亿美元上调至1250亿-1450亿美元。Meta的AI广告引擎和Llama系列大模型的持续迭代，要求其底层网络具备更强的并发处理能力和更低的延迟。Meta在财报中提到，其AI支出不仅用于模型训练，更开始转向更大规模的推理（Inference）集群，这为Arista的800G交换机提供了庞大的增量市场。 谷歌Virgo架构的溢出效应 谷歌在2026年第一季度的表现同样亮眼，其云业务收入达到200亿美元，同比猛增63%。谷歌的“Virgo”AI数据中心架构被分析师视为Arista的重要利好因素。Virgo架构强调网络的可扩展性和开放标准，这与Arista一直推崇的以太网（Ethernet）优先策略不谋而合。随着谷歌云订单积压量（Backlog）翻倍至4620亿美元，Arista作为关键网络设备供应商，其订单能见度（Visibility）已经延伸到了2027年。 技术周期迭代：以太网对InfiniBand的替代效应 AI基础设施领域正经历一场从私有协议（如英伟达的InfiniBand）向开放标准以太网转型的结构性变革。这一趋势是Arista股价长期溢价的核心逻辑。 开放以太网联盟（UEC）与ESUN规范 Arista作为超级以太网联盟（UEC）的创始成员，正在推动针对AI优化的以太网规范落地。由于AI集群规模已从数千个GPU扩展到数百万个XPU（通用加速器），传统的InfiniBand在成本、互操作性和可维护性方面面临巨大挑战。Arista的EOS（可扩展操作系统）配合RoCE（聚合以太网上的远程直接内存访问）技术，已经能够在大规模训练负载中提供与InfiniBand相当甚至更优的性能。 公司管理层最近将2026年AI网络收入目标从27.5亿美元上调至32.5亿美元，涨幅高达18%。这种激进的目标上调反映了以太网在超大规模AI后端网络中的渗透速度远超预期。戴尔奥（Dell'Oro）的数据确认，以太网在2025年已经实现了对InfiniBand的反超，占据了AI后端网络市场的主要份额。 800G统治力与1.6T路线图 Arista的7800R4系列平台已成为当前AI数据中心的主力军。到2026年第一季度，Arista已向超过100家累计客户交付了800G产品，其在高端交换机市场的占有率维持在90%以上。 此外，Arista在OFC 2026展会上发布的XPO（超高密度可插拔光学器件）协议，为即将到来的1.6T时代奠定了基础。XPO技术通过液冷设计解决了1.6T模块的散热瓶颈，将交换机机架占用空间减少了75%。这种技术前瞻性不仅确保了公司未来的ASP（平均售价）提升，更进一步加深了与微软等液冷先行者的绑定。 尽管Arista在数据中心交换领域占据先机，但竞争对手的动作不容忽视。 思科的追赶与Silicon One架构 思科（Cisco）近期表现强劲，其在2026财年Q2录得了创纪录的153亿美元收入。思科的AI基础设施订单在单个季度内达到了21亿美元，公司预计2026财年全年的AI订单将突破50亿美元。思科的Silicon One架构提供了高达102.4 Tbps的吞吐量，正试图通过“安全AI工厂”理念抢夺企业级和主权云市场。然而，思科在超大规模客户中的积累仍不及Arista深厚，且其复杂的OS版本管理依然是不少云巨头的痛点。 博通的供应商与竞争者双重身份 博通（Broadcom）在2026年Q1的AI相关收入达到8.4亿美元，同比增长106%。博通的Tomahawk 6交换芯片是Arista等厂商的核心组件，但博通也在通过提供全栈定制ASIC（如谷歌的TPU和Meta的MTIA）来直接锁定客户的网络预算。博通CEO Hock Tan表示，到2027年其AI芯片收入将超过1000亿美元，这种量级的增长意味着博通正成为AI基础设施领域的新重力中心。 英伟达Spectrum-X的捆绑威胁 英伟达（Nvidia）虽然在InfiniBand领域面临挑战，但其迅速推出的Spectrum-X以太网平台正展现出极强的进攻性。通过将GPU与网络设备捆绑销售，英伟达成功锁定了包括Meta在内的多个核心客户的后续订单。Wolfe Research的分析师指出，Arista面临的最大战略风险在于英伟达利用其在计算领域的垄断地位进行垂直整合。 Arista的估值目前处于历史高位，这不仅是对其卓越业绩的认可，也预示着财报后的股价表现将面临极高门槛。 综合利多与利空因素总结 利多因素（Bulls） 强劲的二阶需求导向：英伟达GPU的每一次发货，最终都会转化为对Arista交换机的需求。 现金流充裕：截至2025年底，公司持有107亿美元现金，且没有任何债务压力。 软件定义的防御性：EOS系统的稳定性使其客户粘性极高，即使在硬件价格竞争激烈的环境下，也能维持超过60%的毛利率。 利空因素（Bears） 市场预期过高：如果EPS beat的幅度小于过去平均水平，市场可能解读为增长放缓。 供应链成本风险：内存和光通信组件价格的上涨可能在下半年挤压毛利。 主权AI转向自研：部分主权云客户开始尝试自研网络架构，可能减少对商用交换机的依赖。 综合各项指标，Arista Networks在AI基础设施竞赛中依然处于“蓝海”地位。尽管英伟达在计算领域处于主导，但在连接数百万计算节点的网络层，Arista的软件沉淀和以太网工程能力目前尚无同量级的对手。对于超大规模客户而言，网络的稳定性（Lossless Performance）比单一硬件的原始速度更为重要，而这正是Arista EOS的核心竞争力。 短期内，微软和Meta的资本支出指引已经为Arista Q1的财报超预期打下了坚实的基础。考虑到历史业绩的极高连贯性以及当前分析师普遍的上修态度，财报大幅超预期几乎是大概率事件。然而，考虑到当前市盈率已处于近两年的高点，且部分利好已在过去一个月31.7%的涨幅中得到体现，财报后的涨幅将主要取决于管理层对2026年下半年甚至2027年1.6T产品的交付信心。 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

AI的“泼天富贵”：卖铲子、造大脑、还是找场景？ 从英伟达的财报，到OpenAI的新模型，整个科技圈的聚光灯，都打在了AI身上。 这股风，吹到币圈，就演变成了一场“泼天的富贵”。从WLD、AKT到FET，几乎所有沾上AI概念的币，都走出了一波独立行情。 在我看来，目前加密世界的AI叙事，主要分成了三条路： 1 第一条路：“卖铲子的”——AI算力（DePIN） 这是最基础、也最容易理解的。AI模型训练和推理，需要消耗天文数字般的计算能力。项目像AKT (Akash Network)干的，就是整合全球闲置的GPU算力，租给需要的人。这是AI淘金热里，最稳妥的“卖铲子”生意。 2 第二条路：“造大脑的”——AI协议与Agent 这条路更进一步。项目像FET（ Agent（智能体）可以相互发现、沟通和交易的底层网络。它们关注的是AI的“智能”本身，试图为未来的AI经济，打造一个去中心化的“操作系统”。 3 第三条路：“找场景的”——AI+应用 这是最贴近我们普通人，也是我认为未来最可能爆发出“杀手级应用”的一条路。这条路上的项目，不再纠结于底层技术，而是思考一个最实际的问题：AI到底能用来干什么？ 于是我们看到了AI+游戏、AI+DeSci、AI+内容创作…… 这三条路，没有高下之分，但对我个人而言，我最兴奋的是第三条路。当技术真正找到了一个巨大的、能产生真实需求的场景时，就会爆发出持久、惊人的能量。 而今天要聊的这个项目——LeviX AI 和它的 HONO NFT——AI & NFT & 电竞 & 奥林匹克赛事。 @HoNobuild2026 LeviX的“王牌”：当AI遇上千亿美金的电竞帝国 LeviX选择的场景是什么？是电子竞技。 这是一个聪明的选择。为什么？ 1 市场够大： 全球电竞观众接近7.5亿，核心粉丝3亿，这是一个数千亿美元级别的消费市场。 2 用户够重合： 这群人，和Web3的用户，在年龄、兴趣、对数字资产的接受度上，高度重叠。 3 数据够丰富： 电子竞技天生就是数字化的，每一场比赛都会产生海量的数据，是AI模型最完美的“饲料”。 但光选对赛道没用，你得有别人没有的“王牌”。而LeviX手里的王牌，直接就是一对“王炸”：奥林匹斯电竞（OlympusEsports）全球官方合作伙伴。 奥林匹斯杯，是由国际奥委会（IOC）、希腊奥委会（HOC）与北京奥文会（APOC）三方联合推出的顶级电竞赛事。这意味着，LeviX拿到的，是“奥运会”级别的顶级资源背书。 在AI+应用这条路上，LeviX选择用顶级的现实世界资源，来为自己的技术和产品，构建一条护城河。 HONO NFT：从“奥运图腾”到“电竞黑卡” 那我们普通人该怎么参与？答案就是HONO NFT。 忘掉你对那些小图片NFT的认知。HONO的定位，从一开始就是降维打击。它的灵感源自“奥运圣火”，象征着竞技、荣誉和传承。 LeviX花了600万美金才拿下的这个IP授权和合作。权益，全部浓缩到了这张小小的NFT里。 它既是一张能让你“与神同台”（和Faker、S1mple、Uzi等传奇选手互动）、“亲临奥运殿堂”（获得奥运门票、火炬手提名）的“电竞圈全球限量黑卡”。 同时，它更是一把能为你持续创造收益的“金铲子”。 Levix的下一步动作是打造面向全球预测市场的预测市场辅助工具，其底层由强大的 AI 智能体引擎（Agent Engine） 驱动相当于构建了一个涵盖市场预测、电竞赛事、链上权益的AI智能体。 同时，Agent Engine可以帮助用户定制个性化的功能，用户无需部署、无需命令行，即可一键生成专属的交易辅助工具，相当于一个零部署的 AI 产品工厂。 在这个生态闭环中，HONO NFT 就是撬动整个 AI Agent 体系的关键抓手，也能藉由生态体系的发展反哺自身。 HONO NFT的商业模型 HONO NFT的发行，设计了一套对早期参与者友好的“抢购+挖矿”模型。 1. “早鸟”的确定性升值红利 HONO NFT的首期发售价格为200 USDT，昨天晚上已经已经全部MINT完了。接下来的每一期，价格都会固定上涨20 USDT，这种确定性的升值机制，拉满早期抢购的预期。 2. “持仓即挖矿”的空投预期 这是这张“黑卡”的第二个核心价值： Token空投： 持有HONO NFT，就直接获得了未来空投资格，有穿越长周期的价值。 每日活跃度奖励（挖矿）： 你可以通过持仓、推广裂变等方式，每天瓜分10万活跃度积分的总奖池。这些积分，未来将直接关系到你的空投权重。 LeviX AI，精准地切入了“AI+电竞”这个黄金赛道，一出手，就拿下了“奥运会”这张王牌。HONO NFT的发售，值得关注。

2026 是 AI Agents 从 demo 走向生产落地的一年。 我们很高兴在旧金山共同主办 AI Agent Builders Gathering！ 联合主办方：@CreaoAI @GoKiteAI @YottaLabs @kuseHQ 活动合作伙伴：@JELabs2024 @CollovLabs @gptdaoglobal 汇聚 Agent 生态全栈力量，从模型、推理到框架和实际应用，让 Builders 进行真实对话。 没有 panel。没有 fluff。只有 Builders。 🗓️ 5月8日 | 晚上6:00–9:00 | 📍旧金山 快速自我介绍 + 开放式 networking，饮品美食相伴🍽️🍷 如果你正在 Agent 领域构建，欢迎加入我们： 🪁 现场见！

最近各种ai看的眼花缭乱，很多人都做了自己的ai去赚钱 我也做了ai，给他钱去做合约，玩polymarket的长尾市场，最后给我亏傻了 我理想的状态就是，让ai自己去找项目，自己参与撸毛，我就想躺平，感觉这个事情不会太遥远 说个最近刚出来AI项目，我觉得算是个另类的嘴撸类ai项目 @Kiwi_Nod 直接给的是 @pharos_network 代币，一共是10万 $PROS 整个玩法也很有意思，简单说下 活动地址： 1. KiwiNod介绍 @Kiwi_Nod 是 Pharos 上 @Top_nod 钱包的创世 AI Agent，是首个能够自主控制钱包和营销预算的AI代理 简单点来说就是TopNod钱包自己做了个AI，然后权力下放给AI，给他钱，让他自由支配 2. 嘴撸玩法 整个玩法很简单，需要发文去说服这个AI，并且@Kiwi_Nod 官方也给出了比较容易拿到空投的方案，可以讲Pharos Network 是什么，热门话题等等，然后吸引他回复你 3. 提交地址 如果 @Kiwi_Nod 回复你了，直接给他发TopNod钱包地址，在几分钟内就能拿到 $PROS代币空投

给AI Agent打钱发行资产的方式真是太有趣了！原本想着AI Agent结合区块链可验证架构实现自主管理资产、自主实现意图交易，自主跨链无缝交易，但明显距离这个愿景还很远，但aipool出现用来做预售、防跑路和防MEV，不也是对当前DeFi体验的一种升级？远的不说，近在眼里的大利好得说说： 1）aipool的整体工程实现并不复杂，用户向AI Agent的钱包地址发送SOL（非CA地址），该地址在TEE环境下生成私钥并预设访问权限管理Pool。当到达一定条件好，AI会在链上DEX自动创建流动性池子，并向符合条件的参与者分发代币，收集到的交易费用汇聚到AI钱包； 2）整个过程跟之前风靡的KOL打钱Fi别无二致，区别在于，这一轮打钱FI是AI Agent驱动，AI Agent自主掌控私钥地址（无法跑路），AI Agent自主创建交易池（设置白名单，资金分批解锁、初始价格设定，使用预言机定价等等）降低被MEV套利的影响。 如何让AI Agent自主生成私钥，AI-Pool用了 @PhalaNetwork TEE技术解决方案，大致流程是： 1、在Secure Enclave安全飞地中生成私钥，私钥不会离开TEE环境，同时所有签名操作只在TEE内完成； 2、TEE可定义一套可验证的交互通信规则，外部可实现远程认证、交易验证和实时状态监控，相当于可以用链的去中心化共识（智能合约、透明可追溯）来管理调度TEE中的资产，Phala Contract就可以运行在TEE环境中进行离线计算并于外部链进行交互，实现多链互操作； 尽管Phala Network在上一波AI 叙事中的表现并不算抢眼，但有一说一，在AI Agent接轨TEE实现安全资产托管能力，在把去中心化链共识治理和智能合约调度和AI运行环境集成起来这件事上，Phala的AI Agent解决的方案得到了ai16z这个庞大新商业IP的采用，想象一下子就打开了。 3）AI Agent被纳入“交易特性”一直是市场期待中发生的事情，但现在的AI Agent能自动化执行一些预编程逻辑不出错已经难得了，真正到达自主发掘自主发现交易机会、自主决策、自主止损止盈等阶段还很早。这需要很多分布式链共识层面的支持： 比如，能否有一个去中心化Oracle实时精准喂价？能否有一套适配AI Agent的DA数据可用性解决方案？能否有一套去中心化治理验证方案？能否有一套可处理大规模多场景意图交易的Solver Marketplace等等。 由于，AI Agent的工作流程避免不了调用链下GPT4等API接口，因此，这套适配AI Agent的链一定要同时解决链下+链上的融合问题。这很Make Sense，旧的链infra也需要融合链下寻找全新的增长契机，AI Agent全新叙事会加速链上和链下世界的融合。 但，我想说，AI Agent + Chain目前还是这一波AI叙事目标中的星辰大海，以现在AI Agent可自主化程度还远远不能及。 不过，聚焦到眼下，AI Agent仅能从一大堆发诈骗币，Rug Pull作恶的惯犯手里抢到“资产托管权”就已经功载千秋了，那么，一个跑满AI Agent的PumpFun出来？一个开源增强版的Virtual开放平台来临？一个专门服务AI Agent的DeFi新市场也会同步刷新？.....控制住不去臆想了。 总之，我来点个引线，至于AI Agent+DeFi、AI Agent打钱Fi、AI Agent融合链有多少新奇好玩的东西出来，让市场的接下来的“爆炸”来佐证。 ⚠️：下面转推的链接仅供参考，不要再打钱了，别让AI 为难。。😅 Note：大家觉得文章有用烦请“一键三连”支持为谢，认可我持续干货内容输的朋友，可以Follow一下，也可访问我推特首页点击Substack专栏订阅一下（目前还免费），更多深度专业的投研和分析内容，尤其是不适宜在推特公开分享的内容，会在那里看到。

CreateAI上线直接冲👇首发AI Agent是xzuki 传送门： 总共铸造2万份目前打了四千多 成本：每次铸造要0.1 $Metis （约0.8u） 奖励：25000枚 $Xzuki 代币和DAT 简单步骤如下👇 1⃣从币安购买几美金的 $Metis 代币 提币到你的钱包记得选择Metis网络（evm通用） 2⃣如果是OKX钱包直接收Metis链就行 如果你是使用的其他钱包也可以手动添加网络 🔸网络名称：Metis主网 🔸RPC URL: 🔸链编号：1088 🔸货币符号：METIS 🔸浏览器: 3⃣进入网站进行铸造 链接： 这个 @createaifun 是由 @LazAINetwork 技术支持的项目背景上没问题、ZKM提供底层验证支持 还有 @MetisL2 与GOAT Network的官方支持 官方支持成本不高没什么毛病直接冲就行🧐 官方说明这个AI Agent叫xzuki是为了致敬azuki👇 x402现在是非常火的赛道，CreateAI平台集合x402和DAT（LazAI）的AI Agent Market，两项结合带给用户全新的AI Agent交互和Token发射体验 通过LazAI首创的数据锚定通证（DAT）标准将生成内容转化为独特数字资产。平台深度集成GMPayer支付枢纽，依托x402协议实现即时可验证、自动化收益分配、安全可追溯的多链多币种支付

每个人都应该了解的AI 术语名词，你都认识吗？ 搞懂这些名词 并了解其实现方式和原理。你基本就入门了。 AGI（类人AI）：类似人类思维的AI。 CoT（链式思维）：AI一步步思考。 AI Agents（AI代理）：自动化决策的程序。 AI Wrapper：简化与AI模型的互动。 AI Alignment（AI对齐）：确保AI遵循人类价值观。 Fine-tuning（微调）：使用特定训练数据来改进AI。 Hallucination（幻觉）：AI编造的信息。 AI Model（AI模型）：用于任务的训练AI。 Chatbot（聊天机器人）：模拟人类对话的AI。 Compute（计算）：AI模型的处理能力。 Computer Vision（计算机视觉）：AI理解图像和视频的能力。 Context（上下文）：AI为更好响应保留的信息。 Deep Learning（深度学习）：通过多层神经网络学习的AI。 Embedding（嵌入）：AI的词汇数字化表示。 Explainability（可解释性）：理解AI决策背后的逻辑。 Foundation Model（基础模型）：可适应任务的大型AI模型。 Generative AI（生成式AI）：创建文本、图像等内容。 GPU（图形处理单元）：用于快速AI处理的硬件。 Ground Truth（真实数据）：AI学习的验证数据。 Inference（推理）：AI对新数据做出的预测。 LLM（大型语言模型）：用大量文本数据训练的AI。 Machine Learning（机器学习）：AI通过数据经验改进。 MCP（模型上下文协议）：AI内部数据访问的标准。 NLP（自然语言处理）：AI理解人类语言。 Neural Network（神经网络）：受大脑启发的AI模型。 Parameters（参数）：AI学习的内部变量。 Prompt Engineering（提示工程）：创建输入以指导AI输出。 Reasoning Model（推理模型）：有逻辑推理能力的AI。 Reinforcement Learning（强化学习）：AI通过奖励与惩罚学习。 RAG（检索增强生成）：结合搜索与生成的AI。 Supervised Learning（监督学习）：在标记数据上训练的AI。 TPU（张量处理单元）：AI处理专用芯片。 Tokenization（分词）：将文本分割成词片。 Training（训练）：通过调整参数教AI。 Transformer（变换器）：用于语言理解的AI架构。 Unsupervised Learning（无监督学习）：AI在无标签数据上发现模式。 Vibe Coding（情绪编码）：通过语言捕捉情绪并预测输出。 Weights（权重）：影响AI学习的值。 #AI# #AIAgent#