AI 这轮最热闹的地方，是模型越来越聪明。 但真正卡在后面的，可能不是应用数量，而是数据和计算怎么被处理。 训练、模拟、优化、数据清洗，这些东西听起来不性感，但每一个强 AI 系统背后，都离不开更稳定的计算执行和更高效的资源调度。 这也是我最近从 AI data processing 角度看 @quipnetwork 的原因。 很多人只把 Quip 当成 quantum security 叙事，但它的 Proof of Useful Work 其实更值得单独看。 网络不只是消耗算力来维护安全，而是尝试把计算导向真实优化问题。 这点放到 AI 里很关键。 未来 AI 竞争不一定只是谁的模型更聪明，也可能是谁能更好地处理数据、验证结果、协调算力，把 compute 变成可用的基础设施。 所以我现在不只看 AI 应用。 也会看后面这些 compute network。 因为真正的大机会，很多时候不在最吵的前端，而在那些默默处理数据和计算瓶颈的底层。

偶然看到 AI Data Extraction Toolkit 这个开源项目，可以用来一键提取各个 AI 编程助手的完整对话记录。 支持 Claude Code、Cursor、Codex、Windsurf、Gemini CLI 等八款主流工具，自动识别系统和安装路径，直接输出统一的 JSONL 格式。 GitHub： 提取的数据非常完整，不只是对话文本，还包括代码上下文、文件路径、代码差异、工具调用结果这些关键信息，拿来做模型微调刚好够用。 纯 Python 标准库实现，不需要装额外依赖，一个 shell 脚本，就能把所有工具的数据全部导出。 如果想用真实的编程对话数据来微调大模型，这个项目能帮我们省下大量收集数据的时间，值得收藏备用。

Nscale在英国埃塞克斯的20亿英镑AI数据中心项目因电网延迟受阻，原定2027年开业但90兆瓦电力供应无法按时到位。该公司正寻求替代电源方案，目前与Bloom Energy洽谈使用燃气燃料电池进行现场发电。微软是该项目的主要租户，Nvidia为Nscale的支持方。 Nscale’s planned £2B Essex AI data center has reportedly been hit by UK grid delays, per The Telegraph. The Nvidia-backed company was told power will not be available in time for its planned 2027 opening, despite a 90MW supply being in the pipeline. Nscale is now exploring alternative power sources and is reportedly in talks with Bloom Energy $BE, which makes gas fuel cells for on-site electricity generation. Microsoft is the anchor tenant for the site. h/t to @​markflowchatter

机器人行业的“GPT 时刻”，卡住它的可能根本不是 AI。 最近继续研究 @axis_ai，我发现一个很容易被忽略的问题： 过去两年，大家讨论机器人，注意力几乎都集中在模型、芯片和硬件。 谁的机器人走得更稳？ 谁的机械手更灵活？ 谁的模型参数更大？ 但如果把视角往底层再挖一层，你会发现 Physical AI 面临的一个核心问题其实是： 机器人严重缺数据。 ChatGPT 为什么能够出现？ 一个非常重要的前提，是互联网过去几十年积累了海量文字、图片、代码。 模型可以“读完整个互联网”，再从中学习人类知识。 但机器人不一样。 互联网里有几十亿张“杯子”的图片，却没有几十亿条： 机械臂应该用什么角度靠近杯子、施加多大的力、抓住之后如何移动、遇到障碍如何调整。 机器人真正需要学习的是： Action，而不仅仅是 Information。 这也是我最近越来越理解 AXIS Robotics 的地方。 AXIS 做的不是再造一个机器人，而是在尝试解决机器人背后的“数据生产问题”。 它把机器人操作搬进浏览器。 普通用户不需要购买机械臂，也不需要成为机器人专家。 打开浏览器，就可以操控模拟机器人完成抓取、移动、分类、开抽屉等任务。 而你每完成一次操作，背后产生的并不是一局“小游戏记录”。 而是一条完整的 Trajectory（机器人运动轨迹）： 关节状态、物体位置、控制动作、视觉信息、任务结果…… 这些数据经过验证、清洗和处理之后，可以继续用于机器人策略和 Physical AI 模型训练。 这件事情真正有意思的地方在于： AXIS 正在尝试把过去只能发生在机器人实验室里的数据生产，变成互联网规模的数据生产。 传统机器人数据采集有一个非常现实的问题： 想增加数据，就要增加机器人、操作员、实验场地和时间。 本质上是线性扩张。 AXIS 想做的是另一条路线： Simulation First + 全球贡献者。 一个实验室也许只能同时控制几十台机器人。 但如果把模拟环境放进浏览器，理论上可以让成千上万人同时产生不同环境、不同任务、不同操作方式的数据。 这就让我想到一个很有意思的类比： Google 把全世界的信息组织起来。 Wikipedia 把全世界的知识贡献者连接起来。 而 AXIS 想做的事情，有一点像： 把全世界的人类操作经验，转化成机器人可以学习的数据。 更关键的是，这已经不完全停留在 PPT 上。 AXIS 官方披露，2026 年 2 月 Beta 阶段，约 18,000 名参与者在 5 天内完成了接近 100,000 条 trajectories。 此前 Little Prince’s Rose 实验中，社区在 3 天产生了超过 10,000 条有效轨迹。 这些数据随后真的被用于训练策略，并部署到真实机器人，让机器人自主完成浇水任务。 这一步非常重要。 因为它验证的是： Human → Simulation → Data → Model → Real Robot 这条链路到底能不能跑通。 如果答案是 YES，那么 AXIS 的想象空间就不应该只看成“一个让用户做机器人任务的平台”。 它真正想建立的是一个 Physical AI Data Engine。 而且这里还有第二层逻辑。 机器人需要的并不是单纯“越多数据越好”。 真正重要的是： 模型在哪里失败，就继续生产哪里的数据。 比如一个机器人已经可以在桌面上成功抓杯子 95 次。 真正有价值的，可能不是再给它 10 万次完全相同的成功案例。 而是找到剩下那 5 次为什么失败： 光线变了？ 杯子旋转了？ 被其他物体挡住了？ 抓取角度不对？ 然后针对失败场景继续生成新的训练任务。 这也是 AXIS 所强调的 Compounding Data Engine： Task Generation → Data Collection → Model Training → 找到 Failure → 生成针对性数据 → 再训练。 于是数据不再是一次性卖掉的数据集。 而是一个不断反馈、不断迭代的循环。 模型越强，暴露的问题越具体； 问题越具体，下一轮需要的数据越精准。 这才是我认为 AXIS 真正值得观察的地方。 未来机器人竞争，很可能不会只是： Tesla vs Figure vs 1X， 也不会只是： 谁的硬件更便宜、模型参数更多。 在更底层，可能还有一场大家现在关注得并不够多的战争： 谁掌握最大、最多样、可以持续迭代的 Physical AI 数据。 LLM 时代证明了一件事情： 数据规模一旦跨过某个临界点，能力可能出现非线性变化。 如果未来机器人也存在类似的 Scaling Law， 那么今天看起来只是一条条普通的 trajectory， 最终可能会成为 Physical AI 最重要的基础资产之一。 所以我现在看 @axis_ai，关注的已经不是“做任务能拿多少积分”。 我真正想观察的是： 它能不能把全球几十万甚至几百万人，变成 Physical AI 的分布式数据生产网络。 如果这条路线最终成立， 未来训练机器人的方式，也许真的会发生变化： 过去： 造更多机器人 → 雇更多人 → 采更多数据。 未来： 让更多人连接进来 → 产生更多人类操作经验 → 训练更聪明的机器人。 AI 让知识第一次可以被机器大规模学习。 而 Physical AI 下一阶段真正缺少的，也许就是： 一个属于机器人的“互联网级数据层”。 AXIS 正在赌的，就是这个未来。

Riot 昨晚的一笔 91亿美元大单，可能正在改变这个BTC这个估值框架。 Riot Platforms 刚刚宣布，与一家全球领先的 Frontier AI Lab 签下了一份 20年、191MW AI数据中心租赁协议。 基础合同价值约 91亿美元；如果两个5年续约全部执行，潜在合同价值甚至可以达到 161亿美元。 而 Riot 现在的市值只有大约 67亿美元。 注意，我觉得真正值得研究的是这里： 一个原本靠“挖比特币”赚钱的公司，开始把电卖给AI了。 而且不是简单卖电。 Riot提供的是已经并网的电力、土地、机房、冷却、工程建设，以及可以承载高密度GPU集群的数据中心。 以前这些东西是矿场。 现在换个客户，它们就变成了 AI Infrastructure。 这也是为什么我一直觉得： 未来几年最稀缺的AI资产，可能根本不是GPU，而是“能让GPU插上电的地方”。 芯片可以买。 但几百MW电力接入、变电站、土地、审批、冷却系统和数据中心，不是你今天有钱，明天就能建出来的。 Riot这次191MW项目预计2027年底开始交付，2028年中全部上线；公司预计基础20年租约累计 NOI 可以达到约 73—82亿美元。 这意味着它未来越来越像： Bitcoin Miner ↓ Power Owner ↓ Data Center Developer ↓ AI算力基础设施运营商 而这并不是第一次验证。 今年1月，AMD已经先租了Riot Rockdale园区25MW，随后又扩到50MW；目前第一批25MW已经交付，第二批正在建设。 更有意思的是，AMD最近又和 Anthropic 签下了巨额AI算力合作：Anthropic计划部署最高 2GW AMD Instinct MI450 算力，AMD还计划根据里程碑向Anthropic投资最高50亿美元。 所以我现在看这条线，不会只看 RIOT 一家公司。 我更关注一个大的产业链迁移： AI实验室疯狂要算力 → AMD/NVIDIA卖芯片 → 数据中心疯狂找电 → 原本拥有巨量电力资源的BTC矿企突然变成稀缺资产。 这才是 AI × Crypto 真正有意思的交叉点。 以前市场认为矿工最大的资产是矿机。 以后市场可能慢慢发现： 矿企真正值钱的资产，一直都是电。 当然这里也有一个非常大的风险。 91亿美元是未来20年的合同收入，不是今天一次性拿到91亿美元；191MW项目也需要建设、融资、按期交付。 所以不能简单拿“91亿合同 ÷ 67亿市值”就说 RIOT 被严重低估。 真正决定下一阶段股价的，是市场愿不愿意把 RIOT 从： BTC Mining估值 逐渐切换成： AI Data Center估值。 这也是我觉得最适合放到 @42space 上交易的问题。 如果让我设计预测盘，我会盯三个： ① Riot这家神秘Frontier AI客户最终是不是Anthropic？ ② RIOT未来12个月还能不能拿到第二笔100MW+ AI数据中心订单？ ③ 到2027年底，BTC矿企最大的收入来源，会不会开始从Mining转向AI/HPC？ 因为真正值得交易的，从来不是新闻发生之后涨了多少。 而是： 当“矿工变AI地主”这条逻辑还没有完全Price in之前，你愿意给它多大的概率？ 这才是预测市场最有意思的地方。 @42space #AI# #Bitcoin# #RIOT# #Anthropic# #AMD#

遇事不决问ChatGPT/Claude 你问的几家公司，谁更像 800V DC / SST 真受益者 1) Wolfspeed（WOLF） 最正宗。 已有 3.3kV SiC 模块 已有 10kV SiC MOSFET 官方把它们直接用于 SST 和 800V DC AI data center 场景。 ( 理解： Wolfspeed 更像是这条链里“硬件器件核心供应商”。 2) Navitas Semiconductor（NVTS） 也很强，而且偏“800V 供电架构”应用层。 它在 2026 Q1 明确展示了 20kW 800V to 6V DC-DC power delivery board（电源交付板） 还和 EPFL 合作展示了 250kW SST（固态变压器），用了 3300V 和 1200V SiC 器件，目标就是 800V DC distribution（800伏直流分配）。 ( 理解： Navitas 不只是 GaN（氮化镓）公司，它已经在往 AI 数据中心高压供电 深化。 3) Infineon（IFX） 很强，属于“全谱系电力半导体”巨头。 官方说它有 Si（硅）/SiC（碳化硅）/GaN（氮化镓） 全谱系电力技术。 2026 年它和 DG Matrix 推 SST（固态变压器），明确面向 AI 数据中心 和工业电力。 还有官方白皮书把 800V 或 ±400V bus（母线） 列为数据中心电源演进方向。 ( 理解： Infineon 是“最稳的大厂型受益者”，但不像 WOLF 那么纯。 4) STMicroelectronics（STM） 有相关能力，但在这条 800V DC / SST 线上，公开信号没有上面三家那么直接。 STM 当然有 SiC、功率器件、电源管理能力； 但如果你问“谁在公开材料里最明确押注 AI 数据中心 800V DC / SST”，STM 目前不是最前排。 这类公司更适合被看作广谱功率半导体受益者，而不是最聚焦 SST 的标的。 5) Enphase（ENPH） 有概念，但更偏“新方向/期权”。 2026 年 4 月，Enphase 官方发布了 IQ SST（固态变压器），明确说是为 AI data centers 和 800V DC power architectures 设计。 ( 理解： 这说明 Enphase 想把自己从住宅储能/逆变器，往数据中心电源架构扩展。 但它更像是新尝试，而不是像 Wolfspeed 那样已经深耕这条链。 简单排序：谁更像“800V DC / SST 真受益” 如果只看公开材料里的直接程度，我会这么排： Wolfspeed（WOLF） Navitas（NVTS） Infineon（IFX） Enphase（ENPH） STMicroelectronics（STM）

David Tepper's Appaloosa 2026 Q1 13F 而且從持倉變化可以明顯看到資金正在從： 傳統消費 中國 ADR 航空與景氣循環 轉向： AI Infra 電力 記憶體 雲端資本支出 AI Data Center 加碼 1. AMZN +98%, 持股：2.17M → 4.32M 2. UBER +242%, 持股：1.85M → 6.33M 3. VST +114%, 持股：945K → 2.02M 4. TSM +18%, 持股：1.13M → 1.33M 5. MU +11%, 持股：1.5M → 1.665M 6. 新增 SNDK（SanDisk）, 新建倉：281K 減碼 1. 大幅減碼中國資產 BABA -33% JD -69% KWEB -77% BIDU 僅小增 2. 大砍 QCOM -56% 3. NVDA 小幅減碼 -13% 4. MSFT -82% 5. 航空股全面清倉 全部 -100% AAL UAL DAL

小盘美股ALPHA 🔍 ━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 【APGE / Apogee Therapeutics】 市值: ~$10.9B（AbbVie收购价）| 板块: 生物科技/眼科 需求变化 → 财报流向: AbbVie宣布以$10.9B全现金收购Apogee，每股$155(溢价52%)。APGE上周五从$90附近跳升至$140+，今日盘前可能继续冲高。交易预计2026年下半年完成。 核心弹性: 股价位置&市场错误归类点: • APGE被AbbVie定位为"补强型"收购，战略价值被低估 • 收购价对应未来12个月销售8倍，对眼科biotech属合理溢价 • 市场将此定性为"大型药厂并购"主题，而非APGE基本面驱动 验证信号: 下季度财报关注数据: • 眼科药物AZDATAR在湿性AMD二期试验进展 • 合同开发服务（CD47平台）收入增速 • 并购后管理 层整合计划 【BTQ / Bloqart Technologies】 市值: ~$350M | 板块: 区块链/AI基础设施 需求变化 → 财报流向: BTQ从$4.16(6月12日)飙升至$5.89(6月17日)+41%，近期从$5.89回落至$5.68。加密市场反弹+AI+Blockchain合并概念短期驱动。 核心弹性: 股价位置&市场错误归类点: • 量子计算+区块链结合概念，叙事独特但无实质收入 • 被散户社区错误归类为"AI+区块链"双概念股 • 市值仅$350M，容易被炒作资金控盘 验证信号: 下季度财报关注数据: • 政府合同收入确认进度 • 量子密钥分发(QKD)商业化进展 • 与主权基金/政府AI基础设施合作公告

官方 SEC 顯示 Situational Awareness LP 已提交 Q1 2026 13F，報告期是 2026-03-31，提交/生效在 5/18。13Radar 解析顯示：披露組合約 $13.677B、42 項資產、前十大集中度 93.94%、季度換手率 32.2%。 股票/ETF 前十大重點： BE：648.54 萬股，市值約 $8.79B，仍是最大股票倉，但減持 35.6%。 SNDK：114.01 萬股，約 $7.24B，加碼 8.2%。 CRWV：717.79 萬股，約 $5.56B，加碼 17.7%。 IREN：1169.88 萬股，約 $4.01B，加碼 34.5%。 CORZ：2600.85 萬股，約 $3.89B，減持 9.6%。 APLD：1347.84 萬股，約 $3.20B，加碼 18.9%。 RIOT/CLSK/TE 也進入前列，代表他仍把 miners / power site 當 AI data center optionality 看。 ------------------------------------------------------ Leopold 這份 13F 其實不是單純「重倉股票」，而是 選擇權佔 71.8%，股票只佔 28.2%。所以他的真正打法比較像： 多 AI 基建瓶頸股 + 用大型半導體/ETF 選擇權做方向或避險 股票倉裡最清楚的三條主線是： 電力 / AI data center 能源：BE 記憶體 / 儲存瓶頸：SNDK Neocloud / AI compute hosting：CRWV, IREN, CORZ, APLD 不過這數據是3/31的,那時候大恐慌,現在不知道調成怎樣了!

TrendForce：排擠效應限縮顆粒供給帶動價格走揚，2025年DRAM模組廠營收年增達59% TrendForce指出，2025年全球DRAM模組市場營收達212億美元，年增59%，遠高於2024年的7%。主因是下半年價格大漲，加上模組廠集中出貨。 市場上下半年差異極大。上半年因關稅與DDR4停產（EOL），部分模組廠提前囤積DDR4庫存，並供應PC OEM提前拉貨。下半年北美與中國CSP為建置Agentic AI通用伺服器，大舉採購server DRAM，排擠PC與消費性顆粒供給，帶動整體DRAM價格上漲。出貨量與價格同步成長，下半年營收普遍明顯優於上半年。 各廠因市場定位與策略不同，增幅有別。多數廠商積極拓展工控與企業級伺服器產品，並在下半年將DDR5轉為主力。 前五大模組廠占整體營收77%，前九大占81%。 1. Kingston以62%市占，全年營收年增48%，靠規模與庫存優勢在下半年積極出貨通路。 2. ADATA，年增82%，低成本庫存與穩定貨源助其獲利放大，後續聚焦中低容量RDIMM。 3. Ramaxel，年增153%（增幅最高），深化PC OEM與CSP合作，並擴展國產顆粒RDIMM供應。 4. Kimtigo，年增20%，深耕中國內需與OEM。 5. Team Group，主攻北美DDR5通路。 6. Patriot Memory，年增89%，布局消費、電競、工控與邊緣運算。 7. Innodisk，年增132%，工控與Edge AI動能強。 8. Apacer，年增96%，提前確保工控料源。 9. AGI，年增26%，主打自有品牌與跨境電商。