今天看到一份报告，讲到2030年，未来75%的AI计算需求将会来自推理，这里面将会催生出AI投资下半场的巨大机会，下面👇我们来简单聊一聊。🧐 过去两年，大家都在疯狂囤 GPU 训练模型，烧钱堆算力。但最近大家有没有发现，情况开始变了？尤其是小龙虾🦞出来以后，各类Agent可谓大爆发，Token需求指数级增长。一个崭新的推理时代正在到来，未来AI最大的叙事点是让AI应用走进全球几十亿用户手中，并真正使用起来！ 这个转折点，我把它叫做从「训练时代」到「推理时代」的切换。而在这个新阶段，CPU 和定制芯片将是未来真正的主角。 👇咱们掰开揉碎了讲讲，为啥我开始盯上这些以前不起眼的家伙： 🎯 AI 现在有「脑子」了 以前的 AI 就是个工具，我问它答，无法去执行具体的工作。现在不一样了，Agentic AI来了，它能帮我订机票、改文档、写代码，甚至帮我规划整个工作流程。 这种活儿需要大量的逻辑判断和顺序编排。以前GPU是肌肉男，干体力活厉害；但现在这种执行活，CPU 才是指挥官，它擅长处理复杂的逻辑。AI 越聪明，越需要 CPU 来调度指挥。 🎯 大厂也得省钱啊 看财报，各大厂在AI领域的资本开支都十分庞大，其中七巨头除苹果之外，26年全年资本开支总额超过了6000亿美金。不要以为谷歌、Meta 这些巨头就不差钱。恰恰相反，他们也是把钱花在刀刃上。假如一直用英伟达的通用 GPU 来搞推理，电费和硬件成本会把他们吃掉。 所以大厂开始自己设计专用芯片ASIC，就像咱们切菜用菜刀、砍柴用斧头，专芯专用，效率高成本低。这是实打实的降本增效。 基于上述逻辑，我们筛了五个核心标的： • #AMD：推理界的全能选手，GPU# MI300/325 系列拥有业内领先的内存带宽(256GB HBM3E内存，带宽达6TB/s，参数上优于英伟达H200)，能轻松处理超大规模LLM的实时推理，而且速度快。关键是它还是服务器 CPU 的老二，代理式 AI 需要强 CPU 时，AMD 两头吃。 • #ARM：底层架构之王，谷歌、亚马逊自研芯片基本都跑# ARM 架构，ARM Neoverse 平台已经成为 90% 以上自研 AI 服务器 CPU 的首选。所以大厂搞自研，ARM 相当于在家坐着收过路费。 • 博通（#AVGO）：定制芯片的总工程师，它作为# Google TPU、Meta MTIA 和字节跳动的重要合作伙伴，博通在高速互联和封装技术上拥有绝对统治力，是云巨头降低推理成本的首选合作伙伴。大厂想省钱搞自研，离不开博通的技术。 • 迈威尔（#MRVL）：深度参与亚马逊# AWS 和微软 Azure 的芯片研发，这俩巨头想摆脱英伟达依赖，必须依靠迈威尔。目前迈威尔的定制硅片业务正从“研发期”进入“爆发收获期”，未来的生意只会越做越大。 • 英特尔（#INTC）：虽然最近比较难，但它是唯一有自家晶圆厂的设计商，还拥有全球稀缺的# IDM 2.0 代工能力。当推理导致全球 CPU 需求激增、供应链紧张时，Intel 内部的这种协同效应和本土制造优势将会逐渐凸显，而且它还是服务器 CPU 老大。 看完整份报告，我个人认为有几个大趋势将会成为必然： 首先是从以前的「暴力算力」到未来的「精细化运营」。现在来看，整个AI 投资逻辑正在转变，不再是谁芯片最强，而是谁的方案最省钱、最能落地。说明AI真正商业化全面落地场景下，能效比率才是关键。 其次是供应链博弈。各大云巨头都在搞自研芯片，未来 AI 硬件市场会从「英伟达一家独大」变成「群雄割据」。我认为这对整个产业链将是好事。 最后就是电力依然会成为长期瓶颈。虽然 CPU 和 ASIC 在优化效率，但整体算力规模爆炸，对电力的需求还是无限大。看芯片的同时，能源赛道也值得留意。 总结一句话，#AI# 下半场，别光盯着那块最贵的 GPU，那些负责指挥的CPU和帮大厂省钱的ASIC，可能藏着下一波机会。 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🙏)！

芯片已经够贵了。AI 下一笔钱，在流向电和机房。 过去两年，市场盯着谁能卖更多 GPU。 现在，芯片装进机房以后，问题变成了：电从哪里来，热怎么散，机柜谁来建。 摩根士丹利估算，美国数据中心到 2028 年仍可能有约 38GW 的电力缺口。按 BNP Paribas 对 AI 基建资本开支的一份拆分口径，每 100 美元投入里，约 20 美元会流向电力相关环节。 GPU 买到手只是第一步，机房有没有电，才决定它能不能开始干活。 这 12 只股票，我分成 4 组跟。 1｜电力与能源： $BE 、 $VST Bloom Energy（BE）：看燃料电池和分布式供电，能否从园区的补位方案进入更多数据中心项目。9 月盯订单兑现、数据中心客户占比，以及大单规模。 Vistra（VST）：核电、天然气、储能资源都在手里。重点看科技大厂长协，以及多年购电合同能否继续增加。 这一组只看一件事：缺电能不能变成签约现金流。 2｜机房基础设施： $VRT 、 $IRM Vertiv（VRT）：AI 机柜功率密度上去，液冷、UPS、配电系统都更难绕开。盯高密机房渗透、液冷订单和利润率。 Iron Mountain（IRM）：档案存储是老本行，数据中心是新增长线。盯数据中心租赁、上架进度和项目回报率。 新机房功率密度继续提高时，它们的产品和租赁能否同步涨价、锁住更长合同，数据会给答案。 3｜芯片与连接： $AVGO 、 $MRVL 、 $AMD 、 $INTC 、 $MU GPU 之外，网络、ASIC、先进封装、HBM 和服务器内存还在吃 AI 预算。这组的故事并没结束，价格已经不便宜，后面要靠份额和利润继续说话。 AVGO：盯定制芯片和网络需求，是否继续跟着云厂商 CapEx 往上走。 MRVL：光通信和定制芯片的弹性更大，盯云厂商订单与互连需求。 AMD、INTC：AMD 看加速器和服务器份额；INTC 看代工、先进封装和客户是否兑现。 MU：盯 HBM、DRAM 报价和毛利率。存储上行时利润弹性惊人，掉头时也快。 4｜电力资产转型： $CIFR 、 $CLSK 、 $WULF 市场在这些矿企身上交易的，是它们手里的电力、土地和机房资源，未来能不能接进 AI 数据中心。 主要观察这 4 个硬指标： 有没有多年、可执行的 HPC / AI 租赁或供电合同； 客户是谁，信用质量够不够； 项目造价和融资由谁承担； 电什么时候接入，容量什么时候开始计费。 有电、有地，距离转型成功还隔着合同、融资、并网和交付。 AI 主线还在继续。比起再找一只“也沾 AI”的票，我更愿意顺着每一座新数据中心的账单，继续往下看钱流到哪里。 仅为个人研究，不构成投资建议。

$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#

Sam Altman一句话，Cerebras单日反弹超9%，但这家公司真正值得看的，不是“OpenAI还认不认它”，而是AI推理市场正在从单一GPU，走向异构算力。 $CBRS 上周经历了一轮非常剧烈的杀估值。 原因很直接： OpenAI在GPT-6.1 Sol的“Ultrafast”极速模式中，选择了 $NVDA GPU，而不是Cerebras芯片。 市场马上开始担心： OpenAI是不是准备逐步放弃Cerebras？ Cerebras作为OpenAI核心合作方的地位，是不是被削弱了？ 结果股价一周重挫约20%。 但随后Sam Altman亲自出来回应。 他说： Cerebras仍然是OpenAI的“密切合作伙伴”，双方在“速度前沿”领域保持深度合作。 这句话直接把市场情绪拉了回来。 $CBRS 周一一度涨超10%，最终收涨约9%。 但我认为，真正重要的不是Altman替Cerebras“站台”。 而是这次事件暴露了一个更大的行业趋势： 未来AI推理，不会只由一种芯片包打天下。 很多人看到OpenAI某一个产品模式改用英伟达，就马上理解成： Cerebras输了。 但AI基础设施不是手机CPU。 也不是一个产品只选一颗芯片。 不同AI工作负载，对硬件要求完全不同。 有些任务追求： 绝对吞吐量。 有些追求： 最低延迟。 有些追求： 最大上下文。 有些追求： 最低单位Token成本。 有些则追求： 极致响应速度。 这也是为什么未来AI推理很可能越来越像： 不同任务，分配给不同硬件。 GPU负责一部分。 ASIC负责一部分。 晶圆级芯片负责一部分。 大容量SRAM架构负责另一部分。 而Cerebras真正要争夺的，不是“取代英伟达”。 而是： 在最看重速度和低延迟的推理场景里，成为一个不可替代的专用平台。 这也是为什么Altman说的“speed frontier”很关键。 Cerebras最大的差异化，本来就不是传统GPU那套路线。 它最核心的技术，是Wafer-Scale Engine（晶圆级引擎）。 传统芯片会把一块晶圆切成很多小芯片。 Cerebras的思路则极其激进： 直接把接近整块晶圆做成一颗超大芯片。 这样做的好处，是减少大量芯片之间的数据搬运。 而AI推理真正的瓶颈，很多时候不是算力本身。 而是： 数据要在内存、芯片、节点之间搬来搬去。 如果可以把更多计算和内存放在更紧密的系统里，延迟就可能显著下降。 这就是Cerebras长期最值得看的地方。 而且不能忽略一个非常关键的事实： OpenAI和Cerebras今年1月已经签了一份价值约 100亿美元 的协议。 合作期到2028年。 对应约 750MW 的算力供应。 750MW是什么概念？ 这已经不是一个“试用客户”。 而是大型基础设施级合作。 所以因为某一个产品模式使用英伟达GPU，就直接判断OpenAI正在放弃Cerebras，其实可能过度解读了。 花旗的判断就比较冷静。 他们认为，前沿AI实验室的最新模型，最开始往往会优先跑在内部最成熟、最通用的平台上。 之后才会逐渐迁移到： 第三方云。 专用芯片。 或者像Cerebras这样的高性能推理平台。 所以一次产品发布，没有必要直接等同于长期客户流失。 这件事真正值得关注的，是： AI推理正在快速分层。 前面摩根士丹利刚刚提到一个非常重要的趋势： Prefill 和 Decode 开始解耦。 Prefill更吃计算。 Decode更吃内存带宽和低延迟。 这意味着未来一套完整AI推理系统，可能根本不是一颗GPU从头跑到尾。 而是： Prefill交给GPU。 Decode交给更适合低延迟的专用芯片。 KV Cache放到更合适的存储层。 网络负责高速互联。 这就是所谓的异构推理。 一旦行业往这个方向走，Cerebras这种架构反而可能拥有更清晰的位置。 它不需要打败Nvidia所有场景。 只要在某一类高价值工作负载里明显更快、更高效，就能拿到很大的市场。 这也是为什么我认为，$CBRS 未来真正的投资逻辑，不能只问： “它能不能挑战 $NVDA？” 这个问题本身可能就问错了。 更应该问的是： AI推理市场最终会有多少比例，需要专用低延迟硬件？ 如果答案只是5%，Cerebras可能只是一个小众供应商。 但如果未来Agentic AI大规模爆发，情况可能完全不同。 因为AI Agent的工作方式，和今天聊天机器人差别很大。 今天你问ChatGPT一个问题。 模型回答一次。 未来Agent可能在后台连续完成： 理解任务。 制定计划。 调用工具。 搜索资料。 执行操作。 验证结果。 重新尝试。 继续推理。 一个用户请求，背后可能对应几十次甚至上百次模型调用。 这会让“推理速度”和“延迟”变得非常重要。 如果每一步都慢500毫秒，几十步加起来用户体验就完全不同。 所以未来最值钱的，不一定只是： 每秒处理多少Token。 而是： 能不能把整个Agent任务链缩短几倍。 这正是Cerebras最希望切入的地方。 但 $CBRS 现在最大的问题，也非常明显。 不是技术。 而是： 估值和盈利质量。 Cerebras上市时市值接近950亿美元。 对于一家仍处于高速扩张、客户集中度较高、毛利率仍需要证明稳定性的公司来说，这个估值要求非常高。 所以市场一旦怀疑OpenAI关系有变化，股价就会被迅速杀估值。 这说明CBRS现在并不是一只可以只靠故事支撑的股票。 未来几个季度必须证明三件事。 第一： OpenAI合作真的继续扩大，而不是停留在合同层面。 第二： 除OpenAI之外，能不能增加更多大型客户。 第三： 毛利率什么时候真正企稳并向上。 花旗已经明确提到，2028年前的营收预测目前没有调整。 但如果毛利率继续恶化，市场依然会重新压低估值。 所以真正要看的，不是单日涨9%。 而是： 收入增长能不能开始转化为更高质量的利润。 还有一个我觉得非常重要的角度。 如果未来AI基础设施真的进入异构时代，那么最大的赢家未必只有Cerebras。 整个产业链都会变化。 $NVDA 继续占据通用GPU核心位置。 $CBRS 专注极致推理速度。 $AMD 争夺第二GPU平台。 $AVGO 做定制ASIC。 $MRVL 做互联和定制芯片。 $ALAB 做CXL和高速连接。 $MU 提供HBM和内存。 也就是说： AI硬件竞争未来可能不再是： “谁打败英伟达？” 而是： 谁能在英伟达之外，拿到一个足够大的专用市场。 这其实对Cerebras反而更现实。 它不需要成为第二个Nvidia。 只需要成为： AI推理速度领域的第一名之一。 所以Altman这次的回应，真正修复的不是市场情绪。 而是一个更重要的认知： OpenAI并没有因为某个产品选择英伟达，就放弃Cerebras。 相反，OpenAI可能本来就在搭建一套多芯片、多架构的AI基础设施。 训练用一种。 通用推理用一种。 极速推理再用另一种。 未来Agent再用最适合低延迟的架构。 这很可能才是整个行业最终的样子。 所以这次 $CBRS 从大跌20%到反弹9%，真正值得追踪的问题已经不是： “Altman还支持不支持Cerebras？” 而是： 如果AI推理正式进入异构架构时代，Cerebras到底能不能从750MW的OpenAI合同，走向一个独立的百亿美元级推理平台？

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🙏)！

MRVL 五年营收剑指10倍，AMD迎来CPU第二春 现在整个AI数据中心的硬件架构正在被重新设计，而CPU、定制芯片、光互连、交换机、网卡、内存接口和存储控制器，都开始跟着GPU一起进入新一轮需求爆发。 10月6日，Marvell（MRVL）在投资者日上突然大幅提高长期目标，公司预计2028财年营收达到约200亿美元，到2031财年进一步达到700亿至900亿美元，中值约800亿美元。 作为对比，Marvell 2026财年营收只有约82亿美元，也就是说，公司实际上在告诉华尔街：未来五年，Marvell有机会从一家年收入80多亿美元的芯片公司，成长为一家接近800亿美元收入规模的AI基础设施巨头。 另一边，花旗把全球CPU市场2030年的潜在市场规模直接提高到3000亿美元，相比2025年的约290亿美元，相当于五年扩大超过10倍，并把AMD目标价从575美元大幅提高到800美元。 表面上，一个讲的是Marvell，一个讲的是AMD，但背后的原因完全相同：AI正在从第一阶段的“训练模型”，进入第二阶段的“让AI真正开始工作”。 这两者之间的区别，将决定下一轮AI产业链的钱流向哪里。 过去三年，AI产业最简单的赚钱逻辑就是买GPU。OpenAI、Meta、Google、微软训练越来越大的模型，需要越来越多英伟达GPU，因此GPU成为整个AI产业最大的瓶颈。 但是到了Agentic AI，也就是AI智能体阶段，情况开始发生变化。 传统ChatGPT式聊天机器人，大多数时候其实是闲着的。你问一句，它运行一次模型，然后停止；你不问，它基本不消耗新的推理资源。 但是Meta Muse这类新一代个人AI智能体完全不同。它有自己的虚拟机、自己的浏览器，可以帮用户浏览网页、填写表格、处理客服、预约服务、调用不同的软件，并且在后台持续执行任务。 换句话说，未来一个AI用户对应的不再只是偶尔运行几十秒钟的大模型，而可能对应一个长期在线的“数字员工”。 这会让AI服务器内部的计算方式彻底改变。 花旗给出的一个非常重要的数据是，传统AI训练阶段CPU与GPU数量比例大约只有1比8，进入推理阶段后可能提高到1比4，而到了Agentic AI阶段，这一比例可能进一步接近1比1，甚至更高。 原因并不复杂，因为GPU最擅长的是大规模矩阵运算，但一个AI智能体真正开始工作以后，除了运行模型之外，还要不断完成任务调度、浏览网页、读取数据库、调用API、处理安全权限、运行操作系统、管理内存、传输数据以及协调不同AI模型之间的工作。 这些事情很多并不是GPU最擅长做的，而是CPU、网络和各种专用芯片需要完成的。 这也是为什么花旗突然把CPU TAM看到3000亿美元。 它真正表达的并不是“CPU要取代GPU”，恰恰相反，而是未来每安装更多GPU，整个系统可能需要同时配置更多CPU、更多DRAM、更高速的网络以及更多数据中心互连设备。 因此AI产业正在从过去非常简单的“GPU军备竞赛”，变成一场整个服务器架构的军备竞赛。 这时候再看Marvell投资者日给出的数字，就很容易理解为什么管理层敢把长期目标提高得这么夸张。 Marvell预计，到2030年，公司能够参与的整个市场规模将达到大约4000亿美元，而上一次公司公布长期市场规模的时候，这个数字还不到1000亿美元，相当于短短几年扩大了四倍。 其中： 定制芯片市场预计达到约2350亿美元，这是Marvell未来最大的潜在市场。 AI数据中心互连市场预计达到约650亿美元，而且预计是增长速度最快的业务之一。 交换机和存储相关市场预计达到约850亿美元。 通信及其他业务预计还有约150亿美元市场空间。 这些数字背后真正值得注意的，并不是4000亿美元这个数字本身，而是Marvell认为未来AI数据中心增长最快的地方已经开始从单纯的Compute，也就是“计算”，向Connectivity，也就是“连接”转移。 很多普通投资者容易有一个误区，认为AI数据中心最值钱的东西就是GPU。 实际上，当一个AI集群从几千块GPU扩大到几十万甚至上百万颗XPU之后，最大的工程问题之一反而变成了：这些芯片之间的数据到底怎么传。 GPU计算再快，如果数据送不过来，GPU一样只能等。 因此AI系统正在不断遇到几个越来越严重的物理瓶颈，包括带宽不够、延迟太高、铜连接功耗过高以及数据传输距离越来越长。 这正是Marvell最想吃下来的市场。 Marvell预计，到2031财年800亿美元收入中值的情况下，大约375亿美元来自Interconnect互连业务，约300亿美元来自Custom Silicon定制芯片，大约100亿美元来自交换机和存储，其余约25亿美元来自传统通信等业务。 也就是说，未来Marvell最大的业务甚至不是AI计算芯片本身，而是让整个AI数据中心里的芯片能够高速互相连接。 这也是这次投资者日最容易被市场低估的地方。 过去投资者看AI半导体，习惯先问一句：“谁能挑战英伟达GPU？” 但未来可能需要换一个问题：“每增加一颗GPU或者XPU，旁边还需要增加多少颗其他芯片？” 如果答案是一颗GPU背后，还需要CPU、NIC、交换芯片、光DSP、Retimer、内存控制器、存储控制器以及各种专用ASIC，那么AI产业链最大的增长机会，就不会只存在于GPU。 Marvell正在押注的就是这一点。 公司目前已经向美国四大Hyperscaler提供定制芯片，而且越来越多的项目并不是直接制造一颗替代英伟达GPU的大型XPU，而是所谓的XPU Attach，也就是围绕AI加速器周围增加各种专用芯片。 比如高速网卡、内存接口、存储控制器、AI基础设施管理芯片以及推理加速芯片。 Marvell管理层甚至给出了一个非常直观的计算方式：未来每颗XPU周围可能连接一到两颗专用芯片，而部分产品单颗价值可能达到约1000美元。 当云计算公司一年部署几百万颗AI芯片以后，一个看起来不起眼的“XPU旁边的小芯片”，最终都可能变成几十亿美元级别的市场。 这也是为什么Marvell把2029财年Custom业务目标从超过100亿美元进一步提高到超过120亿美元，并预计2031财年达到大约300亿美元。 更重要的是，Marvell现在已经不是单纯在给一家客户做一颗芯片。 公司明确表示，其定制业务已经覆盖美国四大Hyperscaler，而且未来收入会越来越分散在不同客户、不同XPU以及不同XPU Attach产品之间。 今年Marvell与谷歌签署的合作就是一个非常典型的例子。 双方合作范围并不只是一颗AI芯片，而是覆盖AI推理加速器、存储控制器、网络接口控制器、内存接口控制器以及Near-Memory Compute等多个产品。 根据协议设计，如果未来相关产品采购达到对应的业绩条件，整个合作所对应的潜在采购规模最高可以达到约1200亿美元。 这里必须注意，这1200亿美元并不是广告今天已经签字保证必须购买的1200亿美元订单，因此不能直接把它当作Marvell现有积压订单。 但是它透露出的信息仍然非常重要，因为谷歌愿意把如此大的潜在采购规模和Marvell进行长期绑定，本身已经说明大型云计算公司未来需要的并不是一颗ASIC，而是一整套围绕AI基础设施设计的芯片平台。 美股投资网认为，这正是Marvell与过去最大的不同。 过去市场对Marvell最大的疑问一直是，它究竟是一家真正拥有长期AI增长能力的平台型公司，还是仅仅因为几个大客户的ASIC项目，在AI资本开支高峰期暂时受益。 这次投资者日，公司实际上给出了自己的答案。 2026财年营收约82亿美元，2028财年约200亿美元，2031财年目标700亿至900亿美元，中值800亿美元；如果最终做到800亿美元，相当于五年时间收入接近增长10倍，对应年复合增速接近58%。 公司同时给出了2031财年超过30美元的Non-GAAP EPS目标，而2026财年这一数字只有2.84美元。 这已经不是一家传统半导体公司正常成长的假设，而是在押注整个AI基础设施市场未来五年继续高速扩张。 所以真正应该关注的问题也来了：Marvell这些目标到底可信不可信？ 答案是，方向非常清楚，但是数字仍然需要投资者保持冷静。 根据美股大数据 获悉，最大的风险首先来自Hyperscaler资本开支。 Marvell整个长期模型建立在全球数据中心资本开支继续高速增长的基础上，公司预计到2030年全球数据中心资本开支规模接近3万亿美元，并且未来十大Hyperscaler占全球投资比例继续提高。 只要微软、Google、Meta、Amazon以及其他AI巨头继续每年扩大资本开支，Marvell的市场自然会继续扩大；但是如果两三年以后AI投资回报率开始下降，Hyperscaler突然放慢数据中心建设速度，那么Marvell现在给出的2031年数字也会受到明显影响。 第二个风险是竞争。 定制ASIC领域最大的对手仍然包括博通AVGO（Broadcom），而AI网络市场还面对NVIDIA自身的网络产品以及其他高速互连厂商。 4000亿美元TAM并不代表Marvell能够拿到4000亿美元，最终真正决定利润的仍然是市场份额。 第三个风险则来自估值。 当市场开始提前交易2030年甚至2031年的收入以后，股价上涨速度很容易超过盈利增长速度。一家公司未来五年的故事再漂亮，只要今天的估值已经把大部分未来增长算进去，股票一样可能经历非常大的波动。 因此美股投资网认为，这一轮AI行情真正值得投资者理解的，不应该是简单寻找“下一只英伟达”。 真正更大的变化是，AI正在从模型训练时代进入Agent时代，而Agent时代需要的不只是更多GPU，而是一整座更加复杂的数据中心。 GPU负责计算，CPU负责组织和调度，DRAM负责存储数据，网络负责搬运数据，光模块和DSP负责突破距离和带宽限制，交换芯片负责让成千上万颗XPU互相通信，而定制ASIC则负责把越来越多专门任务做到更高效率、更低功耗。 当AI从一个你偶尔打开的聊天窗口，变成24小时替你工作的数字员工以后，每一个AI用户背后的硬件消耗都会完全不同。 这也是为什么花旗敢把2030年CPU市场看到3000亿美元，也是为什么Marvell敢把2031年营收目标从今天的82亿美元一路看到700亿至900亿美元。 如果这一轮AI投资周期最终能够持续到2030年前后，那么下一阶段真正值得研究的，已经不是“除了英伟达还能买谁”。 而是每增加一美元GPU投资之后，还有多少美元会流向CPU、定制芯片、光通信、网络、内存和存储。 这才可能是AI产业下一轮最大的财富重新分配。 $MRVL $AMD #美股#

最近关注 BIT 美股融券数据后的一个变化：市场不再只有看多的声音，尤其是AI这种高估值方向，多空分歧正在慢慢放大 今天复盘最大的感受：市场开始奖励“确定性”，而不是单纯奖励“AI概念” 美股第54天 发现一个变化：以前看到一家公司的名字和AI挂钩，市场愿意给很高预期 但现在资金开始问一个更现实的问题： 你的AI收入，到底什么时候能变成利润？ 这也是为什么最近我没有急着追涨 机会很多，但我更想等市场把答案交出来 今天重新看了一下 $AVGO 以前很多人关注AI，第一反应都是GPU 但我觉得接下来一个值得关注的方向，是： AI从训练走向规模化部署后，定制芯片和网络的重要性会越来越高。 Broadcom的逻辑就在这里 它不是最热门的AI故事，但它处在一个很关键的位置： 大规模AI集群，需要的不只是计算能力，还需要高速连接和定制化解决方案。 我关注它，不是因为短期股价涨跌 而是看几个东西： AI相关收入增长能不能持续 大客户订单是否扩大 毛利率能否保持 如果未来AI基础设施继续扩张，ASIC可能会成为GPU之外的重要补充 但风险也很明显： 市场已经知道这个故事，如果增长低于预期，高估值公司调整会很快 另外我最近降低了对短期追涨的兴趣 比如 $NVDA 我依然认可它的长期地位 但现在买入，需要考虑一个问题： 如果未来半年AI资本开支继续增长，市场是否已经提前定价？ 所以我的策略： 上涨的时候观察 回调的时候寻找机会 更希望买在市场犹豫的时候，而不是所有人都兴奋的时候 BIT融券数据最近也会看一下 我觉得它比较有价值的地方，是观察市场分歧 一家公司上涨过程中，如果空头增加但股价依然强势，说明资金承接可能不错 但如果高估值叠加空头增加，同时跌破关键位置，就需要重新检查逻辑 此内容由@BITstocksCN赞助，买美股上BIT一1万+支美股与ETF，真实持仓，享股息分红 今天没有交易 不是没有看好的股票，而是现在更愿意等待 美股第54天，继续记录 下一阶段我更想研究的是： AI产业链里面，那些没有被市场反复讨论，但真正控制瓶颈的公司 （学习记录，不构成投资建议）

今天推演了一晚上英伟达3.16号的下一代gpu芯片Feynman费曼，给你们刨析到了英伟达真正意图，汇总了一份报告给老板们。 深度报告：《AI 算力的终极变局 —— 费曼（Feynman）架构下的“光、存、算”范式转移》 发布日期： 2026 年 3 月 1 日 核心标的： $NVIDIA, $SK Hynix , #Samsung# , $TSM 台积电， $AVGO 博通, #中际旭创# , #新易盛# 投资主题： 从“芯片外挂”到“系统级封装（SiP）”的降维打击 报告摘要：打破物理极限的三个维度 在 2026 年 GTC 大会的背景下，英伟达正式确立了从 Rubin (2026) 到 Feynman (2028) 的演化路径。其核心战略意图已非常明确：通过 3D 堆叠（SoIC）和硅光子（CPO）技术，将原本属于产业链上下游的利润（存储、网络）强制“吸入”GPU 封装内部，实现从芯片供应商向“全栈系统承包商”的身份转型。 一、 英伟达 GPU 演化路径：从“微缩”转向“空间堆叠” 英伟达的架构演进已进入“后摩尔时代”的物理博弈： Blackwell (2025): 最后一代 2.5D 封装的巅峰，主力适配 1.6T 可插拔光模块。 Rubin (2026): HBM4 的元年。引入 3nm 增强型工艺，首次在 Base Die（底座）上尝试逻辑集成。 Feynman (2028): 终极形态。采用台积电 A16 (1.6nm) 工艺与 背面供电（BSPDN）。 核心创新： 将 SRAM（LPU Dies）垂直堆叠于 GPU 之上。 角色变化： GPU 不再仅仅是计算单元，而是一个自带“高速公路（CPO）”和“超大油箱（3D SRAM）”的独立系统。 二、 存储（HBM & SRAM）演化路径：从“外挂”到“共生” 1. 技术演进与角色变迁 HBM4 (2026/2027): 接口位宽从 1024-bit 翻倍至 2048-bit。最关键的变化是 Base Die（逻辑底座） 的权力移交。存储厂（海力士/三星）必须与 $TSM 台积电深度绑定，生产 5nm 级的逻辑底座。 3D SRAM (2028): 费曼架构引入 LPU Dies。这层高带宽（80-100 TB/s）缓存将承担 70% 的实时计算数据交换，导致 HBM 从“频繁访问的内存”退化为“高容量的背景油箱”。 2. 供需测算：40% GPU 增长下的 EB 级黑洞 按照 GPU 年增 40% 的复合增长率，叠加单卡 HBM 容量倍增（192G \rightarrow 288G \rightarrow 576G）： 2026年需求3.63EB供给2.8EB，缺口22.9% 2027 年需求冲破 10 EB供给5.5EB,缺口45% 2028年需求冲破28EB供给11EB，缺口61% 产能博弈： SK 海力士凭借 MR-MUF 工艺的良率优势，在 HBM4 时代仍将拿走 60% 的 NVIDIA 订单。三星则试图通过“Foundry + Memory”的一体化服务（One-stop Solution）在费曼时代通过定制化 Logic Die 翻盘。 三、 光模块演化路径：从“线缆”到“引擎” 光模块正面临行业历史上最剧烈的身份重构： 1. 三段式跨越：Pluggable \rightarrow LPO \rightarrow CPO 可插拔（Pluggable）： 正在触碰 1.6T 的功耗墙。 LPO (2025-2026)： 新易盛的护城河。通过去除 DSP 降低 30% 功耗，这是费曼量产前解决热瓶颈的最优过渡方案。 CPO (2027+)： 博通与中际旭创的终极战场。如图所示，PIC（光子芯片）直接与计算核心通过 SoIC 混合键合。 2. 实质威胁与角色错位 博通 (Broadcom)： 利用 ASIC 优势，试图推行“芯片内集成”，直接剥离传统光模块公司的整机价值。 中际旭创/新易盛： 战略意图是向上游挺进。中际旭创通过 70% 的硅光芯片自研率，将自己从“组装厂”转化为“半导体光引擎厂”，从而在费曼芯片的 CPO 供应链中争取“二供”或“定制化服务商”的地位。 四、 英伟达的最终战略意图：建立“物理层”护城河 通过费曼架构，英伟达意图实现以下三个战略垄断： 1.脱离 DRAM 周期绑架： 通过大规模 SRAM 堆叠，降低对外部高价 HBM 带宽的依赖，从而在存储周期涨价时拥有更高的议价权和架构冗余。 2.吞并互连生态： 费曼芯片集成 CPO 后，英伟达不仅卖 GPU，还实质上卖掉了原本属于模块厂的 1.6T/3.2T 互连收入。 3.打造“单卡即机架”： A16 工艺 + 背面供电 + 3D 封装，让单颗费曼芯片的吞吐量等于现在的一个小型机架。这迫使所有下游云巨头（Google, AWS）只能购买其整体解决方案，无法通过自研模块进行“零件组装”。 五、 投资建议：谁是这场再分配的赢家？ 绝对确定性：SK 海力士 & 三星。 虽然 SRAM 减少了单位带宽依赖，但总算力暴涨带来的 “容量缺口” 是 EB 级的物理事实。海力士 2026 年单季 $250 亿利润只是开端。 爆发弹性：新易盛 & 中际旭创。 关键指标是“自研芯片替代率”。如果旭创能成功在费曼芯片量产前完成台积电的 SoIC 认证，它将获得类似半导体 IP 公司的估值倍数（Re-rating）。SRAM 堆叠非但不会削弱光模块的重要性，反而会将其推向“决定性”的地位。 台积电： 它是最大赢家。因为无论是底部的 Feynman Die 还是顶部的 LPU Die，以及它们之间的混合键合（Hybrid Bonding），全都要在台积电完成。 系统控制：博通 (Broadcom)。 它是唯一能与英伟达在 CPO 架构上抗衡的巨头，适合作为 AI 网络的防御性底座。 报告结论：英伟达费曼芯片通过 LPU Dies 和PIC/EIC 与 GPU 完全共封装，降低了HBM和光模块公司的溢价能力

英伟达 $NVDA 作为豪门金字塔顶尖的那个人，手指缝漏一点都够底下AI供应链吃半年！ 1. $TSM - 台积电 英伟达GPU核心晶圆代工厂，负责Blackwell/Rubin等先进制程芯片生产，是AI供应链最上游关键伙伴，受益于NVIDIA产能扩张。 2. $SMCI - 超微电脑 英伟达AI服务器主要组装商，提供高性能GPU服务器解决方案，直接受益于数据中心部署需求爆发。 3. $MU - 美光科技 HBM高带宽内存重要供应商，AI训练和推理对内存需求激增，推动其营收强劲增长。 4. $AVGO - 博通 定制AI芯片和网络芯片领导者，与英伟达在NVLink等生态合作，AI半导体收入高速增长。 5. $MRVL - 迈威尔科技 英伟达投资20亿美元，聚焦硅光子和NVLink Fusion定制XPU，是异构计算关键伙伴。 6. $IREN - 艾瑞斯能源 英伟达巨额投资并签订GPU云服务大单，转型AI数据中心运营商，基础设施扩张潜力大。 7. $CRWV - CoreWeave 英伟达重仓的AI云基础设施提供商，专注GPU集群部署，是“NVIDIA生态新云”代表。 8. $NBIS - Nebius Group 英伟达投资的AI云公司，助力全球算力扩展和推理服务。 9. $LITE - 朗美通 英伟达投资的光学组件龙头，高速光模块解决AI数据中心带宽瓶颈。 10. $COHR - 相干公司 与Lumentum同期获英伟达投资，光子学和激光技术核心供应商。 11. $GLW - 康宁 英伟达投资支持光纤基础设施，新工厂扩产应对AI数据中心光纤需求。 12. $ANET - Arista Networks 高性能以太网交换机领导者，连接AI GPU集群的关键网络设备供应商。 13. $VRT - Vertiv 数据中心电源与冷却解决方案提供商，与英伟达深度合作应对高密度AI机架散热。 14. $ARM - Arm Holdings 英伟达投资的CPU/IP架构核心公司，AI芯片设计广泛使用其技术。 15. $ASML - ASML 极紫外光刻机垄断供应商，支持先进制程芯片生产，间接驱动英伟达GPU创新。 16. $CRDO - Credo Technology 高速连接和信号完整性解决方案，受益于AI服务器内部互联需求。 17. $APLD - Applied Digital 英伟达投资的数据中心运营商，专注AI/HPC基础设施建设。 18. $CLS - Celestica AI服务器和硬件制造服务商，在供应链中表现突出。 19. $STX - Seagate 数据中心存储解决方案供应商，AI海量数据存储需求驱动增长。 20. $CIEN - Ciena 光网络设备提供商，支持AI数据中心长距离高速传输。

美股这几天跌得有点狠，尤其是之前涨得最猛的 AI 科技股 纳指本周累计跌了约 2.4%，半导体板块更是连续多日下跌 这波调整主要受到通胀超预期、美联储加息担忧，以及 AI 基建巨额投入和债务问题的影响 像 $CRWV、$ORCL，此前单日分别大跌约 15%、9%，虽然随后有所反弹，但科技股整体还是比较弱 不过我觉得 AI 这条主线还可以继续关注，尤其是下面几只： ① $NVDA 英伟达 AI 算力的核心标的，后续主要看科技巨头的资本开支能否持续，以及业绩增长能不能支撑当前估值 ② $AVGO 博通 除了英伟达，AI 定制芯片也是我比较关注的方向，重点看大客户订单和 AI 业务的增长情况 ③ $GOOGL 谷歌 / $MSFT 微软 这两家我会更关注一些，毕竟有成熟业务和现金流支撑，AI 商业化也在持续推进 ④ $CRWV CoreWeave AI 云计算需求很大，但债务和融资成本也是绕不开的问题，股价波动明显更大 ⑤ $LLY 礼来 科技股调整期间，医疗板块反而表现不错。礼来最新交易日上涨超过 3%，可以关注下这波资金轮动能否持续 目前我还是偏向谨慎一点，毕竟市场对利率和 AI 投入的担忧还没消失 如果后续继续调整，我会更关注那些业绩扎实、估值逐渐回归合理的科技巨头 接下来就看这轮财报，能不能给市场重新带来点信心了