跟着黄仁勋的时间线走，每一阶段的钱都在提前切换 过去一年，如果你认真拆老黄每次GTC、财报会、闭门峰会说了什么，会发现AI基建的主线其实一直在切换。真正厉害的资金从来不是等新闻出来再追，而是提前拆下一阶段CapEx会流向哪里。 整个时间线其实非常清晰。 第一阶段：GPU → HBM → CoWoS → Memory 最早被老黄反复强调的方向。 Blackwell开始，HBM已经从外围配件升级成AI架构核心。老黄在财报会上明确说了：Blackwell和Vera Rubin的性能瓶颈，越来越取决于HBM带宽与供应。 很多人还把 $MU当周期股。但老钱已经开始把存储当AI structural asset来定价。 第二阶段：Ethernet → 光通信 → Silicon Photonics 2026上半年真正爆发的第二条主线。 AI集群进入十万卡级别后，真正限制效率的已经不是单卡性能，而是GPU之间的数据流动效率。老黄开始疯狂强调Spectrum-X、Ethernet、Scale-Out、Silicon Photonics。 NVLink解决的是Scale-Up，柜内互联。真正的大规模AI集群最终拼的是Scale-Out，柜外组网。AI越大，Ethernet的地位反而越强。 $ANET $MRVL $CRDO $ALAB $LITE ——这些AI数据流动收费站开始进入估值扩张阶段。 第三阶段：Inference CPU / Agentic AI 2026 Q1财报会后华尔街开始重新定价的方向。 很多人之前觉得AI时代CPU会边缘化。但老黄在5月财报会明确：Inference爆发后，CPU反而重新成为瓶颈。Agentic AI、Inference、Orchestration都需要大量CPU调度。 $ARM $QCOM $ADI $TXN $MCHP开始明显走强。 很多人还在盯GPU，但老钱已经开始提前布局Inference infrastructure。 第四阶段：AI-RAN + Edge AI + Physical AI 我认为这是2026下半年到2027真正可能成为主场的方向。 AI第一阶段是Training，第二阶段是Scale-Out。接下来AI必须真正离开hyperscaler数据中心，进入现实世界。 老黄已经把话说得很清楚：未来AI会进入运营商网络、边缘节点、基站、机器人、工厂、汽车。AI不会永远只待在云里。 这一阶段分三类受益方向。 AI-RAN和边缘网络：未来全球几百万个基站可能都会变成边缘AI节点。真正值钱的是射频、DAC/ADC、FPGA、边缘推理网络。 $NOK是AI−RAN联盟的核心发起人，英伟达直接投资背书。 Edge AI和On-Device AI：Agentic AI开始长进PC、手机、汽车、边缘网关。设备端AI最大的问题是低功耗推理加本地memory加实时连接。 $QCOM $SIMO这些传统边缘芯片公司的估值可能会被重新定价。 Physical AI和Robotics：散户喜欢炒机器人概念，但真正决定机器人能不能大规模落地的是工业控制、PLC、伺服系统、自动化基础设施。未来真正持续扩估值的，可能不是最性感的人形机器人概念，而是卡住物理世界执行层的工业收费站。 $TSLA $ABB $SYM $ROK。 总结 AI的下一阶段已经不只是训练模型。而是让AI真正进入现实世界。每一次老黄开口，都是在提前告诉市场下一阶段的钱会流向哪里。 #PhysicalAI# #EdgeAI# #AIRAN# #光通信# #机器人# #数据中心# #半导体# #AI算力#

网都连不上的地方，谈什么 AI 普惠？ 当所有人都在硅谷、在北京的发布会上，为大模型的“算力膨胀”和“意识觉醒”高呼万岁时，真相恰恰相反： 对全球大多数人来说，唯一有尊严、有意义的 AI，是小模型（SLM）。 在技术精英的叙事里，AI 是高高在上的巴别塔；但在现实世界里，AI 的终局不是垄断，而是普及。 扫一颗药，要等 5 分钟 本周，IEEE Spectrum 报道了一个故事： 2019年，尼日利亚创业者 Adebayo Alonge 带着他的假药识别设备 RxScanner 去开普敦做演示。这台手持设备用红外线扫描药片，要把数据发给远端的 AI 比对真假。 那天设备连上了网，但服务器在 14,000 公里外的美国。 扫一颗药，在现场整整卡了 5 分钟。 在非洲，每年有数以千计的人因假药中毒身亡。这 5 分钟，可能就是生与死的距离。 他当场叫工程师把模型“肉身压缩”进一部低端安卓手机。2小时后，新模型诞生：不联网，几秒出结果。 这个在 Hacker News 上引发热议的真实案例，扯下了“AI 普惠”的遮羞布： 巨头们口中的普惠，建立在你有稳定宽带、5G 信号、信用卡订阅、以及精通英语的前提上。 这不是普惠，这是技术殖民，是让穷人永远在信息差和基建差里当二等公民。 真正的普惠，是让技术去适应人的处境，而不是让人去跪迎技术的门槛。 硅谷不聊“小模型”，因为这里没有垄断利润 大语言模型（LLM）动辄万亿参数，烧的是几十亿美金和吞掉几个湖泊的电量。那是 GPT-4、Claude 和 Gemini 的游戏。 而小模型（SLM）通常在 20 亿参数以下，耗电 3 瓦，跑在手机、树莓派甚至一块 $50 的低配芯片上。断网，也能跑。 它们不是大模型的“缩水阉割版”，而是被精准“剪枝”和“蒸馏”出的冷兵器： 在印度，无人机搭载小模型，在机上实时识别腰果叶片病斑，不需要任何地面服务器。 在巴西，一块低配芯片跑心电图模型，开进了连医疗设备都没有的贫困农村。 在乌干达，团队正为本地 40 种甚至没有形成互联网文字的口语构建本地小模型。 为什么主流舆论不爱聊这些？ 因为大模型的话语权在极少数巨头手里。“小而分散”的生态无法产生平台垄断，收不走昂贵的 API 订阅费，也圈不到集中化的用户数据。 世界银行的数据极为讽刺：全球最贫困国家中，只有 0.7% 的网民用过 ChatGPT，而发达国家是 25%。 大模型是为高能耗、高基建的社会设计的。而这个世界的B面，多的是连不上网、资源匮乏的角落。 2026，技术正在“向下扎根” 硬核的转折点，正在这个 2026 年密集发生。 首先是硬件彻底卷向边缘。2026 年底，全球将有 45% 的新出货智能手机具备端侧 AI 能力。明年，这个数字将超过一半。 其次是开源小模型的爆发。从 Google DeepMind 的 Gemma 4 到阿里的 Qwen 3.5……这些开放权重的小模型，让任何人都可以拿着本地数据直接微调。 大模型的价值，不再是充当无所不知的“造物主”，而是成为生产成千上万个客观、分散、专属小模型的“工厂”。 当然，我们要保持清醒。小模型不能帮你写代码的同时又帮你诊断心电图，它专业、专一、且在冷启动阶段依然依赖大模型的蒸馏。但它给了一条生路：让弱网、无网的边缘地带，拥有了掀翻信息壁垒的武器。 离线与平权：不是技术降级，是生存刚需 这种“大与小”的对抗，在翻译领域尤为刺眼。 当所有翻译软件都在卷“云端多模态”、“超大上下文”时，我们看到的却是另一幅图景： 在跨国航班的机舱里、在信号微弱的地下铁、在偏远的跨国工厂、在网络受限的特殊区域……全球有海量的用户，在最需要打破语言障碍的瞬间，面对的是手机上那个冰冷的转圈动画。 对他们来说，一个能塞进设备里、不依赖云端、断网也能秒级响应的翻译模型，绝不是“将就用的备用方案”，而是唯一有尊严的解法。 随着 Gemma 4 和 Qwen 3.5 这类小模型的成熟，高性能的端侧离线翻译，不再是妥协，而是主力。 正如 RxAll 创始人 Adebayo Alonge 所说： “AI 的未来不是一个中心、一个巨型模型。而是数百万个小而精准的模型，部署在边缘，每一个解决一个具体问题、一个具体场景。” 信息不应该被锁在语言的巴别塔里，更不应该被锁在富人区的数据中心里。而我们要对抗的，正是这种无处不在的信息垄断与壁垒。 开启「沉浸式翻译」，网页双语对照，直达最硬核的顶级信源。 不用去猜大厂在发布会上藏了什么猫腻，当别人还在慢吞吞等待碎片化的搬运观点时，你已经站在第一线，看透了下一波技术浪潮的流向。 打破壁垒，把看世界的权力，无条件地交回每个人自己手里。 #SmallAI# #SLM# #信息平权# #EdgeAI#

全球 AI 半导体（晶片）市场规模十年涨十倍 在 2026 年约为 1,217 亿至 1,250 亿美元，并预计在未来十年内快速成长至突破 3,000 亿至 9,300 亿美元，甚至在长期上看逾兆美元。 市场现况与规模2025至2026年： - 根据研调机构与产业数据，AI 晶片市场规模在 2025 年约为 940 亿至 954 亿美元，2026 年进一步扩张至约 1,217 亿至 1,250 亿美元。 整体半导体连动：在 AI 基础设施强劲需求的驱动下，2026 年整体全球半导体市场规模预估将大幅成长并突破 1.5 兆美元，其中 AI 相关的高效能运算（HPC）与资料中心晶片占据了核心地位。 未来成长与预测2030年预期： - 综合 Statista 等机构预测，AI 半导体市场规模在 2030 年将超越 3,000 亿美元，若计入整体 AI 基础建设与系统应用，产值与相关商机将更为庞大。 2035年远景：部分长期预测认为，随着边缘 AI（Edge AI）与专用积体电路（ASIC）普及，AI 晶片市场规模至 2035 年将上看 9,300 亿至 1.1 兆美元。 $SOXX

微软最怕的 GitHub 项目，54K stars，只干一件事 把 Windows 11 变回一台正常的电脑 开始菜单搜本地文件，跳出来 Bing 网页 右键菜单藏在一层"显示更多选项"后面 任务栏塞满小组件、Copilot、搜索框，关都关不掉 OneDrive 开机弹窗提醒你备份，比闹钟准时 这个脚本一条命令干翻全部： & ([scriptblock]::Create((irm ""))) ▸ 批量卸载预装应用和推广软件 ▸ 关闭遥测、广告ID、诊断数据回传 ▸ 移除 Copilot、Recall、Click to Do ▸ 禁用 Bing 搜索结果和 Edge AI ▸ 恢复 Windows 10 经典右键菜单 ▸ 一键开启 Sandbox 和 WSL MIT 开源，免费用，所有操作可回滚 微软花了十年把 Windows 塞成广告牌 这脚本一条命令把它变回操作系统

近期美股半导体板块惨遭血洗，3倍做多半导体ETF（$SOXL）连续跌穿均线。 很多人在问：现在能抄底吗？ 这里是一份关于 SOXL 技术面与2026半导体产业链的极简投研 1️⃣ 暴跌的元凶是什么？ 直接原因是巨头资本支出（CapEx）的惊吓。台积电等上游代工厂的巨额重资产投入指引，让市场担忧短期自由现金流受挤压。 加上高位获利盘涌出，以及 3倍杠杆在单边下跌中成倍放大的“血腥损耗”，导致了这波惨烈杀跌。 2️⃣ 2026年半导体基本盘变了吗？ 没有！结构性牛市仍在继续，只是驱动力在演变： Chiplet（小芯片）架构已全面成为主流。 存储极缺：AI数据中心榨干了DRAM和NAND产能，年中价格或面临暴涨！ 边缘AI（Edge AI）与机器人芯片接棒云端，成为爆发新引擎。 3️⃣ 左侧抄底策略：怎么买？ 从日线看，SOXL 已大幅跌破 MA5/10/20，处于短期极端超卖区间，确实砸出了左侧空间。 正确姿势：分批建仓 / 网格交易。 致命错误：左侧接飞刀“一把梭”。 抄底 SOXL 实质上就是押注 NVDAAVGO 等底层重仓股的基本面修复。 4️⃣ 杠杆ETF的致命风险（必看） 永远记住：SOXL 是【短期交易工具】，不是让你长期持有的！ 带有每日重置的3倍杠杆，在震荡市中的“复合波动损耗”极其可怕。 博取超跌反弹可以，但必须严格设定止损线；一旦触及上方压力位，务必果断落袋为安。 总结：2026年全球半导体市场逼近万亿规模，长线逻辑依然过硬，短线只是剧烈洗盘。 准备好子弹，遵守交易纪律，做有把握的超跌反弹！

2026下半年我最关注的 10 家机器人公司（按风险由低到高） 机器人板块，会不会成为下一个“太空板块”？ SpaceX 上市前，整个太空产业链曾经历过一轮明显的预期交易，资金开始提前寻找最直接的受益者。我认为机器人也有可能出现类似的过程，随着 Figure、Unitree 等公司的融资、IPO 进展不断推进，市场或许会越来越关注机器人产业链。 1. $AMZN ：全球最大的机器人应用场景之一，通过仓储自动化和物流机器人持续提升运营效率。 2. $TER ：一边拥有 Universal Robots，一边受益于 AI 芯片测试需求增长，同时布局机器人与半导体两大赛道。 3. $QCOM ：提供机器人所需的边缘 AI、低功耗计算、连接和传感器融合能力，是未来机器人本地计算的重要平台。 4. $TSLA ：Optimus 集 AI、大模型、自动驾驶、芯片和制造能力于一体，是目前公开市场最完整的人形机器人平台。 5. $AMBA ：Edge AI Vision SoC 龙头，让机器人能够在本地完成视觉理解、实时推理和决策。 6. 6324.T Harmonic Drive：全球高精度谐波减速器龙头，人形机器人关节最关键、最难替代的核心零部件之一。 7. $SYM ：仓储机器人纯正标的，通过机器人和 AI 重构仓储物流与供应链。 8. $OUST ：提供 LiDAR 与三维空间感知能力，让机器人真正理解和导航物理世界。 9. $VPG ：精密力传感器龙头，让机器人具备触觉、力反馈和精确控制能力。 10. $CCXI ：通过持股 Agility Robotics，为公开市场提供少数能够参与人形机器人整机公司的投资机会。 以上只是我目前重点关注的公司，如果大家还知道哪些值得研究的机器人产业链铲子股，欢迎在评论区分享，一起交流。

大摩彻底改口了：高通正式加入 AI 赢家阵营 今天刚读完大摩的这篇最新高通研报：Investor Day AI # s present a more optimistic view of data center; move to EW。 昨天高盛刚上调高通目标价，今天轮到大摩了。 摩根士丹利最大的变化是直接把高通评级从Underweight（减持）上调到Equal-weight（持有），目标价从146美元一口气上调至231美元。 为什么突然转向，核心原因只有一个：AI数据中心 高通在Investor Day给出了远超市场预期的指引：FY26数据中心收入大约3亿美元，FY27指引直接跳到50亿美元，FY29目标超过150亿美元。一年增长超过16倍。 大摩坦言自己之前对高通一直过于保守了。报告里有句话挺有意思："我们之前怀疑错了。"原因是高通管理层一直比较保守，不像很多公司喜欢画大饼。所以大摩的逻辑是：如果管理层敢公开给出FY27 50亿美元这个数字，说明订单大概率已经有相当高的把握。他们承认自己预测不到具体细节，但相信数字应该就在这个量级。 但大摩依然保留了几个疑虑，这也是为什么不是直接给Overweight 第一是AI Accelerator的时间点太晚。高通真正的数据中心AI芯片预计要到2027年下半年才开始，而英伟达、Cerebras和各种初创公司已经在出货了。大摩的态度是"Show me"——先拿到确定客户再说。微软虽然站台，但目前只是表达未来愿意合作，还不是确定订单。 第二是服务器CPU的时间点也偏晚。高通的服务器CPU预计要到2028年中以后，到那个时候AMD、英特尔、ARM、亚马逊的Graviton、谷歌的Axion、英伟达的CPU可能都已经铺开了，竞争会激烈很多。报告里还提到一个细节：目前因为芯片短缺，CPU供给在各处都在加速放量，Meta那边的态度也比较含糊，并表态他们已经在用其他几家更成熟的ARM服务器架构。 第三是FY29的150亿美元目标，大摩认为还是偏画饼。他们相信FY27的50亿美元，但不愿意提前给未来三年的成长全部定价。所以这份研报给的更像是未来一年的估值，不是未来三年的估值。 有个细节大摩自己也觉得挺意外，值得单独说一下 FY27这50亿美元收入里，几乎没有CPU，Accelerator也很少，主要来自定制ASIC业务。 这说明高通真正的机会是帮云厂商做ASIC（高通暗示是一个中国客户，一个美国客户，中国客户大概率是字节跳动了，美国客户未知)。这部分收入兑现的速度，可能比市场原本想象的更快。这跟之前提到的OpenAI联手博通做ASIC的逻辑是同一个大趋势，AI芯片产业正在往GPU负责训练、ASIC负责推理这个双轨架构走，高通这次被重新定价，本质上也是踩中了这条线。 除了AI，大摩对汽车业务也挺乐观 FY29汽车收入目标从80亿美元提高到100亿美元。机器人、工业自动化、Physical AI这些方向，他们也认为是长期增长点。 手机这块，大摩还是偏谨慎，没有变 苹果基带流失、安卓增长有限（公司长期假设大概只有5%增长）、内存价格上涨可能拖累手机需求、三星份额恢复正常，这几个压力都还在。手机不是这次评级上调的逻辑，AI数据中心和汽车才是。 我自己的看法 这份报告最值得关注的是叙事的变化。 过去华尔街看高通，核心逻辑是手机芯片公司，估值应该偏低。现在开始变成AI基础设施加定制ASIC加汽车加Edge AI和Physical AI公司。如果未来一年真能兑现50亿美元数据中心收入，市场很可能会继续给它更高的AI溢价。 但我也认同大摩保留的那部分谨慎：2027年之后的150亿美元目标，目前还缺客户验证和产品兑现。高通现在更像是一个AI转型故事刚刚开始被市场重新定价的阶段，不是已经完全兑现成长的公司。 这跟之前我自己写的那篇高通研报的核心判断是一致的：估值落差就是机会所在，但这个落差能不能真正收窄，关键要看接下来一两年数据中心收入是不是真的能落地。

关于黑莓，华尔街日报的这篇值得看看。blcakberry这家曾被认为“已死”的公司早已放弃手机硬件业务，转向软件领域，现在连续四个季度实现盈利（这是智能手机时代以来首次）。QNX 部门已成为公司营收主力，贡献约一半总收入。 核心业务是QNX 操作系统：2010 年收购的 QNX 原本是为手机业务服务，如今却成为公司复兴引擎。它是一种高度可靠的实时操作系统，被形容为“像房子里的管道和电线一样基础”，用户几乎感觉不到它的存在，但它支撑着关键功能。 在汽车领域的深度应用：已装载在 2.75 亿辆汽车 中，主要用于安全关键系统（而非娱乐系统），包括碰撞预警、盲点监测、自适应巡航、行人检测、车道保持等。黑莓不再做“漂亮的表面”，而是做底层“永不失效”的基础软件。 而且在4月底黑莓的QNX 部门最近（2026 年 4 月 20 日）与英伟达（NVIDIA）宣布扩大合作。合作内容聚焦于安全关键的边缘 AI（Edge AI）系统，并非手机或消费级产品，而是针对工业、医疗、机器人等高可靠性场景的底层软件平台。 将 QNX OS for Safety 8.0（QNX 的安全认证实时操作系统）与 NVIDIA IGX Thor 计算平台以及 NVIDIA Halos Safety Stack（安全栈）深度集成。两者结合形成一个统一的安全关键边缘 AI 平台，让开发者能轻松在 NVIDIA 硬件上构建、生产级安全 AI 系统。 1）QNX 提供确定性实时内核（microkernel-based RTOS），负责安全控制、实时性和功能安全认证。 2）NVIDIA 提供加速 AI 计算（包括感知、规划、决策等 AI 能力），加上 Halos Safety Stack 支持混合关键性（mixed-criticality）设计。
 应用场景也要扩展到汽车之外： 1）机器人：自主移动机器人（AMR）、人形机器人等。 2）医疗：手术机器人、医疗成像设备（QNX 已服务全球前十大医疗设备厂商中的九家）。 3（工业：工业自动化、工厂设备等需要高可靠性、实时响应的场景。 这不是第一次合作，而是扩大版。
2025 年中期，QNX 已与 NVIDIA 在汽车领域合作：QNX OS for Safety 8.0 集成到 NVIDIA DRIVE AGX Thor Development Kit，用于自动驾驶和汽车安全系统。
此次扩展是将同一套成熟的安全架构从汽车“搬”到机器人、医疗和工业领域。 对于BB的意义： QNX 一直是 BB 的“隐形引擎”（已在 2.75 亿辆汽车中用于安全系统，如碰撞预警、车道保持等），此次合作进一步打开物理 AI（Physical AI） 的巨大市场。它强化了 BB 从“手机公司”向“安全软件公司”的转型，目标是让 QNX 成为 AI 驱动的机器人/工业/医疗设备里的“看不见的安全基础”。 我看到了边缘AI到物理AI的关键安全平台正在快速发展的信号和BB困境反转的可能性。 仅是个人想法 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

这两周的抄底清单：我最想持有的AI股票五大梯队 今天上午答应了大家，晚上就整理出来一份清单。 过去两周市场波动很大。趁着这次回调，我把自己的观察名单重新梳理了一遍。 先说一个前提，这不是涨幅排行榜。不代表第一梯队一定比第五梯队涨得多。 很多第五梯队的股票，未来涨幅可能远超第一梯队。 这个榜单更多代表我对未来1-3年：基本面，估值。市值空间，稳定性，持仓体验和叙事空间综合之后的风险收益比排序。这不是比谁最会涨的最猛，是谁最值得长期持有。 按照未来几年的AI瓶颈来看，我会给叙事这么排名，没说到的叙事不代表不好。 1. 存储 2. 光互连、光通信 3. 算力与基础设施 4. 能源 5. AI应用。 未来几年我认为最值得关注的是：存储 → 光互连 → Scale-Across → 电力 → Physical AI。 如果不想选股，其实也很简单。存储直接看 DRAM ETF。光通信直接看 FOTO ETF。能源直接看AIPO ETF。这三个ETF基本覆盖了我最看好的三个方向。 第一梯队（AI基础设施核心层) : NVDA, MU, SNDK, TSM, AVGO, MRVL, INTC。 这是AI扩张最底层的基础设施。NVDA = 算力，MU / SNDK = 存储，TSM = 制造，AVGO = ASIC + 网络，MRVL = 连接，INTC = AI服务器CPU + 网络 + Foundry Option。如果未来AI Capex继续增长，这一层最先受益，也是确定性最高的一层。 第二梯队（高确定性重估）: LITE, NOK, COHR, MSFT, ORCL,QCOM, NET。 第三梯队（AI基础设施扩张受益) : CRWV, NBIS, IREN, DELL, AAOI, ONTO, AMKR。 这一层是AI扩张越快，这些公司订单越多。但没有第一梯队那么不可替代。 第四梯队（数据层与软件层): SNOW, MDB, NOW, CRM, PLTR。 AI最终会落到数据和应用层。 第五梯队（未来主题与高Beta) : TSLA, OUST, BB, CEG, OKLO, SMR, NVTS, WOLF, SOFI, HOOD, CRCL 这一层并不是不看好。相反很多都是我长期关注的公司。这里面包含Physical AI, 机器人, 自动驾驶, AI-RAN,核电, 电力, 金融基础设施,很多公司的上限非常高。只是波动更大，兑现周期更长。 如果只能选5个，再帮大家筛选一下，我会直接把选股变成选赛道。 1. DRAM ETF 2. FOTO ETF 3. NVDA 4. MRVL 5. NOK DRAM覆盖存储。FOTO覆盖光通信。NVDA代表算力。MRVL代表连接。NOK代表Scale-Across和DCI。而且FOTO里面没有MRVL和NOK。刚好补齐我最看好的两个方向。 未来几年如果AI继续扩张，我认为最大的机会依然会围绕: 存储 → 光互连 → Scale-Across展开。这也是为什么最近市场大跌之后，我最优先关注的仍然是这几个方向, AI硬件股还是下半年确定性最高的板块，不过也可以同时关注老黄说的AI应用，Physical AI和Edge AI板块。