搜索结果 GPU
GPU 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 GPU 的推特
GPU租赁价格持续上涨，B200的价格这两天跳涨，应该是哪家AI Lab的硬件优化跑通了吧，可以看看最近哪家重要的新模型发布。
Google直接把GPU黄牛的饭碗砸了。
VS Code现在能直接连Colab，白嫖T4 GPU这事儿是真的。
代码在你本地，算力用Google的，一分钱不花。
那些卖算力的、租卡的，这波是真的被掀桌子了。
🔗
显示更多
推特上关于GPU、CPU、存储、光模块，热闹的不得了。
其实我只告诉你一句话：
找净利润率。谁最高干谁！
资本品通胀： GPU、HBM、NAND、光模块、铜缆、变压器、液冷、电力、土地、数据中心施工都涨。
劳动力通缩： 软件工程师、中层管理、客服、运营、内容审核、初级分析师、部分销售和后台岗位被压价或替代。
资本回报通胀： 拥有算力、电力、内存、网络、芯片设计能力的资产变得更贵。
劳动议价权通缩： 一些白领岗位从“稀缺资产”变成“可被 AI 增强/替代的成本项”。
显示更多
AI 故事已从 “GPU” 进入“记忆体 + 光 + 存储”全栈时代，这份 Shortlist 覆盖了所有关键层级。 (纯市场分析，非投资推荐)。
AI 各层概念 Shortlist：需要重点观望的股票（2026.5.15 最新分析）
AI 基础设施全栈（记忆体 HBM → 存储 → 网络 → 晶圆代工 → 光子互连）
1. 记忆体层（HBM/DRAM） - AI 算力“燃料”
MU (Micron)
最新价位 ≈ $776–795
合理价位区间：观望/考虑拉回至 $650–720（支撑区，估值更合理）；分析师共识目标 $500–650（部分乐观至 $1,000，如 DA Davidson）。
理由：HBM 产能全卖光，AI 记忆体短缺仍是核心瓶颈。
2. 晶圆代工层 — AI 芯片“制造平台”
TSM (TSMC)
最新价位 ≈ $410–414
合理价位区间：观望/考虑拉回至 $380–410（地缘风险缓冲区）；分析师共识目标 $430–463（高至 $600）。
理由：2nm/先进制程 + 光子封装平台，几乎所有 AI 芯片都绕不开。
3. 网络/互连层 — AI 集群“高速路”
AVGO (Broadcom)
最新价位 ≈ $430–440
合理价位区间：观望/考虑拉回至 $400–430；分析师共识目标 $435–478（高至 $545–630）。
理由：CPO 光互连 + 自定义 AI 芯片，AI 营收目标直奔千亿。
4. 光子互连层（Silicon Photonics / “光”） — AI 下一代瓶颈解决者
LITE (Lumentum)
最新价位 ≈ $950–1,001
合理价位区间：观望/考虑拉回至 $850–950（高 Beta 股，波动大）；分析师共识目标 $1,003–1,127（高至 $1,400，Rosenblatt 等）。
理由：NVIDIA 最大雷射供应商，CPO 订单爆满，是“光”最纯受益股。
COHR (Coherent)
最新价位 ≈ $374–404
合理价位区间：观望/考虑拉回至 $340–380；分析师共识目标 $360–410（高至 $455）。
理由：垂直整合最完整的光学供应商，NVIDIA 合作深度，体量更大更稳。
5. 存储层（NAND/HDD） — AI 数据湖“仓库”
WDC (Western Digital，含 Sandisk)
最新价位（近期大涨后）≈ 高位（具体以实时为准）
合理价位区间：观望/考虑拉回至 $400–470；分析师共识目标 $470–500（高至 $660）。
理由：企业级 SSD/NAND 随 AI 数据爆炸需求同步起飞。
额外提醒（次要观望）：MRVL (Marvell)：网络 + 自定义 AI 芯片，价位 ≈ $170，目标区间 $125–156（部分更高至 $195），适合搭配 AVGO 看。
STX (Seagate)：存储另一极，Citi 目标 $595，AI 数据湖需求同步受益。
整体观望逻辑：现在：多数股票已大涨 100%–600%+，估值偏贵。
最佳时机：等 AI 财报季或宏观回调时，拉回至上述「合理价位区间」再重点观察。
风险：地缘（台湾）、供应链短缺、AI capex 放缓、周期反转。
显示更多
推荐一个租 GPU 的网站:
价格合适，挖矿项目租 5090 就行，不过现在应该被抢光了。
闲置的GPU就来挖CPH，赢两次
如果你运行一个 NVIDIA H100 集群，并且希望训练任务能真正跑完，那么你必须有大约 5% 的算力冗余：而这相当于每个月有超过 100 万美元的芯片“闲置”。
这个结论来自一项在 11 月发布的研究：基于 1,056 块 GPU、持续 2.5 年、累计 1,170 万 GPU 小时的运行数据。这是目前公开领域中，对 H100 可靠性规模最大的一次分析。
成本之所以这么高，原因在于：每块 H100 出现“不可纠正内存错误”（uncorrectable memory errors）的概率，是 NVIDIA A100 的 3.2 倍。NVIDIA 为应对错误设计的恢复机制（例如行重映射、错误隔离）原本是按 A100 较小规模设计的，在 H100 上不仅触发更频繁，而且失败率也更高。单节点可用性大约是 99.3%，听起来还不错，但一旦把它扩展到数百个节点、再叠加一个月的运行时间，整体成功率就会显著下降。
论文中最有价值的数字其实藏在推算里：如果单节点可用性从 99.3% 提升到 99.9%，所需的超额配置（overprovisioning）可以减少 2.5 倍。这正是为什么行业开始把“硬件可靠性”当作“软件问题”来解决——这是一个纯粹的经济驱动。
显示更多
所以说GPU的投资其实是远远超出需求的
Cypherium为剩余算力创造价值
大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。
Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测——
工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头：
检索型 agent：90.6%
Devin 同类代码 agent：78.7%
LangChain：>50%
模型推理从来不是瓶颈。
道理其实很朴素：
一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。
每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。
更反直觉的数字：
并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。
也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。
这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号：
CPU 侧的"老钱"会被重新定价。
Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。
只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。
Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。
AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。
大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。
显示更多
大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。
Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测——
工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头：
检索型 agent：90.6%
Devin 同类代码 agent：78.7%
LangChain：>50%
模型推理从来不是瓶颈。
道理其实很朴素：
一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。
每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。
更反直觉的数字：
并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。
也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。
这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号：
CPU 侧的"老钱"会被重新定价。
Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。
只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。
Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。
AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。
大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。
显示更多
AI电脑，把CPU和GPU完美匹配在一起，不需要软件反复调校就能让CPU完美协调GPU调用，这是目前很多公司个人的刚需！
目前一万美元至两万美元区间的PC几乎没有完美产品。
这次英伟达台北发布会非常值得期待。
显示更多