#AkatsukiJapan# 3x3女子U23/U21日本代表 🔥Q.O.Q. 3x3 2026 @q.o.q._3x3 準決勝　試合結果 JBA3x3 STAR(U23) 21-8 KYOTO BB 👉NEXT GAME 16:15［SEMI FINAL］JBA3x3 HOPE(U21)🆚MAURICE LACROIX 15:15［FINAL］JBA3x3 STAR(U23) 📍livedoor URBAN SPORTS PARK 3x3 バスケットボールコート 📡FIBA 3x3公式YouTubeで配信 #バスケ# #バスケで日本を元気に# #日本一丸# #3x3Basketball# @fiba3x3 #3x3WS#

SemiAnalysis Weekly — Ep. 031 - EMERGENCY EPISODE: Are We Doomed? ARR 是新的 GDP 市場目前幾乎只盯四個數字：OpenAI 與 Anthropic 的新增 ARR，以及 AWS、Azure 的年增率。Joey 認為這才是半導體交易的真正基準，其他指標都是雜訊。Max 指出算力仍是「需求遠大於供給」的結構，短期不會翻轉。即使 Dario 主張放慢前沿推進，也不等於需求下降；市場若把「pace the frontier」解讀成訂單減少，方向很可能錯。短期內，實驗室仍會繼續搶產能，因為成長數字才是定價核心。 安全控制反而增加算力消耗 更多安全機制不會省算力，反而更耗。OpenAI 在 Hugging Face 事件後，已把約 20% 算力拿去監控思維鏈。若要讓 METR 這類第三方真正嵌入訓練流程，還得理解模型行為、GPU 叢集與 Kubernetes，計算成本極高。Doug 用極端邏輯補充：若模型消滅人類，終端價值歸零；因此任何降低災難機率的動作，理論上都該抬升整體市場估值基數。安全不是減速器，而是新的算力消耗項。 宣言缺乏硬性約束 Dario 文章最具體的承諾，幾乎只剩引入 METR 做嵌入式評估、審查訓練流程而非只看輸出。但 METR 大約只有 40 人，要同時覆蓋兩大實驗室的複雜基礎設施，門檻極高。更諷刺的是，METR 自己才剛發生 API key 被盜、損失約 60 萬美元算力。Joey 認為短期財務與 IPO 影響很小，反而可能因為安全檢查點增加而加快招聘。真正關鍵不是宣言措辭，而是後續有沒有可驗證的執行。 OpenAI Hugging Face 事件 防守前沿模型攻擊，本身也需要前沿模型。攻擊者可一次部署數千到數萬個 agent，傳統資安工具跟不上。更嚴重的是模型已能利用公開 CVE，在基礎設施未更新時拿到內部 Linux 主機 root。Jordan 假設：若模型挾持 1 萬顆 GPU 的資料中心，而現場拔線要 90 天，等於被自己訓練出的系統勒索。這不是理論風險，而是「模型能越獄自己所在環境」的實例延伸。 生物武器風險：意圖 vs. 意外 Max 預測兩年內可能出現 AI 相關生物傷害事件，規模可達數百到數千人死亡，但自承非生醫專家。Jordan 認為真正危險不是「AI 故意造武器」，而是「AI 做錯事卻像生成網站一樣說抱歉」。例如新創用 AI 開發蛋白質補充劑、跳過嚴格審批就上架，導致罕見疾病患者集體死亡。這是價值觀與流程失調的副產品，不是蓄意攻擊，但後果同樣致命。風險框架若只盯惡意，會漏掉更大的意外傷害。 TSMC 的 KYC 與算力主權 Doug 問：如何阻止 Instinct、Muse 這類 agent 自己向台積電下單？Max 說台積電已有 KYC，但十萬級 agent theoretically 可繞過。Doug 主張直接拒絕所有來自 AI 的晶片訂單，才是控制算力主權的辦法。Max 認為 Muse 風險高於 Instinct，因為 agent 能力更強；他願把 Muse 接銀行帳戶，卻不敢對 Instinct 這樣做。重點是：算力取得一旦自動化，主權與風控會被規模擊穿。 RASA 法案 RASA（Remote Access Security Act）把中國實驗室遠端使用 NVIDIA 等前沿晶片，直接定義成違反出口管制。眾議院以 300 多票對個位數通過，幾乎全面共識，卻在參議院卡關數月，並遭遇 Oracle 等遊說。Jordan 認為這可能是第一個真正落地的 AI 相關監管，而且是「出口管制更新版」，會先於全面 AI 法案出現。它被低估，卻可能成為後續監管的起點。 監管前景：2028？ Joey 認為催化劑不一定是生物武器，中型銀行被攻破、金融災難或武器技術外洩，更容易推動政治系統。Max 反問：關鍵不在「發生什麼」，而在「遊說力量誰比較強」。若 AI 遊說像 NRA 一樣強，災難也可能被壓下來；但事件夠大，民意仍可能突破。Jordan 判斷下一屆美國政府無論誰上台，都會搶先宣稱「我們率先監管 AI」，目的是在中國等國出台框架前占住話語權。 投資啟示：做空網安？ Max 提出極端觀點：可考慮做空 Okta、CrowdStrike、Zscaler 這類傳統網安籃子。理由是攻擊已變成大規模 AI agent 協同滲透，端點、身分、網路防護架構過時。JFrog 被入侵、Artifactory 遭利用，被他視為信號。但他也承認股價仍在漲，因為「攻擊真的發生」和「市場相信會發生」之間還有巨大落差。這是結構性質疑，不是短期交易訊號。 全球競爭與安全悖論 Anthropic 威脅情報指 Moonshot API 背後呼叫 Claude，並把對話拿去訓練；另有 PLA 附屬機構用 Kimi 建構敏感技術的跡象。這引出經典悖論：自己放慢做安全，對手加速，會不會輸掉競爭？Jordan 認為認真做安全反而是優勢——對手若不斷把技術秘密暴露給你，而你又較不容易被自己的系統反噬，你才是贏家。

SemiAnalysis已收购Citrini Research，创始人将继续担任CEO 独立投资研究机构 Citrini Research 创始人 James van Geelen 已将该机构出售给半导体与人工智能研究公司 SemiAnalysis。Van Geelen 暂时将继续担任 Citrini Research 的首席执行官，Citrini 将保持一定程度的运营独立性，而非完全并入 SemiAnalysis 品牌。目前尚无法获悉交易价格。

SemiAnalysis认为SpaceX 2027年新增算力或超10GW，年度经常性收入有望达3000亿美元。 这源自于它们模型推算目前推理依然是暴利：OpenAI 和 Anthropic 在 GB300 集群上提供 API 推理服务，每 GW 每年可产生超过 1000 亿美元收入。 如果按每 GPU 每小时 3 美元的租赁价格计算，每 GW 年成本约 120 亿美元，推理毛利率超过 60%，部分旗舰模型可超过 85%。

SemiAnalysis创始人最新访谈：存储还有翻倍空间！ 在接下来的三年里，内存容量每年仅增长 20% 到 30%。然而需求却在成倍增加，成倍增加。 因此，最终的结果将会是内存价格持续飙升。 那些对价格敏感度较低、或者说较难适应价格弹性的内存用户，将会退出市场。比如智能手机、笔记本电脑等， 因为成本会飙升得非常厉害，它们将被迫退出市场。而这一切都将为人工智能（AI）让路。 这意味着，在那种情况发生之前，价格只会不断飙升、飙升、再飙升。 因为产能的增长速度根本赶不上，所以归根结底，我们的核心观点是： 内存并非面临普通的短缺，而且这绝不是短期的短缺。而是一场将持续数年之久的供不应求。 优秀，不足以托付。 唯有最好，方可重仓。 #美股# #芯片股# #半导体# #投资认知# #英伟达# #美光# #SNDK# #MU# #WDC# #STX# #SK# Hynix #Samsung#

SemiAnalysis创始人Dylan Patel最新访谈：存储仍有2-3倍上涨空间，CPU为短期补缺，CPO量产推迟至2028年底-2029年 Dylan Patel指出，Anthropic已实现自由现金流转正、ARR突破500亿美元且毛利率超70%，有力回应市场对AI ROI的质疑。 硬件层面，AI推理模型驱动的内存需求呈结构性爆炸增长，供应缺口将持续多年，价格仍有2-3倍上涨空间； CPU增长主要来自历史补缺，属短期「迷你周期」； CPO大规模量产推迟至2028年底-2029年，铜缆红利期意外延长； 电力瓶颈则推动数据中心加速转向「表后电源」自建方案，催生能源与电力转换供应链的重大投资机会。 AI基础设施各层同步承压，机会与风险并存。以下为Dylan Patel访谈核心观点的逻辑重构与分析提炼。 1. AI需求侧：ROI疑虑落地，Anthropic率先实现盈利 市场普遍质疑AI投资回报，Dylan以Anthropic具体数据回应：2026年Q2已实现自由现金流转正（4-6月连续盈利），ARR超500亿美元，毛利率超70%。 OpenAI也随Codex等产品采用率提升快速增长。 SemiAnalysis自身AI支出轨迹印证这一趋势：2025年11月90人团队年化AI支出不足10万美元；2026年1月底因Claude Code大规模应用飙升至400万美元； 目前达1100万美元（峰值周折算1400万美元），已占人力成本三分之一，年底可能达一半。 分析洞见：更强模型未必更贵。新模型通过更高token效率（例如任务从10万token/多轮交互降至2.5万token/单次完成）降低综合成本。 这正是Anthropic在竞争中领先OpenAI的关键：token效率更高，用户总成本更低。 企业往往通过削减其他SaaS支出、而非压缩AI预算来支持AI增长，生产力提升带来的价值远超增量成本。 2. 内存：结构性超级周期，而非普通周期 Dylan对内存最为看好，判断这不是短期短缺，而是持续多年的结构性短缺。 核心驱动：推理模型（尤其是o1-like）使上下文长度爆炸式增长，KV Cache需求激增。传统对话上下文仅数千token，而推理模型可达数十万token，内存消耗呈指数级差异。 供给侧：内存产能年增长仅20-30%，远低于AI需求翻倍速度。价格已涨约4倍，预计还将再涨2-3倍。消费电子（中低端手机出货已降40%）将率先被挤压，iPhone/MacBook等高端产品明年价格将上涨，直至AI获得足够产能。 长期视角：即使未来进入下行周期，从波谷到波谷仍呈明确增长趋势。内存将从大宗商品转向高毛利结构性成长品类。 3. CPU：补缺行情为主，勿过度外推 CPU因强化学习（环境验证）和智能体（工具调用、实时交互）需求复苏，但Dylan给出明确警示：这主要是历史补缺，属短期迷你周期。 - 过去数百万颗AI加速芯片出货，但配套CPU严重不足，目前处于集中补齐阶段。 - 单系统价值：Blackwell GPU约5万美元，CPU仅约5000美元。即使CPU配比提升，绝对金额仍远低于GPU和内存。 - 长期来看，一旦补缺完成，需求回归正常增量，增长速度不会持续超过AI加速芯片。 分析：CPU是AI服务器中的「配角」，其重估已较合理，但不会改变GPU+内存主导的格局。 4. 光互联：CPO推迟，铜缆红利延长 CPO（共封装光学）被市场过度乐观，Dylan判断大规模量产推迟至2028年底-2029年。 原因：制造良率、芯片设计、供应链成熟度不足。 NVIDIA Rubin及后续Feynman架构仍主要采用铜方案，CPO需等待多代迭代。 中期机会：铜缆和非CPO光学方案受益更大（如安费诺等连接器公司）。长期CPO必然发生，但短中期铜缆仍有显著红利窗口。 5. 电力：表后电源成主流，能源链条机会广阔 电力是AI增长最硬的物理约束。预测：今年新增数据中心用电20GW，明年30GW，后年50GW。 拆解三维度： - 输电：最难突破，受监管、地方垄断、成本分摊机制制约。 - 发电：表后电源（自建）将占新增用电约一半。主流为CCGT联合循环燃气机组（GE Vernova、三菱、西门子），同时涌现往复式发动机、工业燃气轮机乃至改装车/船/火车发动机的创新方案。 约两年后，太阳能+储能成本有望低于燃气；更长期可考虑太空数据中心（无需储能）。 - 转换：IGBT、SiC、GaN MOSFET、固态变压器、UPS、超级电容等电压转换链路快速演进（12V→54V→800V DC等）。 SemiAnalysis目前最大研究团队正是「DEI」（Data Center、Energy & Industrial），追踪全球每座数据中心与发电资产动态。 总结投资逻辑 AI基础设施每一层均面临瓶颈，但也孕育结构性机会：内存超级周期、铜缆延长红利、表后能源与电力转换链。 Dylan Patel的判断强调区分短期补缺与长期结构性趋势，避免情绪化外推，聚焦供需错配、技术落地时间线与经济学本质。 此分析框架，帮助投资者穿越市场噪音，把握AI基础设施的真实脉动。 $DRAM

SemiAnalysis 刚刚发了一篇对 Anthropic 的财务分析： - 在 2026 年第三季度实现 10 亿美元 GAAP 息税前利润 - 在 2027 年实现 3000 亿美元的 ARR 按照 20 倍 PS 计算，Anthropic 的估值将达到 6 万亿美元，成为全球市值最高的公司 如果真是按照这个数据，大概率继续缺 GPU、CPU、存储、算力… So Crazy

SemiAnalysis的创始人Dylan Peter在访谈中提到，OpenAI的架构比较稀疏，Anthropic的架构虽然也是MOE，但是没那么稀疏。刷了原文，很多有意思的观点： ① 模型架构分化：OpenAI 更稀疏，Anthropic 更稠密 Dylan 的原话是，两家的模型架构相当不同。OpenAI 的要稀疏得多，这有它的好处；而 Anthropic 的，仍然是稀疏的，但总体上更稠密，这又有另外的好处。 所以实际上，按 OpenAI 模型现在的走向，他们去用 TPU 可能会是一个糟糕透顶的决定；而按 Anthropic 和 Google 模型的走向，他们用 GPU 做训练，可能同样是个糟糕透顶的决定。 ② CUDA 护城河正在变形 这可能是整段访谈最有意思的部分。 红杉的 Sean 说他以前觉得 CUDA 是 NVIDIA 最大的护城河，但最近几个月改观了。因为模型已经很会写 kernel 了，Claude 和 Codex 能帮你做大量优化工作，编程壁垒在瓦解。 Dylan 的回应很妙：CUDA 护城河确实在被部分解绑，但原因不是 CUDA 本身，而是中国开源模型。 DeepSeek、Kimi、通义、智谱、小米……这些公司开源出来的模型，全都是按 NVIDIA GPU 协同设计的。下游的推理服务商、做 RL 定制化的公司，拿到这些模型一看，expert 的 shape、attention 的 arithmetic intensity，全是对着 GPU 调过的。你要跑在 TPU 上，不好意思，跑不好。 所以护城河不是 CUDA 编程难，而是整个开源生态默认你的硬件是 NVIDIA。谷歌要破局怎么办？Dylan 的潜台词：你得开源自己的强模型，让生态反过来适配 TPU。Gemma 是在往这个方向走，但还不够猛。 （感觉这跟之前 DeepSeek v4 用华为 CANN 栈跑 Day 0 推理是一个信号：非 CUDA 路线不是不能走，但得有人先把模型给你调好。） ③ 黄仁勋在下什么棋：制造多极世界 Dylan 对 Jensen 的解读非常锋利。 Jensen 最怕的世界是什么样的？只有三家超大云厂商 + 三家闭源实验室。那种世界里，Google 自己有 TPU，Amazon 自己有 Trainium，Microsoft 可以跟 AMD 深度合作，NVIDIA 的定价权直接崩。 所以 Jensen 到处投资 NeoCloud（Crusoe、CoreWeave），到处扶持 NeoLab（包括 Thinking Machines 这种刚起步的），力挺中国开源模型。不是因为他慈善，是因为他需要买家足够多、足够分散。 Dylan 说得很直：今天一张 GPU 卖给 Crusoe 和卖给 Google，对 NVIDIA 来说价格一样。但五年后，Crusoe 和 CoreWeave 活着，意味着 Google TPU 的议价权更弱、Amazon Trainium 的空间更小。更多推理跑在非闭源模型上，对 NVIDIA 就更有利。 （换句话说，Jensen 买的是供应链的分散度。） ④ “AI 没 ROI”是最让他恼火的言论 这段对应 42:11，Dylan 情绪很明显。 他说最让他恼火的就是有人跑出来说“AI has no ROI”。他拿出来的数据是：AnthropicQ2 盈利了，一个 Opus token 的 API 毛利 80% 以上。他们现在租 GPU 的逻辑是：每个 GPU 租能立刻卖 token 出来，而且是正毛利。就算 compute 成本翻倍，gross margin 从 75% 掉到 50%，NOI 还是在涨。所以他们愿意出高于市场价拿货。 还有一种说法也让他烦：模型进步停滞了。他的回应很简单：能力曲线一直向右上走。你觉得 benchmark 不涨了，是因为饱和了，换个新 benchmark 又在飙。 （Fable 发布之后，即使价格更贵，用户也在大量迁移过去。大家用脚投票。）