转发提示词：风格人物+精神投射 by 虎小象 @hx831126 不是单纯的Pixar风格，有点Designer Toy 风格 让模型帮我加入了人物戏剧夸张的身形和表情「修长身形，大脚，块状的结构」 以此慢慢的 让模型延展其他人物。 提示词： A high-resolution vertical Pixar-style 3D character illustration. Main character: Salvador Dalí — depicted as a tall, slim, and slightly exaggerated Pixar-style 3D character. Wearing a classic blue shirt, yellow tie, high-waisted plaid trousers with suspenders, and leather shoes. His iconic long upturned mustache, slick black hair, sharply arched eyebrows, and slightly eccentric posture. Stands with chest out, one hand on hip, head tilted slightly back in his typical theatrical flair. Background: Flat, clean yellow background with subtle surface texture. Strong sunlight from top-left casts a distinct and enlarged shadow on the wall behind him. Key Concept – Shadow as spiritual projection: The shadow cast behind him does **not** mirror his body shape. Instead, it takes the form of one of his most iconic artworks — a surreal melted clock with long dripping arms, inspired by “The Persistence of Memory”. The melted clock shadow is positioned diagonally, starting from his shoulder, stretching wide and low across the yellow wall, surreal and fluid, yet unmistakably symbolic. This shadow is **Dalí’s legacy made visible** — a symbolic extension of his identity through time, dream, and visual distortion. Lighting & Rendering: Pixar-like rendering with detailed but stylized textures. Use subtle filmic grain, soft shadows, and warm color grading. Subtle sparkles or light speckles inside the shadow to evoke dreamlike texture. Typography (top-left corner): “Salvador Dalí” in minimalist black sans-serif font, “Dalí” bolded.

八掛海 @umi_sea_0v0 31/5（星期日）攝影會將於本日13/5下午三時正式開售，現可透過網站閱覽： 5月31日 八掛海攝影會 將分為3場進行，主題如下： 31/5（星期日）八掛海攝影會 - 第一節：白貓之花嫁願望（1230-1345） 31/5（星期日）八掛海攝影會 - 第二節：軟萌兔兔（1500-1615） 31/5（星期日）八掛海攝影會 - 第三節：粉紅魔法女僕（1730-1845） 活動日期：5月31日（星期日） 活動地點：詳細地址會個別通知 攝影會費用：$1800/場（限量發售：FULL SET優惠價$4800三場） 活動時間：請在活動開始前10分鐘前來向工作人員登記 活動內容：每人專屬時間2分鐘，非專屬時間內其他人可在不影響專屬參加者情況下在旁拍攝。專屬時間完結後可與八掛海合照及簽名。 攝影X2 ：大會設定使用Wide Cheki機，參加者可改為使用手機合照，只能二選其一。 簽名X2 ：私物簽Ok！！簽名時間上限為每人1分鐘 注意事項: 1. 由於攝影會不設實體券，到時請向工作人員出示電子收據就可以進場。 2. ⁠每人會分配專屬時間，在專屬時間內女優只會對著你的鏡頭，其他人在不影響專屬參加者情況下可在旁拍攝。 3. ⁠嚴禁拍片 4. 嚴禁拍攝其他參加者或任何工作人員 5.⁠ 只容許使用相機或手機進行拍攝，不可使用其他攝影器材包括即影即有相機 6. 禁止閃光燈。 7. 不設限購數目，每人最多可參加三場。 8. 如因私人問題無法出席活動，以購入的活動券將不能轉成其他女優活動；所有活動券不設退款，購買前請先知悉。

JULIA 5月10日OFF會，現已正式開售！！ @JULIA_1stid 購券連結： 日期: 2026 年 5 月 10 日（星期日） OFF會活動時間: 13:00 - 17:00（約四小時） 活動內容：聚餐、合照X2、簽名X1、抽獎/小遊戲 地點：會有職員另行通知 收費: $1800（本次活動價格由日方制定，價錢已包午餐，及無酒精飲品任飲） 簽名X1: 每位參加者可獲取JULIA簽名一個（每人簽名時間上限為一分鐘） 攝影X2: 每位參加者可與JULIA合照Wide Checki / 手機兩張；可選Wide Checki / 手機

《JULIA特別券LINK》： @JULIA_1stid ①甜蜜餵食（不可錄影） JULIA餵你吃糖果～♪ ：「張開口～再靠過來一點嘛～♪」 ②心動對視（不可錄影） 傳說對視8秒就會心動..？你們能夠對視多久？💓沒有限時，直到其中一方避開眼神。 ③親密Wide cheki 2張（由JULIA自訂Pose） JULIA以自訂Pose與你合照兩張！照片由工作人員拍攝，兩張Wide cheki

AI光互连正在进入“混合化时代” AI scaling真正撞墙的位置，已经越来越接近data movement。移动bit的成本，开始越来越接近，甚至超过计算bit本身。 massively parallel IO、power/bit、thermal density、reliability、optical packaging、chip-to-chip bandwidth这些问题越来越成为瓶颈。未来光互连越来越像系统工程问题。 AI光互连重要的趋势，是“光互连混合化”。行业正在从每模块独立激光、pluggable optics、板级光模块，逐渐走向 CPO、ELS（External Laser Source）、Optical IO、chiplet optics、MicroLED optical interconnect。核心原因很简单：激光器越来越难放在最热、最密集、最难维护的位置。于是行业开始把激光集中化、共享化、远程化。ELS路线背后的本质，也是把光源从局部模块变成系统级资源。 ai集群的网络功耗正在逼近计算功耗。GPU越来越像“被IO限制的计算器”。于是光开始越来越靠近封装。过去是 GPU → PCB → 铜 → 光模块 → 光纤。未来越来越像 GPU旁边直接就是光。而一旦光进入封装，热、良率、耦合、封装、可靠性，全部开始指数级变难。 于是MicroLED开始成为选项。传统激光路线更强调单通道极限速度、长距离、相干性、超低损耗。MicroLED路线更强调海量并行lane、超短距离、低功耗、CMOS-like scaling、低成本、超高密度。重要的是，它更接近“半导体+显示产业链”的制造逻辑。 很多人会把MicroLED理解成激光替代。更准确的理解是：它更接近“铜线升级方案”。尤其适合 chip-to-chip、package-to-package、board-level optics、rack内部互连这些超短距离场景。 这里真正重要的，是总IO数量能不能持续扩展。 现在这个方向最积极的推动者之一，其实是Microsoft。MediaTek已经和Microsoft Research联合开发基于MicroLED的AOC（Active Optical Cable）。路线很明确：重点放在AI scale-up网络里的超短距高并行光互连。核心思路是“slow-and-wide”。重要的是海量低速并行光通道，而不是少量超高速channel。这其实非常符合AI时代的网络特征，因为AI真正需要的，越来越像“无限并行IO”。 MTK具备完整的数据中心系统能力，包括高速IO、ASIC协同、SerDes、封装、power delivery、hyperscaler协同、大规模量产。而且它已经绑定Microsoft。这意味着它已经开始进入hyperscaler验证阶段。微软公开时间线是2027年前后开始商业化部署。 另一边，KOPN也已经正式进入这个赛道。它原来的核心能力是AR、military optics、MicroLED display，但现在已经开始向AI optical interconnect迁移。KOPN已经和Fabric. AI合作，推出MicroLED optical interconnect demo chipset，并签下初始订单和exclusive agreement。这意味着行业已经开始从“研究验证”进入“早期商业化验证”。 KOPN和MTK路线很接近，都在赌未来AI网络会从“few ultra-fast lanes”转向“many lower-power parallel optical lanes”。重要的是，两者定位不同。MTK更像系统路线定义者，KOPN更像底层光源和器件供应商。未来很可能形成：MTK负责系统方案，KOPN负责部分核心MicroLED器件，其他SiPho/CPO厂商提供不同层级补充。整个行业最终更像异构拼图。 这个赛道门槛是半导体、光学、显示、封装、数据中心系统五个产业叠加。难点是如何同时做到：超高良率、超高一致性、超低误码率、超低功耗、超长寿命、超高密度。这里最难的几个环节包括：III-V外延、GaN制造、MOCVD、mass transfer、wafer-level alignment、光学耦合、thermal engineering、光学封装。 MicroLED仍然高度依赖III-V GaN体系，尤其蓝光/绿光MicroLED，本质更接近显示产业链。其瓶颈是GaN外延、高端MOCVD、MicroLED mass transfer、wafer-level alignment、optical packaging、thermal management、高速驱动IC。 很多东西已经开始接近“TSMC CoWoS + 光学 + 显示制造”三者叠加的复杂度。所以这个行业最终很可能形成极少数核心玩家，而且一旦进入hyperscaler production，护城河会非常深。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

0G Al Alliance Carnival正式启动，千万不要错过。 The 0G Al Alliance Carnival is officially live. Don’t miss it. 0G 亚太生态正在快速扩张。🌏 越来越多 AI Native 项目正在加入 0G，为社区带来更多早期参与机会。 The 0G ecosystem in APAC is growing rapidly, bringing early participation opportunities for creators and communities across AI + Web3. 本次 Carnival 将联合多个生态项目，通过线上任务、社区活动与线下曝光，共同推动 0G 生态增长，也让大家能抢先体验产品并获取早期 Alpha。 This campaign connects ecosystem projects through quests, community activations, and offline exposure to accelerate the growth of the 0G AI ecosystem. 👇 Participating Projects & Rewards | 参与项目及奖励 ━━━━━━━━━━━━━━ 🔹 @NeoSoulAI 基于 AI Agent Oracle 的原生 AI 预测市场。 AI-native prediction market powered by autonomous agentic oracles. 🎁 Rewards: • 1,000,000 NeoSoul Tokens • $OUL Points ━━━━━━━━━━━━━━ 🔹 @Ghast_AI 构建于 0G 之上的原生 AI Agent 基础设施，让 AI 记忆与交互成为可交易资产。 Native AI Agent infrastructure built on 0G — turning AI memory & interaction into tradable on-chain assets. 🎁 Rewards: • 50 Early Bird Codes ━━━━━━━━━━━━━━ 🔹 @moonfun_ai 将 Meme Token 演化为具备自主能力与社交智能的 AI Agent。 Transforming meme tokens into autonomous living AI agents with social intelligence. 🎁 Rewards: • 50,000 Moon Points ━━━━━━━━━━━━━━ 🔹 @primus_labs 面向链上链下数据与身份验证的隐私证明层。 Privacy-preserving verification layer for identity, data, and on-chain/off-chain activity. 🎁 Rewards: • Primus Reputation Score ━━━━━━━━━━━━━━ 🔹 @gmdottown 打造下一代 Agent Economy，实现 AI Agent 的自治协作与交易。 Building the next-generation Agent Economy for autonomous coordination and 24/7 AI workforce trading. 🎁 Rewards: • 50 OpenWhale Founding Member SBTs ━━━━━━━━━━━━━━ 更多 0G 生态项目即将加入。👀 More ecosystem projects are joining soon. 0G 亚太 AI 生态的增长才刚刚开始。 This is just the beginning of the 0G APAC AI expansion. 🌐 Online Quests 🌐 Offline Activations @ BEYOND Expo 🌐 Ecosystem-wide Collaboration 🌐 Early Community Rewards 更多任务与奖励即将公布，保持关注。 Stay tuned. 本次活动由 0G 生态项目 @lighthouse_2026 提供市场支持。 This event is supported by 0G ecosystem project @lighthouse_2026 for marketing.

之前做LLM推理芯片架构探索的时候，我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重，但底层逻辑都在同一个框架里：片上大SRAM + dataflow架构 + 确定性调度，核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家，而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级：不做芯片，直接做整片wafer。 单颗WSE-3，21.5cm × 21.5cm的整片晶圆，90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的，把原本用于晶圆切割的窄条改造成跨reticle的金属导线，让所有reticle在物理上拼接成一整块芯片。（配图二展示了单颗WSE-3内部结构：左半边是整片晶圆的reticle网格和scribe-line拼接，右半边放大了单个PE的微架构。） 单个PE的结构极简：8-wide FP16 SIMD计算核，48KB本地SRAM直连，没有cache层级，所有数据访问都是确定性的单周期。加上一个5端口路由器（N/S/E/W + loopback），相邻PE之间的通信延迟也是单周期。关键在于，跨reticle边界的mesh在物理参数上和reticle内部完全一致，编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看，这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token，模型权重要被完整读取一次，计算量却很小，典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运：HBM带宽有限，多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联，每一层带宽和延迟都差几个量级，编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s，权重从外部的MemoryX存储集群通过SwarmX流入wafer后，在PE之间按数据流模式传播执行，同一套placement和routing算法跑遍整片wafer。（配图一展示了这个系统级架构：MemoryX参数存储集群到SwarmX互联fabric，再到底层最多2048台CS-3节点，权重广播和梯度规约的数据流方向一目了然。） 90万个PE各自带48KB SRAM，合计约42GB片上存储，每个PE对自己本地SRAM的访问是单周期确定性的，PE间通信每跳single-cycle，延迟和曼哈顿距离成正比。对于推理场景，前提是weight streaming的编译器能把权重有效地分配到对应的PE上，这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案，没有cache层级带来的访问不确定性，没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候，NoC拓扑和内存层级的权衡花了大量精力，因为芯片边界是硬约束，跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层，代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部，scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级，几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理，从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延，这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片，任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对，但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式，叠加23kW、15U的单系统功耗和体积，部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大，但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考，FP16下128K上下文的KV cache就要吃掉约40GB，即使做KV cache量化，长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储，数据要经过SwarmX回传，这条路径的带宽在Tbps量级，和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。