英伟达与高通猝不及防，中 国车企自研芯片纷纷登场！ 当英伟达CEO黄仁勋在CES 2025上自信地宣布"自动驾驶 汽车已经到来"时，他可能没 有意识到，他口中那些"必须 使用自动驾驶技术"的汽车公 司，正悄然将他从核心供应 商的名单上划掉。同样，高 通CEO安蒙或许也没想到， 那个在汽车座舱芯片市场占 据70%份额的巨头，在智能 驾驶领域正遭遇中国车企的 集体"叛逃"。一场由中国车企 主导的自研芯片浪潮，正在 改写全球汽车半导体的权力 版图。 01 从"买买买"到"造造造"：中国 车企的芯片觉醒 时间回到几年前，英伟达的 Orin系列还是中国高端智驾 市场的绝对王者。小米 SU7、理想L系列、极氪001 等明星车型，无不以搭载双 Orin X芯片（508 TOPS算 力）作为智能化卖点。高通 则凭借骁龙8295座舱芯片， 几乎垄断了智能座舱市场。 彼时，英伟达Orin-X单一型 号即占据中国智驾域控芯片 约45%的装机量，高通在座 舱领域的统治力更是无人能 及。 然而，转折来得比想象中更 快。2025年，中国车企自研 智驾芯片进入规模化量产元 年：小鹏的"图灵"AI芯片在二 季度量产上车，蔚来ET9搭 载自研的5nm"神玑 NX9031"芯片交付，吉利旗 下芯擎科技的"星辰一号"7nm 芯片也实现量产。甚至连一 向在智能化上"慢半拍"的比亚 迪，也在2024年启动了自研 芯片项目，推出4nm制程的 BYD 9000座舱芯片。 这场自研浪潮的导火索，首 先是成本。> 蔚来创始人李 斌曾算过一笔账：自研芯片 后，"一年可以少花几十亿人 民币采购英伟达的芯片"。小 鹏汽车为研发图灵芯片耗资 超百亿元，历时五年，其间 甚至因架构错误赔偿数亿元 推倒重来。何小鹏坦言，虽 然投入巨大，但自研芯片在 BOM成本上每颗可节约约 1200元，大规模出货后将显 著优化整车成本结构。 更深层的动机，是对技术自 主权的渴望。英伟达和高通 的芯片本质是"通用平台"，车 企只能在其框架内做算法适 配，大量算力被闲置。而小 鹏的图灵芯片专为AI大模型 设计，算力利用率比通用芯 片提升20%，最高支持本地 运行300亿参数的大模型。蔚 来神玑NX9031采用5nm工 艺，拥有500亿晶体管规模， 官方宣称"一颗抵四颗Orin"。 这种软硬件深度耦合带来的 效率提升，是外采芯片无法 比拟的。 02 英伟达的"Thor焦虑"与高通 的"融合困境" 面对中国车企的集体转向， 英伟达并非没有准备。其新 一代Thor芯片将算力天花板 推至2000 TOPS，试图以绝 对性能优势巩固地位。然 而，Thor芯片的量产时间多 次延期，引发部分车企转向 自研或国产方案。更致命的 是，Thor的"黑盒属性"让车企 担忧——一旦深度绑定英伟达 生态，未来的算法迭代将受 制于其技术路线。 英伟达汽车业务的增长"失 速"已现端倪。虽然其在AI算 力上的技术积淀短期内仍不 可替代，但市场份额的下滑 趋势明显。2025年下半年， 地平线的征程J6P开始交 付，直接挑战英伟达在 L2++市场的地位；华为昇腾 MDC平台搭载量突破100万 辆，与特斯拉自研FSD并列 成为行业标杆。英伟达在中 国市场的统治力，正从"绝对 垄断"退化为"多元竞争中的一 极"。 高通的情况则更为微妙。它 在座舱芯片市场的优势无人 能撼动，全球超3.5亿辆汽车 搭载骁龙数字底盘，中国市 场覆盖超210款车型。但在智 驾领域，高通走的是"舱驾融 合"差异化路线，主打中低端 车型的成本优化。骁龙8650 智驾芯片算力仅30 TOPS， 与英伟达Orin X的254 TOPS 相去甚远；即便是最新的 Ride Elite至尊版，约720 TOPS的AI算力也未能打开高 端市场。 中国车企的自研策略，恰恰 精准打击了高通的软肋。小 鹏图灵芯片不仅用于智驾， 还能支持智能座舱功能，实 现"一颗芯片管全车"的舱驾融 合。蔚来、吉利也在推进类 似的全融合SoC方案。这意 味着，高通赖以生存的"座舱 优势带动智驾"逻辑，正在被 车企自研的"全域融合"芯片所 颠覆。 03 从"供应商时代"到"战国时 代"：格局重构 2025年的中国智驾芯片市 场，可以用"旧王新贵的战国 时代"来形容。英伟达、高 通、Mobileye等国际巨头， 华为、地平线等本土供应 商，以及小鹏、蔚来、吉利 等车企自研力量，三方势力 交织缠斗。 一个显著的趋势是：车企自 研并非要完全取代供应商， 而是构建"自研+外购"的混合 模式。理想汽车仍在部分车 型上使用英伟达Orin X，但同 时推进自研M100芯片，预计 2026年量产；小米SU7继续 搭载英伟达双Orin X，但业内 传闻其自研的"玄戒O2"芯片 将于明年上车。这种"多条腿 走路"的策略，既保障了供应 链安全，又为技术迭代预留 了空间。 对英伟达和高通而言，真正 的威胁不在于失去某几个客 户，而在于行业规则的改 写。过去，芯片厂商定义算 力标准，车企被动跟随；如 今，车企根据自研算法需求 反向定义芯片架构。端到端 大模型、VLA（视觉-语言-动 作）模型的兴起，让"有效算 力"取代"峰值算力"成为新的 评价标准。英伟达Thor的 2000 TOPS固然耀眼，但如 果无法高效运行车企的特定 模型，不过是数字游戏。 更深远的影响在于生态。小 鹏图灵芯片不仅用于汽车， 还将搭载于AI机器人和飞行 汽车；蔚来神玑芯片未来可 能外供其他车企。一旦车企 自研芯片从"成本中心"转变为 可外供的产品线，英伟达和 高通将面临来自下游客户的 直接竞争。 Synopsys首席执 行官曾预言："更多汽车制造 商将不得不在公司内部构建 芯片开发设计能力。"这一预 言正在中国率先成为现实。 04 未来：开放与封闭的博弈 站在2026年的门槛回望，中 国车企自研芯片的浪潮绝非 一时冲动，而是智能电动汽 车产业成熟的必然结果。当 软件定义汽车成为共识，硬 件必须与算法深度协同；当 数据成为核心资产，算力平 台必须掌握在自己手中。英 伟达和高通或许曾以为，凭 借技术优势和生态壁垒可以 高枕无忧，但他们低估了中 国车企对技术主权的执念， 也高估了"通用平台"在垂直场 景中的不可替代性。 当然，这场变革并非零和博 弈。英伟达的CUDA生态、高 通的连接技术，短期内仍是 行业基础设施。中国车企的 自研芯片，更多是在"增量市 场"中争夺定义权，而非在"存 量市场"中彻底颠覆。但一个 不可否认的事实是：全球汽 车半导体的权力中心，正在 从硅谷向东方转移。 英伟达与高通没想到的，或 许不是中国车企会自研芯片 ——毕竟特斯拉早已做出示范 ——而是这股浪潮来得如此迅 猛、如此决绝。当小鹏 MONA M03的升级版悄然换 上自研图灵芯片，当蔚来 ET9以78.8万元的身价搭载神 玑NX9031驶下生产线，当比 亚迪将自研芯片铺向10万至 20万元的主流市场，一个属 于中国"芯"的时代，已然开 启。 而对于英伟达和高通来说， 最紧迫的问题不再是"如何卖 出更多芯片"，而是"如何在车 企自研的时代找到自己的新 位置"。毕竟，当曾经的客户 变成竞争对手，游戏规则已 经彻底改变。

今天芯片圈最大的新闻，莫过于Gerard在创立Nuvia CPU被高通收购五年之后，重新出发，新创立了ARM CPU公司，名字也跟之前非常像，叫Nuvacore 现在这个时间点做数据中心CPU，确实是赶上了CPU十年来最好的时代: AI agent带来CPU短缺潮已经经隐隐浮现，AWS多个客户都提出要包揽所有Graviton ARM CPU产能 ------------ 这个消息对硅谷的芯片打工人吸引力是巨大的，Nuvacore这次的阵容都是功成名就的明星阵容，以前Nuvia创始团队重新集合，拿了红衫的投资，做面向 AI 基础设施/agentic computing 的通用ARM CPU。当年还是一个尚未完全被验证的大方向都能大获成功，而现在ARM CPU服务器正在风口浪尖上，前景和想象力和2019年Nuvia比起来大了太多了 上一次Gerard把Google，苹果platform architecture组的架构大佬挖了好多过去，这次的号召力只会强得多，240m的融资，已经验证过的路径和创始团队，肉眼可见的下一个增长风口，一定会让Nuvacore成为湾区最热门最受追捧的芯片startup，没有之一。毕竟这是一个肉眼可见能财富自由而且风险收益比极好的机会 ---------- 遥想当年Nuvia第一代CPU的发布赶上苹果M2时代，还是挺震撼的，Nuvia让高通在一年的时间CPU跑分进步了整整三代，单核跑分从2300变成3200，竟然超过了苹果M2 max一大截 可惜Nuvia Phoenix core从发布到最后上市拖了太久太久，中间苹果把牙膏挤爆了连着上市了M3/M4，于是Nuvia CPU上市之后从跟M2比较变成了跟M4比较，从期待中的C位变成背景板了 当年Nuvia的眼光非常超前，在2019年ARM CPU服务器市场占有率几乎为零的情况下，就是想从零开始打通这个市场，2021年被高通14亿美元收购之后，高通也给了无限的资源支持，扩招力度很大，给的薪水都是市面上最高一档的。 可惜大环境在2022年恶化的很快，加上高通的管理层战略眼光实在太差太短视，在业界ARM服务器生态都开始有起色的时候，为了股价节约开支，竟然再一次把自家的Nuvia CPU 服务器团队解散了（算上2015年已经解散过一次ARM服务器团队） 直到2025年，Nvidia的Grace ARM CPU都已经发布四年了，Vera ARM CPU都已经自研好久了，Amazon的ARM CPU Graviton都快占据CPU服务器新出货的50%了，高通才后知后觉谨慎的重启ARM服务器项目 所以这次Gerard从高通的高管位置把之前的创始团队拉出来自己干，可能是因为高通高层战略眼光实在太差屡屡错过机会，上次Nuvia想做ARM服务器，高通的承诺也因为大环境恶化没做数，结果被收购之后被高通取消了项目直接改做了laptop芯片和手机芯片 加上高通今年在手机销量上因为内存和存储历史级的巨额涨价，可以预见要受到重创(市场萎缩30%)，能拿出的扩张预算有限，在高通能拿到的资源是受到掣肘的 而在创业公司里比在 Qualcomm 这种大平台里更容易拿到足够快的决策速度、团队纯度、产品定义权和资本叙事，于是选择在窗口已经被验证时重新集结老班底 但更可能因为，AI时代的CPU前景想象力真的太广阔了，完全值得重新投入一次，不是Gerard变了，而是外部市场变了 ------------------------ 进入2025年之后，AI agent的出现，隐隐让CPU重新变成了瓶颈 CPU服务器重新步入增长轨道，而且潜力巨大，有好几个因素： 1. 随着推理时代的到来，GPU演化到针对推理的系统级新架构，CPU 是永远在忙的总指挥orchestrator, 因为要追求token throughput，所以异构计算阶段变多 + 批处理数量batch越来越大，scheduling/routing/data flow复杂度变高，对orchestration要求也变高 所以在系统级异构推理架构里，AI加速器和GPU在CPU：GPU的配比上，也变得更为激进，从以前的1：4到Grace Blackwell的1：2，以后是很有希望达到1：1的比例的。Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU 这条在我的去年11月半导体年终回顾写过，基本上在2026年成为了共识，虽然这部分主要是各家AI 芯片自研，并不是纯粹的CPU服务器，其实不算是外部CPU服务器的机会 2. 也是同一篇年终回顾里写到的： 从CPU视角去看agentic workload，routing和工具处理都在CPU上，如果把常用的agentic框架做profiling，比如SWE-Agent, LangChain, Toolformer，CPU最长可以占到90%的E2E端到端延迟，throughput瓶颈也更多的卡在CPU，CPU甚至能耗也超过了总能耗的40% Agentic AI目前是一个CPU瓶颈更多的事情，Agent管理很多个CPU，再加上agent经常要开sandbox，很可能会成就CPU需求的新一波回暖 现在回看去年写的这个逻辑，潜力是非常大的。但其实年初可能并没有很大规模发生，年初的CPU增长和各家渲染的CPU短缺潮和这个逻辑暂时关系不大，更多可能是前几年的capex投入GPU的比例太大，造成传统CPU服务器投入不够，所以需求上升是一个回补之前传统服务器投入不够的部分。 但到了下半年甚至2027，agent会开始更广泛的铺开，比如智能导购和客服，已经占到了Amazon去年年底100万CPU采购的相当部分比例，这部分的增长是很快的 前两个逻辑，基本上是今年主流叙事在讲CPU潜力的共识，但是我的感悟是，还有另外两个逻辑被低估了： 3. 造成CPU服务器潜力更大，更长线的主逻辑，可能和agent本身没有直接关系，而是code agent带来的副产物： coding门槛和速度的大幅优化，让“构建软件 + 连接软件 + 调用软件 + 自动化软件”这整件事便宜了一个数量级，Jevons 悖论在software供给端的展开，最终把世界推向更高的软件密度和 API 密度，这直接带来了CPU传统workload的线性上升 从2025年年底开始，coding agent迎来了质变，Claude code迎来了爆发式增长，三个月的token营收增长了三倍，那么导致的下一步必然是Code量的十倍增长,以及App数量的巨量增长 即便是在大厂，每天1m token消耗只能算是个平均水平，人均coding量必然是翻倍的（小厂就是翻十倍了），code供给量暴增，不会只停留在 repo 里，而会逐步变成更多长期运行的软件资产，长期存活的feature变多，product变多，microservice变多，API变多 长线来看，App/API所有的生产成本和生产周期会变成原来的10%，API实现极大富足。那么API的Usage就会大量的上升,这就会造成传统CPU Workload或者说CPU Seconds大量的上升，这甚至和agentic没有直接关系 时间维度上，这个逻辑并不是短期性质，Claude code的爆炸是这几个月刚发生的事情，那么产品上线，microservice，api上线，可能都要向后延迟。当软件变便宜，社会不会少用软件，只会把更多事情软件化 所以也许到下半年甚至更久才会看到，传统cpu云的需求又莫名其妙增加了，表面上看，甚至和AI agent没有直接关系 4. CPU是一个技术上很难通缩的东西，不像内存/存储有很多压缩算法会降低单任务对存储的用量，CPU workload增长转化成硬件需求增长是实打实的 比如说kvcache其实每年都有各种压缩技术出现，老的压缩技术比如kvcache的multi-head它会share一个head（GQV），这个大概会相当于4倍的压缩，再比如说去年turboquant这个技术也会新带来几倍的压缩。然后加上数据精度从FP16到现在的下一步要到FP4，精度的下降都会带来kvcache的压缩，从而带来存储方面的技术通缩。 但CPU是一个技术层面上通缩量很小的事情，目前任何的agentic的cpu workload（CPU seconds）增长都是硬件需求增长，它通缩的方面只有每年每一代跑分提高的10%到15%。如果说另外通缩因素，比如云的五倍六倍的超卖会不会影响？不会，因为它一直是超卖的，所以说超卖/利用率低这个CPU技术通缩的因素不会继续扩大了，每个增长的CPU seconds都是不怎么带打折的硬件线性增长 ARM的指引是CPU的供需缺口可能会到30%以上，这几个原因的叠加，加上AI服务器对CPU服务器产能和订单的挤压，可能会让缺口更大，各个hyperscaler的反应可能是会滞后的 ------------------ CPU整体需求潜力增长的同时，ARM服务器CPU也赶上了历史上最好的时代： Hyperscaler为了节省成本，接近50%的新增传统server CPU都是ARM，Google的Axion，Amazon的Graviton，Microsoft的Cobolt，Graviton甚至2026年的产能已经全部卖完，瓶颈成了产能 Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU，这部分CPU为什么会集体转向ARM，除了成本因素之外，也因为推理系统为了追求token throughput，batch越来越高越做越复杂，自研ARM CPU以及系统性软件硬件的co-design会更方便，比如Nvidia是Dynamo去控制Vera和Rubin之间的协同 Nuvacore的规划上来看，不仅仅满足于做IP，也要做成品，因为在招聘网站上出现了validation engineer的职位 但是这次Nuvacore面临的挑战也不小：起步太晚了，无论是市场上，还是技术上，竞争都激烈了很多。CPU服务器和七年前比，已经复杂了很多，已经不再是单片CPU的竞争，而是rack系统级别的复杂度 现在开始做2028~2029年上市的CPU，要做到rack级别有竞争力，规模要大很多，基本上要几十个chiplet，500+个core拼起来，还要考虑如何适配AI agentic workload，工作量比以前明显要大的多，对一个startup的挑战比七年前也大得多 ---------------- 上次Nuvia在成立两年之后成功的以14亿美元出售，这次市场热度比五年前高了一个数量级，Nuvacore之后的路会怎么走呢？ 如果是被收购路线，其实买家可能比五年前比并没有更多，这五年里，Google有了Axion，微软有了Cobalt，Amazon有了Graviton，Nvidia自研的Vera CPU已经成型，连ARM也打破了35年来只做IP的常规，开始做自己的AGI CPU芯片 最有可能的是Softbank系，softbank已经在ARM CPU服务器生态上布局深耕了多年，65亿美元收购了Ampere，再收购Nuvacore是很正常的事情，这个市场想象力足够大 其他的选择也可能是Meta，因为几家互联网公司里，只有Meta的silicon house没有稳定可靠的CPU服务器，有限的资源在MTIA都做AI加速器去了 但是Meta的问题在于稳定性极低，决策每个月都在变化，注意力非常短期化，项目随时取消，对Nuvacore来说完全无法兑现潜力，是一个非常糟糕的买家 但总体来说，Nuvacore的选择肯定比五年前宽了太多了，对ARM CPU服务器的潜力大家的共识都很明确，融资的难度要小很多，自己运营扩张起来，阻力比以前小很多，合作伙伴的配合程度上也因为未来预期，会容易很多 完全可以自己做大到比Nuvia当年更大的规模再考虑出路，根本不着急卖

老黄点名了下一个将达到万亿美金市值的公司，相比这个Murphy（MRVL的CEO）今天演讲以及他与来黄的对话更值得一看。Murphy用近一个小时的时间，系统阐述Marvell如何押注数据基础设施、为什么光互联将成为AI时代的关键技术，以及这场从铜缆到光纤的转型将如何重塑整个数据中心架构，看完murphy的演讲，相信能对光互联的技术演化有更深的理解和认识，梳理下Murphy的演讲要点： 1、十年豪赌：如何成为数据中心之王 Murphy演讲从一段自我剖白开始。2014年加入Marvell 时，这家公司60%的收入来自消费电子市场，数据中心业务占比不到10%。也正是在那个时刻，他做出了一个大胆的判断——半导体行业的下一个增长周期，将由 Google、Amazon、Microsoft、Meta 等平台公司驱动，核心需求是“以大规模移动、存储、处理和保护数据的半导体技术”。 这个判断在当时并不被广泛认可。“数据基础设施”甚至还不是一个被行业承认的市场类别，只是 Marvell 用来描述未来愿景的内部术语。但 Murphy 和他的团队展现了惊人的执行力：通过一系列精准的并购和剥离，Marvell 在十年间投入了约285亿美元（225亿美元收购+60亿美元内部研发-40亿美元资产剥离），系统性地构建了从毫米到千公里、覆盖 AI 基础设施全栈的连接技术平台。 这些并购包括2018年收购 Cavium 强化计算和网络能力；2019年收购 Avera 建立定制芯片业务、收购 Aquantia 增强连接产品组合； 2021年以100亿美元收购 Inphi 获得世界级数据中心连接技术； 以及最近12个月内收购 Celestica AI 的光子结构技术和 Xcon 的 scale-up 交换能力。 结果是惊人的：Marvell 从2014年的25亿美元营收增长到2026财年预计的110亿美元，最近几年增速更是达到每年40%。根据上周财报电话会议后的华尔街共识预期，2027财年 Marvell 营收将达到164亿美元。更关键的是，数据中心业务占比已从不到10%飙升至上季度的75%以上。 2、连接性：AI 基础设施的真正瓶颈 Murphy 在演讲中抛出了一个核心问题：什么定义了 AI 基础设施的性能？大多数人会想到处理器、GPU、制程节点（3nm、2nm 甚至未来的1.4nm、1.6nm），或者高带宽内存。这些当然重要，但 Murphy 指出，这些都不是系统的决定性特征。 “因为一个处理器，无论它有多快、连接了多少内存，对于今天的 AI 工作负载来说根本不够。你需要数万个、最终是数百万个处理器作为一个单一的大规模计算引擎协同工作。这就是为什么这种规模的计算从根本上是一个连接性挑战。”Murphy 说道，“而且越来越多地，正是连接性的架构和特性定义了系统的性能。” 这个判断得到了英伟达 CEO 黄仁勋的呼应。在 Murphy 邀请下登台的黄仁勋强调，AI Agent 的计算模式是“分解和分布式的”（disaggregated and distributed）——当你把一个计算问题分解成许多部分，并分布到整个数据中心时，连接性就成为必需品。“我们分解和分布式计算，使其运行在这些巨大的集群上，这样我们就能聚合总计算量、总内存和总带宽。而使这一切成为可能的，就是连接性。”黄仁勋说，“这就是为什么 Matt 做得这么好，为什么 Marvell 如此关键。” Murphy 进一步解释了连接性瓶颈的演变逻辑：过去几年，AI 基础设施先后解决了计算瓶颈（英伟达引领的 GPU 革命）和内存瓶颈（HBM 高带宽内存的规模化），现在瓶颈正在再次转移。“现在是连接性将定义基础设施的极限，就像计算和内存一样。”他引用了与最大客户的对话：“世界上最大的超大规模云服务商现在正在重新构想他们的整个网络架构。他们认识到，扩展 AI 基础设施现在首先是一个连接性挑战。” 随着推理模型、专家混合架构（mixture of experts）、生成式 AI 的持续演进，更多数据必须在基础设施中移动，需要更高的带宽和更低的延迟。当工作负载不再适合单个数据中心时，就需要建设更大的数据中心或整个数据中心园区，以及它们之间的所有高速连接。“因此，连接性成为扩展计算的关键推动力，我们的客户越来越认识到光学是前进的方向。”Murphy 说。 3、从千公里到毫米：Marvell 的全栈连接布局 Murphy 用一张图展示了 AI 基础设施跨越的所有距离——从数据中心之间的数百甚至上千公里，到封装内部的毫米级距离。每一个距离都需要不同的解决方案、不同的技术、不同的工程团队，甚至不同的供应链。“这些不是同一问题的变体，而是根本不同的工程挑战。” 1）跨数据中心连接（数百至上千公里） 这需要非常专门的相干调制（coherent modulation）技术，核心是专用的数字信号处理器（DSP）。Marvell 是全球少数几家能够构建这种相干 DSP 的公司之一，已经领导了从100Gbps 到400Gbps 再到800Gbps 的代际演进。Murphy 在现场展示了一个相干光模块实物——这是一个极其复杂的工程产品，包含了 Marvell 最复杂的先进制程 CMOS DSP 芯片、第四代硅光子技术（已量产十年），以及用硅锗工艺设计的自研宽带模拟组件。“今年晚些时候，我们将采样世界上首个1Tbit、2nm 制程的相干光学解决方案。”Murphy 宣布。 2）数据中心内部连接（数百米） 数据中心内部包含成排的计算服务器，每个机架顶部通常有一个交换机，机架级交换机连接到脊柱和核心交换机，通过光纤电缆形成整个数据中心的网络结构。这部分使用的是更节能的 PAM4调制技术。Marvell 构建了业界领先的 PAM4 DSP 解决方案，以及高速模拟组件（包括跨阻放大器 TIA 和激光驱动器），并引领了从25Gbps、100Gbps、200Gbps、400Gbps 到800Gbps 的每一次重大转型。去年，Marvell 开始量产业界领先的1.6Tbps PAM4解决方案。在以太网交换方面，Marvell 拥有从51.2Tbps 到51.2Tbps 的完整产品组合，并在 ComputeX 当天宣布了专为 AI 数据中心设计的新一代102.4Tbps 以太网交换机，具有业界最低功耗。 3、机架内部连接 目标是以全互联（any-to-any）配置连接尽可能多的处理器——每个处理器都能直接与其他每个处理器通信。英伟达的 NVLink 72（因机架内连接72个 GPU 而得名）首次将这种架构推向市场。这需要完全不同的交换类别，以及通过机架内铜背板驱动超高速信号的能力。“今天，这不是光学的领域，这是铜的领域。”Murphy 说。核心差异化因素是电气 SerDes 技术而非光学。Marvell 拥有目前领先的200Gbps 电气 SerDes，并已在过去几年中演示了面向未来的400Gbps 技术，这些 SerDes 被集成到客户的定制芯片、XPU 以及 Marvell 自己的 scale-up 交换机中。 4）封装内部连接（毫米级） 当今最先进的芯片内部有多个 chiplet，2.5D 或3D 封装本质上是一种连接技术，允许这些 chiplet 在封装内非常靠近地放置，并通过超高速短距离 die-to-die 接口通信。Marvell 拥有领先的 die-to-die SerDes 和先进封装能力，使客户能够构建业界最复杂、最独特的多 die 芯片。 Murphy 强调，拥有所有这些能力“在一个屋檐下”是不寻常的、独特的。“当我们去竞争时，通常在每个类别中我们面对的是不同的竞争对手。但这就是我们的独特之处——我们是一站式商店，是整个连接堆栈的领导者。” 4、铜墙将移：光互联的物理必然性 Murphy 演讲的核心洞察集中在一个概念上：铜墙（Copper Wall）。他用一张图清晰地展示了当前 AI 基础设施中的连接分界线——左侧是光学连接（使用光纤电缆传输光信号，两端有复杂的电子设备驱动和调制激光），右侧是电气连接（使用铜缆、PCB 上印刷的铜走线，或封装内部的微观铜布线）。中间是“铜墙”，定义了信号在必须转向光学连接之前可以通过铜传输的最长距离。 “这是一个重要的区别，因为铜很简单、成本低，正如 Jensen 所说，你想尽可能长时间地使用它，这非常实用。但光学更复杂，需要激光器、光子学、复杂的电子设备。”Murphy 说，“而铜墙，我今天要告诉你们的是，它即将移动。它将再次移动，并将接管机架本身。这正在为光学行业创造需求的爆炸式增长。” 这不是偏好问题，而是物理定律。信号通过铜缆传输的距离与带宽成反比——每次带宽翻倍，距离就必须减半。Murphy 给出了具体数据：当今世界上最高速的生产系统运行在每通道200Gbps。在这个带宽下，电缆长度限制在大约1.5米。相比之下，100Gbps 系统可以使用约3米的电缆。而机架的高度约为2米，考虑到机架内部的所有布线，2.5米正好是极限。“所以当我们转向1.6Tbps 时，我们不能再用铜完全连接机架了。墙正在移动，而且是现在。” Murphy 强调，这不是遥远的未来：“今后，即使是机架内的连接也将变成光学的。整个行业都知道这一点即将到来，所以我们一直在为这一刻做准备——不仅仅是 Marvell，而是整个行业。你可以在台湾看到这一点，在供应链和正在发生的产能爬坡中。” 铜墙每向右移动一步，连接数量至少增加一个数量级。“这正在创造我提到的需求爆炸，光学供应链需要大规模扩展并做好准备。”Murphy 回顾了20年前的类似转型：当时数据中心内部的最先进技术是10Gbps，整个数据中心都使用铜缆，光学基本上只是电信技术，保留用于非常长的距离。但当墙移动时，光学行业迎接了挑战，今天世界上所有的超大规模数据中心都是光学连接的。这次转型催生了新的解决方案——针对数据中心内部优化的 PAM4技术，而 Marvell 是那里的关键创新者之一。 5、CPO：光互联的下一个前沿 当光学进入机架内部时，需要的新技术叫做共封装光学（Co-Packaged Optics, CPO）。Murphy 花了相当篇幅详细阐述这一技术：“CPO 是一种将光学连接一直带到封装本身、紧邻计算的技术，无论是定制计算还是交换芯片。” CPO 要解决的根本挑战是密度和功耗。机架内的连接数量是机架之间连接数量的10倍。“如果我们只是尝试使用数据中心机架间使用的相同光学技术，你不会有足够的功率，不会有足够的物理空间，无法容纳所有这些标准光学模块和电缆——这根本行不通，不可能。”Murphy 解释道。 CPO 的概念是将光纤直接带到封装，将驱动光纤信号的电子设备与定制计算或交换芯片紧密耦合。“这是一个巨大的变化，而且很难，因为你要结合芯片行业中一些最先进的技术：领先制程 CMOS、硅光子学、先进封装、光互连，所有这些都在一个小型紧密集成的系统中制造。复杂性非常高，但这是继续扩展带宽并克服我谈到的铜限制同时降低功耗的唯一方法。” Murphy 强调这不是未来主义的东西，而是正在发生的现实。他在现场进行了实物展示：一边是传统的以太网交换机——当天宣布的102.4Tbps Teralink 交换机，可以看到板中央的交换芯片，PCB 内部的铜走线将信号传输到前面板，所有光学模块都插在那里。另一边是基于 CPO 的交换机——封装中央仍然是交换芯片（51.2Tbps 交换机），但边缘周围是16个3.2Tbps 光学引擎。“16乘以3.2，你得到51.2Tbps。所以光纤现在直接连接到这些引擎，而不是前面板。我们完全消除了 PCB 上的铜走线。光直接从封装中出来。这是一个非常非常复杂的工程作品。”Murphy 说。 Marvell 为 CPO 投入了十多年：硅光子学、光学 DSP、所有周围的模拟宽带组件，以及实现这一切所需的所有先进封装。“这一切实际上都需要在 CPO 中汇聚。”Murphy 说。 6、英伟达的背书与 NVLink Fusion 合作 Murphy 特别强调了与英伟达的战略合作扩展。几个月前宣布的合作中，英伟达向 Marvell 投资了10亿美元，双方正在扩展跨多个维度的合作，包括光学、光子学和 NVLink Fusion。黄仁勋亲自登台与 Murphy 对话，这本身就是一个强有力的信号。 黄仁勋详细解释了 NVLink Fusion 的战略意义：“有时候，也许云服务提供商想要设计自己的定制芯片。在我们之间，我们也在 NVLink Fusion 上合作，这使得你可以使用相同的系统架构，内部有 Marvell 的一些半定制芯片、大量互连、硅光子和光学技术。我们可以创建一个本质上分解、分布和异构的数据中心。” 关键是系统架构保持一致。“他们的网络技术可以利用大量英伟达的堆栈。CPU 可以是 Vera，但它可以利用大量你们的堆栈。所以 NVLink Fusion 是关于采用英伟达的技术和我们的平台、Marvell 的技术和平台，然后我们融合它。这就是为什么它被称为 fusion。”黄仁勋说。 Murphy 追问了铜到光学的转型时间表。黄仁勋的回答非常务实：“我们应该尽可能长时间地使用铜，但铜有其限制——带宽和距离的限制。所以最终正确的策略是：尽可能长时间地用铜进行 scale up。之后，用光学进一步 scale up，用光学 scale out，用光学跨越连接。所以你在必须的地方使用光学，在可以的地方使用铜。” 但黄仁勋随即给出了乐观的市场预测：“底线是，在未来五到十年，我们将使用大量的铜，也将使用大量大量的光学。这些数据中心现在是基础设施的一部分。我说 AI 现在有用、有用的 AI 已经到来的原因是，现在 AI 是有利可图的，token 是有利可图的。当 token 生产有利可图时，每个人都想制造更多 token，这就是为什么 Marvell 的需求如此之高，我们的需求也如此之高。因为每个人都想生产更多 token，因为它被 Agent 到处使用。” 7、无距离数据中心：光互联的终极愿景 Murphy 在演讲的最后部分描绘了一个激进的未来愿景：他当数据传输全部变成光学时，距离实际上不再重要。“这是一个深刻的变化。”说。 今天的服务器、机架和整体数据中心架构都是围绕距离的约束设计的，软件工作负载也围绕这些相同的约束进行了优化。但如果距离不再重要呢？ 首先，scale-up 网络的规模可以从72个或144个 XPU/GPU 扩展到1000个或更多，全部光学互连。“对工作负载的影响是巨大的。今天，AI 工作负载必须分解成适合 scale-up 集群的更小子问题，因为在集群外部通信今天更慢、带宽低得多。但光学互连系统可以管理数量级更大的工作负载。” 其次，服务器本身可以被解构。现代 AI 服务器由一定数量的 CPU、XPU、内存和网络接口组成，它们都在同一系统上的原因是距离——CPU 和 XPU 需要以非常高的带宽访问内存，这意味着它们需要紧挨着坐在板上，铜走线作为它们之间的连接。“但在这些连接都是光学的未来，距离实际上不重要。你可以想象一个完全解构的架构——XPU 在一个系统中，内存在另一个系统中，巨大的 CPU 在另一个系统中。” 这解锁了另一种可能性：今天系统中 CPU 和 XPU/GPU 的比例是固定的，必须在系统构建和部署时定义。但没有两个工作负载需要完全相同的比例，这意味着在任何给定时间，计算或内存的某些部分可能未被充分利用——这要花钱。“但一旦我们将系统分解为独立的计算池和内存池，并且它们都是光学互连的，我们就可以动态组合专用系统，然后针对任何工作负载进行优化。” Murphy 的终极愿景是“全球光学互连的数据基础设施”：“我们今天拥有的这些系统中的刚性边界开始消失。计算现在可以被池化，内存可以被池化，基础设施可以大规模动态组合。架构师第一次可以开始围绕模型的需求设计 AI 系统，而不是围绕互连的限制。” 他将这个愿景命名为“无距离数据中心”（data center without distance）：“计算、内存、网络和光子学作为一个统一系统运行，数据中心中的数百万资源可以像一台机器一样协同工作，一个由工作负载需求定义的架构，而不是连接性的限制。我们相信这是计算基础设施的下一个时代，Marvell 正在帮助构建使这一切成为可能的连接基础。” 最后再多说点， Marvell的核心竞争力集中在两个细分领域。 1、定制芯片（ASIC/XPU）设计。 Marvell与博通是全球两大定制AI加速器设计巨头。大厂自研芯片的趋势正在加速——比如微软的Maia 200推理芯片、亚马逊的Trainium系列，背后都有Marvell的参与。TrendForce的预测数据值得留意：2026年定制AI芯片销售增速预计为45%，而同期GPU的增速仅为16%。不是GPU不行，而是超大规模云厂商在推理端的成本压力正在推动它们加速自研定制方案。 2、数据中心互连产品线。 这是Marvell更深的一条护城河。根据其财报，光学互连产品收入保持两位数季度环比增长，数据中心交换机业务预计2027财年将突破5亿美元。Marvell过去十年通过一系列并购累计投入约360亿美元，围绕连接搭建了涵盖定制芯片、高速交换器、光模块、硅光子和先进封装的完整技术平台。

所有人都在买GPU和存储。没有人告诉你光模块公司的总市值比美光还低 我想从一个反常识的问题开始：GPU是AI的大脑，存储是AI的记忆。那光是什么？光是AI的神经系统。但神经系统从来不是最先被注意到的。存储已经涨了10倍，GPU更不用说。光的时代，刚刚开始。 1. 先说一个结构性的错误定价 在Nvidia的NVL72机架里，光模块的采购金额占到整个机架的20%。2026年全球AI光收发器市场规模预计从2025年的$165亿增长到$260亿，同比增速超过57%——这是半导体赛道里增速最快的子领域之一。 但所有光模块公司的总市值，比美光一家还低。这个错误会被纠正。问题只是什么时候。 2. 光和存储不一样的地方 存储的接力是季度级别的事件——供需拐点，财报超预期，市场重新定价，SNDK从$200涨到$900，这个过程很快。光的接力是年级别的结构性变迁，因为光的技术路线本身正在发生一次范式转移： 第一阶段（现在）：可插拔光模块 800G → 1.6T → 3.2T 线性增长，随数据中心扩张 第二阶段（2026下半年）：近封装光学NPO 光模块移向芯片旁边 需求非线性跳升 第三阶段（2027-2028）：共封装光学CPO 光引擎直接封装进芯片 这是终局，也是最大的价值重构 Meta在OFC 2026分享了大量数据，证明CPO比可插拔光收发器更可靠，成本更低，功耗更少。Nvidia在GTC展示了CPO将在2027/28年用于Scale-Up互连。5年内所有AI数据中心互连都将是光。 这不是预测，是物理定律。铜在高速率下信号损耗太大，功耗太高，距离太短。光没有这些问题。 3. 光在吃铜，不只是光吃光 生成式AI集群需要比传统云服务多10到100倍的光纤，正在把现有铜互连逼到物理极限。 这是大多数人没想到的逻辑——光的增长不只来自数据中心规模的扩大，还来自光替代铜的渗透率提升。每一代迭代，光吃掉更多铜的市场。这是双重驱动，不是单一驱动。 4. 产业链七个卡位，从上游到下游 现在我来把整条产业链拆清楚。 七个公司，覆盖从最上游的衬底到最下游的网络设备。 🔬 最上游：硅光衬底 $SOI 做的是硅光PIC的衬底材料——整个产业链最上游的原材料。没有SOI的衬底，硅光芯片就没有基础。护城河极高，几乎没有竞争对手能短期内介入。和TSEM形成上下游绑定：SOI提供衬底，TSEM代工成芯片。 🏭 代工层：硅光晶圆厂 $TSEM（Tower Semiconductor）硅光版本的台积电。 今天刚刚发生的重大事件： TSEM宣布签署$13亿的2027年硅光合同，收到$2.9亿产能预付款，2028年还有更大合同在谈判中。计划资本支出$9.2亿专门用于硅光扩产，Q2营收指引$4.55亿同比增22%。 TSEM最聪明的地方在于：它不赌哪条技术路线赢。 可插拔、NPO、CPO，三条路线都用TSEM代工。就算市场对技术路线判断错了，TSEM依然受益。这是光通讯产业链里确定性最高的picks-and-shovels。 💡 激光器层：光的心脏 光模块的核心是激光器。没有激光器，光模块什么都不是。 激光器分两条技术路线： 磷化铟（InP）路线——$LITE（Lumentum） LITE是目前唯一能量产200G每lane EML激光器的供应商，是1.6T收发器的关键零件。Nvidia预先锁定了LITE的EML产能，推迟交货期超过2027年。 Nvidia向LITE投资$20亿，用于加速AI基础设施光学技术。LITE CEO称2026年是激光器芯片销售的"突破年"，刚收到历史上最大的CPO超高功率激光器采购承诺。 LITE的护城河是时间积累的——InP激光器的制造需要极其精密的工艺，20年积累的经验是任何竞争对手短期无法复制的。而且LITE不只押注现在：EML是可插拔时代的命门，ELS外置激光器是CPO时代的命门，OCS光路交换机是未来AI集群的光学路由器。 三个产品线覆盖了光通讯从现在到2030年的完整需求。 硅光（SiPho）激光器路线——$SIVE（Sivers Semiconductors） Sivers专注于CPO系统的高性能InP激光阵列，Jabil合作是第一个商业验证信号，证明技术正在从研究走向真实超大规模部署。 SIVE不是要打败LITE，而是作为CPO时代激光器供应链里的补充供应商——当LITE和COHR产能不足时，SIVE是下一个选项。整个CPO产业的激光器供应严重短缺，补充供应商的价值会被重新定价。 🔭 光学系统层：从组件到整合 $COHR（Coherent Corp） COHR最新Q3财报：营收$18.1亿同比增21%，数据中心和通信板块$14亿，同比增40%。Nvidia同样投资$20亿入股COHR。COHR是整个光通讯赛道里垂直整合程度最高的公司。从InP晶圆到激光器到光模块到系统，全部自己做。COHR正在扩大6英寸InP晶圆产能，这是推动毛利率持续提升的核心驱动力——规模越大，每片晶圆的成本越低，利润越高。 LITE和COHR的关系是竞争者也是互补者： LITE：激光器专家，EML垄断，聚焦 COHR：光学系统整合商，体量更大，更全面 🏗️ 物理基础设施层：光纤和连接 $GLW（Corning） Corning是光通讯产业链里最让人意外的标的——一家成立于1851年的玻璃公司，正在成为AI基础设施的核心受益者。 Q1 2026光学通信业务增长36%，分部净利润增长93%。2028年营收目标$300亿，2030年$400亿，内含年化增速19%。两个额外的超大规模云厂商签署了长期协议。 Nvidia命名Corning为下一代AI基础设施光连接合作伙伴，投资$5亿+最高$32亿股权，在美国建三座专属光学工厂。 Corning做的是光纤、线缆和连接器——不是最性感的产品，但是不可或缺的基础设施。 城市要运转，不只需要主干道，还需要所有的小路、接头、路牌。 Corning做的就是光通讯世界里的所有"小路和接头"。 而且这些"小路和接头"是消耗品——每建一个数据中心都需要，每升级一个机架都需要。 📡 网络层：AI时代的网络基础设施 $NOK（Nokia） Nokia是这七个标的里最被市场误解的。大多数人还在用"翻盖手机公司"的眼光看Nokia。 Nokia 2026营收预期同比增长7.5%，EPS增长21.2%，光网络业务增速20%，AI和云业务增速49%，单季度新增€10亿AI和云订单。 Nokia做的是什么？ 光传输网络（OTN）——把数据中心之间用光连接起来的骨干网络。这是Scale-Across的核心基础设施。 Nokia的第六代超相干光学技术PSE-6s，是目前全球少数能实现800G甚至1.2T长距离光传输的技术之一。 Nokia收购Infinera之后，从"转卖别人芯片的公司"升级为"拥有自己光芯片工厂的公司"——同样的技术路线，市场给LITE估值66.5倍，给COHR估值35倍，Nokia只有30.8倍Forward PE。 这个估值差距是最大的错误定价之一。 七个标的的完整产业链图 最上游 SOI（硅光衬底） ↓ TSEM（硅光代工） ↓ 激光器层 LITE（InP EML，可插拔+CPO） COHR（垂直整合，光学系统） SIVE（CPO激光阵列，高赔率） ↓ 物理基础设施 GLW（光纤、线缆、连接器） ↓ 网络层 NOK（光传输网络，骨干连接） 每一层都有自己不可替代的护城河。 每一层都在受益于同一个趋势。 6. 为什么是现在？ 2026到2027年是在1.6T供应链建立立足点的关键时期，在一线客户的设计导入将决定长期赢家。现在是design-in阶段——产品正在被超大规模客户选中和锁定。等量产阶段到来，市场才会充分定价这些公司的价值。 在design-in阶段买入，等量产阶段收获——这是光通讯投资最好的时机。 7. 仓位逻辑 高确定性（重仓）： TSEM → 今天$13亿合同，产业链里最硬的催化剂 LITE → EML垄断+Nvidia锁定，现在到2028年都受益 COHR → 垂直整合，体量最大，Nvidia $20亿入股 中等确定性（配置）： GLW → Nvidia直接合作，物理基建不可或缺 NOK → 最被低估的估值，但故事兑现需要更多时间 高赔率（小仓位）： SOI → 和TSEM绑定，护城河高但流动性低 SIVE → CPO时代的纯粹赌注 8. 光会接力存储吗？ 会。但不一样的方式。存储的接力是一次性的价格重估——供需拐点到来，几个季度内完成定价。 光的接力是分阶段的持续重估—— 2026年：可插拔1.6T带来第一波 2027年：CPO开始量产带来第二波 2028年：Scale-Up全面光化带来第三波 三波叠加，才是光通讯超级周期的全貌。存储让你在一年内赚了10倍。光可能让你在三年内赚同样多，但过程更平稳，确定性更高。 最后一句话 光通讯不是一个新故事，是一个被重新发现的旧故事。 光纤已经存在几十年了，但AI让这个故事的量级发生了质变。每当数据中心需要更高密度、更低功耗、更远距离的连接时，答案永远是光。 #光通讯# #TSEM# #LITE# #COHR# #GLW# #NOK# #SOI# #SIVE# #CPO# #硅光# #光模块# #AI基建# #数据中心# #存储接力# #Nvidia# #美股# #USStocks# #SiliconPhotonics# #CoPackagedOptics# #EML# #光互连# #AIInfrastructure# #光纤# #Nokia# #Corning# #Coherent# #Lumentum#

美国人破防：中国简直逆 天，竟想用电磁力，从月球 将氦-3运回地球 自嫦娥七号抵达海南文昌发 射场不过短短三周，美国 《太空新闻》《大众机械》 等一众主流媒体便纷纷沸腾 起来。 它们以“超乎想象的科幻照进 现实”、“重塑太空规则”等震 撼性词汇，对中国航天的一 项前沿构想展开了铺天盖地 的报道。 这一令美国媒体集体哗然的 计划，简而言之，便是中国 计划在月球上构建一台“电磁 弹射装置”，无需消耗一滴火 箭燃料，即可将月球上的宝 贵资源——氦-3，精准弹射回 地球。 此消息一出，全球网友皆为 之惊叹，有人戏称这是“现实 版的人间巨炮”，也有人感慨 “他人尚在探索登月之路，中 国已开启月球物流新篇章”。 细思之下，这并非遥不可及 的幻想，而是中国深空探测 实验室正在严谨论证的技术 蓝图，其背后，隐藏着关乎 人类未来能源格局的深远布 局。 首先，让我们揭开氦-3的神 秘面纱。 它被誉为“宇宙中的黄金”，实 至名归，因其是目前人类已 知的最理想核聚变燃料，无 出其右。 我们常提及的可控核聚变， 主流方案多采用氘与氚，虽 能量巨大，却伴随着高能中 子的产生，这些中子不仅会 侵蚀反应堆结构，还会留下 难以处理的长寿命放射性废 料。 而氦-3则截然不同，当它与 氘发生聚变时，仅产生质子 与氦-4，几乎无中子辐射， 亦无长寿命放射性废料之 忧。 这意味着什么？意味着氦-3 核电站可安全建于城市中 心，无需担忧核泄漏风险， 亦无需构建厚重的防辐射屏 障。 更令人惊叹的是其能量密 度，据国际原子能机构2022 年发布的核聚变能源数据库 显示，一公斤氦-3完全聚变 所释放的能量，相当于燃烧 11900吨优质煤炭，或1400 吨汽油。 简而言之，100吨氦-3即可满 足全人类一年的电力需求， 25吨则能让中国全年摆脱火 电依赖。 若月球上的氦-3得以全面开 采，足以支撑全人类600至 2600年的能源需求，能源危 机、碳排放、石油战争等议 题，或将永远成为历史。 然而，现实是残酷的，地球 上的氦-3资源极为稀缺，全 球可经济开采的储量尚不足 半吨。 这点量，连实验室研究都显 得捉襟见肘，更遑论用于发 电。 当前，一克氦-3的价格远超 黄金数十倍。 为何地球上如此匮乏氦-3？ 原因在于地球拥有厚实的大 气层与强大的磁场，几乎将 太阳风中的氦-3粒子全部阻 挡在外。 反观月球，它既无大气层， 也无磁场，数十亿年来，如 同一个巨大的吸尘器，默默 收集着太阳风中的氦-3。 这些氦-3原子深深嵌入月壤 颗粒表面，形成了一层薄薄 的“能源外衣”。 据嫦娥五号带回的月壤样本 分析，仅月球南极地区的 氦-3储量就超过100万吨，整 个月球的浅层总储量在100万 至500万吨之间。 这无疑是上帝赐予人类的最 后一份能源厚礼，谁先掌握 月球氦-3的开采与运输技 术，谁便掌握了未来世界的 能源命脉。 然而，将月球上的氦-3运回 地球，绝非易事，运输成本 是最大的障碍。 传统方式依赖火箭发射登月 舱，采集月壤后再用火箭发 动机返回地球。 但此方式成本高昂，据估 算，将一公斤物品从地球送 至月球需约10万美元，而将 一公斤月壤从月球运回地 球，成本更是高达数十万美 元。 若以此方式运输氦-3，别说 盈利，连成本的零头都难以 收回。 且火箭运输效率低下，一次 仅能带回几公斤物品，实现 商业化开采，无异于天方夜 谭。 这也是为何多年来，尽管月 球资源广为人知，却无人真 正动手开采的原因。 正当全球科学家束手无策之 际，中国工程师突破传统思 维框架，提出了一个颠覆性 的解决方案：摒弃火箭，改 用电磁力。 这一方案正式命名为“月基磁 悬浮旋转抛射系统”，其原理 与奥运会上的掷链球比赛颇 为相似。 想象一下，在月球表面构建 一个巨大的旋转装置，配备 一根数十米长的旋臂。 将装满氦-3的返回器固定于 旋臂末端，利用高温超导电 机驱动旋臂高速旋转。 随着转速不断提升，返回器 的速度亦随之加快，当达到 每秒2.4公里，即月球的逃逸 速度时，精准释放返回器。 此时，返回器便如同被甩出 的链球，沿预设轨道飞向地 球。 整个过程无需任何化学燃 料，完全依靠电力驱动，且 月球几乎无空气阻力，能量 损耗极小。 更令人称奇的是，每次抛射 完成后，旋转装置的制动系 统还能回收70%以上的动 能，转化为电能循环利用。 这简直是一台近乎永动机的 存在，能源利用率高得惊 人。 或许有人会问，如此庞大的 装置，如何运至月球？中国 科学家早已未雨绸缪。 整套系统总重约80吨，可拆 分为多个模块，利用正在研 制的长征九号超重型火箭分 两次运至月球表面。 长征九号的三级半不回收构 型地月转移轨道运载能力达 50吨，运送这些模块绰绰有 余。 运至月球后，再由月球机器 人进行组装，整个过程无需 宇航员亲自操作，大大降低 了风险与成本。 据测算，该系统建成后，每 日可执行两次发射任务，每 次运送数百公斤有效载荷， 每年稳定运输3至5吨氦-3。 按当前市场价格，一吨氦-3 价值30亿美元，3吨即达90 亿美元，折合人民币约650亿 元。 而整套系统的建设成本约 1300亿元人民币，意味着两 年多即可收回全部成本，之 后便是纯盈利。 且该系统设计使用寿命至少 20年，这无疑是一笔稳赚不 赔的生意。 当然，除了运输氦-3外，该 系统还有诸多其他用途。 如可用于运输月球上的水 冰、金属矿产等其他资源， 甚至可用于发射卫星与探测 器。 未来，从月球发射卫星，无 需火箭，直接利用电磁弹弓 即可，成本可降低90%以 上。 这将彻底改写太空运输规 则，使地月之间的物资运输 变得如同今日快递般便捷高 效。 届时，月球基地将不再是一 个孤立的前哨站，而是真正 意义上的太空工业基地。 我们可在月球上就地取材， 生产太阳能电池板、航天器 零部件，甚至建造大型太空 电站，再利用电磁弹弓将这 些产品运回地球或送往其他 星球。 这将开启人类太空工业化的 新时代，其意义不亚于当年 的工业革命。 或许有人认为，这一切尚显 遥远，只是美好的幻想。 但实际上，中国在相关技术 领域已积累了深厚基础，诸 多关键技术均已取得突破性 进展。 首先是电磁弹射技术，我们 的福建舰航母已装备世界上 最先进的电磁弹射系统，表 明我们在大功率电磁加速、 能量储存与控制等方面已达 到世界领先水平。 月基磁悬浮抛射系统实为电 磁弹射技术的延伸与应用， 原理相通。 其次是高温超导技术，中国 的高温超导材料研究一直走 在世界前列，已实现商业化 应用。 高温超导电机与磁悬浮轴承 是该系统的核心部件，无它 们则无法实现如此高的转速 与能量利用率。 再者是月球探测技术，我们 已成功完成嫦娥一号至嫦娥 六号任务，实现了月球正 面、背面与南极的软着陆与 采样返回。 我们对月球的地形地貌、地 质结构、资源分布已有了深 入了解，为未来建设月球基 地与开采氦-3奠定了坚实基 础。 据中国航天公布的规划，我 们将在2030年前实现载人登 月，2035年前后建成国际月 球科研站。 而月基磁悬浮抛射系统的关 键部件研制工作将于2030年 左右完成，2035年前后随月 球科研站一同部署至月球。 预计到2045年，我们便能实 现月球氦-3的商业化开采与 运输，为地球提供源源不断 的清洁能源。 这一时间表看似激进，但考 虑到中国航天过去几十年的 发展速度，实则并不夸张。 回想20年前，我们尚只能发 射几吨重的卫星，如今已拥 有自己的空间站，还能从月 球背面采样返回。 再过20年，实现从月球用电 磁力运氦-3回地球，又有何 不可能？ 当然，面对中国在 太空领域的迅猛发展，美国 自然坐立不安。 其实，美国早在几十年前便 提出过类似的月球资源开发 计划，但一直停留在纸面 上，未见实质性进展。 如今见中国已将此计划提上 日程，美国媒体才惊呼中国 “抢跑”。 美国的一些私营公司也开始 跟风，如蓝色起源与月球前 哨站公司便宣布要在2030年 代初期实现月球氦-3的初步 开采。 但他们的方案仍采用传统火 箭运输方式，成本根本无法 与中国电磁抛射系统相提并 论。 且美国如今连重返月球都一 拖再拖，阿尔忒弥斯计划已 多次推迟，能否在2030年前 实现载人登月尚存疑问。 更遑论建设月球基地与开采 氦-3了，那更是遥遥无期。 除美国外，俄罗斯、欧洲、 日本等国家和地区也均有自 己的月球探测计划。 但他们要么技术实力不足， 要么资金匮乏，根本无法与 中国相提并论。 可以说，在未来的月球资源 开发竞赛中，中国已占据明 显领先优势。 这并非偶然，而是中国几十 年如一日坚持自主创新、厚 积薄发的结果。 我们一步一个脚印，从跟跑 到并跑，再到如今的领跑， 靠的是无数航天人的辛勤付 出与无私奉献。 或许有人会问，我们当前尚 有许多问题未解，为何要投 入巨资进行太空探索？其 实，这个问题答案显而易 见，因为太空探索代表着人 类的未来。 地球资源有限，终有耗尽之 日，人类若想继续生存与发 展，必须走向太空。 月球是人类走向深空的第一 站，也是最重要的一站。 掌握月球资源开发利用技 术，人类便拥有了无限的能 源与物质资源，可摆脱地球 束缚，真正成为一个星际文 明。 且太空探索带来的技术溢出 效应巨大，我们如今使用的 诸多物品，如GPS、尿不 湿、不粘锅、核磁共振等， 均为航天技术的副产品。 可以说，今日在航天领域投 入的每一分钱，未来都将以 百倍千倍的形式回报给我 们。 当然，我们也要清醒地认识 到，月球氦-3的开发利用尚 有许多技术难题待解。 如月尘对设备的磨损问题、 月球极端温度环境对材料的 影响问题、返回器的精准控 制与回收问题等。 这些问题非一朝一夕可解， 需科学家们长期努力。 但只要我们保持当前发展势 头，一步一个脚印地前行， 这些问题终将被我们一一攻 克。 相信不久的将来，我们便能 目睹第一艘满载氦-3的返回 器从月球启程，飞向地球。 届时，人类将正式迈入清洁 能源时代，一个无能源危 机、无环境污染、无战争的 美好未来正向我们招手。 最后，我想说，中国航天从 未以称霸太空为目标，而是 致力于和平利用太空资源， 造福全人类。 我们一直主张在平等互利、 和平利用、包容发展的基础 上，加强国际航天合作。 中国的国际月球科研站已向 全世界开放，欢迎所有国家 和地区参与进来，共同探索 月球的奥秘。 相信在全人类的共同努力 下，我们定能实现从月球开 采氦-3的梦想，为人类的可 持续发展开辟一条全新道 路。 让我们共同期待那一天的到 来，见证中国航天创造更多 奇迹，见证人类文明迈向更 加辉煌的未来。 信源： 《央视新闻》——《中国探月 工程 “时间表” 公布 2030 年 前将实现载人登月》 《中国新闻网》——《中国科 学家首次成功获得嫦娥五号 月壤中氦 - 3 含量及提取温 度》 《国家航天局》——《国际月 球科研站，这样建！—— 访 中国探月工程总设计师吴伟 仁》 《中国科学院宁波材料技术 与工程研究所》——《月壤玻 璃：捕获和保存氦 - 3 气体的 关键物质》

万向的故事 1️⃣时代的弄潮儿 1945年除夕前，位于杭州市萧山宁围乡的鲁家，迎来了一位新生儿。鲁父对于这位家中的新丁抱有极大的期许，遂取名冠球。 鲁家新丁的到来并未立即给鲁家带来新气象。因鲁父彼时在上海一家医药厂工作，但薪资微薄，故鲁冠球15岁之前一直与母亲在农村艰难度日。 1960年，鲁冠球15岁，从初中辍学后，经人介绍到萧山铁业社当打铁学徒。 3年后，鲁冠球因人员精简被辞退，而整个中国大陆进入一个特殊的社会阶段。 被辞退后，几经波折的鲁冠球收了5个学徒在唐家镇开了家铁匠铺。到了1969年，鲁冠球已经是村上最先用上高档品的人，包括上海牌手表、永久自行车和红灯牌收音机。 时代的机会总是更多眷顾弄潮儿们。 1969年，鲁冠球与其他6人共同出资接手宁围公社农机修配厂，于当年7月8日正式组建成立，后来的万向集团把这一天定为集团创建日。 2年后1971年，鲁冠球的长子鲁伟鼎出生。 2️⃣新时代高速列车 经过多年发展，当除简陋的公社农机修配厂摇身一变，成了整个中国大陆全国唯三的万向节定点生产企业——萧山万向节厂。1992年，在鲁冠球的主导下，萧山万向节厂从“总场制”结构变成“集团制”结构，正式成立浙江万向集团。自此，鲁冠球与万向正式登上了时代的高铁。而年仅21岁的鲁伟鼎，在其父的作用下，一步踏上了万向集团副总裁的职位子，万向的接班故事平静展开。 与此同时，远在南方的深圳，30岁的肖风到中国人民银行深圳经济特区分行就职，历任证券管理处科长、副处长。1993年，肖风进入深圳市证券管理办公室工作，历任副处长、处长、证管办副主任。 万向每年必开三个大会 —— 纪念建党、纪念建厂日、年终表彰。 1994年，派生分离的万向节总长更名为万向钱潮股份有钱公司，并于当年的1月10日在深圳证券交易所上市，股票代号——万向潮A。 万向钱潮随之成为中国大陆第一家异地上市的乡镇企业，鲁冠球成为最早进入资本市场的民营企业家之一。7月，召开第一次员工代表大会、一届一次董事局会议，鲁冠球当选董事局主席，其子鲁伟鼎当选总裁。 同年，万向（美国）公司在芝加哥成立。 1997年12月18日，钱潮董事局举行一届八次会议，决定万向与万向钱潮分设运作，同时向董事局负责。 1998年4月，肖风放弃了铁饭碗，开始筹建博时基金。彼时处于世纪之交，中国大陆的证券行业乱相比现在的币圈更胜一筹。 1999年是万向创业的第三十个年头，万向集团开了个三十周年报告会。鲁冠球在会上提出“奋斗十年添个“零” ”的目标，即在2010年实现每日创造利润人民币1000万。 2000年6月10日，鲁冠球当选为中国乡镇企业协会会长，成为中国首位当选为全国性行业协会会长的企业家。同年11月29日，以万向集团为主要发起人的万向创业投资股份有限公司成立，先期注册资金人民币3亿元，成为中国民营及浙江省规模最大的风险投资公司。 2000年是万向深入资本市场的转型点。2000年，万向整体收购了美国舍勒公司，同年8月又收购了纳斯达克上市公司UAI。 2001年3月，证监会发布对国内十大基金管理公司的检查报告。报告认为，博时基金 在股票买卖中操作手法异常，证监会通报批评责令整改。博时总经理肖风被罚暂停其基金高级管理人员资格一年。 2002－2003年，随着一系列劣票的崩盘和庄家的倒台，中国资本市场的投资理念在公募基金行业的带领下逐步走向正规。 在肖风的带领下，博时基金的资产管理规模在2004年底达到人民币247亿，位列中国大陆资产管理规模排名第一。 3️⃣时代的泡沫 早于08年老美经济危机的1年之前，上证到了历史性最高位“6124”，一众股民们全体FOMO。同年，博时基金的资产管理规模达到2215亿的顶点。 2008年之后，肖风的蓝筹梦破灭。 3年之后，2011年下半年，肖风因内外部复杂因素，离开一手打造的博时基金，并低调加入万向控股任副董事长。 在2000－2017期间，在鲁氏父子的带领下，万向系的业务主要覆盖实业与金融两大领域，逐步建立起了包含有4家上市公司在内的商业版图，几乎囊括了金融业的所有牌照。 在中国“二代”企业家群体中，鲁伟鼎的冒头标志着一个时代的更迭。 2017年，随着鲁冠球的辞世，万向集团的担子就到了鲁伟鼎肩上。 鲁冠球主导的万向，以实业制造为根本。而转入鲁伟鼎主导的万向，更多偏金融资本运作，试图建立一个雄厚的万向大金融蓝图。 新时代列车快速前行，不会等那些反应慢的人。近几年，万向系旗下的4家上市公司业绩失速，金融业务发展同步遭遇重大挫折，整个万向系处于极大的压力之下。 万向在汽车制造领域的探索——起了大早，赶了晚集。万向钱潮和万向一二三作为万向集团在汽车零部件领域和新能源动力电池领域的重要布局，近几年在盈利方面力不从心。 伴随着最近几年大陆整体市场的收缩，鲁伟鼎主导的万向信托多个产品出现逾期违约，在地产、政信和健康三大类信托产品的逾期规模达人民币100亿左右。 另外，万向系上市公司与万向财务之间存在的“高存低贷款”，以及与外部金融机构的大量借贷，这里面主要的疑问点在于资金安全和大股东潜在占用。

写给所有 AI Coding 时代下迷茫的工程师： 上周团队里一个核心工程师跟我说要离职。他说失去了喜欢做工程的动力，没有了思考，解决问题，犯错，抓狂的晚上，没有痛苦之后找到那个东西的过程，没有成就感。他想转去医学或生物学领域。我为团队感到可惜，但挽留的话说不出口，我好像并没什么好办法帮他解决这个问题，个人层面甚至觉得他的决定也不错。 这引发了我的一些思考，人类工程师会是 AI 的奴仆吗？工程师会变成纯体力活吗？我决定写这篇文章，希望能给到迷茫的工程师同学们一些帮助。 2022 年 GPT 横空出世的时候打死我都没想过工程师会是第一波受冲击的物种。我们处在一个工作模式发生前所未有巨变的年代里，电子世界以一个 100 倍于现实世界速度的方式在冲击我们的世界观——资深程序员们不知道自己的对与错了，之前很多行之有效的经验不再是经验而变成了包袱；而年轻的程序员们完全没有积累经验的机会，被 AI 摧枯拉朽地冲击没有了自我。 作为一个程序员，作为一个自认为有工程师之心的程序员，我和 AI 交流的四年时间里一直在不断验证着我的信仰是错： 最开始 AI 只能在写脚本上产生帮助，我说：AI 写不了代码 后来 AI 能够辅助编程了，我说：它只能基于我的起始内容做补充。 再后来 AI 能做到函数级实现了，我说：架构还在我们掌握范畴内。 再后来 AI 连技术架构都不用我们做了，我说：AI 没办法承担责任，还得人来 review。 现在 AI 动不动几千几万行代码产生，我们发现连人的 review 都变成了整个组织的拖累，我们又开始讲品味、讲判断力。 那后面 AI 的品味、判断力比我们强呢？我们的价值在哪里？我们的意义在哪里？ AI 正在把大量的代码写出来，把大量的产品拼出来，逼迫着我们把传统的工作方式进行一遍又一遍地重构。世界进入了一个前所未有的量变积累过程，人类的想象力从未展现出如此的窘迫和枯竭，我们现在无法想象 AI 质变后技术的样子是什么。 但反过来，AI 好像也不知道。没有任何一个模型能自己产生诉求，自己主动选择方向。 01-软件工程师的方向 这不是安慰话。你去看今天最强的模型，它能写出任何你描述清楚的东西，但它不会自己走进一个房间说"这个产品缺一个东西"。它没有欲望，没有不满，没有"我觉得这里不对"的直觉。诉求来自人的欲望，方向来自人的不满足。AI 是引擎，但引擎不会自己决定去哪。 这意味着什么？意味着在整个量变堆积的过程中，真正稀缺的是知道该写什么的能力。这个"该写什么"不是需求文档，而是你在和 AI 反复交互的过程中，撞见的那些模型做不到的边界、那些需要人拍板的瞬间、那些让你突然觉得"这个方向不对"的时刻。 团队里最有价值的时刻，不是我们用 AI 写完了几万行代码，而是有人说"等等，这整个方向有问题"的时候。那个判断并不来自于模型，是来自一个人在这个领域与世界互动足够久之后形成的嗅觉。 所以新时代下工程师的意义在哪里呢？在你能不能在和 AI 的日常交互中，积累出那种"知道哪里不对"的感觉。这东西没有捷径，只有在场才会有。哪怕你是一个很渺小的人，哪怕你只是在自己的岗位上默默 coding，你和 AI 的每一次碰撞都在帮你逼近那个质变的点。 但前提是你还在。这个狭义软件工程技术的方向到底在哪里是需要我们工程师去探索，自己去寻找的。prompt、single agent、agent workflow、multi agents、agentic、context、harness 这些层出不穷的名词实际上都是我们在新世界上探索留下的脚印，未来说不定会是一个很渺小，在自己的岗位上默默 coding 的人，发现了和新世界交互的终局呢？我们每个人都有可能成为 AI 时代的哥伦布。而这个过程只有你不断和 AI 交互我们才能越来越清楚的。如果我们放弃了离开了这条线，就再也没有机会去发现了。甚至如果千千万万的工程师停滞自己放弃自己，那人类 AI Coding 质变的道路只会越来越长，大家在迷茫中探索的过程会越来越长。 02-工程师的方向 但我想说的不只是“软件工程师的方向”，而是“工程师的方向”。coding 正在变成像电力一样的东西。 电力刚出现的时候，"电力工程师"是最前沿的职业。后来电力变成了世界运行的底层基建，电力工程师这个头衔就不再性感了。但电力驱动出来的一千个新行业都依赖于电力的运作。而 AI coding 也是一样。它正在从一个专业技能，变成做任何事情的通用基础设施。 这意味着什么？意味着工程师能做的事变大了，不是变小了。 以前你只能在软件行业里写代码。现在你可以带着 AI coding 能力走进医疗、生物、材料、教育、法律——任何一个领域，用这个通用工具去解那个领域里从来没人用工程思维碰过的问题。事实上全球的工程师岗位机会是变多了的，因为每个行业都在发现：我需要一个"电力工程师"来搭建通往新世界的基座，每个流程都可以用 AI 重新做一遍。 回头看我们那个离职想去医学、生物学领域的同事，我现在不确定他是离开了牌桌，还是去了一张更大的牌桌。他带着优秀的工程能力和对 AI 的理解，走进了一个全新的疆域。也许他会在那里找到我们在软件行业里找不到的质变点。 所以"迷茫"这个感受是真的，但迷茫的根源可能不是"我没用了"，是我们还在用旧的尺度衡量自己——我写代码能不能比 AI 快？我的 review 还有没有价值？这些问题本身就问错了。该问的是：我能用这个工具去做什么以前做不了的事？ 我们不仅仅可以留在软件工程的牌桌上，而且还可以带着这个能力去更大的战场。AI coding 把工程师从"只能在软件行业写代码"这件事里释放出来了。我们面前的路不是更窄了，而是前所未有地宽。 03-新评估标准终将会到来 还有一层痛苦来自于：我们大部分人都是从高考走过来的，已经适应了在一个确定的评价体系下评估自己、评估别人。现在旧的考评标准失效了，新的还没出现。没有人告诉我们什么是对的了。你不知道自己做得好不好，不知道该往哪使劲，这种不可被评估的失重感比具体的技术挑战更让人难受。 这个新标准会从哪来？从我们自己的实践中来。企业在量变过程中跑出的现象、踩出的坑、发现的模式，最终会被提炼成新的分类和评估框架。但这件事的前提是有足够多的人还在跑、还在踩、还在发现。到那时候每个人都会更清楚自己该往哪走、该做什么。 我们所有工程师实际上是在一起探索 AI 时代下人类应该怎么和 AI 交互。这件事的战场不只在软件行业里，它在每一个领域。我们的迷茫一定是真的，但我们实际拥有的筹码比我们想象的值钱得多。 这篇文章送给 AI 时代下迷茫的所有工程师。执行壁垒归零并不是末日，电力出现的时候也没有人知道它会照亮整个世界。 祝福我们工程师能够找到那个质变的点是什么，也祝福我们那个想去 AI For Science 领域的同事！也许我们会在完全不同的地方，同时找到那个质变的点。到时候再碰一杯，说一声：很久不见！

唯一吃到中国版Instagram红利的公司，做图片社交的，搭着这个概念16年在新三板上市，创始人是类似土豆网王微的文青，然后就没有然后了。中国为什么没有Instagram确实是一个很好的考古题材，有一个方向的产品解释是最适合干的那几年都被微博带偏了，「转发」这个按钮的存在是毒药，但如果不提供「转发」功能，所有产品都担心供给不足，一拖就拖到了短视频时代到来，Instagram就没人提了，于是小红书算是从社区形态捡了个漏。

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🙏)！