继续背唐诗，这一首是我用自己的声音录的 李白：下终南山过斛斯山人宿置酒 暮从碧山下，山月随人归， 却顾所来径，苍苍横翠微。 相携及田家，童稚开荆扉。 绿竹入幽径，青萝拂行衣。 欢言得所憩，美酒聊共挥。 长歌吟松风，曲尽河星稀。 我醉君复乐，陶然共忘机。

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。

纳瓦尔神级预言：苹果已死，SaaS是下一个！留给创业者的逃生时间只剩18个月 “纯软件，已经不值得投了。” 当这句话从硅谷创投教父、曾投出Twitter和Uber等200家独角兽的纳瓦尔（Naval Ravikant）嘴里说出来时，这绝不是危言耸听，而是资本市场对整个科技行业底层逻辑的重新定价。 在这场AI引发的剧震中，首当其冲的是市值3万亿美元的苹果，紧接着，就是那些曾经风光无限的SaaS（软件即服务）公司。 如果你是一个创业者，真正可怕的不是你是否认同这个观点，而是：你是否还有18个月的时间，在估值暴跌前完成生死转型？ 一、苹果正在经历“结构性死亡” 纳瓦尔口中的“苹果已死”，不是说它明天就会破产，而是说它赖以生存的底层商业模式正在坍塌。 苹果庞大市值的支点只有一个：用极度流畅、封闭的软件体验，来支撑高昂的硬件溢价。 但在未来的24个月内，人机交互将被彻底颠覆。人们不再需要打开一个个App，而是直接对着AI智能体说话，由AI在屏幕上实时生成你需要的界面。当“界面”和“操作系统”被AI彻底商品化，苹果苦心经营多年的应用商店、UI设计和生态护城河，将瞬间失去价值。 面对危机，苹果的选择是向谷歌妥协，引入Gemini模型。这意味着，这家以“掌控用户体验”为傲的巨头，正在把核心体验层外包给最大的竞争对手。 一旦失去了软件护城河，苹果就会沦为一家做工精良的五金厂，它的高利润率将被无情压缩。一场极其惨烈的价值重估，在所难免。 二、SaaS公司的护城河，正在被AI抹平 更惨的是那些靠写代码起家的SaaS公司。 过去，做一款B2B软件需要一个庞大的工程师团队，这种“难复制”就是SaaS公司最大的护城河。但现在，这种难度正在光速坍塌。 一个两人的草台班子，用Claude Code，90天内就能复刻出大多数SaaS产品80%的核心功能。你引以为傲的代码壁垒，在AI眼里只是一堆几秒钟就能生成的字符。 看看Figma、Salesforce、Workday……这些曾经坚不可摧的SaaS巨头，正在被团队规模甚至不如他们HR部门的AI初创公司疯狂蚕食。 纳瓦尔直言不讳：“如果你的护城河只是‘我们的软件写得更好’，那你大概率会在下一轮融资中眼睁睁看着估值蒸发70%到90%。” 三、未来10年，什么才值得投？ 既然代码已经一文不值，什么才是AI时代真正的护城河？纳瓦尔指出了五条生路： 渠道分发权： 产品只是载体，直接触达客户的能力才是资产。拥有私域社群、品牌声誉和分发网络的创始人才能赢。 真实的社群网络： 像Discord、Reddit这种平台，AI可以抄走它的功能，但绝对抄不走里面真实的社交关系网。 独家数据飞轮： 你的产品必须能在用户交互中沉淀出对手拿不到的数据（如特斯拉的自动驾驶数据），而不是仅仅套一个公共AI模型的壳。 硬核的物理整合： AI造不出火箭、造不出电池。SpaceX、波士顿动力这种掌握实体制造业壁垒的公司，防御周期最长。 极深的垂直行业： 通用工具必死，但深扎建筑、医疗等传统行业，掌握底层审批流程和监管数据的垂直平台，最安全。 四、史上最可怕的危机，也是最大的红利 旧世界的崩塌，意味着新世界的崛起。 纳瓦尔做出了一个极其乐观的预言：软件生产能力的平民化，将带来一场“超级个人创业者”的文艺复兴。 未来，一个人的公司可以跑出50人团队的速度。AI帮你写代码、修Bug、做客服；创始人只需要提供极高的品味、愿景和判断力。 下一家百亿美金的独角兽公司，员工可能不超过10个人。

【外國年輕人正把自己活成“中國人”】“之前大部分人是跟我一樣，為了追一個武俠夢來到中國。但是現在我問新來的外國學生，為什麼來中國？他們說是來學習文化，學習藝術——畫畫、書法、音樂、《道德經》……”在武當山習武多年的美國人傑克·平尼克在接受三里河採訪時這樣說。 他的觀察，恰好踩中了今年以來正在全球Z世代中爆發的浪潮。當下的海外年輕人，不再只是好奇中國，而是想把自己活成一個“中國人”。

记得小的时候听过一个段子： 一群学生出门溯溪，有个穿着裙子的小姑娘就开始卷起裙边，越走河水越深，就把裙子卷到膝盖，继续向河中间走，姑娘就把裙子卷到大腿，这时候其他人开始等着看笑话了，前面的河水快要淹没到腰，想看小姑娘怎么办。 结果小姑娘索性就把裙子放下来，任水淹没过长裙。 讲这个故事是想解释闪迪和WDC今晚的财报，其实美光发财报之后，半导体产业的财报就是利空了，业绩好也跌，业绩差更跌，这就是预期太高就会落空，涨价的斜率快到了三位数，毛利率接近 90%，你还希望企业能给出更高的成长吗？ 涨价涨到了终端下游都买不起要减配的状态，基本上涨幅就是到顶了，业绩的增长是线性的，而之前的业绩是指数增长，在股价上反应出来就是不及预期的下跌。 闪迪营收$89.65亿，环比+51%，同比+372%、毛利率84.6%、EPS$39.25，全部超过指引上限，但市场看到的是消费端$5.56亿，环比下跌32%，说明消费市场无论是闪迪主动放弃，还是涨价到需求减弱，都是把一块蛋糕让给别人了。 电话会管理层给出的NBM模式的毛利率水平约80%的答案，更是说明长协对毛利率的增长形成压制，长协的好处是需求下限的到了保证，而价格的上限也被锁死，那么从买增长的角度考虑，肯定是要下调预期了。 WDC也是一样，不仅当前业绩超预期，连下季度指引都超预期，但双Beat的结果还是盘后下跌。 之前说过，行情如果感觉难赚钱，不是你的水平不行，说明就不应该做这个板块。如果半导体难赚钱，说明不是买半导体的时刻；同理，如果AI板块难赚钱，说明不应该买AI了。 这里有一个暴论：如果Q3 大模型公司和AI圈再拿不出coding之外的爆发式应用，AI公司的股票也许一段时间内都要回避了。 因为现在所有的CSP需求、大模型公司的估值、半导体股票的市值都是建立在未来应用持续增长的假设前提下，这个假设一旦动摇，第一步就是杀估值；当然乐观的情形是，一旦有新的应用场景增量，相关的股票就是爆发式增长，保持谨慎，拭目以待。

不到两天Seedance 2.0 就遇到真人授权风险的问题， 让这场爆火显得像一次监管擦边短线套利。 这个时候也正可以聊一些 对视频AIGC和流媒体之间关系的非主流看法。 首先AI的圣杯一定是视频。 AI现在的军备竞赛， 都还在“模型算力”“生产力场景”。 但生产并不是人们真正最终的心之所向， 所有的生产活动，最终都是为了更多的奶头乐： 能有更多的时间，来放松舒适躺平、休闲娱乐。 就像互联网到移动互联网，结果是： 视频娱乐流量，占整个互联网流量的60%+ 所以可以预见： 视频AIGC娱乐，迟早也一定会成为 所有AI设施、资源消耗的最大头。 因为如果生产力逐渐相对饱和，下一阶段就是： 从事生产者占少数，躺平放松娱乐者占绝大多数。 这既是Elon Musk预期的未来社会形态， 也是黑客帝国The Matrix里的核心隐喻。 不少人觉得在视频AIGC的“冲击”下， “传统视频流媒体”不行了，要被颠覆代替了。 但我认为这种看法，有可能是类似于当年 “手机游戏代替PC游戏，所以Nvidia不行了” 的阶段性误解： 没有从第一性看到Nvidia通过 “连接过去貌似过时的点”， 积累了什么面向未来社会的护城河， 实现新的“第二曲线”。 下图中两条我之前聊 Netflix 的推文，分别是 2024年11月11日 (nflx 拆股后股价 80.5 usd) 2025年6月6日 (nflx 拆股后股价 126 usd) 一年多后的现在， nflx 股价又回到了当初第一条推文时80的价格。 按目前的斜率，也许跌到50也不会感觉意外， 但半年到一年后，很可能会迎来新趋势。 就如同我在2020年9月表达对Nvidia远期看法后， 它涨到32后，也还得再经历跌到12的主升前下蹲。 那么是时候再聊下，Netflix 在 AIGC 时代， 凭什么能有新的“第二曲线”机会。 1. “审美品味” 就是大家说的： 人在后 AI 时代下，最后的堡垒。 也就是“懂人们想看什么”。 Netflix是最早利用数据+工程驱动， 把审美品味变成“可计算系统”的公司。 以此获得全球超3亿订阅会员数， 就是审美品味+分发能力 同时国际化领先的结果证明， 和正反馈循环来源。 算力模型即产品， 转向品味即产品。 大模型是冰箱， 食材保鲜的基础需求满足了， 但可口可乐还没出现。 做冰箱的越早期越稀缺， 但靠冰箱更加发家致富的， 是卖神秘配方的可口可乐。 所以，最终算力市场，会从卖方市场， 逐步转向“谁有配方品味”的买方市场。 2. “可合法使用的IP授权AIGC衍生品” 就是大家现在看到的： 为什么Netflix要收购华纳。 个人认为，Netflix 花这么大代价收购华纳+IP， 很可能部分因为看到了未来AIGC内容环境下， 技术大家最终都会有，技术差异化会越来越小， IP才是“卡脖子”的，授权的IP衍生品才更赚钱。 有没有发现， 前两天X上流传的Seedance2.0的热门视频， 大多数都是借助了“未被授权”的IP加持？ 李小龙、各种名人、七龙珠、奥特曼、蜜雪冰城， 连最先引起共鸣的广告片，也是老干妈的。 （可惜了当时老老实实守规矩的Sora2， 只能用Sam Altman本人作为最大IP来出镜） 在喜欢的IP宇宙里享受技术带来的奶头乐， 是全球最多人口+最大公约数的最终幻想。 对“技术奇观”的新鲜感逐渐褪去、习以为常后， 引起最多人共鸣的IP才能长期留住观众。 内容越无限、无界增发， IP和被授权的规模化分发平台， 作为被信任的节点，稀缺价值就越高。 未来“谁都能生成”， 但不是“谁都能合法生成”IP衍生品并分发。 如果说未来可以为每个观众喜欢的IP， 来一键生成续集、“个性化定制”分支版， 下一部《哈利波特》，可不可以是你自己参演？ 那么原本收你10美金/月的订阅费， 是不是可以收你30/50美金甚至更高价了。 大多数人并不会为4K高清付几倍价格， 但是为喜欢的IP生成续集、个性化版本， 毋庸置疑的可以。 本来一个IP同段内容，千人一面， 只能卖给一个会员一次， AIGC可以把这个一次变成多次， 甚至是24H陪伴式的生成式流媒体。 想象3亿全球订阅会员基数上， 去增加这样的AIGC高级套餐， 收入能有怎样的质变。 所以，视频模型军备竞赛， 不仅不是对Netflix的威胁， 反而是在为其未来超预期收入做嫁衣。 如果没有AIGC，反而缺少加价的新理由。 所以，从拉低预期到超预期， 从反共识到正共识， 才是超额赔率来源。 最后分享一条冷知识： 如果有兴趣了解 Netflix 对AIGC视频的理解， 领先市场多少个版本，强烈推荐看： 黑镜 第6季第1集 《Joan is awful》 影视飓风TIM所担心的问题在这集中完全复现， 要知道这集是在2022年拍摄的， 也就是ChatGPT发布之前。

深度拆解 Renaiss Protocol： 收藏品 RWA 的无限流动性与 AI 基础设施叙事 在当前的 Web3 市场中，提及收藏品 RWA，大多数人的第一反应仍是把实体卡牌拍个照，铸造一个 NFT 充当凭证。这种模式的核心痛点在于信任黑盒与流动性枯竭。而 毕业于 YZi Labs EASY Residency S3、近期完成 150 万美元首轮融资（YZi Labs 领投）的 Renaiss Protocol ，正在 BNB Chain 上尝试一种截然不同的解法： 它不只是一个交易平台，而是一套让实体收藏品机器可读、AI 可交互、密码学可验证的金融底层基础设施。 核心信息差：Renaiss 到底解决了什么别人没解决的问题？ 1. 从有限发售到永续盲盒（Infinite Gacha）的流动性重构 传统收藏品市场依赖人为稀缺性（Limited Drop），这导致资产被分散锁定在各个收藏者手中，市场深度极差。Renaiss 推出了创新的 永续盲盒（Perpetual Gacha）机制 运作逻辑：它像一个永不休眠的自动售货机，背后由真实评级的实体卡牌（如 Pokémon、One Piece 等）金库支持。卡牌在池子中动态进出，其定价和期望价值（EV）与真实市场条件实时对齐。 信任机制：每一次开包（Pack Access）的随机性，都不是由中心化服务器决定，而是通过 Merkle 证明与零知识验证（ZK Validation） 在链上进行密码学锚定 这意味着你抽到的卡在物理世界和链上数据之间，实现了真正的防篡改对应。 2. 真正的护城河：模块化基础设施栈（The Modular Stack） Renaiss 的野心不在于做一个简单的电商网站，而是构建收藏品金融的乐高底座。这是目前市场上极少被深入讨论的核心信息差： Renaiss OS（金库操作系统）：解决非标资产标准化问题。它将独立金库和收藏品商店的库存转化为机器可读的数据，实现链上链下库存的无缝同步 Renaiss Layer（实物交割层）：处理繁琐的现实世界物流、鉴定与结算，确保链上代币持有者拥有无可争议的实物赎回权。 Renaiss Index（定价指数层）：收藏品 RWA 最大的死穴是定价不准。Renaiss Index 正在构建一个透明、可验证的 TCG（集换式卡牌）价格喂价系统，解决“资产身份错误导致价格失真”的行业顽疾 Renaiss CLI（开发者与 AI 工具）：这是最具前瞻性的一步。Renaiss 提供了终端原生的命令行接口，不仅服务于硬核开发者，更专门为 AI Agent 访问链上收藏品市场铺平了道路 未来，AI 可以根据市场指数自动执行套利、收购或做市策略。 生态势能：为什么开发者选择在这里建乐高？ 一个基础设施是否成功，取决于有多少人在上面构建应用。Renaiss 举办的首届公开黑客松（Renaiss Tech Hackathon S1）交出了一份亮眼的成绩单：超过 70 支团队注册，最终成功交付（shipped）了 45 个早期产品 这一数据释放了两个强烈信号： 技术文档与 SDK 的友好度：45 个落地产品证明其 API 和底层架构已经具备了较高的可用性，而非停留在 PPT 阶段。 叙事延展性：这些衍生产品涵盖了从数据分析看板、自动化做市机器人到新型衍生品交易的多个方向，验证了 Renaiss 作为收藏品金融底层的叙事逻辑是成立的。 新手实操与社区参与指南（Actionable Steps） 如果你希望早期体验并参与 Renaiss 的生态，以下是为你整理的实操路径： Step 1: 体验核心产品（Open Beta） 访问 Open Beta。 推荐动作：不要只盯着二级市场买卖。尝试体验其特色的Gacha（盲盒）功能（如 Eden Pack 或 Renacrypt Pack）。观察其如何通过链上哈希验证开包结果的公平性，这是理解其可验证托管最直观的方式。 Step 2: 抢占早期生态位（Renaiss Index Pioneer） Renaiss Index 的封闭 Alpha 测试正在推进中。通过官方渠道提交 Early Access 表单，争取获得 Renaiss Index Pioneer 状态 在基础设施项目中，早期数据贡献者或测试者通常在未来的生态激励中占据有利位置。 Step 3: 深度融入社区（Discord & X） 加入官方 Discord。不要只做潜水者，关注 #governance# 和 #builder# 频道。 信息差玩法：关注官方即将推出的无需许可的 VRF（可验证随机函数）公平性协议和第三方 SDK 的更新。如果你是开发者，第一时间利用 SDK 构建一个小工具（如特定卡牌的链上溢价监控器），极易获得官方的生态资助或社区关注。 独家洞察与客观风险提示 优势总结： Renaiss 巧妙地将高门槛的实体收藏品鉴定/托管与Web3 的原生金融原语（ZK、VRF、AI Agent）结合。它没有去卷那些已经红海的 RWA 赛道（如美债），而是切入了一个全球规模达数千亿美元、且极度缺乏高效流动性管理工具的实体收藏品（TCG）细分市场 需要警惕的风险： 实物交割的摩擦成本：无论链上逻辑多完美，RWA 的最终闭环仍依赖于现实世界的物流、保险和第三方评级机构（如 PSA/BGS）。若线下合作金库的扩张速度不及预期，会影响赎回体验。 监管合规性：将实体收藏品代币化并进行二级市场交易，在不同司法管辖区可能面临证券化认定的合规审查，项目方需持续强化其 KYC/AML 及合规框架。 Renaiss Protocol 的价值，不在于它今天卖出了多少包卡牌，而在于它正在编写一套将物理世界收藏品转化为可编程金融资产的标准协议。在 Web3 亟需真实收益和实际应用场景的当下，这种重基础设施、轻短期炒作的项目，值得长期保持关注。 本文基于公开资料与链上数据深度分析撰写，不构成任何投资建议。 Web3 市场波动较大，参与前请自行做好研究 DYOR。 @renaissxyz

有没有发现？最近十年，撑起中国新商业、新科技的千亿级、百亿级顶流创业者，几乎清一色，都不是北上广深一线城市人。 甚至连省会城市出身的，都寥寥无几。 张一鸣、王兴、王兴兴、梁文峰、杨植麟…… 这一批改写互联网、AI、机器人赛道的新生代大佬，全都来自发展不错的中小城市。 反观一线、超一线城市，很少再出开拓时代的领军领袖。更多产出的是：顶尖专家、资深匠人、优质打工人，安稳富足，止步小康。 很多人疑惑：明明大城市资源更好、眼界更广，为什么反而养不出顶级创业者？ 你们看看这新一代大佬的5个共性，瞬间读懂差距，更读懂顶级育儿的底层逻辑。 1、小城中产出身：不贫瘠、不浮躁，是最好的成长土壤 他们绝非寒门苦读的孩子，也不是大城市养尊处优的富二代。 统一标配：小城富裕/中产家庭。 家境殷实，不用为生计焦虑，不用早早背负养家压力，不用被迫早熟妥协；但城市节奏慢、诱惑少、攀比少、功利心淡。 这种环境给了他们最珍贵的东西：充足的试错时间、自由的成长空间、稳定的内心底气。 2、学霸底色，偏科天才，绝非死读书的书呆子 这群人，要么是名校高材生，要么是单科极致拔尖的偏科大神。 他们的厉害，从不是题海堆出来的应试能力，而是极致的钻研力、深度的逻辑思维。 对比就很明显：几十亿级的创业者靠机遇和努力，而百亿、千亿级的时代创业者，拼的从来都是底层认知和硬核能力，段位完全不在一个层级。 3、兴趣广泛，特长傍身，童年被用心滋养 细看他们的成长经历，几乎没人是只会读书的工具人。 大多会乐器、懂科创、爱钻研，有自己长期深耕的热爱。 这恰恰印证了：松弛富足的童年，才能养出丰富的灵魂和持久的内驱力。 父母不鸡娃、不焦虑、不功利，愿意花钱花时间培养孩子的热爱，才让他们保有了好奇心和创造力，这是顶级成功的核心底色。 4、纯粹理工底色，无江湖气，靠实力破局 不同于上一代企业家的长袖善舞、深谙人情世故。 这一代顶级创业者，大多是纯粹的理工男。 性格平和、不善应酬、不喜周旋，没有复杂的江湖气。 他们的底气从不是人脉、资源和套路，而是技术、认知、产品、极致的专注。 在时代红利褪去、竞争回归本质的当下，硬实力，永远是最稳的护城河。 5、有野心不贪婪，爱钱但不止于钱 他们都有极强的企图心，不甘平庸，敢想敢干。 但最难得的是：心态沉稳，情绪稳定，功利心适度。 他们爱财富，但绝不唯利是图。内心都有超越金钱的理想、执念和长期追求。 也正是这份「不纯粹逐利」的初心，让他们能沉下心深耕十年，做成颠覆行业的顶级事业。 最后，我想说， 大城市的孩子，过早看尽繁华、过早接触功利、过早卷尽资源。 眼界开得太早，心气磨得太快，很容易早早安于舒适区，失去探索世界的野心和耐心。 而小城优质家庭的孩子，成长节奏慢、心态稳、底气足、热爱长存。 真正顶级的养育，从不是早早带孩子看遍大世界、追尽风口、卷尽名次。 而是像玩游戏慢慢开地图、一步步打怪升级。 给孩子松弛的童年，稳定的心态，自由的探索，长久的热爱。 慢慢来，不焦虑、不速成、不功利。 能沉得住气长大的孩子，才能扛得住风雨，撑得起顶级的人生。