#瑞芯微# 的最大看点则在于它踩中了未来的大风口：#物理AI，SoC# 芯片 瑞芯微并非传统消费电子芯片公司，而是国内少数同时具备高性能SoC设计、NPU、自研软件生态及行业解决方案能力的AIoT平台型企业。 当前增长主要由RK3588、RK3576及RK182X等平台驱动，受益于机器人、智能汽车、工业视觉和端侧AI等新兴应用。 未来几年，公司最大的看点在于"SoC+协处理器"战略及RK36系列新平台放量，而非单一产品升级。 若端侧AI进入规模化落地阶段，瑞芯微有望持续保持较高成长性。 不过，其估值表现仍需关注新品导入、下游需求及先进制程供应等因素。

2026下半年我最关注的 10 家机器人公司（按风险由低到高） 机器人板块，会不会成为下一个“太空板块”？ SpaceX 上市前，整个太空产业链曾经历过一轮明显的预期交易，资金开始提前寻找最直接的受益者。我认为机器人也有可能出现类似的过程，随着 Figure、Unitree 等公司的融资、IPO 进展不断推进，市场或许会越来越关注机器人产业链。 1. $AMZN ：全球最大的机器人应用场景之一，通过仓储自动化和物流机器人持续提升运营效率。 2. $TER ：一边拥有 Universal Robots，一边受益于 AI 芯片测试需求增长，同时布局机器人与半导体两大赛道。 3. $QCOM ：提供机器人所需的边缘 AI、低功耗计算、连接和传感器融合能力，是未来机器人本地计算的重要平台。 4. $TSLA ：Optimus 集 AI、大模型、自动驾驶、芯片和制造能力于一体，是目前公开市场最完整的人形机器人平台。 5. $AMBA ：Edge AI Vision SoC 龙头，让机器人能够在本地完成视觉理解、实时推理和决策。 6. 6324.T Harmonic Drive：全球高精度谐波减速器龙头，人形机器人关节最关键、最难替代的核心零部件之一。 7. $SYM ：仓储机器人纯正标的，通过机器人和 AI 重构仓储物流与供应链。 8. $OUST ：提供 LiDAR 与三维空间感知能力，让机器人真正理解和导航物理世界。 9. $VPG ：精密力传感器龙头，让机器人具备触觉、力反馈和精确控制能力。 10. $CCXI ：通过持股 Agility Robotics，为公开市场提供少数能够参与人形机器人整机公司的投资机会。 以上只是我目前重点关注的公司，如果大家还知道哪些值得研究的机器人产业链铲子股，欢迎在评论区分享，一起交流。

SLAS（Society for Laboratory Automation and Screening，国际实验室自动化与筛选学会）是全球实验室自动化、高通量筛选（HTS）、药物发现和 AI + Wet Lab 最重要的行业组织之一。 如果说 NeurIPS、ICML 代表 AI 算法的发展方向，NVIDIA GTC 代表 AI 算力的发展方向，那么 SLAS 正逐渐成为 AI for Science 和 AI 驱动 Wet Lab 的产业风向标。 今年的 SLAS Europe 2026，行业关注点发生了明显变化。从模型性能转向实验室现实。 数据质量（Data Quality）、系统互联（Interoperability）、实验执行（Lab Execution）、自动化基础设施（Automation Infrastructure）成为会议最频繁出现的关键词。 行业开始意识到，AI 已经不是最大的瓶颈。真正的瓶颈是实验室。 过去几年，AI 可以轻松设计数百万个候选分子，但这些候选分子最终仍然需要实验验证。真正限制研发效率的，不是模型还能提升多少，而是实验能否更快完成、数据能否高质量产生、结果能否快速反馈。 AI 本身已经开始走出 super Cycle，但对ai驱动的生命科学来说，模型越来越成熟，实验能力开始成为新的稀缺资源。 新的关键词是Orchestration。（是不是有点耳熟？） 过去谈实验室自动化，更多指的是 Automation。 自动移液机器人，自动培养，自动筛选。。。 今天讨论是整个实验室如何作为一个整体协同运行。 Automation 关注单个设备，Orchestration 管理整个实验室。 未来实验室越来越像数据中心。AI、机器人、仪器、数据库、分析平台需要组成一个连续运行的系统，而不是一堆独立设备。 整个流程开始变成：AI 提出假设、自动设计实验、机器人执行实验、仪器产生数据、AI 分析结果、重新设计下一轮实验、不断循环。 这就是 Closed-loop Lab。真正重要的不是机器人，而是整个实验流程能够形成闭环。 因此，API 开始成为新的基础设施。未来 Agent 不仅需要调用大模型，还需要调用实验室、调用仪器、调用机器人、调用分析平台。 没有统一 API，Agent 无法真正操作实验室。没有数据接口，AI 无法形成反馈。 未来实验室的核心竞争力，是谁拥有最好的 Instrument API、Workflow API 和 Data API。 AI 与 Wet Lab 的融合，本质上就是数字世界和物理世界之间建立统一接口。 这也是为什么 LIMS、ELN、SDMS 这些实验室的信息化软件，未来，它们更像 AI 的长期记忆。 LIMS（Laboratory Information Management System）负责管理样品、实验流程和实验结果。 ELN（Electronic Laboratory Notebook）负责保存实验设计和研究记录。 SDMS（Scientific Data Management System）负责管理科学仪器产生的大规模原始数据。 未来 AI 并不是直接读取 PDF 或 Excel，而是直接调用这些系统，理解过去所有实验历史，设计下一轮实验。 实验室开始从事后分析（Reactive）进入预测干预（Predictive）。Agent 不再只是分析实验，而是开始参与实验。整个行业也越来越认可一个现实，Wet Lab将越来越重要（这点从wet lab大牛最近加入anthropic也可以看出）： 模型必须经过实验验证。 实验不断产生真实数据。 真实数据继续训练模型。 模型再提出新的假设。 Hypothesis → Experiment → Learn → Hypothesis。 这个循环无法被跳过，这就是未来的Closed-loop Lab 对于接下来的ai驱动生物科学的重要节点，最值得关注的可能是实验室基础设施。 高通量实验平台、实验室机器人、液体处理系统、LIMS、ELN、SDMS、Workflow Orchestration、Lab OS、Connected Lab、Closed-loop Lab，这些过去相对边缘的领域，正在成为 AI for Science 最重要的新基础设施。

AI数据中心电力上的关键环节：800VHDC，今天在这里 Ultra平台上得到大规模采用。其实800VHDC并不是全新概念，自从英伟达去年说要推直流供电架构后，市场对此的关注度其实挺高的，这个板块的相关的标的已经炒过一博预期了。但实际上800V直流电在下半年才真正大规模采用，值得关注。聊下几方面的问题： 1、800V HVDC架构是什么？ 传统高密度AI rack的路径大致是：电网中压AC → 变压器/UPS/PDU → 415/480VAC到机架 → 机架内PSU转54VDC/12VDC → GPU核心电压。 达子的800VDC愿景则是：在数据中心边界/电力室把中压AC集中转换成800VDC，用800V DC busway送到IT rack，再在靠近GPU的位置用高比率DC/DC转换。NVIDIA称，54V架构在200kW以上开始撞上物理限制；1MW rack如果继续用54V，单rack铜排最高可能需要约200kg铜，而800V架构通过减少电流、减少转换级数、减少机架内PSU，目标是提升效率、降低铜耗、释放机架空间。 它不是简单的电压升级，也不是“发明了直流供电”，而是AI数据中心供电架构的一次平台级切换，是对整个电力交付架构的系统性重构，旨在解决传统48V/54V机架电源的瓶颈（空间受限、铜缆过载、多级转换损耗高），支持单机架功率从数百kW跃升至1MW+，并为未来GW级AI工厂铺路。 2、800V HVDC的意义和革命性是什么？ 1）首先自然是效率和空间布局 效率提升：从电网到GPU的转换环节大幅减少，整体能效可提升从以前90%能大幅度提高到98.5%以上传输损耗显著降低，TCO（总拥有成本）降低可达30% 空间与密度优化：减少铜缆用量和电源单元体积，机架内计算空间利用率提升超80%，支持更高密度GPU集群 2）800V不是单一器件升级，而是生态重构：中央整流、800V DC busway、固态断路器、热插拔保护、sidecar/power rack、BBU/CBU、超容/电池储能、DC/DC、GaN/SiC、液冷都要协同。NVIDIA也明确说需要OCP等组织推动电压范围、连接器、安全标准。 如果大家有关注过新能源汽车产业链，应该有影响这两年国内电动车厂商都在推的“快充”基本上就是800V高压直流充电。现在达子正在把800VDC变成下一代AI rack标准化路线的一部分，所以一部分原来给新能源汽车充电产业链上的关键环节，又开始外溢到AI数据中心上了。 3、800V HVDC空间有多大？ 要看大背景，AI数据中心整体市场从2025年约3440亿美元增长至2032年超2万亿美元（CAGR 27.5%）。 功率基础设施将成为AI建设的核心瓶颈与增长点，NVIDIA的标准将加速 hyperscaler采用，带动固态变压器、GaN/SiC功率器件等子市场爆发。 2027年后，>300kW/rack、尤其是400kW-1MW rack的AI zones中，800VDC或类似HVDC架构渗透率快速提升。若未来新增AI容量中有30%-60%采用高压DC架构，并且每MW对应的核心800V电力链价值量在几十万到数百万美元区间，累计空间就会进入百亿美元到千亿美元级。 当然这个预测区间也很宽，因为真实取决于Kyber/Rubin Ultra出货节奏、超大云厂接受NVIDIA 800V的程度。 4、800V HVDC产业链构成 完全是英伟达参考设计主导资格认证，之前英伟达也公开列出的核心合作伙伴分为三类，竞争激烈，份额将取决于认证进度、量产能力和 hyperscaler合同。 1）硅片/功率半导体供应商（核心器件，如SiC/GaN MOSFET、控制器，用于高效转换）： 主要玩家：Texas Instruments（TI，已发布完整800V解决方案）、STMicroelectronics（ST，6-18kW功率板）、Infineon、ROHM（SiC器件）、Navitas（GaN/SiC）、Analog Devices、onsemi、Renesas、Innoscience、MPS、AOS、EPC等。 这些是NVIDIA“硅供应商”名单核心，TI/ST等已演示参考设 2）电源系统组件/模块供应商（电源架、Sidecar、DC-DC转换器等）： 主要玩家：Delta Electronics（与NVIDIA深度合作，发布800V解决方案）、Flex、LITEON、Megmeet、Lead Wealth、Bizlink等。 Delta等中国厂商优势明显，已有白皮书和技术落地；LITEON等股价因800V预期已经显著上涨。 3）数据中心电源系统/基础设施供应商（机架级配电、Sidecar、SST、母线等）： 主要玩家：Vertiv（Hopewind为其800V系统关键子供应商）、Schneider Electric（开发1.2MW Sidecar）、Eaton、ABB、GE Vernova、Siemens、Hitachi Energy、Mitsubishi Electric等。 这里面Vertiv、Schneider、Eaton等是传统强者。 个人角度看 1）Vertiv、IFFNY、Schneider、Eaton、Delta、ABB是最可能在早期800VDC相关收入中占到显著份额的几家公司； 2）LITEON、TI、ST、Infineon、onsemi是第二组确定性较强的受益者； 3）Navitas、Power Integrations、MPS、BizLink、Megmeet、Innoscience（英诺赛科）属于弹性更大但验证/量产/竞争风险也更高的一组。 个人角度当下比较看好的则是，当然这个还要动态迭代： nvts、IFNNY、英诺赛科、vicr 5、后续跟踪落地节奏的几个重要节点 1）NVIDIA Kyber / Rubin Ultra 2027节奏：是否明确把800VDC作为默认/主推rack电力架构，而且出货节奏也带动800V的落地节奏 2）OCP标准进展：800V连接器、安全、保护、PDB、BBU/CBU是否标准化。 3）看点电源管理系统组件，功率半导体供应商的点单披露，谁真正进入了进入backlog和量产socket；这个最关键决定了哪家供应商能吃到多大的份额 4）超大云厂路线：800V vs 400V/±400V vs 50V HPR是否分裂。决定了市场对800V hvdc的预期和想象空间。 5）单MW成本下降曲线：如果800VDC使每MW可部署GPU数量、能效和维护成本明显改善，它会从NVIDIA专用架构变成行业事实标准。

财报速览：Rambus (RMBS) Rambus 股价在财报后跌超 10%，核心数据显示：AI 存储市场正处于从规模扩张向技术代差驱动的转型期。 核心财务逻辑：增收不增利背后的“军备竞赛” Rambus Q1 营收 1.802 亿美元，同比增长 8%。关键亮点在于产品营收（芯片）同比增长 15%，这抵消了授权业务的疲软。 现状： 市场对物理芯片（如 DDR5 接口芯片）的刚需远超专利授权。 代价： 为了保住技术领先，研发投入大幅攀升，导致运营利润率从 38% 压缩至 34%。这是典型的“拿利润换未来”的半导体竞赛阶段。 需求侧的移位：推理与智能体（Agentic AI） 财报中 CEO 提到的关键词是 “Agentic workloads”。这标志着 AI 需求已发生结构性变化： 从“训练”到“部署”： 早期增长靠买 GPU 练模型，现在的增长靠成千上万的 AI 智能体在线运行。 带宽即生命： 推理和智能体任务需要极高的数据交换频率，存储不再只是“仓库”，而是“高速公路”。 技术迭代的“深水区”：HBM4E 与 SOCAMM2 Rambus 的技术路线图目标是 AI 数据中心的两大痛点： 速度瓶颈： HBM4E 内存控制器 IP 预示着下一代 AI 显存标准的到来，带宽竞争没有上限。 电力瓶颈： LPDDR5X SOCAMM2 模块将移动端的低功耗特性引入服务器。在电力受限的当下，“每瓦性能”比绝对性能更具议价能力。 总的来看，资本市场非常苛刻。在 AI 基础设施领域，符合预期即是利空，只有持续的“技术碾压”才能维持估值。 当前的 AI 存储市场正在迎来新的技术升级，资金和订单正疯狂向 HBM、DDR5 等高性能和低功耗方案集中。 免责声明：非投资建议，股票投资风险巨大，入场需极度谨慎

承认吧，现在的链上交易，散户本质上是在和 24 小时不睡觉的脚本、拥有顶级工具的机构抢肉吃。 你手动切链、算 Gas、盯大V动态的时候，Alpha 早就被夹完了。 直到我深度体验了 @velvet_capital，才明白他们搞的 SocialFAI 根本不是堆砌名词，而是在给普通人发 链上交易的钢铁侠战衣。 它最性感的降维打击在于三点： 1. AI 不是噱头，是你的外脑：他们不仅在 Virtuals 上早早就部署了 AI Agent，App 内更是实装了真正的 AI Copilot，甚至在训练专属的 Crypto 场景模型。它不是帮你画线，而是帮你过滤噪音，直接输出策略。 2. 抹平“链”的物理边界：BNB、Solana、Base、Hyperliquid、Ethereum... 在它的底层框架里，跨链不再是折磨。你只需要关注交易逻辑，基础设施的脏活累活它全包了。 3.VelvetX 的不公平优势：这个移动端优化的邀请制应用，给你的是一种在嘈杂市场中拥有私人顶级交易室的错觉。极致的流畅度，就是最大的 Alpha。 关于 8 月 10 日的明牌： 2,710,049 枚 $VELVET（价值超 100 万美金）即将发放。但请注意，这不是无脑撒钱，而是依据 Gem 排行榜 的精准分配。 平台在奖励什么？奖励那些真正在用它管理组合、跑通策略的早期超级用户。 本文基于官方披露与个人看法体验，投资需谨慎

昨天GTC大会我直接看麻了—— 英伟达，它又来了。这次不是什么"性能小幅提升"，不是"能效比优化了8%"这种挤牙膏——它直接把一块对标RTX 5070性能的旗舰GPU塞进了一颗SoC，跟CPU共享高达128GB统一内存，然后告诉你：这是一台笔记本电脑的芯片。 四十年了。PC这个东西，四十年了第一次被人从根上重新定义。 我当时看到这个消息的第一反应是：英特尔你还好吗？高通你还有救吗？ 先说说这东西到底意味着什么。 过去Windows PC最大的物理性原罪，就是CPU和GPU是两个独立的大脑，数据在中间跑来跑去，慢、贵、浪费。苹果用M系列芯片统一内存架构教育市场教了好几年，Windows阵营一直在旁边尬看。 现在英伟达直接掀桌子：我来了，我带着CUDA来了。 这才是真正可怕的地方。高通骁龙X系列折腾了两年，好不容易证明了Windows on Arm能跑，但AI开发者为什么不买账？因为生态。因为整个AI工程界的母语叫CUDA，从PyTorch到各种底层加速库，没有CUDA你就是个外星人。高通费尽心机拉拢开发者，结果英伟达一进场，自带全套生态，开发者在笔记本上跑的代码和云端服务器上的代码——一模一样，无缝衔接。 这一刀，插的不只是高通的心脏，连苹果在AI开发者圈的布局都得重新掂量。 然后说说英伟达自己的如意算盘。 很明显，它在对冲风险。 AI计算的重心正在从训练向推理漂移，终端设备越来越重要。如果英伟达只守着数据中心的GPU矿山，万一哪天推理需求全跑到别的架构上，它就被架空了。所以它要把算力触角伸到你的桌面，伸到你的背包里。 以后不管你的AI任务跑在云上还是跑在本地，英伟达都能收到过路费。这个商业闭环，真的很丝滑。 当然，它也在赌。把高性能GPU塞进SoC，独立显卡的市场份额肯定要被自己蚕食一部分。它赌的是AI PC带来的增量能补上这个窟窿。能不能赌赢？我不知道。但敢这么下注的，也只有英伟达了。 但是—— 我必须说但是。 卖给谁？ 这是RTX Spark最大的问号，也是我看完发布会之后心里最凉的地方。 DeepSeek们把云端API的价格打到了什么程度？便宜到让人心疼。你买一台RTX Spark旗舰本要花多少钱？那笔钱拿去烧token，一个重度用户能用好几年。 本地跑模型，性价比正在被云端击穿。普通用户凭什么花大价钱，就为了在本地跑一个比云端还弱的模型？ 所以RTX Spark真正的用户画像，可能比英伟达预期的要窄很多。开发者、隐私敏感型用户、极客——这些人会爱死它。但那个想象中的"大众换机潮"，我觉得还得等很久。 总之，英伟达这次确实重新定义了战场，AI竞争从云端租算力，蔓延到了你桌面上的每一寸芯片。压力最大的是英特尔的传统x86阵营，还有刚在Arm PC市场勉强站稳脚跟的高通——这两家，接下来的日子都不好过。 但英伟达仍面临一道尚未完全跨越的坎：高价本地硬件与廉价云服务的矛盾。这个问题若得不到更好解决，RTX Spark就可能更多停留在极客与专业用户的玩具阶段，而难以成为真正的时代转折点。 路还长。盯着看。

最近市场跌跌撞撞，但这两天铜箔/ABF/电子布这些居然逆势企稳。很多人不知道为什么，其实答案很简单——日本人就是不肯扩产。 国内能卷的方向早就卷烂了，价格一塌糊涂；扩不出来的才是真木桶效应，卡住整条链。 这次调研了十几家日本半导体设备和材料公司，铠侠、三井金属、东京电子、爱德万……几乎清一色反馈：需求超预期，而且看得很长。 先说最炸的： 铠侠2026-2027年产能全被云厂锁完了。 不是快锁完，是全锁。LTA长协，2027-2028年的续签还在积极洽谈中。这不叫景气度好，这叫供不应求到厂商本人都麻了。CSP云厂现在开始自己下场直采存储，就是怕被掐脖子——这个行为本身就是最好的紧缺证明。 电子布库存只剩一周多。 不是紧张，是字面意义上的快断货。想扩产？先排织布机的队——丰田JAT910这款专用设备全球市占率100%，订单现在排到2027-2028年，交货周期最长两年。上游设备堵死了，不是没人想多生产，是物理上就扩不出来。 ABF载板，据调研反馈，扩产还要大客户先出钱买设备才肯动。 风险全转嫁给客户，节奏完全被动。正因为这样，你很难看到ABF价格被打下来。 涨价这件事，日本人有自己的方式： 不好意思直接坐地起价，但会悄悄推更贵的新品，或者甩锅原材料成本顺势提价。变相涨价，高情商版本，效果一样。 供需瓶颈分三种，位置不同，弹性不同： 存储是最紧的——晶圆厂扩产要1.5-2年，刚性供给没得商量。电子布/ABF是设备卡脖子，想扩队都排不上。碳化硅这类结构性紧缺，高端好但中低端过剩，涨价弹性反而最弱。 往后看的方向： 存储是当下确定性最高的赛道，逻辑没有任何被证伪的迹象。前几天英伟达调整SoC存储配置，很多人吓到了——其实不是需求变差，是存储太紧缺导致供应链在博弈采购权，反而是紧缺的佐证。 电子布/铜箔/ABF是下一轮持续涨价的品种。Rubin系列2026年下半年大规模量产，PCB材料全面升级，上半年涨价只是热身，2026Q3到2027上半年才是真正加速的窗口。 硅光/CPO这块进度比预期快。简单说就是光子替代铜互联，解决AI数据中心功耗瓶颈，2028年是产业加速的明显拐点。股票层面已经有提前演绎，但产业基本面空间还在。 设备端东京电子、爱德万交货周期约6个月，暂时不构成瓶颈，但要持续跟踪。 产业爆发期的成长股，历史上每次利率上行期调整，宽基跌10-15%，个股回撤20%，没有一次改变过趋势。3月跌的时候唱空的人一堆，现在回头看呢？ 跌了之后先问自己：逻辑有没有被证伪？ 没有，波动就是噪音。

物理AI这事儿，基本判了“一家独大”的死刑——就像全世界不可能只开一种车，物理世界太杂、太碎，10年内出不来那种“啥机器都能用”的万能模型。 根子在数字和物理的本质差：大模型玩的是离散符号，物理AI管的是连续受力、摩擦、碰撞，参数量一旦堆到能通用，本地根本跑不动，云端延时又受不了。 所以核心卡点很硬：必须端侧跑、必须30帧低延迟，这就逼着大家做选择题——要么先搞个“实验室满分”再拼命压缩，要么每一步小模型都得能卖钱，两条路，一个赌未来，一个赚现在。

物理ai，人形机器人的普及程度，未来可能跟私人飞机差不多。 是一个绝对的奢侈品。 从价格角度来说，10多万一台，普通人买个10多万的车都是要贷款的。 车除了可以为普通人提升装逼属性之外，确实是非常有用的出门工具。 买这个机器人有啥用呢，放在家里，不能装逼，让他做家务，细致程度应该远不及纯手工的小时工，还容易打碎东西。 这还都是后话，现在的问题是除了硬件的问题之外，软件操控系统是最大的障碍。 春晚上看到的武术动作都是设置好的程序，投入到现实家庭的复杂工作，难度是指数级的。 另外，最大的伴侣属性现在也在被阉割，明确规定了不能有性器官。 我还是觉得物理ai这个概念太超前了。 实现难度跟移民火星差不多。 需求层面跟元宇宙一样的伪需求。 实际例子可以参考前几年的平衡车，看起来碉堡了，实际上没啥使用场景。 当作一个概念被炒作就是他最大的价值。 一个玩具，撑不起现在的市值。