註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 空間認識AI
空間認識AI 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 空間認識AI 的搜尋結果
早安!9/24 外電綜合整理 - 2454聯發科: 歐系升目標 歐系大行直言2028–29 年 TPU 上行空間更大,明年維持預估美金180億,2028/2029 年預估由原先的 美金350億/400億,上調至 435億/525億;主要是考量 2028 年 v8t 的產品週期更長,以及 2029 年 v9 的成長更強勁。因為券商觀察可能在 EMIB-T 之外加入 CoWoS,以在 2028–29 年進一步擴大 v9。此外,也有新案潛在機會,包含SpaceX’s Dojo 3 ,Tesla’s AI6 。 最後,券商觀察在EMIB-T使用的載板部分,Ibiden執行狀況優於市場擔心,欣興、Shinko也在增加中。綜上,上修聯發科26-28年EPS至$67.6/$177.5/$363.4,以27x 2027-28E PE評價,同步升目標。 - 3189景碩: 美系重申正向 8月自結利潤率優於美系券商預期,利潤率改善主要來自持續漲價所帶來的效益,以及CPU 用 ABF 載板出貨爬坡所帶來的產品組合改善。券商預期3Q毛利率有望來到28-29%,4Q再上升。預期ASIC 用 ABF 載板在 明年可能占營收 5%,光模組用 BT 載板的營收貢獻可能達到 3–5%。重申正向。 - 6213聯茂: 美系大行雖尚未覆蓋,不過看到光8月的單月稅後淨利就達成市場共識3Q預估數的52%,顯示3Q還有上修的空間。券商認為對整體CCL產業有正面延伸意義,重申對覆蓋裡的台光電、台燿正向觀察不變。 #每日外電#
顯示更多
台達電(2308 TT)大和 買進,目標價由2,988元上調至3,088元,相對9月29日收盤1,835元上檔約68%。目標本益比由55倍降至49倍,套用於一年遠期EPS,仍處過去三年11至50倍區間上緣。 近四個月股價偏弱,主因市場擔心HVDC延遲,以及Nvidia GPU出貨年增放緩。 報告認為弱勢多屬一次性:第二季受台達泰國供應商制裁拖累,第三季則受功率半導體短缺限制,供需缺口短期難解,但終端需求仍健康,預期第三季營業利益率達紀錄高點18.3%。 長期看好兩條主線。 一是AI ASIC伺服器:先前擔心ASIC熱設計功耗低於GPU會傷及台達,現改看好DC-DC模組含量與ASP。超大規模雲端業者願為較高效能的模組付費,2026年DC-DC營收預估約600億元,遠高於2025年的90億元及原先約200億元。 二是HVDC:因超級電容短缺、電源需容納鋁電容而體積變大,機櫃空間受限,客戶更可能改採高壓電源機櫃。2028年採用率假設由30%上修至至少50%。 因此2026至2028年EPS上修2%至15%,分別約40.4、63.6、114.0元;2028年獲利高出彭博共識約21%。營收預估由2025年5,549億元增至2026年7,724億、2027年1.13兆、2028年1.83兆,AI相關比重由31%升至73%。 主要下檔風險是需求不如預期。
顯示更多
0
0
112
4
轉發到社區
CLARITY Act 沒過,BTC 這兩天一起下跌。 但如果 zoom out 來看,從 8/19 到現在,BTC 仍然上漲超過 15%,同期黃金跟 Nasdaq 都小跌約 1%。 而且 9 月初 BTC 漲到接近 82K 的時候,Polymarket 對 CLARITY Act 今年通過的預期一路降低,只剩大約 14–15%。 所以這波上漲本來就跟 CLARITY 沒啥關係。 那為什麼消息出來,BTC 還是會跟著上衝下洗? 我自己的理解很簡單,主力剛好需要一個理由洗盤。 BTC 才剛脫離長時間的熊市區間,過往 BTC 旱地拔蔥往上突破 200MA 後都會進入震盪洗盤階段。 回頭看 2019/4、2020/5、2023/1 幾次熊市結束後,都有類似現象。 所以現在洗盤本來就在預料之中,CLARITY 這種 event ,只是剛好被主力拿來當作話題操作而已。 真正讓這波行情啟動的還是 8/19 美國財政部宣布提高長天期國債回購規模。 後來 Fed 態度突然轉鷹,市場開始擔心重新升息。 黃金前面的漲幅幾乎全部吐回去,Nasdaq 也回落。 BTC 同樣受到影響,但到現在仍然比 8/19 高很多,而且還額外吃了一個 CLARITY 沒過的幣圈利空。 從跨資產表現來看,BTC 已經算非常強了。 再來是最多人在意的 Fed 升息。 同樣都是升息,這次跟 2022 年差很多。 2022 年利率接近 0%,Fed 當時有很大的升息空間,但現在利率本來就已經很高,而且 AI 發展要錢、企業要融資,期中選舉也得顧經濟,美國現在根本沒什麼條件像 2022 那樣進入升息循環,這樣做等於拿石頭砸自己的腳。 Fed 這次升 25bp,是想壓住通膨預期,穩定市場對美元跟 Fed 的信心,比較像一種表態,而不是真的會一路升下去。 而接下來通膨最大的變數就是油價。我認為高油價很難會長期維持。 以前伊朗在兩伊戰爭、2012 和 2019 制裁 的時候都曾經撐很久,但那些時候都還有石油出口管道。 這次最大的差別是物理封鎖。 伊朗現在自己也被海峽封鎖卡住,目前只剩已經運到封鎖線外的海上原油能賣(最大買家是中國)。照目前庫存的消耗速度,庫存再兩三個月就會見底。 而且最近幾個月伊朗對外態度也越來越反覆。 總統跟外交系統一直想談和,軍方又持續維持強硬態度,就像個神經病一樣反反覆覆,這代表內部矛盾已經很大了。 兩伊戰爭後期也曾經出現過很類似的狀況,越到後期,伊朗對外訊號越亂,到最後民間跟軍方都撐不住了,才突然接受停戰。 現在各方其實都有很強的誘因把局面解掉。 美國跟歐洲需要油價下降,把通膨壓回去。 日本、印度、韓國需要穩定的能源供應。 海灣國家需要安全的油田、輸油管跟航道。 伊朗更需要恢復賣油,拿回外匯收入。 從賽局角度看,各方核心利益其實一致: 讓油重新正常流通。 主要矛盾一致,剩下就是談條件。 現在伊朗內部壓力持續升高,民間企業跟公部門都開始出現欠薪的狀況,我不認為高油價能撐太久。 所以升息跟 CLARITY Act 沒過,都沒有改變我對這波行情的中期看法。 牛市剛開始的時候,市場永遠有一堆理由讓你不敢買。 等到 Fed 開始降息、油價回落、政策全部轉好、所有人重新看多,價格早就漲了一大段。 目前現貨滿倉,如果接下來因為升息,BTC 出現一段比較大的修正,我會上一點槓桿,往下分批掛單,一路掛到 72K。 買入分歧,賣在共識。 接下來就讓時間說話。
顯示更多
0
188
136
13
轉發到社區
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。
顯示更多
你想认识 5 个 AI 时代的同路人吗? 1 过去两年,十字路口做了 22 场 AI 开放麦、12 场黑客松。 很多人在我们的活动里认识了新朋友、找到了联创、启动了新的事业。这也是我们一直坚持做线下活动的原因:人与人真实相遇后,才会有一些意想不到的事情发生。 每次活动开场,我都会在欢迎 PPT 的最后一页,给所有人布置一个小任务: 今天,在这里认识一个新朋友。 但坦白说,这个小任务并没有被所有人完成。 2 过去的活动里,很多人更多是在听。 即使几百个人来到同一个空间,也不代表大家真的有机会认识彼此。几句匆忙的自我介绍,很难让陌生人真正开始一段对话。 所以这一次,我们打算做一个新的尝试: 💡 我们与 Table for Six 合作,发起一场面向 AI 从业者、创业者与积极行动者的「六人一桌」深度交流活动。 十字路口的社区里,本来就聚集着一群身处 AI 一线的从业者、创业者和实践者。 过去,我们把大家带到同一个现场;这一次,我们希望通过一种更小、更深的方式,让真正应该认识的人坐到同一张桌上。 报名后,我们会通过问卷了解你此刻的状态、兴趣、选择与期待,为你匹配五位更可能聊得来的桌友,并围绕这一桌的共同点,生成专属话题卡。 这里没有嘉宾席,也没有观众席,只有一张桌子和六个人。 这一次,我们确保让你“认识五位 AI 领域的新朋友”。 3 毕加索说过一句很有趣的话: “当艺术评论家聚在一起时,他们讨论的是艺术的形式、结构和深层含义。而当艺术家聚在一起时,他们谈论的是在哪里可以买到便宜的松节油。” 这也是我们想把大家请到同一张桌子上的目标:一起来聊聊你们在 AI 时代的「松节油」: 你们正在上手体验的新 AI 产品(它到底解决了什么)、最喜欢/最常用的 AI 模型(为什么)、正在变化的工作流、尚未想清楚的问题,以及已经迈出的那半步,就是最重要的话题。 4 十字路口最早的几十期播客,都有一句固定的 opening: 「我们寻找、访谈和凝聚新一代的 AI 创业者与积极行动者。」 为什么我们如此在意“积极行动者”? 因为我始终相信,时代会奖励那些愿意在模糊中提前迈出半步的人。 尤其是在剧烈变化的 AI 时代。积极的人会更早开始使用 AI,更早撞上边界,也更早看见新的可能。他们不一定已经拥有答案,但愿意先动手、先尝试、先走出去。 积极的人,先享受世界,也更早看见未来。 5 但积极行动,从来不只是一个人向前冲。 很多时候,一个新的行动、一项新的事业,甚至一段新的人生,都会从“那天刚好认识了一个人”开始。 10 月 17 日,欢迎你报名十字路口 × Table for Six 特别联名场,将在上海、北京、深圳、杭州、成都五个城市同时举办。 过去,我们让 AI 时代的积极行动者来到同一个现场。 这一次,我们想让你们真正连接起来。
顯示更多
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。
顯示更多
0
99
485
142
轉發到社區
昨天在 OpenAGI Salon 认识了不少优秀的 AI 创业者 其中让我印象最深的,是一位做企业数字员工和 AI 转型的行业大佬 他们团队有六七十人,一年营收能做到上千万 和他聊完之后,我对企业 AI 这个赛道,也有了更深的理解。 第一,企业 AI 改造和落地,依然有很大的市场空间 目前行业里已经跑出了一批具备一定规模的 AI 服务商,但真正意义上的巨头还没有出现。背后的原因也很现实: B 端业务很难快速规模化,不同行业、不同场景的需求差异又非常大,单个团队很难覆盖所有细分方向。 但这也意味着,初创团队依然有机会! 找到一个适合自己的细分赛道,做出标杆案例,积累品牌和行业影响力,再通过服务、渠道和交付体系形成正向飞轮,这条路径依然能够跑通 这也是我们团队选择 all in 企业 AI 的重要原因之一 第二,B 端 AI 公司想要摆脱重交付、提高人效,核心在于做好产品抽象 这也是我最近一直在思考的问题 所谓产品抽象,就是把企业里离散、定制化的需求,提炼成一套可以重复使用的产品框架 这套框架既要能够解决真实业务问题,又要尽可能降低部署、使用和交付门槛 抽象程度太低,项目就会变成纯定制开发,每新增一个客户,都要重新做一遍 抽象程度太高,产品又容易脱离具体场景,最后看起来什么都能做,实际什么都做不好 真正有价值的产品能力,是在通用性和业务效果之间找到平衡 当一家公司能够持续把项目经验沉淀成产品和标准化方案,交付成本才能下降,人效才会提高,规模化才有可能发生 这也是我们团队接下来最需要补齐的一课😇
顯示更多
0
15
32
3
轉發到社區
做交互做视频时,跟 AI Agent 描述半天动画效果也说不明白?-- 1 分钟认识 13 类常见 Motion 动效名称 “从右边快速滑入,停下时稍微回弹一下……” 为了让 Agent 做出想要的动画,你是否写了很长一段描述,结果它还是理解错了? 很多时候,不是描述得不够详细,而是缺少双方都能准确理解的动效名称。与其反复解释动画长什么样,不如直接说出它的名字。 这段不到 1 分钟的视频整理并演示了 13 类常见 Motion 动画: 1. 页面与视图切换:Push Slide 2. 元素进入与退出:Staggered Entrance 3. 状态变化:State Morph 4. 操作反馈:Press + Ripple 5. 滚动动画:Scroll-driven Transform 6. 导航动画:Sliding Indicator + Drawer 7. 加载与等待:Spinner + Shimmer 8. 数据变化:Bar Growth 9. 布局重排:FLIP Reorder 10. 手势与物理运动:Drag + Spring 11. 引导与提示:Pulse + Popover 12. 品牌与装饰动画:Orbit + Assemble 13. 3D 与空间运动:3D Card Flip 每个片段都包含醒目的中英文名称和直观示例,帮助你快速理解动画的视觉表现与适用方向。 知道名字之后,你不仅能更快找到参考,也能更准确地向 Agent、设计师或开发者表达需求。少写一大段模糊描述,用一个明确的名称,让所有人更快理解你想要的动画。
顯示更多
0
15
372
55
轉發到社區
《2016押中英伟达,2025看懂AI存储,他又盯上了下一个十年风口》 2016年,如果有人告诉你: 未来十年,全球最重要的科技公司之一会是一家卖GPU的公司。 你可能不会相信,因为当时很多人眼里: 显卡只是游戏玩家的设备。 但后来,AI浪潮爆发。 英伟达成为人工智能时代最核心的基础设施公司之一。 2025年,又有人提出: AI时代真正稀缺的,不只是算力,还有存储。 当时很多人依然觉得: “存储周期而已,没什么特别。” 但随着AI产业链快速发展,存储的重要性再次被市场重新认识。有意思的是:连续两次提前关注科技产业变化的人,并不是传统投资机构里的基金经理。 他是一位长期处在争议中的年轻创业者, 他就是——孙宇晨。 有人认可他的商业判断, 也有人质疑他的营销能力。 但不可否认的是: 他一直喜欢关注新技术、新产业和下一轮增长机会。 如今,他又把目光放到了几个方向: 具身智能, 低空无人机, 空间计算, 太空探索。 这背后其实反映的是一个更大的趋势: 过去十年,AI让机器拥有了“思考能力”。 未来十年, 机器人和智能设备, 可能让机器真正进入现实世界。 从数字智能, 走向物理智能。 当然,任何新赛道早期都会充满争议。 有人看到未来。 有人看到泡沫。 但所有伟大的产业机会, 最开始都不是人人认可。 真正的问题是: 当下一轮技术革命刚刚出现的时候, 你是在等所有人确认? 还是愿意提前研究? 因为机会最大的地方, 往往就是大多数人还没有形成共识的地方。 #孙宇晨# #低空无人机,# #空间计算,# #太空探索。#
顯示更多
论文: Why is AI-generated language so hard to understand? ----------------------- AI 生成的文本为什么越来越难读? 研究者提出了一个统一的解释。 人类语言经过长期演化,被优化来成功沟通。这意味着什么?一个人说话时会倾向于缩短依存距离、在关键位置插入信号词、避免罕见搭配,这些习惯降低了听者的理解负担。心理语言学把这种倾向叫做“均匀信息密度”(uniform information density):说话人把信息分散开,避免在某一点突然堆积太多信息让听者处理不过来。 但现在的前沿模型不再只是模仿人类文本。它们经历了大量后训练,用强化学习去解数学题、写代码、做推理。在这些任务里,一个模型因为答对了会获得奖励,但因为表达清楚不会获得任何额外的奖励。同时上下文窗口有限制,用更少的词说同样的事就能在有限空间里装更多信息。这两个因素合在一起,制造了一种信息密度压力:模型倾向于选择更短更密集的表达方式,即使这意味着偏离人类的语言习惯。 基于这篇论文的研究,可以在 Agents.md 中添加如下要求,尝试提升文本可读性: 1. 句间连接不许省。 两个判断挨着放时,如果第二句不是对第一句的直接延续,中间必须有一句话交代它们的关系。读者不应该需要自己猜两句话之间是转折、因果、还是补充。问题和回答之间同理:问题出现后,至少停一句话再展开回应。 2. 修饰语不超过两层。 一个名词前面的定语不超过两层嵌套。需要三层以上时,先把最内层的概念用一句话说清楚,再往外套。「用户行为数据分析模型优化方案」这类写法禁止出现。 3. 同一段内,抽象概念做主语并搭配动作动词的句子不超过两句。 「这个框架吞噬了…」「这条规则抓住了…」「这个机制驱动了…」——每一句单独看没问题,密集出现时读者的理解负担会累积。第三句起必须换成具体的人、事物或场景做主语。 4. 写完后自检搭配。 逐句检查名词与动词的搭配,问:这个搭配在日常口语里说不说?如果说不出来,换成说得出来的。每个字都认识但连在一起别扭的表述,就是需要换的。
顯示更多
0
59
621
73
轉發到社區