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 AI)与高效能运算(HPC)浪潮的强力推升下,预估到
AI)与高效能运算(HPC)浪潮的强力推升下,预估到 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 AI)与高效能运算(HPC)浪潮的强力推升下,预估到 的搜尋結果
【#台积电# 张晓强:2030年 #半导体# 市场突破1.5万亿美元】 在台积电于 2026 年举办的技术论坛上,台积电资深副总经理暨副共同运营长张晓强指出,在人工智能(#AI)与高效能运算(HPC)浪潮的强力推升下,预估到# 2030 年全球半导体市场规模将突破 1.5 万亿美元 。 这一数据大幅调升了过去业界普遍预测的 1 万亿美元,显示出 AI 正全面改写全球半导体产业的成长轨迹。 一. 2030 年半导体市场板块分布 张晓强指出,未来半导体市场的扩张核心动力来自 AI 引爆的庞大需求 [1]。2030 年的主要应用产值占比预测如下: 1. AI、服务器等高效能运算(HPC):占比达 55%,是跨越半壁江山的最核心动能。 2. 智能手机:占比约 20%,仍维持第二大市场定位。 3. 汽车应用:占比约 10%,主要受智能车与电动车芯片需求驱动。 4. 物联网(IoT)与通讯等其他应用:合计占比约 15%。 二. 台积电布局与技术关键点 为应对 AI 与 HPC 市场的爆发性成长,台积电也正积极推进相关制程与封装技术: 1. 下波功能转换:AI 需求正从前期的“模型训练”扩展走向“终端推论”。 2. 先进制程推进:预计今年下半年市场即可见到采用台积电 2 纳米制程生产芯片的手机。 3. 封装与光电整合:除了大众熟知的 CoWoS 先进封装技术,下一个关键核心技术为 COUPE(紧凑型通用光子引擎),将成为提升芯片传输效能的关键。 4. 海外产能扩张:台积电在全球加速扩产,包含美国亚利桑那州厂、日本熊本一厂与二厂,积极满足各大产业对先进芯片的庞大胃口。
顯示更多
全球 AI 半导体(晶片)市场规模十年涨十倍 在 2026 年约为 1,217 亿至 1,250 亿美元,并预计在未来十年内快速成长至突破 3,000 亿至 9,300 亿美元,甚至在长期上看逾兆美元。 市场现况与规模2025至2026年: - 根据研调机构与产业数据,AI 晶片市场规模在 2025 年约为 940 亿至 954 亿美元,2026 年进一步扩张至约 1,217 亿至 1,250 亿美元。 整体半导体连动:在 AI 基础设施强劲需求的驱动下,2026 年整体全球半导体市场规模预估将大幅成长并突破 1.5 兆美元,其中 AI 相关的高效能运算(HPC)与资料中心晶片占据了核心地位。 未来成长与预测2030年预期: - 综合 Statista 等机构预测,AI 半导体市场规模在 2030 年将超越 3,000 亿美元,若计入整体 AI 基础建设与系统应用,产值与相关商机将更为庞大。 2035年远景:部分长期预测认为,随着边缘 AI(Edge AI)与专用积体电路(ASIC)普及,AI 晶片市场规模至 2035 年将上看 9,300 亿至 1.1 兆美元。 $SOXX
顯示更多
“AI引爆庞大需求,全球晶圆代工龙头台积电表示,2030年全球半导体市场预估将突破1.5兆美元,规模预计再成长近一倍,其中高效能运算(HPC)占比55% ....... 拉动主要靠 AI/HPC ,这也正是台积电先进制程(3nm/2nm)与 CoWoS 封装需求强劲的核心原因。" - TSMC/ 路透社 目前全球半导体市场规模约在 7,900-8,000 亿美元(2025 年全年),2026 年预计将接近或突破 1 兆美元。- 半导体行业协会(SIA) 2025 年实际/初步数据:约 $792 亿美元(+25.6% YoY),创历史新高,主要由 AI 驱动。-(SIA) 2026 年预测:多个机构预测 $9,750 亿 ~ $1.3 兆美元 不等(WSTS/Deloitte 接近 1T,部分乐观预测更高,受 AI 基础设施拉动)。 - 德勤 目前(2025-2026)HPC/AI 相关占比:已接近或超过 40-50% 的市场收入,特别是资料中心 AI 晶片(含 GPU、HBM 等),已成为主要成长引擎。 AI 晶片本身在 2026 年可能贡献近一半的总收入。 - 德勤 看这些数据,TSMC 的4年后的预测还是偏向保守。 $TSM
顯示更多
2026 年,很多岗位都在收缩。 但 AI 相关岗位,依然在高薪抢人。 如果你想用 3 个月冲一份 AI 岗 offer,建议先把这 8 个 YouTube 视频按顺序刷完。 内容比较硬。 总时长大约 10 小时。 先收藏,再系统看。 高效学习方法 这类视频很长,直接硬看很容易看完就忘。 可以用 GitMind 这类 YouTube 视频总结工具,先把视频内容结构化。 地址: 你可以先让 AI 提炼: • 核心知识点 • 视频大纲 • 面试重点 • 代码实战部分 • 复习脑图 这样不用一开始就从头硬啃, 先看结构,再补细节,效率会高很多。 1. AI 基础概念|新手入门 Google AI Essentials 官方课程浓缩版。 17 分钟讲清楚 5 个核心 AI 概念。 适合完全没基础的人先建立框架。 看完之后,对 prompt、AI 工具使用和常见误区会更清楚。 视频: 2. MIT 公开课|AI 入门 Rama Ramakrishnan 系统讲解 AI 与网络架构的演进。 适合想理解 AI 技术全貌的人。 不是碎片化知识, 而是从架构视角建立整体认知。 视频: 3. MIT 公开课|进阶深度学习 Alexander Amini 的 MIT 深度学习课程。 接近 2 小时,从感知机、神经网络到正则化都有覆盖。 还结合 TensorFlow 代码实战。 适合准备 AI 面试、想补技术细节的人。 视频: 4. 数学基础|线性代数入门 Microsoft AI 研究员讲解线性代数基础。 29 分钟覆盖: • 向量 • 矩阵 • 行列式 • 线性变换 • 神经网络中的矩阵运算 适合 AI 入门阶段补数学直觉。 视频: 5. 数学基础|概率统计 Simplilearn 的概率统计完整课程。 约 1 小时 30 分钟。 内容覆盖: • 概率基础 • 分布 • 假设检验 • 统计推断 • Python 演示 • 数据科学应用 适合准备数据分析、机器学习、AI 岗的人。 视频: AI 岗不是只会用工具就够了。 真正能拿 offer 的人, 至少要补齐三层能力: 第一,AI 基础概念。 第二,数学和数据基础。 第三,项目实战和工程能力。 如果你现在从 0 开始, 不要到处乱学。 先用这套视频建立框架, 再做 2-3 个能展示出来的项目, 比只收藏一堆资料有用得多。
顯示更多
日本考察随记:AI革命中日本(之一) 走访日本,研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后,最大的感受是:市场对本轮AI产业浪潮的认知,长期聚焦于GPU、HBM、光模块等高增长显性赛道,却严重低估了底层物理硬件的话语权博弈。很多人疑惑, AI革命由美国定义算法、 中国落地市场、 韩国主攻存储, 日本似乎缺席了前沿竞争, 但深入产业内核会发现,日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断, 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间,市场对MLCC的认知极其简单固化,将其归为手机、PC、消费电子的周期附属品,是跟随终端出货量波动的普通被动元件。终端景气则行业回暖,终端低迷则行业承压,这种消费电子周期逻辑,主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来,彻底颠覆了这一传统逻辑,而掌握高端MLCC核心技术与产能的日本企业,顺势站上了AI产业链的核心价值位。 AI产业的核心竞争,早已不局限于大模型、算力芯片、高速存储与光互联,真正制约高端算力稳定高效运行的,是一套极易被忽略的底层体系——服务器供电网络(PDN)。当下AI算力集群的核心痛点,早已不是单纯的算力密度不足,而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W,核心工作电压不足1V,这意味着芯片周边需要承载数百至上千安培的瞬时突变电流,且算力负载会随计算任务启停极速跳变。 这种极端工况下,一旦供电网络响应速度不足,就会出现电压下陷(voltage droop),直接导致芯片降频、运算出错,甚至服务器宕机,彻底摧毁算力集群的稳定性。而高端MLCC的核心价值,就是作为芯片近端的局部电荷缓冲池,压低PDN阻抗,抑制高频噪声与电压波动,为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说,没有高端MLCC的稳定加持,再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代,进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构,早已无法适配AI机架的暴涨功耗,行业正全面向48V/54V架构升级,同时Google、Meta、微软主导OCP Diablo 400标准,英伟达主推800VDC AI工厂供电架构,高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区:高压供电仅解决远距离传输效率问题,无论远端电压提升至48V、400VDC还是800VDC,电流最终输送至AI芯片核心时,都必须降压至1V以内。远端高压、近端低压的架构特性,叠加超大瞬态电流、高频负载跳变的工况,让芯片近端的去耦、稳压、降噪需求达到前所未有的高度,而这一刚需,精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征,是MLCC需求的结构性分化,而非全行业周期复苏,这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天:手机、PC等传统消费电子需求疲软,普通标准规格MLCC产能充足、竞争激烈、价格承压,不存在短缺行情;但适配AI服务器的高端专用MLCC,陷入持续性、刚性结构性短缺,供需缺口持续扩大。 之所以形成这种结构性差异,核心在于AI场景所需的MLCC,早已脱离普通消费级规格范畴,具备极高的技术、工艺、认证壁垒。AI服务器核心工况,要求MLCC必须同时满足小尺寸、高容量、低ESL(等效串联电感)、低高度、高耐压、耐高温、高可靠的严苛标准,且可适配die-side、land-side贴近芯片部署,参与嵌入式PDN设计。 其中低ESL性能是核心壁垒,也是日韩与国产厂商的核心差距。高频算力场景下,ESL参数直接决定电容的去耦能力,ESL过高会让电容在高频环境下失效,彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头,凭借长期积累的材料、叠层、共烧工艺优势,实现了单层0.5μm介质薄膜、超1600层叠层的量产能力,对位精度可达±0.3μm,远超行业平均水平,可完美适配AI芯片的高频、大电流工况,这是普通MLCC产线无法复刻的核心优势。 更深层次来看,本轮高端MLCC短缺并非短期库存周期波动,而是技术、产能、认证三重壁垒构筑的长期供需错配,而这三重壁垒,基本由日本企业主导把控。 第一,需求端的增量逻辑彻底重构。本轮MLCC需求增长,并非来自服务器出货量的线性提升,而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进,近端高端MLCC的搭载数量与精度要求就越高,需求呈指数级增长。 第二,供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产,其小型化、高容量、低ESL、高耐压、高温可靠性的特性,涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术,量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月,核心生产设备交期1-2年,短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后,早已摒弃低端产能扩张策略,村田、太阳诱电、TDK持续收缩消费级标准品产能,将有限产能优先倾斜AI服务器、车载等高利润高端赛道,三星电机更是计划减产30%-35%标准品MLCC,进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%,形成近乎垄断的格局。 第三,客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC,并非简单的元器件采购替换,需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证,认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证,即可形成长期稳定的独家或优先供货资格,新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑,进一步印证了日系高端MLCC的不可替代性,二者并非替代关系,而是场景分工、协同赋能。硅电容优势集中在die-side极近区域,可适配超高频瞬态电流处理,但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景,仍然需要大量高端MLCC支撑。硅电容的技术迭代,本质是行业对芯片电源完整性的极致追求,进一步放大了高端电容的价值,而非颠覆MLCC的产业地位。 纵观整条AI产业链,利润与价值正在从前端算力、光互联,持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题,而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升,48V/54V仅为过渡架构,400VDC/800VDC高压架构将成为未来主流,但无论远端供电架构如何迭代,芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变,高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟:AI革命的竞争,从来不是单一技术的竞争,而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权,韩国主导高端存储,而日本凭借数十年的材料与工艺积累,垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC,早已跳出消费电子的周期桎梏,正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情,不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下,日本企业凭借高端MLCC构筑的产业壁垒,将成为其在全球AI革命中最核心、最隐形的竞争力,这也是解读本轮AI产业格局,必须看懂的日本价值。
顯示更多
生成式AI往代理式AI迁移中,新的卡脖子环节又出现了,这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节,其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了,看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了,甚至连过往不怎么受待见的港股联想集团,最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大? 传统AI(主要是大模型训练/推理)高度依赖GPU,因为Transformer的核心是并行矩阵运算,GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”:数据路由、内存压缩、GPU调度等,导致数据中心CPU:GPU比例很低(典型1:4~1:8,甚至1颗CPU管8颗GPU)。CPU利用率低,基本是配角。 Agentic AI完全不同,它不是单次“问答”,而是自主多步循环(Planning → Tool Use → Act → Observe → Reflect → Iterate),涉及: 1)编排:调度子任务、多智能体协作、分支逻辑、重试机制。 2)工具调用:网页搜索、API调用、代码执行、数据库查询、向量检索(RAG)、文件处理等。 3)其他CPU密集任务:上下文管理、KV Cache处理、强化学习(RL)仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多,GPU并不擅长(甚至会闲置)。研究显示:工具处理阶段在CPU上可占总延迟的50%~90.6%(GPU在等待CPU)。Agentic工作流中CPU动态能耗占比可达44%,比传统AI高3~4倍。 简单说,Agentic AI把“思考”交给GPU,但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”,必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动(Intel、AMD、Arm、TrendForce等一致观点)。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周,部分型号基本售罄,价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够,而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力,就是CPU卡脖子最严重。传统x86(Intel/AMD)高功耗+产能紧张,供应链直接打爆。 3、CPU缺口会有多大? 行业共识是CPU:GPU比例将显著拉近,CPU需求大幅提升:从传统1:4~1:8(CPU:GPU)转向1:1~1:2(部分场景甚至1.4:1,即CPU比GPU还多)。看之前Arm估算,每GW算力需要的CPU核心从3000万激增到1.2亿(4倍增长) CPU算力份额:在Agentic工作流中,CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡,甚至出现专用CPU rack来支撑Agentic编排;AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点,是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些? Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先:Arm AGI CPU(136核,TDP仅300W)对比x86同规格功耗低40%+,每机架性能直接翻倍。风冷机架就能塞8000+核,液冷更能到4万+核,完美解决数据中心的“功耗墙”。 更狠的是生态大转向:AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM,云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU(首款量产芯片),Meta、OpenAI、Cerebras都是首发伙伴,OEM有联想、Supermicro。 Counterpoint预测:AI ASIC服务器CPU里,ARM份额从2025年25%干到2029年90%。Arm自己说,这波能把数据中心CPU TAM从30亿版税干到1000亿+,未来几年服务器CPU营收很可能超手机,成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上,cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益? 梳理了下哪些公司会受益,后续关注起来: 美股最核心: Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率,且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD):理由:在 Agentic AI 服务器市场,AMD 的 EPYC 处理器因多核心优势和高性价比,目前在云厂商中的市占率持续提升,是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM):越来越多的云厂商(亚马逊、微软、谷歌)开始自研基于 ARM 架构的 CPU。无论谁赢,只要 Agent 需求推高 CPU 核心数,Arm 的授权费就会大涨。 港股(制造与分销关键点) 中芯国际 (0981):虽然其在最先进制程受限,但大量非核心逻辑控制芯片(支持 CPU 运作的辅助芯片)和中端 CPU 的需求外溢,会显著提升其产能利用率。 联想集团 (0992):全球第一大服务器与 PC 厂商。在短缺潮初期,拥有强大供应链管理能力和库存的大厂能通过提价和保证供应,抢占更多政企市场份额。 A股(国产替代与配套产业链) 海光信息 (688041):国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代,由于其架构与全球生态兼容性最好,国内算力中心在补齐 CPU 短缺时,海光是第一顺位替代品。 龙芯中科 (688047):自主架构 CPU 的代表。随着国产自主可控需求增强,在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463):理由:配套受益。CPU 核心数增加和 GPU+CPU 配比调整,要求更复杂的 PCB(印制电路板)和封装基板,这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008):内存接口芯片龙头。只要 CPU 多,内存条就多。Agent 时代对内存带宽要求极高,其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点: 1)量价齐升:CPU 厂商(AMD, Intel, arm、海光)最直接。 2)卖铲子的人:由于 Agent 需要高带宽,内存配套(澜起)和先进封装/基板(深南)的需求甚至比 CPU 本身更稳。
顯示更多
0
25
330
99
轉發到社區
MRVL 五年营收剑指10倍,AMD迎来CPU第二春 现在整个AI数据中心的硬件架构正在被重新设计,而CPU、定制芯片、光互连、交换机、网卡、内存接口和存储控制器,都开始跟着GPU一起进入新一轮需求爆发。 10月6日,Marvell(MRVL)在投资者日上突然大幅提高长期目标,公司预计2028财年营收达到约200亿美元,到2031财年进一步达到700亿至900亿美元,中值约800亿美元。 作为对比,Marvell 2026财年营收只有约82亿美元,也就是说,公司实际上在告诉华尔街:未来五年,Marvell有机会从一家年收入80多亿美元的芯片公司,成长为一家接近800亿美元收入规模的AI基础设施巨头。 另一边,花旗把全球CPU市场2030年的潜在市场规模直接提高到3000亿美元,相比2025年的约290亿美元,相当于五年扩大超过10倍,并把AMD目标价从575美元大幅提高到800美元。 表面上,一个讲的是Marvell,一个讲的是AMD,但背后的原因完全相同:AI正在从第一阶段的“训练模型”,进入第二阶段的“让AI真正开始工作”。 这两者之间的区别,将决定下一轮AI产业链的钱流向哪里。 过去三年,AI产业最简单的赚钱逻辑就是买GPU。OpenAI、Meta、Google、微软训练越来越大的模型,需要越来越多英伟达GPU,因此GPU成为整个AI产业最大的瓶颈。 但是到了Agentic AI,也就是AI智能体阶段,情况开始发生变化。 传统ChatGPT式聊天机器人,大多数时候其实是闲着的。你问一句,它运行一次模型,然后停止;你不问,它基本不消耗新的推理资源。 但是Meta Muse这类新一代个人AI智能体完全不同。它有自己的虚拟机、自己的浏览器,可以帮用户浏览网页、填写表格、处理客服、预约服务、调用不同的软件,并且在后台持续执行任务。 换句话说,未来一个AI用户对应的不再只是偶尔运行几十秒钟的大模型,而可能对应一个长期在线的“数字员工”。 这会让AI服务器内部的计算方式彻底改变。 花旗给出的一个非常重要的数据是,传统AI训练阶段CPU与GPU数量比例大约只有1比8,进入推理阶段后可能提高到1比4,而到了Agentic AI阶段,这一比例可能进一步接近1比1,甚至更高。 原因并不复杂,因为GPU最擅长的是大规模矩阵运算,但一个AI智能体真正开始工作以后,除了运行模型之外,还要不断完成任务调度、浏览网页、读取数据库、调用API、处理安全权限、运行操作系统、管理内存、传输数据以及协调不同AI模型之间的工作。 这些事情很多并不是GPU最擅长做的,而是CPU、网络和各种专用芯片需要完成的。 这也是为什么花旗突然把CPU TAM看到3000亿美元。 它真正表达的并不是“CPU要取代GPU”,恰恰相反,而是未来每安装更多GPU,整个系统可能需要同时配置更多CPU、更多DRAM、更高速的网络以及更多数据中心互连设备。 因此AI产业正在从过去非常简单的“GPU军备竞赛”,变成一场整个服务器架构的军备竞赛。 这时候再看Marvell投资者日给出的数字,就很容易理解为什么管理层敢把长期目标提高得这么夸张。 Marvell预计,到2030年,公司能够参与的整个市场规模将达到大约4000亿美元,而上一次公司公布长期市场规模的时候,这个数字还不到1000亿美元,相当于短短几年扩大了四倍。 其中: 定制芯片市场预计达到约2350亿美元,这是Marvell未来最大的潜在市场。 AI数据中心互连市场预计达到约650亿美元,而且预计是增长速度最快的业务之一。 交换机和存储相关市场预计达到约850亿美元。 通信及其他业务预计还有约150亿美元市场空间。 这些数字背后真正值得注意的,并不是4000亿美元这个数字本身,而是Marvell认为未来AI数据中心增长最快的地方已经开始从单纯的Compute,也就是“计算”,向Connectivity,也就是“连接”转移。 很多普通投资者容易有一个误区,认为AI数据中心最值钱的东西就是GPU。 实际上,当一个AI集群从几千块GPU扩大到几十万甚至上百万颗XPU之后,最大的工程问题之一反而变成了:这些芯片之间的数据到底怎么传。 GPU计算再快,如果数据送不过来,GPU一样只能等。 因此AI系统正在不断遇到几个越来越严重的物理瓶颈,包括带宽不够、延迟太高、铜连接功耗过高以及数据传输距离越来越长。 这正是Marvell最想吃下来的市场。 Marvell预计,到2031财年800亿美元收入中值的情况下,大约375亿美元来自Interconnect互连业务,约300亿美元来自Custom Silicon定制芯片,大约100亿美元来自交换机和存储,其余约25亿美元来自传统通信等业务。 也就是说,未来Marvell最大的业务甚至不是AI计算芯片本身,而是让整个AI数据中心里的芯片能够高速互相连接。 这也是这次投资者日最容易被市场低估的地方。 过去投资者看AI半导体,习惯先问一句:“谁能挑战英伟达GPU?” 但未来可能需要换一个问题:“每增加一颗GPU或者XPU,旁边还需要增加多少颗其他芯片?” 如果答案是一颗GPU背后,还需要CPU、NIC、交换芯片、光DSP、Retimer、内存控制器、存储控制器以及各种专用ASIC,那么AI产业链最大的增长机会,就不会只存在于GPU。 Marvell正在押注的就是这一点。 公司目前已经向美国四大Hyperscaler提供定制芯片,而且越来越多的项目并不是直接制造一颗替代英伟达GPU的大型XPU,而是所谓的XPU Attach,也就是围绕AI加速器周围增加各种专用芯片。 比如高速网卡、内存接口、存储控制器、AI基础设施管理芯片以及推理加速芯片。 Marvell管理层甚至给出了一个非常直观的计算方式:未来每颗XPU周围可能连接一到两颗专用芯片,而部分产品单颗价值可能达到约1000美元。 当云计算公司一年部署几百万颗AI芯片以后,一个看起来不起眼的“XPU旁边的小芯片”,最终都可能变成几十亿美元级别的市场。 这也是为什么Marvell把2029财年Custom业务目标从超过100亿美元进一步提高到超过120亿美元,并预计2031财年达到大约300亿美元。 更重要的是,Marvell现在已经不是单纯在给一家客户做一颗芯片。 公司明确表示,其定制业务已经覆盖美国四大Hyperscaler,而且未来收入会越来越分散在不同客户、不同XPU以及不同XPU Attach产品之间。 今年Marvell与谷歌签署的合作就是一个非常典型的例子。 双方合作范围并不只是一颗AI芯片,而是覆盖AI推理加速器、存储控制器、网络接口控制器、内存接口控制器以及Near-Memory Compute等多个产品。 根据协议设计,如果未来相关产品采购达到对应的业绩条件,整个合作所对应的潜在采购规模最高可以达到约1200亿美元。 这里必须注意,这1200亿美元并不是广告今天已经签字保证必须购买的1200亿美元订单,因此不能直接把它当作Marvell现有积压订单。 但是它透露出的信息仍然非常重要,因为谷歌愿意把如此大的潜在采购规模和Marvell进行长期绑定,本身已经说明大型云计算公司未来需要的并不是一颗ASIC,而是一整套围绕AI基础设施设计的芯片平台。 美股投资网认为,这正是Marvell与过去最大的不同。 过去市场对Marvell最大的疑问一直是,它究竟是一家真正拥有长期AI增长能力的平台型公司,还是仅仅因为几个大客户的ASIC项目,在AI资本开支高峰期暂时受益。 这次投资者日,公司实际上给出了自己的答案。 2026财年营收约82亿美元,2028财年约200亿美元,2031财年目标700亿至900亿美元,中值800亿美元;如果最终做到800亿美元,相当于五年时间收入接近增长10倍,对应年复合增速接近58%。 公司同时给出了2031财年超过30美元的Non-GAAP EPS目标,而2026财年这一数字只有2.84美元。 这已经不是一家传统半导体公司正常成长的假设,而是在押注整个AI基础设施市场未来五年继续高速扩张。 所以真正应该关注的问题也来了:Marvell这些目标到底可信不可信? 答案是,方向非常清楚,但是数字仍然需要投资者保持冷静。 根据美股大数据 获悉,最大的风险首先来自Hyperscaler资本开支。 Marvell整个长期模型建立在全球数据中心资本开支继续高速增长的基础上,公司预计到2030年全球数据中心资本开支规模接近3万亿美元,并且未来十大Hyperscaler占全球投资比例继续提高。 只要微软、Google、Meta、Amazon以及其他AI巨头继续每年扩大资本开支,Marvell的市场自然会继续扩大;但是如果两三年以后AI投资回报率开始下降,Hyperscaler突然放慢数据中心建设速度,那么Marvell现在给出的2031年数字也会受到明显影响。 第二个风险是竞争。 定制ASIC领域最大的对手仍然包括博通AVGO(Broadcom),而AI网络市场还面对NVIDIA自身的网络产品以及其他高速互连厂商。 4000亿美元TAM并不代表Marvell能够拿到4000亿美元,最终真正决定利润的仍然是市场份额。 第三个风险则来自估值。 当市场开始提前交易2030年甚至2031年的收入以后,股价上涨速度很容易超过盈利增长速度。一家公司未来五年的故事再漂亮,只要今天的估值已经把大部分未来增长算进去,股票一样可能经历非常大的波动。 因此美股投资网认为,这一轮AI行情真正值得投资者理解的,不应该是简单寻找“下一只英伟达”。 真正更大的变化是,AI正在从模型训练时代进入Agent时代,而Agent时代需要的不只是更多GPU,而是一整座更加复杂的数据中心。 GPU负责计算,CPU负责组织和调度,DRAM负责存储数据,网络负责搬运数据,光模块和DSP负责突破距离和带宽限制,交换芯片负责让成千上万颗XPU互相通信,而定制ASIC则负责把越来越多专门任务做到更高效率、更低功耗。 当AI从一个你偶尔打开的聊天窗口,变成24小时替你工作的数字员工以后,每一个AI用户背后的硬件消耗都会完全不同。 这也是为什么花旗敢把2030年CPU市场看到3000亿美元,也是为什么Marvell敢把2031年营收目标从今天的82亿美元一路看到700亿至900亿美元。 如果这一轮AI投资周期最终能够持续到2030年前后,那么下一阶段真正值得研究的,已经不是“除了英伟达还能买谁”。 而是每增加一美元GPU投资之后,还有多少美元会流向CPU、定制芯片、光通信、网络、内存和存储。 这才可能是AI产业下一轮最大的财富重新分配。 $MRVL $AMD #美股#
顯示更多
0
1
37
13
轉發到社區
《TapeOut 最伟大的那一天,也许是人们不再谈论“图灵完备”的那一天》 ——从 0 和 1,到一个不需要人人都是程序员的数字文明。 最近一直在思考火星人 @bitcoin2themars 经常说的八个字: 图灵完备,开天辟地。 我突然产生了一个看似矛盾的想法: 如果 TapeOut 有一天真的取得巨大成功,也许那时候,绝大多数使用它的人,根本不知道什么叫图灵完备。 听起来是不是很奇怪? 但我认为,这恰恰隐藏着 TapeOut 最深层的价值。 一、图灵完备,究竟意味着什么? 先不谈那些复杂的计算机理论。 想象一下,给你两种最简单的积木: 第一种,能够根据 0 和 1 做逻辑判断。 第二种,能够记住上一步发生了什么。 第一种叫 NAND(与非门)。 第二种叫 LATCH(锁存器)。 NAND 的神奇之处在于,只用它,就可以组合出其他各种布尔逻辑。 而 LATCH,让计算拥有了最基础的记忆能力。 一个负责计算,一个负责记忆。 当它们被合理组合,形成条件分支、循环和可扩展的存储结构时,理论上就有机会构造一台通用计算机。 这就是理解图灵完备的一把钥匙。 注意,图灵完备不是计算机拥有了智慧,也不是它能够无限快速地运算。 它意味着: 只要给予足够的时间与存储资源,这套计算体系理论上可以表达和执行任何可计算的算法。 更震撼的地方在于: 复杂,并不一定需要复杂的起点。 你今天使用的操作系统、游戏、金融软件乃至 AI 系统,其底层计算最终都可以分解为极其基础的逻辑操作。 人类数字文明,就是从这些简单规则之中生长出来的。 二、但以太坊早就具备图灵完备能力,TapeOut 特别在哪里? 这是我认为必须认真回答的问题。 如果只是宣称“我们也能实现图灵完备”,那还不够。 因为以太坊的 EVM 早已提供了理论上图灵完备的编程环境。 TapeOut 真正值得研究的,不是重新发明图灵完备。 而是它正在尝试改变一个更底层的东西: 计算能力究竟应该如何被制造、拥有、验证和复用? 以前,我们在别人已经搭建好的计算环境中编写程序。 TapeOut 则尝试把构成计算环境的底层逻辑,也变成人人能够参与创造的对象。 你可以把 NAND 和 LATCH 组合成电路。 把设计通过流片记录到链上。 形成拥有确定逻辑结构的电路 NFT,再由协议的执行机制进行计算与验证。 这不是在物理世界制造一块硅芯片,而是在区块链上制造一份可执行、可验证的数字电路设计。 项目已经展示过一台由 2,302 个 NAND 与 77 个 LATCH 构成的 4 位 CPU。 它可以逐条执行指令,甚至运行斐波那契程序。 这件事最值得关注的,不是这台 CPU 有多快。 它当然无法与现代计算机的性能相比。 真正重要的是: 从最简单的逻辑门出发,逐层构造出能够执行程序的机器,这条技术路径已经有了实际演示。 这和单纯部署一个智能合约,是不同层次的探索。 三、我认为 TapeOut 真正的爆发点,不是造出了多少电路,而是多少人不再需要重复造电路 这里才是我最想表达的观点。 人类文明的发展,有一个非常有意思的规律: 第一次发明轮子,当然伟大。 但真正改变世界的,不是让全人类都学会制造轮子。 而是让后来的人可以直接使用轮子,去创造汽车、火车和更多新东西。 计算机也是如此。 今天,没有人需要自己制造晶体管,才能开发一款手机 App。 没有人需要重新发明操作系统,才能打开一个网页。 技术进步最深刻的标志,不是复杂性不断增加,而是复杂性不断被封装。 我认为,TapeOut 未来也必须经历这个过程。 第一阶段,是有人能够用 NAND 和 LATCH 制造电路。 第二阶段,是这些电路能够被验证、标准化,并像乐高积木一样被别人复用。 第三阶段,则是普通人根本不需要理解这些电路,也能够利用它们创造应用。 想象一下: 一位开发者设计出高效的比较器。 另一位开发者创造出可靠的状态机。 第三个人把这些模块组合起来,开发了一款链上游戏。 第四个人甚至完全不懂电路,只需要告诉 AI: “帮我制作一个所有玩家都能公开验证计分规则的游戏。” AI 就能利用现成工具和可复用模块,帮助他完成设计。 这里描述的,是我期待的未来,而不是声称所有环节今天都已成熟。 但如果有一天,这样的创造方式真的普及了,会发生什么? 第一个人的创造,将成为第二个人的起点;第二个人的成果,又会成为第三个人的基础。 创造不再是孤立发生的事件。 而是一种能够不断积累、不断继承、不断放大的公共能力。 这才是我理解的“开天辟地”。 四、这里还有一道很少有人认真讨论的题 TapeOut 的 PoD(设计证明)机制,鼓励参与者提交符合要求、经过验证的电路,并通过设计与资源投入参与奖励分配。 但是目前的规则中,包含 REF 引用的电路不能参与 PoD 挖矿。 原因也不难理解。 如果允许直接引用别人已经制造的电路,却不用承担相应的基础元件消耗,就可能破坏原有的奖励公平性。 可是,从应用开发的角度来说,复用又恰恰是提高效率的关键。 这就出现了一个非常有意思的问题: 如何既保护原创设计者的贡献,又让优秀的设计被全世界尽可能多地使用? 我认为,这不只是一个技术细节。 它关系到 TapeOut 能不能真正从电路制造与挖矿,走向大规模的应用协作。 挖矿需要公平的贡献核算。 应用需要低成本的模块复用。 商业生态则需要让真正创造价值的人,有机会获得合理回报。 这三件事情如何协调,将是非常值得探索的方向。 因为一个成熟的计算生态,不应该只有制造者。 还应该有组件开发者、工具提供者、应用开发者以及最终用户。 每个人不必懂得全部技术。 却能够使用其他人的成果,继续创造新的价值。 五、图灵完备提供的是可能性,真正的使用需求决定它能走多远 11 月 8 日,TapeOut 在 BNB Chain 和 X Layer 上调整了新处理器相关协议费用,开始使用 BEM 支付,并将一半协议手续费用于销毁。 这意味着,协议正在尝试把 BEM 与实际基础设施使用连接起来。 但我认为,收费机制只是开始。 真正需要回答的是: 有没有越来越多的开发者愿意使用这些基础设施? 有没有越来越多的电路被其他项目真正调用? 有没有越来越多不参与挖矿、不关心代币价格的普通用户,愿意使用这些应用? 因为图灵完备可以证明一个计算体系在理论上能够做什么。 但它不能自动证明市场需要什么。 可计算性,是技术的上限。 可复用性,是生态的杠杆。 真实需求,才是长期发展的基础。 只有当这三个条件逐渐连接起来,TapeOut 的潜力才可能一步步转化为真实价值。 六、最后,我想说一个更遥远的未来 也许很多年后,一个普通孩子会打开某款游戏。 他不知道 NAND。 不知道 LATCH。 不知道什么是 PoD。 甚至不知道 TapeOut 曾经有过怎样激烈的技术讨论。 他只是觉得: “这个游戏真好玩,我也想自己做一个。” 于是,他打开工具,开始创造属于自己的世界。 而在这个简单动作的背后,可能连接着无数开发者过去几年创造的电路、工具和应用。 那些开发者来自不同国家,彼此可能从未见过。 但他们的成果,正在同一个开放体系里被后来者继承。 想到这里,我才真正理解了一件事: 图灵完备的伟大,不是让每个人都成为计算机专家。 而是让足够强大的计算能力,最终能够服务于每一个普通人的创造。 所以我想,未来判断 TapeOut 是否真正成功,最有意义的标准或许不是: 我们制造了多少个电路。 而是: 我们让多少原本没有能力创造的人,拥有了创造的能力? 今天,我们为一台由 NAND 和 LATCH 搭建的 CPU 感到震撼。 未来,我更希望我们为无数普通人借助这些基础设施创造出的作品感到震撼。 因为第一台机器的诞生,是技术的突破。 而无数人能够在它的基础上继续创造,才可能成为一个生态真正的起点。 火星人说: 图灵完备,开天辟地。 我的理解是: 图灵完备,打开的是计算的可能性。 人人创造,打开的才是文明的可能性。 从 0 和 1 开始。 让每一份有价值的创造,都有机会成为下一份创造的起点。 这或许才是 TapeOut 最值得我们长期期待的未来。 致敬那些认真写代码、做电路、开发工具、构建应用的人。 真正的星辰大海,不在某一枚代币的价格里,而在无数人开始创造的那一刻。 @bitcoin2themars @Blonskr @TapeOutWorld #TapeOut# #BEM# #TapeCode# #图灵完备#
顯示更多
Kindred Labs @Kindred_AI 与Memecore @MemeCore_M 合作推出SAFU SATO预售活动,SATO是Memecore的官方吉祥物——一只小蚂蚁,化身为AI伴侣,由 #Kindred# 技术驱动。 @Kindred_AI(Kindred Labs)作为Sei Network支持的AI代理项目更直白的说这是一个Ai操作系统,自2024年底启动以来,已通过多轮融资累计筹集约910万美元。这些资金主要用于开发情感智能AI代理协议、IP许可整合、去中心化内存架构以及XR生态扩展,目前已合作25+ IP(如Pudgy Penguins、Astro Boy),6周内注册使用500万用户。 上次Kindred的合作的NFT Klara是免费mint的总量1000,现在地板在1.2E左右。 现在Kindred Labs和Memecore 强强联合,推出SATOAI伴侣,持有它会获得 Hero SATO iNFT 的白名单,在MEME 2.0上Mint。 SATO是一个活泼的AI蚂蚁伴侣,生活在用户设备上(桌面及即将支持多设备),可问候用户、协助任务、提供洞察,并随用户习惯成长。  SATO现在$6.90 / 只(正式上线$19.90),没有购买上限,早买多买收益越大,每只是独立6.9倍收益(前24小时购买)。奖励在Q1 2026,以$KIN代币形式分发,并且 #Kindred# 官方兜底承诺,若$KIN未TGE或奖励延期,全额退款保障。 •  前24小时买10只($69):最终6.9x,奖励$476.10。 •  48-60小时买20只($138):最终4.7x,奖励$648.60。 •  72小时后买30只($207):最终3.4x,奖励$703.80。 预售链接:   $6.9 SATO=等价值$KIN空投+24小时/7天挖到的$Sugar+Hero SATO iNFT白名单+额外返佣每单10%等价值$KIN空投。 $SUGAR Memecoin和Hero SATO iNFT $SUGAR:每只SATO每天农场69 Sugar Points,2026年转换为$SUGAR memecoin(持有越多,分配越大)。iNFT更高效产出。 Hero SATO iNFT:3333件限量收藏品,在Memecore链上铸造。高实用性,可交易。 白名单:基于预售购买量排名,前1265名获资格(如果平局按最早购买时间)。 总体来说Kindred是一个实力雄厚的项目方,想打造一个下一代十亿用户构建所有Al的默认界面,壮大蚁群网络,6.9美金的售价确实性价比高,还能获得奖励,相信不会让参与者失望,在早期meme上线的时候,项目方给的奖励也很慷慨,代币价格也是咔咔拉,这次的NFT和$SUGAR还有$Kin也会是一个不错的收益项目。
顯示更多
0
28
31
0
轉發到社區
AI可以快速给出答案、风险提示甚至交易建议,但当用户焦虑、需要反复确认或分享个人情况时,只有真人能耐心倾听、用自己的经验安抚,并给出定制化建议。那种‘被重视’的感觉,是AI目前无法复制的信任纽带。 我希望 @Bitget_zh 永远保留这份人性化服务,因为用户最后留下来,往往是因为‘这里有人真正懂我、关心我’。 特别欣赏BG的Jaron面对巨大的市场诱惑依然能够坚持不上线隐私币的原则。话说自从隐私被监管拉入黑名单后,隐私币就注定难起飞。也可以回过头去数数,有多少天王隐私币能够起来了的,几乎都是同一条K线,上线即高峰。再去看Jaron的原则,怎么看怎么对。不仅保护了平台用户,侧面也给平台积累了口碑避免了不必要的监管麻烦。 AI时代让我们更高效,但Bitget这类平台的魅力,恰恰在于它没有让技术冰冷化,而是通过一个个真实的人,持续构建信任。这也是为什么用户和员工都愿意长期留在这里的原因。希望更多平台都能平衡好AI与人类的角色,让技术服务于人,而不是取代人。
顯示更多