鴻海宣布投資高雄白埔產業園區，建置新一代 AI 關鍵產品生產基地！ 面對 AI 需求強勁，鴻海近期積極展開全球擴產，此次首度在高雄佈建 AI 產能，深化從 AI 關鍵模組、系統至整機的垂直整合能力，並鞏固台灣在鴻海全球 AI 供應鏈的核心地位。 鴻海先前已在高雄陸續成立軟體中心、電動巴士以及電池工廠；近期也因高雄具備優良的 AI 資料中心設立條件，鴻海正在構建最新的超算中心。日後將結合當地與台灣完整的產業生態系、技術及人才，與全球夥伴共創價值並搶攻 AI 商機！ #AI# #AIInfrastructure# #Kaohsiung# #AISupplyChain# #HonHaiTechnologyGroup#

刚刷推看到个事儿，差点划走。 @RaxFinance 在搞一个全栈RWA层，专门给AI基础设施用的——不只是租GPU，而是直接拥有驱动AI算力的电力网络。 说白了就是：AI要算力，算力要电，RAX要把发电厂和算力打通。 这个叙事有点东西，不是那种空中楼阁的项目，是真的在链上锚定实体资产。 早期阶段，先占个位。 👉 #RAXFinance# #AIInfrastructure# #RWA#

ZERO Market Flash #003# 第二次“中国AI冲击波”，市场又看错了吗？ ——为什么更便宜的AI，可能意味着更大的基础设施需求 去年（2025年）1月，DeepSeek发布后，市场迅速形成一个判断：如果更少的GPU就能训练出优秀模型，那么未来AI基础设施需求将下降。当天，NVIDIA股价大跌近17%，整个AI产业链承受巨大压力。 一年多之后，类似的故事再次出现。 Kimi K3再次证明，中国公司能够以更低成本推出具有竞争力的大模型。市场随之提出了一个熟悉的问题：模型越来越便宜，是否意味着未来需要更少的GPU？ 然而，Kimi随后宣布暂停新的订阅服务，原因不是模型能力不足，而是用户需求迅速增长，GPU容量已接近部署上限。 真正率先达到瓶颈的，并不是模型能力，而是模型开始被大规模使用后的算力供给。 过去几年，AI竞争几乎一直围绕训练（Training）展开。谁拥有更多GPU，谁训练出更大的模型，谁就拥有更强的竞争优势。因此，当训练成本不断下降时，市场自然推导出一个结论：未来需要的GPU会越来越少。 但这个推导隐含着一个前提——AI的价值主要来自训练。真正需要回答的问题是：如果AI变得更便宜、更好用，会不会有更多企业和个人开始使用它？ 一个模型可能只训练一次，却会每天完成数百万、数千万，甚至数十亿次推理（Inference）。真正长期消耗算力的，并不是一次训练，而是持续不断发生的推理请求。 技术进步降低的是单位成本，真正决定产业规模的，却往往是需求增长的速度。如果应用普及快于单位成本下降，整体基础设施需求不仅不会减少，反而可能继续扩大。 这也是为什么，Kimi公布GPU容量接近上限，比模型本身更值得关注。市场讨论的是训练成本，而现实首先出现的，却是部署能力开始承受压力。 这也让SK集团会长崔泰源提出的“Memory正从Price-driven走向Volume-driven”有了新的解释：未来推动行业增长的，也许不只是价格，而是不断扩大的部署规模。 因此，这次所谓的“第二次中国AI冲击波”，留下的或许并不是一个关于模型竞争的故事，而是一个关于需求扩张的故事。真正值得关注的，不是谁能够以更低成本训练模型，而是谁能够长期支撑越来越多用户、越来越多Agent，以及越来越多的推理请求。 一年之前，市场因为DeepSeek重新评估了训练成本。一年之后，Kimi提醒市场，也许真正需要重新评估的，是部署需求。 训练创造模型。部署创造产业。 —— 本文仅代表个人研究观点，不构成任何投资建议。请独立研究，自行决策。 ZERO 优秀，不足以托付。
唯有最好，方可重仓。 Scientist · Doctor · A9 Investor Search Tags #AI# #ArtificialIntelligence# #KimiK3# #MoonshotAI# #DeepSeek# #Inference# #Deployment# #Training# #AIAgents# #GPU# #NVIDIA# #Memory# #HBM# #DRAM# #Semiconductors# #AIInfrastructure# #Datacenter# #SKHynix# #SNDK# #Micron# #AIInvesting# #TechInvesting# #ZERO#

所有人都在买英伟达，没人注意到这根连接所有AI芯片的管道——Nokia 上一篇写了为什么nokia是最便宜的光，今天再来详细分析一下4月份的财报和未来方向。有没有可能重现1999-2000年的parabolic move? 一、先说一个被忽视的逻辑 AI投资的讨论永远围绕着芯片——谁的GPU更快、谁的HBM供货更足。但没人问一个更基础的问题这些GPU之间，用什么连接？ 数据中心里成千上万颗GPU需要实时互相通信，传输的数据量是普通网络的数百倍。现有的网络基础设施正在被这股流量压垮。打通这个瓶颈，就是下一个十亿美元级别的机会。Nokia就站在这个瓶颈的收费站口。 二、4月份财报说了什么 表面数据：Q1净营收45亿欧元，整体年增率4%。很多人看到这个数字转头就走。 但分开来看： 1. AI与云端客户营收年增49% 2. 光通讯业务单季成长20% 3. 营业利益率冲上6.2%，年增200个基点 4. 自由现金流单季6.29亿欧元 5. EPS大超分析师预期31% 6. 净现金储备近40亿欧元 7. 已启动股票回购 更关键的是，管理层把光通讯与网络互联业务全年指引从10-12%直接上修到18-20%。大型设备商几乎从不这么做——除非手头的订单已经多到藏不住。10亿欧元实质采购订单，带明确交付日期，不是框架协议。客户之所以愿意压上日期，说明数据中心土建已完成，服务器准备进场，就等Nokia的设备到货。 三、为什么是Nokia，不是别人 重点一：与英伟达深度绑定 Nokia与英伟达达成AI-RAN战略合作，把GPU算力直接整合进无线电网络。年底还有双方合作的光电共封（LPO）现场试验数据即将公布。 黄仁勋说Agentic AI带来1000%的算力需求暴增。这1000%的算力要运转，需要1000%更宽的传输通道。Nokia在造这个通道，英伟达需要这个通道。 两家公司的利益高度一致。 重点二：Infinera并购协同效应超预期 高利率环境下，Nokia凭借近40亿欧元净现金逆势完成对Infinera的收购，并购带来的毛利率提升速度远超华尔街预期。这笔并购很完美，营收规模越大，利润爆发力越强。 重点三：主动放弃低毛利，聚焦Webscale巨头 Nokia正在主动削减消费者光纤等低毛利业务（固网业务Q1下滑13%），把所有产能死死锁定在谷歌、亚马逊这类超大型云端数据中心客户。 表面营收看起来疲软，实际是在牺牲数量，保住利润率。这种"价值重于数量"的策略，在产业周期里往往是股价主升段的前兆。 订单出货比持续大于1，接单速度快过交货速度，积压需求将在未来几季持续转化为营收。 四、市场有多大 云端巨头2026年资本支出超过7250亿美元，整个潜在市场年复合成长率从16%跳升至27%。目前AI驱动的网络流量只占整体的20%。随着Agentic AI和Physical AI的普及，机器对机器的数据传输将呈指数级增长——现有网络根本撑不住。Nokia不需要抢市场，只需要站在这条必经之路上收过路费。 五、风险在哪 供应链瓶颈： 光通讯产品交期被拉长至12-18个月，上游数字信号处理器（DSP）大缺货，营收认列速度被掐住。订单很多，但转化成钱需要时间。 无定价权： Nokia的增长靠的是出货量，不是涨价。光通讯产品长期价格向下，利润扩张依赖规模经济，这是苦活不是躺赢。 新交换器业务存在转换空窗期： Q1拿到的设计导入（Design Wins）不会立即贡献营收，需要等Q2-Q3的订单转化。 2027年新架构才放量： 下一代光电共封架构能降低客户总置成本70%，但量产要等2027年下半年，别把2027年的故事算进2026年的EPS。 六、会不会重现1999-2000年的parabolic move行情？ 1999年Nokia是全球最大手机厂，市值一度超过2000亿美元，两年内股价涨了超过10倍。那次是5G前身的2G/3G爆发周期。 这次不同，也更扎实。那次靠的是终端设备消费，周期性极强。这次靠的是基础设施刚性需求，数据中心建好就要配套设备，不存在等等看再说。 抛物线行情需要三个条件： 1. 需求端爆发: 7250亿资本支出，明年资本开支持续增加，AI流量暴增 2. 供给端瓶颈: 交期12-18个月，产能跑不赢订单 3. 市场认知滞后: 大部分人还把Nokia当5G周期股在看 认知差就是超额收益的来源。当市场还在争论Nokia是不是无聊的电信设备商，机构资金已经在悄悄重新定价。 七、三个必须持续跟踪的数据 1. Q2开始看设计导入转化率: Q1拿到的客户认证，有没有在Q2变成真实采购单，这决定下半年营收基础 2. 光通讯交期有没有开始收缩: 从18个月降到12个月是一个信号，意味着上游供应链开始松动，营收加速的拐点就在附近 3. 年底LPO试验数据: 与英伟达合作的光电共封现场测试，一旦数据亮眼，Nokia的估值逻辑将从"电信设备商"切换到"AI基础设施核心供应商"，PE重估空间巨大 八、总结 这不一定会是1999年的抛物线，但认知差带来的重估行情，逻辑上已经非常清晰。等年底英伟达LPO试验数据出来，才是真正的验证时刻。 #NOK# #Nokia# #NVDA# #AIInfrastructure# #OpticalNetworking# #Datacenter# #AI超级周期# #光通信#

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#

今年可以说是AI和存储的盛世！ 今年涨幅超预期的4只美股AI相关ETF，主要围绕AI基础设施。 01. DRAM - Roundhill Memory ETF 今年以来涨幅：+95.63%（最猛的一只） 上市时间：2026年4月2日 核心主题：AI内存、HBM、存储芯片，专门抓住AI算力背后的“内存瓶颈”。 主要持仓有SK海力士、三星、美光等存储大厂。 PS：这只在Hype平台上就可以买到，国内小白上手比较方便。 02. AIPO - Defiance AI & Power Infrastructure ETF 今年以来涨幅：+46.29% 上市时间：2025年7月 核心主题：AI电力和数据中心能源基础设施。 重点买AI发展需要的电力供应相关公司，比如数据中心供电、能源基建等。 03. IVES - Dan Ives Wedbush AI Revolution ETF 今年以来涨幅：+17.84% 上市时间：2025年6月 核心主题：AI全产业链和科技巨头。 持仓包括英伟达、AMD、美光、亚马逊、谷歌、苹果等大公司，属于比较均衡的AI组合。 04. TCAI - Tortoise AI Infrastructure ETF 今年以来涨幅：+69.01% 上市时间：2025年8月4日 核心主题：AI基础设施、数据中心和工业链。 重点投资AI从概念转向实际建设的“基建支撑”部分。 整体小结 & 新手建议 这4只ETF都紧跟AI热潮，但侧重点不一样：DRAM最激进（内存方向），TCAI抓基建落地，AIPO押电力，IVES更均衡。 最近几年AI ETF这么火，主要是因为AI大模型发展快，拉动了芯片、内存、电力、数据中心等整个产业链。 风险提醒：AI主题涨得快也跌得狠，这些都是新ETF，波动大。建议小额试水，别冲太多，控制在总资产10-20%以内。

高利率杀不了AI基建股的底层逻辑 The underlying logic why high interest rates won't kill AI infrastructure stocks (This article is very easy to translate) 总结：高利率压的是远期估值，但 AI 基建利润池抬的是当期现金流、毛利率、订单可见度和定价权。只要后者的上修速度大于前者的估值压缩，股价就能扛住甚至继续涨。 1. 为什么高利率杀传统成长股？ 高利率杀成长股的逻辑，本质是 DCF。 一个公司如果今天不赚钱，利润主要在 5 年、8 年、10 年以后，那么利率一上升，远期现金流折现回来就大幅缩水。 比如同样是 10 年后的 100 块现金流： 用 8% 折现，大概值 46； 用 10% 折现，大概值 39。 远期现金流对利率非常敏感。 所以传统成长股最怕的是： 今天没利润，未来讲故事；今天没现金流，估值全靠远期 TAM；今天亏损，市场愿意等，是因为利率低。 这种公司在高利率环境下会被杀得很惨，因为它的价值主要在未来。 2. 但 AI 基建利润池不是这种结构 AI 基建里真正强的公司，价值不完全来自“很远的未来”，而是来自当下正在发生的四件事： 第一，收入现在就在加速。 不是说 2030 年可能有 AI 应用，而是 hyperscaler，neocloud，主权 AI，企业 AI cluster 现在就在下订单。 第二，毛利率现在就在改善。 瓶颈环节可以涨价，或者至少可以维持价格，不被客户轻易压价。 第三，订单可见度现在就在提高。 客户锁产能，签长期协议，付预付款，给 capacity reservation，这些都会让收入更接近“确定性现金流”，而不是远期故事。 第四，现金流现在就在变好。 如果企业从“我要自己砸钱扩产赌未来”变成“客户先付钱、我扩产交付”，那它的商业模式久期就变短了。 所以 AI 基建真正的利润池公司不是典型 long duration growth，而更像： 短久期成长 + 工业瓶颈 + 定价权 + 当期利润上修。 这和普通成长股完全不同。 3. 高利率反而会强化瓶颈供应商的护城河 这点很反直觉，但很重要。 高利率会提高所有人的资本成本。对于普通公司，这是坏事；但对于已经占据瓶颈位置的龙头，有时反而是好事。 原因是： 第一，新进入者扩产更难。 高利率环境下，融资成本更高，资本市场更谨慎，新玩家更难拿钱扩产。 第二，客户更不愿意冒供应链风险。 当项目融资成本高、建设成本高、时间成本高时，客户更不敢选不成熟供应商。因为试错成本太高。 第三，成熟供应商更容易获得客户预付款和长期合同。 客户为了锁供应，会把一部分资金压力转移给自己，反而帮助龙头扩产。 所以高利率会伤害弱者，但不一定伤害强者。 对利润池公司来说，高利率可能造成一种结果： 行业总估值承压，但龙头竞争地位更强，弱玩家更难追赶，客户更集中地向可靠供应商下单。 这就是为什么不能机械地说“高利率 = AI 基建股该跌”。

过去一段时间，只要谈到AI投资，大家最先想到的往往还是英伟达。 但我越来越觉得，如果只盯着一家芯片公司，我们看到的可能只是AI浪潮中最显眼的一部分。训练和运行AI模型，不仅需要GPU，还需要数据中心、电力、云端算力、高速数据传输，以及最终将AI带入现实世界的机器人。 换句话说，AI不是一家公司或一类芯片的故事，而是一场覆盖整条基础设施供应链的长期建设。这也是我开始关注 @reserveprotocol 的原因。下面我想说说Reserve到做了什么？ Reserve围绕去中心化代币基金，也就是DTF来构建产品和基础设施。它通过Ondo Globa Markets的代币化股票，将AI供应链中的不同公司组合成五个链上主题篮子，让符合资格的用户能够分别了解和接触AI建设的不同环节。而且我认为这次产品设计最值得关注的地方，不是简单地把股票搬到链上，而是把原本比较分散的AI基础设施主题，拆解成了五条更容易理解的投资方向。 1. AI Infrastructure（BUILDOUT） BUILDOUT覆盖相对完整的AI硬件和基础设施技术栈。如果把AI产业比作一座正在扩建的城市，BUILDOUT关注的就是修建这座城市所需的各种底层设施，而不是只押注其中一家明星公司。 2. AI Power（POWER） AI运行需要大量电力。数据中心规模越大、模型训练越复杂，电力供应就越重要。我认为，能源是AI讨论中经常被低估的一环。算法可以快速升级，但发电设施、电网接入和长期供电合同并不能在一夜之间完成。POWER关注的正是为AI运行提供能源支持的企业。 3. AI Capacity & Neocloud（NEOCLOUD） NEOCLOUD聚焦将高性能计算资源作为服务提供给客户的企业。不是每家公司都有能力自行购买大量GPU、建设数据中心并维护整套计算基础设施。因此，算力租赁和新型云服务正在成为AI产业链中的重要组成部分。在我看来，这一方向值得关注的原因，是它直接连接了算力供给与企业的实际AI需求。 4. AI Photonics（PHOTON） AI不仅需要计算，还需要在芯片、服务器和数据中心之间快速传输大量数据。PHOTON关注的是光子技术和高速数据传输，也就是帮助数据高效流动的光学层。 很多人关注一块芯片能算多快，但我认为，芯片之间能否高效交换数据，同样可能影响整个AI系统的性能。 5. Robotics（ROBOTS） ROBOTS关注AI从数字世界进入物理世界的过程，包括机器人、自动化设备及相关产业链。如果说大语言模型让我们看到了AI理解和生成信息的能力，那么机器人代表的就是AI感知环境、作出判断并执行现实任务的可能性。这也许是五个方向中最直观、同时最具想象空间的一条主线。 了解了上面5个方向，接下来说下我怎么看这次机会。 我认为，Reserve AI DTF最值得讨论的地方，是它把AI交易从猜下一家明星公司，转向了观察哪些基础设施正在真实建设。市场情绪可以在一个月内发生很大的变化，但已经签署的数据中心建设计划、电力合同和芯片订单，这属于持续数年的商业承诺，而这些基础设施支出不一定会因为市场短期下跌而立即停止。因此，把基础设施建设看作观察AI产业一个重要指标，我认为是很有必要的，而不是只关注短期价格和社交媒体热度。当然这些并不意味着基础设施相关资产不会下跌，也不能说明AI DTF能够完全规避市场的波动风险。我的观点是：市场情绪和产业建设不总是同步的，而这种差异本身会有一些只得研究的地方。 现在想想，在过去，想在链上通过单一篮子覆盖这些主题并不容易。而Reserve让这个方向开始具备更清晰的产品结构，也更适合让人去找到合适自己的方向并且找到适合自己的产品标的。 最后如果让你从AI基础设施中选择一个未来几年最值得研究的方向，你会选哪一个？ 是AI芯片和硬件、电力、云端算力、光子技术，还是机器人？ 我自己会特别关注电力和算力服务。原因很简单：无论最终由哪一家模型公司胜出，AI系统都需要持续消耗算力和能源。但这只是我的观察，并不代表这些方向一定会获得更好的市场表现。 但是我肯定会持续关注 @reserveprotocol 带来的一些优质资产和设施，对于我来说确实降低了研究传统资产的门槛。

🪄 Daniel Miessler 把自己那套个人 AI 系统整个开源了，装上就有持久记忆、任务路由和会自我改进的 skill GitHub 上 1.8 万 star，MIT 协议 用 Claude Code 久了都会遇到同一件事：它不记事。昨天讲过的偏好、上周定好的流程，新开一个会话全部归零，你得重新交代一遍。 LifeOS 走的是另一条路，整套东西以一个自包含的 skill 分发，里面带工作流、工具和安装内容，跑在 Claude Code、Cursor、Codex、Hermes 这类工具之上，作者本人主要用 Claude Code 跑它。持久记忆、上下文管理、任务路由和自我改进都在这一层里，模型换谁不影响你攒下来的东西。 项目原来叫 PAI，也就是 Personal AI Infrastructure，今年 7 月连发了 6.0.0、6.0.2 和 6.0.3，路线图里还排着本地模型支持、细粒度模型路由、远程访问和外部通知。有一点先知道：公开仓库是从一个私有源码树生成的，社区提的补丁会被移植回源码树并保留署名。 AI 不记得你是谁的时候，再聪明也只是个陌生人。 GitHub：

从SITUATIONAL AWARENESS在Q1 13F里的变化，我们分析Leopold Aschenbrenner的策略调整意图如下: 1.他认为AI capex仍会继续，但市场已经把 NVDA、AVGO、AMD、TSM、ASML这些核心半导体资产定价得太充分。一旦出现capex放缓、毛利率压力、出口限制、客户自研芯片、融资环境收紧，半导体会先跌。 2.他更偏好“AI基础设施瓶颈资产”：电力、数据中心、算力托管、能源基础设施。这解释了为什么BE、CRWV、CORZ、IREN、APLD仍在组合里。 3.他的组合像是一个long AI infrastructure /hedge AI semiconductor beta的结构。也就是说，保留AI时代真正短缺资源的多头，同时用 SMH/NVDA/AVGO/AMD/TSM/ASML Put对冲市场最拥挤、最容易被杀估值的部分。 4.Q1 这份 13F更像“风险管理升级”，而不是简单的“看空 AI”。如果他真的全面看空 AI，应该会大幅清掉 CRWV、BE、IREN、APLD、CORZ 这些 AI 基建多头，但事实上并没有。当然13F只到3月，现在已经5月中旬了，仅供大家参考。