檢索結果 ASIC
ASIC 貼吧
一個關鍵字就是一個貼吧，路徑全站唯一。
用戶
未找到
包含 ASIC 的搜尋結果
$alab
从 cpu asic 二阶受益，演变为全新的赛道卡脖子，异构芯片集群互联的赛道。
得益于云需求的爆炸性增长，以及cpu/gpu 比例的改变，以及各类定制芯片的增长，异构芯片集群的叙事就出现了
顯示更多
🔥 前AMD高管深度拆解：ASIC战局与芯片巨头的隐秘关系
⠀
$NVDA 之外的世界，正在悄悄重组 👇
⠀
1️⃣ 为什么 $GOOGL TPU 需求暴增？
⠀
市场迫切需要 $NVDA 以外的选择
⠀
推理端需求爆发，TCO成为新战场
⠀
前几代TPU主打训练，现在全面转向推理
⠀
2️⃣ 推理时代的新指标
⠀
不再只追求原始算力和最大功耗
⠀
转向每瓦性能和每美元性能
⠀
效率才是下一轮竞争的核心
⠀
3️⃣ $GOOGL TPU 背后谁在撑场？
⠀
核心架构：$GOOGL 自研
⠀
SerDes IP 等关键知识产权：来自 $AVGO
⠀
两家深度绑定，不是简单的甲乙方关系
⠀
4️⃣ $MRVL 的下一张牌
⠀
$GOOGL 将与 $MRVL 合作开发下一代内存处理单元 MPU
⠀
最大瓶颈：ASIC与内存之间的数据传输速度
⠀
解法：把部分计算直接卸载到内存，减少吞吐瓶颈
⠀
5️⃣ $INTC 的逆袭机会
⠀
$GOOGL TPU 第九版将采用 $INTC 的 EMIB 封装技术
⠀
$META 计划2027年用 $INTC 开发自研ASIC
⠀
这些都是代工订单，不直接影响 $AVGO 和 $MRVL 的设计业务
⠀
但 $INTC 代工端将显著受益
⠀
💡 一句话总结
⠀
AI芯片格局正在从 $NVDA 一家独大
⠀
演变成 $GOOGL · $AVGO · $MRVL · $INTC 多方分食
⠀
每一层都有赢家，关键是你蹲在哪一层
⠀
❓ 你最看好哪家从这轮ASIC浪潮中获益最多？
⠀
评论区告诉我 👇
顯示更多
顯示更多
今天看到一份报告，讲到2030年，未来75%的AI计算需求将会来自推理，这里面将会催生出AI投资下半场的巨大机会，下面👇我们来简单聊一聊。🧐
过去两年，大家都在疯狂囤 GPU 训练模型，烧钱堆算力。但最近大家有没有发现，情况开始变了？尤其是小龙虾🦞出来以后，各类Agent可谓大爆发，Token需求指数级增长。一个崭新的推理时代正在到来，未来AI最大的叙事点是让AI应用走进全球几十亿用户手中，并真正使用起来！
这个转折点，我把它叫做从「训练时代」到「推理时代」的切换。而在这个新阶段，CPU 和定制芯片将是未来真正的主角。
👇咱们掰开揉碎了讲讲，为啥我开始盯上这些以前不起眼的家伙：
🎯 AI 现在有「脑子」了
以前的 AI 就是个工具，我问它答，无法去执行具体的工作。现在不一样了，Agentic AI来了，它能帮我订机票、改文档、写代码，甚至帮我规划整个工作流程。
这种活儿需要大量的逻辑判断和顺序编排。以前GPU是肌肉男，干体力活厉害；但现在这种执行活，CPU 才是指挥官，它擅长处理复杂的逻辑。AI 越聪明，越需要 CPU 来调度指挥。
🎯 大厂也得省钱啊
看财报，各大厂在AI领域的资本开支都十分庞大，其中七巨头除苹果之外，26年全年资本开支总额超过了6000亿美金。不要以为谷歌、Meta 这些巨头就不差钱。恰恰相反，他们也是把钱花在刀刃上。假如一直用英伟达的通用 GPU 来搞推理，电费和硬件成本会把他们吃掉。
所以大厂开始自己设计专用芯片ASIC，就像咱们切菜用菜刀、砍柴用斧头，专芯专用，效率高成本低。这是实打实的降本增效。
基于上述逻辑，我们筛了五个核心标的：
• #AMD：推理界的全能选手，GPU# MI300/325 系列拥有业内领先的内存带宽(256GB HBM3E内存，带宽达6TB/s，参数上优于英伟达H200)，能轻松处理超大规模LLM的实时推理，而且速度快。关键是它还是服务器 CPU 的老二，代理式 AI 需要强 CPU 时，AMD 两头吃。
• #ARM：底层架构之王，谷歌、亚马逊自研芯片基本都跑# ARM 架构，ARM Neoverse 平台已经成为 90% 以上自研 AI 服务器 CPU 的首选。所以大厂搞自研，ARM 相当于在家坐着收过路费。
• 博通（#AVGO）：定制芯片的总工程师，它作为# Google TPU、Meta MTIA 和字节跳动的重要合作伙伴，博通在高速互联和封装技术上拥有绝对统治力，是云巨头降低推理成本的首选合作伙伴。大厂想省钱搞自研，离不开博通的技术。
• 迈威尔（#MRVL）：深度参与亚马逊# AWS 和微软 Azure 的芯片研发，这俩巨头想摆脱英伟达依赖，必须依靠迈威尔。目前迈威尔的定制硅片业务正从“研发期”进入“爆发收获期”，未来的生意只会越做越大。
• 英特尔（#INTC）：虽然最近比较难，但它是唯一有自家晶圆厂的设计商，还拥有全球稀缺的# IDM 2.0 代工能力。当推理导致全球 CPU 需求激增、供应链紧张时，Intel 内部的这种协同效应和本土制造优势将会逐渐凸显，而且它还是服务器 CPU 老大。
看完整份报告，我个人认为有几个大趋势将会成为必然：
首先是从以前的「暴力算力」到未来的「精细化运营」。现在来看，整个AI 投资逻辑正在转变，不再是谁芯片最强，而是谁的方案最省钱、最能落地。说明AI真正商业化全面落地场景下，能效比率才是关键。
其次是供应链博弈。各大云巨头都在搞自研芯片，未来 AI 硬件市场会从「英伟达一家独大」变成「群雄割据」。我认为这对整个产业链将是好事。
最后就是电力依然会成为长期瓶颈。虽然 CPU 和 ASIC 在优化效率，但整体算力规模爆炸，对电力的需求还是无限大。看芯片的同时，能源赛道也值得留意。
总结一句话，#AI# 下半场，别光盯着那块最贵的 GPU，那些负责指挥的CPU和帮大厂省钱的ASIC，可能藏着下一波机会。
目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：#
早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！
顯示更多
这个对Ethereum是个里程碑的事件。
原本以为需要ASIC，或者至少一年后才能实现Ethereum的block的实时证明（<12s），现在用GPU就实现了（目前需要上百个GPU，后续ASIC仍然可以进一步替代）。这首先说明了Ethereum的强大开发者生态。Ethereum Foundation几乎没有直接出钱，靠号召力也吸引了大量顶尖技术团队围绕着Ethereum的愿景来build，加速实现了实时证明。
其次，在实时证明技术的支持下，Ethreum Layer 1下一步有望实现10,000 TPS的交易容量（交易费也将下降），原因是Validator不需要重新执行大量交易的验算，只需要完成零知识证明（ZK）的验证。后者计算量极低，类似Rasberry Pi Pico的硬件就可以完成，$5，功耗<1W。这意味着Ethereum通过ZK可以同时完成去中心化和TPS两个维度的扩展。这是ZK技术的胜利。
与之相比，根据Grok，Solana理论上可达65,000 TPS，实际运行中约800 TPS，而依赖的硬件成本通常在5,000美元至10,000美元之间（一次性初始投资），运营成本（包括电费和带宽）每月约为100美元至1,500美元。这样，Solana在TPS和去中心化方面相比于Ethereum都不会有优势。
当然，Ethereum基于实时证明的协议升级，还在路上，需要加速。
顯示更多
🤯 real-time proving is here 🤯
Mainnet EVM blocks proven in under 1 Ethereum slot (12s). Goosebumps.
Succinct proves every Ethereum L1 block:
→ 94% in <12s
→ 99% in <13s
→ 99.9% in <12s, soon™
Yesterday RISC Zero unveiled a $120K home GPU cluster—proofs expected in 9.25s. Brevis, OpenVM, Snarkify, ZisK, ZKM are weeks from joining the real-time club.
Soon™ my validator will verify EVM blocks on a Rasberry Pi Pico—a $5 board that consumes <1W. I will ditch my EL client in favour of a zkEL. No 1 TB NVMe. Goodbye Geth, hello zkReth. Stateless and RAMless verification in milliseconds on a single CPU core.
With real-time proving 1 gigagas/sec (10K TPS) is within reach, without compromising validator decentralisation. From now on expect regular gas limit bumps. 10% of stake is already voting for a 60M limit—your validators can too.
Snarkifying mainnet turns Ethereum L1 into the first based and native rollup. Stage 2. Bug-free. Decentralised sequencing. No security council. No governance. The L1 will lead by example.
This Friday we celebrate. Join us for Ethproofs call #2#, May 23 at 2pm UTC. 25 speakers, 2 hours of content. Calls are open—DM @corcoranwill for a calendar invite.
We are witnessing history. Believe in something real. Believe in real-time proving.
顯示更多
被低估的真相：Agentic AI 是一场以"存储"为中心的范式革命
1/ 一句话观点 Agentic AI 的核心，不是算力，是记忆。 新硬件层级正在变成： ① 记忆（HBM / DRAM / NAND） ② 并行计算（GPU / ASIC） ③ 协调者（CPU） CPU 早就不再承担主要计算逻辑。
2/ 第一性原理 人类对"智能"的终极追求只有两件事： 无限记忆 + 无限计算。 我们日常评价一个人聪不聪明，无非两点： "记性好" + "脑子转得快"。 机器智能在沿着同一条路前进。
3/ 先说市场已经讲过的故事：HBM LLM 推理的 decode 阶段是典型的 memory-bound 任务。 每生成一个 token，都要把整套 KV cache 从显存里搬一遍。 带宽不够 → 昂贵的 GPU 直接闲置。 这就是为什么 GPU 每升一代，HBM 的带宽和容量都在追着涨。
4/ 市场没怎么讲的故事：1M context 不是在 GPU 集群里组装的 我们天天说的"1M context"，并不是在 AI 推理集群中拼出来的。 它的真正组装地点，是 跑 Agentic 系统的传统服务器（CPU + 大 DRAM）。
5/ 那些传统服务器在做什么？ • 加载用户的长期 / 短期记忆 • 加载 agent 的系统规范（system prompt） • 加载 skill / tool / subagent 的说明 • 拼到超过 1M token 时，还要做压缩 这一整套，全部跑在 Agentic 服务器的 DRAM 里。
6/ 对比过去的互联网 / 移动互联网 过去几乎不处理用户上下文。 只有搜索 / 推荐 / 广告才会留一点用户画像， 数据量大概只有现在 Agentic 系统的 1/20，甚至 1/100。
7/ 供应链已经在反映这件事 服务器的 CPU : DRAM 配比，正从 传统的 1 core : 4 GB 升级到 1 : 16，并继续往上走。
8/ 但远不止"4 倍存储"那么简单 Agentic 状态下，单颗 CPU 能服务的用户数，只有过去的几分之一。 当整个 IT 都切到 Agentic： • CPU 数量：增长 几倍 ~ 十几倍 • DRAM 总量：增长 几十倍 ~ 上百倍
9/ 结论 Agentic AI 是一次以 "存储 + 并行计算" 为核心的范式迁移。 软件范式变了，硬件范式也跟着变。 只有真正读懂技术的人，才会理解： 这一轮存储不是周期，是范式。
10/ 时间维度 考虑到： • 人群渗透率还很低 • 单用户使用深度还很浅 未来至少 5 年，看不到这轮存储需求的周期顶部。 （拉长时间看万物皆周期，但这一轮远没到拐点）
$MU $DRAM $SNDK
顯示更多
$MRVL 收购瑞士光学公司Polariton，为下一代3.2T光模块提前作技术储备。
$MRVL 绝对的大帝之姿，未来20倍机会，市值还没中际旭创大。
它还是仅次于博通的ASIC芯片设计公司。
俩个赛道都是天花板万亿美金。
现在这个市值太便宜了。
顯示更多
大帝之姿， $MRVL 位于最赚钱的俩个赛道
1.光电转换与英伟达深度绑定。
2.去英伟达化的ASIC定制芯片。
这俩业务都能各送 $MRVL 万亿市值。
都处在头部，也是全球唯一即服务于英伟达又服务于“去英伟达”芯片业务的公司。
顯示更多
$MRVL 有大帝之姿，
如果未来AI混战是谷歌AI胜出，
$MRVL 估计在三年内轻松达到2万亿美金，20倍。ASIC芯片设计领域规模体量远不如博通，在去英伟达的前景下各大厂纷纷搞自研芯片 $MRVL 芯片设计业务也算入局了，同时本身又在光电转换方面有极高技术储备，都处在未来热点上。
顯示更多
$MRVL 有大帝之姿，
如果未来AI混战是谷歌AI胜出，
$MRVL 估计在三年内轻松达到2万亿美金，20倍。ASIC芯片设计领域规模体量远不如博通，在去英伟达的前景下各大厂纷纷搞自研芯片 $MRVL 芯片设计业务也算入局了，同时本身又在光电转换方面有极高技术储备，都处在未来热点上。
顯示更多
Taalas 这个芯片，反而币圈人最好理解。
假设，现在的 GPU 训练 AI = 曾经的 GPU 挖 BTC
那么，Taalas 芯片训练 AI = Asic 矿机挖 BTC
不过缺点是：BTC 在量子计算到来前，都不会再换算法。但是每推出一个新的 AI 大模型，Taalas 都得重新生产一个芯片。
顯示更多
24 dedicated people.
$30M spent on development.
Extreme specialization, speed, and power efficiency.
Today we launch Taalas’ first product. Check it out:
Details:
Demo chatbot:
API:
顯示更多
