高通（Qualcomm）正强势进军AI数据中心，已与Meta达成多代Dragonfly C1000 CPU供应协议，并为另外两家未具名hyperscaler提供定制芯片，目标2029财年数据中心收入达150亿美元。 其核心技术HBC（High Bandwidth Compute）是亮点：采用近内存3D堆叠架构，将计算核心与LPDDR内存垂直融合，大幅缩短数据移动距离。相比传统HBM，HBC实现带宽/瓦特提升约6倍、容量/瓦特提升约200倍，同时显著降低功耗和总拥有成本（TCO），特别适合大规模AI推理和智能体AI场景。 HBM在峰值原始带宽上仍有优势，适合高强度训练负载；但HBC在实际AI工作负载中提供更低延迟、更高有效带宽和更好能效，尤其在电力和预算受限的hyperscale环境中更具吸引力。HBC并非全面取代HBM，而是成为高效补充方案——2027年中Gen1商用，2028年Gen2进一步提升，已获Meta等客户认可。 高通的优势在于能效+成本+定制化：利用成熟手机供应链降低成本，通过co-design和开放生态快速适配客户需求。这帮助高通从手机芯片巨头转型为数据中心重要玩家，在NVIDIA主导的市场中开辟差异化路径。 未来，HBC能否大规模分流HBM，取决于交付执行和软件生态成熟度。但在AI基础设施追求可持续性的今天，这种“省电即王道”的方案，已成为 hyperscalers 多元化供应链的热门选择。 但这种架构一旦被证明有效，行业复制速度可能会非常快。HBC不像CUDA，没有网络效应；不像x86，没有ISA锁定；也不像Windows，没有应用生态锁定。更大的可能是，Near-Memory Computing逐渐成为整个行业的新方向，而不是Qualcomm一家独占的技术。 因此，HBC本身更像是一张帮助Qualcomm切入AI推理市场的差异化王牌，而不是足以形成十年以上垄断优势的护城河。真正决定其长期竞争力的，不是单独的Near-Memory Compute模块，而是能否将HBC、LPDDR、Compiler、Runtime、软件生态以及完整的数据中心平台整合成一个系统级解决方案。如果这种整体体验能够持续领先，那么Qualcomm建立的将不是某一项硬件技术的优势，而是一整套AI推理架构的新范式。 免责声明：本人持有推文题及资产，观点充满偏见，非投资建议dyor

$NVDA $MRVL AI Hyperscalers 已从"建设"阶段转入"变现"阶段，瓶颈随之转移。关键不再是有多少算力，而是每瓦电能跑出多少 token。 Memory wall 在扩大，不是在收窄： - 过去 20 年，Peak FLOPs 每两年 +3x，但 memory bandwidth 只 +1.6x，capacity 只 +2x - $NVDA Rubin 相比 Blackwell 推理算力 +5x，但 HBM bandwidth 只涨 2.8x，memory 仍是硬约束，且代际间差距没有收窄 HBM 成本持续攀升加剧了这个矛盾： - HBM 占 B200 BOM 约 52%，Rubin 预计升至 62%，192 GB HBM 系统成本 $20 万以上，是等量 DDR5 的 5 倍以上 - Hyperscaler 数据中心 PUE 已接近物理极限（1.09–1.17），外围效率优化空间几乎耗尽 解法指向 offload engine：把 KV cache 卸载到更便宜的内存层，让 XPU 保持满载，而不是继续堆昂贵的 HBM。 Nvidia 内部数据：Vera Rubin NVL72 + Groq 3 LPX rack 相比 GB200 NVL72，每 MW token 吞吐量高 35x。 这直接利好 $MRVL：server DDR5 定价已升至约 $40/GB，DRAM-based CXL offload 相比堆 HBM 有明显成本优势，Marvell 的 CXL + custom silicon 正处在这个受益位置。 两条技术路径即将分叉： $NVDA 推 proprietary CMX，开放生态走 CXL（vendor-neutral）。 非投资建议！不是让你现在就买 MRVL

美軍連續第3晚空襲伊朗 打擊6地軍事目標 美軍中央司令部（CENTCOM）美東時間週一（7月13日）晚間宣布，已完成連續第三晚針對伊朗軍事目標的打擊。這項歷時5小時的行動打擊了伊朗多地的海岸防禦系統、導彈與無人機設施，並削弱了伊朗的海上作戰能力。 據美軍中央司令部聲明（鏈接），美軍使用精準彈藥，打擊了布什爾（Bushehr）、恰巴哈爾（Chah Bahar）、賈斯克（Jask）、科納拉克（Konarak）、阿布穆薩島（Abu Musa）和阿巴斯港（Bandar Abbas）等地的軍事目標。 美軍表示：「這些打擊將繼續使伊朗軍隊付出沉重代價，並削弱其在霍爾木茲海峽攻擊無辜平民和商業航運的能力。」 伊朗證實上述地區周邊遭到打擊，但未立即公布傷亡或損失評估。 「目前有超過5萬名美國軍人部署在中東各地。美軍始終保持警覺、戰鬥力強悍，且隨時準備應戰。」中央司令部表示。

台湾人气AV女神 🇹🇼「暗黑杨丞琳」 空降新山 · ACE Club 😘 一起在ACE Club感受真实的她、在夜晚与她慢慢的推向性感边缘 这一晚，是你和她之间，最靠近的一次距离 📥 RSVP: 📅 20/12/2025（星期六） 📍 ACE Club Permas Jaya Jalan Permas 4/4,Bandar Baru Permas Jaya 81750 Masai, Malaysia

用快餐概念轻松理解硬核科技 🔥 很多人觉得芯片、半导体这些硬核科技听起来就头大，其实用我们熟悉的快餐来类比，一下子就懂了！下面这张图把几个重要科技规律讲得超级接地气。 1. 麦当劳 = 摩尔定律（Moore's Law） 类比：麦当劳不断把汉堡做得更小，但性能（味道+效率）却越来越强。 科技解读： 芯片的晶体管数量每18-24个月翻一倍，尺寸不断缩小，性能和能效却大幅提升。从1990年代的大汉堡，到现在越来越小的“迷你汉堡”，这就是过去几十年芯片行业发展的核心驱动力。未来这种“小型化+高性能”趋势仍将持续。 2. 汉堡王 = HBM 工艺（高带宽内存） 类比：汉堡王把肉饼一层一层堆叠起来，体积变高，力量变强。 科技解读： HBM（High Bandwidth Memory）就是把内存芯片垂直堆叠（3D堆叠），极大提升数据带宽和处理效率。在AI大模型训练中，HBM已成为关键技术，因为它能让GPU更快地读取和处理海量数据。目前英伟达等顶级芯片都 heavily 依赖HBM，堆叠技术就是当前算力竞赛的“力量之源”。 3. 肯德基 = 稻定律（或类似规模经济规律） 类比：肯德基把一周的订单尽量压缩到星期四一天处理，效率更高、时间更省。 科技解读： 这对应的是通过集中处理和规模化来降低时间常数、提高整体效率。在半导体和AI领域，类似“把计算任务集中到最优时间窗口”或通过大规模集群来提升系统吞吐量，降低单位成本。这也是数据中心和云计算追求的核心逻辑。 4. 萨莉亚（Saizeriya） = ARM 架构 类比：萨莉亚用很多简单、低成本、低功耗的菜品（沙拉等）组合起来，打败单个高性能但昂贵的主菜。 科技解读： ARM架构 vs 传统x86架构。ARM采用精简指令集，单个核心性能不算最强，但功耗低、成本低、数量可以堆很多（多核）。如今手机、服务器、AI边缘计算大量采用ARM架构，以“数量取胜”实现整体高性价比。这也是苹果M系列芯片、手机SoC成功的关键。 科技的进步从来不是单点突破，而是像快餐业一样，不断在尺寸、堆叠、效率、架构上寻找最优解。 摩尔定律 → 追求更小更强 HBM → 追求垂直堆叠 规模化处理 → 追求效率极致 ARM → 追求多核协同、高性价比 这些规律共同推动了AI时代的算力爆发。

AI光互连正在进入“混合化时代” AI scaling真正撞墙的位置，已经越来越接近data movement。移动bit的成本，开始越来越接近，甚至超过计算bit本身。 massively parallel IO、power/bit、thermal density、reliability、optical packaging、chip-to-chip bandwidth这些问题越来越成为瓶颈。未来光互连越来越像系统工程问题。 AI光互连重要的趋势，是“光互连混合化”。行业正在从每模块独立激光、pluggable optics、板级光模块，逐渐走向 CPO、ELS（External Laser Source）、Optical IO、chiplet optics、MicroLED optical interconnect。核心原因很简单：激光器越来越难放在最热、最密集、最难维护的位置。于是行业开始把激光集中化、共享化、远程化。ELS路线背后的本质，也是把光源从局部模块变成系统级资源。 ai集群的网络功耗正在逼近计算功耗。GPU越来越像“被IO限制的计算器”。于是光开始越来越靠近封装。过去是 GPU → PCB → 铜 → 光模块 → 光纤。未来越来越像 GPU旁边直接就是光。而一旦光进入封装，热、良率、耦合、封装、可靠性，全部开始指数级变难。 于是MicroLED开始成为选项。传统激光路线更强调单通道极限速度、长距离、相干性、超低损耗。MicroLED路线更强调海量并行lane、超短距离、低功耗、CMOS-like scaling、低成本、超高密度。重要的是，它更接近“半导体+显示产业链”的制造逻辑。 很多人会把MicroLED理解成激光替代。更准确的理解是：它更接近“铜线升级方案”。尤其适合 chip-to-chip、package-to-package、board-level optics、rack内部互连这些超短距离场景。 这里真正重要的，是总IO数量能不能持续扩展。 现在这个方向最积极的推动者之一，其实是Microsoft。MediaTek已经和Microsoft Research联合开发基于MicroLED的AOC（Active Optical Cable）。路线很明确：重点放在AI scale-up网络里的超短距高并行光互连。核心思路是“slow-and-wide”。重要的是海量低速并行光通道，而不是少量超高速channel。这其实非常符合AI时代的网络特征，因为AI真正需要的，越来越像“无限并行IO”。 MTK具备完整的数据中心系统能力，包括高速IO、ASIC协同、SerDes、封装、power delivery、hyperscaler协同、大规模量产。而且它已经绑定Microsoft。这意味着它已经开始进入hyperscaler验证阶段。微软公开时间线是2027年前后开始商业化部署。 另一边，KOPN也已经正式进入这个赛道。它原来的核心能力是AR、military optics、MicroLED display，但现在已经开始向AI optical interconnect迁移。KOPN已经和Fabric. AI合作，推出MicroLED optical interconnect demo chipset，并签下初始订单和exclusive agreement。这意味着行业已经开始从“研究验证”进入“早期商业化验证”。 KOPN和MTK路线很接近，都在赌未来AI网络会从“few ultra-fast lanes”转向“many lower-power parallel optical lanes”。重要的是，两者定位不同。MTK更像系统路线定义者，KOPN更像底层光源和器件供应商。未来很可能形成：MTK负责系统方案，KOPN负责部分核心MicroLED器件，其他SiPho/CPO厂商提供不同层级补充。整个行业最终更像异构拼图。 这个赛道门槛是半导体、光学、显示、封装、数据中心系统五个产业叠加。难点是如何同时做到：超高良率、超高一致性、超低误码率、超低功耗、超长寿命、超高密度。这里最难的几个环节包括：III-V外延、GaN制造、MOCVD、mass transfer、wafer-level alignment、光学耦合、thermal engineering、光学封装。 MicroLED仍然高度依赖III-V GaN体系，尤其蓝光/绿光MicroLED，本质更接近显示产业链。其瓶颈是GaN外延、高端MOCVD、MicroLED mass transfer、wafer-level alignment、optical packaging、thermal management、高速驱动IC。 很多东西已经开始接近“TSMC CoWoS + 光学 + 显示制造”三者叠加的复杂度。所以这个行业最终很可能形成极少数核心玩家，而且一旦进入hyperscaler production，护城河会非常深。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor