今天U9工作室接待了各路女网红 ，真人也太好看了 如果你也加入U9 你就可以拥有给她们倒茶的机会 欢迎各位多来探讨合作 @YOYO_uu9 @DG_U9Meme @bydaoTina @CryptoUnaa @CindyCreation @Ccweb3hub @CDC_Club

$SIVE 的想象力空间挺大，跟lite和cohr同赛道，只有10亿市值又计划上市美股。 它在ib上能买的代码是 #2DG# 问gemini问题“Sive分析一下产品在amd，英伟达，等ai巨头的业务产线中的站位和其产品的全球市场规模”，下面上AI回答。 这家在 2026 年 AI 基础设施赛道中因“外部光源（ELS）”和“共封装光学（CPO）”技术备受瞩目的企业，以下是其在英伟达（NVIDIA）、AMD 等巨头业务线中的站位及全球市场规模分析。 一、 产品核心站位：AI 集群的“光引擎”驱动者 在英伟达与 AMD 的 AI 芯片演进中，**互连带宽（I/O）**已取代算力本身成为最大的系统瓶颈。Sive 的产品（主要是 CW-WDM 连续波激光器点阵和 RF 束成形芯片）处于以下关键环节： 1. 英伟达（NVIDIA）生态：Scale-up 网络的关键变量 • 站位： 英伟达从 Blackwell 架构向下一代（如 Rubin 或更高版本）演进时，传统的插拔式光模块（Pluggable Optics）因功耗和延迟瓶颈正向 CPO（共封装光学） 转型。 • 功能： Sive 的多波长激光器阵列作为 ELS（外部光源），被放置在计算模块之外，通过光纤为交换机或 GPU 旁的硅光引擎提供光源。 • 逻辑： 在 NVLink 的 Scale-up 网络中，Sivers 与 Jabil（捷普） 合作开发的 1.6T 及 3.2T 光收发模块，是实现万卡集群乃至十万卡集群低延迟通信的基础。 2. AMD 生态：Chiplet 互联与 Infinity Fabric 的光化 • 站位： AMD 在 Instinct 系列（如 MI350/MI400）中重度依赖 Chiplet（芯粒） 技术。 • 功能： 随着互联距离跨越板卡，光互连（Optical Interconnect）成为替代铜线传输 Infinity Fabric 信号的唯一手段。 • 逻辑： Sive 提供的激光阵列具备极高的波长稳定性，支持 WDM（波分复用）技术，这与 AMD 追求的低功耗、高密度的芯粒间光连接需求高度匹配。 二、 全球市场规模与需求空间 Sive 所处的细分赛道正经历从“边缘科研”到“主流基建”的跨越。 1. 硅光子（Silicon Photonics）核心市场 • 2026年预估值： 全球市场规模约 40.3 亿美元。 • 增长速度： 复合年增长率（CAGR）维持在 24%-25% 左右。 • Sive 份额： 在 ELS（外部光源）这一高壁垒细分环节，Sive 是全球少数能提供符合 CW-WDM MSA 标准的商业化供应商之一，与 Lumentum 和 Coherent 形成竞合关系。 2. AI 光互连总体有效市场 (TAM) • 根据高盛及相关行业报告预测，到 2026-2028 年，受 AI 集群扩容推动，全球 AI 光通信网络 TAM 将从 150 亿美元爆发式增长至 1500 亿美元 以上。 • Scale-up 占比： 其中用于芯片间、服务器间“纵向扩展（Scale-up）”的连接部分占据约 70% 的产值，这是 Sivers 激光器阵列最核心的应用场域。

遇事不决问ChatGPT/Claude 你问的几家公司，谁更像 800V DC / SST 真受益者 1) Wolfspeed（WOLF） 最正宗。 已有 3.3kV SiC 模块 已有 10kV SiC MOSFET 官方把它们直接用于 SST 和 800V DC AI data center 场景。 ( 理解： Wolfspeed 更像是这条链里“硬件器件核心供应商”。 2) Navitas Semiconductor（NVTS） 也很强，而且偏“800V 供电架构”应用层。 它在 2026 Q1 明确展示了 20kW 800V to 6V DC-DC power delivery board（电源交付板） 还和 EPFL 合作展示了 250kW SST（固态变压器），用了 3300V 和 1200V SiC 器件，目标就是 800V DC distribution（800伏直流分配）。 ( 理解： Navitas 不只是 GaN（氮化镓）公司，它已经在往 AI 数据中心高压供电 深化。 3) Infineon（IFX） 很强，属于“全谱系电力半导体”巨头。 官方说它有 Si（硅）/SiC（碳化硅）/GaN（氮化镓） 全谱系电力技术。 2026 年它和 DG Matrix 推 SST（固态变压器），明确面向 AI 数据中心 和工业电力。 还有官方白皮书把 800V 或 ±400V bus（母线） 列为数据中心电源演进方向。 ( 理解： Infineon 是“最稳的大厂型受益者”，但不像 WOLF 那么纯。 4) STMicroelectronics（STM） 有相关能力，但在这条 800V DC / SST 线上，公开信号没有上面三家那么直接。 STM 当然有 SiC、功率器件、电源管理能力； 但如果你问“谁在公开材料里最明确押注 AI 数据中心 800V DC / SST”，STM 目前不是最前排。 这类公司更适合被看作广谱功率半导体受益者，而不是最聚焦 SST 的标的。 5) Enphase（ENPH） 有概念，但更偏“新方向/期权”。 2026 年 4 月，Enphase 官方发布了 IQ SST（固态变压器），明确说是为 AI data centers 和 800V DC power architectures 设计。 ( 理解： 这说明 Enphase 想把自己从住宅储能/逆变器，往数据中心电源架构扩展。 但它更像是新尝试，而不是像 Wolfspeed 那样已经深耕这条链。 简单排序：谁更像“800V DC / SST 真受益” 如果只看公开材料里的直接程度，我会这么排： Wolfspeed（WOLF） Navitas（NVTS） Infineon（IFX） Enphase（ENPH） STMicroelectronics（STM）

币圈百科2025年终总结之发币集团1 1 笪鸿飞 @dahongfei $NEO   @Neo_Blockchain $ONT    @OntologyNetwork $FLM   @FlamingoFinance 等于归零 2 黄敏强  $REI  @GXChainGlobal 币安下架 $GLOFF          归零跑路 $LONG      归零跑路 3 伍鸣 @spark_ren 龙凡   @FanLong16 $CFX @Conflux_Network $0G @0G_labs 4 刘斌@Bin_YalaLabs 施枢标 $HCC              归零跑路 $ACH  @AlchemyPay 死亡之路 $RICE   @DAOSquare 归零跑路 $YALA  @yalaorg 弃盘 5方靖阳 @ryanfang95 宋云帆@chandlersyf $ANKR    @ankr 弃盘 $BURGER    @BurgerCitiesBar 归零跑路 $AUCTION    @bounce_finance 弃盘 $WHY      @InWhyWeTrust 弃盘         6 李鸣 @mikelee205 $DPY  @Delphy_org 归零跑路 $GPS @GoPlusSecurity 半死不活一路砸盘 7 鲁斌 $KEY @mykey_lab 归零跑路 $DG @DeGateWallet 半死不活 8 杨舟 @goXmoonman 贝宝钱包 @BabelFinance 崩盘跑路 $USDX @StablesLabs 崩盘跑路

重要段落📝 中国鲁东南区域聚落形态变迁与复杂社会的发展（1） 我们在鲁东南日照的两处沿海盆地，开展全覆盖调查，获得的证据，呈现出和以往河南区域预期不一样的变迁模式。过去学界一般把鲁东南视作西部中原中心的外围地带；因为历史文献对这片区域记载极少（Cai et al.,1997; Fang et al.,2002; Underhill et al.,1998,2002）。我们历时11年、覆盖1120平方公里的调查结果，为复杂社会的形成、人口变迁提供了丰富信息，而且变迁过程不止一个阶段。和早期观点不同，很明显，龙山时代、青铜早期，这里已经出现规模可观的大型社会政治实体，拥有同级别的中心聚落。我们同样提出：和传统看法相反，鲁东南直到青铜时代相当晚的阶段，才被文献记载的那些政权所控制。 下文我们将展示证据，证明早在龙山早期，这里就快速发展出四级区域聚落等级。北辛时期（约公元前5300–前4100年），日照区域才出现定居聚落；到大汶口时期（约公元前3000–前2600年），聚落数量、规模持续增长。龙山早期，出现两个大型区域中心：北部的两城镇、南部的尧王城。正如后面讨论的，这两个中心大体是同时并存的。每个中心周边，聚落分布模式各不相同，可能代表精英阶层差异化的统治策略。日照区域当时至少存在两个大型政体，很可能就是早期国家。因此我们认为，日照龙山时期的聚落演变，和华北其他区域的模式并不相同。结合我们的调查和其他材料，我们提出：日照区域精英的统治策略发生了重大转变，人口结构也在后续的周代、汉代 出现显著变化。我们结合考古材料与历史文献，讨论本地和西部权力中心之间互动性质的变化。 北辛、大汶口时期的早期定居 我们在这片区域识别出的最早两处遗址，属于北辛时期（约前5300–前4100年）。两处遗址面积都很小（小于1公顷），分布在调查区南部的坡麓地带（图2、表1）。山东其他区域也发现少量北辛遗址，但日照本地此前没有报道过（Fang,2003b; Luan,1996,1997）。山东北辛遗存的考古证据，说明已经形成成熟农业经济，有一系列手工业制品（低温厚胎陶、石制、骨制工具），土坑墓，墓葬随葬品很少。 虽然本地学者在研究区附近报道过少量旧石器晚期遗址（Luan,1996），北辛阶段，才标志着人群持续迁入这片区域的开端。我们的工作假说：新石器时代较早阶段，中国东部海平面较高、沼泽广布，限制了沿海大部分区域的长期定居（Stanley et al.,1998; Stanley & Warne,1997; Fang et al.,2002; Underhill et al.,2002; Bennett,2004）。北辛遗址之一南岭（DG-NTL-4），出土的陶片同时包含北辛晚期、大汶口早期的特征。 大汶口晚期（约公元前3000–前2600年），本区域人口出现明显增长。总体上，本次调查共定位27处独立遗址，聚落分布于冲积平原与山麓两种地貌环境（图2、表1），其中不少遗址就坐落于后世龙山文化大型遗址所在位置。本调查区域内规模最大的大汶口晚期遗址是北部的丹土，紧邻两城镇。 在首轮田野调查采集陶片、后续重新整理标本之后，我们在多组标本中识别出大汶口晚期陶片。2001年考古工作者在丹土开展发掘，估测遗址面积达9.5公顷（刘、王，2001；《中国文物报》，2001）。我们识别出大汶口晚期陶片的这片区域（13.4公顷），已经包含了他们的发掘范围。 本调查区南部最大的大汶口晚期遗址（5.8公顷），是尧王城西部的一处陶片散布点（DG-YWC-1），它很可能属于同一个分散社群。早期调查时就在该遗址发现大汶口晚期遗存（栾，1996，第226页）。同样，在东河崖（DG-DHY-1）、冯家崮（DG-FJG-2）、井沟（LS-JG-3）也存在遗址集群。东河崖距今三十多年前曾做局部发掘，出土大汶口晚期与龙山文化遗存（栾，1996；山东省博物馆，1976）。迄今为止，两城镇还没有通过地表调查或者发掘，发现大汶口晚期遗存。就目前发掘与调查材料，我们尚不能断定：大汶口晚期的日照区域，已经形成中等层级的聚落等级制度。 山东其他地区，有更多材料可以说明大汶口晚期区域政体的形态。从更偏西的区域踏勘调查结果来看，当时已经出现三级聚落等级（Underhill等人，2005）。墓葬的随葬品差异，清晰反映出社会等级分化；在山东多处区域，包括日照以西约60公里的莒县，都发现了大汶口晚期的等级墓葬（Allard，2000；常，1986；Fung，2000；栾，1996、1997；山东省，1991；Underhill等，2000、2002；Underhill、Habu，2006）。 鲁东南地区迎来第一批大规模外来人群迁入，大致就在大汶口晚期。人群应当是从西部、南部进入这片海岸地带；一条可能的迁徙路线沿付疃河上行，这条河连接莒县的另一处大汶口大型遗址（栾，1996）。看起来，这批进入沿海区域的大汶口晚期移民，已经拥有成熟的农耕经济与社会层级。日照地区的人口流动，动因可能来自西侧、南侧区域的社会竞争。到龙山时代，这种层级化组织进一步发展，人口持续扩张，人们完全开垦了这些肥沃但地势低洼的盆地。

今天看到一份美国中期选举三种结局对应利好的美股清单，分享给大家： 结局一：分裂国会 主要受益于政策风险下降、既有支出延续，利好 能源 $ XOM 埃克森美孚 $ CVX 雪佛龙 $ VLO 瓦莱罗能源 $ PSX Phillips 66 材料 $ SHW 宣伟公司 $ PRM Perimeter Solutions 工业 $ MOG.A Moog-A $ CSL 卡莱零部件 $ ORN Orion Group $ RRX Regal Rexnord $ ALNT Allient $ ESE ESE科技 $ SSNC SS&C Technologies 非必需消费板块 $ GM 通用汽车 $ F 福特汽车 $ MGM 美高梅 $ AMZN 亚马逊 $ HD 家得宝 $ LOW 劳氏 医疗保健 $ HIMS Hims & Hers Health $ VEEV Veeva Systems $ DOCS Doximity $ GILD 吉利德科学 $ ORIC Oric Pharmaceuticals $ OLMA Olma Pharmaceuticals $ LLY 礼来 金融 $ AXP 美国运通 科技 $ CRWV CoreWeave $ ORCL 甲骨文 $ NBIS NEBIUS $ TYL 泰勒科技 公用事业 $ ETR 安特吉 $ CGNX 康耐视 $ AVGO 博通 $ ADI 亚德诺 通信服务 $ SPCX SpaceX $ GOOGL 谷歌-A $ META Meta Platforms 结局二：民主党控制参众两院 医疗保障、环境投入及清洁能源支持有望改善，利好 能源 $ BKR Baker Hughes 材料 $ DOW 陶氏化学 $ LYB 利安德巴塞尔 工业 $ VMI 维蒙特工装 $ NWPX NWPX基础设施 $ CECO CECO环保 $ ROL Rollins 通信服务 $ CARG CarGurus 非必需消费 $ DKNG DraftKings $ WYNN 永利度假村 $ FLUT Flutter Entertainment $ CVNA Carvana $ KMX 车美仕 科技 $ CRM 赛富时 $ NOW ServiceNow $ TYL 泰勒科技 公用事业 $ NEE 新纪元能源 $ XEL 埃克西隆能源 医疗保健 $ HCA HCA医疗 $ CNC 康西柯 $ THC 泰尼特 $ UHS Universal Health Services $ MOH Molina Healthcare $ AVAH Aveanna Healthcare $ ARDT Ardent Health 金融 $ RELY Remity Global $ FLYW Flywire $ WU 西联汇款 结局三：共和党维持国会控制权 政策延续、放松监管及加快许可，支持AI与基建扩张，利好 能源 $ SLB 斯伦贝谢 $ BKR Baker Hughes $ LBRT Liberty Energy $ PUMP ProPetro Holding $ DVN 戴文能源 $ EQT EQT能源 $ EXE Expand Energy $ PR Permian Resources $ MTDR Matador Resources 材料 $ CRH CRH水泥 $ VMC 火神材料 $ MLM 马丁-玛丽埃塔塔材料 公用事业 $ SO 美国南方公司 $ ETR 安特吉 $ DTE DTE能源 $ CMS CMS能源 通信服务 $ SPCX SpaceX $ GOOGL 谷歌-A $ META Meta Platforms 房地产 $ CSGP 科斯塔 $ CDP COPT Defense Properties 工业 $ LMT 洛克希德马丁 $ NOC 诺斯罗普格鲁曼 $ LHX L3Harris Technologies $ BWXT BWX Technologies $ CDRE Cadre Holdings $ PWR 康速服务 $ MTZ MasTec $ AGX Argan $ GE GE Vernova $ BE Bloom Energy $ INIO INNIO N.V $ GNRC Generac $ POWL Powell Industries $ EROC ERock $ TKR 铁姆肯 $ NPO Enpro $ UNP 联合太平洋 $ CSX CSX运输 $ NSC 诺福克南方 非必需消费板块 $ BWA 博格华纳 $ GTX Garrett Motion $ TSLA 特斯拉 $ KTB Kontoor Brands $ MAR 万豪酒店 $ H 凯悦酒店 $ AMZN 亚马逊 $ TJX TJX公司 $ ROST 罗斯百货 $ BOOT Boot Barn Holdings 金融 $ BAC 美国银行 $ C 花旗集团 $ PNFP Pinnacle Financial Partners $ WFC 富国银行 $ WAL 阿莱根西部银行 医疗保健 $ UNH 联合健康 $ CVS 西维斯健康 $ HUM 哈门那 $ HQY HealthEquity $ HIMS Hims & Hers Health $ ALHC Alignment Healthcare $ VEEV Veeva Systems $ DOCS Doximity 科技 $ IBM IBM Corp $ CRWV CoreWeave $ OKTA Okta $ ORCL 甲骨文 $ PANW Palo Alto Networks $ CRWD CrowdStrike $ NBIS NEBIUS $ ZS Zscaler $ IOT Samsara $ MIR Mirion $ BELFB Bel Fuse-B 必需消费板块 $ DG 美国达乐公司 $ DLTR 美元树公司

麻省理工学院（MIT）的最新论文，大幅加速合金新结构探索 生成式 AI（如 GNoME、MatterGen）已能在虚拟空间中秒级生成数百万种新晶体结构。然而，对合金材料来说，算力筛选与实验室合成之间始终横亘着一条难以逾越的鸿沟——“0 K 静态假象”。 在经典计算材料学中，评估材料稳定性长期依赖绝对零度（0 K）下的基态能量。但真实世界的材料服役与烧结均在有限温度与压力下，真正主导相变与稳定性的物理量是吉布斯自由能（$G = H - TS$）。过去，要精确计算振动熵 $S$，必须依靠耗时数小时乃至数天的准谐波近似（QHA）或分子动力学（MD）采样，高通量热力学筛选在算力上几乎无法实现。 MIT 等团队在 最新论文《Universal Thermodynamic Interatomic Potentials 》中提出的 TIP（Thermodynamic Interatomic Potential），为这一瓶颈提供了优雅的解法。 核心逻辑：把自由能计算压缩至单次前向推理 TIP 不再局限于预测单帧静态势能，而是直接构建热力学自洽的吉布斯自由能模型 $G(T, P)$。 自动微分（Auto-diff）解析物性：结合热力学基本关系式 $dG = VdP - SdT$，模型利用神经网络求导，无需多点扫描拟合，单次前向计算即可直接导出体系的热膨胀、平衡体积与状态方程（EOS）。 多精度融合训练：基于通用原子间势（UMA），模型融合了低成本 QHA 与高精度 MD 自由能数据，并支持利用实验相图微调校准。 AI 材料发现的真实加速维度 1. 筛选通量提升数个数量级 将自由能评估成本压缩至接近普通势能打分的级别，使材料筛选从“0 K 预筛选 + 少数结构做有限温精算”，跃升为直接在目标服役温度（如 300 K、800 K、1200 K）下对千万级结构做高通量初筛。 2. 消除实验验证的“假阳性”与“假阴性” 剔除伪稳定相：直接过滤 0 K 下处于稳定凸包、但常温及高温下极易分解的结构。 拯救动态稳定相：钙钛矿、形状记忆合金与热电材料常在低温下表现出虚频失稳，实际依赖有限温下的熵效应维持稳定。TIP 能直接识别这类依赖温度稳定的候选材料，避免漏失高价值结构。 3. 复杂合金与相图构建的秒级响应 多组分固溶体与高熵合金以往极度依赖昂贵的蒙特卡洛（MC）采样。经微调的 TIP 能直接给出固溶度极限与混溶间隙，极大加速极端工况下耐高温、轻量化结构合金的配方优化。 当自由能计算变得像静态能量一样廉价，AI 制导材料发现才真正从“静态结构生成”跨越到“真实服役热力学预测”。这一跃迁将显著缩短固态电解质、光伏涂层及高温结构材料从计算设计到实验落地的迭代周期。 附图Fig. 1 直观展示了 TIP 的核心范式与加速突破： 单步解析自由能：在基座势（UMA）上挂载热力学适配器，输入单个晶体基态即可直接输出连续的自由能面 $G(T, P)$，并利用自动微分直接导出熵与体积等物性响应。 跨越级算力提速：经多精度数据训练与实验校准，将传统需要数小时（$\sim 10^4\text{ s}$）的热力学采样压缩为单次前向推理（$\sim 0.1\text{ s}$），提速达 3～5 个数量级。