吴说获悉，以太坊基金会发布 Protocol Cluster 2026 年 5 月更新，开发者在挪威 Svalbard 举行的 interop 活动中推进下一次升级 Glamsterdam 的测试与准备工作，并确认多个关键进展，包括建立 2 亿 gas limit floor 目标、完成 ePBS 多客户端 devnet 测试、敲定 EIP-8037 状态访问重定价方案，以及推进 Hegotá 升级相关的 FOCIL 与原生账户抽象（AA）准备工作。与此同时，以太坊基金会 Protocol Cluster 启动领导层调整，Will Corcoran、Kev Wedderburn 与 Fredrik 将担任新的 cluster leads。当前重点仍包括推进 Glamsterdam、Hegotá 及 Strawmap 路线图相关工作。

一文看懂AI数据中心大周期下的功率半导体 的下一场军备竞赛，不再只是GPU，而是Power AI 数据中心正越来越大，一个数据中心耗能动辄相当于一座中型城市。 过去的数据中心是 10-20kW/rack，现在已经变成 80kW、120kW，甚至 600kW/rack。大型 AI Cluster 的耗电已进入 GW 级别。 瓶颈除了GPU、cpu和储存，也开始转向电流、热、配电、铜损、电力转换效率、电网接入和 HVDC。 AI 数据中心产业链： 电网 → 变压器 → UPS → HVDC → PSU → VRM → GPU。 传统服务器大量采用 48V，因为传统互联网时代机柜功率不高。但 AI 时代，低压系统的问题开始全面暴露。因为： P = VI 同样 1MW 功率，48V 需要超过 20,000A 电流，400V 大约 2,500A，800V 进一步下降到约 1,250A。 电流下降意味着铜缆变细、铜损下降、发热下降、母排缩小、PSU 压力下降、液冷压力下降，建设难度下降，成本更低。 800V 是电动车已验证的高压平台，EV 为什么进入 800V？因为快充、高功率、降低线损和降低热损耗。 今天 AI 数据中心遇到的是同样的问题。于是 SiC、高压 MOSFET、高压 DC/DC、高压 PSU、HVDC、Busbar、固态变压器，这些原本偏新能源车的产业链，开始向 AIDC 外溢。 但 800V可能只是开始，真正的大方向是 HVDC（高压直流化）。 这是为什么传统工业电力公司突然重新被市场估值。像 Vertiv、Eaton、Schneider Electric、ABB、Siemens，开始成为 AI 产业链的重要受益者。 这也是为什么功率半导体正在被市场重估值。 英飞凌就是一个典型的从服务汽车的功率半导体无缝过渡到电力基础设施半导体的公司。 英飞凌可能是目前全球少数真正做到“Grid-to-Core”的功率半导体平台。从电网侧高压、HVDC、PSU、GPU 供电、高频 GaN、Driver、Controller、MCU，到功率模块、MOSFET、SiC，几乎全部覆盖。 这也是它最大的护城河。 更重要的是，英飞凌不是 Fabless，而是 IDM。自己设计、自己制造、自己封装、自己测试。这在功率半导体行业极其重要。因为功率半导体和 CPU/GPU 不同。逻辑芯片拼的是 EUV、FinFET、GAA、晶体管密度。功率半导体真正拼的是热管理、高压稳定性、长寿命可靠性、材料、封装、外延和良率。尤其 AI 数据中心未来是长时间满载、高电流、高热密度、高压。制造本身就是技术。 英飞凌现在真正重要的资产，包括 Villach、Dresden、Kulim。其中最关键的是 300mm power fab 和 200mm SiC。市场低估了一点：300mm 功率半导体其实非常难。因为热应力、良率、高压器件、缺陷控制，都远比普通成熟制程复杂。而 AI 时代，功率器件需求开始进入大规模扩张阶段。先进功率半导体制造能力本身，开始重新变成护城河。 如果只看“最纯”的 AI 高压 power 玩家，则是 Navitas Semiconductor 和 Wolfspeed 这种公司。尤其 Navitas，本质上是 GaN + AI 高效率 power 的纯 Beta。 Wolfspeed 则是另一种逻辑。市 AI 数据中心如果全面进入 SiC PSU、HVDC、高压电力架构，那么它可能迎来第二增长曲线。 另外还有大型工业电力平台。比如 Eaton、Schneider Electric、ABB。因为它们控制的是配电、中压、低压、断路器、电力管理和数据中心 power topology。而这些东西的 switching cost 极高。AI 最终会发现，GPU 可以换代，但电力架构一旦确定，生命周期极长。 总的来说，谁能持续解决 AI 超高功率密度时代的电流、热、效率、配电、可靠性和电网接入，谁就可能在这个赛道上持续领先。因为 AI 的下一轮瓶颈，已经开始从 GPU，转向 Power。而这条产业链，现在还远没有被市场 fully priced in。 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

一个很野的 Polymarket 账户出现了 一名在日本的中国学生，据说只玩了 Polymarket 2 天 把 $0.90 做到了 $408,292 几乎没人讨论 0 viewers 他的 profile 叫 Gravia 他说这是他的 terminal 有人反向拆解后，用 Claude 按同样策略做了一个类似 bot 一个 prompt 20 分钟 完成 它做的不是普通交易 而是 Polymarket BTC UP/DOWN 5MIN scalper 核心流程是： 实时拉 Binance WebSocket + 5M K-lines 交叉验证 TradingView signals + CryptoQuant exchange flows 用 Mirofish force-graph engine 映射 100 nodes / 180 edges 检测 BEAR / BULL clusters 的 convergence 捕捉 Polymarket CLOB 相对现货价格滞后超过 0.3% 的窗口 在合约重新定价前，低于 100ms 执行 在 UP/DOWN 5MIN 市场里，每秒 1000+ orders 每笔抓 0.3%–0.8% 没有 edge，就跳过 流动性太薄，跳过 信号冲突，跳过 触发 daily cap，也跳过 风控也写得很清楚： 单笔风险 0.5% 每日上限 2% -0.4% hard stop 本地 terminal 运行 不依赖 cloud 不需要 GPU 这类 bot 的 edge，不是真的在“预测 BTC” 而是在吃现货价格、信号收敛、CLOB 重新定价之间的时间差 它赚的不是方向判断 是延迟 问题是： 这种 5MIN 高频 scalper，最后到底能放大到什么规模？ 以及 Polymarket 会不会禁掉它？

黑粉投稿： B哥你喊了几天迈威尔能不能深度分析一下？ 嗯，安排 《迈威尔科技是干什么的？》 为什么黄仁勋说迈威尔是下个万亿级公司 AI 集群需要成千上万张 GPU 同时协同工作 GPU 的算力再强 如果芯片之间、服务器之间的通信被卡死 整体效率就会大打折扣。 迈威尔设计的芯片专门解决： “让海量数据在数据中心内部以光速狂飙” 一句话：GPU是F1，迈威尔是跑道 没有跑道的F1，它跑不起来 迈威尔护城河有多高？ 护城河极高，绝对垄断的级别 一.产品垄断 全球高速光模块 DSP 市场几乎被博通和 迈威尔两大美系巨头绝对垄断 二.生态垄断 云巨头（如 AWS 或者是 Meta）和 迈威尔 联合开发了某款定制的 ASIC 芯片 由于底层架构和生态的依赖 巨头很难在中途换掉它 这种生态惯性就是最深的护城河 黄仁勋的万亿预测绝不是客套 而是基于 “AI发展瓶颈的转移” 当你把一个计算问题拆解成很多部分 并分散到各个数据中心去跑时 最重要的就是数据之间的连接性 这就是迈威尔必不可少的原因 过去大家拼的是谁的 GPU 算力强 当英伟达把几万甚至十几万张 GPU 堆在一起 做“超级集群（Cluster）”时 人们才发现： 限制训练速度的不再是 GPU 本身算得慢 而是 GPU 之间在“等数据传过来” 这就好比你造了一堆F1赛车 转头却发现赛道不够 迈威尔就是这个造赛道的人 26年初英伟达已经投了迈威尔20亿美金 因为只要大家还在疯狂买英伟达的 GPU 你就必须买迈威尔的网络芯片来和它配对

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”。