Writing · Build / Thinking / Field / DYOR
文章和研究都归到 Articles。
Writing 是统一内容入口；构建笔记、思考笔记、现场记录和 DYOR 研究都进入同一套 Articles 列表。
Writing
文章
构建笔记、思考笔记、现场记录和 DYOR 研究都按分类筛选；DYOR 仍保留独立详情页和可视化报告。
全部文章 · 显示 31-36，共 43 篇
POET / MXL / HIMX：AI 互连赔率三层图
POET、MXL、HIMX 表面上都能被放进 AI 互连、光模块、CPO 或端侧 AI 的篮子里，但第一性原理完全不同。POET 解决的是光引擎制造方式：能否用 Optical Interposer / EOI 把主动对准、封装和光电集成变成更接近 wafer-scale 的生产。MXL 解决的是信号链：800G/1.6T 光模块和数据中心互连需要 PAM4 DSP、TIA、retimer 这类电子芯片。HIMX 解决的是端侧显示和低功耗感知，同时通过 FOCI 持有 CPO 期权。
我把 /goal 的启发改进了 Superloop
这次没有给 Superloop 加更多 agent，而是补了一层可恢复的运行时上下文：下一轮要做什么、为什么做、凭什么算完成。
Cerebras WSE：AI 推理的整片晶圆答案
Cerebras 的 Wafer-Scale Engine (WSE) 把一整张 12 英寸硅晶圆当成一颗芯片来做，而不是像 NVIDIA 那样把晶圆切成几百颗小 GPU 再用电线连回去。
美股光模块财报后：AI 光互连瓶颈图谱
如果从第一性原理看 AI 光互连，核心不是“光模块是不是 AI 题材”，而是 AI 集群的计算密度上升以后，数据在 GPU、机柜、机房和数据中心之间移动的成本急剧上升。GPU 是计算瓶颈，光互连是数据搬运瓶颈。只要模型训练、推理和 agentic workload 继续扩大，网络带宽、能耗和延迟会持续把价值链推向光学。
四大 AI CapEx 的直接收款链
这篇用 2026-04-29 附近几家公司财报与媒体汇总后的 CapEx 指引做基准：Amazon 约 $200B，Microsoft 约 $190B，Alphabet/Google 用 $185B 中枢，Meta 用 $125B-$145B 中枢 $135B。四家合计中枢约 $710B，区间约 $695B-$725B。
光互连 1.6T 订单链
1.6T 的本质问题不是“有 demo”，而是有没有从样机验配向可复制量产过渡。没有量产语义，订单层面只是叙事可交易，但难以转化为稳定盈利。