
AMD 跟英伟达 “掰手腕”,Helios 够格吗?
对外销售的商用 GPU 市场目前主要是$英伟达(NVDA.US) 和 $AMD(AMD.US) 两家。MI300 时代 AMD 因为缺少系统级方案(所谓系统,核心就是互连方案)几乎没有吃到 AI 算力的红利。但是现在 Helios 来了,那么:1)AMD 是否真正具备了与英伟达同台掰手腕的能力?2)在互连方案的竞争与迭代中,到底有哪些产业链逻辑变化,谁受益谁吃亏?我们将从互连的角度来研究这一问题...



+32
对外销售的商用 GPU 市场目前主要是$英伟达(NVDA.US) 和 $AMD(AMD.US) 两家。MI300 时代 AMD 因为缺少系统级方案(所谓系统,核心就是互连方案)几乎没有吃到 AI 算力的红利。但是现在 Helios 来了,那么:1)AMD 是否真正具备了与英伟达同台掰手腕的能力?2)在互连方案的竞争与迭代中,到底有哪些产业链逻辑变化,谁受益谁吃亏?我们将从互连的角度来研究这一问题...



+32
本轮 AI 浪潮让 NAND 闪存从 “周期性过剩的大宗商品” 变成了 “供不应求的战略资源”,闪迪在分拆、甩掉了传统硬盘业务的拖累后,纯粹押注在 NAND 和数据中心 SSD 上,正好踩中了这个风口。AI 服务器在进行推理、处理复杂的 Tokens、Prompt、多模态输入(视频、图像)以及生成合成数据时,需要高频、反复地读写历史数据。传统云架构的存储配置已经无法满足需求...


AI 大模型参数 Scaling Law 下不断膨胀、多轮对话所需存储越来越多,单卡算力、单卡内存无法承接前沿模型的推理与训练任务,AI 工作负载必须由海量 xPU 构成的超大规模集群协同运作。而将单卡连成集群、将集群内、外上万颗不同芯片 “拼” 成一台机器工作的,便是 AI 互连网络。从 GPGPU 与 AI ASIC 厂商近几年的技术路线也可以看出,行业的关注焦点已经从追求单芯峰值算力转向大规模集群的工程实践...

本文试图回答三个问题:
1)扒开招股书,SHEIN 到底是一家怎样的公司?钱从哪来、赚不赚钱?2)人人都在说 “小单快反”,它到底是怎么运作的?壁垒在哪,为什么 Zara、Temu、亚马逊都学不会?3)马上上市了,什么估值算贵、什么价位算 “击球区”?
