
AMD 跟英偉達 “掰手腕”,Helios 夠格嗎?
對外銷售的商用 GPU 市場目前主要是$英偉達(NVDA.US) 和 $AMD(AMD.US) 兩家。MI300 時代 AMD 因為缺少系統級方案(所謂系統,核心就是互連方案)幾乎沒有吃到 AI 算力的紅利。但是現在 Helios 來了,那麼:1)AMD 是否真正具備了與英偉達同台掰手腕的能力?2)在互連方案的競爭與迭代中,到底有哪些產業鏈邏輯變化,誰受益誰吃虧?我們將從互連的角度來研究這一問題...



+32
對外銷售的商用 GPU 市場目前主要是$英偉達(NVDA.US) 和 $AMD(AMD.US) 兩家。MI300 時代 AMD 因為缺少系統級方案(所謂系統,核心就是互連方案)幾乎沒有吃到 AI 算力的紅利。但是現在 Helios 來了,那麼:1)AMD 是否真正具備了與英偉達同台掰手腕的能力?2)在互連方案的競爭與迭代中,到底有哪些產業鏈邏輯變化,誰受益誰吃虧?我們將從互連的角度來研究這一問題...



+32
本輪 AI 浪潮讓 NAND 閃存從 “週期性過剩的大宗商品” 變成了 “供不應求的戰略資源”,閃迪在分拆、甩掉了傳統硬盤業務的拖累後,純粹押注在 NAND 和數據中心 SSD 上,正好踩中了這個風口。AI 服務器在進行推理、處理複雜的 Tokens、Prompt、多模態輸入(視頻、圖像)以及生成合成數據時,需要高頻、反覆地讀寫歷史數據。傳統雲架構的存儲配置已經無法滿足需求...


AI 大模型參數 Scaling Law 下不斷膨脹、多輪對話所需存儲越來越多,單卡算力、單卡內存無法承接前沿模型的推理與訓練任務,AI 工作負載必須由海量 xPU 構成的超大規模集羣協同運作。而將單卡連成集羣、將集羣內、外上萬顆不同芯片 “拼” 成一台機器工作的,便是 AI 互連網絡。從 GPGPU 與 AI ASIC 廠商近幾年的技術路線也可以看出,行業的關注焦點已經從追求單芯峯值算力轉向大規模集羣的工程實踐...

本文試圖回答三個問題:
1)扒開招股書,SHEIN 到底是一家怎樣的公司?錢從哪來、賺不賺錢?2)人人都在説 “小單快反”,它到底是怎麼運作的?壁壘在哪,為什麼 Zara、Temu、亞馬遜都學不會?3)馬上上市了,什麼估值算貴、什麼價位算 “擊球區”?
