同时关联该项目与事件的快讯
Citrini 分析师 jukan 在 X 平台发文表示，乍看之下，SK 海力士的 CPO 技术路线图似乎一条轴线指向 HBM，另一条轴线指向光通信。但其底层逻辑是，AI 竞争正从单个芯片的性能转向整个系统的数据传输效率。过去数年，HBM 解决了 GPU 无法足够快速接收数据的问题。通过垂直堆叠多层 DRAM 并将其放置在 GPU 旁边，HBM 能够提供极高带宽。然而，随着每个 GPU 周围放置更多 HBM 堆叠，封装面积、中介层边缘空间、电力供应和散热能力都在接近上限。与此同时，AI 集群已经扩展至数千甚至数万枚 GPU。无论单个 GPU 的计算速度多快，如果数据无法在 GPU 与机架之间高效传输，整个系统仍将受到“带宽墙”限制。SK hynix 的设想是将光互连扩展至内存。低延迟、高带宽的本地 HBM 仍将置于 GPU 旁边，同时通过光纤将其连接至更大的共享内存池。这样可以避免将全部内存容量限制在单个 GPU 封装内，并实现机架层面的横向扩展。从投资角度看，这并不意味着 HBM 近期将被替代。更可能出现的是新的内存层级：访问最频繁的数据仍保存在本地 HBM 中，而更大规模、访问频率较低的数据则存储在光互联内存池、HBF 或 SSD 中。SK hynix 正在重新定位自身业务，从销售标准化内存芯片，转向与客户共同设计 HBM、控制器、先进封装以及系统级内存架构。如果该路线图得以实现，SK hynix 可能增强客户黏性、提高产品附加值，并提升获得长期合约的能力；同时，公司也可能更主动地应对未来内存解耦对传统 HBM 商业模式造成的潜在影响。在供应链层面，长期可能受益的领域包括硅光子芯片、光引擎、激光器、光纤耦合技术以及先进 2.5D 和 3D 封装。不过，该概念目前仍处于极早期阶段，本质上仍只是一份路线图。jukan 表示，其今日采访的一位参与 TSMC 封装业务的人士完全不了解这一计划。
Citrini 分析师 Zephyr 在 X 平台发文质疑闪迪在投资者日展示的 HBF 与 HBM 性能对比存在参数设置偏差，认为公司在演示中刻意低估了 HBM 的性能。Zephyr 指出，闪迪将 HBM 与 HBF 的总带宽均设为 12.8TB/s，同时采用 bfloat16 运行 Qwen3-480B-A35B 模型，而当前模型推理更多使用 FP4 或 FP8，所需容量约为 240GB 至 480GB。Zephyr 还表示，闪迪将 HBM 单 GPU 容量固定为 192GB，但 16 层 HBM4E 在 8 个堆栈配置下可达 512GB 容量，带宽约 32TB/s，约为闪迪演示参数的 3 倍。其认为上述参数选择使闪迪展示的 "HBF 仅需 1 至 4 个 GPU，而 HBM 需要 8 个 GPU "的结果不能充分代表更高规格 HBM 配置下的实际性能。
分析师 qinbafrank 在 X 平台发文表示，CoreWeave（CRWV）和 Nebius 最新财报显示，AI 云算力（CSP）行业正在进入快速扩张阶段，行业竞争重点正从单纯提供 GPU 租赁，转向建设覆盖算力、软件、数据和运营能力的 AI 基础设施平台。目前，AI 算力需求仍明显超过短期可交付供给。与此同时，AI 算力定价权正在增强，但涨价主要集中于高价值资源。CoreWeave 表示，7 月各类 GPU 计算 SKU 价格普遍上涨约 25%；Nebius 披露，上一代 GPU 价格较一季度上涨超过 30%，二季度新签合同平均年化收入超过每 MW 2000 万美元，部分项目达到 2000 万至 2500 万美元，短期紧急容量价格甚至达到每 MW 4000 万至 5000 万美元。不过，价格上涨主要发生在短期容量、新一代 GPU、大规模集群以及生产级 AI 推理场景，传统低优先级、长期锁价的裸算力并未同步上涨。从盈利模型看，AI 算力项目级回报正在变得更加清晰，但公司整体资本回报率（ROIC）仍需时间验证。Nebius 首次披露较明确的项目回收周期，CoreWeave 则通过长期合同和资产级融资降低 GPU 投资压力。但两家公司当前仍处于高资本投入阶段，折旧和融资成本继续压缩利润空间。不过，越来越多单个项目能够实现经济模型闭环，意味着 AI 基础设施商业模式正在逐步成熟。此外，CoreWeave 和 Nebius 均在向“AI 基础设施操作系统”方向升级。未来 CSP 竞争不再只是出租 GPU 小时数，而将覆盖 AI 训练、推理、存储、网络、模型部署、监控、安全治理以及 Agent 运行环境等完整服务体系。在资本模式方面，两家公司也出现不同路径：Nebius 更偏向轻资产模式，通过资本合作伙伴投入建设 AI 数据中心，自身提供 AI 基础设施运营和软件能力；CoreWeave 则通过 Omni 战略推动混合云模式，将完整 AI 云平台部署到客户自有数据中心和 GPU 资源上，更强调企业级和主权 AI 交付。整体来看，AI 云算力行业正在从“GPU 租赁商”向“AI 基础设施平台”演进。短期供给约束仍将支撑算力价格，而长期竞争焦点将转向资本效率、软件能力以及能否成为 AI 时代的基础设施操作系统。
Citrini 分析师 jukan 在 X 平台发文表示，据 TrendForce 最新存储行业研究，DRAM 供应短缺预计将持续至 2027 年，且 HBM4e 认证时间表仍存在不确定性，英伟达自 2026 年第三季度以来一直在重新评估 Rubin Ultra 的 HBM 配置。原计划采用 12 层堆叠 HBM4e 配置，但英伟达目前正在并行评估多种设计，包括 HBM4e 8 层堆叠、HBM4 12 层堆叠和 HBM4 8 层堆叠，最终规格尚未确认。除英伟达外，据称部分 CSP 也在考虑降低下一代自研 ASIC 的 HBM 容量。英伟达在 2025 年至 2026 年上半年期间，将 12 层堆叠 HBM4e 作为 Rubin Ultra 的基准设计。但自 2026 年第三季度初开始，英伟达开始审查较低规格替代方案。TrendForce 称，这一变化来自两项主要供应端限制：其一，预计 2027 年整体 DRAM 短缺限制存储厂商可分配给 HBM 生产的晶圆产能；其二，12 层堆叠 HBM4e 认证时间表及量产良率提升速度仍存在不确定性。TrendForce 表示，英伟达在 Rubin Ultra 代际的首要重点是提高 I/O 速度，扩大 GPU 出货量为次要优先事项。如果英伟达最终决定下调 HBM 规格，预计将通过减少 DRAM 堆叠层数实现。 HBM4e 能否按计划完成认证并进入量产，将决定 Rubin Ultra 的 I/O 速度能否从上一代 Rubin 的 8 至 11.7Gbps 提升至 14 至 16Gbps，或通过优化 HBM4 设计维持在 11 至 12Gbps 水平。同一产品代际内，DRAM 堆叠层数决定每颗 GPU 的 HBM 容量与可出货 GPU 数量之间的取舍。TrendForce 还认为，最终配置将取决于存储厂商的晶圆分配决策。供需方面，2027 年 HBM bit 出货量预计同比增长 50%至 60%，但仍预计无法跟上需求增长。在供应限制持续的情况下，HBM 供应商预计将在 2027 年全年保持定价权。行业已普遍预期 HBM 价格将大幅上涨，AI 芯片制造商将面临 HBM 供应有限和采购成本上升的双重压力，从而进一步强化采用较低 HBM 容量配置的动力。
分析师 KawzInvests 表示，Moonshot AI（月之暗面）即将发布的 Kimi K3 可能成为开源 AI 领域的重要事件，其背后的基础设施需求或将推动 AI 云服务平台增长。Kimi K3 拥有约 2.8 万亿参数规模，是目前超大规模开源模型之一。Moonshot 官方评测显示，该模型性能仅落后于 Claude Fable 5 和 GPT 5.6 Sol 等前沿模型，完整模型权重预计将于 7 月 27 日开放。KawzInvests 指出，如此规模的模型无法在普通笔记本电脑甚至单台服务器上运行，用户需要由大量 GPU 组成的计算集群才能完成模型加载和推理。当顶级开源模型免费开放时，受益最大的可能并非普通用户，而是提供模型托管和推理服务的平台。以$DOCN（DigitalOcean）为例，其目前已支持 Kimi K2.6 等模型的无服务器推理服务。开发者无需部署硬件，只需通过 API 调用模型并按 Token 付费即可使用。此外，该平台还提供 70 多个模型托管服务，并覆盖 GPU 租赁、模型微调以及 AI Agent 开发工具。随着越来越多大型开源模型发布，开发者对于低门槛 AI 基础设施的需求将持续增加，模型托管、推理服务和 GPU 云平台可能成为开源 AI 浪潮中的关键受益方向。
据 BitcoinTreasuries 数据，韩国上市公司 K Wave Media（KWM）已出售剩余全部 88 枚 BTC，用于偿还 600 万美元债务。出售完成后，公司比特币持仓降至 0 枚，退出比特币财库公司行列。K Wave Media 曾于去年宣布获得 10 亿美元比特币财库融资能力，并计划尽快将比特币持仓扩大至 1 万枚。但今年 5 月，公司已将最多 4.85 亿美元剩余融资额度由比特币财库战略转向 AI 基础设施建设，包括数据中心、GPU 算力及相关收购。
针对社区讨论的“美光 VS 英伟达”之争，Citrini Research 分析师 Jukan 在 X 平台发文表示，“MU（Micron）虽非 Nvidia，但未来重要性或超越 Nvidia。推理现已直接与收益挂钩，但推理性能提升并非仅靠增加 Nvidia GPU 实现，GPU 在推理中常因内存瓶颈处于低利用率闲置状态。对于推理而言，增加内存价值更高。推理的投资回报率最终取决于内存而非 GPU。因此，人们为什么仍然关注通过 NVIDIA 的框架来获取 Micron？要考虑得更全面。推理就是内存。”
链上分析师平台 Nansen 首席执行官 Alex Svanevik 表示，当企业开始有效使用中国大模型时，人工智能行业的泡沫可能就会破裂，美国监管环境可能限制这一进程，但整体趋势仍是中国模型持续变得更高效，能够在非最前沿硬件上运行，同时全球 GPU 供应（包括非英伟达芯片）正在增加。Alex Svanevik 同时指出，近期 H100 与 H200 GPU 租赁价格下降，反映算力供需结构正在变化，并提出“如何解释 GPU 租赁价格下滑”这一市场信号，随着模型效率提升与算力供给扩张并存，AI 基础设施市场可能正在进入重新定价阶段。
知情人士透露，高盛（Goldman Sachs）与摩根大通（JPMorgan）正在探索基于计算算力成本的交易方式，其中包括与 GPU 租赁价格相关的期货合约交易。GPU 作为 AI 热潮中最稀缺的资源之一，相关期货预计将在今年晚些时候由交易所上市。业内人士表示，这一举措显示了数千亿美元流入数据中心和芯片领域正在重塑金融市场格局。对于为 AI 基础设施建设提供融资的银行而言，此类创新工具可能成为管理风险的新手段。（The Information）
“新股神”Serenity 在 X 平台发文提醒投资者关注融资结构与流通股动态，这对投资回报至关重要，同时举例：IREN：融资方式接近无限稀释，每次反弹都被抛售，基本属于“烂股”。NBIS：年初至今上涨 153%，得益于优化的融资结构（如直接融资、可转债组合等）。CRWV：债务利息高企，公司为 GPU 融资采用高利贷，长期侵蚀自由现金流。Serenity 指出，如果公司基本面良好，可在原有持股被稀释殆尽后考虑做多。但若关注股权增值，应远离“有毒”融资结构或债务压顶的公司。小市值公司风险尤甚，如 $SLNH 新增 5 亿美元 ATM，而市值仅 2.5 亿美元；$BKKT 为高管薪酬不断稀释股票。这类公司本质上是在将投资者资金转移给企业，同时被舆论或网红炒作掩盖。Serenity 强调，投资者在筛选标的时必须仔细分析股权结构、稀释风险和隐性成本，防止光看盈利而实际股权缩水。
据 Citrini 分析师 Jukan 披露，FundaAI 最新报告中透露，英伟达 NVL576 无源光共封装技术推动光引擎与光学器件密度近乎翻倍。无源光共封装技术将单 GPU 搭载的 3.2T 光引擎配置量从约 2.25 提升至约 4.0，增幅达 78%，预计 Rubin Ultra 光学引擎需求达约 1200 万单位。该消息或直接利好光学引擎直接供应商，包括 Lumentum、Coherent、POET 等。
AethirClaw 正式发布 CARA（预配置加密 AI 智能体），运行于 Aethir 去中心化 GPU 基础设施之上，内置 50 余项技能，覆盖实时市场监控、巨鲸钱包追踪、链上分析、社交媒体情绪监测及项目尽职调查等核心加密场景，用户无需任何技术配置即可开箱即用。平台支持信用卡及 USDT、USDC、ATH 代币多种支付方式。Aethir 同时披露，不久将推出模型即服务（MaaS）层，在 Aethir 去中心化 GPU 基础设施上运行主流开源大模型，并拓展文生图、视频创作等多模态能力