同時關聯該項目與事件的快訊
Citrini 分析師 jukan 在 X 平臺發文表示，乍看之下，SK 海力士的 CPO 技術路線圖似乎一條軸線指向 HBM，另一條軸線指向光通信。但其底層邏輯是，AI 競爭正從單個芯片的性能轉向整個系統的數據傳輸效率。過去數年，HBM 解決了 GPU 無法足夠快速接收數據的問題。通過垂直堆疊多層 DRAM 並將其放置在 GPU 旁邊，HBM 能夠提供極高帶寬。然而，隨着每個 GPU 周圍放置更多 HBM 堆疊，封裝面積、中介層邊緣空間、電力供應和散熱能力都在接近上限。與此同時，AI 集羣已經擴展至數千甚至數萬枚 GPU。無論單個 GPU 的計算速度多快，如果數據無法在 GPU 與機架之間高效傳輸，整個系統仍將受到“帶寬牆”限制。SK hynix 的設想是將光互連擴展至內存。低延遲、高帶寬的本地 HBM 仍將置於 GPU 旁邊，同時通過光纖將其連接至更大的共享內存池。這樣可以避免將全部內存容量限制在單個 GPU 封裝內，並實現機架層面的橫向擴展。從投資角度看，這並不意味着 HBM 近期將被替代。更可能出現的是新的內存層級：訪問最頻繁的數據仍保存在本地 HBM 中，而更大規模、訪問頻率較低的數據則存儲在光互聯內存池、HBF 或 SSD 中。SK hynix 正在重新定位自身業務，從銷售標準化內存芯片，轉向與客戶共同設計 HBM、控制器、先進封裝以及系統級內存架構。如果該路線圖得以實現，SK hynix 可能增強客戶黏性、提高產品附加值，並提升獲得長期合約的能力；同時，公司也可能更主動地應對未來內存解耦對傳統 HBM 商業模式造成的潛在影響。在供應鏈層面，長期可能受益的領域包括硅光子芯片、光引擎、激光器、光纖耦合技術以及先進 2.5D 和 3D 封裝。不過，該概念目前仍處於極早期階段，本質上仍只是一份路線圖。jukan 表示，其今日採訪的一位參與 TSMC 封裝業務的人士完全不瞭解這一計劃。
Citrini 分析師 Zephyr 在 X 平臺發文質疑閃迪在投資者日展示的 HBF 與 HBM 性能對比存在參數設置偏差，認爲公司在演示中刻意低估了 HBM 的性能。Zephyr 指出，閃迪將 HBM 與 HBF 的總帶寬均設爲 12.8TB/s，同時採用 bfloat16 運行 Qwen3-480B-A35B 模型，而當前模型推理更多使用 FP4 或 FP8，所需容量約爲 240GB 至 480GB。Zephyr 還表示，閃迪將 HBM 單 GPU 容量固定爲 192GB，但 16 層 HBM4E 在 8 個堆棧配置下可達 512GB 容量，帶寬約 32TB/s，約爲閃迪演示參數的 3 倍。其認爲上述參數選擇使閃迪展示的 "HBF 僅需 1 至 4 個 GPU，而 HBM 需要 8 個 GPU "的結果不能充分代表更高規格 HBM 配置下的實際性能。
分析師 qinbafrank 在 X 平臺發文表示，CoreWeave（CRWV）和 Nebius 最新財報顯示，AI 雲算力（CSP）行業正在進入快速擴張階段，行業競爭重點正從單純提供 GPU 租賃，轉向建設覆蓋算力、軟件、數據和運營能力的 AI 基礎設施平臺。目前，AI 算力需求仍明顯超過短期可交付供給。與此同時，AI 算力定價權正在增強，但漲價主要集中於高價值資源。CoreWeave 表示，7 月各類 GPU 計算 SKU 價格普遍上漲約 25%；Nebius 披露，上一代 GPU 價格較一季度上漲超過 30%，二季度新籤合同平均年化收入超過每 MW 2000 萬美元，部分項目達到 2000 萬至 2500 萬美元，短期緊急容量價格甚至達到每 MW 4000 萬至 5000 萬美元。不過，價格上漲主要發生在短期容量、新一代 GPU、大規模集羣以及生產級 AI 推理場景，傳統低優先級、長期鎖價的裸算力並未同步上漲。從盈利模型看，AI 算力項目級回報正在變得更加清晰，但公司整體資本回報率（ROIC）仍需時間驗證。Nebius 首次披露較明確的項目回收週期，CoreWeave 則通過長期合同和資產級融資降低 GPU 投資壓力。但兩家公司當前仍處於高資本投入階段，折舊和融資成本繼續壓縮利潤空間。不過，越來越多單個項目能夠實現經濟模型閉環，意味着 AI 基礎設施商業模式正在逐步成熟。此外，CoreWeave 和 Nebius 均在向“AI 基礎設施操作系統”方向升級。未來 CSP 競爭不再只是出租 GPU 小時數，而將覆蓋 AI 訓練、推理、存儲、網絡、模型部署、監控、安全治理以及 Agent 運行環境等完整服務體系。在資本模式方面，兩家公司也出現不同路徑：Nebius 更偏向輕資產模式，通過資本合作伙伴投入建設 AI 數據中心，自身提供 AI 基礎設施運營和軟件能力；CoreWeave 則通過 Omni 戰略推動混合雲模式，將完整 AI 雲平臺部署到客戶自有數據中心和 GPU 資源上，更強調企業級和主權 AI 交付。整體來看，AI 雲算力行業正在從“GPU 租賃商”向“AI 基礎設施平臺”演進。短期供給約束仍將支撐算力價格，而長期競爭焦點將轉向資本效率、軟件能力以及能否成爲 AI 時代的基礎設施操作系統。
Citrini 分析師 jukan 在 X 平臺發文表示，據 TrendForce 最新存儲行業研究，DRAM 供應短缺預計將持續至 2027 年，且 HBM4e 認證時間表仍存在不確定性，英偉達自 2026 年第三季度以來一直在重新評估 Rubin Ultra 的 HBM 配置。原計劃採用 12 層堆疊 HBM4e 配置，但英偉達目前正在並行評估多種設計，包括 HBM4e 8 層堆疊、HBM4 12 層堆疊和 HBM4 8 層堆疊，最終規格尚未確認。除英偉達外，據稱部分 CSP 也在考慮降低下一代自研 ASIC 的 HBM 容量。英偉達在 2025 年至 2026 年上半年期間，將 12 層堆疊 HBM4e 作爲 Rubin Ultra 的基準設計。但自 2026 年第三季度初開始，英偉達開始審查較低規格替代方案。TrendForce 稱，這一變化來自兩項主要供應端限制：其一，預計 2027 年整體 DRAM 短缺限制存儲廠商可分配給 HBM 生產的晶圓產能；其二，12 層堆疊 HBM4e 認證時間表及量產良率提升速度仍存在不確定性。TrendForce 表示，英偉達在 Rubin Ultra 代際的首要重點是提高 I/O 速度，擴大 GPU 出貨量爲次要優先事項。如果英偉達最終決定下調 HBM 規格，預計將通過減少 DRAM 堆疊層數實現。 HBM4e 能否按計劃完成認證並進入量產，將決定 Rubin Ultra 的 I/O 速度能否從上一代 Rubin 的 8 至 11.7Gbps 提升至 14 至 16Gbps，或通過優化 HBM4 設計維持在 11 至 12Gbps 水平。同一產品代際內，DRAM 堆疊層數決定每顆 GPU 的 HBM 容量與可出貨 GPU 數量之間的取捨。TrendForce 還認爲，最終配置將取決於存儲廠商的晶圓分配決策。供需方面，2027 年 HBM bit 出貨量預計同比增長 50%至 60%，但仍預計無法跟上需求增長。在供應限制持續的情況下，HBM 供應商預計將在 2027 年全年保持定價權。行業已普遍預期 HBM 價格將大幅上漲，AI 芯片製造商將面臨 HBM 供應有限和採購成本上升的雙重壓力，從而進一步強化採用較低 HBM 容量配置的動力。
分析師 KawzInvests 表示，Moonshot AI（月之暗面）即將發佈的 Kimi K3 可能成爲開源 AI 領域的重要事件，其背後的基礎設施需求或將推動 AI 雲服務平臺增長。Kimi K3 擁有約 2.8 萬億參數規模，是目前超大規模開源模型之一。Moonshot 官方評測顯示，該模型性能僅落後於 Claude Fable 5 和 GPT 5.6 Sol 等前沿模型，完整模型權重預計將於 7 月 27 日開放。KawzInvests 指出，如此規模的模型無法在普通筆記本電腦甚至單臺服務器上運行，用戶需要由大量 GPU 組成的計算集羣才能完成模型加載和推理。當頂級開源模型免費開放時，受益最大的可能並非普通用戶，而是提供模型託管和推理服務的平臺。以$DOCN（DigitalOcean）爲例，其目前已支持 Kimi K2.6 等模型的無服務器推理服務。開發者無需部署硬件，只需通過 API 調用模型並按 Token 付費即可使用。此外，該平臺還提供 70 多個模型託管服務，並覆蓋 GPU 租賃、模型微調以及 AI Agent 開發工具。隨着越來越多大型開源模型發佈，開發者對於低門檻 AI 基礎設施的需求將持續增加，模型託管、推理服務和 GPU 雲平臺可能成爲開源 AI 浪潮中的關鍵受益方向。
據 BitcoinTreasuries 數據，韓國上市公司 K Wave Media（KWM）已出售剩餘全部 88 枚 BTC，用於償還 600 萬美元債務。出售完成後，公司比特幣持倉降至 0 枚，退出比特幣財庫公司行列。K Wave Media 曾於去年宣佈獲得 10 億美元比特幣財庫融資能力，並計劃儘快將比特幣持倉擴大至 1 萬枚。但今年 5 月，公司已將最多 4.85 億美元剩餘融資額度由比特幣財庫戰略轉向 AI 基礎設施建設，包括數據中心、GPU 算力及相關收購。
針對社區討論的“美光 VS 英偉達”之爭，Citrini Research 分析師 Jukan 在 X 平臺發文表示，“MU（Micron）雖非 Nvidia，但未來重要性或超越 Nvidia。推理現已直接與收益掛鉤，但推理性能提升並非僅靠增加 Nvidia GPU 實現，GPU 在推理中常因內存瓶頸處於低利用率閒置狀態。對於推理而言，增加內存價值更高。推理的投資回報率最終取決於內存而非 GPU。因此，人們爲什麼仍然關注通過 NVIDIA 的框架來獲取 Micron？要考慮得更全面。推理就是內存。”
鏈上分析師平臺 Nansen 首席執行官 Alex Svanevik 表示，當企業開始有效使用中國大模型時，人工智能行業的泡沫可能就會破裂，美國監管環境可能限制這一進程，但整體趨勢仍是中國模型持續變得更高效，能夠在非最前沿硬件上運行，同時全球 GPU 供應（包括非英偉達芯片）正在增加。Alex Svanevik 同時指出，近期 H100 與 H200 GPU 租賃價格下降，反映算力供需結構正在變化，並提出“如何解釋 GPU 租賃價格下滑”這一市場信號，隨着模型效率提升與算力供給擴張並存，AI 基礎設施市場可能正在進入重新定價階段。
知情人士透露，高盛（Goldman Sachs）與摩根大通（JPMorgan）正在探索基於計算算力成本的交易方式，其中包括與 GPU 租賃價格相關的期貨合約交易。GPU 作爲 AI 熱潮中最稀缺的資源之一，相關期貨預計將在今年晚些時候由交易所上市。業內人士表示，這一舉措顯示了數千億美元流入數據中心和芯片領域正在重塑金融市場格局。對於爲 AI 基礎設施建設提供融資的銀行而言，此類創新工具可能成爲管理風險的新手段。（The Information）
“新股神”Serenity 在 X 平臺發文提醒投資者關注融資結構與流通股動態，這對投資回報至關重要，同時舉例：IREN：融資方式接近無限稀釋，每次反彈都被拋售，基本屬於“爛股”。NBIS：年初至今上漲 153%，得益於優化的融資結構（如直接融資、可轉債組合等）。CRWV：債務利息高企，公司爲 GPU 融資採用高利貸，長期侵蝕自由現金流。Serenity 指出，如果公司基本面良好，可在原有持股被稀釋殆盡後考慮做多。但若關注股權增值，應遠離“有毒”融資結構或債務壓頂的公司。小市值公司風險尤甚，如 $SLNH 新增 5 億美元 ATM，而市值僅 2.5 億美元；$BKKT 爲高管薪酬不斷稀釋股票。這類公司本質上是在將投資者資金轉移給企業，同時被輿論或網紅炒作掩蓋。Serenity 強調，投資者在篩選標的時必須仔細分析股權結構、稀釋風險和隱性成本，防止光看盈利而實際股權縮水。
據 Citrini 分析師 Jukan 披露，FundaAI 最新報告中透露，英偉達 NVL576 無源光共封裝技術推動光引擎與光學器件密度近乎翻倍。無源光共封裝技術將單 GPU 搭載的 3.2T 光引擎配置量從約 2.25 提升至約 4.0，增幅達 78%，預計 Rubin Ultra 光學引擎需求達約 1200 萬單位。該消息或直接利好光學引擎直接供應商，包括 Lumentum、Coherent、POET 等。
AethirClaw 正式發佈 CARA（預配置加密 AI 智能體），運行於 Aethir 去中心化 GPU 基礎設施之上，內置 50 餘項技能，覆蓋即時市場監控、巨鯨錢包追蹤、鏈上分析、社交媒體情緒監測及項目盡職調查等核心加密場景，用戶無需任何技術配置即可開箱即用。平臺支持信用卡及 USDT、USDC、ATH 代幣多種支付方式。Aethir 同時披露，不久將推出模型即服務（MaaS）層，在 Aethir 去中心化 GPU 基礎設施上運行主流開源大模型，並拓展文生圖、視頻創作等多模態能力