咸角鱼
373 posts



【SK海力士正式挤入全球万亿市值公司俱乐部】 SK海力士周三在韩国股价一度上涨13%,过去12个月累计涨幅超过10倍,成为继三星电子之后,第三家市值突破1万亿美元的亚洲公司 截至2025年第四季度,SK海力士在全球HBM市场营收份额中占据57%的份额,三星和美光分别以22%和21%的份额位居第二和第三



觉得AI没有泡沫或者说美股不会崩的建议好好看看下面的的文章! 作者@edzitron调查了美国在建的数据中心得出了结论:AI 基建全是鬼故事。 下面是文章精华总结: 目前地球上没人建成过 1GW 的园区,英伟达却卖了 300 万块 Blackwell。 (GW 就是功率单位,1GW = 10亿瓦。在数据中心里,它衡量的不是‘算力’,而是‘能吃多少电’;) 这些芯片在哪?在仓库里吃灰吗? 建一个数据中心要多久?到底有多少真正上线了? 这两个简单的问题,回答起来却难得出奇。 为什么?因为超大规模厂商(Hyperscalers)既不披露数量,也不披露可用容量。 过去一周,作者试图寻找 2023 或 2024 年开工并已竣工的数据中心,结果是一无所获。 大多数项目要么深陷审批泥潭,要么就是个“部分启用”的烂摊子,却对外宣称“已投入运营”。 事实很简单:目前没人建成过 1GW 的数据中心。 Stargate Abilene 吹嘘 1.2GW,两年过去了,只有两栋楼亮着灯,约 103MW。第三栋楼建好了,但里面空空如也。 就连亚马逊那个所谓的 2.2GW 项目,30 栋楼里只有 7 栋在用,却被 CNBC 和亚马逊自己包装成“全面投入运营”。这就是骗局,赤裸裸的。 然后是微软。 纳德拉说过去两年新增了 4GW,本季度又加了 1GW。我也希望能信,但我找不到。 作者通过卫星看了威斯康星州的 Fairwater 项目。 微软说 400MW,但按照每兆瓦 1400 万美元的成本,33 亿美元的投资只对应 235MW。 卫星图像显示,那地方基本上就是几块混凝土板。当地报纸说,里面还在做启动测试,根本没上线。 作者在北卡罗来纳州、俄亥俄州、巴西、威尔士找了一圈。要么还在挖土,要么连土都没开始挖。微软的公关要么不回,要么就在胡扯“进度超前”。 这导致了一个荒谬的结论: 如果微软真的建了 4GW,那它必须秘密建成了十几个巨型园区,且没有一家媒体报道。这不可能。 微软在过去六个月里,连 500MW 都没上线。 那些所谓的“1GW 新增产能”,要么是会计魔术,要么是还没通电的空房子。 这就引出了英伟达的问题。 黄仁勋说过去四个季度出货了 600 万块 Blackwell(实际是 300 万颗,他把双核算进去了)。 300 万块 Blackwell 的功耗是 3.6GW。 如果这些芯片真的在跑,我们需要 35 个 Stargate Abilene 那样的园区。但它们在哪? 它们不在。它们堆在仓库里吃灰。 Blackwell 需要全新的散热和电力,旧数据中心装不下。这就是为什么 Supermicro 有价值 14 亿美元的 GPU 积压在库存里,也是为什么 Oracle 取消了 10 亿美元的订单。 Anthropic 租借 xAI 的老数据中心就是一个绝望的信号。 那是马斯克用燃气轮机搞出来的、污染严重的“弗兰肯斯坦”怪物,里面塞满了老芯片。如果真有那么多崭新的千兆瓦级数据中心上线,Anthropic 为什么要急着去租这种垃圾? 总结一下这场闹剧: 微软、谷歌、Meta 在过去三年烧了 8000 亿美元 Capex。 他们声称拥有数 GW 的产能。 实际上,真正跑起来的可能只有几百 MW。 英伟达把未来 2-3 年的 GPU 都卖出去了,但这些芯片没地方放。 OpenAI 和 Anthropic 承诺了 7480 亿美元的未来支出,但这取决于这些鬼数据中心能不能建成。 感觉不对劲吗? 是的。这感觉就像 2000 年的互联网泡沫,或者 2022 年的 FTX。 我们正处于一个基础设施与财务数据完全脱节的时代。折旧费用已经开始暴涨,但当那几百亿的账单真的到来时,大家会发现,我们建的不是算力帝国,而是一片由混凝土板和公关稿组成的鬼城。 我不相信有超过 100 万块 Blackwell 在运行。 你们呢? 👇 看完这篇,你再看美股估值会觉得脊背发凉。 #AIBubble #Stargate #Microsoft wheresyoured.at/where-are-all-…


腾讯从1月底到现在走出了软件股的走势🤣 其实它就是个吃了互联网红利的大型软件股。基本上可以说,没什么牢不可破的护城河可言。如果按照“CLI替代GUI”的模式,腾讯其实说白了就是个做GUI的。长期股价可以参考美团。



一位近20年经验的工程师写了他为什么不"vibe code"。读完很共鸣——不是反对技术,而是有些人的工作快感来自"安静地理清楚问题、自己动手解决",这个过程本身无法外包。 核心洞察来自Fred Brooks:LLM消灭的是"偶然复杂度"(写代码的麻烦),但"本质复杂度"永远不会消失——设计正确抽象、承担道德责任、从失败中学判断力。这些需要经验、智慧和 messy thinking。 最喜欢他的这个观点:friction is a gift。代码变难写、读代码卡壳、设计时卡住——这些摩擦是信号,不是障碍。AI的处理方式是"code through it",但更好的工程师会停下来,去散步,写ADR,让架构自己浮现。 还有一点很真实:LLM营销把软件开发描绘成"一个孤独工程师指挥agent军队"。但真实开发是协作过程。把PM、设计、测试当成"摩擦"消灭掉,你得到的是更快的发布,和更孤独的工作。 jacobharr.is/personal/i-don… #TIR


AI 应用的终局 是 SaaS 不信 我们可以赌一个小目标 十年后若我输了 同时若我还有钱 我发一个小目标的红包







The hard truth is closure of the Strait was the most over feared, over hyped risk that turned out to be a relative nothing burger....since COVID Show me where I'm wrong



