ai智能体和cpo有关系吗

ai 通信进入光铜之争，上周英伟达向鲁门腾跟 cohenent 各投资二十亿美元，可以看作英伟达对光通信的加码，以及确定共进封装 cpu 的 路线。 但随后博通的财报却力挺铜缆，陈富阳的原话就是机架内的 gpu 架构，最佳互联方案就是直联铜缆，它拥有最低的延迟，最低的功耗，还有最低的成本优势。 铜锣的升级远远没有见顶，这导致美股前期强势的鲁曼滕跟 coheren 大 大幅的回调，做铜锣的 krido 大 幅上涨，进而铜进光退，传导到我们的市场。铜锣会不会被 cpu 代替？ 这点就有点像 hbm 存储会不会替代 ssd 跟 hdd。 对 于 ai 基础设施的通信来说，其实就是在延迟、宽带成本还有稳定性之间找平衡， 这点有点像三元锂电池业孤猛的配比，是在续航稳定还有安全之间 做博弈。 ai 基础设施未来的趋势就是短距离传输，用铜缆，万卡集群万亿大参数模型要靠 cpu， 而 cpu 大 概率会在二六年年底爆发。 cpu 产业链有几个核心，首先就是光芯片，全球高端光芯片缺口百分之二十五到百分之三十五 上游。英伟达博通是硅光芯片的定义者，台积电的 coos 先进封装是英伟达博通的核心选择。国内来看，施加光子是唯一实现一点六 t a w g 芯片量产的企业，已经进入到英伟达 g b 二百博通的供应链， cpu 核心三件套 fau、 eml c w 光源已经形成一定的协调能力。光库科技是全球为三国内唯一能量产一百 g 赫兹薄膜尼酸里调制器的公司， cpu 保偏 fau 全球实战率大概百分之三十五。鲁曼滕跟 cohenent 作为激光器双寡头，鲁曼滕掌握了共进封装 cpu 的 eml 激光器，而 cohenent 掌握了零化音的量产， 二者产物都已经排到了二零二七年。国内来看，元杰科技是唯一能量产一百 g e m l 芯片的公司，二百 g e m l 已经送样。英伟达、长光、华新是行业的追赶者， 产业链中有天孚通信是英伟达光引擎的独家代工，实现光引擎与光纤超低损耗连接。下游封装最核心的是测试设备，泰瑞德和艾德万是绝对的龙头。国内封装设备龙头是罗伯特科 全资子公司飞昆 tech， 硅光藕合设备的实战率超过百分之八十。服务英伟达、博通台机电这些公司。 最后，研究光通信一定要关注鲁曼滕这个公司，它既在 cpu 路线绑定住了英伟达，又在光路交换 ocs 绑定住了谷歌。鲁曼滕每次技术革新都可能会带来行业的巨大的变更。 好，讲完 cpu 产业链，相信大家有了更深的认识，关注我，带你们了解公司、行业还有金融的逻辑，谢谢大家！

opencla 引爆算力革命，一个 ai 智能体凭什么让 cpu 板块涨停潮？朋友们， t o 概念暴涨百分之六点六六，全因 opencla 这款龙虾智能体爆火。 它从对话 ai 升级为自主执行抽腾，消耗量暴增千倍。这意味着算力需求将从问答级跃升到执行级。 光模块液冷服务器高速铜栏等硬件将迎来新一轮军备竞赛。而应用每近一步，算力基础设施就离天花板远一步，这个逻辑比任何概念都硬核。

你有没有想过，未来的 ai 数据中心内部，可能再也不需要密密麻麻的铜缆了？就在这两天， a 股里面的锰的概念突然爆火，起因是一项被称为锰的 c p u 的 颠覆性技术，功耗直接降到了铜缆的百分之五， 这到底是何方神圣？它凭什么要隔铜缆的命？有哪些公司目前已经掌握了这项技术？别划走，今天呢，咱们一条视频说清楚，所谓的锰的 c p u， 你 可以直接把灯泡直接塞进芯片里。 以前咱们的数据中心的 gpu 之间的沟通，主要靠铜线传电信号，或者是通过外部插拔的光模块。但这两招在 ai 时代快不够用了，因为铜缆传不远，功耗大，而传统的光模块虽然快，但是呢功耗也非常的高。 那么现在这项技术用的 maclab， 它本来是做屏幕显示用的，像素点极小，现在科学家发现这个东西不仅能发光，显示用的像素点极小，现在科学家发现这个东西不仅能发光显示，还能用来传数据，把它和计算芯片封装在一起， 直接用光来通信。那为什么说它能替代铜缆？就三个词，省电、高效、不怕干扰。咱们直接上数据，因为达下一代一点六 t 的 网络，如果用传统的光模块，功耗可能高达三十瓦，但是用了麦克莱的 c p u， 功耗直接暴降到一点六瓦左右，这是什么概念？ 相当于功耗降到了原来的二十分之一。对于那些动辄功耗上万瓦的 ai 机柜来说，这简直就是救星，能省下巨额的散热和电费开销。而且麦克莱的 能做极小的阵列，传数据的通道数量可以堆得非常高，完美适配 ai 芯片之间的海量数据互换。那这项技术现在用上了吗？别着急，它还没有大规模量产。 目前呢，这项技术正处在爆发的前夜，也就是从实验室走向商用的关键阶段。虽然没有量产，但巨头们已经抢破头了。其中英伟达已经提出了明确的规格，目标要低功耗、小型化。而台积电呢，也正在和美国的公司艾维森纳合作， 要做基于 maclab 的 互联产品。微软呢，也推出了名为默塞卡的光互联方案，那咱们所熟悉的联发科也做出了有源光缆方案，准备下个月亮相展示。 这就说明，未来三到五年，随着 ai 算力需求爆发，光进同退在服务器内部将成为大趋势，这个市场规模可能会达到数百亿。最后也是大家所关心的，我们有哪些上市公司正在做这一块？那根据公开信息， maclab 的 光通信产业链主要分为几块， 第一部分就是 led 芯片的制造端，这是最受益的核心环节，里面呢，就包含了华灿光电、三安光电以及呢聚碳光电，还有前兆光电。 第二块就是巨量转移与集成，里面包含了就是京东方 a 以及 tcl 科技。那么第三个领域就是驱动 ic 与方案，里面所包含的公司就是新项微。总的来说，麦克莱的 cpu 是 一项让显示技术跨界赋能 ai 算力的硬核科技， 虽然目前还面临成本高、封装难等挑战，但他无疑给疯狂的 ai 竞赛提供了一条低功耗的出路。想了解更多的 ai 前沿硬核科技，点个关注，咱们下期见！

三安光电股份有限公司 micro led 业务的技术优势在于全产业链掌控加四大核心技术突破， 以 i d m 模式为基础芯片制造实现极致性能与尺寸突破，巨量转移达到精度与良率双冠 c p o。 光通信技术成为 ai 算力光互联核心引擎。 micromap 封装引领行业标准符，以全方位专利布局，构建了不可复制的技术护城河。 这些技术优势正转化为市场竞争力，推动公司在显示与光通信双赛道实现快速增长，成为 ai 时代 micro led 领域的核心玩家。一、全产业链 idm 模式构建不可复制的技术护城河， 唯一覆盖国内，唯一实现衬底外延芯片封装、巨量转移面板全流程 idm 量产的企业。从根源掌控技术标准与成本曲线。 成本优势，六英寸产线落地，芯片成本年均下降百分之十五到百分之三十，规模效应显著远优于行业平均水平。良率掌控全流程质量管控 micro led 芯片良率星星大于百分之九十五， micromap 集成方案量率大于百分之八十，星星与三星并列全球第一梯队。迭代速度，从外延到封装的垂直整合技术迭代周期缩短百分之三十，快速响应市场需求变化。二、芯片制造技术极致性能与尺寸突破 技术维度三安指标行业水平技术优势价值芯片尺寸，五微米及全色系最小三十四微米乘五十八微米，主流十到二十微米。 小尺寸量率低，支持 p 零点七八超小间距显示单位面积像素密度提升四倍量率表现，六英寸产线量率大于百分之九十五，蓝绿光波长均匀性加减一点五纳米，行业平均百分之八十五到百分之九十， 波长均匀性加减三纳米，大幅降低成本，提升显示色彩一致性。亮度与效率，亮度达十六 cd 每米平方，电光转换效率大于百分之四十行业平均八乘十五 cd 明平方效率百分之三十到百分之三十五。 适配户外高亮显示与 a r v r v 显示场景，全色系覆盖 ga n g 蓝绿光加 ga s g 红黄光双技术路线，多数企业仅掌握单色系或依赖外购实现全彩化显示，无需色转换，提升色域与寿命。 关键突破，成功研发五十微米以下芯片量产工艺，为超高清显示与 cpu 光通信提供核心元气件支撑。 三、巨量转移技术精度与量率，双冠核心指标量率百分之九十九点九九，定位精度加减一微米，超行业平均 技术路径。自研高速巨量转移设备加专用年结材料，展示每小时百万级芯片转移效率。应用支撑，支撑 p 零点七八到 p 零九。高密度 mic 面板量产，满足商险、车载等高端市场需求。特性保障， 转移后芯片附着力提升百分之五十，抗震动与热冲击性能显著增强，降低终端产品故障率等。四、 c p o 光通信技术， ai 算力光互联核心引擎 四点一性能指标全球领先。宽带语速三分贝调制宽带大于七千兆赫兹 n r c o o k 数据传输速度十到十六 g b 每秒， 实验室突破十六 gb 每秒。功耗优势，无需预置电流八百至传输场景功耗仅三到五瓦，较归光方案降低百分之六十到百分之七十，仅为铜缆方案的百分之五 能耗效率，单 bit 能耗一到二 p g bit， 远低于传统激光方案，适配 ai 数据中心低功耗需求。 四点二、技术创新与客户验证核心方案 micro led 芯片与 ai 计算芯片共封装，突破传统光模块物理限制，实现芯片及光信号传输。 客户进展已送样英伟达、台积电等国际客户中标阿里云、腾讯云 cpu 试点项目， 订单金额突破十五亿元。联合研发与清华、中国移动合作开发高速 micro led 光芯片，三分贝带宽超七千兆赫兹，为八百至一亿六 t c p o 方案提供核心光源。五、封装集成技术 micro map 引领行业标准 micro map 模块化，国内首发三大系列面板，集程度提升百分之四十， 安装与维护效率提升百分之六十，灯区合一 mac 集成功耗降低百分之三十到百分之四十，寿命延长至十万小时，解决传统显示功耗与散热难题啊。 显示性能， p 系列刷新率三千八百四十赫兹，对比度一零一，色域百分之九十八 d c i p 三 m 系列气密性与可信提升百分之五十。应用拓展适配商显大屏、车载显示 a r、 v r 等多场景已进入三星、京东方 t c l 供应链。 六、专利布局构建全方位技术壁垒，专利规模累计四千两百加项专利，其中百分之九十八为自有专利。 micro led 专项专利五百一十加项省费。 覆盖范围全面覆盖外延生长、芯片制造、巨量转移封装集成光通信应用等核心环节，国际布局专利申请覆盖中国、美国、欧洲、日本等主要市场，构建全球知识产权保护网。 创新方向，重点布局高速 micro led 光芯片、巨量转移设备、 micro map 封装等前沿领域，保持技术领先地位。七、 与主要竞争对手技术对比技术指标，三安光电、华灿光电、前兆光电行业平均芯片量率大于百分之九十五，大于百分之九十、百分之八十五到百分之九十、百分之八十五到百分之九十九十。 巨量转移量率百分之九十九点九九十九、百分之九十九点八、百分之九十九点九。 c p u 芯片带宽大于七千兆赫兹五到六千兆赫兹、四到五千兆赫兹五到六千兆赫兹。全产业链覆盖是否否少数？ micro m p 量率大于百分之八十、百分之七十到百分之七十五到百分之七十、 百分之七十到百分之七十五。以上资料来自 ai， 不 构成投资依据，还有风险投资需谨慎，谢谢观看。

一月的两个主线要出来了，一就是 ai 智能体，他对应的 e t f 是 传媒 e t f。 二就是脑基接口，他对应的 e t f 是 医疗器械 e t f。 我 靠，我感觉 cpu 的 钱现在全都去 ai 智能体了，我的妈呀，难道真的硬件转软件了？董掌们，感觉脑基接口还有 ai 智能体哪个能赢？但是我就不追热点了，哈哈，我继续坚守我的半导体和 cpu。

ai agent， 也就是 ai 智能体，要真正的让它跑起来呢，离不开三件东西。上一期呢，我们讲了 prompt 提示词和 toots 工具。今天呢，我们讲第三件事， agent skills， 没有它的话，前两天事情全白搭，有没有发现啊，就是我们在给 ai 配置了这种身份，也就是系统提示词 system prompt 之后，也给它装了像 mcp 这样的强力的工具， 看起来也挺像那么回事了，对吧？但是我要给各位同学泼一个冷水，就是能干活和干好活中间啊，还差着十万八千里了，它缺的不是什么工具，而是具体的方法论。这就是我们今天要讲的最后一块拼图， agent skills， 也就是教 ai 怎么用好工具的 sop 操作手册。有同学可能会问了，我把这个怎么干好活的 sop 写到这个系统提示里面不就行了吗？ 啊？不行，原因有两个，第一个就是塞太多信息的话， ai 会精神分裂，你就好比说你让一个会计一边在迪厅里边蹦迪，然后再一边给你算账， 你说他能算吗？他肯定能算出来，但是问题是他的错误率肯定也很高。 agent skills 其实就是做的是把 ai 关进一个静音的图书馆里边，这一刻他的世界里边就只有会计准则了，专注度肯定是百分之百，这叫做什么上下文卫生 a 证 skills 呢，可以做到物理隔离，保证了每一个垂直领域下的专业度都能够是百分之百输出的。第二个呢，就是 ai 啊，都会有一些上下文限制，也就是我们所谓的大脑的容量是吧？也就是他每一次对话都能够记住的信息总量是有上限的， 你把几百页的这种税务法规全塞给他，他只会记住开头和结尾，把中间最关键的条款直接给忘了。 a 证 skills 呢？不强迫 ai 把这些内容全都给背下来，而是 像书一样给它放到一边，遇到具体的问题呢，专门去找对应的那页去读。听到这呢，可能有时候就有点懵逼了，是吧？那是不是要我去写一个很复杂的程序，根本就不需要 agent？ skills 最性感的地方其实就是在于你不需要是个程序员，你只需要是一个懂规则的好领导，或者说是懂流程的一个好管理。 哎，知道怎么去做就 ok 了。所以这里边只需要四步就行，第一个就是见文件夹，第二个就是写说明书，第三个就是 c 资料，第四个就是放工具脚本。我们直接用三个最真实的场景案例带你走一遍。首先我们先拿一个职场场景的案例来说啊，最简单的一个就是我的嘴。替给大家举个例子， 你是一个客服，每天要回几百条的微信，想让 ai 呢，用你的语气帮你进行回复，而不是这种 ai 味儿是吧？只需要新建一个文件夹，里边放上一个 skill， 点 md 文件在里边写清楚，你是九五后创业者，说话只有干货，不讲客套话， 结尾呢，要给对方一个明确的下一步行动，禁止用亲啊家人这类词汇，这样一个 skills 就 完成了。具体的文件内容和效果大概是这样的， 给到我们的需求，他就可以给我们不同的选择。是不是很简单，你只要把你的脑子里边的规则变成一个文档就可以，只要有了这个文档， ai 瞬间就会从一个路人甲变成你的私人助手了。 接下来呢，我们稍微进阶一下，就是让 ai 变成一个专属的数据画图师，老板甩给你一个 excel 表格，让你简单分析一下，然后你不想打开 excel 表格进行画图，你想让 ai 帮你画，而且要画的专业好看， 不能随机生成一些丑图啊。那怎么办呢？第一步就是新建一个文件夹，第二步呢，就是在文件夹里边放上一个画图的脚本，这就是给 ai 的 一个工具了。第三步就是编辑 skill， 点 m d 文件， 在这个文档里边说清楚脚本调用的一个逻辑，具体的使用也一样，明确我们的需求，它就能输出合适的表格。所以终极 skill 的 精髓其实是在于用确定性的代码管住随机性的 ai， ai 只负责去摁按钮，而摁钮呢，是我们提前已经设计好的。 最后，我们来讲一个高阶的案例，竞对情报官要写一份竞品分析报告，不仅要搜集信息，还得严格的符合公司几十页的行研规范， 格式错一点肯定就得被你老板骂了。所以高阶的 skills 就 可以帮我们输出一份优秀的报告了。首先啊，第一步一样的就是新建的文件夹。第二步呢，建立一个 子文件夹，在文件夹里边放上两样东西，公司的排版规范 pdf， 再加上去年的得奖的优秀的报告范文。第三步就是编写一个我们的老朋友 skills， 点 m d 文件，让 ai 呢写之前先读规范， 模仿范文的逻辑结构，输出之前呢，先自查一下，不达标呢就自动重写，使用的方法依旧是说出我们的需求，他就能根据我们投喂的东西给出结果。你不用废话连篇的去教 ai 什么叫好的报告，直接把满分的答案 c 给他，让他进行开卷考试就可以。 ok， 那 这么看来的话，构建一个 agent skills 其实还是有一定门槛的是吧？但是它的门槛不在于技术，而在于你对于业务的理解深不深。你会写代码，但是你如果不懂财务的话，你也写不出来一个财务审计的 skills。 你 会 ai 原理的话，但是你如果不懂什么叫爆款文案的逻辑，也写不出来一个小红书的这种 skills。 所以，只要你能够把你的工作经验总结成文档的形式，你就能够通过 skills 的 方式把你的经验克隆给 ai。 这也正是 agent skills 最大的一个革命性的原因所在，它把员工的经验变成了一种可拷贝的代码。 以前老员工离职啊，十年的经验跟着人就走了，现在呢，只要让他把经验写成一个 skills 文件夹，人可以走，但他的销售灵魂，他的销售技能，他的销售经验，永远都留在了公司的服务器里边了。新来的实习生加载这个 skills， 立马就能成为销冠了， 这才是企业拥抱 ai 的 一个终极形态。未来谁能把工作拆解成 skills， 谁就能够用 ai 放大十倍的效率。你觉得你最想让 ai 学会你的哪一项技能呢？欢迎在评论区告诉我。

ai 应用到底是真方向还是假命题？二零二六年开年就爆火，连长一周，但接下来就是 a 杀惨烈的下跌，这是题材炒作吗？还是主力机构振仓洗筹？这就要探讨开头的问题， ai 应用到底是真的方向还是 伪命题？我认为这是真的方向，是 ai 人工智能落地的必经之路。 如果没有 ai 的 应用， ai 大 模型最终将是镜中月、水中花，对我们的各行各业产生不了决定性的影响。尤其 是在中国啊，十几亿人口的大国，任何一个细分领域的应用，都足以产生一个巨无霸上市公司。你别不信啊， a 股上就做晾衣架的就有上市，还有做拉链的也可以做到上市，那 ai 应用 难道他不会吗？恰恰他不是 a 股的短板，而是 a 股的 强项。从二零二六年开始啊，我们很可能会看见一批又一批的 ai 应用，独角兽、邓羚羊的企业在 a 股市场和港股市场上冒出来。所以今天这个视频你一定要看完，咱们不啰嗦， 快速穿透 ai 核心应用战场，一次性说清钱在哪，风险又在哪，全程干货，建议 点赞收藏。首先呢，咱们先看清当前 ai 应用的核心梯队，重点看这四大赛道，每一个都关乎机会和风险。 一个爆火的前沿赛道， ai 医疗，这是确定性最高的一个 ai 能把新药研发从好几年直接缩到几个月，医学影像诊断的精度更是超过百分之九十五。 政策明确扶持市场也急着要技术、资本、政策三重加持，想不火都难。第二个，硬核升级的 带到 ai 制造和聚深智能，现在 ai 正在给制造业装大脑，更关键的是聚深智能，尤其是人形机器人，它 可是 ai 感知干预物理世界的终极平台，已经从实验室走进生产线了。另外，支撑 ai 算力的高端制造装备，比如 d、 c、 b 设备，需求直接暴涨。第三个，价值深挖赛道。 ai 金融和 ai 农业。 ai 在 银行早就 不是只做客服了，已经杀入信贷、风控、智能投顾这些赚大钱的 核心领域，能够帮银行多赚上千亿美元，甚至于 自动化的城市交易，已经不是什么秘密了啊。更关键的是 ai 农业，二零二六年咱们一号文件首次提出人工智能加农业，已经上升到国家战略，正让农业从靠机器变成靠智能 解决做决策。第四个变格加速赛道， ai 内容，也就是游戏和传媒，游戏里面， ai 已经从帮企业开发变成帮玩家创作内容。传媒领域， ai 正在重构 流量和广告逻辑，用最低的成本做出短剧啊，慢剧啊，这些新内容，效率直接拉满。聊完热点赛道，再来说说未来的机会，就藏在这三条主线上，记牢了啊！第一， 从软到硬，从辅助到主导，机会不再只是在软件上啊，更多在硬件执行层，比如 机器人的核心零件，智能农机啊，高端制造装备啊。另外， ai 智能体在金融政务这里面的自主决策，也是软件层的大机会。第二，从通用 到垂直深耕行业的这些干货，通用大模型只是基础，能赢的都是把 ai 和行业知识、独家数据结合，解决行业痛点的，尤其是医疗、金融、工业这些领域，护城河才够深。第三，从讲故事到赚 真钱，资本现在不看你有没有营收，有没有利润，重点看 ai 业务占比多少，盈利模式 通不通畅，有没有明确的付费方，能不能真正的提升效率，赚大钱，能不能真正的降低成本，提升企业利润。重点提醒，高景气也必然伴随着高风险，这四大风险一定要警惕，别踩坑。第一，商业化 不及预期，很多 ai 应用啊，比如 ai 制药啊，技术很牛，但一直亏损，临床验证啊，医保支付啊，只要一个环节卡壳故事就破了。第二，估值太高，有些概念公司股价已经炒上天，严重透支了未来，尤其是 ai 业务占 比低还被爆炒的啊，退潮之后必亏。第三，监管和轮理风险金融啊，医疗领域 ai 决策不透明，数据隐私啊，责任界定啊，随时可能被监管收紧。第四，技术迭代快，像机器人这些前沿的领域啊，技术路线还没定，今天的 领先方案，明天就可能被淘汰。最后总结一下啊，二零二六年 ai 应用投资已经进入去伪存真的深水区别再追概念了啊，要聚焦场景，研究公司验证收入，找那些有真技术，有清晰的路径，能赚真钱的 实干家，远离只会讲故事的梦想家。我是六六说六哥，希望这期内容能帮你稳稳抓住 ai 红利，咱们下期见！

英伟达正在重塑 ai 的 底层架构。就在昨晚，老黄挥金四十亿美元，同时押注 lumentum 和 coherent 两大光通信巨头，全线布局光互联与封装技术。 受此利好， lumentum 股价大涨了百分之十一。更惊人的是，它在过去一年已经翻了百分之十一。更惊人的是，它在过去一年已经翻了百分之十一。更惊人的是，它在过去一年已经翻了 ai 战场的兵家必争之地。 这期内容来自 lumen ceo michael hurston 的 访谈，他详细解释了光子学如何重塑 ai 数据中心。 下一轮算力军备竞赛，赢家可能不只是半导体，视频内容非常硬核，我们将拆解 ocs、 cpo 这些底层技术建议反复观看。我们这就开始， 他直接点出了当前 ai 发展面临的物理极限。算力暴涨带来的不只是数据狂欢，还有足以让电网直接崩溃的能耗为机。 这也就是为什么数据中心正在经历一场从铜线也就是电到光纤的底层基础金设置、基础建设革命。所以让我们来拆解一下，看看这家有油旧历史的公司是如何站到这场革命中心的。 呃，要理解他们现在的绝对 c 位，我们得稍微回溯一下历史。 luminum 可不是什么横空出世的初创公司， 它的前身是 g d s uniface。 哎，如果你对千禧年左右的互联网泡沫时期有记忆的话，这家公司绝对是那个时代的明星企业。完全正确， 在过去很长一段时间里，他们的主要任务其实就是铺设互联网的底层骨干网，也就是那些深埋地下的光缆。 当时的客户群体非常传统，主要是 a t、 n t 和 verizon 这样的老牌电信巨头。我在资料里看到一个特别不可思议的细节，他们当时最引以为傲的项目之一竟然是铺设连接亚洲和美国的海底电缆，而且是深打马里亚那海沟的那种。 对，在一万米的极深海里，你可以想象一下，在那种极端的物理环境下，光信号会衰减的非常非常厉害。 luminum 当时为这些海底电缆提供的是极其关键的喷普激光器。喷普激光器用来在漫涨的海底旅途中不断增强光信号，这听起来简直就像科幻小说的挑断。是的， 但就是这种在极端恶劣环境下历练出来的技术积累，为他们现在的爆发埋下了伏笔。 资料里特别提到，就在这两年，尤其今年，整个行业发生了巨变，客户群体迅速从传统的电信商变成了 google、 meta 和微软这些超大规模云计算服务商，对吧？就是日内常说的 hyper scalers。 随着像 chat、 gpt 这样的大规模 ai 模型的出现，一个曾经被认为相对沉睡的传统光学行业， 突然被硬生生地推到了 ai 算力舞台的中心，这里才是真正有趣的地方。当我们谈论 ai 芯片公司的时候，比如设计芯片的 simenaptics， 大家都会想到无禁原厂模式，也就是画好图纸直接扔给台积电去代工生产就行了。 嗯，就像钟表一样，精准产出芯片。但鲁门通完全不是这个套路，他们的商业模式在今天的科技界显得非常重，资产及其复古而且极其艰难，因为他们必须内部自建制造工厂对吧？不能直接找代工厂没错， 问题首先出在材料上，台之殿最擅长的是硅质半导体，硅非常适合用来做计算，但他有一个致命的弱点，他极度不擅长发光。对， 既然是光同性，那肯定得能发射激光才行。所以他们生产的不是传统的硅片，而是一种叫做磷化银的化合物半导体。 而且难点不仅仅是这种特殊材料，还有恐怖的物理组装。要在自家的工厂里，把极其微小的透镜螺丝、塑料结构，用特殊的光学胶水精准地粘合在一起，就像在做微雕一样。而且这一切都要在微米甚至纳米级别的精度下完成， 最后还要给硬件写上软箍件，做成类似 iphone 那 样的完整系统。所以 mike 在 访谈里感叹，在自家工厂里， 糟糕的事总会发生，确实是一场制造地狱。但这种极端的制造难度，也直接导致了现在令听众瞩目的供应链奇观。目前的交货周期长达惊人的五十二周，整整一年啊，简直仿佛回到了疫情时期的芯片危机。 为了应对 ai 带来的需求紧喷，他们必须提前三年去预测需求，提前三年去砸钱部署无尘室这些重型资本设备。不过这种艰难也造就了极其疯狂的业绩神话，简直不可思议。 这位信任 ceo 才刚入职三个季度，他们单季度的营收指引就从约三点五亿美元直接飙升到了六点五亿美元，接近翻了一倍，股价也是从七十美元一路狂飙到了两百六十甚至两百七十美元。 这就带出了访谈里一个非常生动的比喻，随接业绩的狂飙，公司的内部氛围完全改变了。 hurston 提到了橄榄球队的例子，对 他问了一个很现实的问题，你是想为一直输球的纽约喷气机队效力，还是想加入汤姆布雷底时代所向披靡的新英格兰爱国者队？大案，不言而喻。你要知道，光系工程师在硅谷其实是非常稀缺的。 这种带着赢家光环的胜利者文化极大地重燃了这群顶尖天才团队的斗志。顶级技术吸引顶级人才？ 那我们把目光转向产品线，来看看光学光环的魔法。资料里重点提到了微机电系统，也就是 mems 微晶。这里令人着迷的是，它简直就是物理层面的降维打击。 想象一下，不用复杂的电路，而是单纯用微小的镜子来反射光线进行数据传输，这听起来有点抽象，能不能给听众打个比方，比如传统的交换机是怎么工作的？没问题，传统交换机，比如 irsa 的 产品是基于数据包逐个处理的。 你可以想象成一个巨大的火车上，每一列火车上装满了成千上万个小包裹。当火车进站时，必须把每个包裹拆开，看看上面的地址，然后再把它搬到通往正确方向的另一列火车上。对，这种拆包裹搬运的过程非常慢，而且极其耗电。 但 msm 光学光环完全不同，它是基于整指流量通道切换的。也就是说，在这列装满数据的光之火车高速驶来时，火车根本不用减速。没错，光学光环根本不去拆开包裹看地址，它里面有无数极其微小的镜子。 火车驶来时，这些小镜子只需要在物理层面上轻轻翻转一下角度，直接改变了整条铁轨的走向，瞬间飞下了新的目的地。就是这么神奇！ 而且这种镜子魔法带来的最大优势在于光的反射传输是完全无损的。无损传输意味着在改变数据方向的过程中，几乎不消耗额外的能量， 这极大降低了数据中心的功耗和总拥有成本。你不仅省了聚合的电费，还省了给这些发热设备散热的空调费，难怪科巨巨头都在疯狂追捧。 资料里提到，这种技术完美契合了当前 ai 数据中心的两大新趋势，一个是向外扩展，因为现在的 ai 大 模型实在太庞大了，单一数据中心的算力已经装不下了， 所以必须用极高带宽的光纤连接跨地域的多个数据中心。另外一个趋势是向上扩展， 在单一机架内将众多的 c p u、 t p u 和 g p u 紧密连接起来，把成百上千个极其强大的芯片塞在一个集柜里。 这就引出了我们前面提到的那个最大噩梦，电网真的趁不住了。目前数据中心大量使用一种类似 u 盘的可插拔光模块儿， 服务器外部到处都插满了这种东西。显卡出力的是电信号，要想用光纤传出去，就必须得进入这个模块，把电信号转成光信号， 到了另一端又要从光信号转回电信号。这种电转光，光又转电的过程，每一次都在疯狂消耗极度宝贵的电能，还散发大量热量， 日内把这叫做 o e o 转换税。当成千上万个模块插在服务器上时，能耗减去是灾难性的，确实是个致命痛点。所以整个行业的终极杀器就是供风装光学，也就是 c p o， 对 吧？是的， 简单来说，就是彻底消灭那种插在外部的可查吧模块，直接把极其微小的光线引擎像贴片一样 贴在主板上，紧紧挨着交换机或者 gpu 芯片，电信号一出， gpu 不 用跑很远的电路板去寻找外部接口瞬间就在芯片旁边转化成光信号飞出去， 距离缩短了，省下了极其可观的电能和冷却成本等等。如果 cpu 这么好，为什么以前没人敢这么做？直接把光模块贴在主板？听起来顺理成章啊。想法很好，但现实很骨感， 原因只有一个，激光器太容易坏了啊，一旦坏了，连拔下来换的机会都没有。难道你要把整块儿价值几十万美元的 ai 主板直接扔进垃圾桶吗？没人愿意承担这个风险，但这就是卢曼通的绝妙的地方。 你还记得我们刚才提到的马利亚纳海沟海底电缆吗？我的天，这就是跨界的技术迁移，完全正确，当年那些沉入一万米海底的泵浦激光器，一旦沉入深海就绝不能坏。 他们把这种要求零故障的超高可高性激光技术直接降维应用到了今天数据中心的主板上，彻底打消了柯基巨头们的顾虑，这绝对是个能让行业兴奋的突破。那资料里有没有说，这种基础什么时候才能大规模普及？预测非常清晰， 在二零二六年下半年将出现显著的跃升，到了二零二七年迎来向 c p o 大 规模转移的历史性拐点， 然后二零二八年势头猛增，二零二九年占据极大份额，到时候，整个儿行业的出货量将从以往电信时代的几千件，彻底膨胀到几千万甚至上亿件。那么，这一切意味着什么呢？ 下次当你听到科技巨头谈论投入数百亿元美金建设全新的 ai 数据中心时，你就会明白，这绝对不仅仅是去买一堆显卡那么简单，绝对不是！ 这背后是一场关于光，关于粉化银化合物，关于微观世界里的微型镜子，以及将数亿个极高精度光学器械完美制造出来的极限物理挑战。 铜线虽然便宜，不会完全消失，但光才是真正支撑未来的极量。确实是这样， 这就提出了一个非常重要的问题。什么问题？如果整个人类社会的 ai 基础设施升级，都高度依赖于像冯化银这样极其特殊的半导体材料以及动则，需要提前三年规划产物交货期长达五十二周的复杂内部制造流程。嗯？ 那么未来真正决定全球 ai 军备竞赛胜负的，真的是股股天才程序员们迭代算法的速度吗？还是说，看起来有光速的 ai 发展，最终不可避免的将被人类在物理制造业上的极速瓶颈所质疑？ 这是一个非常震撼的终极四炮，物理世界的坚硬与数字世界的轻盈，在这里发生了最剧烈的碰撞。

今年的 ai 应用啊，就像二五年的 cpu， 大家都以为 deepsea 会持续一整年的，但是没想到 cpu 才是王者。 今年的航天啊，就像去年的 deepsea 一 样啊，会持续发酵，但是照着 cpu， 你 还差远了。而且马斯克对于 ai 又有预言了，他说二六年呢，将实现通用人工智能 agi， 这个对于我们的 ai 应用啊，绝对是一个巨大的利好啊，因为今年的 ai 将转化为生产力，带来实际价值了， 有了价值，机构就会像 c p u 一 样，持续可以炒作一年以上了。前两天我们发布了 ai 加制造啊，明确二十七年要打造一百个工业数据集，这个是政策支持力度最大的方向啊，所以相关的智能调度啊，故障预测啊，智能化生产类的软件，将会极大的收益。 同时啊，最容易变现利润增速最大的方向一定是传媒板块啊，比如生成的 ai 广告、 ai 营销、精准投放等等。因为 ai 啊，是最懂用户需求的，能够直达用户的痛点、难点，广告的点击率可以提升百分之五十以上。 相关的公司呢，最近都很活跃，我相信大家都已经看到了，这个只是开始啊，等他们一季报出来以后，资金看到了他们的业绩大幅反转，会更加关注这个方向的。所以每一次季报的公布啊，都是一波趋势的来临。 而且马斯克提到啊，未来三年，手术机器人将取代大多数医生啊，不知道马斯克的话能否实现，但是这个方向绝对是非常有潜力， ai 智能的辅助诊断啊，让很多四五线城市甚至偏远乡村的人能够使用顶尖的医疗技术了，而且创新药的研发在使用 agi 之后啊，效率会呈指数级的提升。创新药就是来回试错 ai 的 试错能力啊，那比我们人工智能的效率要提升无数倍。所以最近这段时间啊，就是布局的一个黄金期，第一个验证的时间节点就是今年的一季报啊， 一季报上很多公司经历了春节消费黄金档的营销阶段，就会有财报上的利润体现了啊，龙一龙二都会有排名，到时候资金就会形成共识，就没有信息差了。 所以现在的混沌阶段啊，大家还不知道各个公司的实力是布局的好机会。不过我们一定要注意风险啊，要找这种有成熟产业链，有用户基数的公司啊，只要是这种，就算是短期追高，被套一半个月也能有新高。 ai 应用和航天的最大区别啊，就是 ai 应用的业绩会逐渐爆发，而航天就像二三年的机器人，二五年的 deepsea 一 样，一旦被套，可能就到年底了。喜欢点点关注啊，希望能帮到你！

昨天腾讯大涨了七个点啊，因为龙虾可以接入微信的。那什么是龙虾？为什么马斯克会在 x 上嘲讽人们将自己的权限给了龙虾？这样的 ai 就 像直接将武器发给了猴子一样。 那么它和我们去年九月就一直在讲的 ai agent 流量入口又有什么关系？它能给腾讯带来多少增长空间？龙虾其实就是 open core， 简单理解就是像 deepsea、 豆包这样的 ai 呢，你只能和它聊天，它们就像 ai 的 大脑一样，而有了 open core， 你 则可以让 ai 帮你干活，它就像 ai 的 手嚼一样。而由于 open core 的 形象是一个可爱的龙虾，所以大家就习惯叫它龙虾了。 之前龙虾一直是一个即刻的玩具，部署起来呢很麻烦，普通用户根本没有办法去使用，而且它也没办法接入微信的生态， 只能在国外像电报这样的工具里使用，所以对很多人来说作用有限。这次之所以可以火出圈，是因为腾讯基于 oppo 克洛做了些封装，简化了安装流程， 还可以直接接入到微信的生态里。那它和我们之前一直在讲的 ai 流量入口之间有什么关系呢？先说结论，龙虾不会是微信的最终解法，但它能培养用户使用 ai 帮自己干活的心智。 我们之前讲过，在未来的 ai 时代，每个人都会有自己的 ai 管家，像生活、购物、旅行、计划，甚至医疗和教育这些服务，人们都会授权自己的 ai 管家去打理。就像古时候的贵族呢，不会所有事情都去亲力亲为， 而是会授权自己的私人管家去打理一样。前容下的大脑使用的还是 deepsea、 kimi 这类 ai 大 模型， 它只是在这个基础之上提供了干活的能力，所以这些大模型当前的技术局限呢？龙虾一样也有，最典型的就是 ai 大 模型的智力是在开发上线的那一刻就相对固定了， 人们没有办法通过后续的培养让它继续进化，甚至可以拥有自己百分之八十的能力。所以龙虾可以使用微信的生态，这只是展现了微信潜力的冰山一角。 更重要的是，未来微信 ai 通过私聊、群聊、社交关系链以及用户的日常使用行为这些数据进行持续学习和进化的能力，这才是微信相比同行的优势。 只有到了那一天，人类才会真正的将自己大多数无趣的任务都交给自己的 ai 管家去处理， 自己则可有更多的时间去享受生活和娱乐。而腾讯对于微信 ai 的 布局，其实已经有很多线索可查了，在最新的第三季度电话会议里，腾讯管理层就正面回答过这个问题，明确说了微信未来会成为一个 ai 助手， 微信的私有数据能帮这个 ai 更好地理解用户的意图，而微信的生态呢，则能帮这个 ai 呢更多地完成用户的需求，这就是腾讯相比同行的竞争优势。 而在最新的年会上，腾讯的二把手刘志平更是进一步表明了要折机推出微信的原生 ai， 将微信打造成最懂用户、能力最全面的 ai agent。 而海外媒体最新报道，腾讯更是要打造微信的 ai 智能体，预计在今年三季度就要全面上线。现在腾讯让微信接入龙虾，相当于只是提前秀了下肌肉，就已经让华尔街的这些朋友们看到了腾讯在 ai 时代的潜力。 就像我之前一直说的，腾讯目前的定价是没有包含 ai 的， 昨天市场的火热只不过是一个小小的序曲罢了。 这就是巴菲特说的能力圈。如果你没有在互联网大厂做过产品，你对公司的分析呢？就只能基于会计这些金融逻辑，那你就很难通过公司的基因生意去预判未来的产品布局和行业竞争呢。那这件事腾讯如果做成了，能带来多少增长空间呢？ 首先是宽度上，微信将从基于人和人的连接，逐渐扩展到基于人和物以及人和服务的连接。这是马化腾在二零一八年的公开信里提出来的构想，但是受限于非 ai 时代的技术瓶颈和商业模式，即使到了今天，也只完成了很小的一部分。 公开信里提到的数字化，我们和美国有大量的萨斯服务公司专门来帮企业做数字化服务， 通过数字化帮企业降低运营成本和人力成本。但这条路在国内是走不通的，因为人力成本实在是太低了， 没有老板愿意为了这种不确定的服务买单。但在 ai 时代，这一点将彻底改变，因为 ai 劳动力替代是可以直接帮企业降低用工成本的，不像数字化那样，成本能不能降低还不好说，先就要花一大笔钱出去购买软件服务。 一旦所有的商品服务都通过 ai 完成了数字化，那微信可以连接的触点就会呈指数级增长， 相当于微信可以服务的整个盘子会变大了。然后是深度上，即使强如谷歌搜索，在互联网时代能做的也仅仅是流量入口生意的大盘是所有企业的广告费用。 而在 ai 时代，如果微信建立了用户 ai 管家的社交网络，当用户将自己大量无趣的事物都交给这些 ai 管家去执行后，微信的生意大盘将从单纯的企业广告费用变成居民消费总额，这两个生意大盘足足有三十多倍的差距。

在人工智能算力需求爆炸性增长的今天，一个名为 c p o 的 技术正在悄然改变着数据中心和超算中心的基础架构。它并非全新的概念，却在 ai 时代被赋予了决定性的意义。那么，究竟什么是 c p o？ 它为何如此重要？ c p o 全称为 co packaged optics， 中文意为供风装、光学或光电供风装。 简单来说，它是一种将传统上各自独立的光引擎，负责光电转换的核心光学组建与交换芯片或计算芯片， 通过先进的封装技术集成在同一个基板或叉槽内的技术方案。为了更好的理解，我们可以做个形象的比喻， 如果把数据在服务器内部的传输比作城市交通，那么传统可插拔光模块就像是在每个十字路口设置的独立收费站， 数据每次进出芯片都需要在这些收费站完成光电转换，过程繁琐且效率较低。而 c p u 技术则是将收费站直接集成到了城市的核心枢纽内部， 让数据留在室内，就能以光的形式高速直接地交换，极大地减少了停车缴费的次数、距离和能耗。 c p u 技术的兴起直接源于 ai， 特别是大模型训练对算力基础设施提出的近乎残酷的要求。当我们需要将数万张 g p u 连接起来进行协调计算时，遇到了三大核心瓶颈， 一、功耗强。传统方案中， g p u 之间通过电信号在 p c b 板上的铜线传输数据，距离越长功耗越大。可插拔光模块儿虽然能解决长距离问题，但其本身功耗也相当可观。 在超大规模 ai 集群中，仅数据传输的功耗就可能占到系统总功耗的百分之三十以上。 二、宽带强。随着 gpu 算力以每年数倍的速度提升，其对外通信宽带的需求也随之激增，正迈向一点六 tb 每秒乃至更高。传统的电连接和可插拔光模块在密度和速率上开始力不从心，成为限制整体算力提升的短板。 三、密度强。面对海量的数据交换需求，设备前面板上的光模块接口数量已接近物理极限，布线复杂度和成本急剧上升。 c p u 如何破解难题？ c p u 的 核心思想是缩短距离，减少转换高度集成， 缩短电信号传输距离。它将光引擎从面板处后移，放置到离交换芯片仅毫米级的距离上，电信号无需再经过长长的 p c b 走线，驱动面板上的光模块， 从而大幅降低了驱动功耗和信号衰减。简化架构，提升效率在 c p o 架构中，光引擎通过硅光平台或高速连接器与芯片直接对话。这种紧密藕合减少了信号转换环节和连接器数量， 不仅降低了功耗和延迟，还显著提高了系统的可能性和带宽密度。一个关键的技术演进式 c p o 通常与硅光技术紧密结合。 硅光技术利用成熟的硅半导体工艺在芯片上制造光器件，如调制器、探测器， 使得光引擎可以做得更小、更节能，更容易与硅基电子芯片集成。因此，业界常将硅光加 c p o 视为下一代数据中心互联的黄金组合。对于 ai 产业而言， c p o 不 只是一项改进，更是一次基础设施的升级， 赋能极致算力集群，它是构建下一代万卡乃至十万卡级别 ai 算力池的关键技术保障。 只有通过 cpu 这样的低功耗、超高宽带互联方案，才能将海量 gpu 高效稳定的连接成一个超级大脑， 满足千亿万亿参数大模型的训练需求，降低总体拥有成本。虽然前期研发和制造成本较高，但 c p o 通过显著降低系统功耗，可高达百分之三十到百分之五十，简化布线和散热设计，能从数据中心全生命周期角度大幅降低运营成本。 对于电费占大头的超算中心，这一点直观重要。引领硬件创新，它代表了从电互联到光互联再到光电融合的必然趋势。 c p o 正在推动芯片设计、封装工艺、光学材料等一系列上游产业的创新，为摩尔定律放缓后的算力提升开辟了新的路径。现状与展望 目前， c p o 技术正处于从技术验证走向初步商业化的关键阶段，英伟达、博通、英特尔等巨头以及众多硅光初创公司都在积极布局 行业标准组织，如 c o、 b o 也在加速制定相关规范。短期内， c p o 将率先在超大规模数据中心和 ai 算力集群的交换机测实现应用， 用于机柜内部或机柜间的顶级高速互联。长期来看，随着技术成熟和成本下降，它有望向更广泛的计算单元如 gpu 本身渗透，真正实现光进同退。总而言之， cpo 是 ai 算力洪流冲击下 应运而生的底层硬件革命，它不仅是连接芯片的光鲜，更是连接当今 ai 应用与未来无限算力可能性的桥梁。理解 c、 p、 o 就是 理解下一代算力基础设施的核心脉络。

ai 硬件板块大涨，但有个词很多人可能都没听过， cpu 供风装光学，今天像光模块、 ai 服务器这些公司很多都连续的涨停，背后就一个核心原因， ai 太耗算力了。 从行业的数据来看，全球 ai 算力需求今年预计要增长百分之一百二以上。简单说就是现在各种 ai 应用太多了，像 ai 助手、多模态、大模型、自动驾驶、 ai 智能体这些东西都需要大量的算力，而算力本质上就是服务器加芯片，加光通信这些硬件， 所以 ai 越火，硬件需求就越爆。这里面有个特别关键的技术叫 cpu， 你 可以把它理解成给 ai 服务器之间传输数据的高速公路，以前的数据传输方式，速度不够，功耗还高， cpu 就是 来解决这个问题的，速度快五到十倍，功耗直接降百分之四十。 简单说， ai 越卷， cpu 越不可或缺。行业甚至有个说法说二零二六年很可能是 cpu 大 规模商用的原年，再加上现在供需比较紧张，全球 cpu 光模块的需求缺口大概在百分之四十。 国内头部工厂产能利率已经接近百分之九十八，很多公司的订单已经排到了二零二六年底，同时国产替代加速，以前 cpu 技术基本上靠进口，现在国内企业的产品量率已经做到了百分之九十五，出货放量。 而且这条链上不只有 cpu， ai 服务器、高宽带存储、液冷散热，整条产业链都在受益。简单说就是 ai 越来越火，但核心硬件不够用， 这也是为什么资金开始疯狂涌入 ai 硬件， ai 产业真的开始进入规模化阶段了。不过虽然 ai 硬件这方向很好，但现在很多个股的估值已经不便宜了，如果后面有调整，我反而会更愿意考虑。

ai 算力的需求暴增，先看 cpu 和 pcb 板块，全球 ai 日均掏坑消耗量两年暴涨了近三百倍，而且 ai 用的越深，掏坑消耗根本不是限性的增长，是指数级的在往上冲。 这背后说明了一件事，人工智能的发展靠算力和电力撑着，二者缺一不可。海外这几年砸了巨量的钱搞算力，现在看依旧不够用，国内呢，算力投资依旧跟不上，但是需求的确定性拉满了 近明两年国内算力大概回应来大规模的补短板阶段，这里面 cpu 和 pcb 全是需求明确的赛道。关注我，有边盘信号第一时间告诉你。

又来新消息了，继续盯紧 pcb 和 cpu 板块。前两天全网都在看石油的时候，我首先把重心聚焦在了算力和电力方向，现在上面直接明确了扩大算力投资，推进算力和电力的协调发展，还首提了智能经济， 这是一个非常重要的信号。记住一句话，电力加算力就是科技里的金银。关注我，从宏观视角带你提前看懂市场主线机会。

ai 在 土木中的应用到底有哪些？为了研究 ai 在 土木领域中的应用，我用 ai 首测了一个 ai 造价系统，今天呢，是首测的第二天。那这套系统本质上其实是一个多智能体写作系统， 有负责定额匹配与计价的 agent， 那 它呢，会调用一整套工具，从定额搜索，查看人才计的消耗量，再到计算综合单价和核价， 尽可能还原呢造价工程师真实的算价逻辑，而不是简单做个关键词匹配，加上一个单价相乘。还有呢，专门挑错的评估 agent， 他 主要负责给项目做体检，检查清单编码是否合规，价格和消耗量有没有明显的离群， 并且结合历史项目做对比，给出问题背后的工程原因。还有一个呢，面对人类的 chat agent， 那让人呢，可以用自然语言和这些 a 证的对话。你可以直接问这个项目现在有多少清单还没有匹配定额，帮我看一看混凝土这一部分的成本构成。 那它会在后台呢，自动搜索清单，查看绑定，然后做统计。最后呢，再把结果和建议讲给你听。接下来的几期，我还会继续手抄这套多智能体系统。那我也会一边写代码，一边拆解 ai 到底是怎么一步一步能够嵌入到造价工程师的日常工作里的。

股市 ai 对 我们的影响，一收盘啊，马上 ai 就 做出了这个新的图，我们来看一下东财做的这个，这个王炸级 ai 爆款，主流视频大模型，以后这大模型啊， 人就不容机器做了。我们看到主流的大模型啊， cds 啊， klink 啊， zara 啊，混元智影， 哎呀妈，好多都不认识，但是呢，我们看到中外都在加速这个 ai 的 一个爆款，那同时呢，也总结了 cds 的 二点零啊，就是看见跳舞啊，翻译过来， 那么来解决这种画面的问题。然后呢，马上这个东财呢就整理出了相关的什么视频，语料啊，综合语料啊，文本语料啊，行业语料啊，量化，这个资金就咣咣咣一顿上。 所以 ai 对 我们的改变只是刚刚开始，我们也不知道到底它对我们会有多大的改变。我们看下面花旗的一个判断， ai 家具了，咱们的这种宏观非常好，但是微观呢，感受不太好的这种差温差，那么将会替代中国至少七千零三十万， 那那俩字就不说了是吧？一说这视频就发不出去了，还将影响一个多亿人的，这个就就就什么什么啊，耶， 那么这就是我们看到 ai 的 这个时代呢，正在来了，我们还是要去思考以及如何去应对这样一个时代，因为确实很多的工作，不管是我们看视频的制作呀，包括我们去问一些问题啊，包括这个资产管理啊， ai 大 量的量化在这进行交易，这不快过年了吗？机器人可不放假呀， 机器人还在进行交易啊，他按照只是因为波动率低了，交易量就下降了，所以说我们还是要面对这个时代，那么对于咱们团队来说呢？也继续在 ai 这个大赛道跟大家一起挖掘相对的机会。好，更多内容可以点我头像。好，那就到这里。