Writing · Build / Thinking / Field / DYOR
文章和研究都归到 Articles。
Writing 是统一内容入口；构建笔记、思考笔记、现场记录和 DYOR 研究都进入同一套 Articles 列表。
Writing
文章
构建笔记、思考笔记、现场记录和 DYOR 研究都按分类筛选；DYOR 仍保留独立详情页和可视化报告。
DYOR 研究 · 显示 25-30，共 38 篇
Sivers / SIVEF：AI 光互连瓶颈里的激光源小票
Sivers Semiconductors 现在最容易被市场贴上的标签是 AI photonics、CPO、1.6T、SATCOM、Defense。标签太多反而会模糊第一性原理。它不是 GPU，不是交换机 ASIC，不是完整光模块厂，也不是 hyperscaler 的网络架构控制方。它更像两个关键器件层的组合：Photonics 做高功率 DFB/CW 激光和激光阵列，Wireless 做 mmWave RFIC、beamforming IC 和天线模块。
2026-05-19 每日情报汇总：新闻与跨境爆品
汇总 2026-05-19 的全球新闻与美股事件、跨境爆品周报，作为 YoloLab Writing 的每日情报快照。
2026-05-18 每日情报汇总：市场、新闻与跨境爆品
汇总 2026-05-18 的市场状态、全球新闻与美股事件、跨境爆品周报，作为 YoloLab Writing 的每日情报快照。
POET / MXL / HIMX：AI 互连赔率三层图
POET、MXL、HIMX 表面上都能被放进 AI 互连、光模块、CPO 或端侧 AI 的篮子里，但第一性原理完全不同。POET 解决的是光引擎制造方式：能否用 Optical Interposer / EOI 把主动对准、封装和光电集成变成更接近 wafer-scale 的生产。MXL 解决的是信号链：800G/1.6T 光模块和数据中心互连需要 PAM4 DSP、TIA、retimer 这类电子芯片。HIMX 解决的是端侧显示和低功耗感知，同时通过 FOCI 持有 CPO 期权。
Cerebras WSE：AI 推理的整片晶圆答案
Cerebras 的 Wafer-Scale Engine (WSE) 把一整张 12 英寸硅晶圆当成一颗芯片来做，而不是像 NVIDIA 那样把晶圆切成几百颗小 GPU 再用电线连回去。
美股光模块财报后：AI 光互连瓶颈图谱
如果从第一性原理看 AI 光互连，核心不是“光模块是不是 AI 题材”，而是 AI 集群的计算密度上升以后，数据在 GPU、机柜、机房和数据中心之间移动的成本急剧上升。GPU 是计算瓶颈，光互连是数据搬运瓶颈。只要模型训练、推理和 agentic workload 继续扩大，网络带宽、能耗和延迟会持续把价值链推向光学。