rickawsb

HBF不是更便宜的HBM
HBF，是在hbm和ssd之间插入一个新的层。
解决的是hbm不够，和ssd太“慢”的问题
但 HBF 仍然是 NAND Flash，这一点决定了其适合存模型权重存储。
Weights 基本属于 Write Once, Read Many，很少修改。这几乎是 NAND 最理想的 workload。未来数 TB 甚至十几 TB 的模型，可以大量驻留 HBF，HBM 只保存真正需要高速访问的 hot working set。
但KV Cache 会随着 token 生成不断写入，Session 结束后又被释放。NAND 不像 DRAM 可以任意覆盖，它存在 page/block、erase-before-write 和有限 P/E cycle。如果简单把 HBF 当成 DRAM 使用，很容易经常移动、擦除并重写大量数据，最终浪费带宽、增加功耗并缩短寿命。
这也是 HBF 规范开始强调 Weights 与 KV Cache 分 Channel 的原因。两者读写模式和生命周期完全不同，不能再粗暴地混在一个资源池里。
但 KV Cache 未必因此不适合 HBF。它有一个重要特点：很多情况下并不是反复覆盖，而是 Append → Read Many → Bulk Release。如果 Runtime 能进行连续写入、批量回收，再结合 wear leveling、ov

今日 HONA 财报不及预期爆雷暴跌，而上游锻件巨头 Howmet（HWM）与特种合金厂商 ATI 却双双大超预期并上调指引。
hwm工业燃气轮机（IGT）业务板块的营收增速，同比大增 39%
而hona大跌的背景是需求仍快速增长，而供应严重受限。。。
这正是 AIDC（AI 数据中心）对传统民航工业供应链的结构性“虹吸”。
AI 算力的爆发驱动数据中心离网天然气发电（工业燃气轮机 IGT）订单野蛮增长。然而，IGT 核心部件与航空发动机（及 APU）的高温合金精铸件在材料与工艺上完全同源。对于 Howmet 和 ATI 等上游寡头而言，IGT 订单认证周期短、利润空间大，有限的熔炼炉产能与高技能工人自然向“能砸钱、要货急”的 AIDC 发电需求倾斜。
结果便是上游靠数据中心赚得盆满钵满，下游航企却无米下锅。作为 Tier-1 的 HONA 因分不到足够的高温铸件产能，不仅无法跟上波音空客的交付，更被迫挤占了高利润的售后零件产能，直接陷入业绩困境。
长期来看，ai产业链需求对其他行业的挤压不但会让手机涨价，电车涨价，还会让飞机也涨价😂
免责声明：本人持有文章提及标的，观点充满偏见，非投资建议dyor

列治文这个物价，吃海鲜全球几乎最便宜了吧？
还去什么东南亚地理套利？
美元加币1:1.4，这tm是湾区1/3价格

英伟达正在成为AI时代的中央银行
英伟达当然不能印钞，也不能决定联邦基金利率。但它正在影响另一种更重要的资源配置——AI时代最稀缺的资本。
整个AI产业正在进入金融化（Financialization）阶段，资本开始成为AI基础设施的一部分，而不仅仅是融资工具。在这个体系中，英伟达越来越像AI时代的中央银行，不是创造货币，而是一定程度上决定资本围绕哪里流动。
NVIDIA是这一趋势最积极的推动者，nvda带动着其他GPU厂商、云厂商、NeoCloud、封装厂、HBM厂商、银行、Private Credit基金、基础设施基金、保险资金和主权财富基金，正在共同构建新的资本体系。AI产业正在从半导体产业链，逐渐演变为基础设施资产体系。
第一步，是金融化供应链。长期采购协议（LTA）、预付款、Take-or-Pay协议、供应链融资不断增加，本质都是将未来需求提前锁定，让供应商敢于扩产。对于TSMC、Amkor、SK hynix、Micron等企业而言，融资能力开始与制造能力同样重要。供应链投资越来越依赖长期订单，而不是短期市场判断。
第二步，是金融化客户。英伟达已经不只是销售GPU，而是帮助客户获得融资，通过投资像neocloud等的客户，帮助他们更容易获得银行贷款、Private Credit，更容易实现资产证券化（GPU租赁合同，电力ppa），将未来数年的采购提前释放。未来收入提前转化

business insider的这篇专题，试图解答一个很重要的问题：都在 AI上花费巨资， 为什么有的公司在扩张，有的却陷入停滞？
过去这一年多，几乎所有企业都在疯狂为员工采购大模型账号、代码助手和各类 AI 智能体。但效果却天差地别，企业级的“马太效应”开始显现：买 AI 很容易，但要把 AI 真正转化为切实的生产力和商业利润，却很困难。
这可能是由企业的两种截然不同的 AI 引入思维决定的
观察当下企业的 AI 实践，往往会走向两个极端的岔路口：
防守导向（把 AI 当成“成本绞肉机”）：这类企业的核心诉求是“省钱”。他们的逻辑是：“既然有了 AI ，我是不是可以少雇几个人？
然而，如果没有新的业务增量，省出来的成本尽头就是单纯的裁员或冻结招聘。员工即便用 AI 节省了时间，也多半用来在低效的存量工作里“摸鱼”打转。
增长导向（把 AI 当成“业务放大器”）：这些企业逻辑完全相反：“因为 AI 帮团队释放了 30% 的生产力，我们终于有精力去开拓以前想做但没资源做的新业务了！”这类企业将节省下来的时间迅速“战略再投资”到新产品研发或市场扩张中。业务边界扩大了，对组织规模的需求自然水涨船高。AI 提升效率 ➡️ 业务边界扩张 ➡️ 组织规模扩大，形成了一个良性闭环。
决定胜负的指标：战略清晰度 > 工具获取率
为什么很多企业花大价钱订阅了企业版 AI，却听不到响声？波士顿咨询（

有人把ai比做电力革命，这是对硅基文明的侮辱
爱迪生开启了电力革命
而ai正在批量生产爱迪生，
批量生产爱因斯坦，甚至是批量生产远超爱因斯坦能力的人。
ai正在生产数据中心里的天才国度