Logo
Back to creator rankings
駿HaYaO

駿HaYaO

@QQ_Timmy最近同步 9/6/2026, 8:59:56 AM
DistillView on X

居住在網路的麻雀

7日排名
#591
总粉丝
31.0K
7日涨粉
+107
7日发帖
47
7日曝光
184K
帖均曝光
3.9K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近30日每日已结算数据

7日30天

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近30日每日发帖量

7日30天

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

7日30天

Participated Topics

Participated in 1 topics

View topic rankings
1GPT-6推理能力与Nvidia HBM瓶颈讨论AI

GPT-6、OpenAI 下一代模型和 Nvidia HBM 需求在中文科技与投资圈被放入同一 AI 算力脉络讨论。美股仙人称 GPT-6 在复杂推理和 Agent 场景下对内存需求可能显著高于 GPT-4，推理环节的 HBM 消耗会更离谱；駿HaYaO 分析 Nvidia Rubin Ultra 将 HBM 规格从 12-Hi 降到 8-Hi，认为真正瓶颈是每单位带宽成本；Max For AI 转述 OpenAI 下一代模型爆料，称其可能具备跨领域专家级能力和实时执行动作能力。讨论焦点集中在模型能力、Agent 执行和算力硬件成本之间的联动。

Participated post: Gavin Baker 認為，AI 數據中心雖有品牌與爭議問題，卻可能是美國工薪階層近年最好的機會。他指出，數據中心正在振興全美凋零小鎮，並帶動電工、水管工、暖通空調等藍領職缺薪資大漲，使大學學位淨現值轉負。一名未讀大學的數據中心電工時薪已達 40 美元。 面對用電、耗水等環境疑慮，Baker 認為科技業正快速改善。他強調數據中心正在「重新工業化美國」，符合兩黨長期目標，並稱結構良好的專案已化解約一年半前的合理擔憂。任何反對數據中心的政治人物，在他看來都不夠資格擔任公職。 他將部分反彈歸因於中共資助、經 TikTok 傳播的輿論操作，並提到 X 曾發現相關機器人農場。根本問題是產業沒把好處講清楚。他建議 AI 與晶片公司效法 Sheryl Sandberg，用真實美國人與小企業受惠故事說明正面影響：「真相能讓人自由，但前提是你得說出來。」 https://t.co/Iz9Q9sQ21K
Posts 2 Views 10.4KHeat 979
#GPT-6#Nvidia#HBM

近7日爆款推文

按近 7 日曝光排序，展示前 10 条。

1
駿HaYaO@QQ_Timmy
3.1万 followers
Views1.0万
北方華創發表 IEEE 論文，宣稱開發兩步蝕刻製程，可對 64 層 3D DRAM 的 Si／SiGe 交替堆疊實現高均勻蝕刻，有助長鑫存儲以垂直堆疊突破 DUV 水平密度限制，減輕對遭制裁 EUV 設備的依賴。 3D DRAM 以垂直堆疊提高單元密度。製程先以無偏壓氟自由基選擇性蝕刻 SiGe，在矽層形成氟化鍺保護膜；再以電漿氣體吹掃清除副產物，克服低選擇性損傷矽層、底部微負載堆積及化學品難達底層等傳統問題。 公司稱矽／SiGe 選擇比大於 500:1（200 奈米 SiGe 蝕刻速度為矽的 500 倍以上），矽損耗小於 10 埃，64 層對均勻性逾 95%（頂層 200 奈米時底層至少 190 奈米）。此垂直路線與華為 Tau Scaling／LogicFolding 邏輯堆疊思路相近，皆試圖以立體結構取代 EUV 微縮。 若技術可量產，中國記憶體產業有望在現有 DUV 設備上推進高密度 3D DRAM，緩解先進光刻受限��境。實際良率、產能與長期可靠性仍待驗證。 https://t.co/rOowADp01k
Reply 14Repost 7
2
駿HaYaO@QQ_Timmy
3.1万 followers
Views1.0万
Gavin Baker 認為，AI 數據中心雖有品牌與爭議問題，卻可能是美國工薪階層近年最好的機會。他指出，數據中心正在振興全美凋零小鎮，並帶動電工、水管工、暖通空調等藍領職缺薪資大漲，使大學學位淨現值轉負。一名未讀大學的數據中心電工時薪已達 40 美元。 面對用電、耗水等環境疑慮，Baker 認為科技業正快速改善。他強調數據中心正在「重新工業化美國」，符合兩黨長期目標，並稱結構良好的專案已化解約一年半前的合理擔憂。任何反對數據中心的政治人物，在他看來都不夠資格擔任公職。 他將部分反彈歸因於中共資助、經 TikTok 傳播的輿論操作，並提到 X 曾發現相關機器人農場。根本問題是產業沒把好處講清楚。他建議 AI 與晶片公司效法 Sheryl Sandberg，用真實美國人與小企業受惠故事說明正面影響：「真相能讓人自由，但前提是你得說出來。」 https://t.co/Iz9Q9sQ21K
Reply 44Repost 3
3
駿HaYaO@QQ_Timmy
3.1万 followers
Views8.5K
青瓦台：盧特尼克半導體關稅言論後，具體內容尚未敲定 韓聯社首爾9月3日電——美國商務部長盧特尼克表示美國政府正在考慮對半導體採取「有針對性」的關稅政策後，青瓦台周四（3日）表示，任何新的美國半導體關稅具體細節目前尚未最終確定。 盧特尼克周三（美國時間）接受CNBC採訪時表示，美國政府正在考慮對半導體採取「有針對性（targeted）且審慎（thoughtful）」的關稅政策。 青瓦台一名官員表示：「據我們了解，與美國半導體關稅相關的具體事項尚未確定。」 該官員並稱：「政府將密切監測相關動向，同時與美方保持緊密合作，以防止對���國企業產生不利影響。」 
https://t.co/beNzQucv5q
Reply 7Repost 0
4
駿HaYaO@QQ_Timmy
3.1万 followers
Views7.5K
非農超強！美股藏危機？市場寬度惡化反而要軋空？｜盤中速解讀 2026/09/04 指數在高檔震盪、甚至創高，但內部結構偏弱，市場普遍在等崩盤。作者認為這更像結構性調整 + 極端避險後的軋空潛能，而非立即系統性崩盤。恐懼越集中，反向機會可能越近。 1. 市場寬度惡化：指數獨舞、個股掉隊 - 自 8 月以來，標普 500 創高，但站上 50 日均線的股票比例從約 75% 降至 50%。 - 站上 200 日均線的比例從約 73% 回落至 67%。 - 解讀：不是末日序曲，而是水面下的去槓桿與換手；權值股撐盤，讓市場有空間做結構分化。 2. 對沖基金極度防禦：錢沒跑，空單做滿 - 美基本面多空基金：淨槓桿約 47.6%（極低）、多空比跌破 1.6（歷史低位附近）。 - 總槓桿未明顯縮減，資金仍在場內，只是避險與空頭部位拉滿。 - 若預期中的大跌沒來，空頭被迫回補，可能觸發規模不小的 軋空（Short Squeeze）。 3. 波動率被重新定義：清洗後是燃料，不是單純風險 - 引用 Bloomberg 2026 觀察：當月實現波動率超過過去一年均值 1.5 倍時，約 2/3 標的後續跑贏大盤。 - 中位數超額約 +2%，平均相對報酬可超過 +5%。 - 對比 2021 年底那種「極度擁擠、未經充分修正」的泡沫感，2026 年經歷 6–7 月去槓桿後，波動放大更像找低位切入的訊號。 4. 8 月非農「打臉衰退論」 - 新增就業 16.2 萬人，約為過去一年均值（文中稱約 3.1 萬）的數倍。 - 6、7 月數據合計上修 5.5 萬人，先前「惡化趨勢」可能有統計偏差成分。 - 增長結構：服務業、地方政府教育、製造業較為分散。 - 含義：立即衰退假設被削弱；降息預期從「很急」變成「較溫和」，但溫和增長反而支撐高位股市（前提是薪資壓力不重新抬頭）。 5. 地緣與油運：繞得過海峽，繞不過風險 - 霍爾木茲通行仍受壓，但透過船隻大型化，運量仍維持每日近 800 萬桶量級。 - 延布（Yanbu）、富查伊拉（Fujairah）等替代路徑運量從戰前約 200–300 萬桶升至約 500–600 萬桶。 - 提醒：替代路徑仍有紅海風險與飛彈射程問題，市場是「學會在高風險下運作」，不是風險消失。 6. 九月怎麼選邊 - 「九月魔咒」長期統計或有參考，但近兩年實戰已不那麼鐵律。 - 當下十字路口：寬度轉弱（警示） vs 極端避險 + 基本面意外韌性（軋空與延續高位的燃料）。 - 作者提問：要死等「大家都想得到的下墜」，還是留意因避險過度而可能出現的報復性反彈？ 高位不是因為���家都很安心，而是權值股撐著、專業資金空得很滿、就業數據沒立刻崩；這種「越怕跌、部位越偏空」的結構，本身就可能成為上漲催化劑。 https://t.co/4G06AqfKCw
Reply 15Repost 0
5
駿HaYaO@QQ_Timmy
3.1万 followers
Views5.7K
東佑達自動化（7942）於 SEMICON Taiwan 宣布與日商 駿河精機 結盟，共同開發新一代 AI 矽光子 CPO 光耦合對位設備。駿河精機現為國內 CPO 對位平台市占約八成的領導廠，雙方將結合東佑達高精度線性馬達、多軸整合與奈米級定位能力，以及駿河的微調平台、高速尋光演算法與光功率回饋技術。 CPO 將光學元件與交換器晶片整合於同一載板，可縮短電訊號路徑、降低 AI 資料中心功耗與延遲。製程瓶頸在於光纖陣列與光電晶片（PIC）的奈米級對準。��作目標是縮短尋光週期、降低損耗並提升量產良率。 東佑達自研六自由度對位平台已進入客戶最終測試，預計明年初放量。雙方將持續深化台日供應鏈，搶攻先進封裝與高速光互連商機。 https://t.co/R6Cu5J7vQt
Reply 32Repost 1
6
駿HaYaO@QQ_Timmy
3.1万 followers
Views5.5K
半導體與汽車營收規模可相當，但利益率差很大。2021年三星電子營收約27兆日圓，與豐田約31兆日圓接近；三星營業利益卻約5兆日圓，幾乎是豐田3兆的兩倍。三星半導體部門營業利益率30.6%，2018年記憶體泡沫時甚至51.6%。豐田過去25年多半低於10%，最好也只約10–12%。 作者要問：為什麼不是漲價或個別企業比較會賺錢，而是整個產業長期拉開差距？ 後文主張主因是產業結構，尤其是生產效率：半導體用大晶圓一次做上千顆晶片，汽車則是一台一台客製組裝。 半導體高利益率現況 高利益率不是三星專利。 2021年景氣好時，英特爾24.6%、SK海力士28.8%、美光22.5%、鎧俠14.2%、TSMC 40.8%、瑞薩18.4%、索尼半導體14.5%，邏輯、記憶體、代工、MCU、影像感測器都偏高。 設備商同樣突出：AMAT 30.2%、ASML 36.2%、Lam 31.2%、東京電子29.2%、KLA 39.7%、SCREEN約20.7%。 材料商如信越34.5%、SUMCO 24.9%、Fujimi 23.3%、東京應化20.4%、Entegris 24.0%，多在20%以上。 重點是：前段相關的裝置、設備、材料整條鏈都高，顯示不是單一家公司管理得好，而是這個製程結構本身容易產生高毛利。 汽車產業對照 汽車整車廠2023年：豐田11.9%、本田6.8%、日產4.5%。零件更低，Bosch 12.1%、電裝6.7%、愛信4.6%、矢崎2.3%，軸承、剎車、電池、車燈多家只有3–8%。輪胎相對較高（約11–14%），作者認為因定期更換讓廠商較有定價權。超跑如法拉利、藍寶堅尼約27%，保時捷18%；賓士、BMW、Audi多掉到15%以下。Tesla曾到16.8%，後回落到個位數。即使千萬日圓級豪車，利益率也難穩定超過30%。 可見「把售價拉高」不足以解釋半導體動輒20–50%的水準，差距更像產業整體生產方式不同。 生產效率才是核心 記憶體一顆只賣300–500日圓，真正被量產的是晶圓：300 mm晶圓常載1000顆以上，一枚可值30–50萬日圓，基板本身約1萬，附加價值達數十倍；先進邏輯晶圓甚至可超過200萬。 大型廠月產約百萬枚，月營收可達數千億日圓。若利益率40%，一天現金流很大，昂貴EUV機 theoretically 一兩週就能回收。 原因是三重效率：批次（一枚同時做千顆）、批號（25枚一盒流動）、流水線（500–1500道製程高速流過）。晶圓越做越大，就是為了擴大一次處理單位。 汽車雖也是流水線，卻是單台製造、規格多變，無法同等批次化；規格太統一又賣不掉。後段封測利益率通常較低，因為已切成單顆，處理單位變小。 價格波動、財務結構與延伸 記憶體多預測生產，供需一亂價格可腰斬，虧損先砸在裝置廠；設備材料價格較穩。 TSMC等屬高固定費型，限界利益率可很高，但營收下滑時固定成本立刻壓垮獲利，屬高風險高報酬。汽車屬高變動費型，零件占比高、折舊相對低，不易大虧，但也難靠規模快速拉高利益率。 作者用土司、整顆蛋糕類比：一次做大再切開，類似晶圓批次；一個一個做小點心則像���件生產。 結論：提高利益率的本質，不只漲價或砍固定費，而是盡量放大一次處理單位、拉高生產效率。這也解釋為何前段整條生態系都偏高、後段較低、汽車整體偏低。 https://t.co/RQ1zwfpZgQ
駿HaYaO 的图片 1
Reply 5Repost 4
7
駿HaYaO@QQ_Timmy
3.1万 followers
Views714
7822 倍利科 投資論點 - 先進封裝（CoWoS、WMCM、SoIC、次世代技術、PLP、矽光子）因異質整合、翹曲、晶片變大、單價高，檢量測站點與重要性持續增加，而非隨量產成熟而下降。 - 公司自研 AutoOM（V5300 系列）受惠擴產，營收從 FY23 約 2 億成長至 FY25 20.4 億（約 10 倍）。 - 護城河：AI 影像分析 + 大量 recipe 累積（單台可超過千支 recipe，需在近零漏檢與低過殺之間調校）、管理層與晶圓代工大廠長期關係、處理翹曲經驗、相對海外大廠的低單價優勢。已成為大廠合格供應商逾 6 年。 - 客戶結構由晶圓代工為主，外溢至 OSAT，預期 2H26 趨近各半；既有設備被沿用機率高。 營運現況與能見度（截至 2026 年中） - 2Q26 營收 7.35 億（YoY +68%、QoQ +7%），毛利率約 59%，營業淨利率/稅前約 38%/40%，單季 EPS 5.18、上半年 EPS 10.12（歷史新高）。上半年營收約 14 億，較兩年前同期約 1.3 億成長約 10 倍。 - 月產能約 20–25 台，尚未兩班制，仍有產出彈性。新增產能從建置到開出約需一年，2027 年產出仍以現有產能為主。 - 接單到交機約 6–9 個月（光學件最長），交機後認列再 3–6 個月，整體週期接近一年。7–8 月認列多對應 1–2 月出機；客戶為 2027 產能，設備已於 5–6 月進場，認列高峰預估落在 11–12 月。 - CoWoS 訂單能見度已達 3Q27（約 8 個月前置），部分正式訂單至 2027/5–6 月。 - 預估 3Q26 / 4Q26 營收約 9.13 億 / 11.5 億（QoQ +24% / +26%），毛利率大致維持 57–60%。2H26 出機與認列同步墊高，優於 1H26。 產品與新技術布局 - V5300 是系列，非單一機種，依應用（CoWoS、CPU 等）有不同後綴與改進。 - 次世代先進封裝：已出貨 demo 機；機型數多達 4 款（CoWoS 主力約 2 款），ASP 因翹曲機構與開發幅度較高而有溢價。檢測/量測通常是新製程第一波拉貨。CPO 仍在驗證。營收結構今明兩年仍以 CoWoS 為最大占比。 - 面板級封裝（PLP）：與 CoWoS 最大差異是晶圓變方、翹曲更嚴重，需特殊機構。客戶一次給四項檢測需求（晶圓、鐵框、玻璃載具、Bevel 等），過去 CoWoS 只拿到部分。已交付相關機型並取得大客戶 demo 訂單；量產初期需求可能高於傳統 CoWoS，穩定後回到約 8–12 台區間。有海外客戶洽談中。 - 矽光子：正反面皆有線路、無法傳統吸附，需夾持；光學與機構挑戰大，仍在開發/驗證，屬 SoIC 一環，公司已進入供應鏈。 - 3D / X-Ray：將 2D/2.5D 延伸至 3D IC；收購優顯科技（持股 62%，主導）+ 設立 TDU Corp，取得 IP 與技術，布局紅外/X 光等下一代檢測，最快 2028 年有 demo 機。 - 目前在客戶檢測需求領域尚未出現主要競爭者，同業想進入但進度不快，價格相對能守住。 風險 - 先進封裝擴產放緩、客戶集中度高、訂單時程波動。 - 智慧影像分析系統導入不如預期。 - 前段先進製程門檻高，難以切入海外大廠主力市場。
Reply 1Repost 0
8
駿HaYaO@QQ_Timmy
3.1万 followers
Views521
FUNDA 平台觀察到，Hopper 的價格開始下滑，而 Blackwell 仍然非常強勁。 FUNDA 在最新的 AIDC 報告中解釋了這種分化的原因： 這並不是需求從 Hopper 轉向 Blackwell。而是兩代產品之間的供應緊俏程度不同。 H100/H200 現在已是成熟、廣泛部署的平台。其裝機基數較大，利用率已趨於正常，租賃價格開始趨穩。 GB200/GB300 則不同。它們仍受實體供應限制——機架、電力供應，以及可部署的數據中心容量。每一個新增的 Blackwell 部署都在爭奪稀缺的 GW 容量，因此租賃價格居高不下。 簡而言之：Hopper 正在尋找其出清價格，而 Blackwell 仍在為稀缺性定價。 預期最終會趨於正常化，而非崩盤。隨著 2027 年更多超大規模雲端供應上線，Blackwell 的稀缺溢價應會收斂——但隨著供需雙方持續成長，利用率可能仍會維持高檔。
駿HaYaO 的图片 1
Reply 1Repost 1
9
駿HaYaO@QQ_Timmy
3.1万 followers
Views105
人形機器人散熱 核心結論 - 人形機器人約九成輸入能量最後變成熱。連續工作時長（四到八小時）能不能達標，關鍵不在峰值扭矩，而在熱能不能及時帶走。散熱已經嵌進關節設計權重，不是後期加裝件。 - 整機連續散熱大約 215 到 555 瓦，峰值可接近 1.5 千瓦。 熱從哪來 - 腿部：六個關節是最大熱源：連續約 90 到 210 瓦，峰值 300 到 600 瓦，髖關節和膝關節最集中。 - 手臂：六個關節連續約 45 到 120 瓦，峰值 150 到 350 瓦，體積小、功率密度高。 - 靈巧手：連續約 10 到 30 瓦，峰值 50 到 100 瓦，但腔體縫隙可能不到 2 毫米，是整機最難散的位置。 - 軀幹主控晶片： TDP 約 30 到 75 瓦，熱密度可超過每平方公分 150 瓦。電池自熱約 10 到 30 瓦。 - 減速器摩擦：傳動效率通常只有七到九成，其餘全部變熱。驅動器上的 MOSFET 很敏感，結溫每升 10°C，導通電阻大約增加 4%。 - 堵轉發熱：機器人站立或保持靜態姿勢時，電機高扭矩、零轉速，電幾乎全部變成電阻熱。高扭矩密度關節繞組可到 130°C，磁鋼接近退磁臨界。 典型一體化關節重量大致是：電機 35% 到 40%，傳動 25% 到 30%，外殼 15% 到 20%，冷卻系統加軸承 10% 到 15%。 為什麼特別難 - 第一難在空間。 靈巧手縫隙可能不足 2 毫米，傳統 5 毫米離心風扇裝不進去；局部熱流密度可超過每平方公分 100 瓦，比傳統桌機 CPU 還高。 - 第二難在熱慣性。 關節熱時間常數大約 5 到 15 分鐘，溫度感測器警報時，系統往往已經接近極限。 - 第三是正回饋。 溫度升高觸發降頻，MOSFET 電阻隨溫度上升，損耗再增加，幾分鐘內就可能把關節推入熱保護停機。 本質是空間極小、功率密度極高、又要連續跑數小時，三個條件互相卡住。 技術路線：五層疊加 - 第一層是被動散熱：外殼、鰭片、導熱材料。 鰭片間距做到 3 到 5 毫米、高度 10 到 20 毫米，可比光滑外殼提升約五成。低熱流場景夠用，髖膝持續高負載不夠。 - 第二層是風冷。 強迫風冷大約是自然散熱的五到十倍，但要風道空間，有噪音和機械損耗，服務型機器人不一定合適。 - 第三層是液冷，目前高性能方案的主流。 冷板微通道較常見；更激進的是繞組直接浸沒冷卻，熱阻可比液冷套低約 3.7 倍、比強迫風冷低約 10 倍。 介於兩者之間的是無泵相變冷卻：增重約 5% 到 8%，連續扭矩可提高 40% 到 60%。 - 第四層是熱界面材料。 導熱墊片和相變材料負責把熱從晶片、MOSFET 接到殼體或冷板。實測例子：導熱係數 8.5 W/m·K 的墊片，可把 AI 處理器結溫從 98.5°C 壓到 80°C；相變材料可把驅動 MOSFET 從 112°C 降到 94°C。 - 第五層是智慧熱管理。 在繞組、減速器、驅動器布溫度感測器，採樣可到 1 kHz，用模型動態降額非核心動作，給硬體散熱爭取時間。 對性能差多少 標準被動冷卻執行器，連續扭矩通常只有峰值的兩成五到三成。一台標稱 400 牛米的關節，實際能持續輸出的可能只有 100 到 120 牛米。直接浸沒冷卻後，這個比例可以提高到八成到九成。 相對光滑外殼：鰭片鋁殼大約提升五成，強迫風冷約七成九，水冷套約一倍多。 宇樹 H1 很有代表性。 早期連續約 15 分鐘就超過 95°C 保護停機，功率密度約 1.8 kW/L。量產換成定制無框力矩電機，加上雙循環油冷後，功率密度提到 3.4 kW/L，80°C 溫升下可持續輸出 210 牛米達 4 小時以上。 另外，眾擎 T800 提到腿部全關節主動散熱，核心部件溫差可控制在正負 1.5°C 以內。榮耀「閃電」半馬奪冠，液冷每分鐘換熱流量超過 4 升，管路深入電機內部，本質上是一場散熱系統的耐力測試。 總結 沒有單一技術能同時滿足空間、功率、時間。 工程解法是層層疊加：材料導熱、結構散熱、被動相變、主動液冷、軟體控溫。疊到什麼程度，決定這台機器人是演示機，還是產線可用機。 https://t.co/Z8txmlV86p
駿HaYaO 的图片 1
Reply 0Repost 0
10
駿HaYaO@QQ_Timmy
3.1万 followers
Views0
Nvidia 把 Rubin Ultra 的 HBM 規格從 12-Hi 降到 8-Hi，因為真正的瓶頸是「每單位頻寬的成本（$/bandwidth）」，而不是「每單位容量的成本（$/capacity）」。 容量 ≈ 堆疊數 × 每堆疊晶片層數 × 每層 GB 頻寬 ≈ 堆疊數 × 介面寬度 × pin 速度 堆疊高度買到的是容量，不是頻寬。 從 12-Hi 砍到 8-Hi，會少掉三分之一的 DRAM 晶片（這是 BOM 上供給最緊張的矽），但頻寬維持不變甚至還會略升。 單位容量的頻寬因此提升 50%，在 HBM 價格上漲之際，每單位頻寬的成本會明顯改善。 推論（inference）是頻寬受限的：每解碼一個 token，都要重新讀取權重與 KV cache。 ----- （Rubin Ultra · HBM4 · 12-Hi → 8-Hi）： - 堆疊高度買到的是容量，不是頻寬 - 同樣 2,048-bit 介面、同樣 pin 速度，每堆疊少三分之一 DRAM 晶片 - 12-Hi（Rubin）：每堆疊 36 GB，每 GPU 288 GB - 8-Hi（Rubin Ultra）：每堆疊 24 GB，每 GPU 192 GB - DRAM 晶片數 -33%（砍掉 BOM 上供給最緊的那部分成本） - 頻寬 ±0（實際上 Rubin Ultra 還會略升） - 單位 GB 頻寬 +50%，HBM 漲價時每美元能買到的頻寬更好
駿HaYaO 的图片 1
Reply 4Repost 0