2025年，僅半年時間內，ST、恩智浦、瑞薩等頭部MCU廠商幾乎同時發佈搭載新型嵌入式儲存（如PCM、MRAM）的汽車MCU產品，打破了MCU長期以來以嵌入式Flash為主的技術格局。雖然談“標配”仍為時尚早，但可以肯定的是：新型儲存已經從“嘗試”躍升為“戰略佈局”，並開始對MCU生態產生深遠影響。

過去，MCU是一種“小而美”的器件，用於基本控制邏輯。但近幾年，它正在向“小而強”進化：工藝從傳統40nm邁向22nm、16nm甚至更先進節點；整合AI加速、安全單元、無線模組……成為“汽車大腦”“邊緣算力中樞”的候選主力。

這背後，一個被長期忽視但至關重要的技術正在“補短板”：嵌入式儲存技術（eNVM）的革命。

在“軟體定義汽車”的趨勢下，OEM與Tier1廠商面臨前所未有的挑戰：ECU複雜度激增，功能高度集中；OTA更新、AI推理、模型載入，軟體“越堆越厚”；儲存空間與讀寫性能已成為整車架構瓶頸。而傳統Flash在密度、速度、功耗和耐用性上早已力不從心。在這樣的背景下，新型儲存器（PCM、MRAM）成了MCU進化的關鍵武器。

相變儲存器（PCM）是一種新興的非易失性儲存技術，其基礎原理是通過材料的相變（從非晶態到結晶態）來儲存資訊。PCM的基本機制是由史丹佛大學的Robert Ovshinsky於20世紀60年代發明的。意法半導體擁有這項原始開發成果的專利授權，ST是第一個將PCM真正落地在汽車級MCU中的廠商。

ST在官網中也對PCM的工作原理進行了介紹，PCM採用鍺銻碲 (GST) 合金製造而成，其在製造過程中利用了材料可在非晶態和結晶態之間進行快速熱控制變化的物理特性。上述狀態分別與邏輯0和邏輯1相對應，可通過非晶態（邏輯0）的高電阻和結晶態（邏輯1）的低電阻進行電氣區分。PCM支援在低電壓下進行讀寫操作，且與Flash和其他嵌入式儲存器技術相比，具有多項實質性的優勢。

經過多年的研發，2025年4月，ST推出帶有xMemory的Stellar，這是嵌入其Stellar系列汽車微控製器的新一代可擴充記憶體，Stellar xMemory 的核心就是意法半導體專有的相變儲存器 (PCM) 技術。意法半導體稱其擁有業界最小的合格儲存位單元，可徹底改變開發軟體定義汽車 (SDV) 和不斷發展的電氣化平台的挑戰性過程。

據悉，ST的Stellar P和G系列汽車MCU都將搭載采 xMemory的最新一代PCM技術。Stellar P和Stellar G 系列適用於集中式區域控製器、域控製器和車身應用的 Stellar Integration MCU。最先推出的會是Stellar P6 MCU，該系列MCU旨在滿足電動汽車 (EV) 全新動力傳動系統趨勢和架構的需求，並將於2025 年下半年投產。

採用xMemory技術的Stellar無需管理多個具有不同記憶體選項的裝置，也無需承擔相關的開發和認證成本，只需一個具有可擴充記憶體的創新裝置，即可為客戶提供高效且經濟的解決方案。這種從一開始就簡化的方法使汽車製造商能夠面向未來設計，並在開發周期的後期留出更多創新空間，從而降低開發成本並通過更精簡的供應鏈加快產品上市時間。

採用FD-SOI技術的嵌入式PCM位單元的橫截面，其中顯示了可在結晶態和非晶態之間快速翻轉儲存單元的加熱裝置。

ST指出，在SDV生命周期初期選擇合適的 MCU，可確保為未來的軟體開發提供充足的片上記憶體。如今，選擇過高的記憶體規格會增加成本，而選擇過低的記憶體規格則可能需要後續尋找並重新認證具有額外記憶體的其他 MCU，從而增加複雜性、成本和延遲。採用 xMemory 的 Stellar MCU 價格極具競爭力，可帶來更多成本節省，簡化 OEM 供應鏈，並通過延長產品生命周期和最大限度地提高項目間的復用率來縮短認證時間，從而加快產品上市速度。

磁阻式RAM（MRAM）則是另一類非易失性儲存“黑科技”，MRAM 利用磁性材料的物理特性實現資料儲存，具備超高的寫入速度、低功耗以及極強的耐用性。MRAM已經被恩智浦、瑞薩等公司廣泛採用。

恩智浦是較早推出MRAM MCU的汽車MCU廠商，今年3月份，恩智浦半導體宣佈推出其 S32K5系列汽車MCU，這是業界首款基於16nm FinFET 工藝、內建MRAM的 MCU，標誌著其發展的重要里程碑。S32K5 系列旨在擴展恩智浦 CoreRide 平台，提供預整合的區域和電氣化系統解決方案，支援可擴展軟體定義汽車 (SDV) 架構的演進。

汽車製造商越來越多地採用分區架構，每種架構都有其獨特的方法來整合和分配電子控制單元 (ECU) 的功能。這些解決方案的核心是先進的 MCU 架構，它將即時性能與低延遲、確定性通訊和創新的隔離功能融為一體。

高性能MRAM的加入顯著加快了 ECU 程式設計速度，無論是在出廠設定下還是在無線 (OTA) 更新過程中。MRAM 的寫入速度比傳統嵌入式快閃記憶體快 15 倍以上，增強了汽車製造商在車輛整個生命周期內部署新軟體功能的靈活性。

2025年7月，瑞薩也發佈了內建MRAM的MCU，不過與恩智浦相比，工藝為22nm。該裝置配備了1MB MRAM和2MB SRAM。據稱，採用MRAM是第二代RA8系列的一大特色。除了高耐用性和資料保存能力外，MRAM還具有高速讀寫、無需擦除和低功耗等優勢。瑞薩電子在國際半導體積體電路會議（ISSCC 2024）上發佈了面向高性能微控製器的MRAM高速讀寫技術，RA8P1就採用了該技術。

對於需要更大記憶體容量的應用，該裝置配備了支援XIP/DOTF的八路SPI介面和32位外部匯流排介面。此外，還提供整合4MB或8MB外部快閃記憶體的系統級封裝(SiP)產品。外圍功能方面，它支援平行攝影機輸入、MIPI-CSI2、序列音訊輸入以及通過PDM實現的多模態AI語音輸入。此外，它還配備了16位AD轉換器、圖形HMI功能以及各種序列介面。

作為全球晶圓代工龍頭，台積電對新型儲存技術押注了兩大技術：MRAM和RRAM。

在 2025 技術研討會上，台積電執行副總經理暨共同營運長米玉傑博士指出：“eFlash 技術已在 28nm 工藝節點遭遇擴展瓶頸，新一代 NVM（非易失性儲存器）必須在更先進製程中替代其角色。”

由此，台積電明確提出將 RRAM 和 MRAM 兩種嵌入式儲存技術分別匯入 22nm、16nm、12nm，並進一步推進至 6nm 和 5nm 節點。

台積電是目前為數不多已經實現RRAM大規模量產的廠商。目前，台積電已在 40nm、28nm 和 22nm 工藝上實現 RRAM 量產，並通過了汽車級認證。12nm RRAM 亦已進入客戶流片階段，6nm版本正在推進中。英飛凌新一代 AURIX MCU就採用了台積電的 eRRAM 技術，成為其汽車平台的重要嵌入式儲存解決方案。

RRAM的優勢在於：工藝複雜度低，可直接部署於後端金屬層（BEOL）；完全相容邏輯製程，適配多類 MCU 架構；尤其適合面向功耗敏感、成本控制嚴苛的消費與車規應用。

相較之下，MRAM 雖工藝更複雜，但具備優越的性能特性：寫入速度是 Flash 的十數倍；非易失性儲存+極強耐久性；適用於需要高速寫入、頻繁 OTA 更新、AI 推理等複雜任務的場景。對於追求算力密度、資料吞吐與即時性能的車載計算平台（如 ADAS、AI SoC 等），MRAM 可能是 eFlash 後最理想的儲存補位者。

台積電目前已經在 22nm 工藝節點實現 MRAM 量產，16nm MRAM 進入客戶準備階段，12nm 正在研發中。更激進的路線圖還包括未來拓展至5nm節點。

2025年5月，台積電宣佈將在德國慕尼黑設立其首個歐洲設計中心（EUDC），重點圍繞汽車應用的 MRAM 儲存技術進行研發與客戶支援。這一中心將成為台積電全球第十個設計中心，並計畫於 2025年第三季度正式啟用，服務領域涵蓋汽車、工業、AI、電信及物聯網等。這也意味著，台積電不僅在工藝平台上推動新型儲存普及，更在全球佈局中深入整車開發生態圈。

除了橫向推進工藝節點，台積電還在以下方向謀求技術突破：

3D RRAM MCU：推動嵌入式儲存堆疊封裝，釋放更多片上空間；

SOT MRAM（自旋軌道轉矩）：相比傳統STT-MRAM功耗更低、寫入更快，有望進入大規模量產；

矽光子平台：結合光互連與儲存介面，面向資料中心和邊緣算力佈局。

這些技術的落地將進一步鞏固台積電在特色工藝與嵌入式儲存生態中的領先地位。

不論是PCM、MRAM還是RRAM，它們不僅僅是儲存器替代品，更是MCU架構變革的催化劑。新型儲存技術如PCM、MRAM和RRAM代表了一種更深層次的“儲存計算一體化”趨勢，這不僅僅是單純的儲存介質替代問題，而是儲存架構與計算架構之間的協同演化。

在MCU領域，儲存和計算的邊界正在變得越來越模糊。在傳統的MCU中，儲存和計算是分開的模組，計算通過中央處理器（CPU）或專用加速器進行，而儲存則通過外部或內部的快閃記憶體、SRAM等器件進行資料儲存和管理。但隨著計算任務的複雜化，尤其是機器學習、AI 推理和邊緣計算的應用需求日益增長，儲存和計算的分離顯得日益不適應。

MRAM和PCM等新型儲存器的加入，為“儲存計算一體化”提供了新的契機。特別是 PCM 通過其相變特性，不僅具備非易失性儲存功能，還能在某些應用中發揮“近計算”的作用，減少資料傳輸的瓶頸，進一步加速資料處理過程。MRAM的高速讀寫特性也使得它能與計算模組協同工作，在 AI 邊緣推理、即時資料處理等場景下提高處理效率。

在AI邊緣化、OTA碎片化、軟體敏捷化的今天，MCU的“智能化”越發依賴於記憶體能力。預計未來的 MCU 架構將越來越多地將儲存和計算結合，打造更高效、靈活且具有智能化能力的系統。

過去十年，我們習慣將MCU視作“控制”系統的代表，其內嵌儲存只是配套元件；但在AI、SDV、邊緣智能紛至沓來的時代，儲存正在從幕後走向台前，成為計算架構不可分割的核心。這不僅是一次材料的更替、工藝的演進，更是MCU從“可用”走向“可擴展”、“可演進”的關鍵一步。

在這場由嵌入式儲存引發的微控製器升級潮中，我們看到的不僅是頭部廠商的路線分化，也預見到整個產業鏈條——從代工到工具鏈、從汽車到工業應用——正在加速適配與演進。這場轉型，才剛剛開始。

但我們也應能想到，這些新型儲存器的製造對材料、工藝和設計協同提出了更高要求，目前仍主要掌握在少數國際頭部廠商和代工巨頭手中。對於國產MCU廠商而言，這既是挑戰，更是必須迎頭趕上的關鍵戰役。 (半導體行業觀察)

Grok 4 發出之後，風評非常兩級。有人大噴特噴，覺得它又貴又不好用。有的則嘖嘖稱神，斷言「AGI 已經實現啦」。

AGI 怎麼又實現了，AGI 究竟是什麼還不好說呢——華爾街日報報導，微軟和 OpenAI 又因為這個要吵起來了。

早在 2023 年，兩家公司就簽訂協議，將 AGI 定義為「可以產生 1000 億美元利潤的自主系統」。

但僅僅一年後 OpenAI 就不這麼想了，而是在官網上聲稱，AGI 定義為「在最具經濟價值的工作上表現優於人類的高度自主系統」，並認為自己將最先實現製造 AGI。

OpenAI 提出的 AGI 五階段理論 圖片來自：Bloomberg

微軟跟 OpenAI 之間的合同，價值超過 130 億美元——而他們甚至沒有對 AGI 到底是什麼達成一致，這是在玩過家家嗎？

一個反直覺的可能性是：不定義清楚，比定義清楚，更有利。

微軟之所以跳起來，不僅是因為他們真金白銀在花錢，也是因為曾經的合同中有一個危險條款：當 OpenAI 的系統達到 AGI 水平時，這家初創公司將能夠限制微軟對其技術的訪問。

微軟正在努力阻止這種情況發生，其中就包括直接挑戰「AGI」的定義。

「AGI 到底是什麼？」 這是近幾年最常見，也最無解的問題之一。別說答案不僅不清晰，甚至連問題本身都開始模糊。

技術社區從未就 AGI 的定義達成共識——是多模態能力的融合？是持續學習與自我最佳化？還是與人類智力的等價比肩？沒人知道，也沒人敢下斷言。

為瞭解決這一麻煩，微軟曾經的嘗試算是提出了一個看似客觀的判斷方法：如果 AI 能創造的利潤達到了 1000 億美元，就可以認為是實現了 AGI。

這看上去像是玩笑，但其實並不荒謬。

考慮到人工智慧是大燙門賽道，熱錢不斷翻湧，「AI」已經不夠吸引人了，「AGI」才行。天才們不是要做人工智慧，更要做通用人工智慧。而做通用人工智慧，需要大量的資金投入。

但投入不能完全沒有回報，那麼當靠燒錢培養出來的 AGI 真的能扛起掙錢的重任時，怎麼不算實現 AGI 了呢？

在這個前提下，一條檯面下的規則在發生作用：誰能定義 AGI，誰就抓住了一台「印鈔機」——包括但不限於吸引投資、驅動估值、收穫輿論與政策資源。

在商業策劃案上寫上「AGI」，敲不開的門都自動打開了，進不去的賽道都敞開懷抱了。這一現象背後的邏輯，並不只屬於商業談判的範疇，而是反映著一種權力結構。

OpenAI 與微軟之間的業務關係，圖片來自：The Information

把模糊的術語繫結到經濟收益上，對於微軟而言是更有利的，除此之外也能進一步兜售未來想像，為自己在巨頭之間的競爭中獲得話語資源。

不得不說，Sam Altman 是有大智慧的：AGI 無法被定義，正是它好用的原因。

AGI 是一種典型的「模糊術語」——你越無法精確說明它是什麼，它就越容易在不同情境下被靈活呼叫，用於估值、用於談判、用於兜售未來。

這也是為什麼微軟與 OpenAI 會在 AGI 的定義上出現張力：不是因為誰更關心技術真相，而是因為誰擁有宣佈「它已到來」的話語權，就擁有了改寫合作關係、重組利益分配的權力。

如果技術都不足以定義 AGI，那難道除了吵架，就沒有別的方法了嗎？

英國紐卡斯特大學的一項研究引發了討論，這篇論文對 AGI 以及潛在的社會影響，提出了一個社會經濟學的分析框架。

它的特殊之處在於，嘗試通過數學建模的方式，來推算 AGI 社會影響的臨界點。研究人員基於 AI 發展對不同行業勞動力替代率、資本積累速度和平台集中度的資料建模，試圖找出一個拐點：在那個階段之後，AI 技術將不可逆地引發社會結構的斷裂、重組。

研究裡使用了多種不同的生產函數，建構了一個「Power shift」模型，希望能夠模擬 AGI 代替人力所帶來的影響。

用量化資料揭示 AGI 替代效應與勞動收益崩潰的臨界閾值，這和「年營收 1000 億美元即是 AGI」的判斷方式，屬於同一種思維範式：如果你無法理論性地定義它，那就給它設一個數字，數字總是相對「客觀的」。

當然，在細節上，建模還是有很多問題。比如缺少行業資料、歷史真實案例的支撐，使得推演更像是一種「預言」，而缺乏一定的解釋效力。另外，行業內部競爭所帶來的算力價格變化、營運成本，甚至是監管所帶來的影響，都很難體現出來。

因此論文的結論也比較謹慎，它不是說「AGI 實現了」，而指出「一旦超過這個點，社會將進入結構性變革階段」。

不過，建模這種思路在科技界並不陌生。與其在哲學上爭辯「AI 是否具有意識」、「世界模型是不是更高級的範式」，不如在財務模型上設立一個目標函數。

當估值模型跑通、資料指標達標，AGI 就可以「實現」了——不是因為它真的實現了，而是因為它具備了被宣佈為現實的全部前提。

這或許是為什麼研究人員，將這種趨勢稱為「技術封建主義」：真正統治世界的，不是技術，而是對技術的定義權。平台不需要創造新的文明，只需要控制對新文明的描述方式。

而一個概念的定義越含糊，就容易根據不同的場景來調整。雖然合同已經簽好了，但是「AGI」的定義變化了，資金的使用也可以隨之變化，享受的待遇也可以變化，連合作結構也可以變化。

這也是為什麼我們需要警惕——AGI 可能永遠無法精確定義，但它已被嵌入制度，成為真實存在的行動基礎。它的模糊性沒有削弱它的效力，反而增強了它的「多功能」：既可作為投資敘事，也可作為政策籌碼，還可作為控制合約的開關。

當某一天你看到一款 AI 產品上線，宣稱「AGI 已至」，不妨先別問技術細節，而是問一句：這是誰的 AGI？又是為誰而宣佈？ (APPSO)

先說一句，感謝Kimi-k2，讓窮小編也用上了富哥的大殺器Claude code

Claude code不用多講了，用過的都說好，但是貴，一般人真用不起，Kimi-k2大家也應該看了很多博主的文章了，表現還是很不錯的，甚至可以說被嚴重低估，最重要的k2的Agent能力很強，雖然可能還不如claude 模型那麼強，但至少讓我們看到了它的潛力，而且API價格比claude便宜多了

月之暗麵糰隊為 Kimi K2 提供了一個與 Anthropic 相容的 API 端點。這意味著我們可以“欺騙” Claude Code讓它轉而與 Kimi K2 進行互動，而無需改動 Claude 自身的一行程式碼

那麼如何在強大的claude code 使用k2模型呢？

看了一些網友寫的claude code 中使用 k2方法,我自己也動手實踐了一下，以下是更簡潔和清晰的親測可食用版本

以下逐步說明（前提：會使用命令列）：

打開你的終端，先安裝node.js（mac）

sudo xcode-select --install
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sbrew install node
node --version

# Install Claude Code
npm install -g @anthropic-ai/claude-code

# 開始使用
claude

https://platform.moonshot.cn/console/api-keys ，去這裡建立你的api

沒記錯的你的帳戶默認有免費贈送15塊使用費用，建立好API Key 等待下一步使用

建立一個測試資料夾比如claude，切換到這個檔案,這樣全新的檔案目錄下你可以隨便造了，以防誤操作，破壞你的電腦其他檔案

最簡單的方法可以使用這個項目提供的方法 https://github.com/LLM-Red-Team/kimi-cc

在安裝完claude code和準備好 kimi 的API Key後，運行以下這個命令，命令運行後會讓你輸入API Key，這時，你只需要複製上一步建立好的API key，貼上就可以了

bash -c "$(curl -fsSL https://raw.githubusercontent.com/LLM-Red-Team/kimi-cc/refs/heads/main/install.sh)"

這樣就可以在claude code 裡使用 kimi K2 了

配置環境變數來實現，複製以下命令到命令列，回車：

# 告訴claude將所有通常指向 api.anthropic.com 的 API 呼叫重新導向到 Moonshot AI 的相容端點

export ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic

export ANTHROPIC_API_KEY=你的kimiAPIkey
claude

注意這一步有個巨坑，就是你在設定ANTHROPIC_BASE_URL時，如果你用月之暗面國內站點生成的API-key，那麼就必須用這個https://api.moonshot.cn/anthropic，如果你用全球網站生成的生成的API-key，就用https://api.moonshot.ai/anthropic，這兩組API是不相容的，否則等你配置完了就會不斷出現API報錯，這個折騰了我好長時間，😄，比如這個錯誤

照著我以上的步驟操作直接開始低成本使用 Claude Code，媽媽再也不用擔心你錢不夠了，也不用擔心被封號了，嫌速度慢的可以多充點

7月9日消息，在最新一期播客節目《Bankless》中，美國知名投資人、方舟投資創始人、“木頭姐”凱瑟琳·伍德（Catherine Wood）攜方舟投資首席未來學家佈雷特·溫頓（Brett Winton），共同探討了有望重塑未來經濟的顛覆性技術。

這場思想碰撞中，他們描繪勾勒出一個價值超20兆美元的技術版圖，而埃隆·馬斯克（Elon Musk）的商業帝國正處在這個變革風暴的中心。

從特斯拉自動駕駛計程車，到Neuralink腦機介面與星艦計畫的跨界融合；從萊特定律預測的AI成本斷崖式下跌，到OpenAI、xAI和Anthropic三巨頭角逐的AI戰場；再到SpaceX低成本發射催生的太空經濟，這些技術正在形成前所未有的協同效應，共同推動人類邁向指數級增長的新紀元。方舟投資罕見地同時押注三大AI巨頭，正是看中了這場技術融合將釋放的驚人能量。

那麼，當下這場技術浪潮究竟會釋放著怎樣的變數？馬斯克為何成為“木頭姐”眼中最確定的下注對象？我們試圖從這場對話中提煉出值得關注的產業訊號。這場對話的核心觀點有：

●AI重塑作業系統格局，方舟投資押注OpenAI、xAI、Anthropic三強，蘋果Google掉隊，中國開源模型崛起，競爭進入模型+終端+算力整合時代。

● “萊特定律”引發硬科技成本革命，生產規模翻倍會帶動成本以固定比例下降，這在電動汽車、AI硬體等領域表現突出。

● 未來Robotaxi將出行成本可降至每英里小於0.5美元，商業模式從一次性賣車轉向里程訂閱，潛在市場達8–10兆美元。安全性一旦超越人類，監管壁壘將迅速鬆動。

●人形機器人難度比Robotaxi高10000倍，但容錯空間更大。憑藉自動駕駛積累的視覺-運動資料與通用晶片，特斯拉有望率先規模化，2030-2040年市場規模可能達到26兆美元。

●SpaceX的降維打擊佈局：星鏈打造全球通訊基建，目標年收入2000-3000億美元；火星計畫倒逼材料、能源領域突破，實現對地球產業的技術反哺。

方舟投資創始人、“木頭姐”凱瑟琳·伍德

AI三巨頭爭霸戰：20兆美元蛋糕怎麼分？

問： 你們投資了xAI、OpenAI和Anthropic，為什麼選擇這三家公司？這是否是為了應對AGI的風險？

伍德： 在風險投資領域，通常不會看到同一個基金同時投資這三家公司。但我們選擇投資它們，因為我們認為這是一個“贏家通吃”的市場。對於這一市場來說，資料、分發速度和專有資料是關鍵。

與其他風險投資基金不同，我們沒有在公司董事會中佔據席位，這使得我們能夠更加靈活地投資，而不會受到資訊洩露的限制。我們相信，這三家公司在技術上處於領先地位，未來可能會脫穎而出。雖然未來可能會湧現更多專注於不同領域的語言模型並做得更好，但我們認為它們目前仍具有顯著的競爭優勢。

溫頓：從宏觀層面來看，未來AI軟體領域的投入中，部分資金將流向軟體即服務（SaaS）公司，而這些公司的發展將帶動底層基礎模型和平台即服務（PaaS）公司的需求，最終又會影響基礎設施即服務（IaaS）層。對於基礎模型層，這將是一個價值約1.5兆美元的市場，甚至可能接近2兆美元。因此，根據我們的利潤結構預測，整個市場的企業價值有可能達到15兆到20兆美元。

目前，這個領域競爭激烈，很難預測那家公司會最終勝出。但可以肯定的是，ChatGPT在分發上佔有巨大優勢，OpenAI通過向終端使用者提供更多的token，積累了大量資料，並且在產品上進行快速迭代。而xAI則憑藉星鏈等管道獲得了強大的分發優勢。隨著xAI模型的不斷改進，X平台上的資訊價值也將不斷提升，因此，xAI擁有獨特的分發優勢。

至於Anthropic，它的編碼模型在全球範圍內處於領先地位，並且與Cursor深度整合。可以說，這三家公司各自具備不同的競爭優勢，最終我們預計，15兆到20兆美元的企業市場中，可能會有兩到三家公司脫穎而出，我們希望能夠持有這些公司的股份。

在這一動態變化的環境中，中國的開源模型也在迅速崛起，這些團隊如何應對並進行垂直整合呢？OpenAI正在擴展其終端硬體裝置，我推測xAI也會推出自己的終端裝置，且目前xAI已經通過資料中心實現了垂直整合。儘管OpenAI在技術上具有強大的優勢，但它缺乏面向消費者的分發管道，除了ChatGPT之外，它沒有社交網路的支援。而各家公司都在積極進行定位，市場競爭十分激烈。

相比之下，Google和蘋果等科技巨頭的AI佈局目前看起來較為薄弱。儘管Google擁有世界頂級的AI研究人員，但他們似乎未能在搜尋等核心領域取得突破。尤其是隨著AI工具的崛起，搜尋引擎的關注度逐漸轉向由AI機器人來回答問題。Google是否能彌補這一缺口？可能，但未必能領先。而蘋果的AI技術，尤其是Siri，幾乎可以說是失敗的。

伍德： 我現在主要聚焦在這兩家公司。過去四年，我們一直在關注所謂的“科技六巨頭”（Mag Six），但我們並不認為它們是最終的大贏家。特別是關注到蘋果在自動駕駛領域的表現時，我們意識到，作為終極的移動裝置，自動駕駛計程車本應該是蘋果的重點。然而，儘管他們嘗試過多次，但隨著管理層的多次更換，蘋果的AI戰略似乎始終缺乏清晰的方向，最終我們認為他們並不知道如何在AI領域取得突破。

同樣的情況也出現在Google身上。儘管Google擁有全球最頂尖的AI研究團隊，大家普遍認為他們會在這一領域取得成功，但結果卻並非如此。我們從實際經驗中看到，像Anthropic這樣的公司能夠做出更加個性化的解決方案，而這一點正是Google所缺乏的。這種細微的差異，恰恰是當前AI競爭中至關重要的因素。

溫頓：在談到基礎模型的企業市場時，我們認為這是一個15兆到20兆美元的巨大機會。而根據輸入輸出計算方式的變化，我們實際上正在經歷一場作業系統平台的過渡——這些AI模型本質上就是新的作業系統。像Cursor這樣，依託這些模型的應用，或者ChatGPT、Deep Research等，都是OpenAI所建構的應用。當作業系統發生這種轉型時，舊的作業系統通常很難適應這種變化。

這種轉型有些像從桌面電腦到移動裝置的過渡。例如，從IBM到微軟的變化，在這個過渡發生時，IBM的股價幾乎腰斬，而微軟股價增長了10倍。再比如從滑鼠到多點觸控屏的轉變，是微軟過渡到iOS和蘋果的過程，蘋果最終主導了市場。如今，我們可以清晰地看到，我們正從多點觸控過渡到自然語言輸入，主要是通過語音和文字。因此，蘋果當前的作業系統在這場變革中處於劣勢。

蘋果所面臨的困難在於，他們必須重新建構作業系統，以適應新的使用者介面需求。如今他們的所有多點觸控設定和額外控制菜單，都是基於老舊的介面系統設計的。要想真正適應這一變革，蘋果需要從頭開始，這也是他們在這場變革中很難取得領先的原因。

你以為馬斯克只是在造車？其實他在下一盤AI大棋

問：當今最熱門的科技投資方向包括AI、機器人技術、大腦晶片、太空探索等，而馬斯克似乎正處於這些領域交匯的中心，幾乎誰也無法忽視他對這些行業的影響。你們認為馬斯克成功的秘訣是什麼？

伍德：馬斯克的影響力涵蓋了多個領域。我認為這並非偶然，而是他獨特才能的體現。他很早就意識到，未來不同的技術將發生融合，而AI將成為融合的核心。對於AI而言，其核心就是專有資料，這是真正的競爭優勢。

以特斯拉為例，很多分析師認為它只是汽車製造商，但它實際上營運著地球上最大的AI項目。特斯拉囊括了機器人、能源儲存和AI等技術，它們原本是獨立發展的，但現在開始相互交織、相互推動。我們相信，隨著自動駕駛計程車的發展，相關技術將迎來爆發式增長。

進入AI時代後，我們意識到，專有資料才是競爭優勢的核心。馬斯克已經積累了海量的關鍵資料。沒有那個人擁有像馬斯克那樣多的自動駕駛計程車資料或機器人資料。我們每天都在“駕駛機器人”，只是以前我們從未意識到這一點。以我的Model 3和Model Y為例，我們駕駛汽車每天都在為它收集資料。

再看看X平台上的資料流，也同樣獨一無二。至於Neuralink，你知道現在最重要的資料爆炸是什麼嗎？那就是“多組學”（Multi-Omics）資料，它整合了DNA、RNA和蛋白質等資料，旨在全面解析生物系統的複雜性。

而馬斯克正專注於Neuralink和神經網路。你知道，AI是以大腦為模型的，而馬斯克早就看到了這一點。再加上SpaceX，那又是另一條全新的資料軌道。所以，馬斯克的成功秘訣就在於他對這些資料的深刻理解。

溫頓：馬斯克無疑是那個能夠看到各類技術融合的人。他獨特的地方在於，他對拖延和懶惰是零容忍的。當技術飛速變化、工具尚不明確時，最重要的就是做大量實驗。他逼迫團隊不斷推進，雖然其間可能會遇到失敗，但在這樣的技術變革時期，速度是幫助你發現下一步該怎麼做的關鍵。

方舟投資管理公司首席未來學家 溫頓

在技術過渡期，垂直整合是主導策略，而馬斯克顯然完全掌握了這種方法。快速迭代也是至關重要的。因此，我們在Neuralink、SpaceX、特斯拉以及X/xAI都有投資。我們堅信他的產品開發哲學，通過不斷快速迭代，最終能夠改變世界。

馬斯克的另一個超能力是，他願意為了獲得長期回報和實現使命而忍受短期的痛苦，對他的公司和投資者來說，這種痛苦最終會轉化為巨大的回報。

伍德：我想分享一個故事。我們來自傳統的資產管理領域，這裡不像風險投資那麼寬容，失敗是不被允許的，那怕是微小的偏離目標，比如營業利潤率低了30個基點，都會被視為災難。而你看看馬斯克，他的獵鷹9號火箭從最初的失敗到最終成功，經歷了七次甚至九次爆炸，但之後他幾乎沒有再經歷過失敗。如今，他幾乎掌控了90%的商業衛星發射市場。

萊特定律來了！比摩爾定律更狠的“成本屠刀”

問： 現在我們發現了一個新的規律——萊特定律。萊特定律指出，每當生產量翻倍，生產成本就會按固定百分比下降。你們能解釋一下它的意義，以及在展望未來10年，面對這些新的範式轉變時，為什麼它會如此重要？

伍德：當我們討論半導體技術即將觸及物理極限的問題時，佈雷特突然有了一個靈感：“等等，這不僅僅是時間問題。根據摩爾定律，每18到24個月性能翻倍、成本不變，但這種規律太侷限了。”他開始思考：“應該有一個更普適的規律，不僅僅依賴時間維度，畢竟世事難料。”接著，他將思路回溯到民航業的早期階段，試圖從歷史中找到答案。

溫頓：萊特定律來源於西奧多·萊特（Theodore Wright）在研究飛機製造時的發現。他發現，每生產一架飛機，成本會按固定比例下降。這個規律不僅適用於飛機生產，還涵蓋了原材料的成本、原材料精煉的成本以及發動機製造成本，所有這些都呈現出類似的下降趨勢。萊特因此認為，這個規律可以用來精準預測成本的下降趨勢。

一個經典例子是鋰電池。按照摩爾定律，電池的成本理應隨著時間不斷下降，但實際上這一規律並不完全適用。早期鋰電池主要是用於筆記型電腦的大型電池，但後來應用轉向了智慧型手機的小型電池。因此，雖然電池的需求翻倍，但需求增幅逐漸減緩，導致電池的成本下降沒有呈現傳統的摩爾定律模式。

再看2014或2015年，美國能源資訊署（EIA）曾預測，到2050年，電動汽車年銷量將只有20萬輛左右，增長緩慢，這完全基於過時的電池成本下降預期。萊特定律恰好為我們提供瞭解決這一問題的框架——它能更準確地預測隨著生產規模的增加，成本如何持續下降，而不僅僅依賴歷史資料。

最初，很多人認為電動汽車市場只是一個小眾市場，吸引的是環保意識強的消費者，他們願意為性能較低的產品付出更多代價。但事實證明，一旦電動汽車進入市場，尤其是那些高性能、受歡迎的車型，它們對電池的需求迅速激增，從而推動了電池生產的變革。

舉個例子，當特斯拉Model S推出時，不僅銷量大增，它還成為了一款高性能車型。這直接推動了電池生產的曲線變化，促使電池成本開始下降。若按摩爾定律看，電池似乎是一個成熟技術，成本下降緩慢，但根據萊特定律，隨著特斯拉等大規模電動車型的推出，對電池的需求急劇增長，從而推動了成本的下降。

這表明，通過關注未來技術的單位經濟學及需求潛力，我們可以預測這些技術的成本將變得多麼低廉。我們將這一原理推廣到其他技術領域。例如，你可以回顧福特Model T前十年的表現，通過每馬力的成本預測內燃機汽車的成本，誤差範圍在20%以內。今天，這一誤差已超過100%。

如果你查看技術發展的前十年，能夠相對準確地預測汽車成本。所以，擁有中長期視角去理解和估算一項技術的意義及其對未來消費者的價值，這就是我們如何應用萊特定律的方式。

伍德：萊特定律不同於傳統的摩爾定律，後者假設技術每年按固定速度進步。而萊特定律表明，每當生產量翻倍，成本就會按固定百分比下降，正是這種規律推動了電動汽車成本的下降。

例如，在電動汽車領域，每當電池生產翻倍一次，成本就會下降28%；在工業機器人領域，這一比例是50%；如果你將它應用於DNA短讀序列，成本會下降40%。在AI領域，硬體與軟體的結合也使得成本下降達到48%。

更為驚人的是，AI領域的訓練成本每年下降70%，推理成本的下降幅度甚至可能達到98%。這一現象證明了萊特定律的強大預測能力——通過技術迭代和生產規模的擴大，成本逐漸降低，產生了更大的經濟效益。

溫頓： 對於AI來說，核心問題是專門用於AI訓練的計算單元。因此，埃隆·馬斯克、山姆·奧爾曼和Google投入大量資金建設這些訓練叢集，通過工程方法提升效率，再加上軟體架構上的進步，最終使得交付給客戶的成本大幅下降。

ChatGPT只是開胃菜 AI即將引爆10兆級生產力核爆

問：以OpenAI的ChatGPT為例，它似乎突然出現在公眾視野中，短時間內就達到了1億使用者。一個AI聊天機器人，怎麼會如此迅速地獲得這麼大規模的關注？以此為例，你如何預測技術的累積需求，並看待成本的降低？

溫頓：我想強調的是，AI是目前所有技術中最具融合性的技術。可以說，語言模型和多模態模型的進步，不僅影響了自動駕駛計程車，還逐步滲透到更複雜的人形機器人，甚至生物學領域。所以，實際上，我們當前的AI模型，主要集中在提高知識工作者的生產力，尤其是語言模型和相關應用領域。

關於成本下降的預測，首先我們需要看這些技術如何提升知識工作者的生產力。假設我是一名分析師，負責對生物技術資產進行估值。傳統上，這可能需要助理花費一周的時間來準備報告，但現在我可以直接用GPT模型，在20分鐘內獲得一份完整的報告，極大地提高了工作效率。因此，我能夠以更低的成本，完成本來需要助理花費一周的工作。

又比如，在客服熱線中，市場上已有AI語音助手取代了人工客服，處理客戶諮詢。與其花錢僱傭人工客服，我們可以用更少的資金提供更多的客戶支援。

從整體來看，預計到2030年，知識崗位的工資支出將超過10兆美元，而我們目前每年花費約30兆美元。基於這些假設，我們預測AI軟體的市場規模將達到兆美元等級。這些資金將用於生成各種“token”，如更好的客戶支援、更高效的分析、更具創意的文案、更定製化的廣告等，推動整體生產力的提升。

由此可以預見，AI技術的成本將在未來五年內大幅下降，而其性能可能提升100倍至1000倍。

問：你們現在似乎在押注OpenAI、Anthropic和xAI，而xAI已經與X合併。那他們的AI戰略是什麼？

溫頓：你可以把X看作是一個資料平台，以及一個即時執行環境，用來建構強大的AI。如果你看看Reddit如何將其資料貨幣化，X的資料每年的價值大約為15億美元。所以，通過整合後，他們的效率更高。xAI曾經有一定的資料存取權，但它們之間有著協議上的分隔——比如分配和分銷方面。這意味著如果xAI要做一些增量性的事情，就需要重新談判協議。通過合併，兩個實體能消除這種摩擦，從而提升整體效率。

X本身就是一個非常強大的平台，從某種程度上來說，它類似於全球所有報紙的集合，同時又能根據個人需求定製新聞。因此，X未來的發展方向是成為一個金融超級應用，能夠買賣和持有任何東西，並實現資源轉移。資訊傳輸實際上和貨幣傳輸並沒有太大區別，尤其是在數字貨幣的背景下。這為xAI提供了一個執行環境，讓它的智能體得以運行。

從馬斯克的視角來看，X的出發點是追求資訊的真實性。X的使命和xAI的使命是一致的——都在尋找真相。因此，X可以被視作一個資訊平台，旨在揭示真相，而xAI則專注於通過AI來揭示真相。xAI顯然在與OpenAI競爭，後者的ChatGPT平台擁有數億活躍使用者。那麼，通過xAI與X的合作，xAI就能接觸到更廣泛的使用者群體，從而獲得資料優勢。

伍德：我們可以看看Grok的表現，其性能在2月份出現了“曲棍球棒”形狀的暴增，達到了OpenAI推理模型03-Pro的水平。我們一直在問，為什麼Grok會這麼快追趕上，明明它起步較晚？其中一個我們認為的答案是“訓練叢集”。它們都在孟菲斯（美國田納西州的一座城市），所以延遲問題不大。我們覺得這個因素可能很重要。

溫頓：正如馬斯克所說，他們需要10萬顆GPU都放在同一個地方，以最有效的方式訓練這個模型。因此，他會建造資料中心，並動員資源在四個月內完成，而不是那些第三方供應商承諾的18到24個月。可以想像一下，四個月和18到24個月的差異，對於AI來說就像間隔10年一樣巨大。

人形機器人比自動駕駛難10000倍！未來5到15年內實現突破

問：自動駕駛計程車本質上就是機器人，只是它們長得像汽車，配有四個輪子。你們能描述一下這個行業的現狀和機遇嗎？

伍德：我們現在討論的是“具身AI”，比如自動駕駛計程車和人形機器人等。我認為，地球上目前最大的AI項目無疑是自動駕駛計程車。短期來看，這無疑是一個巨大的機會。而在更遠的未來，AI在醫療健康領域的應用將是最具深遠影響的，尤其是在治癒疾病、加速新藥研發和縮短上市時間等方面。我們預計，未來5到10年內，發現新藥並推向市場的時間將大幅縮短，可能會減半。

在醫療領域，AI的潛力極為龐大。每個人的基因組中大約包含35到40兆個細胞，而“單細胞測序”技術的出現正在極大地改變我們對疾病的診斷和治療方式。這是AI與基因組學結合的一項巨大的突破，未來可能帶來革命性的進展。

溫頓：目前，很多人還沒有見到自動駕駛計程車的大規模應用，因為他們沒有親眼見到像語言模型那樣的廣泛推廣。但未來幾年內，自動駕駛計程車的滲透率可能會迅速飆升，就像語言模型一樣。如果你在美國買一輛新車，實際上你是買了“行駛里程套餐”，你支付的價格是每英里1美元或更多，基本上你購買的是一種出行選擇權。而特斯拉的自動駕駛計程車服務，可以在每英里不到50美分的價格下提供服務，而且你根本不需要自己開車。

想像一下，這種出行方式會徹底改變大多數人的出行選擇，誰還會選擇買車呢？對於大部分人來說，擁有個人車輛將變得不再必要。

再看看美國或全球的行駛里程總量，過去特斯拉汽車的營運利潤約為5000美元，而現在這些車可以在每年10萬英里、每英里1美元的基礎上營運。這使得特斯拉每輛車可以帶來數萬美元甚至更多的潛在收入，這將徹底改變特斯拉的商業模式。

伍德：自動駕駛計程車的意義不僅僅在於節省時間和不需要司機，它還能拯救數以萬計的生命。每年在美國，由人為錯誤導致的交通事故死亡人數達到4萬，而全球的數字可能更高，超過120萬。值得注意的是，超過80%的交通事故和死亡都是由人為錯誤引起的。而目前，Waymo和特斯拉在自動駕駛計程車的安全性方面，已經越來越接近人類司機的水平。

目前，美國司機大約每行駛70萬英里就會發生一次事故。我們認為，特斯拉的自動駕駛計程車將在未來一兩年內，達到這個水平，甚至會超過人類司機的安全性，達到兩到三倍。到那時，監管機構不再有疑問，自動駕駛計程車將成為最安全的出行方式。

溫頓：自動駕駛計程車將極大地提升經濟生產力，其影響力甚至超過蒸汽機帶來的變革。它能夠迅速普及並集中資源，從而大幅提高效率。如今，大多數人都浪費了大量時間充當“業餘司機”，開車真的是一種巨大的時間浪費。每年，成千上萬的人因交通事故喪命，而這些時間本可以用於更有意義的活動。

同樣，我們每天的通勤時間也應引起重視，雖然它不被計入GDP統計，因為它被視作“業餘時間”勞動。但一旦人們開始支付自動駕駛計程車的費用，這部分勞動將被納入經濟生產力的計算範疇，直接進入GDP的統計範圍。這些節省下來的時間將會用於更具生產力的活動。

伍德：未來幾年內，全球的實際GDP增長將會加速，預計將達到7%。如果你是經濟學家，可能會覺得這聽起來很瘋狂，因為人類歷史上沒有見過如此高的增長率。但如果你回顧上世紀初，電話、電力、內燃機的出現，使全球GDP的年增長率從大約0.5%躍升到3%，這個增長已經持續了125年。

因此，從3%左右的全球實際GDP增長，跳躍到7%是完全可能的。我們現在有五個主要的創新平台正在快速發展：人工智慧、機器人技術、儲能技術、區塊鏈技術和多組學基因測序技術，而這一切都在AI的推動下加速發展。所以，我們預計這次的增長將比上次更加迅猛。

問： 特斯拉的遠景不僅僅侷限於汽車和自動駕駛，他們還在追求一項非常宏大的計畫——人形機器人。特斯拉的柯博文計畫與自動駕駛計程車網路結合，似乎為他們提供了巨大的資料優勢。你如何看待這個方向的未來機會？

伍德：我們可以看到，這是三項關鍵技術的融合：機器人技術、能源儲存和人工智慧。馬斯克曾說過，他認為特斯拉將成為全球人形機器人領域的領導者，而中國企業將佔據第二到第十的位置，他們特別重視這個領域。

特斯拉通過自動駕駛技術積累的大量資料，將反嚮應用到人形機器人上，為他們提供了不可比擬的優勢。這種技術的疊加效應讓特斯拉在機器人領域的潛力巨大，尤其是他們在自動駕駛計程車網路的營運上，能夠持續最佳化並提升資料的利用效率。

溫頓：說到人形機器人，實際上，由於人工智慧的迅速發展，這項技術的實現時間大大提前了。原本我們預計，商業化的人形機器人會出現在2030年之後，但現在，憑藉AI技術的進步，預計會在更短的時間內實現。儘管目前人形機器人還沒有足夠的實用性，它們大多數在工廠中只是作為展示，能夠做一些簡單的動作，比如撿東西等。但隨著技術的進步，它們的實用性將逐漸增強。

人形機器人比自動駕駛計程車要困難10000倍。這是因為在駕駛中，你只需要做簡單的操作：左轉、右轉、剎車或加速，而且車輛的感測器位置是固定的，環境也相對簡單和標準化。然而，人形機器人面臨的挑戰要複雜得多。機器人必須能夠處理多種動作，而且在移動時，感測器的視角和位置會發生變化。此外，機器人所處的環境通常並沒有像車道標線那樣為它提供明確的操作指引。這些問題使得人形機器人的開發變得極其複雜。

然而，機器人在容錯性方面有巨大優勢。比如說，在汽車事故中，一次碰撞往往會帶來嚴重的後果，但如果是機器人發生碰撞，通常不會導致致命事故或災難。所以，雖然人形機器人在開發上要困難很多，但它們的容錯率可能比自動駕駛計程車高100倍。

對於特斯拉來說，他們的優勢在於已經有了通用的晶片技術，這些技術同時適用於機器人和汽車，這使得他們能夠將從車輛中獲得的大量現實世界資料轉化為機器人訓練資料，進而提升機器人的能力。另外，特斯拉能夠在自己的工廠裡部署這些機器人來執行任務，這種內部需求也是一個非常重要的優勢。

總的來說，機器人市場和自動駕駛計程車市場的潛力都非常巨大。我們預計，未來5到10年內，自動駕駛計程車的全球市場將達到8到10兆美元，其中約一半的市場份額將由網路提供商（如特斯拉或Waymo）佔據。特斯拉無疑在這一領域處於領先地位。

至於人形機器人市場，其潛力更為龐大，預計將在未來5到15年內實現突破，市場規模可達26兆美元。相比之下，全球GDP總量目前大約為130兆美元。這意味著，自動駕駛計程車和人形機器人市場合起來的總規模，可以對全球經濟產生巨大的影響，帶來前所未有的機遇。

Neuralink讓盲人“看見”紅外線，聾人“聽到”次聲波！

問：現在有了Neuralink的腦機介面，通過這種大腦與機器的連接，未來我們能用心靈感應操控我們正在開發的人形機器人嗎？

伍德：我有幸聽取了Neuralink團隊的講解，實際上能親身聽到他們的討論，我感覺非常榮幸。坦白說，有些地方真的是“哦天那，必須親自體驗一下！”我個人已經迫不及待想看到這項技術的未來應用了。它的潛力實在讓人驚嘆。

溫頓：我覺得Neuralink不僅是一個技術公司，更是一個極具人性化的公司。它正幫助那些嚴重癱瘓或有溝通障礙的人重新獲得生活的自由。目前，Neuralink正在將晶片植入到患者的手部運動皮層。想像一下，某個患者由於身體無法移動，想要寫字卻無法動手，但通過這個晶片，他可以用思想控制手的動作，甚至用思維來操控螢幕上的游標。

隨著技術的不斷發展，Neuralink的技術已經超越了初期的設想。比如，他們通過腦機介面突破了以前所有版本的輸出速率記錄，幫助一個嚴重癱瘓的患者重新獲得運動能力。最初，他們只是集中在手部皮層的實驗，但隨著技術的完善，未來可能會涉及到語音皮層。這樣，即使一個人的發聲器官無法工作，他們依然能夠通過大腦訊號生成聲音或文字，重新與世界溝通。

下一步，Neuralink不僅能讀取大腦訊號，還能向大腦寫入訊號。例如，耳蝸植入手術目前幫助失聰人士通過直接刺激聽覺區域來“模擬”耳朵的功能。而Neuralink的目標是，讓視覺訊號進入盲人的大腦視覺中心，從而實現“看”的體驗。甚至不止如此，盲人可能還會看到超常的視覺效果，比如紅外線檢視，或是通過攝影機看到原本無法看到的東西。

通過這種技術，某些人或許能夠通過大腦與AI智能體即時互動，以接近“超能力”的方式與機器交流。而我們其他人，可能還需要依賴打字、說話等方式來進行交流。

令我覺得振奮的是，Neuralink未來還可能改變我們與世界的關係。假設Neuralink技術變得像雷射眼手術一樣普及、經濟且便捷，那麼或許有一天，普通人也可以選擇去Neuralink中心進行“大腦升級”，比如我們可以通過晶片提升記憶、學習新技能，甚至“增強”我們的感官功能。

SpaceX只是起點，太空基礎設施正形成新的平台紅利

問：有人預測到2030年，SpaceX的估值將達到2.5兆美元，這意味著SpaceX將在短短五年內成為全球估值最高的公司之一。為什麼SpaceX如此成功，為什麼它能達到如此高的估值？

溫頓：星鏈是SpaceX的獨特資產，星艦的成功將對這一估值至關重要。星艦的關鍵在於它通過大規模提升火箭的運載能力，將每公斤發射到軌道的成本降低到100美元甚至更低。與過去幾千美元每公斤的發射成本相比，這種降幅是革命性的。通過這種方式，SpaceX可以發射更多的衛星，並同時降低每顆衛星的使用費用，或者以相同成本提供更多的資料頻寬。

RexAA的最新長文及歷史文章，讓您掌握相關股市行情消息，協助您做投資決策。全球科技產業觀察者