禮來公司攜手輝達打造由逾1000顆Blackwell Ultra GPU組成的超級電腦和AI工廠，預計明年1月上線。該系統將加速藥物研發，支援大規模AI模型訓練。禮來首席資訊和數字官Diogo Rau表示：“我們希望能夠發現僅靠人類永遠無法發現的新分子。”禮來公司與輝達宣佈合作建設製藥行業"最強大"的超級電腦和AI工廠，旨在加速整個行業的藥物開發處理程序。周二兩家公司宣佈，禮來預計於12月完成超級電腦和AI工廠的建設，並於明年1月上線運行。這套系統將由逾1000顆輝達Blackwell Ultra GPU晶片組成，通過統一高速網路連線。超級電腦將為AI工廠提供動力，後者是專門用於大規模開發、訓練和部署藥物研發AI模型的計算基礎設施。不過禮來首席資訊和數字官Diogo Rau表示，這些新工具可能短期不會為禮來及其他藥企帶來顯著回報。Rau說：我們現在討論的這些算力發現成果，真正的效益要到2030年才能看到。AI製藥仍處早期階段製藥行業利用AI加速藥物上市的努力仍處於早期階段。目前尚無使用AI設計的藥物上市，但進展體現在進入臨床試驗的AI發現藥物數量增加，以及藥企近期聚焦AI的投資和合作夥伴關係上。禮來首席AI官Thomas Fuchs表示：這台超級電腦是一種真正新穎的科學儀器，就像生物學家的巨型顯微鏡。Fuchs強調：科學家將能夠在數百萬次實驗中訓練AI模型以測試潛在藥物，大幅擴展藥物發現的範圍和複雜程度。Rau則指出，雖然尋找新藥不是這些新工具的唯一重點，但"這是最大的機會所在"。他說：我們希望能夠發現僅靠人類永遠無法發現的新分子。精準醫療目標需AI基礎設施禮來還計畫利用超級電腦縮短藥物開發周期，幫助治療效果能更快起效。該公司表示，新的科學AI代理可以支援研究人員，先進的醫學影像能讓科學家更清晰地觀察疾病進展，並幫助開發用於精準治療的生物指標。精準醫療是一種根據個體基因、環境和生活方式差異定製疾病預防和治療的方法。輝達醫療保健副總裁Kimberly Powell說：我們希望能兌現精準醫療的承諾，沒有AI基礎設施，我們永遠無法實現這一目標。所以我們正在進行所有必要的建設，我們將看到技術的起飛，禮來就是一個確切的例子。開放平台共享研發資料多個AI模型將在禮來去年9月推出的Lilly TuneLab平台上提供。這是一個AI和機器學習平台，允許生物技術公司訪問禮來基於多年專有研究訓練的藥物發現模型。這些資料價值10億美元。禮來推出該平台旨在擴大整個行業對藥物發現工具的訪問。Kimberly Powell表示：能夠幫助到這些初創公司非常有意義，否則他們可能需要幾年時間消耗資金才能達到那個階段。她還補充說，公司“很高興參與”這項工作。作為交換，生物技術公司需要貢獻部分自身研究和資料以幫助訓練AI模型。 (invest wallstreet)

Google剛剛發佈了一項更新：正式推出Gemini 2.5電腦使用模型（Computer Use model）這是一款基於Gemini 2.5 Pro視覺理解與推理能力建構的專用模型，旨在賦予AI智能體（agent）與圖形使用者介面（GUI）直接互動的能力——就像人類一樣進行點選、打字和滾動操作從今天起，Gemini 2.5電腦使用模型已開放公開預覽。開發者可以通過Google AI Studio和Vertex AI中的Gemini API進行訪問和建構Google表示，雖然AI模型可以通過結構化的API與軟體互動，但許多數字任務仍需要直接操作圖形介面，例如填寫並提交表單。為了完成這些任務，AI智能體必須能像人一樣瀏覽網頁和應用程式這種原生填充表單、操作下拉菜單和篩選器等互動元素，以及在登錄後進行操作的能力，是建構強大通用智能體的關鍵下一步如何工作？該模型的核心能力通過Gemini API中新增的computer_use工具對外開放，並應在循環（loop）中運行其工作流程如下：1.輸入：工具的輸入包括使用者請求、當前環境的螢幕截圖以及最近的操作歷史。輸入時還可以指定排除某些UI操作或加入額外的自訂函數2.分析與響應：模型分析這些輸入並生成響應，通常是一個代表UI操作（如點選或輸入）的函數呼叫。對於購買等特定操作，響應中可能還包含一個請求終端使用者確認的步驟3.執行：客戶端程式碼執行接收到的操作指令4.反饋與循環：操作執行後，新的GUI螢幕截圖和當前URL將作為函數響應傳送回模型，重新啟動循環這個迭代過程會持續進行，直到任務完成、發生錯誤，或因安全響應、使用者決策而終止互動Google指出，Gemini 2.5電腦使用模型主要針對Web瀏覽器進行了最佳化，同時在移動UI控制任務上也顯示出巨大潛力，但尚未針對桌面作業系統等級的控制進行最佳化性能根據Google公佈的資訊，Gemini 2.5電腦使用模型在多個Web和移動控制基準測試中表現出色其性能優於目前市場上的主流替代方案，並在多個基準測試中實現了領先。在針對Online-Mind2Web的Browserbase測試平台上，該模型在瀏覽器控制方面實現了領先的質量和最低的延遲安全Google稱，在建構之初就將負責任作為首要原則。能夠控制電腦的AI智能體帶來了獨特的風險，包括使用者的有意濫用、意外的模型行為以及Web環境中的提示注入和詐騙。為此，Google採取了多項安全措施：模型內建安全特性：直接在模型訓練中加入了安全功能，以應對三大核心風險。開發者安全控制：*   逐步安全服務（Per-step safety service）：一個模型外的、在推理時運行的安全服務，用於在模型提議的每個動作執行前進行評估。*   系統指令（System instructions）：開發者可以進一步指定，在執行特定類型的高風險操作前，智能體必須拒絕或請求使用者確認。這些控制措施旨在賦能開發者，防止模型自動完成可能損害系統完整性、危及安全、繞過驗證碼（CAPTCHA）或控制醫療裝置等高風險或有害行為 (AI寒武紀)

01. 儲存技術面臨雙重瓶頸隨著AI大模型參數規模從億級邁向兆級，訓練資料從純文字走向多模態融合，傳統儲存架構已不堪重負，AI訓練過程中出現的“儲存牆”和“功耗牆”問題尤為突出。傳統電腦系統採用的馮諾依曼架構，將資料儲存和計算單元相互分離，這種設計在AI對算力需求呈爆發式增長的當下暴露出明顯弊端。隨著計算單元（CPU、GPU等）性能快速提升，記憶體的訪問速度和頻寬未能同步增長。當進行大量資料處理時，由於計算單元與儲存單元之間頻寬有限，處理器需要等待從記憶體中獲取資料，這會限制交換速度，減緩處理速度，即產生“儲存牆”問題。資料搬運的能耗比浮點計算高1～2個數量級，DRAM訪問功耗是晶片內快取功耗的50~100倍。資料訪問和儲存已成為算力使用的最大能耗，當處理資料大幅增加時，頻繁的資料搬運會消耗大量能量，即產生“功耗牆”問題。輝達CEO黃仁勳曾坦言“GPU 70%時間在等待資料”，表示計算資源大部分時間處於閒置狀態，等待資料從儲存裝置載入至記憶體。02. 華為用AI SSD破局“一套高端AI伺服器需要配備640GB的HBM、4TB的DDR5記憶體和128TB的SSD儲存。當前HBM市場由SK海力士和三星壟斷，價格高企且產能緊張。”——這是當下AI伺服器面臨的儲存瓶頸，也是一眾科技企業想要突破的方向。2025年8月底，華為發佈的專為人工智慧（AI）工作負載設計的固態硬碟（SSD）新品——Huawei OceanDisk EX/SP/LC系列，分別瞄準AI訓練、推理及海量資料儲存等核心場景。華為方面表示，這三款SSD並非簡單的儲存介質，它們內建了計算能力，能夠解除安裝部分原本由CPU或GPU執行的資料處理任務，如資料過濾、格式轉換、近資料計算等。這正是行業熱議的“計算儲存”（Computational Storage）技術的具體實現。通過將計算推向資料端，可以大幅減少資料在CPU、記憶體和儲存之間不必要的搬運，從而降低延遲、節約頻寬，並釋放核心計算資源 。華為在資料儲存AI SSD新品發佈會上正式推出三款針對AI儲存的新產品值得一提的是華為聯合11家機構成立“AI SSD創新聯盟”，整合聯芸科技的主控晶片、深科技的堆疊封裝等產業鏈資源，實現從NAND快閃記憶體到主控晶片的全鏈條貫通。03. 字節、阿里押注ReRAM就在華為發佈AI SSD一周後，昕原半導體註冊資本由4653.7萬增至5029.7萬元人民幣，字節跳動通過旗下PICOHEART入股6.33%，阿里巴巴關聯方螞蟻集團也悄然佈局。這場資本暗戰直指下一代儲存技術——ReRAM。ReRAM是一種基於電阻轉換機制的非易失性儲存器，其核心結構如同一個電子“三明治”——在兩層金屬電極之間夾著一層薄薄的阻變介質材料（通常為金屬氧化物），形成金屬－介質層－金屬（MIM）三層結構。資料的儲存依賴於一個精妙的物理現象——通過施加電壓脈衝，阻變層的離子或氧空位會形成或斷裂導電細絲，從而在高阻態（代表“0”）和低阻態（代表“1”）之間可逆切換。即使斷電，這種電阻狀態仍能保持，實現了資料的非易失性儲存。ReRAM能有效解決“儲存牆”問題在新型儲存技術中，ReRAM（電阻式隨機存取儲存器）因其高速度、低功耗和優異耐久性備受關注。昕原半導體成立於2019年，是中國大陸唯一一家實現先進製程ReRAM量產的公司，也是國際上新型儲存器產品商業化最快的企業之一，這也是為何字節和阿里爭相投資其的原因。AI SSD與ReRAM的共生演進總體而言，AI SSD解決的是當下AI算力瓶頸，而ReRAM瞄準的是未來存算融合架構。華為的XtremeLink技術通過資料I/O全硬化與數控分離架構，將傳統SSD單通道升級為高速雙通道；昕原則通過ReRAM的電阻特性實現模擬計算，為神經形態計算鋪路。04. 網際網路大廠紛紛“追芯”螞蟻集團和字節跳動對昕原半導體的投資只是網際網路科技大廠“追芯”熱潮的縮影。近年來，包括阿里、騰訊在內的網際網路科技公司紛紛對不同細分品類的晶片企業完成入股。螞蟻集團自2023年明確將“AI First”作為核心戰略之一後，持續提升AI含量，並開始持續蒐集晶片公司“籌碼”。據統計，螞蟻已經領投過墨芯科技、無錫沐創，併入股清微智能、雲合智網、燁知芯等企業。除“投芯”外，主動下場“造芯”也逐漸成為巨頭們的“新場景”。阿里在2018年9月整合了此前收購的中天微系統和達摩院自研晶片業務，成立了平頭哥半導體有限公司。主要網際網路大廠晶片佈局策略對比網際網路大廠的“追芯”熱潮，表面是算力爭奪，實則是重構產業鏈話語權：通過投資卡位技術節點，自研晶片最佳化業務護城河，最終以“晶片+雲+生態”繫結使用者。隨著國產替代率的持續提升，這場戰役將重塑全球晶片格局——從“矽谷定義標準”轉向“場景定義晶片”。 (壹零社)

AI造富速度將遠超網際網路時代作為當前人工智慧革命的核心人物，輝達（Nvidia）CEO黃仁勳最近在一次採訪中提出了一個引人注目的預測：人工智慧將在未來短短五年內，創造出比過去二十年網際網路時代更多的百萬富翁。他認為，這不僅是一次簡單的技術迭代，而是一場規模和速度都將超越以往的財富創造事件。這一論斷的背後，是他對AI技術本質的深刻洞察。AI是“最偉大的技術均衡器”黃仁勳反覆強調，其預測的基石在於他對AI的核心定義。他認為，AI並不僅僅是一個強大的工具，更是“有史以來最偉大的技術均衡器” (the greatest technology equalizer of all time)。這個“均衡器”的核心作用，是徹底打破了長久以來橫亙在普通人與技術創造之間的巨大壁壘，即所謂的“數字鴻溝”。在過去，這種鴻溝主要體現在複雜的程式設計技能上。從編寫程式碼到使用自然語言在傳統的科技世界裡，將一個商業創意或解決方案付諸實踐，意味著必須掌握諸如C++或Python等複雜的程式語言。這道門檻將無數有想法但無技術背景的人拒之門-外。黃仁勳指出，AI正在徹底顛覆這一模式。“你現在只需要用人類語言與電腦交流即可”。這意味著，創造技術的互動方式發生了根本性的革命。人們不再需要學習機器的語言，而是可以直接使用自己的母語，通過對話來指導AI完成任務、建構應用。程式設計正在從一種少數人掌握的專業技能，轉變為一種人人皆可參與的普及性活動。領域專家的崛起當程式設計本身不再是主要障礙時，成功的關鍵要素也隨之改變。黃仁勳認為，未來創業和創新的核心競爭力，將不再是程式碼編寫的熟練程度，而是在特定垂直領域內深厚的專業知識（Domain Expertise）。這個轉變賦予了各行各業的專家前所未有的力量。一個對農業瞭如指掌的農民，一個深諳供應鏈管理的工廠主，或是一個洞悉客戶需求的零售商，他們雖然不懂程式設計，但卻最理解自己領域內的痛點和機遇。現在，他們可以直接將這些寶貴的行業知識“告訴”AI，讓AI來建構解決方案，從而成為真正的技術創造者。賦能數十億人的普惠式創新這一變革的深遠影響在於其巨大的包容性。通過彌合因程式設計技能而產生的“數字鴻溝”，AI技術正將創新的能力賦予全球數十億曾被排除在外的普通人。這預示著一個由各領域專家驅動的、全新的創業生態即將到來。黃仁勳的樂觀願景是，一個真正由需求和專業知識主導的普惠式創新時代正在開啟，而這將成為未來五年催生大量百萬富翁的根本動力。 (AI Keymaker)

“感覺我們就像在走向懸崖。”這句夾雜著自嘲與寒意的低語，飄蕩在不久前舉行的西雅圖微軟Build開發者大會的空氣中。台下，坐著數千名碼農和軟體工程師。台上，公司高管們正意氣風發地展示著一系列強大的人工智慧產品，它們能輔助編碼，能自動執行任務，能以前所未有的效率建構軟體。在掌聲與驚嘆聲中，一個更深層、更荒誕的現實正在悄然蔓延：這些被當作“未來武器”兜售給開發者的工具，其最精準的打擊目標，正是開發者本身。這就是一種現代版的俄狄浦斯悲劇，一場正在上演的“AI弒父”。創造者正在被其創造物所吞噬。電腦科學，這個在過去二十年裡被譽為通往財富與未來的黃金羅盤，其指針正劇烈地顫抖、失靈，甚至開始指向來時的路。曾經堅不可摧的泡沫，正被其內部孵化出的最鋒利的尖針，一擊即潰。AI的屠刀，最先砍向了磨刀的人。這不是危言聳聽的預言，而是正在發生的、血淋淋的現實。大西洋月刊最近發表了一篇文章，直接指出，電腦科學的泡沫正在破裂。和大家分享一下。The Computer-Science Bubble Is Bursting電腦科學的泡沫正在破裂人工智慧的特性，使其恰好能取代那些創造了它的人。Rose Horowitch未來的熱門工作，可能已經風光不再。多年來，追求高薪職業的年輕人一直被鼓勵全力投入電腦科學。從2005年到2023年，美國主修電腦科學的學生人數翻了四倍。這讓最新的一組資料顯得格外驚人。根據對教授和系主任的採訪，今年全美範圍內的招生人數僅增長了0.2%，而許多項目似乎已開始走下坡路。史丹佛大學的電腦科學項目被公認為全美頂尖之一，其主修學生人數在經歷了多年的迅猛增長後現已停滯。普林斯頓大學電腦科學系主任 Szymon Rusinkiewicz 告訴我，如果當前趨勢持續，兩年後該校畢業的電腦科學主修生將比現在減少25%。過去一年，杜克大學（Duke）選修電腦科學入門課程的學生人數也下降了約20%。不過，這一下降趨勢雖然驚人，其原因卻相當直接：年輕人正在對初級程式設計師嚴峻的就業前景做出反應。近年來，科技行業飽受裁員和招聘凍結的衝擊。導致這一放緩的罪魁禍首正是技術本身。事實證明，人工智慧在編寫電腦程式碼方面，比撰寫文字更有價值。這意味著，它非常適合取代那些創造了它的人。皮尤研究中心（Pew Research Center）最近的一項研究發現，美國人認為軟體工程師將是受生成式AI影響最大的群體。許多年輕人不打算等著看這是否會成真。“這太反直覺了，”研究AI對經濟影響的布魯金斯學會（Brookings Institution）研究員 Molly Kinder 告訴我。“這本該是未來的工作。過去，要想走在技術前沿，就得上大學學習程式設計技能。”但“學習程式設計”的時代可能即將結束。如果資料能說明什麼，那我們可能已經越過了電腦科學的頂峰。田納西大學諾克斯維爾分校的博士生 Chris Gropp 已經花了八個月找工作。他在羅斯-霍曼理工學院獲得了電腦科學、數學和計算科學三個專業的學士學位，並完成了電腦科學博士（Ph.D.）的所有課程。他想先工作，而不是完成學位，卻發現找工作幾乎是不可能的。他只知道最近有兩個人成功找到了工作。一個為40個不同職位寫了定製求職信，並與公司內部人員安排了會面。另一個提交了600份申請。“我們正處在AI革命中，我恰好是引領這場革命的AI領域的專家，但我什麼也找不到，”Gropp 告訴我。“一兩個月前，我發現自己開始考慮，要不要乾脆暫停我幾乎一生都在為之訓練的事業，去當一名電工學徒？”Gropp 正面臨著一個疲軟的就業市場，這不僅是針對應屆大學畢業生，對科技行業來說尤其如此。過去三年，22至27歲人群在其他領域的就業率略有增長，但該年齡段在電腦科學和數學領域的就業率卻下降了8%。不久前，來自史丹佛大學、加州大學伯克利分校和卡內基梅隆大學等頂尖電腦科學項目的畢業生，還會被Google（Google）和亞馬遜的招聘人員爭搶。而現在，這些學校的教授告訴我，他們的畢業生必須付出更多努力才能找到工作。Gropp 的父親 William Gropp 是伊利諾伊大學厄巴納-香檳分校國家超級計算應用中心的負責人。他告訴我：“作為一個擁有機器學習專業知識、但仍未找到工作的電腦科學碩士的父親，我可以說，這個行業已經今非昔比了。”極具諷刺的是，像 Gropp 這樣的求職者之所以找不到AI相關工作，可能正是因為AI本身正在搶走這些工作崗位。“我們知道AI正在影響就業，”普林斯頓大學的 Rusinkiewicz 告訴我。“它讓人們在工作的某些或許多方面效率更高，因此，公司可能覺得可以減少一些招聘了。”人工智慧正在取代技術人員，最好的證據莫過於，將AI整合得最徹底的行業，其失業率也異常地高。科技領袖們已公開表示，他們不再需要那麼多初級程式設計師。Alphabet 和微軟（Microsoft）的高管都表示，AI 編寫或輔助編寫的程式碼已佔到其程式碼總量的25%以上。（微軟最近裁員6000人。）Anthropic 的首席產品官最近告訴《紐約時報》，高級工程師們正將工作交給公司的聊天機器人，而不是交給初級的人類員工。該公司首席執行官警告說，未來五年內，AI 可能會取代半數的初級員工。布魯金斯學會的研究員 Kinder 表示，她擔心公司很快會徹底砍掉職業階梯的最底層。她告訴我，科技專業畢業生的困境，可能對所有初級白領來說都是一個警告。並非所有人都認為AI是造成就業市場動盪的原因。科技行業經常經歷繁榮與蕭條的周期。經濟向好時，大公司規模急劇擴張。喬治城大學教育與勞動力中心研究主任 Zack Mabel 表示，如今，面對高利率和新關稅的陰影，高管們可能會暫緩擴張，而員工也不願離職。哈佛大學經濟學教授 David Deming 告訴我，公司有動機將裁員歸咎於AI，而不是他們可控的因素。他說：“在看到AI對勞動力市場產生重大改變之前，公司必須先將這項新能力內部化，並改變他們的需求。而這一點我尚未看到太多跡象。這可能是AI的影響，但我們還無法確定。”歷史上，電腦科學專業的招生人數一直隨就業市場波動。當工作機會稀少時，人們會選擇學習其他專業。最終，電腦科學畢業生出現短缺，薪資上漲，從而吸引更多人進入該領域。以往的每次下降之後，招生人數都會反彈到比初始水平更高的位置。（而且，一些大學，如芝加哥大學，招生人數仍未出現任何下降。）麻省理工學院（MIT）電腦科學教授 Sam Madden 告訴我，即使公司正在使用生成式AI，這也可能創造更多而非更少的軟體工程師需求。無論過去幾年預示的是暫時的低谷，還是工作生態的突變，經濟學家們對大學生的建議是相同的：主修一門能提供持久、可遷移技能的學科。信不信由你，這門學科可能是人文科學（liberal arts）。Deming 的研究表明，從長遠來看，主修歷史和社會科學的男性畢業生的收入最終會超過主修工程和電腦科學的同齡人，因為他們培養了僱主持續尋求的軟技能。“為了學習一門手藝或特定技能而去上學，其實風險很大，因為你不知道未來會怎樣，”Deming 告訴我。“你需要思考如何獲得一套能面向未來、讓你在45年的職業生涯中持續受益的技能。”當然，面對巨大的不確定性，許多年輕人會採取相反的策略，追求一條能確保立即就業的道路。如今的問題是，AI 將會堵死多少條這樣的道路。 (不懂經)

一、超級電腦的“北歐心臟”：算力、安全與主權博弈根據彭博社披露的協議，該項目首期將部署兩套NVIDIA DGX SuperPOD系統，搭載最新Grace Blackwell GB300晶片，單機算力可達300 Petaflops（每秒30億億次運算），是瑞典現有最快電腦的兩倍。其核心價值在於：主權AI基礎設施：資料儲存與處理完全在瑞典境內完成，規避歐盟《通用資料保護條例》（GDPR）的跨境風險；行業定製化：阿斯利康用於藥物研發的“多模態推理AI”、薩博的國防系統最佳化、愛立信的6G網路訓練均可獨佔算力資源；生態繫結：輝達通過技術中心提供深度學習培訓，未來十年計畫為北歐培養超10萬名AI工程師。值得關注的是，瓦倫貝格家族通過旗下投資機構主導了55億瑞典克朗（約6.5億美元）的WASP計畫，這是歐洲最大私營AI研究項目，已吸引40家企業參與。此次合作本質是“資本+技術”的雙向選擇——輝達需要打破地緣封鎖，北歐則渴望掌握AI時代的話語權。二、輝達的“三重算盤”：從晶片商到規則制定者黃仁勳在聲明中將此次合作稱為“第三次工業革命的基礎設施”，其戰略意圖遠不止賣晶片：算力標準輸出：通過SuperPOD系統定義企業級AI算力基準，擠壓AMD、英特爾的市場空間；產業鏈深度繫結：從製藥（阿斯利康）到國防（薩博），輝達滲透核心行業，形成“離開NVIDIA就無法轉型”的依賴；地緣避險：在美國限制對華高端晶片出口的背景下，歐洲成為輝達對衝風險的“安全港”。摩根士丹利分析指出，該項目可能推動輝達歐洲營收佔比從2024年的18%提升至2026年的25%，成為其增長最快市場。三、北歐為何成為AI新戰場？政策紅利：瑞典企業所得稅率20.6%，遠低於歐盟平均的21.3%，且對研發投入提供45%的稅收抵扣；產業基礎：愛立信的6G預研、薩博的軍工AI、阿斯利康的生物計算，形成跨領域協同效應；地緣中立性：在中美科技戰中，瑞典既能承接美國技術轉移，又不直接觸怒中國市場。但隱憂同樣存在——瑞典本土半導體製造能力薄弱，90%的高端晶片依賴進口。瓦倫貝格家族投資主席Marcus Wallenberg坦言：“我們必須與全球領導者合作，但絕不能失去控制權。”四、全球AI競賽的啟示：技術冷戰下的“多極化”未來技術標準分裂：美國主導的CUDA生態、中國推動的自主框架、歐洲嘗試的主權AI，全球算力市場或走向“碎片化”；資料主權爭奪：從歐盟的GDPR到中國的《資料安全法》，國家間“數字邊境”日益清晰；生態鏈重構：輝達的案例證明，未來巨頭競爭不僅是產品之戰，更是“晶片+演算法+人才+政策”的全鏈條博弈。這場北歐豪賭的終極懸念在於：當算力成為國家戰略資源，科技公司如何平衡商業利益與地緣風險？ (視界的剖析)