在 AI 時代浪潮的衝擊下，人類社會正處於一場底層的結構性重構之中。這不僅僅是一次簡單的技術升級，更是對經濟基礎、生產關係乃至人類生存狀態的全面革新。當 AI 從單純的輔助工具躍升為具備自主生成與決策能力的“參與者”時，舊世界的規則正在加速崩塌。綜合各界前沿洞察，這場社會變革主要體現在以下四個核心維度：1. 職業結構的“摧毀”與“新生”在過去的工業革命中，新技術往往伴隨崗位的等量更替。但在 AI 時代，這種演變呈現出更為極端的分化特徵：傳統崗位的廣泛替代： 從流水線工人到程式設計師、設計師，甚至醫生、律師等“鐵飯碗”，都面臨被更廉價、更精準的 AI 替代的風險。企業的增長不再必須依賴增員，有時只需**“裁掉真人、升級算力”**。新興職業的湧現： AI 訓練師、資料標註專家、AI 倫理顧問等複合型人才成為新寵。人類角色的根本轉變： 核心競爭力將從“知識儲存”轉向批判性思維、跨界整合與情感溝通。人類正從單純的“勞動者”向“創造者”或“高級指令發出者”轉變。2. 階層分化與“新生產資料”的壟斷：從資本集中到算力霸權在 AI 時代，社會階層的劃分標準正在經歷劇烈重構。傳統的土地、廠房已成過去，算力、資料與核心演算法成為了決定財富歸屬的“新生產資料”。■ 新寡頭的誕生：掌控算力的頂端階層未來的社會財富將以前所未有的速度向少數人集中。研發頂級模型需要天文數字的算力與能源，掌握這些基礎設施的科技巨頭將成為新時代的**“算力寡頭”**。他們無需僱傭海量員工即可實現產能擴張，從而徹底切斷了傳統的勞資財富分配鏈條。■ 社會結構的“M型”折疊：中產階級的消解AI 的衝擊直接從“中間”切入。曾經作為中堅力量的初中級腦力勞動者（程式設計師、分析師等），其賴以生存的“存量知識”被 AI 瞬間拉平。社會可能走向兩極分化：極少數的 AI 統籌者與大量失去核心生產參與權的群體。■ “超級個體”的崛起：生產工具的平權在宏觀壟斷的同時，AI 也帶來了工具的下放。借助 AI Agent，具備極強產品思維的個人可以單槍匹馬完成過去整個團隊的工作。擁有**“增量知識生產能力”**的少數人，將成為打破壟斷、實現階層躍升的“超級個體”。■ 階層流動的“演算法化”：動態適配機制AI 也在消解血緣繼承。在高資訊密度時代，個體的創新能力與協作表現可被即時量化。社會有望建構一種**“誰更適配就上，誰失配就下”**的高流動性動態平衡，用演算法反饋替代粗糙的學歷篩選。3. 人類認知危機與“人工智殘”風險隨著 AI 全面接管生活，人類的認知能力面臨前所未有的挑戰：“去智化”現象： 學術界提出**“人工智殘”（Artificial Ignorance）的警告。過度依賴工具可能導致人類思考能力萎縮。若人類放棄進化，社會可能演變為 AI 扮演“牧羊犬”、人類淪為“羊群”的牧民社會**。教育的底層重構： 傳統的“填鴨式”教育將徹底失效。未來的教育必須轉向培養問題導向意識，以及在 AI 給出答案時的價值判斷力。4. 社會治理範式的相變從“災難重設”到“連續調節”： 歷史上的矛盾常通過危機釋放。但在 AI 時代，借助極高頻寬的資訊反饋，社會運行可以像工程系統一樣進行即時的**“參數微調”**，用科學的糾錯替代破壞性的動盪。人機共生與監管重塑： 政府需要重新確立責任邊界。建立 AI 倫理規範、隱私保護及全新的財富二次分配機制（如 UBI 全民基本收入），將是緩解技術陣痛的關鍵。結語我們正站在這場重構的臨界點上。舊的勞動關係和知識壁壘正在解體，一個基於算力驅動的新型社會生態正在形成。在這個勇敢者的新世界裡，無論是組織還是個人，“主動擁抱技術、重塑思維框架、堅守人類獨特價值”，將是跨越周期、避免被時代洪流吞沒的唯一生存法則。 (skyming)

當AI產品變得更容易複製，市場開始重新給電網、管道、基礎設施與長期產能這類“難以複製的實體資產”定價。2月24日，高盛全球投資研究部發佈最新報告《HALO影響力：AI領域的重資產、低淘汰》（The HALO effect: Heavy Assets, Low Obsolescence in the AI era）提出：在更高實際利率、地緣政治碎片化、供應鏈重構與AI資本開支浪潮疊加上下，股市的核心定價邏輯正在從“可擴張的輕資產敘事”，轉向“可建造、難替代的實體產能與網路”。高盛把這種變化概括為“稀缺性重新定價”。“更高的實際收益率、地緣政治碎片化和供應鏈重構，正把股票領導權拉回到有形的生產性資產。市場正在獎勵產能、網路、基礎設施和工程複雜度——這些資產複製成本高，也更不容易被技術淘汰。”什麼是HALO？高盛將這類公司稱為HALO，它指的是“重資產”與“低過時”的結合體，即Heavy Assets, Low Obsolescence。重資產（Heavy Assets）： 商業模式建立在龐大的實物資本基礎之上，具有很高的複製壁壘——如成本、監管、建設時間、工程複雜性或網路整合難度。低淘汰率（Low Obsolescence）： 這些資產的經濟相關性能夠穿越技術周期而持久存在。典型例子包括輸電網、油氣管道、公用事業、交通基礎設施、關鍵裝置，以及更換周期相對於數字創新更為緩慢的各種工業產能類別。這類資產很難被憑空創造。在數位技術日新月異的今天，這類實物資產的替換周期極其緩慢。技術創新無法輕易替代一條跨國輸油管道，也無法用程式碼取代一張龐大的國家電網。高盛觀測到，當下企業正在決定性地重返實體資產。產能、基礎設施和長周期資產正在迎來史無前例的價值回歸。AI時代，輕資產神話為何在終結？過去十餘年，全球金融危機後的零利率和充裕流動性，造就了以可擴展性而非實物資本為核心的商業模式。科技股和輕資產行業享受了極高的估值溢價。但這種平衡已經被打破。人工智慧的快速崛起，正對全球股市施加一股強大的“雙重壓力”。首先，AI正在顛覆過去十年佔據主導地位的“新經濟”模式，讓部分輕資產行業的“利潤率與終值”變得更不確定。高盛直言：“AI革命正在對軟體和IT服務的利潤率及終端價值提出質疑。”報告點名軟體、IT服務、出版、遊戲、物流平台，甚至資產管理行業，稱它們的護城河正在被重新評估。高盛的表達很直白：“軟體與IT服務近期大幅去估值，並非因為短期盈利崩塌，而是市場在重定價終值與利潤率耐久性——歷史性的高盈利能力被認為更容易遭到競爭侵蝕。”換句話說，AI降低資訊處理成本，也壓縮差異化，市場開始更謹慎地給遠期現金流打分。其次，AI正在重塑資本支出的格局。高盛指出：“AI同時正在將一些最具標誌性的‘輕資產’贏家，轉變為歷史上最大的資本支出者。”為了在基礎大模型和算力競賽中保持領先，美國五大科技巨頭開啟了史無前例的投資周期。資料顯示，自2022年ChatGPT發佈以來，這些巨頭在2023至2026年間的資本支出（Capex）將高達約1.5兆美元。相比之下，它們在2022年之前的整個發展歷史中，總共才投入了約6000億美元。更具衝擊力的是，僅在2026年單年，這些巨頭的資本支出就有望超過6500億美元。這意味著單單一年的投入，就將超越它們在AI時代來臨前的歷史總和。這是科技史上最龐大、最迅猛的資本支出周期。這意味著兩件事：其一，“算力基礎設施”本身是一種典型的實體資產周期；其二，AI並未讓世界更輕，反而讓更多產業鏈受益於“能建設、能供給、能交付”的能力。當科技巨頭變成了“重資產”的基建狂魔，市場對“輕資產”優越性的信仰自然隨之動搖。市場正在真金白銀地獎勵HALO投資者的嗅覺是敏銳的。高盛建構的“重資產組合”（GSSTCAPI）與“輕資產組合”（GSSTCAPL）的表現差異，給出了最直觀的市場答案。資料表明，資產密集度已經成為驅動估值和回報的核心要素。高盛在報告中揭示：“自2025年以來，我們新的重資產組合（GSSTCAPI）已經跑贏輕資產組合（GSSTCAPL）達35%。”這種跑贏不僅僅是股價的相對波動，更是估值邏輯的收斂。在2020年代初期，由於市場將許多舊經濟公司視為“結構性價值陷阱”，歐洲成長股的估值一度是價值股的兩倍多，溢價率高達150%。但如今，重資產與輕資產之間的估值鴻溝已經急劇縮小。更值得投資者注意的是估值收斂的方式。高盛指出，兩者的估值目前幾乎處於同一水平，但這種趨同“更多是由重資產公司的估值重估驅動的，而不是輕資產公司的全面估值下調。”除了部分直接暴露於AI顛覆風險的軟體等輕資產類股出現疲軟外，整體市場的演變路徑是：重資產企業主動拔高了估值，去迎合了輕資產同行的估值水平。這說明市場資金正在主動為實體經濟資產的彈性和戰略價值支付溢價。如何定義“重資產”？六大核心指標的審視為了穿透傳統的行業分類，精準定位那些真正依賴實體資本的標的，高盛摒棄了單一指標，轉而建構了一個包含六項指標的綜合“資本密集度得分”體系。這一套體系深刻反映了市場審視資產質量的新視角。有形資產密集度（淨實體營運資產/銷售額）：數值越高，意味著產生每1美元收入所需的實體底座越沉重。固定資產密集度（廠房裝置/銷售額）：反映了企業對實體磚瓦的依賴程度。固定資產份額（廠房裝置/總資產）：揭示了公司資產負債表中有多少資金被“鎖”在了長期實體資產中。資本-勞動力比率（有形資產/員工數）：區分了業務是由機器驅動還是由人海戰術驅動。資本支出密集度（Capex/銷售額）：衡量了維持或擴張業務每年需要抽血的比例。資本支出負擔（Capex/EBITDA）：展現了經營現金利潤被資產維護吞噬的程度。通過這六大維度的掃描，高盛將企業分為了截然不同的陣營。公用事業、基礎資源、能源和電信毫無懸念地穩居重資產陣營。這些行業被嚴格監管、固定資本要求極高且資產壽命極長。相反，軟體、IT服務、網際網路和媒體等平台企業，被牢牢釘在了輕資產、人力資本密集的分類中。有趣的是市場中的“中間地帶”。高盛發現，汽車和航空顯然是重資產；但由於品牌資產、生產工藝訣竅以及對工藝的長期投資，奢侈品和飲料同樣落入了“低過時”的優質資產類別。相比之下，消費者服務、博彩和大多數零售商則屬於結構性的輕資產，其經濟命脈在於勞動力和行銷，而非物理資本。宏觀東風與業績動能的共振為什麼重資產在當下這個節點爆發？答案在於宏觀經濟指標與企業基本面的雙重共振。在利率端，重資產股票在較高利率時期往往表現出色。因為高收益率會無情地壓縮長久期、輕資產成長型企業的估值。而與有形產能掛鉤的重資產部門，反而能從更強勁的名義經濟活動和政府財政支出中獲益。高盛提到，如今的政策組合正在引導資本流向實體資產，“這為資本密集型企業創造了結構性的順風。”在宏觀周期端，製造業與服務業的博弈是關鍵風向標。重資產類股的命運與工業生產、資本開支周期緊密相連。高盛觀察到，隨著製造業PMI（特別是未來業務預期部分）回升並超越服務業PMI，宏觀背景再次向重資產行業傾斜。而在決定股市長遠表現的盈利端，基本面的天平也已發生傾斜。過去一個周期，輕資產企業憑藉持續高增的盈利享受了長期的估值溢價。但進入2025年後，儘管重資產企業短期盈利遭遇了關稅等貿易摩擦因素的擾動（作為大宗商品生產者和出口導向型企業，其受關稅影響遠大於服務業），但剝離短期噪音後，趨勢已然清晰。高盛強調：“重資產公司的盈利動能最近已經轉正，共識預期正在上調；而輕資產公司的盈利預期則遭到下調。”前瞻地看，分析師共識預期未來幾年重資產組合的EPS復合年增長率（CAGR）將達到14%，而輕資產組合僅為10%。更致命的是，長期支撐輕資產高估值的核心指標——淨資產收益率（ROE）——正在顯露疲態。市場目前預計輕資產公司的ROE將保持平緩，而重資產公司的ROE則有望持續改善。資金擁擠度：向重資產的輪動才剛剛開始既然邏輯如此清晰，估值已經收斂，這波重資產的行情是否已經走到了盡頭？從資金博弈的角度來看，遠未結束。近期的重資產領漲，與市場資金極度渴望擺脫擁擠且昂貴的“美國科技股”倉位密切相關。過去12個月，歐洲價值型基金迎來了3%的資金淨流入，而成長型基金則遭遇了9%的淨流出。但高盛一針見血地指出，儘管短期輪動劇烈，長線資金的倉位依然非常薄弱：“歐洲價值型基金相較於成長型基金的累計資金淨流出仍徘徊在資產管理規模的-40%左右。”這意味著，全球投資者對價值股（重資產的集中地）依然處於嚴重低配狀態。基於這一巨大的頭寸落差，重資產股繼續跑贏輕資產股的結構性邏輯依然堅如磐石。在這個被AI加速重構的時代，虛擬世界的狂飆突進，反而讓物理世界的鋼鐵、管道與電網變得空前珍貴。不論這是一場持久的市場領頭羊更替，還是周期演進中的再平衡，對於投資者而言，實物資本的“防彈衣”屬性，正在散發著無法忽視的光芒。 (追風交易台)

從最新披露的13F看，段永平的組合依舊是“重倉少數、押注確定”的典型風格：期末持倉市值近180億美元，股票數量 14隻，前五大合計佔比超過 89%。其中蘋果仍是絕對第一大倉位（約 50.30%），其後是波克夏B（約 20.63%）、輝達（約 7.72%）、拼多多（約 7.48%）、GoogleC（約 3.33%）。同時他在四季度明顯減持蘋果（約減持247萬股、持倉佔比仍高），但增持了Google、拼多多，並大幅減持阿斯麥。但更值得玩味的是：他開始把視野“認真挪向AI”。一方面，他在Q4把輝達倉位拉升到“第三大重倉”（報導口徑為“增超1100%”），同時也提高了對AI鏈條關鍵環節的配置（例如微軟、台積電的增持在媒體梳理中被視為“AI關鍵一環”）。 另一方面，在他與方三文的深度對談裡，段永平把自己對AI的態度說得很直白：“AI這個東西至少摻和一下，不要錯過。” 這句話很段永平——不是追熱點，而是承認“時代變數”已經足夠大，大到不研究就會產生系統性錯過；於是用可控的方式把自己“逼進場”，把認知補上。於是，第三段就落在你點名的三家公司：Tempus（TEM）+ Credo（CRDO）+ CoreWeave（CRWV）。它們在13F裡都是“輕倉試水”，持倉佔比分別約 0.04% / 0.12% / 0.12%，但位置很有象徵意義：應用、互聯、算力——幾乎覆蓋了AI產業的三層“新地基”。（奇怪的是沒有特斯拉，對於阿段又買特斯拉，又試駕FSD，最後竟然沒有輕建倉，說明還是沒有太看懂4個輪子的FSD生意）這幾家公司，我其實都非常看好，當然對於CRDO和CRWV不如電+儲存那麼看好。但也是非常的看好。之前我在文章中也反覆提過這幾家公司的情況和護城河。一、Tempus（TEM）：主打“資料+AI驅動醫療”，面向臨床與科研，核心是把分散的醫療資料產品化、工具化，提升診療與研究決策效率。Tem最強的護城河是近乎壟斷的醫療資料庫，從而保證在AI精準醫療時代，成為鏟子公司。這個護城河是他用了10年時間精心建構近300PB的資料資源，別人很難複製。二、Credo（CRDO）：資料中心高速互聯的“賣鏟人”，做SerDes/DSP與AEC等連接方案，解決高頻寬、低功耗、低延遲的傳輸瓶頸——AI叢集擴張越快，互聯越是硬需求。即使在光進銅退的大趨勢下，他仍然在AEC市場有80%的市場份額，大家看到的機櫃背面的紫色線，就是他可以解決7M以內減少50%的功耗，提升1000倍穩定性的連接能力。而且即使未來在光進銅退的大趨勢下，還能把Scale- UP加強，做ALC能力，用LED去打通更多的連接能力。三、CoreWeave（CRWV）：偏“GPU雲/AI雲”基礎設施，圍繞大規模GPU算力供給與交付能力做深做專；其與輝達的合作、訂單與擴張路徑，體現出“算力供給鏈”在AI浪潮中的戰略位置。作為輝達的親兒子，如果像輝達說的一樣，Rubin和RUbin Vera提速的背景下，CRWV將是首批拿到RUBIN系列晶片的資料中心，將是最大的受益者。而且現在大部分資料中心，連B200 都不見得能夠駕馭訓練， 更不用說Rubin了，可見，CRWV是真的有核心New Cloud時代的護城河的。把這三隻“新進”放回段永平的老框架裡，你會發現他並沒有變：他在訪談裡反覆強調“不懂企業最好不要碰”、以及投資要算清楚自己的機會成本，並提醒外界“抄作業是滯後的”，尤其不知道他買多買少時更危險。 所以這三筆更像是“認知倉”：先用極小倉位把自己放進研究閉環，等到商業模式與護城河看清楚，再決定是否值得提升到“主倉位”等級——這恰恰是他一貫的“慢、穩、可複製”。作為阿段的忠實信徒，他的持倉，在這些新AI股上和我的選擇如此一致，一方面是感謝阿段在AI大時代下的轉型。另外，也覺得自己平時的研究沒有白費，認真挖掘護城河並持有好公司，和阿段有類似的持倉，感覺這是開年最開心的一件事。 (老王說事)

上周的文章130 GB 記憶體……Claude Code 又崩了裡，我提了一下正在招人，沒想到還真收到了兩份簡歷。還有五六個人來諮詢，問我在招什麼人？做什麼事？團隊畫像什麼樣？……這裡挑幾個問題簡要說一下，也順便招人：1 . 都 AI 時代了，為什麼還要招人？讓 AI 來幹不行嗎？當然需要人。一方面是面向使用者：需要去洞察問題和機會、找到最合適的解決路徑、去獲取真實的使用者反饋，目前確實還需要人，AI 還不太行，當然會用但不能全聽它的。另一方面是面向 AI：程式設計確實不再是瓶頸了，但如何去給 AI 下發任務、驗收結果，還是需要人的。當然，我們做了很多自動化收集 issue，AI 自己開 branch、自己開發、自己提 pr、多 agent cross review、自己幹 test、ci 的工作（後面我可以 share 一下）……但離全 AI 化還有不小距離。還有就是，時機很重要，人多了，當然會有一些 context 切換而帶來的摩擦和損耗，但只要這個人的加入，能讓整體的結果更提前，那就是合適的。當然，摩擦損耗的程度也與個人的能力和團隊協作的機制有關。我不敢說現在已經是最優，但我會一直去審視和調整，最大化地減小損耗，最大化個人的能力釋放。2. 需要什麼樣的人？AI First：凡事先AI，找人之前先找 AI靠譜：事事有回應、問題終結者敏銳：能從混亂中找到規律，從不變中找到機會聰明：被認為比身邊大部分人聰明自信：自認為比身邊大部分人聰明不設限：❌：我是做……的，我不會……，✅：在 AI 加持下，我什麼都可以！全端：IC、有較好技術或演算法基礎、科班出身、暫謝絕純 vibe coder（除非有不錯的案例加持）以及，這個人的加入能提升而非降低團隊的平均水平3. 當前團隊畫像一半是 00 前後，也有 85 後清華、北航、國防科大等字節、網易、阿里、特斯拉等4. 團隊規劃現在不到 10 人，計畫每月 +5 人，年底 50 人爬蟲、演算法，工程、全端、AI Agent、……還有產品，不過其實，職能的邊界不會分得非常清楚5.  年齡有限制嗎？不太有，當然太大可能不太合適。兩個角度：年齡無關：靠譜的人老了依舊靠譜，不靠譜的人年輕時就不靠譜年齡有關：年輕人的成功經驗和和苦澀經驗都不多，慣性和約束也不多，會更願意試錯；所以新鳥老鳥都可6. 公司現狀0人民幣收入，都是其他幣種，涉及 100+ 國家已實現規模化盈利，國內頭部美元機構投資，輪次和金額就暫不透露了。7. 公司做什麼騎在模型廠商身上、而非躺在其身下的垂類 agent我的判斷是，模型廠商至少五年內不會做，也基本做不好。業務上先賣個小關子，具體的私信我簡歷，我再告訴你😆8. 工作和 AGI Hunt 公眾號有關嗎？無關。還真有不少人問我這個問題，還有主動問招不招編輯的……公眾號不招人，也沒這方面需求和預算，這就是我每天 20 分鐘寫點東西分享一下的號而已，佛系寫寫。9. 薪資薪資 open，基本沒上限，當然和小扎是完全沒法比的，這個要有預期10. 福利提供最好的模型和充足的額度。其他的你來提，我來滿足 (AGI Hunt)

在全球資本市場緊盯 GPU 和高頻寬儲存器（HBM）的同時，NAND 快快閃記憶體儲器正悄然崛起，成為 AI 時代不可或缺的基礎設施資產。摩根大通（JPM-US，簡稱小摩）亞太區科技團隊在近期發佈的研究報告《半導體：NAND——更長、更強的上升周期》中指出，NAND 已進入由 AI 推理全面驅動的全新超級周期，其影響力可能超過以往任何一輪由消費電子推動的周期。過去 20多年，NAND 市場一直受供需波動影響。技術進步降低了成本，但廠商擴產又容易導致價格崩盤。小摩分析顯示，NAND 市場年均潛在成長率過去多在 7%～12% 之間，但預計 2025～2027年，這一數字將躍升至 34%，呈現前所未有的“斷層式”增長。更重要的是，這次增長不是單純靠出貨量堆積，而是“量價齊升”。小摩預計，今年 NAND 混合均價將上漲 40%，到2027 年價格仍能維持高位，僅小幅回落 2%。為什麼AI 推理能成為 NAND 的轉折點？關鍵在於推理階段的特殊需求：訓練階段強調算力和頻寬，HBM 無可替代；推理階段需要即時處理使用者指令，高速調取模型參數，延遲和上下文處理能力至關重要。隨著模型上下文擴展，GPU 內建 HBM 容量已捉襟見肘，行業開始引入 KV Cache Offloading 技術，把部分中間資料解除安裝到外部儲存。這讓企業級SSD（eSSD）從傳統“資料倉儲”升級為 AI 架構中的“二級儲存”，需求迅速增長。2024 年 eSSD 出貨量同比下降86%，刷新自 2012 年以來的紀錄。未來，AI伺服器單機儲存容量預計將超過 70TB，是普通伺服器的兩倍以上。到明年，eSSD 有望佔全球 NAND 需求總量的 48%，超過智慧型手機的 30% 和PC 的 22%，成為第一大應用場景。同時，HDD供應緊張也助推 NAND 上位。Seagate 和 Western Digital 因前幾年市場低迷大幅削減資本支出，導致大容量 HDD 交貨周期延長至兩年以上。面對“有貨優先於低價”的 AI 資料中心規則，客戶紛紛轉向 NAND，尤其青睞性價比提升的 QLC（四層單元 NAND）。雖然SSD 單位成本仍是 HDD 的 6～8 倍，但在能效和空間利用上優勢明顯，適合高密度 AI 資料中心。目前，SSD在“業務關鍵型”儲存領域滲透率僅 19%，還有很大提升空間。小摩估算，SSD 滲透率每提升 1%，即可為NAND 市場帶來約 20 億美元新增收入。值得注意的是，面對強勁需求和價格上漲，NAND 廠商並未盲目擴產。未來三年，產業資本支出佔銷售額比例將降至 15%～16%，遠低於過去十年的30%～50%，2018 年甚至高達 68%。原因在於技術瓶頸：NAND 堆疊層數已突破 300～400 層，刻蝕製程和晶圓應力控制難度極大，混合鍵合技術雖能緩解，但裝置昂貴且良率受限。市場預計，今年全球 NAND 晶圓產量僅增長 3%，而位元需求增速高達 21%，供需缺口將貫穿全年，支撐價格持續上行。原廠動作方面：鎧俠（Kioxia）：CBA 架構優勢明顯，BiCS 8 技術量產推動伺服器業務營收從 2023 年的 20% 提升至2027 年的 61%。SK 海力士（SK Hynix）：憑藉 Solidigm 在 QLC 和 eSSD 超大容量市場的統治力，以及 HBM 與 QLC 雙線優勢，長期看穩健。三星電子：雖然 QLC 佈局稍慢，但大產能和 V9 QLC 加速量產，有望收復失地，股價短期具備補漲潛力。美光（Micron）：推出 232 層 TLC 的 6500 ION 系列，以“性能接近 TLC、價格接近 QLC”的策略受益美國本土資料中心建設。雖然NAND 價格上漲過快，可能推高筆記本等終端 BOM 成本，壓縮品牌商利潤，消費者換機節奏或延緩。但小摩認為，這次由 AI 推理驅動的需求革命與供給剛性深度交織，構成真正的“超級周期”。NAND 已不再是 DRAM 的陪襯，而是 AI 體系中高速“熱資料”管理的基石。 (半導體脈)

最近我看了一條 Dan Koe 的視訊，主題大意是：如果你有很多興趣，不要在接下來的 2-3 年裡把時間浪費在“焦慮”和“內耗”上，而是把多興趣變成一條可以積累、可以複利的路徑。看完之後，我最大的感受是：他說得太透徹了——而且放在今天這個節點（AI 進入新一輪加速的階段），尤其有現實意義。我把他的核心觀點結合自己的理解，整理成一篇更適合中文讀者閱讀的轉述。也歡迎你看完後留言：你更認同那一點？你在這個時代最想建構的能力系統是什麼？1）工業時代需要“螺絲釘”，AI時代更需要“能自我進化的人”我們很多人的成長路徑，本質上仍然是工業時代的邏輯：上學→考試→拿證→進公司→在某個崗位上持續“專業化”→成為組織系統裡高效的一顆螺絲釘。這套路徑在過去有效，是因為那個時代的核心目標是規模化生產：組織需要可替換、可標準化的人力模組，越“專”、越“穩定”、越“可管理”，越能成為體系的一部分。但 AI 帶來的變化是：凡是能被拆解成流程、被標準化、被覆用的工作，都會越來越容易被自動化。當“執行層”能力被工具極大放大之後，個人真正的競爭力會往上遷移：從“會做”遷移到“會判斷、會整合、會表達、會持續產出”。換句話說：未來不只是“技能強的人”更強，而是“能持續學習、跨界整合、建構個人系統的人”更強。2）他提出的“三個自我”，是通才走向自由的底層結構Dan Koe 提到三個關鍵概念，我覺得是整條邏輯的骨架：① Self-education：自我教育（自主學習）你要能夠主導自己的學習，而不是只依賴學校或公司提供的內容。在一個變化越來越快的時代，如果學習只能靠外部安排，那速度一定跟不上現實。更重要的是：自我教育的核心不只是“學更多”，而是“為自己的目標而學”。你學的內容、節奏、輸出方式，都要圍繞你的長期方向服務。② Self-interest：自我利益（以己為本的長期選擇）這裡的“自我利益”不是狹義的自私，而是一個更成熟的概念：你要以自己的長期價值與人生目標為中心做選擇，而不是被環境、標準答案、外部期待牽著走。很多人痛苦，不是因為不努力，而是因為努力的方向是被“教育出來”的、被“體系需要”的，而不是自己真正在乎的。真正的動力，來自你願意為它長期投入的興趣與意義感。③ Self-sufficiency：自我自足（自立，不外包判斷）你不能把人生最關鍵的東西外包出去：判斷、選擇、行動力。工具可以外包，執行可以借力，但方向與判斷必須自己掌舵。當你同時具備這三件事：自主學習、長期利己、自立判斷，你的“多興趣”就不再是分散，而會變成一種結構性的優勢——通才的能力，會自然長出來。3）AGI時代最稀缺的資源：注意力（Attention）他還有一個非常現實的判斷：當 AI 讓“做東西”的門檻不斷下降——程式碼可以生成，內容可以生成，產品可以快速做出來——真正稀缺的反而不是“產能”，而是注意力與信任。你可以把產品做得再好，如果沒有被看見，沒有被理解，沒有被信任，它的價值就很難實現。而注意力是稀缺資源，並不會因為工具變強而變得不稀缺，反而會因為資訊爆炸而更加稀缺。這也是我越來越認同的一點：未來的個人競爭力，很大一部分會體現在——你能否長期建立影響力？能否持續吸引並留住注意力？能否積累信任與品牌資產？4）怎麼做才不陷入“學了很多但什麼都沒留下”的循環？很多多興趣的人，最容易陷入一種“自我安慰式學習”：刷教學、看乾貨、學新工具、收藏一堆方法論——當下感覺自己進步很快，但回頭發現：沒有作品，沒有輸出，沒有可展示的沉澱。他的建議（我也非常認同）是：不要把學習停留在“輸入”，要把輸入變成輸出 → 作品集 → 複利。你可以把路徑理解為兩條：路徑 A：技能導向（skill-based）學一項可交易技能 → 用內容表達與教學 → 形成產品/服務。適合希望快速建立收入閉環的人。路徑 B：發展導向（development-based）把自己當作長期項目來發展 → 圍繞自己建立品牌與內容系統 → 再長出產品與商業模式。適合多興趣、跨領域、希望走長線的人。其中我特別喜歡的一點是：你不一定要先捏一個“客戶畫像”再硬湊定位。你可以先幫助“過去版本的你”。你真正走過的路徑、踩過的坑、總結出來的方法，天然具有可信度，也更容易形成內容的獨特性。5）別把自己當平台的“打工人”：要把社交媒體變成你的“媒體資產”現在很多人做內容，最大的誤區是：追熱點、賭爆款、靠演算法吃飯。這樣做短期可能會有資料，但長期會很焦慮，因為不穩定、不可控、不可複利。更好的思路是：把平台當分發管道，把內容當資產，把輸出當系統。當你把系統建立起來之後——文章可以拆成短影片，短影片可以反哺長文，長文可以沉澱為系列，系列可以沉澱為方法論，方法論可以進一步長出產品或服務。這才是“複利”的開始。6）我為什麼特別認同：因為我正在做的事，和這條路徑高度契合去年開始，我嘗試認真寫公眾號：用 AI 做深度調查與報告，把資訊整理成更結構化、更可信、更可復用的內容；同時也做視訊號、小紅書。做著做著你會發現：現在的資訊噪音非常大——很多人並不瞭解，也在輸出；而真正的稀缺，是長期經驗、判斷力、以及把複雜問題講清楚的能力。我在日本生活多年，對日本的企業、工作、生活、投資這些話題相對更熟悉，所以更希望做一件事：把靠譜的資訊做成長期欄目，讓需要的人少走彎路。到今天，視訊號也快突破 1.5 萬粉絲。這個過程讓我越來越堅定：AI 時代並不是“通才沒用”，恰恰相反——當工具把執行門檻打平之後，通才的整合能力、跨界能力、表達能力，會變得更值錢。結尾：給同樣多興趣的你，一個可執行的行動清單如果你也興趣很多、也擔心分散，我建議先別糾結“終身定位”，先做三步：1. 選一個你願意長期研究的主題（它可以很大，但必須是你真的在乎的）。2. 固定節奏輸出：每周一篇文章/一條視訊/一份小報告——建立“持續交付”。3. 做系統，不做一次性努力：把輸出沉澱為系列，把系列沉澱為方法，把方法沉澱為產品/服務。最後送你一句我自己的總結：別急著把自己修剪成單線程的人。2026 這樣的時代，多興趣可能不是缺點，而是你最值得珍惜的結構性優勢。 (MAMIANA HOUSE)

曾與舊金山齊名的波士頓，如今只貢獻了區區千億美元科技市值，而灣區在二十年間累計創造逾十四兆美元。創業者 Will Manidis 指出，這並非偶然，而是稅制、監管、資本文化與“輸入至上”思維共振後的系統性崩塌。更危險的是，同樣的邏輯正在美國 AI 與矽谷重演，對全球科技版圖構成深遠警示。一、從“雙子星”到單極：一座科技之都是如何坍塌的？2004 年，如果問一位美國科技投資人「世界上最好的軟體公司在那」，標準答案只有兩個：波士頓和舊金山。二十年後，資料給出了殘酷對比：舊金山在這段時間裡孕育了約 14 兆美元的科技企業價值，而波士頓只貢獻了大約 1000 億美元。與此同時，原本被視作金融之都的紐約，反而在科技創業上後來居上，取代波士頓成為區域創新高地。這不是一場簡單的城市排名變動，而是一整個科技生態系統的衰亡樣本。尤其是對曾經熟悉歷史的人而言，這種反差格外刺眼。長達數十年裡，波士頓「128 號公路」沿線曾被視為軟體宇宙的真正中心：DEC 一度是全球第二大電腦公司，巔峰時期擁有 14 萬名員工；Lotus 幾乎以一己之力，把個人電腦帶入企業辦公；Akamai 則幫助搭建了現代網際網路基礎設施。再往源頭追溯，波士頓的「輸入條件」看上去幾乎完美：全球最頂尖的高等學府（如 MIT 與哈佛）；著名孵化器 Y Combinator 起家於此；Facebook 創始人馬克·祖克柏、Stripe、Cursor、Dropbox 等一長串明星創業者，都在這裡讀書或起步。按常識推理，這樣的城市似乎擁有一切。那它究竟是怎麼輸掉這場長期賽局的？創業者 Will Manidis 在一篇長文中給出了他的答案[7]：波士頓不是「輸在產品」，而是輸在系統性負反饋——當稅制、監管、資本文化與錯誤的發展觀疊加到一起，創造力被一點點榨乾，網路效應開始倒轉，最終連回頭補救的機會都沒有。二、三股力量如何聯手殺死一個創新生態在 Manidis 看來，波士頓科技生態的衰落，可以被歸納為三股簡單而致命的力量：（一）把企業當「提款機」的進步主義稅監環境第一股力量，是監管與稅制層面長期累積的「掠奪式」心態。美國聯邦層面早有針對創業股權的 QSBS 優惠政策，但馬薩諸塞州長期拒絕完全跟進，直到 2022 年才勉強對齊。而就是同一年，州裡又通過了所謂「百萬元富翁稅」，對高收入人群加征附加稅。這會帶來怎樣的實際激勵？同樣是賣掉一家估值 1000 萬美元的公司，在馬薩諸塞州，創始人要繳出大約 86 萬美元稅款；而在德州奧斯汀，州層面資本利得稅為零，創始人幾乎可以完稅後「全身而退」。更微妙的是，馬薩諸塞州還對 SaaS 收入徵收 6.25% 的銷售稅，而美國多數州對軟體幾乎不收這種稅。這意味著：在波士頓做同樣一款雲軟體，你不僅面對更高個人稅負，連每一塊收入都要額外「交保護費」。當政府把本應被呵護的早期科技企業，當作短期財政缺口的填補工具時，長期結果不會是「多收點稅」，而是企業和人才用腳投票——他們會遷往那些把創新當資產而非獵物的地方。（二）與精英機構深度勾連、難以自我糾偏的資本文化第二股力量，更難量化，卻同樣致命：一種無法被有效約束的資本文化。在 2010 年之後，波士頓本地部分風投機構的「主業」，在不少創業者眼中已經不再是幫助公司成長，而是通過各種複雜條款、暗箱操作和「圈子遊戲」來搾取創始人的籌碼與話語權。著名消費產品創業者 Nikita Bier 就公開表示，自己在 2017 年曾被一批波士頓投資人「聯手坑騙」，並行誓「再也不會與這座城市的資本打交道」[2][3]。問題在於，本來有能力制約這些行為的力量——大學捐贈基金、大型 LP、各類本地精英機構——卻和相關資本圈高度捆綁：他們在同一董事會、參加同一場晚宴、持有彼此的基金份額，最終沒有人願意站出來做那個「壞人」。結果就是一種無形的「信任稅」：好項目不敢在本地融資，擔心被「下套」；優秀創始人一旦有選擇，就會飛往更透明、更競爭性的資本市場；留下來的，往往是資訊不對稱最大、議價能力最弱的一批人。隨著時間推移，生態內部的平均道德水位被不斷拉低，劣幣開始驅逐良幣，整個城市的創業聲譽也隨之崩壞。（三）迷信「輸入」的科技發展觀：實驗室不是魔法土壤第三股力量，是一種在全世界普遍存在的誤判：認為只要堆足「輸入」，創新就會自然而然發生。在波士頓，這種邏輯被推演得尤為極端：我們有世界上最好的大學和醫學院；我們瘋狂建設實驗室和生物醫藥園區（即便今天其中約 40% 處於空置狀態）；我們吸引了全球一流的科研與工程人才。於是，當結果不如預期時，公共部門和地產開發商往往會問：「是不是還要再多建一點？再引進幾家名校研究所？」但一個真正健康的科技叢集，遠不止「硬體輸入」的堆砌。它需要的是：高信任度的創業–投資網路；尊重承擔風險、鼓勵快速失敗的文化；對長期回報有耐心的資本和制度環境。當這些「軟要素」被忽視，只留下校園與實驗樓時，所謂「科技中心」其實已經名存實亡。三、當網路效應反向運轉：一座城市是怎樣不可逆地衰敗的科技生態，本質上是由人、資本、知識和機會組成的複雜網路。一旦這張網被系統性破壞，後果往往是不可逆的。在 Manidis 的敘述中，這種崩塌大致經歷了幾個階段[7]：1. 人才網路先行瓦解先是中高端人才的「蒸發」。對一家希望從 25 人成長到 500 人的創業公司而言，是否能在本地找到經驗豐富的技術 VP，幾乎決定了公司能否跨越死亡谷。在舊金山，你可能有數百位候選人可以選擇；在波士頓，符合條件的人屈指可數，而且他們很快會意識到：去灣區可以拿到更高的薪酬與期權；生態更活躍，成功機率也更大。同時，最年輕的一代也用腳投票。每年夏天，本地高校的優秀畢業生紛紛「直飛西海岸」，不再把波士頓視為「默認選項」。2. 稅與監管「越收越緊」當真正創造稅基的高成長企業和高淨值人才開始遷出後，地方政府面臨的現實壓力只有一個：財政缺口擴大。在沒有足夠政治想像力的前提下，常見的反應是「對剩下的人收得更狠一點」——提高邊際稅率、延展稅基、增加各種名目繁多的收費與監管。這進一步降低了本地對新企業的吸引力，惡性循環由此形成。3. 灰色玩家登場，生態進入「詐騙模式」當優質資本和優質項目不斷外流，留下來的往往是兩類人：缺少選擇權的本地創業者；擅長在「資訊貧瘠、監管模糊」環境中牟利的灰色資本。他們會利用「地緣優勢」收取溢價：因為外地頭部機構懶得為了一筆種子輪飛來波士頓，本地資本就能以遠高於風險水平的定價拿下項目；通過各種「非市場化」甚至踩線的條款，對創始人施加壓力。一些原本起家於波士頓、後來遷往灣區的機構，也被指控依舊帶著這種「有組織的掠奪心態」行事。從那一刻起，這座城市在創業者圈子裡的口碑就不再是「科技之都」，而更接近於一個「高風險司法轄區」。更關鍵的是，正如 Manidis 所強調的，這類過程幾乎無法被簡單「立法逆轉」[7]：你無法用一紙法案，強行重建已經瓦解的人才與信任網路；你也很難在網路開始坍縮後，通過政策「冷啟動」一個新的生態。於是，波士頓科技生態的故事，最終走向了「先被加稅，再被掠奪，最後筋疲力盡」的結局。四、矽谷與美國 AI：正在排隊重演同一場悲劇？如果說波士頓的失敗只是區域層面的失誤，那麼接下來這道「迴響」就遠不僅是地方新聞了。Manidis 的判斷是：如今的舊金山與整個美國科技產業，尤其是 AI 產業，正在沿著同一條路徑前行，只是賭注更大、代價更高[7]。1. 把科技當「現金奶牛」的監管衝動在舊金山，本地選民與政治力量已經開始推動一系列針對科技與商業地產的激進政策：例如類似 Prop M 之類的「辦公面積限制」與各類用地配額；對空置辦公樓徵收特別稅，試圖用懲罰性措施逼迫資產重新配置。在短期財政壓力與民粹情緒的共振下，科技公司與資料中心正被越來越多地視為「天然應該被多收點錢」的對象，而不是推動就業、支撐城市長期稅基的引擎。這種心態一旦被寫入政策，就意味著美國最重要的創新叢集，開始走上和波士頓相似的軌道。2. AI 熱潮吸引了大量機會主義者AI 的繁榮吸引了海量資本和人才，也難免吸引了數量同樣可觀的「逐利者」。其中既包括簡單的投機炒作，也包括利用資訊不對稱和監管空白、在倫理和法律邊界遊走的參與者。和波士頓類似的問題正在顯現：本地精英機構與頭部資本高度交織，缺乏真正的外部監督；對內部問題的批評容易被貼上「不懂技術」「反對進步」的標籤，被迅速邊緣化；壞行為被容忍，久而久之成為文化的一部分。這種「自我神聖化」傾向，一旦與巨額經濟利益繫結，就極難糾偏。3. 「輸入至上」的幻覺：GPU 與大模型並不自動等於進步在 AI 領域，「輸入迷思」表現得尤為明顯：我們有全球最強的 AI 實驗室；我們掌握最多的 GPU 算力，甚至還能拿到聯邦政府採購的 GPU；我們擁有最前沿的大語言模型與巨頭公司。在這種自信下，很容易得出一個危險的結論：「只要資源在我手裡，這個行業就不會出問題。」但技術史一次又一次地表明，真正決定創新走向的，是制度、敘事和信任結構，而非硬體本身。當社會對一個行業的基本態度，從「希望」轉向「猜疑」時，任何外部衝擊（經濟危機、政治輪替、能源短缺）都可能觸發劇烈的政策反撲。五、缺位的「正當性敘事」：當技術失去為自己辯護的語言在 Manidis 看來，真正讓人擔憂的，並不只是可能失去多少 GDP 或市值，而是科技產業在國家敘事中的「合法性」正在一點點流失[7]。他引用的一些民調顯示，在不少普通美國人心中，AI 的主流形象正在變得非常負面：它消耗大量水和電，推高能源成本；它被騙子用來實施更複雜的詐騙；它為未成年人推送不良內容、博彩和各類上癮型應用。在這種話語環境下，如果有人提出「應該大幅限制甚至強力打擊這些技術公司」，選民完全可能投下贊成票。畢竟，在一個被感知為「零和」的世界裡，嫉妒與報復往往比長期理性更有號召力。我們之所以不會去「搶劫」污水處理廠或電網公司，是因為普遍理解：它們是維繫現代社會免於混亂的基礎設施，那怕運行成本高，也值得投入。但對於 AI 和更廣義的科技產業，普通選民並沒有形成類似的共識。按照 Manidis 的說法，技術本可以被塑造為「幫助人類逃離馬爾薩斯陷阱」的唯一可靠路徑——通過效率提升、資源重配和新產業創造，讓更多人過上更體面、更安全的生活[7]。然而，在近些年矽谷主流話語中，「理性主義」「追逐通用人工智慧」等內部概念，逐漸取代了面向公眾的「進步神學」。結果就是：產業在技術上比以往任何時候都更強；卻在政治和道德層面，越來越不會、也不願意為自己辯護。當國家機器把某個行業視作「只會消耗資源、製造風險的寄生蟲」時，「加稅—勒索—掠奪—放棄」往往就是順理成章的政策路徑。波士頓已經提供過一次樣本。六、對全球科技的啟示波士頓的故事表面發生在美國東北角，但其內在邏輯，對任何試圖建設科技創新中心的國家與城市，都具有高度參考價值。對於政策制定者，至少有三點值得警惕：不要把科技企業當成短期財政缺口的填補工具。稅制與監管的微小偏差，會在十幾二十年中被網路效應成倍放大，最終決定一座城市是「創新磁場」還是「人才離心機」。不能只迷信「硬體輸入」，忽視信任與文化。高校、園區、實驗樓和補貼固然重要，但真正支撐創新的是規則的可預期性、資本的長期主義以及對承擔風險者的尊重。要幫助科技產業講清「存在的理由」。如果公眾只看到短期副作用，而看不到長期公共利益，任何技術最終都可能在政治壓力下被打回原形。對於創業者和投資人，這個案例同樣是一個提醒：選址不只是房租和補貼的比較，更是對一個地方整體制度與文化環境的投票；在追逐算力、資本和估值的同時，不要忽視建構「正當性敘事」——讓使用者、監管者和選民理解你在解決什麼真實問題，創造了那些長期價值。如果科技行業無法清晰表達「為什麼創新是一種道德上的責任」，而不僅是少數人致富的手段，那麼整個行業被「先加稅、再掠奪、然後任其枯竭」的命運，就不僅會發生在波士頓，也可能降臨在下一座科技之都。 (喬智說)

過去五年，誰掌握算力，誰就掌握未來。這句話如今不僅是AI公司的口號，更已經寫進了半導體產業的戰略規劃。在最近的IEDM 2024會議上，台積電發佈了最新演講《Sailing into the Future of the Semiconductor Industry》，系統性描繪了一個正在由AI主導的新半導體時代：2030年，全球半導體產值將突破1兆美元；AI將成為這一切的核心驅動力。這是一次極具資訊含量的行業全景掃描。RAY帶你理性梳理這個報告的關鍵脈絡，理解為什麼半導體正在再次成為全球經濟的發動機，以及它將如何重構AI、汽車、智能終端與IoT的未來。一、AI：正在吞噬一切的超級算力黑洞AI不是某個行業的機會，AI正在變成所有行業的底層基礎設施。TSMC指出，未來幾年AI在四大場景的落地速度將決定整個半導體行業的增長形態：資料中心： AI伺服器年複合增長率達73%，遠高於傳統伺服器。未來的訓練和推理負載對頻寬、能效與晶片間互聯提出更極端要求。邊緣終端： 從AI PC到生成式AI手機，一場真正意義上的“本地智能”正在發生。2027年，超過59% 的PC將具備AI處理能力。汽車： L2+以上等級自動駕駛系統將成為標配，2023~2030年ADAS市場將擴大超4倍，AI晶片滲透率超過90%。IoT： 通訊、智能電網、穿戴裝置、工業控制等“邊緣智能體”將支撐一個超10%的年均增長市場。簡而言之：AI正在將所有計算平台都變成晶片密集型系統。不管是訓練用的超大模型，還是推理用的輕量模型，底層都逃不出電晶體與互聯密度的桎梏。二、半導體的底層躍遷：先進製程、封裝、系統共最佳化面對AI帶來的暴漲負載需求，半導體技術正展開三線並進的“大躍遷”。1. 先進製程：從FinFET邁向Nanosheet的2nm時代TSMC已經在2025年量產其N2（2nm）製程技術，引入了背面供電和環繞式柵極電晶體（GAA）。相比5nm節點，N2能效比提升超過1.5倍，單位面積性能提升超過40%。關鍵轉變包括：邏輯密度提升（縮小電晶體尺寸）能效最優（核心功耗大幅降低）結構創新（引入背面布線，釋放前端空間）一句話總結：先進製程不再是摩爾定律的簡單延續，而是面向AI負載的結構性革新。2. 封裝進化：3D堆疊+Chiplet，空間裡“堆”出性能過去，晶片設計像蓋一座大樓，今天，TSMC正在讓它變成一座城市。通過CoWoS®（Chip-on-Wafer-on-Substrate）和SoIC®（System-on-Integrated-Chips）等封裝技術，台積電正在把多個邏輯、儲存、加速單元堆疊為一個“晶片系統”。3D堆疊（SoIC）：從傳統μBump到無Bump互聯，提升互連密度、降低延遲和功耗2.5D整合（CoWoS）：將高頻寬儲存（如HBM）與AI SoC整合，實現數TB/s級的記憶體頻寬InFO-PoP / M-PoP：移動終端場景下的高密度封裝，讓手機也能運行多模態AI模型這意味著：晶片的性能瓶頸，正在從電晶體轉向互連與能效。3. 系統-技術共最佳化（STCO）：AI系統的“共生設計”範式STCO（System-Technology Co-Optimization）已經成為TSMC戰略級關鍵詞。傳統EDA設計關注的是“某個晶片”，STCO關注的是“整個系統+工藝+封裝的協同”。例如在AI伺服器中，TSMC不僅考慮晶片算力，還從一開始就將電源管理模組、光通訊介面、封裝熱設計納入設計流程，做到：最短距離傳輸資料最大限度提升單位能耗下的計算量最小尺寸封裝內容納最多元件在AI時代，“單顆SoC的英雄主義”終結了，取而代之的是：系統等級的生態最優解。三、AI帶來的新範式：智能汽車、AI手機、邊緣大模型這份報告的最前沿看點，其實不是電晶體堆得有多密，而是：AI已經在重塑終端形態與計算邏輯。✦ 汽車 = 移動計算平台2023年後，幾乎所有新車都開始朝“中央計算+域控製器+Zonal架構”演進。智能座艙、ADAS、車載推理、邊緣訓練……都將對晶片提出異構化、多工的極限挑戰。未來車載晶片架構的關鍵詞只有一個：AI優先（AI-first）。✦ 手機 = 你的AI助理一台具備40+TOPS NPU性能的GenAI手機，正成為“個人智能體”的入口。通話即時翻譯多模態生成本地小模型處理端雲協同最佳化這讓晶片廠商從“算力製造商”變成了“AI體驗設計者”。✦ IoT = 微型智能終端的爆發點過去的IoT是連接萬物，今天的IoT是感知+邊緣AI+低功耗+無線通訊的系統整合體。當每一個攝影機、感測器、控製器都具備基本AI能力，世界會變得更聰明、更即時、更自動化。寫在最後：AI重寫了算力邏輯，TSMC正在重寫晶片邏輯AI是這次產業大洗牌的源頭，但不是唯一變數。真正讓變革發生的，是一套完整的技術基礎設施：電晶體不斷縮小的極限Chiplet之間高密度互聯的創新封裝、散熱、電源協同設計的新範式TSMC沒有創造AI，但它正在讓AI真正跑起來、跑得快、跑得廣。未來已來，真正的算力革命，才剛剛開始。 (半導體產業報告)