這是 OpenAI CEO Sam Altman 接受 Stanford Online頻道的專訪。這個專訪公開發表於2026年06月16日。 Sam Altman 在訪談中，核心圍繞三個主題：規模、產品與社會分叉點。 在“規模”上，他強調，幾乎所有最有趣的突破都來自“把已有有效方向做到前所未有的大規模”，不論是模型、公司網路效應還是人才聚集。人類和組織天然抗拒大規模，因為系統會以不可預測方式“半崩潰”，但正是在解決技術、資本、文化等一連串“勸退理由”的過程中，才誕生真正的突破。他認為當下很多人仍嚴重低估了繼續放大規模的回報。 在產品與技術路徑上，他回顧了 ChatGPT 與 Codex 的誕生。GPT‑3 商業化一度受挫，只跑通了文案寫作，但開發者卻自發用它“純聊天”。OpenAI 於是順勢做出 ChatGPT，本來只是展示用的研究 Demo，卻在幾天內資料瘋狂增長，逼得公司進入“緊急狀態”快速擴張。他認為真正的殺手級產品往往一開始並不完美，但資料會說話。對於未來模型架構和訓練管線，他判斷現有 pipeline 必然還會被重構，並計畫用“AI 研究實習生/研究員”來探索新架構，同時堅信大模型擴展遠未到頭，唱衰 LLM 是誤判。

一、在合規圍欄中奪取生產力增量 境內企業接入境外大模型，表面上是技術選型問題，實質是三重張力下的戰略抉擇。第一重張力來自生產力需求與供給約束之間：OpenAI、Anthropic等頭部模型在通用推理、程式碼生成、多語言理解等維度仍保持代際優勢，而國內大模型在特定場景的追趕尚未實現全面替代。 第二重張力來自監管框架的剛性約束與業務彈性的衝突：《生成式人工智慧服務管理暫行辦法》明確，對來源於境外向境內提供生成式人工智慧服務不符合規定的，國家網信部門應當通知有關機構採取技術措施和其他必要措施予以處置-。 第三重張力來自技術路徑的合規成本與商業效率的零和博弈：直接呼叫境外API可能觸發資料出境監管，而完全規避則意味著生產力工具的讓渡。

摘要 2026 年 6 月 18 日，工業和資訊化部、中央網信辦、國家發展改革委、科技部、商務部、市場監管總局、國家資料局等七部門聯合印發《促進平台經濟大中小企業協同發展行動方案（2026—2028 年）》（以下簡稱《行動方案》），其中 “促進算力資源開放” 專項條款，首次從國家政策層面明確將 “算力並網池化” 作為整合全國分散算力資源、破解跨域調度行業壁壘、支撐數字經濟高品質發展的核心路徑。 這一舉措並非孤立的政策更新，而是 2024 年《關於深入實施 “東數西算” 工程加快建構全國一體化算力網的實施意見》、2025 年《算力互聯互通行動計畫》等系列戰略規劃的深度落地 —— 標誌著中國算力產業的發展重心，將從過去的 “單一節點大規模建設” 階段，轉向 “算網一體高效調度” 的高品質發展新階段。 作為支撐人工智慧、巨量資料、工業網際網路等數字經濟核心產業的關鍵基礎設施，算力的資源配置效率，直接決定著中國數字經濟的發展活力。

“華為雲不追逐Token數量，也不在乎收入總量。” 頭圖來源｜視覺中國 今年5月，輝達CEO黃仁勳對媒體坦言：“很大程度上，我們已經把中國AI晶片市場，讓給華為了。” 事實的確如此，華為正從Plan B選項躍升為至關重要的AI算力支撐平台，並吸引了一批網際網路大廠主動“遷移”至華為雲。

ABF載板這輪重估，核心不是“PCB漲價”四個字，而是AI晶片越來越大、封裝越來越重、上游T玻璃越來越緊之後，市場開始給封裝地基重新定價。看這個類股，不能只看題材熱度，要看誰真正拿得到材料、過得了認證、做得出良率、最後把漲價變成利潤。 內容概括 ABF載板是很多AI硬體新手最容易看錯的位置。它不像GPU那樣站在台前，也不像HBM那樣有清晰的頻寬故事；但高端CPU、GPU、ASIC和網路晶片要從晶圓變成可交付的伺服器算力，都繞不開封裝基板。過去ABF更多跟PC CPU和傳統伺服器周期走，現在AI晶片把單顆面積、層數、I/O、電源完整性和封裝可靠性全部往上推，ABF的需求函數已經換了。 這篇報告的主線很簡單：先講ABF到底在晶片封裝裡做什麼，再解釋為什麼Blackwell、Rubin、Rubin Ultra、AI ASIC、伺服器CPU和CoWoS擴產會把高端ABF推到供需緊張的位置；隨後把供給側攤開看，重點放在T玻璃、客戶認證、良率爬坡、長約價格和資本開支。最後回到投資：那些公司是高端GPU鏈條裡的確定性錨，那些是ASIC和伺服器CPU擴散下的彈性，那些只是AI硬體相鄰受益，不能被簡單當作ABF龍頭。

生成式AI落地至今，算力產業與企業應用端正經歷著一場明顯的割裂：算力晶片與大模型出貨資料一路看漲，但企業內部的財務帳本卻越來越難算。不少企業砸下重金採購算力、訓練模型，技術層面固然順利通過了結項驗收，可一回到真實的業務場景，期待中的變現邏輯和ROI卻始終無法兌現。 麥肯錫在《2025 State of AI report》裡披露過一組數字，全球僅有6%的企業能靠AI把息稅前利潤拉升5%以上。普華永道2026年針對全球CEO的調研同樣印證了這一現實：同時做到成本砍下且營收增長的企業，佔比不過12%。這種技術投入與商業兌現的嚴重脫節，正卡住企業的脖子，逼著行業從前幾年的盲目試錯轉向算帳與價值管控。 技術驗收合格，為什麼無法轉化為商業收益 技術研發跑通，離財務帳本上的盈利還差得很遠。研發團隊通常盯著演算法精度、處理體量這些硬性指標，並以此論斷項目大功告成。然而，真實業務前線的環境遠比實驗室粗糲。一套帳面上無懈可擊的系統，線上下實際運轉時，極易被各種突發的客訴糾紛、合規官司或高昂的人工維護成本死死卡住。到頭來，這些後續冒出來的真金白銀損耗，往往會把技術剛擠出來的紅利啃食得一乾二淨。

光不可擋，資本逐光。 “你應該站在光裡，不是光站在那裡。”這句調侃，如今已成二級市場的真理。 一級市場同樣繞不開“光”。 在最近的投中年會上，多位投資人表示正在密集關注光晶片項目，有的早已佈局，今年又再次出手。

韓國科技的核心變化不是“儲存漲價”這一條線，而是 AI 伺服器把儲存、被動元件、基板、鍵合裝置、測試、散熱和企業雲服務同時推向供給約束。定價分歧在於：這輪盈利能否從傳統周期峰值，轉化為 2027-2028 年可資本化的結構性現金流。 全文內容概括 韓國科技正在經歷一次從周期股到瓶頸資產的重新定價。儲存仍是主軸，SK 海力士、三星電子、美光、南亞科技、閃迪、鎧俠等公司共同驗證了 DRAM、HBM、NAND、eSSD 的供需緊張；但美銀這篇報告真正有價值的地方，不在於再次證明儲存漲價，而在於它把三星電機、LG Innotek、韓美半導體、ASMPT、三星 SDS、LG CNS、LG Electronics 這些“非儲存科技股”納入同一個 AI 供給約束框架。也就是說，韓國科技的交易對象正在從 HBM 龍頭擴散到 MLCC、FC-BGA、TCB 裝置、先進封裝測試、資料中心散熱、企業 AI 服務和控股公司折價修復。 本文的核心判斷是：韓國科技鏈條裡最值得重估的，不是所有 AI 概念公司，而是能夠把 2027-2030 年訂單時鐘、資本開支門票、客戶准入和毛利率台階同時講清楚的環節。第一層是記憶體，HBM 把先進 DRAM 產能吸走，傳統 DRAM 和 NAND 的價格彈性被放大；第二層是高端被動元件和基板，三星電機與 LG Innotek 的 MLCC/FC-BGA 產能更像“准記憶體資產”，缺口不是簡單擴產能填平；第三層是 TCB 和先進封裝測試，HBM4、ASIC 與 2.5D/3D 封裝提高了後道裝置和測試介面的價值；第四層是企業 AI 服務和散熱，韓國本土資料中心升級剛開始，三星 SDS、LG CNS 與 LG Electronics 代表的是 AI 基建從晶片採購走向持續營運。