黃仁勳大獲全勝嗎？彭博社一則突發消息在科技圈炸開鍋：美國國會最終決定不將限制AI晶片出口的《GAIN AI法案》納入2025財年的《國防授權法案》（NDAA）。這意味著這項對輝達、AMD等公司構成直接出口限制的法案在本次立法周期被擱置。同時也說明輝達CEO黃仁勳對華盛頓的遊說大獲全勝，那顆懸在中國AI企業頭頂的達摩克利斯之劍暫時移開了。從短期來看，這為輝達全球業務，尤其是中國市場贏得了寶貴的“緩衝空間”。但這並非皆大歡喜，這次法案擱置對部分美國大型科技公司並非好消息。以微軟、亞馬遜為代表的美國大客戶並不樂見這一結果，因為它們希望優先獲得晶片資源的願望落空了。這意味著，這場勝利主要屬於輝達自身，而非其所有美國大客戶。就在美國國會做出上述決定之際，此前白宮傳出正在權衡是否批准向中國出口H200晶片，目前仍需逐案審批。而且川普此前曾暗示，願意考慮允許出售降級版Blackwell晶片，但部分內閣成員對此持強烈反對態度。與此同時，白宮AI事務負責人David Sacks持續主張向中國出售更多美國晶片，以“鞏固美國在全球AI領域的技術主導地位”。因此，此次法案擱置，意味著輝達、AMD短期內避免了最嚴苛的“美國客戶絕對優先”法律約束。中國公司因此暫時避免了高端AI晶片供應進一步突然收緊的風險，為現有算力部署和研發規劃贏得了確定性更高的窗口期。但針對中國的現有出口管制，如對H100、H200晶片的限制仍然有效，且任何出口仍需“逐案審批”；也就是說供應狀態仍然沒有根本性的變化。具體來說，此次法案格局對不同賽道的廠商的影響如下：總而言之，短期或將有所緩和，而從長期來說依舊是“水火不相容”。儘管《全球人工智慧安全法案》未獲通過，但國會中的強硬派計畫推動另一項《安全可行出口法案》（SAFE Act），以固化現有AI晶片出口限制。這表明，圍繞高端技術出口的政治摩擦與不確定性將持續存在。那面對複雜局面，中國要如何應對呢？首先，就是放棄幻想，抓緊窗口實際，加速國產生態落地；產業界應積極響應“國貨國用”號召，大規模開展國產晶片與主流AI框架、大模型的適配與最佳化。通過真實的場景打磨，快速提升軟硬體整體成熟度。其次，要從推理場景、特定行業模型訓練等對生態依賴相對較低的環節開始替代，逐步向更核心的訓練場景滲透，建立使用者信心。最後，持續加大對先進計算架構，如Chiplet、存算一體、基礎軟體棧和半導體製造等“根技術”的長期投入。同時，關注全球AI治理動態，在合規前提下開展廣泛的國際合作。總之，此次事件只是漫長競賽中的一次節奏變化。對中國AI晶片產業來說，最寶貴的收穫不是外部壓力的暫時減輕，而是爭取到了加速解決自身生態建設這一關鍵問題的戰略時間。 能否利用好這個窗口期，決定了未來在更嚴峻挑戰下的生存與發展能力。 (飆叔科技洞察)

2025 年下半年，中國 AI 產業迎來里程碑式發展期。高盛最新發佈的《中國頂級 AI 應用追蹤報告》顯示，從技術突破到商業落地，從巨頭加碼到生態成型，中國 AI 正與全球玩家展開激烈角逐，同時催生多個高增長賽道。這份覆蓋 AI 模型、應用場景、資本動向的全景式報告，揭示了行業核心趨勢與投資機會。核心趨勢一：全球 AI 模型競速，中國玩家差距持續縮小全球 AI 模型進入 “迭代衝刺” 階段，美國模型暫時領跑但中國玩家緊追不捨。Google近期發佈的 Gemini 3 Pro 和 Nano Banana Pro 模型，在多模態能力上超越 OpenAI 的 GPT 5.1，登頂 AI 性能排行榜；Anthropic 推出的 Claude Opus 4.5 則在程式設計、智能代理等領域實現突破，拿下 SWE-benchmark 冠軍。不過中國模型的追趕速度同樣驚人。報告指出，美國頂尖模型發佈後，中國廠商通常能在 3-6 個月內縮小技術差距。小米 11 月推出的開源跨模態模型 MiMo-Embodied，融合自動駕駛與具身智能能力，可在動態物理環境中高效運行；騰訊同期發佈的 HunyuanVideo 1.5，僅需 83 億參數就能在消費級 GPU 上生成頂級畫質視訊，性價比優勢顯著。值得關注的是，中國模型形成了獨特競爭力：以開源、高速、低價為差異化優勢，80% 的 AI 初創企業都在使用中國開源模型。快手的 Kling 2.5 Turbo 視訊生成模型，價格比Google Veo 3 低 30%，性能卻不相上下，成為市場黑馬。核心趨勢二：To-C AI 應用爆發，下載量刷新紀錄中國網際網路巨頭集體發力 C 端 AI 產品，使用者增長曲線陡峭。阿里巴巴 11 月推出的 Qwen App，憑藉頂級閉源模型 Qwen3-Max，定位 “日常生產力助手 + 消費購物 + 本地生活”，上線首周下載量破 1000 萬，創造行業新紀錄；其旗下螞蟻集團的 LingGuang App，主打 AI 程式設計與 “閃應用” 搭建功能，6 天下載量達 200 萬，破圈速度超越 ChatGPT。騰訊則選擇場景嵌入策略，將 AI 助手 “元寶” 整合進微信支付，新增 AI 文案生成、菜單識別等功能，直接服務千萬級中小商戶。此外，阿里還正式推出 AI 眼鏡，深度聯動支付寶、淘寶等生態，支援即時翻譯、價格識別等高頻場景，打通 “硬體 + 軟體 + 服務” 閉環。目前中國 C 端 AI 應用仍以免費模式為主，商業化路徑逐步清晰。字節跳動的 Doubao 在聊天場景中融入抖音短影片內容，探索廣告變現；教育類 AI 應用表現突出，字節 Doubao Study 10 月 DAU 達 210 萬，同比暴漲 226%，成為國內第四大 AI 原生應用。核心趨勢三：To-B 需求激增，AI 基礎設施迎來擴容周期企業級 AI 需求的爆發式增長，正在推動基礎設施投資進入上行通道。報告預測，2026 年將成為中國 AI 資料中心需求拐點，晶片供應改善與 AI 驅動的基礎設施需求增長是核心驅動力。字節跳動火山引擎的 MaaS（模型即服務）業務已覆蓋 80% 的頭部快消品牌、90% 的主流車企、80% 的頭部券商、70% 的 985 高校，以及全球十大手機廠商中的 9 家，預計 2025 年營收將突破 200 億元，較去年翻倍。阿里在雙 11 期間大規模應用 AI 模型，其雲端運算業務三季度營收同比增長 34%，預計四季度增速將進一步提升至 38%。晶片供應格局出現新變化：美國擬允許輝達向中國出口 H200 晶片，其記憶體、頻寬、算力均遠超中國特供版 H20；同時中國政府要求國資背景資料中心優先使用國產晶片，倒逼行業形成 “多晶片方案”。高盛認為，這種多元化供應格局將釋放中國 AI 雲行業的增長潛力，行業敘事從 “依賴海外晶片” 轉向 “自主可控 + 全球協同”。核心趨勢四：巨頭戰略分化，估值優勢凸顯中國網際網路巨頭的 AI 戰略呈現鮮明差異：阿里聚焦 To-B 市場，憑藉全端 AI 能力領跑雲服務收入，三季度外部 AI 雲收入同比增長 29%，AI 相關收入佔外部營收比重達 20%，連續 9 個季度三位數增長；字節跳動則主攻 To-C 賽道，在 AI 聊天機器人和日均 Token 消耗上位居行業第一，10 月日均 Token 使用量達 30 兆，接近Google的 43 兆水平。資本支出方面，阿里表現最為激進，三季度資本開支同比大增 80% 至 320 億元，三年目標 4600 億元且可能上修；騰訊則因晶片供應波動下調全年資本開支目標，呈現 “差異化擴張” 格局。估值層面，騰訊和阿里當前的 2026 年預期市盈率分別為 21 倍和 23 倍，低於Google（24 倍）、微軟（28-30 倍）等全球同行，具備顯著估值優勢。高盛重點推薦三大細分賽道：遊戲（騰訊、網易）、出行（滴滴、滿幫集團）、雲與資料中心（阿里、萬國資料、世紀互聯），同時看好 PDD 在電商領域的 AI 應用潛力。其他網際網路賽道亮點：多領域 AI 滲透加速除了核心 AI 賽道，網際網路各細分領域的 AI 融合也成效顯著：電商：淘寶、京東 10 月使用者使用時長同比分別增長 11% 和 38%，即時零售和食品配送業務成為流量增長引擎；Temu 全球月活達 5.19 億，美國市場佔比提升至 16%。本地生活：高德地圖使用時長同比增長 32%，美團增長 9%，餓了麼商戶端應用使用時長暴漲 133%，補貼加碼與訂單增長驅動行業復甦。娛樂：抖音主 App 和極速版 10 月使用時長同比分別增長 21% 和 25%，快手則略有下滑；遊戲行業回暖，使用時長同比增長 12%，《王者榮耀》增長 11%。教育：線上教育 AI 化加速，作業幫、好未來的 AI 產品 DAU 均實現倍數級增長，字節海外教育產品 Gauth 月營收達 140 萬美元，創歷史新高。結語：AI 重構網際網路，把握三大投資主線高盛的報告清晰表明，AI 已從技術概念全面滲透到網際網路產業的各個角落，成為驅動增長的核心引擎。全球模型競速、C 端應用爆發、B 端需求擴容、巨頭戰略分化四大趨勢，將定義未來 1-3 年的行業格局。對於投資者而言，可重點把握三大主線：一是具備全端 AI 能力的科技巨頭，二是受益於基礎設施擴容的資料中心企業，三是在垂直領域實現 AI 深度融合的細分龍頭。隨著技術差距縮小、商業化落地加速，中國 AI 產業正迎來 “價值重估” 的黃金時期。 (每日上揚研報)

下周輝達將公佈第三季財報。這份業績報告很可能會決定，目前的市場陰雲是徹底消散，還是會持續更長時間。本周華爾街上空烏雲密佈——但似乎很快又煙消雲散。這顯示投資者還沒有準備好放棄這個異常堅韌的牛市。儘管周四市場大幅下挫，伴隨盤中劇烈波動，標準普500指數本周預計仍將上漲0.2%，距離歷史高點僅有2%的差距。納斯達克綜合指數本周一度連續三天下跌，但周五也出現反彈，預計本周僅微跌0.4%。道瓊斯工業平均指數表現最為強勁：這個藍籌股指數本周上漲0.5%，距離周三創下的歷史高點不到1個百分點。「逢低買入的心態依然存在，」百達資產管理公司（Pictet）首席策略師盧卡·保利尼（Luca Paolini）表示。 「許多投資者都錯過了這一輪上漲。」有大量資金正等待趁市場下跌時快速入場。這並非意味著市場毫無隱憂。近期支撐市場的兩大核心主線——AI領域的成長與聯準會的降息預期——本周均出現動搖。聯準會官員對12月是否有必要再次降息提出質疑，交易員目前認為降息機率僅約 50%。AI領域也浮現出一些麻煩訊號。資料中心營運商Coreweave周一透露，由於第三方開發商的供應鏈出現問題，該公司難以及時推進資料中心的建設。受此影響，其股價在隔日下跌了16%。如果人工智慧的發展速度放緩，而利率仍居高不下，市場面臨的兩大問題可能會相互加劇。一些建設資料中心的科技公司已經舉債融資來實現他們的目標，因此高企的利率將對這些債務造成更嚴重的衝擊。過去一周，負債較重的公司在市場拋售中受到的衝擊尤為明顯。其中跌幅最大的公司包括Coreweave和軟體巨頭甲骨文。市場擔心的是，如果AI泡沫破裂，債務到期，而AI工具又無法帶來足夠的現金流來償還債務，問題就會爆發。但多頭陣營指出，目前尚無泡沫破裂的跡象，大型科技公司的核心業務能創造充足現金流，足以支撐未來數年的資金需求。信託諮詢服務公司（ Truist Advisory Services）的首席投資官基思・勒納（ Keith Lerner）提到，儘管人工智慧相關支出居高不下，但過去三個月，分析師對科技公司明年盈利的預估值上調了9%，漲幅是標普500整體指數的兩倍。「每一輪多頭市場都會有一個主導主題，」勒納表示。 「本輪是AI和科技。在上漲行情中，領漲類股往往具有持續性。如果你相信牛市仍在延續，現在放棄科技股還為時過早。”這並不代表市場會一路高歌猛進。自4月以來，市場表現非常亮眼，標普500指數上漲了38%，半導體類股更是上漲超過120%。在這期間，標普500指數還沒有出現過5%或以上的回呼。而勒納指出，歷史上這種幅度的回呼平均每77天就會發生一次。下周輝達將公佈第三季財報。這份業績報告很可能會決定，目前的市場陰雲是徹底消散，還是會持續更長時間。 （Barrons巴倫）

導言：六個人、一次罕見同台與一個正在到來的現實2025年11月，因共同獲得“工程界諾獎”——伊麗莎白女王工程獎（QEPrize），Geoffrey Hinton、Yoshua Bengio、Yann LeCun、李飛飛、Jensen Huang（黃仁勳）與 Bill Dally 罕見同台，就“AGI是否已來、將以何種形態到來”展開圓桌對話。這場對話，其實像是一場跨越四十年的“接力賽”。六位嘉賓分別代表著人工智慧發展的不同階段和方向——Hinton、Bengio 和 LeCun 推動了演算法和模型的突破；李飛飛利用大量資料讓機器第一次真正“看懂世界”；而黃仁勳與 Dally 則用算力和工程把這些想法變成可以運行的現實。當這三股力量——演算法、資料與算力——首次在同一個舞台上匯聚時，我們看到的正是AI發展的全貌：從“讓機器學會說話”到“讓機器能動起來、能做事”，一個全新的階段正在被清晰地描繪出來。一、三場核心爭論：時間表、範式與目標1）AGI是時點還是處理程序？Yann LeCun強調“AGI不會以奇點事件出現，而是一個在各領域漸進擴展的過程”，並再次提醒：當下系統距離“像貓一樣聰明的機器人”仍有顯著差距，這背後是對物理世界理解與行動能力的不足。與此形成對照，Geoffrey Hinton給出“二十年內機器在辯論中穩定勝出人類”的量化判斷，把“可辯駁、可度量”的能力描述為可看見的現實進度。Yoshua Bengio則主張“方法論不可知論”：趨勢可把握，具體時間難斷；他將重心轉向安全與治理，強調應以系統性方式追蹤能力、風險與應對。Jensen Huang乾脆繞開“那一年”的提問，直接落到產業現實——“我們已經在用足夠通用的智能做真實工作”，這是一種把“智能”當作生產要素的敘事。2）範式之爭：從大語言模型到“世界模型”與具身智能LeCun對現有LLM範式的邊界保持冷靜：它擅長語言操控，不等於“會理解和在世界中行動”的智能；繼續前行還需要讓機器習得對世界的內隱表徵與因果物理。  李飛飛提醒“別被會說話的機器迷住”：空間感知、方向感與動手能力是人類智能的底層支點，AI必須補上“看懂—定位—行動”的鏈路，範式正在從“語言大師”轉向“行動智能體”。3）目標之爭：替代還是增能？輝達首席科學家 Bill Dally 明確主張“賦能而非替代”：讓AI去覆蓋人類不擅長的超大類目識別與複雜計算，人類則把精力釋放到創造、共情與協作。二、四個跨派系共識：為什麼“下一幕”幾乎可以確定共識一：工程擴展有效，計算與系統化才是主航道。  Huang與Dally的敘事都指向“工程外推”：當演算法能在一個GPU上平行，就能在多個GPU、多個系統乃至資料中心以模組化方式擴展；這把“能否落地”的問題轉化為“如何擴容”的問題。共識二：資料即地基，指標與標註改變範式的軌跡。  ImageNet 的建構讓“看見世界”的能力真正規模化，資料與標準把“論文進步”轉化為“產業可用”。這也是當下 Scaling Law 得以長期奏效的原因之一。共識三：學習方式回到“自我組織”。  LeCun與Hinton長期辯論的迴環，最終在“自監督學習/世界建模”上會合：少些人工規則、多些從環境中學習的能力，讓模型用更低成本積累正確的經驗。共識四：智能體化與“AI工廠”，把AI從工具變成生產系統。  從“對話介面”走向“會執行任務的系統”，再通過“AI工廠”把智能以接近即時的方式持續產出，這是把軟體與算力、資料、流程統一在一條價值鏈上的思路。三、從“會說話”到“會做事”：智能體與具身智能的產業意義為什麼必須跨過“行動的門檻”？ 因為真實業務流程是時空連續的：它不是只要回答，還要觀察、規劃、呼叫工具、完成反饋閉環。只有當模型具備空間理解與行動控制的能力，AI才能從“回答一段話”升級為“完成一件事”。這正是李飛飛所強調的空間智能與LeCun所強調的物理世界建模在產業上的交叉點。為什麼這一步現在可行？  一是工程可擴容：訓練—部署的流程日益成熟；二是資料可結構化：多模態感測把“世界狀態”轉為“可被模型消費”的資料；三是算力可負擔：注意力等關鍵算子持續被最佳化，單位能力的計算成本在下降，打開了更多曾因成本過高無法落地的場景。四、從“會說話”到“會做事”：AI的產業路線圖AI 正在經歷一次真正的轉折。過去幾年，我們關注的是“模型能不能說得更像人”，而接下來兩年，焦點會變成“它能不能幫人把事做成”。這一變化並不抽象，它已經在技術、組織和投資三個層面發生。A. 技術層面：從模型變成系統第一步，是讓模型從“語言高手”變成“全能選手”。未來的基礎模型不再只是理解文字，它還要能看懂圖像、理解視訊、聽懂語音，甚至能操作外部工具。也就是說，它需要“會看、會聽、會動”，而不僅是“會說”。第二步，是讓這些能力能被有效組織起來。AI 不再是單個模型在工作，而是許多“智能體”協同完成一件任務。它們會自動拆分任務、規劃執行步驟、呼叫不同工具，然後在遇到錯誤時自己重試或請求人類協助。這相當於給 AI 裝上了“大腦 + 手腳 + 執行流程”的系統結構。第三步，是讓 AI 真正理解和測試真實世界的運作方式。要做到這一點，企業需要建立“數字孿生”環境，也就是現實世界的模擬。AI 可以先在這個虛擬世界裡試錯、規劃、最佳化，再把方案應用到真實業務中，這樣既安全又高效。最後一步，是把這一切做成標準化的“AI 工廠”。它的核心理念是：AI 不再是一種單一產品，而是一條持續運轉的生產線。每個環節——算力、資料、模型、任務調度、部署與監控——都像工業流水線一樣被統一管理和最佳化。B. 組織層面：讓 AI 真正進入流程中間很多企業今天把 AI 放在“輔助工具”的位置，比如一個聊天機器人或推薦演算法。但真正的機會在於讓 AI 直接承擔流程的一部分。比如在客服流程中，AI 不只是回答問題，而是能直接完成退貨、開票、通知客戶等動作；在供應鏈場景中，它不只是提供分析，而是直接參與排期與調度決策。因此，企業需要重新設計組織流程：首先，把任務拆分，明確那部分由人負責，那部分由 AI 負責。其次，AI 的目標不應只是“回答正確”，而應該是“把任務完成”，並以“成功率”“一次通過率”“節省的人力小時數”等指標來衡量。最後，AI 也需要被“治理”——就像任何一條生產線一樣，必須有版本管理、灰度上線、回滾機制和風險監控。C. 投資與產品機會：新的增長點正在浮現多模態智能體：具備“讀、看、聽、說、做”的能力的 AI，將在更多行業中登場，比如企業自動化營運、財務風控、法律文件、醫療質控、客服外呼等。AI 工廠底座：提供算力最佳化、模型訓練、資料治理、安全與合規服務的底層基礎設施，會成為下一個“雲端運算”賽道。行業作業系統：未來的行業軟體，不只是一個系統或APP，而是一套能快速配置的 AI 流程範本。它能讓中小企業像搭積木一樣，把自己的業務快速“AI 化”。通俗一點說，這張路線圖的核心就是：從“讓機器會說話”，到“讓機器幫我們把事完成”；  從“模型輸出一句話”，到“智能體執行一個閉環任務”；  從“AI 是助手”，到“AI 是流程的一部分”；  從“實驗室技術”，到“工廠化生產系統”。這是AI產業真正走向成熟的標誌，也意味著新一輪的技術與商業融合正在展開。結語：AI的未來，不在奇點，而在持續進化這場關於AI未來的對話，真正重要的不是誰更接近“通用智能”的終點，而是誰更理解“智能”的路徑。Hinton、LeCun、Bengio、李飛飛、黃仁勳、Dally 六人代表著AI發展中最關鍵的三個力量：理論、資料與工程。當這三股力量匯聚到一起時，我們看到的不是科幻的爆發點，而是一條極具現實性的增長曲線——它正在從“語言”走向“行動”，從“模型”走向“系統”，從“智能”走向“生產力”。AI 的未來，不會像閃電一樣突然降臨，而會像城市的燈光那樣，一盞盞被點亮。每一個新的模型、每一條新的資料流水線、每一家敢於將 AI 引入核心業務的企業，都是這片夜色中被點亮的窗口。當我們從“會說話”邁向“會做事”，當AI開始承擔起實際的任務、協同與創造，我們才真正進入了“後語言時代”的人工智慧階段。那時，AI 不再只是聰明的回答者，而是可靠的行動者；它不是替代人類，而是擴展人類的能力邊界。而這，也許才是所有人工智慧先驅們真正想看到的未來。 (AI Xploring)

當身著標誌性皮夾克的黃仁勳，站在美國政治心臟華盛頓特區的GTC舞台上時，空氣中瀰漫著強烈的時代感，這註定是一場與眾不同的技術發佈會。黃仁勳的演講資訊量依舊爆炸，他用極具說服力的邏輯，將晶片、軟體、機器人、工廠乃至國家戰略，串聯成一個即將徹底顛覆我們生活、工作和整個社會的未來。我們看了近2個小時的視訊，為你提煉出了其中與我們每個普通人最息息相關的10個核心趨勢，希望你我都能更好地理解我們正在進入一個怎樣的新時代。01. 摩爾定律終結新計算範式誕生“加速計算”是唯一答案。幾十年來，我們享受著科技進步的紅利，其背後都遵循著“摩爾定律”。但黃仁勳再次以不容置疑的口吻宣告：“那個時刻現在已經到來……德納德縮放（Dennard Scaling）在近十年前就已經停止了。”也就是說，單純依靠縮小電晶體來提升計算性能的老路已經走到物理極限。然而，我們對計算能力的需求卻在以指數級增長，怎麼辦？輝達過去三十年給出的答案，如今已成為行業唯一的答案：“加速計算” (Accelerated Computing)。簡單來說，就是將CPU的“智慧”與GPU的“力量”完美結合，讓它們各司其職。而將這一切粘合在一起的，是輝達耗費數十年心血打造的CUDA軟體平台——這才是輝達真正的、深不可測的護城河(deep moat)。這對普通人意味著什麼？這是一個計算平台的根本性轉變。你未來所感受到的AI能力每一次質的飛躍，其背後可能都是“加速計算”在提供源源不斷的動力。02. 新範式的引擎巨型AI機架那麼，輝達如何將“加速計算”這個宏大構想變為現實？答案是：不再只賣晶片，而是直接交付一台完整的“AI超級電腦”。黃仁勳在舞台上展示的那個巨大機架（以Grace Blackwell NVL72系統為例），就是這一思想的終極體現。它不像以往一樣，買的是一個簡單的伺服器櫃，而是一台被極致協同設計、作為一個單一巨型GPU運行的“AI工廠”基本單元。其核心是72個Blackwell GPU引擎群，由專門為其高速“投喂”資料的Grace CPU進行調度，並通過獨家NVLink技術實現近乎零延遲的資料交換，整個系統採用100%液冷。這個“即插即用”的龐然大物，能將生成Token的成本和能耗降低到原來的十分之一。黃仁勳更是在現場直接展示了下一代平台“Rubin”的實體機架，並承諾保持“一年一代”的驚人迭代速度。這對普通人意味著什麼？AI的能力正在以遠超想像的速度持續指數級增長，而成本則持續指數級下降。這正是AI革命得以持續、並最終普及到每個角落的經濟學基礎。03. AI從工具走向工人這是一場深刻的生產力革命，也是整場演講中最具顛覆性的觀點之一。過去，我們認為軟體是工具，比如Word、Excel，它們需要人來操作才能產生價值。但黃仁勳說：“AI不是工具，AI就是工作（AI is work）。這就是深刻的區別。”他舉例說，一輛自動駕駛計程車，它的“工具”是汽車，但車裡的“AI司機”本身就是在“工作”。一個AI程式碼助手，它的“工具”是程式設計軟體，但它扮演的是一個“程式設計師夥伴”的角色，它在“工作”。這對普通人意味著什麼？這是一個深刻的思維轉變。我們第一次創造出一種能夠自主“使用工具”來完成任務的技術。這將極大地增強人類的勞動力，解決全球勞動力短缺的問題。AI將成為我們的研究助理、設計師夥伴、私人醫生顧問……它們將與全球價值100兆美元的經濟實體直接互動，使其更高效。你的工作不會被AI“取代”，而是會被與AI協作的新模式所“升級”。04. AI工廠的誕生像生產電力一樣生產智能如果AI是工人，那麼這些工人從那裡來？答案是 “AI工廠” (AI Factory)。這是一種全新的資料中心概念。過去的資料中心像一個倉庫，儲存檔案、運行各種程序。而AI工廠的目標只有一個：生產“智能”。它的輸入是資料和能源，輸出則是被稱為“Token”（令牌）的智能單位。無論是語言、圖像、化學分子還是機器人動作，都可以被“Token化”，成為AI學習和生成的內容。這個工廠需要以驚人的速度、儘可能低的成本，生產出儘可能有價值（聰明）的Token。這對普通人意味著什麼？“智能”正在成為一種像電力和水一樣的基礎資源，可以被大規模生產和輸送。這意味著未來獲取高級智能服務的成本將越來越低，速度越來越快。你向AI提問，它能秒回；你需要設計方案，它能瞬間生成。一個前所未有的新產業正在形成，它將重塑全球的能源結構和基礎設施佈局。05. 數字孿生在虛擬世界中建構及預演未來黃仁勳用大量篇幅展示了Omniverse 和 “數字孿生”（Digital Twin）的概念。簡單來說，就是為現實世界中的一切——一座工廠、一個機器人——在虛擬世界中建立一個一模一樣的、遵循物理規律的數字複製。為此，輝達推出了Omniverse DSX，一個用於設計、規劃和營運吉瓦級AI工廠的藍圖。在實體工廠動工前，工程師們就能在虛擬世界裡完成所有設計、佈局、最佳化，甚至連裡面的機器人都在這個虛擬工廠裡接受了千百萬次的訓練。這對普通人意味著什麼？這是一個訓練AI的“元宇宙”。現實世界中訓練機器人的成本高、風險大、速度慢，但在數字孿生世界裡，AI可以在安全的虛擬環境中，以千萬倍的速度學習和迭代，直到“畢業”後再部署到現實世界。我們看到的那些聰明的機器人、自動駕駛汽車，其背後都有一個強大的數字孿生“模擬器”。06. 物理AI浪潮機器人的世界語言AI（如ChatGPT）之後，下一個浪潮是 “物理AI”（Physical AI）——能夠理解物理定律、與現實世界互動的AI。簡而言之，就是機器人。黃仁勳展示了與迪士尼研究院合作的、能夠學習與人進行溫暖互動的可愛機器人 “Disney Blue”，並強調“這很可能成為最大的消費電子市場之一”。同時，他也提到了與Figure等頂尖人形機器人公司的深度合作。這對普通人意味著什麼？科幻電影中的場景正在加速成為現實。機器人將走出工廠，進入倉庫、醫院、家庭，從事物流、護理、陪伴等工作。它們不再是預設程序的機器，而是具備學習和適應能力的“智能體”，這將是繼個人電腦、智慧型手機之後，又一個巨大的消費市場。07. 自動駕駛拐點已至AI司機上線有輪子的機器人——自動駕駛汽車，正迎來真正的商業化拐點。輝達推出了名為 Drive Hyperion 的標準化汽車平台，它整合了完整的感測器套件和強大的計算單元。最重磅的是，黃仁勳正式宣佈了與Uber建立合作關係，共同將這些搭載輝達技術的自動駕駛汽車連接成一個全球網路。“在未來，你將能夠呼叫其中一輛汽車。”這對普通人意味著什麼？自動駕駛計程車（Robotaxi）的規模化將大大提速。未來幾年，你在城市裡用手機叫車，派單來的可能就是一輛沒有司機的汽車，這將徹底改變我們的出行方式和城市交通格局。08. 進軍6G重塑下一代通訊我們每天都在使用5G網路，而下一代6G已經在地平線上。黃仁勳投下了一顆重磅炸彈：宣佈與全球第二大電信裝置製造商諾基亞（Nokia）建立大型合作夥伴關係，並行布了全新的 NVIDIA ARC 平台。未來的基站會是一個由軟體定義的、可程式設計的邊緣AI電腦。它不僅能利用AI大幅提升頻譜效率（用更少的能源傳輸更多資料），還能在網路的邊緣直接運行各種AI應用，比如工業機器人云服務。這對普通人意味著什麼？你的手機上網速度將再次飛躍，網路延遲更低。更重要的是，網路本身將變得“智能”，能夠即時感知環境並自我最佳化。AI計算將無處不在，離我們更近，為更多需要即時響應的應用（如自動駕駛、遠端手術）提供了可能。09. 美國製造回歸AI時代的再工業化這場在華盛頓特區的演講，充滿了強烈的“美國製造”色彩。黃仁勳在視訊和演講中多次強調，Blackwell晶片及其複雜的系統正在亞利桑那州、德克薩斯州、加州等地全面生產。“AI時代重新點燃了美國重返製造和再工業化的浪潮。”這對普通人意味著什麼？這可能會重塑全球產業格局。AI作為新一代的關鍵基礎設施，其供應鏈的佈局深刻影響著國家經濟安全和就業。這預示著未來全球高科技產業的競爭，將不僅僅是技術之爭，更是涵蓋了製造、能源和人才的全方位競賽。10. 開源AI 讓人人都用上AI除了與巨頭合作，黃仁勳特別強調了“開源AI模型”的重要性。輝達正在大力投入，貢獻了大量領先的開源模型。他直言：“我們致力於技術開源，原因是科學需要它，研究人員需要它，創業公司需要它，企業也需要它。”這對普通人意味著什麼？開源意味著AI技術的民主化。它能激發海量的創新，讓更多中小企業和個人開發者參與到這場AI浪潮中，而不是被少數幾個科技巨頭壟斷。我們將看到更多垂直、細分、有趣的AI應用誕生，最終惠及每一個普通人。黃仁勳的這場華盛頓演講，描繪了一個正在被AI重塑的世界，以及兩個根本性的平台轉型——“從通用計算到加速計算”和“從手寫軟體到人工智慧”——正同時發生，其產生的能量是空前的。對於我們每個普通人來說，這既是挑戰，更是機遇。理解這些趨勢，擁抱這些變化，我們普通人以及我們的國家才能在這場由AI引領的新工業革命浪潮中，更好地航行。 (芯師爺)

2016年，當DeepMind的AlphaGo擊敗圍棋世界冠軍李世石時，很少有人意識到，那不僅僅是演算法的勝利，而是一場全新時代的開啟。誰又能想到，如今人工智慧會發展如此迅猛，並帶來巨大的變革。最近，紅杉美國合夥人Konstantine Buhler在最新的《The $10 Trillion AI Revolution》分享中直言：人工智慧革命，將是一場不亞於甚至超過“工業革命”的變革。並且他們預計，這場變革將釋放10兆美元的巨大價值，而目前僅有200億美元的服務業被AI改造——這意味著還有99.8%的市場等待挖掘。紅杉資本作為全球最頂尖的投資機構，公開了未來12-18個月的五大重點投資方向，這些領域可能將決定AI產業的發展格局......從蒸汽機到AI工廠的認知革命回顧工業革命，三個關鍵節點勾勒出技術革命的典型路徑：蒸汽機發明（1765年）、第一個現代工廠系統誕生（1832年）和流水線形成（1876年）。這一處理程序耗時逾百年。但從第一台蒸汽機到第一座工廠，花了67年時間；從第一座工廠到流水線，又花了144年。紅杉在報告中指出，為什麼需要這麼長時間？答案在於專業化的必然要求。任何複雜系統發展到一定規模後，都必須將通用元件與高度專業化的元件相結合。工業革命的本質，就是將蒸汽機這一通用技術進行專業化改造，適應特定行業的生產需求。如今，歷史正在重演。1999年輝達發佈的第一塊GPU GeForce 256堪稱這個時代的“蒸汽機”，而2016年出現的第一個AI工廠（彙集演算法、算力與資料）則相當於第一個現代工廠系統。紅杉預測：知識工作者的算力消耗將增長10-10000倍，這將為那些致力於AI專業化應用的創業公司創造巨大機會。兆市場：服務業AI化的巨大機遇紅杉在報告中展示了一張罕見的圖表，按市場潛力對美國服務業崗位進行了排序。資料顯示，美國服務業市場規模高達10兆美元，但目前只有約200億美元被AI自動化。這可是一個“10的13次方”等級的巨大機會，紅杉表示，我們不僅要擴大AI在現有市場中的份額，更要將整個蛋糕做得更大。這一趨勢類似於雲端運算發展初期。當時，SaaS（軟體即服務）僅佔3500億美元軟體市場的60億美元份額。如今，SaaS不僅奪取了本地部署軟體的市場份額，更將整個軟體市場規模擴大到超過6500億美元。紅杉已經在多個服務業領域佈局：醫療健康領域投資了Open Evidence和Freed軟體開發領域佈局了Factory和Reflection法律服務領域押注了Harvey、Crosby和Finch其創始人唐·瓦倫丁始終強調市場的決定性作用，”紅杉在報告中提到，認知革命將拓展市場邊界，在服務業領域催生出眾多以AI為核心的大型獨立上市公司。五大趨勢：AI產業化的明顯訊號在紅杉看來，五個明顯趨勢正在AI領域形成，標誌著這項技術正從實驗室走向產業化。01 槓桿優於確定性工作範式正在根本性轉變：從過去對任務槓桿作用極小但對結果有100%確定性，轉變為對任務擁有超百倍槓桿但對結果形態不完全預知。想像一位銷售人員不再親自管理所有客戶帳戶，而是為每個客戶配備一個AI Agent，自動追蹤進展、洞察變化並提示互動機會。雖然AI可能會犯錯，需要人工干預，但這種模式下槓桿效應達到百倍甚至千倍等級。02 真實世界的驗證長期以來，AI領域依賴學術基準評估模型性能。ImageNet曾是電腦視覺研究的黃金標準。但現在，真正的驗證必須來自真實世界。Expo公司為了證明自己是全球最強AI駭客，沒有停留在學術基準上，而是直接進入HackerOne平台與全球註冊駭客同場競技，最終證明了自己的實力。紅杉強調，基於真實世界資料的衡量，才是新的黃金標準。03 強化學習落地應用強化學習技術討論已久，但在過去一年才真正走向產業應用核心。不僅大型推理實驗室從中受益，許多創業公司也借此突破技術瓶頸。Reflection公司就利用強化學習來訓練卓越的開源編碼模型，取得了顯著進展。04 AI融入物理世界“AI進入物理世界”正在超越概念階段，成為現實。這不僅限於人形機器人，還包括利用AI創造流程和硬體的新型公司。Nominal公司利用AI加速硬體製造過程，並在產品部署後繼續使用AI進行質量保證，展示了AI在物理世界的多種應用可能。05 計算成為新生產函數“計算”已成為新的生產力衡量標準，具體指標是每位知識工作者的浮點運算次數（FLOPS）。根據紅杉對被投公司的調研，他們普遍預測**每位知識工作者的算力消耗至少將增加10倍。在更樂觀的願景中，可能增長一千倍甚至一萬倍——這意味著未來知識工作者可能同時使用數百甚至數千個AI Agent協同工作。未來一年：紅杉重點佈局的五大方向基於上述趨勢，紅杉確定了未來12-18個月重點關注的五個投資主題。方向一：持久記憶——AI的能力盲點持久記憶至少包含兩層含義：長期記憶（讓AI記住上下文資訊）和AI身份持久性（保持獨特個性和風格）。目前，儘管有向量資料庫、檢索增強生成（RAG）等技術嘗試，持久記憶問題仍未被徹底解決。就像早期網際網路沒有搜尋引擎一樣，AI需要自己的“Google”來管理和檢索記憶。紅杉認為，誰能解決記憶問題，誰就能掌握AI Agent大規模應用的鑰匙。這也正是紅熊AI持續深耕記憶科學技術的原因。方向二：無縫通訊協議——AI世界的TCP/IP回想網際網路革命，TCP/IP協議不是終點而是發令槍。AI時代同樣需要標準化通訊協議，實現不同AI Agent間的無縫協作。未來，你可能只需向自己的AI Agent下達指令，它便會自動與其他商家的Agents詢價、比價甚至完成支付。這將重構現有商業模式，削弱那些依靠簡化使用者操作建立護城河的平台的優勢。方向三：AI語音——已經成熟的技術紅杉認為，AI視訊可能還需一年成熟，但AI語音的時代已經到來。兩個關鍵指標的突破證明了這一點：保真度（語音質量達專業水準）和延遲（低至支援即時對話）。AI語音的應用前景廣闊，從AI朋友、伴侶到治療師等消費者應用，再到企業端的物流協調、場外交易等場景，都有巨大潛力。方向四：AI安全——全鏈條防護需求AI安全領域存在巨大機會，貫穿從開發層到消費者的全鏈條。開發層需要幫助AI實驗室安全開發技術；分發層要確保技術安全傳播，模型不被篡改；使用者層要確保消費者不會無意中引入漏洞。與物理世界不同，數字世界的安全防護不受空間與成本限制，未來可以為每個人、每個Agent配備成百上千個AI安全Agent，建構立體化防護體系。方向五：開源AI——自由競爭的關鍵開源AI正處在關鍵十字路口。兩年前，開源模型還無法與最先進閉源模型競爭，但今天這一判斷正面臨嚴峻挑戰。紅杉堅信，開源能夠參與競爭並提供一些最頂尖的基礎模型，這對於一個更自由、開放，讓任何人都能創造的未來是必不可少的。寫在最後，百年征程壓縮至數年如果這些投資主題都能取得突破，將會發生什麼？紅杉相信，這些進展將凝聚成一股強大力量，將工業革命時期通往“流水線”所需的百年漫漫長路，壓縮至短短數年。我們正處在一場深刻的“認知革命”的重要發展階段，這不僅關乎技術進步，更關乎人類思維和工作方式的根本變革。農業革命改變了我們與土地的關係，工業革命改變了我們與物體的關係，而認知革命，正在改變我們與思想的關係——這才是真正前所未有的變革。未來，對於創業者、投資者和普通人來說，理解這些變化並主動參與其中，可能是這個時代最大的機遇。 (紅熊AI)

摩根士丹利傳奇分析師Mary Meeker近期發佈了340頁的《AI趨勢報告》，被矽谷譽為“AI時代藏寶圖”，以下是播客與文字精華內容分享01. AI趨勢報告深度解析報告背景與權威性摩根士丹利傳奇分析師Mary Meeker發佈340頁《AI趨勢報告》；這是她沉寂六年後的重磅研究成果。該報告被矽谷譽為“AI時代藏寶圖”，曾精準預言網際網路、移動社交、亞馬遜崛起等關鍵趨勢，馬雲稱其報告為“最重要的情報來源之一”。核心趨勢解讀⬇️⬇️趨勢1：ChatGPT標誌物種級躍遷資料亮點：ChatGPT 17個月使用者即刻破8億，兩年觸達3650億次年搜尋量（Google耗時11年才達到的5.5倍）；顛覆性意義：歷史上首個因“生產力工具”屬性（非娛樂/社交）獲海量使用者的應用，80%呼叫用於寫程式碼、改文案、財務建模等實際工作；本質：人類對“能力增強”的渴望超越娛樂需求，預示“認知能力外包”成為新常態。趨勢2：極端成本分層重構遊戲規則訓練成本：GPT-4訓練需數億美元，僅微軟、Google等巨頭可承擔；使用成本：推理成本較2020年下降超90%，邊緣裝置部署使呼叫趨近免費。啟示：工業革命對比：19世紀需鋼鐵廠、20世紀需晶片廠，如今僅需API Key即可接入頂級智能體；機會窗口：技術分層下，中小企業可低成本呼叫AI，但多數企業仍處觀望狀態。趨勢3：開源模型逼近GPT-4能力邊界代表模型：DeepSeek、Llama 3、千問等開源模型性能接近GPT-4，且完全免費；落地場景：企業可用數千元預算訓練專屬AI（如客服、財務顧問），10天“喂養”出業務專家；即插即用平台（如Perplexity）降低部署門檻，實現“美團式一鍵上線”。趨勢4：新物種企業搶佔生態位案例：Spotify：AI翻譯播客覆蓋29種語言，轉型為“AI內容分發網路”；餐飲企業：AI調度庫存/排班，節省數十億美元營運成本，本質是“AI營運網路”；關鍵區別：非“舊業務+AI工具”，而是徹底重構為AI原生組織。趨勢5：AI架構師成為新時代統治者階層分化：AI消費者：僅會使用ChatGPT的普通使用者；AI統治者：能建構AI系統、調度多模型、設計閉環流程的架構師，應當具備四項核心能力：—— 業務抽象能力—— 多模型調度能力—— 資料治理能力—— 系統閉環思維趨勢6：AI吞噬組織結構而非崗位案例：摩根大通：AI將8層審批流程簡化為“AI篩+人類判例”，效率提升10倍；醫療場景：AI生成電子病歷，醫生產能提升2-3倍。組織重構：傳統架構：老闆→部門→員工；AI時代架構：流程AI為核心，人類按需補位（員工如API介面被呼叫）~行動建議企業：從“AI工具使用者”進化為“AI原生物種”，重構流程而非最佳化舊業務；優先培養/招募AI架構師，建構資料→決策→執行的閉環系統。個人：從“崗位思維”轉向“介面能力”，聚焦不可替代的認知價值；警惕“被系統冗餘”，主動成為AI流程中的關鍵節點；未來已來：這場變革非工具升級，而是組織形態與人類能力的範式轉移。02. 部分匯報的資料與評價情況AI發展速度“前所未有”（Unprecedented）報告以 “Unprecedented” 貫穿始終，強調AI在使用者增長資本投入技術迭代速度上均超越歷史任何技術浪潮 。核心趨勢與洞察1. 使用者與滲透率：指數級爆發ChatGPT 僅用 2個月 達成1億使用者，17個月 突破8億周活使用者（WAU），增速超Netflix（10年）Instagram（2.5年）；中國 DeepSeek 上線 4個月 使用者達 5400萬，34%來自中國，9%來自俄羅斯；美國企業AI滲透率 Q1環比增長21%，AI相關職位增長 448%（非AI職位下降9%）。2. 算力成本：訓練天價 vs 推理成本驟降訓練成本：2016–2024年增長 2400倍，頂尖模型訓練成本 2025年或達10億美元；推理成本：NVIDIA Blackwell GPU 推理效率較2014年提升 105,000倍，推動開發者生態爆發；開源模型激增：Hugging Face 模型數量 16個月增長33倍。3. 商業化路徑：從工具收費到“嵌入式智能”AI醫療裝置（如FDA認證產品）即時定價最佳化等垂直領域率先變現；開源模型衝擊商業壁壘：開發者分散使用多平台（OpenAIAnthropicMeta等），形成“開發者主導的基礎設施飛輪”；AI縮短醫療研發周期 30%-80%（如Insilico Medicine藥物研發）。——————————————————————————#物理世界融合：AI成為“數字大腦”礦業：KoBold Metals 用AI提升勘探效率；農業：Carbon Robotics除草機器人減少10萬加侖除草劑使用；國防：Anduril收入連續兩年翻倍；自動駕駛：特斯拉FSD行駛里程 33個月增長100倍。#開發者生態：全民化與高活躍度AI工具採用率從2023年 44% 升至2024年 63%；GitHub AI開放原始碼專案 16個月增長175% ；Google開發者月處理Token量 1年內增長50倍（9.7兆→480兆）。#地緣競爭：中美雙極格局美國：領先模型創新晶片設計雲端運算 ；中國：國家隊與科技巨頭協同推進，開源生態基建投入使用者信心度全球領先 ；引用Meta CTO觀點：“AI領導力或催生地緣政治領導地位” 。 (毓加有為)

2025年下半年科技行業展望人工智慧領域預計將在未來幾年內繼續快速增長，主要驅動力來自於計算能力的提升和演算法的最佳化。雲端運算市場將持續擴張，尤其是在企業數位化轉型加速的背景下，更多的公司正在將業務遷移到雲端以提高效率並降低成本。儲存器行業的增長將受到資料中心需求增加和技術升級的推動，同時，電子元件與半導體裝置的需求也將隨著全球5G網路部署和物聯網裝置普及而上升。市場動態顯示，當前的科技行業正處於一個由政策、經濟環境以及技術創新共同塑造的時期。美國與中國之間的貿易關係對科技行業的短期表現影響顯著，儘管存在不確定性，但市場普遍預期雙方能夠達成協議以緩解緊張局勢。此外，利率下調的預期進一步增強了投資者對科技股的信心。科技與AI趨勢及市場展望需求高峰出現在11月和12月，導致需求提前釋放。共識認為，市場可能在8月至10月期間進入低谷期。然而，亞洲科技行業的大毛利潤來自區域內的大型股票和人工智慧相關企業，這些公司在高通膨環境下表現出較強的韌性。儘管關稅對某些公司造成一定影響，但尚未改變整體科技行業的發展趨勢。半導體行業及相關領域（如國防、公用事業、電力、工業等）自低谷以來表現良好，預計2026年將成為人工智慧投資見效的年份，屆時相關投資將開始正面影響公司利潤率。市場對短期內軟性關稅的影響持樂觀態度，並期待人工智慧投資對收益產生積極影響。2025年可能因關稅問題表現稍差，但投資者傾向於逢低買入，因為人工智慧驅動的生產力提升前景推動了半導體股票的表現。Google等公司報告稱，人工智慧相關技術進展顯著（例如，令牌處理速度提升5倍），進一步增強了市場信心。目前納斯達克指數距離歷史高點僅3%左右，一旦突破，可能會引發更多資金流入。市場可能逐漸轉向一些滯後的價值型科技股。AI需求驅動下的市場動態與技術趨勢AI需求的轉變正在重新定義市場格局。訓練需求在過去九個月內逐漸減弱，導致相關股票大幅下跌，例如NVIDIA下跌44%，TSMC（台積電）下跌33%。然而，推理需求的興起成為市場復甦的驅動力。在DRAM周期中，儘管距離峰值仍有差距，但市場可能已在4月左右定價了完整的下行周期，並逐步走出低谷。第三季度合同價格表現優於預期，預計增長約3%，主要得益於DDR4對出貨量和加權平均售價的影響。然而，隨著年底及明年到來，三星平台的恢復將帶來HBM晶圓產量的增加，其當前每季度消耗約10億美元用於DRAM生產，但這一趨勢不會持續至下半年。與此同時，出貨量預測從年中預期的中位數調整為5%，並在年底前回升至10%以上，以滿足供應需求。此外，關稅等宏觀因素將繼續影響整體需求。對於台積電而言，儘管AI需求強勁且庫存修正擔憂有所緩解，但股價未能回到前期高點。主要原因包括美元升值80個基點帶來的利潤率下降壓力。台積電財務與技術展望：匯率影響、2nm技術需求及市場估值台積電的財務表現受到兩方面因素的影響：一是匯率波動，美元升值80個基點對毛利率產生負面影響；二是非AI相關需求疲軟，引發對其2026年整體增長率的擔憂。具體而言，每1%的美元升值會導致台積電約45個基點的毛利率下降。以下半年為例，原本預期的58%毛利率需調整至55%。然而，美元升值也帶來資金流入，歷史資料顯示，當美元升值時，台積電的市盈率倍數通常會擴大。因此，儘管存在每股收益下調的情況，但可通過更高的市盈率倍數維持目標股價不變。此外，預計明年台積電將有機會上調晶圓價格，漲幅可能在3%到5%之間，這將有助於提升毛利率約1%至2%。基於此，台積電有望在明年保持超過53%的毛利率，合理區間為55%至56%。技術層面，2nm工藝將成為重要增長驅動力，客戶群體不僅包括蘋果，還涵蓋AMD、英特爾等CPU廠商，以及高通和聯發科等智慧型手機晶片製造商。此外，加密貨幣挖礦領域也有望成為2nm技術的使用者。目前，台積電股票的市盈率為14倍，但未來可能進一步提升至20倍。這一估值提升的動力來自資金流入和技術前景的穩健性，特別是2026年的增長預期依然強勁。同時，在半導體裝置領域，先進封裝技術（如2.5D、3D等）正成為行業主要趨勢，相關企業如東京精密、Towa、Ebara等受益於這些機會。半導體行業先進封裝技術發展與市場動態先進封裝技術在半導體行業中佔據重要地位，主要由密度和遷移需求驅動。然而，當前處理器性能受到記憶體頻寬（即"記憶體牆"）的限制，其決定因素包括路徑數量、時鐘速度和資料速率。為突破這一限制，半導體行業正致力於改進路徑技術，如HBM（高頻寬記憶體）性能和先進封裝技術（如QAZS和AIR）。這些技術推動了裝置封裝製造商的發展機會。TSMC已向多家裝置製造商訂購310毫米方形多線裝置，用於面板級封裝。根據計畫，2016年5月是裝置發貨的截止日期，2016年底完成安裝和驗證，2017年進行工藝開發，2018年實現資格認證，2018年中開始工廠建設，預計2030年進入大規模生產階段。儘管時間表較長，但試點生產線預計將在2027年啟動，這將決定封裝製造商是否加速大規模生產。此外，東京精機（Tokyo Seimitsu）、Prova等公司在SK海力士、美光、英特爾、三星等主要半導體廠商中佔據重要地位。CMP Applied是HBM的第一供應商和第二供應商，相關業務涉及英特爾和三星。然而，隨著中國本地製造商（如YMTC）的崛起，日本CMP裝置的市場份額有所下降。垂直爐市場方面，COSI曾一度失去競爭力，但在被基金收購併與AMAT合作後，正準備推出新產品以重新獲取市場份額。良好的投資者治理對裝置製造商的長期發展至關重要。雲端運算半導體行業趨勢與投資機會雲端運算半導體行業的周期性特徵顯著，通常在周期峰值後會經歷兩到四個季度的下行階段。此階段被稱為"代際下降"，通常會導致市盈率倍數降低，股價難以回升。然而，在經過兩個到四個季度後，市場往往會迎來觸底反彈的機會。目前，雲端運算半導體行業正處於第三個季度，預計在未來不久將看到雲資本支出的觸底反彈，時間點可能出現在今年第四季度或明年第一季度。由於股價通常提前一個季度反應，當前是佈局的好時機。此外，自去年九月以來，盈利修正幅度迅速向中低端移動，表明市場正在調整對相關公司更為現實的盈利預期。同時，GB 200 RAP 組裝問題從去年開始逐步改善，庫存壓力逐漸緩解，這些問題的解決為行業復甦提供了支援。基於以上三點原因，整體對雲端運算半導體行業的看法轉向積極。AI計算與伺服器需求增長的資料點AI計算已成為當前技術領域的議題。非標準GPU伺服器和CPU伺服器的需求顯著增強，超出預期。例如，某些非標準GPU的出貨量達到6,000台等級，同時包括兩卡、四卡、六卡配置的黑匣子伺服器也展現出強勁需求。這種需求不僅來自中國，還來自美國市場。低端伺服器（如CPU伺服器或非標準GPU伺服器）的需求上升將為相關公司在下半年帶來更多的盈利上行空間。此外，伺服器需求的增長也將帶動介面晶片的出貨量增加。AI計算對NVIDIA GPU的封裝基板（AVF）具有主導市場份額，其單價隨著每一代NVIDIA GPU的更新而急劇上漲。通過專用工廠生產NVIDIA所需的AVF封裝基板，預計公司將在2026財年第四季度實現高於預期的銷售額，而無需調整折舊費用。基於此，已上調2026財年第四季度的盈利預測，並將目標股價提升至7,500日元。另一方面，村田製作所在MLCC業務上的利潤預計將略有下滑，儘管銷量可能小幅增長。RF模組業務在iPhone中的應用將在今年恢復，但利潤水平短期內難以回到2025財年的高度。基於上述，Hamamatsu Photonics被上調至等權重評級，而Alpha Alpine則被下調至低配評級。 (Alpha外資風向標)