全球10大酒類公司2025年第三季度財報業績彙總註：各大公司財政年度的起始時間不同於自然年，因此會出現財政季度、年度等與自然年不一致的情況。各家公司可能會按照每季度、每半年的頻率公佈業績情況。百威英博(AB InBev)公佈2025年第三財季業績。季度營收151.33億美元，上年同期為150.46億美元。季度EBITDA利潤55.94億美元，上年同期為54.24億美元。季度歸屬公司股東的淨利潤10.54億美元，上年同期為20.71億美元。百威亞太控股(Budweiser Brewing Company APAC)公佈2025年第三財季業績。季度收入15.55億美元，上年同期為17.05億美元，同比下降8.4%。季度正常化經營溢利2.86億美元，上年同期為3.15億美元，同比下降6.1%。季度股權持有人應佔溢利1.85億美元，上年同期為2.01億美元。全球第二大啤酒公司荷蘭喜力集團(Heineken)公佈2025年第三季度營收96.04億歐元(約112億美元)，上年同期為90.72億歐元。淨營收為80.44億歐元(約93.66億美元)，上年同期為75.57億歐元。嘉士伯(Carlsberg)公佈2025年第三財季業績。季度總營收241.39億丹麥克朗(約37.63億美元)，上年同期為204.86億丹麥克朗。摩森康勝(Molson Coors Beverage)公佈2025年第三財季業績。季度銷售額34.84億美元，上年同期為36.03億美元。季度淨銷售額29.74億美元，上年同期為30.43億美元。季度營業虧損34.31億美元，上年同期營業利潤4.51億美元。季度歸屬公司股東的淨虧損29.28億美元，上年同期淨利潤2億美元。法國酒業巨頭保樂力加(Pernod Ricard)公佈截至2025年9月30日的第一財季業績。季度集團淨銷售額23.84億歐元(約27.76億美元)，上年同期為27.83億歐元，同比下降14%。麒麟控股(Kirin Holdings)公佈2025年前九個月業績。當期營收17561.17億日元(約113億美元)，上年同期為16997.2億日元，同比增長3.3%。營業利潤1705.38億日元，上年同期為1620.42億日元，同比增長5.2%。歸屬母公司所有者的淨利潤1028.33億日元，上年同期為792.68億日元，同比增長29.7%。星座品牌(Constellation Brands)公佈截至2025年8月31日的第二財季業績。季度淨銷售額24.81億美元，上年同期為29.19億美元，同比下降15%。季度營業利潤8.74億美元，上年同期營業虧損12.29億美元。季度歸屬公司淨利潤4.66億美元，上年同期淨虧損12億美元。其中，啤酒淨銷售額23.45億美元，葡萄酒和烈酒淨銷售額1.36億美元。酒類生產商百富門(Brown-Forman)公佈截至2025年10月31日的第一財季業績。季度淨銷售額10.36億美元，上年同期為10.95億美元，同比下降5%。季度營業利潤3.05億美元，上年同期為3.41億美元，同比下降10%。季度淨利潤2.24億美元，上年同期為2.58億美元，同比下降14%。法國烈酒集團人頭馬君度(Remy Cointreau)公佈截至2025年9月30日的上半財年業績。當期銷售額4.9億歐元(約5.71億美元)，上年同期為5.34億歐元，同比下降8.3%。當期營業利潤1.09億歐元，上年同期為1.47億歐元，同比下降26.2%。當期集團股東淨利潤6310萬歐元，上年同期為9200萬歐元，同比下降31.3%。 (全球企業動態)

先來區分國內期貨跟國外期貨國內期貨又細分了大台(含括電子期跟金融期)小台選擇權常常很多客人問...除了手續費怎麼還多收了一條.....告訴你....這就是"期交稅''想在市場交易不可以不知道規則先了解一下交易成本就是期貨手續費+期交稅關於期貨手續費的洽詢-->LINE 加佩君好友 pei098''期交稅''是跟著指數浮動的喔@大台金融期電子期:期貨交易稅率 → 0.00002(十萬分之二)@小台個股期貨：期貨交易稅率 → 0.00002(十萬分之二) 稅這個比較簡單，計算的方式如下：例如假設現在指數來到了 10000 目前指數一口大台契約價值 → 2,000,000 (200 一點 200 元 x 10,000 目前點數)一口大台交易稅 → 2,000,000 X 十萬分之二(稅率) = 40 元一口大台交易稅 → 40 元一口小台契約價值 → 500,000 (50 一點 50 元 x 10,000 目前點數)一口小台交易稅 → 500,000 X 十萬分之二(稅率) = 10 元一口小台交易稅 → 10 元(台指期選擇權買賣都要稅金跟手續費喔)@選擇權：期貨交易稅率 → 0.001(千分之一) 稅假如成交 50 點*50*1/1000=2.5 四捨五入 =>3 元選擇權稅金速算法成交價格除於 2050/20=2.5=>3 元(四捨五入)就是選擇權稅金(選擇權買賣都要稅金跟手續費喔)歡迎找佩君洽詢期貨手續費喔立刻 LINE 加好友pei098

德國人對來自德國的人工智慧的信心與日俱增。在歐洲人害怕在人工智慧發展中落後於中美之際，來自歐洲的幾家人工智慧初創公司橫空出世，點燃了歐洲人參與競爭且能一決高下的希望。12月1日，人工智慧初創公司黑森林實驗室（Black Forest Labs）在其官網宣佈完成3億美元的B輪融資，估值達32.5億美元。本輪融資由 Salesforce Ventures 和 Anjney Midha （AMP） 共同領投，a16z、Nvidia、Air Street Capital和Northzone等多家機構參與投資。這家來自德國黑森林地區小城費萊堡、僅擁有50名員工的人工智慧初創公司自去年成立以來，迅速受到了全球範圍內資本的追捧，於此成為歐洲發展最迅猛的人工智慧初創公司，也以32.5億美元的估值登上德國最具價值人工智慧公司寶座。2024年8月1日，該公司宣佈正式推出黑森林實驗室，並透露已成功完成3100萬美元的種子輪融資。該輪融資由領投方Andreessen Horowitz（a16z）主導，同時獲得天使投資人Brendan Iribe和Michael Ovitz等的積極參與。同年11月，該公司獲得另一筆1.2億美元的資金輸入。也就是說，截至目前，黑森林實驗室已經在短時間內成功吸引了超過4.5億美元的投資，成了德國人工智慧界絕對的特例。押注該公司的有來自韓國的三星、美國的Adobe，也有來自德國的德國電信。按照該公司創始人羅賓•羅姆巴赫（Robin Rombach）的說法，“投資者的數量遠遠多於我們能接受的程度。”黑森林實驗室主要開發用於圖像和視訊生成的基礎人工智慧模型，其旗下用於生成圖像的Flux模型被稱作為在速度、穩定性和性價比上均保持領先的模型。該模型已經成為全世界範圍內使用率最高的圖像生成模型之一。在開發者平台Hugging Face和GitHub上，該模型也在短時間內成為下載最頻繁的模型之一。據英國《金融時報》近日報導，許多人工智慧研究人員認為，黑森林實驗室的Flux模型，足以匹敵Google的Nano Banana和字節跳動的Seedream 圖像系統，而後兩者原本擁有更龐大的計算資源、工程師團隊，以及YouTube和TikTok等視訊庫作為訓練資料。在分析人士的眼中，這家德國公司很有希望成為一家世界級人工智慧公司。Flux模型經歷了從Flux1的文字生成圖像，到文字加圖像生成圖像，再到Flux 2的文字加多圖像生成新的圖像。 去年11月底，黑森林實驗室發佈了其最新的模型Flux 2，而目前，該公司正在開發視訊生成模型。黑森林實驗室稱，“我們致力於為像素打造前沿模型。去創造鏡頭無法捕捉的事物，建構能夠理解意圖、而非僅僅執行指令的系統，開發讓想像變為現實的工具。”在黑森林實驗室共十人的聯合創始人團隊中，很多人都曾經是Stable Diffusion模型開發的核心成員。有著物理學和電腦背景的羅姆巴赫在德國攻讀博士學位期間和在倫敦加入人工智慧公司Stability AI期間，結交了後來共同創立黑森林實驗室的創始成員。黑森林實驗室引發大範圍內關注的契機在於，馬斯克的社交平台X中整合了該公司的模型，但該人工智慧公司也因此一度陷入美化暴力和傳播虛假資訊的爭議當中。在過去的時間裡，這家初創公司比較神秘，其創作團隊鮮有在媒體中拋頭露面。但最近，該公司創始人羅姆巴赫接受了德國媒體《商報》的採訪，闡述了該公司的野心、發展節奏和盈利模式。羅姆巴赫毫不掩飾地表示，“黑森林實驗室目前已經在圖像生成人工智慧上成為Google的最強勁的競爭對手。” 他同時透露，黑森林實驗室目前最重要的收入來源為面向企業的模型API介面和模型授權許可。最近，該公司與梅賽德斯以及德國電信均建立了夥伴關係，以開發用於行銷的人工智慧模型，而與其他車企的談判也正在進行當中。《商報》引用知情人士的消息稱，在一年多時間內，這家公司的年營收從零一路狂飆到1億美元。按照該企業自己的說法，其業務覆蓋了86%的圖像生成商業市場。最新的一份訂單價值高達3.5億美元，其中，來自大客戶Meta的1.4億美元並不包括在內。彭博社此前報導，Facebook的母公司Meta與黑森林實驗室達成了一項為期兩年的合作協議。這項合作預計將為這家德國公司帶來1.4億美元的收入。黑森林實驗室之所以引發歐洲境內關注，還有一個原因在於，在全球人工智慧模型競賽中，歐洲對自己落後的擔憂與日俱增，對歐洲本土自主開發人工智慧模型的呼聲亦有增無減。作為歐洲人工智慧公司的黑森林實驗室並非孤軍作戰。12月2日，法國人工智慧初創公司Mistral 發佈了其最新的 Mistral 3 開放權重模型系列。此次發佈的十個模型包括一個具有多模態和多語言能力的大型前沿模型和九個較小的、可離線使用且完全可定製的模型。一直以來，Mistral致力於挑戰來自美國的閉源模型。其實無論德國的黑森林實驗室，還是法國的Mistral，它們的崛起的意義已經超越了人工智慧領域。有意思的是，黑森林實驗室有一個高度具有地域色彩的名稱。本身就來自於黑森林的創始人羅姆巴赫對媒體稱，他特意邀請美國投資者前往位於黑森林的弗萊堡，讓他們看看，德國在人工智慧研究上的進度和質量，以及技術競爭上，並不輸給美國。這與英國《金融時報》報導中羅姆巴赫的說法相呼應，他表示將公司總部設在舊金山這個AI團體之間以高薪互相“挖人才”的“超級炒作”之外，是“迄今為止做出的最好的事情”，因為它有助於團隊保持“高度專注”。也正如若姆巴赫對媒體所說的，德國人對來自德國的人工智慧的信心在增加當中，那就是在來自美國的Google等等之外，德國的人工智慧也能成為不相上下的選項。 (FT中文網)

“AI 時代，誰是 token 的最低成本生產者，誰就擁有決定性優勢。”“未來三四年，最重要的事情是太空資料中心。”近日，知名科技投資人Gavin Baker在最新採訪中與主持人深入探討了輝達與Google之間的基礎設施戰爭，Gemini3和Scaling Law的影響，以及從Hopper向Blackwell晶片的轉變如何重塑了整個行業。Gavin Baker是Atreides Management的管理合夥人兼首席投資官（CIO），以其在公開市場上對科技趨勢，尤其是AI領域的深刻洞察而聞名。其中有關太空資料中心的觀點，也得到了馬斯克的認同：Gavin尖銳地指出，過去幾年所有AI公司都陷入“囚徒困境”：如果你放慢腳步，你就永遠出局；如果競爭對手不停，你只能繼續投。他認為，在模型進展上，Gemini 3 證明Scaling Law仍然成立。過去一段時間 AI 的主要進步則更多來自後訓練的兩條新縮放路徑，也就是帶驗證回報的強化學習與測試時算力，讓 AI 在新一代硬體還沒有完全到位時仍能繼續推進。Blackwell（GB200/GB300）和 AMD MI450 的出現，將帶來大幅降低每 token 成本的能力。Gavin強調，xAI 將是最快推出 Blackwell 模型的公司，因為它擁有最快的資料中心部署能力和大規模叢集調通經驗。Gavin還指出，過去 Google 是全球最低成本 Token 生產者，這給了他們巨大優勢。但隨著GB300開始量產，低成本時代將屬於 Nvidia 的客戶，如OpenAI、xAI 等。至於太空資料中心的建設，他認為這是未來三到四年最重要的事情，“現在這是一場巨大的淘金熱”。此外，他還分析了：AI 推理如何讓飛輪啟動，徹底改變資料和使用者反饋的價值邏輯；端側 AI 對算力需求的潛在衝擊，可能讓雲算力的爆發放緩；SaaS 公司在 AI 時代面臨的毛利困局，以及誰能抓住下一波風口。小編節選整理了部落格內容，資訊量巨大，enjoy！Gemini 3 與前沿模型整體進度主持人：公眾對 Gemini 3 的理解大多集中在擴展定律（Scaling Laws）與預訓練機制。你怎麼看當前的前沿模型整體進展？Gavin：Gemini 3 非常重要，因為它再次確認：預訓練的擴展定律仍然成立。關鍵在於，全世界沒人真正知道為什麼擴展定律成立。它不是理論，是經驗事實，而且被極其精確地測量、驗證了很多年。我們對擴展定律的理解，就像古埃及人對太陽運行的理解：能精確測量，卻完全不知道背後的物理機制。所以每一次確認都非常關鍵。基於擴展定律，其實 2024–2025 按理應該沒有任何 AI 進展。原因是：xAI 把 20 萬 Hopper GPU 做到完全“coherent”（訓練時 GPU 彼此同步共享狀態）之後，下一步就必須等下一代晶片。Hopper 時代的上限就是 20 萬片，你再擴都沒用。但真正的故事是： “推理（Reasoning）”救了整個 AI 行業如果沒有推理模型（OpenAI 在 2024 年 10 月推出的 Reasoning 系列），整個行業會從 2024 年中期到 2025 年底 陷入 18 個月停滯。推理帶來了兩條全新擴展定律：強化學習 + 可驗證獎勵（RL + Verified Rewards）“在 AI 中，凡是你能驗證的，你就能自動化。”測試時計算（Test-Time Compute）也就是讓模型在推理階段使用更多算力。這兩條擴展定律讓 AI 在沒有新 GPU 的 18 個月裡依然高速進步。xAI會最快訓練出 Blackwell 模型Gavin：Google 在 2024 推 TPU v6、2025 推 TPU v7。這些晶片性能飛躍巨大，相當於從二戰戰機跳到冷戰噴氣機。因為 Nvidia Blackwell（GB200）極度困難、延遲嚴重，Google 等於是提前拿到了下一代“材料”。Gemini 3 正是在更強 TPU 上驗證預訓練擴展定律的第一次大考，結果通過了。這意味著：Blackwell 時代訓練出來的模型會非常強。2026 年初會出現第一批真正的 Blackwell 模型。我認為最快的是 xAI。理由很簡單：黃仁勳曾說過，“沒有人比 Elon Musk 更快建資料中心。”Blackwell 這種超級複雜的晶片，需要海量叢集快速部署來“磨合”。只有 xAI 能做到最快部署、最多叢集、最快調通。所以他們會最先訓練出 Blackwell 模型。Google“低成本生產 Token”的戰略地位將被逆轉Gavin：過去 Google 是 全球最低成本 Token 生產者，這給他們巨大優勢：他們可以用低價（甚至負毛利！）讓競爭對手幾乎無法呼吸。這是極其理性的企業戰略。但當 GB300（比 GB200 更強）開始量產、並且能無縫替換進現有機房後，低成本時代將屬於 Nvidia 的客戶（OpenAI、xAI 等）。到那時，Google 就不再是最低成本生產者，就不能再輕易靠“負 30% 毛利”窒息競爭者。AI 行業經濟格局將大幅改變。為什麼 TPU v8 / v9 趕不上 GPU？主持人：為什麼會這樣？為什麼 TPU v8、v9 無法做到和 GPU 一樣優秀？Gavin：這裡有幾點原因。第一點：Google 做了更加保守的設計選擇原因之一我認為是他們的晶片設計流程本身比較特殊。半導體設計分為前端（Front-End）與後端（Back-End）。另外還有與台積電合作的晶圓代工環節。製造 ASIC 有很多方式，而 Google 的方式是：Google 主要負責前端設計（相當於建築師畫房子的圖紙）Broadcom 負責後端設計與量產（相當於施工方蓋房子，並負責與台積電合作）這是個粗略類比，但能說明問題。Broadcom 的半導體業務長期維持 50～55% 毛利率。我們不知道 TPU 的具體數字，但如果假設到 2027 年 TPU 業務規模達到 300 億美元，那麼 Broadcom 大概會從中賺走 150 億美元的毛利。對 Google 來說，這實在太貴了。當一個公司把 ASIC 業務做大到這種量級，就會出現一個非常明顯的經濟動力：把所有晶片設計和製造流程“收歸自研”。蘋果就是這麼幹的。蘋果的晶片沒有 ASIC 合作夥伴，前端蘋果自己做，後端蘋果自己做，生產也由蘋果直接管理台積電，因為他們不想為外包設計付 50% 毛利。當業務規模夠大時，你完全可以把 Broadcom 這類供應商的工程師挖走、薪水翻倍、甚至三倍，還可以省錢。如果 TPU 到 2028 年規模做到 500 億美元，那 Google 每年付給 Broadcom 的錢會變成 250 億。那 Google 完全可以去 Broadcom 把整個團隊全買走，把成本反而降下來。當然，出於競爭與監管原因 Google 不能真的這麼幹，但這些“經濟摩擦”已經影響 TPU v8 / v9 的設計節奏了。第二點：Google 引入了聯發科（MediaTek），在敲打 Broadcom這是一個明確的訊號：Google 對付給 Broadcom 的高額費用已經非常不滿。台灣的 ASIC 公司（包括聯發科）毛利要低得多，把他們引入，就是“第一槍”。第三點：SerDes 是晶片之間通訊的核心技術，但有價值上限Broadcom 的 SerDes 確實很好，但SerDes 的價值上限也就 100～150 億美元等級，絕沒到 250 億美元 這種程度，世界上還有其他優秀的 SerDes 供應商所以，Google 沒必要永遠被 Broadcom 卡住。第四點：Google 的保守設計，可能是因為供應鏈“分裂”要開始了Google 正在準備多家供應商平行工作（Broadcom + MediaTek）。這種“分裂的供應鏈”會讓設計更加保守，因為你要保證每家廠商都能按時做出一致的結果。這讓 TPU 的迭代速度變慢了。第五點：GPU 正在加速，而 ASIC 正在變慢這是行業最關鍵的趨勢。Nvidia 和 AMD 的回應是：“你們所有人都在造自己的 ASIC？好，我們就一年一代，讓你們永遠追不上。”GPU 的迭代速度現在是過去的 2 倍甚至 3 倍。而當你去做 ASIC（TPU、Trainium、各種自研晶片）時，你會突然意識到：“哦……原來造 ASIC 根本不是只做一個晶片這麼簡單！”你要同時解決：晶片本體、NIC（網路介面卡）、CPU、Scale-up 交換機、Scale-out 交換機、光模組、軟體棧、訓練框架、生態系統、整個供應鏈。你做出來一個小晶片，結果發現：“糟糕，我只是做了一個微小元件，而 GPU 廠商已經把整個巨型系統打通了。”第六點：做出“好 ASIC”需要至少三代Google TPU 的歷史就是活生生的例子：TPU v1：能用，但力量不足TPU v2：好一點TPU v3/v4 才開始接近真正“能打”Amazon 的 Trainium 也是一樣：Trainium 1：比 TPU v1 略好，但差不多等級Trainium 2：變強一點Trainium 3：第一次達到“可以接受”Trainium 4：預計才會真正成為好晶片這就是經驗積累 → 工程成熟 → 系統打磨，無法跳步驟。這意味著所有其他試圖“自研 AI 晶片”的公司都會發現自己根本追不上 Nvidia、AMD。第七點：最終，TPU 和 Trainium 也會變成“客戶自有工具鏈”你可以爭論具體年份，但方向是確定的。因為從第一性原理來說，當規模足夠大，把晶片從外包轉為自研是經濟必然。主持人：如果把視角拉遠一點，這一切的意義是什麼？三代 GPU、三代 TPU、三代 Trainium 之後，這場巨大戰爭將給全人類帶來什麼？Gavin：如果讓我給出一個事件路徑：第一步：Blackwell 時代的模型將極其強大。第二步：GB300（以及 AMD MI450）帶來每 Token 成本的大幅下跌。這會讓模型可以“思考更久”。當模型能思考更多步，就能做新的事情。我被 Gemini 3 第一次“主動幫我做事”震撼到：它幫我訂餐廳。以前模型都是給我生成文字、做研究，這次是直接辦成一件現實任務。如果它能訂餐廳，那就離訂機票、訂酒店、打 Uber、管日程、全面生活助理不遠了。大家現在都在談這個，但真的想像一下：這東西最終會跑在手機裡。這就是近期就會發生的未來。而且你看，現在一些非常“技術前沿”的大公司，他們超過 50% 的客服已經完全由 AI 處理了。客服是一個 4000 億美元的大產業。而 AI 特別擅長的一件事，就是“說服”，這正是銷售和客服的核心能力。從一家公司的角度想，如果把業務拆開，就是：做產品、賣產品、服務使用者。現在看，到 2026 年底，AI 很可能在其中兩塊已經非常拿手了。這又回到 Karpathy 說過的那句話：AI 可以自動化所有“可被驗證”的任務。凡是存在明確對錯結果的事情，你都可以用強化學習把模型訓練得非常強。主持人：你最喜歡的例子有那些？或者說未來最典型的？Gavin：比如讓模型自動訓練模型本身；比如全球帳目是否能對齊；比如大規模會計工作；或者銷售、客服這些“明確可驗證結果”的任務。如果這些在 2026 年開始全面落地，那麼NVIDIA Blackwell就有明確 ROI，然後領域繼續往前走，接著會迎來Rubin，再接著是 AMD MI450、Google TPU v9。ASI與大公司的“囚徒困境”Gavin：但最有意思的問題是：人工超級智能（ASI）到底會產生怎樣的經濟回報？過去幾年所有公司都陷入“囚徒困境”：如果你放慢腳步，你就永遠出局；如果競爭對手不停，你只能繼續投。微軟今年早些時候“猶豫”了 6 周，我想他們大概會說他們後悔。但是隨著 Blackwell、特別是 Rubin 的到來，經濟因素將會壓倒囚徒困境。因為數字實在太誇張了。你看那些買 GPU 最大的公司，都是上市公司，他們每季度都有審計過的財報，你完全可以算出他們的 ROIC（投入資本回報率）。而所有這些公司在大規模買 GPU 後，ROIC 比之前更高。有人說那是因為減少了營運成本，但那本來就是期待的 AI ROI。還有很多收入增長，其實來自廣告推薦系統從 CPU 遷移到 GPU 帶來的效率提升。但不管怎樣，ROI 已經非常明確。每家網際網路大廠內部，掌管營收的人都非常不爽，因為他們認為太多 GPU 被給了研究團隊：“你把 GPU 給我，我就能增長營收。”這在每家公司都是永恆的爭奪。主持人：我很好奇你有那些“潑冷水”的看法，會讓算力需求增長放緩？Gavin：最明顯的“空頭邏輯”是端側 AI（Edge AI）。三年後，只要手機稍微變厚一點、塞下更多 DRAM、電池短點續航，你就能在本地運行一個剪裁版 Gemini 5、Grok 4/4.1、ChatGPT，達到30–60 tokens/s，IQ 115 左右。而且這是免費的。顯然，這就是蘋果的戰略：在本地運行隱私安全的模型，只有需要時才呼叫雲端的“上帝大模型”。如果端側 AI 滿足90% 的需求，那這將是最嚇人的“空頭論點”。另一個風險是 scaling law 不再生效。但如果假設 scaling law 繼續有效，預訓練肯定還能撐一代；後訓練（RLVR 等）剛起步；推理階段的 test-time compute 也才剛開始。而且我們已經在取得巨大進展，比如模型能把越來越多上下文裝進“腦子”裡。長期來看，大上下文窗口可能是解決當前很多問題的關鍵。配合 KV-cache offload 這一類技術，它們潛力巨大。對 Meta、Anthropic、OpenAI的看法主持人：我們其實還沒有聊太多 Meta、Anthropic、OpenAI。我很好奇你對整個基礎設施層的看法。這三家是這個“大博弈”裡最關鍵的玩家。我們前面討論的所有趨勢，對這幾家公司會產生什麼影響？Gavin：我先談談對 frontier 模型整體的一些看法。在 2023–2024 年，我特別喜歡引用Erik Brynjolfsson（美國經濟學者） 的一句話。Erik 說：“基礎模型是歷史上增值速度最快的資產。”我認為他說對了 90%。我當時補了一句：“擁有獨特資料和網際網路等級分發能力的基礎模型，才是歷史上增值最快的資產。”但“推理” 的出現徹底改變了這一切。以前所有偉大網際網路公司的核心飛輪都是：做出好產品→ 吸引使用者 → 使用者產生資料 → 用資料改進產品 → 更多使用者 → 更多資料……Netflix、亞馬遜、Meta、Google都靠這套飛輪運轉十年以上，這也是為什麼它們擁有極強的規模回報。然而，這個飛輪在“無推理能力”的AI 時代是不存在的。你預訓練一個模型，把它丟到現實世界，它就那樣了。你可以做 RLHF，基於一些使用者反饋去調整，但那個過程噪音大、訊號弱、反饋難以精確量化，很難真正變成“可驗證獎勵”反饋回模型但推理讓飛輪開始轉動了。現在，如果大量使用者不斷提出某類問題，並持續對某些回答給出明確的正向或負向反饋，這些都能被轉化為可度量、可驗證的獎勵訊號，再反饋回模型做強化學習。我們現在還處在非常早期的階段，但飛輪已經開始轉動了。這是對所有 frontier labs 的格局影響最大的變化。主持人：你能具體解釋一下嗎？為什麼 reasoning 會讓飛輪成立？Gavin：如果大量使用者在問同一個問題，並穩定地偏好某些答案、不喜歡另一些答案，這就產生了一個穩定一致的獎勵訊號。而且這個獎勵訊號是可驗證的。模型就能把這些偏好再次學習回去。雖然現在還早、還很難做，但你已經能看到飛輪開始啟動。第二點，我認為非常重要的是：Meta。祖克柏在今年1 月曾說過一句話：“我高度確信，到2025 年的某個時間點，我們將擁有最強、最好的AI。”我現在不確定他是不是仍然能排進前 100 名。他當時的判斷可以說是錯得不能再錯。而我認為這是一個非常重要的事實，因為它說明：這四家美國前沿實驗室做到的事情，其實難度遠比外界想像的大。Meta 砸了巨額資金，也失敗了。Yann LeCun團隊出現動盪，他們甚至推出了那個著名的“10 億美元挖 AI 研究員”的計畫。順帶說一句，微軟也失敗了。他們雖然沒有像 Meta 那樣做明確預測，但微軟收購了 Inflection AI，當時他們內部也多次說：“我們預期自己的內部模型會迅速變強，未來 Copilot 會越來越多跑在內部模型上。”亞馬遜則收購了 Adept AI，他們有自己的 Nova 模型，但我不認為它能進入前 20 名。所以很顯然，這件事比一年前所有人以為的都要難得多。原因有很多，例如要讓一個巨型 GPU 叢集保持“同步一致”其實非常困難。許多傳統科技公司過去營運基礎設施時都以“節省成本”為核心，而不是以“性能複雜度”為核心。要讓一大堆 GPU 在大規模叢集裡保持高利用率，這是極其難的事情，而且不同公司在 GPU 維運能力上差距非常大。如果你最多能把兩、三十萬顆 Blackwell（GPU）跑到高效一致，而你的叢集只有 30% 的有效執行階段間，而你的競爭對手能做到 90%，那你們根本不在同一個維度競爭。這就是第一點：不同公司在 GPU 維運能力上存在巨大差距。第二點，這些 AI 研究人員喜歡談“品味”，我覺得很好笑。“你為什麼賺這麼多錢？”“因為我的品味很好。”所謂“品味”，其實就是一種對實驗方向的直覺判斷能力。而這正是為什麼這些人能拿很高的薪水。隨著模型規模繼續增大，你已經不能像以前一樣，先在一個 1000 GPU 的叢集上跑一次實驗，再把它複製到 10 萬 GPU 上。你必須直接在 5 萬 GPU 規模上跑實驗，而且可能要跑好幾天。機會成本極高。所以你必須有一支極強的團隊，知道應該把算力押在那些實驗上。然後，你還必須把 RL（強化學習）、後訓練、推理成本控制等所有部分都做到很好。整個流程極其複雜。做這一切，非常非常難。很多人以為簡單，但其實一點都不簡單。我以前做零售行業分析時常說：在美國任何一個行業，如果你能營運 1000 家門店，並讓它們保持整潔、燈光明亮、陳列合理、價格得當、員工友好並且不偷東西——你就能成為一家 200 億或 300 億美元的公司。但結果是，全美國只有 15 家公司能做到。真的非常難。AI 也是同樣的道理：要把所有環節都做到位，非常難。而這也讓所謂的“推理飛輪”開始拉開差距。更重要的是，這四家實驗室，XAI、Gemini、OpenAI、Anthropic，它們內部都有比公開型號更先進的“檢查點”。所謂檢查點，就是模型持續訓練過程中階段性的版本。它們內部使用的版本更強，它們又用這些更強的版本去訓練下一個版本。如果你沒有這些最新的 checkpoint，你就已經落後了，而且會越來越難追上。中國開源對 Meta 來說是“天賜禮物”。因為 Meta 可以用中國開源模型當成自己的 checkpoint，從而實現“自舉”（bootstrap）。我相信他們正在這麼做，其他公司也一樣。OpenAI的最大痛點：Per-token成本太高Gavin：回到公司競爭格局：XAI 將會是第一家推出 Blackwell 模型的公司，也是第一家在大規模推理場景中使用 Blackwell 的公司。這對他們來說是非常關鍵的節點。順便說一句，如果你現在去看 openrouter 的資料，xAI 已經佔據主導地位了。openrouter 可能只佔 API token 的 1%，但它是一個趨勢訊號：XAI 處理了大約1.35 兆 tokenGoogle 大約800–9000 億Anthropic 大約7000 億XAI 表現非常好，模型也很棒，我強烈推薦。你會看到：XAI 先推出模型，OpenAI 會隨後跟上，但速度更快。但是 OpenAI 現在最大的痛點，是它們的 per-token 成本太高，因為他們需要為算力支付溢價，而且合作方不一定是最擅長維運 GPU 的那批人。結果就是OpenAI 是高成本的 token 生產者。這也解釋了他們近期的“紅色警戒”。他們承諾了1.44 兆美元的未來 GPU 支出，這是一個巨大的數字，因為他們知道自己需要大量融資，尤其是如果 Google 繼續“把生態的經濟氧氣吸乾”，那 OpenAI 的壓力更大。他們會推出新模型，但在相當長的時間裡，他們仍然無法解決自己相對於 XAI、Google、甚至 Anthropic 的成本劣勢。Anthropic 是一家好公司，他們燒錢遠低於 OpenAI，但增長更快。所以我覺得必須給Anthropic很多的認可，而這很大程度上得益於他們和Google、Amazon在TPU和Trainium上的合作關係。Anthropic能夠從與Google相同的動態中受益，我認為這在這場精彩的“國際象棋”遊戲中非常具有指示意義。你可以看看Daario Jensen，可能有一些公開評論，他們之間有一些小小的交鋒。Anthropic剛剛和Nvidia簽了50億美元的合同。那是因為Dario是個聰明人，他理解關於Blackwell和Rubin相對於TPU的這些動態。所以Nvidia現在從原來的兩個“戰士”（XAI和OpenAI）增加到了三個戰士。這有助於Nvidia在與Google的競爭中佔據優勢。如果Meta能夠趕上，這也非常重要。我相信Nvidia會盡其所能幫助Meta，比如：“你這樣運行這些GPU，我們或許可以把螺絲擰緊一點，或者調整一下參數。”此外，如果Blackwell回到中國，看起來很可能會發生，那也非常好，因為中國的開源生態也會回歸。未來三到四年，最重要的是太空資料中心主持人：我總是很好奇關於資料中心的一些問題，比如你腦中有沒有關於非晶片方面的突破？Gavin：我認為未來三到四年世界上最重要的事情是太空中的資料中心，這對地球上建造電廠或資料中心的人都有深遠影響。現在這是一場巨大的淘金熱。大家都覺得AI很有風險，但我打算建一個資料中心，一個電廠來驅動資料中心。我們肯定需要它。但如果從最基本的原理來看，資料中心應該建在太空裡。運行資料中心的基本投入是什麼？是電力、冷卻和晶片。總成本角度來看，這就是全部的投入。在太空中，你可以讓衛星全天候在陽光下運行，而且陽光的強度高出30%。你可以讓衛星一直接收光照，這意味著外太空的輻照度比地球高六倍，所以你能獲得大量太陽能。其次，因為全天都有陽光，你不需要電池，而電池成本佔比巨大。所以太空中可用的最低成本能源就是太陽能。冷卻方面，在一個機架中，大部分重量和體積都是用於冷卻，而地球上的資料中心冷卻非常複雜，包括HVAC、CDU、液冷等。而在太空中，冷卻是免費的，你只需把散熱器放在衛星的背光面，這幾乎接近絕對零度，所有這些成本都消失了，這節省了大量開銷。每顆衛星可以看作是一個機架，也有人可能製造三機架的衛星。那麼如何連接這些機架呢？在地球上，機架通過光纖連接，本質上是通過電纜傳輸雷射。而唯一比光纖更快的，是通過真空傳輸雷射。如果你能用雷射把太空中的衛星連接起來，你就擁有比地球資料中心更快、更穩定的網路。訓練方面，這需要很長時間，因為規模太大。但推理（inference）方面，我認為最終訓練也會發生。考慮使用者體驗：當我問Grok問題並得到回答時，手機發出的無線電波傳到基站，然後進入光纖，經過紐約某個匯聚設施，再到附近的資料中心完成計算，最後返回。如果衛星可以直接與手機通訊，而Starlink已經展示了直接到手機的能力，那麼體驗將更快、更低成本。所以從最基本的原理來看，太空資料中心在各方面都優於地球上的資料中心。主持人：那麼阻礙因素是什麼？是發射成本嗎？還是發射可用性問題？Gavin：我的意思是，我們需要大量的太空飛船。像Starship這樣的飛船是唯一能夠經濟地實現這一目標的飛船。我們需要很多這樣的Starship。也許中國或俄羅斯能夠回收火箭，Blue Origin剛剛回收了一個助推器。這完全是一種全新的思考SpaceX的方式。很有趣的是，Elon昨天在採訪中提到，Tesla、SpaceX和XAI正在趨於融合，實際上確實如此。XAI將成為Tesla Optimus機器人的智能模組，Tesla Vision提供感知系統，而SpaceX將擁有太空中的資料中心，為XAI、Tesla、Optimus以及許多其他公司提供AI算力支援。這種融合非常有趣，每個公司都在為其他公司創造競爭優勢。如果你是XAI，有了與Optimus的內建關係非常好，Tesla又是上市公司，任何內部協議都會經過嚴格稽核，而太空資料中心又帶來了巨大優勢。此外，XAI還有兩家公司擁有大量客戶，可以幫助他們建立客戶支援和銷售AI代理系統。總的來說，這些公司正在以一種巧妙的方式融合在一起。我認為當xAI明年推出第一個Blackwell模型時，將是一個重要時刻。如何看待算力短缺的周期性問題主持人：歷史上人類經濟中短缺總會伴隨資本周期的過剩。如果這次短缺是算力，比如Mark Chen曾表示，如果給他們幾周時間，他們會消耗十倍算力。似乎算力仍然存在巨大短缺，但歷史規律表明短缺之後會出現過剩。你怎麼看這個規律在這項技術上的體現？Gavin：AI與傳統軟體根本不同，每次使用AI都會消耗算力，而傳統軟體不會。確實，每家公司都可能消耗十倍算力，結果可能只是讓200美元檔的服務更好，免費檔可能會加入廣告。Google已經開始用廣告為AI模式變現，這會給其他公司引入免費模式廣告的許可，這將成為重要的ROI來源。OpenAI等公司也會在服務中收取佣金，例如幫你預訂旅行，獲取一定收入。半導體行業中庫存動態會導致周期性波動。半導體的“鐵律”是客戶緩衝庫存必須等於交貨周期，因此出現庫存周期。我們最近沒有看到真正的半導體產能周期，也許自90年代末以來就沒有。原因是台灣半導體非常擅長整合和穩定供應，但現在他們的產能擴張未跟上客戶需求。我認為台灣半導體可能會犯錯誤，因為他們過於擔心產能過剩。他們曾經嘲笑Sam Altman，認為他不懂，他們害怕產能過剩。從另一個角度看，功率作為“限速器”對最先進計算玩家非常有利。如果功率受限，計算成本就不重要，你每瓦特獲得的算力越高，收入越高。建造資料中心的投資回報取決於單位功率的收益，這是對最先進技術非常有利的。至於能源解決方案，美國無法快速建造核電站，法律和環境限制太嚴格。解決方案是天然氣和太陽能，AI資料中心可以靈活選址，這也是為什麼美國各地，包括Abilene，會有大量活動，因為這裡靠近天然氣產區。渦輪機製造商正在擴張產能，比如Caterpillar計畫在未來幾年增加75%產能，所以電力問題正在得到解決。SaaS公司犯的“亞馬遜式錯誤”主持人：我們來談談SaaS吧，你怎麼看？Gavin：應用型SaaS公司正在犯和實體零售商對待電商時同樣的錯誤。實體零售商，特別是在電信泡沫破裂後，他們看到了亞馬遜，覺得“哦，它在虧錢，電商是低利潤業務。”從基本原理來看，怎麼可能效率更高呢？現在，我們的客戶自己去店裡，付運輸費，然後再付把商品運回家的費用。如果我們直接把貨物發給每個客戶，怎麼可能效率更低呢？亞馬遜的願景當然是，最終我們會沿街把包裹送到每戶人家。因此，他們當時沒有投資電商，雖然看到客戶需求，但不喜歡電商的利潤結構。這就是幾乎所有實體零售商在投資電商方面動作緩慢的根本原因。現在來看，亞馬遜在北美零售業務的利潤率甚至高於很多大眾零售商。利潤率會變化，如果客戶需求一項根本性的變革性新技術，不去接受總是錯誤的，這正是SaaS公司正在犯的錯誤。這些SaaS公司有70%、80%、甚至90%的毛利率，但他們不願接受AI帶來的毛利率。AI的本質是，每次都需要重新計算答案，而傳統軟體寫一次就能高效分發，這也是傳統軟體很好的商業模式。AI正好相反，一個優秀的AI公司毛利率可能只有40%。主持人：那為什麼他們還能夠早期產生現金流？Gavin：奇怪的是，由於效率提升，他們比傳統SaaS公司更早產生現金流，但不是因為高毛利，而是因為員工很少。看著這些公司很悲哀，如果你想運行AI代理，但不願意接受低於35%的毛利率，它永遠不會成功，因為AI原生公司就是以40%左右的毛利在運作。如果你試圖保持80%的毛利結構，等於保證在AI上失敗，這是絕對的保證。這很瘋狂，因為我們已有案例證明軟體投資者願意忍受毛利壓力，只要毛利潤美元總額合理，這就是雲端運算的存在證明。你可能忘了，Adobe從本地部署轉向SaaS模式時，不僅毛利下滑，收入也大幅下降，因為從一次性收費變為多年分期收費。微軟的情況沒那麼戲劇，但早期雲轉型的股票也很難，投資者覺得“天啊，你是個80%毛利的業務，現在毛利下降到50%”。但事實證明，只要毛利潤美元總額增長，這些毛利可以隨著時間改善。微軟買下GitHub，現在GitHub也成為Copilot的分發管道，這是一筆巨大的業務，毛利較低，但成功了。幾乎沒有一家應用型SaaS公司不能運行成功的AI代理策略。他們相較AI原生公司有巨大優勢，因為他們有現金流業務。我認為有機會出現新的“建設性激進者”，去告訴SaaS公司：別再這麼傻了。只需展示AI收入和毛利，說明真實的AI是低毛利的，並且對比風險投資支援的虧損競爭者。有些公司甚至可以暫時將毛利降為零，但他們有現成現金流業務。這是一套顯而易見的玩法，Salesforce、ServiceNow、HubSpot、GitLab、Atlassian，都可以運行。使用AI代理的方法很直接：先問自己，當前為客戶提供的核心功能是什麼？如何用代理進一步自動化？例如CRM，客戶做什麼？他們與客戶溝通，我們做客戶關係管理軟體，也做客戶支援。做一個可以執行這些功能的代理，以10%-20%的價格出售，讓代理訪問所有資料。目前的情況是，其他人開發的代理訪問你的系統，把資料拉走，最終你會被替換。這完全是因為企業想保持80%毛利，這是一場生死攸關的決策。除了微軟，幾乎所有人都在失敗。正如Nokia當年備忘錄所說，你的平台在燃燒，你可以跳到新的平台去撲滅火。 (51CTO技術堆疊)

圖達通敲鐘，中國硬科技站上全球C位剛剛，港股年末炸場！12 月 10 日，圖達通以 De-SPAC 模式閃電登陸港交所，開盤狂漲超 60%，市值轟破 200 億港元！這是鮑君威 2016 年攜李義民出走百度後的九年終章 —— 憑全球獨有的雙技術路線量產硬實力，它成硬科技 De-SPAC（港股借殼）上市第一人，書寫資本與技術的狂想曲。（註：De-SPAC（特殊目的收購公司併購）是指一家SPAC在完成IPO後，通過與一家私人公司合併，使後者成為一家上市公司。）圖達通：全球第一家實現量產上車的雷射雷達公司。圖達通董事長致詞：一、技術孤勇：鮑君威的“反常識”抉擇2025年12月10日，港交所鑼聲震徹金融街。圖達通以超200億港元市值登陸，開盤暴漲60%，加冕“雷射雷達”產業。這一切的起點，是2016年鮑君威走出百度時的堅定轉身。這位北大物理系高材生、伯克利博士，早已在百度主導過自動駕駛核心研發，更促成百度投資雷射雷達巨頭Velodyne。▲圖左為圖達通CEO鮑君威，圖右為圖達通CTO李義民他深知，自動駕駛的終局，需要“能看清200米外風險”的“眼睛”。當行業扎堆低成本905nm技術時，鮑君威拉上光學專家李義民，果斷押注1550nm路線——這條技術險路，能實現超遠距高精度感知，卻意味著數倍研發投入與未知風險。實驗室裡的無數個通宵，原型機測試的反覆失敗，都沒能動搖他的判斷：“難走的路，才是護城河”。二、生死相托：蔚來的“全鏈條”賦能2018年自動駕駛寒冬，圖達通陷入“技術領先，商業化無路”的絕境。此時，蔚來資本的朱岩找到了同門師兄鮑君威。這位北大校友不僅帶來A輪領投資金，更將圖達通產品送進蔚來測試場。“測完就認定，1550nm才是L3的安全底線”，朱岩的判斷，讓蔚來果斷拋出橄欖枝。李斌親自拍板：蔚來全系車型標配圖達通雷射雷達。這不是簡單的採購，而是生死與共的繫結——蔚來只給了一年半量產窗口期，較國際廠商縮短60%。從協助搭建蘇州自動化產線，到開放整車測試資料，蔚來以“整車廠+資本”雙重身份，陪圖達通闖過量產生死關。2022年蔚來ET7交付，圖達通當年營收暴漲1341%，連投五輪的蔚來資本，也成為其外部第一大股東。隨著ET7的交付，圖達通也成為全球第一家實現量產上車的雷射雷達公司。業內稱圖達通9成收入靠蔚來、蔚來創始人李斌旗下基金HonourKey Limited持股為9.14%；蔚來資本管理合夥人朱岩、合夥人呂元興、董事總經理凌雯與圖達通創始人鮑君威在上市儀式現場合影三、價值重估：中國智造的“全球話語權”圖達通的暴漲，不是偶然，而是全球重估中國科技資產的縮影。從Velodyne時代7萬美元一台，到如今千元人民幣普及，圖達通用雙技術路線量產能力，改寫了全球行業格局。2024年，其23萬台交付量讓它穩居全球ADAS雷射雷達營收第二。這背後，是鮑君威“技術為本”的堅守，更是蔚來“產業賦能”的遠見。當圖達通的雷射雷達開始應用於人形機器人，當蔚來資本在具身智能賽道持續佈局，這場雙向奔赴的故事仍在延續。港交所門前的長隊昭示：最好的硬科技資產在中國，而真正的投資，是在很遠的距離就發現偉大的目標。 (深科技)

坐等根據瑞銀（UBS）近期發佈的一份報告，中國半導體裝置領軍企業北方華創（NAURA）在關鍵的深孔刻蝕技術上取得了重大進展。北方華創成功攻克了 90:1 高縱橫比（HAR）深孔刻蝕技術，這為國記憶體儲晶片廠商實現300層以上3D NAND快閃記憶體的製造奠定了裝置基礎。3D NAND技術是當前儲存晶片提高密度的核心路徑，廠商通過不斷堆疊儲存單元層數來提升容量。隨著層數從128層邁向200層乃至300層，對製造工藝的要求也達到了極致。晶片製造商需要在數微米厚的多層材料中，垂直打出直徑僅幾十奈米的“通孔”，以連接各層儲存單元。當層數達到300層以上時，所需的深寬比（即深度與直徑之比）將達到90:1或更高。深孔刻蝕正是實現這一目標的最苛刻工藝之一，長期以來由美國泛林（Lam Research）和日本東京電子（TEL）等國際巨頭主導。在美國對華實施半導體裝置出口管制、先進儲存裝置禁運的背景下，國記憶體儲廠商對核心裝置的中國國產化需求已上升為“必選項”。北方華創此次的技術突破，正是在這一戰略關鍵期的重要進展。值得一提的是，中國另一家刻蝕裝置龍頭中微公司此前也已宣佈具備90:1深孔刻蝕能力，並正在加速攻克100:1技術，顯示出中國裝置廠商在這一領域整體的奮起直追態勢。瑞銀分析指出，如果北方華創的90:1刻蝕裝置能順利獲得中國NAND晶圓廠的訂單，預計將為公司打開數億乃至數十億美元的新增市場空間。同時，由於中國邏輯晶片廠商對先進製程裝置的需求持續旺盛，北方華創來自邏輯客戶的收入也有進一步增長潛力。基於對市場需求的樂觀判斷，瑞銀已將北方華創2026年和2027年的晶圓廠裝置（WFE）收入預測分別上調1%和8%。事實上，北方華創的業務佈局已覆蓋多個高增長領域。公司近期在投資者互動平台上透露，隨著 HBM（高頻寬記憶體）市場需求的爆發，公司在HBM晶片製造領域已形成完整的解決方案。這包括深矽刻蝕、薄膜沉積、熱處理、濕法清洗、電鍍等多款核心裝置。面對投資者關於“美系裝置斷供下訂單情況”的提問，北方華創回應稱，目前公司在儲存裝置和成熟製程裝置方面的訂單保持良好態勢，產品已廣泛應用於中國主流晶片廠商的生產線。當前，AI、雲端運算等新興應用正在推動儲存晶片進入新一輪擴產周期，行業供需缺口明顯。據業內預測，2025 年至2027年全球HBM產能將增長超過300%。中國作為全球最大的儲存晶片消費市場，本土製造的迫切需求為北方華創等中國國產裝置商帶來了歷史性的發展機遇。此次突破，使得國記憶體儲晶片廠商在關鍵裝置採購上擁有了可靠的本土選項，極大地降低了外部管制帶來的風險。配合中微公司的同步進展，中國國產刻蝕裝置正在形成強大的叢集效應，這對於儲存器產業實現自主可控具有里程碑意義。目前中國市場對儲存晶片的依賴度，仍以韓國的三星和 SK 海力士為主，美光也佔據重要地位，有大量的市場等待開拓。當下中國國產DRAM佔據全球市場份額僅3~5%，而NAND快閃記憶體領域也不過是5~8%。而中國是全球雲端運算和 AI 基礎設施增長最快的市場之一，對高性能伺服器記憶體的需求巨大，同時也是全球最大的智慧型手機和 PC 製造及消費市場，對DRAM的需求佔比預估為30~40%。隨著資料中心和 PC 市場對固態硬碟的需求增加，NAND快閃記憶體的需求量持續攀升，在手機儲存上也需要大量的UFS儲存晶片，因此對NAND快閃記憶體的產能需求同樣巨大，佔全球產能1/3左右。而若要實現中國國產裝置儲存全面自主化，這些待開拓的市場價值超過三千億元，這對於我們的企業既是機會也是挑戰。希望我們的儲存晶片企業能夠抓住這次機會，趁上行期好好擴充產能，為全面自主添磚加瓦。 (AMP實驗室)

美東時間上周五，美國好萊塢出現一場“大地震”：美國串流媒體巨頭網飛公司宣佈，將以每股27.75美元的交易收購華納兄弟探索公司的核心業務，涉及的整體企業價值827億美元，其中股權價值720億美元。然而，美東時間周日，美國總統川普就對這一收購案提出了潛在的反壟斷方面的擔憂。這可能會導致網飛收購華納兄弟公司一事在監管方面遇到更大阻力。川普插手收購案？網飛對華納兄弟收購案已持續數月之久，多家行業巨頭都曾參與其中，但最終還是網飛勝出。然而目前，網飛公司仍在面臨美國司法部對這一交易的審查，因為該交易可能將重塑全球娛樂業格局。“嗯，這需要經過一個過程，我們拭目以待會怎樣發展。”川普在被問及該交易時說道，他證實，自己近期與網飛聯合首席執行長泰德·薩蘭多斯（Ted Sarandos）進行了會面，“但這是一個龐大的市場份額，可能會是個問題。”預測市場Polymarket顯示，截至川普發表言論前，網飛在2026年底完成此次收購的機率約為60%。然而在川普發言後，這一機率立刻降至23%。如果這筆收購項目成功落地，將意味著全球最大的串流媒體平台網飛能夠與華納兄弟探索集團旗下的串流媒體平台HBO Max相合併，而這已經引發了競爭監管機構的擔憂。美國司法部的反壟斷部門將負責審查這筆交易，該部門可能會認為這筆交易是非法的，因為合併後網飛的市場份額將遠遠超過30%的門檻。網飛總裁也承認：“網飛的市場份額非常大，而一旦有了華納兄弟，這個份額就會大幅上升。”不過，網飛預計會在法庭上主張將諸如Alphabet公司的YouTube和字節跳動有限公司的TikTok等其他視訊服務平台也應納入對市場的分析之中，這將極大地削弱網飛公司在視訊市場上居主導地位的印象。網飛收購案可能遭遇多重阻力據媒體此前報導，網飛聯席CEO薩蘭多斯近期已經前往白宮與川普會面，旨在爭取收購事宜的通過，而川普也對此予以了證實。據知情人士透露，薩蘭多斯一再對川普強調，網飛並非任何意義上的全能壟斷企業，而且該公司幾年前也曾遭遇過使用者流失的情況。不過值得一提的是，這場收購案可能面臨的監管阻力還不止來源於潛在的壟斷風險。此前，華納兄弟選擇由網飛收購，而拒絕了來自派拉蒙天空舞公司（Paramount Skydance Corp）的收購要約，這一舉動有可能在美國政界引發一場政治爭鬥。因為派拉蒙目前是由全球第二富豪拉里·埃裡森支援，而埃裡森長期以來一直與川普關係親密。今年8月，埃裡森完成對派拉蒙的收購時，還曾獲得川普的公開稱讚。除了來自美國的監管壓力外，歐盟的監管機構也可能會對網飛的這一收購案進行深入審查。在英國，該交易在宣佈前就已受到關注。英國上議院議員盧西娜·伯傑（Luciana Berger ）已經向英國政府提出詢問，詢問這筆交易將如何影響市場競爭和消費者價格。 (財聯社AI daily)

前7個月營收近千萬元，中國頭部車規晶片公司入股增資。又一家智駕公司未來考慮獨立上市，創始人都來自特斯拉。車東西12月8日消息，日前，AI科技公司紐勱科技（Nullmax）宣佈完成C1輪融資，某中國頭部車規級晶片公司作為戰略投資者增資千萬美元。▲Nullmax完成C1輪融資此輪融資充分體現了資本市場與產業核心生態夥伴對Nullmax技術實力、產品能力及商業化前景的高度認可。據企查查消息，紐勱科技自2019年到現在經歷了4輪融資，投資方包括德賽西威、FutureX天際資本、上海岩山科技股份有限公司（簡稱為“岩山科技”）等知名企業。▲Nullmax融資歷程其中，2023年10月，紐勱科技宣佈獲得總計約7.8億人民幣的B輪融資，本輪融資由岩山科技獨家領投，Nullmax也成為岩山科技合併報表範圍內的控股子公司。根據官方公告，Nullmax投前估值達到4.25億美元（約合人民幣30.04億元）。01. 投前估值超30億元 頭部車芯公司擬增資超7000萬岩山科技於12月6日披露的《上海岩山科技股份有限公司關於控股子公司增資擴股引入戰略投資者、 終止控股子公司表決權委託暨關聯交易並不再將其納入合併報表範圍的公告》（簡稱為“此公告”）公佈了其控股子公司Nullmax （Cayman）的幾個關鍵資料：▲上海岩山科技股份有限公司發佈公告1、Nullmax擬啟動C輪融資，融資額上限為1億美元（約合人民幣7億元）。2、Nullmax首先通過增資擴股形式引入具有業務深度協同效應的某中國頭部車規級晶片公司作為戰略投資者參與C輪融資。該C輪投資方擬以1000萬美元（約合人民幣7069萬元）向Nullmax（Cayman）增資。▲Nullmax的C輪投資方擬增資超7000萬元3、對應Nullmax（Cayman）投前估值為4.25億美元（約合人民幣30.04億元），較Nullmax（Cayman）前次B輪融資投後估值27.575億元人民幣增長9.04%。4、本次增資完成後， 該C輪投資方對Nullmax（Cayman）的持股比例為2.45%。 本次交易有利於進一步推進紐勱科技與該C輪投資方的戰略合作。▲Nullmax本次交易後的股權比例5、此公告也同時披露了紐勱科技最近一年的主要財務資料，2024年其營業收入為7212萬元，淨虧損為1.30億元，淨資產為6.44億元。截至今年前7個月，其營業收入為960萬元，淨虧損為1.03億元，淨資產為5.71億元。▲Nullmax近期財務資料此外，該公告也點明Nullmax（Cayman）不再納入公司合併報表範圍，未來考慮獨立上市。官方指出，智能駕駛行業已進入深度整合與生態協同的關鍵階段，此次融資成功標誌著Nullmax產業資源的高效配置和戰略夥伴的深度繫結，共同驅動技術落地與大規模商業化。雙方將圍繞“AI演算法×智駕晶片”的深度融合，打造具備高性價比、可規模化落地的智能駕駛方案，推動更多量產裝車，加速智能駕駛技術的普及與應用。Nullmax創始人、CEO兼CTO徐雷表示：“感謝產業夥伴對我們戰略路徑的認同與支援，我們將聚焦生態創新，不僅保持技術領先，更與盟友共同推動生態進化，在全球市場建構可複製的商業模式。”02. 一家有著特斯拉“血統”的智駕公司 推動L2+、L4普及落地智能輔助駕駛賽道，紐勱科技（Nullmax）有著獨特的技術基因——其核心創始團隊均源自特斯拉核心研發陣營。其創始人徐雷同時擔任CEO與CTO一職，他的職業履歷在科技領域頗具份量。▲Nullmax創始人、CEO兼CTO徐雷他曾先後任職於高通與特斯拉，在特斯拉工作期間，曾擔任特斯拉自動駕駛高級電腦視覺工程師，為Autopilot研發團隊核心成員，從零開始領導搭建特斯拉Vision深度學習網路，成功取代了特斯拉第一代產品中使用的Mobileye視覺系統，擁有特斯拉量產車型自動駕駛技術的實戰經驗。而紐勱科技的聯合創始人兼COO宋新雨同樣帶著特斯拉的技術積澱加盟，公開資料顯示，他曾是特斯拉高級供應鏈/產品經理，負責Autopilot系統在特斯拉三代量產車型(ModelS/X/3)的產品化，擁有豐富的從產品研發、採購、製造到品質的整套項目開發經驗。▲Nullmax聯合創始人兼COO宋新雨從核心團隊的履歷不難看出，紐勱科技（Nullmax）自創立之初便烙印著深厚的特斯拉技術基因，這也為其後續的技術突破奠定了堅實基礎。而Nullmax於2016年在矽谷正式成立後，長期專注於智能駕駛核心技術研發，堅持突破視覺感知技術上限，穩步推進智能駕駛產品的普適落地，打造了覆蓋全場景、性價比和優異性能的產品矩陣，包括前視一體機、行泊一體小域控、艙駕一體以及端到端多模態大模型等多樣化輔助駕駛解決方案。▲Nullmax四款量產級MaxDrive方案與此同時，Nullmax正積極佈局L4級“AI定義汽車”自動駕駛業務，加速推動全場景無人駕駛應用的商業化落地。03. 結語：Nullmax加速推進智駕普及本輪巨額融資不僅為Nullmax注入關鍵資金，更通過與頭部晶片公司的戰略繫結，強化了“演算法×晶片”的協同優勢。依託深厚的技術積澱與清晰的量產路徑，Nullmax有望進一步整合生態資源，加速高階智能駕駛方案的規模化落地，在行業整合期中鞏固競爭力，深度參與全球智能駕駛市場的競爭與共創，加快邁向商業化與全球化處理程序。 (車東西)