作為一項全面削減成本計畫的一部分，西班牙電信公司（Telefonica SA）將計提25億歐元（29億美元，204.19億元人民幣）的成本，用於支付約5500名員工的離職費用（約合 371.25萬元/人）。根據周一提交的監管檔案，該公司已與工會簽署協議實施該計畫，預計自2028年起實現年均約6億歐元的營運成本節約。由於員工離職預計最早將於明年第一季度開始，因此從2026年起，現金流將受到積極影響。公司董事長馬克·穆特拉（Marc Murtra）上月曾公開表示，鑑於本年度自由現金流預期下調及股息減半的財務壓力，將著力削減營運支出。受此影響，Telefonica股價年內已累計下跌14%，創2022年以來新低。該計畫此前已通過主要工會向員工傳達。2023年，西班牙電信在西班牙裁員3421人，約佔員工總數的16%，據一位發言人稱。西班牙電信在西班牙約有2.5萬名員工，在全球約有8萬名員工。 (半導體行業圈)

我看了東吳電腦王紫敏團隊發佈的「一代衛星全集價值折分表」，這張圖表其實揭露了一個很核心的問題——中國衛星產業的成本構成，以及我們在那些環節最容易被卡脖子。核心成本怎麼分佈的？總價值3050萬元，聽起來不便宜，但問題不在總價，而在這筆錢怎麼花的。資料是最好的見證，我們一個一個來看。Payload（核心載荷系統）佔了60%，也就是1750萬元。這很能說明問題：一顆衛星最值錢的，就是它能幹什麼。再往下細看：射頻科技獨佔28%（約850萬元），Ka頻段控制天線就要350-450萬，這一家公司的產品就能讓你的衛星成本翻倍。問題來了——這不就是明擺著被人卡嗎？如果Ka頻段控制天線只有幾家公司能做，那國產衛星最核心的通訊部件就掌握在人家手裡。城國電子、國慰電子、復星微電子，還有各種射頻器件......這個產業鏈裡充滿了名字我們都知道的國產企業。但這還不夠。為什麼？因為部分晶片、高端器件的源頭技術還不完全在手上。星敏弱由/處理（15%，約450萬元）也很關鍵。星路由晶片、雷射通訊元件，這些都是當前的卡脖子點。GW衛星用S波段後天線"大腦"，這就是國產衛星為什麼那麼貴的原因——核心器件沒有替代品。星間雷射通訊（11%，約350萬元），雷射這塊兒是最有潛力但也最脆弱的。高功率雷射模組、體制內的雷射晶片，目前供應鏈很集中。這是未來競爭的高地，美國在這塊兒已經花了十多年的功夫了。我想說的是看完這張表，你就明白了——中國衛星的成本其實是被產業鏈綁架了。不是技術本身有多貴，而是每個環節都被卡脖子：1. 整合設計層面雖然我們有紅旗軟體、航天工業集團，但高端晶片設計工具鏈（比如模擬軟體）還得靠進口。2. 器件環節從Ka頻段天線到雷射器，一旦有制裁，整條產業鏈都得停。3. 底層晶片無論是RF晶片還是雷射晶片的驅動電路，源頭還是美國的工藝和IP。相比之下，看看Platform系統（衛星平台）只佔40%、工程成本只佔11.5%，你就懂了——真正的技術壁壘不在結構和工程，而在電子器件。這給中國的啟示是建立獨立的寬頻射頻晶片產業鏈，從Ka頻段一體化整合到雷射器驅動晶片，這才是衛星產業自主可控的關鍵。不能總是等別人供貨，關鍵時刻就卡脖子。現在我們能造衛星平台、能做系統整合，但每一個核心器件都要花高價錢，這不是真正的獨立。要我說，下一個五年，國家應該重點扶持寬頻射頻晶片和雷射晶片的自主研發，這才是衛星產業升級的真正瓶頸。三大核心成本深度解讀：第一部分：核心載荷系統（Payload）—— 1750萬元（佔60%）這是衛星的"靈魂"在那兒射頻通訊載荷是這部分最貴的——850萬元佔了Payload的接近一半。這不是偶然，而是暴露了最核心的產業鏈問題。Ka頻段控制天線350-450萬元，這一單個器件就接近標準器件成本的一半。我得坦白說，這不是天線本身有多複雜，而是在中國只有這麼幾家能做。為什麼？因為：1. 設計工具鏈被壟斷高端天線設計需要HFSS（電磁場模擬軟體），這是安捷倫的私產。國產替代品（如CST、COMSOL）要麼價格奇貴，要麼性能達不到。一個許可證一年幾十萬美金，這成本最後轉嫁給國產衛星。2. 工藝工程能力集中Ka頻段天線不僅要設計得好，還要加工精度達到毫米級。這需要特定的高精度加工裝置和幾十年的工程經驗。國內能做的公司屈指可數，供應商壟斷導致報價虛高。3. 可靠性認證門檻高天線一旦失效，整顆衛星就廢了。所以需要嚴格的太空級認證。這認證過程通常要1-2年，參加認證的企業數量就這麼多，新企業進入極其困難。星敏弱由/處理晶片（450萬元）——這是另一個被卡得死死的環節。星敏晶片是衛星的"眼睛"，負責確定衛星在太空中的姿態。目前國內能做這個晶片的更少——基本就是幾家軍工企業和某些高校聯合體。為什麼貴？1. 製造工藝被限制星敏晶片需要特殊的加固工藝，能抗太空輻射。這種工藝只有幾家國企能做，而且產能就那麼多。2. 關鍵指標的IP被卡高可靠性下的低噪聲放大器、模數轉換器的關鍵IP還是進口。整合這些IP設計高可靠性版本，成本就上去了。星間雷射通訊（350萬元）——這是最"高大上"但也最脆弱的部分。雷射通訊是未來星座的必需品。為什麼這麼貴？因為全世界能做空間雷射通訊終端的企業都能數出來。美國的Lincoln Labs、歐洲的Thales Alenia Space、中國的幾個航天所......就這麼多。每做一個就是定製化工程，自然成本奇高。關鍵問題是：高功率雷射模組的關鍵晶片依然被卡。半導體雷射器的某些指標、驅動電路的某些晶片，源頭IP還在國外。我們只是整合組裝。啟示核心載荷系統為什麼這麼貴？不是因為衛星有多複雜，而是因為每一個關鍵器件都被單點供應商壟斷了。要想降低成本，光靠設計最佳化不行——必須打破這些供應鏈壟斷。第二部分：衛星平台系統（Platform）—— 1300萬元（佔40%）這是衛星的"軀殼"和"支撐系統"這部分的成本相比Payload低很多——佔比只有40%，而且費用分散在五個子系統。這其實反映了一個重要的事實：我們的衛星平台技術其實還可以，問題不在這兒。結構與熱控（500萬元）是這部分最貴的。包括鋁合金結構件、隔熱屏、散熱裝置。為什麼它的成本佔比反而不如Payload器件高？原因很簡單——衛星結構是相對成熟的技術。航天工業集團、五院、八院都能做，有競爭，就不會被卡。一塊鋁板、一層隔熱膜，雖然要求嚴格，但技術不神秘，不會被單點供應商壟斷定價。姿軌控系統（380萬元）——這涉及反應輪、磁力矩器、陀螺儀。這裡面其實也有卡脖子的地方。比如高精度陀螺儀（ring laser gyro），國內依然依賴進口或合作生產。但為什麼成本反而不高？因為有替代方案——可以用光纖陀螺儀替代，雖然性能差一些，但能降成本。這種有替代方案的領域，國產化就快。能源系統（200萬元）——太陽能電池板、儲能電池。這是一個典型的有國產替代、但質量不如進口的領域。國產太陽能電池效率、輻射抗性都差一些，所以需要用更多的面積或更重的電池。成本反而更高。但至少我們能做，不會被完全卡。綜合電子（140萬元）——PCDU（電源管理單元）、指控電腦。這是我想重點說的。PCDU的核心其實就是電源管理晶片和模數轉換晶片。這些晶片裡面，高可靠性版本的關鍵IP還是進口。我們能設計，但底層的電晶體工藝、模擬電路設計的某些IP，源頭還是國外。基礎連接（80萬元）——線纜、連接器。這是最"廉價"的部分，也最能反映現實——我們在基礎工業上已經追上來了。連接器這種東西，雖然規格多，但技術門檻低，國產化最充分。啟示衛星平台為什麼便宜？因為這部分技術相對成熟，競爭充分，卡脖子的地方少。而且某些領域（結構、連接器）已經完全國產化。這其實說明：只要我們下決心、投入足夠的研發資源，電子器件領域的卡脖子是可以突破的。第三部分：工程、服務與隱性成本 —— 1150萬元（佔37.7%）這是被"隱形"的成本這部分很有意思——1150萬元佔總成本的37.7%，但很多人做衛星項目的時候總被低估。不信你問問那些衛星創業公司，有幾個真的預留了這麼多工程成本？AIT（總整合測試）——500萬元，這是單個項目裡的最大頭。AIT包括什麼？環境試驗（震動、溫度、真空、輻射）、人工費、測量與測試。光一次全尺寸的thermal vacuum test（熱真空試驗），你就要花100多萬，還要佔用試驗場幾個月。國內為什麼貴？原因扎心：1. 試驗裝置集中在幾家國企手裡五院、八院、各大航天所各有一套試驗裝置。民營企業想用，不僅要預約（排隊可能排半年），還要付"特殊使用費"。這其實就是壟斷定價。2. 人工成本被虛高AIT需要大量專業技術人員現場駐守，這些人的工資是按照航天系統的標準來的——北京的航天科技集團員工工資+項目外包加成，自然貴。3. 試驗標準過嚴某些商業衛星其實不需要軍標等級的試驗，但國內項目經理寧願保守也不敢簡化，最後試驗成本被無限拉高。發射保障——250萬元。這筆錢包括：火箭配合、射場使用費、工作人員駐場費、應急保障。其中大頭是什麼？射場場地費和人工費。國內火箭發射場主要就那麼幾個（酒泉、太原、西昌、海南），場地資源稀缺。長征系列火箭的發射費本身已經包含基本的場地和人工，但如果你有特殊需求（比如需要特殊的對接工裝、需要提前進場預演），就得額外付錢。這250萬怎麼花的？至少一半在於"進場權"和"場地資源爭奪"。早期維運（LEOP）——120萬元。LEOP是Launch and Early Orbit Phase的縮寫，就是衛星發射後的前兩周。這段時間要驗證衛星各系統是否正常工作、軌道是否精準、通訊是否建立。成本主要是：地面測控站的使用費、技術人員駐守費、突發應急的各種費用。如果衛星出現了姿態異常需要緊急調整，可能要啟動應急測控資源，費用就倍增。這120萬看起來不多，但如果出現問題（比如衛星入軌後通訊中斷3小時），額外成本可能輕鬆追加幾倍。試費與利用——280萬元。這是最"虛"的一部分。包括資料應用服務費、衛星資源租賃費、地面站維運費。這筆錢反映了一個現實：衛星造出來了，還得人去用它、維護它、營運它。如果是對標美國商業衛星的低成本模式，這部分成本會遠低於280萬。但按照國內項目管理標準，這280萬其實還算保守。啟示這1150萬元其實代表的是中國衛星產業的體製成本。不是技術成本，而是因為產業鏈不市場化、試驗資源壟斷、工程管理保守導致的溢價。如果真的想降低衛星成本，開放試驗資源、引入商業競爭、簡化工程標準，這三個改革可能比技術突破還重要。總成本結構的啟示看完這三個部分，最明顯的結論是：1. 核心問題不在總設計，而在供應鏈60%的成本在器件，我們的結構設計、工程能力其實還可以，問題就是每個關鍵器件都被卡。2. 卡脖子的地方兩類一類是沒有替代方案的（比如高可靠雷射晶片），一類是有替代但被壟斷（比如射頻天線、試驗資源）。前者需要研發突破，後者需要體制改革。3. 降成本的最快路徑不是硬體技術創新（那太慢），而是打破供應鏈壟斷。開放試驗裝置、鼓勵國產化晶片、放開火箭發射市場競爭——這些改革可能比投入100億研發預算還見效。現在問題來了——中國衛星產業的下一步該怎麼走？衛星產業的四條明路我得坦白說，這不是一個簡單的技術問題，而是一個產業鏈重組問題。看完成本表，我覺得國家在接下來五年應該重點做以下幾件事：第一步：集中突破高可靠寬頻射頻晶片這是最無法繞過的卡脖子。每顆衛星的Ka頻段天線控制晶片、高功率驅動晶片，這些都只有國外企業能做，且海外禁運清單裡明確包含這些。我的建議是：國家應該拿出50-100億的研發預算，建立一個專項突破小組，目標很明確——三年內實現高可靠寬頻射頻晶片的工程化生產。不是追求最先進，而是追求可靠性足夠、指標滿足。為什麼強調這一點？因為：1. 這塊不怕掉隊當前國際先進水平是毫米波5G整合晶片，但衛星用的其實還是Ka/Ku頻段的相對"古老"的工藝。技術難度低，只是沒人投錢做。2. 一旦突破，立刻能用不像雷射晶片還需要5-10年的工程化，射頻晶片工業化周期相對快。3. 成本立刻下來現在每顆衛星光這一塊就要850萬，國產化後成本能降50%以上。這筆錢應該投向誰？我的看法是：不能只投國企，也要投有實力的民營晶片企業。比如某些做模擬晶片的企業、做射頻前端的企業，給他們專項資金，鼓勵他們橫向拓展。這樣能打破航天系統的壟斷設計思維。第二步：開放試驗資源，引入競爭機制看第三部分的工程成本，最諷刺的是什麼？我們擁有全世界最多的試驗裝置，卻沒有充分利用。五院、八院、各大航天所的試驗場，很多時間其實是閒置的。我建議：建立國家級的衛星試驗資源開放平台，把這些試驗裝置的閒置產能向商業衛星企業開放，按照市場化價格收費。這不是說便宜賣，而是說按成本+合理利潤定價，而不是現在的壟斷高價。一旦這麼做會發生什麼？兩件事：1. 成本立刻透明現在試驗費用300萬、500萬，沒人知道成本在那。一旦市場化，國企的試驗成本也得降。2. 技術進步加速商業衛星企業會倒逼國企試驗機構改進效率、最佳化流程。現在的試驗周期那麼長，就是因為壟斷沒有壓力。這個改革阻力會很大——國企試驗機構會反對。但這是必要的。其實這不是貶低國企，而是讓他們在競爭中提高。最後受益的還是國家的衛星產業。第三步：鼓勵國產晶片替代，允許商業衛星降低可靠性指標這是一個很敏感但很關鍵的問題：軍用衛星要求軍標等級的可靠性，但商業衛星真的需要嗎？我查了美國的商業衛星成本，他們的星敏晶片、電源管理晶片用的是商業級或高可靠級晶片，而不是軍規級。這樣成本立刻下來30%。我的建議：國家應該分類指導——商業衛星可以允許使用商業級或高可靠級國產晶片，不強制要求軍規。這樣一來，國產晶片企業立刻有了市場。具體怎麼做？我覺得可以：發改委、工信部聯合制定"商業衛星晶片應用指南"，明確那些晶片在那些位置可以用商業級。對使用國產替代晶片的衛星項目，給予稅收優惠或資金補貼（按比例），鼓勵企業用國產。建立快速認證通道，國產晶片一旦通過某個商業衛星的在軌驗證，就可以快速認證用在其他衛星上。這樣，國產晶片企業就有了從"無市場"到"有市場"的機會。而且這個市場的體量很大——如果未來每年要發射100多顆商業衛星，每顆需要幾十顆晶片，這就是每年數億元的市場。第四步：放開火箭發射市場，降低發射成本這個我之前沒重點說，但現在想起來了——發射保障費用250萬，這也是一個被隱形壟斷的領域。國內商業火箭現在有這麼幾家：藍箭、零壹、星河等。但他們的產能還遠遠不夠，而且價格還是被長征系列"錨定"。我的建議：國家應該鼓勵更多民營火箭企業進入，甚至可以考慮補貼他們的前期產能投入。一旦民營火箭企業產能充足，競爭充分，發射費用自然就下來了。這看起來跟衛星沒關係，但其實關係大著呢。火箭發射成本從500萬降到300萬，一顆衛星就能省幾百萬。這對商業衛星的經濟性改善很大。第五步：建立晶片國產化路線圖，設定明確的時間節點最後這一步很重要——沒有時間表的計畫就不是計畫。我建議國家制定一張"衛星用關鍵晶片國產化路線圖"，明確：2026年底前，實現高可靠射頻晶片的工程樣品驗證2027年底前，完成首顆國產射頻晶片的在軌驗證（搭載某個商業衛星）2028年底前，國產射頻晶片成本降低20%、性能達到國際先進水平、產能達到每年10萬片2029年底前，國產雷射驅動晶片完成在軌驗證這不是憑空想像，而是基於當前國內晶片企業的技術水平做的保守估計。而且每個時間節點都要跟資金、資源投入掛鉤。最關鍵的是：每個時間節點都要有第三方評估機制。不能是自己評自己。可以委託行業協會或獨立的技術評估機構來做。這樣才能確保路線圖不會變成一張紙。為什麼現在特別關鍵你問我為什麼我這麼看重這個問題？因為時間窗口正在關閉。現在國際形勢很清楚——美國在拉長衛星晶片的禁運清單。如果我們現在不動手，五年後當禁運範圍擴大到某個中頻段晶片時，我們的商業衛星可能就無法發射了。而且從產業競爭來看，我們現在其實還有機會。Starlink的成功已經證明了商業衛星的價值。全球衛星企業都在加速發展，但中國的商業衛星還沒有真正起勢。為什麼？不是因為我們設計水平差，也不是因為我們火箭能力不足，就是因為成本太高。一旦我們通過晶片國產化、試驗資源開放、政策支援把成本降下來，我們的商業衛星企業立刻就能跟國際競爭。因為我們有很多優勢——工程師紅利、產業鏈完整、政策支援。現在的問題很簡單：國家願不願意投這筆錢、敢不敢做這些改革？我的看法是：這不是要不要的問題，而是非做不可。因為這已經成了產業安全問題。衛星產業不僅關係到通訊、遙感、導航，還關係到未來太空經濟的話語權。如果現在不做，五年後我們可能就沒有話語權了。 (行業報告研究院)

如果你是一個生活在中國、美國或歐洲的普通投資者，看到新聞說“日本米價飆升”、“東京CPI破3%”，你的第一反應可能是：“這關我什麼事？我又不去日本買大米。”但如果我告訴你，正是這碗昂貴的大米，可能會逼迫日本央行關掉全球資本市場的“免費水龍頭”，進而導致你手裡的美股、甚至新興市場基金出現劇烈波動呢？讓我們透過三張圖表，剝開宏觀經濟枯燥的外衣，看看這場正在上演的“日本通膨大戲”背後，藏著怎樣的驚悚劇本。1.歷史性的“死亡交叉”：當日本比美國更貴這是一張足以載入金融史冊的圖表。圖1 美日核心CPI對比圖資料來源：MacroMicro ｜該圖表直觀展示了日本核心CPI自1979年以來首次超越美國核心CPI的歷史性時刻多年來，全球經濟有一個常識：美國通膨高，日本通膨低（甚至是通縮）。但看這張圖的最右端，黃線（日本核心CPI）不僅抬頭挺胸，甚至在近期刺破並超越了藍線（美國核心CPI）。這是自1979年以來的首次這意味著什麼？意味著過去幾十年全球經濟的“低窪地”消失了。現在的日本，不再是那個物價萬年不漲的奇怪國家，它的通膨率甚至比那個正在瘋狂加息試圖壓低物價的美國還要高。2. 3.0%的“偽繁榮”與被大米擊穿的防線再看第二張圖。日本的粘性價格通膨指標（剔除生鮮食品）不僅連續44個月高於央行2%的目標，最近更是直接反彈到了3.0%（圖中紅框處）。圖2 日本粘性價格通膨圖資料來源：日本總務省｜該圖顯示日本扣除生鮮食品後的核心CPI在近期再次反彈至3.0%這聽起來像是一個經濟繁榮的訊號，對吧？通常通膨意味著大家都在買買買，經濟火熱。錯。這是一個巨大的陷阱。這 3.0% 的通膨背後，不是日本人在狂歡，而是他們在“吐血”。最直接的證據就是下面這張觸目驚心的“大米危機圖”。請注意看圖中那條深紅色的線（Table Rice），它是如何脫離其他食品（面包、面條），走出了一個垂直的90度拉升：圖3 大米通膨資料資料來源:日本農林水產省及日本總務省的官方消費者物價指數報告｜這也是近期被稱為“令和米騷動”的核心資料支撐。這張圖清晰地告訴我們：“大米危機”是真實的：紅線的飆升代表米價同比暴漲，部分品種漲幅甚至接近一倍。這是生存必需品，不是奢侈品。“成本推動”而非“需求拉動”：並不是日本人因為工資漲了而去消費，而是因為供應短缺加上日元貶值導致進口成本變貴，商家被迫漲價。消費者“昏迷”：實際工資是負的。老百姓一邊罵娘一邊勒緊褲腰帶。這就像一個人生病發燒（通膨），並不是因為他生命力旺盛（經濟好），而是因為他感染了嚴重的病毒（供應衝擊）。3.為什麼會威脅你的錢包？這裡是文章的核心，也是最讓華爾街睡不著覺的地方。日本央行（BoJ）現在面臨一個兩難的死局：如果不加息：日元繼續貶值，進口東西更貴，老百姓買不起米（如紅線所示），可能會引發社會動盪。如果加息：日本經濟本來就虛弱，加息會讓身背房貸的家庭和企業破產，把“衰退”變成“蕭條”。但現在的訊號是：他們大機率要加息。因為3%的通膨太難看了，且大米和生活成本的壓力已經變成了政治問題。一旦日本央行加息，全球投資者的噩夢——“日元套利交易大平倉”就會再次上演。什麼是“日元套利交易”？想像一下，你有一張信用卡（日元），利息幾乎是0。你從這張卡里套現出100萬，轉手存進一個利息5%的理財產品（比如美債），或者買了正在暴漲的輝達股票。你什麼都不用做，光吃利息差就賺翻了。這就是過去幾年全球機構都在玩的遊戲：借便宜的日元，買全球的高息資產。現在，如果日本央行加息：你那張信用卡的利息突然變高了（借貸成本上升）。日元升值了（你還錢的時候要還更多）。這時候你會怎麼做？你會立刻賣掉手裡的理財產品和股票，把錢換回日元去還債！當全世界的機構都同時開始“賣資產、換日元”時，全球股市就會遭遇拋壓。還記得2024年8月5日的全球股市暴跌嗎？那就是一次小規模的預演。4.投資者該看什麼？日本的這波通膨（3.0% CPI）不僅僅是日本國內的新聞，它是全球流動性緊縮的哨聲。作為投資者，你需要關注以下三點：日元匯率（USD/JPY）：如果日元突然大幅升值（比如快速衝向140甚至130），說明套利交易正在逆轉，你的美股或全球配置基金可能會面臨回呼風險。日本央行的態度：下一次議息會議如果他們表現得很“鷹派”（強硬要加息），請對你手中的高風險資產保持警惕。大宗商品價格：如果日本通膨持續居高不下，說明全球供應鏈依然緊張，這也可能反過來支撐黃金等抗通膨資產。5.結語那張美日CPI交叉圖（圖1）意味著一個時代的結束，而那張垂直飆升的大米價格圖（圖3）則是壓垮駱駝的最後一根稻草。“日元作為全球提款機”的日子正在倒計時。當東京的家庭主婦為了買一袋米而發愁時，華爾街的交易員們正在顫抖。在這個充滿不確定性的時代，不要只盯著聯準會的臉色，偶爾也要看看東方。因為那只在那兒搧動翅膀的蝴蝶（日本通膨），可能會在大洋彼岸引發一場風暴。 (CapitalWatch)

關鍵要點紐約市是全美生活成本最高的城市。舊金山位居第二，整體價格比紐約便宜約15%。美國各地生活成本差異巨大，對搬遷或費用對比的人來說，這些差異至關重要。本資訊圖根據 Numbeo 資料，排名2025年全美生活成本最高的前20城市。紐約市：全美標竿美國各地生活成本究竟差異多大？以下表格以紐約市為基準（指數=100），展示主要城市相對於全美最貴都市圈的相對昂貴程度。排名基於2025年年中的食品、交通、餐飲、公用事業和房租平均價格。紐約市：全球生活成本標竿紐約市位居榜首，是全球百萬富翁數量最多的城市。因其高密度設施、高工資水平和住房需求，常被用作全球生活成本基準。2025年市中心一居室平均租金：$4,107/月單人平均生活開支（不含房租）：$1,700/月加州城市：科技驅動的高成本舊金山（85.3）：受科技行業高薪和住房短缺推動聖何塞（80.4）、聖地亞哥（73.5）：矽谷輻射效應 + 太平洋沿岸溢價低成本城市：性價比之選達拉斯、新奧爾良：日常開支比紐約低40%以上中部與南部城市（納什維爾、夏洛特、坦帕）提供高性價比生活資料來源：Numbeo 2025年中資料基準城市：紐約市（指數=100）包含項目：食品、交通、餐飲、公用事業、房租結論：紐約仍是“黃金之城”，但舊金山、波士頓等科技與金融中心緊隨其後。對搬遷者來說，選擇達拉斯、納什維爾或坦帕，可在生活品質與成本間實現最佳平衡。 (格外教育)

歐洲住房成本飆升，正演變成一場席捲各大城市的“新型社會危機”。西班牙巴塞隆納市長聯合16位歐洲城市領導人，呼籲歐盟要像應對疫情那樣，正視這場日益惡化的住房危機，需緊急投入數千億歐元資金，推動可負擔的住房建設。否則，住房危機不僅將撕裂社會，也可能動搖整個歐洲的根基。歐盟預計將在周二公佈其史上首個住房整體行動計畫。在此之前，歐盟方面已就住房問題與專家、行業代表和公眾進行了長時間的磋商。對於長期處在一線的地方政府而言，這場危機早已顯而易見，並且已經嚴重到無法繼續迴避。巴塞隆納市長科爾伯尼警告稱，住房成本飆升正在席捲整個歐洲，其破壞性堪比一場“新的疫情”。去年，在巴黎和羅馬市長的支援下，科爾伯尼牽頭成立了“市長住房聯盟”，希望推動歐盟在住房問題上承擔更直接的責任。他指出：“面對這場新的‘疫情’，歐洲機構應當拿出非常規手段，投入專項資金，大規模推動面向年輕人、工薪家庭以及城市中產階層的可負擔住房建設。”過去一年中，這個由17位市長組成的聯盟，代表著歐洲超過2000萬居民。該聯盟持續向歐盟施壓，呼籲將住房問題視為一場社會緊急狀態。他們認為，房價和租金的持續上漲正在加劇社會不平等，削弱城市的社會凝聚力，並在部分國家助推了極右翼和民粹勢力的崛起。去年10月，在多輪寫信遊說和與歐盟高層官員會面之後，該聯盟終於看到一些進展：住房政策這一長期被歐盟視為“成員國事務”的領域，首次被明確納入歐盟的政策議程之中。“現在的問題是，這一政治表態必須轉化為實際資源投入。”科爾伯尼說。從雅典到阿姆斯特丹，從博洛尼亞到布達佩斯，多位城市市長聯合呼籲歐盟設立一個可負擔住房基金，其規模和機制應類似疫情時期推出的“下一代歐盟”復甦計畫。他們希望通過該基金，每年至少撬動3000億歐元的公共和私人投資，用於發展社會住房和保障性住房。同時，市長們也要求歐盟在制定相關政策時，給予地方政府更多話語權，讓城市能夠直接參與決策過程。根據歐盟統計局的資料，2010年至2023年間，歐盟範圍內房價上漲了48%，同期租金上漲了22%。到2023年，接近十分之一的歐盟居民需要將40%以上的可支配收入用於住房支出。其中，希臘的比例高達29%，丹麥為15%，德國為13%。科爾伯尼將住房危機視為歐盟面臨的重大內部挑戰。他警告稱，如果各級政府無法有效應對，民眾將開始質疑民主制度是否真的有能力解決最基本的民生問題。去年10月，歐盟首任住房事務專員丹·約根森也曾公開表示，歐盟委員會正著手應對短期租賃市場帶來的“巨大問題”，這一領域被認為是推高城市房價和租金的重要因素之一。在巴塞隆納，過去十年房價上漲接近70%。高昂的住房成本迫使部分居民離開城市，而留下來的人則承受著越來越沉重、與收入嚴重不匹配的住房負擔。在科爾伯尼看來，歐盟必須介入。“歸根結底，我們是在捍衛居民留在自己城市生活的權利。”他說，“在過去四、五十年裡，歐洲制度體系一直致力於保障資本和人員的自由流動，而現在，它們同樣有責任幫助我們保障‘留下來生活’的權利。”他警告稱，如果住房問題長期得不到實質性緩解，將為民粹主義和極端政治力量提供可乘之機。這些力量往往通過製造對立、尋找替罪羊來吸引選民，而非提出切實可行的解決方案。科爾伯尼說：“當人們即使擁有穩定工作和穩定收入，卻依然無法過上最基本、體面的生活時，那麼關於民主與平等的承諾終將失去說服力。” (鳳凰歐洲)

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

“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)

“明年的成本預估看得人有點‘驚悚’。”近期，小米通訊技術有限公司產品行銷總監馬志宇的一句感嘆，道出了電子消費產業的被迫漲價，在深圳華強北，儲存現貨“一天一價”已成常態，焦慮情緒正沿著產業鏈迅速傳導。這不是一次簡單的年底旺季波動，而是一場由AI熱潮引發的“儲存超級周期”。當上游產能被AI算力虹吸，下游PC與手機廠商正面臨一場嚴峻的成本大考。漲價已成定局，但如何漲，則成了各家廠商博弈的藝術。終端漲價的“明線”與“暗線”對於消費者而言，電子產品價格的變化往往不會直白地反映在標籤上，而是更微妙地體現在優惠力度、規格組合乃至發佈節奏的調整中。作為對儲存成本最敏感的品類，PC行業最先感受到寒意。多家海外管道商透露，受記憶體（DRAM）和固態硬碟（SSD）成本飆升影響，部分筆記本和商用PC在今年底至明年初將進入新一輪價格調整周期。市場機構預估漲幅大致在10%—20%區間，其中受衝擊最明顯的是標配16GB及以上大記憶體的主流輕薄本與高配辦公本。而在競爭更為慘烈的智慧型手機市場，漲價則呈現出更隱性的姿態。“直接抬高發售價會挑戰消費者的心理底線，廠商更多會採取‘暗漲’策略。”一位資深手機管道商透露。近期，多款熱銷機型在保持官方售價不變的情況下，悄然收縮了上市初期的優惠折扣，或通過減少贈品等方式來避險BOM（物料清單）成本的上漲。這種“體感漲價”的背後，是儲存現貨價格的暴力跳升。行業監測資料顯示，自2024年下半年以來，DDR4、DDR5等主流儲存晶片的現貨價格普遍錄得50%甚至翻倍的漲幅；高端NAND Flash的漲勢同樣凌厲。華強北一位晶片分銷商直言：“現在是幾天一個價，不敢壓庫存，也不敢輕易接長單。”而這一輪價格暴漲的核心原因，在於AI資料中心、伺服器需求的擠佔，導致全球DRAM價格明顯上漲，供應量也出現大幅度短缺。AI算力引發的產能“排擠效應”與以往由手機、PC銷量驅動的傳統周期不同，這一輪漲價完全是由AI驅動的結構性緊缺引發。隨著大模型訓練、推理和雲算力業務的持續擴容，資料中心對高性能儲存（如HBM高頻寬記憶體、企業級DDR5）的需求呈現指數級攀升。這類產品不僅技術門檻高，對晶圓產能和封裝資源的消耗也顯著高於傳統DRAM。這帶來了殘酷的“產能排擠效應”。原廠將有限的先進製程優先“喂”給高利潤的AI相關產品；HBM與高端DDR5的產出佔比快速提升；消費電子常用的DDR4、LPDDR4/5等“普貨”產能被擠壓，供應被人為收緊。業內普遍認為，在高端儲存利潤遠超消費級產品的背景下，三星、SK海力士、美光等巨頭的產能傾斜將是長期戰略。儲存行業的價格話語權，已正式從過去的手機周期讓位給AI周期。庫存深度成為廠商抗壓分水嶺面對上游的驚濤駭浪，下游終端廠商的應對策略走到了分岔口。預警派以小米為代表。小米高管近期在公開場合坦言，新一輪BOM成本“漲得驚人”，並多次預警行業價格壓力。此舉既是為新品定價做預期管理，也折射出智慧型手機BOM結構中儲存佔比過高，廠商難以長期自我消化這部分激增的成本。囤糧派則以聯想為代表。聯想管理層在近期採訪中底氣較足，明確表示“庫存相對充足，短期內不會將壓力轉嫁給消費者”。聯想此前已經採取了積極的備貨策略，為應對記憶體短缺和漲價問題，聯想已將關鍵元器件庫存水平提升至比平常高出50%。同時，聯想還採用了包括合約、期貨、長期供應合同在內的多種方式，確保記憶體整體供應充足。分析人士指出，聯想的底氣源於其龐大的長期供應協議（LTA）與規模採購優勢，這使其在原材料上行周期中築起了一道價格護城河。對於聯想這樣的大廠而言，庫存能夠起到 “蓄水池” 的作用，平滑價格波動。“在記憶體降價的時候，聯想的價格不會降得那麼狠，相應的漲價時候也不會漲得那麼快”，一位大廠產品經理表示。相比之下，庫存深度有限、議價能力偏弱的二三線品牌則面臨生死考驗。隨著舊庫存逐步耗盡，它們將被迫跟進調價，甚至不得不推遲新品發佈或砍掉低端型號。供應鏈能力是新周期的生死線這輪漲價潮何時見頂？業內暫未看到明確拐點。多家權威機構預測，這種因AI需求導致的結構性失衡，在未來6—12個月內難以緩解，儲存價格的高位運行或將持續至2026年。值得注意的是，雖然上游原廠正在增加投入，但在“AI優先”的策略下，新增產能大多流向了昂貴的HBM產線，消費級儲存的供應瓶頸短期內難以打破。這也給市場帶來了新的變數。隨著國際巨頭逐步退出DDR4等成熟製程，國產儲存廠商正在加速填補這一真空。業內人士分析認為，未來能否靈活引入多元化供應鏈，將成為終端品牌控製成本的關鍵變數。在應對儲存供應與技術瓶頸的佈局中，聯想還邁出了戰略收購的關鍵一步。2025年12月，聯想集團將完成對高端儲存公司Infinidat的收購交割。此次收購意味著聯想補足了高端資料底座的自主掌控權，擺脫了在儲存業務上對外部技術合作的長期依賴。據悉，Infinidat成立於2011年，擁有超過170項專利，核心產品InfiniBox以獨特的軟體定義架構，在不完全依賴全快閃記憶體昂貴硬體的情況下，實現了高性能和99.99999%的可靠性。對Infinidat的收購，將讓聯想補齊ISG業務的最後一塊短板，建構起完整的儲存業務版圖。如深圳時創意電子董事長倪黃忠所言，本輪漲價本質上是儲存從AI的成本配件向“戰略物資”的角色轉型。他表示，當以存代算成為降本增效的核心路徑，整個儲存市場的邏輯已被徹底重構。這意味著，行業回歸正常供需尚需時日。對於終端廠商而言，過去比拚的是價格壓縮能力，而在新的周期下，將儲存當作戰略物資做好長期規劃，才是企業生存的根本。 (21世紀經濟報導)