閃迪與SK海力士聯合制定的高頻寬快閃記憶體（HBF）標準規範近日引發行業關注。這項被視為突破"記憶體牆"關鍵的技術，通過融合HBM級頻寬與遠超現有方案的記憶體容量，為AI算力升級提供了新思路。據參與制定標準的企業披露，HBF系統在AI大模型訓練中展現出顯著優勢——僅需4塊GPU即可實現傳統HBM架構8塊GPU的Token輸出效率，這意味著資料中心建設成本有望大幅降低。 技術層面，HBF採用與HBM不同的技術路徑。不同於基於DRAM堆疊的HBM方案，HBF更接近NAND快閃記憶體架構，在保持低成本優勢的同時，實現了0.4TB/s至3.0TB/s的頻寬性能。首版標準支援512GB容量，提供8層或16層堆疊選項，並劃分三個頻寬等級（Grade 1-3）以滿足不同場景需求。這種設計既保證了資料傳輸速率，又通過增加記憶體密度緩解了記憶體容量瓶頸。 行業分析指出，雖然HBF的延遲特性使其難以完全替代HBM，但其在特定場景的價值已獲認可。瑞穗證券研究顯示，解耦式AI推理架構正成為新趨勢，Google、meta等科技巨頭已開始佈局相關技術。HBF的出現恰好契合這種架構需求，通過分離計算與記憶體單元，實現資源更靈活的配置。這種特性在需要處理海量資料的生成式AI應用中尤為突出。 產品化處理程序方面，閃迪已完成首款HBF晶片的流片驗證。按照規劃，2027年將向合作夥伴提供工程樣品，2028年啟動量產。業內人士認為，隨著AI模型參數規模突破兆級，傳統記憶體架構已難以滿足需求。HBF通過平衡性能、成本與容量，為資料中心營運商提供了新的選擇，特別在推理伺服器領域可能引發架構變革。

OpenAI與Anthropic正推動AI定價標準從“每token成本”轉向“每任務成本（cost-per-task）”，強調高溢價模型能一次性高效完成任務，從而降低綜合成本。第三方機構Ramp資料亦顯示，Anthropic最貴模型Fable 5僅佔其軟體支出的11%，表明企業為高溢價AI付費已觸及上限。 在AI模型價格戰進入白熱化之際，OpenAI與Anthropic正聯手改寫行業衡量模型價格的底層標尺——從“每token成本”轉向“每任務成本（cost-per-task）”，試圖在企業客戶面前為自身高溢價模型重建價值坐標系。 過去數周，兩家美國AI龍頭相繼發聲。OpenAI首席財務官Sarah Friar在7月的部落格中寫道，低成本模型token雖便宜，但得到好結果“可能需要更多嘗試、更多時間或更多人工審查”；Anthropic金融服務主管Jonathan Pelosi在近期採訪中表示，token成本只是衡量消耗了多少AI算力的“代理指標”，“對每家企業而言，更好的代理指標是完成任務的實際成本”。 這場定價敘事之爭的直接背景，是Meta、SpaceX等廠商正以極低的token價格擠壓市場。據企業支出管理平台Ramp的資料，近幾個月企業對OpenAI與Anthropic的採用已有所放緩，現有客戶正越來越多地轉向更便宜的開源替代方案。

大模型集體越獄事件的後續來了。 在Vegas Black Hat 2026大會上，擁有120多家科技巨頭成員的開放安全AI聯盟（Open Safe AI Alliance，簡稱OSAA），發佈了首份重磅文件——《SAFE智能體安全指南》的 RFC 徵求意見稿，針對自主AI Agent訪問企業資料庫與API介面時的權限隔離與安全審計制定了通用標準。 這段話，看起來就挺繞。 為了便於理解，我們將之拆分成幾個問題來解讀。

GPT-5 於 2025 年 8 月 7 日發佈，明日迎來一周年。OpenAI 借此推出 Agent Plugins：一個開放、廠商中立的標準，用可移植的外掛格式打包 Agent Skills 和 MCP 伺服器，相容客戶端可統一發現和載入。項目公開授權開發，指導委員會成員包括亞馬遜、Cursor、微軟、OpenAI 和 Vercel。 過去一年 GPT-5 家族快速迭代，先後推出 5.1 至 5.6 等多個版本，蘋果也在 iOS 26 等系統中將其接入 Apple Intelligence；Codex 應用今年 7 月成為新的 ChatGPT 桌面客戶端。至於 GPT-6，OpenAI 尚未官宣，僅透露內部 Astra 模型推進了 10 個長期未決的數學和電腦科學問題，且 GPT-5.6 的發佈曾短暫因美國政府安全審查而推遲。 (firemail)

一輛車的豪華，有時只發生在關門那一秒。 車門關上，街上噪音、人聲忽然退卻。車繼續向前，窗外的世界仍然忙碌，座艙裡卻多出了一層安靜的邊界。 這是豪華的感受，很難用一張配置表精準描述。 “豪華品牌的標準，第一是技術創新能力永遠走在市場前列；第二是滿足使用者超越功能本身的願望，讓消費者通過購買這個品牌，實現超越物理功能的願望；第三是給使用者表達個性和情感的機會。”一位多年從事豪華品牌研究的專家告訴《汽車商業評論》。

“西班牙決定不加入一個旨在阻止中國主導6G技術的聯盟。” 西班牙《數字機密報》29日報導稱，美國日前發起一個旨在防止中國主導6G的國家聯盟，西班牙並未出現在上述聯盟名單中。西班牙外交人士對《數字機密報》表示，基於中西兩國的密切往來，西班牙的這一決定並不讓人意外。 美國商務部下屬的國家電信和資訊管理局（NTIA）27日宣佈啟動“6G領導力與安全行動號召”。從參與成員來看，這一倡議吸納英國、德國、日本等所謂“值得信賴的夥伴國”加入。 美國“政治新聞網”27日報導稱，上述倡議的核心任務便是統一協調各國6G戰略，力爭在2030年代6G正式商用、全面替代5G之前“做好準備”，目的便是削弱中國在下一代電信產業的影響力。

AI晶片的記憶體成本，可能即將迎來一次斷崖式下降。7月13日，JEDEC固態技術協會正式發佈了SPHBM4標準（編號JESD330-4），其中SP代表Standard Package（標準封裝）。這項標準的核心目標非常明確：在不犧牲頻寬性能的前提下，讓高頻寬記憶體擺脫對昂貴矽中介層和先進封裝產能的依賴，直接安裝在成本低廉的標準有機基板上。簡單來說，就是用更便宜的封裝方案，跑出和HBM4一樣的頻寬。 要理解SPHBM4的意義，先得看看當前HBM4面臨的困境。HBM4作為AI加速器的標配記憶體，採用2048位超寬介面，單引腳傳輸速率約11Gbps，總頻寬可達2TB/s以上。但如此寬的介面意味著必須使用矽中介層（Silicon Interposer）來實現晶片間的高密度互連，而矽中介層高度依賴台積電CoWoS等先進封裝工藝。在高端AI加速器中，HBM佔用的矽中介層面積可能接近一半，這不僅推高了封裝成本，更成為制約AI晶片產能的瓶頸。目前CoWoS產能持續緊張，排隊等產能已成為行業常態。 SPHBM4的解決方案可以概括為三個關鍵詞：減引腳、提速率、換基板。首先是減引腳——SPHBM4將資料訊號引腳從HBM4的2048個大幅削減至512個，僅為原來的四分之一。其次是提速率——為了彌補引腳數銳減帶來的頻寬損失，SPHBM4採用4:1序列化技術，將每個引腳的訊號傳輸速率提升至約44Gbps，是HBM4的四倍。每個通道介面配備一條16位資料匯流排，以雙倍資料速率（DDR）模式運行。通過這種以速度換寬度的策略，SPHBM4在46GT/s的頂規配置下，理論峰值頻寬仍可達約2.944TB/s，與高端HBM4實現方案持平。最後是換基板——由於引腳數大幅減少，凸點間距得以放寬，SPHBM4可以直接安裝在標準有機基板上，徹底擺脫對矽中介層的依賴。 在容量方面，SPHBM4與HBM4保持一致。兩者採用相同的DRAM核心層和堆疊結構，支援4層、8層、12層和16層DRAM堆疊配置，搭配24Gb或32Gb的DRAM晶片，單個堆疊最大容量可達64GB。SPHBM4的DRAM通過分佈式介面與主機計算晶片相連，介面分為多個獨立通道，各通道之間完全相互獨立，且通道之間不一定保持同步，這與HBM4的多通道架構理念一致。

在市場化採購、成本管控、平台調度、計費交易的落地場景中，受模型能力、算力成本、使用場景、資源品質差異影響，詞元無法統一單價、統一調度，詞元分級便成為標準化管理、差異化定價、精細化交易的基礎性制度。詞元分級是以算力成本、生成質量、適用場景、資源屬性為標尺，對詞元劃分等級，以此實現優質優價、按需選配、資源分層調度。本文從分級本質、分級劃分依據、主流分級體系、分級落地場景、現存短板、最佳化方向逐層展開，保持整套文章統一體例與行文風格。 一、詞元分級的核心內涵與劃分依據 （一）分級本質 詞元分級，就是按照詞元背後依託的模型算力、推理能力、服務保障水平，把 AI 基礎資源劃分為不同品級，本質是把看不見的算力品質差異，轉化為標準化的等級標籤，直接作用於定價、計費、採購交易、資源配額管理。高端詞元對應高算力、高精度推理資源，低端詞元對應輕量化算力、基礎問答資源，實現 “分級定品質、分檔定價格、分類定用途”。