年化經常性收入已達699億。智東西2月13日報導，今天凌晨，AI獨角獸Anthropic宣佈已完成300億美元（約合人民幣2070.19億元）G輪融資，投後估值達3800億美元（約合人民幣2.62兆元），公司年化經常性收入已達140億美元（約合人民幣699.09億元），在過去三年中每年平均增長超10倍。▲Anthropic公告（來源：X）據Anthropic公告透露，本次融資的資金將助力前沿研究、產品開發及基礎設施擴建，目前Claude是唯一在三大全球雲平台Amazon Web Services Bedrock、Google Cloud Vertex AI、Microsoft Azure Foundry同時可用的AI模型。消息一經發佈，馬斯克立刻跳出來質疑Anthropic的Claude模型涉及種族和性別歧視的問題。▲馬斯克發表質疑（來源：X）有網友在下方評論稱“求你了Elon，好好搞一下Grok吧。”馬斯克回覆道：“4.2會更好。”▲馬斯克回覆網友評論（來源：X）公告中稱，Anthropic本輪融資由安大略省教師退休基金會和Coatue聯合領投，聯合領投方還包括D. E. Shaw Ventures、Dragoneer、Founders Fund、ICONIQ和MGX。本輪重要投資者有黑石集團、高盛另類投資旗下成長股權部門、摩根大通、紅杉資本、淡馬錫等。本輪融資還包括2025年11月已公佈的輝達和微軟的投資，即輝達和微軟承諾分別向Anthropic投資100億美元（約合人民幣690.06億元）和50億美元（約合人民幣345.03億元）。（Anthropic獲微軟輝達千億投資！估值飆到2.5兆）01. 超500家客戶年掏百萬美元財富10強搶著用公告中透露，以年化經常性收入計，年消費超10萬美元（約合人民幣69.01萬元）的Claude客戶數量在過去一年增長7倍。從單一用例API、Claude Code或Claude for Work開始使用Claude的企業，正將其整合擴展至全組織。兩年前，僅有十余家Claude客戶年度支出超百萬美元，如今該數字已突破500，財富10強企業中有8家現已為Claude客戶。Claude Code自2025年5月全面開放以來，如今其年化經常性收入已超25億美元（約合人民幣172.52億元），自2026年初以來增幅翻倍。Claude Code的每周活躍使用者數自2026年1月1日以來也實現翻番。近期分析顯示，全球GitHub公共提交中的程式碼有4%是由Claude Code生成的，該比例是一個月前的2倍。Claude Code的企業訂閱量自2026年初也增長了4倍，企業使用貢獻已超總營收半數。02. Opus 4.6首發百萬token Claude Code狂攬開發者過去1年中，Anthropic在模型和產品側都做出了廣受認可的成績。Anthropic的Claude系列模型持續迭代，由3.7版本升級至最新的4.5版本，程式設計能力、Agent能力都有明顯提升，能在生產力場景更為端到端、長時間地完成複雜任務。2026年2月6日，Anthropic發佈旗艦模型Claude Opus 4.6，是Anthropic首款開啟100萬token上下文窗口測試功能的旗艦級模型，該模型在長上下文查詢、推理、規劃等能力上均有所提升。（Claude Opus 4.6殺死程式設計比賽！挖出500個0day漏洞，生成k線成交量分佈，還有PPT直出）▲Claude Opus 4.6發佈推文（來源：X）在其專精的程式設計領域，Claude雖然並不總是位居榜單第一，但在開發者群體裡的口碑較好。產品側，Anthropic做出了爆款產品Claude Code。2025年2月，Claude Code隨著Claude 3.7 Sonnet一同發佈，此後迅速成為開發者圈內的爆款。作為一款能自動執行工程任務、讀寫程式碼庫、運行測試的AI程式設計助手，Claude Code採用了開發者熟悉的命令列介面，還在上下文持久化、Agent能力上持續進步，體驗不斷最佳化。▲Claude Code（來源：Anthropic）今年1月，Anthropic還推出了Claude Code的圖形化UI版本——Cowork。如今，更多非技術背景的人員也可以使用到Claude Code的Agent能力，完成整理檔案、抓取網頁等非程式設計類任務。此外，Anthropic也試圖定義Agent這一賽道的開放生態。2025年10月，Anthropic推出了Agent Skills概念，並在同年12月將其作為開放標準正式發佈，試圖讓智能體具備類似“技能包”的模組能力，這些技能可以被封裝、復用、共享和組合。Agent Skills本質上是由指令、資源和可選指令碼組成的資料夾式結構，Claude會根據當前任務自動識別並按需載入相關技能，從而實現可重複、可組合的專業化任務執行能力，而不是每次都靠提示詞驅動此外，Anthropic正在為IPO做準備，最早可能在2026年進行。Anthropic已經聘請律師事務所開展前期準備工作，並與多家投行就上市事宜進行了初步接觸。03. 結語：Anthropic商業化處理程序 按下加速鍵與OpenAI的To C路線不同，Anthropic則更加注重To B市場。Anthropic已經實現年化收入140億美元、三年年均增長超10倍，其產品Claude Code貢獻了超25億美元年化收入，這一系列成績都標誌著Anthropic正以驚人的速度推進商業化處理程序，將技術領先轉化為市場優勢。Anthropic在基礎設施層面的多元化佈局橫跨AWS Trainium、GoogleTPU、輝達GPU，為企業客戶提供了兼具性能與韌性的基礎設施保障，這正是Anthropic在激烈競爭中構築的護城河。 (智東西)

對台積電來說，蘋果在過去10年裡一直是大客戶，也是增長的火車頭。但輝達介入了兩家企業的蜜月關係。黃仁勳經常親自訪問台積電總部，展開了攻入蘋果“堡壘”的高層行銷……在印度試用蘋果新款iPhone17的使用者（2025年，Reuters）美國蘋果公司開始在確保尖端半導體方面陷入苦戰。全球最大的代工企業台積電（TSMC）的產能不足，正在成為iPhone增產的瓶頸。在人工智慧（AI）熱潮的推動下，美國輝達躍升為台積電的最大客戶，在供應鏈國際分工體系中也出現了盟主逆轉的現象。庫克：供應受限無法滿足需求“我們的流通庫存變得非常少。由於供應制約，無法滿足需求”，在1月底的財報說明會上，蘋果首席執行長（CEO）蒂姆·庫克坦率地承認，半導體短缺已成為iPhone生產的課題。蘋果在2025年10～12月創出了歷史最高利潤，iPhone銷售額時隔3年刷新了歷史新高。雖然目前業績強勁，但今後可能無法生產出滿足高需求的iPhone。最大的瓶頸是圍繞台積電產能的爭奪戰。台積電在尖端半導體代工領域掌握全球市場份額的7成。蘋果最新的iPhone17系列晶片採用3奈米的技術生產，其中大部分依賴台積電。3奈米與輝達將於2026年推出的新一代AI半導體“Rubin”使用的技術相同。輝達也和蘋果一樣，將生產委託給台積電，如何爭取到台積電的產能、讓其優先為自己生產，正成為雙方共同面臨的重大經營課題。輝達成為台積電的最大客戶輝達預計到2026年將超過蘋果，成為台積電的最大客戶。在台積電的銷售額中，AI相關已超過一半，智慧型手機相關則下降到3成左右。輝達的首席執行長（CEO）黃仁勳表示，“很高興成為台積電的最大客戶”。台積電的最重要客戶一直是蘋果。台積電從2010年代中期開始取代韓國三星電子，生產作為iPhone“大腦”的半導體，獨家肩負每年數兆日元規模的半導體生產。對台積電來說，蘋果在過去10年裡一直是大客戶，也是增長的火車頭。但輝達介入了兩家企業的蜜月關係。建立尖端半導體工廠需要巨額的裝置投資。台積電一直以年產超過2億部iPhone的蘋果所下達的大量訂單為基礎制定資金回收計畫，並將生產出的晶片優先供應給蘋果。高層親自出馬，撬動蘋果的“鐵壁防線”從輝達來看，黃仁勳經常親自訪問台積電總部，展開了攻入蘋果“堡壘”的高層行銷。“我對台積電的執行力真的很滿意”，1月底，黃仁勳在台灣接受記者採訪時也強調了這一點。他表示AI半導體Rubin已進入量產階段，並稱讚了作為代工方的台積電。輝達CEO黃仁勳（右）和台積電董事長兼CEO魏哲家（Reuters）目前，台積電重視高速增長的輝達的態度已十分明確。2025年秋季，台積電甚至邀請黃仁勳作為特別嘉賓，出席公司一年一度的員工運動會。從過去以蘋果手機晶片為核心，到如今轉而幾乎包攬輝達AI半導體的生產，台積電與輝達儼然成為“命運共同體”，共同分享AI浪潮帶來的增長紅利。美國英特爾和韓國三星電子也從事尖端半導體的代工，但在技術實力上與台積電的差距仍未縮小。美國調查公司IDC的副總裁弗朗西斯科•傑羅尼莫指出，“蘋果能否找到替代者尚不明朗”。在讓台積電代工尖端半導體這一點上，其他科技巨頭也是同樣的選擇。輝達的採購能力迅速提高，就連蘋果也無法再隨心所欲地確保產量。對各大科技企業而言，如何在依賴台積電的情況下，確保先進半導體的穩定供應，正成為比以往更加重要的經營課題。 (日經中文網)

AI巨頭震撼崛起：Anthropic 300億融資引爆行業，估值飆升至3800億美金剛剛，馬斯克急了！Anthropic官宣完成300億美元G輪融資，投後估值達3800億美元，輝達、微軟豪擲千億押注，其商業化增速與行業影響力持續飆升，不僅擠壓xAI生存空間，更與OpenAI展開巔峰對決。馬斯克稱：你們的人工智慧討厭白人和亞裔，尤其是中國人，還有異性戀和男性。這是最近中國核心員工離職xAI熱怒了馬斯克？？？一、重磅炸場：300億美金G輪融資，刷新AI行業融資紀錄當地時間2月12日，全球AI領域迎來歷史性一刻——AI獨角獸Anthropic正式官宣完成300億美元G輪融資，投後估值狂飆升至3800億美元（約合人民幣2.63兆元），一舉創下全球AI企業單次融資規模與估值的雙重新高，震撼整個科技圈。▲Anthropic公告本輪融資由新加坡主權財富基金GIC和科技產業避險基金Coatue聯合領投，黑石集團、高盛、摩根大通、紅杉資本等全球頂級資本紛紛跟投，陣容堪稱豪華，彰顯全球資本對Anthropic發展潛力的絕對認可。值得注意的是，短短5個月前，Anthropic F輪融資後的估值僅為1830億美元，如今翻倍還多，增長速度堪稱行業奇蹟，也印證了其商業化路徑的巨大成功。Anthropic 由前 OpenAI 核心團隊創立：GPT-3 發佈後，原 OpenAI 研究副總裁 Dario Amodei 與妹妹 Daniela Amodei 帶領包括 GPT-3 負責人 Tom Brown 在內的 5 名員工離職，2021 年成立 Anthropic，主打與 OpenAI 不同的 AI 安全理念。Dario 曾主導 GPT-2、GPT-3 研發。二、獨角獸加冕：Anthropic憑硬實力坐穩AI第一梯隊成立僅五年，Anthropic便從眾多AI初創企業中脫穎而出，成為全球最具影響力的AI獨角獸，用硬實力改寫行業格局。如今，這家舊金山企業已實現140億美元年化收入，連續三年實現翻倍增長，三年年均增速超10倍，商業化成果遠超行業預期。其核心產品Claude已成為企業級AI市場的標竿，《財富》世界十強企業中8家已成為其客戶，年消費超100萬美元的客戶突破500家，年消費超10萬美元的客戶一年內激增7倍。更值得關注的是，Claude Code程式設計助手年化收入達25億美元，全球GitHub公共提交程式碼中4%由其生成，企業訂閱量年初至今增長4倍，彰顯出Anthropic在企業級市場的絕對統治力，也讓這只AI獨角獸真正實現了“技術領先+商業盈利”的雙重突破。三、巨頭押注：輝達微軟豪擲千億，繫結AI未來本次融資中，科技巨頭輝達與微軟的持續加碼成為最大亮點，兩大巨頭豪擲千億人民幣押注Anthropic，彰顯對其技術路線的絕對信心。據悉，本輪融資已納入2025年11月公佈的投資計畫，其中輝達承諾投資100億美元（約合人民幣690.06億元），微軟承諾投資50億美元（約合人民幣345.03億元），兩大巨頭的深度繫結，形成了“技術+算力+生態”的強強聯合格局。輝達的算力支援的為Anthropic模型迭代提供了核心支撐，而微軟則借助其Azure雲平台，推動Claude實現全場景落地，如今Claude已成為唯一能在AWS、GoogleCloud、微軟Azure三大全球雲平台同時可用的AI模型。巨頭的押注，不僅為Anthropic注入巨額資金，更讓其在AI基礎設施與生態佈局上建構起難以踰越的護城河。四、馬斯克急了：公開質疑掀罵戰，背後是焦慮盡顯Anthropic的強勢崛起，徹底點燃了行業競爭的火藥味，特斯拉CEO、xAI創始人馬斯克率先“破防”，急不可耐跳出來公開質疑。在Anthropic官宣融資消息後，馬斯克立刻在X平台發聲，指責Claude模型存在種族和性別歧視問題，試圖從輿論上打壓這一競爭對手。面對網友“好好搞一下Grok”的調侃，馬斯克只能底氣不足地回應“4.2會更好”，言語間盡顯焦慮。作為AI領域的“風向標”，馬斯克的發難恰恰印證了Anthropic的威脅性——如今Anthropic在企業級市場的份額已接近80%，而xAI的Grok產品在市場影響力、客戶認可度上均落後於Claude，Anthropic的快速擴張，無疑擠壓了xAI的生存空間，也難怪馬斯克會急不可耐地公開“開炮”。五：Anthropic強勢崛起：與 OpenAI 全球 AI 爭霸不同於 OpenAI 的 To C 路線，Anthropic 聚焦企業級市場，憑藉 Claude 的安全與實用，在 B 端 API 市場佔據主導，OpenAI 則在企業端進展滯後。更關鍵的是，2026 年 Anthropic 計畫 IPO，將進一步打開融資通道、鞏固地位；其商業化與盈利預期已領先 OpenAI。目前 Anthropic 手握 300 億美元融資，背靠輝達、微軟，坐擁大量企業客戶；OpenAI 則依託微軟獨家合作繼續擴張。兩大巨頭的競爭，將深刻重塑全球 AI 行業格局。從資本押注、市場爭奪到技術比拚，AI 行業已從技術演示進入企業級規模化應用階段，全方位爭霸正式開啟。 (深科技)

就在華爾街對人工智慧的盈利前景充滿擔憂之時，台積電亮眼的1月營收業績令市場為之一振，也為輝達的財報利多和股價上漲做足了鋪墊。台積電業績推動連續新高周二，全球領先的晶片代工製造商台積電（TSM）公佈了強勁的2026年1月營收資料，這表明儘管人們仍然擔心行業泡沫，但全球人工智慧支出仍在持續增長。資料顯示，台積電1月份營收同比增長36.8%至4013億新台幣（約合127億美元），高於其全年30%的營收增長預期。然而，由於2025年的農曆新年假期恰逢1月份，因此與去年同期相比，這一資料可能存在一定的波動。受此消息影響，台積電美股股價當天就跳漲創出歷史新高。周三，台積電繼續大漲，盤中一度漲近5%，收漲3.37%，報374.09美元/股，繼續創出歷史新高，總市值達到1.94兆美元。Wedbush Securities分析師馬特·布萊森在財報發佈後重申了對台積電股票的“跑贏大盤”評級。他指出，該公司1月份的營收增長率高於其34%的歷史平均水平。布萊森在給客戶的一份報告中表示：“我們仍然認為，人工智慧綜合體是推動經濟增長的主要動力，對人工智慧伺服器的強勁需求不僅推動了加速器的建設，也推動了對支援人工智慧工作負載所需的元件和基礎設施（網路、標準計算、電力等）的需求。”台積電為所有主要的人工智慧半導體公司生產晶片，包括輝達（NVDA）、AMD（AMD）和博通（AVGO），也為蘋果公司生產晶片。由於其在製造先進的人工智慧加速器方面發揮的作用，台積電已成為人工智慧相關投資激增的最大受益者之一。瑞穗證券交易台分析師喬丹·克萊因稱台積電為“人工智慧領域的瑞士軍刀”。他表示，台積電是人工智慧資料中心建設的主要受益者之一。“無論那種半導體產品最終勝出，無論是GPU（圖形處理單元）還是ASIC（專用積體電路），台積電都將受益，並且從明年開始，下一代HBM（高頻寬記憶體）將為其帶來不斷增長的收入，”克萊因在一份客戶報告中表示。根據TipRanks的資料，台積電(TSM)股票的共識評級為“強烈買入”，這是基於過去三個月內六個“買入”評級和一個“持有”評級得出的。積極佈局未來2025年，台積電繼續專注於其最先進的晶片。採用7奈米或更小工藝製造的產品佔全年晶圓收入的74%，高於2024年的69%，這表明該公司正向尖端半導體技術轉型。與此同時，高性能計算（HPC）平台（包括人工智慧資料中心加速器）推動了大部分增長。HPC收入同比增長48%，預計2025年佔總收入的58%。這種對高端晶片的關注凸顯了人工智慧應用對台積電整體營收增長日益增長的重要性。對於未來，台積電也在積極佈局。台積電計畫今年投入高達560億美元的資本支出，比2025年增長30%。其中約70%至80%的支出將用於先進技術，凸顯其對下一代晶片製造的重視。此外，該公司預計未來三年將大幅增加支出，以滿足日益增長的人工智慧晶片需求。此外，台積電也可能受益於美國政策。由於其在美國承諾投資1650億美元，其位於亞利桑那州的一座晶圓廠已投入營運。該公司或許可以免受即將生效的半導體關稅的影響。但據《金融時報》報導，消息人士稱，美國總統川普正在推遲簽署該半導體關稅協議。“我們將像鷹一樣密切關注事態發展，以確保我們通過關稅和退稅所要達成的目標不會受到損害，也不會最終變成對台積電的拱手相讓。”這位政府官員表示。另一方面，台積電董事會近期宣佈了一項450億美元的新晶圓廠投資計畫。這對該公司而言是一項重大變革，因為台積電通常會將資本支出分散到全年。而此次，該公司計畫在2026年第一季度一次性撥付其520億至560億美元資本支出預算中的絕大部分。不過，目前尚不清楚其中有多少資金將用於美國晶圓廠。此前，台灣方面拒絕了將40%的半導體產能轉移到美國境內的提議。與輝達深度捆綁台積電此次“炸裂”的1月份營收業績，也讓輝達的投資者吃下了定心丸。2月初，亞馬遜（AMZN）、Google（GOOG，GOOGL）、Meta（META）和微軟（MSFT）四大科技公司預測，到2026年，它們的資本支出將合計達到約6500億美元，將用於建設新的資料中心以及為其配備的眾多裝置，包括人工智慧晶片、網路電纜和備用發電機。這四家公司的資本支出規模之大在本世紀前所未有。彭博社資料顯示，這四家公司今年的預計支出都將創下過去十年中任何一家公司單年資本支出的最高紀錄。這一驚人的資料引發了資本市場的質疑，從而導致這幾家股票一度下跌。投資者普遍質疑人工智慧最終是否會讓那些押注最多的人受益。許多資料中心協議的循環性質也讓那些過去曾受科技行業繁榮與蕭條周期衝擊的投資者感到不安。這一猶豫的心態也讓輝達（NVDA）的股價在近三個月內無法有效向上突破。上周，輝達首席執行長黃仁勳稱此次華爾街的資本支出熱潮是“一代人一次的基礎設施建設”。眾所周知，輝達與台積電存在深度捆綁的關係。台積電憑藉其世界領先的晶片代工廠技術，穩居全球最先進晶片代工企業的寶座。它佔據了全球約71%的晶片市場份額，並生產超過90%的先進半導體產品，因此成為人工智慧需求的風向標。台積電是輝達先進GPU（包括對人工智慧模型至關重要的H200）的主要製造商，台積電又採用輝達的cuLitho計算光刻平台來提高製造效率，輝達也是台積電亞利桑那州工廠的重要合作夥伴。輝達上漲空間最高85%預計到2026年，輝達將超過蘋果，成為台積電最大的客戶，這標誌著半導體行業向人工智慧領域轉型。大多數人工智慧處理都在資料中心進行，而資料中心正是輝達的主場。據物聯網分析公司（IoT Analytics）的資料顯示，輝達佔據了資料中心GPU市場92%的份額，佔據絕對優勢。從更宏觀的角度來看，台積電的業績表明，市場對以人工智慧為中心的晶片有著強勁的需求，進而也表明市場對輝達GPU有著強勁的需求。在客戶強勁需求的推動下，科技行業正積極擁抱人工智慧。這帶動了資料中心的蓬勃發展，預計到2030年，資料中心支出將達到3兆至4兆美元。GPU是資料中心支出中最大的單一成本驅動因素，約佔總成本的39%。作為資料中心GPU的領先供應商，輝達很可能從這部分支出中獲益匪淺。輝達即將公佈2026財年第四季度（截至1月26日）的業績，市場對其表現寄予厚望。輝達預計該季度營收將同比增長65%，高於第三季度的62%。對投資者而言，上漲空間顯而易見。輝達是華爾街最受好評的股票之一。在2月份發表意見的63位分析師中，94%給予“買入”或“強烈買入”評級。此外，平均目標價為254美元，這意味著較周一收盤價有33%的潛在上漲空間。Evercore ISI分析師馬克·利帕西斯比華爾街同行更看好輝達，他給出的目標價為352美元，這意味著潛在上漲空間高達85%。這位分析師稱輝達是2026年的“首選股”，這得益於“平行處理的巨大變革”。 (美股財經社)

2025年，具身智能領域最火的詞就是VLA（視覺-語言-動作模型）。它成了一種席捲全行業的共識，一個關於具身基礎模型的標準答案。在過去的一年裡，資本和算力瘋狂湧入這條賽道，基本上所有的模型大廠，都在用這套範式。但很快，現實的物理世界給所有從業者潑了一盆冷水。因為VLA在物理動作執行上很弱。它能懂極其複雜的文字指令。但當機械臂真正去抓取時，它可能連如何調整手腕姿態以避開杯柄的阻擋都做不好，更別提讓它去執行解開鞋帶這種涉及複雜物理形變的動作了。VLA的另一個致命痛點是泛化。本來之所以大家要做模型更新，為的就是不用為每個特殊環境程式設計，看重的正是大模型的泛化能力。結果現在，任何超越訓練規定環境的動作，VLA基本都無法泛化，甚至出了訓練環境類似的環境都做不了。整個行業把泛化的無力，歸結於資料的不足。大廠們開始投入億萬資金，用各種方式去採集資料，試圖用海量的模擬演示來填補VLA的常識空缺。但2026年初，輝達（NVIDIA）發佈了兩篇論文《DreamZero: World Action Models are Zero-shot Policies》和《DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos》兩篇論文，建構了一套全新的具身智能基礎模型範式，打破了資料內卷的僵局。它們一起，給出了一個完全從視訊裡學習，Zero-shot（零樣本）就能泛化執行不同工作的具身模型的可能。01 VLA缺的不是資料，而是世界模型要理解DreamZero和Dream Dojo的顛覆性，必須先從底層剖析VLA的系統性缺陷。VLA的最大問題，就是缺乏世界模型。VLA的底層架構限制了它的認知方式。從譜繫上看，VLA和LLM的親緣更強，反而和純視覺、純物理的親緣較弱。它通過交叉注意力機制（Cross-Attention）將圖像的像素塊對應到文字的語義空間中，在這個空間裡，它理解了杯子和桌子的概念，理解了它們在二維畫面中的相對位置。但物理世界不是二維的語義切片。物理世界是連續的，充滿了質量、摩擦力、重力和幾何碰撞。VLA對物理動作和世界的理解相對較弱，因為它本質上是一個「翻譯器」。我們可以用物理學中的狀態轉移方程來解釋。一個完整的世界模型，本質上是在學習一個條件機率分佈。它能在給定當前世界的狀態（視覺觀測）和機器人即將執行的動作，預測世界下一秒會變成什麼樣。VLA從來沒有學過這個方程。VLA學習的是靜態視覺觀測+語言指令直接對應到可執行動作的函數關係；卻沒被系統性地訓練去預測動作後果、做反事實試錯。所以一旦環境、材質、約束關係稍微變形，性能就會斷崖式下滑。這就好比讓一個人在不理解幾何原理的情況下，去死記硬背一萬道幾何題的答案。遇到原題，他能快速寫出完美答案；遇到條件稍微變動的新題，他就徹底當機。VLA的泛化，本質上只是高維語義空間中的插值。當物理形態超出訓練集的包絡面時，插值就會失效。與之對比的，是視訊生成模型。在Veo3、Sora 2和最近大火的Seedance 2生成的物理互動畫面已經相當逼真，流體、剛體、柔性材料的動作如此連貫，幾乎與現實世界難以區分。這說明，大規模視訊生成模型在海量的網際網路視訊中，很可能已經隱式地壓縮並內化了物理世界的基礎運行規律，形成了一些世界模型。即使強大如斯，視訊生成之前仍然主要被用在給VLA提供模擬資料，而不是整合進機器人的工作流中。其實，大家想利用視訊生成模型來控制機器人的念頭並不是從此開始的。在DreamZero之前，學術界和工業界也提出了多個解決方法。但這些方法無一例外地陷入了工程和邏輯的死胡同。比如 LVP（大規模視訊規劃器）。它的思路是從一張圖和一句話，直接生成應該如何完成任務的未來視訊計畫。再把視訊中的人手運動重建成 3D 軌跡。是用視訊預訓練，而不是語言預訓練，作為機器人基礎能力的主軸。第二種則是類似輝達自己的DreamGen這種，生成視訊後，再反推動作。這是之前被寄予厚望的路線。它把整個基礎模型的架構切分為兩半，上半部分是一個視訊模型，負責預測未來；下半部分是一個獨立訓練的IDM網路，負責看著預測出來的視訊，反推並輸出動作。以上兩種分階段的模式，最大的問題就是動作和視訊生成對不齊。動作那塊要求特別精準，但視訊生成很難完美。一旦它產生的未來畫面帶有微小的像素偽影或物理幻覺，那不管是IDM或者點追蹤，都直接懵圈，成倍放大錯誤。視訊裡機器人的手指位置偏了一微米，現實中機器人就根本什麼都抓不住了。魯棒性極差。第三種是Unified Video-Action（UVA，聯合視訊-動作生成）。這算是最先進的方法了，它嘗試把視訊和動作放在同一個擴散模型裡的潛空間裡學習，兼顧了視訊預測和動作預測。而推理時又通過「解碼解耦」跳過視訊生成，以保證速度。但它的架構使用了雙向擴散（Bidirectional Diffusion）架構。為了匹配語言指令的長度，必須對生成的視訊序列進行大幅壓縮。這種做法徹底扭曲了原生的視訊時間流。時間都扭曲了，動作指令與視覺畫面的對齊幾乎就不可能了，所以這種方式的泛化性自然極差。除此之外，這些方法都有一個致命的共同缺陷，就是太慢。視訊擴散模型需要多步迭代去噪，生成幾秒鐘的動作往往需要幾十秒的計算。要是一個機器人把碗放進碗櫃要5分鐘，你怕是在邊上看著都得急瘋。因此在2026年前所有新具身智能企業中，幾乎只有前一陣剛推出家用機器人的1X Technologies在嘗試這種視訊預測的方法。他們利用海量的“影子模式”（Shadow Mode）資料，即在人類遙操作時，讓模型在後台同步運行預測，用這種極高品質的配對資料去硬生生訓練那個脆弱的IDM。但一時的失敗，並不意味著方向被否定。在去年的機器人大會上，我採訪了很多國內的具身智能學者。彼時正是Google Veo 3和 Genie 3剛剛發佈不久之時。大多數學者都對此印象深刻，意識到了視訊生成模型的世界理解能力。因此在交流中，他們幾乎是以一種共識的口吻，提出生成可能是後續具身智能最靠譜的路徑。這比在模擬環境下（Simulation）產生資料要可能性更高。模擬器（如Isaac Gym或MuJoCo）受限於人類硬編碼的物理引擎，永遠無法窮盡真實世界材質的複雜性、光影的多變性和接觸力的非線性。而吸收了全人類視訊資料的生成模型，才是那個真正包含了萬物物理法則的超級模擬器。但當時，這個思維還是停留在「資料」這個層面上，視訊生成取代VLA這個講法，基本還沒進入視野。但輝達的研究，很可能就是讓這個想法，第一次變成有效的工程化路徑的轉折點。02 DreamZero，以世界模型為基地的具身智能前面已經講了，過去利用視訊生成模型去建構機器人動作所面對的三個主要問題。一是分步導致的對齊問題。二是合一模式太差，沒法用的問題。三是太慢的問題。針對於此，輝達先用DreamZero，給出了一條解決方法。首先，DreamZero採用了視訊和動作預測同步端到端訓練的方式。這就解決了過去分階段模式的不對齊問題。其次，針對UVA的時空錯亂問題，DreamZero徹底拋棄了早期的雙向架構，轉而建構了一個14B參數的自回歸 Diffusion Transformer (DiT)。這是目前標準的視訊生成模型架構。它像語言模型生成文字一樣，嚴格按照時間順序，從左到右預測視訊和動作。在同一次擴散前向裡，同時預測視訊與動作。這帶來了兩個好處。第一，保留了原生影格率，動作和畫面在時間軸上實現了絕對對齊。第二，它利用了KV Cache（鍵值快取）技術。模型不需要每次都從頭計算歷史畫面，極大地節省了算力。之後，為瞭解決自回歸導致的“誤差累積”和幻覺問題。DreamZero還引入了真實觀測注入。模型預測出未來1.6秒的畫面和動作，機器人執行完畢。而在動作執行完的瞬間，獲取攝影機拍下的絕對真實的當前物理世界畫面，直接編碼並塞入KV Cache，覆蓋、替換掉模型剛才生成的假畫面。這一步，瞬間斬斷了誤差積累的因果鏈。模型被迫永遠站在絕對真實的物理基石上，去思考下一步。最後，也是最重要的一步，是解決生成慢的問題。為了達到機器人控制需要的頻率，DreamZero發明了DreamZero-Flash技術。擴散模型慢，是因為推理時需要走完漫長的去噪鏈。如果強行減少步數（比如只用1步去噪），生成的動作質量會斷崖式下跌，因為畫面還處在充滿噪點的模糊狀態，模型無法從中提取精確的動作。DreamZero-Flash的解法是「解耦噪聲調度」。在訓練時，它不再讓視訊和動作處於相同的噪聲等級。它強制模型看著極度模糊、充滿高強度噪聲的視覺畫面，去預測完全乾淨、精準的動作訊號。這等於是在訓練模型在看不清未來的情況下，憑藉物理直覺做出正確反應。對於人來講，這是不可能的任務，看不清就是做不了動作。但對模型來講，這似乎完全行得通。經過這一訓練，到了推理階段，模型只需要進行僅僅1步去噪就能生成精準動作。推理時間從350毫秒瞬間壓縮到了150毫秒。這使得系統能夠以7Hz的頻率輸出動作塊，結合底層控製器，實現了相對平滑的即時執行。經過了這一系列改造。DreamZero展現出了視訊生成世界模型的恐怖潛力。最突出的是泛化能力。在AgiBot雙臂機器人的測試中，研究人員拋出了訓練集裡完全沒有見過的任務解開打結的鞋帶、從假人模型頭上摘下帽子、拿著刷子畫畫。讓從頭訓練的VLA來做，任務進度幾乎為零，開始的地方都做不好。但DreamZero的平均任務進度達到了39.5%，某些特定任務（如摘帽子）甚至高達85.7%。這是因為DreamZero的學習過程是顛覆性的。在訓練時聯合預測視訊和動作，它被迫在潛空間中建立事物演變的因果鏈條。它知道如果不鬆開夾爪，被夾住的物體就不會掉落；它知道如果向前推倒一杯水，水會灑出來。因為預設了基於視訊的世界模型，WAMs擁有了物理直覺。當遇到未見過的任務時，它不是在記憶庫裡搜尋類似的動作，而是在腦海中模擬出了動作的物理後果。只要這個物理後果符合語言指令的語義目標，它就能直接湧現出執行動作。這就是為什麼它能在Zero-shot的情況下完成解鞋帶這種複雜任務。更讓人震撼的是跨機體（Cross-Embodiment）能力。在傳統的VLA範式下，你要讓一台新形態的機器人幹活，就必須僱人去給這台機器人錄製專屬的遙運算元據。但在DreamZero中，研究人員只讓模型觀看了人類視角的錄影（純視訊，沒有任何電機動作參數），僅僅看了12分鐘。模型在未見任務上的表現就實現了42%的相對提升。隨後，他們把在AgiBot上訓練的模型，直接遷移到一台完全不同的YAM機器人上。僅僅給它喂了30分鐘的非結構化「玩耍資料」（Play Data），模型就完成了軀體適應，並且完美保留了零樣本泛化執行複雜指令的能力。這就是世界模型的降維打擊。物理規律是通用的，它只需要極少的資料去微調自己對新軀體運動學邊界的認知。VLA最大的問題，DreamZero這樣預設了世界模型的動作模型 WAM（World Action Model）完美解決了。它不需要海量的機器人資料訓練就能達成很好的泛化。但我們必須保持清醒。基於視訊生成的工程化路徑，其實依然有很多卡點。相對於VLA動輒在消費級顯示卡上跑出20Hz、30Hz的驚人速度，DreamZero拼盡全力最佳化後的7Hz依然很慢。並且，它對硬體要求更高，依賴於H100或GB200這樣的頂級晶片組成的計算叢集來進行平行推理。對於邊緣端部署的獨立機器人來說，這在目前的算力成本下是不可接受的。不過，算力成本的下降服從摩爾定律，而演算法架構的物理認知上限則是天花板。用昂貴的算力去換取原本根本不存在的泛化能力，這筆交易在技術演進的長期視角下是絕對划算的。DreamZero的成功，意味著從VLA轉向視訊世界模型，不再是一個學術幻想，而是一個已經跑通的可能。03 世界模型需要的資料，和VLA不一樣在 DreamZero 的實驗中，輝達發現了一個反直覺的結論。我們通常認為資料越多越好。如果機器人學不會，那就再採集一萬小時資料。 但在世界模型的語境下，這個定律失效了。DreamZero 揭示了新的法則 資料多樣性 > 資料重複量。研究人員做了一組對照實驗 ，準備了兩份資料，總時長都是 500 小時。● 資料集 A（重複組）：包含 70 個任務，每個任務有大量重複的演示，位置和環境變化很小。這是傳統 VLA 喜歡的“刷題”模式。● 資料集 B（多樣組）：包含 22 個不同環境、數百個任務，資料極其雜亂，幾乎不重複。結果使用雜亂資料訓練的 DreamZero，在未見任務上的泛化成功率達到了 50%。 而使用精美重複資料訓練的模型，成功率只有 33%。為什麼？ 這是因為 VLA 和 WAM 的學習邏輯根本不同。 VLA 是在背誦。WAM 是在學物理。DreamZero 證明了對於學習物理規律而言，看 1 次在火星上煎蛋，比看 1000 次在廚房裡煎蛋更有價值。因為前者提供了新的物理邊界條件，而後者只是在通過重複增加冗餘。世界模型需要的是覆蓋率，而不是重複率。04 下一步，是把世界模型訓練的更好DreamZero 的意義，是證明了WAM這條路完全能走通，還能非常好的泛化。但想要持續提升DreamZero這樣模型的能力，我們還需要對它加以訓練。儘可能強化它基於視訊生成的世界模型，最好還有個更嚴格的後驗裁判，能夠指導它在後訓練中持續提升精準性。這就是另一篇論文中 Dream Dojo 的作用。DreamZero 造出了引擎，DreamDojo 煉出了持續最佳化這個引擎的燃油。正如其名，它像是一座道場，要把世界模型訓練這件事，從DreamZero這種一次性的科研 demo，豐富成一套可重複的工業流程。這套流程涵蓋了從資料攝入、表徵對齊，到滾動預測、誤差診斷的全生命周期。在 DreamDojo 出現之前，VLA（視覺-語言-動作）模型在資料上總是碰壁，面臨三重死穴。1. 標籤稀缺：網際網路視訊浩如煙海，但只有畫面，沒有動作資料（Action Labels）。2. 工程地獄：機器人的身體千奇百怪。不同的自由度（DOF）、不同的控制頻率、不同的介面格式。試圖統一這些資料，是工程師的噩夢。3. 不可控：很多模型生成的視訊看著像，但在物理因果上是錯的。如果動作和後果不對齊，模型就無法進行反事實（Counterfactual）推演。無法推演，就無法規劃。但現在，因為有了視訊生成模型，這些就都不是問題了。DreamDojo 不是從零做 world model，它是站在「視訊基礎模型已經把世界的視覺與時空規律學到一定程度」的台階上，再強化對於具身智能來講，至關重要的互動因果和可控性。既然人類視訊裡沒有電機資料，那我們就不要電機資料了。DreamDojo 不再執著於感測器裡的讀數，而是去尋找動作的物理本質。動作，本質上就是一種讓世界狀態發生改變的力。DreamDojo 設計了一個自監督編碼器，專門盯著視訊的前後幀看。它在不斷地問自己一個問題，到底是什麼力量，讓上一幀變成了下一幀？機器自動提取出來的這個答案，就是連續潛在動作。DreamDojo 不再記錄絕對的關節姿態。因為絕對姿態在高維空間裡太稀疏、太難學。 它記錄的是變化量。每一幀都以當前狀態為基準歸零。這讓動作的分佈變得更窄、更集中，模型更容易學會向左移一點這種通用的物理規律，而不是死記坐標。這就好比不需要知道一個人用了那塊肌肉（感測器資料），只要看他揮手砸杯子，杯子碎了，模型提取出揮手擊碎這個潛在動作的整個過程。同時，為了增強可控性。DreamDojo 不把整段動作軌跡當作全域條件灌進去，而是把連續 4 個動作拼成 chunk，只注入到對應的 latent frame。通過這樣的拆分，模型被強制要求理解是這一個微小的動作切片，導致了下一刻的畫面變化。讓世界模型不會造成因果混淆。視訊模型在這個過程中，把訓練目標從預測未來像不像，推向動作改變未來的方向與幅度是否一致。這徹底打通了不同具身體之間物種隔離。 不同身體、不同場景做同一種動作，潛動作會趨於相近。模型不再需要知道手肘電機轉動 30 度，它只需要知道這個潛在動作會導致杯子被拿起。而因為這個潛空間的動作規律對誰都一樣，不存在空間異構，不存在資料格式不通。DreamDojo 在視訊生成這個世界模型的基礎上，用連續潛在動作這個數學上的通用語，把全人類的視訊資產轉換成了機器人可以理解的經驗。為了達成這個目標，輝達團隊建構了一個 DreamDojo-HV（加上 In-lab 與 EgoDex）的資料集，是一個約 44,711 小時的第一視角人類互動混合資料集，覆蓋極其廣的日常場景與技能分佈。包含上萬級場景、數千級任務、數萬級對象的長尾分佈。這個規模，比之前最大的機器人世界模型資料集大了 15 倍，場景豐富度高了 2000 倍。結果 DreamDojo 在沒見過任何真機器人的情況下，僅憑看人類視訊預訓練，就能在極少量的微調後，操控真機器人完成從未見過的任務。再通過蒸餾技術，他們把這個龐大的世界模型壓縮到了能跑 10 FPS 的即時速度。至此，結合Dream Dojo和DreamZero，這套建立在世界模型上的具身智能的閉環終於合上了。它的底座是視訊生成模型，因為它懂物理。構架是DreamZero 代表的世界動作模型（WAM），它能通過預測未來來決策，而且讓可執行與低延遲夠薄，能用。而其進步的燃料，是DreamDojo 把物理與可檢驗性做厚，讓全網的人類視訊，通過潛在動作轉化為機器人的經驗。我們不再需要讓幾萬個博士去遙操作機器人了。只要讓機器人坐在那裡，日夜不停地看人類幹活的視訊，它就能學會關於物理世界的一切。05 這，很可能是具身智能的範式轉變DreamZero的出現，敲響了具身智能純VLA時代的喪鐘。這場範式的轉變可能，將深刻地重塑整個行業的生態。首先是資料採集哲學的顛覆。在VLA範式下，從業者陷入了遙運算元據的囚徒困境，認為只有花重金採集幾萬小時的精準動作配對資料，機器人才能變聰明。但DreamZero展示了跨機體學習的恐怖潛力，僅僅通過觀看人類行為的純視訊，模型就能汲取物理策略。而Dream Dojo則意味著，YouTube、TikTok上那數以百億計的人類生活視訊，那座原本被認為缺乏動作標籤而對機器人無用的資料金礦，將被徹底解鎖。從高成本的實體遙操作，轉向低成本的網際網路視訊挖掘，這是獲取常識的降維打擊。最重要的是，我們對機器智能的認知正在發生根本性轉移。VLA時代，我們試圖通過教會機器認字來讓它幹活，結果得到了一個笨拙的翻譯官。現在，我們開始教會機器做夢，在腦海中生成、預測、模擬物理世界的演變。當一台機器不再是機械地復讀資料，而是能夠在內部建構一個符合物理定律的微縮宇宙，並在其中推演自己的行為後果時，我們就已經站在了通用具身智能的真正起點上。這是一條更陡峭的路徑，但也必定通往更廣闊的未來。 (騰訊科技)

美光徹底出局HBM4市場，訂單被韓系雙雄清零剛刷到SemiAnalysis 2月10日的最新報告，越看越唏噓。作為行業權威分析機構，它的這份披露，直接改寫了下一代高頻寬記憶體（HBM4）的市場格局。美國儲存大廠美光，因技術路線失誤，徹底錯失輝達下一代Rubin晶片的HBM4供應訂單。HBM4市場將被韓系廠商SK海力士與三星徹底主導，美光在輝達Rubin平台的供應份額被“清零”。這意味著，美光將完全無緣這一高端記憶體核心市場，顆粒無收。要知道，HBM4是輝達Rubin晶片的核心配套記憶體，直接決定其AI算力表現。韓系雙雄的瓜分格局，已經基本鎖定。市場預計，SK海力士將拿下約70%的HBM4訂單，成為絕對的最大贏家。剩餘30%的份額則被三星收入囊中，兩家攜手，實現對HBM4高端市場的全面壟斷。這一格局，也鞏固了韓系廠商在全球高端記憶體領域的主導地位，短期內難以撼動。美光的翻車，絕非偶然，核心癥結就是技術路線選偏了。為了降低生產成本、掌控供應鏈主動權，它選擇了“單打獨鬥”的策略。全程由內部自主設計、製造HBM4基礎裸片（Base Die），不與任何外部廠商合作。這種選擇，恰恰與SK海力士、三星的合作模式形成了鮮明反差。SK海力士聰明得多，選擇與台積電強強聯手，借力對方的先進製程能力。三星則依託自身成熟的邏輯代工能力，實現HBM4裸片的自主可控。反觀美光，獨立研發生產的模式，不僅引發了嚴重的散熱問題，性能也不達標。其HBM4產品的引腳速度，未能達到輝達的客戶標準，這是最致命的硬傷。更關鍵的是，美光的固執，讓它徹底落後於競爭對手。面對性能差距，它不願轉向更先進的外部製程節點，一味堅守自身路線。美光曾在財報會上宣稱，其HBM4引腳速度將超過11Gbps，但實際未能達到輝達要求。最終，在關鍵性能指標上，被SK海力士、三星遠遠拉開差距，失去競爭資格。如果說技術失誤是導火索，那時間差，就是壓垮美光的致命一擊。當地時間2026年1月5日，輝達CEO黃仁勳已宣佈，Vera Rubin晶片正式進入“全速生產”階段。Rubin平台作為輝達下一代旗艦AI晶片，其供應鏈合作名單早已基本鎖定。美光的技術調整，來得太晚，已經錯失了進入該供應鏈的最佳窗口期。美光並非完全放棄，還在做最後的掙扎。它計畫重新設計基礎裸片、最佳化供電網路，全力彌補技術短板。預計在2026年第二季度，再次提交輝達進行資格測試，試圖挽回訂單。但從當前市場格局和時間節點來看，它挽回訂單的希望，已然十分渺茫。三星能順利拿下30%左右的訂單，也算一次漂亮的逆襲。回顧HBM3時代，三星曾因技術問題遭遇供應延誤，一度落後於SK海力士。三星半導體業務負責人此前也承認，在HBM業務上錯過早期市場機會。而此次，它率先達到了輝達要求的HBM4引腳速度，成功擺脫此前的陰影。三星的突破，也讓韓系雙雄的壟斷地位更加穩固。兩家廠商憑藉各自的優勢，分工協作，徹底堵死了其他廠商的突圍之路。這也意味著，未來一段時間，全球高端AI晶片的HBM4供應，將完全掌握在韓系廠商手中。 (1 ic芯網)

百億營收難掩增長軟肋近日，晶片巨頭AMD交出了一份足以載入史冊的財報：2025年第四季度，其單季營收首次突破100億美元大關，達到102.7億美元，同比增長34% 。然而，就在業績公佈後的次日，迎接CEO蘇姿丰（Lisa Su）的卻是資本市場冷酷的重錘——股價暴跌17%，創下自2017年以來的單日最大跌幅 。這種極度的撕裂感背後，藏著半導體行業最殘酷的真相：當AMD從英特爾挑戰者，進化為可與輝達並肩的AI算力雙雄之一，它也隨之進入了華爾街最嚴苛的顯微鏡下。01 炸裂財報背後的隱憂從資料看，AMD的這份財報確實很猛。2025年第四季度，AMD營收102.7億美元，全年營收達到346億美元，均創下歷史新高。更令人振奮的是其資料中心業務，該部門營收達到54億美元，同比增長39%，不僅創下公司史上最高單季紀錄，更歷史性地佔據了公司總營收的半壁江山 。AMD的利潤引擎已經完成了一次驚險的變道：從靠各種零散業務拼湊，轉向由高價值的資料中心核心驅動。然而，在這些亮眼數字的陰影裡，華爾街卻嗅到了水分的味道。財報中藏著一個細節：為了趕在禁令變動前清理庫存，AMD在第四季度向中國市場出口了價值約3.9億美元的MI308晶片。正是這筆意外之財，直接將公司的毛利率拔高到了57%。華爾街對此表現出了極度的冷靜。剔除掉這筆一次性收入後，AMD的核心毛利率只有55%。在輝達近70%的毛利率面前，這個數字顯得有些蒼白。分析師們甚至發出了嚴厲的警告：在AI賽道，微超預期就是不及預期，投資者需要的是像輝達那樣的翻倍級業績，而不是靠中國市場的紅包雨來撐場面。更讓投資者感到不安的是2026年第一季度的預測。AMD預測一季度營收約為98億美元，雖然高於平均預期，但低於部分激進機構期待的100億門檻。在大家都抱有極高期待時，只要成績單沒有好到讓人原地起飛，那些賺了錢的投資者就會因為害怕虧回去，開始瘋狂賣股票套現。02 AMD變身輝達的全能備選雖然股價跌了，但不可否認，2025年是蘇姿丰重新定義AMD市場地位的一年，AMD完成了從追隨者到規則制定者的跨越。如果說輝達是AI時代的真神，那 2025年的AMD就穩穩坐上了“全能備胎”的寶座。當科技巨頭們害怕被輝達的CUDA生態（封閉式軟硬體計算平台）鎖死時，AMD成了他們手裡重要的議價籌碼。簡單來說，CUDA生態就是輝達在AI領域修建的，一座護城河極深的“封閉花園”。它像蘋果系統一樣，通過十幾年經營，讓全球數百萬開發者習慣了其專屬工具，形成了“一旦用上就很難換掉”的極強粘性。為了打破這種壟斷，AMD在這一年不僅加速了產品的更迭節奏，更量產了MI325X和MI350系列AI加速器。作為輝達唯一的Plan B，這兩款產品是專為大模型設計的算力怪獸：MI325X憑藉256GB的超大視訊記憶體成了儲存霸主；而採用3nm工藝的MI350系列推理性能飆升35倍。目前，全球前十大AI公司中有八家已經下單，微軟、OpenAI等都是其客戶。在硬體端火力全開的同時，蘇姿丰也深知軟體難用一直是AMD的死穴。於是，AMD在2025年發佈了ROCm 7.0開放平台，大幅最佳化了對PyTorch和TensorFlow等主流框架的支援。蘇姿丰強調，現在數百萬個大模型在AMD平台上都能開箱即用。這種軟硬結合的打法，還通過一系列瘋狂的併購與整合得到了強化。為了補充大腦，AMD買下了歐洲最大的私立AI實驗室Silo AI；而在硬體交付層面，AMD併購了提供機架方案的ZT Systems，隨後又精準地把低利潤的製造部分賣掉，留下了核心設計團隊。正是這一系列操作，才有了2026年下半年推出的、挑戰輝達霸權的Helios機架方案。這些戰略執行力的結果是顯而易見的：AMD在伺服器CPU（EPYC）市場的份額衝破了35%，並在AI晶片領域實現了年收入從幾億到數十億規模的躍升。它成功讓市場相信：AMD已經成為輝達的全能備選。03 燒錢換未來，AMD的底牌與陰影2025年，蘇姿丰反覆公開強調：“AI不是泡沫” 。她預言，未來5年全球AI使用者將達到50億，算力需求要提升1萬倍。這種對算力的貪婪預判，就是AMD敢每年燒掉數百億進行研發的原因。對於即將到來的2026年，蘇姿丰手裡握著的第一張底牌，是代號為Helios的整機機架方案。這將是2026年的終極大考，AMD將從賣顯示卡變成賣一整櫃算力，直接挑戰輝達的系統地位。緊隨其後的戰略重點，則是對2奈米工藝的超車機會。據分析師透露，AMD下一代產品將採用台積電最新的2nm工藝 ，這可能比輝達的下一代還要領先，帶來更高的性能和更低的功耗。此外，2026年作為AI PC元年，蘇姿丰的目標也很明確：讓AMD的晶片不僅在雲端，也要出現在每個人的辦公桌上。然而，衝鋒的代價是驚人的，成本也在高速燃燒。2025年，AMD的研發支出大增36%，營運費用率高達34.4%。這種軍備競賽式的投入，讓投資者擔心AMD會為了保住份額而犧牲利潤率 。與此同時，來自外部的陰影也在逼近。Google、亞馬遜等大客戶都在自研AI晶片 ，一旦他們能用自己的晶片幹活，對通用晶片的需求就會萎縮。更值得注意的是，出口管制正在收緊，向中國出口MI308的橫財正在消失。在失去這個利潤緩衝區後，AMD如何維持每年60%的資料中心增長，是蘇姿丰2026年最大的挑戰。 (新質動能)