邊緣計算和雲端運算對儲存需求的激增，正推動各類應用對大容量快閃記憶體的需求持續攀升。3D NAND技術每12至18個月發佈一次，其擴展速度在替換率和性能提升方面超越大多數其他半導體器件。每推出新一代產品，NAND供應商都能實現讀寫速度提升50%、位密度提高40%、延遲降低以及能效增強。3D快閃記憶體製造商通過堆疊和連接儲存單元來維持這種驚人速度，這些儲存單元通過微小的深溝槽進行連接，且每一代產品都會變得更小更深。一項突破性技術——低溫蝕刻技術，能在僅100奈米的開口中鑽出數十億個深度達10微米的溝槽孔，且具有近乎垂直的輪廓。在注重能效和可持續性的行業中，這些創新蝕刻工具的設計目標是能耗僅為傳統低溫方案的一半，同時將碳排放量降低80%以上。在NAND刻蝕工藝中，關鍵挑戰在於如何在保持合理刻蝕速率的同時，確保從溝道頂部到底部的垂直輪廓均勻。建模技術在最佳化工藝配方方面發揮著日益重要的作用，以確保儲存孔內部的垂直輪廓無CD變化、無彎曲變形、無孔形畸變。即便資料集有限，人工智慧也能助力最佳化這些特徵的輪廓。這些儲存孔輪廓之所以至關重要，是因為其均勻性直接關係到NAND性能——具體表現為讀寫速度和程式設計/擦除效率。3D NAND晶片的主要生產商包括三星電子、西部資料、Kioxa（東芝旗下）、SK海力士等企業。通過採用更薄的二氧化矽與氮化矽交替層疊結構（ON），每代產品可增加30%的字線數量。隨後，深反應離子刻蝕（DRIE）技術會在晶片表面鑽出數十億個高縱橫比圓柱體（縱橫比超過50:1）。DRIE反應器能優先實現離子垂直定向，從而建構深溝槽隔離、矽通孔、MEMS腔體等垂直結構的平行排列。在NAND快閃記憶體中，若這些特徵的原子級輪廓與目標參數存在微小偏差，就會導致器件電學性能下降，不僅降低良率和性能，還可能影響可靠性。在100奈米孔徑、10微米深度的蝕刻工藝中，允許的輪廓偏差僅為10奈米。“若將10奈米的輪廓偏差作為深度的函數來考量，其偏差率不足0.1%，這一表現確實令人驚嘆，”藍思科技全球蝕刻產品副總裁金泰元表示。3D NAND技術的規模化發展路徑主要通過三種方式實現。首先，快閃記憶體單元可採用更緊密的排列方式（x和y方向縮放），或通過垂直連接進行堆疊。自2014年行業從2D轉向3D NAND以來，製造商主要在垂直方向進行整合，同時將邏輯電路置於儲存陣列下方以進一步縮小晶片尺寸（稱為陣列下晶片， CUA）。其次，晶片製造商在不增加面積的前提下，通過提升每個單元的儲存位數實現技術突破——從單位元發展到4位元（四態單元）甚至更高，從而顯著增加電壓狀態的數量。我們是如何走到這一步的？NAND晶片製造商之間的競爭異常激烈，他們致力於在每個製造步驟中實現卓越的均勻性和可重複性。其中關鍵工藝是儲存孔溝槽刻蝕。其他重要的高縱橫比NAND刻蝕工藝包括：槽口，用於隔離字線的蝕刻區域，確保電路正常運作；多層觸點，連接不同金屬布線層的孔洞； 樓梯結構，各層字線的接入通道。垂直溝槽刻蝕工藝完成後，氧化層、捕獲層及多晶矽溝道會沿孔側壁沉積。這種結構常被稱為通心粉溝道。在大多數NAND儲存器產品中，垂直排列的電荷陷阱單元已取代了原先位於源極/漏極上方的浮柵（FG）電晶體。儘管這兩種器件的工作原理相似，但電荷陷阱單元位於柵氧化層（源極與漏極之間）沉積的氮化物層中，本質上是一種內部含有氮化矽陷阱層的垂直MOSFET器件。當完成單元陣列後，晶片製造商通常會製作第二層或堆疊結構，這些結構隨後會被串聯起來。“但要確保貫穿這層約 30µm 厚的堆疊結構的線性直徑，會帶來越來越高的加工複雜度和成本，這對高堆疊沉積和高縱橫比刻蝕步驟提出了挑戰，”imec儲存工藝整合團隊的高級整合研究員薩娜·拉希迪指出。雖然採用多層短層結構可以減輕高縱橫比刻蝕工具的負擔，但也增加了成本和複雜度——特別是因為同一層中的多個儲存孔需要與第二層的孔對齊，以便後續連接。在必須對齊的短層結構與推動刻蝕性能以在ON堆疊中雕刻更深區域之間，存在著權衡關係。目前，NAND晶片供應商正採取雙層堆疊工藝：先在單層中整合儘可能多的儲存單元，再建構第二層。“另一個趨勢是將外圍CMOS電路最佳化到不同晶圓上，通過混合鍵合技術將其連接到儲存陣列堆疊，”拉希迪解釋道，“為控制不斷攀升的工藝成本，業界正推進垂直方向的進一步縮微，即所謂的z軸間距縮微。”為何要採用低溫工藝？傳統反應離子刻蝕工藝中，隨著微小孔洞內材料的不斷去除，刻蝕速率會逐漸下降。2010年代，刻蝕製造商開始探索低溫處理技術（0℃至-30℃），試圖通過低溫工藝與替代化學試劑的結合，既提升反應離子刻蝕系統的處理效率，又能最佳化垂直結構的垂直剖面。通過保持晶圓低溫，高能氟離子和氧離子承擔了去除氧化物-氮化物層及相關雜質的主要任務。“較低的溫度抑制了不必要的側壁刻蝕，同時增強了離子遷移率和轟擊效果，”Lam Research的Kim表示。該超低溫環境是通過在刻蝕平台上使用低溫機以及對晶圓進行氦氣冷卻實現的。從化學機制來看，蝕刻速率的提升源於表面擴散增強和中性物質物理吸附的增加。關鍵在於工藝工程師需要控制孔洞頂部聚合物的形成，這會阻礙離子流到達特徵底部。“通過精準調控晶圓溫度和氣體化學成分來控制孔洞輪廓，這種調控方式利用了蝕刻側壁上中性物質從化學吸附向物理吸附轉變的溫度依賴性特徵，”金解釋道。所需的蝕刻深度持續增加。TEL的Yoshihide Kihara及其同事估計：“對於未來具有超過400層的代際產品，為了維持當前的雙層堆疊結構，至少需要 8µm /層深度的儲存通道孔蝕刻。”[2]替代化學技術在降低碳足跡的同時實現了更快的蝕刻速率和孔深。TEL補充道：“通過使用氫氟酸氣體進行蝕刻，可以大幅降低傳統氯氟烴氣體的分壓，因此與第一代低溫工藝相比，溫室氣體的碳足跡可減少84%。”該公司還發現少量含磷氣體（三氟化磷）可作為催化劑促進氫氟酸與二氧化矽之間的反應，在低溫操作下提高蝕刻速率。低溫蝕刻技術的必要性已顯而易見。金指出，藍思科技已在3D NAND應用的量產晶圓廠中安裝了1000個腔室。RIE可採用兩種反應器類型——電容耦合電漿體和感應耦合電漿體系統。通常，ICP更為常見，因其兩個電極可獨立控制離子能量和離子密度，而射頻偏置功率則加速活性物種進入空穴。目前有多家RIE（反應離子刻蝕）裝置供應商，包括應用材料公司、Plasma-Therm公司、牛津儀器公司和森泰克儀器公司，但在高產量製造的低溫刻蝕領域，藍思科技和TEL公司佔據主導地位。TEL於2023年推出了首款低溫刻蝕機，而藍思科技則在2024年7月推出了第三代低溫刻蝕機。藍思科技的金先生指出，這三代反應器採用了三種不同的化學工藝。成功刻蝕的另一個關鍵要素是用於形成孔洞和狹縫的光刻掩模。晶片製造商使用厚非晶碳硬掩模（通過 CVD 沉積），並在其上旋涂玻璃和光刻膠以形成硬掩模圖案。這種厚掩模能保護在刻蝕過程中應保留的ON/ON/ON區域。Lam Research公司還採用電漿體脈衝技術在刻蝕模式與鈍化模式間切換。刻蝕工藝的副產物至關重要，因其能鈍化側壁，防止特徵結構彎曲。垂直溝槽刻蝕的縱橫比已接近70:1，而向100:1縱橫比的過渡將面臨更嚴峻的控制挑戰。輪廓控制、人工智慧與蝕刻工藝配方建模技術在提升製造精度方面發揮著日益關鍵的作用。以NAND垂直溝道蝕刻工藝為例，其蝕刻配方的最佳化需要考慮30余項可調參數，包括溫度、氣體流量、功率、工藝時長等關鍵指標。由蔡成恩（Cheng-En Tsai）領導的Macronix公司工程師團隊，揭示了一種基於人工智慧的方法，用於最佳化垂直通道（VC）結構中蝕刻後的輪廓，以最小化形狀變形（包括晶圓中心、中部及邊緣區域），以最佳化蝕刻工藝配方，從而降低CD變異。該方法可減少配方開發相關的成本與時間投入。蔡及其同事報告稱：“半導體行業面臨的關鍵挑戰之一是在配方開發初期即實現晶圓消耗最小化，這對成本效益和加速產品開發周期至關重要。”該人工智慧程序能夠最佳化33個蝕刻參數，以降低頂部CD、弓形CD（最寬點）、CD畸變及CD條紋水平的變異。Macronix公司AI輔助調校方法的核心策略，是基於全面資料集對預訓練Transformer模型進行微調。該微調過程通過將機器學習演算法應用於實際晶圓和設計實驗（DOE）分割的小型資料集。“通過將預測的刻蝕參數輸入模型，最終獲得的VC剖面圖使系統能夠以高精度模擬和預測VC結構，”Macronix團隊強調了領域知識的作用。“為提高模型預測的精準性，我們根據領域專家知識設定了特定約束條件的預設參數。這一步驟對最佳化模型輸出至關重要，確保預測結果符合實際可行的刻蝕條件。”通過使用在VC剖面圖10多個深度位置進行的TEM斜切測量，記錄了關鍵尺寸（CD）變化，並由機器學習確定了33個刻蝕參數的最佳化值。“該方法不僅通過生成高精度刻蝕剖面圖提升了刻蝕結構質量，還為半導體行業帶來了顯著的成本節約。通過先進的最佳化技術，AI輔助調諧方法確保最終形成的VC架構在最小化形狀變形和保持對CDs的精準控制方面展現出卓越性能。“最重要的是，新工藝配方顯著降低了特徵失真，這與NAND的性能和可靠性直接相關。”“在初始工藝中觀察到的VC形狀嚴重失真時，會出現明顯的突變閾值電壓，這表明3D NAND程式設計過程中存在性能不穩定現象。”AI輔助蝕刻工藝徹底消除了這種閾值電壓行為，使得器件性能變得可預測且經過最佳化。未來工藝製程面臨怎樣的挑戰？為實現每代產品新增更多ON層，縮小字線間距（現有器件中約為40奈米）是合理選擇。但國際微電子公司（IMEC）研究團隊警示，當NAND製造商在現有材料上持續製程縮小時，將引發兩大物理問題——橫向電荷遷移與單元間干擾。電荷遷移和訊號干擾會降低閾值電壓、增強亞閾值擺動、減少資料保持時間，並增加程式設計/擦除電壓。“當進一步減薄字線層厚度時，電荷陷阱電晶體的柵極長度會相應縮短。結果，柵極對溝道的控制力逐漸減弱，導致相鄰單元間的靜電耦合增強。除了單元間干擾外，儲存單元在垂直方向上的縮小還會引發橫向電荷遷移（或垂直電荷損失）。被困在SiN層內的電荷傾向於通過垂直SiN層遷移，從而影響資料保持能力，”imec研究人員表示。為抑制單元間干擾，工藝改進方案之一是採用低介電常數空氣間隙替代氧化物介質作為字線間隔。值得注意的是，二維NAND器件此前已採用空氣間隙技術。但相較於平面結構，垂直結構中引入空氣間隙的工藝難度顯著增加。Imec近期開發出一種可重複的氣隙方案，該方案在沉積 ONO 堆疊前對柵間氧化層進行凹陷處理。“氣隙通過與字線自對準的方式引入，可實現精準定位並提供可擴展的解決方案。”該方案及其他類似方案將被研究人員和製造商繼續採用，以推進3DNAND的尺寸縮小。低溫蝕刻是RIE工藝的重要發展，它能形成極深極薄的腔體，用於3D NAND器件的垂直接觸、狹縫、階梯接觸和外圍接觸。晶片製造商正在最佳化30多個蝕刻參數，以確保從特徵頂部到底部的CD變化較小的垂直輪廓。隨著這項極具挑戰性的技術不斷拓展，工藝模擬與人工智慧輔助技術可在無需運行數百片開發晶圓的情況下，對配方最佳化發揮重要作用。此舉既節省成本又縮短上市時間。因此，該行業很可能將更多依賴虛擬製造來完成這些及其他關鍵製造步驟。 (銳芯聞)

在一個看似平凡的周二，GitHub 上的一個倉庫以令人顫慄的速度引爆了全球開發者社區——160,000 顆 Star，幾乎在一夜之間達成。這個項目就是OpenClaw——當然，這已經是它的第三個名字了。它最初被稱為Clawdbot，隨後在法律糾紛的壓力下被迫更名為Moltbot，最終才定名為 OpenClaw。但這番波折絲毫沒有阻擋它的爆發，反而讓它顯得更加頑強。當大多數人還在爭論如何通過 API 呼叫雲端大模型時，OpenClaw 的創始人Peter Steinberger已經向世界展示了一種截然不同的未來：一個不需要雲端、不需要訂閱、甚至不再需要複雜介面的“本地智能時代”。這個 Agent 不僅僅是一個聊天框，它更像是一個潛伏在你電腦裡的“幽靈”，擁有接管你滑鼠、鍵盤，甚至控制你特斯拉汽車和智能家居的最高權限。最近著名的訪談節目 Y Combinator 與Peter進行了一場深度的對話，在這場深度對話中，Peter 向我們揭示了 OpenClaw 爆紅背後的頓悟時刻，以及他那套足以顛覆當前 AI 行業邏輯的“逆向哲學”。同時Peter說了一句 “80% 的 App 走向消亡！”1. OpenClaw 是什麼？OpenClaw 是一個開放原始碼的個人 AI 智能體（Agent）。核心特性：與大多數運行在雲端的 AI 不同，OpenClaw 直接運行在使用者的本地電腦上。形態：它被描述為一個居住在你電腦裡的“幽靈”或實體，能夠完全接管和控制你的滑鼠、鍵盤以及本地檔案系統。熱度：該項目在 GitHub 上極其火爆，短時間內獲得了超過 16 萬顆 Star，社區甚至衍生出了讓機器人之間互相交流的項目（如 Maltbook）。2. 它有什麼用？由於在本地運行且擁有系統級權限，OpenClaw 的能力遠超雲端模型（如 ChatGPT）：全能控制：它能做任何人類通過電腦能做的事。不僅限於處理文字，還能控制硬體，例如連接並控制特斯拉汽車、Sonos 音響、智能燈光，甚至調節智能床的溫度。創造性解決問題：它具備極強的“程式碼生成”與“問題解決”能力。訪談中提到的例子是：它能自動識別未知的音訊檔案格式，在本地搜尋工具（如 ffmpeg）進行轉碼，利用發現的 API 金鑰進行雲端轉錄，並最終回覆使用者——這一切都是在沒有預先程式設計的情況下，Agent 自主規劃完成的。群體智能協作：未來的 OpenClaw 不僅服務於個人，還能實現“機器人對機器人（Bot-to-Bot）”的互動。例如，你的訂餐機器人可以直接與餐廳的機器人協商預訂，甚至僱傭人類在現實世界中排隊。3. 為什麼 80% 的 App 會消失？Peter 提出了一個激進的觀點：只要是僅僅用於“管理資料”的 App，都會被取代。邏輯：目前的 App（如 MyFitnessPal、待辦事項軟體）本質上是資料的輸入和展示窗口。Agent 的替代方案：健身/飲食：Agent 通過攝影機看到你在吃漢堡，會自動記錄熱量，或者自動調整你的健身計畫增加有氧運動，你不需要手動打開 App 輸入。待辦事項：你只需口頭告訴 Agent 提醒某事，它就會自動管理，你不需要關心資料存在那個 App 裡。結論：只有那些真正依賴特定硬體感測器的 App 可能會存活，其餘的資料管理類需求將由 Agent 通過自然語言互動統一接管。4. 關於隱私與資料主權OpenClaw 強調資料的所有權歸使用者所有：本地儲存：所有的記憶（Memories）都以Markdown 檔案的形式儲存在使用者的本地硬碟上，而不是被鎖定在科技巨頭（如 OpenAI）的雲端伺服器裡。資料孤島問題：Peter 認為雲端模型公司試圖建立資料護城河，使用者很難匯出自己的資料。而本地 Agent 打破了這一點，使用者可以隨時查看、修改甚至加密這些檔案。靈魂檔案（Soul.md）：Peter 提到他建立了一個不對外開放原始碼的soul.md檔案，裡面定義了 AI 的核心價值觀、性格和互動原則，這讓 AI 擁有獨特的“靈魂”且保護了創造者的隱私設定。5. 逆向的開發哲學Peter 在開發 OpenClaw 時採取了非常“反主流”的技術路線：拒絕 MCP（模型上下文協議）：行業內（如 Anthropic）正在推行 MCP 標準，但 Peter 認為這太複雜且沒必要。他堅持使用CLI（命令列介面）。理由：機器人本質上非常擅長使用 Unix 系統和命令列。CLI 簡單、高效且擴展性強，不需要專門為機器人發明一套新協議。開發環境：他不使用複雜的 Git Worktrees 或 IDE 的雲端同步功能，而是簡單粗暴地在多個終端窗口中平行運行多個程式碼庫副本（Clone）。他認為保持文字同步和簡單的檔案結構比複雜的 UI 工具更高效。以人為本的工具：他的核心邏輯是：給機器人提供人類喜歡用的工具（如 CLI），而不是發明只有機器人能用的複雜協議。「結尾」OpenClaw 的崛起，本質上是對“雲端中心化”思維的一次強力回擊。在 Peter 的願景裡，AI 不應該是巨頭手中昂貴的黑盒，而應該是每個人硬碟裡那一堆觸手可及、完全透明的Markdown 檔案。當我們不再需要打開幾十個 App 去打理生活，當機器人開始像人類社會一樣進行分工協作，當我們的資料主權重新回到自己手中，人機互動的定義將被徹底改寫。這場變革沒有華麗的 UI，只有高效的 CLI（命令列）和無處不在的邏輯推理。或許，80% 的 App 確實正在走向黃昏。而在黃昏之後，一個以本地為中心、由智能體驅動、資料完全自主的新紀元才剛剛開始。OpenClaw 已經為我們打開了一扇窗，至於窗後的未來如何建構，球現在回到了我們每一位建構者的腳下。 (The AI Frontier)

為什麼我長期看好納斯達克100：我買的不是技術，而是一套會自我進化的系統很多人看好納斯達克100，是因為 AI、晶片、雲端運算、網際網路。但如果只停留在這些理由上，這個判斷其實並不牢固。因為技術會更替，公司會犯錯，周期會反覆。真正能穿越時間的，從來不是某一代風口，而是那套能長期把“聰明”變成“回報”的制度系統。我之所以會從“追風口”，走到今天這種判斷，是付過真實代價的。我在大廠、中小公司、創業和副業裡都打過滾，A 股十幾年、港美股 6 年，踩過足夠多的坑之後，才慢慢理解一件事：中小公司顛覆頭部公司是小機率事件，強者恆強才是常態，而物極必反往往需要極長周期。普通人最危險的，從來不是沒機會，而是被一次“看起來很確定”的機會，騙走了全部籌碼。一、我看好納斯達克100，本質是在看好什麼？一句話總結：它通過一套成熟機制，把全球最頂尖的人才，持續匯聚、篩選，並最終資本化。納斯達克100不是簡單的“美國公司指數”，而更像是一個全球頂級人才的終極定價中心。它從全球數十億人口中吸引最優秀的一小撮人：工程師科學家創業者產品與管理人才他們未必忠於某個國家，但高度忠於一個東西：回報函數。而納指體系，恰恰是目前全球最擅長把“能力 → 規模 → 資本回報”串成閉環的地方。二、指數基金的真正價值：不是分散，而是“糾錯”很多人以為，買納斯達克100，是在押注那 100 家公司。但實際上，你通過指數基金押注的是一套制度與糾錯機制：允許失敗獎勵成功保護產權鼓勵併購與重組納指100會定期調整成分股：失敗者被淘汰新贏家被納入你不需要預測誰會出局、誰會上位，系統會替你完成這件事。這正是指數基金對普通人最大的意義：用最低的認知成本，參與一個會自我更新的生態。三、為什麼這個系統總能獲得“估值溢價”？納指100真正的壁壘，並不只是公司本身。而是一個高度密集的“認知環境”：頂級人才頂級資本頂級投行頂級併購顧問在同一個市場裡高頻互動。這會帶來一種結果：同樣一項技術，在這裡被理解、被定價、被資本化的速度，遠快於其他市場。這就是所謂的認知密度溢價。當然，溢價是雙刃劍：它提高長期回報潛力也意味著在情緒極端時，泡沫和回撤會非常劇烈這不是缺陷，而是你必須接受的代價。四、反直覺的一點：大公司並不“笨重”很多人擔心：大公司會不會被新技術顛覆？從現實來看，真正的問題往往不是“看不見趨勢”，而是是否有能力為轉向買單。納指頭部公司的核心優勢在於：充沛現金流股票作為併購貨幣可以直接“用資本買時間”當方向明確時，它們不需要內部孵化十年，而是直接收購賽道。當然，大公司也會犯錯，但它們更擅長犯錯後不出局。五、這套系統對投資者的真實考驗是什麼？不是判斷能力，而是承受能力。納斯達克100歷史上經歷過多次極端回撤：網際網路泡沫金融危機加息周期買入並長期持有，意味著你必須接受：大幅回撤長時間不回本市場情緒的反覆折磨這不是系統失效，而是系統運轉時必然伴隨的波動成本。這是用“少操作”，換“高波動”的交易。系統會進化，但你能不能熬住，是另一回事。六、為什麼說它更像一張“時代門票”？納斯達克100，並不能保證你賺多少錢。它真正提供的是一件事：讓普通人以相對可控的方式，參與全球科技進步的長期成果分配。這不是致富捷徑，而是一種“不過早出局”的選擇。結語如果你追求的是一年翻倍，這套邏輯會讓你失望。如果你想的是未來二十年，把有限的資本和注意力，放在一個最不容易被時代拋下的系統裡——那麼，納斯達克100指數基金，至少是目前最值得認真研究和配置的選項之一。它不承諾賠率，只提供機率；不保證平坦，但儘量避免你押錯整個方向。而對普通人來說，能清楚自己在參與什麼系統、承擔什麼風險，本身就是這個時代最稀缺的確定性。 (火芯時代)

AI競賽下半場，三巨頭的硬體卡位戰。大模型雲端算力比拚進入白熱化，科技巨頭們的競爭邊界也加速向硬體終端蔓延。其中，字節最早跳出軟體生態競爭，從AI手機、眼鏡乃至汽車，字節已將目光投向全場景終端。近日，騰訊、阿里也強勢入局。不同於字節的自研主導，騰訊以資本為矛，密集編織硬體網路。阿里則以通義大模型為核，繫結海量硬體產品，也借規模效應嘗試拉高Token消耗。火山引擎大模型智能硬體負責人邢孝慈預計：2026年，AIoT（AI硬體）領域單一產品出貨量超過100萬台，單一品類出貨量超過1000萬台的客戶和產品會變多。2025年12月1日，字節跳動上線豆包手機助手，打響了爭奪手機硬體入口的第一槍。此後，有媒體披露，豆包AI眼鏡已經在排產之中，預計2026年第一季度發售。甚至坊間傳言，字節跳動要造“豆包汽車”。雖然這些消息相繼被字節否認，但硬體無疑已成為巨頭爭奪AI生態入口的核心戰場。阿里也醒了。1月8日至11日，阿里在深圳舉辦了阿里雲通義智能硬體展，共吸引超過200家品牌參加，展出了超1000個類別的智能硬體，其品類包羅萬象，涵蓋了AI手機、AI眼鏡、AI陪伴玩具、寵物翻譯、AI調香等。阿里雲通義大模型業務總經理徐棟在接受媒體採訪時說：除了Chatbot和Agent之外，硬體可能是大模型快速形成商業閉環的場景。他預計，2026年的智能硬體之爭將不侷限於手機、汽車和眼鏡，應該會出現新的品類，它們也將有可能成為新的入口。阿里在硬體激戰中的策略，更多是扮演“生態賦能”的供應商角色：與模組、晶片廠商深度合作，將通義的多模態互動、語音識別能力封裝為解決方案，讓硬體商或開發者更易用、成本更低，生態更繁榮。騰訊的策略則是瞄準頭部硬體廠商，比如同在深圳的拓竹與影石Insta360，延續其擅長的“資本+技術輸出”手腕。作為基石投資人，騰訊曾參與了影石Insta360的IPO配售。近期，影石又與騰訊雲合作發售了會議麥克風產品。有消息稱，騰訊還參投了拓竹在2025年11月完成的、估值為100億美元的新一輪融資。雖然拓竹創始人陶冶否認了這一消息，但拓竹與騰訊互動頻繁：騰訊混元3D 3.0大模型接入了拓竹3D模型平台，並推出了名為“印你”的全新手辦生成器。2026年，大公司的第一場“硬仗”圍繞端側入口打響。過去，這個入口更多被硬核聯盟（OPPO、vivo、華為、聯想等手機廠商發起）佔據。如今，互動的舊秩序正在被推倒。01 “封殺”擋不住豆包，阿里跟進入局2025年12月1日，豆包發佈手機助手，其搭載在中興nubia M153系列手機上，通過獲取作業系統層面的高權限，實現打車、買火車票等功能。雖然字節的嘗試被淘寶、微信等超級App火速“封殺”，但已清晰宣示了其爭奪入口的戰略意圖，也初步驗證了模型廠商與手機廠商深度合作的可行性。雖初戰未捷，但豆包手機攪動的行業影響不斷擴大；應用也在持續更新，並且力度更大。《中國企業家》統計了其更新日誌，截至1月12日，豆包手機助手共進行了40多項更新和新增功能。僅在1月12日這周，其新增的助手功能便有：系統相簿支援照片預覽時，底部按鈕快捷打開豆包助手，使用豆包P圖；在UI和系統層面新增“相機前後置視訊美顏”功能，且瀏覽器支援抖音搜尋。字節的更新也透露出了其學習成為手機系統廠商的底層思維。除了在端側大模型能力上做小步快跑式的更新，字節將抖音搜尋、豆包輸入法、豆包大模型語音能力等灌入其中。在設計上，甚至關注到了手機鬧鐘響鈴和小睡時助手關閉鬧鐘這樣的細分需求。阿里和騰訊則沿用了從軟體切入手機市場的整體思路，做法上仍帶有鮮明的大模型時代風格。據悉，對於豆包手機助手的GUI（圖形使用者介面）方案，阿里也在同步探索軟體與手機結合的方案。2025年12月31日，阿里通義實驗室發佈開源“MAI-UI”，這是一個多模態的基礎GUI智能代理。不僅能實現人機互動，還能整合MCP工具使用。阿里還在佈局另外一條技術線“A2A”（Agent-to-Agent）。該路線通過直接呼叫App裡的Agent能力，實現跨應用的調取。徐棟表示：GUI和A2A兩條路線都處於早期階段，齊頭並進。“A2A發展挺快，體驗更好，速度更快，模型消耗成本更低。如果全用GUI，成本可能會更貴。”面對GUI變革浪潮，騰訊也做出了嘗試動作。幾乎在阿里開源“MAI-UI”模型的同時，2025年12月30日，騰訊開源了一款端側翻譯模型Tencent-HY-MT1.5-1.8B，該模型可以在手機等消費級裝置運行，量化後僅需約1GB記憶體。2026年開年，微信小程序聯合騰訊混元、騰訊雲、騰訊廣告推出“AI應用及線上工具小程序成長計畫”。通過提供免費雲開發資源、1億混元大模型Token額度，以及資料分析、廣告變現及流量激勵等支援，幫助開發者快速落地AI應用。02 AI眼鏡阿里先下一城，字節後手兇猛手機入口之外，AI眼鏡是當前硬體競爭的最激烈戰場。今年的國際消費電子展（CES）上，據媒體統計：AI眼鏡展台已達23家，其中中國品牌商家佔了16席，包括阿里巴巴、雷神科技、韶音、Rokid、Xreal等。在政策端，智能眼鏡也首次被納入“國補”。在AI眼鏡市場，阿里暫時佔據了先機。2025年11月27日，阿里正式發佈夸克AI眼鏡，首發提供S1、G1兩個系列共六款單品，最低到手價分別為3799元、1899元。上線不久，其天貓旗艦店已有超過9000人付款購買，京東商城售出超5000件，預售期也來到了45天。但字節正在步步緊逼。根據媒體報導，豆包AI眼鏡即將進入出貨階段，無屏版AI眼鏡將於今年第一季度率先發佈，帶顯示功能的版本預計在今年第四季度推出。對此，《中國企業家》詢問字節跳動方面，豆包相關負責人表示，傳聞不實，目前沒有明確的銷售計畫。但據媒體從供應鏈處瞭解的資訊，眼鏡將由龍旗科技代工，研發落地龍旗惠州工廠，量產則由龍旗南昌工廠承接。雙方分工明確：龍旗負責底層UI開發，字節則主攻上層App研發，以更好地實現產品與手機的互聯。此前，龍旗科技也曾在2025年半年報中披露：公司新承接了國內頭部網際網路客戶AI眼鏡量產項目。此前，魅族前高管李楠在一檔播客裡預言，下一代個人計算中心的產品形態暫時不明確，因為技術能力在快速變化，眼鏡、項鏈、耳機都是可選方案，大模型能力也會強化其競爭。圍繞AI眼鏡生態，騰訊則尚無明確的硬體製造計畫。2024年，曾傳出騰訊代理Meta Quest VR頭顯，但合作始終沒有見諸天日。騰訊更多延續的是“投資槓桿+生態協同”的硬體佈局邏輯。比如2025年10月，騰訊應用寶與中國頭部AI眼鏡廠商影目INMO達成合作，聯合打造AI眼鏡專屬App Store。2025年7月，INMO宣佈完成1.5億元B2輪融資。03 降低合作夥伴使用門檻巨頭之間的硬體卡位戰，本質上還是對AI時代核心話語權的爭奪。當大模型能力泛化至物理世界，誰能佔據更多場景，掌握更多資料和使用者，也將讓模型更快迭代和進化，並消耗更多Token，緩解商業化壓力。目前，阿里和字節分別推出了針對AIot裝置的開髮套件。阿里推出了多模態互動開髮套件，整合了千問、萬相、百聆三款通義基礎大模型，並預置了十多款生活休閒、工作效率等領域的Agent和MCP工具，可應用於AI眼鏡、學習機、陪伴玩具、智慧型手機器人等硬體裝置。相比於字節，阿里的策略是通過標準化技術輸出，降低硬體廠商接入門檻，同時借助海量硬體終端，拉高通義大模型的使用量。近期的阿里雲通義智能硬體展上，從具身智能、AI潮玩，乃至AI包掛，幾乎所有主流AI硬體都有品類搭載了通義大模型，這也為阿里雲的算力業務帶來持續增量。字節則推出了玩具AI框架、音訊AI框架等開髮套件，該套件基於新推出的豆包大模型1.8系列，採取三個月、一年與終身使用不限量等針對性優惠。字節甚至還提出了vibe interaction（氛圍互動）的概念，讓軟體定義硬體。徐棟表示：IoT廠商十多年前強調連接，但沒有達成更多增值服務。但現在，大模型讓單點的IoT廠商有可能誕生相互通訊、相互協作的任務方式。“首先要把（模型使用）成本降下去，增加出貨量，不同的裝置之間找到更好的協作方式，有可能長出一些新的業態和生態。”據徐棟介紹，很多硬體裝置的TTS（從文字到語音）成本佔75%，但有些語音模型可以降低擬人化要求，成本會低很多，這是通義大模型正在做的事情。字節與阿里的相關負責人也不約而同地提到了AIoT裝置的網路連線、訊號傳輸、語音延時以及續航等問題。一位硬體從業者甚至說，“識別精準性就意味著產品的退貨率，每一次誤差可能是退貨率的一個開端。”而音視訊技術騰訊在B端、C端積累多年，這也成為騰訊開展與硬體公司合作的基礎。騰訊雲副總裁商世東在談到與影石Insta360的合作時，對《中國企業家》表示：在大語言模型和深度學習時代，很多任務訓練要求模組之間共同定義一個訓練目標。比如裝置延遲、裝置功耗、晶片算力，怎麼找到更好的平衡點，需要演算法、軟體和裝置廠商，大家共創和緊密協作。在AI時代的下半場，硬體公司正在學著將模型公司的能力內化、規模化；平台型公司則要學習將網際網路的規模效應轉化為對新互動的爭奪——不久的未來，競爭的焦點可能將從使用者數量，走向裝置的數量以及呼叫規模。 (中國企業家雜誌)

宇樹應用程式商店正式上線12 月 16 日，深科技消息，宇樹機器人發佈人形機器人應用程式商店，使用者可上傳分享舞蹈、武術、幹活等訓練模型，也能下載部署他人開發的動作，同時支援上傳、下載真實機器人採集的資料集，用於演算法訓練最佳化。該平台整合使用者廣場、動作庫、資料集、開發者中心四大模組，核心優勢是即下即用：使用者無需編寫底層程式碼，通過手機 APP 連接機器人，就能像安裝手機軟體一樣，將雲端運動控制演算法一鍵部署至終端。宇樹科技 2016 年成立，聚焦高性能通用足式 / 人形機器人及靈巧機械臂研發生產。今年 6 月，公司披露年度營收超 10 億元，規模約 1000 人。 (深科技)

上周五，人工智慧雲端運算公司CoreWeave（CRWV）股價大跌，導致輝達的投資組合整體價值大縮水。輝達建構了一個專注於人工智慧領域的公開投資組合，涵蓋晶片設計、資料中心營運商和基礎設施提供商等，但這些公司鮮為人知。據報導，該投資組合包含六家公司，截至第三季度末，總價值約為38.4億美元。自第三季度末以來，該投資組合六隻持倉股票中有五隻出現下跌，佔投資組合價值86%以上的CoreWeave成為拖累投資組合表現的主要因素。期間，CoreWeave 42%的跌幅幾乎是跌幅第二大的Nebius Group（NBIS，下跌22%）的兩倍。在此期間，只有Applied Digital（APLD）實現了上漲。今年9月，CoreWeave與投資方輝達簽署了一份價值63億美元的初始訂單。根據一項協議，輝達將購買CoreWeave任何未售給客戶的雲容量。但從那之後，CoreWeave短暫上漲後轉頭下跌，如今跌幅已超過30%，較今年股價6月的高點更是下跌接近60%。分析師們對CoreWeave的前景總體持樂觀態度，認為其營收增長、客戶關係和積壓訂單都是支撐因素。然而，持續復甦的關鍵在於展現盈利能力、有效管理槓桿，以及在融資和可持續性存疑的情況下證明人工智慧的持久需求依然存在。在CoreWeave於3月上市前，輝達分兩期投資了3.5億美元。輝達最初於2023年4月投資了1億美元，並在CoreWeave上市前夕追加投資了2.5億美元，最終以每股40美元的價格購入了約2420萬股CoreWeave股票，佔股7%。CoreWeave上市後，股價在6月份飆升至每股187美元的歷史新高，但此後一直穩步下跌。儘管股價幾乎翻了一番，但仍比IPO發行價下跌了近60%。上周五，其股價再次下跌10%，市值降至約390億美元——與6月底近800億美元的市值相比，大幅縮水。上周五的暴跌源於一份提交給美國證券交易委員會（SEC）的4號表格檔案，該檔案披露首席財務官尼廷·阿格拉瓦爾於12月11日以平均每股82.58美元的價格出售了66,467股股票，總計約549萬美元。CoreWeave面臨的挑戰反映了人們對人工智慧行業增長前景的普遍質疑。分析師和投資者強調了潛在的“循環融資”模式，即輝達向購買其硬體的客戶提供投資或產能承諾。CoreWeave與輝達達成的協議包括一項價值63億美元的協議，根據該協議，輝達承諾購買截至2032年4月所有未售出的雲端運算容量，這為CoreWeave提供了收入保障，但也引發了人們對終端使用者真正需求的質疑。整個行業中，隨著營運現金流不足，大型科技公司越來越依賴債務融資來支援其龐大的人工智慧基礎設施項目。Meta Platforms發行了300億美元的債券，計畫於2025年發行，以支援資料中心的擴張。而甲骨文在發佈第三季度財報後，也遭遇了投資者的強烈反對。由於投資者擔憂其債務規模已超過1000億美元，且與人工智慧項目相關的自由現金流為負，甲骨文股價下跌了15%。這引發了關於過度投資風險、潛在產能過剩以及人工智慧建設長期盈利能力的爭論。儘管CoreWeave第三季度營收強勁增長至13.6億美元（同比增長顯著），且積壓訂單量巨大，但該公司仍持續出現淨虧損，並嚴重依賴債務融資，包括本月剛剛完成的26億美元可轉換債券發行，儘管利率僅為1.75%。未來幾年，資料中心擴建所需的高額資本支出預計將達到數百億美元，這被視為對其資產負債表造成了壓力。 (北美商業見聞)