中國雲端運算進入“算力通膨”時代。4月15日，阿里雲宣佈自7月15日起，DDoS高防（中中國地）彈性95費用上調50%（從每兆瓦月100元漲至150元），這是阿里雲一個月內第三次調價。這一輪全球漲價潮由海外率先引爆——亞馬遜AWS年初率先上調AI算力價格，Google雲隨後跟進，最高漲幅達100%。騰訊雲、百度智能雲也同步跟進。騰訊雲4月9日宣佈AI算力、容器、EMR全線上調5%；百度智能雲AI算力與儲存上調5%~30%。漲價背後最根本的驅動力，是Token消耗的爆發式增長。國家資料局局長劉烈宏在3月24日的國新辦新聞發佈會上披露：“到今年3月，中國日均Token的呼叫量已超過140兆，相比2024年初的1000億增長了1000多倍，相比2024年底的100兆，三個月時間又增長了40%多。”對於“Token”，國家資料局已正式將其定名為“詞元”。它正從AI技術的計量單位，加速轉變為智能時代的產業“貨幣”，其消耗規模的激增直接推高了算力需求，進而帶動雲端運算服務價格上漲。Token熱度也蔓延到資本市場，去年底登陸港交所的“Token第一股”迅策僅用100天市值突破1000億港元，年內漲幅達547%。港股雲巨頭們近日也迎來股價大反彈，4月16日盤中，百度集團漲超7%，阿里巴巴漲近5%，騰訊控股漲超2%。Token消耗激增OpenClaw是這輪Token需求爆發的核心因素之一。據OpenRouter平台資料，2026年3月16日至22日當周，平台接近四分之一的Token消耗由OpenClaw貢獻。另據國金證券電腦行業周報，截至2026年3月9日至15日的周度資料，OpenRouter平台內20%的Token消耗由OpenClaw貢獻，OpenClaw單周Token消耗量已相當於2025年第四季度全平台周均Token消耗量的60%。Token消耗量的快速攀升，首先暴露了一個深層矛盾：消耗量增長，並不等同於智能水平同步提升。智能體與傳統Chatbot的業務邏輯存在本質差異。傳統Chatbot遵循使用者提問到模型回答的單輪互動模式，Token消耗與對話輪次呈線性關係。而智能體具備感知、決策、執行的閉環能力，需要自主拆解複雜任務、呼叫外部工具、多輪迭代驗證，直至任務完成。這種業務邏輯的差異，直接導致了Token消耗量的數量級放大。這個問題在商業層面已經產生了真實衝突。2026年4月初，Anthropic停止了訂閱使用者通過OpenClaw等第三方工具接入ClaudeAPI的許可。Anthropic官方解釋稱，部分重度使用者每月僅支付200美元訂閱費，卻消耗了價值5000美元的算力資源，給公司帶來巨大成本壓力。一個OpenClaw代理運行一天，消耗的算力成本在1000美元到5000美元之間，受影響使用者需切換至按用量付費的API模式。商業模式與智能體算力消耗現實之間的核心矛盾已然爆發。智能體場景下的Token消耗不可預測，沒有歷史資料可以參考，任何固定月費都在對一個無法建模的變數做猜測。問題的根源不在於定價策略本身，而在於Token消耗的底層邏輯正在被智能體技術徹底改寫。今年3月下旬，火山引擎總裁譚待在接受21世紀經濟報導等媒體採訪時也指出，目前探索中的Token有一大半都是無謂的探索。他舉例說，很多使用者反饋智能體產品Token消耗快，核心問題不是單Token貴，而是它完成任務時的大量無效嘗試——為了找到最終解法，超過一半的Token都消耗在探索中。如果單Token成本低但模型能力不足，需要消耗10倍甚至20倍的Token還無法完成任務，最終只會造成更大的浪費。這標誌著，智能體的普及正在以遠超預期的速度消耗算力資源，而現有的計費體系和效率管理機制仍有完善空間。近期，小米集團MiMo負責人羅福莉在社交平台發文指出，從宏觀角度看，全球計算資源增長的腳步已跟不上Agent帶來的Token需求增長。真正的出路不是提供更便宜的Token，而是讓“更高效的Agent框架”ד更強大且更高效的模型”協同演進。算力持續緊缺當前，推理正在取代訓練成為算力消耗的主戰場。德勤在2026年1月發佈的《2026科技、傳媒和電信行業預測》報告中指出，2026年AI推理將佔算力三分之二，主要在近5000億美元新資料中心及企業伺服器進行。而推理算力需求佔比近七成之後，競爭規則正在改寫。單Token成本、部署密度、能效比取代單純峰值算力，成為客戶選型的關鍵考量因素。與此同時，算力供給的結構性缺口正在放大。根據半導體研究機構SemiAnalysis發佈的資料，H100一年期租賃合同價格從2025年10月的低點1.70美元/小時/GPU飆升至2026年3月的2.35美元/小時/GPU，漲幅近40%。該指數基於對100多家雲服務商、算力買家與賣家的月度直接調查建構。儘管價格上漲，相關GPU租賃容量已全部售罄，2026年初尋找新GPU算力資源的難度被比喻為“預訂最後一班航班的機票”，不僅價格高昂且幾乎無餘量可選。緊張的並不只有GPU。據報導，2026年3月下旬，英特爾與AMD相繼通知客戶上調處理器價格。過去幾個月，CPU作為AI伺服器調度與推理核心被雲廠商大量採購，兩大巨頭2026年伺服器CPU產能目前已基本售罄。與此同時，頭部網際網路公司正在大幅加碼資本支出。財報資料顯示，騰訊資本支出在2024年迅速增加到768億元，同比增長221%，2025年進一步增至792億元；阿里巴巴資本支出從2023年244億元增長至2025年的1039億元，突破千億。據媒體公開報導，字節跳動2026年資本支出計畫約1600億元，約一半投向AI晶片和資料中心。算力緊張的另一個側面，是中國AI晶片市場格局正在發生深刻變化。據IDC資料，2025年中國市場AI加速卡總出貨量約為400萬張。輝達出貨約220萬張，市場份額55%；AMD出貨約16萬張，市場份額4%。中國本土廠商合計出貨約165萬張，市場份額約41%。在中國廠商陣營中，華為處於領先地位。據IDC資料，2025年華為出貨約81.2萬顆AI晶片，約佔整體市場20%，接近中國供應商總出貨的一半。阿里巴巴旗下平頭哥以約26.5萬顆居次，市場份額約7%。百度崑崙芯與寒武紀各約11.6萬顆，並列第三。中信證券指出，Agent&多模態等應用爆發驅動Token呼叫量井噴，進而導致中國算力荒，中國國產大模型在推理端積極適配為中國國產算力廠商帶來加速放量機遇，預計2026年中國國產算力晶片出貨量至少實現翻倍以上增長，將為算力設計公司、先進製程、先進封裝、先進儲存以及配套產業鏈帶來強勁增長動能。本土廠商的崛起，正在逐步改變中國AI晶片市場的供給格局，為緩解算力缺口提供了新的可能。商業模式重構Token經濟的最後一塊拼圖是商業模式。當Token消耗量從兆級邁向百兆級，如何定價、如何收費，直接關係到產業的商業閉環能否跑通。回顧行業發展，2024年下半年至2025年初，中國大模型市場深陷價格戰，字節豆包報價低至0.0008元/千Tokens，智譜自己也曾將GLM-4-Plus大幅降價。但這一格局在2026年正在發生根本性變化。智譜成為中國國產頭部模型廠商中首個在推出新模型的同時，執行實質性提價的公司。2月發佈GLM-5時，CodingPlan套餐價格上調30%起，3月發佈GLM-5-Turbo時再漲20%，相對GLM-4.7累計漲幅達83%。漲價並未抑制需求。據智譜公開披露，2026年一季度API呼叫定價提升了83%，呼叫量反而增長400%。智譜MaaSAPI平台ARR約17億元，在過去12個月提升60倍。截至2026年3月，平台註冊使用者已突破400萬，覆蓋全球218個國家和地區。智譜CEO張鵬表示，當模型足夠強，API本身就是最好的商業模式，定價權是由技術實力以及長期趨勢所帶來的領先地位決定的。當前，Token計費正成為行業標準。今年3月，劉烈宏在中國發展高層論壇年會上指出，一套以詞元（Token）計費為基礎的新型商業邏輯正在加速演進，圍繞詞元的呼叫、分發與結算，一套新的價值體系正在加速演進形成。但Token定價面臨的真正難題，不在於收費標準，而在於智能體場景下的Token消耗目前高度不可預測。與電力或鋼鐵等傳統生產要素不同，Token具備獨特的可程式設計性。輝達創始人兼CEO黃仁勳在2026年3月的一篇署名文章中，將Token定義為現代AI的基本單位，並指出它同時具有兩種屬性：作為語言，它是計算過程的原子；作為貨幣，它是價值流通的媒介。譚待在受訪時指出，判斷行業階段可以用終局倒推——看所有Tokens未來能產生的收入規模，再對比當前全球行業的實際收入，可以看出所處位置。目前OpenAI、Anthropic等企業的收入已知，全球行業收入大概是這些企業收入的三倍。整體來看，AI算力與Token經濟仍處於極早期階段，定價機制、效率管理、供給能力等方面，仍有巨大的完善和提升空間。 (21世紀經濟報導)

周一，甲骨文股價連續第二天上漲，漲幅達12.69%，收於每股155.62美元，總市值4476億美元。投資者情緒受到其持續雲端運算擴張進展的提振。此前，該公司宣佈擴大與Bloom Energy Corp.的合作，採購高達2.8吉瓦的燃料電池系統，以支援其在美國的人工智慧雲端運算基礎設施。根據協議，目前已簽訂約1.2吉瓦的裝機容量合同，部署工作正在進行中，並將持續到明年。“通過快速部署Bloom可靠、高效的燃料電池能源，我們正在迅速滿足全美客戶的需求，”甲骨文公司雲基礎設施部門執行副總裁Mahesh Thiagarajan表示。他補充說：“Bloom和甲骨文雲基礎設施正在攜手建構強大的基礎架構和人工智慧基礎設施，以加速美國在人工智慧領域的領導地位。”此次擴大合作是在去年7月簽署第一筆協議之後進行的，根據該協議，Bloom Energy為甲骨文擁有的一個資料中心提供了90天的電力。相關消息方面，Bloom Energy宣佈已正式向甲骨文公司發行認股權證，該認股權證與其去年10月宣佈的22億美元可轉換優先票據發行計畫相關。根據協議條款，每張面值1000美元的票據可轉換為5.1290股A類普通股。儘管如此，甲骨文的股價在年內已經下跌超過20%。自去年9月創出的盤中高點344.22美元/股以來，甲骨文的股價已縮水55%。 (美股財經社)

你好，我是傑哥。2026年開年，全球經濟增長的引擎正悄然切換賽道。麥肯錫全球研究院（MGI）最新發佈的《The race takes off in the next big arenas of competition》（《全球競爭新賽道全面起飛》）報告，以紮實資料和前瞻視角告訴我們：18大“未來競技場”（future arenas）已成為驅動全球增長和競爭動態的核心力量。這些競技場包括AI軟體與服務、雲端運算、半導體、電動汽車、數字廣告、共享自動駕駛汽車、太空、機器人等，它們正以遠超傳統行業的速度擴張，並深刻重塑資本流動、產業格局和區域競爭。這份報告是2024年同主題研究的2026更新版。MGI將“競技場”定義為增長最快、競爭最激烈的行業——市場份額頻繁易手、技術與商業模式不斷重設。自2022年以來，這 18 大競技場的市場總值增長了約 18 兆美元，年複合增長率高達 29% ，是其他行業的近 4 倍；收入增長1.4兆美元，年複合增長率 11% ，而非競技場行業幾乎持平。同時，資本支出與研發投入也以 14% 的年複合增長率領先其他行業的 4% 。簡單說，這些競技場已佔據全球增長故事的半壁江山，我們每個人其實都已置身其中。AI基礎賽道領跑，五大賽道叢集加速起飛報告將18大競技場分為五大主題叢集，便於我們看清宏觀驅動力量：AI foundation（AI基礎）：半導體、雲端運算、AI軟體與服務。自2022年以來新增5000億美元收入、11兆美元市值，是增長最快的叢集。基礎設施投資正為未來更大規模AI部署做好準備。Digitization（數位化）：電子商務、數字廣告、串流媒體視訊、視訊遊戲、網路安全。這些賽道繼續捕捉注意力經濟，尤其在新興市場。Electrification（電氣化）：電動汽車、電池、核裂變。電氣化穩步推進，電動汽車和電池儲能需求強勁。Hard tech（硬科技）：機器人、共享自動駕駛汽車、未來空中移動、太空、模組化建築。這些物理世界應用正從概念走向規模化。New bio-frontiers（新生物前沿）：非醫療生物技術、減肥藥。減肥藥已成為美國每100個處方中的6個，產品線加速刷新。其中，8個競技場正以接近2040情景上限的速度狂飆，包括AI軟體與服務、共享自動駕駛汽車、雲端運算、電動汽車、數字廣告、網路安全、半導體和太空。其餘10個也基本符合預期或處於早期加速階段。到2040年，這18大競技場收入有望達到29兆至48兆美元。Omniscalers（全能規模者）崛起，跨賽道競爭白熱化報告首次提出“omniscalers”概念， 指 9 家現金流充裕、橫跨多個競技場的巨頭企業，包括亞馬遜叢集、特斯拉+SpaceX叢集，以及阿里巴巴、Alphabet、蘋果、華為、Meta、微軟、三星。這些公司2025年合計產生7000億美元經營現金流，研發與資本支出超過8000億美元，部分企業已同時佈局9個競技場。它們的優勢在於“復合能力”：可復用基礎設施、資料網路效應、高風險偏好和頂尖人才吸引力。這種跨賽道擴張讓 omniscalers 的競技場收入遠超其他玩家，平均每家約 2000 億美元，而其他競技場企業僅約 100 億美元。9家 omniscalers 的總收入約 2.7 兆美元，超過義大利這個全球第八大經濟體的 GDP 。美中主導 90% 市值，區域格局清晰從區域看，美國和中國（大中華區）公司合計佔據競技場市值的 90% 。美國企業在 14 個競技場市值領先、10 個收入領先；中國在收入份額上快速追趕，尤其在電氣化領域憑藉規模、垂直整合和製造強度佔據優勢。日本和韓國在工業與消費電子領域也有所提升。歐洲和其他地區暫時觀望，但全球供應鏈和政策因素正影響關鍵產業佈局。對決策者的啟示報告強調，即使你的企業看似不在這些“最快賽道”，也無法完全置身事外——需求、供應鏈和生產系統都在被重塑。CEO 和政策制定者需從攻防兩端思考：如何抓住新價值池？如何在技術主權、供應鏈韌性上做好準備？領先者已開始端到端重構流程、加速技術賦能決策、打造韌性增長。這份報告提醒我們：競技場的“創造配方”依然有效——技術/商業模式躍遷、投資競賽擴大、可擴展的大市場。2026年正是抓住窗口期的關鍵時刻。最後你對那條賽道最看好？AI基礎還是硬科技？歡迎在評論區分享你的觀察，我們下期繼續探討全球競爭新格局！關注公眾號【AI資訊風向】，回覆 666，即可獲取這份 AI 行業報告。AI 技術正以前所未有的速度發展，它將如何塑造我們的未來？讓我們拭目以待。 (AI資訊風向)

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)