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)

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)

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)

就在Google剛宣佈“2025年的資本開支將超過930億元”後沒多久，阿里就直接攤牌，甩出一記“王炸”——未來三年砸下超3800億元死磕AI基礎設施建設！而且就過去12個月來看，阿里在雲端運算和AI領域的資本開支已經超過了1260億元，同樣超越了Google，全球領跑！毫無疑問，阿里對AI領域的持續投入，主動扛起中國AI大旗，就是為了能夠快速助力中國AI產業的進步和突破，從而能夠有資格、有能力正面硬剛美科技巨頭，比如Google、Meta、OpenAI等等。通過多年的深耕和蟄伏，阿里早已成長為中國AI領域的標竿企業，且肩負著振興中國AI產業的重任，這一次，阿里“賭”對了，手握兩張硬核“王牌”，正搶佔更多行業話語權，大幅提升國際影響力。阿里的第一張“王牌”就是開源佈局，美科技巨頭在佈局AI時，依然延續了西方霸權主義思想，走閉源收費的路線。但阿里則不同，為了能夠讓更多的人使用Qwen系列大模型，採用了開源免費的方式。在全球AI都在比性能、比算力，阿里則另闢蹊徑，比用的多、用的廣、用得起。蔡崇信也說了，阿里不靠AI賺錢，這也凸顯了阿里的行業遠瞻性。實際上，早在十幾年前阿里決定自己造“雲”的時候，就有很多人質疑，但阿里雲連續虧損十年之久，也沒有停下來的意思。事實證明，阿里選對了，阿里雲也是阿里重押AI的底氣之一。回到開放原始碼的問題上，實際上阿里搞開源，並不是傻，這個過程就像是撒魚餌，一個新技術、一個新平台要讓更多的人用起來，必須要給出點什麼。而這恰恰能夠吸引更多的人才、開發者參與，更多的資料積累、更多的訓練、程式碼生成以及模型建立，都可以幫助阿里通義Qwen系列大模型更完善、更強大。更何況，使用中國AI大模型時間越久，後續要遷移資料的成本就越高，對中國AI大模型的依賴度就越高，到頭來還是繞不開阿里的雲和AI的基礎設施，不虧！現如今，以阿里Qwen系列為代表的中國開源大模型已經成為國際優先選項，在國際生態裡地位穩固，且獲得了很多科技大佬、美科技巨頭的盛讚，這也說明了，阿里對AI的未來投資是正確選擇。阿里的第二張“王牌”就是全端優勢，前面也提到了，阿里發展AI有自己的“雲”基礎支撐，AI技術再強，最終也要落地到實際的AI項目上，而阿里的全端能力是毋庸置疑的，全端基建就是阿里最大的底氣。值得一提的是，隨著千問App、靈光App以及夸克AI眼鏡等的先後發佈，這也意味著，阿里全面進入AI To C領域，從底層的雲端運算，到中層的大模型，再到應用層的AI To B/C市場，阿里正在不斷完善全端AI路線。就算真的存在“AI泡沫”，阿里也比其他科技企業具有更強的抗風險能力，可以鞏固其在全球AI領域的地位。總的來說，全球AI競爭之中，阿里作為中國AI企業的硬核代表，走上了一條創新但極具中國特色的道路，用開源換速度，用生態換粘性，已經實現了全球領先。這也給其他中國科技企業做了很好的榜樣！方向對了，努力才有價值，這場千億豪“賭”究竟誰才是最終贏家，讓我們拭目以待吧。 (W侃科技)

今年阿里第三次集中力量辦大事。在科技公司大建 AI 的敘事裡，阿里之前更像美國的亞馬遜、微軟 —— 沒有微信、抖音那樣的全民流量入口，AI 投入選擇偏向企業客戶，不斷買卡建算力中心，以雲端運算業務抓住千行百業對 AI 的渴望。過去幾年，阿里在 AI 方面的主要進展也不在應用層 —— 入股多家中國頭部大模型創業公司、自研的 Qwen 系列大模型在諸多測試贏過其他開源模型、阿里雲加速增長。但 AI 助理 “千問 app” 在 11 月 17 日正式宣佈公測說明阿里想要更大的劇本。新的千問應用明確對標 ChatGPT 最新的 5.1 版本。它由此前的通義 app 和夸克 AI 對話助手升級而來，接入阿里通義實驗室最新的 Qwen 3 - Max 模型。這是繼 AI 基建、淘寶閃購後，阿里今年宣佈的又一個集團戰略項目，負責人是阿里巴巴智能資訊事業群總裁吳嘉。9 月起，上百名阿里工程師聚集在阿里巴巴西溪園區 C4 樓封閉開發 —— 和高德掃街榜上線前類似。ChatGPT、千問、豆包登陸後的初始介面。據我們瞭解，此次推出的是初級版本，很快會有大更新。除了會聊天，千問項目團隊還在聯合包括淘寶、高德、閃購、支付寶等產品的團隊聯合開發，希望更深嵌入相關產品，解決使用者的實際問題。一位阿里人士說，“阿里有很好的模型基礎，在 C 端肯定要有一個很強的入口，且要做一個 AI 原生應用，阿里會把 AI 超級入口的重點集中在千問上。”中國網際網路巨頭可能都沒有亞馬遜、微軟那樣奢侈的選擇權——退後一點，讓 ChatGPT、Gemini、Claude 接入自己的產品庫。豆包背後的字節跳動有辦公軟體也有自己的電商平台。在這裡，每個巨頭都必須保證自己有流量入口。拼多多內建短影片、阿里進入外賣大戰都是入口之爭。而聊天助手是目前最直接可見的 AI 入口。我們訪談了千問項目的產品經理和其他一些參與的阿里人士，回答為什麼阿里現在推出千問 app，之後的策略是什麼。以下是阿里相關人士回答，經刪減和調整，未改變對方原意。晚點：距離 DeepSeek 時刻已經過去快一年，為什麼現在做千問 app？千問團隊：阿里肯定要有一個非常強的 to C 的入口。這是每家大公司都在思考討論的問題，只是可能路徑不太一樣，和每家公司的業務構成和業務形態、能力累積等都有關聯。阿里的路徑肯定是從雲、基礎模型開始做，模型能力是最重要的，然後再回到 C 端。當下的時機剛剛好，有兩個原因促使我們要重點去做千問這款原生的 AI 產品：1. 模型的成熟度，Qwen3 - Max 整體性能、效果都已經達到全球領先。2. 整個 Agent 生態的成熟度，不管是整個三方生態還是集團內部的生態，都到了一個更能被模型普遍呼叫、能解決更多問題的狀態，我們也花了大量時間處理內部業務的資料互通，還有整個的授權能力。補充：一些事實和行業情況今年阿里每隔幾個月都會有關於 AI 的大動作 —— 2 月發佈 24Q4 自然季財報前，宣佈未來三年將投入超過 3800 億元建設雲和 AI 硬體基礎設施；5 月發佈 25Q1 自然季財報前，正式發佈通義千問 Qwen3 大模型；9 月中旬，The Information 報導稱阿里開發了一款新的 AI 晶片；再過一周，阿里將發佈新一季財報。晚點：對手產品已經推了半年，阿里現在做一個 AI 原生超級入口，晚嗎？千問團隊：不晚，原因也是兩點：1. 國內還沒有一款 AI 應用能夠穩定突破億級 DAU（日活躍使用者），這是一個重要的體量門檻，意味著至少國內還沒出現一個國民級的 AI 應用；2. 不論國內那款產品，客觀說還處於初級階段，沒有真正演進到能解決很多實際問題的程度。大家都是基於本身的知識和優勢來輔助人，而要邁過這個智力門檻，需要的不只是資料，更多依賴在理解世界、自主學習等底層架構上的突破。”補充：一些事實和行業情況今年 3 月，吳嘉對我們說，隨著模型能力的發展，現在到了應用的爆發階段，如果以過億 DAU 為標準，面向 C 端使用者的中國 AI 超級應用一定會很快到來，“不是 2025 年，就是 2026 年上半年。”QuestMobile 資料顯示，2025 年 10 月，AI 原生應用中，豆包的 DAU 最高，5410 萬；DeepSeek 2860 萬，騰訊元寶 560 萬（未包括直接微信裡使用元寶的使用者，但那更少）。作為對比，OpenAI 10 月披露 ChatGPT 全球周活躍使用者超過 8 億，以此推斷日活不可能少於 1 億，可能接近 2 億。晚點：“對標 ChatGPT”，千問要做成什麼樣的產品？千問團隊：千問定位是一款能聊天、會辦事的產品，能夠幫使用者真正解決很多實際問題。P 圖本身也是需求的組成部分，但只有覆蓋了使用者工作、學習和生活當中的大部分問題，才能走到 1 億 DAU。目前千問團隊最重要的是怎麼能夠徹底去激發模型的力量，把它和使用者現在和潛在、未來的需求進行更高程度的關聯。我們的主要工作分為兩個階段：第一階段，核心做好使用者體驗和口碑評價，基於模型快速進行產品迭代；第二階段是千問和阿里各個業務的整體協同，目前千問與高德、淘寶、支付寶、閃購等都已經在做一些聯合開發的工作，進展非常快，預計很快還會有大版本的更新。辦事能力指的就是能解決更複雜的任務，比如結合淘天的 AI 萬能搜，千問基於過去使用者的喜好習慣給使用者做推薦，甚至比價；再比如使用者有一個晚上想做的菜，千問能基於這個菜幫使用者提前買好對應的食材。晚點：千問和 ChatGPT 的產品思路會有什麼區別？千問團隊：會有不同：1. 我們強調普通人可以隨時用、免費用。目前完全不考慮收費的事，專心做好產品;2. 我們希望 ChatGPT 有的能力我們都有，很多會快速上線，另一方面 ChatGPT 沒有的我們也有，主要就是阿里生態裡的各種 agent 服務，內部業務合作、協同的程度會更深。我們必須承認，中國網際網路實際是封閉的，大家都把自己的資產當作最強的競爭門檻。這對於每一家網際網路大公司都是一個普遍問題。ChatGPT、Gemini 都驗證了一個路徑，依託模型的領先可以在 C 端產品上實現突破，這件事的本質是對模型智力的追求，我們的思考路徑也是一樣的。對千問團隊最大的挑戰是，阿里體系下有這麼多 agent，怎麼基於場景把它們更好地串聯在一起？使用者很多需求使用的不是一個或者兩個 Agent 的服務，比如說我想要規劃一個團建，呼叫的不只是飛豬，可能還有很多支付、出行、購物等一系列能力，怎麼把它們有機且絲滑得串聯在一起，這個難度比較大，因為每一個 Agent 的能力成熟度不一樣。晚點：什麼時候確定開始做千問，誰來主導？千問團隊：產品、演算法層面一直在做相關的準備工作，不是一次拍板，是個演進的過程。差不多在 2025 年夏天，阿里核心管理層的討論會更多一些，確定阿里要投入多少資源，投入多少力度去做這件事情，國慶前是阿里上上下下對千問項目討論最密集的時候。最終是吳泳銘做出的判斷和決定 —— 阿里巴巴必須要有一個 AI 原生的 C 端超級入口。9 月後，從北京、廣東調來上百名工程師，大家在阿里巴巴西溪園區 C4 樓封閉做千問項目，現在這幫人坐的地方是三層和四層，高德掃街榜當時封閉時坐的是二層。千問是高德掃街榜之後的又一個集團戰略級項目，吳嘉是負責人，團隊以智能資訊事業群為主，還有很多業務都參與，包括阿里雲、通義實驗室、淘天、高德等，一起在做共同開發。千問產品和大模型的對接，在產品方向上，由夸克團隊和通義實驗室一起針對拿到的使用者資料和反饋、各種應用場景做定製化的模型訓練和最佳化。晚點：阿里消費端 AI 的戰略具體是什麼樣的？千問團隊：面向使用者，一塊是原生應用，也就是千問；另一塊是原本業務的 AI 化，夸克、淘天、1688、高德、海外電商等都在做一些事實半年前，吳嘉對我們說，他希望夸克成為一個對使用者有用、專業、萬能的 AI 產品。“我們的第一優先順序肯定是讓夸克現如今這麼大的群體都享受到 AI 帶來的價值。”但夸克應用包羅萬象。需求最大的是搜尋，還有相當數量的使用者會在夸克網盤裡直接看劇。88VIP 有一項權益是贈送夸克網盤會員。根據 QuestMobile 的資料，夸克的 DAU 在 2025 年 1 月為 2970 萬，一直到 10 月，這個數字也只小幅增長到 3370 萬，與之對比的是，豆包 9 月較前一個月就多了 850 萬 DAU。一位阿里人士說，夸克的部分流量一直未被第三方資料標記，導致外部統計並不精準，目前實際 DAU 在 5000 萬 - 6000萬之間。2025 年，夸克關於 AI 的動作頻頻，上線了超級框、高考志願大模型、AI 創作平台、AI 眼鏡、AI 對話助手等。千問團隊：產品形態上，千問這樣的 chatbot 和夸克的超級框，其實不完全矛盾。打個比方，肯定不是說 Google 做了 Gemini，Google search 就不重要了。2025 年上半年，阿里當時的確希望通過夸克來嘗試 AI 時代的入口。夸克有原來的使用者、產品基礎，而且是一款年輕人都在用的產品。隨著 AI 能力的提升，我們覺得對話式 AI 助手是更好的形式，接下來阿里會重點發展千問，並把它放進夸克。夸克的定位是 AI 搜尋和 AI 瀏覽器。過去一兩年，阿里在組織上有一個非常大的變化，比如閃購這場仗不是閃購自己也不是淘寶自己打。它在競爭裡能站穩腳跟的本質，是集中了整個阿里所有的優勢資源，明確指揮官，統一指揮。 (晚點LatePost)