今天，科技巨頭博通（Broadcom, AVGO）交出了一份令華爾街矚目的2026財年第一季度財報 。憑藉在AI半導體領域的統治級表現，博通不僅業績全線超預期，更給出了極為震撼的長期指引，一舉引爆市場情緒 。今天，我們就基於博通最新財報及高盛、伯恩斯坦等機構的研報，深度拆解博通的業績亮點，並結合定製化晶片（XPU）與CPO（共封裝光學）技術，一探其背後的巨大投資機會與戰略佈局。一、 財報高光：AI引擎全開，長期指引震撼華爾街博通本季度的財報可以說是“含AI量”爆表，展現了極其強勁的增長勢頭：營收利潤雙豐收：Q1總營收達到創紀錄的193億美元，同比增長29% ；合併調整後EBITDA達到131億美元，利潤率高達68% 。AI業務成最強引擎：Q1其AI半導體收入暴增106%，達到84億美元 ；公司預計Q2該業務將加速至同比增長140%，達到107億美元 。遠超預期的長期指引：最令市場振奮的是，管理層透露，得益於高達10GW的資料中心部署可見度，博通預計2027年僅AI半導體的收入就將遠超1000億美元 。高盛認為，這是對投資者預期的重大向上修正，並重申了對博通的“買入”評級 。此外，關於市場普遍擔憂的“整機機櫃出貨會稀釋毛利率”問題，博通管理層給予了強硬回應 。CEO Hock Tan 明確表示，憑藉規模效應和良率提升，公司在AI領域的模型將與半導體其他業務一致，毛利率將穩穩維持在目前的水平，打消了市場的疑慮 。二、 定製化晶片（XPU）：手握六大王牌，無懼自研挑戰在AI算力戰中，超大規模雲服務提供商（CSP）自研晶片（COT模式）的趨勢一直被視為博通的潛在風險。然而，博通的定製化加速器業務在Q1依然實現了140%的驚人同比增長 。博通目前手握六家重量級定製晶片客戶，項目全面開花 ：Google：第七代TPU需求強勁，預計到2026年將保持強勢增長態勢 。Meta：打破市場傳言，其MTIA定製加速器路線圖進展順利且已開始發貨，預計在2027年及以後擴展至數吉瓦（GW）規模 。Anthropic 與 OpenAI：Anthropic的產能預計在2027年將飆升至3GW以上 ；而OpenAI計畫在2027年大規模部署其第一代XPU，算力規模同樣將超1GW 。面對客戶自研的潛在威脅，CEO Hock Tan 一針見血地指出：要想打造具有競爭力的頂級XPU，需要極其尖端的SerDes技術、先進的封裝以及網路叢集架構能力 。博通具備從設計到快速實現高良率大規模量產的無可匹敵的執行力 。因此，在未來很多年內，博通在這一領域都難以看到真正的競爭對手 。三、 結合AI網路與CPO分析：銅纜當下稱王，CPO蓄勢待發與定製晶片相輔相成的是博通在AI網路領域的絕對領導力。Q1其AI網路收入同比增長60% ，預計Q2將佔到AI總收入的40% 。1. 銅纜（DAC）是當下“縱向擴展”的最優解在叢集機架內部的縱向擴展（Scale-up）中，博通目前力挺直連銅纜（DAC）。Hock Tan 強調，在儘可能連接XPU到XPU時，最好的方式是使用直連銅纜，因為這代表著最低的延遲、最低的功耗和最低的成本 。憑藉其領先的200G甚至未來將在2028年推出的400G SerDes技術，博通能夠極大拉長客戶使用銅纜的生命周期 。——於是把COHR和ALAB都帶起來了。2. CPO（共封裝光學）是解決未來的終極武器儘管銅纜在機架內短期優勢明顯，但在橫向擴展（Scale-out）及未來更龐大叢集的需求下，光通訊的演進不可阻擋。CPO技術通過將光引擎與交換晶片直接整合，在能效、訊號完整性和網路彈性上擁有不可比擬的優勢，其表現全面優於傳統的可插拔光收發器 。博通作為CPO領域的絕對領導者，佈局極深 。博通在今年開始批次生產TH6（Tomahawk 6，100 Tbps）交換機 ，並且與康寧等光通訊巨頭深度合作，為其Bailly CPO系統提供核心元件 。然而，對於CPO的爆發節點，博通顯得非常務實。CEO指出，客戶目前不需要急於追逐CPO這個“閃亮的新事物”，CPO時代終將到來，“可能不是今年，也不是明年”，而是隨著算力需求演進順理成章地落地 。伯恩斯坦的研究也證實了這一點，CPO在將光引擎與高價值XPU緊密整合之前，仍需要時間讓生態系統驗證其可靠性，預計最早在2028年下半年才會迎來真正的批次出貨 。這確實給LITE和COHR澆了冷水。四、 總結縱觀博通本季度財報，其最大的亮點在於極高的“業績確定性”。為了應對可能的短缺，博通宣佈已經提前鎖定了支援其至2028財年收入預測所需的所有關鍵供應鏈元件（如尖端晶圓、高頻寬記憶體HBM及基板等） 。憑藉在定製化XPU與乙太網路交換（如Tomahawk系列）領域的雙重護城河，配合“短期靠銅纜降本，長期靠CPO突破物理極限”的清晰路線圖，博通正為超大規模雲客戶提供最低成本的AI推理與訓練網路方案 。對於投資者而言，博通不僅是當下AI算力狂潮中最穩健的“賣水人”，更是未來網路底座變革的核心引領者。 (老王說事)

拆解四大卡脖子賽道的技術壁壘、產業鏈暗線與2026年投資的真命題2026年Q1，國內某估值超千億的通用大模型廠商，遭遇了成立以來最嚴重的一次算力危機：他們提前6個月鎖定了晶圓廠產能、包下了華南某頭部封測廠3條Chiplet專屬產線、囤積了足額的HBM3記憶體，計畫一次性落地2萬片國產高端AI晶片，支撐新一代大模型的訓練與推理。但最終，整個項目的交付周期拖了整整4個月，算力叢集上線時間直接跳票——卡脖子的不是晶片設計、不是晶圓代工、不是HBM，而是一張厚度不足0.3mm的ABF載板。該廠商供應鏈負責人的原話是：“我們找遍了國內所有能做ABF載板的廠商，實驗室參數都能對標海外，但量產良率最高只有32%，而海外頭部廠商的良率穩定在95%以上。那怕我們願意承擔3倍的成本，也拿不到足夠的、能穩定用於AI晶片的合格載板。”這個案例，不是個例，而是2026年整個中國AI算力產業的縮影。當全行業都在盯著晶片製程、大模型參數、算力叢集規模的時候，很少有人真正看清：AI算力的終局競爭，早已從晶片設計的表層戰場，坍縮到了底層材料的生死局。海外對華科技封鎖的槍口，也早已從7nm、5nm晶圓代工，精準對準了那些看不見、卻能鎖死整個算力產業命脈的新材料賽道。本文從技術底層邏輯、產業鏈繫結暗線、真實量產資料、海外封鎖細節、投資真偽命題五個維度，深度拆解卡死AI算力的四大核心材料賽道，還原中國材料產業突圍的真實戰場，給從業者與投資人最具落地性的行業判斷。一、破題為什麼AI算力的競爭，最終會坍縮成材料的生死之爭？絕大多數人對AI算力的認知，都停留在“晶片製程越先進，算力越強”的表層。但事實上，當矽基晶片製程逼近1nm的物理極限，電晶體尺寸已經接近矽原子直徑（0.22nm），量子隧穿效應帶來的漏電、發熱問題已經無法通過製程迭代解決。行業公認的提升算力的四大核心路徑——Chiplet先進封裝、液冷散熱、矽光互聯、存算一體，沒有一個能脫離底層材料的突破。換句話說，AI算力的天花板，從來不是晶片設計能力，而是材料的物理極限。我們可以從三個底層邏輯，徹底看清這場材料生死局的本質：1.矽基晶片的物理極限，本質是材料的極限從14nm到3nm，製程迭代帶來的電晶體密度提升，已經從10倍級下降到2倍級，而研發成本、製造成本卻呈指數級上漲。輝達最新的H200晶片，單晶片算力已經突破4PFLOPS，但實際落地到AI叢集中，有效算力利用率不足40%——不是晶片算不動，而是訊號傳不出去、熱量散不出來、資料存不下來，而這三大問題的核心卡點，全在材料。更關鍵的是，所有能突破矽基極限的下一代技術，無論是光子晶片、碳基晶片，還是量子晶片，最終的落地瓶頸，依然是材料。沒有新材料的突破，所有的架構創新、設計創新，都是空中樓閣。2.AI算力的成本曲線，最終由材料的國產化率決定2026年國內AI算力的TCO（總擁有成本）中，70%以上來自進口環節，其中材料成本佔比超過一半。比如：——先進封裝成本中，ABF載板等核心材料佔比高達65%，幾乎100%依賴進口；——AI資料中心液冷系統成本中，核心散熱材料佔比超過60%，高端產品進口依賴度超90%；——800G以上高速光模組成本中，光學材料佔比超過40%，高端產品進口依賴度超70%。這意味著，只要核心材料沒有實現國產化，國內AI算力的成本就永遠降不下來，中國AI產業就永遠只能賺“組裝加工”的辛苦錢，利潤大頭全被海外材料廠商拿走。更致命的是，海外廠商可以隨時通過漲價、斷供，鎖死整個中國AI產業的發展。3.海外對華科技封鎖的終局，是材料的精準卡脖子2025年12月，美國BIS更新了對華半導體出口管制條例，新增了12種用於先進封裝、矽光互聯的半導體材料的出口限制，明確禁止向中國出口用於3nm以下Chiplet封裝的ABF樹脂、高端環氧塑封料；2026年1月，日本經濟產業省跟進更新了對華出口管制清單，新增了6種高端半導體材料，包括AI晶片用的高導熱介面材料、矽光晶片用的非線性光學材料。海外很清楚：晶圓代工你能靠產能、政策慢慢追，但材料的壁壘，是幾十年的工藝積累、全球專利佈局、深度繫結的供應鏈體系，不是短時間能突破的。這才是真正能鎖死中國AI算力產業的“命門”——那怕你能設計出頂尖的AI晶片，能造出晶圓，沒有對應的材料，你根本封裝不出、用不了、跑不起來。二、核心賽道深度拆解四大材料賽道的卡脖子真相與突圍戰場接下來，我們將從技術壁壘的底層本質、產業鏈的繫結暗線、國產替代的真實現狀、投資的真命題與偽命題四個維度，深度拆解每一個核心賽道。（一）先進封裝核心材料：Chiplet時代的命門，不是工藝，是材料體系的全面壟斷1、行業認知糾偏絕大多數人以為，Chiplet的核心壁壘是TSV、RDL等封裝工藝，但事實上，先進封裝的成本構成裡，材料佔比高達65%，其中ABF載板佔45%，封裝樹脂、底部填充膠、導電銀漿等佔20%，工藝裝置僅佔35%。換句話說，Chiplet的產能瓶頸，從來不是封測產線，而是核心材料的供貨能力。輝達、AMD高端AI晶片的交付延遲，80%以上的原因，是ABF載板的供貨不足，而非晶圓代工產能不足——這是全行業都知道，卻很少有人公開說的真相。2、核心卡脖子壁壘的底層拆解先進封裝材料的卡脖子，從來不是“國內做不出樣品”，而是配方、專利、供應鏈繫結的三重壟斷，其中最具代表性的，就是AI晶片用ABF載板。ABF載板的核心，是日本味之素壟斷的ABF薄膜樹脂，全球市佔率高達99%，幾乎形成了絕對壟斷。國內廠商之所以無法突破，核心卡點有三個：（1）ppm級的工藝控制壁壘，不是配方，是量產一致性ABF樹脂的核心性能要求，是低介電常數（Dk≤3.0）、低吸水率（≤0.3%）、高耐熱性（Tg≥180℃），同時雜質含量必須控制在1ppm以內，分子量分佈離散係數必須控制在1.2以內。國內廠商在實驗室裡，能做出參數達標的樣品，但量產時，雜質含量普遍在5ppm以上，分子量分佈離散係數最高達到1.8。這一點點差距，會直接導致載板在高溫工作時介電常數飆升，訊號延遲增加30%以上，甚至出現訊號串擾，直接廢掉AI晶片的多芯粒互聯能力。更致命的是，海外廠商的量產良率穩定在95%以上，而國內廠商的量產良率最高僅能達到40%，這直接導致國產ABF載板的成本，是海外產品的3倍以上，完全沒有市場競爭力。（2）覆蓋全產業鏈的專利壁壘，繞不開的專利陷阱味之素在ABF樹脂領域，佈局了超過3000項全球專利，覆蓋了配方、聚合工藝、應用場景、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的產品，也幾乎無法繞開味之素的專利佈局，只要進入全球供應鏈，就會面臨巨額的專利訴訟，根本無法商業化落地。這也是為什麼，國內絕大多數ABF載板廠商，只能做“來料加工”——採購味之素的ABF薄膜，自己做基板的鑽孔、鍍銅、層壓，核心材料100%依賴進口，根本不是真正的國產替代。一旦海外斷供，直接停擺。（3）繫結死的供應鏈體系，新玩家根本無法進入的閉環味之素和台積電、英特爾、AMD、輝達，有超過20年的聯合研發協議。下一代Chiplet架構需要什麼樣的載板性能，提前3年就會和味之素確定研發方向，材料研發和晶片設計、封測工藝完全同步。這意味著，當國內廠商拿到海外最新的載板參數，開始模仿研發的時候，味之素已經在研發下一代產品了，國內廠商永遠只能跟在後面模仿，永遠慢一步。更關鍵的是，台積電、三星等頭部封測廠，已經和味之素形成了深度的工藝繫結，產線完全適配味之素的材料，國內廠商的材料，那怕參數達標，也需要封測廠花費1-2年的時間調整產線工藝，根本沒人願意付出這個成本。3、國產替代的真實現狀我們用2026年Q1最新的產業資料，還原最真實的國產替代進度，拒絕“偽突破”的宣傳話術：——AI晶片用10層以上高精密ABF載板：國產化率不足3%，僅深南電路、興森科技等少數企業實現小批次試產，仍處於頭部客戶驗證階段，良率不足40%；——消費電子用4層以下ABF載板：國產化率約21%，主要集中在中低端市場，無法用於高端AI晶片；——AI晶片用低應力環氧塑封料（EMC）：國產化率不足5%，高端市場被日本日立化成、住友電木壟斷；——高端底部填充膠、導電銀漿：國產化率不足8%，核心市場被美國漢高、日本日立化成壟斷。4、投資的真命題與偽命題（1）偽命題（堅決規避）——只看實驗室參數，不看量產良率和客戶認證的項目，90%都是“樣品講故事”；——僅做基板加工，不掌握核心樹脂配方的“偽國產替代”項目，沒有核心壁壘，斷供即死；——靠低價內卷中低端市場，沒有高端研發能力，無法進入AI晶片供應鏈的項目，沒有長期成長空間。（2）真命題（重點佈局）：——已經掌握核心樹脂配方，實現中試量產，正在通過頭部封測廠、AI晶片廠商認證的項目；——已經進入華為海思、寒武紀、壁仞科技等國內頭部AI晶片廠商供應鏈，有批次訂單的項目；——和封測廠、晶片設計廠聯合研發，繫結下一代Chiplet技術路線，而非單純模仿海外的項目。（二）算力散熱核心材料：不是“輔助件”，是AI算力成本的生死線1、行業認知糾偏絕大多數人以為，散熱材料只是AI晶片的“輔助空調”，但事實上，2026年國內AI資料中心的TCO中，散熱系統的佔比已經超過30%，而散熱材料佔了散熱系統成本的60%以上。更關鍵的是，國家對東部地區資料中心PUE的強制要求（≤1.3），已經讓風冷技術徹底走到了盡頭，液冷成為高端AI算力機房的唯一標配，而液冷的核心壁壘，從來不是管道和機櫃，而是散熱材料。一組扎心的資料：國內超80%的AI算力機房，因散熱能力不達標，晶片長期只能運行在標稱算力的60%以下，極端場景下甚至會觸發過載保護，直接停機。散熱材料，已經成為決定AI算力能不能跑起來、能不能降本的核心生死線。2、核心卡脖子壁壘的底層拆解AI算力散熱的核心賽道，分為浸沒式冷卻液和高導熱介面材料（TIM）兩大方向，兩者的卡脖子邏輯完全不同，但核心都是工藝、驗證、供應鏈繫結的三重壁壘。（1）浸沒式冷卻液：全氟化合物的合成壟斷，與相容性驗證的死亡門檻浸沒式液冷是當前最高效的散熱方案，直接把晶片泡在冷卻液裡，散熱效率是風冷的100倍以上，也是下一代超算、AI叢集的標配。其中，高端全氟浸沒冷卻液，被美國3M、杜邦壟斷了全球90%以上的市場，國內廠商的突破難度極大：——核心合成工藝壁壘：全氟冷卻液的核心製備技術是電化學氟化，該技術被3M、杜邦壟斷了超過60年，國內只有極少數企業掌握了小規模合成工藝，且產品的絕緣性、熱穩定性、沸點控制精度，和海外產品差距在2個數量級以上。更致命的是，全氟化合物的合成，會產生大量的副產物，提純難度極高，國內廠商的產品純度普遍在99%以下，而海外產品純度能達到99.999%，這一點點雜質，會在長期高溫工作中腐蝕晶片和伺服器元器件，造成不可逆的損壞。——相容性驗證的死亡門檻：3M的氟化液，和輝達的AI晶片、戴爾/惠普的伺服器，做了長達5年的相容性驗證，形成了行業默認的標準。國內廠商的產品，那怕實驗室參數達標，也沒有頭部廠商願意給你做驗證——因為一顆AI晶片的成本超過1萬元，一台伺服器的成本超過10萬元，一旦出現腐蝕問題，損失誰來承擔？那怕你願意承擔所有驗證成本，完整的驗證周期也長達18-24個月，絕大多數廠商根本等不起。（2）高導熱介面材料（TIM）：奈米級配方壁壘，與量產穩定性的鴻溝TIM材料是晶片和散熱板之間的“導熱橋樑”，負責把晶片產生的熱量高效傳匯出去，直接決定了晶片能不能滿負荷運行。高端AI晶片用的TIM材料，導熱係數需要達到12W/m・K以上，日本信越、美國道康寧的產品能做到15W/m・K以上，且熱阻極低，而國內廠商的產品，大多集中在8W/m・K以下的中低端市場，能做到12W/m・K以上的，量產穩定性極差。核心壁壘在於，高端TIM材料的配方，是奈米級的陶瓷粉體和聚合物基體的復合，粉體的粒徑、分散性、表面改性，直接決定了材料的導熱性能。海外廠商經過幾十年的積累，已經形成了完整的配方資料庫和製備工藝，而國內廠商大多還處於“試錯式研發”階段，那怕做出了達標的樣品，量產時也會出現粉體團聚、分散不均的問題，性能波動極大，根本無法滿足AI晶片的長期穩定運行要求。3、國產替代的真實現狀2026年Q1最新產業資料：——國內AI資料中心液冷滲透率約18%，預計到2028年將達到82%，對應的浸沒式冷卻液市場規模，將從2026年的42億元，增長到2028年的310億元，年複合增長率超過170%；——高端全氟浸沒冷卻液：國產化率不足10%，僅永和股份、康鵬科技等少數企業實現小批次量產，仍處於頭部客戶驗證階段；——冷板式液冷合成型冷卻液：國產化率約42%，巨化股份、新宙邦等企業的產品，已經進入字節、阿里、騰訊等頭部廠商的供應鏈；——高端AI晶片用TIM材料：國產化率不足15%，僅德邦科技、飛榮達等少數企業實現技術突破，仍以中低端市場為主。4、產業鏈暗線頭部網際網路廠商、AI廠商的液冷項目，大多採用“總包模式”，總包商和3M、杜邦等海外材料廠商有長達10年以上的合作協議，國內材料廠商那怕產品更便宜，也很難進入供應鏈——因為總包商不願意承擔更換材料帶來的風險，一旦出問題，要承擔巨額的違約賠償。這也是為什麼，很多國產材料參數達標，卻始終拿不到批次訂單的核心原因。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室配方，沒有量產能力和長期相容性驗證資料的項目；——僅做基礎液復配，不掌握核心電化學氟化合成工藝的項目，沒有核心壁壘；——沒有頭部客戶訂單，靠低價內卷中低端市場的項目。（2）真命題（重點佈局）：——掌握核心電化學氟化合成工藝，實現穩定量產，正在通過頭部伺服器廠商、AI晶片廠商認證的項目；——已經拿到字節、阿里、騰訊等頭部網際網路廠商批次訂單，實現商業化落地的項目；——和液冷系統整合商、伺服器廠商聯合研發，繫結下一代液冷技術路線的項目。（三）光電互聯核心材料：矽光時代的算力高速公路，專利與工藝的雙重壁壘1、行業認知糾偏AI大模型的訓練，對叢集頻寬的需求是指數級增長的：GPT-5的訓練，需要的叢集頻寬是GPT-3的100倍以上。傳統的電互聯（銅纜傳輸），頻寬上限是400Gbps，延遲超過100ns，已經根本無法滿足下一代AI大模型的訓練需求。行業公認的終極解決方案，是矽光互聯——用光訊號代替電訊號傳輸資料，頻寬能做到1.6Tbps以上，延遲不到10ns，能耗降低70%。而矽光技術的核心，從來不是光晶片設計，而是光學材料——沒有光學材料的突破，矽光晶片就是無源之水。更關鍵的是，中國光模組廠商佔據了全球800G以上光模組60%以上的市場份額，但核心光學材料的國產化率不足30%，相當於“我們組裝了全球最多的光模組，卻要給海外材料廠商交一半以上的利潤”。2、核心卡脖子壁壘的底層拆解矽光互聯的核心材料賽道，分為特種光纖預製棒、矽光晶片波導材料、高速光模組封裝材料三大方向，核心壁壘是工藝精度、專利佈局、產業鏈協同。（1）特種光纖預製棒：氣相沉積工藝的精度壁壘，折射率的奈米級控制高端資料中心用的超低損耗單模光纖預製棒，是光訊號傳輸的核心載體，日本信越、藤倉壟斷了全球75%以上的市場。核心壁壘在於氣相沉積工藝的精準控制：預製棒的折射率分佈偏差，必須控制在10^-5以內，相當於在1公里的長度上，偏差不能超過1cm。國內廠商的沉積工藝，普遍只能做到10^-4的精度，這一點點偏差，會直接導致光訊號的傳輸損耗增加30%以上，傳輸距離縮短一半，根本沒法用於長距離、高頻寬的AI算力叢集。更致命的是，海外廠商的預製棒拉絲合格率穩定在99%以上，而國內廠商的合格率最高僅能達到90%，成本差距極大。（2）矽光晶片波導材料：原子級的表面粗糙度控制，散射損耗的生死線氮化矽波導是矽光晶片的核心元器件，負責光訊號的傳輸和調製，美國Ligentec、荷蘭ASML旗下的光刻機廠商，壟斷了核心的製備工藝。波導材料的核心性能要求，是表面粗糙度必須控制在0.1nm以內，也就是原子級的精度。國內廠商製備的波導材料，表面粗糙度普遍在1nm以上，比海外高了一個數量級，這會導致光訊號的散射損耗增加10倍以上，根本沒法用於高速光模組。這也是為什麼，國內能設計出頂尖的矽光晶片，卻沒法實現量產落地的核心原因——沒有對應的波導材料，晶片設計再好，也跑不起來。（3）值得驕傲的反向壟斷：非線性光學晶體非線性光學晶體是矽光晶片的核心元器件，負責雷射的頻率轉換和調製，國內福晶科技、華光光電等企業，佔據了全球80%以上的市場份額，掌握了核心專利和製備工藝，是少數能反向卡脖子海外的材料賽道，也是國內矽光產業突圍的核心底牌。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球800G以上光模組的市場規模，將達到180億美元，中國廠商的市場份額超過60%，但核心光學材料的國產化率不足30%；——高端資料中心用超低損耗光纖預製棒：國產化率不足25%，長飛光纖、亨通光電實現了部份量產，主要集中在中低端市場；——矽光晶片用氮化矽波導材料：國產化率不足10%，仍處於實驗室研發和中試階段，基本依賴進口；——高速光模組用高端封裝材料：國產化率不足20%，核心市場被日本日立、美國康寧壟斷。4、產業鏈暗線海外光學材料廠商，和全球頭部的光晶片廠商、光模組廠商，有深度的聯合研發繫結。比如康寧和思科、英特爾，信越和中際旭創、新易盛，有長期的合作協議，光模組廠商要給海外客戶供貨，必須使用客戶指定的材料，沒法隨便更換國產材料。這就導致國內材料廠商，那怕產品達標，也很難進入全球供應鏈，只能在國內小眾市場內卷。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只做材料加工，不掌握核心合成、製備工藝的項目；——沒有頭部光模組廠商的認證，只有實驗室樣品的項目；——技術路線落後，跟不上矽光技術迭代節奏的項目。（2）真命題（重點佈局）：——掌握核心氣相沉積工藝，實現高端光纖預製棒穩定量產的項目；——已經進入中際旭創、新易盛等頭部光模組廠商供應鏈，有批次訂單的項目；——和光晶片廠商、光模組廠商聯合研發，繫結下一代矽光技術路線的項目；——在非線性光學晶體等優勢賽道，拓展矽光應用場景，實現技術延伸的項目。（四）新型儲存核心材料：破解“記憶體牆”的終極底牌，專利與商業化的雙重陷阱1、行業認知糾偏AI大模型訓練中，90%以上的能耗和延遲，都來自資料在計算單元和儲存單元之間的搬運，這就是行業常說的“記憶體牆”。這個問題，靠傳統的DRAM和NAND Flash根本沒法解決，因為它們的讀寫速度和功耗，已經逼近物理極限。破解“記憶體牆”的唯一終極路徑，是存算一體——把計算單元和儲存單元整合在一起，直接在儲存裡完成計算，徹底消除資料搬運的損耗。而存算一體的核心，就是新型儲存材料——沒有材料的突破，存算一體就是空中樓閣。2、核心卡脖子壁壘的底層拆解當前全球公認的、最適合AI場景的三大新型儲存技術，分別是相變儲存（PCRAM）、阻變儲存（RRAM）、鐵電儲存（FeRAM），三者的核心卡點，全在材料，核心壁壘是專利壟斷、量產一致性、晶圓廠工藝協同。（1）相變儲存材料（PCRAM）：硫系化合物的專利壟斷，繞不開的智慧財產權陷阱PCRAM的核心是硫系化合物材料，通過材料的晶態和非晶態轉換實現資料儲存，是當前商業化進度最快的存算一體技術。三星、美光、英特爾壟斷了全球90%以上的核心專利，覆蓋了材料配方、製備工藝、器件結構等全產業鏈環節，專利保護期長達20年。國內廠商那怕研發出了性能達標的材料，也幾乎無法繞開海外的專利佈局，只要進入商業化量產，就會面臨巨額的專利訴訟。這也是為什麼，國內PCRAM的研發進度很快，卻始終無法實現大規模量產的核心原因。（2）阻變儲存材料（RRAM）：量產一致性的鴻溝，晶圓級的均勻性控制RRAM的核心是金屬氧化物材料，通過材料的電阻變化實現資料儲存，結構簡單、功耗極低，特別適合AI端側場景。國內的研發進度和海外基本同步，復旦大學、清華大學等高校，已經研發出了性能達標的材料樣品，但核心問題是量產一致性極差。同一晶圓上的不同儲存單元，電阻變化的偏差超過20%，根本沒法實現大規模量產，而海外廠商的偏差能控制在5%以內。這個差距，不是配方的問題，是幾十年的薄膜製備工藝積累，不是短時間能彌補的。更致命的是，RRAM的製備工藝，和晶圓廠的產線深度繫結，國內晶圓廠的工藝精度，根本沒法滿足大規模量產的要求。（3）鐵電儲存材料（FeRAM）：下一代存算一體的核心，製備工藝的代差FeRAM的核心是鉿基鐵電材料，讀寫速度極快、功耗極低、循環壽命極長，是下一代存算一體晶片最有潛力的方向。英特爾、台積電、三星已經在這個領域佈局了超過10年，掌握了核心的原子層沉積製備工藝，已經實現了3nm以下工藝的量產適配。國內的研發還處於實驗室階段，雖然部分高校實現了材料的實驗室製備，但距離量產還有很遠的距離，核心卡點在於，國內晶圓廠的最先進工藝是14nm，根本沒法支援下一代鐵電儲存材料的大規模製備，研發成果只能在實驗室裡驗證，沒法實現商業化落地。3、國產替代的真實現狀2026年Q1最新產業資料：——2026年全球新型儲存晶片的市場規模，將達到85億美元，預計到2030年將超過400億美元，年複合增長率超過40%；——國內新型儲存材料的商業化量產率不足5%，絕大多數還處於實驗室研發和中試階段；——PCRAM/RRAM材料：僅武漢新芯、兆易創新等少數企業，推出了存算一體晶片原型，進入了端側場景的驗證階段，量產規模極小；——鉿基鐵電儲存材料：國內仍處於實驗室研發階段，商業化量產率不足1%，基本依賴進口。4、產業鏈暗線新型儲存技術的迭代，和晶圓廠的工藝深度繫結。台積電、三星的3nm以下工藝，已經全面支援新型儲存材料的製備，而國內的中芯國際，最先進的量產工藝是14nm，根本沒法支援下一代新型儲存材料的大規模製備。這就導致國內的研發成果，只能在實驗室裡驗證，沒法實現量產落地，陷入了“研發-驗證-沒法量產-再研發”的死循環。5、投資的真命題與偽命題（1）偽命題（堅決規避）：——只有實驗室原型，沒有量產工藝和晶圓廠合作的項目，90%都是概念炒作；——沒有核心自主專利，繞不開海外專利壁壘的項目，商業化即死；——沒有明確的落地場景，純靠技術講故事的項目。（2）真命題（重點佈局/長期關注）：——掌握核心材料配方和製備工藝，有自主智慧財產權，和國內晶圓廠聯合研發，實現中試驗證的項目；——在端側AI場景，已經實現存算一體晶片量產落地，有明確客戶訂單的項目；——和國內AI晶片廠商聯合研發，繫結下一代存算一體架構的項目（長期佈局）。三、深度洞察中國新材料突圍的核心矛盾，根本不是技術，是產業閉環的缺失寫到這裡，相信很多人都能看清一個殘酷的真相：中國新材料產業的最大痛點，從來不是“實驗室做不出來”，而是“做出來了，沒人敢用；沒人用，就沒法量產；沒法量產，就沒法迭代；沒法迭代，就永遠追不上海外”——這是一個死循環，也是海外廠商能壟斷幾十年的核心原因。1、海外廠商的壟斷閉環：聯合研發的生態繫結海外的材料產業，已經形成了“材料廠商-晶圓廠/封測廠-晶片設計廠-終端客戶”的四方聯合研發體系，這是一個牢不可破的閉環。比如味之素的ABF樹脂，是和台積電、輝達、AMD聯合研發的：下一代Chiplet架構需要什麼樣的材料性能，提前3年就會確定研發方向，材料研發和晶片設計、封測工藝完全同步。材料一研發出來，就有台積電的產線做驗證，有輝達的晶片做測試，有終端客戶的場景做落地，迭代速度極快。更關鍵的是，這個閉環形成了極強的排他性：新的廠商那怕做出了性能更好的產品，也根本沒法進入這個體系——因為整個產業鏈的工藝、標準、產線，都已經和現有材料廠商深度繫結，更換供應商的成本極高，風險極大，沒人願意做這個嘗試。2、國內產業的困境：單向研發的死循環國內的材料產業，恰恰相反，是“材料廠商自己悶頭研發，研發出樣品，到處找客戶做驗證”的單向模式，而客戶根本不敢給你驗證的機會，核心原因有三個：驗證成本極高：一顆高端AI晶片的成本超過1萬元，用你的材料做驗證，一旦出問題，晶片直接報廢，損失誰來承擔？驗證周期極長：高端半導體材料的完整驗證周期，長達18-24個月，要經過上千次的高低溫循環、濕度循環、可靠性測試，客戶沒有動力花這麼長的時間，去驗證一個沒有經過市場檢驗的國產材料。責任風險極大：如果用了你的材料，最終產品出了問題，客戶要承擔終端使用者的巨額賠償，沒人敢擔這個責任。國內某頭部封測廠的採購負責人，說過一句非常扎心的話：“我們也想支援國產材料，但海外廠商的材料，用了20年，從來沒出過問題。國產材料那怕實驗室參數達標，我們也不敢大規模用，因為一旦出問題，整個產線都要停，損失幾千萬，誰來負責？我們最多給你1%的產線做驗證，而且要你自己承擔所有的驗證成本，就算驗證通過了，也最多給你10%的訂單，不可能全部替換。”這就是國內材料產業最真實的困境：沒有驗證機會，就沒有量產資料；沒有量產資料，就沒法最佳化工藝、迭代產品；沒法迭代產品，就永遠追不上海外廠商，永遠只能在中低端市場內卷。3、破局的唯一路徑：建構產業鏈協同的國產替代閉環要打破這個死循環，靠單個企業的研發突破根本沒用，必須靠“政策引導+龍頭帶動+產業鏈協同”，建構起屬於中國的材料產業閉環：政策引導：國家出台專項政策，給使用國產材料的晶圓廠、封測廠、終端廠商，提供風險補償、稅收優惠和專項資金支援，降低客戶的驗證風險和成本；龍頭帶動：國內的AI晶片龍頭、網際網路大廠、封測廠、晶圓廠，主動承擔起產業鏈責任，給國產材料廠商提供驗證的機會，開放產線和場景，聯合研發；產業鏈協同：材料廠商、晶圓廠、晶片設計廠、終端客戶，形成聯合研發體系，提前佈局下一代技術路線，讓材料研發和產業需求同步，而不是跟在海外後面模仿。只有這樣，才能真正打破海外的壟斷，實現中國新材料產業的自主可控。四、2026年AI算力材料賽道投資全景圖譜為了方便從業者與投資人參考，我們整理了2026年AI算力材料賽道的完整投資全景圖譜，基於最新的產業資料、國產化進度、技術壁壘，給出明確的投資評級與核心關注標的。結尾AI算力的競爭，從來不是單點的晶片之爭，而是整個產業鏈的底層生態之爭。 (材料匯)

昨天，阿里千問核心負責人林俊暘離職的消息不但迅速在國內發酵，引發全網熱議，甚至震動矽谷與華爾街，引發人們對阿里AI戰局乃至戰略的關注。相對而言，一場層次更高，變化更大的人才與組織變局，卻幾乎是被輕描淡寫地帶過了。它就是騰訊年前所經歷的史上最大規模的AI架構調整。期間，1998年出生的姚順雨被任命為首席AI科學家，直接向騰訊總裁劉熾平匯報，成為中國網際網路大廠史上最年輕的“AI一把手”；騰訊AI Lab副主任、首席科學家俞棟則離職，騰訊元寶及混元團隊的招聘與“換血”也被加速、調整……“一代人終將老去，但總有人正年輕。”隨著AI的深入，圍繞人的敘事，還會繼續，迭蕩，起伏。2016年春天，當騰訊在深圳宣佈成立AI Lab（人工智慧實驗室）時，全球AI界都還沉浸在AlphaGo擊敗李世石帶來的震撼中。AI Lab，是騰訊史上第一個以“學術+業務”為主心骨的科研單位，由時任騰訊集團副總裁姚星牽頭搭建。姚星是2004年就加入公司的“老騰訊”，歷任騰訊架構平台部總經理、基礎架構部總經理、搜尋技術部總經理，向騰訊“技術中台”TEG（技術工程事業群）老大盧山匯報。▲騰訊2014年組織架構，華商韜略製圖除了AI Lab，當時的騰訊還在AI上有不少的佈局，比如SNG旗下有優圖實驗室，WXG旗下有What Lab、以及微信北京研發中心等。但總的來說，其AI實力並不算“強”。2016年，正是上一輪AI熱潮如火如荼之時，“人工智慧”首次被寫入政府工作報告，微軟亞洲研究院剛剛在2015 ImageNet大賽中用AI打敗人類，AlphaGo以4：1大勝李世石，“自動駕駛、語音助手、人臉識別”這些陌生的詞彙突然湧入人們生活。到騰訊成立AI Lab之時，阿里、百度都已全力備戰AI許久，百度更是早在2013年就設立了百度研究院，最早由李彥宏親自掛帥院長，並憑藉知名學者吳恩達（Andrew Ng）的加入而名噪一時。所以，2017年初的IT領袖峰會上，馬化騰坦言，“在人工智慧方向，騰訊相比百度還是落後”。然後，一轉身，騰訊就把百度研究院副院長張潼挖了過來，擔任自家AI Lab主任。緊接著是俞棟，這位微軟研究院的頂尖科學家，在語音識別領域享有盛譽，被騰訊挖來擔任AI Lab副主任，負責騰訊西雅圖AI實驗室。然後是劉威，前IBM沃森研究中心研究科學家，擔任AI Lab電腦視覺中心總監。▲張潼、俞棟、劉威，圖源：騰訊到了2017年時，騰訊AI Lab已經是一個擁有50+AI科學家、200+AI應用工程師的豪華團隊，專注於人工智慧的基礎研究，研究領域覆蓋視覺、語音、自然語言處理與機器學習——都是當時最火爆的AI課題。2018年，騰訊又加設了Robotics X機器人實驗室，由前任微軟視覺技術組專家張正友負責，與AI Lab平行。張潼加入騰訊時47歲，張正友加入騰訊時53歲，俞棟1998年就在微軟做AI研究——那一年，如今的騰訊大模型“一把手”姚順雨才剛剛出生。張潼、俞棟、劉威、張正友……這些人加起來，組成了騰訊第一代AI人才基本畫像：平均年齡超過45歲，“海歸派”，“學術派”，大多在矽谷IBM、微軟等知名實驗室有著多年研究經歷，學術知名度極高，IEEE Fellow幾乎是標配。這支由學術精英組成的AI Lab團隊，標誌著騰訊首次以系統化、規模化方式進軍AI領域，一時聲勢起得很高。期間，AI Lab的“高光時刻”有兩個，都跟遊戲有關——騰訊的主戰場。2017年3月，騰訊AI Lab開發的圍棋AI“絕藝”在日本第十屆UEC杯電腦圍棋大會上一舉殺出重圍，奪下冠軍獎盃。▲2017年“絕藝”團隊在日本奪冠，最右為騰訊副總裁姚星，圖源：騰訊2019年8月，在吉隆坡王者榮耀世界冠軍杯半決賽的特設環節中，騰訊AI Lab開發的遊戲AI“絕悟”戰勝職業選手賽區聯隊，升級至王者榮耀電競職業水平。然而，同樣在2019年，加入AI Lab僅2年的張潼突然離職，把擔子交到了隔壁Robotics X機器人實驗室主任張正友手上。一時間，所有人都懵了。要知道，張潼剛加入騰訊時的聲勢，不比今天的姚順雨小。▲2017年騰訊官宣張潼入職的新聞稿中，騰訊總裁劉熾平發言；圖源：騰訊張潼離開的原因眾說紛紜，有人猜“水土不服”、有人猜“山頭林立”——當時知乎上有一個回答這麼說：“說真的，今天Al Lab是個很難想像的存在，一方面體量如此之大，一群人拿著很高的title和package，但沒有KPI沒有OKR，不產生直接價值。”這話多少有些尖銳，卻也道出了為追求利潤的“公司”與為追求學術的“研究院”之間的天然壁壘。研究院這一架構源自矽谷，中國網際網路大廠早期爭相模仿，但落在中國往往“水土不服”——例如，騰訊最早對標的百度，其研究院在經歷過多輪的洗牌、重組後，今天已被收編為業務體系內的一個部門，不再獨立於營收之外。而張潼的離開，在時間上，又與一場騰訊內部的“大改革”息息相關。——騰訊930變革。2018年9月30日，騰訊宣佈了自2012年以來最大規模的架構調整，也是騰訊歷史上最大規模的組織調整之一。MIG（網際網路事業群）、OMG（網路媒體事業群）、SNG（社交網路事業群）全部打散，to C部分被收編進新設的PCG（平台與內容事業群）、to B部分收入CSIG（雲與智慧產業事業群）中。▲騰訊2018年“930變革”組織架構，華商韜略製圖這一重磅的架構調整背後，是騰訊面臨的巨大壓力。2018年3月，國內遊戲版號審批突然全面暫停，猛烈衝擊著騰訊的主營業務；同月，第一大股東南非Naspers首次減持騰訊，套現近800億港元後離場。騰訊的股價也從2018年1月底的470+港元高點，一路下跌至10月的250+港元，跌幅達到了驚人的47%，創下歷史最大回撤。在C端之外，騰訊缺少第二增長曲線，這是市場最擔憂的。騰訊的應對方案是兩手——1、“勒緊褲腰帶”；2、做ToB。在930變革中，騰訊新成立的CSIG全稱“雲與智慧產業事業群”，由有10多年業務經驗的“老騰訊”湯道生負責帶領，將原先散落在集團各處的ToB業務整合，並將騰訊雲作為AI技術產出的重要平台。第一財經報導稱，2018年左右，“騰訊AI Lab就拆分成了兩個部分，只有少部分人繼續留做AI基礎研究，其他大部分成員都要開始服務於公司的遊戲與廣告業務。”當然，受威脅的並不僅僅是騰訊。那幾年，市場急劇動盪，百度、阿里、騰訊個個都在焦慮“流量見頂”，字節跳動卻帶著強大的推薦演算法半路殺出，快速成為所有上一代巨頭的心腹大患。另一方面，當人工智慧泡沫越吹越大，但除了人臉識別之外幾乎在C端看不到賺錢的苗頭，巨頭也都齊齊轉身，號召“搞ToB”“AI+產業”“落地工廠”“降本增效”。2021年，姚星——騰訊副總裁、AI Lab牽頭人，同時也是有著17年資歷的“老騰訊”——離職。而自2019年後，騰訊AI Lab再未官宣任何學術明星入職。2022年底，ChatGPT突然殺了出來。全球科技界，炸了。大模型太強了，幾乎在一夜之間火遍了世界；在人類技術發展的歷史上，所有企業第一次以前所未有的速度達成了共識——要搞大模型。除了騰訊。騰訊是國內大廠中最晚推出自研大模型的公司。2022年11月底ChatGPT上線後，全球科技巨頭瘋狂湧入大模型賽道，百度、阿里、字節等巨頭要麼早有佈局，要麼緊急跟進。但騰訊直到2023年9月才發佈了首款大模型“混元”，C端產品“元寶”更是要到2024年5月才推出，比百度、字節晚了一整年。而2024年5月的時候，豆包下載量已經突破1億，擔得上一句“遙遙領先”。馬化騰每年都會在年底的員工大會上做總結與復盤，復盤2023年的騰訊AI時，馬化騰的口徑是騰訊的AI“不能算最領先，但是至少沒有太落後”；2024年時在強調“各個BG擁抱大模型的產品化落地，基於混元做更多AI探索”；但最近，馬化騰復盤2025年的騰訊AI時，話開始說得重了：“騰訊AI整個動作慢了”“基礎設施不足”“平台不能比別人差”。騰訊AI的“慢”，其實也有原因。這幾年，騰訊經歷了兩次歷時9個月的“遊戲版號暫停風波”，降本增效成為全公司的主旋律，AI大模型這種一眼望不到邊的“燒錢”研發，自然也就要能省也省著些。騰訊早期在大模型上的投入非常謹慎，沒有大規模招攬AI人才，沒有積極儲備算力，領導層在談起AI大模型時，對外始終強調“看重AI的落地應用”。不過，騰訊“慢”也有慢的底氣。——幾乎所有人都堅信，只要“微信+QQ”這對流量王炸出手，一切都會好起來的。這也是騰訊多年來摸索出的一套戰略經驗。作為一家應用能力極強的巨頭，大多數時候，騰訊根本不需要在市場早期入局，只需要等“百X大戰”打到終局，場景、技術、路線全都清晰後，再憑藉強大的資源與流量武器，一舉KO。2015年春節騰訊的“微信紅包”奇襲戰就是一個絕好的案例。然而，在十年後大模型領域，這套打法卻有些失靈。它遇上了字節跳動。上文提到，憑藉著技術先發+“字節系”龐大的流量體系，2024年，字節“豆包”下載量已經突破1億，DAU攀升到了2000萬。而到2024年底，騰訊“元寶”那怕手握“微信+QQ”作為流量靠山，DAU仍舊只有幾十萬。騰訊有些急了。所有改革的第一步，都是換人。還記得張正友嗎？2019年，張潼離職後，AI Lab主任一職一直由Robotics X機器人實驗室主任張正友兼任。騰訊第一代大模型研發班底“混元助手”，就由張正友組織搭建。2024年7月，張正友突然卸任AI Lab主任，回歸Robotics X實驗室——騰訊AI的另一位關鍵人物蔣傑，浮出水面。蔣傑，是一位有著12年業務經驗的“老騰訊”，曾任騰訊CDG、TEG副總裁，曾經靠搭建騰訊廣告平台而聲名鵲起，他接任AI Lab主任，並成為彼時騰訊大模型的“一號位”。2024年11月，曾經的AI Lab電腦視覺中心總監，同時也是騰訊傑出科學家、騰訊混元大模型技術負責人之一的劉威離職。2025年1月，“元寶”團隊從TEG技術事業群調整至湯道生領導的CSIG事業群。不僅如此，在AI大模型的演算法、模型、產品、增長等各個領域，騰訊都掀起了一場“搶人大戰”，高薪招募年輕博士、高薪挖角競爭對手……這場戰事的高潮是2025年8月，前OpenAI研究員姚順雨官宣加入騰訊。這位出生於1998年、國內大廠中最年輕的“大模型一號位”加入後，騰訊AI架構更是順勢進行了全面改革：2025年12月，騰訊大模型研發在原有架構上新設AI Infra部（AI基建）、AI Data部（AI資料）、資料計算平台部。其中，AI Infra部和原有的“大語言模型部”向姚順雨匯報；其餘向AI Lab主任蔣傑匯報；這條技術匯報線的上級是騰訊TEG事業群負責人盧山。但與此同時，姚順雨還單獨位列“CEO/總裁辦公室”首席AI科學家，直接向騰訊總裁劉熾平匯報。▲騰訊2025年12月大模型架構調整，華商韜略製圖姚順雨在加入騰訊前僅在OpenAI有1年的工作經驗，但他的年輕與號召力有目共睹，也讓人看到了騰訊“加碼AI”的決心。姚順雨加入後不僅加快了騰訊AI原有團隊招人、換血的步伐，同時在模型資料策略、模型訓練方向上提出了新的思路。也是在姚順雨的影響下，2026年2月，清華博士、新加坡Sea AI高級研究科學家龐天宇（1995年出生）宣佈加入騰訊，擔任混元大模型團隊首席研究科學家。馬化騰曾經有句名言，“有時候你什麼都沒做錯，錯就錯在你太老了”。當姚順雨、龐天宇們開始挑起大梁，騰訊AI自然也就年輕了。與之伴隨， 2025年12月底，原騰訊AI Lab副主任俞棟離職。至此，成立初期的“AI Lab三劍客”張潼、俞棟、劉威，以及最初的實驗室牽頭人姚星，已全部離開騰訊。“一代人終將老去，但總有人正年輕。” (華商韜略)

挖人如同打臉，Google殺人誅心。這兩天，網際網路行業和AI圈被同一條消息刷了屏：阿里千問大模型的核心負責人林俊暘突然發文告別。這條消息如同一塊巨石投入本就波濤洶湧的湖面。直到今天，阿里官方確認了林俊暘已離職的消息。圖源：微博作為阿里的戰略核心，千問（Qwen）團隊的人事變動，絕不僅僅是一個人的去留問題。它背後牽扯的，是一家巨頭在AI狂飆時代的技術路線選擇、組織架構調整，以及那場關於“技術策略”與“商業變現”的殘酷博弈。而更令人意外的是，就在同一天，GoogleDeepMind的相關負責人突然在社交平台上向Qwen團隊拋出了橄欖枝。那個夜晚發生了什麼？3月4日凌晨，當大多數人還在睡夢中時，阿里千問的核心負責人林俊暘在社交平台留下了一句極為克制卻又飽含情感的話：“me stepping down.bye my beloved qwen.”（我卸任了，再見了，我親愛的千問）。短短幾個詞，瞬間引爆了科技圈。圖源：X林俊暘，這個名字在業內代表著什麼？他是1993年出生的技術天才，北大碩士畢業，2019年以應屆生身份加入阿里達摩院。在短短幾年內，他一路晉陞為阿里最年輕的P10級技術負責人，親歷並主導了千問從0到1的全過程。在過去的幾年裡，林俊暘帶領團隊打了一場又一場硬仗。2023年，通義千問正式發佈；此後，團隊以令人炫目的速度推出了從0.5B到110B的系列模型，在開源社區Hugging Face上霸榜數月。正是因為他，Qwen系列成為了全球開發者心中“最能打”的中國開源模型之一，衍生模型數量突破20萬，下載量超10億次。然而，誰都沒想到，在阿里AI戰略被提升至最高優先順序、在馬雲剛剛現身談AI、在品牌剛剛統一為“千問”的節骨眼上，他竟然選擇了離開。緊隨其後的是連鎖反應。Qwen後訓練負責人郁博文、核心貢獻者李凱新等多名技術骨幹，也相繼傳出了離職的消息。GoogleDeepMind開發體驗負責人Omar Sanseviero抓住了這個機會，突然在社交平台上公開喊話：“千問的朋友們，如果想找個新地方來打造優秀模型，並為開源模型生態系統做出貢獻，請隨時聯絡我！我們的路線圖中有很多令人興奮的事情。”圖源：X這則喊話，禮貌、精準，且殺傷力極強。它不僅瞄準了剛剛失去領軍人物的Qwen團隊，更直接指向了“開源模型生態”——這恰恰是林俊暘和Qwen團隊最引以為傲的陣地。而且Omar Sanseviero本人曾是Hugging Face的開源生態負責人，江湖綽號“首席羊駝官”（Chief Llama Officer），對開源社區的運作模式熟稔於心。由他來“接客”，DeepMind顯然是做足了功課。有人說阿里的一個時代結束了。不，或許只是一個階段結束了。但在結束的廢墟上，新的獵手已經舉起了火把。為什麼在鮮花著錦之時轉身離去？對於林俊暘的離開，很多人的第一反應是“宮斗”或“內卷”。但根據多方資訊梳理，林俊暘的離開，更像是一場關於“未來怎麼走”的理念分歧，以及由此引發的權責重構。阿里內部人士透露，實際情況並沒有外界傳言的那麼狗血。隨著千問從一個小小的技術項目被提升為集團的頂層戰略，阿里認為需要招攬更多的全球技術大牛來提升“人才密度”。在這個過程中，林俊暘的權責範圍面臨調整——可能會從原先的垂直整合型負責人，變成負責其中一部分環節。這種變化，他無法接受，因而提出了辭職。簡單來說，過去林俊暘帶領的Qwen團隊更像是一個“特種部隊”：預訓練、後訓練、多模態、Infra全鏈路閉環，人少但戰鬥力極強，適合快速迭代、沖榜造勢。這是典型的“創業團隊”打法，極具理想主義色彩；而隨著集團戰略轉向，阿里希望將Qwen團隊按功能拆分成預訓練、後訓練、視覺理解等多個模組，與通義實驗室的其他團隊（如通義萬相）合併工作。這是“正規軍”的整編打法，更適合大規模協同作戰和商業化的深度落地。雖然在管理上，這種組織重構更利於資源統籌，但對於一個習慣了掌控全域的技術負責人來說，無疑是一種巨大的心理落差。圖源：微博更深層次的矛盾，或許在於“技術”與“商業化”的左右互搏。知名經濟學者盤和林對此分析得頗為透徹：“阿里需要千問快速商業化。今年AI行業有個問題，大量的基礎設施投入無法回收。但千問團隊之前的調性，是服務好使用者，做好開源。”開源，意味著免費、分享、普惠，追求的是技術影響力和社區口碑；商業化，意味著變現、收入、利潤，追求的是財務報表和市場佔有率。兩者並非天然對立，但在資源有限、競爭白熱化的當下，取捨在所難免。艾媒諮詢CEO張毅指出，阿里當前或是在“戰略收縮開源，聚焦高價值的商業閉環”。其實，在不少業內人士看來，此次事件發生的真正導火線，更有可能是新模型表現不佳。雖然Qwen3.5的小模型（如0.5B、4B等）在開發者社區好評如潮，甚至獲得了馬斯克的點贊；但在衡量大模型綜合能力的權威盲測榜單LMArena上，千問的旗艦模型Qwen3.5-397B排名並不理想，僅列第18位，與之前Qwen3-Max Preview的前三位置相去甚遠。圖源：LMArena當旗艦模型表現不及預期，當內部評價出現分歧，當組織架構的調整似乎在印證“不信任”，離開或許成為了一種必然。3月4日下午，通義實驗室緊急召開了全員大會。阿里高層反覆強調：“Qwen沒有收縮，這是一次團隊擴張。”並承認“新人引入肯定會帶來陣型變化，我們可能沒處理好”。這句話的潛台詞是：公司要長大，隊伍要整編，在這個過程中，總會有人走散。人才爭奪戰背後，AI進入“體系對抗”時代進入2026年，AI行業徒步踏進深水區，全球AI人才爭奪戰也逼近極致白熱化。領英發佈的《2026全球勞動力市場洞察報告》顯示，AI工程人才是全球流動最活躍的群體，其跨國流動的意願是普通人才的8倍。國內的資料同樣驚人，獵聘報告指出，2026年開工首周，要求會AI工具的職位同比增長超過200%。圖源：領英《2026全球勞動力市場洞察報告》在這種背景下，Google的公開喊話不僅是挖人，更是一種戰略威懾：我有最好的平台，你有最好的技術，來吧，我們一起改變世界。值得注意的是，DeepMind近期不僅招技術人才，還在公開招聘“首席經濟學家”。這說明頂級的AI實驗室已經開始思考AGI（通用人工智慧）時代的資源分配、經濟模型與社會治理問題。他們需要的不僅僅是寫程式碼的工程師，更是能夠建構未來世界規則的跨學科大腦。此舉，也代表著AI競爭開始從“單點突破”轉向“體系對抗”。正如阿里近期提出的“通雲哥”黃金三角概念——通義實驗室、阿里雲、平頭哥。未來的競爭，不再是一個模型跑分有多高，而是算力供給、模型能力與系統工程的協同作戰。林俊暘時代的Qwen，像是銳利的“矛尖”，鋒利無比，專打技術高地。而現在的阿里，需要的是“矛、盾、戰車、糧草”齊備的集團軍。從“比模型”轉向“拼體系”，用“模型+生態+AI Infra”爭奪下一代平台入口。這也是為什麼阿里會引入具有Gemini背景的周浩來接管後訓練團隊，為什麼要把團隊拆解重組。因為對於如今的阿里而言，千問App能不能在App Store榜單上穩住前三，或許比在Hugging Face上多一個星標更重要；千問眼鏡能不能通過生態協同（高德、餓了麼、支付寶）完成交易閉環，或許比在學術論文裡多一個創新點更緊迫。最後劉峰想說，這更像是技術理想主義與商業現實主義的一次正面碰撞。我們無意評判誰對誰錯。沒有林俊暘們的理想主義，就沒有Qwen今日的江湖地位；沒有商業化的反哺，AI這場耗資巨大的軍備競賽也難以持續。對於阿里而言，陣痛在所難免。但對於整個行業而言，這或許是一次必要的清醒。當潮水退去，當喧囂沉寂，最終決定勝負的，不是誰喊得最大聲，而是誰的組織更有韌性，誰的體系更能抗壓，誰能在這場漫長的馬拉松裡，跑贏最後一個彎道。3月的杭州，春寒料峭。雲谷學校的走廊裡，馬雲關於AI的講話餘音尚在；西溪園區的燈火下，新的千問團隊正在重組。再見了，林俊暘時代的Qwen。你好啊，那個必須直面商業世界所有殘酷與複雜的，全新的阿里AI。 (科技頭版)

摘要必須嚴肅地對待人工智慧發展給就業帶來的影響，未雨綢繆地做出回應。中國國務院總理李強3月5日作政府工作報告時提出，深化拓展“人工智慧+”，促進新一代智能終端和智能體加快推廣，推動重點行業領域人工智慧商業化規模化應用，培育智能原生新業態新模式。完善人工智慧治理。中國工信部部長李樂成在十四屆全國人大四次會議首場“部長通道”集中採訪活動上說，在人工智慧產業發展當中，一定要統籌發展和安全，堅持人工智慧為人所用、為人服務、為人所控的原則。新一輪科技革命和產業變革加速演進，“嵌入”公眾的日常生產生活，特別是以人工智慧為代表的新一代資訊技術蓬勃發展，引發深刻變革。也因此，近年來的全國兩會中，“人工智慧”一直是關鍵詞。在今年的兩會上，不僅是科技和企業界的代表委員，從醫療、教育到文化、政務領域，越來越多的代表委員都非常關注人工智慧的應用和治理。技術進步的浪潮不可阻擋，但人才是一切發展過程的最終價值取向。在深化拓展“人工智慧+”的同時，如何建構“以人為本”的人工智慧治理體系，讓AI的發展始終服務於人類福祉？發展負責任的人工智慧“十五五”規劃建議明確提出：“加強人工智慧治理，完善相關法律法規、政策制度、應用規範、倫理準則。”2月11日，國務院以深化拓展“人工智慧+”、全方位賦能千行百業為主題，進行第十八次專題學習。值得注意的是，此次國務院專題學習特別提到“加強人工智慧治理”。這是因為，人工智慧的發展依賴於海量資料的支撐，如果不能有效防範資料濫用、隱私洩露、演算法偏見等安全風險，就可能給個人資訊保護和社會公共安全帶來挑戰。中國始終堅持依法保護資料隱私和安全，確保人工智慧安全、可靠、可控。正如全國政協委員、民盟遼寧省委會副主委李萌嬌所言，對於人工智慧產業，安全與發展二者均不可或缺，都是硬道理。不久前，Seedance 2.0的橫空出世引發全球關注，很多人慶幸“幸好該視訊生成大模型來自中國”。這不光是因為，中國已擁有6.02億生成式人工智慧使用者，可以為大模型提供優質、多元的人工智慧訓練，更是因為，過去十年來中國已經在網際網路治理建構起涵蓋網路安全、資料安全和個人資訊保護在內的完整法律體系。AI正在以難以想像的速度不斷發展，在這個過程中，或許還會產生很多難以預料的新問題。因此，必須堅持統籌發展和安全，以對人類、對未來負責的態度，發展負責任的人工智慧。正視人工智慧對就業的影響人工智慧在提高生產效率的同時，也帶來了勞動力市場的結構性調整，正在對各行各業產生不容小覷的影響。那麼，到底該如何看待AI帶來的“就業焦慮”？全國政協委員、北京國際城市發展研究院創始院長連玉明認為，未來的關鍵不在於爭論“誰被替代”，而在於如何加速勞動力的“價值轉移”，幫助勞動者順利完成從被影響崗位到新興崗位的價值過渡與技能躍遷，駕馭變革而非被變革所衝擊。全國政協委員、上海交通大學安泰經濟管理學院特聘教授陸銘則表示，比起絕對判定AI的創造效應與替代效應孰強孰弱，更重要的是全社會樹立“技術向善”的核心導向，引導全行業放大AI的就業促進效應，避免技術應用單嚮導向用工縮減，推動技術進步與就業市場良性協同。今年的政府工作報告，首次提出“完善適應人工智慧技術發展促進就業創業的措施”。今年1月，人力資源社會保障部有關司局負責人還表示，將出台應對人工智慧影響促進就業的政策檔案。“人工智慧將重塑所有行業”已成為廣泛共識，因此，必須嚴肅地對待人工智慧發展給就業帶來的影響，未雨綢繆地做出回應。打造開放共享的人工智慧在科技領域，尤其是人工智慧技術，新的模型層出不窮，下一個會更好。這也意味著，在人工智慧的發展過程中，並不存在一勞永逸的“勝利”，更沒有一次突破就能確保永久領先。因此，人工智慧領域的競爭可以很激烈，但絕不應該是“零和博弈”。正因如此，在人工智慧發展處理程序中，中國堅定地選擇以開源推動技術普惠。整個2025年，發佈最先進模型和程式碼庫的具有競爭力的中國人工智慧企業、組織數量激增，高性能模型每周都在發佈。2026年1月，工業和資訊化部等八部門公佈的《“人工智慧+製造”專項行動實施意見》明確提出，做大國際合作，搭建交流平台，引導企業參與國際競爭。中國的人工智慧發展，走的是一條開放合作之路：發佈《全球人工智慧治理倡議》《國際人工智慧開源合作倡議》，向第78屆聯合國大會提出加強人工智慧能力建設國際合作決議並獲得一致通過……人工智慧已經成為當前國家發展和競爭的重要領域，但競爭之外，更需要開放、合作、共享。人類正在建構越來越智能的機器，如果缺少了合作與共享，各方都可能成為輸家，形成類似“囚徒困境”的局面。借用工信部部長李樂成的話說，我們要堅持人工智慧的國際合作、開放共享的原則，團結世界各國的朋友一起探討，取得更廣泛共識，建構人工智慧的治理框架，讓人工智慧這個產品更好地造福人類，成為全球共同的公共產品。 (澎湃新聞評論)

3月5日，中國國務院總理李強在政府工作報告中介紹今年政府工作任務時提出，打造智能經濟新形態。深化拓展“人工智慧+”，促進新一代智能終端和智能體加快推廣，推動重點行業領域人工智慧商業化規模化應用，培育智能原生新業態新模式。支援人工智慧開源社區建設，促進開源生態繁榮。實施超大規模智算叢集、算電協同等新基建工程，加強全國一體化算力監測調度，支援公共雲發展。加快發展衛星網際網路。打造“5G+工業網際網路”升級版。深化資料資源開發利用，健全資料要素基礎制度，建設高品質資料集。完善人工智慧治理。3月5日，在十四屆全國人大四次會議首場“部長通道”集中採訪活動上，工業和資訊化部部長李樂成表示，2026年工信部將按照政府工作報告要求，大力推動人工智慧（AI）和製造業雙向奔赴。中國產業門類齊全，創新人才眾多，創新生態不斷改善，我們有信心，堅信必將有更多的世界級智能產品在這片熱土上生產出來。要努力推動AI電腦、AI手機、智能家居，更好地滿足人民群眾對美好生活的需求。要全力推進新一代人工智慧產品的攻關和迭代更新，包括腦機介面、自動駕駛汽車、人形機器人，推動科技攻關、技術迭代。大力支援發展智能農業機械、智能醫療器械，讓更多智能產品滿足各行各業各領域的需要。2024年，“人工智慧+”行動首次被寫入政府工作報告。2025年政府工作報告提出，持續推進“人工智慧+”行動。如今，“人工智慧+”連續三年寫入政府工作報告，而“智能經濟”則是首次提及。智能經濟是什麼？國家發展改革委國家資訊中心人工智慧處副處長、研究員易成岐對21世紀經濟報導記者表示，智能經濟是以人工智慧為核心驅動力的新型經濟形態，將全面重塑生產、分配、交換、消費等經濟活動各環節。國研新經濟研究院創始院長朱克力對21世紀經濟報導記者表示，“智能經濟”首次寫入政府工作報告，被擺在更加突出的戰略位置。報告明確提出要“打造智能經濟新形態”，意味著智能經濟成為新質生產力發展的核心抓手與經濟轉型的關鍵突破。2025年8月，《國務院關於深入實施“人工智慧+”行動的意見》（以下簡稱《意見》）發佈，其中曾提出2027年、2030年、2035年三個階段目標，每個階段的目標均明確提及“智能經濟”。從2027年看，瞄準的目標是“智能經濟核心產業規模快速增長”，從“十五五”收官之年看，到2030年，“智能經濟成為中國經濟發展的重要增長極”。易成岐指出，未來五年，隨著人工智慧向通用人工智慧（AGI）和超級人工智慧（ASI）加速演進，人工智慧的感知、決策、行動等核心能力水平將繼續取得突破，智能經濟的兩大組成部分“智能產業化”與“產業智能化”將成為經濟發展的重要增長極。人工智慧將超越傳統工具輔助的基本定位，加速向新型基礎設施方向發展，將全面重構產業組織形態和商業運行邏輯，“智能無處不在”將成為經濟社會發展常態，生產力有望迎來革命性躍遷，生產關係將發生深層次變革，社會形態在高度智能化的同時將更具溫度。值得注意的是，易成岐提到，“十五五”時期，智能經濟對GDP的貢獻將完成從“增量補充”到“核心支柱”的關鍵轉變，為推動高品質發展、服務支撐全面建設社會主義現代化國家提供強勁動能。《意見》發佈以來，“智能經濟”一詞時常被用於和“數字經濟”進行比較。此前，北京師範大學京師特聘教授、博士生導師焦豪對《意見》的解讀中提到，相比於數字經濟，新一代人工智慧湧現的兩大新特徵（自主決策、自主行動）驅動智能經濟新形態湧現，重塑生產要素、服務體驗與競爭邏輯的運行範式，引發經濟社會的深刻變革。在朱克力看來，智能經濟是數字經濟的更高形態，把“智能”作為新一代經濟形態的核心特徵，意味著我們的政策重心，從過去的資訊化、數位化，全面轉向智能化。智能經濟不再是輔助角色，而是“十五五”開局之年的主力增長極。可以說，這一表述跳出單一技術應用維度，將人工智慧與實體經濟、數字基建、產業生態深度融合，通過深化“人工智慧+”行動，推動智能終端、智能體的商業化規模化落地，培育智能原生新業態。同時，以超大規模智算叢集、衛星網際網路等新基建為支撐，完善人工智慧治理與開源生態，讓智能技術從“工具”升級為經濟發展的“底層邏輯”。未來需要如何發力？易成岐指出，一是要在統籌謀劃和頂層設計上下功夫，加快形成部門與地方、政府與市場、國企與民企等多方合力，持續最佳化智能經濟發展環境，出台更具針對性、更具操作性、更契合實際需求的政策舉措。二是要堅持供需兩端協同發力，更好發揮“兩重”“兩新”政策效能，加大算力、資料、演算法、場景、資金等資源要素供給，充分挖掘人工智慧行業應用和新型智能消費需求，不斷推動人工智慧技術取得新的突破，培育一批易用好用、普惠便捷的人工智慧產品和服務體系。三是要鼓勵創新探索並激發創新熱情，支援有條件的地方和企事業單位圍繞智能經濟積極實踐創新，加快典型案例、創新模式和先進經驗複製推廣，通過標竿示範帶動人工智慧向更廣領域、更深場景、更高水平滲透應用。四是要加快培育創新型複合型人才，推動高校、科研院所與企業深化人才交流合作、促進人才合理流動，為智能經濟高品質發展提供堅實人才保障。 (21世紀經濟報導)

AI時代的“末日式裁員”長啥樣？這家公司給出了直觀示範原本1萬人的公司一刀下去只剩不到6000人原來滅霸的響指不是科幻片😓1. 人工智慧元年，滅霸首次打響指的那一刻...據CNBC前幾日報導，金融科技公司Block宣佈裁員超過4000人，佔員工總數約46%。以前沒聽說過這家公司的名字？沒關係，2026年第三個月，人家憑“實力”出圈了......這大概是歷史上規模最大的一次裁員。單說裁員，那可真不稀奇，矽谷科技公司大大小小裁員的消息層出不窮，但敢像Block這樣一次性裁掉全公司將近50%員工的，0家。cr.一畝三分地到底為什麼裁這麼多？先來看看Block這家公司的做什麼的。Block是一家美國金融科技公司，成立於2009年，由Jack Dorsey和Jim McKelvey創立。旗下擁有國民移動支付應用Cash App，人稱“美國人的支付寶”；以及Square——美國版收款碼+POS機+收銀系統+商家貸款。很顯然，這樣一家國民等級的金融科技支付公司壓根不會面臨“揭不開鍋”的問題。不出所料，在裁員爆出的幾乎同一時間，CEO Jack Dorsey就在社交媒體上發佈了一封“致全員信”，表示：“we're making @blocks smaller today。”cr.X諷刺的是就在當天，公司公佈的第四季度財報顯示，毛利潤同比增長24%，營收與每股收益均超出分析師預期。信中也強調裁員並非因為公司利潤下降、營收惡化，反而公司業務依然強勁，客戶在增長，盈利能力在改善，僅是因為：“AI工具配合更精簡扁平的團隊，正在從根本上改變公司的運作方式。”簡而言之，這4000人的活，用 AI給替代了。在備忘錄裡，Dorsey解釋了原因：他認為多輪裁員會嚴重打擊士氣、分散注意力，也會傷到客戶和股東的信任。所以他寧可“壞事”一次性做完。喬治城大學管理學教授Brooks Holtom在評價此事件時表達了對這一論點的認可，但承認這次規模確實很誇張，好在補償方案可以說相當慷慨了，被裁員工將獲得：20周基本工資每工作滿1年，額外再給1周工資股權繼續歸屬（vesting）到5月底6個月醫療保險允許保留公司配發的裝置額外一次性5000美元補助裁員≠暴君，Block一向以人情味、公司氛圍和諧、福利到位、創始人良心著稱，據知情人士稱去年此時，CEO Dorsey還自掏腰包約6800萬美元，邀請全球員工飛往灣區總部進行一周onsite。cr.一畝三分地Dorsey甚至表示，不會“把人從Slack和信箱裡悄悄刪除”，溝通管道會保留到周四晚，他會親自開視訊會道別，“寧願顯得尷尬而有人情味，也不願高效而冰冷”。不過，再有人情味也都是過去式了，宣佈完裁員計畫，Dorsey還不忘跳一波預言家：我們只是走在了最前面。未來一年內，大多數公司都會得出類似結論，進行相似的結構性調整。cr.CNBC而這個預言的精準性，恐怕資本市場已經給出了肯定的答案：一下子幹掉了 4000 多個崗位後，Block的股價不降反升，甚至盤後一度暴漲27%。風投機構Adverb Ventures的聯合創始人兼董事總經理Jessica Verrilli在X上寫道：“感覺這事遲早會波及每一家上市公司。員工數量像斷崖一樣往下掉時，我們得想辦法讓每個人都能成為‘所有者’，多少分享一點上行收益。”史丹佛商學院金融學助理教授Michael Blank則表示：未來各公司的CEO可能會產生一種競爭心理——大家都想向投資者證明，自己的公司比競爭對手更能適應快速變化的AI技術。而大規模裁員，就是一種相對“便宜但有效”的訊號。2. 2026年的矽谷，流行靠裁員給AI回血就在Block宣佈這一史詩級裁員的4天前，一篇文章在矽谷和華爾街如病毒般散播開來——由宏觀研究機構Citrini Research發佈的《2028全球智能危機》。cr.CitrinResearch假設時間來到2028年6月，回顧並分析一場由AI引發的系統性經濟危機。文中有一句話尤為刺眼：“2026年初，隨著人類智能被替代，第一波大規模裁員拉開序幕。企業利潤迅速膨脹，收益遠超預期，股價屢創新高。”起初，人們並未在意，只是將此視為一次思想實驗。Citrini Research推演了一種極端情況：也就是AI帶來了大量人失業。沒工作就不消費。企業營收下降。成為了死亡循環。不一定非要等到2028年，我們所處的2026年，這句話就已經不再是推演了。這封Block CEO的600字裁員信，正是危機預言在現實世界中落地的第一聲悶響。回到現實世界的2026年，layoffs.fyi網站醒目的數字從未停止跳動👇自2026年初以來，全球科技行業已累計裁員超過3.4萬人，僅2026年1月的資料，就已追平2025年裁員數量最高月份的水平。英國金融資料機構RationalFX預計，若當前趨勢持續，今年科技行業裁員總數可能超過27萬人，全年裁員規模或將超過2025年的約24.5萬人。靠裁員來續命AI的公司數不勝數👇Meta 1/12宣佈裁員1.6wcr.nytimes1月12日Meta突然宣佈，計畫裁減其Reality Labs部門約10%的員工。該部門負責開發包括元宇宙在內的產品，目前擁有約15000名員工。小扎今年也是鐵了心要死磕AI，要求高管削減2026年的預算，並將大量資金投入人工智慧研究，而不叫好的元宇宙就成了第一個“被宰”的對象。除了裁員，Meta更是不惜一切代價給AI“續命”：削減員工股票獎勵，在去年削減約10%的基礎上，今年再次下調約5%，說是變相降薪並不為過。這筆從員工身上“活剝”下來的資金主要用於建設遍佈美國“Gigawatt等級”的AI資料中心。cr. YahooAmazon 1/26宣佈裁員1.6wcr.yahoo finance繼2025年10月裁員14,000人後，亞馬遜在今年1月又馬不停蹄地宣佈裁員計畫，此次波及約1.6w人。波及包括AWS（Amazon Web Services雲端運算）、Stores等部門，而崗位則主要集中在管理層：PM產品經理、TPM技術項目經理、SDM軟體開發經理以及其他與產品相關的崗位（特別是有大量協調性質工作的）。此舉正是亞馬遜CEO Andy Jassy“去官僚化”計畫的其中一步：他希望通過更加扁平化的層級結構，消除2020年“高速增長”階段積累的過多會議和官僚主義。更重要的一個目的也是目前科技公司老生常談的：將節省下來的數十億美元重新分配，用於AI和AWS資料中心的資本支出。短短三個月內，累計裁撤3萬名員工，約佔其全球企業員工總數的近10%，創下其成立30年來的最大規模裁員紀錄。根據公司內部統計資料，亞馬遜西雅圖辦公室的員工人數已跌破5萬人，不再是西雅圖地區的最大僱主。Oracle 1/30宣佈裁員2-3w1月底，矽谷老牌養老廠Oracle宣佈裁員2至3萬人並出售醫療業務Cerner，核心原因還是為了籌集巨額資金以應對昂貴的AI基礎設施建設，這波操作說白了還是在“拆東牆補AI”。Oracle面臨高達1560億美元的資本支出（Capex）需求。如果沒有這筆資金建設機房和資料中心，其雲服務將無法落地，淪為“PPT公司”。為了籌錢，Oracle被迫採取激進措施，如要求客戶預付40%定金或自帶晶片，變相讓客戶“眾籌”基建。裁員也是快速回血的一步，預計釋放80-100億美元現金流。3. 留學生想上岸矽谷，還有招嗎？與Block、Amazon、Meta相同的故事也將發生在更多推進自動化、AI智能化的大廠身上：傳統崗位在最佳化調整，為機器學習、AI等前沿技術崗位騰出發展空間。對於想要求職科技行業的留學生來說，以Amazon為例的戰略轉型非但不是威脅，反而清晰地指明了進入科技巨頭的“未來之路”：面對自動化與裁員，成為推動這一轉型的“執行者”才是唯一出路。 (WallStreetTequila)

一筆S交易，引發連鎖暴跌。PE行業正在上演詭異的一幕：一方面，各家PE巨頭們基本都發佈了亮眼的財報，募資額暴增，並實現了創紀錄的利潤。黑石去年淨利潤21.4億美元，同比翻了一倍，創下“四十年最強業績”；KKR去年Q4單季募資430億美元創下四年新高；阿波羅全球全年募資2280億美元創歷史紀錄，利潤超出市場預期……與此同時，它們的股價卻一瀉千里。剛剛過去的2月，幾乎成了PE行業的“股災”之月——黑石的股價單月跌幅達20%，KKR跌了30%，阿波羅全球資管跌了29%，Ares Managemant跌了33%，凱雷跌了12%，TPG跌了33%。2月的最後一個交易日（2月27日），又是集體大跳水的一天。黑石跌了3.88%，KKR跌了6.34%，阿波羅全球資管跌了8.57%……這樣不講道理的跌法，讓人恍如回到了2008年金融危機。實際上，自進入2026年以來，PE巨頭們的股票就一直在被投資者大肆拋售。年初至今黑石市值已經縮水了30%多。令人擔憂的是，這次大跌不但沒有走穩的跡象，反而還有愈演愈烈之勢。“SaaS末日”成了PE巨頭們的滑鐵盧在今天的資本市場上，AI是萬因之始，亦為萬象之果。這場大跌的禍源，同樣被扣到了AI的頭上。2026年1月，Anthropic發佈了AI智能體工具“Claude Cowork”，可以自主在使用者的電腦上執行複雜、多步驟的專業工作。一時之間，整個SaaS行業人心惶惶。因為Claude Cowork號稱可以搞定財務審計、人事管理、法律合規等各種各樣的工作，傳統SaaS軟體公司將被一舉顛覆。於是，一場“SaaS末日”恐慌席捲美股，上市SaaS公司股價集體暴跌。這還沒完。2月23日，Anthropic宣稱其AI程式設計工具“Claude Code”能夠在一夜之間完成對COBOL系統的現代化改造。COBOL被稱為軟體行業“最堅固的堡壘”，IBM靠維護COBOL程式碼已經躺賺了幾十年。消息一出，IBM股價單日暴跌13%，創下25年來最大跌幅。雖然，事後來看這兩件事中輿論都有點過分誇大了AI的能力，AI還沒那麼快在專業工作上替代人類。但對傳統SaaS商業模式的懷疑種子已就此種下，龐大的軟體行業成了一座融化中的冰山，而第一道裂縫已經出現。在GPT橫空出世之後，多少傳統行業都在惴惴不安地擔憂會不會被顛覆。現在，第一個AI“受害者”看起來已經出爐了。那麼問題來了，軟體行業崩了，跟PE行業又有什麼關係呢？關係還真不小。實際上，軟體行業是過去十年來PE行業投資最多的行業，沒有之一。SaaStr的資料顯示，從2015年到2025年，私募股權機構共收購了超過1900家軟體公司，交易金額超過4400億美元。在2025年，近20%的槓桿併購的目標是軟體公司。這還只是小頭。我們知道，過去十年PE機構大力發展“放貸”業務，私募信貸規模急劇膨脹。一般認為，目前美國私募信貸的餘額可達3兆美元。而據瑞銀的估計，其中多達三分之一都投給了SaaS公司。如今，黑石、KKR等頭部PE巨頭們，無不在軟體行業有大規模的佈局。在部分大型基金在軟體行業的配置超過了30%。Thoma Bravo、Vista Equity等一批專注於投資軟體行業的專業型PE機構，管理規模都超過了千億美元。PE機構們青睞軟體行業的原因很好理解。因為SaaS的商業模式是訂閱制，擁有穩定的經常性收入、高利潤率、可預測的現金流，客戶遷移成本還高，這樣的商業模式正是PE機構的最愛。然而，沒人預料到，隨著AI的興起，對軟體公司的超額配置居然成了PE機構的集體滑鐵盧。首先，軟體公司的估值正在大幅縮水，美國科技軟體股指數今年已經下跌20%，軟體股的平均P/S倍數更是從9倍掉到了6倍。二級市場如此，一級市場只會更糟。而更令人擔憂的是規模以兆美元計的私募信貸。過去，PE機構們在向軟體公司“放貸”的時候，一個前提假設是它們擁有“永續”的現金流。而現在這個假設顯然不成立了，再疊加當下的高利率環境，這些債務面臨巨大的違約風險。一筆S交易，引發連鎖暴跌就在市場愈發不安之際，一樁不合時宜的S交易成了引爆點。2月18日至20日，Blue Owl Capital宣佈將旗下三隻私募信貸基金的資產轉讓給幾家北美養老金和保險機構投資者。雖然這次資產出售的估值是面值的99.7%，並沒有明顯折價。但由於據稱Blue Owl將永久停止其中一隻基金的贖回，市場還是將其解讀為“資產質量惡化”。於是，這筆交易規模只有14億美元，卻一舉把管理規模達3000億美元的Blue Owl的股價干崩了。2月19日起的三個交易日，Blue Owl股價暴跌了22%。Blue Owl的暴跌引發了連鎖反應，黑石、KKR、Ares等其他PE巨頭的股價也跟著一起暴跌。這並不是誤傷。由於一級市場的低流動性，估值調整較慢，資產的貶值不會立刻反映在財報上。而越是這樣，投資者們越是感到擔憂。這導致各大PE巨頭的私募信貸基金都在2026年陷入了贖迴風暴。在2025年，已經有多家獲得了巨額私募信貸融資的大型企業宣佈破產，讓投資者對私募信貸的資產質量非常擔憂。尤其是去年First Brands宣佈破產，居然出現了抵押品不翼而飛的情況，暴露出私募信貸對風控的嚴重忽視，引起巨大爭議。當時，摩根大通CEO戴蒙就發出警告稱：“看到一隻蟑螂時，可能還有更多。”暗示美國私募信貸市場存在系統性風險。這並不完全是危言聳聽。彭博情報的資料顯示，在二月的短短四周之內，就有177億美元的美國科技公司貸款滑落至“困境交易水平”，也就是面臨嚴重財務困境、瀕臨違約或破產，其中大部分來自SaaS公司。晨星的資料也顯示，在2025年底以來，對軟體公司的槓桿併購貸款陷入“困境交易水平”的金額急劇增長，目前已經佔到總額的13%之多。彭博預計，私人信貸的違約率在2026年可能上升2個百分點，達到6%。瑞銀更是預測，如果AI的顛覆性影響繼續加速，美國私人信貸的違約率可能達到13%，是正常水平的3倍以上。當然，這場危機到底會發展到何種程度現在還很難說。幾乎所有PE巨頭們都公開表示“問題不大”，市場反應過度。但無論如何，可以確定一場巨變正在發生。那些敏銳的機構早就在行動了。阿波羅全球資管在2025年已經把對軟體行業的配置砍了大約一半，配置比例從20%降至約10%。Thoma Bravo的創始人奧蘭多·布拉沃在今年的達沃斯論壇上坦言，AI將顛覆許多軟體公司，尤其那些核心能力是技術的公司。Thoma Bravo手中握有超過75家軟體公司，是世界上最大的軟體公司投資者之一。就在不久前，黑石總裁喬·格雷在接受採訪時談到AI相關資產是否存在泡沫的問題，他表示：“人們都在關注泡沫風險，我認為最大的風險其實是顛覆性風險——如果一個行業在一夜之間就面貌全非該怎麼辦？”與VC不同，PE通常關注那些有穩定、長久價值的行業。當PE也在談顛覆的時候，一定有什麼不同尋常的事情在發生。 (投中網)