市場最怕的不是震盪，而是不知道自己身處哪一個階段，最近不少投資人心裡其實很矛盾，一方面看到盤面天天有人創高，另一方面卻覺得手中持股沒有什麼動靜，這種看得到行情、卻摸不到獲利的落差，正是當前盤勢的關鍵線索。〈指數穩步推進，量縮反而是健康訊號〉今天加權指數再度收紅，順利完成連三漲，距離市場關注的三萬點目標又再往前推進一步，雖然成交量縮至約4200億元，表面上看起來是價漲量縮，但這並不是多頭轉弱，而是標準的時間換空間，選擇權結構如期維持在1之上，新台幣啟動升勢，外資也開始歸隊，這些都是資金方向沒有改變的證據，更重要的是，櫃買指數在完成黃金交叉後，今天再創波段新高，這一段智霖老師在週六直播就已經先跟大家預告，代表內資與中小型股的動能仍在，盤勢並不是虛漲。〈籌碼沒有鬆動，大戶正在把握震盪布局〉不少人看到11月證券劃撥存款餘額大減，就開始擔心是不是資金退潮、風險升高，但從實際數據來看，這一波並非散戶瘋狂追價，而是資金從帳戶現金轉向實際持股與融資操作，成交值與融資餘額同步維持高檔，自然人交易占比下降，外資比重回升，這代表主導盤面的仍是具備資金與策略的大戶與主力，目前看到的融資結構，並不是散戶全面衝動進場，這也是為什麼指數能在量縮之下穩穩墊高，而不是出現失速拉回，籌碼結構相對穩健，是這一段行情能持續推進的重要底氣。〈免費下載【陳智霖分析師APP】，掌握第一手盤勢資訊與信用籌碼名單〉APP選股會員每月僅限額招收，名額有限，每週都會提供最新「信用籌碼疑慮名單」，最新版本APP10/25已上架，邀請您點選連結下載【陳智霖分析師APP】：https://lihi.cc/zwrii〈五路財神輪動發威，選對方向比看指數重要〉很多人今天說漲指數、不漲股票，但問題不在市場，而在你有沒有站在對的產業趨勢上，當市場還沒什麼人在討論台積電概念股時，智霖老師就不斷提醒，打折就是佈局的時候，二奈米題材中的昇陽半導體(8028-TW)，回測年線時我們從來沒有看壞，始終強調低檔布局，法說會後法人調升目標價，股價自然再創波段新高，台積概念的低檔黑馬光洋科(1785-TW)，在AI與半導體靶材需求帶動下，今天直接攻上漲停鎖死，散熱指標的雙鴻(3324-TW)經過先前修正後再拉一根長紅，穩健重回千金股行列，這正是「五路財神」天天輪動的寫照，行情不是沒有，只是留給站對位置的人。整體來看，現在的台股是量縮、但結構完整的多頭盤，週年慶還在走，只怕你還在猶豫不決，跟上我們聚焦產業趨勢明確的族群，邀請投資人下載【陳智霖分析師APP】，即時資訊會第一時間分享，每週都會在APP內更新信用籌碼疑慮名單，幫你避開風險、鎖定機會。最新影音(請點影音上方標題至Youtube收視品質會更佳)https://youtu.be/XrGJ7TUYIys〈立即填表體驗諮詢陳智霖分析師會員服務〉忠實粉絲請先完成填表申請，體驗每週精選操作名單、盤中到價盤中通知與即時策略更新。跟著我們卡位「五路財神」，面對震盪行情，理性分析與數據判斷是關鍵，立即填表跟上專業：https://lihi.cc/RFzlE錢進熱線02-2653-8299，立即邁向系統依據的股票操作。文章來源：陳智霖分析師 / 凱旭投顧

如果說2006年的美國經濟是建立在磚瓦之上（房地產），那麼2025年的今天，它已經完全建立在程式碼與K線圖之上（股市）。我們正在經歷過去65年來第三次、也是最驚險的一次資產配置大逆轉。這不僅僅是數字的遊戲，而是一場以“家庭資產負債表的穩定性”換取“高增長”的歷史性豪賭。1. 歷史的交叉點：房子不再是“王”在過去很長一段時間裡，美國中產階級的財富錨點是房子。但現在，這個錨點已經徹底斷裂並行生了轉移。請看下圖，它揭示了這一歷史性的結構位移。圖1 股票持有量超越房地產圖表解讀：紅線（股票）：美國家庭淨資產中股票和共同基金的佔比在2025年Q2飆升至 31%，創下歷史新高。藍線（房產）：房地產資產佔比同期跌破 30%，遠低於2006年泡沫頂峰時的38%。結論：這是過去65年來，股票資產佔比第三次超過房地產。前兩次分別對應了60年代的狂熱和2000年的網際網路泡沫。資產的所有權結構已經徹底改變。2. 這次為什麼不一樣？並非當年的“空中樓閣”看到“股票佔比創新高”，很多經歷過2000年網際網路泡沫的老股民會感到恐懼。那時候佔比也曾達到25%的峰值，隨後崩盤。但簡單地“刻舟求劍”是錯誤的，因為支撐市場的底層邏輯發生了質變。為了說明這一點，我們將2000年的科技股與今天的AI巨頭進行對比：圖2 現實核查：科技巨頭年度總營收對比（2000 vs 2025)圖表解讀：左側柱體顯示，2000年網際網路泡沫頂峰時，頭部科技公司的營收微薄，更多是基於“點選率”的概念炒作。右側柱體顯示，2025年的AI巨頭擁有恐怖的賺錢能力。根據預測，僅OpenAI一家公司到年底的年化收入就將突破 200億美元，且擁有高達70%的毛利率。結論：這次牛市是建立在“真金白銀”的現金流之上的，而非單純的市夢率。3. 危險的代價：我們用“安穩”換了“波動”既然公司賺錢能力強，那我們為什麼要擔心？ 因為股票和房子有一個本質區別：波動性（Volatility）房子雖然漲得慢，但它不會每天報價，給人安全感。而股票每一秒都在跳動。當美國家庭31%的財富都變成了股票，意味著全社會的財富波動被被人為放大了。圖3 美國家庭淨資產：隱含波動率指數圖表解讀：圖表展示了隨著家庭持股比例上升（從15%升至31%），家庭淨資產的每日/每月波動幅度顯著增加。結論：我們就像在坐過山車。2006年，房地產是經濟的“壓艙石”；而2025年，標普500指數成了經濟的“起搏器”。這意味著聯準會無法允許熊市發生股市大跌20%對消費信心的打擊，將遠超當年的房地產危機。4. 繁榮下的最大隱憂：富有的“窮人”既然聯準會不敢讓股市跌，那風險到底在那裡？風險不在於你的股票帳戶，而在於你的銀行存款。這是本篇分析報告我們想告訴你的最核心的風險提示：流動性錯配圖4 流動性陷阱：資產富足 vs 現金匱乏圖表解讀：資產端（標普500曲線）：美國人從未如此富有，股票帳戶市值不斷創新高。現金端（儲蓄率曲線）：美國人從未如此“手頭緊”，個人儲蓄率處於歷史低位，且信用卡違約率在上升。兩條線形成了一個巨大的“風險剪刀差”。深度分析：在“全員持股”且“低儲蓄”的今天，美國家庭實際上是在“裸奔”。他們假設股票隨時可以變現來支付帳單。但一旦股市出現10%的正常回呼，或者外部環境惡化（如日本債券收益率上升導致流動性收緊），由於缺乏現金緩衝，大量家庭將被迫賣出股票來維持生活。這種“被迫拋售”（Forced Selling）機制，會將原本正常的市場調整，瞬間放大為一場流動性危機。這才是這波歷史性漲勢中最脆弱的一環。5. 分析師總結與建議認清現實：無論你是否喜歡，你的財富命運已經與股市繫結。在此刻，持有大量現金可能跑輸通膨，但完全沒有現金則是自殺。關注AI營收兌現：只要科技巨頭的營收增長（如OpenAI的200億門檻）能持續兌現，泡沫就不會輕易破裂。系好安全帶：最大的風險不是股價下跌，而是你在股價下跌時沒錢花了。請確保你手頭留有至少6個月的生活備用金，不要把最後一分錢都投入股市。“以波動換增長”的時代，活下來，就是贏家。 (capitalwatch)

Kevin Scott：“長期記憶”是AI創業最被忽視的機會2025 年 12 月 19 日，舊金山。矽谷創業社區 South Park Commons 的一場對話中，微軟 CTO Kevin Scott 聊職業拐點、與 OpenAI 合作、AI 時代更值錢的問題為什麼總被忽視。整場對話 56 分鐘，話題從創業試錯，一路聊到開源與閉源。他最關鍵的一句話是：AI 創業最怕的，不是技術落後，而是把“噪音”當訊號。什麼是噪音？看起來像積極訊號，但對你做的東西沒有價值，而且沒有關係的資訊。 媒體熱度、投資人興趣、技術熱詞，這些訊號容易獲取、容易量化，但可能正在把你引向錯誤的方向。這篇文章講四件事：第一， Kevin 如何學會識別正確的訊號。第二，今天的創業者面對什麼樣的環境。第三， ChatGPT 為什麼成功。第四， 如何識別被忽視的真實訊號。第一節｜放棄有趣的技術，選擇值得做的事Kevin Scott 原本想當一名大學教授。博士期間他研究動態二進制翻譯，技術含量極高，但他後來放棄了。原因很簡單：這事除了我，幾乎沒人在意。他說：我花了大量時間研究這些最佳化方法，能提升系統幾個百分點性能。寫論文、被引用、繼續寫論文……然後呢？在學術界，這就是標準路線。但在真實世界裡，這些百分比的提升沒有任何意義。Kevin 第一次意識到：學術界的評價標準，和真實世界的價值判斷，根本不是一回事。學術界看重論文數量、引用次數、同行認可，這套機制清晰、容易量化。但真實世界在意的是：有多少人因此受益？產生了多大價值？這兩套標準不一致，甚至是衝突的。於是他從學術界出來，進入Google。他做的第一個項目，是廣告稽核流程的自動化。這事聽起來一點也不酷。Kevin說：其實就是做一套自動過濾規則，判斷廣告文案能不能用驚嘆號、有沒有成人內容。但這個問題值錢。每天 5000 萬美元的廣告被卡住，人工稽核處理不過來。就這麼點改動，最終每年幫 Google 省了近 10 億美元。這讓他得到創始人獎。從那時起，他確定了一條職業準則。做每一件事，第一眼先看它有沒有可能產生真正的影響，其次才是技術有多有趣。他說，人生是從放棄最複雜的技術，轉向最有價值的工作開始的。這是他第一次識別出正確的“訊號”。第二節｜容易獲取的反饋，往往是噪音Kevin 20 年前做的那次選擇很簡單：學術界 vs 商業世界，二選一。今天的 AI 創業者面對的環境要複雜得多。現在做創業比過去任何時候都便宜。但也正因為便宜，試錯的人多了，噪音也就多了。什麼是噪音？他給出定義：看起來像是正反饋，但和產品價值無關的資訊。媒體熱搜、點贊數、風投的興趣，這些都可能是噪音。很多創業者依賴的這些訊號，恰恰也是最容易把你帶偏。因為這些訊號背後有自己的利益機制。媒體需要流量，選擇有話題性的故事。投資人看重多元的項目組合，對熱門賽道表現出興趣。技術社區追逐最新的模型、最大的參數量。但這些和有人願意為你的產品買單是兩回事。更麻煩的是，這些噪音還特別容易獲得。你發一條帖子，幾百個贊；寫一篇文章，上了熱榜；見幾個投資人，都說感興趣。你開始覺得方向是對的。但這可能只是說明：你踩中了一個熱門話題，成了轉發素材，而不是解決了真正的問題。很多創業者開始往熱門概念上靠：“我們是AI+教育”、“AI時代的瀏覽器”、“GPT時代的新筆記工具”……這些說法新穎、容易講，但不等於有人真正需要。Kevin 給了一個判斷方法：要分清楚兩件事。一件事是你希望它發生；另一件事，是它不管有沒有你都會發生。真正適合創業的，是後者。那麼，什麼才是真正的訊號？Kevin 用 ChatGPT 說明。第三節｜當所有人卷模型，OpenAI在做什麼ChatGPT 上線時，用的是老模型。業內很多人都見過，Kevin 說，包括他自己在內，沒人想到它會成為爆款。那為什麼它成了？因為所有人在追一個訊號，OpenAI 在追另一個訊號。2022 年底，每個實驗室都在追逐容易量化的數字：更大的參數量、更高的benchmark、更先進的架構。但這些是噪音。OpenAI 關注的訊號是：普通人能不能零門檻使用互動是否足夠自然能否成為日常工具這些才是真實需求。ChatGPT 的改動極小：一套老模型，加上 RLHF，加上一個輸入框。技術上沒有任何突破。但它讓普通人第一次可以直接和 AI 對話，不需要任何技術門檻。Kevin 明確表示：“它不是我們見過最強的模型，但第一次讓 AI 直接進入了使用者生活。”在他看來，這類機會有三個特徵：技術能力已經夠了但沒人認真設計用法因為看起來太普通、太基礎、沒熱度而被忽略。這些機會不會出現在熱詞榜上，也講不出宏大的故事，但可能打開兆美元市場。關鍵是：如何識別這樣的機會？第四節｜識別真實訊號的三個標準為此，Kevin 給出了三個判斷標準。標準 1 ：看能力和使用的差距他說：現在不是 AI 不夠強，而是很多人不知道怎麼把它用好。這意味著什麼？意味著機會不在能力端，而在使用端。他舉了長期記憶的例子。現在大模型能對話，但記不住歷史。使用者每次都要重新交代背景，AI 像個永遠喝斷片的“實習生”。技術上能解決嗎？完全可以。只需要做資料管道、內容壓縮、歷史記錄。但沒人做。為什麼？因為這不會上論文，也拿不到媒體關注。。Kevin 說：很多人不願意做這件事，是因為它看起來像修修補補，不像創造。但這恰恰是真實訊號。因為使用者真的需要，技術能力已經夠了，只是沒人認真做。標準 2：看誰在製造噪音如果媒體在報導、投資人在追逐、大公司在佈局，這很可能是噪音。這就像 Kevin 20 年前的選擇：他做的是所有人覺得不夠酷的事，但恰恰解決了真實問題。今天同樣如此。已經有太多資源在追逐那些熱門賽道，你作為創業者很難勝出。真正的機會往往在被忽視的地方：大公司覺得太瑣碎、媒體覺得不吸引眼球、投資人覺得不夠宏大。正因為被忽視，競爭反而更小。標準 3 ：做小實驗驗證Kevin說，做工具的成本已經非常低了。現在真正缺的，是願意動手的人。比如：讓 AI 記住使用者歷史。搭個簡單的上下文快取，看使用者是否真的需要。用現有工具搭建一個端到端流程。把 AI 對話、自動化工具、文件系統連起來，做一次完整閉環，看能不能真正替代人工。不寫 PPT，直接做互動原型。從產品體驗出發，而不是從概念包裝出發。現在是 AI 創業最好的時候，因為你可以不靠預測未來，只靠動手做個小實驗，就能找到好的方向。關鍵是分清噪音和真實訊號。你是追逐容易講的故事，還是解決真正的問題？結語｜訊號比方向更重要Kevin Scott 說，他不追求快樂，只想做有意義的事。因為有意義的事，自帶清晰的訊號。20 年前，Kevin 只需要選擇：學術界還是商業世界。今天的創業者面對更複雜的環境：媒體熱度、投資人興趣、技術熱詞，那些是噪音？那些是訊號？Kevin 的方法是：不要靠判斷去猜，要靠行動去驗證。做工具的成本從未如此低，但噪音也從未如此多。找對訊號，比找對方向更重要。 (AI深度研究員)

過去一年，一個令人費解的現像在OpenAI內部蔓延：即便ChatGPT推出了能在國際數學奧賽摘金、在頂級程式設計競賽奪冠的“最強大腦”，但普通使用者們似乎並不買帳。圖片由AI工具生成據外媒報導和OpenAI 9月發佈的資料顯示，多數使用者使用ChatGPT可能只是詢問相當簡單的問題，根本無需動用那些耗費巨大計算資源、需要“思考”半分鐘的推理模型。這一刺眼的資料，指向了OpenAI在巔峰之下隱藏的深刻危機：一場由CEO山姆·奧特曼親自推動的戰略擴張正引發嚴重的深層危機，包括組織架構割裂、多線作戰導致資源分散，以及技術路線與使用者需求嚴重脫節，這正將其王牌產品ChatGPT拖入競爭泥潭。01核心矛盾：前沿研究與大眾需求的“性能過剩”鴻溝OpenAI的核心矛盾，根植於其研究部門與產品團隊日益擴大的目標分歧。公司內部一個超過千人、相對獨立的研究團隊，近年來將重心押注在追求“推理模型”和“通用人工智慧”（AGI）這一終極目標上。這種模型雖然能在複雜數學和科學問題上表現出色，但其代價是高昂的計算成本和緩慢的響應速度，處理一個問題可能需要數秒甚至數分鐘。然而，這與ChatGPT數億主流使用者的需求嚴重脫節。AI評估機構LMArena負責人彼得·戈斯特夫所言，“OpenAI 把重心放在‘科學、數學基準測試、前沿數學、程式設計競賽’上，但這似乎並不匹配典型的 ChatGPT 使用者”，他指出，“大多數 ChatGPT 使用者問的可能只是一些非常簡單的問題，比如電影評分、日常諮詢，“根本不需要模型思考半個小時”。這種“性能過剩”直接導致了產品層面的挫折。2025年初，當OpenAI試圖將最先進的推理模型轉化為ChatGPT可用的版本時，其性能反而“意外地變差”了。即使後來以“思考模式”等形式嵌入，在近9億周活躍使用者中，也僅有極少數人頻繁使用。更令人尷尬的是，OpenAI內部發現，就連傳統的非推理模型，在整合到ChatGPT產品時，也可能因與“個性化”等功能的衝突而導致性能下降。圖：從左到右依次為OpenAI應用部門CEO菲吉·西莫、CEO奧特曼以及首席研究官馬克· 陳02多線作戰：奧特曼的“帝國野心”與ChatGPT的資源內耗在核心產品面臨使用者體驗鴻溝的同時，奧特曼卻開啟了一場令人眼花繚亂的“多線作戰”。在ChatGPT之外，他同時推進了包括Sora視訊生成、音樂AI、AI網頁瀏覽器、AI智能體、消費級硬體裝置、機器人等一系列雄心勃勃的項目。這些平行推進的新項目，持續分流了原本應集中投入在 ChatGPT 上的關鍵資源。多位 OpenAI 研究人員證實，一些新方向的展開，客觀上削弱了用於提升 ChatGPT 大眾化吸引力的投入強度。結果出現了一個頗具諷刺意味的局面：在外部競爭愈發激烈的同時，OpenAI 最核心的收入引擎，卻在內部資源博弈中逐漸“失血”。即便是負責應用與產品線的首席執行長菲吉·西莫，也不得不坦言，在 OpenAI，“產品本身並不是終點”。這家公司在文化與決策層面，依然深受“研究優先”的基因所主導。這種戰略分散在應對Google的兇猛反撲時顯得尤為危險。Google憑藉其龐大的產品生態（Gmail、Chrome、YouTube等數十億使用者入口），正在將AI能力無縫融入使用者已有的工作流中。 正如分析師所言，使用者轉向Gemini“不僅僅是因為它模型更好，而是發現這種能力已經融入一切”。相比之下，ChatGPT在很大程度上仍是一個需要使用者主動訪問的獨立工具，面臨巨大的使用者習慣遷移成本。OpenAI在圖像生成功能上的搖擺，是內部戰略不協調的縮影。2025年早些時候，公司一度降低了圖像生成的優先順序，直到8月Google發佈引爆流行的Nano Banana圖像生成器後，才倉促重新聚焦。據員工透露，這甚至引發了奧特曼與研究主管馬克·陳之間的分歧。這種“追趕式”反應，暴露了多線作戰導致的決策滯後和被動。03增長悖論：使用者增速放緩與商業變現的競賽OpenAI正面臨一個關鍵的增長拐點。該公司在年初設定了年內達到10億周活躍使用者的宏大目標，但截至12月初，其使用者數“不足9億”，且顯示其使用者增長正在顯著放緩。然而，與使用者增長放緩形成鮮明對比的是，OpenAI在商業化變現方面取得了驚人進展。其年化收入從1月份的60億美元激增至目前的超過190億美元，主要動力來源於個人和企業使用者的訂閱。這一財務表現使其有望實現8月份設定的年底200億美元年化收入的目標，並超越其2025年130億美元的收入預期。基於此，該公司正尋求以7500億美元的估值進行融資，該估值較兩個月前高出50%。圖：在每100名ChatGPT的周活躍使用者中，約有5人付費訂閱其Pro或Plus服務不過，要實現OpenAI為2030年規劃的2000億美元收入願景，該公司必須將周活躍使用者轉化為日活躍使用者，以創造更多變現機會。這包括銷售計畫中的廣告，或從聊天機器人促成的交易中抽成。圖：OpenAI預計2030年收入將達到2000億美元儘管OpenAI發言人稱ChatGPT已佔據全球助手使用量的約70%，並成為蘋果應用程式商店年度下載量最大的免費應用，但其增長模式已顯現出深層矛盾：商業化成功可能以使用者增長放緩為代價。專注於從現有使用者獲取高額訂閱收入的策略，可能正在損害其使用者基礎的進一步擴大。並且，隨著GoogleGemini等競爭對手在使用者規模和生態整合上快速推進，OpenAI若不能有效解決使用者增長停滯的問題，其短期亮眼的財務資料背後，可能隱藏著觸及市場天花板的長遠危機。04競爭圍剿：Google的反擊與生態劣勢關於ChatGPT能否取代Google搜尋，當前的看法與一兩年前的主流預期已形成鮮明對比。當時，無論是OpenAI還是Google的高管都曾相信，ChatGPT能夠有效替代傳統搜尋引擎。然而，此後Google迅速在搜尋結果頂部整合了AI生成的答案摘要。據該公司2023年10月報告，這一功能正在推動“有意義”的搜尋量增長和收入提升，因為“使用者逐漸意識到，Google能夠解答更多類型的問題”。Google在其他方面的反擊也足夠精準和致命。2025年，其Gemini實現了快速增長：月活使用者從7月的4.5億增至6.5億，網站存取量單月增長14.3%，而ChatGPT同期訪問量卻連續兩月下降。更關鍵的是，Gemini的平均訪問時長自9月起已超越ChatGPT。Google的成功不僅源於模型性能。其Nano Banana Pro圖像生成器因能生成“可讀且上下文相符的文字”而風靡社交網路，而Gemini 3在複雜商業問題、寫作和編碼上的表現贏得了廣泛讚譽。分析師指出，使用者轉向Gemini“不僅僅是因為模型更好，而是發現這種能力已經融入一切”。圖：Google模型Nano Banana生成的圖片相比之下，OpenAI的生態劣勢明顯。前員工警告，如果Google在原始性能上實現超越，甚至免費提供Gemini，可能同時扼殺OpenAI的API和消費者訂閱業務。OpenAI雖然通過迪士尼合作和聘請蘋果前設計主管喬尼·艾維來建構生態，但硬體裝置“兩年內”才能面市，時間窗口正在縮小。05下一次“紅色警報”或撞上蘋果面對危機，奧特曼在12月拉響了“紅色程式碼”警報。他明確要求將資源重新集中到ChatGPT及其推理能力等核心基礎之上，並推遲了廣告、擴展電商等短期盈利項目。他希望在明年1月底通過一次重大產品更新來扭轉局面。與此同時，OpenAI還迅速推出了一系列應對措施：發佈GPT-5.2（內部代號Garlic），重新奪回多項AI模型性能基準榜首推出新圖像生成模型，回應GoogleNano Banana的競爭回退模型路由系統，讓免費使用者默認使用更快的GPT-5.2 Instant然而，這些措施暴露了更深層的問題。模型路由系統僅運行四個月就被撤回，因為它將免費使用者使用推理模型的比例從不到1%提升至7%，顯著增加了成本，卻因響應慢“對日活指標產生負面影響”。這再次證明，純粹的技術升級未必帶來產品成功。事實上，這並非OpenAI首次拉響“紅色程式碼”警報。首席研究官馬克·陳透露，該公司曾多次使用這一機制，但此次持續時間八周，是“比以往更長”的緊急狀態。此前，該機制曾被用於應對從DeepSeek到Anthropic發佈Claude等競爭威脅。然而，奧特曼的雄心意味著，未來公司可能還將面臨更多需要拉響警報的時刻。當前為期八周的“紅色程式碼”聚焦於應對Google的競爭，但這可能只是更大規模產業衝突的前奏。在鞏固軟體與模型優勢的同時，奧特曼已開始佈局一個更為宏大的硬體戰略，這預示著OpenAI可能與另一個消費電子巨頭蘋果發生直接碰撞。奧特曼對硬體裝置在AI普及中的關鍵作用深信不疑。他公開設定了一個極具顛覆性的目標：開發一款OpenAI裝置，以取代智慧型手機成為人們隨身攜帶的新標準。為實現這一願景，今年5月，他聘請了前蘋果設計靈魂人物喬尼·艾維，並收購了其初創公司，旨在共同打造新一代AI硬體。可以預見，正如Google在軟體層面對OpenAI發起猛烈反擊，蘋果也絕不會在它視為核心的硬體領域坐視挑戰者的崛起。這場即將到來的硬體之爭，將不僅是產品功能的比拚，更是關於下一代人機互動範式的話語權爭奪。06未來迷局：一場尚未結束的生存戰除了技術和產品性能外，OpenAI還面臨著其他方面的挑戰：在財務方面，儘管OpenAI預計其年化收入超過190億美元，但公司正“每年燒掉數十億美元現金”以支付驚人的計算成本。其規劃的1.4兆美元基礎設施投入更是天文數字，迫切需要ChatGPT創造更大、更穩定的現金流。在生態領域，與Google、微軟、蘋果等擁有成熟軟硬體生態的巨頭相比，OpenAI本質上仍是一家“模型公司”。它正試圖通過與迪士尼合作、聘請蘋果前設計主管開發硬體來建構生態，但這需要時間，而競爭對手不會等待。在利潤豐厚的企業客戶市場，OpenAI 似乎也失去了更多市場份額，根據Menlo Ventures近期的一份報告，其份額已降至27%，而Gemini則上升至21%，Anthropic以 40%的份額領先。復盤OpenAI的戰略，其癥結在於：在憑藉技術閃電戰取得先發優勢後，未能將技術優勢高效、專注地轉化為可持續的產品優勢和使用者體驗護城河。 奧特曼同時追逐AGI、硬體夢想和多元產品生態，導致公司在關鍵戰役上兵力分散。而追求極致的“推理”性能，又與大眾市場對“即時、可靠、易用”的核心需求產生了錯配，陷入了“性能過剩”的陷阱。“紅色程式碼”是一次緊急止血和戰略回呼，但ChatGPT的泥潭之路尚未走完。OpenAI需要回答的根本問題是：它究竟是一家以AGI研究為終極使命的實驗室，還是一家以贏得AI產品市場為目標的公司？這道題的答案，將決定它是否能穿越巨頭圍剿的硝煙，守住自己開創的時代。正如矽谷歷史的教訓所昭示的，創新者與老牌巨頭的戰爭，往往贏家通吃，而輸家則只能成為史書中的一個腳註。OpenAI正站在這樣一個決定命運的岔路口。 (騰訊科技)

Google DeepMind 的機器人團隊強調，他們做的不是預先編好動作、只會後空翻表演的機器人，而是面向現實世界的 開放式通用機器人。這類機器人需要能夠 理解人類自然語言指令，並且可以 靈活組合執行幾乎不限種類的任務，而不是只會重複固定指令碼。來源：AI工業（採用 AI 工具整理）相比四年前，實驗室形態也發生了明顯變化：依託 更加魯棒的視覺主幹網路（visual backbone），模型對光照、背景、雜亂環境的敏感度大幅下降，視覺泛化問題被解決了很大一部分，不再需要用隱私屏去“淨化”場景。來源：AI工業（採用 AI 工具整理）最近幾年的核心進展，是把機器人系統 直接建構在大模型之上。團隊使用大規模 視覺–語言模型（VLM）作為通用世界知識的底座，在此基礎上疊加控制能力，建構出視覺–語言–動作模型（VLA/VALA）。在這樣的模型中，機器人在世界中的 物理動作也被視為一種序列 token，與視覺 token 和語言 token 放在同一序列中建模。這使得模型能夠在統一框架下處理“看到了什麼、理解成什麼、接下來該做什麼動作”，從而在 新場景、新物體、新指令上表現出更強的動作泛化（action generalization）能力。來源：AI工業（採用 AI 工具整理）在任務層面，系統已經從早期只會做“拿起、放下、拉開拉鏈”等短視野任務，邁向可以完成“行李打包、垃圾整理”等 長視野任務。通過在 VLA 上方加入一個 Agent 層，系統可以把很多短動作 編排成完整的長鏈條行為。例如“幫使用者打包去倫敦的行李”時，Agent 會先 查詢當地天氣，再 推理需要準備那些物品，然後呼叫 VLA 驅動機器人執行具體收納，形成 “上層推理規劃 + 底層物理執行” 的分層架構。在Gemini 1.5中，團隊又加入了 “思考（thinking）元件”：模型在執行動作之前，會 先顯式輸出自己對即將執行動作的“想法”和推理過程，然後才真正下發動作指令。本質上，這是把語言模型中的 鏈式思考（Chain-of-Thought）機制遷移到機器人控制上。實驗結果顯示，顯式輸出“思考過程”可以顯著提升機器人在新任務上的泛化能力和成功率，同時也大幅提升了系統的 可解釋性。代表性案例：Aloha 午餐盒、桌面操作與衣物分揀來源：AI工業（採用 AI 工具整理）在具體實驗中，團隊用 Aloha 機器人演示了一個高難度的 “午餐盒打包”長視野任務。機器人幾乎 完全依賴視覺伺服（visual servoing），以 毫米級精度抓住自封袋的一小段邊緣，把面包準確塞進狹窄空間，在出錯時根據視覺反饋不斷調整和重試。支撐這些端到端策略的資料主要來自遠端操作（tele-operation），研究人員以第一人稱視角“軀體化”地操控機器人完成任務。機器人則從這些 人類演示資料 中學習“什麼算做對”，最終得到真正端到端的視覺–動作控制策略。他們還展示了結合 語言控制與通用桌面操作 的場景：桌面上有不同顏色的積木和托盤，上面疊加了Gemini 語言互動層，使用者可以直接說出指令，機器人一邊執行一邊用語言反饋自己的動作。更關鍵的是，場景中加入了 完全未見過的新物體（例如剛買來的梨形小容器、減壓球），系統依然可以理解諸如“打開綠色梨形容器，把粉色軟團放進去，再蓋上”的複雜指令，展現出對 新物體、新組合的開放式泛化能力。在另一個衣物分揀的人形機器人示例中，模型在每個時間步同時輸出 “思考文字 + 接下來要做的動作”，將 思考與行動統一在一個端到端閉環模型中，既提升了表現，也增強了 可偵錯性和可解釋性。技術路線已成型，瓶頸轉向物理互動資料來源：AI工業（採用 AI 工具整理）團隊整體的判斷是：儘管當前機器人仍然 偏慢、動作有些笨拙，成功率也並非完美，但與幾年前相比，已經出現了“質變級”的進步。現在的系統能夠 理解語義、形成有上下文的場景理解，並對複雜的物理任務進行分解與推理。他們認為目前的很多成果，已經是在搭建 未來通用家用機器人的基礎模組，而不是將來會被完全推翻的臨時方案。在這種情況下，真正的核心瓶頸，已經從“模型結構設計”轉移到了“資料匱乏”：機器人要學會通用操作能力，需要海量的 真實世界物理互動資料，而這類資料的規模遠遠比不上網際網路的文字和圖像。未來一個重要方向，是充分利用人類在網際網路上發佈的 大量手工操作視訊，從這些人類示範中大規模學習，從而緩解實體機器人採集資料成本高、速度慢的問題。總體來看，通用機器人操作仍然是一個高度非結構化、開放式的難題，但在團隊看來，如果能跨過“物理互動資料”的門檻，當前這些“幫忙疊衣服、打包午餐”的演示，很可能就是一場真正“機器人革命”的前夜。 (AI工業)

核心觀點與結論建構 “政策 - 商業 - 科研” 三位一體閉環體系：以 “立法 - 研發 - 測試 - 落地 - 監管” 全周期推進，商務部簡化許可審批、NASA 提供技術驗證、科技巨頭主導商業化，形成全球獨有的規模化部署模式。突破太空極端環境適配技術瓶頸：抗輻射晶片（輝達 H100 輻射加固）、相變散熱等技術保障硬體在軌穩定，SpaceX 星艦全復用發射將部署成本降至 200 萬美元 / 噸，重塑太空算力性價比標竿。開創 “天感天算” 資料處理新範式：星載 AI 處理使資料傳輸量減少 90%，應急響應從小時級縮至秒級，破解傳統 “天感地算” 頻寬瓶頸，滿足災害預警、戰場偵察等即時需求。打造天地一體化混合雲算力網路：太空算力與地面雲動態調度，星間雷射鏈路實現 100Gbps 高速傳輸，2030 年將支撐全球 30% AI 推理任務，重構全球算力供給格局。形成 “軍事 - 商業 - 地月” 三級應用生態：2030 年軍事場景算力覆蓋率超 50%，2027 年推出按分鐘計費的太空公共雲，月球資料中心落地支撐地月經濟圈，實現多場景價值變現。技術外溢催生跨行業革命：星間雷射鏈路助力 6G 無縫覆蓋，高效熱控技術推動地面資料中心 PUE 降至 1.05 以下，帶動通訊、AI、能源等領域兆級增量，2030 年為美 GDP 新增超 5000 億美元。主導全球太空算力規則制定：從硬體介面到安全規範形成全套標準，通過 “商業太空對話” 聯動澳、加、德、日等盟友，憑藉 “規則 + 技術 + 市場” 三重優勢掌控全球科技競爭話語權。開創可持續太空經濟新模式：通過規模化降本（星艦發射）與算力服務變現，推動商業航天從 “項目制” 轉向 “平台服務制”，2035 年在軌資料中心市場規模將達 390 億美元。(鼎帷諮詢)

以挑剔著稱的蘋果公司，業界傳認可了三星的一款DRAM產品，將佔三星出貨量的60-70%。 三星半導體的旗艦產品通常被稱為LPDDR（雙倍資料速率），這是一種通用DRAM。 韓國經濟日報報導，三星以一款「『無名英雄』產品，橫掃蘋果供應鏈」，已獲得LPDDR5X的最大量訂單，該晶片用於最新的iPhone 17，三星也因此成為「領先供應商」。業內人士估計，三星將大幅提升其市場佔額，預計將佔iPhone 17出貨量的60%至70%。 先前，三星電子和SK海力士在iPhone機型上的供應量一直被認為相近。 iPhone採用三家記憶體公司、SK海力士和美光LPDDR記憶體。據信，蘋果決定增加從三星的採購量，是因為它認為三星對於確保其每年生產的2.3億部iPhone所需的LPDDR記憶體供應至關重要。尤其是在SK海力士和美光近期將產能集中於高頻寬記憶體（HBM）的情況下，蘋果現在能夠儘可能地從三星獲得供應，而三星在通用DRAM市場佔據了相當大的佔額。 蘋果也向三星訂購了大量用於明年9月發佈的iPhone 18的記憶體。美媒wccftech則報導指出，蘋果雖然是市值上兆美元的巨頭，但也無法倖免於DRAM短缺的影響。 由於其與三星和SK海力士的長期合作協議預計將於明年初到期，該公司必須迅速採取行動以避免價格上漲。最新報導指出，蘋果已與三星達成合作，並在此過程中使三星成為其最大的DRAM供應商，三星提供的DRAM將佔其總出貨量的60%至70%，這些DRAM不僅用於現有的iPhone 17系列，還將用於明年的iPhone 18系列。iPhone 18系列將於明年第3季發佈，據傳將配備六通道LPDDR5X儲存器 以提升頻寬和AI效能。 在這種情況下，三星似乎是唯一能夠同時滿足其最重要客戶需求，並保證供貨量和質量的廠商。 該報告還指出，蘋果對DRAM的「規格」極為嚴格。此外，A19、A19 Pro以及明年的A20和A20 Pro等晶片組都無法承受瞬時電壓尖峰。 三星的12GB LPDDR5X 晶片厚度僅0.65毫米，是移動裝置中最薄的元件之一。 憑藉上述優勢，其熱阻提升了21.2%，功耗降低25%，蘋果毫不猶豫地選擇了三星作為替代供應商。 (大話晶片)