美伊戰爭陰霾退散，台股再創高！然而，面對乖離過大與情緒過熱的盤勢，單純追漲已非致勝之道，在AI半導體資金擴散的狂潮中，如何精準判斷量價背離的風險訊號、落實逢高獲利的嚴格紀律，精準狙擊資金流向。 〈台股強勢創高，AI與半導體重新掌握主導權〉 隨著美伊戰爭傳出有望落幕，市場風險情緒快速降溫，美債殖利率也暫時回落，帶動台股今天明顯上攻，終場大漲1376點，收在43644點，成交量放大到約1.3兆元，漲點更是歷史第五大，地緣風險降溫，加上AI題材持續升溫所形成的資金共振，今天可以看到台積電(2330-TW)持續扮演多頭核心，聯發科(2454-TW)也同步亮燈漲停，櫃買盤中一度強勢上漲並突破波段新高，這跟智霖老師週五在媒體上講的觀點一致，台股VIX恐慌指數其實上週二就已見高，當恐慌降溫，市場廣度打開，個股行情自然就有機會輪動表現。 〈行情越強，越要檢查手中持股體質〉

[編者按] 當OpenAI完成改制、馬斯克訴訟被法院駁回、美國又以“贏得AI競賽”為名推動新一輪算力和政策動員時，一個問題變得越來越尖銳：人工智慧究竟是一項應由公共使命約束的技術，還是一門必須依靠資本快速擴張的生意？從表面看，OpenAI仍反覆強調“造福全人類”，非營利基金會也保留著對營利實體的控制權；但從微軟股權、巨額算力合同、潛在IPO到華盛頓遊說，一個更殘酷的真相已逐漸浮出水面：AI治理的爭議，早已不只是技術安全問題，而是資本、組織形式與政治議程的重新分配。 在本文中，復旦大學學者銀培萩和楊繡禎從OpenAI這個典型案例出發，剖析三個問題：一是“有效利他主義”與“有效加速主義”如何分別代表AI治理中的謹慎派與市場派；二是OpenAI從非營利組織到營利化擴張，如何暴露技術精英與資本力量之間的路線分歧；三是當國家介入AI治理之後，企業內部的戰略爭議如何升級為利益集團圍繞政策、監管和未來技術議程的權力鬥爭。 文章揭示的幾個問題值得深入思考：為什麼強調非營利身份的OpenAI，在ChatGPT爆火後又急欲撕掉這一標籤？為什麼奧爾特曼的回歸不僅是一次公司人事風波，更像是資本方對技術治理路線的一次校準？“非營利”是否等於公共利益？“商業化”是否只以逐利為目標？二者是否都可以成為精英爭奪合法性、控制權和政策話語的工具？讀完這篇文章，再看OpenAI改制、馬斯克訴訟、AI遊說和各國監管競賽，就不會只停留在“矽谷內鬥”的熱鬧表面，而能看到AI時代真正隱蔽、也更關鍵的那條線：誰有資格決定未來技術以什麼速度、按誰的利益、在什麼邊界內向前推進。歐亞系統科學研究會特轉發此文，本文原刊於《當代世界與社會主義》，文章僅代表作者本人立場。 人工智慧的營利與非營利之爭

100萬token上下文，DeepSeek V4隻需要5.48GB視訊記憶體，智譜GLM5需要60GB，阿里Qwen3需要89GB。 更離譜的是，DeepSeek是個1.6兆參數的巨無霸，而Qwen3隻有2350億參數。參數多了近7倍，視訊記憶體佔用卻少了16倍。 這不是實驗室裡的技術炫技，這是直接改寫AI產業成本結構的核武器。 所有人都在問同一個問題：DeepSeek到底怎麼賺錢？

近年來，在AI算力爆發與先進封裝浪潮的牽引下，半導體產業鏈的重心正悄然從晶圓製造向後道封裝轉移。先進封裝裝置被推上技術創新的主舞台，成為決定晶片最終性能的關鍵一環。其中，熱壓鍵合（TCB）裝置作為HBM生產的核心，一度被視為裝置領域最亮眼的增長極。 然而，就在行業對先進封裝賽道投注無限熱情之時，一則來自韓企的財報卻發出了反常訊號。 2026年第一季度，韓國半導體裝置巨頭韓美半導體交出了一份堪稱“暴雷”的成績單：合併營收509億韓元，營業利潤僅84.5億韓元，同比分別暴跌65.5%和87.9%。淨利潤也從去年同期的547億韓元降至190億韓元，同比下滑65.2%。 據悉，韓美半導體盈利勢頭自去年第二季度達到峰值以來持續減弱，當時營收高達1800億韓元，營業利潤為863億韓元。第三季度，營收環比下降7.7%至約1662億韓元，營業利潤下降21.4%至678億韓元。第四季度，營收環比暴跌約50%至830億韓元，營業利潤下降59.3%至276億韓元。

為解決人工智慧（AI）晶片所面臨的“記憶體牆”這一長期挑戰，根據韓媒zdnet報導，記憶體封裝領域正在討論採用新一代AI晶片設計，將圖形處理單元（GPU）或ASIC計算單元和高頻寬記憶體（HBM）拆分開來進行獨立封裝，然後通過“光學互聯”技術來連接它們，可以將當前8顆HBM的安裝數量提升到現在的數倍。 儘管每一代GPU性能都在大幅提升，但儲存資料的供應速度遠遠跟不上，HBM雖然提供了更寬的資料通道，但面對AI運算需求的爆炸式增長，頻寬和傳輸速度仍然不足。特別是隨著高頻寬記憶體（HBM）堆疊層數從12層、16層向20層以上邁進，垂直堆疊技術已走到臨界點——不僅工藝難度呈指數級上升，JEDEC甚至已放寬HBM高度規範，但更大的瓶頸在於：GPU晶片周圍的容納HBM的空間已耗盡，無法再橫向增加HBM數量。 過去，HBM一直緊貼在GPU旁邊，這是為了最小化資料傳輸延遲的必然選擇。然而，在2.5D封裝結構下，GPU晶片的“海岸線”——邊緣的長度嚴格限制了可容納的HBM數量，GPU晶片周圍的現有空間已經無法安裝更多HBM。 一位韓國大型儲存廠商的研究人員向ZDNet透露：“目前，我們正努力擴展HBM的頻寬和容量，但我們正在與客戶討論如何通過光連接克服GPU的‘海岸線’限制，可以安裝更多的HBM。”

這週科技大廠的動作集中在一個詞：Agent。 GoogleI/O大會上，新模型只講了 3 分鐘，剩下四分之三的時間全部給了 Agent： Gemini Spark 定位為 24 小時個人智能體，Antigravity 2.0 升級為多 Agent 編排平台，直接對標 Claude Code 和 Codex。 杭州阿里雲峰會上，從千問雲到新應用，高管們反覆提到的也是 Agent。

聊算力的時候，大多數人的第一反應都是 GPU 、算力卡、 AI 伺服器。很少有人會注意到，所有這些算力硬體的背後，都離不開一塊看起來毫不起眼的板子——PCB 。 如果說 GPU 是 AI 伺服器的大腦，那 PCB 就是整個算力系統的高速公路網路。每一塊 GPU ，每一根記憶體條，每一個供電模組，最終都要焊在 PCB 上，通過 PCB 上密密麻麻的銅箔線路完成訊號和電力的傳輸。沒有達到設計要求的 PCB ，再強的 GPU 性能也無法完全釋放。 這一點被整個市場嚴重低估了。本文將系統拆解 PCB 的技術本質，分析其與 AI 算力的深層關聯，梳理中中國國產業格局，並客觀對比中國外技術差距。 PCB 的技術本質

🔷當AI晶片尺寸不斷突破極限，傳統矽中介層開始逼近物理邊界 🔷CoPoS、TGV與玻璃基板，正在開啟下一代先進封裝新周期 最近這段時間，我越來越明顯地感受到，AI正在把先進封裝推向一個全新的階段。 過去大家討論更多的是CoWoS、HBM和Chiplet，但當GPU尺寸越來越大、HBM堆疊越來越高、資料中心開始邁向“十萬卡互聯”之後，傳統矽中介層似乎已經快要碰到極限了。