最近由於華為Pura70銷量不如預期，全系列降價銷售，全網有不少質疑的聲音說：華為智慧手機下滑嚴重。另外根據市場調研機構發布2024年第二季中國手機啟動量資料，vivo（含iQOO）以1,195.06萬支、市佔率17.93%排名第一，穩居上半年冠軍。 排名第二、第三的分別是小米和蘋果；華為第二季手機啟動量不到1,000萬台，排名第五。好像這又是一個下滑的證據。但實際情況如何呢？ 1.Pura70系列成長125% Pura70系列較P60系列有125%的成長，這個銷量本身是非常不錯的，畢竟在Pura70手機搭載的SOC麒麟9010相比麒麟9000s沒有質的突破。但由於外界對華為的預期太高了，如根據知名消費電子分析師郭明錤曾預測：P70出貨量可望同比增長150%至1000萬-1200萬台。 因此，如果從這個角度而言銷量確實不如預期的成長幅度；但絕對不是失敗的產品。 2.銷量成長42.53% 另外，從第二季資料來看，相較於第一季資料華為銷量過千萬確實有所下滑；但如果看到年比去年二季上漲42.53%，上漲幅度就高居所有主要手機廠商第一。這樣的成長能成為下滑嗎？顯然不是！ 另外，我們都知道智慧手機傳統旺季都在下半年；這才是華為手機重點爭奪的陣地。華為自信從哪兒來呢？沒錯，就是現在全網都傳說的——Mate70系列。 對於Mate70系列，首款純血鴻蒙，以及攝像搭載豪威OV50K超大可變光圈等組態飆叔就不進行贅述了；重點聊一下搭載的SOC情況。 現可以確定的Mate70搭載的是華為海思打造的全新麒麟SOC平台，具體的命名其實沒有確定。但根據數位部落客「廠長是關同學」爆料，其全新的麒麟5G處理器已調試完畢，跑分達到110萬左右。 這相當於什麼水平呢？根據跑分平台資料，高通驍龍8 Gen1最低跑分103萬，最高能跑到127萬，也就是說新的5G麒麟SOC已經達到了驍龍8 Gen1的水平。而我們知道，華為手機性能之所以爆棚，其中一個主要原因在於其軟件優化能力，以及全新鴻蒙系統的支援，可以說Mate70的流暢度以及性能水平將遠超驍龍8Gen1的水平。 從全新麒麟SOC跑分來看，其晶體管密度將高於現有的麒麟9010與麒麟9000S；但據可靠消息，新的麒麟SOC製程工藝還沒有達到5nm水準。 根據之前華為常務董事張平安公開說：「我們肯定是得不到3nm，肯定得不到5nm，我們能解決7nm就非常好。」也就是說，華為當前選擇堅守7nm，繼續深耕7nm工藝工藝。 另外，根據余承東在6月舉辦的HDC 2024華為開發者大會上所言：華為Mate 70系列將於今年第四季發表（10~12月）。 而根據數字部落客「數字閒聊站」爆料，Mate70系列的發表會定在11月。主要原因還在純血鴻蒙適配進度，以及工藝的改進。這也基本上符合余承東所預告的第四季發布的節奏。 至於，大家比較關心的銷量問題，根據供應鏈調整以及晶片儲存來分析，Mate 70系列整體備貨量相比Mate60系列提升約40%~50%。也就是說，Mate70系列的銷量將在1500萬台以上。 因此，如上所述華為Mate70系列一機難求的態勢應該是必然；同時對於拉動華為下半年智慧手機銷量也將起到至關重要的作用，甚至是決定性的作用。另外，猜Mate70會開發佈會嗎？ 飆叔猜測，Mate70可能會開一場別開生面的發布會，主要依據就是麒麟晶片線下禁令的解除！ （飆叔科技洞察）

嘿，科技迷們，有大新聞！蘋果公司剛剛拿下了一個超級酷的專利——「帶有光學角度傳感器的電動裝置」。這可不只是個名字，這代表著蘋果在摺疊螢幕技術上邁出了一大步，想想看，未來的iPhone、iPad、甚至是Mac，都可能是摺疊的哦！ （圖源網路） 傳統的磁性角度傳感器，在摺疊螢幕裝置上可能會遇到一些麻煩，例如被磁場幹擾。但蘋果這次用光學原理來解決了這個問題，真是聰明！ 專利細節，一探究竟 - 想像一下，你的裝置有兩個螢幕，可以圍繞一個鉸鏈旋轉。角度傳感器就像個偵探，隨時偵測鉸鏈的旋轉角度。 - 發射器和感應器晶片的配合，就像是在玩光線接力賽，把光線從鉸鏈角度編碼器反射回來。 - 而且，這個鉸鏈角度編碼器還有特技，它由吸收偏振濾光層和反射擴散層組成，能在傳感器晶片上形成像素化的偏振片。 （圖源網路） （圖源網路） 使用者體驗，更上一層樓 - 蘋果這次獲得的專利，不只是技術上的突破，更是為使用者帶來了全新的互動體驗。 - 隨著摺疊螢幕技術越來越成熟，市場上對這種裝置的需求也在增加。蘋果的這項專利，讓我們對未來的裝置充滿了期待。 (環球Tech)

歷時四個月，全球最大超級計算中心“Supercluster”正式開始運轉。 埃隆·馬斯克在社交平台公開宣佈，美國時間7月22日凌晨4:20，由xAI、X和輝達等合力打造的“Supercluster”已開始投入訓練。它由10萬塊H100組成，是目前世界上最強訓練叢集。 10萬塊輝達GPU，相當於馬斯克在AI世界鑄就了一座“晶片長城”，對比OpenAI訓練GPT4用到的25000塊GPU，數量提升了4倍之多。 值得一提的是，這個全球最大超級計算中心在今年3月方才動工，計畫是2025年竣工，沒想到僅僅只用了四個月，就提前完成了。 超級計算中心的正式啟用，將拉響馬斯克反攻OpenAI的號角。 耗費巨資的超級計算中心 馬斯克修建超級計算中心的根本原因，就是為了訓練xAI的聊天機器人Grok。 2023年7月馬斯克成立了xAI，其核心初創成員來自OpenAI、GoogleDeepMind、微軟研究院、特斯拉等知名企業。為了讓它能和ChatGPT直接競爭，馬斯克將最近兩年的大部分精力用xAI。 為了確保超級計算中心的落實，馬斯克公開聲稱他將親自掛帥，監督這台超級電腦的開發。 想要建造超級計算中心，選址無疑是關鍵。 據《福布斯》報導，馬斯克團隊先後與七八個城市進行了洽談，最終在3月份敲定在田納西州孟菲斯市，因為孟菲斯市將提供充足的電力和快速建設的能力。 值得一提的是，超級計算中心所需要的資源非常多，除了輝達晶片等基礎硬體之外，工廠每小時可能使用高達150兆瓦的電力，相當於10萬戶家庭所需電量，這可能會對當地來說會造成巨大的負擔。 除了電力資源之外，超級計算中心的冷卻預計每天需要130萬加侖的水，也就是說每天需要從孟菲斯的主要水源中抽取。 這也引發了孟菲斯市民以及環保組織的不滿，聯合發佈公開信抗議：“我們必須考慮，一個使用如此大量能源的行業將如何進一步影響已經被污染和高能源負擔壓得喘不過氣來的社區。” 為了完成工程，xAI承諾將改善孟菲斯市的公共基礎設施，以支援超級計算中心的發展，包括興建一個新的變電站和一個污水處理設施。 馬斯克在Supercluster 可以說，為了超級計算中心，馬斯克支付了堪稱天價的費用。按照成本估算，10萬個輝達H100，每個就高達3-4萬美元，總價值將達40億美元（折合人民幣超290億）。 巨額的資金投入就算馬斯克貴為“世界首富”，也很是吃不消，於是他聯合戴爾和超微一起建設叢集，並從甲骨文拿到了24000塊H100的資源。 雖然耗費了巨額資金，但馬斯克依然堅定不移的推動超級計算中心的建設。他在社交平台上用一句話做了總結： “我們必須自己掌握方向盤。” 估值突破1300億的xAI 不得不說，為了能讓xAI追趕上OpenAI，馬斯克可謂是付出了所有。 在世界首富光環加持下，2023年7月才成立的xAI，剛剛才滿一歲，就已經具備挑戰OpenAI的資本和底氣。 今年4月13日，xAI推出了其首款多模態大模型Grok-1.5V，除了文字功能外，Grok現在還可以處理各種各樣的視覺資訊，包括文件、圖表、圖表、螢幕截圖、照片，並能進行多學科推理。 借助Grok-1.5V的誕生，xAI在資本市場上炙手可熱。 5月26日，xAI宣佈完成60億美元的融資，估值高達240億美元（約1738億人民幣）。此輪融資的投資者陣容強大，包括矽谷的知名風險投資公司紅杉資本（Sequoia Capital）和安德森·霍洛維茨（Andreessen Horowitz），以及一家與沙烏地阿拉伯王室聯絡緊密的投資基金。 OpenAI在過去十年間獲得融資總額為143億美金，xAI僅用了10個月的時間就融資了60億美元，相當於OpenAI十年融資額一半。 這也是大模型賽道史上最高單筆融資之一，超過Anthropic在2023年9月12日獲得的40億融資和10月28日獲得的20億美元融資，以及InflectionAI在2023年6月30日獲得的13億美元融資，融資總額僅次於OpenAI、Anthropic。 Grok-1.5V xAI能拿到AI賽道史上最高融資，自然離不開馬斯克的光環。尤其是馬斯克商業帝國中的其他公司為xAI幫了不少的忙。 據媒體報導，在xAI成立之初，特斯拉就派出了大約50名軟體工程師協助完成程式碼審查等任務。甚至還有一些特斯拉工程師直接加入了xAI。同時，特斯拉汽車所配備的大量攝影機和其他感測器所捕捉到的視訊資料，能為xAI的模型提供即時的資料輸入，幫助其接受訓練。 馬斯克名下的知名社交平台X，也能為xAI提供海量的由人類生成的資料。這些資料是訓練人工智慧系統如何更好地與人類互動的理想資源。 種種優勢相加，才能在一年時間誕生出估值高達240億美元的AI獨角獸，在資金、資料、晶片等層面可以和OpenAI掰一掰手腕。 7月1日，馬斯克社交平台公開表示，xAI下一步工作是從網際網路訓練的資料中清除大語言模型，計畫在8月推出下一代升級版Grok-2。 相信在下個月，就能看到Grok-2大戰GPT-4o了。 AI世界的人才大戰 除了資金和晶片之外，AI大模型之間的競爭還有另一重要項，那就是人才。 馬斯克曾在社交平台上感慨：AI人才爭奪戰是他見過的最瘋狂的人才大戰。 作為世界範圍內的“知名網紅”，馬斯克的一舉一動，都能影響到一個賽道的走向。這份影響力和知名度也為馬斯克招攬到專業人才提供了便利。 據媒體報導，馬斯克曾從Google和微軟等科技巨頭挖來眾多的科研人員。其他公司的高管們抱怨說，xAI所提供的薪酬條件極具競爭力，使得他們在招聘市場上處於不利地位。 同時，馬斯克作為作為OpenAI主要聯合創始人之一，並在2015-2018年長期在董事會擔任董事，不僅貢獻了數千萬美元的資金，提供研究方向的建議，還在招募世界級人才上發揮了關鍵的作用。 雖然因為發展理念不同離開了OpenAI，但他對OpenAI的領導層無疑非常熟悉。 在成立xAI之時，馬斯克就從OpenAI高薪挖走的資料科學家凱爾·科西奇（Kyle Kosic）和Igor Babuschkin（伊戈爾·巴布什金）。 來源：網路 那怕是超級計算中心正式使用，馬斯克依然沒有停止招聘人才。 7月23日，xAI在全球範圍內啟動招聘，提供了包括AI工程師和各類主管人員在內的近30個崗位。除了提供具有競爭力的薪酬和股權激勵，xAI的福利待遇也頗為引人注目，甚至經過批准還能享受無限期帶薪休假。 那怕AI元年已經過去了一年多，但AI軍備競賽依然在持續升溫。 就算是馬斯克，也在不斷加碼xAI，直至超越OpenAI才罷休。 (鋅財經)

DeepMind表示，儘管基於自然語言的方法可以訪問更多資料，但會產生看似合理但不正確的中間推理步驟和解決方案。而形式語言提供了一個重要優勢，即涉及數學推理的證明可以被形式化地驗證其正確性。 DeepMind人工智慧系統在IMO 2024上相對於人類競爭者的表現。在42分的總分中，人工智慧系統獲得了28分。 GoogleDeepMind的AI模型解決了今年國際數學奧林匹克競賽（IMO）六個問題中的四個問題，人工智慧首次達到了銀牌標準。 當地時間7月25日，GoogleDeepMind公佈專用於數學推理的模型AlphaProof，以及專注於幾何的模型更新版本AlphaGeometry 2。DeepMind表示，AlphaProof和AlphaGeometry 2解決了數學中的高級推理問題，具有先進數學推理能力的通用人工智慧或開啟科學和技術的新領域。 IMO是歷史最悠久、規模最大、最負盛名的青年數學家競賽，自1959年以來每年舉辦一次。選手要解決代數、組合學、幾何和數論方面六個異常困難的問題。菲爾茲獎是數學家的最高榮譽之一，菲爾茲獎獲得者也會代表他們的國家參加IMO。 近年來，IMO競賽被認為是機器學習領域的重大挑戰，也是衡量人工智慧系統高級數學推理能力的理想基準。 GoogleDeepMind表示，IMO的數學問題被人工翻譯成數學語言，供系統理解。在正式比賽中，學生們分兩次提交答案，每次4.5小時。而人工智慧系統在幾分鐘內解決了一個問題，花了三天時間來解決其他問題。基於強化學習的推理系統AlphaProof解決了兩個代數問題和一個數論問題並被證明答案正確，這些問題包括今年IMO比賽中只有5名選手解決的最難的問題。AlphaGeometry 2證明了幾何問題，但兩個組合問題仍未解決。 六道題每題可得7分，總分最高可達42分。DeepMind的人工智慧系統最終得分28分。DeepMind表示，今年金牌的門檻從29分開始，在正式比賽的609名選手中，有58名達到了這個門檻。 “事實上，這個程序能想出這樣一個不明顯的結構是非常令人印象深刻的，遠遠超出了我認為的最先進的水平。”IMO金牌得主和菲爾茲獎牌得主蒂莫西·高爾斯（Timothy  Gowers）表示。 在大量書面文字上訓練的人工智慧模型歷來在數學推理方面很困難，往往傾向於語言智能而非數學智能，解決數學問題需要更複雜的推理技能。AlphaProof將預先訓練好的語言模型與AlphaZero強化學習演算法結合在一起，AlphaZero此前自學了如何掌握國際象棋、將棋和圍棋。 大語言模型容易產生幻覺，或以令人信服的方式傳遞錯誤資訊。DeepMind表示，儘管基於自然語言的方法可以訪問更多資料，但會產生看似合理但不正確的中間推理步驟和解決方案。而形式語言提供了一個重要優勢，即涉及數學推理的證明可以被形式化地驗證其正確性。“我們通過微調Gemini模型，在這兩個互補的領域之間建立了一座橋樑，自動將自然語言問題語句轉換為形式語句，建立了一個不同難度的龐大形式問題庫。” 當遇到一個數學問題時，AlphaProof會生成候選解決方案，然後搜尋可能的證明步驟來證明或反駁它們。每一個被發現和驗證的證明都被用來強化AlphaProof的語言模型，增強其解決後續更具挑戰性問題的能力。 AlphaGeometry 2解決的幾何問題：證明∠KIL與∠XPY之和等於180°。AlphaGeometry 2提出在直線BI上構造點E，使∠AEB=90°。點E有助於為AB的中點L提供作用，創造了許多對相似三角形，如三角形ABE和三角形YBI、三角形ALE和三角形IPC，以證明結論。 AlphaGeometry 2是AlphaGeometry的一個改進版本。AlphaGeometry 2是一個神經符號混合系統，其中的語言模型基於Gemini模型，並在比前身多一個數量級的合成資料上從零開始訓練。這幫助模型解決更具挑戰性的幾何問題，包括物體運動問題和角度、比例或距離方程。在今年的比賽之前，AlphaGeometry 2可以解決過去25年中IMO歷史幾何問題的83%，而AlphaGeometry只有53%。在今年的比賽中，AlphaGeometry 2收到形式語言後19秒內解決了問題。 但Google研究人員也表示，人工智慧遠不能以其解決問題的能力取代人類數學家。“即使我們有最大的雄心壯志，我認為我們的目標是提供一個可以證明任何事情的系統。”GoogleDeepMind強化學習副總裁大衛·西爾弗(David Silver)表示，“但這並不是數學家工作的終點。” 西爾弗說，DeepMind的人工智慧模型更類似於強大的計算工具，有朝一日可能會幫助人類提出數學證明，但人工智慧系統缺乏的是想像力，而“數學家提出了有趣的問題”。 (澎湃新聞科技頻道)

OpenAI還是對搜尋下手了。 當地時間7月25日，OpenAI發布AI搜尋產品SearchGPT的原型。 OpenAI CEO山姆·奧特曼（Sam Altman）稱：“我們認為今天的搜尋還有改進空間。” 對於該AI搜索，OpenAI官方給出了快速及時地獲得問題的答案，來自相關來源的實時信息，以更自然、更直觀的方式搜索，以及以易於理解的格式獲取帶有圖像和視頻的視覺響應四大特點。 在官方發布的演示影片中，當搜尋“這周末何時可以在半月灣市看到海兔（海蛞蝓）？”，它會給出“應在退潮時去，因為海兔經常出現在潮間帶和岩石海岸」回答，並附上本周的退潮時間，同時也會提醒用戶去本地的潮汐預測網站進行查詢，確認是否有最新的變化。隨後，用戶又再次追問“會很熱嗎”，SearchGPT則直接答覆了一張未來一周的天氣狀況表。 OpenAI稱，使用SearchGPT「就像與人交談一樣，每個查詢都會建構共享的上下文」。奧特曼也表示，與傳統搜尋相比，「我非常驚訝地發現，我非常喜歡這種搜尋方式，而且我適應得非常快」。 此前，奧特曼曾表示，OpenAI無意打造另一個谷歌搜索，“我覺得谷歌搜索很無聊。如果問題是我們是否能建立一個比谷歌或其他更好的搜索引擎，那麼當然，我們應該這樣做… …令​​我興奮的不是我們可以複製一個更好的谷歌搜索，而是也許有一個更好的方法來幫助人們找到、利用和綜合信息。 在一項示範截圖中，可以看到SearchGPT整體的介面佈局，點選連結後，對應的總結內容會出現在右側，可以繼續進行追問，左側也會顯示出更多相關的搜尋內容。 根據澎湃新聞記者測試，在提問與SearchGPT演示中相同的問題時，其他AI搜尋產品如Perplexity也觸發了AI總結功能，同樣會給出相應圖文攻略及注意事項等，但未能給出提問對應的時間內的建議，而Google搜尋並未觸發AI總結，搜尋結果也都是過往甚至多年前的資訊。在國內搜尋產品中，百度搜尋英文提問會直接觸發翻譯，換用中文提問後也未能觸發AI總結，夸克搜尋用英文提問則提示單字學習，換用中文後能夠給出AI總結，同樣未能給予提問對應時間段內的建議。 先前曾有外媒記者表示，自從使用AI搜尋後，對Google的使用率至少下降了75%。 SearchGPT介面 同時，OpenAI也表示，SearchGPT旨在透過在搜尋中突出顯示引用和鏈接，來幫助用戶與發布商建立聯繫，「搜尋結果具有清晰且命名的歸屬和鏈接，因此用戶知道資訊來自何處，並且可以在具有來源連結的側邊欄中快速獲取更多資訊」。 OpenAI表示也推出了能讓出版商管理他們的內容在SearchGPT中的顯示方式的方法。 OpenAI表示，SearchGPT仍處於原型階段，收集回饋改進後將將最佳功能整合到ChatGPT中。如果想要試用，需要手動點選進入候補佇列等待。 OpenAI強調，SearchGPT是關於搜尋的，與訓練OpenAI的生成式AI基礎模型無關。即使網站選擇退出生成式AI訓練，它們也可以出現在搜尋結果中。 當被問及何時才會支援音頻，奧特曼回复稱內測版本將於下周開始向更多訂閱者推出。 (澎湃新聞科技頻道)

生成式人工智慧已經顛覆了搜尋，正在改變計算領域，現在它又威脅要顛覆 EDA。儘管人們紛紛議論紛紛，紛紛宣稱未來將發生翻天覆地的變化，但目前仍不清楚它將對那些領域產生影響，以及變化的深度。 EDA 有兩個主要作用——自動化和最佳化。許多最佳化問題都是 NP 難題（NP hard），這意味著在多項式時間內不可能找到最優答案，尤其是在設計規模不斷擴大的情況下。隨著時間的推移，啟髮式方法已經發展起來，可以在合理的時間內獲得“足夠好”的結果。雖然可以想像人工智慧可以提供類似甚至更接近最優的結果，但它對設計的影響可能更多是進化而非顛覆。 顛覆性創新通常會導致市場發生變化。假設一個問題：“如果 EDA 能夠在零時間內提供最佳結果，半導體行業將受到怎樣的影響？”上市時間將加快，設計的 PPA 也會略有改善。但這是否足以導致設計啟動數量大幅增加或導致新市場的開發尚不清楚。 在這些假設條件下，設計建立和驗證仍會成為限制因素。生成式人工智慧或許能夠改善這一點，而且有令人鼓舞的跡象表明它可以做到這一點。如果設計和驗證時間顯著減少，幾乎肯定會創造新的市場。 EDA 在過去曾遭遇過顛覆，而顛覆的問題在於，它們往往在發生之前並不明顯。“在某些情況下，人們知道顛覆即將到來，比如柯達知道數位印刷，但他們就是無法將其推向市場，”Ansys 首席技術官 Prith Banerjee 說。“創新視野（innovation horizons）有三種類型。第一種是短期的。下一個版本的工具應該具備那些功能？我們知道那些功能，因為它們存在於市場上。你在向市場銷售，你在關注競爭——大公司 70% 到 80% 的投資都集中在第一個視野上。” 第二種涉及鄰接關係。“例如，你正在銷售一款設計為本地產品，但想要遷移到雲端，” Banerjee 補充道。“需要創新，但我們會找到辦法，並取得成功。” 許多基於計算的顛覆都屬於這種類別。Altair 創始人兼首席執行官 James Scapa 表示：“電腦的記憶體曾經很小，後來記憶體越來越大。我們改變了其中一種工具的工作方式，這種創新對市場產生了顛覆性的影響。從本質上講，我們將所有模型都放入記憶體中。這種變化意味著我們的速度比競爭對手快 30 倍左右。HPC 也發生了類似的變化。與雲端運算相關的商業模式將成為 EDA 領域的重大變革之一。與之相伴的商業模式將具有一定的顛覆性。重要的是要瞭解計算的發展，瞭解計算的發展方向以及如何利用計算。” 另一種類型的轉變仍在進行中。加州大學伯克利分校 EECS 系研究生院名譽教授、imec 系統技術協同最佳化部門首席技術官 Jan Rabaey 表示：“考慮一下平行性。人們過去常說平行計算是一個非常糟糕的想法，因為我們不知道如何編譯。相反，我們應該採用單個處理器並使其儘可能快。然後，出現了電源問題，我們無法再讓它們更快。所以突然之間，平行性成了一個好主意，這是一種顛覆。” 剩餘 10% 的投資用於第三種類型的創新。“這不是你當前研發的一部分，也不針對現有市場，”Ansys 的 Banerjee 說。“一個典型的例子是蘋果推出 iPhone。這是顛覆性的。亞馬遜推出了 AWS，他們的網路服務。這是顛覆性的。一家大公司如何進行顛覆性創新，因為它不是偶然的？這需要一個過程，你需要挖掘創新發生的地方。它在學術界，在初創公司。你應該不斷監控初創公司的情況，然後讓一個中央研發團隊嘗試自己發明一些東西。但這個中央團隊不必發明一切。其中一部分是你有機地完成的，另一部分是將技術引入你的公司。” 回顧過去，我們可以看到 EDA 內部發生的顛覆。加州大學伯克利分校的 Rabaey 說：“如果回到 20 世紀 80 年代，我們看到了一系列最初誕生於學術界和初創公司的想法，這些想法改變了我們的設計方式。”“EDA 開始使用標準單元推動設計。當你第一次看到它時，它似乎是一個非常糟糕的想法。它非常受限。你將單元排成行等。但它使自動化成為可能。這基本上導致了邏輯綜合，我們可以開始思考邏輯函數，最佳化它們，擁有一套工具來幫助我們將高級描述轉化為某種東西，並且它是自動化的。我們今天認為這是理所當然的。還有其他領域——模擬、驗證、行為綜合——這些領域最終造成了某種形式的顛覆。” 過去 20 年來，EDA 領域幾乎沒有發生過任何顛覆，因為該行業基本上一直走在一條線性發展道路上。但隨著摩爾定律 從平面設計轉向封裝中堆疊的多個晶片，這種情況正在迅速改變。 “當現狀糟糕時，顛覆性變革更容易發生，”Cadence 汽車研發研究員 Chuck Alpert 表示。“以設計團隊為例。他們可能知道有些事情出了問題。也許工程預算失控了，或者他們正嘗試進行新設計，但沒有工程技能。他們必須做一些顛覆性的事情。今天，我們看到設計複雜性呈爆炸式增長。缺乏可擴展性。設計團隊可能會遇到一些迫使創新的事情。這些都是現狀糟糕或正在走下坡路的情況。對於 EDA 公司來說，當你不是市場領導者時，可能會發生這種情況。你落後了，必須做一些顛覆性的事情來迎頭趕上。或者也許你一直是市場領導者，但程式碼庫是用 COBOL 編寫的，沒有人再知道它了。你必須做出改變，因為趨勢將會下降，你處於一個不創新就死亡的境地。” 創新機會無處不在，尤其是在創新文化中。Altair 的 Scapa 表示：“人工智慧和大型語言模型的出現能夠帶來巨大的變革，而云計算則能夠實現快速擴展。商業模式——而不僅僅是技術——是你如何顛覆的一部分。EDA 領域的初創公司確實很難，因為只有兩家公司佔據了主導地位。他們長期以來一直在收購和淘汰初創公司和競爭對手。這阻礙了創新。” 通過展望未來，可以識別和處理一些壓力。“什麼是顛覆周期？”Rabaey 問道。“地平線上有很多這樣的周期。路線圖的好處在於，你可以識別出未來 10 年可能出現的問題。這就是學術界擅長的地方——研究這些路線圖，並識別出可能由此出現的新範式。例如，擴展將持續 5 年，甚至 10 年。我們該怎麼做？顛覆是你無法選擇的。唯一走上顛覆之路的時候是你遇到障礙的時候，當你突然意識到‘我無法再前進了’的時候。我們必須重新思考我們的設計方式。一種可能性是開始思考第三個維度，在那裡你將不同的技術層層疊加。最簡單的方法是將舊架構對應到這個。但這不會給你帶來很多好處。你必須重新思考如何使用它。” 有時，改變是外部強制的。“設計正在從晶片轉向系統，” Banerjee 說。“如果目標是設計一款電動汽車，我的要求就不僅僅是 RTL 輸入。我的設計要求是一輛電動汽車，它能在一秒鐘內從 0 加速到 60 英里，續航里程為 500 英里，而且必須達到五級。這些就是我的要求。EDA 行業專注於設計晶片。你必須設計電力電子，這是一種電力電子模擬，結合電池、電機設計，然後是空氣動力學工作量。這是一個多物理世界，非常複雜。然後你有軟體，它必鬚根據系統級規範編寫和自動編譯，然後進行驗證。” EDA 中的人工智慧 EDA 公司已經迅速在其工具中採用了某些形式的人工智慧。“強化學習正被用於解決最佳化問題，”新思科技人工智慧解決方案高級總監 Stelios Diamantidis 說。“人們現在使用強化學習進行實驗、收集資料、建立更好的指標來推動最佳化，並自動執行這些最佳化。這項技術本身可以應用於其他問題。我們從最佳化物理佈局和平面圖、某些拓撲中的時鐘、DTCO 和其他物理類型的應用開始。從那時起，我們將這一原理應用於驗證等問題，其中重新排序測試或更改種子可以幫助您加速覆蓋率或追蹤錯誤，以測試重新排序向量可以幫助您更快地實現製造測試的覆蓋率。” 但人工智慧不太可能取代現有的 EDA 工具。“我認為，我們擁有優秀的 EDA 產品，我們的客戶正在使用這些產品，因此現狀很低，”Alpert 說。“如果我們決定使用人工智慧製造新產品，我們將付出巨大的代價。也許從長遠來看，我們會得到一些好處。如果我們讓整個產品團隊都說，讓我們重新開始，打造一些新的東西，那將是非常痛苦的。最終，你可能會成功，但與此同時，你將付出巨大的代價。” EDA 行業的關鍵在於保持連續性，確保為客戶提供推出下一款產品所需的工具。“我們必須保護我們價值 20 億美元的業務，”Banerjee 說。“一家初創公司從零開始。但客戶仍然很難接受新技術來解決他們的問題。這不僅僅是 EDA 的挑戰，而是整個行業的挑戰，這就是為什麼我看到了第三個前景——願景，與初創公司合作，然後收購已經證明這些技術的初創公司。” Alpert 對此表示同意。“顛覆性技術對幾乎所有行業來說都是難以應對的，不僅僅是 EDA。他們可以投入一些資源，但不要太多。或者他們可以等待其他人創新並購買它。這是另一種策略。” 但是創業公司都去那了呢？“在過去的 10 年或 20 年裡，現有的生態系統已經崩潰，”Rabaey 說。“曾經有一段時間，EDA 有一個充滿活力的研究空間。去所有頂尖大學看看，他們都在研究工具。你再也找不到它們了。它們不存在了。也許你有一個好主意，學者們可以發表論文，但他們不會製造出那個產品。創業公司的作用確實很重要，在 90 年代，這是一個充滿活力的世界。正是這些小公司想出了主意並加以嘗試。這也已經崩潰了。但生態系統可能會再次崛起。” GenAI 的影響 大量投資湧入 GenAI，但在 EDA 領域卻少得多。“GenAI 是真實存在的，將為我們帶來真正的成果，”Scapa 說道。“但炒作太多，投資金額與我們今天看到的回報不符。GenAI 將會先出現下滑，然後出現典型的緩慢上升，因為 GenAI 是真正的大生意。我們也在用傳統機器學習做一些有趣的事情，這也具有巨大的潛力。” 但 GenAI 在 EDA 中的真正潛力似乎有些不切題。“EDA 不會創造設計，”Rabaey 說。“但它是由設計考慮驅動的。AI 將成為設計流程中顛覆性的一部分。AI 將成為一種設計工具，幫助我們探索巨大的選擇空間。” 第二波生成式人工智慧正在解決自動化問題。“具體來說，是一些關鍵的工業挑戰，”Synopsys 的 Diamantidis 說。“這更多地與經濟、地緣政治壓力、人才可用性以及用更少的資源做更多事情的能力有關。在第二波中，我們能夠獲取資料或設計環境。我們能夠利用這些資料在非常大的範圍內訓練模型。然後，我們能夠將它們情境化，以適應特定於設計師活動的不同任務。我們當然正在解決人機介面問題。我們現在可以探索巨大的複雜性。” 也許 GenAI 最大的投資回報就是生產力。“我們致力於指導人們完成開發過程，幫助他們利用生成式人工智慧提高解決問題的能力，”微軟高級首席工程師 Erik Berg 表示。“這些資料從何而來？我相信我們擁有的最豐富的資料來源就在我們工程師的頭腦中。我正在建構的工具不僅為我們的工程師提供解決方案，還同時從他們的頭腦中抓取結果、其他資料和結果。” 設計界的許多領域都出現了這種情況。亞利桑那州立大學助理教授 Vidya Chhabria 表示：“GenAI 絕對可以幫助非專家使用者變得更好。它可以幫助非專家使用者提出正確的問題——更具有智力的問題。它可以幫助非專家使用者快速掌握新設計和新 EDA 工具。也許它可以幫助專家使用者提高工作效率或加快工作速度。” 但這些會造成顛覆嗎？“儘管有這麼多技術，但將晶片放入插槽仍然需要四年時間，”Diamantidis 說。“我指的是收集需求、架構探索、設計輸入、驗證、插入測試、準備用於硅診斷和資料探勘的儀器——整個過程。這需要大量的人力、金錢和時間，這意味著它並沒有真正改變半導體領域的基本面或經濟狀況。” 結論 顛覆很難，而且往往在它變得明顯之前不會被發現。許多人一直在關注技術的進步、設計實踐的變化以及從晶片到系統的格局變化。此外，每個人都相信所有形式的人工智慧都可能有助於解決這些問題。從今天的形勢來看，似乎沒有什麼是顛覆性的。 (半導體行業觀察)

一個禮拜前，半導體行業觀察發佈了一篇題為《晶片暴跌，全賴川普》的文章。文中，我們介紹了在川普對晶片行業和評價以及美國的相關政策影響下，導致晶片行業市值大跌。 但現在，隨著海外晶片巨頭紛紛發佈財報，晶片行業又迎來新一輪的暴擊。但和七天前受到不確定消息引起的行業恐慌不一樣，這次的晶片大跌，則完全是在業績資料以及預期拖累的結果。 以至於筆者昨日一直在和行業朋友說：“NXP帶來的恐慌，被TI拉起來一把，再被瑞薩和ST推進了更深的深淵。” NXP敲響警鐘，TI穩住心態 荷蘭晶片製造商NXP周一在一份聲明中表示，公司在截止6月30的第二季度收入為31.3億美元，同比下降5%。具體而言，汽車部門收入為 17.3 億美元，較上一季度下降 7%，環比下降 4%；工業和物聯網部門的銷售額為 6.16 億美元，同比增長 7%，環比增長 7%；移動部門實現銷售額 3.45 億美元，較上年同期增長 21%，較上一季度增長 1%；通訊、基礎設施和其他部門實現營收 4.38 億美元，較上年同期下降 10%，較上一季度下降 23%。 倫敦證券交易所的資料顯示，NXP第二季度營收出現四年來最大降幅，汽車晶片，銷量也出現三年多來最大降幅。值得一提的是，當黃總汽車晶片部門的收入不但讓NXP難受，也讓行業感到了NXP帶來的寒風。 Constellation Research 的霍爾格·穆勒 (Holger Mueller) 表示，恩智浦的最新業績提醒我們，並非每家晶片製造商的命運都與人工智慧行業的命運息息相關。他解釋道，該公司更像是一家老派晶片製造商，在更成熟的行業領域營運，並受到行業周期性的影響。 “多元化通常是恩智浦的優勢之一，但近幾個月來，這一優勢並不明顯，其工業和物聯網及通訊基礎設施業務的增長被汽車和移動業務的下滑所抵消，”穆勒表示。“目前，恩智浦管理層需要振作起來，重複最近一個季度的做法，實現預期並努力尋找新的增長途徑。” 在財務會議上，NXP展望截止第三季度，NXP預期公司的季度收入為 31.5 億美元至 33.5 億美元。根據彭博社彙編的資料，這一中間值低於分析師平均預期的 33.5 億美元。該公司首席執行官 Kurt Sievers 更是警告稱，恩智浦頂級客戶的庫存調整將延續到 2024 年下半年，這超出了最初的預期。Sievers 預計，公司2024 年的年收入將下降至個位數的低位。恩智浦預計內部庫存水平將在第四季度開始下降，並在 2025 年恢復正常。 “我們將繼續管理我們能控制的事情，以使恩智浦能夠在充滿挑戰的需求環境中實現強勁的盈利能力和收益。”Kurt Sievers。 正是因為這些表現和預期，讓NXP股價出現四年來最大跌幅。 進入次日，模擬晶片巨頭TI發佈財報，雖然從財報上看，TI似乎還處於冬季。但該公司管理層的預期給行業帶來了一點信心。 資料線會，德州儀器第二季度收入從去年同期的 45.3 億美元下降 16% 至 38.2 億美元，收入環比增長 4%。據介紹，這是該公司連續第七個季度出現營收下滑。從利潤資料上看，該公司第二季度淨利潤為 11.3 億美元，合每股 1.12 美元，而去年同期淨利潤為 17.2 億美元，合每股 1.87 美元。 TI首席執行官哈維夫·伊蘭 (Haviv Ilan) 在一份新聞稿中表示：“工業和汽車市場繼續連續下滑，而其他所有終端市場均實現增長。”他進一步指出，在TI的工業領域，大約一半的市場仍在消化庫存，而其他市場則已恢復訂單增加。 德州儀器首席執行官哈維夫·伊蘭 (Haviv Ilan) 繼續表示，中國是全球最大的半導體市場，在其電子產品製造商完成閒置零部件庫存清倉後，中國已恢復增長。伊蘭表示，歐洲和日本仍處於這一過程的早期階段。“本季度我們的中國業務表現不錯。有跡象表明客戶已經減少了庫存。”Haviv Ilan接著說。 首席財務官拉斐爾·利扎迪 (Rafael Lizardi) 則直言，當前的周期不同尋常，因為不同地區和地域的表現不同“德州儀器的工廠目前已接近滿負荷運轉，庫存基本持平。高管們還表示，公司一收到訂單就能完成大部分訂單，這表明供需基本平衡。”Rafael Lizardi在投資者會上透露。 展望三季度，TI認為收入預計環比增長，主要是因為電子產品製造商正在為年底假日購物季做準備。儘管如此，這家總部位於達拉斯的公司仍堅持不預測晶片市場何時會全面回暖。 不過，雷蒙德·詹姆斯 (Raymond James) 分析師梅麗莎·費爾班克斯 (Melissa Fairbanks) 在以“轉折點”為開頭的報告中告訴客戶“TI交貨時間穩定，訂單取消率降低”，這讓行業備受鼓舞。但是Raymond James的費爾班克斯 (Fairbanks)也保持警惕道：“儘管我們對公司周期性底部形成的跡象感到鼓舞，並且利潤率支撐正在改善，股價接近近期高點且資本支出強度較高，但我們目前仍持觀望態度。” ST再降預期，瑞薩創15年最大跌幅 如上文所說，在今天，另外兩家晶片巨頭ST和瑞薩，則在TI給行業送了一點溫暖之後，來了個雙重暴擊。 首先看晶片製造商意法半導體。財報顯示，由於工業訂單疲軟和汽車晶片需求下降，公司第二次下調了全年收入和利潤率預期，這導致其股價大幅下跌 13.5%。有望創下四年多以來的最大單日跌幅。 這家法意半導體公司周四在一份聲明中表示，今年的銷售額將下降到 132 億美元至 137 億美元之間。這低於之前的 140 億美元至 150 億美元。而在今年 1 月，這家晶片製造商預測年收入將高達 169 億美元。 “本季度，與我們之前的預期相反，工業客戶訂單沒有改善，汽車需求下降，”ST首席執行官 Jean-Marc Chery 在聲明中表示。他表示，汽車收入低於預期，抵消了公司個人電子業務銷售額的增長。Jean-Marc Chery在電話會議中進一步披露：“由於需求逐漸減弱且庫存大幅調整，我們正面臨比預期更長、更明顯的工業調整。” 而從ST的演示材料看來，歐洲晶片巨頭的表現讓人觸目驚心。 如圖所示，該公司的四大部門同步中除了數字IC和RF產品線環比增長以外，其他所有的也不都是同比環比下降，當中尤其是公司引以為傲的MCU業務，更是同比大跌了46%，環比也下跌了15.7%，這背後隱藏的需求和中國國產替代的帶來的挑戰，是筆者無法意料的。至於P&D業務和AM&S業務，也同樣同比雙位數下跌，環比則有單位數下跌。 從晶片應用的終端市場看，如上圖所示，佔公司半壁江山的汽車晶片業務同比下跌了15%，環比下跌也高達8%；營收貢獻達20%的工業市場，同比下滑超過50%，環比也高達17%，從這也理解為何Jean-Marc Chery對工業如此悲觀。 Kepler Cheuvreux 的 Sebastien Sztabowicz 表示：“ST的營收降幅非常大，他們將預期下調了 7 個百分點。”他補充說，一些投資者想知道該公司是否能很快實現復甦，或者深度回呼是否會持續。 另一個汽車晶片大廠瑞薩也承認，公司在第一季度對前景預期有點過於樂觀。公司也正在採取行動繼續平穩，持謹慎態度。 從資料上看，瑞薩第二季度經營包括銷售額和利潤在內的業績雙雙下降。其中銷售額3588億日元（比去年同期下降2.7%）、營業收入1106億日元（比去年同期下降14.3%），季度淨利潤為 967 億日元（同比下降 18.7%）。與上一季度（第一季度）相比，銷售額增長2.0%，但營業收入和淨利潤較低，營業利潤率更是為30.8%，較去年同期和上季度均有所惡化。 而受科技股普遍下跌和投資者對日本晶片製造商利潤未達預期的失望影響，瑞薩電子株式會社股價出現 15 年來最大跌幅——股價周四下跌約 14%。 但是如果按照業務分，瑞薩汽車業務銷售額為1904億日元，同比增長18.2%，環比增長6.9%，工業/基礎設施/IoT（物聯網）業務則為1662億日元。比去年同期下降18.9%，比上季度下降3.1%。 對於工業市場疲軟的原因，瑞薩CEO表示，“工業市場的市場份額不存在擔憂，整體需求仍然疲弱。市場和需求本身疲軟，因此客戶使用時間更長。”當然，他們的庫存也是另一個影響因素。按照瑞薩所說，公司第二季度內部庫存和管道庫存均有所增加。而由於儲存加工晶圓（主要是使用 40nm 工藝的微控製器）的“晶片庫”的擴張，內部庫存正在增加。但由於庫存的調整，該公司預計本季度工業用晶片的銷售額將下降，但下一季度收入將回升。 瑞薩CEO表示，“公司的第二季度業績和第三季度盈利預測都令人失望。我們將堅定地重建我們的結構，保持增長速度，咬緊牙關進行投資，我們將重回正軌。即使這意味著降低我們的營收。” AI晶片，也不是救世主 如果說上麵廠商的股價表現差，是因為公司的營收預期不好。但其實在這個時刻，我們發現一些搭上AI晶片列車半導體廠商，也都站在危險邊緣。 首先看HBM龍頭，輝達最緊密的合作夥伴SK海力士。資料顯示，該公司二季度銷售額好於預期，達到 16.4 兆韓元（合 119 億美元），其高頻寬記憶體收入飆升逾 250%。截至 6 月的三個月內，該公司的營業利潤也超出預期，達到 5.47 兆韓元，營業利潤率為 33%，這得益於 DRAM 和 NAND 整體價格上漲。 該公司表示，將於本季度量產其下一代 12 層 HBM3E 晶片，從而擴大其在設計和供應用於 Nvidia 人工智慧加速器的高端記憶體方面對競爭對手三星電子和美光科技的領先優勢。該公司還稱，HBM3E 產品今年將佔其所有 HBM 晶片產量的一半左右。 但即使業績如此優越，SK 海力士的股價周四在首爾下跌了 8.9%，創下了 2022 年 11 月以來的最大盤中跌幅。此前，美國科技股普遍下跌，其中輝達下跌 6.8%，因為投資者對人工智慧相關公司的估值過高感到不安。正在努力打入利潤豐厚的高端記憶體市場的三星電子公司股價也下跌 2.3%。 按照彭博社所說，之所以會發生這種問題，是因為人們越來越擔心，除非微軟和 Alphabet Inc. 等公司能夠從巨額投資中獲得可觀的收入，否則人工智慧和資料中心支出將放緩。本周，摩根士丹利更是將 SK 海力士和台灣半導體製造公司等人工智慧晶片行業股票從其關注名單中剔除，並警告稱，現在可能是時候稍事休息了。 而另一家受AI推動的半導體裝置廠商ASMPT也釋放出了嚴峻的訊號。 ASMPT行政總裁黃梓達表示，先進封裝（AP）的訂單數量激增，特別是由生成式人工智慧（AIGC）和高性能計算（HPC）推動熱壓銲接（TCB）收入，故看好其前景。但由於大眾的消費慾望仍然低迷，導致半導體解決方案分部（SEMI）復甦需要比預期更多的時間，而表面貼裝技術解決方案分部（SMT）市場疲弱，相關業務發展遇阻，期望中國市場能帶來更多訂單，為企業帶來盈利。 黃梓達續指，由於汽車及工業細分市場乏力，故分部業務會面臨一定阻力，但目前焊線及混合式銲接業務好轉，反映SEMI逐漸復甦，相信該分部業務現時已見底，預計今季SEMI分部營收持平。 正是因為這樣，使得公司上半年銷售收入為64.8億元，按年減少17.1%，半導體解決方案分部（SEMI）和表面貼裝技術解決方案分部（SMT）的收入，分別按年減少5%及25.5%。ASMPT上半年純利更是只有3.15億元，按年減少49.6%。 黃梓達估計，今季半導體主流產品的訂單將會保持平穩，但工業生產及自動化生產市場疲軟，持續困擾SMT解決方案業務，估計今季整體收入或會按年跌約10%，按季跌逾6%，訂單量亦會按季錄得單位數跌幅。 這些不佳的資料讓ASMPT的股價應聲大跌 23%，市值蒸發上百億。 與此同時，受更大範圍的行業調整影響，受主要汽車和工業客戶需求下降影響，給相關半導體廠商業務前景造成打擊、受此影響，ASML 和 ASMI 的股價均下跌約 3%。BE Semiconductor Industries公司則由於受到主流裝配市場（尤其是中國）增長疲軟的打擊，公司股價下跌13%，此前該公司預測第三季度銷售額將持平，儘管其人工智慧系統訂單有所增長。 此外，包括 ams OSRAM（周五公佈業績前下跌 7%）、 Melexis （下跌 4%），Technoprobe、 Soitec 和 Nordic Semiconductor在內的晶片公司的股價也都下降了。 寫在最後 在最近與不少行業人士的交流中，他們對晶片行業的下半年其實還是很悲觀。不少人的觀點其實和瑞薩CEO的想法一樣，就是認為自己在年初的時候對下半年甚至二季度的預期過於樂觀了。 正如很多分析師所說，整個晶片行業如果刨除了AI晶片帶來的增長以外，真實的資料又會是怎麼演的呢？如上文最後一段所言，現在AI晶片的增長勢頭似乎也進入了強弩之末。 後勢如何？大家怎樣預測？歡迎大家分享你們所在行業的一些感受和展望。 (半導體行業觀察)

NV深V夜，OpenAI Sam Altman發了他可能到目前為止最具意識形態的一篇“檄文”——《誰將控制AI的未來》 全文如下： 在AI取得的迅速進展意味著我們面臨一個戰略選擇，即我們將生活在什麼樣的世界：是由美國及其盟國推進全球人工智慧，傳播技術的益處並使其越來越開放；還是一些weiquan國家，不認同我們的價值觀，利用AI鞏固和擴大他們的權力？ 沒有第三種選擇——是時候決定走那條路了。美國目前在AI發展方面處於領先地位，但持續的領導地位並不穩固。全世界的weiquan政府都願意花費巨額資金迎頭趕上並最終超越我們。歐洲某國某普曾警告說，贏得AI競賽的國家將“成為世界的統治者”，而XX也表示，它的目標是到2030年成為全球AI的領導者。 AI的第一章已經被寫下。像ChatGPT、Copilot等系統正在充當有限的助手，或者在特定領域，如軟體工程的程式碼生成中，充當更先進的助手。更多的進步將很快到來，人類社會即將迎來一個決定性的時期。我們需要一個美國領導的聯盟和一個新的創新戰略。美國的公共和科技行業需要做對四件事，以確保建立一個由minzhu願景塑造的AI世界： 首先，美國AI公司和行業需要制定強有力的安全措施，以確保我們的聯盟保持領先，同時讓私營企業保持創新能力。如網路防禦、資料中心安全，以防止竊取關鍵智慧財產權，如模型權重和AI訓練資料。 第二，基礎設施是AI的根本。早期對光纖電纜和其他寬頻基礎設施的投資，是美國領導數字革命幾十年，並在今天領先AI的重要原因。美國政策制定者必須與私營部門合作，建造更多大量的基礎設施——從資料中心到電力設施。而建造過程本身就可以創造新的就業機會。我們正在目睹一項與電力、網際網路一樣重大的技術的誕生和演變，AI正在成為新的工業基礎。同時，我們需要培養和發展下一代AI創新者、研究人員和工程師，他們才是真正的“superpower” 第三，我們必須為AI制定一個連貫的商業外交政策，包括出口管制、全球AI建設的外國投資規則，比如晶片、訓練資料、模型程式碼——其中一些可能如此敏感，以至於可能需要留在美國。而另一方面，確保聯盟內的其他國家，可以輕鬆獲取開源模型，將進一步增強我們聯盟的技術優勢。這不僅僅是關於出口技術，而是關於出口技術所維護的價值觀。 第四，我們需要創造性地思考新的模式，與其他全球重要問題一樣，這將需要我們與XX接觸並保持持續對話。過去我曾談到為AI建立類似國際原子能機構，但那只是潛在的模式之一。一個選擇可以是，比如將在日本和英國等國家正在建設的AI安全研究所網路整合起來，並建立一個投資基金，承諾遵守minzhu AI協議的國家可以從中提取資金，以擴大其國內算力容量。另一個潛在的模式是網際網路ICANN，該機構於1998年由美國政府成立，現在是一個獨立的非營利組織，擁有來自世界各地的代表。 如果我們想要一個更MZ的世界，歷史告訴我們唯一的選擇是制定一個有助於創造MZ的AI戰略，而擁有領先地位的國家和技術專家有責任做出這個選擇，且就是現在。 讀完感受： 1. 出發點還是矛盾轉移，將politicians對OpenAI的安全質詢，轉移到更大的“外部”矛盾 2. 出口管制：趁著很多東西還能搞，先囤吧... 3. This is real，別人都玩真的了，別討論泡沫不泡沫了... (資訊平權)