富婆大姐

年初我提过的知名LPU公司Groq，刚刚被英伟达收编。
LPU是一种定制的专门用于大模型推理加速的芯片。大模型的首token输出时间及token输出速度都极快。这对于一些时间敏感型的特定场景非常有用。比如说军事，应急，救援等。
Groq的几个创始人都将加入英伟达。Groq的云服务仍将保持运营。
有人评价，其实苹果最应该买的，可惜厨子没那个眼光。

豆包，混元，千问等AI应用已经成了事实上的新的流量入口。抢用户大战，会越来越激烈。作为吃瓜群众，乐见他们互抄后路。
小小预测一下。
先不考虑AI手机。 AI APP抢到流量入口后的下一个事情就是小程序都会起来。这些小程序都是作为AI的能力补充或者信息的填充。
以前所有的信息孤岛都会更方便的连接起来。
以前跨应用的一些工作流程也会更加无缝的衔接起来。
举个例子，现在的微信小程序，你每进一个新大楼的停车场，都可能要扫不同的小程序交费。如果有豆包小程序，仍然是之前那些公司的独立小程序，通过mcp类似的协议接入豆包，那你只需要跟豆包说帮我交停车费，他可以帮你去查。
如果会写代码，小程序还是有非常多的机会。
如果是不会写代码。AI也可以帮你写。还是有很多机会。

每次坐飞机离开深圳，只要坐在飞机左侧窗口，
转头看窗外，哪怕隔了5公里，我也能在1秒内找到自己的小区。
有这种能力，不去送外卖，可惜了。

最新消息：受英伟达H200出口获批的影响，三星和SK海力士将HBM3E价格上调20%。

今晚新闻联播讲了近两分钟的东数西算
还展示了芜湖一个数据中心的液冷

谷歌拟收购AIDC电力储能公司Intersect。
Intersect公司提出的“电力优先”数据中心开发模式，核心是为了解决一个关键矛盾：爆发式增长的AI算力需求与老旧电网不堪重负之间的矛盾。
一个比喻看懂“电力优先”
你可以把传统数据中心想象成一个在快速发展的大城市里开大型餐厅。
传统模式：餐厅完全依赖城市的公共电网供电。当城里餐厅越来越多，用电量激增，而电网扩建缓慢，就会导致频繁停电或电压不稳。
Intersect的“电力优先”模式：这家餐厅直接在自己旁边建了一个专属的“能源农场”，包含太阳能板（种菜）、一个天然气发电机（养鸡）和一个超大仓库（冰箱+电池）。这样，它所需的大部分能源和食材都能自给自足，仅把公共电网作为备用。这大大减轻了城市公共设施的压力，也保证了餐厅运营的绝对稳定。
为什么这种模式如此重要？
1. 解决AI的“电荒”危机：AI模型训练和运行需要消耗巨量电力，且不能中断。老旧的电网无法满足这种集中且庞大的新需求，Intersect的模式相当于绕开了这个瓶颈。
2. 平衡清洁与可靠：单纯依赖太阳能和风能发电不稳定（晚上和阴天怎么办？）。Intersect通过“天然气调峰+电池储能”组合拳，在用太阳能供电的同时，确保任何时候都能提供稳定电力，实现了清洁能源的高比例使用。
3. 速度与成本优势：新建输电线路往往需要数年审批。而Intersect的共址模式可以更快地破土动工，加速AI数据中心的部署。同时，自有发电在长期来看可能具有成本优势。
对行业的影响与挑战？
这种模式为科技巨头（如收购Intersect的谷歌母公司Alphabet）扩张AI业务提供了可行的能源解决方案，可能会引领一波数据中心与能源公司深度绑定或合并的潮流。
这种模式也并非完美，它依然需要应对电网接入审批、混合能源系统的技术管理以及来自传统能源和数据中心运营商的市场竞争等挑战。

今天做了个小小的分享。
总结一下。
AI博主也好，其他知识付费博主也好，能提供的最核心价值可以用两个词概括。
一个是“筛选”，每天信息爆炸，如何从中筛选出最有价值的信息并做解读。
一个是“前瞻”，行业风云变幻，快速迭代，如何对行业内发展做出正确预判。

我已经到达现场。
虽然不是明星，还签了个名，仪式感满满。

有粉丝让点评一下摩尔线程的这个新GPU算力如何？真实水平如何？
我看了一下公开的一些数据，看数据当然要看他讲了什么，以及看没讲什么。
很多人可能想看跟英伟达的对比数据，不好意思，单卡芯片的具体算力我好像没找到。
跟汽车行业不一样。
国产汽车发布会上，经常把特斯拉放在一起进行参数对比。
国产AI芯片跟英伟达相比存在代际差距，这个是事实。
所以这个发布会有很多是自己跟自己比，比如算力的密度，能效等等，比之前还是提升不少。单卡算力跟人家有差距，但可以拼集群算力，有钱的话可以买10万张攒在一起。 片间互联速率达 1314 GB/s，也算是亮点了。
再给国产芯片一些时间。

阿里云在杭州机场的广告。

继续尝试用“阿福”APP解读最近的体检报告，整个过程意外地顺畅。打开APP时，界面简洁的淡紫色渐变背景让人感觉很舒适 。首页有提示上传报告，并贴心地展示了示例图，强调“平整放置、完整拍摄”。
我通过“上传照片”按钮导入了5张生化检验报告截图（包括血常规、肝功能、血脂等）。上传后，APP立刻进入解析状态，界面显示“正在解读报告…”，并实时标注了解读步骤：扫描文件、身份脱敏、分析报告、整理结论。每一步前的绿色对勾陆续亮起， 体验不错。
不到2分钟，结果就生成了。报告解读非常清晰： 血糖相关指标全部正常，糖化血红蛋白显示近期血糖控制良好；肝功能指标也无异常；唯一需要注意的是总胆固醇轻度升高，APP分析可能与饮食结构相关，但低密度脂蛋白正常，心血管风险较低。此外，血清肌酐略有升高，建议结合临床进一步评估。
最实用的是健康建议部分！APP直接给出了四点指导：
1. 专科就诊 ：建议去内分泌科详细评估胆固醇和肌酐指标；
2. 生活方式调整 ：具体到饮食（减少高脂肪食物）、运动（每周150分钟有氧）、戒烟限酒；
3. 定期复查 ：提示3-6个月后跟踪血脂和肾功能；
4. 可能的药物干预路径，但强调先以生活方式调整为主。
最后还浏览了APP内置的科普栏目，对“空腹血糖”“糖化血红蛋白”等指标的解释通俗易懂，正常值范围和异常提示一目了然，像上了一堂迷你健康课。
整体体验 ：
操作简单，从拍照到出结果几乎无门槛；
隐私保护明确（多次强调“仅用于本次解读”）；
解读结果不仅罗列数据，还结合临床意义给出针对性建议，缓解了不少不必要的焦虑。
下次体检后，应该会继续用它做初步筛查！

这张图表挺有意思。
通过比较大模型在评测场的霸榜时间，可以非常直观的观察大语言模型领域竞争格局和演变趋势。
当然了，为了弱化中国在大模型这一块的实力表现，这张图显然没有把中国的大模型放在里面，刻意回避了DeepSeek和Qwen强有力表现的事实。。
核心结论：早期，OpenAI 在模型性能上保持了绝对领先和主导地位，但来自谷歌的 Gemini 正作为强有力的挑战者出现，而其他竞争者（如 Claude 和 Grok）的市场影响力相对有限。
总体格局：OpenAI 的绝对主导
统治级表现：代表 OpenAI 的绿色区域占据了图表绝大部分面积，总计达到 540天。这意味着在从2023年第二季度开始到2025年第四季度的绝大部分时间里，LMArena 排行榜的榜首位置都由 OpenAI 的模型（推测主要为 GPT 系列迭代版本）占据。
强大的先发与持续优势：OpenAI 从图表起始点（2Q23）就占据了榜首，并一直保持领先。这表明其不仅在发布 ChatGPT 时取得了先发优势，更重要的是，通过持续迭代（如 GPT-4, GPT-4 Turbo, GPT-4o 等），成功地将这种性能优势维持了相当长的时间。
核心变局者：Gemini 的崛起
强有力的挑战：代表谷歌 Gemini 的蓝色区域从 2024年第四季度（4Q24） 开始出现，并迅速扩大。其总计榜首天数为 302天，虽然远少于 OpenAI，但考虑到其出现时间较晚，这个追赶速度非常惊人。
竞争的开始：Gemini 的崛起标志着大模型领域从 OpenAI 一家独大，进入了与谷歌双雄争霸的阶段。图表清晰显示，从2024年底开始，榜首位置开始在 OpenAI 和 Gemini 之间频繁交替，行业竞争白热化。
其他参与者：市场份额有限
Claude（Anthropic）：橙色区域，总计 27天。其表现相对稳定但份额很小，可能在某个特定时期或特定基准上表现突出，但未能对头部两强形成持续挑战。
Grok（xAI）：灰色区域，总计 34天。其情况与 Claude 类似，影响力有限。
时间线解读：竞争态势的演变
2023年 Q2 - 2024年 Q3：OpenAI 垄断期。这一时期几乎是 OpenAI 的“独角戏”，其他模型开发者尚未能撼动其地位。
2024年 Q4 - 2025年 Q4：双雄争霸期。随着谷歌投入大量资源并发布更强大的 Gemini 模型（如 Ultra 版本），格局被打破。图表显示，榜首位置在两者之间激烈争夺，但 OpenAI 总体上仍保持微弱优势。
通过此图表可能想表达
1. 技术迭代速度极快：从 OpenAI 长期垄断到 Gemini 快速崛起，表明这个领域的技术壁垒虽然高，但顶尖的竞争者（如谷歌）有能力在短时间内实现重大突破并快速追赶。
2. 赢家通吃效应明显：OpenAI 建立的巨大领先优势使其获得了最长的“性能标杆”时间，这有助于巩固其品牌形象、开发者生态和商业合作，形成正向循环。
3. 竞争的持续性：图表预测到2025年底，竞争依然激烈。这表明高盛认为，在可预见的未来，顶级模型性能的“军备竞赛”不会停止，OpenAI 无法高枕无忧。

一觉醒来，外网都在讨论东大的“曼哈顿计划”。
曼哈顿计划是之前美国秘密研制原子弹使用的代号。
这里用来指代东大在秘密制造光刻机。
我看了一下，其实没有披露太多新的消息。可能只是之前老外并不知道而已。
更多的讨论，带着一种淡淡的忧虑。东大那些曾经被卡脖子的位置，正在被集举国之力逐步攻克。
光刻机是终究要解决的一个问题。
起步不一定就得要有EUV。
能通过一些工程手段达到一些等效效果也是不错的。

今天最热的应该就是液冷。
来看看英伟达的液冷长什么样子？
肉眼看上去，用了不少的铜。[允悲]
$BNB $BTC $ETH

见到铜牛合张影。
见牛发财！

粉丝里有中签摩尔或沐曦的吗？

表面上缺存储，实际上，洁净室资源不足正成为存储芯片扩产中最大的瓶颈。
“AI服务器需求爆发，但存储芯片的扩产瓶颈根本不是需求，而是物理学。”一位三星晶圆厂负责人指出。高带宽内存（HBM）生产消耗的晶圆产能是标准DRAM的三倍，且对生产环境要求极为苛刻，导致全球洁净室资源被高速吞噬。
2025年底，SK海力士计划将DRAM产能提升至当前八倍，这一宏大目标面临现实制约：月产能从2万片晶圆跃升至14万片，核心瓶颈在于洁净室资源。
随着AI推动存储需求结构性转变，洁净室已成为全球存储战争中最稀缺的战略资源。
01 物理瓶颈：为什么洁净室成为存储扩产的关键制约
建设一个半导体级洁净室需投入180亿美元，仅建筑部分就耗资20-30亿美元，而从决策到投产需历时数年。这种巨大的资本投入和长周期特性，使洁净室成为存储扩产中最难以快速突破的环节。
洁净室资源正被HBM大规模挤占。HBM由于采用复杂的3D堆叠结构，其生产所需洁净室空间是标准DRAM的三倍以上。三星、SK海力士和美光三大存储制造商正将大量洁净室资源转向更有利可图的HBM生产。
半导体制造对环境要求极为苛刻。晶圆生产区域的洁净度需达到Class 1标准，即每立方英尺大于等于0.5微米的灰尘颗粒不能超过1颗，比进行器官移植手术的手术室还要洁净100倍。这种极端环境需要精密的空气过滤系统和持续稳定的温湿度控制。
人力因素也成为洁净室管理的巨大挑战。人体是洁净室最大污染源，占发尘量的90%左右。工作人员即使穿着无菌服，躯体活动时的发菌量也可达到静止时的3-7倍。这意味着洁净室内人员操作规范直接影响芯片良率。
02 产业影响：定向扩产如何重塑存储市场格局
存储芯片市场的游戏规则已发生根本变化。到2027年，HBM在DRAM市场总价值中的占比将高达43%。这种高价值导向使制造商将洁净室资源优先分配给HBM生产。
SK海力士的扩产计划明显体现出这种“定向扩产”特征。其新增产能主要瞄准AI服务器和高性能计算用的新一代内存，如GDDR7和低功耗SOCAMM。普通消费级DRAM难以从这些新增产能中优先分到资源。
全球存储巨头纷纷调整战略。三星投入30亿美元加速平泽P4工厂建设，并将工期提前三个月，重点转向生产第四代HBM内存。洁净室资源的重新配置直接决定了各家公司在AI时代的市场地位。
存储芯片市场已从周期性波动转向结构性供应短缺。未来三年，这种由洁净室资源分配决定的供给侧格局将持续影响价格体系，HBM与普通内存的盈利差距会逐渐缩小但依然显著。
03 技术突围：洁净室资源优化如何推动创新
面对洁净室资源瓶颈，半导体产业正在多维度寻求突破。例如通过自动化物料存储和提取，最大程度提升现有洁净室空间利用率。
存储制造工艺也在不断进步。在可能达到扩展限制之前，浮栅技术还有两代半导体节点发展空间，通过提高当前晶圆厂的位输出，更好地利用现有洁净室产能。
三大DRAM厂商正加速推进10纳米以下工艺节点。三星计划最早于2027年完成9纳米产品的研发，SK海力士则积极布局高数值孔径EUV光刻技术，这些创新都旨在最大化每单位洁净室空间的价值产出。
晶圆厂通过自动化与智能化管理，显著降低对洁净室环境的依赖。自动化设备协同作业，构建高效的自动物料搬运存储系统，减少人员活动带来的污染风险。
04 未来展望：洁净室资源分配决定AI存储竞争格局
洁净室资源的战略配置将成为存储芯片厂商的核心决策。SK海力士在利川M16工厂安装全球首台用于DRAM生产的High-NA EUV光刻机，正是为在未来洁净室资源竞争中占据优势。
未来三年，洁净室建设速度将直接决定存储芯片供应格局。新洁净室从建设到投产需要数年时间，当前规划中的项目最早也要到2028年才能释放产能。这意味着至少到2027年，存储芯片市场将持续面临由洁净室资源不足导致的结构性供应短缺。
区域竞争态势也将受到影响。三星在美国泰勒工厂的建设，不仅是为了靠近客户，更是为了利用美国《芯片法案》的补贴政策，缓解洁净室建设带来的资金压力。
存储芯片行业正经历从消费电子驱动向AI驱动的历史性转变。在这一转变中，洁净室作为基础生产设施，其战略价值将不断提升，成为各国科技竞争的焦点领域。
存储芯片市场已从过去的周期性波动转向结构性供应短缺，这一趋势预计将延续至2027年甚至更久。工厂建设周期长、技术转换困难，以及HBM对产能的持续吞噬，共同构成了这场供给危机的物理基础。
随着AI对存储需求的持续增长，洁净室作为战略资源的地位将愈发凸显。全球存储芯片市场正在经历的不仅是一次价格波动，更是一场由洁净室资源分配决定的行业格局重构。

博通CEO透露：谷歌的TPU被苹果、Coherent和SSI等外部公司使用。
“在某些情况下，相同的 XPU 已被扩展到其他 LLM 同行，谷歌就是最好的例子，谷歌用于创建 Gemini 的 TPU 也被苹果、Coherent 和 SSI 等公司用于 AI 云计算。”

Musk právě řekl: Slunce je obrovská, bezplatná fúzní reaktor na obloze. Stavět malé fúzní reaktory na Zemi je naprosto hloupé.

以下是内存存储巨头SK海力士的内部分析
供应
除 HBM 和 SOCAMM 外，预计到 2028 年，通用 DRAM 的供应位增长将受到限制。
生产与库存
尽管供应商库存已消耗至最低水平，但与以往的经济繁荣时期相比，预计产能增长将十分有限。
由于服务器需求急剧增长，预计B/G将增长24%。
服务器份额：2025 年 38% → ，2030 年 53%，预计大幅增长
- 由于人工智能需求激增，预计DRAM将迎来超级周期
预计到2028年，PC DRAM 的总体产量增长将不足以满足需求。
- 由于运营正常化，预计2028年新建DRAM晶圆厂将新增产能。
供应商库存水平急剧下降，且由于新技术转型，DRAM产能增长有限。
预计2026年个人电脑出货量将与今年保持相似水平，人工智能个人电脑市场将扩张
预计个人电脑销量将与2025年持平，但由于人工智能个人电脑的扩张，DRAM的采用率预计将会提高。
- 预计2026年人工智能PC将占PC总份额的55%。
由于服务器需求急剧增长，预计业务增长18%。
受人工智能需求激增的影响，服务器eSSD预计增长36%。
预计消费者业务不会出现显著增长，但预计QLC产品线将扩张。
IDM公司的主要投资集中在服务器DRAM/HBM上，导致NAND闪存供应相对短缺。
- 计划利用NAND库存应对需求缺口
因此，预计库存水平将大幅下降，价格上涨压力预计将持续存在。