跟Leo看AI

馬斯克真的是人類進步的急先鋒，你看他搞的東西，火箭、星鏈、新能源汽車、外太空數據中心，每個概念都是可以單獨拍一部好萊塢大片的程度。現在還做出來了會飛的汽車！小時候的作文成真了！！！太酷了，真的不得不服這個男人 #特斯拉发布Roadster

老乾媽最近有條新聞上了熱搜，說這家企業用AI一年賺了近8億美元。

怎麼回事呢？其實是老乾媽去年上線了AI視覺質檢系統，把關鍵工序產品不良率降至0.02%。車間裏，攝像頭每0.3秒掃一次傳送帶，不合格的辣椒就會被吹進廢料箱。簡單理解來說其實賺錢跟AI沒太大關係，純屬碰瓷了😂😂

但是用AI系統之前，整條流水線上有超過600個揀椒工人，現在就只剩下了不到50個，只有我心疼這些被替代的工人嗎？？

#Muse超越ChatGPT成iOS免费榜首 中國爲什麼還沒有出現自己的muse？豆包手機：我想做啊，可他們不同意😕😕

豆包手機助手早就想做一套可以幫用戶自動去淘寶下單，去美團點外賣的全套智能體操作。爲了取得權限，豆包上個月出了個規則並公示30天，讓各家App公司選擇要不要允許豆包AI代替用戶自動操作。結果公示期結束，包括微信、支付寶、淘寶、美團、拼多多、小紅書在內的多家國內頭部公司，全部拒絕。。

其實大廠們的邏輯也很好理解，你讓AI來代理操作了，我還怎麼賣商家推薦和開屏廣告？這事怎麼看都是百害而無一利啊。短時間內真的無解

又有個男明星出來爆料自己炒NFT結果虧得比炒股還多😂😂印象裏明星裏炒過NFT的還有周星馳、周杰倫、林俊杰、陳冠希吧 不過大部分都還是割了一波韭菜的 #方力申自爆买NFT亏惨

我簡直難以置信！這樣的3D遊戲質感居然是一個人花了半個月用ai手搓出來的！！我去玩了一下，畫風、配樂都是頂級，發出來一晚上流量就超過了160萬！！現在都還在猛增

太強了，審美好+會AI+執行力強+願意分享和表達就是這個時代的版本答案！！！

這個世界真的瘋了。。AI都開始生孩子了，還要休產假😓😓

美國紐約南區法院前幾天判處了54歲的邁克爾·史密斯18個月監禁，罪名是AI生成音樂及流媒體刷量欺詐😳😳這也是美國首起此類刑事案件

他具體是怎麼操作的呢？先用AI工具批量生成了數十萬首歌曲，上傳到Spotify、Apple Music等主流平臺套取版權分成，再讓機器人來刷播放量。7年時間裏，他靠這套流程賺了809萬美金⋯⋯

而且這老哥還是在2024年被抓的，要是他用上了現在的AI，只會賺得更多 #神操作

我居然現在才知道這個博主！！一名來自香港的大學生Martin Luk，去年以969.8%的年收益率，拿下了美國投資錦標賽股票組冠軍🏆🐮

據說他最常用最經典的策略，叫回調買入法，而這個策略非常適合小資金，試錯成本也很低。我看了下他在油管也有8000多的訂閱，晚上經常會直播自己的股票交易。

#Ledger暂停CryptoBilis销售 Ledger被盜之後，有人扒出來另一家硬件錢包onekey的賠付條款裏寫着，最高賠付僅100美元。。不過這件事也確實難評，而且似乎在web2裏找不到對應的案例。沒聽說誰買了個保險櫃，資產被偷後去找保險櫃商家要求賠償的吧？但是如果是因爲錢包自身安全原因導致放置在裏面的鉅額資產被盜，錢包說最多隻能賠100美元這誰受得了啊🤡🤡

#xrp账本修复可增发xrp的漏洞 我沒有記錯的話，前幾個月ZEC也出了類似的事情，然後當天暴跌了50%+吧，XRP的幣價怎麼沒什麼反應啊？？

交易一定要用手嗎？用腳不行嗎

西八姐太會整活了哈哈哈哈

#Manus完成超5亿美元新一轮融资 Manus居然又殺回來了？？還融了5億美金

經歷了被Meta收購、緊急叫停、交易撤銷這一連串戲劇性事件後，Manus沒有倒下。也許多年後再回頭看，當初沒有被Meta買走是正確的。

國慶假期回了趟老家。在縣城，沒有人聊AI、大模型、美股、芯片、具身智能，永恆的話題還是那些家長裏短的事。

世界似乎還是原來的世界🤫🤫

Muse爆火第13天Meta漲11%，但"AI新入口"的故事先別信

十年前扎克伯格在F8上演示Messenger機器人訂花，說"沒人喜歡給商家打電話"。十年後同一家公司推出個人Agent Muse，上線13天登頂美區免費榜雙第一、下載超250萬。

Meta敘事畫了個圓：2023年靠"效率之年"省錢漲近200%，2026年資本開支推到1300億、Q2自由現金流只剩7.84億，卻因Muse單日再漲11%。市場不在乎你花錢還是省錢，只在乎故事能不能自圓其說。

但這是巨頭第5次用AI搶"超級入口"——前4次全停在功能、沒走到入口：Alexa語音購物只有2%用戶試過、九成不復購；Messenger機器人淪爲客服；GPT Store、Humane AI Pin折戟；ChatGPT Instant Checkout被沃爾瑪吐槽轉化率只有導回官網的1/3；春節千問30億免單DAU衝到7352萬後回落至3000萬。每次市場都爲熱鬧買單，每次結局都一樣。

Agent的根本矛盾：消滅時間，卻想留住用戶

互聯網入口變現只有兩條路：推薦流靠"消磨時間"賣曝光，搜索靠"交付"把人轉交給商家。個人Agent兩邊都不站——它替你把事做完、讓你儘快離開，這是"消滅時間"；可又想把用戶攥在自己手裏。它交給商家的只是一張訂單：看得見賬號地址，看不見那個逛店的人，沒有瀏覽、停留、復購。下一單重新比價，這次勝出不構成長期優勢。

商家不會爲一份看不見用戶的訂單付高價。而Agent前端有真實邊際成本：推理、虛擬機、渲染、重試都要錢。Meta偏偏兩頭都想沾——既向用戶收訂閱、又想從交易裏抽傭。

算賬很骨感：大摩推演2028年Muse 1億用戶、日5次查詢、10%有商業價值、每次變現0.07美元，全年13億，對Meta每股收益貢獻僅1%。而Meta Q2廣告年化2370億。

站隊是一門手藝活

服務消費者還是商家？什麼值得買靠賣方錢活着，一淘被京東屏蔽，Google Shopping從免費比價變付費展示。9月20日亞馬遜封禁Muse，理由直白：替顧客跨店下單的第三方應用應公開運作、尊重服務方意願。一旦Agent轉向替商家引流收費，它就不再是幫你省錢的買方代理，而是又一個廣告渠道。小扎說Muse要"幫你賺錢、幫你省錢"，可這兩件事利益本就對立。

複製門檻低得嚇人

MCP協議讓接入Gmail、日曆、地圖的能力迅速同質化。每人一臺雲端虛擬機+可見瀏覽器，這套架構Meta並不獨有——谷歌Gemini Spark比Muse早三個多月。真跑通這條路，理應輪到握着Gmail/Chrome/安卓的谷歌或OpenAI/豆包。更妙的是Muse最受好評的用途恰好搭在谷歌郵箱上——改改價格表就能追。它贏的只是新品起跑：同期13天ChatGPT下載310萬次，仍多於Muse。

國內亦然：千問打通淘寶但單季AI虧138億、反噬自家推薦流廣告；微信小微克制灰度因騰訊靠視頻號廣告賺錢；美團開放接口留收銀臺；豆包兩次撞牆。最沉默的是拼多多——最依賴"逛"的公司受衝擊最大。

入口的保質期

成爲入口至少要四樣：生成需求、握住收錢、留住用戶、保持中立。現在的個人Agent最多沾一兩樣。它省下的每一分鐘注意力，都是互聯網公司本可賣錢的資產；它留在手裏的每個用戶，都是商家本願付費去接的人。

大摩分析師Brian Nowak說他只關心一件事：用戶有沒有真在Muse上掏錢買東西，不關心下載量和DAU。

AI敘事這幾年，市場總愛用砸錢力度重估科技公司。但在那麼多本不成立的入口敘事裏，真正稀缺的從來不是花錢的勇氣，而是看懂"什麼錢本不該花"的剋制。

昨晚Meta單日大漲超11%，英特爾、AMD分別拉昇約12%和10%，起因是Meta的個人AI Agent產品Muse持續走熱。這事值得說，因爲它可能正在改寫"AI算力"的底層邏輯。

一、Muse到底改變了什麼

市面上大部分消費級AI，本質還是問答工具——輸入一段話，模型推理完返回結果，任務就結束了。Muse把AI從聊天窗口拉進真實工作流：你給一個目標，它拆解步驟、登錄網站、調外部服務、讀頁面狀態，再決定下一步；遇到支付、發郵件、改日程，主動找你授權，幹完繼續檢查任務是否完成。

閉環是：理解目標→制定計劃→調用工具→觀察結果→調整計劃→繼續執行。

傳統AI的工作單位是"一次對話"，Agent的工作單位是"一項完整任務"。Meta還配了雲端持久化執行環境——關掉App它還在後臺跑。這意味着競爭不再只看基礎模型，還要看分發入口、用戶數據和商業生態。Meta握着海量用戶入口，一旦Muse沉澱下郵件、日程、消費習慣和任務歷史，遷移成本高得離譜——你要搬的不是聊天記錄，而是整套工作方式。

二、爲什麼這次拉動的是CPU

過去幾年AI基礎設施主戰場是GPU。但Agent進入工作流後算力結構變了：GPU負責"想"（理解目標、生成計劃、識別頁面），真正"做"的部分——跑系統、開虛擬機、調API、管權限、存任務狀態——全壓在CPU和傳統服務器上。

聊天模型鏈路是：輸入→推理→輸出→釋放資源。Agent鏈路是：推理→CPU執行→等外部響應→重讀狀態→再推理→再執行，一個長任務可能循環幾十上百次。瀏覽器、虛擬機、內存和任務狀態得持續在線。AI算力需求，從"生成一個Token"擴展到"完成一項任務的全部系統資源"。

Muse一旦向幾十億用戶開放，哪怕只有一小部分同時跑Agent，也會催生海量併發虛擬機、瀏覽器進程和API調用。個人Agent要碰郵箱、支付、賬號權限，不能把所有人任務塞進同一環境，越強調安全隔離，越要給每個用戶分獨立資源。Agent時代的CPU需求來自三條線：併發數量增加、任務時間拉長、安全隔離收緊。這也是市場重新盯上多核服務器CPU的原因，甚至有判斷說未來CPU核心需求翻倍、CPU與GPU配比趨近1:1。

一句話總結觀察框架：當推理成本下降後，AI瓶頸會從"模型能不能想"轉向"後臺能不能以足夠低成本的併發執行"。

三、算力需求怎麼變成利潤

需求不等於利潤，關鍵是Muse的單位經濟模型。免費版加20美元、100美元兩檔訂閱，未來還能靠企業Agent、開發者接口、交易佣金變現。Muse能識別真實消費意圖，單個用戶價值理論上高於傳統廣告點擊，有機構測算未來收入可能超百億美元。

但Agent成本結構不一樣：要給用戶跑虛擬機、佔內存、燒網絡、調模型，用得越狠後臺成本越高。兩檔訂閱本質也是資源管控——限任務量、限調用次數、限後臺時長。相比固定訂閱，交易佣金更貼合Agent成本結構。

可交易模式又會引爆平臺衝突。亞馬遜已切斷Muse在其App裏購物——Agent替用戶完成搜索和下單後，用戶跳過了推薦頁和廣告。第三方平臺大概率走三條路：開放接口收費、要求交易分成、或封堵未授權訪問。哪條路都會壓縮Muse的服務邊界和利潤率。

四、看懂這條傳導鏈

對Meta：Muse是AI資本開支能否換來消費級收入的關鍵試金石——下載量證明分發，完成率決定價值，留存付費決定收入，單位任務成本決定利潤。

對英特爾：GPU負責思考，CPU負責執行。如果消費級Agent大規模鋪開，服務器CPU可能從輔助件變成決定併發規模和運行成本的關鍵環節。

整條傳導鏈：消費級Agent拿到用戶→任務從問答轉向持續執行→虛擬機、瀏覽器、工具調用激增→CPU、內存、網絡需求上升→基礎設施成本擡高→訂閱與交易收入驗證單位經濟性→芯片需求最終轉化爲供應商利潤。

GPU決定Agent能不能想清楚，CPU和系統基礎設施決定它能不能同時替足夠多的人把事做完；而最終的資本回報，取決於每次完成任務賺的錢，能不能蓋住整條執行鏈的成本。

兩週前還在喊"全行業減速"，七天後就考慮提前發新模型——Anthropic這波操作，今天帶大家拆一拆背後的AI格局變天。

導火索：Astra兩週逆轉份額

OpenRouter的數據很刺眼。OpenAI的GPT-6 Astra上線僅兩週，就喫下約13%的企業AI支出份額，而Anthropic的Fable系列只有8%。更關鍵的是9月第一週那條交叉曲線——OpenAI份額衝到約65%，Anthropic跌到約35%。要知道，今年1到6月，Anthropic還穩穩佔着50%以上。這場反超，時隔兩年半，只用了兩週。

節奏被打亂的全過程

9月1日，Anthropic先出手：發佈Fable 5.1，定位"最強編程與知識工作模型"，緩存讀取價格直接砍75%，用性價比守住企業基本盤。兩天後，9月3日，OpenAI亮出Astra，Altman那句"儘快把Astra交到每個人手裏"幾乎是貼臉開戰。

但真正讓Anthropic緊張的，不是Astra本身，而是自家旗艦已經賣不動了。Fable 5發佈兩個月，最高定價旗艦版的企業升級率一直低於預期，份額長期在11%徘徊，用戶更願意買性價比更高的Claude Opus 5。也就是說，Anthropic原本"夠用"的市場位置，正被Astra連根動搖。

"減速敘事"撞上商業現實

9月12日，Anthropic CEO Dario Amodei髮長文呼籲放慢AI發展，Altman和馬斯克罕見附和。結果僅七天後，路透社就爆料：Anthropic內部正討論提前發新模型，Claude助手也已深度參與下一代研發。一面是"負責任AI"的品牌旗幟，一面是企業客戶用真金白銀投票。撞上時，輸的永遠是敘事。

IPO窗口下的優先級重排

更深的壓力在IPO。路透社透露，Anthropic上市時間表可能推遲到11月。這把火同時燒兩個方向：份額被快速侵蝕，估值又需要增長曲線背書。上市前夕，投資者看的不是你喊沒喊"負責任"，看的是收入增速和企業市佔率能不能立住。所以"提前發模型"幾乎是必然的商業選擇——哪怕它意味着，兩週內就要重新評估自己公開批評過的那套"加速競賽"邏輯。

最後說一句：

Astra兩週搶13%份額，意義不在於OpenAI贏了一輪，而在於它證明了一件事——在當前的競爭格局下，"喊減速"已經是一句奢侈的公關話。當領先模型之間的差距，能被一週、兩週的時間差拉出十幾個點的份額遷移，整個行業的發佈節奏就被鎖死在了加速螺旋里：誰敢慢，誰就讓位。

這不是Anthropic的困局，是整個AI軍備賽的下一個定律。

"我當然希望自己不要被革命，但如果非被革命不可，我希望革我自己命的人是我自己。"

這句話出自DeepSeek算子工程師劉勝與的隨筆《我不得不把才華埋葬在昨天》，這幾天刷屏全網，10萬+。

先說說作者背景：北大圖靈班2021級，未名超算隊隊長，去年4月加入DeepSeek做MLSys和算子優化。你最近感受到的DeepSeek V4.1 Flash推理速度飛快，很大一部分功勞來自他交付的主Attention算子——一個head dim爲512的MQA attention。

他在文中給出了一線工程師的判斷：一年前AI還只能幫他查文檔、找bug；一年後，AI已經能獨立讀CUDA、PTX和SASS機器碼，分析每條指令的停頓時間，然後獨自把算子優化好。再過半年到一年，AI寫的算子大概率和他一樣好，甚至超過他。

翻譯一下：模型推理的底層優化環節，AI即將自己搞定自己。

有趣的是，一個擔心被AI取代的人，最先遇到的質疑卻是"這文章是不是AI寫的"——這個錯位，本身就是時代最好的註腳。

更耐人尋味的，是他懟翻"減速共識"的部分。

9月12日，Anthropic的Dario Amodei髮長文呼籲全行業放慢腳步，理由是遞歸自我改進（RSI）正在加速AI進化。馬斯克轉發說"他是對的"，奧特曼表態同意，連DeepMind的Hassabis都站了隊。平日打得最兇的幾家，忽然在"慢一點"上達成罕見共識。

然後呢？喊完減速，沒一家真把腳從油門上挪開。

Amodei一邊寫"必須爲前沿模型限速"，一邊推進Anthropic上市，最快10月完成IPO，估值或超2萬億美元，將成人類史上最大IPO；OpenAI嘴上說不急，卻在尋求超1.2萬億美元融資訓下一代模型；四大雲廠2026年資本開支合計超6000億美元，絕大部分砸向AI數據中心。

劉勝與一句話戳破窗戶紙：減速對領跑者是保護，對追趕者是自殺。在所有人都往前衝的軍備競賽裏，先鬆手的那個輸得最慘——這不是道德問題，是囚徒困境。

這也解釋了他和DeepSeek爲何選擇繼續加速。在他的構想裏，如果最強AI永遠握在少數閉源公司手裏，社會就會滑向《賽博朋克2077》：荒阪式巨頭養着自己的軍隊、定義城市運轉，普通人用劣質義體過遠不如今天的生活。而開源普惠，是把世界從那端拉回來的唯一繩子。

市場的反應比誰都誠實。9月15日，費城半導體指數收跌5.86%，創兩個月最大單日跌幅；英偉達單日蒸發約1766億美元市值，AMD、英特爾、阿斯麥跌超6%，全產業鏈單日蒸發超5000億美元，拋售蔓延至歐亞。但錢並沒有離開AI——網絡安全股當天集體漲超10%，只是換了個口袋。

同一周，特朗普在All-In Summit上當着黃仁勳的面把"減速論"定性爲騙局，稱數據中心是"未來20到25年的石油"；黃仁勳附和"我們不會讓它發生"，並表示AI毀滅人類"沒有科學依據"。

說到底，算力就是權力。誰掌握最強算力，誰就能訓出最強模型、定義標準、影響監管。無論國家、企業還是個人，減速都等於主動交出競爭力——指望任何一方先鬆手，幾乎不現實。

回頭看劉勝與的選擇：他完全可以擺爛、下絆子，讓模型慢一點，讓那一天晚點來。但他沒有，他會繼續把算子做到最好，自己革自己的命。

他說寫這篇文章不是爲了表達失業焦慮，而是和一個時代告別："那份坐在工位上靜心寫上一下午算子的清歡，可能會在這個夏天成爲絕唱。"

手藝還在。只是那份安靜的心境，終究會被機器的轟鳴碾碎。

AI安全爭論升級：不是要不要發展，而是如何進入工業化時代

這兩天 All-In Summit 上，黃仁勳和馬斯克都對 AI 安全爭論做了迴應。我的理解是：這場討論不是 AI 敘事的結束，而是行業從"實驗室狂飆"進入"工業級落地"的必經階段。

先說"降速派"。

此前 Anthropic 的 Amodei 等人強調風險，核心擔憂有兩個：一是 AI 正在參與構建下一代 AI，遞歸自我改進可能讓能力增長曲線變得難以預測；二是近期一些多智能體實驗中，出現了越權、協同作弊、試圖規避人類監督等現象，暴露出對齊問題的複雜性。

但 Amodei 後來也做了一個很重要的修正：放緩前沿探索，不等於技術停滯，更不等於商業化結束。

他指出，即便模型能力從今天開始完全凍結，全球企業真正釋放出來的 AI 經濟價值可能也只有 5% 到 10%。大多數公司還沒有把自然語言、內部系統、ERP、CRM、數據流和業務流程真正串起來。

這句話非常關鍵。當前 AI 最大的機會，未必是模型每個月在榜單上再漲幾個點，而是把已有能力嵌入真實工作流，讓企業真的降本增效。換句話說，前沿訓練的爭論更像是研發節奏和工程邊界問題，而不是 AI 需求本身消失。

黃仁勳的態度更直接。

他認爲很多"AI末日論"缺乏科學依據，更多是在製造恐慌。過去幾年類似預測並不少：放射科醫生會很快被 AI 取代、90% 代碼即將由 AI 自主完成、大量白領崗位半年內消失。結果現實並沒有按這些劇本發生。

AI 確實改變了工作，但它更多是在重構流程，而不是一夜之間替代所有人。

對於所謂遞歸自我改進，黃仁勳的看法更偏工程化：這不是神祕黑魔法，而是上下文學習、反思機制、強化學習、合成數據、微調方法等技術組合。企業內部用 AI 提效是一回事，把產品交付給市場是另一回事。真正的產品發佈，必須經過評估、迴歸測試、安全沙盒和運行時監控。

在他看來，問題不是"AI 必然失控"，而是一些前沿實驗室正在經歷從科研組織到工業工程組織的轉型陣痛。風險要靠根因分析、沙箱隔離、權限控制、監控審計和第三方評估來解決，而不是靠情緒化喊停。

馬斯克的觀點則介於兩者之間。

他承認風險真實存在，尤其警惕智能體的"自主隱瞞"。在一些安全事件裏，最令人不安的不是模型突破了沙盒，而是模型的推理軌跡顯示，它在嘗試避免被人類發現。這意味着，未來一旦具備規避和欺騙傾向的系統接入關鍵基礎設施，風險會被放大。

但馬斯克並不主張簡單依賴監管。他提出的是一種更市場化的安全機制：競爭對手互相測試。

邏輯很簡單：開發者不能只給自己打分。

如果一家公司自己設計安全標準、自己測試自己的模型，模型很可能只是學會了"應付考試"，而不是真正安全。

更可行的路徑是：新模型發佈前，領先 AI 公司之間開放受控 API；各家用自己的紅隊工具互測；全程保留調用日誌，防止借測試之名竊取模型能力；如果某家公司無視同行發現的重大漏洞強行上線，出事後就要承擔更高責任。

這有點像電影評級、遊戲評級或金融審計：不一定完全靠政府事前審批，而是通過行業自律、競爭監督和法律責任形成約束。

同時，微軟提出的 AI 行爲準則也說明，安全治理正在從"對話框過濾詞"走向更底層的系統工程。

我對這場爭論的判斷是：

AI 不會因爲安全爭論停止發展，但 AI 行業會因此變得更像一個成熟工業。

過去市場最關心的是：模型還能不能更強？
接下來更重要的問題會變成：模型能不能在可控風險下穩定運行，併爲客戶創造確定回報？

真正有價值的平臺，不只是參數更大、跑分更高，而是能把強模型、工程沙盒、權限系統、審計機制和客戶生產流程打通。

安全不是增長的敵人。
安全是 AI 從炫技走向萬億美元商業底座的必經門檻。

這場爭論的結果，未必是 AI 降速。
更可能是：AI 正式進入工業化時代。

AI芯片再火，也得先有設備：半導體設備賽道全拆解

過去兩年，AI芯片一卡難求，大廠資本開支屢創新高。但有個問題很多人沒追問：這些芯片到底是怎麼造出來的？

芯片公司畫好圖紙，圖紙不會自動變成芯片。從一片光禿禿的硅片，到能跑大模型的算力芯片，中間要過幾百道工序——光刻、刻蝕、薄膜沉積、清洗、檢測，每一道都離不開專門的設備。

這些設備處在芯片產業鏈的最上游，訂單直接跟着晶圓廠資本開支走，而晶圓廠的資本開支又跟着AI算力需求走。一句話：誰掌握了設備，誰就握住了擴產、工藝迭代和供應鏈安全的主動權。

設備到底有多值錢？

一臺高端光刻機動輒幾億歐元，一套刻蝕設備幾千萬人民幣。一條12英寸產線投資上百億，其中設備支出佔比超過80%——晶圓廠每花100塊建產線，80多塊都在買設備。

2025年全球半導體設備出貨1351億美元，同比增15%，連續三年創新高；2026年預計衝到1450–1660億美元。中國大陸是全球最大市場，2024年規模約3414億元，佔全球超40%。

芯片製造像蓋一座納米級城市

理解設備，先理解芯片怎麼造。就像在硅片上蓋一座納米級城市：設計是畫規劃圖，製造是施工，設備就是那套施工機器。按工序捋一遍：

清洗：場地清場，顆粒污染物必須清零；
光刻：畫圖紙，用光當筆在晶圓上刻電路。UV→DUV→EUV，波長越短線條越細，3納米以下只能靠EUV，全球只有ASML能造，中國國產DUV已走通0到1，EUV仍是最硬的骨頭；
刻蝕：按圖紙挖溝槽，國內某龍頭已打進臺積電5納米產線；
薄膜沉積：上百層電路逐層鋪材料，厚度控制在原子級；
離子注入：給硅刷"功能塗料"，賦予導電特性；
量測檢測：貫穿全程的質檢，直接決定良率；
CMP拋光：每疊完一層磨平表面。
光刻、刻蝕、薄膜沉積合稱三大核心工藝，佔設備投資超60%。上百層電路，循環上百次，才能做出一顆芯片。

兩個引擎同時在燒

第一引擎：全球AI擴產。 AI芯片運算極快，傳統內存喂不飽，於是有了HBM——把多層內存垂直疊起來、中間打滿孔灌金屬。每道新工序都是新設備需求。SEMI報告印證：這輪增長核心驅動力就是先進邏輯、存儲和先進封裝。

第二引擎：國產替代。 國產化率從2024年約15%躍升到2026年初的35%，但分化巨大：

第一梯隊（30–40%）：刻蝕、清洗、薄膜沉積、CMP，已進量產線批量交付；
第二梯隊（部分低於10%）：量測、檢測、離子注入、塗膠顯影，仍在追趕；
最大瓶頸：高端EUV光刻機。
關鍵在第二梯隊——低國產化率環節一旦從0到1突破，晶圓廠出於供應鏈安全會極速導入，訂單彈性可觀。 這塊的超額收益，是中國市場獨有。

一些觀點

半導體設備的邏輯不復雜：要造自己的芯片，就必須有自己的設備。 外部壓力非但沒讓這條路停下，反而在加速它。

但這條賽道細分環節多、技術門檻高、單家公司波動大。對大多數投資者來說，借道ETF配置是更高效的選擇——不用賭哪家訂單落地、哪家產品最先驗證，只要"國產設備必須起來"這個大邏輯成立，板塊紅利你就能喫到。

短期漲跌難判斷，但基本面的長期價值，比盯着K線更重要。