Blogs of Liam

生物计算的「湿件」时刻：脑细胞、Doom 与硅碳融合的终局 1945 年，ENIAC 耗费 150 千瓦电力计算弹道；2026 年，Cortical Labs 用 20万个人类脑细胞，在名为 CL-1 的生物合成芯片上运行了《毁灭战士》（Doom）。 这不仅仅是一场极客式的行为艺术。当 Big Tech 的 AI 资本支出在 2026 年突破 6500 亿美元，且深陷「电力瓶颈」的泥潭时，CL-1 的出现像是一道来自生物演化史的冷光。它向整个硅基半导体行业提出了一个刻薄的问题：如果 20 瓦功率的人脑就能处理复杂的实时逻辑，我们为何要斥资数千亿美金去建设吞噬电力的硅基巨兽？ 显微镜下的「湿件」：从逻辑门到活体神经元 传统半导体的路径是「能力驱动」的极限压榨。如同德勤（Deloitte）所预测，2026 年行业重心已从 2nm 节点的争夺转向系统级差异化。荣耀（Honor）在 MWC 上发布的 MagicPad 4 搭载了 Snapdragon 8 Gen 5，其 NPU 性能的提升依然遵循着物理制程的线性逻辑。 然而，CL-1 走的是另一条路——「湿件」（Wetware）计算。 在这块生物合成芯片上，20万个活体神经元并非模拟电路，它们本身就是电路。通过将神经元置于多电极阵列（MEA）之上，研究人员实现了电信号与生物信号的实时转换。在运行《毁灭战士》时，这些脑细胞通过接收代表游戏环境的电刺激，并在毫秒级时间内做出反馈，驱动角色动作。基于简报信息推断，这种架构绕过了传统冯·诺依曼架构中内存与处理器的物理隔阂，直接利用生物突触的塑性进行「原位计算」。 其核心逻辑在于：生物神经元天然具备极高的并行处理能力和惊人的能效比。在硅基 AI 基础设施不得不通过投资电力项目来换取算力增长的当下，这种「低熵计算」展示了另一种进化可能。 商业账本的「冲突」：6500 亿美金与实验室胚胎 尽管 CL-1 令人惊叹，但它与当下的商业现实存在巨大的张力。 目前，Alphabet、亚马逊、Meta 和微软的 CapEx 投入呈现 30% 以上的同比增长，资金流向极其明确：自研硅基芯片、电力整合以及抗量子加密协议。这种全栈垂直整合是为了应对「规模化交付期」的确定性需求。 相比之下，生物合成芯片仍处于「实验室阶段」。虽然它在处理《毁灭战士》这类复杂实时任务上证明了逻辑可行性，但商用层面的 ROI（投资回报率）尚未闭环。基于简报信息推断，湿件计算面临的挑战并非算力不足，而是受控环境的严苛：活体细胞需要精密的生命维持系统，这使得其 TCO（总拥有成本）在数据中心规模下可能远超硅基方案。 但这并未阻止一级市场的疯狂。Simile 完成的 1 亿美金 A 轮融资，其核心正是开发模拟人类决策过程的神经架构。这反映了资本的一种对冲心理——当硅基 AI 的「电力墙」无法逾越时，模仿或直接利用生物智能将成为终极的备选项。 ...

「湿件」计算的黎明：20万个脑细胞能否在 2026 年终结硅基霸权？ 2026 年 3 月 1 日，在墨尔本的一间受控实验室里，电子信号与生物脉冲完成了一次跨越物种的握手。 Cortical Labs 正式展示了其代号为 CL-1 的生物合成芯片。这不是传统的硅基逻辑门，而是一个由 200,000 个活体人类脑细胞组成的“湿件”（Wetware）系统。当这些细胞在培养皿中通过微电极阵列成功运行经典游戏《毁灭战士》（Doom）时，台下的掌声中夹杂着某种难以名状的寒意——人类正在亲手模糊生物组织与计算架构的边界。 这一幕不仅是微观生物学的胜利，更是对当前 6500 亿美元 Big Tech 算力竞赛的一次解构。 显微镜下的 CL-1：当汇报对象变成神经元 在 CL-1 的物理架构中，传统的层级结构被扁平化的生物网络取代。这 20 万个脑细胞并不像晶体管那样遵循严格的 0 与 1 逻辑，而是通过突触的强弱变化进行分布式计算。在实验中，研究人员观察到细胞群在处理《毁灭战士》复杂的实时渲染与决策反馈时，表现出了一种硅基芯片难以企及的“直觉式”预测能力。 从技术原理看，这是一次彻底的「白盒化」挑战。传统 AI 依赖庞大的参数矩阵进行梯度下降，而湿件计算则是利用生物细胞天然的电化学特性。尽管目前 CL-1 的商用能效优势尚未完全落地，但在特定任务的实时响应上，其功耗仅为同等算力 GPU 的万分之一。 商业账本：在 6500 亿美金的阴影下寻找出口 CL-1 的出现，正值全球科技巨头陷入一场疯狂的 CapEx（资本支出）豪赌。2026 年，Alphabet、亚马逊、Meta 和微软的 AI 基础设施投入预计突破 6500 亿美元。当大厂们忙于修建变电站、争夺电力指标并研发 2nm 节点的 Snapdragon 8 Gen 5 时，生物合成芯片提供了一个极其诱人（但也极其昂贵）的反向叙事：如果计算不再需要庞大的电力网，而是需要“营养液”？ 目前的 ROI（投资回报率）计算对湿件并不友好。培养并维持一个稳定工作的 CL-1 芯片，其 TCO（总拥有成本）在实验阶段远超硅基方案。然而，一级市场的嗅觉早已敏锐捕捉到了这种范式转移。Simile 刚完成的 1 亿美元 A 轮融资，其核心正是模拟人类决策过程的神经架构。资本正在对“非硅基智能”进行对冲。 变焦镜头：从游戏窗口到文明的分水岭 拉升视角来看，CL-1 的突破标志着半导体行业正从“产能驱动”转向“能力驱动”。正如德勤所预测，2026 年的竞争重心已不再是单纯的晶体管密度，而是系统级的差异化。 ...

2026-03-01 科技简报 1. 宏观与大厂风向 (Market Movers) 核心事件：Big Tech 2026 年资本支出（CapEx）预计将突破 6500 亿美元。Alphabet、亚马逊、Meta 和微软在 AI 基础设施上的投入呈现 30% 以上的同比增长，反映了行业从“试验期”进入“规模化交付期”的坚定立场。 投资影响：巨额投入正从单纯的算力购买转向全栈垂直整合。大厂不仅在自研芯片，还开始直接投资电力基础设施和专有网络协议，以应对日益严重的“电力瓶颈”和“互联瓶颈”。 2. AI 技术与产品 (Core Sector Focus) 技术突破：Cortical Labs 展示了其 CL-1 生物合成芯片（由 200,000 个活体人类脑细胞组成）成功运行《毁灭战士》(Doom)。这一进展标志着“湿件”(Wetware) 计算在处理复杂实时任务上取得了实验性突破，尽管其能效优势尚未在商用层面落地。 产品发布：Anthropic 面对来自美国国防部的“供应链风险”调查压力，公开呼吁建立跨行业的 AI 安全标准。与此同时，OpenAI 宣布与国防部（DoW）达成新协议，允许在分类网络中部署其模型，并强调了“人类对武力使用的责任”。 基础设施进展：Google Security 博客发布了关于量子安全 HTTPS 的最新进展，推进在全球通信架构中部署抗量子加密算法，以应对 2026 年后可能出现的量子计算威胁。 X 上讨论热度高的技术与产品：Karpathy 发布的 microgpt 项目引发热议，社区重新关注极端精简的 LLM 实现。此外，由 MCP 驱动的“上下文缩减”技术（号称可降低 98% 的 Claude Code 消耗）在开发者圈层迅速走红。 3. 半导体 (Core Sector Focus) 技术突破：Deloitte 预测 2026 年半导体行业将从“产能驱动”彻底转向“能力驱动”。行业重心正在从 2nm 节点的争夺转向 AI 系统级差异化（System-level differentiation），特别是片上光互联技术的初步商用。 产品发布：Honor 在 MWC 2026 发布了 MagicPad 4，搭载 Snapdragon 8 Gen 5。该芯片采用 2nm 工艺，其集成的第四代 NPU 性能较前代提升 45%，专门优化了本地端侧模型的长上下文推理。 供应链动态：由于地缘政治和供应链弹性需求，主要芯片商开始采取“循环融资”模式，即通过战略合作伙伴直接投资晶圆厂以锁定长期产能。 4. 一级市场投融资 (Deal Flow) 值得关注的融资： Simile：完成 1 亿美元 A 轮融资，由 Index Ventures 领投。该公司专注于开发模拟人类决策过程的神经架构。 Upscale AI：在种子轮获得超过 1 亿美元融资。其核心产品是开源标准的 AI 网络平台，旨在整合计算、数据与连接性。 Lovable：其 B 轮融资使估值达到 66 亿美元，CapitalG 和 Menlo Ventures 领投，主打基于 AI 的“Vibe-Coding”辅助编程平台。 值得关注的公司：Mercor。通过提供高质量的人类反馈（RLHF）基础设施，其估值在不到一年内翻了五倍，反映出高质量训练数据在 2026 年依然是极度稀缺的战略资源。 5. 「噪音」过滤 (TL;DR Summary) 今日必读深读：Stratechery 近期对 Benedict Evans 的访谈——《软件危机与 LLM 范式的定义权》。核心结论：当前的 AI 浪潮并未解决软件开发的本质复杂性，而是将其推向了“个性化规模化”的极限。企业真正的护城河不再是拥有模型，而是如何定义在 LLM 之上的新型组织工作流。

Meta 租用 Google TPU：算力霸权的「柏林墙」正在倒塌 即便是在最狂热的 AI 军备竞赛中，这一幕也显得极具戏剧性：扎克伯格正将 Meta 的核心算力命脉，交到其长期的广告业务对手——皮查伊的手中。消息显示，Meta 已与 Google 签署多年协议，正式租用其定制的 TPU 芯片（Tensor Processing Units）。 这不只是一桩巨额的租赁买卖，它更像是一场关于算力霸权的「柏林墙」倒塌。在此之前，NVIDIA 的 H100/B200 几乎是硅谷大厂训练顶尖模型的唯一通行证，而现在，算力市场的地壳正在发生结构性位移。 算力账本的「审计级」清算：从全押 NVIDIA 到异构共存 Meta 此前的算力扩张路线极其惨烈。为了维持 Llama 系列在开源界的领先地位，扎克伯格曾公开宣布其算力基础设施将包含高达 35 万块 H100。然而，这种单一供应源依赖带来的风险已在商业账本上显现：极高的 Capex（资本支出）与被动的 ROI（投资回报率）控制权。 基于简报信息推断，Meta 选择 TPU 并非是对 NVIDIA 的否定，而是一次「审计级」的算力策略调整。Google 经过数代演进的 TPU 在大规模并行计算中表现出的能效比（TCO），对于需要长期稳定运行 Llama 后续版本的 Meta 而言，是极具吸引力的财务选项。 这场租赁协议的本质，是超大规模厂商（Hyperscalers）开始将算力从「战略储备」转变为「动态资产」。对于 Google 而言，TPU 曾经是其内部搜索与广告业务的「护城河」，如今这一护城河正转化为一种向外输出的「算力标准」，直接挑战 NVIDIA 建立的 CUDA 生态闭环。 组织架构的「X 光」扫描：当算力决策权移交至架构师 Meta 的这一转变，预示着其内部 AI 算力部门权力的重组。过去，采购部门的职责是「抢到更多的 NVIDIA 显卡」；而现在，技术架构师必须站到前台，重新设计底层软件栈以兼容异构芯片。 租用 Google TPU 意味着 Meta 的训练框架必须进行深度适配。谁负责从 CUDA 到 XLA（Google 的编译器）的平滑迁移？谁在内部负责评估不同加速器在推理成本上的差异？基于简报信息推断，Meta 内部必然正在进行一场针对硬件抽象层（HAL）的重组，以确保其模型能够像容器化软件一样，在 NVIDIA、TPU 甚至其自研的 MTIA 芯片之间无缝切换。 ...

2026-02-27 科技简报 1. 宏观与大厂风向 (Market Movers) 核心事件：Meta 租用 Google TPU 以多元化 AI 算力。 消息称 Meta 已与 Google 签署多年协议，租赁其定制的 TPU 芯片用于训练和运行新 AI 模型。这标志着超大规模厂商在算力策略上的重要转向，从以往对 NVIDIA 的高度依赖转向供应商多元化。 投资影响： Google 的 TPU 优势正在从“内部护城河”转化为外部产品，加剧了云服务商之间的差异化竞争。对于构建模型部署、可观测性或多云推理工具的初创公司，此举增加了支持异构加速器（而非仅 NVIDIA）的紧迫性。 2. AI 技术与产品 (Core Sector Focus) 技术突破： 研究人员警告称，大模型行为可实现大规模去匿名化。最新研究表明，LLM 可通过文体学特征推断作者身份并识别匿名文本，这对举报人、异议人士及依赖匿名安全的群体构成了新的隐私挑战。 产品发布： Google Gemini 实现 Android 系统级任务执行。Gemini 开始在部分 Pixel 设备及三星 Galaxy S26 上推出多步操作功能（如打车、订餐）。这种从“对话框”到“执行层”的转变，预示着 OS 级 Agent 正成为新的应用分发接口。 基础设施进展： 三星 Galaxy S26 深度集成 Google Gemini，并主打隐私保护功能（如 Privacy Display 模式）。手机正从单纯的硬件载体转变为 AI 工作流的接管者，隐私正从售后考虑因素变为核心竞争卖点。 X 上讨论热度高的技术与产品： Anthropic 与美国国防部（Pentagon）关于 Claude 安全准则的对峙。CEO Dario Amodei 明确拒绝放宽安全限制以换取军方大规模订单，引发了关于 AI 实验室与政府博弈及 AI 军事化边界的广泛讨论。 3. 半导体 (Core Sector Focus) 技术突破： ASML 在 EUV 功率方面取得突破。ASML 研究人员报告了显著提高 EUV 工具功率的进展，这将大幅提升晶圆产量。在 AI 需求激增的背景下，光刻环节的这一增益将直接缓解先进芯片的供应瓶颈。 产品发布： AI 芯片初创公司 Ricursive 估值在成立两个月内达到 40 亿美元，标志着新一代 AI 架构挑战者正以前所未有的速度获取资本支持，旨在攻占 NVIDIA 尚未完全垄断的细分算力市场。 供应链动态： 稀土金属（如钇和钪）短缺加剧。尽管贸易紧张局势有所缓和，但进口配额和价格上涨仍挤压着航空航天和半导体供应链。这提醒行业，AI 基础设施的竞赛不仅是 GPU 数量的竞赛，更是底层矿产资源的博弈。 4. 一级市场投融资 (Deal Flow) 值得关注的融资： Physical AI 领域： 全球多家具备自主机器人与世界模型技术的公司本周共获得数十亿美元投资，反映出资本正从“纯软件 AI”流向“具备物理交互能力的 AI”。 AI 芯片领域： 本周 AI 芯片初创公司集体获得超过 11 亿美元融资，显示出投资者对挑战 NVIDIA 霸权的持续热情。 值得关注的公司： Ricursive（估值 4B）、Unconventional AI（多模态前沿模型）、Recursive（由前 Google 核心人员创立，专注世界模型）。 5. 「噪音」过滤 (TL;DR Summary) 今日必读深读： 推荐关注关于 “Google API 密钥暴露 Gemini 私有数据” 的安全审计。研究发现，此前被视为低风险的嵌入式 Google API 密钥现可作为访问 Gemini 服务的凭证。核心结论：随着 AI 服务被强行嫁接到现有的云身份模型中，旧有的密钥管理习惯（如在前端代码中暴露密钥）已成为导致数据泄露和高额账单的头号安全漏洞。

Meta 租赁 Google TPU：算力霸权之下的「非军事化区」 在加州门洛帕克的 Meta 总部与山景城的 Google 园区之间，一条此前从未被正式铺设的「数据暗渠」正在悄然贯通。Meta 正式与 Google 签署多年协议，租赁其定制的 TPU 芯片（Tensor Processing Units）用于训练和运行下一代 AI 模型。 这并非一次普通的商业采购，而是一场算力外交的破冰。在过去三年里，超大规模厂商（Hyperscalers）之间的关系更像是中世纪的城邦：筑起算力护城河，将自家定制芯片视为皇冠上的明珠，不对外借出一兵一卒。Meta 此次「入驻」Google Cloud，标志着全球 AI 基础设施的权力结构正从「孤岛化」转向「异构共和」。 1. 供应链的「去 NVIDIA 化」：从依赖到对冲 长期以来，NVIDIA 的 H100 与 B200 系列 GPU 是 AI 界的硬通货，但其高昂的溢价与受限的产能，让 Meta 这种级别的巨头感到窒息。即便 Meta 拥有自研的 MTIA 芯片，但在处理超大规模模型训练时，其自研进度仍难以及时填补 GPU 的缺口。 租用 Google TPU 是一次极其务实的商业核算。基于简报信息推断，Meta 此举旨在实现算力供应商的多元化（Multi-vendor Strategy）。TPU 作为专为张量运算设计的专用集成电路（ASIC），在特定架构的训练效率上具有极高的 ROI。对于 Meta 而言，这不仅是获取了额外的算力，更是建立了一个对冲 NVIDIA 价格话语权的「非军事化区」。 2. Google 的转身：从「内部护城河」到「算力军火商」 对 Google 而言，将 TPU 这一曾经只供内部使用的「核心秘密」开放给竞争对手，是其云业务逻辑的彻底变焦。这不仅是为了增加租赁收入，更是在输出一种「算力标准」。 当 Meta 的工程师开始习惯在 TPU 架构上优化 PyTorch 代码时，Google 就成功地在底层软件生态中打入了一枚楔子。这种从「闭源算力」到「算力服务化」的转变，加剧了顶级云服务商之间的差异化竞争。未来，云厂商的竞争将不再仅仅是存储与带宽的竞争，而是谁能提供更高效、更独特的加速器环境。 ...

2026-02-26 科技简报 1. 宏观与大厂风向 (Market Movers) 核心事件：白宫正式启动“AI 数据中心加速计划”（AI Data Center Acceleration Initiative），亚马逊、谷歌、Meta、微软、xAI、Oracle 和 OpenAI 等大厂已联合签署协议。该计划旨在通过财政支持和政策优化，协助这些巨头建立独立的电力供应系统，以应对 AI 算力急剧增长带来的能源缺口。 投资影响：大厂对能源主权的需求将带动小型核反应堆（SMR）和分布式能源存储相关板块的长期看涨，传统电网升级相关供应商亦将受益。 2. AI 技术与产品 (Core Sector Focus) 技术突破：OpenAI 从 Meta 成功挖角原 Apple 模型团队负责人 Ruoming Pang。Ruoming Pang 此前在 Meta 负责 Superintelligence Labs 的 AI 基础设施，他在大模型训练效率与算力调度方面的经验，被认为将直接助力 OpenAI 解决目前面临的高额推理成本挑战。 产品发布：Anthropic 联合 Linux 基金会成立“智能体 AI 基金会”（Agentic AI Foundation），并捐赠了模型控制协议（MCP）。此举旨在标准化 AI 智能体之间的通信协议，推动跨平台智能体生态的互操作性。 基础设施进展：NVIDIA 首次在圣克拉拉总部展示了其新一代 AI 架构 “Vera Rubin”。据现场披露，Vera Rubin 采用了全新的异构互联方案，在大规模集群部署下的训练性能较当前的 Blackwell 架构提升了近 3 倍。 X 上讨论热度高的技术与产品：OpenEnv Challenge。这是一个由 Meta、HuggingFace 和 Unsloth 联合发起的开源强化学习（RL）环境项目，旨在通过标准化的开源环境推动通用人工智能（AGI）的研究，在开发者社区引发了关于“RL 民主化”的广泛讨论。 3. 半导体 (Core Sector Focus) 技术突破：ISSCC 2026 期间，研究机构展示了基于“计算光子学”的片间互联方案，能够在保持低功耗的同时实现 Tbit 级别的传输带宽，为下一代 AI 芯片设计提供了新的范式。 产品发布：三星（Samsung）宣布其最新的 AI 优化型高带宽内存（HBM）已进入大规模量产阶段，显著优化了边缘侧大模型推理的能效比。 供应链动态：半导体测试设备巨头 Advantest 披露遭受勒索软件攻击。虽然公司声称核心生产线未受直接影响，但部分研发数据的泄露可能引发供应链对先进封装测试技术保密性的担忧。 4. 一级市场投融资 (Deal Flow) 值得关注的融资： Tattvam AI（英国）：获得 170 万美元 Pre-seed 轮融资，由 Seedcamp 领投。该公司专注于利用 AI 自动化半导体芯片设计流程，目标是缩短先进工艺节点的研发周期。 AgentX（美国）：获得 8500 万美元 A 轮融资，专注于企业级智能体（Agent）的部署与编排系统。 NuEnergy（美国）：获得 1.2 亿美元 B 轮融资，开发适用于 AI 数据中心的紧凑型核融合组件。 值得关注的公司：Tattvam AI。在半导体人才短缺的背景下，通过 AI 实现“芯片设计自动化”已成为一级市场极具吸引力的赛道，其轻资产模式与硬核技术背景值得长期跟踪。 5. 「噪音」过滤 (TL;DR Summary) 今日必读深读：Stratechery (Ben Thompson) 近期发布的《AI 软肋中的芯片之忧》（The Chip Fly in the AI Ointment）。 核心结论：Thompson 指出，AI 行业的瓶颈正在从算法效率转向极其原始的物理资源竞争——特别是电力和定制硅片的制造速度。尽管大厂纷纷自研芯片，但由于对台积电（TSMC）产能的高度依赖以及地缘政治风险，算力的“物理分配权”将成为 2026 年决定 AI 公司生死存亡的单一最大变量，而非模型参数量。

电力主权与定制核能：AI 巨头的物理终局 在 2026 年这个算力即权力的时代，白宫的一纸公文揭示了一个冷酷的现实：AI 的终极瓶颈不再是代码，而是电压。 1. 从“数据中心”到“能源特区” 本周，由白宫发起的“AI 数据中心加速计划”正式落地。亚马逊、谷歌、微软、OpenAI 等巨头罕见地在同一份协议上签字。这份协议的核心并非算力共享，而是“能源独立”。在 AI 算力需求呈指数级增长的背景下，传统的公共电网已不堪重负。这些万亿美金市值的巨头们正在寻求建立独立的电力供应系统，这意味着未来的数据中心将不再是依附于城市的建筑，而是一个个拥有独立“心脏”的能源特区。 一级市场的资金流向也证实了这一维度的切换。NuEnergy 获得 1.2 亿美元 B 轮融资，其核心产品并非大模型，而是专为数据中心设计的紧凑型核融合组件。当软件层面的竞争进入白热化，物理层的“重资产化”正成为科技巨头们最宽的护城河。 2. 物理资源的“变焦”：从算法到原子 这种视角的转变，在 Ben Thompson 的深度文章《AI 软肋中的芯片之忧》中得到了更深刻的拆解。长期以来，开发者们沉溺于模型参数的堆叠，而忽视了底层物理架构的脆弱性。 目前，AI 行业的瓶颈正从算法效率转向极其原始的物理资源竞争——特别是电力和定制硅片的制造速度。尽管大厂纷纷自研芯片以摆脱对外部供应的依赖，但物理层面的约束依然刚性：对台积电产能的高度依赖，以及能源基础设施建设的长周期性。正如 Thompson 所言，2026 年决定 AI 公司生死存亡的单一最大变量，已不再是模型参数，而是算力的“物理分配权”。 3. 基建维度的组织重组 为了应对这场物理战争，大厂的人才流动也在发生质变。OpenAI 近期从 Meta 挖角 Ruoming Pang 并非巧合。Ruoming Pang 曾负责 Meta Superintelligence Labs 的基础设施，他在算力调度与训练效率方面的深厚背景，正是 OpenAI 试图在现有物理约束下压榨出更高推理 ROI 的关键。 这种“组织基因论”的转变意味着，未来的顶级 AI 公司将越来越像传统的能源或基建巨头。他们不仅需要最顶尖的算法科学家，更需要能够管理小型核反应堆（SMR）、优化片间光子互联（ISSCC 2026 最新趋势）以及调度全球电力系统的物理工程师。 4. 结语：算力的熵增与物理的回归 当 AI 试图模拟人类思维时，它却首先撞上了物理世界的墙。这场关于“电力主权”的争夺，实质上是人类历史上第一次大规模地将数字智能的上限与基础物理设施深度绑定。 从长远来看，这种趋势将导致一种深刻的社会与经济分化：拥有能源独立能力的巨头将掌握 AGI 的解释权，而其他参与者则可能陷入“电力贫困”导致的算法停滞。在硅基文明的黎明，决定光芒强度的，依然是那根最古老的导线。

2026-02-25 科技简报 1. 宏观与大厂风向 (Market Movers) 核心事件：Meta 与 AMD 达成一项为期五年、价值高达 600 亿美元的 AI 芯片采购协议。根据协议，Meta 有权收购 AMD 最高 10% 的股份。此举标志着超大规模云计算厂商（Hyperscalers）正在从单纯的买卖关系转向深度的“计算资源锁死”战略。 投资影响：该协议直接挑战了英伟达在 AI 加速器市场的统治地位。对于投资者而言，这意味着 AI 基础设施的竞争已进入“资源垂直整合”阶段，能源和长期芯片产能的确定性比模型架构更能决定公司的长期竞争力。 2. AI 技术与产品 (Core Sector Focus) 技术突破：西班牙初创公司 Multiverse Computing 发布了新型压缩模型 HyperNova 60B。该模型采用受量子计算启发的 CompactifAI 技术，在显著降低内存需求和推理延迟的同时，保留了模型的核心能力。 产品发布：企业级 AI 编码平台 SolveAI 结束隐身状态并获 500 万美元融资，旨在解决 AI 生成代码与企业架构、安全合规标准“最后 1 迈”的兼容性问题。 基础设施进展：AI 数据中心正面临“电力冲击”瓶颈，Megawatt（兆瓦）级别的电力供应已取代 GPU 订单，成为限制扩产的最核心因素。 X 上讨论热度高的技术与产品：关于 OpenAI 和 Anthropic 毛利率未达内部预期的讨论引发热议。业界开始反思“AI 规模化”下的单元经济效益（Unit Economics）问题，以及推理成本增长快于效率提升的现状。 3. 半导体 (Core Sector Focus) 技术突破：英伟达传闻中的 N1/N1X 笔记本电脑芯片泄露。该芯片基于 Arm 架构，预计于 2026 年上半年面世。这暗示英伟达正加速通过 Windows-on-Arm 战略将 CUDA 和 AI 工具链推向客户端设备。 产品发布：美光（Micron）高管预测，到 2026 年，仅 AI 数据中心在存储半导体上的资本支出可能达到 8000 亿美元。 供应链动态：美国对台湾芯片行业的关税政策不确定性增加。在全球 AI 需求已经透支先进封装、内存带宽和尖端产能的背景下，政策波动正成为 AI 硬件供应链的最大隐忧。 4. 一级市场投融资 (Deal Flow) 值得关注的融资： Profound (AI 搜索分析)：获 9600 万美元融资。在 AI 回答逐渐取代传统搜索引擎链接的趋势下，该平台帮助品牌衡量并优化在 AI 系统中的可见度。 SolveAI (企业 AI 编码)：获 5000 万美元融资。专注于生产符合工业标准的、可长期维护的软件代码，而非仅仅是原型演示。 Multiverse Computing (模型压缩)：虽然未披露最新具体轮次，但其 HyperNova 60B 的发布及其在推理成本削减上的潜力使其成为硅谷二级市场和一级联动的焦点。 值得关注的公司：Profound。随着搜索入口从 Google 转向 LLM 代理，该公司的“答案引擎优化”（AEO）可能成为下一个时代的 SEO。 5. 「噪音」过滤 (TL;DR Summary) 今日必读深读：The Information 关于 OpenAI 和 Anthropic 毛利率压力的深度分析。核心结论：尽管收入激增，但由于算力基础设施支出与模型训练成本的线性增长，AI 领军企业的盈利模型正面临严峻挑战。如果顶级实验室无法在规模化过程中实现显著的效率飞跃，整个下游 AI 软件栈都将面临定价与成本的巨大挤压。

Meta 与 AMD 的 600 亿「联姻」：超算时代的垂直权力大转移 2026 年 2 月 25 日，加州门洛帕克。这并非一次普通的采购合同签署，而是一场长达五年、涉及 600 亿美元并附带股权锚定权力的战略合纵。Meta 宣布不仅要向 AMD 下达巨量订单，更手握收购其最高 10% 股份的权利。在硅谷的历史时钟里，这种从「甲乙方」向「利益共同体」的跃迁，通常标志着一个旧垄断时代的黄昏与一个新割据时代的黎明。这不再是简单的芯片买卖，而是超大规模云计算厂商（Hyperscalers）正在进行的、旨在彻底摆脱单一供应依赖的「计算资源锁死」运动。 长期以来，英伟达的 CUDA 生态如同 AI 世界的重力感应器，所有人都必须向其支付昂贵的「算力税」。然而，当 Meta 将 600 亿美元的筹码掷向 AMD，天平开始发生物理意义上的倾斜。根据简报信息推断，Meta 此举的深层逻辑在于通过资本纽带，深度介入 AMD 的技术路线图，从而在未来五年内锁定最先进、且性价比（ROI）更高的定制化计算资源。这种「垂直整合」的策略，本质上是在用极其确定的巨额订单，换取在芯片产能分配中的绝对优先级。 论证这场变革的颗粒度，必须观察到这不仅仅是算力总量的增加，更是对 AI 商业账本（Unit Economics）的审计级重构。根据《The Information》披露的行业分析，OpenAI 与 Anthropic 等领军企业的毛利率正面临算力成本线性增长带来的巨大压力。在这一背景下，Meta 通过与 AMD 深度绑定，其资本支出（Capex）的流向已不再是简单的购买硬件，而是转向了对「推理成本」的极端压榨。如果通过股权关联与长期锁定，Meta 能够将单位算力成本降低至行业均值的 70% 以下，那么在下半场的 AI 应用长跑中，它将拥有其他对手难以企及的 TCO（总拥有成本）优势。 叙事的变焦镜头正从宏大的算力竞赛，拉近到数据中心那冰冷的兆瓦级供电接口上。当 Megawatt 级别的电力供应取代 GPU 订单成为新的扩产瓶颈，Meta 的这份协议便显露出其深邃的「生态防御」属性。锁定芯片供应只是第一步，更核心的是在资源极度稀缺的背景下，确保自身的算力底座不会因供应链波动或政策不确定性而停摆。 这种大厂间的垂直权力转移，正将 AI 产业推向一个哲学层面的终局考量：当算法的边际效益开始递减，计算资源的冗余度与成本控制力，是否会取代模型参数，成为决定数字文明版图的终极资产？Meta 与 AMD 的这一纸契约，或许正是超算时代最昂贵的一份安全感协议。