昨天 Gemini 更新了！ 新增了 Gemini 3.5 Flash 模型，我還沒用多久感受不到差異，只希望降智的問題可以少點。之前的簡直快變人工智障，給個任務就跑出個： "我只是個語言模型，無法做到這件事"這是搞笑嗎😐？ 而且Gem 有時候也不依照指示運作，整個氣死人 比較有亮點的是本次 Gemini Spark 。據說是 google 版本的龍蝦，24 小時不間斷的個人助理。顯然 agent 浪潮也才剛開始，是兵家必爭的版圖。目前還沒上線到時再看看吧。 然後是用量限制，過去系統只計算你發送了幾次訊息，現在系統改為即時計算該次對話扣除算力％，評估維度包含： 1⃣prompt複雜度： 大量code、長文本，消耗算力較高 2⃣上下文長度：累積的對話越來越長，每次互動需要重新讀取的 Token 越多，算力消耗就越快。 3⃣進階功能：用 Deep Research、Pro 模型，或是生成高畫質圖像時，算力會被加速扣除。 採用5 小時滾動重設 + 每周上限。簡單來說就是採用 claude 那套，繼 github copilot 後又一個抄作業的 其實吧我個人最滿意的是這次的 ui 更新。手機版和電腦版的都挺舒服的🥰 雖然 gemini 最近一直被噴降智，但奈何人家有強大的生態護城河啊。這可是從網路時代一路打下來的龐大江山，背後有礦就是任性 #ai# #gemini#

這絕對是個大工程。能把這種跨越幾百萬年的宏大敘事撐滿兩個小時，沒點耐性真做不出來。 這類影片看下來，最讓人震撼的通常不是資訊量，而是那種「視覺上的跨越感」。你想想，畫面從幾百萬年前在樹上晃蕩的古猿，鏡頭一轉，變成在草原上直立行走、眼神開始有了神采的原始人。接著是火光的亮起、石器的打磨，再到後來古埃及、美索不達米亞的黃沙與神廟，最後一路飆到現代的霓虹燈和未來的星際探索。這中間的視覺張力，光是用腦袋想像就夠起雞皮疙瘩了。 不過，要用 Seedance 2.0 熬出這兩個小時，背後的工作量其實挺考驗人的。 多模態的優勢與代價 Seedance 2.0 厲害的地方在於它那種 「多模態控制」，你可以餵給它圖片、分鏡，甚至塞一段現成的視頻去讓它學習運鏡。做這種歷史迭代的影片，最怕的就是前後畫風崩掉，前一秒還是寫實史詩風，後一秒突然變成廉價 3D 動畫。作者大概用了大量的角色與場景參考圖，去死磕那種歷史的厚重感和前後的一致性。 而且它自帶音效同步，原始人打砸石器的撞擊聲、遠古暴風雨的咆哮，這種環境音要是合得好，史詩感立刻翻倍。 兩個小時是怎麼拼出來的？ 雖然這模型比以前進步很多，但它單次輸出的片長畢竟有限，也就十幾秒。這意味著，兩個小時的成片是由成百上千個鏡頭硬生生拼接出來的。 • 工作流的考驗： 作者得先把劇本和時間線拉好，古猿、南方古猿、直立人、智人、農業革命、工業革命……每一階段都要瘋狂生成素材。 • 墊圖與墊片： 為了讓轉場順暢，可能用了大量的 Image-to-Video 或者 Video-to-Video。比如用前一個時代的結尾畫面當作下一段的起點，或者指定運鏡讓鏡頭從遠古的星空拉下來，變成現代的夜景。 • 後期剪輯： AI 把畫面生出來只是第一步，後面還得靠傳統剪輯軟體去調色、對軌、加上轉場和旁白，不然單靠 AI 生出來的片段直出，節奏很容易散掉。 這種影片看著看著，真的會讓人有一種「人類好渺小、但文明又好神奇」的宿命感。你看過最震撼的是哪一個歷史階段的轉場？還是說，你對它最後預測的「未來進化」部分更有興趣？

Anoma（$XAN）昨日最高漲超50% 但我覺得還是被嚴重低估了， 因為 @anoma 想做的遠不只是公鏈這一層次的事了， 人家想做的是凌駕於公鏈之上用意圖建構一個去中心化的os系統， 這敘事已經遠遠超越它現在的估值 而且它的技術非常全面 不僅涉及隱私、還涉及互通性 Anoma 想解決的是 使用者的意圖，怎麼在不同鏈、不同協定之間，自動找到最優路徑完成。 你不需要知道自己在用哪一條鏈， 不需要管 gas 用什麼付， 不需要手動選路由—— 你只需要表達你想要什麼，系統替你搞定。 這不是一條新公鏈， 這是一套運行在所有鏈之上的意圖作業系統。 如果這個願景實現， 公鍊是底層硬件，Anoma 才是使用者真正互動的那一層。 就像你用手機不會在意晶片是誰做的， 你只會記得作業系統叫什麼。

《從最新 13F 看頂尖投資人的共同下注：AI 不是答案，稀缺性才是》 Berkshire、Bridgewater、Tiger Global、Druckenmiller、李祿、段永平、Ackman 的動作看似分歧，但用第一性原理拆開，會發現他們其實都在圍繞同一件事配置：未來現金流最確定、競爭位置最稀缺、且能把 AI 時代需求轉化為高回報資本的公司。 13F 不能當即時訊號，但能看資本方向 13F 是延遲 45 天的持倉快照，不代表今天還持有，也看不到完整空單、現金和海外持倉。所以它不是抄作業工具，而是觀察頂尖資金思考框架的材料。 」 第一性原理 股票長期價值只來自三件事： 1. 未來自由現金流 2. 能否長期防守這些現金流 3. 買入價格是否合理 AI 只是技術變數，不是投資答案。投資答案要落到：誰擁有算力瓶頸？誰擁有分發入口？誰擁有資料和定價權？誰能把資本支出轉成高 ROIC？ 第一個共識，AI 基建鏈 這一季最明顯的共同方向，是 AI 基建。 Bridgewater 加碼 TSM、AVGO、MU、NVDA； Tiger Global 加碼 TSM、NVDA、AMAT、AVGO；Druckenmiller 也新增/加碼 AVGO、STM，並保留 TSM。 段永平最新可見持倉中，也大幅提高 NVDA、TSM、MSFT 的權重。 這裡的邏輯很簡單：如果 AI 需求繼續增長，最先被驗證的不是哪個應用最終勝出，而是整個產業都需要更多晶片、代工、記憶體、網路與電力效率。 第二個共識，平台股仍重要，但分歧加大** 大型平台股不是被拋棄，而是進入分化。 Berkshire 大幅加碼 Alphabet，李祿也把 Alphabet 放在極高權重；但 Ackman 幾乎賣出 Alphabet，轉去買 Microsoft；Druckenmiller 則退出 GOOGL、減碼 Amazon。 這代表市場不是否定平台股，而是在重新評估：誰能把 AI 投入變成真實現金流？ Google 有搜尋、YouTube、雲端和 Gemini 生態；Microsoft 有 Azure、Office、OpenAI 關係和企業分發；Amazon 有 AWS 和電商現金流；Meta 有廣告分發和 AI 推薦效率。 大家都知道平台重要，但對哪個平台的邊際回報最高，答案並不一致。 第三個共識，低估的中國平台仍被少數高手買入** 李祿重倉 PDD，段永平也加碼 PDD，同時仍持有 Alibaba。這說明中國平台沒有被全部放棄，而是被高度選擇性地買入。 中國平台公司的問題不是商業模式失效，而是折價過重：政策風險、地緣風險、消費信心和資本市場信任度，都壓低了估值。 但如果一家公司仍有高 ROIC、強現金流、低估值和長期競爭優勢，那它就會進入深度價值投資人的視野。 三位關鍵人物 段永平的組合仍以 Apple 和 Berkshire 為核心，但增量資金明顯偏向 AI 基建和中國平台。他買的不是短期熱點，而是強產品、強生態和長需求。 Druckenmiller 則代表另一種訊號。他不是長期抱死，而是宏觀輪動。他加碼 Natera、YPF、AVGO、STM，退出 GOOGL，減碼 Amazon。這說明 AI 基建仍有吸引力，但大型平台股要更挑位置與估值。 李祿最集中，也最像 Munger 系投資人。他重倉 Alphabet、PDD、Berkshire，同時新買 Moody’s、S&P Global、MSCI 這類資料與金融基礎設施公司。這些公司本質上是資訊收費站。 真正的結論 這些頂尖投資人的共同下注，不是「AI 會漲」，而是： 縮減投資數量,提⾼集中度。 重壓關鍵節點:算力瓶頸、平台入口為主!

最近跟一位在圈內闖蕩多年、已經財富自由的朋友交流。 她提出一個非常有意思的洞察： 「現在的錢，已經沒有以前那麼好用了。」 為什麼？ 因為在高度工業化的現代，過去王公貴族才能享受的生活品質，現在平民老百姓都觸手可及。 這位朋友提出了一個經典例子：Jeff Bezos 拿的 iPhone，跟普通人拿的 iPhone 沒有任何差別。即便你再有錢，你也買不到一台比 iPhone 領先 50 年的通訊設備，因為技術邊界就在那裡。 我仔細想想，好像真的是這樣。 在清末，慈禧太后用的馬桶是檀香木刻、鋪著綢緞與香料的「官盆」，而平民用的是簡陋的茅坑，兩者有著天壤之別。但在今天，你家裡的馬桶跟首富家裡的，本質上已無代差。即便多花了幾十倍的錢，頂多也就是多了免治功能或自動掀蓋——在最基本的生理尊嚴上，現代工業已經抹平了階級的鴻溝。 這代表財富在「物質功能」上的邊際效應遞減得極快： 食： 財富自由的人吃一頓米其林三星，跟你吃一頓精緻料理的飽足感與美味落差，已不再是天壤之別。 衣： 頂級訂製西裝與優質成衣的差距，比起百年前的絲綢與粗麻，視覺上的階級感大幅縮小。 行： 頭等艙與經濟艙雖然舒適度有差，但抵達目的地的時間是一樣的。 如果第一個 100 萬美金帶給你的邊際效用是 10（它解決了安全感與基本自由）； 那麼第二個 100 萬美金，效用可能就遞減到 5； 到了第三個，效用可能只剩下 1。 這個效用遞減函數不是線性的，而是斷崖式的（Cliff）。 這位朋友說，她見過不少人白手起家，資產從 A6 翻到 A9，又從 A9 跌回 A6（單位是美元）。 很多人財富增加了，心態卻仍停留在 Degen 慣性。簡單來說，就是賭上癮了。 他們成了數字的囚徒，為了追逐帳面上更高的收益，在錯誤的時間點重倉豪賭，冒著 100% 返貧的風險，去換取那早已遞減到幾乎為零的邊際效用。 我跟她也有類似的觀察。或許是華人基因裡帶有上一代的苦難記憶，我們普遍對金錢有一種深層的恐懼感，喜歡囤積數字、喜歡攀比。這種「匱乏感」就像是一種基因病毒，代代相傳。 即便我們已經生活在物質過剩的時代，腦袋裡的作業系統卻還停留在「飢荒模式」。我們習慣用資產的數字來填補內心的不安全感，卻忘了問自己：當邊際效應已經進入斷崖區，繼續透支生命去交換那些多出的數字，代價究竟是什麼？ 如果你觀察那些在幣圈起伏、最終卻無法守住財富的人，你會發現，他們追求的往往不是「更好的生活」，而是「贏過別人的感覺」。 他們買超跑、買名牌，本質上不是為了自己爽，而是買給別人看的。 試想一下，如果你住在一個無人島上，你會想開一輛藍寶堅尼嗎？上下車得彎腰、椅子難坐得要死，進出車庫還怕刮到底盤。在沒有觀眾的地方，這些財富象徵反而是一種累贅。 有趣的是，這種「優越感」完全是比較出來的結果。再做另一個思想實驗：如果你住的不是無人島，而是所有人都開藍寶堅尼的小島，你還會想開它嗎？應該也不會，因為當超跑變成標配，它就失去了炫耀的價值。 這種對「優越感」的追逐，本質上是一場永無止盡的西西弗斯推石遊戲。 優越感不是來自於你「擁有的多」，而是來自於你「比別人多」。這意味著你的幸福感並非建立在自己的基座上，而是漂浮在別人的目光裡。一旦進入更高階層的圈子，原有的優越感會瞬間崩塌，迫使你投入更多的人生預算去換取下一個階梯的虛榮。 這正是為什麼有些資產 A9 的人依然活得像個飢餓的囚徒。因為在優越感的金字塔中，永遠有比你位居更高處的人。 真正通透的人生，是把自主權從別人的眼光奪回到自己手裡。 這意味著你清楚知道自己需要多少物質就能抵達「舒適」的邊界，而邊界之外的每一分精力，你都選擇用來餵養自己的靈魂，而不是用來滿足無止盡的攀比。 真正的自由，並非擁有買下一切的權力，而是擁有一種「即便不參與這場遊戲，也不覺得自己輸給任何人」的底氣。 當你不再是數字的囚徒，也不再是別人的對照組，你終於能在這擁擠的世界裡，找到一個最讓自己舒服的坐姿。 就像風清揚傳授獨孤九劍時，對令狐沖說的那句：「根本無招，如何可破？」 如果說人生也有獨孤九劍，那麼破除一切煩惱的招式，就是放下心中的比較心——「根本無人，何必去贏？」

【補貼公用】日本財務大臣片山皋月：將動用儲備資金用於部分補充預算 日本財務大臣片山皋月（圖）表示，政府將從今年的年度預算儲備資金中動用約32億美元，作為補貼公用事業的部分補充預算資金。她表示，關於7月至9月的電力和燃氣價格，政府決定撥出5135億日圓作為資金來源。

誰先讓企業的日常工作流在自家 AI 上運轉，誰就贏得了下一個十年 當前 OpenAI , Anthropic 才剛開始打企業戰 , 市場應該也還沒有完全反應導入比例大幅上升後的產值 讓我們看看當前各個產業的採用比率 當前採用率超過 50% 的其實只有 - 科技/軟體 - 航太/ 國防 - 金融服務 - 製造業 - 電信 - 醫療健康 - 零售/電商 - 媒體娛樂 - 其他專業服務 為什麼 AI 賽道當前依然看不到上限, 即使 claude 當前的方案已經是我自己有一個、加上團隊版有一個, 還是常常會遇到 單一 session 用量打到上限的問題 多帳號的一個問題是, 很多 context 沒有辦法整合, 所以如果我常用不同版本的 claude 在完成一系列的操作時（不同賽道的分析 , 或是不同產品的研究）, 在遇到上限、同時有 deadline 的需求時, 還是得乖乖付費 😅 我認為既然個人戶, 小團隊都會遇到這樣的問題, 大組織肯定也是, 且消費潛力更高, 企業肯定傾向先買斷一定額度的費用, 以 「token 用不完」的這個前提把未來 AI 這一部分的花費給認列 近期有關 Anthropic 最大的新聞是跟 SpaceX 的合作 xAI 旗下的 Colossus 1 數據中心（300 MW 容量）將開放給 Anthropic 使用，直接提升 Claude Pro 與 Claude Max 訂閱用戶的 token 配額，雖然此容量遠不及與 Google 簽下的雲端算力合約（5GW 級別） 只能說 Anthropic 的多角化佈局越來越強了，Anthropic 創辦人 @DanielaAmodei 近期也表示：AI 同事時代正式開始，企業採用的速度將會大幅上升 OpenAI 部分：自從 GPT-5.5 推出之後開始出現轉機，OpenAI 正在將 Codex 打造成企業的「AI 員工作業系統」。 「95% 的 OpenAI 內部工程師每天運行 10–20 個 Codex agent」 對於市場預期，看似大家更喜歡 GPT-5.5 更勝 Opus 4.7 （或許是因為大家對 Opus 的預期本來就很高） 💥管顧業的結構式破壞 除此之外也有一些變動動到管顧業的蛋糕 🍰 麥肯錫宣布將引入 AI agents 接管顧問配對業務，公開承認 AI 可以替代其核心內部流程 麥肯錫的做法是用 AI 增強自身，將 AI 作為槓桿使用，前提是顧問本身必須具備 AI 無法替代的判斷力與關係資本 當分析師被 AI 取代、Claude 成為企業的「同事」，企業主對 AI 的依賴度一旦超過某個閾值 AI 公司實際上就成為了新型的「決策基礎設施供應商」影響力遠比傳統管顧公司更深

販毒的黑道常會告誡手下，「不要用自己賣的東西」，我最近找到一個新的例子，芝加哥教師工會的會長，把自己的小孩，送去唸私立學校，拒絕用自己賣的產品。這是很不可思議的虛偽，更暴露出教師工會現在把美國的公立學校弄成什麼樣子。芝加哥的公立學校，是美國數一數二大的學區，但二十年來，學生人數少了近八萬人，教職員卻多了三千人，整體學區預算幾乎加倍，師生比拉這這麼高，資源這麼豐富，教育品質一定好了？沒有，芝加哥公立高中學生達到伊利諾規定的學業水準，只有兩成！州定的標準，已經相當低，還有近八成的芝加哥學生達不到。我有很多芝加哥高中畢業的學生，所以我深受其害，面對這麼多基本算數、識字寫作都有問題的學生，我只能一直放鬆教學內容，連帶影響其它程度好的學生。 公立學校資源一點都不是問題，但工會教師就一直用錢不夠的理由，找到機會就罷工抗議。如果不是家長太過憤怒，讓政治人物害怕，工會原本還要在五一國際勞動節停課，讓學生上街抗議。抗議什麼？名義上是為教師勞動權益，但很多是想拿反川的標語上街。他們要抗議川普是有道理的，芝加哥學區這幾年本地學生巨幅外流，如果不是非法的拉丁裔移民填補了空缺，芝加哥還要少更多的學生，預算還會有更大的問題，所以他們當然要抗議川普抓非法移民。有一個學生告訴我，他的朋友最近經濟發生困難，因為他原本的工作是安置芝加哥的非法移民，拿的是政府經費，結果被川普政府搞到沒有收入。我忍不住問他，你沒有覺得奇怪嗎？我沒沒有說出來的是，幹得好。稅金，就給這些米蟲拿去了。 很多移民來到美國，小孩上學了，就會發現，這國家錢真多。公立學校教室設備一流，公發的電子產品人手一台，學生自由，活潑開放。但時間一長，就發現這是個糞坑，這是個教師工會的社會福利機構。老師經常請假，代課老師只會點名，上課時間很少，管秩序時間很多，老師的精力，都花在處理少數具有破壞性的學生，好的老師不敢管教學生，壞的老師不懂教學，浪費學生時間，再不然就整天講黑命貴、川普種族主義、LGBTQ權益，每日上課時數極短，每年上課天數極少。然後一天到晚道德綁架家長，只有他們懂教育，只有他們最辛苦，只有他們收入最少。但讓我講一個很多人不知道的事，大部份的美國公立學校教師，不用繳Social Security，這個僱主和員工合繳12.4%的稅，老師是不繳的。 工會殘害美國至巨，但要怎麼改革這個問題呢？目前有一個聲音是要在最高法院打官司，禁止教師成立工會。這有法律上的道理，因為如果反拖拉斯的目的是反對商業市場壟斷，那教師工會在實質上也是在就業市場壟斷，同樣是傷害消費者行為。進行這個訟訴也有政治上的道理，因為民主黨和教師工會交相苟且，一個把會費金錢輸送給政黨，一個用政黨控制政府的能力，保證工會的利益。這就是芝加哥教師工會這麼囂張的原因，如果把教師工會判為違法，那是一石二鳥。但也因為這個關係到民主黨的權力掌控能力，所以民主黨一定會誓死而反對。 但更重要的是，我認為把工會廢了，公立學校也救不回來。美國沒有什麼師範學校，普通大學畢業，上個教育學程，滿足州的教師規定，就可以當老師。此前，女性受到歧視，工作機會不多的時候，很多優秀的女性，想要展長才的女生，很多都當了老師，因為那是少數女生能在職場發揮的地方，而因此，美國以前公立學校的品質非常高。但這個壓抑女性的社會問題大致解決了，公立學校的老師也失去了優秀人材的管道。現在在大學唸教育的，通常是其它學門唸不來的學生的最後選擇，有統計說，美國大學的專業裡面，平均智商最低的就是教育系。當然少部份學生是為了理念去唸教育，也很有能力，我常在鄉下來的高中畢業生裡看到這種學生，但他們很快就被丟進一個不需要太認真就可以畢業的環境，很快就向下平均去了。在逆向淘汰的情況下，造成公立學校教師資質越來越差。這一點，就連廢掉教師工會也救不回來。 所以，最好的解決方法，是讓工會徹底把公立教學搞砸，那就會有更多納稅人要求開放教育券的發放，鼓勵私立和特許學校的成立。我們愛荷華州這幾年在共和黨的全面執政下，教育券得到充份實施，私立學校像雨後春筍一樣，紛紛冒出頭，也順帶推倒許多品質江河日下的公立學校。私立學校並不一定好，但有競爭才會有進步，才會想要嚐試教學的新作法，在這個AI改變人類生活的時代，我們更需要這種民間的競爭，來導入AI教學，提高教學品質。因此，我非常支持這些混蛋教師工會的惡搞，越惡搞，越加速公立學校的死亡。

說到搬運，我想分享一個小故事。 幾年前，腦哥在製作 Bitfinex 放貸影片時，特地跑來問我，能不能致敬我當初在 Medium 上發表的那篇文章標題：「用 300 萬創造每月 6 萬被動收入」。他說很喜歡這個文案，想借用這個格式，問我會不會介意。 我當然說不會，儘管拿去用。 當下對腦哥這個舉動印象就很深刻。那時他還只是個小 YouTuber，就算他沒問我，我也覺得無所謂，畢竟文章和影片是完全不同的創作形式，更何況致敬的只是標題而已。 後來他成為中文圈數一數二的 YouTuber，我一點都不意外。 因為會在意內容產權的人，大多都是真正認真的創作者。 我出道至今被抄襲過無數次，本身對抄襲這件事就非常反感。生涯中僅有的兩次公開靠北其他 KOL（包括這一次），都跟搬運有關。 Master 專業黑我已經很多年了，誰都知道他就是想引戰收割流量而已。早年帶單失誤的部分，我早就公開說明過很多次。而且我早就不靠流量賺錢，他繼續臭也完全影響不到我，我是真的懶得理他。 但這次我決定跳出來，是真心對搬運這件事感到憤怒。 圈內真正用心產出的好內容創作者本來就沒剩幾個，剩下這些珍貴的養分，還要被自己人搬運消耗，整個生態只會越來越乾。 在我看來，任何不尊重其他內容創作者的 KOL 都是垃圾，真的沒什麼好說的。 自媒體時代，優質流量就是錢，偷別人的內容就等於偷錢。把別人在 Threads 上嘔心瀝血寫出來的文字，搬到 X 這裡來領老馬的低保，就是純純的垃圾行為。 希望大家以後看到搬運的內容，不要再點讚、不要再轉發，直接檢舉就好。 流量是創作者唯一的回報，給對人，這個圈子才有未來。

日本这次彻底破防了！他们 捂了整整半个世纪、连美国 盟友都不肯松口的半导体核 心绝密，居然被中国用 AI 这 个 “降维打击” 的武器给掀了 个底朝天。 就在 5 月 11 日，上海人工智 能实验室联合国内多所顶尖 高校，突然抛出一个炸翻全 球半导体圈的重磅消息。 依托国产 “书生” 大模型，我 们实现了，KrF 光刻胶树脂 的完全自主创制，而且各项 核心指标均达到国际顶尖水 平。 这事儿有多狠。 这么说吧，光刻胶就像是芯 片制造里的 "特种油墨"，没 有它，再先进的光刻机也只 能当摆设。 而 KrF 光刻胶又是目前全球 用量最大、应用最广的中端 光刻胶，从 28 纳米到 90 纳 米的芯片都离不开它，咱们 平时用的手机、电脑、汽车 里的绝大多数芯片，都是用 这种光刻胶做出来的。 过去半个世纪，这块市场几 乎被日本企业牢牢攥在手 里。 JSR、东京应化、信越化 学、富士胶片这四家日本公 司，加起来拿走了全球 KrF 光刻胶 80% 以上的市场份 额。 更气人的是，他们卖的不是 产品，是 "黑箱"。你花钱买 他们的光刻胶，只能拿到一 瓶液体，至于里面到底是什 么成分、怎么合成的、反应 条件是什么，人家一个字都 不会告诉你。 这就好比你去饭店吃饭，菜 做得特别好吃，但老板死活 不告诉你配方，还说 "你爱吃 不吃，反正全世界就我会 做"。 更过分的是，他们还会根据 你的身份定价，卖给中国企 业的价格往往比卖给其他国 家的贵好几倍。而且一旦国 际形势有个风吹草动，人家 随时可以断供，让你整个芯 片产业都停摆。 以前咱们也不是没想过自己 搞，但实在是太难了。 光刻胶这东西，差一点都不 行。金属杂质含量要控制在 十亿分之一以下，相当于在 一个标准游泳池里不能有超 过一滴水的杂质。分子量分 布稍微有点波动，做出来的 芯片就全是废品。 传统的研发模式就是 "经验试 错"，科研人员要在几千种单 体配比、几百种聚合体系和 无数个反应条件里一个一个 试，一轮实验下来就是好几 个月，有时候辛辛苦苦干了 好几年，可能连门都没摸 着。 日本人就是靠着这种 "笨办 法"，花了三四十年时间，一 点点积累经验，才筑起了这 道技术高墙。 他们以为只要把这个 "黑箱" 捂得严严实实，咱们就永远 也追不上。可他们万万没想 到，咱们根本没走他们的老 路，而是直接开了一条新赛 道 —— 用 AI 来搞科研。 这次上海 AI 实验室搞出来的 这套 "AI 决策 + 自动化合成" 闭环体系，简直就是降维打 击。 以前需要科研人员熬夜做实 验、记数据、分析结果，现 在全交给 AI 和机器了。"书 生" 科学大模型就像是一个超 级大脑，它能在几秒钟内模 拟出几百万种可能的分子结 构和合成路径，精准找到最 有潜力的那几个。 然后自动化合成平台就按照 AI 给出的方案，在全密封的 环境里精准完成所有实验步 骤，从根本上杜绝了人工操 作带来的污染和误差。 结果怎么样呢？咱们不仅成 功合成出了 KrF 光刻胶树 脂，而且关键指标一点都不 比日本的差。 金属杂质含量稳定控制在 10ppb 以下，PDI 指标稳定 在 1.3 以下，这两个都是日 本企业长期把持的核心技术 指标。 更重要的是，研发周期从原 来的几个月缩短到了几天， 成本也降了一大截。 这就相当于日本人花了半个 世纪、用无数次失败堆出来 的 "经验宝库"，被咱们的 AI 用几天时间就给 "抄" 明白 了。 而且 AI 还能不断学习、不断 优化，越用越聪明。 以后再研发更先进的 ArF 光 刻胶甚至 EUV 光刻胶，咱们 也不用再从零开始一点点试 错了，直接让 AI 帮咱们找最 优解就行。 现在厦门恒坤新材已经基于 这套体系完成了树脂适配， 关键性能指标都达到了预 期，接下来就要进入客户端 验证阶段了。 用不了多久，咱们自己生产 的 KrF 光刻胶就能大规模上 市，到时候日本企业再想靠 "黑箱" 垄断市场、漫天要 价，可就没那么容易了。 其实这事儿最有意思的地方 在于，它证明了一个道理： 在 AI 时代，很多传统的技术 壁垒可能会变得不堪一击。 以前那些需要几十年经验积 累才能掌握的 "手艺活"，现 在可能被 AI 在很短的时间内 就破解了。日本人捂了半个 世纪的 "绝密配方"，被咱们 用 AI 几个月就搞定了，这就 是最好的例子。 当然，咱们也不能太骄傲, 这次突破的是 KrF 光刻胶树 脂，更先进的 ArF 和 EUV 光 刻胶还有很长的路要走。但 至少咱们已经找到了正确的 方向，而且走在了世界前 列。 相信用不了多久，咱们就能 在更多的 "卡脖子" 领域实现 突破，让那些曾经看不起我 们的人刮目相看。