逃 （未滿18歲禁止觀看） 昨天載著兩老北上台南，拜訪幾位老朋友，家裡的紛擾，這陣子委屈他們了。 一坤時過去後，雙方約台南火車站，見面自有一番歡喜。 其中一位阿姑回憶5-60年前，當初一起打拼的哥哥姐姐，很多都已經不在了。 著實沒想到竟凋零至此。 而現在自己步履蹣跚不說，晚輩孝敬IP17，砂鍋般的字體加粗加黑，還是看不清楚。 連撥個電話都有困難。 車站雖然還是一樣的車站，但碩果僅存的幾位，當真是見一次、少一次。 真正意義上的後會無期。 . 5-60年前的古都台南，其繁華程度早已不下台北，但她們仍決定北上打拼。 想當初，她們同樣很不屑家裡務農的老人家，思想古板、脾氣還挺大。 永遠都認為田裡面的秧苗、菜苗，比書上的知識更為重要。 難怪總聽人說，農工的小孩大概率也是農工。吃不飽，還談什麼讀書增加競爭力。 在家裡越呆越不開心、戾氣越來越重。 那就逃吧。 . 眼睛一眨，一個甲子過去了，物質充盈不虞匱乏。換現在的年輕人，不屑阿公阿嬤了。 雖然不是被時代遺棄，但跟不上潮流腳步，卻也遭受排擠。 人道即天道，人道排斥你，天厭之。 慢慢地衰老程度日漸加快，每天都在回憶過往，遲暮英雄論當年。 ========================= 人的眼光往往很狹隘，一個相對落後的原始聚落，最多儲存過冬的食物。 而文明的城鎮，會試著將食物做成罐頭。 打個炮，一時激情內射到滿出來，孩子怎麼過生活，生下來再討論，完全沒規劃以後。 放到現在，早早吃個藥就沒事；而當年，躺上去張開雙腿，能不能活下來都兩說。 追求肉體上的歡愉，古代跟現代並無二致。 一位阿姑年輕時傷到身體了，之後人工寶寶花了不知多少，最後總算得償所望。 吃素還願迄今，明明年紀比老爹小，但看起來卻遠比老爹還蒼老。 狹隘的學識經歷，導致自己在錯誤的路上，一路狂奔不回頭。 老人家務農看天吃飯，自己又何嘗不是為了一時歡愉，將最終結果交給天意。 ========================== 不滿枯燥乏味的生活，逃了。 厭倦繁華熱鬧的生活，逃了。 在逃離的路上，有人原本只是暫時離開，但卻永久掉隊，一分手即成訣別。 種種意外無常，總會遇到逃不掉的狀況。 都是自己選擇的路，倖存者偏差將極少數的成功案例，無限放大。 花了無數代價終於看懂，最終捨棄繁華，乖乖回家自投羅網。 ========================= 暫時逃離家中紛擾，去了一趟新竹，照片是跟可可的合照。 沒想到她除了外型，手藝也同樣令人驚艷。 好好吃的蝦子，肉質細嫩Q彈，還沒開回高雄就吃光了。😆 另外，8964新增北部三位（小帳限定），台南有一位還在等資料。 同樣是台南台北，真巧。😌😌

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？」

所有人都在买GPU和存储。没有人告诉你光模块公司的总市值比美光还低 我想从一个反常识的问题开始：GPU是AI的大脑，存储是AI的记忆。那光是什么？光是AI的神经系统。但神经系统从来不是最先被注意到的。存储已经涨了10倍，GPU更不用说。光的时代，刚刚开始。 1. 先说一个结构性的错误定价 在Nvidia的NVL72机架里，光模块的采购金额占到整个机架的20%。2026年全球AI光收发器市场规模预计从2025年的$165亿增长到$260亿，同比增速超过57%——这是半导体赛道里增速最快的子领域之一。 但所有光模块公司的总市值，比美光一家还低。这个错误会被纠正。问题只是什么时候。 2. 光和存储不一样的地方 存储的接力是季度级别的事件——供需拐点，财报超预期，市场重新定价，SNDK从$200涨到$900，这个过程很快。光的接力是年级别的结构性变迁，因为光的技术路线本身正在发生一次范式转移： 第一阶段（现在）：可插拔光模块 800G → 1.6T → 3.2T 线性增长，随数据中心扩张 第二阶段（2026下半年）：近封装光学NPO 光模块移向芯片旁边 需求非线性跳升 第三阶段（2027-2028）：共封装光学CPO 光引擎直接封装进芯片 这是终局，也是最大的价值重构 Meta在OFC 2026分享了大量数据，证明CPO比可插拔光收发器更可靠，成本更低，功耗更少。Nvidia在GTC展示了CPO将在2027/28年用于Scale-Up互连。5年内所有AI数据中心互连都将是光。 这不是预测，是物理定律。铜在高速率下信号损耗太大，功耗太高，距离太短。光没有这些问题。 3. 光在吃铜，不只是光吃光 生成式AI集群需要比传统云服务多10到100倍的光纤，正在把现有铜互连逼到物理极限。 这是大多数人没想到的逻辑——光的增长不只来自数据中心规模的扩大，还来自光替代铜的渗透率提升。每一代迭代，光吃掉更多铜的市场。这是双重驱动，不是单一驱动。 4. 产业链七个卡位，从上游到下游 现在我来把整条产业链拆清楚。 七个公司，覆盖从最上游的衬底到最下游的网络设备。 🔬 最上游：硅光衬底 $SOI 做的是硅光PIC的衬底材料——整个产业链最上游的原材料。没有SOI的衬底，硅光芯片就没有基础。护城河极高，几乎没有竞争对手能短期内介入。和TSEM形成上下游绑定：SOI提供衬底，TSEM代工成芯片。 🏭 代工层：硅光晶圆厂 $TSEM（Tower Semiconductor）硅光版本的台积电。 今天刚刚发生的重大事件： TSEM宣布签署$13亿的2027年硅光合同，收到$2.9亿产能预付款，2028年还有更大合同在谈判中。计划资本支出$9.2亿专门用于硅光扩产，Q2营收指引$4.55亿同比增22%。 TSEM最聪明的地方在于：它不赌哪条技术路线赢。 可插拔、NPO、CPO，三条路线都用TSEM代工。就算市场对技术路线判断错了，TSEM依然受益。这是光通讯产业链里确定性最高的picks-and-shovels。 💡 激光器层：光的心脏 光模块的核心是激光器。没有激光器，光模块什么都不是。 激光器分两条技术路线： 磷化铟（InP）路线——$LITE（Lumentum） LITE是目前唯一能量产200G每lane EML激光器的供应商，是1.6T收发器的关键零件。Nvidia预先锁定了LITE的EML产能，推迟交货期超过2027年。 Nvidia向LITE投资$20亿，用于加速AI基础设施光学技术。LITE CEO称2026年是激光器芯片销售的"突破年"，刚收到历史上最大的CPO超高功率激光器采购承诺。 LITE的护城河是时间积累的——InP激光器的制造需要极其精密的工艺，20年积累的经验是任何竞争对手短期无法复制的。而且LITE不只押注现在：EML是可插拔时代的命门，ELS外置激光器是CPO时代的命门，OCS光路交换机是未来AI集群的光学路由器。 三个产品线覆盖了光通讯从现在到2030年的完整需求。 硅光（SiPho）激光器路线——$SIVE（Sivers Semiconductors） Sivers专注于CPO系统的高性能InP激光阵列，Jabil合作是第一个商业验证信号，证明技术正在从研究走向真实超大规模部署。 SIVE不是要打败LITE，而是作为CPO时代激光器供应链里的补充供应商——当LITE和COHR产能不足时，SIVE是下一个选项。整个CPO产业的激光器供应严重短缺，补充供应商的价值会被重新定价。 🔭 光学系统层：从组件到整合 $COHR（Coherent Corp） COHR最新Q3财报：营收$18.1亿同比增21%，数据中心和通信板块$14亿，同比增40%。Nvidia同样投资$20亿入股COHR。COHR是整个光通讯赛道里垂直整合程度最高的公司。从InP晶圆到激光器到光模块到系统，全部自己做。COHR正在扩大6英寸InP晶圆产能，这是推动毛利率持续提升的核心驱动力——规模越大，每片晶圆的成本越低，利润越高。 LITE和COHR的关系是竞争者也是互补者： LITE：激光器专家，EML垄断，聚焦 COHR：光学系统整合商，体量更大，更全面 🏗️ 物理基础设施层：光纤和连接 $GLW（Corning） Corning是光通讯产业链里最让人意外的标的——一家成立于1851年的玻璃公司，正在成为AI基础设施的核心受益者。 Q1 2026光学通信业务增长36%，分部净利润增长93%。2028年营收目标$300亿，2030年$400亿，内含年化增速19%。两个额外的超大规模云厂商签署了长期协议。 Nvidia命名Corning为下一代AI基础设施光连接合作伙伴，投资$5亿+最高$32亿股权，在美国建三座专属光学工厂。 Corning做的是光纤、线缆和连接器——不是最性感的产品，但是不可或缺的基础设施。 城市要运转，不只需要主干道，还需要所有的小路、接头、路牌。 Corning做的就是光通讯世界里的所有"小路和接头"。 而且这些"小路和接头"是消耗品——每建一个数据中心都需要，每升级一个机架都需要。 📡 网络层：AI时代的网络基础设施 $NOK（Nokia） Nokia是这七个标的里最被市场误解的。大多数人还在用"翻盖手机公司"的眼光看Nokia。 Nokia 2026营收预期同比增长7.5%，EPS增长21.2%，光网络业务增速20%，AI和云业务增速49%，单季度新增€10亿AI和云订单。 Nokia做的是什么？ 光传输网络（OTN）——把数据中心之间用光连接起来的骨干网络。这是Scale-Across的核心基础设施。 Nokia的第六代超相干光学技术PSE-6s，是目前全球少数能实现800G甚至1.2T长距离光传输的技术之一。 Nokia收购Infinera之后，从"转卖别人芯片的公司"升级为"拥有自己光芯片工厂的公司"——同样的技术路线，市场给LITE估值66.5倍，给COHR估值35倍，Nokia只有30.8倍Forward PE。 这个估值差距是最大的错误定价之一。 七个标的的完整产业链图 最上游 SOI（硅光衬底） ↓ TSEM（硅光代工） ↓ 激光器层 LITE（InP EML，可插拔+CPO） COHR（垂直整合，光学系统） SIVE（CPO激光阵列，高赔率） ↓ 物理基础设施 GLW（光纤、线缆、连接器） ↓ 网络层 NOK（光传输网络，骨干连接） 每一层都有自己不可替代的护城河。 每一层都在受益于同一个趋势。 6. 为什么是现在？ 2026到2027年是在1.6T供应链建立立足点的关键时期，在一线客户的设计导入将决定长期赢家。现在是design-in阶段——产品正在被超大规模客户选中和锁定。等量产阶段到来，市场才会充分定价这些公司的价值。 在design-in阶段买入，等量产阶段收获——这是光通讯投资最好的时机。 7. 仓位逻辑 高确定性（重仓）： TSEM → 今天$13亿合同，产业链里最硬的催化剂 LITE → EML垄断+Nvidia锁定，现在到2028年都受益 COHR → 垂直整合，体量最大，Nvidia $20亿入股 中等确定性（配置）： GLW → Nvidia直接合作，物理基建不可或缺 NOK → 最被低估的估值，但故事兑现需要更多时间 高赔率（小仓位）： SOI → 和TSEM绑定，护城河高但流动性低 SIVE → CPO时代的纯粹赌注 8. 光会接力存储吗？ 会。但不一样的方式。存储的接力是一次性的价格重估——供需拐点到来，几个季度内完成定价。 光的接力是分阶段的持续重估—— 2026年：可插拔1.6T带来第一波 2027年：CPO开始量产带来第二波 2028年：Scale-Up全面光化带来第三波 三波叠加，才是光通讯超级周期的全貌。存储让你在一年内赚了10倍。光可能让你在三年内赚同样多，但过程更平稳，确定性更高。 最后一句话 光通讯不是一个新故事，是一个被重新发现的旧故事。 光纤已经存在几十年了，但AI让这个故事的量级发生了质变。每当数据中心需要更高密度、更低功耗、更远距离的连接时，答案永远是光。 #光通讯# #TSEM# #LITE# #COHR# #GLW# #NOK# #SOI# #SIVE# #CPO# #硅光# #光模块# #AI基建# #数据中心# #存储接力# #Nvidia# #美股# #USStocks# #SiliconPhotonics# #CoPackagedOptics# #EML# #光互连# #AIInfrastructure# #光纤# #Nokia# #Corning# #Coherent# #Lumentum#

英伟达与高通猝不及防，中 国车企自研芯片纷纷登场！ 当英伟达CEO黄仁勋在CES 2025上自信地宣布"自动驾驶 汽车已经到来"时，他可能没 有意识到，他口中那些"必须 使用自动驾驶技术"的汽车公 司，正悄然将他从核心供应 商的名单上划掉。同样，高 通CEO安蒙或许也没想到， 那个在汽车座舱芯片市场占 据70%份额的巨头，在智能 驾驶领域正遭遇中国车企的 集体"叛逃"。一场由中国车企 主导的自研芯片浪潮，正在 改写全球汽车半导体的权力 版图。 01 从"买买买"到"造造造"：中国 车企的芯片觉醒 时间回到几年前，英伟达的 Orin系列还是中国高端智驾 市场的绝对王者。小米 SU7、理想L系列、极氪001 等明星车型，无不以搭载双 Orin X芯片（508 TOPS算 力）作为智能化卖点。高通 则凭借骁龙8295座舱芯片， 几乎垄断了智能座舱市场。 彼时，英伟达Orin-X单一型 号即占据中国智驾域控芯片 约45%的装机量，高通在座 舱领域的统治力更是无人能 及。 然而，转折来得比想象中更 快。2025年，中国车企自研 智驾芯片进入规模化量产元 年：小鹏的"图灵"AI芯片在二 季度量产上车，蔚来ET9搭 载自研的5nm"神玑 NX9031"芯片交付，吉利旗 下芯擎科技的"星辰一号"7nm 芯片也实现量产。甚至连一 向在智能化上"慢半拍"的比亚 迪，也在2024年启动了自研 芯片项目，推出4nm制程的 BYD 9000座舱芯片。 这场自研浪潮的导火索，首 先是成本。> 蔚来创始人李 斌曾算过一笔账：自研芯片 后，"一年可以少花几十亿人 民币采购英伟达的芯片"。小 鹏汽车为研发图灵芯片耗资 超百亿元，历时五年，其间 甚至因架构错误赔偿数亿元 推倒重来。何小鹏坦言，虽 然投入巨大，但自研芯片在 BOM成本上每颗可节约约 1200元，大规模出货后将显 著优化整车成本结构。 更深层的动机，是对技术自 主权的渴望。英伟达和高通 的芯片本质是"通用平台"，车 企只能在其框架内做算法适 配，大量算力被闲置。而小 鹏的图灵芯片专为AI大模型 设计，算力利用率比通用芯 片提升20%，最高支持本地 运行300亿参数的大模型。蔚 来神玑NX9031采用5nm工 艺，拥有500亿晶体管规模， 官方宣称"一颗抵四颗Orin"。 这种软硬件深度耦合带来的 效率提升，是外采芯片无法 比拟的。 02 英伟达的"Thor焦虑"与高通 的"融合困境" 面对中国车企的集体转向， 英伟达并非没有准备。其新 一代Thor芯片将算力天花板 推至2000 TOPS，试图以绝 对性能优势巩固地位。然 而，Thor芯片的量产时间多 次延期，引发部分车企转向 自研或国产方案。更致命的 是，Thor的"黑盒属性"让车企 担忧——一旦深度绑定英伟达 生态，未来的算法迭代将受 制于其技术路线。 英伟达汽车业务的增长"失 速"已现端倪。虽然其在AI算 力上的技术积淀短期内仍不 可替代，但市场份额的下滑 趋势明显。2025年下半年， 地平线的征程J6P开始交 付，直接挑战英伟达在 L2++市场的地位；华为昇腾 MDC平台搭载量突破100万 辆，与特斯拉自研FSD并列 成为行业标杆。英伟达在中 国市场的统治力，正从"绝对 垄断"退化为"多元竞争中的一 极"。 高通的情况则更为微妙。它 在座舱芯片市场的优势无人 能撼动，全球超3.5亿辆汽车 搭载骁龙数字底盘，中国市 场覆盖超210款车型。但在智 驾领域，高通走的是"舱驾融 合"差异化路线，主打中低端 车型的成本优化。骁龙8650 智驾芯片算力仅30 TOPS， 与英伟达Orin X的254 TOPS 相去甚远；即便是最新的 Ride Elite至尊版，约720 TOPS的AI算力也未能打开高 端市场。 中国车企的自研策略，恰恰 精准打击了高通的软肋。小 鹏图灵芯片不仅用于智驾， 还能支持智能座舱功能，实 现"一颗芯片管全车"的舱驾融 合。蔚来、吉利也在推进类 似的全融合SoC方案。这意 味着，高通赖以生存的"座舱 优势带动智驾"逻辑，正在被 车企自研的"全域融合"芯片所 颠覆。 03 从"供应商时代"到"战国时 代"：格局重构 2025年的中国智驾芯片市 场，可以用"旧王新贵的战国 时代"来形容。英伟达、高 通、Mobileye等国际巨头， 华为、地平线等本土供应 商，以及小鹏、蔚来、吉利 等车企自研力量，三方势力 交织缠斗。 一个显著的趋势是：车企自 研并非要完全取代供应商， 而是构建"自研+外购"的混合 模式。理想汽车仍在部分车 型上使用英伟达Orin X，但同 时推进自研M100芯片，预计 2026年量产；小米SU7继续 搭载英伟达双Orin X，但业内 传闻其自研的"玄戒O2"芯片 将于明年上车。这种"多条腿 走路"的策略，既保障了供应 链安全，又为技术迭代预留 了空间。 对英伟达和高通而言，真正 的威胁不在于失去某几个客 户，而在于行业规则的改 写。过去，芯片厂商定义算 力标准，车企被动跟随；如 今，车企根据自研算法需求 反向定义芯片架构。端到端 大模型、VLA（视觉-语言-动 作）模型的兴起，让"有效算 力"取代"峰值算力"成为新的 评价标准。英伟达Thor的 2000 TOPS固然耀眼，但如 果无法高效运行车企的特定 模型，不过是数字游戏。 更深远的影响在于生态。小 鹏图灵芯片不仅用于汽车， 还将搭载于AI机器人和飞行 汽车；蔚来神玑芯片未来可 能外供其他车企。一旦车企 自研芯片从"成本中心"转变为 可外供的产品线，英伟达和 高通将面临来自下游客户的 直接竞争。 Synopsys首席执 行官曾预言："更多汽车制造 商将不得不在公司内部构建 芯片开发设计能力。"这一预 言正在中国率先成为现实。 04 未来：开放与封闭的博弈 站在2026年的门槛回望，中 国车企自研芯片的浪潮绝非 一时冲动，而是智能电动汽 车产业成熟的必然结果。当 软件定义汽车成为共识，硬 件必须与算法深度协同；当 数据成为核心资产，算力平 台必须掌握在自己手中。英 伟达和高通或许曾以为，凭 借技术优势和生态壁垒可以 高枕无忧，但他们低估了中 国车企对技术主权的执念， 也高估了"通用平台"在垂直场 景中的不可替代性。 当然，这场变革并非零和博 弈。英伟达的CUDA生态、高 通的连接技术，短期内仍是 行业基础设施。中国车企的 自研芯片，更多是在"增量市 场"中争夺定义权，而非在"存 量市场"中彻底颠覆。但一个 不可否认的事实是：全球汽 车半导体的权力中心，正在 从硅谷向东方转移。 英伟达与高通没想到的，或 许不是中国车企会自研芯片 ——毕竟特斯拉早已做出示范 ——而是这股浪潮来得如此迅 猛、如此决绝。当小鹏 MONA M03的升级版悄然换 上自研图灵芯片，当蔚来 ET9以78.8万元的身价搭载神 玑NX9031驶下生产线，当比 亚迪将自研芯片铺向10万至 20万元的主流市场，一个属 于中国"芯"的时代，已然开 启。 而对于英伟达和高通来说， 最紧迫的问题不再是"如何卖 出更多芯片"，而是"如何在车 企自研的时代找到自己的新 位置"。毕竟，当曾经的客户 变成竞争对手，游戏规则已 经彻底改变。

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。

时报作家Ezra Klein写了一篇专栏，说根据他的采访记录，AI导致大规模失业的情况可能还没有那么严重，坏消息是，严重的问题另有其处： 3月的一份民调显示，70%的美国人认为AI将导致自己的就业机会减少，高于一年前的56%，还有30%的受访者担心即将失业。 这有什么好奇怪的呢？AI公司的老板们一直在频繁发出劳动力市场濒临瓦解的警告： - Anthropic的创始人表示，最快不超过5年，一半的初级白领岗位就会永久消失； - 微软的CEO则声称，大多数文职工作会在18个月以内就被AI完全接管； - OpenAI发布了一份文件，呼吁实行每周32小时工作制，通过降低人类生产力来缓解大规模失业； - 就在NYT的大楼外面，有一家我根本没听过的AI公司包下了巨幅广告牌，上面写着「停止雇佣人类」； 我可真谢谢你们了。 如果你对这轮AI叙事深信不疑，那么毫无疑问投降就是唯一的选择。 AI被设计为可以廉价模仿人类在电脑上所能做到的所有行为，但它从来不需要睡觉，也无意组建工会，而且确实在许多任务上表现得比真人更为出色。 所以公司当然乐于用机器取代人类，它们也已经在这么做了，Meta、Oracle、Block都在努力买断员工工龄，并坦然的把AI写为原因。 不过谨慎一点总是没错的，这些科技公司可能只是处在一轮招聘周期的末尾，同时想对资本市场讲述一个刺激投资人颅内G点的故事，AI行业的大佬们固然是神经网络的专家，但他们未必也是劳动力市场的专家。 首先，宏观数据没有配合AI行业，2026年3月的失业率是4.3%，去年同期是4.2%，平均时薪亦保持稳定。 Claude Code是很牛逼，但软件工程师的岗位需求还在上涨，原因应该不难理解。 主流经济学界也对大规模失业的末日预言持怀疑态度，芝加哥大学的经济学家Alex Imas认为，绝大多数讨论AI的话题都存在误区：「答案始终取决于什么会变得稀缺。」 - 从人类历史来看，卡路里在很长一段时间里是稀缺的，我们的技能都是服务于寻找食物； - 农业的发展逐渐解决了食物短缺的问题，然后就轮到商品变得稀缺； - 工业制造带来了平价商品的海量供给，接着技术变得稀缺了，医生、律师和工程师因为掌握知识而获得高薪； - 现在我们担忧AI会让知识也不再值钱，就像衣服和草莓如今人人都能消费那样，学习的成果也变成了消费品…… 但稀缺本身是相对的，AI可以完成的任务被讨论得太多了，更值得注意的是，有哪些任务是人们不希望AI来做的。 以下是计量经济学的一个发现：人类的财富越多，他们对于其他人类的需求就会越多，而不是越少。 于是，更有人味、体验或者意义的商品和服务，是一定稀缺的，有来路的衣裳、有调性的食物、能面对面的医生、让人感到被理解的理疗师、了解自己孩子的家教……这些社会关系，将会迎来爆发式增长。 是的，AI剥夺了人类和电脑共事的场景，而人类又被赶去和人类共事。 事实证明，自动化程度越高，我们就越珍视人的温度。以咖啡为例，过去在家做浓缩咖啡很费劲，如今咖啡机已经人手一台。 所以这导致咖啡店倒闭了吗？当然没有。咖啡师比以往任何时候都多，咖啡店也比以往任何时候都多。咖啡作为商品反而催生了更多对咖啡体验的需求。 这就是稀缺性所赋予的价值。 好了，这是Alex Imas的结论，在AI的辣手摧花下，人类从事的岗位会进入一个以人性化为标准的时代。但还有一种可能性是，人类劳动力搞不好也不会发生巨大的改变。 1979年，首款电子表格软件VisiCalc在Apple II上发布，它能在几分钟内完成过去需要整组会计师花上好几天时间的工作。 当时就有人预言会计师这个行业要无了，然而，此后40年间会计师的数量反而增长了4倍以上。 亚利桑那州立大学会计学教授Eldar Maksymov认为：「电子表格软件挖出了潜藏于市场里的财务需求，这种需求之前没被发现，只是因为成本没能降到够低。」 这是「杰文斯悖论」的一派主张，1865年，英国经济学家杰文斯发现煤炭并没有因为蒸汽机对于生产率的提升而减少消耗，恰恰相反，因为成本更低廉了，煤炭的应用范围更广泛了。 Eldar Maksymov相信历史的先例，「在大量采用计算机技术的职业群体里，就业增长速度都远超没有采用计算机的职业群体，成本的下跌，对应需求的增长，最终推动就业规模的扩大化。」 简单来说，能力的提升，会让人类意识到还有更多事情可做。 我的经历似乎也验证了这个说法，10年前我刚开始做播客的时候，整个团队只有我一个研究员，现在我已经管理着一整支团队运作节目，而这让我的工作变得更轻松了吗？ 完全没有，我投入准备的精力更繁重了，因为团队带来的信息增量，让我需要消化和思考的时间成倍增长，而我的播客也越做越大了。 我认识的所有热衷于拥抱AI的人，如今都比以前更加忙碌，因为他们能做的事情更多了，不是说好的AI会让大家摆脱工作享受生活吗？ 当然，至于AI到底是提升了生产力，还是制造了提升生产力的假象，结论因人而异： - 慢慢啃完一本难懂的书，远远好于快速吸收十本书的摘要； - 认真通透的写完初稿，也比编辑五个由AI生成的大纲更能激发想法； 我的意思是，效率感本身是值得警惕的，那些把活儿都交给龙虾去做的人我见多了，但说实话，他们的工作质量都是在下降的。 但还是容我岔开话题，沃顿商学院教授Ethan Mollick曾提出过他对AI的基准测试：它是否比你在当下能够找到的最适合的人类更加优秀？ 在他看来，问题不在于AI是否胜过顶级的编辑、程序员、心理医生或是旅行顾问，而是它能否优于你在急需帮助时可以联系到的最佳人选。 我想了一下，过去一年里，我确实觉得AI要比我身边的人更为出色： - 我的编辑很博学，但他需要休息，还得分时间给其他作家； - 我的按摩师也好得没话说，就是一般而言每个星期她只能接待我一次； - 我也能找到专业的医生，但挂号却很麻烦…… 所以或许我已经触及到了被反复警示过的临界点——AI开始有能力取代我生活中的人类角色。 但事实并非如此。AI越是强大，我越是需要和身边的人交流： - AI认为我应该为某个身体症状引起重视，于是我去看了医生，发现只是普通的过敏； - AI对我的个人困境发出锐评，然后促使我和心理医生开始了新的对话； - AI帮我验证了一个研究思路，这成了我和编辑讨论的一个新选题； - AI让视频制作变得轻松了，因此我可以有更多的要求去和剪辑师沟通…… 怎么说呢，尽管我不认为经济完全自动化以及大规模失业浪潮是必然到来的，但也不能完全排除这种概率，AI是一种与以往截然不同的技术，灵活性和成长性帮它超出了工具的范畴。 更可能的情况是，AI不会取代所有或者大部分的工作岗位，而是取代其中一部分，但奇怪的是，恰恰是这种可能性让我们准备不足。 一个AI替代800万劳动力的世界，要比替代8000万劳动力的世界更难应对，如果真的是那种「大的来了」事件上演，全面重组经济反而有机会「不破不立」。 疫情就是一个例证：那场冲击如此彻底，以致于社会不能再像以前那样将工人们的不幸归咎于他们自身，于是只好建立了一套前所未有的补贴体系，让成千上万的人得到保障。 而当失业影响的范围更小，我们反而更为残忍，美国因为全球化流失的岗位大约有200万个，这在整体就业市场里不是太大的数字，但对这200万个具体的家庭来说，却是毁灭性的打击。 如果全国的卡车司机或是营销经理都丢了工作，我们很快就会采取行动，然而如果只是卡车司机或营销经理的失业率翻了3倍，那么我们就会像以前一样，暗示这是他们自己的错，给他们几个月的失业保险和培训机会，然后继续对这种结构化的困境视而不见。 另一个现实是，即便AI让带有深刻关系的技能变得值钱起来，它同时也会削弱人类学会这些技能的本事。 年轻人和朋友相处的时间已经从2003年的12小时/周减少到2024年的5小时/周，谈过恋爱的高中生比例也从2000年的80%骤降至2024年的46%，约1/4的00后在过去一年里没有发生过性行为。 AI也许是这种社交解体现象的帮凶，它提供了一种数字化的关系模拟，不再让人有动力去体验真实关系里的快乐与痛苦。 如果Alex Imas是对的——我相信他是对的——那么我们与他人建立深刻关系的能力，将成为一项核心且高价值的个人资产，而我所担心的，是这恰好也是技术从年轻人身上摧毁的东西。 当我乐观的期待AI时代所能创造的未来时，那幅画面充满富足，人类被鼓励过上追随本心的生活，而当乐观被打碎后，世界仍是如此，区别在于财富被垄断，而我们重视的深刻关系，却早就不知道该如何维系。

2026年普利策 国际报道奖： 美联社：《内部文件显示：硅谷技术助长了中国残酷的大规模拘押与监控体系》 执法记录仪挂在输液架顶端，记录着杨国良躺在病床上的每一次轻微抽动。他在遭警方用砖块殴打后，满身是血、瘫痪在床。 到那时，对中国农村的杨家来说，监控早已不是什么新鲜事。他们被困在一套以美国技术为基础的复杂网络中，这套系统不仅监视他们，还试图预测他们下一步会做什么。 他们的火车票、酒店预订、消费记录、短信和电话都会被转交给政府。他们家周围布满十多个摄像头。过去几年里，他们试图前往北京约20次，但常常还没出发，就有蒙面男子出现并将他们带走。去年，杨的妻子和小女儿被拘押，如今面临审判，罪名是“扰乱国家机关工作秩序”，最高可判十年监禁。 但杨家人说，他们并不是罪犯。他们只是农民，试图请求北京阻止地方官员夺走他们在江苏东部的1.5英亩土地。 “我在自己家里的一举一动都被监视着，”杨国良坐在黑色窗帘后说。那些窗帘是为了挡住警灯直射他家的强光。“他们的监控让我无论在哪里、什么时候都感到不安全。” 在中国各地，数以万计像杨家这样被标记为“麻烦人物”的人，被困在一座数字牢笼中。他们被禁止离开所在省份，有时甚至不能离开自己的家。而这套全球最大的数字监控系统中，大部分技术来自一个长期宣称支持全球自由的国家：美国。 美联社调查发现，在过去四分之一个世纪里，美国科技公司在很大程度上设计并建设了中国的监控国家体系，其在助长人权侵犯方面的作用，比外界此前所知更深。尽管美国国会和媒体曾反复警告这些工具正被用于压制异议、迫害宗教团体和针对少数族群，但这些企业仍向中国警方、政府和监控公司出售了价值数十亿美元的技术。 尤其关键的是，美国监控技术使中国在西部新疆地区开展残酷的大规模拘押行动成为可能。该系统几乎针对、追踪并评估整个维吾尔本地人口，目的在于强制同化和压制他们。 美国公司将“预测性警务”带入中国。这类技术会吸收和分析数据，试图在犯罪、抗议或恐怖袭击发生之前加以预防。 系统会挖掘大量信息，包括短信、电话、支付、航班、视频、DNA采样、邮件投递、互联网记录，甚至水电使用情况，以找出被认定为可疑的人，并预测其行为。但这也使中国警方能够威胁亲友，并在所谓犯罪尚未发生之前就提前拘押相关人员。 例如，美联社发现，中国国防承包商华迪曾与IBM合作，为北京设计名为“金盾工程”的主要警务系统，用于审查互联网，并打击所谓恐怖分子、法轮功宗教团体，甚至被视为“麻烦”的村民。相关依据来自一名举报人带出中国的数千页机密政府蓝图，经美联社核实后首次公开。IBM及其他作出回应的公司均表示，它们过去和现在都完全遵守适用于中国业务的所有法律、制裁和美国出口管制。 在中国各地，监控系统追踪被列入黑名单的“重点人员”，限制并监控他们的行动。 在新疆，管理人员会将人划分为高、中、低风险等级，常常采用100分制评分，蓄胡须、年龄在15至55岁之间，甚至仅仅因为是维吾尔人，都会被扣分。 一些科技公司甚至在营销中直接涉及种族。 2019年，戴尔与一家中国监控公司曾在戴尔官方微信账号上推广一款“军用级”AI笔记本电脑，称其具备“全种族识别”能力。而在今年8月美联社联系之前，生物科技巨头赛默飞世尔科技的网站仍在向中国警方推销DNA试剂盒，称其“专为”中国人群设计，包括“维吾尔族和藏族等少数民族”。 2019年以后，随着新疆暴行引发国际愤怒和制裁，美国技术流入中国的速度明显放缓。但这些技术已经为中国监控体系奠定基础，随后中国企业在此基础上继续发展，并在某些情况下实现替代。直到今天，人们仍担心出售给中国的技术最终会流向何处。 例如，20名前美国官员和国家安全专家在7月底写信批评英伟达向中国出售用于人工智能的H20芯片的交易，其中15%的收入将交给美国政府。他们表示，无论芯片卖给谁，最终都会落入中国军方和情报部门手中。 英伟达表示，公司不制造监控系统或软件，不与中国警方合作，也没有为警务监控设计H20芯片。英伟达曾于2022年在其微信账号上称，中国监控企业银河水滴和GEOAI使用其芯片训练AI巡逻无人机和步态识别系统，但英伟达告诉美联社，这些合作关系已不再继续。白宫和商务部未回应置评请求。 根据网上帖子，赛默飞世尔和硬盘制造商希捷今年仍在会议和展会上向中国警方推广产品。北京街头的警员使用摩托罗拉对讲机。采购文件显示，英伟达和英特尔芯片仍是中国警务系统的关键组成部分。而维护既有IBM、戴尔、惠普、思科、甲骨文和微软软件及设备的合同仍普遍存在，且常通过第三方执行。 十多年前从中国开始的这一切，如今也可被视为其他国家的警示，因为全球范围内监控技术的使用正在急剧上升，包括美国本土。在特朗普政府的鼓励下，美国科技公司比以往更强大，而总统特朗普也撤销了拜登时代一项旨在防止新监控技术侵害公民权利的行政命令。 随着这类技术能力与复杂程度不断提升，它们的覆盖范围也在扩大。如今，监控技术包括用于在美国追踪和拘押移民的AI系统，也包括在以色列—哈马斯战争中识别击杀目标的系统。与此同时，中国利用从美国学到的东西，把自己变成监控超级大国，并将相关技术出售给伊朗、俄罗斯等国家。 美联社此次调查基于一家中国监控公司的数万封泄露邮件和数据库、数万页公司和政府机密文件、公开中文营销材料以及数千份采购文件，其中许多由非营利机构亚洲协会旗下数字杂志ChinaFile提供。 美联社还参考了数十份公开档案申请，并采访了100多名现任和前任中美工程师、高管、专家、官员、管理人员和警察。 尽管这些公司常声称自己不应为产品用途负责，但IBM、戴尔、思科和希捷的营销材料显示，有些企业曾直接将其技术包装为帮助中国警方控制公民的工具。 它们在公开和私下销售话术中引用了中共用于镇压抗议的常用语，如“维稳”“重点人员”和“异常聚集”，并点名提到用于压制异议的项目，如“网警”“雪亮工程”和“金盾工程”。 其他公司，如英特尔、英伟达、甲骨文、赛默飞世尔、摩托罗拉、亚马逊云服务、微软、西部数据、ArcGIS地图软件制造商Esri，以及当时的惠普，也曾明知对象为中国警方或监控公司而出售技术或服务。四名执业律师表示，美联社揭示的这些销售，至少可能违背当时美国出口法的精神，即便不一定违反字面条文；相关公司均否认这一点。 “所有东西都是建立在美国技术之上的，”研究中国警方使用美国技术的德国外交关系委员会研究员Valentin Weber说。“中国当时的能力几乎为零。” IBM、戴尔、思科、英特尔、赛默飞世尔和亚马逊云服务均表示遵守出口管制政策。希捷和西部数据表示遵守其运营所在地所有相关法律法规。 甲骨文、慧与科技，以及2023年收购VMWare和云公司Pivotal的科技集团博通，未作正式评论；惠普、摩托罗拉和华迪未回应；Esri否认参与，但未回应具体案例。微软告诉美联社，在“金盾工程”升级过程中，没有发现其“明知向军方或警方出售技术”的证据。 一些美国公司后来因人权担忧和制裁终止了在中国的合同。例如IBM表示，自2015年以来已禁止向西藏和新疆警方销售产品，并于2019年暂停与国防承包商华迪的业务关系。 但制裁专家指出，相关法律存在重大漏洞，而且常常滞后于新技术发展。例如，1989年天安门事件后美国对中国实施的军警装备出口禁令，并未充分涵盖后来出现的新技术或可用于警务的一般用途产品。 他们还指出，出口管制法律本身非常复杂。堪萨斯大学国际贸易法专家Raj Bhala表示，美联社描述的问题属于“我们会放进考试题里的灰色地带”。 “这会引发对可能不一致、可能违规的担忧，”Bhala说。他强调自己是在泛泛而谈，并非针对任何具体公司。“但我非常强调‘可能’。我们需要知道更多事实。” 尽管德国、日本和韩国企业也发挥了作用，但美国科技公司是迄今为止最大的供应方。 新疆政府在声明中称，其使用监控技术是为了“预防和打击恐怖主义及犯罪活动”，尊重公民隐私和合法权利，并不针对任何特定民族。声明还称西方国家也使用类似技术，并称美国是“真正的监控国家”。中国公安部门以及杨家所在省份的相关机关等其他政府机构未回应置评请求。 这些技术至今仍在支撑控制杨家和其他普通人的警务数据库。根据中国政府统计数据估算，过去十年中至少有5.5万至11万人被置于居住监视之下，还有大量人员在新疆和西藏被限制旅行。 分析人士称，中国城市、道路和乡村布设的摄像头数量已经超过世界其他地区总和，平均每两个人就有一个摄像头。 “因为这些技术……我们完全没有自由，”杨国良的大女儿杨彩英说。她如今流亡日本。“现在承受后果的是我们中国人，但迟早，美国人和其他人也会失去自由。” 1976年，中国刚从文化大革命的混乱暴力中走出，当时四分之三的中国人都是农民，杨家也是如此。他们住在长江三角洲湿润葱郁的田野间，一座由瓦片和夯土建成的三间房子里。 毛泽东去世后，北京新领导人开始向世界开放中国，惠普、IBM等美国科技公司迅速进入。但政府能够接受的改变仍有严格边界。1989年，天安门民主运动震动北京，当局派出坦克和军队向学生开枪。 不久后，北京开始规划“金盾工程”，目标是将中国警务系统数字化。 2001年，“9·11”基地组织袭击极大推动了对监控技术的兴趣。一名研究人员声称，如果当局能通过数据库中的公开信息挖掘劫机者之间的联系，就可能阻止袭击发生。 美国公司从中获利，向美国政府出售了数十亿美元的监控技术，声称这些技术能够预防犯罪和恐怖袭击。 它们也在中国看到了同样的销售机会。研究人员警告说，这类监控技术落入威权国家手中将成为“镇压工具”。然而，IBM、思科、甲骨文和其他美国公司仍拿下了向北京“金盾工程”供货的订单。 “中国以前没有这种东西，”一名前新疆中国警官王某说。他因担心遭报复，只愿透露姓氏。“这些概念全都来自西方。” 很快，中国警方封锁敏感新闻，以令人不安的精准度锁定异议人士。 今年2月一次人权会议上，时任思科律师Katie Shay表示，企业有责任了解客户可能如何将其技术滥用于“监控和审查”。 “很多人遭受了本国政府的伤害，我想承认这种痛苦，”已于6月离开思科的Shay说。“但我也要说，思科否认有关其参与的指控。” 思科告诉美联社，公司致力于人权，但法院中的相关指控可能“打开洪水闸门，使美国企业仅因合法出口现成商品和服务而遭起诉”。 当思科被国会传唤时，IBM正与一家中国国防承包商合作，参与中国“金盾工程”二期建设。 美联社获得的机密政府蓝图显示，2009年，IBM与华迪合作建设预测性警务系统。华迪是中国最大导弹军工承包商旗下的国有子公司，从中国国防部体系中分拆出来。 华迪蓝图写道：“巩固共产党执政地位。”该蓝图显示，数据库将在线追踪数十万人。 回应美联社提问时，IBM将其可能曾与中国政府机构存在的任何关系称为“陈旧过时的互动”。 IBM称，如果旧系统如今被滥用，而IBM并不知道它们被滥用，这种滥用完全超出IBM控制范围，也并非IBM几十年前所能预见，更不能反映今天的IBM。 回到2009年，北京迫切需要这类技术来压制网上集结的批评者，其中就包括杨家。 同年4月，地方当局命令杨家和村里300多户人家离开土地。开发商看中了他们位于湖边的优质地块，计划建设“西式”公寓和别墅，配套喷泉、足球场和购物中心。 杨家当时并不知道警方正在安装能够锁定他们这样的家庭的系统。他们只知道自己的土地被征收了，补偿只是一套五层步梯楼里的房子，对年迈的母亲来说楼梯太多，根本难以上下。 杨家和中国各地许多农民一样开始申诉。 “我发现政府拿走我们土地的方式是违法的，”杨彩英说。“他们骗了我们。” 2009年7月，也就是杨家土地被征收三个月后，中国另一端的新疆爆发骚乱。一名维吾尔人在玩具厂被私刑杀害的血腥图片在网上传播，愤怒的维吾尔人走上街头，数百人死亡。 美国公司再次将自己的技术包装成解决方案。 政府派出军队，切断新疆电话和互联网连接。三名当时为新疆政府工作的工程师告诉美联社，在秘密会议中，官员们得出结论：警方未能发现危险信号，是因为他们无法识别被视为分裂分子、恐怖分子和宗教极端分子的维吾尔人。 工程师称，当时新疆警方和数据系统已经运行在IBM、思科、甲骨文和微软等美国技术之上，美联社通过审查政府合同核实了这一点。但这些数据库彼此没有连接。 于是，新疆启动了一项雄心勃勃的计划，将来自所有可用来源的数据，包括银行、铁路和电话公司，融合到一个中央数据库中。工程师说，官员要求提供所有可疑人员及其三代以内亲属的完整信息。他们描述了自己参与过的具体会议。三人中两人因担心在中国的家人而要求匿名，第三人Nureli Abliz如今在德国。 很快，利润丰厚的合同开始招标。IBM也在争取其中的机会。 IBM向中国官员承诺：“在问题发生之前预防问题。”在2009年8月的一份宣传册中，IBM引用新疆骚乱案例，称其技术可以帮助政府“确保城市安全与稳定”。 IBM高管奔赴中国各地，游说中国官员。2009年12月，他们在北京设立了新的“IBM电子政务创新研究院”。2011年，IBM收购了i2，一款旨在预防“恐怖威胁”的软件。公司宣传i2分析中国社交媒体的能力，并授权一家名为蓝灯软件的上海公司将其出售给中国警方，公司记录显示。 一名举报人提供给美联社的泄露账本显示，中国警方从IBM、思科、甲骨文和微软等公司购买了价值数千万美元的产品，用于升级“金盾工程”警务系统。 在中国国家机器与批评者的对抗中，美国技术使力量天平发生倾斜。 2011年，小偷洗劫了杨家，寻找他们的房产证，但没有找到。 两年后，几名剃光头、身上有纹身、戴金链子的男子砸开他们家门，打碎窗户，掀翻家具，试图逼他们搬走。杨的母亲吓得瘫倒在地。医生诊断她心脏病发作，但杨家没有钱给她装起搏器。 愤怒之下，杨家起诉了当地警方。2015年6月，法官裁定他们的土地被非法征收。杨家为此庆祝。 但判决仅数周后，中国警方通过“金盾工程”技术识别人权律师，在全国范围内给数百人戴上手铐，将他们推进警车。 一名律师后来回忆，警方在抓捕他之前，就已经监控了他在微信上关于人权的消息；他被抓后被铐在椅子上遭受酷刑。 一夜之间，中国刚刚萌芽的维权运动遭到致命打击，杨家的案件也随之瓦解。杨家被叫去，被冷冷告知原判决被推翻，诉讼未经审判即被驳回。 “我们真的太相信法律了，你知道吗？”杨国良握紧拳头说。“结果它一文不值。” 与此同时，北京正在把新疆改造成地球上监控最严密的地方，将约100万人送进营地和监狱。 2014年，习近平访问新疆数小时后，乌鲁木齐火车站发生爆炸。随后习近平要求严厉镇压。 “他非常愤怒，”曾为新疆政府工作的工程师Abliz说。“他们得出的结论是，对维吾尔人的监控还不够严密。” 第二年，2015年4月，Abliz参加了新疆一场闭门展会。前IBM合作伙伴蓝灯软件的展台吸引了他的注意。 蓝灯软件多年作为IBM i2警务监控分析软件在新疆警方的经销商，后来开始自立门户，推广类似i2的软件，声称可以在极端分子惹事前将其拘押。这种相似并非巧合。根据泄露邮件和记录，蓝灯软件的软件复制自i2。 一名蓝灯软件项目经理在邮件中写道：“该平台基于i2开发。” 它使用了i2开发的专有数据可视化系统。该软件支撑了所谓“一体化联合作战平台”（IJOP），并有权触发逮捕。 Abliz整个人僵住了。 “我当时觉得，这是人性的终结，”他说。 蓝灯软件未回应多次置评请求。IBM表示，已于2014年切断与蓝灯软件的关系，并不知道蓝灯软件与新疆公安局之间有任何互动。 2015年秋天，也就是新疆展会数月后，邮件显示，蓝灯软件与新疆警方签订合同。工作人员安装了数百万个摄像头，并连接了7000多个警务站，这些警务站常常相隔只有数百米。近10万名警员被招募来敲门，收集姓名、地址、指纹和面部扫描数据。 工程师告诉美联社，尽管中国硬件更受青睐，但外国软件因性能以及与中国基于美国技术构建的系统兼容，仍不可替代。这包括甲骨文和微软的服务器与数据库软件，以及VMWare的云软件。戴尔于2016年收购了VMWare。 2016年底，镇压开始。内部文件、一份泄露的蓝灯软件副本，以及对16名前新疆警察、官员和工程师的采访，揭示了该系统如何运作。 蓝灯软件将输入中央警务数据库的数据整合起来，为新疆大范围人口建立档案，并打上“去朝觐”“出国留学”等标签。管理人员随后进行问询，计算风险分数，并决定拘押对象。 泄露消息显示，数十万人被标记为“不可信”。泄露文件显示，2017年仅一周内，IJOP就将24412人标记为“可疑”，其中多数人随后被拘押。 “他们认为抓走数千名无辜者，也比放走一个罪犯要好，”Abliz说。 这项技术粗糙且有缺陷。蓝灯软件的邮件显示，工程师曾紧急修复一个软件漏洞，以释放数百名被错误归为高风险的人。一名前新疆警官核查身份证时也发现，监控摄像头经常误认人员。 然而，警员被告知“电脑不会说谎”，IJOP列出的目标“绝对正确”，Abliz说。软件的命令常常被恐惧、无条件地执行。 “科技公司告诉政府，他们的软件是完美的，”Abliz说。“这全是神话。” 全方位监控迫使人们完全服从：警员逮捕同事，邻居互相举报。 2017年5月，现居荷兰的教师Kalbinur Sidik被召到乌鲁木齐一栋黄色砖墙公寓楼里的区政府办公室。一名刚从大学毕业的年轻维吾尔女性起身介绍自己是当地官员。她告诉Sidik，她被任命为所在楼栋的负责人，负责收集邻居信息。 “这些数据会用来做什么？”Sidik问。 那名女子看向电脑，屏幕上运行着蓝灯软件，列着姓名和标签：“夜间外出”“海外电话”“无业”。其中一个按钮格外醒目：“推送警报”。 女子点击按钮，屏幕上出现一串姓名。她解释说，这些人将因涉嫌与恐怖主义有关而被拘押和审讯。Sidik瞪大了眼睛。 “我恨她做的事，”Sidik说。“我知道那些人会消失。” Sidik和另外五名前警员及管理人员说，新疆官员下达了逮捕指标。Sidik惊恐地看着她所在小区每周强制升旗仪式的参与人数，从400人减少到100多人，因为居民不断被逮捕。 在区政府办公室里，她看到屏幕上不断出现这些标识：甲骨文、微软、英特尔。美联社发现，在镇压期间，三家公司的产品都被用于新疆警务和数据系统，同时出现的还有Esri、希捷、西部数据、英伟达、赛默飞世尔以及当时属于戴尔的VMWare。戴尔曾在其网站上宣传与新疆当局合作。 Sidik问当地官员这些东西从哪里来。 “我们花了很多钱进口外国技术，”她回忆对方这样告诉她。 被数字天网捕获的人之一，是新疆一所军医院的哈萨克族药剂师Parida Qabylqai。 2018年2月，Qabylqai因去哈萨克斯坦看望父母而被IJOP标记。起初，她的上司以为这是错误。 “你是个好人，不应该被列进去，”她回忆他说。然后他查了IJOP，看到了她的名字。 “这真的很严重！你会被送进营地的，”他震惊地脱口而出。 一名警官把一份认罪书塞到她手里。 “我做错了什么？”Qabylqai问。 “签字！”警官吼道。 Qabylqai被铐住、蒙头，迅速送往营地。在那里，摄像头日夜监视她，甚至在厕所里窥视她赤裸的身体。守卫通过扬声器吼叫，命令她不准说话，甚至不准动。 “他们对我们做的事，不该发生在任何人身上，”她说。“但他们说我的名字被IJOP列出来了，所以他们不需要解释。” 就连执行这个系统的人也未能幸免。 2018年，新疆公务员刘玉良被命令前往村里一名年轻警察的家。他和几十个人沉默站着，看着这名警察抱住哭泣的怀孕妻子。 这名警察曾把许多人送进营地。后来，他自己也被标记为拘押对象。 刘因恐惧不敢反抗，只能参与逮捕，就像那名年轻警察过去做过的那样。 蓝灯软件会在被标记人员做出任何被系统认定为可疑的行为时提醒警方，例如夜间外出或反复登录互联网。刘被派去敲门，询问那些“眼中充满恐惧”的居民。 在警方横扫新疆期间，邮件显示，蓝灯软件从后来被博通收购的云公司Pivotal购买软件。邮件还显示，2018年，蓝灯软件在亚马逊云服务和微软Azure上注册账户，希望向警方客户扩展云服务。 亚马逊云服务表示，蓝灯软件“在短时间内使用了非常有限的云服务”，且并非用于新疆镇压相关软件。微软表示，蓝灯软件通过一个已于2021年停用的自助服务门户使用Azure服务，其任何数据均已删除。 新疆政府告诉美联社：“绝不存在所谓‘大规模侵犯人权’。” 刘最终辞职回到中国东部老家，试图忘记自己所见所为。但他不安地注意到，家附近也开始安装新的摄像头和检查站。 四天后，国保打电话传唤他问话。无所不在的监控系统跟着他回到了家乡。 “新疆模式正在被复制到中国每一个城市、每一个地方，”刘说。 2024年，刘离开中国，尽管机场一名工作人员警告他说，无论他去哪里，都会被监视。 “这项技术本身没有情感，”刘说。“但在一个不尊重法律的政府手中，它就会变成邪恶的工具。” 杨家至今仍被美国技术困住。今年的维护合同显示，IBM、戴尔、惠普、思科和希捷的服务器、交换机和硬盘驱动着针对他们的警务系统。英特尔和英伟达芯片处理数据，甲骨文和VMWare软件运行数据库。 但杨家越是坚持，系统反扑得越狠。 2023年2月，他们带着一封信前往北京国家信访局。两天后，警方从酒店将他们抓走并送回家。 杨家继续试图向北京申诉。接下来几个月，他们在汽车站和火车站被抓走，在医院遭殴打，被救护车绑架。 去年7月，杨的母亲再次尝试。她带着一封写给习近平的信： “他们用暴力和绑架阻止我上访、阻止我求医……我们恳请总书记救救我们。” 在北京领导机关外，几个魁梧黑衣男子将杨母扑倒在地。她被关押一个多月，遭审讯、脱衣搜查、强制服药，并被剥夺食物和水。10月，她和杨的妹妹失踪。 如今，杨家的房子成了当地最后一座还未拆的房子。杨父独自居住。 亲戚们因害怕尾随他的警察而断绝联系。数千页文件藏在抽屉里、塞在袋子里、堆在浴缸里的箱子中，记录着他们16年来寻求正义的每一步。 今年4月，杨收到刑事指控文件，文件显示警方为了阻止他们一家“异常上访”花了多少钱。 成本：约3.7万美元。

AI Coding 时代，好的编程习惯仍然重要 最近做一个 Agent benchmark，发现不能简单地用开发者视角来评估一个编程任务对 AI 的复杂度。 比如一个重构任务：把一个几千行的大文件，按功能拆成十多个小模块。 这个任务对开发者来说其实不算难，主要工作就是移动代码、整理 imports、编译验证，新手也能搞定。 所以想着用一个简单的任务来做一下 benchmark，结果却出乎意料。 Claude Code 判断这个任务比较大，尝试拆了一部分，提了个 PR 写了 Future work 打算分步来。 我自己的 Agent 是“硬上”，往完整拆分的方向推进了更多，但代价也很明显：Token 消耗是 Claude 的几十倍，后面大量时间都花在反复读文件、修编译错误、再读文件、再修错误上。 这让我意识到，人觉得简单的任务，对 Agent 不一定简单。 对人来说，这类重构很多时候就是“把这一段挪过去”。但对 Agent 来说，它要先分批读大文件，记住哪些函数和哪些测试有关，再生成一堆跨文件修改，最后通过编译错误一点点补洞。看起来像机械活，实际变成了一个高 Token、高状态管理成本的任务。 前一段时间看到有人说，AI Coding 时代，拆分模块这些编程原则没那么重要了，反正人也不看代码。现在看，我不太同意。模块边界清楚、文件粒度合适、依赖关系简单，不只是方便人读，也是在帮 Agent 降低任务复杂度。 从另一个角度看，现在 Agent 的读文件和改文件工具，对这种重构也不太顺手。 Coding Agent 改文件，主要还是文本替换。比如 Claude Code 常见的是 old_string / new_string 模式：先给出一段旧文本，再替换成新文本。Codex 常用的是 apply_patch：生成一个类似 git diff 的 patch，表达把旧的内容替换成新的。它们都适合小范围修改，但如果要删除一大段旧代码，或者把一批函数挪到别的文件，模型往往还是要先把原始内容读进上下文，再生成一大段替换或 diff。 所以我后来给 Agent 一个提示，让它先用脚本、sed、perl 这类工具把大文件粗拆开，直接把旧内容删掉，写到新文件中，然后再逐个慢慢修，它的完成度确实高了许多。Agent 默认不会这样做，主要是因为系统提示词里会强烈要求 Agent 用内置工具修改文件，而不是命令行工具。 再往前想一步，Coding Agent 可能还需要更高级的编辑工具。不是只给它一个“替换文本”的接口，而是先通过 parser、LSP 或 compiler 建立代码结构，让 Agent 可以像 IDE 一样做重构：移动函数，删除 impl block，整理 imports。不知道是否有朋友做这方面的尝试。 总的来说，即便是 AI Coding 时代，好的编程习惯还是有价值的。尽量在早期通过 harness engineering，把好的编程习惯变成 Agent 的默认工作方式，比后来再重构的成本要小很多。

AI时代个体创业路径： 1、如果你有本职工作，请先从副业开始 2、先学会使用科学上网，再学会使用chatgpt，claude，gemini的御三家之一 3、不要买任何课，但一定要买御三家任意一个会员，推荐chatgpt，因为有image-2的作图能力，可以解决很多引流问题 4、把你过往所有的经历，和你当下的想法，输入给ai 5、让ai提供一些符合你的，低风险无成本创业方法 6、问ai，客户是谁，他们在意什么，他们在哪儿聚集，该如何吸引客户 7、让ai帮助你设计引流内容，image2出图 8、发布内容，引流，设定失败目标，要求自己先失败100次（发100次内容找不到客户） 9、设计销售话术，售卖，成功后，找货，找服务 10、交付，进入循环 11、在这个过程中，不断把成果分享给ai，并询问ai，有什么可以优化的 12、不断优化迭代，提高效率 13、当自己的负载不够时，开始全职。考虑办个公司，申请个OPC场地，招俩学徒，继续扩展 14、如果需求仍然很多，吃不下，考虑卖课，把模式卖出去，卖加盟，锁定好供应链做分销，这样降低了学徒工资的风险，还可以快速回笼资金 15、不要把钱消费了，而是去买各种私董会，去破圈，提升认知 16、找下一个机会，和你认可的人一同合作，继续循环 错误创业路径： 1、没有任何生意，先弄场地，雇人 2、付费报课，加盟 3、囤货 动作顺序如果错了，就是高风险创业 当风险高的时候，心态会扭曲，动作会变形 保有这个顺序，期望你顺利创造自己的小事业

《对话洪灏：巨变时代下的投资策略何解？》 在这个一小时的长播客里，我们讨论了：1）伊朗局势如何影响油价和市场；2）为什么共识对于黄金的认识是错的；3）普通人如何有效地进行资产配置；4）如何选择基金和基金经理；5）AI时代中资产定价模式的革命；以及我在管理对冲基金后获得的一些新的认知。 “既然要穿越周期，就不要天天看股价波动” … “绝大部分人都是普通人，最大的错误就是试图用普通人的能力和资源去做不普通的事情” … “投资是全职工作，应该交给专业而靠谱的人”。