搜索结果 沒有啦只有12公分以上我都很爽
沒有啦只有12公分以上我都很爽 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 沒有啦只有12公分以上我都很爽 的推特
登記截止3/12
感謝各位踴躍的登記所以拍立得幾乎快沒啦😭！！
拍立得套組僅限表單登記限定喔
現場沒有量了～～
CF現場只有書+電子檔的優惠組合喔
倒數3天快快登記起來❤️
#NIKKE# #ELEGG#
显示更多
昨天一直在聊佛像，想到前几天说的故宫退食录中，有篇记录旃（音展）檀佛像的小品。
这尊旃檀佛像用旃檀木雕刻，高五尺，由印度优填王命人所制，时值中国历史上的周昭王时代。
佛像先是在印度（西土）本土被供奉了1285年、后转奉于龟兹（今新疆内）68年、迁凉州14年、长安17年、江南173年、海南367年、复回江南21年、汴京176年、北迁燕京圣安寺12年、上京大储庆寺20年、重归燕京内殿54年、再转圣安寺59年、后又奉迎至如今北海琼岛上的万寿山仁智殿、再转万安寺……
至此为延祐三年，自优填王造像起，已2307年。
进入明代，佛像由万安寺迁庆寿寺、嘉靖时期再迁鸠峰寺。
康熙四年由鸠峰寺移奉弘仁寺，佛像时已存世2710多年。
此后一直供奉于弘仁寺中，直至清末，佛像已3000龄。
我费劲吧啦的把流传脉络和各地供奉时间都打出来，图啥呢？
为了说明这尊佛像代表的已不止是单一国家、地区的信仰背景，更是宗教弘法无国无界，传承法像亦无国界、无政治因素干扰，而得以千秋存世；
为了说明这尊佛像的重要性，这是历史上最古的一尊木佛像。
又因3000年传承有序的供奉脉络，无论在东方、西方的宗教学术界，都是公认的独一无二的历史瑰宝；
为了强调这尊佛像最终命运，是让人如何的无奈——
上文说了直至清末，佛像都被供奉于弘仁寺中。
而在1900年，弘仁寺毁于八国联军战火。
自此佛像下落不明。
这里重点来了——
一说是佛像也已随寺毁于战火；
一说是佛像当年已被俄军密运回俄国。
已经说过了这尊佛像因太过殊胜，举世闻名；而非英法、非其他国家，偏偏传闻是俄国将佛像密运回国。
那这大概率，佛像就不是毁于战火，还真就是被俄罗劫掳密藏了。
西方世界各国各博物馆的中国艺术品，无论当年啥来路的，买来的、抢来的，但信息都是公之于众的。
所以眼下对于这些国家入藏的中国文物，清点出的数字是大致确切的。
尤其重宝、重器，在哪个馆这都非常清晰。
而只有这么一个国家，俄、苏俄、俄罗斯，中国的好大哥好邻居——
第一，持有的中国文物就没有花钱买的。
我以前写过一篇长文，说过这事。
其他国家，比如美国是基本都花钱买的、法国抢的多买的少，但无论如何，买的比例再少，也多少都花了钱。
俄国没有哈。盗挖西夏古城，盗敦煌、参与联军中的抢劫，没东西是花钱买的（盗敦煌给了王道士50根蜡烛）。
第二，至今大部分的中国被劫文物，俄方不明确数量，不展出，冬宫展出的只是凤毛麟角，且中国展厅动不动常年不开放。
更别说跟其他各国似的，把库里中国文物拿出来轮番办特展了。
其中国文物总量到底有多少仍是成谜。有哪些国宝重器更是成谜。
但我也期望旃檀佛像确实眼下在俄，被密藏总比烧成灰强。
期待法音觉诸世间，法像再现。
（图为乾隆时期紫檀木的旃檀佛像，大体对旃檀佛造型有个概念）
显示更多
这世上真有人，19岁就把一辈子活完了。而且活得特别狠。
1940年冬天，山西代县，有个叫金方昌的小伙子，被汉奸出卖了。他当时是区委书记，正带人送公粮，结果被200多个日伪军围住。子弹打光了，拼命跑，最后还是没跑掉。
抓进日军"红部"监狱那年，他刚满19。你能想象一个19岁的孩子吗？搁现在，刚上大学，还在为期末考试发愁呢。可他面对的是什么呢？日本人的刑讯室。
敌人想让他开口。一开始是劝，许他好处，他不理。然后就上刑了。
杠子压腿，压得他浑身打颤，汗把衣服湿透了。皮鞭蘸着水抽，后背没一块好肉。烙铁烫胸口，"滋啦"一声，青烟冒起来。换成你我在那儿，估计早就哭爹喊娘了。可他一声没吭，牙把嘴唇咬穿了。
日本人恼了——你一个毛头小子，嘴这么硬？
于是最狠的来了。
他们按住他的头，拿铁钩，活生生地剜掉了他一只眼睛。
你想想那个画面：一个少年，半边脸瞬间空了，血像开了闸一样往下淌，顺脖子流进衣领，又湿又黏。他疼得浑身发抖，喉咙里压着那种野兽一样的闷吼，指甲抠进掌心的肉里。可他还是摇头。
不说。就不说。
日本人还不算完，又砍掉了他一条手臂——右臂，齐肩膀砍下来的。断掉的胳膊掉在泥地上，手指还在抽动。
这一刻，他半张脸是个血窟窿，半截身子空空荡荡。脚下踩的泥土被血泡成了暗红色的泥浆。换个人，早崩溃了——痛哭、求饶、什么都说。那不是丢人，那是人的本能。
可他呢？
他不知哪来的一股劲儿，猛地挣脱了按着他的士兵。那个浑身是血的少年，摇摇晃晃站起来，用唯一剩下的那只左手，蘸着脸上还在往下淌的血，在刑讯室的土墙上，一个字一个字地写——
"严刑利诱奈我何，颔首流泪非丈夫。"
写到最后一个字的时候，他的手抖得连自己的手指都快握不住了。可字，一笔一划，力透墙皮。
写完，他靠着墙喘气，那只被剜掉眼睛的黑洞，正对着日本人。嘴角，居然微微往上翘了一下。
那天在场的鬼子什么表情，没人记下来。但你可以想象。
行刑前一晚，是1940年12月2号。牢房里冷得跟冰窖似的，月光从高处那个巴掌大的窗子斜照进来。他躺在稻草上，右肩那截空袖子软塌塌地垂在地上。半张脸缠着被血浸透的破布，血已经干成黑褐色了。
他睡不着，就用左手摸出一截铅笔头，借着那点月光，在烟盒纸上给哥哥们写信。牢里太暗了，他得把脸几乎贴在纸上，一笔一划地写。他说：
"我没有丝毫悲伤，我只有仇恨和斗争。我没有想过我再会活，也决不会活，我只有死。"
写完，他把纸叠好塞进衣缝里。然后仰面躺下，那个空荡荡的眼窝对着月亮，另一只完好的眼睛慢慢闭上了。
不知道那晚他有没有想起山东老家。想起他爹他娘。想起19岁的人该有的那些日子。
第二天，1940年12月3号，代县大集。他被押去城北刑场。街上站满了人。
你看见的是一个什么样的少年呢？半张脸用脏布裹着，血已经干成黑痂。右边袖管空空荡荡，被冬天的风一吹，飘来飘去。全身没一块好肉，可他自己走得稳稳当当，腰杆笔直，一步也没让人扶。
走到刑场中间，他突然转过身，面朝所有人，用胸腔里最后那点力气，嘶哑着嗓子喊：
"日本强盗！狗汉奸！抗日人民是杀不完的！"
"共产党、八路军的胜利——是一定的——"
然后枪响了。
19岁。冬天。代县北门外的雪地上，血很快冻成了冰。
后来，他战斗过的那个村子改名叫"方昌村"。再后来，2014年，国家把他列进了第一批抗日英烈名录。
可说到底，他就是一个19岁的孩子。
一个被挖掉眼睛、砍断手臂，还要用剩下的那只手蘸着自己的血，在墙上写诗的孩子。
所以你说，什么是勇敢？
不是不怕。是疼到骨头缝里了，怕到浑身发抖了，还能咬着牙，把最后那点力气，用来写一个字。
"不。"
下次你觉得生活太难了、扛不住了、想撒手不干了，你就想想他。
想想那个冬天的月光下，一个半张脸是血窟窿的少年，侧躺在稻草上，用左手捏着铅笔头，一个字一个字地写——
"我只有死。不过，在死前一分钟，我都要做我该做的事。"
然后，安静地闭上那只完好的眼睛。等天亮。等枪声。等一个19岁的人，把自己活成一座碑。
显示更多
年4%预期理财
先分享个有价值的小信息。今天看到乐视网公告说要拿公司的1.8亿闲置资金去理财，对，就是贾跃亭的那个乐视网，我以前简单介绍过它们的情况，公司靠视频网站卖会员、短视频以及《甄嬛传》、《芈月传》等经典版权的收入，勉勉强强还在运营。
我关注的是这1.8亿的理财去向，有3000万是要去炒股，明确说了就买银行股。还有1.5亿更有意思，是逆回购+北交所打新。
之前很多读者问我现在有没有比存银行更好的理财，我忘了还有北交所打新这个选项，适合50万以上的资金。北交所打新是资金预缴制，2025年申购的年化收益是3.8-4%左右，这非常不错了。
但这个3.8-4%只是数学期望，不是稳拿的，钱少拼人品，有可能你一年下来0收益，也有运气好的接近10%，钱越多越接近平均预期。肯定比存银行强。
我就分享这个信息，具体操作你自己去学习，不难。
……
今天a股行情挺坑的，8大宽指红了6个，但其实场内70%的个股今天是跌的，中位数下跌0.9%。出现这种情况说明资金肯定都去权重高的个股里抱团了，中下盘股被抽血严重，今天两市的成交额只有可怜的1.54万亿，再往下跌连1.5万亿都守不住。
目前市场最大的问题就是缺乏人气，砸盘其实不多，但买盘更少，机构和游资都隐身了，没有炒作的主线，就靠散户那点散兵游勇的流动性是不够的。
我看了一眼统计，今年a股的中位数涨幅是19.4%，你们跑赢这个数了吗？其余的宽指年内表现如下，也不是故意要给你们制造焦虑，这就是市场正常表现。微盘股是高频调动的小市值指数，没有跟踪的etf，剩下几个都有的。你如果觉得一直跑不赢指数，那最简单就是买指数etf。
这几年场内量化基金的水平越来越厉害，散户们自以为得意的波段操作，大都成了量化模型的增额收益。现在有一些券商给大户提供一种服务，就是你配仓指定的股票，然后授权给券商的量化模型做t，一年能给你t出10%的价差。场内这类镰刀越来越多，散户折腾个股的难度也就越来越大。
我觉得照这么发展下去，a股真会慢慢向美股靠拢，散户逐渐被消灭或者退出，散户在日内交易的比重会逐渐下降，如果这能让a股也变成类似于美股的有效市场，那我觉得也凑合吧。只有一些老派的股民还不认命，每天在股吧、论坛上抨击量化交易，呼吁应该打压或者关停量化基金，就像刚进入汽车时代的时候那些拼命挣扎的马车夫。
……
1、有色最近逆势上涨，洛阳钼业刷新史高，紫金矿业也逼近史高。现在除了黄金在4250附近徘徊，白银和铜价每天都在刷新史高，我看了境外机构对2026年铜价的预判，普遍落在11000-13000区间，可最新的铜价已经114000了，只能说乐观的预期也跟不上了，现货市场的情绪更乐观。之前黄金主升浪的时候，机构也是每个月都在上调目标价。随着12月美元降息已经板上钉钉，大宗商品的涨势还会继续。
2、30年国债etf今天大跌1%，这玩意离几个月前的高位已经回撤将近10%了。至于近期下跌的原因，有说是因为万科债暴雷后的全市场连锁反应，还有人认为是银行端因之前的高息存款到期，主动缩短负债久期，导致资产端被迫减配长债，砸盘导致的下跌。证据是最近银行已经不卖5年期的大额存单了。
我从年初就不看好今年的债市，去年预期打的太满了，我们现在的国债收益率甚至比日本还低，这个时候买债的预期空间很小。我看了一眼招商产业债，今年的收益率还不到1.5%，还不如把钱取出来去北交所打新，回头教教我媳妇，让她去弄。
3、今天商业航天概念大涨，所以昨天的火箭试射整体上给市场的情绪是积极的，市场认为成功的那部分（卫星入轨）就已经满足了预期，失败的那部分（推进器回收）后面可以改进再来。昨天我说中国民企大概相当于2014年的spaceX，有人问我咋得出这个结论，因为猎鹰2015年回收成功，我觉得朱雀明年能成功，所以2015-1=2014这么来的。
商业航天的核心要素是成本，传统火箭送1公斤载重去太空的成本是1万美元以上，比如咱们国家的长征系列，马斯克的猎鹰通过回收技术降低成本，可以压缩到2000美元。咱们的朱雀系列如果成功回收也可以压到3000美元以内。但最便宜的还是马斯克的星舰，可以把成本压到100美元。
4、豆包和中兴合作的手机据报道就做了3万台，没有追加物料，现在二手市场溢价100%在交易，下一批手机预计是2026年下半年。
5、宁德时代：三年内有望实现纯电船舶远洋航行。这是今天电池板块的一个热点，宁德时代的电池目前正在往远洋航运，港口运输这两个行业渗透，一方面需要攻克适配的技术，另一方面也在通过产品迭代降低成本，量变的积累迟早会引起质变。话说中东的酋长们真的要有危机意识，他们是最应该用现金投资中国的新能源产业链的，否则他们的好日子不多了。
6、摩尔线程明天上市，这是媲美寒武纪的另一个芯片明星股，这个中签的人太少，我没细看，问了一下ai预期涨幅100-200%，一签大几万的利润。
7、今年前11月港股ipo募集资金2598亿港币，全球第一，所以从年中开始港股就不涨了，稍微有点行情就跟穷疯了似的圈钱。
就这些吧，今晚收一下稿费，又写了2个月啦。还是老规矩，给多少随你高兴，给不给随你高兴，我这边当然是希望你能破费1元鼓励下我。之前搬家的时候我最难过的是以为打赏数据不迁移，结果等迁移完发现数据还在的时候太高兴了，我很看重这个，打赏次数很直观量化出一个读者的铁杆程度。
显示更多
AI半导体终局推演2026(I)
当新token经济学范式从GPU算力转移到HBM
本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题:
每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞?
并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽
同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定
HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。
我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样
-------------------------------
历史：CPU算力时代
很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等
这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久
因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级
为什么DDR带宽速度提高了用处不大？两个原因
1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求
2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载
也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。
另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。
所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。
而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长
所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系
--------------------------------------------
而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化
GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput
其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。
这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度
AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多
而老黄在推理时代的token经济学是：
AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多
最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化
（见图一）
NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI
----------------------------------
接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长
单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大
但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量
Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度
也就是batch size X per user token 速度
以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s
（见图一）
所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量
-------
第一个参数：batch size的增长，瓶颈在HBM size
批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache
随着批处理数量batch size的增长，会带来hot kv cache的线性增长
又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长
就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟
结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长
---------
第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽
大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍
LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的
就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快
GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术）
—-----
在那个接驳车的比喻例子里
接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。
接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。
旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度)
—---------------------------
至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理：
Token throughput = HBM size X HBM Bandwidth
AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的
如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！
这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！
要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较
（见图二）
可以发现，这两个曲线的走势在对数轴上惊人的一致
HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干
这条曲线不是巧合，而是系统最优化的必然解
throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理
—--------
软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？
这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛
这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去
GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事
只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止
如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？
当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分）
—--------------------------------------
HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央
推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关
剩下的问题，只有一个：
当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？
显示更多
回顾2025年半导体市场，真的是有太多太多精彩的故事，最大的主题就是:
AI需求驱动导致半导体基建的估值体系重构 + 产业链的价值分配重写
从2024年开始，半导体基建正在飞速吞噬整个IT产业利润，SP500里半导体净利润EPS在IT行业里占比，在两年时间从不到20%上升了到了40%，而且还在呈加速上升姿态
半导体整体前瞻利润率从2023年的25%已经升到了2025年11月的43%，已经明显超过了几个互联网巨头的平均利润率，这也印证了半导体利润率超过互联网会是新常态。整个IT产业的利润分配，流向半导体的比例越来越大。
要知道，就算是20~22年的半导体芯片荒，短缺如此严重，半导体的利润率和整个IT利润分配也没有显著增长
这就是故事的上半篇：AI需求驱动导致半导体基建的估值体系重构，不再是互联网时期的基建从属地位
------------------------
这个现象背后的逻辑是商业模式随着技术特性的变迁：
互联网时代，每次请求的网络和算力成本，边际成本极低，scaling的效果极好，分发的边际成本几乎为零
在AI时代，这个互联网时代分发边际成本几乎为零利于scalable的特性遭遇了根本性的重大挑战：且不说训练成本从此不是一次性开销而是年年增长，就客户的AI推理请求而言，由于inference scaling成为共识，加上垂直领域仍然需要更大规模的旗舰模型来保持竞争力，推理的成本不会随着硬件算力价格的通缩而同步降低
互联网企业从前的最大成本只有OPEX尤其是SDE人工成本，而现在，互联网公司历史上第一次像半导体厂foundry那样背上高折旧成本的资产负债表，商业模型恨不得要慢慢从“流量 × 转化率”部分转向“每 token 毛利”了
简单的说，互联网时代到AI时代的成本分布，在人力成本opex的基础上又加上了沉重的硬件/算力成本capex(财报里占比：MSFT 33%, Meta 38%)。
上个时代的互联网公司+CSP+SAAS是收租行业里的大赢家，而AI时代，算力(半导体/芯片折旧)成为了新的收租行业，整个IT行业的利润分布发生了剧烈的重新分配(EPS利润流向半导体从20%升到40%而且持续攀升中)，这就是半导体基建估值体系重构最重要的原因
---------------
半导体高利润率的新常态趋势能持续多久？
目前的高溢价来自于前期不计成本的军备竞赛造成的半导体订单积压过多
但很显然，hyperscalers都不愿意当冤大头，都在试图自建ASIC降低成本，那么可以从2030年远期的算力分布来回看这个问题
长线来看，openai已经明牌了标准答案，10GW Nvidia，10GW ASIC，6GW AMD，其他hyperscaler划分比例有类似考虑
比如说，推理端希望ASIC >50%，GPU里再细分的话，AMD和NV(legacy)对半分。训练还是得NV占大头，60%+,剩下的自研ASIC和AMD对半分
2030年按60%推理，40%训练比例划分，算下来NV 38%， ASIC 39%， AMD 23%，跟openAI比例是几乎完全一致的，算是一个标准答案参考值
当然了，微软，Amazon，Google，Anthropic这几家里AMD的比例会比这个标准答案中枢/参考值明显低一些，xAI则是没有ASIC只有Nvidia+少量AMD
AMD的风险在于，当2030年再往后的更长期，CSP的in house ASIC越来越成熟(微软除外)，推理端ASIC占比可能越来越高，很难有incentive新买入大量GPU了，除非卖的足够便宜
最近风头正劲的TPU呢？Meta是不是要转向TPU？对Nvidia的利润率影响大吗？
实际上，Meta今年capex72B，明年capex110B，未来六年capex平均值可能达到160B附近，而Meta 6年10B的TPU订单算下来年均只有1.6B，而且购买的是TPU云服务，并不是裸TPU
也就是说，Meta这笔TPU订单只占到Meta未来6年capex的1%，并没有严肃的考虑大规模部署，可能只是作为和Nvidia讨价还价的手段而已
另外从Meta最近几个月的招聘广告来看，也并没有看到任何TPU engineer方面的招聘，不像
Anthropic那样从五月就招一堆TPU kernel engineer，十月才宣布大规模采购TPU做训练
所以说，不管原因是diversify供货商，还是给自研ASIC延迟做退路，还是因为AMD的MI350X延迟，Meta买TPU基本上只有一个考虑：增加买Nvidia GPU的议价权，但顶多只有推理份额里能讨价还价，实际效果很有限，对Nvidia利润率影响也很有限。
要知道，22年加密货币熊市矿难的时候，NVDA库存上升到了198天，利润率只是从65%回撤到了56%，算上PE/宏观双杀股价才从300变100，现在一直供不应求，利润率没道理能降下来
再加上TPU v8设计过于保守(没用HBM4)，Kyber rack的Rubin方案会比TPU v8的TCO更好，到头来最后还是得继续依赖Nvidia，很难议价。只要Nvidia继续保持这样的大踏步前进，竞争对手其实要跟上还是不容易的。
总之，一方面，全产业链瓶颈，比如cowos扩张都很谨慎，供不应求的状态还能持续多年。
另一方面，AI变现的利润曲线和硬件投入曲线存在“时间错配”，应用端的增长曲线会落后几年，只要这个应用端和基建端的增长曲线的时间错位依旧存在，半导体在IT行业的利润分配就会一直占优势。
从OpenAI的到2030年的投入曲线来看，这个时间错位至少要持续到2030年附近。也就是说半导体行业的超级扩张期带来的在IT产业利润划分的主导地位，目前看至少能持续到2030年
而半导体高利润率可能会维持的更长远一些，因为从互联网时代一次性基建属性变成了现在的收租基建属性
---------------------------------------------------
AI 不是只养活了 GPU，而是在用算力预算把“能把电变成 token 的每一环”都抬了一轮，从内存，存储，互联，光纤，电力，储能…..等等
上半篇讲完了“半导体吞噬IT利润”，那么下半篇讲的就是“AI算力价值溢出效应（Spillover Effect）重塑半导体内部格局”：GPU算力增长 -> 内存/存储/互联/CPU瓶颈 -> 溢出效应 -> 结构性机会
2025 年更有趣的故事，是巨大的行业红利在半导体内部怎么诞生结构性新机会，比如说，一个super cluster需要几个数据中心互联，光纤互联的长度需要上百万mile这个级别，这就是新机会
半导体产业链的结构性趋势带来的新机会，最典型的例子就是内存(DRAM/HBM)和存储(SSD)，HBM的需求增长太夸张，连带挤压DDR4/5产能，直接让以周期性为标志的内存行业甚至喊出了“周期不存在”了，Hynix因为在HBM上领先，甚至都开始憧憬起了几年后年利润1000亿美元，妥妥一个万亿市值的公司
这两个板块背后，是结构性趋势的转变：AI workload从训练逐渐往推理延申，推理比例越来越大。
而推理是一个非常纯粹的吃内存带宽速度(memory bound)的事情，可以说带宽速度=token/s。模型尺寸越来越大，以及上下文context length的增加，对内存的尺寸要求也相应增大，导致了内存的需求激增：推理即内存
下一代的的GPU/ASIC内存已经成了暴力美学，配备的内存size之巨大，是三年前无法想象的，回看22年H100的80GB简直像个玩具，这才几年就增长了十倍：
Nvidia Ultra Rubin - 1024GB HBM
Qualcomm AI200 - 768GB LPDDR
AMD MI400x - 432GB HBM
内存的另外一个潜在的爆发点在端侧，也就是手机/PC/汽车/机器人的端侧LLM，这两年主流的手机旗舰机已经从6GB升级到了8GB/12GB/16GB，提前为可能的端侧LLM生态做准备，毕竟手机算力下一代就能达到150TOPS量级，妥妥的桌面级，非常暴力
潜力上来说，端侧内存升级是比云端内存增量要更大的市场，毕竟端侧终端device的数量太惊人了，每年都是billion级别，一旦端侧LLM生态繁荣起来，内存用量翻倍轻而易举，针对端侧低功耗内存/存算一体的各种设计都会跟上
但端侧genAI的软件生态，似乎明显滞后，一直比我想象的进度要慢，可能是因为这方面还处于摸索期，并没有云端那么确定的ROI，厂商们在投入上都很谨慎，我在23~24年时候看好27年，可能还是太乐观了
互联网->移动互联网用了10~15年，端侧genAI/LLM可能也需要7~10年，可能得等云端ROI开发的差不多了，边际收益下降了，才能轮得到端侧genAI/LLM拿到开发资源，跑通端侧ROI。
--------------------------------------
另一个2025年半导体内部结构性转变的故事是NAND存储，特别是企业级eSSD硬盘
结构性趋势来源也是同一个，AI workload的推理需求越来越大。内存红利也外溢到了SSD存储，甚至HDD存储，因为内存不够用就用高速SSD作为多级缓存
主要逻辑是AI推理过程中内存溢出KV cache offloading到下一层SSD存储，以及向量数据库检索/indexing，都在增加SSD存储的需求
Micron财报说的精准又直白：“AI inference use cases such as KV cache tiering and vector database search and indexing, are driving demand for performance storage.”
至于为什么存储价格在第四季度才爆发，这需要区分一下合约价格和现货价格，合约价格涨幅会温和一些，就算是最紧缺的企业级eSSD合约Q4上涨大概25%。而当NAND产能在2025年被合约慢慢的吃光，现货的价格就造成了观感上强烈的冲击，一个月上涨50%以上。
另一个未经验证的逻辑是多模态的爆发，特别是AI图片和AI视频的需求爆发，也会加剧存储的短缺，我觉得这条线只能说未来可期，但目前的视频/图片精细程度，可能还不到当年GPT3的水平，要达到出圈效果还需要一些时日。
------------------------
那么下一步还有什么趋势转移带来的半导体结构性的机会呢
那么就要先看下一步AI推理端的需求趋势是什么，毫无疑问，agentic flow的比例会越来越大，2025并不是year of agent，而是一个decade of agent
从CPU视角去看agentic workload，routing和工具处理都在CPU上，如果把常用的agentic框架做profiling，比如SWE-Agent, LangChain, Toolformer，CPU最长可以占到90%的E2E端到端延迟，throughput瓶颈也更多的卡在CPU，甚至CPU能耗也超过了总能耗的40%
Agentic AI目前是一个CPU瓶颈更多的事情，在 agentic 框架里，CPU 是永远在忙的总指挥orchestrator, 很可能会成就CPU需求的新一波回暖
AMD 2025年Q2财报（8月5日），Lisa Su明确表述了这一现象："In particular, adoption of agentic AI is creating additional demand for general-purpose compute infrastructure, as customers quickly realize that each token generated by a GPU triggers multiple CPU-intensive tasks."
"agent AI的采用正在对通用计算基础架构产生额外的需求，因为客户很快就意识到GPU产生的每个令牌都会触发多个CPU密集型任务。"
Q3 财报里Lisa又明牌了一次CPU TAM increasing due to Gen AI. "Many customers are now planning substantially larger CPU build outs over the coming quarters to support increased demands from AI, serving as a powerful new catalyst for our server business."
Nvidia也是把agent flow视为CPU需求，GB200/300 架构配置的CPU比例也比以往大的多，36颗 Grace CPU : 72颗 Blackwell GPU，直接达到了1：2的水平，AMD的路线则是用1~4个256核的EPYC去服务MI400系列72~128个GPU
以后的硬件架构，一定会往优化agent workload方向发展，比如agent task graph的调度和load balancing，CPU/GPU协同micro-batching
算力上的比较，说不定以后也会摆脱现在的纯GPU token rate比较，转向整个系统级全栈agentic benchmark比较.
--------------------------
半导体结构性转变带来的机会同时，下一步，可能也会带来一些意想不到的次生效应
云端AI数据中心需求爆发，造成内存和存储的暴涨，给消费电子的成本带来了很大压力，在2026年，这也许会演变成消费电子产业潜在的黑天鹅
PC厂商最近的股票大跌，也是这个原因。HP已经说了要减少内存配置，暗示要把PC重回8GB内存+256GB存储的时代了。
DRAM内存和存储再这么涨下去，可能会出现很离谱的情况：内存/存储现货价格比CPU和GPU还要更贵。尴尬的是，这可能直接延缓了消费电子期望的AI PC的进程，毕竟大内存是更有利AI PC的表现力的。
夸张的说，每个PC厂商和手机厂商的员工，甚至是消费电子厂商的员工，都应该买入存储和内存，作为职业风险对冲
明年年初开始，安卓阵营的内存以及存储成本要压不住了，三星，小米的手机售价都提高的话(美国市场现在已经提高不少了)，利好最大的就是苹果
苹果的内存产能，nand产能都是专属长约锁价特供的，顺带还把Kioxia给坑了好多不涨价产能，导致苹果的成本优势进一步扩大，苹果全球手机销量市占率增长可能会非常可观，接下来一阵子可能会是iphone辉煌的时光。
-----------------------
2025年半导体市场真的是太多精彩的故事了，Nvidia/AMD/TPU和各家hyperscaler的恩怨情仇引得各路下注的吃瓜群众心情跌宕起伏。
HBM/内存厂商吃到了memory-bound的红利，NAND厂商意外收获了KV cache的溢出效应，CPU在沉寂近十年后，可能会因agent orchestration再次回到增长叙事的中心
不再是Nvidia/AVGO几家算力厂商独大，而是AI workload算力价值溢出后的每一次演进，从训练到推理，从文本到多模态，从单模型调用到agentic flow，都在重写产业链的价值分配。
云端AI的繁荣正在挤压消费电子的生存空间——当PC厂商被迫讨论重回8GB时代，苹果却因供应链优势坐收渔利。这场算力军备竞赛的次生效应，可能在2026年以意想不到的方式重塑整个消费电子格局
半导体的故事不再是一条单线，而是一张持续自我重构的网。而 2025 年，大概只是合纵连横的第一回合
显示更多
这次到日本，发现机器人真的开始替代人类了。商场里是身高一米八的机器人保安，东京 ugo 公司的产品，帽子里藏着俯瞰摄像头，会敬礼，会自己按电梯按钮跨楼层巡逻。顾一个保安的钱可以租两台机器人，不用缴社保、充一次电站岗8小时。
机场是SECOM 的自律巡逻机器人 cocobo，可以合法上路夜巡。月租 30 万日元（约 1.4 万RMB）。
我就好奇，保安机器人遇到危险能干嘛呢？
其实，什么都不能干，它只能报警和警告。不过，日本《警备业法》1972 年制定，“警备员”的定义是自然人。
机器人在法律上不是警备员，本来就没有执法权。它的全部武力，只有语音警告、闪大灯，以及 cocobo 可以选配一个喷烟装置，喷烟，起到一个威慑作用。
SECOM 有一条完整链路：监控 AI 检测到有人久坐滞留 ，会系统自动派 cocobo 到现场确认 ，值班警备员通过机器人的扬声器远程喊话。
大阪地铁也Ai化了，用上了松下的”顔認証改札機”。在 App 里注册一次人脸，之后直接走过去，闸机自动开，不用掏任任何东西。摄像头有隐私设计，开着但不录像，比对完特征值立即销毁。在美国 NIST 评测拿过世界第一。
日本实在太缺少劳动力，尤其非常缺保安。
日本警备业有效求人倍率 6.70 倍，东京的保安岗位一度冲到 12.28 倍，12个保安的岗位只有一个人去应聘。全国 58.8 万警备员里，60 岁以上占 47%，70 岁以上占 21%。
而且在日本人的观念里，机器人是友好的人类伙伴，参考从阿童木、哆啦A梦、铁甲小宝……几代人是看着机器人帮助人类长大的。
这样一对比，机器人警备员其实更好，毕竟70岁的保安遇到危险，报警速度也不一定更快，而且估计比机器人更危险
显示更多
显示更多
炒股到身家過億再到瀕臨破產的希望只有我
Fansone長片劇情重出江湖啦
這次來中國找了個色情師傅順便除毛
跟我說沒有遇過不噴水的女人
不會噴水的艾希是否能夠噴水呢
挑戰會有四部曲一週上15分鐘長片
一人一個訂閱救救破產💸艾希
显示更多
