广播艺评 ： 被青春欲滴的肢体勾勒的台湾痕迹 via @YouTube 广播艺评 ： 被青春欲滴的肢体勾勒的台湾痕迹 via @YouTube #阿维尼翁艺术节OFF##festivaloffavignon# #文化##亞維農##法广##法广安东尼##法广安东尼##RFIAnthony##林祖强##AnthonyLINZuqiang##RadioFranceInternationale# #君舞蹈劇場##謝宜君##鍾順文# #謝佳樺##劉芷妘##郭研華# #謝承佐#

舞者的身体和法国观众的眼睛能对话 ？君舞蹈剧场的“痕跡”做到了！ via @YouTube #阿维尼翁艺术节OFF##festivaloffavignon# #文化##亞維農##戏剧##舞蹈# #法广##RFI##法广安东尼##RFIAnthony##新闻##政治##法广##RFI##法广安东尼##RFIAnthony##林祖强##AnthonyLINZuqiang##RadioFranceInternationale##FranceMédiasMonde##FMM# #君舞蹈劇場##謝宜君##鍾順文# #謝佳樺##劉芷妘##郭研華# #謝承佐##痕跡##台湾#

近日，华为心声社区对外披露了监事会主席郭平与新员工座谈纪要。对于ICT业务及计算领域，华为的目标是成为英伟达。 华为的核心优势不在于拥有自研大模型，而在于支持客户构建优秀的大模型，确保全球任何大模型均能在华为昇腾、鲲鹏、超节点及集群上高效运行。 对于终端业务和智能驾驶业务，则最好拥有自研大模型。多数主流开源大模型仅开源权重，企业后续在增训或微调等方面仍面临诸多挑战；且数据开源存在滞后性。因此，在终端和智能驾驶领域，自研大模型更具优势。 对于华为云业务，随着云与人工智能深度融合，缺乏具备竞争力的大模型将导致业务竞争力缺失。因此，华为云必须拥有自研大模型以维持竞争优势。（上证报）

美银预测三家主流北美大厂支出， 1，Google 最激进：26→27 跳 95 亿（+49%） 2，Meta 是"三年持续加码"型：28 年上修 39 亿、比旧预期涨 23% 3，AWS 故意把峰值往后挪：26 年 159 亿不动，27-28 才加速，跟 Google/Meta 错峰。可能原因：Trainium 自研芯片爬坡 + 数据中心交付节奏本身偏后，也可能是有意避免 26 年供给过剩。 三家 2028 合计 capex 从旧预期的 ~700 亿​ 上修到 ~816 亿，两年累计上修超 110 亿，AI 算力军备没到顶，2027 是 Google 的冲坡年，2028 是 Meta + AWS 的接力年。跟郭明奇对亚马逊的调研好像也有点吻合，自研芯片爬坡产能没那么快，但是会绝对加大力度。 meta 也在自研芯片，deepseek和智谱也在开展，平头哥和昆仑已经规模化内部部署和小范围给客户使用，寒武纪 590和华为昇腾已经批量商用，年底都有新品，支出确实会越来越大，市场怎么叙事，好像目前有点脱敏了。

字节今日召开了All hands（公司级全员会），梁汝波、周受资等多位大佬参加，会上传递出了不少信号： 1. 本次参加的高管除了 CEO 梁汝波外，还有：周受资（TikTok）、肖默（创造力服务平台）、赵祺（豆包）、郭平（人力）、Bob（电商）、赵修影（商业化）等。 2. 关于此前提到的“收缩业务宽度”，汝波在本次 All hands 做出了解读，后续优先“粗主线”。比如抖音可以带动电商、生活服务，豆包也可以作为“粗主线”带动更多业务和生态。 3. 关于 TikTok 部分，会上介绍了一些进展，后续将加大优质内容投资，TikTok 电商美国进展不错，欧洲略低于预期。 4. 关于大模型的进展，多模态目前是行业领先状态，大语言模型方面公司坚持自研，并长期优化。此外关于大模型的 ROI，目前看市场潜力大，不担心经济回报，但收入还是重要的。 5. AI 产品使用方面，内外部 AI 增长明显。内部 AI 方面，token 半年内增长十倍以上；外部 AI 方面，已有 2w+ 员工使用，产研人均月报销 140 美金。 6. 校招生发展优于大盘，比如校招生第二次绩效 M+ 比例高于大盘，L4 以上的同职级岗位，校招生比社招同学工作年限短五年。 7. 字节范与领导力进一步应用，将会影响综合绩效档位（过去五年约 1% 的人的综合绩效受到字节范与领导力的影响），二是会影响激励，三是会影响晋升条件。 转载自公众号 @大厂日爆

过去半年的 Seed：多模态领先、大语言追赶 过去半年，Seed 的多模态模型取得了显著成绩：今年 2 月上线的视频生成模型 Seedance2.0 和图片生成模型 Seedream 5.0 Lite 声量一度超过业内其他同类模型，迅速引发关注。Seedance2.0 成为火山引擎 MaaS 业务营收的基本盘。 同期发布的语言模型 Seed 2.0，市场反响却较为有限。它一度因较好承接春节期间涌入的 C 端需求，在内部获得好评。但春节大战中，Anthropic 凭借 Opus 系列的 Coding 能力迅速打开程序员和 B 端市场，ARR 很快逼近并反超 OpenAI。中国大厂这才意识到，自己错过了 Coding 的窗口期。与此同时，GLM-5 和 Kimi K2.5 的 Coding 能力也已明显领先。 模型能力的落后影响到了收入端。据我们了解，火山引擎目前是国内最大的模型 API 卖家，市场份额约占一半。火山引擎 2025 年的收入在 150 亿元左右，今年内部定下的目标是超 400 亿元。目标虽大，但并非没有隐忧。 火山引擎的 token 消耗能反应商业化的增长。多位接近火山引擎人士告诉我们，豆包大模型的 token 消耗中，超过一半来自 Seedance 和 Seedream 两个多模态生成模型系列，语言模型占比不高。 二季度以来，随着短剧行业增长见顶、经济大环境的变化，Seedance 的 token 消耗和收入增速放缓，并影响了火山 MaaS 的整体 token 增长——豆包大模型的 token 消耗，3 月为 120 万亿，6 月为 180 万亿，低于原计划的 250 万亿至 300 万亿目标。 智谱和月之暗面凭借持续提升的 Coding 能力，ARR 分别突破 10 亿美元和 3 亿美元。 为补课 Coding 能力，张一鸣亲自邀请，高薪吸引 DeepSeek 核心研究员郭达雅加入 Seed，负责模型 Coding 能力的专项训练。字节将 Coding 相关的研发资源收拢整合，统一划归给郭达雅。同期阿里千问基模团队也投入更多资源和人力专攻 Coding 训练。 训练好的模型更重要的是数据。大公司可以凭借推动内部业务线使用自研模型做开发，形成真实场景反馈数据。但仅有这些还不够。 我们了解到，Seed 内部曾激烈讨论过蒸馏路线的可行性，字节高层则担心蒸馏对 Seed 和技术带来的危害。据 The information，张一鸣在 Seed 的 all hands 会议上明确表示，即使不蒸馏意味着公司在技术上会短暂落后国内竞争对手，也不会采用这一捷径来推进其 AI 模型能力。 8 月 6 日，字节跳动举行公司全员会。豆包负责人赵祺在会称，大模型的市场潜力很大，因此不担心经济回报，但收入还是重要的。 在模型研发上，字节拥有国内最充足的算力储备、业内领先的基础设施能力和高密度的人才队伍，这些构成了它的底气。Seedance 的成功也让字节看到，模型能力一旦领先，便能迅速转化为商业护城河。 一位字节人士说，Seedance 证明，用户会自然流向能力最强的产品。只要能在关键节点做到行业第一，就有机会快速抢占市场，因此不必过度焦虑于短期的排名落后。

SK 海力士，无视长鑫了吗？ 今天凌晨，SK 海力士 solana:SKHYhSjuRWHgikq8eRKbtBbpABgJSkd7ytQV14i9EQ3 正式在美股挂牌了。 收盘168，比发行高了快13个点。 现在的总市值1.225万亿美元，跟三星的距离又缩了一截。 捋了一下亚洲市值前五： 台积电——2.2万亿 沙特阿美——1.72万亿 三星电子——1.31万亿 SK 海力士——1.225万亿 腾讯——5332亿 这笔 IPO 是美股历史上外国公司最大的一次，募了265亿美元，比19年沙特阿美那次的256亿还多，只比上个月 SpaceX 少。 但说实话，这钱对海力士来说不算什么——26年一季度净利润400亿美元，净利润率77% 77%，比英伟达 $NVDA 还离谱，而且它只增发了2.5%的新股。 一个季度赚400亿的公司，用得着靠卖股票筹钱吗？ 它来纳斯达克不只是为了融资的，是来重新定价的。 为什么要重新定价？ 韩国资本市场有个老毛病叫“韩国折价”，同一家公司在首尔上市比在纽约估值低30%到40% 海力士前瞻市盈率才8倍，而同赛道技术还落后一代的美光，常年23倍以上。汇丰之前的研报讲得很明白了，14年来海力士一直是全球最便宜的 AI 资产。 跑来纳斯达克挂牌，就是把自己从一个全球资本够不着的小池子里捞出来。 不过今天最想聊的不是上市 想聊的是海力士 CEO 郭鲁正在上市当天说的一句话——全球存储行业将在2027年遭遇史上最严重的供应短缺，三星、海力士、美光 $MU 都在扩产能，未来10年都将持续供不应求。 这话相当于直接打了三星前 DS 半导体CEO庆桂显的脸 这位韩国国家工程院院士前段时间刚说过：“中国企业在猛扩产能，存储芯片供应量激增之后，市场格局可能在2027年下半年或2028年上半年发生转变。” 两个韩国存储圈的顶级OG，判断完全相反。 吵的其实还是一件事： 中国的“长鑫们”，到底什么时候能追上来？ 自己琢磨了一下，觉得郭鲁正和庆桂显可能都没说错，他们只是在看不同的东西。 存储这个行业正在裂成两个世界，二人各自站在一边。 庆桂显看到的那边是什么呢？ 通用 DDR5、低端服务器 DRAM、消费内存...明年就是中国企业产能集中爆发的窗口期。长鑫全球 DRAM 份额已经到了7.7%到8%，全球第四。SemiAnalysis 甚至预测年底有可能超过美光冲到第三。。。 下周长鑫就在科创板申购了，有机构喊出3万亿人民币市值。通用 DRAM 这条线上，中国企业的冲击已经是铁板钉钉的事了。2028年开始内卷，下半年大概率彻底红海。庆桂显说的“格局转变”，在这个层面确实没问题的。 郭鲁正那边呢？ 高端 AI 存储，HBM、高端企业级 DDR5——全球就三星、海力士、美光能量产，长鑫短期内根本切不进主流 AI 算力的供应链，这个市场跟通用 DRAM 完全是两码事。 HBM 不是你有钱建产线就能做的标准品，它得跟英伟达、谷歌 TPU、AMD 的 GPU 架构一对一适配，每一代平台的物理规格都不一样，供应商得提前两三年跟客户一起定义芯片长什么样。 海力士拿到英伟达 Vera Rubin 平台70%的 HBM4订单，不是因为报价低，是因为三年前就跟英伟达一起搞联合开发了。 这个世界里，产能不是砸钱就能扩的——卡在客户认证、联合开发周期、先进封装良率这些环节上。 郭鲁正说“十年供不应求”，放在 HBM 这个圈子里，我觉得大概率没什么吹嘘的水分的。 长鑫现在能做通用数据中心、国产 AI 推理服务器的企业级 DDR5，算是迈进了中高端。 但超高速、超低延迟、超高温稳定的那种顶级 AI 训练专用 DDR5？还够不着。 HBM 这边，长鑫有样品、快要小批量试产了，但要替代“星海美”还早，堆叠良率偏低，带宽、能效、层数、散热都有明显差距。 更麻烦的是，长鑫的东西大概率进不了英伟达、AMD 的海外 GPU 供应链，拿不到海外云厂商的单子，能卖的市场就窄了一大截。 这里面有个比技术差距更要命的东西——生态位被锁死 HBM 必须跟特定 GPU 架构紧密咬合，英伟达每一代平台对 HBM 的物理接口、信号时序、热设计功耗要求都极其精确。 长鑫现在的困境在于——就算它技术上追平了海力士，英伟达也没理由去认证它。 为什么？ 长鑫受出口管制限制，英伟达不能把先进 GPU 卖给长鑫的主要客户（中国 AI 公司），那它干嘛花一两年时间去认证一个只能服务受限市场的供应商？ 没有英伟达的认证，HBM 就进不了全球主流 AI 算力链条。这个锁定比纯技术差距难破多了。 长鑫要在高端跟“星海美”正面对抗，可能还得5到8年。 说回最近的一个消息：因为“星海美”存储价格涨疯了，苹果正在游说美国政府，想从长鑫买内存芯片，装到中国卖的 iPhone、MacBook、iPad 里。 这条消息信息量是很足的 一方面，说明长鑫的品质过了苹果的线——苹果对供应链有多挑剔不用多说，能进它的采购候选名单就是一种认可。 另一方面，说明三巨头涨价涨到苹果都扛不住了。全球手里现金最多的公司，居然要去找政府帮忙开口子，我们就知道“星海美”的定价权强到了什么份上。 但注意苹果要买的是什么：消费级和移动端 DRAM 跟 HBM 没关系，跟 AI 高端服务器存储也没关系。 这刚好印证了大分裂的逻辑： 中低端这边，长鑫坐稳了“全球第四极”，三巨头的垄断开始松动；高端那边，墙还是很高。 这里面还有个跷跷板的意思 长鑫在通用 DRAM 越卷、价格战越凶，“星海美”就越有动力把产能往 HBM 和高端产品上挪——低端不赚钱了嘛，不如集中精力做高端。 这反过来又会让高端市场的寡头格局更加牢固，海力士在 HBM 上的壁垒越筑越高，这个分化是会自我加强的。 海力士自己也看得很明白 它在韩国龙仁建新晶圆厂集群、清州建先进封装厂，同时还在美国印第安纳州建 HBM 先进封装厂。韩国扩制造，美国建封装——这步棋的政治账很清楚。 中美脱钩的大环境下，如果海力士在美国有工厂、在纳斯达克有股票、美国养老金持有它的股份，那它就不再是一个“外国供应商”了，它是“美国 AI 基础设施的一部分”。 这个身份切换，对于长期绑定英伟达、谷歌、微软的订单来说，比什么技术优势都管用。 说到底我的看法是：存储正在进入大分化时代 高端 AI 存储可能真的把周期打破了——长期供货协议、客户入股产线、“内存即服务”的新模式，都在把这门生意从靠天吃饭的周期制造变成可预测的订阅制。 但低端通用 DRAM 的周期性不但没消失，反而可能因为中国产能的集中释放变得更猛烈。 两条线的逻辑不一样、节奏不一样、风险也完全不一样 赌 AI 存储超级周期，核心变量是全球 AI 资本开支会不会断 赌中国国产替代，核心变量是产能爬坡速度和国产化渗透率 拿一个“存储大涨”的笼统逻辑去同时买海力士和长鑫，我觉得是相当不理智的，因为现在来看个股大分化是躲不掉的了

聊一下Intel的EMIB-T，这个技术可能在未来两年改变先进封装的竞争格局。 先说背景。AI加速器的封装面积越来越大，一颗芯片装不下的计算和内存，需要把多颗die封装在一起协同工作。当封装面积超过单次光刻曝光的极限，就需要用”局部硅桥”来连接相邻的die。这个思路，TSMC和Intel各自走出了不同的实现路径。 TSMC的CoWoS-L，L代表LSI（Local Silicon Interconnect），用局部硅桥做相邻die之间的高密度互连，全局布线靠InFO RDL扇出层完成，整个工艺在圆形晶圆载板上加工。Intel的EMIB，同样是局部硅桥，但嵌入的是矩形有机基板，全局布线靠基板上的金属层完成。两者底层思路相近，但制造平台和全局布线的密度存在本质差异。 早期EMIB有一个结构性短板。硅桥里没有垂直通孔，电源从基板底部送不穿桥，只能绕路。偏偏最需要电的PHY电路就坐在桥的正上方（信号线越短越好，所以PHY放在die最边缘），电源反而要从die中心横向传过来。路径长，压降大，瞬态响应差。HBM3e时代还能应对，到HBM4接口宽度翻倍、pin速率推到6.4Gbps以上，这条供电路径就成了瓶颈。 EMIB-T就是解这个问题的。T代表TSV，在桥里打铜通孔，电源从基板直接垂直穿过桥送到上面的PHY。同时桥里集成MIM电容和接地铜网格，就地稳压滤噪。供电路径从横向绕行变成垂直直连。 这个改动释放了两层约束。第一层是供电能力，可以支撑HBM4/4e级别的功耗需求。第二层是封装面积上限，Intel目标是2026年做到120×120mm封装、集成8倍光罩面积的硅，2028年推进到120×180mm、超过12倍光罩。 跟CoWoS-L的竞争，核心差异在制造平台。CoWoS-L在圆形晶圆载板上完成全部工艺，面积越大，晶圆边缘的浪费越大，RDL层的均匀性和翘曲控制难度也非线性上升。EMIB-T在矩形有机基板上多放桥，每个桥的工艺独立重复，整体良率虽然也随桥数量指数衰减，但衰减速率稳定可控。封装越大，EMIB-T在成本上的优势越明显，良率的可控性也越高。反过来说，CoWoS-L的InFO RDL层提供了更高密度的全局布线和电源分配能力，加上NVIDIA等客户的设计生态已经深度适配CoWoS工艺，迁移成本极高，这是CoWoS短期内不可替代的护城河。 目前的状态是，标准EMIB量产良率90%，Intel表示已接近传统FCBGA封装水平。EMIB-T验证良率也到了90%，但这是小批量数据，量产目标98%。郭明錤的评价很准确，从90%到98%比从零到90%难得多。2026年EMIB-T进产线验证，2027年可能出现第一批产品（Jaguar Shores），Google TPU等外部客户也在评估EMIB-T方案，2028年才是真正的放量年。当然，Intel近几年的产品节奏有过多次延期，这个时间线能否如期兑现本身就是一个需要追踪的变量。 对TSMC的影响，我的判断是分流，不是替代。NVIDIA跟TSMC的全栈绑定短期内动不了，但Google、Meta这些做自研AI ASIC的客户，以及Apple等寻求封装供应链多元化的厂商，封装面积需求大、成本敏感、又有分散供应链的动力，EMIB-T给了它们一个真实可用的备选。Bernstein估算，EMIB平台封装每颗芯片成本在几百美元量级，而Rubin级别加速器上CoWoS-L封装成本约900到1000美元。即便只从边缘蚕食，打破CoWoS垄断定价权这件事本身，对整个产业链的影响也远超实际转移的份额。 SK hynix这两天也传出在跟Intel合作研发EMIB封装。HBM供应商主动拥抱EMIB生态，说明连它们自己都不想被CoWoS产能卡住出货节奏。 Intel的EMIB-T，正在把先进封装的竞争从”谁的技术更好”转向”谁能在超大面积上同时控住成本和良率”。从目前的市场叙事来看，EMIB-T的结构性优势应该还没被充分讨论。

郭德纲封神一期。 虽然郭德纲绝大多数京剧都非常差劲，唯独这段市面上早就绝迹的红生戏《斩黄袍》，郭德纲简直太绝了，跟李宗义一模一样，非常传神。 可惜只能听前四句，从第五句开始又纯狗食了起来。 不过哪怕只有这四句，也足够好了。