最近，风华高科因RC/RS系列0402、0603晶片电阻订单激增，暂停部分新订单。 虽然只是是贴片电阻吗，但重要的，这是，高端、小尺寸、高一致性被动器件，的供需失衡信号。 0402 / 0603是封装尺寸。它既可以是MLCC，也可以是贴片电阻、电感、EMI滤波器。AI服务器真正需要的，是“小尺寸下还能维持高频、高一致性和长期可靠性”的器件。 AI的VRM复杂度提升、PDN越来越复杂。于是系统开始大量消耗：高频MLCC、小尺寸电阻、高频电感、钽电容、HSC。 这些器件单价不高，但属于“缺一个，整机就无法出货”的东西。 AI服务器里的需求本身是分层的。最核心的位置，比如GPU核心供电、HBM附近、ASIC substrate附近，仍然高度依赖：Murata Manufacturing、TDK Corporation、Taiyo Yuden。因为这里要求极低ESL、极低ESR、高频响应和长期可靠性。 但AI服务器并不只有核心位置。PSU、BBU、NIC、SSD、光模块、交换机，同样会消耗海量0402/0603。重要的是，AI正在先抽紧最顶级MLCC产能，然后压力开始向中高端0402/0603扩散。 最近大火的MLCC和0402电阻看起来是不同器件，但背后共享的是“小尺寸精密制造能力”。包括精密印刷、烧结、AOI检测、高频测试、超小尺寸良率控制、精密材料处理。 这和HBM产业链很像。最开始缺的是HBM，后来CoWoS、ABF、substrate、电源、散热、测试一起开始紧张。MLCC现在也开始出现类似现象。 真正最容易缺货的，往往不是最顶级料号，而是“能量产、能过验证、还能部分替代”的中高端规格。 2018年被动器件超级周期就是典型案例。当时车规MLCC先缺，高频小尺寸规格先涨，随后0402/0603全面涨价。因为一旦高端规格开始缺货，客户就会提前备货、长单锁产能、替代采购、超额下单，最后整个产业链一起紧张。 现在AI行业，可能正在重复这个过程。 更重要的是，这种紧缺会向二线供应商传导。当Murata Manufacturing、TDK Corporation、Taiyo Yuden 优先保障AI服务器和车规客户后，订单开始向：Vishay Intertechnology、Yageo Corporation、Bel Fuse Inc.、Fenghua Advanced Technology 溢出。 AI数据中心，正在把整个电子产业重新拉回“工业品逻辑”。从GPU，到HBM，到光模块，到电源，再到0402电阻，整个链条都在同时变紧。 这可能意味着，被动器件行业，正在进入新一轮量价周期。甚至可能是超级周期。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

（没有利益相关）二月份的时候在小伙伴的介绍下就认识了 RC ，后来才知道有不少共同的好友，预测市场我研究的还是比较多的，也和 RC 聊过很多次，是个很年轻，很有干劲的小伙子，预测市场虽然前景很好，但路并不好走，希望 RC 能带领 @insidersdotbot 有出色的表现。

🏎️ 上头了，Solid 这个前端框架能把页面更新做到接近手写原生 JavaScript 的速度，复杂界面也不掉帧。 GitHub 上 35967 star，2.0 正在密集打磨，光是 8 月底到 9 月初这一周，就连着发了 rc.3 到 rc.6 四个候选版。 用带虚拟 DOM 的框架写复杂页面，状态一变就要重跑组件函数、再拿新旧两棵树做 diff，页面越重这层 diff 越贵，于是你得自己记着哪里该加缓存、依赖数组有没有漏，漏一个就掉帧。Solid 干脆不做虚拟 DOM：模板在编译期就变成真实的 DOM 节点，用 createSignal 声明的状态一变，只有真正依赖它的那一小块重新执行。JS Framework Benchmark 上，它的成绩被描述为接近优化过的原生 JavaScript。 省下来的是一整类要操心的事：不用再琢磨这次渲染会不会牵连整棵子树，也不用给每个回调套一层缓存。JSX、Context、Portals、Suspense、错误边界这些该有的都有，流式 SSR 和渐进式水合也在，服务端能跑 Node LTS，也能跑 Deno 和 Cloudflare Workers。 写法还是熟悉的那套，跑起来是另一个量级。 GitHub：

套利模型： 1/ A = B，C = B，因此 A = C； 2/ A = B，C = B × (1 + 收益因子)，因此 A × (1 + 收益因子) = C 3/ A ≈ B × (1 + r_A)，C ≈ B × (1 + r_C)，因此：A ≈ C × (1 + rA) ÷ (1 + rC)

这段时间跟人讨论华为的τ scaling（时间微缩），发现讨论仅停留在字面，没有触及它的实质，大概因为不少朋友不是EE出身，不知道τ这个符号在电路里的经典含义。电路课上最早学的时间常数就是τ=RC，一段导线的电阻乘上它的电容，就是信号通过这段线所需时间的量级。线越长，电阻和电容越大，信号就越慢。在这套框架里，过去六十年的几何微缩被重新解释成时间微缩的一种实现方式，晶体管做小是为了缩短开关延迟，电路排得更紧是为了缩短金属连线、降低信号的传播延迟，几何微缩只是手段，压缩延迟才是目的。华为这套理论，就是当几何微缩走不动之后，换其他办法继续压缩延迟。 正好，何庭波那篇τ scaling论文前两天出了v2，内容从16页变成23页。我对比了两个版本，数据和结论均没有改动，补充的内容基本都在回应行业里对v1的几点质疑。主要有三个点值得聊聊。 最重要的一处，是给之前声明式的"能效提升41%"补上了测试证据。v1里这个数字没有基线也没有测试条件，是最容易被质疑追问的一点。v2补了一张完整的对比表。基线是2025年的Kirin 9030 Pro，两颗芯片采用同一成熟工艺节点，关键差异在于基线是传统平面设计，Kirin 2026把关键路径折叠到了上下两层晶圆。折叠缩短连线、压低互连延迟，关键路径上多出的时序余量直接转化为时钟频率上限的提升，1.1V供电下最高频率达到3.1GHz，比基线高13%。而"能效提升41%"出自另一个专门设置的工作点，降压到0.9V、降频到2.5GHz，与基线做等性能对比，25℃实测功耗为基线的0.59倍。从理论上估算也成立，动态功耗近似与电压平方成正比，供电电压下调18%，仅平方项就贡献约三分之一的降幅，再计入降频9%和折叠削减的连线电容，正好落在0.59附近。所以能效提升41%的准确含义是等性能下的功耗降低，本质是把折叠挣出的时序余量兑换成功耗的降低，能效比的提升来自逻辑折叠。此外，v2还附带一个数据，双层堆叠后功率密度反而比基线低5.6%。 第二处新增内容，回答的是同行最容易提的问题：3D堆叠早就有了，AMD的3D V-Cache、Intel的Foveros都在量产，你这个LogicFolding新在哪。要理解论文的回答，得先知道两层芯片之间怎么通信号，靠的是层间的键合点，作用类似连接上下两层的电梯。此前量产的3D堆叠，键合点平面间距在9微米到几十微米之间，算下来每平方毫米能安排一万多个连接，给一整块缓存接总线够用了，所以过去的设计方式是把完整的功能块整个搬到上层，比如AMD把一整块缓存叠在处理器上面，两层各自设计，中间用接口相连。但芯片内部一平方毫米里挤着上亿个晶体管，想让相邻的逻辑门一个在上层一个在下层，这个连接密度差得远。Kirin 2026把键合点的平面间距做到1.5微米，每平方毫米44万个连接，和芯片内部顶层金属导线的密度已经差不太多，跨层走一根线，和在芯片内部金属层走一根线，开销已经相差无几。到了这个程度，两层硅片在电路意义上就融成了一整块，EDA工具可以在逻辑门这个粒度上决定谁放上层谁放下层，交给算法做全局优化，设计自由度和以前完全不是一个量级。论文还解释了为什么不走另一条更激进的路线，直接在一层器件上面再制造一层器件。那条路层间连接最细密，但制造第二层需要高温，会损伤已经做好的第一层，目前量产走不通。 第三处是热管理。垂直堆叠会显著增加单位面积的热密度，下层硅片的散热路径还被上层遮挡，这是3D堆叠绕不开的第一个质疑，v1并未深入讨论。v2正面承认热管理仍是LogicFolding架构的关键挑战，给出的对策是热感知的划分与布图规划，设计阶段就把高功耗电路排除在折叠范围之外，并在结构上避免高功耗模块在垂直方向相邻，防止热点叠加。这套策略是工程师手工施加的约束，还是已经固化进内部EDA工具的自动流程，论文没有说明，只把多物理场的工具链明确列为未来十年最重要的一项投资。配合等性能工作点下功率密度低于基线5.6%的实测数据，散热问题算是有了正面回应。不过这套处理方法本质上是回避式的，堆叠层数增加到三层四层之后，可折叠电路的选择空间会被热约束持续压缩，论文没有展开讨论这个边界。 此外，v2还补了一张两层硅片键合界面的显微截面照片，并且明确写了用的是wafer on wafer混合键合。这个规格值得跟同行业比较一下，1.5微米间距的晶圆对晶圆混合键合用在量产逻辑芯片上没有先例，台积电SoIC目前量产间距是6微米，Intel的Foveros Direct是9微米，实属厉害。 对比完两个版本的论文，我还有两个问题。一个关于设备，这个规格的键合设备是谁供的，论文只说是跨供应商生态多年工艺开发的结果。另一个关于EDA工具，把两层硅片当一整块芯片做设计，市面上现有的EDA工具干不了这个活，论文承认这一点，只说方法学细节"几个月内发表"。可是频率表里，2027年那代3.39GHz的Kirin已经标注有实体芯片，说明这套工具在华为内部早就跑通了，而且至少跑通了两代产品。个人猜测，这套EDA是华为自己做的。欢迎了解情况的朋友聊聊。

突發！機器人檯燈大戰AI＋價格＋真能用嗎？🔥 🇻🇳 Autonomous AI（@dee_hw） AI超彈性，可隨便換Claude、OpenAI、本地或Grok，記憶全在本地。 $499早鳥，9月出貨，目前最推薦真能用的選擇！ 🇫🇷 Ongo（@Karim_RC） 皮克斯編劇打造的情緒人格，會關心你、有隱私太陽眼鏡。 約$300預購中，最可愛但還在等出貨。 🇺🇸 LeLamp（@SarkaryShahvir） 開源5軸表情機器人，語音可接OpenAI。 自組約$260，適合動手玩的人。 🇺🇸 PlaiPin（@livinoffwater） 用自然語言就能自己設計機器人的Agent框架。 硬體約$199，自由度最高。 🇯🇵 Nightingale01（@skylark_mmm） 多腳移動＋會抓東西的機器手臂原型。 目前無售價，還是實驗階段。 結論：要日常真正能用 → 選 @dee_hw 的 Autonomous！

把 Cursor Ultra 的计费体系花时间研究了一遍：两套额度池、Composer Standard / Fast、Auto、MAX Mode、Remote Control、Cloud Agent，全对着官方文档和 dashboard 用量核过了。这篇是结论版，给同样被账单搞晕的人。 【先给结论】 1. Auto 看着省心，往往比直接锁 Composer 2.5 Standard 更贵。 2. Fast 和 Standard 同一模型，智商一样，Fast 大约贵 6 倍，别当默认。 3. Ultra 有两池：Composer 池便宜量大；前沿模型池每月约 $400，手选 Opus / GPT / Fable 才吃这池。 4. Remote Control ≠ Cloud Agent，但都会让 agent loop 跑在云端 → MAX 会亮。区别是 RC 的 tools 还在你本机 Mac；Cloud Agent 的 tools 在云端 VM。 5. Composer 2.5 固定约 200k 上下文，开 MAX 也扩不到 1M；要 1M 得换前沿模型 + MAX（贵）。 【单价对照｜每 100 万 token｜官方价】 Composer 2.5 Standard：Input $0.50 · Output $2.50 Auto：Input $1.25 · Output $6.00 Composer 2.5 Fast：Input $3.00 · Output $15.00 速算：Auto input ≈ Standard 的 2.5×；Fast output = Standard 的 6×。 【两池怎么扣】 池 1（Composer + Auto）：日常 agent 主吃这池，最便宜。 池 2（前沿模型按 API 价）：Ultra 含约 $400/月，池 1 用尽会单向溢过来。 对账： → Usage → 按模型分组。 【200k vs 1M 上下文】 Composer 2.5：固定约 200k，长对话会压缩，这是模型上限，不是 MAX 能解决的。 前沿模型 + MAX：才能到 1M 窗口，适合超大仓库，但吃池 2、账单掉得快。 不是智商升级，是窗口变大 + 更贵。 【Remote Control 和 MAX — 你实测没错】 官方 mobile docs 写得很清楚：Remote Control 一开，agent loop moves to the cloud，tools 继续跑你本机。 Cloud Agent docs 又写：agent loop 在云端时，always Max Mode，没有关的开关。 所以你一选 Remote Control，MAX 跟着亮——正常，不是 UI bug。 但模型还是你选的那个：Composer 2.5 仍是 200k，别误以为已经上了 1M。 真要 1M 得手动换 Opus / GPT 等前沿模型，知道在烧池 2。 【手机用户怎么选】 要手机控家里 Mac → 运行位置选「本机 · Remote Control」，别选「云端」Cloud Agent。 RC：loop 上云 + tools 本机，MAX 亮，Composer 仍 200k。 Cloud Agent：loop + tools 都在云端 VM，MAX 强制，通常更吃池 2。 【怎么避开意外 Cloud Agent】 运行位置别选 Cloud · 对话别 Move to Cloud · 检查 automations · 最近项目带云图标只是历史，勾回本地 ~/Projects 即可。 【一个真实账单样本】 Ultra 用户，7 月头 6 天 Included 约 $413，On-Demand 还是 $0。 7/4→7/5 陡增，主力是 Fable 5 前沿模型；composer-2.5-fast 是慢流血。 Remote Control 解决的是手机能不能控，不解决窗口有多大；frontier 长 agent 才是最大洞。 架构图如下👇 参考： · ·