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！