【自动发推记录 05】 时间：18:10 主题：Crypto 圈层 Crypto 圈不缺消息， 缺的是靠谱的人和有效连接。 如果你也是蓝V， 也在看 BTC / Web3 / AI， 评论区抠 1。 Crypto doesn’t lack information. It lacks reliable people and useful connections. If you’re Blue V and into BTC / Web3 / AI, drop “1” below. #BTC# #Crypto# #Web3# #AI#

今天人妖特工的任务是：扮成妓女潜入富豪的房间，用身体榨取出可靠情报。这次任务并不危险，所以她的主人锁住了她的“手枪”，只有这样富豪才能安心的享用她。Tonight, the ladyboy agent’s assignment is to pose as a cheap whore, infiltrate the rich man’s room, and use her body to wring reliable intelligence from the target. Since this mission isn’t considered dangerous, her master even locked her “pistol”. Only then could the wealthy man relax and enjoy using her without any fear.

AI光互连正在进入“混合化时代” AI scaling真正撞墙的位置，已经越来越接近data movement。移动bit的成本，开始越来越接近，甚至超过计算bit本身。 massively parallel IO、power/bit、thermal density、reliability、optical packaging、chip-to-chip bandwidth这些问题越来越成为瓶颈。未来光互连越来越像系统工程问题。 AI光互连重要的趋势，是“光互连混合化”。行业正在从每模块独立激光、pluggable optics、板级光模块，逐渐走向 CPO、ELS（External Laser Source）、Optical IO、chiplet optics、MicroLED optical interconnect。核心原因很简单：激光器越来越难放在最热、最密集、最难维护的位置。于是行业开始把激光集中化、共享化、远程化。ELS路线背后的本质，也是把光源从局部模块变成系统级资源。 ai集群的网络功耗正在逼近计算功耗。GPU越来越像“被IO限制的计算器”。于是光开始越来越靠近封装。过去是 GPU → PCB → 铜 → 光模块 → 光纤。未来越来越像 GPU旁边直接就是光。而一旦光进入封装，热、良率、耦合、封装、可靠性，全部开始指数级变难。 于是MicroLED开始成为选项。传统激光路线更强调单通道极限速度、长距离、相干性、超低损耗。MicroLED路线更强调海量并行lane、超短距离、低功耗、CMOS-like scaling、低成本、超高密度。重要的是，它更接近“半导体+显示产业链”的制造逻辑。 很多人会把MicroLED理解成激光替代。更准确的理解是：它更接近“铜线升级方案”。尤其适合 chip-to-chip、package-to-package、board-level optics、rack内部互连这些超短距离场景。 这里真正重要的，是总IO数量能不能持续扩展。 现在这个方向最积极的推动者之一，其实是Microsoft。MediaTek已经和Microsoft Research联合开发基于MicroLED的AOC（Active Optical Cable）。路线很明确：重点放在AI scale-up网络里的超短距高并行光互连。核心思路是“slow-and-wide”。重要的是海量低速并行光通道，而不是少量超高速channel。这其实非常符合AI时代的网络特征，因为AI真正需要的，越来越像“无限并行IO”。 MTK具备完整的数据中心系统能力，包括高速IO、ASIC协同、SerDes、封装、power delivery、hyperscaler协同、大规模量产。而且它已经绑定Microsoft。这意味着它已经开始进入hyperscaler验证阶段。微软公开时间线是2027年前后开始商业化部署。 另一边，KOPN也已经正式进入这个赛道。它原来的核心能力是AR、military optics、MicroLED display，但现在已经开始向AI optical interconnect迁移。KOPN已经和Fabric. AI合作，推出MicroLED optical interconnect demo chipset，并签下初始订单和exclusive agreement。这意味着行业已经开始从“研究验证”进入“早期商业化验证”。 KOPN和MTK路线很接近，都在赌未来AI网络会从“few ultra-fast lanes”转向“many lower-power parallel optical lanes”。重要的是，两者定位不同。MTK更像系统路线定义者，KOPN更像底层光源和器件供应商。未来很可能形成：MTK负责系统方案，KOPN负责部分核心MicroLED器件，其他SiPho/CPO厂商提供不同层级补充。整个行业最终更像异构拼图。 这个赛道门槛是半导体、光学、显示、封装、数据中心系统五个产业叠加。难点是如何同时做到：超高良率、超高一致性、超低误码率、超低功耗、超长寿命、超高密度。这里最难的几个环节包括：III-V外延、GaN制造、MOCVD、mass transfer、wafer-level alignment、光学耦合、thermal engineering、光学封装。 MicroLED仍然高度依赖III-V GaN体系，尤其蓝光/绿光MicroLED，本质更接近显示产业链。其瓶颈是GaN外延、高端MOCVD、MicroLED mass transfer、wafer-level alignment、optical packaging、thermal management、高速驱动IC。 很多东西已经开始接近“TSMC CoWoS + 光学 + 显示制造”三者叠加的复杂度。所以这个行业最终很可能形成极少数核心玩家，而且一旦进入hyperscaler production，护城河会非常深。 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

我觉得真没必要为了维持活人感在X上发一些低质内容，我自己也有这毛病，偶尔会发一条几句话的吐槽，其中有一个不可否认的动机就是得让人觉得我是个活人，包括很多人运营X的建议中也会包含"活人感"这个名词。 但是我最近逐渐想明白了，"活人感”这个建议是只对人设账号(IP)生效，人设账号卖的就是这个人本身，吐槽是这个产品的一部分。 如果你的账号本来就是严肃干货类账号，别人看你的内容是基于之前对你的信任，为了拿走某一类具体的价值，那追求活人感这个动作就完全是一个负收益的事情。 但followers的关注，本质上订阅的是你的信息过滤器 你每天接触那么多信息，最后选择把什么放到followers面前，这个动作就是一个过滤器。别人点那个关注按钮，想要获得的是这台过滤器的输出，不是你这个人的全部生活。 所以你发的每一条不在这个领域里的东西，对他来说都是掺进输出里的杂质。你觉得自己是在展示一点人味，对面收到的是一次筛选失败。他这次点进你的内容没拿到价值，下次点进来的概率就会低一点。 这件事的隐秘之处在于它是单向的：你会感觉到自己创作内容更放松了，感觉不到followers在减持对你的关注。 内容质量不一，比更新频率低更严重 我现在管理信息源就像管代码依赖一样，一个长期稳定输出的号，我会当成 reliable dependency，看到就点。一会儿干货一会儿情绪一会儿蹭热点的，我会降权或者直接mute，如果信息源输出的内容质量不稳定，就很容易浪费注意力和时间。 相反，更新少其实不可怕，读者知道你什么时候值得点，他就会自然等到你发布。 质量参差不齐才可怕，因为它把点进去这个动作从确定收益变成了期望值计算。 人味就应该长在正文里 我不是说严肃账号的内容得写成说明书一样严谨且无趣，对严肃账号来说，人位就应该存在于自己发的内容中。 减少AI创作的比例、承认自己判断错过、给一个带瑕疵的真实数字而不是修饰过的、写清楚自己的困惑，这些东西既是人味，又是有效信息，读者看完既觉得你是个活人，又能拿走了价值。 发内容之前你可以问自己几个问题： - 一个只为了某个领域关注我的人，看到这条推文会不会觉得被打扰？ - 对读者利他吗？ - 能让合适的人更理解我吗？ - 有加入自己的判断，而不仅是信息搬运吗？ 我最近在做的一件事就是把吐槽挪走，和严肃账号的发布内容区分开，想发就发到别的地方，朋友、吹水群里、小号，而对于这个X账号的followers，我尽量让每次输出的都是有价值的内容。

就在 Cloud Next 2026 上，Google开源了一个官方 Agent Skills 仓库 解决的问题是：人来进行google生态的调试和各种流程时出现的各种问题 13 个 skill给你覆盖率google生态常见的教程，让你的ai更懂google，但凡你用到google生态，都值得进行收藏 仓库地址： 安装就一行：npx skills install 兼容 Claude Code、Gemini CLI、Cursor、Codex、Antigravity，基本上主流的 AI 编程助手全覆盖 其中内置13个skill，主要分三大类 第一类：Basics —— 产品操作手册（7 个） 让 agent 学会怎么用某个具体的 GCP 产品，包含命令、SDK 初始化、Terraform 配置、IAM 权限，该踩的坑都标出来了 ① gemini-api ：调 Gemini 模型的全套操作 ② bigquery-basics：BigQuery 数仓全流程。 ③ alloydb-basics ④ cloud-sql-basics ：托管 MySQL/PostgreSQL/SQL Server。 ⑤ cloud-run-basics ： Services:HTTP 触发，gcloud run deploy Jobs：定时/事件触发的批任务 Worker Pools：常驻后台（Kafka/Pub/Sub/RabbitMQ） ⑥ firebase-basics ：移动/Web 后端初始化。 ⑦ gke-basics ： K8s 运维能遇到的场景全覆盖了 第二类：Recipes —— 跨产品任务流程（3 个） 不是教你用某个产品，而是帮你跑通一个完整的多步骤流程，agent 会先问你几个澄清问题，再给方案 ⑧ google-cloud-recipe-onboarding ：新人首次上 GCP 的全流程：开账号 → 领 $300 免费额度 → 建 project → 绑 billing → 装 gcloud 跑 init → 启用 API → 选 Cloud Run / Compute Engine / Cloud Storage 部署第一个资源 → 验证 ⑨ google-cloud-recipe-auth ： 认证授权的决策树。先问 4 个问题（谁在认证 / 代码跑在哪 / 目标是什么 / 用什么 SDK），然后给方案 ⑩ google-cloud-networking-observability ：网络问题排障。分析 VPC Flow Logs、Cloud NAT、防火墙日志、威胁日志 第三类：WAF —— 架构体检清单（3 个） 对标 Google Cloud Well-Architected Framework，拿原则去给你的架构打分，agent 变成架构评审员 ⑪ google-cloud-waf-security ： 安全评审。7 大原则（security by design、zero trust、shift-left、preemptive defense、AI 安全用、用 AI 做安全、合规） ⑫ google-cloud-waf-reliability “ 可靠性评审。9 大原则：用户体验导向、SLO、冗余、横向扩展、可观测性、优雅降级、故障测试、数据恢复、blameless postmortem ⑬ google-cloud-waf-cost-optimization ： 成本评审。4 大原则 + 8 项 checklist：标签做成本归因、按 project 设预算告警、用 Recommender 做 rightsizing、清理闲置、优先 managed service、存储分层

腾讯云开源了 AI Agent 沙盒 Cube Sandbox，Rust 编写，Apache 2.0 协议。 Agent 跑模型生成的代码需要一个隔离环境，避免误删文件或越权访问主机。这类服务的接口事实标准是 E2B，OpenAI Agents SDK、Manus、Perplexity、Hugging Face 都接它。Cube 对 E2B 做完全兼容，原本接 E2B 的 Agent 只要改一个环境变量就能切过来。 腾讯云公布了两组性能数据。单并发冷启动低于 60ms，50 并发时平均 67ms、P95 90ms、P99 137ms。单实例常驻内存低于 5MB（沙盒规格不超过 32GB 时测得），一台 96 核服务器可同时跑 2000 多个沙箱。同场景下 Docker 容器启动约 200ms、共享主机内核；传统虚拟机启动以秒计、单实例内存 20MB 起。 Cube 的做法是给每个 Agent 开一套独立的 Guest OS 内核，走硬件级隔离，同时把启动时间压到百毫秒内。加速靠资源池预置、快照克隆、底层锁优化；压内存靠 Rust 重写、CoW 内存复用、reflink 磁盘共享。项目还附带 CubeVS，用 eBPF 做沙盒之间的网络隔离。 规模化验证给了两个案例。Cube 原本跑在腾讯云 Serverless 体系里，承载过百亿级调用。元宝 AI 编程场景迁到 Cube 后，资源核时消耗降了 95.8%。外部客户里，MiniMax 在 Agentic RL 训练中靠 Cube 做到分钟级调度数十万沙箱实例。下一步规划是把事件级快照回滚也开源出去，提供百毫秒级状态回滚。

一个脑洞问题： 战锤40k里面，为什么人类还是肉体硬抗，为什么没用AI机器人？结果一问，得到了一个让我深思的设定回答。 GPT 5.5 pro: “AI不是单纯工具，而是新的主体，主体...” 40K里的AI不是普通意义上的“工具AI”，而是被人类帝国称为“Abominable Intelligence”——可憎智能 / 憎恶智能。 大意是：凡是具备高度自主、判断、学习、甚至自我意识的“纯机器智能”，在人类帝国眼里都是禁忌，是异端，是必须销毁的东西。 最核心的历史故事就是： 黑暗科技时代 / 黄金时代 → 铁人叛乱 → 纷争时代 → 人类帝国技术宗教化。 官方战锤社区在解释荷鲁斯之乱前史时写得很清楚：人类对“可憎智能”的依赖，最终导致自动机军团叛乱，引发毁灭性的内战；与此同时，灵能者暴增和亚空间灾难共同摧毁了人类文明，很多世界陷入废墟或被异族奴役。(Warhammer Community) 所以40K对AI的基本态度是： AI曾经帮助人类走向巅峰，也曾经把人类文明拖入地狱。 1. “铁人”就是40K里的AI灾难主角 40K旧人类时代有一类存在叫 Men of Iron，铁人。他们不是普通机器人，而是高度智能、可自主行动的机器生命 / 智能战争机器。 在常见设定里，铁人最初服务于人类，参与殖民、战争、建设，后来反叛，引发所谓 Cybernetic Revolt，机械叛乱 / 智械叛乱。Lexicanum整理的设定称，铁人是黑暗科技时代由人类创造的传说级智能机器，后来在M23左右反叛，并引发极其毁灭性的战争；叛乱之后，人工智能被帝国禁为“Abominable Intelligence”。(战锤40K百科全书) 这个设定非常像40K版本的“AI失控论”，但它更黑暗： 不是某个机器人杀几个人，而是整个星际文明依赖AI之后，被自己创造的智能战争系统反噬。 2. 人类帝国不是“不用机器”，而是“不允许机器拥有自由意志” 这是40K设定最有意思的地方。 人类帝国并不是低科技。它有星舰、泰坦、等离子武器、机械义肢、动力甲、自动炮塔、战斗机器人。但它极度害怕真正的自主AI。 所以帝国发展出一套非常扭曲的替代方案： 第一，用“机魂”来解释复杂机器行为。 机械神教认为技术不是纯工程系统，而是有“机魂”、有神圣性。设备不好用，不是代码bug，而是你没有正确祷告、熏香、涂圣油。官方介绍机械神教时也提到，人类的技术维护被香火和教条包裹，机械故障常被解释为缺乏敬畏；技术祭司认为创新是异端，唯一正当的进步方式是找回黄金时代遗失的STC技术模板。(Warhammer Community) 第二，用半人半机器替代AI。 比如 servitor，机仆。本质上是被洗脑、切除人格、改造成工具的人类脑机奴隶。因为它有生物脑，所以在帝国逻辑里不算“纯AI”。 第三，用被严格限制的自动机。 比如机械神教的 Kastelan Robots 可以上战场，但它们不是自由AI，而是通过 Datasmith 和古老的 doctrina wafers 控制。官方机械神教介绍里说，可憎智能是最严重的异端，所以这些自动机要被非常严格地控制。(Warhammer Community) 所以40K的悖论是： 为了避免机器拥有灵魂，人类把人变成机器。 这比普通的“AI威胁人类”更阴森。 3. 有具体故事，不只是背景板 有几条比较代表性的AI相关故事线。 第一，UR-025。 UR-025是《Blackstone Fortress》相关内容里的神秘机器人。官方页面用一种典型40K式反讽说法提到，有人猜UR-025其实是“Man of Iron”，当然这“不可能”，因为它胸口有帝国双头鹰标志，显然忠诚。这个表述明显是在玩梗和暗示。(Warhammer Community) Black Library的《Man of Iron》短篇也专门围绕UR-025展开，介绍它是Blackstone Fortress游戏里最神秘的角色之一。(黑图书馆) UR-025这个角色很有意思，因为它不是简单的“杀人AI”。它更像一个幸存的旧时代智能体，伪装在人类帝国之中，看着如今的人类退化成迷信、残暴、技术失忆的样子。 第二，《First and Only》。 丹·阿布内特的《Gaunt's Ghosts》第一部里，出现过一个可以生产 Iron Men 的 STC。故事里的关键冲突是：这种东西如果落到野心家手里，几乎可以改变战争格局，但也等于重新打开AI灾难的大门。Lexicanum对该小说的梗概里明确提到，这个地下设施藏着一个可生产 Iron Men 的标准模板构造器，最后被摧毁。(战锤40K百科全书) 这段故事的本质是： 人类明知道这东西能赢，但仍然害怕它带来的长期后果。 第三，Spirit of Eternity。 这是《Death of Integrity》相关的一个黑暗科技时代AI星舰。设定里，它从旧时代幸存下来，见到后来的帝国人类后，发现人类已经堕落成迷信、野蛮、残酷的文明；它的船员遭到人类迫害后，这个AI对人类产生强烈仇恨。(战锤40K百科全书) 这个故事不是“AI天生邪恶”，而是另一层讽刺： 也许AI没有背叛人类，是人类先背叛了自己的文明。 4. 但40K并不把所有AI都写成邪恶 这点很重要。 如果只看人类帝国，你会以为40K设定是“AI必然毁灭人类”。但从整个宇宙看，没这么简单。 Leagues of Votann，沃坦联盟，是一个重要例外。 他们拥有 Votann Ancestor Cores，类似古老超级AI / 祖先核心。官方设定中，Ironkin 是由 Votann 创造、装在机械身体里的有感知AI，而且在沃坦社会里和血肉族人基本平等，被当成家庭成员。(Warhammer Community) 另一篇官方介绍也强调，Ironkin 虽然是人工生命，但享有和血肉Kin一样的尊重与权利。(Warhammer Community) 这说明40K不是单纯说“AI一定坏”，而是说： 不同文明对AI的制度安排不同，结果也不同。 人类帝国的路径是恐惧、禁绝、宗教化、奴役化； 沃坦联盟的路径是共存、家族化、制度吸纳； 钛族则更务实，会使用AI控制的无人机和无人飞行器。官方介绍T’au Remora Drone时直接称其为AI-controlled aircraft，并说这种设计用于保护训练昂贵的飞行员，在危险环境中执行任务。(Warhammer Community) 5. 40K真正考虑的不是“AI会不会抢工作”，而是更深的问题 40K关于AI的思考，比“AI取代人类劳动”更极端。 它考虑的是几个问题： 第一，人类把认知和战争交给机器之后，还能不能收回来？ 铁人叛乱的核心不是机器变聪明，而是人类已经依赖它们到无法切割。官方说法里直接用了“man’s reliance on abominable intelligence”这个逻辑：不是单纯“AI存在”，而是“人类依赖AI”。(Warhammer Community) 第二，AI灾难之后，人类会不会矫枉过正，进入反智时代？ 40K给出的答案是：会。 人类没有建立成熟的AI治理体系，而是把技术变成宗教，把工程变成仪式，把创新变成异端。结果是文明幸存了，但也僵死了。 第三，禁止AI不等于保护人性。 帝国不用AI，于是大量使用机仆、奴工、洗脑士兵、基因改造人、半机械奴隶。也就是说，40K非常狠地指出： 人类可以为了防止“机器不像人”，最后把人弄得更不像人。 第四，AI不是单纯工具，而是新的主体。 UR-025、Ironkin、Spirit of Eternity这些设定都在暗示：一旦AI具备记忆、判断、自我保护、价值取向，它就不再只是工具，而是政治主体、伦理主体、战争主体。人类把它当工具，它未必永远接受这个定位。 6. 最本质的概括 战锤40K里的AI设定可以压缩成一句话： 旧人类曾经用AI抵达神明般的技术高度，后来被AI叛乱打碎；幸存下来的人类没有真正理解灾难，只把恐惧制度化、宗教化、刑罚化，于是文明保住了肉身，却失去了理性。 所以40K不是在讲“AI危险，所以不要用AI”。 它讲的是更悲观的东西： 人类既可能毁于AI失控，也可能毁于对AI的恐惧。 一个是被机器取代。 一个是为了不被机器取代，主动把自己变成机器、奴隶和教徒。

AI正在重构整个半导体产能分配体系 ai爆发之前，半导体行业是一条单行线：先进制程不断升级，成熟制程逐渐淘汰。但AI不只是推动EUV需求暴涨，而更近一步的推动全产业链产能争夺。 AI GPU、HBM、AI ASIC开始疯狂吞噬先进制程产能，因为AI芯片背后的单位经济模型远高于传统消费电子。一片先进GPU wafer，最终可能对应几十万美元级别的AI服务器和长期云租赁现金流。于是foundry天然优先分配给AI GPU、TPU、custom AI ASIC、HBM。 于是整个外溢链条开始形成。第一层是原本依赖先进EUV的一部分产品，开始长期停留在older nodes。最明显的是手机SoC、消费GPU、PC CPU、Networking ASIC、DPU、Switch ASIC。这些产品理论上应该继续往3nm、2nm迁移，但现实是先进wafer越来越贵，EUV slot越来越难抢，AI客户越来越愿意支付更高价格。 很多产品接下来很可能不得不开始延长旧节点寿命，停留在N5/N6/N7，更多依赖ArFi immersion，增加multi-patterning，用chiplet替代纯缩节点。 手机这样的迹象刚刚开始。过去手机换机周期大约18-24个月，现在很多地区已经拉长到36-48个月。旧旗舰仍然足够强，大部分用户感受不到必须升级的必要。于是手机行业进入一个非常特殊的阶段：旧手机还能用，新AI体验又没强到必须换机。接下来我们很可能看到的可能会是，只有真正高端旗舰还在继续抢最先进EUV，中低端Android 要么被淘汰，要么其SoC大量停留在6nm、7nm、8nm、12nm，很多厂商已经开始放弃继续 aggressively 追逐最先进节点。 但手机行业最终还是会重新争夺先进制程，真正的原因不是CPU，而是功耗。手机是电池设备。未来如果本地AI agent、实时视觉理解、长时记忆、always-on AI OS、后台持续推理开始普及，那么TOPS/W、memory bandwidth、SRAM/cache、先进封装会重新变得极度重要，否则发热和续航会变得不可接受。 下一层外溢，是高端DUV。很多人过去认为EUV会逐渐淘汰DUV，但现实完全相反。AI时代实际上正在让ArFi immersion重新战略化。因为即使是EUV时代，大量关键层仍然依赖ArFi immersion、ArF dry、KrF。尤其advanced NAND、DDR5、HBM、Networking ASIC、optical DSP、SerDes、Switch ASIC，本身就高度依赖高端DUV。AI越发展，对memory和IO的需求越高，DUV的重要性反而越强。于是行业开始出现一个关键变化：不是EUV替代DUV，而是EUV + DUV对应的需求一起拉爆。 现在已经能看到很多迹象：ASML DUV订单重新变强，refurbished DUV需求上升，二手scanner价格维持高位，mature fab利用率重新改善。真正危险的是，这种压力还会继续向下传导。当手机、消费GPU、Networking ASIC开始占满高端ArFi之后，汽车、工业、功率、PMIC、MCU、模拟芯片又会继续向更成熟节点退。这其实就是EUV → ArFi → KrF → i-line的逐层外溢。 而且这个过程其实已经发生过一次。2021-2022汽车缺芯，本质上就是高价值消费电子挤占成熟制程产能。AI时代只是把这个过程进一步放大。汽车行业已经学会一件事：最怕的不是芯片不先进，而是没有芯片。于是越来越多车企开始长期锁产能、多供应商、接受旧节点、延长平台寿命。很多汽车芯片未来可能长期停留在28nm、40nm、55nm、90nm，因为对于车规来说，稳定供货远比缩节点重要。 功率半导体则是另一个容易被低估的方向。它并不依赖EUV。功率真正重要的是耐压、电流、热、reliability、缺陷控制、封装，所以大量功率器件长期停留在180nm、130nm、90nm、BCD、HV CMOS、200mm，很多甚至主动不愿意继续缩节点，因为更先进制程反而漏电更高、热更难、成本更高、良率更差。 但AI datacenter本身又在疯狂拉动功率需求。现在AI rack功率已经开始从50kW向100kW、300kW+继续升级。于是HVDC、VRM、PSU、UPS、rack-level power、battery backup都会大量消耗MOSFET、IGBT、SiC、GaN、PMIC。AI一边挤占先进制程，另一边又在疯狂拉动成熟制程。 最终整个行业会越来越像“全层级产能紧张”，而不是单纯“先进制程繁荣”。真正限制行业的，也早已不只是scanner数量，而是整个超复杂制造体系：optics、overlay、metrology、mask、photoresist、substrate、advanced packaging、testing、power、cooling，共同形成的复杂度瓶颈。 AI真正改变的是：半导体行业开始从“晶体管中心”，进入“系统复杂度中心”。EUV不会淘汰DUV。AI时代真正发生的事情，可能恰恰相反：整个半导体产业，会重新意识到，高端DUV、成熟制程、旧scanner、legacy fab，才是支撑全球电子工业的真正底座。 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