大家看过老片 - 布鲁斯·威利斯主演的《未来战警》（Surrogates）吗？ 今天重温了一下，突然觉得这部2009年的电影，离我们已经没有那么遥远了。 电影里的大多数人不再亲自出门，而是躺在家中，通过意识操控一个更年轻、更漂亮、不会受伤的机器人“替身”去工作、社交、约会，甚至生活。 世界也因此分成了两派：一派pro 机器人，认为机器人让人类更安全、更自由，也摆脱了身体、年龄和疾病的限制； 另一派是反对派，拒绝机器人，坚持以真实的身体生活，认为人类正在为了便利，放弃最真实的自己。 里面有一个细节，男主角和太太，都是帅哥美女的样子，但是其实那都是他们的机器人分身。回到他们的原来样子，布鲁斯威利浓密的头发变成白发斑斑而且稀疏，本来光彩照人的太太 （裴淳华饰演）的真面目也是面露疲倦，头发蓬乱，真人的模样，但是这不正是人类有机美妙的地方吗？真实，脆弱，但是有真情实感。 回到现在，这部影片真是预言式的，说的不就是我们正在进入的世界吗？ 今天还不是每个人都有一个机器人替身，但我们已经开始让AI替我们写作、沟通、工作、做决定；未来，AI Agent、数字分身和人形机器人可能会代表我们参加会议、经营社交关系，甚至陪伴家人与爱人。 问题来了：当越来越多的人生都可以交给“替身”完成，我们还愿意亲自经历多少？ 当一个更聪明、更漂亮、更完美的数字或者机器人版本可以代替你去体验生活，你会怎么选择？ 到底哪一个才是真正的你？ 科技最大的诱惑，也许不是让机器变得像人 - 而是让人类逐渐习惯，不再亲自做人。

这下在美国也出名了 今天在wsj吃到个大瓜，《The Chinese Billionaires Having Dozens of U.S.-Born Babies Via Surrogate》，标题翻译过来是中国亿万富翁通过代孕在美国生下数十个孩子。 加州洛杉矶家庭法院法官Amy Pellman在审查常规代孕亲权申请时，反复发现一个名字Xu Bo，他当时申请至少4名未出生婴儿的亲权，法院进一步调查发现他已通过代孕生育或正在生育至少8名（实际可能更多）孩子。 经常在中国互联网上吃瓜的网友们肯定都认识他，就是中国首父，号称要生100个孩子的多益老板。我们当初刚听到他的言论时都被惊呆了，这次美国法官也一样懵逼，就为这事开庭。 徐老板没去现场，视频出庭，承认希望通过美国代孕生下约20个男孩，他认为男孩比女孩更优秀，可以继承自己的事业。这些孩子生完放在美国保姆抚养，他工作太忙还没见过他们，等亲权确认就接回中国。 美国法官很罕见的拒绝了徐老板的申请，认为这超出正常家庭范畴，可能对孩子不利。 女读者看了别生气，有喜欢男的也有喜欢女孩的，报道里说另一位叫Wang Huiwu的富豪通过美国模特儿、音乐家等高价卵子（每颗6000-7500美元），代孕生下10个女孩，计划是未来嫁进美国上层。 这种代孕生子一个成本20万美元，这几年深受中国富豪喜欢，忙的话人不用去美国，只需运送遗传物质即可。报道里说有另一个教育行业的富豪想生200个，过于离谱被中介拒绝。 他们的目标都是通过庞大的代孕计划打造庞大家族集团，这些富豪大都认同马斯克的理念，不过马斯克目前也就14个孩子。 我看完这事就觉得很难评，目前社会年轻人你鼓励他们也不生，这些富豪倒是想得开，借助工具哐哐生，代孕在国内禁止，但是在美国搞不违法，网民最多在伦理道德上质疑，但这些富豪根本不care。 每个人都可以选择用自己喜欢的方式过完这一生，只要你有能力支付对价。 …… 今天a股成交1.77万亿，又缩量了，8个宽基指数除了微盘股指数剩下的都跌，科创和创业板跌的尤其多，但市场中位数-0.26%其实还好，散户痛感不强烈。 今天跌的主要是半导体、元件、通信、电池这些之前的人气板块，这和上周五美国ai板块集体下跌有直接关联。上周五英伟达下跌3.3%，甲骨文下跌4.5%，博通下跌11%，尽管这些公司的财报并没有爆雷，但是资本市场对ai的热度开始降温，很多人觉得目前的预期打的太高，未来有兑现不满的风险。 两市今天涨幅第一的是保险板块，中国平安大涨5%创本轮行情新高，这个上周写过的摩根士丹利提高了平安的目标价，港股从70看到89，a股从70看到85，平安今天涨完也才67，还有空间。平安后续如果能涨到目标价85，那就意味着前几年高位入的也能解救。 另外涨幅突出的有乳业（+4%）和零售百货（+3%），前者估计是受周末分娩免费的刺激，基本上每次有激励生育的政策乳业就会涨一下，但每次涨不了几天就会跌回去，因为婴幼儿市场整体萎缩是毫无疑问的趋势，包括今天买进去的那些人也没几个相信这种行情能持续，这会考虑的也是明后天找个卖点。 零售百货这几天涨挺好，主要关注这几天政府新出的消费刺激政策，消费虽然今年很差，但是零售百货还行，2025年板块涨了15%。 这几天大盘指数连续回调，目前又到了趋势的弱侧，这时候你们就别说什么发射了，头朝下还发射就射进沟里去了。有过11月底那波的试探，我觉得短期3800应该会有支撑，但这也是对势能的一种消耗，现在ma60还是涨的，如果在这个位置继续耗到1月上旬，到时候中期k线全部掉头向下，3800也不保险。 …… 1、统计局出了上个月70城房价统计，我上图你们自己看。表格用100做基准表示价格波动，环比98.7意思就是比上个月跌了1.3%，同比93.2就是比去年这个月跌了6.8%。 一线城市环比下跌1.1%，比上个月扩大0.2%，二线城市下跌0.6%，和上个月持平，三线城市下跌0.6%，比上个月收窄0.1%。之前都说大城市比较扛跌，但最近几个月大城市有补跌的迹象。 2、人民币汇率来到7.05，最近半年涨了3%，这对那些换美元理财的人来说是个沉重的打击，因为美债和中债的息差也就2-3%，相当于是白忙活一年，息差都被汇率给抹平了。但随着汇率的上升，中国商品出口的压力也在上升。 3、美乌谈判说是有重大进展，就是乌克兰官宣放弃加入北约，但这事其实上个月就已经明牌了，俄乌目前真正的分歧是顿巴斯地区大概20%的领土，目前归乌克兰控制，俄罗斯坚持要，乌克兰不给，这是谈不拢的核心原因。俄军战场占优，每天都在缓慢推进，乌克兰支撑的有些勉强。 4、中国电影：《流浪地球》2027年之后上映。 5、伦敦公寓过去10年价格下降22%，目前的负担率是9，意思就是典型工作者9年的收入可以买到一套房。这个我前几年研究过，中国人去买各种税费叠加起来占房价的8-12%，一点也不友好，还不如去香港看看，那里这一波跌完性价比也不错。 6、长春高新旗下的子公司拿了一个海外bd的单子，首付1.2亿美元，后续分成最高能到13.65亿美元，这应该是个显著利好，看明天市场认不认了。 今晚就这些～上钟了

FEL：马斯克重新定义 EUV并开启太空芯片制造 马斯克最近一句“FEL FTW”，让 Free-Electron Laser（自由电子激光器，FEL）重新进入半导体行业视野。 市场很容易把这件事理解成“马斯克要造自己的 ASML”，但这可能并不是最准确的框架。 FEL 首先不是一种全新的光刻原理，而是一种新的 EUV 光源。如果这条路线最终进入 Terafab，它真正挑战的可能不是整台 ASML EUV scanner，而是过去二十多年 EUV 产业形成的一个基本架构：每台 scanner 配备自己的 LPP 光源。 FEL 更激进的可能性，是把 EUV 光源从 machine-level component 变成 fab-level infrastructure。 1、从锡滴到电子束 今天 ASML EUV 的核心波长是 13.5 nm。产生这种光的方法非常复杂：高功率激光每秒数万次击中高速飞行的微小锡滴，把锡瞬间变成高温等离子体，再从等离子体辐射中收集 13.5 nm EUV。这就是 LPP，Laser Produced Plasma。这里有巨大的工程问题：锡滴变成超高温 plasma然后才能产生 EUV。 但过程中必须处理：锡碎屑、collector污染、hydrogen plasma、镜面寿命、清洁、热负荷…… 这本身就是 ASML/Cymer 二十多年积累起来的一座巨大技术壁垒。ASML甚至长期与大学研究团队合作解决氢等离子体环境、锡清洁和组件寿命问题。 FEL 完全不同。电子枪产生电子束，加速器把电子加速到接近光速，再让电子穿过周期性磁场组成的 undulator。电子不断摆动并逐渐形成 microbunching，最终产生高度相干的电磁辐射。通过设计电子能量和 undulator，可以直接产生 13.5 nm EUV。 所以两条路线解决的是同一个问题：怎样大量、稳定地产生 13.5 nm 光子。LPP 的答案是“激光+锡等离子体”；FEL 的答案是“相对论电子束+加速器”并以此绕过锡等离子体的巨大工程技术壁垒，并还能增加EUV photon throughput。 2、FEL 最大的赌注是功率 EUV 光源功率直接影响曝光速度、光刻胶剂量和 scanner throughput。LPP 已经从早期几瓦一路发展到数百瓦，并正在向千瓦级推进。但继续提高功率越来越困难。更多激光能量意味着更极端的锡等离子体、更大的 collector 热负荷、更严重的污染和更复杂的系统可靠性问题。 FEL 的长期诱惑在于数千瓦甚至 10 kW 级 EUV。公开的 FEL-EUV 研究已经讨论过这种量级。这里必须区分“理论/工程设计目标”和“半导体量产能力”：今天并不存在一台 10 kW FEL 在先进晶圆厂里稳定量产芯片。但如果这种光源最终实现，它提供的就不只是“比 LPP 多一点光”，而可能是一个数量级不同的技术路线。 FEL 的优势也不仅是功率。它可以提供高度相干、窄频谱、可控偏振的辐射，没有 LPP 那套锡滴、锡碎屑和等离子体污染问题。某些偏振模式甚至可能改善极小尺寸图形的成像对比度和 process window。换句话说，FEL 不只是更大的灯泡，而可能是一台更强、更干净、更可控的 EUV photon engine。 代价也非常明显：它把“锡滴地狱”换成了“粒子加速器地狱”。 电子枪、RF、加速腔、磁铁、undulator、超高真空、beam control、energy recovery、冷却和控制系统，每一项都可以成为新的工程瓶颈。今天 LPP 最大的优势不是物理原理漂亮，而是已经经过数十亿小时级别的产业学习和大规模晶圆生产验证。FEL 最大的问题也不是能不能产生 EUV——答案早已是能——而是能不能把一个粒子加速器变成 semiconductor-grade manufacturing infrastructure。 3、Terafab 改变了 FEL 的经济学 如果目标是制造一台设备卖给 TSMC，FEL 的体积和复杂度是巨大劣势。但如果目标从“造一台光刻机”变成“从零设计一座超大型 AI 晶圆厂”，问题就完全不同。 传统架构大致是： Scanner A + LPP A Scanner B + LPP B Scanner C + LPP C Scanner D + LPP D FEL 更激进的架构可能是： 10 kW Central FEL → EUV Beam Distribution → Scanner A / B / C / D / E…… 这意味着不再试图把一个粒子加速器塞进光刻机，而是直接把整个晶圆厂建在粒子加速器周围。FEL 从一台机器的 component，变成整个 fab 的 utility，类似电力、超纯水和中央气体供应系统。 这可能正是 Terafab 与 FEL 结合最有想象力的地方。巨大的 accelerator 不再是单台 scanner 必须承担的固定成本，而可以由十台甚至更多 scanner 分摊。一套价值数亿美元甚至更高的 FEL，如果能够稳定向大量 scanner 提供数千瓦 EUV，其单位曝光成本可能完全不同。 4、长期看，FEL 甚至比传统光刻机更适合成为“太空半导体工厂” FEL 本身具有几个天然适合太空的特征。首先是高真空。电子束和 EUV 本来就需要真空环境，太空至少在外部环境上与这套系统高度兼容。其次是规模。地面建设一公里级 accelerator 意味着土地、建筑、隧道、地基和振动隔离；轨道大型结构如果未来能够低成本模块化部署，“很长”本身未必是最致命的问题。第三是机械环境。太空不存在传统地震和地面振动， 因此轨道 FEL 比轨道先进晶圆厂更容易想象。当低成本重型运输、机器人自主建设维修和高度自主 AI fab 同时成熟以后，“Orbital FEL Terafab”更可能从科幻式工程概念变成真正可以计算 ROI 的工业方案。 5、RSI 是 FEL 最值得关注的变量 这可能是整件事情最重要、也可能是最终让马斯克下定决心的因素。 AI 对成熟 LPP 和 FEL 都有帮助，但边际价值可能非常不同。LPP 已经经历二十多年极端工程优化。剩余问题越来越集中于 collector 寿命、热负荷、锡污染、材料耐久性、光刻胶和精密制造。这些问题 AI 可以帮助优化，但越来越受到现实材料和制造能力限制。 FEL 仍然拥有巨大的未搜索设计空间。Electron gun、beam energy、emittance、RF phase、bunch compression、magnetic optics、undulator geometry、energy recovery、beam distribution 和反馈控制形成一个极其复杂的高维系统，而且其中相当大一部分可以通过 Maxwell equations、particle dynamics 和 accelerator physics 在计算机里模拟。 这恰好是科研 AI 最容易产生巨大杠杆的领域。 过去是工程师提出一个方案，跑 simulation，修改参数，制造 prototype，再测试。未来可能是 AI 生成十万种 architecture，用 surrogate model 初筛，再通过高精度 physics simulation 搜索 Pareto frontier，最后只制造最有希望的几十种设计。 AI 的价值还不仅在设计。FEL 最大的工业问题之一是稳定性：RF phase、beam energy、magnet current、temperature 和 beam position 的微小漂移都可能最终变成 wafer 上的 CD variation。FEL 本质上也是一个巨大的实时高维控制系统，而这正是 advanced AI control 最可能发挥作用的地方。 能力不断增强的ai，会让FEL开发建设循环变成： AI 设计 FEL Gen 1 → 制造 → 自动采集 beam/wafer 数据 → AI 找到 simulation-to-reality gap → 修改 accelerator、undulator 和 control → FEL Gen 2 → 更多数据 → FEL Gen 3。 这也解释了为什么 FEL 在 RSI 时代可能比过去任何时候都值得重新评估。没有 AI，挑战拥有二十多年工业学习曲线的 LPP 是一个极其困难的命题。有了越来越强的科研 AI，FEL 大量尚未解决的问题恰恰属于 AI 最容易压缩的“simulation + search + optimization + control”空间。 因此，马斯克看好FEL，其底层的最重要的逻辑其实是： 当 AI 芯片需求扩大一个数量级、科研 AI 开始参与硬件设计、晶圆厂走向 Terafab 规模以后，FEL架构，相比今天以独立 scanner + 独立 LPP source 为核心的 EUV 架构，更可能会是最优解！