為了要反制德州的選區重劃，加州已經成功的把許多紅區，硬是修改成民主黨可以控制的選區，原本43:9的藍紅席次比，在新的選區劃分下，將要變成48:4，輕鬆地抵消德州的共和黨增加數目。但這個選區重劃的競賽還沒完，兩黨都有大動作，而最新的戰況是在維吉尼亞州，選民最近公投通過修憲，批准藍紅比從6:5變成10:1的選區重劃，但這修憲案被維吉尼亞最高法院宣告違憲。民主黨白忙一場。 選舉是肢體碰撞的運動，只要在法律允許的範圍內，手段不拘，以勝選為目的。所以民主黨說什麼，民主黨只是要反制共和黨挑起的「傑利蠑螈」(Gerrymander，即不擇手段的選區重劃)，我都聽不下去。全世界最會傑利蠑螈的就是民主黨了，不信你看看新英格蘭地區。新英格蘭地區的21個眾議員，通通是民主黨，你如果不細究，你還以為那邊都沒有共和黨員。四成的共和黨選票，一席都沒有，而且是經年累月，不是最近才發生。我只能說，是共和黨自己笨，自己以為是紳士，人家都戴起拳擊手套在打你，你還西裝筆挺地挨打。沒有一樣低級的川普點醒，共和黨還在那裡自以為高貴。 不過維吉尼亞的違憲判決，暴露出民主黨另一個，一向就有的問題。民主黨政治人物，無能。維吉尼亞的州憲規定，如果要修憲，議案必需在州議會通過兩次，而兩次中間，得有州議會大選，目的是讓選民可以理性判斷修憲案合不合理，在投票選議員的時候，當作重要考量。民主黨在推這個選區重劃的修憲公投時，早有法律專家說時間點可能會有爭議，但民主黨不管，硬推，想要先取得公投多數，再用民意的壓力逼迫最高法院就範，一如華盛頓州的違憲所得稅法。但這些個民主黨智障，連誰在最高法院當法官都不知道，最後只能被打臉，失敗作收。 如果這是詹森的政權，他絕對不會讓這種事情發生，他要推的法案，他一定把票算得一清二楚，一定把法條翻來覆去，修得精確萬分，不會有任何可能的失敗空間。所以他在歷史上和小羅斯福齊名，屬最能幹的民主黨總統，也對後世的美國子孫有巨大的影響。因為詹森和小羅斯福，懂得民主權力機器的運作，他們知道要國會通過法案，他們的政策才能有持久的效果，所以當他們決定要推法案時，一定把大軍集結，威脅加利誘，傾巢而出，絕對不會犯維吉尼亞民主黨這種低級的錯誤。所以社會安全法是羅斯福通過的，老人健保法是詹森通過的，至今仍然規範華爾街的大小金融法案是羅斯福通過的，而詹森是南北戰爭以來，唯一通過民權法案的總統。 現今的民主黨政客，一代不如一代。維吉尼亞的修憲案，背後的力量是歐巴馬，歐巴馬就是民主黨所有問題的具體化表現。當民主黨越來越往左靠的時候，身份認同政治變成是進步派血緣正統的主要依據，如果你的出身不純，你是白直男，那就更要積極表態效忠這個身份認同血統，不然你就沒有升官的機會。於是，一代又一代的民主黨政客，專心致志於「表演」，政治的所有作為通通是performative，白直男的代表就是加州那個白痴紐森州長，什麼事都幹不成，整天在表演。而少數民族的代表，就是歐巴馬。「我是美國的第一個黑人總統，我代表了所有的進步價值，不管我要做什麼，都是對的，你們都要俯首在我面前，任我差遣」，當他令不出大門，法案通過不了，別人不買單地的時候，他也非常驕傲，不屑政治運作。於是就大筆一揮，行政命令一下，取得了暫時的勝利，拿到了對共和黨說嘴的權力，就算事情辦好了。我以前寫過，歐巴馬如何整高等教育、聯邦航管員、醫療保險等等，用的都是行政命令。但行政命令的問題是，換了黨派當總統，就會被立刻取消。拜登也是，大筆一揮，就想要納稅人對少數人的學貸買單，就想要引進成千上萬的非法移民。沒有一件事，敢堂堂正正的動員議員來通過法案，所以最後都被取消了。美國近代最沒有歷史影響力的總統，非歐巴馬和拜登莫屬。 詹森是在保守的德州磨鍊他的政治手腕，羅斯福的進步主義背叛了他哈德遜河谷的貴族階級，兩個人都是在泥巴裡打滾過的政治能手，豈能是沒幹過一天實事，僅靠著一場演講，靠著全美國罪惡感當選的歐巴馬可比？

販毒的黑道常會告誡手下，「不要用自己賣的東西」，我最近找到一個新的例子，芝加哥教師工會的會長，把自己的小孩，送去唸私立學校，拒絕用自己賣的產品。這是很不可思議的虛偽，更暴露出教師工會現在把美國的公立學校弄成什麼樣子。芝加哥的公立學校，是美國數一數二大的學區，但二十年來，學生人數少了近八萬人，教職員卻多了三千人，整體學區預算幾乎加倍，師生比拉這這麼高，資源這麼豐富，教育品質一定好了？沒有，芝加哥公立高中學生達到伊利諾規定的學業水準，只有兩成！州定的標準，已經相當低，還有近八成的芝加哥學生達不到。我有很多芝加哥高中畢業的學生，所以我深受其害，面對這麼多基本算數、識字寫作都有問題的學生，我只能一直放鬆教學內容，連帶影響其它程度好的學生。 公立學校資源一點都不是問題，但工會教師就一直用錢不夠的理由，找到機會就罷工抗議。如果不是家長太過憤怒，讓政治人物害怕，工會原本還要在五一國際勞動節停課，讓學生上街抗議。抗議什麼？名義上是為教師勞動權益，但很多是想拿反川的標語上街。他們要抗議川普是有道理的，芝加哥學區這幾年本地學生巨幅外流，如果不是非法的拉丁裔移民填補了空缺，芝加哥還要少更多的學生，預算還會有更大的問題，所以他們當然要抗議川普抓非法移民。有一個學生告訴我，他的朋友最近經濟發生困難，因為他原本的工作是安置芝加哥的非法移民，拿的是政府經費，結果被川普政府搞到沒有收入。我忍不住問他，你沒有覺得奇怪嗎？我沒沒有說出來的是，幹得好。稅金，就給這些米蟲拿去了。 很多移民來到美國，小孩上學了，就會發現，這國家錢真多。公立學校教室設備一流，公發的電子產品人手一台，學生自由，活潑開放。但時間一長，就發現這是個糞坑，這是個教師工會的社會福利機構。老師經常請假，代課老師只會點名，上課時間很少，管秩序時間很多，老師的精力，都花在處理少數具有破壞性的學生，好的老師不敢管教學生，壞的老師不懂教學，浪費學生時間，再不然就整天講黑命貴、川普種族主義、LGBTQ權益，每日上課時數極短，每年上課天數極少。然後一天到晚道德綁架家長，只有他們懂教育，只有他們最辛苦，只有他們收入最少。但讓我講一個很多人不知道的事，大部份的美國公立學校教師，不用繳Social Security，這個僱主和員工合繳12.4%的稅，老師是不繳的。 工會殘害美國至巨，但要怎麼改革這個問題呢？目前有一個聲音是要在最高法院打官司，禁止教師成立工會。這有法律上的道理，因為如果反拖拉斯的目的是反對商業市場壟斷，那教師工會在實質上也是在就業市場壟斷，同樣是傷害消費者行為。進行這個訟訴也有政治上的道理，因為民主黨和教師工會交相苟且，一個把會費金錢輸送給政黨，一個用政黨控制政府的能力，保證工會的利益。這就是芝加哥教師工會這麼囂張的原因，如果把教師工會判為違法，那是一石二鳥。但也因為這個關係到民主黨的權力掌控能力，所以民主黨一定會誓死而反對。 但更重要的是，我認為把工會廢了，公立學校也救不回來。美國沒有什麼師範學校，普通大學畢業，上個教育學程，滿足州的教師規定，就可以當老師。此前，女性受到歧視，工作機會不多的時候，很多優秀的女性，想要展長才的女生，很多都當了老師，因為那是少數女生能在職場發揮的地方，而因此，美國以前公立學校的品質非常高。但這個壓抑女性的社會問題大致解決了，公立學校的老師也失去了優秀人材的管道。現在在大學唸教育的，通常是其它學門唸不來的學生的最後選擇，有統計說，美國大學的專業裡面，平均智商最低的就是教育系。當然少部份學生是為了理念去唸教育，也很有能力，我常在鄉下來的高中畢業生裡看到這種學生，但他們很快就被丟進一個不需要太認真就可以畢業的環境，很快就向下平均去了。在逆向淘汰的情況下，造成公立學校教師資質越來越差。這一點，就連廢掉教師工會也救不回來。 所以，最好的解決方法，是讓工會徹底把公立教學搞砸，那就會有更多納稅人要求開放教育券的發放，鼓勵私立和特許學校的成立。我們愛荷華州這幾年在共和黨的全面執政下，教育券得到充份實施，私立學校像雨後春筍一樣，紛紛冒出頭，也順帶推倒許多品質江河日下的公立學校。私立學校並不一定好，但有競爭才會有進步，才會想要嚐試教學的新作法，在這個AI改變人類生活的時代，我們更需要這種民間的競爭，來導入AI教學，提高教學品質。因此，我非常支持這些混蛋教師工會的惡搞，越惡搞，越加速公立學校的死亡。

第五，用时间来过滤信息，抵抗新事物狂热症 面对层出不穷的新事物，我们容易误以为越新的东西越好。 但实际上，对于书籍，思想，技术这些不会自然老去的事物来说，它们存在的时间越长，其生命力就越顽强，预期还能存活的时间也就越长。 因此，在选择阅读的书籍或相信的理念时，直接去读那些经受了几十年甚至上百年时间考验的经典著作，不要盲目追捧刚刚出炉，还未经验证的流行理论。 时间是最好的过滤器，它会无情地淘汰掉所有脆弱的噪声。

🚀 Ave官方Meme社群 Ave Alpha Hunters 拉新挑战赛 · 排行榜重磅开启！ 现在就来冲榜！拉新越多奖励越高！ 🏆 拉新排行榜奖励（总奖金200U） 第1名：50 USDT 🔥 第2名：30 USDT 第3名：20 USDT 第4-8名：10 USDT（5个名额） 第9-18名：5 USDT（10个名额） 💰 奖金发放：活动结束后24小时内链上公开发放 + 群内公示 📅 活动时间：5月7日 21:00 至 5月14日 21:00 ✅ 有效新人规则（防刷必看）： 1. 必须通过你的【个人专属邀请链接】进群 2. 至少拉到3个有效新人才计入排行 3. 若拉取机器人或假账号，将不纳入统计 ⚠️ 防作弊重要提醒： • 只有第一次进群视为有效邀请数 • 退群后再用其他人的链接加群不计算邀请数 🔥 如何参与？（超简单） 1. 在群里输入指令 /link 自动生成你的专属邀请链接 + 查询当前邀请统计 2. 疯狂转发到你的X、TG、朋友圈、Discord… 3. 拉新人进群即可 4. 冲就完事儿了！ 📊 数据透明：每两日 21:00 准时公布实时排行（机器人自动统计） Ave Alpha Hunters社群链接： 现在就开始拉！拉满50U不是梦！💰💰 谁是下一个Alpha Hunter？就看你了！

Boris Cherny（Anthropic 工程负责人）在最近的红杉 AI Ascent 大会上说，他现在大部分工作从手机完成。Claude App 里常驻 5 到 10 个 session、几百个 Agent，夜里有几千个在跑深度任务。他管这种做法叫 Loop，让 Claude 用 cron 起一个定时任务，可以每分钟、每五分钟、或者每天跑一次。 我本来还不太习惯用手机操作 Agent。这几天受邀测试最新版的 TRAE SOLO Mobile，刻意多在手机上试用，越用越能理解 Boris 说的那种变化。 This content is only supported in a Feishu Docs 这次 TRAE SOLO 首次实现了移动端、Web 端、桌面端（含 Windows 版）的全量开放，并真正做到三端同步联动，让 Agent 使用的场景大幅扩展。我在手机端体验了几天，结合官方新推出的功能，一些感受： 【1】Agent 已经不是程序员专属 打开 TRAE SOLO，首页让我先选模式：Code 还是 MTC（More Than Coding，意思是“不只是写代码”）。Code 模式好理解，写代码、跑 Git、看 Diff，而 MTC 模式则全面覆盖了写文档、数据分析、报表生成等日常办公场景。 从 Claude Cowork 发布开始就已经有了这个趋势，上周 Codex 的升级也是宣称：“用 Codex 做几乎一切工作（use Codex for (almost) everything）”。 TRAE SOLO 最新的升级同样顺应了这个趋势，从一个编程 Agent 泛化到了通用 Agent。 最新版本特别强化了飞书 CLI 接入功能。现在只要简单授权，就能在 TRAE SOLO 里直接操作飞书文档：例如，输入一句指令，“帮我整理一份本月 AI 编程工具市场动态”，Agent 会自动去网上检索，最后直接生成飞书文档或者动态网页，完全不需要人工再去排版或复制粘贴。 与过去“AI 给文字、用户再粘到飞书”的繁琐流程相比，这种一步到位的体验已经完全不是一回事了。 【2】三端连起来是什么体验 这次 TRAE SOLO 的一个大动作是三端（手机、Web、桌面端）全量开放，不再需要邀请码，所有用户都能用。 单独看 Mobile 端，它主要解决随时下发任务和确认任务的问题。但只有当 Mobile、Web 和 Desktop（包括最新上线的 Windows 版）真正打通之后，你才能真正做到随时随地让 Agent 持续执行任务。 过去云端执行环境总有局限，不能访问本地工具。而 TRAE SOLO Mobile 解决了这个痛点——只要完成简单的设备配对，你的手机就可以直接控制云端环境与本地多台设备。任务信息在所有设备之间实时同步，手机端下发的任务可以立即在 Web 和 Desktop 端查看执行进度，反过来也一样，真正实现跨设备的无缝接力。 比如上周末我在外面看孩子踢比赛，间歇刷手机，看到一篇不错的英文技术文章，顺手在 TRAE SOLO Mobile 上给 Agent 发了条指令：“把这篇文章翻译成中文，写一份推荐稿”，家里的 TRAE SOLO Desktop 就会启动我一套配置好工作流开始工作。等比赛结束回到家，打开电脑，稿子已经在那了。这种感觉有点像你出门前跟一个助手说了句话，回来活儿已经干完了。 【3】手机是用来指挥 Agent 的意图路由器，不是用来操作电脑的 这个区分挺关键。我之前不太爱用手机端办公，潜意识觉得是在用手机操作电脑。但是转换一下：“人操作 Agent，Agent 操作电脑”，那么用手机就很自然了。你不需要在小屏幕上精确点击什么按钮，你只需要说清楚你要什么。 用手机还有个障碍是输入速度，打字慢。TRAE SOLO 手机端有语音交互讨论功能，可以跟 AI 语音对话讨论一个问题，讨论结束后自动生成会议纪要，然后直接从手机把工作任务派发出去，电脑端同步接上后续操作。一部手机可以连接管理云端环境加多台 PC，在环境选择面板里挑一下设备和工作目录，剩下的全部交给 Agent。 这个功能在外面的时候特别好用。走路的时候、坐地铁的时候，想到一个点子，按住说话就行了，比打字快很多。过去这些碎片时间里冒出来的想法，要么记在备忘录里回头再处理，要么干脆就忘了。现在一句话就能让 Agent 开始干活。 【4】不着急的事，让定时任务自己跑 回到 Boris Cherny 跑几百个 Agent 的场景。做法很简单，让 Claude 用 CRON 给自己设一个重复执行的任务，一分钟跑一次、五分钟跑一次、每天跑一次，都行。 Boris 开着几十个定时任务，举三个例子。 一个 Loop 在照看他的 PR：CI 挂了就去修，需要 rebase 就自动 rebase。 一个 Loop 在维护整个项目的 CI 健康，发现 flaky test（不稳定的测试）就去定位修复。 还有一个 Loop 每 30 分钟从 Twitter 上抓他的反馈，自动聚类成几个主题汇报给他。 我自己也在用类似的方式。我有一个定时任务监控我 GitHub 上开源项目的 Issues，有人提了 Issue 就自动总结并给出处理意见，我看一眼觉得没问题，再指示 Agent 去操作。还有一个定时任务盯着我 X 的收藏夹，我平时刷到好文章随手收藏，它帮我自动抓取到本地，英文的还会翻译成中文，到时候集中看就行。 很多需求其实没那么紧急，但需要持续做。每天看一眼竞品动态、每周整理一次行业新闻、每月生成一次数据报表，这些活适合扔给定时任务。 现在 TRAE 的桌面端和网页端都已支持定时任务，无论是在云端还是本地环境，都能稳定地自动执行。比如你告诉 Agent：“每天早上 10 点发一份最新的 AI 新闻动态整理”，第二天早上工作台就会自动收到文档。你只需要专注于真正有创造性的判断，把那些重复且不着急的任务统统交给 Agent。 总结与体会 整体来说，这次对 TRAE SOLO Mobile 试用的感受就是： - Agent 使用门槛大大降低，不再只是程序员专属，很多日常办公、写作场景已经可以由 Agent 来做了。 - 三端真正打通后，无论何时何地，都能轻松管理并延续任务。 - 手机不再是远程桌面，而是随时随地的“意图路由器”。 - 通过 Loop 定时机制，真正把重复且耗时的任务自动化，让用户只做关键决策。 Boris 说他夜里有几千个 Agent 在跑，很多人大概觉得这是大厂工程师的特权。但我这几天的体感是，这件事的门槛已经比想象中低很多了。一部手机、一台电脑、一个 Agent 工具，你就可以开始把重复的事交出去。未来办公的趋势，或许就是这种“人随时随地指挥 Agent、Agent 做具体工作、人只负责验收成果”的模式吧。 推荐可以去用下 TRAE SOLO Mobile，体验随时随地指挥 Agent 干活的感受。 想试用的 Mac 可以去官网下载了——国内：

把 WEEX 这次西甲互动活动的玩法完整拆给你看，看完就知道该怎么薅。@WeexCn 活动名称：WEEX LaLiga Exchange 西甲联赛赛事互动 时间：2026 年 3 月 26 日 – 6 月 1 日 参与地区：中国香港 & 台湾 活动入口： 积分有四个主要来源： 一、新用户基础任务 报名领 50 积分，绑定手机邮箱再加 50，完成第一次比赛参与再加 50。门槛极低，几分钟搞定。 二、比赛互动 每一轮西甲比赛在 LALIGA Arena 选边——主胜、平局、客胜三选一。选对的一方按积分投入比例瓜分选错方的积分池。每场比赛限参与一次。 三、合约交易任务 每日累计交易量达到 1 万 USDT 起步给 100 积分，越往上奖励越高。累计总交易量门槛拉到 20 亿 USDT 对应 5000 积分。适合本来就在做合约的玩家，相当于交易顺手白嫖积分。 四、邀请好友 每邀请 3 个有效新用户给 300 积分，5 个再给一档。 积分怎么花？ 兑换奖励档位丰富—— - 3,000,000 积分：BTC 大奖 - 80,000 积分：合约体验金 - 5,000 积分：VIP 8 资格（90 天） - 2,500 积分：WEEX × 西甲联名球衣 - 2,000 积分：VIP 2 资格（60 天） - 1,500 积分：WEEX 足球周边 还有 ETH、WXT、各档合约体验金 实物奖励（球衣、周边）会寄送，非实物奖励 24 小时内审核发放。 注意几点：稳定币交易量不计入；做市商和子账户没资格；API 用户不参与统计。 活动到 6 月 1 日结束，未使用的积分会作废，建议及时兑换。 #WEEX# #LaLiga# #LaLigaExchange#

北京时间5月13号晚上7:50，特朗普抵达北京首都国际机场。这次访华吸引了海内外诸多媒体关注，本次豪华“访问天团”不仅有埃隆·马斯克、黄仁勋，还有 WLFI 联合创始人 Eric Trump。 我认为这是一个很明显的信号。因为几天前在迈阿密共识大会上，Trump Jr. 已经明确回应了“特朗普家族要放弃 WLFI”的传言，他直言：“有人这么说，不代表就是真的，这些叙事很多都是机器人矩阵号推动出来的。” 事实上，这些传言大多源自一些小细节被过度解读，比如官网团队页面短暂下线，就被曲解为“要跑路”。而 Eric Trump 这次亲自随行访华，用行动给出了最直接的回应：WLFI 团队没有放弃项目，全球布局和战略推进依然稳步进行。 这次访问不仅显示了 Trump 家族和科技圈大佬之间的紧密互动，也让人看到了 WLFI 在全球科技和经济版图上越来越重的分量。随着各路高层齐心联动，WLFI 有机会在全球科技产业和政治经济舞台上掀起新的浪潮。 Keep building🦅 #USD1# #WLFI# @worldlibertyfi

Lesson Learned from Family 2⃣：做事是做事，赚钱是赚钱 书接上文。 我的金融实务第一课，是做承兑的老板教我的，「合规是合规，真实是真实」。 我用了后面的一年慢慢体会。Tether，以及绝大多数灰色金融产业，都是这方面的高手。 今天聊的是一个类似的句式，「做事是做事，赚钱是赚钱。」 这个世界上几乎所有赚钱模式，都可以归结到： - 价值创造 - 财富转移 前一种你需要做事， 创造一定的社会价值， 拿走一部分的商业价值， 可大可小， 比如开塑料花厂， 比如研发 GPU 和 CUDA， 比如把中国的优势产品，小商品、3C、电车等等卖到国外。 后一种比较直接， 你需要研究， 怎么把别人的钱合理合法（或者不合理不合法，不是我教你的）转移到自己的口袋里， 比如做各种证券化，发股票/发币， 比如牛初进场的割牛末进场的， 比如直销，会销， 比如通胀， 比如税。 两种并不是互斥或者正交的，比如黄仁勋，或者马斯克，很显然他们都创造了社会价值，也拿走了商业价值，但他们的财富主体，显然来自于发股票的财富转移，二级市场提供了他们的真实财富。 因为科技股上市的便利性和估值倍数高，这也是科技行业在过去这些年几乎是最好的行业的原因，因为离证券化的发行最近。 NVDA 是正面的案例，也多的是从来没盈利过的上市科技公司案例，他们和发个币更是没有本质区别，甚至流动性还不如币安。 大体上泡沫越多的地方有越多的财富转移，年轻人应该去泡沫最高的地方，寻找愚蠢的竞争对手，挑软柿子捏，打不过就换角度。 书归正传，如果你胸无大志，只想衣食无忧，做个俗人，如果有时代机会，应该直接去参与财富转移，以币圈为例： - 有能力，去做公司发股票、发币， - 有能力，be fast be smart or cheat， -- be fast，有交易 edge，比如像方程式速度一样快做 news driven，或者链上分析， -- be smart，靠投研靠运气靠赌性 10×10×10， -- cheat，比如 2018～2021 的 Crypto VC，比如事实存在的头部大所老鼠仓， - 没能力 -- 但有技术，做开发、搞空投搭车参与别人的证券化， -- 但有赌性，加场外杠杆，借 1000 万，熊市买比特币/科技股，翻倍你就赚了 1000 万，归零就是另一回事了 每一轮的牛市，每一次的 Binance Listing，每一次的 TGE，事实上就是没有 edge 的韭菜向证券发行的利益相关方自愿捐血。 只是吃菜的人从不会和菜说话，除了日本人： i-ta-da-ki-ma-su 夜雨剪春韭，新炊间黄粱。 感谢大自然的恩惠。 （待续）

ai agent 赛道今天简单理了一下，有三种基本面： 1️⃣收入 主要是平台 virtual/clanker这些，有收入。 赌场逻辑，从交易和发资产赚钱。 还有一些agent讲的是其他赚钱故事，比如defi套利，游戏打金，成人色情，社交网络打赏。 这些都没法跟赌场逻辑比，收入不在一个量级。 2️⃣功能 主要是平台 ai16z ava这些，是功能逻辑，叙事是： 有多少agent用了他的能力。 3️⃣流量 主要是单一agent tot，aixbt，luna这些，是 meme 的流量逻辑。 用一些新颖的互动方式，最开始是语言，后面是音频/视频，再后面加一些打赏功能性等，甚至defi的销毁机制等。 获得用户的关注和流量。 这些都是表面逻辑，继续深挖一下： 第1️⃣第2️⃣个逻辑成立的前提，是会有持续不断的 ai agent出来，被市场认可，愿意进行交易和投机。 他的根本是流量和资金。 这里面如果作为龙头meme的 act goat fart 这些不被拉起来市值，后面的其他 meme 市值就会进入瓶颈。 现在很多新的小agent能到1m-5m已经不错了，流量探索也是有边界的。 所以，表面上第1️⃣2️⃣看起来非常的坚实，本质上是建立在能否有龙头拉出百亿美金市值，才能带来后面的大量新 agent 使用 1️⃣2️⃣的服务，形成大繁荣。 会发生么？会的，这是动态的过程。 越多新型的ai agent出现，龙头就越有价值；龙头越有价值，越多创新的 agent 会涌现；越多新 agent 出来，1️⃣2️⃣的平台价值就更坚实。 这是一个彼此促进的过程。 这是我的理解，欢迎讨论。

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？