散户关注热点股（≤6只） 【$NUVL - Nuvalent】 关注焦点：盘前涨38.83%，生科小盘股爆发。HC Wainwright维持Buy评级目标价$70。 逻辑：肿瘤领域新药进展积极，散户关注突破性疗法赛道。 价值：市值6.99B，属于中小盘成长股。 机构评价：Leerink Partners目标价$69，Outperform。 估值：PS约24x，营收增速是关键。 【$AAPL - 苹果】 关注焦点：摩根士丹利上调目标价至$360，AI iPhone换机潮预期。 逻辑：AI功能将成为驱动业绩增长新引擎。 价值：全球市值最大公司，消费电子绝对龙头。 机构评价：Morgan Stanley维持Overweight，Needham维持Hold。 估值：PE约28x，相对合理。 【$ORCL - 甲骨文】 关注焦点：美银上调目标价至$240，云业务增速超预期。 逻辑：企业级AI需求旺盛，数据库+云业务双轮驱动。 价值：企业软件巨头，转型云计算。 机构评价：B of A Securities维持Buy。 估值：PE约22x，云业务占比提升带动估值重估。 【$APLD - Applied Digital】 关注焦点：Needham上调目标价至$83，盘前热门AI概念股。 逻辑：AI数据中心需求爆发，公司订单量超预期。 价值：AI基础设施服务商，受益算力需求。 机构评价：Needham维持Buy，目标价$66→$83。 估值：PS较高，需持续关注订单转化。 【$FAC - Factorial Energy】 关注焦点：盘前涨57.61%，固态电池概念。 逻辑：电动汽车固态电池技术进展，市场关注。 价值：固态电池初创公司，想象空间大但风险高。 机构评价：暂无主流覆盖，散户驱动明显。 【$LITE - Lumentum】 关注焦点：Needham维持Buy，目标价$1040。光通信龙头。 逻辑：AI数据中心互联需求旺盛，800G产品放量。 价值：光通信器件龙头，受益AI基础设施。 机构评价：Needham维持Buy，目标价$1040。 估值：PE约25x，业绩确定性高。

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

贝壳去年第四季度净利润暴跌84.6%，市值一年蒸发四千八百多个亿，链家的经纪人数量同比少了将近两成。同一份财报周期里，这家公司创始人留下的班底，CEO的薪酬从几百万涨到了四个亿，联合创始人的薪酬也翻了几十倍冲到三个亿。裁员潮里被优化掉的经纪人，有人转身去卖墓地，卖了三个月一单没开，有人学着拍短视频找客户，流量寥寥无几还老因为涉嫌营销被平台判违规。这才是眼下平台经济存量博弈最真实的画面，不是所有人一起变穷，是大部分人一起变穷，顶端极少数人反而更富。 社会零售这块的数字最能说明问题。今年一二月份还有百分之二点八的同比增长，到五月份直接转成了负增长，上半年整体只有百分之一点三，CPI一直卡在百分之一上下都上不去，全国城镇调查失业率也一直卡在百分之五点三附近，不算恶化，但也看不出改善的迹象。国家统计局逐月公布的原始数字自己就在往下走，存量时代这四个字，今年是真的从概念变成了体感。 房产和二手车这两个赛道，死相最清楚。房产这边不用多说，贝壳作为行业里活得最好的那一个尚且如此，银行现在都下场直接卖法拍房，三十天就能成交，比中介流程快得多，这条路一旦跑通，中介这门生意的根基还剩多少不好说。二手车这边死得更早也更彻底，当年瓜子、优信、人人车三家打得头破血流，瓜子请孙红雷，人人车请黄渤，优信更夸张，直接把奥斯卡影帝莱昂纳多请来做全球代言人，这阵仗放到现在看都觉得离谱，三家烧的钱按十亿美元级别算，可十年过去，二手车这个大宗低频的生意，线上信息撮合始终替代不了线下交付这个环节，最后几家真正赚钱的路子是车贷，卖车本身反而成了引流的由头，跟它们当年想颠覆的中间商没什么两样，热闹劲儿早在这几年悄悄散了。 机票旅馆这块，情况比表面看起来更微妙。官方口径一直说文旅市场稳中有进，可今年五一假期的数据已经露出苗头，民航客流量同比下降了百分之五点二，航班量也在减少，票价反而涨了将近一成，一边是人少了，一边是价格没降，这种组合本身就是压力信号。更值得留意的是几家OTA的投诉量，今年以来同程、去哪儿、飞猪在黑猫投诉平台上分别超过十万、二十一万、九万条，大头都是默认勾选的增值服务和会员定价这类猫腻。平台越在这些地方抠细节，越说明主营业务的自然增长已经撑不住报表了，这行现在还没死，是在拿用户体验换报表好看，这个换法撑不了太久。 外卖和即时零售这条线，不该算进中厂灭亡的名单里，这是完全不同的逻辑。这两年美团、阿里、京东三家在这条赛道上合计烧了一千五百个亿，把日均订单量从八九千万单硬生生推到两亿单以上，美团一度由盈转亏，京东新业务板块一年亏掉四百六十多亿，阿里的销售费用半年从六百多亿冲到近一千二百亿。这场仗打到监管都看不下去，六月份市场监管总局出了专门的补贴行为规范，才把这场厮杀摁下去一些。抖音这半年也没闲着，生活服务这块2025年支付GMV冲到八千五百个亿，同比涨了近六成，今年二月还专门上线了一个独立的团购App抖省省，这已经是第四个巨头下场。巨头们是为了一块还在增长的蛋糕互相往死里砸钱，不是在存量里等死，商务部估计即时零售今年规模就能破万亿，谁都舍不得先退场。 贝壳这半年财报电话会上，管理层反复提AI是新的生产要素，说AI已经直接参与收房定价、库存调度这些核心决策了。这话听着挺提气，换个角度想，今天贝壳拿AI当自救工具，明天这套AI逻辑一旦被搬到用户那头，变成一个直接帮用户找房、谈价格的agent，贝壳这个中间层本身还剩多少存在的必要，也是个问题。真正该往前看的，是高盛年初那份报告里的一个判断，说2026年的关键之战是AI超级入口的争夺，谁能把agent嵌进操作系统、社交软件、支付场景里，谁就能在用户还没想清楚要订机票还是点外卖之前，直接替他把事情办了。报告里还提到一点挺扎心的，说抖音是个天然的时间容器，用户划着划着还没想清楚自己要干嘛的时候，它就能主动跳出来问一句要不要帮你订张机票，这种打法根本不需要用户先有明确意图，是提前截胡。抖音去年的利润已经甩开腾讯和阿里一大截，这场仗到最后拼的是谁家现金流最厚，耗得起。不管你是死于存量厮杀还是活在巨头混战里，只要有一天用户不再需要打开你这个App，直接跟一个agent说一句"帮我订张去成都的票"，中间这些垂类平台存在的理由，会比现在任何一种死法都更釜底抽薪。 我在阿里那几年，见过太多业务被自己人从内部革掉命的场面，这半年看着房产中介和二手车这两个赛道走到今天，多少有点似曾相识。中央经济工作会议今年也专门提了要让平台企业和平台内的经营者、劳动者共赢发展，说明白点，官方也看到了贝壳这种赢家通吃、赢家更赢的苗头，只是这话说起来容易，平台自己有没有动力真让利，是另一回事。存量博弈这个词听着冷酷，可它至少还承认牌桌上的玩家继续玩下去，agent入口这件事一旦真的成了气候，可能连牌桌本身还在不在都不好说。

最近大模型更新的隐式缓存为什么可以把缓存价格降低，命中率大大提高。 传统推理里，你每调一次API，GPU都得把整个输入prompt重新算一遍。固定System Prompt、历史对话、RAG知识库，这些重复内容每次都重新预填充，按全价收费。 隐式缓存做了什么？ 它自动检测本次输入和之前请求的公共前缀。命中了，就把之前算好的KV Cache从SSD硬盘直接加载出来，只对新增部分重新计算。重复劳动，直接砍掉。 效果立竿见影。多轮对话、Agent、代码补全这类场景，重复前缀往往占输入Token的70%-90%。命中后，input价格直接打到一折。对长文本多次对话的推理的成本和内存的压力都大大降低。 但这里有个关键问题：之前为什么不行？ KV Cache太大了。传统Multi-Head Attention架构下，百万Token的KV可能要上百GB显存。存盘？I/O延迟完全没法接受。GPU必须全程Hold住所有KV，成本根本降不下来。 DeepSeek的MLA架构把KV Cache压缩了10-28倍。百万Token从80-200GB变成4-10GB。这才让硬盘级缓存成为可能，压缩后的KV可以经济地落盘到分布式SSD，需要时再快速加载。 本质上，是把最贵的GPU显存从按最大上下文全量占用变成了按实际新增Token动态使用，类似动态更新的模式。 这里有个反直觉的点：虽然对高速内存需求大幅下降，但并不是完全转向硬盘。更像是分层存储，GPU只保留热数据，冷前缀卸载到SSD。类似CPU的分页机制，只是这次发生在大模型推理层。 DeepSeek率先把这套机制默认开启，给出极致低价。其他厂商不得不跟进，竞争驱动技术扩散，技术扩散又进一步压低价格。 要想最大化缓存命中需要做什么？ 想最大化省钱，把重复内容尽量放在prompt开头，保持前缀一致性，命中率会更高。API响应里有prompt_cache_hit_tokens字段，直接看命中率。 这轮降价潮是真实的架构创新，算法效率优化带来的成本下降。MLA压缩KV、分布式SSD存储、Radix-Tree前缀索引，这些工程突破把原来需要重复劳动浪费的算力，优化到极致 尤其是 DeepSeek，降价这么多还能赚钱，还是永久降价，这是真本事，那之前的原价是耍我们玩得吗，第一天用原价 API 的人是有点冤大头了。

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

当非遗遇见世界✨ 在 #WTOPublicForum# 国潮文创展，抚州非遗戏曲吸引外国友人学唱。 国家级非遗传承人吴岚，向海外友人展示戏曲身段与唱腔。 水袖翩跹，曲调悠长。 汤显祖故里的古韵，跨越山海，联通世界。 #抚州# #中国戏曲# #非物质文化遗产# #汤显祖# #WTO# 公共论坛

当传统民乐撞上电子节拍，这首国货专属国潮BGM来了！ 从国潮文创到智能家电、酒水粮油，国潮从来不是照搬旧模样，是老手艺与新潮流碰撞的花火，是中国制造走出自己的风格。这旋律，很中国！ #汉服# #国潮# #非遗# #好品山东#

私訊裡很多都覺得帶我去吃東西我就會心情比較好 並不會 給我生日紅包或禮物比較有用 真的 怎麼會覺得你付一頓飯錢讓我出來跟你見面我就會心情好呢 你特別有趣還是特別帥嗎 還是你要帶我吃什麼不提前幾個月預定訂不到的高檔餐廳ㄇ 不然憑什麼覺得我跟你吃一頓飯會心情好… 連一般的付費純約會我都有點意興闌珊了 所以真的不要再約我吃飯了 除非我心血來潮發文找飯友而且你剛好有地理優勢並且你是正常人我才可能會選擇跟你吃飯