AWS Lambda 现在支持 Self-managed S3 code storage 以前Lambda 部署代码时，会把 ZIP 包复制到 AWS 管理的存储空间，占用 Lambda code storage quota 现在： Lambda 可以直接引用你自己 S3 Bucket 中的代码 不需要额外复制代码包 代码存储容量由你的 S3 管理 支持 Lambda Functions 和 Layers 这个变化对于拥有大量 Serverless 应用的团队尤其有价值： 多环境部署 大量 Lambda Functions 多个 Lambda Layers CI/CD 自动化发布流程 不过需要注意： 1. 不会提升单个 Lambda 函数 ZIP 包大小限制（250MB unzipped） 2. Container Image 仍然使用 ECR #AWS# #Lambda# #Serverless# #CloudComputing#

《从技术史的角度看“卖token”》 这篇文章的主线是： Energy → Computation → Information → Intelligence 能源→计算→信息→智能 19世纪初，人类进入电气时代，开始用kwh来计算电的基本单位，标志着电力进入工业化生产，电力不再被简单地理解为代替人力畜力的一种生产力，而是可以通过网络传输，被标准化计量购买的商品，广泛参与到人类生产中。 引发我们的第一个问题，就是一个技术发明到什么阶段，才能变成基础设施，引发科技革命呢？ 20世纪初，IBM mainframe等大型机的诞生，MSU（Million Service Unit，百万服务单元），衡量CPU处理能力，MSU成为软件计费的新的计量单位。 随后AWS所代表的云计算革命，让计算能力开始像电力一样，可以被远程调用、弹性扩展和按量付费，资源、算力、存储都可以被标准化售卖。 第三阶段，则是API Economy 革命，API计费时代，概括来讲就是cloud computing + SaaS + API economy，不再是出售硬件、云算力，而是而是把算力、数据库、业务能力、AI能力全部封装成可调用接口，对外商业化。 不管是laas代表的infra： GCP Azure AWS paas代表的开发者工具如数据库中间件消息队列等。 还是Saas：salesforce、飞书、zoom等成品软件，直接面向客户。 API通过按量计费，成为统一的接口，成为参与到工业化的标准产品。 第四阶段，就是我们现在正处，AI API token时代，跟上一代计费标准不同，AI API计费主要是按照 input tokens + output tokens。 跟电力时代的kwh一样，token正成为ai时代的计量单位，但目前这个计量单位并不统一，因为从实验室出来的智能并不一致，deepseek的token只有claude fable 5token的 1/200。 token只是依托于api时代流传下来的短暂计量工具，它可能不是 machine intelligence 最终的价值单位，而是机器智能从实验室技术走向标准化商品过程中出现的一种过渡性计量制度。 如果未来商业模式不是api，如果开源模型能占据主导地位，在普及度上超越闭源模型，Electricity → Computing → AI，一定会出现统一的计量单位。 过去150年，现代技术体系不断把原本依附于机器、组织乃至人的能力，抽象出来，使其变得可计量、可定价、可通过网络输送，并最终成为可以按需购买的商品。 电网对电力做过一次统一。 云计算对 computation 做过一次统一 API economy 对 digital capabilities 做过一次。 但是ai暂时还没有实现智能计量统一，一个可以商业化的通用计量方式，是不是还有很久的路要走。

AI投资已经不只是 $NVDA：22只ETF把整条产业链拆开了 如果你还把AI行情理解成“买英伟达、买半导体”，可能已经低估了这一轮资本开支扩散的速度。 现在AI已经从GPU一路扩散到：HBM、晶圆、光通信、Neocloud、电源、MLCC、液冷、软件、网络安全，甚至OpenAI、Anthropic、Meta、DeepMind和xAI各自的生态链。 这份AI ETF地图，建议收藏： 一｜半导体 / GPU / 晶圆 $SMH VanEck半导体ETF 半导体核心组合，覆盖英伟达、台积电、AMD等龙头。 $SOXX iShares半导体ETF 同样覆盖整个半导体产业链，配置相对分散。 $AIFR Defiance Global Foundries ETF 专门聚焦晶圆制造，把AI投资进一步拆到“谁负责真正把芯片制造出来”。 二｜HBM / DRAM / 存储 $DRAM Roundhill Memory ETF 直接押注存储产业链，包括DRAM、NAND以及AI最重要的HBM方向。 AI算力越强，对高速存储的需求越高，所以HBM已经从普通零组件升级成AI基础设施的重要瓶颈之一。 三｜光通信 / 光模块 / 硅光 $LYTE Roundhill Photonics & Optics ETF 聚焦光通信、光学、光模块和相关产业链。 $FOTO Tuttle Capital Pure Play Photonics ETF 同样主打Photonics光子技术。 当AI集群从几千颗GPU扩展到几万甚至几十万颗芯片以后，最大的挑战之一，就是如何让这些芯片高速连接。 所以AI的下一轮预算，不只是“算得快”，还要“传得快”。 四｜Neocloud / GPU算力租赁 $NCLD Roundhill Neocloud ETF 重点押注GPU-as-a-Service、AI数据中心以及Neocloud算力租赁。 如果不想自己买GPU，就租算力。 这也是AI基础设施里过去两年迅速冒出来的一种新商业模式。 五｜传统云计算 $SKYY First Trust云计算ETF 聚焦成熟云生态。 相比Neocloud，这条线更多是传统云计算、软件和基础设施平台。 六｜MLCC / 电容 / AI电源 这一块可能是目前市场最容易忽略的AI基础设施分支之一。 $CCML Roundhill MLCC & Electronic Components ETF 聚焦MLCC以及电子元件。 $CAPA 电容 / MLCC ETF 主要覆盖被动元件、电容相关产业链。 $PSOX AI服务器电源相关ETF 聚焦AI服务器供电、电源转换及相关零组件。 为什么这些东西突然重要？ 因为GPU功耗越来越高，AI机架的电力密度也越来越高。 到了下一代AI数据中心，市场讨论的已经不是单纯“GPU够不够”，而是： 电送不送得到？电压稳不稳定？功率转换效率够不够？ 七｜液冷 / AI热管理 $COOL AI Thermal Management ETF 聚焦液冷、散热以及AI数据中心热管理。 GPU越强，产生的热量越大。 所以AI资本开支最终会形成一条非常清晰的链条： 芯片 → 电力 → 散热 → 互联。 少任何一环，整个AI数据中心都跑不起来。 八｜AI软件 / SaaS $IGV iShares Expanded Tech-Software Sector ETF 覆盖软件、SaaS以及云软件。 $WCLD WisdomTree Cloud Computing Fund 更集中在云计算软件方向。 AI基础设施建设完成以后，最终还是需要应用层去产生收入。 所以AI交易的后半场，很可能会逐渐从“卖铲子”向“谁真正把AI变成软件收入”扩散。 九｜网络安全 $CIBR First Trust Nasdaq Cybersecurity ETF $HACK 网络安全ETF $BUG Global X Cybersecurity ETF AI Agent越来越多、企业数据越来越多、模型访问权限越来越复杂，网络安全本身也可能成为AI时代另一笔刚性IT预算。 十｜最特别的一组：直接押注五大AI实验室生态 这可能是整张ETF地图里最有意思的一组。 $OAIW OpenAI Lab Ecosystem ETF 押注OpenAI产业链合作伙伴。 $ANTW Anthropic AI Lab Ecosystem ETF 押注Claude / Anthropic生态。 $MTAW Meta AI Lab Ecosystem ETF 押注Meta AI生态。 $DEPW Google DeepMind AI Lab Ecosystem ETF 押注Gemini / DeepMind生态。 $XAIW SpaceXAI Lab Ecosystem ETF 押注xAI / Grok生态。 这类ETF的逻辑已经不再只是： “AI会不会增长？” 而是进一步变成： 你认为未来哪一个AI生态系统会跑出来？ 把这22只ETF放在一起，其实就能看清AI行情正在发生什么变化： 第一阶段，市场买GPU。 第二阶段，市场买HBM、晶圆和服务器。 第三阶段，市场开始买光通信、电源、MLCC和液冷。 再往后，则是云、软件、网络安全和AI应用生态。 所以AI并不是一个板块。 它正在变成一整套新的科技基础设施。 真正值得研究的，已经不是“AI行情什么时候结束”，而是： 下一笔AI资本开支，会流向产业链的哪一层。