与「中國故事（來源：人民日報）」相关的搜索结果

男孩公交車上“昏迷不醒”急壞司機，還好是虛驚一場……網友：司機真盡責，孩子睡眠質量也是真好！#中國故事（來源：人民日報）#

女孩入水方式不當致側滑嗆水，救生員8秒內完成緊急救援。為反應迅速、認真負責的救生員點讚！（來源：人民日報）#身邊英雄# #中國故事#

Anthropic 最新的 Fable 5 和 Mythos 5，被美国出口管制卡住了，美国 KYC 在美国才能用。 没必要替 Anthropic 惋惜完全是自己作死作的，GPT 的旗舰模型没有受影响。但是更觉得这事对中国 AI 公司来说，等于白送了一个市场缺口。那些用不上 Claude 的地方，需求不会消失，只会转向。 转向谁？ 中国 AI 公司的出海，其实已经在加速了。 智谱的 GLM 5.2 目前还是最强的开源模型，架构设计和规划能力突出。最新模型性能已经到了 Claude Opus 的 80～90%，不追求前端设计和多模态的话，绝大部分场景已经可以替代。智谱的海外市场一直也很火热，@Zai_org 应该让更多海外用户来试试。他们不只是做出海的产品，也是在主动找用户，Zcode 现在每天也有提供300 万的免费 Token 可以试用，强是真强。 Kimi、MiniMax、Qwen 也都在推国际市场。Qwen 的策略我觉得是最清楚的，小模型第一时间开源抢生态位，旗舰闭源做商业化。之前过度开源拆掉了护城河，现在这个调整是对的。 但不只是模型公司在动，中国 AI 基建也在投入也在出海解决算力出海的问题。 中国除了 2 万亿的算力基建投入，还在推动企业级算力出海。一些国企的算力中心服务也在往国外迁移，直接在当地提供服务。算力和模型打包出去，基建和应用一起卖。 算力是新时代的石油，结算用人民币，中国想要定价权。 历史上有个几乎一模一样的故事。美国最早掌握石油提炼技术，一度垄断定价权。后来产油国组成 OPEC 联盟，格局被改写了。 现在算力走的是同一条路，但变量更复杂。Token 成本中 60% 以上来自电力，美国在 AI 芯片和智能计算上更高效更智能，但中国从发电设备到光伏风电到输配电，全产业链自给自足，全球找不到第二个。 美国有技术，缺能源底座。中国有全产业链，正在把算力基建打包出海。谁拿到定价权，取决于谁能把技术+能源+基建这个三角跑通。 出口管制短期确实卡住了一些关键节点。但反过来，它也在倒逼中国 AI 公司建自己的完整体系。当这套体系成熟，算力定价权的格局会实质性变化。 中国 AI 公司出海不是选择题，是必答题。问题只是，牌局终了的时候，他们能不能还坐在桌上。

李少民：為什麼紐約市搞社會主義，經濟仍然不會崩潰？ 最近，紐約民主社會主義陣營聲勢大振。紐約市長佐赫蘭．馬姆達尼（Zohran Mamdani）提出凍結租金、擴大政府補貼、免費公車、提高富人稅負等一系列激進政策，而支持這些理念的左派人士也在紐約市議會選舉中取得優勢。他們所主張的政策，再次引發美國社會對國家未來發展方向的激烈辯論。 自從佐赫蘭·曼達尼今年贏得紐約市長選舉以來，批評者就不斷預言災難即將降臨。租金凍結、免費公共服務、擴大補貼、對非法移民更優厚的福利、對富人加重稅負……熟悉的結論隨即出現：社會主義在所有曾經嘗試過的地方都已失敗，紐約市注定走向經濟崩潰。 我认为這個預測不可能成真——不是因為社會主義突然變得有效，而是社會主義的批評者往往忽略了一個關鍵差異：實行社會主義的地方究竟是封閉的，還是開放的。 在封閉的社會主義經濟裡，必須自己創造全部財富，同時進行再分配。歷史一再證明，這種故事通常如何收場。蘇聯在中央計畫下最終停滯不前，1970與1980年代成長率大幅下滑，總要素生產率停滯甚至倒退，產出對資本的比率因效率低下而急劇惡化。毛澤東時代的中國在開放前經歷多次經濟災難。東歐各國則在低效國營企業與長期短缺的重壓下崩潰。更近期的委內瑞拉也走上同樣道路：國內生產毛額從2013年到2020年代初，縮減約75%至80%——這是現代史上最大規模的和平時期經濟收縮之一。 原因其實很簡單。當政府把報酬與生產力逐漸脫鉤，人們創新、投資、生產的動機就會減弱。生產下滑、再分配卻持續擴大，經濟餅就會越來越小。最後，已經沒有足夠財富可以再分配。在封閉經濟中，社會主義最終會把自己賴以維生的資源耗盡。 紐約市的情況則完全不同。它不是獨立國家，而是嵌入紐約州、美國以及全球經濟的一座城市。 它享有聯邦政府支出、州政府支持，以及全球最大規模的國際競爭企業集群之一。紐約都會區的GDP約達2兆美元，約佔美國經濟總量的9%，其中金融與保險業貢獻數千億美元（有分析指出，金融業約佔該市經濟的24%）。 華爾街的收入並非只來自紐約市民。全球金融機構、跨國企業、大型律師事務所、顧問公司、媒體集團與觀光業，都把來自全美乃至全世界的財富帶進這座城市。換句話說，紐約市的再分配政策，不只靠本地居民，更靠遠超出其邊界的財富來源支撐。 這一點從根本上改變了局面。 如果曼達尼推行其政策，部分富裕居民幾乎肯定會搬走，部分企業可能外移，投資活動也可能趨緩。這些反應與數十年來的研究結果一致：稅負、管制與價格管制確實會影響經濟行為。高盛曾估計，2018年至2023年間，紐約市年收入超過1000萬美元的家庭中，有整整10%已在其他地方設立居住地。紐約州在全美申報超過100萬美元所得的納稅人比例，也從2010年的12.7%降至2022年的8.7%，意味著可觀的稅收損失。然而，資本外流並不必然導致立即崩潰。紐約市更可能出現的是緩慢的經濟活力流失，卻仍能維持財務運作，因為外部資源持續注入。因為更廣大的美國經濟仍在創造可課稅財富，國使得市政府則以更多再分配來给紐約输血。当然，纽约市政服務越来越差，更多的無家可歸者繼續依賴日益昂貴的政府補貼，中產階級納稅人則可能被夾在稅負上升與公共服務品質下降之間，投資者可能悄悄將資金轉移他處。但這一切都不回把纽约變成像蘇聯那樣戲劇性地崩潰。 它更像另一種現象：寄生在健康宿主身上的寄生蟲。寄生蟲不需要自己生產食物，只要宿主保持生產力就能存活。同樣地，一個嵌入大型資本主義經濟體系中的再分配型行政區，可以比試圖把全國經濟完全納入社會主義原則的國家，存活得更久。 這種寄生在美國不止於紐約。 加州長期以來也同時推行大規模再分配政策，並擁有全球具競爭力的產業，創造巨額財富——然而它卻面臨全美最高的貧窮率（近期數據約17.7%），以及美國最大的無家可歸人口（約18.7萬至20萬人，約佔全國總數的24%）。在這些案例中，再分配之所以能夠持續，正是因為財富創造發生在更廣泛的資本主義系統之內或之外。 因此，真正的教訓並非社會主義突然變得經濟可行，而是社會主義往往靠著從較大的資本主義系統汲取資源而得以存續。 美國人真正應該思考的問題，不是紐約市是否會變成另一個蘇聯——它肯定不會。 更重要的問題是：紐約市搞社會主義最終由誰來買單？ 只要生產力強的美國人、具全球競爭力的企業以及世界資本市場持續創造財富，紐約市就能繼續進行再分配。該市的經濟扭曲会日益嚴重，但不会崩潰。然而，這種韌性不應被誤解為成功。它只反映出紐約市並非自給自足的經濟體，而美國與紐約州某種程度上縱容了它的寄生行為。 社會主義在蘇聯失敗，是因為它無處可求助。但在龐大的資本主義經濟體系內的社會主義飛地，卻可能持續數十年之久。 所以，美國選民必須明白，一個以自由市場、私有財產與法治為基礎建立的國家，不應該容許其城市或州採行越來越社會主義的政策、讓全國其他地區承擔大部分經濟代價。@baodiantimes

AI半导体终局推演2026(II) 当半导体结构性演进到AI推理主线，内存和存储成为了最大瓶颈，市场对内存和存储最大的怀疑就是： HBM/DRAM/SSD会不会摆脱传统周期性？ 依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？ 长鑫扩产的影响有多大？会不会把这个市场重新带入周期泥潭？ 本篇尝试去建立一个框架来梳理这几个问题 —---------—--------- 万物皆周期，而内存的周期性又特别强，最大的来源在于扩产周期过长，无法快速扩产和需求短缺时期错配 摆脱传统周期性几种可能的方式 1. 定制化：产品不可互换，产能不能随便转移，需要签长约。 2. 结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直追不上。 3. 技术迭代快速升级：每一代产品都快速淘汰上一代。 满足任何一条，就能部分摆脱传统周期；满足两到三条，就能摆脱大部分传统周期 根据这个框架， HBM在三条里，大概占了两条半 1. 定制化，需要签长约（较弱，算半条） HBM 确实有定制化和Nvidia codesign的成分，但并不是很强。真正定制的部分只在封装和 base die，上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。 比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候，它并没有把这批产能砸在手里报废，而是转手就供给了 Google 的 TPU、AMD. 物理上，给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E，是同一个东西。 所以产能仍然是部分可以自由转移的。 HBM4之后的定制化更多一些，包括在 base die 上集成定制逻辑和/或缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作，但这指的是 base die 的定制，上面的 DRAM 层仍然是标准的。 部分定制化的特性，HBM主要在封装上需要合作，这也导致了客户必须签长约，但产能也确实可以转移，所以HBM 能勉强算半条。 2. 结构性的指数需求增长（满足） 最直观的原因，就是Nvidia token factory token throughput的硬件升级需求，导致了HBM带宽的升级换代极快，以及HBM size需求的指数增长 这一条其实就是上一篇AI半导体终局推演2026(I)的结论： token throughput = HBM size × HBM 带宽，每一代翻倍。 HBM size per GPU大概每年增长40%以上 这条需求曲线的陡峭程度，是DRAM供给端 14% 的 wafer 增长，乘以 9% 的 density 提升，很难追上的 在硬件领域，因为attn阶段KV cahce的极高带宽和极高memory size的要求，也导致了HBM独特的地位。即便是HBM涨价三五倍，把钱花在HBM上带来的边际token throughput提升，仍然比花在其他地方要划算的多。 其他几个Memory路线，SRAM，HBF，CXL，PIM，目前都无法在HBM的主力赛道kv cache/attention上正面竞争，起码未来5年甚至更长时间，不太可能找到替代路线 3. 技术迭代快速升级（满足） DDR3时代过了15年，仍然只是DDR5时代，而HBM的升级换代的速度基本上是两年一代，比传统DDR要快很多很多，而且近来还有加速的趋势，HBM size x HBM BW每一代翻倍，目前是完全符合这个规律的 每两年一代HBM升级，NV GPU速度基本是指数型上升：2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s，而且HBM的速度和推理token throughput是完全线性正比的，上一代HBM的边际使用成本会不划算，大家都有动机去尽量用最新的产品，虽然更贵，但是带来的收益(token throughput)是更多的 Token factory时代的逻辑是，技术升级（HBM带宽）的越多，赚的越多 这个速度差，造成了一个和 CPU 类似的局面：旧产品快速贬值，于是囤货的价值在变低，比如说，HBM3的价值贬值的非常快，今天基本上主流产品不会用了 所以HBM 厂商的理性选择，从拼当前的产能去占市场（quantity competition），变成了在稳定性和HBM速度上拼技术，拼下一代在 NVIDIA 平台上的 qualification 份额（quality competition），从而避免了在传统周期的下行波段，大家都不愿减产掉市场份额的囚徒困境。 —--------------—-------------- HBM和传统DRAM比较，三个条件里满足了两个半，那么HBM能摆脱传统周期性吗？ 内存周期性的来源，主流叙事是，DRAM 有Commodity属性（无差异化 → 价格战 →库存可囤积），所以有周期性。 而Commodity属性本身并不产生周期，它只是一个振幅放大器 特别是DRAM领域里，曾经产生过囚徒困境，在下行周期三星曾经扩产抢市场份额，谁先减产谁吃亏，导致谁也不敢轻易减产，最后大家都亏损惨烈 实际上周期性的主要结构性来源是供给周期太长，很容易和需求周期错位。建一座 fab 要 3 年，投资上百亿美元，一旦决策就不可逆，而需求增长会有不稳定性，每次出现新范式增长，比如云服务，移动互联网手机，疫情线上需求，会有爆发式增长，而过了两年增长会放缓，供给高于需求，降价过猛，就变成了亏钱周期 万物皆周期，HBM这一条同样是无法避免，但只要token需求仍然是指数型增长，结构性的指数增长会减弱周期性，因为需求可预测度更好，而且一旦降价，客户就有增大HBM size的需求（从而增大token throughput），加上HBM有一点定制化要求导致都是长约，从而从周期性转化成成长周期性，而且这一轮周期会特别长 周期性：上行周期赚的多，下行周期亏的多 成长周期性：上行周期赚的多，下行周期赚的少 另外，HBM/DRAM在这三条摆脱传统周期的条件的基础上，还有一条重要优势： 4. 因为DRAM密度增长scaling越来越慢，以及HBM升级换代导致DRAM堆叠倍数的增加，供给端的扩产难度持续增加 2000年附近，DRAM每片wafer上DRAM bit密度每年增长大概45%，也就是说，就算晶圆wafer数量不扩产，每年的供给端DRAM bit仍然可以增长45% 十年前，DRAM bit每年密度增长降到了20%，而现在，DRAM bit每年密度增长降到了9%。以前DRAM扩产甚至不怎么需要新建厂房就能得到每年20~30%的bit volume上升，现在DRAM要扩产，更多的是靠wafer数量的增长，也就是新建厂房和clean room。 另外一个HBM快速扩产难度在于，HBM3e大概需要3倍的DRAM wafer晶圆，而HBM4由于堆叠密度的增加，大概需要4倍的DRAM wafer晶圆数量，相当于HBM bit相对于DRAM bit一直变得更难制造，单位DRAM wafer数量制造的HBM bit越来越少，相当于在通缩 ---------------------------------- HBM未来有一天，会不会从成长周期性，变回传统周期性？最重要的因素是结构性指数增长，那么 AI推理时代，这个依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？ token throughput = HBM size × HBM 带宽，这个HBM指数增长的第一性原理里的HBM size的增长原因正是KV cache的增长。KVCache的特性以及Attention的特性,也是非常契合HBM的。甚至让HBM领先于其他的技术路线, 能够最大化地让KVCache和Attention 阶段的利用率。 换言之， 如果KV cache从架构上不存在了，那么HBM size指数增长逻辑也会受到挑战 所以这个问题的本质其实是，这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制，会不会消失？退潮之后会不会被取代？ 从历史规律来看：每一次AI模型架构革命，真正被保留下来的，是那些在数学上具有某种普适性的 primitive 操作 举个例子：FFN（前馈网络，也就是模型里大量的 MLP 层）是 2012 年深度学习时代的产物，但它一路活到了今天的大语言模型里，并且仍然占据着模型相当大的参数量。它为什么能活下来？因为这也是一种universal approximation theorem（通用逼近定理）：任何足够宽的 MLP 都能逼近任意连续函数 Attention 大概率也是这样一个会被保留的 primitive。因为它解决的是一个同样 基础的问题：序列sequence 中任意两个位置之间的 dynamic routing（动态路由），让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效，就很难被丢弃 所以即便未来架构从纯 Transformer 向混合架构演进，或者向世界模型演进，但attention 层依然会存在，KV cache（或者它经过 latent compression 之后的等价物）依然需要，HBM依然会作为推理核心之一，这个依赖HBM指数增长的GPU KV cache架构路线进化路线，不会停止 —---------------—--------------- 那么DRAM呢？在未来有没有摆脱传统周期性的可能？ HBM摆脱周期性在市场上有一定共识，但DRAM摆脱周期性，市场目前基本没有共识 还是回到刚才的框架，三个摆脱传统周期的条件里，DRAM是没有定制化的，所以就只能看技术迭代速度，最关键的还是要看，有没有结构性的指数增长，答案是有的 在 AI token factory 这个概念里，结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化：随着 agentic CPU开始释放潜力，CPU 附带的那部分 DRAM 需求，正在成为 DRAM 新的结构性指数增长来源 —------ 这部分的增长逻辑分两层：第一层是CPU 服务器TAM的快速增长，第二层是每个服务器CPU core配备的DRAM用量的因为agentic flow快速增长 服务器CPU TAM的快速增长的4个逻辑在4月的CPU专篇详细写过，简单的说： 1. AI 加速器集群里CPU和GPU配比从传统的1：4变成1：2，甚至可能往1：1迈进 2. Agentic flow里CPU处理的延迟占比很高，50~90%成为重要瓶颈，需要同步扩容 3. AI coding让SDE的效率大幅提升，代码量数量级增长，软件API调用指数级增长，直接转化为这部分CPU hours指数级上升 4. Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，而且这个浪费问题五年甚至更久无法解决。另外CPU hours 在技术上很难通过优化的方法来通缩 这也就是为什么，上上个季度，AMD的财报说CPU TAM到2030年会到60B，两个月前，AMD/ARM把CPU TAM的2030年预测翻倍到120B，一个月前，Nvidia再次把CPU TAM的2030年预测翻倍到200B 而上个星期，Bernstein再次提升2030 CPU TAM指引到223B。在我看来，2031 CPU TAM未来上修到400B是没有太大悬念的事情，唯一的悬念是几个巨头会什么时候宣布上修这个指引 再说说第二层，为什么每个服务器CPU core配备的DRAM用量在agentic时代快速增长？ 1. Agent 是带状态的长驻进程，不是无状态的请求-响应 传统 web/SaaS 是 stateless 的：请求进来，分配内存，处理完内存立刻回收。而一个 Agent 任务可以跑 一分钟到一个小时，这整段时间里，它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM 和 CPU hours 一样，每个任务的内存足迹因为 stateful 和 sandbox 隔离(每个任务复制数据库和上下文)的要求，技术上很难压缩 2. 上下文窗口在指数级变长，每个会话的工作集随之膨胀，并发度 × 单会话memory footprint，乘数放大 context window 从 32K → 256K → 1M，reasoning / test-time compute 的序列长度爆炸，未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长 现在把两层乘起来。 第一层，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量级(60B → 120B → 200B → 223B，我认为还会到 400B) 第二层，每颗 CPU 的 DRAM 配比，大概 3–4 倍(4~8GB → 16~32 GB/core)，但这个增长可能大部分是一次性红利 两个独立变量相乘，server 侧的 DRAM 需求是数量级的增长 2030年，即便按保守的300B CPU TAM，一个CPU core按$50来算，agent时代最保守按16GB/core，这算出来新增量最少都是96EB，而今年的DRAM总产量只有47EB，明年勉强60EB，这是非常惊人的增量 虽然这个agentic CPU带来的DRAM指数级增长，在第二层很大程度上是一次性红利，但持续时间会持续很久很久，因为这个短缺的缺口实在是太大了 —-------- 回到文章开头那个框架。三个摆脱传统周期的条件里，第一条DRAM 定制化，基本可以忽略 而第二条：一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半)那么彻底，但已经是实质性的变化 第三条，技术迭代速度，DRAM的节奏也跟以前不一样了 因为以前的DRAM技术迭代速度是严重依赖消费电子的，DDR的进步对于performance用处并不大，但可预见的未来里，碳基消费的传统DRAM，会远远小于硅基消费（CPU服务器）DRAM的用量 以前DRAM的速度升级带来的边际效用是很低的，但现在因为CPU服务器对memory的需求增大，以及端侧AI对DDR速度的要求也增大，比如苹果为了跑本地大模型，LPDDR速度越来越快 速度升级的边际效用高了不少，所以DDR6和LPDDR6的速度迭代需求比以前提升了太大了，这在图里也可以看到，LPDDR6/DDR6的迭代时间缩短了，而且速度斜率，重新开始抬头 以前新一代DDR/LPDDR技术出来，大家的反应都很冷淡，等降价了才会用 而现在LPDDR6出来，各家恨不得都在抢着能尽量早上就尽量早，因为速度的提升带来的performance提升是触手可及的 ------ 另外，DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快，导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的转换比极低，HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit，HBM4 是4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长，是被这个 HBM bit tax直接吃掉的 所以DRAM bit volume虽然未来每年能增长24%左右（14%来自wafer增长，9%来自每个wafer的DRAM密度增长），但算上HBM bit tax之后，传统的、非 HBM 的 commodity DDR，每年的 bit growth 大概只有 20%（约 10% 的 wafer 增长 × 约 9% 的 node density 提升） —--------------------- 中国长鑫扩产的影响有多大？如果不讲武德拼命扩产，会不会把这个市场重新带入周期泥潭？ 长鑫这几年的扩产速度还是很快的，2025年还是每个月20万晶圆，2026年北京晶圆厂及新增生产线的贡献就能到32~35万。 正在建设中的上海工厂一期和二期，一期预计到2027年每月新增10万片晶圆产能，二期预计到2028年每月新增10万片晶圆产能，也就是说，2027年每个月42万晶圆，2028年能到每个月50万晶圆。 但需要注意的是，长鑫的dram bit 密度大概只有御三家的一半左右，所以长鑫的每个月50万晶圆wafer能产出的dram bit volume只有其他家的一半，这里计算wafer per month的时候，就按等效一半来算 把这个折扣打上之后，长鑫对整个DRAM行业的冲击还是小了很多，从2025年年底到2028年年底，长鑫对DRAM bit产能CAGR的影响大概只有1.5%，全行业的DRAM产能CAGR大概从12.7%升到14.2% DRAM月产能(kwspm) 2025E → 2028E CAGR Samsung 685K → 920K 10.3% SK Hynix 519K → 725K 11.8% Micron 340K → 560K 18.1% 非中国其他 150K → 218K 13.3% 中国(密度折半) 117K → 274K 32.8% ————————————————— 含中国总计 1811K → 2697K 14.2% 无中国总计 1694K → 2423K 12.7% 就算是长鑫未来还能保持增产速度，2030年对全行业等效产能每年DRAM bit volume增产CAGR的影响，大概也不到3%，从20% CAGR变成23% CAGR，仅此而已 另外，长鑫被光刻机所限制，而DDR6 需要更高速率（14400 MT/s 起步）和更高密度,御三家做 DDR6 大概率会用 1c 或更先进节点（~12nm 以下），已经全面用 EUV。长鑫可能会在DDR6上速率受限，密度也只有一半。 —---------------- 即便是成长性周期，为什么DRAM的这轮超级周期会持续很长时间，起码五年看不到头？ 第一个原因是，刚才谈到的CPU服务器需求端的巨量增长带来的结构性DRAM需求指数增长，这里结合DRAM供给端的bit volume CAGR大概稳定20%增长，就可以很清晰的看到，DRAM未来几年的缺口为什么越来越大： 非HBM的传统DRAM供给端大概是每年增长20%，而需求端，按2026年60B CPU TAM，每个CPU消耗DRAM平均8GB/core，每个core $30~35来算，需求是16EB 2030年按400B CPU TAM，每个CPU消耗DRAM平均16GB/core，每个core $80来算(CPU涨价超过一倍)，需求是80EB，这部分DRAM的增长CAGR大概是50%，远远超过目前的估算 不同于HBM是直接和token throughput挂钩，从而和GPU赚钱效率直接挂钩，DRAM不够对于agent flow的影响主要是速度，比如说，8GB/core和16GB/core比起来，部分workload速度可能降低30%，部分低价值task实在要等等也能忍，结构性指数增长的动机很强，但需求不如GPU那么刚性 Semianalysis说今年的DRAM缺口式个位数百分数，明年是超过10%。从agent CPU数量激增导致的DRAM结构性来看，这个缺口每年都会继续加大，在2030年之前看不到降低的可能 —---- 另外一个DRAM能延续强势很久的逻辑是，因为DRAM涨价之后，被涨价消灭的那部分需求，不是真的消失了，只是延迟了，需求蓄水池太多了。 所谓蓄水池，是指那些"内存一旦降价就会立刻被释放出来的潜在需求"。它们的存在，意味着即便供给阶段性跟上了，价格也很难崩，因为总有新的需求从蓄水池里涌出来接盘： 内存换算力/速度是一个蓄水池： 有大量本来需要靠额外内存来优化速度和算力的需求，在内存太贵时被压着，一旦内存降价就会被释放出来。 比如 Nvidia的CPX prefill 加速，本来的设计初衷是用额外的低成本GDDR7，来做一个专门的prefill加速器，结果LPDDR/GDDR都太贵了，比涨价前的HBM还贵，这个方案的ROI就不划算了，但等到普通内存降价，这样类似CPX的优化方案就还会回来 低价值task是一个蓄水池：内存涨价导致token价格居高不下时，高价值的 task 被优先保留，低价值的 task 被延后；内存一降价，这些被延迟的需求就回来了。 端侧 AI 是一个蓄水池：AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧AI满血版需要从8GB升级到12GB内存 常规消费电子、Agent PC、低端手机，因为内存涨价而减少的需求，全都是蓄水池。 这么多蓄水池叠在一起，构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长，后劲会比市场想象的要强。 —----- 还有一个DRAM价格很难大幅下降的原因在于，HBM和DRAM产能可以互相转换，所以整个DRAM complex是一起re-rate的 在上行期DRAM的利润率远超HBM，HBM的涨价幅度甚至变成了由DRAM去推动。今年新签约的HBM4的价格，就是当期DRAM的价格 x 4，也就是正常堆叠倍数对应HBM4的价格 一旦DRAM降价毛利下滑，因为HBM的长约透明性，利润率都是有保障的，HBM就会间接抽走更多的DRAM产能，HBM的降价也会让GPU厂商更有动力尽可能的升级HBM size，这样也间接保障了DRAM的价格地板 DRAM的结构性指数增长的需求有了，density scaling放缓扩产难度在增加，厂商扩产计划都很谨慎，长鑫这几年带来的影响也是有限的，再加上需求的蓄水池非常庞大，这四个原因导致了，在可预见的至少五年甚至更长时间内，DRAM是很难进入周期低谷的。 —-------------- NAND SSD有希望摆脱传统周期性吗？ NAND 的结构性增长动力没有 DDR 那么强，今年的缺货主要原因是几个主要玩家的生产纪律保持的很好，并没有大规模扩产，每年的产能增加主要来源于技术改进：NAND堆叠层数的增加 第一个结构性增长来自AI，主要来自 KV cache 的 offloading，把HBM溢出的warm/cold KV cache 卸载到 NAND SSD上。 但神奇的事情是，这个kv cache offloading的增长甚至还没有大规模发生，SSD就已经缺的比DRAM还严重了，涨价也比DRAM要更多。等到明年Rubin CMX放量，加上KV cache offloading大规模应用，SSD的缺货也会因为这个结构性增长而增长 第二个，另一个去年年度总结里说到的未来可期的AI视频带来的结构性增量，今年已经有出圈的态势了 Seedance体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段，需求被算力压着没完全释放。但等到缺卡阶段过去，AI 视频对NAND存储的结构性需求增长，会持续相当长的一段时间。 第三个结构性增长也同样来自于agent flow带来的Sandbox使用量的指数级增长，Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，同样会带来大量的SSD的浪费（需求） 第四个也许在2030年之后发挥作用的结构性增长，来自于HBF路线需要用到SSD，在不少投行分析中被寄予厚望，但这个技术路线还有些遥远，主要角色定位只能作为存放大模型的weights，写一次权重然后做只读，而且必须要和GPU/HBM封装在一起（48TBps/96TBps），否则靠PCIE7/8速度太慢完全无法用，只能说未来可期，下一篇AI半导体终局推演2026(III)会有更详细的分析 总之，NAND SSD的结构性增长没有HBM那么强，但是胜在便宜，价格到2027年也只有$0.8/GB，是同期DRAM的四十分之一，所以也算是多级缓存里的万金油属性，结构性增长来源太广泛了 也就是说，不存在DRAM/HBM单独涨价繁荣，而SSD不涨价的情况，因为如果这样的情况发生，那么大家就会想办法用SSD去承载DRAM/HBM的部分功能，用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事，而是同一 AI memory hierarchy 在不同温度层的结构性增长 结构性指数增长的需求有了，NAND SSD摆脱周期了吗？ 那么就要看NAND SSD厂家的生产纪律了，唯一可能不遵守生产纪律的，只有长存。毕竟这是一个囚徒困境，一旦有一家不讲武德拼命扩产，整个NAND产业要扩产的难度比DRAM简单的多。 但最起码的，这一轮NAND同样是超级周期，几个结构性指数增长带来的需求，下行期推迟到2030年问题不大

31岁的美国女孩凯尔西独自一人划船跨越中太平洋，中途遇上一艘中国的远洋货船龟岛号，32岁的货船船长何(Ho)跟她通过无线电通话，确认她的平安，因为他看到凯尔西在AIS上的移动速度很慢，担心那是遇险船只。这段简单视频在Instagram上获得数十万赞，非常多美好的评论，譬如下面。 ricbota：世界本该如此。在浩瀚的人海中，两个陌生人之间一个简单的善意举动。无需任何理由，只因一个人关心另一个人。这美好的提醒让我们知道，这个世界依然充满善良的人。谢谢Kelsey和Ho带来的这份感动！ twentynineroses：我太喜欢这个了。有这么多陌生人关心你，希望你能平安。总有一天，他会讲起那个“女孩”在太平洋中央划船的故事——她已经划了数周，我们向她打了声招呼，她继续朝着火奴鲁鲁划去。听起来就像一本精彩的故事书，但这却是真实的生活！加油，凯尔西！ 一条获得上万赞的评论是这样，“这家伙居然在大海中央向她表白（Dude is shooting his shot in the middle of the ocean）。” 不过，我觉得更大的可能还是下面的解释，来自分享的朋友。 “我看了以后觉得这位船长的友善和关心很“中国”，我自己在现实中也遇到过类似的陌生人几乎如出一辙的关心和爱护。我觉得那是一种因为对自己的生活缺乏想象力，自由和勇气，所以对能够这样生活的人表示的一种欣赏。” 视频来源：yourowkelsey，凯尔西的官方Ins账号

Forbes：Cursor 为 AI 编程霸主地位而战 【1】"战时状态" 1 月 5 日，Cursor 的员工们结束假期回到公司，迎接他们的是一场全员大会，演示文稿的标题赫然写着"战时状态"。 假期期间，一些员工试用了 Anthropic 最新发布的模型 Opus 4.5，得出了一个令人不安的结论：这个模型的编程能力已经强到开发者不再需要逐行审查输出代码的程度。开发者不必再在 Cursor 的代码编辑器里与 AI 助手协作打磨代码，而是可以直接向自主运行的智能体（Agent）下达高层级指令，收到完整的功能模块——有时甚至是成品。这对 Cursor 来说是个大麻烦。 Cursor 的立身之本建立在一个截然不同的前提之上。CEO Michael Truell 在 2024 年接受 Forbes 采访时，将它描述为一种"程序员的 Google Docs"——一个人类与 AI 协同打磨代码的编辑器。 但如果 AI 不再需要人类协作者，编辑器还有什么存在的必要？如果逐行编写和修改代码不再是程序员工作流的核心，Cursor 的核心产品逻辑就突然成了问号。 在那场全员大会上，Cursor 管理层警告说，接下来几个月将是动荡期。项目可能被砍掉，优先级可能被重新洗牌。公司的新使命被标记为"P0 #1#"（P0，即最高优先级任务）："打造最好的编程模型。" 不是最好的套壳产品，而是最好的模型。说这是一次氛围转变也好，在 Cursor 内部，这更像是一场清算。 【2】增长与焦虑并存 这正是当下局面如此令人错愕的原因。就在不久前，Cursor 看起来还几乎势不可挡。公司在 2025 年初的年化收入约为 1 亿美元，到 11 月就已突破 10 亿美元。最新一轮融资将公司估值推至近 300 亿美元，四位联合创始人全部跻身亿万富翁行列，Cursor 也跻身全球最有价值的 20 大私营公司之列。 但在瞬息万变的 AI 世界里，势头的出现和消失都可能发生在一夜之间。 到了 2 月，Anthropic 发布了更强大的 Opus 新版本后，X（前 Twitter）上开始涌现创业公司创始人的帖子，声称他们的团队已经抛弃了 Cursor，认为 Anthropic 和 OpenAI 这样的模型厂商会自己吃掉编程工具这一层。 "我提到的那些公司……大多数人的看法是，Cursor 今天就已经过时了。" —— Insight Partners 联合创始人、前执行董事 Jerry Murdock，20VC 播客 但数据讲述的是另一个故事。据知情人士透露，Cursor 的年化收入已突破 20 亿美元，三个月内翻了一番。企业信用卡公司 Ramp 和 Brex 的数据也显示收入持续增长至 2 月，不过 Ramp 指出 Cursor 在企业 AI 产品采购中的渗透率正在小幅下降。Claude Code 的强劲增长最终是否会冲击 Cursor 的增长，目前还不明朗。 在公司内部，Cursor 管理层清楚地知道，软件开发的未来不在于逐行编写代码。作为应对，他们一直在构建研发实力，试图通过发表研究成果和利用海量专有数据，在发布最佳编程模型的竞赛中抢先一步，跑在 Anthropic 和 OpenAI 前面。与此同时，他们开始优先发展大型企业客户合同，因为企业合同比个人订阅更加稳定。 目前，Cursor 的持续增长伴随着巨大的焦虑感。在公司内部，收入追踪一度让人分心到影响工作，以至于公司停止在 Slack 的 #numbers# 频道发布每日收入数据。 【3】精英大学校园 Cursor 由四位 MIT 好友在 2022 年创立，最初的方向是构建帮助机械工程师设计物理零件的模型。但几位创始人在这个领域毫无经验，于是果断转型，找到了让他们一飞冲天的产品方向：一款爆红的代码编辑器。公司超快的编程模型最终引爆了"凭感觉编程"（Vibe Coding）现象——由前特斯拉 AI 总监 Andrej Karpathy 提出——人们可以用自然语言甚至语音向 AI 模型描述需求，就能生成完整的 Web 应用。 Cursor 的创始人以及公司 400 名员工中的很大一部分都是二十五六岁的年轻人，整个公司与其说像一家企业，不如说更像一座精英大学校园。员工进办公室要脱鞋，经常工作到午夜之后，在公司洗澡，住的地方离办公室不过几个街区。 --- 一年前，Cursor 还以"只有 20 名员工、没有销售团队就把年化收入做到 1 亿美元"的病毒式增长闻名。它的高速增长吸引了 Accel、Andreessen Horowitz 和 Thrive Capital 等重量级风投的关注，还获得了一些顶级模型的优先使用权。2025 年，Anthropic 让 Cursor 提前试用了自家模型，并利用 Cursor 的反馈来提升模型的编程能力，形成了一种"竞合关系"（co-opetition，既竞争又合作）。 随着公司扩张到约 400 名员工，Cursor 已经占据了旧金山 North Beach 社区的四栋大楼，甚至把两栋办公楼之间公交站的广告位也征用了——贴上了一张印有全体员工姓名的海报。这大概就是 Cursor 版的"到此一游"。 【4】转向智能体 去年年初，Anthropic 主动联系了当时作为其最大客户的 Cursor，展示了一款名为 Claude Code 的新产品预览——这是一个界面极简的命令行工具，可以让开发者快速部署大批编程智能体。 乍看之下，它似乎不会与 Cursor 的代码编辑器形成直接竞争。但事实已经不再如此。Claude Code 在六个月内年化收入就突破了 10 亿美元，上个月更是达到 25 亿美元，超过了 Cursor。与此同时，OpenAI 也在同一方向加速推进。2025 年 4 月重新上线编程智能体 Codex 后，CEO Sam Altman 表示其应用在第一周就被下载了超过 100 万次。 创业公司创始人们告诉 Forbes，这场转变是深刻的。许多开发者不再逐行编写代码，而是开始"指挥"智能体——分配任务、审核输出、协调多个并行进程。 "这是软件开发诞生以来最大、最根本的变革。" —— AI 语言学习应用 Speak 联合创始人兼 CTO Andrew Hsu 该公司 50 人的工程团队全部在使用编程智能体（主要是 Claude Code，部分场景也用 Codex），原本需要数月才能上线的功能，现在几周就能交付。他说 Cursor 在代码审查中仍有一席之地，但这个角色正在缩小。 【5】"删掉产品" Cursor 的内部价值观里有一条直白的指令："删掉产品"——这是在承认公司的未来在于类似 Claude Code 和 Codex 的编程智能体。上周，Cursor 宣布了对其"Cloud Agents"产品的重大更新：现在，多个智能体可以在各自独立的工作空间中同时处理不同任务，并记录工作过程。 在内部，Cursor 管理层押注的是：企业客户会更看重一款不绑定单一模型提供商的产品。随着各家模型能力日新月异，天平随时可能倒向任何一方，这种担忧在开发者中与日俱增。 【6】自研模型：降低依赖 Cursor 也在努力降低对 Anthropic 和 OpenAI 的依赖。他们的核心判断是：一个更小但专精于编程的模型——基于自有数据训练——即使面对竞争对手不断加大投入的大型前沿模型，也能保持竞争力。据知情人士透露，目前约有 20 名 AI 研究员在开发 Cursor 的 Composer 模型。这些模型以 DeepSeek、Kimi 和 Qwen 等强大的中国开源模型为基础，再通过额外训练和利用 Cursor 自有数据的强化学习进行优化。成效显著：Composer 1.5 速度快，是平台上第二受欢迎的模型，而且 Cursor 运行它的成本远低于采购 Anthropic 大模型的费用。不过对开发者来说价格仍然不低：根据 Cursor 官网信息，Composer 1.5 的输入价格为每百万 token 3.5 美元，而 OpenAI 的 GPT-5.3 Codex 在 Cursor 内的价格为 1.75 美元。 【7】烧钱大战 成本始终是一个挥之不去的挑战。Cursor 的大型竞争对手们愿意大举补贴。据一位了解公司内部分析的人士透露，Cursor 去年估算过，一个每月 200 美元的 Claude Code 订阅可能消耗高达 2000 美元的算力成本，这意味着 Anthropic 在大幅补贴。如今这种补贴力度似乎更加激进——据另一位接触过公司算力开支分析的人士称，这个 200 美元的套餐现在能消耗约 5000 美元的算力。 Cursor 也对部分用户进行补贴，但力度似乎不及 Anthropic。据知情人士透露，Cursor 的个人订阅利润率为负，但企业套餐的利润率为正。使用 Cursor 的企业可以选择 Teams 计划（面向初创公司，可随时取消），或者谈判签订企业合同（面向大型组织）。 【8】押注企业客户 拓展企业业务是通向稳定的一条路径。企业合同签约周期更长，但客户流失率更低。据知情人士称，Cursor 历史上只流失过一两个企业客户。但这些令人垂涎的企业合同在 Cursor 的营收中占比一直不高：据 Forbes 看到的文件显示，截至去年 11 月，企业合同仅占 Cursor 年化收入的 13.6%。据一位知情人士透露，如今 Cursor 约 60% 的收入来自企业客户，但 Forbes 无法确认其中企业合同的具体占比。 公司的人员配置也反映了对企业市场的重视：一半员工专注于市场拓展相关职能。销售团队已经拿下了包括 Meta 和英伟达在内的大客户合同。 【9】客户流失的信号 压力正在不断累积。2 月份，房贷服务初创公司 Valon 的 90 多名员工取消了 Cursor 订阅。理由很直白：他们不再需要编辑器了。他们转向了 Claude Code 的强大智能体，将工作端到端全面自动化——系统间的数据迁移、Bug 修复——CEO Andrew Wang 表示这些任务的完成速度"快了 10 倍"。 【10】多智能体的未来 当软件开发界还在消化自主编程的冲击时，一个更新的范式正在浮现——多智能体系统：想象一下，一个开发者指挥着数十个智能体组成的团队，每个智能体都有自己的角色和职能，几乎就像人类队友一样协作。 现在，Cursor 正在探索构建一个能管理数百个智能体同时协作的工具，他们内部称之为"grind mode"（智能体全力运转的高强度工作模式）。这其中有很多复杂问题需要解决：比如如何为每个智能体分配专门的角色。有时候，当这些智能体发现自己有太多"同事"时，就会开始偷懒、表现变差——跟人类一模一样。 来源：Forbes: Cursor Goes To War For AI Coding Dominance

我思想中的理解体系 这种偏文科的思考，往往会被多数理工男忽视。 但最近我的一个观察是：你去看当下中推（中文推特）上的各种争吵，至少有一半都不是立场冲突，而是阅读理解的崩溃。 一方根本没看懂另一方在说什么；另一方则用自己脑中的投影去“理解”那段文字，于是就出现了层层误解与自我映射的冲突。 结果不是辩论，迅速演变成语言错位引发的骂战。各种脏话和人身攻击就上来了。 这种场面每天都在上演，我自己常常哭笑不得，现在直接拉黑算了。 这次生病（大概是新冠），在床上躺了几天，最大的收获竟是看完了《来自深渊》的最新一季。 更新得太慢。我看第一季时，孩子还没出生（要么就是在坐月子）。 但这部作品让我重新思考一个问题：什么才是真正的“理解体系”。 为什么有些人学历很高，看上去逻辑缜密、理性聪明， 但他们对任何文字的理解，几乎都停留在表层？ 这当然与中国长期的语文教育、假大空作文，文理分科制度有关 哲学思考被削弱，“人类共识”的探索被放弃， 取而代之的是一种被社会、学校、个人反复强化的“我是工具人”的思维。 一部卡哇伊风格毛茸茸动漫为什么值得我深度思考 我当然不是对所有动漫都会这样去思考，也不是所谓的“过度解读”。毕竟，这么多年过去，我也不会去分析我十岁时看的《樱桃小丸子》。这部片就是10岁这个等级。中学时我最爱的《名侦探柯南》，我可是每天放学飞奔回家守着电视看的，我也从不解读。但这并不意味着所有儿童作品都没有深度。我其实在推特上无数次写过关于中学时期唯一读过的英文原版书《哈利·波特》的解读。在多数理工男看来，这些作品全都一样：各种魔法、飞来飞去、打怪冒险，剧情的逻辑就是“奇幻”两个字。可在我看来，那正是“理解的理解”的分水岭：他们停留在表层，因为他们只看到了故事的结构，却没有看到意识的结构。 我们这一代人，从小在动漫中长大。到了成年，依然有人在看“成人动画”，只是世界观变得更深。这十几年里，日漫出现了许多真正伟大的作品，比如《进击的巨人》。那部我看得真是瑟瑟发抖。我老公看到我一个人蜷在沙发上，裹着毯子，看他们为了减重扔掉队友尸体的那一幕时，我是真的在发抖的。日漫早已远远脱离了“卡哇伊”的表层（虽然它的绘画风格依然大部分保持明亮、干净）。 我最初看《来自深渊》时，也以为那只是另一部“卡哇伊探险风”的动画。角色幼态，画面温柔，看起来像一场天真的冒险。但看到第三层以下，我开始觉得“不对劲”了。那种温柔之下的黑暗、那种纯真被撕裂的痛感，让人意识到这并不是给孩子看的童话。这几天我看到了最新一季，更新到深渊第六层，才真正感叹：“这是一部神作。”因为我对它的理解，已经完全脱离剧情本身。这才有了这篇文字。 所谓“深层理解”，就是当你不再停留在文字或剧情的表层意义。当你能脱离记忆中的情节，去看清它背后的结构时，你才算真正开始了理解，那是结构探索的第一步。人也是如此。我们最初通过文字理解一个人，但真正的理解，发生在穿透文字的那一刻。当你对一个人产生结构共振，英文里叫 through the lenses，透过他的瞳孔去看世界。那一瞬间，他脑中那些无法言说的内容，会直接映射到你的意识里。这才是“理解”的深层含义，不是知道他说了什么，而是体会他如何“存在”。 深渊就是宇宙/意识/母体的化身 一开始，我以为《来自深渊》只是一部卡哇伊风格的冒险动画，因为在深渊的外围与浅层，故事仍然运作在人性与人类逻辑的范围内。然而随着探险者不断下潜，剧情开始变得越来越“奇怪”。严格来说，那并不是单纯的剧情异化，而是信息密度的持续提升。逻辑逐渐脱离“人的逻辑”，并逼近“宇宙的本源规则”。 在浅层时，一切都遵循人类最熟悉的线性因果：行动与结果、善与恶、努力与回报，仍然能用地球表面的理性原则解释。这是“人本宇宙”的叙事逻辑。然而到了「巨人之杯」这一层，逻辑开始弯曲。“美丽”与“死亡”不再对立，而是互为镜像、共同存在。情感逻辑与事件逻辑不再一致。黎明卿（Bondrewd）的出现，更像是一场理性与伦理的碰撞实验：他既是最冷酷的科学家，也是最深情的父亲。观众在他身上陷入认知的“双绞区”。逻辑的二值系统被彻底击碎，世界滑入灰度地带。 第六层开始揭露宇宙深层的法则：等价交换 从第六层开始，作品揭示的已不再是人性，而是宇宙的法则本身：等价交换。佛家讲“因果”，几乎所有宗教都在劝人行善，但现实世界里，我们分明看到“善人无善报，恶人无恶果”。为什么？因为那些浅层逻辑仅适用于人类社会，还未触及宇宙深处的平衡机制。第六层的黄金之乡（Ilblu）正是一个由“等价”支配的系统：罪与偿还不由人判，而由系统自动执行，“扣除等价之物”，如同一套自我运作的神经网络算法——超理性，甚至非人性。这是宇宙深层在运作的逻辑结构。而我理解的“善恶终有报”，其实要等到接近奇点、接近宇宙深层时才会显现。即便如此，在黄金之乡仍然存在无法被交换、无法被量化的价值：那就是真爱。它是系统算法的例外，是等价原则无法计算的变量。 上升诅咒（Curse of the Abyss），即逆伊甸之路 这是一种单向探索机制：越往深入，反噬越强。轻则头晕呕吐，重则身体异化、意识崩溃，甚至彻底失去人形。换句话说，这是一条不归路。而“不归”的本质，就是逐层剥离人性。它是一条逆伊甸之路。在《圣经》中，人从伊甸园被逐出，是因为吃下“分别善恶果”，获得了意识与自由，同时也引入了死亡与痛苦。伊甸园被描绘成无痛、无死的乐土，但经文从未说明，意识是否存在？ 因此，深渊的下潜，恰好构成一场“逆伊甸之旅”：人类不是被逐出乐园，而是主动向无意识的原初坠落。一步步接近一种存在的极限结构：信息、创造与意识的合一点。当信息密度无限增大，意识与宇宙完全重叠，那便是“奇点”。从物理角度看，深渊这就像一个黑洞：所有光、信息与语言都被吸入，无法逃逸。而人类社会之所以也遵循“死者不可复生”的原则，本质上正是为了维持这种熵的方向性。 换句话说，《来自深渊》的下潜过程，不仅是身体的冒险，更是一场对意识结构的实验。越往深，越远离人；越远离人，越接近宇宙本身。 作者土笔也说过这不是一部“恐怖”的作品，他的总体不是“阴暗”向的。配色和所有的画面一致保持卡哇伊的形态，这也是让我耳目一新的原因之一。 这就是我眼中的“理解”，我很庆幸的是我是一个可以将非常复杂和抽象的理解写成文字的人。对于理解之理解，我很推荐Nagi Yan的一系列帖子。我小时候看电视的时候，我们全家会针对剧情去讨论，后来我才发现这是一种很稀缺的家庭体验。很多人家从来不会对此进行任何语言交流。 《表达的本质：一场结构对撞实验》 《理解的不可约》 《世界的错位：痛苦的真正来源》 《理解：物理的自反事件》 《性格的结构化起源》 当你能够脱离文字去理解一个人、一件事、一部作品，甚至一种世界观时，本质上你已经获得了类似 AlphaGo 的能力。那是一种不再依赖“线性语言解释”的理解方式，而是通过结构和局势直接计算世界的可能性。脱离语言骂战的低级趣味了。