与「超条先輩」相关的搜索结果

昨天聊了机器人这条线 我的核心观点是： 机器人不是一个单点机会，而是一整条产业链机会 今天直接补一份更完整的观察池 不是买入建议，也不是说这些都能涨，而是方便后面持续跟踪。 类人机器人 / 整机方向 $TSLA：Optimus + Robotaxi $XPEV：IRON 人形机器人 $XIACF：小米机器人 / 智能硬件生态 $HYMTF：现代，间接看 Boston Dynamics $AGLT：Agility Robotics，关注后续上市进展 传感器 / 机器视觉 $VPG：力 / 载荷 / 应变传感 $OUST：激光雷达 $ARBE：4D 成像雷达 $MVIS：激光雷达 / 视觉感知 $INVZ：激光雷达 $CGNX：机器视觉 $ZBRA：扫描、视觉、仓储计算 芯片 / 边缘 AI $NVDA：AI 计算平台 / 机器人生态 $AMBA：边缘 AI 视觉 SoCs $AMBQ：超低功耗边缘 AI 芯片 $INDI：ADAS 与汽车半导体 $LSCC：低功耗 FPGA 运动控制 / 工业自动化 $ALNT：控制、驱动与电机 $NOVT：编码器、运动控制、机器人自动化 $ROK：工业自动化 $HON：工业自动化 $ABBNY：ABB 自动化与机器人 $TER：自动化测试 + 协作机器人相关资产 $LECO：焊接自动化 $KLIC：半导体组装设备与制造自动化 物流与仓储自动化 $AMZN：仓储机器人与物流自动化 $SYM：仓储自动化系统 自动驾驶 / 移动出行 $AUR：自动驾驶卡车 $MBLY：ADAS 与自动驾驶 $TSLA：Robotaxi $XPEV：智能驾驶 + 低空出行生态 医疗机器人 $ISRG：达芬奇手术机器人 $SYK：骨科手术机器人 $MDT：医疗设备 / 机器人辅助手术布局 $PRCT：泌尿外科手术机器人 服务 / 配送 / 特种机器人 $RR：服务机器人 / Dex 工业人形机器人 $SERV：人行道配送机器人 $KITT：海底 / 海洋机器人 $KRKNF：海底机器人与声呐系统 $OII：海洋工程与水下机器人服务 国防机器人 / 无人系统 $AVAV：无人机与巡飞弹 $KTOS：无人系统与国防科技 $LMT：军工主承包商 $NOC：无人系统 / 航空航天防务 $BA：军用航空与无人系统 $GD：防务平台与系统集成 电池与储能 $EOSE：长时储能 $QS：固态电池 $MVST：锂电池系统 $FLNC：储能系统 $KULR：电池安全与热管理 $SLDP：固态电池 $AMPX：高能量密度电池 主题 ETF $ROBO：机器人产业链 ETF $BOTZ：机器人与 AI 主题 ETF 这份名单我不会一口气全看。 我会先分三层： 第一层：已经有真实收入和客户的核心公司 第二层：有技术弹性，但商业化还早的小票 第三层：只适合跟踪情绪和主题热度的概念股 机器人这条线，短期看情绪，长期看交付。 最后真正能走出来的，不一定是故事讲得最性感的，而是谁能把订单、营收、毛利率和现金流做出来。 先建观察池，再等市场给答案。 DYOR，不构成投资建议。

我可不会错过机器人领域这波牛市 很多人一提机器人，只想到人形机器人和自动驾驶，但真正的机会不是一个点，而是一整条产业链： 感知与传感：机器人的眼睛和神经 $AEVA：FMCW / 4D 激光雷达 $ARBE：4D 成像雷达 $CGNX：机器视觉 $OUST：激光雷达 $VPG：力 / 载荷 / 应变传感 $ZBRA：扫描、视觉、仓储计算 芯片与边缘计算：机器人的大脑 $AMBA：边缘 AI 视觉 SoCs $AMBQ：超低功耗边缘 AI 芯片 $ATOM：半导体材料与 IP 授权 $INDI：ADAS 与汽车半导体 $LSCC：低功耗 FPGA 运动控制与精密自动化：机器人的身体** $ALNT：控制、驱动与电机 $NOVT：编码器、运动控制、机器人自动化 $KLIC：半导体组装设备与制造自动化 自动驾驶与移动出行 $AUR：自动驾驶卡车 $MBLY：ADAS 与自动驾驶 $TSLA：Robotaxi + Optimus 人形机器人 $XPEV：IRON 人形机器人，小鹏生态也在布局低空出行 现场、服务与仓储机器人 $KITT：海底 / 海洋机器人 $RR：服务机器人与 Dex 工业人形机器人 $SERV：人行道配送机器人 $SYM：仓储自动化系统 外科机器人 $ISRG：达芬奇手术机器人系统 主题基金配置 $ROBO：机器人产业链 ETF $BOTZ：机器人与 AI 主题 ETF 我现在看机器人，不会只盯“谁最像特斯拉 Optimus” 真正值得跟踪的是： 谁提供传感器，谁提供芯片，谁控制运动，谁负责视觉，谁已经进入真实应用场景。 机器人牛市如果真的来，最先涨的不一定是最终整机厂，反而可能是藏在产业链里的“铲子股”。 当然，这条线弹性大、波动也大，尤其很多小票还处在商业化早期。 我的思路是：先建观察池，再看订单、营收、毛利和现金流，不盲目追概念。 机器人不是短线故事，可能是 AI 之后下一条更长的主线。 DYOR，不构成投资建议。

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

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。 年化 40 亿美金，Claude Code 25 亿，差一截。 这数字不是我拍脑袋，是我让 @Apodex_AI 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。 它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。 大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。 但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。 有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。 它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。 所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。 经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。 报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：

懒猫微服是针对顶尖工程师使用的家庭 AI 服务器 操作系统三层架构设计，支持超多技术底层定制，商店支持 4000 多款 self host 应用， 特别适合工程师 去年囤了很多内存条。一条内存和一条固态硬盘就可以购买整机 低价清仓，评论区打 1， 先到先得

一个新公链挖矿项目 #MarsChain# ⁽火星链⁾，热度挺高，看了下它的机制设计的挺不错的，深度研究了下，果断入场了！ 开始介绍项目前先放波粉丝福利给大家： 抽5个粉丝每个人送价值600U的算力加10000个mars代币，可以每天产出价值30RMB代币，而且是永久产出！ 1️⃣关注 @MarsChainCN + @MarsChainCS 2️⃣点赞+转发+评论 @MarsChainCN 置顶推文 3️⃣进入他们官方电报群: 4，进群找群主领取Mars机制资料，学习Mars（参与抽奖必要条件） ⬛️新手核心操作： 下载钱包 （Google Play 和 App Store 都能搜到），国内安卓手机官网下载安卓版本即可。 用钱包地址领完基础空投算力后，直接打开“销毁挖矿”页面 一键 Burn MARS 就完事 ⬛️全程不用矿机、不用质押、不锁仓。你燃烧多少，就立刻获得对应永久算力，这个算力是终身有效的，直接决定你以后的出块收益和挖矿回报。 —————————— 我开始加入是看几个大佬在说这个项目，另外就是研究项目之后，被它“贡献即所有、销毁即通缩”的闭环逻辑吸引过来的。现在很多公链还靠质押或硬件卷，MarsChain 用真实贡献（Burn）来证明算力（PoC），再配合双刚性方程，搞出了一套自己能跑起来的价值捕获机制。 ⬛️项目最具特色的两个方程，简单给大家说说： 圣诞方程：每年12月25日触发，全网35%流通量强制销毁，同时参与者算力还能指数级暴增（10倍、20倍、40倍、80倍、160倍以此类推）。直接把通缩和增长绑成正反馈。 预言机方程：价格从最高点回撤超50%，并持续7天，自动触发同等销毁35%流通量+算力倍增。相当于给项目内置了价格托底和重置机制，避免传统熊市那种崩盘式洗牌。 这种设计把大家的贡献直接转化成了网络韧性，我特意去区块浏览器看了早期销毁数据，公平公开，把稀缺性写进了代码。 ⬛️还有去中心化矿池的裂变玩法：支持邀请制，新人 Burn 时，邀请人能拿50%直推+25%间推的额外永久算力，拉人效率比普通空投强多了。 ⬛️有闲钱的朋友可以看下燃烧挖矿步骤（亲测超简单）： 在交易所买入 MARS，转到你的 Mars Wallet钱包 打开 App → 进入“销毁挖矿”页面 → 输入数量 → 确认 Burn 立刻获得永久算力（公式自动计算，约188天币本位回本） 新手建议先从小额起步，熟悉一下流程就行。 项目现在还在早期，主网上线才没多久，早加入早受益，比起那些卷硬件、卷TVL的赛道，MarsChain 把“投机”变成了“共建”，普通用户也能通过 Burn 成为网络股东。而且代币总供应量2000亿永不增发，每448天就会减半，可以说长期的稀缺性拉满了。 这条链在机制上实现了“贡献-通缩-价值”的自我闭环，是少数让我愿意长期持仓观察、持续贡献算力的项目。 DYOR，非投资建议～

空调这么开，凉快又省电？ 🌞天一热，命都是空调给的，但电费也蹭蹭涨！ 以前总觉得开26度最省电、出门就关空调，结果既没省下钱还容易热感冒😭 ❌ 省电误区，你中了几条？ 很多人以为26度最省电，或短暂出门就关机。 👉🏻 真相：空调刚启动时最耗电，功率是平稳运行的好几倍，频繁开关反而更费电！ ✅ 省电正确姿势 ▪️ 短时外出（1-2小时）：别关空调！ 把温度调到28或29度就行。 ▪️ 回家急降温：先开16度＋风速开到最大档，房间凉下来后，再调回26度＋最小风速。这样又快又省电～ 🌀 风向用对，27度秒变24度 冷空气重，会自然下沉。 ▪️ 把空调风向往上吹，冷气沿着天花板慢慢落下，全屋凉得均匀，还不会直吹得“空调病”（面瘫、关节疼退退退！） ▪️ 在冷风下沉的对角位置放个风扇，对着天花板吹，把沉底的冷气重新搅动起来。就算空调只开27度，体感也能有24度的清爽感，超舒服还不费电！ 🩺 健康吹空调，别等头晕才后悔 ▪️ 开空调前：先开门窗，让空调大风呼呼吹10来分钟，把机器里的积尘、室内热气都排出去，然后再关门关窗。 ▪️ 每隔2-3小时：把窗户开条小缝通通风，避免二氧化碳过高导致头晕眼花。 ▪️ 睡觉时：深度睡眠后体温会下降，整晚26度后半夜容易冻醒。 ⭐有睡眠模式就睡前打开，会自动调高温度。 ⭐没有的话，睡前把房间吹凉，温度调到27-28度，或者直接定时3-4小时关机，舒舒服服到天亮！ 🛠️ 外机&滤网维护，省电又长寿 ▪️ 室外机负责散热，周围别堆杂物，阳光直晒可以加个不挡风的遮阳篷。散热好，压缩机不超负荷，省电又耐造。 ▪️ 室内机滤网每半个月拆下来用清水冲冲，灰尘糊住后冷风根本吹不出，空调再努力也白搭！

所有人都在买英伟达，没人注意到这根连接所有AI芯片的管道——Nokia 上一篇写了为什么nokia是最便宜的光，今天再来详细分析一下4月份的财报和未来方向。有没有可能重现1999-2000年的parabolic move? 一、先说一个被忽视的逻辑 AI投资的讨论永远围绕着芯片——谁的GPU更快、谁的HBM供货更足。但没人问一个更基础的问题这些GPU之间，用什么连接？ 数据中心里成千上万颗GPU需要实时互相通信，传输的数据量是普通网络的数百倍。现有的网络基础设施正在被这股流量压垮。打通这个瓶颈，就是下一个十亿美元级别的机会。Nokia就站在这个瓶颈的收费站口。 二、4月份财报说了什么 表面数据：Q1净营收45亿欧元，整体年增率4%。很多人看到这个数字转头就走。 但分开来看： 1. AI与云端客户营收年增49% 2. 光通讯业务单季成长20% 3. 营业利益率冲上6.2%，年增200个基点 4. 自由现金流单季6.29亿欧元 5. EPS大超分析师预期31% 6. 净现金储备近40亿欧元 7. 已启动股票回购 更关键的是，管理层把光通讯与网络互联业务全年指引从10-12%直接上修到18-20%。大型设备商几乎从不这么做——除非手头的订单已经多到藏不住。10亿欧元实质采购订单，带明确交付日期，不是框架协议。客户之所以愿意压上日期，说明数据中心土建已完成，服务器准备进场，就等Nokia的设备到货。 三、为什么是Nokia，不是别人 重点一：与英伟达深度绑定 Nokia与英伟达达成AI-RAN战略合作，把GPU算力直接整合进无线电网络。年底还有双方合作的光电共封（LPO）现场试验数据即将公布。 黄仁勋说Agentic AI带来1000%的算力需求暴增。这1000%的算力要运转，需要1000%更宽的传输通道。Nokia在造这个通道，英伟达需要这个通道。 两家公司的利益高度一致。 重点二：Infinera并购协同效应超预期 高利率环境下，Nokia凭借近40亿欧元净现金逆势完成对Infinera的收购，并购带来的毛利率提升速度远超华尔街预期。这笔并购很完美，营收规模越大，利润爆发力越强。 重点三：主动放弃低毛利，聚焦Webscale巨头 Nokia正在主动削减消费者光纤等低毛利业务（固网业务Q1下滑13%），把所有产能死死锁定在谷歌、亚马逊这类超大型云端数据中心客户。 表面营收看起来疲软，实际是在牺牲数量，保住利润率。这种"价值重于数量"的策略，在产业周期里往往是股价主升段的前兆。 订单出货比持续大于1，接单速度快过交货速度，积压需求将在未来几季持续转化为营收。 四、市场有多大 云端巨头2026年资本支出超过7250亿美元，整个潜在市场年复合成长率从16%跳升至27%。目前AI驱动的网络流量只占整体的20%。随着Agentic AI和Physical AI的普及，机器对机器的数据传输将呈指数级增长——现有网络根本撑不住。Nokia不需要抢市场，只需要站在这条必经之路上收过路费。 五、风险在哪 供应链瓶颈： 光通讯产品交期被拉长至12-18个月，上游数字信号处理器（DSP）大缺货，营收认列速度被掐住。订单很多，但转化成钱需要时间。 无定价权： Nokia的增长靠的是出货量，不是涨价。光通讯产品长期价格向下，利润扩张依赖规模经济，这是苦活不是躺赢。 新交换器业务存在转换空窗期： Q1拿到的设计导入（Design Wins）不会立即贡献营收，需要等Q2-Q3的订单转化。 2027年新架构才放量： 下一代光电共封架构能降低客户总置成本70%，但量产要等2027年下半年，别把2027年的故事算进2026年的EPS。 六、会不会重现1999-2000年的parabolic move行情？ 1999年Nokia是全球最大手机厂，市值一度超过2000亿美元，两年内股价涨了超过10倍。那次是5G前身的2G/3G爆发周期。 这次不同，也更扎实。那次靠的是终端设备消费，周期性极强。这次靠的是基础设施刚性需求，数据中心建好就要配套设备，不存在等等看再说。 抛物线行情需要三个条件： 1. 需求端爆发: 7250亿资本支出，明年资本开支持续增加，AI流量暴增 2. 供给端瓶颈: 交期12-18个月，产能跑不赢订单 3. 市场认知滞后: 大部分人还把Nokia当5G周期股在看 认知差就是超额收益的来源。当市场还在争论Nokia是不是无聊的电信设备商，机构资金已经在悄悄重新定价。 七、三个必须持续跟踪的数据 1. Q2开始看设计导入转化率: Q1拿到的客户认证，有没有在Q2变成真实采购单，这决定下半年营收基础 2. 光通讯交期有没有开始收缩: 从18个月降到12个月是一个信号，意味着上游供应链开始松动，营收加速的拐点就在附近 3. 年底LPO试验数据: 与英伟达合作的光电共封现场测试，一旦数据亮眼，Nokia的估值逻辑将从"电信设备商"切换到"AI基础设施核心供应商"，PE重估空间巨大 八、总结 这不一定会是1999年的抛物线，但认知差带来的重估行情，逻辑上已经非常清晰。等年底英伟达LPO试验数据出来，才是真正的验证时刻。 #NOK# #Nokia# #NVDA# #AIInfrastructure# #OpticalNetworking# #Datacenter# #AI超级周期# #光通信#

记得Defi Summer 20年到22年这三年时间，大家经常感慨的一句话就是“币圈一天，人间一年” 因为技术迭代太快了，每天都有数不行的新东西出来，几天不看就跟不上节奏 现在这个感觉在币圈彻底消失，在AI那边出现了，每天的新东西就看不完，真的看不完 正好这几天看到圈里讨论Cerebras的帖子多了起来，昨天还看到不少路演信息，毕竟14号要挂牌交易。之前在Amber做分享的时候也单独讲过这个公司（当时用的那页PPT放在文末），所以简单说下我对Cerebras的判断 先说结论：这家公司很有意思，但核心变量不一定是他们造的芯片本身，而是未来AI的workload形态会是成什么样。 先简单说下它是干嘛的，防止有老铁还没看Cerebras 它最核心的技术，就是wafer-scale chip（晶圆级芯片），简单理解就是别人还在用“邮票大小”的芯片，它直接把整片晶圆做成一颗超大处理器，再配上超大 SRAM，把大量数据尽量留在本地高速处理，减少传统GPU最头疼的memory bottleneck。现在海力士美光涨上天就是因为HBM这东西太抢手，Cerebras是直接绕开了对HBM的依赖 很多人看到 Cerebras最牛逼的benchmark：推理速度比GPU快10-15倍，第一反应就是下一个英伟达？！ 先别急。 这个benchmark最大的问题，是默认AI的核心需求永远是“更快吐token”。 如果只是人类盯着ChatGPT聊天，这故事其实没那么性感。你每秒吐 30 个 token，我已经快读不过来了。再翻10倍，边际体验提升几乎为零。 真正有意思的是 Agent。 Agent不读字，Agent消费Token。速度直接等于生产力。 一个OpenClaw/Hermes agent，如果要读网页、写计划、调 API、跑代码、报错重试、继续执行，一个任务可能要几十次 inference call。 每次 2 秒，任务就是分钟级体验。 每次 200ms，就是另一个世界。 所以 Cerebras更值得关注的地方，是 AI worker 这条线，而不是单纯的chatbot加速。 但问题来了 - 它的magic来自 wafer-scale + 超大SRAM，本地访问极快。但SRAM这东西有天然 tradeoff，速度快，容量贵，大模型塞不下就必须拆分。 而一旦拆分，chip-to-chip communication 就上来了。 LLM inference里最怕通信的恰恰是 decode 阶段。token 是一个一个往外吐的，每多一次 hop，延迟就是硬加上去，没法隐藏。 所以 Cerebras能不能成，关键根本不在“比 GPU 快几倍”，而是未来 AI 的主流计算形态到底是什么。 1. 时间线一 - 未来几年还是 前沿超大模型一统天下，动不动几千亿甚至万亿参数，所有请求都让超大模型自己处理，那 Nvidia的distributed infra 依然最舒服，Cerebras的速度优势会被通信损耗吃掉很多。 2. 时间线二 - MoE、蒸馏、量化这些技术如果继续快速进步，未来两年70B左右的模型做到今天700B模型 80%-90% 的效果，我一点都不意外。（这里要强烈感谢Deepseek一大波!) 如果世界往这个方向走，故事就变了。 大模型负责 planning / judgement / orchestration。 真正执行任务的大量 worker model 落在 30B-70B 这个区间。 这些模型足够聪明，又刚好能吃到高速本地推理带来的红利。 Agent 世界里，大部分token根本不需要最聪明的大脑。很多工作本质就是执行层体力活：浏览网页、改代码、调工具、retry、继续跑流程。 这个 topology一旦成立，Cerebras就直接进入自己的甜区 3. 时间线三 - 未来推理是端侧为主，用的都是8B，14B的这些小模型，那GPU也能跑的很好，甚至专用的ASIC芯片效率更高，这个场景下Cerebras的优势和护城河也就不高了 换句话说，超大模型云端推理或者超小模型的端侧推理这两个平行宇宙，Cerebras的优势都不够明显，只有主流推理落在32B-70B中等模型这个Size，正好“Big enough to stress GPU memory, Small enough to fit locally” 才是Cerebras最能大展身手的世界 所以我对Cerebras的判断是，300多亿的市值，短期看订单，财务报表这些数据，长期赌的则是未来Agent时代的计算范式到底落在哪个平行宇宙的时间线上

原来舒淇这辈子最大的心结就是没给冯德伦生个一儿一女 舒淇在节目里第一次承认，她和冯德伦为了要孩子已经折腾了整整九年，从四十出头到现在四十九，试管、中药、针灸、忌口，该试的都试遍，肚子依旧没动静。 一期访谈节目上，舒淇坐在灯光下，眼神温柔又坚定：“这九年，我们为了要个孩子，几乎把所有能做的都试过了。” 旁边的冯德伦低头沉默，眼圈泛红，这是他们第一次把这段漫长的、几乎无人知晓的求子经历公之于众。 对一个渴望成为母亲的女人来说，这九年，是时间、金钱、身体和信念不断被消耗的过程，是一场与命运的硬仗。 从41岁到49岁，整整九年，舒淇几乎把人生最黄金的阶段，全部交给了医院的白墙、医生的冰冷术语、一次次失败的验孕棒。 公众眼中，舒淇是性感、自信、自由的代名词，她敢于在最光鲜的年纪选择结婚，敢于在事业当红的时候几乎停工，敢于在镜头前毫无保留地展现真实的自己。 但没几个人知道，她的化妆包里除了口红和粉饼，还有用来调节内分泌的褐色中药丸，还有一瓶瓶止痛药。 她说，试管婴儿的取卵过程就像“身体被掏干再灌满”，促排药让她整个人肿得不敢照镜子，脸上爆痘，情绪暴躁，甚至一度有些轻微的抑郁倾向。 她曾经在电影现场情绪失控，摔了手中的剧本，然后一个人坐在厕所里哭了半个小时。 为了配合治疗，她把体脂控制在22%，早晚量体温，记录基础体温曲线，吃饭只能吃冷却后的白饭，不能碰辣、不能熬夜。 她形容那段日子，像是在为一个永远不确定是否会出现的生命，做着极致准备。 冯德伦并不是旁观者，他推掉了几部电影的导演邀约，一度被圈内传说“退圈养家”，他配合戒酒、调整作息，每天早上陪她去医院抽血、做B超。 他们在阳明山上默默走了很多次路，不说话，只是走，走完一圈又一圈。 有人说，夫妻之间最怕的不是吵架，是沉默，但他们的沉默，是一种默契，是两个人都知道这场战争太难打，但谁也不想先退。 他们也尝试了寻求外界帮助，刘德华介绍了香港最顶尖的生殖专家，家人托人从台湾高山带回名贵药材。 舒淇的妈妈甚至去庙里求了“平安子”，放在她枕头底下，所有人都在用自己的方式告诉他们：可以的，你们会成功的。 可现实太冷，医生一次次拿着报告说：“卵子数量下降得太快了。” 到最后的那一次，医生用一种很平静的语气说：“你们可以考虑其他方式了。” 她说，走出诊室那天，他们去吃了海底捞，点了一大桌她平时不敢吃的火锅菜，辣的、生冷的、油炸的。 她一边吃，一边笑着说：“我终于不用再忌口了。” 冯德伦笑着陪她喝了一杯，眼里有种说不出的释然。 后来，他们做了一个决定：不再继续治疗，转而考虑领养。 那是一个凌晨的决定，两人坐在沙发上，喝着无糖豆浆，他问她：“我们是不是可以试着当爸妈，不管孩子是不是我们自己生的？” 她点头了，终于不再执着于去生一个孩子。 虽然她现在依旧没能等到“缘分”，但是她和丈夫一直在这条路上前行。 他们相信，在不久的将来，她们会迎来一个非亲生的“亲生孩子”，不卡性别，男女皆可，只要有缘。 社会总是下意识地把“女性价值”与“生育”画等号，尤其对明星来说，生育往往被看作是“完成了人生的闭环”，但舒淇用自己的方式打破了这个框架。 她说：“我不需要通过生孩子来证明我是谁。我已经是一个完整的人了。” 2025年年中，她以导演身份推出了电影《女孩》，讲的是一个被遗弃女孩寻找归属的故事。 这部片子获得了釜山电影节最佳新人导演奖，有人说她终于“转型成功”，但她却说：“这是我把这九年过得很辛苦的心情投射进去的一次表达。” 她不再刻意染发，不再遮掩皱纹，甚至在一次广告拍摄中提出“不修图”。 “你会后悔吗？”有人在节目后问她。 她沉默了一下，说：“我后悔没有早点放过自己。” 九年，不是失败的记号，而是她对“母亲”这个身份最深刻的探索，她没有孩子的基因延续，但她心态已经发生翻天覆地的变化，这或许也是一种成长。 舒淇的九年，不只是明星的隐秘生活，也不只是娱乐圈的一段花边新闻，那是一个女人愿意为了一个可能存在的生命，把自己打碎又重塑的过程。 她没有赢得所有人期待中的“胜利”，但她赢得了自己。 这个社会对女性的要求太多：年轻、漂亮、生育、成功，而舒淇的故事，也许不是最典型的成功范本，却是一个关于“选择”和“放下”的范例。 现在的她，过着平静、真实、偶尔期待的生活。 她的故事或许告诉我们，有些圆满，不一定非得需要围绕传统的定义来完成。