与「进程加速」相关的搜索结果

美国证券代币化的三种模式，证券代币化进程正在加速，其实细看现在各家模式都不一样。三家交易所已经是三种不同的模式在推进： coinbase最彻底完全没有了中央存管、中央结算； 纽交所搞了一个与现有股票交易系统平行的代币化股票交易系统，采用稳定币交易，实时结算，也算没有了中央存管、中央结算了； 纳斯达克的股票代币化交易系统保留了DTCC这家中央存管与结算机构，算是保留了华尔街股市的大部分中后台工作岗位。 详细聊聊这三种模式： 1、Coinbase的模式 最激进的“链上原生”路径，目标是绕开或最小化传统中央存管/结算 1）强调链上结算、自托管和实时/即时结算，主要基于Base、支持24/7交易、USDC或其他稳定币结算。 追求“去掉不必要的中间人”，包括尽量减少对DTCC/DTC的依赖。 2）Coinbase已推出Coinbase Tokenize平台，用于发行、管理和交易tokenized assets（包括equities、私募资产、基金、房地产等RWA）。后续转移可完全on-chain结算（outside DTCC normal settlement），这点确实是最“革命性”的。 现状与限制： Coinbase在过去大半年一直到现在多次公开寻求SEC批准（包括tokenized equities），但尚未获得完整SEC绿灯，Coinbase目前未注册为transfer agent（转移代理），也未获得经纪商在证券领域的完整豁免。绕道CFTC监管的FCM子公司来做，同时积极参与CFTC的tokenized collateral试点。 2、NYSE（纽交所，母公司ICE）的模式： 平行系统 + 稳定币 + 即时结算，接近“无中央存管/结算” 1）26年1月纽交所宣布开发全新tokenized securities platform，结合NYSE的Pillar匹配引擎 + blockchain-based post-trade系统。 2）支持24/7交易、即时结算、美元级订单、稳定币结算、支持多链（结算和托管，既有fungible tokenized shares（可互换的代币化股票、与传统股票等价），也有native digital securities（原生的代币化证券）。股东权利（分红、投票）完全等同传统版本。 这确实是一个平行系统（parallel venue），不直接依赖DTCC传统路径，而是用区块链post-trade实现近乎实时结算，接近“没有中央存管/中央结算”。 正在等待仍需SEC正式批准规则变更 3、Nasdaq的模式： 最保守的“改良派”，保留DTCC/DTC作为中央存管与结算核心 1）前天3月18日SEC批准Nasdaq规则变更，允许合格参与者在Nasdaq上选择将交易结算为代币化形式。但清算与结算仍由DTC负责、代币化股份与传统股份并行 投资者可选flag选择t代币化结算，完全保留DTCC的中后台基础设施（托管、清算及结算）。 2）依赖DTC于2025年12月11日获得的SEC 无异议函（覆盖Russell 1000股票、主要ETF、Treasuries等高流动性资产）。预计2026年下半年启动，支持许可链 SEC明确青睐这种“受控、渐进”路径：先给DTC no-action，再批准Nasdaq规则变更，体现了“技术中立但保留投资者保护”的立场。 而Coinbase链上原生、AMM式流动性池、self-custody、无DTCC依赖的模式，这与SEC当前偏好“渐进、可控”的路径冲突（优先Nasdaq/DTCC的许可型DLT框架）。 当然也有很多项目自己在推动美股代币化，例如ondo的美股代币通过跟券商合作把券商持有股票铸造成链上代币形式、Xstacks的模式更多是追踪股票价格的合成形态。当然现在看未来还是三个交易所的模式更底层。 26年是美国证券代币化的“加速之年”，三大交易所三条路径都是在并行竞争，最终可能融合（Nasdaq用DTC，部分桥接到公链；Coinbase/NYSE推动更多链上原生玩法

长鑫存储扩产的设备供应链全景 长鑫现在合肥两座、北京一座，三座12英寸厂。合肥一厂11万片月产能，二厂8万片，北京厂7万片，加起来接近30万片，全部满产。两年涨了三倍，2024年初差不多10万片，2025年底冲到28到30万，2026年目标稳在30万。按晶圆片数算全球DRAM占比已经接近15%，但按销售额算只有3.97%，片数堆上来了，单价还在追赶。 工艺端，G4在16纳米已经量产，DDR5良率从2024年底的80%升到现在的90%区间。G5对应15纳米，2026年底量产。HBM2去年下半年就上了，比外界预期提前两年，主要供华为昇腾910。HBM3的前段晶圆产能主要在合肥和北京现有基地内部腾出来，目标月产6万片，约占30万片总产能的20%。后段的堆叠和封装由上海新建的HBM封测厂承接，2026年底投产。 产能还在继续扩。上海新厂分两期，Phase 1产能10万片，2027年初量产，Phase 2同样10万片，2028年初量产。加上现有的30万片，远期产能目标是奔着50万片以上去的。华为也在建一条10万片规模的产线，专门配合长鑫做昇腾系列所需的HBM3和LPDDR5X，2026年下半年开始全面量产。 IPO募资295亿，DRAM技术升级拿了130亿，量产线升级75亿，前瞻技术研发90亿。多家券商纪要提到其中约200亿会直接变成设备采购订单，叠加2024年712亿的存量Capex节奏，是国产设备厂未来两年最确定的基本盘。 长鑫正在进行的大规模扩产，设备采购需求非常可观。每个品类的国产化进展差异很大。 光刻是最大的对外依赖，国产化率连5%都不到。主力机器是ASML的NXT:1980Di，每小时出275片，覆盖到16纳米节点，目前还能正常采购。被荷兰管制的是NXT:2050i及以上，每小时295片，2023年9月起要许可证，2024年1月起对华许可基本停发。修正一个流传很广的说法，275到295片是1980Di到2050i的代际跳变，不是1980系列内部的迭代。长鑫往15纳米以下走，这道墙绕不开。上海微电子的28/14纳米DUV还在攻关，光刻这一环短期无解。 刻蚀占设备投资25到30%，是国产化最深的核心工艺。北方华创的ICP在长鑫产线上市占超过50%，中微的CCP介质刻蚀机做到50比1以上深宽比，专门用于HBM的TSV深硅通孔。但存储节点100比1深宽比的极端工艺，孔洞必须互相平行规整，任何偏差直接砸良率，Lam和东京电子在这个区间仍然是主力。 薄膜沉积占约25%，品类分得细。PECVD做绝缘层，PVD做金属互连，ALD做电容器的高k介电层。拓荆科技的PECVD已经批量进入长鑫DDR5和LPDDR5产线，北方华创的PVD覆盖铝铜溅射和氮化钛溅射。但DRAM电容器核心的高k ALD设备，应用材料和ASM的位置很难动，拓荆的ALD在验证爬坡中还没有大规模上量。整体看PECVD和PVD的国产化率高一些，ALD最低。 CMP只占设备投资5到7%。华海清科占国产CMP装备销售90%以上份额，12英寸Universal-300已经导入长鑫。新变量是中微4月29日刚过会的收购杭州众硅，6抛光盘架构是国际首创，效率比主流4盘方案高一截。国产CMP从单点供应正式进入双供。 清洗国产化率30到40%，盛美上海的SAPS/TEBO兆声波清洗覆盖FinFET和DRAM的16到19纳米制程。热处理40到50%，北方华创立式氧化炉打头，激光退火端莱普科技两年内国内市占从3%涨到16%，跟长鑫和长存共同开发匹配DRAM工艺的设备。这几个环节已经跑通了。 最薄弱的三个环节是量测检测、涂胶显影和离子注入。量检测国产化率个位数，KLA全球占51到54%，精测电子进了长鑫12英寸产线，中科飞测也在部分环节往里切，但高端光学检测和电子束检测差距仍然明显。涂胶显影国产化率仅4%，东京电子在大陆市占超过90%，芯源微是唯一量产替代，目前只在封装端站住了，前道关键层还进不去。离子注入同样个位数，万业凯世通累计交付40多台。弹性最大的三个环节，也是短期内最动不了的三个环节。 长存三期产线2026年一季度国产设备占比首次过50%，目标100%。长鑫设备国产化率已突破45%，但仍低于长存三期产线的水平。根源在工艺。DRAM的电容刻蚀和光刻精度对先进DUV的依赖远高于3D NAND。NAND可以靠堆层数绕过光刻瓶颈，DRAM要正面硬刚，结构性差异，跟意愿无关。 外部约束在收紧。4月22日美国众议院外交事务委员会投票通过了MATCH法案，路透社称之为"国会史上最大规模的半导体出口管制立法审议"。法案把长鑫、中芯国际、长江存储、华为、华虹一起列入covered facility，禁止ASML的DUV浸没式光刻机对长鑫出口，禁止盟国为既有设备提供维保，要求荷兰和日本在150天内对齐美方规则。主要推手是美光。一旦通过，NXT:1980Di这条最后的灰色通道就堵死了。长鑫本身还没进BIS实体清单，但设备进口其实早就在2022年10月那波18纳米以下DRAM工艺限制的笼子里。 45%的国产化率意味着长鑫在两条腿走路，海外设备保良率，国产设备保供应链安全。MATCH法案的压力反而在加速这个进程。长鑫每往国产设备多切一个百分点，对应的就是北方华创、中微、拓荆、华海清科、盛美这些公司实打实的订单增量。上海新厂分两期共20万片的增量产能，加上现有产线的持续技术升级，未来两到三年国产设备厂面对的是一个确定性极高的需求窗口。 从更长的时间尺度看，长鑫的扩产不只是一家公司的资本开支计划。它每走通一个工艺节点，整条12英寸国产设备平台就多一次被验证、被复用的机会。刻蚀和CMP已经证明了这条路径，薄膜沉积和清洗正在跟进，量测和涂胶显影是下一个要啃的硬骨头。这个验证循环一旦转起来，国产设备的竞争力会以远超线性的速度积累。

奶头乐太爽了 今天刷抖音的时候刷到一部短剧的广告，估计是算法知道我平时会看翡翠赌石的内容，就给我推了一部和翡翠赌石有关的短剧，男主师从大佬，具备观石断玉的能力。 我被拿捏了，停下来看了一集，后面要我下载才能继续看，我一脸不屑，划走。接下来抖音不耐其烦的给我连续推送这部短剧广告，一而再再而三的拿捏我，堪称赛博版本的三顾茅庐，于是我下载了。 app广告没骗人，里面确实能免费看，没有广告，并且我每看30秒就会弹出提示说又挣了0.2元，还没看几集我已经挣了5元。提示说可以取现，我半信半疑点了提取，好家伙，银行账户真收到钱了。 这一套组合拳真厉害，爽剧下饵诱你下载，点进去爽看同时还挣钱，对于一些收入低，有大量无聊时间需要打发的人来说，这样的产品根本毫无抵抗力，估计还会给身边的人推荐下载，一起看爽剧一起挣钱。 我很好奇这样的平台怎么挣钱，去搜了一下，答案是该app收入90-95%来自于广告。新注册的用户有新手保护期，随便看，零广告，但等你看多了，上瘾了，看热门剧集就要看广告解锁。目前爽剧平台有近2亿活跃用户，每个用户每个月看广告贡献约1.5～2元，平台年收入预估在50亿以上。 用户获得了奶头乐，打发了时间，获得了快乐，还领了点小钱，平台获得了流量，赚取了广告收益，同时还给大量不入流的边缘艺人提供了就业，这样看是一门好生意呀。 就是生产的内容真的很粗糙，之前遇到过年轻女艺人，说实在找不到工作就会去演短剧，这差不多是她们行业鄙视链的最底层，她们也知道拍这玩意上不了台面，是无奈的保底。 我看了几集就戒断了，除了一开始抛出的悬念吸引人，后面的剧情内容比较尬，看不下去。但我也没删app，留着吧，万一以后还用的上呢。 …… 今天a股盘中站上了4000点，不过下午又跌回来了，这不是问题，目前趋势良好，k线形态健康，重新站上4000点是大概率的。两市成交2.15万亿，比昨天少了1000多亿，市场中位数-0.16%，整体风格微微向小盘股倾斜。 今天两市涨最好的是海峡概念，因为新华社又发了一篇文章《祖国必然统一势不可挡》，是继昨天之后央媒继续在台海问题上发声，这让市场猜测统一的进程可能要加速。福建板块今天18个涨停，另外嗅到机会的军工板块也有资金涌入炒作，军工装备指数上涨2.8%，是除福建板块之外表现最好的概念。 这件事我没啥可评的，我们普通老百姓在时代浪潮前没有选择，只能随波逐流，如果顺应时势的同时能再让自己挣点钱就更好了。 今天吊车尾的是黄金和有色板块，金价继续调整，今天最低一度击穿了3900，我写文章这会已经反弹至3930。我国庆节前在3850加过一次仓，如果这次再跌到3800附近我还会再买一点。上一次买了6万刀，这次大概也计划买这么多，我不能说这占家庭财富的比例是多少，反正仓位是不重的。 我预定的理想状态是黄金占家庭资产的5-7%，前几年一直没买足仓位，这次有回调我就补一些。虽然这个位置的黄金绝对不便宜，但考虑到未来5-10年会有诸多不确定性，比如上面提到的“势不可挡”，以及美债的堰塞湖，增持黄金可以起到对冲风险的作用。 有色今天也遭遇了回调，但接下来美元就会降息，北京时间10月30日凌晨2点的会议，降息0.25%概率98%。另外12月份预期降息0.25%，以及2026年预期降息0.75-1%，大宗商品的行情不太可能就在这个位置止步，后市还能再看看。 1、伯克希尔很罕见的被分析师给出了卖出评级。给出评级的是KBW的Shields，他是资深保险分析师，覆盖伯克希尔超10年，在行业内有一定的影响力，因此他的发声被彭博社关注报道。他怀疑巴菲特退休后继任者不一定能做好，同时伯克希尔的保险业务也有下滑的趋势，他把伯克希尔的目标价从74万下调到70万。目前伯克希尔的股价是72万，比历史最高价81.9万回撤了11%。 伯克希尔也是我美股的重仓股，我目前没有卖出的打算。你们别误会，我买的不是a股，a股太贵了我也买不起几股，我买的是伯克希尔b股，483美元一股，很亲民。 2、飞天茅台批发价首次跌破1700，之前夜报里说跌破1700的是散装价格。茅台是这样的，整箱包装的比散装的要贵，因为整箱包装有出货单，更保真。很多人整箱整箱的买，不喝，拿回去囤酒。茅台不喜欢这样，他们希望把酒拆散卖掉，大家喝掉，所以之前有一个开箱令，就是批发商拿到整箱后必须拆箱。我觉得目前茅台的价格还会跌，散装很快就跌破1600了，1500见。 3、吉比特三季度营收增长129%，利润增长307%，主要是仗剑传说（大陆版）这个游戏卖的很好，贡献了主要增长的利润。国内游戏厂商都注重手游，开发了就是要赚钱，至于品质不太关注。你们别看我玩了快40年的游戏，玩国产游戏的时间不到5%，我steam唯一一个内购的国产游戏是黑神话。 4、st绝味前三季度利润下滑36%，鸭脖卖不动了；爱美客前三季度利润下滑31%，医美也不行，消费行业今年也就这样了。 5、赣锋锂业第三季度营收增长44%，利润增长364%，锂矿真的周期拐点了，后面就看光伏了。

Meta Brain2Qwerty v2：无需开颅手术，用脑电波实时读取大脑里的文字 目前性能最高的非侵入式脑机接口(BCI)解码系统，可实时将大脑信号还原为句子。整体词准确率达到61%，最佳参与者达到78%。准确率随数据量对数线性增长，意味着单靠扩大数据规模，就可能持续缩小与有创手术方案之间的差距。 项目意义 · 全球有数百万人因脑损伤丧失语言能力，传统脑机接口需要立体定向脑电图或皮层脑电图等有创手术，难以大规模推广 · 非侵入方案只需佩戴设备、无需开颅，从根本上降低了使用门槛，让更多患者有机会受益 · 开源，训练代码、数据集、论文全部公开，加速整个神经科学社区的研究进程（模型未开源） 官方介绍： Github：

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

𝕏 的自动翻译功能好像全量推送了，观察这两天的 timeline 很有意思，我刷到了来自法国、英国、意大利、西班牙、日本、韩国的内容。 有一个中国人问「为什么女生穿裤子不用系皮带 + 附图」，一个只有 1600+ 关注者的韩国人转发时说「你是傻逼吗 너 병신이니?」，居然有 1330 万浏览量，原推浏览量高达 2100 万。 我不认为这是自然传播的结果，应该是 𝕏 平台的 PM 和运营为了展示 showcase 的成果，对推荐算法进行了干预。这些 post 仿佛坐上了 SpaceX 的火箭，从地球到了火星。 还有日本人、韩国人互搞地域攻击，一边拿泡菜说事，另一边拿核辐射说事，都挺知道对方的软肋在哪里 😂 2006 年，有一本书叫《世界是平的》，讲的是互联网技术 × 全球化，会把世界变成了一个开放、互联的平台，个人和企业都可以跨越地理边界参与全球分工。 世界工厂确实加速了这个进程，关税大战又倒退了一大步。 今天的 𝕏，让我感觉到世界确实变「平」了，至少在文字表达、对话这件事情上。 至少现在，任何人的表达都有机会被全球更多人看到，不用担心被语言限制。最新数据是，𝕏 + Grok 的结合 MAU 为 5.5 亿，DAU 则没有公布。 除了文字的翻译，我更期待的是苹果 AirPods 的 AI 即时翻译功能，让两个不同种族、肤色、语言的也可以面对面自由对话。 如果你是来自亚洲、欧洲、美洲的人，因为「自动翻译」而看到了这条内容，请给我点个赞 ❤️ 吧。

前SpaceX宇航员加勒特·雷斯曼（Garrett Reisman）近期在一场公开访谈中，透露了埃隆·马斯克（Elon Musk）管理其商业帝国的核心决策机制。 雷斯曼指出，马斯克在评估几乎所有重大商业抉择时，使用的并非传统的财务回报率或常规的风险评估模型，而是依赖一个极度单一且具象的评估指标： 该项决策是否能够加速人类在火星建立自给自足殖民地的进程。这一终极目标充当了过滤其所有商业动作的物理棱镜。 在这种极端的愿景驱动下，SpaceX的工程团队长期承受着远超行业常规的沉没成本与执行压力。 雷斯曼证实，马斯克习惯于在项目推进过程中单方面设定极其激进且不容妥协的时间线，并以此高频施压工程团队。 由于航天工程和深空探索具备极高的物理复杂性，研发周期往往难以通过线性逻辑进行精准预测，这也导致SpaceX的实际项目进度频繁出现滞后。 然而，这种极限施压的动作，在客观上将组织内的沟通与协作效率推向了物理极限，团队在反复逼近截止日期的过程中被迫优化工作流。 这种管理模式在传统商业逻辑中极具争议，它在不断挤压员工生理与心理极限的同时，也付出了高额的人力周转成本。 但在资本和资源分发层面，这种将所有商业动作——从特斯拉的现金流反哺，到星链的全球低轨卫星网络铺设——全部收拢于单一终极叙事的做法，赋予了马斯克旗下的实体极高的资金吸纳能力。 所有的延期与技术故障在“火星移民”这一宏大宏图面前，都被市场容忍度对冲成了可接受的试错成本。马斯克的商业帝国正是通过这种方式，将复杂的航天重工业，格式化成了由单一指令集驱动的、高强度迭代的自动化工程引擎。

乌克兰纯无人系统首次夺取俄军阵地，并迫使俄军投降：人类战争史上的里程碑式突破 2026年4月14日，乌克兰总统泽连斯基在国防工业工作者日致辞中宣布了一项历史性事件：2025年夏季，乌克兰军队首次实现**纯无人系统（无人机+地面机器人）独立夺取俄军阵地**，俄军士兵在无人平台面前投降，无任何乌克兰步兵参与行动，乌方零伤亡。 这一事件由乌克兰第3独立突击旅（3rd Separate Assault Brigade）下属NC13无人地面系统打击分队（隶属“DEUS EX MACHINA”无人系统部队）执行，地点位于哈尔科夫州。 该行动被广泛称为“世界首次机器人突击夺取阵地并接受投降”，标志着现代战争从“人机协同”迈向“纯机器主导”的转折点。 行动细节还原 据第3突击旅官方Telegram和后续报道，行动中使用了FPV无人机配合4辆“Tarhan”（或Targan）自杀式无人地面车辆（UGV），每辆携带约30公斤爆炸物。 - 第一阶段：FPV无人机与Tarhan UGV协同打击俄军战壕和掩体入口。 - 第二阶段：一辆Tarhan UGV直接冲入掩体爆炸，另一辆随后堵住入口。 - 关键时刻：剩余俄军士兵为避免被炸，在纸板上写下“我们投降”（We want to surrender），并举向无人机和UGV的摄像头展示。 - 后续：阵地被完全肃清并由乌军（后续步兵）接管，整个突击过程无乌克兰步兵踏入战场。 这是战争史上首次由纯无人平台完成阵地夺取并接受敌军投降的记录。俄军士兵并非向人类士兵投降，而是直接向地面机器人“举白旗”——这一画面被媒体称为“机器人受降”。 泽连斯基同期公布的惊人数据 在同一讲话中，泽连斯基透露：2026年前三个月，乌克兰地面机器人系统已在前线完成**超过22,000次作战任务**（部分来源提及3月单月即超9,000次，是2025年同期约10倍增长）。他强调：“这意味着机器人代替战士进入最危险区域，拯救了超过22,000次生命。” NC13分队指挥官Mykola “Makar” Zinkevych表示，该旅计划在2026年内用机器人替换前线30%的人员，尤其在高风险地段。 历史意义：开启“机器人战争”新时代 1. 战术层面：非对称优势的极致体现 乌克兰作为资源相对有限的一方，通过本土创新+西方部件，实现了“廉价大规模无人系统”对传统阵地的碾压。过去，夺取战壕需步兵冒死冲锋；如今，机器人可完成侦察、打击、封锁、受降全流程。这不仅大幅降低乌军伤亡（俄军无人机/炮火已致乌军高伤亡率），还让俄军心理防线崩溃——“向机器投降”远比向人投降更具震撼力。 2. 战略层面：战争“去人力化”转折点 这标志着俄乌战争从“无人机辅助战”进入“无人系统主导战”。2025-2026年间，乌克兰无人地面系统（Ratel、TerMIT、Ardal、Rys、Zmiy、Protector、Volia等）从后勤运输跃升为独立作战平台。22,000次任务的爆炸式增长，证明乌克兰已在“机器人军队”建设上领先一步。专家称，这是“人类战争史上首次由机器独立完成阵地攻占”。 3. 全球军事革命的先例 - 对大国军队的警示：俄罗斯常规优势被廉价无人系统瓦解；美国、欧洲及潜在对手（如中国）正加速研究类似技术。美军已密切观察，视之为“未来战场模板”。 - 伦理与法律冲击：机器人受降引发新问题——机器能否“俘虏”敌人？国际法如何界定无人作战的责任？ - 扩散效应：乌克兰式“非对称杀伤链”（无人机+UGV+AI融合）正向全球扩散，此前在中东已有苗头。 4. 对俄乌战争进程的影响 此战证明无人系统可替代步兵完成高风险任务，直接支持乌克兰“以机器换生命”的战略。结合空中无人机对俄能源设施的持续打击，乌克兰正从防御转向局部主动。俄罗斯虽在反无人机战上投入巨大，但尚未形成同等规模无人地面部队，差距正在扩大。 结语 2025年夏季的NC13行动和2026年4月的公开确认，绝非孤立事件，而是乌克兰在极端压力下催生的军事创新巅峰。它不仅拯救了乌克兰士兵的生命，更重塑了全球对“未来战争”的认知：人力仍是核心，但机器已能独立决定战场胜负。泽连斯基说得精准——“未来已在前线，而乌克兰正在亲手打造它。” 随着乌克兰2026年计划采购25,000台地面机器人，这一趋势将进一步加速。俄乌战争不再只是领土冲突，更是人类战争形态的实验室。机器人受降的画面，将作为标志性瞬间载入史册。

让 Claude Code 分析了一遍 claude-code-sourcemap 源码，把逻辑全部抽离出来，写了个 open-agent-sdk，用于替代 claude-agent-sdk 使用 claude-agent-sdk 做过 Agent 产品的都知道，其本质是在 claude code 的基础上套了一层壳，做成 sdk 给第三方接入，可以加速 Agent 产品的开发，但是弊端也很明显： 1. claude-agent-sdk 依赖 claude code，而 claude code 是不开源的，一切都是黑盒调用，出了问题你没法修 2. claude-agent-sdk 接到的 query，需要创建 claude code 进程去处理，开销很大，不适合云端规模化调用 在 Claude Code 源码基础上实现的 open-agent-sdk 1. 完全兼容 claude-agent-sdk 的接口形式，只需换个包名即可快速替换 2. 完全开源，你可以接入到你的 Agent 后做定制化修改，不再是黑盒调用 3. 函数调用，不依赖本地 cli 进程，没有额外的开销，云端 Agent 高并发不愁 想到一个有意思的比方不知道合不合适😄 Claude Code 家后院起火，我让 Claude Code 把家里的桌椅板凳、锅碗瓢盆都搬出来，盖了一座新房子，让大家都可以免费住。🐶 MIT 协议开源，欢迎使用。👇

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