melody lee

code everyday｜从内容吸收者向内容创作者转变｜独立 APP 开发者| tesla 投资者 | 有时候会写一点奇怪的东西

[melody lee @melodyLee90]

强烈推荐一个开源项目：https://t.co/h39flXtABh
如果你正在使用claude code做项目开发，而且认真的、严肃的，不是只是做一个Demo的话，请一定要参考这个项目！

目前项目已有1.6K的fork和13.9K的star！

这个项目不仅仅能够增强claude code的能力，对，他是一个claude code skill！
而且是每一个程序员晋升到产品经理或者架构师的指引！

它为你分配了八个角色供你选择：

1. /plan-ceo-review: Founder/ceo，职责是为你的项目深入思考，以更加长远的目光审视你的需求：这个产品究竟是什么，他会生产哪些价值，需要怎么样去实现；是一位久经市场考验的战略家

2. /plan-eng-review: Eng manager / tech lead，这是你的技术专家，当项目的路线确定时，就轮到他出场，他会帮你确定技术路线；他和ceo模式不同，不会有天马行空的想象力，而是根据已经确定的产品方向，制定详细的规划：项目架构，系统边界，数据流，状态转换，故障模式，边界情况和信任边界

3. /review: Paranoid staff engineer，这是你的测试工程师和实施工程师，他会用一种几乎挑剔的方式来审核你的代码；这个模式会反复的追问，什么样的情况会出现bug；这样写，在开发环境中和生产环境中是否会有所不同？

4. /ship： Release engineer，这是你的发布工程师，当产品的进度告一段落，需要发布时，就轮到他出场了；他和上面的几位不同，这里不需要头脑风暴一般的工作伙伴，要的是严谨执行者，他会为你合并分支，同步代码，做正确的单元测试，合并版本号并推送；是项目最后一公里的执行者

5. /browse：QA engineer，这是你的质量工程师，当产品正确发布，需要上线前测试时，就轮到他了；他赋予了agent眼睛，替代人工执行高强度的上下文QA工作，遍历整个应用，捕捉崩坏，验证修复——而不是通过控制台输出的日志来猜测可能的故障

6. /qa：QA lead，如果说/browse是你的质量工程师，那/qa就是质量分析员；/browse 赋予 agent 眼睛，/qa 赋予它测试方法论，/qa——它会读取你的 git diff，识别出你的改动影响了哪些页面和路由，启动浏览器，逐一测试。无需提供 URL，无需手动制定测试计划。它直接从你改动的代码中推断出该测什么。

7. /setup-browser-cookies：session manager，/browse和/qa都需要依赖登录状态；而/setup-browser-cookies，则是可以管理这些登录状态，只要是Chromium 系浏览器，通过 macOS 钥匙串解密 cookies，并将其加载到 Playwright 会话中。一个交互式的选择器 UI 让你精确选择要导入哪些域的 cookies——cookie 的具体值始终不会被明文显示。

8. /retro：Engineering manager，这是你的工程师管理员。如果你的项目需要管理团队，他就会发挥作用；他会统计你的团队工作情况，/retro 会分析提交历史、工作模式和发布速度，然后写出一份坦诚的复盘报告。

[陶瑞 TaoRay @TaoRay]

我最近收藏了一幅油画。这幅油画刚好100岁了。看似是一幅平平无奇的风景画，却描绘了一个美国当年绝对的禁忌爱情。这个女士是个黝黑皮肤、黑头发的黑人。而这个男士则是棕色胡须的白人。两人都穿着时髦的都市丽服，但却无法像其他青年男女在城市咖啡厅里约会。只能穿着美丽的衣裳，在静寂的郊野和树林中享受二人世界。在那个年代，跨种族的男女同框是绝对的禁忌。画家故意把人物画得非常小和模糊，以及用衣物的色彩和遮盖减弱了肤色特征。并让视觉的焦点定格在风景上，而使得这个惊世骇俗的信息变得非常隐晦。有博物馆希望从我这里收藏，记录种族议题在艺术史上的发展变迁。但我不打算出售。我再单独欣赏几年后，就会把它捐出去，让它成为公共财富的一部分，让它承载的信息永远在公共艺术空间流传下去。我非常喜欢这幅画的意境。在社交媒体的时代，人均网红，好像我们被迫需要让全世界都喜欢我们。尤其是有研究证明，社交媒体让青少年在希望得到认可和不自觉的对比中普遍性焦虑。但我们其实并不一直需要别人的喜爱。只要珍惜真正爱我们的人，一草一木、群山、湖泊，才是真正的风景，都为我们祝福。

[Aoi M @aoim33]

我们需要考虑的问题是：我们是在教历史，还是在教立场？ https://t.co/DkS9rQ66p1

[陶瑞 TaoRay @TaoRay]

我刚刚把石油股止盈了一大部分。现在局势重新紧张，油价和石油股已经上涨了不少。我之前说过，随着地缘消息，情绪波动巨大，导致价格上蹿下跳，但始终在一个区间内规律运动。价格区间的上下沿很好判断。就是开战前和战争局势最紧张的时候的价格。所以每次接近边沿我都会加仓或止盈，做波段。中期选举临近，当局肯定有意愿控制能源价格，所以我认为现在已经接近阶段性上沿，继续突破会有压力。当然，如果能源价格压不下来。嘴炮的美联储，再心不甘、情不愿，也只能被迫加息25个基点。所以能源价格是关键。

[TSLA99T @Tsla99T]

最新的链接，八点开始

https://t.co/G0jPMozJAg

[投资TALK君 @TJ_Research]

$IREN 今天财报里的数据
3年合同的价格涨了125%，回报周期变为2年，所以任何关于GPU折旧周期错配的看法，已经被需求证伪了，所有已经卖出去的GPU，都带了背后的订单和价格，亚麻给的回报周期是2.5-3年。当然，你可以说下订单的给不起钱，最后会违约，但是订单价格的趋势无法证明这种想法是正确的，如果有违约，价格一定下降。
未来对于算力的需求我们不知道，但是过去一年里聊GPU折旧错配的观点完全错误，PERIOD。

[陶瑞 TaoRay @TaoRay]

在春晚过后，我曾公开在报纸上发表了我对中国人形机器人领域的看法，引起不少讨论和争议。目前宇树科技已经准备IPO。仔细一看，招股书里全是坑，更加深了我的忧虑。虽然很多人又开始相信，人形机器人已经站在全面爆发的前夜。但是我想借这个时间点提醒大家保持谨慎。因为今天的人形机器人热，和当年的VR热，实在太像了。不但整个行业存在烂尾的可能性，而且宇树科技作为行业龙头，他的IPO更像是一把割韭菜的镰刀。

当年的VR，同样有巨大的市场前景、巨大的盈利想象，也有非常成熟、非常震撼的Demo。巨头重金投入，Facebook甚至改名Meta全面押注元宇宙，一个新时代马上就要到来。但后来VR为什么退潮？为什么Meta砸了800多亿后也决定退场？不是因为它不酷，也不是因为没有人讲故事，而是因为从Demo到真正可落地的成熟产品之间，隔着巨大的硬件鸿沟。比如沉浸式虚拟世界要解决人体对加速度和空间感知的匹配问题，否则用户极易眩晕，根本无法长时间使用。这个问题在短时间的Demo里面不明选，但是如果这个底层问题不突破，再漂亮的展示也只是展示，无法让人长时间沉浸在元宇宙。

今天的人形机器人也是一样。它面前的很多瓶颈，并不是简单的工程优化，而是基础科研层面的突破。只要这些核心硬件和底层技术没有真正解决，再漂亮的Demo也没有意义。更值得警惕的是，中国企业普遍擅长的是1到100的工程化和产业化能力，但人形机器人现在真正缺的，恰恰是0到1的基础突破。而0到1往往不在企业端，而在科研端。这是中国制度性的短板。

宇树在招股书里一边高调讲“关键核心技术攻关”，一边在真金白银的投入上却显得非常克制。2022年至2025年前三季度，它的研发费用分别只有2998.48万元、4995.18万元、7001.70万元和9020.94万元，研发费用率则从2023年的31.39%一路降到2025年前三季度的7.73%。同期，2025年前三季度销售费用达到7600.85万元，已经非常接近研发费用。对一家号称要突破人形机器人底层核心技术的公司来说，这个投入强度，说得直白一点，实在不像一家真把“攻克基础难题”当成头等大事的公司。

所以我的判断也很直白：宇树现在的资源配置，看起来更像是它自己也不太相信，自己能真正攻克这些最核心的基础问题。既然最难的仗未必打得下来，那就干脆不往里重投，继续把钱和精力更多放在表演、叙事、传播、出圈和资本市场想象力上。

说得再不客气一点，这种模式就是用Demo强化叙事，再用叙事强化估值。这样的公司，风险是非常非常大的。

我写这篇文章，不是说人形机器人一定会像VR一样退潮，也不是说这个赛道未来一定没有机会。Meta就算押错了，它还有广告业务，还有AI，还有别的转型空间。特斯拉也是一样，就算人形机器人最后没有按预期爆发，它也还有汽车、能源和软件业务撑着。但宇树不一样。

至于人形机器人真正需要突破的核心技术，以及中国在基础科研层面到底面临哪些更深的挑战，请看我之前在《联合早报》的那篇文章（链接在下面）。那篇文章里，我也专门分析了，为什么一个行业的Demo可以做得非常漂亮，甚至足以点燃资本市场的想象力，但从Demo走向真正落地的商业产品，所需要攻克的技术难度，往往完全是另一个数量级。只有把这些底层问题看清楚，大家才会真正明白人形机器人这个行业的真实门槛，也才能看懂其中真正的投资要点。

2026年2月27日《联合早报》文章《陶瑞：从春晚到现实，人形机器人还差什么》

https://t.co/C89bhyt3xG

[陶瑞 TaoRay @TaoRay]

Bingo

[投资TALK君 @TJ_Research]

核心环比低于预期，其他都符合预期
CPI 0.5% MoM, Exp. 0.5%
CPI Core 0.2% MoM, Exp. 0.3%

CPI 4.2% YoY, Exp. 4.2%
CPI Core 2.9% YoY, Exp.2.9%

[melody lee @melodyLee90]

@MrGafish 钉钉当然≠阿里，钉钉是阿里的子集

[陶瑞 TaoRay @TaoRay]

五粮液爆改财报的事件发生在任何一个成熟市场都要退市的。根据摩根大通CEO戴蒙的蟑螂理论，当你看到一只蟑螂的时候，一定在你看不到的地方还有一大群。行政权力的无序扩张延伸到各行各业，而权力本身有腐败性的内在动力，破坏有序而自由的市场。以前的中国，腐败是规模性的，但今天的腐败是制度性的。只有真正懂行的人才能看懂这其中的区别。

[fin @fi56622380]

华为τ scaling定律营销策略，无非是more than moore的广义摩尔定律的另一种说法而已

作为芯片架构师，我更感兴趣的，还是芯片密度提升，ppt上41%能耗提升和12.7%性能提升，到底是怎么实现的

看完了论文，感觉华为这次创新，本质上是用设计复杂度高 + 高制造成本 + 超前散热，一定程度弥补了工艺差距

-----------------

1. 华为芯片堆叠带来的等效密度提升，是虚假宣传还是真的，是不是工艺突破？有没有实打实的好处？

等效密度提升的来源，是两片芯片用hybrid bonding技术绑在一起，投影面积理论上能减小一半，但第一代不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）

这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²，时钟频率也提升了12.7%，功耗比提升41%，表面上看似乎和工艺突破没有什么区别，但有一点重要区别就是leakage power华为从头到尾没有提，只要工艺节点不变，gate leakage、junction leakage 不会因为 3D stacking 自动改善

2030年到2031年的等效密度突变，大概率是来自于2层堆叠到3层堆叠，正如2025到2026年的等效密度突变，时钟频率突变，来自单层到2层折叠

所以从leakage没提这个事来看，这个2031年等效1.4nm，和工艺节点上的突破没有联系。

本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging，一定程度弥补了工艺差距

-----------
那么这样看起来虚假的等效密度提升，有用处吗？好处在哪里？

有的，设计上topology折叠，原来要跑几毫米的水平走线，折叠后变成了几十微米。降低了super buffer/bus的长度，降低了clock tree的深度（clock depth -42%、clock wire -28%），clock skew也带来了改良(-25%)，这对动态功耗的改善是实实在在的。部分critical path的缩短，也让时钟频率的上升更容易

所以ppt roadmap上performance的提升，从2025年到2026年上升了12.7%，大部分都是来自于时钟频率的上升（12.7%）

所以好处基本上是topology拆分电路逻辑设计上带来的提升

既然没有实质上的工艺提升，华为芯片堆叠带来等效密度提升的trade off代价在哪里？

三个代价：散热超前发展，设计复杂度高，制造成本变高

最大的代价就是热密度的同步上升，理论上logic on logic都是CPU execution发热最严重的区域，这部分折叠起来相当于功耗密度直接翻倍，但算上41% power efficiency改善，功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠，大概只占全芯片面积的53%。

所以散热技术也被逼的超前发展，直接上毫米级的MEMS风扇，做micro-cooling fan。

另外的代价就是设计复杂度的变高，critical path的折叠，哪个部分的logic能折叠，折叠之后又会带来从前端到后端的巨大变化要推翻重来

现有的所有EDA工具也不可能支持3D topology，论文自己也承认，full-scale LogicFolding需要全新的3D-native EDA toolchain，把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做，Physical Design（PD）也是难点

制造成本也会更高，被迫超前部署advanced packaging封装，1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本
以前一层wafer做一次光刻；现在两层wafer分别做光刻再bonding，加上hybrid bonding的overlay控制（论文要求<0.5μm）、TSV、KOZ keep-out zone、冗余修复、良率乘法损失，每颗芯片的制造成本和测试成本都要显著上升

--------------------------

2. Tau scaling这个说法，scaling的到底是什么，这个scaling技术路线是不是一次性的design topology红利？潜力如何？持续进步的空间在哪里？

τ Scaling的核心主张是：用时间常数τ替代几何线宽作为全栈优化目标，在器件、电路、芯片、系统四个层级分别压缩特征延迟

公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈，TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段，本质是More than Moore的广义摩尔定律的另一种说法

抛开marketing，华为目前所谓RC delay的改善，本质上是芯片堆叠之后，topology距离缩短，让匹配的effective RC都变小，不是RC工艺常数

至于scaling的意思，是能持续发展的一条roadmap。这里的持续改善路径指的是，全芯片堆叠的层数越来越多，从25~30年的2层堆叠，到31年开始的3层堆叠，以后甚至会考虑4层堆叠

第一代折叠技术甚至不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）。2031年的roadmap之所以会出现一个阶跃，就是因为那是从2层折叠到3层折叠的时间点。

但需要注意的是，这个scaling方法的边际效应是逐渐缩小的，折叠成双层的收益是100%，2->3层的收益就只有50%，如果2035年再从3->4层堆叠，收益就只有33%了

另外随着堆叠层数变高，上面说到的三个挑战，散热，设计复杂度，成本，都是越来越大

---------------------

3. 华为的芯片堆叠，是不是TSMC/AMD已经有的hybrid bonding技术？华为做到的是cache on logic，cache on cache，还是logic on logic，logic on logic最大的散热问题是怎么解决的？

是已经有的技术没错，但同时也是把现有技术指标做到了领先也是真的，3D堆叠本身不是新技术，TSMC的hybrid bonding量产还是6um，华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm

我在刚刚看到华为的堆叠消息之后，第一反应也是怀疑和AMD的3D V cache类似，它主要把 SRAM cache 叠在 已经有的L3 cache 区域上，通常会避免直接堆在最热的 CPU execution logic 上，就是避免散热问题，毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样，如果最热的logic on logic堆叠，散热恐怕会碰到困难

但看了更多数据之后，clock buffer -56%、clock depth -42%、clock wire -28%，这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache，大概率是不需要单独MEMS微型风扇额外散热的，证据普遍都指向logic on logic方式

华为这个技术的精妙之处在于，logic on logic 折叠之后热密度并没有翻倍，而是因为topology的好处，能耗下降了30%，这样热密度只上升了40~50%

而第一代没有完全把整个最热的execution logic 100%堆叠起来，论文也明确说selectively applied along key critical paths，只是大概53%有选择性关键路径会堆叠起来，可能颗粒度都没有那么好，只是IP堆叠在IP上，那么热密度上升也许能维持在20%以内

但这条道路继续前行，超前发展的散热就成了必然，现在是MEMS微型毫米级的主动散热风扇，紧贴处理器传导效率高，和华为手机一样，散热堆料特别足，而且技术领先同行。

以后怕是要把HBM7/8的微流道散热技术提前用起来了，毕竟HBM7/8要上24+层堆叠，华为很可能要在提前用上下个世代的散热技术了

-------------------------

4. 从架构角度来说，最重要的问题，华为41%的power efficiency（能耗比）提升，到底是怎么实现的？为什么AMD的3D V cache没有这么大的提升？

首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%"，没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索：ISO-Power Performance的数字，2025年是2.75，2026年是3.1，提升12.7%

这个时钟频率提升12.7%完全一致，可以理解为，同功耗的性能提升是12.7%，绝大部分是时钟频率提升带来的

至于能耗比上优化的猜测是，LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下，有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd

另外的能耗比的提升，可能也来自于电路折叠之后，cache hit latency的下降。从业界经验来看，一般L2/L3 cache hit latency下降10%，CPU整体性能会有至少5%的提升

ppt里显示SRAM latency下降30%，估计会有一部分转化为cache hit latency的下降

AMD的3D V cache没有这么大的提升，主要是因为AMD的底层logic die并没有重新设计，3D cache的延迟latency不仅没有减小反而加大，只是增加了cache大小，收益不如latency下降那么明显。

另一方面，clock skew的下降,critical路径变短，造成电路timing变好，意味着华为可以使用更低的vdd（猜测甚至能低7~8%），以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字，比如C_eff下降10~15%合理)，再加上clock tree的整体缩短和下降，确实是有可能在部分Voltage/Freq点做到同性能下，做到30%的功耗下降的，而30%的功耗下降换算过来就是41%的power efficiency

对比苹果和高通，每一代手机芯片在iso-power下单核性能一般提升10-20%，iso-performance下功耗一般降30-40%，这是V/F曲线的特性决定的，所以从经验上来说，数字是对的上的。

所以这个power efficiency（能耗比）的提升，从现有的数字上来说可以从topology推导出来是合理的，可能真的和工艺节点没有太大关系

----------------------------

5. 这个技术路线有没有可复制性，其他家会不会效仿？

短期内不会大规模效仿，因为性价比和风险收益比来说不好。长期来看，这个方向所有人都在走，只是名字不一样

华为做LogicFolding的根本驱动力是制裁，工艺节点被卡在7nm，只能在封装，散热，和设计层面想办法弥补。华为也为此付出了不小的代价：散热成本，设计复杂度，以及制造成本更高（包括良率）。这是一个被逼出来的路线，不是一个自然选择

其他玩家在用TSMC就能做到正常的经济迭代，是没有必要冒着这个风险，去超前迭代散热技术和设计复杂度的

长期来看，Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化，那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力

散热方面，MEMS微型风扇和微流道也会成为未来HBM散热的主流

-------------------

总结一下，华为这次的创新，绝对是值得尊重的，在制裁环境下，用极高的设计复杂度和成本，在一个被锁定的工艺节点上大胆重新设计，榨出了一次大的topology红利，虽然它有天花板。每多加一层的边际收益递减（堆叠1->2层, 2->3层, 3->4层，提升百分比变小），leakage无法解决，散热越来越难，3D EDA工具链更是全新的挑战。

但这个Tau scaling不是一条可以走十年的指数增长路径，每次爬完一个台阶，下一个台阶更难爬，而且台阶更矮收益更小，华为以后想缩小差距，还得再想想靠什么其他的路线

[Macro_Lin @LinQingV]

$SNDK SanDisk前副总裁深度访谈：AI时代，HDD和NAND到底谁赢

该文已同步更新至公众号：Macro林的市场观察

2026年5月5日，华尔街研究机构Bernstein发布了一份专家访谈纪要。主持人是Bernstein的美国IT硬件分析师Mark Newman，对面坐的是Robert Soderbery，一个在存储行业干了几十年的老兵。他曾经是西部数据（Western Digital）的执行副总裁，直接负责旗下SanDisk闪存业务，管过云存储、消费存储和AI存储三条线。一年多前SanDisk从西部数据分拆独立上市，Soderbery也离开了公司，但他对这个行业的理解仍然是一线水平。

这场对话持续了大约一个小时，话题只有一个。在AI时代，数据中心里的两种主要存储介质，HDD（机械硬盘）和NAND（闪存/固态硬盘），到底谁会赢？

两个主角各自是什么

在进入正题之前，需要理解HDD和NAND各自是什么，以及它们为什么会存在竞争关系。

HDD，也就是机械硬盘，是一种已经存在了几十年的存储设备。它的内部有高速旋转的金属盘片，一个机械臂在盘片表面来回移动，通过磁性记录的方式读写数据。你可以把它想象成一台微型唱片机。HDD的优势是单位容量的价格极低，同样花一块钱，HDD能存的数据量远远多于其他任何存储介质。它的劣势是速度慢，因为机械臂需要物理移动到数据所在的位置才能读取，就像你要在一张唱片上找到某首歌，针头得移过去。

NAND闪存是固态硬盘（SSD）的核心组件。它没有任何机械部件，数据存储在半导体芯片里，通过电信号读写。没有机械运动意味着速度快很多，功耗也低，体积也小。但NAND的单位容量价格一直比HDD高出好几倍。

在过去几十年里，数据中心的选择逻辑很简单。需要快速访问的数据放在SSD上，需要大容量长期存储的数据放在HDD上。就像你家里可能有一个SSD笔记本电脑用来日常工作，同时有一个大容量移动硬盘用来备份照片和视频。

传统数据中心的简单世界

Soderbery回忆说，在AI出现之前，传统数据中心的存储架构非常简单，就是一个两层结构。

第一层是"计算盘"，小容量的企业级SSD，通常是2TB、4TB或8TB，安装在服务器里，负责操作系统运行和频繁访问的数据。第二层是"存储盘"，大容量的近线HDD（nearline HDD），专门用来存放不需要频繁读取的海量数据。

如果按数据总量（bit）来衡量，HDD占了压倒性的80%到85%，NAND只占15%到20%。但如果按花的钱来算，两者其实差不多，因为HDD虽然存得多但单价便宜，NAND虽然存得少但单价贵。

在这个时代，也有人尝试过在两者之间做文章。比如，有没有可能做一种大容量SSD，既有SSD的性能又能替代HDD的存储功能？西部数据和其他厂商确实在研发更大容量的SSD，但老实说，市场反应很冷淡。hyperscaler（超大规模数据中心运营商，比如谷歌、亚马逊、微软、Meta这些公司）的态度很直接。我为什么要花好几倍的价钱买SSD来做HDD能干的活？性能溢价不值那个钱。

这种格局维持了大约三到三年半。然后AI来了。

AI改变了一切

大约两三年前，AI数据中心开始大规模建设。最初的存储配置基本上复制了传统数据中心的模式。GPU服务器旁边放一些计算用的SSD，再配上大量近线HDD做数据存储。看起来跟以前没什么区别。

但很快，人们发现了一个问题。

AI的工作流程跟传统计算不一样。在数据真正被送进GPU运算之前，有大量的"预处理"工作需要完成。原始数据需要被清洗、转换、向量化、做embedding（一种把文字或图像变成数字向量的操作，方便AI模型理解）。这些预处理任务对存储的性能要求极高，你需要以很快的速度读取和写入大量数据。而传统的近线HDD，那个靠机械臂一点一点挪动的设备，根本跟不上这种节奏。

这就像你原本用拖拉机拉货拉得好好的，突然有人告诉你现在需要用赛车的速度送快递。拖拉机（HDD）的装载量大没错，但速度跟不上。

于是，hyperscaler开始疯狂采购大容量的企业级SSD。不再是以前那种2TB、4TB的小盘，而是32TB、64TB、128TB，甚至256TB的超大容量SSD。这些盘既有SSD的高性能，又有接近HDD的大容量。Soderbery说，从bit的角度看，AI存储市场几乎在一夜之间被大容量SSD主导了。新增的业务里，60%到70%的NAND采购都是冲着这些大容量企业级盘去的。

更有意思的是连锁反应。传统数据中心的人看到AI那边用上了这些大容量SSD，也开始琢磨，这东西是不是也能用在我们这边，替代掉一部分HDD？于是整个存储行业的架构从原来简单的"两层"（小SSD + 大HDD）演变成了"三层"。小容量高性能SSD做计算盘，大容量企业级NAND做中间层，近线HDD仍然兜底做最大容量的存储。

涨价把一切冻住了

故事如果只讲到这里，似乎NAND会一路高歌猛进，逐步蚕食HDD的地盘。事实上，2025年夏天之前，很多人确实是这么想的。

当时NAND的价格相对HDD大概是4到5倍（以每TB美元计算）。在这个价差下，一些hyperscaler开始做TCO（总拥有成本）计算。如果把NAND的功耗优势、空间节省、性能提升都算进去，在某些"边界场景"里，用SSD替代HDD的总成本其实差不多甚至更低。比如一块128TB的SSD，体积只有手机那么大，但它替代的可能是一整个机柜的HDD。你省下的机房面积、电费、冷却成本，加起来可能够得上SSD多出来的采购价了。

Soderbery估计，hyperscaler普遍愿意切换的TCO门槛大约在2到3倍。最积极的（比如Meta那种更看重应用性能、对成本不那么敏感的）可能在3倍就会动手。大部分市场要到1.5倍左右才会大规模迁移。当时4到5倍虽然还不够，但趋势是在往3倍走的。

然后NAND价格暴涨了。

涨幅远超预期，从5倍直接飙到了20到25倍。原本大家期待的"从5倍走向3倍"的故事，变成了反方向跑。所有正在进行的HDD-to-SSD切换计划全部停下来了。超过20倍的价差，不管你怎么算TCO，都不可能让SSD替代HDD变得经济。

Newman在对话中用了一个很形象的表述。两边（NAND和HDD）的需求都在增长，只是NAND那边多吸走了一些边界场景的需求。但现在价格涨成这样，这些边界需求又会往HDD回流一些。Soderbery同意，会有一些回流，但幅度不会很大，因为两边产能都紧张，能调配的空间有限。

为什么NAND价格会涨这么离谱

要理解这次涨价，需要知道NAND行业一个关键的技术特征。NAND有"代际"之分。

NAND闪存的制造跟其他半导体一样，有不同的技术代际（generation/node）。你可以把它理解为一栋楼的层数。早期的NAND是平面的（2D），后来进入3D时代开始往上叠层，从几十层到100多层到200多层。目前在产的大概是第5代到第8代3D NAND，第9代即将投产。

问题在于，不同代际的NAND能做的事情差别很大。AI数据中心要的那种大容量高性能盘，128TB、256TB的QLC SSD，只有最新的两三代技术节点才能造。老一代节点可以造消费级SSD、手机存储芯片这些，但做不了AI要的大容量企业盘。

而最新节点的产能在整个NAND行业里只占大约30%到35%。为什么这么少？因为NAND厂商过去几年的日子太难过了。Soderbery直言不讳地说，NAND是一个连续亏损或低利润了5到9年的行业。厂商手里没有足够的钱把所有老产线都升级到最新节点。每一次"代际升级"（从N代到N+1代），全行业加起来需要投入大约500亿美元，换来的是总bit产出增加约50%。在长期亏损的状态下，没有哪家公司有胆量和资金连续做两三轮这样的投资。

所以实际情况就是，AI需求像洪水一样涌向最新节点的产能，但这部分产能只有行业总量的三分之一。竞价（bidding war）极其激烈，价格自然暴涨。而老节点的产能虽然闲着一些，但做不了AI要的产品，帮不上忙。

这就好比全城只有三家五星级酒店，突然来了一个万人规模的国际会议。三家酒店的房间瞬间被订光，价格涨到天上。旁边有大量的经济型酒店空着房间，但会议主办方要求必须住五星级，经济型酒店再便宜也没人住。

Soderbery还补充了一个容易被忽略的细节。NAND工厂几乎永远在满负荷运转。这跟HDD不同，HDD工厂还有一些产能弹性可以调节。NAND的制造流程决定了你要么100%开着，要么就别开了，没有中间态。所以面对突发的需求暴增，NAND行业几乎没有短期应对能力。

HDD为什么死不了

聊到这里你可能会想，既然NAND这么供不应求，HDD应该很快就被淘汰了吧？恰恰相反，HDD目前的处境可能比很多人想象的要好得多。

价格是最直接的因素。20倍的价差意味着在纯存储场景里，HDD仍然有压倒性的成本优势。不管AI多火，世界上仍然有海量的数据需要低成本存储，视频监控、备份归档、冷数据存储，这些场景对性能要求不高，对成本极度敏感。NAND在这些场景里完全没有竞争力。

然后是HDD行业的竞争格局。全世界现在只剩下两家半HDD制造商。西部数据（WDC）、希捷（Seagate），再加一个东芝（Soderbery暗示东芝的状态不太稳定，不算一个完整的竞争者）。这是一个典型的寡头垄断市场。

Soderbery非常坦率地说了寡头市场的运行逻辑。核心就是不轻易扩产。只要你不扩产能，供给就永远偏紧，价格就能维持在一个让股东满意的水平。而HDD恰好有一个天然的"护城河"让这条规则更容易执行。HDD的制造技术极其复杂。

很多投资人以为HDD是"低科技"产品，毕竟里面有一个会转的盘片和一根机械臂，看起来很原始。但Soderbery指出，HDD的研发难度其实非常高。盘片上用来存储数据的磁性颗粒需要用溅射设备逐层沉积，精度在纳米级别。磁头的设计涉及精密的物理和材料科学。新一代的HAMR技术（热辅助磁记录，用激光加热盘片表面来提高存储密度）更是把复杂度提到了新高度。他透露了一个有趣的事实。在西部数据内部，HDD研发团队里的博士数量比NAND团队还多。

这种技术复杂性意味着扩产不是写一张支票就能搞定的事。你需要建新的无尘车间、采购精密设备、培训技术团队、调试良率，整个周期很长，充满不确定性。再加上HDD行业刚刚经历了近十年的供过于求（直到AI出现之前），厂商有深刻的心理创伤，绝不想重蹈覆辙。

第三个有利因素是成本曲线的变化。过去NAND的每bit成本下降速度远快于HDD，所以人们普遍认为NAND迟早会便宜到跟HDD差不多的水平，届时HDD就没有存在的意义了。但现在情况有了变化。NAND的成本下降正在放缓。3D NAND靠堆叠层数来降本（从2D变成3D），但层数越高技术难度越大，就像盖100层的楼远不止花50层楼两倍的钱。Soderbery说NAND可能还有"最后一次挤柠檬"的机会，再往后就需要全新的方法来降本。与此同时，HDD这边，HAMR技术带来的成本下降速度正在加快，已经跟NAND的成本下降速度接近甚至略快。两条曲线正在收敛，但从"HDD更便宜"的方向收敛，这意味着NAND要追平HDD的价格需要的时间比之前预计的更长。

Newman在对话中总结了一个关键判断。展望2030年到2032年，NAND的成本或许能降到HDD的3倍以内，届时以类似的毛利率定价的话，会开始看到从HDD向SSD的份额迁移。但即便到了那一步，实际的替代也需要巨额资本投入（前面提到的1500亿美元量级），而且NAND厂商从经济回报角度看没有太大动力去做这件事。与其花1500亿去抢HDD的低毛利市场，不如把钱投到AI存储这个高毛利方向。

所以结论是，HDD短期内死不了，中期（到2030年前后）也很难被NAND大规模替代。两者会在各自擅长的领域共存相当长一段时间。

一场改变游戏规则的合同革命

这场对话里最让人意外的部分，可能是关于LTA（长期协议，Long-Term Agreement）的讨论。

在传统的存储行业里，买卖双方的关系极度不对等。所谓的"长期协议"其实是一种单方面的安排。客户对供应商说，你给我留这么多产能，按这个价格卖给我。如果市场好、我需要货，我就买；如果市场不好、价格跌了，我就不买了，没有任何违约成本。但反过来，如果我需要货而你供不上，我会想尽一切办法从你手里榨出来。

Soderbery毫不客气地评价这种关系。双方之间没有任何信任可言。hyperscaler在这种博弈中处于绝对的强势地位，供应商只能被动接受。在这种环境下，存储厂商根本不敢做长期的资本投入，因为你不知道三年后客户是不是还会买你的货。而没有资本投入，产能就上不去；产能上不去，整个行业就在周期性的供需失衡中反复震荡。

但现在情况正在发生本质变化。SanDisk（从西部数据分拆出来的独立公司）刚刚宣布了5份"NBM"（新商业模式，本质上就是新一代的长期协议），核心条款包含总购买承诺约420亿美元，合同期限3到5年，其中约110亿美元是财务担保（financial guarantee）。

什么叫"财务担保"？简单来说就是违约金。如果客户签了合同说要买420亿的货，但到时候不买了，其中110亿是要真金白银赔出来的。这跟以前那种"我想买就买、不想买就不买"的单方面合同完全不同。

Newman做了一个数学测算来帮助理解这个合同的保护力度。110亿除以420亿大约是25%。也就是说，假设市场价格暴跌50%，客户理论上可以选择违约、交110亿罚金、然后按市场价重新采购。但这样做的话，客户的实际购买成本相比合同价只下降了约25%（因为罚金抵消了一部分降价收益）。换句话说，这份合同在市场剧烈波动时给供应商提供了一个相当厚的缓冲垫。

Soderbery还补充了一个实际操作层面的考量。即使客户违约了，它还是得继续买NAND，你不可能因为合同纠纷就不建数据中心了。所以违约更可能的结果是重新谈一个价格更低的新合同，把剩余的购买量延长到更多年。就像一个棒球运动员合同到期前想续约，他会接受一个年薪稍低但年限更长的新合同。对供应商来说，虽然价格降了，但锁定了更长期的业务。

这种双向LTA对整个行业的意义是深远的。有了客户的购买承诺和财务担保，NAND厂商第一次有了足够的信心去做长期资本规划。你知道未来3-5年有多少收入是"锁定"的，你就敢去投资建新产线、升级制程节点。这解决了存储行业长期以来最根本的结构性问题，资本投入的不确定性。

同样的趋势也在HDD领域发生，而且HDD甚至走在前面。HDD的长期协议模式更早成熟，已经包含了购买承诺。这进一步巩固了HDD寡头格局的稳定性。

对投资人来说，这意味着过去给存储公司估值时最大的折价因素，强烈的周期性，正在被系统性地削弱。如果三分之一的营收已经被合同锁定，这家公司的盈利可预测性就更接近一家软件公司而非传统的周期股。市场愿意给的估值倍数自然会上升。

QLC：大容量SSD背后的技术

前面提到AI数据中心需要128TB、256TB的超大容量SSD。能造出这种容量的盘，靠的是一种叫QLC的技术。

理解QLC需要从NAND闪存的基本原理说起。NAND的最小存储单元是一个微型晶体管（早期叫"浮栅晶体管"，现代3D NAND多用"电荷捕获"结构，但原理类似），你可以把它想象成一个微型水桶。数据以电荷的形式存储在这个桶里。根据桶里电荷量的不同，可以区分出不同的数据值。

最早的NAND（SLC，single-level cell）每个桶只区分两种状态，有电荷和没电荷，对应二进制的0和1，也就是每个单元存1 bit数据。后来发展出MLC（2 bit/cell，4种状态）、TLC（3 bit/cell，8种状态）。而QLC是4 bit/cell，需要在每个单元里区分16种不同的电荷水平。

16种电荷水平意味着每两种之间的差异非常微小。这对制造精度和读写电路的灵敏度提出了极高的要求，差一点点就会读错数据。所以QLC是一种"非常难"的技术。Soderbery说各家厂商的表现差异很大。他认为SanDisk和合资伙伴Kioxia做得比较好，三星遇到过一些困难，美光起步领先但也有波折。

QLC的好处是每个单元存的bit多了，同样面积的芯片能放下更多数据，这才能造出128TB甚至256TB的超大容量盘。但有一个容易被忽略的"水分"。当NAND厂商宣传自己的bit增长率是20-30%时，其中相当一部分来自QLC"每个单元多存一个bit"的数学效果，真正来自制程进步（比如把3D NAND从200层叠到300层）的增量要低得多。这意味着NAND行业的真实技术进步速度可能没有表面数字显示的那么快。

边缘计算：一个对NAND有利的变量

对话中有人问了一个很好的问题。如果AI计算从集中式的云数据中心向分布式的边缘（edge）转移，对HDD和NAND的格局会有什么影响？

Soderbery的回答非常明确。任何从云到边缘的迁移都对NAND有利。原因是边缘设备通常受到物理空间、功耗和散热的严格限制。你不可能在一个信号塔基站或者一辆自动驾驶汽车里塞进一堆HDD，太大、太重、太耗电、对震动太敏感。SSD在这些维度上全面碾压HDD。而且边缘应用往往更偏重性能（比如实时推理），这又是NAND的强项。

他甚至说，AI数据中心虽然是大容量SSD需求的主力，但这种SSD技术一旦成熟，会变成一种通用能力，惠及所有市场参与者。AI客户受益，传统企业客户同样受益。

HBF：一个值得关注的早期方向

对话的后半段讨论了一个比较前沿的概念，HBF（High Bandwidth Flash，高带宽闪存）。

理解HBF需要从HBM（High Bandwidth Memory，高带宽内存）说起。HBM是目前AI GPU旁边最核心的存储组件，本质上是把多颗DRAM芯片堆叠在一起，通过超宽的数据通道连接到GPU。HBM速度极快但容量有限且价格极高（DRAM比NAND贵得多）。

HBF的想法是用NAND芯片代替DRAM芯片，采用同样的堆叠和封装技术，造出一种容量更大、成本更低的高带宽存储。为什么这在AI场景下可能行得通？因为AI推理（inference）的工作模式有一个特殊之处。它主要是在"流式读取"大量模型参数，把一大堆数字（模型的权重系数）从存储里按顺序搬到GPU里，GPU处理完一批再搬下一批。这种访问模式不需要频繁的随机读写。

NAND的致命弱点正好是随机读写慢、延迟高。但如果你只是做流式顺序读取，NAND一旦"启动"起来，持续带宽其实相当快。Soderbery的比喻是，NAND就像一辆启动慢但跑起来很快的卡车，如果你的任务就是在高速公路上一车一车地运货（流式读取），卡车的慢启动并不是问题。

HBF把NAND的这个特性跟HBM的封装技术结合起来，理论上可以提供比HBM大得多的容量（因为NAND密度远高于DRAM）、低得多的成本，同时保持足够的带宽来满足AI推理的需求。如果真的成功了，它可能成为GPU旁边一个新的存储层级，甚至可以用来做KV Cache（一种在大语言模型推理过程中缓存中间结果的机制，目前主要用HBM实现，但HBM容量不够用是一个大痛点）。

NVIDIA的黄仁勋在今年CES上专门提到了Vera Rubin平台上用NAND做存储层的设想，被市场解读为NVIDIA给HBF这个方向做了背书。

不过Soderbery的判断是，HBF目前仍然处于非常早期的阶段，需要证明功耗、性能和可靠性。他说自己离开SanDisk已经一年多了，对HBF背后的市场力量没有深入研究。但他对NAND在AI pipeline中找到更多高性能应用持乐观态度。即使HBF本身不成功，相关的技术探索也有可能催生其他有价值的产品形态。

Pure Storage和VAST Data：两种不同的突围路径

对话中还讨论了两家在这场存储变革中表现突出的公司。

Pure Storage的做法很有意思。Soderbery说，其他所有存储厂商都沿用了HDD时代的硬盘外形规格（form factor），那种标准尺寸的方盒子，可以插进服务器的硬盘槽里。Pure Storage直接抛弃了这个传统，从零开始设计专门为NAND优化的平台和模块，他们叫它"直接闪存模块"（Direct Flash Module）。这样做的好处是不受传统外形尺寸的限制，可以在给定空间里装入更多NAND容量，同时优化散热和功耗。

更巧妙的是Pure Storage的商业模式。它跟hyperscaler的合作方式是，Pure负责出模块和软件，hyperscaler直接从NAND厂商（比如SanDisk/Kioxia、三星、美光）买NAND颗粒，然后自己组装。相当于hyperscaler把存储系统设计这种复杂的工程工作外包给了Pure，而NAND的采购权仍然留在自己手里。Soderbery认为这是一个很好的架构，Pure确实凭借这个模式在hyperscaler客户群里获得了相当的牵引力。

VAST Data走的是另一条路。Soderbery认为VAST最大的贡献是它是最早一批真正理解AI数据预处理workload本质的公司。VAST搭建了一套能够扩展到超大容量的分布式存储架构，在高容量SSD和AI系统之间加了一个高性能缓存层（他提到VAST用了老一代Intel的高性能存储介质来做这个缓存）。虽然做分布式存储阵列的创业公司有几百家，但VAST是其中执行力最强的之一。Soderbery说他不太清楚VAST是怎么从那么多竞争者中胜出的，但事实是它做到了。

NAND厂商什么时候才会大举投资扩产

这可能是整场对话中投资人最关心的问题之一。

Soderbery的回答可以总结为一个词，谨慎。

他解释了NAND厂商的心态。这些公司（三星、SK海力士、美光、Kioxia/SanDisk）在过去5到9年里经历了极其痛苦的低谷期，长期亏损或微利，反复被客户的单方面LTA摆布，在不确定的环境下做资本投入然后遭遇需求崩溃。这些伤疤不会因为最近几个季度价格暴涨就突然愈合。

从务实的角度看，NAND行业目前追求的是大约20-30%的年bit增长率。实现这个增长主要靠两条路。一是"代际迁移"，把产能从老节点转移到新节点，新节点的单位面积bit产出更高。二是QLC带来的数学效果，每个单元多存一个bit。这两条路都不需要大规模新建产线，只需要在现有厂房里替换设备。

真正的大规模capex（资本支出），比如新建工厂、大幅扩充晶圆产能，需要满足好几个前提。价格要持续维持在高位好几个季度，让厂商相信这回不是一次性脉冲。长期协议要真正落地执行，给厂商足够的需求可见性。设备要能买得到（主要是光刻和刻蚀设备，供应商的产能也有限，交货周期本身就有一年左右）。

Soderbery估算了时间线。从厂商下决心投资开始，设备到位大约需要一年，调试到量产状态还需要几个月，整个周期大约15个月。也就是说，即使今天所有NAND厂商同时决定全力扩产，新产能最早也要到2027年下半年才能释放。而实际上不可能所有人同时做这个决定。

NAND价格往哪里走

在对话的最后几分钟，Newman问了每个投资人都想知道的问题。NAND价格会跌吗？

Soderbery的判断是，短期内会有一些需求压缩来缓解价格压力。具体来说，消费端已经在做调整。手机厂商本来计划出1TB存储版本的手机，现在改成256GB了；PC厂商也在缩减SSD容量。这种消费端的"缩水"是对NAND高价的自然反应，会释放一部分产能给数据中心端。

中期来看，随着新产能逐步释放（主要是代际迁移带来的产出提升），价格会向正常的性价比曲线回归。但Soderbery明确说，他不认为会出现断崖式暴跌。他的判断是NAND价格正在进入一个"新常态"，基准水平会比过去几年高。除非AI整体出现泡沫式崩溃，这个基本走势不太会改变。

房间里没被提到的那个人：长江存储

Soderbery在整场对话中没有提到长江存储（YMTC），但任何关于NAND行业供给格局的讨论，都绕不开这家公司。

长江存储是中国唯一具备量产能力的3D NAND厂商，总部在武汉。2022年底被美国列入实体清单，无法采购美系先进制造设备（Lam Research、Applied Materials、KLA等）。外界一度认为这会严重限制它的技术迭代和产能扩张。但实际情况跟预期相反。

长江存储在被制裁后加速推进设备国产化，摩根士丹利估计其国产设备采用率已达45%，远高于国内其他晶圆厂。它的Xtacking架构已经迭代到3.0甚至4.0版本，出货的232层TLC芯片通过双层堆叠实现了294层等效密度，技术水平接近国际一线。更值得注意的是，三星已经与长江存储签署了混合键合（Hybrid Bonding）技术的专利授权协议，用于制造400层以上的下一代V10 NAND。SK海力士预计也会跟进签署类似协议。

产能端的扩张速度更加惊人。2026年一季度，长江存储的收入已超过200亿人民币，同比翻倍，全球NAND产出份额已突破10%，逼近全球第三。武汉三期工厂的建设也在提速，原定2027年量产的计划可能提前到2026年下半年。产业链消息称，在今年建成一座新厂的基础上，长江存储还将再建两座工厂，全部投产后总产能将翻一番以上，目标是到2026年底占据全球NAND供应量的15%。

这对前面Soderbery描述的整个行业逻辑构成了一个重要的变量。

Soderbery的核心论点之一是NAND厂商集体谨慎，不愿大举扩产，所以供给瓶颈会持续。但长江存储的行为模式完全不同。它不受传统NAND厂商的资本纪律约束，背后有国家级的产业政策支持和融资渠道（IPO也在筹备中，估值1600亿到3000亿人民币），扩产的决策逻辑跟三星、美光、SanDisk/Kioxia完全不在一个框架里。

当然，长江存储目前的产品结构以消费级和中国国内市场为主。AI数据中心要的那种128TB、256TB的最新节点QLC企业级SSD，长江存储短期内还不具备大规模供应能力。设备限制也确实会制约它在最先进制程上的追赶速度。

但它的产能增量对全球NAND市场的价格传导机制是实实在在的。即使长江存储的新增产能主要流向消费级市场，也会释放其他厂商（三星、美光等）在消费级上的产能，使它们可以把更多资源调配到企业级和AI存储方向。这种间接效应可能比直接竞争更快触达市场。分析师普遍认为，如果长江存储的月产能突破20万片晶圆（WSPM），就具备了影响全球NAND价格走势的能力。

对于Soderbery描述的那个"NAND供给持续紧张、价格维持高位"的预期来说，长江存储的扩产节奏是最大的不确定性之一。它可能让NAND价格的"新常态"来得比Soderbery预期的更早、水位更低。而如果NAND价格因此下降，前面讨论的那个TCO crossover（hyperscaler愿意从HDD切换到NAND的2-3倍门槛）就会重新变得可及，整个HDD vs NAND的竞争格局也可能随之松动。

这场对话告诉我们什么

回到最初的问题。在AI时代，数据中心存储的竞争中，HDD和NAND谁会赢？

Soderbery给出的答案是，两者都会赢，但赢的方式和赢的领域不同。

NAND赢在AI数据中心的核心存储需求上。大容量企业级SSD是AI基础设施的刚需组件，没有替代品。HBF等新方向可能进一步扩大NAND在AI架构中的角色。长期协议的双向化让NAND厂商的商业模式更加健康。

HDD赢在大容量低成本存储领域。20倍的价差让任何替代尝试都不经济。寡头格局和扩产摩擦力保护了HDD厂商的利润率。成本曲线的收敛速度比预期慢，意味着HDD还有很长的生命周期。

多数人没想到的是，AI的爆发反而在短期内巩固了HDD的地位，而非加速它的消亡。因为AI把NAND的产能和注意力全部吸走了，NAND厂商没有余力去做"替代HDD"这件事。而HDD厂商则趁机收紧供给、提升利润率，活得比以前更滋润。

这场看似简单的"HDD vs NAND"竞争，实际上是一个关于技术经济学、产业结构和资本配置的复杂故事。它提醒我们，在真实的产业世界里，技术上的优势不等于市场上的胜利。经济账、产能约束、行业结构和参与者的心理状态，共同决定了竞争的走向。

[陶瑞 TaoRay @TaoRay]

我简直看傻了。这不是妖股，而是一只主流股票。只是和一个大客户达成了初步合作意向，今天几个小时内的涨幅。按现在价格算，英特尔利润要翻五六倍，才只是接近龙头台积电现在的估值水平。这哪里是普通反转，简直是在赌奇迹，甚至台海马上战争爆发。这个估值，已经不是赌它订单变多这么简单，而是赌利润率也一起大幅上升。可问题是，芯片制造不是软件，也不是社交媒体，不可能用户一多利润就爆炸。它是重资产制造业，扩产、良率、折旧、产能利用率，每一步都很慢。这个市场的疯狂需要我们更加谨慎。看懂我这个帖子的人，以后一定会感谢我！

[陶瑞 TaoRay @TaoRay]

大家一定要把美东时间周日晚上空出来！！我会做一场非常重要的Space直播，正式通知稍后发布。我会把刚刚结束的巴菲特和伯克希尔股东会重要内容，以及那些犹抱琵琶半遮面的潜台词讲明白，并从经济学底层逻辑把它融会贯通。这不是教大家抄巴菲特，因为我买的很多东西，比如黄金、AI，巴菲特碰都不碰。我要讲的是他智慧里真正的核心代码，也是我多年观察、思考和总结的结晶，是任何一本书里都看不到的投资框架性内容，一定会真正改变你看市场、看经济、甚至看世界的眼光。平时我都是直接发预告，但这次太重要，所以先发一个预告的预告。Space不一定有录音，请大家尽量参加直播。

[汪江徽 @wangjianghuiCN]

汽車落水保命三步：90％的人第一步就錯了

[melody lee @melodyLee90]

@CyberCatX 市场在惩罚亏损的AI公司，特别是在还没有盈利的情况下还要扩展资本开支的公司

[Paper Bag Investor @PaperBagInvest]

$LMND 🍋 Q1 2026 Earnings are Up! Here is the Letter to Shareholders:
https://t.co/z9XmHsSvi2

I will be posting analysis here in this thread as well as doing a video this morning on it.

[Tesla @Tesla]

Following future rollout of FSD V14 Lite for HW3 vehicles in the US, we plan on expanding V14 Lite to additional international markets.

This update ensures that HW3 vehicle owners will continue to benefit from ongoing software updates.

Since international rollout is subject to several factors (completion of technical verification, regional adaptation & relevant regulatory approvals), we can't provide definitive dates at the moment, but will provide updates on a rolling basis

[Rose Celine Investments 🌹 @realroseceline]

Some thoughts on $TSLA

I don’t usually write about $TSLA after earnings, but this is one of those quarters where you need to slow down and actually think it through. Not because anything dramatic happened, but because the surface level looks fine while the story is changing in a meaningful way. With a company like this, the difference between what you see and what actually matters is where most investors get tripped up.

On the surface, it was a clean quarter. Revenue grew about 16%, earnings came in ahead of expectations, and the business is still operating at real scale with strong liquidity. Nothing here is broken, but nothing here is surprising either. It looks like a company that is executing, just no longer in that phase where every quarter forces the market to reset expectations higher.

What stood out to me is not what happened, but what did not happen. There is no clear reacceleration in the core auto business, margins are still under pressure, and demand is no longer pulling the company forward the way it once did. Pricing is maintaining volume, and that always comes with tradeoffs. When you step back, the auto segment is starting to look less like a high growth engine and more like a scaled, competitive, capital intensive business being managed carefully.

And that is not a criticism, it is actually intentional because $TSLA is no longer running the auto business purely for profit optimization. It is being run as “infrastructure”, where more vehicles on the road means more data, more miles, and eventually more supply for a robotaxi network. The goal is no longer just to sell cars, it is to build a fleet.

The heavy investment in AI, the push into custom chips, and the focus on autonomy, robotics, and energy are all connected. None of this is about maximizing the current business, it is about funding and accelerating a future one that does not exist in the financials yet.

Because today you still have a business producing tens of billions in revenue with global scale and serious cash generation. At the same time, you have a second business that the market is really paying for, and that business is still mostly a vision. Autonomy is improving, robotaxis are being tested in limited markets, and Optimus is progressing, but none of it is meaningfully contributing to revenue or profit today. So you are effectively owning two companies at once.

One is a mid teens growth auto and energy business facing competition and margin pressure. The other is a potential AI driven autonomy and robotics platform that could look nothing like a traditional manufacturer if it works. The challenge is the first one has to carry the second one until it proves itself, and that creates a dynamic that does not show up in earnings.

There is also a timing element here that I think is under appreciated. Most investors are not debating whether autonomy or robotics will exist, they are debating when they will matter. If robotaxis scale in the next couple of years, the current setup can work very well and the stock will explode perhaps to an unprecedented level. If it takes five or ten years, you are sitting in a business where the present looks increasingly ordinary while the future keeps getting pushed out.

At the same time, the cost of getting there is rising. Capex is increasing meaningfully as $TSLA invests in AI infrastructure, manufacturing, robotics, and energy. That is rational given the ambition, but it also means near term cash flow will feel pressure and even turn negative. This is not a software company yet, it is a company spending heavily today in order to become one tomorrow.

Earlier in the story, the risk was whether the company could survive and scale. Today, the risk is whether it can deliver the future fast enough to justify how much of that future is already priced in the stock. That is a very different problem, and in some ways a harder one, because nothing along the way looks obviously broken.

1/