vans Lee

[Macro_Lin @LinQingV]

《博通往事》开篇 · 杠杆上长出来的帝国

2026年10月2日，彭博社的一条消息在华尔街的交易台之间传开。美银、花旗、摩根士丹利等银行组成的银团，正准备发出认购函，为一笔AI芯片融资募集资金，总规模约600亿美元。其中420亿美元是A类优先担保贷款，另外180亿美元的B类次级部分由黑石领衔，黑石旗下基金认购90亿，其余再分销出去。

钱最终流向的地方，是Anthropic，以及其他需要算力的AI公司。组织这笔融资的，是卖芯片给它们的博通。

前一天，路透社从Anthropic的IPO招股书里翻出了另一笔账。博通同意向Anthropic提供最高420亿美元的贷款，以可转换票据的形式，大约能覆盖Anthropic未来五年租用TPU算力1252亿美元承诺金额的三分之一。而在那笔600亿美元的融资里，博通还提供了所谓的残值支持，相当于为优先级部分兜底。

把这几层关系叠在一起看，博通在同一张网里同时扮演了三个角色。它设计芯片卖给客户，借钱给客户买芯片，再为借给客户的钱提供担保。按照路透的说法，Anthropic明年将成为博通核心芯片设计业务的第一大客户。

一、一笔让人睡不着的账

AI产业链里的循环融资早已算不上新闻。英伟达投资OpenAI，OpenAI再拿钱买英伟达的GPU，AMD用认股权证换来大额订单，类似的结构这两年层出不穷。华尔街对这种模式的疑虑一直存在，罗斯柴尔德的一位合伙人在路透的报道里表示，眼下有大量资金集中押在两家公司身上，押的是它们能否赚到足够的收入，去支撑已经发生的所有融资。

博通这一次走得更远一些。招股书专门提示了潜在的利益冲突，某些付款或履约违约一旦发生，Anthropic的大部分租赁义务可能被要求立即偿付，同时它动用那笔420亿美元贷款额度的能力也会受到限制。客户最困难的时候，供应商、债主、担保人这三重身份之间，会出现真正的张力。

这样的结构放在任何一家芯片公司身上，都值得反复掂量。可如果你熟悉博通过去二十年的历史，大概会觉得一点也不意外。

二、它本来就是杠杆造出来的

2005年，KKR和银湖资本用26.6亿美元，从安捷伦手里买下了它的半导体部门。安捷伦本身是1999年从惠普独立出来的，而这个半导体部门的历史，可以追溯到1961年惠普内部的半导体业务。交易在当年12月1日完成，新公司取名Avago，带着射频、光电器件和企业级定制芯片三条产品线开始独立经营。

这是一笔标准的杠杆收购，用借来的钱买下资产，再用资产产生的现金流偿还债务。为了降低收购留下的负债，Avago在随后两年陆续把两块非核心芯片业务卖给了Marvell和PMC-Sierra。2006年3月，私募股东请来一位出生在马来西亚槟城、MIT机械工程毕业、哈佛MBA、长期从事财务和经营管理的职业经理人担任CEO，他叫陈福阳。

此后的十几年里，Avago每一次重大跃升都建立在债务之上。2013年底，它宣布以66亿美元现金收购LSI，资金来自46亿美元银行贷款、银湖认购的10亿美元可转债和10亿美元自有现金。2016年2月，它完成了对Broadcom约370亿美元的收购，现金部分靠新增的156亿美元定期贷款支付，被收购的这家公司营收规模比Avago自己还大。交易完成后，新公司取名博通，Avago这个名字从此消失。2017年11月，它向高通提出含债务在内约1300亿美元的收购提议，银湖再次出具50亿美元的可转债融资承诺，四个月后，这笔交易被美国总统以国家安全为由下令禁止。2023年11月，在中国市场监管总局放行之后，它完成了对VMware约690亿美元的收购，总债务随之升至接近700亿美元。

模式始终没有变过。借钱，买下一家拥有市场第一产品的公司，剥离非核心业务，压缩费用，用现金流还债，等债务降到舒适的水平，再借下一笔。

唯一的变化在于杠杆的用途。过去二十年，博通借钱是为了收购资产。到了2026年，它开始用杠杆为客户创造购买力，让客户有钱买它的芯片。

三、一个名字，三条血脉

今天站在全球市值前列的这家公司，名字、骨架和手法分别来自三个地方。

名字来自1991年在南加州创立的Broadcom。两位创始人Henry Samueli和Henry Nicholas，一位是UCLA的教授，一位是他的第一个博士生，靠有线调制解调器和机顶盒芯片起家，赶上了九十年代宽带入户的浪潮，在2000年的互联网泡沫里一度跻身美国最炙手可热的科技股之列。后来它做进数据中心的以太网交换芯片，那条产品线正是今天博通AI网络业务的源头。

骨架来自惠普。Avago继承了惠普几十年积累的光电器件、射频和芯片设计能力，后来并入的LSI又补上了定制芯片领域大量的专利和工程师。

手法属于陈福阳。他很少在财报电话会上谈技术愿景，只关心一块业务能否在自己的市场里排第一，能否稳定地产生现金。符合标准的留下，不符合的出售。

2016年交易完成时，被收购的一方保留了名字，收购方的名字从此消失。理解今天的博通，绕不开这次改名背后的逻辑，陈福阳在意的从来只有资产能产生多少现金，品牌叫什么对他无关紧要。

四、英伟达之外的那一极

AI算力的版图里，英伟达仍然占据绝对多数。过去两年，另一条路线的分量却越来越重。谷歌、Meta、OpenAI、Anthropic这些最大的算力买家，开始和博通一起设计属于自己的专用芯片，博通把这类产品统称为XPU。

增长的速度相当惊人。2026财年第三季度，博通AI半导体收入同比增长221%、环比增长54%，达到167亿美元，占公司总营收的56%。XPU出货量同比增长超过3.5倍，占当季AI收入的73%。管理层给出的远期指引更加激进，2027财年AI半导体收入1150亿美元，2028财年2300亿美元。

Anthropic是这条曲线上分量最重的客户之一。今年4月，Anthropic与谷歌、博通扩大合作，根据披露，Anthropic将从2027年起获得约3.5吉瓦的新一代TPU算力。TPU由谷歌主导架构，博通负责把设计变成能够量产的芯片，两家的合作已经持续了十年左右。

这也是那笔600亿美元融资真正的背景。2300亿美元的收入指引，需要客户有足够的钱来付账。当客户的现金流跟不上算力扩张的速度，博通拿出了它最熟悉的工具。

一家靠杠杆长大的公司，现在把杠杆借给了自己的客户。

关于这个系列

《博通往事》计划写七篇。前五篇讲历史，惠普的半导体部门如何变成Avago，加州的另一个Broadcom如何从创业公司走到泡沫顶峰，陈福阳如何用十年时间完成一连串以小吞大的并购，2017年白宫里的那一天怎样改变了博通的方向，以及VMware这笔至今仍有争议的交易。后两篇回到当下，讲博通在GPU与定制芯片、InfiniBand与以太网这两场路线之争里的位置，最后讨论这套模式的边界在哪里。

我写的是产业和公司的逻辑，不构成任何投资建议。博通的历史里有很多聪明人算错过的账，也有很多看起来不可能、后来却成真的交易。杠杆在上行周期里放大收益，在下行周期里同样放大损失，周期的顶部也从来不会事先通知任何人。

好，开始。

下一篇，从1961年惠普的一个小部门讲起。

[探秘君Mystery Explorer @CityHidden39000]

彭丽媛早年在家里的专访视频，大谈自己的感情生活和业务爱好，习大大在6分39秒出镜，并且还亲自下厨露了一手，夫妻俩都非常的亲和接地气

[十一地主 @11dizhu]

二手iphone+飞行模式+AirGap Vault，就是一个极好的硬件钱包。

理由：
别人不知道这是硬件钱包；
iphone的安全性非常高；
囤币，玩DeFi都很方便；
没有快递信息泄露风险；

[极客开源 @hongseyanqiu]

https://t.co/QmWZqWNTU5

[陳威廉 @williamlab]

我去，居然看到有人用AI生成了我最喜欢的大刘短篇科幻小说《山》，而且质量还不错，推荐观看。

而且居然是一个人手搓出来的！! ！AI真是大舞台啊，一个普通人也能整上两小时科幻大电影了。

--来自B站Up主“野生锅导演”

[fin @fi56622380]

AI半导体终局推演2026(III)

AI半导体基建期为什么比互联网基建期更长？

Coding场景之后的下一个模型ARR营收增长点在哪里？

AI基建会不会过度建设？Capex是不是泡沫？经济账能算的过来吗？

开源模型和闭源的格局如何？对闭源模型的冲击会如何演进？

本文尝试推演这几个问题背后的逻辑

—--------------------------------

为什么AI的基建期比互联网基建期要长？

互联网革命时期的硬件/基建收入增长，只有一个渗透维度的指数型增长，就是用户量

因为每个人都是订阅制，50块钱一个月的网费，没办法再升了。属于平价服务，看十倍网页也不会付十倍的钱，平价服务是没有第二个维度的指数增长的，饱和了就饱和了

移动互联网的基建，也就是端侧设备智能手机，是同样的逻辑，端侧设备很难做到ASP售价很高，因为摊薄成本需要大规模生产，而要做到大规模，ASP就一定不能高，也很难涨价。所以注定了端侧设备在渗透率达到一定程度之后，很难再继续指数增长，因为上限只有一个维度决定。

这也是为什么，互联网革命的硬件需求拐点大概在渗透率到了sigmoid中点之后减缓，2000年3月互联网泡沫破灭的时候，美国互联网渗透率大概在50%左右。科技革命增速最快的时候就是采用率10%迈向50%的阶段。

—--------
而AI硬件需求来源于token的指数型增长，这一轮AI之所以对硬件需求大，本质上是因为上限是由两个维度决定的:用户数量/渗透率的指数增长，和每个人的用量的指数增长

这两个维度的指数增长相乘，都能转换成统一的度量衡：token，把基建上限提高了太多太多了

我们这个时代，两个维度各自走到哪里了？

第一个维度用户渗透率，几个月前已经达到50%，也就是sigmoid导数要拐点了

第二个维度，也就是人均token用量，2026年仍然在早期。全美企业内部的AI spending中位数，现在是每人每月12美元。远期来看，这个数字有希望至少达到白领工资的10%，也就是每个月1000美元左右，中间还有接近两个数量级。

现在的增长，主要是第二个维度的渗透率，也就是每个人token平均用量的指数级增长，两个sigmoid曲线接力上了

这应该是历史上罕见的，两个维度sigmoid曲线接力带来的算力/基建需求，也带来了半导体的超级周期

但一切的指数增长，都是上限达到之前的幻象，这一轮AI基建也不例外，只不过幻象时间要长的多，因为多了一个维度的指数型增长接力

—--------------------------------

另外一个AI的基建期比互联网需求高的原因，在去年写的半导体年终总结里提过：提到这两个渗透维度的指数成长，都能转换成统一的度量衡：token。跟互联网时代不同的是，互联网时代，每次请求的网络和算力成本，边际成本极低，scaling的效果极好，软件复制分发的边际成本几乎为零，且几乎不消耗额外的硬件资源。

而token时代因为高额的推理成本，用户访问消耗的边际成本比互联网要高一个数量级。商业模型从“流量 × 转化率”部分转向“每 token 毛利”了，所以AI时期基建的需求比互联网时代要高的多

—--------------------------------

第一个渗透率维度扩散太快，已经到拐点，所以现在大家在讨论AI的前景的时候,已经不那么注重渗透率的讨论,而更多的是讨论在各行各业中,人均的token使用量会如何增长。

-----
Coding agent场景ARR迅速上升证明价值之后，6-7月开始增速放缓，市场开始担忧，coding agent在程序员群体内广泛渗透之后，什么场景能够接力token/ARR增长 ？是不是AI for science?还是RSI？

我认为仍然是Coding，广义的coding，而且还有很大空间

Coding是这个世界数字化的不可阻挡的趋势，万物皆可coding，而且不一定是显式的coding。实际上太多任务在后台被默默转化成了Coding,最后在记录功能的时候,仍然会被看作是Coding。

目前广义Coding任务占所有的ARR收入比例大概是60%到70%之间。如果只算程序员的狭义Coding的话可能只有40%左右，另有20~30%可能是其他行业的任务转化而来的Coding agent执行结构。

比如最常见的文件的编辑Excel和PowerPoint,最后都是通过后台开linux sandbox用Coding的方式去完成的。财务、CRM 操作、法律文档整理也一样，区别只在于所调用的工具和 verifier 不同，都被转换成了可观察->可执行->验证的coding闭环任务。

半导体的架构探索会转换成SystemC model simulation问题，生物制药的分子结构解析和仿真中的很多环节也可以用coding完成，投行研报里的模型建模也能转换为coding问题。

狭义的程序员coding任务只是第一个跑通了高频运行 观察/分析->执行->验证循环的大类任务，这也是coding为什么消耗了比chat高一个数量级的token。以后有太多的任务都是同一个逻辑下的承接者，甚至包括deep research这样的开放性任务。 形式上，下一个比较切实际的增长来源就是Co-work/computer use

接力程序员Coding的，并不是另一个孤立的大场景。当前增长最快的，正是“非程序员使用Coding基础设施完成非Coding产品任务” ，Coding仍然是默认执行内核，但不一定是用户眼中的产品分类

截至2026年6月，OpenAI企业客户中，Codex已经占Codex与ChatGPT合计输出token的64%。Codex周活用户自2月以来法律部门增长108倍，销售和招聘增长41倍，市场营销增长26倍，工程部门反而只增长5倍

从Anthropic的营收垂直占比来看，狭义的程序员/软件公司coding占比只有40%，金融服务/保险超过 20%，法律，制药/生命科学，消费/零售电商，占比都非常的可观，都有10%量级。

Software eating the world的逻辑，在coding的门槛被LLM降低一百倍之后，甚至强化成了coding eating the world，或者说，coding是agent最熟悉的方式，agent正在利用coding开始向所有知识工作去扩散使用率

而Agent Coding已经过了可行性和方向摸索阶段，剩下的主要是长时运行/跨系统/自主性/可靠性等工程问题 ，没有什么重大挑战了。

剩下的事情只是用户适应场景和改变习惯的问题，渗透率/利用率的主要瓶颈是，大家的学习曲线没有那么快，用户需要时间迁移agent/coding工作流；企业workflow高度长尾、数据分散、内部工具整合不足，也缺少自上而下的KPI推动。模型能力、组织推动和tool integration共同决定adoption速度。

另外一个瓶颈逻辑Amdahl’s law（结果取决于不能加速的环节），token只能解决其中一部分环节的加速，比如说像药物临床部分是无法加速的，如果其中一半环节无法加速，那么token就算把剩下的环节加速一千倍，整体加速也只有2倍。因此更现实的路径是并行探索更多方向，把瓶颈从决策转移到验证。

Anthropic 6~7月的营收放缓主要原因有三个：一个是算力不够，另一个是防蒸馏整治了不少账号，还有openai的codex 5.6抢占份额。并非广义agent coding需求触顶。

从广义agent coding角度看，我目前看不到大模型/agent需求的硬上限。目前仍然处于用的越多，提升效率越多的阶段，边际正收益仍然很大，主要瓶颈在于营收/利润能支撑多少budget，意愿和场景都没有问题。

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

从最重要的需求端来推演，token增长率前景是没什么问题的。
那么从基建出资方来推演，capex的上限在哪里，能不能持续？有没有泡沫？举债+FCF变负，账能不能算的过来？

从基建出资方来说，和互联网区别最大的地方在于，互联网时代的基建出资方和受益方并不一致。而在 AI 时代，这两者出现了重合。基建出资方最大的Anthropic和OpenAI也同时是这一次AI革命的最大受益方。

所以算账先从Openai和Anthropic角度来算是最直接的

1.unit economy是算的过来的

截至六月底，Anthropic大概用2GW的有效算力创造了62B的ARR。如果1GW的数据中心建设成本按50B来计算,平摊到六年,每年的成本大概是10B。那么,其实Anthropic的推理算力收入~30B/GW除以年化的算力成本大概是三倍。推理的ROIC也有差不多60%

如果只算推理，那么unit economy就更好了，1GW的算力收入是接近50B的

2. 在维持这个unit economy标准的前提下，只要ARR增速和算力增速同步，Anthropic + Openai的数据中心算力GW规划是能算的过来的

O+A 两家在七月的时候大概6~7GW，Anthropic 65B，Openai 45B

O+A 两家今年年底上线加起来大概11GW，只需要ARR半年再增长60%左右即可保持ARR和上线算力的同步增长（要知道2026上半年A 7倍，O 2倍多），也就是下半年每个月增长10%即可

到2027年底，两家规划的总算力全加起来大概20~24GW，其实只需要这一年的token ARR同步增长1~1.5倍，这个算力账起码在unit economy上是算的过来的，算力跟ARR的增速同步，目前的可见度支撑2027E的capex没有大问题

没有能见度的2028只能靠猜：2028E ARR一年增长80%的话，能justify O+A 总共45GW 算力规划。2029 + 2030年两年ARR继续增长100%（CAGR仅仅40%），O + A到2030年年底总共100GW算力规划是完全合理的

至少O和A这样明确找到了结构性需求增长的赛道的ROIC是算的过来的，2027甚至2028的算力规划暂时没有泡沫

举债和FCF变负去做AI基建，是不是赌博？是的

但这样的赌博在ROIC如此好而且大概率能持续的生意面前是有合理性的，踏空错过的风险是显著大于fomo泡沫的风险。即使融资成本升到8%甚至更高，起码2027~2028，算力回报仍是可以justify借债风险的。

—------------------------
O和A的算力账是算的过来的，那么其他部分的算力呢？回报能算的过来吗？

这部分定量很难，只能大概定性的算，因为其实有很多算力是不产生直接收入，只算作研发成本。比如Meta明年规划新增5GW给MSL训模型和搜广推(搜索/广告/推荐)，google的gemini 训练 + 搜广推，都不直接产生收入，但这些仍然是战略上的合理算力需求。

有一个很容易被忽略的事情：全行业来说，目前很大一部分的AI/ML算力，不是卖token的，仍然是传统的搜索/广告/推荐，最典型的比如Meta，Google大部分的算力就是如此

所以在看2027~2028年的天文数字一样的算力的时候，传统workload是一个容易被忽略的重要部分。产业链硅谷公司里，和市场的感觉是截然相反的：公司内部的算力缺的一塌糊涂，但市场还是在质疑算力账看不到收入，质疑oversupply

但把这么多不产生直接收入但仍然重要的R&D，以及传统AI/ML的大量增长算力算进来，算不过来的那部分算力是很有限的

况且O + A的算力集中度也是越来越高的：2027年全年新增算力GW，因为电力瓶颈，美国能通电大概只有20~25GW，这其中O +A可能会占10GW，也许会占到新增的接近一半。在2025年，这个比例低一些，O+A 大概只占新增算力的25%，很大一部分的算力GW不是LLM。随着时间推移，O + A的算力GW占比越来越大，也就是说总体算力账能算的过来的部分也越来越大

另外一个容易被忽略的逻辑是，因为coding agent的爆发，软件行业/ML行业的迭代速度突然加快，整个世界数字化进程的加快，带来的传统硬件基建需求也在加速

以CPU为例子
token = 决策/智能
CPU = 执行/验证

数字世界万物皆coding，随着决策能力爆发，对执行/验证的需求会是同步的数量级的增长

而且传统ML行业的迭代速度加快，也会是CPU类似的逻辑，ML的效果变好场景变多，也会带来更多GPU/ASIC硬件的需求

—------------------------
AI基建会不会产生泡沫？会，而且最后一定会overbuild

Inference现在实在是太赚钱了,所以overbuild是必然会发生的结局,因为大家都想抢inference这一块的市场,每一家都在军备竞赛，无法承受失去市场份额无法跟随潮流高速增长的痛苦，没有哪一家会退缩

闭源模型推理的毛利率可以轻松达到70%~85%(甚至是在CSP抽成之后)，token factory host开源模型卖token的毛利率也有60%以上（DeepSeek甚至80%以上），GPU最近不停涨价，1GW租金都在往20B走，光卖GPU集群短约都有60%以上毛利。

这个AI基建市场太赚钱诱惑力太大，只要有渠道有技术的，全都涌入这个市场做neocloud，而因为build规划和落地普遍有一两年的时间差，所以overbuild一定会发生，只不过是时间问题

时间问题的意思是，以目前的需求和算力规划，至少两年看不到overbuild，任何模型上的阶跃式进步(比如reasoning -> agent)，或者应用范式上的创新，带来AI spending维持增速，都会一直把这个overbuild的时间线往后续命

什么时候这个续命跟不上基建的速度了，overbuild就会慢慢开始浮现

但这其实是更利好于头部模型厂和应用层的,因为overbuild会导致数据中心毛利下滑，更多的推理利润都流入了头部的两家

SpaceX虽然现在规模还小，但在这个卷新建算力的市场里，执行力最强，成本最低，竞争力可能是最强的，也是野心和规划最大的，以后也必然是overbuild的最重要贡献者之一。

—-----------------------------------

开源模型的兴起，对闭源模型营收ARR会有影响吗？目前的格局是什么样的？
开源模型和闭源模型的差距会减小吗

开源模型的势头能不能持续，和开源模型的能力也有关系，我的观点是开源模型和闭源模型的差距会维持在6个月(Mythos 2月就出来了，被监管了)，蒸馏主要是降本

模型进步的三个壁垒：算力scale，数据scale，自迭代

Openai和anthropic今年加起来花了一百多亿美元买数据，但国内现在也是要花几十亿美元买数据了，数据scale这个壁垒差距有缩小，但仍然是有的

算力方面，海外建数据中心 + 各个国家转口，GPU的禁令很大程度都被绕开了，等国产卡产能上来，算力壁垒也会继续缩小，目前算力数量级上的差距仍然维持

目前下一代模型的进步很大程度要依赖前一代模型的迭代(自迭代RSI)，上一代模型越强，下一代就越强，差距要减小不容易

—-----------------------

至于闭源模型对开源模型ARR肯定是有影响的，但影响可能会比市场预期要小，起码一年之内冲击并不大，这里尝试一下大致定量分析

至于openrouter和Vercel上的开源模型token占比，从28%增长到62%，只能反应小微型企业/多模型用户在用中转站里的形势变化，其实绝大部分闭源token是无法显示的，这个抽样并不能完全作数

截至7月底的ARR，Anthropic大概是72~75B，Openai大概是45B

截至7月，全球所有开源收入加起来是10B左右，只算北美只有4B最多5B。按ARR收入来算，北美开源模型token factory + AWS bedrock开源 + Azure开源 ARR只有~4B，闭源120B，比例大概是3%

最大的x因素就是aws bedrock和azure，目前Q2来看，bedrock大概占aws AI的55%比例，~14B ARR，其中anthropic模型占80%左右，aws bedrock和azure开源模型加起来大概在1.5~2B ARR

中国开源3.5B分解一下，大概是智普$1B, 阿里1.2B，Deepseek 500m，kimi 300m，minimax 200m，美国分解一下，fireworks 1B，together 1.2B(开源推理只有0.5B)，baseten 0.5B，加上其他地区的，加起来勉强10B

北美的token factory开源模型推理，26年上半年大概只增长了3倍（比如fireworks从10T+/300M ARR增长到40T/1B ARR），总体来说，和闭源模型的推理市场增速比较并没有显著优势

至于企业自己部署私有开源模型自己用，这条路从成本角度来说是行不通的（数据安全是另外的考虑），开源模型要是优化的不太好，成本甚至比闭源还高，不如交给token factory

美国开源的算力扩张，速度还是受限于算力，所以上不去，扩张速度和闭源比并没有优势。fireworks，baseten，together，融资都是1B规模的，按现在租算力价格，一年20B/GW，一年只能租不到0.5GW，算力增速其实不比闭源更快。要扩张只能让客户到azure/aws自带算力再来

中国的开源扩张速度倒是更快，但是同样token factory受限于算力，远远满足不了中国自己的需求，暂时无法大规模出海卖给美国。中国的token factory大大小小的差不多30家，已经卷成红海了，都是严重缺算力，谁有卡谁就能有收入

中国token出海另外一个风险是信任和政策风险问题，美国企业自己可能不敢用，中国也有可能不愿意自己模型被免费用拿不到收益，不过以后随着openrouter和vercel的中转站继续发展，即便有token无法出海的禁令，token出海也是拦不住的，毕竟开源token卖给美国的利润太高了

美国开源模型token工厂的问题在于，算力暂时有限，融资规模暂时也有限，扩张速度无法满足需求。就算是政策开放了中国开源token出海，短期算力也不够无法出去，这也是为什么Nvidia非常努力的扶持开源，甚至亲自下场加速这个进程(今天收购了hugging face)

—-----------

另外，闭源模型的防守策略也是很有力的，比如5.6 luna降价80%，价格就很有竞争力了

我们可以对比历史，这和移动互联网时代，高通对联发科使用多年的防守策略是完全一样的：

Sol相当于Snapdragon 8系：旗舰维持技术与品牌上限，数量和比例并不那么大
Luna相当于Snapdragon 4系：主动填满低价区间，不给低成本竞争者留利润池，大部分走量来自于此

和token分不同的tier一样，其实联发科的芯片是远远超出手机“够用”的范畴的，别说日常使用了，就算是打游戏的高负载场景，联发科十年前都和高通差的并不远了

所以token也是一样，value tier不会摧毁flagship tier的需求

高通和联发科的攻防战持续了15年，高通靠着这样的策略仍然维护了自己的市场占有率，高端芯片毛利率保持的也不错，仍然是安卓阵营旗舰机第一选择

所以从历史来看，开源对闭源的冲击有影响，不会影响历史进程

—-------------------
另外一个和开源相关的问题就是，tokenmaxxing潮流的结束，对ARR的增速会有影响吗？

我认为tokenmaxxing只是短期的公司为了内部推广的目的，目前部分美国硅谷大厂确实对员工日常使用有限制额度，但这个额度非常高，大概是一个月10k~20k美元，95%以上的员工实际上根本用不完，而且中位数实际上很低，仍然有很多增长空间，目前对token的使用仍然处于边际正收益仍然很大的阶段

—--------------------------------

总的来说

AI基建的前景之所以扑朔迷离，泡沫之争比互联网基建时代更激烈，主要是因为算力支出的可见度是确定的，而需求的可见度不高所以有巨大的不确定性，而中间还隔了一层收入和支出的时间错配带来的金融风险，这个基建金融风险还随着各方“加注”的不断加大，上升到了甚至能影响国债发行的程度

但我还是认为，即便是以保守的没有任何新范式的base case来算，起码到2027~2028的基建是没有泡沫的

算力就是智能，智能就是巨大的收入。

AI token需求两个指数增长维度的迅速接力节奏是历史上绝无仅有的，万物数字化广义coding的需求才刚走完第一段，开源对利润分配的冲击是必然会发生，但不会影响整个进程大局

产业链角度和市场宏观角度，看到的风险和景气度感受是相反的，但两边的感受到的剧变同样剧烈：近处的人看见的是不够，远处的人看见的是太多

算力变成了判断/认知token，需求如何推演，天花板如何计算，没有任何历史参照，我们真正在争论的，从来不是这个数字对不对，而是该用什么时间单位去看待它

而这一点本身，恰恰说明了它有多大：只有真正的相变，才会让所有旧的历史参照同时失效

支出的可见度制造了今天的恐惧，而需求的不可见度，恰恰隐藏着这个时代最大的机会，看不清路径，并不一定意味着看错了方向

每一条S型指数曲线终会走到尽头

但文明发展从来没有停在任何一条曲线的尽头

—--------------------------------------
开源对半导体的影响如何？
半导体Capex内战谁会是赢家？如果内存存储吃掉了太多利润，会发生什么？

本篇已经太长，这两个话题就顺延到下一篇

[憨厚的麦总 @Michael_Liu93]

在Crypto和美股之间做交易确实需要思维的切换，币圈可能要花90%的精力去思考博弈视角，10%去想合力视角（只有短期合力没有长期合力），而美股则是90%去思考合力视角，10%在博弈视角。这中间的差异主要在于Crypto几乎都是短线资金，因缺乏基本面或本身基本面极度依赖流动性，所以主要是新闻和博弈驱动，而美股则是长线资金为主，全球的资金持续流入，资金是极认基本面的，给了市场更多合力的基础。

比如Crypto开单前多想想：
1. 这个位置我开单赌的下一个利好/新闻是什么？也就是下一个能吸引流动性进来的短线消息是什么？某kol喊单？币安Alpha？阴谋阳谋？（如果你的策略是看到消息出来再梭进去，长期一定是亏的）
2. 拉盘了或者砸盘了多想想是谁拉或砸了？为什么会拉？如果事出反常甚至莫名其妙，则要多想一层对手盘的意图（比如利好落地如果不砸反拉（比如最近的币安人生），比如解锁了不砸反拉（大部分的山寨妖币））
3. 多想想你在赚谁的钱？山寨博弈上，筹码结构+反共识大于一切，如果基本面特别好车特重的标的反倒在筹码洗干净前不该买，因为车重没人拉了，山寨资金又是不长期合力的，而越空气的币如果筹码结构紧反倒有了埋伏妖庄的逻辑。

而对于美股，最近的体会是：
1. 一定要多思考这个主题和标的是否有资金抱团的基础，需要想象力巨大的赛道+标的业绩支持，尤其在第二点业绩上，美股炒概念的热钱跑的不比币圈慢，其实5-6月那波AI主升浪就能看出，全场最合力的只有存储，而不管是黄仁勋喊单的MRVL还是Nokia都是炒一波热钱很快就跑了，边角料的AI概念更不用说了，机器人也涨一波很快就浇给，3月的Crcl也是，Clarity act的消息拉飞一波之后，资金很快就跑掉了，美股能吸引到长线资金合上力的一定是巨大的赛道+持续特别亮眼的业绩，所以基本面的判断应该直接决定你这笔交易是炒一波还是长拿。
2. 股票是慢涨上去的，不像币圈可能几天时间就百倍了，美股抓住了合力趋势必须得拿的住才能吃到大收益，所以非常考验你对自己thesis的信念，但美股比币圈逃顶难度高太多了，而且太多信念拿住了又很容易对大顶后知后觉，看最近不管是Leopold还是Serenity这些前期靠对自己thesis的信念吃到大收益的，都在6-7月损失惨重，确实也是盈亏同源了，这个我目前也没有很好的答案，我最近也在思考股票长线下注如何止盈这件事。

[Dov @dov_wo]

买了很多长鑫$cxmt的多单，不整虚的，讲几个原因：

1. 流通盘不高，只有6.63%，又是典型的高市值低流通游戏，所以短期看市值是没意义的。

2. 监管发函了，不让大机构直接冲，主要是怕中石油惨案再发（高开后一路浇给），到现在还回本遥遥无期，被散户们戳十年脊梁骨。得要有一定的财富效应，有的是政策工具箱可以去调控交易行为

3. 大量的机构看多，3万亿要梭哈的比比皆是。问了很多大机构，确实是收到了监管/券商发来的警示函，说不要第一天就冲。但是如果开在了2.5万亿，他们愿意顶着风险去梭哈。

4. 监管大户买入小作文传的太开了，连我妈都知道了。如果散户都明白大资金得晚点进来，从反身性来看，那更多人会选择不卖等待，反而是减少了卖盘，价格直接在第一天就冲高，后面机构反而不来了。

5. 大量机构看在3-4万亿，市场共识基本达成，没见到有看到3万亿以下的，有激进的看到8万亿（我觉得扯淡）
6. 如果散户情绪上来的比较高，估计能到6万亿+。但是应该不会过高，依然是要担心中石油惨案再次发生。同时还要确保国家队入场+散户有赚钱效应

7. 现在hype上的2.8万亿怎么看还是赔率很好，明天高开了直接平仓收钱，低开高走就耐心等待，3天内解决战斗。

好久没发东西了，先简单写写，想明白了就出手

[硅基流动 @falali2015]

https://t.co/LbyQnqidoM

[小牛 @Xiaoniu6161]

中国的电影院迟早会上架 AI 电影的😎

[Viking @vikingmute]

看到一个神奇的 Repo：https://t.co/jz9b9XEsOG
健身数据库，里面有 1,324 exercises 健身动作，有详细的 metadata，还弄了个前端页面可以检索。
最有价值的是里面每个动作都有一张静态图片和一个视频文件（gif）。
用这个数据库可以完全创建一个类似的应用了，里面数据都齐了。当然人家代码库里有 Disclaimer，for educational and non-commercial research purposes only。用的时候要注意了。

[Luckylab_Vicky @Vicky22955256]

太治愈了。这才是AI该有的样子。

早啊 世界🫶🏻

[Macro_Lin @LinQingV]

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。

[Macro_Lin @LinQingV]

长鑫存储的材料与耗材供应链全景
昨天讲了长鑫的设备供应链，今天讲另一半的材料和耗材。这一块的国产化进度比设备端要快一截，但内部分化也更剧烈。长鑫2024年LPDDR系列占主营收入82.74%，材料消耗结构跟Mobile和AI需求节奏强相关。招股书披露2024年六大类原材料采购合计约114.7亿元（主要原材料采购金额121.9亿元），2025年上半年61.45亿元。六大品类结构是化学品37.29%、备件及其他约34.69%、光阻剂12.16%、硅片8.55%、气体5.10%、靶材2.21%。化学品从2022年的27.49%一路升到37.29%，已经超过备件成为第一大头，既来自DDR5迭代后湿法和ALD消耗量放大，也来自产能建设期备件采购前置完成后的镜像效应。按2026年Q1的业绩以及历史数据推测，全年材料采购规模冲到270亿以上是大概率。

一个品类一个品类看。

化学品占了近38%，是国产替代弹性最大的一格。湿电子化学品方面，晶瑞电材向长鑫供应高纯双氧水、硫酸、氨水、异丙醇、盐酸、硝酸、NMP等全品类，年出货量数千吨，核心产品已全面实现国产替代（晶瑞同时也是国内i线光刻胶龙头，见光阻剂段）。格林达是国内半导体显影液隐形冠军，国内唯一实现SEMI G5级TMAH显影液量产，已供应长鑫。江化微是国内湿电子化学品龙头，江阴本部产能9万吨/年，三大基地全部建成后总产能将超30万吨。CMP抛光液方面安集科技是绝对龙头，2024年抛光液营收15.5亿元，国内市占率约70%、全球约10-11%。CMP抛光垫方面鼎龙股份国内市占率超70%，在长江存储供应链中占主导地位，与长存共建联合实验室开展抛光垫底层技术攻关，CMP抛光垫2025年收入10.91亿元同比增长52.34%。ALD/CVD前驱体方面，雅克科技是国产龙头，已进合肥长鑫和长江存储。据产业链消息，安德科铭也值得关注，长鑫科技全资持股的长鑫芯聚2025年10月入股了这家公司，同时它本身就是长鑫的重要材料供应商，2024年自研High-K前驱体批量供货，2025年铜陵基地营收2.39亿元，形成210吨/年高纯前驱体产能，7款产品转量产。产业资本反向绑定材料厂的玩法在前道材料里很罕见，意味着高k前驱体已经被长鑫定性为战略环节亲自拉国产替代。化学品单价指数从2022年的100跌到2025上半年的77.90，过去三年累计跌22%。景气回升直接传导的是采购量而非单价，单价反弹要看上游化工大宗品走势，但量价叠加后化学品这一格的总采购额弹性最大。

备件及其他占近35%，是设备零部件耗材，包括反应腔体、石英件、密封圈、靶材辅件、传输部件等。单价跟着半导体大宗品价格剧烈波动，2024年单价指数升到156.53涨了56%，2025上半年骤降到97.29已经低于2022年水平。国产标的集中在石英件和密封件，菲利华是石英玻璃龙头，半导体级石英玻璃已用于多家头部晶圆厂。新莱应材在密封件和洁净管路国产替代上走得比较深。备件供应商集中度最高，2024年前五大供应商里有三家是备件供应商，合计占比超过19%。

光阻剂占12.16%，是材料端分层最严重的一格。i线光刻胶用于非关键层，晶瑞电材多年国内市占率第一，已批量供货长鑫，国产化率约10%。KrF已经跑通，晶瑞电材批量供合肥长鑫和中芯国际，彤程新材旗下科华微电子是国内唯一为本土8寸和12寸晶圆厂批量供应KrF的企业，上海新阳的KrF也实现批量销售。ArF还在爬坡，南大光电现有ArF光刻胶产能50吨/年，28纳米ArF已小批量供货（2025年销售额突破2千万元），14纳米浸没式良率达99.7%。市场流传的宁波500吨/年扩产项目公司称未实施，需谨慎对待。彤程新材的ArF/ArFi已开始批量供货。鼎龙股份的浸没式ArF获得了客户订单。上海新阳的ArF浸没式光刻胶也已取得销售订单。ArF国产化率从接近零开始破冰，已有少量供货，但离摆脱日本依赖还远。2025年日本对华光刻胶供应配额削减10-15%，年底部分日企暂停供货，倒逼效应明显。光刻胶的天花板跟光刻机一样硬，没有先进光刻机进入国内，先进光刻胶就没有真实的量产验证机会。国产ArF再好，也只能在长鑫这种被限制在DUV阶段的产线上跑。EUV光刻胶目前为零，上海新阳在开发但离量产很远。

硅片占比8.55%，是六大类里2025年下半年加仓最明显的一项。2025上半年占比一度跌到6.27%，全年回升到8.55%，反映下半年长鑫主动加大硅片备货，对应DRAM价格快速上涨之后产能爬坡和战略备库存的双重逻辑。国内主供是沪硅产业，2025年300mm硅片销量641.63万片，存储是其主要应用领域之一。立昂微12英寸硅片覆盖14纳米以上节点存储电路，进入部分存储客户供应链。海外端长鑫还在依赖信越、SUMCO、环球晶圆、Siltronic。对比长江存储已经大幅减少SUMCO采购转向国产，长鑫硅片国产化方向是定的，但完整切换还需要两到三年。

气体这一格要单独看。招股书披露的"气体"采购占5.10%，但有明确注释"气体不含大宗气体耗用"。也就是说5.10%只是工艺特气和电子特气，氮氢氧氩等大宗气体走的是另一条单独的供应通道。这条通道的国产化反而走得最彻底。广钢气体是长鑫最大的电子大宗气体供应商，双方签了15年长期供气协议，覆盖合肥和北京两座基地，2025上半年广钢在长鑫的采购占比40%到45%。15年长协在半导体材料端非常罕见，本身就是国产化已经走通的强信号。工艺特气这边，华特气体的光刻气国内市占率60%，全球四家通过ASML和Gigaphoton双重认证的企业之一。中船特气是国内电子特气第一、全球第九，2002年就突破了三氟化氮的国外垄断。金宏气体补充中端品类。气体单价指数从100跌到62.29，跌幅38%。单价跟上游工业气体成本走，但采购量跟着长鑫投片量走，量的弹性确定性最高。

靶材只占2.21%，但国产替代故事最完整。江丰电子覆盖铝、钛、钽、铜、钨全系列，钽/钛/铝靶已实现5纳米节点量产，部分产品进入3纳米工艺验证。有研新材旗下有研亿金是央企背景的第二供应商，稀土靶材全球市占超85%。这个环节国产化率已经在60%以上，对长鑫扩产的弹性主要体现在订单放量而不是国产突破。

掩模版是跟ArF光刻胶并列的另一个薄弱点。先进节点一套掩模版成本数百万美元，长鑫用的高端掩模版大概率仍由美国Photronics和日本Toppan、DNP供应，国产化率极低。

封测基本实现国产化。深科技旗下沛顿科技是长鑫最大的委外封测供应商，承接其超50%的封测需求，处理17纳米及以下先进制程。长电科技提供DRAM模组封装，通富微电配合开发HBM芯片样品。盛合晶微、华天科技也有布局。

HBM封装材料是新增量。招股书披露的原材料结构主要对应前道晶圆制造，HBM后段封装材料是2026到2027年才放量的新故事，对应长鑫上海HBM后段封装厂2026年底投产。华海诚科的颗粒状环氧塑封料（GMC）已通过客户验证处于送样阶段，芯片级底填胶已完成验证正在量产准备。联瑞新材配套供应HBM封装用GMC所需的球硅和Low α球铝。弹性最大但兑现要等长鑫上海后段厂投产。

招股书提及4F²等新型工艺架构是未来方向，业内公认对应VCAT垂直沟道访问晶体管路径。这意味着2027年以后的G6、G7工艺会带来新的材料需求，垂直沟道和堆叠结构对ALD前驱体、高深宽比刻蚀气体的依赖会进一步加深，雅克科技、安德科铭、华特气体这类公司的长期成长性会被进一步打开。

整体看材料端国产化进度领先设备端一个身位，但各品类差异很大。电子大宗气体（广钢主导超50%）、CMP抛光垫（鼎龙国内超70%）、靶材（江丰国内12寸超70%）已在50%以上。湿电子化学品和工艺特气在30-50%区间。前驱体尤其高k仍在20-30%。光刻胶和掩模版的国产化跟着光刻机天花板走，要等上游设备突破。HBM封装材料是2026到2027年才开始放量的新增量。基本面上可以满足量产需求，但顶层精细化学品和光刻胶仍依赖进口。

设备一次性资本开支属性强，材料是经常性采购。长鑫Q1单季营收508亿，2026年H1指引1100到1200亿，材料采购盘子冲到2026年270亿以上是大概率。这部分订单不需要等扩产完成，每多开一片晶圆就立刻转化成材料厂的收入。对广钢气体、安集科技、鼎龙股份、雅克科技、华特气体、江丰电子、格林达、晶瑞电材、沪硅产业这一批公司，长鑫扩产的传导比设备厂商更快，也更持续。

[Macro_Lin @LinQingV]

很赞同郭宇这个判断。技术主义者的悲观和乐观从来就是一体的。

过去半年多，我在AI的帮助下完成了一颗以LLM为target workload的推理芯片的端到端设计。参考某家的架构，从high level simulator到C-model到RTL，现在马上进入验证。我之前写过一个半吊子编译器，但SystemVerilog的RTL一行都没写过。

由于没有流片预算，这颗芯片可能永远只能跑在VCS仿真器里。但这个过程证明了一件事，以前需要几个团队协作一年才能完成的工作量，现在一个人借助AI就能覆盖。

反过来想，当AI把设计端的门槛压到接近于零，止步的地方恰好就是价值最高的地方。流片。一颗先进制程芯片的tapeout成本是几千万美元，这个数字AI一分钱都帮你降不了。未来真正的价值锚点就在这些重资产的制造端，先进制程的fab、先进封装、HBM。能设计芯片的人会越来越多，能把芯片造出来的产能永远是稀缺的。

[XinGPT🐶 @xingpt]

用了Hermes之后，真的不想再回小龙虾了。
- Bug很少，无需频繁改bug（用过龙虾的人都懂有多痛苦）；
- 自带很多有用的Skill：llm-wiki，manim-video等等；
- 与金融数据库结合度高，操作方便。
一个视频教你学会安装、操作并且用Hermes赚钱：

[qinbafrank @qinbafrank]

Authropic的新模型“Mythos”这么强么，以至于要让贝森特与鲍威尔同时紧急召见华尔街六大行CEO，警告Anthropic公司最新AI模型“Mythos”可自动识别并利用所有系统漏洞。什么级别的威胁，能让美国财政部长和美联储主席同时出手？

这次会议的目的是确保银行了解Anthropic公司的“Mythos”模型及未来类似潜在模型可能带来的风险，并正在采取预防措施来防御其系统

此次此前未被报道的会议是临时通知安排的，它再次表明，监管机构将新型网络攻击的可能性视为金融行业面临的最大风险之一。所有被召集参会的银行都被最高监管机构认定为具有系统重要性，这意味着它们的稳定对全球金融体系至关重要。

看之前Anthropic官方自己都承认这个模型在网络安全任务上达到了“step change”（阶跃式提升），远超之前的所有模型：
1）它能自主发现并利用零日漏洞（zero-day），已经在每个主流操作系统和浏览器（Windows、Linux、macOS、Chrome、Safari等）中找出了数千个高危/严重漏洞。
2）包括一个在OpenBSD里隐藏了27年都没被发现的漏洞，还有FFmpeg里经过500万次自动化测试都没暴露的bug，以及Linux内核的多个可实现完整系统控制的漏洞。
3）在专业网络安全基准（如Cyber Gym）上得分大幅领先（Mythos约83%，之前模型最高66%左右）。
4）Anthropic认为它“远超人类顶级安全研究员”的水平，能自动化完成从发现漏洞到编写exploit（利用代码）的全过程。

正因为太强了，Anthropic不敢公开发布“Mythos”，只有限提供给Apple、Amazon、Microsoft等40多家科技/安全公司（Project Glasswing），让他们用这个模型先把自家系统里的漏洞找出来打补丁。Anthropic之前还明确警告：这预示着未来AI会让进攻方（攻击者）远远领先于防守方。

这会意味着啥？
Mythos真是要被放出去，那是不是大部分系统都要出问题？
链上defi很多系统是不是也会有风险。
mythos现在没有被放出去，但是Ai能力则一直在提升、安全性问题可能会越来越严峻。

[币世王 🦅 @0xKingsKuan]

Claude Code 终于能本地免费跑起来！

零 API，无限次、100% 隐私，5分钟把 AI 程序员装进自己电脑！不用再为Anthropic API 烧钱，不用担心速率限制，不用担心代码被上传到云端。

直接在你自己的 Mac/Windows电脑上跑，隐私拉满、永不限次、随时随地写代码！

谢谢来自 AI 博主 @irisneural 分享的线程。

• 传统Claude Code：牛是牛，但要API密钥 + 付费 + 上云，项目敏感代码谁敢随便丢？
• 现在：Ollama 官方新增 Anthropic Messages API支持，把 Claude Code 的外壳直接对接本地模型。

这时候你拥有了一个完全属于自己的 AI编码代理，能读文件、改代码、跑命令，全程离线。

哪怕你电脑不是顶级显卡，也能跑7B~30B的编码专用模型，日常写小项目、调试、生成脚手本已经够用。想更强？拉个30B模型，体验直接起飞。

⚠️⚠️

5 分钟上手教程（超详细保姆级）

准备工作（2分钟）：

1. 去 https://t.co/wNmCgRhBJv 下载并安装Ollama（Mac/Windows都支持，安装完自动后台运行）。
2. 打开终端，验证一下：输入 ollama --version，看到版本号就 OK。

🔻步骤 1：拉取本地大脑（推荐模型）

• 电脑配置一般（16~32GB内存）→ 推荐：qwen3-coder:7b 或 gemma2:9b
• 配置强（RTX 4090 / Mac M系列高配）→ 直接冲 qwen3-coder:30b 或 GLM-4系列
• 命令（复制粘贴就行）：

ollama pull qwen3-coder:7b

🔻步骤 2：安装 Claude Code

• 官方安装命令（终端直接跑）：

curl -fsSL https://t.co/OkW0SsaggZ | sh

🔻步骤 3：把 Claude Code 指向本地Ollama（最关键一步）

• 最简单方式（推荐）：

ollama launch claude --model qwen3-coder:7b

• 或者手动设置环境变量

export ANTHROPIC_BASE_URL="http://localhost:11434"
export ANTHROPIC_AUTH_TOKEN="ollama"
claude --model qwen3-coder:7b

🔻步骤 4：测试一下进入你的项目文件夹，输入 claude，然后直接说：

“帮我创建一个 Hello World 网站”

你会看到它自动分析目录、创建文件、甚至问你要不要执行。全程本地，丝滑得一批！

（原线程里还有视频演示，我看了效果真的香）

⚠️⚠️

注意事项 & 进阶 Tips

• 模型选择：编码能力目前 Qwen3-Coder 和 GLM系列最强，Gemma2 次之。后续 Ollama 还会更新更多工具调用强的模型。
• 硬件要求：7B 模型普通笔记本就能跑，30B 建议有 GPU 或 32GB+内存。
• 隐私党福音：所有数据都在本地，连网都不用。
• 缺点：智能程度还是比云端 Claude Opus 差一点，但对大多数开发任务已经完全够用，而且免费啊！

⚠️⚠️

最后，2026 年、AI 本地化真的要全面起飞了。从 ChatGPT 到 Claude，再到现在 Claude Code 本地版、以后我们写代码，可能真的不用再给大厂交智商税了。

[Mercy @Mercy_okx]

AI 正在吸干流动性，Crypto 还有戏吗？

“AI 确实是当下全球最大的共识，所有的钱都在往那边倾斜”，直面这个残酷现实，亲历三个周期的 Yetta 反而看到了机会：

Crypto 最惨淡的时候，正是 VC 进场的最好时机。她当下依然坚定押注 PayFi 与 CeDeFi，并笃定 AI 与稳定币的结合才刚刚拉开序幕

本期，Mercy很开心可以对话 Primitive Ventures 投资合伙人 Yetta @YettaSing ！

AI 狂热下 Crypto 的结构性机会——“只要还有人在 AI 里赚钱，流动性迟早会回来”。