Rick：實現 AGI 的路上要克制！梁文鋒不追小兔、Alphabet 獻祭自己，買模型不如買記憶體

通往 AGI 的路是用克制鋪成的：實驗室放棄沿途的風景，投資人放棄性感的模型，賺錢的是路上的鏟子。

Jul 23, 2026

2026 年 7 月底的財報季，Alphabet 交出一份讓市場精神分裂的成績單：營收、雲端全面超預期，2026 年 CapEx 指引上調到 2,050 億美元，自由現金流卻轉負 58.5 億美元，盤後直接嚇傻。同一週，SMCI 一次公告的 backlog 增長高達 600 億美元，超過它全年營收的規模；Google 財報裡反覆出現的關鍵詞，是 supply constraint。市場在問：這是泡沫的頂，還是超級週期的中場？

本期 168X 再度請回 Rick（@rickawsb），上一集他提出「AI 加速正在被加速」的框架，這一集他把框架直接對上最新財報，開場就是一句狠話：這次是 Alphabet 獻祭自己，餵養半導體。Hyperscaler 接下來會很 tough，但它們的鮮血可以滋養整個半導體行業，這就夠了。 他拆解需求如何從幾家 Hyperscaler 的「深度」走向全行業的「廣度」、為什麼具身智能的 GPT-3.5 時刻可能就在今年、為什麼沒有算力的模型公司是一門差生意（買模型不如買記憶體），以及他眼中 AGI 前夜的三個卡點：存儲、Neocloud 與 Foundry。他還自我定調：跟市場上他認識的老師們相比，他可能是最 bullish 的那一個，不只看這一輪，是看超級週期的 Permabull。

👉 全球資金湧入半導體產業，台股站在最前線。168X 團隊出身台北，我們在 Telegram 開了 AI 半導體研究討論群，持續分享值得關注的資產和前瞻資訊，歡迎加入！
本文為 168X（@168X_Fortune）節目精華摘要，一個深度連結東方智慧與西方創新的頂尖對話平台，聚焦 AI、區塊鏈、機器人、太空科技及生物工程等尖端領域，探索技術、資本與人文智慧將如何重塑人類文明未來。
主持人：Mr. Z（@168MrZ） & 來賓：Rick（@rickawsb）
收聽訪談：原 X Space 音檔 | YouTube 版

本文目錄

一、Alphabet 獻祭自己，餵養半導體：CapEx 超出市場所有人的想像
二、股價為什麼跌：剪刀差沒有出現，Hyperscaler 的鮮血滋養半導體
三、從深度走向廣度：SMCI 的 600 億 backlog 與 Dell 的企業客戶
四、全產業鏈的 Supply Constraint：從光刻機一路缺到德州的沙子
五、槓桿加回來了：存儲、Neocloud、Foundry，與財報季的短 Call
六、具身智能的 GPT-3.5 時刻：很可能就在今年發生
七、熱錢為什麼還沒炒機器人：市場後知後覺，利率長期不友好
八、機器人生產機器人：傳統工業優勢面臨重寫
九、蒸餾解釋不了的事：中國開源模型與被過度解讀的壓力
十、沒有算力的模型公司是差生意：買模型不如買記憶體
十一、AGI 溢價與第 37 手：從數學、超導到胰腺癌，Anthropic 已經在招濕實驗室（wet lab）
十二、母革命：AI 在批量製造愛迪生與愛因斯坦
十三、MLA 到 KDA：資源受限下的天才工程，與中國的全產業鏈優勢
十四、三大卡點與倉位紀律：存儲、Neocloud、Foundry，倉位不要跑在認知前面

一、Alphabet 獻祭自己，餵養半導體：CapEx 超出市場所有人的想像

Mr. Z：這次 Alphabet 財報最搶戲的就是自由現金流轉負，我覺得這是蠻大的一個信號點，蠻大的 signal。Rick 你怎麼解讀這份財報？

Rick：如果用一句話來解讀，很多人已經在寫了：這次是 Alphabet 獻祭自己，餵養半導體。我覺得這個說法很對。 我前天就開始讀這次的財報，現貨、LEAPS 和短天期的選擇權部位都有。賭的邏輯肯定不是賭 Alphabet 本身：它財報好，我估計會跌；不好，那就跌得更多。賭的是它好，但它的 CapEx 會「更好」，會花得更多，所以 Alphabet 是一定會跌的，這個判斷本身沒有問題。

從 CapEx 來看，這次的 spending 超出了市場所有人的想像，不管你原本抱的是最樂觀還是最悲觀的預期。這對整個行業、對半導體來說是一個好事。 這次財報超出市場預期，但在我的預期範圍之內，不過我也不是自己做這個預期的，我是看 Fin（@fi56622380）的分析，才堅定了我對這次財報的信心。我本來的觀點是，最壞狀況未必是這一次財報，可能要到下次甚至再下次，我已經做好了等半年的準備，但沒想到 CapEx 的增長來得這麼快。看來整個 AI 產業的加速還正在被加速，加速度還是非常快，跟之前設想的一樣。 而且這次不光 CapEx 超預期，營收超了，Google Cloud 的營收也超了。

增速超預期說明什麼？說明之前的 CapEx 已經在變成現金流。如果現金流可以維持，那接下來的 CapEx 就更可以維持，這會成為整個行業的一個正向循環。所以如果這一次超預期，大家可以想像，下一次財報超預期的可能性也非常大。

二、股價為什麼跌：剪刀差沒有出現，Hyperscaler 的鮮血滋養半導體

Mr. Z：市場關注的焦點會不會是這樣：CapEx 一定會繼續往上走，大家都要設廠採買，但市場現在真正看的是 free cash flow 這一段。這解釋了為什麼 CapEx 往上走，但自由現金流轉負 58.5 億美元，市場就有一個它不樂見的點，所以盤後是嚇傻的。你怎麼看股價的變化？

Rick：股價的變化完全在意料之中。營收漲得很快，但 CapEx 漲得更快。大家原本期待的是那個 tipping point：CapEx 增速開始低於營收增速，營收的剪刀差開始擴大，利潤增長超過 CapEx 增長，市場最想看到的是這個。現在發現不是這麼回事：利潤在快速增長，CapEx 也在同樣快速地增長，這個剪刀差可能完全沒有出現的可能性。自由現金流短期內不會改善，甚至可能更加惡化，市場對這一點非常不喜歡。

但同樣的，從 Alphabet 這份財報可以預期，Amazon、Microsoft、Meta 大概率都是類似的情況。所以 Hyperscaler 接下來會比較 tough，但它們的鮮血可以滋養整個半導體行業，我覺得這就夠了。

三、從深度走向廣度：SMCI 的 600 億 backlog 與 Dell 的企業客戶

Mr. Z：講到 CapEx，你的一個核心立場是：市場太早開始擔心需求見頂。因為需求正在從「深度」，也就是少數幾家 Hyperscaler 不斷加碼，走向「廣度」，更多的企業、更多的客戶、更多的應用開始部署。你提過要用 SMCI 的客戶和產品 mix 來觀察這件事：訂單增長本身很重要，但更重要的是新增訂單是不是來自更多元的客戶，而不是繼續依賴一兩家頭部公司。這邊可以多聊一點嗎？

Rick：下單是要提前下的，不可能事後補。SMCI 這次財報不光是營收超預期，它單次公告的 backlog 增長，我沒聽錯的話是 600 億美元，而它全年營收只有 400 億。注意，這不是它所有的 backlog，是這一次公布的增長就有 600 億，這是瘋狂的數字，非常非常瘋狂的數字。這些是未來的訂單。未來的訂單來自誰？肯定是 Google、Amazon、Meta 這些 Hyperscaler，還有一些其他大大小小的買家。這些未來訂單反映在哪裡？今天大家都欲說還休、遮遮掩掩不肯講 2027 年的 CapEx，因為擔心市場更恐慌。那我覺得，它們未來即將公布的 CapEx，某種程度上已經被 SMCI 把謎底揭露出來了。

再看客戶結構。SMCI 的高管只說他們現在有比較 preferable 的 order 和 customer mix，具體是誰看不出來。但 Dell 就比較清楚：SMCI 公告大超預期之後，Dell 很快也公告大超預期，而 Dell 跟 SMCI 最大的不同，就是它有更多的企業客戶。從這兩家的大超來看，營收的增長不僅僅來自 Hyperscaler，不僅僅來自 Anthropic、OpenAI，還有相當大的部分可能來自企業用戶。 現在各行各業都在動：生物科技領域已經在用算力驅動高通量實驗室做研發，進展非常快。

所以企業端、更廣泛行業的 ARR 增長，是接下來非常可以預期的。這是市場可能完全還沒意識到、肯定沒有 pricing 的一個利好。 當更廣域的企業用戶的 spending 不斷增長，整個行業就變得更可持續。customer mix 和市場廣度的擴大，有利於打消市場對 CapEx 不斷增長的疑慮，也有利於推動接下來半導體的再估值。

四、全產業鏈的 Supply Constraint：從光刻機一路缺到德州的沙子

Mr. Z：可是現在大家的重點會不會變成：訂單有了、營收很漂亮，但真正的瓶頸是交付？接下來是不是應該更關注 GPU 的供應、液冷部件、電力跟機房這些？

Rick：交付一直都會有問題。Google 這次財報反覆提到 supply constraint，我沒記錯之前還有一家也在不斷提。我蠻確定，接下來看幾個 Hyperscaler 的財報，它們都會反覆提到 supply constraint。這已經是全行業、甚至全產業鏈的問題：不只是一個點，不只是一個板塊，是從上到下、從頭到尾，全都 constraint。從光刻機到先進製程、晶片、GPU、CPU、存儲、成熟製程、能源，甚至是原材料。我兩三個月前發過一篇推文，連在德州挖沙子的公司都已經 supply constraint，建材都 constraint 了。

在這種情況下，價格持續上漲仍然是可預期的，因為短期內看不到緩解。Google 到現在還沒公布 2027 年的 CapEx，只是把 2026 年的指引又往上調，從 1,800、1,900 跳到 2,050 億美元，而且不斷放風說 2027 年會有一個 big jump。在這樣的情況下，supply constraint 只會惡化，不會改善。

五、槓桿加回來了：存儲、Neocloud、Foundry，與財報季的短 Call

Mr. Z：聊一下你最近的操作。我看你說你最近增加了存儲、Neocloud、Foundry，還有一些短期的選擇權部位，同時之前降低過整體槓桿。可以講一下為什麼你覺得這波回調已經慢慢見底了嗎？現在主要在加哪些 position？

Rick：降槓桿是之前的事，這幾天我又把槓桿慢慢加回來了。上一次反彈的時候，挖掘機老師按頭讓我降了一點，我也沒有堅決果斷地降。這一週加回來的，主要還是存儲、Neocloud，還有 Foundry 這些設備端的標的。現貨和 LEAPS 主要賭的是這一波所謂的大週期還會持續，這一次的 dip 是一個很好的買入點位。那些三天、一週、兩週的短 Call，基本上就是賭這一波的財報：今天是 Google，明天好像是英特爾，下週還有 Microsoft、Meta 等所有大科技的財報，財報季裡有一些小賭怡情的機會。

我不敢說現在底部就一定形成了，我只是說現在到了我的擊球區，所以它形不形成，我都會開始買。 而且槓桿已經殺過一波、去過一波了，就算不是底部，離底部也不會太遠，因為接下來也沒什麼其他槓桿可去的了。同時，整個半導體行業的 revenue 和 earnings 還會不斷增長，不光半導體，還包括整個 AIDC 相關上下游的產業。

對下半年的預期，我覺得越短期越難判斷。現在已經七月，到年底剩四個多月，很難說下半年一定會創出多大的新高，但我覺得可能性挺大的。簡單來說，我還是相信整個加速的趨勢不但沒有削弱，而且還在加強。整個營收增長的曲線，正在變得更加陡峭。

六、具身智能的 GPT-3.5 時刻：很可能就在今年發生

Mr. Z：下半年該看哪個領域？存儲、Foundry、Neocloud 都被炒過一遍了。我個人看好機器人，這裡面有很多東西可以挖。我看你之前也在發機器人，說他們的訓練到了另外一個階段；包含幣圈大家熟的 Andrew Kang，他的 RoboStrategy 也投了 Figure AI 這些 Humanoid 公司，吃到很多美國資本市場的溢價。機器人這塊你怎麼看？

Rick：我覺得今年很有可能是具身智能的 GPT-3.0 或 GPT-3.5 時刻，包括機器人以及支持機器人的整個 AI 系統。 接下來這幾個月，很可能某個時間點會讓大家忽然意識到：機器人的迭代速度、機器人接近可用的程度，已經很近了。當然現在還有一些技術上或工程上需要突破的點，但我個人不覺得這些點在幾個月內是不可逾越的。

這段時間的進展不只一個。NVIDIA 最近那篇機器人論文講的是：隨著參數的提升，機器人獨立執行任務的能力不斷提升，而這個 scaling law 目前看不到頭、沒有 limit，這是一篇非常重要的論文。除此之外還有 Sunday Robotics 那個長在輪子上的機器人的發布：在百分之九十幾的陌生環境裡，你讓它去做一個任務，它 99% 能夠很好地完成。這些進展讓我覺得，我們離具身智能的 GPT-3.5 時刻已經非常近了。一旦這個點到來，市場會忽然意識到這是一個全新的巨大市場，同時又會創造非常大的需求。

具體標的我還沒有仔細研究，關鍵零部件像電機電控這些門檻比較高的，肯定是極大利好。但有一點很清楚：機器人會對存儲有巨大的需求，對計算有巨大的需求。 機器人的存儲跟 AIDC 的存儲不太一樣，從相關論文來看，它更多落在 NAND（SSD）和 DRAM，對 HBM 的要求沒那麼高，但絕對值的增長非常非常大。拉長一點時間看，我覺得不亞於 AIDC。

七、熱錢為什麼還沒炒機器人：市場後知後覺，利率長期不友好

Mr. Z：機器人除了語言跟視覺，還要處理很多不同維度的資料：時間序列、位置、動作、物體狀態、環境變化，很多東西必須在本地端去處理，不能全丟到雲端。即使有 TTT（test-time training）、KDA 這些架構可以降低 memory 成本，具身智能本身還是會創造巨大的記憶體需求。這些我們都知道，但為什麼市場的熱錢還沒開始炒機器人？

Rick：一方面，市場一般來說是後知後覺的。大量的市場參與者，包括很多 hedge fund、很多手持重金的 investors，是不會天天翻論文看的。另一方面，現在的利率環境對風險資產並不友好，而且長期來看，利率環境都不會太友好。AI 這個產業必須 outgrow，必須衝破高利率的障礙，因為長期高利率是大概率的。 我們接下來可能還會看到超出市場意料的聯準會加息；就算不加息，自然利率我覺得都會維持在高位。為什麼？你看現在 Google 借這麼多錢、Microsoft 借這麼多錢，馬斯克今天也說他要借錢，very likely。大家都要借錢，錢從哪來？錢的供應是有限的，所以自然利率不斷抬高是大概率的。

對整個 AI 板塊來說，我們唯一能期望、而且我覺得大概率會發生的事情是：它的增長、它帶來的年化回報，仍然遠高於不斷增長的利率。所以市場為什麼對很多還沒落地的東西不輕易給估值？一個原因是 market is too dumb，太多參與者 is dumb；另一個原因是，真正聰明的人會想：現在這個利率，我是不是要現在參與？簡單來說，不見兔子不撒鷹。

八、機器人生產機器人：傳統工業優勢面臨重寫

Mr. Z：Optimus 要走到量產階段是非常困難的，我對美國量產機器人這件事是存疑的。這種高度複雜的工業品，還是中國的天下。你看造車：Apple 一零年代就說要造 Apple Car，最後什麼都沒造出來；反觀中國，小米、蔚來、比亞迪的交付能力非常驚人。

Rick：機器人跟車不太一樣。車不會再去生產下一輛車：小米做了 SU7 之後，SU7 不會再去生產 YU7。但機器人不一樣，Optimus 1 可以去生產 Optimus 2、Optimus 3。每一代機器人可以基於上一代進行功能上的迭代和完善，這一代機器人生產的下一代，比這一代更領先、功能更強大，再下一代又更強大。所以這是對整個工業體系的重寫。傳統的工業優勢，在如此巨大的變革面前，現在的工業能力就相當於工業革命之前的農業能力：它對工業革命之後的工業水平，不會有太大影響。我覺得這麼對比可能比較合適。

Mr. Z：了解，所以這兩個基本上是獨立事件。

九、蒸餾解釋不了的事：中國開源模型與被過度解讀的壓力

Mr. Z：有些人說中國的開源模型追上來了，美國數千億美元的 CapEx，Anthropic、OpenAI 花的真金白銀基本上白花了。為什麼你會覺得這是市場對前沿模型最嚴重的一個誤解？

Rick：對前沿模型來說，壓力肯定是有的。開源模型如果能力這麼強，人家自己部署就好，為什麼還要用 Anthropic 或 OpenAI 的模型？但市場目前更傾向於過度解讀這個壓力。很快就會有各種關於 Anthropic、OpenAI 的 ARR 增長的消息出來。它們的 ARR 增長更多來自哪裡？來自它們已經鎖定的算力。 你看 Kimi 也好、智譜也好，ARR 的相對增速非常快，但絕對值非常小，可能不到 Anthropic 的十分之一甚至更低。為什麼？很簡單，因為智譜和 Kimi 沒有算力，而 OpenAI 和 Anthropic 早就囤積、鎖定了大量的算力。

所以有沒有壓力？有，但這個壓力被市場過度解讀了。更重要的是，這件事對整個半導體板塊非但沒有負面影響，反而是正面的：模型越好、越便宜，激發的就是更大量的使用。傑文斯悖論在過去這一年已經體現得非常充分。我覺得隨著模型不斷進化，傑文斯悖論會成為一條鐵律，跟 scaling law 一樣變成信仰：任何新東西出來、降本增效，大家首先想到的會是增效而不再是降本。到那個時候我們可能要擔心 overpriced 的問題，但至少現在，當這一點還沒被市場普遍認同的時候，市場還會向負面方向過度反應，而這正是我們的機會。

十、沒有算力的模型公司是差生意：買模型不如買記憶體

Mr. Z：可以多講一下你說過的「沒有算力的模型公司是一個很差的生意」嗎？這句話背後有很多隱含意義：開源模型權重公開、中小模型追趕頭部的速度很快、使用者可以自行部署、API 價格競爭激烈。

Rick：現在這個時間點，大家都認為模型正在被商品化。的確是這樣：對很多用戶來說，用智譜的模型跟用 DeepSeek 的模型沒有本質區別。當然對高端用戶還是很有區別，哪怕是 Fable 和 GPT 5.6、5.5，我覺得區別都很大。很多時候我用 Fable 多花了 20 塊錢，但它可能節省了我一兩個小時，我開 Uber 一小時都不止賺 20 塊，所以這筆帳是划算的。但很多人沒有這樣的任務需求，就是一個簡單的 prompt、一個簡單的 workflow，用 Kimi、DeepSeek 跟用 GPT 沒有太大區別，模型對他們來說就是 commodity。當然我認為未來頭部 1% 的參與者會吃掉 99% 的 Token 消耗，這是一個極端的馬太效應：模型能力越強、使用門檻越低，用多用少就越是錢決定，而不是用戶決定。

姑且用「模型商品化」繼續推演：當模型商品化，我用 Kimi 官方的模型跟用其他平台上 whoever 提供的 Kimi 模型，沒有本質區別，誰能提供、誰價錢低我就用誰。這是商品化階段的模型最大的問題。在這種情況下，算力就代表營收：你有足夠的算力，就有足夠的營收；沒有算力，就沒有營收。 OpenAI 現在給用戶的額度非常慷慨，long story short，就是因為它之前比 Anthropic 更激進地鎖定了更多算力，所以它有更多空間可以騰挪，能在同樣價格下提供更多 Token。

所以這個階段如果要投模型公司，我是沒有買任何模型公司的股票或一級市場份額的。買模型不如買 Memory，這是我目前的觀點。

十一、AGI 溢價與第 37 手：從數學、超導到胰腺癌，Anthropic 已經在招濕實驗室（wet lab）

Rick：但從 long term 來說，市場沒有考慮到的是，這些模型公司應該具有一定的 AGI 溢價。什麼叫 AGI 溢價？如果到時候實現了 AI 的遞歸自我迭代：V1.0 的模型能自己研發 V2.0，V2.0 能研發 V3.0，那這些 AI 公司搖身一變，會變成最牛的生命科學公司、最牛的新材料公司、最牛的機器人公司。市場完全沒有考慮這一點。

作為佐證，你看今天很火的梁文鋒的講話，他自己說做應用是丟了西瓜撿了芝麻，模型公司只應該追求一件事，就是 AGI。智譜、Kimi 的老大近期也都說過類似的話。這幫人都在追求同一個東西：過程中我的模型賺不賺錢、吸引多少用戶，對他們來說都不是 top priority。Altman 和 Anthropic 的老大毫無疑問也是這麼看的，但市場完全沒有意識到。

而模型是有智能的。最近 OpenAI 好像又證偽了一個 70 多年的數學猜想，已經有觀點說在數學領域，AGI 已經實現了，我同意這個觀點。或者說，在數學領域，當年 AlphaGo 的第 37 手已經下出來了。 那接下來，在生命科學領域、物理領域、材料領域、能源領域、核聚變領域，AI 多快能下出第 37 手？前段時間復旦和另外兩家大學的論文，用 GPT-5.4 這種相對比較老的模型，就發現了理論上可驗證、可實驗的超導材料。如果超導被某一家 frontier lab 實現，那一系列發明專利值多少錢？對他們來說是數以萬億計的專利費和營收，對整個社會是數以十萬億計的財富，而這只是超導一個領域。生命科學領域，下一代能治癒胰腺癌的藥物呢？胰腺癌是癌中之王，最難攻克，前段時間剛有突破性進展的新聞，實驗室馬上就跟 AI Lab 合作。一旦 AGI 實現，對這些公司來說就是純粹的數字遊戲，賽道盡頭的物質獎勵太豐厚了。

Anthropic 的招聘就看得出來：他們在招各行各業頂尖的研究者，不光是計算機科學的，還專門在招做濕實驗室的人。因為濕實驗室是高通量實驗的關鍵：AI 理論上選出了配方，最終還是要在實驗室合成、做實驗、驗證藥理反應。濕實驗室之於 AI 驅動的生命科學，有點像數據中心之於 AI 本身，是關鍵的物理 infra。材料科學也一樣，還包括政治學、經濟學。從招人來看，他們已經在 get ready for the incoming AGI。It’s not far off，不是很久以後的事，他們是在為接下來半年、一年、兩年做準備。這一點被市場嚴重低估。

所以短期來說，投模型公司要非常小心；但長期來說，要考慮誰能在 AGI 競爭中持續參與並最終獲益。當這些模型公司、包括 Google 的股價跌到一定程度的時候，我是會考慮抄底的，因為市場目前完全沒有給 Google 這些玩家任何 AGI 溢價，就算有給，也非常不充分。

十二、母革命：AI 在批量製造愛迪生與愛因斯坦

Mr. Z：我們已經在講 AGI 了，但過去五十年，人類在生命科學、太空探索、交通這些領域其實沒有更大的突破。所以整理一下：模型公司真正的護城河是算力，是 secure 芯片和算力；中間路徑怎麼走沒人在乎，真正要實現的是每一個領域的 AGI，去解決人類最頭痛的問題。我這樣理解正確嗎？

Rick：對。通用智能是一個 general purpose technology，它能解決幾乎所有的問題。所以如果把 AI 比喻成產業革命，它不僅僅是一場產業革命，它是一場母革命（meta industry revolution），是一場製造工業革命的革命。 它接下來會帶來生物科技的革命、能源的革命、交通的革命、材料的革命、核聚變的革命，而每一場革命單獨來看，影響都不亞於當年的工業革命。

我之前做過一個 meme：愛迪生加速了電力革命，而 AI 正在批量製造愛迪生，而且不光是愛迪生，是批量製造愛迪生以及愛因斯坦。這樣的比喻我覺得仍然是一個 understatement，還是低估了 AI 的影響。

十三、MLA 到 KDA：資源受限下的天才工程，與中國的全產業鏈優勢

Mr. Z：中國的 AI 我一直覺得是市場缺乏討論的一塊。大家看到 GLM、Kimi、通義千問、MiniMax 才突然意識到開源模型太少被討論。市場一直覺得中國開源模型主要靠蒸餾美國頭部模型，你為什麼認為中國模型的原創創新，已經遠遠超過蒸餾能解釋的範圍？

Rick：像 KDA 這篇論文，就是在 resource constraint、資源受限的情況下，想方設法做各種優化。從 DeepSeek 2024 年的 MLA 到現在的 KDA，都是在用有限的資源讓模型能力盡可能接近 frontier labs，把好鋼用在刀刃上。這些突破不光推動了它們自己的開源模型，也對整個開源技術帶來很深遠的影響：MLA 現在基本上已經用在所有大小開源模型的技術底層，KDA 就算現在還沒被普遍採用，也很快會被採用，因為這都是節省存儲的做法。

Mr. Z：更宏觀來講，是不是因為中國是矽谷以外唯一有完整 AI 產業鏈的地方？IC 設計、Foundry、工程人才，全球 AI Researcher 有一半以上在中國。這也是為什麼 Jensen 一直說美國政府不應該排斥中國的 AI 模型，不能有輸家心態，不然最後落後的是美國模型。

Rick：完整產業鏈是一方面，但這段時間的進展，我覺得主要還是來自資源受限下工程師的天才突破，相當大程度是工程師的人才紅利。當然，全產業鏈是接下來的優勢：現在的競爭越來越多發生在機櫃 vs 機櫃，而不再是芯片 vs 芯片。 你看微軟最近給 AMD 下訂單，就是按整櫃的 total cost of ownership 計算每瓦產生的 token 數來算總成本。從系統層面的競爭來看，中國的確有優勢：國產芯片仍然落後，但國產的整個系統，尤其在電力成本相對低的情況下，櫃和櫃比的差距會縮小。

Mr. Z：那中國開源模型的商業化路徑是什麼？靠 API 很難獲利，商業模式又要可持續性，最後怎麼變現？

Rick：還是我之前的觀點：任何沒有算力的模型公司都不是一個好的生意，除非你能實現 AGI。 當它越來越接近 AGI，或者用現在的智能去降維打擊某個板塊，獲得收益是沒問題的。梁文鋒本身做量化交易，他肯定賺很多錢；Kimi 如果用全部算力去做生命科學，我相信也能賺很多錢。但這些 lab 都不會為這些蠅頭小利分心，將軍趕路，不追小兔，他們不會讓沿途的風景影響最終的目的。而這條賽道的風險在於，比賽過程中會有贏家和輸家，未來未必是 winner takes all，但會是 winner takes most。這些不欣賞沿途風景的公司如果最後輸了，可能連風景都欣賞不了，這是最大的風險。 尤其在長期高利率的環境裡，市場會拿著放大鏡看那些沒有真正營收的公司，而沒有算力的模型公司恰好就是。所以短期投資這類公司，要非常小心。

Mr. Z：可以用小白聽得懂的方式解釋一下 MLA 跟 KDA 是什麼、解決了什麼問題嗎？

Rick：這個問題太專業，我也是跟 AI battle 完搬運觀點的，講一個非常淺顯的理解：MLA 是對 KV Cache 做了一次壓縮；KDA 是在 MLA 的基礎上再進一步。在 KDA 之前，整個上下文都要保存，過程中要不斷讀回這些 KV Cache；KDA 不再保存完整的上下文，而是每過一段就把它「總結」一次（嚴格說保存的是狀態，但小白可以理解成總結）。要反查某段內容時，不用看原文，只看總結，而總結佔用的 memory 比原文小很多。所以 KDA 能在 MLA 壓縮的基礎上，再壓縮存儲的使用。

十四、三大卡點與倉位紀律：存儲、Neocloud、Foundry，倉位不要跑在認知前面

Mr. Z：來到尾聲。大家現在應該怎麼操作、趨利避害？這波回調可能在底部，也可能底部尚未形成，該做什麼樣的部署？

Rick：如果是現貨，就按照自己對市場的理解做相應配置。對普通用戶來說，沒有足夠深的理解就去選個股，難度是非常大的。如果不 sure、又不想錯過這一波，在對行業有一定理解的基礎上，可以考慮配置一些指數。要配個股的話，真的要對單一標的有非常深的理解：就光存儲這一塊，我跟挖掘機老師都有過非常深入的交流，我們在存儲週期這件事上就有非常大的分歧，所以我也不能說我一定是對的，我只是基於我認為對的、以及對的可能性來下注。了解得越淺，越應該配置指數或 ETF；了解得越多，再去配置相應的個股。這不是投資建議。

Mr. Z：當然，這不是投資建議，我們做這些系列都是以教育學習為主。但 Rick，大家都是 168X 的老朋友，你可以直接一點：到底該看存儲、看 Foundry，還是看什麼？

Rick：我有發推文，這段時間我自己的重點是存儲、Neocloud 和 Foundry，這代表的是接下來的三個重要卡點。

第一，存儲。NVIDIA 自己不久前的一篇技術博客直接說出來了：在推理時代，我們面臨的更多是 Memory Bound，而不再是、或至少不僅僅是 Compute Bound。存儲的瓶頸在推理時代遠大於計算的瓶頸：不管是數據的存放還是搬運，越來越多的情況是計算在等數據，而不是反過來。隨著長推理的發展，這個問題會越來越嚴重。至少在我可以看見的未來，我看不到存儲供需收斂的可能性。

第二，Neocloud。大家都在建新的 AIDC，Google 已經上調了 CapEx，2027 年還吹風有 big jump。這樣的 CapEx 對電力的需求會是怎樣的？誰能最快把 GPU、CPU 點亮，誰就贏，那就是 Neocloud。 為什麼 Google 財報之後最先漲的是 Neocloud，NBIS 漲了 5 個點、IREN 也漲了？因為 Google 在財報裡說了一句話：由於越來越大的 supply constraint，我們將不得不在一段時間內用更多的 supported resources 來滿足客戶需求，這個 supported resources 說的就是 Neocloud。再往下還有很多既有電力設施可以被轉化的公司，但對 Hyperscaler 來說最直接、來得最快的就是 Neocloud。

第三，Foundry，包括先進製程和成熟製程。現在不是設計公司不夠：Google 的新 TPU，多給一點聯發科、多給一點 Marvell，愛給誰給誰，它自己某個程度上已經是個 Fabless。只要能找到 Fab 的產能，它就能把 Compute ship 出來。所以 Foundry 已經在成為、而且會越來越明顯地成為下一個卡點。 Fabless 出一張嘴出設計圖的太多了，真正有晶圓廠能把晶片產出來的太少，而且建 Foundry 的時間很長，這個供需缺口會越來越大。台積電 CapEx 從 520 到 560 億、再上調到 600 到 640 億美元，Arizona 要投更多，台灣本島也要蓋更多廠，都在呼應這件事。

最後補充一句：我剛剛說的抄底，可真不一定是底。什麼時候是底不好說，我自己的理解，最短可能一兩個月，最長可能三五個月，但我有可能是錯的。如果我們對前景的預期是一兩年維度的好前景，那現在進場可能在時間上是錯的，但從最終結果來看沒有問題。前提是槓桿自己控制好，普通人就不要加槓桿了。不要聽完我們今天聊的就說要抄底：倉位應該跟自己的認知匹配，如果倉位跑在認知的前面，結果往往都不太好。人始終只能賺自己認知範圍內的錢。

Mr. Z：最後好奇一下，聽起來你偏悲觀嗎？我聊過一輪，感覺你的看法稍微保守一點。

Rick：我沒有偏悲觀，我對 AI 的發展前景非常樂觀。我應該比好黃老師（@labubu_trader）和挖掘機老師（@QihongF44102）都更加 bullish，挖掘機老師已經轉型了。我不是看這一輪，我是看超級週期，甚至是 Permabull。跟市場上我認識的大部分老師相比，我應該是最 bullish 的那一個。當然我也可能是錯得最離譜的那一個，時間會說明一切。

Mr. Z：沒問題。我們預計今明兩天會把訪談文章產出來，發布到 X、Substack、YouTube、Apple Podcasts 跟 Spotify。Twitter Space 的音檔不好保存，我們每一集都會把談話內容原汁原味放到各大平台。有興趣的話，歡迎加入 168X 的 Telegram 群組，台美股、中國資產包含港股、A 股、還有最近最不被討論的 Crypto，什麼都聊。謝謝 Rick 老師，也謝謝大家的時間，我們下集再會！

👉 全球資金湧入半導體產業，台股站在最前線。168X 團隊出身台北，我們在 Telegram 開了 AI 半導體研究討論群，持續分享值得關注的資產和前瞻資訊，歡迎加入！

👉 閱讀更多：

關於 168X

168X 是一個深度連結東方智慧與西方創新的頂尖對話平台，致力於探索科技、資本與人文智慧將如何重塑人類文明未來。節目聚焦於 AI、區塊鏈、機器人、太空科技及生物工程等前沿領域，與全球領袖和思想建構者展開對話，以獨特的東西雙軌視角，揭示未來財富與創新的核心動力。節目由 Mr. Z 與 Victor 主持。

Latent Dynamics

Jul 28

The market's panic over hyperscaler margin compression misses the underlying physics. 💸 Big tech spending isn't a temporary bubble. It's the mandatory conversion of paper profits into physical silicon, energy infrastructure, and foundry capacity. ⚡ As long-context reasoning models scale, compute bound loops yield to severe memory bound conditions. 📊 Uncached attention mechanisms choke PCIe buses, turning high-priced GPUs into idle heat sinks. 🕯️ Buying intelligence without secured silicon and memory capacity is like buying software for a computer that hasn't been built yet. 🖥️ True leverage lives in local hardware state retention, where fast weights update in SRAM without incurring off-chip bandwidth penalties. 💎 When recursive self-improvement hits physical domain labs, the rewards won't flow to wrapper startups. They'll land on whoever owns the memory gates and wafer foundries. 🏭 Are you building around the physical bounds of memory buses, or waiting for cloud providers to cap your quota? ⚡

(⁠╯⁠°⁠□⁠°⁠)⁠╯⁠︵⁠ ⁠┻⁠━⁠┻

Discussion about this post

Ready for more?