周末拜访美光朋友与台湾模组厂老板，讨论到新闻写的open ai包了明年40%内存，才听到原来最早是Google 明年向美光要的量，超过所有预期的产出，从 HBM 一路吃到 DDR4，想要全线扫光，当然美光不可能全部给单一客户，不然风险太高，但从这里也可以看出整体AI对内存的需求有多么夸张，就以过去市场以为的落后产品DDR4为例，是供过于求的象征，但实际情况，在 AI 时代，storage 架构全面从 HDD 转向 SSD，SSD 控制器必须搭配一颗 DDR4 当快取，也就是说：只要 AI 服务器出货增加，每 TB 的 storage 都会带出额外的 DDR4 需求。这是一段尚未被市场正确定价的增量。

而台湾媒体跟投资人最害怕的红色风暴，大陆DDR4 明年的状况也只剩之前的产能在跑少量，新闻都写错，还在用「中国回来了」的剧本下耸动的标题，现货市场早就被扫光，供给紧缩才是唯一的事实。这个讯号与过去半年我们追踪到的供需模型完全吻合：全球有效 wafer output 在下降，但需求却在改写。市场最爱预测「什么时候会供过于求」，但这是站在报价端的思维；站在产线端，你会看到另一个完全不同的世界。只要你理解「建厂」的物理极限，就会知道得到答案的速度会快得多。因为今天你想扩产，一座新的 cleanroom 要三年；连买现成 cleanroom 装机，也要一年半。这并不是把 CAPEX 多砸一点、把目标喊大一点就能解决的事情。

所以真正能做的，是「转产」。你把 1Z、1Y、1X 做不出获利，就往 1A、1B、1C 推。表面上看起来制程升级是利多，但每一次转产都是用旧制程换新制程，等于把旧产能擦掉一大块。换句话说，从 DRAM 的盘面来看，你看到的是「技术进步」；从供给的底层来看，原厂看到的是「有效 wafer 不断消失」。也因此，市场害怕的那些「海力士要扩产 16 万片」的恐惧，其实都是错误推估出来的幻影。实际计划根本不到那个数字，而转产本身就会吃掉 4–6 万片的旧制程能力。一旦你理解这件事，你就会知道为什么 2026 年会是扎扎实实的卖方年，因为没有人真正把新的 wafer 推进市场。

而这一切还只是 DRAM 的世界。真正被低估的，是 NAND。

访问中讨论了非常现实的状况：「现在做 NAND 最不划算。」毛利率DRAM已经跟HBM差不多而远高于NAND ，这也是三大原厂默契形成的关键，去年都还在减产，资源投注在 DDR 与 HBM，NAND 反而成为最被忽视的角落。偏偏 storage 是 AI 服务器最容易爆量的区块，而 NAND 的 CAPEX 却被长期排挤，于是 NAND 的缺口会是最凶、最长、最被市场低估的。HBM 会缺，但 NAND 会痛。

整理这些第一线情报后，我看到的不是单一群组的缺货，而是一次跨 DRAM、HBM、NAND 全品项的结构性断层。Google 明年的订单只是第一枪，后面还有 Meta、Amazon、Microsoft 正在排队。而 storage、DDR4、标准型 DRAM 的需求增量，市场甚至还没开始反映。

下一轮的胜负，不会在新闻决定，也不会被市场噪音决定，而是由产线那端的物理现实决定。这轮供需错配，还有很长一段路要走。

Machine Learning Street Talk
https://www.youtube.com/watch?v=DtePicx_kFY

这位演讲者是 Transformer 架构的共同创造者，他回顾了这种技术在 AI 领域的霸主地位，并解释了自己为什么选择换方向——主要是因为研究进入了瓶颈期，加上商业化带来的压力。他从《伟大无法被计划》这本书中得到启发，强调要保持思想上的自由，不被束缚，并提倡去探索那种颠覆性的、受生物启发的架构，比如“连续思考机”（CTM）。CTM 能够支持灵活的、一步一步的推理，还能通过神经元级别的建模和同步机制，让内部表示更丰富、更有层次。在解迷宫、自适应计算、以及给出靠谱的信心评估等任务中，CTM能表现出一些自发形成的策略，目标就是克服现在大型语言模型那种脆弱、死板的毛病。除此之外，他们还推出了像 “SudokuBench” 这样的复杂测试，用来逼 AI 跳出单纯的模式识别，进入真正的“元推理”阶段，想象未来人机协作的研究系统可以把集体智慧规模化，避免陷在狭小的死胡同里。

发布视频-计算机技术-AI杂谈

蓝色起源新格伦火箭第二次试飞精彩剪辑，助推器回收和载荷部署

发布视频-科工机械-工程机械