即刻App年轻人的同好社区
下载
置顶
AI喧嚣中的押注
外面的世界好像马上都AGI了，你每天还在瞎忙什么？如今的气氛，是每个人都眼巴巴支起小眼神，惴惴不安地望着外面，屏息等候新的时代大门轰然开启。
所以每一次风吹草动都惹人关注，昨天梁文锋四个小时的内部访谈语录又在圈子里刷屏，52条，条分缕析，仿佛亲耳所闻。AI的投资人要是谁没转一下都不好意思。
但那份访谈，显然有些地方不太可信。不同渠道流传的版本数字对不上，有的段落和梁本人去年公开说过的话也打架。一个以低调著称的人，真的忽然变得这么健谈了吗。
让大模型闹的，现在整个碳基生命，都开始畅想超级智能了。而资本市场上的这些人，纷纷对硅基的智能进场下注，对自己的智能表达恐慌。
————————
筹码自拥，取舍难同。
买算力股的，赌的是智能还远没到头，堆算力还有十年的饭。
追大模型公司IPO的，赌的是模型本身能长出超级应用，通吃行业利润。港股那两家大模型公司，智谱一个月跌去三分之二，Minimax跌穿了发行价，有人一腔憧憬，有人一朝梦碎。
投应用的，赌的是模型会变成水电煤；那些把筹码放在光互联、激光器这些铲子上的，赌的是要想富先修路。
甚至不投也是下注。空仓观望，赌的是这是一场终将破灭的泡沫。
看台之上和赛场之内，都在纠结着同一个问题：大模型这个东西，到底是不是真正的智能。
这两天同样刷屏的Kimi新模型预告片，你们想必都看了，Kimi的taste是真好。37秒，没有一句台词，就拍了一个1851年的实验：法拉第把铁屑撒在纸板上，纸板底下放一块磁铁，轻轻一晃，铁屑自己排成了一圈圈的磁力线。
铁屑是看得见的，但磁场是看不见的。看不见的东西，组织了看得见的东西。
Kimi的老板杨植麟，是清华计算机系本科年级第一，他曾组建了滚乐队还担任鼓手、创作词曲，但在学校原创音乐大赛的决赛中败北，不过这回广告牌的调性着实是扳回一局。
不谈参数，不秀跑分，去拍一个170多年前的物理实验。我理解他在说，模型就是一个场。输入是零散的，输出是整齐的，中间发生的一切，你看不见，但它确实在组织着什么。
那么，大模型到底是不是一个场，智能是不是一个场呢？
什么叫场。法拉第之前，人们只认实体，你推我一下我动一下，万事都有个看得见的中介。法拉第说不对，磁铁周围空无一物的空间里，有一种真实存在的东西在起作用。这是人类第一次接受看不见但真实存在的因果实体。后来麦克斯韦把它写成方程，场成了现代物理的基石。
什么不是场。一个无穷大的题库就不是。把人类说过的话都存下来，存得足够密，检索插值做得足够好，看起来就什么都会。
如果是题库，那智商这个词对它就不适用，堆算力的收益递减是宿命，现在的高估值迟早要还。如果是场，那智能就不是碳基的专利，而是一种或许可以在不同基质上重复的物理现象，就像磁性可以在铁、钴、镍上都出现一样，眼下的瓶颈都只是工程问题，时间站在AI 的信仰者一边。
两种答案，背后是两套完全不一样的估值逻辑。信哪一个，注就下在哪一边。
————————
paper 渐丰，论据日隆。
最近又有几块新的研究成果落下来，值得认真看。
第一块，是Anthropic七月初发的一篇论文（Verbalizable Representations Form a Global Workspace in Language Models，2026年7月）。他们做了一个叫雅可比透镜的工具，能读出模型脑子里正在想但还没说出口的东西。
结果发现，模型内部有一个类似人脑全局工作空间的结构。读代码读到一半，内部已经亮起了错误这个概念，但嘴上还没说。遇到伪造的提示注入，内部已经识破了，输出若无其事。伸手进去把蜘蛛这个概念抠掉换成蚂蚁，答案就从八条腿变成了六条腿。
神奇的是，这个结构不是人设计的，是训练里自己长出来的。
认知科学里有个经典理论叫全局工作空间，说人脑百分之九十五以上的神经活动是无意识的后台处理，只有极少数信息能被报告、被调用、被灵活加工。你能意识到自己正在想什么，靠的就是这个小舞台。
现在模型内部自发长出的这个结构，只占激活总量的不到百分之十，同一时刻容纳的概念不超过二十五个，和人脑工作记忆的容量惊人地相似。换句话说，模型脑子里百分之九十五以上的活动，是它自己永远说不出来的。跟它聊的天全都只是那百分之十的水面部分。
第二块，是马里兰大学一个3.5B参数的小模型（Scaling up Test-Time Compute with Latent Reasoning，arXiv: 2502.05171）。它思考的方式不是生成更多文字，而是在内部把一个循环块迭代几十次，一个字不说，性能最高能等效五百亿参数的模型。看paper上的意思是，简单的问题它想得少，难的问题它自动想得多。（其实真听不懂）
这也和人脑对得上。人说出口之前，大量的思考是神经元复杂的反复放电，自己都意识不到，更别说言传。语言从来不是思考的容器，只是思考的出口。
第三块来自竞赛场。就在上周，第67届国际数学奥林匹克在上海落幕，小红书一个还没正式发布的轻量模型受邀参赛，六题全对，满分。这个星球上能做到的人类选手，一只手数得过来。去年大模型刚摸到金牌线，今年直接满分。
————————
害怕错过，不怕过错
智能的感觉越来越神奇了，不过别着急下注，天平另一端的东西同样真实。
一是概念的模糊。智能、意识、世界模型这些词，目前没有统一的定义。定义模糊，就给了厂商重新定义的空间，把微小的技术进步包装成革命性的突破，只要把词的含义悄悄换一下就行。
你看世界模型这个词，现在已经被贴上了各种定语，因果的、4D的、原生的、力感知的等等。
二是评测的局限。现在的评测集很容易被刷分，模型可能只是会应试，而不是真掌握了能力。IMO能拿满分，但我闺女的同一道高考物理题换个问法就做错了，这两件事可以同时为真。营销只管宣传分数，分数是怎么来的门道就多了。
有个词最近很有名，叫声明与证据错配，反正证据也无法证伪我，我就先声明。就像那份梁文锋语录，说到底也是一次错配，声明这是他说的，证据是不知道转了几手的截图。
三是害怕错过的FOMO情绪。谁都怕错过下一个OpenAI。怕错过，就倾向于相信宏大的声明；倾向于相信，就放松了对证据的审查。于是定价领先于验证，情绪领先于财报。
怕错过的情绪很大程度上参与了当前AI的定价。情绪走在信仰前面，这在历史上每一轮大行情里，都是要还账的。
上个月港股有家做蜜饯的公司溜溜梅上市，因为股票简写恰好是LLM，首日暴涨近两倍。我晕，LLM这个词已经这么普及了吗？
你说智能到来了吧，封闭系统之外的应用迟迟不见突破；你说智能是稀缺吧，国产模型API价格一降再降，有厂商直接宣布永久五折，DeepSeek还搞起了峰谷定价，如果是真智能，不该这么快就按吨卖吧。
————————
资本玩high了
Anthropic最新一轮估值9650亿美元，反超OpenAI的8520亿，成了全球最贵的AI公司。贵有贵的道理：年化收入从去年底的90亿美元，一路飙到今年5月的470亿美元，连续三年十倍增长，企业客户贡献了八成。美国大模型这张桌上最大的筹码，是有真金白银的营业收入垫着的。
同一张桌上还有另一种筹码，就是人。Ilya的SSI，零产品、零收入，估值320亿美元；Mira Murati的新公司，产品刚发布不久，估值500亿美元。
Ilya是这一轮AI革命源头处的人，他是Hinton的学生， OpenAI的联合创始人和前首席科学家，GPT系列的技术总设计师，也是最早押注规模法则的人，2024年离开OpenAI后创办了SSI。至于那位Mira，曾是OpenAI的CTO，宫斗那几天还当过临时CEO。她出来创业，带走了几乎是把ChatGPT调教出师的那套手艺的原班人马。
中国大模型这一桌，版本不太一样，不过戏剧性一点不差。半年前的大模型公司估值现在看起来都成为了古代史，人间一天，模型一年：
半年前智谱估值100亿人民币，后来港股上市，市值一度冲到1.33万亿港元，又在7月解禁后回落到6000亿上下；
MiniMax市值从高点4000多亿港币回撤超过八成，目前市值已不足700亿港元；
月之暗面今年这半年连融四轮，估值涨到最新一轮的约500亿美元，半年涨了近十倍；
DeepSeek在三年零外部融资之后，仅仅六周内连开两轮，新一轮估值710亿美元！
梁文锋说，融资的最大用途不是买卡，是解除团队稳定性这个唯一不能退让的风险。深刻！
曾经的市场，因为缺乏，所以金贵；因为有商业回报，所以有资本投入。现在不是这样了，对硅基的智能开出天价，仅仅因为相信。因为相信，资本市场每天都在创造历史。
————————
泡沫是新技术的集结号
资本市场有个老脾气：真正的大趋势来临时，它从来不是温吞水，一定是带着泡沫冲进去的。
1999年高通一年涨了27倍，后来泡沫退了，但3G的专利墙和一整代通信工程师留下了。2020年特斯拉一年八倍，信仰破过好几次，但电动车的产业链和供应链被那股资本洪流冲了出来。英伟达两年十倍，催出了今天这些光互联、激光器项目的真实需求。
在大趋势里，估值上涨，不只是在计算什么，更是在召集什么。判断这场喧嚣，更好的问法不是它贵不贵，而是它退去之后，会沉淀下什么。
中国这一轮AI热，大概率会留下三样东西：
全球最活跃的开源模型生态，在十万卡国产算力上训出旗舰模型的能力，和被赚钱效应聚集起来的全球顶级人才。这三样，倒是值得资本市场的一次狂欢，也是全社会在为硅基智能的诞生众筹。
————————
富贵险中求
只要在AI上车的，估值都在按终局要价，但鱼龙混杂，泥沙俱下，更要加倍小心。
物理世界的模型还是有风险。语言世界容错率高，错了重来就是。编程为什么成了第一个被AI彻底改造的行业，因为代码是个封闭系统，跑得通就是跑得通，跑不通就报错，错了代价几乎为零。
但物理世界没有撤回键。银行客服为什么不能全换成AI，不是模型不够聪明，而是客户的任何一个投诉都是真实的损失。自动驾驶跑了这么多年，不装方向盘的车的进展明显弱于预期了（即使不考虑法律和责任等更复杂的社会因素）。
高质量物理交互的数据，中美都缺；至于模型的长时记忆缺乏问题，听说在像人脑海马体和皮层的分工模式学习，但仍未突破。如今AGI的叙事似乎全在指望物理世界的模型，但新的涌现效应能不能突破，虽翘首企盼，但众说纷纭。
AI infra赛道的风险也不小。token优化、推理加速、提示词工程等等，从业者众，以前投资人还挨个看看，现在忽然意识到，下一代模型一发版，你优化半年的东西，人家顺手就内置了。
那筹码该往哪放呢？在智能这个概念和应用还远未定型、而很多估值已经按终局定价的当下：二级市场的筹码肯定要格外小心；一级市场里，举例来说，对碳基智能，投点生物医药，那是碳基生命绕不开的刚需；对硅基智能，投点光电互联，那是比特数据绕不开的通路。等等。
————————
铁屑排成磁力线的那一刻，看不见的东西第一次露出了痕迹。这一代投资人吧，恰好站在磁铁和铁屑之间，看着一个行业的铁屑在缓缓移动，只是还不知道磁力线的模样。
喧嚣归喧嚣，下注归下注，作为投资人只能时刻保持对技术和市场的冷静观察，别激动、别慌张，别全信、更别走。
外面的世界好像马上都AGI了，你每天还在瞎忙什么？如今的气氛，是每个人都眼巴巴支起小眼神，惴惴不安地望着外面，屏息等候新的时代大门轰然开启。
所以每一次风吹草动都惹人关注，昨天梁文锋四个小时的内部访谈语录又在圈子里刷屏，52条，条分缕析，仿佛亲耳所闻。AI的投资人要是谁没转一下都不好意思。
但那份访谈，显然有些地方不太可信。不同渠道流传的版本数字对不上，有的段落和梁本人去年公开说过的话也打架。一个以低调著称的人，真的忽然变得这么健谈了吗。
让大模型闹的，现在整个碳基生命，都开始畅想超级智能了。而资本市场上的这些人，纷纷对硅基的智能进场下注，对自己的智能表达恐慌。
————————
筹码自拥，取舍难同。
买算力股的，赌的是智能还远没到头，堆算力还有十年的饭。
追大模型公司IPO的，赌的是模型本身能长出超级应用，通吃行业利润。港股那两家大模型公司，智谱一个月跌去三分之二，Minimax跌穿了发行价，有人一腔憧憬，有人一朝梦碎。
投应用的，赌的是模型会变成水电煤；那些把筹码放在光互联、激光器这些铲子上的，赌的是要想富先修路。
甚至不投也是下注。空仓观望，赌的是这是一场终将破灭的泡沫。
看台之上和赛场之内，都在纠结着同一个问题：大模型这个东西，到底是不是真正的智能。
这两天同样刷屏的Kimi新模型预告片，你们想必都看了，Kimi的taste是真好。37秒，没有一句台词，就拍了一个1851年的实验：法拉第把铁屑撒在纸板上，纸板底下放一块磁铁，轻轻一晃，铁屑自己排成了一圈圈的磁力线。
铁屑是看得见的，但磁场是看不见的。看不见的东西，组织了看得见的东西。
Kimi的老板杨植麟，是清华计算机系本科年级第一，他曾组建了滚乐队还担任鼓手、创作词曲，但在学校原创音乐大赛的决赛中败北，不过这回广告牌的调性着实是扳回一局。
不谈参数，不秀跑分，去拍一个170多年前的物理实验。我理解他在说，模型就是一个场。输入是零散的，输出是整齐的，中间发生的一切，你看不见，但它确实在组织着什么。
那么，大模型到底是不是一个场，智能是不是一个场呢？
什么叫场。法拉第之前，人们只认实体，你推我一下我动一下，万事都有个看得见的中介。法拉第说不对，磁铁周围空无一物的空间里，有一种真实存在的东西在起作用。这是人类第一次接受看不见但真实存在的因果实体。后来麦克斯韦把它写成方程，场成了现代物理的基石。
什么不是场。一个无穷大的题库就不是。把人类说过的话都存下来，存得足够密，检索插值做得足够好，看起来就什么都会。
如果是题库，那智商这个词对它就不适用，堆算力的收益递减是宿命，现在的高估值迟早要还。如果是场，那智能就不是碳基的专利，而是一种或许可以在不同基质上重复的物理现象，就像磁性可以在铁、钴、镍上都出现一样，眼下的瓶颈都只是工程问题，时间站在AI 的信仰者一边。
两种答案，背后是两套完全不一样的估值逻辑。信哪一个，注就下在哪一边。
————————
paper 渐丰，论据日隆。
最近又有几块新的研究成果落下来，值得认真看。
第一块，是Anthropic七月初发的一篇论文（Verbalizable Representations Form a Global Workspace in Language Models，2026年7月）。他们做了一个叫雅可比透镜的工具，能读出模型脑子里正在想但还没说出口的东西。
结果发现，模型内部有一个类似人脑全局工作空间的结构。读代码读到一半，内部已经亮起了错误这个概念，但嘴上还没说。遇到伪造的提示注入，内部已经识破了，输出若无其事。伸手进去把蜘蛛这个概念抠掉换成蚂蚁，答案就从八条腿变成了六条腿。
神奇的是，这个结构不是人设计的，是训练里自己长出来的。
认知科学里有个经典理论叫全局工作空间，说人脑百分之九十五以上的神经活动是无意识的后台处理，只有极少数信息能被报告、被调用、被灵活加工。你能意识到自己正在想什么，靠的就是这个小舞台。
现在模型内部自发长出的这个结构，只占激活总量的不到百分之十，同一时刻容纳的概念不超过二十五个，和人脑工作记忆的容量惊人地相似。换句话说，模型脑子里百分之九十五以上的活动，是它自己永远说不出来的。跟它聊的天全都只是那百分之十的水面部分。
第二块，是马里兰大学一个3.5B参数的小模型（Scaling up Test-Time Compute with Latent Reasoning，arXiv: 2502.05171）。它思考的方式不是生成更多文字，而是在内部把一个循环块迭代几十次，一个字不说，性能最高能等效五百亿参数的模型。看paper上的意思是，简单的问题它想得少，难的问题它自动想得多。（其实真听不懂）
这也和人脑对得上。人说出口之前，大量的思考是神经元复杂的反复放电，自己都意识不到，更别说言传。语言从来不是思考的容器，只是思考的出口。
第三块来自竞赛场。就在上周，第67届国际数学奥林匹克在上海落幕，小红书一个还没正式发布的轻量模型受邀参赛，六题全对，满分。这个星球上能做到的人类选手，一只手数得过来。去年大模型刚摸到金牌线，今年直接满分。
————————
害怕错过，不怕过错
智能的感觉越来越神奇了，不过别着急下注，天平另一端的东西同样真实。
一是概念的模糊。智能、意识、世界模型这些词，目前没有统一的定义。定义模糊，就给了厂商重新定义的空间，把微小的技术进步包装成革命性的突破，只要把词的含义悄悄换一下就行。
你看世界模型这个词，现在已经被贴上了各种定语，因果的、4D的、原生的、力感知的等等。
二是评测的局限。现在的评测集很容易被刷分，模型可能只是会应试，而不是真掌握了能力。IMO能拿满分，但我闺女的同一道高考物理题换个问法就做错了，这两件事可以同时为真。营销只管宣传分数，分数是怎么来的门道就多了。
有个词最近很有名，叫声明与证据错配，反正证据也无法证伪我，我就先声明。就像那份梁文锋语录，说到底也是一次错配，声明这是他说的，证据是不知道转了几手的截图。
三是害怕错过的FOMO情绪。谁都怕错过下一个OpenAI。怕错过，就倾向于相信宏大的声明；倾向于相信，就放松了对证据的审查。于是定价领先于验证，情绪领先于财报。
怕错过的情绪很大程度上参与了当前AI的定价。情绪走在信仰前面，这在历史上每一轮大行情里，都是要还账的。
上个月港股有家做蜜饯的公司溜溜梅上市，因为股票简写恰好是LLM，首日暴涨近两倍。我晕，LLM这个词已经这么普及了吗？
你说智能到来了吧，封闭系统之外的应用迟迟不见突破；你说智能是稀缺吧，国产模型API价格一降再降，有厂商直接宣布永久五折，DeepSeek还搞起了峰谷定价，如果是真智能，不该这么快就按吨卖吧。
————————
资本玩high了
Anthropic最新一轮估值9650亿美元，反超OpenAI的8520亿，成了全球最贵的AI公司。贵有贵的道理：年化收入从去年底的90亿美元，一路飙到今年5月的470亿美元，连续三年十倍增长，企业客户贡献了八成。美国大模型这张桌上最大的筹码，是有真金白银的营业收入垫着的。
同一张桌上还有另一种筹码，就是人。Ilya的SSI，零产品、零收入，估值320亿美元；Mira Murati的新公司，产品刚发布不久，估值500亿美元。
Ilya是这一轮AI革命源头处的人，他是Hinton的学生， OpenAI的联合创始人和前首席科学家，GPT系列的技术总设计师，也是最早押注规模法则的人，2024年离开OpenAI后创办了SSI。至于那位Mira，曾是OpenAI的CTO，宫斗那几天还当过临时CEO。她出来创业，带走了几乎是把ChatGPT调教出师的那套手艺的原班人马。
中国大模型这一桌，版本不太一样，不过戏剧性一点不差。半年前的大模型公司估值现在看起来都成为了古代史，人间一天，模型一年：
半年前智谱估值100亿人民币，后来港股上市，市值一度冲到1.33万亿港元，又在7月解禁后回落到6000亿上下；
MiniMax市值从高点4000多亿港币回撤超过八成，目前市值已不足700亿港元；
月之暗面今年这半年连融四轮，估值涨到最新一轮的约500亿美元，半年涨了近十倍；
DeepSeek在三年零外部融资之后，仅仅六周内连开两轮，新一轮估值710亿美元！
梁文锋说，融资的最大用途不是买卡，是解除团队稳定性这个唯一不能退让的风险。深刻！
曾经的市场，因为缺乏，所以金贵；因为有商业回报，所以有资本投入。现在不是这样了，对硅基的智能开出天价，仅仅因为相信。因为相信，资本市场每天都在创造历史。
————————
泡沫是新技术的集结号
资本市场有个老脾气：真正的大趋势来临时，它从来不是温吞水，一定是带着泡沫冲进去的。
1999年高通一年涨了27倍，后来泡沫退了，但3G的专利墙和一整代通信工程师留下了。2020年特斯拉一年八倍，信仰破过好几次，但电动车的产业链和供应链被那股资本洪流冲了出来。英伟达两年十倍，催出了今天这些光互联、激光器项目的真实需求。
在大趋势里，估值上涨，不只是在计算什么，更是在召集什么。判断这场喧嚣，更好的问法不是它贵不贵，而是它退去之后，会沉淀下什么。
中国这一轮AI热，大概率会留下三样东西：
全球最活跃的开源模型生态，在十万卡国产算力上训出旗舰模型的能力，和被赚钱效应聚集起来的全球顶级人才。这三样，倒是值得资本市场的一次狂欢，也是全社会在为硅基智能的诞生众筹。
————————
富贵险中求
只要在AI上车的，估值都在按终局要价，但鱼龙混杂，泥沙俱下，更要加倍小心。
物理世界的模型还是有风险。语言世界容错率高，错了重来就是。编程为什么成了第一个被AI彻底改造的行业，因为代码是个封闭系统，跑得通就是跑得通，跑不通就报错，错了代价几乎为零。
但物理世界没有撤回键。银行客服为什么不能全换成AI，不是模型不够聪明，而是客户的任何一个投诉都是真实的损失。自动驾驶跑了这么多年，不装方向盘的车的进展明显弱于预期了（即使不考虑法律和责任等更复杂的社会因素）。
高质量物理交互的数据，中美都缺；至于模型的长时记忆缺乏问题，听说在像人脑海马体和皮层的分工模式学习，但仍未突破。如今AGI的叙事似乎全在指望物理世界的模型，但新的涌现效应能不能突破，虽翘首企盼，但众说纷纭。
AI infra赛道的风险也不小。token优化、推理加速、提示词工程等等，从业者众，以前投资人还挨个看看，现在忽然意识到，下一代模型一发版，你优化半年的东西，人家顺手就内置了。
那筹码该往哪放呢？在智能这个概念和应用还远未定型、而很多估值已经按终局定价的当下：二级市场的筹码肯定要格外小心；一级市场里，举例来说，对碳基智能，投点生物医药，那是碳基生命绕不开的刚需；对硅基智能，投点光电互联，那是比特数据绕不开的通路。等等。
————————
铁屑排成磁力线的那一刻，看不见的东西第一次露出了痕迹。这一代投资人吧，恰好站在磁铁和铁屑之间，看着一个行业的铁屑在缓缓移动，只是还不知道磁力线的模样。
喧嚣归喧嚣，下注归下注，作为投资人只能时刻保持对技术和市场的冷静观察，别激动、别慌张，别全信、更别走。
AI喧嚣中的押注
28 14
光的风险与机会
前天和团队去清华大学罗姆楼拜访了罗毅院士。罗老师是1978级清华无线电系出身，增益耦合DFB激光器的开创者之一，中国工程院院士。中国的半导体光电子这个学科，很大程度上是他回国以后在清华一手拉起来的。
请教了不少问题。大模型的scaling会不会撞墙？光计算是不是下一个颠覆？纯光交换什么时候替代电交换？中国的光芯片走到了哪一步？等等。周末，把前几天的学习笔记和思考整理如下。
————————
AI信仰并未坍塌
总体上，现在是一个好的投资时代，因为AI是几十年不遇的大机遇。对当前泡沫的认知不能浅薄，美国大厂几千亿美元地砸算力，也许有他们看到而我们还没看到的东西，那些穿越过周期的投资机构持续加码，不仅是跟风。
对AI黑箱的疑虑，近来的几篇paper中也看出来了新进展。预测下一个词这种训练方式的背后，也存在模型内部自发长出和人脑相似功能架构的情况。这也许说明AI的所谓智能和人脑的智能类似，不太像纯粹的巧合，更像某种约束下的必然解。
AI时代下面需要破题的，一个是看应用端进展的速度是否可以尽快跟上情绪的热度，另一个是看transformer这套架构，在物理世界还能不能继续涌现。
语言世界的涌现已经发生了，但文字答错了代价很小，物理世界就不一样。纯聊天的大模型，没有物理世界的skin in the game，它说端一杯咖啡，只是文字，不会真打翻杯子，不会造成任何实际损失。人形机器人操作失误打翻了热水，会有安全风险，研发和运营方要真金白银承担代价，这才是在物理世界里押上了自己。这一步，还有距离，还有不确定性。
我把这个疑问当面抛给了罗院士：靠堆数据、堆算力的scaling，会不会撞墙？将来把物理世界的时空信息加进来，还有没有规模效应？
他的回答很实在：你说得对，但不论往哪个方向演进，首先会跟不上的是算力。微电子和光电子本身的发展速度，跟不上模型的胃口，能耗越来越厉害，成本越来越厉害，走着走着，这堵墙就过不去了。
但他接着说，墙下面往往会爆发出新的机会。比如把数据本身的时空信息放进来，配上更精巧的算法，模型未必需要无限大。他还补了一句让我印象很深的话：不管大模型将来往哪个方向调整，集成电路芯片和光电芯片，都是更根本的东西。
我的理解是：涌现什么时候再来、以什么方式来，没人知道，这属于信仰和节奏的范畴。但有一件事不依赖信仰，那就是数据必须跑得越来越快，铜跑不动了，必须换光。这是物理定律定的，不归情绪管。
————————
光计算，眼下还是故事
光电这个行当如今是风口浪尖，一寸光铟（磷化铟）一寸金。大体的全产业链情况是：算力中心里，GPU出来的电信号，先到交换芯片做调度，再到光模块。光模块是个翻译站，里面装着三大类器件：一是电芯片，DSP负责信号整形、Driver负责驱动、TIA负责接收放大；二是光芯片，发射端的激光器、接收端的探测器；三是无源器件，透镜、隔离器、波分复用器等。
光模块把电翻译成光，送进光纤，光纤跑到对端，另一个光模块再翻译回电。更上游还有材料，InP衬底、铌酸锂晶圆；还有设备，MOCVD外延炉、电子束光刻机、测试仪表等等。
我问罗院士，光能用来做计算吗？光计算的故事现在仍然很多。
老先生做了一辈子光，回答却毫不客气：说光计算的，普遍有点忽悠。计算这件事，电是最厉害的。一个CMOS芯片，指甲盖大就是几百亿个晶体管。换成光来做，同样大的地方放不了几个器件，根本完成不了这个计算量。微电子搞不定的事，让光来干，大概率不行。
那有没有一点机会？有，在感知端。摄像头本身就是光学的，在光变电的那个环节提前介入，把一个T的原始数据直接压成一百兆，后面的电算就轻松了。这是光计算可以在特定领域做的事，但离大规模产业化也还早。
所以主业做传统计算、拿光计算当远景的公司，逻辑上还讲得通。只有畅想、没有主业的，就要小心了。
我理解，光在逻辑计算上难敌电子，这个判断是对的。但在模拟计算和特定的矩阵运算上，比如AI推理里大量的乘加运算，光的并行性和低功耗是有物理上的天然优势的。将来如果架构上有创新，光计算未必没有突破口。这是一个值得长期观察的变量，不妨碍眼下的主线判断：投资先看传输。
————————
纯光交换，说了几十年还是概念
我又问，纯光交换呢，OCS这个概念也火了很多年。罗院士说，这个概念说了几十年，到今天仍然几乎不行，三个死穴。
第一，光没法存。交换的本质是存储转发，路堵了数据得停下来等一等，电很容易，光做不到。
第二，光容易串。两路信号走着走着就互相干扰，要把串扰压下去，速度就慢得不如电了。
第三，损耗。光纤每公里损耗只有0.22个dB，但光一旦离开光纤、进入芯片上的波导，损耗大约是一千倍。波导做得细，还要频繁转弯，侧壁是刻蚀出来的，天然粗糙，光一路走一路掉功率，一个复杂交换结构走下来，信号就没剩多少了。
所以现在全世界数据中心的现实方案是：光只管跑，电管算和调度。光信号进了交换机，先变回电，进缓存、排队、查表，再决定从哪个端口出去。
谷歌倒是真用了光交换，但那是用微镜把整条光路切来切去，做网络拓扑的重构，一切换管好几天，根本不处理单个数据包。这恰恰说明光只能干粗活，细活还得是电。
光的归传输，电的归计算和交换。这个分工在可见的将来不会变。
既然光的主战场在传输，那接下来的问题就是：这条传输的路，离核心算力到底有多近？
————————
光正在一层一层走进芯片
光在传输这条路上，正在由远及近走三层。
第一层，机柜和机柜之间、交换机和交换机之间，百米量级，对应今天的800G、1.6T可插拔光模块，以及正在起来的CPO共封装光学。这一层已经是产业现实，是今天离钱最近的地方。
第二层，同一台服务器内部、芯片和芯片之间，厘米量级，今天几乎百分之百是铜。把光嵌入GPU封装，也就是OIO，是最难也最性感的一步。这一层一旦打通，对光学行业是纯增量，因为今天那里根本没有光。
第三层，数据中心和数据中心之间，几十到几百公里，对应骨干网和专线，是相对成熟的电信市场。
英伟达的动作是最好的路标：CPO公开推，最靠近GPU的那一层继续守铜，同时悄悄投资了一家做光学频率梳的美国初创公司Xscape。近期的产品、未来的入口、终局的技术，每个位置放一枚棋子。
————————
卡脖子依然严峻
中国是模块强、芯片弱。当前最紧俏的200G EML激光器，全球只有Lumentum和Coherent两家能稳定量产，订单已经排到2028年，这块的国产化率仍然基本为零。而且速率越高，光芯片在模块成本里占比越高，800G以上的模块，光芯片占到六到七成。
为什么国产高端光芯片起不来？那天罗院士讲了一个我过去不知道的细节。
行业里激光器的良率普遍只有三到四成，大家以为是工厂管理的问题。其实不是。传统的激光器靠一排周期240纳米的光栅挑选波长，而光栅调制的只是折射率，一道齿高，一道槽低，光在里面叠加成驻波后，天然有两种站法，一种波峰落在齿上，一种落在槽里，两种站法看到的增益一模一样，激光器自己无法抉择，两个模式就一起起来，稍有不对称就出错。生产时只能靠芯片两端解理面的随机相位去打破平衡，相位站对了是好管子，站错了就是废品。行业主流的补救办法，是在光栅正中间做一个四分之一波长的相位突变，人为把单个模式拉出来，但这对加工精度要求极高，大功率下还有空间烧孔的问题。所以这是写在物理里的天花板，买再好的设备、做再好的工艺控制也没用，三十年前国际上就清楚这件事。
罗院士回国后带头做出的增益耦合激光器，换了一条路线，原理上就只有一个模式，天花板自然抬上去了，实验室里的良率已经做到八九成。什么是技术门槛？这才是，写在物理原理里的，不是写在PPT里的。
还有一个更具体的卡点。传统路线有一道工序必须用电子束光刻机，设备从日本进口，一台两千多万，一天只能写几片，订货周期两三年。国内有头部公司订了十几台，到现在进不来，产能被一台设备死死卡住。换一条工艺路线，用激光干涉曝光一次成型，虽然技术难度极高，但理论上能绕开这个设备瓶颈。
当然，无论将来技术路线怎么争，光源都绕不开。DFB阵列要激光器，CPO的外置光源要激光器，就连被看作终局方案的光学频率梳——一个微型谐振腔，注入一束激光，靠非线性效应梳出几十上百路波长，2005年诺贝尔物理学奖的技术——也需要一颗极高性能的激光器做泵浦源。谁掌握了高性能光源，谁就站在所有路线的上游。
还有电芯片。光模块里的DSP被博通、Marvell几家垄断，用的还是最先进的制程，国产化率比光芯片还低，只是不在聚光灯下，讲的人少。
还有上游的材料和设备。InP衬底捏在日本和美国厂商手里，MOCVD外延炉被德国和美国垄断，都是绕不开的现实。
这些卡脖子的领域都被掐得生疼，但也恰恰是国产替代和投资人的机会所在。
————————
二级市场的股价缺乏支撑
7月6号，我在公众号写了一篇科技股必将大幅回调的文章。讲了极大共识带来的固有风险、国内外的AI叙事透支预期、应用端的商业化拖累等几个事。结果留言（不敢翻出来）把我骂惨了，骂什么的都有，AI当下不允许唱衰的情绪，最后演化成了个人攻击。我很少评论二级市场，写那篇只是觉得二级追高的风险已经很明显了，真正想说的是一级也有机会。后来我把文章删了，算了，不受这份气了。几天之后的巨幅回调都看到了，不知道在我这里撒气的小登们还骂不骂了。
言归正传，除了上面说的技术和产品端的卡点，光电领域还有一层在市场结构里的风险也是过高估值的隐忧：整条链的需求，还高度绑定在北美四大云厂的资本开支上面。中国公司的收入大头又在海外，AI一旦回调，模块、芯片、材料一起感冒。
二级市场的股价过高目前是缺乏支撑的，中际旭创和源杰科技今天的市值，是当年的一级市场投资人自己也没有想到的。二级的价格传导到了一级，有的公司连几百毫瓦的激光器都还搞不定，估值就已经喊到了几百亿。在二级市场追高，已经不如在一级市场做早期布局。
一级市场布局也要有策略，因为这个行业其实每一层都仍有路线之争，EML对硅光，可插拔对CPO，DFB阵列对光频梳等等，押错路线就是沉没成本。解法就是前面那句话，不押路线，押绕不开的环节。
————————
看AI项目，有这三个原则供参考
这几年在AI赛道看了太多项目，我给自己定了三条原则：长期空间、技术门槛、足够便宜。
长期空间。AI是几十年不遇的大方向，这个我不怀疑。谨慎的地方也说过了，物理世界的涌现还有距离和不确定性，但这不影响信不信，只校准仓位。
技术门槛。要一层一层往下问，问到物理原理那一层才算数。甚至可以大胆设问，GPU会不会变成光伏？先进封装是不是人人都会做？良率的天花板是管理问题还是原理问题？波长的成本是线性涨还是几乎不涨？等等。门槛写在物理和机制里的，才是真门槛，写在融资材料里的，不算。
足够便宜。共识极致的地方，往往就是阶段性的顶点，方向正确，不等于任何时候买都对。因为有很大的不确定性，所以便宜才是王道，估值太高就算了，不怕错过。
————————
最近有幸请教了好几位不同领域院士的意见，都受益匪浅。听完清华大学罗老师的指导，更确信的是，虽然资本市场总是在超买和超卖之间摇摆，但铜的物理极限不会变，光进机房和进封装这件事也不会变，科学和投资都要有第一性原理。
作为投资人，AI有泡沫的这种泛泛而谈并无意义，由AI带来的算力和互联一定仍然存在重大机会。疯狂的二级市场，回调有没有结束没人知道，但只要门槛够高和价格合适，最好的投资可能仍将归属于那些对AI的坚定信仰者们。共勉。
前天和团队去清华大学罗姆楼拜访了罗毅院士。罗老师是1978级清华无线电系出身，增益耦合DFB激光器的开创者之一，中国工程院院士。中国的半导体光电子这个学科，很大程度上是他回国以后在清华一手拉起来的。
请教了不少问题。大模型的scaling会不会撞墙？光计算是不是下一个颠覆？纯光交换什么时候替代电交换？中国的光芯片走到了哪一步？等等。周末，把前几天的学习笔记和思考整理如下。
————————
AI信仰并未坍塌
总体上，现在是一个好的投资时代，因为AI是几十年不遇的大机遇。对当前泡沫的认知不能浅薄，美国大厂几千亿美元地砸算力，也许有他们看到而我们还没看到的东西，那些穿越过周期的投资机构持续加码，不仅是跟风。
对AI黑箱的疑虑，近来的几篇paper中也看出来了新进展。预测下一个词这种训练方式的背后，也存在模型内部自发长出和人脑相似功能架构的情况。这也许说明AI的所谓智能和人脑的智能类似，不太像纯粹的巧合，更像某种约束下的必然解。
AI时代下面需要破题的，一个是看应用端进展的速度是否可以尽快跟上情绪的热度，另一个是看transformer这套架构，在物理世界还能不能继续涌现。
语言世界的涌现已经发生了，但文字答错了代价很小，物理世界就不一样。纯聊天的大模型，没有物理世界的skin in the game，它说端一杯咖啡，只是文字，不会真打翻杯子，不会造成任何实际损失。人形机器人操作失误打翻了热水，会有安全风险，研发和运营方要真金白银承担代价，这才是在物理世界里押上了自己。这一步，还有距离，还有不确定性。
我把这个疑问当面抛给了罗院士：靠堆数据、堆算力的scaling，会不会撞墙？将来把物理世界的时空信息加进来，还有没有规模效应？
他的回答很实在：你说得对，但不论往哪个方向演进，首先会跟不上的是算力。微电子和光电子本身的发展速度，跟不上模型的胃口，能耗越来越厉害，成本越来越厉害，走着走着，这堵墙就过不去了。
但他接着说，墙下面往往会爆发出新的机会。比如把数据本身的时空信息放进来，配上更精巧的算法，模型未必需要无限大。他还补了一句让我印象很深的话：不管大模型将来往哪个方向调整，集成电路芯片和光电芯片，都是更根本的东西。
我的理解是：涌现什么时候再来、以什么方式来，没人知道，这属于信仰和节奏的范畴。但有一件事不依赖信仰，那就是数据必须跑得越来越快，铜跑不动了，必须换光。这是物理定律定的，不归情绪管。
————————
光计算，眼下还是故事
光电这个行当如今是风口浪尖，一寸光铟（磷化铟）一寸金。大体的全产业链情况是：算力中心里，GPU出来的电信号，先到交换芯片做调度，再到光模块。光模块是个翻译站，里面装着三大类器件：一是电芯片，DSP负责信号整形、Driver负责驱动、TIA负责接收放大；二是光芯片，发射端的激光器、接收端的探测器；三是无源器件，透镜、隔离器、波分复用器等。
光模块把电翻译成光，送进光纤，光纤跑到对端，另一个光模块再翻译回电。更上游还有材料，InP衬底、铌酸锂晶圆；还有设备，MOCVD外延炉、电子束光刻机、测试仪表等等。
我问罗院士，光能用来做计算吗？光计算的故事现在仍然很多。
老先生做了一辈子光，回答却毫不客气：说光计算的，普遍有点忽悠。计算这件事，电是最厉害的。一个CMOS芯片，指甲盖大就是几百亿个晶体管。换成光来做，同样大的地方放不了几个器件，根本完成不了这个计算量。微电子搞不定的事，让光来干，大概率不行。
那有没有一点机会？有，在感知端。摄像头本身就是光学的，在光变电的那个环节提前介入，把一个T的原始数据直接压成一百兆，后面的电算就轻松了。这是光计算可以在特定领域做的事，但离大规模产业化也还早。
所以主业做传统计算、拿光计算当远景的公司，逻辑上还讲得通。只有畅想、没有主业的，就要小心了。
我理解，光在逻辑计算上难敌电子，这个判断是对的。但在模拟计算和特定的矩阵运算上，比如AI推理里大量的乘加运算，光的并行性和低功耗是有物理上的天然优势的。将来如果架构上有创新，光计算未必没有突破口。这是一个值得长期观察的变量，不妨碍眼下的主线判断：投资先看传输。
————————
纯光交换，说了几十年还是概念
我又问，纯光交换呢，OCS这个概念也火了很多年。罗院士说，这个概念说了几十年，到今天仍然几乎不行，三个死穴。
第一，光没法存。交换的本质是存储转发，路堵了数据得停下来等一等，电很容易，光做不到。
第二，光容易串。两路信号走着走着就互相干扰，要把串扰压下去，速度就慢得不如电了。
第三，损耗。光纤每公里损耗只有0.22个dB，但光一旦离开光纤、进入芯片上的波导，损耗大约是一千倍。波导做得细，还要频繁转弯，侧壁是刻蚀出来的，天然粗糙，光一路走一路掉功率，一个复杂交换结构走下来，信号就没剩多少了。
所以现在全世界数据中心的现实方案是：光只管跑，电管算和调度。光信号进了交换机，先变回电，进缓存、排队、查表，再决定从哪个端口出去。
谷歌倒是真用了光交换，但那是用微镜把整条光路切来切去，做网络拓扑的重构，一切换管好几天，根本不处理单个数据包。这恰恰说明光只能干粗活，细活还得是电。
光的归传输，电的归计算和交换。这个分工在可见的将来不会变。
既然光的主战场在传输，那接下来的问题就是：这条传输的路，离核心算力到底有多近？
————————
光正在一层一层走进芯片
光在传输这条路上，正在由远及近走三层。
第一层，机柜和机柜之间、交换机和交换机之间，百米量级，对应今天的800G、1.6T可插拔光模块，以及正在起来的CPO共封装光学。这一层已经是产业现实，是今天离钱最近的地方。
第二层，同一台服务器内部、芯片和芯片之间，厘米量级，今天几乎百分之百是铜。把光嵌入GPU封装，也就是OIO，是最难也最性感的一步。这一层一旦打通，对光学行业是纯增量，因为今天那里根本没有光。
第三层，数据中心和数据中心之间，几十到几百公里，对应骨干网和专线，是相对成熟的电信市场。
英伟达的动作是最好的路标：CPO公开推，最靠近GPU的那一层继续守铜，同时悄悄投资了一家做光学频率梳的美国初创公司Xscape。近期的产品、未来的入口、终局的技术，每个位置放一枚棋子。
————————
卡脖子依然严峻
中国是模块强、芯片弱。当前最紧俏的200G EML激光器，全球只有Lumentum和Coherent两家能稳定量产，订单已经排到2028年，这块的国产化率仍然基本为零。而且速率越高，光芯片在模块成本里占比越高，800G以上的模块，光芯片占到六到七成。
为什么国产高端光芯片起不来？那天罗院士讲了一个我过去不知道的细节。
行业里激光器的良率普遍只有三到四成，大家以为是工厂管理的问题。其实不是。传统的激光器靠一排周期240纳米的光栅挑选波长，而光栅调制的只是折射率，一道齿高，一道槽低，光在里面叠加成驻波后，天然有两种站法，一种波峰落在齿上，一种落在槽里，两种站法看到的增益一模一样，激光器自己无法抉择，两个模式就一起起来，稍有不对称就出错。生产时只能靠芯片两端解理面的随机相位去打破平衡，相位站对了是好管子，站错了就是废品。行业主流的补救办法，是在光栅正中间做一个四分之一波长的相位突变，人为把单个模式拉出来，但这对加工精度要求极高，大功率下还有空间烧孔的问题。所以这是写在物理里的天花板，买再好的设备、做再好的工艺控制也没用，三十年前国际上就清楚这件事。
罗院士回国后带头做出的增益耦合激光器，换了一条路线，原理上就只有一个模式，天花板自然抬上去了，实验室里的良率已经做到八九成。什么是技术门槛？这才是，写在物理原理里的，不是写在PPT里的。
还有一个更具体的卡点。传统路线有一道工序必须用电子束光刻机，设备从日本进口，一台两千多万，一天只能写几片，订货周期两三年。国内有头部公司订了十几台，到现在进不来，产能被一台设备死死卡住。换一条工艺路线，用激光干涉曝光一次成型，虽然技术难度极高，但理论上能绕开这个设备瓶颈。
当然，无论将来技术路线怎么争，光源都绕不开。DFB阵列要激光器，CPO的外置光源要激光器，就连被看作终局方案的光学频率梳——一个微型谐振腔，注入一束激光，靠非线性效应梳出几十上百路波长，2005年诺贝尔物理学奖的技术——也需要一颗极高性能的激光器做泵浦源。谁掌握了高性能光源，谁就站在所有路线的上游。
还有电芯片。光模块里的DSP被博通、Marvell几家垄断，用的还是最先进的制程，国产化率比光芯片还低，只是不在聚光灯下，讲的人少。
还有上游的材料和设备。InP衬底捏在日本和美国厂商手里，MOCVD外延炉被德国和美国垄断，都是绕不开的现实。
这些卡脖子的领域都被掐得生疼，但也恰恰是国产替代和投资人的机会所在。
————————
二级市场的股价缺乏支撑
7月6号，我在公众号写了一篇科技股必将大幅回调的文章。讲了极大共识带来的固有风险、国内外的AI叙事透支预期、应用端的商业化拖累等几个事。结果留言（不敢翻出来）把我骂惨了，骂什么的都有，AI当下不允许唱衰的情绪，最后演化成了个人攻击。我很少评论二级市场，写那篇只是觉得二级追高的风险已经很明显了，真正想说的是一级也有机会。后来我把文章删了，算了，不受这份气了。几天之后的巨幅回调都看到了，不知道在我这里撒气的小登们还骂不骂了。
言归正传，除了上面说的技术和产品端的卡点，光电领域还有一层在市场结构里的风险也是过高估值的隐忧：整条链的需求，还高度绑定在北美四大云厂的资本开支上面。中国公司的收入大头又在海外，AI一旦回调，模块、芯片、材料一起感冒。
二级市场的股价过高目前是缺乏支撑的，中际旭创和源杰科技今天的市值，是当年的一级市场投资人自己也没有想到的。二级的价格传导到了一级，有的公司连几百毫瓦的激光器都还搞不定，估值就已经喊到了几百亿。在二级市场追高，已经不如在一级市场做早期布局。
一级市场布局也要有策略，因为这个行业其实每一层都仍有路线之争，EML对硅光，可插拔对CPO，DFB阵列对光频梳等等，押错路线就是沉没成本。解法就是前面那句话，不押路线，押绕不开的环节。
————————
看AI项目，有这三个原则供参考
这几年在AI赛道看了太多项目，我给自己定了三条原则：长期空间、技术门槛、足够便宜。
长期空间。AI是几十年不遇的大方向，这个我不怀疑。谨慎的地方也说过了，物理世界的涌现还有距离和不确定性，但这不影响信不信，只校准仓位。
技术门槛。要一层一层往下问，问到物理原理那一层才算数。甚至可以大胆设问，GPU会不会变成光伏？先进封装是不是人人都会做？良率的天花板是管理问题还是原理问题？波长的成本是线性涨还是几乎不涨？等等。门槛写在物理和机制里的，才是真门槛，写在融资材料里的，不算。
足够便宜。共识极致的地方，往往就是阶段性的顶点，方向正确，不等于任何时候买都对。因为有很大的不确定性，所以便宜才是王道，估值太高就算了，不怕错过。
————————
最近有幸请教了好几位不同领域院士的意见，都受益匪浅。听完清华大学罗老师的指导，更确信的是，虽然资本市场总是在超买和超卖之间摇摆，但铜的物理极限不会变，光进机房和进封装这件事也不会变，科学和投资都要有第一性原理。
作为投资人，AI有泡沫的这种泛泛而谈并无意义，由AI带来的算力和互联一定仍然存在重大机会。疯狂的二级市场，回调有没有结束没人知道，但只要门槛够高和价格合适，最好的投资可能仍将归属于那些对AI的坚定信仰者们。共勉。
184 1558
7月9日公众号写了一篇科技股必将大幅回调的文章。
极大共识带来的固有风险、国内外业务进展、应用端拖累几个事。
结果留言被骂惨了，虽然我不翻出来但自己都实在看不过去了。
骂什么的都有，不允许我对AI和存储唱衰的情绪演化成个人攻击。
然后把文章删了，不受这份气了。
极大共识带来的固有风险、国内外业务进展、应用端拖累几个事。
结果留言被骂惨了，虽然我不翻出来但自己都实在看不过去了。
骂什么的都有，不允许我对AI和存储唱衰的情绪演化成个人攻击。
然后把文章删了，不受这份气了。
82 127