博主头像

👤 同一博主

按发布时间查看该博主的全部资讯要点

查看全部博主 →
博主头像

🎬 捆绑、失控、崩塌边缘:华为与赛力斯为何走向“分手”境地?深入分析华为汽车业务困境

🚗 事件背景与模式转变 官方声明:鸿蒙智行发布说明,即日起问界的产品定义、设计、品牌营销、销售渠道及服务体系由赛力斯主导,华为终端参与赋能;用户权益不受影响,合作调整为“轻资产模式”。 角色重构:此前华为承担全流程运营(人力、营销、门店等),属重资产打法;调整后华为退至技术供应层(座舱、自驾、三电),固定开支与运营责任转由赛力斯承担。 📉 合作历程与业绩转折 早期困境:2019年车BU成立,定位T1+增量部件供应商;任正非曾签发文件重申“华为不造车”。2021年余承东接手车BU,同年发布问界品牌。当时赛力斯连续4年…

博主头像

🎬 特斯拉“无稀土”电机深度拆解:它是如何省掉520g稀土的?能绕开中国稀土“护城河”吗?

🧠 核心观点 特斯拉 Cybercab 采用“无稀土”电机并非彻底摒弃稀土元素,而是通过材料置换与场景限定实现特定条件下的去稀土化。 该方案大概率仅适用于气候温暖、固定路线运营的 Robotaxi 服务,无法全面替代传统永磁电机在长途自驾车型中的应用。 试图仅靠电机端减少稀土依赖来摆脱对华供应链控制属于伪命题,整车制造中电池材料(如磷酸铁锂)的稀土及关键矿物依赖依然极高。 📊 关键事实与论据 性能指标:Cybercab 驱动单元体积缩小 18%,重量减轻 15%,功率达 163kW,48度电池实现 471km 续航…

博主头像

🎬 人类正式进入埃米时代?!台积电1.6nm进入量产倒计时,深度剖析A16的技术密码

🧠 核心观点 台积电 A16 制程并非单纯缩小晶体管尺寸,而是通过背面供电技术实现电与信号的彻底分离,标志着半导体产业从单一微缩向系统级整合转变。 随着摩尔定律红利收窄,性能瓶颈已从计算转向数据搬运,先进封装、硅光子及芯片内液冷成为下一阶段竞争的关键战场。 📊 关键事实/论据 制程参数:A16 预计于 2026 年第四季度量产,相比 N2P 在同等功耗下速度提升 8%-10%,功耗降低 15%-20%,密度提升约 10%。 技术突破:采用“超级电轨”背面供电,将晶圆背面硅磨至不足 1 微米,直接连接晶体管源漏极,避…

博主头像

🎬 英伟达CPO全面量产,“硅光时代”真的要来了?一次讲清硅光互联的产业逻辑

📰 核心事件与背景 英伟达官宣 Spectrum X 以太网硅光交换机全面量产,成为全球首个量产的单通道 200G 交换机系统。 此举标志着 CPO(共封装光学)技术从实验室走向数据中心商业化落地。 背景是 AI 大模型训练算力需求每年以 4-5 倍速度暴涨,而芯片制程进入瓶颈,传统电信号互联成为集群扩展的主要瓶颈。 在超大集群中,网络传输延迟和拥塞导致 GPU 有效算力利用率(MFU)从单机环境的 60% 左右腰斩至 30% 以下。 🔬 技术原理与演进 硅光互联将信息载体从电信号换为光信号,利用硅基表面构建微米级…

博主头像

🎬 中美AI争霸:中国开源模型为何越打越强?深度拆解“另辟蹊径”的逆袭逻辑

🌏 中美AI竞争格局:开源逆袭与另辟蹊径 💡 核心观点 2026年中美AI竞争进入关键胶着期,双方均处于“拼命”状态但无人真正领先。美国依靠硬件代差、生态壁垒和巨额资本投入试图构建闭源垄断闭环;中国则在芯片受限背景下,通过开源模型打破定价权、利用光互联技术弥补算力短板、依托庞大端侧场景实现商业化落地,形成“另辟蹊径”的韧性反击逻辑。AI竞赛的主战场已从实验室转向产业体系,比拼的是芯片、电力、资本与场景的综合战斗力。 📊 关键事实与论据 1. 美国优势:硬件垄断与资本重注 资金投入:美国五大科技巨头近一年砸向AI的资…

博主头像

🎬 三星 2nm 抢先量产,能威胁到台积电吗?会逆风翻盘吗?

📱 核心观点 三星计划在2026年通过Galaxy S26搭载Exynos 2600芯片,成为全球首款量产2nm手机SoC的厂商。尽管三星在GAA技术上拥有比台积电多3-4年的研发经验,且纸面性能数据亮眼,但其能否真正威胁台积电仍存疑。目前三星仅跨过“生存线”,证明具备制造可用2nm芯片的能力,但距离与台积电正面竞争仍有较大差距,核心瓶颈在于良率稳定性及高端客户信任度。 📊 关键事实/论据 技术对比:三星3nm已率先商用GAA技术,其2nm相比前代性能提升约12%,功耗降低约25%,晶体管密度为200-231MTR…

博主头像

🎬 失控的内存:AI为何被困在“内存墙”中?未来四大技术风口深度解析

🧠 核心观点 全球AI竞争焦点已从单纯算力堆叠转向数据流效率战争,核心矛盾在于内存墙瓶颈。 传统冯·诺依曼架构中,高达90%的能量和时间耗费在数据搬运而非计算本身。 解决内存焦虑需通过消除数据搬运、提升互联效率或牺牲灵活性换取确定性等路径。 📊 关键事实与论据 市场动态:2026年初,英伟达以200亿美元收购芯片初创企业;DDR4 16GB内存价格从3.2美元飙升至62美元,涨幅1800%,DDR5及DDR3价格持续上涨。 存内计算:利用存储介质物理特性直接运算。三星主攻PM净存计算路线,在芯片内部集成计算单元;另…

博主头像

🎬 17000 token/s,比B200快48倍!Taalas AI 芯片能否颠覆英伟达GPU?

🚀 核心观点 Taalas AI 推出的 HC1 芯片通过极致专用化架构,实现了每秒 17000 Token 的峰值推理速度,比 Grok LPU 快 13 倍,比主流 GPU 方案快 48 倍。 该芯片并非通用计算优化,而是将模型权重物理固化在芯片中,彻底消除数据搬运瓶颈,属于“硬体模型”范式。 尽管性能惊人,但受限于模型锁定、精度损失及扩展难度,短期内难以颠覆英伟达 GPU 在大规模数据中心的主导地位,更多是验证了极端专用化路线的可行性。 📊 关键事实与论据 性能对比:HC1 推理速度达 17000 Token…

博主头像

🎬 全球核能再次崛起!深度对比中美能源博弈,谁能赢到最后?

🏭 全球核能复兴背景 2024年9月,微软斥资16亿美元重启三里岛核电站,该电站曾发生1979年5级核泄漏事故,导致约200万居民暴露于辐射中,曾引发美国反核浪潮及新建反应堆叫停。 在AI算力需求与能源危机双重驱动下,核能正从历史阴霾中重新崛起。英国豪掷380亿英镑建设30年来首座新核电站;中国大陆近两年核准16座新机组;谷歌、亚马逊、甲骨文等巨头布局小型模块化反应堆(SMR)。 核能已成为大国科技竞赛中能源转型的关键筹码,标志着以核能为基石的新工业革命拉开序幕。 ⚡ AI算力与能源瓶颈 2026年1月共识显示,限…

博主头像

🎬 狙击推理时代!英伟达200亿美元收购Groq,能否巩固AI帝国护城河?聊聊AI芯片圈的新旧大战

📰 核心观点 英伟达以约200亿美元现金获得Groq核心技术与团队的非独家授权,此举被视为对AI推理时代到来前的战略卡位。 该交易不仅是技术收购,更包含资本退出路径、生态扩张叙事及获取中东等海外市场政策入场券的多重意图。 Groq的LPU芯片与谷歌TPU架构完全不同,LPU追求数学逻辑上的绝对确定性,摒弃动态调度,将复杂任务前置到软件编译器。 📊 关键事实与论据 交易规模:200亿美元相当于英伟达当前市值的接近3%,约为2024年收购Mellanox金额的3倍,可买下英特尔半年前三分之一个市值。 人物背景:Groq…

博主头像

🎬 人形机器人大崛起!是终极进化,还是一场世纪骗局?一条视频带你读懂它的核心技术

🤖 核心观点 人形机器人并非单纯的技术选择,而是社会心理学、功能适配性与数据学习曲线综合权衡的结果。 人形设计的核心优势在于与人类社会的心理无缝对接及多任务切换能力,而非单纯追求效率。 当前人形机器人产业仍处于早期阶段,主要依赖固定场景演示,距离真正走进千家万户仍有较长距离。 硬件仅占价值链的20%,AI大脑主导其余80%,从遥控到自主决策是最大挑战。 📊 关键事实与论据 市场热度:截至2025年上半年,全球人形机器人企业超300家,其中中国企业超110家。 资本动向:马斯克与特斯拉签署对赌协议,目标市值达8.5万…

博主头像

🎬 激光雷达真的没有未来吗?!为何越来越多车企转向“纯视觉”?技术细节深度剖析!

🎯 核心观点 自动驾驶技术路线正从“硬件堆叠”转向“数据驱动”,纯视觉方案因契合AI大模型架构而受到行业重视。 激光雷达并非没有未来,但在当前L2+阶段,其多传感器融合存在技术瓶颈,且数据复用效率低于纯视觉。 L3及以上自动驾驶的核心在于掌握“学习方法”(大模型泛化能力),而非单纯依靠硬件冗余进行“安全兜底”。 📊 关键事实与论据 历史背景:2004年DARPA挑战赛,斯坦福大学Stanley汽车凭借5个单线激光雷达和81米探测范围夺冠,团队后成为Waymo前身。 性能局限:激光雷达在暴雨下噪点增加约5倍,雨雪天气…

博主头像

🎬 “固态电池”要量产了!?是锂电革命,还是一场大骗局?真相到底是什么?深度解读背后的技术细节

🔋 固态电池现状与量产误区 当前市场宣称的“固态电池量产”多为半固态电池(混合固液电解质),旨在通过减少液态电解质用量(通常控制在10%以内)提升安全性。 半固态电池被视为过渡技术,其能量密度从300提升至400-450瓦时每千克,续航从750-800公里提升至1000-1200公里,但相比高端三元锂电池未形成代际差距。 半固态电池良率可达80%以上,产线改造成本仅为液态产线的20%-30%,避免了全固态电池动辄10亿上百亿的设备重建投入。 日本车企如丰田、本田、松下将硫化物固态电池视为翻盘机会,丰田社长佐藤恒志称…

博主头像

🎬 1nm芯片的终极密码,竟然是稀土!?为什么台积电也绕不开?深入分析稀土战略与芯片制程的博弈

🧠 核心观点 稀土不仅是电动汽车永磁材料的关键,更是突破 1nm 芯片制程极限的核心材料,其战略价值远超大众认知。 中国拥有全球最完整、成本最低且技术最先进的稀土全产业链,这种优势难以被短期投入或回收技术替代。 稀土之争本质是地缘政治与技术控制的博弈,与美国芯片出口限制逻辑一致,旨在通过关键材料控制实现战略平衡。 📊 关键事实与论据 历史突破:徐光宪院士提出串级萃取理论,解决稀土分离难题,使中国从出口原矿转为出口高纯度产品,形成成本碾压优势。 绝缘革命:在 2nm 以下节点,二氧化硅绝缘层因量子隧穿效应失效。稀土氧…

博主头像

🎬 日本为什么要窃取台积电技术机密?深度拆解日本Rapidus 2nm芯片的生死困局

📰 核心观点 日本Rapidus冲击2纳米芯片制造大概率失败,主要受限于人才断层、缺乏Fabless客户生态及美国关税风险。 台积电2纳米技术泄密事件涉及日本TEL员工,反映出日本在先进制程上的急迫性与手段争议。 日本半导体复兴战略依赖政府巨额补贴,但制造端经验与全球顶尖水平存在巨大差距。 📊 关键事实与论据 泄密事件:台积电指控9名市场人员(含3名2纳米产线人员)向日本TEL员工泄露数百张工艺照片及机密;TEL是Rapidus主要股东及设备供应商。 进度对比:台积电N2良率约70%(即将量产);英特尔18A良率约…

博主头像

🎬 懂车帝智驾引争议,测试结果真的伤害了国产汽车吗?中国新能源路在何方?

🎯 核心观点 此次智驾测试旨在警示消费者勿过度迷信自动驾驶,督促车企将资源从公关营销转向算法优化与安全底线建设。 行车安全是汽车行业最核心的竞争力与道德底线,中国新能源产业应制定全球最严苛的安全标准,而非仅追求销量或品牌对立。 特斯拉虽非纯海外品牌(国产化率超95%),但在端到端算法上因先发优势仍具领先性,国内车企应虚心追赶而非陷入饭圈化对立。 真正的强者心态是接纳真实测试与挑战,以技术敬畏取代营销声量,通过自律与精进提升产品力。 📊 关键事实与论据 测试背景:央视联合懂车帝进行非官方民间测试,历时2-3个月准备,…

博主头像

🎬 中国雅江建“超级水电站”,能否颠覆未来能源格局?详细对比中美能源新方向

🏗️ 雅江水电工程核心事实 项目规模:位于西藏,规划装机容量60-81GW,年发电量预计310000瓦时(注:转录数据可能存在单位误差,此处保留原文数字),约为三峡大坝年发电量的三倍。 技术特点:采用柔性坝体加地下隧道技术,利用雅鲁藏布江大拐弯处超过2000米的天然落差,挖掘几十公里隧道,水利利用率达85%以上。 经济与社会价值:总投资1.2万亿元,建设周期10-20年,每年投资约1000多亿。预计创造20万直接就业岗位,推动西部电解铝等高载能产业落地。 环保效益:相当于替代约75座大型煤矿,每年减少约9000万吨…

博主头像

🎬 从落后生到全能战士,Google TPU是如何击穿英伟达垄断的?对国产算力卡有哪些启示?

📊 核心观点 谷歌通过 TPU 专用芯片与软件生态的深度协同,成功打破英伟达在 AI 算力领域的垄断地位。 谷歌从早期 AI 竞争中的落后者,转变为全链路规则制定者,实现了从模型到硬件的闭环。 专用硬件(ASIC)结合垂直生态是绕过通用 GPU 护城河、降低训练与推理成本的有效路径。 📈 关键事实与论据 市场份额逆转:2023 年谷歌 Gemini 市场份额仅 7%,落后于 ChatGPT 的 50%;2025 年第二季度,Gemma 3 系列 API 市场份额达 43%,超越 OpenAI 与 Anthropic…

博主头像

🎬 量产5nm芯片,为何如此重要?中国5nm工艺深度解读

🎯 核心观点 5nm工艺是性能、功耗与成本之间的“黄金节点”,对当前中国半导体产业具有极高的战略重要性。 尽管华为MateBook 4搭载的麒麟S90芯片可能基于7nm工艺优化,但攻克5nm量产对于打破外部封锁、建立自主生态至关重要。 5nm不仅是技术突破点,更是拉动国产设备、材料等全产业链协同发展的“练兵场”和“黄金跳板”。 📊 关键事实与论据 市场缺口:2025年中国AI芯片刚需缺口预计超过200万片,高端算力需求急迫。 工艺对比: 台积电N5工艺良率稳定在70%以上,平均80%,峰值超90%。 三星5nm良率…

博主头像

🎬 昇腾超节点:解决大模型预训练不稳定难题

🎯 核心观点 昇腾超节点通过架构创新与专业工具,解决大模型预训练中的稳定性难题。 针对训练不稳定导致的算力浪费与周期延长,提供从训练前预检、训练中诊断到切点恢复的全站式护航体系。 结合硬件性能优势与软件工具链,提升资源利用率,降低故障频率,保障训练连续性与效率。 📊 关键事实与论据 行业痛点:Meta、OpenAI、DeepSeek、华为、字节等企业布局大模型,但预训练稳定性问题(如Loss跑飞、Loss spike、模型震荡)导致训练周期延长及千万级算力浪费。 案例数据:Meta训练175B参数OPT模型时,47…

博主头像

🎬 小米玄戒O1自研3nm芯片发布,是真自研吗?能否扛起中国芯片的新版图?

📱 芯片自研属性与行业定位 核心观点:小米玄戒O1并非简单的公版IP堆砌,而是基于系统工程的复杂设计成果。使用ARM公版IP是行业常态(苹果、华为、高通等均有采用),真正的技术壁垒在于通过高标准设计释放IP潜力,实现性能、功耗、成本与生态的平衡。 关键事实: 芯片设计涉及CPU、GPU、NPU等模块的数据吞吐平衡,需高效的互联架构和动态分配策略。 玄戒O1算力达到40多TOPS,需从架构到算子优化进行全栈创新。 3纳米芯片一次流片成本超8000万美元,首次流片成功率一般不超过30%,需与晶圆厂紧密合作。 全球能完成…

博主头像

🎬 中国最新自制的极紫外光源(EUV)突破了什么?能实现量产吗?国产LDP EUV技术细节深入解析!

📰 核心观点与背景 中国近期公开了极紫外(EUV)光刻机相关进度,重点提及激光诱导放电等离子体(LDP)光源技术方案。 13.5nm 极紫外光是现阶段可商用的最短曝光波长,对生产 5nm 及以下芯片至关重要。 能否获得稳定可靠的 EUV 光学系统及自主可控设备,直接影响未来高端芯片制造的良率与产能。 视频旨在科普 LDP 光源技术,并对比其与国际主流 LPP(激光产生等离子体)光源的优劣。 ⚙️ 光刻技术演进与原理 光刻工艺始于精密工作台定位,将硅片吸附在台上,通过光源照射掩膜板,经投影物镜将图形转移到硅片光刻胶上…

博主头像

🎬 华为星闪技术有多厉害?到底有哪些落地应用?深圳星闪展会大揭秘!

📡 技术核心优势 星闪是用于短距离通信的新型无线技术,能力超越蓝牙与WiFi总和,无历史包袱。 引入5G Apollo编码技术,最大支持4096台设备互联,突破传统带宽限制。 端到端延迟仅25微秒,为蓝牙的四十分之一,传输4K视频可实现同步无卡顿。 在功耗、传输速度、稳定性及覆盖面积等方面较传统技术有大幅提升。 🚗 智能汽车落地 解决传统蓝牙钥匙1-3米定位偏差问题,实现厘米级精准解锁体验。 应用于车载360度环视系统,多路高清摄像头信号以低于1毫秒延迟无线传输。 替代LVDS有线连接,降低布线成本,已应用于量产巴…

博主头像

🎬 【直播回放】聊聊DeepSeek、人形机器人与本周一些科技热点 | 2025.02.21

🖥️ DeepSeek 本地部署硬件方案与成本分析 核心配置:采用两张魔改 2080Ti 显卡(单卡 22GB,SLI 桥接后总显存 44GB),搭配 Intel 9900K CPU 和 64GB 内存。 电源升级:原 1000W 电源更换为 1200W 海韵电源,二手价格约 900 元,以确保双卡运行稳定性。 连接技术:使用 SLI 桥接器(NVLink 技术的一种),带宽约 100GB/s,远高于 PCIe 总线的约 2GB/s,避免显存溢出导致速度变慢。 成本估算:两张魔改 2080Ti 总价约 5300 元…

博主头像

🎬 绕开GPU!DeepSeek+LPU芯片,能否彻底打破英伟达的算力垄断?深度解读LPU芯片的关键技术

🧠 核心观点 LPU(Language Processing Unit)是专为自然语言处理设计的ASIC芯片,采用顺序处理架构,旨在突破“存储墙”瓶颈,提升大模型推理效率。 尽管LPU在特定推理任务中表现优异,但受限于内存容量、工艺成本及通用性不足,其难以全面取代GPU,前景需持保守态度。 DeepSeek与LPU的结合展示了低成本高吞吐的潜力,但高昂的硬件堆叠成本和专用性风险限制了其大规模普及。 📊 关键事实与论据 性能对比:2024年11月测试显示,搭载Groq LPU的系统运行70B模型时,吞吐量达每秒166…

博主头像

🎬 苹果中国版AI正式落地!为何不与DeepSeek合作?阿里和苹果牵手的前景如何?能扭转颓势吗?

📊 市场现状与数据 2024年第四季度,iPhone 16在华销量骤降25%,华为出货量增长24%,两者差距缩至20万台以内。 小米、Vivo、荣耀等国产厂商保持小幅增长,iPhone国行新机折扣扩大,经销商出现抛售现象。 2024年第三季度中国AI手机出货量同比暴涨591%;IDC预计2025年中国AI手机出货量达1.18亿部,同比增长59.8%,占整体市场40%左右。 🤖 合作背景与选择逻辑 苹果曾尝试与百度文心一言合作,但因底层逻辑、体验及工程完成度差距过大而终止。 苹果最终选择与阿里合作,旨在为中国iPho…

博主头像

🎬 是愚蠢还是真伟大?DeepSeek为什么要开源?核心技术会被“友商”偷学吗?

🎯 核心观点 DeepSeek 选择开源并非“自废武功”,而是基于生态构建、标准争夺及环境适应的战略选择。 大模型开源与传统软件开源存在本质区别,通常仅开放模型权重和推理代码,训练代码及完整工程细节并未完全公开。 竞争对手难以通过开源代码快速复制 DeepSeek 技术,主要障碍在于高昂的时间成本及 AI 技术的快速迭代速度。 开源策略有助于获取非公开关键数据,确立行业标准,并在算力受限环境下通过创新架构实现突破。 📊 关键事实与论据 开源范围:DeepSeek 采用 MIT 协议,开源模型权重和推理代码;V3 论…