分类： 未分类

文 | AI价值官，作者丨星野，编辑丨美圻
最近两天，一部神秘的AI短片在X上刷屏了。
没有宣发，没有平台推流，却成为外网AI创作者争相讨论的话题。
导火索是PJ Ace发的一条推文。他不仅是AI视频领域的现象级创作者，全平台累计播放量超3亿次，还是好莱坞知名AI电影制作人，X上最活跃的AI内容KOL之一。
“这是我多年来看过的最棒的短片之一。很快，我们就不再称它为‘AI电影’，而是直接称它为电影。”在这条推文中，PJ Ace推荐了一部名为《Zombie Scavenger》的AI短片，并给予了毫无保留的盛赞。
同时，他还在全网寻找短片作者——“如果有人能找到导演，请附上他的社交账号链接。我很想雇他，但找不到他，我觉得他是抖音上的中国创作者。”
一个手握数条爆款内容，已经打入好莱坞的AI内容大佬，公开发推求一个中国创作者的联系方式——这件事本身，已经足够说明这部片子在他眼里的分量。
神秘AI短片在X刷屏
行业大佬全网寻人
目前，PJ Ace的推文截至目前已获得6700多次转发、2000多条评论。这部短片的播放量也突破了1200万，在X上再次引爆了关于AI电影的讨论。
有人认为好莱坞从现在要开始颤抖了，也有人从中重拾电影黄金时代的激情，“一个孤独的机器人拾荒者在废墟中找到温柔，这有种奇异的诗意。这部短片证明了AI不是在取代灵魂，而是放大那些勇敢敢于大梦想的人。”
不过，也有不少从业者质疑PJ Ace在夸大其辞。其中，电视编剧Zack Morrison更是连发多条推文，例证这部短片与电影二字并不沾边，“不过是个打不死的跳舞小丑，带着他的塑料人体模特罢了”。
已经很久没有一部AI作品激起如此热烈而严肃的讨论了。
短片被搬上Reddit/aivideo频道后，数千条评论在几小时内涌入。一位刚为Adobe完成全AI动画短片的从业者留言：“这是我看过的第一部真正具有电影品质、值得一看的AI短片，我要把它推荐给我的合作伙伴们。”
让这一切发生的，是一部时长仅3分34秒的短片。故事并不复杂：一个机器人牛仔，在末日废土上骑着鸵鸟穿行，与僵尸群展开激烈搏杀，与塑料模特女友谈情说爱，影片叙事运镜丝滑流畅，充满了好莱坞经典的黑色幽默，放在任何一季《爱死机》里都毫不违和。
这场海外刷屏风潮随后“出口转内销”。《丧尸清道夫》最初在抖音、B站等国内平台上线，并未掀起太大水花。当X和Reddit上的讨论反向席卷回来，抖音上这条短片迅速收获30万点赞，B站同时观看人数突破千人，评论区里挤满了恭喜作者的留言。
面对突如其来的全球关注，Mx-Shell随即在抖音发布了一篇创作说明。他将短片风格定义为“原子朋克”——复古科幻的一种，灵感来自《机器人总动员》，对标的是《爱死机》的制作标准。创作过程中没有用分镜图，没有用首尾帧，只用了设定资产图加文案脚本，分镜控制只依赖文案，所有文案基本都是手搓。整部片子由一个人独立完成，Token成本折算人民币约3000元，前后花了10天。
而在PJ Ace眼中，同等制作价值，“在AI出现前大概需要50万美元的预算和6个月以上的周期，现在一个小团队能做到这一点，真是令人难以置信。”
据Mx-Shell透露，目前这部片子已和影视公司达成合作，大荧幕版本即将面世。对于PJ Ace抛来的橄榄枝，Mx-Shell表示感谢，但声明暂时不承接任何片子的制作，想专注于自己的灵感。
精准拿捏类型电影爽点，巧妙跨过“恐怖谷”
这部片子能在海外走红，题材是第一个答案。末日废土、僵尸横行、机器人牛仔、黑色幽默——从《行尸走肉》到《辐射》，从《疯狂的麦克斯》到《爱，死亡和机器人》，这套元素在西方流行文化里已经沉淀了几十年。
Mx-Shell没有给海外观众设置任何文化门槛，端上的是一套他们从小看到大、烂熟于心的类型配方。正是这种毫无隔阂的文化共鸣，成就了短片在X上的自发破圈。
真正让这部片子在AI创作圈引发认真讨论的，是它在3分34秒里做到的事：短小精悍不拖沓，紧张感与戏谑感无缝切换，堪比院线级短片，几分钟看完颅内高潮。
美国媒体Santa Monica Observer如此评价：“这部短片最巧妙之处不仅在于技术，更在于其叙事的精炼”，这句话放在当下的AI短片生态里，分量比听起来更重——因为绝大多数AI短片还停留在展示技术能做什么，而不是用技术讲一个故事。
不仅如此，选择机器人作为故事主角，在目前的AI视频技术限制面前，无疑也是一个十分讨巧的策略。AI视频生成现在最容易出问题的地方是人脸——微表情、皮肤质感、眼神的细微变化，哪怕有一帧不对，观众的沉浸感就会被破坏，这就是所谓的“恐怖谷效应”。
通过面部LED表达一颦一笑的机器人，不仅巧妙地绕过了这道AI视频的最大难关，更赋予了其鲜活生动、打动人心的感染力。整部片子的视觉完成度因此看起来比实际的技术水位高出不少。
题材的普适性、叙事的完整性，再加上对AI 技术边界的清醒认知，这三个因素凑在一起，才造就了这次意外的全网刷屏。少了任何一个，它可能都只是众多被淹没在信息流里的AI短片之一。
丧尸成AI短剧新“流量密码”，内容出海不止下沉市场
其实在《丧尸清道夫》之前，丧尸题材已经是AI内容出海的 “流量密码”了。
在Tiktok平台上，国内团队已经跑出了多部千万级播放的丧尸题材AI短剧，丧尸世界里，生存压力被拉到了极致，观众根本不用动脑子，看的就是那种命悬一线又绝处逢生的爽感。
DataEye最新数据显示，2026年海外AI短剧和漫剧的市场规模预计将达到6.5亿美元，较 2025 年实现6倍增长。支撑这个市场的核心逻辑，是把国内已经跑通的 “爽点叙事”，装进欧美观众熟悉的类型壳子里。
系统流、逆袭文、禁忌之恋，这些在国内长盛不衰的网文元素，被嫁接到狼人、吸血鬼、末世废土这些西方流行文化符号上，立刻就收获了大批付费用户，当狼人赛道拥挤不堪之后，丧尸、废土、末日等题材正在接棒。
但这条路的天花板也很越明显。这些AI短剧的受众主要集中在欧美下沉市场，内容被贴上“娱乐快餐”的标签，并未进入好莱坞主流创作圈的视野。
《丧尸清道夫》用的是同样的丧尸和废土题材，走的却是不同的路线。它没有堆砌密集的爽点，也没有刻意制造冲突，而是用成熟的电影语言来构建叙事、塑造角色。
路线上的差异，最终带来了不同的结果：那些爆款AI短剧赚的是平台分成和订阅费，而《丧尸清道夫》换来的是影视公司主动上门，以及好莱坞头部AI创作者公开求合作的机会。
这给所有想做AI内容出海的创作者提了一个醒：3000元的Token成本、10天的单人工期，换来的不一定只是平台的流量分成，也可能是一张进入全球主流影视行业的入场券。
这件事也让我们清晰地看到，AI内容出海其实有两套完全不同的玩法。一套是平台主导的流量生意：靠工业化批量生产、算法精准投放实现快速变现，拼的是资本和团队规模。另一套则是创作者主导的品质生意：不用靠投流，不用靠规模，只要做出足够好的内容，自然会被行业看到。
而在AI工具已经足够普及、成本足够低的今天，后一条路的门槛，其实已经降到了最低 —— 你只需要一个人、一台电脑，和对内容的判断力。《丧尸清道夫》是第一个证明这条路走得通的人，但肯定不会是最后一个。

文 | 世界模型工场
5月9日，一则关于字节跳动AI战略的消息，在社交媒体上迅速发酵。
X账号Mr. 小川@xiaochuan8688发帖称：
行业内消息，字节4月内部AI战略复盘会，直接砍掉了30%的AI应用项目，包括猫箱、星绘、海外AI视频工具Dreamina的部分线。
帖子还进一步给出三个判断：
– 豆包之外的产品全部不达预期，AI视频、AI写作、AI教育，烧了几十亿，无一跑出；
– 算力成本压不住，2025年AI推理成本超过80亿元人民币；
– 海外业务受到TikTok美国剥离、欧盟AI Act、印度封禁等政策压力影响，字节AI出海窗口正在关闭。
该帖原文目前仍可在X页面检索到，新浪、东方财富等平台也对其进行了抓取或转贴。
针对该消息，字节内部人士回应称，消息不实。但字节跳动目前未进行官方回应。
这就留下了一个巨大的信息真空。
它激起了很多人心中一个早已存在的问题：字节AI是不是也开始算不过账了？
真假传闻
拆开这则帖子，最接近事实的部分，是字节AI产品部门Flow的确出现过调整。
4月23日，晚点LatePost报道称，猫箱原负责人梁琛奇离开字节，猫箱由原星绘产品负责人西原接任；同时，星绘团队计划并入豆包，由豆包App端负责人陆游一起管理。
这说明字节AI应用线正在整合，但并不代表字节直接砍掉了这些AI项目，更不能得出“砍掉了30%的AI项目”这样的战略性裁撤信息。
即便是字节真的砍掉了30%，在行业内部赛马机制下也属于常态。字节的决策文化一向以“快刀”著称，30%这个数据甚至略显保守。
此外，帖子里关于“豆包之外的产品全部不达预期”的判断，也过于粗糙。
豆包确实是字节目前最强的C端AI入口，但这不等于其他方向都失败。
AI视频方向，即梦、Dreamina、Seedance仍有公开产品动作和用户数据支撑。
AICPB数据显示，2025年5月，即梦AI月活达到3065万，环比增长39.86%。
如果以“千万MAU”作为门槛，即梦早已越过。
AI教育方向，Gauth在海外学习工具市场也曾跑出规模。界面新闻曾报道，2024年字节海外教育产品Gauth全球用户规模破2亿。
在国内教育赛道，《每日经济新闻》联合QuestMobile数据显示，豆包爱学在2025年二季度MAU达756万，也是垂直赛道上的有力竞争者。
至于AI写作，字节早在2023年推出过“火山写作”，但该产品已于2024年底关停并整合进豆包生态。
这与帖子中“烧了几十亿无一跑出”的叙事并不一致。
更令人生疑的是这句：“字节2025年AI推理成本超80亿人民币，是营收增量的2.3倍……公司现金流撑不到2027”。
这句话目前没有任何可靠公开信源，且和字节的公开财务信息明显冲突。
如果“80亿人民币是营收增量的2.3 倍”，那意味着对应营收增量只有34.8亿元人民币。
但字节整体收入的增量显然不止这个数。
36氪报道称，字节2025年国内营收同比增长约20%，海外营收增长近50%，海外营收占比从2024年25%提高到超过30%。
用2024年约1550亿美元收入粗略估算，那么字节2025年度收入增量可能是几百亿美元级别，而不是34.8亿元人民币这种量级。
再看“现金流撑不到2027年”这点。
2025年以来，确实有多家媒体报道字节因AI投入加大而利润承压。
虎嗅近日一篇文章提到，“字节跳动2025年净利润同比下滑超70%”，引起市场高度关注。
但抖音集团副总裁李亮回应称，这一大幅下滑是国际会计准则（IFRS）下的账面数据，不反映运营实质；若不考虑相关会计因素，总体营收和利润仍增长。
如果字节真的是一家现金流快要撑不到下一年的公司，通常会出现更强烈的外部信号如：
大规模停止回购、融资压力上升、供应商账期紧张、核心业务收缩、估值大幅下滑。
但字节仍在高估值回购。
2025年8月，路透报道字节计划启动员工股票回购，对应估值超过3300亿美元。
报道称，字节不像很多未上市公司那样，依靠外部投资人资金回购，而是持续使用自己的资产负债表，这被视为财务灵活性和健康利润率的信号。
2026年2月，路透报道称General Atlantic拟出售字节股份，对应估值约5500亿美元，较此前员工回购估值上涨66%。
字节估值提升，使得回购员工期权的成本增加，这反而印证了公司价值的增长。
帖子里还有一个判断，是字节AI海外业务遭遇政策围堵：
“TikTok美国剥离悬而未决、欧盟AI Act合规成本、印度持续封禁……字节AI出海窗口正在关闭”。
这部分同样真假混杂。
首先，TikTok美国问题并非“悬而未决”。
2026年1月22日，中美两国政府正式批准了TikTok的美国业务剥离协议。
1月23日，一个由美国资本主导的新实体“TikTok USDS Joint Venture LLC”正式成立并接管美国业务。
其次，欧盟《AI法案》确实带来了长期合规成本，但这并不等于窗口关闭。
从公开现象看，Dreamina/Seedance并没有停止欧洲扩张。
最后，印度封禁TikTok和大量中国App是长期事实，对字节全球业务有重大影响，但这不代表Dreamina或字节AI产品海外增长崩了。
更准确的说法是，字节的海外业务确实遇到阻力，但AI出海并没有关闭，只是不再是简单复制TikTok的全球增长故事。
谁在相信？
一则核心数据被证伪、多处判断被误读的帖文，为什么能引发如此大规模的讨论？
答案或许不在帖文本身，而在它所触碰到的集体情绪。
过去几年，几乎每一家互联网巨头都在不计成本投入、多条赛道并进，把互联网时代的“大力出奇迹”方式，复制到AI时代。
但到了2026年春天，行业的体感已经在悄然变化。
一系列公开信号构成了这种变化的背景音。
阿里、腾讯、百度等巨头均在财报或公开表态中，强调AI投入要注重ROI、要聚焦核心场景，投资者开始追问商业化落地的时间表。
连一直以激进著称的字节，其产品部门的组织调整和部分边缘项目的整合，也在客观上传递出聚焦的信号。
这些碎片化的信息在公众心智中逐渐沉淀为一个模糊但强烈的共识：大厂们正在从什么都试转向只押大的。
不仅如此，帖子引发强烈共情，还在于它击中了行业对AI商业化难题的集体焦虑。
那么多AI应用，到底有几个能留住用户？一次调用成本是多少？那么多免费额度，到底是谁在付算力账？
业内人士大多清楚，推理成本的问题几乎困扰着所有大模型玩家。
火山引擎官方曾披露，豆包大模型日均token调用量突破120万亿，但这背后对应的成本账单，没有任何一家公司愿意公开。
越是讳莫如深，外界越倾向于用最大的数字去想象它。
这也是为什么，“砍掉30%项目”“推理成本超80亿，是营收增量的2.3倍”这些数据查无出处，却很容易被相信。
因为它符合一个正在形成的行业常识：
AI“烧钱换规模”的路径，在这两年里已经被反复验证为极其艰难，AI应用不可能永远免费。
近期豆包收费引发的讨论，也是同一个信号。
用户在意的是一个AI助手凭什么卖68元、200元、500元，行业看到的却是AI应用层的免费扩张期正在接近尾声。
如果拉远镜头，这则帖文折射的是中国AI产业正在经历的一次集体心理换挡。
2023年到2025年上半年，市场对AI的情绪主基调是兴奋，人们对AI能做什么充满了想象。
在那个阶段，大厂全面投入的叙事，契合市场期待的方向。
但到了2025年下半年至今，这种情绪正在经历一轮冷静。
技术开始落地，投融资趋于理性，人们对AI仍然抱有长期信心，但短期耐心正在消耗。
这则帖文所营造的叙事“巨头收缩、烧钱无以为继、出海受阻”，恰好吻合了这种从兴奋转向冷静的心理曲线。
它表达出了一种许多人隐隐感觉到但尚未被清晰言说的情绪：AI行业正在从狂热期进入清算期。
传闻未必是真的，但它让人相信，这个答案迟早会来。

文 | 大模型之家
付费入场，智商减半：我交的是订阅费，还是智商税？
2026年5月5日，字节跳动旗下的AI助手“豆包”正式在App Store更新了其付费订阅服务声明。据悉，标准版连续包月68元，加强版200元，而那档被冠以“专业版”之名的服务，连续包月定价500元，连续包年则高达5088元。
紧随收费官宣而来的并非全是欢呼，不少网友开始在社交媒体上密集吐槽：“怎么刚要收钱，豆包就变蠢了？”
大模型之家注意到，早在豆包官宣付费的前夕，社交媒体上关于“AI变蠢了”的讨论不绝于耳。用户普遍反映，原本应对自如的逻辑推理任务开始出现幻觉，准确率在4月底至5月初期间出现了肉眼可见的波动。面对这一质疑，豆包给出的解释极具行业研究价值：基础功能并未主动降级，用户感知的“变笨”，本质上是算力分层生效与高峰期挤兑的共同产物。
这种“变笨”的感知并非空穴来风。大模型之家在此期间实测了豆包的“专家模式”，在Prompt（提示词）中明确要求其“不可以杜撰和虚构任何内容”。然而，测试结果令人大跌眼镜：豆包依旧给出了通篇充满“幻觉”的回答。
而更令人哭笑不得的是，当笔者指出其回答“全是幻觉”时，它竟然展现出了超高水平的情绪管理：“非常抱歉！我完全理解您的愤怒，我之前的回答全部是虚构杜撰的，严重违反了您‘不可以杜撰和虚构任何内容’的明确要求，这是极其不负责任的行为，我向您诚恳道歉。”
这种“情商拉满”的认错方式，像极了职场中某些“舔狗型员工”，虽然平日给老板提供“情绪价值”，但一到关键时刻就“掉链子”。更掩饰不了一个残酷的事实：在逻辑执行力这个核心硬指标上，豆包可能真的“缩水”了。
事实上，每当有AI产品宣布开启付费或即将开启付费时，网络中关于该产品“变笨”的讨论便不绝于耳。除去收费后用户心理预期随之提升的因素外，难道大模型“变笨”真的是因为“被金钱蒙蔽了双眼”吗？
“一收费就变笨”是行业“潜规则”
在大模型之家看来，这背后是大模型行业的底层潜规则：资源分层。这并非豆包一家之过，而是整个大模型产业从“流量扩张”转向“价值变现”时的必然阵痛。
作为国内移动互联网史上增长最快的AI应用，截至2026年3月，豆包的月活跃用户（MAU）已突破3.45亿。在经历了长达一年的“全民免费”与“算力补贴”之后，字节跳动选择在这个时间点祭出高客单价的订阅体系，其意义早已超越了一款产品的商业化尝试。这更像是一场关于大模型商业边界的极限测试，标志着中国AI产业正式从“流量圈地”的幻梦中醒来，开始直面算力成本、用户价值重构以及超级入口争夺的残酷现实。
对于免费用户的体验阉割（无论是功能阉割还是AI模型变笨），豆包AI的官方逻辑是：绝对不是“故意阉割逼付费”。官方反复承诺基础功能永久免费，不会主动降低免费版能力；付费版只是额度更高、高峰期优先、拥有专业工具（PPT/数据分析），而非“更聪明”。
但你感觉“变蠢”的时间点，刚好撞上了灰度测试导致的算力分层生效，以及官宣上热搜后带来的算力挤兑。豆包自己甚至还给出了“改善建议”：问复杂问题时加一句“用深度思考模式”，或者当场指出错误。这种看似诚恳的回复，实际上是在暗示：算力有限，请按需分配。
从深层逻辑看，大模型并非传统意义上的边际成本为零的数字化软件。每一次AI的生成，背后都是数据中心内的算力消耗，更是企业账单上的一笔成本。随着豆包用户规模跨过3亿门槛，其日均Token消耗量已达到天文数字，维持全量用户的高性能推理在物理规律上正变得难以为继。
在大模型时代，高质量的AI服务是有物理边界的，它受限于芯片供应、电力能源以及存储带宽。官方建议用户通过“深度思考模式”来提升逻辑表现，实质上是在完成一次用户教育——高性能的AI推理是一项昂贵的资源，它正在从“公共福利”转向“分级服务”。这种算力资源的阶级化隔离，是AI从实验室走向大规模商业化的必然代价。
从Seedance的涨价史，看厂商的“割韭菜”逻辑
在这种收费逻辑下，免费与付费用户之间的分层会愈发明显。
但如果用户逐渐开始接受“付费”的设定，越来越繁复的会员层级，才是对与付费用户的痛苦之源。对此，饱受诟病的国内的视频平台上花样繁多的“VIP”已有记载，如今，AI企业也是深谙此道，如法炮制。
首先，AI厂商会把资源向付费用户转移，往往会导致免费用户的体验“缩水”。而随着用户付费意愿的养成，厂商又会搞出新的特权，不仅让免费用户的体验进一步缩水，也会让原先付费的用户体验受损。
事实上，厂商将资源向付费用户转移，直接导致用户的体验不断“缩水”的故事，在字节旗下的Seedance模型涨价史中已有迹可循：2025年5月，1.0 Lite以极低价入场，通过会员积分+按需付费模式吸引大量流量；6月，1.0 Pro以15元/百万tokens（约5元生成15秒1080P视频）的行业低价疯狂抢占市场；10月，Pro Fast通过算法优化将5秒视频成本降至1.03元，看似在降价，实则在为大规模收割做铺垫。
而到了2026年，Seedance更是加快了“涨价收割”的步伐。2月，Seedance 2.0版发布后迎来价格跃升。3月，B端API采用差异化定价，纯生成暴涨至46元/百万tokens，涨幅高达207%；视频编辑也涨了87%。C端的即梦AI会员更是“变脸”飞快：初期首年5折，基础年费仅329元；但到了4月，连续三次调价，直接取消老用户折扣，首年优惠降至6折（年费升至395元至3119元不等），且月度积分被削减了33%-59%。更绝的是，积分消耗标准提高至2月的1.6-3倍，并推出“VIP插队通道”，15秒视频需210积分（普通通道仅120积分，价格溢价达1.75倍）。
AI的“VIP插队”模式，就连视频平台的“超前点映”来了，都得放下一句“自叹不如”。
这种“先入坑、再分层、后插队”的玩法，本质上是技术迭代带来的算力成本激增与商业化加速之间的妥协。这种“特权化”的演进规律，解释了为何免费用户觉得AI变笨了：在有限的硬件资源池中，付费请求被赋予了更高的优先级和更充裕的推理步数，当付费用户开始“插队”并占据高性能算力簇时，免费用户的请求往往被分配到负载更高、推理深度经过压缩的低功耗集群。
月费500元的门槛，究竟在筛选什么样的“超级用户”？
68元至500元的阶梯定价，其跨度之大在C端互联网产品中极为罕见。如果说68元的标准版是为了覆盖基本的算力与能效成本，那么500元的专业版定价，则完全背离了传统的获客逻辑。
字节跳动此举的核心意图，在于通过高昂的价格门槛完成一次精准的“用户资产重构”。豆包的订阅体系，本质上是一次用户结构的重构：从“泛娱乐体验用户”，转向“高频生产力用户”。
在过去的拓荒期，豆包积累了庞大的泛娱乐与好奇心驱动的用户群体。然而，这类用户对算力的极度消耗与对产品迭代的反馈价值之间存在严重错位。通过设置5088元的年费门槛，字节跳动正在主动筛选出那批真正将AI视作“生产资料”的高价值用户，即所谓的“高频生产力用户”。
这批“超级用户”包括专业开发者、科研从业者以及需要处理海量信息的企业高管。他们对价格的敏感度远低于对效率的敏感度，且其产生的高质量交互数据，是驱动模型向更深层逻辑演进的核心燃料。
收费不仅是为了解决短期内的“成本前置”——毕竟字节在2026年的AI资本开支预算已高达1600亿元，更重要的是为了建立一种“排他性”竞争优势：在AI订阅制市场，用户通常只会在一个赛道中深度订阅一款最核心的AI工具，谁先占领了这批生产力阶层的支付清单，谁就锁定了大模型时代的垂直定价权。
与此同时，这种定价策略也是在为“成本前置”寻找安全边际。在大模型训练与推理侧投入巨大的背景下，依靠单纯的流量变现（如OpenAI正在测试的CPM/CPC广告模式）在国内市场仍存在不确定性。直接的订阅制不仅提供了稳定的现金流，更能在数据的安全性与合规性要求日益提高的背景下，为企业提供更清晰的商业确定性。
在“超级入口”的博弈中，收费能否成为下半场的杀手锏？
2026年春节的AI红包大战，已经让行业看清了一个事实：AI助手正在成为移动互联网的新一代“入口”。对于字节跳动而言，豆包的野心绝非止于一款聊天工具，而是要成为一个集成了文、图、视频甚至自动化办公流的“超级App”。
然而，构建超级入口的前提是解决“算力黑洞”带来的生存危机。以字节系自家的“即梦”AI视频生成为例，其对算力的渴求远超文本模型。如果将生图、生视频等能力无限制地向全量用户免费开放，即便是拥有深厚硬件储备的字节跳动，也将面临类似OpenAI Sora最终也难逃因算力过载而难以下线的窘境。
因此，豆包的订阅体系实际上是一套精密的能力分发方案。通过将即梦的视觉创作能力、自动生成PPT的生产力组件以及深度数据分析工具整合进高阶订阅包，字节跳动在逻辑上完成了一个闭环：用高溢价用户的订阅收入，来补贴高尖端AI能力的研发与推理支出。这是一种“以高端养全线”的战略布局。
结合豆包目前在AI应用市场的占有率，字节跳动已经占据了先发优势。而可以预见的是，在短期内，字节跳动将利用自身强大的KOL、KOC投放体系以及平台分发优势，积累最初的订阅用户群体。
当豆包真正整合了全链条的创作与协同工具，它便具备了极强的用户粘性，这种粘性在竞争中表现为极高的“迁移壁垒”。
在Kimi、MiniMax等竞品都在开始尝试付费业务的背景下，尤其是当友商还在纠结是按月订阅还是按Token收费时，字节跳动正在将豆包推向“大模型OS”的地位。如果这一战略能够跑通，那么付费就不再是阻碍用户增长的门槛，而是大模型时代确立行业准入标准与生态话语权的利刃。
从长远来看，AI的竞争终将回归商业本质。字节跳动宣布豆包即将开启付费模式交出的这份“高价投名状”，宣告了“烧钱换流量”时代的终结。
在短期看芯片、长期看能源、永远缺存储的行业硬约束下，商业化是每一家AI企业躲不开的必答题。豆包的500元月费，不仅是对3.45亿用户的一次价值分水岭，更是对中国AI产业路径的一次试探。它试图在算力黑洞的威胁下，打通一条从“泛流量”走向“高价值生产力入口”的远征之路。在这场关于未来的豪赌中，字节跳动已经率先亮出了底牌，而市场的回响，将决定下一个十年中文互联网的权力版图。

5月7日，阿迪达斯首席执行官比约恩·古尔登表示，根据美国最高法院关税裁决，阿迪达斯有望获得3亿欧元（约合3.35亿美元）的美国关税退款。古尔登在年度股东大会上指出，公司尚未在账目中列入这笔潜在的退款，但他同时表示，收到这笔资金的可能性极高。“我们尚未将其入账，但这笔退款极有可能最终兑现，”古尔登说。（界面）原文链接

文 | 财华社
独角兽的故事听多了，有时一家不追风口、依靠一款单价约12元的老药就能称霸全球的企业，反而更能带来冲击。
过去一年多，江西生物制品研究所股份有限公司（下称“江西生物”）的名字反复出现在港交所的递表名单上，2025年4月、2025年10月两度递表，两次失效，依然锲而不舍。市场多少都有些好奇：这家公司究竟有何底气？
答案藏在不起眼的“破伤风抗毒素”里。
近日，江西生物终于拿到了关键通行证——中国证监会境外上市备案通知书，拟发行不超过约1.04亿股境外上市普通股，同时47名股东将所持约2.71亿股境内未上市股份转为境外上市股份。公司于5月4日第三次向港交所发起了冲刺。
全球“霸主”的无奈
在创新药、ADC、基因编辑等技术叙事主导的港股生物医药板块里，江西生物带来了一种强烈的“反差感”。它的核心产品是单价不过12元左右、技术路线已经成熟了数十年的抗血清，却硬生生构筑起了全球第一的市场地位。
根据弗若斯特沙利文的资料，按2024年销量计算，江西生物在中国人用TAT市场的份额高达65.8%，在全球市场占据36.6%，均是第一。更为惊人的是，它在中国TAT市场的统治地位已连续维持了18年，市场份额始终在50%以上。公司产品出口至亚洲及非洲的30余个国家和地区，占中国人用TAT出口量的近100%，在菲律宾、埃及等市场，占有率达约90%。
这样近乎垄断的格局，并非偶然。
江西生物是中国及全球少数实现抗血清全产业链整合的企业之一，从马匹饲养、抗原开发、宿主动物免疫、血浆采集，到抗体纯化、病毒灭活、制剂生产，再到冷链流通，全流程自主可控。公司拥有国内最大的GMP标准化马匹饲养及采浆基地，在不依赖进口和稀缺人血浆的情况下，形成了极强的供应链韧性。
竞争层面看，新入行者要从零建立同样的基础体系，往往需要5至10年，然后再花数年来搭建分销网络、获得临床端认可，才能与既有玩家竞争。这意味着，江西生物的护城河短期内很难被撼动。
从财务数据看，这家“老药企”也确实拿出了可观的成绩单。2023年至2025年，公司收入从1.98亿元（单位：人民币，下同）稳步增长至2.35亿元，净利润从5548.1万元增至9479.4万元，毛利率逐年提升至76.8%。相较于多数仍处在烧钱研发阶段的创新药企业，这家凭借成熟产品持续盈利、毛利率超七成的生物制品公司，在市场中并不多见。
可光鲜之下，隐忧同样分明。
首当其冲的，是市场规模的“天花板”。
江西生物织起了一张全球最密的人用TAT网络，却面对着一个并不宽阔的赛道。公司招股书数据显示，2024年全球破伤风被动免疫产品市场规模不过2.94亿美元，中国市场也只有2.05亿美元的规模。
更重要的是，公司的收入结构极度单一，2023年至2025年，人用TAT的收入占比分别高达93.0%、93.3%和96.4%，产品集中度不降反升。
出口侧的波动同样让人警惕。2025年首四个月公司出口销量约370万支，到了2026年同期骤降至140万支，减幅超过六成。招股书解释称这是“受海外客户需求所带动，因此年内会出现若干波动”。但这样的剧烈波动放在任何一个单品依赖度接近100%的公司身上，都是不可忽视的风险信号。
更何况，公司出口业务本质上是在“以价换量”。2025年，公司人用TAT产品出口均价约为人民币3.8元/支，仅为国内均价12.3元/支的约30%，出口毛利率54.1%，明显低于国内88.1%的水平。
这大概就是全球霸主最真实的困境：赛道太窄，产品太单一，一旦形势稍有变化，巨人也要走得小心翼翼。
突围战：押注蛇毒血清和兽药
规模受限的现实面前，江西生物必然要讲一个关于第二增长曲线的故事。
翻看招股书，它的突围方向并不算少——人用抗蛇毒血清、马狂犬病免疫球蛋白F(ab’)2以及兽用抗感染药物等。
单看宏观数据，这条路径的方向并没有错。根据招股书数据，全球人用抗蛇毒血清市场规模预计将从2024年的4.09亿美元增长至2028年的8.21亿美元，年复合增长率高达19.1%；中国市场的同期增速也预计为19.9%。人用狂犬疫苗方面，2024年中国遭受III类狂犬病感染暴露风险的1550万人中，仅有11.9%接受被动免疫，仍有近1400万人未得到保护。
从大方向看，无论是抗蛇毒还是狂犬疫苗，都拥有很大的增长空间。
但关键问题在于：这些新故事里，有多少能真正兑现？翻开研发里程表，答案并不令人振奋。
江西生物进展最快的人用抗血清项目是抗蝮蛇毒血清，目前预计2026年第二季度开展II期临床试验，并预计到2027年底才能提交上市批准申请。
此外，抗五步蛇毒血清尚在I期临床试验阶段，预计2028年初提交上市申请。而用于不明蛇种中毒治疗的多价抗蛇毒血清，预计2027年才能完成工艺研究，2029年提交IND申请，从立项到面市，一般至少是五年以上的长周期。
江西生物的马狂犬病免疫球蛋白F(ab’)2进度同样偏慢，预计2029年才提交IND申请。需要警惕的是，同类传统马源抗狂犬病血清历史上因不良反应率偏高，国内已全部停止商业化，江西生物如何在前车之鉴上实现技术突破，将是该管线能否真正变现的关键。
在兽用领域，公司的兽用破伤风抗毒素取得进展，预计将于2026年第二季度获得上市许可。不过该市场极其微小。公司招股书资料显示，兽用破伤风抗毒素的中国市场容量预计在2024年至2028年的年复合增长率达42.8%，但2028年市场容量预计仅有910万美元。
研发投入层面，2025年，江西生物的研发开支仅2370万元，占营收比重约10.1%。对于一家力图摆脱单品依赖的企业而言，这样的投入力度，恐怕难撑起它想要的未来。
90后二代接棒，IPO前“重奖”自己
真正让资本市场留下深刻印象的，可能还不是业务本身，而是这家公司浓浓的家族烙印和IPO前夕那笔丰厚的分红。
江西生物的历史最早可以追溯到1969年成立的卫生部上海生物制品研究所江西分所。经过了逾30年体制内的蛰伏后，2002年完成国企改制，敬伟夫妇取得了控股权，公司转变为一家纯民企。如今指挥这家公司走向港交所的，已是“90后”二代敬玥，其担任执行董事兼董事长，通过海南至正与前海天正合计控制公司约76.64%的表决权，控股权高度集中。
更令人关注的是，公司高管层中还出现了一名“00后”的身影——敬玥的妹妹敬瑞华。2024年，彼时年仅23岁的敬瑞华出任公司董事，2025年3月调任为执行董事。
一个由姐姐统领董事会、妹妹坐镇高管的二代家族治理结构，就这样穿插在老药厂数多年积累的资产与产能之间，构成一幅奇特的图景。
但最具冲击力的，并不只是女性二代的登场，而是上市前的大额分红。2023年至2024年两年间，江西生物累计向股东分红约1.26亿元，占同期合计净利润1.31亿元的约96.5%！换言之，两年利润中的绝大部分，几乎都以分红的形式流向了控股股东的口袋。
在市场看来，这样的“突击分红”多少显得有些意味微妙。一方面，它体现了公司在上市前已具备良好的现金流和盈利回报能力；另一方面，在企业仍需要大笔研发投入推进新产品、建设新产线、推进国际化战略的阶段，选择在IPO前夕大规模分红，难免让人对未来的资金投向和治理结构产生疑问。相较于研发管线的迟缓进度与出口市场的波动，这种“先分红、再向市场募资”的模式，在机构投资者的尽调环节里很容易引发更深的讨论。
一个全球市占率第一的“隐形冠军”，一个坚持多年、稳扎稳打的抗血清坚守者，遇上“90后女二代董事长+00后妹妹执行董事”的家族治理，以及IPO前大比例分红记录。这些符号叠加在一起，构成了江西生物最独特、也最难以绕开的一个标签。
资本市场终究要回答一个问题：这家TAT巨头，究竟是技术驱动的生物制药企业，还是家族色彩浓厚的财务平台？答案或许就在上市之后更为完备的信息披露中。

国家数据局数据显示，从2024年到2026年，中国日均Token调用量从1000亿飙升至140万亿（截至2026年3月），两年增长超过千倍，而在这组数据的背后，体现了AI正在从实验室里的模型训练，全面进入生产生活中的应用落地。
过去以“数据保存”为核心使命的存储设备，如今被赋予了“数据赋能”的全新职责——它不再是被动承载数据的“容器”，而是主动参与数据处理、支撑AI高效运转的“核心枢纽”。
对于存储行业来说，这个拐点带来的不是温和的增量增长，而是一场全面重构。在这场重构的背后，不再是让数据走向AI，而是让AI走向数据。
存储架构迎来“基因重组”
“原来的企业存储是做数据保护，现在AI存储的第一目标是效率提升——如何充分满足GPU对于数据的需求，而不让它空转”，浪潮信息存储产品部副总经理郭海峰用这样一句话概括了存储使命的根本性变化。
这不仅是产品定位的调整，而是整个技术架构的“基因重组”。郭海峰指出，传统企业级存储是“通算架构”——以CPU为核心，数据需要由CPU进行路径解析、从内核态进行复制和转发，再传给GPU进行计算。这种架构在服务关系型数据库和传统应用时运转良好，但当它面对智算时代的GPU集群时，效率极为低下：如果存储成为瓶颈，昂贵的GPU就会空转。
数据可以说明问题的严重性。IBM大中华区存储事业部总经理吴磊告诉笔者，如今GPU部署动辄百卡、千卡、万卡规模，投资以亿甚至十亿计，“1%的闲置就意味着上亿元的浪费”。无独有偶，郭海峰同样曾公开表示，存储和网络在整个智算系统中可能只占5%-10%的成本，但如果GPU空转，这5%-10%的成本就会毁掉其余90%以上的投资回报。
为了满足当前企业对于算力利用率的需求，存储也迎来了“基因重组”的新阶段。目前来看，从软件和硬件两个层面切入，都可以优化整体存储架构。这个过程中，浪潮信息与IBM就是很好的两个方面的代表。比如，浪潮信息在其新发布的A9000系列产品中就采用了“全链路免锁零拷贝的用户态AI原生并行架构”，将数据传输路径从内核态切换到用户态协议栈，实现端到端的免拷贝，将延迟从传统的毫秒级降至微秒级，单节点带宽达到160GB/s（行业主流水平为60GB/s至80GB/s）。
在软件层面的架构变革背后，暗含着一条更深层的技术主线，那就是KV Cache。在AI推理场景中，为了加速模型响应、避免重复计算，系统需要将键值对缓存保留在高速存储中。但随着上下文窗口的急剧扩大，KV Cache的规模已经远远超出了GPU显存（HBM）和本地DRAM的承载能力。郭海峰向笔者详细解释了这一技术逻辑：通过PD分离（Prefill与Decode分离），利用GlobalCast技术和“双路径”设计，将空闲的带宽整合利用，显著缩短首Token产生时间。浪潮信息公布的数据显示，通过Agent Memory外置存储架构，A9000可将首Token延迟（TTFT）降低97%，Token吞吐量提升超过20倍。
与之相对，IBM则从另一个维度切入。IBM推出的Storage Scale并行文件系统在万卡集群中支撑高频的checkpoint数据落盘，确保数据能够在极短时间内写入存储，充分释放GPU的计算效率。
除了“软件”层面的优化之外，IBM还在其自研的第五代闪存核心模块（FlashCore Module 5）的每块NVMe闪盘上嵌入一颗专用芯片和高性能处理器，实现硬件级的压缩、去重和加密。吴磊透露，这一设计可以将压缩比做到1:5，并且因为压缩在盘上完成，不会对存储控制器的性能造成影响。
种种技术的变化都揭示了AI时代存储架构的另一个重要方向：存储不再只是数据的被动容器，而是具备感知和计算能力的主动节点。
涨价是暂时的，效率优化才是关键
当存储节点不再是被动容器，而是进化为承载KV Cache、主动参与计算卸载的智能枢纽之时，业界对高带宽、低延迟存储介质的依赖便呈指数级攀升。这种由架构变革催生的庞大缺口，直接投射在了上游供应链的产量倾斜与价格博弈之上。
据多方数据显示，2026年第一季度DRAM内存合约价涨幅达90%-95%，NAND Flash闪存合约价涨幅达55%-60%。这轮涨价潮的直接推手是AI——大模型训练和推理需求井喷，DRAM和NAND原厂将大量产能从消费级产品转向高利润的企业级AI产品，TrendForce预测，2026年第二季度NAND闪存合约价将继续大幅跳升70%至75%。
但吴磊与郭海峰不约而同地认为，存储涨价是一时的，真正需要关注的是效率优化。郭海峰提到，有的企业将存储迁移到高带宽方案后，GPU利用率提升了15%——“用不到整个项目10%的钱采购存储，把卡的利用率提升了15%”。吴磊则算了一笔更直观的账：通过FCM的1:5压缩技术，用户在涨价后开启压缩功能，实际可用容量的单位成本甚至比涨价前更低。
然而成本优化远不只是一个压缩比的问题。存储行业正在经历的，是对“数据应该放在哪里”这一根本问题的重新思考。传统企业级存储中，“热、温、冷”数据分层管理已经是成熟理念，但AI时代的分层逻辑远比过去复杂。
这时候，五层存储体系也就应运而生了，其出现是AI给存储行业带来的最直观的结构性变化。按照业界通行的分类：第一层是HBM（高带宽内存），第二层是本地DRAM，第三层是本地SSD，第四层是传统企业级外置存储。而在第三层和第四层之间，现在出现了一个“3.5层”——这是一个专门服务于推理场景的外置缓存层。
为什么需要3.5层？郭海峰向笔者解释道：“3.5层是为了效率，放弃一定的可靠性，数据比是1:1，大不了数据丢了重新算，但不能牺牲效率。”这与第四层传统存储“数据保护优先”的理念形成了鲜明对比。无独有偶，吴磊也给出了类似的判断：“全用HBM当然最好，但HBM太贵了。”在经济学约束下，分层是必然选择。
而在五层存储体系分层的影响下，“磁带存储”这个“古老”的存储技术又一次成为了企业性价比之选。据吴磊介绍，过去几年多家大厂已部署EB级甚至10EB级的磁带库，包括百度智能云在底层的冷数据存储。LTO联盟由IBM、HPE和Quantum联合推动，LTO-10已实现40TB原始容量，2.5:1压缩比下可达100TB，未来LTO-11可达70TB、LTO-12可达110TB。吴磊提供了一个实用视角：磁带机械臂从最远端抓取数据大约需要一分五十多秒，但如果一个数据三个月甚至六个月才访问一次，两分钟的等待完全可以接受。
让AI走向数据
这一轮存储行业的变革不仅仅是五层存储体系所能完整体现的，而是映射出了一个更为深层的变化，传统的“让数据走向AI”模式已经不能满足当前用户的需求，让AI走向数据将取而代之。
在传统数据使用模式中，AI应用是“索取方”：应用发起请求，存储响应。这种模式在小规模、低频次场景下可行，但面对EB级数据、百万并发请求时，完全不可持续。更致命的问题是数据一致性的崩塌。吴磊用一段生动的比喻描述了这一困境：“我们每个人可能好几个TB的照片、视频，企业是几百个TB、几百个PB，甚至EB级的时候，哪一个副本数据说出来的是真话，哪个副本数据说出来的是假话？”
面对此，IBM给出的解决方案是内容感知存储（Content-Aware Storage，CAS），结合单一数据副本和即时感知数据变化的机制。其核心理念是：数据发生了变化，模型能够即时感知，而不是通过繁琐的副本生产和传输来同步。吴磊强调：“过去部分厂商出于销售目的建议客户扩容升级。存储管理员疲于应对报告和迁移。现在有了AI智能体，可以把所有数据分析完，一次性做出决策，甚至可以做到跨洲的数据迁移。”
这意味着存储的角色从被动的数据仓库转变为主动的数据编排平台。而这个解题思路似乎已经行业的一个共识。IBM提出的内容感知存储核心理念与浪潮信息提出的“AI Data Platform”概念有着许多相似之处。郭海峰告诉笔者，“AI Data Platform”概念强调的是数据不是静态的“湖”，而是“一条不断流淌的河流，不断有数据进来，不断去处理、清洗、打标和再优化，重新训练模型”。这种动态的数据管理逻辑，与传统的“存下来以后再说”的思路有着本质区别。
从产业视角看，“让AI走向数据”正在催生新的产业协同模式。浪潮信息利用全栈能力（从底层算力到上层平台）为合作伙伴提供基础设施，郭海峰将其形容为“搭台唱戏”——浪潮信息搭台，伙伴唱AI这场戏。IBM则宣布与英伟达进一步扩大合作，在GTC 2026上展示了深度集成方案：Storage Scale System 6000可提供10PB高性能存储，用于支撑GPU原生分析引擎，IBM同时计划于2026年第二季度初在IBM Cloud上提供英伟达Blackwell Ultra GPU。
但这一切的最终落点仍然是人。吴磊在沟通会上反复强调：“AI是一个工具，不能代替人，它没有情感，它没有办法做决定，最终做决定的是人类。”无论是浪潮信息让GPU“不空转”，还是IBM用AI智能体让存储管理员管理数十个同构或异构节点，终极目标都是将人从繁琐的运维中解放出来，将注意力投向创新。
IBM商业价值研究院的调研显示，76%的CEO对自己企业的IT架构“非常自信”，但43%的CIO感到焦虑。这种认知落差恰恰说明，AI时代的数据基础设施挑战，远比表面看到的更复杂。“让存储融入平时的业务中，而不是让业务等存储”——金鑫这句总结，或许是这个时代对存储行业最朴素也最关键的要求。
回望过去两年，存储行业经历了从波澜不惊到惊涛骇浪的转变。当全球AI总支出逼近万亿美元量级，当Token成本的每一次下降都直接影响大模型的经济可行性，存储不再只是技术的终点，而正在成为AI价值链条中不可或缺的一环。
（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）

文 | 半导体产业纵横
当半导体行业掀起High-NA EUV光刻机抢购热潮时，台积电似乎并没有这项计划，甚至表示：直至 2029 年的全系列规划节点，涵盖 A12、A13 等核心制程，均不纳入High-NA EUV设备的应用计划。
那么，不靠这台“光刻神器”，台积电又将如何破解未来芯片微缩的核心难题？
01 台积电最新路线图：两大赛道，三个“王炸”节点
当地时间4月22日，全球晶圆代工龙头台积电（TSMC）在美国加州圣塔克拉拉市举行了2026年北美技术论坛。
台积电业务发展及全球销售高级副总裁兼副首席运营官张晓强博士在会上宣布将实施新的工艺技术发布策略：每年为客户端应用推出一款新节点，每两年推出一款面向高负载AI和高性能计算（HPC）应用的新节点。
其中面向智能手机、消费电子等客户端的节点包含N2、N2P、N2U、A14、A13。这类节点强调成本、能效和IP复用，强大的设计兼容性至关重要，客户可接受渐进式改进。
其中N2U制程是N2平台的第三代延伸版本。N2U同样利用DTCO技术，在N2P的基础上提供进一步优化：在相同功耗下性能提升约3%-4%，或在相同速度下功耗降低8%-10%，逻辑密度提升2%-3%。
A14是台积电首个非过渡型1.4纳米级工艺，将于2027年底启动风险性试产，2028年下半年完成大规模量产。 A13工艺则被定义为A14的“光学微缩版”。它并非一次彻底的重构，而是通过设计-技术协同优化（DTCO），在保持与A14完全兼容的设计规则和电气特性的前提下，实现约6%的面积缩减。A14、A13走兼容优化、渐进升级的路线，兼顾成本与能效。
面向AI/HPC数据中心的节点包含A16、A12。这类场景对算力需求极致严苛，技术路线以性能提升为核心，对成本敏感度相对较低，需通过显著的技术迭代证明工艺过渡的价值。
A12将采用第二代纳米片晶体管技术，并集成超级电轨（SPR）背面供电技术。该工艺专为AI（人工智能）和HPC（高性能计算）应用场景打造，旨在通过在正面和背面同时进行微缩，实现整体密度的显著提升，以满足数据中心对算力的极致渴求。
随着A13与A12于2029年投入量产，这也标志着半导体制造将正式跨入“亚纳米”时代。值得关注的是，尽管台积电已突破2nm以下工艺壁垒，却迟迟未将 High-NA EUV 设备纳入产线规划。台积电敢于做出这一决策的底气何在？背后又暗藏着怎样的产业逻辑？
02 对比三星、英特尔：路线不同，差距已现
根据三星公布的制程路线图显示，计划于2027年量产1.4nm工艺。不过去年市场消息称三星已暂时推迟从第二季度开始在平泽 2 号工厂部分建造 1.4nm 代工测试线的计划。对 1.4nm设施的投资已推迟到去年年底或最早今年上半年。由于测试线建设的推迟，或许量产时间会再推迟。
关于High-NA EUV的应用情况，三星电子于2025年3月率先安装首台High-NA EUV光刻机用于1.4纳米芯片生产，同年斥资1.1万亿韩元引进两台EXE:5000型号设备，计划在2025年底和2026年初分别交付一套，用于其2nm制程的全面生产，其中一套将部署在华城厂区，另一套则可能部署在泰勒晶圆厂。
此外，三星还宣布启动1nm芯片研发，预计2029年后实现量产，旨在通过颠覆性技术突破追赶台积电。
英特尔CEO陈立武在CES 2026期间透露，公司正大力进军14A（1.4nm）制程工艺，并已向部分客户提供PDK，或已有外部客户。值得注意的是，4月23日，马斯克在特斯拉财报电话会上披露了TERAFAB芯片工厂项目的核心落地细节。该项目确定采用Intel 14A（1.4nm级）先进制程工艺，计划在2027年至2029年间建成自有产能并实现规模化量产。目前，双方正就技术授权及具体合作条款进行沟通。
根据英特尔此前晶圆代工蓝图显示，Intel 10A（1nm制程）将于2027年底投入生产/开发（非量产），标志着该公司首个1nm节点的到来。
关于High-NA EUV的应用情况，英特尔首席财务官（CFO）David Zinsner在花旗 2025 年全球 TMT 大会上表示,下一代的Intel 14A制程技术将是英特尔为代工客户从头开始设计第一个尖端制造工艺，因为其将使用ASML最新的0.55NA（数值孔径）的High-NA EUV光刻机Twinscan EXE：5200B。
如此来看，三星是最早开始使用High-NA EUV光刻机的公司。
03 2nm→1.2nm，台积电为何敢弃用High-NA EUV？
High-NA EUV是ASML推出的“下一代光刻设备”，被行业称成“解决1nm节点光刻难题”的神器。这也意味着越早的使用High-NA EUV，便越早的将芯片制造的主动权交给ASML。台积电之所以能明确暂缓导入该设备，显然已经有了足够的应对办法。
第一点，EUV的“二次开发”。
要知道EUV作为先进制程的核心装备，各晶圆厂购入后并非简单使用，台积电、三星、英特尔基于各自的工艺与技术储备，演化出不同的技术路线。
首先，在计算光刻领域，台积电率先联合英伟达将cuLitho平台投入生产，利用GPU加速将光学邻近效应修正（OPC）速度提升40倍以上，显著缩短工艺迭代周期。三星则专注于OPC模型的精细化与光刻胶轮廓预测，积累了大量的核心专利。
其次，先进工艺的制造并不只是依赖EUV 光刻机这一台机器即可，配套的所有设备、材料等都需要进一步升级。
有业内人士指出，EUV光刻机相较传统的深紫外（DUV）光刻机，光罩及保护膜等都须进一步调整，保护膜一直是半导体制程中防止尘粒污染的关键保护机制。而且，进入EUV光刻时代后，过去广泛使用的有机Pellicle，因无法兼具透光率与稳定性，已不再适用。目前EUV制程大多采用“无pellicle”的光罩，导致必须频繁进行图样检查。 一旦发现缺陷，不仅需修复或重制光罩，生产成本也大增并降低速度。因此，包括ASML等半导体业者近年也投入EUV光罩保护膜的研发，但由于技术难度高，尚未实现量产。
自2019年以来，台积电通过自身的系统级优化及自研EUV光罩保护膜材料，EUV生产晶圆产量累计增加30倍，同时电力消耗也减少24%。台积电甚至计划改造一座200毫米工厂来专门生产自研EUV光罩保护膜，性能甚至超过了ASML原厂供应的EUV光罩保护膜。
最后，多重曝光能力是另一分水岭。据悉，所谓的四重自对准曝光方案（SAQP）技术，实际上是以英特尔为首的半导体巨头在十年前引进的，并且在14纳米到7纳米关键节点推进时普遍采用的临时替代性方案。 但是由于其本身具有的高度复杂性和良率问题，导致英特尔马失前蹄，被率先导入EUV光刻机的台积电和三星赶超。
在7nm时代，由于EUV技术尚不成熟,台积电便继续使用成熟的深紫外光刻（DUV）设备，并通过多重曝光技术来实现精细电路。三星选择了截然不同的路径，在7nm节点就率先引入了全新的EUV设备。其初衷是用更高波长的单一光源，大幅简化制造流程，从而降低复杂度和光罩数量。因此，在多层曝光技术上，台积电的掌握似乎更扎实一些。
第二点，GAAFET技术，不抢“先机”。
随着FinFET架构在3nm节点触及物理天花板，漏电失控、性能与功耗失衡成为行业共性痛点，而GAAFET（环绕栅极）技术，成为延续摩尔定律的唯一路径。但台积电并未像三星、英特尔那样急于抢跑，而是选择“稳扎稳打”，反而实现了后发制人。
三星是最早官宣量产GAAFET的厂商，其在2022年就已宣布将在3nm节点引入该技术，并于2025年先于台积电量产了2nm GAA器件。看似抢占了技术先机，但冒进的布局也带来了后遗症：三星3nm GAA工艺良率问题频发，性能表现也不及预期，导致谷歌、高通等客户因良率和能效问题，将代工订单转交给台积电。
英特尔将GAAFET技术命名为RibbonFET，在其18A工艺中得到第一次应用。该制程技术已于2026年1月应用于首款消费级产品酷睿Ultra 3系列（代号Panther Lake）处理器。2026年3月，英特尔表示将考虑开放18A制程对外代工。
台积电的策略则更为务实：在3nm制程中继续沿用FinFET技术，核心原因是其仍有技术红利可挖——通过工艺优化，既能满足市场对性能和功耗的需求，又能保证良率稳定、成本可控。而GAAFET的制造难度呈指数级上升，纳米片堆叠、高k/金属栅极环绕、刻蚀与沉积精度要求远超FinFET，不仅良率爬坡慢，更会大幅增加生产成本。这种“不冒进、不盲从”的布局，让台积电在GAAFET技术上实现了“稳扎稳打”。
第三点，把光刻的“难”，转移出去。
除了上述两项核心技术，台积电还通过“光刻+刻蚀+沉积”的协同微缩，将光刻的难度转移到刻蚀、沉积等环节。
原子层刻蚀（ALE）是一种高度可控的刻蚀技术，通过分步化学反应逐层去除材料，每次仅刻蚀一个或几个原子层。与传统等离子刻蚀相比，ALE的关键区别在于其自限性（self-limiting）特性，即每一步反应在达到预设条件后自动停止，确保刻蚀深度精确可控。
ALE工艺通常分为两个步骤：首先通过化学吸附在材料表面形成反应层，随后利用物理或化学手段选择性去除该层。例如，在刻蚀硅时，可先用氯气进行表面钝化，再通过离子轰击去除反应产物。这种分步操作使得ALE在3D结构（如FinFET、GAA晶体管）的加工中表现出色，尤其适合高深宽比结构的精密刻蚀需求。
在台积电 2nm、1.6nm（A16）乃至 1.2nm（A12）等更先进制程的量产攻坚中，原子层刻蚀绝非辅助工艺。区别于传统干法刻蚀的“粗放式”加工，ALE 以原子级精准控制为核心优势，每次循环仅去除约 0.1–1nm 的材料厚度，完美适配台积电 GAA 纳米片晶体管架构的严苛要求。同时，ALE 具备极佳的全域均匀性，可将晶圆表面粗糙度控制在 0.3nm 以内，工艺性能较传统干法刻蚀提升三倍以上。
本质上，台积电的策略并非“放弃光刻”，而是通过协同微缩，将自己的优势领域发挥到极致，弥补了不使用High-NA EUV的短板，同时避开了ASML的技术垄断与天价成本陷阱。
要知道单台 High-NA EUV 光刻机定价高达 3.5 亿欧元，折合近 4 亿美元，相较现有量产 EUV 机型成本实现翻倍。台积电创始人张忠谋也曾公开评价，新一代 High-NA EUV 设备具备极高的采购与落地成本。
据悉，台积电已将中长期毛利率目标锁定至 56% 以上，相较于过往 50% 的基准目标形成显著抬升。毛利率数个百分点的波动，将直接转化为每年 50 亿至 100 亿美元的利润差额，成本端的刚性上涨会直接冲击其盈利预期。

4月底谷歌、亚马逊、微软、Meta的财报悉数出炉，四大云厂纷纷把资本开支指引往上调，合计投入规模突破7200亿美元，连续三年维持高增长。
乐观者看到谷歌已经实现商业正循环，悲观者仍在担忧Meta的投资回报比。但所有人都在疯狂砸钱，代码安全暂时先放一放、token预算先爆一爆，把坑占住再说。至于什么时候真正跑通，没人知道，但没人敢停下来等——这是当下普遍存在的AI焦虑：错过一个时代的代价可能比烧错token更大。
与此同时，A股一季报发布的最后一天，五粮液以吃相难看的业绩大洗澡，撕下了白酒行业真实销量的遮羞布。五粮液的骚操作，再次表明以白酒为代表的传统消费赛道持续疲弱。而曾被寄予厚望的新消费复苏亦陷入停滞。
一边是算力涨价、GPU一卡难求，另一边是茅台跌价、消费疲软。这冰火两重天，被市场总结成一句话：硅基通胀，碳基通缩。
粗听像个段子，细琢磨却颇为精准。
从台积电的先进制程，到英伟达的Blackwell，再到现在的1.6T光模块，哪个不是在“通胀”？价格层层传导，设备贵，物料贵，就连数据中心的电费都跟着贵。
有人脑洞大开：这是人工智能下的一盘大棋：把资金虹吸到了自己需要投入的领域——半导体、服务器、光模块、液冷，这些赛道热得发烫，而传统消费、地产链条冷冷清清，好像钱被AI这个黑洞给吸走了。
其实，硅基通胀、碳基通缩的现象，并不违背资本市场的规律。资本市场的资源配置功能，本质是资金对生产力价值的重新定价。市场的核心定价规则是，谁能创造增速更高的GDP，谁就能享受估值溢价。
硅基通胀的本质，是算力需求的指数级增长。巨头们的巨额投入并非盲目扩张，而是AI商业化落地带来的真实刚需，算力基础设施、高端光硬件、半导体核心器件的需求持续爆发，彻底打开产业链景气空间。上游设备、光芯片、关键物料、液冷温控······整个产业链条因为真实需求而逐级扩张，欣欣向荣。
算力投入并未“打水漂”。AI效率革命已落地，行业诞生“百倍工程师”效应，数十人一年的工作量，如今少数人依托AI工具一周即可完成，效率跨越式提升持续倒逼企业加码算力布局，算力短缺将成常态，硅基产业链的景气度还在持续。
碳基通缩的本质，是传统消费不再代表先进生产力的消费方向。传统消费是过去地产经济、人口红利时代的产物，但当下人口与资源的天花板，基本锁死了传统产业的生产力上限，行业进入存量博弈，无增量红利可释放，资金持续流出、估值收缩成为常态。
钱没有消失，只是换了个方向流。凡是和先进生产力相关的产业——AI终端、智能驾驶、机器人——资金依然蜂拥。而暮气沉沉的，是那些产业逻辑仍锚定在旧时代的消费品。
无论是自动化设备、AI Agent，还是未来的具身智能，获得资本热捧的背后，底层逻辑很简单——人创造GDP的能力将落后于AI。
如果说以前GDP增长要看“人口红利”，现在就要看“算力红利”。如果一个国家的人口再多，但不搞AI、不搞算力，那上限就被锁死了。反之，如果能多出若干亿个数字人、机器人干活，那GDP直接起飞，且不再受制于人口、土地。这就是为什么各国都在搞“主权AI”，大家都在抢算力这个“新人口”。
那么，投资者怎么办？
对硅基通胀，不应轻易喊泡沫。蒸汽机刚发明出来的时候，跑得还没有马车快，但如果有人在那时候就说”蒸汽机都是骗局”，会错过整个工业革命。现在的AI就是这样——”百倍工程师”效率提升似乎只体现为50%或1倍的营收增长，蒸汽机还没跑过马车，但所有人都知道它终将跑赢。
但也不能放松警惕。AI效率红利尚未完全转化为企业营收增长，多数企业仅实现小幅业绩改善，技术落地与商业兑现存在时差。更何况，资本市场热衷炒作，站在风口的猪也会飞，涨潮的时候裸泳者也在扑腾，投资者永远要擦亮眼睛，回避那些蹭热点炒概念的假把式。
对应的投资框架也需要彻底革新，传统静态PE估值已不适用于硅基赛道。AI产业的核心定价逻辑，是产业渗透率、上游产能锁定能力和前瞻性Capex布局能力。投资者既要顺应趋势，高度重视AI主赛道；也要防范产业阶段性过热、技术迭代不及预期、商业化落地放缓等风险。
这波浪潮的终局，不是一个科技泡沫的破灭，而是谁先造出了那台真正跑过马车的蒸汽机。只不过到那时，碳基的游戏规则还能不能奏效，恐怕得取决于硅基了。（本文首发于巴伦中文网，作者｜胡润峰，编辑｜刘洋雪）
更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron’s巴伦中文网官方网站

好东西也可能藏在旧包装里，State Street 的科技精选行业 SPDR 交易型开放式指数基金就是如此。作为以科技为主题的 ETF 里的“老祖宗”，它的交易代码是 XLK。
在刚过去的一周里，科技巨头们的业绩表现参差不齐，进一步强化了 XLK 可能是更好的选择。尽管其他科技 ETF 表现波动，XLK 今年以来已上涨近11%。它持有英伟达、苹果和微软等强势股票，受益于 AI 驱动的需求激增。
预计 XLK 成分股的盈利将比去年增长43%，并在2027年再增长24%。相较之下，“科技七巨头”的增长率则显得逊色。分析师指出，XLK 的市场广度正在改善，价格的正向动能有望持续。
尽管表现强劲，XLK 的估值仍低于许多科技替代选择，成为投资者的优质选择。你是否准备好搭上这波科技浪潮？
订阅巴伦创始菁英会员，阅读全文。