从 IBM、Intel、Sun 到英伟达，硬件霸主的利润周期有多长
彼得·蒂尔把 AI 利润高度集中于英伟达的现象说破了，但历史上真正决定硬件霸主寿命的，从来不只是制程和性能，而是它能把标准、生态、兼容性和资本开支周期捏在手里多久。
- IBM、Intel、Sun 和 Qualcomm 的分化说明，硬件利润高峰可以持续很久，但守住高峰比冲上高峰难得多。
技术沉思、行业观察与人物线索，都收在这里。
这里汇总的是 Freelemon 的长文。现在列表页不再只有单一时间线，而是把搜索、标签和专题阅读放到同一层里： 技术沉思 偏系统、方法与工程判断， 访谈 偏一手观点整理与人物表达， 行业观察 偏竞争格局、平台变化与商业判断。
Latest Archive
AI战略 文章归档
这里保留 AI战略 标签下的时间线。专题区负责导读，这里负责完整归档和顺序回看。
光纤代替内存？这不是今天的新闻，也还不是 AI 硬件革命
“32TB/s、光纤代替 DRAM、AI 硬件要变天”这串说法的底层算术并不荒唐，但它更像一个顺序流式缓存脑洞，而不是通用内存替代方案。真正值得追踪的变化，是光互连、CXL 内存池化和 photonic fabric 正在重写内存层级。
- 所谓“32TB/s”主要来自 256Tb/s 光链路的线速换算，算术成立，但不等于获得了可随机访问的通用内存。
Oracle：裁员风声背后，数据库帝国押注 AI 基建
Oracle 这轮裁员如果只被理解成一家老牌软件公司的缩编，就会错过重点。更准确的看法是：它正在把成熟软件业务挤出的现金、人力和组织空间，强行转投到一场更重资产、更高风险、也更可能改写公司估值逻辑的 AI 云基础设施战役里。
- 这轮裁员更像资源再分配，成熟业务的人力与预算正被挪向 AI 数据中心和大客户交付。
“2028 末世论”是怎么回事：AI 成功后的压力测试
“2028 末世论”并非宗教预言，它来自 Citrini Research 在 2026 年 2 月提出的一套 AI 宏观压力测试：如果白领自动化跑得太快，产出增长反而可能先撞上就业、消费和资产价格的连锁下行。
- “2028 末世论”的源头是一篇情景推演，不是对 2028 年必然发生结果的正式预测。
把这期 GTC 播客里的事实、判断和押注分开看
这期播客信息很满，但不同句子的分量并不一样。把官方口径、财报事实、一线体感和前瞻押注分开看，节目里哪些地方站得稳，哪些地方仍要等，就会清楚很多。
- 两位嘉宾共同说中的，是英伟达正在从卖单点芯片走向卖整套系统，这一点已有公开信号支撑。
把这期 GTC 播客里最难懂的几个词讲明白
这期播客难听懂，主要不是因为观点多，而是术语扎堆。AI 工厂、prefill、decode、KV cache、MoE 这些词一旦理顺，姚欣和季宇的分歧就会清楚很多。
- 这些术语连在一起，讲的是同一件事：推理系统正在同时和延迟、吞吐、内存与成本打交道。
季宇为什么把英伟达看成 AI 时代的大型机公司
看完 GTC，季宇先想到的不是一块卡快了多少，而是整台机器越做越大了。CPU、GPU、网络、LPU 被一起打包进系统之后，英伟达更像一家卖大型机的公司，这也是他整段访谈的出发点。
- 季宇看到的变化，是英伟达正把 CPU、GPU、互联和新架构芯片一起装进一台更完整的机器里。
GTC 开场前，姚欣真正押注的不是一场发布会
姚欣的判断值得看，不是因为它预测了多少新品，而是因为它把英伟达放回了更长的产业周期：算力、系统集成、企业落地和资本开支怎样一起构成 AI 的下一阶段。
- 姚欣谈得最多的是需求侧，重点落在推理、agent 和基础设施扩张正在同一时间升温。
Arm 做 AI 芯片了吗：边界比口号更重要
Arm 的动作很容易被读成全面下场做 AI 芯片，但更准确的判断是：它在试图沿着设计、平台与定制化能力继续上探，却还没有变成另一家以整卡和整机为核心的基础设施公司。
- Arm 的转型沿着 IP、CSS、Total Design 到自有硅产品逐层上移，不是临时起意的跨界动作。
黄仁勋在 Lex 播客里真正讲清了什么是 AI 工厂
这场对话最值得看的，不是金句，而是黄仁勋如何把 AI 从模型讨论重新放回工厂、资本开支、基础设施与国家级算力组织。AI 工厂不是比喻，而是他组织整个产业判断的核心框架。
- 黄仁勋把 AI 竞争讲成了整套系统工程竞争，计算单位已经从 GPU 走向 pod、机房和 AI factory。
AI 芯片与云厂商：控制点正在重新分配
AI 产业的竞争重心，正从单点模型能力转向芯片、云、数据平台与交付渠道的重新结盟。真正能持续拿到利润的，往往是站在企业系统关键控制点上的玩家。
- 海外 AI 产业已经从模型竞赛进入联盟竞赛，控制点正在向芯片、云和数据平台重新集中。
外刊精读｜同一项 AI 技术，为什么会被写成三种国家故事
把英文外刊当成统一的“国际视角”，最容易把世界读平。美国更常优化领先与平台，中国更常优化落地与效率，欧洲更常优化责任与边界；先拆开这三套问题设置，外刊才真正能拿来用。
- 比较国家叙事时，最重要的不是态度差异，而是各自默认在优化什么结果。
外刊精读｜《经济学人》如何重写 AI 竞争坐标
很多人看 AI 外刊时，眼睛先盯着模型、产品和公司。但《经济学人》真正厉害的地方，是把你从这些表层热点里拽出来，逼你去看算力、能源、资本开支和国家竞争这些更慢、更硬的变量。读懂这一层，你对 AI 的理解才不会停在产品新闻。
- 《经济学人》讨论 AI 时，最核心的视角不是模型，而是算力、能源和基础设施约束。
如果乔布斯在世，会不会做苹果 AI
乔布斯当然会做 AI，但他多半不会接受把 AI 先做成一堆零散功能、再慢慢补体验的苹果路线。对他来说，AI 不是新卖点，而是下一代操作系统的起点。
- 乔布斯不会拒绝 AI，他拒绝的是“先有名词、后有产品”的风口式发布。
扎克伯格急的不是业绩，而是 AI 卡位窗口
Meta 现在的节奏确实像急了，但扎克伯格急的不是广告业务失速，而是 AI 窗口期正在明显缩短，他必须把算力、能源、芯片和组织能力整体同时前置起来，尽快抢出时间。
- Meta 2026 年资本开支大幅抬升，说明它在用基础设施节奏抢时间。
xAI 到底是不是一家独立的 AI 公司
把独立 AI 公司理解为产品入口、数据来源、资本边界和组织边界都相对清楚的主体，xAI 就从来不是那种公司。它确实有模型、API 和超算，但更像马斯克商业体系里的 AI 中枢，而不是边界稳定的独立公司。
- xAI 不是空壳：它有 Grok、公开 API、独立应用和 Colossus 超算，这些能力都是真实存在的。
国内大厂的利润表，正在被三股力量同时挤压
国内大厂这一轮真正承压的，已经不是营收增速本身，而是利润结构。AI 重投入、即时零售高竞争和旧业务利润弹性减弱三条线同时压上来，经营利润、自由现金流和估值框架都在重排。
- 这一轮大厂经营压力来自三股叠加力量：AI 重投入、即时零售与本地生活竞争升温、传统现金牛业务利润弹性减弱。
国内智能电车企业的 AI，已经开始分成四种做法
到 2026 年 3 月 19 日，国内智能电车企业的公开 AI 动作早已超出“把大模型塞进语音助手”这一步，开始重写智驾、座舱、车控与制造；真正拉开距离的，在于谁先把数据、算力、OS 和整车执行闭环跑通。
- 小鹏和蔚来都在把 AI 做成底层系统，但前者更像物理世界模型公司，后者更像芯片加操作系统公司。
中国大厂 AI 最近 70 天：入口、执行权与控制面的重新分配
今年一季度国内大厂的 AI 动作已经从“发模型”转向“抢位置”：阿里推进执行系统，腾讯卡住微信分发链，百度稳技术与云，字节加速 Agent 产品化，华为下探网络与运维控制面。
- 阿里正把千问从聊天入口往任务执行器推进，目标直指更长的服务调度链。
OpenJarvis与端侧AI：手机、PC与Edge的未来五年
端侧大模型下一阶段的核心变化，不是简单把云端模型缩小搬到本地，而是智能效率、统一内存、带宽、功耗和软件栈一起成熟；未来 1 年先吃下单轮助手与轻代理，3 年进入持续多模态，5 年才接近真正的个人本地 AI 系统。
- 端侧大模型的真正约束已经不是单一 TOPS，而是智能效率、内存容量、带宽、功耗和软件协同的组合瓶颈。
公司小传之六：NVIDIA 的 AI 底盘
NVIDIA 这些年最重要的变化，是一步步把自己从芯片供应商改造成整套 AI 生产系统的提供者：从 CUDA 到 DGX，再到 NIM 和 AI Factory，真正扩张的是它对整栈的控制力。
- NVIDIA 的 AI 史应从 2006 年 CUDA 写起，那才是它从硬件走向平台的起点。
公司小传之四：Microsoft 的入口战争
Microsoft 在这轮 AI 竞赛里最厉害的地方，是几乎把“模型进入真实工作”所需的每一层入口都握在自己手里：云、Office、Windows、GitHub 和企业采购关系。最强模型未必总由它率先做出，但分发链路常常掌握在它手中。
- Microsoft 的 AI 主线更像平台和分发史，从 AI-first 到 CoreAI 都是同一路线。