# 人工智能的所有文章

在 HTX 新聞中心流覽與「人工智能」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

英伟达机架拆出新风口,MLCC价值量暴涨182%

随着AI算力需求爆发,供应瓶颈正从GPU等核心部件向更基础的硬件元件传导。高盛与摩根士丹利近期报告聚焦于多层陶瓷电容器(MLCC),认为其将迎来历史上规模最大的量价齐升周期。 MLCC在AI服务器中起到稳定电流、过滤噪声的关键作用,被誉为“隐形心脏”。一台顶级AI服务器机架可需多达60万颗MLCC。高盛预计,AI服务器MLCC市场规模将从2025财年的约14亿美元,飙升至2030财年的约58亿美元,复合年增长率达34%。 行业面临严重的结构性供需失衡。MLCC年产能增速仅略高于10%,难以匹配AI服务器带来的数倍需求冲击,同时电动汽车的高端MLCC需求也在持续增长。这导致高端MLCC交货周期已超过20周,现货价格出现上涨。 涨价周期已正式启动。日本龙头厂商村田和太阳诱电已率先对AI服务器及汽车用MLCC提价15%-35%。日本4月出口数据也验证了趋势,MLCC出口额同比大增28%。 利润弹性显著。高盛估算,产品涨价5%即可推动太阳诱电营业利润最高提升37%。摩根士丹利的拆解显示,英伟达新一代Vera Rubin AI机架中,单个机架的MLCC价值量较上一代激增182%,成为外围元件中增长最快的部分。 综合来看,在AI服务器与高端汽车需求的双重驱动下,MLCC行业供需紧张,价格进入上行通道,利润弹性巨大,新一轮超级周期刚刚开始。

marsbit06/01 09:06

英伟达机架拆出新风口,MLCC价值量暴涨182%

marsbit06/01 09:06

专访7名普通职场人:AI来了之后,你过得还好吗?

专访七位来自不同行业的职场人,探讨AI浪潮对其工作与生活的真实影响。受访者普遍通过ChatGPT、Claude等工具接触AI,主要动机是降本增效、应对职业不确定性。AI显著改变了他们的工作模式:编程、搜索、内容创作等任务效率大幅提升,“一人团队”成为可能,思维方式也从传统学习转向AI驱动。 然而,效率提升背后伴随普遍焦虑。AI并未减少竞争,反而将竞争推向新高度,要求从业者持续学习新工具与工作流。许多岗位(如文秘、财务、客服、基础编程与设计)面临缩减风险,技能“平权”效应使得“强者越强,弱者越弱”。受访者感到的威胁不仅来自收入压力,更源于对职业未来结构变化的担忧。 面对冲击,他们积极寻找人类不可替代的“护城河”。关键在于从执行者转向复杂系统的负责人、超级协调者或独立创造者,核心价值在于业务理解、风险判断、审美与市场需求洞察、以及人际沟通与异常处理等AI难以替代的能力。尽管对AI工具已有中度甚至重度依赖,但他们认为,若工具失效,工作虽会变慢但不会瘫痪。 最终,AI已成为职场“必选项”。旧的职业边界正在瓦解,新的价值体系则在形成——真正重要的不再是单一技能,而是整合AI、驾驭复杂性与承担最终责任的能力。

marsbit06/01 08:17

专访7名普通职场人:AI来了之后,你过得还好吗?

marsbit06/01 08:17

宏观大师Raoul Pal访谈:经济奇点正在逼近,未来四年不要轻易下车

宏观投资者Raoul Pal在访谈中深入探讨了AI竞赛与加密货币的未来。他认为,当前AI领域正经历人类历史上最大规模的资本竞赛,中美两国都不会停止投入,因为这关乎国家竞争优势。AI的增长遵循“里德定律”,呈现指数级爆发,预计到2028年,其文字产出量将超过人类历史总和。这种发展可能导致“经济奇点”,即当智能体(AI代理)数量激增,传统经济系统无法适应其运行速度。 尽管AI火热,Pal仍坚定看好加密货币的长期价值。他指出,加密货币拥有“无限的总潜在市场”,尤其是随着AI代理经济的兴起,这些代理将使用链上服务,为加密网络带来巨大需求。Layer1智能合约平台(如以太坊、Solana、Sui)作为基础设施层,将捕获大部分价值,因为它们支撑着庞大的去中心化经济。他特别强调,在回调期间他加仓了Sui和Zcash。 对于当前市场,Pal认为比特币从高点回落至6万美元只是牛市中的正常回调,并非熊市。他建议投资者采取“买入并持有”策略,因为试图波段操作往往失败。历史证明,在加密货币中赚取最多回报的正是那些长期持有者。随着法币持续贬值、全球流动性增加以及监管逐步明晰,加密资产的前景非常乐观。 Pal还提到,NFT的价值将在加密经济整体繁荣后显现,尤其是顶级“奖杯资产”。他正在筹备一个NFT基金,投资于具备共识的高价值艺术品和中层高潜力作品。 总结而言,Pal认为未来四年是积累加密资产的关键窗口期。经济奇点逼近,数字化进程不可逆转,持有核心加密资产是对抗不确定性、分享未来增长的最佳方式。他预计,到2026-2027年,随着银行入场、稳定币爆发和监管清晰化,加密货币将迎来完美风暴般的看涨环境。

链捕手06/01 06:10

宏观大师Raoul Pal访谈:经济奇点正在逼近,未来四年不要轻易下车

链捕手06/01 06:10

疯狂烧了数十亿美元 Token 之后,硅谷大厂开始限制员工 Token 用量了

近日,多家硅谷科技公司开始限制员工使用AI工具的Token(使用量),以应对高昂且效益不明的成本。此前,企业曾鼓励员工“tokenmaxxing”(最大化Token使用量)以体现数字化转型,但随后发现大量Token被用于非核心工作,如查天气或写祝福,且AI生成的代码存在高“流失率”(被抛弃或重写),导致隐性成本激增。数据显示,企业每花1美元在AI Token上,可能产生近80%的额外损耗用于修复Bug和审查。 管理层开始质疑AI投资的回报率(ROI),仅有少数CFO能看到明确回报。个人效率的提升未能转化为公司整体收益增长。例如,Uber和Salesforce面临数亿美元的年化AI支出,却难以将其与业务成果直接挂钩。微软已取消部分员工的Claude Code许可,Meta也下线了内部鼓励使用的排行榜。 市场随之出现AI成本管理工具,帮助企业监控支出并与业务成果关联。同时,部分AI厂商开始调整计费模式,从按Token用量转向按实际产出(如解决的对话数)收费。 行业正从盲目追求使用量转向理性评估价值。分析指出,真正的挑战在于用AI重新设计工作流程和商业模式,而非仅仅优化现有任务。如果企业仅将AI用于加速旧工作,成本压力终将迫使它们面对这一根本问题。

marsbit06/01 04:06

疯狂烧了数十亿美元 Token 之后,硅谷大厂开始限制员工 Token 用量了

marsbit06/01 04:06

阿里“上货”,字节“练功”

5月最后一周,阿里和字节的两项动作展现了中国大厂在AI领域的两种不同战略路径。 阿里正将AI快速“上货”落地。5月11日,千问App与淘宝全面打通,接入40亿商品库和20年购物场景数据。随后在阿里云峰会上,吴泳铭宣布升级全栈能力,并计划未来五年资本开支远超过去三年。阿里的核心策略是将AI深度融入现有商业场景,如蚂蚁的AI支付用户数破亿、淘宝的AI比价等,并推动“智能体商业信任协议”作为信任基础设施。其商业模式依赖AI服务变现,阿里云外部收入增长40%,服务器“几乎没有一张卡是空的”。然而,这种路径可能以基础模型能力的长期领先性为代价。 字节则选择在Seed部门潜心“练功”,聚焦探索AI智能上限。其视频生成模型Seedance 2.0在权威评测中登顶,获业界高度评价。部门内部目标纯粹,如设定“国际榜单进前三”的KPI,并投入8个月撰写纯学术论文。字节计划大幅增加资本开支,最高或达4700亿元,资金来源于其巨额利润,且因其未上市,无需承受短期业绩压力,得以专注于长期技术突破。但商业化压力已初现,豆包开始测试付费和广告。 文章指出,两种路径差异的根本原因在于公司是否上市。阿里作为上市公司,必须关注季度财报和股价,战略倾向于快速变现;字节作为非上市公司,则拥有更大的自由去进行长期、前沿的技术投资。这决定了当前中国AI领域“卖AI”与“做AI”的格局分野。未来若字节启动IPO,其长期研发投入或将面临资本市场的考验。

marsbit06/01 00:08

阿里“上货”,字节“练功”

marsbit06/01 00:08

三年之后:回看 2023 年我对 ChatGPT 的判断

作者王健硕在2026年5月回看其于2023年3月对ChatGPT做出的二十条预测,并借助AI代理进行验证。整体看,其大方向判断多正确,但细节和程度常有偏差。 **看对的方面:** - **技术架构**:准确预测RAG(检索增强生成)将成为解决知识更新和幻觉的主流方法,以及LUI(自然语言用户界面)将催生巨大新产业。 - **发展趋势**:预见到“机器人网络”和新的agent寻址系统将出现,中国能快速做出可用大模型并缩小与顶尖差距。 - **本质认知**:正确指出ChatGPT没有意识,图灵测试仅测表象;判断其是巨大进步但非AGI,且短期内不会造成整体失业潮。 **看错或看偏的方面:** - **具体数据错误**:关于GPT-4有100T参数的传闻完全错误。 - **绝对化判断**:断言LLM“不可能”自己学好数学被后来模型在IMO夺金证伪;认为AI生成内容可“规避”版权,实则引发史上最大侵权赔偿。 - **价值与成本误判**:认为价值终落应用层,但最大赢家是算力层(如英伟达);模型成本“5-10亿封顶”的估算严重偏离实际。 - **社会影响误读**:认为ChatGPT的“加权平均”特性可能促进“世界大同”,但实际AI正走向个性化,并可能制造新信息茧房。 **总结规律:** 1. 预测机制和方向比具体数字更可靠。 2. 倾向于高估短期变化速度,低估长期影响程度。 3. 容易忽略问题内部的“分布”差异(如失业影响集中在年轻群体)。 4. 留有餘地、分层表述的判断更经得起时间检验。 5. 一些根本性争议,三年时间仍不足以给出定论。 这次复盘旨在为未来的判断立下更审慎的规矩。

marsbit05/31 16:02

三年之后:回看 2023 年我对 ChatGPT 的判断

marsbit05/31 16:02

活动图片