中国面临的DRAM危机
AI产业的爆发导致全球内存需求急剧增长，引发了严重的DRAM危机。由于AI服务器需要消耗海量LPDDR内存，挤压了智能手机等消费电子的供应，推高了内存价格。这对利润微薄的中国手机厂商冲击尤为严重。目前，长鑫存储(CXMT)等中国本土内存制造商的产能已被极度饱和的国内需求填满。面对长期的“内存墙”与产能建设周期问题，中国如何快速扩充DRAM产能以满足本土AI与电子产业的需求，已成为关乎整个科技产业竞争力的核心危机。
相关文档
AI 厂商 Token 已经用不完了！半导体、AI 股会崩吗？
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
Herman：现在是 1998 年！AI 泡沫还没来
本文是 168X 战情室访谈精华，半导体研究与高频交易背景的嘉宾 Herman 系统阐述了对 AI 行业与美股半导体的最新判断。他作为 6 月第一批看空者如今翻多：Anthropic ARR 下修等利空落地后市场未踩踏，杠杆已出清；锚定 Anthropic/OpenAI 是错的，二者只消耗 27% 算力，微软等 CSP 企业端盈利快速兑现，用卡回本周期极短。他判断当前类似 1998 年而非 2000 年互联网泡沫，真正泡沫尚未到来。节目还讨论开源模型改变 CSP 处境、存储高 margin 难以为继、补涨轮动到光/CPU/功率、Apple 扶持英特尔、老黄 5,000 亿基建融资局、币圈与散户建议等议题，并警示 token 用不满的人将先被淘汰。
Frank全景拆解八月市场：去杠杆接近尾声，下一轮机会在哪里？
本文是Frank在OKX星球直播中的观点整理。Frank认为7月美股调整源于高杠杆和拥挤交易，去杠杆接近尾声，8月可相对乐观。他看好企业AI工程化带来的云厂商价值重估，以及光互联等半导体上游机会，同时提醒关注油价、长端收益率、选举和流动性风险。对于BTC和黄金，他建议关注配置区间而非绝对点位。
Memory as a Service, 聪明钱已经开始暗中下注。耗时两周，深度拆解CXL，彻底搞懂打破内存墙的关键玩家
本文深入拆解了CXL技术在打破内存墙中的作用。文章回顾了内存墙的历史，分析了AI时代内存成本与容量的双重压力，指出CXL并非为取代NVLink而生，而是为了扩展内存容量和实现内存池化。通过Meta的Vistara项目案例，阐述了利用退役内存的经济效益，并分析了从控制器、交换机到光互连的投资机会，重点提及了Marvell的布局。
韬定律:后摩尔时代的工程方法论(官方论文解析)
文章解析了关于华为“韬定律”的官方论文，指出其并非传统摩尔定律的延续，而是一种以后摩尔时代时间预算为中心的全新工程方法论。通过LogicFolding、3D堆叠和Unified Bus等技术，旨在优化从晶体管到系统的全链路延迟，将竞争焦点从单纯的晶体管尺寸转移到系统时间效率的优化。
AI算力产业链瓶颈传导的底层逻辑
文章复盘了AI算力产业链瓶颈的演变路径，指出限制已从单一GPU供应扩散到电力、存储、光互连等多维集体紧张。详细解析了从计算（GPU）、存储（HBM）、光互连到电力/液冷的四阶段传导逻辑，强调了供应链互补约束下的价值重分配。
英伟达推理份额大降，AI革命进入二阶段机会在哪？
文章深入分析了 AI 从训练时代进入推理时代的投资机遇。随着推理成本占比提升至 80%-90%，算力需求呈几何级增长，但英伟达在推理市场的份额已下滑至 60-75%。AMD 凭借大显存优势及 OpenAI 等巨头的订单，正在抢占市场。ASIC 定制芯片也成新势力。文章对比了英伟达与 AMD的投资逻辑：英伟达仍是行业 beta，而 AMD 是份额转移的直接受益者。
光互联深度：当算力撞上物理边界，人类又一次问光
文章深入探讨了 AI 时代算力发展面临的物理瓶颈，指出光互联是解决 GPU 之间、机柜之间高速通信的关键路径。随着 AI 进入推理时代，大模型长上下文和 Agent 任务对带宽和延迟提出了极高要求，英伟达的 NVLink 协议虽然建立了深厚护城河，但铜缆技术已达极限，产业正加速向光互连（如 CPO、硅光子）转型。文中还详细对比了 Scale-up 与 Scale-out 架构，以及 UALink 开放联盟对英伟达的挑战。
Vibe 知识大赏 Skills 开源发布
作者宣布将「Vibe 知识大赏」的解说 Skills 正式开源，打包发布在 GitHub 上供免费使用。该项目可将一个知识点自动生成一条有旁白、每句有出处、含画面风格的精品知识短片，包含 44 套风格（东方、暗场、明亮、印刷、图解、纪实、电影感、游戏等 8 个家族），并提供 0 积分基础版和增强版两种模式。作者在开发过程中参考并引用了 Lemomo、huashu、yihui 等多位老师优秀项目的成果，并已在项目中声明引用。用户可根据自身资源调整使用，但建议直接使用完整流程。
AI 用 24 天让计算机核对完数学史上最长的证明
Axiom 数学公司用几十个 AI agent 花费 24 天，将约 1.5 万页、500 多篇论文构成的"有限单群分类定理"（巨大定理）证明完整改写为 Lean 可检查代码并全部通过核查。定理结论成立，但发现 John Walter 1986 年关于"不平衡群定理"的证明存在漏洞，AI 借助 Solomon 1976 年思路写出新证法并通过检查。项目共产出约 4310 万行代码，AI 与人类数学家分工协作。Lean 可保证每步推导正确，但定理陈述的翻译准确性仍需人工核查，目前尚无外部独立验证。
