文章整理了黑石集团总裁兼COO Jon Gray面向100多位全球顶级投资者闭门演讲的10个核心观点。Gray认为当前AI浪潮更接近1870年工业革命的开端而非2000年互联网泡沫：Anthropic和OpenAI等模型公司收入一年增长100倍达1050亿美元；黑石投资的14家AI公司收入增长21倍至5.25亿美元；超大规模数据中心资本开支达8200亿美元，占美国GDP的2.5%。他指出真正的瓶颈在芯片、电力和数据中心等物理世界，黑石押注技术栈最底层的计算、电力与土地，追求确定性回报。
黑石集团总裁Jon Gray在面向全球顶级投资者的闭门演讲中，系统披露了黑石关于人工智能投资的内部数据与判断。他指出Anthropic和OpenAI等模型公司年化收入已达1050亿美元，超大规模数据中心资本支出翻倍至8200亿美元，AI投资回报显著。他以1870-1900年工业革命类比当前AI变革，强调当前需求远超供应，与铁路泡沫不同。他展示了AI在投资组合公司中的具体应用成效，认为芯片、数据中心和电力才是真正的投资核心，同时提示网络安全、监管、地缘政治和估值过高等风险，最后重申'一切都关乎回报'的投资理念。
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
a16z 宣布筹集 11 亿美元设立「机器时代基金」，聚焦 AI 物理基础设施的全面重构。文章指出 AI 从聊天到推理再到编码的演进使算力需求呈指数级增长，机架算力密度提升 28 倍，功率从 5-10 kW 升至 250 kW 并将在三年内达 1MW，数据中心迈向 GW 级别。该基金将投资芯片、内存、网络、存储、数据中心、机器人等全栈基础设施。a16z 强调硬件是其团队基因，已投资 Skydio、SpaceX、Anduril、Waymo 等公司，如今正式将硬件投资作为核心战略方向。
文章由Kova撰写，提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型（半导体制造、核心芯片、DC物理层、DC建造层）。基于此模型及Picks-and-shovels、Anti-correlation等原则，作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票，并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
文章整理了一份2026年科技圈的高频缩写表，涵盖AI算力、服务器硬件、网络互联、存储及模型架构等核心技术领域。通过通俗解读GPU、ASIC、CPO、LPO、MoE等关键术语，揭示了AI产业链的底层逻辑与未来技术演进方向。
Tiny Tapeout 将流片成本从数万至数百万美元降低到约300美元，让普通工程师、学生和创客也能拥有自己的定制芯片。它向 GlobalFoundries、IHP、SkyWater 等晶圆厂购买芯片格子，切分成几百个微型单元（每个约4k逻辑门），数百个设计共享同一块硅晶片和24个IO引脚。受限于面积，适合做8位CPU、加密算法、VGA生成器等概念验证。文章称其为众筹拼车模式在芯片制造上的完美应用，正重塑微电子教育的门槛。
Google 宣布进一步推进 Coral NPU 边缘 AI 硬件方案，发布完整的开放硬件蓝图、编译器工具以及由 Synaptics 等合作伙伴推出的商用芯片。传统芯片因数据在存储与计算间来回搬运而消耗大量电能，Coral NPU 通过在数据所在位置完成计算，大幅降低功耗，让智能手表、可穿戴设备、传感器和家庭机器人等小型设备具备强大 AI 能力。统一开放的硬件标准与软件工具链解决了边缘 AI 开发中各设备规范不一的难题，为下一代低功耗智能设备奠定基础。
作者以 CASPA 35 周年 CEO 峰会嘉宾名单为线索，绘制 AI 半导体产业地图，探讨 GPU 之外的价值流向。文章引用 WSTS 数据指出 2026 年全球半导体销售额预计增长 89.9%，其中存储芯片贡献约 80% 的增量。作者将相关企业分为六个观察入口：计算架构、互连、存储、芯片设计、电力和资本，并逐一分析各自的关键商业问题，如推理经济性、光互连部署门槛、Agent 存储需求、AI EDA 价值归属、数据中心电力约束及资本回报兑现。最后提出三条待验证假设，强调技术重要性不等于持续盈利，需追踪客户采用、量产交付与议价能力。
文章探讨 AI 基础设施建设日益依赖债务融资，私募信贷扮演越来越重要的角色。2026 年第二季度 Apollo 与 Blackstone 牵头 350 亿美元为 Anthropic 采购芯片，成为史上最大私募信贷交易。六大科技巨头今年资本开支预计约 8700 亿美元，2027 年超 1.3 万亿。研究显示，AI 相关企业私募贷款利差仅比其他贷款高 0.1 个百分点，贷款方可能低估 AI 风险，或股市高估未来利润。部分 AI 融资的期限错配与市场分化（如 xAI 债券溢价、Project Jupiter 折价）进一步揭示风险，文章提出核心问题：私募信贷本身是否构成泡沫。
文章从《纽约时报》关于硅谷为永久底层阶级做准备的报道切入，探讨 AI 提效是否真正产生社会价值，指出提效不等于价值创造。作者通过 CL 一周 token 账单的例子，说明顶级模型成本让普通人难以负担，可能加剧阶层分化。文章回顾工业革命历史，将 1776 年瓦特蒸汽机与 2026 年 AI 工厂类比，讲述打字员、手摇织工、动力织机、卢德运动、恩格斯停顿等历史事件，揭示技术变革中工人工资停滞、岗位被替代的规律，但也指出每次技术变革都会蕴育新机会，如打字员职业的诞生。最后推荐一期播客，建议从历史中寻找 AI 时代普通人出路的答案。
作者在无硬件知识背景下，借助 Claude Code 等 AI 工具为 ESP32 开发板制作了多套固件，遇到 ESP32-C3 单核性能瓶颈后系统调研了 ESP32+AI 生态。文章介绍了小智 AI、StackChan、SenseCAP Watcher、ESP-Hi 机器狗等开源项目，讲解了 ESP32-C3/S3/P4 三款主力芯片的差异与选型要点，梳理了乐鑫芯片发展时间线，并按随身穿戴、视觉、语音对话、桌面机器人、屏幕游戏等场景给出保姆级硬件挑选指南。作者计划下一步打造一款带屏幕的桌面实体 Agent 交互终端。
a16z 的 Jennifer Li 宣布领投 TypeSafe AI。其发布的 Jev 模型是本年度最大的叙事突破：与主流大模型不同，Jev 属于新型 System One 模型，直接以类型化值向代码返回决策，而非文本输出，实现 AI 与软件的原生深度集成。Jev 成本仅为前沿模型的 1/100 到 1/500，分类任务速度快 100 倍且准确率相当，上线 3 天即生成 1 万亿 tokens，25% 的财富 500 强企业已集成。作者认为 AI 应让软件更智能，而非替代工程师，并赞许 TypeSafe 尊重开发者、务实可组合的理念。
