五年计划把答案都写出来了，别还不会"抄"
作者通过对比十二五到十五五四份五年规划，提出阅读五年规划的正确方法：不是搜索关键词找利好，而是纵向对比同一产业在不同规划中的演变。文章以互联网、平台经济、人工智能为例，展示数字经济如何从基础设施与电商工具升级为数字中国战略，政策措辞从鼓励发展转向规范监管时对估值的影响，以及AI产业链的细化拆解。核心观点：五年规划应被当作产业变化时间轴，用来确定未来值得重点研究的产业方向，而非直接指导买哪只股票。
相关文档
未来两年物理AI股票alpha抓取深度研究
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
黄仁勋最新访谈：谈Nvidia护城河、AI未来与中国算力
黄仁勋在2.4万字访谈中深入探讨了Nvidia的定位与护城河，反对AI取代就业论，强调智能体将指数级增长。他回顾了错失Anthropic投资的遗憾，解释为何不涉足云服务，并针对中国芯片限制提出“五层蛋糕”论，认为电力可弥补工艺差距，断供将迫使中国建立独立技术栈。
AI 开始设计芯片，利润会留给谁？｜CASPA 峰会洞察 02
基于 CASPA CEO 峰会的观察，文章探讨 AI 设计芯片的落地现状与利润分配。核心结论：AI 先落地于可分步验收的局部任务（生成测试、参考模型、布局探索），决定成败的是验证而非生成；设计提效不等于工具费用下降，客户可能用省下的时间探索更多方案；可靠的评估环节可能成为新收费点，如 GPT-Synopsys 合作中的收入分享框架。文章还分析大客户自研对设计公司议价能力的冲击，提出利润变化的三档推演，并给出投资人视角的观察信号与 2028 年回报检验窗口。
Tiny Tapeout做你人生的第一颗开源芯片
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 发布 Coral NPU 开放架构：让小设备拥有强大 AI 而不耗尽电池
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。
GPU 之外，AI 半导体的价值流向哪里？| CASPA CEO 峰会 01
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。
生化环材科研范式变天：Claude 全自动蛋白质设计与谱图解析
文章介绍 Anthropic 最新报告显示 Claude 已能作为“超级博后”全自动完成科研任务。仅凭一段 Prompt，Claude 可自主读文献、串联蛋白质开源模型，24-48 小时内完成 de novo 蛋白质设计；湿实验验证中 15 个靶点成功 14 个，单靶点命中率高达 35.1%，攻克了 TNFα 等地狱级靶点并实现跨物种结合。此外 Claude Opus 5 仅用 19 分钟即逆向解析 NMR 与质谱原始数据，纯度计算结果与人类专业实验室几乎一致。作者认为 AI 正从工具人进化为自主科研决策者，未来科研竞争将转向提出有价值的科学问题。
我做过的那些工作（Paul Graham: What I Worked On 中文版）
本文是 Paul Graham《What I Worked On》的中文编译，作者回顾了自己早年写作与编程的经历：从中学接触 IBM 1401 与 Fortran，到拥有 TRS-80 后真正开始编程；大学从哲学转向人工智能，自学 Lisp 并重实现 SHRDLU；研究生时期看清早期符号主义 AI 的局限，转而专注 Lisp 并写作《On Lisp》。毕业后赴佛罗伦萨美术学院学画，经历艺术院校的失望，后在美国靠编程与自由职业维生，在 Interleaf 工作并总结出“低端吞掉高端”等重要经验。文章展现了作者在写作、编程与绘画之间追寻能长久留存之事的探索历程。
ESP32 + AI 能做什么？我调研了整个生态，给出保姆级种草指南！
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。
AI 繁荣的三张账单——电、芯片、推理
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。
AI 价值创造问题：私募股权需要超越裁员的 AI 策略
文章指出私募股权行业的 AI 价值创造计划过于依赖裁员降本，把 AI 策略简化为成本目标。作者认为 AI 是工程问题，应该问 AI 能如何改变公司交付的产品、速度和客户付费意愿，而非仅计算可裁减的岗位。文章用 Freight Audit 服务案例说明生产力可以投入产品路线图，并引用 Box 和 Ramp 数据显示重度 AI 采用者反而扩大招聘。作者分析四个盲点，重点讨论退出倍数风险：成本节约可能被估值倍数下降抹去，尤其在 AI 颠覆软件行业的背景下。建议从'希望退出时拥有的企业'出发制定 AI 战略，让 AI 作用于收益增长、退出倍数和持有期三要素。
当软件像牛奶一样便宜，我们还要交付什么 - INDIGO TALK EP52
本期 INDIGO TALK 对谈字节前工程师郭宇，从 2015 年字节作为神经网络驱动公司的往事讲起，谈到抖音意外胜出的内幕、Vibe Coding 背后的决策负担与工程师倦怠、Agent OS 的未来图景、智能的五个层次与商品化，以及软件为何会像牛奶一样便宜。当软件可以随时生成、用完即丢，个人化软件让分发失去意义，我们真正要交付的是什么？最后讨论当工作不再是必选项时，年轻人该如何选择人生方向。
