AI观测站-AI Observatory - 节目列表

AI商业化正在经历从“模型竞赛”到“落地变现”的根本性转变。Meta因自研模型变现困难，被迫出租过剩算力，反而获得市场追捧；微软则成立新部门，投入巨资解决AI工具的落地部署难题，凸显交付能力的重要性。同时，AI加速了就业市场重构，并对算力市场的未来供需平衡带来不确定性。 Meta的战略调整：从模型到算力租赁 * 投资超1800亿美元建数据中心，但Llama模型商业变现能力不及Google和OpenAI。 * 为响应华尔街的投资回报要求，Meta开始出租过剩算力，消息公布后股价大涨9%。 * 市场对Meta“当房东”的认可，反映出AI产业正从“模型竞赛”转向“落地变现”。 微软的交付战略：成立Frontier公司 * 微软成立Microsoft Frontier Company新部门，承诺投入25亿美元并调配6000名员工。 * 该部门专注于帮助企业将AI工具（如Copilot和Azure AI）部署到真实业务流程中。 * 此举旨在解决客户在AI采购后，因流程、权限、数据、培训等问题导致无法有效使用的情况。 AI算力市场的供需变化与NVIDIA的挑战 * Meta、微软、Google、亚马逊等巨头大规模投资数据中心，未来可能导致AI算力过剩。 * 如果算力市场从卖方转为买方，NVIDIA的定价权和议价能力可能受影响。 * NVIDIA的GPU仍是稀缺资源，但内存短缺等因素也可能影响其生产和市场地位。 AI驱动的就业市场变革与岗位重构 * 上半年AI相关裁员达10.2万人，同比增长83%，金融业成为AI替代的下一个主战场。 * 摩根大通、花旗、高盛等高管证实AI将淘汰部分岗位，科技和金融行业每月合计减少约2.8万个岗位。 * AI通过将工作分解为任务来实现自动化和增强，导致工作内容而非工作本身发生变化。 * 企业部署技术的方式将决定AI对劳动力市场的影响，复杂决策和客户关系仍难被AI完全替代。

🧠 本期要点 1) 微软宣布成立Microsoft Frontier Company，承诺投入25亿美元帮助企业将AI工具接入日常流程，重点解决数据、权限和培训等落地问题。 2) 三星在SAFE Forum上重申2纳米路线将演进到2P、2P+和2X，计划2029年量产1.4纳米，2030年推出增强版1.4+工艺。 3) 亚马逊通过发射29颗低轨宽带卫星，使Amazon Leo卫星总数达396颗，有望在2026年中启动商业服务，对标SpaceX的Starlink。 4) 美国FTC拟议政策声明提醒企业，即使为遵守科罗拉多等州AI法律而调整模型输出，仍可能因违反联邦消费者保护规则而担责。 5) 美国科技行业2026年上半年裁员量同比增加83%，占所有裁员公告约三分之一；Challenger追踪到近102000个裁员公告归因于AI。 6) 乌克兰防务科技股权融资从2023年20万美元增至2025年5720万美元，2026年二季度前达1800万美元，Swarmer于3月登陆纳斯达克。 ⏱ 时间线 00:03 一边是微软拿25亿美元帮企业把AI接进流程，一边是FTC提醒公司别把“合规”做成新的误导。 00:28 TechCrunch在7月2日报道，微软宣布成立一个新的运营业务，叫Microsoft Frontier Company，并承诺投入25亿美元。 01:02 25亿美元要放在口径里看。 01:34 底层供给这边，三星也在给未来几年排路线图。 02:03 口径边界先说清：路线图不等于良率已经达标，也不等于客户订单已经全部落袋。 02:44 第三条看网络入口。 03:11 离追平SpaceX，这个门槛还很远。 03:42 监管这边，美国联邦贸易委员会也加了一道新题。 04:11 文件仍是拟议政策，尚未形成正式处罚，也没有给企业一张可以无视州法的通行证。 04:45 再看就业。 05:23 前两天我们讲过AI就业争论，今天的新变化是数字更具体，也更矛盾。 05:59 最后看一个不那么热闹、但很能说明资金口味变化的赛道。 06:37 数字本身并不大，甚至只占全球风险投资很小一角。

本文探讨了AI产业从“替代”转向“通行权”的深层转变，并通过具体案例揭示了其在人力资源、市场策略和地缘政治监管方面的新范式。文章指出，企业开始反思AI对复杂任务处理能力的局限性，科技巨头正将AI算力商业化，而AI模型的监管则愈发成为国际合作与竞争的焦点。 AI与人力资源战略 * 福特和IBM等公司在AI裁员后重新招聘工程师，因AI无法解决复杂质量问题，且担忧未来高级人才短缺。 * 澳大利亚联邦银行也重新聚焦人力资本，显示出企业开始认识到AI并非完全替代人力，而是促使员工掌握新技能。 * 企业意识到单纯依赖AI可能导致经验断层，需重新平衡自动化与资深工程师的专业判断。 Meta的AI算力商业化 * Meta正计划建立云基础设施业务，预计2026年将投资1450亿美元用于AI基础设施，旨在向外部客户出售AI算力及模型访问权限。 * 此举将使Meta的AI基础设施从纯成本转变为可产生收入的资产，消息公布后股价上涨10%。 * Meta可能利用“开源模型加低价算力”的策略，以其Llama模型生态系统优势抢占云服务市场。 AI模型监管与国际影响 * Anthropic的Fable 5模型解禁，是美国首次将出口管制从芯片扩展到AI软件领域的重要案例。 * 解禁条件（如改进安全分类器、达成政府协议）可能为未来前沿AI模型的发布设立“政府审查期”和“标准流程”。 * 这一先例预示着AI模型发布将面临更严格的监管，也可能促使中国AI厂商加速自主研发，以降低对美国模型的依赖风险。

🧠 本期要点 1) 美国商务部解除对Anthropic两款模型Claude Fable 5和Claude Mythos 5的出口管制，恢复全球访问。 2) Meta正规划云基础设施业务，准备出售多余AI算力和模型访问，今年AI支出预计达1450亿美元，市场视其为缓解资本开支压力的信号。 3) Together AI完成8亿美元融资，估值升至83亿美元，主要托管开源模型，允许企业运行和微调开放权重模型。 4) Cloudflare推出新政策，要求AI公司在9月15日前区分搜索爬虫和训练爬虫，否则可能被出版商网站默认拦截。 5) Google推出Nano Banana 2 Lite和Gemini Omni Flash模型，前者为低成本图像模型，后者面向视频编辑，API视频输出每秒10美分。 6) Square推出ChatGPT应用和Claude插件，餐厅可让消费者在AI平台下单并接入Square系统，每笔交易收3.3%加30美分或2.9%加30美分。 ⏱ 时间线 00:03 当模型能不能上线，开始取决于监管点头、网站放行和机房账本，AI公司到底是在卖能力，还是在卖通行证？ 00:27 美国科技媒体The Verge和CNBC在7月1日报道，美国商务部已经解除对Anthropic两款模型的出口管制。 01:09 口径要分清。 01:44 第二条看算力。 02:13 报道口径也要划清。 02:55 第三条仍然是算力，但主角换成新云服务商。 03:23 融资金额不等于收入，也不等于GPU库存已经足够。 03:58 第四条看数据入口。 04:32 不能把它简单理解成“网站反AI”。 05:12 第五条回到模型产品。 05:49 每秒10美分听起来清楚，但不能直接等同于一条企业视频的总成本。 06:24 最后看AI进交易入口。 07:05 重点不在餐厅多了一个按钮，而在AI入口开始接近真实付款。

2026年，AI产业正经历深刻变革：人形机器人量产速度惊人，以中国Agibot为代表的企业展现出批量制造能力；韩国斥资万亿美元豪赌AI硬件，重点投入HBM内存，但也面临产能过剩的潜在风险；同时，AI就业市场呈现出“裁员与招聘并存”的结构性重组，而非简单的“岗位消失”。总体而言，AI产业已从技术突破转向规模化竞争，制造能力的重要性日益凸显。 人形机器人量产狂飙与产能竞赛 * 中国Agibot: 人形机器人量产速度惊人，从5000台到10000台仅用3个月，已累计下线15000台。 * 行业趋势: 人形机器人已从实验室走向工厂，具备批量制造能力，制造能力被视为比融资能力更关键的竞争因素。 * 美中对比: Agibot的产能曲线被认为远超美国Figure AI；Apptronik通过“机器人学校”探索实际应用（如搬箱子）。 * 核心挑战: 质疑其量产优势是否仅限于中国制造，以及机器人能否真正胜任实际应用场景，避免“毕业即失业”。 韩国万亿AI硬件豪赌及潜在风险 * 巨额投资: 韩国投入1万亿美元押注AI硬件，主要集中在高带宽内存（HBM）和人形机器人领域。 * HBM供需矛盾: HBM目前供不应求，但新增产能需18-24个月才能投产；三星和SK海力士是HBM生产主力。 * 市场担忧: 投资者质疑若AI需求在此期间降温，这笔巨额投资可能导致产能过剩，甚至形成“史上最大泡沫”。 * 增长持续性: SK海力士2026年Q2营收同比增长198%，但投资者对其增长能否持续表示担忧。 AI就业市场：裁员与新岗位的结构性重组 * 数据反转: 报告显示AI相关裁员约9万个岗位，但同期AI相关招聘岗位增长更快，修正了“AI抢工作”的传统认知。 * 新岗位涌现: AI训练师、提示工程师等新岗位的出现，表明就业市场正在经历“岗位重组”而非“岗位消失”。 * 结构性失业: 质疑被裁低技能员工能否直接适应新岗位的更高要求，以及这是否会加剧结构性失业。 * 岗位生命周期: 对提示工程师等新岗位的长期生命周期存在疑问，担心其可能只是短期泡沫。

🧠 本期要点 1) Claude正式上线Microsoft Foundry并托管在Azure。 2) Anthropic发布《Scaling Managed Agents》，提出模型负责判断规划、托管环境负责执行任务的解耦架构。 3) Zluda发布第6版，允许在非NVIDIA GPU上运行未修改的CUDA应用，为开发者提供替代英伟达GPU的测试选项。 4) 机器人公司Apptronik建立Robot Park供类人机器人练习真实工作，Figure AI估值390亿美元，1X计划今年向家庭发货超1万台机器人。 5) 贝莱德指出AI交易机会延伸至电力基础设施，美国居民电价自2021年上涨超40%，数据中心计划建设超55吉瓦表后发电能力。 6) 到2026年5月，企业裁员中近9万个岗位归因于AI，预计未来五年美国最多15%工作可能被AI消除，但岗位变化涉及任务重新分配而非完全替代。 ⏱ 时间线 00:03 进入7月第一天，AI公司没有只忙着发布新模型，而是在把模型塞进企业账单、后台权限、机器人训练场和电力账本。 00:24 Claude官方账号在6月29日说，Claude in Microsoft Foundry已经正式可用，并托管在Azure上。 00:47 这里的重点不是Claude又多了一个入口，而是企业采购少了一层摩擦。 01:14 对微软来说，这也是一个很现实的选择。 01:41 第二条还是Anthropic，但换成执行方式。 02:00 文章给了一个很具体的例子。 02:31 边界也要说清楚。 02:57 这也解释了为什么“智能体”听起来热闹，落地却慢。 03:20 第三条看开发者底层工具。 03:39 这件事听起来像开源社区里的工程更新，但它击中的是真实预算。 04:10 对云厂商和企业实验室来说，这类项目的价值不一定是立刻替代英伟达，而是拿来压低单一路线的风险。 04:34 第四条转到机器人。 05:01 同一篇报道还提到，Figure AI最近估值390亿美元，正在物流和配送中心开始部署；1X计划今年晚些时候向家庭发货超过1万台类人机器人；Agility Robotics则更早进入商业化路径，并计划上市。 05:37 本期结果里还有一条行业媒体消息，说中国机器人公司智元机器人达到第1.5万台类人机器人下线节点。 06:08 第五条回到电。 06:44 这些数字不能被简单理解成“AI把电价全推高了”。

🧠 本期要点 1) 英伟达CEO黄仁勋首次确认三星电子、SK海力士和美光获准为Vera Rubin平台供应HBM4内存，但认证和良率尚未锁定。 2) 韩国股市Kospi今年近乎翻倍，三星电子和SK海力士上月市值均超1万亿美元，黄仁勋在Computex上强调韩国制造能力与机器人合作。 3) 华为、河套机构、哈工大深圳和深圳大数据研究院用国产芯片对DeepSeek模型完成全参数后训练，提升了模型自我反思和调整能力。 4) OpenAI发布Codex桌面应用，支持并行处理多线程和Git版本管理，CEO Sam Altman称ChatGPT可构建网页应用并升级记忆功能。 5) Anthropic的Claude Code页面显示，Ramp公司接入后事故调查时间减少80%，非工程团队可用自然语言查询数据仓库。 6) 美国5月裁员超9.7万人，AI被列为裁员主因的比例达40%，前五个月归因AI的裁员达87714人，高于2025年全年。 7) 机器人公司GENISOM AI在ICRA 2026展示可部署平台，自2023年12月成立以来生产交付超1万台机器人，定位类似宇树科技。 8) 英伟达在底层供给上锁定内存供应商，华为推动国产芯片从推理转向后训练，OpenAI和Anthropic重写软件工作流程。 9) 云厂商和模型公司关注算力供应链的认证、良率和交付，员工面临公司用AI重新计量岗位交付量的风险。 10) 机器人竞争从演示视频转向生产、交付和维护，制造企业关注售后、备件和软件升级的可行性。 ⏱ 时间线 00:03 一边是英伟达把下一代内存供应商点名，一边是公司把裁员理由越来越多写成AI。 00:23 先看最底层的供给。 00:49 这件事重要，不只是因为三家公司拿到了入场券。 01:12 边界要讲清楚：获准供应不等于三家公司未来份额已经锁死，也不等于 HBM4 明天就能大规模出货。 01:39 第二条转到中国。 02:07 报道里的一个说法很有意思：过去国产算力更多用于推理，好比模型收到问题、给出答案的一条单行道；这次后训练让模型能自我反思和调整，计算和通信需求会成倍增加。 02:43 第三条看软件入口。 03:13 同一时间，OpenAI 首席执行官 Sam Altman 在 X 上说，ChatGPT 已经可以构建并发布网页应用，也宣布记忆功能当天开始升级。 03:51 第四条接着看 Anthropic，一家头部模型公司。 04:24 这里的80%是一个客户案例，不是所有公司的平均提升，也不代表接入以后就没有安全和权限成本。 04:55 第五条说一个更贴近普通人的数字。 05:31 这个数字冲击很强，但不能简单读成“AI已经亲手替掉了87714个岗位”。 05:59 最后看机器人。 06:25 这条来源是行业媒体的赞助内容，所以不能把它当成独立审计过的出货报告。 06:56 今天这些消息串起来，AI产业正在往两个方向同时走。

AI的爆炸式增长正面临物理和财务上的多重瓶颈。其中，数据中心日益增长的电力消耗已达到惊人水平，促使AI巨头寻求虚拟电厂和核能解决方案。同时，AI集群对数据传输的需求超越铜缆极限，使得光互连成为关键投资方向。此外，巨大的基础设施投入导致AI领域并购冷却，改变了初创公司的发展路径。 电力与能耗瓶颈 * 全球数据中心用电量已超过除10个国家外所有国家的总和（去年为448太瓦时），预计到2030年将翻倍。 * Google与Voltus公司签订虚拟电厂协议，通过聚合分散能源获取100兆瓦电力，并承诺支付100%电费。 * AI公司因电网扩容周期长（5-10年）而无法等待，Google和亚马逊等正探索核能，Google已与Kairos Power签约采用小型模块化反应堆（SMR）。 数据传输与光互连 * 英伟达CEO黄仁勋指出“光比铜好”，认为光纤是未来AI数据中心架构的关键。 * 英伟达已投资45亿美元于光通信公司（Lumentum, Coherent, Corning），以解决AI集群日益增长的数据量瓶颈。 * 铜缆在短距离、机柜内部仍有优势，但长距离或高带宽需求下必须使用光纤。 * AI的瓶颈已从GPU算力转向内存带宽和光互连。 资金投入与行业格局 * 四大云厂商（Google、微软、亚马逊、Meta）预计今年将在AI基础设施上投入近6000亿美元。 * AI领域的并购市场趋冷（2024年仅7笔），大厂倾向于将资金投入自身基础设施建设而非外部收购。 * 这对AI初创公司意味着退出路径变窄，可能需要寻求更大的战略投资或独立上市。

🧠 本期要点 1) PitchBook 6月4日报告显示，Google、Microsoft、Amazon和Meta四家美国科技巨头2026年AI基础设施支出预计达6000亿美元。 2) Google于6月4日被POWER Magazine报道在得州狭长地带启动超1吉瓦（100万千瓦）数据中心与发电综合体，其3月签署白宫费率保护承诺。 3) 联合国大学6月4日报告指出，全球数据中心用电量已超过除10个国家外的所有国家；其二氧化碳排放量与阿根廷相当；预测未来四年数据中心用电、用水及污染将翻倍。 4) 台积电（TSMC）6月4日被Yahoo Finance援引警告称，芯片供应在未来几年内无法满足AI需求；其4月上调全年销售指引，资本开支或逼近560亿美元上限。 5) Anthropic工程博客《How we contain Claude across products》披露，12个月前公司拒绝授予Claude关闭内部服务的权限。 6) Anthropic强调，随着Claude承担更多任务，权限控制重点转向限制单次错误损害范围；风险评估聚焦于出错概率与潜在影响边界，而非仅模型回答能力。 7) Generalist于6月4日获融资4亿美元。 8) Microsoft持有OpenAI近30%股权；Meta向Scale AI投资143亿美元；PitchBook将后者视为基础设施保障型投入，而非普通并购。 9) Google在PJM电力市场部署100兆瓦虚拟电厂项目；新进展是将机房、发电与电力调度整合进同一设计框架，而非仅采购电力。 10) 全球数据中心用电统计涵盖云计算、企业IT与AI扩张整体；AI正将后台成本问题推向电网运营商、水资源管理者及社区居民等公共决策层面。 ⏱ 时间线 00:03 当人工智能公司不再只抢模型跑分，而是抢电、抢芯片、抢安全边界，谁会先被挤出牌桌？ 00:24 先看资本怎么投票。 00:52 这个对比很有意思。 01:17 口径要讲清楚：6000亿美元是预测支出，不是已经花完的钱，也不是AI收入。 01:41 第二条接着看电。 02:09 需求响应翻成人话，就是电网紧张时，数据中心可以把一部分计算任务错开，或者临时降负荷。 02:30 边界也要说明。 02:54 第三条仍然是机房，但换一个角度。 03:19 这个数字听起来很冲击，但它不是只统计生成式AI，也不是说所有数据中心明天都会翻倍。 03:46 第四条看芯片供给。 04:09 这里的560亿美元是资本开支预测上限，不等于已经变成新增产能。 04:47 第五条转向智能体。 05:13 听起来像一次很激进的放权，但Anthropic强调的不是“随便放开”，而是限制损害范围。 05:48 最后看一笔融资。 06:12 融资金额不等于收入，也不等于产品已经大规模商业化。 06:47 今天这些消息合在一起，AI产业正在从“谁更聪明”，走向“谁更能承担运行后果”。

全球四大科技巨头计划在未来五年内投入5.3万亿美元建设AI基础设施，主要通过私人基金和REITs等方式融资，引发了对AI应用盈利能力和成本转嫁的担忧。与此同时，欧盟为应对外部供应商风险，推出了“技术主权”计划，旨在实现芯片和云服务的自主可控；而AI需求也正推动HBM市场蓬勃发展，并导致消费级内存价格飙升。最终，消费者、中小企业及部分云厂商可能将为这笔巨额投资及其可能产生的“沉没成本”买单。 全球AI基础设施的巨额投资 * 投资规模与预测上调： 四大科技公司计划未来五年投入5.3万亿美元用于AI基础设施建设，该预测由高盛从4.5万亿上调，其中2026年一年将支出7250亿美元。 * 创新融资模式： 私人基础设施基金和房地产信托基金（REITs）预计将入场，将数据中心视为“数字房地产”进行融资。 * 市场担忧与成本转嫁： 对AI应用能否赚回巨额投资存在疑问，且算力租赁价格上涨趋势可能将高昂成本转嫁给中小企业。 欧盟的技术主权战略 * 政策框架： 欧盟发布“技术主权”一揽子计划，核心包括《云与AI发展法案》和《芯片法案2.0》。 * 战略目标： 旨在到2030年将欧盟半导体全球市占率从10%翻倍至20%，并培育本土冠军企业，实现芯片自主。 * 驱动因素： 核心动机是规避外部供应商可能设置的“kill switch”风险，避免在关键技术上被“卡脖子”。 * 潜在挑战： 自主生产可能导致更高的成本，进而推高欧洲本土AI服务的价格。 AI需求对内存市场的影响 * HBM市场爆发： 高带宽内存（HBM）需求激增，SK海力士计划五年内HBM产能翻倍，SK海力士、三星、美光三家HBM巨头均已进入万亿市值俱乐部。 * 消费级内存受挤压： AI对算力的巨大需求正在吞噬消费级内存产能，导致DDR5等普通内存价格显著上涨（例如DDR5涨至375美元），PC玩家正间接为AI买单。 * 供需持续紧张： 尽管HBM产能持续扩张，但AI需求增长可能更快，预计供不应求的局面仍将持续。 巨额投入的潜在风险与成本承担 * 最终买单方： 消费者、初创公司和过度杠杆化的二线云厂商可能成为这笔巨额AI投资的最终承担者。 * 沉没成本风险： 5.3万亿美元的投入中，一部分资金可能在未来成为沉没成本，例如2028年回看，高价抢购的GPU可能贬值一半。 * 主要受益者： 生产AI所需硬件的“卖铲子”公司，如NVIDIA和SK海力士，将是本轮投资中的主要盈利者。

本期AI播客深入探讨集成学习的奥秘，解答为何一群看似普通的弱模型组合后能超越单一强模型。节目将聚焦随机森林和GBDT等技术，解释它们如何通过协同工作降低偏差和方差，并通过丰富的案例展现其在金融风控、广告营销等实际业务场景中的强大应用与独特价值，强调模型不仅要准确，更要能稳定解决实际问题并可被负责任地使用。 集成学习：弱模型如何协同制胜 * 核心理念： 多个能力不强的“弱学习器”组合，通过协同作用超越单一强模型。 * 弱学习器定义： 单个能力有限，但比随机猜测更优的模型（如决策树）。 * 生活类比： 类似于医生会诊、老师批卷，通过集合众智提升决策稳定性和准确性。 * 目标： 理解组合模型在真实业务中的强大应用和价值，而非背诵算法定义。 Bagging与Boosting：修正方向与稳定情绪 * 偏差与方差： 偏差是模型方向性错误，方差是模型预测不稳定。 * Bagging（代表：随机森林）： 通过对同一数据重复抽样训练多个模型并平均结果，主要用于降低方差，使预测更稳定。 * Boosting（代表：GBDT）： 迭代训练，后续模型专注于修正前一个模型的错误（残差），主要用于降低偏差，逐步提升准确性。 * 随机森林特点： 每棵树只看部分样本和特征，通过多数投票或平均结果，实现稳健预测。 GBDT及其工程优化：从补课到实战利器 * GBDT核心： 像“批改错题本”，通过一棵树接一棵树地学习前一个模型的残差（真实值与预测值之差），逐步修正错误。 * XGBoost： “工程加强版GBDT”，通过正则化、并行优化、缺失值处理等提升训练速度、稳定性及防过拟合能力。 * LightGBM： 专为大规模数据设计的GBDT工具，在速度和效率上更优，常用于工业界大数据场景。 * 应用场景： Kaggle竞赛、风控、广告、反欺诈、客户流失、营销响应等表格数据任务中表现卓越。 生产落地：超越准确率的评估与挑战 * 生产场景案例： 金融风控（违约概率）、广告点击率、反欺诈等，模型输出风险排序而非好坏判断。 * 评估指标： 除准确率外，更看重AUC、KS、Lift、利润增益、通过率变化等业务指标。 * 上线难点： 数据延迟、分布漂移、样本偏差、特征穿越、合规限制、成本收益等。 * 特征穿越： 模型偷看未来数据导致离线效果好，上线即失效的问题。 模型解释性与商业价值：理解而非盲从 * 特征重要性： 揭示模型认为哪些变量最有用，但强调“重要不等于因果关系”。 * SHAP： 解释单次预测中各变量的贡献方向和大小，但仅解释模型判断，不等于解释真实世界。 * 反常识观点： 老模型不一定过时，准确率高不等于能上线，解释性有时比复杂度更重要。 * 判断力提升： 评估AI模型价值应关注其能否解决实际问题、数据应用、评估方式、业务闭环、解释性与责任。

🧠 本期要点 1) 高盛将Meta、微软、亚马逊和Alphabet四家云巨头2025-2030财年资本开支预测上调至5.3万亿美元，今年可能达7250亿美元。 2) SK海力士计划未来五年将晶圆产能翻倍，今年Q1在全球HBM市场份额为58%，三星和美光各占21%。 3) Google资助一个100兆瓦虚拟电厂项目，服务PJM电力市场，通过调度用户负荷提升电网灵活性。 4) 欧盟推出Cloud and AI Development Act和Chips Act 2.0，目标到2030年将半导体市场份额翻倍至20%。 5) Google发布Gemma 4 12B，一个约120亿参数的多模态模型，可统一处理文字和图像。 6) 投行Oppenheimer认为SpaceX的Starlink卫星宽带将冲击美国1.6万亿美元通信行业，上调2035年空间经济预测至8000亿美元。 7) AI，也就是人工智能，今天最真实的关键词，是配套。不是只看谁发了新模型，而是看钱从哪里来，内存谁来供，电网怎么扛，欧洲能不能减少依赖，普通用户又会从哪里接上这些能力。 8) 路透社和商业媒体Business Insider在6月3日报道，高盛把Facebook母公司Meta、微软、亚马逊和Google母公司Alphabet四家超大云厂商。 9) 路透社6月2日报道，SK海力士计划在未来五年把晶圆产能翻一倍。SK海力士是韩国主要存储芯片公司，也是英伟达高带宽内存的重要供应商。 10) 这个数字不等于未来五年的出货份额已经锁死。晶圆产能翻倍，也要等设备、良率、封装和客户验证一起跟上。 ⏱ 时间线 00:03 AI，也就是人工智能，今天最真实的关键词，是配套。 00:27 路透社和商业媒体Business Insider在6月3日报道，高盛把Facebook母公司Meta、微软、亚马逊和Google母公司Alphabet四家超大云厂商，从2025财年到2030财年的资本开支预测，上调到5.3万亿美元。 01:04 昨天我们讲过Alphabet自己计划用800亿美元股权融资扩AI基础设施。 01:37 第二条看内存。 02:03 这个数字不等于未来五年的出货份额已经锁死。 02:39 第三条接着看电。 03:13 听起来像电力行业细节，但它会影响AI服务的稳定性和价格。 03:42 第四条转到欧洲。 04:19 边界也要说清楚：这是一组产业政策和立法推动，不是欧洲明天就能替换美国云厂商和亚洲芯片供应商。 04:51 第五条看模型。 05:15 这还不能说明Gemma 4 12B已经可以挑战最强闭源模型。 05:43 最后看通信入口。 06:17 这里的口径尤其重要：这是投行预测，不是SpaceX自己的收入指引；“冲击1.6万亿美元行业”也不等于Starlink已经拿走这些市场。 06:49 今天这几条新闻放在一起，AI竞争越来越像一场配套能力考试。