低空经济的热潮还在升温，随着各地政策的不断出台，eVTOL正逐步迈向商业运营。
与此同时，eVTOL的创业项目不断增多，但由于整个行业产业链较长，eVTOL的研发、量产都需要一个漫长的周期。
在名为《低空经济专题之三：eVTOL详细拆解》的行业深度报告里，分析师详细介绍了eVTOL的核心组成部分。
以下为研报内容节选：
电动垂直起降飞行器（ElectricVerticalTakeoffandLanding，eVTOL）区别于常规飞机的主要技术特点，包括可以实现垂直起降、采用分布式电力推进以及运用全电/混合动力技术。
得益于电动机、电池和自动化技术的发展，与常规直升机相比，eVTOL更加低碳环保、噪声更低、自动化等级更高，并由此产生了运行成本低、安全性和可靠性高的优势。
随着城市空中交通（Urban Air Mobility，UAM）的兴起，引起了eVTOL的研制热潮。
根据航空产业网数据，2009年-2016年，全球仅数家eVTOL企业，自2017年之后，陆续有40余家企业进入eVTOL行业。据统计，目前全球已有百余家eVTOL企业。
从eVTOL企业的地理分布上可以看到，eVTOL企业大部分集中在中国、美国、欧洲等的沿海城市，呈现出中国企业数量多，欧美企业融资额度大的特点。
从融资规模看，根据航空产业网2024年2月6日的报告数据，eVTOL行业累计融资规模超过110亿美元，其中，81%的融资额由前10的企业拥有。大部分融资资金由头部少数企业拥有。Joby、Archer、Lilium融资规模靠前，达到10亿美元以上。
展望未来，eVTOL主机企业数量或先增后减，未来市场或向头部集中。
eVTOL产业链较长，主机厂主要承担的是整机研发和集成的任务。其核心子系统主要包括机体、综合航电系统、飞控系统、能源系统、动力系统以及电气系统六大类。
根据Lilium给出其eVTOL成本占比，推进系统、结构和内饰、航电和飞控占主要成本。
对比同样采用电池作为能源、采用电机作为动力的纯电动汽车，和同样需要满足适航的大飞机的成本构成，可以看到不论是新能源车、大飞机还是eVTOL，动力系统是核心子系统之一，能源系统在电池动力中成本占比较大，航空器中航电、飞控等系统成本占比较大。
1、机体：主要采用碳纤维复材，低成本高效率的热塑性复材或为趋势
碳纤维复合材料是以树脂、陶瓷、金属等为基体，以碳纤维为增强体，复合而成的结构材料，是目前世界上最先进的复合材料之一，因其具有质轻、高强、耐腐、耐高温等优势，被广泛应用在新能源、航空航天、交通运输等领域。
其中，碳纤维复合材料以树脂基碳纤维复合材料为主。航空航天和风力发电领域为树脂基碳纤维复合材料最大需求端，需求占比达50%。在航空航天领域，树脂基碳纤维复合材料常用于制造民用飞机发动机罩、副翼、阻力板以及舱门等，能够达到减重效果。
eVTOL作为新兴的交通出行载体，对飞行器的结构重量有着严苛的要求。
现今市面上能看到的所有eVTOL企业，几乎无一例外的使用复合材料作为主要的机体结构，占比达到70%以上。其中，超过90%的复材为碳纤维复材，约10%的复材以保护膜的形式使用玻璃纤维增强。
研究机构Stratview报告显示，在几乎所有飞行汽车项目中，约75%-80%的复合材料用于结构部件和推进系统；其次是内部应用，包括横梁、座椅结构等，占12%-14%；电池系统、航空电子设备和其他小型应用占剩余的8-12％。
在eVTOL材料需求牵引下，低成本、高效率、规模化制造是碳纤维复合材料的重要趋势，热塑性碳纤维复合材料前景广阔。
目前热固性复合材料在行业中仍占据主导地位，与传统热固性复合材料相比，热塑性复合材料成型周期短、化学成分毒性小，且具有高韧性、高抗冲和损伤容限、预浸料存储期长、量产能力强等优点。
热塑性碳纤维复合材料结合了碳纤维和热塑性树脂的性能优点，且成型后不发生化学交联，能够二次熔化和再成型，便于材料的回收及循环利用，解决了热固性碳纤维复合材料使用期满后的处理问题。
2、动力和能源系统：采用分布式电推进，能源系统以纯电为主
eVTOL主要采用分布式电力推进技术（DEP）。分布式电推进飞机是随着电动飞机发展而产生的，由电机驱动分布在机翼或者机身上的多个螺旋桨或风扇构成推进系统为飞机提供推力。DEP飞机利用推进-气动耦合效应，大幅改善飞机空气动力特性，减小机翼面积，从而降低飞机结构重量。多推进器的冗余能力为飞机提供更可靠的推力保障。
电推进技术采用电能作为动力系统的部分或全部能源，包括油电混合动力、电池、燃料电池等，通过电机驱动升力和推进装置来提供飞行器所需的部分或全部动力，并通过顶层能量管理全面优化能量利用效率，有效降低飞行噪声和污染物排放。
同时，电动力系统的功率特性对大气压力较弱的敏感性可显著增强动力系统的高原适应性，使电动垂直起降飞行器展现出较高的高原适用潜力。
目前，国内外eVTOL主要采用纯电动力。从在研项目看，对于短航程、垂直起降的航空器，采用纯电动的方案占主要份额。考虑到飞机续航能力需求，UAM市场对混合动力系统存在一定需求。
相比新能源车电池，eVTOL要求电池具有更高的能量密度。当前电池单体电芯的能量密度最高水平在300Wh/kg左右，电池包能量密度约220Wh/kg，远低于航空燃油的比能量。
由于电池的技术限制了飞行器的航程，因此，航空业对动力电池单元能量密度提出了明显高于电动汽车能量密度的要求（近期＞300Wh/kg，远期目标＞500Wh/kg）。
此外，eVTOL独特的运行剖面和任务循环以及苛刻的运行环境对锂离子电池系统提出了更高的要求，为了应对紧急迫降需求，要在低电量状态下（如20%SOC）依然保有高功率放电能力；为了满足空中出租业务等频繁使用场景，目前行业普遍需求在少于15分钟内充电至80%。
目前采用三元锂电，未来可能采用固态、半固态、金属电池等。
当前主流化学体系锂离子电池中，三元NCA电芯具有最佳的能量和功率性能，但成本较高、安全性较低；LFP（LiFePO4）电芯具有最高的安全性，但能量密度只有三元NCA和NCM电芯的一半；相比之下三元NCM电芯综合性能最佳，因此三元NCM电池为当前eVTOL使用最广泛的电池。
3、航电系统：飞机的中枢神经系统
1）综合航电系统
航空电子系统（Avionics），简称航电系统，是飞机上所有电子设备的总和，常被形象地称之为飞机的中枢神经系统。航电系统作为现代飞机的重要组成部分，其设计水平直接影响飞机的安全性和可靠性，同时也影响飞机的经济性和舒适性。
航电系统一般分为传感器系统（惯性导航系统、大气数据计算机、雷达、各种无线电导航接收机等）、控制系统（飞行控制系统、发动机控制系统等），以及作为人-机接口的综合电子显示系统。航空电子系统的主要功能包括飞行控制、通信、导航、监视、显示等。
不同类型的飞机根据其任务使命和应用环境不同，其航电系统的组成、功能和配置有一定区别。总体上看，航电系统主要功能是在飞机运行过程中，根据任务需要和环境特点，完成信息采集、任务管理、导航引导等基本飞行过程，为飞行机组提供基本的人机接口，保障飞机安全、可靠的完成相关任务。
通常而言，军民用飞机通用的航空电子系统主要包括：核心处理系统、通信系统、导航系统、飞行管理系统、机载维护系统。
基于飞机使用需求，通用飞机航电系统还可以扩展自动驾驶、广播式自动相关监视（ADS-B）、基于数据链的气象/交通监视、合成视景、无线电高度表、自动定向机、测距器、防撞告警系统（TCAS）、地形提示告警系统（TAWS）等功能。
在eVTOL行业，全球主流机载航电公司基本都和相关eVTOL主机厂达成合作。
2）飞控系统
飞行控制系统简称飞控系统，可以根据飞行员的操纵指令、飞机飞行状态和环境参数，控制飞机机翼、舵面等，实现飞机稳定飞行和精确机动。目前，小型无人机的飞控系统和民航飞机及军用大型无人机的飞控系统均有成熟的解决方案。
飞控系统是eVTOL最核心的子系统之一，技术难度较大。eVTOL主要依赖飞控系统实现飞行器的感知、控制和决策。
eVTOL的飞行控制技术相比小型无人机或民航飞机更加复杂，需要解决基于多旋翼垂直起降、基于常规固定翼水平飞行以及垂直-水平两种飞行模态的平稳切换等技术难题，并且平衡好eVTOL市场化过程中对飞控系统产生的轻量化、经济性、适航等现实需求。
目前的电传操纵系统主要应用于民航客机上，但是eVTOL机型的最大起飞重量多为一两吨，在整机重量、体积小得多的情况下，再加上旋翼类飞机是静不稳定的，必须在本就小巧的机身上加配飞控计算机和IMU等传感器，对飞控系统的体积和重量提出了更苛刻的要求。
eVTOL对飞控系统有低成本要求。eVTOL与传统民航客机有着明显不同的使用场景，作为一种新型的中短途空中交通工具，更侧重于在城市客运(UAM)、区域客运(RAM)、货运、个人飞行器、紧急医疗服务等非长距离场景的应用。在追求高效率的同时，还需要做到可以面向大众市场的低成本。
与民航客机动辄几百万美金的飞控系统预算不同，eVTOL的飞控系统提供商需要让产品和服务匹配eVTOL的成本结构。
小型的电子零部件甚至车规级部件的使用、更先进的仿真系统、MBD（ModelBasedDesign）等新技术及工具的引进使得更低成本的飞控系统成为可能。
适航要求飞控系统需要具有高可靠性。适航要求eVTOL主机厂必须选择可适航的高可靠性的飞控系统。
3）导航系统
导航系统是飞行器核心子系统之一，不仅为飞行器提供姿态、方位、速度和位置的信息，还提供飞行器的加速度和角速率，用于飞机的正确操纵和控制。
导航系统的最关键的指标是精度和可靠性，这两个指标的提升一般有个途径：
采用更高级别的传感器，提升传感器的精度和可靠性；
采用组合导航，组合多种不同工作原理的传感器，形成一套可靠性和精度都远高于单一传感器的组合导航系统。
目前eVTOL主流方式，是采用MEMS传感器、GNSS等，通过数据融合算法提升性能和鲁棒性以满足飞机对于导航系统的要求，eVTOL导航系统有低成本要求，体积、重量、功耗等限制下技术难度较高。传统航空产业的组合导航系统过于昂贵，动辄上百万的价格无法满足eVTOL成本结构的需求。
同时，eVTOL飞机空间和电量有限，对组合导航系统的体积和功耗要求比传统民航高。低沉本要求和体积、重量、功耗等限制下，开发适合eVTOL的组合导航技术难度较高。
此外，eVTOL飞行空域较民航客机更加复杂，有更多干扰因素，机队规模和密度也会大幅度提升，对单机智能化提出了更高要求。
4）通信系统
在民航飞机中，航空空地通信系统按服务对象的不同，可分为驾驶舱通信系统、客舱通信系统；按通信体制不同，可分为基于卫星中继模式的空地通信系统、基于ATG地面基站模式的空地通信系统。
低时延、高稳定的通讯链路是保障eVTOL航空器在复杂城市低空环境下安全运行的有效前提条件。相比较甚高频通信系统（VHF）、卫星通信等传统航空通信方式，地面移动通信中的5G毫米波蜂窝数据链路在低成本、高可靠、广覆盖等方面具备突出优势。eVTOL在低空空域飞行，更适合于基于5G/5G-A地面通信基站的通信模式。
未来，随着卫星互联网的发展，地面基站与卫星互联网可协同满足eVTOL对通信的需求。
5）大气数据系统
飞行器大气数据传感技术是用于测量表征飞行器运动与来流空气相互关系的，包括飞行器运动时所处的静态大气压力（静压）、来流冲击压力（总压），所处环境的大气温度，机体与气流之间的夹角（攻角、侧滑角）等。飞行器的速度和压力高度等关键飞行参数依赖于这些压力测量，因此，大气数据必须要准确可靠。
6）健康和使用监测系统
健康和使用监测系统（HUMS）是一个集机载航空电子设备、直升机故障诊断与预测算法、地面维护支持与管理于一体的系统。
HUMS在直升机中用于监测轴承和其他关键部件的状况，通过提供故障预警，允许操作员在其他计划维护活动期间主动更换组件，从而提高安全性并减少停机时间，其主要由机载设备和地面配套设备两部分组成。
HUMS系统主要功能包括：数据采集与监控功能、旋翼锥体动平衡及机身振动监测功能、传动系统振动健康监测功能、发动机健康监测功能、使用监测功能、超限告警功能、记录直升机规定的各类超限告警信息以及实时数据传输功能等。
7）感知和避撞系统
飞行器在城市环境中飞行时，一些高层楼宇和建筑物将不可避免的对飞行过程产生影响，需要考虑城市低空域复杂场景下的飞行安全问题。
eVTOL可以载人飞行，在系统设计上需要考虑乘客安全，除了通过保障飞行器结构的可靠性外，飞行器是否具备避障功能也是决定安全性的关键因素。
8）其他机载系统或设备
紧急定位发射器：紧急定位发射器（EnergencyLocatorTransmitter，ELT）用于飞机遇险后发射搜救信号,帮助搜救人员确定事故位置并展开针对性的救援。
无线高度计：无线电高度计（RadioAltimeters）输出的高度数据是飞行中的重要参数之一，该数据用于着陆飞行阶段。
载人飞行器具有严格的适航审定要求，传统航空头部供应商拥有丰富的经验积累和适航取证经验，先发优势显著。
国外eVTOL主机厂如Lilium、Vertical、Eve等多与传统航空头部供应商合作，以加快自身产品研发和适航取证。
昨天晚间，中芯国际发布了2024年度第一季度财报。
据财报数据显示，中芯国际本季度营收 17.5 亿美元，较去年同期14.62亿美元，同比增长19.7%，环比增长 4.3%。
值得一提的是，本季度中芯国际在营收层面首次超越联电与格芯两家老牌芯片大厂，史上首次跻身全球第二大纯晶圆代工厂（不算三星）。
受到半导体行业周期低谷以及复杂国际形势影响，中芯国际此前一直保持着低调发展的态势。在熬过国产芯片产业最艰难的时期后，我们明显能从数据上看到中国国内芯片产量的飙升。
但在营收暴涨的背后，中芯国际距离业内霸主台积电、三星的差距依然遥远。
作为中国芯片行业的龙头企业，中芯国际的业绩与动向一直牵动着无数投资者的心。
细看这份财报，在销售收入、毛利率以及产能利用率等核心指标上，中芯国际该季度的表现可以说相当出色，均超预期。
其中，销售收入17.50亿美元，环比提升4.3%，超过16.91亿美元市场预期；
毛利率为13.7%，超过11.8%的市场预期；
产能利用率为80.8%，虽仍未回到2022年之前的水平，但也算是逐步好转。
简单来说，本季度营收如此出色的原因，主要还是得益于国内安卓客户出货量的提升，手机业务、消费电子业务的占比不断增长，“Others”的比例越来越低。
其中，智能手机业务的收入占比为 31.2%，计算机与平板占 17.5%，消费电子占 30.9%，互联与可穿戴占 13.2%，工业与汽车占7.2%。
这里可以关注一下晶圆尺寸的比例，12寸晶圆收入占比继续提升（75.6%），逐渐取代8寸片的收入。
可见中芯国际的高端客户也在逐渐增长，在全球12英寸晶圆厂的投资热潮下，中芯国际同样积极布局产线。
最终，出货量的增长，成功换来了收入的提升。
不过净利润方面，中芯国际首季则同比下滑68.9%，只有7180万美元（约合5.18亿元），低于市场预估的7680万美元。同为国内代工大厂华虹半导体下滑幅度更是达79.1%。
一方面，本季度中芯国际经营开支是2.37亿美元，较过去有所回升。另一方面受到制造业重资产的影响，公司利润中的大部分都用在折旧和摊销，包括晶圆厂的建设以及光刻机等核心部件的采购。
总体来说，虽然增收不增利，但中芯国际给出的成绩单还是相当不错的，并且公司对全年销售收入增长也是充满了信心。
当然，这一切的前提都是外部环境无重大变化。
在财报说明会，中芯国际联合首席执行官赵海军透露了业绩数据背后的一些细节。
其中，赵海军表示，中芯国际在一季度收到了一些急单，不过由于部分产线接近满载无法完全满足所有订单，所以只有优先保证与市场份额相关的消费电子急单。
此外有消息表示，中芯国际绝大部分的12英寸产品从2月份开始就处于供不应求状态。
至于客户是谁，这里就不多过分猜测，但可以肯定的是，中芯国际在保持投资密度、积极加码12寸晶圆产线这件事上算是顶住了外部的压力，为中国大陆厂商的芯片产能需求提供了保障，同时也为公司未来的复苏打下了坚实的基础。
不过扩张之路并非一帆风顺，受到出口管制措施的影响，目前中芯国际仍以成熟进程为止，随着先进节点的成本不断下降，成熟制程将面临低利用率、价格竞争加剧等挑战。
从平台来看，据赵海军介绍，中芯国际正在围绕消费电子、车规、IoT、显示驱动等主流应用场景，加快开发技术平台。
其中，中芯国际28nm车规等相关平台开发也在陆续推出，将为国内车企提供更多服务。
但从这里可以看出来，中芯国际在先进制程的进程上仍有欠缺，尤其是当前大火的AI芯片代工，依然由台积电、三星两家瓜分，而英特尔的加入也会进一步加入晶圆代工市场的竞争。
从数据上来看，台积电一季度营收 5926.44 亿元新台币，约182.62 亿美元，已经属于“独一档”的第一梯队，不要说中芯国际，即使是三星也很难赶上。
但目前来看，三星的先进制程工艺与台积电之间的差距已经越来越小，台积电也深知压力。
为了弥补烧钱的2nm、3nm制程产线，台积电已经开始新建晶圆厂投产12nm、16nm、22nm和28nm芯片，目的就是通过工艺水平、良率的优势，抢下一些订单。
好消息是，中芯国际目前仍以国内客户为主（81.6%），海外营收并不是大头，因此台积电海外工厂对国内代工厂的冲击并不会太明显。
但随着行业竞争日益激烈，进一步的降价竞争出现，中芯国际在策略上是否会发生改变呢？
一场北京车展，让各位车企高管们看到“雷军式营销”的魅力。
围绕着泼天的流量，车企创始人和高管们纷纷化身“明星”，卖力地在最前线为自家品牌加油打气。
简单来说，雷军给车企高管们提供了一种营销思路——经常被自媒体人挂在嘴边的“个人IP”，在传统汽车行业同样适用。
这时，远在海外盼着回国的贾跃亭似乎有话要说：他先是炮轰高合汽车，接着抨击小米汽车是山寨，刷足了存在感。
就在昨天，贾老板又在个人微博上发了一条视频，宣布打造个人IP挽救即将退市的FF（法拉第未来）。
但在视频发布之后，贾老板一手创办的FF却第一个站出来打了脸。
7号晚间，贾跃亭在社交媒体发布来了一篇名为《为救FF，我做了几个决定》的视频。
首先，贾跃亭近期的一些消息进行了辟谣，并对FF上市后的情况进行了总结复盘。
接着，贾跃亭宣布将出任联席CEO、力争让FF保持合规上市地位、加速融资进程、并向中美全行业开放产品、技术、合规等技术链和价值链。
最后，贾跃亭提到了视频重点，未来将通过个人IP商业化赚钱。
有意思的是，贾跃亭特别提到，他会尽量尽快赚些钱，一部分还债，一部分救公司用来补贴造车，力争可以支持FF的基本运营，给投资人和补充信心。
其实已经有网友猜到了，既然是赚快钱，那贾老板似乎马上就要直播带货了。并且他在视频里提到，这一决定跟他个人追求并不一致，所以是一个“纠结决定”。
既然融资困难，卖公司也不现实，又不能做违法的事，目前来看只剩下直播带货这件事。
巧的是，就在北京车展前，雷军、李斌、周鸿祎等纷纷开启了直播首秀。
从效果来看，当这些平日里只能在发布会看到的高管们出现在直播间后，通过与车主们进行及时有效的互动，实实在在吸了一波粉丝。
即便是哪吒CEO张勇在直播时频频翻车，最后也帮自家投资人周鸿祎拉来了一波流量，毕竟“黑红，也是红”。
相比之下，贾跃亭在互联网圈可谓老牌的流量红人，虽说在 “ 销声匿迹 ” 好几年，但江湖上依然流传着“贾布斯”的神话。
要知道做好直播的几个要素：恰当的热度、惊人的口才以及强大的营销能力，这些对于贾跃亭来说都不是事儿。
尤其是贾跃亭的“忽悠能力”——靠着一张嘴，年年拿下融资，并挖来一众车圈大佬加入FF为造车填坑，不少人在幡然醒悟后，直呼后悔并公开打假，但这丝毫不妨碍贾老师不紧不慢地忽悠“新人”加入。
当然，直播带货固然是有流量的人的最终归宿，但贾跃亭变现的手段并不只有这一条路。
玩笑归玩笑，FF当下遇到的危机确实急需资金去拯救。
上月底，FF发布公告称，公司于4月24日收到纳斯达克的信函，因连续10个交易日其股票收盘价低于0.1美元，已不符合纳斯达克上市规定，因此工作人员决定将FF的股票从纳斯达克市场退市。
对此贾跃亭表示，自己作为FF创始人将与管理层竭尽所能，力争恢复合规并努力保持上市资格。
但事实上，目前FF的退市已经是注定的结局。
首先，FF目前很难有融资的能力。
我们都知道，贾跃亭一直奉行“轻资产”的运营理念，除了靠自己的口才换取融资以外，剩下就是靠各地的资产储备来稳定投资者的情绪。
这其中包括加州的汉福德工厂，但为了获取现金流，FF一直都在出租和回购中来回横跳。
但有趣的是，这次贾跃亭似乎真的遇到了资金的难题，位于洛杉矶的总部因拖欠几十万元的房租钱而被房东起诉，位于圣何塞的办公室同样遭到了房东起诉。
如果连公司最后的“门面”也没有了，投资者们也很难去相信FF的量产能力。
其次，FF的管理层及员工对于贾跃亭似乎也失去了信心。
在，FF方面并不认同贾跃亭的决定。他们发布声明称，贾跃亭以个人而非公司高管身份在社交媒体上发布了一段与公司有关的视频，视频中的声明未经公司批准，任何此类声明都不应认为是公司所为。
此外，FF还表示，虽然公司了解到该视频表明贾跃亭考虑在公司董事会任命的情况下担任公司联席CEO的可能性，并对其想提供服务表示赞赏，但目前公司董事会不考虑任命其为联席CEO。
简单来说，公司管理层也不太相信贾跃亭能拿到投资者的钱了。
在此之前，FF与贾跃亭曾陷入多次“信任危机”，后者一度卸任了FF的首席CEO，改当体验官。
在当时，这里面更多有剧本的成分，但现在来看，FF已经陷入“巧妇难为无米之炊”的尴尬处境。
最后，整个车圈已经到了下一个洗牌阶段，越来越多的车企被迫出局。
作为对比，造车十年，花了两百多亿，却只交付了11辆车的FF，在小米汽车成功的背景下，俨然成了“小丑”。
Stack Overflow，一个类似知乎、Reddit的老牌网站，因专注于技术问答和社区运营，因此在全球程序员圈内备受欢迎。
然而自从ChatGPT问世以来，该网站的访问量和搜索量都在短时间里骤降，众多程序员开始放弃使用。
为了挽留住用户，Stack Overflow先是封杀ChatGPT，紧接着推出自研AIGC产品，但接二连三的“自救”依然止不住流量的大幅下降。
令人惊讶的是，Stack Overflow突然在本周一宣布与OpenAI签订协议，为其提供数据。
有意思的是，Stack Overflow不仅与OpenAI合作，其丰富的数据也被谷歌的Gemini模型买走。
在程序员圈里，Stack Overflow地位有多高？
简单点说，作为一家老牌问答网站，Stack Overflow已经成立了16年、最高时每月都有2亿台主机访问。
无论一线大厂技术大佬，还是刚入门的计算机小白，只要提出了编程问题，总会有网友挺身而出，提供思路，甚至直接给出最优解的答案。
正是因为有着庞大的数据，Stack Overflow虽然名气比不上Reddit，但也算是圈内人的必备网站。
但事情在ChatGPT横空出世后，开始朝着衰落的方向发展。
在 ChatGPT上线后，迅速有网友发现其出色的代码生成能力，因此“ChatGPT可以取代Google、Stack Overflow”的言论吸引了大批程序员的目光。
然而令人没想到的是，仅仅上线5天后，Stack Overflow反手就把 ChatGPT 给封杀了。
原因是ChatGPT生成的代码错得过于离谱，因此Stack Overflow宣布这些生成垃圾答案的账号都会被封号。
有意思的是，Stack Overflow团队发现，很多用来训练AI模型的数据，其实就是来自Stack Overflow。
如果放任AI机器人生成垃圾回答，那不就等于搬起石头砸自己的脚吗？
虽然Stack Overflow的表态很明确，广大程序员们也能理解，但奈何ChatGPT的体验实在是真香！
最终，面对AI的强势来袭，Stack Overflow的流量也是越来越差，到了2023年6月，浏览量几乎已经是腰斩。
为了止住颓势，Stack Overflow 开始是一系列措施。
先是在7月，技术团队利用自家5800万个问题和答案的数据库，做了一款名为「OverflowAI」的AI 工具，其功能主要围绕着编程，但没有掀起太大的水花。
到了10月，公司CEO宣布解雇了约28%的员工，通过缩减营销预算的方式，为 AI工具持续输血。
不过由于OverflowAI还处于初级测试阶段，面对实力强劲且不断进化的ChatGPT，OverflowAI能做的仅仅是拖延Stack Overflow衰落的速度。
在面对ChatGPT的威胁时，Stack Overflow一开始选择使用“防御”的姿态。
但殊不知，这些公开的互联网数据早已被OpenAI等科技公司用“爬虫”等手段进行搜刮，自己不仅要面临用户的流失，更要面临数据的流失。
不过毕竟日访问量摆在那里，Stack Overflow手握着大量优质的数据，倒也成为一笔可以交易的资源。
自《纽约时报》带头起诉OpenAI后，越来越多的新闻媒体和门户网站加入到讨伐OpenAI的队伍中。
在面对版权问题时，科技公司们只能乖乖掏钱为训练数据付费，并承诺不会使用私人数据。
Reddit、Youtube、ShutterStock、Photobucket等网站都是数据交易的受益者，手握大把优质的训练材料，科技巨头们花起钱来也是毫不吝啬。
相比之下，Stack Overflow的数据同样出色，甚至比Reddit这样的综合性网站更加专业。
因此，Stack Overflow CEO也开始学会了向各大科技公司推销自家数据，其中就包括了Google的 Gemini 模型。
或许正是看到了科技公司对于优质数据的渴望，让高层选择来了一次360度的态度大转变，既然用户是回不来了，那至少把钱赚到口袋里。
值得一提的是，Stack Overflow当时强调，该协议并不具有排他性，这就意味着任何科技公司都可以购买同样的数据，剩下就看哪家训练得更好。
据报道称，Stack Overflow 的技术内容将与 OpenAI 的 GPT-4 等模型相结合，通过OverflowAPI访问，未来开发者可以直接通过 OpenAI获得可靠且经过验证的数据，并帮助他们快速找到解决复杂问题的方法。
而Stack Overflow 也能从开发社区收集反馈，确保 AI 开发工具持续改进。
简单点就是说，Stack Overflow与 OpenAI来了一次技术和数据的互换，前者提高了AI能力，后者得到了可靠的数据，两者双赢。
据悉，此次合作将带来的第一组集成功能和能力，预计将于 2024 年上半年发布，这也说明双方的合作其实已经进行了很久。
目前，越来越多的社区网站开始加入到AI训练中，包括百度贴吧的“弱智吧”，在一次研究里显现出不俗的数据训练效果，一度冲上热搜。
对于访问量不断下降的传统内容网站们，优质的数据确实是一个可以长期进行的“副业”。
另外，AI固然很香，但不是没有缺点。
自Stack Overflow开始转向开发AI能力后，开发者社区的一些成员对这一变化表示反对，他们对人工智能生成的信息的有效性、以及数据隐私表示担忧。
也有专家指出，AI会导致更多错误代码被推送到代码库中，甚至放大软件项目中现有的漏洞和安全问题。
但对于“饥渴”的AI公司们，不断膨胀的数据消耗问题已经足够头疼。
而网站的帮助，刚好可以为自己分担一些风险。
在智能驾驶领域，特斯拉FSD基本代表着全球的最先进水平。随着FSD在国内的解禁，国内厂商们将迎来一次新的挑战。
本月初，特斯拉长达三年的 FSD Beta 测试计划似乎已经结束，这一变化体现在其最新版本更新说明中，其将原先的“FSD Beta”更名为了“FSD (Supervised)”。
Supervised 是“监督”的意思，而这正是FSD的核心。
那么从测试版转正，新版本的FSD究竟强在哪里？
在名为《特斯拉的FSD时刻》的行业深度报告里，分析师从三个核心逻辑的角度介绍了FSD新版本更新内容。
以下为研报内容节选：
1、端对端NN重塑FSD
2024年3月，特斯拉先后推出FSD（Beta）12.3.2、12.3.2.1以及最新的FSD（Supervised）12.3.3版本。
相比较于FSD 11，FSD v12创新性地采用了端对端的神经网络技术（端对端NN），可以更好地理解和处理复杂驾驶环境，减少驾驶人员的干预，提高自动驾驶的精确度和自动化度。
感知-决策-执行是FSD的基本流程，在v11中，感知阶段需要通过视觉方式/雷达方式获取周围物体信息并识别和标识分类，决策阶段则依赖于事先认为编写好的控制规则。
但是v12采用了端对端NN技术，感知阶段不再需要识别和标识，决策阶段也不需要事先人为编写控制规则，只需要输入大量视频交给NN学习，就能分辨出在不同情况下需要做什么，这使得特斯拉在FSD V12中减少了100倍代码，使其更轻便、更灵活，同时在没有网络连接的情况下仍能在不熟悉的地形上工作。
目前，v12在北美的已经适配装备HW4.0的modelS、3、X和Y，在中国地区目前只有Model Y可以升级到HW4.0。
Y可以升级到HW4.0。相比HW3.0，HW4.0在算力、摄像头数量和清晰度等方面具有大幅度的提升。摄像头为8个，算力提升5倍，素有摄像头像素由120万提升至500万。
目前，特斯拉FSD累计里程指数级增长超10亿英里，剑指百亿公里。
2、新版Autopark不依赖USS
新版的Autopark（泊车功能）基于与FSD v12相同的NN技术，不再依赖USS（超音波雷达）：自2022年特斯拉放弃USS而改用摄像头以来，未装备USS的新特斯拉的Autopark和Summon功能给用户带来的体验感远不如装备USS的车辆。
之前版本的Autopark具有两大主要缺陷：1）很难检测停车位并将其显示在屏幕上，而且一次只能显示一个停车位。2）停车速度通常非常慢，如果周围有其他车辆，几乎很难完成自动泊车。
而新的Autopark基于NN技术，显著改善了这两个问题，停车速度更快，不仅可以在显示屏上勾勒出停车位，还可以同时显示各种停车位-包括平行空间。此外，这次升级，特斯拉真正实现了一键泊车（TaptoPark），当驾驶员选择好停车位后，点击“开始按钮”，特斯拉的车辆能够安全地倒车进入停车位，驾驶人员只需要保持关注并随时准备在必要时取消自动停车操作即可，大幅度降低了人为干预需要、提升用户体验。
3、HW4.0芯片算力大幅提升
芯片改用更先进制程：HW4.0 FSD芯片采用三星7nm工艺，HW3.0为三星14nm工艺，新的自动驾驶芯片性能将是现款自动驾驶芯片的5倍左右。
摄像头或升级：摄像头数量或从9个减少到8个，但是摄像头的清晰度从120万像素提升到500像素，这使得HW4.0具有比3.0更强的感知能力，最远探测距离可达424米，扫除盲区和死角。
预留雷达接口：HW4.0预留了装备雷达的空间，但是modelY在出厂时并不具备雷达功能，这可能与特斯拉更加偏好视觉方案、降低车辆出厂成本等因素有关，同时也为用户提供了一定的选择空间。
CPU内核数量提升66.67%，FSD Computer2数量增加到3个：CPU方面，HW4.0由3.0的12核，提升到了20核，内核数量提升66.67%。计算平台方面，虽然HW4.0仍然采用的是FSDComputer2，但是数量却增加到了3个。
1、特斯拉引领技术路径收敛
1）特斯拉引领BEV+Transformer
2021年7月AI DAY，特斯拉首次展示基于Transformer的BEV感知方案，是大模型首次用于自动驾驶，实时感知生成向量空间。
2）特斯拉Occupancy感知引领华为、理想跟随
2022年10月AI DAY，特斯拉Occupancy感知进化，不识别类别也能判断物体运动状态，引领华为GOD、理想Occupancy跟随。
3）TeslaLane感知车道拓扑，理想提前提取复杂路口特征
4）大模型自动标注效率是人工的1000-45000倍
5）特斯拉Dojo投产，国内厂商建设超算中心
2、大模型催化FSD时刻
1）大模型蒸馏有望解决车端算力不足带来效果欠佳问题
车端计算资源有限难以部署大模型，导致推理效果和泛化性能欠佳：通常来说，规模较大的模型预测效果更好，但训练时间长、推理速度慢的问题使得模型难以实时部署，尤其在自动驾驶汽车等计算资源有限的设备上，响应速度显然不够用。规模较小的模型虽然推理速度较快，但是因为参数量不足，推理效果和泛化性能没那么好。
大模型知识蒸馏给小模型，可以实现更优的性能：知识蒸馏（knowledgedistillation）是模型压缩的一种常用方法，通过构建一个轻量化的小模型，利用性能更好的大模型的监督信息来训练这个小模型，以期达到更好的性能和精度。目标检测是计算机视觉中的一个重要任务，知识蒸馏可以在不增加其计算消耗的前提下提升其表现。
2）生成式AI有望高效低价提供高质量训练数据
生成式AI可以生成廉价的海量训练数据和极端驾驶场景，高效地批量生产自动驾驶模型训练开发所需的海量数据。
3）大模型赋能智驾GPT：“语言+视觉+雷达+地图+定位”或将赋能多模态感知
3）BOM成本下降
1）特斯拉FSD引领无图城市NOA重新定义智能汽车。
特斯拉率先定义，引领国内新势力布局不依赖高精地图的城市NOA，当前量产方案处于有图向无图的过渡期。
特斯拉率先推送高速NOA：特斯拉于2016年10月率先推出高速NOA（Navigate on Autopilot）功能，定义了高级自动驾驶的进阶方向。2020年末起，蔚来、小鹏、理想相继向客户推送高速NOA。
城市NOA重新定义智能汽车：特斯拉于2020年10月，首次向早期访问程序测试人员发布了其FSDBETA测试版，支持在城市道路使用NOA，标志着汽车智能水平的重新定义。
2）成本下探：24/25年L2+/L3智能驾驶BOM成本有望下降50%
分析师认为，自动驾驶BOM成本有望大幅降低。
一是从华为ADAS系统的变化可见（v1.0 vs v2.0），传感器配置从3颗激光雷达减至1颗激光雷达，前视摄像头减少2颗，毫米波雷达从6颗减至3颗，未来车企有望从依赖多颗激光雷达转换至“纯视觉感知+1颗激光雷达监督”。二是车企从依赖高成本的高精地图转变到依托边际成本低的感知模型。
根据何小鹏，2024年小鹏自动驾驶Bom成本将下降一半。
大疆车载认为L2+智能驾驶系统的总成本（软件+硬件）占整车售价在3%~5%是合理的，认为未来合理L2+智能驾驶系统成本区间在5000元到15000元。
真正的入门级特斯拉，这次真要来了。
据海外媒体报道，特斯拉CEO埃隆·马斯克确认，旗下入门级车型Model 2将于2025年正式上市开售，其项目名为“Redwood”。
此前，马斯克刚辟谣了廉价车型计划取消的谣言，并且在财报会上力推RoboTaxi项目，借此为新车型上架推销一波。
也就在昨天下午，马斯克突然抵达北京，先后与中国贸促会会长任洪斌、国务院总理李强见面。外界猜测，马斯克此行的目的是推进FSD入华。进展很快，在当日晚间，中国汽车工业协会在发布的一份文件里，特斯拉就被列入了数据安全”白名单”中。
紧接着，又有报道称，特斯拉将通过与百度合作的方式，将先进辅助驾驶功能带入特斯拉车型。
刚经历最差的业绩的特斯拉，在短短24小时内，又要被中国救活了？
虽说这是一款新车型，但网上其实早就有Redwood（以下统称为“Model 2”）的相关消息。
在年初的时候，特斯拉曾向部分经销商透露一款两厢掀背车型。又有人称，这是一台缩小版Model 3。
据传，这是一台售价在2.5万美元（折合人民币约18万元）左右的车型，进入国内进行国产化之后，售价或进一步压低到15万元人民币左右。
新车之所以会有着如此低的售价，除了本身车身尺寸的减少之外，另外还得益于新车会使用新一代电动汽车平台，进一步改善车架并降低成本。
而根据今天的最新消息，2.5万美元的市场定价基本已经确认，据悉新车将于墨西哥、柏林以及上海工厂开启投产工作，而后期经过国内市场大规模投产后，其价格或许将迎来进一步下探，或许15万的特斯拉真的能等到？
在消息传出后，有外媒放出了新车的渲染图。
从外观来看，Model 2主要改动在后备箱，而不是将Model 3缩小了一圈。因此，Model 2更符合两厢小车的定位。
另外，Model 2大概率在电机、电池、内饰等环节进一步控制成本，但考虑到特斯拉出色的能源管理能力，实际性能并不会太多缩水。
在特斯拉内部，其实一直在推进一种名为“拆箱”的新生产工艺。投资银行 Evercore ISI 分析师克里斯·麦克纳利曾在一份报告里透露了一些细节——该项目内部称为“NV9X”，由马斯克本人亲自掌控。
该项目涉及到一款紧凑型车型，通过提高自动化程度的方式从内到外制造汽车，既能提高生产速度，又能降低成本。
结合以上信息来看，Model 2大概率会是“NV9X”项目的首款车型，并且服务于RoboTaxi。
如果特斯拉真的在推进全新的组装工艺，或许这也是新车延误上市的原因之一。
除了要承担拉动销量、撑起自动驾驶“大饼”的任务以外，Model 2 很有可能为FSD入华铺路。
就在昨天，马斯克突然访华，没有飞向大本营上海，而是直奔北京。
有消息称，马斯克此行是希望争取获得数据方面的相关批准，以训练其自动驾驶技术的算法。
在这之前，特斯拉在国内一些区域属于“黑名单”，有禁行禁停限制，主要就是对敏感信息采集的不信任。
进度很快，在当天中国汽车工业协会发布《关于汽车数据处理4项安全要求检测情况的通报（第一批）》里，总共6家企业76款车型符合数据处理4项安全要求，特斯拉就在其列，在“车外人脸信息等匿名化处理”、“默认不收集座舱数据”、“座舱数据车内处理”、“处理个人信息显著告知”等4个方面，特斯拉符合标准。
但解决了数据的问题后，FSD入华还是存在不少问题。
对比北美及欧洲，中国城市道路复杂多样，交通法规不同于海外，当前版本的FSD需要经过迭代才能真正上路。
相比于之前的辅助驾驶功能，FSD最大的差别其实是多了一个城区NOA，靠着纯视觉“眼睛”和FSD“大脑”实现完全自动驾驶。
想要自动驾驶能力的完成度，就需要更多的特斯拉车型加入到训练中，而目前来看，老款车型降价对于销量的提升能力越来越弱，这时候就需要一款廉价车型承担起走量的任务。
其次，FSD的国内定价问题也需要考量。对比其他车企的智驾方案，FSD的买断价格偏高（当前由12000美元降至8000美元），几乎国内车企方案的两倍之多。而在功能上，FSD相对于老车型上的辅助驾驶方案更多强在城市NOA功能，而这并不一定是所有车主的购买点。
既然老车型卖不动，那就只能依靠廉价车型带货FSD了。
凤凰城，美国亚利桑那州州府，一个位于美国西南部的城市，常年气温干燥，四周围绕着沙漠丘陵。
在干旱沙漠里，台积电的办公大楼矗立其中，旁边是正在建立的芯片制造工厂。
自2020年，台积电宣布美国亚利桑那州 芯片工厂计划以后，来自中国台湾和美国本土的工程师们就开始为这座制造设施工作。
到了2022年底，全球顶级芯片公司的一把手们更是齐聚在这座晶圆厂里，庆祝台积电首家美国工厂设备到厂。
在那场仪式上，台积电披露了第二座晶圆厂的计划。虽然比亚洲本土生产的先进技术要落后一两代，但依然代表着世界领先水平。
然而在投入近400亿美元的资金后，美国芯片工厂的进度反倒一拖再拖，原定于今年投入使用的一期工厂，大概率延期到明年。到了今年4月初，台积电再次宣布了第三座芯片工厂的计划，总投资也超过650亿美元。
在《Rest of World》的一篇报道里，介绍了台积电美国工厂遇到的艰辛历程，而这些问题其实早已不是什么秘密。
台积电亚利桑那州工厂，占地面积为1100英亩，约合445公顷，相当于625个足球场。
这个面积超过了台积电在台湾的厂区面积总和，且比台湾新竹科学园区的面积大出一半以上。
正因如此，台积电在一期工厂预计耗资120亿美元。
正常来说，建立4nm先进封装厂的投资确实很高，根据美国研究机构CSET的报告数据，台积电美国新厂的建设成本是台湾建厂的至少5倍，因此120亿美元的预算其实高于建设方的报价。
但台积电很快遇到了第一个问题：全球供应链中断以及通胀压力。
受到疫情的影响，美国海运出现了“大堵车”的状态，制造芯片所需用的原材料和零部件正无助地漂流在某个港口之外。
而港口内的工人却因缺失必要的货运卡车开始“躺平”拒绝加班，最终造成了连锁反应，让全球供应链开始陷入了混乱。
除了堵塞以外，物流价格成了半导体企业头疼的另一大问题，海运的价格开始飙升。
为了降低建设成本，台积电决定采用“台湾制造整厂输出、美国组装”策略，但依然压不住价格，因此费用急剧上升。
而这时，台积电又遇到了第二个坑：美国政府的“大饼”。
台积电对国际扩张的兴趣，源自不断升级的地缘政治，半导体行业也不例外。
在这场争夺芯片制造巨头的竞赛里，美国政府为了弥补制造环节的薄弱，推出一系列补贴政策吸引台积电在美国建立更大更先进的工厂，而台积电也有意在海外建立工厂。
在《芯片与科学法案》里，美国政府开出了527亿美元的资金补贴和税收等优惠政策，虽说是数家瓜分，但美国政府承诺给台积电的金额并算不低。
为了补贴，台积电宣布了启动第二期工程，预计于2026年开始生产3nm制程技术，两期工程的总投资金额增加至400亿美元。
然而在台积电申请补贴后，美国政府就修改了《芯片与科学法案》，针对台积电等外企，设定了“护栏条款”，包括不能在中国大陆市场扩产或者增加投资、不能独享利润，赚钱后需要和美方共享、数据透明等等。
简单来说就是一句话：想拿到钱，并不容易。
虽然台积电方面表达了不能接受的态度，但赴美建厂已经是板上钉钉了，没有退路可言。为了拿到补贴，只能继续投资。
就在本月，台积电再次宣布了亚利桑那工厂的第三期计划，整体投资计划也涨到了650亿美元，目的是换取美方最高66亿美元补助，以及最高50亿美元的贷款。
但从目前的进度来看，台积电也是反过来给美国政府画饼——既然补贴难拿，那工厂的进度也就是个“面子工程”而已。
对于台积电来说，新建设施的高昂成本其实算不上什么大问题，亚利桑那州工厂内部的“混乱”，才让整个工厂上下都感到了不满。
作为美国历史上最大的外国直接投资之一，亚利桑那州工厂将创建超过20,000个建筑工作岗位和6000个长期工作岗位，其中大部分岗位都留给了美国本地人，由美国工人进行制造。
但芯片制造本身就是一个需要高强度工作的行业，由于对于台积电这种订单爆满的代工巨头。
台积电内部人士表示，公司的成功取决于严格的、类似军队的工作文化，工程师们需要每天工作12小时，周末也经常加班。
在东亚文化的环境下，亚洲员工可以很快适应高强度的工作，例如台积电日本工厂工人，就因更愿意加班以及对雇主的忠诚，因而顺利地完成了日本工厂的投产。而美国工程师们，显然无法接受高压的工作环境，更不要说接受东西方的文化差异。
据报道称，美国员工在台南市Fab 18工厂培训时，由于无法使用普通话和台湾方言进行沟通，因此每人都会配备一名同作为事工作伙伴，帮助他们熟悉环境。
但由于台湾同事工作繁忙，大部分美国员工都是通过翻译软件应付日常工作，其效果可想而知。
这种微妙的关系最终带入了亚利桑那州工厂，一半是台积电总部派来的台湾工程师和工人，一半是美国本地人。
就这样，赴美的台积电工程师们认为美国工人难以伺候，很难完成任务，缺乏奉献精神。反过来，美国工程师们指责工厂的“亚洲文化”导致了工厂管理混乱、等级制度僵化、工作强度太大。
直到目前，双方依然就企业文化进行着斗争，而高层虽然尽可能在缩小双方文化差异，但显然他们更偏向于自家员工。
“台积电被誉为地球上最糟的工作地点之一。”在面对记者的采访时，亚利桑那州的美国工人们发出了这样的感慨。
而对于远渡重洋的工程师们，他们并没有受到这些外界因素的影响，手拿着高额的补贴、身处宽松的环境，虽然嘴上说着羡慕日本工厂的高效，但实际上他们才是最大的赢家。
而另一个赢家则是美国政府，靠着高额补贴的大饼，成功将台积电收入口袋中，只要工厂不跑，总有建成的一天。
而最痛苦的则是那些美国工人们，身处未开发的沙漠，还要忍受难以接受的长工时文化。
等到工厂正式建成，订单是否真的会来呢？
时间回到两个月前，苹果CEO蒂姆·库克亲临纽约曼哈顿第五大道苹果旗舰店，与员工们一起欢迎首批购买Vision Pro的用户。
这是一款售价高达3499美元的头显设备，堪称“苹果史上最昂贵新品”。
在开放预购一周时间里，Vision Pro的销量突破了20万部大关，而国内的黄牛也一度炒到10万元一台，并且一机难求。
但曾经有多火，摔得就有多痛，没人会料到Vision Pro凉得这么快。
自从开售之后，用户们开始纷纷吐槽并且大规模退货。进入四月后，更是有知名科技爆料人感慨，如今许多苹果零售店甚至一周也卖不出几台。
忘不掉元宇宙的小扎最近动作不断，先是开放了开放头戴设备Quest的操作系统Horizon OS给第三方硬件厂商，紧接着又发布了一款自带大模型的AI眼镜。
就在昨天的财报分析会上，小扎直言：他看到了没有显示屏的AI眼镜，将成为主流市场！
可以听音乐、导航、自带语音助手的智能眼镜，并不是什么稀奇玩意。例如谷歌的Google Glass，华为、小米等手机厂商的智能眼镜产品，外观看起来十分炫酷。
但在这些智能眼镜在功能上只是作为智能手机的附件，即便是加上了AR功能，也不太适合日常生活使用。
而在最新一轮的生产式 AI 革命开始后，厂商们也开始思考AI对于AR智能眼镜的价值和意义——既然智能手机能用上大模型，智能眼镜是否也能用上AI技术。
就这样，Meta在自家的雷朋智能眼镜加上了多模态版的Llama 3，可以直接翻译不认识的语言，还可以实时识物。对于AR眼镜来说，这些功能可谓是杀手级应用。
要知道，Llama 3 的开源版本还没支持多模态，但智能眼镜已经能看懂文字了。
根据介绍，这款由AI 驱动的智能眼镜配备了一个 1200 万像素的摄像头和五个麦克风，在硬件配置上和上一代产品并没有太大更新。靠着这些硬件，用户可以仅用语音就控制眼镜去拍照、录制视频，甚至直播到Ins或Facebook等应用程序。
为了进一步加强AI功能，Meta兑现了引入AI大模型的承诺，并提升提升语音AI交互能力。
在去年9月发布第二代雷朋智能眼镜后，这款售价299 美元的智能设备在单季度的发货量就已经超30万副，远超Meta此前预期。
如今，在带来更强大的多模态AI助手后，Meta自然是报以更大的信心。
在Meta旗下Reality Labs 部门（现实实验室）成立10周年之际，Meta 在一片博客文章介绍了其混合现实硬件未来的走向。
其中一个很重要的信号是将Quest 3与雷朋智能眼镜整合起来，形成AI+AR眼镜的新形态产品。这也正是这款AI 眼镜的设计思路。
从产品定位上来看，雷朋智能眼镜智能算一款合作产品，而Quest 3才是自己的“亲儿子”。
但从Meta的一系列动作里我们可以发现，Quest 3似乎正有意被雪藏，而AI眼镜才是Meta的下一步重点。
虽然扎克伯格嘴上一直在嘲讽Vision Pro的“失败”，他表示未来人们不会带着虚拟现实头显四处走动。
事实上，Quest 3正是一款完全对标Vision Pro的产品，但其处境远远不如后者。
提到苹果Vision Pro，虽然目前表现确实拉胯，但至少已经吸走了几乎所有的新鲜感、期待值，并且自身产品力并不差，可以说是“未来可期”。反观Quest3，不仅被吸走了关注的目光，自身小麻烦还有一堆，很难打响翻身仗。
就在昨天，Meta公布了一季度VR板块收入，仅为4.4亿，低于市场预期4.96亿。与此同时，经营亏损率再次扩大，再创历史最高水平。
扎克伯格曾表示，Reality Labs要到2030左右才能实现盈利，然而近些年，该部门的亏损越来越大，去年全年亏损达161.23亿美元，今年看似将亏得更多。
此前，扎克伯格还信誓旦旦地向投资人保证，要收敛在XR业务上的投入。
如果要保住这个部门，那只能从Quest 3下手。
有意思的是，换作其他厂商，或许早就砍掉了XR部门，但扎克伯格似乎并没有放弃XR业务的念头。
首先，占比98%的广告业务足够给力，完全可以覆盖Reality Labs的经营亏损。
其次，缺少硬件实力的Meta基本没可能反超其他巨头的可能，自己手握着大把内容生态，都是广告主们的潜在入口，怎么能让给其他硬件厂商。
因此，Meta只能指望Reality Labs在未来能抓住一轮技术革命，通过硬件将用户深度绑定。
目前来看，Meta找到的答案是AI+AR。
随着Vision Pro等明星产品的发布，让XR行业获得了较高的关注度，但由于缺少杀手级应用以及头显自身的硬件限制，拉新还是留存都面临着巨大的问题。
相比之下，AI 加持下的 AR 眼镜有效避开了视场角等问题，并且其上头难度及价格远远低于头显，其潜在的市场相当可观。
对于大众消费者来说，价格也是一个不可忽视的细节。相比3499美元的Vision Pro，299美元的AI眼镜更值得拿出来研究。
在面对特斯拉投资人这件事上，马斯克一直有自己的技巧：先是卖惨，接着画饼，屡试不爽。
北京时间4月24日凌晨，特斯拉在美股盘后公布了2024年第一季报。在外界不断唱衰的背景下，这份财报不出意外暴露了非常多的问题，也是近些年以来最差的业绩。
然而在盘后财报电话会议上，马斯克面对分析师放出新车型、自动驾驶等多个爆料，正面回应了此前媒体的报道。
受这些消息的鼓舞，特斯拉股价盘后大涨超13%。
至于这些“大饼”究竟能不能实现，那就留给下一场发布会。
2024年第一季度，特斯拉究竟有多难——单季度营业收入为213亿美元，同比下降9%；净利润为11亿美元，同比大幅下滑55%。这是自2020年以来，特斯拉收入首次出现负增长，足以看出特斯拉面临的压力。
事实上，特斯拉的销量拉胯已经是板上钉钉的事情，这逼着特斯拉全球裁员10%，以此来实现降本增效。
而从内部和外部来看，特斯拉交付量下滑有非常多的原因。
就产品周期来说，Model 3/Y已经算是老车型。面对国产车企接二连三的新车，即使经历了大降价，其市场地位与影响力也在不断削弱。
然而，新车型Cybertruck依然处于产能爬坡期，低端 Model 2 计划又被曝出放弃。
加上德国工厂意外停产、美国电动汽车补贴移除Model 3车型、供应链受到国际形势影响等一些客观原因，因此特斯拉一季度销量低迷并不意外。
但奇怪的是，虽然特斯拉赚钱能力大不如前，但毛利率依然保持着较高水平（17.4%），仅比上一季度减少0.2个百分点。
在销量与补贴都大幅下降的情况下，电池成本、FSD等附加服务就成了单车赚钱的重要部分。
而在财报会议上，马斯克花了大量篇幅介绍了FSD V12以及下一代Robotaxi，简单来说可以概括成一句话——“我要All in 自动驾驶”了。
特斯拉搞AI，并不是什么秘密，马斯克在这次会议上透露出来的信号，是让自动驾驶成为特斯拉长期发展战略的核心。
在4月初，路透社曾报道一个消息：特斯拉将放弃2.5万美元的低价电动车计划，也就是传说中的Model 2 计划——主要原因是中国车企太卷，于是特斯拉转向了Robotaxi的研发。
针对这一消息，马斯克火速在推特上辟谣了这一报道，并宣布在8月8日发布RoboTaxi的计划。
为什么马斯克要这么急？因为只有低价电动车才能撑起自动驾驶的“大饼”。
就在今天凌晨，马斯克证实这一猜测：更便宜车型的计划没有取消，只是有所调整。同时，特斯拉的RoboTaxi项目被命名为“Cybercab”，会搭载专为自动驾驶设计的硬件（HardWare 5.0）。
除此以外，在Cybercab推出后，特斯拉将组建自己的自动驾驶出租车队，并整合进特斯拉App里，组成类似Uber的服务。
其实在特斯拉的大本营美国，做RoboTaxi生意的公司并不少。例如谷歌旗下的Waymo、滴滴、Uber等，他们通过采购外部车辆并对其进行智能化改装的方式，投入运营赚取差价。
但这些项目长期烧钱，却迟迟不能落地。即便拿到证照可以正常上路，这些自动驾驶汽车也是负面新闻频发，看起来一点都不靠谱。
那么马斯克为啥要硬上RoboTaxi呢？
首先，马斯克的Robotaxi项目已经“画饼”很多年，现在只不过是拿出来再给投资人展示下信心。
在2016年马斯克公开的《特斯拉宏图第二篇章》上，马斯克希望Robotaxi项目不仅有自己的车队，还会让特斯拉车主加入其中，通过类似网约车的方式，为车主提供额外收入。
这样一来，买了特斯拉还能赚钱，自然可以刺激那些想要买车的车主下单，销量也就上来了。
不过在当时，Model 3/Y的价格可能过于昂贵，那么低价车型就成了RoboTaxi的首选。
但如今，Model 3/Y的销量不断下跌，“低价车型”有极大的可能不再低价，马斯克只能拿出RoboTaxi的大饼。为新车型上架推销一波。
除了刺激卖车以外，RoboTaxi项目也能为特斯拉AI烧钱找好借口。
马斯克曾多次公开说过：特斯拉不是一家车企，而是一家机器人公司。事实上特斯拉也确实在往机器人的道路上不断前行，推出人形机器人Optimus、大量购买英伟达显卡，目的就是为了以后登上火星打好基础。
不过，AI的烧钱程度越来越严重。根据财报，一季度特斯拉在自动驾驶上的开支已接近28亿美金、研发投入11.5亿美金，这些成本都算在公司的营收里。
那么想要继续说服投资人进行高远期投入，马斯克就必须拿出一个靠谱的商业模式。对于人形机器人Optimus，RoboTaxi显然更加靠谱。
目前来看，马斯克在新版FSD上确实有足够的信心，其渗透率不断提升，未来甚至有可能靠降价的方式进入中国市场。
如果RoboTaxi最终取得了成功，那马斯克真就赌赢了。
事实上，RoboTaxi目前智能充当“股价救场”的角色，距离真正实现落地还有很长的一段路走。
在特斯拉之前，Waymo、Cruise等自动驾驶公司一直在探索RoboTaxi的商业模式，可直到现在依然没有形成规模。
如今，越来越多的L4玩家开始降维回归L2+赛道，足以看出RoboTaxi的难度。
或许在8月8日的发布会上，马斯克真能带来一点惊喜。但就目前而言，还是廉价车型更加靠谱点。
就在今天，继美国内存大厂西部数据宣布涨价后，硬盘大厂希捷科技（Seagate）也宣布跟进涨价。
根据希捷科技的公告，目前公司业务多个部分都逐步恢复需求，减产也限制公司满足客户需求的能力，导致交货周期延长，同时成本也持续受全球通膨影响。因此，希捷科技将对新订单以及超过先前承诺数量的需求进行涨价，并持续几个季度。
不仅是机械硬盘（HDD）和固态硬盘（SSD）行业开始涨价，存储三大厂三星、美光、SK海力士更是赚麻了，营收与利润再创新高。
而就在2023年，存储行业刚经历了一波“暗黑时刻”下，全球存储器市场规模下降三分之一，三巨头无一幸免。
那么这一年来发生了什么，让存储芯片市场迎来触底反弹？
在名为《把握行业周期反转机会，存储产业链国产替代空间大》的行业深度报告里，分析师介绍了存储芯片近一年市场表现。
以下为研报内容节选：
存储芯片周期性强，且其周期波动大于半导体整体
结合半导体行业销售额规模和增速来看，从2000年起，半导体产业共经历了6轮周期，每轮周期约4年左右，上行周期通常为2-3年，下行周期通常为1-1.5年。
存储芯片作为半导体市场标准化程度最高的产品，同类产品可替代性强，受行业景气度供需关系影响较大，加上当前存储行业已形成垄断格局，头部厂商在产能规划和产品定价方面步调相对一致，因此行业周期性更强。
根据半导体行业及其细分市场的销售额增速来看，存储和半导体市场的周期性趋同，但存储的行业周期波动大于其他半导体细分市场，弹性更强。
在半导体行业处于下行周期时，存储市场往往会受到更高的冲击，而相应地若处于从低谷持续回暖的上行周期，存储市场也会受益更多。
通常，存储行业3-4年一个周期，上行期与下行期均约2年。
2012年至今，存储主要经历了三轮周期：
第一轮周期（2012-2015年）：
2012年，在移动互联网的普及推动下，智能手机加速渗透，4G网络带来的换机潮在提升全球手机销量的同时，也提高了手机的单机存储容量，存储芯片需求增长，存储行业开启上行周期。
2014年，三大厂商大幅扩产导致供大于求，存储行业景气度下行。
第二轮周期（2016-2019年）：
2016年，互联网云厂商加大资本开支叠加比特币市场繁荣，驱动服务器出货量快速增长；
2017年，手机、服务器销量跨上历史高点，但DRAM厂商将部分产能转移至3DNAND，供需错配下DRAM颗粒缺货严重，价格呈上升趋势，存储行业景气度持续上行。
2018年，存储大厂开始扩产增加供给，同时手机、服务器需求逐渐疲软，存储价格滑落，行业进入下行区间。
第三轮周期（2020-2023年）：
2020年疫情带动PC、平板电脑、服务器需求上升，同时5G催生终端容量增长，但全球疫情又使得存储厂商产能供应不足，存储价格一路向上，于2022年一季度价格见顶。
2021年末随着厂商新一轮产能投产，全球经济低迷导致下游消费需求疲软，存储价格持续下跌，2022年供需差距拉大导致存储底部周期拉长。
1、供给端：库存水位趋于正常，资本支出聚焦高端存储
美光和海力士资本开支目前已处低位，三星资本开支也有下降预期。
通过复盘三大存储原厂在前三轮存储周期中的资本开支表现，分析师发现，在每一轮存储上行周期启动的时候，三大存储原厂的资本开支或在低点或已经经历缩减。同时可以看到，三大存储原厂中，美光与海力士资本开支基本与存储周期同频，三星资本支出相对较高，在最近一轮的下行周期中，仍保持着高位运行（逆周期投资）。
目前，美光和海力士的资本开支再次来到了低位，并且三星的资本开支也有下降预期，从资本开支趋势来看，符合上行周期启动特征。
2024年资本开支整体预计高于2023年，且主要为支持HBM、DDR5等高端存储产品，所以存储芯片整体量产增长有限。
从2022年年初开始，受需求放缓、库存高企、价格竞争加剧等影响，存储芯片进入下行周期，多家存储厂商减产以降低库存，并节约资本开支。
随着上游厂商减产、智能手机新产品发布和以ChatGPT为代表的新一代人工智能快速发展，存储行业供需格局得到明显改善。根据多家存储大厂发布的生产指引，存储厂商2024年资本开支整体预计高于2023年，但存储厂商在HBM、DDR5等高端存储产品的扩产趋势明确，且HBM和现有DDR产品相比，HBM尺寸更大、需要底部缓冲芯片，这进一步限制了非HBM存储产品的产量，所以2024年存储芯片整体量产增长有限。
存储行业库存水位趋于正常化，存储周期见底信号明确。
随着三大存储原厂持续降低资本开支、减产调节库存，以控制市场过剩的供应总量，海外存储芯片库存水位正趋于正常化。同时，国内存储行业也出现明显周期见底信号。
2、需求端：下游市场复苏+AI需求提振
存储下游主要应用市场是智能手机、PC和服务器。
根据华经产业研究院的数据，DRAM下游应用主要分布在智能手机、PC和服务器市场；
NAND Flash以应用于手机市场的嵌入式存储产品、PC SSD、以及企业级SSD产品为主。
考虑到半导体存储市场中，DRAM和NAND Flash占据95%以上份额，所以智能手机、PC和服务器成为存储终端需求的重要驱动力。
下游市场复苏叠加AI浪潮驱动，提振存储需求
新品发布叠加AI新生态推动智能手机迎来换机潮，预计2024年智能手机市场持续回暖。
根据Wind数据，2023Q3全球智能手机出货量达到3.03亿部，环比增长14.1%，同比增长0.3%，这也是8个季度以来，全球智能手机出货量首次出现同比增长，智能手机市场呈现触底反弹趋势。
随着多屏、折叠等高端新机型发布提速，以及AI大模型落地手机端，预计2024年全球智能手机市场复苏将持续。
根据Counterpoint发布的《生成式AI智能手机出货量和洞察》报告预测，2024年将是GenA（I生成式AI）智能手机的关键一年，出货量将超过1亿部，同时Canalys预计2024年全球智能手机出货量将继续增长，并以健康的趋势同比增长4%。
由于智能手机渗透率增速放缓，单机容量提升成为智能手机存储需求增长的主要推动力。
伴随移动互联网发展，更多应用软件在智能手机上运行，为保证手机流畅运转，对手机内存需求也从4BG不断增加，直至8GB乃至更高。
此外，相机、应用处理器和显示器的进步刺激手机对视频、图像等多媒体应用的存储需求增长。根据Counterpoint数据，全球智能手机NAND闪存平均容量在2020年首次突破100GB大关。随着AI技术的不断突破，AI落地智能手机也成为未来智能手机的一个重要方向。
而AI大模型在智能手机的应用，也对内存容量提出了更高的要求。
需要运行图像生成AI的终端侧，约需12GB内存，而具备数字AI助手功能的设备，约需20GB内存。
随着智能手机用户换机周期的拉长和手机高端化的发展趋势，用户在购买时必将会更注重手机存储配置，因此单机容量提升将成为智能手机存储需求增长的主要推动力。
PC去库存见效，叠加AIPC刺激，预计PC市场逐步复苏，存储需求有望提高。
疫情期间居家办公、网课学习等需求大幅预支了市场PC需求，渠道库存较多，从2022年开始全球PC出货量明显下降，PC市场在连续8个季度下滑后，于2023年第四季度恢复增长，可见PC市场经过大幅调整后已经触底。
随着AI浪潮来袭，预计2024年AI将拓展更多边缘侧应用，包括AI PC等终端装置。
同时，AIPC有望带动PC平均搭载容量提升。从现有微软针对AI PC的规格要求来看，DRAM基本需求为16GB起跳，长期来看，后续伴随消费者的换机潮，AIPC将有机会带动PC DRAM的位元需求年增长。根据Canalys预计，随着厂商去库存接近尾声，需求逐渐恢复，叠加AIPC的推动，2024年PC总出货量将达到2.67亿台，较2023年增长8%，存储需求有望持续提高。
在汽车自动驾驶的驱动下，汽车有望成为增长最快的存储应用市场之一。
自动驾驶汽车需要处理海量数据，这类汽车预计平均每天会产生20TB的数据。再加上车载信息娱乐和ADAS中都需要使用的人工智能（如手势识别、自然语言处理、计算机视觉、目标检测和识别），还有高清显示屏、自适应巡航控制、语音助手和其他数字化座舱功能，汽车需要在瞬间整合并分析这些数据，因此对内存和计算的需求也呈指数级增长。
根据Yole预测，2021-2027年汽车存储市场将从43亿美元增加至125亿美元，对应年复合增速为20%。尽管汽车存储市场占存储市场不到5%，但其增速远超行业平均增速，有望成为增长最快的存储应用市场之一
大模型从单模态走向多模态，给数据存储带来容量和性能挑战。
随着大模型的发展，大模型已经从传统模型的单模态走向多模态，包含文本、图片、音频、视频等信息，这种变化带来了指数级的数据增长，数据集规模从纯文本的TB级别增长至PB级别，并且对数据存储也提出更高的要求。
海量数据尤其PB级的数据，需要更大的存储容量，同时在训练过程中这些数据写得少、读得多，还需要更高的吞吐量，以及对的延迟、性能有更高的要求。
AI服务器出货量快速增长，正在抵消通用服务器迭代的延迟，驱动服务器市场长期需求增长。
根据Statista数据，2023年全球服务器出货量为1381.4万台，同比上涨1.49%，较前几年增速明显放缓，主要是因为超大规模企业和企业市场在2023年持续谨慎支出和延长服务器生命周期。
随着人工智能的加速发展，AI服务器的需求迎来快速上升，成为撬动服务器市场的新增长点。
在高性能GPU需求推动下，HBM目前已经成为AI服务器的搭载标配。
AI大模型的兴起催生了海量算力需求，而数据处理量和传输速率大幅提升使得AI服务器对芯片内存容量和传输带宽提出更高要求。
HBM具备高带宽、高容量、低延时和低功耗优势，目前已逐步成为AI服务器中GPU的搭载标配。英伟达推出的多款用于AI训练的芯片A100、H100和H200，都采用了HBM显存。
HBM供应紧张，订单量持续攀升，2024年HBM营收预期同比大幅增长。
HBM相较DDR5同制程与同容量（例如24Gb对比24Gb）尺寸大35%-45%；良率（包含TSV封装良率）则比起DDR5低约20%-30%；生产周期（包含TSV）较DDR5多1.5-2个月，整体从投片到产出与封装完成需要两个季度以上。
因此，急需取得充足供货的买家需要更早锁定订单。
单机搭载容量提升或成为2024年存储市场需求增长的主要驱动力。
存储需求增长体现在设备出货增长和单机容量增长，受益于端侧AI应用落地以及AI服务器需求增长。根据Trend Force数据，2024年智能手机、服务器、PC出货量均有个位数百分比提升，但DRAM和NAND单机搭载容量提升或成为存储市场需求增长的主要驱动力。
根据美光测算，一台AI服务器DRAM使用量是普通服务器8倍，NAND使用量是普通服务器3倍，而随着智能手机渗透率提升、AIPC和AI手机陆续推出，DRAM和NAND的单机容量也有双位数以上的增长显著。
3、价格上涨趋势明确，存储进入新一轮上行周期
DRAM Wafer价格自2023年9月开始触底反弹，上涨趋势明显。
受下游需求疲软影响，DRAM Wafer价格自上轮高点（21年7月）下行已持续两年多，自2022年四季度起，全球存储芯片大厂三星、海力士、美光、西部数据、铠侠等纷纷减产去库存以应对市场疲软趋势。
经过2023Q2-Q3磨底后，DRAM Wafer现货平均价基本在9月触底，2023年四季度价格开始持续反弹。
NAND Flash在供给有限且需求大幅增加情况下，晶圆、模组价格均持续提升。
随着存储原厂大幅减产控制供给，买方出于对供应将显著减少的预期心理，采购态度转趋积极，由三星引领的减产提价策略初见成效，NAND Flash Wafer价格自2023年三季度开始触底反弹。
然而2023年下半年除了受传统旺季带动，中国手机品牌又扩大生产目标，短时间需求涌入，推动NAND Flash合约价格上涨。
上游NAND Flash晶圆价格被拉高后，由于下游模组厂手中库存低于正常季节水准，引发终端抢货，消费性SSD、存储卡、手机相关零部件如eMMC、eMCP也随之走扬。
DRAM、NAND Flash产品合约价涨幅乐观，2024年第一季度涨势延续。
由于供应端企业扩大减产力度，且PC、手机和服务器等需求恢复，DRAM和NAND Flash产品合约价在第四季度全面上涨。
2024年存储行业进入新一轮上行周期，并且存储涨价趋势或将持续更久。
随着存储行业库存水位趋于正常化，三大存储原厂资本支出聚焦高端存储，存储芯片整体量产增长有限，以及存储下游手机、PC等传统市场需求复苏、AI带来的服务器需求催化，存储供需格局得到明显改善，存储价格自2023年9月份以来出现明显上涨趋势，且涨价趋势已经持续2个季度。
从业绩增速上看，模组厂业绩向上拐点较原厂领先1-2个季度。
模组集成环节处于原厂下游，较原厂更早感受到终端需求的变化，愿意在上行周期背负更多库存，在下行周期提前砍单。
虽然晶圆价格或先于模组价格筑底，但原厂营收增速仍需模组厂商以及OEM客户相应库存回归正常后才会回暖，故存储原厂业绩表现拐点略滞后于模组厂商。
存储产业链主要包括存储晶圆厂、主控芯片厂、封装测试厂以及存储模组厂。
存储产业链上游是原材料和半导体设备，原材料主要以硅片、光刻胶、电子特种气等为主，半导体设备主要以光刻机、刻蚀设备、检测与测试设备等等为主。
存储产业链中游包括制造、封测和集成模组三大环节，其中，存储晶圆颗粒是存储器的核心，存储产品中的所有数据和信息均存储在晶圆颗粒中；
封装测试是将存储晶圆颗粒和主控芯片封装在一起，并对整个存储器进行测试和调试；模组厂将存储器和其他电子组件组合在一起，形成最终产品。
存储产业链下游的应用则包括消费电子、信息通信、汽车电子、物联网、高新科技等。
1、存储芯片：大陆积极布局利基市场，长鑫长存加速国产替代
DRAM和NANDFlash是市场主流存储方案。
根据Yole，目前市场上除DRAM、NAND Flash、NOR Flash，其他存储技术的市场份额合计仅2%，预计到2026年新兴的存储技术，包括PCM、MRAM、RERAM份额仍将不到全市场的1%。
新型存储发展方向均是将DRAM的读写速度与Flash的非易失性结合起来，但目前尚无方案可替代DRAM和NAND Flash和NAND Flash仍是市场主流存储方案，占据存储芯片市场95%以上份额。
海外厂商高度垄断存储芯片，我国国产替代空间广阔。
全球存储芯片市场被海外企业高度垄断，DRAM作为存储器第一大产品，三星、海力士、美光垄断了全球96.5%的市场份额，行业集中度高，寡头明显；NAND领域，竞争格局相对DRAM领域较分散，三星、铠侠、SK海力士、西部数据、美光合计占据95.5%的市场份额。
我国虽然是全球最主要的存储芯片消费市场，但由于产业起步较晚，市场占有率仍相对较低，国产替代空间广阔。
随着DRAM迭代升级，高性能、低功耗成为两大主要发展趋势。
以DDR系列产品为例，目前DDR已经迭代到第5代，且每一代工作电压都较前一代有所降低，这意味着随着DDR内存技术的发展，其能耗、发热量会逐步减小，体现了DRAM低功耗的发展趋势；
同时DDR第1代到第5代的最大颗粒容量和最小传输速度均实现了翻倍增长，芯片容量的扩大以及传输速率的提高，体现了DRAM高性能的发展趋势。
处理器升级推动DDR5渗透率提升，DDR5内存将在2024年成为主流。
无论是PC还是服务器，随着英特尔以及AMD处理器的相继发布，DDR5渗透率快速提升。
大陆厂商积极布局利基市场，海外厂商持续退出，国产厂商有望迎来成长机会。
存储市场产品迭代不断，按市场流行程度分为主流产品和利基产品，利基产品一般是从主流规格中退役的产品，目前市场主流DRAM包括8Gb以上的DDR4、DDR5颗粒，利基DRAM包括DDR3及部分DDR4颗粒，主流NAND包括SLCNAND、MLC/TLC NAND<=4GB，主流NAND包括MLC/TLCNAND>4GB。
国产厂商兆易创新、北京君正、东芯股份等积极布局利基市场，分析师认为国产厂商有望在利基市场复制2016-2017年NORFlash产业进阶路径并实现受益。
DRAM工艺制程已经缩小到15nm以下，并不断向10nm逼近。
对DRAM芯片而言，先进制程意味着高能效与高容量，以及更好的终端使用体验。DRAM工艺制程发展迅猛，三星、SK海力士、美光作为DRAM领域的龙头企业，三家企业在16-17年进入1x（16-19nm）阶段，18-19年迈进1y（14-16nm）阶段，20年后进入1z（12-14nm）阶段。当前DRAM先进制程工艺——10nm级别，经历了1x、1y、1z与1α四代技术，目前来到了第五代，美光称之为1β DRAM，三星称之为1b DRAM。
NAND Flash进入立体堆叠时代，3DNAND成为主流技术趋势。
3D NAND Flash目前已经突破200层，三星第8代V-NAND层数达到了236层；美光232层NAND Flash已经量产出货；铠侠和西部数据共同推出218层3D NAND闪存，已开始为部分客户提供样品；海力士开发出世界最高238层4D NAND闪存。
未来存储厂商将持续发力更高层数NAND Flash，美光计划推出2YY、3XX与4XX等更高层数产品；铠侠与西部数据也在积极探索300层以上的3D NAND技术；三星则计划2024年推出第九代3D NAND（有望达到280层），2025-2026年推出第十代3D NAND（有望达到430层）。
华为Pura 70上架了吗? 上架了！
就在今天，华为终端官方宣布了Pura 70系列的先锋计划。
从官网可以看到，本次Pura 70系列一共包含4款，分别为Pura 70、Pura 70 Pro、Pura 70 Pro+，以及顶配的Pura 70 Ultra。
其中，第一批华为Pura 70 Ultra与Pura 70 Pro在今天10:08正式开售，不到一分钟基本卖空！
值得一提的是，基本版Pura 70的起售价直接从4488元（8+128）涨到了5499元（12+256），并且放弃了凑数配置。
或许说，华为这一次并没有发售全部机型呢？
从4月15日开始，华为就开始了Pura 70系列的预热。
除了在产品概念视频里曝光了全新三角形相机岛设计造型以外，华为还高调宣布P系列升级为Pura系列，“以全新姿态再出发”，余承东说到。
从今天官网的海报图来看，全新设计的三角形摄像模组确实很有亮点。
四款机型配置如下：
华为Pura 70
屏幕：6.6英寸，分辨率2760 x 1256，第二代昆仑玻璃
影像：5000万像素主摄+1300万像素超广角+1200万像素潜望式长焦
续航：4900mAh电池、66W有线快充、50W无线快充、7.5W无线反向充电。
华为Pura 70 Pro
屏幕：6.8英存，分辨率、2844×1260，第二代昆仑玻璃
影像：5000万像素主摄+1250万像素超广角+4800万像素微距长焦
续航：5050mAh电池，100W有线快充、80W无线快充、20W无线反向充电。
华为Pura 70 Pro+
屏幕：6.8英寸，分辨率2844×1260，玄武钢化昆仑玻璃
影像：5000万像素主摄+4000万像素超广角+5000万像素微距长焦
续航：5050mAh电池，100W有线快充、80W无线快充、20W无线反向充电。
华为Pura 70 Ultra
屏幕：6.8英寸，分辨率2844×1260，玄武钢化昆仑玻璃
影像：5000万像素伸缩摄像头（1英寸大底，传感器位移防抖）+4000万像素超广角+5000万像素微距长焦
续航：5200mAh电池，100W有线快充、80W无线快充、20W无线反向充电。
此外，华为Pura 70系列搭载全新的HarmonyOS 4.2，带来了AI消除、A1云增强、AI隔空操控等AI功能，这也算是跟上了手机端侧AI的大潮流。
至于芯片，网站详情页并没有过多介绍，但大概率依然使用Mate 60系列上搭载的麒麟9000s。
价格方面：
Pura 70：12GB+256GB 5499元；12GB+512GB 5999元；12GB+1TB 6999元；
Pura 70 Pro：12GB+256GB 6499元；12GB+512GB 6999元；12GB+1TB 7999元；
Pura 70 Pro+：16GB+512GB 7999元；12GB+1TB 8999元。
Pura 70 Ultra：16GB+512GB 9999元；12GB+1TB 10999元。
总体来说，华为Pura 70系列依然延续着P系列在设计外观和照相能力上的大胆设计。
尤其是超大杯Ultra，这次在主摄方面采用了机械伸缩结构，外观类似专业相机的镜头。
再在配上一英寸传感器以及 F1.6-F4.0 可变光圈，可以想象超大杯的拍照质量将再次迎来大幅提升。
当然，华为Pura 70并不是第一款采用伸缩镜头的手机。
在智能手机发展发期，三星Galaxy S4 Zoom、诺基亚Lumia 1020等经典机型都尝试过伸缩式变焦镜头的设计。
但由于手机结构天生复杂，研发难度大，市场风险高，这些机型终究沦为了小众用户的玩具。
不过随着手机制作工艺的提升，华为Pura 70 Ultra的机械伸缩镜头是否能给我们带来惊喜呢？
当然，除了摄影能力值得期待以外，华为Pura 70系列在外观方面也值得一提。相较于Mate 60系列，Pura 70系列设计更加偏向大胆、潮流。
就目前的高端市场而言，依然是华为与苹果的竞争，Mate 60系列的成功不仅为华为带来了终端业务的迅猛增长，同时进一步提升了华为品牌号召力。
从今早第一批发售的情况来看，市场分额不断下跌的苹果，真得掏出自己AI聊天机器人了。
就在今天，波士顿动力公司正式宣布：自家液压驱动人形机器人Atlas正式退役。
提到Atlas的名字，或许很多人并不熟悉，但你一定曾在某个科技视频的片段里，见到过外形酷似人类、可以轻松翻跟头的神奇机器人。
作为对Atlas的纪念，波士顿动力放出了一段3分半的视频。在视频里，Atlas如往常一样展示着跳跃、翻跟头、跳舞、跑酷等动作。
到了视频最后，Atlas对着镜头挥手致意并深情鞠躬，为长达10年的生命周期画上了句号。
先简单介绍一下Atlas的历史，该项目最早可以追溯到DARPA（美国国防高级研究计划局）旗下一个名为PETMAN（Protection Ensemble Test Mannequin，防护服测试假人）的计划。
为了辅助人们完成紧急任务，DARPA与波士顿动力公司决定携手打造一款革新性的机器人。到了DARPA举办的“虚拟机器人挑战赛”竞赛上，Atlas第一次现身。
参数上来看，早期Atlas身高1.5米，体重80kg，搭载雷达和立体相机系统，并装有28个液压执行器。
虽然外表来看略显简陋，但Atlas之所以出名，正是靠着这些液压执行器，最终才完成这些令人惊叹的高难度运动。
在视频里一次“故意”的摔倒在地时，我们甚至可以清楚地看到液压油从Atlas的双膝喷射出来，并且展现出和人类一样的疼痛感。
而到了最新一代Atlas V6版本上，波士顿动力在原有的液压驱动系统的基础上，增加了电动驱动系统，提高了效率和噪音控制。并且给机器人的手臂上加上了三根手指，让他可以抓取和操作各种形状的物品。
从展示效果上来看，Atlas比之前展示出来的技术力更强，但这一次改动也为Atlas的退役埋下了伏笔。
和Atlas不同，包括特斯拉的Optimus在内，目前的主流机器人都采用了电驱动。
不可否认的是，液压在极致运动性上表现得更好，但波士顿动力在商业化的失败，证明了液压技术已经不再符合现代机器人的要求。
液压技术第一个问题是成本。
搞一套液压系统，不仅零件数量多，而且对于零件加工也提出很高的要求。
从波士顿动力公布的资料来看，Atlas在制造过程遇到了不少困难，主要集中在加工零件价格昂贵、机器人专用的元件少等等。
据专业机构估算，由于尚未平台化，定制成本高，Atlas现有成本约为200万美元，相比之下，optimus的成本仅需10万美元，而后者还比Atlas更加聪明，话题度也逐渐超越了Atlas。
就大部分机器人公司来说，前期研发投入多，比的就是背后资本的烧钱能力。
作为行业技术水平最为顶尖的企业，波士顿动力成立26年，却至今难以盈利，并且惨遭三次“卖身”。
时间线上，先是被谷歌从美国军方手中收购，紧接着谷歌又将它卖给软银集团。到2022年，软银又将波士顿动力卖给了韩国现代。
而这么多年来砸下去大笔资金，却没有得到任何回报，波士顿动力确实该转变下研发的重点。
高昂的成本之外，液压技术本身也存在不少问题。
在告别视频里，Atlas了一次出现爆缸漏油的情况，虽然“表演”的成分更多，这也说明液压系统的复杂性太大、存在一些安全性隐患，难以商业化和产品化。
在与电驱系统对比下来，液压技术的劣势就更明显了。前者能源效率更高、控制精度、响应速度更出色，整体成本也不高。另外，电驱系统在安全性、可靠性等方面都更加出色。
对比下来，液压系统确实力气更大，不过综合一下实际生产中的各种因素，电驱机器人取代液压机器人已经是大势所趋。
最后，人形机器人产品之间的竞争，其实是机器人厂商在AI上的竞争。而Atlas的灵魂并不是AI，而是基于视觉、行为库所构成的认知能力以及预测能力。
比起Optimus、Figure01这类依赖AI平台的“具身智能”，Atlas靠的是背后强大的软件系统。不过这是否也说明，Atlas点错了技能树呢？
有报道称，Atlas的退役是为公司未来的新项目让路。
就在今年 2 月份，波士顿动力在一段名为“Atlas Struts”的视频里，展示了Atlas专为工厂车间作业而设计的新型抓取器，而这正是前文提到装上电动驱动系统的最新版本。
考虑到现代汽车的背景，或许Atlas也要放下网红身份参与到线下生产中。而波士顿动力的商业化之路，又一次背上了压力。
如今的激光雷达，因为过于昂贵的价格，基本属于20万元以上车型的专属。在小鹏、蔚来的第二品牌上，基本都放弃使用激光雷达。
不过随着厂商们开始内卷，成本大幅下探之后，我们或许在未来会看到更多车型用上激光雷达。
在名为《迈向高阶智能化关键，前瞻布局把握行业脉搏》的行业深度报告里，分析师从发展历程、发展态势以及行业动态等角度介绍了激光雷达行业的最新进展。
以下为研报内容节选：
激光雷达诞生初期主要应用于科研及测绘项目，并随着技术发展逐步在工业探测和无人驾驶项目上试点。激光雷达的技术架构持续更新，从单点激光扫描到多线激光，从复杂的机械式逐步向半固态、固态式演进。
目前激光雷达的主要终端为无人驾驶以及机器人等领域，主流新能源车企与激光雷达厂加速推进激光雷达的商业化落地，激光雷达技术也在持续向芯片化、阵列化发展。
1、产业链概览
上游主要包括激光发射、激光接收、信息处理和扫描系统核心部件制造；
中游主要是如禾赛科技、图达通等激光雷达整机厂商；
下游主要为应用领域，包括无人驾驶、机器人、高精度地图、测绘等。
本土激光雷达厂商在近年来积极布局与本土车企的合作，实现了较多前装量产。
2、激光雷达应用领域
激光雷达主要应用于以高级辅助驾驶（ADAS）、车联网为主的车用以及机器人等领域。
根据灼识咨询的预测，激光雷达车端市场规模在2023年达到百亿后，有望在2025年突破千亿规模。
车用领域所应对的场景复杂度更高，激光雷达的性能要求则会相对较高，其演进路径是从L4级测试车辆到高端乘用车前装搭载，待成本足够合理时向平价汽车过渡。
机器人端的应用主要是一些应用场景相对简单的封闭园区。
目前激光雷达正处于高端乘用车前装搭载，这一时期重点比拼车企端交付和工程化落地，同时逐步开启价格竞争。
3、终端分析
1）自动驾驶
自动驾驶技术被视为未来交通领域的革新性突破。激光雷达有望成为自动驾驶迈入L4+的关键，据汽车之心表示，2024年激光雷达的车端渗透率有望突破1%大关。
2）机器人
激光雷达的应用能够提升机器人的安全作业能力与生产效率。在高原科考、智能巡检、消防侦查、智慧农业等细分行业，由于摄像头感知算法训练难以覆盖复杂地形的不规则障碍物，而传统毫米波雷达精度低分辨率低，无法分辨障碍物形状大小，激光雷达高精度三维成像的优势再次得以充分体现。激光雷达通过赋予各种形态的机器人超越人类眼睛的感知能力，助力提升各行业的安全作业与生产效率，推动社会智能化变革的进一步深化。
4、整体市场概览
1、车载激光雷达市场有望保持高速增长。2022年全球激光雷达在汽车和机器人端的市场规模分别为34亿元及82亿元，据灼识咨询预测，2023年全球车端激光雷达市场规模快速攀升，到2023年有望达到106亿元，预计到2030年整体市场规模将突破万亿人民币，机器人端市场规模也有望达到2162亿元。
2、中国有望成为全球激光雷达市场的核心。中国坐拥全球最大的新能源汽车市场，本土激光雷达厂也在各车企端持续量产上车；同时各类别的机器人产品也在快速发展。据灼识咨询分析预测，2022年中国激光雷达在车端及机器人端均占据了将近1/3的市场规模，预计到2030年，中国依将主导激光雷达市场。
1、激光雷达主要优点
激光雷达的主要优点在于探测精度高、探测范围广。
摄像头方案商用普及较早，能够获取到丰富的色彩和细节信息，但成像受制于环境光线。
而超声波方案虽然成本较低，但由于感知距离较近且易受环境影响，因此主要用于停车辅助。而毫米波雷达虽有更强的抗干扰能力，但感知精度并不理想，不具备图像级的成像能力。
综合来看，激光雷达探测精度高、范围广、稳定性强，并能够对周围环境进行实时3D建模，因此成为当前重要的感知方案。
从结构上看，车载激光雷达由发射激光的发射模块、对特定区域进行扫描的扫描模块、探测回光的接收模块和对点云数据进行处理并反馈的控制模块，且各部分结构也可进一步细分为不同技术方案。
目前激光雷达主流分类方案是根据扫描系统机械结构的差别，划分为机械式、混合固态式以及固态式。
结合激光雷达BOM，激光雷达光电系统构成了激光雷达成本的核心。且发射和接收模组又包含多个激光发射器、光学镜头、探测器，体积和重量远高于测时及控制模组。目前，随着激光雷达性能和需求规模逐步提升，对厂商而言将分立光学芯片及其配套元器件高度集成，能够有效改善产品形态及生产工艺，同时推动的产能扩张和产品降本。
激光雷达的原理是利用ToF（TimeofFlight，飞行时间测距法），通过发射接受激光束，分析激光遇到目标对象后的折返时间，从而得到物体表面与探测主体的精确距离，进而在空间坐标系中为这束光线赋予角度信息，就能得到这个点的三维定位。
随着光束的增多，探测主体便可利用所得各点的相对位置，勾勒出三维空间中的物体细节，即点云——激光雷达的三维视觉。
激光雷达的视场角（FoV）和角分辨率，是决定其性能的关键指标。
视场角的大小决定了光学仪器的视野范围，也就是说这个数值决定了激光雷达的视野有多广/多宽。激光雷达的视场角越大，探测到的视野就越大。
角分辨率，指的是相邻两个激光扫描点之间的角度间隔，雷达在水平和垂直方向扫射时，角分辨率越小，单位空间角内分布的激光点数就越多，其对于物体的分辨能力就会越强。
通俗来讲，视场角决定了激光雷达的探测范围有多大，而角分辨率则决定了激光雷达对细节的把控程度。
1）传统机械式激光雷达
最早由Velodyne推向车端应用，通过将激光发射器竖直排列并进行360°旋转，完成对环境的全面动态扫描绘制雷达的点云图。
但由于机械式自身特性，更清晰的图像需要通过高线程也就是需要不断堆积发射源和接收器来实现，这就导致激光雷达的体积和成本难以控制。
此外，复杂的运动结构限制了机械式激光雷达的耐用性和成本控制。传统的机械式由于需要通过复杂的机械结构实现高频准确的转动，致使其平均的失效时间仅1000-3000小时，难以达到车规级设备最低13000小时的要求，同时硬件成本居高不下也限制了该类产品在车端的量产推广。
最后，机械式激光雷达需要布置在车身最高点避免旋转时受遮挡，这对车辆造型造成很大的影响，凸起的雷达也较容易受损。由于其固有劣势，机械式激光雷达当前的主要应用领域为自动驾驶公司L4+技术测试。
2）混合固态激光雷达
混合固态方案的出现正式开启了激光雷达的量产上车的大幕。
相较机械式激光雷达，混合固态激光雷达的扫描而只覆盖前方一定角度内的范围，虽然其内部仍然存在一些较小的活动部件，但在成本、体积等方面更容易得到控制，目前也在车用领域量产搭载。
典型的半固态方案分为一维扫描和二维扫描，其共同之处是均通过内部运动的反射镜来改变激光方向。
脱胎于机械式激光雷达，一维转镜式方案更具应用成熟性，因此在自动驾驶中应用广泛。一维扫描的本质是在机械式激光雷达的基础上，将发射模块和扫描模块进行分离，保持收发模块不动，通过电机带动转镜运动，将激光反射到不同的方向实现一定范围内激光的扫描。
二维扫描方式能够通过灵活的光学结构设计，利用少量的激光器实现等效更多线束以降低成本。二维转镜方案中如多边形棱镜可以让光源实现水平扫描，而同时纵轴摆镜则可以改变光源的垂直扫描方向，如此仅需一束光源，就可以完成机械式雷达若干个光源才能完成的扫描任务。
MEMS振镜方案则是将扫描结构进一步简化，利用悬臂梁使厘米级振镜在横纵两轴高速周期运动，改变激光反射方向，实现扫描。我们认为，虽然MEMS振镜和二维转镜的结构存在差别，但核心思路均是通过灵活的扫描模块设计，减少激光器的使用，进而推动降本。
3）混合固态激光雷达
混合固态激光雷达可选技术路线呈现多元化。一维转镜方案利用低速转动的反射镜改变光线方向，获得视场角覆盖，提升了稳定性和可靠性，并通过芯片化实现高线束扫描，我们认为该方案在应用原理和架构上较为成熟，选择该方案的典型即禾赛科技。
相比之下，二维扫描的方案能够通过灵活的扫描模块架构，在减少激光器的同时实现等效线束。在实际的二维扫描方案设计中，不同厂商的具体扫描架构又会有一定的区别。
4）纯固态激光雷达
面阵收发+无运动部件，纯固态方案或将是激光雷达的终极答案。纯固态激光雷达通过取消运动部件，简化了整个激光雷达的内部结构并提升集成度，最大程度优化整机耐久度，缩小体积。如此不仅能降低物料和量产成本，也能提升产品可靠性、生产效率和一致性，能够很好地应用于车规级量产领域。
当前，纯固态激光雷达的主要为OPA（OpticalPhasedArray）光学相控阵和Flash闪光激光雷达两种。其中，OPA的原理是通过多个激光发射单元组成发射阵列，通过调节发射阵列中各个单元的相位差，来改变激光光束的发射角度；
而Flash则是通过高密度的激光源阵列，像手电筒一样，能在短时间内发射出覆盖一片区域的激光，并用高灵敏度的接收器来构建三维图像。由于结构简单，Flash闪光激光雷达是目前纯固态激光雷达最主流的技术方案。
5）混合固态激光雷达
固态激光雷达纵然有更大的降本空间，但其性能目前还无法比肩在车端量产应用的混合固态激光雷达。固态激光雷达普遍存在的功率密度低、探测距离短等问题。
其中，OPA激光雷达要求阵列单元尺寸必须不大于半个波长，因此每个器件尺寸仅500nm左右，对材料和工艺的要求都极为苛刻，因此成本也相应的居高不下。
而Flash激光雷达由于需要在短时间内发射大面积的激光，因此在探测精度和探测距离上会受到较大的影响，但由于其结构简单且技术相对成熟，成为了不少雷达厂的主要探索方向。 补盲激光雷达成为了现阶段纯固态技术上车的核心途径。
如前所述，虽然固态激光雷达的技术问题限制了其在主雷达端的应用，但出于成本考量，能够用于打造专注近距离感知的补盲激光达，通过“固态近距补盲+混合固态远距感知”的结合，能够弥补前向激光雷达垂直视场角小以及测距性能过剩的问题，实现完整的车规级激光雷达解决方案。
6、发展趋势
“降本、量产、上车”是激光雷达一直以来的三个核心关键词。
激光雷达自诞生以来，其成本便随着路线迭代持续下探，直至近年来混合固态方案将激光雷达推向百元级水平（美元）。在当前L2+自动驾驶持续渗透的背景下，混合固态激光雷达成为各大头部激光雷达厂量产上车的主流。
在混合固态激光雷达方案下，其结构的“模块性”会更加突出。根据此前对几大头部厂商旗舰产品的介绍，很明显混合固态方案下，扫描模块在“解绑”发射模块后，各厂商的扫描方案选择灵活多样。混合固态的细分路线会持续发散直至纯固态方案充分成熟后发生突变式收敛。
而激光雷达算法相较其他方案不仅有更准确的精度，通过激光雷达的辅助还可以进一步提升融合方案的精度上限。纯视觉方案的分辨率虽然可以足够高，但很多场景由于训练数据集的有限性及物理性能的局限，系统的安全冗余度还远远不够。
根据行业权威数据集Nuscenes感知算法评测显示，通过使用激光雷达的算法，平均精准度（mAP）数值相比纯视觉有明显提升；同时在针对目标跟踪精度测试上，纯激光雷达方案有着更好的成绩，且融合方案也进一步将得分从70%提升至75%。
未来多方案融合有望成为主流。融合方案的本质在于不同传感器在不同的场景下发挥效能，互为冗余，确保驾驶安全。
1、从安全性向功能性转变，NOA加速激光雷达上车进度
各新势力车企相继公布领航辅助驾驶（即NOA或其他名称）开放时间，激光雷达作为重要组成部分重要性持续提升。
如今，领航辅助驾驶已逐渐从高速高架等场景向通勤以及城市全区域渗透，激光雷达重要性逐步显现。结合各新势力车企的车型规划，城市NOA功能有望在进入2024年后进入全面提速期，激光雷达的上车进度也有望进一步加快。
新势力车企激光雷达搭载车型推出进度持续加快。随着国内智能驾驶的发展，特别是高速/城区NOA驶入“快车道”，激光雷达上车量大幅提升。
根据佐思汽研最新数据，2023年1-7月，国内乘用车前装标配激光雷达20.2万台，同比增长523.3%，预计全年超过35万台。
据佐思汽车研究院统计，2022年全年，国内新增搭载激光雷达车型共计18款；进入2023年，又有更多搭载激光雷达的车型推出，激光雷达的上车进程持续加快。
2、本土厂商强势引领，影响力持续增强
激光雷达加速上车，本土厂商成为定点主力。从2021年开始，主流车企便开启激光雷达上车进程，到2022年已有超过10万搭载激光雷达的车型量产交付。在2023年上海国际车展上，有近40款车型配备了激光雷达，其中速腾聚创凭借18款搭载车型领先于同行。
中国市场国产前装标配激光雷达交付量快速增长。据盖世汽车研究院统计，2023年1-5月，本土激光雷达装机量为13.14万颗，其中禾赛科技以近6.5万颗的装机量排名本土第一。2023年1-9月，根据高工智能汽车研究院给出的实际搭载交付数据来看，本土乘用车前装标配激光雷达交付已快速增长至超过30万颗。
持续加强激光雷达在车用领域的渗透，本土厂商已具有相当的国际影响力。据YoleIntelligence统计数据显示，2021年全球乘用车领域激光雷达市场规模仅为0.44亿美元，到2022年快速增长至1.69亿美元，禾赛科技与图达通2022年市占率分别为23%和28%；在无人驾驶出租车领域，禾赛科技也进一步巩固了自身的市场地位，其市占率来到67%。
据中商产业研究院援引Yole数据显示，营收规模来看，2022年禾赛科技、图达通、速腾聚创以及览沃科技四大本土主力共占有全球约73%的市场份额。据汽车之心预测，2023全年激光雷达出货有望突破50万颗。
3、市场潜力巨大，当下正处于高速增长初期
中国庞大的终端需求市场赋予激光雷达发展潜力。2023年以来，智能汽车销量始终保持较同比增速。与此同时，智能汽车在新能源乘用车的渗透率2023年逐月相较2022年同期进一步提升近10个百分点，到2023年11月，智能电动汽车在新能源乘用车中的渗透率成功突破90%，来到91.6%。
根据Canalys，L2+辅助驾驶应用场景的持续拓宽，特别是在占用消费者超75%驾驶时间的城市场景中的应用，是提高中国高阶ADAS车型销量的核心原因。
2023年前三季度，中国L2+汽车销量远高于美国和德国，且品牌达到37个。
渗透率稳步增长下激光雷达在新能源汽车端的需求预期。如前所述纯固态激光雷达具有更强大的综合性能和降本空间，目前已通过补盲方式开始在车端应用，预计随着技术的完善和激光雷达整体规模量产，未来有望成为市场主流，并带动整个行业的需求量向更高级别增长。
激光雷达的车端需求将随着渗透率的提升和单车用量提升而快速增长。
去年11月，一款名叫“AI Pin”的AI硬件刷屏了科技圈。
它没有屏幕，全靠声音与投影进行交互，用户只需简单几句，这个“小方块”就可以作出回应。
除了官方描述得无比科幻以外，行业也是对这款硬件无比看好。
首先该产品被《时代》评选为“2023 年年度发明”，一度被视作颠覆iPhone的革命性产品。其次作为研发公司，Humane拿到了OpenAI、微软、高通等科技巨头数亿元的注资。
但随着近期AI Pin开始发货，媒体评测随之解禁，网友们这才发现，实机展现的效果可谓令人大跌眼镜。
除了AI Pin以外，Rabbit R1等AI硬件也在CES大会上赚足了眼神。但这些AI硬件想法很好，可短时间内很难摆脱不了“智商税”的标签。
AI Pin的体验究竟有多糟糕：系统操作复杂、三分钟过热关机、在阳光下几乎无法使用投影……
除了这些最直观的负面体验感以外，AI功能响应慢且回复内容质量低、系统功能需额外付费、佩戴方式对衣服材质有要求等等，这些问题放在任何一个成熟的硬件上都是槽点。
更糟糕的是，AIPin有超过450万台的预定量，而价格又不便宜（699美元，约合人民币5000元）。
这就意味着这一批用户都成了高价购买智商税的“怨种”，也难怪网络上一边倒的负面评价。
对此，Humane高管急忙回应外媒The Verge称，公司会在下个软件版本中提高不间断运行时间，并提高整体热性能。
但从目前已有的信息来看，AIPin这些问题其实基本来自硬件条件。
在去掉了实体屏幕后，AI Pin的体积并不大，但官方还是在这款硬件里塞入了摄像头、全息投影、可以支持AI功能的处理芯片以及满足续航的电池。
不过过小的体积，也意味着这款硬件的硬件性能并不会太高，更不要说与智能手机芯片相提并论。
既然如此，又想让AIPin跑得动ChatGPT，又要兼顾续航、拍照像素、相应速度等各个方面，自然是不可能。
有媒体评价说，以目前的回应效率来看，用户使用智能手机获得准确答案的速度，要远快于AIPin。而智能手机还只是使用传统的搜索引擎。
如此来看，AI硬件虽然宣称利用AI Agent的能力挑战智能手机的霸权，但自身的硬件能力还是限制了发挥。
就在硅谷推动AI硬件的同时，手机制造商、芯片厂商们都在思考如何让手机用上AI。
有些厂商选择把大模型塞进手机里，主打“端侧大模型”，通过直接读取手机上的数据的方式，运行AI功能或app。
而有些厂商选择从云端调用AI能力，减小本地存储的压力。
无论选择本地还是云端，这些所谓的“AI手机”，本质上仍是“用上了语言大模型Large language model（LLM）”的手机，手机的硬件只是一种载体，完全依赖API 接口。
一旦背后使用的LLM大模型不给力，那么用户也很难体会到AI的真正实力。
而AIPin和Rabbit R1这样的AI硬件，它们主打的是用户与AI的交互能力，后者团队更是提出了一个大型动作模型（Large Action Model，LAM）的概念，通过理解人类如何使用应用和服务，从而完成模仿操作。
这就意味着，即使界面有所不同或稍有变化，LAM也能适应并准确地执行任务，最终用户可以仅靠一个界面，代替所有的App。
想法虽好，但Rabbit R1犯了一个和AIPin同样的错误——硬件配置水平实在是过于入门（2.3GHz联发科P35芯片、4GB内存、128GB存储空间），用户本意上冲着更智能的GPT而来，结果往口袋里多塞一个硬件。
相比之下，智能手机不仅配置吊打这些AI硬件，而且能实现。接下来，就是看手机厂商们何时能搞出这种类似于LAM的“自适应系统”。
也就是在上周，苹果发布了一篇最新的论文，推出了一个叫Ferret UI的新模型。该模型的核心正是通过读取屏幕信息的方式，为用户提供高质量的UI理解和交互。
据报道称，FerretUI的前身是一个名为Ferret的多模态模型，用于改善与语音助手交互逻辑。
在去年十月刚刚发布时，Ferret的业界对其反响并不热烈，主要原因还是它的区域识别与主流大模型卷的方向不同，因此大部分人都认为Ferret并没太强的能力。
到了Ferret UI上，苹果弱化了对话、推断等大模型常见的能力，而是将重点放在了处理复杂的UI交互以及理解并响应用户的指令。
那么停留交互层面上的Ferret UI，或许能力是有限的，但若是配上网传的谷歌Gemini模型，那将达到“1+1>2”的效果。
从这一点看来，Ferret UI和Rabbit R1的思路非常相似，但显然iPhone的玩法更多、性能更强。
如果一部手机能解决AI交互，那还要AI硬件什么事呢？
让英伟达躺着赚钱？其他科技巨头们不干了！
这几天，谷歌、英特尔、Meta等科技巨头集体官宣新款AI芯片。其中既有英特尔Gaudi 3这样直接硬刚英伟达H200的“性能怪兽”，也有谷歌Axion这种主打高效全能的“性能钢炮”。
而这些芯片都有同一个特性，都是为了AI模型服务。
在此之前，微软、亚马逊都陆续推出了自研处理器的计划。
这场AI军备竞赛，最终还是卷向了硬件。
当地时间4月9日，在Intel Vision 2024会议上，英特尔CEO帕特·基辛格（Pat Gelsinger）推出了最新AI芯片Gaudi3，并现场与DJ来了一场蹦迪。
为什么基辛格如此高兴？让我们看看这款芯片的参数——芯片模型训练层面，Gaudi3比英伟达H100快40%；推理层面Gaudi 3比英伟达H100快50%。
与现在最强的英伟达H200相比，Gaudi 3的推理速度依然保持优势。虽然基辛格没有在现场给出直接的数据，但他表示Gaudi 3在某些领域的性能甚至会更好。
英伟达H200的性能毋庸置疑，它具备460万亿次的浮点运算能力，并且有丰富的CUDA生态。相比之下，Gaudi 3其实并没有太大优势，更别说对标B200这种最强大的芯片。
但Gaudi 3的特点就是“又好用又便宜”。
目前，H100的售价约在每台2.5万至4万美元之间。那么作为升级款的H200，其上市后必然不会低于这个价格。
同理，英伟达的Backwell芯片预计售价为3-4万美元，也符合英伟达目前的“身价”。这对于急需AI芯片的客户来说，购入H100已经是一笔不小的开销。
成本高是一回事，买不到货更客户们头疼。
最近，X用户“The Technology Brother”发布了一张图片，数据显示Meta公司囤积了全球最多的 H100 GPU，数量达到惊人的35万块，剩下的公司从3万块到300块不等。
根据GPU Utils网站在2023年的测算，H100缺口高达43万张。如此大的供应缺口，一些小公司只能等着订单排队。
H100芯片卖给谁，基本是英伟达CEO黄仁勋说了算。目前只有大客户还有CoreWeave这种英伟达亲自投资的公司才有优先购买权，亚马逊、微软等竞争对手只能限量供应。
更不要说，国内AI公司只能购买到A800这样的阉割版产品。在AI算力竞赛面前，手握高端GPU就是手握优势。
当然，限制H100并不全是英伟达的问题，台积电的产能也要背很大的锅。
总的来说，Gaudi 3不仅性能不输H100，英特尔又有自己的代工能力，难怪基辛格有硬刚英伟达的信心。
除了多了一位竞争对手外，英伟达的客户们也选择自研芯片的方式来减少对高端GPU的依赖。
在英特尔公布Gaudi3后，谷歌在Next大会上宣布推出自研首款基于Arm的CPU——Axion。
据悉这款CPU处理器Axion，将提供比英特尔CPU更好的性能和能源的效率，并且比目前基于Arm的最快通用芯片，性能还要高出30%。
虽然对标着英特尔的CPU，但谷歌这块芯片实际是为了训练复杂的AI模型做准备。和Gaudi 3一样，Axion主打一个“性价比”，靠着自己出色的AI能力，为包括Google地球引擎和YouTube广告平台在内的多项服务提供算力。
同样是自研芯片项目，谷歌也对自家超算平台进行了升级，推出了TPU v5p。
这是一个类似于英伟达GPU的替代品产品，用于AI加速任务。在自家最先进的AI模型Gemini和开放AI模型Gemma支持下，TPU v5p将支持更大、更苛刻的模型。
有着CPU与TPU的双重加持，谷歌的自研芯片项目越来越丰富。
无独有偶，Meta也赶在了今天推出了新一代训练和推理加速器MTIA 。
早在去年5月，Meta公布了 7nm工艺的MTIA v1，专注于向数据中心服务。
而此次推出的新款 MTIA 芯片，采用5nm工艺，使用更大的物理设计、拥有更多的处理核心，功耗从25W提升到了90W，时钟频率也从800MHz提高到了 1.35GHz，整体性能提高了3倍。
Meta表示，目前已经在16个数据中心使用新款 MTIA芯片，这就意味着Meta在自研芯片上费了不小的精力。
除了近期陆续公布新芯片的三家巨头以外，算上亚马逊AWS推出的Trainium和Inferentia两个系列AI芯片，以及微软在自家技术大会期间发布的用于云端AI训练和推理芯片Maia 100，目前绝大多数科技公司们都有了自研AI芯片项目。
AI算力的军备竞赛，正在愈演愈烈。每家科技公司都已经预料到AI模型的规模会迅速扩大。
然而从目前现状来看，英伟达GPU依然牢牢掌握着全球算力资源，并且通过最新的AI芯片不断稳固当前的商业模式。
但GPU的价格摆在那里，即使是财大气粗的科技巨头，也要计算性能和成本效益。
既然自己有能力在硬件上做出性能相当且最合适自己的AI芯片，那么谁不想与英伟达全面一较高下呢？
不过在缺少生态和产量的前提下，英伟达的GPU依然是科技公司的首选。就看台积电和英特尔在代工这一环节，能不能给点力了。