谈及中国制造业，我们无法忽视与世界工业强国之间的差距——从制造大国，到制造强国，这关键性的一跃，应该以什么方式实现？
作为一个历史悠久的工业强国，德国向世界展示了一张名为“工业4.0”的转型蓝图。
这一概念标志着制造业乃至整个工业界的一次深刻变革。其核心在于整合先进的数字技术至工业流程之中，以此提升企业的制造能力、质量和效率。
例如，在现代工业自动化的浪潮中，传统的工控通信方式已不再适应新的需求。如今，传感器、执行器和控制器之间的相互作用，实现生产线的自动化控制与监测，可以极大提升生产效率并降低成本。
在这一过程中，IO模块（输入/输出模块）作为连接各个模块的关键组件，通过高效、准确的信号输入、输出，确保了整个生产系统的顺畅运行。
然而，中国制造业虽取得了迅猛的发展，但在工业自动化能力上仍存在欠缺，如IO模块这样的关键部件，仍大多依赖海外巨头。
好消息是，随着市场机遇的出现，一些国产品牌凭借其独特性走出了差异化的道路，为中国制造业的转型升级提供更多选择。
南京德克威尔自动化有限公司（以下简称“德克威尔”）成立于2016年，尽管相较于其他在工业自动化领域深耕多年的行业巨头，德克威尔的“履历”尚短，但其展现出的潜力令人瞩目。
在短短几年内，公司产品已服务国内外超过1000家客户，并在行业内树立了卓越的品牌形象与市场地位。
德克威尔创始人杨林表示，公司的客户遍布国内多个行业，包括3C、新能源、物流、食品、医药、汽车、环保以及轨道交通等。同时，德克威尔还与多家世界500强企业建立了业务联系。
市场数据显示，德克威尔在国内细分市场的占有率已达到12%，在江苏省内的市场占有率更是高达23%。
在国内外巨头的竞争压力下，这样的成绩尤为难得。
就大环境来说，IO模块的市场需求是很清晰的。在智能化生产过程中，IO模块扮演着核心角色，它如同指挥官一般，协调各部件间的数据传输和指令执行，确保生产系统的高效运转。
正是基于对工业自动化领域巨大潜力和发展空间的认识，以及国内总线I/O市场的空白，杨林凭借丰富的经验和广泛的客户基础成立了德克威尔。
德克威尔的首要竞争优势源于其产品力。
杨林表示，公司自成立之初，便深刻理解IO模块在工业自动化中的重要性。因此，德克威尔始终坚持技术创新和持续研发，不断投入资源，并紧跟行业趋势，以满足市场的多样化需求。
在4月2日的春季新品发布会上，德克威尔推出三款创新设计的IO模块新品。这些新品一经发布，便迅速吸引了国内多家制造企业的关注。
第一款产品是LS系列离散式IO模块。该系列采用了自研的WellBus总线技术，这一创新大大减少了线缆使用量，节省了约50%的线缆成本。
据介绍，WellBus总线技术在布线方面的高效性，可节约35%以上的布线时间，降低了用户的采购成本，缩短了项目实施周期。
第二款产品是RB系列产品超轻薄卡片式I/O，该系列产品在电柜体积和安装效率方面进行了优化。
与传统IO模块相比，RB系列产品的电柜体积缩小了超过60%，适应了空间有限的场景。同时，安装效率提升了约50%，加快了设备安装和调试的速度，同样可以有效缩短项目实施周期。
除了这两款外，针对传统电磁阀组在配线时间与物料管理成本方面存在的问题，德克威尔推出了更集成化设计的MTC阀岛产品，使得配线时间减少超过90%，大大减轻用户的工作量，进而提高工作效率。
另外，该阀岛产品物料管理成本也减少了约75%，这有助于用户更好地控制项目成本，实现降本增效的目标。
总的来说，德克威尔的这三款新产品为客户提供了更经济高效的解决方案，而“降本增效”带来的直观数值反馈，正是对德克威尔产品力的最佳认可。
除了产品质量的卓越表现，德克威尔的另一个竞争优势在于其创新性。
前面提到，德克威尔的客户遍布不同行业，而不同的行业对于IO模块产品的功能和性能都有着各自独特的需求。
杨林告诉镁客网，在3C行业，客户对IO模块的精度和稳定性有极高的要求，以此来确保电子设备的精确控制和稳定运行。
因此，针对3C行业对设备性能的高要求，德克威尔的IO模块产品可以保证其高精度、高稳定性的数据传输和控制。
新能源行业的客户更关注IO模块的耐高温、耐低温以及抗干扰能力，以此适应复杂多变的工作环境。
对此，德克威尔IO模块产品经过了严格的环境测试，通过优秀的适应性和稳定性，保证其能在各种恶劣环境下正常工作。
物流和汽车行业的客户对IO模块的实时性和可靠性有着极高的要求。而德克威尔IO模块产品能够实现高速、实时的数据传输，以确保物流系统和汽车控制系统的准确、快速响应。
最后在半导体行业，客户对IO模块产品的需求与3C行业相似，但要求更高，主要体现在高精度、高速度、高可靠性以及稳定性方面。此外，半导体行业的生产过程往往需要高度自动化的设备来完成。
由于德克威尔的IO模块产品采用了先进的通讯技术和数据传输算法，能够实现高速、高精度的数据传输，因此足够满足半导体行业对设备精度的苛刻要求。
类似的案例还有很多，通过深入了解客户的具体需求，德克威尔能够为其提供定制化的IO模块产品和解决方案，更好地满足客户的个性化需求。
这种创新性的定制化服务能力，使德克威尔在竞争中脱颖而出，赢得了客户的广泛认可。
值得一提的是，德克威尔推出的新品与原有产品之间既存在补充关系，也具备替代关系的特性。用户可以根据自身的需求和场景，灵活选择使用新品或原有产品，以实现最佳的系统性能和经济效益。
随着国家对智能制造越来越重视，德克威尔正处在最好的时代，一个行业爆发期正在到来。
在过去，我国的工业自动化行业主要采用技术引进的方式，自主开发起步较晚，因而国外厂商占据着国内以大型项目、复杂项目为代表的高端市场的主要份额，并提供更高附加值的解决方案，如西门子、ABB、霍尼韦尔等全球领先的企业，他们都在国内市场上具有更大的竞争优势。
不过随着我国制造业的蓬勃发展，带动工业自动化技术地广泛应用的同时，也让国内一大批技术过硬，服务能力较强的国产品牌脱颖而出，逐步在高端市场逐渐站稳脚跟。
在杨林看来，工业自动化、智能制造、物联网等领域的发展趋势对IO模块产品带来了新的机遇和挑战。
智能化和互联化，意味着IO模块将集成更多的智能功能，如数据处理、边缘计算等，减少对中央控制系统的依赖，提高系统的反应速度和稳定性。同时，IO模块之间的互联性、安全性、易用性都将得到增强，未来的新产品将实现更高效的数据传输和共享。
针对行业的演变，德克威尔将继续围绕国内市场的需求和特点提供定制化的解决方案。这种灵活性和适应性可以让德克威尔的产品更好地满足国内企业的需求，提升生产效率和产品质量。
与国外大厂相比，这种贴近本土市场的解决方案更符合国内企业的实际需求。
另外，国家出台一系列相关政策，对于国产替代的支持力度也在不断增强。这些政策的实施为德克威尔等国内企业提供了良好的发展环境，进一步提升了国产替代的可能性。
但与此相对的是，海外大厂对国内企业的步步紧逼，市场竞争愈演愈烈，需要企业有更多的创新力和定力才能够在市场中站稳脚跟。
不可否认，中国制造业走向“智造”的道路还面临着不少挑战，但只要类似德克威尔这样的企业还走在正确的路上，找到本文开头问题的答案并不会太远。
经过多年铺垫，在今年MWC 2024上，三星正式对外宣布了自家智能戒指产品“Galaxy Ring”，这是一种与智能手环类似的智能穿戴设备，但体积更小、不带屏幕，非常小巧轻便。
最新消息显示，Galaxy Ring已经出现在三星手机的电池小部件中，这也意味着三星生态已经接入这款设备，并为它的发布做好了准备。
而就在几天前，韩媒The Elec报道称，三星计划首批生产40万枚Galaxy Ring，并从5月就开始量产零部件。从首批准备40万枚备货来看，三星非常看好这款产品。
不仅是三星，苹果近期也在智能戒指上有新动作，看得出来手机厂商们为了卖手机，真的费劲了心思。
在MWC现场展示的时候，三星电子移动体验（MX）部门数字健康团队负责人Hon Pak对外重点介绍了Galaxy Ring支持基于心率、运动和呼吸指标的睡眠分析功能。
单就外观来说，Galaxy Ring非常轻薄，但在设备内侧塞进了必要的微型传感器以及电池，从而为用户提供必要的检测功能。
而除了健康和睡眠监测功能外，Galaxy Ring还将与三星食谱 (Samsung Food) 与三星电子食品商城 (Samsung e-Food Center) 等功能进行联动，通过AI驱动的方式，从而给用户提供饮食、食材等健康建议。
从这里可以看出来，Galaxy Ring主打的最大亮点还是围绕着“健康”，以外还包括“远程控制”、“无线支付”等智能手表/手环上常见的功能。
既能功能相似，那么为什么三星还要费尽心思推出智能戒指呢？
首先，智能戒指特点在于更轻、更小、更贴合人体，睡觉的时候也能佩戴。
其次，在手表、手环越做越大的情况下，总有一部分用户需要这种功能简单却实用的产品。
最后，市面上目前只有几家小团队推出过智能戒指产品，这其中，芬兰公司Oura Health Oy算得上名气最大，旗下的Oura Ring已经发展到第三代，英国哈里王子、奥运冠军谷爱凌都是他们的客户。
可即便有明星效应加成，整个智能戒指市场的出货量也不过数百万只。而和Oura Health Oy同期发布的Fitbit以及第一代Apple Watch，后来都可穿戴智能设备的标志性产品。
因此在其他厂商还没加入战局之前，三星也算得上在智能戒指市场搞了一次探索和尝试。
目前来看，仅凭健康检测功能，智能戒指想在可穿戴设备领域取代智能手环非常困难，对此头部科技公司希望为智能戒指出圈带来一种新思路。
在三星和苹果的专利里，除了常见的健康检测传感器以外，智能戒指内还会添加一些接收器。通过这些接收器，用户可以使用一些交互动作远程控制电脑、手机等硬件，而最终这些手势都是为了XR设备服务。
例如，在戴上Galaxy Ring后，用户可以通过挥手、指向动作等操作，对XR设备进行追踪识别。
又比如，Galaxy Ring能够对于手指精确点作出识别，进而让XR设备对手指的指令进行精确反馈。
类似的案例其实不少，包括歌尔、XREAL 、影目科技等XR厂商在内，他们自己也推出了类似手环、戒指等可穿戴产品。
然而随着元宇宙概念的退烧，VR/AR设备在2023年的出货量再次出现同比下降。即便有Vision Pro这样的高质量硬件设备为基础，XR设备想回归去年的热度相当困难。
因此在今年MWC现场，三星并没有展示与XR设备的交互功能，甚至有可能第一代 Galaxy Ring根本没有考虑到MR交互的需求。
这么看来，目前的Galaxy Ring依然只是智能手表/手环的替代品。消费者与其花费高额的价格尝鲜，完全可以购入一只功能更丰富、价格更实惠的智能手环甚至智能手表。
如此来看，三星推出Galaxy Ring的想法很好，但想做到出圈还是相当困难。
2022年11月底，ChatGPT的出现，不仅一把火点燃了生成式AI的浪潮，同时还将GPU巨头英伟达送上了神坛。
如今的英伟达靠着AI 芯片的领先，不仅在市值上一路飞涨，同时垄断了全球AI算力近90%的市场。
值得一提的是，GPU本身并不是专门为了AI而设计，不少芯片公司都推出过更专用化的AI芯片。
但英伟达拥有自己的护城河——CUDA软硬件协同技术。有了它，在很长一段时间里，只有英伟达的GPU才能处理各种复杂的AI任务。
这就造成了一个困境——所有人都被绑死在英伟达这艘船上，很少能用替代品。
总有人希望摆脱垄断，之前是PyTorch、OpenAI，现在有更多厂商站了出来。
据路透社报道，一个名叫UXL基金会的科技公司联盟，正计划通过开发新的技术底座，从而摆脱英伟达的束缚。
从网上公开资料可知，UXL是Unified Acceleration（统一加速）的简称。其创始成员包括高通、谷歌云、英特尔、Arm、三星在内的大型科技公司，足以看出该联盟的含金量。
不过值得一提的是，整个基金会围绕的核心其实是英特尔的oneAPI计划，这是一套能够为多种类型 AI 提供支持的软件和工具，旨在简化跨多架构的开发过程（如CPU、GPU、FPGA、加速器）。
从时间节点来看，该项目在去年的9月举办的Linux 基金会开源峰会上推出，计划于今年上半年确定技术规范，而基金会的最终目的是希望从软件入手，从而与英伟达解绑，并帮助 AI 开发者不必依赖英伟达平台。
在接受采访时，谷歌高性能计算总监兼首席技术专家Bill Magro 表示：“具体来说，在机器学习框架的背景下，我们如何创建一个开放的生态系统，并提高硬件的生产力和选择。”目前，英特尔的 OneAPI已经被验证可用，而下一步创建专为AI设计的标准计算编程模型。
除了最初参与的公司之外，基金会还计划吸引亚马逊云计算、微软Azure等公司，以及其他芯片制造商，而英伟达则被排除在外。
就在UXL 基金会之前，知名AI开发框架PyTorch正在拓展支持更多GPU与加速器，OpenAI旗下开源算力编程模型Triton也正试图绕过英伟达CUDA，从而支持英伟达竞品，而包括AMD也有自己的开发者工具ROCm，各方都开始“围剿”英伟达。
CUDA之所以能成为英伟达的护城河，正是因为其庞大的GPU软件计算生态。
你可以把他理解成GPU的Windows系统，虽然有Linux这样的替代品，但因为多年以来构成起来的生态以及用户粘性，很少会有科技企业会放弃这个编程语言从头训练AI产品。
从本质上讲，是否使用CUDA，还是取决于任务的需求。对于较小的AI设备的话，工程师确实可以使用其他开发工具替代CUDA。
但涉及到大公司的企业级任务，包括AI大模型、自动驾驶模型，CUDA凭借自身出色的速度以及可扩展性，始终是大公司的首选解决方案。
长期来看，虽然其他厂商也会推荐新的AI芯片以及非CUDA标准，但想要完全取代英伟达芯片并不现实。
另外，英伟达自身也意识到CUDA的地位可能在下滑。因此在今年GTC大会之前，开始禁止第三方硬件兼容CUDA。
在过去，英特尔、AMD等公司会参与ZLUDA这样的第三方项目，国产厂商也有类似的兼容方案，这些非英伟达GPU可以直接兼容CUDA接口，从而直接运行CUDA 程序。
但现在来看，英伟达希望再度加固CUDA系统的垄断，客户要么重新选一个生态系统，要么继续使用英伟达的产品。
虽然竞争对手们一直在“炮轰”英伟达的 CUDA，不少人都认为开源软件开发框架会比CUDA更高效地使用。
但奈何英特尔、AMD等芯片厂商在硬件层面都很难追上英伟达，更不要说带着第三方开发者们放弃目前最好用的AI训练生态。
我们可以说UXL基金会的愿景很好，但想要取代CUDA，现在看起来似乎还挺遥远的。
这次中国行，苹果CEO库克当上了“特种兵”。
前脚刚在为苹果在华规模最大门店静安店开业庆贺，后脚就突然现身北京，并在短短几天里出现在各种场合里。
如此“匆忙”的行程背后，是苹果手机在华销量下滑近24%的不利现状。
为了应对国产品牌的竞争、减少供应链转移带来的压力，库克此次不断传递着对中国市场的信心，目的之一是为了稳住国内供应商，并希望进一步巩固并拓宽合作关系。
现在来看，库克充实的行程确实换来了收获。
有报道称，百度将作为国行版供应商，为苹果今年发布的iPhone16、iOS18等产品提供AI功能。
在这之前，苹果刚在与谷歌洽谈将谷歌Gemini Nano植入iPhone事宜，从而让iOS拥有AI大模型的能力。
但因为市场原因，谷歌并不能直接为中国市场提供服务，那么敲定一个国内大模型供应商才不至于造成产品空缺。
值得一提的是，当有记者提问的“iPhone在AI上的进展”时。库克表示，今年晚些时候，会正式宣布苹果生成式AI的新闻。
在不造车后，苹果的战略很明显地向AI倾斜，但进度上已经明显落后三星等竞争对手，后者主打AI概念的三星S24系列上市后在一个月内创下百万销量的佳绩，足以看出AI手机的潜力。
这年头，卖手机主打一个内卷。手机厂商们为了守住智能手机市场份额以及出货量，芯片、摄像头、屏幕甚至手机厚度都尽力做到极致。
但硬件上的内卷早已拉不了差距，因此主打AI大模型的“AI手机”便成了手机厂商们新的故事。
从去年开始，各大手机厂商纷纷对外公布了AI手机的新进展，“把大模型装进手机”已经成了未来旗舰手机的标配。
而国产手机厂商不仅布局上卷，行动上更是比苹果快了一步。
从目前已经发布的产品来看，小米、vivo、OPPO、荣耀等厂商都已经在自家产品里打造了自研大模型，包括小米MiLM-6B、vivo蓝心大模型、OPPO安第斯大模型、荣耀魔法大模型。
从功能上看，这些大模型主打文档、图像、影像等功能，在结合最新款芯片与操作系统后，手机整体可玩性得到了明显提升。
同样和苹果同属外来品牌的三星，在今年1月发布主打AI概念的Galaxy S24系列产品，通过本地和云端AI相结合的方式实现生成式AI功能，其销量较上一代超8%，足以看出三星在AI领域的创新获得了市场的广泛认可。
当然，从用户的反馈来看，目前的手机AI大模型受制于参数规模、硬件性能等原因，有些功能确实显得相当“鸡肋”。
但为了摆脱瓶颈期，促进消费者手机迭代，打造一个新的消费点刻不容缓。
和其他手机厂商相比，苹果在AI领域已经落后太久。
一方面因为自身作为“硬件公司”，在AI大模型这种软件上策略偏于保守。另一方面，苹果在汽车、头显等领域拉长了战线，最终导致iPhone更新的步伐非常缓慢，在不少环节都被国产手机实现了逼近甚至超越。
随着华为以Mate60系列强势回归，苹果在国内第一的位置更加不妙。一旦再次错过AI手机的热点，iPhone在中国人气恐怕还会进一步流失。
此外，苹果的麻烦不仅是中国市场的降温。在海外，苹果正面临欧盟、美国的反垄断压力，股价一度蒸发8000亿元。
为了向股东们交出一份有盼头的成绩单，苹果必须在iPhone 16这一代打好“AI手机”这张牌。
从时间节点看，新款iPhone 16不出意外在今年9月份左右发布。而这在之前，国产手机阵容有半年的时候通过“多机型战略”为自家AI大模型打磨升级。显然，“迟到”的代价有点严重。
不过好消息是，作为“iPhone护城河”的iOS平台，依然可以为提供苹果最核心的竞争力，其本身就有大量AI技术的布局，新版本要做的就是整合AI服务。
那么最大的问题在于，iPhone 16会选择自研大模型，还是直接使用“外援”。
首先，苹果在自研大模型（GenAI）的布局已经一些卓有成效的研究，包括首次披露的多模态大模型MM1， 这是一个具有高达30B参数的多模态LLM，同时拥有大量论文支撑。
此外，苹果还为iOS战略性收购了多家ai初创公司，而在2024 年，苹果将大力推进生成式AI领域的收购与研究，加上造车团队的加入，相信苹果在GenAI 方面很快就会出成果。
而对于自研大模型，虽然外界传出谷歌洽谈将谷歌Gemini Nano植入iPhone事宜。
但据马克·古尔曼（Mark Gurman）在最新一期通讯中表示，由于苹果公司仍在研究在利用AI中的隐私问题，因此苹果最终可能会决定放弃与谷歌等其它公司合作在iOS 18中提供生成式AI服务。
这同时意味着,苹果与百度之间的合作会存在变数。
距离iPhone 16上市还有半年时间，苹果与谷歌、百度的合作会走到何方，一直只能等发布会才能揭晓。
但可以肯定的是，苹果在iPhone 16的AI功能，已经可以期待起来了。
注：原文为五矿证券《汽车重构系列1：车企的电池控制权之争》，分析师：张鹏
3月15日，宁德时代发布了2023年年报，公司营业收入首次突破4000亿元大关，同比增长22.01%，交出一份完美的成绩单。
从SNE机构统计的数据来看，2023年宁德时代动力电池全球使用量市占率达36.8%，连续七年稳居全球榜首。
除了宁德时代以外，弗迪电池紧随其后位列第二位，这家背靠比亚迪的老牌电池厂同样实力不俗，在份额上与宁德时代“二分天下”
相比之下，曾经希望抢下“宁王”份额的二线电池厂们，或多或少放慢了脚步，他们不仅跟在后面喝汤。
可见，动力电池的竞争仍然激烈。
在五矿证券公布的《汽车重构系列1：车企的电池控制权之争》行业深度研究报告中，分析师从4大角度介绍了车企布局电池的现状。
以下为研报内容节选：
电池是新能源汽车产业链的强势环节
动力电池装机量的提升完全依靠新能源汽车销量的增长，但一向强势的整车厂在面对电池环节时却处于弱势的地位，从电池厂和汽车零部件行业整体的毛利率和应收账款周转率来看：
电池厂的议价能力更强，电池厂的毛利率普遍高于汽车零部件行业；
宁德时代的应收账款周转率更高，回款速度更快。
电池环节强势的原因：电池行业集中度更高，整车厂的电池供应被少数几家企业控制。
目前，宁德时代是大部分车企重要的电池供应商：
2019-2021年宁德时代的市场份额超过50%，2022年后逐渐下降，2023年下降至43.1%；
除比亚迪电池自供之外，其他大部分车企都采用了宁德时代的电池，其中特斯拉、理想、问界、蔚来、吉利汽车、长安汽车等企业使用的动力电池一半以上都来自宁德时代。
到2021年新能源汽车爆发后，电池产能紧缺，电芯价格不断上涨。
2021年宁德时代产能快速扩张，产能利用率提升，由于新能源汽车需求快速爆发，电池产能紧缺，电池供不应求，更加强了电池环节的强势话语权；
随着碳酸锂价格的抬升，电芯价格不断上涨，在2022年底和2023年初达到高点；
产能和价格双重因素导致车企在2022年左右开始密集进入电池行业。
动力电池成本占整车成本比例高，整车厂降本压力较大
动力电池与新能源汽车行业的格局差异导致了车企面对电池厂的议价能力弱，加之动力电池占整车成本的比例较高，导致车企在压缩成本方面阻碍重重；
汽车是可选消费品，对价格敏感，新能源汽车在经历爆发期后价格战愈演愈烈，整车厂的销量与定价策略密切相关，极致的性价比背后需要强大的降本能力做支撑。
与整车性能息息相关的核心技术由电池厂掌握
燃油车时代，车企掌握核心的发动机技术
燃油车最重要的动力性、经济性是由发动机决定的，核心发动机技术由各家车企掌握；
从汽车诞生之初，各家车企就致力于改进发动机性能，以求达到更高的车速和更快的加速性能，石油危机后转向寻求更实用经济的方案；
根据沃德十佳发动机排行榜，经典发动机均由车企拥有。
而到了新能源汽车时代，决定整车性能的电池技术由电池厂掌握
新能源汽车时代，消费者最关心的电池安全、充电时间、续航里程等问题由电池性能决定。在电动车中，驱动电机替代发动机打破了发动机热效率对动力性能的限制瓶颈，动力性和经济性不再是电动车的瓶颈，电池带来的电池安全、充电时间、续航里程等成为消费者购车时最关心的问题。
除了比亚迪之外，其它车企的电池都依赖电池厂，核心技术由电池厂掌握。
目前，电池技术提升仍是电池发展的主线
电池技术的提升使电动汽车续航更长、充电更快、更安全，从而形成了差异化的新能源汽车产品，电池技术提升是贯穿新能源汽车从萌芽期到爆发期的发展主线。
电池技术迭代仍未停止，车企仍然可以通过领先的电池技术打造出差异化的整车产品。电池技术的提升底层是化学材料的迭代，同时有电池结构的技术迭代；锰铁锂、高镍三元、固态电池、硅负极等是材料技术未来升级的方向，电池结构不断向集成化方向演化。
同时，CTx技术模糊了整车与电池的界限，电池厂有入局电芯底盘一体化的趋势
CTP/CTB/CTC对电池结构进行创新，提高了体积利用效率，在相同空间内能够布置更多的电芯，从而提高整车续航。
CTP将电芯直接集成至电池包，省略了模组，仍然是电池领域的技术，宁德时代CTP3.0技术已经于2023年量产；CTC/CTB将电芯直接集成至底盘/车身，省略了模组和电池包，是一种整车集成技术，目前主要有车企主导；
车企布局电池的两种模式：独立布局&合作布局
1、车企布局电池可以分为2个阶段：
（1）新能源汽车需求爆发前，部分车企已经开始布局电池，自研电池包或电芯，但基本不具备生产电芯的能力；
（2）2022年左右，车企面对电池供应商时“产能受限+价格高昂+不能掌握核心技术”的窘境导致车企纷纷入局电池。
2、车企布局电池的模式可分为独立布局和合作布局2种，部分车企两种模式均有布局：
（1）独立布局是指车企或其控股公司具备独立自主的电芯研发和生产能力，如比亚迪、长城汽车旗下蜂巢能源、广汽集团旗下的巨湾技研及因湃电池等；
（2）合作布局是指车企仅具备电池包或软件层面研发能力，需合作研发生产电芯或采购电芯，如时代上汽、时代吉利、零跑汽车等。
3、2025年车企独立布局或合作布局的电池产能占总产能的比例约16.9%。
车企布局电池的制约
电池行业技术壁垒和工艺壁垒高，且存在技术替代的风险
电池行业技术壁垒和工艺壁垒高，尤其是电芯的研发和生产，需要长期的研发投入和技术积累。当前具备电芯生产能力的车企在10年前已经开始布局电池行业，均经历电池包自研、电池包自产阶段后进入电芯自研自产的阶段，如比亚迪、广汽集团、长城汽车和吉利汽车。
电池技术仍然在不断的迭代提升，锰铁锂、高镍三元、固态电池、硅负极等是技术未来升级的方向，车企如果研发资金投入不足或研发失败则存在被其他电池技术替代的风险。
动力电池的规模效应对车企的销量要求较高
动力电池企业达到盈亏平衡需要一定的规模效应。4家第二梯队的电池企业中，2023H1的毛利率约9%~16%，中创新航、国轩高科以动力电池为主业，与欣旺达、亿纬锂能相比盈利情况略差，2023H1国轩高科扣除非持续性政府补助后盈利1.3亿元。
整车厂背景的电池企业开拓其他客户的难度较大，因此整车厂销量需覆盖其布局的电池产能。假设单车带电量为50kWh，以20GWh的规模测算，对应车企销量需40万辆，2023年共5家车企零售销量超过40万辆，分别是比亚迪、特斯拉中国、广汽埃安、吉利汽车、上通五菱。
电池行业具有较高的资金壁垒
单GWh产线投资金额约需3.5亿元，以20GWh的规模测算，动力电池项目至少需70亿元资金，资金投入较大。电池企业净利润微薄，一般通过融资的方式获取资金进行扩产。
2019年以来电池企业通过定增、非公开发行、发债等方式多次融资，支撑公司的资本开支。
从产业周期角度来看，已经错过了入局电池的最好时机
新能源汽车产业在2015年、2021年分别经历了“0-1”的萌芽期和“1-10”的爆发期，当前新能源汽车渗透率增长速度趋缓，新能源汽车销量增速下降，电池产能逐渐过剩，当前产业正处于产能出清、竞争最激烈的时期，企业此时入局电池既无政策利好、又需面对较大的成本压力，已经不是最好的入局时机。
车企布局电池需综合考虑车企自身定位、销量规模、资金、技术等问题
车企布局电池可解决“产能受限+价格高昂+不能掌握核心技术”的窘境，但布局电池也受到“技术壁垒高+规模效应不足+资金壁垒高+错过最佳窗口期”的制约，需要综合考虑车企对自身的定位、车企对电池需求总量、资金实力、技术积累等问题。
车企对自身定位问题：全产品矩阵覆盖or打造细分领域的特色产品？10-15万元价格带是燃油车销量占比最大的价格区间，该区间新能源汽车销量占比偏低，该价格带的产品对价格敏感，需要极致的性价比，电芯自研自产则可帮助车企压缩成本。
在布局模式上，对电池技术积累较少的车企很难再经过“从无到有”的阶段孵化出优秀团队进行电芯自研自产，更多则是通过收购并购或合作布局的模式布局电池。
车企布局电池的影响：电池行业高集中度的格局仍然难被打破
汽车行业集中度低于电池行业。电池是ToB业务，汽车作为可选消费品，是面向广大消费者的ToC业务，每一个品牌覆盖的群体范围有限，从燃油车的经验来看，稳定情况下前五品牌的市场份额未超过50%。
布局电池的车企很多，但具备独立的电芯自研自产的车企较少，过去对电池技术积累较少的车企也很难再从零开始培育自研自产电芯的能力；具备自研自产电芯能力的车企仍然是开放的供应链体系，同时采购内外部供应商产品。
电池企业在电芯技术上仍然保持着领先的优势。在经历过电池技术的迭代后，电池厂基本不再是押注单一的技术路线，而是多种材料体系并行研发，车企在电池技术超越头部电池厂取得领先的难度较大。
车企向上vs电池厂向下：术业有专攻，合作共赢
相对于电池厂来说，整车厂更具备做CTC/CIIC的优势
CTC/CIIC涉及到电芯、驱动电机、底盘等方面，考验企业的整车集成技术，是整车厂核心能力的体现。整车厂深耕汽车行业多年，相较于电池厂更具备技术和经验上的优势。
CIIC将上车体与滑板底盘在机械结构、电气结构和软件结构解耦，因此需要与整车厂将接口的标准统一，标准统一推进工作比较困难。
电池厂制造CTC/CIIC后的直接竞争对象是整车厂，而整车厂是电池厂的重要客户，可能会对电池厂原有的动力电池业务产生影响。
昨天刚公布新品，今天就被爆出核心团体集体辞职，这么离谱的事情就发生在知名AI独角兽Stability AI身上。
AIGC这条赛道有多拥挤无需多言，Stable Diffusion算得上少有成功的头部玩家。
但从媒体的报道来看，Stable Diffusion背后的Stability AI正经历着一场巨大的危机。
不只是Stability AI，另一个AI独角兽Inflection AI也被微软一夜吞噬，两位联合创始人集体出走，还带走了公司大部分员工。这家企业曾拿下15 亿美元融资，其产品被视作ChatGPT的有力竞争者。
如今，这两家独角兽已经成为AI行业残酷竞争背后的一个缩影。
据《福布斯》报道，Stable Diffusion核心研究团队已集体辞职，名单包括研究团队领导、论文一作RobinRombach，共同一作Andreas Blattmann，以及另一位作者Dominik Lorenz。
据知情人士透露，离职消息由Stability AI首席执行官Emad Mostaque在内部全体会议上亲自宣布。至于离职的原因，《福布斯》报道称，是因为Stability AI入不敷出且融不到新资金。
事实上这不是Stability AI第一次遇到核心成员出走。
去年7月，两名高管从Stability AI离职，分别是研究主管David Ha和首席运营官Ren Ito。
再往前数，Stability AI多位高管相继离职，而他们在Stability AI呆的时间都非常短。
一般来说，虽然科技公司有人员流动并不稀奇，但Stability AI的人员走动实在是过于频繁。
有人认为是Stability AI管理混乱，也有人直接点出Stability AI内部存在周转困难的情况。
从商业模式来看，Stable Diffusion 作为一款开源模式，吸引了大量活跃用户，开发者社群已经为此提供了大量免费高质量的外接预训练模型（fine-tune）和插件，并且在持续维护更新。
相比于另一款知名竞品Midjourney，Stable Diffusion拥有更丰富的个性化功能，在经过使用者调教后可以生成更贴近需求的图片，甚至在AI视频特效、AI音乐生成等领域，Stable Diffusion也占据了一席之地。
但成也开源，败也开源，随着Stable Diffusion的模型越做越复杂，版权问题开始凸显出来。
不少艺术家开始指责Stability AI“AI侵权”。
随后不少人挖出Emad Mostaque竟然存在涉嫌窃取代码、学历造假和私吞公款等行为，一时间一场关于技术、伦理和商业道德的争议逐渐浮出水面，引起了业内一致谴责。
而在这件事件后，Stability AI的风评不断下降，高管离职也是迟早的事。
抛去创始人的丑闻不谈，Stable Diffusion本身也存在不少问题。
一方面开源需要花费大量资金维护，根据彭博社此前的爆料，该公司每个月至少要花费800万美元来支持业务运营。
此外，Stable Diffusion上手难度和学习成本略大，并且非常吃电脑配置，这无疑又劝退了一部分用户。
因此《福布斯》直接写明：根据内部文件显示，Stability AI的支出大大超过了收入。
不过“瘦死的骆驼比马大”，以Stability AI的体量以及开发者的支持，直接倒闭可能性并不大。目前，Stable Video 3D以及Stable Diffusion3都相继发布，做AIGC的压力也比做大模型小得多。
相比之下，Inflection AI的处境就惨得多。
比起Stability AI，Inflection AI更有潜力，不仅创业阵容里有DeepMind联合创始人Mustafa Suleyman这样的大佬，还有硅谷顶级风投Greylock的孵化，还有一众业内顶级的人工智能专家。
靠着一款EQ（情商）超高的“聊天机器人Pi”（personal intelligence的缩写），这家成立仅1年多的海外AI公司，成功拿下微软、英伟达和3位富豪的13亿美元（约合人民币94.1亿）融资，外界估值高达40亿美元，堪称北美AI创投圈的最大黑马。
此外，背靠英伟达的投资，Inflection AI的另一大优势是算力。在这个“算力堪比金钱”的年代，谁掌握了英伟达高端显卡，就等于掌握了大模型训练的主动权。
有意思的是，Inflection AI的合作伙伴是云服务提供商CoreWeave，而这家企业同样得到了英伟达的投资。
然而就这么一家占据着“天时地利人和”的黑马，却惨遭创始人Mustafa Suleyman的背刺，直接带领团队跳槽到竞争对手之一的微软。而微软甚至专门为其设置了新部门微软Microsoft AI，可见这场人员变动蓄谋已久。
和Stability AI的情况类似，Inflection AI其实也陷入到“收入陷阱”中。
让我们再次回到Pi这款产品上，这是一个堪称带有情感的AI产品，但然而正是这种无限接近人类的AI，反倒会引起用户的恐慌。
因此Inflection AI在付出数亿美元的投入后，做了一款“偏离市场”的产品，其收入可想而知。
根据最新消息，Inflection AI将由新任CEO Sean White以及另一名联合创始人兼董事会成员Reid Hoffman带领。
但失去了核心产品后，Inflection AI想要再与ChatGPT等产品进行竞争，已经非常困难。
具有讽刺意味的是，微软创始人比尔·盖茨就曾多次提到的“AI个人助理”，如今微软挖走了最好的AI助理团队，那么他们会带来什么产品呢？
AI竞赛愈发激烈，我们可以看到就连融资到手软的明星创企，也遭不住不断烧钱却看不到收入的“恶性循环”。
另一方面，科技巨头们的“钞能力”也开始主动挖掘优秀项目与人才，从而弥补自身弱点。
再往长远点看，随着其他科技巨头不断发力AGI，AI初创公司的压力更大了。
时隔五年，GTC重回线下，在这场堪称“AI界春晚”的开发者大会上，黄仁勋带来了诸多最新成果，包括下一代架构Blackwell、最强AI芯片B200等诸多“狠家伙”。
而就当整个AI行业的目光都盯在B200芯片之际，黄仁勋在演讲最后放出的Project GR00T项目，其实更值得拿出来介绍一番。
在演讲里，英伟达将该项目称为“人形机器人通用基础模型”，也就是所谓的“机器人大模型”。恰好在GTC大会召开前几天，OpenAI投资的Figure刚刚公布了一段视频，展示了OpenAI为其配置的“GPT大脑”。
如果说这次发布的Blackwell架构GPU产品，进一步拉大了英伟达与AI芯片公司之间的差距。而在人形机器人这件事上，英伟达要面临的竞争对手就强大得多。
借着AI的东风，英伟达的上一个万亿市值来自GPU与算力。那么想要继续维持市值的高速增长，英伟达必须在维护“算力霸权”的同时，找到下一波浪潮。
作为本次GTC大会的最后一个重要部分，黄仁勋花费大量篇幅介绍英伟达在机器人领域的最新进展，包括“机器人大模型”Project GR00T（Generalist Robot 00 Technology）项目，以及另外两个机器人计划：Isaac Manipulator 和 Isaac Perceptor。
简单介绍一下，Project GR00T 是一种多模态人形机器人通用基础模型，作为机器人的大脑，该模型让机器人学习技能从而执行各种指令。该模型支持英伟达的新硬件 Jetson Thor，这是一款专为人形机器人设计的计算机，可以运行仿真工作流、生成式人工智能模型等。
而Isaac Manipulator加速库平台和Isaac Perceptor软件库则是机器人开发平台IsaacLab旗下整合的全新项目，前者用于辅助提升机械臂的灵敏度与精确度的加速库平台，后者用于提升服务机器人感知能力。
新东西看起来很多，其实我们可以理解成“一个模型+一个平台+N个部件”。
在过去，英伟达在机器人路线的布局其实相当丰富。首先是提供端到端IsaacLAb、Jetson机器人等开发平台，结合生成式AI来支持大规模训练、开发和部署AI机器 人，降低机器人开发门槛与开发成本。
其次是在具身智能大模型方面，英伟达陆续发布了Eureka、Voyager、MineDojo、VIMA等项目，这些都是相当成熟的多模态LLM。
就在上月，英伟达正式成立了一个全新的研究团队GEAR，全称为“通用具身智能体研究”（Generalist Embodied Agent Research），该部门由英伟达AI高级研究科学家、AI代理计划的负责人jim Fan以及他的老搭档Yuke Zhu教授共同领导。
该部门旨在构建适用于虚拟与物理世界的具身智能体的基础模型，致力于实现跨多模态、多场景的智能应用，并计划在未来让每一个能够移动的机器都将实现自主化，让机器人（模拟智能体）像iPhone一样无所不在。
算上这次发布的Project GR00T，英伟达算上在“大模型”这一环节完成了补齐。
除此以外，在投资方面，英伟达通过投资人形机器人初创公司FigureAI和机器人工厂Machina Labs拓展在机器人领域的布局。
同时英伟达还与众多海内外人形机器人公司有着相关合作，可见其未来借助机器人实现增长的决心。
人形机器人与其他特定场景下的机器人存在一个极大的不同之处，即应用场景的多元化，因此相比特定场景的机器人，人形机器人可以在家庭、工业等众多场景运行，背后将是巨大 的市场空间。
同时人形机器人作为一种新兴的智能终端， 也是AI技术重要的下游应用之一，美股头部科技公司纷纷押注人形机器人赛道。
但从目前的布局来看，大部分头部科技公司依然以大模型为主，例如谷歌发布的RT-2机器人模型、Meta发布的V-JEPA模型以及最近OpenAI与Figure合作机器人大模型等等。
图源 | 光大证券
相比之下，英伟达的布局更广，除了推出大模型以外，英伟达对比专业机器人公司拥有更加丰富且优质的训练数据。
这些数据，一部分来自英伟达庞大的生态伙伴，而另一方面，英伟达摸索一条获取数据的“新路”，即利用自身硬件“造”出数据。
值得一提的是，英伟达不光数据多，训练速度也快——在ISSAC平台的仿真环境下，该平台可以以比实时快1000倍的速度模拟现实，从而处理生成的海量数据。
在行业数据资源几近枯竭的背景下，英伟达靠着自身的硬件条件让AI大模型训练更加容易。相比之下，专业的机器人公司只能消耗来自网络的真实数据。
但大模型与数据都不是英伟达布局的最大野心，其最终目的还是打造机器人开发平台与生态，抢占产业链价值最高点。
这一点战略早在生成式 AI领域已经得到了验证，通过“拿捏”开发者从中赚取差价，英伟达成了AI圈内最大的赢家。
据悉，英伟达几乎可以涵盖目前市面上所有知名的人形机器人制造商，包括Figure AI、波士顿动力、1X Technologies以及国内的宇树科技和XPENG Robotics（小鹏旗下仿生机器人公司）等等，而它们也在本次GTC大会上集体登场为英伟达站台。
目前来看，人形机器人的未来，不止看马斯克以及OpenAI。手握开发平台以大量数据的英伟达，同样值得期待。
所谓“字数越少，事情越大”。
就在刚刚，马斯克在X（推特）上宣布，自家AI公司xAI旗下人工智能助手Grok将在本周内开源。
但除了宣布在这周开源Grok的消息以外，马斯克并没有透露更多信息。
不过我们可以结合各路消息进行推断：xAI这周公布的大概率是“Grok V1.5聊天机器人”。
早在 2月22日，马斯克就曾在个人社交媒体上透露会两周后的3月初会发布新版本，而本周刚好处在“3月初”这个时间段内。
若再按其他AI公司的更新节奏来看，xAI也到了更新下一代大模型的时间节点。
自去年11月发布之后，xAI首款产品Grok AI在行业掀起一阵讨论后迅速降温，其热度跟ChatGPT相比完全不是一个量级，主要原因还是Grok AI所谓“幽默感”的卖点并没有引起太多人的兴趣。
在这之前，创投圈黑马Inflection AI已经抢先做出一款成熟且出圈的“情感聊天机器人”产品，相比之下，Grok AI的表现更像是一个“半成品”。
另外，Grok AI背后依靠330亿参数的核心引擎Grok-1在当时来看表现虽优于GPT-3.5，但并没有赶上GPT-4，而如今OpenAI已经更新到GPT-4 Turbo 版本，Grok-1更是“难堪大任”。
因此推出新一代大模型已经是xAI的当务之急。
从已有的信息来看，新版本将带来一系列功能，其中包括备受期待的“Grok 分析”按钮。简单来说，此按钮能够自动总结整个对话和回复，帮助用户轻松理解复杂的对话。此外，Grok v1.5还将能够辅助用户创建帖子，让内容创作变得更加高效。
不过这些功能基本上已经是大模型的“标配”，想在短时间里吸引更多厂商、开发者以及用户，开源是个不错的选择。
值得一提的是，Grok模型一大特点就是主打“轻量”。
在测试中，Grok-1的原型版本Grok-0的性能已经可以媲美成熟的LLaMA 2（700亿参数），但只使用了一半的训练资源。
为了创建Grok，xAI基于Kubernetes、Rust和JAX等技术构建了一个定制的训练和推理框架。其中简洁高效的Rust编译语言，目前还很少被其他大模型采用。
目前绝大多数AI应用都采用Python开发，因为该语言拥有丰富的库，可以通过简化的程序代码来搭建神经网络、填写参数、导入数据，并调用执行函数进行训练，因此逐渐成为AI领域的首选编译语言。
不过作为代价，Python已经过于臃肿，且速度很难，这对于急需速度的大模型来说，这是一个充满矛盾”缺点。
在一项研究测试的数据显示，Rust在能源利用方面，比Java高效50%，比Python高效98%。随着GPU规模的不断扩大，大模型更加需要这种高效的语言。
不过Rust虽好，但学习门槛高、开发难度大，生态也不如C/C++、JAVA等老牌语言，那么在打好“开源”这个卖点后，或许能吸引更多人加入到Rust的开发。
此外，马斯克选择在此时宣布开源还有一个非常明显的意图——给OpenAI开源“打个样”。
在刚刚过去的周末，奥特曼宣布重返OpenAI董事会，结束了持续数月的宫斗大戏。而在场外，马斯克上诉OpenAI要求其“开源”的法律诉讼案，目前看来仍未达到高潮。
在网友在评论“OpenAI也应当如此，如果它们像名字中的‘Open’那样”时，马斯克忍不住回应了一句：“OpenAI就是谎言。”
关于马斯克与OpenAI的诉讼，主要围绕三个方面，“是否应该盈利”、“开源到闭源”以及“董事会独立性的存疑”。
其中在OpenAI是否开源的问题上，马斯克认为，目前GPT-4已经非常接近人类，并且OpenAl 正在开发一项名为Q*的秘密算法，其潜在威力达到了通用人工智能，因此必须为广大公众的利益服务。
关于Q*到底是什么，目前尚没有准确的信息。但可以肯定是，OpenAl已经马斯克的AI布局带来了非常大的压力。
而除了OpenAI以外，xAI还要面临谷歌、Meta乃至Anthropic、Mistral AI这样后起之秀的挑战，其竞争压力可想而知，此时将被动局面变为主动进攻，或许能多一点机会。
总的来说，马斯克追逐人工智能的道路并没有那么一帆风顺，开源的Grok究竟是不是“噱头”，那么静待本周最新消息。
注：原文为华金证券《HBM迭代，3D混合键合成设备材料发力点》，分析师：孙远峰、王海维
随着英伟达的市值冲破2万亿美元，英伟达的股票一夜间成了世界上最值钱的商品。
而这还远不是英伟达市值的极限，靠着向全世界售卖高性能GPU，英伟达的垄断地位仍会持续下去。
但另一方面，高性能GPU供不应求的情况始终得不到好转，其背后原因之一——存储大厂的HBM（高带宽内存）显存产能提不上来，严重影响了英伟达的产能。
HBM显存并不是什么新鲜事物，对比消费线常见的GDDR显存，前者价格相当昂贵，基本只在高密度计算集群中使用。
不过随着AI芯片需求不断增加，存储巨头开始全力冲刺HBM技术，HBM显存的性能与使用场景都有显著提升。
目前拥有第五代HBM3E技术的SK海力士已经拉满了2024年的产能，同为存储大厂的三星与美光同样全力为英伟达供货。
那么作为AI芯片“最强辅助”的HBM，究竟强在哪里？
在华金证券推出的半导体行业深度报告《HBM迭代，3D混合键合成设备材料发力点》里，分析师从“设备材料”的角度深度分析了HBM的最新情况。
以下为研报内容精选：
·CPU与存储之间，存在着“内存墙”
随着摩尔定律的不断迭代，CPU运行速度快速提升，目前CPU主频高达5GHz，而DRAM内存性能取决于电容充放电速度以及DRAM与CPU之间的接口带宽，存储性能提升远慢于CPU，DRAM内存带宽成为制约计算机性能发展的重要瓶颈；
一般来说，DDR4内存主频为2666~3200MHz，带宽为6.4GB/s，但是在AI应用中（高性能计算/数据中心），算力芯片的数据吞吐量峰值在TB/s级，主流的DRAM内存或显存带宽一般为几GB/s到几十GB/s量级，与算力芯片存在显著的差距， “内存墙”由此形成。
以Transformer类模型为例，模型大小平均每两年翻410倍，而AI硬件上的内存大小仅仅是以每年翻2倍的速率在增长；
此外，内存墙问题不仅与内存容量大小有关，也包括内存的传输带宽——目前的内存容量和传输的速度都大大落后于硬件的计算能力。
一般来说，传统DRAM需要大量空间与CPU/GPU等处理器通信，同时封装的形式看需要通过引线键合或PCB进行连接，因此DRAM不可能对海量数据进行并行处理。
·HBM概念
随着2.5D/3D系统级封装（SiP）和硅通孔（TSV）技术日益 成熟，为高带宽、大容量的存储器产品提供基础；
而高带宽存储器HBM（Highband Memory），使用硅通孔TSV和微凸块技术垂直堆叠多个DRAM，因此可以显著提升数据处理速度，同时性能提升的同时尺寸有所减少；
从2013年开始，JEDEC制定了高带宽存储器系列标准（包括 HBM,HBM2，HBM2E,HBM3），其中，HBM3相比2代标准有显著提升，芯片单个引脚速率达到6.4Gbit/s，总带宽超过1TB/S。
·HBM特点
HBM2E和HBM3的单引脚最大输入/输出（I/O）速度分别达3.2Gbit/s和6.4Gbit/s，低于GDDR5存储器的7Gbit/s，但HBM的堆栈方式可通过更多的I/O数量使总带宽远高于GDDR5；例如HBM2带宽可以达到307 GB/s；
海力士官网数据显示：HBM3E的数据处理速度，相当于可以在1s内下载230部全高清（FHD）级电影（每部5千兆字节，5GB），优化后可用于处理人工智能领域的海量数据。
同时，由于采用微凸块和TSV技术，存储和算力芯片信号传输 路径短，单引脚I/O速率较低，使HBM具备更好的内存功耗能效特性；
以DDR3存储器单引脚I/O带宽功耗为基准，HBM2的I/O功耗比明显低于DDR3/DDR4和GDDR5，相比于 GDDR5存储器，HBM2的单引脚I/O带宽功耗比数值降低42%。
总体来说，HBM的技术特点：1、高速；2、高带宽；3、更低功耗。
同时，HBM又具备可扩展容量的结构特点。具体如图：
随着美国商务部工业与安全局 (BIS）针对高算力芯片管控指标不断升级，增加了先进计算最终用途管控，AI算力的高需求带动HBM成最强“辅助”，主要体现在HBM的供给侧趋势。
1、从三大家HBM供给侧趋势看，HBM3及以上版本逐渐成为主流，从容看24GB/32GB逐渐替代16GB成为主流配置；
2、HBM4预计于2026年开始量产；
3、工艺节点看，HBM3e 三星和海力士的制程节点为1 alpha，美光为 1 beta；
4、海力士与三星占据主要市场份额；
5、假设2023年和2024年HBM单价分别为15美元/12美元，2024年HBM市场规模预计为120亿美元。
此外，英伟达、谷歌、AMD、AWS等科技巨头的HBM使用量有明显上升。
HBM制造的核心，包括TSV和封装，垂直堆叠等技术。
根据《半导体工艺与设备 》介绍，TSV不采用传统的布线方法来连接芯片与芯片，而是通过在芯片上钻孔并填充金属等导电材料以容纳电极来垂直连接芯片。
在制作带有TSV的晶圆后，通过封装在其顶部和底部形成微凸块，然后连接这些凸块。由于 TSV 允许凸块垂直连接，因此可以实现多芯片堆叠。
目前HBM的堆叠技术包括MR-MUF以及TC-NCF等；
其中，MR-MUF(向上堆叠方式，Mass Reflow – Molded Underfill），是指将半导体芯片堆叠后，为了保护芯片和芯片之间的电路，在其空间中注入液体形态的保护材料，并固化的封装工艺技术。
与每堆叠一个芯片铺上薄膜型材料的方式对比，工艺效率高，散热方面也更有效；
具体步骤：
1、连接芯片的微凸块采用金属塑封材料；
2、一次性融化所有的微凸块，连接芯片与电路；3）芯片与芯片之间或者芯片与载板之间的间隙填充，绝缘和塑封同时完成。
而TC-NCF（Thermo Compression – Non-Conductive Film，非导电薄膜），是一种在芯片之间使用薄膜进行堆叠的方法，与MR-MUF相比，该互连技术导热率较低；速度较慢；
此前，SK 海力士在HBM2e中使用 TC-NCF。
而到了HBM4时代后，海力士正在加速开发新工艺“混合键合”（Hybrid Bonding ），并将成为未来新趋势。
截止目前， HBM的DRAM芯片之间通过“微凸块”材料进行连接，通过混合键合，芯片可以在没有凸块的情况下连接，从而显著减小芯片的厚度；
当间距小到20um以内，热压键合过程中细微倾斜使得钎料变形挤出而发生桥连短路，难以进一步缩减互联间距；
HBM芯片标准厚度为720um，预计2026年左右量产的第六代HBM4需要纵向垂直堆叠16层DRAM芯片，当前的封装技术很难让客户满意，所以混合键合的应用被认为是必然的趋势；
2023年海力士用于第三代HBM产品（HBM2e）测试混合键合技术，规格低于HBM4产品；
同时海力士拟计划将新一代的HBM与逻辑芯片堆叠在一起，取消硅中介层。
·混合键合定义：
1、混合键合是一种永久键合，将介电键合（SiOx）与嵌入式金属（Cu）结合起来互联，形成电介质和金属-金属键；
2、使用紧密嵌入电介质中的微小铜焊盘可以提供比铜微凸块多1000倍的I/O连接。支持3D封装和先进的存储立方体更高的互连密度；
3、混合键合可以实现低于10um的键合间距，当接近10um尺寸时，带有焊锡尖端的铜凸块会遇到可靠性问题，从而导致转向混合键合。
按照分类，混合键合又可以分类成：
1、晶圆到晶圆（Wafer-to-Wafer）：两个制造好的晶圆直接键合在一起，W2W提供更高的对准精度、吞吐量和键合良率，目前绝大多数混合键合通过W2W完成，比较典型的是长江存储3D NAND Xstacking技术的突破；
2、芯片到晶圆（Die-to-Wafer）：将切割好的Die贴到另
一个完成的晶圆上，与晶圆上的Die实现键合，可以分为两类：
可以按顺序一颗一颗放置到另一片产品晶圆的对应位置上，位置精度会提高；将切割好的Die用临时键合的方式粘贴到Carrier晶圆上，整个晶圆与另一片晶圆键合再解键合，类似传统的W2W。
两者进行相比：
W2W键合是相对成熟的工艺，也不是特别昂贵，目前，W2W键合可以实现50nm以下的对准精度，W2W存在的主要问题是无法选择已经良好的芯片（KGD）进行封装，会导致将有缺陷的芯片贴合至优质芯片，从而导致优质芯片的损失，所以W2W一般应用于良率非常高的晶圆；
而D2W方式可以应用良率相对较差但仍然具备商业价值的产品，D2W在键合方面更具挑战性，因为每个晶圆都需要更多的键合步骤，会引入颗粒污染。
（更多内容请参考研报原文）
在昨晚，知名大模型创业公司Anthropic静悄悄地发布了最新一代Claude 3系列模型，引起了AI行业的新一轮“地震”。
据Anthropic的说法，该模型在多项AI基准测试实现了对GPT-4的超越，让人感慨“GPT-4的时代”已经终结。
不同于上一代产品，Claude 3其实是一个“大模型家庭”的统称，包括“中杯”Claude 3 Haiku、“大杯”Claude 3 Sonnet以及“超大杯”Claude 3 Opus，“三兄弟”能力从低到高，应用场景更加广泛，可以在不同行业里狙击GPT-4。
除了数值拉满以外，Anthropic还给Claude 3加上了一个“宪法AI”的标签。而Anthropic与OpenAI之间，正是因为“AI安全”扯上了理不清的关系。
要问谁才是OpenAI的最大敌人，有人会说是谷歌、Meta这样的老牌AI巨头，也有人认为是xAI这样自带光环的AI新星。
但如果严格按竞品来判断的话，因聊天机器人Claude而闻名的Anthropic 才算得上OpenAI最强竞争者。
作为一款AI聊天机器人产品，Claude最大的特点是可以参考先前的对话历史，并基于此进行推理和交互。这使得Claude能够在更复杂的对话情境中提供更准确、有针对性的回复，效果远远优于ChatGPT。
在上一次产品迭代过程中，Claude2在代码、数学、推理方面都有了史诗级提升。
而到了第三代产品上，Claude 3系列模型更是在推理、数学、编码、多语言理解和视觉方面，都树立了新的行业基准，实力远超GPT-4。
根据Anthropic的说法，Claude 3 Opus在10个AI基准测试中超过了GPT-4，包括MMLU（本科水平知识）、GSM8K（小学数学）、HumanEval（编码）以及名为HellaSwag（常识）的基准测试。
除此以外，Claude 3模型还通过增强视觉视觉能力，使其能够处理照片、图表和图解等视觉格式，实现类似于ChatGPT的DALLE-3和Google Gemini的效果。
那么Claude 3真的有想象地那么强大吗？
根据外媒的实测，Claude 3 Opus在能力上非常类似于GPT-4，但最大的问题在于没有原创能力。
这是因为Claude 3模型基本依靠合成数据，从而保证模型的AI安全。
值得一提的是，Anthropic是由OpenAI前员工 Daniela Amodei 和 Dario Amodei 创办，他们都是 OpenAI GPT2 和GPT3的核心研发人员，但因为安全性的问题，他们最终离开了OpenAI，成立了Anthropic。
为了保证安全性，Anthropic专门组建了多个团队，致力于从虚假信息、生物安全滥用、选举干预等方面降低风险。同时，他们还在努力增强模型的安全性的透明度，并尽力减少隐私问题。
从效果上来看，从安全出手确实可以保证AI 模型可能带来的潜在风险以及一些偏见问题。
但作为代价，因为数据缺乏多样性，Claude 3的实测表现并没有宣传地那么神奇，更不要说狙击GPT-5了。
那么为什么圈内人还是一致看好Anthropic呢？
表面看起来新产品的发布是Anthropic与 OpenAI的正面对抗，但实际上两家背后的金主们才是这场AI竞赛的真正玩家。
我们都知道， OpenAI 在投资领域一直都是遥遥领先，靠着高估值，投资人们依然趋之若鹜。
不过OpenAI虽然经历了多轮融资，但对于蜂拥而至的资本，并非来者不拒.
作为微软的大客户之一，OpenAI一直受到微软的密切关注并进行着长期布局。直到一场人工智能浪潮掀起时，谷歌、亚马逊等科技公司们才意识到真正的威胁已经到来，但此时再投资OpenAI已经为时已晚。
而此时，同样拥有OpenAI背景的Anthropic 就成了最好的投资对象。
在过去一段时间里，这家公司在投资领域的地位几乎与 OpenAI 相当，接连收获来自谷歌、亚马逊等一众科技巨头的投资。
除了得到了资金的支持以外，他们还与谷歌、亚马逊达成了长期协议，在 AI专用算力基础设施之上训练和运行时可以优先使用，从而保证模型的更新速度。
现在来看，有了金主撑腰的Anthropic在技术的迭代速度一直很快，在 ChatGPT 发布两个月后，Anthropic 公司就迅速开发出了最强竞品 Claude，又在 7 月初完成了 Claude 2 的升级。
如今，Anthropic 再次面向“企业客户”推出Claude 3，单从“安全性”这个角度来看，新模型并不缺少用户。
换个角度看，随着Anthropic逐渐拥有叫板OpenAI的能力，亚马逊等投资者也开始得到回报。
伴随Claude 3系列模型的发布，亚马逊云科技数据和机器学习副总裁Swami Sivasubramanian宣布，Claude 3系列模型都将上架Amazon Bedrock。
通过Amazon Bedrock，客户将可以轻松使用Anthropic的最新模型进行构建。
Amazon Bedrock是亚马逊云科技于2023年4月发布的一项全面托管的服务，通过它，企业用户可以通过API等方式访问亚马逊自研及众多第三方大模型。
事实上，亚马逊云服务在近些年的增长速度已经远远不如微软Azure，最大的原因还是OpenAI在Azure上的支持。
如今，通过给客户们提供 Claude 3系列模型，亚马逊将继续巩固现有客户、吸引新客户，最终成为这场AI竞赛的赢家之一。
最后，在马斯克扛起“反OpenAI大旗”的背景下，OpenAI更新GPT-5的时间表或许会被推迟。
按照最新披露的 PDF 文档，OpenAI原计划在2025 年发布 GPT-5，这就意味着OpenAI在今年依然以GPT-4为主要产品。
但由于马斯克与OpenAI之间就“AGI”的话题一纸诉状，将OpenAI的CEO山姆·奥特曼、总裁格雷格·布洛克曼全部告上法庭，GPT-5的发布再度打上了问号。
一边是因为追求利润“闭源”惹上争议的OpenAI，一边是主打安全牌的Anthropic，这场科技巨头们掀起的“AI持久战”，未完待续。
吵起来了！距离AI圈上一场闹剧过去才3个多月，上一次的主人公萨姆·奥特曼（Sam Altman）又一次成为事件主角！
继被《纽约时报》起诉侵权之后，OpenAI再次被告上了法庭，而这次还是前创始人埃隆·马斯克（Elon Musk）。
一向喜欢“前线吃瓜”的马斯克这一次主动出击，要求OpenAI 恢复开源GPT-4等模型，那么究竟发生了什么事？
据外媒报道，当地时间2月29日晚间，马斯克向旧金山高等法院提起诉讼，由洛杉矶的律师事务所Irell＆Manella代表，以违反合同为由起诉OpenAI及其CEO萨姆·奥特曼。
诉讼原文：https://www.courthousenews.com/wp-content/uploads/2024/02/musk-v-altman-openai-complaint-sf.pdf
马斯克在诉讼中表示，奥特曼和OpenAI违背了这家AI研究公司成立时达成的一项协议，即“开发技术以造福人类而不是利润”。
对此，马斯克要求法院：对 OpenAI 提出了包括违反合同、违反信托义务和不公平商业行为在内的索赔，并求 OpenAI 恢复开源，并禁止OpenAI、其总裁格雷戈里·布罗克曼和奥特曼以及微软从该公司的AGI技术中获利。
有趣的是，微软并不是这场诉讼案的被告，马斯克的目标集中在OpenAI的高管身上。
要知道，OpenAI背后最大的金主其实是微软。
同时，马斯克在诉讼中提到：“OpenAI已经转变为世界上最大的科技公司微软事实上的闭源子公司。在新董事会的领导下，它不仅是在开发，而且实际上是在完善AGI，以实现微软的利润最大化，而不是造福人类。”
此外，马斯克还提到了去年那场震惊AI圈的OpenAI的“内斗闹剧”：正是奥特曼的下台促使微软介入，才迫使试图罢免他的董事会成员辞职，而目前OpenAI的董事会成员不再是支持和了解该技术的科学家和研究人员。
言外之意就是说：OpenAI已经沦为微软的“赚钱工具”。
但比起微软从OpenAI身上赚得那些利润，能让OpenAI开源显然更加重要。
在这里，马斯克使用了一个阴险的逻辑：按照协议，当OpenAI的产品达到AGI水平时，就不能和微软进行合作。而按照此前微软对GPT-4的授权，该公司表示GPT-4尚未达到AGI的水平，因此可以保持技术的私有化和盈利性。
但马斯克认为，是OpenAI限制了它的能力，所以此时OpenAI就必须通过“开源”的方式进行反驳。
至于GPT-4是否达到AGI的水平那都是后话，能让GPT-4开源已经算达成目的了。
我们都知道，马斯克自从离开OpenAI后，一直在推特上指责OpenAI不开源（CloseAI），但都只是停留在口头上，而这一次却动了真格，那么到底发生了什么事？
由于截至发文， OpenAI 和马斯克都拒绝了美媒的置评。因此我们只能结合最近发生的几件新闻进行猜测。
首选，诉讼发生的同一天，马斯克远程参加了博世集团举办的BCW（Bosch Connected World），在这场活动上，马斯克表示，“人工智能技术进展迅速，实际上，我从未见过哪种技术能比其进步更快。”
就在2月初，Sora的发布让整个AI圈子再次疯狂，对此谷歌、Meta等老对手纷纷掏出新产品进行“防御”，而国内阿里、字节等科技公司同样不甘示弱，都在研发「中国版 Sora」。
相比之下，马斯克旗下的人工智能初创公司一直追赶不上进度，最新的Grok V1.5版本聊天机器人也未掀起什么水花。
那么马斯克此时“重提旧事”是不是想拖一下竞争对手的速度呢？
其次，OpenAI创始成员之一、AI 技术研究员Andrej Karpathy被爆出在前不久刚刚离职。这位技术大牛与特斯拉关系密切，曾被马斯克挖来负责领导特斯拉 Autopilot 自动驾驶软件的开发。同样是OpenAI内部的技术大牛，Ilya Sutskever的称谓也在近期变更为“前首席科学家”。
可以看得出来，OpenAI虽然经历了董事会换代，但内部依然不太平静。
有趣的是，这位Ilya Sutskever，正是上一场内斗的制造者，是他最先发起“罢免”Altman的最初行动，并在他的“剧本”下成功帮助Altman回归OpenAI并重组董事会。
同时，他也是人工智能安全与开源的坚定支持者，正好与马斯克的观点非常符合，刚好可以拿出来逼迫OpenAI与微软进行开源。
那么后续OpenAI究竟会如何回应，就让我们一起吃瓜吧。
这两天，苹果不造车改转AI的新闻闹得火热，另一边，作为老对手的微软也在悄摸扩张自己的AI版图。
是的，坐拥OpenAI这座“人工智能金字招牌”的微软并没有停下脚步，在27号收购了一家名为Mistral AI的欧洲初创公司的少数股权。Mistral与OpenAI一道，成为了微软行走在人工智能领域的坚实“大腿”。
区别于名字带着“Open”实际并不“Open（开源）”的OpenAI，Mistral创立之初的使命就是“引领开放模型的革命。”
Mistral从创立至今，一直很少在打得火热的人工智能竞赛中发声。
（图源：Mistral AI）
团队的三位创始人CEO Arthur Mensch和CTO Timothée Lacroix、首席科学家Guillaume Lample此前分别在DeepMind和Meta从事大模型的相关工作。
由于抱有相同的理念，机缘巧合之下三人在法国创立了Mistral AI。由于人工智能产业在欧洲市场本就不多，再加上几位创始人的履历，在没有任何产品的情况下，Mistral就收获了来自Lightspeed Venture Partners光速全球领投的1.13亿美元种子轮投资。
造就了“6人，4周，7页PPT，1.13亿美元”的AI投融资传奇，当然，这样的故事自然会引起一定的非议，当时也被认为是AI泡沫的代表。
不过好在，收下融资的Mistral AI相当迅速地拿出了第一个作品——Mistral 7B，并且没有任何花里胡哨的宣传、发布会，直接在社交媒体上贴了一个磁力下载链接，让所有想部署的用户都能直接免费获取。
根据Mistral官方的说法，在所有的基准测试中，Mistral 7B的表现甚至还要优于130亿参数的Llama 2，在代码、数学和推理测试中，甚至超过了有数倍参数量差距的Llama 1 34B。
（图源：Mistral AI）
不仅在性能上更优，Mistral 7B由于参数量的原因，更适合在消费级设备上进行部署，有人就分享了在自己的苹果笔记本上运行的效果，在量化后更是发现，Mistral 7B只需要不到5GB内存和6GB的GPU显存，只需微调，即可在单卡上运行。
（图源：网络）
而且就在不到2个月后，他们又火速拿出了首个MoE开源模型Mixtral 8x7B，参数量级还是70亿，但是架构方案有了少许变化。
根据描述，Mixtral 8x7B采用了一种稀疏的专家混合网络，模型分成了8个不同方向领域的专家，在每次处理时，选择其中两个专家来实现输出，这样既能够快速响应完成任务，也相应减少了推理成本。
这个模式就非常眼熟，很像传闻中GPT-4的架构方案(即16个专家总数，单个专家166B参数)，不过是缩小版的，并且Mixtral 8x7B与GPT-4一样也是32K上下文。
在这样的改变下，Mixtral 8x7B不仅有多项测试能够领先10倍参数的Llama 2 70B，还差不多追平了GPT-3.5。
（图源：Mistral AI）
这样的产品不仅让Mixtral AI在去年11月初收获了一笔3亿美元的战略投资，也掀起了AI行业“小”模型的风潮，毕竟再强的模型也需要有用户才有价值。
可就在AI圈因为有这样的真·“Oepn”AI而雀跃时，事情突然急转之下。
Mixtral AI在被微软收购的同时，带来了一款号称可以跟GPT-4扳手腕的新品——Mistral Large。官方宣称的性能、训练成本等等具体如何姑且不论，有人发现，这次Mixtral没有再大手一挥抛出下载链接任人取拿，反而还把官网中关于开源社区义务的相关内容给删除了。
（图源：Mistral AI）
从后续CEO“坚持开源理念，但也会有闭源模型参与商业竞争”的回应来看，Mistral Large“闭源”是板上钉钉了。
也无怪Mistral，毕竟还是初创公司，在算力、资金等方面还是有所欠缺的，一直“用爱发电”也无法长久。
Mistral AI 的使命是引领开放模型的革命。
“Mistral AI”撤回了一条消息
本文作者：Visssom，观点仅代表个人，题图源：@MistralAI
在经历十年、数十亿美元、多次领导层更迭、以及无数新闻以及谣言之后，Project Titan（泰坦计划）最终在今天宣布“死亡”。
据彭博社知名记者马克·古尔曼（Mark Gurman）报道，苹果高管在与团队进行简短会议后决定了这一结果，并向一直在研究这款车的近2000名员工透露——核心人员将优先转岗生成式AI项目，一些人能够在90天转岗，而其余的员工则会被解雇。
消息一出，圈内大佬纷纷出来出瓜，马斯克“幸灾乐祸”地转发了推文，而李想、何小鹏、雷军等人都在社交平台上发表各自看法。
尽管停止造车的消息事发突然，但结合近几年苹果高管团队在造车项目上反复摇摆的态度，果粉们期盼已久的iCar其实早已是一个无法完成的项目。
据苹果员工透露，这场终结汽车项目的会议只持续了短短12分钟，并且主持会议的苹果的首席运营官杰夫·威廉姆斯（Jeff Williams）以及泰坦项目最新负责人凯文·林奇（Kevin Lynch）没有回答任何问题，而是直接宣布了苹果高层的决定。
自2014年正式曝光“泰坦计划”以后，这个雄心勃勃的造车计划如今已经走到第十年的关口。
对于任何一家企业而言，十年都是一个漫长且关键的节点，更何况苹果汽车至今还是“遥遥无期”的状态。颇具讽刺的是，同样是在2014年开启造车计划的贾老板，如今也“象征性”地交付了几台现车。
苹果是否真的放弃了造车？在笔者看来，苹果只是再度明确了放弃造整车的路线，并非完全放弃汽车市场。
对于“泰坦计划”而言，该团队成立的初衷便是延续乔布斯的造车梦，用打造iPhone的方式重新定义汽车。
2008 年，乔布斯曾将汽车和iPhone作类比：“汽车有电池、电脑、引擎和机械结构，而iPhone也有这些东西，甚至还有引擎。”相比之下，汽车只是比iPhone多了四个轮子。
在最初的计划里，苹果希望打造出一种与众不同的汽车：纯电动+无人驾驶，去掉方向盘和加速踏板，并配备远程指挥中心，随时可以接替驾驶员。
在当时的背景下，这种策略很符合苹果的设计理念，同时苹果拥有高达1590亿美元的现金储备，完全有能力打造一款未来科技感的新车。
靠着高昂的薪酬，苹果挖来了一大批自动驾驶和汽车设计专家，甚至在圣何塞收购了一块面积为43英亩的建筑地块，准备用来建设工厂。
然后万事俱备，苹果内部在路线选择上一直摇摆不定。
作为乔布斯的接替者，库克很少直接领导和参与产品研发，对造车项目并不“关心”，但作为自动驾驶技术路线的支持者，库克本人其实更加偏向“专注自动驾驶”。
因为在两派喋喋不休的争论中，2016年，苹果汽车团队第一次大变动最终将苹果汽车的研发重点从汽车本身，转移到自动驾驶系统身上。
在此后多年里，泰坦计划负责人多次易主，整车派和自动驾驶派轮番上任，苹果造车的牵制也被路线之争牵制。
图 | 苹果造车项目离职高管
换句话说，苹果花费多年时间、每年砸下数亿美金、请来多位业内大佬，最终在内部撕裂着苹果的造车梦。
除了内部的举棋不定以外，外部环境的变化也影响着苹果造车进度。
首先，苹果在“代工”这件事上栽了个大跟头。
一直以来，库克赖以成名的“苹果链模式”，让苹果牢牢占据着代工链条的顶端，通过掌握供应链榨出供应商的利润来保证利润。
但在汽车行业，无论是汽车代工方还是宁德时代这样的动力电池供应方，显然不吃苹果这套居高临下的果链模式。
回过头看，苹果在寻找电池合作商和代工厂时无一例外都不了了之。
至于苹果御用代工厂富士康，在过去几年里一直在在汽车代工领域与新势力车企合作试水，但这些合作基本以失败告终，未曾掀起太大的水花，更不要说满足苹果这种大客户。
没有了物美价廉的供应体系，苹果造整车先凉了一半。更不巧的，苹果正面临着电动汽车市场降温的局面。
最近几个月，由于由于电池价格不断上涨，加上欧美能源结构转型过慢，欧美消费者已经不再青睐纯电动汽车，汽车销售也增长失去了动力。
这其中，老牌汽车大厂开始更多的混合动力汽车，专注纯电车型的特斯拉也开始通过降价的手段来应对中国汽车制造商的冲击。在利润率不断下滑的背景下，继续搏命投入整车制造已经违背了目前苹果的“高利润”策略。
最后，在AI浪潮的冲击下，苹果“被迫”加入到手机AI竞赛中。
为什么说是被迫？因为苹果在AI领域的布局并非毫无进展。
在2023年夏，就有消息称苹果正在开发对标ChatGPT的AppleGPT，并且苹果搭建了自己的大语言模型Ajax。此外，苹果在芯片设计上一直强调着AI功能。
但对比其他科技公司，苹果在AI布局上选择了“以人为本”的独特路线，即从产品与服务角度来看，通过将AI功能渗透进许多应用和整个操作系统里，潜移默化地改善用户体验。
在苹果的新品发布会上，我们或多或少听到主持人提到一些实用性的小功能，但我们很少会与AI联想起来。
这其实是苹果宣称的“Apple Brain战略”，也就是不少手机厂商提到的“端侧AI”，不过前者更加强调隐私的特性，这与目前主流的AI工具恰恰相反。
对于苹果这种“个人实用主义”的行为，消费者确实值得尊敬，但对于股东来说，缺少生成式AI正是与当下主流技术背道而驰。
在苹果叫停汽车项目消息传出的同时，外媒爆出苹果的两大股东挪威主权财富基金挪威央行投资管理公司（Norges Bank Investment Management）和法通保险（Legal & General）正向苹果施压，要求他们在今天晚些时候的苹果股东大会上披露AI的运用情况。
此前，法通保险曾与苹果高层会面讨论过问题，该公司表示："苹果公司在使用人工智能和风险管理过程中应保持透明。"但苹果方面拒绝提高其开发和使用该技术的透明度。
在美国，股东请愿通常不具有约束力，但那些获得30%以上投资者支持的请愿，通常会给公司带来足够的压力，迫使其采取行动。
随着库克离开苹果的日子越来越近，苹果在AI方向的选择或许真的需要重新思考。
但换个角度来看，在AI的推动下，同行们都在加强各自手机的AI功能，苹果未来的业务同样需要大模型的支持，包括iPhone，也包括刚刚推出的VisionPro。
至于汽车领域，苹果或许可以向华为学习，在头部自动驾驶企业接连传出生存困难、倒闭的情况下，苹果还有足够时间专注于打造具有竞争力的AI产品。
Sora的热度还未散去，各家科技巨头和机构已经盯上下一个热点。
自年初一款会做家务的“Mobile ALOHA”机器人火遍互联网后，关于人形机器人的消息层出不穷。
在国外，特斯拉旗下人形机器人Optimus更新已经到第二代，相较于原型，新机器人在多个方面有了显著进步；
此外，OpenAI、微软等科技巨头集体官宣投资明星初创公司Figure AI，他们据称是世界上第一个具有商业可行性的自主人形机器人。
在国内，机器人公司们同样不缺少投资，资本和散户们轮番对机器人相关概念股进行炒作，机器人板块一度收获了巨大涨幅。
利好的消息背后，人形机器人的商业化进度依然是个谜题，一些经历翻炒的机器人公司也随着大环境的冷清，股价开始出现回落，让散户们直呼“亏麻了”。
此时，英伟达再度站了出来，给今年人形机器人的热点再添上了一把火。
就在上周，英伟达成立了一个全新的研究团队GEAR。
GEAR全称为“通用具身智能体研究”（Generalist Embodied Agent Research），该部门由英伟达AI高级研究科学家、AI代理计划的负责人jim Fan以及他的老搭档Yuke Zhu教授共同领导。
据媒体报道称，新部门旨在构建适用于虚拟与物理世界的具身智能体的基础模型，致力于实现跨多模态、多场景的智能应用，并计划在未来让每一个能够移动的机器都将实现自主化，让机器人（模拟智能体）像iPhone一样无所不在。
此外，Jim Fa还强调称，“2024年将是属于机器人、游戏 AI和模拟的一年。”
所谓具身智能，可以理解成人形机器人的“灵魂”。
在去年ITF World 2023半导体大会上，英伟达CEO黄仁勋高调宣传了这一概念，并在这场活动上公布了一套多模态具身智能系统——Nvidia VIMA。
据他介绍称，Nvidia VIMA能够在视觉文本提示的指导下执行复杂任务的全新AI模型，远比现有的大模型产品功能强大。
但和其他布局人形机器人的科技公司不同，虽然英伟达盯上了人形机器人这块“大蛋糕”，但他们并没有直接从硬件层面入手。
在Jim Fan的演讲里，他给具身智能一个更加明确的定义——“一个掌握广泛技能，控制许多身体，并能够泛化到多个环境中的单一算法。”
这是一个可以在虚拟世界和现实世界里泛化的通用智能体模型，而人形机器人是这种模型最好的载体。
虽然英伟达并没有直接造机器人，但国内外还是有不少与英伟达直接/间接产生合作的公司，这其中就包括不少知名的机器人主机厂以及零部件供应商。
事实上，英伟达在机器人路线的布局远比我们想象地更加完善，简单总结下来可以概括成“大模型-数据-开发平台”三大部分。
先说大模型，在GEAR 团队成立之前，英伟达已经在具身智能大模型领域实现了一些研究成果，
其中，比较出名是去年10月公布的Eureka项目，这是Nvidia Research团队利用GPT-4生成奖励函数，教会机器人完成三十多个复杂任务，包括快速转笔，打开抽屉和柜子、以及抛接球等等；
同样是在2023年，英伟达发布了Voyager项目，该项目将GPT-4塞进知名游戏《我的世界》，利用多模态提示实现通用机器人操作能力，这也是第一个 LLM 驱动、能熟练玩游戏的智能体；
而由黄仁勋发布的Nvidia VIMA，同样是一个可以机械臂的多模态LLM。
从整个行业来看，类似的LLM其实并不少，但对比专业机器人公司，英伟达拥有更加丰富且优质的训练数据。
这些数据，一部分来自英伟达庞大的生态伙伴，而另一方面，英伟达摸索一条获取数据的“新路”，即利用自身硬件“造”出数据。
在英伟达与得克萨斯大学奥斯汀分校的一项最新研究论文中，介绍了一个名为“MimicGen”的系统，该系统可以用不到 200个人类演示，自主生成超过5万个训练数据，从而大大减少昂贵的人工演示工作、加快机器 AI 化进程。
值得一提的是，英伟达不光数据多，训练速度也快——在ISSAC 平台的仿真环境下，该平台可以以比实时快1000 倍的速度模拟现实，从而处理生成的海量数据。
在行业数据资源几近枯竭的背景下，英伟达靠着自身的硬件条件让AI大模型训练更加容易。相比之下，专业的机器人公司只能消耗来自网络的真实数据。
但大模型和数据都不是英伟达布局的最大野心，其最终目的还是打造机器人开发平台与生态，抢占产业链价值最高点。
这一点战略早在生成式 AI领域已经得到了验证，通过“拿捏”开发者从中赚取差价，英伟达成了AI圈内最大的赢家。
和生成式AI类似，具身智能被英伟达看作AI的下一个热点。
虽然在智能机器人产业发展不及预期、商业化进度不明确的情况下，盲目投入大量资金很难回收商业价值。但早进场早点布局，总归是没有错的。
在达到令人惊叹的2万亿美元市值后，英伟达作为生成式AI热潮下最大的受益者，已经很难有竞争对手追赶上。
换句话说，英伟达的高市值其实反映了外界对当下和未来人工智能行业发展的信心。随着Sora的再度爆火，这种增长态势在2024年大概率还会再次延续。
不过随着中国市场不断被限制，竞争对手开始盯上GPU这个最大的增长点，黄仁勋也需要考虑不少问题——例如其聚焦的高端GPU是否能继续带动AI市场增长？其他AI芯片创业公司留给英伟达的时间窗口还有多久？
在前不久，英伟达指出华为才是当下最大的竞争对手。面对不断萎缩的中国市场以及更加严格的出口管制，华为AI芯片在未来将成为一个重要变数。
想要继续维持高增长，英伟达必须做多手准备，人形机器人正是其未来的重点方向之一。
注：原文为开源证券《大国重器，我国卫星互联网迎“破茧成蝶”成长期》，分析师：蒋颖
新年开工第一天，小米正式官宣全新旗舰机型小米14 Ultra的发布时间。
作为以拍照为卖点的机皇产品，Ultra一直代表着小米数字系列中的「最强」，而这一次除了拉满影像质量以外，小米14 Ultra还将成为小米旗下首款支持卫星通信的产品。
继华为、苹果带火了“卫星通信”概念后，其他手机厂商纷纷官宣各自的卫星通信技术。据知名数码博主“数码闲聊站”透露的最新消息，接下来的新旗舰大部分都安排了卫星通信功能。
作为卫星通信背后的支撑产业，卫星互联网行业在近些年的快速成长为手机卫星通信功能的普及打下了技术。除了为手机终端用户提供服务外，卫星互联网还为不少行业提供商业价值。
在近期开源证券发布的题为《大国重器，我国卫星互联网迎“破茧成蝶”成长期》的行业深度报告中，分析师从产业现状、行业应用、国内外案例等多个角度介绍了我国卫星互联网产业发展的最新进展。
以下内容为报告重点内容节选：
从定义来看，卫星互联网是基于卫星通信的互联网，欧美领跑，我国于2020年将卫星互联网首次纳入新基建范畴，上升为国家战略性工程。
近期，国内卫星互联网产业事件不断催化，包括：
1、我国卫星互联网试验卫星陆续发射。
2、我国多地支持卫星互联网发展，产业政策不断完善。
3、国内火箭发射条件不断成熟，运力瓶颈有望迎来突破。
4、终端应用不断普及，加速卫星通信建设。
5、星链发展日益壮大，海外卫星互联网建设如火如荼。
分析师认为：卫星互联网有望迎来市场“破茧”和产业链“成蝶”的重要历史发展机遇期。
在卫星产业中，卫星互联网属于卫星产业中卫星通信的重要组成部分，随着航天技术的发展，与卫星产业相关的产品和服务已经广泛应用于各个行业，包括卫星通信、卫星导航、卫星遥感等。
而卫星互联网是基于卫星通信的互联网，是对传统地面通信的重要补充之一。根据《“新基建”之中国卫星互联网产业发展研究白皮书》，卫星互联网通过一定数量的卫星形成规模组网，从而辐射全球，构建具备实时信息处理能力的大卫星系统，是一种能够完成向地面和空中终端提供宽带互联网接入服务的新兴网络。
具体到特点来看，卫星互联网具有覆盖面积广、低延时、低成本等优点，尤其适用于无基站覆盖的海洋、沙漠及山区等偏远地区，可作为传统地面通信的重要补充，未来有望成为主流的通信方式之一（特指6G）。
从发展历程来看，卫星互联网相对地面通信，历经近40年发展经历了三个阶段：
1、与地面通信网络竞争阶段(20世纪80年代~2000年)：以摩托罗拉公司“铱星”星座为代表；
2、对地面通信网络补充阶段(2000~2014年)：以新铱星、全球星和轨道通信公司为代表；
3、与地面通信网络融合阶段(2014年至今)：以一网公司(OneWeb)、太空探索公司(SpaceX)等为代表。
报告指出，随着卫星工作频段进一步提高，向着高通量方向持续发展，卫星互联网建设逐渐步入宽带互联网时期。
从产业链结构来看，卫星互联网主要由基础设施建设、卫星互联网运营以及终端用户三大部分组成，其中最为核心的为卫星制造、卫星发射、地面设备、卫星运营及服务四大环节。
与传统卫星通信产业类似，卫星互联网可以划分为上游、中游、下游。
其中，产业链上游包括卫星制造、卫星发射、地面基础设施等环节，构建了卫星通信的基础设施，达到卫星通信的基本条件；
产业链中游是卫星通信运营商，提出卫星方案服务、资源服务、产品服务等，旨在实现客户卫星通信需求；
而产业链下游为卫星互联网的终端用户。
分析师认为：当前卫星互联网主要集中在空间段及地面段的基础设施建设，上游卫星制造、卫星发射及地面设备建设成为关注的焦点。
对于我国卫星互联网，来说虽起步较晚但发展迅速，自2017年以来多个近地轨道卫星星座计划相继启动，主要包括行云工程、鸿雁星座、虹云工程、天象星座等。
想要大力发展卫星互联网的应用，需要实现卫星互联网广覆盖、低时延、大带宽、低成本的连接。
因此，目前关键主流技术聚焦在超大容量、组网优化、多网融合、高效运控等方面，总体正向着低轨化、宽带化、星间组网、星地一体化的方向发展。
(1)低轨化
相较于传统高轨通信卫星，低轨卫星星座成为卫星互联网行业发展选择。、简单来说，低轨卫星由于传输时延小、链路损耗低、发射灵活、应用场景丰富、整体制造成本低，适宜卫星互联网业务的发展。
此外，代表星座上，低轨卫星星座向着规模化发展。据统计，目前已有的低轨巨型星座计划包括：Starlink、OneWeb和Kuiper等。
其中，Starlink计划由SpaceX公司提出，受益于批量化卫星制造、火箭重复利用、一箭多星发射等领先技术，Starlink已成为新兴低轨星座中的佼佼者，其完整版Starlink计划的卫星总数将达到12000颗、远期规划达42000颗。
另一方面，随着低轨星座快速发展和普及应用，高中低轨竞争、联合并存的新业态正在逐步形成。未来有望实现高轨卫星与低轨星座协调发展，采用按需建设的方式，发挥高轨系统和低轨系统在覆盖、容量等方面的互补优势。
(2)宽带化
大带宽频轨资源需求旺盛，各国竞争布局高频段频谱。Ka频段成卫星互联网发展重点，并向高频Q/V发展。
卫星通信业界常将特高频以上频段大致划分为L（1-2GHz）、S（2-4GHz）、C（4-7GHz）、X（7-12GHz）、Ku（12-18GHz）、Ka（26.5-40GHz）等频段。频段越高，其带宽资源越多，能支持的业务容量也越多。
其中，低于2.5GHz的L和S频段主要用于卫星移动通信、卫星无线电测定、卫星测控链路等应用；C和Ku频段主要用于卫星固定业务通信且已近饱和。
Ka频段可用带宽达3.5GHz，由于Ka波段的波长与雨滴直径相近，相比Ku频段更易受天气影响，雨衰最严重，但其更大的工作带宽，更高的信号强度、更小的天线口径、更好的指向性及增益效果等优点，使其可为多种新业务提供崭新手段，已成为高通量卫星的首选频段，且资源日益紧张。
为了满足日益增加的频率轨道资源需求，目前行业已着手开发Q（36-46GHz）、V（46-56GHz）等更高的频段资源。
(3)星间组网
目前，新兴巨型星座大多具有星上处理能力，可对接收的数据包进行解析、存储和转发，而不局限于透明转发的工作模式。
在卫星互联网中，卫星之间的链路叫做星间链路（Inter-SatelliteLink，ISL）。
分析师认为，星间链路的引入具备以下的优点：
1）扩大了系统的覆盖范围；
2）减少传输时延，满足多媒体实时业务的QoS要求；
3）使得低轨卫星移动通信系统能够更少地依赖于地面网络，能够更为灵活方便地进行路由选择和网络管理；
4）减少了地面信关的数目，可大大降低地面段的复杂度和投资；
5）可以独立组网，卫星网不依赖于地面网提供通信业务，作为地面网的备份；
6）可以在一定程度上解决地面蜂窝网的漫游问题。
为满足卫星移动通信系统大业务量，星间链路势必采用较高的工作频段或采用激光星际链路。而目前卫星激光通信的正向着标准化、兼容化、网络化和商业化发展趋势；激光终端产品向着弹性化和模块化方向发展。
（4）星地一体化
随着全球5G网络规模化商用持续推进，星地融合演进从5G体制融合走向6G系统融合。5G体制的卫星通信系统是星地独立网络，卫星通信体制借鉴5G，随着6G的研发演进，面向6G的星地融合系统将实现星地一体，提供无感知一致服务。
目前，5G网络覆盖仍然以基站为中心，在基站所未覆盖的沙漠、无人区、海洋等区域内依然存在大量通信盲区。
低轨卫星通信面向特定区域、特定用户群和特定应用，对于低密度用户接入场景下的宽带互联和通信更具优势，特别是接入点分散时的低成本优势，与5G取长补短互为补充。
值得一提的是，目前全球6G技术研究处于探索与起步阶段，技术路线尚不明确，关键指标和应用场景还没有统一的定义，正处于“场景挖掘”和“技术寻找”阶段。
尽管如此，6G核心技术已列入多国创新战略，成为大国科技博弈高精尖领域和全球抢占的战略制高点。
卫星互联网行业前期的发展主要受益于技术的成熟、各国对稀缺频轨资源的竞争、军事价值，后期的发展主要受益于商业价值潜力：
1）技术逐步成熟：低轨卫星星座相关技术不断发展成熟，特别作为可模块化、批量化生产的小卫星平台，不断成熟的“一箭多星”和“可回收发射”的火箭发射技术，有效降低卫星互联网建设成本；
2）频轨资源稀缺：由于国际电信联盟（ITU）规定轨道和频段资源获取遵循“先到先得”原则，低轨卫星所主要采用的Ku及Ka通信频段资源也逐渐趋于饱和状态，太空资源的争夺具有迫切性；
3）军事意义重大：Starlink等一批低轨互联网卫星系统不仅可以提供宽带化的低成本、全球覆盖的互联网服务，若将其应用于军事领域，得益于其全球化高带宽的波束覆盖，将大幅增强军队的信息化能力，具有重要的军用价值。
4）商业价值潜力：卫星互联网作为地面通信系统的有效补充和未来6G的重要组成部分，凭借广覆盖、低延时、低成本和大宽带的互联网接入优点，下游应用市场广阔，具有较大的商业潜力和前景；
我国一直十分重视空间基础设施建设，已成为第五个独立把卫星送入空间的国家、第三个掌握卫星回收技术的国家、第五个独立研制和发射地球静止轨道通信卫星的国家，但在卫星互联网建设方面与欧美较有差距。
不过，随着卫星互联网纳入新基建，分析师认为我国卫星互联网市场有望迎来重要历史发展机遇期，包括政策端（“新基建”）、技术端（如卫星制造方面的高通量卫星、星上转发器技术、星间链路技术等，发射环节的一箭多星和火箭回收）以及资本端（民间资本、市场融资）。
报告指出：目前，国内的民间资本和社会力量正在有序参与商业航天领域，从2019-2022年融资企业的主营产品分析，卫星制造领域一直是卫星互联网行业的投资热点。2021年卫星制造领域投资事件占总投资事件的比重超过50%。
欧美代表星座：Starlink、OneWeb、Kuiper等。
国内代表星座：天地一体化信息网络项目、鸿雁星座、虹云星座等。
