华为发布半导体新理论框架，晶体管技术获重大进展
在2026国际电路与系统研讨会上，华为公司董事兼半导体业务部总裁何庭波发表主旨演讲《半导体新路径探索与实践》，正式提出"韬（τ）定律"。这一理论是中国在全球半导体领域首次提出的产业发展新指导原则。依据该定律，华为在过去六年间已成功设计并量产381款芯片产品。预计今年秋季，华为将推出全新麒麟手机芯片，该芯片将完整应用逻辑折叠技术，实现性能的大幅提升。韬定律的核心思想是以"时间微缩"取代传统的"几何微缩"，以系统性降低时间常数（τ）为目标，通过逻辑折叠等创新技术手段，持续压缩信号传输延迟，不断提高晶体管密度，
韩股疯涨致厕所拥堵：全民炒股热潮还能持续多久？
自 2025 年 4 月探底回升以来，韩国股市累计涨幅已逾两倍，牢牢占据全球“表现最佳股市”的宝座。在如此火爆的行情驱动下，近期每逢下午 3 点 30 分，各公司的“员工卫生间”便人满为患，只因大伙都急着查看手中的股票账户。韩国出现的“厕所爆满”现象与著名的“鞋童定律”有着异曲同工之妙，这往往预示着资本市场局部乃至整体已进入过热状态。回顾过去百年的资本市场历程，有一条屡试不爽的法则：人声鼎沸之处切勿靠近，因为那里潜藏着踩踏风险。行为金融学之所以能在投资界占有一席之地，根源在于人性中的固有弱点难以根除。目睹
AI数学的深浅
今天聊点硬核话题。一个疑问：AI究竟运用了多深奥的数学？从技术手段和架构来看，AI所涉数学的“平均年龄”已达150岁，绝大多数源自19世纪以前：矩阵运算、梯度下降、链式法则、傅里叶变换、内积、概率论，大多属于本科低年级课程。然而，AI涌现出的某些现象，即便是当前最前沿的数学理论也无法阐释。我总结了几个备受关注的现象：- 缩放定律：当模型规模扩大、数据量增加、算力提升时，模型的损失函数会遵循一条极其平滑的幂律曲线下降，在对数坐标下近乎直线。面对一个拥有数千亿参数、内部高度复杂的巨型网络，其宏观表现竟如此井然
AI 历程：谁绘制了主宰发展的"神性曲线"？
如今，众人皆晓“模型越大智能越强”，当行业巨头拼命堆叠参数、倾尽算力训练大模型时，鲜少有人忆起，这一发展路径的源头，竟始于 OpenAI 早年一次意外且精妙的数学洞察。而这一发现的领军人，正是日后创立 Anthropic 的达里奥·阿莫代伊。达里奥·阿莫代伊的经历颇为传奇：他曾在百度研究团队实习，2016 年加入 OpenAI，自起步便深耕人工智能安全领域——致力于让 AI 系统更贴合人类偏好与价值观，规避对人类的伤害。正是在此方向的探索中，他率领团队研发出后来重塑行业格局的技术：人类反馈强化学习（RLH
生物医药AI讲座要点
昨日下午，我有幸聆听了西湖大学生命科学学院研究员、长聘副教授，同时也是西湖制药联合创始人的黄晶博士关于人工智能在生物医药领域应用的讲座。黄博士的求学履历十分亮眼，先后在清华大学物理系、瑞士巴塞尔大学化学系、美国马里兰大学药学院及NIH/NHLBI完成了本科、博士及博士后阶段的深造，并于2017年回国加入西湖大学。他的研究核心在于算法开发，重点在于解析、建模及预测蛋白质构象动力学以及蛋白质与配体间的相互作用。同时，他利用高性能计算手段探究微观生命体系中的复杂动力学过程，致力于筛选出能够调控特定生物过程的潜在
电力成为AI竞争关键瓶颈，重塑算力格局
如今，华尔街的投资者谈论人工智能时，不再纠结于“模型参数”或“GPU供应”，而是更多地关注“电网能否承受”。过去两年，生成式AI将计算任务从“偶尔发生的繁重任务”转变为“全天候高频调用”，而电力恰恰是此类新型负荷最严格的约束条件。因此，一个新的判断正在浮现——如果说数据、算法和算力构成了AI的前三个要素，那么今天的第四个要素是电力。更进一步说，电力不再仅仅是损益表上的成本项，而是决定AI扩张速度、空间分布甚至巨头生死的物理上限。美国正用现实给全球上一堂昂贵的物理课。北美最大的电网运营商PJM正被数据中心的
AI普及：被高估的神话
阅读时长快速阅读约 3 分钟📖 “AI 将像电力一样普及每个人”——这是科技界最爱讲的陈词滥调。但揭开这层表象，现实却很骨感：摩尔定律早已失效，大模型的算力需求却仍在呈指数级飙升；算法优化只能做些修补；更被忽略的是，AI 推理具有“无规模效应”的特性——每次调用都需要独立计算，成本无法随规模扩大而摊薄。此外，算力的分配正被地缘政治力量深度渗透。所谓的 AI 普惠，从来都不是单纯的技术问题。1那个被讲述的传说2010 年代末，深度学习取得突破，人们笃信 AI 会像互联网一样走向大众。算力成本日益降低，模型对
AI来袭，经验是否依然靠谱？
1仿佛一夜间，AI已融入日常。其飞速的迭代与革新令我们惊叹，但也迫使我们思考如何与之共存，免于被这股时代洪流淘汰。这种变化常令我们感到：不安。正如硬件遵循摩尔定律迭代，经验如今也步入类摩尔定律时期。更新换代愈发神速。过去那种靠资历和工龄积累的“老中医”模式已无立足之地，获取新知变得迅速且便捷。然而，经验一旦形成，反而愈发脆弱、片面且容易被推翻。那么，经验是否依然值得信赖？2旧经验
AI回复像拆盲盒？掌握生成原理就能稳住
你在用AI的时候，有没有冒出过这样的疑问：为什么有时它给出的回答又准又精彩？为什么有时却像是在“正确”地胡说？聊天窗口后面，究竟在不停运转着什么流程？这篇文章想带你一段路，用一个形象比喻把AI大模型讲清楚。等你下次再跟AI聊，就知道怎么把它用对，不必再像拆盲盒那样碰运气。01 一句话介绍假设你手里有一台机器，它最擅长的只有一件事：接龙。你说一句，它就接下一句。理解AI大模型，我们同样从这一步开始：把它当作一台超强的“词语接龙器”。02 一个比喻：词语接龙机器想让这台机器读得懂人话、能答题、还能帮你把事办成
大模型为何爆发：跨过规模阈值的必然
今天的“大模型革命”，常被形容成一段“误打误撞的奇迹”。但曹古拉斯认为，真实情况更像是：人类点燃了火焰，可火势的扩展速度与范围，远远超出了最初的预想与掌控。AI看起来像个黑箱，我们却很难直接给出答案——到底是什么原因让AI走到今天的爆发。基于此，本文想围绕一个主题把脉：当面对人类亲手造出的黑箱时，AI的每一次高涨究竟是怎样被一步步推出来的。一、Transformer 的诞生：结构改变世界2017 年，一篇后来被频繁引用的论文—— Attention Is All You Need——提出了新的模型范式：T
人工智能气象预测：越准越要小心
1970年11月12日，博拉气旋袭击了当时的东巴基斯坦海岸。这场风暴带来了每小时130英里（205公里）的最大持续风速和35英尺（10.5米）的风暴潮，估计造成30万至50万人死亡。如今，博拉气旋仍然是历史上最致命的热带风暴。但如果它晚十年袭击地球，或许不会造成如此巨大的破坏。上世纪70年代，随着气象学家借助基于物理原理的计算机模型来改进风暴预测，天气预报迎来了巨变。如今人工智能加入其中，预报能力再次被推动向前——然而这一次，研究人员担心，当模型面对前所未见的极端天气时，其可靠性可能会被削弱。研究人员将这
概率论：AI数学基础的不确定性法则
阅读说明：本文面向零基础读者。无需数学基础，只需保持好奇与耐心。建议按顺序阅读，每个概念均基于前面内容展开。开始前，先看整体地图。学习概率论如同学习新语言，以下是核心"词汇"及关系：一句话概括：概率论是研究"不确定世界中蕴含确定性规律"的学科。设想你有一台魔法天平，可测量"事件发生的可能性"。概率就是天平上的数值——它告诉我们某事件发生的可能程度。重要提醒：概率50%不等于"试两次必有一次成功"。真实含义是：重复多次实验，成功次数将接近总次数
AI重塑财税：二八定律的极端分化
工业时期著名的“二八法则”表明两成人群拥有八成财富。但在人工智能时代，这种差距被显著放大，演变为更极端的“2/98法则”。* 2%的“架构者”：他们是AI时代的顶层规划与规则确立者。涵盖算法与系统架构的技术专家、持有稀有高价值数据的企业，以及能将AI植入传统产业并催生新商业模式的“场景创新者”。* 98%的“被动接受者”：这些人主要在固定流程中从事重复性操作。诸如数据录入、基础记账、票据处理等工作，极易被AI自动化所取代。最近，重新关注财税领域，这一趋势显得格外突出。AI财务机器人、智能记账与一键报税系统
AI崛起：开启科学发现的第二纪元
2026年，人工智能已超越代码辅助角色，正协助人类揭开宇宙深层奥秘。近期，埃默里大学科研团队公布突破性成果：其研发的AI系统在解析等离子体动态数据过程中，发掘出若干人类物理学家未曾识别的数学关联。需要强调的是，这并非'现象发现'，而是'定律发现'。这一转变意义深远：AI正从科研工具升级为真正意义上的'联合发现者'。接下来，让我们探讨2026年AI for Science领域的激烈竞争态势。一、AI独立发现物理定律，超越'记忆复现'先来看一个发人深省的实例。埃默里团队训练的AI系统专注于分析等离子体（物质第
英伟达与黄仁勋：重塑AI产业的新逻辑
英伟达、黄仁勋与人工智能的新产业逻辑NVIDIA, Jensen Huang, and the New Industrial Logic of Artificial Intelligence作者：Zion Zhao Real Estate | 狮家社小赵作者声明及免责声明：本文仅供一般教育和市场知识普及之用。不构成财务、投资、法律、会计或税务建议，亦不构成要约、招揽或推荐。信息仅供参考，可能存在不准确或变更。不承担任何责任。投资涉及风险，包括本金损失；过往业绩并不代表未来表现。本文基于 Lex Fridm