老旧iPhone成苹果AI战略绊脚石：逾8亿设备面临功能阉割
摩根士丹利在周二发布的研报中指出，苹果最新推出的人工智能版Siri，在其庞大的存量设备上将遭遇使用限制，根源在于老旧iPhone机型无力承载高端AI功能运行。该券商透露，超过8.5亿部iPhone甚至无法执行基础的苹果智能功能指令，更有超过13亿部iPhone无法使用新版Siri的高级功能。这次迟来的Siri全面升级，是苹果在周一全球开发者大会上的核心亮点。这家全球市值最高的智能手机制造商寄望于此功能，追赶OpenAI的ChatGPT、谷歌的Gemini以及Anthropic的Claude等竞争对手。摩根
AI主线深化：从概念到硬核瓶颈
真正的产业趋势，从来不是一蹴而就，而是在一轮轮的分歧中完成价值重构。如果只看盘面波动，你可能觉得科技股又开始震荡，AI是不是要熄火？但如果拉长时间线看，会发现一个关键转变：AI并非失去逻辑，而是逻辑正从“谁是算力龙头”下沉到“谁卡住了供给瓶颈”。过去市场最容易把握的是光模块、服务器、GPU、PCB这些大方向。现在越来越细：电子布、PPE树脂、HVLP铜箔、芳纶纸、MLCC离型膜、DrMOS、硅电容、PD芯片、锗硅产能、SOFC、SSCB……这些词听起来专业，但背后的逻辑并不复杂：当AI算力需求足够强，产业
王传福谈比亚迪价值被低估：二代刀片电池产能成关键瓶颈
新浪科技讯 6月9日下午消息，比亚迪(91.890, 0.70, 0.77%)今日举行2025年度股东会，比亚迪董事长王传福等高管出席。 针对比亚迪股价和市值被市场低估的质疑，王传福回应称，感谢股东们的信任与支持，充分理解投资者对股价表现的关注，呼吁大家保持对比亚迪的信心，坚持价值投资理念。 他坦言，目前制约比亚迪销量增长的核心障碍在于二代刀片电池产能爬坡进度，公司正全力推进生产攻坚。2026年销售表现将主要受电池产量影响，待2027年电池产能实现大规模释放后，将同步推动国内和海外市场的全面发力，业绩增长
智能时代遭遇能源瓶颈：算力需求、材料困境与产业破局之道
欢迎收听《电波未来》，我们是专注于行业的观察者，捕捉智能与制造领域的发展脉搏。随着人工智能对算力的需求呈指数级增长，一道难以逾越的能源"物理屏障"正在显现。这道屏障不仅涉及电力的充足供应，更涵盖材料、分配与应用的系统性变革。本期《电波未来》，我们聚焦一场特别的产业对话。在蔚来资本与香港腾云加速器共同举办的腾云问道·第3期"AI+新能源"主题论坛上，蔚来资本合伙人管宇凡博士，与四位深耕能源产业的创业者展开深入交流，共同探讨几个关键的产业议题：当"AI的终极瓶颈是能源"成为业界共识时，有哪些尚未被充分估值、但
AI 基建中的关键关卡
韩国市场并未崩盘，香港同样平稳。众人热议韩国投资者的惨烈损失...实际上 EWY 的最低点早已在上周五盘后确立，即便今日韩国大盘下跌 8%，美股与 EWY 在周五已提前消化了更多跌幅。想要轻易收割恐慌并非易事，除非未来两天韩国市场继续刷新低点。局势确实比我预想的更为乐观。只要标普 500 指数守住 7375 点，短线支撑有效，进行短线博弈并无不可。这大概率属于超跌反弹，标普 500 能否重回 7500 点？后续方向需等待 CPI 数据指引，若想创出新高，或许要等到 FOMC 会议之后。时间紧迫，我将用最直
AI服务器电源系统深度解析
AI服务器市场的角逐，表面上聚焦于GPU、HBM及交换机，但究其根本，离不开一个更为底层的支撑：电源系统。伴随AI算力密度的爆发式增长，单机柜功率已由几十kW跨越至百kW级别。此时，电源系统已不再是简单的辅助部件，而是制约AI基础设施发展的关键瓶颈。相较于普通服务器的稳定供电，AI服务器电源必须兼顾高功率、高能效、高密度、低损耗、优异散热及长寿命等多重严苛指标。剖析AI服务器电源系统的成本构成，主要由八大板块组成：功率半导体、控制与驱动芯片、磁性元件、电容与机械件、PCB及连接器、散热与结构件、电源管理监
AI 泡沫何时破裂？关键看回报能否覆盖成本
全球人工智能投资热潮正在加速推进，但关于“泡沫是否即将破裂”的争议也随之升温。针对市场对科技巨头资本支出激增的忧虑，香港研究机构 Gavekal Research 发布的最新报告认为：仅从企业融资与投资回报的关联来看，本轮 AI 资本支出周期尚未触及转折点。Gavekal Research 首席美国经济学家 Will Denyer 在报告中强调，判断 AI 资本支出能否延续的关键指标——“维克塞尔利差”（Wicksellian Spread），目前仍处于显著的安全区间。该指标用于衡量企业投资资本回报率（R
算力高温正迫使AI“停摆”
从手机发烫到数据中心“泡澡”，散热已成为比机器本身更紧迫的瓶颈你是否经历过躺在床上刷视频，手机提示“温度过高，停止充电”，背部感觉像在煎蛋。手机过热只是阻止充电；AI机房过热可能会让数十亿美元的GPU停摆。原因很简单：无论数字世界跑得多快，物理定律都不会让步。一个“土”气的事故，唤醒了一群“高”端人士去年感恩节周末，芝加哥郊区的一个数据中心冷却系统故障导致全球最大的衍生品交易所之一CME的交易平台停摆近十个小时。事后分析很令人惊讶：不是黑客攻击，也不是模型崩溃，而是冷却塔操作不当 -> 冷水机组连锁停机
中小企 AI 突围：缺的并非技术，而是懂业务的行家
早前，某制造厂老板拍板：豪掷两千万，高薪聘请 CIO，将 IT 团队扩充至八十余人，本地化部署大模型，构建各类 AI 应用。仅仅两年，他便辞退 CIO，技术部门裁员九成，仅留守十余人负责运维。他感叹："技术虽成，转型却败。"此非孤例。2026 年数据显示，中小企业 AI 转型项目的败率高达七至八成。更令人痛心的是，失败案例的平均投入竟是成功者的十倍。症结何在？非技术不力，而是无人能将技术转化为业务可用的实效。目睹过太多此类老板：购入大量 AI 工具，开设十余账号，组织多轮培训，然而三月后复查，系统依旧闲置
AI科研评估瓶颈：6月论文53.6%聚焦验证难题
2026 年 5 月，OpenAI 的模型反证了一个离散几何核心猜想。这件事在数学圈是大事——AI 第一次做出真正意义的数学发现，不是刷 benchmark 分数，是反证一个开放猜想。同一周，DeepMind 发了Co-Scientist（multi-agent AI research partner）和AlphaEvolve（Gemini 驱动的算法设计 agent）。Google 发Empirical Research Assistance（AI 协助科研工作流）。Anthropic 完成 65 亿美
AI奇点博弈：中国机遇、瓶颈与破局之道(二)
三、核心挑战：三大待破解的结构性难题在肯定优势的同时，必须直面中国AI产业存在的结构性短板。这些短板在奇点竞争中显得尤为关键。3.1基础理论与原创算法的深度不足这是“1到N”与“0到1”之间的本质差距。当前中国AI的成就多集中于大模型应用优化、工程效率提升及商业场景创新——本质上属于“1到N”的规模化复制。然而，AI奇点的真正引擎在于“0到1”的原始创新——Transformer架构源自谷歌，GPT路线由OpenAI开创，扩散模型提出于伯克利，强化学习的理论根基在美国。斯坦福2026年报告指出，美国在基础
AI产业投资逻辑与选股策略解析
承接上文本文延续小红书的讨论内容我已将小红书中的重点部分标红处理，后续内容将与之连贯。虽然本人并非专业写作者，排版和表述可能略显粗糙，但核心观点具有独特价值。我相信这是目前市场上较为系统性的分析框架，虽非主流玩法，但极具参考意义（由于小红书篇幅限制，相关内容已迁移至此，主要探讨AI行情下的选股逻辑框架。这两个月的收益让我对这一模式有了更深理解，特此分享）我们来回顾这波AI炒作路径，当作一次系统复习。跟随我的思路，你将建立清晰的分析框架，不仅适用于AI，同样可应用于机器人等其他领域首先声明，我不是价值投资者
AI集群的瓶颈转移：从芯片到网络
当几十万颗芯片协同运行时，最先遇到瓶颈的往往不是算力本身过去三年，AI行业所有人关注的核心是：芯片。谁掌握更多GPU资源，谁抢占更多HBM存储，谁具备更强的先进封装能力，谁就更有优势。似乎AI发展中的一切难题，最终都能通过“增加芯片数量”来解决。然而，谷歌近年来的一项举措揭示了一个反直觉的趋势：AI发展的主要障碍，可能正从芯片转向网络。因为当数万乃至数十万颗AI芯片同时运作时，最先出现拥堵的，往往不是计算能力，而是数据传输的通道。谷歌做了一件不同寻常的事许多人认为，AI竞争的终点是芯片性能的较量。但谷歌发
AI提效瓶颈：为何工具高效却组织停滞？
▼众多企业已从“是否采用AI”过渡到更深层的挑战：即便购置了AI工具并开展试点，开发人员开始使用AI辅助编码、测试和问题排查，为何整体交付效率提升仍不明显？这并非个别现象。在多个研发场景中，AI初期带来的效率增益确实显著：代码补全提速、测试用例自动生成、文档整理加速、问题定位更迅速。熟练运用AI的工程师在诸多具体任务上实现了明显的效率提升。然而，当这些效率提升融入实际项目时，另一个现实问题随之浮现：需求仍会反复、方案需多次对齐、跨团队协作依然容易受阻、质量风险仍需人工把关、项目状态仍依赖人工追踪。个体效率
博通暴跌：AI芯片的“黄金时代”终结？
6月4日，博通股价重挫逾12%，市值瞬间缩水约3000亿美元。这构成了今年芯片板块的单日最大跌幅，犹如一声警钟：AI芯片的“黄金时代”恐怕正面临严峻的考验。股市遭遇重挫明星股受高预期反噬此次下跌的直接诱因在于市场对博通的期望值过高。尽管Ciena同日的光模块业务表现强劲，业绩尚可，但投资者更着眼于未来而非过去。在财报电话会议中，管理层对AI芯片需求的描述缺乏“惊喜”，资本随即做出了反应。更深层次的原因或许在于AI芯片的估值已经紧绷到了极限。过去两年，黄仁勋的NVIDIA势如破竹，博通作为ASIC芯片的领头