晨報 SecondSource 晨報 · 2026/8/24 · 2026年8月24日
1. 輝達與超微的差距今天第一次有可以重跑驗證的公開量測；分野不是算得快慢，是一支超微缺了一代的軟體介面。
2. 兩個都是真數字，擺在一起卻長出一個假結論——本報今天不收那個最誘人的解讀，理由是分母對不上。
3. 上游最便宜的那片底材傳出三年多來首度漲價，而投最多錢的封測廠說他缺的不是錢是工期（傳聞層級）。
本期材料來自本報 8 月 24 日的日報；事件日落在 8 月 21 日至 8 月 24 日之間，最新的一件是今天凌晨。昨夜例行掃進 192 篇 → 本期用上 16 條有連結可查的外部收據。
SemiAnalysis 是半導體與 AI 基礎設施的獨立研究機構（創辦人 Dylan Patel，以拆解晶片供應鏈與資料中心成本模型著稱）。今天凌晨它在自家的量測平台 InferenceX 上發布 AgentX 1.0，一套量測「代理式編程」推論效能的公開平台。代理式編程指的是讓模型像助理一樣連續來回幾十上百輪、自己讀檔改檔跑測試的用法，像 Claude Code 這類終端編程工具就是典型（SemiAnalysis，08-24）。
先講為什麼要換一套量法。 過去比較晶片跑 AI 的快慢，都是固定一個輸入長度、一個輸出長度來比。但代理式的流量長得完全不一樣：第 n 輪的輸入，就是第 n-1 輪的輸出接上去的，所以絕大部分內容是上一輪算過的。模型讀一段文字時算出的中間狀態可以存起來，下次不必重算，這份存起來的東西業界叫 KV cache——它就是「算過的東西」的物理形式。留得住，成本就低；留不住，整段重來。這個比例叫快取命中率。
量測結果最乾淨的一條分野是：併發用戶數超過 20 之後，輝達每一個「最省錢」的配置都在把快取往主記憶體外搬。顯示記憶體貴且小、主記憶體便宜且大，裝不下就往外搬，業界叫快取外溢。而超微那一側，最省錢的配置裡用到外溢的數量是零。原文寫得很白：「All of Nvidia's Pareto optimal points include KV offload above concurrency 20, but for AMD none of the Pareto optimal points use KV offload to DRAM.」（「最省錢配置」是原文的 Pareto 最適點，意思是同樣的速度要求下最划算的那幾套配法，它是一組配置不是一個數字。）
根因不是超微選擇不做，是平台缺件。把很多次小搬移打包成一次大搬移的那支介面（`hipMemcpyBatchAsync`），在超微的軟體平台 ROCm 上缺到 7.14 版才補上。在那之前只能一筆一筆搬，外溢比不外溢還慢，於是最省錢的解只好全部退回不外溢。今天這組讀數量到的，就是它補上之前的狀態；補上之後會不會改變結果，要看 7.14 普及到多少部署。護城河不是輸在算得慢，是輸在一支缺席的介面。
驗證： 這是單一來源，而且是量測者自己報告自己的量測，沒有第三方重跑過。利害關係要一起講：SemiAnalysis 自述與超微有多年顧問式互動，與輝達、vLLM 與 SGLang 各方團隊也互相列名致謝，並且很在意這套量測本身能不能左右產業風向；反向證據是它對雙方都有具名批評。本報今天把「它開源了什麼」與「它量出了什麼」拆成兩件事分別查。前者當天就去查了，結果是它開源出來的那一面確實兌現：公開結果頁可讀、程式碼在 GitHub 上有 1,463 顆星、公開介面已列出、每次量測都在 GitHub Actions 上跑且日誌全公開，重放用的真實 Claude Code 對話軌跡也已上架 HuggingFace（公開的模型與資料集平台），授權標的是 Apache 2.0——別人真的可以拿去拆，這不再只是它自己說（InferenceX 公開平台）。仍未證實的有三項：自稱花了 300 多萬美元建置、跑在約 2 百萬瓦與 1,000 多顆晶片上、已有多個一線實驗室在用。這三項只有它自己說。本報對這條紀錄的內部信心分數因此從 0.7 上調到 0.8（滿分 1），意思是交付物夠硬但規模自述仍無人核實（評分方法）。
判斷更新： 本報 7 月 25 日那期講過一條判斷：輝達的軟體壁壘沒有倒，是搬家了——從單顆晶片上的程式碼品質，搬到「幾百張卡怎麼即時協同分工」。當時本報同時寫下了推翻它的條件：如果超微能讓幾項關鍵優化在預設的開源軟體裡可靠地一起組起來，這條就被推翻。但這個條件只記在本報自己的紀錄裡，那一期的讀者面沒有寫出來，今天一併補上；當時那條判斷同樣出自單一來源，本報是按低信心記下的。一個月後，今天的量測第一次給了那個條件裡「快取外溢」那一項的公開讀數：超微側連最省錢的配置都上不了。推翻條件沒有觸發。但本報今天沒有只寫「維持原判」——那樣這條判斷一年後還是同一句話，不會變得更聰明。本報做的是收窄：原本講的是一整籃優化，今天的數字顯示籃子裡的權重極不平均，真正把兩家分開的是與快取生命週期有關的那幾項。收窄的代價是射程變小，收益是判準從「你的系統可不可靠組合」這種答得出漂亮話的問題，換成一個二元、可查、對方難以用修辭閃避的問題：看一家的最省錢配置在併發 20 以上，用不用主記憶體快取外溢。這句話今天就可以拿去問供應商；自架推論服務、或正在選雲端推論後端的團隊，不必等對方的季度路線圖，直接問這一個二元問題就好。什麼會推翻新版本：ROCm 7.14 普及後超微的最省錢配置開始使用外溢，但兩家的每塊錢效能差距沒有相應縮小——那就代表本報今天收窄的方向收錯了。對答案日是 9 月中：發布方自稱三到四週後會出更新文，並預告會包含超微的效能優化；另一條路徑沒有日期但影響更大——任何人拿 Apache 2.0 的那套東西去重跑。
這對投資判斷的意思： 市場敘事目前把超微的追趕讀成一條連續的、看每季進度的曲線。這條證據說追趕的位置已經換了地方，而且換到一個有具名缺件、有版本號、可以直接對答案的位置上——對「超微正在穩定縮小差距」這個假設是弱化，對「差距的成因可以被外部查證」這個讀法是強化。但強化的幅度受限於它今天仍是單一來源、無人重跑。
桌上擺著兩個數字。第一個：FT（英國金融時報）引知情人士報導，前沿 AI 實驗室 Anthropic 七月的「年化營收」達 650 億美元，五月是 470 億，兩個月成長 38%；同時它告訴投資人有 6,000 家客戶年花費 10 萬美元以上，並預期第三季獲利。本報讀到的是獨立開發者 Simon Willison（Django 共同創建者、Datasette 作者，長期公開追蹤各實驗室的營收數字序列）的摘引（simonwillison.net，08-23）；FT 原文在付費牆後，本報未取得逐字全文。第二個：Ramp 是美國的企業信用卡與支出管理公司，它用旗下 7 萬家客戶的實際刷卡帳單估出七月 Anthropic 各模型的支出分布——最貴的旗艦 Fable 5 只佔 8.0%，不到一年前的 Opus 4.8（28.0%）的三分之一（Ramp AI 指數）。
合起來就是一個很好聽的判斷：營收是中階模型撐起來的，旗艦賣不動。FT 那篇的標題判斷正是這個。
本報主動不收，理由是分母對不上。Ramp 的母體是刷信用卡的美國中小企業與新創；而旗艦模型的用量最可能落在企業直簽合約、雲端市集轉售、大額 API 年約這三條通道上——這個母體恰好把旗艦的主戰場整個排除掉了。營收那個數字的分母是全公司，帳單指數的分母是長尾市場。兩條可以同時為真，而且很可能就是同時為真；但把它們相除，是拿長尾市場的份額去解釋全市場的營收。那不是洞見，那是分母錯置。
驗證： 有三個保留必須一起帶走。第一個保留是證據鏈隔了兩層：本報讀的是摘引，FT 的數字來自知情人士。接下來這個保留更關鍵：「年化營收」是拿某個月乘以十二的公司自報數，不是審計營收，對高速成長的公司會放大當期成長。同一條曲線上，五月那個 470 億出自 Anthropic 官方新聞稿，是一手；七月這個 650 億是匿名鏈轉述。畫在同一張圖上，兩點的可信度不同，不能等權。還有一件事本報要先講清楚：「預期第三季獲利」那句 FT 自己下了限定詞，用的是他們宣告第二季獲利時的同一套模型。這是提醒你獲不獲利取決於訓練成本怎麼攤，不是背書。帳單那張表也有一個坑要先填掉：Opus 5 的 3.5% 沒有意義，它 7 月 24 日才發布，只有一週，轉述者自己就先講了這一點。真正值得看的是發布已久的 Fable 5 只有 8.0%。
判斷更新： 這件事值得多講兩句，因為它是本報這一整套規矩存在的理由。兩個都是真數字，擺在一起會自動長出一個假結論，而那個假結論讀起來比任何一個真數字都更像洞見。防線不是懷疑數字，是每次都問「這兩個數的分母是不是同一個」。你今天可以直接拿走這個動作：看到任何「採用率低但營收高」「用戶少但收入多」的併排，先各自問一次分母。本報也把救回這個判斷的條件寫下來了：拿到一份含企業通道的模型別用量拆分——廠商揭露，或第二個母體不同的帳單指標——屆時重開。
這對投資判斷的意思： 敘事目前把第三方帳單指數當成模型採用率的代理指標，再把採用率當成營收組成的代理指標。這條證據說第二層代理是斷的：「用長尾採用率推估前沿實驗室營收結構」這個做法今天站不住，本報對它的信心往下調；反過來，「每個代理指標都要先驗一次母體」這個做法今天多拿到一個現成案例，站得更穩。至於旗艦到底賣不賣得動，今天答不出來，本報也不裝答得出來。
與今日主線第 1 點合看。同一份量測給了一個門檻讀數：在 GLM 5.3（中國智譜的前沿開放權重大模型，權重公開可下載自架，所以兩家平台跑得了同一個東西）上、鎖定「每人每秒 150 個字」這個常見的互動速度要求，輝達每塊錢買到的效能最多是超微的 5 倍。這裡的計量單位在原文是 token，本報通譯為字，不是字面的中文字數。原文接著寫，這個差距大到「即使競爭對手的晶片硬體是免費送的（但服務商當然仍要付機房、電力與其他營運成本），每個字的成本用輝達還是比較便宜」（SemiAnalysis，08-24）。
這句話的價值在於它換了一種比法：從「便宜多少」改寫成「硬體歸零之後誰贏」。若成立，在那個區間裡晶片售價已經不是決策變數，決定成本的是每顆晶片背後要付的機房與電。但條件一條都不能剝：只限這一個模型、這一個速度點、而且是兩邊都用開源軟體比。同一篇文章裡，超微自家的封閉軟體在別的區間反而勝過輝達的旗艦機櫃。任何人拿這句去講「超微全面沒救」，都是抽掉了條件。
驗證： 單一來源、單一區間，且它與本報七月收的一條紀錄方向相反。7 月 25 日那期講過同一家機構的另一個讀法：超微用高達 105% 的股權回饋去搶單（回饋價值超過售價本身），據其成本模型，機架的每百萬字成本「接近負值」（SemiAnalysis，07-25）。同一個量測者，同一套成本模型觀點，一個月內給出方向相反的兩個結論。
判斷更新： 本報把這兩條標成互相矛盾，不代為調和。兩者可能是同一枚硬幣的兩面：七月那條說明為什麼超微必須用補貼買市佔，今天這條說明補貼能買到的射程有上限——補不掉的是機房和電。但也可能真的互斥：如果回饋規模大到足以覆蓋機房與電力，今天這條就被推翻了。硬把兩條講成一致很容易，代價是下一輪重新量測時就分不出誰對。所以本報把它留成一個沒有答案的張力，等 ROCm 7.14 之後重新量測。你可以照做的是同一個動作：手上任何一組相反的讀數，先確認是不是同一個口徑在打架，再決定要不要調和。
這對投資判斷的意思： 多空雙方各自引用其中一條當方向證據。這條對撞說兩條的口徑根本不重疊——一條算的是特定大客戶的交易結構，一條算的是特定模型與速度點下的每字成本。對「補貼可以長期抵銷效率差距」這個假設是弱化，對「效率差距最終落在機房與電這些補不掉的成本上」這個讀法是強化；但兩者都還沒到可以下結論的程度。
1. [本週]（8 月 23 日）台積電傳擬以新台幣 300 億元（約 9.4 億美元）收購友達兩座面板廠改建成先進封裝廠，大立光傳完成共同封裝光學模組開發、將加入輝達的光通訊供應鏈——兩則都由發文者自己標為傳聞，台積電那樁還在現場盡職調查階段、尚未成交（@dnystedt 台積電那則、大立光那則）。
2. [本週]（8 月 23 日）一篇資料中心產業的意見文主張，機房對鋰離子電池儲能的依賴正在改變它的風險結構、而防火規範跟不上，並舉韓國國家資料中心去年九月的電池爆炸火災中斷逾 600 項線上政府服務為例——這是意見文不是新聞報導，它舉的事故本報還沒逐件查證（Data Center Dynamics）。
3. [本週]（事件日 8 月 21 日）輝達 B200 三天之內反超超微 MI355X，而沒有任何一顆晶片動過（SemiAnalysis，08-24）。⚠️ 這則今天只放得下一行，細節請看前面的原文連結。
[本週]（發文日 8 月 23 日）上游最便宜的那片底材傳出三年多來第一次漲價，而投最多錢的封測廠說，他缺的不是錢是工期。
Dan Nystedt 是亞洲半導體供應鏈記者、TriOrient 分析師，長期在 X 上轉述台灣中文財經媒體的供應鏈報導。他當天發了幾則轉述。其一：矽晶圓——半導體製造的起點，一片高純度單晶矽，所有電路都做在它上面，是整條鏈最上游的通用基礎材料——傳將 6 吋、8 吋、12 吋全尺寸調漲，是三年多來第一次大幅漲價，理由是 AI 需求終於把長期過剩的供給吃滿（@dnystedt，08-23）。⚠️ 口徑要看仔細：原文寫的是「個別產品價格仍各異，對公司營收的影響預期是平均售價上漲 10%」，不是每一片都漲 10%。其二：台灣前五大封裝測試廠今年資本支出合計逾新台幣 4,600 億元、約 144 億美元，日月光（全球最大的封裝測試廠）一家就佔新台幣 3,350 億元、約 105 億美元；但日月光自陳，現在最大的問題是怎麼把 13 個新建案與 8 個改建案的施工、裝機、產能爬坡加快（@dnystedt，08-23）。其三：顯示卡廠已調漲第三季售價並在醞釀第二輪，晶粒與顯示卡記憶體同時缺，本季可用顯卡總供給估計再縮至少兩成，而漲最兇的是入門與舊世代卡——資料中心搶走的產能，帳單正由消費端最便宜的那一段在付（@dnystedt，08-23）。
怎麼用： 三則合看指向一件事——上游的邊際約束正從先進製程往兩端擴散，往上到最通用的基礎材料、往下到消費端；而中間那一段的瓶頸已經不是資金。這句自陳打斷了一條大家用了兩年的推導鏈：某廠宣布多投多少億，就推導出多少產能。投最多錢的人說他的瓶頸不是錢。⚠️ 但這三則是同一位記者同一天發的轉述，不是三個獨立來源，他自己標的是「媒體報導」；台灣供應鏈新聞又常是廠商透過媒體放話議價的產物。所以本報給的用法是降級的：把這幾條加進第三季法說會的提問清單——已開工幾案、裝機排程到哪、爬坡曲線的假設是什麼——而不是現在就下修產能假設。
[本週]（發文日 8 月 23 日）一位實務作者說「免費午餐結束了」——而本報今天不把它當成第 2 點那個判斷的證據。
Drew Breunig 是資料策略與 AI 應用領域的獨立作者，長期寫模型能力與實務工程的取捨。他在〈Fable & The End of the Free Lunch〉裡寫道：在 Fable 之前，花太多力氣改進自己的編程外殼與脈絡策略是不划算的，因為新模型總是用一樣的價格、甚至更便宜的價格推出，把你大部分的問題都蓋過去；但 Fable 落地後，它很強，成本卻高到讓他的團隊開始思考「哪些工作該送到哪裡」，因為便宜一階的模型對他們大部分程式碼已經夠好（dbreunig.com，08-23；本報經 Simon Willison 的引述頁讀到）。
收它的理由，以及為什麼它不是證據。它為今日主線第 2 點那個 8.0% 提供了一種機制解釋——不是賣不動，是貴到值得把工作分層送到不同價位的模型。這是比「旗艦失敗」精確得多的讀法。但它是一個人、一個團隊的第一人稱經驗，零量測，母體是一個團隊不是市場，所以它既不能證明也不能否證那個被本報退掉的判斷。本報拿它當一種說法，不拿它當證據——這個分別，正是第 2 點在講的同一件事。如果你在做編程助理類產品，他的做法本身就是一個可以自己驗的動作：把工作按難度分層，試算哪一層送旗艦、哪一層送便宜一階的模型。但這是一個團隊的做法，不是本報的建議，也不是本報實測過的結論。
[今日]（發布日 8 月 24 日）一個行之有年的標準優化，在今天這種流量下把快取命中率從理論的 96.0% 打到實測 28.8%。
同一份量測裡有一段可以直接照做的內容。DP-attention 是一種把注意力計算（判斷句子裡哪些字彼此相關的步驟）按「資料平行」切開的優化，在單輪固定長度的場景通常是淨賺的；但在長脈絡多輪流量下它由正轉負——在 MiniMax M3 這個模型上，併發 40 時吞吐掉到不開的六成、首字延遲（按下送出到看到第一個字的時間）惡化三倍以上；併發 32 時快取命中率實測 28.8%，理論值是 96.0%。⚠️ 這兩組數字的併發點不同（40 與 32），不是同一次量測的兩個欄位。機制寫得很白：每個運算單元只擁有快取池的私有四分之一，一段 30 萬字的對話只要下次被派到別的單元，整段就得從頭重算（SemiAnalysis，08-24）。
兩件可以直接搬走的：一、先量快取命中率，再看吞吐量——命中率崩了，後面的吞吐數字全是白算的。二、要做主記憶體外溢，主記憶體容量要明顯大於顯示記憶體的快取容量，因為它是寫入時同步複製的設計：寫進顯示記憶體的每一份，也同時寫進主記憶體。不夠大，等於沒開。至於要大多少，量測方給的建議值是 1.5 到 3 倍，原文沒有交代這個區間的兩端怎麼算出來。⚠️ 兩者都出自今天這份單一來源的量測，沒有第三方重跑。另外，本報這一週掃到的學術論文裡沒有值得單獨寫的新東西，這一段本期沒有新的——不拿常青概念冒充新聞。
過去 24 小時。 昨夜例行抓進 192 篇：學術論文 109 篇、X 上 77 個帳號的當日貼文、公司與個人部落格 3 篇、業界電子報 3 篇。這裡有一個數字要先講清楚：本報的自動統計今天只算出 6 篇。它把昨夜的大量進料誤判成了「補抓舊資料」，於是 186 篇從當日數字裡消失，只剩 6 篇。但這 186 篇是昨夜的正常產量，不是補抓——本報這裡用實數 192，並已把這個誤判列為要修的項目，不靜默改數字。這 192 篇裡，這 24 小時內實際判斷過的是 4 篇、沒有任何一篇因為不合規被排除，其餘 188 篇還沒讀（那 186 篇一篇都沒少，還在等著判）。判過的 4 篇裡 3 篇收進帳、1 篇判為沒有訊號——那是一位人工智慧政策研究者的帳號，當天兩則貼文一則講英式料理、一則是烤馬鈴薯，沒有任何產業內容。抓到不等於要收。電子報 3 篇來自 2 個來源：SemiAnalysis 1 篇、Gary Marcus 的 Marcus on AI 2 篇（同理，這裡的 3 篇是昨夜實際讀到的量，下面名冊上的「電子報 46 份」是本報長期追蹤的總數，兩者母體不同）。X 那 77 個帳號裡發最多的是 @bhorowitz 26 則、@teortaxesTex 23 則、@GaryMarcus 15 則、@deanwball 14 則、@Miles_Brundage 12 則；而今天唯一被抽出來寫進本期的，是 @dnystedt 的 9 則——發文量排第 9，不是最多的那個。昨夜從 748 個追蹤帳號拉回 290 則原生貼文（轉推與回覆一開始就不在名單裡）。748、77、290 這三個數字量的是三件事：748 是名冊上的帳號數，77 是昨天真的有發文的帳號數，290 是則數，不相加也不相除。本期用上 16 條帶連結的外部收據（本報自家的方法論頁與舊期連結、以及上面那幾個帳號連結不計入）。
今天你拿不到什麼。 七件，誠實講。一、今天所有跟那份量測有關的判斷，都建立在它的免費公開段上——文末「Read more」之後的付費段本報沒讀到，方法論深挖、重放框架細節、各家歷史效能曲線都在後面。二、營收那個數字本報只拿到二手摘引，FT 原文在付費牆後，逐字全文沒取得。三、本期無總體經濟段：本報昨夜沒有收到新的官方總體經濟數據，不拿舊數字湊一段。四、本期無趨勢譜系段：本報手上能用的譜系材料已經放到過期，今天的新材料也沒有接上那條線，硬接會是為了版面而接。五、本期無產品動態欄：近 48 小時沒有產品公司的新文章，而本報不拿既有產品的功能介紹當新聞；本期無過去洞見欄（回顧）：能用的舊材料已經用完，本報寧可空著，也不重播用過的條目。六、有一篇本報只抓到導言與一張圖：Gary Marcus 那篇「更多壞消息」的正文在「Read more」之後，本報沒讀到，所以連它在講什麼都沒寫——這是抓取環節壞掉，不是讀了之後判斷它不重要，已列為要修的項目。七、今天沒有新的深度報告：最新一份是 8 月 21 日的，本報不重複帶舊的充版面。
補上的舊資料。 本期沒有人工一次性新增的來源。長期陸續回補的那批（7 月 1 日起，不算在上面那 24 小時裡）是斷點式的：學術論文與 X 貼文補到 8 月 23 日、部落格與業界電子報補到 8 月 22 日、公司申報補到 8 月 16 日；業界分析與 Podcast 逐字稿都停在 7 月 7 日，總體經濟只有 7 月 22 日單日，供應鏈情報只有 7 月 4 日單日。免得誤讀：回補停在 7 月不等於那幾條線昨晚沒抓，例行與回補是兩條管線，斷點只在回補那一條。
來源集中度提醒。 今天收進帳的 14 條裡，12 條來自兩個外部來源——那家研究機構 7 條、那位供應鏈記者 5 條。今天不是「多方跡象顯示」的一天，是兩份材料各自很厚的一天，所以本報全篇沒有用那種措辭。兩份的折價還不一樣：研究機構那一批是同一篇文章的不同切面，彼此不構成互相佐證，折價來自「量測者自己報告自己的量測」加上它與被評比雙方都有往來——但它有一項別人沒有的加分：它開出來的東西是開源的、可以被第三方拿去重跑，這能抵銷一部分折價；記者那一批是同一位記者同一天的轉述，他自己標「媒體報導」與「傳聞」，折價來自雙跳轉述加上台灣供應鏈報導的放話生態。同一天收的三條線，三種不同的證據等級，三種不同的用法——這個分級本身就是本報要交給你的東西。
本報追蹤的來源。 名冊上去重後涵蓋 529 位具名發言者；渠道側是另一本帳，合計 645 個來源記錄：X 帳號 302 個、播客 90 檔、媒體與新聞稿 51 家、論文作者 48 位、部落格 48 個、電子報 46 份、財報與法說 26 個、主題演講 23 場，另有 YouTube 4、線上課程 2、書 2、公開信 1、內部文件 1、政府文件 1。645 與 529 量的不是同一件事：同一個人可能在 X 有帳號、又出過書、又上過播客，會被算三次；645 數的是記錄、529 數的是人，兩本帳不相加。同理，昨夜實際拉取的 748 個帳號也不等於名冊上的 302 個 X 來源，兩者母體不同。此外還有 77 個機構型來源（公司與機構的官方部落格）——⚠️ 這個 77 和上面那句「昨夜有 77 個帳號發文」是巧合、兩者無關：這裡數的是名冊上的機構數，上面數的是昨夜真的有產出的 X 帳號數。機構那一類記的是機構不是個人，不併進上面的 645。代表性的名字：X 有 Lucas Beyer、Sergey Levine、Arvind Narayanan；電子報有 Zvi Mowshowitz、Dean Ball、Ian Cutress；論文有 Ion Stoica、John Jumper、Yann LeCun；播客有 Satya Nadella、Sam Altman、Demis Hassabis；機構部落格有 SemiAnalysis、Data Center Dynamics、More Than Moore。
本報不是新聞摘要：我們從每天的 AI 資訊流裡捕捉真正重要的洞見與值得長期追蹤的行家判斷，並交代每一條是怎麼驗證的 — 重點永遠是『哪條判斷變硬了、誰說得準』，不是今天發生了什麼。