山西ai Perplexity AI

 


应该是数据统计偏差！

Comments

Post a Comment

Popular posts from this blog

AI领域科技洞察[2026-08-19]

  洞察 01：美 MATCH Act 进一步并入 NDAA 推进，拟以 150 天机制推动盟友收紧半导体设备及存量维保管制，ASML 中国存量 DUV 设备服务风险显著上升 标题 ： 美国 MATCH Act 法案进一步并入 NDAA 推进，拟以 150 天机制推动盟友收紧半导体设备及存量维保管制，ASML 中国存量 DUV 设备服务风险显著上升 标签（分类） ：8. 地缘政治与国际关系 时间 ：2026-08-18 摘要 ：2026 年 8 月，美参众两院持续推进《多边硬件技术控制对齐法案》（MATCH Act）并入国家国防授权法案（NDAA）立法体系。该法案拟设立 150 天对齐机制，向荷兰与日本施压，要求其将半导体设备出口控制及存量设备售后维护标准与美方全面对齐；若盟友未按期对齐，美方拟单边动用扩大版“外国直接产品规则（FDPR）”进行管辖。此举导致 ASML 中国大陆存量 DUV 浸没式光刻机（如 1980Di/2050i 系列）的原厂维保、校准更新及零部件断供风险显著攀升。 【YorkII审计】 ： if(触发场景) ：当本土晶圆代工厂或芯片设计团队仍按“原厂维保可长期无缝延续”来规划 5nm-class 多重曝光产能与设备维护预算时； then(行动原则) ： 立刻启动“存量设备服务中断风险”压力测试。 在 150 天政策窗口期内，加速推动国产光刻机逆向备件重组与成熟制程（28nm）3D 异质集成预案，以物理架构冗余防范存量设备可能出现的维护延迟或断供风险。 逻辑支撑 ：此项立法推进标志着地缘博弈从“增量封锁”向“存量服务受限”延伸。虽然涉及多国外交拉锯与实施细节博弈，但原厂维保风险的上升，迫使本土代工厂必须对存量 DUV 设备的衰退曲线进行最严酷的物理测算，并加速去中心化独立维保能力与备件库的建设。 【穿透点评】 ： 物理/成本死限：光刻机反射镜组与光源腔体属于超精密耗材，满负荷运转下偏振良率寿命通常不超 18  个月。若维保服务出现物理中断或延迟，机台对准偏差（Overlay）突破 3nm  死线，将导致多重曝光（SAQP）工艺废品率呈几何级数暴涨。 底层逻辑增强：[地缘非对称]：面对 150 天机制带来的政策不确定性，国内代工厂正加快“去美化成熟制程（28nm）”产能池建设，并强化与 3D Packaging 接口的...
Read more

Google Search AI Mode：搜索范式与用户行为演进

Image
面对业务的自我蚕食危机，那么Google 能否在 AI 改变搜索价值链的同时，将“传统搜索流量优势”转换为“AI时代的意图、决策与交易入口优势”？                       根据 Google 官方 《Google Search – AI Mode U.S. Insights》 报告，该报告回顾了 AI Mode 自 2025 年5月在美国上线至2026年4月 期间的用户行为变化。报告明确指出，AI 正在推动 Google Search 发生其历史上最重要的变化之一；AI Mode 不仅改变了用户“ 如何搜索 ”，也正在改变用户“ 搜索什么以及如何与信息交互 ”。         注意： 报告的数据主体是美国 AI Mode 用户行为；“全球月活超过10亿”是 Google 对全球 AI Mode 的披露，不能与后面的美国 Trends 数据混为同一统计口径。 📌 核心数据与大势观察 全球月活突破 10 亿 ：AI Mode 的全球月活跃用户数（MAU）已超越 10 亿 。 搜索量与查询复杂度同步提升 ： 自上线以来，AI Mode 的搜索查询量 每季度翻倍以上 。 平均查询词长度是传统搜索的 3 倍 。 多轮追问（Follow-up queries）在美月均增长超过 40% 。 多模态搜索快速进入主流 ：超过 1/6（>16.6%） 的 AI Mode 搜索是非文本形式 。其中 图片输入 是增长最快的类型之一，月环比增长率保持在 40% 以上 。 搜索语言从关键词转向自然语言问题 最常见的查询开头 则是：What、How、I、Is、Can 最常使用的关键词 ：Top 关键词前五名为： Information（信息）→ Identify（识别）→ Find（寻找）→ Explain（解释）→ Summarize（总结）。   💡 AI Mode 的五大用户任务范式 Google 将 AI Mode 中正在出现的新型搜索行为划分为： Explore → Decide → Learn → Do → Create 报告明确表示，这些变化不仅是“搜索方式...
Read more

Summary: 《The Second Derivative：Why No One Understands the AI Boom》

Image
   分析报告：《二阶导数：为什么没有人看懂AI繁荣》（Groundbreaker） 原文《The Second Derivative：Why No One Understands the AI Boom》发表于2026-07-02。 一、目录结构(Contents) 原文的 I–XIII 章节总结后的目录结构如下： 认知阶数错位： 零阶（规模）、一阶（速度）与 二阶（加速度） 的思维模型差异。 成本通缩与焦文斯悖论： Token 推理成本的暴降与算力需求的指数级反弹。 基础设施建设的二阶依赖： 资本开支的超前扩张与物理基础设施的前置铺设。 应用层的阶梯状跃迁： 模型准确率临界点与杀手级应用的非线性爆发。 二、整体架构 这篇文章实际上不是在单独预测“AI 会不会泡沫破裂”。 它构造的是一个 五层因果链 ： 2008 次贷机制           ↓ 二阶导数理论：增长速度的变化比增长本身更早暴露 regime change           ↓ AI 被重新分类：不是纯技术周期，而是“信用 + 房地产/基础设施”周期           ↓ OpenAI → hyperscaler → neocloud → GPU 融资 → 资本市场形成反身性信用链           ↓ 只要 AI capex / 估值增长速度下降到融资结构无法承受的阈值 → 再融资失败 → 信用链反转 → capex 下降 → AI 资产重新定价 因此，作者真正要证明的是： AI 的核心风险变量不是“AI需求是否消失”，而是“需求增长是否还能以足够快的速度继续增长”。 三、核心要点 (Core Arguments) 论点：市场对 AI 繁荣的评估存在严重的“阶数错位”。AI 泡沫的关键指标不是 Level（规模），而是 Second Derivative（增长率的变化） 支撑： 零阶视角（静态看当下 ROI/成本）认为存在巨大泡沫；一阶视角（看用户/收入环比增速）认为增长放缓；而二阶视角（看单位智能成本下降...
Read more