想想
12 位追蹤者
想想
12 位追蹤者
Hi！歡迎來到想想。我們一起觀察趨勢，理解來龍去脈，聊聊科技如何改變生活。 在快速變動的世界裡，找回思考的節奏。
全部內容
由新到舊
在半導體製程中，Inspection 找出缺陷，Metrology 確認精度。光學、電子束與影像分析構成觀測系統，各家設備商分別掌握關鍵節點。當製程持續微縮，良率與穩定性成為競爭核心，使量測與檢測從輔助工具轉為決定成敗的關鍵能力。
AI 發展讓 GPU 成為焦點，但隨著 Agent 與持續運作系統興起，資料中心瓶頸正從算力轉向調度與協同運算。CPU 在排程與資源管理中的角色被放大，需求甚至可能成長數倍。AI 競爭也從晶片性能，轉為整體系統效率。
ARM 在 CEO Rene Haas 帶領下，正從 IP 授權公司轉型為晶片與系統供應商。這一轉變源於 AI 時代對整合速度與效率的需求，以及 CPU 在系統調度中的關鍵角色。隨著資料中心電力與功耗成為瓶頸，ARM 的效能優勢開始被放大。轉型也帶來與客戶競合與平台中立性的挑戰，影響半導體產業結構。
付費限定
解析 Simon 演算法如何成為現代密碼學的噩夢。隱藏字串 s 作為位元週期指紋的本質，揭示量子電腦如何利用相位干涉徹底繞過古典生日攻擊的窮舉限制。這套理論不僅實現了指數級加速，更直接啟發 Shor 演算法，從根本上威脅 RSA 等主流加密體系的生存基礎。
AMD 以 EPYC CPU 與 AI GPU 打入 Meta 千億級算力合作，象徵其從追趕者轉向基礎設施核心。6GW 等級部署顯示 AI 競爭已從模型走向電力與成本效率，並動搖 NVIDIA 長期主導的市場結構。
AI 正從模型競爭轉向「AI 工廠」的基礎設施競爭。NVIDIA 透過整合 GPU、CPU、網路與能源，重構整個計算系統。隨著電腦從檔案檢索走向即時生成，token 成為新產出單位，推動算力需求持續爆發。未來關鍵不在模型強弱，而在誰能打造最有效率的計算體系。
小米創辦人雷軍如何憑藉人車家全生態戰略，帶領小米汽車 SU7 實現對傳統車廠的降維打擊。透過自研澎湃 OS 與極致執行力，雷軍證明了科技巨頭在軟硬整合上的天然優勢。他的故事啟示：當汽車演變為智慧終端，掌握作業系統底層與生態鏈聯動的公司，才能在下一階段全球競爭中脫穎而出。
福斯執行長奧利佛·布魯姆如修正前任迪斯的激進路線。他透過與 Rivian 的 58 億美元技術合作案，終結福斯自研軟體泥沼，並在 2026 年面臨利潤危機時導入現實主義成本管理。當傳統巨頭轉型受阻，適度權力下放與外部盟友整合，往往比孤注一擲的封閉開發更能確保帝國存續。
Oracle 最新財報顯示 AI 基礎設施需求強勁，OCI 雲端營收年增 84%，未履行訂單達 5530 億美元。不過市場仍擔心資料中心投資過大，全年資本支出可能達 500 億美元。Oracle 透過客戶預付 GPU 模式降低壓力，同時 AI 也加速企業資料上雲。
前福斯執行長赫伯特·迪斯如何引領汽車帝國轉型，卻因軟體子公司 CARIAD（Car. I Am Digital）研發失利與體系抗命而下台。雖洞察軟體定義汽車趨勢，卻敗給傳統官僚與零件思維。現任英飛凌監事會主席的他，轉向半導體上游布局。若無法從底層文化重構軟體架構，再宏大的轉型願景也難逃被舊體系反噬。
