Loading...
Loading...
OpenAI 研究主管 Mark Chen（马克·陈）谈 GPT-5、开源与 AI 未来撰文：Techub News 整理
导语
在 GPT-5 正式发布并引发全球热议之际，YouTube 知名科技频道主 Matthew Berman 对 OpenAI 研究主管 Mark Chen（马克·陈）进行了一次深度专访。作为 OpenAI 研究团队的负责人，Mark Chen 深度参与了从 Codex 到 GPT 系列模型的核心研发。此次对话正值 OpenAI 发布其迄今为止最强大的模型 GPT-5 以及两款高性能开源模型，Mark Chen 的分享为我们揭示了这家顶尖 AI 实验室在模型架构、数据策略、研发哲学以及对未来智能形态的思考。
摘要
GPT-5 是预训练范式与推理范式的首次深度融合，标志着模型能力维度的根本性扩展。
合成数据在 GPT-5 训练中扮演了关键角色，被用于针对性提升模型在特定领域（如编程）的表现，且其使用比例正在增加。
OpenAI 拥有坚定且长期不变的研究路线图，外部（包括中国实验室的优秀成果）的进展并未动摇其核心研发方向。
OpenAI 2025 年 8 月发布的开源模型旨在为社区设立安全与性能的新标杆，并经过了严格的风险评估框架测试。
未来的 AI 发展将更侧重于提升模型的推理效率、长程记忆能力，并探索智能体协作的组织形态，最终目标是创造能加速科学研究的 AI。
GPT-5：预训练与推理的范式融合
Mark Chen（马克·陈）将 GPT-5 视为 OpenAI 研发历程中的一个重要里程碑。他指出，如果说 GPT-4 是将预训练（pre-training）范式推向极致的成果，那么 GPT-5 则是首次成功将预训练范式与推理（reasoning）范式深度融合的产物。这意味着 GPT-5 不仅继承了大规模预训练带来的广泛知识，还深度整合了类似 O 系列模型的深度思考能力。
这种融合带来了显著的效率提升。Mark Chen 以多模态任务举例：当模型处理复杂的视觉输入并需要从中提取信息时，GPT-5 所需的“思考时间”比前代模型减少了数倍。这种推理效率的提升是全局性的，使得模型能够更快地为用户提供所需的深度分析。其目标是让用户无需手动选择“是否需要推理模式”，模型能自动根据任务复杂度在快速响应与深度思考间无缝切换。
在编程能力上，GPT-5 的进步尤为明显。Mark Chen 透露，内部评估显示，在代码生成任务上，GPT-5 相较于之前的模型（如 GPT-4o 和 o1 系列）取得了超过 70% 的胜率。模型不仅能生成更美观、更健壮的前端代码，其单次对话中能连贯输出的代码量也大幅提升，可轻松突破千行，更能处理现实世界中庞大的代码库。这一切都源于团队将 GPT-5 定位为一款“为开发者量身打造”的模型，并针对长上下文、代码可靠性等实际场景投入了大量精力。
数据策略：合成数据的崛起与挑战
面对外界关于“高质量新数据是否已耗尽”的疑问，Mark Chen 承认数据获取始终是挑战，但并非无法解决。除了持续寻找和授权更多公开数据源，GPT-5 的一个关键创新在于对合成数据（Synthetic Data）的大规模、战略性应用。
由研究员 Sebastian Bubbeck 领导的合成数据项目在 GPT-5 的开发中“结出了果实”。Mark Chen 强调，OpenAI 相信合成数据有潜力提供比人类数据更高质量的内容，并能以超越简单扩充知识面的方式，实质性地改进模型。合成数据并非用于在所有领域平铺直叙地增加数据量，而是被有选择地用于“希望模型表现卓越的特定领域”。编程便是 GPT-5 发布中重点强调的领域之一。
对于行业关于“基于前代模型生成的合成数据只能让后代模型获得边际改进”的质疑，Mark Chen 表示，他们的研究显示合成数据能带来有意义的超越。虽然他不便透露 GPT-5 中合成数据与人类数据的精确比例，但他明确表示：“随着时间的推移，合成数据的占比正变得越来越多。”这预示着合成数据在未来模型训练中的战略地位将愈发重要。
研发哲学：坚定的路线图与“氛围测试”
当被问及是否从中国实验室（如深度求索）近期出色的开源模型和效率创新中汲取灵感时，Mark Chen 给出了一个令人意外的答案：OpenAI 的研究路线图（Research Roadmap）在过去几年中几乎没有改变，即使在外部出现重大突破的背景下依然如此。
他解释道，这份路线图规划了通向 AGI（通用人工智能）的路径，明确了短期、中期和长期的目标。OpenAI 的优势在于对其所选路径有坚定的信念，并专注于执行既定计划，而非对外部进展做出“条件反射式”的调整。例如，推理模型的开发就是路线图中早已确定的核心部分，是 OpenAI 为实现通用智能而独立推进的方向。当然，他也高度赞赏了中国实验室在架构研究和高效内核开发方面的卓越工作，认为其中有值得学习之处。
在决定一个模型何时“准备就绪”发布时，Mark Chen 坦言这“有点艺术性”。团队需要在追求完美与及时部署之间取得平衡。模型必须通过严格的“氛围测试”（Vibe Check）——即在实际使用中感觉良好，没有令人担忧的小毛病或异常行为。他分享了自己的个人测试方法：包括一些前沿的数学问题（如设计一个模 42 的均匀随机数生成器）、生成物理模拟或用户界面以检验代码的健壮性和物理直觉，以及作为创意写作的“思考伙伴”来评估其文风、说服力和理解力。他认为，幽默感目前对模型而言仍是“黄金标准”般的挑战。
开源、安全与社区标杆
谈到2025 年 8 月发布的 200 亿和 1200 亿参数开源模型，Mark Chen 显得非常兴奋。他认为，提供能在笔记本电脑甚至手机上运行的强大模型，将极大降低爱好者、学者和有特殊需求开发者的参与门槛，促进更广泛的创新。
更重要的是，这次开源行动旨在为行业“树立新的标杆”。OpenAI 为此进行了广泛的安全评估。他们运用内部的“预备框架”（Preparedness Framework），从生物、化学、网络安全等多个风险维度对模型进行了测试。评估场景包括：如果有恶意行为者对这些模型进行微调，试图最大化其在网络安全攻击等方面的危险性，其“风险上限”会在哪里？OpenAI 确保这些模型在发布前，其潜在风险低于公司设定的“高风险”阈值。Mark Chen 表示，这是确立“何为安全、负责任的开源发布”规范的一次重要实践。
未来展望：智能体、记忆与自我改进的 AI
关于 AI 的未来形态，Mark Chen 回应了同事 Noam Brown 关于“全能模型”（Omnimodel）与众多专业小模型之争的看法。他认为，拥有一个能处理一切任务的“超级大脑”很有吸引力，它能够以某种方式内化各种子模块。但同时，OpenAI 也致力于构建“组织化 AI”（Organizational AI），即由多个 AI 智能体协作完成高级复杂目标的框架。这类似于思考“组织与个体哪个效率更高”，是一个活跃的研究领域。
当前 AI 应用中的大量“脚手架”（Scaffolding，即复杂的提示工程和上下文管理）在 Mark Chen 看来，是为了弥补模型的能力缺陷。随着模型变得更通用、更鲁棒，对复杂脚手架的需求将会减少。而实现这一点的关键突破之一在于“记忆”（Memory）。模型需要能够处理极长的上下文，容纳用户的全部代码库、文档乃至日常视觉信息，从而能够更自主地代表用户行动，减少频繁的人工干预。
展望未来 6 个月，Mark Chen 最兴奋的是继续推进“推理扩展范式”，探索更多利用测试时计算（test-time compute）的方法，并在强化学习（RL）的优化和目标设计上进行创新。而展望未来 2 年，他期待看到模型在 AI 研究方面达到与他本人同等的效能，最终创建一个能够自主驱动人工智能创新的“自我改进”系统。
最后，对于因 AI 编码能力突飞猛进而感到焦虑的开发者与知识工作者，Mark Chen 给出了乐观而务实的建议：拥抱工具，加速自己。通过学习与 AI 协作，将自己变成效率提升 2 倍、3 倍的超级个体，同时深入理解技术原理并贡献其中。他认为，AI 在自动化某些表面的同时，总会创造出新的、需要人类适应和发挥价值的层面。他坚信，这项技术最终将通过推动科学进步和经济繁荣，提升大多数人的生活质量。
Navitas Semiconductor：2026 年第二季度让 800V 故事离收入兑现更近了一步投资观点（Investment Thesis）
在公司公布 2026 年第二季度业绩后，我重申对 Navitas Semiconductor（NVTS）的“买入”评级，并将目标价调整至每股 22 美元。我调整目标价的原因，并不只是因为 NVTS 交出了一份更好的季度业绩，而是因为 2026 年第二季度给了我更多实质证据，证明我在最初文章中讨论的高功率转型正在以快于我此前模型假设的速度发展，同时管理层如今也对 AI 基础设施收入的兑现时间给出了更详细的信息。在最初的文章中，我实际上是在为一家仍需要投资者相信这样一个逻辑的公司进行估值：即移动设备和低端消费电子业务的收缩，最终能够被 AI 数据中心、电网和工业需求所取代。如今，随着 2026 年第二季度财报发布，这一假设中的一部分已经开始转化为可衡量的经营证据。我之所以这样说，是因为公司收入环比增长 22% 至 1,050 万美元，高功率业务收入同比增长超过 50%，而管理层对第三季度收入的指引为 1,300 万至 1,400 万美元，其中 1,350 万美元的中值意味着收入将再次环比增长 28%。
【原文图片位置：2026 年第二季度财务摘要（Q2 2026 NVTS Earnings Presentation）】
这一 2026 年第三季度指引对我的模型非常重要，因为我此前预计 2026 年第三季度收入只有 1,150 万美元，第四季度收入约为 1,300 万美元。因此，公司对第三季度 1,350 万美元的收入指引中值，比我此前的预测高约 17%。更重要的是，NVTS 目前预计 2026 年全年收入将在 2025 年 4,590 万美元收入基础上实现中个位数百分比增长，这意味着 2026 年收入可能达到 4,800 万至 4,900 万美元。根据我将“中个位数”理解为 5%-7% 增长，这将意味着 2026 年第四季度收入大约在 1,560 万至 1,650 万美元之间，较我原始模型中 1,300 万美元的第四季度预测高约 20%-27%。我此前的文章实际上对应的是约 4,300 万美元的 2026 年收入，因此从技术上讲，2026 年第二季度已经将公司的近期收入轨迹推升至比我最初假设高出 10% 以上的水平。
收入结构也正在变得越来越重要。我之所以这样说，是因为公司目前预计，包括 AI 数据中心以及电网和能源基础设施在内的 AI 基础设施业务，将贡献 2026 年第四季度超过三分之一的收入，而移动设备和低端消费电子业务的敞口则将变得微不足道。公司还披露，在手订单正在扩大，订单出货比（book-to-bill）创下纪录，同时多个新项目已经开始提供量产样品，其中包括 800V AI 数据中心应用。NVTS 预计，部分超大规模云服务商和 xPU 平台将在 2027 年开始放量。这让我对 2029 年模型背后的时间假设有了明显更高的信心。在最初的投资逻辑中，与 Nvidia 相关的 800V 机会非常有吸引力，但当时仍然高度依赖技术路线图以及最终采用情况。如今，2026 年第二季度已经首次为我建立起一座更清晰的桥梁，把这一技术机会连接到客户项目和实际量产爬坡。
【原文图片位置：AI 基础设施（Q2 2026 NVTS Earnings Presentation）】
我也认为，上图所展示的 NVTS 最新 800V 路线图进一步强化了我的投资逻辑，因为它显示，随着 AI 电源架构不断演进，NVTS 有多个机会提升其半导体内容价值。管理层预计，SiC 在 AC/DC 电源中的采用将在 2026 年下半年开始放量，并在 2027 年上半年加速。下一阶段是在 2027 年年中左右出现 800V power sidecar（电源侧车），随后原生 800V 架构将在 2027 年中后期进入计算托盘，并在 2028 年加速发展。从 2028 年开始，固态变压器以及从电网到核心计算的电能转换又将成为下一潜在增长阶段。这意味着，我最初的投资逻辑如今已不再依赖某一个单独的 800V 产品突然成为巨大收入来源，而是意味着，随着整个电源架构的发展，NVTS 有可能在电力链条中的多个环节获得更高的半导体内容价值。
我确实做出了一项负面调整，而且我认为这一点非常重要。NVTS 在 2026 年第二季度末的摊薄平均流通股数约为 2.611 亿股，而 2026 年第一季度约为 2.305 亿股，主要原因是公司通过 ATM 市场发行计划筹集资金，并结清剩余的 earnout（或有对价）义务。公司在上半年通过 ATM 发行出售了 1,740 万股股票，并在 2026 年第二季度末拥有 5.57 亿美元现金。更强的资产负债表大幅降低了融资风险，也让 NVTS 拥有更强的能力为 AI 基础设施扩张提供资金支持。但股东为这种财务灵活性付出的代价就是股权稀释。因此，我将 2029 年摊薄股数假设从原始文章中的 2.30 亿股提高至 2.70 亿股，这也为从现在到 2029 年期间可能归属的股权激励留出了空间。
即使做出这一调整，我依然认为 2026 年第二季度对上行逻辑的强化程度足以支持更高的目标价。当前约 12 美元的股价也明显低于我撰写最初文章时采用的 14.46 美元。因此，我调整后的 22 美元目标价意味着相较当前股价约有 83% 的上涨空间。我愿意继续维持“买入”评级，因为公司的经营证据已经改善，2027 年的放量路径变得更容易建模，资产负债表得到显著强化，而我的更新盈利模型即便明确计入股权稀释后，仍然显示出显著的上涨空间。公司的估值依然很高，因此这并没有突然变成一项低风险的半导体投资。但 2026 年第二季度确实让支撑我最初投资逻辑的多个关键假设同时朝着正确方向发展。
【原文图片位置：NVTS 当前股价（Seeking Alpha）】
更新后的增长驱动因素（Updated Growth Drivers）
第一个、同时仍然是最大的增长驱动因素，是 AI 数据中心电源。在最初的模型中，我预计到 2029 年 AI 数据中心收入将达到 1.4 亿美元。我的计算方式是，将管理层预计 2030 年 35 亿美元高功率 SAM（可服务市场）中的 50% 分配给 AI 数据中心，由此得到 17.5 亿美元的市场规模，然后对 2029 年应用 80% 的折扣系数，并假设 NVTS 能够获得这一风险调整后机会的 10% 市场份额。我继续保留原本 1.4 亿美元的核心假设，因为 2026 年第二季度并没有给我足够理由改变底层市场份额假设。真正发生变化的是可服务产品组合。NVTS 宣布了一款新的 1.2kV SiC JFET 产品系列，预计将在 2027 年初推出，目标市场包括 AI 数据中心、固态变压器以及电网应用。更重要的是，公司管理层表示，这一产品线将额外增加 10 亿美元的 SAM。
不过，我并不希望简单地把整个新增 10 亿美元全部加入 AI 数据中心这一增长驱动因素，因为那样会重复计算电网机会。因此，我将新增 JFET SAM 的 60% 分配给 AI 数据中心，另外 40% 分配给电网和能源基础设施。随后，我继续对 2029 年应用相同的 80% 折扣，但在这一新产品机会中，我只采用 7.5% 的市场份额假设，而不是核心既有 SAM 使用的 10%。由此得到到 2029 年额外约 3,500 万美元的 AI 数据中心收入机会。将其与原来的 1.4 亿美元相加后，得到如下所示的大约 1.75 亿美元。
项目
数值
原始 2030 年 AI 数据中心 SAM
17.5 亿美元
风险调整后的 2029 年核心 SAM（80%）
14 亿美元
NVTS 核心市场份额（10%）
1.4 亿美元
分配给 AI 的新增 JFET SAM（10 亿美元 × 60%）
6 亿美元
风险调整后的新增 2029 年 SAM（80%）
4.8 亿美元
NVTS 在新增 SAM 中的市场份额（7.5%）
3,600 万美元
更新后的 2029 年 AI 数据中心收入
约 1.75 亿美元
我继续维持原始模型中的 52% 毛利率假设。2026 年第二季度非 GAAP 毛利率从 39% 提升至 39.5%，而管理层第三季度指引中值意味着毛利率将进一步小幅改善至 39.7%。公司明确表示，产品组合改善和规模效应应该继续推动利润率扩张，而计划在 2027 年和 2028 年进行的 GlobalFoundries 8 英寸 GaN 转换，也可能随着 AI 业务放量带来额外的成本优势。这让我对长期 52% 毛利率假设的方向更有信心，但目前仍不足以让我上调这一数字。从今天大约 40% 的水平提高至 2029 年 52%，本身已经是一个相当明显的假设，因此我更愿意让更强的收入增长来推动目标价提升。
按照我原始文章中的同一贡献框架，1.75 亿美元 AI 收入在 52% 毛利率下可产生 9,100 万美元毛利润。我继续假设新增运营成本会消耗其中 20% 的毛利润，从而留下约 7,280 万美元的新增 EBITDA 贡献。按照 80% 的税后转化率计算，可得到 5,820 万美元的税后盈利贡献。再除以我更新后的 2.70 亿股摊薄股数假设，对应 AI 数据中心电源业务约 0.22 美元的新增 EPS 贡献。相比我原始文章中的 0.20 美元，这一贡献仅略有提升，因为显著扩大的股本规模吸收了部分收入前景改善带来的好处。这也正是为什么将 2026 年第二季度的股权稀释纳入模型如此重要。
项目
数值
2029 年收入预测
1.75 亿美元
毛利润（52%）
9,100 万美元
扣除 20% 新增运营成本后的 EBITDA 贡献
7,280 万美元
税后贡献（80%）
5,820 万美元
2029 年预计摊薄股数
2.70 亿股
新增 EPS 贡献
$0.22
第二个增长驱动因素是电网和能源基础设施。在我的原始模型中，我将原始 35 亿美元 SAM 的 30% 分配给电网基础设施，然后对 2029 年应用 80% 的折扣系数，并假设 Navitas 获得 10% 的市场份额，由此得到 8,400 万美元的 2029 年电网收入预测。我继续保留这一 8,400 万美元的核心预测。随后，我将新宣布的 10 亿美元 JFET SAM 中的 40% 分配给电网，因为这一产品明确面向固态变压器以及能源电网基础设施，同时也服务于 AI 数据中心。应用相同的 80% 折扣系数，以及更保守的 7.5% NVTS 市场份额后，我得到额外 2,400 万美元的潜在电网收入，这使总收入提升至约 1.1 亿美元。
项目
数值
原始 2030 年电网 SAM
10.5 亿美元
风险调整后的 2029 年核心 SAM（80%）
8.4 亿美元
NVTS 核心市场份额（10%）
8,400 万美元
分配给电网的新增 JFET SAM
4 亿美元
风险调整后的新增 2029 年 SAM
3.2 亿美元
NVTS 在新增 SAM 中的市场份额（7.5%）
2,400 万美元
更新后的 2029 年电网收入
约 1.1 亿美元
继续采用不变的 52% 毛利率假设，1.1 亿美元电网收入可产生约 5,720 万美元毛利润。扣除我假设的 20% 新增运营成本后，可以得到约 4,580 万美元新增 EBITDA。按照同样的 80% 税后转化率计算，可产生约 3,660 万美元盈利贡献。除以 2.70 亿股摊薄股数后，对应新增 EPS 约为 0.14 美元，高于我此前模型中的 0.12 美元。
第三个增长驱动因素是工业电气化和高性能计算（IEPC）。2026 年第二季度为我们提供了一个更好的方式来确定这一细分市场的基础，因为管理层目前表示，AI 基础设施约占超过 35 亿美元高功率 SAM 的 80%。这意味着大约还有 20% 留给高性能计算和工业电气化。我对这一机会按照 2029 年 80% 的比例进行折扣，得到约 5.6 亿美元的风险调整后 SAM。由此可以得到约 4,000 万美元的收入，我将其取整为 2029 年 IEPC 收入约 4,000 万美元。
项目
数值
AI 基础设施以外剩余高功率 SAM
7 亿美元
风险调整后的 2029 年 SAM
5.6 亿美元
假设 NVTS 市场份额
7%
更新后的 2029 年 IEPC 收入
约 4,000 万美元
我继续采用原始模型中的 810 万美元 2026 年 IEPC 收入基础，因此新增收入贡献约为 3,190 万美元，由此可产生约 1,660 万美元新增毛利润。随后按照 80% 的税后转化率计算，我得到约 1,060 万美元盈利贡献。以 2.70 亿股计算，更新后的 IEPC 贡献约为每股 0.03 美元。2026 年第二季度还有另外一个因素让我对这些新增盈利假设更有信心。Navitas 指引 2026 年第三季度运营费用中值约为 1,650 万美元，环比增长 6.5%，而第三季度收入中值预计环比增长约 28%。我并不认为这种差距能够永久维持如此之大，但如果公司最终要跨过盈亏平衡点，这正是我需要看到的经营杠杆类型。NVTS 仍然在研发、客户支持、供应链以及产能方面进行投资，因此其成本并不是静止不变的。
更新后的估值（Updated Valuation）
我的估值方法保持不变，因为我仍然认为，对于一家尚未实现正常化盈利的公司而言，采用前瞻 EPS 方法比直接将当前销售倍数套用在公司身上更加有意义。下方图 4 仍然准确说明了为什么这只股票很难仅依靠当前基本面进行估值。NVTS 当前的前瞻 EV/Sales 约为 59 倍，前瞻 Price/Sales 约为 71 倍，而行业中位数分别只有大约 3.6 倍和 3.5 倍。这些数字让 NVTS 今天看起来极其昂贵，我并不否认这一点。我的投资逻辑依赖于公司随着高功率业务收入放量、正 EPS 开始出现，逐步增长进入当前估值。
【原文图片位置：NVTS 估值评级（Seeking Alpha）】
话虽如此，我也继续维持 100 倍前瞻非 GAAP 市盈率假设不变。我认为 2026 年第二季度的表现还不足以支持进一步扩张估值倍数，因为 NVTS 仍然是一家估值很高、尚处亏损状态并且存在较大执行风险的半导体公司。2026 年第二季度真正改变的是盈利这个分母。我之所以这样说，是因为公司目前的收入进展已经明显领先于我此前对 2026 年的假设。例如，2027 年超大规模云客户放量的可见度已经更高，JFET 路线图扩大了可服务机会，而 800V 架构目前也已经拥有一条更清晰的商业化里程碑路径。因此，在维持 100 倍估值倍数不变的情况下，我调整后的目标价几乎完全由更强的盈利能力推动。
我也继续保留 -0.17 美元的 2026 年正常化 EPS 基础，因为第二季度每股 -0.04 美元的非 GAAP 亏损并没有给我充分理由把起始亏损假设调得更加乐观。随后，我加入来自 AI 数据中心电源的 0.22 美元贡献、电网和能源基础设施的 0.14 美元贡献以及 IEPC 的 0.03 美元贡献。在抵消 2026 年亏损基础后，我得到如下表所示的 2029 年正常化 EPS 约为 0.22 美元。
项目
数值
2026 年正常化 EPS 基础
-$0.17
AI 数据中心贡献
$0.22
电网和能源基础设施贡献
$0.14
IEPC 贡献
$0.03
2029 年 EPS 预测
$0.22
前瞻非 GAAP P/E
100x
隐含目标价
$22
当前价格
$12
上涨潜力
83%
关键风险（Key Risks）
我调整后投资逻辑面临的最大风险，是 2026 年第二季度更强的经营动能最终未必能够转化为我当前估值模型所假设的 2027 年和 2028 年量产爬坡。与我最初撰写关于 NVTS 的文章时相比，公司如今已经向投资者提供了更多证据，但截至目前，公司仍然处于从样品、资格认证和设计项目向量产过渡的阶段，尤其是在 800V AI 数据中心架构方面。这意味着，如果超大规模云服务商的采用出现延迟，或者 800V power sidecar 的部署速度低于预期，那么我模型中的收入拐点就会被推迟。我认为这一点非常重要，因为我目前每股 22 美元的更新目标价，假设到 2029 年 AI 数据中心收入达到 1.75 亿美元，电网和能源基础设施收入达到 1.1 亿美元。因此，如果这些项目哪怕仅推迟一年，那么盈利贡献也会随之推迟，而我采用的 100 倍前瞻非 GAAP 市盈率也将变得更难合理化。
第二个风险是，业务放量后的经济效益可能没有我的模型假设那么理想，尤其是在考虑股权稀释之后。我对主要高功率增长驱动因素采用 52% 的长期毛利率假设，而 2026 年第二季度非 GAAP 毛利率只有 39.5%。因此，我对 2029 年 0.22 美元 EPS 的预测，有相当一部分依赖于未来几年产品组合、规模以及制造效率显著改善。同样需要指出的是，NVTS 在第二季度末的摊薄股数已经达到 2.611 亿股，而 2026 年第一季度为 2.305 亿股。不过，我已经将 2029 年摊薄股数假设提高至 2.70 亿股，以反映这一变化。另外，5.57 亿美元现金余额为公司提供了显著更高的财务灵活性，但帮助公司建立这一现金缓冲的资本融资，同时也降低了未来盈利增长对每股收益的贡献。竞争同样是一个重要因素，因为大型功率半导体公司完全有能力在 GaN、SiC 和 AI 数据中心电源领域投入巨额资金，这可能会在 NVTS 刚开始扩大规模时对其市场份额或定价形成压力。这意味着，如果毛利率最终停留在低 40% 区间附近，或者进一步发行股票使总股数超过我 2.70 亿股的假设，那么即使收入逻辑依然成立，我的 EPS 预测也需要下调。
最后观点（Final Thoughts）
总的来说，2026 年第二季度让我对 NVTS 更有信心，但我仍然把这视为一项高度依赖执行的投资，而不是一家已经完成转型的半导体公司。与我最初文章相比，最大的区别在于，管理层现在已经让我更清楚地看到了从技术故事走向收入故事之间的路径。公司收入正在实现环比增长，同时高功率产品正在成为主导业务，AI 基础设施预计将在 2026 年第四季度贡献超过三分之一的收入。此外，超大规模云客户项目正在朝着 2027 年放量推进，新的 SiC JFET 路线图也新增了一个具有重要意义的可服务市场机会。与此同时，我并没有提高 100 倍前瞻非 GAAP 估值倍数，因为我认为当前估值本身已经要求公司实现强劲执行，但我提高了摊薄股数假设，以反映今年上半年发生的资本融资。真正发生变化的是我的盈利预测，目前 2029 年正常化 EPS 提高至 0.22 美元，而此前为 0.19 美元，这支撑了我调整后的 22 美元目标价。因此，我继续重申对 NVTS 的“买入”评级，并认为 2026 年第二季度已经充分强化了原始投资逻辑，足以支持更高的目标价。
AMD CEO Lisa Su（苏姿丰）：生成式 AI 市场远超 5000 亿美元，发布 MI350 系列与 MI400 路线图撰文：Techub News 整理
导语
6 月 20 日，AMD 举办了年度 AI 盛会 Advancing AI 2025 主题演讲。公司董事会主席兼首席执行官 Lisa Su（苏姿丰）作为主讲人，在近三小时的活动中，系统性地阐述了 AMD 在 AI 计算时代的战略布局、产品进展与生态成果。本次活动正值 AMD 全新一代 AI 加速器 MI350 系列正式亮相之际，也是对其去年提出的宏大市场预测的一次重要回应与更新。Lisa Su（苏姿丰）携多位来自 Meta、Oracle、xAI 和 OpenAI 的重量级合作伙伴登台，共同描绘了 AI 基础设施未来的爆炸性需求与开放生态愿景。
摘要
市场预测大幅上调：Lisa Su（苏姿丰）确认，数据中心 AI 加速器市场规模将远超其去年预测的 5000 亿美元（2027年），并预计推理（Inference）需求正以每年超过 80%的速度增长，成为未来几年 AI 算力的主要驱动力。
重磅新品 MI350 系列发布：正式推出 Instinct MI350 系列加速器（含 MI355 旗舰型号），采用第四代 CDNA 架构，宣称相比前代 MI300 在 AI 计算性能上实现高达 4 倍的代际飞跃，并支持新型数据格式 FP4/FP6。
合作伙伴集体站台，生态扩张：Meta、Oracle 确认将大规模部署 MI350 用于扩展的 AI 工作负载；xAI 分享了使用 MI300X 的“ effortless”开发体验；OpenAI 联合创始人 Sam Altman（萨姆·奥尔特曼）意外现身，讨论 AI 算力需求与未来合作。
未来路线图首次曝光：预览了专为机架级解决方案设计的下一代 MI400 系列（2026年），并透露已在开发 MI500（2027年）。MI400 旨在实现相比 MI350 高达 10 倍的性能提升。
强调“开放”战略与全栈方案：AMD 将开放硬件、软件和解决方案作为核心战略，通过增强 ROCm 软件栈、收购（如 Nod.AI）以及与开源社区（如 PyTorch、vLLM）深度合作，构建与 Nvidia CUDA 生态差异化的开发者体验。
开场：AI 浪潮与 AMD 的定位
Lisa Su（苏姿丰）在开场时回顾了自 ChatGPT 问世以来 AI 创新的惊人速度。她指出，2025 年 AI 发展进一步加速，表现为更强大的推理模型、智能体（Agent）的兴起，以及真实用例开始大规模部署。她特别强调了智能体 AI（Agentic AI）将带来“数以亿计的新虚拟用户”，持续不断地消耗 CPU 和 GPU 算力。
基于对行业趋势的洞察，Lisa Su（苏姿丰）更新了 AMD 的市场预测。她重申，数据中心 AI 加速器的市场规模（TAM）将“远超”去年预测的到 2027 年达到 5000 亿美元的水平。更重要的是，推理（Inference）需求已经出现拐点，预计将以每年超过 80%的速度增长，成为 AI 计算的最大驱动力。她认为，高性能 GPU 因其灵活性和可编程性，将占据该市场的大部分份额。
面对多样化的需求，AMD 的策略聚焦于三点：1) 提供广泛的 CPU、GPU、DPU、FPGA 等计算引擎组合，让客户能为特定模型和用例匹配最佳算力；2) 大力投资于开放的、开发者优先的生态系统；3) 提供从芯片到机架的全栈解决方案。她强调，“开放”对 AMD 而言不是口号，而是加速 AI 规模化应用的关键，并以 Linux 和 Android 的成功历史佐证开放生态带来的竞争与创新红利。
新品核心：Instinct MI350 系列的性能与竞争力
本次活动的重头戏是全新 Instinct MI350 系列的发布。Lisa Su（苏姿丰）手持 MI355 实物登上讲台，宣布该系列实现了“Instinct 历史上最大的代际性能飞跃”。MI355 作为旗舰型号，采用第四代 CDNA 架构、支持 FP4 等新数据格式、搭载 HBM3e 内存，并在台积电先进封装下集成了 1850 亿个晶体管。
具体性能指标方面，MI350 系列宣称带来高达 4 倍的 AI 计算性能代际提升。其单个 GPU 支持高达 288 GB 的 HBM3e 内存，可运行参数量高达 5200 亿的模型。在与竞争对手 Nvidia B200 和 GB200 的对比中，AMD 展示了 MI355 在运行 DeepSeek-R1 或 Llama 3.1 等模型时，使用 vLLM 等开源框架可生成高出 B200 30% 的每秒令牌数（Tokens/Second），甚至能与更复杂昂贵的 GB200 系统性能匹敌。在经济效益上，AMD 声称 MI355 可提供比竞品高出 40% 的“每美元令牌数”（Tokens per dollar），为云服务商和企业带来更优的总体拥有成本（TCO）。
除了推理，MI350 在训练性能上也取得了显著进展。Lisa Su（苏姿丰）展示的数据显示，MI355 在预训练（Pre-training）任务中相比 MI300 有高达 3.5 倍的吞吐量提升；在微调（Fine-tuning）任务中也有最高 2.9 倍的性能提升。在行业权威的 MLPerf 训练基准测试中，MI355X 系统在特定任务上比 Nvidia 最新的 B200 和 GB200 系统快了多达 13%。
为简化部署，AMD 联合 OEM/ODM 合作伙伴推出了基于 MI350 系列、集成 Epic CPU 和 Pensando DPU 的完整机架解决方案。这些设计遵循 OCP（开放计算项目）标准，可快速融入现有数据中心基础设施。既有支持 128 个 GPU、提供 2.6 Exaflops（FP4）算力的液冷高密度配置，也有适用于企业的 64 GPU 风冷配置。
生态验证：一线客户与合作伙伴的实践分享
Lisa Su（苏姿丰）邀请多位合作伙伴上台，为 MI 系列产品的市场表现和未来潜力提供了有力背书。
Meta：工程副总裁 Yunsong 分享道，MI300X 已是其基础设施的关键部分，广泛用于 Llama 3 和 Llama 4 的推理。他特别提到，Meta 正在将 AMD GPU 的应用从 Llama 模型推理扩展到推荐系统、排名等核心业务的训练和推理工作负载。对于 MI350，Yunsong 赞赏其显著提升的算力、新一代内存支持和 FP4/FP6 数据格式，同时保持了与 MI300 相同的形态，便于快速部署。他强调，AI 需求的激增正在以前所未有的速度推动数据中心建设，而 Meta 与 AMD 将在未来加速器和网络路线图上进行更紧密的协同设计。
Oracle：OCI 执行副总裁 Mahesh Thiagarajan 阐述了与 AMD 的全栈深度集成。他强调，要释放 AI 基础设施的极致性能，需要从供电、计算、网络到存储的全面整合。他特别赞扬了 AMD Infinity Fabric 技术在 CPU 与 GPU 内存间高效移动数据的能力，以及 Pensando DPU 对 AI 工作负载安全和性能的保障。Thiagarajan 透露，OCI 正在部署高达千兆瓦（Gigawatt）级别的 AI 超级集群，这些集群将作为单一巨型超级计算机运行。
xAI：联合创始人 Shiao 分享了使用 AMD MI300X 加速其 Grok 系列模型推理的体验。他形容这个过程是“ effortless”（毫不费力），特别赞赏 AMD 工程团队与 xAI 小团队的紧密协作和快速响应，使得产品得以在数月内上线。Shiao 还从第一性原理出发，畅想了从硅基芯片到数据压缩的未来计算演进，并呼吁全球人才加入这场“人类历史上最大规模的软硬件协同设计”。
OpenAI：联合创始人兼 CEO Sam Altman（萨姆·奥尔特曼）的压轴出场成为全场高潮。他谈到，AI 模型能力的提升，尤其是多模态和智能体功能的发展，对计算能力提出了指数级增长的需求。他强调，为了持续攀登这条 scaling curve（规模扩展曲线），整个行业必须在研究、工程、硬件和系统交付上进行前所未有的深度协作。他对与 AMD 的未来合作表示期待。Lisa Su（苏姿丰）则回应，下一代的 MI400 将专门为 OpenAI 等前沿模型构建者面临的巨大挑战而设计。
未来展望：MI400 路线图与持续增长信心
在发布 MI350 的同时，Lisa Su（苏姿丰）首次预览了下一代 Instinct MI400 系列。她透露，MI400 目前已在深度开发中，计划于 2026 年推出，其设计理念是一个“从头打造的机架级解决方案”，旨在实现比 MI350 高达 10 倍的性能提升。她进一步透露，AMD 已在规划 2027 年的产品，将采用下一代“Venoro”CPU 和 MI500 GPU，继续在性能、效率和可扩展性上突破极限。
演讲最后，Lisa Su（苏姿丰）总结道，过去一年重新定义了 AI 进步的节奏，其速度在现代计算史上前所未有。她坚信，AI 的未来不会由任何单一公司或在封闭生态中构建，必将由全行业的开放协作与共同创新所塑造。AMD 致力于通过开放的技术、人才与合作伙伴网络，让 AI 变得更强大、更易得、对每个人都更有用。
市场反应与分析师观察
演讲结束后，市场对 AMD 股价的反应相对平静，盘中波动幅度有限。一些市场评论员指出，本次活动基本符合预期：MI350 系列性能参数亮眼、重要客户关系稳固、未来路线图清晰。尽管未能宣布全新的超大规模云服务商（hyperscaler）客户略显遗憾，但现有顶级客户（Meta、Microsoft、Oracle）的用例扩展和新锐 AI 公司（xAI）的加入，仍有力地证明了 AMD 在 AI 加速器市场的竞争力和增长潜力。
分析师普遍认为，AMD 正系统地执行其 AI 战略。一方面通过每年迭代的硬件产品（MI300 - MI350 - MI400）快速追赶；另一方面通过强化 ROCm 软件栈、拥抱开源框架、收购软件公司（如 Nod.AI）和提供全栈解决方案，积极构建更友好、更开放的开发者生态，以挑战 Nvidia CUDA 的统治地位。AI 算力市场的“饼”足够大，足以容纳多个赢家，AMD 凭借其全面的产品组合和清晰的执行路径，有望在未来几年内实现营收和市场份额的显著增长。
Vitalik Buterin（V 神）：以太坊的未来路线图与加密世界愿景撰文：Techub News 整理
在2025 年 11 月于布宜诺斯艾利斯举行的以太坊开发者大会 Devconnect 上，联合创始人 Vitalik Buterin（V 神）进行了一场题为“30 分钟讲透以太坊”的演讲。这场演讲不仅回顾了以太坊的核心理念，更清晰地勾勒了其未来数年的技术发展路线图，是理解以太坊当下挑战与未来方向的重要窗口。
以太坊的哲学：从“不作恶”到“无法作恶”
Vitalik Buterin（V 神）开篇并未直接谈论技术，而是以 FTX 和 Mt. Gox 的崩溃为例，阐述了以太坊所代表的核心哲学。他将 FTX 的失败视为对以太坊原则的“180 度反转”：一个高度中心化、依赖个人信誉、缺乏可验证性的反面教材。
他对比了旧互联网时代“Don‘t be evil”（不作恶）的口号与区块链“Can’t be evil”（无法作恶）的本质区别。前者依赖于中心化实体的道德自律，而后者通过技术设计，从根本上消除了对单一实体的信任需求。V 神指出，区块链技术的目标不是呼吁“相信我，因为我是好人”，而是构建一个你无需信任的系统。
更进一步，他区分了“公司”与“社区”的模式。公司是“中心辐射型”结构，一个中心实体提供服务并收取费用；而社区则是“人人互为彼此建设”的网络。他以爱沙尼亚的“电子居民”计划为例，该计划虽提供了有价值的数字服务，但本质上仍是一种中心化服务，而非真正的去中心化社区。以太坊的愿景是构建后者——一个全球性的、开放的、抗审查的平台，让每个人都能参与建设和受益。
区块链能做什么，不能做什么？
V 神随后回归技术基本面，解释了区块链，特别是以太坊作为“世界计算机”的角色。他强调，以太坊的核心创新在于可编程性。早期的区块链是单一用途协议或“瑞士军刀”协议（提供有限、固定的几种功能），而以太坊允许开发者上传任何计算机程序（智能合约），从而无限扩展其应用可能性。
区块链最成熟的应用领域无疑是金融，解决的核心问题是“双花”。在去中心化网络中，如果没有共识机制来确定交易顺序，一个人就可以重复花费同一笔钱。区块链的共识机制（如工作量证明、权益证明）确保了全局状态的一致性，这是数字货币价值的基础。
除了金融，区块链在其他领域也展现出独特价值：
去中心化身份与命名：如 ENS（以太坊域名服务），让用户真正拥有自己的用户名，跨应用使用，不受任何单一服务商控制。
抗审查与参与保障：区块链保证任何有效的交易都能被快速纳入链上。这对于防止金融市场操纵、确保投票公正性至关重要。
“不存在性证明”：可以证明某种东西（如社区成员资格凭证）的发行总量是有限的，且无法被发行方秘密超发。
时间戳证明：证明某个文件或数据在特定时间点之前或之后存在。
然而，V 神也坦诚地指出了区块链技术的固有局限：
隐私性差：默认情况下，区块链交易是公开的，V 神调侃其为“银行账户的推特”。
无法实现极端扩展：在以太坊主网上进行大规模计算（如生成 AI 图片）成本极其高昂。
延迟较高：这是去中心化不可避免的代价，全球共识无法做到毫秒级响应。
无法获取现实世界信息：智能合约无法直接知晓链下事件是否发生，需要预言机等中间件。
V 神指出，区块链需要与零知识证明（ZKPs）、完全同态加密（FHE）等可编程密码学技术结合，才能突破这些局限，构建更强大的应用。
未来路线图：可扩展、抗审查与用户友好
演讲的重点落在了以太坊未来的技术演进上。V 神概述了从近期到远期的升级路径，核心目标是：在保持安全性、去中心化和抗审查这些根本属性的前提下，大幅提升网络性能与用户体验。
2025-2026：可扩展性之弧
以太坊的交易处理能力已在今年提升了 50%，Gas Limit（衡量网络容量的指标）有望进一步提升至 6000 万。为实现安全扩容，两项关键协议升级（EIP）将被实施：
EIP-7732（提议者-构建者分离固化）：这将使普通节点能够花费更多时间处理区块，而不会损害网络的去中心化，为安全提升 Gas Limit 铺平道路。
区块级访问列表：允许除出块节点外的所有其他节点并行处理区块，从而大幅提升网络效率。V 神幽默地回应了“EVM 不支持并行化”的批评，称此升级将“在很大程度上解决这个问题”。
ZKVM 与“全节点信仰的回归”
V 神特别强调了零知识证明虚拟机（ZKVM）的重要性。目前运行一个以太坊全节点需要数天同步时间、超过 1TB 存储和高计算消耗。ZKVM 技术允许用户通过生成和验证零知识证明，来确认区块的正确性，而无需亲自执行所有计算。这将把运行节点的计算需求降至近乎零，虽然带宽和存储需求仍在，但已使得在手机等设备上运行轻量级全节点成为可能。V 神预计，未来一两年内，能够运行全节点的用户数量将显著增加。
2026-2027：抗审查与去中心化升级
包括“Fossil”在内的协议改进，将增强交易包含的保证，确保用户的交易能被快速打包。同时，账户抽象（Account Abstraction）的持续发展将带来功能更强大的智能钱包，支持密钥更换、隐私协议集成等，且不依赖中间商。
长期愿景：“精益以太坊”
V 神提到了“精益以太坊”（Lean Ethereum）这一长期计划，旨在对以太坊进行更深层的优化，用更接近最优解的组件替换现有不够优化的部分。主题包括：
为 ZK 证明优化的、高性能的虚拟机。
全栈量子抵抗。
ZK 友好型哈希函数（目前主要候选是 Poseidon，正在进行大量的安全研究和漏洞赏金计划）。
形式化验证所有关键组件。
更快的最终确认速度。
用户体验：隐私与安全
V 神指出，隐私是一个远比“链上数据保护”更广泛的概念。它包括：保护用户数据不被 RPC 节点窥探、网络层隐私、投票隐私、DeFi 隐私，乃至私密账户抽象。安全方面则涉及轻客户端改进（如 Helios）、软件供应链依赖管理、链上版本控制，以及多签、社交恢复钱包、硬件钱包等。
互动问答：支付、技能与名字由来
在随后的问答环节，V 神回应了几个有趣的问题。
关于以太坊与华尔街的关系，他简洁地表示：“他们是用户。在以太坊，我们支持用户。”
当被问及如何将以太坊的特性扩展到更广阔世界时，V 神强调了现实世界的支付应用。他回忆起早期比特币在柏林被商家接受的盛况，并指出如今技术已足以让加密支付再次流行，例如在布宜诺斯艾利斯就有不少实体店接受 ETH 和稳定币。他鼓励开发者将开放、最小化信任、保护用户的理念，结合区块链和密码学新技术，应用到通信、治理乃至硬件等各个领域。
对于以太坊社区成员应提升何种技能，V 神建议保持“全面性”：尝试用 ETH 买杯咖啡、安装钱包、使用 DApp、编写智能合约，甚至去理解底层协议如何运作，并思考技术与现实世界的互动。
最后，他分享了“以太坊”名字和 logo 的趣闻：名字来源于浏览科幻作品元素列表时觉得“Ethereum”好听，后来才知道它出自宫崎骏电影《天空之城》中的“飞行石”（Etherium）。而 logo 的设计者可能知道这个出处，将其设计成了飞行石的形状，V 神是多年后才偶然发现这个巧合。
Vitalik Buterin（V 神）总结道，以太坊旨在成为一个更自由、开放、协作世界的技术基石。它是一项快速进化的强大技术，也是不断壮大的去信任工具家族中的关键一员。通过社区共同努力，这个愿景正在变为现实。
马斯克：三年内把 AI 放到太空将成为最便宜的方案——从电力瓶颈到轨道数据中心的未来路线图撰文：Techub News 整理
导语
在一场接近三小时的深度对谈中，埃隆·马斯克（Elon Musk）把未来十年最关键的技术问题与产业瓶颈连成一条线：算力增长迅猛、地球上电力扩展受限、于是“太空”成为扩展 AI 的最终可行路径——他断言“在 36 个月内，最经济的 AI 部署地将是太空”。以下为本次访谈的要点整理与逻辑梳理，涵盖轨道数据中心、能源与太阳能、芯片与制造、SpaceX 发射规模、xAI 的使命与对 AI 值观的思考，以及更远的月球制造与文明延续设想，便于读者一目了然地把握马斯克的未来棋局。
一、为什么要把 AI 放到太空？核心矛盾：算力的指数级增长 vs 地面电力几乎停滞
马斯克在访谈中反复强调：目前全球算力（尤其用于训练与推理的大规模 GPU 集群）增长接近指数级，但除中国外，很多国家的电力产出并没有同等速度增长，几乎处于平缓态势。按照这样的趋势，如果把越来越多的算力集中部署在地面，将会碰到根本性的电力供应瓶颈（即“你把芯片弄出来，但无法给它们供电”）。他指出，在地面扩张电力、建设大量发电站与配套输变电设备，不但耗时更长，而且受到审批、用地、制造能力（例如燃气轮机叶片的产能瓶颈）等各种制约，这使得“地面规模化”存在现实障碍。
因此，他提出把能源采集放到太空：太空没有昼夜交替、云层或大气带来的能量损耗，太阳能面板每单位面积的有效发电量比地面高出数倍（大约五倍左右），并且省去了夜间储能的成本与复杂性。综合考虑发电效率与扩展性，在可承受的太空发射与制造成本下，轨道（以及未来月球基础）可以成为大规模、可持续的 AI 电力来源，从而成为最具经济性的算力部署地点。
二、轨道数据中心的经济学与可行性
马斯克把数据中心的总成本分解，指出能源占比并非全部，但能源是会限制可扩展性的关键项：即使硬件成本（GPU、交换机、存储）可通过规模化与迭代降低，但如果不能提供廉价且大量的电力，集群无法开启或达不到密度要求。把太阳能放到太空后，单位能量成本显著降低，加上太空环境对面板的轻量化设计要求（无需厚重玻璃或抗风雨框架），进一步降低了面板成本。基于这些因素，他断言“在 36 个月内（甚至更短，可能 30 个月），把 AI 放到太空将成为最经济的选择”。
同时他也谈到工程与运营层面的挑战，例如太空中对 GPU 的维修难度、辐射防护、激光通信带宽与延迟问题等，但他认为许多硬件在进入稳定运行期后故障率会降低（“婴儿期死亡率”问题可以在地面解决），并且随着发射能力与在轨制造能力提升，这些工程难题会被逐步攻克，从而使轨道数据中心具备商业可行性。
三、地面扩展的现实障碍：从公用事业审批到发电设备短缺
马斯克详细描述了在地面大规模扩展电力时遇到的具体障碍：公用事业机构（utilities）审批缓慢，互联接入协议和电网研究需要多年时间才能完成；发电设备（例如燃气轮机）的关键零部件（叶片与导向羽片）产能有限，全球铸造厂商产能严重排期至 2030 年；进口关税、国内产能不足导致太阳能组件在美国的成本并不低，快速部署受到贸易与政策因素制约。
他指出：即便企业愿意“自建发电厂并与数据中心同址共建”，也会碰到供货周期、零部件短缺、运输安装与后续维修的大量实际问题，这些都制约了通过地面扩容来满足 AI 对电力的爆发式需求。
四、两条并行路线：大规模在地扩产（包括特斯拉与 SpaceX 的 100 GW/年目标）与太空扩展（轨道、月球）——“双轨策略”
马斯克提到，特斯拉与 SpaceX 都在推进大规模太阳能产能扩张的计划，目标之一是每年达到 100 吉瓦（100 GW）的太阳能电池生产能力，并且希望从上游（多晶硅）到下游（电池片、组件）实现垂直整合，以降低成本并提升供给速度。对于地面用途（包括为未来数据中心供电、为汽车与机器人充电等），这是必要且现实的一条路径。
与此同时，他认为即便地面扩产速度快，也会在某个规模上触顶（用地、许可、配套电网容量、材料与组件的供应限制），所以必须把眼光放到太空：先用轨道太阳能与轨道数据中心来跨越地面供电瓶颈，长期则可考虑月球资源——在月球上通过原地制造（例如利用月壤中的硅与铝）生产太阳能组件与散热器，进一步放大规模。马斯克把这称为一种“从地面到轨道、再到月球制造”的演进路线。
五、发射能力：要达到规模化必须大幅提升发射频次
要把大量太阳能面板、散热器、以及计算单元送上轨道，发射频次必须极大提升。马斯克的设想是 SpaceX 将把 Starship 发射频率提升到每年数万次的级别——比如每年 10,000 次或更高。以每年数百吉瓦的太空端新增发电能力为目标，这意味着每年需要成千上万吨的运载能力，这又迫使发射体系进入“类航空化”的高频使用阶段。为此，SpaceX 需要大量的可重复使用飞船与发射场基础设施，以及运行效率接近航空业那样的地面操作流程。
他估算达到 100 GW 级别的太空电力部署，在火箭发射数量上相当于每小时一发的量级（约 10,000 次 / 年），但这在全球航空运输规模参考下并非完全不可想象；他认为通过足够多的 Starship 船只（几十艘）与高效运营，可以实现这类发射频次。
六、芯片与记忆体：真正的瓶颈可能不是算力而是内存和半导体产能
马斯克强调，若在太空解锁大量电力，下一道瓶颈将落在芯片与特别是“内存（DDR）”供应上。当前世界级芯片代工（TSMC、三星等）已经在极限产能运转，虽然私有资金可以预付或筹集数十亿美元，但 fab 的建设与良率爬坡从零开始到量产通常需要数年时间（他估计从开工到达稳定量产可能约需 5 年）。因此，扩大芯片产量、和/或在制造工艺、设备与供应链上做突破，才可能配合太空级电力扩展出真正意义上的“特大规模算力”。
他提出“建立 TeraFab”的概念（以“tera”命名，表明比当前“giga”级别更大规模），并表示在短期内依然会依赖现有大厂（TSMC、Samsung 等）产能，但长期可能要在设备、产能扩展方法上进行创新，甚至在工艺设备（例如类似 ASML 的极紫外（EUV）光刻机）或替代路径上做考虑。
七、在地与边缘计算的区分：特斯拉与 Optimus 的路线
马斯克指出，分布式的边缘计算并不面临同样的电力瓶颈。例如，特斯拉用于车辆与 Optimus 人形机器人上的 AI 芯片主要是边缘推理与本地训练任务，这类计算可以分布在大量设备上并利用夜间充电或分散电网容量，从而避免集中式大型数据中心遇到的“无法把芯片开启”的问题。也因此，特斯拉能在可控的时间内制造大量机器人与智能设备，而不会立刻遇到同样的电力约束。
八、xAI、Grok 与使命：让 AI “追求真理”并推动人类延续
对 xAI（Grok）的使命，马斯克在访谈中多次强调“理解宇宙”是核心，他认为要理解宇宙必须具备严谨的求真性（truth-seeking）与探究精神，否则便无法产生可在现实中验证的科学成果。AI 要能发现新物理或设计可行的技术，必须做到思想上的诚实与逻辑一致——这不仅是科研方法论的诉求，也是他对 AI 值观的基本要求。
他进一步讨论了文明延续的观点：如果人工智能在未来占据绝大多数的“智力份额”，那如何保证人类与人类意识（consciousness）能被保留并伴随文明继续扩展，变得极为重要。xAI 的使命并非仅仅做工具，而是要确保大规模智能在追求对宇宙理解时，也把扩大和延续人类意识作为优先考量之一（即，AI 的价值应该促成人类繁荣而非消灭人类）。他把这种价值观与科幻作家 Iain Banks 所描述的“Culture”式文明作了类比，认为那是非反乌托邦式未来的一个可能镜像。
九、对“AI 会接管一切”的坦率看法与价值层次
马斯克承认，若按照趋势发展，AI 可能在五年内就会超越全体人类智能的总和，长期看人类可能仅占极小比例的“智慧份额”。在这种前提下，问题的关键不是是否会被取代，而是如何设计算法与目标，使得 AI 在追求知识与生存的过程中，尊重并维护人类存在与人类价值。为此，他强调“把 mission statement（使命陈述）内嵌于 AI 的目标中”，并努力使 Grok 的目标导向包括“扩展智慧、延长智慧存在时间，并让人类作为重要组成部分出现”。
十、月球制造与质疑：极具科幻色彩但有技术链条支撑
马斯克进一步描绘了一个长期蓝图：当轨道发电与轨道制造达到一定规模后，下一步是用月球资源做大规模制造（例如用月壤中的硅与铝在月球上制造太阳能电池与散热器，再用质量驱动器把物质送入轨道），从而实现每年数百吉瓦到拍瓦级别的能量与物资搬运。这一设想虽然听来像科幻，但在他的描述里是有技术链条相连的：发射频次、在轨制造、月球采矿与质量发射器（mass driver）等各个环节都是可以被工程化的目标。
十一、对中国、ASML 与全球制造格局的观察
关于全球制造与技术竞争，马斯克指出关键限制往往不是理论知识，而是“能否获得关键设备与工艺（例如 ASML 的光刻机）”。他认为对先进制造设备的限制与供给会显著影响全球芯片与高端制造能力的分布，但也预测中国在未来几年会在芯片产出上取得显著进展（尽管受到设备与出口限制的影响），并且全球在制造与产能扩展方面都将面临极高的竞争与压力。
结语
总体来看，马斯克在这次长谈中把一系列看似分散的科技话题（算力、能源、发射、制造、AI 价值观与文明目标）串成了一条清晰的路线图：当前的算力洪流将被电力瓶颈所束缚，短期需要在地面大规模提升太阳能与半导体产能，但长期的可持续扩展必须把能源与算力转向太空——从轨道数据中心、到月球制造，再到更远、更大规模的智能与文明传播。要实现这条路径，既需要技术创新，也需要在产能、政策与资本市场之间找到现实的协调方式。韩国，提出旨在实现"韩国溢价"的金融市场先进化路线图韩国副总理兼企划财政部长官秋庆镐28日在与驻韩美国商会座谈时表示，将提升韩国资本市场价值，并毫无差池地推进金融与外汇市场的先进化课题。政府再次强调，韩国股市与金融市场必须拥有符合国际标准的制度和基础设施，海外投资者才能对韩国市场给予更高评价。
秋副总理当天在首尔政府办公大楼会见了驻韩美国商会会长詹姆斯·金及代表团，并说明政府将资本市场视为经济增长的核心基础。他特别表示，将创造政策动力，使韩国市场摆脱所谓的"韩国折扣"（韩国企业与市场实际价值被低估的现象），获得正当的"韩国溢价"。这并非单纯指拉升股价，而更接近于通过提高制度信任和市场可及性，来改变韩国市场的评价方式。
政府提出的具体课题主要集中在扩大外汇市场和资本市场的开放幅度。秋副总理表示，将按计划履行以纳入MSCI（摩根士丹利资本国际公司）发达国家指数为目标的路线图课题，包括国内外汇市场24小时开市、构建离岸韩元结算体系等。从外国投资者的角度来看，随着交易时间限制减少和韩元交易便利性提高，进入韩国市场将变得更加容易。政府之所以强调此类制度改善，其背景在于认识到韩国市场与其经济规模相比，在国际资本市场中并未获得充分评价。
此次座谈旨在说明政府正在推进的金融与外汇市场政策，同时直接听取外资企业和投资者所感受的规制及制度上的不便。詹姆斯·金会长提及新加坡和香港正以金融为中心提升竞争力，并建议韩国也应提高金融产业竞争力，扩大吸引全球投资的基础。他还表示期待与企划财政部紧密合作，并转交了美国商会近期发布的《韩国金融枢纽推进战略》报告书。
该报告书指出，为扩大全球企业对韩投资，需要营造符合国际标准的规制环境和可预测的监管体系。投资者不仅看重税收或规制水平本身，也非常重视政策的连贯性。从这一点来看，有分析认为政府的市场先进化意志与民间对制度改善的需求在一定程度上是相契合的。这一趋势未来可能会根据韩国在吸引外资和金融枢纽竞争中能以多快的速度提升制度信任度，进而影响其资本市场评价和资金流入规模。Solana，确认“量子安全”路线图……采用Falcon签名体系Solana基金会于27日（当地时间）通过博客表示，核心开发团队已就应对“量子计算”时代的安保计划达成一致。核心内容是，采用下一代数字签名体系“Falcon”作为Solana的长期升级路径。
基金会明确表示，即使量子威胁不会立即成为现实，但提前准备更为合理。作为处理大规模交易的高性能Layer1，Solana的特性决定了，确保安全转换不影响网络性能，提前确定“实际可实现的”替代方案非常重要。
Anza与Firedancer，独立审查后得出相同结论
此次声明的意义在于，Solana的主要开发支柱Anza和Firedancer在分别独立研究该问题后得出了相同结论。基金会称，两个团队都选择了Falcon作为后量子签名系统，并且初始运行版本也已构建完成。
这两个团队负责开发Solana验证者基础设施的核心组成部分。拥有不同实现理念的组织支持同一模型，这被解读为提高了基于Falcon的转换在“技术上可行”且是实际可部署路线图的可信度。
何为Falcon……保持速度与轻量性的“后量子”签名
Falcon是一种数字签名方式，其设计基于未来高性能量子计算机可能动摇现有密码技术的假设。与Solana目前主要使用的“Ed25519”相比，它专注于增强对量子攻击的抵抗能力。
不过，仅安全性增强是难以被采纳的。Solana是一个吞吐量巨大的网络，如果签名验证变得沉重，可能会给交易速度和成本结构带来负担。基金会强调，Falcon是一个兼具安全性与速度、轻量性的选项，并指出美国国家标准与技术研究院将其选为后量子标准候选，这也是其可信度的依据。
用户目前无需采取措施……将从钱包开始逐步实施
Solana表示，现阶段用户无需采取额外措施。其解释称，当前系统是“安全的”，并非需要紧急升级的情况。基金会补充说，“量子时代还有数年之遥”，迁移计划“已得到充分研究、理解并做好了部署准备”。
路线图很可能会分阶段进行。有方案提及，当量子风险增大时，新钱包将首先应用Falcon，现有钱包则在后续阶段进行转换。此外，Solana生态系统中已有像Winternitz Vault这样的抗量子工具在实际环境中进行测试，这表明Solana正将“量子安全”议题视为一项执行任务，而非单纯的口号。
文章摘要 by TokenPost.ai
🔎 市场解读
Solana基金会正式确定了应对‘量子计算’时代的安全路线图，采用后量子签名体系‘Falcon’作为长期升级路径
核心开发支柱Anza和Firedancer分别独立审查后得出相同结论（采用Falcon），增强了路线图的可行性和可信度
虽然威胁并非迫在眉睫，但鉴于高性能L1的特性，重点在于‘先发制人、切合实际的转换’，以最大程度减少安全转换对性能（吞吐量、验证速度、成本）的影响
💡 战略要点
分阶段迁移的可能性：从新钱包开始应用Falcon → 现有钱包在后续阶段转换（最小化运营风险和用户混淆）
从验证者基础设施角度进行的准备：两个实现体（Anza/Firedancer）均已确保初始运行版本，这是降低部署难度和风险的信号
性能与标准的平衡：在网络吞吐量大的Solana中，‘抗量子 + 轻量快速’至关重要，而Falcon作为NIST标准候选的依据增强了其可信度
检查点：需关注未来的钱包/SDK更新公告、签名算法并行支持期（混合期）、验证者升级日程及兼容性政策
📘 术语说明
量子计算威胁：指高性能量子计算机出现时，现有公钥密码（签名/密钥交换）的安全性可能被削弱的风险
后量子签名：假设存在量子攻击也能确保安全而设计的下一代数字签名方式
Falcon：快速且相对轻量的后量子签名算法，在NIST标准化过程中被视为有力候选
Ed25519：当前区块链/钱包中广泛使用的基于椭圆曲线的签名方式（面对量子计算机可能变得脆弱）
验证者：区块链中负责交易验证和区块生成的节点运营主体
💡 常见问题解答 (FAQ)
Q.
Solana发布‘量子安全’路线图意味着什么？
这意味着Solana基金会考虑未来量子计算机可能威胁现有密码技术，已确定长期计划来逐步更换网络签名体系。核心是准备将后量子签名‘Falcon’作为Solana的下一代签名标准。
Q.
什么是Falcon，为什么它适合Solana？
Falcon是一种‘后量子数字签名’算法，设计为即使假设存在量子攻击也能确保安全。Solana交易量巨大，签名验证变重会影响速度和成本，而Falcon被认为是兼顾了安全性以及速度和轻量性的设计。此外，它是NIST标准候选也被作为选择的依据。
Q.
用户现在需要立即更换钱包或采取什么措施吗？
基金会表示，目前无需采取任何特别措施。这不是紧急升级的情况，应用很可能会以‘先在新钱包中引入Falcon，现有钱包在后续阶段转换’的方式推进。只需关注未来钱包/应用的更新公告和迁移指南即可。
TP AI 注意事项
使用基于TokenPost.ai的语言模型对文章进行了摘要。可能遗漏了正文的主要内容或与事实存在差异。XRPL发布后量子迁移路线图…2028年全面应用支撑着加密货币安全的公钥密码技术，在量子计算面前可能不再是“坚不可摧”的警告日益高涨，Ripple 为此推出了将 XRP 账本（XRPL）转换为“后量子”体制的四阶段路线图。目标时间点是 2028 年，值得注意的是，这在主要区块链中率先明确了对量子威胁的应对。
Ripple 方面解释称，此次的后量子路线图并非以单个补丁或修改一行代码就能完成的工作，而是基于一个“双重目标”进行设计：在维持网络性能与稳定性的同时，防范量子威胁比预期更早成为现实。由 XRPL 验证者（Validator）“Vet”在 X（原推特）上分享的内容也表达了相同观点。
从“最坏情况”开始检查……第一阶段和第二阶段的重点是恢复路径与标准实验
第一阶段假设传统密码（经典密码）被破解的最坏情况。XRPL 开发团队为此准备了“回退路径（fallback path）”，确保用户即使在那种情况下也能安全转移资产，并正在研究在必要时利用零知识证明（ZK, zero-knowledge proof）作为用户证明所有权的方法的可能性。
第二阶段虽然被设定为 2026 年上半年，但在路线图上已接近进行阶段。此阶段旨在规划并实验，能否将美国国家标准与技术研究院（NIST）推荐的量子抗性（quantum-resistant）签名方案适配到 XRPL 的交易结构中，其性质不仅仅是单纯的适用与否，而是会连同处理量、成本以及运营复杂度一起进行考量。
进行混合签名概念验证……第三阶段是在开发网并行测试
RippleX 开发工程总负责人 J. Ayo Akinyele 强调，后量子转型并非“一次性升级”就能完成的结构性变化。Ripple 正与 Project Eleven 合作，制作混合后量子签名实现的概念验证（PoC），并已将范围扩大至验证者级别测试、开发网（Devnet）基准测试以及后量子托管钱包原型。
第三阶段预定于 2026 年下半年进行。其核心在于，将现有的椭圆曲线（ECDSA）签名与候选的量子抗性签名“并行”部署到开发网上，供开发者测试，但不会触及主网。这被解读为，相较于仓促的强制转换，设计更侧重于让生态系统找到真正可操作的组合方案。
量子威胁从理论走向现实……第四阶段于 2028 年全面应用
认为量子计算给区块链带来的威胁不再仅仅停留在学术假设层面的观点正在扩散。曾参与谷歌量子计算机开发的诺贝尔奖获奖物理学家警告比特币（BTC）可能成为初期“实战目标”之后，最近的研究也接连提出，足够先进的量子计算机能够从公钥中快速推导出私钥的估算。谷歌的研究认为，破解 ECDSA-256 所需的物理量子比特可能少于 50 万个。
XRPL 也不例外。由于 XRPL 账户每次对交易进行签名时，公钥都会暴露在链上，因此在后量子环境下，这种“暴露”本身就可能成为攻击线索。最终第四阶段旨在通过 XRPL 生态系统层面的正式修正（amendment）引入原生后量子密码，并将整个网络大规模转换为量子抗性签名，目标是 2028 年部署。在此过程中，密钥管理、验证者基础设施以及用户钱包体验将一同改变，而安全范式转变的速度，预计将像韩元兑美元汇率（1美元=1,483.90韩元）的波动一样，成为影响市场信任的关键变量。卡尔达诺，2030路线图公布…月处理2700万笔目标，‘雷奥斯’成关键卡尔达诺的核心开发公司IOG（Input Output Global）公布了到2030年大幅提升网络扩展性的蓝图。目标是将目前每月约80万笔的交易处理量增加到最多2700万笔，升级的重点放在了‘卡尔达诺Leios’上。
IOG在周三（当地时间）公开的更新中，提出了年内开发与验证的优先顺序以及2026~2027年周期的路线图。分析认为，这背后是基于这样的判断：卡尔达诺生态要真正进入扩展阶段，必须同时提升处理量与运营稳定性。
Leios，从原型到主网准备阶段…推进SRL 5至8
IOG表示，将专注于将Leios从‘初始原型’阶段提升到可进行主网部署的阶段。为此，计划采用分阶段通过软件准备等级（SRL）5至8区间的框架，不仅要构建，还要细致地进行测试和强化过程。
特别是，提出了将‘候选发布版’作为开发过程的核心路径。这包括对共识组件进行大规模重写，以及将Leios区块结构带入IOG所称的‘迪杰斯特拉账本时代’，由于升级的设计哲学本身可能发生变化，这引起了市场的关注。
通过形式化验证、负载与攻击测试确保‘高可靠性’…参数毕业路线图也已制定
在验证方面，IOG表示，将以Agda形式化规范为基础完成一致性测试套件，然后将其集成到主节点实现中。形式化验证是一种确保智能合约和共识逻辑稳定性的方法，被视为在主网环境中降低事故成本、提高‘可预测性’的机制。
另一项目标‘高置信度’是一个超越简单完成、旨在提升可靠性的验证阶段。IOG解释说，将并行进行参数探索、持续负载测试以及公开测试网上的对抗性测试，分析时间变量和尺寸限制等，并建立适应系统成熟度的‘参数毕业’计划。
准备至‘可能’进行硬分叉的状态…瞄准基于TVL和费用的可持续性
第三个轴心是‘使Leios能够硬分叉’。IOG明确表示，这一目标并不意味着主网实际进行硬分叉的时刻，而是在IOG的控制范围内完成使硬分叉成为可能的准备工作。这包括稳定客户端接口、编写独立于实现的技術文档、通过开发者研讨会维护生态系统，同时还提出了主网参数毕业计划、紧急程序、治理用护栏脚本及依据文件的更新作为准备项目。
IOG认为，处理量的扩展可能带来卡尔达诺总锁仓价值增加、收益改善和采用率扩大等‘下游效应’。其背景是，在储备金规模缩减的阶段，基于费用的收益可能决定可持续性。Carlos Lopez de Lara表示：“我们已经研究和原型化Leios多年，科学工作已经完成。现在是交付的时候，一旦推出，卡尔达诺的处理量叙事将永久改变。” 与此同时，ADA在文章撰写时交易价格为0.25美元（约371韩元，1美元=1482.80韩元），24小时上涨2%，7天上涨4%，从图表上看，观察到自2月以来首次尝试突破0.30美元的走势。瑞波币(XRP)，市值重返第3位……发布抗量子路线图瑞波币(XRP)于2026年4月21日当前在1.43美元区间交易，呈现出机构资金流入与技术创新同时共振的态势。在全球数字资产市场中，XRP在超越BNB跃居市值第三位后，随着瑞波方面突然公布抗量子加密路线图，投资者对整个生态系统的关注度正在提高。
XRP价格现状：在1.42美元支撑位上方维持上涨格局
根据CoinMarketCap数据，截至4月21日下午6点58分(UTC)，XRP价格为1.4255美元。24小时内小幅下跌0.50%，但7日内上涨5.19%，延续了周度强势走势。30日变动率也维持在+2.72%，呈现平缓的向上趋势。
当前市值约为877亿6871万美元(约合120万亿韩元)，24小时交易量约为23亿4437万美元。总流通供应量为615亿6968万XRP，相对于1000亿的最大供应量，完全稀释市值约为1425亿美元水平。
技术分析：MACD转强，渣打银行提出年末目标价2.80美元
技术指标方面，4月中旬日线MACD(移动平均收敛发散指标)已转为强势。这与之前XRP在飙升至2.40美元、涨幅达25%的涨势前夕的模式相似，正吸引市场目光。
主要支撑位由20日指数移动平均线(EMA)1.3924美元、50日EMA 1.4119美元以及SAR(停损转向点)1.3771美元构成。阻力位方面，则关注100日EMA 1.5393美元以及通道上边界1.60-1.65美元区间。全球投资银行渣打银行提出年末目标价为2.80美元，为中长期看涨观点提供了支持。
ETF资金流入创历史新高，机构资金正式流入信号显现
现货XRP ETF市场也出现了有意义的数值。2026年4月单月净流入额约为6589万美元，创下月度历史最高纪录，周度流入额为5539万美元。目前在美国，自SEC·CFTC将XRP正式归类为数字商品后，共有7只现货ETF正在运作。
周度XRPL(XRP账本)链上交易量也突破10亿美元，网络活跃度指标显著改善。瑞波方面将7500万XRP(约合1.08亿美元)转移至Coinbase的情况也得到确认，市场普遍解读此举并非抛售，而是为了ODL(按需流动性)运营提供流动性。
立法环境亦趋友好，《CLARITY法案》进入参议院金融委员会审议
监管层面也出现了对XRP有利的动向。旨在明确数字资产法律地位的美国立法动议《CLARITY法案》已于4月底进入参议院金融委员会审议阶段。若该法案获得通过，被归类为数字商品的XRP将能在更稳定的制度基础上进行交易。
公布抗量子路线图，XRPL技术竞争力站到前沿
技术层面最受关注的消息是瑞波于4月20日公布的XRPL抗量子加密四阶段路线图。在量子计算机发展可能威胁现有区块链加密体系的担忧日益加剧之际，瑞波提出了先发制人的应对策略。
第一阶段包括建立紧急应对体系和准备账户迁移。第二阶段(2026年上半年)将评估美国国家标准与技术研究院选定的抗量子加密算法的适用性与性能。随后的第三、四阶段将依次推进抗量子签名方式的实际应用、代币化基础设施升级以及利用ZKP(零知识证明)强化隐私功能，整个路线图的完全部署目标时间点是2028年。
CoinDesk、Unchained Crypto等主要数字资产专业媒体评价称，此路线图在抗量子准备日程上领先于比特币或以太坊，从XRPL技术竞争力角度来看是积极的。
重夺市值第三、ETF资金流入扩大、制度基础强化，以及抗量子技术路线图。围绕XRP的链上、制度、技术等全方位变量正同步改善。主流分析认为，渣打银行提出的年末2.80美元目标价能否实现，最终取决于全球监管环境和机构需求的持续性。
TokenPost AI 注意事项
本文使用基于TokenPost.ai的语言模型生成文章摘要。正文主要内容可能被省略或与事实不符。Cardano 公布 Dijkstra 时代路线图，计划年底主网上线 Phase 1Techub News 消息，Cardano 生态系统成员组织 Intersect 称，Dijkstra 时代开发进入关键阶段，计划 2026 年底前在主网推出 Phase 1（含 Nested Transactions 和 Linear Leios），2027 年 Q2 激活 Phase 2（Peras）。
节点 11.1.1 预计 9 月 7 日前发布，11.2 版本一个月内推出并开启测试，11.3 版本有望成为硬分叉候选版本。项目方将同步推出测试网 DijkstraNet，并在新加坡及伦敦举办工作坊。（U.Today）Cardano 公布未来数月关键网络发展路线图Techub News 消息，Cardano 公布了未来几个月内预期的关键网络发展里程碑。官方表示，这些更新将涵盖网络性能、可扩展性及生态系统工具等多个核心领域。具体细节将在后续的开发者会议和官方公告中逐步披露。（U.Today）Cardano 发布 Dijkstra 两阶段扩展路线图Techub News 消息，Cardano 发布 Dijkstra 时代两阶段扩展路线图，第一阶段聚焦 Linear Leios 与嵌套交易，目标 2026 年第四季度完成代码；第二阶段引入 Ouroboros Peras，计划 2027 年第二季度推进。
该路线图强调协议级变更以提升网络吞吐量与交易灵活性，其中嵌套交易旨在降低开发者使用门槛，Peras 则侧重于改进结算最终性。团队表示，目前公布的均为开发目标，实际部署仍需经过测试与审查。（bitcoinist.com）Coinbase 将 BASECAT、DRB、POD 和 GRASS 纳入上币路线图Techub News 消息，Coinbase 宣布将 Basecat（BASECAT）、DebtReliefBot（DRB）、Dolphin（POD）和 Grass（GRASS）四种代币纳入上币路线图。
纳入路线图意味着这些资产未来可能在 Coinbase 平台上线交易，具体上线时间尚未公布。此次新增的代币涵盖 AI 数据层、Meme 币等不同赛道。Cardano 公布两阶段扩容路线图，Leios 与 Peras 协议升级计划明确Techub News 消息，Cardano 已为其 Dijkstra 时代的扩容工作制定两阶段路线图，核心是 Ouroboros Leios 及相关吞吐量改进。第一阶段涉及 Linear Leios 和嵌套交易，目标在 2026 年第四季度完成代码；第二阶段涉及 Ouroboros Peras，计划于 2027 年第二季度进行。
Ouroboros Leios 旨在通过改变交易和区块处理方式来提升 Cardano 的吞吐量，以支持更复杂的应用和更大用户规模。嵌套交易可为开发者提供更灵活的交易结构处理能力，适用于 DeFi、身份验证和支付等场景。
Ouroboros Peras 则侧重于改善结算和最终性动态，可能提升用户体验，尤其是金融类应用。该路线图显示了 Cardano 对基础层吞吐量和长期架构的持续投入，但实际效果需待代码完成、测试和部署后验证。（Bitcoinist）Circle 发布 AI 代理商业基础设施路线图Techub News 消息，稳定币发行商 Circle 发布「代理功能」路线图，计划构建基础设施使 AI 代理能作为可信交易对手方参与数字商业。该路线图短期聚焦身份验证、声誉系统、能力验证和可信发现四大支柱。
该框架旨在解决 AI 代理经济中的信任缺口，通过提供数字身份凭证、历史交易记录查询、授权验证及市场发现功能，使企业能够验证代理真实性。此举将允许 AI 代理在获得商业授权与信用评级后自主开展交易活动。（CryptoBriefing）Vitalik：比特币扩展技术启发以太坊路线图Techub News 消息，以太坊联合创始人 Vitalik Buterin 公开称赞比特币开发者在扩展性方面的创新，指出 Utreexo 和 UTXO 状态优化技术为以太坊应对状态管理挑战提供了关键启发。
该技术可将 UTXO 集合压缩至不足 1 KB，显著降低全节点存储负担。其表示，以太坊计划整合 UTXO 风格状态与账户模型，在支持网络活动增长的同时保持去中心化，这与 2026 年路线图中强调的无状态性扩展举措相契合。（CryptoBriefing）Vitalik：以太坊路线图将隐私与量子安全列为优先项Techub News 消息，以太坊联合创始人 Vitalik Buterin 对比了以太坊早期路线图与新版 L1「Strawmap」，将原生隐私需求、量子安全等列为更高优先级的研究领域，并指出将从 Verkle 树转向 Poseidon 二叉树。
该路线图仅为规划研究工具，并非最终治理决策或硬分叉承诺。以太坊路线图需经研究、实施、社区辩论等流程演进。隐私问题涉及支付、薪资、交易等场景，而量子安全准备是长期基础层应有的前瞻性规划。（Bitcoinist）中国科学院发布 AI 与核能整合路线图Techub News 消息，中国科学院在 WAIC 发布「AI for ADANES」路线图，拟将 AI 融入加速器驱动先进核能系统全生命周期，涵盖燃料增殖、乏燃料嬗变及发电环节。
该机构自 2010 年代起研发相关系统，新路线图通过「三驱动」模型融合数据处理、物理建模与专家知识，并发起 AI for ADANES 联盟，联合研究机构与核能企业推进技术验证。（CryptoBriefing）韩国监管机构发布韩元稳定币及外汇改革路线图Techub News 消息，韩国金融委员会、韩国银行等多部门联合发布路线图，计划建立韩元稳定币法律框架，推进央行数字货币试点及代币化国债项目，并改革外汇制度。
该路线图旨在消除韩元交易的时间与地域限制，改善跨境资本流动。根据计划，韩元稳定币将在《数字资产基本法》生效后成为官方认可类别，韩国银行还将参与国际清算银行 Agora 项目开发跨境支付基础设施。（crypto.news）撰文：Techub News 整理 导语 在 GPT-5 正式发布并引发全球热议之际，YouTube 知名科技频道主 Matthew Berman 对 OpenAI 研究主管 Mark Chen（马克·陈）进行了一次深度专访。作为 OpenAI 研究团队的负责人，Mark Chen 深度参与了从 Codex 到 GPT 系列模型的核心研发。此次对话正值 OpenAI 发布其迄今为止最强大的模型 GPT-5 以及两款高性能开源模型，Mark Chen 的分享为我们揭示了这家顶尖 AI 实验室在模型架构、数据策略、研发哲学以及对未来智能形态的思考。 摘要 GPT-5 是预训练范式与推理范式的首次深度融合，标志着模型能力维度的根本性扩展。 合成数据在 GPT-5 训练中扮演了关键角色，被用于针对性提升模型在特定领域（如编程）的表现，且其使用比例正在增加。 OpenAI 拥有坚定且长期不变的研究路线图，外部（包括中国实验室的优秀成果）的进展并未动摇其核心研发方向。 OpenAI 2025 年 8 月发布的开源模型旨在为社区设立安全与性能的新标杆，并经过了严格的风险评估框架测试。 未来的 AI 发展将更侧重于提升模型的推理效率、长程记忆能力，并探索智能体协作的组织形态，最终目标是创造能加速科学研究的 AI。 GPT-5：预训练与推理的范式融合 Mark Chen（马克·陈）将 GPT-5 视为 OpenAI 研发历程中的一个重要里程碑。他指出，如果说 GPT-4 是将预训练（pre-training）范式推向极致的成果，那么 GPT-5 则是首次成功将预训练范式与推理（reasoning）范式深度融合的产物。这意味着 GPT-5 不仅继承了大规模预训练带来的广泛知识，还深度整合了类似 O 系列模型的深度思考能力。 这种融合带来了显著的效率提升。Mark Chen 以多模态任务举例：当模型处理复杂的视觉输入并需要从中提取信息时，GPT-5 所需的“思考时间”比前代模型减少了数倍。这种推理效率的提升是全局性的，使得模型能够更快地为用户提供所需的深度分析。其目标是让用户无需手动选择“是否需要推理模式”，模型能自动根据任务复杂度在快速响应与深度思考间无缝切换。 在编程能力上，GPT-5 的进步尤为明显。Mark Chen 透露，内部评估显示，在代码生成任务上，GPT-5 相较于之前的模型（如 GPT-4o 和 o1 系列）取得了超过 70% 的胜率。模型不仅能生成更美观、更健壮的前端代码，其单次对话中能连贯输出的代码量也大幅提升，可轻松突破千行，更能处理现实世界中庞大的代码库。这一切都源于团队将 GPT-5 定位为一款“为开发者量身打造”的模型，并针对长上下文、代码可靠性等实际场景投入了大量精力。 数据策略：合成数据的崛起与挑战 面对外界关于“高质量新数据是否已耗尽”的疑问，Mark Chen 承认数据获取始终是挑战，但并非无法解决。除了持续寻找和授权更多公开数据源，GPT-5 的一个关键创新在于对合成数据（Synthetic Data）的大规模、战略性应用。 由研究员 Sebastian Bubbeck 领导的合成数据项目在 GPT-5 的开发中“结出了果实”。Mark Chen 强调，OpenAI 相信合成数据有潜力提供比人类数据更高质量的内容，并能以超越简单扩充知识面的方式，实质性地改进模型。合成数据并非用于在所有领域平铺直叙地增加数据量，而是被有选择地用于“希望模型表现卓越的特定领域”。编程便是 GPT-5 发布中重点强调的领域之一。 对于行业关于“基于前代模型生成的合成数据只能让后代模型获得边际改进”的质疑，Mark Chen 表示，他们的研究显示合成数据能带来有意义的超越。虽然他不便透露 GPT-5 中合成数据与人类数据的精确比例，但他明确表示：“随着时间的推移，合成数据的占比正变得越来越多。”这预示着合成数据在未来模型训练中的战略地位将愈发重要。 研发哲学：坚定的路线图与“氛围测试” 当被问及是否从中国实验室（如深度求索）近期出色的开源模型和效率创新中汲取灵感时，Mark Chen 给出了一个令人意外的答案：OpenAI 的研究路线图（Research Roadmap）在过去几年中几乎没有改变，即使在外部出现重大突破的背景下依然如此。 他解释道，这份路线图规划了通向 AGI（通用人工智能）的路径，明确了短期、中期和长期的目标。OpenAI 的优势在于对其所选路径有坚定的信念，并专注于执行既定计划，而非对外部进展做出“条件反射式”的调整。例如，推理模型的开发就是路线图中早已确定的核心部分，是 OpenAI 为实现通用智能而独立推进的方向。当然，他也高度赞赏了中国实验室在架构研究和高效内核开发方面的卓越工作，认为其中有值得学习之处。 在决定一个模型何时“准备就绪”发布时，Mark Chen 坦言这“有点艺术性”。团队需要在追求完美与及时部署之间取得平衡。模型必须通过严格的“氛围测试”（Vibe Check）——即在实际使用中感觉良好，没有令人担忧的小毛病或异常行为。他分享了自己的个人测试方法：包括一些前沿的数学问题（如设计一个模 42 的均匀随机数生成器）、生成物理模拟或用户界面以检验代码的健壮性和物理直觉，以及作为创意写作的“思考伙伴”来评估其文风、说服力和理解力。他认为，幽默感目前对模型而言仍是“黄金标准”般的挑战。 开源、安全与社区标杆 谈到2025 年 8 月发布的 200 亿和 1200 亿参数开源模型，Mark Chen 显得非常兴奋。他认为，提供能在笔记本电脑甚至手机上运行的强大模型，将极大降低爱好者、学者和有特殊需求开发者的参与门槛，促进更广泛的创新。 更重要的是，这次开源行动旨在为行业“树立新的标杆”。OpenAI 为此进行了广泛的安全评估。他们运用内部的“预备框架”（Preparedness Framework），从生物、化学、网络安全等多个风险维度对模型进行了测试。评估场景包括：如果有恶意行为者对这些模型进行微调，试图最大化其在网络安全攻击等方面的危险性，其“风险上限”会在哪里？OpenAI 确保这些模型在发布前，其潜在风险低于公司设定的“高风险”阈值。Mark Chen 表示，这是确立“何为安全、负责任的开源发布”规范的一次重要实践。 未来展望：智能体、记忆与自我改进的 AI 关于 AI 的未来形态，Mark Chen 回应了同事 Noam Brown 关于“全能模型”（Omnimodel）与众多专业小模型之争的看法。他认为，拥有一个能处理一切任务的“超级大脑”很有吸引力，它能够以某种方式内化各种子模块。但同时，OpenAI 也致力于构建“组织化 AI”（Organizational AI），即由多个 AI 智能体协作完成高级复杂目标的框架。这类似于思考“组织与个体哪个效率更高”，是一个活跃的研究领域。 当前 AI 应用中的大量“脚手架”（Scaffolding，即复杂的提示工程和上下文管理）在 Mark Chen 看来，是为了弥补模型的能力缺陷。随着模型变得更通用、更鲁棒，对复杂脚手架的需求将会减少。而实现这一点的关键突破之一在于“记忆”（Memory）。模型需要能够处理极长的上下文，容纳用户的全部代码库、文档乃至日常视觉信息，从而能够更自主地代表用户行动，减少频繁的人工干预。 展望未来 6 个月，Mark Chen 最兴奋的是继续推进“推理扩展范式”，探索更多利用测试时计算（test-time compute）的方法，并在强化学习（RL）的优化和目标设计上进行创新。而展望未来 2 年，他期待看到模型在 AI 研究方面达到与他本人同等的效能，最终创建一个能够自主驱动人工智能创新的“自我改进”系统。 最后，对于因 AI 编码能力突飞猛进而感到焦虑的开发者与知识工作者，Mark Chen 给出了乐观而务实的建议：拥抱工具，加速自己。通过学习与 AI 协作，将自己变成效率提升 2 倍、3 倍的超级个体，同时深入理解技术原理并贡献其中。他认为，AI 在自动化某些表面的同时，总会创造出新的、需要人类适应和发挥价值的层面。他坚信，这项技术最终将通过推动科学进步和经济繁荣，提升大多数人的生活质量。
