模型排行榜
模型排行榜
|
人形机器人部件按照成本占比排序，哪些是核心，都是谁生产的？
人形机器人部件按成本占比排序没有唯一答案：一份测算把行星滚柱丝杠排到35.4%，另一份算出关节总成约50%。本文讲清三种切法的口径差异与重复计算陷阱，合并五份测算后给出跨报告的硬共识——执行与传动四件套合计占七成以上、大脑系统不到4%，再用价值量、壁垒、国产化率区分"占比大"与"真核心"，落到各部件的生产企业。 发布日期: 2026-09-21 |
|
客户端通用Agent角逐，最看好腾讯的workbuddy、豆包工作
2026年是"桌面Agent元年"：腾讯WorkBuddy 3月商用、9月上线开放平台，阿里千问办公8月整合公测、首月用户破3000万，字节豆包工作9月融入飞书。本文划清"客户端通用Agent"与聊天机器人、IDE Agent、RPA的界线，并排三家优劣，落到四个胜负手：上下文所有权、权限与安全、生态开放度、跨端连续性。 发布日期: 2026-09-17 |
|
人类语料基本训练完毕，现在大模型的升级核心是在做什么？
人类公开文本的有效存量约300万亿tokens，按当前训练规模推演，2026-2032年之间会被完全用尽——"数据墙"已经不是预测而是事实。本文把升级核心拆成四根杠杆：合成数据、可验证奖励的强化学习RLVR、测试时计算、数据来源重构，并指出四根杠杆最终卡在同一处：谁有资格当裁判。 发布日期: 2026-09-15 |
|
AI进入推理时代，内存（HBM）和闪存（NAND）将会如何演进
训练造模型，推理用模型。2026年推理算力正反超训练，内存墙从训练瓶颈转为推理瓶颈。HBM4把单栈带宽拉到2~3.3TB/s；NAND奔向400+层、单盘破60TB，借"计算存储"给GPU减负；中间的CXL把内存变成机架共享池。结论：推理时代的内存金字塔按"温度"分层——热在HBM、温在CXL池、冷在NAND。 发布日期: 2026-09-11 |
|
端上可运行的模型进展如何了，手机和电脑上能跑什么模型？
端侧能跑的是1B-8B、量化到约4位的模型，能力边界在分类、抽取、改写、摘要等"有界任务"。手机端模型已变成操作系统的系统服务（苹果AFM约3B、Gemini Nano 1.8B-3.25B）；电脑端真正的分水岭是内存：64GB统一内存能跑70B，32GB显存的显卡跑不动。决定能跑多大的不是TOPS，是带宽和容量。 发布日期: 2026-09-10 |
|
国产GPU替代进程梳理，光刻机这个卡点如何了，没听说缺存储？
把三个常被分开问的问题串成一条线：卡点在产业链上从不均匀分布，它专挑"非用EUV不可"的那一环。国产GPU份额首破四成但走的是超节点绕行路线；光刻机28nm有突破却存在量产口径之争；存储没被卡是因为DRAM/NAND本就不依赖EUV——但HBM是例外，而它正是AI最需要的部分。 发布日期: 2026-09-09 |
|
Herman：现在在是 1998 年，不是2000年，AI 泡沫还没来
8月27日168X访谈实录。Herman先复盘6月第一批看空的逻辑，再给出翻多理由：650亿利空没有踩踏、锚定Anthropic是错的（27%算力赚钱、70%正在被开发）、瓶颈在供给不在需求。核心账本：预期的收入能否justify预期的投入——答案是现在是1998年，不是2000年，真正的AI泡沫还没来。 发布日期: 2026-09-01 |
|
从GPU到AI服务器，剖析英伟达的产品定位
英伟达不再只是一家GPU公司。本文从芯片（GPU/CPU/DPU/NIC）、互联（NVLink/NVSwitch）、整机（DGX/HGX/MGX）、机架（NVL72）、网络与软件（CUDA/Spectrum-X）五个层次，剖析"数据中心即计算单元"的全栈定位，以及从"卖芯片"到"运营AI工厂"的战略演进。 发布日期: 2026-08-27 |
|
DUV和EUV的区别是什么，制造EUV的核心难点是什么
波长193nm的DUV与13.5nm的EUV差了一个数量级，技术路线完全分化。本文从光学系统、光源、掩模、真空等六大维度对比两者，并拆解制造EUV光刻机的五大难点：每秒5万次轰击锡滴的光源、原子级平整的蔡司反射镜、比太空还干净的高真空、180吨下的亚纳米精度双工作台，以及5000家供应商的供应链死结。 发布日期: 2026-08-25 |
|
AI算力帝国：巨头份额版图与供应链暗战
英伟达81%、AMD 10%、博通ASIC 8%——2026年AI芯片市场突破5000亿美元。本文从GPU/CPU/HBM/SSD四大核心部件拆解供应链：SK海力士掌控HBM半壁江山、三星主导企业级SSD、台积电是所有人的代工方，以及四大巨头各自的采购版图与国产替代突围之路。 发布日期: 2026-08-21 |
|
AI重塑生命科学：从AlphaFold到AI原研药
一款新药为何要"双十定律"——10年、10亿美元、90%失败率？本文拆解AI如何重构生命科学：AlphaFold蛋白质结构革命、AI制药五层产业链、英矽智能Rentosertib冲进III期等标杆案例，以及基因组学、AI诊断、蛋白质设计等更多战场，并冷静审视AI解决的是效率而非成功率。 发布日期: 2026-08-20 |
|
人形机器人产业化元年：从宇树上市看万亿赛道启幕
2026年8月19日，宇树科技登陆科创板，发行价150.80元，开盘大涨629.44%，市值一度突破4449亿元——人形机器人第一股诞生。本文梳理宇树从实验室手搓XDog到IPO的十年，拆解人形机器人"大脑-小脑-躯干"三层架构与核心零部件产业链：行星滚柱丝杠占BOM 22%、国产化率仅40-50%，是最值得关注的环节。 发布日期: 2026-08-19 |
|
HBF高带宽闪存：AI推理时代的存储新层级
2026年8月4日，闪迪与SK海力士通过OCP发布首个HBF（高带宽闪存）标准：把3D NAND用TSV垂直堆叠成HBM形态，容量是HBM的8-16倍、成本只有1/5到1/6，代价是延迟高两个数量级——不替代HBM，而是在HBM与SSD之间插入新的存储层级。本文对比两者六维差异并拆解技术架构。 发布日期: 2026-08-18 |
|
NAND闪存：推理时代的隐形主角
训练是"写密集"，推理是"读密集"——模型权重一旦加载就基本只读，瓶颈从HBM转向"装得下、读得快、成本低"，这正是NAND的主场：单颗SSD已达30TB+、每GB成本只有HBM的1/100。本文拆解3D NAND的堆叠制造，并给出它在推理时代的四大价值：模型权重存储、KV Cache卸载等。 发布日期: 2026-08-17 |
|
AI服务器关键部件介绍
AI服务器与普通服务器的核心区别是用GPU替代CPU作为主要算力来源。本文拆解内部关键部件：GPU（算力核心）、CPU（调度中枢）、HBM（占GPU成本四到五成的算力命脉）、光模块（集群互连，800G为主流）、24-30层高多层PCB、电源与液冷，并给出各部件的作用与代表厂商。 发布日期: 2026-08-14 |
|
GPU制造流程及核心厂商
一颗AI GPU从无到有要经历设计→流片→晶圆制造→封装→测试→组装六个阶段：设计壁垒最高（周期2-3年）、3nm流片一次约500万美元、先进晶圆厂只有台积电/三星/Intel三家能建、H100靠CoWoS封装与HBM合体，CoWoS产能正是GPU缺货的瓶颈。本文按阶段拆解全流程与核心厂商。 发布日期: 2026-08-14 |
|
HBM制造流程及核心厂商
HBM用TSV硅通孔把多层DRAM垂直堆叠，带宽是普通DDR5内存的16倍，一颗AI GPU上通常搭4-8颗。本文拆解制造五步：DRAM制造→TSV打孔（单颗超5000孔）→芯片减薄到头发丝直径→堆叠键合→CoWoS封装，并给出SK海力士约50%、三星约40%、美光约10%的格局，以及它为何是AI芯片供给瓶颈。 发布日期: 2026-08-14 |
|
CPU制造流程及核心厂商
CPU与GPU制造流程大同小异，差别在架构理念：CPU追求低延迟单线程，GPU追求高吞吐并行。本文讲清从ISA选型、微架构设计到晶圆制造、FCBGA封装与Bin分级的全流程，对比x86与ARM在AI服务器上的路线之争，并给出Intel约70%、AMD约25%的服务器份额格局。 发布日期: 2026-08-14 |
|
PCB制造流程及核心厂商
PCB被称为"电子产品之母"，所有芯片都要靠它互连。AI服务器主板24-30层、线宽50-75μm、单板价值3000-5000元，是普通服务器的3-5倍。本文按开料、内层蚀刻、层压、钻孔、通孔金属化、阻焊、表面处理等核心工序拆解制造流程，并给出沪电股份、深南电路等核心厂商的座次。 发布日期: 2026-08-14 |
|
光模块制造流程及核心厂商
AI训练靠成百上千台服务器组集群，服务器之间的数据传输全靠光模块——一台8卡H100服务器要配8-9个800G光模块，占整机成本10%-15%。本文从激光器光芯片制造、TOSA/ROSA封装、光引擎组装到模块测试拆解全流程，并对比可插拔、CPO、LPO三条技术路线与核心厂商。 发布日期: 2026-08-14 |
|
大语言模型Transformer架构
2017年Google的《Attention is All You Need》奠定了大语言模型的共同底座。本文拆解Transformer架构：Token嵌入与位置编码、Q/K/V自注意力机制、多头注意力的分工，以及Encoder-only（理解）、Decoder-only（生成）、Encoder-Decoder三类分支。 发布日期: 2026-08-14 |
|
AI Agent诞生及构建原则
ChatGPT能对话却不能自主行动，AI Agent由此诞生——以LLM为大脑，赋予感知、规划、行动、记忆四大模块的能力。本文拆解ReAct等规划策略、Function Call工具调用机制、向量数据库长期记忆，以及六条构建原则：工具设计优于Prompt工程、让Agent能自我纠错、限制行动范围等。 发布日期: 2026-08-14 |
|
AI Skill诞生及创建策略
AI Skill是Agent时代的"应用单元"——把完成任务所需的指令、工具配置与领域知识封装成可复用、可分发的标准包，比Function Call（零件）和Plugin（工具箱）粒度更高。本文讲清Skill的诞生逻辑与内部结构，并给出五条创建策略：单一职责、指令具体到可执行、设计错误处理路径、知识注入要精准等。 发布日期: 2026-08-14 |
|
AI和之前的工业革命有何区别，将驱动人类走向何方？
蒸汽机让人类"跑起来"，电力让世界"亮起来"，信息技术让地球"联起来"。AI正在让世界"智起来"——但这一次，机器替代的不再是体力，而是认知与决策本身。本文从本质区别、速度差异、渗透方式、生产要素、就业冲击、地缘格局、风险治理七个维度，系统对比AI与之前三次工业革命的根本不同，并展望人类文明的下一个跃迁。 发布日期: 2026-08-13 |