Silicon Valley Vector 硅谷坐标

【硅谷坐标 × 华源HYSTA 特别节目】：AI 的下一程：对话11 位硅谷顶级AI从业者

2026 年秋季，AI 领域正处于开源与闭源模型激烈博弈的转折点。算力资本构成了顶级实验室的核心护城河，但开源模型在特定任务上的表现已逐渐收窄差距，推动模型能力走向商品化。随着 AI Agent 自主行动能力的增强，安全已从原则性问题演变为必须通过环境加固解决的工程挑战。企业对 AI 的关注重心已从单纯的性能追逐转向商业 ROI 的落地，成本控制与运维效率成为决定性因素。尽管万亿美元级的资本开支持续涌入，但电力供应与内存短缺仍是制约算力规模化的关键瓶颈。未来，AI 的竞争将回归到 “能力/成本” 的极致优化，系统工程能力将成为企业构建长期竞争力的核心。

硅谷坐标 x FundaAI周默：美股科技公司Q2财报深度拆解：资本开支增速重新超过AI收入

AI 资本开支与投资回报率（ROI）的平衡是当前科技巨头财报季的核心议题。过去一个月半导体板块的剧烈回调，源于机构仓位调整、供应链通胀导致的 CAPEX 激增以及开源模型对闭源模型护城河的冲击。微软凭借 Copilot 渗透率提升与 Azure 算力变现实现逻辑反转；亚马逊 AWS 通过 Anthropic 的强劲增长重回加速轨道；Meta 则因高额 CAPEX 与 AI 变现路径不明面临市场质疑；谷歌尽管云业务增长迅速，但 Gemini 在算力与数据获取上的瓶颈使其在模型竞争中暂时落后。随着算力供给增加，行业正从单纯的算力堆砌转向对 AI 原生应用变现能力与开源模型定价权的深度博弈，未来资本开支的合理性将取决于 AI 能否带来实质...

硅谷坐标 x Fireworks 联创Benny Chen：开源模型、token增速、推理优化和模型定制

硅谷坐标 × Lam Research 创始人林杰屏：AI超级周期和四十年半导体周期感悟

半导体产业正经历由 AI 驱动的重大范式转移，摩尔定律在物理与经济层面已触及极限，先进封装技术成为行业增长的新核心。AI 作为认知工业革命的驱动力，虽带来巨大资本支出，但电力供应瓶颈仍是潜在挑战。半导体设备行业呈现高波动性的 “块状” 特征，设备商需敏锐捕捉技术拐点，而非盲目预测市场周期。Lam Research 创始人、Multibeam 现任 CEO David Lam 指出，设备商应通过解决客户在技术转型中的痛点来获取市场份额，而非与巨头进行同质化竞争。企业需警惕 “创新者窘境”，通过深耕特定技术领域，在产业变革中寻找差异化生存空间，以应对复杂多变的全球地缘政治与供应链重构。

【特别综艺-下】硅谷AI研究员｜模型猜猜乐和Prompt大战

【特别综艺·上】《从夯到拉》｜7位硅谷AI研究员的模型排名游戏

硅谷坐标 x Tensormesh 江鋆晨：AI 的记忆-KvCache的三层理解

硅谷坐标 x 喜马拉雅资本常劲：AI时代的价值投资

AI 时代并未削弱价值投资的意义，反而通过人机协作提升了研究效率。AI 擅长处理结构化信息，但缺乏对真实世界的感知及应对长周期波动的判断力，无法替代人类在长期决策中的核心作用。价值投资坚持自下而上的研究路径，通过深度挖掘企业竞争优势与护城河，在市场悲观错杀时捕捉安全边际。查理·芒格的普世智慧与误判心理学为投资提供了理性基石，强调在复杂环境中保持独立思考。此外，华人在美应积极参与社区建设，通过建立信任网络与培养下一代领袖力，提升在主流社会的影响力，从而有效保护自身权益。

硅谷坐标 x 璞林资本Kenny Zhang：Neocloud崛起背后的供需博弈与AI基建重构

Neocloud 正在重塑 AI 基础设施格局，标志着继大型机与虚拟化云之后的第三次计算范式切换。AI 算力需求从高频数据分发转向超大规模集群管理，驱动了 CoreWeave 和 Nebius 等新兴 AI 云厂商的崛起。这些厂商通过锁定长单与财务杠杆，将 GPU 算力资源化，其商业模式与传统基建高度相似。尽管面临资本开支巨大与资产折旧的质疑，但随着推理与 Agent 时代的到来，算力需求的爆发将使这些厂商的利润率逐步趋于稳定。未来，存储层与数据库层的融合将成为 AI 基础设施的关键瓶颈与竞争高地，而 AI Agent 作为数字劳工的普及，将进一步推动算力工厂的规模化扩张。

硅谷坐标 x FundaAI周默：四大科技公司财报后的AI产业深度观察

科技巨头在 AI 领域的资本开支正处于历史高位，预计 2026 年合计支出将超 6300 亿美元，引发了市场对现金流及投资回报的深度担忧。当前 AI 产业链的核心矛盾在于算力供需失衡，GPU 与存储成本上涨推高了短期支出，但模型公司的收入增速正在加速，验证了 AI 商业化路径的真实性。谷歌凭借 TPU 自研芯片在毛利率与算力分配上占据优势，而微软则面临 Copilot 产品与原生 AI 实验室在效率与质量上的竞争。随着模型参数规模扩大与推理需求激增，资本开支与收入端的差距将逐步缩小，AI 带来的生产力提升正通过替代人力成本与创造增量市场，推动科技巨头从单纯的军备竞赛转向更具确定性的价值兑现阶段。

硅谷坐标 x 中际旭创 于让尘：AI 光互连的超级周期

AI 算力增长与光互连带宽之间存在显著的 “10 倍差距”，光互连已成为制约 AI 集群扩展的核心瓶颈。随着算力规模向万卡级别演进，传统的铜缆连接在带宽和距离上已达物理极限，必须转向硅光子技术及光电深度集成方案。在 “scale up” 等架构演进中，可插拔模块、NPO 及 CPO 等技术路线并行，旨在平衡功耗、密度与维护性。此外，光交换机（OCS）的应用正重塑数据中心架构，通过建立端到端光路径提升传输效率。光互连不再是简单的配件，而是算力中心不可替代的组成部分，未来需通过半导体化集成与生态协同，实现算力与连接的共生优化，以支撑 AI 算力的持续爆发。

硅谷坐标 x PingCAP联创黄东旭谈Agent 时代基础设施的重构

AI 应用开发正从提示词与上下文工程向 “Harness Engineering”（协同工程）演进，其核心在于通过多智能体协同管理复杂任务。记忆系统是实现这一转型的关键基础设施，它不仅突破了模型上下文窗口的限制，还通过结构化、长期化的数据存储，赋予智能体个性化与持续进化的能力。这种范式转变彻底重构了软件生产流程，使开发重心从手动编码转向对智能体团队的架构管理与领域知识提取。未来，软件开发将由小型专家团队主导，基础设施需针对海量碎片化的个人数据进行重新设计，以适应智能体高频、灵活的交互需求。这一变革不仅大幅降低了软件创造的门槛，也标志着传统软件工程模式的终结，推动技术向更高效、民主化的方向发展。

硅谷坐标 x CASPA副会长Jimmy Cheng：GTC回顾-AI时代英伟达的护城河

英伟达通过从单一芯片供应商向 “AI 工厂” 系统解决方案提供商的转型，利用软硬件协同设计与 TCO 优势构建了深厚的竞争护城河。随着 Agentic AI 时代的到来，开源模型推动了市场需求的爆发，促使科技巨头加速自研定制芯片以降低成本并提升效率。推理市场正经历从通用 GPU 向 SRAM 中心化架构的演进，以满足物理 AI 对实时处理与确定性的严苛要求。EDA 行业在这一进程中扮演关键角色，通过 AI 代理工具辅助芯片设计，在应对人才短缺与设计复杂度的同时，保持了硬件开发 “零容忍” 的高标准。未来，推理芯片市场将呈现多元化格局，硬件与软件的深度协同将成为决定竞争力的核心要素。

硅谷坐标 x 微软战投Alan Du：AI时代软件的护城河

企业软件与 AI 投资的核心在于 “上下文（Context）” 与垂直领域的深耕。微软 M12 合伙人 Alan Du 认为，企业防火墙后的独有数据与业务流程经验是难以被通用模型取代的护城河。初创公司应避开通用功能竞争，专注于特定垂直领域的深度应用。当前 AI 算力投入与营收存在巨大缺口，市场需重新审视早期项目的定价逻辑。随着 AI Agent 普及，传统的被动式网络安全已失效，必须建立主动防御体系，并探索 Agent 身份认证、微支付及合规管理等新型基础设施。在强监管行业，通过中间商解决合规负担是初创企业进入市场的有效路径。

硅谷坐标 x 前Meta AI总监田渊栋: 解析大模型护城河、记忆存储瓶颈与Agent对社会冲击

田渊栋在访谈中分享了对当前 AI 模型发展趋势、大模型记忆机制以及未来技术方向的看法。他认为，开源模型对于技术的普及至关重要，并分析了不同公司在 AI 竞赛中的策略差异。访谈深入探讨了大模型如何记忆，包括长短期记忆的平衡和上下文窗口扩展技术，并指出当前记忆研究面临的挑战在于如何实现从机械背诵到顿悟的飞跃。此外，还讨论了 AI 发展对存储产业链的影响，以及 Scaling Law 的局限性。最后，田渊栋还对 Agent 的未来发展及其对社会结构可能产生的影响进行了展望，并分享了他对下一代教育的思考。