【行业/生态/争议】行业生态与开源之争：

DeepSeek V4.1 的Engram设计利好昇腾。它降低了HBM的决定性作用，将算力竞争转移到“系统内存调度和软硬协同”——这是中国更有条件发挥的领域。 中国的存储现实：两头分化一头是 HBM，差距明显。长鑫存储的 HBM3 试产良率目前只有约 25%，业界量产黄金标准是 80%，三星和 SK 海力士在这一环节已经有 4 到 5 年的技术积累。SK 海力士早在 2022 年就量产了同规格产品，良率已突破 90%。核心卡点在于 TSV 硅穿孔工艺——长鑫每颗芯片约 3000 个，SK 海力士 HBM3 超过 8000 个。 另一头是通用 DRAM，中国已经站稳了。长鑫的 17nm DDR5 良率突破 90%，与三星同代产品的 92%-93% 只差两三个百分点。全球 DRAM 市场份额在持续攀升，2026 年产能预计达到每月 35 万片，接近美光同期的 37.5 万片。服务器、PC、手机用的通用内存，中国已经有可替代的成熟供给。 Engram 为什么放大了这个分化 Engram 的做法：把模型里大量静态的“事实性知识”从 HBM 里剥离出来，放进主机 DRAM，推理时按需查找。将 196B 参数记忆表卸载到主机内存，推理吞吐损失控制在 3% 以内。这意味着原本必须塞进昂贵 HBM 的知识，现在可以放在便宜得多、中国产能也成熟得多的系统内存里。 昇腾的 HBM 不如英伟达，但中国在通用 DRAM 上产能和技术都有基础。当模型架构本身降低了对 HBM 的依赖，比拼的重点就从“谁的单卡 HBM 更大”变成了“谁的系统内存调度更聪明、谁的内存容量更充足”。 昇腾的软硬协同在这个维度上更有发挥空间华为从芯片、CANN 到超节点互联都是自研的，可以针对 Engram 的数据流做定向优化——把 DRAM 查找和 NPU 计算重叠起来，让系统内存在推理中承担原本压在 HBM 上的负载。英伟达的 CUDA 生态更强，但为单一架构做这种底层定制的链条更长。 英伟达在训练生态、通用性和高端芯片上仍然领先。但DeepSeek V4 .1的Engram 设计中，HBM 的权重被降低了，DRAM 容量和系统调度的权重被抬高了——而后者恰恰是中国存储产业已经具备基础、昇腾又有软硬协同条件去优化的领域。

今天折腾了一天的2026PEC大会，与至顶、LangGPT一起组织的PEC大会今年第三届了，上午主持了一个token工厂的圆桌（对话数据库基建pingcap、推理加速引擎趋境科技、算力和token工厂首都在线、还有算力基建亚康等），大家一致的判断和观点是： 1、Token 工厂会往场景侧走：裸 Token 没有未来，场景 Token 才有 2、英伟达国内价格畸形，反而把国产芯片推成了有推理性价比的选择 3、需求侧已经迁移、：今年干算力的人，大多从卖 GPU 资源变成了卖 Token 服务。资源到服务，这一步算是完成了 4、国内算力供需失衡，年底到明年初会回归正常 》〉》下午的FDE专场论坛，邀请了google cloud、opendesign、clawith、百川智能、zion、AMD等聊到了非常多有价值的观点： 1、FDE跟外包最大的区别是：具备定义问题的能力 2、一个合格的FDE需要具备三大素质：定义问题能力、套壳能力（模型能力边界理解能力）、提供情绪价值能力 3、国外FDE与国内FDE的最直接的扎心区别：一个活成了中产或金领、一个活成了乞丐，国外愿意花高价找FDE所以很理性，国内花低价找FDE可能是为了满足领导的伪需求 4、国内FDE服务好甲方的重点不是提升效率，而是满足领导😂，太真实了 5、目前的大多数FDE在给模型公司提供养料，但也是完成最后一公里不可替代的环节 6、FDE的机会在于模型无法数据压缩的那些环节，这些环节无法被模型蒸馏和数据压缩，比如人与人之间的信任，比如连接客户的数据库需要现场沟通等 7、FDE是AI世界与人类世界之间的防火墙，今天防的是人类干扰AI，未来防的是AI破坏人类。

刚刚，一个超级重磅消息砸向AI圈—— 路透社独家爆料：英伟达正在与Anthropic谈判，准备砸下最高100亿美元，杀入后者即将启动的史上最大IPO！ 没错，你没看错。 卖铲子的老黄，要亲自下场给挖金子的人投钱了。而且是以「锚定投资者」的身份。 2万亿美元，人类史上最大IPO？ 据两位知情人士向路透社透露，Anthropic这次IPO计划融资高达1000亿美元，目标估值直逼2万亿美元。 如果这事儿成了，将直接干翻SpaceX今年6月创下的750亿美元募资额的IPO纪录，成为人类资本市场历史上最大的一次IPO。 1000亿美元是什么概念？今年前8个月，全美国IPO市场（剔