AI行业范式转变：从参数竞赛到效率革命 - 大模型边际收益递减，训练成本飙升，GPT-4级别模型成本突破1亿美元，最尖端模型训练成本已接近10亿美元[1] - Scaling Law遭遇瓶颈，单纯增加参数对模型能力提升效果减弱[1] - 产业界从“参数竞赛”转向“效率革命”，小模型在多项任务中表现超越大模型，运营成本仅为后者1/10到1/30[2][4] 小模型技术突破与性能表现 - DeepSeek R1-0528将671B参数模型蒸馏到8B，在AIME 2024测试中反超原模型10%[2] - Qwen3-VL 4B/8B模型保持256K-1M超长上下文和完整多模态能力，在低显存设备上稳定运行[2] - GreenBitAI的GBAQ算法实现突破，3-bit模型用30-40%的Token消耗达成FP16级别推理质量[23] - 在Multi-Agent任务中，GreenBitAI 3-bit模型完成率达到100%，而竞品4-bit方案全线失败[25] 端侧AI基础设施技术创新 - GreenBitAI开发Local Agent Infra技术栈，包含模型层优化、性能层优化和上下文工程三大核心模块[22][28][29] - 模型层优化采用GBAQ算法框架，实现测试时扩展技术，无需训练即可提升推理性能[22] - 性能层优化采用混合精度策略和量化感知校准，实现跨硬件部署优化[28] - 上下文工程通过动态Context Engineering和信息降维技术，使16GB内存设备可处理百页文档[31] 本地AI市场机遇与商业化路径 - AI PC市场快速成长，预计2025年占PC市场31%，2026年达55%，出货量1.43亿台[35] - 2030年全球智能终端市场规模将达2.6万亿美元，行业应用占比超60%[36] - GreenBitAI规划三步走商业化路径：ToC端订阅、ToB端授权、平台化生态建设[36][37] - 端侧AI设备普及路径类似家庭Wi-Fi中继器，预计3年内50-80%任务迁移到本地[34] 硬件厂商的差异化战略布局 - 苹果采用垂直整合策略，自研芯片实现CPU、GPU和AI神经引擎内存共享，能效比提升三倍[6] - 英伟达推动GPU通用计算化，通过Tensor Core将AI训练矩阵乘法加速百倍[7] - 华为在鸿蒙生态中押注端侧大模型，英伟达推出桌面级DGX Spark产品[10] - 苹果M5芯片单位功耗AI计算效率相比M4提升数倍，消费级设备智能上限大幅提高[10] 专业级Local Agent产品突破 - GreenBitAI发布Libra beta release，全球首个支持完全本地化、断网运行的专业级Agent产品[32] - Libra专注于专业文档处理与生成，输出质量媲美人工专家，支持金融分析、学术论文等高标场景[32] - 产品在Apple M3芯片上实现预填速度1351.7 tokens/s，解码速度105.6 tokens/s，体验接近云端API[27] - 采用多领域专家协同模式，通过智能工作流配置实现复杂文档任务分工协作[33]

价值投资与科技投资的关系 - 价值投资与科技投资并非对立关系，价值投资的范围包括所有能评估价值的领域，其中自然包含科技行业[1] - 价值投资不区分成长行业或传统行业，只要满足“长期需求下限可判断”、“生意模式可评估且稳定”、“企业护城河可评估”三个条件即可进行价值判断[3] - 大众形成价值投资与科技投资对立的刻板印象，源于客观结果上投资科技的价值投资者较少，且价值投资者很少宣讲科技投资案例[6][7] 科技公司价值评估框架 - 评估科技公司价值需满足三个前提条件：长期需求的下限能判断、生意模式可评估且不会因技术变革大变、企业的护城河可评估[14] - 科技企业当期是否盈利并不重要，关键在于其商业模式是否确定、长期付费能力与盈利能力是否确定[14] - 科技行业研究存在较高门槛，需要对业务模式、护城河建立方式有深度理解，而非仅靠经验[19][20] AI对半导体行业的影响 - AI发展将推动未来很长一段时间内半导体行业整体需求增速快于过去10年，目前仍处于科技变革初期[1] - AI算力需求并未改变晶圆代工的生意模式，而是扩大了其护城河的价值，因为客户为算力性能提升愿意支付更高溢价[27][28] - AI计算模式从CPU的顺序计算变为神经网络的循环计算，导致计算次数与存储次数的比例发生巨变，显著提升对存储带宽和容量的需求[30] 晶圆代工行业特性 - 晶圆代工是护城河明显的生意，其门槛体现在先进制程，生产线投资规模从一两亿美金升至百亿美金，最先进制程全球呈利基市场特征[25] - 晶圆代工学习曲线陡峭，以4nm或7nm工艺为例，生产一片晶圆需200到400步工艺，单步骤良率的小幅提升需要大量经验积累[26][27] - 随着制程进步至22nm以下，物理极限出现，摩尔定律放缓成为确定性趋势，半导体制造可能演变为迭代速度放缓的行业[38][41][42] 存储行业供需变化 - AI计算模式变化使存储成为瓶颈，HBM等多层堆叠内存生产会占用通用DRAM产能，需求增速快于算力增速导致供需紧张[31] - 存储制造与晶圆代工的护城河构建方式类似，均依赖规模经济，全球范围内国内企业目前并非最领先[33] - 在自主可控背景下，国内存储制造企业通过产品采购、合作研发等机会有望跨越门槛，未来可能在全球变得有竞争力[34][37] 自主可控政策的影响 - 自主可控的产业政策方向明确，影响在于改变企业价值评估模型的输入参数，如未来市场份额和盈利能力，而非生意模式本身[36] - 国内晶圆代工和存储制造环节在自主可控背景下具备诞生优势企业的可能性，政策帮助解决客户不愿尝试新产品的困境[34][35] - 产业政策逻辑合理且执行坚决，研究重点在于通过自下而上调研确认执行程度，并将其作为评估模型的重要假设条件[36]

公司概况与上市进展 - 芯德半导体于2020年9月成立，主要从事半导体开发封装设计、提供定制封装产品以及封装产品测试服务 [3] - 公司已递交香港上市申请文件，为在香港上市铺路 [3] - 公司股东背景强大，包括联发科、龙旗科技及由小米董事长雷军私人持有的小米长江 [3] - 目前宁泰芯为最大股东，持有9.49%股权，其主要股东包括公司主席张国栋及总经理潘明东等管理层 [5] 行业背景与技术定位 - 在人工智能、5G、物联网及汽车电子发展下，半导体成为重要产业 [3] - 随着摩尔定律放缓，先进封装成为提升芯片性能最核心的技术突破点 [6] - 封装行业入场门槛高，需要巨大设备开支和大量顶尖芯片业人才 [6] - 公司是中国通用OSAT（委托半导体封装与测试）企业中排名第7位 [6] - 全球半导体封装与测试市场规模从2020年的4,956亿元增长至2024年的6,494亿元，复合年增长率为7%，预计2029年将增至9,330亿元 [8] 业务与财务状况 - 公司业务涵盖QFN、BGA、LGA、WLP及2.5D/3D等封装产品技术 [7] - 2025年上半年，QFN和BGA封装产品收入分别为1.47亿元和1.5亿元，占总收入比例达31%和31.8%，按年分别增长25.5%和18.4% [7] - 2025年上半年总收入为4.75亿元，按年增长22% [7] - 但公司仍处于亏损状态，2025上半年销售成本达5.52亿元，导致亏损2.07亿元，主要原因是材料成本高企 [8] - 经调整EBITDA在2024年上半年转正为934万元，到2025年同期大幅提高至5,934万元，按年大增535% [8] - 公司收入增长呈现放缓趋势，2023年、2024年及2025上半年收入增幅分别为89%、62.5%和22.1% [9] 市场机遇与挑战 - 芯片行业受益于国家政策扶持和国产替代需求，前景被看好 [9] - 公司业务受季节性因素影响，因客户主要来自消费电子行业，尤其受春节假期及客户备货周期影响，导致第二季及第四季度销售额通常周期性增加 [8]

文章核心观点 - 价值投资与科技投资并非对立，价值投资的核心是赚取企业长期现金流折现的收益，而非局限于特定行业[1] - 中泰资管基金经理田瑀作为价值投资者，通过统一的评估框架分析AI产业链，分享AI时代红利[1][3] - 价值投资的对立面是投机，而非科技投资，审慎的价值评估旨在规避本金永久性亏损[2] 田瑀的价值投资框架 - 价值评估框架包含三个条件：需求下限看得清、生意模式可评估且稳定、企业护城河可评估[3] - 投资特点包括持股周期长、持仓集中度高、注重企业护城河和质地[1] - 评估企业价值使用未来现金流折现模型，而非静态市盈率[6][7] 对AI算力产业链的分析 - 晶圆代工以22nm工艺为分水岭，22nm以下制程进步依赖单位面积等效晶体管数量提升[4] - 先进制程晶圆代工生意模式为具规模效应和学习曲线的利基市场，全球需求仅能容纳一家经济企业[4] - 护城河体现在极高最小经济规模、极高客户试错成本和陡峭学习曲线，AI算力需求扩大其护城河价值[5] 对半导体细分领域的案例研究 - 模拟芯片生意模式存在研发与收入错配特点，研发周期约一年，需用动态视角评估长期盈利能力[7] - 存储行业与晶圆代工同属规模经济性极高领域，AI计算方式变化大幅提高存储需求斜率[8] - 摩尔定律放缓是确定性判断，半导体制造将转向依靠集群提升整体算力[11] 投资组合与持仓特征 - 前十大重仓股集中度超过80%，远超同类平均，持仓分布在科技、化工、玻纤等供给侧护城河强的公司[13] - 2025年三季度增加大盘价值和小盘成长风格暴露，减少大盘成长和小盘价值风格暴露[14] - 组合中1%以上仓位股票数量为17只，保持高集中度，聚焦质价双优机会[13] 价值投资方法论的本质 - 价值投资是长期投资、集中投资、深度研究，而非低估值投资或特定行业投资[16] - 企业护城河可体现在多方面细节的叠加，如制造工艺环节的Know-How，形成成本优势[9] - 科技进步推动需求爆发，但供给侧慢变量性质未变，符合价值评估标准[10][11]

财务业绩表现 - 2025年前三季度营业收入5.21亿元，同比增长28% [1] - 2025年前三季度归母净利润0.94亿元，同比增长360%，扣非归母净利润0.76亿元，同比增长673% [1] - 2025年前三季度毛利率达65.05%，同比提升14个百分点，净利率16.71%，同比提升12个百分点 [1] - 2025年第三季度单季营业收入1.98亿元，同比增长20%，环比增长13% [1] - 2025年第三季度单季归母净利润0.36亿元，同比增长137%，环比增长5%，毛利率64.74%，净利率16.18% [1] 半导体设备业务进展 - 2.5D/3D先进封装超声波扫描显微镜顺利出货，打破欧美技术垄断 [2] - Wafer400系列超声波扫描显微镜可检测6、8、12英寸晶圆，扫描效率、软件算法、智能化方面取得突破 [2] - 半导体设备领域形成功率半导体与先进封装双布局，功率半导体领域全工序超声波解决方案已批量出货 [3] - 先进封装领域，先进超声波扫描显微镜获国内知名客户正式订单并完成交付，超声波固晶机获客户正式订单 [3] 其他业务领域动态 - 锂电领域景气度显著回升，公司与下游核心客户建立长期稳定合作 [3] - 固态电池领域推出超声波极耳焊接、超声波检测等多款设备 [3] - “设备+配件”商业模式中，配件业务收入占比逐步提升，焊头及底模使用周期为1-2个月，换能器使用周期为1年 [4] - 随着线束连接器、半导体设备业务扩展，存量设备增多，配件业务有望持续增长 [4] 未来业绩展望 - 预计公司2025-2027年营业收入分别为8.66亿元、11.98亿元、23.68亿元 [4] - 预计公司2025-2027年归母净利润分别为1.34亿元、2.50亿元、4.69亿元 [4] - 公司拓展先进封装领域，推出半导体新设备，持续向好发展 [5]

参展概况与主题 - 第七次参加进博会 参展主题为“积纳米之微 成大千世界” [1] - 重点展示面向主流芯片市场的全景光刻解决方案 融合光刻机 计算光刻和电子束量测与检测技术 [1] - 通过数字化 交互式形式呈现技术如何协同推动AI时代下的摩尔定律持续演进 [1] 行业趋势与AI驱动力 - AI是半导体行业大发展和社会数字化转型的主要推动力 [1] - AI是先进制程和主流制程芯片的关键驱动力之一 正加速整个行业生态系统的创新 [1] - AI驱动全球对不同制程节点芯片需求激增 主流芯片在此增长趋势中发挥重要作用 [1] - AI带来算力和能源挑战 延续摩尔定律仍是应对关键之一 [1] - AI真正对社会带来影响的是在消费 工业等领域的大规模智能终端应用 [3] - 国际半导体产业协会预计2030年全球半导体销售额将突破1万亿美元 AI基础设施等为核心增长引擎 [3] 技术发展方向与公司进展 - 应对挑战的两大方向为提升AI模型效率和提升芯片性能 [2] - 两大核心技术路线为通过2D微缩持续缩小晶体管尺寸 以及借助3D集成进行堆叠和封装 [2] - 第三季度发运首款服务于先进封装的光刻机产品TWINSCAN XT:260 生产效率相较于现有机型提升高达4倍 [2] - XT:260是公司在3D集成赛道的首款产品 已有多家客户感兴趣 未来将推出更多支持3D集成的产品 [2] 中国市场表现与展望 - 自1988年向中国交付首台光刻机以来 深耕中国市场30余年 中国已成为最重要市场之一 [2] - 在中国17个城市设有办事处 有15个仓储物流中心 3个开发中心 1个培训中心及1个维修中心 [2] - 中国大陆员工总人数逾2000人 同比增长约10% 其中计算光刻 电子束量测开发团队有四五百人 [3] - 今年第一 二 三季度中国区净系统销售额占比分别约为27% 27% 42% 2024年中国区相应占比为41% [3] - 2023年前中国市场占比多年处于15%—20%之间 过去两年占比大是因全球需求时间节点变化使公司能交付中国积压订单 [3] - 预期明年中国市场占比回归至往年水平 是正常化表现 [3] - 2030年中国智能终端普及率超90% 中国半导体行业发展和终端市场增长正不断释放市场潜力 [4] - 当AI带来的芯片产能需求大量落地后 半导体设备公司将迎来进一步发展 [4]

行业背景与挑战 - 生成式AI技术爆发推动行业从"芯片无处不在"迈向"AI芯片无处不在"，全球半导体销售额预计到2030年突破1万亿美元，其中数据中心与边缘AI将占据约40%市场份额[1] - AI算力需求增速远超摩尔定律节奏：大模型参数指数级增长，而芯片计算能力每2年翻倍的速度已无法满足需求，芯片能效提升速度放缓至每两年仅提升约40%[1] - 若延续当前趋势，到2035年训练一个前沿AI模型所需电力或将消耗全球总发电量，算力与功耗的供需缺口成为半导体行业关键挑战[1] 创新突破关键领域 - 行业需在模型效率、芯片技术、设备与工艺多维度协同创新，重点包括高效的AI模型（以更少资源训练更多参数）、面向AI的芯片设计与架构、芯片晶体管微缩和能源优化[2][4] - 光刻技术作为芯片制造核心环节，其进步对降低单位算力成本与能耗至关重要[5] - ASML通过全景光刻解决方案系统优化良率、分辨率、精度与产能指标，致力于降低设备全生命周期成本与环境足迹[8] 技术演进路线 - 芯片行业创新突破两大核心路线：通过2D微缩持续缩小晶体管尺寸提升密度与能效，借助3D集成进行堆叠和封装突破平面极限[8] - 先进制程未来15年将从3nm、2nm向A14、A10及更先进埃米节点演进，芯片架构沿FinFET、NanoSheet、CFET到2DFET方向迭代[13] - 极紫外（EUV）光刻系统成为实现芯片微缩关键工具，技术从0.33 NA向0.55 NA高数值孔径演进，可将多重曝光转为单次曝光简化工艺流程[13] DUV光刻技术优势 - 深紫外（DUV）光刻仍是当前光刻体系主力，绝大多数光刻任务由i-line、KrF、ArF、ArFi等DUV技术完成[14] - ASML的TWINSCAN NXT:870B系统将晶圆吞吐量提升至≥400 wph，并通过钻石涂层减少磨损延长使用寿命，键合后套刻误差从50nm量级降至5nm以下[14][17] - DUV设备在成熟工艺到封装键合环节展现高效、精准、可靠优势，为AI芯片规模化高质量生产提供支撑[17] 先进封装技术发展 - AI芯片需求推动先进封装技术崛起，CoWoS中介层尺寸从1倍掩模版向3.3倍、5.5倍及未来9.5倍规格扩大[19][23] - ASML的TWINSCAN XT:260光刻系统具备大视场曝光能力，生产效率较现有机型提升4倍，支持先进封装领域并已于今年三季度实现商业发货[23][26] - XT:260与EUV及其他DUV设备协同，构建覆盖芯片制造-封装集成全流程的光刻解决方案[27] 全景光刻技术体系 - ASML核心竞争力在于构建光刻机台、计算光刻、电子束量测与检测三大支柱的全景光刻技术体系[29] - 计算光刻通过仿真优化手段预测校正成像性能，电子束量测技术可捕捉10nm以下微小缺陷，eScan 1100系统吞吐量提升至传统单束系统10倍以上[32][35] - 全景光刻解决方案为3D集成键合工艺提供支持，减少晶圆形变导致对准误差，保障芯片精准堆叠[35]

公司战略与市场定位 - 公司第七次参加进博会，旨在加强与客户、合作伙伴及行业相关方的互动[2] - 公司致力于通过全景光刻解决方案帮助中国客户把握主流芯片市场机遇[2] - 公司在中国市场深耕30余年，目前拥有超过2000名员工，在17个城市设有办事处，并有15个仓储物流中心和1个维修中心[4] - 公司在合法合规前提下持续为中国客户提供装机服务、系统运行与维护等支持[4] 行业趋势与驱动因素 - AI正驱动全球对不同制程节点芯片的需求激增，主流芯片在此趋势中发挥重要作用[2][5] - AI的快速发展推动半导体行业在智能设备、电动汽车、工业自动化及物联网等领域前进[4] - 中国拥有广泛的AI应用场景，包括DeepSeek、机器人、具身智能及AI驱动的电子消费产品，这些应用推动了对传感器、电源管理、模拟器件等主流芯片的增长需求[5] 技术解决方案与产品亮点 - 公司全景光刻解决方案融合光刻机、计算光刻和电子束量测与检测技术，旨在帮助客户降低能耗与成本的同时实现更高良率[3] - 光刻系统持续推动2D微缩，并赋能先进封装与3D集成；计算光刻突破光学物理极限，智能优化成像；量测与检测是保障芯片质量的关键技术[3] - 解决方案为3D集成的核心键合工艺提供支持，帮助减少对准误差、保障精准堆叠，并实现更短、更快的互联[3] - 参展亮点产品包括TWINSCAN XT:260 i-line光刻机，其通过光学系统创新实现大视场曝光，生产效率较现有机型提高4倍[4] - TWINSCAN NXT:870B在升级光学器件和磁悬浮平台支持下，可实现每小时400片以上晶圆产量，并为键合后工艺提供强大校正能力[4] - 钻石涂层技术在DUV平台中创新性引入，能有效减少设备磨损，延长使用寿命，降低更换需求与维护成本[4] 技术创新路线 - 推动摩尔定律持续演进是应对算力和能源挑战的关键，主要通过2D微缩持续缩小晶体管尺寸、提升晶体管密度与能效，以及借助3D集成进行堆叠和先进封装两大核心路线[2]

公司参与进博会概况 - 公司第七次参加中国国际进口博览会，主题为“积纳米之微，成大千世界”，亮相技术装备展区集成电路专区 [1] - 公司全球执行副总裁表示，进博会是促进沟通交流的宝贵平台，旨在加强与中国客户、合作伙伴及行业相关方的互动 [1] - 公司在中国市场深耕30余年，拥有超过2000名员工，在17个城市设有办事处，15个仓储物流中心，1个维修中心，并建立了计算光刻和电子束量测开发中心 [4] 行业趋势与市场需求 - AI驱动全球对不同制程节点芯片的需求激增，其中主流芯片在增长趋势中发挥重要作用 [1][5] - AI的快速发展推动半导体行业在智能设备、电动汽车、工业自动化及物联网等领域前进，这些AI驱动应用依赖主流芯片实现传感、连接、电源管理及控制等基本功能 [4] - 中国市场聚焦主流芯片领域，该领域占据重要市场份额，广泛的AI应用场景进一步推动对传感器、电源管理、模拟器件等主流芯片的增长需求 [5] 公司技术解决方案与产品展示 - 公司展示全景光刻解决方案，融合光刻机、计算光刻和电子束量测与检测技术，旨在帮助客户降低能耗与成本的同时实现更高良率 [3] - 光刻系统推动2D微缩并赋能先进封装与3D集成，计算光刻突破光学物理极限智能优化成像，量测与检测是保障芯片质量的关键技术 [3] - 解决方案为3D集成核心键合工艺提供支持，帮助减少晶圆形变导致的对准误差，保障芯片精准堆叠，实现更短更快互联 [3] - 进博会现场展示亮点产品包括TWINSCAN XT:260 i-line光刻机，通过光学系统创新实现大视场曝光，生产效率提高4倍，有效提升性能并降低单片晶圆成本 [4] - 展示TWINSCAN NXT:870B光刻机，在升级光学器件和最新一代磁悬浮平台支持下，可实现每小时晶圆产量400片以上，并为键合后套刻和阶梯式工艺提供强大校正能力 [4] - 展示钻石涂层技术，在DUV平台中创新性引入，有效减少设备磨损，延长使用寿命，降低更换需求与维护成本 [4] 行业创新挑战与路径 - AI趋势加速创新步伐，但也带来算力和能源方面的挑战，推动摩尔定律持续演进仍是应对问题的关键 [1] - 行业寻求创新突破的两大核心路线包括通过2D微缩持续缩小晶体管尺寸、提升晶体管密度与能效，以及借助3D集成进行堆叠和先进封装以突破平面极限 [1]

价值投资与科技投资的对立印象 - 大众形成价值投资与科技投资对立的刻板印象，部分原因是知名价值投资大师的投资案例中科技标的占比很低[4] - 价值投资的核心原则是企业价值要可评估，而科技发展初期存在较多变量，使建立长期商业模式评估模型面临困境，导致价值投资者涉猎偏少[5] - 科技业务的理解存在较高门槛，例如半导体行业需要深厚的技术知识背景，这也限制了部分价值投资者的涉足[7] 价值投资的可评估标准 - 判断公司价值是否可评估需满足三个条件：长期需求下限可判断、生意的展业模式可判断、企业的护城河可评估[8] - 企业当期是否盈利并不重要，关键在于其商业模式是否确定，以及长期付费能力和盈利能力是否存在[9] - 对于需要持续高研发投入的业务，如芯片设计，只要未来能产生远超投入的收入，该业务就具备投资价值[11][12] 科技行业的研究门槛与投资逻辑 - 科技行业的研究难度天然大于传统行业，因为其产品离日常生活较远且产业链更复杂[15] - 科技投资的门槛源于对业务的深度理解，而非经验，例如评估手机SoC市场份额需研究行业竞争、客户采购策略及研发团队等多方面因素[13] - 价值投资者通过深度研究来评估科技企业的价值，例如判断一款芯片的长期市场份额和收入潜力[13] 晶圆代工行业的护城河与AI影响 - 晶圆代工是价值可评估的生意，其护城河体现在先进制程的规模经济和学习曲线效应，生产线投资规模可达百亿美金[16][17] - 最先进制程的晶圆代工是利基市场，全球需求仅能容纳一家优势企业，因其初始投资规模巨大且规模效应显著[17] - AI算力需求提升了晶圆代工护城河的价值，客户愿意为性能的小幅提升支付更高溢价，因为集群算力的价值量极大[18] 存储行业受AI驱动的变革 - AI的计算模式从顺序计算变为循环计算，导致计算次数与存储次数的比例发生巨大变化，显著提升对存储带宽和容量的需求[19] - AI需求暴增导致存储供需紧张，例如HBM生产占用通用DRAM产能，推动DDR价格大幅上涨并出现停止报价现象[20] - 存储行业的需求增速在AI时代超过算力增速，成为产业链中的瓶颈环节[20] 自主可控政策对国内半导体业的影响 - 在自主可控的产业政策背景下，国内晶圆代工和存储制造企业获得更多发展机会，包括产品采购和合作研发[21] - 自主可控政策改变了国内半导体企业的评估参数，例如未来市场份额和盈利能力预期，但并未改变其业务展业模式[23][24] - 国内半导体企业有望通过政策支持跨越初始的高门槛，未来在全球范围内形成竞争力并创造良好的股东回报[22] 摩尔定律放缓的确定性趋势 - 摩尔定律放缓是观察到的确定性现象，先进制程从14nm到2nm的演进速度明显减慢[25] - 从物理学原理看，晶体管尺寸缩小至10nm左右将面临量子隧穿效应，导致开关失效，因此尺寸无法无限减小[26] - 未来单芯片计算能力提升将依赖芯片面积增大或集群化使用，但均受物理限制，半导体制造可能进入慢迭代阶段[28][29] 研究的重要性判断原则 - 研究重要性的判断标准并非能否带来正收益，而是该问题是否对业务假设和公司评估不可或缺[30] - 重要事项的重要性应是显而易见的，例如AI对产业的影响、摩尔定律是否放缓等宏观问题[30]