柏基投资概述 - 拥有超过110年历史，历经多次重大经济周期波动而屹立不倒 [2] - 精准投资于亚马逊、特斯拉、英伟达、阿斯麦、腾讯、阿里巴巴、字节跳动等超级成长公司，并获得超常回报 [2] - 其投资哲学与思维工具在新书《柏基投资之道》中得到全方位呈现 [5] 尽调10问投资框架 - 投资框架强调以10年维度思考，评估成长型企业的长期发展机会 [7] - 框架结合长期情境的定量与定性分析，忽略短期财务指标如净资产和偿债能力 [7] - 具体10个问题涵盖竞争优势、企业文化、社会贡献、成长潜力、资本分配等维度 [8][9][10] - 框架不关注季度/年度数据、低估值、市场情绪等短期股价影响因素 [16] 尽调10问详解 - **问题1（收入翻番）**：关注长期成长性，收入增长比利润更重要，高利润或高分红可能不利于成长再投资 [10] - **问题2（10年变化）**：核心是理解企业的指数级变革性变化，运用情景分析工具应对未来的不确定性 [11] - **问题3（竞争优势）**：寻找具有网络效应、锁定效应、正反馈效应等特质的科技成长企业 [11][12] - **问题4（企业文化）**：对长期投资者至关重要，可提供稳定管理框架，增强内部凝聚力，例如阿里巴巴的"六脉神剑"文化 [13] - **问题5（用户与社会价值）**：从第一性原理出发，关注企业存在的理由和创造长期价值的可持续性 [14] - **问题6 & 7（盈利能力）**：盈利客观性反映当前价值，但需结合收入增长考虑收益递增问题，长期业务表现与回报强相关 [14] - **问题8（资本分配）**：偏好将资本再投资于新机会的成长型企业，这需要长远眼光 [15] - **问题9（市值增长5倍）**：是对成长性的再验证，涉及"戴维斯双击"效应，需要想象力理解指数级变化 [15] - **问题10（市场低估原因）**：反思最初设想，寻求与市场的差异化认知以获得超额收益 [15] 阿斯麦投资案例分析 - 阿斯麦是全球最大光刻机制造商，市场份额达70%–80%，其极紫外光刻机技术极为复杂 [18] - 柏基自1996年开始投资阿斯麦，并长期重仓，认为其是世界上最重要的公司之一 [18] - 应用"尽调10问"分析显示：阿斯麦过去5年营业额年化增长16%，未来可能接近20% [19]；营业利润率高达20%，已动用资本回报率高达30% [24]；研发投入占总销售额15%，远超竞争对手 [26] - 预测阿斯麦10年内年收入增长15%–20%，从2020年约130亿欧元达到600亿欧元，营业利润率从27%增至40%，为股东带来700亿欧元资本回报，实现5倍回报 [30] - 潜在风险包括摩尔定律终结或关键管理层变动，2024年面临行业需求降温、对华出口限制及CEO更迭等挑战，柏基旗下SMT基金将其持仓从7.9%降至3.9%，但阿斯麦仍是其第六大持仓公司 [31]

公司财务业绩与展望 - 2025年第三季度实现净销售额75亿欧元，净光刻系统销售额56亿欧元，净利润21亿欧元，毛利率为51.6% [2] - 2025年公司预期净销售额增长15%左右，预计2026年将不低于2025年水平 [2] - 中长期看，2030年公司营业额目标在440亿到600亿欧元之间 [2] AI对半导体行业的驱动 - AI正成为推动全球半导体产业增长的关键力量之一，带动先进逻辑芯片与DRAM芯片需求增长 [2] - AI已经从计算技术演变为社会基础设施的一部分，其对产业链的拉动将远超以往任何一次科技浪潮 [5] - 根据麦肯锡预测，到2030年，AI将为全球GDP贡献10万亿美元左右的价值 [6] - 当前AI仍处在投入与建设阶段，大规模落地仍需时间，对设备需求的带动尚未充分体现 [3][7] AI浪潮的结构性特征与挑战 - AI浪潮呈现上游投资热烈、终端需求尚未全面释放的结构性特征 [7] - AI带来算力渴求与能耗焦虑两大挑战，算力需求呈指数级增长，远超摩尔定律 [8][9] - 为解决挑战，行业趋势包括提高AI模型效率、创新芯片架构（如3D架构、存算一体、HBM）以及晶体管微缩 [9] 公司的技术战略与产品 - 公司采取“双轨并行”路线：一方面通过2D微缩推动芯片制程前进，另一方面赋能3D集成技术，加码先进封装环节 [10] - 2025年第三季度已发运第一台服务于先进封装的光刻机TWINSCAN XT:260，可提升生产效率和良率 [10] - 先进封装需要上下游更紧密合作，客户包括晶圆厂和封测厂 [10] 中国市场动态 - 过去两年中国市场销售额占公司全球销售额比例一度超过30% [12] - 预计2026年来自中国客户的需求将从高基数水平回落，回归至历史常规的15%-20%占比水平 [11][12] - 中国市场销售额占比变化属于正常的产业周期性调整，部分原因是交付了此前积压的订单 [12][13] - 公司中国区员工已超过2000人，同比增长约10%，并连续第七次参加进博会 [3]

2025年第三季度财务业绩 - 净销售额为75亿欧元，净光刻系统销售额为56亿欧元，净利润为21亿欧元，毛利率为51.6% [1] - 公司预期2025年净销售额增长15%左右，并预计2026年业绩将不低于2025年水平 [1] - 公司中长期展望乐观，预计到2030年营业额将在440亿至600亿欧元之间 [1] AI对半导体行业的驱动与影响 - AI被视作推动全球半导体产业下一波大发展的关键力量，其影响力已超越单一技术，成为社会基础设施的一部分 [5][6] - AI相关投资持续强劲，带动先进逻辑芯片与DRAM芯片需求增长，并将惠及公司更广泛的客户群体 [3] - 当前AI发展仍处于投资与建设阶段，其对设备需求的带动尚未充分体现，大规模应用和芯片产能需求有待落地 [4][7] - 麦肯锡预测到2030年AI将为全球GDP贡献约10万亿美元的价值 [6] AI带来的挑战与公司技术方向 - AI时代面临算力需求指数级增长与芯片性能提升速度有限之间的“剪刀差”，以及巨大的能耗挑战 [8][9] - 为解决挑战，行业趋势包括提高AI模型效率、创新芯片架构（如3D架构、存算一体、HBM）和推动晶体管微缩 [9] - 公司采取“双轨并行”路线：一方面通过2D微缩继续推进芯片制程，另一方面赋能3D集成技术，加码先进封装 [10] - 公司已于2025年第三季度发运首台服务于先进封装的光刻机TWINSCAN XT:260，以提升生产效率和良率 [10] 中国市场动态与展望 - 过去两年中国市场销售额占公司全球销售额的比例一度超过30%，主要由于交付此前积累的未交付订单 [11][12] - 公司预计2026年来自中国客户的需求将从高基数水平回落，回归至历史常规的15%-20%占比区间，此为周期性正常调整 [11][13] - 公司在中国市场持续投入，中国区员工已超过2000人，同比增长约10%，并连续第七次参加进博会 [4] - 公司认为良性竞争促进行业发展，并指出国内半导体设备企业未来将参与全球竞争 [13] 行业合作与生态形成 - 全球AI算力巨头集聚，产业资本正以前所未有的速度向上游集中，形成新的AI生态联盟 [7] - 英伟达市值突破5万亿美元，并投资了OpenAI、诺基亚、英特尔等公司；OpenAI与多家云服务商签下巨额算力大单 [7] - 公司为加速AI应用与融合，战略投资法国人工智能企业Mistral AI，成为其C轮融资领投方，持股约11% [7]

AI驱动半导体产业发展 - AI被视为半导体未来发展的新驱动力，将重新定义摩尔定律的意义[2] - 与过去由单一产品（如大型电脑、个人电脑、智能手机）驱动不同，AI的应用形态更多元，目前仍处于基础设施建设阶段，主要集中在数据中心[2] - AI发展将从云端走向边缘（Edge Computing/AIoT），进入应用阶段，将出现上千上万种不同的应用产品，如智能汽车、机器人、智能家庭、智能城市等[2] AI应用多样化带来的挑战 - AI应用的多元化对半导体设计与制造构成全新挑战[2] - 传统芯片设计的规模经济可能失效，因为过去制程升级多针对单一架构与高出货产品[3] - 现今最先进制程（如5纳米以下）的设计费用高达约20亿美元，产品销售额若未达10亿美元则不具备经济效益[3] 芯粒（Chiplet）与先进封装技术 - 芯粒（Chiplet）被视为关键解决方案，其概念类似积木，可依需求自由组合高运算模组，实现重复使用于不同产品中[3] - 该方案能分摊高昂的开发成本，并提升市场灵活度，成为AI时代的新架构基石[3] - 随着摩尔定律逼近物理极限，制程微缩速度放缓，未来的突破口可能在于封装技术而非制程本身[3] - 先进封装技术（如CoWoS、InFO）的成熟使芯片间的整合效率成为效能提升的关键，封装从过去的辅助角色转变为重要环节[3] 未来产业发展焦点 - 在维持半导体制造与封装领先优势的同时，积极深耕“系统设计”被视为下一步的关注焦点[3] - 最终主导产业发展的将是系统设计者[3]

电子半导体产业研究方法论 - 电子板块研究应聚焦产业链两端的晶圆制造与终端产品，并关注IC设计作为串联环节的作用[4][5] - 半导体行业受摩尔定律驱动技术产品迭代，具有强周期属性，需判断库存、稼动率和扩产节奏[5] - 消费电子行业需判断产品生命力与创新周期，关注品牌商和供应链[5] - 科技成长本质是需求成长，以iPhone为例展示产品生命周期四阶段：创新突破、多样化扩张、转型挑战、复兴飞跃[7][8] - iPhone 6系列创下2.3亿台销量纪录[8] - 产品创新周期中，渗透率从15%提升至70%的阶段是投资主升浪，对应市盈率从10倍提升至40倍[10][11] - 行业供需周期特征为固定资产投资大、产能扩充周期长、产品标准化程度高，t1至t3为景气期，t3至t5为低迷期[12][13] - 半导体是周期波动中的成长行业，其成长内因是科技创新周期与行业供需周期的嵌套[15] - 全球半导体市场规模经历四轮驱动：1994-2004年PC/笔记本驱动达2104.3亿美元，2004-2013年智能手机驱动达3034.8亿美元（CAGR 5%），2013-2017年数据驱动达4050.8亿美元（CAGR 7%），2017-2021年5G+AIoT+国产化驱动达5559亿美元（CAGR 6.2%）[17] 如何挖掘趋势性高成长股 - 资产定价以DDM模型为理论基础，实战中更常用相对估值法，通过国际、行业、公司比较进行估值，高估值溢价源于商业模式、成本优势、行业增速、技术壁垒等因素[22][23] - 趋势性高成长股的关键驱动因素是EPS，案例如安费诺、苹果、英伟达、台积电等公司市盈率均长期维持在约30倍[24][25][27][28][29][30][31] - 高技术壁垒半导体龙头如北方华创的估值可基于当年或次年业绩、远期产能打满对应的收入利润现值、以及终局国产化份额打满对应的收入利润现值进行[33][34][35][36] - 立讯精密通过高业绩兑现度，成功把握AirPods和iPhone组装等产品线机会实现增长[37][38][39][42] - 成功投资高成长股需抓住核心矛盾，案例包括卓胜微（4G升5G驱动）、新莱应材（半导体景气期股价从8元涨至63.81元）、石英股份（高纯石英砂短缺）、富满微（芯片短缺期股价从27元涨至177.96元）[43][44][45][46][48][49][50] - 晶方科技在19Q2至20Q2因摄像头多摄升级和产能紧缺导致价格三个月内调涨三次，股价上涨超8倍，拿住牛股需对产业有深度了解并摒弃噪音[52][53][55] - 高成长股通常具备价值量够大、客户集中度高、稀缺性强等特质[56]

AI能力进展评估 - AlphaGo、AlphaZero、MuZero核心作者Julian Schrittwieser指出公众对AI的认知与前沿现实存在至少一个世代的落差[1][2][3][5] - 实验室研究显示AI已能独立完成数小时的复杂任务，且能力呈现指数级增长[2][5] - 当前舆论过度关注AI出错案例，而低估其实际进展速度[5] AI任务完成能力量化指标 - METR研究机构数据显示Claude 3.7 Sonnet能在约1小时长度的软件工程任务中保持50%的成功率[6] - AI任务完成时长呈现每7个月翻倍的指数增长趋势[6][9] - 最新模型GPT-5、Claude Opus 4.1、Grok 4已突破2小时任务时长门槛[9][11] - 按此趋势预测，2026年年中模型将能连续完成8小时工作任务，2027年可能在复杂任务上超越人类专家[11][33] 跨行业应用表现 - OpenAI的GDPval研究覆盖44个职业、9大行业的1320项真实工作任务[12][19] - GPT-5在许多职业任务上已接近人类水准，Claude Opus 4.1表现甚至优于GPT-5，几乎追平行业专家[20][23] - 任务设计由平均14年经验的行业专家完成，采用盲评打分机制[19][20] - 研究涵盖法律、金融、工程、医疗、创意等多个行业，显示AI正逐步逼近甚至超越人类专业水平[20][25] 技术发展质疑与回应 - 有观点质疑将AI进展直接类比指数曲线的合理性，认为缺乏明确机制支撑[26][28] - 当前评测任务复杂度得分仅3/16，远低于现实世界7-16的混乱程度，可能高估AI实际适用性[29] - Julian承认这些提醒的合理性，但强调公众忽视已发生的增长更为危险[30][32] - 短期1-2年的趋势外推比专家预测更可靠，关键是要为可能继续的增长做好准备[31][32] 未来发展趋势预测 - 2026年底预计有模型在多个行业任务中达到人类专家平均水平[33] - 2027年后AI在垂直任务中将频繁超越专家，成为生产力主力[33] - 未来更可能呈现人机协作模式，人类作为指挥者配备数十个超强AI助手[36][40] - 这种协作模式可能带来10倍至100倍的效率提升，释放前所未有的创造力[36][37] - 科研、设计、医疗、法律、金融等几乎所有行业都将因此重组[38]

核心观点 - 价值投资与科技领域投资并非对立，价值投资原则适用于所有能进行价值评估的领域，包括科技行业 [1] - 人工智能（AI）发展是当前科技变革的中心，其意义被类比为电的发现和利用，是百年一遇的时代红利 [1] - 部分科技领域如半导体行业，其商业模式稳定，价值评估有迹可循，是价值投资者能把握的机会 [4][9] 价值投资与科技股 - 价值投资者投资科技股较少的原因在于，能跨过科技研究门槛的投资者比例较低，且价值投资者在整体投资者中占比也不高 [1] - 价值投资的本质是基于价值评估原则，坚守买看得懂的股票、赚能力圈内的钱 [9] - 伯克希尔哈撒韦对苹果公司的投资被视为价值投资在科技领域的成功案例 [9] 半导体行业整体前景 - AI发展将使得未来很长一段时间内半导体行业的整体需求增速快于过去10年，当前仍处于科技变革初期 [4] - 无论贸易摩擦如何变化，半导体产业的国产替代长期方向不会改变 [4] - 摩尔定律的放缓甚至见顶，会使得中国半导体制造的相对劣势更容易被抹平 [9] 晶圆代工业务 - AI时代并未改变晶圆代工业务的展业模式，但由于AI对高性能计算要求的提升，其可持续性差异在扩大 [4] - 极高的最小经济规模、极高的客户试错成本以及生产经验积累的学习曲线，共同构成了晶圆代工厂的护城河 [5] - AI发展带来的云端训练算力、云端及端侧推理需求、机器人与智能汽车芯片需求，将为晶圆代工业务带来巨大增量 [5] - 在自主可控要求下，高试错成本变得可接受，国内企业获得了破门机会和追赶契机，政府通过政策和作为首批客户提供了支持 [5] 存储行业 - 存储的制造和设计是规模经济性极高的领域，在某些应用场景中客户的试错成本也极高 [5][6] - AI技术的发展改变了大模型处理问题的方式，导致计算和存储的配套比例关系发生巨变，存储需求呈现更快增长，其重要性显著提升 [6] - 存储行业的生意开展方式并未变化，自主可控为国内企业提供了追赶和超越的机会 [6] 模拟芯片 - 模拟芯片的展业模式与产品特征变化不大，其特点包括占下游成本较低、非理想工况较多、客户试错成本极高，一旦建立护城河将产生极高盈利能力 [8] - AI发展过程会带来更多模拟芯片增量，例如AI服务器功率更大需要更高价值的电源管理芯片，端侧产品、机器人、智能眼镜的发展也会增加需求 [8] - 供给端慢变的性质未变，而国产替代给了国内企业展业机会，此间会诞生价值投资能把握的机会 [8] 投资研究方法 - 研究应遵循重要性原则，即一个研究值不值得花精力取决于其重要性，而不取决于其难度 [9] - 长期确定性判断会诞生商业模式稳定、护城河宽阔的企业，其研究方法与传统产业并无差异 [9] - 价值投资以不变的理念应对万变的世界，从不拒绝进步和科技 [10]

核心观点 - 处理器芯片发展呈现“自研-放弃自研-自研”的螺旋式道路，近5年整机和平台厂商重新加入自研芯片战争，趋势是从以CPU为中心的同构计算转向CPU联合xPU的异构计算 [4][5] - 未来五年至十年，国产算力芯片的突破口在于指令系统结构的统一，建议将RISC-V作为统一指令系统，所有CPU/GPU/xPU基于RISC-V及其扩展开发，以扩大规模效应并高效利用研发资源 [5] - 架构创新难敌经济规律，指令集架构从几十款快速收敛至少数几款，x86和ARM占据主导地位是市场洗牌的结果，其成功关键在于庞大的软硬件生态系统和规模经济效应 [10][11][13] 计算模式与指令集架构演变 - 计算机经历八十多年历史，计算模式从早期集中式处理演变为分布式，再进化为集中式云中心和泛在分布智能终端构成的复杂体系 [9] - 当前核心CPU以两种主导指令集为代表：PC和服务器领域是x86架构，智能手机领域是ARM架构 [9] - x86战胜RISC架构靠的是不断向高端RISC学习并根据新应用需求增加指令子集，PC与服务器CPU同为x86架构使芯片出货量大，分摊了服务器CPU研发成本 [11] - RISC CPU失意表面原因是巨额软硬件投入成本，根源是无法颠覆已有软硬件生态系统 [11] 架构创新与生态挑战 - 进入纳米工艺后摩尔定律逐渐失效，晶体管开关速度放缓，业界依赖增加晶体管数量提升性能，基本思路是并行计算 [14] - 计算机体系结构分为激进结构、保守结构和折中结构三种类型，高端CPU常采用激进结构但导致硬件复杂、正确性难验证 [14][15] - 众核结构xPU芯片匹配图像处理、神经网络等并行计算特点，但其大规模应用首先要解决生态系统问题 [15][17] - 2009至2018年企业软件市场中，x86软件市场份额持续上升，2018年全球投入x86软件开发费用高达600亿美元，远超同期服务器硬件800亿美元总收入 [19] - 软件开发费用远高于硬件，新处理器架构难以获得配套软件投资，预计未来很长时间服务器市场x86 CPU仍居主导地位 [19][20] RISC-V发展现状与挑战 - RISC-V应用较多且相对成功的场景是软件简单的嵌入式领域，如微控制器和存储类产品，但物联网需求碎片化导致定制芯片失去规模效应 [21] - RISC-V硬件生态不成熟，缺乏有竞争优势的高性价比处理器核种类和支持多核互连的高性能片上网络 [21] - RISC-V进入以计算机为代表的通用平台还有旷日持久的路程，主要障碍在于软件生态不成熟 [24] - 基于RISC-V指令集扩展支持AI子指令集和后量子密码等创新案例显示其技术可行性，如Tenstorrent等企业开发了基于RISC-V的AI加速计算方案 [30] 自研芯片趋势与统一指令集路径 - 系统和平台厂商重新研发计算芯片，云厂商自研芯片模式可行因盈利基础在增值服务而非硬件，且掌控全栈软硬件使生态移植困难较小 [25] - 苹果公司实现核心产品线处理器全线自研，成功关键在于自研系统软件配合形成优化用户体验，而非单纯芯片自研 [26][27] - 软件定义一切包括成败，指令系统越多软件生态投入越大，当前领域专用架构和其他xPU研发领域出现软件掉队现象 [28][29] - 体系结构创新未必需要新架构，可在现有指令系统框架内实现，统一基于RISC-V指令集开发可避免重复劳动和研发资源浪费 [30]

公司概况与融资 - 美国芯片设备创企Substrate成为新晋半导体独角兽，估值超过10亿美元（约合人民币71亿元）[3] - 公司获得1亿美元（约合人民币7亿元）种子轮融资，投资方包括彼得·泰尔的Founders Fund、General Catalyst和Valor Equity Partners [3][6] - 公司成立于2022年，团队约50人，员工来自IBM、台积电、谷歌、应用材料、国家实验室等企业及机构 [2][11] 核心技术：X射线光刻 - 开发了一种新型的先进X射线光刻技术，使用粒子加速器产生比太阳亮数十亿倍的光束，产生更短波长的X射线光源和更窄的光束 [3][5] - 该技术摒弃了多重曝光技术，其机器展示的结果可与ASML的High-NA EUV机器相媲美，分辨率相当于2nm半导体节点 [3][9] - 技术理念源于20世纪90年代美国国家实验室的EUV研究，公司团队中包括当时参与开发的研究人员和顾问 [11] - 已完成首台内部生产级300mm晶圆光刻设备，能够承受顶尖晶圆厂所需的极高G-forces [5] 商业模式与成本目标 - 最终目标是超越ASML，成为一家芯片制造商，在美国建设生产定制半导体的代工厂 [5] - 计划建立一个配备其光刻机的自有晶圆厂网络，目标在2028年开始大规模生产芯片 [5] - 公司设计了一种新型垂直集成代工厂，通过内部生产大部分工具和使用成本更低的工艺来降低芯片生产成本 [9] - 声称可将顶尖硅片的成本比目前的成本扩张路径降低一个数量级，目标是到2030年将晶圆成本降至接近1万美元，而非10万美元 [5] - 通过使用其自主研发的更便宜的工具，能够以“数十亿美元”的价格建造晶圆厂，而如今先进晶圆厂的起价高达200亿美元甚至更高 [9] 发展计划与行业观点 - 公司的设备可能在未来“几年”内在美国的一家芯片制造厂投入生产 [9] - 公司理念是美国必须在技术实力上引领世界，并击败中国等经济对手 [11] - 公司面临来自整个半导体行业的质疑，业界认为复制复杂、资本密集型的半导体供应链不切实际，ASML耗时二十多年、投入超过100亿美元才研发出EUV技术 [12] - 公司首席执行官James Proud是一位连续创业者，曾经营睡眠跟踪设备和供应链软件初创公司，但无芯片行业经验 [9]

韩国半导体出口展望 - 韩国芯片出口额预计在2025年连续第二年创历史新高，主要受全球AI市场扩大和先进半导体需求增长驱动 [2] - 2024年韩国半导体出口额预期超越1650亿美元，该预期建立在2023年出口额达1419亿美元的基础上 [2] - 2024年1月至9月期间，韩国半导体出口额已达1197亿美元，较去年同期增长16.9% [2] 韩国政府与产业支持 - 韩国政府承诺协助其半导体产业在记忆体芯片市场保持主导地位，并计划缩小在系统半导体和无晶圆厂技术领域与全球领先企业的差距 [2] - 韩国半导体产业协会会长强调半导体是“国家战略资产”，在AI和量子计算领域至关重要，呼吁政府提供积极支持并建立创新的产业生态系统 [2] 市场短期表现 - 尽管出口前景乐观，韩国股市交易中芯片巨头三星电子股价下跌0.51%，SK海力士股价下跌0.84%，而基准韩国综合股价指数整体上涨0.3% [3] - 当地货币韩元兑美元汇率走弱，在1,430.05韩元附近徘徊 [3] 行业技术挑战与机遇 - 随着高性能计算需求增长，逻辑和内存芯片的集成度及互连变得至关重要，这被视为韩国公司的机遇之一 [4][5] - AI推动对高复杂度、低功耗尖端芯片的需求，但进一步缩小芯片尺寸面临技术障碍，引发对摩尔定律有效性的讨论 [5] - 业界认为通过增强设备、先进封装方法（如芯片堆叠）和异构集成技术，摩尔定律在未来一二十年内仍有效，可在不进一步小型化的情况下提升性能 [5] 全球合作与创新环境 - 全球最大纳米电子研究中心imec首席执行官强调全球合作的重要性，警告各国政府优先国内产业的趋势可能扼杀创新 [5] - 尽管中国面临出口限制，但其将半导体发展列为高度优先事项并产生大量创新，稀缺性被认为可刺激创新 [5][6]