SEMICONDUCTOR / AI INVESTING14 SEP 2026
强 1% 守在哪里
修正第 58 篇的两处
第 58 篇用两道关检查产业链，结论是有护城河的应用稳过，前沿模型有条件过。和《脑科学与AI》系列对过一遍之后，有两处要修正：前沿模型的「条件」写错了位置；「长期」这个前提写得太宽。结论的方向不变，范围变了。
前沿模型的溢价，守不在「看得出差别」的地方，而守在步骤长、中途难核对、出错代价高的活里。技术到顶只改写训练这一段的算力，钱会转去推理，总算力照样往上走。
能判卷的活 01 溢价可能被吃掉 |
长链路 02 强1%值钱 |
模型到头 03 只改写训练 |
SEMICONDUCTOR / 01
一、第一处：「看得出」不是溢价的护身符
第 58 篇给前沿模型的第一个条件是「看得出差别」，举的例子是写代码：一跑就知道错没错。
问题在于，一样活越容易核对，越容易被便宜的办法追上。《脑科学与AI》第 74、75 篇指出，有机器判卷的领域，AI 靠试得多取胜。一个 80 年的数学猜想被 AI 推翻，靠的就是这一点，不过当时用的是前沿模型。由此可以推出，便宜模型多试几次，再让机器挑出对的那个，也可能逼近最强的模型。这是推论，还没有被证实。
所以要把「看得出」拆成两种：
—能便宜判卷的活：溢价可能被「便宜模型多试几次，再让机器挑」一点点吃掉。—只能事后才知道对错、代价又高的活：比如法律判断、医疗判断。溢价在，但买家付的是对品牌和信任的钱，这已经是护城河应用那一类的钱，不是「更聪明」的钱。
SEMICONDUCTOR / 02
二、强 1% 真正值钱的地方：长链路
强 1% 也有站得住的地方，就是步骤很长的活。
算一笔账：每一步做对的概率，一个是 99%，一个是 98%，只差 1 个百分点。连续 50 步都做对，前者约 60.5%，后者约 36.4%。单步差 1 个百分点，到整件活上成功率多出约七成（约 1.7 倍）。
这正是 AI 代理在做的事：一个任务拆成几十步，自己查、自己写、自己改，中途没人核对。步骤越长、越难中途判卷、出错越贵，最强模型的溢价越站得住。
修正后，第 58 篇表里「前沿模型」那一行：仍是有条件过，条件改为「长链路、难中途判卷、出错代价高」。能便宜判卷的那部分，溢价会被侵蚀。
SEMICONDUCTOR / 03
三、第二处：「到头」有两种，被我混成了一种
第 58 篇第一节说，长期来看技术路线会走到头，「到顶」和「换范式」两条路结果一样，都会改写「模型更大，训练就要更多算力，于是要更多芯片、内存、电和数据中心」这条链。这句写得太宽，有两处要分开。
—模型做到头，和芯片工艺做到头，是两件事。前者说的是模型越做越大、进步越来越小；后者说的是晶体管逼近物理极限（第 58 篇芯片制造那一节）。两者独立，时间表也不同。—模型做到头，只改写训练这一段。《脑科学与AI》第 34 篇的说法是「换杠杆不换账单」：预训练的收益变小了，钱会转去强化学习、推理和 AI 代理，总算力照样往上走。同一篇的后半句同样要紧：算力需求总量看涨，单位利润率看跌。总量涨不等于利润留得住，这正是第二道关要查的。
真正改写整条链的，是换范式。按《脑科学与AI》系列作者目前的看法，即便换范式，也不是把显卡整个换掉，而是重心往推理、内存和检索、能效上移（第 72 篇）。
SEMICONDUCTOR / 04
四、这次修正改变了什么
—前沿模型：仍是有条件过，条件改为长链路、难中途判卷、出错代价高。—数据中心：长期会被复制的判断不变，靠的是「能复制」，不靠「到头」。第 58 篇说技术路线一改写，「为当前路线定制、锁得最久、借钱最多的资产最吃亏」，这句要收窄成为训练专门定制的资产：通用显卡机房可以转去做推理，真正的风险在锁得最久、借钱最多的合同，而不在用途。—芯片：要拆开。芯片设计「不过」不变。芯片制造不一样，第 58 篇写的是「前沿一停就不过」，靠的正是工艺到头，也就是第三节分出来的第二种「到头」，和模型到不到头无关。《脑科学与AI》第 72 篇把先进制程和封装判为最稳的一环，说的是十年之内；第 58 篇说的是更长的时间，两者并不矛盾。—护城河应用：不变，而且更稳了。不能判卷又出错昂贵的活，溢价最后也流向信任，也就是流向这一类。
SEMICONDUCTOR / 05
五、出现什么，说明这篇错了
—长链路的 AI 代理任务上，便宜模型多试几次，也能稳定追平最强模型的成功率。—模型进步放缓之后，推理和代理的算力开支没有接上，总算力需求明显下降。—能便宜判卷的领域里，企业仍持续为最贵的模型付高价，而且份额不降。
SEMICONDUCTOR / 06
六、边界
—本文是行业结构判断，不涉及任何个股的估值、买卖或仓位，不构成投资建议。—「99% 对 98%、50 步」是演示算术，不是实测数据；真实任务里每步的可靠率并不相同，也不互相独立。—引用的《脑科学与AI》各篇是同一团队的研究，不是独立第三方的证据。作者所用的 AI 模型来自 Anthropic。
SEMICONDUCTOR / 07
七、三行，留着复习
—能便宜判卷的活，最强模型的溢价可能被「便宜模型多试几次，再让机器挑」吃掉（推论，未证实）。—强 1% 值钱在长链路：单步差 1 个百分点，50 步后成功率多出约七成。—模型做到头只改写训练那一段的算力，钱会转去推理；真正改写整条链的是换范式。