KeyFrame內部研究專用

A Deep Dive into the Final Battle Between the US and Iran!

寰宇全視界·8月1日週六·63 min中文

三句話摘要

分析美伊戰爭擴大與美中AI競爭轉向實體應用領域的地緣政治與科技戰略走向。 美伊戰爭進入耗損戰與全球供應鏈危機並存,美中 AI 競爭從晶片戰升級至機器人與實體應用戰,雙方各自補強短板最終走向生態系統分化,全球面臨被迫選邊站的新地緣政治格局。 美伊戰爭正進入耗損戰模式:美國雖掌握空中優勢但難以速勝,伊朗利用分散式無人機與飛彈實施不對稱戰爭;戰火已延燒至海運樞紐(荷姆茲海峽、曼德海峽、蘇伊士運河),威脅全球三分之一海運原油與貨運,原油價格突破 100 美元已成中期風險。

重點整理

重點
  • 1

    美伊戰爭正進入耗損戰模式:美國雖掌握空中優勢但難以速勝,伊朗利用分散式無人機與飛彈實施不對稱戰爭;戰火已延燒至海運樞紐(荷姆茲海峽、曼德海峽、蘇伊士運河),威脅全球三分之一海運原油與貨運,原油價格突破 100 美元已成中期風險。

  • 2

    美國封鎖策略面臨自我困境:禁止中國機器人與晶片進口是為保護本土產業,但替代供應鏈短期無法補位,導致成本上升與產能空缺;美國企業難以承受完全脫鉤代價,實際上正轉嫁成本至盟國與消費者。

  • 3

    中國在製造端與成本端占優勢:宇樹與優傲機器人已進入大規模量產階段,年產能超 10 萬台;新推出國產 DUV 曝光設備雖需驗證期但展示自主能力;以低價策略席捲民生市場(如無人機大疆全球佔有率超 70%)。

  • 4

    未來AI生態面臨分化:美國掌握先進晶片與演算法但需依賴盟國供應鏈;中國建立閉環式舉國體系;全球可能演變成兩套互不相容的生態系統並存,各國被迫選邊站。

實用技巧與重點

乾貨
  • 美伊戰爭數據:
  • 布蘭特原油:升至 90.12 美元/桶;西德州原油:84.67 美元/桶
  • 7 月原油漲幅:24%(布蘭特)、21%(西德州)
  • 歐元區 7 月通膨:2.9%
  • 伊朗警告:國際原油可能飆升至 200 美元
  • 伊拉克人民動員組織傷亡:至少 20 人死亡、32 人受傷
  • 中國機器人產業:
  • 2026 上半年市場產量:4 萬台
  • 全年預計:超過 10 萬台
  • 美國相對產量:不到中國十分之一
  • 主要廠商:宇樹科技、優傲機器人(UB)
  • 美國禁令對象:
  • 人型機器人、四足機器狗
  • 電力逆變器
  • 先進晶片與晶片設計設備
  • 涵蓋鏡頭、感測器、遠端控制功能
  • 中國芯片進展:
  • 新推國產 EUV/DUV 曝光設備
  • 首批交付目標:中芯、華紅、長芯存儲(共 5 台設備)
  • 預計交付時間:2026 年
  • 預期測試期:1-2 年
  • 成熟製程現狀:
  • 華為海思、中興國際推出 7nm/5nm 級芯片
  • 實際性能與西方 3 年前水準相當
  • 先進製程(2nm 以下)仍存在重大技術缺口
  • 市場預測:
  • 標普 500 若 AI 泡沫破裂會下跌 20%
  • 全球 GDP 第一年損失:1.6 兆美元
  • 台灣、南韓半導體供應鏈直接受衝擊

結論

結論

美伊戰爭進入耗損戰與全球供應鏈危機並存,美中 AI 競爭從晶片戰升級至機器人與實體應用戰,雙方各自補強短板最終走向生態系統分化,全球面臨被迫選邊站的新地緣政治格局。

完整解析

詳細

這場節目分兩大議題深入分析當前全球局勢。

美伊戰爭升級與中東多線危機是首要焦點。戰爭已進入第三回合,美軍從轟炸軍事目標升級至直接摧毀伊朗能源基礎設施,試圖切斷伊朗石油收入以逼其談判。然而美國雖掌握空中優勢卻未能速勝,反映出遠距轟炸無法取得決定性勝利的戰爭現實。伊朗已從被動防守轉向主動出擊,運用分散式無人機與飛彈體現不對稱戰爭優勢。戰火已超越兩國對抗,延燒至整個中東地帶——伊拉克境內親伊朗民兵遭到空襲造成傷亡、埃及地中海港口遭無人機襲擊、胡塞武裝威脅封鎖曼德海峽。三大關鍵航道(荷姆茲海峽、曼德海峽、蘇伊士運河)同時拉響警報,威脅全球三分之一海運石油與貨運通路。原油價格已升至 90 美元上下,專家警告若戰事進一步升級恐突破 100 美元。沙烏地阿拉伯等海灣國家成立 14 國聯盟試圖滅火,而非參戰——因為戰爭擴大將首當其衝衝擊依賴石油出口的區域經濟。

專家研判最可能情景是消耗戰(選項 B):美國雖無法速勝但決不投降,伊朗利用持久的不對稱作戰拖垮美軍物資儲備與中東駐軍;全球經濟則因供應鏈中斷與油價波動陷入長期通膨壓力。這比速勝(選項 A 已不現實)或全面多國參戰(選項 C 各方都不樂見)更為可能。

美中 AI 競爭轉向實體應用是第二大焦點。戰線已從抽象的晶片與模型競爭延伸至人形機器人、工業自動化、能源系統等實體領域。中國在機器人製造端已佔據壓倒性優勢:宇樹與優傲機器人 2026 上半年已出貨 4 萬台,全年預計超 10 萬台,而美國(包括特斯拉、Figure AI、波士頓動力)量產計畫都延至 2026 年才見規模,相差一到兩年。美國政府因此祭出禁令,將人型機器人、機器狗與電力逆變器納入受管制清單,試圖保護本土產業。但問題隨之而至:替代供應鏈無法迅速補位,成本必然上升。美國企業面臨兩難——要麼承受禁令帶來的產能缺口,要麼承受脫鉤帶來的成本暴漲。過去冷戰時期企業仍有替代方案,但在全球化 40 年後,替代來源已極其有限。

中國則在自主能力上加速突破。新推的國產 EUV/DUV 曝光設備首批交付五台,標誌著國內晶片製造設備從實驗室走向產業應用,雖需一至兩年驗證期但展示決心。國產芯片設計能力也在提升,華為海思、中興國際推出的 7nm/5nm 級產品已可量產,雖然性能仍落後西方三年但趨勢明確。最大的瓶頸仍在先進製程(2nm 以下)——這部分仍被美國與其盟國(台灣、日本、荷蘭)的聯合封鎖所制約。

未來最可能的情景是 AI 生態系統分化(專家傾向選項 C):美國掌握先進晶片、演算法與云端算力,但需要盟國(台灣負責晶片製造、日本提供材料、歐洲提供關鍵零組件)參與供應鏈;中國建立閉環式舉國體系,在機器人、電池、風電、光伏等領域已是全球第一,以白菜價吞噬民生市場;全球被迫形成兩套互不相容的生態系統。美國的禁令雖有短期效果但無法阻止中國進步——只要有足夠的人才、資金與戰略目標,技術進步終將發生。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。