英伟达、微软、苹果三家公司市值近10万亿美元，大家有何感想？

英伟达、微软、苹果三家公司市值近10万亿美元，大家有何感想？ 圆胖肿的回答 没啥大问题，这三家都是ai相关概念股 微软，openai，前几天新闻，微软把自家搞ai的员工都给裁了，全部转给openai去做了，微软中国relocate到国外的有相当一部分是搞ai的组，危险咯，微软中国是一个前途堪忧的机构，中国人在里面斗不过印度人的，relocate更是不靠谱，被relocate到国外再裁员完全可能。微软是软件层面的ai，主要竞争对手是Google，另外openai前首席科学家也创业了，也是要跟openai面对面竞争的 英伟达，gpu概念股，gpu这个东西就是英伟达发明的，最早用在游戏显卡上，后来被用在ai上，现在英伟达的ai用gpu销量已经超过游戏用gpu了，现在英伟达主要收入来自ai，尤其是数据中心用的gpu，反而是客户端似乎慢慢越来越多其他厂家做的gpu，而非依赖英伟达了，等下说苹果时候说，这一块英伟达主要竞争对手有博通，博通提出了xpu的概念，xpu就是用在数据中心的云计算上ai芯片，还有amd，这两个股价也都在涨，博通刚创新高，amd今年3月新高 苹果，苹果的ai概念来自客户端，尤其是自研的m系列芯片，统一内存架构给了ai很多想象空间，内存既可以给cpu用也可以给gpu用，所以m系列芯片可以视作廉价的ai芯片，mac是可以跑大模型最便宜机器，其优势就来自统一内存架构，内存怎么也比显存便宜啊，能把内存当显存用，就是它便宜的秘诀。苹果之后，现在高通和intel都纷纷推出自研的统一内存架构芯片，现在高通的股价也创了新高，intel因为它的统一内存架构芯片月亮湖还没上市，所以等上市后再看它的表现，月亮湖预计今年下半年上市，然后客户端统一内存架构上的ai芯片，叫做npu，n代表神经网络的意思，统一内存架构可以带来，能耗低，传输快，以及内存当显存用成本低的三重优势 ai时代的大幕已经徐徐拉开，对于国内企业而言，微软的ai算法，英伟达的算力，都是相对容易被克服的障碍，算法国内人矿资源丰富，有批量生产的985系列劳工，不愁。 数据中心用gpu，国产gpu造不过你，但是可以堆机器嘛，数据中心，云端堆机器不很正常，反而是客户端，统一内存架构芯片，国内很难搞出来，需要多年的积累，因为统一内存架构芯片现在用的都是台积电3nm的制程，而且这个芯片可以带来足够的便携性，方便带在身上移动，国内要突破到3nm，还要很多年，所以这一块，最难赶上，前两个容易一点 via 知乎热榜 (author: 圆胖肿)

低速灵活，高速稳定，这么厉害的后轮转向为啥很少用？

低速灵活，高速稳定，这么厉害的后轮转向为啥很少用？ 所以不少人觉得， MEGA 这么一辆五十多万的车，就应该像小鹏 X9 一样，带上后轮转向……那啥是后轮转向？车大就一定需要后轮转向吗？这回脖子哥就给大伙儿来好好盘盘。说到转向，咱们一般的车都是通过前轮实现，此时后轮是不动的。而后轮转向技术，就是让后轮做到和前轮相似的转向效果。按照它的实现方式可以分为两种，一种是主动转向，主要通过电机控制，另一种是被动转向，通过机械结构操控。要说这个技术，过去都是用在什么保时捷、兰博基尼上， 50 万以内的车，基本就不太容易见到。但你要说它有多高贵吧，那也不一定，毕竟把后轮转向做到极致的，其实是叉车……嘿嘿，开个玩笑。我们家用车上的 “ 后轮转向 ” ，不是真的像叉车一样用后轮转弯，它更确切的说法是“ 四轮转向（ 4WS ） ”，后轮一般只能转个 3-10 度。所以，它只起到一个转向辅助的作用。如果用一句话概括它的好处，那就是“ 低速灵活，高速稳定 ” ，最终能让车的操控性明显提升。欸，没错，别光记着小鹏 X9 的灵活转弯，其实后轮转向它有两种形态，低速反向转，高速同向转。早在 1987 年，本田在第三代 Prelude 上量产的后轮转向系统，就能做到这两种模式，这个逻辑也一直延续到今天。比方说，在速度比较低的时候，后轮转向系统能让后轮和前轮反方向调整，减小转弯半径。这就是说，如果把转弯的路径看作一个圆的话，这个圆会变得更小，也就更灵活。比如小鹏 X9 的转弯半径就能做到 5.4 米，这么大个车和紧凑级的卡罗拉一样，这就是后轮转向的能力。正巧，我也试过这个车。虽说这套系统，在大马路上开着感觉不明显，但是在老城区就特别管用，尤其是一些 “ 胡同 ” 或者 “ 弄堂 ” 里，车开起来究极灵活，倒车入库还能少倒几把。还有就是一些窄路里的掉头，像它这个尺寸的车起码要再倒一把，才能调过来，但是用上后轮转向以后，一把就够，嘎嘎掉头。而在高速状态下，情况就不一样了，后轮转向系统会让前后轮同向调整。这是因为当车速上去以后，很少会有大幅转弯的工况，这时只有可能是变道超车或者紧急避让，你需要的不是增强转弯能力，而是转弯过程的稳定性。比如在雨天或者雪地，后驱车经常会遇到“ 转向过度 ” 的问题，一旦加速转弯，就容易发生漂移和甩尾，控制得住很帅，控制不住就会很惨……咱就不要以为自己是藤原拓海，都能搁这嘎嘎漂移，其实大多数情况是转向失控，然后阴沟里翻车。如果带了后轮转向，就会有点类似于斜着走直线。就算你车身倾斜了，后轮相对还是直行，就不太容易打滑，失控的几率也会更低一点。那这么好的东西，理想和主流 MPV 咋就不用呢？其实说来话长，咱要在车上落地这套系统，可真没你想的那么简单，起码得解决三个问题：算法、成本和空间。先说算法，这玩意儿难在打磨。一开始本田 Prelude 用的这套后轮被动转向系统，是用不着什么算法的，它只是通过一个连接前后部分的转向传动轴，就实现了后轮转向。但是这种方法太过简单粗暴，角度调整比较僵硬，实际效果并不好。所以，在日产的 HICAS 系统开始以后，主流的后轮转向系统都成了主动转向，这时候后轮就可以有自己的想法，它会根据行驶速度、车身幅度来做转向角度的调整。这也就需要通过车内的各种 ECU ，接收各个部位传感器的反馈，再经过行车电脑处理后，通过独立的 12V 电机驱动，单独操控后轮转向。这个道理就跟大伙骑自行车一样，如果是前轮，轻微的摆动甚至转向不准，我们都可以人为控制。可一旦后轮在高速行驶时出现偏移，那对车的稳定性来说是致命的，所以要保证后轮转向在实际开车的时候不翻车，就得调得一手好算法。尤其是，在搭配后轮转向之后，智驾、 AEB 等主动安全功能就需要重新适配，难不难先另说，总之又是一个大工程。而且这东西要外包给供应商还真不行，因为供应商没厂家自己了解自己的车，所以要实现后轮主动转向的话，都得车企自己实打实的算法能力。这也是为什么后轮转向一般都是豪华品牌里的科技集成度最高的豪华车型使用，比如奔驰 S 、奥迪 A7 和宝马 7 系等等。除了算法以外，硬件要的更是白花花的银子，所以成本也是个问题。特别是目前主流的后轮主动转向系统，价格通常来说要更高。而且，供应商一直还都由 ZF 和舍弗勒这些头部企业把控，一套做下来少说也要 1 - 2 万。所以看下来，目前把价格打到 30 万的也就小鹏 X9 ，哦，别忘了之前还有个智己 L7 ，也是全系标配，用的还是奔驰同款供应商。而奔驰自己的后轮转向系统，不仅需要选配，想把可调角度提升到 10 度，还要额外收费，每年要交 4998 元左右……看得出来它有多着急回本了。那除了算法和成本之外，最难的还是之前提到的空间。要实现后轮转向，就要在后轮上装一套转向机构，包括转向机和转向拉杆，有一说一，这玩意儿又大又重，放哪个车都不太好放。虽说这套东西和前轮的几乎一样，但至少放前轮不会影响乘坐，而放在后轮，就多多少少会占用第三排或者后备箱的空间。更别说车轮自己还需要左右转向，还得留一部分出来，估计李想看完也就一拍大腿，“ 得，咱不加了 ” 。毕竟，你搞个移动的家，要是住着还不爽，那何以家为？不过，也不是说带了后轮转向，空间就一定差，那 X9 也不干了，其实这里边还有一个布置的问题。比如说电机，虽然 MEGA 和 X9 都可以四驱，但 MEGA 的电机前小后大，主后驱，小鹏 X9 电机前大后小，主前驱，所以 X9 相对有更多空间上去做后轮转向。再加上 X9 还把全车都调了一遍，转向器从副车架后端改到了前端，减振器和双腔空悬也都顺着向外侧挤挤，这样空间不就多出来了嘛。所以说白了，还是设计理念的差异。而且，后轮转向在高速能实现的稳定车身的功能，在今天已经找到了更高性价比的替代方式。越来越多的车企发现，自己花大力气做的后轮转向，其实用 ESP （ 车身电子稳定系统 ）也能替代个八九不离十，那还整这玩意儿干啥。不是后轮转向用不起，而是 ESP 更有性价比。更别说，一些买 MPV 的人，甚至都不用自己开，对吧？所以像是 80 万出头的 EM90 ，长宽和 MEGA 差不多，它也没用后轮转向……说到这，咱们也能理解为啥有些该上后轮转向的车都没用后轮转向了。而关于买车需不需要后轮转向这件事，我认为是这样的。有后轮转向当然最好，它精准解决了大车难开的痛点。如果你喜欢有操控感的大车，或者出行总是经过比较复杂的路线，选择后轮转向是绝对合适的。有总比没有好不是。而且，给各位厂商一个建议。后轮转向这事跟以前不一样了，以前都是只能豪华车才有，什么奔驰 S 迈巴赫。咱新势力们瞄上这项技术，不得把它跟现如今的国产空悬一样国产化，用前期的技术投入换来后期的性价比。让大伙更便宜的用上好技术，不比你在那研究隐藏式门把手强多了？ ... PC版： 手机版：

建筑工地成无人车噩梦 Waymo栽跟头多到被约谈

建筑工地成无人车噩梦 Waymo栽跟头多到被约谈 访问：NordVPN 立减 75% + 外加 3 个月时长 另有NordPass密码管理器 发生了什么大概3个月内，Waymo积累上报了22起事故，引起了美国国家公路交通安全管理局的注意。根据NHTSA的文件显示，这些事故包括Waymo无人车和静止和半静止物体（比如门）相撞、与停放车辆相撞以及违反交通安全控制装置的情况。其中“违反交通安全控制装置”官方特别说明是一个重点调查方向，一个典型场景就是自动驾驶系统对交通锥/雪糕筒的检测识别能力。这个点比较罕见。因为这次上报的22起事故中，很多都涉及同一种场景建筑工地。比如上个月，6辆编队行驶的Waymo Robotaxi，下班收工回停车场，结果遇到了施工现场临时交通管制，直接卡死在雪糕筒围成的临时通行区，造成了大约半个小时交通拥堵。有本地生活经验的网友立刻就认出来，这是旧金山 Potrero 大道 101 号匝道，Waymo无人车卡死的地方，刚好是高速入口。最后，是路上的司机老哥直接下车手动挪开雪糕筒，后面的车队依次绕过几辆“瘫痪”的无人车。Waymo方面出了一个简单声明，大意是30分钟内就派人去现场挪车了，没有造成任何伤亡和财产损失，后续会配合调查。不过在凤凰城的建筑工地，就没这么幸运了。同样一辆Waymo无人车，无视了雪糕筒围出的施工区域，直接冲进了建筑工地。幸好速度不快没撞到人，不过车辆本身、工地现场都有不同程度损失。类似这样的事故很多，每次无人车“冲进工地”的小视频，都会在网络上疯传。网友总结的很生动：交通锥就是Robotaxi的氪石（kryptonite），现在再神通广大的自动驾驶，遇到封闭道路的交通锥，都得完蛋。咦？好像跟Waymo官方秀出的视频不太一样呀。为什么建筑工地难？Waymo第五代自动驾驶系统绕行施工区，曾被当做技术亮点专门解析过。官方的Demo中，无人车面对的场景更加复杂，除了交通锥、不规则区域，还有来回走动的工人。Waymo无人车当然是毫不费力完成了一系列避让、绕行动作，顺利通过了施工区域：这里面让人啧啧称奇的是，Waymo无人车似乎能够看懂人类指挥交通的肢体语言，让停就停，让走就走，而不仅仅以路面条件作为依据。怎么做到的？Waymo负责预测算法的工程师Maya Kabkab简要解释了一下，大意是第五代技术中，Waymo加强了对不同物体目标的理解能力，以及对可通行区域的识别能力，这两项使得系统能更好规划通行路线。核心是用全新模型VectorNet替代CNN，提取传感器和高精地图信息。简单的说，是将高精地图和传感器输入信息表示为点、多边形或曲线，VectorNet则将所有道路特征和其他对象的轨迹表示为相应的向量。基于这个简化的视图，VectorNet可以提取每个向量的信息以及学习不同向量之间的关系。好处是VectorNet比CNN占用计算资源更少，出结果的速度更快，理论上也能更加清晰的提取出关键场景信息。但VectorNet仍然没有解决“建筑工地”难题的核心“建筑工地”本身是高精地图的例外，不可能同步更新，只能靠传感器实时感知。但传感器的数据在不同子模型之间依次传递，信息损失难以完全避免。Robotaxi频繁出现被建筑工地卡死，直接原因是对交通锥、异形物的错检漏检。而深层原因，是传统自动驾驶技术范式存在能力的上限、天花板，难以覆盖路上所有的corner case。所以能不能顺利避让建筑工地，成了一种概率事件：官方Demo精雕细琢反复测试，那没问题；单上路实测，就只能看天吃饭了。端到端能解吗？“遇事不决量子力学”，是一句调侃。但在自动驾驶领域，遇事不决，的确都可以“端到端”一下。所谓“端到端”是针对传统技术范式而言的，其中自动驾驶的感知、决策、规控等等互相独立。传感器采集到的数据，需要通过这一系列不同的算法模块，最终才能“变成”操作指令。每个独立模块之间的信息是逐级传递的，在这个过程中必然会存在信息的丢失和误差，而且前一个模块的误差会影响到下一个，多个模块之间的信息误差会不断累积，进而影响到自动驾驶方案的整体效果。无论是纯视觉感知，还是融合感知，“错检漏检”的根源就在这里。当然也有对应的解决办法，那就是通过人手写的规则，尽量打补丁提高感知识别的可靠性。比如能识别车、人，但识别不了“人站在车前”，那好办，直接将这类目标单独建一个数据集拿来训练模型不就行了？这就是所谓感知“白名单”机制。但问题是，很难穷举所有种类的交通目标和场景，这次解决了“人在车前”的问题，但如果车从乘用车变成大卡车呢？或者一个人变成大人牵小孩呢？对于Robotaxi的建筑工地难题来说也是一样，工地可能临时出现，随机刷新，不会限定区域限定时间，而每家工地的搭建、施工路障都不一样…所以从感知开始就实现信息的无损传递，让系统真正理解环境，需要有一个全新的算法范式端到端算法模型。两个端分别指数据输入端和指令输出端，中间不再分成几个相互独立的模块。端到端模型能够通过完全数据驱动的模式，将其学到的能力和技巧迁移泛化到其他场景当中，自主且高效解决行泊场景中新出现的各类长尾问题，具备更快的迭代效率，有效降低开城成本。通俗的说，就是让AI司学习人类成熟驾驶行为，看到一种场景，做出相应对策。实际上“端到端”已经摸到了AGI的门槛。2016年端到端模型由英伟达首次提出。但真正得到量产实践这两年才开始。目前只有特斯拉的FSD和中国AI玩家的CVPR 2023最佳论文UniAD。智能车参考也分别就Waymo遇到的工地难题询问了这两家国内自动驾驶头部玩家的看法。地平线从工程实践角度出发，认为：自动驾驶的工地难题和端到端技术范式并不是绑定的。理论上讲，感知能力足够强、感知白名单足够丰富也是能解决问题的。但显然，端到端的自主学习能力、类人思考会更大规模更高效率的解决这个问题。而商汤的看法更加从“第一性原理”出发，绝影智驾相关技术专家相关认为：不对具体的case进行评价。但基于规则的传统智驾方案的感知还是人为定义要素，并对感知信息进行抽象提取，这就会导致信息传递过程的损失和遗漏，让感知决策模块难以作出正确的决策。而端到端是在一个神经网络中，将外部环境的信息无损输入和传递，更准确和完整地理解外部交通环境，并作出规划和决策。规则方案可以通过增加规则、添加补丁解决一个场景。但是这样的场景不会只有一个，是无限的。而足够多的数据进行学习训练之后，端到端方案可以像人一样思考、开车，自己解决更多类似的corner case。总结一下，地平线和商汤表述不同，但核心一样，都认可端到端是解决Robotaxi工地难题最有效的方法。同时还是解决自动驾驶各类长尾问题的最高效途径。对了多说一句，提出UniAD的CVPR 2023最佳论文，地平线和商汤的学者都参与了撰写。端到端对传统技术范式革新，给了所有玩家新的机遇：更好的智驾体验、更低的维护、泛化成本，以及更有竞争力的自动驾驶方案成本。但代价是以往模块化的、规则驱动主导的技术体系，必须推倒重构。昔日自动驾驶绝对领军者Waymo，如今陷入“建筑工地”困境中，更加证明自动驾驶这条赛道“水无常形，兵无常势”：老牌明星可能会优势归零重置，“后来者”也会获得领先优势。 ... PC版： 手机版：

英伟达对华“特供”的H20、RTX4090D将受限

英伟达对华“特供”的H20、RTX4090D将受限 （1）芯片的I/O带宽传输速率大于或等于600 Gbyte/s；（2）数字处理单元/原始计算单元每次操作的比特长度乘以TOPS 计算出的算力之和大于或等于4800TOPS。”此举，直接导致了英伟达的A100、H100等高性能AI芯片无法对华出口。随后，英伟达为了挽回中国市场，针对中国市场推出了符合美国限制政策的AI芯片：A100和A800，主要是降低了互联速率。但是，在2023年10月17日，美国政府又推出了新的限制规则，进一步收紧了限制范围：（1）ECCN 3A090a针对最高性能芯片，集成电路中包含一个或多个处理单元达到以下任一标准：a) 综合运算性能（Total Processing Performance，TPP）达到4800，或b) 综合运算性能达到1600，同时“性能密度”(Performance Density，PD)达到5.92。（2）ECCN 3A090b针对次高性能芯片，集成电路中包含一个或多个处理单元达到以下任一标准：a) 综合运算性能达到2400但低于4800，性能密度达到1.6但低于5.92；b) 综合运算性能达到1600，性能密度达到3.2但低于5.92。但凡只要在上述两项性能标准范围内的美国芯片都将会受到限制。这也直接导致了英伟达针对中国市场推出的A100和A800芯片的对华出口受限，英伟达在A100和A800这两款芯片上的投资也是损失不小。此外，英伟达L40S、高端显卡RTX 4090等产品也受到了限制。不过，英伟达依旧不甘心放弃中国这个庞大的AI芯片市场。于是在去年四季度，英伟达又针对中国市场开发出了符合美国最新限制政策的四款AI芯片，包括 HGX H20、L20 PCle 和 L2 PCle。同时还开发了符合新规的高端显卡RTX 4090 D。从公布的参数来看，其中最强的H20的FP16、INT8等主要算力参数仅为A100的不足1/2，更是仅为H100的约1/7；L20的主要算力参数则相较于之前的L40、L40S分别下降约1/3、2/3。此前NVIDIA内部人士在访谈中也承认，H20单卡算力仅有H100的20%，相比某国产芯片，其性能也只有其60%多。此外，RTX 4090 D的核心数量相较RTX 4090也减少约11%，整体性能或降低了10%！显然，英伟达这些最新针对中国市场定制的产品性能被大幅阉割，使得市场大多对其性能表现、性价比持悲观或怀疑态度。不过，即便如此，美国方面似乎还是不放心。近日，美国又公布了将于今年4月4日生效的新的限制规则，4A003类目下 “数字计算机”、“电子组件”及其相关设备和“组件”，对于所有目的地（除EAR第740部分第1号补充文件国家组E:1或E:2中的国家外），“调整后峰值性能”（“APP”）超过70 Weighted TeraFLOPS（WT，每秒计算万亿次浮点运算，主要针对GPU性能，CPU和NPU主要提供定点/整数算力）的计算机和4A003.c中所述的“电子组件”都需要许可证（NLR）。这里需要补充说明的是，在AI训练方面，通常使用浮点格式FP16和FP32,因为它们具有足够高的精度。而在AI推理方面则通常使用整数数据格式INT8和INT4。也就是说，现有的美国厂商的计算机产品或组件，如果其综合浮点算力超过70 TFLOPS，则需要申请许可证才能出口。而这似乎是针对的是英伟达此前针对中国市场新推出的RTX 4090-D以及H20。数据显示，RTX 4090-D的FP16/FP32算力为74TFLOPS，H20的TF32算力为74 TFLOPS（L20的FP32/16算力为60TFLOPS不到）。这也意味着，英伟达RTX 4090-D以及H20对华出口可能需要申请许可，至于是否能够获批，则可能需要“逐案审查”（case-by-case review）。虽然也有国内媒体报道称，该政策可能将会限制到高性能的AI PC产品。但是，芯智讯认为，目前AMD、英特尔、高通、苹果等厂商所推出的集成了AI内核的面向AI PC的处理器，其浮点运算能力目前仍比较有限，更多还是提升整数运算能力，并不会受到新规限制。比如英特尔在去年底推出的Meteor Lake芯片（Core Ultra） 基于其AI引擎、NPU、CPU和GPU，可提供34TOPS（注意不是FLOPS）的算力。不过，以上只是笔者对于该规则的解读。目前英伟达官方面尚未有相关信息公布。芯智讯也有咨询英伟达中国区相关负责人，但对方并未对此进行回应。值得注意的是，美国商务部长雷蒙多在12月2日举办的“里根国防论坛”（Reagan National Defense Forum）上曾表示，即便会让企业难做，美国政府仍将持续修改（change constantly）先进芯片的出口管制，因为“科技会变、对手也会变，我们必须跟上”。雷蒙多指出，就算业者重新设计出一款能规避现有法令的芯片，只要被关注国家将之用来发展AI，“我第二天就会立刻出手控管”（I’m going to control it the very next day）。针对雷蒙多发言，英伟达CEO黄仁勋（Jensen Huang）曾于12月6日在新加坡召开的记者会上表示，英伟达一直都在积极配合美国政府，打造符合法规的产品。“我们打算继续配合美国政府，开发符合新规定的全新系列产品”。黄仁勋之前还曾表示，美国对华半导体出口的限制，也进一步刺激了中国努力发展半导体产业的决心，中国大陆目前已有数十家公司正在开发可与英伟达产品竞争的技术，这对英伟达在中国市场的发展也很不利。过去多年来，中国市场约占英伟达营收的20%。 ... PC版： 手机版：

耗材（单价不贵，但是所需用量大）：口腔器械盒（最常见的耗材）、硅橡胶（取模用）、扩口器

耗材（单价不贵，但是所需用量大）：口腔器械盒（最常见的耗材）、硅橡胶（取模用）、扩口器 大设备（单价很贵，用量少）：牙椅（衡量口腔门诊规模的重要标准，一般的门诊有7-8张牙椅就算具有一定规模了，常见的牙椅也要几万一张）、CBCT（拍牙片专用设备，几十万一台）、污水处理设备（口腔门诊必备设备，普通的要几万一台）、种植机（种植牙专用，几万到几十万不等） 小器械：拔牙钳（拔牙专用器械）、虎口钳、根管锉（做根管治疗时需要用到的器械）、口腔手机（不是我们玩的手机） 原材料：隐形矫正牙套（需要定制，一般患者半个月一副，需要佩戴2-3年）、种植牙原材料（主要就是韩国、欧美的，价格不等，但不便宜）、美白剂（最近几年很火的口腔美白必用材料） 小物件（赠品或者是增值产品）：牙刷、牙膏、漱口水、脱敏剂 以上提到的设备器械也只占一部分，围绕这些设备的厂家和经销商就覆盖了很多人。设备里最贵的就属大设备，一般有点规模的口腔门诊，光是这块的投入就有上百万。所以，口腔门诊在没开始营业之前，投入几百万跟玩儿似的，所以能开得起口腔门诊的老板也都挺有钱。 有不少在公立医院做了一些年头的医生自己出来单干开门诊，其中原因肯定是因为赚钱，到底有赚钱呢？ 口腔行业的利润到底有多大？ 有很多人经常纳闷，种植牙、隐形正畸贵也就算了，怎么连普通的拔牙动辄也要上千块一颗了，以前拔牙几十块就能搞定了，根管治疗和窝沟封闭也要大几百上千块才能下得来。 从上面几段的描述大概已经解释清楚了口腔门诊收费贵的原因，归根结底还是成本高。 跟着价格一起高涨的其实还有旺盛的市场需求。根据中国口腔医疗协会发布的数据显示，截至2019年底，全国口腔医疗机构达到6.2万家，其中口腔医院和口腔科室约1.3万家，2019年全国口腔门诊量达到了约1.8亿人次。此外，随着人们对口腔美容和口腔保健意识的提高，口腔美容和保健市场也在迅速发展。 那么患者交的那么多钱都让谁赚走了？最赚钱的都可能不是厂家，而是各地经销商。很多知名口腔品牌会在各个省份设立经销商，产品经由他们再往下面沉淀，卖给下面的市级、区级经销商。中国的很多代理商或者经销商都是在闷声发大财，经营规模比较大的经销商下面可能会有几十个二级代理，销售渠道广阔，业务遍布全省，每年光是一个品牌产品的资金往来就会涉及几个亿，他们再从中赚取差价，一旦形成规模效应，收益还是非常可观的。 知名隐形正畸品牌时代天使在2022年的总营收是12.70亿元，这些产品最终到普通患者手里会有几百亿，你想想，这中间差的这么多钱都去哪里了。 中国的口腔行业与欧美有多大差距？ 欧美国家在口腔行业的科技水平要比中国要高出很多，他们拥有更先进的科技，更加专业的设备和更高水平的技术人员。当时我们做的一款产品“口腔阻鼾器”，也就是戴在牙齿上，可以治疗打呼噜的牙套，在欧美国家、日本已经很普遍了，但是在国内连听过的人都很少，与之配套的取模设备更是找不到，英国人甚至研究出了唱歌治疗打呼噜的疗法。 不得不说，欧美国家的口腔医疗水平也要比中国高出很多，他们拥有更专业的医生，更先进的技术，更完善的医疗体系，以及更高的医疗技术水平。其实不只是口腔医疗，其他细分医疗领域，欧美国家也更领先一些。毕竟他们发展医疗的时候，我们国内还在打仗，整体发展会晚一些年，这也是事实。 我曾经在一次口腔展会上看一个哥们卖一款德国的拔牙钳，2000多一把，但质量确实过硬。他跟我说，普通国产的拔牙钳，用了几次之后基本就是变形了，但是这种德国产的拔牙钳，拔牙十分轻松，可以用十年，虽然价格是国产的十倍，但就是好用。 欧美国家在口腔行业的教育水平也要比中国高出很多，他们有更专业的口腔教育体系，更完善的教学设施，更丰富的教学内容，以及更高水平的教师队伍。欧美国家在口腔行业的管理水平也比中国高出很多，他们有更完善的管理体系，更严格的管理制度。比如比较有名的高端口腔品牌马泷齿科，最早创建于葡萄牙里斯本。 目前国内口腔医学专业排名比较靠前的学校有四川大学、北京大学、上海交通大学、南京医科大学、武汉大学、中山大学，口腔科排名比较靠前的医院有北大口腔医院、武大口腔医院、杭州第一人民医院、301医院、上海九院、四川华西医院。而国外的私立口腔门诊，普遍水平都还可以。目前国内具有一定规模的连锁口腔品牌有美奥口腔、牙博士、欢乐口腔、马泷齿科、瑞尔口腔、德伦口腔等等，这些口腔机构很多都有自己主打的区域，比如德伦在广东门店比较多，美奥口腔在江苏门店比较多。 口腔行业的上市公司为什么那么少？ 中国隐形正畸市场前三名分别是: 隐适美，97年在美国成立，2011年进入中国，均价4-6万；时代天使，2003年成立，2021年上市，均价3-5万；正雅，2004年成立，均价2万左右。 这三家占据了市场份额的近70%，剩下的份额，由上百家其他品牌瓜分，但是由于市场够大，所以他们也能活下来，口腔行业的竞争与内卷根本不比互联网差。 时代天使上市当天股价翻倍，市值超过700亿港币，一大波不明真相的群众赶来吃瓜，说口腔行业真的太赚钱了，资本太狠了，颇有羡慕嫉妒恨之感。纵观整个口腔行业，上市公司并不算多，而且时代天使整整做了18年才上市，而且中间有三次差点倒闭，被隐适美的冲击也很大，被其他小厂家的价格战的侵袭也很严重，成功上市的背后不容易的事情很多。 口腔行业细分领域除了排名比较靠前的几家公司之外，整个行业其实比较分散，在全国各个分布着大大小小的厂家和经销公司，而且还涉及到多个国家的业务。有的小型口腔医疗公司可能就做几个医院或者很小一块区域的业务就足够了。 口腔企业如果想要达到上市要求，需要积累一定的年头，所以并不容易。

中芯国际目前7nm工艺良率如何？

中芯国际目前7nm工艺良率如何？ 现实主义理想者的回答 目前国内半导体产业链都非常低调，这个问题能上热榜着实出人意料。 既然如此，我说点能说的吧。 国内自主7nm产线（不一定只有smic），良率的确与台积电略有差距。 毕竟顶着多重曝光和替换国产设备两方面的影响，这也是没办法的事。 但就我所知，自主7nm产线能达到的良率远比很多人预想的乐观，与台积电的差距也远没有到影响重大的程度。 至于很多人诟病的“华为旗舰卖的贵”，其实不完全跟芯片成本相关。 即使自主7nm产线成本高一些，菊厂也有自研芯片垂直整合的优势，成本方面压力没那么大。 Mate60/Pura70等机型的定价，有商业决策和品牌高端定位等等原因。 而且比起良率，目前影响相对更大的是产能。 事实上，很多人根本没意识到7nm制程有多么重大的战略意义，相关产能又有多么抢手。 麒麟9000s横空出世后，我曾写过一段话：芯片是数字世界的物理底座，在当下和未来高度信息化和智能化的社会中，更是扮演着举足轻重的角色。 应该说，环顾全球我国半导体产业链并不弱，尤其是在成熟制程领域已经有不菲积累。 但是在占据技术顶端和产业价值大头的先进制程领域，我国相关产业积累比较薄弱。 诚然，成熟制程（尤其是28nm黄金制程）在很多领域完全能满足要求。 但是在高新技术领域，太多太多的关键环节需要先进制程： 手机、平板、电脑……这些现代人日常生活必备工具，核心芯片都需要先进制程； 当代移动互联网依赖的通信基站，核心芯片也在逐步走向先进制程； 大国重器的科研仪器、超算，长期看也还是需要先进制程； 我国汽车产业借助智能电动车的产业革命，成功实现大跨越，对产业升级也做出了极大贡献。 但整车智能化的物理底座车机和算力芯片，已经以极快的速度迈入先进制程。 我并不认为美国芯片制裁能让新能源汽车的弯道超车化为泡影，但不可否认的是，如果不能突破先进制程的限制，本能够带动庞大就业的智能电动车产业链就可能发展受阻。 甚至连最近大火的AI领域，美帝也已经禁售中高端计算卡，试图通过卡住先进算力的方式打击中国在AI、流体力学、工程仿真等等领域的科技研发。 之前分析菊厂业务时，我曾说过一句话： 就像《三体》中地球基础科技被智子锁定一样，如果芯片代工问题得不到解决，菊厂在各个业务线都会撞上先进制程这堵墙。 更进一步说，这段话固然是针对华为海思，但又何尝不是整个中国产业升级的缩影呢？ 所以说，先进制程不仅对未来高新技术发展至关重要，更是对各行各业都有巨大影响，堪称我国产业升级最大、最核心的瓶颈。如何看待2023年9月，荷兰光刻机巨头阿斯麦CEO称「我们太自以为是了」，要是他看知乎还会这么认为吗？ 当时我就说，麒麟9000s在设计和制造两方面都是国内产业链的巨大突破，在美国最坚实的防线上硬生生凿出了突破口，对我国产业升级极具战略意义。 现在来看，事实再明显不过： 仅仅以菊厂自家而论，基站（天罡），AI（升腾），服务器（鲲鹏）……这几个领域哪个不比终端更关键？ 扩大到全国范围还有AI芯片、科研院所甚至超算……这几个领域哪个不比终端更关系国计民生？ 一旦有冲突，优先保哪个？之前我就写过基本的道理： 一方面，车机/算力芯片/AI计算卡等领域固然需要先进制程，但功耗限制远没有手机那么苛刻，需要的数量级也远没有手机芯片大。 相比智能手机动辄数百万乃至千万的出货量，车机/算力芯片/AI计算卡只有数十万到近百万的量级，更容易达成规模化量产； 另一方面，自主的先进制程早期良率和成本承压，肯定会优先选择能卖上价的产品。 手机就算再高端，撑死也就一万多一台。 而AI计算卡随随便便就是几万甚至十几万，智能电动车更是能达到几十万，很显然后者有助于撬动更庞大的产业链； 所以早在麒麟9000s横空出世前，升腾910B就已经开始批量供货。 本来我一直觉得，手机动辄千万级出货，AI计算卡那点量扔进去连点水花都溅不起来。 然而现在看，一方面升腾计算卡需求远超预期，Mate60系列也是热度不减，两边都在要产能； 另一方面，升腾面积大，一片晶圆能切出来几百颗麒麟9000s，却只能切出来几十片升腾910系列。 考虑到AI计算卡不论社会价值还是市场价格都高太多，真有冲突肯定是优先保AI。 尤其是前阵子美国断供高性能AI计算卡，直接导致升腾计算卡彻底卖爆。 只能说，苦一苦百姓，骂名AI来担。 另外，这个问题下又有人复读“且听龙吟”等烂梗。 但事实上，国产DUV已经在线上跑了，良率也逐渐爬坡，只不过很多消息没公开而已。 而且包括华为在内的国内一众企业，也已经投身EUV相关技术研发，很多工作跟DUV是并行的。 光刻机虽然难，但说到底也只是人类制造的技术设备。 在大方向和基础原理已经明确的前提下， 具体的Know How工作很大程度上是迭代和试错。 如果是正常的商业环境和产业研发逻辑，很多工作需要慢慢试一步一步做，耗费的时间自然会比较长。 但在涉及生死存亡的需求催动下，在下游庞大市场的喂养下，如果有必要，很多工作完全可以饱和式推进，技术迭代速度比某些壬预想的快的多。 via 知乎热榜 (author: 现实主义理想者)