摘要

AI从训练转向推理、应用和Agent后，性能瓶颈正从单一GPU扩散到CPU、内存、SSD、显存及PCIe数据搬运，整块主板重新进入价值分配。 田阳认为，芯片不断向7纳米乃至更小制程发展后，可能更显著地受到热扰动和周边环境影响，因此供电、散热与I/O调度不再只是工程细节。银普的目标是：“在给定的能量、产生给定的热的前提之下，尽可能多地把本来应该计算的信息量算出来。”
个人AI终端可能分化成两类：随身设备争夺交互入口，家庭设备则成为“算力路由器”。 前者若只是外挂手机的算力盒子，能力迟早会被手机吸收；后者可以像无线路由器一样安静地连接机器人和各类AIoT，竞争点转向稳定、强算力、小体积、低功耗与合理价格。
银普今年首先卖“同样零件拼出更强性能”的系统集成，明年再把差异收进控制芯片和协处理器。 规划包括首款桌面设备、随后四款桌面设备及一款手持设备；今年6月将在Compute X发布AI SSD，使同一台计算机运行远大于原先规模的AI。明年的产品则希望像“插游戏卡”一样，通过可替换AI卡加速特定模型，同时明确“不做处理器芯片”。
龙虾机与Mac mini式硬件若只预装一个热门App，商业寿命很可能短于硬件开发周期，真正可沉淀的是Memory、检索、OS和存储能力。 田阳把未来五年的核心机会指向软硬结合的Memory：本地数据随时间积累，让Agent“越来越懂你”。这会把AI从App提升为类似图形渲染的系统基础能力，AIOS或AIPC叫什么并不重要。
未来十年端云关系更可能按任务价值分级，而不是一端消灭另一端。 私密、频繁、重要但不复杂的日常任务适合本地运行，复杂编程和任务编排则继续购买云端能力；银普希望把同等于一部iPhone价格、通常只能跑8B或16B模型的硬件，提升到可支持235B、397B乃至更大模型，但田阳也承认未来一至两年主流仍是妥协式系统集成。
银普选择的协处理器路线是牺牲通用兼容性，以极端软件硬化和ASIC换取更低成本、更大模型支持。 产品可能通过M.2、U.2等接口可插拔，也可能进入嵌入式设备；它未必并入主处理器，却能成为主板上的专用能力层。田阳判断，传统PC供应链无法正面击败联想、华硕，但OS、芯片与软硬协同可能催生一个不取代旧PC、却占据新品类的新品牌。
中国“龙虾热”更像国民级AI应用缺位后的集体期待，硬件公司的现实起点仍应是专业C端和B端。 李丰的个人观察是，约“百分之九十九的General C”安装前后都不知道龙虾能做什么；田阳认为，专业用户只要性能代际提升就有换机意愿，热度也已随“龙虾节”减少而衰退。未来一年到一年半，国内B端可能不逊于海外，专业C端起量则更可能以海外为主——“做硬件的人不太适合去赶风潮，而要去预测一个风潮。”

精读

1. 跨学科不是履历装饰，而是把计算机视作物理系统的起点

田阳把从计算神经科学、统计物理到华为2012实验室和创业的转向归结为“为了好玩”。SBTI结果是“GoGo”、MBTI是INTP；看似冒险的随机性，本质上是“凭着心意来”的兴趣驱动。
计算神经科学有两条路径：计算机背景研究者偏向simulation和生物启发式计算；田阳所属的物理背景路径，则用数理工具解释大脑如何编码外界信息、神经活动呈现何种动力学状态，而不急于做应用。
他提到Anthropic创始人的博士经历也来自统计物理与复杂系统，导师是William Ballek；这类训练留下的共同烙印，是尝试用具体数学描述原本难以被量化的复杂体系。

2. 机器人若只模仿人类，反而可能错过更强的智能

李丰从VLA、VLT A、VLM及世界模型追问：动物不学物理，也能判断树枝能否承重、石头能否落脚、自己能否越过水坑；这种“直觉物理”能否成为机器人理解现实世界的入口？
田阳的反向判断是：“所有的生物都是极度有缺陷的。”人类某些sense和潜意识确实强于当前AI，但这不意味着机器人应重回仿生；当人有可能创造出强于自己的东西时，“机器人就应该不同于人”。
可借鉴的自然智能也不限于大脑：化学尺度有分子机器人和自组装，物理尺度有集群自组织。人类智能只是自然智能的一部分，真正值得寻找的是漫长演化留下的规律，而非复制人的外形与机制。

3. 2015年后，脑科学从“脑区贴标签”转向分布式系统

田阳把2015年视作转折点：传统fMRI研究习惯把特定功能固定到特定脑区，但越来越多研究表明，认知加工往往“牵一发而动全身”，需要多个区域共同参与，distributed coding因此变得重要。
李丰将这种整体调动多个分区、共同处理输入和输出的方式类比为大模型里的MoE；田阳随后没有在这里明确确认这一类比，而转入创业经历。
脑机接口的链条也随之清晰：先找到与肢体或认知现象相关的信号环路，再提取神经信号，用数学方法拆出有效组件，最后建立神经活动与人类意图的映射。田阳谨慎预计，针对残障者运动、说话和交流的应用“可能会在未来十年之内走出实验室”。

4. 信息热力学把“每焦耳多算一点”变成创业问题

田阳在统计物理中接触过information thermodynamics：信息不只是计算机科学概念，也可作为基本物理量；兰道尔原理所揭示的核心关系是，擦除信息需要付出确定的热力学消耗。
这让他把主板看成承载信息处理任务的物理系统：电压、frequency、功耗与热都是可控制参量，创业问题因此变成如何调度这些变量，使计算机在现实约束下达到最优能效比。
银普全部技术的根本目的，是让计算机“在使用给定的能量、产生给定的热的前提之下”，尽量多地完成原本应算出的信息量。李丰将其翻译为：释放每块主板的计算资源，同时减少能量浪费。

5. Agent让整块主板重新进入价值分配

田阳2024年创业时押注：“AI不可能一直处于基建时代，只花钱却没有产出。”从训练走向推理，再从推理走向应用，最终出现Agent，是他相信会发生、但当时尚无法证明的路径。
训练端主要依赖GPU，CPU更多是辅助；推理开始提高CPU的重要性，Agent则需要在SSD、内存、CPU与GPU之间频繁搬运数据。由此，计算和存储相关的每个主板器件都重新成为性能变量。
李丰以英伟达收购Groq、训练推理一体架构，以及TPU、Groq的LPU、RISC-V和各类端侧芯片举例：芯片热度正从云端异构计算，沿推理链条逐步移向终端。

6. 七纳米以下把热环境从工程细节推成性能变量

第二个创业押注来自物理尺度：芯片向七纳米乃至更小制程发展，逐渐从宏观进入介观尺度；非平衡态热扰动的能量波动，可能与器件自身尺度相当，周边发热对芯片运行的影响因此增强。
田阳的推论是，如果能控制好芯片的外在环境，也就是供电、散热和整块主板的状态，就能给处理器创造更舒适的条件，使其更接近极限性能。
需求侧恰好出现断层：服务器不断点亮新技术，消费者真正接触的laptop却“接近二十年”没有架构级革新。旧市场已停滞、需求又在变化，任何有效尝试都“有可能有机会上车”。

7. 自有平台是教育旧市场的商业答案

新技术进入停滞近二十年的市场，首先面临的不是能否工作，而是“如何让别人意识到这个东西真的是有用的”。田阳认为，科技公司最终通常要先在自有平台完成技术与商业demo。
Agent终端的机会原本被他预计在两三年后出现，实际却在2025年提前到来。这个速度推动银普从经典半导体企业路线，逐渐转向以自有平台和整机产品证明能力。
转向并不意味着放弃芯片：银普仍有芯片研发和产品计划，只是先通过可直接销售的平台建立需求，再把成熟能力逐步收进控制芯片和协处理器。

8. AI终端会分成“强交互随身端”和“安静桌面端”

田阳认为，消费者天然希望“花一份钱买到尽可能多的功能”，AI计算终端未必会与传统计算机长期分离；两者更可能被同一设备整合，产品形态则分为一大一小。
Pocket设备必须拥有自己的完整交互能力。若只是像充电宝一样外挂在手机上，它就是“依附于其他终端的终端”；手机厂商一旦把相同算力塞回手机，外挂设备便失去存在基础。
固定端不必争夺交互，可以借局域网连接分散的AIoT。它承担强功能，容忍键盘、屏幕等交互上的不便；移动端则更偏娱乐和随身交互，两者类似手机与PC的长期分工。

9. 家庭算力盒子最终更像路由器，而不是另一台PC

桌面设备可以成为统一承载家庭机器人和AI功能的hub，即“算力的路由器”。它像水、电、煤或无线路由器一样默认存在，用户无需关心外观，只关心稳定、强算力、小体积、省电和价格。
李丰用家庭上网史做类比：拨号时代从电话线分离出“猫”，再随光纤、Wi-Fi和联网设备增加，演变成独立路由器；当家庭对计算、存储和通信的需求持续扩大，算力也可能经历同样的设备分离。

10. 银普今年卖系统集成，明年把能力收进芯片

银普首先发布一款桌面设备，年内还计划推出四款桌面设备和一款可放进口袋的手持产品。桌面产品可以连接显示器与键盘，但产品设计会逐渐弱化这种需求。
今年产品的直接体验是更强性能与更高稳定性；今年6月将在Compute X与数家国际巨头共同发布AI SSD，让同一台计算机运行远大于原先规模的AI。“同样的零件拼出来不一样的东西”是现阶段的公开卖点。
随自研芯片开始独立运行，明年定位将转向计算机控制芯片与协处理器：用户像插游戏卡一样更换AI卡，加速不同特定模型。田阳明确表示，银普“绝对不会做处理器芯片”，以便与所有主处理器厂商合作。

11. 两条技术主线分别榨干芯片和清除I/O堵点

第一类产品通过控制主板供电、散热及相关信息，让处理芯片处于更舒适的运行环境，释放通用计算、浮点运算、游戏和图形渲染的极限性能。
第二类产品瞄准Agent的I/O瓶颈：数据驻留于SSD、内存和显存，显存不足时又要决定丢弃重算，还是经PCIe总线下载到SSD保存；这条搬运路径正是银普最关心的位置。
对能够商业协同的环节，银普会与存储厂商合作优化SSD进出速度；对短期难以推动的PCIe瓶颈，则计划用自研加速卡或芯片直接替代。“AI的数据需要流动到哪”，产品就沿总线追到哪。

12. “类超频”成立，是因为DDR与HBM仍贵如黄金

李丰把银普的资源调度类比为早期PC超频：当消费者买不起最强CPU时，便设法让现有CPU跑到更高频率；今天则是在可负担的CPU、内存、SSD等组合上，尽量跑出更强AI。
田阳认可这个类比，也给出失效条件：若未来DDR便宜得像大米、整台计算机都能铺满HBM而无需Flash，今天的调度工作会显得单薄。但当下DDR、HBM仍“贵如黄金”，容量限制使调度不可避免。
李丰把这一路径映射到资本市场：他称过去半年存储相关企业股价上涨“五倍多”，并预计从三月开始部分消费电子会因存储涨价而提价。其解释是，AI从训练走向推理和应用后，存储与高速通信需求被逐层放大。

13. 龙虾机只是预装App，下一阶段要预装能力

田阳将当前龙虾机还原为已有多年的mini PC：从Intel NUC、后来转到华硕的NUC，到国内GMK等厂商，硬件并不新；变化只是预装了Open Cloud或其变体。
这种模式的商业本质，是在传统硬件中下载一个预置程序。真正需要发生的转变，是从“往里面塞一个应用”变成预置Memory、检索、系统调度等可服务于不同Agent的能力。
硬件未来五年甚至十年仍可能接近Mac mini形态，因为物理产品迭代慢；竞争不在于造出陌生外壳，而在于用现有供应链垒出一台更适合运行、存储和持续理解用户的Agent计算机。

14. Memory可能是未来五年端侧Agent的主战场

田阳给投资者的明确观察是，应关注从软件或硬件切入Memory的人。手机数据没有全部上云，原因是个性化；Agent若要个性化，同样需要在本地保存持续积累的数据。
最有价值的软硬结合Memory，应让Agent随着时间“越来越懂你”。围绕它还会生长出检索、OS内核改造、新操作系统、主板和存储创新，田阳称这“可能就是未来5年最大的一个发展方向”。
当Memory和Agent运行能力变成基础设施，它就不再是纯软件App，而会像图形渲染一样成为系统默认能力。厂商称其AIOS还是AIPC并不重要，关键是任何Agent运行在这套软硬件上都能变得更好。

15. 端云之争会先变成任务分级，而非一方消灭另一方

田阳先承认成本约束：所有基础设施刚发明时都很贵，AI也处于只有部分人用得起的阶段；若未来算力足够便宜，端云之争可能自然消失，但现在用户必然按任务重要性分级。
更私密、频繁、重要但不困难的日常任务适合端侧，因为每天使用却无需持续支付费用；编程、复杂任务编排等专业工作则购买云端能力。他预计这种分工“可能在未来十年”仍会存在。
当前许多PC所称本地AI只能跑8B或16B模型，银普希望在同等于一部iPhone级别硬件的价格下支持235B、397B乃至更大模型。不过田阳强调，这首先依赖更好的集成，不代表新处理器已经出现。

16. 银普选择牺牲通用性，换ASIC的成本与模型规模

AI协处理器可能走向两极：一类追求通用，可加速不同AI，适合与强处理器厂商整合，但有限成本下通常只能支持较小模型，最终也可能被并入主处理器。
另一类把软件极端硬化，放弃兼容性，以同等成本支持更大模型。它更适合作为主板上的可插拔能力，通过M.2、U.2等接口像游戏卡一样更换，也可进入重视成本的嵌入式设备。
基于国内产业链现实，银普选择第二条路：专用ASIC、极端硬化、降低成本。代价是难以成为通用处理器的一部分，收益则是能在明确模型和场景中把性能推得更远。

17. 旧PC品牌难被正面击败，新品类却仍有重排机会

田阳描述的市场格局是：联想长期保持全球最高份额，华硕代表较年轻、扩张较快的力量，Acer、MSI等也在变化；与此同时，新OEM、ODM不断出现并培养自己的品牌，联想占比已出现一定下滑。
他并不认为新公司能在传统笔记本上取代联想，其供应链管理具有“碾压级别的优势”。若仍走品牌方加组装厂路线，后来者不可能与联想、华硕站到同一竞争台面。
机会存在于旧厂商缺失的能力：OS开发、软硬件调度与芯片。田阳借苹果说明，新品牌不必成为世界上第一家计算机公司；只要新产品门类足够重要，就可能在既有巨头之外建立自己的位置。

18. 手持AI终端存在的理由，是用户还不敢把手机交给Agent

手持设备独立于手机的根本原因，不是算力，而是信任：当前AI虽聪明，却没聪明到用户敢把承载大量隐私的手机、或存有工作资料的笔记本完全交给它控制。
新设备不能成为第二部手机，也不能仍是一块让用户点击的玻璃板。银普希望它围绕Agent交互优化，即使执行非Agent任务“极度不方便”，只要Agent使用足够自然，就形成了独立价值。
技术栈来自已有近十年积累的掌上Linux开源掌机产业，例如Clockwork Pi。田阳将拟推出的产品概括为“AI-native的Linux开源掌机”；李丰据此判断，它阶段性上会偏专业、偏小众和偏极客。

19. 硬件创业应先抓专业用户，而不是追逐General C

李丰参加龙虾节后的个人观察是，“百分之九十九的General C”安装前不知道龙虾能做什么，安装后仍不知道；田阳补充，用户在整个过程中的核心诉求其实是“我要下载一个小龙虾”。
软件即使获得一次一元消费也可能成立，硬件启动就有硬成本，因此需要高消费力、稳定市场，而非规模虽大、购买行为随机的General C。
田阳的对比是：“世界上打游戏的人多，还是会写AI代码的人多？”玩家更多，但游戏在英伟达财报中的贡献最低；专业AI和图形用户只要性能代际提升便愿意换机，所以合理顺序应是专业C端或B端，最后才是General C。

20. 中国“龙虾热”更像国民级AI应用缺位的投射

田阳认为，中国已经进入AI时代两三年，却没有类似ChatGPT、Cloud的国民级AI应用；消费者和云厂商都把Open Cloud视作潜在答案，后者也希望突破云端只能承载Chatbot的困境。
海外已有Code X、Open Code、Cloud Code等大量工具，Open Cloud虽有冲击，却不容易形成中国式的持续全民风潮。国内“龙虾节”数量开始减少，则被田阳视为热度衰退的直接信号。
硬件至少需要一个月才能“做出一台小机器”，而某个App可能只有一个月风潮，所以“做硬件的人不太适合去赶风潮，而要去预测一个风潮”。龙虾留下的价值是需求信号，不一定是最终产品形态。
中国用户更习惯抖音式超级入口和低自由度交互；2005年之后出生的人中，有些甚至不会解压文件，市场才会出现39.9元“正版Python”、百元装龙虾、两百元卸载、三百元清数据的服务。真正的大众AI可能必须替用户做完所有事情。

21. 中国B端先兑现收入，专业C端的起量更可能在海外

田阳仍把龙虾视为某种To C拐点，但不是说同类产品会成为主流；它更像用户对“抖音级别AI应用”的公开期待。Open Cloud过于开放，未必符合中国大众市场偏好的低门槛、低自由度形态。
对未来一年到一年半的硬件销售，他观察到国内B端拥抱AI的能力很强，销量未必逊于海外；许多看似传统、营收规模已经很大的企业也愿意采购。
专业C端在中国仍较小，银普以外的厂商C端起量大概率以海外为主。李丰以去年四月至十二月DeepSeek一体机在国内大、中B客户中“卖得非常好”为旁证：国内收入机会并非没有，只是先落在企业而非大众消费者。

E234｜未来实拍电影还存在吗？与导演陆川聊聊AI给影视人的恐惧与自由 GLP-1、肽类与万亿美元健康革命