社区

若当前尚未加码 $台积电(TSM)$ ，你等于错失了半导体领域最黄金机遇。股价站上新台币1440元（ADR至300美元以上），目标价锁定2026年6月的1550元（ADR 330美元）（基于20x-25x前瞻市盈率），格局昭示上行空间——得益于AI需求的无尽渴求，正将晶圆厂推向产能极限，远超 $英伟达(NVDA)$ GPU出货速度。忽略消费品疲软的杂音，数据中心才是主角，台积电在先进制程的垄断地位赋予其定价主导权与利润韧性，前景光明。AI引擎方兴未艾9月营收录得新台币3310亿元（环比微降1%，同比跃升31%），令第三季累计达9900亿元——环比增长6%，年增30%，超出预期并触及指引上限。归功于iPhone 16系列加速投产及AI强劲动能：3纳米与5纳米线产能利用率逾100%。毛利率预计达57%以上（处于55.5%-57.5%区间的顶端），得力于新台币本季贬值约4%，缓冲了亚利桑那厂初创压力。同时，第四季营收料持平于上季——远优于先前预期的中个位数下滑——源于数据中心AI强劲拉动、iPhone延续势头及制程供给短缺，即便安卓手机领域延续低迷。全年美元营收增速？中30%区间，资本支出维持400亿美元中值。但2026年？支出预计激增19%至480亿美元，用于2纳米推进、CoWoS扩容及亚利桑那二期提速。正式指引暂缓至明年1月，但定性表述将透露出乐观基调。仅数据中心AI一项？投行预测至2029年复合年增长率达53%（2024年130亿美元，增至2029年1240亿美元），涵盖GPU（英伟达/客制化芯片）、HBM基底、伺服器CPU、网络设备（交换器/DPU）等。

进入2025年下半年，香港市场的风口正在悄然转向数字资产与法币融合的赛道。南下资金流入力度继续刷新纪录，据《南华早报》报道，2025年前7个月，南向资金净流入已突破 8668亿港元，相当于去年全年总额的107%。与此同时，港元兑美元汇率一度意外升至 7.79水位，突破市场预期区间，迫使金管局再度出手干预。资本加速回流、汇率波动频繁，这一切都在传递一个信号——香港正迎来新一轮金融基础设施重塑。而在这场变革中，一个新角色悄然登场：港元稳定币（HKD Stablecoin）。它不是投机的产物，也不是“区块链玩家的玩具”，而是一个可能让港元在数字经济时代重新焕发生命力的工具。未来，当人们谈到资金避险、跨境结算、甚至中国资产的国际流动时，港元稳定币可能正是那个隐藏在背后的“润滑剂”。一、什么是稳定币？为什么港元要有自己的？简单来说，稳定币就是“数字版的货币”。它挂钩现实中的法币，比如美元、欧元，或如今的港元。每一枚稳定币的背后，都有等额的储备资产支撑——银行存款、短期债券或现金等价物。如果说比特币是“数字黄金”，那稳定币更像是“数字现金”，是你能在区块链世界里花的、转的、收的、随时结算的货币。那为什么要做港元稳定币？首先，港元本身就是一种稳定象征。自上世纪80年代实行联系汇率制度以来，它长期与美元挂钩，被视为亚洲最可靠的避险货币之一。而随着Web3、虚拟资产和跨境投资的兴起，越来越多企业、个人希望能用一种“港元的数字形态”在全球范围内快速结算、支付、转移资金。其次，港元稳定币能让香港在“数字金融的时代赛道”上抢占先机。它不仅可以用于Web3项目融资、数字贸易清算，也能成为全球投资者配置中国资产的中介货币。相比美元稳定币，港元稳定币的存在，更像是香港金融体系的自然延伸——一座连接数字世界与实体市场的新桥。二、监管先行：Stablecoins Ordinance 的落地过去几年，各国对稳

留在智能驾驶，不是因为容易，而是因为更难。 文丨魏冰 宋玮 编辑丨宋玮 任少卿的头发很有辨识度，浓密、微卷，刘海盖住额头。走进会议室，第一次见他的人把他当成了实习生，知道身份后调侃说，只有在 AI 创业公司才能看到这么年轻的技术 leader。 “我们就是 AI 公司”——任少卿一本正经的回答。 但他身处的是蔚来，一家还在血海中搏杀的汽车制造商，而他的战场，是智能驾驶。这个反常回答，和他的人生轨迹相似：总在别人以为答案已定的时候，他偏要走向另一个方向。 2007 年他考入中科大，2016 年博士毕业。期间他提出了 Faster R-CNN（一种基于深度学习的目标检测框架），又和当时微软亚研院视觉计算组的孙剑、何恺明，博士生张祥雨一起研究 ResNet（残差网络）。后者解决了神经网络越深越 “失忆” 的难题，让模型可以无限叠加层数，被视为深度学习史上的里程碑。当时任少卿 27 岁。 2016 年，他与曹旭东共同创立自动驾驶公司 Momenta，亲历了自动驾驶最热的创业年代。4 年后，他离开一手创立的公司，转身去了还在低谷挣扎的蔚来。 原因很简单，当年 AI 发展撞上瓶颈，他认为下一次突破只能靠大规模数据叠加，车企是当时唯一能提供大规模摄像头数据的场景。事实也验证了这个判断——2022、2023 年大模型的进步，本质来自数据与算力的叠加。 在蔚来，他一个人接手了几乎从零起步的二代平台，芯片、传感器没定，软件和工程都未开启，却要在 20 个月内实现量产。最后，他完成任务，并推动建立了三层套数据体系，为蔚来智驾打下底层能力的地基。 从那以后，任少卿走的每一步都显得 “不合时宜”。 他将车企比拼的端到端理解为 “填坑”，依赖的是模仿学习，能解决一些短时序问题，但能力止步于几秒钟的反应，无法扩展到长时序的推理与决策。后来的 VLA（Vision-Language-Action）模型看似