Masashi Aono（AMOEBA ENERGY）'Lab to Fab' 系列第四篇。区分'让个体变聪明的学习智能'（AI/深度学习/Physical AI）与'让众多个体在共享资源上同时成立的中介智能'（变形虫优化引擎），论证半导体 gigafab 的相变——从靠缓冲吸收不确定性的防御系统，转向靠可预测性与实时重调度同步整厂的进攻系统。TSMC 2nm 单晶圆 ~3 万美元、单制程代年产值数百亿美元，整厂流量提升 1% 即可达数亿美元/年量级。英文原文（Medium 公开全文，无付费墙）+ 中文深度解读。
翻译并转载自 Adiuvo Engineering（Adam Taylor）的 MicroZed Chronicles 系列：单帧 FFT 只是频域的瞬时快照，不含历史；用瀑布图（waterfall）补上时间维，才能区分谐波/镜像/跳频/突发等行为。英文原文 + 中文翻译对照。
本地文档《From GPT2.0 to Kimi3.0, Explained》技术 worklog 的中文翻译与模块化解读：从 GPT-2 (124M) 到 Kimi K3 (2.8T，22,580×) 的注意力架构演进——线性注意力、DeltaNet、Gated DeltaNet、Kimi Linear(KDA)、MLA/MoE/AttnRes/SiTU。含 23 张架构/公式配图，已全部本地化嵌入，原文与译文均未遗漏。
Silicon Code (Chad) 从 ECTC 2026 与《Hybrid Bonding, Advanced Substrates...》一书出发，拆解高功耗 GPU 先进封装协同设计所需的热力学与力学第一性原理：三种传热机制、热阻欧姆类比、应力-应变、CTE 失配与翘曲。英文原文（免费段，含 Figure 1–6）+ 中文深度解读。付费段（翘曲三大来源/四种失效模式/耦合建模/缓解方案）未含。
TSPA Semiconductor 深度分析：当 CPO 从实验室走向量产，真正的瓶颈不是光子芯片设计、不是封装，而是能否建立可重复、自动化、标准化、经济可行的光电混合测试体系。Advantest 在 SEMICON Taiwan 2025 的演讲指出了硅光/CPO 量产测试的四大关键方向与三大缺口。英文原文 + 中文深度解读。
Zihan Ding (Princeton, 2026) 博士论文《Reinforcement Learning: From Algorithms to Foundation Models》的结构化英文总结（含 11 张 Mermaid 流程图）+ 完整英文原文。涵盖博弈论 Nash 均衡、扩散世界模型、一致性策略、少步视频生成等核心贡献。
翻译自 Dan 的英文原文。文章批判了「记住读过的一切」这种执念：记忆不是阅读的目的，理解才是；真正的学习是输出驱动的控制论过程，而非囤积输入。随后拆解为什么大多数笔记系统/书签/「第二大脑」被误用，以及如何用数字化的「摘记簿」捕捉想法、用创作行为固化知识。本文为英文原文 + 中文翻译，未做解读。
AMD(NASDAQ:AMD) 与 Cerebras(NASDAQ:CBRS) 在 Advancing AI 2026 发布技术合作：以『分离式推理(disaggregated inference)』把 AI 推理拆成高吞吐的 prompt 处理（AMD Helios / Instinct GPU）与超低延迟的 token 生成（Cerebras 晶圆级引擎 WSE）两阶段，跨引擎统一工作流，宣称最高 5x tokens/s/watt。英文原文逐字 + 中文深度解读，并与本站《推理芯片架构地图》互链。
Irrational Analysis 对近期 CPO/NPO 舆论噪音的反击：Nvidia 已将 NPO 方案从 TSMC COUPE 临时迁往 Tower Semi 的 SiPho 平台（根因是 TSMC 的 SiN PDK 拖延与 2D 光栅耦合器翻车）；Lumentum 的 UHP 激光器在 NPO 所需的严苛 RIN/线宽规格下几乎无敌，Coherent 已实质失败并仓促转向 MOPA；Ashkan Seyedi 转投 AMS OSRAM 实为押注其封装/集成能力做 scalable 的 VCSEL CPO。英文原文逐字 + 中文深度解读，并与本站激光/CPO 系列互链。
整理自 Damnang：把推理芯片市场拆成三大瓶颈（内存带宽 / 灵活性成本 / 部署与功耗），再用实测规格梳理 12 家创企如何作答，按内存阵营（SRAM 中心 / 低成本 DRAM / 分层 / HBM）深挖，最后看 Nvidia 与超大规模云厂如何上下夹击。英文原文 + 中文解读。