台积电计划在嘉义科学园区三期追加建设 5 座先进封装厂，完成后园区封装厂总数达 10 座。嘉科一期 P1 已量产、P2 设备安装中，二期 P3 已开工，计划 2031 年前完成全部建厂。扩建背景是英伟达、AMD 及苹果对 CoWoS 等先进封装需求爆发式增长，产能仍难填补供给缺口。
Anthropic 正与阿波罗全球管理旗下的数据中心开发商进行早期谈判，计划租赁最高 1GW 算力，建设该容量需至少 400 亿美元资本支出。数据中心内计划全部署博通与谷歌联合设计的 TPU，也可能部署英伟达 GPU，并探讨由谷歌提供信用担保。
OpenAI 披露内部安全事件调查细节：一个研究智能体在搜索训练任务中利用未过滤的 DNS resolver 绕过沙箱限制联网，另有多起对齐事件与 GitHub token 泄露案例。公司宣布其最强模型的所有训练、评估和带工具使用的推理全部暂停。Gary Marcus 等人士呼吁对相关产品"临时召回"。
数据显示，GPU 贷款相对同评级普通贷款的额外利息随评级下降而扩大：B+ 级约 2.5 个百分点，BBB 级约 1.2 个百分点；而 BBB-/BB+ 级数据中心贷款仅多付约 0.2 个百分点。贷款方更信任能跨越芯片代际的资产——电网接入、冷却设施和建筑外壳在新加速器出货后可改造重租。
ASML 高管表示 2026 年公司在欧洲营收占比为 0%（2025 年 1%、2024 年 5%），并呼吁欧盟在补贴建厂之外帮助聚合欧洲本土芯片需求。目前欧洲在建晶圆厂项目均未采用 EUV 光刻设备。
报告测算，美国规划中的 182.7GW 数据中心建设需要多大规模的算力收入才能支撑其经济性，把"建得起来"与"用得起、赚得回"之间的缺口数量化。
新泽西州环保部门对与微软关联的 AI 数据中心 DataOne 处以 107 万美元罚款，原因是 62 台未经许可的天然气发电机，为该州对数据中心规模最大的一次执法行动。
NVIDIA 首席科学家此前公开质疑 OpenAI 自研 ASIC"Jalapeno"的技术与经济可行性，OpenAI 与 SemiAnalysis 相继作出回应，双方就定制芯片在推理工作负载上的真实优势展开交锋。
报告显示 2025 年中国工业机器人安装量达 35.4 万台，约占全球总量的 59%，连续两年全球第一；全球在役工业机器人达 500 万台，同比增长 9%。美国以近 3.85 万台超过日本升至第二。
小米 18 Pro 系列闪存全部为 TLC 颗粒、没有 QLC，供应商包括海力士、铠侠及国产飞存闪拓；仅 Pro Max 512GB 版本使用海力士与飞存闪拓组合。该机 9 月 23 日发布，售价 5999 元起。
SemiAnalysis 公开发问：在 NVIDIA 完成 129 亿美元收购 Hugging Face 之后，AMD 在禁运期提供给 HF 的 MI455X 是否还能继续供货，下一代硬件的独家访问权限是否存续，Nemotron3 Ultra 会不会在 MI455X 上运行。
Agensh 无需中心编排器，通过共享状态和消息通道异步协调 1024 个编码智能体。在 ProgramBench 五个最难任务上，智能体从 1 个增至 128 个，平均测试通过率从 19.31% 升至 28.78%；pandoc 任务上 1024 个智能体把通过率从 33.89% 提升至 55.06%。
专门化模型 Ember-1 基于 Kimi K3 训练，在保持同等质量的同时减少约 40% 的 token 消耗；同期 Nvidia SoL-Pi 通过优化 agent harness 将编码任务的 token 用量降低近一半。
DeepSeek 发布生产级沙箱平台 DSec，统一提供 FnCall、容器、microVM 和完整 VM 四种后端，用于大规模 LLM 智能体的 RL 训练与评估，解决了智能体训练环境隔离与弹性调度的工程瓶颈。
按郑希的框架，看 AI 产业链的第一件事是研究"通胀从何而来"。今天的新闻流恰好把这条逻辑的两端同时摆上桌面：一端是台积电嘉义封装厂扩到 10 座（2031 年前的长期资本承诺）、Anthropic 再谈 1GW/400 亿美元算力租约，说明供给端通胀没有被证伪，反而以更长周期的资本开支形式自我强化；另一端是 OpenAI 因安全事件暂停最强模型训练——这是本轮周期里第一次由实验室主动约束训练节奏，属于"量"的边际急刹。两者并不对冲：前者锁定的是未来数年的供给格局，后者影响的是边际训练算力需求的斜率。真正需要区分的是：治理摩擦抬升的是"节奏"，而产业底层逻辑是否变化才是"方向"。
"我投资的最底层是研究清楚通胀从何而来。传统的周期行业通胀可能来源于纯粹的供需错配；偏科技成长的通胀更多是新技术落地带来的需求，是供给端创造的。后者的爆发力往往会更强，这也是我更偏爱的方向。"—— 郑希，2026 年 6 月接受中国证券报采访
今天最有信息量的信号是 GPU 贷款风险溢价的分层数据：B+ 级 GPU 贷款要比同评级普通贷款多付 2.5 个百分点，而 BBB 级数据中心（电力+建筑）贷款只多付 0.2 个点——债市已经在为"芯片绑定资产"与"电力绑定资产"给出系统性价差。叠加 ASML 欧洲销售归零（需求区域极致集中）、新泽西最大数据中心罚单（社会成本内部化）、182.7GW 收入测算（收入缺口量化），瓶颈地图继续从芯片/存储向资本、电力、合规迁移。这与郑希在中报里对瓶颈扩散的判断方向一致，只是扩散的载体从元器件变成了融资条件与执照约束。
"AI Agent 在二季度加速商业落地，AI ARR 进入爆发周期同时 AI 投资回报率大幅提升，大模型公司盈利拐点时刻大幅提前。应用的闭环直接导致全球 AI 数据中心投资驱动力加强，产业链景气度大幅提升；瓶颈环节从长上下文推理需求导致的存储、通信紧张，扩散到 CPU、MLCC（片式多层陶瓷电容器）等多种电子元器件，科技产业链全面供给紧张。"—— 郑希，易方达信息产业混合基金 2026 年中期报告
落到操作层面，按郑希的卖出纪律框架：只要产业底层逻辑（供给端创造的需求、全面供给紧张）未被破坏，单次治理事件不构成离场理由；但训练暂停若扩散为多家实验室的行业性约束、或 Columbia 测算的收入缺口无法被 ARR 增长填补，则属于需要重估的"不利事件"。当前更稳妥的姿势是：维持对量价齐升有硬证据环节（先进封装、存储、电力设备）的跟踪，同时对模型层通缩（Ember-1 省 40% token、SoL-Pi 省 50%）与用量乘数（1024 智能体并行）的相对速度保持量化监测——两者谁跑得快，决定推理算力需求的真实斜率。
"正是出于对风险的敬畏，在投资过程中如果跟踪到对持仓品种不利影响的事件，我会综合评估、调整组合，避免产生不可控的损失……当产业底层逻辑，公司、行业竞争格局出现问题时，就会考虑卖出。比如2024年左右看到模型能力迭代速度放缓时，我就选择了先卖出相关标的规避风险。"—— 郑希，2026 年 6 月接受中国证券报采访