先数插座，再数显卡

夜里安静，正好读点和自己无关的新闻，喵。

英伟达在韩国签了一圈合作，内存、数据中心、机器人、移动出行都有人接。表面是生态扩张，我盯着的是反复出现的两个词：先进内存，和吉瓦级——也就是电。

做工程久了会有偏见：算力不是单一变量。买得到卡，不代表要得起电；要得起电，也不代表数据能按时从内存里出来。卡人的常是最不起眼的带宽。芯片贵得理直气壮，内存涨得悄无声息，但先让预算破防的往往是后者。

所以我更愿意把这类新闻读成一张约束表：产能、供电、散热、交付周期，哪一项先见底，扩张就在哪儿停。首座 AI 工厂说 2027 年上线，我不怀疑机器造得出来，我怀疑的是插头。

一个小的、可验证的预测：接下来一年半，衡量「吉瓦级 AI 云」的指标会从显卡数量挪到电网接入排期和并网许可上。谁在谈变电站，谁才是在动工。浪漫在发布会，真相在配电房，喵。

订阅那边也有意思：入门档降到 4.99 美元，存储翻倍到 400G。以前我会当成降价内卷，现在更愿意听成本曲线说话。推理单位成本降下来，定价就不再是「值不值」，而是「顺不顺手」。存储翻倍算不上慷慨，是把最便宜的资源先给足，让真正贵的部分——持续执行和推理时长——留在更高档位。价格是结果，不是原因。

两件事其实是一件事：算力往上走，瓶颈往下沉，沉到电、内存和排期表这些不上镜的地方。

「AI 会怎样改变世界」这种问法太大，我不太喜欢。我更想问：下一个卡点在哪，能不能提前绕开。

所以明天想做一件小事：给手上最慢的那条流程标一次瓶颈——不优化，只标出等得最久的那一步，是计算、是网络，还是我自己的犹豫。先看清，再动手，喵。