Hi，歡迎來到拉菲的Substack
讓我們都能用輕鬆的方式，成為更好的自己。Let’s Chill and Better!!

開始專欄寫作後，才發現自己會在「學術研究的完整性」與「自媒體敘事張力」之間舉棋不定。想要在簡化複雜資訊的同時，又希望建立一個可信任的視角。這種既要又要的狀態真的是思緒糾結大挑戰。

這次文章將從半導體物理的底層限制出發，層層遞進地剖析資本如何透過硬體實現壟斷，以及去中心化架構，如何成為一種必然浮現的產業路徑。

前言

人類文明的競爭籌碼正在經歷場結構性位移。過去，評估產業霸權的核心指標是金融體系的穩定性與貨幣儲備。然而進入 AI 時代，算力因為具備了貨幣的所有特性，包含稀缺性、流動性以及生產力支撐，成為數位世界中最基礎的價值尺度。

當競爭邏輯被推進到由半導體物理邊界所決定的層次，資源定義權的爭奪也隨之升級。晶片主權的核心咽喉，落在高頻寬記憶體（High Bandwidth Memory，HBM）之上。它成為進入頂級算力領域的重要門檻，使得 HBM 的供應能力，直接限制了 AI 系統的擴展速度1。

HBM 構築的物理高牆

在半導體產業的第一線，我們正目睹經典計算架構遭遇史上最強烈的物理挑戰。傳統電腦遵循馮·紐曼架構（Von Neumann Architecture），其核心邏輯是將運算單元與儲存單元分開，兩者透過電路排線進行數據交換。

這種架構進入高階運算（High Performance Computing，HPC）時代後，面臨數據傳輸速度遠低於運算速度的問題，並在業界被定義為記憶體牆（Memory Wall）。

用生活化的方式舉例，想像一位動作極快的頂級廚師（GPU處理器），卻必須頻繁跑向大門外的倉庫（DRAM記憶體）拿取食材，使得料理速度（算力）受到限制。即使廚師刀工再快，大部分時間都在等待食材送達。

而 HBM 直接打破了這種空間限制，透過矽穿孔（Through Silicon Via，TSV）的晶片垂直電連接與先進封裝技術，將記憶體晶片堆疊並直接緊貼在運算核心旁。這等於將倉庫直接搬進了廚房，擺廚師的伸手可及之處，造就了 HBM 與先進製程成為高階算力的標配。

然而，製造現實層面，HBM生產週期比傳統 DRAM 長二個月以上，且受限於複雜的技術門檻，目前整體良率（Yield Rate）僅維持在 50% 至 60% 之間，遠低於標準記憶體 90% 以上的成熟水準。且每生產相同容量的 HBM，就需要比 DDR5 多出 3 倍晶圓需求，等於在技術成本環節，直接將供應鏈階級化。

資本市場的智慧壟斷

以往半導體製程發展會遵循摩爾定律，由技術突破驅動成本下降，但現在情勢則是資本規模直接定義了天花板。每一顆頂級 AI 晶片背後，都代表著數萬美金的固定成本。這在產業內部形成了一道天然門檻，只有具備極高資本支出承擔能力的產業巨頭，才擁有進入高階模型訓練場的門票。2

這種算力與資本的強耦合，導致了中心化智慧的風險。當全球最強大的預測引擎與邏輯定義權被鎖定在少數資本實體手中，對於全球研究單位或中小型開發者而言，智慧主權正面臨挑戰。這種封閉性不僅體現在專利與硬體上，更體現在對數據解釋權的壟斷，壓抑人類文明技術路徑的多樣性，讓創新的方向被侷限在符合資本回報率的範疇內。

後 HBM 時代的技術分流

物理極限與高昂成本，促使產業開始探索不同於 HBM 的替代路徑。這些嘗試並非意圖取代 HBM，而是在極致性能之外，尋求更具經濟效率的架構選項。

例如，記憶體內運算（Computing in Memory，CIM）嘗試在儲存單元內完成部分指令，以降低資料搬運次數。Cerebras 則選擇透過大容量 SRAM 的晶圓級架構，擴張片上儲存空間，繞過外部頻寬瓶頸。

在軟體層面，模型量化與壓縮技術同樣扮演關鍵角色，讓 AI 模型在不高度依賴 HBM 頻寬的前提下，仍能完成具實用價值的推理任務。

這些發展共同指向一個明確趨勢：後 HBM 時代的算力結構，將走向分流，而非單一路徑的全面壟斷。

從 OpenClaw 映照終端執行的結構轉移

近期引發熱議的 OpenClaw，正好印證了這種架構分流的迫切需求。當 AI 從單純的對話模型轉向具備行動能力的執行代理（AI Agent），人工智慧的產出場景開始從雲端中心向終端產品快速滲透。

這類應用要求極低的反應延遲與高度的隱私安全，在實務面上，難以每次都仰賴雲端昂貴的 HBM 訓練集群進行判斷。

終端設備在硬體條件上，與雲端機房存在根本差異。智慧型手機、個人電腦與自動化裝置，多半採用以節能為核心的 LPDDR（低功耗雙倍數據速率記憶體），並普遍採用 PoP（Package-on-Package）封裝技術，將記憶體直接堆疊在處理器上方，實現極度有限的空間內功耗效率的最優化。

這樣的硬體落差，最終定義了兩套不同的演算法邏輯。雲端 HBM 支撐的是數據吞吐的持續擴展，而終端 LPDDR 則是挑戰在有限的記憶體容量內，透過模型量化與結構簡化，完成精準而即時的推理任務。

去中心化實體基礎設施網路

這種向邊緣執行力的位移，正是去中心化敘事從理想主義轉向商業價值的關鍵時刻。正如加密貨幣曾挑戰法幣的中心化體制，現在的 DePIN（Decentralized Physical Infrastructure Networks，去中心化實體基礎設施網路） 則試圖在硬體特權之外，建立一套更具韌性的資源網絡。

當 AI 開始在各類微小終端上長出手腳，技術演進開始算力分配轉型。HBM的雲端核心負責耗能深度訓練，分佈在最末端的終端設備，讓原本被忽視的、基於 LPDDR 架構的碎片化資源，則負責廣泛的環境執行。這種分散化需求，具備了重新被組織的商業價值。DePIN 的出現，讓硬體設備持有者能直接參與全球算力供應，這在邏輯上打破了資本巨頭對底層基礎設施的絕對壟斷。

啟動算力的長尾效應

去中心化所開啟的競爭重心，並未聚焦於極端的大模型訓練效率，而隨著架構演進，逐步轉向算力長尾效應的啟動、釋放與再組織。

透過整合分散於終端的 GPU、個人電腦與邊緣運算節點，去中心化協議得以構建出高度彈性、具備成本優勢的 AI 推理市場（Inference Market），並將既有存量資源重新編織為可運作的產業網路。

在此模式，區塊鏈扮演著無需人工介入的程式化結算與分佈式驗證層。透過智慧合約實現了A2A的「按需求計價、即時結算到帳」自動化機制，讓原本碎片化的硬體資源，在無需人工協調的情況下完成可信協作，並解決跨國結算瓶頸。

對開發者而言，這不僅是一道抗審查防線，更是一個能實際改善成本結構的流動性池。閒置或低使用率的硬體，得以在輕量化推理與特定場景任務中重新釋放價值，形塑以存量為核心的二級算力市場。

若從時間成本來看，這種轉變的價值更為明顯。傳統晶片從投片到出貨約需三個月，涉及 HBM 與先進封裝時，週期往往拉長至半年以上。這種由製造流程決定的時間慣性，使算力供給難以即時回應需求波動。DePIN 透過即時調度既有資源，填補供應鏈延遲所產生的算力空窗，使資源配置得以跳脫物理生產節奏的限制。

結論

關注物理邊界中的結構性機會

對於正在尋找 AI 下一波機會的人士而言，理解半導體的物理邊界，是為了看清權力的來源；而布局去中心化架構，則是為了提前對齊市場正在形成的方向。

從當前的技術與產業條件來看，未來的算力格局，正逐步走向主權核心與液態邊緣並存的結構。

在這樣的分工之下，HBM 訓練集群將繼續承擔人類智慧的深度累積角色，作為高度資本密集的重工業體系存在，負責支撐最宏大的科學問題與基礎模型訓練。

同時，隨著 OpenClaw 等應用產品被實際部署與採用，去中心化推理網路正逐步向邊緣展開，將這些智慧能量帶入具體場景之中，完成即時且可驗證的執行任務。

這場圍繞資源分配權展開的結構轉換，已開始重塑 AI 的技術與商業版圖。我們既需要清楚認知 HBM 所代表的性能上限，也必須主動辨識那些正在成形的分散化路徑。除了關注頂級晶片的產能配置，在物理高牆之外，如何參與算力釋放與架構翻轉的過程，正成為關鍵的策略選擇。

最終，AI 不會只是被集中於昂貴機房中的權力象徵，而是透過分散式架構，逐步回到人類社會的各個微觀單元。對能夠看懂並提早佈局這條演進路徑的人而言，去中心化不只是趨勢，而是一種可被主動掌握的結構位置。

Hi，歡迎來到拉菲的Substack

讓我們都能用輕鬆的方式，成為更好的自己。
Let’s Chill and Better.

這篇文章談到半導體外移，許多人直覺反應往往是擔心主導權流失，
但在先進製程的世界裡，有些東西，比工廠地址更值得被放進討論。

物理侷限與需求擴張的交匯

半導體海外設廠，經常被解讀為政治壓力下的被動結果，甚至被視為技術流失的前兆。若回到工程與經濟現實，製程外移其實是高度資本密集產業發展到一定規模後，必然出現的發展。

先進晶圓製造對土地、水資源、電力穩定性與環境條件的要求極高。當單一地區的產能密度逼近物理與基礎建設極限，新增需求勢必外溢。

在 AI 與 HPC（High Performance Computing） 已不只是研究工具，而是國力與產業競爭底層的背景下，海外設廠的問題不在於要不要，而在於如何配置，以及在產能分散後，如何維持主導權。

真正值得討論的，是當產線地理位置分散後，決定競爭勝負的關鍵能力，是否仍然集中於台灣。

資本之外，先進製程的核心競爭力：學習曲線

半導體產業不僅資本門檻極高，更是由學習曲線深度主導的產業。

先進製程的難度，並不體現在設備是否能取得，而在於組織是否具備在高度不確定條件下，持續推進良率收斂的能力。這條學習曲線呈現高度非線性，前期每一個微幅改善，背後往往伴隨大量失敗、試錯與反覆修正。

這些經驗，極少完整寫入正式文件，而是逐步內化為工程團隊的判斷節奏、問題拆解方式與實務直覺。

因此，即使產線設立於不同地理位置，真正決定成熟度與差距的，仍然是問題由誰定義、修正方向由誰主導，以及學習節奏由誰掌握。

成熟的製程決策中樞，同時承擔了失敗成本與量產責任。

在此脈絡下，產線是否集中於同一地點，早已不構成競爭力延續的決定性條件。
真正關鍵的，是學習活動是否仍圍繞在同一核心工程體系中進行。

但此論述只在當前時間點成立，並不是物理定律。海外產線之所以不定義修正邏輯，並不是能力不足，而是風險還不在他們帳上。只要哪一天海外 fab 開始獨立承擔良率爬升風險，learning loop 的分佈就會開始改變。

奈米節點的轉折

微影技術從浸潤式走向EUV的意義

在 28 奈米推進至 20 奈米以下的過程中，透過在鏡頭與晶圓之間引入液體作為介質，浸潤式微影得以將光學系統的數值孔徑推向工程極限，延伸既有節點的壽命。在當時的技術條件下，單次曝光仍能支撐世代節點的量產需求。

然而，製程進入 16 奈米與 10 奈米等級，單次曝光在密度與變異控制上已難以成立，
產業被迫大量導入 double patterning 等多重圖形化手段。

這類作法並未真正突破物理限制，而是以製程複雜度換取尺寸。曝光與顯影次數倍增，overlay 誤差被統計性放大，cycle time 與成本同步上升，良率窗口反而被壓縮。

當微縮開始依賴越來越多與現實妥協的工程手段，而非穩定可收斂的條件，製程的可學習性開始下降，學習曲線的收斂速度顯著放緩。

也正是在此節點，EUV 從昂貴選項轉為結構必然。其價值不僅在於線寬縮小，而在於讓多數關鍵層重新回到單次曝光即可定義的製程框架，使製程開發重新回到可長期量產的節奏。

EUV 並未讓製程變得更簡單，反而引入新的挑戰；
但其關鍵突破，在於讓問題重新可以被拆解，
將不可控的因子，轉換為另一種可管理的複雜度。1

隨著節點持續推進，顯影與材料的隨機性開始主導線寬變異的統計分佈。製程競爭的焦點，轉向誰能更快建立密集回饋機制，將原子等級的物理與統計本質所主導的隨機效應，收斂至可量產區間。

在這個階段，差距不再取決於是否擁有設備，
而取決於組織是否能承受高度耦合問題，並快速迭代。

設備決定入場資格，學習結構決定長期差距。

台灣的主導力，來自產業結構的厚度

最難複製的資產，是組織處理不確定性的能力。

高度耦合的製程問題，要求跨模組的即時判斷與修正。異常若被延後處理，付出的不只是停機成本，更是學習節奏的中斷，最終反映在良率爬升速度與穩定度上。

因此，技術壁壘並非僅存在於設備或專利，而體現在組織如何面對不確定性，以及如何將複雜系統拉回可控區間。

若將台灣的競爭力簡化為單一企業，反而低估了真正的結構優勢。台灣不只是在單一先進製程節點領先，而是在材料供應、顯影技術、化學品、設備維修、製程整合、先進封裝與測試等環節，同步累積實務經驗。

這種產業密度，使高度耦合的異常不必由單一公司孤立承擔。問題能在體系內被快速比對、拆解與回饋。顯影參數的微調，往往同時深化整個生態系對微縮邏輯的理解。。

因此，即便部分產能外移，關鍵製程定義與技術節奏，仍高度依賴台灣的工程體系。

實務上，良率修正並非單純照 SOP 調整參數，而包含：

• 　問題出現順序的判斷
• 　異常來源的直覺式經驗定位
• 　跨製程模組之間權衡決策的整體思維

這些能力集中於長期累積 learning loop 的組織中。

目前的現實是，海外產線可以執行修正，但修正邏輯的定義權仍在台灣。
製程決策的風險承擔與判斷責任，尚未隨產線位置轉移。

美國政策行為背後的結構動機

供應鏈被納入國安框架之後

當台灣在多個半導體關鍵節點取得領先，其重要性逐漸脫離純商業範疇，成為全球科技與國安體系的一部分。

2020 年疫情，加速了這個轉變。

汽車產業削減訂單後，產能迅速被居家辦公與伺服器需求吸收。當車市回溫，車廠重新下單，才意識到自身已不在產能配置的優先序中。於是出現荒謬卻真實的場景，高價車款因缺少低價控制晶片而無法交付，讓供應鏈脆弱性首次被大規模攤開。

對美國而言，真正引發政治層面震動的，是對自身風險結構的重新認識。從民用產業到軍事系統，關鍵晶片高度依賴於單一地理來源，被重新界定為國安風險。

在此背景下，關稅、補貼與制度誘因成為政策工具，要求台灣以高額投資換取政策友善。若只從政治角度解讀，容易視為單向施壓，但從結構面看，這是風險重配置的理性選擇。

晶片法案成為政策回應的一部分，試圖將部分關鍵製造能力，納入可直接掌控的地理範圍從地緣政治策略來看，美國成功地透過政策工具推動了產能的地理分散，緩解了其國安焦慮。

然而，半導體產業真正的主導權，並未因此被輕易搬運。

結語

無法被搬運的，是組織文化

先進半導體製造的壁壘，不僅在於技術或參數，
而在於一套難以量化、無法複製的組織能力。

在美國，設備凌晨發生異常，工程師多半會排入隔日維修；
在台灣，類似情況往往當夜即完成處理。

這裡僅以工程文化作為象徵性描述，無意評價個別工程師的能力，
而是指出制度與運作節奏的差異。

這樣的差異，揭示了高效率製造體系對在地文化與組織習慣的高度依賴。
工程團隊為了極小幅度的良率提升，能全天候待命，將設備使用率推至極限。
同樣一台設備，不同工作文化下，一年的有效運轉時數可能相差數千小時。

細微差異長期累積後，轉化為節奏、成本與學習速度的結構性落差。
這套默契與決策方式，並不存在於專利文件中，而是在工程師高壓環境下逐步形成，
也正是台灣半導體真正的護城河。

但必須提醒，這項優勢並非自然存在。
yield learning 本身即是一個持續演進的過程，而非靜止不變的狀態。
一旦供應商全球分流、關鍵材料因政策或補貼在海外複製，或人才外移加劇，
再加上海外先進產線逐步被要求承擔更完整的良率責任，
並在制度上獲得相應的決策權限，這種結構優勢便會逐步被稀釋。

海外設廠會持續發生，產能分散也是不可逆趨勢。
評估半導體主導權，必須從工廠所在地，轉向能力結構。
只要關鍵判斷仍在台灣的產業結構中被系統性的內建與傳承，
主導權就不會輕易轉移。

半導體主導權最終不取決於產線位置，
而取決於誰必須為良率失敗承擔後果。

這場地緣政治重組，反而更清晰地標示出，
根植於文化與產業密度的能力，仍能定義微縮的下一個可行邊界。

也正是在這個意義下，製程外移並未削弱台灣的主導地位，
反而更明確凸顯，哪些能力才是真正不可替代的戰略資產 。

Hi，歡迎來到拉菲的Substack

讓我們都能用輕鬆的方式，成為更好的自己。Let’s Chill and Better.

今天這篇文章，記錄的是我最近嘗試把一個被遺忘的熱點名詞「元宇宙」，
將此放回半導體製程節點發展的時間軸中，重新理解它成熟的時刻。

過去幾年，元宇宙是一個被高度消費的名詞。多數人談論元宇宙時，習慣從終端畫面出發，戴上頭盔，進入虛擬空間，建立另一個身份。這種敘事方式，本質上是從體驗倒推系統，彷彿只要畫面夠沉浸，世界就自然成立。

也正因如此，元宇宙的概念在極短時間內被快速包裝、推廣與消費。這個階段討論的重心，並不在系統是否能長期運作，而在於想像是否足夠吸引人。所以，當熱潮退去，資金離場，相關專案逐漸沉寂，市場很自然地下了一個結論。

「元宇宙已經失敗」

但這個結論，其實建立在一個錯置的時間假設之上。

如果我們不再用敘事熱度作為判斷標準，而是回到工程與技術發展的視角來看，任何能夠穩定存在的系統，都不會從介面開始，而是從供應鏈、算力、能耗、製程良率等現實條件出發。

把時間尺度拉長，並將系統拆解到足夠底層，就會發現元宇宙從來不是一個應該在短期內被驗證完成的概念。它更像是一條需要等待底層條件逐一成熟的工程路徑。

從工程視角來看，以目前 TSMC N2 量產時程、EUV 配套成熟度、HBM 與 CoWoS 產能節奏，2025年 Q4 是條件開始齊備的拐點1。先進製程進入量產節奏，AI 系統開始被設計為長時間運作的狀態型架構，算力第一次具備作為持續性基礎設施的條件。

而到了 2026 年，這條路徑進一步進入工程化階段。AI 不再以單一模型或單一晶片為單位被討論，而是以系統級平台、長時間運行與即時反應為前提進行設計與部署。

在這樣的時間結構下，元宇宙並不是在早期就宣告失敗，而是直到 2025 年之後，才第一次具備被當成工程問題來處理的條件。

也正因如此，從晶圓製造出發，經過 AI，再到 Web3，最後才走向我們今天所稱呼的元宇宙。

接下來，讓我們逐步拆解這一條已經推進多年，直到現在才同時具備工程條件的因果鏈。

第一環

晶圓製造決定了算力的上限

所有數位世界的起點，都來自實體世界的物理極限。

先進製程的晶圓製造，決定了在單位能耗之下，我們能夠穩定提供多少運算能力。製程節點、良率、封裝技術、設備成熟度，以及整體供應鏈的穩定性，這些看似只屬於半導體產業內部的關鍵字，其實直接決定了一件事，數位系統是否能夠長時間、低成本地運行。

如果算力不夠穩定、不夠便宜，也無法普及，那麼任何宏大的數位想像，都只能停留在展示或實驗階段。短時間可以，規模化卻不成立。

晶圓製造從來不是科技浪漫，它是現實世界對數位未來設下的第一道門檻。

第二環

AI 將算力轉化為行為代理

AI 雖然不是為了創造虛擬世界而存在，但卻可以把原本只能被人類被動使用的算力，轉化為能夠主動執行任務的行為單位「 AI agent」。

當 AI agent 能夠理解語意、拆解目標、規劃流程並執行行動，它就不再只是工具，而是開始扮演數位系統中的行為角色。

此時，數位世界第一次具備了不需要人類即時介入，也能持續運作的能力。

這是一個極其關鍵的轉變。AI 不再需要人類逐次下指令，而是開始替人類處理大量日常選擇與行為。只有在這一步完成之後，後續所有系統層級的設計，才有存在的意義。

第三環

x402 協議讓 AI 悄悄進入生活

如果 AI agent 的每一次行為，都仍然需要人類授權，那它永遠只會是一個高級助理。真正的轉折點，在於 AI 是否能夠自行完成交易。

換一個貼近現況的說法，x402 等基於 HTTP 402 Payment Required 的機器原生支付提案，目標是讓 API 或 agent 能在請求與回應層完成按次付費的交換。

這類提案所代表的概念，是讓機器之間可以在沒有人工介入的情況下，完成微支付與服務交換。也意味著 AI agent 不只是執行任務，而是能根據目標需求，自行判斷何時付費、付給誰，以及換取什麼樣的服務。

從這一刻開始，AI 的存在感反而開始下降。

它不需要被稱為革命，也不需要被使用者刻意感知。訂位、排程、比價、資料存取、服務調用，這些行為開始在背景中自動完成。AI 開始真正融入生活流程，而不是被人刻意「打開」來使用。

第四環

加密貨幣成為支付的基礎設施

當支付行為由 AI 來執行，傳統金融體系在結構性的限制又立刻被放大。

銀行帳戶屬於人，信用卡依賴身份，跨境支付效率低，微支付成本過高。
這些設計，本來就不是為機器而存在的。

而加密貨幣，恰好適合補上這個缺口。

假設支付行為逐步由機器執行時，加密資產已成為更能先在跨境結算、微支付與機器對機器的結算場景下，最佳可用的原生選項。

它的核心價值在於，這本就是一種原生於數位世界的價值載體。在這個階段，區塊鏈不再只是去中心化的口號，Web3 也不再只是理念敘事，而是開始成為 AI agent 可以直接使用的支付與結算層。

此時，Web3 的應用發展又進入下一個世代。

第五環

元宇宙不是世界，而是一種運作狀態

當 AI agent 可以自主行動，當支付可以無縫完成，當數位身份可以被長期持有與累積，元宇宙就不再需要被刻意建構。

它不一定是一個三維空間，也不一定需要頭戴裝置。

元宇宙是一種狀態，一個由 AI 持續運行、由區塊鏈支撐價值流動的數位生活層。

人類將會在日常應用與維持原本生活型態下進入其中，而不需要刻意操控其中的每一個細節。

結論

元宇宙之所以開始，是因為製程已經走到這裡

如果把整條因果鏈拉回現實的技術時間軸，就會發現元宇宙並不是一個被突然提出、又突然消退的概念，而是一個與半導體製程與系統工程節奏高度同步的結果。

到了 2025 年，先進製程已明確從研發展示階段，進入量產節奏。2nm 世代正式導入 GAA nanosheet 架構，製程優化的重心不再只是邏輯密度，而是轉向功耗結構、熱行為與長時間運作穩定性。這使得高密度 AI 推理首次同時滿足效能與可部署性兩個條件，也讓算力開始具備作為長時間運作基礎設施的工程前提。

同時，AI 運算的瓶頸也清楚上移至系統與封裝層級。隨著模型規模與即時推理需求持續擴張，單一晶片已無法支撐實際部署，多晶片架構結合高頻寬記憶體與高速互連成為主流，先進封裝不再只是製程後段，而是系統是否成立的核心條件2。這讓 AI 算力開始從展示性運算，轉為可以被長期配置與持續調度的系統能力。

這條技術路徑，在 2026 年被進一步明確化。

在 CES 2026 上，NVIDIA 釋出 Vera Rubin 平台敘事3，核心包含 Rubin GPU 與 Vera CPU 等系統級組件，提供了非常清楚的訊號。AI 的下一個世代，不再以單顆 GPU 或單一加速器為基本敘事單位，而是直接以系統級平台作為設計前提。運算、記憶體、互連、能耗與調度，被視為一個不可拆解的整體，預設長時間運行、持續推理與即時反應。

這代表 AI 系統的工程假設，已經從短時間效能爆發，轉為狀態型運作。這樣的系統，本質上更接近一種隨時在線的數位基礎設施，而不再只是被啟用時才存在的工具。

也正是在這個意義下，元宇宙才真正具備落地條件。

從系統角度來看，元宇宙的工程本質並不是視覺呈現，而是大量狀態在低延遲條件下被持續讀寫、同步與結算。這類工作負載，只有在算力可以長時間存在、記憶體頻寬與互連足夠、系統能夠穩定運行的前提下才具可行性。而這些條件，正是在 2025 年開始齊備，並於 2026 年進入系統化階段。

在這個視角下，元宇宙不再是一個等待被實現的未來藍圖，而是一個正在被製程、算力與系統設計逐步推進的現實狀態。

所以，元宇宙並不是現在才被想像出來的。

而是直到現在，我們才第一次具備足夠穩定的物理與計算基礎，讓它不需要被刻意展示，也會自然發生。

大家好，拉菲的Substack 開張啦！

過去很長一段時間，我使用「拉菲」這個 IP，活躍在區塊鏈產業的社群與實況頻道裡。我是一個公眾人物，影響力來自即時擴散，來自流量、討論度，以及被看見的速度。

2026 全新角色解鎖，半導體學術領域 Adj. Assistant Professor。

在教室裡，這將會是另一個時間維度。
老師這個角色的影響力，來自長期思想結構的內建。

在主流社群的衡量標準下，流量、訂閱數或轉化率，
都需要不斷證明自己還在、還有效。
但我越來越清楚，如果長期把能量用在維持可見性，而不是累積本質，
持續局限在即時回饋的系統裡，反而會削弱了對自身期許的價值輸出。

接下來想做的，並不是轉型，而是重新校正時間尺度。

多元身份都將共同構成我在 2026 想站立的狀態，
社群公眾人物、實況直播主、學術界教師……
都將為我更多未來未定義的角色打下根基。

在這裡，我將會輸出半導體產業及區塊鏈發展相關的主題文章。

把自己放回一個「節奏慢，根基深」的場域

頻道開張的契機是，
我決定把自己放回這些成長速度比較慢，但結構比較穩定的場域。

雖然我不是穩定生產型的內容創作者，
但比起不斷對外輸出，我更在意的是，
能不能長期站在一個位置上，持續把複雜的東西講清楚。

也正因如此，不論是 Substack 專欄主題或是校園現場，
都是規劃一個更符合自身累積價值的方式，
並將內容導入承載長期價值的系統之中。

在這些低噪音、高密度的母體中，
縱使不會有即時回饋，但肯定會在多年後形成一張真正有厚度的網絡。

我的受眾，將會是未來可能進入尖端科技產業、研究單位或關鍵節點的人。
可能會受我判斷事情的方式影響，
對某些技術嚴謹的標準，
或是對世界結構的理解角度。

這些無法用訂閱數衡量、可以跨場域使用的內容，
最後也都會自然回流到我在社群、直播，以及未來任何角色之中。

關於「超級個體」
讓它變成一抹微笑，而不是論文註解

雖然在標題訂定上，我還是受到聳動關鍵字流量的驅動而寫入，
那麼我希望這樣的狀態比較像是一個結果，而不是一個需要被追求的角色。

當一個人把時間放對地方，很多事情，其實不需要再刻意定義。
選擇一條能長期站得住、能照顧身心，也能讓價值持續累積的路時，
某些結果反而變成了必然。

「超級個體」不會是我追求的標籤。
但如果有一天也能獲得這個稱號，
那將會是因為我沒有過度分散自己，
沒有把能量花在維持可見性，
並且把價值交給了值得被時間放大的事。

這個狀態，更像是一個後設結果，
而不是一個需要用力抵達的身分。

2026 的步調

2026 對我來說，今年將會是一個把位置站穩，把角色放對，
讓時間開始替我工作的啟動。

有些路，看起來慢，但它們不需要被反覆證明正在前進。
不需要立刻變現，卻會在未來任何轉換發生時，成為最穩定的底層結構。

我真正關心的，不是影響多少人，
而是影響哪一群人，以及他們站在什麼樣的位置上。

所以，能夠以一個多角化經營的跨界實踐者身分，
持續記錄與分享這些思路，
對我來說，真的太酷了！

讓我們都

能用輕鬆的方式，成為更好的自己
Let’s Chill and Better!!