技术雷达日志（只增不改）

性质：宪法 Part 3·L 的产出容器。每季一节，只记有裁判价值的技术发现（触发某卡技术里程碑 / 改变某条台账概率 / 新瓶颈苗头），不做技术新闻摘要。 来源纪律：技术断言按 数据来源与可靠性.md 第八节分级（T1 实证/T2 分析/T3 转述）；技术里程碑只认 T1 裁判。 建立：2026-07-04（首跑待做，见 README F3；标准指令在宪法 Part 3·L）

---

2026-Q3 技术雷达（2026-07-04，首跑）

本跑的特殊使命：把 F1《推理成本栈》/F2《模型技术态势》里植入的一批 T2/待核读数回 T1/权威源核实。扫了 Epoch AI 趋势数据、MLPerf Inference v6.0（2026-04）、前沿/开源模型进展、scaling 范式论文。

本季技术面最重要的四件事（带 T 档 + 精确数字）

1. Epoch 把"效率降多快"给了精确数字 [T2·Epoch AI，截至 2026-02-05；有 90% CI]：
   • 算法效率 ~3.0×/年（预训练达同等能力所需算力，doubling ~7.6 个月，CI 2.8–4.4×）——比我 F1 卡估的"8–16 个月翻倍"更快、更硬。
   • 推理成本（固定能力）~40×/年、每 ~2 个月腰斩（但随能力档位 9×–900× 剧烈波动）——回 T1 了我 F1 卡"~10x/年"的粗估，实际快得多。
   • 但训练算力仍 +5×/年（自 2020，doubling 5.2 月）、部署 AI 芯片总算力 +3.4×/年（doubling 6.8 月）。
   • ⭐ 这四个数放一起=本季最重要的裁判：单位成本在暴跌（40×/年）、总算力/总投入仍在暴涨（5× 和 3.4×/年）——这正是 Jevons 正在赢的实锤，也正是我 F1 卡"成本降 ≠ 总支出降，必须分开读"那条纪律的现实读数。效率突跃尾部（L-13）尚未触发：基准情景（Jevons）在兑现。

1. MLPerf Inference v6.0（2026-04，MLCommons）实测确认了 F1 卡的核心机制 [T1·MLPerf 实测]：
   • B200 在 GPT-OSS 120B 上单卡吞吐 ≈ H200 的 2.5×，主因 FP4 精度 + HBM3e 带宽 8.0 TB/s（vs H200 的 4.8）；MLPerf 明言"内存带宽瓶颈型 LLM 负载，带宽翻倍→吞吐近乎翻倍"。
   • 裁判：这把 F1 卡"推理卡在内存带宽、不卡算力"从 [T1·工程共识] 升级为 [T1·MLPerf 实测]；FP4 量化作为真实降本手段被证实。
   • 反面发现（同样重要）：定制 ASIC 基本没提交 MLPerf（只有英伟达 + 少量 AMD MI355X）——所以"ASIC 推理性价比胜 GPU"这条无公开标准 benchmark 佐证，须继续标 T2（报告/2026-技术专题-ASIC对GPU推理真实账.md 的结论不因本季升级）。

1. 预训练撞墙 + test-time compute 成"第三缩放律"，从叙事变成主流共识 [判断类：T1 论文 + T2 共识]：
   • "朴素预训练边际递减 / 数据墙"已是多源广泛共识（非我 F2 卡里说的"仅叙事、争议中"）；但不是能力天花板——前沿转向 test-time compute（o1/o3 推理范式）。有 T1 论文支撑（如 arXiv《Test-Time Scaling Makes Overtraining Compute-Optimal》2604.01411）。
   • 裁判：F2 卡「当季快照」的"预训练"与"推理时计算"两条从 T2/争议 → 更硬的共识（见 F2 卡更新）。

1. 开源 vs 前沿差距大幅收窄——硬数据 [T2·benchmark 聚合]：
   • MMLU 差距一年内从 17.5pp → 0.3pp；DeepSeek V4（2026 初）前沿级（SWE-bench Verified 83.7%），价格约低 13×；MoE 是主因（235B 总参数只激活 22B）。
   • 裁判：这是新的经验数据（非机制地图），直接坐实 F2/L-15 的"模型层被商品化"前提 → 触发 L-15 小幅上调（见下）。

对库的裁判

• 触发的技术里程碑（兑现/跳票）：
  • 英伟达：Blackwell Ultra（GB300 NVL72）已量产且横扫 MLPerf v6.0 = 执行兑现、无 kill 触发（L-01 近端稳；但 L-01 争的是长期利润率持久性，本季不改）。→ 英伟达卡技术里程碑标注"on-track"，本季不重写卡（雷达留痕即可）。
  • HBM：HBM3e 8.0 TB/s 在量产 Blackwell Ultra 落地、带宽→吞吐线性关系被 MLPerf 证实 = HBM 中枢地位强化；HBM4 尚未进本轮结果（下季盯）。→ HBM 卡无需改，苗头记此。
• 台账概率调整：
  • L-15：65% → 68%（+3pp）。依据：开源差距 MMLU 17.5→0.3pp 是硬数据、直接确认"模型层商品化"这条腿（价值从模型层流走→卖铲人比应用层确定）。克制点：L-15 的 kill 条件是"在位 SaaS NRR/seat 企稳"，本季雷达没扫 SaaS 侧，所以只小幅上调、不大动；SaaS 侧留给财报季。这是本项目台账第一次因雷达数据调概率——刻意示范"机制地图不动概率（F1/F2）、真数据才动概率"的纪律分野。
  • L-13：60% → 60%（不动）。依据：本季数据双向——效率降得极快（利多"突跃可能"）但训练算力仍 +5×/年（Jevons 正赢、尾部未触发）。净效果不改变"市场给突跃≈0 概率是错的"这个元判断的赔率；真正的扳机仍是"训练算力增速首次显著减速 / 超大厂 capex 指引下修"，本季均未见。
• 新瓶颈苗头：暂无需新技术卡。超长上下文把 KV 缓存成本重新顶上来（F1 已埋伏笔）值得下季专盯；定制 ASIC 缺乏公开 benchmark = 一个"信息盲区"苗头（想验证 ASIC 性价比却无标准数据），记此备忘。

扫过但无裁判价值的：各家 2026 开源模型排行细节（Llama4/Qwen3.6/DeepSeek V4 互相超越）—— 方向已被"差距收窄"这条捕获，个别排名无投资裁判价值，不逐一入库。

来源：Epoch AI Trends（算法效率 3×/年、推理成本 40×/年、训练算力 5×/年、芯片存量 3.4×/年，均带 90% CI，截至 2026-02-05）；Epoch: 训练成本 doubling 8 个月；MLPerf Inference v6.0 解读、IEEE Spectrum: Blackwell Ultra MLPerf（B200≈2.5×H200、带宽驱动，T1 实测）；TechCrunch: DeepSeek 缩小差距、开源差距 MMLU 17.5→0.3pp [T2 聚合]；test-time compute [T1 论文 arXiv 2604.01411]。

---

记录格式（每季复制此节）

20XX-QX 技术雷达（日期）

本季技术面最重要的三件事

1. （事实 + T 档 + 一句话为什么重要）
2. …
3. …

对库的裁判

• 触发的技术里程碑：哪张卡、兑现还是跳票、卡内是否已加更新日志行
• 台账概率调整：L-xx 从 x% → y%，理由一句话（同步 论点台账.md 留痕）
• 新瓶颈苗头：是否建议新技术卡（说清为什么现有卡装不下）

扫过但无裁判价值的（一行列举，防重复劳动）