nini-dev research

横纵分析法深度研究报告集

AI 生成内容声明

本站所有调研报告由 AI（Claude）在人类引导下生成，包括信息检索、数据整理、叙事撰写和可视化呈现。以下事项需要阅读者留意：

调研流程

每篇报告遵循固定的五步流程，从提问到发布约 2-3 小时。整个过程由人类提出问题和方向，AI 负责执行检索、写作和可视化。

1
定义研究问题
人类提出想要研究的主题和关注角度。AI 确认研究对象的类型（产品 / 公司 / 概念 / 现象），明确纵向（时间线）和横向（竞争格局）的分析范围。
以本次调研为例，人类的初始提问：「我想深入地了解一下最近半年的内存价格暴涨的原因，以及 SORA 之所以被 OpenAI 放弃是否也是出于这个原因？」
2
并行信息检索
AI 同时派出多组搜索 Agent，分别负责纵向信息（历史演变、关键事件）、横向信息（竞品、市场格局）和补充信息（用户讨论、成本数据）。每组 Agent 独立搜索 10-20 个信息源。
工具：WebSearch + WebFetch，优先一手来源（官方博客、财报、JEDEC 标准），多次搜索、多组关键词，搜不到的信息标注「暂缺」。
3
撰写叙事报告 + 人类追问
按横纵分析法的框架组织内容：纵向分析沿时间轴还原完整发展脉络，横向分析以当前时间点为切面对比竞争格局，交汇分析提炼新判断。人类在初稿完成后提出补充调研方向，AI 再次并行检索后更新报告。
本次调研中，人类在初稿后追加了三个方向：
1. 算力成本跟供电费用的关系，放在中国成本是否更低？
2. SORA 关停是否与 OpenAI 要跟 Claude 竞争、把算力给 Codex 有关？
3. OpenAI 具体是如何采购算力的？合同结构是什么？
这三个追问显著扩展了报告的深度，补充了电力成本、Anthropic 竞争、万亿采购版图三个维度。
4
交互式可视化
将文字报告转为自包含的 HTML 页面，使用 Chart.js 构建交互式图表（折线图、柱状图、环形图等），辅以 SVG 流程图和时间线组件。设计风格复用 bokushi 站点的 design token 体系。
每个图表下方标注数据来源。叙事文字是主体，图表是辅助表达。核心原则：文字不丢重点，图表分担信息密度。
5
排版审校与发布
按中文技术文档排版规范做最终审校（直角引号、中英文留白、术语大小写归一、黑话词替换），然后通过 Cloudflare Pages 部署。单个 HTML 文件自包含所有样式和脚本，可独立分享。

使用的 Skills

整个调研过程依赖三个开源 Claude Code Skill，分别负责研究框架、写作风格和排版规范。Skill 是可复用的 AI 指令模板，定义了 AI 在特定任务中的行为方式。

hv-analysis 核心框架
by 数字生命卡兹克（@KKKKhazix）
横纵分析法深度研究 Skill。定义了整个调研的方法论框架：并行搜索策略（3 组 Agent 同时出发）、纵向分析结构（起源 → 演进 → 阶段划分）、横向分析维度（竞品对比 + 生态位 + 趋势）、交汇分析要求（三个剧本推演），以及写作风格指南（叙事驱动、敢下判断、回环呼应）。
tech-doc-style-chinese 排版规范
by Fenng（@Fenng）
中文技术文档排版规范 Skill。用于最终审校阶段：统一直角引号「」、中英文之间留白、术语大小写归一（API / AI / HBM）、黑话词替换（「赛道」→「领域」、「洞察」→「分析」）、避免宣传腔和第二人称。
niracler-skills 个人工具集
by niracler（@niracler）
包含 workflow / writing / learning 等多个分类的 Skill 集合。本次调研中主要使用了 bokushi 站点的 design token 体系（色彩、字体、间距、圆角等 CSS 变量），确保可视化报告与个人站点的视觉风格一致。
调研报告
2026.05 横纵分析 半导体 AI 基础设施
内存价格暴涨与 SORA 之死

AI 对高带宽内存（HBM）的需求正在改写全球内存产业的供需结构。SORA 的关停不是因为内存太贵，而是 Anthropic Claude Code 的崛起迫使 OpenAI 重新分配有限的 GPU 算力。报告覆盖内存市场 30 年周期史、HBM 技术演进、OpenAI 万亿采购版图、中美 AI 成本差异等维度。

DRAM / HBM / NAND SORA OpenAI 算力采购 DeepSeek Anthropic