在工作與生活中，最具威脅的人是那種人？不是那些手握權力與資源的大佬，也不是那些履歷光鮮、光環加持的精英。真正最具威脅的人，是骨子裡堅信“任何難題都能被我破解”的那類人。請留意，如果你身邊有這種人，一定要提高警惕，注意和他們保持緊密的聯絡。因為這種信念，足以帶他們去到任何渴望到達的遠方。如今，人類歷史上最強大的“解題工具”——人工智慧已經到來。當大多數人還在討論AI是帶來失業的威脅，還是提高效率的幫手時，那種“萬事皆可解”的人，就好像獲得了福音，早已將AI視為自己身體和意志的延伸。他們是AI時代最可怕最具威脅的人。而在AI的時代，一個人要麼被威脅，要麼成為威脅，這次真的沒有中間地帶。這裡的“威脅”，並非指惡意或傷害，而是一種令人敬畏的、顛覆性的力量。他們是現狀的破壞者，是安逸的終結者，是標準的重塑者。他們用AI武裝自己的行動，讓所有滿足於“不可能”、“做不到”、“沒辦法”的“AI難民”們，感到芒刺在背。他們用結果證明，你眼中的技術壁壘和資源鴻溝，只是他們新冒險的起點。今天，我們深入探討這股在新世界中湧動的、最可怕的威脅力量，我們可以稱之為“高能動性”（High-Agency）。它根植於一種獨特的認知系統，呈現為一套強悍的行動模式，並最終在AI的催化下，釋放出重塑周遭生態的巨大能量。尖峰報告：穩定幣到底是一場怎樣的財富大轉移？“能動性”這個詞，正在成為我們理解這個新時代的關鍵分野。它不是指AI程序裡那些聽從指令的AI“代理”（Agent），恰恰相反，它描述的是一種深刻的人類特質。高能動性的人是這樣的：他們充滿好奇心，帶有一種“反叛”的性格，能夠挑戰現狀，並堅信自己可以改變世界——然後，他們真的去動手改變。簡單來說，高能動性是一種“不等待許可，主動把事情搞定”的內在驅動力。這些人看到一個問題，第一反應不是“這該由誰來負責？”，也不是“我沒有相關的技能和資源”，而是“我能做點什麼來解決它？”。他們有一種信念，就像彼得·蒂爾的導師勒內·吉拉爾所言：“你可以觸碰生活，然後會有東西從另一邊冒出來。”他們拒絕被動接受現實，而是主動與之互動，並創造出新的可能性。在AI出現之前，這些高能動性的人雖然一直存在，但他們的能量常常被現實所束縛。一個絕妙的商業點子，可能因為創始人不懂程式設計、不會設計、沒有啟動資金而擱淺。從想法到原型，可能需要耗費數月甚至數年的時間去學習專業技能，或者花費巨額資金去僱傭一個專業團隊。專業化，是一道高聳的壁壘，也是一種隱形的壟斷。而AI的出現，徹底改變了遊戲規則。當十幾歲的青少年開始營運自己的AI公司AI沒有平權資訊，網際網路早已完成了這件事，AI正在平權“創造本身”。智能的成本，從“我要花20萬請一個工程師”，變成了“每月只需花200元（充值AI）。”高能動性者利用AI，可以把自己武裝成一個“全端團隊”，這導致了組織的結構性轉變，和令人震撼的生產效益。OpenAI創始人薩姆·奧特曼在2023年曾預言：“很快就會出現一人營運的十億美元公司。”在當時，這聽起來有點誇張。但兩年後，我們正目睹預言逐漸成為現實。· Midjourney，這家引領了AI生圖浪潮的公司，年收入高達5億美元，而員工僅有40人。· Henri Shi，一位創業者，正在公開挑戰奧特曼的預言，實現了平均每名員工創造280萬美元的收入，這個數字與科技巨頭蘋果公司持平。· 兩個康奈爾大學的學生，沒有融資，沒有投資人，開發了一款結合間隔重複法和AI抽認卡的備考應用，如今擁有超過400萬使用者，年收入數百萬美元。這些不再是反常的個例，而是一種結構性的轉變。在這些公司裡，職業的界限開始模糊。產品經理可以建構財務模型，設計師可以撰寫行銷文案。一個理髮店老闆，可以用自然語言描述需求，為自己的店舖建立一個定製化的預約系統；一個餐館老闆，可以建構一個動態的庫存管理和定價工具。這些人一直都有解決問題的想法和動力。區別在於，現在，他們有了能將想法變為現實的“魔法棒”。當高能動性與AI結合，一幅全新的、令人熱血沸騰的圖景正在我們眼前展開。在三個層面，他們會帶來根本性的顛覆。一、信念核心：從“認知重構”到“現實重塑”一切的起點，源於心智模式的根本差異。高能動性的人，他們大腦的底層作業系統，早已被重新編碼。他們完成了對“問題”這個概念的徹底認知重構。在多數人的世界裡，“問題”常常與負面情緒掛鉤：它是阻礙、是麻煩、是失敗的預兆。當面對AI可能帶來的衝擊時，本能反應是防禦性的：AI會搶我的飯碗嗎？我學的技能會過時嗎？這種思維模式，被稱為“外部控制點”，即感覺自己的命運被外部因素（比如AI技術的發展）所主宰。然而，在高能動性的人的世界裡，截然相反。他們擁有強大的“內部控制點”，堅信自己才是局面的掌控者。因此，無論是AI還是任何其他挑戰，在他們的認知詞典裡，都被重新定義為：· 一個待解的謎題： AI不是威脅，而是一個前所未有的、複雜而有趣的謎題。它激發的是好奇心，而非恐懼。“我該如何利用這個工具來完成以前做不到的事？”· 一次學習的機會：掌握AI，意味著學習新的互動方式、新的工作流程。問題本身就是最佳的導師，而AI的出現，是這個時代最慷慨的一次“知識餽贈”。· 一個通往更優解的訊號：現有工作流程之所以能被AI最佳化，恰恰說明它有巨大的改進空間。AI的出現，不是對個人價值的否定，而是對整個系統進行升維的邀請函。這種認知上的重構，其力量是核彈級的。心理學家卡羅爾·德韋克在其著作《終身成長》中提到的“成長型思維”，完美詮釋了這一點。他們相信能力可以通過努力和學習來培養，因此AI帶來的挑戰，都成了成長的養分。當一個人不再將“我不會程式設計”視為終點，而是將其視為“如何用自然語言讓AI幫我實現程式設計”的起點時，他的行動可能性就被無限放大了。這正是高能動性者擁抱AI的底層邏輯。他們不是看不見困難，而是拒絕被困難定義。他們的大腦如同一個高效的篩選器，自動過濾掉消極的情緒噪音，直接進入“如何用”（How）的執行層面。這種從認知層面發起的革命，最終會投射到現實世界。因為當你堅信AI是你的槓桿而非對手時，你的潛意識和全部感官都會被調動起來，去尋找那些能讓你成功的用法和資源。你眼中看到的世界，就此不同。這便是從“認知重構”到“現實重塑”的躍遷之路。二、行動閉環：從“無限遊戲”到“AI加持的迭代進化”如果說認知重構是內在的“心法”，那麼高能動性者的行動模式，就是與之匹配的、在AI時代被極致放大的“打法”。他們深諳，信念若無行動，只是廉價的自我安慰。他們的行動哲學，是參與一場由AI超級加速的“無限遊戲”。管理思想家西蒙·斯涅克提出，有限遊戲以“獲勝”為目的，而無限遊戲以“讓遊戲繼續下去”為目的。那些抱怨AI、逃避挑戰的人，正是在用“有限遊戲”的思維玩一場“無限遊戲”。他們渴望一次性地“學會”AI，一旦遭遇挫折，就認為自己“輸了”，然後心灰意冷地退出。而高能動性者，則把與AI共舞看作無限遊戲中的一個新篇章。他們追求的不是畢其功於一役的“掌握”，而是“持續的迭代進化”。他們的行動閉環，在AI的加持下變得空前高效：1、快速建立假設：面對問題，他們不會陷入無休止的分析，而是快速提出一個可能的解決方案。“也許我可以用AI生成一些行銷文案初稿。”2、最小可行性試錯：他們會設計一個成本最低、速度最快的實驗來驗證假設。在過去，這可能需要幾天時間。現在，打開ChatGPT或任何一款AI工具，幾分鐘內就能得到幾十個版本的文案。這就是AI時代的“最小可行性測試”，成本趨近於零。3、坦然擁抱回饋：實驗結果，無論好壞，都是寶貴的回饋。AI生成的程式碼有Bug？很好，這讓他學會了如何更精準地提問。AI設計的圖片不合心意？沒問題，這讓他理解了AI審美和人類審美的差異。失敗不是能力的否定，而只是對特定提示詞的證偽。4、敏捷調整路線：根據回饋，他們迅速修正自己的假設和行動方案，然後立即進入下一個“假設-試錯-回饋”的循環。這個循環的速度，因為AI的介入，從過去的以“天”或“周”為單位，縮短到了以“分鐘”為單位。這個由AI驅動的超高速閉環，讓他們像一個精密的、即時線上更新的機器學習模型，不斷地從與AI的互動中學習，自我最佳化。我們正在目睹這種模式的巨大威力：一個最生動的故事來自18歲的紐約高中畢業生Zachary Yadegari。他被所有常春藤盟校和史丹佛大學拒絕。然而，他憑藉自己的洞察和AI工具，開發了一款名為Cal AI的應用程式——用手機對準食物拍照，就能估算出卡路里。這款應用，如今的下載量已超過六百萬次。這個故事極具象徵意義。當頂尖學府還在用傳統的標準衡量一個學生時，Yadegari已經利用新時代的工具，創造了實實在在的社會價值，並獲得了市場的直接認可。他的成功，與他的高中畢業證無關，只與他的能動性有關。在AI的時代，你不再需要成為專家，因為你可以用這些工具實現同樣的目標。不再需要僱傭專業人士，你可以自己動手，用更抽象的方式工作。高能動性人士不害怕犯錯，因為AI讓試錯的成本變得微不足道。他們不追求完美，因為他們知道完美是無數次迭代的終點，而不是起點。這種“無限遊戲”的心態和“迭代進化”的行動力，賦予了他們在AI時代驚人的韌性和創造力。三、AI時代的引力場：從“個體崛起”到“定義文化”當一個具備“認知重構”能力和“AI迭代”模式的高能動性者出現時，他的影響絕不限於自身。他會像一個恆星，在AI時代產生全新的、更強大的引力場，深刻地改變周遭的生態。首先，他們是新標準和新文化的定義者。當團隊中所有人都認為某個任務需要一周時間時，那個高能動性者可能已經用半天時間，借助AI完成了80%的工作。他的存在，本身就是對舊有工作效率和流程的無情“威脅”。他會不自覺地提高整個團隊對“什麼是可能”的認知標準。久而久之，整個團隊的文化會從“我們為什麼做不到”，轉向“他是如何利用AI做到的？”其次，他們創造了新時代的心理安全感。因為他們對AI輔助下失敗的容忍度極高（只是“資料反饋”），這會鼓勵團隊成員更大膽地去嘗試和創新。在這樣的環境裡，人們不怕因為提出用AI解決問題的“瘋狂想法”而被嘲笑。一個允許犯錯、鼓勵用新工具試錯的場域，正是催生偉大的創新土壤。最重要的是，他們正在瓦解“文憑主義”，重塑價值標準。AI＋高能動性，就是“文憑主義”的終結。當一個理髮店老闆都能用AI為自己建構預約系統時，對“專業程式設計師”的依賴就在降低。當一個設計師能用AI完成基礎的財務建模時，對“專業金融分析師”的壟斷就被打破。而且，他們的成功，本身就是對周圍生態的賦能。他們會開源自己的工具，分享自己的工作流，發表自己的見解。他們的“威脅”，最終會轉化為整個生態系統生產力的躍遷。請成為那個“具備威脅”的AI玩家我們正處在一個世界觀坍縮的奇點。過去我們賴以生存的許多規則——學歷、資歷、專業壁壘——正在被重塑。整個世界，似乎可以被簡化為一個位元：要麼有能動性，要麼沒有。而那種骨子裡堅信“任何難題都能被我破解”的高能動性者，在AI時代，的確是我們最可怕又可敬的對手和榜樣。好消息是：高能動性，與其說是一種天賦，不如說是一種可以習得的心態。這種信念和與之匹配的行動力，是一種可以刻意練習和培養的思維模式與行為習慣。在AI的浪潮面前，我們每個人都可以做出選擇。我們曾視為理所當然的限制——“我沒有這個學歷”、“我不是這個專業”、“我沒有學過程式設計”、“我需要等領導批准”……這些，在AI時代，都不再是阻礙我們創造的絕對障礙。最困難的部分，往往在於相信我們擁有縱身一躍的自由。所以，請審視你的內心。當機會與挑戰並存，當舊世界的地圖不再可靠，當創造的權杖第一次如此真實地交到每個人手中時，你會如何選擇？選擇權，在你手中。是成為被“威脅”的人，還是成為那個“具備威脅”的人？這一次，真的沒有中間地帶。 (不懂經)

AI時代，能落地的機會，都藏在細小的縫隙裡，藏在具體場景裡。這是在逛了一整天CES展之後，我特別深刻的一個體會。是的。我正在美國拉斯維加斯，和問道全球的企業家們，參加一年一度全球影響力最大的消費電子展，CES展。因為2025年，是AI大模型的爆發年，今年，就很可能是AI產品的爆發年。無論是看大廠的技術趨勢，還是看創業者“稀奇古怪”的創意，價值都遠高往年。那麼，這次CES展，藏著什麼樣的趨勢，又體現了什麼樣的機會？毫無保留，和你分享。01很多傳統產品，都值得用“感知-決策-行動”重做一遍AI實體產品要落地，底層就是三個要素：感知，決策，行動。感知，就是能聽見、能看見。決策，就是把資料交給AI，搞清楚該幹什麼。行動，就是通過硬體去幹活。把這三個要素，套用到傳統產品上之後，就是無窮無盡的可能。舉個例子，掃地機。這次，我在追覓展台，不光看到了能爬樓的掃地機，還看到了安裝機械手，能刷踢腳線的掃地機。當它發現踢腳線上需要清掃時，就會伸出機械手，清理灰塵。發現前方是樓梯，它就會通過履帶，爬上二樓，繼續清掃。因為感知和決策能力的提升，行動才有了拓展的可能。再舉個例子，空調。過去幾十年，空調就是個“被動工具”。你按遙控器，它再執行。但這次，我在TCL展台，看到了一款“AI空調”。空調裡，有個毫米波雷達。它不再等你下命令，而是自己觀察你。當它感知到，你呼吸變慢了、身體動作小了，就能自己做出決策：好了，主人要睡著了。於是，它就會主動把風調小，溫度調低，有利於你入睡。把“感知-決策-行動”裝進傳統家電裡，它就從被動幹活的工具，變成了主動幹活的管家。AI時代，最好的互動，就是沒有互動。02當產業鏈成熟，機會就會從終端產品外溢需求，倒逼供給。當大量產品需要AI化，要完成感知、決策、行動的閉環時，當大量原生的AI產品湧現時，你不一定要自己去做終端。做好產業鏈的一環，就足夠了。在現場，我就看到了一個很有意思的技術：紙電池。它特別薄，還能彎曲。搞這種東西，要用在那？用在新的AI裝置上。就比方說，用在磁吸錄音卡上。磁吸錄音卡，本身是薄薄的一片，貼在手機後邊。需要錄音，就按一下。錄完之後，AI會自動轉錄、自動總結。但是在這種裝置上，傳統的鋰電池就太厚了。類似的機會，還有很多。比如，當AI產品對“感知”的要求越來越高，攝影機就會爆發需求。因為AI要理解空間、要看清景深、要建3D模型，一個攝影機不夠，需要兩個（雙目視覺），甚至需要加上紅外、加上雷射雷達。你不一定要衝到台前做終端產品。還可以退後一步，看看這些產品，在感知、決策、行動這三個環節上，還缺什麼零件。缺什麼，你就做什麼。當好產業鏈的一環，往往比做終端更早賺到錢。03機器人有了手，商業化才真正開始順著產業鏈的邏輯看，你會發現很多企業，都在朝著“手”使勁。因為，要從“會動”變成“能幹活”，你永遠繞不開那些具體的動作：操作。拿起。擰開。抓穩。別捏碎。別滑落。這些動作，決定了機器人能不能上崗，能不能進工廠，能不能進倉庫。於是，在CES現場，我看到了很多公司，都在專攻靈巧手。這並不容易。難點在於：1）靈活度。2）感測器。先說靈活度。人手，真的太精妙。這麼小的體積，有那麼多的關節、肌肉和神經。要把機械手做得像人手一樣大小，你得在同樣的體積裡，塞進幾十上百個零件。再說，感測器。拿一顆雞蛋，勁大了會碎；拿一塊磚頭，勁小了會掉。想讓機械手也能應付這些任務，必須裝滿壓力感測器，不僅要即時感知壓力，還要毫秒級地反饋給電機調整力度。未來最賺錢的機器人公司，可能是只造“零件”的公司。04先做政府和企業的剛需，更容易活下來機器人行業，投入很大，時間很長。做出來之後，賣給誰？很多創業者的第一反應是：賣給消費者，賣進千家萬戶。可是，這樣做往往行不通。因為C端的競爭，雖然更激烈，但大機率並不“貴”。一位阿姨打掃衛生，一個小時30元。但假如有台家務機器人，也能打掃衛生，一小時只收你100元，你肯定不願意。這就是C端的邏輯：你的機器人，不僅要比人好，還要比人便宜。那裡有更貴的問題？在A、G、B，在軍隊、政府、企業端。他們買的，是效率、安全、合規。他們願意用20萬的成本，解決100萬的問題。舉個例子，無人機。我在現場，看到家無人機公司。它沒有去跟大疆卷C端航拍，而是做了一款警用無人機。這架無人機，能飛到違章車輛面前喊話，說你違規了，說這裡不能停車。那怕它醜一點，貴一點，政府也願意買單。因為它解決的，是城市治安的問題。這個問題，很貴。再舉個例子，商用掃地機器人。家裡的掃地機要卷顏值、卷靜音。但商場裡的掃地機，只捲掃得乾不乾淨。它的馬力比家用的大幾倍，專門對付商場裡頑固的污漬。雖然又大又響，但保潔公司喜歡。當場景尚未成熟，離消費者越遠，利潤往往越安全。05不只賣裝置，還賣持續可用的結果可是，就算ToB、ToG更容易賣出去，它也需要一單單交付。有沒有可能，把一次性交付，變成長期收入？有的。你可以不只靠硬體賺錢，而是靠長期服務賺錢。比如，我在現場看到的一款智能指環。做智能指環，就意味著要在很小體積裡，塞進電池和感測器。這並不容易。但也因為戴在手指上，所以測量血壓和心率，也要更準一些。但我想和你討論的，不是它的技術，而是它的商業模式。你買了指環，只是開始。如果你想看睡眠分析、健康報告，對不起。每月，你還得付7美元。硬體產品的價值，正在從單純的“物理功能”向“服務”延伸。像AI資料處理、通訊服務、出行營運。比如，衛星通訊服務。買下自動調節角度的地面天線終端，只是開始。後期上千顆低軌衛星提供的全球網路服務，才是大頭。比如，自動駕駛汽車。在Robotaxi的邏輯裡，當自動駕駛技術足夠成熟之後，你就可以加入共享平台，設定好自家車子的空閒時間和範圍。等你不需要用車，車子就會自己出去工作賺錢。所以，你或許可以轉換一下思路：把硬體看作獲客成本，把價格打下來，甚至送出去。把核心價值放在AI演算法支援的服務裡，賣持續可用的結果。06不和巨頭拼“更好”，做他們不願做、不能做的生意我們常說：大樹底下，寸草不生。在主流戰場和巨頭拼硬實力，是死路一條。巨頭的螢幕1萬尼特，我就做2萬。巨頭的更新頻率120Hz，我就做220。這就是一場註定失敗的戰爭。因為巨頭有供應鏈定價權，你拼參數，就是拚命。那怎麼辦？去巨頭不願做、不能做的地方，做不一樣的生意。比如，蘋果AI錄音卡。它不是蘋果的產品，而是適配蘋果的產品。拿在手裡，就是一個吸附在蘋果手機背面的超薄卡片，通過靈敏的感測器，進行錄音。為什麼這東西有市場？因為蘋果為了隱私，對錄音功能卡的很嚴。這在蘋果看來是原則，但對商務人士來說，就是痛點。又比如，類紙屏。展覽現場，我看到了一種類紙屏技術。雖然它用了LCD螢幕，但因為對玻璃做了多次處理，既避免了反光問題，還保證了清晰度。單比參數，它亮度不高，色彩不亮。但是，如果你換個場景，比如教育、讀書，需要長時間盯著螢幕，它的優勢就出來了。每一種技術，其實都有屬於自己的生態位。找到它，做好它，就很少有競爭對手。07去新的環境裡，找那個“不得不解決”的物理難題展覽現場，我看到了很多汽車電池領域的巨頭。他們拼成本、拼產能，捲到了極致。但同時，我還看到了另外一種特殊的電池：無人機專用電池。汽車電池，手機電池，在乎體積。因為空間有限。但無人機最在乎的，不是塞不塞得下，而是扛不扛得起來。相同電量的電池，你更輕，無人機就能飛得越久越穩。在新場景的物理約束取得突破，你就有了細分領域的定價權。類似的，由於場景改變，物理約束改變的例子，還有很多。比如，防塵防爆的礦井裝置，耐低溫的極地裝置，耐高溫的煉鋼爐監控裝置，等等等等。很多機會之所以出現，是因為場景的物理約束變了。約束一變，評判標準就變。08細分場景越具體，付費意願越強烈如果你想做一個“全能安防攝影機”，你肯定打不過海康威視，更打不過 Google。那怎麼辦？那就把場景切碎，切到無限小，切到巨頭看不上，但特定人群又離不開。在現場，我看到了一家做“暴力偵測”的公司。他們的攝影機不識別你是誰，也不識別你笑沒笑，它只識別：是不是有暴力行為。只要有人掏出刀，或者揮起拳頭，系統就會檢測到暴力行為，如果情況危急，還能直接報警。這東西，在中國的大街上沒什麼用。但在某些治安不好的地區，這就是保命的剛需。之前，我們還聊過一家做“智能觀鳥器”的公司。它受過鳥類識別的特訓。當一隻蜂鳥飛過來洗澡，它能立刻識別出這是什麼品種，拍下高畫質照片，推送到手機上。對美國的觀鳥愛好者來說，這就是神器，幾百美元也願意掏。所以，或許你可以不先想改變世界，而是先試著，改變一個角落。比如：只識別“老人摔倒”的雷達，只識別“寵物生病”的貓砂盆，只識別“害蟲”的農業無人機。場景越細越具體，越容易有人願意立刻付錢。因為越具體的場景，越容易算帳。09情緒價值，正在催生新物種AI+情緒價值，玩出了新花樣。現場，我看到一個特別典型的例子：AI寵物。注意，這個寵物，不是那種虛擬的電子寵物，它真的有實體，毛茸茸的。裡面裝了感測器，能檢測到你摸它。你摸它的力道不一樣，它就會做不同的動作，眼睛處的小螢幕，還會展示不同的動畫。同行的女生馬上說：太可愛了，想買。有意思吧？更有意思的，是AI寵物機器人。寵物機器人，是給寵物用的機器人。它能在家裡巡邏，看到貓在那，就投喂點零食，或者陪它玩一玩。你想跟自家狗子說句話，通過它也能實現。當“感知”變得越來越便宜、也越來越小型的時候，互動的成本就會被打下來。互動一旦便宜，關係就有機會被產品化。現代人，太孤獨了。誰能解決“孤獨”，誰就能獲得更高的溢價。未來最賺錢的產品，可能是掛在包上的電子小貓、戴在手腕上的虛擬戀人。最後的話呼，終於講完了。感謝你看我絮叨到現在。限於文章篇幅，還有很多精彩產品，沒辦法為你一一展示。但是，當我們從上午十點，逛到下午五點半，終於從展館離開的時候，一種感覺，卻逐漸清晰了起來：AI時代，大模型和通用算力，是巨頭們的“諸神戰場”，普通創業者進去就是炮灰。但當你看向那些具體的、瑣碎的真實場景時，機會卻比任何時候都多。比如，為了掃淨牆角的灰塵，努力伸出機械手、爬上二樓的掃地機；比如，為了減少違章，不厭其煩飛在空中喊話的警用無人機；比如，為了貼在手機背後，把自己做得像紙一樣薄的電池；又比如，為了守護安全，特殊訓練過暴力識別的攝影機。任何一個時代，都有無窮無盡需要被解決的問題。只是在AI時代，每個人都有瞭解決這些具體問題的可能。機會，都是從縫裡摳出來的。當痛點和技術撞在一起。才有火花，才是機會。你坐在辦公室，是想不出來的。而我們出來看展，就是來看這種還未燃起的火花，來看這種還沒有爆發的機會。然後，找到自己的機會。 (劉潤)

“中間層”正在全面崩塌，而AI正是這場結構革命的加速器與催化劑。一個越來越明顯的規律：AI時代真正被淘汰的，不是某個行業，而是一種“位置”——夾在兩端的中間位置。中等確定性、中等效率、中等差異化、中等價格帶、中等技能段位……過去它們靠“差不多”就能活；接下來，“差不多”會變成系統性虧損。你可以把它理解為：我們正在從“鐘形曲線”的世界，遷移到“冪律分佈”的世界。鐘形曲線獎勵平均，冪律分佈獎勵極端。從資本市場到創業生態，從產業格局到個體命運，一條看不見的斷裂帶正在蔓延。兩端在膨脹，中間在塌陷，那些試圖在中間地帶尋求平衡的人，會發現留給自己的餘地越來越小。幾位在不同行業內處於時代前沿並深具洞察的人物，從不同角度講出了同一個趨勢和邏輯。矽谷教父馬克·安德森，網景瀏覽器創始人、a16z創始合夥人，他手中的資本決定著矽谷的未來走向，從資本的視角看到了這個趨勢。創業導師亞歷克斯·霍莫齊，從健身房地板上的1000美元起步，九年後創造單周末1600萬美元銷售記錄，他知道什麼策略有效、什麼策略是死路，他從實戰的角度驗證了這個邏輯。經濟學家泰勒·考恩，喬治梅森大學教授、《再見，平庸時代》及多本暢銷書的作者，他早就看穿了變革背後的底層邏輯，從理論的高度解釋了這個現象。當這三個人在不同場合說出同樣的話時，這不是巧合，是規律，是底層邏輯。馬可·安德森一、資本的視角：為什麼3億美元的中型基金正在死去馬克·安德森在一次視訊中講了個故事。2009年之前，矽谷風投就像壽司船餐廳。創投合夥人坐在沙丘路上，看著創業公司像傳送帶上的壽司盤流過來。“錯過一盤沒關係，反正還有下一盤。”那是個賣方市場，資本稀缺，資訊不對稱。只要你坐在桌邊，你就贏了。但當他和本·霍洛維茨在2009年創立a16z時，心裡只有一個想法：“這群人會被生吞活剝。”因為市場的底層邏輯變了。今天的創投世界呈現出典型的“槓鈴結構”。一端是超大規模基金，它們不只提供資金，而是建立完整的權力體系——招聘、行銷、法律遊說、商業拓展。它們賣的不是錢，是權力。另一端是超專業化的個體投資人，擁有獨特品味的天使、深耕極窄賽道的技術專家。它們賣的是深度和靈魂。中間呢？那些管理3-5億美元、有4-6個合夥人的傳統VC，正在死去。這不是能力問題，是結構性困境。想像你投了A公司，兩年後看到B公司做類似的事但更有潛力。如果你是早期天使，票小，可以廣撒網；如果你是後期巨頭，可以等贏家浮現再進。但對中型基金來說，這是死局。創始人會質問：“你是我的董事會成員，怎麼能投我的競爭對手？”結果就是，中型基金陷入“等待”或“錯過”。你不能投競爭對手，就必須確保第一槍就投中未來的Google。這在統計學上不可能。它們大不到足以忽視衝突，小不到足以靈活轉身。卡在中間，無路可走。這背後的底層邏輯是什麼？泰勒·考恩在《再見，平庸時代》中給出了答案：在技術革命的衝擊下，經濟回報不再遵循常態分配，而是冪次分佈。贏家通吃不是例外，是常態。那些試圖在中間尋求“平衡”的策略，本質上是對舊世界規則的路徑依賴。當規則改變，路徑依賴就是致命陷阱。二、產業的視角：從賣鏟子到全端顛覆產業端的變化更加劇烈。2010年之前，科技公司的標準劇本是“賣鏟子”——開發工具，賣給傳統行業。你開發軟體賣給會計師，開發路由器賣給電信公司，開發資料庫賣給銀行。你賦能中間層，而不是取代它們。但智慧型手機和移動寬頻的普及改變了一切。出現了一種全新物種：全端創業公司。優步是標誌性案例。如果優步生在2000年，它會是家“計程車派遣軟體公司”，派銷售員去說服計程車行老闆買Windows軟體。結果？軟體被束之高閣，優步不會成為千億美元公司。但2010年的優步說：“我不賣軟體給你，我要自己做整個生意。”它繞過了計程車行這個中間層，直接連接司機和乘客。它必須處理所有事情：招募、支付、地圖、定價，甚至最棘手的政治與監管。這就是為什麼全端創業需要“權力”。當你不再只是賣工具，而是直接衝撞既有利益結構時，你需要的不只是程式碼，是能與權力體系對話的能量。這再次強化了槓鈴效應：只有極少數擁有巨大野心和資源的公司能玩這個遊戲。那些只想“做個好工具”的中間層，天花板越來越低。馬克·安德森指出了一個更殘酷的事實：標普500已經不再是500家公司的平均值，它是標普492加標普8。那492家代表舊世界——追求穩定現金流、回購股票、發放股利，管理者的目標是“不出錯”。它們的加總表現，更像一支債券。而那8家科技巨頭（輝達、微軟、蘋果、Google、Meta、特斯拉、亞馬遜），雖已是巨頭，但仍在瘋狂押注未來——數百億投入AI、自動駕駛、元宇宙。它們本質上是一張永不過期的買權。如果把這8家拿掉，標普500的回報會變得極其平庸。這揭示了一個殘酷真相：在數字經濟時代，財富創造不再遵循常態分配。中間地帶消失了。你要麼是那8家正在創造新範式的公司，要麼是被拖著走的492家。試圖在中間尋找“穩健增長”，是一種過時的幻覺。泰勒·考恩把這種現象稱為“中等收入陷阱的微觀化”。以前是國家層面的現象，現在發生在每個行業、每家公司、每個個體身上。技術進步的加速度，讓“適應期”越來越短，而適應失敗的代價越來越高。亞歷克斯·霍莫齊三、創業的視角：為什麼中間價格是最危險的如果說馬克·安德森揭示了資本和產業的真相，亞歷克斯·霍莫齊則從定價的角度揭開了一個更深層的悖論：賣極貴或賣極便宜，中間價格是死亡陷阱。這不是定價技巧，是商業的底層邏輯。亞歷克斯·霍莫齊的核心洞察是：所有生意的本質都是成本與產出之間的套利。獲客成本和客戶終身價值之間的差額，決定了一家公司能否存在。而中間定價恰恰是最難建立這種套利關係的位置。為什麼？因為中間定價既承受不起高成本，也享受不到規模效應。如果你賣極貴的東西給少數人，你的邊際成本可以很高——你可以提供一對一服務、定製化方案、深度諮詢。你的客戶付出的不只是錢，是對稀缺性和專屬性的溢價。這個邏輯是清晰的：高價值換高價格，高價格支撐高成本。如果你賣極便宜的東西給所有人，你必須做到極致標準化，把邊際成本壓到接近於零。你依靠規模效應來攤薄固定成本，通過網路效應來建立護城河。這個邏輯同樣清晰：低價格換高流量，高流量創造規模效應。但中間價格呢？你既沒有足夠高的定價來支撐定製化服務，也沒有足夠低的價格來獲得規模優勢。你卡在一個尷尬的位置：想做服務做不深，想做規模起不來。更致命的是，中間定價面臨著雙向擠壓。從上往下，高端品牌可以隨時推出“平民版”來搶佔你的市場；從下往上，低價玩家可以通過規模效應不斷最佳化產品，逐步提升品質來蠶食你的份額。你在中間，兩面受敵。亞歷克斯·霍莫齊用特斯拉的例子說明了正確的邏輯：起步時推出25萬美元的Roadster，賣給少數人，獲得足夠的資金和信任，然後逐步向下——Model S、Model 3。高開低走，而不是從中間起步。這個邏輯的深層原因在於：你必須先證明自己能創造極致價值，然後才有資格談規模化。如果你從一開始就定位中端，你永遠沒有機會證明“你其實可以做得更好”。市場會把你鎖定在那個位置上。更重要的是，定價本身就是一種訊號。當你定價1萬美元時，你在告訴市場：“我能創造配得上這個價格的價值。”當你定價10美元時，你在告訴市場：“我的規模足夠大，可以把價格壓到這麼低。”但當你定價100美元時，你在告訴市場什麼？你既不夠好到讓人願意付10倍價格，也不夠便宜到讓人覺得“反正試試也不虧”。你卡在一個沒有清晰訊號的位置上。而在資訊過載的時代，沒有清晰訊號就等於不存在。這就是為什麼亞歷克斯·霍莫齊說：每個生意都可以有5個一對一的客戶，收取10倍價格。不是讓你把整個生意都變成一對一，是讓你建立那個“極致價值”的錨點。有了這個錨點，你所有其他產品的定位都清晰了。沒有極端，就沒有參照系。沒有參照系，中間價格就是一片模糊。tyler cowen四、底層邏輯：為什麼AI時代中間層必然崩塌三個人的觀察——資本的槓鈴化、產業的全端化、定價的兩極化，最終指向同一個殘酷的底層邏輯：邊際成本的消失與網路效應的放大，在AI的催化下，徹底抽走了支撐“中間層”存在的三根支柱。第一根崩塌的支柱：摩擦。過去世界很慢：資訊不透明、協作成本高、複製成本高，所以“中間人”有價值——他負責對齊、協調、轉述、包裝，把複雜搬運成可執行。而AI，正是終極的“摩擦消除劑”。它讓資訊近乎透明，內容近乎免費，流程極度自動化，協作高度可編排。許多“中間層工作”的本質——把知識從A搬到B、把範本從左改到右、把會議紀要翻譯成PPT，這正是大語言模型和智能體最擅長、且正在規模化替代的領域。當知識的搬運和格式轉換成本趨近於零，僅以此維生的中間層便失去了存在理由。第二根崩塌的支柱：均值的稀缺。過去，做到70分很難，需要經年累月的訓練，所以70分也能賣錢。AI的可怕之處，是它讓“70分”變成幾乎免費的公共品。寫一份像樣的方案、做一套不難看的視覺、產出一段能用的程式碼、擬一封看起來很專業的郵件……這些平均水平的產出，正被AI以接近零邊際成本的方式大規模供給。當“還不錯”變得唾手可得，中間層靠“熟練工”經驗吃飯的邏輯就徹底失效了：你既沒有把成本壓到AI的極致，也沒有把價值抬到人類創造力與責任感的極致，於是被技術和頂尖人才兩頭擠壓。第三根崩塌的支柱：機構的緩衝層。過去，組織、媒體、管道、職業階梯，本質上都在為中間層提供“緩衝”：只要嵌入系統，就能憑藉位置而非絕對能力換取一份穩定回報。今天，AI與平台技術正在削薄甚至刺穿這層緩衝。平台直接連接供需（如各類市場），AI直接賦能和放大個體（如個人創作者、獨立開發者），組織為求生存被迫追求極致的敏捷與扁平。中間層原本靠制度與結構吃到的“穩定溢價”和“資訊差價”，正在被迅速抽走。這三根支柱的斷裂，不是偶然，也不是孤立的，而是由三條在AI時代被急劇強化的硬規律所驅動：規律一：壓縮規律。AI的核心能力是“壓縮”：將人類經驗、工作流與創意模式壓縮成可瞬時呼叫、無限復用的演算法與模型。一旦某種能力被成功壓縮，它就會迅速商品化，價格向零逼近。中間層最危險之處在於：它恰恰是最容易被壓縮的那一層——流程化、可替代、可描述、可範本化。規律二：分發規律。當AI使內容與服務的供給爆炸性增長時，決定勝負的不再是“會不會做”，而是“誰能被看見、誰能信任、誰能規模化觸達”。分發權力日益集中於演算法平台，導致回報極度冪律化：贏家獲得絕大多數注意力，注意力又反過來強化其分發優勢。於是，“強者恆強，無聲者消亡”成為常態。規律三：責任規律。當平均產出因AI而變得廉價，市場只願為兩樣東西支付高昂溢價：極致的確定性（如 flawless 的標準化產品）與無法推卸的責任。你敢不敢在資訊不全時做關鍵決策？你能不能為最終結果兜底？當AI能生成無數個“可能對”的答案，真正的稀缺就變成了“我為這個‘對’的結果負責”。這不是技巧，是價值的最終錨點。在生物進化中，當環境劇變，最先滅絕的往往不是最特化的強者，也不是最隱蔽的弱者，而是那些“最適應舊環境”的中間物種。它們既無極端化的生存優勢，也缺乏快速轉向的靈活性。今天的經濟與社會結構正在經歷同樣的“進化脈衝”。中間層的崩塌不是偶然，是必然。因為它建立在一個正在消失的舊前提上：世界服從鐘形曲線的常態分配。而AI驅動下的世界，正無可逆轉地滑向冪律分佈。所有基於“平均值”的策略——中型基金假設有大量中等回報的項目、企業假設大眾市場青睞中等價位的產品、個人假設中等技能能獲得穩定晉陞——都將隨著地基的塌陷而失效。你不是不夠努力，而是站在了流沙之上。五、選擇的時刻：擁抱槓鈴，逃離均值當我們把三個洞察拼在一起，一個完整的圖景已然浮現：世界不再獎勵“平均”。馬克·安德森從資本的角度看到，中型基金因結構性矛盾而無法生存；亞歷克斯·霍莫齊從定價的角度發現，中間價格帶在經濟上無法自洽；泰勒·考恩從經濟學的高度揭示，技術正將社會從常態分配扭轉為冪次分佈。三個視角，同一個冰冷結論：中間層正在全面崩塌，世界正在加速兩極化。這不是道德判斷，是技術、經濟規律作用下的客觀現實。你可以抱怨，也可以理解並適應，但無法改變它，因為它根植於數位化與智能化的底層邏輯。在這個由AI定義的槓鈴世界裡，生存法則已然重寫：1.  拒絕平庸，逃離“百貨公司”模式。不要再試圖成為那個“對誰都還行”的選項。那個試圖討好所有人的生態位，正在被演算法和極致性價比的產品迅速填埋。2.  果斷擁抱兩端。要麼選擇“槓鈴”的重端：建構或加入具有網路效應和規模效應的平台、系統，追求巨大影響力。要麼選擇“槓鈴”的輕端：成為某個細小領域無可替代的專家、藝術家、顧問，提供AI無法複製的深度洞察、情感連接或物理世界技能，建立基於深厚信任的個人品牌。3.  加速自我遷移。中間地帶的舒適區已開始液化，但兩端的天地正在拓展。關鍵在於，你必須主動選擇一端，並傾盡全力向那個極端奔跑。利用AI放大你的獨特優勢，而不是讓它把你變成另一個可被替代的平均值。卡在中間，思路一條；擁抱極端，方有生機。時代斷裂處，你的選擇決定了你的位置。 (不懂經)

人工智慧，尤其是大模型的快速普及，正在以前所未有的速度重塑人類社會的分工結構。一個越來越清晰的趨勢正在浮現：執行正在被AI接管，而思考與表達，正在回歸人類本身，並變得愈發稀缺。一、從會做事到想清楚事，能力結構正在發生根本轉變在工業時代與資訊時代的大部分時間裡，人類價值高度依賴執行力。誰更勤奮、誰更熟練、誰更快完成任務，誰就更具競爭力。然而，大模型的出現正在系統性地瓦解這一邏輯。今天，大模型可以寫程式碼、生成文案、整理報告、分析資料，甚至完成大量過去被視為高認知含量的工作。只要目標足夠明確、路徑足夠清晰，執行幾乎可以被無限複製、低成本擴展。這意味著：執行力正在商品化技能本身不再稀缺單純會幹活的價值正在快速下降在這樣的背景下，真正拉開人與人差距的，不再是你能做什麼，而是你能不能想清楚要做什麼。二、你想明白的東西，才能被清晰地表達出來思考與表達從來不是兩件獨立的事情。模糊的表達，本質上源自模糊的思考。一個人如果無法用簡潔、結構化的語言講清楚一個問題，往往不是不會說，而是根本沒有想透。真正的思考，是將複雜問題拆解為清晰的邏輯鏈條，是在不確定性中找到關鍵變數，是在噪音中提煉本質判斷。在AI時代，想明白本身就是一種稀缺能力。因為資訊極度過剩，結論卻極度匱乏；工具觸手可及，判斷卻愈發稀缺。三、你能清晰表達出來的東西，才能交給大模型去幹大模型並不理解意圖，它理解的是指令。而指令的質量，完全取決於表達的清晰度。模糊的目標，只會得到泛泛的結果不完整的約束，只會帶來不可控的輸出缺乏結構的描述，只會放大不確定性因此，一個極其重要卻常被忽視的事實是：大模型並不會削弱表達能力的重要性，反而將其放大到了前所未有的高度。只有當你：能清晰描述問題邊界能明確表達目標與約束能結構化地拆解任務你才真正具備讓AI為你工作的能力。從這個意義上講，表達力正在成為人類與大模型之間最關鍵的介面能力。四、未來的人類角色：負責思考與表達，把執行交給AI當執行成本趨近於零，人類的核心角色將發生遷移：人類負責提出問題人類負責做價值判斷人類負責建構認知框架人類負責表達目標與方向而：推演方案生成內容反覆試錯大規模執行將越來越多地交由大模型完成。這不是人類能力的退化，而是一種能力層級的躍遷。人類從操作者，轉向設計者和判斷者。五、AI時代，真正的競爭發生在思考深度與表達清晰度上在AI高度普及的未來世界裡，真正稀缺的，不是資訊，不是算力，也不是技能本身，而是：能在複雜系統中做出深邃思考的人能將複雜思想清晰表達出來的人能用語言與結構駕馭智能系統的人思考力決定你能看到多遠，表達力決定你能調動多大的能力邊界。當執行可以外包給大模型，人類真正的價值，將回歸到最本質的兩件事上：想清楚，以及說明白。 (壹號講獅)

前幾天，華盛頓傳出了一張耐人尋味的照片。美國能源部長、白宮科技政策辦公室主任，與二十幾位西裝革履的人站在一起合影。這些人不是什麼政客，而是微軟、Google、輝達、OpenAI、亞馬遜AWS等矽谷頂流的掌門人或核心代表。美國政府主導的“創世紀計畫”迎來重磅進展，微軟、Google等24家頂尖企業正式簽署協議加入。▲ 圖片由AI生成這張照片不是在慶祝某個商業合作，它宣告了美國AI發展主導權的微妙變化：從矽谷的董事會，部分轉向了華盛頓的會議室。簡單說，就是矽谷的“最強大腦”們，集體向美國政府“報到”了。這聽起來有點魔幻。要知道，這些公司平日裡在市場上打得你死我活，為挖一個人才能開出天價，為一點技術優勢恨不得把對方實驗室搬空。怎麼突然就手拉手，一起坐在了政府的會議室裡？因為，遊戲規則變了。AI的競爭，已經從公司間的“街頭鬥毆”，升級為國家層面的“星際戰爭”。“創世紀”計畫：不止是科研，更是國家AI基建這個“創世紀計畫”聽起來挺科幻，但它的算盤打得非常現實。明面上的目標很崇高：整合國家實驗室的超級算力和聯邦政府的獨家資料（比如能源、氣象、生物醫療），推動AI去攻克清潔能源、新藥研發這些人類的終極難題。但如果你只看到這裡，就天真了。這本質上，是美國在舉全國之力，搭建一套 “國家級AI基礎設施” 。你可以把它想像成AI時代的“州際高速公路系統”或者“國家電網”。過去，各家公司在自己的“小作坊”裡煉模型、跑資料。現在，政府要把最好的“煉鋼爐”（算力）、最稀缺的“礦石”（高品質資料）集中起來，建一個所有人都能用的“國家級鋼鐵廠”。這意味著什麼？意味著美國想從根子上，掌控未來AI革命的“生產資料”。以後誰能在這個“鋼鐵廠”裡高效生產，誰就能定義下一個時代的工業標準。這步棋，下得又遠又狠。巨頭們的“小九九”：上船的誘惑與無奈那麼問題來了，這些精明的矽谷巨頭圖啥？他們可不是來做慈善的。首先，是饞那些“獨家資料”。網際網路上的公開文字和圖片，已經被大模型們“吃”得差不多了。而政府手裡掌握的能源網路資料、全球氣象記錄、 anonymized（匿名化）的全民健康資料，才是更稀缺、更高品質的“頂級燃料”。拿到這些，就像給AI引擎加注了火箭推進劑，能實現能力的躍遷。這對任何一家AI公司來說，都是無法抗拒的誘惑。其次，是算不起的“天價帳單”。訓練尖端AI模型的算力成本，已經高到連巨頭都肉疼。而國家實驗室的超級電腦，其規模和成本是私人公司難以企及的。參與計畫，很可能意味著能以“內部價”甚至補貼價，使用這些國之重器。這不僅是省錢，更是拿到了通往下一代AI的“頭等艙船票”。最後，是一種“不得已的聰明”。AI的能力越強，引發的社會擔憂和監管壓力就越大。與其坐在外面，等著不知道從那裡砸下來的監管鐵拳，不如主動走進房間，參與制定遊戲規則。和政府綁在一起，成為“解決方案的一部分”，無疑是最高明的風險避險和商業遊說。所以你看，這根本不是誰服從誰，而是一場各取所需的頂級合謀。棋盤之外：中國AI面臨的新維度挑戰“創世紀計畫”的啟動，給全球AI棋盤投下了一枚重磅棋子。它清晰地傳遞出一個訊號：未來的AI競爭，將是“國家體系”對“國家體系”的較量。對手不再僅僅是某家耀眼的明星公司，而是一個由美國政府背書的、囊括了從晶片、雲端運算、模型到應用全鏈條的“超級聯合體”。這對中國的AI發展路徑提出了新的思考。我們擅長的是“市場牽引、應用驅動”，在龐大的國內市場快速迭代，打磨出親民的產品。但在這種由國家力量直接主導、瞄準基礎科學和長期戰略的“大兵團作戰”面前，我們需要找到自己的應對之道。我們的優勢在於完整的產業鏈、海量的應用場景和高效的執行能力。或許，我們可以更聚焦於將AI深度融入實體經濟的“血管”，在智能製造、智慧城市、產業升級這些能直接創造價值的領域，築起堅固的護城河。同時，對於志在出海的中國AI企業，未來的環境可能會更複雜。你遇到的將不僅是商業對手，還可能是一個受到政治和資本全方位庇護的“巨無霸”。合規的成本、競爭的維度，都將被重新定義。結語：當技術強大到定義時代“創世紀計畫”像一則現代寓言，它告訴我們：當一項技術強大到足以重塑國家競爭力、決定未來文明形態時，它就註定無法只停留在商業的範疇。它必然會走入聚光燈下，與政治、資本、倫理深度纏繞，跳起一曲微妙而複雜的雙人舞。這張華盛頓的合影，只是一個開始。它宣告了AI狂野生長的“西部淘金時代”正在落幕，一個由國家力量劃定賽道、巨頭們協同競合的新紀元，已經拉開序幕。 (AI財富經)

12月20日，在華爾街見聞和中歐國際工商學院聯合主辦的「Alpha峰會」上，知名經濟學家付鵬發表了題為《AI時代下--秩序的重構》的演講。付鵬表示，當前AI產業的核心矛盾在於“路修好了，等待車跑”。上游算力基建投入已基本完成，2026年將進入下游企業級應用能否落地並兌現盈利的“證偽之年”。他還表示，2026年投資者應重點關注特斯拉。它將在明年面臨類似當年輝達的“身份驗證”時刻：究竟只是一一家汽車公司，還是真正的企業級“重AI應用”載體。付鵬指出，這正如檢驗“高速公路修好後有沒有車跑”，如果特斯拉能證明其作為AI應用的價值，市值空間將巨大；否則以當前作為汽車股的邏輯看，其估值並不具備吸引力。付鵬還強調，如果AI被證偽，全球股市都將面臨劇烈波動。當前美股（特別是AI類股）是全球“生產力”的核心，全球主要資產的波動率都與其高度繫結。如果AI最終被證實為泡沫，那不僅是美股，包括日本、歐洲在內的全球股市都會崩盤，“這是一根繩上的螞蚱”。他認為，目前加息或降息已不重要，核心在於資產端（AI）能否產生真實回報率，若資產端出問題，負債端的調整無濟於事。以下為演講實錄：生產力、生產關係與制度秩序的聯動這個話題的底層邏輯，在《見證逆潮》章節中有所探討，也對應2024年諾獎得主阿西莫格魯的AJR模型——聚焦生產力與生產關係的互動，尤其落腳於“制度與秩序”這種特殊生產關係。“秩序”多用於國與國之間（如基辛格《世界秩序》所指的貿易、金融、安全維度），“制度”則常見於企業內部的規則（如打卡考勤）。二者本質上都是特殊形式的生產關係。今天我們討論的，是生產力、生產關係與制度秩序三者的聯動。很多人誤以為宏觀經濟指標是股市的“晴雨表”。但在我看來，股市真正反映的是全要素生產率（TFP）——經濟系統將生產要素轉化為產出的效率。這個過程就像一套齒輪：生產力拉動生產關係，生產關係重塑制度秩序，制度秩序反過來推動生產力。齒輪轉動的效率，就是TFP。大量研究（包括聯準會論文）證實，多數國家股市的長期走勢都與TFP的變化趨勢高度匹配。以美股為例，1929年至今，推動其長期向上的核心動力，始終是經濟效率的提升，而非短期經濟波動。這種提升可來自齒輪的任一環節：科技突破、生產關係最佳化、或制度調整（如上市公司治理改革）。在我常用的“分子分母乘以G”股市模型中，G就代表制度與秩序這一維度。美國資本市場的發展也印證了：從薩班斯法案到股東積極主義，制度最佳化始終是市場長期健康的關鍵。需強調的是，沒有任何環節是完美的。科技是雙刃劍，生產力、生產關係、制度秩序都有兩面性。真正的“完美”，是形成良幣驅逐劣幣的進化機制：好的制度能淘汰壞的制度，系統在糾錯中向前。產業生命周期視角：從廣撒網到去偽存真回到AI話題。2015、2016年是關鍵節點：不僅是美股打破十幾年寬幅震盪、開啟趨勢性行情的起點，也是市場意識到美國經濟效率將躍升的轉折點。此時，木頭姐離開機構自立門戶。她常被稱為“女版巴菲特”，但邏輯完全不同——她是在二級市場運行一套一級市場的成長股投資策略。這涉及佩雷斯的“產業生命周期”理論：真正的產業投資往往從一級市場開始，二級市場看到的是一級市場未來的表現。產業早期，無人能預判那條技術路徑會勝出。因此最優策略是廣泛佈局——如木頭姐的操作，把所有技術路徑納入組合。這是風險投資的核心邏輯：投100個項目，死90個，活10個就是成功。該策略在產業早期估值擴張階段非常有效，能享受所有賽道紅利。但當產業進入成熟期，市場必然去偽存真：資金從90個被淘汰項目，集中到10個真正跑出來的贏家。此時仍分散投資，回報必然落後。2022年的市場殺估值，正是這一“去偽存真”過程。輝達跌70%，比特幣從8萬跌至2萬，所有估值型資產深度調整。這一輪調整的核心，是逼產業交出答卷：例如輝達，必須證明自己不是遊戲顯示卡公司，而是AI算力基礎設施提供商。而2022年底、2023年初ChatGPT的出現，標誌著市場從眾多技術路徑中，明確了少數能跑通的賽道。輝達用後續財報給出了答案，確立了AI時代的核心地位——“想富先修路，修路先買鏟子”，輝達的鏟子成了確定性標的。波動率與市場風險：確定性越高，風險越大分析市場，波動率是核心指標。它是確定性的反面：不確定性越高，波動率越大；確定性越強，波動率越小。2022年輝達跌70%後，市場逐漸確認AI將帶來巨大資本開支，其業績也逐步兌現。從那時到2023、2024年，波動率持續下降——說明市場共識越來越強，確定性極高。但問題恰恰出在“確定性太高”上：高確定性催生貪婪，場外槓桿、民間配資、押房押車all in的現象日益普遍。2024年6月14日，付鵬在華爾街見聞《付鵬說》專欄第20期中提醒：輝達應該考慮買入保險。8月市場波動上升後，付鵬隨即分享了應對方法。可以這樣理解：《付鵬說》專欄中的很多內容，是專門面向普通投資者朋友的。大家並非金融機構，無法通過券商管道每季度參與線下交流。付鵬的專業性內容主要集中於該專欄，而非短影片平台——短影片僅為閒談，深度分析與觀點輸出都在這裡。果不其然，2024年輝達“閃崩”印證了這一邏輯。當時許多分析歸因於“日元套息交易拆倉”，但在我看來，核心原因只有一個：全球資產都綁在了AI這一“生產力資產”上，當資產端的確定性被過度透支，負債端的任何變化都只是導火索。這也是我一直強調的：別盯負債端，要看資產端。如果AI被證明是泡沫，全球市場都會崩，屆時加息降息都無濟於事；如果AI能兌現生產力價值，市場的上漲才具備堅實基礎。AI的“修路”與“通車”——生產力到生產關係的傳導輝達閃崩後，市場一直在問：AI是不是泡沫？這個問題的本質，和2002、2003年謝國忠關於中國基建的爭論如出一轍。當年有人認為修高速公路是浪費、是債務；但事實證明，“要想富先修路”，基建拉動了城鎮化和經濟增長。現在的AI行業，正處在“路修完了，有沒有車跑”的關鍵節點。過去幾年，幾兆美元的AI上游基建已投下，算力、電力等“高速公路”基本成型，但真正的企業級AI應用——“車”——尚未大規模跑起來。目前的ChatGPT、圖生文、文生圖等只是表層應用，遠非能拉動生產力變革的核心應用。市場的疑慮和等待，本質上是在等一個答案：這些AI基建，究竟是能拉動經濟增長的資產，還是無法產生回報的債務？答案將決定全球資產的未來走向。從利率曲線結構，也能看到聯準會的“預防性操作”：輝達閃崩後，美國國債“三個月減十年期”利差迅速倒掛，每一次倒掛都對應波動率的下降。這背後是聯準會通過短端流動性調節，避免系統性風險擴散，為AI應用落地爭取時間。但這種操作也是雙刃劍：好處是延緩市場快速崩盤，壞處是讓估值變得更貴。到了今年年底、明年年初，這個問題已壓不住了。明年將是AI從生產力到生產關係傳導的證明或證偽之年。特斯拉就是這個證明過程的關鍵標的。就像2021、2022年的輝達需要證明自己是算力提供商而非顯示卡公司，特斯拉明年需要證明：它到底是一家汽車公司，還是一個企業級重AI應用平台？答案不同，估值天差地別。如果只是汽車公司，兆市值已透支；如果是AI應用平台，兆市值只是起點。當前美股（特別是AI類股）是全球“生產力”的核心，全球主要資產的波動率都與其高度繫結。如果AI最終被證實為泡沫，那不僅是美股，包括日本、歐洲在內的全球股市都會崩盤，“這是一根繩上的螞蚱”。目前加息或降息已不重要，核心在於資產端（AI）能否產生真實回報率，若資產端出問題，負債端的調整無濟於事。兩條路徑與時代機遇回到最初的問題：AI是不是泡沫？明年的利率曲線走勢，只有兩條路徑：第一條是證偽路徑：如果AI上游基建無法轉化為下游應用的生產力，過去幾年的投資都會變成債務，全球市場將崩盤，無一資產能獨善其身。第二條是證實路徑：如果AI完成從“修路”到“通車”的傳導，生產力真正拉動生產關係變革，我們將迎來第二波浪潮——不僅是生產力創造的財富，更是生產關係最佳化和制度秩序革新的系統性機會。每一輪長周期裡，都有三次大機遇：生產力提升、生產關係改變、制度秩序重構。人這一輩子，能趕上一個齒輪的周期，就已經很好了。輝達已證明自己是確定性的生產力標的，未來會成為成熟的成長股；而接下來的機會，就在生產關係的變革裡——也就是AI應用的落地和普及。 (華爾街見聞)

2025 年的畢業生，正面對一個規則變了的求職市場。2025 年 11 月，美國失業率升至 4.6 %，創近四年新高；中國城鎮失業率為5.1%，青年失業率（16-24歲，不含在校生）持續高位。同時，應屆畢業生規模創紀錄：2025 屆 1222 萬，2026 屆預計 1270 萬。但與過去不同，這次不是崗位總量在減少，而是機會的流向變了。就在昨天（12月17日），吳恩達一個月前在史丹佛的內部講座視訊才公開。11 月 18 日的 AI 課堂上，他用兩組資料解釋了這個變化：AI 能完成的任務複雜度，每7個月翻倍AI 程式設計能力的翻倍時間，只需70天技術在指數級加速，但崗位機會沒有同步增長。為什麼會這樣？機會流向了那裡？在這個轉折點上，什麼樣的人能抓住新機會？這篇文章，我們從這堂課出發，回答四個問題：什麼能力更重要？為什麼環境比你想的更重要？學習方式該怎麼調整？如何讓自己被發現？第一節 | 不是崗位少了，是方向變了2025年，AI 讓寫程序變得前所未有地快。但這並不意味著工程師更吃香了，恰恰相反，許多人的工作變得更容易被替代。吳恩達在課堂上說了一句話：模型可以幫你寫出正確的程式碼，但它不會告訴你，這段程式碼要去解決什麼問題。這句話點出了關鍵：現在大多數崗位的分工邏輯已經變了。不是誰更懂技術，而是誰先把問題定義清楚。以往，一個產品從想法落地，需要5～8個工程師配合開發。現在，在 AI 工具輔助下，一個人就能快速完成。工程工作被壓縮的同時，產品設計、需求拆解、目標判斷這些前置任務反而成了最關鍵的一環。為什麼這些“前置任務”變得更重要？因為產品開發本質上是一個循環：寫程式碼 → 給使用者看 → 收反饋 → 調方向 → 再寫程式碼。AI 讓第一步快了 10 倍，但其他幾步沒有同步加速。這導致整個循環的瓶頸從寫程式碼轉移到了理解使用者真正想要什麼。現實中，多數團隊的決策能力並沒有跟上這個節奏。程式碼寫得快了，方向錯了的話，速度反而成了風險。結果是：能完成任務的人越來越多但能判斷做什麼才值得做的人反而變少於是，團隊裡真正被重用的，不是寫得快的人，而是能定義方向、快速嘗試、反應靈敏的人。在吳恩達眼中，今天矽谷行動最快的工程師有一個共同特徵：他們既會寫程式碼，也會跟使用者聊天。 這種“技術+同理心”的組合，讓他們能在一個人身上完成過去需要工程師+PM兩個角色才能完成的事。工程師和產品經理的比例正在翻轉。過去是4～8:1，現在越來越多公司走向2:1，甚至逼近1:1。有些創業公司已經開始配置“1 個PM配 1 個工程師”，這在傳統矽谷公司看來幾乎不可思議。在這堂課上，還有一位嘉賓 Lawrence Moroni（曾任Google首席AI倡導者，現在ARM負責AI業務）。他也提到了一點：過去幾年，矽谷公司允許員工把各種價值觀和個人追求帶到工作中。但 2023 年之後，公司不再看情懷，只看價值：你做的東西能不能為他們賺錢。技術很強但方向不對？沒人買單。情懷很足但產出為零？同樣出局。這就是為什麼判斷力比技術更重要：你要能判斷什麼值得做，什麼不值得做。缺少這種判斷力，再強的技術能力也會被邊緣化。第二節 | 好環境比強能力更重要第一節我們說了，判斷力比技術更重要。但光這樣還不夠：就算你有判斷力，如果環境不對，你也施展不開。吳恩達在課上講了一個真實的故事：一個史丹佛學生，能力出色，拿到了一家熱門 AI 公司的 offer。公司說：先簽約，輪崗匹配會給你找好項目。 結果簽完約，他被分配去做 Java 後端支付系統。這不是 AI 項目，不是他想做的方向。一年後，他沮喪離職。“他的能力沒問題，是環境錯了。”但環境也在選人。 Lawrence Moroni講了一個例子：一個優秀的程式設計師，能力強、經驗足。被解僱後申請了 300 多個工作，深入面試很多家大廠，但每次都在最後一輪被拒。原因不是技術不行，而是他在面試中表現得過於強硬，讓面試官覺得他不適合團隊合作。調整態度後，他很快拿到 offer，工資翻倍。這兩個故事表示：第一個：你可能有能力，但被放錯了位置第二個：你的能力可能很強，但團隊合作性同樣重要能力是基礎，但環境和配合度決定了你能走多遠。很多人忽略了一個變化：AI 讓個人能做的事更多了，但也讓團隊環境的差異被放大了。過去，只要你負責一小塊、照流程執行就行。現在不一樣了：你需要快速拿到使用者反饋 （團隊要支援你直接接觸使用者）你需要快速試錯迭代 （團隊要允許失敗）你需要跨職能協作 （團隊要打破職能壁壘）如果團隊做不到這些，你個人再努力也是在內耗。吳恩達特別強調了幾個好團隊的特徵：願意共享資訊，不藏著掖著願意試錯，而不是反覆開會支援個體試驗，而不是按層級做決策他說：在這樣的環境下，你的經驗值才能累積，你的想法才有機會試一試。否則，就算你再有熱情，也撐不了多久。而這個環境，不只是你的團隊，還包括你日常相處的圈子。如果你最親近的 5 個朋友都是努力工作、快速學習、試圖用 AI 讓世界變得更好的人，你也更有可能這樣做。所以，比起崗位頭銜，看清你所在的圈子、節奏、氛圍，才是你能不能成長的真正關鍵。第三節 | 快速試錯，快速成長過去找工作，拼的是學歷、項目經歷、技能點清單。現在，這些還重要，但更重要的是：你做出過什麼？吳恩達在課上給出建議：要創新，就做20個原型，看那個有效。這是 2025 年的真實節奏。 AI 加速了任務完成的能力，但也暴露了很多人的短板：做得快，不等於做得對；學得多，不等於學得進。傳統的學習節奏是：先聽課、再練習、最後實習。AI 時代，有效成長變成了：動手試 → 被打臉 → 調方向 → 再試。這是一種新的學習習慣，甚至是一種工作習慣。Lawrence Moroni 分享了他的實踐：他在做 AI 驅動的電影製作工具時，不是花幾個月寫完整的技術文件，而是：我開始建構。測試。扔掉。再次開始。每次我腦海中的需求都在改進。為什麼要這樣？因為失敗成本變低了。吳恩達說：“你浪費了一個周末但學到了東西，這沒問題。”過去，做一個項目需要幾個月。現在，一個周末就能做出能跑的原型。Lawrence算了一筆成本帳：三個月做一個項目，最後發現方向錯了，浪費三個月三天做10個原型，扔掉9個，留1個繼續打磨，只花三天就找到方向所以，快速試錯不是急躁，而是控制風險的方法。但很多人的學習方式還停留在過去。 苦練程式碼卻從沒做出能上線的應用，苦看視訊教學卻從不和別人協作，項目一做就是大半年結果上市場沒人用。現在，AI 做得越快，你迭代得也要越快。關鍵不是做一次就對，而是做一次就知道錯在那，然後快速調整。要想跟上節奏：別等到完美才發佈別等到有把握才動手別等別人先做你再做先做出來，再說。第四節 | 真正的競爭力，是你做出過什麼前三節我們說了：能力要求變了、團隊環境重要、學習方式要變。但最後一個問題是：你怎麼證明自己？現在的招聘，越來越像選隊友，而不是篩履歷。Lawrence Moroni 自己就是個例子。2015年，他想加 入 Google Clou 團隊。前兩次面試都失敗了，儘管他已經在 Microsoft 工作多年，寫了 20 多本書。第三次，他換了策略：在面試前，他用 Google Cloud 做了一個 Java 應用，能用技術分析預測股票價格。 然後把這個項目放在簡歷上。結果，整個面試過程，面試官都在問他關於這個程式碼的問題。面試的主動權在他手上。他提前證明了自己能做什麼，而不是只說做過什麼。這讓他從 300 個候選人中脫穎而出。十年過去，這個策略在2025年更加重要。吳恩達給出了一個判斷標準：現在要看一個人值不值得合作，最簡單的方法就是看你做出過什麼，那怕一個小東西。不一定複雜，也不一定完美。但得是真實的、能用的、你親手做的。一個前職業冰球運動員的故事更能說明問題。他 13 歲輟學，自稱“活著最笨的人”。他管理一個非營利冰場，每季度需要向董事會展示營運結果，為此每年花15 萬美元請諮詢公司整合資料（來自泵房機器、壓縮機、電子表格、帳戶...）。他嘗試用 ChatGPT 自己做。結果：他現在用兩個小時就能完成報告。節省的 15 萬美元用於給貧困兒童提供冰球裝備。一個13 歲輟學的人，用 AI 做成了15 萬美元的專業諮詢工作。這比任何學歷都有說服力。你不一定要創業，但你需要作品。這類展示的效果越來越明顯。很多公司已經不看你做過什麼，而是看你正在做什麼。過去找工作，是投遞簡歷等回覆。現在是做出產品，主動展示能力。區別在於：簡歷是別人對你的評價，作品是你對自己的證明。結語｜機會沒少，只是方向換了2025 年不是工作變少了，是路徑變了。過去的路徑：從學歷到經驗，從經驗到簡歷，從簡歷到面試，最後入職。現在的路徑：從能力到作品，從作品到展示，從展示到合作，在合作中成長。能力要求變了。團隊比品牌重要。學習方式要快速迭代。作品比簡歷有說服力。這四件事，決定了你能不能抓住新機會。 (AI深度研究員)

前   言當前，我們正站在一場由人工智慧（AI）驅動的全球算力革命中心。這場革命的核心矛盾，已從單純追求晶片的峰值算力，轉向如何高效、可靠地連接與管理海量計算單元，建構真正的“AI超級電腦”。在此背景下，光互連技術，特別是共封裝光學（CPO，Co-packaged Optics），已從一項前沿探索迅速演變為決定算力基礎設施效能與規模的關鍵瓶頸與破局點。本文旨在深入剖析CPO行業的現狀、核心驅動力、正在發生的產業模式變革，並展望其與未來國家戰略的潛在共振點。一、現狀審視——CPO從技術藍圖走向商業前夜共封裝光學（CPO）並非對傳統可插拔光模組的簡單升級，而是一次光電融合的“架構革命”。其核心在於將光學引擎（光晶片、調製器等）與矽基計算晶片（如GPU、ASIC、交換晶片）在封裝層級進行高密度整合，從根本上重構了資料中心內部的資料傳輸路徑。這種整合將訊號傳輸距離從釐米級壓縮至毫米級，直接帶來了功耗、頻寬和延遲的性能飛躍。（一）核心驅動力：AI算力洪流下的剛性需求AI大模型的訓練與推理，催生了前所未有的資料交換需求。據行業分析，全球AI算力需求正以“每3.5個月翻一番”的速度增長。單個AI叢集內部，GPU間的通訊頻寬需求已從TB/s等級向PB/s等級邁進。例如，一個千卡GPU叢集在執行兆參數模型訓練時，內部互聯頻寬需達到幾十Tbps甚至上百Tbps，這對資料傳輸效率提出了極致要求。傳統可插拔光模組依賴的“晶片-PCB走線-光模組”架構，在速率超過800G後，面臨訊號完整性惡化、功耗激增和物理空間緊張的巨大挑戰。可插拔光模組在800Gb/s高速傳輸下，電訊號需長距離傳輸後再轉換為光訊號，導致單連接埠功耗高達30W，訊號損耗達22分貝。這對於一個需要部署數萬甚至數十萬光模組的超大規模AI資料中心來說，電力消耗和散熱壓力已成為不可承受之重。CPO技術通過架構革新實現了性能的跨越式提升。以輝達的CPO方案為例，其通過將光引擎與交換晶片ASIC整合封裝，使功耗降至9W/連接埠（降低70%），訊號損耗銳減至4分貝。下表對比了傳統可插拔光模組與CPO方案在關鍵性能指標上的差異：圖表：CPO與傳統可插拔光模組性能對比資料來源：市場公開資料、中投產業研究院（二）行業拐點：2025年，從實驗室到量產的關鍵分水嶺多方跡象表明，2025年已成為CPO技術商業化的關鍵轉折年。產業界從技術驗證、標準制定到產能佈局都已進入實質性階段，呈現出加速發展態勢。巨頭產品落地方面，輝達已於2025年GTC大會上明確宣佈，將於下半年推出的GB300晶片及下一代Rubin平台將全面採用CPO技術。其Quantum-X InfiniBand Photonics平台（交換容量達115Tb/s）預計於2026年初上市，Spectrum-X乙太網路交換機（最高409.6Tb/s頻寬）則將於2026年下半年推出。這些產品具備了業界領先的頻寬性能，並配備高效的液冷系統，能夠應對高密度、高功耗的運行環境。市場需求方面，2025年Q2全球TOP10的雲廠商（包括亞馬遜AWS、微軟Azure等）採購的AI伺服器中，已有62%選擇了CPO配置，而2024年同期這一比例還不到10%。這種“用錢投票”的趨勢明確顯示了市場對CPO技術的認可。國內產業鏈也在快速跟進，如華工科技在2025年美國OFC展會上發佈了全球首款適配下一代AI訓練叢集的3.2Tb/s液冷CPO超算光引擎，其能效低至5pJ/bit，較傳統可插拔模組功耗降低近70%。技術成熟度方面，頭部企業的CPO良率已從早期的60%左右提升至90%以上，部分企業甚至達到95%，成本下降40%，為規模化應用掃除了障礙。（三）市場規模與結構：一個高增長的細分賽道正在形成儘管CPO總體市場規模仍處於起步階段，但增長曲線極為陡峭。據摩根士丹利預測，CPO市場規模在2023-2030年間年複合增長率將達172%，到2030年達到93億美元。這一增長速度在科技產業中極為罕見，反映了市場對CPO技術的強烈預期。以下為CPO市場規模的增長趨勢圖：圖表：全球CPO市場規模預測資料來源：摩根士丹利、中投產業研究院從市場結構看，CPO產業價值正向核心環節集中。光引擎設計、先進封裝測試等上游環節的價值佔比從傳統光模組的35%提升至60%以上。這表明CPO不僅是一項技術創新，更在重構光通訊產業的價值分配格局。區域市場方面，中國CPO產業鏈正在快速成長。中際旭創、新易盛等國內頭部光模組企業2025年三季度業績呈現“爆發式增長”，行業整體營收同比增長83%，淨利潤同比增長127%。這些企業已獲得輝達等國際巨頭的CPO訂單，預計2026年開始批次交付。同時，中國在“十五五”規劃中將“算力基礎設施升級”列為重點，CPO作為核心技術之一，相關項目可享受政策支援，這為國內CPO產業創造了有利的發展環境。總的來說，CPO技術正從藍圖走向商業前夜，這是一場由AI算力需求驅動的、涉及材料、晶片、封裝、系統多層次的產業鏈協同革命。它不僅是一種新技術，更是未來AI基礎設施的核心支撐點，值得政府部門在政策制定和產業引導上給予高度重視。二、產業深潛——技術路線、模式變革與價值鏈重塑CPO的崛起絕非單一產品的勝利，它正在引發光通訊產業從技術路線、商業模式到價值鏈的連鎖反應，其影響深度和廣度遠超一般的技術迭代。這場變革的核心在於，CPO正推動產業從“模組級組裝”向“晶片級整合”躍遷，進而重塑競爭規則和利益分配格局。（一）技術路徑：共存、融合與多元探索當前產業界的一個關鍵共識是：CPO並非要完全取代可插拔光模組，而是形成一種“分工協同、長期共存”的格局。這種分工主要由應用場景的差異化需求驅動。在AI算力叢集內部，尤其是千卡級GPU之間的Scale-up互連場景，資料交換頻寬需求已突破TB/s等級，傳統可插拔光模組的功耗和密度瓶頸難以克服。例如，輝達GB200超算叢集中，CPO技術將GPU間互連功耗從傳統方案的30W/連接埠降至9W/連接埠，降幅達70%，同時將訊號損耗從22dB銳減至4dB，這是支撐兆參數模型訓練的基礎。而在資料中心機櫃外部互聯（Scale-out）和電信傳輸等距離較長、需靈活維護的場景，可插拔光模組仍具成本優勢。據Lightcounting預測，到2027年，800G和1.6T連接埠總數中CPO連接埠佔比將接近30%，同時可插拔光模組市場自身仍將保持增長，這充分說明了互補共存的趨勢。技術路線的多元化競合態勢愈發明顯。矽光技術憑藉其與CMOS工藝的相容性，成為CPO的主流平台，博通、英特爾等巨頭均以此為基礎推出CPO交換機晶片。但其他材料體系也在特定細分領域展現潛力：例如，薄膜鈮酸鋰調製器憑藉高線性度、低損耗特性，在長距相干通訊場景受到關注；而面向未來更高整合度需求，OIO（光學I/O）技術試圖將光I/O以Chiplet形式與計算晶片直接整合，實現頻寬密度從當前的幾十Gbps/mm²向1Tbps/mm²邁進，這被業界視為更終級的解決方案。下表對比了三種主要光電互連技術的特性與適用場景：圖表：主要光電互連技術路徑對比資料來源：市場公開資料、中投產業研究院（二）產業新模式：從供應鏈到“系統-生態”共同體CPO的高整合度特性徹底改變了光模組行業傳統的“晶片-元件-模組”的線性供應鏈模式，推動產業向“系統-生態”共同體演進。這種轉變主要體現在三個方面：首先是縱向整合加劇與競爭焦點上移。CPO要求光、電、機、熱等多領域知識的深度耦合，使得單一企業難以掌握全部核心技術。這促使企業通過戰略結盟或垂直整合來建構能力。例如，晶圓代工龍頭台積電推出COUPE（緊湊型通用光子引擎）平台，為CPO提供從矽光製造到3D封裝的完整解決方案，其路線圖明確規劃了從2026年OSFP光引擎向2028年處理器封裝內整合12.8Tb/s的演進路徑。這種整合使得產業價值重心顯著向上游轉移：光引擎設計和先進封裝測試的價值佔比，已從傳統光模組的約35%提升至CPO領域的60%以上。與此同時，無源器件如高密度光纖連接器（MPO/MTP）、光纖陣列單元（FAU）等，因需滿足CPO系統更高的密度和性能要求，其技術複雜度和價值量也隨之提升，成為新的增長點。其次是系統級競爭與開放生態的博弈。以輝達、博通為代表的系統廠商，傾向於提供整合CPO的完整交換或計算系統，形成“黑盒”式解決方案。例如，輝達的Quantum-X InfiniBand交換機將CPO作為默認配置，降低了使用者整合難度，但也引發了大型雲服務商（如Google、Meta、微軟）對供應鏈鎖定和技術自主權的擔憂。作為應對，這些雲服務巨頭正積極倡導建立開放的CPO生態系統和行業標準，如參與OIF（光互聯論壇）、COBO等標準組織，推動介面規範化。未來的產業競爭，很大程度上將是封閉系統方案與開放生態標準之間的博弈。圖表：CPO產業鏈各環節價值量分佈資料來源：市場公開資料、中投產業研究院（三）產業鏈地理格局：全球協作與區域化風險並存CPO產業鏈天生具有高度全球化的特徵，但目前地緣政治因素正成為影響產業格局的關鍵變數。從現有分工看，美國在核心晶片設計（如輝達、博通）、系統架構與整合方面保持領先；中國在光模組製造、封裝測試及部分無源/有源器件領域具有顯著的成本和規模優勢，例如2025年上半年中國頭部光模組企業營收同比增長均超過80%；而台灣則在半導體製造（台積電）、矽光代工和精密光學元件方面佔據關鍵位置。然而，這種全球化協作正面臨區域化風險的挑戰。美國BIS（工業和安全域）等機構已將部分先進光晶片製造裝置納入出口管制範圍，這直接影響到了國內CPO產業鏈在14nm以下光晶片領域的進階。這種風險一方面促使全球客戶考慮供應鏈多元化，另一方面也倒逼中國大陸產業鏈加速核心技術攻關。國內企業正通過多種方式尋求突破：一是加大研發投入，如光迅科技定增募資35億元，專項用於高速光互聯技術研發；二是加強產業鏈協同，例如華為與中際旭創聯合推出xPU-CPO原型系統，探索GPU直接出光。總體而言，地緣政治因素在短期內增加了產業鏈的不確定性，但中長期看也加速了國內CPO產業在核心技術領域的自主攻堅處理程序。三、挑戰、風險與不確定性儘管CPO技術前景廣闊且發展迅猛，但其從實驗室走向大規模商業化部署的道路並非坦途，仍面臨著一系列嚴峻的技術瓶頸、成本困境和產業鏈協同挑戰。這些挑戰不僅關乎技術本身，更涉及製造工藝、經濟帳計算和標準制定等深層次問題，需要產業界共同破解。（一）技術複雜性：奈米級精度與熱管理的極致挑戰CPO的技術複雜性首先體現在異質材料整合的難度上。它需要將基於矽的光子積體電路（PIC）、基於CMOS的電子積體電路（EIC）以及可能使用的化合物半導體雷射器等多種材料體系整合進單一封裝內。這些材料的熱膨脹係數存在差異，在裝置運行的溫度波動下會產生熱應力，若處理不當可能導致介面開裂或性能漂移。例如，矽光子晶片與有機基板之間的熱膨脹係數差異可達2-3倍，對封裝結構的長期可靠性構成嚴峻考驗。其次，奈米級的光纖與晶片對準是規模化生產的主要障礙。高效的光耦合要求單模光纖與晶片上尺寸僅幾百奈米的波導之間的對準精度須控制在亞微米等級（通常小於0.1µm）。這好比要將一根頭髮絲精確地對準到另一根頭髮絲的特定剖面上，其難度可想而知。目前主流的主動對準工藝依賴精密裝置即時調整光纖位置至光功率最大，雖能保證精度，但效率較低且裝置昂貴。而無源對準（如V型槽結構）雖有利於降低成本和提高效率，但對加工精度要求極高，任何微小的偏差都會導致耦合損耗顯著增加。有分析指出，光耦合環節的良率損失是制約當前CPO整體製造良率提升的關鍵因素之一。再者，熱管理是CPO系統可靠性的核心。光子器件，尤其是雷射器和微環諧振器，對溫度波動極其敏感。溫度每變化1°C，可能導致微環諧振器的波長漂移約0.1nm。在CPO封裝內，高功耗的計算晶片（如ASIC/GPU）是巨大的熱源，其產生的熱量會傳導至鄰近的光子晶片，引起溫度不穩定，從而導致光訊號波長漂移和性能劣化。為解決此問題，業界普遍採用外部雷射源（ELS）方案，將發熱的雷射器與對熱敏感的光子晶片物理分離，但這又增加了系統的複雜性和成本。同時，高效的散熱設計，如採用先進液冷技術（如輝達和博通在其CPO交換機中應用的技術）成為必然選擇，這無疑對資料中心基礎設施提出了更高要求。（二）成本困境：高昂的前期投入與漫長的TCO回報周期目前，CPO系統面臨的成本困境非常突出，其前期成本遠高於傳統可插拔光模組。一個1.6T CPO連接埠的初始成本估計可達2800美元，而同等速率可插拔光模組連接埠成本約為1200美元，CPO成本高出約133%。這主要源於幾方面：核心晶片（如矽光晶片、特定用途的DSP）成本高昂，其設計和製造涉及尖端工藝；先進封裝（如2.5D/3D整合）的費用可觀，測試流程因高度整合而複雜且耗時；此外，與之配套的專用交換機和液冷系統也推高了整體部署成本。因此，CPO的推廣關鍵在於證明其總擁有成本（TCO）優勢。這意味著需要將初期投入與後續營運中的電費節省、空間資源最佳化以及算力效率提升所帶來的收益進行綜合權衡。有研究指出，在AI叢集等典型場景下，CPO的節能優勢可能需要系統持續運行2-3年才能抵消初期的溢價。這種回報周期對於許多資料中心營運商來說，決策壓力較大。特別是在當前技術迭代飛快的背景下，他們可能擔心裝置尚未收回投資就面臨技術過時的風險。市場接受度也因此呈現明顯的場景分化。超大規模雲服務商（如Google、Meta）和頂尖AI算力提供商（如主導AI叢集的廠商）出於對極致性能和能效的追求，對CPO的接受度更高。然而，對成本更敏感或規模相對較小的企業使用者則可能持觀望態度，等待技術更成熟、成本進一步下降。（三）標準化滯後與生態博弈：開放與封閉的路線之爭當前CPO領域標準化工作嚴重滯後於技術發展，這已成為制約產業鏈健康發展的重要因素。在介面規範、封裝形式、管理協議（如是否相容CMIS標準）以及可維護性設計等方面，業界尚未形成廣泛認同的統一標準。這種局面導致初期產品大多基於廠商的專有設計，例如輝達的Quantum-X/Spectrum-X光子交換機和博通的Bailly CPO交換機都採用了不同的整合方案。這種碎片化狀態阻礙了第三方供應商的介入，限制了規模效應的形成和良性競爭，不利於成本下降和技術普及。標準化滯後也引發了更深層次的產業鏈生態博弈。目前主要存在兩種模式：一是以輝達、博通為代表的系統廠商主導的“黑盒”模式，提供整合了CPO的完整解決方案，優點是交付便捷、性能最佳化，但缺點是使用者可能被單一供應商鎖定，缺乏靈活性。另一種是以Meta、微軟等大型雲服務商倡導的開放生態模式，旨在推動建立開放的介面和標準，允許不同廠商的裝置互操作，優點是給予使用者更多選擇權和供應鏈韌性，但需要複雜的產業協同。這場博弈的結果將深刻影響未來CPO產業的競爭格局和價值分配。（四）產業節奏風險：理性看待技術炒作與業績兌現市場對CPO等新技術的迭代節奏有時會表現出過於激進的預期。光通訊產業本身有其客觀發展規律，從800G到1.6T，再到未來的3.2T，每一代技術的成熟和規模化應用都需要時間，通常遵循著2-3年一代的迭代周期。這個周期涵蓋了技術研發、標準制定、產品化、規模化量產和生態建構等多個環節，難以一蹴而就。因此，需要理性看待CPO的業績兌現節奏。一方面要認識到CPO是滿足未來AI算力洪流下高速互連需求的關鍵方向，具有長期戰略價值；另一方面也要意識到，從技術突破到穩定量產，再到產生顯著的經濟效益，需要一個過程。短期內，避免因過度炒作導致資本市場預期與產業實際發展脫節至關重要。對政府部門而言，尊重技術發展規律，引導產業穩健投入，攻克核心關鍵技術，完善產業鏈配套，比單純追求短期市場規模擴張更具長遠意義。綜上所述，CPO技術雖然前景可期，但其大規模普及仍面臨來自技術、成本、標準和市場節奏的多重挑戰。應對這些挑戰，不僅需要產業鏈上下游企業持續的技術創新和協同合作，也需要政府部門在產業政策、標準引導和基礎研究方面提供支援，共同推動CPO技術走向成熟，賦能數字經濟的可持續發展。四、未來展望——與“十五五”國家戰略的同頻共振展望“十五五”時期（2026-2030年），CPO技術的發展路徑與中國國家戰略的多項重點方向存在深刻契合。它不僅是單純的技術升級，更有可能成為賦能新質生產力、驅動產業鏈升級、促進綠色低碳發展的關鍵支點，與國家戰略形成強有力的“同頻共振”。（一）賦能新質生產力，築牢算力基礎設施底座“十五五”時期，以AI為代表的新質生產力發展，以及全國一體化算力體系的建構，將對底層算力基礎設施的效率、密度和能耗提出極致要求。CPO技術通過其顛覆性的架構創新，直接服務於這一核心國家戰略。具體而言，CPO所能實現的功耗降低50%-70%、延遲減少50%以上、頻寬密度提升數倍的特性，正是突破當前超大規模智算中心性能和能效瓶頸的關鍵。例如，在建構類似於“東數西算”工程所需的跨區域高速互聯骨幹網時，採用CPO技術有望將端到端傳輸延遲控制在微秒等級，這對於高性能計算和即時AI推理至關重要。根據行業預測，到2030年，中國CPO市場規模有望佔據全球份額的40%以上，這背後正是國家算力基礎設施巨大需求的驅動。因此，大力發展CPO技術，本質上是在為國家的數字經濟發展和智能化轉型鋪設高品質、高效率、低能耗的“資訊高速公路”和算力動脈。（二）驅動產業鏈升級，搶佔光電融合戰略制高點CPO的興起絕非單一產品突破，它代表著資訊技術領域最前沿的光電融合趨勢，其技術和產業影響外溢效應極強。對CPO技術的戰略性佈局，將強力牽引國內在矽光晶片、先進封裝、高端光學材料、精密儀器等基礎環節和短板領域的進步。這完全符合“十四五”規劃中強調的“打好關鍵核心技術攻堅戰”精神的延續，並有望在“十五五”期間成為積體電路產業之外，又一個國家級的高科技戰略支點。目前，中國企業在光模組封裝整合等中游環節已具備全球競爭力，中際旭創、新易盛、天孚通訊三家企業全球市佔率合計已超過40%。但在上游核心晶片和材料領域，例如高端矽光晶片和薄膜鈮酸鋰調製器，仍需加速突破。政策層面，國家積體電路產業投資基金二期已明確將矽光晶片和先進封裝列為重點扶持領域。“十五五”期間，通過集中資源攻關，有望實現CPO產業鏈關鍵環節的自主可控，帶動整個電子資訊製造業向高附加值環節攀升，形成類似在太陽能、新能源車領域的叢集優勢。工信部在《光通訊產業高品質發展指導意見》中設定的目標，即到2025年實現1.6T CPO規模化應用，正是這一戰略意圖的清晰體現。圖表：CPO產業鏈核心環節發展態勢與國產化前景資料來源：市場公開資料、中投產業研究院（三）促進綠色計算，服務“雙碳”戰略目標在“雙碳”戰略目標背景下，資訊技術產業的綠色低碳轉型至關重要。資料顯示，近五年中國資料中心耗電量保持15%以上的平均增長率，2020年耗電量已佔全國總用電量的2.7%。CPO技術最直觀的優勢之一便是大幅降低資料傳輸功耗，這使成為實現綠色資料中心目標的關鍵技術路徑。推廣CPO等節能技術，不僅能直接降低超大規模資料中心營運商的巨額電費成本，更能產生顯著的節能減排社會效益。一個典型的案例是，微軟Azure在部署採用CPO技術的交換機後，其資料中心能源使用效率（PUE）值降至了1.05的極低水平。這為中國資料中心實現“十四五”規劃中提出的PUE≤1.5的能效標準乃至更嚴格的目標提供了技術可行性。可以預見，在“十五五”期間，CPO技術將與液冷散熱等其它綠色技術深度融合，共同推動資料中心PUE向1.1-1.2甚至更低的水平邁進，從而使中國的“東數西算”等國家工程不僅是算力佈局的最佳化，更是綠色算力的典範，為國家中長期綠色發展戰略做出實質性貢獻。綜上所述，CPO技術的發展與“十五五”國家戰略的契合度極高。它既是提升國家算力競爭力的關鍵技術武器，也是驅動產業鏈向高端躍遷的重要牽引力，同時還是落實“雙碳”目標的有效實踐路徑。前瞻性地進行戰略佈局，加大研發支援力度，完善產業生態，對於中國在未來全球數字經濟競爭中佔據有利位置具有深遠意義。五、結論總而言之，光模組（CPO）行業正處在一個激動人心的歷史性拐點。AI的迫切需求將其從幕後推至台前，一場由架構創新引領的產業變革已然啟動。短期內，CPO將與可插拔模組分工共存，率先在頂級AI資料中心開闢市場。中長期看，其發展將遵循從專用到相對開放、從系統整合到生態建構的路徑。這個過程充滿了技術、成本和生態博弈的挑戰，但也蘊藏著重塑全球光通訊產業格局的巨大機遇。對於中國而言，CPO既是一個必須跟上的技術賽點，也是一個依託龐大市場和應用場景實現產業鏈向上突破的窗口。其發展脈絡，與未來國家在算力基建、科技自立自強和綠色發展等方面的戰略方向高度同頻。站在“十五五”的門檻上，客觀、理性地認識和佈局CPO這一關鍵領域，對於建構自主可控、高效綠色的數字未來，具有至關重要的意義。 (中投未來產業研究中心)