一筆S交易，引發連鎖暴跌。PE行業正在上演詭異的一幕：一方面，各家PE巨頭們基本都發佈了亮眼的財報，募資額暴增，並實現了創紀錄的利潤。黑石去年淨利潤21.4億美元，同比翻了一倍，創下“四十年最強業績”；KKR去年Q4單季募資430億美元創下四年新高；阿波羅全球全年募資2280億美元創歷史紀錄，利潤超出市場預期……與此同時，它們的股價卻一瀉千里。剛剛過去的2月，幾乎成了PE行業的“股災”之月——黑石的股價單月跌幅達20%，KKR跌了30%，阿波羅全球資管跌了29%，Ares Managemant跌了33%，凱雷跌了12%，TPG跌了33%。2月的最後一個交易日（2月27日），又是集體大跳水的一天。黑石跌了3.88%，KKR跌了6.34%，阿波羅全球資管跌了8.57%……這樣不講道理的跌法，讓人恍如回到了2008年金融危機。實際上，自進入2026年以來，PE巨頭們的股票就一直在被投資者大肆拋售。年初至今黑石市值已經縮水了30%多。令人擔憂的是，這次大跌不但沒有走穩的跡象，反而還有愈演愈烈之勢。“SaaS末日”成了PE巨頭們的滑鐵盧在今天的資本市場上，AI是萬因之始，亦為萬象之果。這場大跌的禍源，同樣被扣到了AI的頭上。2026年1月，Anthropic發佈了AI智能體工具“Claude Cowork”，可以自主在使用者的電腦上執行複雜、多步驟的專業工作。一時之間，整個SaaS行業人心惶惶。因為Claude Cowork號稱可以搞定財務審計、人事管理、法律合規等各種各樣的工作，傳統SaaS軟體公司將被一舉顛覆。於是，一場“SaaS末日”恐慌席捲美股，上市SaaS公司股價集體暴跌。這還沒完。2月23日，Anthropic宣稱其AI程式設計工具“Claude Code”能夠在一夜之間完成對COBOL系統的現代化改造。COBOL被稱為軟體行業“最堅固的堡壘”，IBM靠維護COBOL程式碼已經躺賺了幾十年。消息一出，IBM股價單日暴跌13%，創下25年來最大跌幅。雖然，事後來看這兩件事中輿論都有點過分誇大了AI的能力，AI還沒那麼快在專業工作上替代人類。但對傳統SaaS商業模式的懷疑種子已就此種下，龐大的軟體行業成了一座融化中的冰山，而第一道裂縫已經出現。在GPT橫空出世之後，多少傳統行業都在惴惴不安地擔憂會不會被顛覆。現在，第一個AI“受害者”看起來已經出爐了。那麼問題來了，軟體行業崩了，跟PE行業又有什麼關係呢？關係還真不小。實際上，軟體行業是過去十年來PE行業投資最多的行業，沒有之一。SaaStr的資料顯示，從2015年到2025年，私募股權機構共收購了超過1900家軟體公司，交易金額超過4400億美元。在2025年，近20%的槓桿併購的目標是軟體公司。這還只是小頭。我們知道，過去十年PE機構大力發展“放貸”業務，私募信貸規模急劇膨脹。一般認為，目前美國私募信貸的餘額可達3兆美元。而據瑞銀的估計，其中多達三分之一都投給了SaaS公司。如今，黑石、KKR等頭部PE巨頭們，無不在軟體行業有大規模的佈局。在部分大型基金在軟體行業的配置超過了30%。Thoma Bravo、Vista Equity等一批專注於投資軟體行業的專業型PE機構，管理規模都超過了千億美元。PE機構們青睞軟體行業的原因很好理解。因為SaaS的商業模式是訂閱制，擁有穩定的經常性收入、高利潤率、可預測的現金流，客戶遷移成本還高，這樣的商業模式正是PE機構的最愛。然而，沒人預料到，隨著AI的興起，對軟體公司的超額配置居然成了PE機構的集體滑鐵盧。首先，軟體公司的估值正在大幅縮水，美國科技軟體股指數今年已經下跌20%，軟體股的平均P/S倍數更是從9倍掉到了6倍。二級市場如此，一級市場只會更糟。而更令人擔憂的是規模以兆美元計的私募信貸。過去，PE機構們在向軟體公司“放貸”的時候，一個前提假設是它們擁有“永續”的現金流。而現在這個假設顯然不成立了，再疊加當下的高利率環境，這些債務面臨巨大的違約風險。一筆S交易，引發連鎖暴跌就在市場愈發不安之際，一樁不合時宜的S交易成了引爆點。2月18日至20日，Blue Owl Capital宣佈將旗下三隻私募信貸基金的資產轉讓給幾家北美養老金和保險機構投資者。雖然這次資產出售的估值是面值的99.7%，並沒有明顯折價。但由於據稱Blue Owl將永久停止其中一隻基金的贖回，市場還是將其解讀為“資產質量惡化”。於是，這筆交易規模只有14億美元，卻一舉把管理規模達3000億美元的Blue Owl的股價干崩了。2月19日起的三個交易日，Blue Owl股價暴跌了22%。Blue Owl的暴跌引發了連鎖反應，黑石、KKR、Ares等其他PE巨頭的股價也跟著一起暴跌。這並不是誤傷。由於一級市場的低流動性，估值調整較慢，資產的貶值不會立刻反映在財報上。而越是這樣，投資者們越是感到擔憂。這導致各大PE巨頭的私募信貸基金都在2026年陷入了贖迴風暴。在2025年，已經有多家獲得了巨額私募信貸融資的大型企業宣佈破產，讓投資者對私募信貸的資產質量非常擔憂。尤其是去年First Brands宣佈破產，居然出現了抵押品不翼而飛的情況，暴露出私募信貸對風控的嚴重忽視，引起巨大爭議。當時，摩根大通CEO戴蒙就發出警告稱：“看到一隻蟑螂時，可能還有更多。”暗示美國私募信貸市場存在系統性風險。這並不完全是危言聳聽。彭博情報的資料顯示，在二月的短短四周之內，就有177億美元的美國科技公司貸款滑落至“困境交易水平”，也就是面臨嚴重財務困境、瀕臨違約或破產，其中大部分來自SaaS公司。晨星的資料也顯示，在2025年底以來，對軟體公司的槓桿併購貸款陷入“困境交易水平”的金額急劇增長，目前已經佔到總額的13%之多。彭博預計，私人信貸的違約率在2026年可能上升2個百分點，達到6%。瑞銀更是預測，如果AI的顛覆性影響繼續加速，美國私人信貸的違約率可能達到13%，是正常水平的3倍以上。當然，這場危機到底會發展到何種程度現在還很難說。幾乎所有PE巨頭們都公開表示“問題不大”，市場反應過度。但無論如何，可以確定一場巨變正在發生。那些敏銳的機構早就在行動了。阿波羅全球資管在2025年已經把對軟體行業的配置砍了大約一半，配置比例從20%降至約10%。Thoma Bravo的創始人奧蘭多·布拉沃在今年的達沃斯論壇上坦言，AI將顛覆許多軟體公司，尤其那些核心能力是技術的公司。Thoma Bravo手中握有超過75家軟體公司，是世界上最大的軟體公司投資者之一。就在不久前，黑石總裁喬·格雷在接受採訪時談到AI相關資產是否存在泡沫的問題，他表示：“人們都在關注泡沫風險，我認為最大的風險其實是顛覆性風險——如果一個行業在一夜之間就面貌全非該怎麼辦？”與VC不同，PE通常關注那些有穩定、長久價值的行業。當PE也在談顛覆的時候，一定有什麼不同尋常的事情在發生。 (投中網)

在2026年2月的全球金融市場中，一股風險厭惡情緒正悄然蔓延。摩根大通首席執行長傑米·戴蒙近日在投資者會議上表示，當前市場狀況讓他聯想到2008年金融危機前夕的景象。他指出，高資產價格、槓桿化過度以及某些機構從事“愚蠢行為”可能增加風險，並強調信貸周期中總有意外發生。這一言論並非孤立，而是與市場資料相呼應：債券收益率下降、安全資產需求上升、私人信貸問題凸顯，以及人工智慧（AI）潛在顛覆帶來的不確定性。這些因素共同構築了當前市場格局，預示著經濟可能進入更謹慎的階段。全球市場風險厭惡情緒的蔓延2026年2月，全球金融市場呈現出明顯的風險厭惡跡象。儘管股市在某些領域出現反彈，但整體趨勢指向安全資產的轉移。根據最新市場資料，美國股市在2月24日反彈，道瓊斯工業平均指數上漲370點，標準普爾500指數和納斯達克指數分別上漲0.77%和1.04%。然而，這更多是軟體股從AI顛覆擔憂中短暫恢復所致，而非根本性轉折。歐洲股市相對穩定，STOXX Europe 600指數持平，但債券收益率創下多月低點，顯示投資者轉向避險。債券市場是風險厭惡的核心指標。美國國債收益率曲線繼續陡峭化，2月20日10年期國債收益率收於4.08%，2年期為3.48%，10年-2年利差為0.60%。這一陡峭化並非源於長期利率飆升，而是短期利率相對穩定，長期利率下行，暗示市場預期聯準會可能進一步降息以應對潛在衰退。加拿大債券收益率也顯著下降，10年期降至3.18%，2年期至2.43%，創下去年11月以來最低，反映出加拿大銀行已宣佈結束降息周期，但市場對全球同步復甦的疑慮加深。歐洲債券市場同樣顯示出避險需求。德國10年期國債收益率降至2.71%，義大利10年期BTP收益率跌至3.33%，均為2024年以來低點。法國和義大利收益率也創下多月新低，表明投資者在股票波動中轉向歐元區債務。儘管歐洲央行一再強調經濟處於“好位置”，但收益率下行趨勢從2月初持續，顯示市場對官方樂觀敘事的懷疑。英國10年期國債收益率降至4.30%，同樣反映出財政赤字壓力與經濟疲軟的博弈。亞洲市場則更複雜。日本政府債券（JGB）10年期收益率持穩於2.11%，但近幾個月下行趨勢明顯。買家罷工結束的跡象顯現，養老基金和保險公司可能重返市場，這與日本經濟再衰退相符——2025年下半年GDP大幅收縮，無反彈。日元匯率弱化至約156日元/美元，但作為防禦性貨幣略有走強。瑞士法郎升值至15年高點，匯率約0.77瑞士法郎/美元，政策利率已降至零，但資金仍湧入，凸顯全球風險偏好下降。這些趨勢並非孤立。2月初私人信貸溢出效應加劇，引發全球信用擔憂。戴蒙的言論強化了這一敘事：高資產價格並非安慰，而是風險放大器。市場訊號顯示，風險厭惡從美股科技類股擴散至全球債券和貨幣，類似於2006-2007年的“上升潮水抬高所有船隻”階段，但潛在下行風險更高。分析評論：當前風險厭惡並非突發，而是積累結果。2025年關稅不確定性和AI泡沫擔憂已醞釀多時。債券收益率集體下行表明投資者優先保本，而非追逐回報。這可能預示短期波動加劇，但若央行干預及時（如聯準會維持3.50%下限），可避免系統性危機。相比2008年，當前槓桿雖高，但監管更嚴，私人信貸分散風險或成緩衝。區域經濟動態與安全資產飛行美國市場是全球風向標。2025年第四季度GDP增長1.4%，低於預期，但私人國內最終購買增長2.4%。失業率降至4.4%，1月新增就業5萬，雖低於預期，但顯示勞動力市場轉折。通膨持穩，PCE指數2.7%，核心2.6%。然而，AI擔憂導致軟體股暴跌，iShares Expanded Tech-Software Sector ETF（IGV）較52周高點跌超30%。標準普爾500指數預計年底達7500點，增長10%，但科技盈利增長33%依賴AI實現。加拿大經濟同步全球趨勢。2025年第四季度GDP增長2.6%，但2026年預期放緩。失業率升至6.8%，就業增長8200。債券收益率下行反映對銀行結束降息的疑慮，市場預期短期利率降至2%附近，類似於2008年後伯南克時代。歐洲經濟面臨分化。歐元區PMI顯示製造業觸44月高，但整體增長乏力。德國Ifo商業景氣指數下滑，義大利通膨最終資料待確認。債券收益率下行至2024低點，德國-義大利利差0.62%，歐元/美元1.18。失業率穩定，但青年失業率上升。歐洲央行樂觀敘事與市場背離，顯示投資者擔憂全球信用問題而非本地復甦。日本經濟再衰退，2025年下半年GDP收縮，無第四季度反彈。首相高市早苗對央行加息表示擔憂，導致日元貶值1.1%至156.28。JGB收益率下行，買家罷工可能結束，但養老基金重返需經濟惡化確認。銀行日本聲稱加息針對過熱，但政府刺激需求凸顯矛盾。瑞士經濟收縮，第三季度GDP下滑，第四季度無反彈。消費者價格回落，政策利率零，但法郎強勢顯示全球資金流入。瑞士並非“賣美國”，而是純避險資產，類似於日本但更極端。分析評論：區域動態顯示全球同步“Pringle周期”最終階段——央行退回降息，但需更大刺激。安全資產飛行從2月初加速，非關稅不確定性或AI報告所致，而是根本信用擔憂。相比2008年，當前全球化更深，亞洲衰退可能放大歐美風險。但AI投資（2026年資本支出佔GDP 2%）或成新增長點，緩解下行壓力。私人信貸周期的風險與趨勢私人信貸是戴蒙警告的核心。2026年展望顯示，資產管理規模預計到2030年翻番至4.5兆美元，2026年募資回暖。直接貸款主導，但困境債務、特殊情況和資產支援融資增長。供給漸超需求，收益率谷底8.0%-8.5%，仍高於歷史均值。然而，風險上升。2025年違約率升至5.8%，軟體行業從7.5%降至1.9%，但整體上升。槓桿增加，非銀行金融機構槓桿化加劇。戴蒙指出“愚蠢行為”如風險貸款，與2005-2007類似。全球私人信貸從影子銀行演變為主流融資，規模匹敵銀團貸款1.5-2兆美元，預計2028年達3兆美元。趨勢包括公私融合、信貸輪廓變化、零售增長。銀行與私人信貸重聯，分散風險。但成熟市場意味著機構化、銀行互聯性增加，資本充裕影響競爭和承銷標準。2026年交易勢頭重建，M&A量回升。分析評論：私人信貸增長是雙刃劍。分散銀行風險增強金融穩定，但晚周期過度（如垃圾貸款）可能放大衰退。戴蒙“信貸驚喜”警告提醒，當前高資產價格掩蓋問題。若AI顛覆加劇失業，信貸質量惡化風險上升。投資者應關注違約率和槓桿，優先高品質資產。AI泡沫與股票市場不確定性AI是2026年市場焦點。軟體股暴跌源於AI顛覆擔憂，如Anthropic工具威脅SaaS模式。納斯達克指數波動，科技盈利預期33%，但失業擔憂（2028年10%+）拖累。Citadel報告顯示失業率4.28%，AI資本支出6500億美元，資料中心2800個。但軟體工程師職位增長11%，顯示短期穩定。全球股市輪動：工業、消費防禦、能源領先，科技落後。標準普爾500旋轉至“真實經濟”股，如卡特彼勒、沃爾瑪、埃克森受益AI資料中心、成本意識消費、油價上漲。分析評論：AI並非純負面。S曲線擴散顯示早期採用慢，但成本下降後加速。短期泡沫擔憂合理，但長期提升生產力。市場“AI恐慌交易”過度，軟體股反彈顯示調整。投資者應平衡科技與防禦，關注Nvidia財報（收入661億美元，增長68%）作為風向標。全球經濟指標展望2025年第四季度全球GDP放緩。美國1.4%，加拿大2.6%，日本平坦，瑞士收縮。2026年預期：美國2.1%，加拿大放緩，歐元區溫和，日本再衰退風險。失業率：美國4.4%，加拿大6.8%，歐洲穩定，日本青年失業12.2%。通膨：美國PCE 2.7%，加拿大2.4%，歐洲回落。聯準會展望顯示降息風險減少，若2月就業強勁，利率持穩。全球央行分化，日本加息“愚蠢”，瑞士負收益率。分析評論：指標顯示軟著陸可能，但下行風險傾斜。失業上升與通膨持穩暗示政策空間有限。AI資本支出或推高商品價格（AI相關大宗上漲65%），但若失業加劇，消費疲軟。2026年增長穩定3%，但需警惕貿易、地緣風險。結論：警惕訊號與戰略應對戴蒙的2008類比雖非預言，但捕捉了當前焦慮：高資產價格、信貸風險、AI顛覆。市場訊號——債券下行、安全資產強勢、私人信貸溢出——顯示風險厭惡主導。相比2008年，當前有更強監管和分散融資，但全球同步衰退風險更高。投資者應關注央行動態、AI財報、經濟資料，優先避險配置。長遠看，AI或驅動復甦，但短期波動不可避免。全球經濟需更協調政策，以防“小驚喜”演變為大危機。 (周子衡)

導讀全球AI投資浪潮正以算力、資料中心和大模型為核心重塑科技產業與資本結構，形成高強度、短周期、重資產的新型投資循環。本文系統梳理了AI投資的歷史演進、產業層次與融資結構，對比其與網際網路泡沫的異同，本輪AI熱潮技術基礎更穩固，但金融鏈條更複雜、系統性風險更高。文章進一步分析AI泡沫可能的破裂路徑及跨國傳導機制，強調未來更可能經歷結構性出清而非單點崩塌，為政策制定與資產配置提供風險識別框架。引言AI的全球性投資浪潮正在重塑科技行業的結構，也重塑著資本市場的邏輯。以大模型、算力基礎設施和資料中心建設為核心的AI鏈，形成了自2008網際網路以來最強烈的一輪跨周期資本累積。巨頭之間的資本開支競賽不斷刷新紀錄，從NVIDIA的GPU出貨與企業市值，到微軟、亞馬遜、Google爭相投建的超大規模資料中心，再到初創公司圍繞模型、Agent與新型AI服務，展現出一種技術突破疊加資本擠兌式投入的發展結構。與傳統科技周期不同，這一輪投資不僅規模更大、節奏更密集、折舊周期更短，也構成了一個容易產生系統性風險的正反饋循環。在未來收益充滿不確定性的背景下，AI產業彷彿踩在紅利與成本現實的雙軌之上，推動市場在繁榮與泡沫之間不斷擺動，債務與融資結構也逐漸複雜化：為支撐資料中心和算力擴張，銀行、ABS與企業債等多管道快速擴張，放大了利率與信用風險的傳導路徑。01. AI投資的系統梳理(一) 歷史處理程序AI投資熱潮的發展歷程可以大致分為幾個階段。1、早期探索階段（1950年代-1980年代）。AI主要以學術研究為主，技術集中在符號主義、邏輯推理和早期神經網路上。雖然計算能力和資料規模有限，但政府和高校的科研資助推動了基礎理論的發展。例如，1956年達特茅斯會議首次提出“人工智慧”概念，1960年代的MYCIN和DENDRAL專家系統在醫療診斷和化學分析中進行了初步應用。此階段的投資主要依賴於政府撥款和科研基金，風險投資尚未形成規模。日本政府在1980年代啟動的“第五代電腦計畫”（FGCS）也試圖推動AI產業化，但整體投資活躍度仍較低。2、1980年代至1990年代的AI低潮期。即所謂的“AI寒冬”，早期專家系統和神經網路在實際應用中屢屢受挫，技術無法滿足市場預期。計算能力不足、資料匱乏以及投資回報不確定，使得全球範圍內的AI投資大幅減少。美國、英國和日本等國家紛紛縮減AI相關研發預算，資本市場對AI初創企業的熱情顯著下降。3、21世紀初（2000年代-2010年代）的復甦期。隨著網際網路的普及和巨量資料技術的發展，AI迎來了新的發展機遇。統計學習方法逐漸成熟，機器學習和早期深度學習模型開始顯現潛力。與此同時，GPU計算能力提升和雲端運算的發展為AI應用提供了必要的基礎設施。這一時期的投資逐漸恢復，以科技公司和部分風險投資機構為主，重點關注資料驅動型的智能演算法和初創公司。2006年，Hinton提出深度學習概念，為後續的突破奠定基礎；2012年，AlexNet在ImageNet競賽中取得壓倒性勝利，標誌著深度學習技術進入快速發展期。4、2012年至2020年，AI投資進入快速增長階段。深度學習在圖像識別、語音識別和自然語言處理等領域取得實際應用，帶動了風險投資和企業併購的熱潮。科技巨頭如Google、Facebook、百度等紛紛加大研發投入，同時AI初創企業融資金額屢創新高。例如，2015年，全球人工智慧市場融資規模達到了63億美元。這一階段的投資特點是技術驅動與資本市場熱情共同推動，行業應用開始拓展至金融、醫療、教育等多個領域。5、2021年至今，生成式AI的快速發展進一步引爆了新一輪投資熱潮。OpenAI發佈的ChatGPT引發全球關注，推動企業和投資者加大對生成式AI及相關基礎設施的佈局。微軟、Google、騰訊等科技巨頭通過戰略投資和併購搶佔技術前沿，AI創業公司融資規模屢創新高，資本熱情從科技行業擴散到金融、醫療、教育、製造等各類應用場景。生成式AI的技術突破和跨行業落地能力，使得AI投資成為全球科技資本追逐的核心方向之一。ChatGPT發佈（2022年11月30日）至今，輝達股價累計上漲964%，其利潤累計上漲1354%；蘋果股價累計上漲91%，其利潤累計上漲12%；微軟股價累計上漲90%，其利潤累計上漲55%；Google股價累計上漲211%，其利潤累計上漲107%。但近兩年，AI投資逐漸放緩，反映出AI技術發展及其在各行業應用仍處於探索的早期階段。雖然長期市場潛力仍然巨大，但最初的熱情已被在實際應用中推廣人工智慧技術的複雜性和挑戰所削弱。來源：2025 AI Index Report(二) 產業層次與參與主體近年來，AI產業的發展逐漸呈現為基礎設施、平台、應用三個層面平行推進，並由不同類型主體共同推動其資本流動與技術落地。首先，在基礎設施層，AI所需的算力硬體，如GPU、專用加速器、伺服器、儲存、網路裝置等，以及支撐這些硬體的系統成為基礎底座。分析指出，AI伺服器市場近年來經歷爆炸式增長。根據最新統計，全球伺服器市場因AI加速器需求迅速擴張，2024年前三季度伺服器銷售額大幅上升，AI伺服器出貨量與總伺服器平均壽命替換需求疊加，推動整體市場顯著擴容。另一方面，以阿里雲為代表的雲基礎設施提供商，其在中國 AI 基礎設施市場（IaaS）中佔據領先地位。2024年下半年阿里雲在中國AI IaaS市場份額達約23%，在大模型訓練與推理兩大子市場均位列第一。其次是平台層或雲服務層，即把基礎算力、儲存和網路資源以“雲服務、模型服務、算力租賃、按需呼叫”等形式打包提供給下游使用者。隨著 AI 技術成熟、模型越來越大，對算力和靈活資源調度的需求也越高，使得雲服務商、neo‑cloud租戶、專業AI服務商等成為關鍵中介。業界觀點認為，隨著大模型與雲端運算的融合，傳統雲端運算（IaaS）正在向“AI 原生”（AI‑native）雲服務演進，雲廠商不僅提供通用計算資源，也在提供專門為AI最佳化的算力、調度、儲存、模型部署環境等服務。此外，智算雲服務（AI‑optimized cloud）在中國也形成了較為明確的產業鏈結構，上游含晶片與伺服器基礎設施，中游為雲平台提供商，下游為行業使用者。最後是應用層，即行業化落地層。當基礎設施和平台服務配備就緒後，大量企業就能夠借助雲+模型服務，把 AI 技術應用到具體場景中：例如網際網路服務、金融、製造、醫療、零售、公共服務等等。報告指出，隨著AI平台服務能力提升，對於中小企業、傳統行業的“上雲+用數+賦智”門檻大幅降低，這推動了AI應用的廣泛普及。這個體系的推動主體首先是超大科技公司及頭部雲廠商（hyperscalers），其擁有資金、基礎設施、全球資源分配能力，是基礎設施與雲平台能力建構最重要推動者。其次是專業雲、neo‑cloud租戶、中型雲服務提供商及智算雲服務商，它們通過租賃基礎設施、提供靈活、彈性的AI算力及雲服務，把能力下放，為更多中小企業與行業使用者提供門檻更低、按需付費的AI服務。然後是私募和債權市場，基礎設施尤其是資料中心和機櫃建設，需要巨額資金投入，也往往借助債權融資、私募基金或機構資本支援。這使得AI基礎設施本身成為一種資本資產，並連接到更廣泛的金融市場與資本運作中。綜上，這種多元主體參與的機制，使得AI投資熱潮不僅是技術浪潮，也是基礎設施擴張、服務變現與產業應用同步推進的綜合性變革，也是當前AI產業能夠迅速擴張並持久化的重要原因之一。(三) 融資形式及周期特徵AI 基礎設施與平台建設需要大量資本投入，因此融資形式呈現多樣化趨勢。一方面，企業常通過企業債、高票息直接貸款獲取建設資金，這類方式利率相對固定、融資成本可控，但增加了短期償債壓力。另一方面，隨著項目規模擴大，也出現了基於長期租約的項目融資模式，即通過未來收入現金流如雲租用、AI服務訂閱等支援融資；進一步衍生的還有資產證券化（ABS），將資料中心、GPU叢集或機房租約收入打包成可交易證券，使投資風險在資本市場分散。與此同時，部分私募信用也開始進入AI基礎設施領域，為非上市公司提供靈活的信貸支援。這種多元化融資結構在分散風險的同時，也引入了資訊不對稱、信用評級難以精準評估以及流動性錯配的問題。AI硬體尤其是GPU、定製加速器和AI‑optimized 伺服器更新周期短，導致資本支出密集且折舊快速。短周期硬體更新不僅增加了資產殘值不確定性，還會加大再融資壓力，尤其在企業擴張或大規模部署初期。這意味著投資者在衡量 AI 基礎設施項目時，必須同時考慮技術迭代風險、折舊損失、未來現金流以及市場需求變化。在大型AI 資料中心項目中，GPU佔總資本支出約40-50%，伺服器機櫃與網路裝置佔30-35%，折舊周期短的硬體部分對項目財務壓力貢獻顯著。02. AI投資熱潮與網際網路泡沫的異同（一）相似之處當前的AI投資熱潮與1999年網際網路泡沫之間確實存在明顯的相似關係：高度一致的市場情緒、對技術變革的集體敘事、企業估值大幅上漲、媒體與投資人對新產業的超預期樂觀，這些因素共同構成了典型的科技繁榮景觀。市場熱情高漲，資本對新興技術的追逐表現出明顯的“短期高估”傾向。在網際網路泡沫期間，投資者對電子商務、入口網站等前景抱有過度樂觀預期，而在當前AI熱潮中，生成式AI、行業大模型、智能硬體和雲服務等領域的融資額持續攀升，部分初創公司估值迅速膨脹，許多人工智慧公司的估值已遠超行業平均水平，例如，Palantir和特斯拉的市盈率遠遠超過了200倍，而標普500指數成分股公司的平均市盈率約為25倍。其次，風險偏好顯著提高，投資者願意在尚未盈利或尚處於早期研發階段的企業中投入巨額資金，以搶佔潛在市場份額。而市場投機心理與輿論推動相結合，媒體和分析機構對前沿技術的持續炒作進一步放大了資本湧入速度。（二）關鍵差異首先，AI熱潮的技術基礎更為穩固。與1999年網際網路泡沫不同，當時許多公司缺乏可落地的商業模式，網際網路技術本身尚不成熟；而當前AI技術已經在電腦視覺、自然語言處理和大模型訓練等領域取得實際突破，生成式AI具有可直接落地的行業應用，從金融、醫療到製造和教育均有明確商業場景。其次，產業生態和資本結構更加多元。AI投資不僅包括風投和天使投資，還涉及企業資本支出（CAPEX）、私募信用、債券融資以及資產證券化（ABS）等形式，使風險能夠在一定程度上分散，同時引入了更複雜的流動性和資訊結構管理。再次，AI投資與全球基礎設施建設緊密掛鉤，如GPU、資料中心、雲端運算平台和模型訓練服務等，而這些硬體與雲服務資產具有長期使用價值和持續收入潛力，相較於1999年網際網路公司大量依賴短期廣告或電商流量收入，更加穩健。最後，監管與風險控制環境更加成熟。當前金融市場對AI相關融資有更嚴格的資訊披露和風險評估要求，部分國家和地區也出台政策鼓勵AI技術創新與應用，同時限制過度槓桿和投機行為。此外，從產業長周期發展來看，每一輪過度投資都可能為產業的長期成長做好了鋪墊。1999年網際網路泡沫崩潰後，此前大規模投資的光纖、電腦、移動通訊等裝置大幅度壓低了電子裝置和網路費用，Google、亞馬遜等一批網際網路企業和整個產業得以持續快速發展。（三）風險複雜性更高當年的泡沫主要集中在股價上，而今天的風險通過資本開支、長期租約、債務結構、影子銀行體系以及跨國能源和供應鏈瓶頸等多層結構相互疊加，一旦某個環節出現違約或資金緊縮，很可能不是簡單的“科技股下跌”，而是沿著融資鏈條迅速向房地產、信貸市場乃至跨境資金流動擴散，從而引發結構性的金融緊張。AI市場目前面臨的挑戰也更加複雜：技術瓶頸，例如輝達高端晶片供應短缺；應用程式的商業化滯後，大多數人工智慧公司尚未找到可持續的現金路徑；以及技術脫鉤，例如美國和中國的晶片監管。新興人工智慧公司傳統財務估值方法的失敗加劇了這種風險，資本狂熱導致泡沫的可能性仍然存在。03. AI泡沫破裂的可能性與傳導路徑AI 泡沫是否會破裂不能簡單地用“會”或“不會”來判斷，而應從估值邏輯、宏觀政策和全球資金流動三條主線分析其潛在破裂方式及時間窗口。從估值角度看，如果未來2-3年大模型的商業化速度無法匹配當前動輒百億美元的資本投入，市場估值必然進入回呼期，尤其是依賴 AI 敘事驅動漲勢的公司更容易經歷大幅波動。從宏觀政策角度看，若聯準會與歐洲央行維持高利率或再次收緊流動性，資料中心開發商、AI 獨角獸及依賴長期租約融資的基礎設施項目將面臨更高的再融資成本壓力，信用風險可能從個別企業擴散為行業性調整。從全球資金流動角度看，美國吸收全球資本將使新興市場、跨境基礎設施項目以及外幣債務敞口較高的經濟體最先感受到壓力，進一步把科技投資的波動轉化為跨國金融波動。整體而言，本輪AI投資周期大機率不會以1999年網際網路泡沫那種單點式全面崩塌收場，而更可能呈現漫長的結構性出清：先是局部估值回呼，再到資本鏈條的重新定價，最終由宏觀政策變化推動整個系統向新的均衡移動。如果發生破裂，具體方式主要包括兩個管道：一是估值重估，觸發因素包括AI商業化速度落後預期、盈利增長未達標或關鍵企業盈利警告，結果是高估值成長股票回呼，指數高度集中導致市場波動放大，回撤集中在“巨頭+AI”股票；二是信貸與項目融資鏈條斷裂，觸發因素包括利率上升、租戶違約或 neo‑cloud企業現金流緊張，結果是資料中心開發商與特殊目的載體面臨償債壓力，資產價值快速下滑，債權損失擴散至銀行、直接貸方及ABS持有者，將泡沫從股市傳導至實體信貸市場。在未來政策方面，需要找到一個平衡：不僅要支援龍頭企業突破技術界限，還要培養多元化的應用產業鏈，以建構良性的工業生態。技術革命的本質不是避免泡沫，而是通過持續的技術迭代能力和可行的商業模式，在穩定資本的支援下，推動長期的GDP增長和引領代際飛躍，並將資本狂熱的階段轉變為新的質量生產力。整體來看，AI 泡沫破裂不是單一事件，而是一系列結構性調整和局部泡沫破裂的組合，AI熱潮將經歷周期性的回撤，但它在超自動化領域（例如機器人、AGI）具有遠超網際網路時代的長期潛力，出現一次性大規模全面崩塌的可能性取決於貨幣政策和信貸鏈條的健康狀況。04. 跨國風險傳導AI 投資熱潮的全球化特徵意味著，一旦出現市場調整，其影響可能跨境傳導。觸發機制主要包括利率和信貸環境的收緊，例如，若美、歐主要央行同時加息並收緊信貸，全球資金快速撤出，將直接衝擊依賴外幣融資的新興市場以及海外AI項目，尤其是資料中心與雲服務廠商。此外，能源供應，尤其是電力，與全球供應鏈瓶頸，也可能放大地區性危機，導致局部市場風險集中爆發。潛在時間窗可分為短期和中期兩個階段。在短期，若宏觀利率快速上行或發生大型租戶違約，短期內可能看到信用利差迅速擴大，同時項目融資重新定價，資料中心、相關REIT及開發商最先暴露風險。在中期，如果AI商業化鏈條未能形成廣泛盈利，尤其是行業級應用落地緩慢，市場可能從增長溢價向盈利篩選切換，導致估值普遍回呼，資金重點流向盈利能力強的項目和企業。各國宏觀政策將是跨國傳導的決定性變數之一。一方面，聯準會與歐洲央行的利率與流動性政策會直接影響債務負擔與風險溢價：緊縮將放大企業融資壓力，寬鬆則可能延緩市場調整，但同時積累更高的系統性風險。另一方面，財政與產業政策的作用也不容忽視：針對資料中心電力成本或AI研發的補貼和支援，能夠緩衝局部衝擊，但可能延長非盈利項目的資金供給周期，形成“殭屍化”風險。最後，宏觀審慎與監管措施也會調節跨境風險傳導的幅度：加強對非銀行信貸、ABS透明度及應計壓力測試，可降低系統性傳染風險；反之，監管盲點可能放大跨國資本流動和供應鏈壓力造成的風險。05. 結語當前的AI熱潮同時包括真實的技術紅利若干高度脆弱的金融鏈條，因此更像是一種局部繁榮與局部泡沫並存的複雜態勢，而非歷史上的單一泡沫復刻。分析的關注點不應停留在“是否存在泡沫”，而應轉向泡沫存在的具體位置、形成機制及其可能通過那些管道傳導至宏觀金融體系。對政策制定者與資產管理者而言，最佳策略是在強化風險監測的基礎上進行選擇性防禦，重點關注資料中心融資結構、租戶信用狀況以及短期再融資節點；在估值重估情形下，應優先迴避高度槓桿化且盈利路徑不明確的投資敞口，從而在享受技術紅利的同時，降低系統性風險暴露。 (IMI財經觀察)

作為AI堅定且樂觀的支持者，不同於達沃斯經濟論壇中許多對“AI導致失業”“AI存在泡沫”的聲音，黃仁勳用自己的例子，力主AI能夠增加就業，並切實有利於經濟發展的觀點。輝達CEO黃仁勳第一次亮相達沃斯經濟論壇，就受到了隆重而熱烈的歡迎。當地時間1月21日上午，他出現在了瑞士小鎮大會廳。據財新網報導，這一會場正是當日下午美國總統川普發表演講的地方，且入場觀眾必須分區落座，並禁止媒體用相機拍照。規格之高可見一斑。貝萊德董事長兼CEO、世界經濟論壇臨時聯合主席勞倫斯·芬克（Laurence D. Fink）主持了對談。芬克在開場白中給了黃仁勳諸多讚揚之語，稱黃仁勳是自己學習AI過程中的觀察對象和導師，並盛讚其領導力讓輝達自上市以來實現了30%到37%的驚人總回報復合年增長率，他是最能清晰理解、解讀人工智慧的人。黃仁勳名副其實。他繼而分享了自己的“五層蛋糕理論”，即，通過能源層-晶片層-雲基礎設施層-模型層-應用層的結構來理解AI產業。他還提到，在這一產業結構上，人類歷史上最大規模的基礎設施建設已經啟動，包括能源、晶片、資料中心等都在驚人地增長，而大模型則是萬眾焦點，更可喜的是，作為最終經濟收益發生的地方，應用層也變得更加出色。“去年是有史以來風險投資規模最大的年份之一，而大部分資金都流向了‘AI原生企業’，這些企業遍佈醫療保健、機器人、製造業、金融服務等全球所有主要行業。”黃仁勳稱。他還總結了自己眼中的2025年“三件大事”，除了其自身及輝達一貫關注的代理AI、物理AI的進展外，黃仁勳還提到開源模型的發展，讚許DeepSeek出現的重大意義。而作為AI最堅定、最樂觀的支持者之一，不同於達沃斯經濟論壇中許多對“AI導致失業”“AI存在泡沫”的警示聲音，黃仁勳用自己的例子，力主AI能夠增加就業，並切實有利於經濟發展的觀點。他提到，AI掀起的基建熱潮為管道工、電工、建築工等工人創造了大量工作崗位，並讓其工資幾乎翻倍增長，建設AI工廠的工人能獲得六位數薪水。此外，他還在微觀層面以醫院，尤其是放射科醫生和護士為例，論證稱人們都認為AI將取代這些崗位，但實際上，AI幫助他們完成研究掃描影像和病歷記錄等繁瑣工作、案頭工作，解放了他們的時間，讓他們更多接待、照料病人，從而提升了醫院本身的生產力和容納量，更多病人湧入醫院，醫院進而僱傭了更多醫生和護士。“思考AI對某項工作影響的簡單方法是，理解這份工作的目標和任務分別是什麼，”黃仁勳認為，明確了目標和任務，AI就能讓任務自動化，進而提升生產力，最終更好的達成目標，並有益於整體的發展和就業。有關近來甚囂塵上的“AI泡沫論”，輝達本身就是其“受害者”。該公司在市值觸頂後，即使業績節節高昇，仍因市場對泡沫的擔憂而遭到拋售。黃仁勳在對談中回擊稱，看看輝達的GPU有多難買，就知道是否存在泡沫了。他還透露，公司GPU的現貨價格正在上漲，除了當前的主力產品Blackwell系列外，甚至前兩代產品也在漲價。與對泡沫論的“不屑一顧”相對應，黃仁勳在對談中始終提示AI帶來的機遇是歷史性的，他號召無論發達國家還是新興國家，都應該認識到AI是一種必不可少的基礎設施，必須建構自己的AI，“利用你們的基礎自然資源，你們的語言和文化，發展你們的AI，持續改進它，讓你們的國家智能成為你們生態系統的一部分”。他看好歐洲雄厚的工業基礎和科學基礎，並認為可以憑此跳過美國更擅長的軟體階段，直接進入物理AI與機器人領域。他提示，“機器人技術對於歐洲國家來說，是一代人一次的機會”，並建議相關國家“認真考慮增加能源供應，以便能夠投資基礎設施層”。在對談的最後，黃仁勳再次強調，AI的機會非常巨大，同時也需要更多的基礎設施、更多的投資來建設這個未來。“每個人都必須參與進來，每個人都必須投入其中！”他呼籲道。以下為黃仁勳與芬克對談實錄，經鈦媒體編輯整理：勞倫斯·芬克：大家早上好。我非常榮幸地向大家介紹黃仁勳，他是我敬佩的人，是我一路學習科技和人工智慧過程中的觀察對象和老師。看他如何領導輝達，令人讚嘆。我通常不喜歡與人比較，但這次比較我很喜歡。自從輝達上市以來，那是在1999年，與貝萊德同年上市，自那時起，輝達為股東帶來的總回報復合年增長率約為30%到37%。想想看，如果每個養老基金在輝達IPO時就投資它，那將對每個人的退休儲蓄帶來多大的成功。與此同時，貝萊德也非常出色，總回報率達到21%。對於一家金融服務公司來說相當不錯，但與輝達相比，當然就遜色了。而這，恰恰極好地說明了黃仁勳的領導力以及輝達的市場定位。同時，這也是關於世界對未來信念的一個重要聲明。所以，恭喜你取得的成就。我知道我們未來還有多年的旅程要走。黃仁勳：謝謝。非常感謝。我唯一的遺憾是在IPO之後，我想給父母買點好東西。於是我在公司估值3億美元時賣了一些輝達的股票，當時公司估值就是3億美元。然後我給他們買了一輛梅賽德斯S級轎車，那是當時世界上最貴的車。勞倫斯·芬克：他們現在還留著那輛車嗎？我想當然留著。黃仁勳：是的，他們還留著。勞倫斯·芬克：現在讓我們進入正題。首先我想介紹下關於人工智慧的辯論，焦點在於它將如何改變世界和當前全球經濟。我想談談人工智慧如何為全球經濟做出貢獻，如何日益成為一種基礎性技術，讓在座的每個人都能利用它來提升我們的生活、提升世界上每個人的生活。我們需要討論它將如何重塑幾乎所有其他領域的生產力、勞動力、基礎設施。但更重要的是，它將如何重塑世界，以及如何讓世界上更多的地區受益。我們如何確保全球經濟得到拓寬，而非縮小。關於人工智慧是什麼，我想不出還有誰比你對此有更清晰的見解，因為許多主要的超大規模雲端運算公司都在使用輝達的產品。所以，再次感謝你，這是你第一次來到達沃斯世界經濟論壇，我知道你的日程非常繁忙，還是非常感謝你抽出時間。黃仁勳：謝謝。勞倫斯·芬克：那麼讓我們直接開始。你為什麼相信人工智慧有潛力成為經濟增長重要的推動力？是什麼使得當下這一刻、這項技術不同於過去的技術周期？黃仁勳：首先，當你想到人工智慧，並以各種不同方式與它互動時，包括使用ChatGPT、Gemini，或者Anthropic的Claude，以及它能做的神奇事情時，就會幫助我們回溯到計算棧根本性變化的第一性原理。這是一次平台轉型，就像向個人電腦的平台轉型一樣。平台是應用程式建構於其上的東西，我們在新型電腦上開發出了新的應用程式，我們走過了網際網路的平台轉型、移動雲端運算的平台轉型。在每一次這樣的平台轉型中，計算棧都被重塑，新的應用被創造出來。從這個意義上說，這是一次新的平台轉型。如果你認識到人工智慧能做那些你以前從未能做的事情，它就真的很容易理解。過去的軟體本質上是預錄製的。人類會輸入並描述演算法或指令，讓電腦執行。它能夠處理結構化資訊，意思是需要輸入姓名、地址、帳號、年齡、住址等。你建立這些結構化的表格，然後軟體從中檢索資訊。我們稱之為SQL查詢。SQL是全世界有史以來最重要的資料庫引擎。過去幾乎所有東西都運行在SQL上。現在我們擁有了一台能夠理解非結構化資訊的電腦，意思是它能看懂一張圖片並理解它。它能閱讀文字並理解——這些都是完全非結構化的。而現在，它能聆聽聲音並理解它，理解其含義，理解其結構，並推理出該對此做什麼。因此，我們首次擁有了一台並非預先錄製，而是即時處理的電腦。這意味著它能夠獲取環境資訊、上下文資訊以及你提供的任何資訊的情境，推理出這些資訊的含義，並推理出你的意圖——而你的意圖可以用非常非結構化的方式描述。我們正是這樣做的。你想怎麼描述就怎麼描述。我們稱之為提示詞，但你可以按你喜歡的方式描述。只要它能理解你的意圖，它就能為你執行一項任務。那麼，人工智慧是什麼？當你想到人工智慧時，你想到的是AI模型。但從產業角度看，理解這一點非常重要：人工智慧上本質上是“五層蛋糕”。最底層是能源AI。因為它是即時處理的，並且即時生成智能，它需要能源來實現，所以能源是第一層。第二層是我所在的層，晶片和計算基礎設施。再其上一層是雲基礎設施、雲服務。再上一層是AI模型。這是大多數人認為的人工智慧所在。但別忘了，為了讓這些模型得以存在，你必須擁有其下的所有層。但最重要的一層，也是正在發生的一層，其上的那一層——我們最終需要它成功的那一層——就是應用層。所以這個應用層可能在金融服務領域，可能在醫療保健領域，可能在製造業領域，這是經濟收益發生的地方。但重要的是，由於這個計算平台需要其下的所有層，都已經啟動，並且是人類歷史上最大規模的基礎設施建設。我們現在已經投入了數千億美元。這是合理的，因為所有這些情境資訊都需要被處理，以便模型能夠生成必要的智能，來驅動最終位於頂層的應用程式。所以，當你回溯並逐層推理時，你會發現能源領域正在經歷非凡的增長，晶片領域也是如此——台積電剛剛宣佈將建造20座新的晶片工廠。富士康與我們以及緯創、廣達合作，正在建設30座新的電腦製造廠，這些裝置將進入那些AI工廠。所以，晶片工廠、電腦工廠和AI工廠正在全球各地建設。還有儲存領域，對吧？美光已開始在美國投資2000億美元。SK海力士表現非常出色。三星表現非常出色。你可以看到整個晶片層如今都在驚人地增長。當然，我們現在非常關注模型層，但令人興奮的是，其上的應用層也確實做得非常出色。現在有一個指標是風險投資的去向。去年是有史以來風險投資規模最大的年份之一。去年，大部分資金流向了所謂的“AI原生企業”。這些企業遍佈醫療保健、機器人、製造業、金融服務等全球所有主要行業。你會看到巨額投資湧入這些AI原生企業，而只要模型足夠好，應用就完全可以建構於其上。勞倫斯·芬克：那麼讓我們再深入一點。顯然，我相信每個人都使用自己的聊天機器人來獲取資訊。但你談到AI的普及將是關鍵。讓我們進一步探討它在物理世界普及的相關前景。你提到了醫療保健是一個很好的例子。但你在交通或科學等領域是否也看到了一些變革性機遇呢？黃仁勳：我想說，去年在AI技術層、模型層發生了三件大事。第一是模型本身起初令人好奇和有趣，但產生了大量幻覺。而去年，我們都可以合理地接受這些模型更加可靠了。它們可以進行研究。它們能夠推理那些可能未被訓練過的情境，將其分解為逐步的推理步驟，並制定計畫來解決和回答你的問題、進行研究或執行任務。所以去年我們看到語言模型演變為我們所謂的“代理型AI系統”。第二個重大突破是開源模型的突破：DeepSeek出現了。坦白說，當時很多人都相當擔心。DeepSeek對全球大多數行業、大多數公司來說都是一件大事，因為它是世界上第一個開放原始碼的推理模型。自那時起，一大批開源推理模型湧現出來。開源模型使得公司、行業、研究人員、教育工作者、大學、初創企業能夠利用這些開源模型來啟動項目，並創造適合其需求的、針對特定領域或專業化的東西。去年取得巨大進展的第三個領域是物理智能的概念，即不僅僅是理解語言，還能理解自然的物理AI。它可以是理解我們這裡物理世界的AI，理解蛋白質、化學物質、自然物理的AI，理解流體動力學、粒子物理、量子物理的AI。這些AI現在仍在學習所有這些不同的結構和不同的“語言”。蛋白質本質上是一種語言。所以，所有這些AI現在都取得了如此巨大的進展，以至於這些行業的工業公司，無論是製造業還是藥物發現領域，都在取得巨大進步。一個重要的標誌是我們與禮來公司的合作。他們認識到，AI在理解蛋白質結構和化學結構方面取得了如此非凡的進展，基本上能夠像我們與ChatGPT對話一樣與蛋白質互動和“交談”，我們將看到一些真正重大的突破。勞倫斯·芬克：所有這些突破都引發了關於人類的擔憂。你我對此有過多次交談，但我們需要告訴所有聽眾，人們非常擔心AI會取代工作崗位，而你一直持相反觀點。但顯然，正如你所說，AI的建設——歷史上最大規模的基礎設施建設——將會發生。黃仁勳：這會在能源領域創造就業，在晶片行業創造就業，在基礎設施層創造就業，在土地、電力、設施等方面創造就業。勞倫斯·芬克：那麼讓我們更詳細地探討一下。所以實際上你認為我們將面臨勞動力短缺。那麼，在你看來，AI和機器人是會僅僅改變人類工作的性質，還是會消除工作呢？黃仁勳：我們可以從幾個不同的角度來思考這個問題。首先，這是人類歷史上最大規模的基礎設施建設，將創造大量就業崗位。而且非常棒的是，這些就業與手工藝相關。我們將需要管道工、電工、建築工人、鋼鐵工人、網路技術員、安裝和配置裝置的人員……所有這些工作崗位，我們在美國已經看到這個領域出現了相當顯著的熱潮。工資上漲了，幾乎翻了一番。所以，我們談論的是建造晶片工廠、電腦工廠或AI工廠的人們能獲得六位數的薪水，而且我們在這方面有很大的短缺。我非常高興看到這麼多國家的許多人真正認識到這個重要領域。你知道嗎，每個人都應該能夠過上美好的生活，你不需要擁有電腦科學博士學位也能做到。所以我很高興看到這一點。第二點要認識到，我們常常會理論化地討論任務的自動化等等，以及這對工作崗位意味著什麼。我想舉一些真實的例子，這些是實際發生的情況。記得十年前，第一個被認為將被淘汰的職業是放射科醫生。原因是，第一個在能力上超越人類的AI是電腦視覺，而電腦視覺最大的應用之一就是放射科醫生研究掃描影像。十年後的今天，確實AI現在已經完全滲透並擴散到放射學的每一個環節。確實，放射科醫生使用AI來研究掃描影像。現在，它的影響是100%的，而且是完全真實的。然而，並不令人意外——如果你從第一性原理出發思考，就不會感到意外——放射科醫生的數量增加了。勞倫斯·芬克：這是因為缺乏信任嗎？還是因為人類與AI結果互動的需求？黃仁勳：完全正確。原因在於，放射科醫生的工作，其目的是為患者診斷疾病。而工作的任務包括研究掃描影像。現在他們能夠無限快地研究掃描影像，這使他們有更多時間與患者在一起診斷疾病，與患者互動，與其他臨床醫生互動。自然而然地，醫院能夠接待的患者數量增加了，隨後醫院的收入增加了，所以他們僱傭了更多的放射科醫生。同樣的情況也發生在護士身上。美國短缺約500萬名護士，現在可以通過使用AI來處理患者就診的記錄和轉錄工作，而護士們此前一半的時間都花在記錄上。一家名為Abridge的公司是我們的合作夥伴，他們做得非常出色。結果，護士們可以有更多時間探望病人，給予人文關懷。因為現在可以接待更多患者，我們不再受護士數量的瓶頸限制，更多患者可以更快地進入醫院。因此，醫院營運得更好，就會僱傭更多的護士。AI提高了他們的生產率，也增加了僱員數量。我想這是兩個完美的例子。現在，思考AI對某項工作影響的簡單方法是：理解這份工作的目的和任務分別是什麼。也許，如果你只把鏡頭對準我們倆，觀察我們，你可能會認為我們倆是打字員，因為我所有時間都在打字。所以如果AI能自動化這麼多預測性工作並幫助我們打字，那我們就會失業。但顯然那不是我們的目的。所以問題是：你工作的目的是什麼？對於放射科醫生和護士來說，目的是照顧人，而這個目的因為任務被自動化而得到增強，使他們更具生產力。因此，當你推理每個人的目的與任務，我認為這是一個有用的框架。勞倫斯·芬克：讓我們把話題擴展到發達經濟體之外。幫我理解一下，AI如何在全球範圍內傳播並幫助世界？我上周末讀了一篇關於Anthropic的文章，文章基本上說，最近AI的使用主要由受過教育的社會階層主導，甚至看到每個社會中受過教育的群體使用率遠高於其他群體。那麼我們如何確保AI成為一種變革性技術，就像Wi-Fi和5G對於新興世界那樣？我們如何拓寬全球經濟？第二，回到整個關於機器人和AI的工作崗位情況，那裡會有一些替代發生，並且替代已經在美國發生。我們可能在創造更多的管道工和電工，但我們可能不再需要那麼多金融機構的分析師、律師，因為AI能更快地積累資料。那麼，讓我們先關注一下新興世界或者開發中國家，你如何看待這種回報？黃仁勳：首先，AI是基礎設施。我無法想像世界上有那個國家不需要將AI作為其基礎設施的一部分，因為每個國家都有電力、道路，你也應該有AI作為基礎設施的一部分。當然，你總是可以進口AI，但如今訓練這些AI模型並不那麼困難。而且因為有這麼多開源模型，憑藉你們當地的專業知識，你們應該能夠建立對自己國家有益的模型。所以我真的相信，每個國家都應該參與建設AI基礎設施，建構自己的AI。利用你們的基礎自然資源，即你們的語言和文化，發展你們的AI，持續改進它，讓你們的國家智能成為你們生態系統的一部分。第二點，大家應該記住，AI非常易於使用。它是有史以來最容易使用的軟體。這就是它增長最快、採用最迅速的原因。僅僅在兩三年內，使用者量就接近10億了。我想說，首先Claude非常了不起。Anthropic在開發Claude方面取得了巨大進步和飛躍。我們公司在各處都在使用它。Claude的程式設計能力、推理能力，以及其他能力，都非常不可思議。任何軟體公司都應該使用它。另一方面，ChatGPT可能是有史以來最成功的ToC的AI，比如它的易用性和親和力，我也認為每個人都應該參與進來，無論是開發中國家的人，還是學生。現在很清楚的是，學習如何使用AI、如何指導AI、如何提示AI、如何管理AI、如何為AI設定護欄以及評估AI，這些技能與我們領導、管理人員沒有什麼不同。所以未來，除了生物性的、碳基的“AI”，我們還將擁有數字版本的AI、矽基版本的AI，我們必須管理它們。它們將成為我們數字勞動力的一部分。因此，我建議開發中國家：建設你們的基礎設施，參與AI，並認識到AI很可能彌合技術鴻溝，因為它如此易於使用、如此豐富、如此易於獲取。所以，你知道，我對AI提升新興國家潛力的前景實際上是相當樂觀的。對於那些沒有電腦科學學位的人來說，你們現在都可以成為程式設計師了。過去，我們必須學習如何程式設計。現在，你可以通過詢問電腦“我該如何程式設計你？”來完成程式設計。如果你不知道如何使用AI，只需走到AI面前說：“我不知道如何使用AI。我該怎麼使用AI？”然後它會向你解釋。你說：“我想寫一個程序來建立我自己的網站。我該怎麼做？”它會問你一系列關於你想建構什麼樣網站的問題，然後為你編寫程式碼。它就是那麼容易使用。這當然就是AI令人難以置信的、令人興奮的力量。勞倫斯·芬克：還有兩個簡短的問題，我們現在身處歐洲。我們剛才談論了很多公司，提到了很多美國公司和亞洲公司。跟我們談談AI與歐洲未來的成功將如何交匯，以及輝達將在歐洲扮演什麼角色？黃仁勳：我很幸運。輝達有幸與世界各地的AI公司合作。因為我們處於基礎設施底層，我們為所有AI提供動力，無論是語言AI、生物學AI、物理學AI，還是與製造業和機器人相關的世界模型AI。對於歐洲來說，真正令人興奮的是，歐洲的工業基礎非常強大。這是機會，可以跳過軟體時代，直接進入新階段。美國確實引領了軟體時代。但AI是一種不需要編寫軟體的軟體。你不編寫AI，你教導AI。所以現在就及早參與，這樣你們就可以將你們的工業能力、製造能力與人工智慧融合起來。這將把你們帶入物理AI或機器人的世界。機器人技術對於歐洲國家來說，是一代人一次的機會。無論是德國、法國，還是我訪問過的所有國家，工業基礎都非常強大。另外要認識到的是，歐洲的深厚科學基礎仍然非常強大，而現在可以受益於應用人工智慧來加速你們的發現。所以我認為，相當確定的是，你們必須認真考慮增加能源供應，以便能夠投資基礎設施層，從而在歐洲擁有一個真正豐富的人工智慧生態系統。勞倫斯·芬克：我聽到很多觀點稱，我們遠未到AI泡沫的階段。問題反而是，我們的投資足夠嗎？讓我們換個角度，因為有很多人在談論泡沫，但是否真正的問題是我們是否投入了足夠的資金來拓寬全球經濟所需做的事情？黃仁勳：檢驗AI泡沫的一個好方法是認識到，輝達的GPU現在已有數百萬台部署在各個雲服務商的雲端，我們在每個雲端都被使用。如果你現在想租用輝達的GPU，那真是太困難了。GPU租賃的現貨價格正在上漲，不僅是最新一代的，連前兩代的GPU租賃價格也在上漲。原因在於，正在建立的AI公司數量眾多，企業正在將其研發預算轉向AI。禮來就是一個很好的例子。三年前，他們幾乎所有的研發預算可能都花在實體實驗室上。注意他們投資的大型AI超級電腦、大型AI實驗室。未來，他們的研發預算將越來越多地轉向AI。所以，所謂的AI泡沫之所以出現，是因為投資規模巨大。而投資巨大，是因為我們必須為所有上層AI建構必要的基礎設施。因此，我認為機會確實非常巨大，每個人都必須參與進來，每個人都必須投入其中。我們需要更多能源。我想我們都認識到了這一點。我們需要更多的土地、電力和設施。我們需要更多具有技能的技術工人。事實上，歐洲在這方面的勞動力人口非常強大。是的，在很多方面，美國在過去二三十年裡失去了這部分，但它在歐洲仍然非常強大。這是一個利用這一優勢的非凡機遇。所以，我想說，我們都看到了投資機會和投資規模正在上升。正如我早些時候提到的，2025年是有史以來風險投資規模最大的一年，全球超過1000億美元，其中大部分流向了AI原生企業。這些AI公司基本上正在建構其上的應用層，它們將需要基礎設施，需要我們的投資，來共同建設這個未來。勞倫斯·芬克：我實際上相信，這將成為全球養老基金的一個絕佳投資機會，參與其中，與這個AI世界共同成長。這是我傳遞給各位政治領導人的一個資訊：我們需要確保普通養老金領取者、普通儲蓄者能夠分享這種增長。如果他們只是作為旁觀者，他們將會感到被排除在外。黃仁勳：我也希望他們投資於輝達。基礎設施是一項偉大的投資。這是人類歷史上規模最大的基礎設施建設。是的，參與進來吧。勞倫斯·芬克：時間到了。希望現場的每一位聽眾，以及網路直播的每一位觀眾，都能看到黃仁勳作為領導者的力量，不僅僅是技術和AI領域的領導者，更是商業領域的領導者，同時也是一位充滿心與靈魂的領導者，這在當下尤為重要，需要這種發自內心和靈魂的領導力。謝謝大家。謝謝。 (鈦媒體)

微軟CEO薩蒂亞·納德拉在達沃斯論壇提出清醒論斷：除非人工智慧的紅利能廣泛惠及除了矽谷和富裕國家之外的地方，否則當前的AI熱潮可能淪為投機泡沫。而能源成本最終將決定那些國家能贏得AI競爭，“token”代幣會是新的全球大宗商品。截圖來自世界經濟論壇官網直播視訊“未來，任何地方的GDP增長都將與‘每美元每瓦特產生的算力’直接相關。”1月20日，微軟CEO薩蒂亞·納德拉（Satya Nadella）在瑞士達沃斯小鎮舉辦的世界經濟論壇第56屆年會上參與了一場對談，談及了AI的現狀及未來，並重點論述了他對AI發展與能源成本、AI泡沫及數字主權、AI時代組織轉型等問題的看法。貝萊德董事長兼CEO、世界經濟論壇臨時聯合主席勞倫斯·芬克（Laurence D. Fink）主持了對談。電力短缺將是制約AI發展的最關鍵瓶頸之一。去年11月，納德拉在與OpenAI CEO薩姆·奧爾特曼（Sam Altman）談及了該話題，引發廣泛關注。在最新達沃斯對談中，他再次提示，需要高度重視“每美元每瓦特產生的算力”。他分析稱，算力定價目前每三個月就會下降一半，人們已經開始規劃如何利用算力創造盈餘。但從總體擁有成本的角度考量，能源成本、資料中心成本等都要計算進去。當我們將算力視作新的商品，而經濟體和公司的目標變成“將算力轉化為經濟增長”時，誰擁有更低的成本、更便宜的商品，誰就能取得先機。當芬克問到對“缺乏自己的電力、高度依賴進口的歐洲”的建議時，納德拉直言，歐洲的核心競爭力在於用自己的產品滿足全球需求，而非僅僅保全歐洲內部的安全。在AI發展中，該區域的當務之急應該是確保企業能獲取全球資料來訓練AI，並將本地建設與全球思維結合，以維持領導力，而非僅僅關注安全、監管。對於市場高度關注的“AI泡沫”，納德拉稱，如果對AI的關注及價值只停留在科技圈、生產側，那麼問題必然會出現。只有當AI的好處廣泛擴散到製藥、金融等各行各業的需求，真正解決實際問題並帶來全球性的生產率提升與地方經濟盈餘時，才能避免泡沫，實現可持續增長。實際上，微軟也並非當下最受市場矚目的“AI贏家”。Business Insider曾報導，納德拉有意推動微軟轉型，並重新思考其在AI時代的商業模式，為此還聘用了曾在公司雲端運算發展中做出貢獻的羅爾夫·哈姆斯（Rolf Harms）擔任AI經濟學顧問。在最新的訪談中，他提到，初創公司更能快速使用並借助新工具提升生產力，但快速實現規模化難度仍然不小。而大型組織雖有資料、人際關係、專業知識等優勢，但仍面臨根本性挑戰，必須通過“新的生產函數”將其轉化為實際生產力，否則將被超越。他認為，總體來說大型企業面臨的管理調整將會更大，而這場轉型的本質則是對領導力意志的考驗，任何企業的自滿都可能導致其在激烈競爭中落後。AI徹底顛覆了組織內的資訊流動方式，帶來“資訊流扁平化”的革命，企業也必須主動利用技術重構工作流程，並準備好高品質的“上下文”供AI學習，完成工作流程的重塑。納德拉還重點強調，人們完全沒能重視AI時代“企業主權”的重要性。他建議企業必須捍衛自身的“AI主權”，將公司獨特的隱性知識和專有資料嵌入並控制在自己擁有的模型之中，而非僅僅依賴外部通用模型，從而防止核心企業價值的流失。對於可預見的未來，他認為不會有一個大模型佔據統治地位，而在“多模型時代”，企業的競爭優勢不在於選擇一個“最佳模型”，而在於掌握 “編排”的藝術，整合各類模型和資料，最終創造出專屬於自身的、能驅動關鍵業務成果的AI能力與智慧財產權。“誰能解決這個問題，誰就將取得進步。”他表示。以下為納德拉與芬克對談實錄，經鈦媒體編輯整理：勞倫斯·芬克：我們先來談談人工智慧，這幾乎是當下每個人心中最關心的話題，它關乎商業、技術和社會的交匯。薩蒂亞，你知道，我們正在將AI從一種實驗性的、我們總是談論的未來事物，變成今天的基礎性現實。它現在不僅是公司的基礎，而且真正開始成為國家和整個社會的基礎。你處在這場技術變革的最前沿，應該比其他人更瞭解這些。基於此，我想問幾個問題。首先，你曾將AI描述為一次平台級變革，這是什麼意思？第二個問題，你認為未來幾年這種轉變將走向何方？第三個問題是，我們快進幾年，比如五年後當我們回顧今天時，有那些事會是那時顯而易見，而今天卻不太清晰的？薩蒂亞·納德拉：首先，很高興再次來到這裡。事實上，昨天我讀了你為論壇開幕寫的致詞，信中有一行話我印象很深。你提到，在AI方面，我們所有人面臨的真正問題是，如何確保AI的擴散得以實現並且迅速發生？如何讓模型、資料和基礎設施更均衡地傳播，從而在各處創造盈餘？從某種意義上說，我思考這個問題的方式是，這始終是計算的演進軌跡。你可以回顧過去30年或70年的歷史，核心始終是：能否將關於人、地點和事物的資訊數位化，然後建立分析和預測能力。這就是大型機、小型機、客戶端-伺服器時代、網路時代、移動雲時代所做的事情。所以，無論那種範式或平台，這都是一條連續的弧線，即通過數字形式進行推理，來更好地理解這個世界。因為在某種意義上，一旦你將這些資訊數位化，你就可以使用像軟體這樣更具延展性的資源。它沒有相同類型的邊際成本經濟學限制，這使我們能夠建立更多的洞察力和能力。在這個背景下，我認為AI屬於同一類別，至少和網路、網際網路、移動、PC或雲一樣重要，甚至可能更重要。因此，在我看來，我們目前所處的階段，就拿軟體工程領域發生的事情來說，主要是一項知識工作，可以說是精英知識工作。事實上，我對這一代AI及其能力的信念，最初是當我看到GitHub Copilot完成程式碼補全時建立起來的？長久以來，我們一直夢想著，一名軟體開發人員何時才能預測下一個詞或下一行程式碼？突然間，AI模型就開始讓這些實現了。然後你說，好吧，如果我能做到這一點，那麼我是否可以通過進入聊天會話並提出任何問題，來恢復開發者的工作流，讓它給出答案，然後用在編碼流程中？這就是接下來發生的事情。然後你又會說，好吧，如果這行得通，我能給它分配小任務嗎？那就是“代理AI”。現在你有了完全自主的代理，你可以把你的整個項目交給AI了，而且它可以7天24小時不間斷的工作。我的意思是，要讓這些東西長時間保持連貫性，我們還有一段路要走。但不管怎樣，它正變得越來越好。有趣的是，你看，軟體開發人員在其中仍然擁有很大的自主權，對吧？這就是為什麼我仍然認為，把這些東西想像成存在於人類能動性領域之外的事物並不正確。事實上，或許可以這樣理解：比如在80年代初，如果有人告訴我們，將有40億人每天早晨醒來開始打字。你只會問為什麼，對吧？我們有一個打字員池就夠用了，我們不需要40億人打字。但事情就這樣發生了。我們發明了“知識工作”這個全新的類別，人們開始真正使用電腦來放大我們試圖通過軟體實現的目標。我認為在AI的背景下，同樣的事情將會再次發生。這並不意味著硬核編碼將永遠保持硬核編碼的狀態。只是抽象層級會改變，但我們也將擁有程式碼作為輸出，就像文件一樣。事實上，從我在92年加入微軟那天起，比爾就一直強調的一件事就是：文件、網站和應用程式之間真正的區別是什麼？答案是缺乏能夠自我轉換的軟體。有趣的是，AI最終給了我們這種能力，對吧？我可以寫一份文件。我可以說，不，我不想要文件，我想要一個網站。它就會用程式碼把那份文件轉換成一個網站。我說，我不喜歡這個網站，我想要一個應用。它會寫更多的程式碼來轉換它，使得推理能力、預測能力、採取行動的能力能夠長期保持連貫，這一切都在改進。而我們的工作是利用這一點，就像你和貝萊德正在做的事情一樣，對吧，當你把Copilot Plus和Aladdin這樣的東西結合起來，來提高公司內部做決策時的生產力時，你們就是在利用這一點。勞倫斯·芬克：我可以告訴你，在我們的公司，過去需要12小時計算的事情，現在只需要幾分鐘。即使需要處理著14兆美元的資金，涉及數十萬個不同的授權，我們也可以即時完成。對我來說，如果沒有今天的技術和AI，我們將無法以我們當前的規模來運作。薩蒂亞·納德拉：沒錯。所以在我看來，如果我們能夠真正利用這些算力來改變生產率曲線，那麼到處都會產生盈餘，而這正是真正的目標。勞倫斯·芬克：是的，不過也可能令人不安。這會意味著更少的勞動力需求嗎？我們所說的盈餘是什麼意思？所以，我要把這個問題和我第二個關於AI擴散的問題聯絡起來。對我來說，AI對社會乃至對一個更平衡世界的全部意義，在於確保它在全球範圍內擴散、可及和可用。那麼，你能描述一下這個過程嗎？這個跨越經濟體、公司和國家的過程，將如何展開？薩蒂亞·納德拉：我認為這才是真正的問題。因為當前的時代精神有點在於對AI抽象形式或其作為技術的讚賞。但我認為，我們作為一個全球共同體，必須達到這樣一個點，即我們利用它來做一些有用的事情，從而改變人民、社區、國家和行業。否則，我認為沒有多大意義。事實上，我認為如果我們不能做到這一點，不能改善健康結果、教育成果、公共部門效率、私營部門競爭力的話，我們甚至會迅速失去社會的認可，無法將能源這樣的稀缺資源用於生成算力。顯然我提到的這些才是最終目標。因此，我認為擴散就是一切。它的發生方式是這樣的，在供應方面，每個國家需要推動的，是每美元每瓦特產生的算力必須變得更高效、更好。所以在某種程度上，甚至我們兩家公司在全球所做的投資，也是在試圖確保供應到位，這包括從晶片開始，一直到最終部署在各處的“算力工廠”。順便說一下，不會只有一個算力工廠。這種算力工廠將是第一種擴散到全球各地的東西，就像電力一樣。你只需要一個無處不在的能源和算力網路，然後它就能驅動其餘的經濟。我認為這是一方面。然後，需求方面，我們可以說，每家公司都必須開始使用它。回顧過去，即使是PC首次出現或個人計算時代開始時，我記得賈伯斯有一個很好的比喻，他稱之為“心靈的自行車”，比爾·蓋茲也有一個比喻，我記得是“指尖的資訊”。這兩個比喻都很棒，這就是事情的本質，它是一種工具，我可以用它來獲取指尖的資訊，或將其作為認知放大器。現在我認為我們擁有的正是這個。從某種意義上說，作為知識工作者，你現在可以接觸到無限的智慧。圖靈獎得主拉吉·雷迪有一個關於AI的絕妙比喻，甚至在生成式AI出現之前他就說過。他說，它要麼是認知放大器，要麼是守護天使。所以，如果你這樣看待AI，那麼在全球化勞動力中，醫生可以在接觸病人時花更多的時間在病人身上，因為AI正在做轉錄並將記錄輸入電子病歷系統，輸入正確的帳單程式碼，從而使醫療保健行業、提供者和患者都得到更好的服務。這是一個我們都能從中受益的結果。所以我覺得，最終這需要私營部門和公共部門的真正領導力來確保擴散發生。另外，我要提到的另一點是“模式”。從某種意義上說，擴散與一件事高度相關，那就是有多少人掌握了使用這項技術的技能。有趣的是，我認為如果移動時代教會了我們一件事，那就是它實際上與PC時代發生的事情不同。我記得即使是在全球南方成長，學習Excel技能或Word技能與找到工作之間都曾經有很直接的關係。現在，移動時代的模式是什麼？它創造了類似的機會，但更多是由消費驅動的，比如創作者經濟等等。但現在它應該是關於，這就是你如何獲得一份醫療保健工作，或者一份金融工作，或者如何在專業上取得進步，這是一種回歸。人們會說，哦，我掌握了這項AI技能，現在我在實體經濟中成為了更好的產品或服務提供者。勞倫斯·芬克：所以，很容易看出移動技術及其擴散如何改變了經濟，尤其是在全球南方。你知道，對我來說，我剛讀了一份研究報告，說迄今為止AI的應用嚴重偏向於受過教育的人群或經濟體。那麼，這會不會造成更大的分化，更多的極化？我們如何確保擴散是均勻的？我們如何確保不會讓社會或世界的主要部分掉隊？因為我認為這將成為我們前進道路上的大問題。薩蒂亞·納德拉：是的，通過已經建立的通道，我們有能力相當均勻地在世界各地輸送算力，比PC時代甚至移動時代初期要好得多。因為即使是智慧型手機，特別是智慧型手機，要滲透到全世界也花了很長時間，而現在情況不同了。這些模型及其輸出幾乎在任何地方都可用。所以對我來說，問題是如何找到有意義的應用場景。事實上，我經常回顧的一個演示，我想那是在2023年初，一位印度農村的農民能夠使用一個基於早期GPT-3甚至2.5建構的聊天機器人，用當地語言來推理他聽說過的某些農業補貼，甚至在那個非常早期的階段，就能讓它展現出一些代理行為，比如幫我填完一張表格。所以在某種意義上，它把能動性帶給了那些原本可能沒有的人，因為技術變得更易得了。所以我確實認為，即使在全球南方，主動權也在我們手中，利用它來創造更多原本不存在的機會。但我認為必要的條件仍然是：是否有資本投入？是否有吸引資本的環境？我們作為超大規模雲提供商，正在全球範圍內投資，包括全球南方，我們也更加需要一個能吸引投資的營商環境。勞倫斯·芬克：而且你也看到了需求。薩蒂亞·納德拉：是的，需求就在那裡。所以問題是，如何制定一套政策，既能讓資本流入，又能讓它落地找到與當地的結合點。順便說一下，有些事情只有私人資本能做，有些事情只有公共資本能做，例如電網，在大多數國家，電網基本上是由政府驅動的公共事業。所以，如果你沒有一個複雜的電網或其他現代化的方法，那將會拖累發展。當然，也有很多關於“電表後端”解決方案的討論等等，我們可以有所作為。勞倫斯·芬克：在美國可以，但許多國家不行。薩蒂亞·納德拉：沒錯，而且從長期來看，這是不可持續的。我的意思是，對我來說，一個長期可持續、擴展的解決方案是，讓所有這些“算力工廠”成為實體經濟的一部分，連接到電網，連接到電信網路，並進行輸送。就像我們輸送位元一樣，你必須輸送算力加位元。這將驅動大規模的發展，無論是在全球南方還是在發達國家。勞倫斯·芬克：很多人談論可能存在AI泡沫。作為投資者，我們看到的最重要的事情是技術的民主化和擴散，這確實會改變需求，而擴散最快的公司或國家將成為最終的贏家，而不是技術的創造者。薩蒂亞·納德拉：這正是關鍵。要讓這不成為一個泡沫，從定義上講，就需要讓這項技術的好處更均勻地傳播。我認為，判斷它是否是泡沫的一個跡像是，如果我們談論的僅僅是科技公司，只談論技術方面發生了什麼，那麼從定義上講，這只是純粹的供給側。最終，如果我們不談論，例如這裡有一家製藥公司或一種藥物進入市場非常成功，是因為AI加速了臨床試驗等案例，就出現了問題？所以，我並不是在空談。我更加確信，這項技術將建立在雲和移動的軌道之上，更快地擴散，改變生產率曲線。並在世界各地帶來地方性盈餘和經濟增長，而不僅僅是由資本支出驅動的經濟增長，因為那只是某個時間點的狹義計算。我們在發達國家尤其能看到這種情況，但我所說的資本，雖然我們確實在美國投入了很多，但也有約50%分佈在世界各地。所以有趣的是，這取決於全球各地的需求，而全球各地的需求只有在那裡存在地方性盈餘時才會出現。這就是我看待“AI泡沫”的方式。勞倫斯·芬克：那麼讓我們再深入一點。隨著AI擴散，顯然組織、公司、政府都必須演進。現在進入需求側，你認為在AI世界裡，組織的結構將如何變化？我相信微軟自身也在演進，所以也許你可以告訴觀眾，你如何看待這種擴散在公司層面或政府層面的利用，這最終將怎樣創造需求，從而消除對泡沫的恐懼。薩蒂亞·納德拉：我認為這可能是所有新技術帶來的重大挑戰之一：當工作產物和工作流程發生變化時，意味著我們作為公司必須改變工作方式。事實上，我記得幾年前見過忠利保險的CEO，他描述說他加入公司時還在前PC時代，他描述了他們如何通過電傳、辦公室間備忘錄與現場代理合作，突然PC出現了，人們開始用電子表格和電子郵件傳送，整個工作流程和過程都改變了。同樣，我認為隨著AI爆發，你將開始看到工作流程的實際變化。事實上，對我來說，來達沃斯開會，不管我有多少場雙邊會議，準備這些會議都有一個特定的工作流程。就是我的現場團隊會準備簡報，傳到總部，再進一步提煉。從我92年加入公司到幾年前，這幾乎沒什麼變化。而現在，我直接去Copilot說，嘿，我要見勞倫斯·芬克，請給我一份簡報。它就會給我一份。順便說一下，一個好處是它給了我一個全景檢視，它知道我們作為客戶在與你們做什麼，也知道我們作為你們的客戶在做什麼，以及介於兩者之間的所有投資事宜。所以，它捕捉資訊的能力是前所未有的。事實上，我會立即把那份簡報分享給我所有職能部門的所有同事？想想看，這徹底顛覆了組織內的資訊流動方式。不是那種經典的：我們有一個組織，我們有部門，我們有專業分工，資訊慢慢向上傳遞。不，它實際上是扁平化了整個資訊流。一旦你開始這樣做，你就必須重新設計結構。所以當前的結構可能不再合理，因為你希望人們能夠以資訊自由流動的方式工作。所以，這讓我想到，如果非要總結一個公式，我認為要從心態開始。我們領導者應有的心態是：我們需要思考如何用技術改變工作流程，然後這需要技能。所以你不能抽象地談論這個。你必須使用它，你必須信任它。你不能只是害怕它，它必然將會擴散。另一個重要的考慮因素是，如何確保你擁有提供上下文的資料集。這就像你有了一個新的智能層，但這個智能層的好壞取決於你給它的上下文。人們甚至將其描述為“上下文工程”，但這就是公司做的事情，對吧？想想公司是做什麼的，都是關於我們作為不同部門的人員，通過處理檔案和資訊流動而擁有的隱性知識。所以問題是，如何讓這個AI也擁有那個上下文？這些是必須滲透到整個組織中去利用的一些新事物。事實上，這就是為什麼我認為你會看到那個挑戰：為什麼我沒有立即看到生產率的提升？因為你必須做艱苦的工作。事實上，這就是為什麼它不會在某個時點突然爆發。公司之間會有差異，行業之間可能有差異，但這根本上將取決於組織的領導力意志。勞倫斯·芬克：你看到應用是跨越大型、中型和小型公司在使用，還是目前主要仍是大公司的領域？薩蒂亞·納德拉：我認為你看到的情況是，如果你是從零開始，更容易採用這些工具，因為你是在知道這些工具存在的情況下建構你的組織。勞倫斯·芬克：這像是一種“啞鈴現象”，剛起步的小公司可以更好的使用新平台。薩蒂亞·納德拉：是的。事實上，我認為即使對於大型組織，也存在根本性的挑戰。除非你的變化速度跟得上可能的發展步伐，否則你將被某個能利用這些工具迅速達到規模的小公司超越。但是，我認為大型組織有固有的優勢：你有人際關係、有資料、有專業知識。但關鍵是，如果你不通過一種新的生產函數來轉化這些優勢，那麼你實際上就會停滯不前。因此，大型組織的變革管理挑戰將會更大。對於小型組織來說，如何克服規模問題，也是一種很有難度的結構性挑戰。所以，這以一種有趣的方式呈現出兩面性。這將是一個競爭異常激烈的世界，無論你是新進入者還是現有企業，都不能把它當作理所當然。勞倫斯·芬克：那國家之間呢？你是否看到應用使用方式上的巨大差異？AI仍然是發達國家的專屬領域，還是正在迅速成為所有國家的領域？薩蒂亞·納德拉：我有兩件事要說。當我周遊世界時，無論是專業知識、軟體開發人員、初創公司還是大型組織的水平，差異並不大，這很有趣。在雅加達、伊斯坦布林和墨西哥城，與在西雅圖或舊金山並沒有太大不同。我想這是我們的世界第一次出現這種情況，僅僅是因為獲取正在發生的事情的管道是存在的。也就是說，從規模上看，對使用這項技術的承諾、風險資本的存在、大公司的強力推動，成就了這一現實。比如，在美國，如果我們比較一下，就拿金融業來說，金融業對雲的採用與今天對AI的採用相比，速度完全不同，在AI方面要快得多，而云因為各種原因相對較慢。勞倫斯·芬克：還有監管問題，在監管機構允許下一步之前，把資料移出內部網路是個大問題。薩蒂亞·納德拉：所以我想說，我認為無論在那裡，你知道，在西方，特別是在美國，顯然有一種真正的、我認為是更多的圍繞使用它的活力，但它也比我所見過的任何技術都更均勻地在世界各地傳播。勞倫斯·芬克：你提到了電力、電網。如果電力價格高，需求成本高昂，這會不會成為影響AI可及性的決定性因素之一？薩蒂亞·納德拉：百分之百，如果你看看每美元每瓦特產生的算力，就能預測事情會如何發生了。從某種意義上說，我認為任何地方的GDP增長都將與之直接相關。根據我的整個論點：你擁有一種新的商品，就是算力。而每個經濟體和經濟體中每家公司的任務，就是將這些算力轉化為經濟增長。那麼，如果你擁有更便宜的商品，那就會更好。這就是為什麼“每美元每瓦特產生的算力”如此重要。順便說一下，這包含許多要素，不僅僅是生產側，這就是為什麼我認為擁有電網也很重要。如果你考慮總體擁有成本，那麼一切因素都要被計算進去，包括你如何成為廉價的能源生產者？你能建造資料中心嗎？矽和電力系統的成本曲線是怎樣的？還有，看看算力的定價，算力定價基本上每三個月下降一半，這就是為什麼我認為人們可以真正規劃如何利用算力創造盈餘，因為你知道你擁有一種價格只會單調快速下降的商品。勞倫斯·芬克：我們現在身處歐洲，這裡有一種真實的擔憂，因為歐洲沒有自己的電力，大部分電力需要進口。你對此有什麼資訊要傳遞給歐洲嗎？薩蒂亞·納德拉：我認為時期有兩方面。一是，我們現在在瑞士，我看到製藥業或金融業，他們在這個國家和歐洲做著重要的工作，但他們也是國際品牌，有國際業務。所以，每當我想到歐洲時，有一點是歐洲人生產的產品和服務實際上銷往世界各地。因此，歐洲的競爭力是關於其產出在全球的競爭力，而不僅僅是在歐洲內部。我覺得有時在歐洲，很多對話只侷限於歐洲本身。但歐洲經濟的繁榮是因為他們能夠生產世界需要的東西。你知道，在過去200年、300年裡，西方的奇蹟根本上源於歐洲發生的事情。這是我想說的第一點。我還想強調，這裡的人力資本非常出色，是世界級的。但要繼續做到這一點，你必須繼續投資於生產，擁有能源和算力，正如我所說，我們和其他公司正在這裡投資建設資料中心。所以問題是，接下來從這裡產出的會是什麼？每當我去美國的珠寶店或牙醫診所，我總是想到德國的“隱形冠軍”，我被德國的“隱形冠軍”產品包圍著，這代表了一個國家的工程實力。現在的問題是，每個人都在談論主權和資料這個、資料那個，但歐洲實際上更應該關心的是他們的工業公司、金融服務公司能否獲取來自美國及世界其他地區的資料，而不是僅僅認為通過保護歐洲就能保持競爭力。歐洲只有在產自歐洲的產品具有全球競爭力時才能保持競爭力。所以我認為，這需要改變。我知道歐洲在隱私方面領先，這很棒。歐洲在AI安全和許多其他方面也領先，這是也一個很好的特點。但你還必須通過本地建設和全球思維來補充它。這片大陸將為世界其他地區做出什麼貢獻，正如它在歷史上一直是一位領導者那樣。勞倫斯·芬克：那麼，你認為圍繞資料主權的整個概念，是否被誤解了？薩蒂亞·納德拉：我認為，當人們談論主權時，首先，它顯然非常重要。尤其是在像這樣的一周裡，它更重要。但話雖如此，你必須思考主權意味著什麼。例如，在AI領域，一個很少被討論但我覺得在今年將被最多討論的話題，將是公司的主權。想像一下，如果你的公司無法將公司的隱性知識嵌入到一組你控制的模型權重中。從定義上講，你就沒有主權。這意味著你正在將企業價值洩露給某個地方的某個模型公司。現在幾乎沒人談論這個，對吧？每個人都在談論其他所有事情，那些外圍的事情，但這才是最重要的事情。其他問題都是技術上更容易解決的問題，但有一個問題只能通過你對隱性知識有更多的主權和控制模型來解決。這不是單向的企業價值轉移。所以對我來說，我認為主權需要對它是什麼進行真正的思考，你知道，掌控命運意味著你生產獨特產品的能力得以保留。就像大衛·李嘉圖所言，國家有比較優勢。而公司也有需要保持的競爭優勢，即使在AI時代也是如此。這才會給你真正的主權。勞倫斯·芬克：最後一個問題，在五年或十年內，我們會有一個所有人都將使用的主導模型嗎？微軟為此在做何準備？我們會為企業使用一個模型，為其他場景使用另一個模型嗎？薩蒂亞·納德拉：你知道，過去的三年、四年裡，我們一直在做這件事。而現實情況是，這是一個多模型的世界。我的意思是，我們未來仍將會有多個模型。而訣竅在於你如何利用這些模型，事實上，你可以通過提煉它們來建構你自己的模型。更重要的是，你可以進行所謂的“硬性編排”或“駕馭工程”。因此，任何應用程式或公司的智慧財產權在於，你如何利用所有這些模型，結合上下文工程或你的資料來進行產出。而這就是藝術所在。所以，未來的場景和問題是，我能否引入所有模型，無論是閉源的、開放原始碼的，還是我自己建構的模型，對它們進行編排，並輸入我的資料，從而改變我關心的某個結果的軌跡。這就是整個圖景。我首先生產某種產品或服務，我需要在銷售方面做得更好，或者在研發方面做得更好，或者在財務方面做得更好，等等。然後你設定目標結果，考慮能否利用所有模型，對它們進行編排，並輸入自己的上下文。然後，作為結果，推理軌跡能真正導向一些我作為智慧財產權控制的、屬於我的能力和模型。只要公司能回答這個問題，它們就會取得進步。勞倫斯·芬克：女士們先生們，讓我們感謝薩蒂亞，謝謝。希望這是在世界經濟論壇上許多偉大對話和討論的開始。謝謝大家。 (鈦媒體AGI)

談對川普的印象：“首先，他是一個極其善於傾聽的人。幾乎我說過的每一句話，他都記得清清楚楚。其次，他的工作態度非常勤勉。他的工作勁頭不輸任何人，經常和我們談到深夜。有時我已經困得想上床睡覺，他卻還能精力充沛地繼續討論好幾個小時。我從未見過如此敬業的人。這種特質貫穿了他的一生 —— 據我觀察，他每周七天都在工作，幾乎沒有所謂的 “下班後時間”，永遠都在處理事務。”談晶片出口管制：“我們陷入了一種矛盾：一方面，我們希望限制美國技術向中國出口；另一方面，我們又想進入中國市場。而中國的立場恰恰相反：他們既希望本土科技企業能獲得最先進的技術，推動人工智慧技術堆疊各層面的發展，為本土企業爭取追趕的機會，又希望能保護本國市場。這種矛盾在兩國身上都存在。恕我直言，輝達的技術確實處於世界領先水平，我們有能力為中國的科技企業提供助力。我們也十分期待能有機會進入中國市場，通過公平競爭贏得業務。這樣做不會造成市場混亂，也不會引發恐慌情緒，自然能有效緩解雙邊緊張關係，讓中美關係保持平衡穩定。”談中美關係：“外界沒有意識到，美國和中國之間的相互依存程度有多深。那些鼓吹 “美國與中國脫鉤” 的論調，在我看來是完全站不住腳的。兩國的相互依賴不僅程度極高，而且比人們想像的更為深刻。每一次我們深入探討這個問題，都會發現彼此需要對方的領域遠比預想的要多。未來一個世紀，這將是全球最重要的雙邊關係。”“現任政府在對華接觸方面展現出了極高的智慧 —— 無論是國防領域的赫克托・赫克塞斯、財政部的相關官員，還是川普總統本人，以及現任大使格里爾，他們都代表美國與中方進行了深入對話。這些舉措極具遠見，我相信百年之後，歷史會證明這一點。這是一種能帶來實質改變的積極策略，而非孤立與迴避。這一點至關重要。”談晶片製造的脫鉤：“未來幾十年，我們仍將依賴台灣地區的晶片和電子產品製造能力。台灣地區的人才儲備、產業文化、上下游企業協同建構的生態系統，以及整個島嶼在電子和晶片製造領域的超高效率，都是舉世無雙的。要複製這樣的產業叢集，需要耗費數十年的時間。”以下為專訪全文實錄：《時代》周刊Google首席執行長桑達爾・皮查伊本周表示，當前股市在人工智慧相關類股的表現存在非理性成分，你是否認同這一觀點？黃仁勳股市的某些領域始終存在非理性情緒，這個說法是客觀的。但我認為，大多數人都忽略了一個核心事實：在聊天機器人和智能體人工智慧的底層，一場計算模式的變革正在發生 —— 計算正在從通用計算向加速計算轉型。如果以此為基礎，再去衡量生成式人工智慧、智能體人工智慧乃至通用人工智慧（AGI）領域的增量投資規模，你就會得出結論：相較於巨大的市場機遇，目前的投資其實仍處於相對保守的水平。當然，投資數額本身依然可觀，但放在整個計算市場的大盤中看，佔比並不算高。《時代》周刊貴公司目前的市值已處於 4 兆至 5 兆美元區間。你們將大量營收帶來的現金流，用於投資同行業的其他企業。不少分析師和股市人士指出，這種模式存在一定的 “循環性”，本質上屬於供應商融資。一旦像 OpenAI 這類尚未實現盈利的公司，無法兌現其採購資料中心的承諾 —— 而這些資料中心的硬體又大多搭載著輝達的晶片，是否會引發更大的系統性風險？你是否擔心這類問題正在累積結構性風險？黃仁勳我並不擔心這個問題，其他方面的風險另當別論。當然，我們可以探討其他潛在風險，但絕不是這個問題。我可以解釋一下原因：我們開展的每一筆交易、處理的每一份採購訂單，都會回歸最基本的商業邏輯 —— 我們會反覆確認，客戶是否真的存在真實需求。因為就算這家客戶不需要，也總會有其他客戶需要我們的產品。我們進行投資主要有幾個原因。第一，是為了拓展行業生態。對比我們至今已完成及計畫開展的投資規模與公司營收，你會發現投資佔比僅為個位數，而且是較低的個位數。從這個比例來看，所謂的 “循環性” 根本無從談起。第二，也是非常關鍵的一點：我們投資的都是具有重大影響力的企業，是我們這個時代最核心的力量。能與這些企業建立深度合作關係，對我們而言是寶貴的機會。同時，通過合作，我們也能深入瞭解這些企業的真實營運狀況。因此，對它們的投資最終必將帶來豐厚的回報。《時代》周刊接下來，我想聊聊你過去一年在政治和政策領域的經歷。川普總統入主白宮的那個月，你與他進行了首次會面。自那以後，你便陪同他出訪世界各地，他也多次稱你為摯友和傑出領袖。今年你與他朝夕相處，近距離觀察，你認為他在人工智慧政策制定和商業運作方面，有那些不為人知的行事風格？黃仁勳我想，有些特質是人們從電視新聞裡看不到的。首先，他是一個極其善於傾聽的人。幾乎我說過的每一句話，他都記得清清楚楚。其次，他的工作態度非常勤勉。他的工作勁頭不輸任何人，經常和我們談到深夜。有時我已經困得想上床睡覺，他卻還能精力充沛地繼續討論好幾個小時。我從未見過如此敬業的人。這種特質貫穿了他的一生 —— 據我觀察，他每周七天都在工作，幾乎沒有所謂的 “下班後時間”，永遠都在處理事務。這兩點品質讓我印象極為深刻，是我之前從未預料到的。除此之外，他不僅善於傾聽、勤奮過人，還擁有超凡的智慧。《時代》周刊過去一年，你頻繁出入川普政府的核心圈層，還陪同總統出訪多國。有沒有那一個重要瞬間，是外界尚不知情、但你認為值得被所有人瞭解的？黃仁勳外界沒有意識到，美國和中國之間的相互依存程度有多深。那些鼓吹 “美國與中國脫鉤” 的論調，在我看來是完全站不住腳的。兩國的相互依賴不僅程度極高，而且比人們想像的更為深刻。每一次我們深入探討這個問題，都會發現彼此需要對方的領域遠比預想的要多。未來一個世紀，這將是全球最重要的雙邊關係。因此，我認為我們必須認識到，管控好這一關係、避免衝突，是當下最關鍵的任務。這需要通過持續的談判、溝通與妥協來實現，這一過程至關重要。現任政府在對華接觸方面展現出了極高的智慧 —— 無論是國防領域的赫克托・赫克塞斯、財政部的相關官員，還是川普總統本人，以及現任大使格里爾，他們都代表美國與中方進行了深入對話。這些舉措極具遠見，我相信百年之後，歷史會證明這一點。這是一種能帶來實質改變的積極策略，而非孤立與迴避。這一點至關重要。我想補充的第二點是，外界沒有看到，人工智慧行業的發展，在很大程度上依賴於來自中國的頂尖學生和科學家。全球 50% 的人工智慧研究人員都來自中國。中國的企業希望中國在這場競爭中勝出，我認為這無可厚非；我們美國人希望美國領先，同樣合情合理。未來，我們完全可以在公平競爭的同時展開合作，實現良性發展。但如果將這種競爭情緒化、極端化，只會導致雙邊關係陷入難以調和的困境。《時代》周刊本屆政府執政初期，貴公司的 H20 晶片曾無法銷往中國。後來，你們成功遊說川普政府取消了相關出口管制。然而不久之後，美國商務部部長霍華德・盧特尼克就公開表示，美國晶片政策的目標之一，就是讓中國對美國晶片產生依賴。但事與願違，中國隨後明確表態，不再需要 H20 晶片。自那以後，你也曾公開宣稱，輝達已不再有來自中國市場的營收。對於盧特尼克的這番言論，你作何回應？黃仁勳嗯，我只能說，這是一件令人遺憾的事。首先，我們必須明確人工智慧的本質 —— 它絕不僅僅是一個模型。人工智慧是一套完整的技術體系，意味著技術堆疊的每一層都將被徹底重構。人工智慧的發展離不開能源，這也是我們一直強調能源重要性的原因。川普總統上任後，推行了大力發展能源產業的政策。如果沒有這項政策的支援，美國的能源供應將難以為繼，也就無法支撐人工智慧這個至關重要的行業實現增長。總統的能源發展戰略功不可沒，但與此同時，我們必須在技術堆疊的每一層都保持領先優勢。技術堆疊的第一層是晶片，往上是基礎設施和雲服務，再上層是大語言模型等各類人工智慧模型，最頂層則是人工智慧應用。這場人工智慧革命，將是人類歷史上規模最大的一次工業革命。美國若想抓住這一機遇，就必須下定決心，在技術堆疊的每一個層面都做到領先。如果我們放任整個體系受制於最薄弱的環節，那麼美國必將落後於人，這是毋庸置疑的。我一直秉持的觀點是，在晶片這一層，我們的核心目標是確保全球所有人工智慧模型都運行在美國的技術堆疊之上，讓美國技術堆疊成為全球通用標準。有些人認為，如果我們向包括中國在內的其他國家出口美國晶片，中國軍方就會利用這些晶片製造飛機、航母等軍事裝備。但事實是，中國本身就擁有相當規模的晶片產能，中國企業的實力也不容小覷。那些認為中國沒有自己的科技產業的說法，純屬無稽之談；而聲稱中國不具備晶片製造能力的人，更是掩耳盜鈴。美國企業進入中國市場，開展自由競爭、贏得業務，這對美國和美國人民都大有裨益 —— 它能為美國創造巨額收入。眾所周知，一個國家的國防力量是否強大，歸根結底取決於其經濟實力。因此，我們要讓美國保持全球最富有的國家地位，這樣才能支撐起最強大的軍隊。這正是我們為國家安全做出貢獻的方式。《時代》周刊但你現在無疑是在走鋼絲，不是嗎？因為你所說的這些，恰恰是中國想要的 —— 發展自主的半導體產業。我明白這一點。從某種意義上說，盧特尼克不過是說出了大家心照不宣的想法。黃仁勳你說得完全正確。在這個問題上，我們陷入了一種矛盾：一方面，我們希望限制美國技術向中國出口；另一方面，我們又想進入中國市場。而中國的立場恰恰相反：他們既希望本土科技企業能獲得最先進的技術，推動人工智慧技術堆疊各層面的發展，為本土企業爭取追趕的機會，又希望能保護本國市場。這種矛盾在兩國身上都存在。因此，最好的解決方案是讓市場機制發揮作用。我們需要一套更精細、更務實的政策：既要確保美國企業能掌握最先進的本土技術，也要允許它們參與到全球第二大經濟體的市場競爭中去。《時代》周刊在我與相關人士對話之後，川普總統宣佈，美國將允許輝達向中國出口 H200 晶片，但政府會從中抽取 25% 的銷售分成。你之前提到了 “脫鉤” 的說法，也強調了兩個超級大國之間依然存在深度依存關係。但在晶片製造這個傳統上高度集中於台灣地區的行業，脫鉤現像其實已經出現。就在上個月 —— 也就是 10 月，美國亞利桑那州的一家晶片工廠，成功量產了首批晶片。這是一個具有里程碑意義的事件，因為台灣地區的地位向來特殊。黃仁勳這是美國本土首次生產出全球最先進的晶片。《時代》周刊但這難道不正是脫鉤的直接體現嗎？中國正在大力發展本土半導體產業，而美國也開始推動晶片本土化製造。長期以來，台灣地區在全球晶片產業鏈中處於核心位置，這種戰略平衡使得中國因顧慮重重而不敢輕易動武。如今，隨著脫鉤趨勢加劇，採取軍事行動的可能性是否會增加？黃仁勳任何形式的衝突都應該被避免。我從未聽說過任何具體的動武計畫，但我們絕不能做任何可能加劇衝突的事。顯然，川普總統是一位主張和平的總統，他始終致力於尋求和平解決方案。關於半導體製造，我認為有一點非常明確：隨著行業不斷發展，供應鏈的韌性至關重要。我們需要的不是脫鉤，而是增強韌性。無論是出於電力供應、氣候條件還是地震等自然災害的考量，在全球多個地區佈局製造基地，為最關鍵的供應鏈建立多元化和冗餘備份，都是明智之舉。未來幾十年，我們仍將依賴台灣地區的晶片和電子產品製造能力。台灣地區的人才儲備、產業文化、上下游企業協同建構的生態系統，以及整個島嶼在電子和晶片製造領域的超高效率，都是舉世無雙的。要複製這樣的產業叢集，需要耗費數十年的時間。《時代》周刊中國政府已下令軍方，務必在 2027 年前做好相關軍事準備。你主張允許輝達向中國出口晶片的政策，是否會影響這一風險發生的機率？是會增加風險、降低風險，還是沒有影響？黃仁勳會降低風險。原因很簡單：永遠不要把對手或任何人逼入絕境。保持克制，避免激化雙邊關係的緊張態勢，這是一種基本的處世智慧。一旦將事情推向極端，採取 “非黑即白” 的立場，往往會引發意想不到的連鎖反應和後果。因此，我認為美國需要採取一種溫和、審慎的策略。美國作為技術發源地，輝達作為美國企業，完全有權確保本國企業和國家掌握最頂尖的技術 —— 我們一直都是這麼做的，這是商業發展的自然邏輯。但與此同時，我們也應該開放技術出口，通過參與全球市場競爭，擴大美國技術的全球影響力。這才是明智的選擇，符合美國的根本利益，也符合中國的利益。恕我直言，輝達的技術確實處於世界領先水平，我們有能力為中國的科技企業提供助力。我們也十分期待能有機會進入中國市場，通過公平競爭贏得業務。這樣做不會造成市場混亂，也不會引發恐慌情緒，自然能有效緩解雙邊緊張關係，讓中美關係保持平衡穩定。《時代》周刊我們再來聊聊沙烏地阿拉伯，那裡也存在類似的博弈態勢。今年 5 月，你陪同川普總統出訪沙烏地阿拉伯，雙方宣佈了多項重大合作協議，其中包括向沙烏地阿拉伯的人工智慧企業出口大量輝達晶片。拜登政府執政期間，這類晶片出口曾被全面叫停，原因是美方擔心沙烏地阿拉伯企業與中國企業聯絡密切，這些晶片可能會通過海灣地區流入中國。你能否講講，你是如何說服川普政府重新考慮這項政策的？黃仁勳我的核心論點是這樣的。人工智慧將對全球每一家企業、每一個行業、每一個國家產生深遠且重大的影響。中東地區也必然會發展自身的人工智慧產業。那麼問題來了：我們希望中東的人工智慧生態建立在美國的技術堆疊之上，還是讓其他國家的技術搶佔先機？這個問題的答案顯而易見。川普總統認為，放棄技術領導地位、拱手讓出巨大的市場機遇，是完全沒有道理的。上一屆政府為何要將數千億甚至上兆美元的市場機會讓給其他國家？我們明明擁有全球最頂尖的技術，這種拱手相讓的做法，在總統看來是不可理喻的。《時代》周刊你剛從華盛頓特區回來，沙烏地阿拉伯王儲穆罕默德・本・薩勒曼近期也到訪了那裡，你還出席了為他舉辦的晚宴。你們當時主要聊了些什麼？黃仁勳他對輝達向沙烏地阿拉伯出口圖形處理器的許可審批結果非常滿意，還高度讚揚了我們所做的工作。眾所周知，王儲殿下是一名資深遊戲愛好者，他的家中擺滿了輝達的GeForce系列產品。他甚至專門打造了一個電競房，裡面配備了幾十台頂級電競電腦，每一台的核心配置都是精視顯示卡。因此，他一直以來都是精視品牌的忠實使用者。對於我們雙方在人工智慧領域建立的合作夥伴關係，他感到由衷的欣喜，也十分感謝我們為沙烏地阿拉伯人工智慧產業發展提供的幫助。總而言之，他當時的心情非常愉悅。《時代》周刊現在，我想換個話題，談談人工智慧帶來的社會影響。這項技術很快就會實現人類勞動多個領域的自動化。你認為，在推動這場轉型平穩落地的過程中，你肩負著怎樣的責任？黃仁勳人工智慧的作用，是讓我們在工作中處理各項任務的效率變得更高。我們的工作價值，絕不僅僅是整理電子表格、敲擊鍵盤那麼簡單，而是有著更深遠的意義。我堅信，人工智慧將推動生產力和營收實現增長，進而創造更多高薪崗位。有些人認為，全球 GDP 的規模是固定的，最多也就 100 兆美元。但在我看來，人工智慧將徹底打破這個限制 —— 未來全球 GDP 有望增長到 200 兆、300 兆甚至 500 兆美元。GDP 的增長潛力，本質上是沒有上限的。而且，當前能夠參與到這 100 兆美元規模經濟活動中的人口，其實只佔全球總人口的一小部分。如果我們能讓全世界更多的人掌握人工智慧技術，為他們提供參與經濟活動的機會，全球 GDP 實現數倍增長將是大機率事件。屆時，企業的發展也將更加繁榮。但有一點是肯定的：人工智慧的發展會改變所有人的工作。顯然，每一次工業革命都會導致一些工作崗位消失，但與此同時，也會催生大量全新的職業。未來，每個人都必須學會運用人工智慧 —— 因為如果你不使用它，你的工作就會被那些會用的人搶走。《時代》周刊最後一個問題：“輝達” 這個名字的拉丁語本意是 “嫉妒”。如今，你無疑站在了世界之巔，有沒有什麼事，是你會羨慕別人的？黃仁勳仔細想想，我確實過著相當美滿的生活。我擁有一個幸福的家庭：我和妻子從 17 歲起就相識相知；我們育有兩個優秀的孩子，如今一個 34 歲，一個 35 歲。雖然他們一開始並沒有選擇加入輝達，但現在都在公司工作。能和孩子們一起為了偉大的事業並肩奮鬥，看著他們迸發出絕妙的創意，做出連我都意想不到的成就，這讓我感到無比欣慰和喜悅。當然，我也為能加入這樣一家偉大的公司而自豪。我們正在研發的技術，是人類歷史上最具影響力的創新。身處這場變革的中心，我深感榮幸，也深知責任重大，這份事業也給我帶來了巨大的成就感。公司四萬多名員工對企業的忠誠度極高，我和很多同事已經共事了幾十年，這份情誼難能可貴。對了，我還養了兩隻很棒的狗狗 —— 它們今天剛做完超聲波檢查，身體非常健康。我的妻子洛裡把它們照顧得無微不至，兩隻小傢伙都很健壯。還有什麼呢？我在全球各地都有志同道合的朋友和合作夥伴，能經常出差遊歷世界：去韓國的夜市品嚐炸雞，體驗各地的風土人情。你看，人生如此，夫復何求？我想，對任何人來說，這樣的生活都算得上是夢想成真了。 (invest wallstreet)

理查德·伯恩斯坦顧問公司（RBA）發出警告稱，過剩的流動性正將資產價格推升至遠超基本面支撐的水平，當前市場泡沫已蔓延至人工智慧（AI）之外，形成一場"全面狂歡"。理查德·伯恩斯坦顧問公司(RBA)發出警告稱，過剩的流動性正將資產價格推升至遠超基本面支撐的水平，當前市場泡沫已蔓延至人工智慧(AI)之外，形成一場"全面狂歡"。該公司副首席投資官邁克·康托普洛斯近期直言："我們眼下正處於某種'全面泡沫'之中。這不僅僅是AI——加密貨幣、迷因股、特殊目的收購公司(SPAC)、投資級債券、高收益債券，無一倖免。"這位擁有25年市場經驗、曾任美國銀行高收益策略主管的資深人士將矛頭指向寬鬆的貨幣與財政政策，認為是它們導致了這場脫離基本面的估值狂歡。康托普洛斯特別指出，AI熱潮令信貸投資者尤為擔憂。若AI繁榮成功，債券持有人無法分享其超額收益;若其失敗，投資者將承擔損失。當前，市場正日益關注科技巨頭承諾投入AI基礎設施的數千億美元資金——其中大部分將通過美國債務市場籌集。資料顯示，微軟、Alphabet、亞馬遜和Meta未來一年的資本支出預計將增長34%，達到約4400億美元。"科技類股今年將有所回落，"康托普洛斯質疑道，"投資者究竟在科技債券中看到了什麼，以至於願意為一項可能五到十年後就過時的技術，提供長達40年的融資?"目前，採用交易所交易基金(ETF)進行跨資產類別投資的RBA已完全退出公司債市場。而一年前，其還對該領域超配。"當利差跌破90個基點時，對我們而言，相對價值命題就不再成立，"康托普洛斯解釋。截至周三，美國高等級信貸風險溢價升至78個基點，且自去年5月以來一直低於90個基點。康托普洛斯警告，若聯準會降息步伐或幅度不及市場預期，今年信貸利差可能進一步走闊。此外，經濟增長放緩程度超預期是另一大風險。鑑於公司債利差已處於微薄水平，RBA轉而看好抵押貸款憑證(CLO)、抵押貸款支援證券(MBS)、高等級浮動利率債務以及歐洲股票的投資價值。"沒有什麼比高品質的歐洲股票更具吸引力了，"康托普洛斯表示，"那裡有財政刺激政策，貨幣政策也相當支援，同時盈利增長正在加速。" (invest wallstreet)

先看報導2025年11月6日，特斯拉股東大會上，薪酬方案正式表決：給馬斯克開價1兆美！1兆美元是什麼概念？根據世界銀行的資料，2023年全球GDP超過1兆美元的國家只有19個。這不是工資，是對賭。條件是：特斯拉在未來10年內市值達到8.5兆美元，同時完成四大目標——累計交付2000萬輛電動車、發展1000萬個完全自動駕駛付費使用者、投入營運100萬輛無人計程車、交付100萬台人形機器人。科學界認為，2026年AI驅動科研跨越式發展的趨勢將持續深化，可執行複雜、多步驟的AI智能體有望更廣泛應用和普及，AI模型也將進一步滲透到社會經濟生活的各個方面。儘管2025 年 AI 泡沫的討論已經達到了前所未有的熱度。據 Crunchbase 資料，2025 年 AI 領域共獲得了 2023 億美元的投資，比 2024 年的 1,140 億美元增長了 75%。高盛研究報告顯示，2026 年 AI 資本支出預計將從 4,650 億美元上調至 5,270 億美元。人工智慧技術和應用快速迭代，給經濟發展帶來新動力，與傳統產業結合，釋放出新的生產力，創造出新的產品、業態，促成新的經濟增長點。看看黃仁勳在 CES 2026輝達最新的晶片發佈，Rubin GPU：推理性能是上一代 Blackwell 的 5 倍；訓練性能提升 3.5 倍；視訊記憶體頻寬 22TB/s，相當於每秒傳輸 4400 部高畫質電影；3360 億個電晶體，比 Blackwell 多了 60%。訓練一個 10 兆參數的超大模型，以前需要 100 張卡，現在只要 25 張，推理成本直接砍到原來的 1/10。Vera Rubin已全面投產，掌控算力+資料，未來真能沖10兆美元市值。馬斯克：2026年就是奇點之年！‌xAI於2026年1月6日宣佈完成200億美元E輪融資，超額完成原定150億美元目標，估值升至約2300億美元‌。本輪融資由輝達、思科等戰略投資者及多家頂級機構參投，資金將用於擴展算力基礎設施和推進Grok模型開發。以前 AI 訓練像用拖拉機運貨，現在直接換成了高鐵+貨運飛機的組合。馬斯克、黃仁勳以及Google、Apple、微軟、Facebook、OpenAI等。中國企業對標美國巨頭按照摩爾線程、壁韌等千倍市夢率泡沫，估計市值幾百兆是可以實現的。因此大家要清醒認識金錢在世界流動的幻覺，正如馬斯克：我給美國提的建議中國都做了。擁有巨大工程師資源數量的中國，其實需要的就是大工程大方向正確，這恰恰是馬斯克最擅長的。 (科學遁甲)