“規模定律的進展非常好，依然值得投入。”“世界模型和LLM最終會融合。”“AGI會在5到10年內實現，未來能源將會成為智能的貨幣。”“中國大模型相比美國前沿模型只落後幾個月，但問題不在於追趕，而在於他們能否發明Transformer那樣的突破性範式。”在CNBC最新推出的訪談節目《科技下載》中，Google Deepmid CEO Demis Hassabis 針對時下熱議的AGI路線圖、Scaling Law、中美模型差距、AI泡沫等問題，發表了不少關鍵判斷。一上來，Demis就乾脆利落地否認了“Scaling Law撞牆”的問題，他的判斷是規模定律的整體發展依然非常好，儘管相比前兩三年速度有所放緩，但回報依然很可觀，值得繼續投入。不過，他也重複了之前在其他場合發表過的觀點：要達到AGI，不能只靠Scaling Law，還需要1-2個像Transformer那樣的重大範式突破。Demis依然堅持自己之前對AGI時間的判斷——5到10年。這是一個並不激進的估計，他也自稱是一個AI的“謹慎樂觀主義者”。有意思的是，Demis也發表了和馬斯克類似的觀點：由於晶片極度短缺，AI的算力問題最終都會歸結能源問題，因此未來能源將成為“智能的貨幣”。關於中美之間大模型能力的差距，Demis 認為中國團隊追趕的速度非常快，現在這一差距已經縮短到只有幾個月。但Demis也稍微潑了盆冷水——他指出，真正的問題不在於追趕，而在於中國能否發明像Transformer那樣的範式創新，而他目前並沒有看到明確跡象。在與OpenAI、Anthropic等頂級AI巨頭的競爭中，Demis承認Google的商業化和規模化比對手起步晚一些，但他們現在已經回到了創業公司狀態，Deepmind的組織重整也使得他們能夠迅速迭代Gemini模型能力，新模型幾乎當天或第二天就能快速落地到Google的核心產品中。此外，端側AI也是Google下一步將要發力的重點。Demis表示個人非常看好“邊緣計算”方向，也就是更高效、更輕量的模型運行在手機、可穿戴裝置等終端上。他透露，Google將會發力智能眼鏡。據此前報導，Google與中國創企XREAL將合作發佈有線XR眼鏡，項目名為Project Aura，將於2026年推出。關於2026年可能出現的重大突破，Demis認為具備更高自主性的 agent 系統將變得足夠可靠，真正開始發揮實用價值。同時他也預告了與Gemini Robotics的合作，機器人領域在未來 12 到 18 個月也會出現非常有意思的進展。以下是整期播客的全文，有刪減和適當潤色：規模定律的回報依然很可觀 通往AGI還需要一兩個重大創新Arjun：我想先從技術本身聊起。我們一直在談論 AI，以及它的能力如何持續提升。圍繞所謂的“規模定律”也有很多爭論。簡單來說，就是更多算力、更多資料、更大的模型，是否必然會帶來更強的系統。你之前說過，我們需要把規模定律推到極限。但現在也有人在問，我們是不是正在撞上某種“天花板”，這些模型的進步是否正在放緩？從你在 DeepMind 的研發經驗來看，你們觀察到了什麼？Demis：我認為規模定律總體上仍然進展得非常好。只要投入更多算力、更多資料，把模型做得更大，我們確實能看到能力的持續提升。當然，這種提升的速度可能不像兩三年前那麼快了，所以大家會談到“邊際收益遞減”。但“遞減”和“沒有收益”是完全不同的概念。我覺得我們現在處在兩者之間——回報依然非常可觀，值得繼續投入。與此同時，如果從“通向 AGI”這個目標來看，可能還需要一兩個關鍵性的重大創新，不能只靠把現有方法不斷放大。Arjun：我們一會兒會詳細談 AGI。但在你看來，現在到底缺了什麼？Demis：如果你玩過各種聊天機器人，就會發現它們在某些方面非常厲害，但在其他方面卻完全不行。我把這種狀態稱為“參差不齊的智能”（jagged intelligence）。它們在某些任務上表現驚人，但換一種提問方式，或者換一個場景，就會暴露明顯缺陷，甚至連一些看起來很簡單的事情都做不好。真正的通用智能不應該有這種不一致性。除此之外，現有系統還存在很多根本性限制，比如：它們無法持續線上學習，不能在使用過程中真正學會新知識；也很難真正產生原創性的想法。因此，如果要實現通用智能，還有不少關鍵能力是當下系統所缺失的。Arjun：那要解鎖這些“真正智能的系統”，關鍵突破點可能是什麼？我之前和 Hugging Face 的聯合創始人 Thomas Wolf 聊過，他的看法是：LLM 很擅長回答問題、總結資訊，但真正缺失的是“提出全新想法”的能力。尤其是在科學領域，比如提出新的藥物機制、新的疾病假說，LLM 似乎還無法產生那種“諾貝爾獎等級”的原創思想。你怎麼看？是不是需要一種全新的架構？Demis：這正是我畢生投入 AI 研究的原因之一。我始終認為，AI 最終會成為科學的終極工具。我們已經通過 AlphaFold 等成果證明了這一點。但問題是：AI 能不能自己提出一個全新的科學假設，而不僅僅是解決一個已經被人類提出的問題？到目前為止，它們做不到。它們缺乏某些關鍵能力。我認為這可能涉及更長期的規劃能力、更強的推理能力，以及一個非常重要的概念——“世界模型”。也就是說，系統需要真正理解世界的運行方式，能夠在“腦中”模擬世界、驗證假設。頂尖的人類科學家正是這樣工作的，而目前的 AI 還遠遠達不到。世界模型和LLM最終會融合Arjun：“世界模型”這個概念最近經常被提到，但很多人可能並不清楚它到底指什麼。你能解釋一下它和 LLM 的區別嗎？Demis：目前的 LLM，主要還是以文字為核心。即便像 Gemini 這樣的基礎模型，已經可以處理圖像、視訊和音訊，多模態能力也在增強，但它們並不真正理解世界的物理規律和因果關係。世界模型關注的是：一個事物如何影響另一個事物？如果我做了某個決策，長期後果會是什麼？能不能把未來“推演”出來？如果你想真正理解世界，甚至發明新事物、提出新的科學理論，就必須擁有這種對現實世界的內部建模能力，從直覺物理一直延伸到生物學、經濟學等複雜系統。Arjun：那在你設想的 AGI 形態中，會是 LLM 和世界模型的結合，還是世界模型最終會取代 LLM？Demis：我更傾向於認為它們會融合。像 Gemini 這樣的基礎模型，幾乎肯定會成為 AGI 的核心組成部分，這一點我非常有信心，這也是我們為什麼要儘可能把這些系統做大、做強。但問題在於：它們是否“足夠”？我懷疑還需要其他類型的技術和能力。我們在做的 Genie、以及視訊生成模型 Veo，可以被看作是早期、胚胎階段的世界模型。如果一個系統能夠生成高度真實的世界場景，那在某種意義上，它就必須理解這個世界，否則它無法生成。AGI在5到10年內實現能源會成為智能的貨幣Arjun：你之前提到，AGI 可能在 5 到 10 年內實現。經歷了 2025 年這麼多突破之後，你還堅持這個判斷嗎？Demis：是的。我認為我們仍然在這條時間線上。2010 年創立 DeepMind 時，我們就把 AGI 視為一個大約 20 年的長期目標。現在回頭看，我覺得我們距離具備真正創新、規劃、推理等能力的系統，大概還有 5 到 10 年。這本身就非常驚人。Arjun：在實現 AGI 的過程中，有那些現實瓶頸？比如算力、晶片、能源問題？Demis：限制很多。晶片永遠不夠，算力需求遠遠超過供應，而算力最終都歸結為能源問題。未來，能源幾乎會成為“智能的貨幣”。不過有趣的是，AI 本身也能幫助解決這些問題，比如提升基礎設施效率、設計更好的太陽能材料，甚至推動核聚變研究。我們和 Commonwealth Fusion 有合作，用 AI 幫助電漿體控制。我個人也很關注一個問題：能否用 AI 找到室溫超導材料？此外，模型本身的效率也在飛速提升。通過蒸餾等技術，小模型可以繼承大模型的能力，實現性能與能耗的大幅最佳化，單位功耗下的智能水平持續提升。Arjun：AGI 聽起來很美好，但也伴隨著大量擔憂，比如對就業、社會結構的衝擊。你怎麼看這些風險？Demis：我堅信 AI 總體上會成為人類歷史上最有益的技術之一，但這並非自動發生。它是一種“雙刃劍”。經濟層面的衝擊可能類似工業革命，但速度更快、規模更大，我們可能需要新的經濟體系來應對。另一個風險是濫用——壞人利用 AI 做壞事。再一個風險是，當 AI 變得越來越自主，具備代理能力時，我們如何確保它們始終按照人類意圖行事，而不會出現失控行為。Arjun：那你有信心自己正在開發的系統是可控的嗎？Demis：我們對此非常重視。自 2010 年起，我們就在安全、責任和可控性上投入大量精力。我們一直假設：如果成功，系統一定會非常強大，因此必須提前考慮風險。當然，犯錯在所難免，但我自認為是一個“謹慎的樂觀主義者”。只要給予足夠時間和嚴肅對待，我相信人類最終能把這件事做對，但前提是，我們不能閉著眼睛狂奔。Arjun：像 Bengio、Tegmark 這些人呼籲放慢 AGI 的發展節奏，更多聚焦工具型 AI。你同意這種觀點嗎？Demis：我理解他們的擔憂，也部分贊同。從科學工具的角度出發，是一條非常合理的路徑。但現實世界存在競爭和博弈，不只是科學問題，還有地緣政治和商業因素。在這種情況下，我們能做的，是在保持技術前沿的同時，儘可能負責任、儘可能謹慎。我希望 DeepMind 能在這方面成為一個好的示範。一件趣事：Demis是從遊戲行業起步的Arjun：你在創立 DeepMind、投身這項使命時，一直都非常相信這項技術。但在你的職業生涯中，有沒有那一刻曾經懷疑過：我們真的應該做這件事嗎？Demis：當你真正意識到這項技術的潛力時，我反而覺得，如果沒有像 AI 這樣具有變革性的技術出現，人類社會可能更難應對當下的諸多挑戰。氣候變化、貧困、飲用水獲取、健康、老齡化、人口問題、疾病、能源——這些都是極其嚴峻的問題。從某種角度看，AI 本身確實也是一個巨大的挑戰，甚至可能是最大的挑戰之一，但它同時也是幫助我們應對、解決這些宏大問題的關鍵工具。這正是它的“雙刃劍”屬性。我一直相信，AI 最終會成為人類發明過的最重要的技術之一，它本身也是電腦時代自然演進的一部分。Arjun：插一句題外話，你最早其實是從遊戲行業起步的，對吧？你參與開發過《Theme Park》，那是一款非常經典的遊戲。你現在還玩遊戲嗎？Demis：當然，我非常喜歡遊戲，這算是我的長期愛好。現在我會和兩個兒子以及我的兄弟一起玩《英雄聯盟》，我們有一個固定的小隊，這是從疫情封鎖時期開始的。我也喜歡各種形式的遊戲，不管是足球，還是電子遊戲。Arjun：在你這樣高強度、高壓力的崗位上，遊戲算是一种放松方式嗎？Demis：是的，毫無疑問。而且在過去，遊戲對我來說也是一種非常重要的創造性實踐。我最初學習程式設計，以及很多技術能力，都是通過做遊戲學會的。承認Google在商業化方面起步慢一些現已回到創業公司狀態Arjun：現在這個領域有 OpenAI、Anthropic，還有很多頂級 AI 實驗室，競爭極其激烈。Gemini 3 的市場反饋非常好，但在 2025 年的某個階段，外界一度質疑 Google 是否還能在 AI 競爭中保持領先。你如何評估當下的競爭環境？Demis：目前的競爭環境可以說是極其殘酷。很多在科技行業幹了二三十年的人都告訴我，這是他們見過最激烈的一次競爭，可能是整個科技史上最激烈的。幾乎所有最強的參與者——無論是科技巨頭，還是最優秀的創業公司，都已經全力投入到這個領域。因為大家都已經意識到，這是最重要的一項技術，這一點我們其實 20 多年前就已經看清了。所以競爭激烈是必然的。從個人角度來說，我並不排斥競爭。我小時候就是英國青少年國際象棋隊成員，在競爭環境中長大。某種程度上，我甚至享受競爭。但與此同時，我始終提醒自己：比公司之間、國家之間的競爭更重要的，是如何為全人類妥善“託管”AGI 的發展。這一點，應該時刻放在所有 AI 實驗室領導者的心中。Arjun：在外界質疑 Google AI 戰略的那段時間，你們內部有沒有做出什麼不同的調整？Demis：如果回顧過去十年，其實 Google Brain 和 DeepMind 發明了當今大約 90% 被廣泛使用的核心 AI 技術，比如 Transformer 架構，或者 AlphaGo 推動的大規模強化學習。但我們確實在商業化和規模化方面走得相對慢了一些，這一點 OpenAI 等公司做得非常出色。過去兩三年，我們基本上回到了創業公司的狀態，變得更敏捷、更快、更敢於快速發佈產品。你現在看到的 Gemini 系列，尤其是 Gemini 3，是這一轉變的集中體現，也讓我們重新回到了我們認為自己應當處於的位置。Arjun：你有信心能長期保持這種領先地位嗎？Demis：是的，我有信心。中國模型相比美國只落後幾個月Arjun：在激烈競爭之外，另一個被頻繁討論的話題是 AI 泡沫。大量公司估值飛漲，融資規模驚人，科技巨頭在基礎設施上投入數千億美元，但有些公司幾乎還沒有成熟產品或盈利能力。你怎麼看“AI 是否存在金融泡沫”這個問題？Demis：我不認為這是一個非黑即白的問題。某些領域、某些細分市場，可能確實存在泡沫；而另一些則未必。AI 註定會成為人類歷史上最具變革性的技術，這一點是基本面。這有點像當年的網際網路泡沫：泡沫確實存在，但網際網路本身無比重要，也在那段時期誕生了一批真正的偉大公司。過度興奮幾乎是不可避免的，之後也可能會經歷一輪“清算”，真正有價值的東西會存活下來。在我看來，風險最大的可能是在某些私募市場，出現了動輒數十億美元、但產品幾乎尚不存在的融資案例，這在長期來看並不健康。但從我的角度出發，作為 Google DeepMind 的負責人，我並不會過度擔心泡沫本身，而是要確保無論市場怎麼走，我們都處在一個能夠“贏”的位置。Arjun：如果市場真的出現調整，你有信心 Google DeepMind 能扛得住嗎？Demis：當然。這正是 Google 強大資產負債表和產品生態的意義所在。我們擁有幾十個使用者規模達數十億的產品，AI 能夠自然地嵌入其中，無論是 Gmail、Workspace，還是 Gemini 應用。Arjun：除了競爭和資本，還有一個重要變數是地緣政治，尤其是中美之間的技術競爭。此前有人低估了中國在 AI 領域的能力，但 DeepSeek 以及阿里巴巴的一些開源模型顯然改變了這種看法。中國並沒有出局，對吧？Demis：完全沒有。我甚至認為，中國現在距離美國和西方的前沿模型，比一兩年前我們想像的要近得多，可能只落後幾個月。中國有非常強的團隊，比如你提到的 DeepSeek 和阿里巴巴。真正的問題在於，他們是否能做出“超越前沿”的原創性突破，而不僅僅是追趕。追趕他們已經證明自己做得到，但是否能發明像 Transformer 那樣的新範式，目前我還沒有看到明確證據。Arjun：這種原創性突破是否會受到先進晶片獲取受限的影響？Demis：我認為更多是“科研文化和心態”的問題。真正的前沿實驗室，需要鼓勵探索性創新，而不僅僅是把已知的方法不斷規模化。發明一項全新技術，難度往往是複製它的一百倍。這也是我認為下一個真正的分水嶺，但目前還很難看到明確跡象。個人看好端側AI的發展Google將發力智能眼鏡Arjun：很多人其實低估了 Google 的 AI 能力有多大程度來自 DeepMind，以及你和你的團隊。外界一直很好奇你們是如何與 Google 協作的。Sundar Pichai 會不會有一天直接給你打電話，說：“Demis，我們需要做一個東西，比如 Gemini，或者某個 AI 產品，你們能不能把它做出來？”你們之間的合作關係到底是怎樣的？Demis：在過去三年裡，我們已經把所有力量整合到一個統一的實體中，也就是現在的 Google DeepMind。它融合了 Google Research、Google Brain 和原本的 DeepMind，而我負責整體運作。你可以把它理解為 Google 的“AI 引擎室”。所有核心 AI 技術都在這裡誕生，然後被擴散到 Google 的各類產品中。過去幾年，我們不僅在做模型本身，也在重新架構整個 Google 的技術基礎設施，讓這些模型可以被極快地部署上線。現在，當我們發佈一個新的 Gemini 模型，幾乎當天或第二天就能在搜尋等核心產品中落地。我認為從 Gemini 2.5 開始，我們真正進入了節奏狀態。過去一年，這套流程已經變得非常順暢，未來 12 個月你會看到更多這樣的成果。Sundar 和我幾乎每天都會討論戰略問題，包括技術方向以及 Google 整體的需求，然後在不偏離長期目標（即安全、快速地邁向 AGI）的前提下，不斷動態調整路線圖。Arjun：所以我們可以預期，因為這種關係上的變化，Google 旗下會更頻繁地推出新的 AI 能力，並快速鋪開到整個產品體系中？Demis：是的，完全正確。現在的迭代回路非常緊密，而且我們在同一套技術堆疊上協同工作。Arjun：你們的技術不僅進入 Google 自己的產品，也被用在像三星這樣的合作夥伴裝置上，比如智慧型手機裡的 AI 功能。Demis：沒錯。我們和很多合作夥伴都有深入合作，我們也很自豪這些夥伴選擇了我們的技術，因為他們看到了它的能力。在裝置端，我個人非常看好“邊緣計算”的方向，也就是更高效、更輕量的模型運行在手機、可穿戴裝置等終端上。除了手機，我們也在探索新的裝置形態，比如智能眼鏡。Google 在智能眼鏡上探索了很多年，而我認為現在終於出現了“殺手級應用”——也就是一個真正有用的通用 AI 助手，能夠在日常生活中持續地幫助你。我相信所有大型硬體廠商都會對這一方向非常感興趣。Arjun：我們時間不多了，但我還想回到一個歷史節點。2014 年 Google 收購 DeepMind 時，我剛入行做科技記者，當時這是一筆大約 4 億英鎊的交易。很多人並不理解你們在做什麼，也不明白 Google 為什麼要收購這家英國公司。你現在回頭看，會不會想過：如果當時保持獨立會不會更好？還是你對今天的結果感到滿意？Demis：這件事其實很有意思。當時的搜尋負責人 Alan Eustace 負責推進這筆交易，Larry Page 作為 CEO 親自支援。我當時就對 Alan 說過，這會是 Google 歷史上最重要的一次收購——考慮到 Google 之前收購過 YouTube、AdWords，這句話份量不輕。但我很清楚 AI 會變得多麼重要，也非常清楚它和 Google“組織世界資訊”的使命是天然契合的。還有什麼工具比 AI 更適合理解和組織資訊呢？當然，從商業角度看，DeepMind 今天的價值可能已經是當年交易價的百倍、千倍。但當時我最關心的是回到科學本身，推動仍處於早期階段的研究。必須承認，Google，尤其是 Larry，是當時極少數真正理解這項技術未來潛力的公司。如果沒有他們的支援和算力資源，就不會有 AlphaGo、AlphaFold 以及我們後來在科學領域取得的一系列成果。所以我完全沒有任何遺憾。Agent會是2026年最重要的突破Arjun：現在科技 CEO、AI CEO 幾乎成了新時代的“搖滾明星”。我最近在歐洲看到輝達 CEO 黃仁勳被人群追著走。他也提到你們經常交流，還高度評價了你們的新圖像生成工具。你們通常會聊些什麼？Demis：Jensen 非常了不起，是一位真正的先驅。我也非常佩服他三十年來始終堅持自己的願景。事實上，我在 90 年代做遊戲時就開始使用 GPU，寫圖形和物理引擎，如今回頭看，這些當年為遊戲推動的硬體，反而成了 AI 的關鍵基礎設施，很有意思。我們更多討論的是 AI 在科學領域的應用。AlphaFold 當初就是在 GPU 上訓練的，他非常喜歡 AlphaFold 以及我們在藥物發現方面的工作。Arjun：雖然很多資料中心使用輝達的系統，但 Google 也有自己的 TPU。你們之間是一種競爭還是合作關係？Demis：我們很幸運，兩者都有。TPU 是我們內部訓練最強模型的重要工具，而且我們發現，很多頂級 AI 團隊也對 TPU 有很大需求，因為它們專為大模型訓練和服務而設計。GPU 更通用，適合探索新架構或新應用；而當你要把成熟方案推到極致規模時，定製晶片的效率優勢就非常明顯。所以能同時擁有 GPU 和 TPU，是一種巨大的優勢。Arjun：展望未來，你一直強調 AI 在科學領域的潛力，尤其是新藥發現、新疾病研究。你們也有 Isomorphic Labs。我們現在走到那一步了？Demis：我最常提到的例子仍然是 AlphaFold，這是目前 AI 用於科學最成功的案例之一。它解決了蛋白質折疊這個困擾科學界 50 年的難題，全球已有超過 300 萬研究人員在使用它。我希望未來能看到十幾個“AlphaFold 等級”的項目，每一個都徹底改變一個科學或數學領域。我們正在材料科學、物理、數學、天氣預測等方向推進類似項目。如果 AI 發展順利，並被正確使用，未來十年可能會開啟一個全新的科學發現黃金時代。Arjun：最後一個問題。你覺得 2026 年 AI 領域最重要的突破會是什麼？Demis：我認為具備更高自主性的 agent 系統將變得足夠可靠，真正開始發揮實用價值。機器人領域在未來 12 到 18 個月也會出現非常有意思的進展，我們正在和 Gemini Robotics 推進一些極具野心的項目。此外，AI 在終端裝置上的實用性會顯著提升。而我個人最期待的，是世界模型的進一步突破，讓它們足夠高效，能夠真正用於規劃，並融入通用模型之中。 (51CTO技術堆疊)

一家資產管理規模超過13兆美元的巨頭，正在悄然重塑全球金融業的未來格局。“代幣化可能是全球金融體系演進中的最重要因素。”貝萊德創始人兼CEO拉里·芬克在近期香港的金融峰會上擲地有聲地表示。這位曾經稱比特幣為“洗錢指數”的華爾街老將，如今已成為加密資產最積極的倡導者之一。2025年三季度，貝萊德的管理規模創下13.46兆美元的歷史新高，同比增長17%。但其野心遠不止於此。---01 轉身：從懷疑到All In加密資產貝萊德對加密資產的態度轉變，堪稱華爾街近年來的最大逆轉。2017年，拉里·芬克還公開將比特幣稱為“洗錢的指數”，對加密貨幣持明確否定態度。然而，2020年成為轉折點。那一年，比特幣價格漲幅超過300%，市值站上5000億美元以上，芬克的口風也開始鬆動。真正的戰略轉變發生在2023年。貝萊德提交了比特幣現貨ETF申請，這一動作成為整個加密市場的催化劑。消息公佈後，比特幣價格迅速突破30，000美元。隨後，貝萊德的加密佈局全面加速。2024年1月，SEC正式批准貝萊德的比特幣現貨ETF；3月，推出代幣化貨幣市場基金BUIDL；2025年，比特幣ETF規模突破1000億美元，成為史上最快突破千億規模的ETF。02 野心：金融代幣化的宏大藍圖貝萊德的野心遠不止於推出幾個加密產品。拉里·芬克在香港直言，如果全部5.3兆美元的ETF代幣化，被放入數字錢包，投資者可以無需中間商、無縫免費地在現金、股票和債券之間轉換，這將是金融業的未來。貝萊德已率先將一隻貨幣基金代幣化，即BUIDL基金，規模達到28億美元。這只是開始，貝萊德想把金融產品甚至房地產等傳統資產代幣化。貝萊德在2025年第三季度業績電話會上進一步闡述，其願景是將ETF和其他資產進行數位化標記，旨在簡化投資流程，降低成本，並吸引年輕投資者。這種轉型已初見成效。貝萊德比特幣ETF規模突破1000億美元，使其成為持有比特幣最多的法人機構之一，持幣數量達到80萬枚左右。03 佈局：全方位卡位加密生態貝萊德的加密資產佈局既深入又全面，構築了完整的生態體系。在ETF產品線上，貝萊德不僅擁有比特幣ETF，還有以太坊ETF，規模已達170億美元。2025年11月，貝萊德更進軍質押以太坊ETF領域，註冊了“iShares Staked Ethereum Trust”實體，旨在為其iShares以太坊信託增加質押功能。質押以太坊ETF的核心創新在於將傳統ETF結構與以太坊的質押收益機制相結合，提供 “價格暴露+質押收益”的雙重回報潛力。貝萊德還將以太坊視為RWA的底層平台，押注其成為“鏈上華爾街”。貝萊德的BUIDL基金選擇以太坊作為底層部署鏈，看中的是其基礎設施成熟、合規性對接容易、代幣標準完善等優勢。04 驅動：戰略增長的新引擎在傳統資管業務面臨費率壓力的背景下，加密資產與另類投資成為貝萊德新的增長驅動力。2025年第三季度，貝萊德客戶資金淨流入達2050億美元，其中iShares ETF淨注資1530億美元，旗下ETF規模首次突破5兆美元。貝萊德長期投資基金的淨資金流入額達1710億美元，超過分析師預期。另類資產業務已開始為貝萊德帶來更高費率收入。受私人市場業務推動，該集團三季度業績報酬同比增長約33%，達5.16億美元。通過收購HPS，貝萊德新增1650億美元客戶資產。目前，集團另類資產管理規模總計達6630億美元。貝萊德此前透露，計畫到2030年再新增4000億美元另類資產規模。05 前瞻：AI與能源的協同佈局貝萊德的野心不僅限於金融領域，還在AI與能源等顛覆性趨勢中積極佈局。貝萊德智庫在其2025年第四季投資展望中指出，人工智慧主題是當前投資決策的關鍵因素。在AI主題的推動下，他們維持超配美股的觀點。貝萊德認為，企業對人工智慧相關基礎建設的投資依然強勁，這凸顯出“大趨勢”已成為當前經濟的新支撐基石。更具前瞻性的是，貝萊德看到了AI與能源的緊密聯絡。據分析，AI的資料中心已成為吞電巨獸，2024年佔美國總用電量4%，預計2030年將飆升至12%-20%。貝萊德聯合輝達、微軟成立400億美元財團收購Aligned Data Centers，目標直指其5吉瓦電力容量。06 啟示：傳統金融與加密世界的融合貝萊德的戰略轉型為整個金融行業提供了重要啟示。傳統金融與加密世界的邊界正在進一步模糊。當華爾街開始主導以太坊質押，鏈上的權力結構也在重新分配。貝萊德的加密資產佈局已使其成為該領域的主導力量之一。隨著傳統金融機構深度參與加密生態，監管技術也需要同步升級。鏈上監管、即時風險監測和跨境協作機制的建設迫在眉睫。貝萊德在2025年第三季度業績電話會上強調，他們倡導為推動美國成為數位資產基礎設施領導者而明確監管。---貝萊德的野心早已超越了傳統資產管理的邊界。從紐約到香港，從比特幣ETF到代幣化基金，這家13兆美元的資管巨頭正以其驚人的戰略執行力，在傳統金融與加密世界的融合處繪製新的疆域。拉里·芬克坦言，貝萊德及其客戶和股東未來面臨的機會規模將遠超以往。在這場金融革命的浪潮中，貝萊德不再只是一家資產管理公司，它正悄然蛻變為未來金融基礎設施的建構者。 (設計醬2017)

「歐米伽未來研究所」關注科技未來發展趨勢，研究人類在歐米伽點演化過程中面臨的重大機會與挑戰。將不定期推薦和發布世界範圍重要科技研究進展和未來趨勢研究。（點這裡看廣義智能體理論）美國能源部（DOE）最近發布了2025年《人工智慧戰略》報告。這份長達45頁的文件清楚地表明，人工智慧已不再是其龐大科學研究體系中的輔助工具，而是被提升至關乎美國國家安全、科學發現和能源主導地位的核心驅動力。該策略的核心任務是，將人工智慧從國家實驗室中零散、專業的科學應用，轉變為整個能源部系統性的、可規模化的企業級能力。這份於2025年10月發布的報告，其野心並不僅限於技術研發。它直面了在聯邦機構內部署尖端技術所面臨的深層挑戰：根深蒂固的資料豎井、陳舊的基礎設施、以及在敏捷創新與高風險後果（尤其是在核安領域）之間尋求平衡的治理難題。能源部的使命是「透過變革性的科學技術解決方案，應對美國的能源、環境和核子挑戰，確保國家安全與繁榮」。新策略的發布，實質上是承認若無人工智慧的全面滲透，這項核心使命在未來將難以為繼。報告詳盡規劃了六大支柱，包括AI基礎設施、數據、勞動力、研發、治理與風險管理以及資源規劃。這不僅是一份技術藍圖，也是一份旨在重塑美國核心能力版圖的組織變革宣言。以「高後果系統」為核心的國家安全應用與許多專注於商業或消費者應用的AI策略不同，美國能源部的藍圖將國家安全置於最優先的地位，其措辭嚴謹而迫切。其應用的核心聚焦於「高後果系統」（high-consequence systems）——一個委婉的術語，背後直指美國的核威懾力量。該戰略明確指出，人工智慧的實施正在確保美國「保持威懾力的最前沿」。這項任務主要由國家核子安全局（NNSA）執行。報告詳細闡述了幾個關鍵的國家安全應用領域：首先是核子威懾與武庫管理。該策略強調，開發和部署新的人工智慧能力，包括任務導向的智能體、模型和硬件，旨在「加速核武庫（儲存）管理任務」。在禁止物理試驗的背景下，利用AI和機器學習進行高精度模擬、預測性維護和數位孿生，對於確保核武庫的可靠性和安全性至關重要。其次是核不擴散。能源部正在開發「用於核不擴散的多模態基礎模型」。這些模型不僅用於在安全環境中增強任務能力，還被賦予了一項關鍵的元任務：評估「外部專有模型」所帶來的核相關風險。這顯示DOE不僅在利用AI，還在防範AI自身（特別是強大的外部模型）可能帶來的擴散威脅。此外，NNSA還開發了一種「紅隊」能力，專門評估AI模型如何被非國家行為者或擴散國家用於推進核武能力。第三，在核安領域引入生成式AI。報告中最具突破性且風險最高的應用之一是「用於高後果系統工程設計的生成式AI」。能源部正引領將生成式AI應用於「核能事業」等領域的工程設計與數位保障。這項選擇的目的是利用AI加速設計迭代、提升可靠性，確保關鍵國家安全資產的完整性與現代化。第四是情報與反情報。該戰略提出，開發和部署「基於大語言模型（LLM）的工具，用於情報和反情報分析」。其目標是提高成品情報的及時性、準確性和影響力，為國家安全決策提供關鍵見解。最後是AI自身的安全性。能源部清醒地認識到，在關鍵基礎設施（如電網）或核子安全系統中使用AI必須以「信任」為前提。為此，網路安全、能源安全和緊急應變辦公室（CESER）在勞倫斯利弗莫爾國家實驗室（LLNL）領導建立了一個「AI保障測試平台」。該平台將嚴格測試AI模型的漏洞、對抗性穩健性以及對關鍵能源應用的適用性，為設計安全的電網AI系統提供可操作的評估。算力與數據：建構「美國科學雲」與自主實驗室美國能源部擁有全球最強大的科學研究運算資源，新策略明確將其無與倫比的算力（Computing）和龐大的科學數據（Data）視為其AI雄心的兩大基石。然而，報告也坦率地指出了最大的障礙：「不均衡的機構採用、持續的資料豎井、資料使用限制以及遺留基礎設施的複雜性」。在基礎建設層面，能源部擁有無可匹敵的優勢。截至2025年9月，該機構運作著世界上最快的三台超級電腦：LLNL的El Capitan、橡樹嶺國家實驗室（ORNL）的Frontier和阿貢國家實驗室（ANL）的Aurora。這些百億億級（Exascale）運算系統是DOE訓練和部署最先進AI模型的引擎。但真正的挑戰在於數據。能源部作為“首屈一指的科學和數據驅動機構”，其數據集本身就是“關鍵的國家資產”。問題在於，這些數據分散在17個國家實驗室中，格式各異且難以存取。為了解決這個問題，該策略提出了一個宏大的解決方案：「美國科學雲」（American Science Cloud, AmSC）。根據《One Big Beautiful Bill (OBBB) Act》法案的授權，DOE正動員其國家實驗室「為人工智慧和機器學習應用建置和預處理科學數據」。 AmSC的目標是成為一個連接政府、學術界和私營部門的基礎設施，利用雲端運算技術促進跨學科的科學研究、資料共享和運算分析。這實質上是一項龐大的資料治理和資料工程任務。為了實現這一目標，該策略詳述了「數據」支柱下的幾個關鍵目標：現代化資料基礎架構和管理： 建立強大的資料管理框架和標準，特別是優先採用「API優先」的方法，以減少部署時間並提高資料品質、可用性和共享性。加強資料治理： 能源部已經設立了首席資料長（CDO）職位和企業資料管理計劃，並成立了一個「資料治理委員會」。此舉旨在將數據作為策略資產進行管理，確保治理在企業層面有效，同時響應特定領域的獨特需求，而不是「一刀切」。提高資料可存取性和策展： 能源部正在積極推進其“開放資料計劃”，使其在data.gov上的3700多個資料集更易於查找、存取、互通和重複使用（即FAIR原則）。報告特別強調，要確保公共資料是「機器可讀的」並採用開放格式，以優化其用於AI訓練的效用。動員DOE的科學數據： 該戰略要求與美國工業界合作，對整個DOE體系的科學數據進行策展，「以便對其進行結構化、清理和預處理，使其適用於AI和機器學習模型」。在解決了算力和數據之後，策略描繪了科學發現的未來圖景：「自主實驗室」（Autonomous Laboratories）。報告明確提出，將「擴大對自主實驗室和AI引導設計工作流程的投資」。這意味著由人工智慧協調、自我驅動的實驗室，它們利用DOE產生的獨特科學資料湖，在內部和雲端運算資源的驅動下開發模型。這種模式將用於加速材料發現、同位素生產或生物技術創新，以實現科學發現的自動化。從能源主導到內部治理：AI的全面滲透在解決了國家安全和科研基礎這兩大核心之後，該戰略將目光投向了其第三大任務：能源主導。報告詳細闡述了AI如何全面滲透到能源生產、分配和監管的各個環節，同時輔以強大的內部治理、勞動力和資源規劃作為保障。在「能源主導」方面，AI的應用極為廣泛且具有高度的針對性：核能運作： 報告重點在於「提高反應器的自主運作能力」和「降低核能運作和維護成本」。其核心項目是GEMINA（Generating Electricity Managed by Intelligent Nuclear Assets），該計劃專注於為先進核反應器開發數位孿生技術，利用AI進行先進控制、預測性維護和故障檢測。聚變能源： AI/ML技術正被應用於聚變等離子體控制和預測，以加速這一前沿能源的探索。電網控制與彈性： 策略強調使用「實體資訊機器學習」（Physics-informed ML）來控制電網。這種演算法能夠顯著減少電網控制迴路的計算負荷，使營運商能夠快速完成複雜的緊急評估，這對於維護日益複雜和可再生能源驅動的電網的彈性至關重要。基礎設施完整性： 先進基礎設施完整性模型（AIIM）是一個多模型AI系統，用於評估和預報關鍵能源基礎設施（如天然氣管道、海上平台）的完整性，目前正擴展到井筒完整性評估。加速審批流程： 官僚主義的拖延是能源基礎建設的主要障礙之一。能源部推出了「PermitAl」工具，該工具利用AI「簡化能源基礎設施審批」。透過對過去50年的12萬份國家環境政策法（NEPA）文件進行訓練，PermitAl可以幫助分析師在幾小時內（而非幾周）完成新許可證的環境審查摘要和分類。為了支撐如此廣泛且高風險的應用，該策略在「治理與風險管理」方面尤為謹慎和成熟。能源部意識到，「一刀切」的治理方法會扼殺創新或在某些領域監管不足。因此，其核心是「比例化的AI治理架構」（Proportional Al Governance Frameworks）：分級治理方法： 實施一種「分級方法」（graded approach）進行治理和風險管理。這意味著監督的嚴格程度與AI應用的風險和影響成正比。低風險的內部工具（如生產力套件Joulix AI）可以敏捷創新，而高風險應用（如核能係統）則必須接受「強有力的審查」和「多方面的回應以最小化風險暴露」。明確的領導結構： DOE的AI治理由資訊長辦公室（OCIO）、關鍵和新興技術辦公室（CET）以及首席人工智慧長（CAIO）共同領導。此外，也設立了「AI治理委員會」作為協調整個企業AI活動的主要論壇。報告指出，選擇這種多方共治模式是為了「利用多樣化的專業知識並確保更廣泛的部門支持」。內部政策制定： 能源部正在更新和創建內部AI指南，其「GenAl（生成式AI）政策」預計將於2025年12月發布。在「AI就緒勞動力」方面，該策略的重點不僅僅是招募資料科學家，而是「交叉培訓」。報告敏銳地指出，「實驗科學家必須擁有將AI實施到其工作流程中的工具，而AI科學家需要與領域專家密切合作來應對科學挑戰」。這需要透過實習、獎學金和學術聯盟建立早期職業AI人才管道，並加強國家實驗室與區域學術課程的合作。最後，該策略以一種非常務實的方式結束，指向聯邦機構最大的痛點：“資源追蹤和規劃”，特別是採購。報告坦率地指出，必須「加快採購時間」。其策略目標包括：為AI技術和資料服務建立“明確的加急採購”和“預先批准的供應商名單”，並為預先審查過的雲端服務實施“一攬子使用授權（ATU）批准”。這些措施旨在打破官僚主義的瓶頸，使能源部能夠「以產業的速度前進」。結論：一場防禦性與進攻性並存的變革美國能源部2025年《人工智慧戰略》是一份雄心勃勃的藍圖。它具有顯著的雙重性：一方面，它是一項防禦性戰略，旨在利用AI保護和管理美國最敏感的「高後果系統」——核武庫；另一方面，它又是一項進攻性戰略，旨在釋放其無與倫比的計算資源和科學數據，透過「美國科學雲」和「自主實驗室」等項目，加速科學發現和鞏固能源主導地位。這份報告的深刻之處在於它坦誠地承認了實施這一願景的巨大障礙——資料豎井、遺留系統和製度慣性。該策略的成敗，最終可能不在於其研發出了多麼先進的模型，而在於它能否成功執行那些不那麼光鮮亮麗，但卻至關重要的組織變革：真正實現數據的“API優先”、在17個國家實驗室之間推行勞動力“交叉培訓”，以及徹底改革其緩慢的“採購”流程。透過這份策略，美國能源部明確表示，AI不再只是一個研究主題，而是其未來運作的底層作業系統，是從原子到電網，確保美國核心能力在21世紀保持領先的根本保障。(歐米伽未來研究所2025)

高盛稱，歐美老化電網已成AI發展與能源安全“關鍵瓶頸”。歐洲電網平均運行50年、北美40年，多數接近壽命終點。美13個電力市場中已有9個電力緊張，2030年前幾乎全部吃緊。電網升級需求將使銅成為"新石油"，預計到2030年電網建設將推動60%的全球銅需求增長。高盛最新警告稱，隨著AI需求激增和地緣政治緊張局勢加劇，老化的電網已成為西方國家能源安全的"脆弱環節"，電網升級需求將推動銅價在2027年升至每噸10750美元。高盛分析師Lina Thomas和Daan Struyven在最新研究報告中指出，歐洲電網平均執行階段間已達50年，北美為40年，均接近營運壽命終點。相比之下，中國大力推進特高壓輸電網路，形成了全球領先的電力基礎設施體系。該行還認為，電網已成為AI和國防的"關鍵環節"，三者相互依存，投資電網這一能源供應鏈中的薄弱環節變得更加迫切。高盛預計，隨著AI和國防需求將電網置於能源安全核心位置，對電網升級的迫切需求正將銅轉變為"新石油"，預計到2030年電網和電力基礎設施將推動約60%的全球銅需求增長，並支撐其2027年銅價10750美元/噸的看漲預測。西方電網老化成能源安全新威脅高盛分析師Lina Thomas和Daan Struyven在題為《AI和國防將電網置於能源安全中心》的報告中詳細闡述了電網基礎設施面臨的挑戰。據該行分析，歐洲電網平均使用年限達50年，北美為40年，這些基礎設施已接近其設計營運壽命的終點。高盛稱，美國能源安全政策的核心焦點已不再僅僅是原油運輸、液化天然氣貨運或頁岩油產量，而是轉向了運行近半個世紀、備用容量有限的電網系統。美國的電力需求增長已開始對區域市場造成顯著壓力。高盛特別指出：被譽為"全球資料中心之都"的弗吉尼亞州PJM電力市場在2022年遭遇了重大輸電瓶頸。資料顯示，美國13個區域電力市場中已有9個在今年夏季達到臨界緊張狀態。高盛預計，到2030年，除一個市場外，所有美國區域電力市場都將達到臨界緊張狀態。這一預測凸顯了美國電網基礎設施升級的緊迫性。相比之下，中國則大規模增加煤電與核電，推進特高壓輸電網路，形成了全球領先的電力基礎設施體系。AI發展加劇電網壓力高盛分析師指出，AI的快速發展正將電網推向能源安全的核心位置。資料中心作為AI基礎設施的重要組成部分，需要消耗大量電力，這進一步加劇了對已經緊張的電網系統的壓力。Thomas和Struyven在報告中強調，電網、AI和國防三者之間存在相互依存關係，使得電網升級成為國家安全優先事項。報告指出："隨著AI崛起、地緣政治緊張局勢等因素影響，對電網投資的需求以及相關金屬需求的提升變得更加迫切，因為電網是AI和國防的關鍵環節"。這一地位的確立使得電網現代化不再僅僅是基礎設施問題，而是涉及國家安全的戰略議題。高盛分析師認為，AI在國防領域的應用才剛剛開始，這意味著未來電力需求還將持續大幅增長，對已經老化的電網基礎設施構成更大壓力。“新石油”銅需求激增高盛預測，電網升級需求將顯著推動金屬需求，特別是銅的需求。該行分析師表示，電網升級是金屬密集型項目，作為電網建設的核心材料，銅的戰略重要性正日益凸顯。據高盛預測，到2030年末，電網和電力基礎設施建設將推動約60%的全球銅需求增長。這一增長相當於在全球需求基礎上再增加一個美國的消費量，為該行看漲的銅價預測提供了有力支撐。基於這一需求前景，高盛維持其2027年銅價10750美元/噸的預測目標。該行分析師認為，隨著AI和國防需求將電網置於能源安全的中心位置，對電網升級的迫切需求正將銅轉變為"新石油"。 (invest wallstreet)

AI伺服器族群出現超額下單疑慮，股價修正壓力加劇，重電防禦族群順勢出量上攻，市場資金正加速轉向新主流。〈三大變數導致觀望氣氛升高，AI熱門股漲多拉回〉台股今日開低走低，成交量僅2713億元，價跌量縮的盤勢結構反映出資金觀望與市場猶疑情緒，量能不足的背後有三項變數同時發酵，首先，本週三為期指結算日，法人在部位調整上轉趨保守，加上國安基金於今日召開例會，市場預期可能將宣布退場，使得市場失去心理支撐，最後川普週末宣布墨西哥關稅政策，針對AI伺服器徵稅水準高於市場預期，短期利空消息需快速反映，對科技股形成壓力。今日盤面AI伺服器族群成為跌勢重災區，這波回檔不僅是對關稅消息的反應，更是估值過高後的自然修正，智霖老師在週六直播節目中點出AI伺服器供應鏈已出現超額下單的現象，尤其組裝端的鴻海（2317-TW）、廣達（2382-TW）、緯創（3231-TW）與緯穎（6669-TW）正面臨需求降溫壓力。鴻海在近期法說中已經明確指出，下半年四大產品線將面臨衰退，包括蘋果相關消費電子產品也表現疲弱，雖然中長期仍看好其在AI與電動車布局，但就股價節奏而言，接下來幾個月可能維持區間整理。〈立即填表體驗陳智霖分析師APP的3福利〉建議忠實粉絲觀眾立即填表申請體驗陳智霖分析師APP的三福利，讓老師帶你掌握市場脈動、操作節奏！：https://lihi.cc/RFzlE/0714〈防禦型個股接棒上攻，汰弱留強、靈活換股〉在電子主流股轉弱的同時，資金正悄悄轉移至基本面穩健、評價仍具吸引力的族群，今日盤面最具代表性的就是老師提前鎖定並布局的重電能源股，泓德能源（6873-TW）盤中漲幅超過3%，森崴能源（6806-TW）上漲近6%，上緯投控（3708-TW）更是強勢攻上漲停，華城（1519-TW）也同步走強，顯示資金已明確轉向防禦型族群。從AI伺服器的漲多拉回，到重電防禦族群的逆勢上攻，市場資金轉向，不代表行情結束，而是提醒我們必須適時調整策略、改變配置，今天老師受邀TVBS晚間11點金臨天下節目，分享對當前大盤結構、主流輪動與資金配置的看法，週四登場的台積電（2330-TW）法說會將是本週最關鍵的市場事件，攸關整體電子族群的中短線表現，請投資朋友務必要收看，也邀請投資人下載老師的APP，申請體驗陳智霖分析師APP三福利，跟上老師的腳步掌握下一檔攻擊型潛力股，更詳細的內容請收看最新的直播節目。最新影音(請點影音上方標題至Youtube收視品質會更佳)https://youtu.be/07FJY9UPVco〈立即加入陳智霖分析師正版官方LINE@〉掌握市場脈動！最新股市趨勢解析、熱門產業的深入洞察，點擊連結立即加入陳智霖分析師正版官方LINE@，接收好康資訊：https://lihi.cc/5dEsA/0714錢進熱線 02-2653-8299，立即邁向系統依據的股票操作。文章來源：陳智霖分析師/ 亨達投顧

台指期持續軋空、選擇權偏多，顯示市場多方結構穩固，資金動向已從高估值AI股移轉至籌碼乾淨的綠能與重電族群，為第三季操作鋪陳新主軸。〈台指期緩步軋空，選擇權偏多顯現多頭結構〉台股今日盤勢再次驗證前一日直播中智霖老師提醒的邏輯，台指期貨續漲120點，結構上呈現緩步軋空格局，選擇權未平倉比維持在1.5的高水位，也為多方提供支撐，儘管市場普遍擔憂外資期貨空單水位偏高，但老師早在LINE文章中就指出，真正該關注的是選擇權與指數的同步性與資金方向，輝達強勢、比特幣止穩、美債殖利率下滑，共同構成了台股短線易漲難跌的結構。今日盤勢最具代表性的個股，就是大立光（3008-TW），雖然受法說會單季匯損影響，早盤開低至2115元，但盤中吸引強勁資金回補，終場上漲超過5%、收在2285元，出現標準的利空出盡、開低走高走法，這正是老師近期在直播中反覆強調的觀察重點，主力願意在財報利空後回補，代表籌碼已清洗完畢、價值重新浮現，這也有利第三季多頭行情的延續。〈AI高位評價壓力浮現，綠能與重電族群出量轉強〉反觀AI族群，即使大盤上漲，卻有多檔高位個股出現回檔走勢，「矽光之拳」的華星光（4979-TW）、波若威（3163-TW），今天也於高檔帶領會員獲利調節，當前位階操作需講究節奏與成本控管，矽光神拳固然強勢，但更需要靈活操作與風控策略。當電子股進入震盪輪動期，防禦型與政策概念個股開始接棒表現，今日綠能族群永崴投控（3712-TW）、森崴能源（6806-TW）強勢漲停，上緯投控（3708-TW）再創波段高點，重電類股華城（1519-TW）、中興電（1513-TW）也同步出量轉強，這就是政策驅動下法人、大戶資金實質重新部署的方向。〈立即填表體驗陳智霖分析師APP的3福利〉建議忠實粉絲觀眾立即填表申請體驗陳智霖分析師APP的三福利，讓老師帶你掌握市場脈動、操作節奏！：https://lihi.cc/RFzlE/0711〈主力跡象明確，輪動架構有利選股〉台股目前操作難度高，但主力資金動向與族群輪動結構已愈加明確，從大立光（3008-TW）逆勢上漲證明籌碼清洗完畢，主力回補意願強烈，這將是第三季台股走多的重要心理支撐，AI族群因評價過高出現高檔壓力，短線震盪機率高，操作需收斂避免追高，綠能與重電族群出量轉強，是新一波主流，可以關注逢低分批佈局。如果你還在看漲說漲、看跌說跌，不如來聽聽老師每天怎麼看盤、怎麼提前做準備，老師敢買震盪回檔，是因為知道主力在看什麼信號，跟著智霖老師掌握正確的方向與節奏，邀請投資人下載老師的APP，填寫表單申請體驗陳智霖分析師APP三福利，現在就跟上老師的腳步掌握下一檔攻擊型潛力股，更詳細的內容請收看最新的直播節目。最新影音(請點影音上方標題至Youtube收視品質會更佳)https://youtu.be/L1e0M1M1ezo〈立即加入陳智霖分析師正版官方LINE@〉掌握市場脈動！最新股市趨勢解析、熱門產業的深入洞察，點擊連結立即加入陳智霖分析師正版官方LINE@，接收好康資訊：https://lihi.cc/5dEsA/0711錢進熱線 02-2653-8299，立即邁向系統依據的股票操作。文章來源：陳智霖分析師/ 亨達投顧

台股今天在大戶買盤訊號驅動下強勢上漲近五百點，成交量同步放大至4000億元之上，資金信心顯著回流，不僅指數重新站穩短期均線，盤面結構也出現明顯轉強，核心關鍵來自台積電領軍的電子三族群動能續航，以及儲能題材的突破點火。〈台積電釋三大利多站回主舞台，供應鏈同步受惠〉智霖老師在4月中直播直白點出AI、散熱、半導體三族群的佈局時點，今日最受關注的莫過於是台積電（2330-TW）昨日的股東會，市場對董事長魏哲家先生釋出的三大訊息反應積極，再度坐實台積電在先進製程的關鍵地位，也對對儲能與能源供應鏈帶來政策與產業雙利多，2奈米製程良率突破90%，量產進程順利，加上先進封裝趨勢，更是直接帶動家登（3680-TW）、弘塑（3131-TW）等供應鏈股價走高，技術型態轉強，奇鋐（3017-TW）和雙鴻（3324-TW）等散熱族群則持續攻高，成為市場焦點。〈6月多頭四大利基，短線盤勢延續有望〉分析當前基本面與籌碼面結構，這波行情不只是短線題材炒作，背後有四項明確的多頭條件支撐，美國減稅法案通過，企業稅負下降，預期將帶動企業獲利與美股反彈，間接帶動台股表現，加上國安基金確定7月前不退場，市場信心提升，融資水位也穩定維持在1550億上下籌碼乾淨，選擇權最大未平倉量集中在多方，短線不易出現大幅震盪。雖然近期台幣升值帶來些許雜音，但從資金流向觀察，市場仍偏好具基本面支撐的族群，而非僅短炒題材。〈立即加入陳智霖分析師正版官方LINE@〉掌握市場脈動！最新股市趨勢解析、熱門產業的深入洞察，點擊連結立即加入陳智霖分析師正版官方LINE@，接收好康資訊：https://lihi.cc/5dEsA/0604〈三族群續攻，儲能概念發動 可關注切入點〉本週需留意週五美國公布的非農就業數據，如果數據強勁、美元轉強，短線波動可能擴大，目前盤面主流仍由AI、散熱、半導體三大族群所主導，弘塑、奇鋐、雙鴻也都續攻，三族群操作上建議持有強勢股者續抱，回檔可視為再布局機會，昨天直播中老師也預告一檔散熱+儲能個股，今天跳空出量在季線附近剛發動，有機會成為六月新主流，建議投資人盡速卡位。這波走勢並非憑空而來，早在4月中智霖老師便已公開預告電子三族群將是中期主軸，台積電股東會也進一步驗證邏輯正確，產業動態與籌碼變化，都驗證了老師判斷的邏輯與價值，如果你還在觀望、不知道下一步該如何佈局，邀請你填寫下方表單體驗一週會員服務，即時掌握盤中策略、選股方向與買進時點，更多詳細內容也可以收看最新的直播節目。最新影音(請點影音上方標題至Youtube收視品質會更佳)https://youtu.be/dnleOMgYNKw〈立即體驗陳智霖分析師會員服務〉掌握市場脈動！最新股市趨勢解析、熱門產業的深入洞察，立即填表申請體驗陳智霖分析師會員服務：https://lihi.cc/RFzlE/0604錢進熱線 02-2653-8299，立即邁向系統依據的股票操作。文章來源：陳智霖分析師/ 亨達投顧

【新智元導讀】如今，美國AI社區許多人已公認：接下來幾個月，中國將會出現一波開源AI模型的浪潮！很多業內人士和大V乾脆陷入了「冷戰2.0」恐慌，呼籲要開放無限的能源、無限的算力和更簡單的立法。LeCun則表示，DeepSeek擊敗美國，其實不過是中國內部競爭的副產品而已。如今，美國已經開始陷入「冷戰2.0焦慮」——我們的AI技術，恐怕已經落後於中國了？甚至AI社區的不少人已經押註：接下來幾個月，將有一大波中國開源AI模型的浪潮！某AI大V如是說：一年前，沒有人會預料到，在AI競賽中，美國竟會被更強大的中國超越。如今，這種恐慌已經瀰漫開來，更加顯而易見。下面這張圖片，愈發成為如今的現實。一位大V呼籲道：如果中國贏得技術競賽，那他們也會贏得經濟和其他領域的競賽。屆時，他們將成為世界上的主導力量，我們不能讓這種情況發生！因此，如果美國現在還想趕上中國、擊敗他們，就需要無限的能源、無限的算力和更簡單的立法。LeCun附議：DeepSeek擊敗美國，不過是中國內部競爭的副產品科技大V、天使投資人、技術創始人Balaji已經預測到，接下來幾個月裡，中國還會有一波開源AI模型的浪潮，涵蓋從電腦視覺到機器人技術，再到圖像生成的各個領域。這是一種AI的生產過剩。他之所以做出這種判斷，是因為從公開聲明中推斷出，很明顯中國的目標是讓AI軟體不再有利潤，因為他們在通過AI硬體賺錢。他認為，對於美國科技產業（這個最後的堡壘），中國想複製他們已經對美國製造業做過的事情——複製它、最佳化它、規模化生產，然後用低價擊垮原版。在他看來，整件事的內在邏輯，是這樣的。1.中國注意到，DeepSeek的發佈曾一度讓美國科技公司的市值蒸發了大約一兆美元。2.中國的核心優勢一直是出口實體產品，而非軟體。3.中國的另一項核心競爭力是以極大規模出口商品，直到所有外國生產商被壓垮，他們就能主導市場，就像他們對德國和日本汽車產業所做的。4.DeepSeek的出現，讓中國有了信心，認為在AI領域拿下世界第一，已經是可能實現的目標。5.DeepSeek已經在中國迅速走紅，其開源特性意味著每個人都可以快速接入。6.如今，DeepSeek可能已經擁有了無限的資源支援。綜合這一切來看，中國現在認為自己已經抓住了這樣的機會：打擊美國科技公司、拉動內部經濟、從全球AI軟體（至少是在模型層面）中抽走利潤空間。而在那之後，則是通過銷售價格低廉、質量過硬的AI硬體來賺錢，比如智能家居、自動駕駛汽車、消費級無人機和機器狗。從上面這些敘述可以看出，美國人看待這件事的角度可謂是十分「酸雞」。總之，在做過一番預測後，Balaji表示，自己不知道中國是否能在應用層取得成功。但對那些開發封閉原始碼AI模型的公司來說，顯然他們虧慘了。因為，他們已經很難收回訓練SOTA模型所需的高昂固定成本，尤其是如今在開源好模型層出不窮的情況下。總之，中國如今成了開源AI的先鋒，這實在令人驚訝。然而內部邏輯卻是一致的：因為中國專注於不擇手段地贏，這就意味著他們需要複製一些已經被西方放棄的價值觀，比如開源，而這曾經被認為是最難模仿的。最後，Balaji十分不情願地表示：不得不承認，中國在軟體上的進步速度，已經超過了西方在硬體上的進步速度。對於Balaji這居高臨下的言論，是時候拿出LeCun曾經的這番話，來回懟他們一番了——「矽谷圈子的常見病，就是一種錯位的優越感。高級階段的症狀，是認為小圈子就能壟斷好的想法」並且這次，LeCun依然轉發了類似論調的觀點，強調中國並不是一個協調一致的單一實體，而是一個競爭異常激烈的國內市場，企業家們時刻懷揣著夢想，也懷揣著被人趕上的恐懼。所以，擊敗美國不過是中國內部競爭的副產品而已。不過，對於Balaji的判斷，還是不少人表示贊同，尤其是「硬體是中國科技擴展到全球市場的主要管道」。有人表示，所以美國現在的對策就是停止訓練基礎模型，完全專注於微調和建構app。訓練基礎模型，已經是整個AI產業中最昂貴、利潤最低的部分，所以最不划算。Aitomatic CEO、港科大教授Christopher Nguyen對此評價道：你的很多客觀見解都很有道理，但我認為你的觀點太過「美國中心主義」了。如果想要更貼近中國視角地來理解這件事，就要明白——我們對他們的關注，遠遠多於他們對我們的關注。要知道，中國的公司和技術人員一直在大力投入開放原始碼專案（比如Linux基金會，或深圳的機器人產業），他們也一向致力於以更高品質和最低成本「擊敗」競爭對手——在彼此之間，他們的競爭都一直很激烈。可以說，在中國，這種氛圍並不是出於某種國家層面的統一工業政策，而是源於純粹的、激烈的市場競爭和技術創新。Nguyen教授舉例說，自己就曾在松下領導一個工業級的AI項目。當時松下中國內部的說法就是，他們必須用「中國速度」來做事——比全球其他地區更快、更精簡、更強硬，根本等不起全球總部的節奏。他建議說，你們應該試著從中國自身多元的視角去理解中國，而不是把美國放在他們的宇宙中心。美國已落後於中國，必須迎頭趕上！Facebook前高管、Social Capital創始人兼CEO Chamath Palihapitiya也表示，中國在很多方面已經全面領先美國。如果美國還想趕上中國、擊敗他們，就需要無限的能源、無限的算力和更簡單的立法。「無限的能源」，意味著在維持現有政策（如投資稅收抵免和可轉讓性）的基礎上，同時儘可能批准各類新型能源項目，包括天然氣、煤炭、核能、風能和太陽能等所有模式。「無限的算力」，意味著要迅速將對台灣省晶片製造的依賴轉移到美國本土。「更簡化的立法」就更簡單了，如今繁雜且相互矛盾的法律法規讓高效推進變得幾乎不可能。因此每制定一條新規，就應廢除十條舊規。總之，如果迅速行動，贏得這場競賽還是有可能的。很多人呼籲，現在，美國應該解除對所有技術、AI、機器人和能源行業的管制，像在太空競賽時那樣，重新投資STEM。而削減國家科學基金會（NSF）和國立衛生研究員（NIH）的預算、削減研究經費，顯然是南轅北轍的做法。比爾蓋茲：DeepSeek創新的開放性，我從未見過如今，已經有越來越多的大佬看好中國AI的發展勢頭。比如最近在訪談中，比爾蓋茲就表示，非常看好DeepSeek的創新能力。在訪談中，他表示，中國擁有非常強大的大學，可以開展深入的研究。而DeepSeek所做的其實並不罕見，但它們做了一件非常聰明的事，讓所有人都看到了。不過比爾蓋茲強調說，這種創新的開放性，以及DeepSeek所打破的數字紀錄，的確是他從未見過的。而且，因為如今最先進的技術基本都已經開源，儘管它們大部分來自中國和美國，但沒有人真正落後。不過，對於中美AI競賽，他的預測是只要美國能控制住台積電，美國就不會輸。軟體爆炸在美國，全端AI大爆炸在中國？AI競賽最終的勝出者是誰，最近矽谷投資人Tom Davidson等人的長文預測中，也有提到。他們分析道，如今AI已經會改進演算法和軟體，提高AI晶片的質量，同時提高晶片的產量。這些過程，會形成幾種循環，周期分別是3個月、數月，以及數年。相對應的，就是軟體大爆炸、AI技術大爆炸，和全端大爆炸！作者通過計算給出了驚人的結論：在到達AI到達物理極限之前，這些反饋循環最終將導致有效計算能力增加13到33個數量級。最終，爆炸性的結論來了——AI在達到有效的物理極限之前，能進步到什麼程度？答案是，軟體效率可能提升大概13個數量級，也就是1000億倍；晶片技術可能提升100倍左右；晶片製造規模可能擴大1萬倍左右！所以，那些國家會率先達到這些進步？在部落格中，幾位作者給出了這樣的預測——軟體大爆炸，最有可能出現在美國，因為這些AI晶片和演算法的所有者掌握著高度集中的權力。AI技術爆炸，最有可能出現在美國和半導體供應鏈中的其他國家和地區，比如台灣省、韓國、日本、荷蘭，而權力會更廣泛地分佈在AI演算法、AI晶片和半導體供應鏈所有者之間。而全端爆炸，更有可能發生在中國和海灣國家等擁有強大工業基礎的國家，這種爆炸也會將權力更廣泛地分佈在整個工業基礎中。 (新智元)