2026年，AI正在改寫商業規則，科技投資邏輯已徹底顛覆。本期“科技圓桌”聚焦新格局下的投資選擇。人工智慧被寄予重塑經濟、大幅提振生產力、攻克癌症、研發新藥、解決氣候變化問題的厚望。同時，它也被認為正在摧毀就業、隱私、利潤率以及對真理的探索。某一條資料剛點燃樂觀情緒，但短短幾天甚至幾小時之後，又會引發末日般的恐懼。這場較量正在華爾街即時上演。輝達曾被視為投資AI最穩妥的選擇，如今股價已低迷了六個月。軟體行業過去被認為是完美的商業模式，現在卻被看作過時的事物，正在被能即時解決商業問題的自動化智能體所淘汰。曾經輕資產的科技平台也愈發像負債纍纍的工業企業，為了跟上AI巨額的融資需求，被迫投入數千億美元。簡而言之，科技投資的邏輯已被徹底顛覆。儘管這種波動令人難受，但它也在為投資者創造巨大機會，現在正是精選個股的絕佳時機。帶著這一目標，Barron’s近期邀請了四位科技領域專家，共同梳理2026年的科技投資版圖，他們分別是Light Street Capital首席投資官格倫·卡徹（Glen Kacher）、傑富瑞（Jefferies）資深軟體分析師布倫特·希爾（Brent Thill）、Lingotto Innovation管理合夥人兼聯席負責人摩根·薩米特（Morgan Samet），以及Melius Research科技研究主管本·雷茨斯（Ben Reitzes）。本月早些時候，他們通過Zoom參與了本次對話。以下為我們“2026科技圓桌”的經編輯整理後的文字實錄。Barron’s：鑑於科技領域充滿不確定性，我們先從確定的事情談起。關於AI和科技行業在未來一年裡，各位認為有那些事情——如果有的話——是比較確定的？Glen Kacher：AI作為一種架構層面的計算變革正在推動整個行業向前發展。資金最雄厚、投入能力最強的那些大公司都在說，這是我們這個行業裡正在發生的最重要的事情，而且他們正在資本開支（capex）上投入數千億美元。對我來說，最確定、也是我們最篤定的一點是：半導體需求極其強勁，對AI算力的需求仍然非常、非常強勁。Barron’s：有人對此有不同看法嗎？Morgan Samet:我可能還會再補充幾句。AI能做的事情不僅限於數字經濟，在實體經濟中能做的事情同樣擁有巨大的市場潛力，而且這種潛力被嚴重低估了。市場往往糾結於一些爭論，比如周期出現的時間點，或者投資回報到底是否真實存在。這類短期視角，聚焦於價值鏈的某些細枝末節，比如軟體，反而忽略了全域。真正被顛覆的不是軟體，而是勞動力。無論是數字經濟還是實體領域，勞動力市場的規模都高達10兆到20兆美元。當你透過這個視角看問題，相關決策者的動機就會發生變化。這類變革需要一段時間才能全面鋪開：基礎設施搭建、決策落地都需要過程，信任與安全也至關重要。但如果你把這些工具在消費市場中不受邊界限制所能做到的事情，再應用到企業端能夠實現的場景上，那機會將會非常巨大。我說“AI顛覆勞動力”，並非想製造恐慌，因為勞動力部署的速度以及其中的摩擦，恰恰表明我們還有時間去創造新崗位，並把勞動力重新引導到更高價值的任務上。Ben Reitzes：可以確定的是，變革的速度會不斷加快。我認為未來會有更多的顛覆，而不是更少。Brent Thill：有兩件事是確定的。首先，AI將會被全球每一個組織的董事會採納。以往雲轉型、比特幣、Web3等重大技術變革，都未曾真正進入董事會層面。但談及AI，我接觸過的多位董事都表示會全力投入，並且正在推動公司在各個行業、各個層面重新調整方向。我們所做的大量一線調研都指向一個結論：AI的全球普及將從董事會層面啟動，而不是像以往技術趨勢那樣，通常從IT層面先啟動。第二是基礎設施。基礎設施市場裡的所有參與者，包括微軟、Google以及亞馬遜，都在看到旺盛得驚人的需求，甚至已經供不應求。Barron’s：董事會成員是被這股浪潮推著走，還是因為已經看到了採用AI的好處而主動出擊？Thill：他們是在主動出擊。當摩根大通表示已降低用於支援工作的總體營運開支，但又把這筆錢重新投入到能創造收入的崗位上時，這就是一個董事會層面的議題。如果你既能削減成本又能提升營收，那就是一種進攻性的舉措。Light Street Capital首席投資官格倫·卡徹（Photograph by Katie Thompson）Kacher：AI令人驚嘆之處在於，這個行業打造出了對單個使用者而言效率極高的工具。它對CEO來說非常容易上手，而且對我們所有人來說都很直觀。每個人都親身體驗過這項技術如何幫助自己創作內容。隨後，他們又聽說它在編寫程式碼方面的效率。這是個人生產力的一次驚人飛躍。我們都在努力彌合的差距在於：為團隊打造這些工具需要時間。疑慮也出現在這裡——如何將這些工具應用到大量人員、讓大家能夠一起協作使用這一點上。Barron’s：基礎設施短缺會顯著拖慢進度嗎？Thill：部分領域已經出現延遲。CoreWeave在第四季度不得不把80億美元的資本開支往後推遲，而且在廠房建設並投入運行方面也遇到了問題。需求異常旺盛，但時間表正在明顯後移。可能只是因為缺少PVC管道，就足以讓一個項目延期數月。很多事情都在往後推，但這並不意味著支出意願不存在。Barron’s：最大的疑問在於投資回報。你們認為什麼時候能看到回報，或者這項技術實現變現？AI什麼時候會產生實質性的影響？Kacher：科技行業每一次重大架構變革，廣泛普及都需要十年甚至更久。以SaaS（軟體即服務）為例，Salesforce1999年成立，大約花了15年時間，才讓約25%的算力轉向雲模式，又用了8年才實現下一個25%的轉移。因此，面向大規模人群的應用落地，開發和普及都需要時間。現有軟體不會消失。你會看到AI疊加在現有應用之上，並被用於企業運行的核心環節，而現有的軟體巨頭也會建構其中一部分應用。同時，他們也必須與原生AI以及LLM（大語言模型）展開競爭。Samet：你會首先在消費領域看到這種趨勢，因為很多產品幾乎沒有進入門檻。有些人願意承擔比我更大的風險，把這些東西下載安裝到自己的裝置上試一試。接著，當思考企業層面時，Glen提了一個很好的觀點：真正難的是把所有東西都整合到一起。企業管理層既心懷恐懼，也看到機遇。當恐懼與機遇同時出現時，人們往往會行動得更快。 (Barrons巴倫)

關於 AI，技術狂歡之外，更是真實的生意。在 NVIDIA GTC 現場，一場 97 分鐘的 All-In 特別節目裡，四位 CEO 拋出了四個判斷：算力資產的生命周期，遠比想像的長；模型不會一家獨大，整合能力才是護城河；通用模型進不了企業核心，私有化定製才是解法；電力和資料中心，才是當下最大瓶頸。從 GPU 到資料中心，從基座模型到企業訂閱，AI 產業鏈的每一層，都在加速變現。（Perplexity CEO ：AI公司怎麼賺錢？）第一節｜算力資產，比想像重要這兩年 AI 爆發，底層晶片最火。但在 CoreWeave CEO Michael Intrator 眼裡，單純的硬體裝置反而是最不重要的一環。他們真正賣的，是“算力”本身。早期行業的玩法很簡單：買 GPU，訓練模型，用完算成本。現在這套邏輯變了。CoreWeave 的核心玩法，是把算力變成可以簽約、可以抵押、能持續產生現金流的金融資產。他們先與微軟、OpenAI 這種體量的巨頭簽下長達 5 年的合同；合同一簽，就有了確定的遠期收入。隨後，他們把 GPU、資料中心和電力打包，裝進一個獨立的融資結構（SPV）裡。客戶打過來的錢直接進這個資金池，優先支付電費、維運、利息和本金，剩下的利潤才回流到公司。在這套商業邏輯裡，CoreWeave 賣的已經不是裝置，而是一條持續運轉的“算力生產線”。這種模式的回報速度快得驚人。5 年期的合同，前 2.5 年就能覆蓋全部成本，往後基本全是純利。憑藉確定的現金流，他們能在短時間內從資本市場融到數百億美元，繼續瘋狂擴張。過去，算力是純粹的成本；現在，算力是源源不斷的現金流。對此，外界一直存在一個質疑：GPU 技術迭代這麼快，硬體會不會迅速過時？Michael 的回答是：“如果有人說 GPU 16個月就會被淘汰，那他完全不瞭解行業現狀。我們的平均合同期是 5 年，客戶買的是未來 5 到 6 年的算力使用權。”事實上，幾年前發佈的 A100 晶片，今年在二級市場的價格反而上漲了。因為 AI 的商業價值不僅在訓練大模型，更在於推理。當模型真正部署到產品裡，被使用者海量且反覆地呼叫時，算力才算真正被“消費”掉。當下大量的 AI 初創企業需要跑中小模型，早幾代的 Ampere 架構不僅完全夠用，而且性價比極高。技術確實在快速迭代，但算力資產的生命周期反而在拉長。只要有人持續付費，它就沒有過時。這就是第一個判斷：算力資產的生命周期，遠比想像的長。第二節｜沒有一家獨大，整合者贏如果說上一節的算力是底層的“提款機”，那麼到了應用層，核心問題就變成了：誰在真正為 AI 持續買單？Perplexity CEO Aravind Srinivas 給出的答案是：企業。如今的 AI 正在經歷從“問答框”到“執行者”的跨越。從接入搜尋、打開瀏覽器到自動填表，它現在已經能端到端地完成整項任務。你只需要說一個目標，整理客戶名單、做報告、搭工具，它在背後把流程跑完。在這個過程裡，人類不再負責拆解步驟，而是直接交付目標。AI 正在全面走向 Agent（智能體）化。這種演變帶來的直接結果是“入口”的轉移。過去十幾年，網際網路的入口分散在各類 App、網站和軟體介面裡；現在，AI 正在把這些工具整合吞噬，變成唯一的超級入口。這也是為什麼 Perplexity 選擇同時用多家的模型。在 Aravind 看來，Perplexity 的核心護城河就在於“絕對中立”。無論最終是 GPT 贏、Gemini 贏還是那個大模型贏， Perplexity 都無所謂。對於 OpenAI、Anthropic、Google 這些海外閉源模型廠商來說，做多模型聚合意味著要把競爭對手的模型也放進來，這在戰略上很難接受。但 Perplexity 不做模型，只做整合，這反而成了它獨特的生態位：精準呼叫各個模型的最優能力，讓它們高效協同工作。而企業，正在為這種“整合與調度”能力買單。目前，Perplexity 已經積累了數千家企業客戶，這是增長最快的業務線。定價從每人每月 40 美元到 400 美元不等，所有收入都已實現正毛利。這就是第二個判斷：基礎模型不會一家獨大，能做好整合與整合的人，離錢最近。第三節｜通用模型進不了企業，垂直才是解法梳理一下前兩層的邏輯：底層是算力資產的變現，中間層是超級應用對多模型的整合與整合。那麼再往上一層，最核心的問題變成了：大模型如何真正重塑企業的核心業務？Mistral CEO Arthur Mensch 給出的答案非常篤定：通用大模型做不到，必須走私有化定製。現成的通用大模型可以寫通稿、敲程式碼、做百科問答。但當它真正深入企業內部，撞上的往往是高度機密的私有資料、複雜的業務工作流和幾十年的行業 Know-how。如果模型無法與這些核心資產深度耦合，它能力再強，也只能是一個邊緣的辦公輔助工具。這正是為什麼越來越多的頭部企業，開始拋棄“通用方案”，轉而訓練專屬的垂直模型。Mistral 的打法是：直接讓頂尖演算法科學家與企業的行業專家並肩作戰。以他們和 ASML（阿斯麥）的合作為例。為了攻克圖像掃描缺陷檢測的難題，Mistral 團隊深入業務一線，學習 ASML 專家如何看圖、如何判定微小瑕疵，最終用這些極其珍貴的行業資料，硬生生“喂”出了一個能自主執行檢測任務的 CV 專有模型。這套模式的關鍵在於：資料絕對不能離開企業。為此，Mistral 採用的是極致的本地化部署（On-premise）。全套工具鏈直接打包進客戶自己的機房，所有資料清洗、訓練和推理都在企業內部閉環，絕不向 Mistral 回傳那怕一個字節。這恰恰是開源模型真正的殺手鐧。開源意味著企業擁有最高權限：可以觸達底層程式碼，可以進行參數級的深度微調，可以毫無顧忌地將其部署在物理隔離的環境中。而閉源模型，永遠隔著一層 API 的黑盒。Arthur 認為，企業手裡握著最核心的 IP 和商業資料，想把這些資產毫無保留地對接到閉源的商業模型裡，不僅面臨資料合規風險，在技術上也難以實現深層定製。只有開源，才能把底層架構的控制權真正交還給企業。這就是第三個判斷：通用模型進不了企業核心，垂直定製才是唯一解法。第四節｜電力和建設，才是真正瓶頸前三節講的都是數字世界的事：算力怎麼賣、模型怎麼整合、資料怎麼定製。IREN CEO Daniel Roberts 關注的是另一層：什麼在限制這一切的擴張？過去很多人以為，限制 AI 擴張的只是晶片產能。但現在行業越來越清醒：GPU 只是入場券。拿到了卡，不代表馬上能跑起模型。電力接入、資料中心排期、液冷裝置採購、高頻寬網路鋪設……每一項都是重資產、長周期的物理建設。而這其中，最大的瓶頸是電力。IREN 目前手握 4.5GW 的電力容量，這幾乎相當於整個舊金山灣區一年的用電規模。但即便擁有如此龐大的儲備，在他們與微軟簽下的 97 億美元大單面前，也僅僅消耗了其總產能的 5%。這足以窺見巨頭們對電力的渴求有多麼狂熱。更有意思的是，由於物理電網的限制，現在的鐵律變成了“電力在那裡，資料中心就得建在那裡”。Daniel 提到了一個極具荒誕感的現狀：在西德州，風能和太陽能的發電量高達 45 到 50GW，但通往達拉斯和休斯頓的輸電網路容量上限只有 12GW。海量廉價的清潔能源受限於輸電瓶頸，被死死“困”在了沙漠裡。IREN 的解法簡單粗暴：直接把資料中心蓋在發電源頭。將龐大的電力就地轉化為算力，再把生成的 Token 通過光纖以光速傳輸出去。還有一個極其反直覺的現象：技術降本非但不會減少算力消耗，反而會徹底引爆需求。主持人問了個問題：如果算力猛增 10 倍，生成一張圖片的成本和時間從 2 分鐘斷崖式降到 5 秒，人們是會覺得夠用了，還是會生成更多的圖片？Daniel 的答案是：需求會指數級爆發。這就是 AI 時代的“傑文斯悖論（Jevons Paradox）”。無論出圖速度多快，前端永遠有填不滿的業務需求在等著吞噬這些算力。AI 在數字世界裡的胃口正呈幾何級膨脹，但現實世界的風電場、核反應堆和高壓電網的建設速度，卻只能依循物理法則緩慢爬行。這道巨大的剪刀差，正在成為限制 AI 擴張的最硬性約束。這就是第四個判斷：AI 的上限，不再只由技術突破決定，而是由電力、土地和建設周期來裁決。結語｜誰領先，誰建壁壘這四個判斷背後，藏著一條共同的暗線：先行者正在構築壁壘。算力被鎖進 5 年合同；整合能力成為護城河； 企業資料築成高牆； 電力和土地被提前圈佔。每一層都在變成長期資產，每一層的門檻都在抬高。有人還在等技術成熟，有人已經開始佔資源了。而在 AI 這個行業，這些資源一旦被佔住，後來者的成本會高得多。 (AI深度研究員)

對甲骨文、CoreWeave、微軟等公司而言可能是個好消息。OpenAI已經聘請OpenClaw的創辦人（OpenClaw是過去幾個月最成功的獨立AI專案），這對甲骨文、CoreWeave、微軟等公司而言可能是個利多消息，它們都需要這家AI新創公司順利實現IPO。OpenClaw的創始人彼得·斯坦伯格（ PeterSteinberger）在上周末的一篇部落格文章中表示，他將加入OpenAI。OpenAI執行長薩姆·奧爾特曼（ Sam Altman）稱，斯坦伯格將參與研發下一代「個人智能體」——這類AI能夠接收指令，並為用戶完成多步驟任務。「[斯坦伯格]是個天才，對未來非常聰明的智能體如何彼此交互、為人們完成非常有用的事情有很多驚人的想法。我們預計這將很快成為我們產品組合的核心，」奧爾特曼在社交媒體平台X的一則帖子中說道。在聊天機器人以及圖像、視訊生成工具取得巨大成功之後，AI智能體早已被視為產業的下一個​​發展方向。同時，OpenAI正在應對外界認為其領先優勢正被Anthropic等競爭對手蠶食的看法，兩家公司都在為IPO衝刺。任何能鞏固OpenAI地位的消息，對那些依賴其支出的公司而言都是利多，例如雲端運算服務商甲骨文和CoreWeave，以及OpenAI的主要投資者微軟和軟銀集團。OpenAI目前估值約5,000億美元，據報正在就一輪1,000億美元的融資進行洽談，並計劃最早在今年第四季啟動IPO。簡單回顧下：OpenClaw於去年11月推出，今年稍早在社群平台爆紅，用戶紛紛展示其功能。OpenClaw允許使用者透過iMessage、WhatsApp、Slack、Signal等即時通訊工具，指揮個人化AI智能體執行真實任務。不過，這個計畫並非一路順風順水。由於可能與Anthropic的AI模型Claude混淆，斯坦伯格不得不將其名稱從最初的Clawdbot改掉，先改為Moltbot，最終定為OpenClaw。此外，OpenClaw能直接存取用戶資料的能力也引發了安全性疑慮。這問題一度帶動網路安全公司Cloudflare的股價短暫飆升，因為該公司的技術可以用來讓OpenClaw更安全。史坦伯格和奧爾特曼表示，OpenClaw將作為一個開源專案（意味著用戶可以對其進行修改）被轉移到一個基金會名下，而OpenAI將繼續提供支援。「它將繼續是思考者、開發者和希望自主掌控數據的人的平台，目標是支持更多模型與公司，」斯坦伯格在其網站上的一篇文章中寫道。 (Barrons巴倫)

2026 年 1 月 3 日，或許是人類歷史上“真實”概念死亡的日子，也是好萊塢舊世界崩塌的開始。當全世界在社交媒體上圍觀委內瑞拉總統馬杜洛身穿“白色睡衣”被押上美軍運輸機的畫面時，很少有人意識到，這不僅是一場地緣政治的“絕對決心行動”，更是一場針對電影工業的降維打擊。那張騙過了數百萬人的照片，沒有動用一台攝影機，沒有一名演員，成本不到一美分。在 Wavers 看來，這不再是關於“AI 輔助創作”的溫和討論，而是一場殘酷的資本遷徙。當生成式 AI 能夠以極低成本即時建構“現實”，我們發現了一個驚人的財務交叉點：AI 基礎設施巨頭的年化收入，已經正式超越了全球電影票房的總和。1. 現實的定價權：從膠片到 GPU要理解這場變革，我們不能只看技術參數，必須看錢流向了那裡。傳統的電影工業依賴於物理資產：攝影棚、外景地、龐大的劇組。而新時代的“影業巨頭”不再擁有片場，他們擁有的是資料中心。請看下圖，這是截至 2025 年底至 2026 年初的 AI 關鍵玩家收入追蹤：圖1 跟蹤人工智慧的年化收入從圖中我們可以清晰地看到幾條陡峭的增長曲線，這不僅僅是收入，更是“算力即權力”的宣言：Microsoft Azure ($185億) ：作為 AI 的物理承載平台，其年化收入已突破 185 億美元。如果把未來的電影視為“計算產品”，Azure 就是新的派拉蒙片場，它出租的是生成現實的“土地”。OpenAI ($130億)：憑藉 Sora 和 ChatGPT，它正成為全球最大的“視覺特效公司”，年化收入創下 130 億美元新高。Anthropic ($70億)：這是一個極易被忽視的關鍵資料點。作為 OpenAI 的勁敵，Anthropic 並不只是追隨者，其 70 億美元的年化收入且保持每兩個季度翻番的增速，證明了市場對長文字和高邏輯性劇本生成（Context Window）的巨大需求。CoreWeave ($55億)：作為“數字軍火商”，這家提供 GPU 算力的公司營收暴漲 100%，達到了 55 億美元。2. 算力經濟體 vs. 票房經濟體為了直觀展示這種力量對比，我們製作了下表。當我們將這四家核心 AI 基礎設施（Azure AI部分, OpenAI, Anthropic, CoreWeave）的營收相加，總額接近 440 億美元。而根據 Statista 及行業資料，2024-2025 年全球電影票房大盤僅維持在 340 億美元 左右。資本已經用腳投票，認定“生成端”（算力）比“放映端”（影院）更具價值。好萊塢作為資金流動中心的地位很快會被矽谷取代。3. 泰勒·佩裡的 8 億美元教訓與“人海”的消失這種宏觀資料的變化，在微觀層面引發了劇烈的陣痛。最典型的案例莫過於美國獨立電影大亨泰勒·佩裡（Tyler Perry）。在目睹了 Sora 的演示後，他直接叫停了在亞特蘭大擴建攝影棚的 8 億美元 投資計畫。佩裡的邏輯是冷酷而理性的：為什麼還要花錢去搭建實體的建築、運輸卡車和僱傭工人？回顧 1 月 3 日委內瑞拉事件中那段“百萬人揮舞國旗”的 AI 視訊。在傳統好萊塢，拍攝這樣的《悲慘世界》等級的群眾戲是後勤的噩夢。但在 AI 時代，這是一場不需要人類參與的群眾運動。當演算法能以不到 100 美元的成本生成讓觀眾熱淚盈眶的宏大場面，傳統的“臨時演員公會”和龐大的劇組工種，實際上已經面臨“結構性失業”。這不是效率提升，這是產業鏈清洗。4. 未來的分岔路：90% 的垃圾與 10% 的奢侈品那麼，人類電影就此消亡了嗎？不完全是。Wavers 分析師認為，電影市場將迎來極其劇烈的“K型分化”。Anthropic 的 70 億美元 營收告訴我們，市場不僅需要視覺奇觀（OpenAI），還需要深度邏輯和長文字敘事。未來，90% 的視訊內容（新聞、短劇、廣告、快消娛樂）將由 AI 全自動生成，成本趨近於零。而剩下的 10%，將是好萊塢最後的堡壘——“有機電影”（Organic Cinema）。就像現代農業高度工業化後，人們願意花高價購買有機食品一樣。未來的觀眾支付昂貴的票價，不是為了看逼真的畫面（AI 已經能做到完美），而是為了看真實的湯姆·克魯斯真的跳下了懸崖。5. 結語我們不再需要那個擁有擁堵高速公路、昂貴稅收和繁重供應鏈的舊好萊塢。隨著 Microsoft Azure, OpenAI, Anthropic 和 CoreWeave 建構起年收 440 億美元的新經濟體，電影工業的物理形態已經消散在雲端。對於投資者而言，看清這一點至關重要：未來的“票房冠軍”可能不再誕生於紅地毯，而誕生於資料中心的伺服器機架之間。 (capitalwatch)

上周五，人工智慧雲端運算公司CoreWeave（CRWV）股價大跌，導致輝達的投資組合整體價值大縮水。輝達建構了一個專注於人工智慧領域的公開投資組合，涵蓋晶片設計、資料中心營運商和基礎設施提供商等，但這些公司鮮為人知。據報導，該投資組合包含六家公司，截至第三季度末，總價值約為38.4億美元。自第三季度末以來，該投資組合六隻持倉股票中有五隻出現下跌，佔投資組合價值86%以上的CoreWeave成為拖累投資組合表現的主要因素。期間，CoreWeave 42%的跌幅幾乎是跌幅第二大的Nebius Group（NBIS，下跌22%）的兩倍。在此期間，只有Applied Digital（APLD）實現了上漲。今年9月，CoreWeave與投資方輝達簽署了一份價值63億美元的初始訂單。根據一項協議，輝達將購買CoreWeave任何未售給客戶的雲容量。但從那之後，CoreWeave短暫上漲後轉頭下跌，如今跌幅已超過30%，較今年股價6月的高點更是下跌接近60%。分析師們對CoreWeave的前景總體持樂觀態度，認為其營收增長、客戶關係和積壓訂單都是支撐因素。然而，持續復甦的關鍵在於展現盈利能力、有效管理槓桿，以及在融資和可持續性存疑的情況下證明人工智慧的持久需求依然存在。在CoreWeave於3月上市前，輝達分兩期投資了3.5億美元。輝達最初於2023年4月投資了1億美元，並在CoreWeave上市前夕追加投資了2.5億美元，最終以每股40美元的價格購入了約2420萬股CoreWeave股票，佔股7%。CoreWeave上市後，股價在6月份飆升至每股187美元的歷史新高，但此後一直穩步下跌。儘管股價幾乎翻了一番，但仍比IPO發行價下跌了近60%。上周五，其股價再次下跌10%，市值降至約390億美元——與6月底近800億美元的市值相比，大幅縮水。上周五的暴跌源於一份提交給美國證券交易委員會（SEC）的4號表格檔案，該檔案披露首席財務官尼廷·阿格拉瓦爾於12月11日以平均每股82.58美元的價格出售了66,467股股票，總計約549萬美元。CoreWeave面臨的挑戰反映了人們對人工智慧行業增長前景的普遍質疑。分析師和投資者強調了潛在的“循環融資”模式，即輝達向購買其硬體的客戶提供投資或產能承諾。CoreWeave與輝達達成的協議包括一項價值63億美元的協議，根據該協議，輝達承諾購買截至2032年4月所有未售出的雲端運算容量，這為CoreWeave提供了收入保障，但也引發了人們對終端使用者真正需求的質疑。整個行業中，隨著營運現金流不足，大型科技公司越來越依賴債務融資來支援其龐大的人工智慧基礎設施項目。Meta Platforms發行了300億美元的債券，計畫於2025年發行，以支援資料中心的擴張。而甲骨文在發佈第三季度財報後，也遭遇了投資者的強烈反對。由於投資者擔憂其債務規模已超過1000億美元，且與人工智慧項目相關的自由現金流為負，甲骨文股價下跌了15%。這引發了關於過度投資風險、潛在產能過剩以及人工智慧建設長期盈利能力的爭論。儘管CoreWeave第三季度營收強勁增長至13.6億美元（同比增長顯著），且積壓訂單量巨大，但該公司仍持續出現淨虧損，並嚴重依賴債務融資，包括本月剛剛完成的26億美元可轉換債券發行，儘管利率僅為1.75%。未來幾年，資料中心擴建所需的高額資本支出預計將達到數百億美元，這被視為對其資產負債表造成了壓力。 (北美商業見聞)

一家大多數人都從未聽說過的公司，卻躋身今年表現最佳的科技企業之列——它也像征著當今人工智慧公司開展業務時那種複雜、相互關聯且可能帶來災難性後果的方式。《大西洋月刊》插圖。圖片來源：蓋蒂圖片社（Getty）。CoreWeave今年3月的首次公開募股（IPO）是自2021年以來規模最大的科技初創企業IPO，此後其股價已翻了一倍以上，表現甚至超過了“輝煌七巨頭”（Magnificent Seven）科技股。在華爾街，CoreWeave常被稱為推動人工智慧革命最重要的公司之一。過去幾個月裡，該公司宣佈了與OpenAI達成的220億美元合作、與Meta簽署的140億美元協議，以及與輝達（Nvidia）敲定的60億美元安排。對於一家從加密貨幣挖礦轉型為資料中心營運商、帳面上毫無利潤卻背負數十億美元債務的公司來說，這成績可不賴。CoreWeave的商業模式包括大量採購高端電腦晶片，並建造或租賃資料中心來安置這些晶片。然後，它將這些資產出租給需要算力但不願承擔巨額前期成本的人工智慧公司。如果說這種模式本身還算直白，那麼CoreWeave的財務狀況則完全不是這麼回事。該公司預計今年收入為50億美元，而支出卻高達約200億美元。為了填補這一缺口，公司已舉債140億美元，其中一半以上將在未來一年內到期。許多貸款由私募股權公司以高利率發放，且採用複雜的金融工程手段，例如將資金提供給專門為CoreWeave代為借款而新設的法律實體（後文詳述）。此外，CoreWeave還面臨總額達340億美元的租賃付款義務，這些款項將在現在至2028年間陸續到期。與此同時，CoreWeave所賺取的收入來源極為集中且高度關聯。僅微軟一家客戶就貢獻了其高達70%的收入；其第二大客戶輝達和OpenAI可能又佔了另外20%，儘管確切數字難以獲得。輝達不僅是CoreWeave晶片的獨家供應商，也是其主要投資者之一，這意味著CoreWeave實際上是在用輝達的錢購買輝達的晶片，然後再租回給輝達。OpenAI同樣是CoreWeave的重要投資者，並與輝達和微軟保持著緊密的財務合作關係。這一切或許使CoreWeave成為席捲人工智慧行業趨勢的最純粹縮影。近幾個月來，包括亞馬遜、Google、Meta、微軟和甲骨文（Oracle）在內的科技巨頭紛紛對新建資料中心進行巨額投資，通過循環融資協議將彼此的命運捆綁在一起，並從監管寬鬆的貸款機構借入巨額債務。這些公司及其最堅定的支持者辯稱，這些交易將使它們能夠攫取即將到來的人工智慧革命所帶來的無限利潤。但上一次經濟中出現如此巨額財富被捆綁在如此晦澀且相互重疊的安排之中，還是在2008年金融危機前夕。如果人工智慧革命未能按照行業預期的規模或時間表實現，其經濟後果可能會非常難看。人工智慧行業的極端金融化反映了一個簡單現實：訓練和運行人工智慧系統所需的基礎設施成本極其高昂，即便是最大的公司也沒有足夠的現金來全額支付。保守估計，今年資料中心支出將超過4000億美元，大致相當於丹麥的經濟體量；麥肯錫預計，到2030年這一數字將達到近7兆美元。要為如此龐大的投資買單，必須採取富有創意的融資手段。這場行動的核心是全球市值最高的公司——輝達。像Anthropic和OpenAI這樣訓練和運行人工智慧系統的公司需要輝達的晶片，但手頭卻沒有足夠現金支付。而輝達則擁有大量現金，但需要客戶持續購買其晶片。因此，雙方達成了一系列交易：人工智慧公司實際上通過出讓未來利潤的一部分（以股權形式）來向輝達付款。今年，這家晶片製造商已達成50多筆此類交易，包括對OpenAI的1000億美元投資，以及（與微軟一起）對Anthropic的150億美元投資。從形式上看，這些交易並不要求人工智慧公司必須花錢購買輝達的晶片——一位輝達發言人告訴彭博社，公司“並不要求我們投資的任何公司使用輝達技術”——但在實踐中，這些錢最終都流向了輝達。OpenAI自身也達成了一系列交易，包括同意從甲骨文購買3000億美元的算力、從亞馬遜購買380億美元、從CoreWeave購買220億美元。反過來，這些雲服務提供商又是輝達晶片的重要市場。OpenAI還投資了數家小型人工智慧初創企業，作為交換，這些企業同意為其支付ChatGPT企業帳戶費用。即使以圖表形式呈現，由此形成的錯綜複雜的互鎖關係網也幾乎無法追蹤。總體而言，這些安排相當於整個行業正在對一種遠未盈利的產品進行孤注一擲的豪賭。單就OpenAI一家公司而言，它同時是多家雲服務商和晶片製造商的重要收入來源和投資方；是微軟、甲骨文和亞馬遜的緊密財務合作夥伴；是輝達的重要客戶；也是人工智慧初創企業的領先投資者。然而，該公司今年預計僅能創造100億美元收入——不到其每年僅用於履行與甲骨文協議所需資金的五分之一。它今年預計將至少虧損150億美元，並且直到2029年之前都不指望實現盈利。據一項估算，今年人工智慧公司合計將創造600億美元收入，而支出卻高達4000億美元。唯一從人工智慧熱潮中賺取大量利潤的公司——輝達——之所以能賺錢，僅僅是因為其他所有公司都在購買它的晶片，寄望於未來獲得利潤。人工智慧公司及其支持者認為，這種賭博值得一試。他們指出，對人工智慧服務的需求正以指數級速度增長。據廣受引用的人工智慧行業分析師阿齊姆·阿扎爾（Azeem Azhar）計算，過去兩年人工智慧服務的直接收入增長了近九倍。如果這一速度持續下去，人工智慧公司遲早會開始創造破紀錄的利潤。“我認為那些過分糾結於這些投資具體如何融資的人，思維還停留在過時的框架裡，”阿扎爾告訴我，“所有人都假設這項技術將以線性速度進步。但人工智慧是一種指數級技術。這是完全不同的範式。”然而，如果人工智慧未能如倡導者所設想的那樣在短期內產生利潤——如果其技術進步放緩，且提升生產力的效果令人失望（越來越多的證據表明情況可能正是如此）——那麼將整個行業捆綁在一起的金融紐帶就可能成為所有人的共同覆滅之源。股市財富極度集中在少數幾家彼此存在深厚財務聯絡的科技公司手中，這可能使人工智慧泡沫破裂帶來的衝擊比2000年代的網際網路泡沫破裂更為嚴重。而股市調整或許還不是美國最該擔心的問題。當股權投資失敗時，投資者可能會血本無歸，但對實體經濟的損害通常有限。（例如，網際網路泡沫破裂並未引發大規模失業。）但人工智慧基礎設施建設成本如此之高，僅靠股權投資根本無法支撐。為了融資，人工智慧公司已背負數千億美元債務，摩根士丹利預計這一數字到2028年將升至1.5兆美元。當大量高槓桿貸款同時違約時，其後果可能蔓延至整個金融體系，並觸發一場嚴重衰退。當然，人工智慧行業的債務並不一定會違約。但其安排和打包方式之複雜卻令人不安。例如，今年早些時候，Meta決定在路易斯安那州新建一座耗資270億美元的資料中心。該公司沒有向傳統貸款機構申請貸款，而是與私募股權公司Blue Owl Capital合作，設立了一個名為“特殊目的載體”（SPV）的獨立法律實體，由該實體代Meta借款、按Meta的指示建設資料中心，再將其回租給Meta。由於Blue Owl在技術上是該項目的多數所有者，這種結構使債務不出現在Meta的資產負債表上，從而讓Meta能在不影響信用評級的情況下繼續以低利率借款。包括xAI、CoreWeave和Google在內的其他公司也已通過或計畫通過類似安排借入巨額資金。Meta將其與Blue Owl的安排描述為“創新合作”，旨在“支援Meta資料中心項目所需的速度和靈活性”。但信用評級體系存在的意義，正是為了讓貸款人和投資者清楚瞭解發放貸款時所承擔的風險。歷史上，公司試圖規避這一體系的例子屢見不鮮。在2008年金融危機爆發前，幾家大型金融機構就曾利用SPV將數十億美元的家庭債務隱藏在資產負債表之外。2001年因大規模會計醜聞而轟然倒塌的能源公司安然（Enron），也曾利用SPV掩蓋其不當會計操作。“當我看到這類安排時，這是一個巨大的危險訊號，”SK Ventures管理合夥人、麻省理工學院研究員保羅·凱德羅斯基（Paul Kedrosky）告訴我，他長期研究金融工程手段。“這傳遞出一個訊號：這些公司真的不希望信用評級機構過於仔細地審視它們的支出。”SPV並非唯一捲土重來的2008年式融資工具。總額達數十億美元的資料中心債務正被切割成“資產支援證券”（asset-backed securities），然後被打包出售給投資者。公司通過這種方式融資本身並非必然有問題。但凱德羅斯基認為，在投機加劇時期，這類工具會將債務轉化為一種與其所代表的基礎資產價值脫鉤的金融產品——從而助長魯莽行為。“投資者看到這些複雜的金融產品時會說：‘我不在乎裡面到底發生了什麼——我只關心它評級很高，而且承諾高回報，’”凱德羅斯基說，“2008年就是這麼回事。一旦這種思維盛行，就會變得非常危險。”還有所謂的“GPU抵押貸款”。包括CoreWeave在內的多家資料中心建設和雲服務提供商，已通過將現有晶片作為抵押品獲得了數十億美元貸款，用於購買新晶片——這就像2000年代許多房主用自己的房子作抵押貸款購買第二套、第三套房產一樣。但正如公共企業中心（Center for Public Enterprise）分析師阿迪特·阿倫（Advait Arun）在最近一份關於人工智慧行業財務狀況的報告中所指出的，這些抵押品能否保值遠未可知。每當新型號晶片發佈，舊型號晶片的價值往往會下跌。阿倫表示，如果晶片價格暴跌足夠劇烈，就可能引發惡性循環：隨著舊晶片貶值，以其為抵押的貸款突然面臨違約風險；貸款方可能在公司尚未產生足夠收入償還之前就提前收回貸款；此時，貸款方可能試圖出售晶片以收回投資，但這只會向市場傾銷更多晶片，進一步壓低現有晶片價值，導致其他貸款方也紛紛提前收回貸款，如此循環往復。“幾個月前，我會告訴你這正在走向一場網際網路泡沫式的崩盤，”穆迪分析公司（Moody’s Analytics）首席經濟學家馬克·贊迪（Mark Zandi）告訴我，“但所有這些債務和金融工程正讓我越來越擔心會出現類似2008年的情景。”聯邦政府在2008年危機後限制了傳統銀行承擔高風險大額貸款的能力。然而此後，不受銀行同等監管審查的私募股權公司卻更深地介入了放貸業務。截至今年初，這些公司已向科技行業提供了約4500億美元所謂的“私人信貸”（private credit），其中包括為上述多項交易提供融資。據一項估算，未來兩年它們還將再提供8000億美元貸款。“如果人工智慧泡沫破裂，它們將成為最終承擔損失的一方，”阿倫告訴我。私人信貸崩盤幾乎肯定比銀行崩盤更可取。與銀行不同，私募股權公司沒有普通儲戶。理論上，如果它們的貸款失敗，受損最嚴重的將是養老基金、大學捐贈基金和避險基金等機構投資者，從而將對整體經濟的損害控制在一定範圍內。問題在於，沒人能確定情況確實如此。私人信貸實際上是一個黑箱。與銀行不同，這些實體無需披露資金來源、貸款金額、資本持有量以及貸款表現情況。這使得監管機構無法瞭解系統中存在那些風險，也無法判斷這些風險與實體經濟的關聯程度。越來越多的證據表明，私人信貸與其他金融體系之間的聯絡比此前認為的更為緊密。聯準會的細緻研究表明，目前非銀行金融機構從銀行獲得的貸款中，最多有四分之一流向了私人信貸公司（2013年僅為1%），而大型人壽保險公司已有近1兆美元資金投入私人信貸。耶魯法學院專攻金融監管的教授娜塔莎·薩林（Natasha Sarin）告訴我，這些聯絡意味著，一場大規模人工智慧崩盤可能引發一波私人信貸違約潮，進而拖垮大型銀行和保險公司。“不幸的是，我們往往要等到危機爆發後，才會意識到金融體系各個部分原來一直如此緊密相連，”她說。由人工智慧引發的金融災難遠非不可避免。然而，鑑於種種警示訊號，人們本應希望聯邦政府盡其所能降低危機風險。但川普政府卻反其道而行之。今年8月，總統簽署了一項行政命令，指示聯邦機構放鬆監管，允許普通401(k)帳戶持有人直接投資於“另類資產”——沒錯，就包括私人信貸。這一變化可能使更廣泛的公眾暴露在人工智慧貸款違約的後果之中。也許這正是2008年與2025年的關鍵區別：當年，聯邦政府對危機措手不及；這一次，它似乎正在主動招致一場危機。 (invest wallstreet)

一家大多數人都從未聽說過的公司，卻躋身今年表現最佳的科技企業之列——它也像征著當今人工智慧公司開展業務時那種複雜、相互關聯且可能帶來災難性後果的方式。《大西洋月刊》插圖。圖片來源：蓋蒂圖片社（Getty）。CoreWeave今年3月的首次公開募股（IPO）是自2021年以來規模最大的科技初創企業IPO，此後其股價已翻了一倍以上，表現甚至超過了“輝煌七巨頭”（Magnificent Seven）科技股。在華爾街，CoreWeave常被稱為推動人工智慧革命最重要的公司之一。過去幾個月裡，該公司宣佈了與OpenAI達成的220億美元合作、與Meta簽署的140億美元協議，以及與輝達（Nvidia）敲定的60億美元安排。對於一家從加密貨幣挖礦轉型為資料中心營運商、帳面上毫無利潤卻背負數十億美元債務的公司來說，這成績可不賴。CoreWeave的商業模式包括大量採購高端電腦晶片，並建造或租賃資料中心來安置這些晶片。然後，它將這些資產出租給需要算力但不願承擔巨額前期成本的人工智慧公司。如果說這種模式本身還算直白，那麼CoreWeave的財務狀況則完全不是這麼回事。該公司預計今年收入為50億美元，而支出卻高達約200億美元。為了填補這一缺口，公司已舉債140億美元，其中一半以上將在未來一年內到期。許多貸款由私募股權公司以高利率發放，且採用複雜的金融工程手段，例如將資金提供給專門為CoreWeave代為借款而新設的法律實體（後文詳述）。此外，CoreWeave還面臨總額達340億美元的租賃付款義務，這些款項將在現在至2028年間陸續到期。與此同時，CoreWeave所賺取的收入來源極為集中且高度關聯。僅微軟一家客戶就貢獻了其高達70%的收入；其第二大客戶輝達和OpenAI可能又佔了另外20%，儘管確切數字難以獲得。輝達不僅是CoreWeave晶片的獨家供應商，也是其主要投資者之一，這意味著CoreWeave實際上是在用輝達的錢購買輝達的晶片，然後再租回給輝達。OpenAI同樣是CoreWeave的重要投資者，並與輝達和微軟保持著緊密的財務合作關係。這一切或許使CoreWeave成為席捲人工智慧行業趨勢的最純粹縮影。近幾個月來，包括亞馬遜、Google、Meta、微軟和甲骨文（Oracle）在內的科技巨頭紛紛對新建資料中心進行巨額投資，通過循環融資協議將彼此的命運捆綁在一起，並從監管寬鬆的貸款機構借入巨額債務。這些公司及其最堅定的支持者辯稱，這些交易將使它們能夠攫取即將到來的人工智慧革命所帶來的無限利潤。但上一次經濟中出現如此巨額財富被捆綁在如此晦澀且相互重疊的安排之中，還是在2008年金融危機前夕。如果人工智慧革命未能按照行業預期的規模或時間表實現，其經濟後果可能會非常難看。人工智慧行業的極端金融化反映了一個簡單現實：訓練和運行人工智慧系統所需的基礎設施成本極其高昂，即便是最大的公司也沒有足夠的現金來全額支付。保守估計，今年資料中心支出將超過4000億美元，大致相當於丹麥的經濟體量；麥肯錫預計，到2030年這一數字將達到近7兆美元。要為如此龐大的投資買單，必須採取富有創意的融資手段。這場行動的核心是全球市值最高的公司——輝達。像Anthropic和OpenAI這樣訓練和運行人工智慧系統的公司需要輝達的晶片，但手頭卻沒有足夠現金支付。而輝達則擁有大量現金，但需要客戶持續購買其晶片。因此，雙方達成了一系列交易：人工智慧公司實際上通過出讓未來利潤的一部分（以股權形式）來向輝達付款。今年，這家晶片製造商已達成50多筆此類交易，包括對OpenAI的1000億美元投資，以及（與微軟一起）對Anthropic的150億美元投資。從形式上看，這些交易並不要求人工智慧公司必須花錢購買輝達的晶片——一位輝達發言人告訴彭博社，公司“並不要求我們投資的任何公司使用輝達技術”——但在實踐中，這些錢最終都流向了輝達。OpenAI自身也達成了一系列交易，包括同意從甲骨文購買3000億美元的算力、從亞馬遜購買380億美元、從CoreWeave購買220億美元。反過來，這些雲服務提供商又是輝達晶片的重要市場。OpenAI還投資了數家小型人工智慧初創企業，作為交換，這些企業同意為其支付ChatGPT企業帳戶費用。即使以圖表形式呈現，由此形成的錯綜複雜的互鎖關係網也幾乎無法追蹤。總體而言，這些安排相當於整個行業正在對一種遠未盈利的產品進行孤注一擲的豪賭。單就OpenAI一家公司而言，它同時是多家雲服務商和晶片製造商的重要收入來源和投資方；是微軟、甲骨文和亞馬遜的緊密財務合作夥伴；是輝達的重要客戶；也是人工智慧初創企業的領先投資者。然而，該公司今年預計僅能創造100億美元收入——不到其每年僅用於履行與甲骨文協議所需資金的五分之一。它今年預計將至少虧損150億美元，並且直到2029年之前都不指望實現盈利。據一項估算，今年人工智慧公司合計將創造600億美元收入，而支出卻高達4000億美元。唯一從人工智慧熱潮中賺取大量利潤的公司——輝達——之所以能賺錢，僅僅是因為其他所有公司都在購買它的晶片，寄望於未來獲得利潤。人工智慧公司及其支持者認為，這種賭博值得一試。他們指出，對人工智慧服務的需求正以指數級速度增長。據廣受引用的人工智慧行業分析師阿齊姆·阿扎爾（Azeem Azhar）計算，過去兩年人工智慧服務的直接收入增長了近九倍。如果這一速度持續下去，人工智慧公司遲早會開始創造破紀錄的利潤。“我認為那些過分糾結於這些投資具體如何融資的人，思維還停留在過時的框架裡，”阿扎爾告訴我，“所有人都假設這項技術將以線性速度進步。但人工智慧是一種指數級技術。這是完全不同的範式。”然而，如果人工智慧未能如倡導者所設想的那樣在短期內產生利潤——如果其技術進步放緩，且提升生產力的效果令人失望（越來越多的證據表明情況可能正是如此）——那麼將整個行業捆綁在一起的金融紐帶就可能成為所有人的共同覆滅之源。股市財富極度集中在少數幾家彼此存在深厚財務聯絡的科技公司手中，這可能使人工智慧泡沫破裂帶來的衝擊比2000年代的網際網路泡沫破裂更為嚴重。而股市調整或許還不是美國最該擔心的問題。當股權投資失敗時，投資者可能會血本無歸，但對實體經濟的損害通常有限。（例如，網際網路泡沫破裂並未引發大規模失業。）但人工智慧基礎設施建設成本如此之高，僅靠股權投資根本無法支撐。為了融資，人工智慧公司已背負數千億美元債務，摩根士丹利預計這一數字到2028年將升至1.5兆美元。當大量高槓桿貸款同時違約時，其後果可能蔓延至整個金融體系，並觸發一場嚴重衰退。當然，人工智慧行業的債務並不一定會違約。但其安排和打包方式之複雜卻令人不安。例如，今年早些時候，Meta決定在路易斯安那州新建一座耗資270億美元的資料中心。該公司沒有向傳統貸款機構申請貸款，而是與私募股權公司Blue Owl Capital合作，設立了一個名為“特殊目的載體”（SPV）的獨立法律實體，由該實體代Meta借款、按Meta的指示建設資料中心，再將其回租給Meta。由於Blue Owl在技術上是該項目的多數所有者，這種結構使債務不出現在Meta的資產負債表上，從而讓Meta能在不影響信用評級的情況下繼續以低利率借款。包括xAI、CoreWeave和Google在內的其他公司也已通過或計畫通過類似安排借入巨額資金。Meta將其與Blue Owl的安排描述為“創新合作”，旨在“支援Meta資料中心項目所需的速度和靈活性”。但信用評級體系存在的意義，正是為了讓貸款人和投資者清楚瞭解發放貸款時所承擔的風險。歷史上，公司試圖規避這一體系的例子屢見不鮮。在2008年金融危機爆發前，幾家大型金融機構就曾利用SPV將數十億美元的家庭債務隱藏在資產負債表之外。2001年因大規模會計醜聞而轟然倒塌的能源公司安然（Enron），也曾利用SPV掩蓋其不當會計操作。“當我看到這類安排時，這是一個巨大的危險訊號，”SK Ventures管理合夥人、麻省理工學院研究員保羅·凱德羅斯基（Paul Kedrosky）告訴我，他長期研究金融工程手段。“這傳遞出一個訊號：這些公司真的不希望信用評級機構過於仔細地審視它們的支出。”SPV並非唯一捲土重來的2008年式融資工具。總額達數十億美元的資料中心債務正被切割成“資產支援證券”（asset-backed securities），然後被打包出售給投資者。公司通過這種方式融資本身並非必然有問題。但凱德羅斯基認為，在投機加劇時期，這類工具會將債務轉化為一種與其所代表的基礎資產價值脫鉤的金融產品——從而助長魯莽行為。“投資者看到這些複雜的金融產品時會說：‘我不在乎裡面到底發生了什麼——我只關心它評級很高，而且承諾高回報，’”凱德羅斯基說，“2008年就是這麼回事。一旦這種思維盛行，就會變得非常危險。”還有所謂的“GPU抵押貸款”。包括CoreWeave在內的多家資料中心建設和雲服務提供商，已通過將現有晶片作為抵押品獲得了數十億美元貸款，用於購買新晶片——這就像2000年代許多房主用自己的房子作抵押貸款購買第二套、第三套房產一樣。但正如公共企業中心（Center for Public Enterprise）分析師阿迪特·阿倫（Advait Arun）在最近一份關於人工智慧行業財務狀況的報告中所指出的，這些抵押品能否保值遠未可知。每當新型號晶片發佈，舊型號晶片的價值往往會下跌。阿倫表示，如果晶片價格暴跌足夠劇烈，就可能引發惡性循環：隨著舊晶片貶值，以其為抵押的貸款突然面臨違約風險；貸款方可能在公司尚未產生足夠收入償還之前就提前收回貸款；此時，貸款方可能試圖出售晶片以收回投資，但這只會向市場傾銷更多晶片，進一步壓低現有晶片價值，導致其他貸款方也紛紛提前收回貸款，如此循環往復。“幾個月前，我會告訴你這正在走向一場網際網路泡沫式的崩盤，”穆迪分析公司（Moody’s Analytics）首席經濟學家馬克·贊迪（Mark Zandi）告訴我，“但所有這些債務和金融工程正讓我越來越擔心會出現類似2008年的情景。”聯邦政府在2008年危機後限制了傳統銀行承擔高風險大額貸款的能力。然而此後，不受銀行同等監管審查的私募股權公司卻更深地介入了放貸業務。截至今年初，這些公司已向科技行業提供了約4500億美元所謂的“私人信貸”（private credit），其中包括為上述多項交易提供融資。據一項估算，未來兩年它們還將再提供8000億美元貸款。“如果人工智慧泡沫破裂，它們將成為最終承擔損失的一方，”阿倫告訴我。私人信貸崩盤幾乎肯定比銀行崩盤更可取。與銀行不同，私募股權公司沒有普通儲戶。理論上，如果它們的貸款失敗，受損最嚴重的將是養老基金、大學捐贈基金和避險基金等機構投資者，從而將對整體經濟的損害控制在一定範圍內。問題在於，沒人能確定情況確實如此。私人信貸實際上是一個黑箱。與銀行不同，這些實體無需披露資金來源、貸款金額、資本持有量以及貸款表現情況。這使得監管機構無法瞭解系統中存在那些風險，也無法判斷這些風險與實體經濟的關聯程度。越來越多的證據表明，私人信貸與其他金融體系之間的聯絡比此前認為的更為緊密。聯準會的細緻研究表明，目前非銀行金融機構從銀行獲得的貸款中，最多有四分之一流向了私人信貸公司（2013年僅為1%），而大型人壽保險公司已有近1兆美元資金投入私人信貸。耶魯法學院專攻金融監管的教授娜塔莎·薩林（Natasha Sarin）告訴我，這些聯絡意味著，一場大規模人工智慧崩盤可能引發一波私人信貸違約潮，進而拖垮大型銀行和保險公司。“不幸的是，我們往往要等到危機爆發後，才會意識到金融體系各個部分原來一直如此緊密相連，”她說。由人工智慧引發的金融災難遠非不可避免。然而，鑑於種種警示訊號，人們本應希望聯邦政府盡其所能降低危機風險。但川普政府卻反其道而行之。今年8月，總統簽署了一項行政命令，指示聯邦機構放鬆監管，允許普通401(k)帳戶持有人直接投資於“另類資產”——沒錯，就包括私人信貸。這一變化可能使更廣泛的公眾暴露在人工智慧貸款違約的後果之中。也許這正是2008年與2025年的關鍵區別：當年，聯邦政府對危機措手不及；這一次，它似乎正在主動招致一場危機。 (邸報)

周二的最新爆料顯示，在AI戰略方面經歷大半年劇烈動盪的美國科技巨頭Meta，終於要展現成果了。作為背景，由於對4月發佈的最新Llama 4模型表現“感到憤怒”，Meta創始人祖克柏親自下場、揮舞支票簿招攬行業頂尖人才。與此同時，原有的開發團隊遭到大幅清洗，被譽為“現代人工智慧教父”的楊立昆（Yann LeCun）也已宣佈將在年底離開效力12年的公司。但在金元故事、人事鬥爭和各種花邊軼事外，Meta的AI產品卻鮮有動靜。根據周二的最新消息，Meta正在研發Llama模型的繼任者、代號為“酪梨”的前沿模型。知情人士透露，公司內部有許多人原本預計該模型會在年底前發佈，但現在的計畫是推遲到2026年第一季度，旨在確保亮相時能獲得良好反響。更大的變化在於，作為美國科技巨頭中唯一走開源路線的公司，Meta這回可能也要轉向了。知情人士透露，“酪梨”很有可能是一個專有模型，這意味著外部開發者將無法自由下載其所謂的權重及相關軟體元件。據悉，引發這一戰略變化的原因，包括對海外競爭對手的提防。曾經高舉“開源”大旗的祖克柏曾在今年7月暗示，繼Llama 4未能吸引開發者後，公司正在考慮調整其開源策略。他說道：“我們需要嚴格遏制這些風險，並謹慎選擇那些內容對外開源。”Llama 4的失敗也引發Meta內部的人事巨震。Meta的首席產品官Chris Cox自那以後不再分管被稱為GenAI的AI部門。祖克柏最終選擇了28歲的汪滔出任“首席AI官”，並在8月任命他擔任精英開發小組TBD Lab的負責人。該團隊的首個重要發佈，就是“酪梨”大模型。除了汪滔，同時空降的高管還有前GitHub首席執行長Nat Friedman，以及參與建立ChatGPT的趙晟佳。知情人士稱，他們帶來了矽谷開發AI的前沿方法，並顛覆了Meta內部的傳統軟體開發流程。例如，Friedman將一些Meta內部的開發工具視作瓶頸，呼籲團隊使用各種AI模型以及各種被稱為AI代理的程式碼自動化軟體等新工具。鑑於Google和OpenAI的新一輪熱斗，要在這個節骨眼上推出獲得市場稱讚的前沿大模型談何容易。汪滔等高管和基層團隊正普遍承受巨大壓力，每周工作70個小時成為常態。知情人士也透露，Meta的基礎設施策略也在同步發生變化。在建設自有大型資料中心的同時，越來越多地轉向CoreWeave和甲骨文等第三方雲端運算服務來開發和測試人工智慧功能。儘管面對諸多動盪，但在今年10月的財報電話會議上，祖克柏向投資者們表示重組後的AI部門“開局強勁”。他說：“我認為我們已經打造了業內人才密度最高的實驗室，我們正埋頭開發下一代模型和產品，期待在未來幾個月裡就此分享更多資訊。” (財聯社AI daily)