蘋果的人事變動，仍在持續。過去一周，蘋果接連失去了人工智慧主管 John Giannandrea（退休）、設計負責人 Alan Dye（跳槽 Meta）、法務負責人 Katherine Adams（退休）和政府事務主管 Lisa Jackson（退休）。此前，這四位高管全都直接向 CEO 蒂姆·庫克匯報——這種等級的人事震盪在蘋果歷史上極為罕見。更糟糕的是，據彭博社援引知情人士透露：負責硬體技術的高級副總裁 Johny Srouji 最近告訴庫克，他正在「認真考慮」在不久的將來離職。Srouji 是蘋果最受尊敬的高管之一，也是蘋果自研晶片戰略的操盤手。他已經向同事透露，如果最終離開，絕對不會是「退休」，而是打算加入另一家公司。這可能是庫克任期內最動盪的時刻之一。一場始料未及的「高管地震」蘋果的離職名單正在變得越來越長。AI 主管 John Giannandrea 的「退休」，跟蘋果在生成式 AI 領域的一連串失誤有關。不僅底層的 Apple Intelligence 平台架構飽受延期和功能不佳的困擾，上層產品 Siri 的所謂「2.0 版」大規模改進計畫，也落後了大約一年半。目前蘋果計畫與Google的合作來填補能力空白。蘋果在今年三月就開始讓 Giannandrea 逐步退出職位，並且允許他留任到明年春天——蘋果是一家很給面子的公司，給高管面子，更是給自己挽尊：過早分手會被視為公開承認問題的存在。John Giannandrea設計老將 Alan Dye 的離職則更具戲劇性。他將前往 Meta 的 Reality Labs 部門，投奔蘋果最激烈的競爭對手之一。在蘋果內部，Dye 此前「液態玻璃」介面設計語言的主要堅持者，離職之前還在負責一款桌面機器人產品的介面設計。據報導，Dye 的出走，部分因為希望將 AI 更深入地整合到產品中，以及對蘋果在這一領域進展緩慢的失望。法務方面，蘋果從 Meta 挖來了 Jennifer Newstead 作為新任法律總顧問，接替將要退休的 Katherine Adams。Newstead 曾幫助 Meta 贏得與美國聯邦貿易委員會的反壟斷訴訟，這段經歷對於蘋果可能很有價值。Adams 將於 2026 年底退休。環境、政策和社會事務副總裁 Lisa Jackson 也宣佈退休。她曾在歐巴馬政府擔任官員。早前，庫克長期以來的二把手 Jeff Williams 也在擔任 COO 十年之後正式退休了，將棒子交給了手下 Sabih Khan。另一位資深蘋果高管、首席財務官 Luca Maestri，在 2025 年初將大部分職權交給了同事，並將在不久後退休。晶片掌舵者的去留困局Srouji 的潛在離職,可能是最令人擔憂的。作為蘋果自研晶片戰略的核心人物，Srouji 是 M 系列和 A 系列晶片的最大功臣之一，讓蘋果在性能和能效方面獲得了對競爭對手的巨大優勢。特別是他在 M 晶片上的工作，挽救了後 X86 時代的蘋果電腦頹勢。Mac 電腦成功轉向自研晶片後，蘋果在 PC 行業的市場份額大幅增長。據彭博社報導，庫克以及整個蘋果高管層都在瘋狂挽留 Srouji，包括提供更加豐厚的薪酬待遇，以及許諾在未來給他更多職權。公司內部一些高管提出的方案是，將 Srouji 提升為首席技術官，負責硬體工程和晶片技術的大部分工作——這將使他成為蘋果第二有權勢的高管。這是個非常「反傳統」的做法：要知道，蘋果公司歷史上從未設立過正式的 CTO 職位，因為其組織結構是基於職能專長 (funciontal expertise) 建構，而非產品線或技術線。賈伯斯確立了這個「規矩」，並且庫克也一直在維護。也正因此，設立 CTO 的做法可能會存在巨大的障礙。最大的障礙，就在於需要先把硬體工程負責人 John Ternus 確立為 CEO——然後才能把 Ternus 手裡的硬體工程匯報線轉到 Srouji 那裡。Johny Srouji問題是，蘋果可能還沒準備好邁出這一步。根據此前爆料，庫克至少要在 CEO 任上到 2026 甚至 2027 年——一種可能性是，庫克或許會安排在 iPhone 20 周年，也即 2027 年，正式交棒 CEO。此外，據知情人士透露，即便獲得了 CTO 的職位，Srouji 仍然希望不用向 CEO 匯報，而是可以有極大的自主權——這對層級森嚴，匯報體系多年以來一成不變的蘋果來說，同樣是個麻煩。如果 Srouji 最終離開，蘋果很可能會從他的兩位得力副手中選擇接替者：Zongjian Chen 或 Sribalan Santhanam。AI 人才大逃亡在高管層動盪的同時，蘋果的工程師團隊也在經歷人才流失，特別是在 AI 領域。 Meta、OpenAI 和各種初創公司正在瘋狂挖蘋果軟體/硬體工程的牆角。這讓蘋果試圖追上 AI 浪潮變得難上加難。曾負責 Siri 的 Robby Walker 在去年十月離開公司；他的繼任者 Ke Yang 在這個職位上只待了幾周就離職，加入了 Meta 新成立的超級智能實驗室。AI 模型主管 Ruoming Pang 的離職更是引發了連鎖反應，他和 Tom Gunter、Frank Chu 等同事一起去了 Meta——當時，Meta 號稱開出上億美元的年包從蘋果、OpenAI 等公司挖人。當時，蘋果的 AI 組織士氣嚴重低落，幾周內就跳槽了十幾位優秀的 AI 研究員。 蘋果越來越多地使用外部 AI 技術，比如Google的 Gemini，也讓從事大語言模型工作的員工感到擔憂。蘋果的 AI 機器人軟體團隊，前不久也經歷了大規模離職，包括其負責人 Jian Zhang，他同樣加入了 Meta。代號為 J595 的桌面裝置的硬體團隊也在大量流失人才，其中一些人前往了 OpenAI。除了負責「液態玻璃」之外，Alan Dye 也是監督該產品軟體設計的關鍵人物。Alan Dye 手下的使用者介面部門同樣遭受重創，2023 年至今已有多名團隊成員離職。知名設計師、前《連線》雜誌創意負責人 Billy Sorrentino 也去了 Meta。Alan Dye 和 Billy Sorrentino設計團隊的代際斷層蘋果的硬體設計團隊，是這家公司的絕對靈魂——然而在過去五年裡，這個靈魂幾乎被掏空了。許多員工跟隨前設計主管 Jony Ive 去了他的工作室 LoveFrom，或者去了其他公司。不僅如此，Ive 跟 Sam Altman 的關係密切，幫助其從蘋果瘋狂挖人，幾乎成為 OpenAI 的 AI 硬體「首席招募官」。OpenAI 成為了蘋果人才流失的主要受益者。目前已經聘請了數十名蘋果工程師，背景涵蓋 iPhone、Mac、相機技術、晶片設計、音訊、手錶和 Vision Pro 頭顯等廣泛領域。據彭博社報導，OpenAI 從蘋果挖走了 Vision Pro 光學系統的負責人、蘋果顯示技術高級總監 Cheng Chen。今年九月，在秋季新品發佈會上聲優出演介紹 iPhone Air 的設計師 Abidur Chowdhury，也離開蘋果加入了一家 AI 初創公司。作為蘋果的後起之秀，Chowdhury 在內部被認為是接近於 Tony Fadell 的優秀工程師，他的離職讓同事們感到意外。甚至連蘋果大學的院長也離開了：這個內部項目旨在保護公司的文化和實踐，其院長 Richard Locke 在今年夏天離職，加入麻省理工學院擔任商學院院長。權力格局的重新洗牌人事變動正在重塑蘋果的權力結構，更多權力現在流向了四位高管：硬體工程 John Ternus、服務業務 Eddy Cue、軟體工程（包括 AI） Craig Federighi 和新任首席營運官 Sabih Khan。據彭博社報導，Ternus 是蘋果「候任 CEO」的最熱門人選，他將在明年蘋果 50 周年慶典中擔任主角，進一步提升他的知名度。他還被賦予了更多機器人和智能眼鏡方面的責任——這兩個領域被視為未來的增長動力。長期擔任使用者介面設計師的 Steve Lemay 接替了 Dye 的職位，擔任使用者介面的首席設計師。他將直接匯報給庫克。蘋果內部對 Lemay 接任 Dye 的舊職位充滿熱情。他是一位深受喜愛的設計師，參與了初代 iPhone 的介面設計，甚至出現在初代 iPhone 的 master 專利上。Steve Lemay蘋果內部的高管地震，可能還沒有結束：零售和人力資源負責人 Deirdre O'Brien 已經在蘋果工作了 35 年以上，而行銷負責人 Greg Joswiak 在公司度過了四十年。據彭博社報導，蘋果已經提拔了這兩位高管手下的關鍵副手，為他們最終的退休做準備。庫克時代的黃昏?這場高管地震，更是引發了關於庫克本人未來計畫的猜測。正如前文提到，庫克不會很快「退休」，至少也要等到明年甚至後年，並且在交棒 CEO 期間和之後繼續留在公司。不過，據彭博社報導，熟悉庫剋日程的人士透露，庫克的生活習慣正在悄然改變：他不再像以前那樣經常在凌晨 4 點起床去健身房。在過去一年左右與他相處過的人注意到，他的手有輕微的顫抖，儘管這可能並非嚴重健康問題的跡象。多年來一直在矽谷租房而不買房的庫克，近年來在棕櫚泉附近購買了一套豪宅作為「冬宮」，也正好跟老同事 Eddy Cue 成了鄰居。當庫克最終卸任時，他很可能會轉任董事長職位。蘋果從未選擇外部人士擔任 CEO（賣糖水的 John Sculley 不算）。但是，一些優秀的外部候選人也被推薦了過來——比如 Tony Fadell，「iPod 之父」，一位早已不在蘋果的蘋果人。Tony Fadell低落的士氣、外部更具吸引力的薪酬方案，以及蘋果在 AI 領域的相對落後，都在導致人才外流。目前，蘋果人力資源部門加大了招聘和留住人才的力度，這在今年已經成為高管最關心的事務。庫克堅稱，蘋果正在開發其歷史上最具創新性的產品陣容——預計將包括可摺疊 iPhone 和 iPad、智能眼鏡和機器人——但事實上，蘋果已經十年沒有推出極其成功的新產品類別了。對於一家長期以穩定著稱的公司來說，2025 年以來蘋果的人事動盪，用不尋常來形容都欠點意思。這到底是短期的陣痛，還是更深層次問題的徵兆？隨著時間推移，答案將越來越清晰。 (APPSO)

看了 Ilya 最新訪談視訊，收穫太大了，我感覺 Ilya 思考的問題確實直指目前人工智慧發展的核心問題。Ilya Sutskever 是誰呢？他是 OpenAI 的聯合創始人、現在 Safe Superintelligence 公司的掌舵人，他在這次訪談中透露了一個被狂熱投資熱潮掩蓋的真相。從 2020 年到 2025 年，整個行業都在瘋狂加碼算力，彷彿只要把規模擴大 100 倍，一切問題都能迎刃而解。但現在，當算力已經大到某個程度，一個尷尬的問題浮現出來了：繼續堆算力真的能帶來質變嗎？Ilya 的答案是：還真不見得。當我們所有人都在談論千億美元投資、萬卡叢集的時候，這位 AI 領域最神秘的大腦之一 Ilya Sutskever 卻說了一句讓人意外的話：我們正在從規模時代重回研究時代。下面是我聽完訪談之後總結的幾點 llya 的核心觀點和對我的啟發。1一個困擾所有人的悖論你有沒有想過這樣一個問題，為什麼 AI 在評測中表現得像個天才，在實際應用中卻會犯傻？Ilya 在訪談中講了一個特別生動的例子。你讓 AI 幫你寫程式碼，它寫出來有個 bug。你告訴它有 bug，它立刻說"天那你說得對，我這就改"。然後它改完之後，引入了第二個 bug。你再告訴它有第二個 bug，它又說"天那我怎麼會犯這種錯誤"，然後把第一個 bug 又帶回來了。你就這樣看著它在兩個 bug 之間來回橫跳。這種現象背後藏著一個更深層的問題。現在的 AI 就像一個刷題刷了一萬個小時的競賽選手，它確實能在考試中拿高分，但走出考場就不知道該幹什麼了。而人類呢，可能只練習了一百個小時，實際能力反而更強。差別在那裡？Ilya 說，那些真正有天賦的學生，他們有一種說不清道不明的"it"因素。這個因素讓他們能夠舉一反三，而不是死記硬背。想想我們自己的學習經歷。有些同學看起來沒怎麼刷題，但成績就是好，而且畢業之後在工作中也表現出色。有些同學題海戰術做到極致，卻總覺得學到的東西用不上。這種區別，正是當下 AI 面臨的核心困境。2動物智能和人工智慧的區別Ilya 的這個觀點讓我想起了幾天前 Andrej Karpathy 分享的一個新觀點：動物智能和人工智慧的區別，為什麼它們不同？他的意思是：我們今天看到的 AI，它的“聰明方式”，跟動物完全不是一套邏輯。動物智能只是整個“智能世界”裡的一個小角落，而且是一個被自然反覆毒打過、被進化調教了幾百萬年的很特殊的點。AI 完全不是這麼來的。動物為什麼會聰明？因為它們從出生就掉到一個隨時會死的世界裡：有危險、有競爭、有飢餓、有社交鬥爭。它必須意識到自己是誰，想辦法活下來、吃飽、繁殖，而且要處理一大堆複雜的社會關係，誰是朋友、誰是敵人、誰在騙我、誰想壓我、誰能合作。人腦的大部分計算能力，其實都用在這種“猜別人怎麼想、判斷危險、謀生存”的事情上。我們有恐懼、憤怒、厭惡這些情緒，就是為了在自然環境裡活得更久一點。簡單說：動物的智能，是進化在“逼”它聰明。做不好一個任務，很可能就死。但大語言模型完全不是這樣。它不會死，也不怕死，也沒有身體，也沒有“我是誰”的概念。它不是從叢林里長大的，它是從一堆人類寫下來的東西里“爬”出來的。它的最底層本能其實就是：模仿人類的語言規律。它更像一個變形者，你給它什麼風格，它就學什麼風格。然後它會被各種訓練手段進一步調整，比如強化學習讓它更懂“你想要什麼”，網際網路使用者的各種反饋又讓它變得很會討好人，喜歡說讓使用者舒服的話。這種“智能”不是為了活著、為了打架、為了搶資源，而是為了“答題答得更準”、“讓使用者覺得不錯”。所以模型的能力是參差不齊的，它可能能給你解釋哲學，但也可能連 strawberry 裡有幾個 r 都數不准，因為做錯不會死，也沒人逼它為了一個小任務拚命變強。這就是 Andrej Karpathy 想強調的核心差異：動物智能是被自然進化“碾”出來的，全能、通用、壓力巨大；AI 的智能是被商業訓練“篩”出來的，用來完成任務、討好使用者、服務人類。兩個力場完全不同，方向也完全不同。所以他說，大模型其實是人類第一次遇到的“非動物型智能”。它的行為方式跟我們太不像了，只是因為它從我們寫下的文字裡學習，所以看起來“有點像我們”。如果你能真正理解這點，你對它的判斷會更準確；反之，你會一直把它當成一種“動物”或“人類弱版”，然後用錯誤的直覺去理解它。3為什麼人類十五年學到的，AI 用海量資料還學不會更讓人驚訝的是，Ilya 提到了一個關於大腦損傷的研究案例。有個人因為腦部受傷，失去了所有情緒感知能力。他依然能說話，能做智力測驗，但他完全無法做決策了。光是選穿那雙襪子，就能糾結好幾個小時，更別說做投資決策了。這說明什麼？情緒不僅僅是感受，它更像是一個內建的價值函數，時刻在告訴我們什麼是對的，什麼是錯的。這套系統是進化給我們的禮物，簡單卻極其有效。一個十五歲的孩子，接觸到的資料量遠遠少於 AI 的預訓練資料，但他們對世界的理解深度卻遠超 AI。他們知道的東西雖然不多，但每一樣都理解得很透徹。他們不會犯 AI 那種低級錯誤。這種學習效率的差距，讓我們不得不重新思考：堆資料、堆算力真的是唯一的路嗎？4那個 AI 時代的關鍵詞，可能誤導了我們五年Ilya 說了一個特別有意思的觀點：語言會影響思維。"規模化"這個詞就是最好的例子。從 2020 年開始，整個行業都在喊一個詞：scale。規模化。這個詞太強大了，它直接告訴所有人應該做什麼，加資料、加算力、加參數，閉著眼睛往前衝就對了。公司也喜歡這個，因為這是一種低風險的投資方式，你知道投入多少肯定能得到相應的回報。但現在的問題是，當資料快用完的時候怎麼辦？當算力大到某個程度之後，繼續加 100 倍真的能帶來質變嗎？答案是，可能不會。所以現在的局面變成了：手裡有海量算力，但不知道該用來做什麼研究。這就好比你突然有了一大筆錢，但不知道該投資什麼項目。錢不是問題，想法才是問題。矽谷有句話說：想法很便宜，執行才是一切。但 Ilya 看到有人在推特上反問：如果想法那麼便宜，為什麼現在沒人有想法了？這個反問扎心了。當整個行業的公司數量超過想法數量的時候，競爭的本質就變了。5什麼才是真正的超級智能現在再來看 AGI 這個詞，你會發現一個有趣的現象。這個詞的出現，其實是為了反駁"狹義 AI"。以前國際象棋 AI 能贏卡斯帕羅夫，但它什麼別的都不會，所以人們說這是"狹義"智能。作為回應，有人提出了"通用"智能的概念。但 Ilya 指出，如果按照這個標準，人類其實也不是 AGI。我們每個人都有知識盲區，都需要不斷學習新東西。一個人可以是程式設計師，也可以是醫生，但不可能一出生就什麼都會。所以真正的超級智能應該是什麼樣的？Ilya 給出了一個新的定義：它不是一個什麼都知道的全能大腦，而是一個能夠快速學習任何技能的智能體。就像一個 15 歲的超級學生，基礎很紮實，學習能力極強，但還需要去具體的領域深入學習。這個視角的轉變其實挺重要的。它意味著 AI 的部署方式會完全不同。不是丟給你一個成品，而是一個可以不斷成長的學習者。它會像新員工一樣進入組織，在實際工作中學習和成長。想想看，如果有一天你的公司招了一個 AI 同事，它剛來的時候什麼都不會，但學東西特別快，六個月就能獨當一面，這是不是比一個號稱什麼都會但實際上處處出錯的 AI 更靠譜？6為什麼他現在更看重"讓大家看到"這件事Ilya 坦承，他這一年思路變化最大的地方，就是越來越認識到漸進式部署的重要性。原因很簡單：我們在討論一個還不存在的東西，而這東西又太難想像了。就像你跟一個年輕人描述年老體衰是什麼感覺，對方再怎麼努力想像，也還是會回到現實中來，覺得那離自己很遙遠。AGI 也是一樣。所有關於它的問題，歸根結底都是關於"權力"的問題。當權力真的很大的時候，會發生什麼？沒人能想像。所以最好的辦法就是：展示出來。讓人們看到 AI 在變強，看到它能做什麼，不能做什麼。這比寫一千篇文章都管用。你寫一篇文章說 AI 會怎樣怎樣，大家看完就當個觀點了。但當你看到一個 AI 真的在做那些事情，感受是完全不同的。這也是為什麼 Ilya 認為，未來會看到競爭激烈的公司開始在 AI 安全問題上合作，會看到政府和公眾要求採取行動。因為當 AI 足夠強大到讓人"感受到"它的力量時，所有人的行為模式都會改變。7回到那個本質問題整個訪談下來，有一個問題始終懸在那裡：為什麼 AI 的泛化能力這麼差？這不僅僅是樣本效率的問題，也不僅僅是需要可驗證獎勵的問題。更深層的是，為什麼教會 AI 我們想要它學的東西，比教會一個人難得多？Ilya 說他對這個問題有很多想法，但現在不是所有機器學習的想法都能自由討論。這句話說得有點神秘，但背後的意思很清楚：真正的突破可能需要一些根本性的範式轉變，而這些轉變在競爭環境下很難公開討論。不過有一點是確定的，人類能做到，就說明這條路是通的。問題只是我們還沒找到那個關鍵的機器學習原理。8寫在最後當大家都在談論投資額度、算力規模的時候，也許我們該停下來想想：真正重要的是什麼？Ilya 的訪談提醒我們，AI 發展到現在，瓶頸已經不在算力了。真正的挑戰是，如何讓 AI 像人一樣學習，像人一樣泛化，像人一樣在少量樣本下就能理解世界。這需要新的想法，新的研究範式。這也是為什麼 Ilya 說，我們正在從規模時代回到研究時代。只不過這一次，我們手裡有了更大的電腦。對於普通人來說，這意味著什麼呢？也許意味著 AI 的發展不會像很多人想的那樣一蹴而就。它會是一個漸進的過程，會有反覆，會有意外，也會有驚喜。而我們需要做的，是在這個過程中保持清醒，既看到 AI 的潛力，也認識到它的侷限。最重要的是，保持好奇心。因為接下來這幾年，可能會是 AI 歷史上最有意思的一段時間。不是因為錢多，而是因為真正的智慧之爭才剛剛開始。 (非著名程式設計師)

11 月 25 日，麥肯錫全球研究院（MGI）發佈了一份60 頁的新報告——《Agents, robots, and us: Skill partnerships in the age of AI》。（AI技能夥伴）這份報告關注的不是“AI 會不會讓人失業”這種老話題，而是一個更本質的問題：在 AI 主導的新一輪生產力躍遷中，工作是如何被重新拆解、組合與分工的？人、AI 智能體（agents）和機器人，將如何形成新的“技能夥伴關係”？一、報告主要研究目標從問題上看，它圍繞三件事展開：1.AI 能做多少原本由人完成的工作？以“技術可行的自動化潛力”為基準，評估今天的 AI/機器人，理論上能接手多少美國現有工作時長（答案是：57% 的工時可以被自動化，但這不是裁員預測，而是任務結構重排）。2.在人–機協作下，那些技能會被“放大”，那些會被“擠壓”？報告通過一個新的 Skill Change Index（技能變化指數），測算未來 5 年裡不同技能被自動化影響的程度，識別出：會被衝擊最大的：數字技能、資訊處理類技能變化最小的：照護、服務、陪伴等“助人類技能”組織需要怎樣重設計工作流，才能真正把 AI 的價值“兌現”為生產率和經濟價值？核心結論之一是：到 2030 年，如果企業圍繞「人–智能體–機器人協作」重構工作流，而不僅是零散做工具替換，美國有望額外釋放 約 2.9 兆美元的經濟價值。二、報告的研究方法和樣本：這份報告的“底層資料”和“分析方法”都比較硬核，可以簡單理解為三層：任務與職業層面：結合美國勞工統計局、O*NET 等資料庫，對約 800 種職業進行“任務拆解”，判斷每一類任務被 AI/機器人自動化的技術可行性。技能層面：基於 Lightcast 的招聘巨量資料，分析 1,100 萬條招聘資訊，提取出約 6,800 個技能項，看不同職業真實在招什麼技能、那些技能正在變“熱”、那些開始降溫。時間演化 + 場景建模：在“中位情景”的假設下，測算到 2030 年的自動化採用節奏，並通過 Skill Change Index衡量各類技能在 5 年內的“結構性位移”，再疊加對典型場景的工作流重構分析。報告也明確說明：這些都是對“工作內容”和“技能結構”的預測，而不是對就業總量的絕對判斷——歷史經驗告訴我們，技術每一輪都會擠掉一部分崗位，但也會在別處創造新的工作。注意：樣本主要基於美國勞動力市場，是否完全適用中國及全球市場需謹慎參考。三、報告給出的幾個關鍵結論：未來的工作形態 = 人 + Agents + 機器人今天的技術理論上可以自動化超過 一半的工作時間，但更大的變化不是“崗位消失”，而是工作被拆分、重組，越來越多崗位變成人機協作的混合體。70% 以上的人類技能會繼續被需要，但使用場景會遷移大部分今天企業在招聘的技能，其實同時存在於“可自動化工作”和“不可自動化工作”裡——意味著技能不會突然過時，而是從“自己做”變成“借助 AI 做得更多、更好”。Skill Change Index：誰被 AI 衝擊最大？受影響最大的：會計、編碼等高度專業、又高度可自動化的技能變化最小的：談判、教練、關懷等強依賴人際互動的技能AI 流利度（AI fluency）正在成為“第一新基礎技能”過去兩年，招聘啟事裡對 “AI 流利度”（使用與管理 AI 工具能力）的需求，增長了近 7 倍，是所有技能裡漲得最快的。到 2030 年，2.9 兆美元的價值取決於一件事：你是“裝 AI”，還是“重做工作流”簡單把 AI 當外掛，價值有限；只有圍繞 AI 重設流程、角色、指標與文化，才可能真正吃到這波紅利。四、完整整報告分為60頁（可後台私信發PDF/PPT），核心是四個章節，包括：第一章：Workforce of the future：未來勞動力的基本形態——人、智能體、機器人如何分工協作？第二章：How AI changes skills：技能結構如何重排？Skill Change Index 告訴我們什麼？第三章：Reimagining workflows：不再是“自動化幾個任務”，而是“圍繞 AI 重畫整條工作流”。第四章：Leadership challenges：領導者如何重新定義角色、重塑組織，並在安全、責任、信任之間取得平衡？五、今天這篇，是第一期：聚焦「未來勞動力」這一章未來勞動力將是「人 × Agents × 機器人」的協作夥伴關係AI 正在重新定義工作的邊界，並開啟新的生產力潛能。未來的工作模式，將被重構為由人類、AI 智能體（agents）和機器人共同組成的協作體系。1.1 AI 讓 Agents 與機器人更加自主、更具能力在過去的一個世紀裡，機器基本都是按照規則運作的：機器人執行固定的物理動作，例如裝配零件；軟體自動化處理可預測的文書和分析任務。這兩類機器都遵循預設程序，只能按照指令行事，難以超越規則。而如今 AI 的崛起，正在改變這一點，並顯著拓寬自動化能做到的事情。AI 讓 agents 與機器人具備了新的能力：可以從海量資料中學習可以模擬推理可以響應更廣泛的輸入（包括自然語言）可以根據情境變化自動調整，而非只執行預設流程因此，agents 與機器人能夠分別承擔 認知性任務與 物理性任務，且能力持續提升。1.2 AI 能影響所有類型的工作麥肯錫將工作分為兩類：物理性工作（需要機器人自動化）非物理性工作（需要 agents 自動化）雖然並非所有自動化都需要嚴格意義上的“AI 智能體”或“機器人”，但報告使用這兩個術語來概括所有能夠自動化工作的技術形態。在美國，非物理性工作佔總工作時長的三分之二。在這三分之二中：約三分之一依賴社會與情緒技能——目前仍主要超出 AI 能力範圍其餘部分包括推理、資訊處理等任務——這類任務更適合自動化這些更“可自動化”的活動：佔美國總工資的 約 40%分佈在教育、醫療、商業、法律等多類崗位中（對應報告 Exhibit 1 的結論）1.3 AI 驅動的自動化將重塑工作，但“人”仍然不可或缺以當前的技術能力來看，AI 智能體（agents）理論上能夠承擔 佔美國工作時長 44%的任務，而機器人能夠承擔 13%（見 Exhibit 2）。要讓自動化進一步擴展，還需要突破一系列目前尚未被機器匹配的人類能力：對 agents 來說：必須能理解意圖、情緒等更細膩的人類線索；對機器人來說：必須掌握更高精度的精細動作控制，例如抓取易碎物品、或在手術中操控精密器械。換句話說，自動化能替代的部分會繼續擴大，但人類的判斷力、情緒理解力、精細動作能力，仍然是技術難以跨越的關鍵分界線。佔當前工作時長一半以上的任務在技術上都有可能被自動化，主要由 AI 智能體（agents）完成。但這並不意味著“一半的工作崗位會消失”。真正發生的是：具體任務被自動化，人類的工作內容會被重新組合，而不是被整體替代。此外，那些高度依賴 社會與情緒技能的工作，即便在“全面採用 AI 的極端場景下”，仍然難以被技術替代。原因在於，這類工作需要即時的人類洞察，例如：老師需要讀懂學生的表情反應銷售需要感受到客戶何時開始失去興趣人類還能提供：監督質量控制以及“客戶、學生、病患更願意與之互動”的人類存在感1.4 隨著技術進步，仍需人類參與的工作也在變化隨著技術的發展，屬於人類的工作也在不斷演化：有些角色會縮小有些會擴張或改變重點也會出現全新的崗位放射科就是一個典型案例。儘管 AI 在醫學影像領域的能力顯著提升，但 2017–2024 年間，放射科醫師就業仍以每年約 3% 的速度增長，並預計繼續增長。原因是：AI 提升了放射科的效率和精準性，讓醫生能專注於複雜判斷和患者關懷。例如：梅奧診所（Mayo Clinic）自 2016 年以來將放射科團隊擴充了 50% 以上同時部署了 數百個 AI 模型用於影像分析輔助1.5  AI 正在催生新型工作與角色——七大典型角色AI 不是只會“減少舊崗位”，它也在創造新崗位：軟體工程師正在開發、訓練、最佳化智能體設計師與內容創作者使用生成式 AI 生產新內容即：AI 既重塑舊職能，也在催生全新的技能需求。不同職業中“人、智能體（agents）與機器人”的組合形式，呈現出七種不同的典型模式。一個經濟體的整體就業水平和職業構成都取決於行業如何演進。而在具體職業內部，工作的配置方式也因對物理能力、認知能力以及社會與情緒能力的依賴程度不同而呈現顯著差異。為了理解這種差異，麥肯錫分析了約 800 個職業，並根據其物理與非物理任務的可自動化潛力進行分類。由此形成了七種原型，用以展示在人、智能體和機器人之間可能出現的協同方式。自動化潛力最低的職業被歸類為以人為中心（people-centric）；而那些包含大量可自動化任務的職業，則被劃為以智能體或機器人為中心（agent-centric 或 robot-centric）。此外，還有一些在三者之間比例更為均衡的角色，被歸入“混合型”原型，它們在工作中同時包含大量由人、智能體或機器人承擔的內容（見 Exhibit 3）。這一框架適用於各類勞動力市場，幫助領導者判斷那些崗位將率先受 AI 影響、勞動力轉型將如何發生，以及那些角色會演化為“人與智能體與機器人協作”的新型工作模式。對個人來說，它也提供了理解自身崗位未來變化的清晰視角。在職業軸的一端，是 以人為中心的職業（如醫療、建築、維修），佔美國崗位約三分之一，平均薪酬 71,000 美元。這些崗位中近一半的工時涉及當前技術無法複製的身體活動，因此難以自動化。在另一端，是 高度可自動化的職業，約佔 40% 的就業，平均薪酬 70,000 美元，主要屬於法律、行政等“智能體中心型”崗位，包含大量可由 AI 處理的認知任務。部分任務未來可能完全自動化，但仍需要人類監督和驗證。其中一部分是 機器人中心型崗位（如司機、裝置操作員），平均薪酬 42,000 美元，理論上幾乎可完全自動化，但現實成本與風險讓人類短期內仍難以完全退出。規模更小的 智能體–機器人混合崗位佔約 2%，主要在自動化製造、物流等場景，由 AI 軟體指揮物理系統。在兩個極端之間，是佔勞動力三分之一的 混合型崗位。這些崗位在人、AI 智能體和機器人之間的分工不同，但共同特點是：人類仍然不可或缺，只是角色將從“親自執行”轉向“指導與協調機器”。混合型崗位包括：人–智能體崗位（教師、工程師、金融專家），平均薪酬 74,000 美元，佔比 20%；人–機器人崗位（維修、建築），81% 為體力任務，平均薪酬 54,000 美元，佔比不足 1%；人–智能體–機器人崗位（交通、農業、餐飲），平均薪酬 60,000 美元，佔比 5%。總體而言，這些結論描述的是“技術上可能的未來”，而實際落地速度將因行業、成本與流程調整而顯著不同。但可以確定的是：人與智慧型手機器的協作，將在未來的所有工作場景中不斷深化。 (AI組織進化論)

隨著人工智慧技術的指數級躍遷，關於技術替代人類的焦慮在全球範圍內擴散。然而，麥肯錫全球研究院（MGI）於2025年11月發佈的重磅報告《智能體、機器人與我們：AI時代的技能協作》（特工、機器人和我們：AI時代的技能夥伴關係）），為防疫技術變革提供了極為緊張和具建設性的視角。長達 60 頁的研究報告簡單重複“機器換人”的陳詞濫調，但卻提出了一個核心論斷：未來的工作範式將是人類、AI 智能體（智能體）與機器人（機器人）三者之間的深度協作。報告指出，這種價值協作的重構，非巧妙的自動化替代方案，才是解鎖巨大經濟的關鍵。根據麥肯錫的預測，到2030年，在自動化採用的中點情景下，僅在美國，通過密集工作流程實現的人機協作每年可以釋放約2.9兆美元的經濟價值。這個數字不僅揭示了技術紅利的規模，更預示著勞動力市場即將經歷一場從“任務執行”到“系統編排”的深刻轉變。自動化邊界的拓展與七大職業原型麥肯錫在報告中將自動化技術的主體訊號劃分為兩類：執行任務的“智能體”和處理邏輯任務的“機器人”。隨著大模型推理能力的提升和多模態技術的發展，這兩類技術的邊界正在迅速拓展。報告中通過嚴謹的模型測算資料，現有的技術能力理論上已經可以實現自動化當前美國約57%的工作時長。但並未著手於57%的工作陣地將消失。麥肯錫的研究團隊強調，這是一個關於工作內容“重組”的過程。根據對約800種職業的深入分析，報告建構了七種全新的工作原型，描述以未來勞動力的構成形態。此類工作約佔美國當前就業崗位的34%，包括註冊護士、操作員和消防員等。由於這些角色高度依賴複雜的社交情感技能或非結構化的物理互動，當前技術難以有效介入，因此此類工作的核心仍將由人類主導。另一端是“以智能體為中心”（Agent-centric）的職業，約佔勞動力的30%，典型代表如會計師、軟體開發人員和律師。這些職位涉及大量的資訊處理和邏輯推理，智能體在這些領域表現出的效率已逐漸超越人類，未來這些角色的工作重心則將大幅向機器定位、人類退居監督和校驗的位置。間歇之間是更為複雜的混合形態，如“人-智能體”協作型（People-agent），頂尖教師、工程師和金融專家；以及極少數的“人-智能體-機器人”全要素協作型。這種分類打破了傳統藍領與白領的二元對立，揭示了一個更為精細的未來圖景：在稀疏職業中，人類都不會離場，必須但學會與非人類的“協作”共處。值得注意的是，物理機器人在製造和物流領域取得了長足的進步，但報告顯示，涉及精細運動技能和非調理環境的物理工作（佔美國工作時長的35%）在短期內仍難以完全自動化。儘管這解釋了為什麼一些低技能的服務性工作（如護理助理、廚師）反而比某些高薪白領工作更能抗自動化。技能變移指數：從單一專長到AI流利度為了確定技術對具體技能的衝擊，麥肯錫開發了“技能變化遷移指數”（Skill Change Index，SCI）。該指數基於對數百萬份招聘啟事和工作任務的分析，揭示了一個反直覺的現象：在未來五年內，受自動化影響最大的往往是那些高度專業化、規則明確的硬技能，而最“安全”的那些紮根於人性的軟技能。報告顯示，數字技能和資訊處理技能位於變革指數中位列榜首。例如，程式語言（如SQL）和會計流程等技能正面臨極高的自動化風險。相比之下，指數底部的技能——如輔導、談判、領導力和客戶關係——普遍對意識形態和同理心的高度依賴，不僅難以被替代，其價值反而會在人機衝突中凸顯。這一趨勢直接導致了勞動力市場需求的脈搏。根據麥肯錫對2023年至2025年間美國招聘資料的追蹤，僱主對“AI流利度”（AI流暢度）的需求激增近七倍，從而成為增長最快的技能類別。AI流利度又指編寫程式碼的道德能力，更關鍵的是指利用AI工具進行日常工作、管理團隊以及理解AI混合與監管的能力。同時，傳統的“基礎技術知識”和“常規寫作研究”技能的需求提及率正在下降。並不意味著這些技能不再重要，而是它們的使用方式發生了根本性轉變。報告分析指出，約72%的現有技能既可用於自動化工作，也可用於非自動化工作。以“寫作”為例，未來的寫作不再是從零開發，而是更多地繼承對AI生成內容的提示工程、編輯潤色和加密邏輯。這種轉變管理者和教育機構重新思考人才培養的邏輯。未來的職場精英不再掌握單一領域深知識的專家，而是能夠指揮智能體團隊針對、跨越學科邊界解決複雜問題的“編排者”（Orchestrator）。管理者的角色也指揮員工考勤和任務進度，轉向設計工作流程、AI模型訓練以及機器處理解決的異常情況。工作流高峰：釋放兆級價值的真正機會麥肯錫報告的一個核心洞見提出，它只指出了當前企業在AI應用上的主要誤區：過分關注單個任務（Task）的自動化，而關注整個工作流程（Workflow）的各個流程。報告認為，在現有流程中插入AI工具（例如給員工配備一個聊天機器人）帶來邊際間的提升，真正的生產力飛躍來自於圍繞人、智能體機器人和重新設計業務。報告分析了美國經濟中的190個關鍵業務工作流程，發現約60%的潛在經濟價值集中在行業的特定垂直領域。在製造業，這意味著供應鏈管理的標準化；在醫療領域，是臨床診斷與病人護理流程的重構；在金融業，這意味著合規與風險管理的自動化閉環。通過詳實的這種案例研究，報告了瘧疾展示了“地下室”的實際形態。以一家全球生物製藥公司為例，傳統的臨床研究報告撰寫的是一個運行數周的人力密集型過程。通過引入生成式AI平台工作，該公司重構了這一流程：AI智能體負責從海量非結構化資料中合成草稿、應用合規範本並進行了初步糾錯；醫學作家的角色則從繁重的撰寫轉變為對AI的臨床判斷、邏輯驗證和最終把關。結果顯示，該流程使初稿的人工接觸時間減少了近60%，錯誤率降低了50%，顯著加速了新藥上市的處理程序。類似的變革也發生在銀行業的程式碼遷移和公益事業的客戶服務中。在這些案例中，人工智慧不再是輔助工具，而是成為工作流的“一級公民”。智能體負責處理80%的常規事務，人類專家則專注於處理那20%的高價值、高風險或高情感參與的情況。這種模式不僅提升了效率，更重要的是，人類從重複性勞動中解放出來，從而能夠專注於重新啟動和戰略性的工作。然而，這種價值的釋放並不是自動發生的。報告警告稱，儘管近 90% 的企業聲稱已投資於人工智慧，但只有不到 40% 的企業報告了可衡量的收益。這種脫節是因為大多數企業仍停留在“技術爭論”階段，未能從組織架構、人才和流程設計等方面進行層面的系統性變革。領導力的試金石：文化、信任與制度適應由智能體和機器人驅動的變革，麥肯錫報告最終將目光投向了領導力技術。只是催化劑，能否平穩渡過這一轉型期，取決於商業領袖和政策制定者的選擇。對於企業領導者而言，最大的挑戰在於如何在追求效率與保持以人為本之間找到平衡。報告提出了一系列積極的問題：你是在利用人工智慧修復舊流程，還是在為未來的價值重構業務？你正在建立一種激勵實驗和是否包含錯誤的文化？你是否為員工提供了適應新角色的技能路徑？未來的管理人員必須具備“雙重雙語”能力——既懂業務邏輯，又懂機器語言。他們不再是簡單發號施令的長官，而是人機混合團隊的訓練。隨著自動化程度的提高，傳統的績效評估系統（基於工時或簡單量）將失效，新的評估系統必須能夠簡化人類對AI輸出的最佳化程度以及關鍵決策中的判斷力。此外，信任與安全成為不可迴避的議題。當決策鏈條中引入了不可解釋的AI黑盒時，如何確保合規、避免偏見並維持客戶信任，將是企業治理的核心問題。報告強調，最有效的領導者不會將AI視為IT部門的項目，而是將其視為核心的業務轉型戰略，由最高消防直接推動。在宏觀層面，報告要求現代教育和公共部門進行同步革新。工業革命催生了公共教育體系，而人工智慧革命則要求建立終生學習的基礎設施。未來的教育不應只關注知識灌輸，更應批判性思維培養、適應力以及與智慧型手機器協作的能力。技能認證體系也需要從“學位導向”轉向“技能導向”，以促進勞動力在不同行業間的靈活流動。麥肯錫全球研究院的報告最終傳達了一個審慎樂觀的訊號：人工智慧帶來了變革的方向，但工作本身不會消失。通過合理的規劃與適應，我們正將人類的能力被技術放大而不是新時代的替代。在這個時代，最大的風險不是被機器取代，而是未能及時學會如何與機器共舞。對於所有市場參與者而言，理解並擁抱這種“技能協作”，將是通向2030年經濟繁榮的唯一入口。 (歐米伽未來研究所2025)

摘要：美銀美林在最新發佈的年度策略巨著《2026展望：泡沫時代》（2026 Outlook: The Bubble Era）中，拋出了一個令市場震顫的論斷：我們正身處一場由技術革命、政府背書與流動性氾濫共同催生的巨大資產泡沫之中。這並非預警末日的喪鐘，而是吹響了最後狂歡的號角。本文將結合報告中的百余張圖表邏輯，深度剖析這場泡沫的成因、現狀、潛在的破裂路徑，以及投資者如何在“繁榮與蕭條”並存的時代，尋找那些不對稱的暴利機會。文章結構概覽：1. 歷史的迴響——為什麼泡沫難以避免2. 量化泡沫——我們現在走到那了？3. 泡沫的結構——魔法、FOMO與被動洪流4. 房間裡的大象：私人市場、波動率以及相關性崩塌5. 全球尋寶——在廢墟與窪地中尋找黃金6. 2026交易策略實戰手冊——如何與泡沫共舞？第一章：歷史的迴響——為什麼泡沫難以避免？1.1 技術飛躍必然伴隨資產泡沫在金融語境中，“泡沫”往往是一個帶有貶義色彩的詞彙，暗示著非理性的繁榮與隨之而來的慘痛崩盤。然而，美銀美林在報告開篇即指出，我們需要重新審視泡沫的本質。泡沫不僅僅是價格的虛高，它往往是技術革命與資本狂熱結合的產物。從1840年代英國的鐵路狂熱，到1920年代美國的汽車與無線電繁榮，再到1990年代的網際網路奇蹟，每一次人類生產力的巨大飛躍，都伴隨著資產價格的指數級膨脹。如下圖所示，所有的超級泡沫都遵循著相似的軌跡：早期的緩慢爬升、中期的加速上漲，以及最後階段的垂直拉升。值得注意的是，當前的“七巨頭”走勢與歷史上的大泡沫驚人地重合。這表明，我們並非處於一個全新的未知領域，而是在重複歷史的韻腳。關鍵在於，歷史上的每一次泡沫最終都因金融條件的收緊（Financial Conditions Tightening）而終結。然而，在終結之前，它們往往會經歷長達數年的自我強化過程。美銀美林認為，我們目前正處於這個強化過程的中段，而非終點。1.2 這次不一樣？政府的入局如果說歷史上的泡沫多由私人部門的貪婪驅動，那麼2026年的泡沫則多了一個強有力的推手——政府。報告深刻指出，與1920年代柯立芝繁榮時期的“自由放任”（Laissez-faire）政策截然不同，當前的AI泡沫是在政府的強力背書下形成的。人工智慧不再僅僅是一項提高效率的技術，它被提升到了國家安全、地緣政治博弈的高度。國家意志的注入：各國政府都在爭奪AI霸權。這意味著，即便私人資本出現猶豫，公共財政的投入也將托底這一領域的資本支出（Capex）。財政主導：在後疫情時代，財政赤字常態化已成共識。政府通過大規模舉債來支援關鍵產業（如晶片法案、能源轉型），這直接導致了市場流動性的充裕。美銀美林斷言：“鑑於目前對AI深遠影響的共識日益增強，且政府將其視為戰略必爭之地，避免資產泡沫的可能性極低”。換言之，這是一場“奉旨乞討”的盛宴，更是一場“奉旨投機”的狂歡。1.3 2026：審判之年為什麼是2026年？2023年是AI的覺醒（ChatGPT時刻），2024年是分歧與驗證，而2025-2026年將是泡沫全面確立並走向高潮的階段。在這個階段，市場將呈現出極其鮮明的特徵：回報率的極端化：贏家通吃，核心資產與其他資產的表現差距拉大。波動率的悖論：即使在上漲過程中，市場的脆弱性也會增加，暴漲暴跌成為常態。這與典型的行為恰恰相反，因為通常資產的波動性會隨著價格上漲而下降，價格下跌時則會上升。邏輯的脫鉤：傳統的估值模型（如DCF現金流折現）將失效，取而代之的是基於“市夢率”的想像空間。第二章：量化泡沫——我們現在走到那了？為了避免主觀臆斷，美銀美林建構了一套嚴密的量化體系——泡沫風險指標（BofA Bubble Risk Indicator, BRI），用來即時監控市場的“體溫”。這個指標不僅僅看價格漲幅，更關注價格的不穩定性——即回報率、波動率、動量和脆弱性的綜合表現。該指標的讀數範圍通常在0到1之間。歷史經驗表明，當BRI讀數超過0.8時，往往預示著泡沫進入了危險的高風險區域（High Risk Zone），隨時可能發生劇烈回呼。2.1 核心資產尚未過熱令人驚訝的是，儘管輝達（Nvidia）等科技巨頭股價翻倍，但其BRI讀數目前仍徘徊在0.6-0.7之間，尚未突破0.8的警戒線，這表明當前的價格行為雖然激進，但尚未達到“非理性癲狂”的程度。價格的不穩定性（Instability）——即泡沫破裂的前兆——尚未完全顯現。2.2 局部泡沫已經顯現然而，魔鬼藏在細節裡。雖然大盤指數尚顯健康，但資金的溢出效應已經導致某些細分領域出現了明顯的泡沫特徵。比如，核能和量子計算類股的BRI讀數在2025年出現了垂直飆升，並迅速突破了0.8的警戒線。這反映了市場資金在核心科技股估值高企後，開始瘋狂尋找AI產業鏈周邊的“補漲”題材。這種“核心穩健、邊緣過熱”的結構，是泡沫中期的典型特徵。資金如同流水，正在填滿每一個與AI沾邊的低窪地帶。2.3 估值與動能還有空間除了BRI指標，還可以從傳統的估值和動能角度進行歷史對比。對比1995-2000年網際網路泡沫時期與當前的科技股前瞻市盈率會發現，在2000年3月納斯達克見頂時，科技股的平均預期市盈率高達近70倍。而截至報告發佈時，納斯達克100的預期市盈率約為30倍左右。雖然這顯著高於歷史平均水平（約20倍），但距離70倍的瘋狂水平仍有巨大的“想像空間”。此外，從價格動能來看，泡沫峰值通常伴隨著價格比200日移動平均線高出40%-50%。目前這一指標雖然偏高，但並未達到極值。這進一步佐證了“泡沫未達頂”的判斷。第三章：泡沫的結構——魔法、FOMO與被動洪流是什麼力量在推動這場泡沫不斷膨脹？美銀美林將其歸結為三重力量的共振：技術的“魔法”屬性、散戶的FOMO情緒以及被動投資的機械推力。3.1 這一次的劇本：ChatGPT vs Netscape市場對於顛覆性技術的反應往往具有驚人的相似性。報告通過一組極其直觀的資料對比，揭示了AI革命與網際網路革命的同構性。下圖將ChatGPT發佈後（2022年11月為起點）的納斯達克走勢，與Netscape瀏覽器發佈後（1994年10月為起點）的走勢進行了重疊對比。兩條曲線的重合度非常高。Netscape的發佈標誌著網際網路從軍用/極客走向大眾，隨後開啟了長達5年的超級牛市。ChatGPT同樣標誌著AI的“iPhone時刻”。如果這一歷史劇本繼續上演，當前的上漲趨勢可能僅僅是半山腰。根據Netscape的路徑推演，本輪牛市可能會在波動中持續至2028年左右，且漲幅驚人。這為“長期看多”提供了強有力的歷史參照。3.2 散戶與FOMO（錯失恐懼症）泡沫的形成離不開散戶投資者的參與。機構投資者往往受制於風控模型和估值約束，而散戶投資者則更多受情緒驅動——即“錯失恐懼”（Fear Of Missing Out, FOMO）。散戶對短期虛值看漲期權（OTM Calls）的偏好正在急劇上升。這種高槓桿的博弈行為是泡沫後期的典型特徵。散戶不再滿足於正股的漲幅，而是追求期權的百倍收益。這種行為本身就是泡沫的燃料。做市商為了避險散戶買入的看漲期權，必須在現貨市場買入股票，從而進一步推高股價，形成“正反饋循環”。此外，加密貨幣可以視為散戶情緒的“前瞻指標”。資料顯示，比特幣的表現往往領先於納斯達克。當比特幣出現劇烈調整時，往往預示著科技股隨後也將面臨壓力。加密貨幣市場的持續活躍表明散戶情緒依然高漲。3.3 被動投資——盲目的巨鯨除了主動的散戶，被動投資的興起也改變了市場結構。在過去十年中，數兆美元從主動管理基金流向了被動指數基金。這種趨勢在泡沫時期會產生“滾雪球效應”。當資金無腦買入標普500或納斯達克100ETF時，這些資金會自動按權重分配給市值最大的公司（即Mag 7）。股價越高，權重越大，買入的資金越多。這種機械式的買入力量對估值並不敏感，從而強化了龍頭的馬太效應。第四章：房間裡的大象——私人市場、波動率以及相關性崩塌。在描繪美好藍圖的同時，也不能忽視潛在的危機。在描繪泡沫的同時，也要看到可能刺破泡沫的針。4.1 私人市場的隱雷：流動性錯覺市場普遍關注股市的槓桿，但真正的風險可能隱藏在不透明的私人市場（Private Markets）。私人市場（包括私募股權PE、私人信貸Private Credit等）的規模在過去6年翻了一番，目前已接近18兆美元。這龐大的體量背後，是極低的流動性和不透明的估值。如果利率居高不下，許多私人信貸項目面臨再融資風險。一旦出現違約潮，由於私人資產缺乏流動性，投資者可能被迫拋售公開市場的流動性資產（如股票、國債）來籌集現金，從而導致公開市場的崩盤。這種傳導機制在2007年的次貸危機中曾出現過，如今風險源轉移到了私人信貸領域。4.2 相關性崩塌：無處可藏對於機構投資者而言，最大的噩夢是避險工具失效。在過去20年的“大緩和”時期，股債通常呈負相關（股跌債漲），因此“60/40組合”是完美的避險策略。然而，在高通膨和高財政赤字的背景下，股債相關性已轉為正值。這意味著，當股市下跌時，債券可能也會下跌（因為通膨或利率擔憂），導致傳統的避險策略失效。投資者赤身裸體地暴露在風險之中。這迫使機構尋找新的避險工具，如期權或大宗商品。4.3 波動率的新常態：暴漲暴跌泡沫時代的另一個特徵是市場的脆弱性。泡沫時期的閃崩（Flash Crash）往往非常劇烈，但反彈也同樣迅速（V型反轉）。2025年夏季的市場表現就是一個典型案例：納斯達克在短短幾周內暴跌，隨後又以歷史第五快的速度創出新高。這種“過山車”行情將成為常態。對於槓桿交易者來說，這既是天堂也是地獄——一次深度的回呼足以爆倉，而隨後的反彈又會讓踏空者痛不欲生。第五章：全球尋寶——在廢墟與窪地中尋找黃金如果美國科技股已經不再便宜，那麼在這個泡沫時代，資金還能去那？美銀美林將目光投向了全球，特別是那些估值極低且具備AI潛力的地區。5.1 歐洲：被誤解的價值高地雖然歐洲經濟增長乏力，但歐洲股市卻展現出了驚人的性價比。歐洲斯托克50指數（SX5E）的市盈率僅為16.6倍，遠低於標普500的25.2倍。更重要的是，歐洲企業的資產負債表非常健康。歐洲的“舊經濟”正在煥發新生。德國宣佈將國防預算增加35%，並在基礎設施和能源轉型上投入巨資。這些財政刺激將直接利多歐洲的工業、建築和國防類股。與此同時，歐洲企業正在以前所未有的速度回購股票，回購收益率（Buyback Yield）甚至超過了美國。這為股價提供了堅實的底部支撐。因此，做多歐洲價值股是避險美國科技股泡沫破裂風險的有效手段。5.2 亞洲：AI的追趕與分化亞洲市場在AI浪潮中並非旁觀者，但表現極度分化。韓國（Kospi）：AI敏感度極高（受儲存晶片驅動），高達56%，但市盈率僅為14倍左右，屬於“高成長、低估值”的典型。但也需警惕其價格行為的高波動性。台灣（TWSE）：處於泡沫風險的高位區，估值已充分反映了台積電等企業的優勢。印度（Nifty）：估值昂貴，且AI相關性相對較低，性價比不高。5.3 中國大陸：地球上最便宜的看漲期權在所有主要市場中，美銀美林對中國大陸的看法最具反差感。報告明確提出：“中國資產提供了極具吸引力的非對稱回報機會。”中國市場的期權定價極其便宜。由於市場情緒低迷，隱含波動率（Implied Volatility）處於歷史低位。這意味著，投資者只需支付極少的權利金，就能買入看漲期權。美銀報告特別看好中證1000指數（CSI 1000）。作為代表中小盤成長股的指數，它對流動性和技術創新最為敏感。一旦中國推出更強力的刺激政策或AI應用出現突破，這類資產的彈性將是巨大的。第六章：2026交易策略實戰手冊——如何與泡沫共舞？基於上述宏觀判斷和量化分析，美銀美林為機構投資者制定了一套詳盡的衍生品交易策略。這是美銀美林給機構客戶的“私房菜”，也是普通投資者進階的必修課。核心邏輯是既要參與泡沫的狂歡，又要為必然到來的崩盤做好準備。註：本部分所有具體策略因合規原因省略，感興趣的讀者可查看原文。6.1 進攻篇：擁抱“右尾”風險既然泡沫尚未見頂，且具有“漲得快、波動大”的特徵，那麼單純買入股票並非最佳策略，更好的方式是做多“上漲的波動率”。6.2 左尾策略（Left-Tail）：防範“泰坦”的隕落泡沫越大，破裂時的破壞力越強。因此需要針對輝達進行特質風險避險以及針對標普500的“墜落保護”。6.3 另類策略：利用相關性錯配市場中存在一些被忽視的定價錯誤，這正是超額收益的來源。結語：在泡沫中保持清醒的現實主義洋洋灑灑萬字，我們拆解了美銀美林《2026展望》的每一個角落。這份報告並非在販賣焦慮，也非盲目鼓吹。它向我們展示了一個客觀且略帶殘酷的現實：我們正處於一個由政府意志、技術革命和資本貪婪共同編織的巨大泡沫之中。對於投資者而言，最危險的不是身處泡沫之中，而是沒有意識到自己在泡沫裡，或者過早地站在了泡沫的對立面。最後的忠告：不要輕易做空泡沫：永遠不要低估一群狂熱的人能把價格推到多高。凱恩斯說過：“市場保持非理性的時間，比你保持償付能力的時間要長。”擁抱波動性：在未來兩年，波動率不是敵人，而是朋友。保持全球視野：當美國變得擁擠時，將目光投向歐洲的價值窪地和中國的復甦期權，可能是保護財富的最佳路徑。2026年，註定將是載入史冊的一年。願每一位投資者都能在這場資本盛宴中，既享受到泡沫的紅利，又能全身而退。 (M2M研究)

今年的12月28日，吳曉波頻道將與優酷聯合主辦“AI閃耀中國——吳曉波科技人文秀”，集中揭曉這一年“AI大調研”的成果。在年終大秀到來之前，我們迎來了關於“科技變革下，普通人的機會在那裡？”的科創主題直播。在全球競爭白熱化、舊增長引擎失速的當下，科技創新已從可選項變為生存線。唯有把核心技術握在自己手裡，才能把資源紅線、人口結構、貿易摩擦等壓力轉化為綠色、智能、健康的新增量，在未來的科創賽道上佔據一席之地。本次活動特別邀請了三位在科技創新領域有所成果，並具備相當影響力的博主共同探討。未可知人工智慧研究院院長、科技暢銷書作家杜雨將探討00後創業潮興起於技術平權與AI普及，依託中國式創新邏輯與政策紅利，在全球科技競爭中展現新極客特質，但也面臨資本泡沫、倫理爭議及技術普惠邊界等挑戰。播客“牆裂壇”主理人、金融行業從業者和創業者、開泰銀行中國首席經濟師肖小跑以及播客“文理兩開花”主播、資深金融科技架構師王瑋將透過“第一性原理”從身份契約、模因結構到計算認知，探討個人在數字世界中的真實定位、所處系統的隱性操控，以及在AI與大模型時代那些決策可託付機器、那些必須由人牢牢掌握。海銀資本創始合夥人，科技創新產業專家王煜全將從馬斯克紅利看科技革命共振，理解AI、線上遷移與工業化終局中的時代機遇；掌握科技造富邏輯與工程最佳化方法，把握AIGC、終端智能、自動駕駛、服務機器人及AR/MR等正在爆發的前沿賽道。杜雨未可知人工智慧研究院院長分享主題：00後創業潮：AI、風口、新極客Z世代以“新極客”精神重構技術信仰，憑藉開源協作與敏捷迭代挑戰行業巨頭。然而，資本泡沫、倫理困境與技術普惠的邊界問題亦如影隨形。在中國，新基建與政策紅利正催化非對稱創新優勢，助力年輕一代在全球科技博弈中突圍。面對AI與機器人重塑社會結構的未來，他們還需為即將到來的技術奇點做好認知與能力的雙重準備。肖小跑&王瑋播客“牆裂壇”&“文理兩開花”主播分享主題：給數字世界裡的自己準備一份"生存指南"帶大家穿透技術表象：在資料即身份的時代，重新理解“我是誰”以及數字契約如何重塑信任；看清自己正被那些資訊模因與系統結構喂養，又在那些機制中被悄然收割；更重要的是，在AI、區塊鏈與大模型日益強大的今天，釐清那些決策可以放心交給機器，那些關鍵判斷必須交給人。王煜全向馬斯克學習，捕捉AI時代的商機分享主題：如何把熱愛，變成事業馬斯克的“紅利”並非偶然，而是踩中了能源、智能與空間三場科技革命共振的時代節點。我們正站在AI革命起點，經歷尚未完成的線上遷移，邁向工業時代的終局。當前機會遍佈AIGC、終端與行為智能、自動駕駛、服務機器人及AR/MR等領域，而每個人都能通過工程最佳化參與其中，識別屬於自己的造富路徑。三位科技創新領域的知識博主將透過各自的實踐及經驗，幫助大家理解何為“第一性原理”，何以面對當下科創熱潮中，行業的發展趨勢及個人的可為空間。直播活動中，有機會獲得藍獅子盲盒書，更有機會與三位博主即時互動。 (吳曉波頻道)

導讀房地產是國民經濟第一大支柱行業，事關經濟增長、民生就業和金融風險，一定要軟著陸，避免硬著陸。當前中國房地產從大開發時代向存量時代轉型，20-50歲主力購房人群到達拐點，供求關係發生重大變化，未來形勢如何？後房地產時代，中國房地產未來有十大趨勢：1、房地產大開發時代落幕，進入存量房主導時代。“房地產長期看人口、中期看土地、短期看金融”，當前20-50歲主力購房人群的人口長周期拐點已出現，城鎮化率達67%，套戶比超過1.1。2、人口進一步向都市圈城市群集聚，分化加大。東北、西北、低能級城市人口面臨持續流出壓力，未來僅有兩成城市人口持續流入，出現二八現象。3、建構房地產新模式。核心包括好房子建設，保障房、長租房，預售制改革，人地掛鉤，房地產稅，以實現供求平衡和長期平穩健康發展。4、未來住房市場的三大支撐：改善型需求、城市更新、保障房需求。未來的房地產市場將更側重於質量而非數量。5、城市更新將進入大力實施新階段。通過舊城改造、城中村改造等，提升城市面貌和居住品質。存量時代房屋老化問題凸顯，開展城市更新成為城市發展新動力，補安全短板、穩房屋價值。6、房價走勢分化將加劇，一線及強二線城市因人口流入、產業集聚，未來2-3年內將築底，更長遠看一線房價有望止跌回升。而大多數三四線城市，人口流出，有價無市、去化困難，未來可能陷入漫長的陰跌。7、房地產行業大洗牌，大部分房企將消失或被併購重組，優勝劣汰，這是所有行業發展到成熟階段必然要經歷的。8、土地供應策略“控量提質”，側重優質土地和好地段土地供應，並通過取消限價、減少配建等措施提升市場活力。核心城市的核心區域受到追捧，普通城市非核心地塊遇冷，分化格局將持續深化。9、土地財政模式面臨轉型，一二線城市土地財政轉型，其他城市土地財政退出歷史舞台。為應對地方財政缺口，預計推動消費稅和個人所得稅下放到地方，以增強地方自主財力，緩解土地財政退出帶來的衝擊。10、限制性政策退出，回歸市場化，預計未來一年內外環將全面開放，三年左右全域放開。完善促進消費制度機制勢在必行，清理住房消費的不合理限制性措施是大勢所趨。對於多孩家庭給予住房補貼優惠。目錄1 第一大趨勢：房地產大開發時代落幕，進入存量房主導時代2 第二大趨勢：人口向都市圈城市群集聚3 第三大趨勢：建構房地產新模式4 第四大趨勢：改善型需求、城市更新、保障房需求成主要支撐5 第五大趨勢：大力實施城市更新6 第六大趨勢：房價分化，核心城市未來2-3年內築底7 第七大趨勢：房企從“三高”模式邁向質量深耕8 第八大趨勢：土地供應“控量提質”，核心地塊成為“新寵”9 第九大趨勢：土地財政轉型，地方尋找新稅源10 第十大趨勢：限購全面放開，回歸市場化正文1 第一大趨勢：房地產大開發時代落幕，進入存量房主導時代房地產大開發時代落幕，進入存量房主導時代。20-50歲主力購房人群到達人口拐點，城鎮化率達67%，套戶比超過1.1。“房地產長期看人口、中期看土地、短期看金融”。由於人口紅利、快速城鎮化、土地財政、寬鬆貨幣政策、金融槓桿擴張等,1998-2018年中國房地產迎來黃金20年。1998年，國務院發佈《關於進一步深化住房制度改革加快住房建設的通知》，正式終結福利分房制度，全面啟動住房市場化改革；2003年-2013年為房地產高速發展階段，2003年，房地產被正式定位為“支柱產業”，政策支援力度加大，人口紅利、城鎮化、土地財政三因素推動，地產銷售面積、銷售額、投資增速均保持兩位數增長，需求爆發、房價單邊上漲、高槓桿高周轉；2014年，全國商品房銷售面積首次出現負增長，庫存壓力上升，房價漲幅趨緩；2015–2017年，棚改貨幣化製造三四線“小陽春”。隨著老齡化、少子化到來，20-50歲主力購房人群的人口長周期拐點出現，存量住房套戶比近1.1和房地產新發展模式加快建構，標誌著房地產大開發時代落幕，存量房主導時代到來。從需求看，人口方面，中國20-50歲主力置業人群規模於2013年達峰值。2024年末常住人口城鎮化率達67%，城鎮常住人口比上年末增加1083萬人。國際經驗表明，城市化發展近似一條稍被拉平的“S型”曲線，中國目前處於快速發展期（30%-70%）的減速發展階段末期。根據我們預測，到2040年中國城鎮化率將達到約78.6%，對應城鎮人口10.5億人，比2020年增加約1.5億人。從供給看，目前中國住房整體已經達到靜態平衡，但區域供求差異仍較大，1978-2023年中國城鎮住房套數從約3100萬套增至3.7億套，套戶比從0.8增至1.07。2023年一線、二線、三四線城市的套戶比分別為1.01、1.09、1.12，一線城市住房供給階段性達到靜態平衡，但由於老舊房屋佔比偏高，住房供給存在結構失衡，供給仍然不足。相比美國、日本的1.17、1.16，德國、英國的1.03、1.02，國內住房從供給短缺到總體平衡。總體看，當前中國房地產市場進入調整周期，是行業長期依賴“高負債、高槓桿、高周轉”舊模式難以為繼，並與人口結構拐點、居民預期轉變等疊加的結果。與1998-2018年政策刺激往往催生上漲行情不同，本輪調控政策雖持續加碼（如大幅降低首付比例、利率並鬆綁限購），但其效果更多體現為“止跌回穩”的托底作用，難以扭轉房價陰跌、銷售疲軟的整體趨勢。其核心原因在於基本面已發生根本性轉變，如人口總量見頂削弱長期需求，居民部門槓桿率高企制約購買力，住房總體供需關係逆轉，導致“買漲不買跌”的心理預期佔據主導等。2 第二大趨勢：人口向都市圈城市群集聚人口往都市圈城市群遷移，東北、西北、低能級城市人口面臨持續流出壓力，未來二八開，美國、日本、韓國等在城市化後半段都出現了人口集聚的現象和規律。以人口遷移看，美國、日本、韓國等國家在城市化後半段都出現人口集聚的現象和規律，遷移一般分為兩個階段：從鄉村到城市遷移，到在城市化中後期明顯向都市圈城市群遷移。美國人口遷移呈現兩個特點：一是在地區層面，從向傳統工業主導的鐵鏽8州集聚，到向能源、現代製造和現代服務業主導的西海岸、南海岸集聚。二是在城鄉層面，人口在城市化中後期明顯向大都會區集聚。日本人口隨產業持續向大都市圈集聚，但在1973年左右從向東京圈、大阪圈、名古屋圈“三極”集聚轉為向東京圈“一極”集聚。（請參考《中國人口大遷移》）從中國看，人口進一步向都市圈城市群集聚，分化加大，一、二線人口持續流入但增速放緩，三、四線城市人口持續淨流出。分地區看，人口持續向南方、東部地區集聚，2021-2023年南方、北方年均常住人口增量分別為33.9萬、-179.7萬人，2023年東部、中部、西部、東北部人口占比分別為40.2%、25.8%、27.2%、6.8%。分省看，改革開放以來，中國的跨省人口遷移經歷了從“孔雀東南飛”到回流中西部，再到粵浙人口再集聚和回流黔川渝鄂，近年浙瓊粵蘇人口持續聚集。分都市圈看，2010-2020年深莞惠、上海、廣佛肇都市圈年均常住人口增量超80萬，2021-2023年杭州、上海、合肥都市圈年均常住人口增量超20萬，濟南、南昌、蘭州等都市圈核心城市人口流入，但都市圈整體流出。分城市群看，2010-2020年珠三角、長三角城市群年均常住人口增量超180萬人，但東北、西部等區域近年面臨產業結構單一，呈現人口流出趨勢，2021-2023年長三角人口進一步集聚，年均常住人口增量達80萬人，位居第一，高於第2至第7位的城市群年均常住人口增量之和。分線看，2021-2023年一、二、三、四線城市人口年均增速分別為0.1%、0.4%、-0.2%、-0.7%，一、二線城市人口增速繼續放緩，三四線城市人口持續流出。未來人口、產業、資本將進一步向核心城市集聚，東北、西北、低能級城市人口面臨持續流出壓力，出現二八現象。預計2040年中國城鎮化率將達78.6%，未來20年超八成新增城鎮人口分佈在都市圈內部，超九成位於城市群內部，其中近五成來自五大城市群（長三角、珠三角、京津冀、成渝、長江中游）。人口遷移對經濟社會影響重大。人口流入地區發展潛力更大，人口流出地區老齡化加重，經濟社會發展壓力明顯。人口向大都市圈大城市群集中，房地產市場將更加分化。3 第三大趨勢：建構房地產新模式房地產新模式，包括好房子建設，保障房、長租房，預售制改革，人地掛鉤，房地產稅，以實現供求平衡和長期平穩健康發展。我們在《中國住房存量報告》提到：經過多年發展，2023年中國城鎮人均住房建築面積約35.9平方米；城鎮住房套戶比為1.07，一線、二線、三四線城市的套戶比分別為1.01、1.09、1.12，一線城市住房供給階段性達到靜態平衡。近年，房地產發展新模式被反覆提及。2021年中央經濟工作會議提到：探索新的發展模式，堅持租購併舉，加快發展長租房市場，推進保障性住房建設，支援商品房市場更好滿足購房者的合理住房需求。2024年10月《中共中央關於進一步全面深化改革、推進中國式現代化的決定》提出：“加快建構房地產發展新模式。”2025年7月中央城市工作會議在北京舉行，會議提到：“堅持人口、產業、城鎮、交通一體規劃，最佳化城市空間結構；加快建構房地產發展新模式。”概括為四個方面：1）理念上，建設適應人民群眾新期待的好房子。中國的住房發展已經進入了新階段，從“有沒有”轉向“好不好”。著力建設綠色低碳的美麗城市、建設安全可靠的韌性城市。2025年3月，“好房子”首入政府工作報告，政府工作報告中提出：完善標準規範，推動建設安全、舒適、綠色、智慧的“好房子”。2025年7月，住建部調研組赴廣東、浙江調研，再次強調：加快建設安全、舒適、綠色、智慧的“好房子”，推動房地產市場止跌回穩。通過“好房子”供給迭代，釋放改善型需求。當前，中國城鎮化率67%，加上改善型需求，房地產市場還有較大空間。在“好房子”加速推動發展背景下，中國近期各地核心區域、小面積或低容積率的高品質地塊集中出讓，高品質第四代住宅項目也持續去化熱銷。2025年10月，住房城鄉建設部提到，未來五項工作重點推動“好房子”建設，1）好的標準，《住宅項目規範》已正式實施，涉及層高、隔音等14項新的標準；2）好的設計，依照好標準，做出好設計；3）好的建材，提升綠色建材、智慧安防等在“好房子”中應用；4）好的建造；5）好的維運。2）體繫上，以政府為主滿足剛性住房需求，以市場為主滿足多樣化改善性住房需求。提高保障性住房佔住房總量的比例，提升保障性住房的質量品質及適配性，支援城鄉居民多樣化改善性住房需求，鼓勵房地產企業提高住房建設標準、加強智能科技應用、提升物業服務水平。3）制度上，改革完善房地產開發、交易和使用制度，為房地產轉型發展夯實制度基礎。改革房地產開發融資方式和商品房預售制度，有力有序推行商品房現房銷售，加強預售資金監管、嚴格預售門檻。引導房地產企業逐步形成適度槓桿比例、合理負債水平和正常周轉速度的發展機制。4）要素配置上，建立“人、房、地、錢”要素聯動新機制。加強住房與土地、金融資源聯動，根據住房需求科學安排土地供應、配置金融資源，實現以人定房、以房定地、以房定錢，保持市場供需平衡、結構合理，防止大起大落。完善房地產稅收制度。房地產稅替代土地財政是大勢所趨。當前土地財政拖累較大，地方財政吃緊，需要新稅源，如穩步推動房地產稅試點。預計未來更多新模式配套政策將進一步完善和落地。這是適應中國房地產市場供求關係發生重大變化的新形勢，著眼於破解房地產發展難題和防範風險、促進房地產市場平穩健康發展的治本之策。4 第四大趨勢：改善型需求、城市更新、保障房需求將成主要支撐未來住房市場的主要支撐來自改善型需求、城市更新、保障房需求等。2025年7月，時隔十年中央城市工作會議定調“中國城鎮化正從快速增長期轉向穩定發展期”、“高品質開展城市更新”、“穩步推進城中村和危舊房改造。”2024年3月，國常會定調“房地產產業鏈條長、涉及面廣，房地產事關人民群眾切身利益，事關經濟社會發展大局”。2025年，中央城市工作會議提到：“中國城鎮化正從快速增長期轉向穩定發展”，會議以“堅持穩中求進，因地制宜，推進城市更新，存量提質，加快建構房地產發展新模式”為主基調。考慮到城鎮化處理程序、住房改善性需求、城市更新等，未來中國房地產還有較大發展空間和潛力。據測算，2025-2030年，中國住房需求總量約55億平，年均新增住房需求約9.2億平/年，並不會大幅下跌至較低水平。預計到2030年，中國住房需求緩慢下降至8.9億平方米，其中，剛性需求2.5億平、改善性需求3.7億平、更新需求2.7億平。具體來看:從趨勢看，未來中國住房需求整體呈緩慢下降趨勢，其中，剛性需求呈下降趨勢，改善性需求保持平穩，更新需求保持小幅緩慢上升。從結構看，2025-2030年剛性需求、改善性需求、更新需求佔比分別為28.7%、41.7%、29.6%，改善性需求成為中國住房市場最大的需求支撐。消費者不再僅僅追求“有房住”，而是追求“住好房”，家庭規模小型化趨勢也將帶來更多住房需求，人均住房面積也將由此提升。從供給看，中國城鎮化進入穩定發展，城鎮化速度放緩，根據我們測算，2025-2030年中國新增城鎮常住人口約0.4億人，城鎮化率提升3.9個百分點，帶來住房需求17.0億平方米，年均2.8億/年。城市發展從大規模增量擴張轉向提質增效，城市更新成為新動能，“十四五”規劃提出，要完成約21.9萬個城鎮老舊小區改造任務，據測算，2025-2030年，中國城市更新帶來住房需求約16.1億平，年均約2.7億平/年。城中村改造、老舊小區更新、低效用地盤活將為住房供給提供新的空間，政策層面明確住房供給“嚴控增量、最佳化存量、提高品質”，減少土地供應，重點發展建設安全、舒適、綠色、智慧的“好房子”，使之與當前的實際需求匹配。總體看，未來的房地產市場將更側重於質量而非數量，從增量為主向增存並重階段轉換。未來中國住房需求整體呈緩慢下降趨勢，其中剛性需求呈下降趨勢，改善性需求保持平穩，更新需求保持小幅緩慢上升。房地產市場正向未來更可持續的穩定規模過渡。5 第五大趨勢：大力實施城市更新城市更新將進入"大力實施"新階段，通過舊城改造、城中村改造、產業升級等，提升城市面貌和居住品質。存量時代，老舊房屋或將存在牆體結構安全隱患、屋面滲漏、外牆脫落、設施裝置老化等問題。根據我們測算，一、二、三四線1999年以前建成房屋（房齡大於25年）佔比平均值分別為36.1%、24.4%、23.7%，到2040年，預計將有近80%的房屋成為“老小區”，或將存在牆體結構隱患、外牆脫落、設施裝置老化等問題，影響居民生活體驗。時隔十年的中央城市工作會議將城市更新寫入總體要求，定調從2015年“加快城鎮棚戶區和危房改造”轉變為“高品質開展城市更新”，側重“存量提質增效”、“不搞大拆大建”。2025年5月，國務院發佈《關於持續推進城市更新行動的意見》提到：到2030年，城市更新行動實施取得重要進展，表達為一項偏長期的工程。與2015年提出棚改三年，力爭到2020年基本完成現有城鎮棚戶區、城中村和危房改造有一定區別。2025年7月，中央城市工作會議提到：“以推進城市更新為重要抓手”、“穩步推進城中村和危舊房改造。”2024年住建部部長提到從中國城鎮300多億平方米存量住房需要更新改造，房地產還是有很大的潛力和空間的。從資金看，城市更新偏向中央財政，區別於棚改中的以貨幣化安置為抓手，同時在政府舉債、融資平台等多維度融資機制。城市更新中，房屋養老金也是重要一環。2024年8月，住建部表示，研究建立房屋體檢、房屋養老金、房屋保險制度，建構全生命周期房屋安全管理長效機制，上海等22個城市正在開展試點。當前房屋養老金主要是指用於房屋共用部位、共用設施裝置保修期滿後，房屋公共體檢、日常維修以外的大、中修，及更新改造的資金。房屋養老金制度未來或分為“公共帳戶”和“個人帳戶”，個人帳戶”由已經建立的“住宅專項維修基金”構成，主要由業主繳納。此次建設重點是養老金“公共帳戶”，款項或將主要來自於財政資金，由地方政府探索資金籌集管道。6 第六大趨勢：房價分化，核心城市未來2-3年內築底市場分化將加劇，一線及強二線城市因人口流入、產業集聚，未來2-3年內築底。大多數三四線城市，人口流出，有價無市、去化困難，未來可能陷入漫長的陰跌。後房地產時代，市場將從過去的“普漲時代”轉向“結構性分化”新格局。根據我們在《中國城市房地產保值率排名2025》的研究，以2017年房價峰值為基準，計算截至2025年8月的保值率（當前房價與歷史峰值之比），全國317個城市呈現出顯著梯度分化。保值率TOP10城市包括烏魯木齊、上海、北京、成都、杭州等，其房產保值率普遍維持在80%以上，而部分三四線城市如鶴崗、廊坊和溫州已跌破60%關口。這種分化不僅是市場情緒的折射，更是城市經濟韌性、人口吸附力與政策響應效率的綜合體現。目前全國房價從高點回落幅度不均，未來房價走勢將延續分化，核心城市憑藉產業集聚和人口流入展現出抗跌韌性，而廣大三四線城市則面臨漫長的價值重估。分地區看，東部沿海核心城市跌幅相對有限，而中西部和東北地區調整較深。未來房價的底部確認將是一個漸進過程，核心城市的核心區域已顯現走穩跡象，而廣大三四線城市的調整可能漫長而反覆。這種分化格局揭示出，中國房地產市場的黃金時代已落幕，未來價值重塑將更依賴於城市基本面的質量深耕，而非粗放式擴張。一線、強二線核心城市房價未來2-3年內築底。以北京、上海為例，其保值率均超過85%，核心資產展現出終極抗跌力。北京憑藉首都稟賦和總部效應，吸引高品質人口集聚，學區房和核心區豪宅在政策調控下仍保持高溢價；上海則依託全球資本聚集和宅地稀缺性，陸家嘴金融叢集催生高淨值需求，2024年總價3000萬以上新房成交激增300%。未來，隨著政策最佳化如限購放開（北京、上海已調整五環外、外環外限購）和降息減負，一二線市場有望逐步走穩。核心區域房價再跌20%以上的可能性極小，5%-10%的跌幅或是極限，甚至可能觸底回升。強二線城市方面，成都和杭州憑藉數字經濟和文化溢價，保值率超84%，顯示出回暖潛力。中長期看，中國住房需求結構轉向改善型主導，核心城市將受益於人口流入和產業升級，推動核心區域房價在磨底後溫和回升。弱二線、三四線城市的房價下跌遠未見底，未來可能陷入長達10-20年的陰跌周期，底部需要反覆確認和磨礪。其根本原因在於基本面支撐薄弱：人口持續流出、經濟結構單一、以及土地供應過剩。從人口看，這些城市普遍面臨人口淨流出，例如東北地區的哈爾濱、長春保值率僅74.7%，遠低於西部重點城市，由於青壯年勞動力向核心都市圈集聚，購房需求萎縮導致“有價無市”。土地供應方面，過去依賴擴張的模式造成庫存積壓，部分三四線城市商品住宅去化周期超過36個月，應暫停新增用地出讓，但歷史形成的過剩供給難以快速消化。經濟轉型挑戰加劇了買力不足，三四線城市產業多以傳統製造業為主，缺乏高收入崗位，居民購買力弱化，而賣壓卻因投資性房源集中釋放不斷積蓄。以鄭州為例，其房價峰值早於2019年出現，經歷超三年下行後保值率偏低，反映出調整深度。未來，這些城市將步入漫長的去庫存周期，房價底部不會一蹴而就，而是通過反覆試探和出清逐步形成，期間可能伴隨局部反彈但整體趨勢向下。7 第七大趨勢：房企從“三高”模式邁向質量深耕房企大洗牌，大部分房企將消失或被併購重組，優勝劣汰，眾多房企為求生存發展，向輕資產模式轉型。2024年3月，住建部表示“對嚴重資不抵債、失去經營能力的房企，要按照法治化、市場化的原則，該破產的破產，該重組的重組。”根據中指院資料，2024年，TOP100房企銷售總額同比-30.6%，其中銷售總額超千億房企11家，較去年同期減少5家，百億房企86家，較去年同期減少30家。2025年1-9月，TOP100房企銷售總額同比-12.2%，其中1000億以上陣營6家，與去年同期持平，500-1000億較去年同期減少1家，300-500億較去年同期減少1家，100-300億企業較去年同期減少4家。中國房企將從“高負債、高槓桿、高周轉”舊模式向高品質經營發展轉型。這一轉變源於舊模式在市場需求結構變化和政策深度調控下暴露出的系統性風險，過度依賴房價上漲與寬鬆融資環境，導致在市場下行周期中資金鏈脆弱性凸顯。隨著“房住不炒”定位深化及消費者需求從“有沒有”轉向“好不好”，房企將圍繞財務穩健、產品創新與技術賦能重構發展邏輯，通過降低負債、提升營運效率及聚焦“好房子+好服務”實現可持續發展。尤其值得注意的是，行業資產負債表最佳化已出現積極跡象，百強企業通過經營性物業貸置換、REITs盤活資產、剝離非核心業務等方式降低有息負債規模，同時以數位化行銷與精準定價守護現金流生命線。而2025年政府工作報告將“好房子”建設納入國家戰略，進一步推動房企從開發銷售向持有營運轉變，以長租公寓、綠色建築等新賽道開闢增長空間。對於已陷入債務困境的房企，相當一部分面臨破產重組，需嚴格遵循“保交樓、化債務、穩民生”的遞進邏輯。其中“保交樓”是化解社會風險的前提，其完成情況直接關係購房者信心恢復與市場穩定。成功案例表明，依託“政府法院聯動”機制整合司法與行政資源是關鍵，例如安徽成城置業通過共益債引入續建資金，使爛尾十年項目重生，江西怡和源公司則通過分階段清償債務、調整容積率等舉措，在300多天內化解10億元債務危機並實現普通債權超過60%的清償率。債務重組需分類施策：對金融機構債權通過債轉股、資產證券化緩釋壓力；對購房者債權優先保障交付權益；對供應商債權鼓勵共益債參與。而碧桂園、萬科等大型房企因規模龐大、債務結構複雜，轉型更為艱難，或需同步推進“瘦身健體”與“業務重構”，通過出售非核心資產、聚焦代建與物業管理等輕資產賽道，從高槓桿驅動轉向現金流管理為核心的可持續模式。未來房企格局將呈現“央國走穩盤、龍頭民企突圍、混合所有制平衡”的分化特徵。央國企憑藉融資優勢與政策支援，主導保障房建設和城市更新，如華發股份探索“開發+營運”模式，越秀地產強化全生命周期資產服務能力，並利用REITs工具盤活存量資產。龍頭民營房企將從規模擴張轉向細分賽道深耕，例如，以代建業務應對城投拿地趨勢，或以商業營運與長租公寓實現雙輪驅動。混合所有制房企如聯發集團，在社會保障性與市場性間尋找平衡，通過聚焦青年安居等差異化需求實現社會效益與經濟效益雙贏。而區域型中小房企面臨嚴峻挑戰，或將通過被國資整合、聚焦老舊小區改造或應用AI等新興技術降本增效以求生存。總體而言，行業競爭正從規模轉向產品力、營運力與創新力的綜合比拚，唯有根植於民生需求與技術變革的房企才能在新周期中贏得機遇。8 第八大趨勢：土地供應“控量提質”，核心地塊成為“新寵”土地市場將邁入以穩定和存量為主導的新階段，“控量提質”為主要特點。隨著中國城鎮化處理程序從快速增長期轉向穩定發展期，城市發展模式也由大規模增量建設進入存量提質增效階段。這一背景下，2025年中央經濟工作會議首次提出“合理控制新增房地產用地供應”，強調盤活存量用地和商辦用房，標誌著土地供應政策發生根本性轉變。2025年上半年，中國月均土地供應面積、金額僅為2024年月均水平的7成。但2025年土地出讓溢價率持續回溫，2025年6月百城土地平均溢價率達到了5.5%，其中二線城市平均溢價率達到7.2%。成都、武漢、天津等熱點城市推出優質地塊，均在6月上演激烈的土拍大戰。北京、上海等核心城市則在5月成交了多宗高溢價地塊，5月一線城市平均溢價率達到6.4%。這種“控量提質”的調控思路反映房地產市場供求關係的重大變化，在去庫存的大背景下，我們預計，未來新增土地供應將進一步向人口集聚、產業集聚的核心城市的核心區域傾斜，且土地出讓總量保持適度水平，其中配套完善、低容積率的核心區域優質地塊佔比將持續提升。從市場表現看，核心城市的核心區域受到追捧，普通城市非核心地塊遇冷，分化格局將持續深化。政策與市場雙輪驅動土地市場向“質升量減”方向發展。2025年上半年，上海、杭州、成都等核心城市土地市場熱度持續高漲，高溢價、“地王”項目頻出，區域地價屢創新高。以上海為例，上半年僅4宗地塊以底價成交，嘉定、松江、奉賢、金山等外環外區域地塊均出現溢價成交，能夠形成溢價的區域範圍明顯擴大。2025年6月浦東曹路地塊以41.7%的溢價率創下上海集中供地5年來新高，楊浦濱江地塊成交樓麵價9.55萬元/平米刷新區域紀錄。同樣，深圳龍華區地塊經過65輪競爭，以46.6%的溢價率成交，樓麵價達4.46萬元/平米。杭州更是表現搶眼，2025年上半年出讓68宗涉宅地塊，土地出讓總金額高達1160億元，幾乎與2024年全年持平，成功超越北上廣深登頂全國土地成交金額榜。這些現象充分證明，體量較小、區位核心、容積率較低的土地在出讓時更易形成高溢價，市場對優質地塊的爭奪日趨激烈。這種分化趨勢背後，是政府“控量提質”供地策略的持續實施，未來土地供應將更加注重與房企購地意向對接，側重優質土地和好地段土地供應，並通過取消限價、減少配建等措施提升市場活力。在城鎮化處理程序放緩、房地產市場需求結構變化的宏觀背景下，土地資源將更高效地向核心城市優質區域配置，推動房地產市場實現從“量”到“質”的深刻轉變。9 第九大趨勢：土地財政轉型，地方尋找新稅源一二線線城市土地財政轉型，其他城市土地財政退出歷史舞台。隨著人口結構變化和區域經濟分化，土地財政模式轉型僅限於人口流入城市，其他城市土地財政退出歷史舞台。土地財政作為中國城市發展的重要支柱，長期以來以土地出讓收入支撐地方財政和基礎設施建設。當前，土地收入仍是地方財政的核心構成，相關稅費也成為地方財政收入的重要部分，2022年土地出讓收入和房地產專項稅合計佔地方財政收入的26.0%，地價佔房價5成左右。近兩年受經濟下行周期影響，地方政府土地財政空間持續收縮，2023年的國有土地使用權出讓收入是5.8兆元，跌破6兆大關，同比-13.2%，相比2021年高點的8.7兆元少了2.9兆。從宏觀層面看，土地出讓金和相關稅收佔房價的6成。2012-2023年，土地出讓金佔商品房銷售額比重平均值43.7%，其中2015、2016年由於行業庫存壓力較大，土地市場低迷，土地出讓金佔比分別為35.3%、30.3%，為近十年最低，此後佔比呈上升趨勢，2023年土地出讓金佔比為49.7%。2023年，土地出讓金和5個特有稅種合計佔商品房銷售額比重為65.6%。從中觀城市看，一線和部分二線城市因持續的人口流入，土地財政仍具有一定活力。根據中指研究院資料，2025年上半年，一線城市宅地出讓金同比增長49.5%，二線城市同比增長43.5%,多數三四線城市及人口流出地區，土地財政已顯疲態，土地需求下降，房地產庫存高企，導致土地出讓收入大幅萎縮。未來，土地財政轉型將主要集中在人口持續流入的一二線城市，通過最佳化土地供應、發展租賃市場和產業用地改革，逐步實現土地財政的可持續化。人口流出城市將逐步改變土地財政模式，部分城市甚至完全退出依賴土地財政的舊模式，轉而尋求替代財源，隨著土地財政推出，這些城市將面臨基礎設施年久失修、工資水平停止、就業機會減少等問題，年輕人口外流加速，形成“中國鐵鏽州”，老齡化程度達到65%以上。為應對地方財政缺口，預計推動消費稅和個人所得稅下放到地方，以增強地方自主財力，緩解土地財政退出帶來的衝擊。一方面，促進土地財政轉型，加力發展新基建、新能源等產業建設，培育地方產業高地；另一方面，從土地財政轉型股權財政，當前已有部分地方政府的超前意識擺脫房地產的依賴，打造地方特色產業叢集。例如，安徽加速建設以資訊技術、新能源、新材料為代表的新興產業聚集地，常州大舉“新能源之都”建設，通過股權投資孵化企業並拓寬財政收入管道。10 第十大趨勢：限購全面放開，回歸市場化我們預計，一線城市限購等限制性政策，預計未來一年內外環將全面開放，三年左右全域放開。對於多孩家庭給予住房補貼優惠。2021年房地產市場正熱，政策直指市場亂象，出台住宅用地“兩集中”供應、升級限購等政策減輕土地市場過熱的壓力、規範房地產交易，防止房地產市場過熱。2022年開始，政策方向從之前的抑制過熱轉向防範風險和市場托底，近兩年，在中國房地產市場供求關係發生重大變化的大背景下，“止跌回穩”現已成為中央針對房地產市場政策的基本定調，放鬆限制性政策、啟動需求是大勢所趨。中指院資料顯示，2022年以來各地因城施策頻次總體呈下降趨勢，2025年以來城市調控政策主要涉及調整公積金、購房補貼與引才落戶，6月合計出台51次政策，其中調整公積金類型30例，購房補貼類型8例，引才及落戶類4例，8月9月，新增開放限購政策4例。限購方面，近幾年限購政策不斷調整，可以清晰地看到一條漸進式的開放路徑，2022年，三四線城市限購政策開放，一二線城市購房門檻逐步鬆動；2023年南京、合肥、武漢、瀋陽等核心二線城市全面取消限購政策，9月，廣州成為首個放鬆限購的一線城市，將非戶籍人口首套房購置納稅社保年限從5年收縮至2年；2024年，二十屆三中全會明確提出“充分賦予個城市政府房地產市場調控自主權，因城施策，允許有關城市取消或調減住房限購政策”；2025年，北京、上海進一步最佳化限購政策，北京允許符合條件的家庭在五環外不限套數購房，上海放開外環以外限購。2025年10月，十五五規劃建議中提到：“完善促進消費制度機制，清理汽車、住房等消費不合理限制性措施”，我們預計未來一年一線城市內外環限購將全面開放，三年左右全域放開。逐步降低購房准入門檻，限購鬆綁有利於房地產市場回穩，放開限購是大勢所趨，目前仍存在限購的核心區域為北京五環內，上海外環內，深圳南山區、福田區以及寶安區的新安街道。住房供給方面，城市更新定調從2015年“加快城鎮棚戶區和危房改造“轉變為2025年的“高品質開展城市更新”，本次側重“存量提質增效”、“不搞大拆大建”。2024年住建部部長提到從中國城鎮300多億平方米存量住房需要更新改造來看，房地產還是有很大的潛力和空間的。另外，今年以來中央持續推進“好房子”建設，各地因地制宜發佈關於提升住宅品質，建設“好房子”的政策，。預計未來，住房供給政策將堅持“存量提質增效”，繼續深入“好房子”建設，為居民提供更好的住房保障。金融信貸方面，22年以來，貸款利率持續下調，央行降低五年期以上LPR共8次，下調公積金貸款利率3次，進入25年，各地響應號召，調整公積金政策，從提高公積金貸款額度、支援提取公積金用於首付、最佳化比例等多個方面降低居民購房門檻，釋放剛性需求和改善性需求。上海甚至支援住房公積金“又提又貸”，允許提取公積金用於首付，且不影響公積金貸款額度計算。未來住房公積金政策將持續最佳化，擴大公積金使用範圍，覆蓋更廣的人群，進一步釋放租房需求。 (澤平宏觀展望)

連續向院士發起“衝刺”後，比亞迪和寧德時代終於如願以償。中國科學院與中國工程院11月21日公佈的院士增選結果顯示，比亞迪首席科學家廉玉波、寧德時代首席科學家吳凱以及金發科技首席技術官黃險波成為院士。一見財經注意到，這是每屆兩院院士增選中，民營企業高級技術專家當選院士人數最多的一次。院士是中國科學技術方面和工程科技領域的最高榮譽稱號，院士制度是黨和國家為樹立尊重知識、尊重人才導向，凝聚優秀人才服務國家設立的一項重要制度。如此多的民企高級技術專家當選院士，一方面顯示出高層對民營企業和民營企業家的高度重視；另一方面也說明，民營企業正在和高校、國企一起成為科技創新的重要力量。/1今年當選院士的3位民企高級技術專家當中，有兩位來自新能源汽車相關領域。廉玉波1986年7月畢業於南京航空航天大學，主修材料科學與工程專業，獲學士學位。他曾在中國汽車研究中心任職參與設計，2004年2月加入比亞迪。2018年，廉玉波榮獲中國汽車產業紀念改革開放40周年“傑出人物獎”，2020年12月獲評第四屆“傑出工程師獎”，2023年榮獲何梁何利基金科學與技術創新獎。2023年，廉玉波就開始申請院士，為了專心搞研究。當年7月，廉玉波辭去比亞迪副總裁職務，擔任公司首席科學家、公司汽車總工程師和汽車工程研究院院長。在擔任副總裁期間，他的年薪超過一眾高管，2022年稅前年薪882.5萬元，僅次於執行副總裁李柯和高級副總裁羅紅斌；2023年稅前年薪671萬元；2024年消失在高管薪酬名單中。除了辭去高管，儘管已經60歲高齡，廉玉波還在繼續學習。2020年，廉玉波進入清華大學車輛與運載學院新能源動力系統團隊攻讀博士學位，導師為歐陽明高，為中國科學院院士。在“院士”的精心點撥下，廉玉波2024年完成4年學業，獲得清華大學能源動力專業博士學位。一年以後，他成功當選中國工程院機械與運載工程學部院士。寧德時代首席科學家吳凱在申請院士過程中也走了廉玉波一樣的路。吳凱為上海交通大學博士，於2012年8月至2015年11月任寧德新能源技術副總裁；2015年12月至2023年6月，任寧德時代首席科學家、副總經理。吳凱多年深耕高性能動力電池技術創新，帶領寧德時代在動力電池關鍵材料、產品設計與整合、製造工藝與裝備上取得了重大突破。吳凱也是2023年開始申請院士的，當年6月21日，吳凱辭去了寧德時代副總經理職務，繼續擔任公司首席科學家，同時擔任公司電化學儲能技術國家工程研究中心主任。寧德時代在年報中給出吳凱的辭職原因是：“為更加專注於公司新產品、新技術的研發工作，致力於新能源領域的開拓創新和技術引領。”/2比亞迪和寧德時代的專家在連續申請兩年後，成功當選院士，固然和他們的努力有關，但也和每屆增選院士的側重點變化有關。2023年，儘管廉玉波和吳凱都進入了中國工程院“機械與運載工程學部”候選人名單，但最終入選的大多來自高校和軍工企業科研機構。比亞迪和寧德時代都是中國頂級企業，這些年在新能源汽車和電池技術方面都有很大突破，按理說成為“院士”也並不奇怪。但當年評選院士的側重點和這次是不一樣的。新華社當時發佈的通稿顯示，本次兩院院士增選名額進一步向國家急需的關鍵領域和基礎學科、新興學科、交叉學科傾斜；向為國防和國家安全作出突出貢獻的科研人員傾斜；向承擔國家重大科研任務、重大科技基礎設施建設和重大工程並作出突出貢獻的科研人員傾斜。顯然，廉玉波和吳凱的研究，更多的集中在應用科技領域。再加上之前他們都是企業高管，大部分日常工作並不在科研一線。時隔兩年後，廉玉波和吳凱為何能成功當選院士？2025年4月25日，中國科學院、中國工程院分別發佈2025年院士增選指南，其中中國工程院首次為民營企業科技人才新增專項名額，這是今年院士增選的一大改革。事實上，從2019年起，兩院就表示在院士評選中要“特別關注”民營企業科技人才的要求，但過去這些年並未為民營企業的科技領軍人才設立專門的參選名額。之前雖然有部分民營企業的科技人員成為工程院院士有效候選人，但最終入選者寥寥。兩院今年為何要專門為民營企業科技人才新增專項名額？在一見財經看來，原因主要有兩個：其一、民營企業已經成為中國科技創新的重要力量。人民網最近發佈的一篇文章中披露的資料顯示，民營企業已成為科技創新的重要主體，貢獻了70%以上的技術創新成果，涵蓋了80%以上的國家專精特新“小巨人”企業和90%以上的國家高新技術企業。其二、讓更多民營企業專家當選院士，也呼應了國家這些年大力支援民營企業和民營企業家的政策傾向。今年2月17日，民營企業座談會召開，從《新聞聯播》畫面中可以發現，寧德時代曾毓群和比亞迪王傳福坐在第一排。可見，比亞迪、寧德時代等民企專家今年當選院士，實際上是有跡可循的。 (一見財經)