我們買的算力規模，是在“即便是第 10 百分位的悲觀情景下”，大機率依然付得起帳。YOLO式下注，風險旋鈕擰的太狠了。我認為勝率會在我們這邊。幾個小時前，素有“華爾街、矽谷超級提問者”的DealBook 創始人、紐約時報首席財經記者Andrew Ross Sorkin，與 Anthropic 的 創始人 Dario Amodei 展開了一場年末對話。這次採訪背景一方面是大洋彼岸已經處於聖誕前夕，但更重要的一面是，昨天，Anthropic被曝出已經啟動IPO籌備工作，計畫最快2026年上市，估值或達3000億-3500億美元。在此之前，則是 Transformer 架構和 Scaling Law 終結的爭議，以及 Gemini 3 Pro 模型的爆火，OpenAI  內部拉響紅色警報。這些事件的接連發生，讓此前甚囂塵上的“泡沫爭議”和接下來AI模型的發展走向帶來了新一輪的不確定性。Dario在爆出了自家的算力財務模型，他們內部稱之為一個不確定性圓錐。如果我有 80% 的毛利率，我花 200 億美金買算力，可以支撐 1000 億美金收入。但問題在於，這個“不確定性圓錐”實在太寬了，很難避免在某一側犯錯。此前，Dario 就曾表示，Anthropic 計畫在 2028 年實現盈虧平衡。而對於 AGI 的實現路徑，Dario 對於 Transformer 架構依舊保持樂觀：我仍然認為是 “規模化 + 偶爾的小修小補” 就足夠了。對於業界一直擔心的GPU晶片的折舊周期，Dario 回應道：舊晶片的價值會快速下滑。我們在建模時，已經默認舊晶片價值會快速下滑，同時也假設晶片效率曲線會持續高速演進。對於自己經常發出警告這件事，Dario對美國AI監管隱隱表達了不滿：現在美國監管已經分成了兩個世界，應該讓真正最接近AI技術的人來發聲。對於自己曾說過的“90%的工作會被AI替代”言論，Dario說，那只是半句話，下半句則是——那怕 AI 完成了 90% 的工作，而不是 100%，人類的“剩餘 10%”反而會被放大 10 倍，有時候甚至需要 10 倍的人，去完成原來 100 倍產出的事情。問題不在“會不會替代”，而在“企業願不願意更多選擇創造新價值，而不是只做極致降本”。以下是這次採訪的整理內容，大家enjoy！泡沫存在：接下來速度一定會放緩 但有些公司卻在YOLO 式下注主持人（Andrew Ross Sorkin）：今天下午的重頭戲從 Dario 開始。他是當今人工智慧領域最具影響力的人物之一，是 Anthropic 的聯合創始人和 CEO，這家公司以 Claude 模型聞名，是歷史上增長最快的科技公司之一，現在更是同時獲得了三大科技巨頭——亞馬遜、微軟和Google的支援。他比大多數人更早進入這個領域，早年在 BYU 做研究，後來加入Google，又成為 OpenAI 的早期成員，主導了 GPT-2 和 GPT-3 的研發。歡迎你來到現場。Dario Amodei： 謝謝邀請。今天可以聊的話題很多，包括——我們是不是正處在一個 AI 泡沫中？但我保證，我們會慢慢談到那個問題。主持人： 那我就直接問那個一開始提到的問題吧。你也承認，2014 年沒人想到 2025 年會走到今天這個程度。現在這個行業吸納的資金規模，幾乎代表了美國當前 GDP 增長的主要來源之一。我們是不是正處在某種泡沫中？是不是在過度投資？Dario： 這是一個非常複雜的問題，我必須把“技術本身”和“經濟層面”分開來看。從技術角度看，我非常堅定，我可能是最樂觀的那一類人之一。 但從經濟層面看，我確實有擔憂。即便技術真的兌現了承諾，生態裡如果有人在節奏上稍微踩錯一步，後果會非常嚴重。先說技術這部分。之所以我對技術進展並不太驚訝，是因為我和幾位後來成為聯合創始人的同事，最早系統性地總結過 AI 的“Scaling Law”——也就是只要你不斷加算力、加資料，在少量結構微調下，模型能力就會持續提升。像推理模型、測試時算力，本質上都是非常小的改動。我已經跟蹤這個趨勢 12 年了。最震撼的是：你用這樣極其簡單的方式訓練模型，它會在幾乎所有領域同步變強——程式設計、科學、生物醫藥、法律、金融、材料、製造業，這些正是整個經濟的核心價值來源。只看 Anthropic 自身，因為我們更偏企業級市場，我覺得更像一個“純粹的溫度計”。我們過去三年，收入每年 10 倍增長：2023 年從 0 到 1 億美元，2024 年從 1 億到 10 億，今年會落在 80 到 100 億之間。未來還會不會這樣漲？我不知道。但技術確實在推動價值，經濟回報也正在兌現。 它一定會放緩，但依然會非常快。所以我對“長期終局的經濟價值”是有信心的。主持人： 但問題在於，現在有公司每年要燒掉上千億美元，你們也計畫投 500 億。Sam Altman 去年的規劃數字同樣驚人。這是一次超級昂貴的下注。這個帳到底能不能算清，還是更多是一種“直覺賭注”？Dario： 這就進入我剛才說的第二部分——真正的困境來自於：“經濟價值增長速度”的不確定性，與“資料中心建設周期”的滯後性之間，存在巨大張力。 這是擺在所有公司面前的真實兩難。我認為有些參與者是在“YOLO 式下注”，把風險旋鈕擰得太狠了，對此我非常擔憂。主持人： 誰在 YOLO？Dario： 這個我不回答（笑）。但你可以換個視角想：如果你站在我這個位置，連續三年收入 10 倍增長，很自然會去問：明年會怎樣？如果你非常粗暴地外推，下一年可能是千億美元等級——我必須強調，我完全不相信這個數字。但它是數學上的上限之一。如果你從更理性的企業客戶、具體場景、銷售路徑去拆，可能是 200 億、300 億。所以我內部把它稱為一個“不確定性圓錐”——一年後是 200 億，還是 500 億，極其不確定。 我只能按最保守的一側去做規劃，但這種不確定性本身就足夠令人不安。算力財務模型 不確定性圓錐實在太寬了Dario ： 還要疊加一個現實因素：資料中心建設有很長的滯後周期，通常是一到兩年。這意味著我必須在“現在”，甚至幾個月前，就決定：在 2024 年初要買多少算力，去服務 2027 年初那個收入規模下的模型。這中間存在兩個強耦合風險：第一，如果我買少了算力，我就沒法服務所有客戶，只能把他們推給競爭對手；第二，如果我買多了算力，而收入又沒跟上，我就付不起這些算力的成本，極端情況下甚至會面臨破產風險。這個“安全緩衝”本質上取決於我的利潤率。如果我有 80% 的毛利率，我花 200 億美金買算力，可以支撐 1000 億美金收入。但問題在於，這個“不確定性圓錐”實在太寬了，很難避免在某一側犯錯。Dario： 我們自認為是一家相對克制、負責的公司。因為我們主做企業市場，我覺得我們的商業模式更健康，利潤更穩，也更謹慎。但如果你換成另一種模式，比如純消費者業務，收入來源沒那麼確定、毛利也不穩定，再加上企業家本身就是那種“偏愛 YOLO、偏愛大數字”的性格，那風險旋鈕就可能被擰得非常狠。只要存在不確定性，就必然存在過度擴張的系統性風險。 我們每家公司都面臨這個問題，再加上彼此之間的競爭壓力，甚至還疊加了與威權國家“國家層面的技術競爭”，整個系統都會被推著往前走。這種風險是不可消除的，只能被管理。 但我確實認為，有些參與者並沒有管理好這種風險，而是在進行不明智的下注。主持人： 你說到這裡，其實大家心裡大概也知道你在暗指誰。你曾對投資人私下說過，Anthropic 計畫在 2028 年實現盈虧平衡；而 Sam Altman 說的是 2030 年。我暫且按他的演算法來算：他需要在兩年內從 740 億美元等級的虧損，轉為兩年後實現盈利。這個在你看來合理嗎？Dario： 說實話，我不瞭解任何其他公司的內部財務情況，也不可能評價別人。我只能回到我們自己的計算邏輯，也就是那個“圓錐式不確定性”：我們買的算力規模，是在“即便是第 10 百分位的悲觀情景下”，大機率依然付得起帳。再糟也會存在“尾部風險”，這從來不可能為零，但我們在盡力把風險控制在可承受範圍內，同時又要確保我們在競爭中不被甩開。我們在訓練和推理上都很高效，利潤結構也不錯。我認為勝率在我們這邊。主持人： 現在市場上很多人開始討論所謂的“循環交易”，以前我們管這叫“廠商融資”。尤其是輝達，以及其他一些公司，直接入股 AI 公司，而這些公司隨後又用這筆錢去買輝達的晶片，相當於形成了資金閉環。你怎麼看？Dario： 我們也做過類似的交易，只是不是某些玩家那樣的大規模操作。我不講具體案例，只講一個“標準化結構”的例子，解釋為什麼它在邏輯上成立：假設你要建 1GW 的算力規模，買晶片、建機房，總資本開支大概是 500 億美元，使用周期可能是 5 年，也就是每年攤 100 億。如果你是一家年收入 80—100 億、處在快速增長期的公司，現在就讓你一次性掏 500 億，現實中根本不可能。那怎麼辦？大型廠商站出來說：“我先投你 100 億，佔 20%，你先用這 100 億覆蓋第一年，其餘的慢慢按收入滾動支付。” 如果你已經接近 100 億年收入，那這並不是一個瘋狂的賭局。資料中心一年建成，第一年融資覆蓋，意味著你只要在兩年後做到 100 億等級收入，就能跑得通這套邏輯。從結構上看，這並不違背商業邏輯。Dario： 真正的危險只發生在一個場景：如果你一層層疊加這種結構，最後變成“到 2027 或 2028 年，我必須做到 2000 億美元年收入”，那你就一定是在過度擴張。規模，決定了一切的風險邊界。一批晶片到底能撐過幾年？舊晶片的價值會快速下滑 保守押注者會活下來主持人： 這裡還有一個關鍵變數，幾乎決定了整個行業的“投資算不算得過帳”——晶片的折舊周期。你買一批新晶片，它到底是有效四年、五年，還是八年、十年？這個假設不同，整個行業的財務模型就完全不同。你怎麼看？Dario： 我們在內部做的是非常保守的假設。嚴格來說，並不存在一個固定、統一的“折舊年限”。晶片本身可以跑很多年，真正的問題不是“它還能不能用”，而是有沒有更快、更便宜的新晶片出現，並且你的競爭對手已經在用它了。 一旦出現這種情況，老晶片的相對價值就會迅速下降，甚至一年之內就會發生。現在不止是輝達，各家都在推新一代 TPU、GPU。我們在建模時，已經默認舊晶片價值會快速下滑，同時也假設晶片效率曲線會持續高速演進。我們在 Anthropic 的所有假設，基本都站在極端保守的一側。 結果是：在“幾乎所有世界線”裡，我們都可以活下來。當然，極端尾部世界線一定存在，但我只能為我們負責，不能替別人背書。我也完全可以想像，有些公司正在“自我欺騙”，建立在過度樂觀假設之上。主持人： 所以，市場上真正理性克制的，其實就你們兩家？Dario： 我不知道你在指誰（笑）。我真的不知道。ps：這裡小編猜測，所謂市場上真正保持克制的這兩家，一家自然是Anthropic，另一家90%的機率是指的 Amazon。（同樣瞄準的是企業市場，而且沒有過度囤卡。用排除法的話，只剩下 Amazon 和 Apple 了。然而Apple 算是大模型玩家嗎？？？不大會。）不卷C端！GoogleGemini強歸強，Claude清風拂山崗主持人： 那我們換個話題，聊聊模型本身的競爭格局。就在過去一周，矽谷內部幾乎“情緒失控”，因為某位你我都認識的人發佈了新模型，引發了巨大震動。Saraparay 去年也來過這裡，現在大家突然意識到，原本被認為“資料天生佔優、理應贏麻了”的 Google，可能真的開始發力了。 Sam Altman 內部甚至發了“紅色警報”郵件，讓所有人回到工位衝刺下一輪突破。在你看來，現在這些模型的真實排序是怎樣的？以及，這種“當下時刻的領先”，到底有多重要？Dario ： 這是少有的幾個時刻之一，我真心覺得 Anthropic 選擇了一條不同的道路，是一件值得慶幸的事。 我們走的是企業市場路線。你剛剛提到的另外兩位玩家，本質上都還是以 消費者市場為核心，雖然也在做企業業務，但主戰場仍在 C 端。這也是為什麼會出現“Code Red”那種等級的內卷——Google 要守住搜尋壟斷，而 OpenAI 的核心陣地也在消費者端，這兩家是在正面肉搏。對他們而言，企業只是“第二戰場”。而我們過去幾年一直在 圍繞企業真實需求反向打磨模型能力，最先爆發的是程式設計，現在已經開始延伸到金融、生物醫藥、零售、能源、製造等領域。模型戰爭當然重要，比如我們上周剛發佈的 Opus 4.5，在程式設計能力上幾乎被公認為目前行業最強模型。但我們真正走的是“不同維度”的競爭路線，所以對這種你來我往的短期廝殺，依賴反而更低。某種意義上，我們處在一個相對“優越”的位置：可以持續增長、持續迭代模型，而不用天天發“紅色警報”。企業級AI很挑模型，遷移成本很高 專精能力會和AGI長期並存主持人： 那這些公司真正的“護城河”到底是什麼？如果有一天真的到了 AGI 等級，所有模型是不是都會趨同？誰還會在乎你用的是那家？是“記憶能力”嗎？還是人格差異？很多人現在就是那個新就用那個。Dario： 我只能從企業側講我的結論。為企業打造的模型，和為消費者打造的模型，在“性格”和“能力結構”上差異非常大。 企業模型更少追求“黏性與娛樂感”，更強調編碼能力、高階智力活動、科學推理能力。我也不認同“只要到了 AGI，所有東西都會收斂成一個形態”。你看看在座的所有人，都具備“通用智能”，但我們沒有變成同一種人。專精能力會和通用智能長期並存。 再加上企業側的現實因素：公司會形成使用習慣，會和某個模型建立長期關係。即便是在 API 這種“賣裸模型”的業務裡，遷移成本也極高。下遊客戶適應了某個模型的“脾氣”，提示詞、互動方式都深度繫結，切換代價很大。這意味著企業級 AI 具備長期穩定的商業粘性。通往AGI，“規模化+小修小補”足夠了主持人： 一個純技術問題：你認為，現在這種基於 Transformer 的架構，加上純算力規模化，本身就足以通向 AGI 嗎？還是說還缺“某個關鍵成分”？Dario： 我仍然認為是 “規模化 + 偶爾的小修小補” 就足夠了。這些修改之小，小到外界可能根本不會注意到，只是實驗室裡的技術迭代。我已經觀察這些 scaling laws 超過 10 年了。主持人： 那你的時間判斷呢？AGI 在什麼時候？Dario： 我其實不太喜歡“AGI”“超人工智慧”這些詞，因為沒有清晰定義。它更像 晶片摩爾定律式的指數曲線——模型會在所有維度持續變強：新模型比上一代程式設計更強、科研更強，現在已經常態化拿下高中數學競賽，正在沖大學數學，甚至開始 首次產生“全新數學發現”。Anthropic 內部已經有人對我說：“我現在已經不寫程式碼了，我只是讓 Claude Code 先打草稿，我負責修改。” 這種狀態，在過去從未真正出現過。 這個節奏只會繼續加快，沒有所謂“質變奇點”，只是能力持續外推，模型的智力不斷抬升，收入曲線不斷往後面加零。美國AI監管已經分成了兩個世界主持人： 你在（美）監管、就業衝擊這些問題上也相當激進。白宮的 David Sacks 曾公開指控 Anthropic 正在通過“製造恐慌”推動監管，從而進行“高階版的監管俘獲”，並且已經傷害了創業生態。你怎麼回應？Dario： 我還是那句話：不要把這場討論變成對個人或單一機構的攻擊。 我從 2016 年起就開始公開寫 AI 風險和治理的論文，那時候 Anthropic 這個公司根本還不存在，更談不上什麼“監管俘獲”。而且我們支援的幾乎所有監管法案，都明確為中小型創業公司設立了豁免條款。 比如我們支援的 SB53 法案，年營收低於 5 億美元的公司根本不在適用範圍內。 我們在這件事上非常謹慎。真正該討論的，不是立場對立，而是具體政策是否合理。Dario： 你可以拋出各種指控，但這些說法和現實完全不符，無論是和我們實際支援過的法律條文，還是和真實情況，都對不上。現在其實存在兩個世界：一邊是 Andreessen Horowitz 等人，他們支援一個超級政治行動委員會；你們這邊也在建構另一個超級 PAC，試圖用完全不同的方式去影響這個行業的監管。問題是，為什麼？你們看到了什麼，是他們沒有看到的？我還是想把討論維持在政策層面。我對這項技術的看法是：我能理解一些人的樂觀來源，但我確實擔心，有一部分人把 AI 視為類似網際網路、通訊技術那樣的技術革命，覺得市場自然會解決一切問題。放在過去那些技術浪潮裡，這種看法也許是成立的。但真正最接近 AI 技術的人，並不這麼看。如果你去問那些真正做 AI 研究、真正建構模型的人——不是投資某些 AI 應用的投資人，也不是自以為懂 AI 的技術評論員——你會發現，他們一方面對潛力感到興奮，另一方面也非常擔憂。他們擔心國家安全風險，擔心模型對齊問題，擔心 AI 對經濟結構的衝擊。 舉個例子，有人曾提出要在十年內凍結所有監管，或者凍結州一級監管，而聯邦層面又沒有統一框架。這種提案去年夏天就出現過，上周又嘗試了一次，結果再次失敗，因為它極不受歡迎。連普通大眾都清楚，這是一個全新而且極具力量的技術。我可能是對 AI 正面效果最樂觀的那一類人之一。 我寫過一整篇文章《Machines of Loving Grace》，我在裡面說，AI 甚至可能把人類的壽命延長到 150 歲。再往後推，當資料中心裡真的出現“天才之國”，我們將擁有一個比任何人類都更快做出生物學發現的虛擬生物學家；它可能把經濟增速推到 5% 甚至 10%。老實說，我對這項技術的樂觀程度，可能比很多自稱“技術布道者”的人還要高。 但一切如此強大的東西，都不可能沒有巨大的副作用。作為一個社會，我們必須提前思考這些代價。 如果你說未來十年都不去監管這種技術，這就好比你在高速路上開車，然後決定把方向盤拆掉，因為“未來十年我都不需要轉向”——這在邏輯上是說不通的。老闆們不應該只做極致降本，而忽視創造新價值 90%的工作被AI替代，但剩下的10%會被放大10倍主持人： 那我們就談談其中一個最具體、最現實的風險——就業。除了駭客攻擊這些問題，你最近在《60 Minutes》裡也談到過工作崗位。我想知道的不是“有沒有可能”，而是，如果真的出現大量入門級崗位被替代，你認為應該怎麼應對？Dario： 我之所以不斷髮出這些警告，並不是為了當什麼末日預言家，而是因為“發出警告本身，就是解決問題的第一步”。如果我們不提醒自己風險的存在，就相當於在雷區裡閉著眼睛往前走；如果我們看見了地雷，就可以繞開它。我這段時間在認真思考這些問題，在 Anthropic 內部也是一樣。現在 Claude 已經開始為我們寫大量程式碼，我們也在親身經歷“工作如何發生變化”。我把應對方式分成三個層級，從短期到長期，也對應從企業就能推動，到需要整個社會投入更多資源。第一層，是企業自身與客戶層面的調整。 每一家客戶都會面臨同樣的權衡，這不是簡單的“取代或不取代”。一部分場景中，AI 會直接完成原本由人類完成的工作，比如保險理賠流程、KYC 全流程自動化，這些都可以端到端由 AI 完成。結果就是：更高效率、更低成本、更少人力。但還有另一種路徑——那怕 AI 完成了 90% 的工作，而不是 100%，人類的“剩餘 10%”反而會被放大 10 倍，有時候甚至需要 10 倍的人，去完成原來 100 倍產出的事情。問題不在“會不會替代”，而在“企業願不願意更多選擇創造新價值，而不是只做極致降本”。 前一種他們一定會做，我們也不打算攔；但如果他們願意更多做第二種，新增崗位也可能超過被替代的崗位。第二層，是政府的介入。 我並不把“再培訓”視為萬能解法，但它一定是必要選項的一部分。企業會做，企業也必須和政府一起做。但從財政層面看，我認為政府遲早要介入。我不確定具體是稅收工具，還是其他政策工具。但在一個高速增長的世界裡，我們曾做過一份報告，即便是今天這些模型，也已經能讓生產率每年提高 1.6%。這幾乎意味著生產率的翻倍，而且模型還在不斷變強。我認為未來有可能到 5%，甚至 10%。 這是一塊極其巨大的“蛋糕”。如果財富過度集中，這塊蛋糕本身也足夠大，大到我們完全有條件照顧到那些並未直接從 AI 中受益的人。第三層，是更長期的社會結構問題。 如果一個社會真正建構出了強大的 AI，它的運行方式必然會發生變化。回到凱恩斯在《我們後代的經濟前景》中提出的“技術性失業”，他設想他的孫輩也許每周只需要工作 15 到 20 個小時。這是一種完全不同的社會結構。當然，總有人會選擇拚命工作，但是否可能出現這樣一個世界：對很多人來說，工作不再是生活的絕對中心，意義的來源發生轉移，工作不再只是為了生存，更偏向於實現感？這種可能性真實存在。 我不是在提任何自上而下的規劃，我只是認為，社會終究會在後 AGI 時代，自己找到新的運行方式。這三層變化，從企業層面最容易、最快發生，到政府層面需要共識，再到社會結構層面最慢、最難推進。但未來很多年裡，我們三件事都必須一起做。主持人： Dario，我真心希望你還能再回來，和我們繼續討論這三件事該怎樣一步一步落地。非常感謝今天這場精彩的對話。Dario： 謝謝你，Andrew。謝謝大家。 (51CTO技術堆疊)

大模型的決戰越來越激烈了！Google的崛起令OpenAI感到恐懼，並醞釀新的大動作！OpenAI直接拉響警報，推遲賺錢的廣告業務，也要把所有資源梭哈到ChatGPT的改進上。現在的AI圈子，像是星球大戰前夜，由於恐懼，每個人都把手指扣在了扳機上。兵荒馬亂的年代，蔡崇信在香港大學爐邊對話中，拋出了非常反直覺的觀點：現在美國人定義誰贏得AI競賽的方式，純粹是看大型語言模型，我們不看美國定義的AI競賽。當所有人都在盯著誰的模型參數大、誰的算力強時，蔡崇信卻認為——勝負手根本不在這裡。如果不看模型，這場兆賭局的贏家到底看什麼？中國手裡到底還有沒有牌？看完發現，原來大佬眼裡的世界，和我們看到的完全不一樣。1中國AI的真正優勢現在美國矽谷大模型怎麼算輸贏？很簡單：看誰的“大語言模型”更強、更聰明、參數更多。今天是OpenAI遙遙領先，明天Anthropic發個新版本追平，後天Google又搞個大新聞。大家都在卷模型，彷彿誰的模型智商高了一點，誰就統治了世界。但在蔡崇信看來，事實未必如此。他在演講中說了這麼一句極具穿透力的話："The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives."（真正的贏家不是誰擁有最好的模型，而是誰能在自己的行業、自己的生活中把它用得最好）這句話什麼意思？打個比方。如果這是一場賽車比賽，美國人現在拚命在比誰的發動機馬力大。但蔡崇信告訴你，贏家不是那個造出萬匹馬力發動機的人，而是那個能把發動機裝進車裡、開著車去送貨、去載客、去賺到真金白銀的人。這個判斷的底層邏輯是：AI的真正價值在於滲透率。中國國務院的AI規劃就體現了這一務實思路——到2030年，AI智能體和裝置的普及率達到90%。中國憑什麼能普及得更快？蔡崇信列出了幾個核心底層邏輯。我們總擔心晶片被卡死，但蔡崇信告訴我們：決定勝負的，是那些基礎到你根本不會關注的領域。1.被低估的電力成本AI訓練和推理，本質上是在燒電。中國的電力成本，比美國低40%。為什麼？中國的國家電網每年投入900億美元的資本支出，而美國只有300億美元。電費低40%，意味著AI應用成本可以大幅低於對手。這是最基礎、最硬核的AI能源優勢。2.建造資料中心的成本低60%在中國建造資料中心的成本要便宜60%，這還不包括購買晶片、廉價GPU的成本。3.工程師紅利晶片可以封鎖，但人才你鎖不住。全球範圍內，幾乎近一半的AI科學家和研究人員擁有中國大學的學位——無論他們在美國公司、中國公司還是世界任何地方工作。蔡崇信說在最近剛看到一個社交媒體帖子，一個在Meta工作的非華裔員工抱怨說，他所在的AI團隊每個人都在說中文，用中文交流想法，他聽不懂。這意味著很多想法的分享和交流在全球AI領域正在用中文進行。這是第一次，中文成為一種優勢！現在，懂中文在AI世界變成了一個優勢。4.最反直覺的優勢：匱乏，逼出內功這是最讓人熱血沸騰的一點：缺乏頂級GPU，反而創造了“飢餓優勢”。美國人資源充足，程式碼寫得爛一點也沒關係，硬體能扛。但中國團隊呢？硬體受限，就必須在系統層面、演算法層面做到極致最佳化，把效率摳到最高。蔡崇信特別點名了爆火的DeepSeek。他說這就是被逼出來的奇蹟。2開源為什麼會贏？蔡崇信還給出了一個對未來的深度判斷，也是這場演講的重中之重。蔡崇信相信中國公司對待大語言模型的方法——即開源——將加速AI的採用，並將真正實現AI的普及，從而使更廣泛的社會受益。開源如此重要的原因是，它成本低廉，使用開源模型實際上不花一分錢。AI的未來，是像OpenAI那樣搞“黑箱子”（閉源），還是像阿里、Meta那樣搞開源？蔡崇信斬釘截鐵：開源模型，將擊敗閉源模型。為什麼？不是因為開源技術更先進，而是因為它更懂人性。他舉了一個極其生動的例子：假設你是沙烏地阿拉伯的國王，你想發展自己國家的AI，你有兩個選擇：用OpenAI的API:你得付一大筆錢，把你的資料傳給美國公司。然後呢？你不知道他們怎麼處理你的資料，你也不知道這模型裡面有什麼貓膩。這就是一個Black Box（黑箱）。用開源模型（比如阿里的Qwen):你直接下載程式碼，部署在你自己的私有雲上。免費，而且資料不出國門，完全可控。這就叫"主權AI"，意思是它是我們自主開發的AI。在全球地緣政治這麼複雜的今天，誰願意把命脈交到別人手裡？無論是政府還是大企業，只要稍微算一下帳，稍微考慮一下安全，都會傾向於開源。開源模型有三大殺手鐧：成本、主權、隱私。這三座大山，是閉源模型很難跨越的。3AI時代，普通人該如何應對？蔡崇信給了三條極具實操性的建議，特別是關於“學什麼”，他的觀點顛覆了很多人的認知。1.提出正確的問題比回答更重要在技能方面，蔡崇信認為要學習如何獲取知識，學習如何分析和思考，還有一個重要的技能是提出正確的問題。以前我們上學，老師獎勵那些能快速回答問題的人。但在AI時代，回答問題是機器的事，機器的知識庫比你大多了。蔡崇信強調："Asking the right question is more important than finding the answer." （提出正確的問題，比找到答案更重要）你要學會的是如何給AI下指令，如何拆解問題。這叫“Prompt Engineering”（提示工程），這是未來人類的核心競爭力。2.還要不要學程式設計？這是目前爭議最大的話題。輝達的老黃說“以後沒人需要學程式設計了”，對著手機說話就行。蔡崇信反對這個觀點。他說：要學！必須學！但他給出的理由："The purpose is not to actually operate a machine. The purpose is going through that thinking process."（目的不是為了去操作機器，而是經歷那個思考過程）學程式設計，不是為了讓你去寫程式碼（那活兒AI幹得比你好），而是為了訓練你的邏輯思維。甚至，他建議大家去學好Excel電子表格。為什麼？因為你要把一個複雜的公式寫對，讓數字自動跑出來，這本身就是一種嚴密的邏輯訓練。你要訓練的是腦子，而不是手速。3.選什麼專業？如果你的孩子現在要上大學，蔡崇信推薦了三個方向：資料科學：其實就是統計學的升級版。未來是資料爆炸的時代，世界越數位化，你或公司獲取的資料就越多，理解如何管理和分析資料非常重要。心理學和生物學：在做了資料之後，你還想觸及人性的一面，心理學的研究很重要。心理學和生物學幫助你理解人腦是如何工作的，它仍然是最高效、最節能的"機器"，理解大腦如何工作非常重要。材料科學：現在很多孩子不學電腦科學，而是在學材料科學。未來世界正被位元（數字資訊）主導，但未來讓位元移動更快的是原子（物理材料）。理解原子如何工作將會非常重要，人們製造半導體，未來半導體領域將會有很多創新。所以材料科學將是一個有趣的學習方向。4AI是泡沫還是未來？AI是否是下一個網際網路泡沫？蔡崇信的回答很哲學，關於泡沫，他認為有兩個概念：真正的泡沫和金融市場泡沫。金融市場泡沫：不知道是否存在金融市場泡沫，因為股票估值更像一門藝術。即使有既定的理論，你可以給一隻股票50倍的市盈率，因為你認為增長率非常高，這合理嗎？我不知道，可能存在與AI相關的金融市場泡沫。技術泡沫：AI現像是真實的。人們正在建造的所有基礎設施，投入到模型開發中的所有研發資源，都不會浪費，因為這是一個真實的現象。就像網際網路一樣，在2000年3月左右，網際網路泡沫破裂了，那是金融市場泡沫破裂，但今天的網際網路就在這裡，事實上網際網路現在更強大，所以技術本身不是泡沫。蔡崇信的這次演講，給人最大的感受是，這場比賽才剛剛開始。這不是一場百米衝刺，看誰起跑快；這是一場馬拉松，看誰能把技術真正融入到這片土地的每一個角落，看誰能用更便宜的電、更務實的態度、更開放的胸懷，去擁抱這個未來。"Focus on the application, not just the model."（關注應用，而不只是模型）這，或許才是中國AI破局的真正答案。對於個人來說，也許在未來，AI將成為成為我們的夥伴。正如蔡崇信所言：AI的下一個重大轉變是當人們開始不再僅僅將AI視為工具，而是作為朋友。現在AI似乎更像一個工具，我們都想用它來讓自己更高效，讓公司更高效。AI已經在幫助我們編碼，所以我們不需要那麼多軟體工程師。但是，AI何時能成為你的夥伴？那時，如果大多數人開始像對待另一個人一樣看待AI，那將真正改變世界，改變行為。有時想想這很可怕，但我看到這正在發生。 (ETF進化論)

馬斯克又搞事情了！近日，特斯拉發佈人形機器人“柯博文”最新跑步視訊，展示其步行能力升級。視訊中動作流暢，一經發佈就引發科技圈熱議。  “柯博文”的亮相被視為特斯拉在機器人領域的重要突破，網友調侃“馬斯克又要顛覆行業了”。但質疑其實用性和商業化前景的人也大有人在，認為目前更多是技術展示。但馬斯克在機器人業務上投入正逐步加碼已經是事實。根據此前消息，特斯拉人形機器人的硬體定型與量產節點臨近，Optimus V3將在2026年第一季度發佈並在2026年年底前開啟量產。但人形機器人賽道不僅只有特斯拉，國產廠商也是前仆後繼，陸續傳出各種消息。近日根據供應鏈消息，優必選2025全年訂單已超13億元；同時，據說立訊精密規劃的產能已超3000台；而春晚因機器人跳舞爆火的宇樹科技G1型號整機價格壓至9.9萬元。另外，小鵬的IRON機器人已走上T台貓步，越疆的數十台機器人在全運會閉幕式完成海上空中共舞。不過，以上國產人形機器人公司的活躍分子，據行業資料不完全統計，目前全國以機器人為主要業務的企業已超150余家。這些都反映了全球在AI和機器人賽道的激烈競爭，以及各國對未來市場巨大潛力的期待。當然，無論如何國產供應鏈都將憑藉解決大規模製造能力以及成本優勢而陸續受益。以特斯拉機器人為例，在"柯博文"的金屬外殼下，藏著三類決定性能的關鍵技術：精密減速器、力矩感測器和熱管理系統。精密減速器堪稱機器人的"關節"。就像人類膝關節需要軟骨緩衝一樣，機器人每個關節都需要減速器來精確控制運動。目前全球市場被日本哈默納科等企業壟斷，但國產廠商綠的諧波已經突破諧波減速器技術，其產品在精度和壽命上接近國際水平，甚至產品壽命達到國際競品2倍以上。另值得關注的是中大力德，這家企業同時佈局諧波減速器和RV減速器兩條技術路線。力矩感測器則是機器人的"神經末梢"。當"柯博文"拿起雞蛋時，正是依靠分佈在手指的力矩感測器來感知力度。在這方面，柯力感測已經實現微型力矩感測器量產，產品參數達到國際先進標準，已能識別0.1牛米的微小力差，這相當於檢測到一片羽毛落下的壓力。漢威科技則通過收購MEMS感測器企業，獲得了更小型化的解決方案。另六維力感測器成為人形機器人實現精準抓握的核心。熱管理系統決定著機器人的"耐力"。特斯拉公佈的視訊中，"柯博文"能持續運動的關鍵在於高效散熱。三花智控將新能源汽車熱管理技術遷移到機器人領域，開發出微型液冷模組，其通過仿生血管設計，其液冷方案成功將機器人核心部件溫度控制在45℃以下。銀輪股份則創新性地將相變材料應用於關節電機散熱，解決了高功率密度下的溫控難題。在動力系統方面，空心杯電機正在成為行業新寵。與傳統電機相比，空心杯電機具有體積小、功率密度高的特點，特別適合人形機器人的手指關節。鳴志電器通過收購瑞士MotionTech公司，獲得了全球領先的空心杯電機技術；直徑僅3釐米的微型電機卻能輸出5倍扭矩，這使得機器人手指動作能像人類一樣靈活地拿捏雞蛋。江蘇雷利則自主研發了0.5mm超薄電機，可用於機器人面部表情控制。碳纖維材料的應用同樣值得關注。為減輕重量，"柯博文"採用了大量碳纖維部件。中復神鷹研發的T800級材料使機器人減重30%，每公斤成本卻降低40%，這種軍民兩用材料正在打開新的想像空間。而光威復材的T800級碳纖維已通過特斯拉認證，中簡科技則專注於更高強度的T1000級材料研發。這些輕量化方案將直接影響機器人的能耗表現。當我們把這些核心部件拼湊起來，就能看到完整的產業圖譜。在硬體端，減速器、感測器、電機構成三大支柱；在軟體端，運動控制演算法決定整體協調性。相比而言，國產人形機器人廠商具有天然的供應鏈優勢。如今宇樹科技能將整機壓至9.9萬元。這背後是深圳供應鏈的傑作，力矩感測器成本下降40%，伺服電機國產化率突破65%。而立訊精密之所以可以快速從智慧型手機產業鏈迅速轉換，敢於規劃3000台年產能的底氣，正源自這條日漸成熟的國產供應鏈。與之形成鮮明反差的是，矽谷的K-ScaleLabs正悄然關閉辦公室，擁有20年歷史的Aldebaran宣告破產，Embodied等陪伴機器人公司接連關停。這意味著，雖然特斯拉人形機器人"柯博文"帶動了全球產業鏈的爆發，但那些沒有商業落地的技術表演，終將謝幕。當然從全球視野看，人形機器人產業鏈呈現"中美雙核"格局。美國在演算法和系統整合上領先，中國則在零部件製造和成本控制上佔優。因此，隨著特斯拉"柯博文"完成從走到跑的進化時，背後的產業鏈已經悄然重構。那些掌握核心技術的企業，很可能成為新時代的"寧德時代"和"立訊精密"。就像智慧型手機或新能源汽車產業催生了一批千億市值的供應鏈企業，人形機器人很可能複製同樣的造富神話。 (飆叔科技洞察)

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)

How to spot a bubble bursting別盯著估值看，重點關注搜尋引擎搜尋量和基金經理人遭解僱的動向圖：Harry Haysom2025年12月1日瑞·達利歐很早就察覺到了網路泡沫的跡象。全球規模最大的避險基金之一橋水基金的創辦人表示：「美國股市正逼近狂熱收官階段。」富達麥哲倫基金的知名基金經理人彼得·林奇則認為「擔憂市場的投資者還不夠多」。垃圾債券投資領域的先驅霍華德馬克斯卻憂心忡忡，因​​為「無論是雞尾酒會上的賓客，還是計程車司機，開口閉口都在談論熱門股票和基金」。喬治·索羅斯毅然冒險，直接做空網路股票。華倫巴菲特則堅決不碰這類股票，他表示自己無法「預判十年後科技企業的發展格局，也不知道屆時產業龍頭會是誰」。這些人的判斷最後都得到了印證。 2000年3月，以科技股為主的那斯達克指數觸及峰值，此後兩年半內跌幅超80%。但問題在於，達裡奧和林奇的相關言論發表於1995年，馬克斯的擔憂則是在1996年提出的。到1999年時，索羅斯的做空操作已讓其旗艦避險基金虧損7億美元，也引發了數十億美元的資金贖回潮。同樣在1999年，巴菲特或許也覺得有必要為自己的投資策略辯護──此前五年，他旗下投資平台的收益年均比納斯達克指數低15個百分點。而1995年至2000年3月期間，那斯達克指數累計漲幅高達近1,100%。換句話說，即便對於頂尖投資人而言，識別泡沫的存在遠比判斷泡沫何時破裂容易得多。如今，不少人都擔心新一輪泡沫正在形成。科技公司股價只需小幅下跌（就像11月那樣），就會導致市場波動性驟增，讓交易員們坐立難安。人工智慧相關股票成了市場擔憂的焦點，以數據分析公司帕蘭提爾為例，明年預期本益比竟超200倍，估值高得離譜。但人工智慧並非唯一估值高到離譜的領域。相較於過去十年的基礎實際收益，美國大型企業組成的標準普爾500指數當前估值，僅低於1999 - 2000年的水平。若以基礎銷售額為衡量基準，該指數目前估值甚至比當年泡沫頂峰還高出60%以上。圖表來源：《經濟學人》那麼投資人該如何預判市場崩盤的到來呢？由於傳統衡量指標作用有限，他們或許得嘗試新的方法。例如高估值雖能較好地預示長期收益走低，但在短期內卻毫無參考價值。圖表1展示了過去幾十年裡，這些指標對十年期和一年期股價走勢的預測效果。圖中每個圓點代表1990 - 2024年間的某一年，橫軸代表該年初標準普爾500指數的估值，採用的是耶魯大學羅伯特·席勒推廣的周期調整市盈率；縱軸代表該指數後續的年化收益率。從十年周期來看，初始估值與收益呈現明顯的負相關關係，且周期調整本益比處於高位時，此相關性特別顯著。而在一年周期內，二者則毫無關聯。圖表來源：《經濟學人》因此，投資人或許得借助新穎的指標來判斷市場時點。我們效法馬克斯的觀察思路，留意那些連派對參與者和計程車司機都在熱議熱門股票的時刻，更準確地說，是追蹤谷歌平台上各類熱門投資標的搜尋量激增的節點。其邏輯在於，當泡沫即將破裂時，往往會吸引大量散戶和風入場。圖表2呈現了多個投資熱潮的相關數據，涵蓋加密貨幣（比特幣和狗狗幣）、曾經風靡一時的各類主題股票組合（涉及大麻、穿戴式裝置和航太領域），以及2021年掀起的特殊目的收購公司和凱西·伍德旗下​​「方舟創新ETF」投資熱潮。如圖表第三欄所示，Google搜尋量激增對預判短期市場下跌的參考價值，遠高於估值指標。在每一個案例中，無論是單一股票、股票組合、基金或加密貨幣，在其搜尋量達到高峰後的12個月內，價格均大幅下跌。此外，方舟創新ETF、比特幣、遊戲驛站股票以及特殊目的收購公司的價格峰值，幾乎都與搜尋量峰值同步出現。當然，這類觀察結果並非嚴謹的學術研究。現實中不乏熱門投資標的搜尋量激增後，價格卻並未隨之下跌的情況。事實上，「人工智慧股票」的搜尋量在8月中旬達到頂峰（見圖3），但此後幾周內，相關股票價格仍穩定上漲。不過，近幾個月谷歌平台上「人工智慧股票」的搜尋量大幅下滑，同時相關股票價格也開始震盪，這現象難免令人不安。全球市值最高、同時也是最核心的晶片製造商輝達，其股價較高峰下跌了15%。追蹤全球半導體企業的費城半導體指數，11月前三周下跌13%，不過之後有所反彈。投資人工智慧概念股的熱門工具－人工智慧指數交易所交易基金，從高峰到低谷的跌幅達12%。自10月初以來，比特幣持有者虧損已超30%。儘管比特幣與人工智慧並無明顯關聯，但它和投資者的風險偏好緊密掛鉤。這就引出了另一個非傳統判斷指標。在2000年3月之前的五年裡，那斯達克指數至少出現過12次幅度超10%的回調，每次回檔後都能重拾漲勢，最終累計漲幅近12倍。即便在後來的暴跌觸底時，該指數仍比1995年初的水平高出一倍。那些無視市場狂熱與崩盤波動、始終持股的投資者，最終獲得了豐厚回報。而那些準確預判泡沫的專業投資者，大多沒能收穫這樣的好運。朱利安·羅伯遜的經歷便是典型。這位知名投資者在1980年後的二十年間，為客戶實現了年均25%的回報率，1998年其管理的資金規模達210億美元。但到2000年3月30日，由於大量資金贖回，他不得不關閉自己的基金——該基金一直堅決避開網路泡沫相關標的。而事實上，兩天前網路泡沫就已經破裂。因此，想要預判當前市場周期頂點的投資者，不妨留意那些因唱衰市場而失意的知名人士是否接連退場。麥可·伯里就是這樣一個例子。在2007 - 2009年全球金融危機爆發前，美國房屋抵押貸款支持證券價格暴跌，而伯里此前就精準做空了這類資產，一舉成名。今年，伯里一直忙著做空人工智慧相關股票，包括帕蘭提爾和輝達的股票。 10月末，他致函投資者，宣布將關閉自己的基金。(邸報)

對於備受關注的AI投資狂潮，被稱為“泡沫預言家”的克里斯托弗·伍德（Christopher Wood）再次敲響警鐘。他指出，市場已陷入非理性的狂熱，完全無視基本面，這幾乎註定會以一場崩盤告終。問題不在於是否會發生，而在於這場狂歡何時會突然中止。科技巨頭亞馬遜、Alphabet、微軟和 Meta的報告稱，它們在 2025 財年的AI相關支出預計高達 3640 億美元，高於此前約 3250 億美元的預期。然而，在本月舉辦的《財富》創新論壇上，伍德表示，誰能將所有這些資本開支最終貨幣化並實現盈利，仍是未知數。“目前AI的‘殺手級應用’是什麼？是那些用來幫孩子寫作業的應用嗎？”伍德調侃道。在伍德看來，真正在AI領域賺到錢的，仍然只有提供底層基礎設施的“賣鏟人”——首當其衝是輝達，在亞洲則包括海力士、台積電等公司。伍德是傑富瑞集團全球股票策略主管及《貪婪與恐懼》市場評論的作者。他被公認為亞洲最具影響力且見解獨到的市場策略師之一，在識別投機泡沫方面擁有令人矚目的履歷。伍德曾在網際網路泡沫、日本信貸泡沫和美國房地產泡沫初現端倪時便發出預警。伍德指出，中國在AI發展領域比美國更具優勢。這一判斷也直接體現在他的投資策略上——重倉中國，而非美國。“過去三年，我的全球股票組合中一直持有輝達，但約一個月前我已將其剔除。我並非斷言這只股票已經見頂，但其漲幅已達約五倍。”伍德押注中國的原因在於，雖然美國在算力上領先，但中國在能源上的優勢遠大於美國在算力上的優勢。伍德稱，過去一年多的所見所聞表明，中國電池儲存技術的進步令人矚目，太陽能發電成本已經低於煤電，“這是巨大的轉變。”伍德陳述的是一個事實：在過去，中國的煤電因其穩定和廉價被稱為“基載電力”的首選，但現在，太陽能的“度電成本”在光照好的地區已經比新建燃煤電廠還低。他甚至斷言，基載電力這個概念在中國幾乎變得無關緊要，因為中國幾乎擁有無限的廉價能源獲取途徑。“反觀美國，你會發現他們正倉促地計畫建設各種能源設施，包括核能。這個國家面臨著巨大的能源瓶頸。”伍德指出，如果美國想快速解決這個問題，真正應該做的是直接引進中國技術。“中國的公司，比如寧德時代，應該在美國設廠。在我看來，美國在這個方面的覺醒只是時間問題。但顯然，整個局面在一定程度上被美國國內受政治驅動的、反ESG運動所扭曲。”當然，美國在算力上依然是領先的。但他認為，拜登政府在2022年出台的試圖阻止中國獲得先進半導體的政策，已從根本上對美國產生反效果，違背了其國家利益。首先，它讓輝達等美國科技公司失去了中國這個大客戶。其次，政策出台後帶來巨大衝擊，極大地激勵了中國自主發展半導體產業鏈。輝達創始人黃仁勳明確表示，華為相比三年前已成為強大得多的競爭對手。從美國立場看，這個政策堪稱一記“烏龍球”。目前看來，中國在稀土問題上的籌碼，遠多於美國在半導體問題上的籌碼，伍德補充道。伍德認為，中國在AI發展方面也採取了更明智的策略，即聚焦開發出具有商業可行性的實際AI應用，這將引領 “推理繁榮”（inference boom）——隨著成千上萬個成功的AI應用被部署到各行各業，社會對“推理”計算的需求將呈現爆炸式增長。伍德透露，在幾個月前訪問北京時，一位中國AI業內人士對他說：“如果達到八分（滿分十分）的水平，對我們來說就足夠好了。”根據他的觀察，中國的AI公司並非執迷於建構完美的大語言模型以達到理論上的通用人工智慧（AGI），他們的重心在於開發出具有商業可行性的實際應用。而在美國，每家公司都在耗費巨資，試圖建構自己完美的、封閉的大型語言模型以期達到AGI。“而根據我與AI專家的交流，我認為，僅通過擴大大語言模型的規模永遠無法達到AGI。”為何美國科技巨頭仍在持續巨額投入？“他們極度害怕被顛覆，”伍德直言，“強烈的錯失恐懼症正在驅動這場軍備競賽。”最後，伍德向在場聽眾推薦《AI帝國》（Empire of AI）一書，該書揭示了OpenAI的內部運作和權力鬥爭，並批判性地分析了當前AI發展模式帶來的全球性影響。“我今年夏天在峇里島海灘上讀了它。讀完那本書後，我不會向OpenAI投資那怕1美元。” (財富Fortune)

一、核心邏輯：AI 的宏觀價值有明確上限判斷AI 對美股的支撐力，核心是測算其能帶來的長期宏觀收益，這為市場估值設定了客觀約束：AI 的生產力紅利：高盛測算，AI 預計在10 年內為美國生產力每年提升1.5 個百分點，若不引發永久性失業，最終將推動美國GDP 和企業獲利水準較基準情境永久提升15%（過渡期後）。此收益需透過「未來現金流折現」 計算實際價值，而非直接等同於當前市值漲幅。資本收入折現估值：基於AI 帶來的生產力提升，高盛測算美國企業從生成式AI 獲得的未來資本收入現值（PDV）基準值約為8 兆美元，合理區間在5 萬- 19 兆美元（受貼現率、資本分配比例等因素影響）。這一數值已能覆蓋當前及預期的AI 相關資本開支，說明AI 投資本身俱備基本面支撐。二、估值對比：市場已priced in 大量AI 價值AI 相關企業的市值漲幅已大幅超出宏觀測算的合理價值，市場對AI 紅利的定價明顯超前：AI 相關企業市值漲幅：自2022 年11 月ChatGPT 推出至2025 年11 月14 日，標普500 總市值增長約24 兆美元，其中AI 受益企業（含科技巨頭、半導體企業）貢獻約18 兆美元；疊加三大私人AI 模型提供商（OpenAI、Anthropic、xAIx）兆美元，已觸及宏觀測算的19 兆美元上限。核心類股估值透支信號：僅半導體類股與私人AI 模型提供商的市值增長，就已超過8 兆美元的AI 資本收入基準現值；科技巨頭（ hyperscalers）的市值增長中，AI 驅動的部分佔比可觀，進一步印證市場對AI 價值的定價已覆蓋核心宏觀收益。需注意的前提：2022 年11 月美股處於聯準會升息導致的低位，部分市值增長反映市場整體復甦，而非純AI 驅動；但半導體、純AI 企業的市值漲幅，幾乎可完全歸因於AI，其規模已突破宏觀價值基準線。三、風險警示：兩大認知偏誤加劇估值泡沫風險市場對AI 的估值不僅超前，還存在兩大認知偏差，可能進一步放大估值與基本面的背離：聚合謬誤：單一AI 企業可能實現短期爆發式盈利，但所有AI 相關企業（晶片設計、模型開發、科技巨頭）無法同時獲得超額收益—— 宏觀經濟的總需求和利潤分配存在上限，集體定價的「共贏場景」 在現實中難以實現，可能導致整體估值虛高。外推謬誤：短期來看，生產力加速成長會推動企業利潤佔比上升（1 年期生產力成長與利潤佔比變化的相關係數R²=0.21），但長期來看，競爭和新增投資會侵蝕初始超額利潤（10 年期相關係數R² 僅= 0.02）。當前市場可能將短期利潤增長外推為長期趨勢，而AI 硬體之外的領域目前實際盈利有限，更多是對用戶和收入增長的過度預期。四、總結：AI 估值未達泡沫但已超前，警惕周期反轉報告核心結論並非否定AI 的長期價值，而是強調當前市場估值已大幅超前宏觀實際價值，需警惕回呼風險：估值狀態：AI 相關企業市值增長（19 兆美元）已觸及宏觀合理估值上限（5 萬- 19 兆美元），基準情景下（8 兆美元）已明顯透支，雖未達歷史泡沫極端水平，但定價超前於宏觀影響是明確事實。短期支撐：只要美國經濟和AI 投資熱潮保持正軌，市場可能維持樂觀情緒，估值仍有進一步上行空間—— 歷史上（1920 年代、1990 年代）創新驅動的繁榮期，即便底層創新真實，市場也可能為未來利潤支付過高溢價。關鍵風險：估值透支的風險會在周期轉向時集中爆發，若經濟增速放緩或AI 投資不如預期，AI 相關類股可能面臨顯著回呼，尤其是前期漲幅巨大的半導體、私人AI 企業。 （資訊量有點大）

當阿里巴巴發佈2025財年第二季度財報時，市場的目光幾乎同時投向了兩個截然不同的方向：一邊是外賣業務帶來的巨額虧損，另一邊是雲業務令人矚目的加速增長。這份財報像是一面棱鏡，折射出這家網際網路巨頭在戰略轉型期所承受的陣痛與展現出的生機。在喧囂的數字背後，隱藏著阿里巴巴對未來商業版圖的深遠佈局，也暴露出其在激烈市場競爭中不得不面對的現實困境。剔除高鑫零售和銀泰的影響後，阿里巴巴本季度集團整體收入同比增長15%，總收入達到2478億元人民幣。表面上看，這是一份穩健的成績單。然而，當我們深入到各業務類股的肌理之中，便能發現這15%的增長背後，是冰火兩重天的結構性分化：核心電商業務維持著個位數的穩定增長，雲業務則以34.5%的同比增速一騎絕塵，而即時零售業務則在擴張的道路上留下了一道道深刻的虧損印記。外賣戰場：代價高昂的市場份額之爭在這份財報中，最令市場揪心的無疑是即時零售業務的虧損狀況。根據測算，阿里巴巴在即時零售領域的虧損約為390億元左右，處於公司先前指引區間的偏上限。這意味著，為了在外賣和即時零售市場站穩腳跟，阿里巴巴正在付出遠超預期的代價。包含了外賣和酒旅業務的新淘天（國內電商集團）本季度經調整EBITA為105億元，因外賣虧損同比下滑76.5%。這組數字乍看觸目驚心，但如果我們將視角放寬，便能理解這種“戰略性虧損”背後的商業邏輯。在即時零售這個被美團牢牢把控的戰場上，阿里巴巴作為後入局者，必須以真金白銀換取市場份額和使用者心智。值得注意的是，管理層在財報電話會議上釋放了積極訊號：閃購業務的單位經濟效益正在顯著改善。十月以來，閃購的UE（單位經濟效益）已經較七八月降低一半。這意味著，每一筆訂單的虧損正在從峰值期的六七元縮小到三元左右。更重要的是，訂單結構正在發生質的變化——非茶飲訂單佔比已經上漲到75%以上，平台的筆單價環比上漲超過兩位數。這表明，阿里巴巴的即時零售業務正在從早期的“燒錢搶市場”階段，逐步轉向更加精細化的營運模式。管理層坦言，九月季度是閃購虧損的高點，下個季度預計投入將顯著收縮。從商業戰略的角度來看，阿里巴巴的即時零售佈局遵循著清晰的三階段路徑：第一階段完成規模的快速擴張，第二階段聚焦UE最佳化，為長期可持續發展奠定基礎，第三階段則是深耕使用者體驗、聚焦高價值使用者經營。當前，阿里巴巴正站在從第一階段向第二階段過渡的關鍵節點上。更值得關注的是即時零售與阿里生態系統的協同效應。截至十月底，約3500個天貓品牌已將其線下門店接入即時零售業務，盒馬、貓超等實物電商品類的閃購訂單環比八月上漲30%。管理層放出豪言：閃購是淘天平台升級的核心戰略之一，目標是三年後為平台帶來兆成交。這個數字意味著什麼？如果目標達成，閃購將成為阿里內部一個獨立且龐大的增長引擎。AI與云：穿透周期的確定性增長如果說即時零售業務是阿里巴巴為未來佈局而主動承受的戰略性陣痛，那麼雲智能業務則是這份財報中最閃亮的明星。本季度，阿里雲收入同比增長34.5%，外部商業化收入也加速增長到29%，雙雙超出市場預期。更值得注意的是，AI相關產品收入已經連續九個季度實現三位數的同比增長，本季度AI相關產品收入佔外部客戶收入比例超過20%，且其佔比持續增長。這組資料背後，折射出的是整個中國雲端運算市場正在發生的深刻變革。管理層在電話會議上描繪了兩大趨勢：第一，隨著AI應用加速落地，越來越多的開發者和企業客戶傾向於選擇具備AI全端技術產品組合的雲端運算廠商；第二，客戶對AI的使用深度和廣度同步提升，顯著拉動了對計算、儲存、資料庫等傳統雲產品的需求。換言之，AI不僅僅是一個獨立的收入增長點，更是撬動整個雲業務生態的關鍵槓桿。讓我們來解讀一個關鍵細節：阿里雲的AI伺服器上架速度仍然“嚴重跟不上客戶訂單的增長速度”，在手積壓訂單數量還在持續擴大。這意味著什麼？意味著市場需求遠未見頂，阿里雲的增長天花板可能比當前的表現更高。管理層甚至直言：之前公佈的三年3800億元資本開支計畫“偏小了”，如果供應鏈問題能夠解決，未來可能會進一步增投。關於市場普遍擔憂的“AI泡沫”問題，阿里巴巴給出了一個頗具說服力的反駁：從供給端來看，整個AI伺服器產業鏈——從Fab廠商到儲存廠商，再到CPU、GPU各個環節——都處於缺貨狀態。而這一波缺貨正是AI需求帶動的，整個供應鏈的擴產周期長達兩到三年。在這個窗口期內，AI資源將持續供不應求。更有意思的是，不僅是最新一代的GPU跑滿了，連前幾代甚至三五年前的老GPU也都是滿負荷營運。這種全產業鏈的產能緊張，恰恰說明AI需求的真實性和持久性。阿里雲在細分市場的表現同樣亮眼。在混合雲市場，阿里雲增速超過20%，超過市場平均增速，市場份額持續提升；在金融雲市場，增速亦領先於市場；在中國AI雲市場總體份額保持領先，超過第二到第四名的總和。NBA、萬豪、中國銀聯、博世等國際知名企業都與阿里雲達成了AI合作。這些資料表明，阿里雲正在從“中國最大的雲廠商”向“AI時代領先的全端服務商”轉型。千問啟航：阿里AI的ToC野心這份財報中還有一個值得玩味的“奇點”：所有其他業務類股的虧損從去年同期和上季的十多億明顯擴大到了近34億元。但大行對此預期的虧損普遍已上調到50億，實際還略少些。這筆虧損主要來自那裡？答案是高德掃街榜，以及AI 2C方向的夸克和千問。十月，高德DAU峰值突破3.6億，創歷史新高。九月上線的高德掃街榜，使用者活躍度顯著上升，十月掃街榜日均DAU超過7000萬，日均評論量是去年同期的三倍多。掃街榜通過使用者的行為加信用，建構了一套線下服務的信用體系——這是一個極具想像力的商業閉環：讓商家專心經營，讓消費者放心消費，促進線下服務業更健康可持續發展。更引人注目的是千問項目的啟動。管理層宣佈，千問APP公測版上線一周，新下載量已經突破1000萬。這個數字的背後，是阿里巴巴在AI領域To B與To C兩個方向齊發力的戰略意圖。在AI To B領域，阿里希望做世界領先的全端AI服務商；在AI To C領域，基於通義千問3-Max模型的領先性能和阿里生態優勢，打造面向C端使用者的AI超級原生應用。管理層給出了一個頗具野心的願景：阿里是中國唯一擁有領先模型加豐富的生活和消費場景的公司。未來千問將陸續接入電商、地圖、本地生活等業務生態場景，“希望率先打造未來的AI生活入口”。這個表述值得細品——“AI生活入口”意味著阿里巴巴不僅想做AI工具提供商，更想成為使用者日常生活與AI互動的第一入口。在外賣虧損和AI雲端高歌猛進的映襯下，核心淘天業務的表現顯得有些平淡。本季度CMR（客戶管理收入）同比增速為10.1%，與上季持平，符合市場預期。考慮到已進入去年九月加收0.6%商家服務費的基數期，這個表現算是穩健，但也確實沒有驚喜。管理層對此的解讀頗為務實：電商CMR主要受到支付手續費和全站推廣基數的影響，因為去年九月開始收支付手續費，下個季度CMR增速預計會放緩。但他們同時強調：“我們最主要的目標是中長期的市場份額，這個過程中我們會堅定投資消費者、投資商家增長，也會堅定推動電商平台的業務模式升級，在這個過程中CMR跟EBITA會有短期波動。”這番表態透露出幾個關鍵資訊：第一，阿里巴巴對短期財務指標的波動有充分的心理準備；第二，公司更看重市場份額這個長期指標；第三，對使用者和商家的投入不會因為短期財務壓力而減少。在當前激烈的電商競爭格局下，這種"長期主義"的態度既是戰略定力的體現，也是不得不為之的現實選擇。國際業務：從擴張到精耕國際電商集團本季收入增長約10%，繼續大跨步放緩。但對應的經調整EBITA已提前扭虧轉正到1.6億元。這組資料背後的邏輯很清晰：外賣和雲的投入太大，阿里巴巴確實沒有餘力再大舉投入海外業務。速賣通將海外託管模式擴展至超過30個國家，通過Brand+計畫為中國品牌出海提供一站式解決方案。這種“精細化營運、以提高利潤為先”的策略轉變，是在資源有限情況下的理性選擇。管理層也坦言，展望未來，在持續提升營運效率的同時，也會在部分市場進行策略型投入，因此AIDC的經調整EBITA可能會出現季度間的波動。在財報電話會議上，管理層罕見地公開了AI資源配置的優先順序排序，這為我們理解阿里巴巴的戰略思維提供了一個寶貴的窗口。第一優先順序是基座模型訓練。管理層認為，只有模型能力持續迭代提升，才有機會解鎖更多使用者、更多場景，進而提升客戶的付費意願。這個判斷背後的邏輯是：在AI時代，模型能力是所有商業價值的源頭。第二優先順序是百煉平台的推理服務。阿里雲希望通過做大百煉資源池，實現AI資源的24小時高效率使用，讓每一台AI伺服器更好地滿載運行、產生更多token。這是典型的平台思維——通過規模效應降低邊際成本，提升整體效率。第三優先順序是內部和外部客戶。在外部客戶的選擇中，阿里雲也有一個優先順序衡量：如果外部客戶對阿里雲的服務是全方位的（既要用儲存、又要用巨量資料、又要用CPU資源），那這些客戶的優先順序會高一些；如果只是單純租用GPU去滿足簡單的推理服務，優先順序相對較低。這個排序邏輯揭示了阿里雲的商業模式偏好：更看重能夠深度繫結的全端服務客戶，而非單一產品的租用客戶。在電話會議上，管理層多次強調“大消費平台效應初步顯現”。這個概念值得深挖：阿里巴巴在過去多年的佈局中，已經進入了非常多的消費細分品類——電商、即時零售、盒馬線下商超、飛豬、高德本地生活等。現在的戰略重點是整合這些業務、打通各個業務，使業務之間產生更好的協同效應。即時零售業務就是這種協同效應的典型案例。淘寶閃購不僅僅是一個獨立的外賣業務，它帶動了淘寶APP的月活躍消費者快速增長，同時帶動CMR的增長，還對相關實物電商品類有明顯拉動。這種"一魚多吃"的效果，正是平台型公司的獨特優勢。管理層對大消費領域的未來佈局給出了清晰的方向：不是盲目進入新的細分品類，而是整合好現有業務，打通各個業務的協同。這種做減法的思路，與早年阿里四面出擊、遍地開花的風格形成了鮮明對比，反映出公司在資源配置上更加聚焦和務實。結語總結這份財報，阿里巴巴呈現出一種複雜而有趣的狀態：局部寒冷，整體溫暖；短期承壓，長期向好。外賣業務的巨額虧損無疑是令人擔憂的。但如果我們接受管理層的敘事邏輯——這是一場必須打贏的戰略之戰，虧損是有計畫的“戰略性投入”而非失控的“無底洞”——那麼當前的陣痛就是可以理解的。關鍵在於，UE改善的速度和幅度能否持續符合預期，虧損縮小的趨勢能否延續。AI和雲業務的強勁表現則是這份財報中最大的亮點。34.5%的雲收入增速、連續九個季度三位數增長的AI產品收入、供不應求的產能狀態、可能上調的資本開支計畫——這些訊號都指向一個結論：阿里巴巴正在AI浪潮中佔據有利位置。更值得關注的是，阿里巴巴展現出的戰略清晰度。無論是AI資源配置的優先順序排序，還是大消費業務的協同整合，抑或是國際業務從擴張到精耕的策略轉變，都顯示出這家公司在經歷了一段時間的戰略迷茫後，正在重新找回方向感。當然，挑戰依然嚴峻。核心電商面臨激烈競爭，增速放緩已成定局；外賣業務能否如期扭虧，仍存在不確定性；AI投入的回報周期有多長，目前還很難量化。但至少從這份財報來看，阿里巴巴正在用一種更加聚焦、務實的方式應對這些挑戰。正如管理層所言：“我們將自由現金流進行再投資，以贏得即時零售業務，並成為人工智慧領域的領軍者。憑藉410億美元淨現金的強勁資產負債表，我們對這一再投資戰略充滿信心。”這是一份充滿張力的財報：有虧損的苦澀，有增長的甜蜜，有戰略的堅定，也有對未來的不確定。對於阿里巴巴而言，春天的種子已經種下。接下來的幾個季度，將是檢驗這些種子能否發芽、開花的關鍵時期。市場和投資者，都在等待答案。 (心智觀察所)