華爾街有一句殘酷的格言：在擁擠的交易裡，沒有阿爾法（Alpha）同樣，在擁擠的恐懼裡，往往也沒有真正的黑天鵝。看看這張德意志銀行的調查圖表，它不僅展示了資料，更展示了一個巨大的“心理陷阱”。左邊那根高聳入雲的柱子——57% 的投資者認為“科技股估值暴跌/AI退潮”是最大風險。這畫面看起來很嚇人，對吧？但在資深交易員眼中，這根柱子傳達了一個完全相反的訊號：這個風險可能已經“安全”了。為什麼？讓我們換個角度，聊聊2026年市場真正的“燈下黑”。1. 恐懼的“通貨膨脹”：當大家都帶了傘，暴雨通常不會下當接近六成的市場參與者都在擔心同一個問題（AI泡沫）時，這意味著什麼？這意味著絕大多數機構已經為此做了準備：他們可能已經買了看跌期權（Put Options）避險，或者已經降低了倉位。一個被所有人放在顯微鏡下盯著的泡沫，是很難突然破裂的。它更可能通過長時間的橫盤震盪來消化估值（Time Correction），而不是瞬間的崩盤。真正的危險，永遠來自那些“未被定價的風險”。在那張圖表上，它們不是左邊最高的柱子，而是右邊那些被忽視的、甚至接近 0% 的“侏儒”。2. 右側的“沉默殺手”：那些只有 1% 的灰燼請把目光移到圖表的最右側。 那些被標記為 1%、2% 甚至 0% 的風險，才是讓頂級基金經理半夜驚醒的夢魘。全球貿易戰 (2%)新興市場危機 (0%)商業地產崩盤 (1%)市場給了它們極低的關注度，這意味著沒有任何風險溢價被計入價格。想像一下，2026年，如果AI僅僅是像網際網路早期那樣經歷一次溫和回呼（市場已預料），但某個新興市場國家突然因為債務違約導致貨幣崩盤，或者某家大型商業地產巨頭悄無聲息地倒下引發連鎖反應……那時候，市場將毫無防備。演算法交易會在毫秒間從“歲月靜好”切換到“奪路而逃”。這才是2026年真正的“肥尾風險”（Fat Tail Risk）：不是那頭顯眼的灰犀牛，而是草叢裡那條看不見的蛇。3. 宏觀的“囚徒困境”：聯準會不再是救世主圖表中排第二的擔憂是聯準會激進降息 (27%)這是一個非常敏銳的訊號。過去十年，我們習慣了“聯準會看跌期權”（Fed Put）——股市一跌，央行就放水。但在2026年，這個劇本可能失效。如果通膨像圖表中暗示的那樣具有粘性（15%的擔憂），而經濟又因為私人信貸危機（22%的擔憂）而陷入衰退，聯準會將陷入“滯脹”的囚徒困境。他們想救市，但不敢降息（怕通膨）想抗通膨，又不敢加息（怕崩盤）當央行失去“無所不能”的光環，市場的波動率（Volatility）將不再是賺錢的機會，而是絞肉機。4. 結論 不要做那 57% 的大多數如果你想在2026年跑贏大盤，不要盯著那根 57% 的柱子發呆。大眾在防守科技股，因為他們看到了過去兩年的漲幅。聰明錢在關注信用債和流動性，因為他們看到了未來兩年的脆弱。這張圖表告訴我們的真理是：最大的風險，往往在於你覺得“那根本不可能發生”的地方。2026年，請把你的雷達，轉向那些被遺忘的角落。 (capitalwatch)

知名經濟學家付鵬12月20日在“Alpha峰會”上發表了題為《AI時代下--秩序的重構》的演講。付鵬表示，當前AI產業的核心矛盾在於“路修好了，等待車跑”。上游算力基建投入已基本完成，2026年將進入下游企業級應用能否落地並兌現盈利的“證偽之年”。他還表示，2026年投資者應重點關注特斯拉。它將在明年面臨類似當年輝達的“身份驗證”時刻：究竟只是一一家汽車公司，還是真正的企業級“重AI應用”載體。付鵬指出，這正如檢驗“高速公路修好後有沒有車跑”，如果特斯拉能證明其作為AI應用的價值，市值空間將巨大；否則以當前作為汽車股的邏輯看，其估值並不具備吸引力。付鵬還強調，如果AI被證偽，全球股市都將面臨劇烈波動。當前美股(特別是AI類股)是全球“生產力”的核心，全球主要資產的波動率都與其高度繫結。如果AI最終被證實為泡沫，那不僅是美股，包括日本、歐洲在內的全球股市都會崩盤，“這是一根繩上的螞蚱”。他認為，目前加息或降息已不重要，核心在於資產端(AI)能否產生真實回報率，若資產端出問題，負債端的調整無濟於事。 (格隆匯電報)

瘋了，徹底瘋了。當一家尚未獲利的公司傳出要以7,500億美元估值融資數百億美元時，整個科技圈屏住了呼吸。這可不是什麼小數點後的零頭遊戲，而是足以買下數個傳統產業巨頭的天文數字。OpenAI，這個曾經喊著「非營利」口號的理想主義組織，正站在資本狂潮的最中心。問題是，我們到底在為什麼買單？是下一個技術革命，還是另一場精心包裝的賭局？從產業估值邏輯來看，OpenAI的7,500億估值也充滿爭議。目前其估值相當於2026年預期營收的25倍，雖低於部分AI初創公司，但相較於Google、微軟等成熟科技巨頭仍處於高位。更關鍵的是，這一估值高度依賴「AI使用量指數級增長」的樂觀假設，而摩根士丹利早已警告，OpenAI與巨頭的大額循環交易可能誇大市場需求，掩蓋真實商業邏輯。歷史經驗表明，每一次技術革命浪潮中，資本的過度追捧都會催生泡沫，網際網路泡沫、元宇宙熱潮莫不如此，AI行業能否例外仍是未知數。01. 從理想烏托邦到資本巨獸：一條驚人的蛻變軌跡時間倒回2015年。一群矽谷精英聚在一起，憂心忡忡地討論著人工智慧可能對人類構成的威脅。他們的解決方案是：成立一個非營利實驗室，確保這項技術不被壟斷，造福全人類。那時的OpenAI，純粹得像個學術烏托邦。轉折點在2019年。現實的壓力砸碎了理想的玻璃罩——訓練高級AI的成本高得嚇人。於是，「有限營利」的架構誕生了：投資回報被嚴格封頂，超額利潤仍歸屬於非營利使命。微軟的百億美元注入，徹底改變了遊戲規則。如今，新一輪的融資談判正在進行，數額之大令人咋舌。傳聞中的7,500億美元估值，讓OpenAI瞬間躋身全球最具價值公司行列，僅次於蘋果和微軟。這不僅僅是數字的跳躍，更是一個根本性的身份蛻變：從人類的“守護者”，變成了資本的“競技場”。02. 天價估值照出三個殘酷真相技術民主化的承諾，正被資本壟斷的現實所取代。當初OpenAI最吸引人的口號是「防止AI權力過度集中」。如今，最先進模型的訓練成本高達數億美元，門檻高到只剩下巨頭玩家。所謂的“開放”，更多成了一種行銷話語。當科技被鎖在少數公司的金庫裡，我們真的還能控制它的發展方向嗎？「安全優先」的旗幟下，藏著一場標準的商業競賽。 OpenAI一直強調“負責任地開發”，但這並不妨礙它以驚人的速度迭代產品，擴大市場優勢。安全與進度的天平，顯然在向後者傾斜。當競爭對手緊追不捨，慢下來可能意味著失去一切──包括繼續談論安全的資格。我們都在為「預期」支付離譜的溢價。 7500億美元買的是什麼？不是當前的利潤（幾乎可以忽略），甚至不是當下的技術，而是「改變世界」的預期。投資人賭的是AI將重塑一切產業，而OpenAI是那個執筆改寫規則的人。這本質上是一場集體信仰的狂歡，賭注是人類的未來經濟形態。03. 當潮水退去：三種可能的未來樂觀的劇本是，這筆巨額融資真的催化出通用人工智慧（AGI）。生產力爆炸式增長，社會財富激增，今天的投資看起來像是買下了21世紀的「入場券」。OpenAI成為新時代的基礎設施，像今天的網際網路一樣無處不在。現實的劇本可能更加骨感。技術瓶頸比預期更頑固，商業化路徑曲折漫長。天價估價需要同樣天價的收入來支撐，而目前的企業訂閱和API收入，離這個目標還有光年之遙。一旦成長故事出現裂痕，資本耐心耗盡，調整可能劇烈而痛苦。最需要警覺的劇本是失控。當一家公司吸收了人類歷史上數額空前的私人資本，掌握了可能超越人類理解的技術，而治理結構卻依然模糊時，權力失衡的風險真實存在。誰來確保它的決策符合人類整體利益？現有的監管框架，在這樣一個新物種面前，顯得陳舊笨拙。04. 繁榮背後的泡沫隱憂說到底，OpenAI的估值爭議，本質是「技術未來價值」的定價博弈。如果AI真能如預期般重塑人類文明，當前的7,500億估值或許只是起點；但如果只是資本催生的虛假繁榮，這場狂歡終將以泡沫破裂收場。對整個產業而言，OpenAI的融資盛宴已推動資源向頭部集中，加速技術迭代的同時，也可能擠壓中小AI企業的生存空間。無論曙光還是泡沫，OpenAI都已成為AI產業化處理程序的關鍵坐標。這場資本與技術的豪賭最終結局如何，或許要等到2029年獲利節點才能見分曉，但可以肯定的是，AI產業的競爭已從「技術競賽」升級為「資本+技術」的綜合較量。在這場關乎未來的博弈中，理性的資本克制與持續的技術突破，才是避免泡沫、迎接曙光的核心金鑰。大力財經認為：這不只是融資，這是對人類科技發展路徑的終極押注。7500億美元的估值，本質上是市場用真金白銀投票，相信AI革命不是泡沫，而OpenAI將是那個核心引擎。危險與機會都達到了前所未有的規模。機會在於，如此規模的資本匯聚，有可能加速突破性技術的到來。危險在於，它創造了「太大而不能倒」的單一節點，將巨大的技術權力和經濟風險同時集中在少數實體手中。我們正從「技術驚奇」階段，步入「權力分配」的深水區。 接下來最關鍵的問題，不再是AI能有多“智能”，而是誰控制它、它服務於誰、以及如何防止濫用。在這場遊戲中，資本、技術、監管和公眾，必須找到新的制衡方式。OpenAI的天價融資，像一面鏡子，照出了我們對科技的狂熱、對成長的飢渴，以及對未知的複雜恐懼。我們都在車上，只是沒人確切知道，終點是天堂還是懸崖。但車，已經停不下來了。 （雲端媒體）

World-Beating 55,000% Surge in India AI Stock Fuels Bubble Fears全球表現最佳的股票正在成為投資者追逐人工智慧熱潮帶來的超額回報的一個警示故事。RRP Semiconductor Ltd.直到最近才為人所知，即使在其本土市場印度也是如此。該公司股價在截至2017 年12 月的20 個月內飆升了55,000% 以上，成為社交媒體上的熱門話題——這是市值超過10 億美元的公司中全球漲幅最大的一次。儘管該公司最新財報顯示收入為負，最新年報顯示僅有兩名全職員工，並且在2024年初撤出房地產業務後，與半導體支出熱潮的關聯性也十分有限，但在線炒作、極低的自由流通股以及印度不斷增長的散戶投資者群體，共同推動其股價連續149個交易日漲停，即便和公司自身都已發出交易所官員和公司自身都已發出交易所。這波漲勢目前已顯露疲態，監管機構正密切關注。據一位知情人士透露，印度證券交易委員會（ SEBI ）已開始調查RRP股價飆升是否有潛在違規行為。這位知情人士因涉及機密資訊而要求匿名。這支市值17億美元的股票近期被交易所限製為每周僅交易一次，目前已較11月7日的高點下跌了6%。儘管RRP的走勢不太可能對更廣泛的人工智慧熱潮產生太大影響（這場熱潮已為輝達等全球巨頭公司增加了數億美元的市值），但它凸顯了部分市場（尤其是印度）的漲幅已達到何種極端程度。在印度，由於缺乏上市晶片製造商，散戶投資者渴望透過任何途徑間接參與全球繁榮。一些觀察家認為，此案也凸顯了監管機構在保護散戶投資者免受過度投機侵害方面所面臨的挑戰。Wryght Research & Capital Pvt. 創始人Sonam Srivastava表示：「半導體產業一直非常火爆，鑑於印度可供出售的股票有限，人們願意購買任何品牌的半導體股票。」鑑於全球對人工智慧估值的擔憂，像RRP這樣的​​案例表明，投資者不太可能蜂擁買入這些股票。亞洲的交易所和晶片製造商已開始警告投資者追逐熱門人工智慧交易的風險。在上海，新上市的人工智慧晶片初創公司摩爾線科技（Moore Threads Technology Co. ）的股價在12月12日暴跌13%，此前交易所發出交易風險預警，儘管該股自本月初上市以來仍上漲超過500% 。在韓國，SK海力士（SK Hynix Inc.）的股價在韓國主要交易所於12月11日上調風險預警後下跌，此前該股預計2025年價格將上漲超過兩倍。RRP股票在孟買證券交易所（BSE Ltd.）上市，其發言人表示，所有與該股票相關的監管行動均已透過市場通告進行溝通。 RRP電子公司由RRP集團創始人拉金德拉·喬丹卡爾（Rajendra Chodankar ）擁有，該公司以正在進行法律訴訟為由，拒絕就彭博新聞社關於股價飆升和監管措施的問題置評。今年印度的AI發展速度落後於亞洲。來源：彭博社資料已以2025 年1 月1 日的百分比增值進行標準化。RRP 的轉型始於2024 年初，當時Chodankar（其背景包括提供熱成像系統和武器無人機攝像機等利基產品）達成協議，通過償還欠其創始人的8000 萬盧比貸款來收購GD Trading and Agencies Ltd.，換取股權。4月23日，董事會批准以每股12盧比的價格出售給Chodankar和其他幾位股東的股份，比市場價低40%。此舉使Chodankar的持股比例達到74.5%，創始人的持股比例降至2%以下。公司也同意更名為RRP Semiconductor。兩個月前，Chodankar 成立了RRP Electronics Pvt. 公司，在馬哈拉施特拉邦建立了一家外包半導體組裝和測試工廠——這一聯絡可能有助於推動有關這家上市公司和他私人企業的各種說法。2024年9月，在RRP Electronics位於新孟買的新工廠開業活動上，喬丹卡爾在媒體發布會上表示：「印度將成為一個超人，這一點毋庸置疑。」根據RRP在YouTube上發布的視頻顯示，馬哈拉施特拉邦首席部長德文德拉·法德納維斯和板球傳奇人物薩欽·滕杜爾卡也出席了活動。印度總理納倫德拉·莫迪在2021 年推出的半導體產業扶持計畫——一項價值7,600 億盧比的激勵計畫——已吸引了來自美光科技、塔塔集團、富士康和HCL 科技等公司的180 億美元投資。根據交易所檔案，RRP Semiconductor 將RRP Electronics 列為關聯方，因為這兩家公司都屬於Chodankar 所有，儘管RRP Semiconductor 並未持有任何直接所有權股份。儘管如此，一些投資者開始將RRP Semiconductor視為晶片熱潮的受益者。這種熱情掩蓋了其股票實際交易量極低的事實：根據提交給孟買證券交易所和印度公司事務部的檔案顯示，約98%的股份由Chodankar及其一小群關聯人士持有，其中許多人也出現在其他與RRP相關的公司中，包括RRP Defense、Indian Link Chain Manufacturers、RRP Electronics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronicsics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronicsics和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronics”和RRP S4E Inense、Indian Link Chain Manufacturers、RRP Electronics和RRP S4E Inense、Indian。今年4月，交易所撤回了對該公司股票出售的批准，RRP已就此決定向上訴法院提起上訴，目前判決尚未公佈。去年10月，在將該股票置於最嚴格的監控之下一年後，交易所向投資者發出警告。在此之前，印度證券交易委員會(SEBI) 於2024 年9 月提醒該公司，由於該公司屬於Shree Vindhya Paper Mills 的創始集團，因此被禁止進入證券市場。 Shree Vindhya Paper Mills 是一家因不合規於2017 年被孟買證券交易所(BSE) 除名的公司，並因此被禁止進入市場10 年。一位熟悉此事的孟買證券交易所人士表示，該交易所在處理此次發行過程中出現了“內部失誤”，可能會向印度證券交易委員會尋求指導，以延長股票鎖定期，直到上訴得到解決。BSE 的發言人表示，在RRP 的原始申請中，該公司聲明其公司、創始人及董事並未被直接或間接禁止進入市場，交易所的批准正是基於這一披露。2024年4月，隨著股價從20盧比飆升，公司最大股東喬丹卡爾辭去了董事會職務，首席財務官也離職，之後又以公司秘書的身份回歸。 RRP公司就其與板球運動員薩欽·滕杜爾卡以及政府劃撥的晶片製造用地存在關聯等傳言，向警方報案，指控一名社交媒體網紅散佈謠言。該公司在11 月3 日提交給交易所的檔案中表示，“尚未開始任何半導體製造活動”，也沒有根據政府計劃提出任何申請，並否認與任何名人有關聯。財務資料並未帶來多少安慰。 RRP公司公佈，截至9月份的季度，其收入為負6,820萬盧比，淨虧損為7,150萬盧比。負收入是由於該公司衝回了2024年12月止三個月內確認的銷售額，該銷售額來自去年11月從Telecrown Infratech Pvt.公司贏得的一筆價值44億盧比的訂單。該公司在提交給交易所的檔案中表示，該訂單後來因「合約糾紛」而被取消，並補充說，該公司還在3月份的季度中追回了8,000萬盧比的收入。疲弱的財務資料正值該股股價的敏感時期。隨著人工智慧熱消退和監管審查收緊，股價下跌的風險現在落在了那些蜂擁而至的投資者身上，以及幾乎控制了全部流通股的喬丹卡爾身上。 （invest wallstreet)

當前，美國人工智慧（AI）投資熱方興未艾。綜合資料顯示，美國AI私人投資規模在全球範圍內遙遙領先，美國企業在AI研發方面普遍信奉以高投資“堆算力”的路徑，在海外的AI投資佈局以中東為重點，體現出較明顯的地緣政治考量。不過，伴隨著天量投資湧入美國股市下注美國AI企業，市場出現對美國經濟AI泡沫的關注和擔憂。一個最新動向進一步放大了市場對美國AI泡沫是否會破裂的擔憂。當地時間11月24日，美國白宮發佈聲明表示，總統川普簽署了一項行政命令，啟動一項旨在利用AI變革科學研究方式、加速科學發現的全新國家計畫“創世紀計畫”。目前分析人士對這項行政令的後續影響持不同觀點：有人認為，它可能緩解當前AI投資過熱的現狀；但更多人擔心，行政令可能放大泡沫，且至少無法消除泡沫風險。2025年7月23日，美國總統川普在華盛頓舉辦的人工智慧峰會上展示他簽署的行政命令美國領跑全球AI投資競賽美國在AI投資與生態建設方面保持全球領先地位。美國史丹佛大學李飛飛團隊發佈的《2025人工智慧指數報告》顯示，2024年全球AI領域的私人投資規模達2523億美元，其中美國以1091億美元的投資額位居全球首位。另據安永會計師事務所發佈的資料，2025年前7個月，元（Meta）、微軟、亞馬遜和Google四家科技巨頭的資本支出總額已突破1550億美元，甚至超過同期美國政府在教育、就業及社會服務領域的總支出。截至2025年11月1日，根據微軟、亞馬遜、Google、Meta和甲骨文五大科技公司在財報電話會議披露的綜合資訊，預計到2026年，這五家公司資本支出將超過4700億美元。即便保守假設亞馬遜和Google的資本支出僅維持2025年水平，2026年整體資本支出增速仍不低於26%。對比之下，2024年五大科技公司資本支出總額僅為2208億美元，不到2026年預測值（4700億美元）的一半。這是美國人工智慧公司OpenAI 標識和智能聊天機器人ChatGPT網站頁面此外，2025年年初，開放人工智慧研究中心（OpenAI）、甲骨文公司和日本軟銀集團三家企業宣佈啟動“星際之門”項目，計畫今後4年投資5000億美元，在美國建設支援AI發展的基礎設施。川普稱其為“史上最大的AI基礎設施投資項目”。儘管中國AI創業公司深度求索（DeepSeek）的爆火曾一度引發對大規模算力投資必要性的質疑，但美國科技巨頭依然堅持“大力出奇蹟”的戰略，即通過持續大規模投資算力和基礎設施來支撐大模型的技術迭代與商業化。美國銀行報告認為，與美國主要依靠私營企業和高端晶片驅動投入不同，中國更依賴政府主導，通過建設資料中心、能源基礎設施以及大規模資本投放來推動AI發展。但中美的這種差異並不是絕對的。美國剛剛發佈的“創世紀計畫”就是一種政府對AI產業的背書。這項計畫指示能源部建立一個AI實驗平台，整合美國超級電腦和獨特資料資產，以生成科學基礎模型並為機器人實驗室提供支援；指示總統科學與技術事務助理（APST）協調這項國家計畫，並整合聯邦政府各部門的資料和基礎設施。能源部長、總統科學與技術事務助理以及AI與加密技術特別顧問將與學術界和私營部門的創新者合作，支援並加強“創世紀計畫”。算力競爭成美企AI競賽核心戰場當前，全球各大科技公司紛紛加速建構能夠“媲美或超越人類智能”的系統，算力競爭已成為企業戰略的核心戰場。相關資料顯示，大型科技公司的資本支出中超過80%通常用於算力採購，包括建設資料中心，購置伺服器、晶片和儲存網路裝置等。近日，OpenAI與亞馬遜達成一項為期7年、價值380億美元的雲服務採購協議，這使得OpenAI將持續獲得數十萬塊輝達圖形處理器（GPU），用於訓練與部署先進AI模型。美國媒體認為，這項交易凸顯出AI行業對算力“永無止境”的追求。近年來，全球AI投資呈現規模空前、周期拉長、資本持續投入的鮮明特徵，資金高度集中於資料中心建設、圖形處理單元與加速器晶片、大規模電力與冷卻系統等底層算力基礎設施。這場資本競爭的底層邏輯在於，更強大的AI模型源於更多的資料和更強的算力。正因如此，持續擴建算力設施便成為競爭的關鍵策略。美國麥肯錫諮詢公司2025年4月底發佈的報告認為，生成式AI基礎模型的訓練與推理會產生巨大的工作負載，需要消耗大量計算資源，這推動了全球對資料中心和加速器容量的長期需求。到2030年，全球資料中心相關投資預計將達6.7兆美元，其中AI相關投資約為5.2兆美元，充分表明算力基礎設施已成為未來投資的核心領域。投資佈局中東AI體現地緣戰略考量近年來，美國大型科技企業的海外AI投資愈發呈現出明顯的地緣戰略屬性。微軟公司近日宣佈在阿聯AI和雲端運算領域投資152億美元。這些資金中約三分之二將用於在阿聯建設AI和雲資料中心，三分之一計畫用於當地營運支出。印度《一周》周刊刊文分析說，微軟在阿聯的巨額投資不僅獲得美國政府背書，更被視為美國在全球AI競爭中鞏固主導優勢的戰略舉措，而非單純的商業擴張。印媒認為，阿聯地緣位置關鍵、能源資源充沛、基礎設施完善，同時面向中東與全球南方市場，因而成為美國進行全球AI佈局的理想節點。作為海灣地區唯一獲得美國全面技術出口許可的非北約盟友，這筆交易被廣泛視為美國在中國影響力範圍之外建構新型AI中心的重要一步。除微軟外，Google也持續加碼中東市場。2024年11月，Google公司宣佈與沙烏地阿拉伯公共投資基金合作，在沙烏地阿拉伯設立新的AI中心，部署最新的Google雲基礎設施，包括張量處理單元和圖形處理單元。美國智庫中東研究所戰略技術與網路安全項目主任穆罕默德·索利曼認為，這類合作凸顯了AI與能源之間日益緊密的關聯。沙烏地阿拉伯和阿聯等海灣國家能夠利用能源富餘保障資料中心運行，而資料中心正是AI基礎設施的核心支柱。這種天然優勢正在吸引Google、微軟、輝達、亞馬遜等科技巨頭加速湧入，使中東逐步成為全球AI版圖中的關鍵增長極。市場擔憂美國AI投資熱醞釀股市泡沫隨著AI企業估值持續飆升（OpenAI的估值總額已超過5000億美元）以及大規模投資承諾不斷出現，市場開始擔憂當前AI熱潮可能形成資產泡沫。與此同時，各大科技企業在硬體和基礎設施領域持續加碼投入，AI競賽成為推高科技行業整體債務水平的關鍵因素。根據捷迅-輝盛工作站資料，全球1300家主要科技企業的有息負債總額已升至1.35兆美元，是10年前的4倍。其中，一些公司出現明顯的高槓桿跡象。例如甲骨文公司參與的“星際之門”項目將投資5000億美元用於在美國建設支援AI發展的基礎設施，但甲骨文公司目前負債已超過1110億美元，較10年前增長逾一倍。市場擔憂，若投資回報不及預期，可能引發財務風險甚至危機。OpenAI的巨額資本投入也引起華爾街關注，儘管消息人士預計OpenAI的年化收入將在2025年底達到200億美元，但該公司的虧損規模仍在擴大。分析師和投資者質疑這家仍處於虧損狀態的公司將如何支撐龐大的交易需求。業內人士認為，大規模建設AI實體基礎設施在相當程度上侵蝕了企業的潛在利潤。換言之，押注AI的公司普遍尚未實現盈利，反而背負沉重債務，而收入尚不足以彌補不斷擴大的資金缺口。美國富達國際公司宏觀策略師志賀洋一日前在接受《日經新聞》採訪時說，這種商業模式可能給科技行業埋下巨大隱患。“各家公司為避免在AI熱潮中落後，正積極進行前期投入。目前融資環境尚算寬鬆，但一旦出現任何環節卡頓，財務基礎薄弱的企業將最先被淘汰。”麥肯錫報告認為，企業在規劃AI基礎設施投資時面臨高度不確定性，主要包括：技術中斷風險（如模型架構或計算效率的突破可能顯著降低對硬體與能源的需求）、供應鏈限制（包括勞動力短缺、晶片供應瓶頸以及監管障礙可能延緩資料中心建設），以及地緣政治緊張（關稅波動或出口管制可能影響算力供應）。報告建議，企業在投資過程中應密切關注技術演進和市場動態，並通過靈活的分階段戰略規劃，主動應對多種潛在情景，以最佳化資本使用和降低風險。至於“創世紀計畫”，一些分析人士認為這很可能是一場豪賭。而且對於資本市場而言，“有政府支援的大規模計畫+國家資源+國家戰略導向”，往往意味著對相關產業的持續需求預期。而這樣的背景很可能被市場炒作放大——AI公司、科研服務公司，以及基礎設施提供商借勢湧現，造成估值嚴重脫離實際盈利的“泡沫型擴張”。 (環球雜誌)

今天聽完了a16z播客的新一期對談：Benedict Evans（曾任a16z合夥人，長期研究平台變革）和主持人Erik Torenberg聊《AI eats the world》以及下一輪平台遷移的真實走向。整期內容不太像“追熱點”，更像是在給2025年的AI產業做一次冷靜校準：泡沫從那來、為什麼全行業FOMO、為什麼人人都知道但還沒用成習慣，以及最關鍵的——模型之外，到底還缺什麼產品形態和商業護城河。題圖來自：AI生成下面我把這期對談裡我認為最有價值、也最能幫助我們理解當下進度與下一步機會的點，整理成一篇資訊梳理，分享給大家。一、真實進度條：為什麼AI看起來“人盡皆知”，卻還沒變成“人人離不開”Benedict Evans用一個很刺耳的反問開場：ChatGPT有8億~9億周活，但如果你是那種每天用好幾個小時的人，不妨問自己——為什麼有五倍於你的人“看過、理解、有帳號、會用”，卻想不出這周或下周要用它做什麼？這句話把2025年AI的“真實進度條”釘在了一個矛盾上：熱度已是基礎設施等級，使用仍停留在“可選工具”。他提到的調查印象也指向同一件事：每天用的人大約10%~15%，更多人是“每周用一次或偶爾用一次”。這會直接影響一切——從商業模型、分發管道，到誰能建構真正可防禦的產品。二、“AI”和“AGI”正在變成一套話術，而不是一組定義Evans反覆強調：“AI”這個詞越來越像“技術”“自動化”——只在“新”的時候成立，一旦普及，它就不再被稱為AI。他舉了電梯的類比：1950年代奧的斯把自動電梯當成“電子禮儀”行銷；今天沒人會說“我在使用電子電梯”，它只是電梯。而“AGI”則更像“新的、可怕的東西”。他講了一個略帶神學意味的笑話：AGI似乎總處在一種尷尬的二選一——要麼它已經到了，只是“小型軟體”；要麼它在5年後，並且永遠都會在5年後。這也解釋了他對行業敘事的敏感：你會看到有人說“我們現在就有博士級研究員”，也會看到另一派立刻反駁“沒有，別鬧”。對Evans來說，問題不在於誰更會講話，而在於：當我們連“它到底是什麼”都在搖擺時，所有預測都會被敘事拉扯得四分五裂。三、這到底是一次平台變革，還是“比平台更大”的結構性變化？Evans的核心框架，是把生成式AI放進“平台變革史”裡對照：平台變革通常會帶來贏家和輸家，會製造泡沫，也會催生新的兆公司；但對科技行業之外，影響往往分化——網際網路對報紙行業是“改天換地”，對水泥行業可能只是“更好用的工具”。但這一次不同在於：過去的平台變革，你不知道明年會出現誰（Netscape出來時，很多未來巨頭還在上學；Amazon也還只是書店），但你大體知道物理極限：頻寬、硬體、電池、成本曲線都在可推演的邊界裡。生成式AI的麻煩是：我們不知道它的“物理極限”。因為我們既沒有對“它為何有效”的充分理論，也沒有對“人類智能是什麼”的充分理論，於是你只能聽到一堆“我覺得”。這會直接導致一種“精神分裂式敘事”：同一家公司可以一邊談“很快人類級/博士級研究員”，一邊又談“這是新的API堆疊，會像Windows一樣讓更多軟體成為可能”。Evans的吐槽很直接：這兩件事不可能同時為真——要麼你擁有一個博士級研究員（那它也該是博士級會計師），要麼你只是得到一種更強的軟體能力去做報稅、寫程式碼、做工作流。四、泡沫：不是“會不會”，而是“我們現在是97、98還是99”在泡沫問題上，Evans的態度既不高舉高打，也不裝作冷靜旁觀者。他的判斷是：“非常新、非常大、非常令人興奮、改變世界的東西，往往會導致泡沫。”所以，如果現在還不在泡沫裡，也大機率會走進泡沫。但他更看重的是泡沫的“結構性特徵”，而不是給泡沫貼標籤：泡沫期裡一切同時上漲，所有人都像天才，槓桿、交叉槓桿、循環收入到處都是；然後當它掉頭，會出現棘輪效應。他引用Marc Andreessen對90年代網際網路泡沫的記憶：1997不是泡沫，1998不是泡沫，1999是泡沫。問題是——我們現在到底是那一年？如果能精準回答，我們就生活在平行宇宙裡。五、FOMO的底層邏輯：不投資的下行風險，大過過度投資的下行風險比“泡沫”更能解釋2025年資本開支狂潮的，是Evans拋出的那句行業共識：從超大規模雲服務商那裡聽到的說法大意都是——不投資的下行風險，超過過度投資的下行風險。這裡的關鍵不在“他們是否理性”，而在“沒人能算明白”。Evans用90年代末預測頻寬需求做類比：你可以列出使用者數、網頁頻寬、視訊時長、位元率、觀看習慣，用電子表格算出10年後全球頻寬消耗，再反推路由器銷量——你會得到一個數字，但它一定不是那個數字，真實結果可能有百倍區間。同理，AI計算需求也很難代數化：模型效率每年可能下降很多倍（他強調“成本在掉”），但使用量在漲；於是你很難判斷到底是“缺供給”還是“缺需求”，也很難判斷今天的CapEx是在買未來，還是在買焦慮。他順手拆了一個“過度投資也能轉賣容量”的樂觀說法：如果你閒置算力，別人也會閒置；你以為能轉賣，市場上卻可能是“全行業一起庫存”。六、“缺失的產品”：ChatGPT像入口，但還不是“定義平台的那台iPhone/那張Excel”這期對談最有資訊密度的部分，其實不是模型能力，而是Evans對“產品形態”的判斷：很多人把ChatGPT當成“產品”，但它更像一個“偽裝成產品的聊天機器人”。原因並不玄學，而是UI與工作流的現實：專業軟體的螢幕上之所以只有7個按鈕，是因為背後有一群人把機構知識、行業流程、決策節點都壓縮成“在這一步該問什麼、該給什麼選項”。而當你面對一個空白提示框，你被迫從第一性原理想清楚：我到底要什麼、我該怎麼問、我該怎麼驗證、我該怎麼把它嵌進工作裡——它幾乎在“問你所有事情”。於是，“缺失的產品”就清晰了：不是缺一個更聰明的模型，而是缺一套能把AI嵌進具體崗位與具體流程的產品包裝。這也是他解釋為什麼企業會買Everlaw這種“法律文件發現解決方案”，而不會想自己去拼AWS API：人們購買解決方案，不購買技術。Evans給出的直覺很像一句“創業者友好”的判詞：過去十年企業軟體公司在拆解Oracle/Excel；今天AI軟體公司在拆解ChatGPT。誰能把“按鈕”做出來，誰就能把AI的能力變成可銷售的工作流。七、驗證與錯誤率：為什麼“無限實習生”有時反而讓你更累Evans最尖銳的現實主義，不在“它會不會更強”，而在“你能不能驗證”。他引用與Balaji的對話：矽谷的人經常對錯誤率揮手而過，但很多問題需要特定且正確的答案；如果無法機械驗證，靠人檢驗是否划算？在行銷裡，讓機器生成200張圖、人挑10張，效率巨大；但在資料錄入場景，如果機器從200個PDF抄200個數字、你得逐個核對，那你還不如自己做。他舉的OpenAI Deep Research的例子尤其扎心：它拿來當行銷展示的資料“數字全是錯的”，錯在轉錄、錯在來源選擇；你讓實習生做，也可能犯同樣的錯。這不是嘲諷模型，而是在強調：AI的落地不是“能生成”，而是“能交付”。交付意味著驗證鏈路、責任邊界、以及“錯一次的代價”。八、新行為會出現，但“類別長什麼樣”我們現在很可能問錯了問題當被問到“會不會出現AI版Uber/Tinder”時，Evans的回答依舊是歷史視角：每一次平台變革，早期都充滿誤判。1995年人們以為Web更像“共享系統”，後來才變成“發佈系統”；iPhone也用了兩年才真正跑通價格、功能與分發。他甚至把這種“問錯問題”的必然性當成規律：當年移動時代人人追問“3G的殺手級用例是什麼”，最後答案是“口袋裡隨處都有網際網路”——但當時沒人這麼問。因此他更願意把AI的落地分成三步：第一步，把它做成功能，做明顯的自動化；第二步，做新的東西；第三步，有人把行業從裡到外翻過來，重新定義問題。在他看來，我們仍大量停留在第一步，同時開始更認真地討論第二步、第三步：AI會帶來什麼新收入？會在那些地方重塑市場結構？九、競爭格局：模型趨同，真正的差異在分發、成本與“可防禦的粘性”關於“誰能贏”，Evans不太相信“基準分數”能給答案。他同意一種觀察：對偶爾使用的消費者來說，模型很可能被體驗成“商品”；真正拉開差距的，是分發、默認入口、以及成本基礎。他對OpenAI的描述尤其冷：8億~9億周活當然驚人，但這種優勢“很脆弱”，因為它更像品牌與默認，而不是網路效應、生態系統或功能鎖定；同時它沒有自有基礎設施，成本不受控，“每個月從Satya那裡收帳單”。因此OpenAI必須兩線作戰：一邊在模型之上拚命做產品形態（瀏覽器、社交視訊、應用平台……“滿牆都是線”那種），一邊補基礎設施，去和Nvidia、AMD、Oracle、甚至“石油美元”打交道。這句話把2025年“FOMO”從雲廠商擴展到了模型廠商：不僅要跑得快，還要補齊護城河。十、大廠站位：Google/Meta/Apple/Amazon/OpenAI分別在守什麼、搶什麼Evans對“大廠站位”的拆解，核心不在“誰模型更強”，而在五家公司各自的基本盤不同：有人在守入口，有人在守現金流，有人在守裝置生態，有人既賣鏟子也想重做決策鏈路。OpenAI：守默認入口，搶護城河與成本基礎OpenAI的強項是心智與默認入口，但弱點是缺少穩固的生態鎖定與基礎設施控制權。它必須同時補兩件事：把入口變成更強粘性的產品形態，以及把成本基礎從“外部帳單”變成可控的長期結構。Google：守搜尋廣告現金牛，搶下一代體驗的定義權Google可以用既有現金流承受巨額投入，把AI吸收進搜尋、廣告、工具鏈裡，先把“舊世界”做得更強。同時它也在爭一件事：下一代入口究竟長什麼樣——是Google定義，還是別人定義後Google複製並規模化。Meta：守內容分發與推薦系統，搶下一代社交體驗控制權AI對Meta更像“體驗範式變數”，會影響內容生產、分發、推薦與互動方式。它最在意的不是單點能力，而是分發機器的控制權是否旁落，因此更需要掌握自有模型與能力邊界。Amazon：守AWS的鏟子生意，搶購買決策與發現入口一方面，Amazon天然受益於把AI當雲能力售賣；另一方面，它更想搶的是“使用者如何決定買什麼”。如果購買從搜尋SKU遷移到對話式建議與發現，零售媒體、廣告轉化路徑、推薦系統都可能被重寫。Apple：守裝置與生態入口，搶“計算形態是否改寫”的落點Apple的關鍵不在有沒有聊天機器人，而在AI會不會改變“軟體是什麼、App是否還存在”。如果互動轉向代理化/對話化，裝置側仍可能是關鍵入口；但前提是體驗要足夠穩定可靠，而這恰恰是行業目前最難交付的部分。十一、站到行業外面：真正焦慮的不是“我能不能用AI”，而是“我的價值鏈會不會被改寫”Evans最後把鏡頭推向科技之外：如果你是出版、品牌、行銷、媒體公司，你可以列一堆問題，但你甚至不知道問題是什麼。當使用者問LLM要一個食譜，LLM直接給答案，食譜網站意味著什麼？當購買決策變成“我揮舞手機問一句‘我該買什麼’”，流量與轉化會被帶到那裡？Amazon能否借LLM真正把“推薦、發現、建議”做成規模化能力，而不只是賣SKU？他甚至把這種衝擊總結為一種殘酷的“自我識別”：報紙行業過去談策展、新聞，卻很少承認自己也是“輕製造+本地配送卡車公司”；直到網際網路來了，價值鏈裡真正可被拆解、可被替代的部分才暴露。換句話說，AI的第二階段、第三階段，可能不是把你效率提高20%，而是讓你意識到：你以為的護城河，可能只是“無聊、困難、耗時”的流程摩擦。當LLM移除摩擦，你靠摩擦賺錢的行業，會突然失重。十二、2025年的“真實進度”，是一場從模型熱到產品定型的遷徙如果把這場對談壓縮成一句話：2025年AI的關鍵不在“更強的模型”，而在“缺失的產品形態”與“可驗證的交付鏈路”——它們決定了AI會從少數人的高頻工具，變成多數人的默認工作方式。Evans最後也留了一個誠實的邊界：我們現在擁有的，還不是“實際人的替代品”，除非在非常狹窄、嚴格護欄的場景裡。它會不會成長到那一步？沒人能給可證偽的答案。但對產業而言，也許更重要的是：即便它永遠只是“更強的軟體”，也足以像網際網路與智慧型手機那樣，重排一批行業、重寫一批公司。而真正的戰場，會發生在“泡沫與FOMO”之下，那些把能力做成產品、把錯誤變成可控、把工作流變成按鈕的人手裡。 (虎嗅APP)

甲骨文被爆出延後資料中心竣工，引發新一輪AI泡沫的恐懼拋售。美股盤中崩潰，幣圈與大宗商品同樣下滑。不過黃金最終扛住了壓力，逆勢上漲。上週五發生了什麼？上周發佈了兩個AI產業的重要財報分別是甲骨文和博通。甲骨文因不及預期的業績表現，股價暴跌。博通倒是營收大超預期，但由於CEO電話會議中為定製晶片TPU的需求破了冷水，同時披露的730億AI產品訂單也不及市場預期，股價因此在短暫上漲後大幅下跌。圍繞著在這兩家公司周圍的一系列半導體企業股價下跌，包括谷歌、英偉達、AMD、美光科技、應用材料、拉姆研究等龍頭股。這些股票在上週五美市盤初集中下跌，引發美股大盤下跌，連帶其他資產市場走勢。美國股市：美盤前，甲骨文和博通便已經開始下跌，拖累大盤下滑。不過下跌的最大動能，還是發生在美市。美市盤初（澳東時間次日02:00，北京時間23:00），德銀和高盛等機構預測，美元明年將保持跌勢，而其他國家與美國利差將提高，這將激勵投資者將資金從美國轉移出去。受到這個消息觸發，美國科技股遭到集中拋售，連帶其他板塊一同下跌。只有防禦型必消板塊逆勢上漲。而且一小時後，彭博社報導稱，甲骨文將OpenAI的部分資料中心竣工時間延後，進一步引發市場對AI泡沫的恐慌性拋售，科技板塊因此大幅度下滑。最終，美國三大指數呈現不同程度的跌幅，納指大幅度下跌，道指則跌幅相對較小。中國AH股市：由於A股摩爾執行緒暴漲後提示風險，股價回落，帶動A50指數開盤短暫下滑，但很快回暖。港股則相反，亞盤保持上漲趨勢，不過美盤受到美股下跌影響較大，因此最終微微下跌。其他股市：隨美股下跌，科技含量越低，跌幅越小。英國與澳洲股市表現與道指趨同，日股則隨納指暴跌。美元：上週五早間（澳東時間06:00，北京時間03:00），美國財政部計畫提高對晶片研發企業的稅收優惠，這意味著財政缺口進一步擴張，政府將發行更多國債。受此影響，美國長債利率持續上漲，連帶美元在亞盤與歐盤一路上揚。直到芝加哥聯儲主席Goolsbee反對本月降息，美元停止上漲並轉為震盪。在美股暴跌時期，美元受到避險和拋售的雙重影響，保持震盪行情。直到美銀稱，美聯儲購買國債的操作會導致利率承壓，美元因此下跌，股市也停止下跌。最終，美元在震盪後仍然保持小幅上漲，非美貨幣多數下跌，但跌幅都不算大。商品貨幣：澳元與紐元走勢與美股有些相似，受到金屬大宗商品的影響。早盤時段，這兩個貨幣連續沖高，直到甲骨文和博通盤前暴跌，連帶工業金屬和原油價格普跌，澳元與紐元便開始大跌。最終澳元受金屬價格拖累，表現最差。紐元跌幅較小。加元反倒不太受大宗市場影響，最終反而微微上漲。黃金與白銀：就在甲骨文和博通盤前下跌時，除了美元外，只有貴金屬保持漲勢，直到美股盤初暴跌，黃金與白銀才跟隨下滑。不過白銀跌幅遠超黃金（畢竟有工業屬性，被工業金屬拖累），因此最終白銀大幅下跌，黃金反倒保持上漲。銅、鋁與原油：就在甲骨文和博通盤前下跌時，工業金屬和能源便開始普遍下跌，尤其是美股盤初暴跌時，這些商品價格同樣大跌。最終銅價跌幅最大，油價僅小幅下跌。今日重要事件（澳洲東部時間）：次日00:30 美國12月紐約聯儲製造業指數*：預期9.7 前值18.7次日02:00 美國12月NAHB房產市場指數*：預期38 前值38次日02:30 紐約聯儲主席威廉姆斯發表講話*代表更具影響力的先行指標，值得日內交易者重點關注。今日關注行情今早，中國方面發佈了70個中大城市二手房價報告，仍然表現不佳，房產市場的壓力還未緩解。同時，周日有消息稱萬科的三項展期議案均未通過投票，這也讓AH股市蒙上了一片陰影。但值得注意的是，觀察近幾個月房價和經濟報告後AH股市的表現，能夠發現，市場對於壞消息並不敏感。AH股市容易出現短暫回檔後的反彈。所謂該跌不跌理應看漲，同時考慮到美國科技股暴跌，引發美元震盪。AH股市有機會在近期表現超越美股。因此交易策略以突破阻力看漲。仍需要關注隨後發佈的的經濟報告。不管是美元的疲軟還是美股的暴跌，均能夠提振黃金的價格。和上周的判斷一致，當貴金屬開始下跌時，白銀的跌幅將遠超黃金。因此在短線看漲貴金屬時，仍然應該優先選擇黃金。相比之下，美股納指的走勢就不是很樂觀了。原本就發現科技巨頭之間競爭加劇，導致股價出現背離，納指因此表現落後。再加上上周接連甲骨文和博通兩家財報後股價暴跌，短期內風險情緒聚集，今晚開盤表現可能也不會很好，納指可以考慮日內偏空操作。消息突破策略– 香港恒生指數 HK50短線交易策略：（均值回歸）突破25800跟隨看漲或回踩25650小止損看漲阻力參考：25800；25900-26000支撐參考：25600-25650（跌破止損）技術面：100均線水準方向未定，但價格下方仍然保有趨勢線支撐。日內交易關注突破25800的更多操作，短線則可以等待價格震盪回到前低點支撐。強弱趨勢策略 – 黃金兌美元XAUUSD日內和短線交易策略：（趨勢跟隨）日內突破4325跟漲，短線回踩4325或4300看漲阻力參考：4325（突破）；4350支撐參考：4290-4300技術面：100均線向上，早盤黃金再度大漲，回補了昨晚的跌幅，說明金價仍處在強勢期。日內配合動能突破跟漲。但短線考慮到美元震盪，黃金突破前高點仍有難度，應該等待回踩後再行做多。強弱趨勢策略– 那斯達克100指數 NAS100日內交易策略：（趨勢跟隨）回踩25400附近逢高看空阻力參考：25400；25500-25600（突破止損）支撐參考：25100-25200；25000技術面：100均線向下，那指跌破關鍵頭部頸線25400關口，空頭動能較強，交易策略以回踩頸線看空為主。本文內容不構成任何投資建議，與個人投資目標，財務狀況或需求無關。如有任何疑問，請您諮詢獨立專業的財務或稅務的意見 。

人工智慧真的是一場泡沫嗎？這種關於盛衰周期的敘事雖令人耳熟能詳，卻與一項新技術所蘊含的種種可能顯得脫節。在過去的幾個月裡，我將人工智慧引入了我七歲兒子彼得的業餘生活中。在周六，他會上程式設計課，最近他在課上製作了一個“石頭剪刀布”遊戲的版本，他真的很想在家裡製作更複雜的遊戲。我向 ChatGPT 和 Claude 介紹了他的技能水平，它們瞬間就建議了接下來的步驟。Claude 提議嘗試在 Scratch（一種面向兒童的程式設計環境）中重現《Pong》（乓）遊戲。我們下載了它，我坐在扶手椅上，iPad 上開著 ChatGPT，而彼得則在電腦上嘗試這個項目。每當他卡住時，我就回答他的問題，利用我自己的程式設計知識或求助於 A.I.。大約一小時後，他完成了一個該遊戲的初級版本。在接下來的幾周裡，在我和 A.I. 的進一步幫助下，彼得製作了一個基於電影《創：戰紀》（Tron）中光輪摩托決鬥的遊戲，配有音樂和計分系統。他勾勒了一個“圖書館模擬器”的雛形，並完成了他自己的街機遊戲《太空點點》（Dot in Space），講述一艘微型飛船以曲速飛行的故事。每當他遇到可能扼殺動力的障礙時，A.I. 都能讓我們順利度過。應我的要求，這些系統開始指引我們走向更複雜的程式設計環境——Construct、GDevelop、Godot Engine、GameMaker——並建議更具野心的項目。上周末，他熬夜程式設計製作了一個精美的《小行星》（Asteroids）遊戲版本，一邊狼吞虎嚥地吃著 Cheerios 麥圈，一邊像喝能量飲料一樣大口喝著水瓶裡的水。既然彼得是個孩子，而我是個爸爸，這一切可能顯得可愛而古雅。A.I. 能幫助年輕人學習程式設計，還能幫助年長者成為程式設計導師，這難道不好嗎？但請從不同的角度考慮正在發生的事情。在《國富論》中，亞當·斯密將工人“獲得的有用的能力”描述為一種“固定資本”——類似於一塊房地產或一件裝置。直到二十世紀六十年代，一位名叫西奧多·舒爾茨（Theodore Schultz）的經濟學家才創造了“人力資本”（human capital）一詞，用來描述人們投資於自我提升的持續、動態過程。舒爾茨意識到，個人花費大量時間、金錢和精力來變得更有能力。他們上夜校、建立人脈、閱讀自助書籍，並傾向於利用空閒時間“提高技能和知識”。提高人力資本的工作往往在視線之外發生。但他認為，“簡單的事實”是“人們投資於自己，而且這些投資非常巨大”。舒爾茨提出，這些提高“人類努力質量”的投資，可能解釋了經濟學家在過去幾十年觀察到的“每位工人實際收入令人印象深刻的增長的大部分原因”。今天，顯而易見的是，公司和組織從擁擁有大量人力資本的人身上獲益匪淺。當會議有知識淵博的參與者時，它們更有用；當建構產品的團隊擁有廣泛的技能時，產品就會改進。不太明顯的是，公司和組織同時也難以識別和利用人力資本的變化。假設某人被僱傭做一份工作，然後獲得了使她有資格做另一份工作的技能。理想情況下，隨著她變得更有能力，組織結構圖會圍繞她發生變化；實際上，工作往往是一個監獄。當一個工人通過在別處找到工作而越獄時，她帶走了她的人力資本。出於這個原因，從公司的角度來看，理想的僱員幾乎就像是那種在工作第一天之前狂熱地建立自己的人力資本，然後突然慢下來，成為機器中一顆高技能齒輪的人。組織希望他們的工人繼續提升自己——但不要太快，以免他們超越了所處的系統。對管理者來說幸運的是，建立人力資本需要很長時間。或者，至少過去是這樣：人工智慧，除其他外，是一種加速學習和提高能力的技術。數以此百萬計的人現在使用大型語言模型。他們並不都在與聊天機器人調情；相反，他們發現，在 A.I. 的幫助下，他們可以執行以前從未做過的任務，並快速瞭解以前覺得難以接近的主題。當你突然提高人力資本積累的速度時會發生什麼？這是 A.I. 對商業界提出的挑戰之一，商業界正在努力弄清楚這項技術的價值。出於許多原因，將 A.I. 視為增加人力資本的工具感覺很奇怪。它的用處難道不在於智力自動化，這使得來之不易的人類知識變得多餘嗎？領先的 A.I. 公司談論著一個他們的系統已大規模取代工人的未來。目前正在將 A.I. 整合到業務中的大公司幾乎肯定也在沿著類似的思路思考。他們必須這樣做，因為 A.I. 很昂貴。微軟對其企業聊天機器人 Copilot 按使用者收費。如果一家大公司——一家擁有數千名員工的公司——想為其員工購買 Copilot “席位”，它每年將面臨數百萬美元的投資。這種“支出”會帶來相應的回報嗎？公司回答這個問題的最簡單方法是考慮新產品或裁員，這可以分別產生收入或降低成本。（當然，兩者可以結合。）OpenAI 在本周發佈的一份關於“企業”A.I. 的新報告中，提供了一些專注於替代人類勞動的案例研究。一個典型的例子是 A.I. 語音代理，用於客戶服務電話；該公司表示，這樣一個代理目前每年為公司節省“數億美元”。所有這些讓人覺得工人被替代似乎是企業 A.I. 的邏輯終點。但重要的是要注意，無論是在概念上還是在內部核算方面，大公司往往難以弄清楚如何整合新技術。在二十世紀八九十年代，當 I.T. 部門還是新鮮事物時，有時不清楚它們在內部如何被證明是合理的。一個 I.T. 部門可能每年在新型電腦、網路硬體或生產力軟體上花費數百萬美元。所有這些支出產生回報了嗎？如何判斷其價值？如果一家大公司安裝了一台大型機，它可能會取代一些會計師。如果一位 I.T. 經理向她的老闆解釋為什麼電腦很重要，她能說的最簡單的事情可能就是它們可以取代打字池。然而，隨著時間的推移，情況變得清晰，資訊技術的成本和收益遠遠超過了這種核算方式所能解釋的。現代公司圍繞電腦重組了自己；在這個新世界裡，I.T. 部門的重點不是取代依賴電腦的工人，而是提高他們的效率。工人開始對他們的 I.T. 部門提出更多要求。在被稱為“消費化”（consumerization）的發展中，精通技術的員工在家裡使用的工具——如智慧型手機——變得比工作中提供的更先進；想要做更多事情的員工開始要求升級。結果是，今天，當提出 I.T. “支出”時，沒有人堅持認為這些投資會做像取代工人這樣粗暴的事情。重要的問題是新投資是否幫助現有員工完成他們的議程，並跟上其他公司的競爭對手。認為 A.I. 的最佳用途——也許是唯一有利可圖的用途——是直接替代工人的想法結合了兩股思想：一股源於對 A.I. 未來的猜測，另一股源於公司探索新技術時可能無法避免的短期資產負債表思維。與此同時，這與我們許多人在實際使用 A.I. 時的體驗截然不同。大量個人付費購買 OpenAI、Anthropic 和其他公司的帳戶，因為他們發現 A.I. 使他們更有能力和生產力。從他們的角度來看，它是人力資本的倍增器。如果你對自己想要完成的事情有細緻的感知——編寫軟體、分析研究、診斷疾病、修理家裡的東西——A.I. 可以幫助你更快更好地完成它。今天的公司花費大量資金培訓員工；即使是高素質的白領也會接觸線上研討會並被送到昂貴的靜修處，希望他們回來時會有所提高。假設 A.I. 讓一些員工的知識和能力提高了百分之五或十。公司應該為這種認知提升支付多少錢？根據一種關於 A.I. 的敘事，它提供的提升最終將大到足以讓個別工人取代團隊。一些特別樂觀的觀察家建議，不久的將來，我們將看到第一批由一兩個 A.I. 輔助的個人經營的十億美元公司。也許有些類型的工作可能實現這一點。但是，如果你嘗試使用這項技術來做你的實際工作，你可能已經發現了它的內在侷限性。A.I. 系統不夠聰明或資訊靈通，無法做出許多重要決定；它們缺乏關鍵背景；它們是無實體的、健忘的、不自然的，有時甚至極其愚蠢。也許最重要的是，它們無法被問責，也無法在工作中學習。它們可以協助你執行你明智的抱負——但它們不能取代你。所以，廣義上講，情況是，在許多公司，試圖用 A.I. 取代工人將是一個嚴重的錯誤——不僅因為 A.I. 不能取代那些工人，而且因為它實際上使他們更有價值。首先弄清楚這一點的企業將是蓬勃發展的企業。如果 A.I. 在目前的狀態下不能大規模取代工人，那麼為什麼投資者要向 A.I. 行業投入數兆美元？一個可能的答案是他們正在參與一個泡沫。他們要麼被科幻場景的編造所欺騙，要麼正在利用這些場景創造的氣候。最近，作家科利·多克托羅（Cory Doctorow）在西雅圖華盛頓大學的一次演講中概述了他對 A.I. 的一些想法。“A.I. 是一個泡沫，它會破裂，”他說。“大多數公司會倒閉。大多數資料中心將被關閉或拆成零件出售。”會剩下什麼？他的回答基本上是什麼都沒有：只是一堆新變便宜的電腦晶片，曾經用於 A.I.，以及用於“轉錄音訊和視訊、描述圖像、總結文件、自動化許多勞動密集型圖形編輯（如去除背景或從照片中修掉路人）”的軟體工具。多克托羅推測，模型本身可能會被關閉，因為它們的運行成本太高了。我們將不得不忍受隨之而來的經濟崩潰——“七家 A.I. 公司目前佔股市的三分之一以上，”他指出——而沒有我們的聊天機器人治療師。當炒作達到頂峰時，反炒作既不可避免又有價值。然而，風險在於它會變得像它希望戳破的炒作一樣極端。我從1998年到2002年在讀大學，正值第一次網際網路繁榮的頂點；我通過和室友經營一家小型初創公司支付了大部分學費，主要是為其他初創公司製作網站和應用程式。那時，就像現在一樣，無數公司提供的產品都不合邏輯。（我們為其中一些工作過。）很容易預測許多這樣的企業會倒閉，各種規模的投資者都會損失很多錢。儘管如此，底層技術——網際網路——無疑是強大的。今天很難不對 A.I. 說同樣的話。然而，與網際網路繁榮相比，人工智慧的故事更奇怪。當網際網路到來時，人們不確定如何用它賺錢。即便如此，在某種意義上，技術本身是相對完整的。似乎很清楚連接會變得更快、更普遍；除此之外，網際網路可能被用於的用途——串流媒體、電子商務、協作、雲端儲存等——已經大致顯現。（例如，在2000年左右，我們的小公司受僱建立一個工作場所協作系統，它具有許多我們現在與 Slack 聯絡在一起的功能。）在接下來的幾十年裡，建立現代網際網路所需的工程努力將是巨大的；例如，建立雲需要非凡的獨創性。但是，從一開始，網際網路的基本性質或多或少已經確定了。對於 A.I.，情況有所不同。從科學角度來看，建構和理解 A.I. 的工作遠未完成。該領域的專家在重要問題上存在分歧，例如增加當今 A.I. 系統的規模是否會帶來智力的顯著增長。（也許需要由進一步突破塑造的新系統。）他們在概念問題上也存在分歧，例如“智力”意味著什麼。關於當今的 A.I. 研究是否會導致發明能夠進行人類水平思維的系統這一至關重要的問題，他們持有強烈且分歧的觀點。從事 A.I. 工作的人傾向於清晰有力地表達他們的觀點，然而並沒有達成共識。任何編織場景的人都在與一大群同事意見相左。研究人員將通過經驗來回答許多關於 A.I. 的問題，即嘗試建構更好的 A.I. 並看看什麼有效。簡而言之，A.I. 泡沫不僅僅是一個泡沫——它是科學不確定性與不斷演變的商業思維之間的碰撞。此時此刻，關於人工智慧有兩個巨大的未知數。首先，我們不知道公司是否以及如何成功地從 A.I. 中獲取價值；他們正在試圖弄清楚這一點，而且可能會搞錯。其次，我們不知道 A.I. 會變得多聰明。不過，關於第一個未知數，我們有一些線索。我們可以根據第一手經驗說，擁有一個可用的 A.I. 真的很有用；它可以幫助你學習；它可以讓你更有能力；它可以協助你更好地利用你的人力資本，甚至擴展它。我們也可以相當自信地說，A.I. 不能做人們做的許多重要事情——除了在某些狹窄的情況下，它更擅長賦能人類而不是取代他們。與此同時，關於第二個問題——A.I. 是否會變得更聰明，聰明到改變世界——我們知之甚少。我們正在等待結果，甚至專家也無法達成一致。我們的挑戰是基於我們所知道的採取行動，而不是讓我們對未來的猜測否決它。 (外文精譯)