OpenAI 未能實現銷售和新增使用者目標的消息一出，市場反應相當激烈。軟銀、甲骨文、AMD、CoreWeave 這些 OpenAI 的核心合作夥伴在美國盤前交易中集體下跌。市場擔心的不只是 OpenAI 一家公司的業績問題，而是對整個 AI 基礎設施投資回報的質疑。畢竟，科技巨頭們已經宣佈了天文數字般的資本支出計畫，如果 OpenAI 這個行業標竿都開始增長乏力，那些動輒數百億美元的投入能否收回成本？又該回到去年大家討論已久的 AI 泡沫論了。但這次不一樣的是，就在 OpenAI 遭遇增長瓶頸的同時，它的競爭對手 Anthropic 卻交出了一份亮眼的成績單。前段時間，Anthropic 的年化收入已經突破 300 億美元，首次超越 OpenAI 的 250 億美元，這就是兩種完全不同的商業邏輯在較量。AI 應該怎麼賺錢？OpenAI 走的是典型的網際網路打法，先用免費或低價產品獲取海量使用者，再慢慢提高付費轉化率。ChatGPT 現在有 9 億周活躍使用者，5000 多萬付費訂閱者，這個使用者規模確實令人羨慕。但問題在於，付費率只有 5.6%，周活躍使用者平均收入只有 25 美元。2025 年 OpenAI 總營收 131 億美元中，C 端訂閱貢獻了 85 億美元，佔比超過 60%。這種“大而不強”的收入結構，在消費端增長放緩後就顯得有些尷尬了。OpenAI 現在面臨的局面是：C 端使用者增長見頂，企業端市場又還沒真正打開。Anthropic 從一開始就沒打算走這條路。它把 80% 的精力都放在企業客戶身上，採用 API 優先的分發模式，目前已經服務超過 30 萬家企業客戶。這種高度聚焦帶來了驚人的商業化效率，Anthropic 的月活躍使用者平均收入高達 211 美元，是 OpenAI 的 8 倍多。更能說明問題的是企業採購決策的變化。2026 年 3 月，首次購買 AI 工具的企業中有 73% 選擇了 Anthropic。而在十周前，這個比例還是五五開；去年 12 月甚至是 60:40 偏向 OpenAI。短短幾個月，企業市場的天平就完全傾向了 Anthropic。這背後反映的是消費網際網路的流量思維和企業軟體的價值思維之間的根本差異。Anthropic 從成立第一天起就站在了企業市場這條賽道上，而 OpenAI 現在才開始艱難轉身。Claude Code如果要找一個 Anthropic 成功的關鍵產品，那一定是 Claude Code，這也是筆者在 openclaw 盛行的當下，多次安利的工具，這才是真正跟生產力工具。這個企業級編碼 Agent 在市場上的表現堪稱現象級，現在 Claude Code 在企業級編碼 Agent 市場的佔有率已經達到 54%，遠超 OpenAI 的 21%。預計到今年年底，GitHub 上超過 20% 的每日程式碼提交將由 Claude Code 完成。Claude Code 的爆發式增長直接驅動了 Anthropic 整體營收的飛躍。從 2025 年底的 90 億美元年化收入，到 2026 年 4 月的 300 億美元，短短幾個月增長超過 3 倍。Anthropic 的產品哲學很清晰：“輕編排、重能力”。模型原生支援工具呼叫和環境互動，把編排的自由交給開發者，瞄準的是開發者和高級使用者這群上限最高的人。Claude Cowork 更是把這個理念推到了極致，能在本地檔案、資料夾和應用之間自由切換，代替使用者執行多步知識工作，而不只是一個聊天助手。這種“讓模型本身成為 Agent”的思路，在專業使用者群體中建立了強大的心智壁壘。OpenAI 走的是另一條路，通過 GPTs 和 GPT Store 建構開發者生態，試圖覆蓋 C 端和開發者兩個市場。但這種廣覆蓋策略導致資源分散，生態活躍度始終不溫不火。OpenAI CEO Sam Altman 自己也承認，在“真實世界程式碼”的應用上，OpenAI 起步比 Anthropic 慢，Anthropic 更早認識到將模型應用到混亂的真實程式碼庫和真實世界資料上的重要性。雖然 OpenAI 後來推出了 Codex 程式設計智能體，周活使用者在三個月內增長 5 倍突破 200 萬，但在市場份額和開發者口碑上仍然落後。管道策略在商業化的具體執行層面，兩家公司的差異同樣明顯。Anthropic 是唯一一家同時在 AWS Bedrock、Google Cloud Vertex AI 和 Microsoft Azure Foundry 三大雲平台上提供前沿模型的 AI 公司。這種“不繫結單一雲”的策略讓企業客戶無需更換雲服務商就能接入 Claude，極大降低了採用門檻。在收入構成上，Anthropic 約 60%-75% 的收入來自第三方 API 銷售（通過雲平台訪問）,10%-25% 來自官方 API 直接銷售，C 端訂閱只佔約 15%。OpenAI 長期主要通過微軟 Azure 獨家銷售模型，管道相對單一，而且只把 20% 的銷售額計入自身收入，這在一定程度上限制了市場觸達能力。不過面對競爭壓力，OpenAI 也開始調整策略，終止了與微軟的排他性合作，入駐 AWS、Oracle 等平台，並尋求接入 Google Cloud。在定價模式上，Anthropic 最近做了一個很務實的調整，把最大的企業客戶從基於席位的固定使用額度計費，遷移到按 Token 消耗量計費的標準 API 費率模式，讓定價更直接地反映資源消耗。配合強勁的營收增長，Anthropic 的毛利率有望從 2024 年的 -94% 改善到 2025 年目標的 40%，並在 2028 年進一步提升至 77%。組織文化這是一個比較虛的詞，但還是要提一提。Anthropic 產品負責人 Cat Wu 說過一句很有意思的話：“如果 Claude Code 失敗了，但 Anthropic 整體成功了，我會非常開心。整個團隊也都願意按照這樣的思路來做決策。”這種使命驅動的文化讓 Anthropic 能夠快速決策並統一執行，核心創始人團隊無一人離職，保持了罕見的穩定性。OpenAI 則呈現出截然不同的組織特徵。自 2023 年底管理層變動以來，公司經歷了技術路線的搖擺和資源的分散配置。過度聚焦 C 端產品浪費了大量資源，Sora 就是個典型例子，每天的推理成本估計高達 1500 萬美元，但整個生命周期的收入只有 210 萬美元，最終在推出不到半年後被砍掉。OpenAI 應用業務 CEO Fidji Simo 在全員會議上坦言：“我們不能因為被 side quest 分心而錯過這個時刻。”此外，多位關鍵人物的相繼離職也反映出組織內部的不穩定性。AI 又泡沫了？今天 OpenAI 營收不及預期引發的市場震盪，讓很多人又開始擔心 AI 泡沫論。但如果仔細看 Anthropic 的表現，會發現問題的本質並不在於 AI 這個行業本身，而在於 OpenAI 自身的產品力。GPT-5 出來之後，大家發現 OpenAI 的模型已經不再領先了。而且 OpenAI 當時做的 GPT-5，野心是很大的，是想著藉著 GPT-5 來做電商，這樣大家通過 GPT 這個超級流量入口，可以直接讓 AI 推薦商品，而不用自己再去其他平台搜尋，但起碼目前來看，這個模型還並沒有達到奧特曼的預期。而 Anthropic 憑藉 Claude 系列產品，在企業市場建立了明顯的技術優勢。現在很多國內公司都在想方設法給員工配 Claude API，但很少聽說誰專門去配 OpenAI 的 API。這種用腳投票的結果，比任何分析報告都更能說明問題。企業客戶是最理性的，他們不會為品牌溢價買單，只會選擇真正能提升生產力的工具。其實不管國內外，CSP 都現在依然都在囤貨、掃貨，AI需求對整個產業鏈的帶動是肉眼可見的。 (傅里葉的貓)

最近，一段2024年上傳到YouTube的視訊突然在全球社交媒體上火了起來。視訊裡，加拿大華裔學者江學勤（Jiang Xueqin）冷靜地作出了三個預測：川普會贏下大選、美國會對伊朗開戰、而且美國會輸掉這場戰爭。前兩個已成事實，第三個還懸在那裡，像一個沒人敢碰的深水炸彈，吊著所有關注中東局勢的人的胃口。最近，江學勤在《Breaking Points》節目中系統解釋了他的判斷依據。這個視訊短短兩天已經有500多萬觀看人數。他的分析不光是軍事層面的推演，更多指向了一個更深層、也更令人不安的結構性問題——這場戰爭真正的發動機，其實不在五角大樓的作戰室，而在矽谷的機房和華爾街的交易終端。換句話說，看這場戰爭，不能光盯著導彈的軌跡，還得看清楚錢是怎麼流的。沙漠裡的伺服器：美國科技巨頭正在中東布什麼局？過去幾年，有個現象沒怎麼引起注意——中東那些靠石油發家的國家，正在悄悄變臉。沙烏地阿拉伯、阿聯、卡達，過去的天際線是鑽井塔，現在冒出來的是成片的資料中心。亞馬遜的AWS在阿聯建了中東最大的雲端運算叢集之一，微軟的Azure也在卡達和沙烏地阿拉伯落地，Google雲則瞄準了利雅德。這些項目表面上是商業投資，其實背後是一條正在鋪開的AI產業鏈。為什麼偏偏是中東？說到底，就三個原因：能源便宜、錢多、位置好。這場佈局的規模大得驚人。光2023到2025這幾年，微軟就在阿聯和沙烏地阿拉伯砸了上百億美元建資料中心；亞馬遜在巴林和阿聯的業務也在不停擴張；甲骨文更是和沙烏地阿拉伯政府簽了協議，一起搞雲基礎設施。與此同時，阿聯本土的AI公司G42，正跟幾家美國科技巨頭深度合作，想把阿布扎比搞成全球AI研發的新中心。這些投資不光是商業行為，背後是一盤地緣科技的大棋——誰控制了這個地區的算力，誰就在AI時代的全球版圖上多了一個據點。先說能源。訓練一個大型AI模型，耗電量大到嚇人。一個巨量資料中心的用電量，能頂一座中型城市。而中東有的是便宜的天然氣，發電成本比歐美低得多，在這地方搞資料中心，帳怎麼算都划算。再說資本。沙烏地阿拉伯的主權財富基金PIF、阿布扎比的投資局ADIA、穆巴達拉——這些機構手裡攥著幾兆美元，正拚命往美國科技圈砸錢。有公開資料顯示，光2024到2025年，中東主權基金對美國AI公司和基礎設施的投資就超過了一千億美元。最後是地理位置。中東正好卡在亞、歐、非三洲的交界處，是全球資料傳輸繞不開的樞紐。江學勤在節目裡提了一個細節——阿聯的一個亞馬遜資料中心已經遭到攻擊。這個事很值得琢磨，說明AI基礎設施已經從“旁觀者”變成了戰場上的靶子。石油美元正在換賽道：從油井流進晶片要說清楚美國這一波AI泡沫的錢是從那來的，就得先搞明白一個運轉了快五十年的金融機制——石油美元循環。1974年，美國和沙烏地阿拉伯簽了一份秘密協議：沙烏地阿拉伯賣石油只用美元結算，美國則提供軍事保護。這套安排的厲害之處在於，全球只要有人買石油，就得用美元，而產油國手裡攢下的美元，又通過買美債、投資美國資產的方式流回美國。這個閉環是美元霸權的基石，也是美國能常年借錢不手軟的底氣。沙烏地阿拉伯Neom新城的資料中心（概念圖）但到了2020年代，這個循環裡多了一個新出口——AI。錢是怎麼流過去的？分好幾層。最上面，是沙烏地阿拉伯PIF直接入股美國科技公司和基金，金額動輒百億；中間層，是中東的家族辦公室和二級基金通過矽谷的風投進入早期AI公司；最底層，是石油出口賺來的美元，通過貿易、央行儲備、買美債這些常規管道，不斷給美國的金融市場“補水”。這三層加在一起，就是一條從波斯灣到矽谷的錢道。回頭看看OpenAI那一波波動輒幾百億的估值，輝達兩年翻幾倍的市值，還有科技巨頭們動不動千億等級的AI基建計畫——這些錢從那來？很大一部分，就來自中東。海灣國家的主權財富基金不光直接投資美國的AI公司和晶片企業，還通過買科技股、進私募、投風投，給整個AI生態提供了關鍵的資金支撐。可以說，石油美元正在換跑道，從油井轉向晶片。而美國的AI泡沫，如果這算泡沫的話，正是這條跑道的終點站。換句話說，美國這輪AI繁榮，不光是技術突破堆出來的，也是中東資本持續輸血養出來的。一旦戰爭把這條血管切斷，後果會是系統性的。五萬美元的無人機對上百萬美元的攔截彈從軍事角度，江學勤有一個獨到的觀察：伊朗根本沒打算跟美國正面硬剛，它的打法是用不對稱消耗，拖到美國自己先撐不住。這套帳算得很簡單。伊朗一架自殺式無人機，成本大概五萬美元。美國用來攔它的“愛國者”導彈，一枚就是幾百萬美元。就算打下來了，帳面上也是伊朗贏。而且伊朗為了這一天，準備了二十年。2024年那場所謂的“十二天戰爭”，讓他們摸清了美國和以色列防空體系的套路和軟肋。但比無人機更要命的，是伊朗對海灣基礎設施的打擊能力。江學勤在節目裡點了一個很現實的威脅——伊朗和它的代理人，正在有計畫地瞄準沙烏地阿拉伯、阿聯這些海灣國家的命門，比如石油設施，還有海水淡化廠。他舉了個例子：要是利雅德的淡化水廠被端了，那座上千萬人口的城市，撐不過兩周就會斷水。這可不是紙上談兵，這是幾千萬人活生生的處境。而從資本的角度看，一旦海灣國家的安全出了大問題，外資第一個跑，主權基金也得把錢抽回去搞重建，那流向美國AI的錢，說斷就斷。假如真的打起來，會發生什麼？我們來做個思想實驗。假設明天，波斯灣打起來了。胡塞武裝把曼德海峽一封，伊朗對沙烏地阿拉伯阿美的油井動手，阿聯的資料中心因為安全威脅被迫停擺。然後呢？第一步，能源市場先炸。全球五分之一左右的石油要從荷姆茲海峽走，油價幾天之內就能飆到兩百美元以上。第二步，資本市場跟著崩。海灣主權基金會緊急叫停海外投資，拋美股換現金，華爾街會迎來一場流動性地震。第三步，也是最致命的——AI產業鏈斷了。中東的資料中心關了，資本的管道被切斷，剩下的資料中心因為能源漲價營運成本飆升……美國的AI產業會面臨一場供給和資金兩頭擠的危機。這不是危言聳聽。現在美國AI產業的估值，靠兩個前提撐著：一是資本持續流入，二是算力不停擴張。這兩條都依賴一個穩定的中東。一旦戰爭把這個平衡打碎，泡沫不會慢慢洩氣，而是直接爆掉。輝達的股價、科技巨頭的市值、跟AI掛鉤的債券和衍生品，全得重估。而AI泡沫一旦破了，通過金融系統傳導開，殺傷力可能比2008年的次貸危機還要大。更深的一層，是信心。AI現在估值這麼高，很大程度上靠的是一個故事：人工智慧會改變一切，所以現在砸多少錢都值。這個故事要繼續講下去，就得有源源不斷的錢來撐股價、撐研發、撐擴張。一旦戰爭切斷了一條主輸血線，市場信心的崩塌會比實際損失來得更快。歷史早就演過——2000年網際網路泡沫，2008年次貸危機，都不是因為基本面歸零，而是因為邊際資金撤了，引發恐慌踩踏。AI泡沫要真破，也逃不過這個劇本。既然戰爭後果這麼嚴重，為什麼還會打？江學勤給了三層解釋。第一層是歷史的慣性——“帝國傲慢”。從羅馬到大英，每一個處在權力頂峰的帝國，都容易高估自己，低估對手。美國在阿富汗和伊拉克挨了那麼多教訓，按理說該長記性。但二十年過去，記憶淡了，新一茬決策者正踩著同樣的坑往前走。第二層是利益交換。沙烏地阿拉伯和以色列通過給川普家族——包括他的私募基金和競選活動——輸送了大量資金，換取了美國對伊朗動武的承諾。這種操作把國家級的戰爭決策跟私人的商業利益攪在一起，理性戰略自然讓位給了交易邏輯。第三層最隱秘，也最危險——戰爭本身，可能就是一種政治工具。在美國的憲法框架下，戰爭可以讓總統拿到大量緊急權力，比如限制公民自由、推遲選舉、壓制反對聲音。對一個想鞏固權力的人來說，一場持續的海外衝突，可能是最好用的國內政治工具。結語：演算法背後，是戰火的影子我們現在看到的，是一個前所未有的局面——人工智慧，這項被寄予厚望的技術，它的經濟底盤，竟然如此深地嵌在地緣政治的火藥桶裡。矽谷的工程師在調參，利雅德的王子在簽投資協議，德黑蘭的指揮官在部署無人機，華盛頓的政客在盤算選票和利益——這四件事看似不搭邊，其實早就纏在一起。江學勤的預測會不會全中，誰也說不準。但他點出的那個結構性矛盾是實的：美國的AI繁榮，其實是建在一個很脆的地緣政治平衡上。而那些推著戰爭往前走的力量，正好在拆這個平衡。這就像有人一邊給氣球打氣，一邊拿著針在旁邊比劃——不是會不會爆，而是什麼時候爆。對普通人來說，這意味著什麼呢？意味著你手機裡那個語音助手，你用的搜尋引擎，你每天離不開的那些自動化工具——這些看起來輕飄飄的數字服務，背後連著波斯灣的油輪、沙漠裡的伺服器，還有中東上空的無人機。技術從來不在真空裡，它一直活在權力、資本和戰爭的縫隙裡。我們聊AI的未來，或許也該抬頭看看，那些在頭頂轉的，到底是伺服器的散熱扇，還是戰火的味道。 (科工力量)

當矽谷還在高喊“AI將重塑全球經濟”，華爾街巨頭高盛直接潑來一盆冷水：2025年AI對美國GDP增長的貢獻基本為零。這份報告戳破了持續兩年的AI狂熱神話——數千億美元砸進資料中心、算力軍備競賽愈演愈烈，最終卻沒能轉化為實打實的經濟增長。所謂的“AI新經濟”，更像一場資本自嗨的泡沫遊戲。高盛首席經濟學家揚·哈丘斯的結論並非空穴來風。過去一年，微軟、Google、Meta、亞馬遜等科技巨頭砸下數百億美元佈局AI，2026年AI相關資本開支更是飆升至7000億美元，相當於美國GDP的2.8%，強度直逼1999年網際網路泡沫峰值。但從GDP核算邏輯來看，這場狂歡的真相格外殘酷：AI投資的錢，大部分流去了海外。資料中心成本約四分之三用於晶片、伺服器等硬體，而美國AI產業鏈高度依賴亞洲製造環節。按照GDP支出法核算，企業進口硬體的支出，會在“淨出口”項中被全額抵消，投資拉動效應直接歸零。簡單說，美國企業越瘋狂買算力裝置，東亞半導體與製造業經濟體的GDP越受益，美國本土卻只拿到了“投資熱鬧”，沒分到“增長實惠”。這也是高盛判定AI貢獻為零的核心原因——錢花了，GDP沒漲，全是進口抵消效應。比經濟貢獻掛零更可怕的，是美國AI泡沫的三大膨脹特徵，每一項都在透支行業未來。第一，投入產出嚴重倒掛，商業化遙遙無期。紅杉資本資料顯示，全球AI基礎設施年投入超6500億美元，實際相關收入僅500億美元，6000億美元的投入鴻溝觸目驚心。OpenAI年收入僅數十億美元，年虧損卻突破百億美元，陷入“越發展越虧損”的怪圈。麥肯錫調研更揭露行業真相：近80%部署AI的企業未能提升淨利潤，95%的生成式AI試點項目沒有直接財務回報。巨頭們靠延長裝置折舊年限掩蓋成本，中小AI公司則靠融資續命，90%的AI創業公司註定失敗，“殭屍企業”數量逐年激增。第二，資本過度集中，估值嚴重透支。2025年美國風投超65%湧向AI領域，資金扎堆硬體層，軟體應用與技術創新反而遇冷。美股AI概念股估值飆升至歷史高位，標普500市值增幅超58%由10家AI龍頭推動，市場完全被“AI敘事”綁架。然而泡沫已開始破裂：2026年以來，美股科技七巨頭市值蒸發超1.5兆美元，輝達、博通等核心標的股價重挫，投資者終於清醒——沒有盈利支撐的高估值，終究是空中樓閣。第三，產業結構畸形，風險外溢經濟全域。AI軍備競賽讓科技巨頭自由現金流急劇惡化，Google自由現金流或暴跌90%，亞馬遜、Meta甚至面臨轉負風險。為維持燒錢，企業大舉發行高息債券，2025年AI相關信貸發行佔比達全年美元計價信貸的30%，債務風險持續累積。更致命的是“擠出效應”：資金全被AI硬體吞噬，傳統製造業、實體產業投資持續低迷，美國經濟患上“AI依賴症”，一旦泡沫破裂，將拖累整體增長。很多人拿AI與網際網路革命類比，試圖淡化泡沫風險，但兩者本質截然不同。網際網路泡沫時期，技術落地帶動了生產力提升、就業增長與產業重構，最終走出了Google、亞馬遜等真正創造價值的企業。而當前的AI熱潮，停留在算力競賽與資本炒作層面，沒有大規模提升勞動生產率，沒有改變就業結構，更沒有滲透到實體產業創造真實價值。索洛悖論再次應驗：“你到處都能看到電腦時代，唯有生產率統計裡看不到”。美國AI泡沫的本質，是技術狂熱、資本逐利與政策推動共同催生的虛假繁榮。政府力推AI主導權，企業跟風燒錢搶份額，華爾街炒作概念推高股價，三方合力把AI吹成了“無所不能”的神話，卻忽略了最核心的商業化與經濟轉化。高盛的報告，就是戳破神話的那根針——沒有實際產出的技術革命，終究只是泡沫。當然，這並不意味著AI毫無價值。長期來看，AI仍是重塑生產力的核心技術，但技術落地需要時間，商業化需要場景，經濟貢獻需要積累。歷史反覆證明，所有脫離基本面的資本狂歡，最終都會回歸理性。2000年網際網路泡沫破裂後，行業洗盤留下了真正的創新者；如今的AI泡沫，也終將經歷擠水分、去泡沫的過程。對於美國而言，當下最該做的不是繼續瘋狂燒錢，而是讓AI回歸產業本質：推動技術落地實體、完善本土供應鏈、提升投入產出效率。對於全球市場而言，高盛的報告是一記警鐘：別被AI敘事綁架，尊重技術規律，尊重商業常識。從“貢獻為零”到真正驅動經濟，AI還有很長的路要走。而那些只靠炒作、沒有真實價值的AI泡沫，終將在理性回歸中破裂。畢竟，資本可以製造狂熱，但經濟增長，永遠只認實實在在的產出與價值。 (新火m)

一筆S交易，引發連鎖暴跌。PE行業正在上演詭異的一幕：一方面，各家PE巨頭們基本都發佈了亮眼的財報，募資額暴增，並實現了創紀錄的利潤。黑石去年淨利潤21.4億美元，同比翻了一倍，創下“四十年最強業績”；KKR去年Q4單季募資430億美元創下四年新高；阿波羅全球全年募資2280億美元創歷史紀錄，利潤超出市場預期……與此同時，它們的股價卻一瀉千里。剛剛過去的2月，幾乎成了PE行業的“股災”之月——黑石的股價單月跌幅達20%，KKR跌了30%，阿波羅全球資管跌了29%，Ares Managemant跌了33%，凱雷跌了12%，TPG跌了33%。2月的最後一個交易日（2月27日），又是集體大跳水的一天。黑石跌了3.88%，KKR跌了6.34%，阿波羅全球資管跌了8.57%……這樣不講道理的跌法，讓人恍如回到了2008年金融危機。實際上，自進入2026年以來，PE巨頭們的股票就一直在被投資者大肆拋售。年初至今黑石市值已經縮水了30%多。令人擔憂的是，這次大跌不但沒有走穩的跡象，反而還有愈演愈烈之勢。“SaaS末日”成了PE巨頭們的滑鐵盧在今天的資本市場上，AI是萬因之始，亦為萬象之果。這場大跌的禍源，同樣被扣到了AI的頭上。2026年1月，Anthropic發佈了AI智能體工具“Claude Cowork”，可以自主在使用者的電腦上執行複雜、多步驟的專業工作。一時之間，整個SaaS行業人心惶惶。因為Claude Cowork號稱可以搞定財務審計、人事管理、法律合規等各種各樣的工作，傳統SaaS軟體公司將被一舉顛覆。於是，一場“SaaS末日”恐慌席捲美股，上市SaaS公司股價集體暴跌。這還沒完。2月23日，Anthropic宣稱其AI程式設計工具“Claude Code”能夠在一夜之間完成對COBOL系統的現代化改造。COBOL被稱為軟體行業“最堅固的堡壘”，IBM靠維護COBOL程式碼已經躺賺了幾十年。消息一出，IBM股價單日暴跌13%，創下25年來最大跌幅。雖然，事後來看這兩件事中輿論都有點過分誇大了AI的能力，AI還沒那麼快在專業工作上替代人類。但對傳統SaaS商業模式的懷疑種子已就此種下，龐大的軟體行業成了一座融化中的冰山，而第一道裂縫已經出現。在GPT橫空出世之後，多少傳統行業都在惴惴不安地擔憂會不會被顛覆。現在，第一個AI“受害者”看起來已經出爐了。那麼問題來了，軟體行業崩了，跟PE行業又有什麼關係呢？關係還真不小。實際上，軟體行業是過去十年來PE行業投資最多的行業，沒有之一。SaaStr的資料顯示，從2015年到2025年，私募股權機構共收購了超過1900家軟體公司，交易金額超過4400億美元。在2025年，近20%的槓桿併購的目標是軟體公司。這還只是小頭。我們知道，過去十年PE機構大力發展“放貸”業務，私募信貸規模急劇膨脹。一般認為，目前美國私募信貸的餘額可達3兆美元。而據瑞銀的估計，其中多達三分之一都投給了SaaS公司。如今，黑石、KKR等頭部PE巨頭們，無不在軟體行業有大規模的佈局。在部分大型基金在軟體行業的配置超過了30%。Thoma Bravo、Vista Equity等一批專注於投資軟體行業的專業型PE機構，管理規模都超過了千億美元。PE機構們青睞軟體行業的原因很好理解。因為SaaS的商業模式是訂閱制，擁有穩定的經常性收入、高利潤率、可預測的現金流，客戶遷移成本還高，這樣的商業模式正是PE機構的最愛。然而，沒人預料到，隨著AI的興起，對軟體公司的超額配置居然成了PE機構的集體滑鐵盧。首先，軟體公司的估值正在大幅縮水，美國科技軟體股指數今年已經下跌20%，軟體股的平均P/S倍數更是從9倍掉到了6倍。二級市場如此，一級市場只會更糟。而更令人擔憂的是規模以兆美元計的私募信貸。過去，PE機構們在向軟體公司“放貸”的時候，一個前提假設是它們擁有“永續”的現金流。而現在這個假設顯然不成立了，再疊加當下的高利率環境，這些債務面臨巨大的違約風險。一筆S交易，引發連鎖暴跌就在市場愈發不安之際，一樁不合時宜的S交易成了引爆點。2月18日至20日，Blue Owl Capital宣佈將旗下三隻私募信貸基金的資產轉讓給幾家北美養老金和保險機構投資者。雖然這次資產出售的估值是面值的99.7%，並沒有明顯折價。但由於據稱Blue Owl將永久停止其中一隻基金的贖回，市場還是將其解讀為“資產質量惡化”。於是，這筆交易規模只有14億美元，卻一舉把管理規模達3000億美元的Blue Owl的股價干崩了。2月19日起的三個交易日，Blue Owl股價暴跌了22%。Blue Owl的暴跌引發了連鎖反應，黑石、KKR、Ares等其他PE巨頭的股價也跟著一起暴跌。這並不是誤傷。由於一級市場的低流動性，估值調整較慢，資產的貶值不會立刻反映在財報上。而越是這樣，投資者們越是感到擔憂。這導致各大PE巨頭的私募信貸基金都在2026年陷入了贖迴風暴。在2025年，已經有多家獲得了巨額私募信貸融資的大型企業宣佈破產，讓投資者對私募信貸的資產質量非常擔憂。尤其是去年First Brands宣佈破產，居然出現了抵押品不翼而飛的情況，暴露出私募信貸對風控的嚴重忽視，引起巨大爭議。當時，摩根大通CEO戴蒙就發出警告稱：“看到一隻蟑螂時，可能還有更多。”暗示美國私募信貸市場存在系統性風險。這並不完全是危言聳聽。彭博情報的資料顯示，在二月的短短四周之內，就有177億美元的美國科技公司貸款滑落至“困境交易水平”，也就是面臨嚴重財務困境、瀕臨違約或破產，其中大部分來自SaaS公司。晨星的資料也顯示，在2025年底以來，對軟體公司的槓桿併購貸款陷入“困境交易水平”的金額急劇增長，目前已經佔到總額的13%之多。彭博預計，私人信貸的違約率在2026年可能上升2個百分點，達到6%。瑞銀更是預測，如果AI的顛覆性影響繼續加速，美國私人信貸的違約率可能達到13%，是正常水平的3倍以上。當然，這場危機到底會發展到何種程度現在還很難說。幾乎所有PE巨頭們都公開表示“問題不大”，市場反應過度。但無論如何，可以確定一場巨變正在發生。那些敏銳的機構早就在行動了。阿波羅全球資管在2025年已經把對軟體行業的配置砍了大約一半，配置比例從20%降至約10%。Thoma Bravo的創始人奧蘭多·布拉沃在今年的達沃斯論壇上坦言，AI將顛覆許多軟體公司，尤其那些核心能力是技術的公司。Thoma Bravo手中握有超過75家軟體公司，是世界上最大的軟體公司投資者之一。就在不久前，黑石總裁喬·格雷在接受採訪時談到AI相關資產是否存在泡沫的問題，他表示：“人們都在關注泡沫風險，我認為最大的風險其實是顛覆性風險——如果一個行業在一夜之間就面貌全非該怎麼辦？”與VC不同，PE通常關注那些有穩定、長久價值的行業。當PE也在談顛覆的時候，一定有什麼不同尋常的事情在發生。 (投中網)

在2026年2月的全球金融市場中，一股風險厭惡情緒正悄然蔓延。摩根大通首席執行長傑米·戴蒙近日在投資者會議上表示，當前市場狀況讓他聯想到2008年金融危機前夕的景象。他指出，高資產價格、槓桿化過度以及某些機構從事“愚蠢行為”可能增加風險，並強調信貸周期中總有意外發生。這一言論並非孤立，而是與市場資料相呼應：債券收益率下降、安全資產需求上升、私人信貸問題凸顯，以及人工智慧（AI）潛在顛覆帶來的不確定性。這些因素共同構築了當前市場格局，預示著經濟可能進入更謹慎的階段。全球市場風險厭惡情緒的蔓延2026年2月，全球金融市場呈現出明顯的風險厭惡跡象。儘管股市在某些領域出現反彈，但整體趨勢指向安全資產的轉移。根據最新市場資料，美國股市在2月24日反彈，道瓊斯工業平均指數上漲370點，標準普爾500指數和納斯達克指數分別上漲0.77%和1.04%。然而，這更多是軟體股從AI顛覆擔憂中短暫恢復所致，而非根本性轉折。歐洲股市相對穩定，STOXX Europe 600指數持平，但債券收益率創下多月低點，顯示投資者轉向避險。債券市場是風險厭惡的核心指標。美國國債收益率曲線繼續陡峭化，2月20日10年期國債收益率收於4.08%，2年期為3.48%，10年-2年利差為0.60%。這一陡峭化並非源於長期利率飆升，而是短期利率相對穩定，長期利率下行，暗示市場預期聯準會可能進一步降息以應對潛在衰退。加拿大債券收益率也顯著下降，10年期降至3.18%，2年期至2.43%，創下去年11月以來最低，反映出加拿大銀行已宣佈結束降息周期，但市場對全球同步復甦的疑慮加深。歐洲債券市場同樣顯示出避險需求。德國10年期國債收益率降至2.71%，義大利10年期BTP收益率跌至3.33%，均為2024年以來低點。法國和義大利收益率也創下多月新低，表明投資者在股票波動中轉向歐元區債務。儘管歐洲央行一再強調經濟處於“好位置”，但收益率下行趨勢從2月初持續，顯示市場對官方樂觀敘事的懷疑。英國10年期國債收益率降至4.30%，同樣反映出財政赤字壓力與經濟疲軟的博弈。亞洲市場則更複雜。日本政府債券（JGB）10年期收益率持穩於2.11%，但近幾個月下行趨勢明顯。買家罷工結束的跡象顯現，養老基金和保險公司可能重返市場，這與日本經濟再衰退相符——2025年下半年GDP大幅收縮，無反彈。日元匯率弱化至約156日元/美元，但作為防禦性貨幣略有走強。瑞士法郎升值至15年高點，匯率約0.77瑞士法郎/美元，政策利率已降至零，但資金仍湧入，凸顯全球風險偏好下降。這些趨勢並非孤立。2月初私人信貸溢出效應加劇，引發全球信用擔憂。戴蒙的言論強化了這一敘事：高資產價格並非安慰，而是風險放大器。市場訊號顯示，風險厭惡從美股科技類股擴散至全球債券和貨幣，類似於2006-2007年的“上升潮水抬高所有船隻”階段，但潛在下行風險更高。分析評論：當前風險厭惡並非突發，而是積累結果。2025年關稅不確定性和AI泡沫擔憂已醞釀多時。債券收益率集體下行表明投資者優先保本，而非追逐回報。這可能預示短期波動加劇，但若央行干預及時（如聯準會維持3.50%下限），可避免系統性危機。相比2008年，當前槓桿雖高，但監管更嚴，私人信貸分散風險或成緩衝。區域經濟動態與安全資產飛行美國市場是全球風向標。2025年第四季度GDP增長1.4%，低於預期，但私人國內最終購買增長2.4%。失業率降至4.4%，1月新增就業5萬，雖低於預期，但顯示勞動力市場轉折。通膨持穩，PCE指數2.7%，核心2.6%。然而，AI擔憂導致軟體股暴跌，iShares Expanded Tech-Software Sector ETF（IGV）較52周高點跌超30%。標準普爾500指數預計年底達7500點，增長10%，但科技盈利增長33%依賴AI實現。加拿大經濟同步全球趨勢。2025年第四季度GDP增長2.6%，但2026年預期放緩。失業率升至6.8%，就業增長8200。債券收益率下行反映對銀行結束降息的疑慮，市場預期短期利率降至2%附近，類似於2008年後伯南克時代。歐洲經濟面臨分化。歐元區PMI顯示製造業觸44月高，但整體增長乏力。德國Ifo商業景氣指數下滑，義大利通膨最終資料待確認。債券收益率下行至2024低點，德國-義大利利差0.62%，歐元/美元1.18。失業率穩定，但青年失業率上升。歐洲央行樂觀敘事與市場背離，顯示投資者擔憂全球信用問題而非本地復甦。日本經濟再衰退，2025年下半年GDP收縮，無第四季度反彈。首相高市早苗對央行加息表示擔憂，導致日元貶值1.1%至156.28。JGB收益率下行，買家罷工可能結束，但養老基金重返需經濟惡化確認。銀行日本聲稱加息針對過熱，但政府刺激需求凸顯矛盾。瑞士經濟收縮，第三季度GDP下滑，第四季度無反彈。消費者價格回落，政策利率零，但法郎強勢顯示全球資金流入。瑞士並非“賣美國”，而是純避險資產，類似於日本但更極端。分析評論：區域動態顯示全球同步“Pringle周期”最終階段——央行退回降息，但需更大刺激。安全資產飛行從2月初加速，非關稅不確定性或AI報告所致，而是根本信用擔憂。相比2008年，當前全球化更深，亞洲衰退可能放大歐美風險。但AI投資（2026年資本支出佔GDP 2%）或成新增長點，緩解下行壓力。私人信貸周期的風險與趨勢私人信貸是戴蒙警告的核心。2026年展望顯示，資產管理規模預計到2030年翻番至4.5兆美元，2026年募資回暖。直接貸款主導，但困境債務、特殊情況和資產支援融資增長。供給漸超需求，收益率谷底8.0%-8.5%，仍高於歷史均值。然而，風險上升。2025年違約率升至5.8%，軟體行業從7.5%降至1.9%，但整體上升。槓桿增加，非銀行金融機構槓桿化加劇。戴蒙指出“愚蠢行為”如風險貸款，與2005-2007類似。全球私人信貸從影子銀行演變為主流融資，規模匹敵銀團貸款1.5-2兆美元，預計2028年達3兆美元。趨勢包括公私融合、信貸輪廓變化、零售增長。銀行與私人信貸重聯，分散風險。但成熟市場意味著機構化、銀行互聯性增加，資本充裕影響競爭和承銷標準。2026年交易勢頭重建，M&A量回升。分析評論：私人信貸增長是雙刃劍。分散銀行風險增強金融穩定，但晚周期過度（如垃圾貸款）可能放大衰退。戴蒙“信貸驚喜”警告提醒，當前高資產價格掩蓋問題。若AI顛覆加劇失業，信貸質量惡化風險上升。投資者應關注違約率和槓桿，優先高品質資產。AI泡沫與股票市場不確定性AI是2026年市場焦點。軟體股暴跌源於AI顛覆擔憂，如Anthropic工具威脅SaaS模式。納斯達克指數波動，科技盈利預期33%，但失業擔憂（2028年10%+）拖累。Citadel報告顯示失業率4.28%，AI資本支出6500億美元，資料中心2800個。但軟體工程師職位增長11%，顯示短期穩定。全球股市輪動：工業、消費防禦、能源領先，科技落後。標準普爾500旋轉至“真實經濟”股，如卡特彼勒、沃爾瑪、埃克森受益AI資料中心、成本意識消費、油價上漲。分析評論：AI並非純負面。S曲線擴散顯示早期採用慢，但成本下降後加速。短期泡沫擔憂合理，但長期提升生產力。市場“AI恐慌交易”過度，軟體股反彈顯示調整。投資者應平衡科技與防禦，關注Nvidia財報（收入661億美元，增長68%）作為風向標。全球經濟指標展望2025年第四季度全球GDP放緩。美國1.4%，加拿大2.6%，日本平坦，瑞士收縮。2026年預期：美國2.1%，加拿大放緩，歐元區溫和，日本再衰退風險。失業率：美國4.4%，加拿大6.8%，歐洲穩定，日本青年失業12.2%。通膨：美國PCE 2.7%，加拿大2.4%，歐洲回落。聯準會展望顯示降息風險減少，若2月就業強勁，利率持穩。全球央行分化，日本加息“愚蠢”，瑞士負收益率。分析評論：指標顯示軟著陸可能，但下行風險傾斜。失業上升與通膨持穩暗示政策空間有限。AI資本支出或推高商品價格（AI相關大宗上漲65%），但若失業加劇，消費疲軟。2026年增長穩定3%，但需警惕貿易、地緣風險。結論：警惕訊號與戰略應對戴蒙的2008類比雖非預言，但捕捉了當前焦慮：高資產價格、信貸風險、AI顛覆。市場訊號——債券下行、安全資產強勢、私人信貸溢出——顯示風險厭惡主導。相比2008年，當前有更強監管和分散融資，但全球同步衰退風險更高。投資者應關注央行動態、AI財報、經濟資料，優先避險配置。長遠看，AI或驅動復甦，但短期波動不可避免。全球經濟需更協調政策，以防“小驚喜”演變為大危機。 (周子衡)

導讀全球AI投資浪潮正以算力、資料中心和大模型為核心重塑科技產業與資本結構，形成高強度、短周期、重資產的新型投資循環。本文系統梳理了AI投資的歷史演進、產業層次與融資結構，對比其與網際網路泡沫的異同，本輪AI熱潮技術基礎更穩固，但金融鏈條更複雜、系統性風險更高。文章進一步分析AI泡沫可能的破裂路徑及跨國傳導機制，強調未來更可能經歷結構性出清而非單點崩塌，為政策制定與資產配置提供風險識別框架。引言AI的全球性投資浪潮正在重塑科技行業的結構，也重塑著資本市場的邏輯。以大模型、算力基礎設施和資料中心建設為核心的AI鏈，形成了自2008網際網路以來最強烈的一輪跨周期資本累積。巨頭之間的資本開支競賽不斷刷新紀錄，從NVIDIA的GPU出貨與企業市值，到微軟、亞馬遜、Google爭相投建的超大規模資料中心，再到初創公司圍繞模型、Agent與新型AI服務，展現出一種技術突破疊加資本擠兌式投入的發展結構。與傳統科技周期不同，這一輪投資不僅規模更大、節奏更密集、折舊周期更短，也構成了一個容易產生系統性風險的正反饋循環。在未來收益充滿不確定性的背景下，AI產業彷彿踩在紅利與成本現實的雙軌之上，推動市場在繁榮與泡沫之間不斷擺動，債務與融資結構也逐漸複雜化：為支撐資料中心和算力擴張，銀行、ABS與企業債等多管道快速擴張，放大了利率與信用風險的傳導路徑。01. AI投資的系統梳理(一) 歷史處理程序AI投資熱潮的發展歷程可以大致分為幾個階段。1、早期探索階段（1950年代-1980年代）。AI主要以學術研究為主，技術集中在符號主義、邏輯推理和早期神經網路上。雖然計算能力和資料規模有限，但政府和高校的科研資助推動了基礎理論的發展。例如，1956年達特茅斯會議首次提出“人工智慧”概念，1960年代的MYCIN和DENDRAL專家系統在醫療診斷和化學分析中進行了初步應用。此階段的投資主要依賴於政府撥款和科研基金，風險投資尚未形成規模。日本政府在1980年代啟動的“第五代電腦計畫”（FGCS）也試圖推動AI產業化，但整體投資活躍度仍較低。2、1980年代至1990年代的AI低潮期。即所謂的“AI寒冬”，早期專家系統和神經網路在實際應用中屢屢受挫，技術無法滿足市場預期。計算能力不足、資料匱乏以及投資回報不確定，使得全球範圍內的AI投資大幅減少。美國、英國和日本等國家紛紛縮減AI相關研發預算，資本市場對AI初創企業的熱情顯著下降。3、21世紀初（2000年代-2010年代）的復甦期。隨著網際網路的普及和巨量資料技術的發展，AI迎來了新的發展機遇。統計學習方法逐漸成熟，機器學習和早期深度學習模型開始顯現潛力。與此同時，GPU計算能力提升和雲端運算的發展為AI應用提供了必要的基礎設施。這一時期的投資逐漸恢復，以科技公司和部分風險投資機構為主，重點關注資料驅動型的智能演算法和初創公司。2006年，Hinton提出深度學習概念，為後續的突破奠定基礎；2012年，AlexNet在ImageNet競賽中取得壓倒性勝利，標誌著深度學習技術進入快速發展期。4、2012年至2020年，AI投資進入快速增長階段。深度學習在圖像識別、語音識別和自然語言處理等領域取得實際應用，帶動了風險投資和企業併購的熱潮。科技巨頭如Google、Facebook、百度等紛紛加大研發投入，同時AI初創企業融資金額屢創新高。例如，2015年，全球人工智慧市場融資規模達到了63億美元。這一階段的投資特點是技術驅動與資本市場熱情共同推動，行業應用開始拓展至金融、醫療、教育等多個領域。5、2021年至今，生成式AI的快速發展進一步引爆了新一輪投資熱潮。OpenAI發佈的ChatGPT引發全球關注，推動企業和投資者加大對生成式AI及相關基礎設施的佈局。微軟、Google、騰訊等科技巨頭通過戰略投資和併購搶佔技術前沿，AI創業公司融資規模屢創新高，資本熱情從科技行業擴散到金融、醫療、教育、製造等各類應用場景。生成式AI的技術突破和跨行業落地能力，使得AI投資成為全球科技資本追逐的核心方向之一。ChatGPT發佈（2022年11月30日）至今，輝達股價累計上漲964%，其利潤累計上漲1354%；蘋果股價累計上漲91%，其利潤累計上漲12%；微軟股價累計上漲90%，其利潤累計上漲55%；Google股價累計上漲211%，其利潤累計上漲107%。但近兩年，AI投資逐漸放緩，反映出AI技術發展及其在各行業應用仍處於探索的早期階段。雖然長期市場潛力仍然巨大，但最初的熱情已被在實際應用中推廣人工智慧技術的複雜性和挑戰所削弱。來源：2025 AI Index Report(二) 產業層次與參與主體近年來，AI產業的發展逐漸呈現為基礎設施、平台、應用三個層面平行推進，並由不同類型主體共同推動其資本流動與技術落地。首先，在基礎設施層，AI所需的算力硬體，如GPU、專用加速器、伺服器、儲存、網路裝置等，以及支撐這些硬體的系統成為基礎底座。分析指出，AI伺服器市場近年來經歷爆炸式增長。根據最新統計，全球伺服器市場因AI加速器需求迅速擴張，2024年前三季度伺服器銷售額大幅上升，AI伺服器出貨量與總伺服器平均壽命替換需求疊加，推動整體市場顯著擴容。另一方面，以阿里雲為代表的雲基礎設施提供商，其在中國 AI 基礎設施市場（IaaS）中佔據領先地位。2024年下半年阿里雲在中國AI IaaS市場份額達約23%，在大模型訓練與推理兩大子市場均位列第一。其次是平台層或雲服務層，即把基礎算力、儲存和網路資源以“雲服務、模型服務、算力租賃、按需呼叫”等形式打包提供給下游使用者。隨著 AI 技術成熟、模型越來越大，對算力和靈活資源調度的需求也越高，使得雲服務商、neo‑cloud租戶、專業AI服務商等成為關鍵中介。業界觀點認為，隨著大模型與雲端運算的融合，傳統雲端運算（IaaS）正在向“AI 原生”（AI‑native）雲服務演進，雲廠商不僅提供通用計算資源，也在提供專門為AI最佳化的算力、調度、儲存、模型部署環境等服務。此外，智算雲服務（AI‑optimized cloud）在中國也形成了較為明確的產業鏈結構，上游含晶片與伺服器基礎設施，中游為雲平台提供商，下游為行業使用者。最後是應用層，即行業化落地層。當基礎設施和平台服務配備就緒後，大量企業就能夠借助雲+模型服務，把 AI 技術應用到具體場景中：例如網際網路服務、金融、製造、醫療、零售、公共服務等等。報告指出，隨著AI平台服務能力提升，對於中小企業、傳統行業的“上雲+用數+賦智”門檻大幅降低，這推動了AI應用的廣泛普及。這個體系的推動主體首先是超大科技公司及頭部雲廠商（hyperscalers），其擁有資金、基礎設施、全球資源分配能力，是基礎設施與雲平台能力建構最重要推動者。其次是專業雲、neo‑cloud租戶、中型雲服務提供商及智算雲服務商，它們通過租賃基礎設施、提供靈活、彈性的AI算力及雲服務，把能力下放，為更多中小企業與行業使用者提供門檻更低、按需付費的AI服務。然後是私募和債權市場，基礎設施尤其是資料中心和機櫃建設，需要巨額資金投入，也往往借助債權融資、私募基金或機構資本支援。這使得AI基礎設施本身成為一種資本資產，並連接到更廣泛的金融市場與資本運作中。綜上，這種多元主體參與的機制，使得AI投資熱潮不僅是技術浪潮，也是基礎設施擴張、服務變現與產業應用同步推進的綜合性變革，也是當前AI產業能夠迅速擴張並持久化的重要原因之一。(三) 融資形式及周期特徵AI 基礎設施與平台建設需要大量資本投入，因此融資形式呈現多樣化趨勢。一方面，企業常通過企業債、高票息直接貸款獲取建設資金，這類方式利率相對固定、融資成本可控，但增加了短期償債壓力。另一方面，隨著項目規模擴大，也出現了基於長期租約的項目融資模式，即通過未來收入現金流如雲租用、AI服務訂閱等支援融資；進一步衍生的還有資產證券化（ABS），將資料中心、GPU叢集或機房租約收入打包成可交易證券，使投資風險在資本市場分散。與此同時，部分私募信用也開始進入AI基礎設施領域，為非上市公司提供靈活的信貸支援。這種多元化融資結構在分散風險的同時，也引入了資訊不對稱、信用評級難以精準評估以及流動性錯配的問題。AI硬體尤其是GPU、定製加速器和AI‑optimized 伺服器更新周期短，導致資本支出密集且折舊快速。短周期硬體更新不僅增加了資產殘值不確定性，還會加大再融資壓力，尤其在企業擴張或大規模部署初期。這意味著投資者在衡量 AI 基礎設施項目時，必須同時考慮技術迭代風險、折舊損失、未來現金流以及市場需求變化。在大型AI 資料中心項目中，GPU佔總資本支出約40-50%，伺服器機櫃與網路裝置佔30-35%，折舊周期短的硬體部分對項目財務壓力貢獻顯著。02. AI投資熱潮與網際網路泡沫的異同（一）相似之處當前的AI投資熱潮與1999年網際網路泡沫之間確實存在明顯的相似關係：高度一致的市場情緒、對技術變革的集體敘事、企業估值大幅上漲、媒體與投資人對新產業的超預期樂觀，這些因素共同構成了典型的科技繁榮景觀。市場熱情高漲，資本對新興技術的追逐表現出明顯的“短期高估”傾向。在網際網路泡沫期間，投資者對電子商務、入口網站等前景抱有過度樂觀預期，而在當前AI熱潮中，生成式AI、行業大模型、智能硬體和雲服務等領域的融資額持續攀升，部分初創公司估值迅速膨脹，許多人工智慧公司的估值已遠超行業平均水平，例如，Palantir和特斯拉的市盈率遠遠超過了200倍，而標普500指數成分股公司的平均市盈率約為25倍。其次，風險偏好顯著提高，投資者願意在尚未盈利或尚處於早期研發階段的企業中投入巨額資金，以搶佔潛在市場份額。而市場投機心理與輿論推動相結合，媒體和分析機構對前沿技術的持續炒作進一步放大了資本湧入速度。（二）關鍵差異首先，AI熱潮的技術基礎更為穩固。與1999年網際網路泡沫不同，當時許多公司缺乏可落地的商業模式，網際網路技術本身尚不成熟；而當前AI技術已經在電腦視覺、自然語言處理和大模型訓練等領域取得實際突破，生成式AI具有可直接落地的行業應用，從金融、醫療到製造和教育均有明確商業場景。其次，產業生態和資本結構更加多元。AI投資不僅包括風投和天使投資，還涉及企業資本支出（CAPEX）、私募信用、債券融資以及資產證券化（ABS）等形式，使風險能夠在一定程度上分散，同時引入了更複雜的流動性和資訊結構管理。再次，AI投資與全球基礎設施建設緊密掛鉤，如GPU、資料中心、雲端運算平台和模型訓練服務等，而這些硬體與雲服務資產具有長期使用價值和持續收入潛力，相較於1999年網際網路公司大量依賴短期廣告或電商流量收入，更加穩健。最後，監管與風險控制環境更加成熟。當前金融市場對AI相關融資有更嚴格的資訊披露和風險評估要求，部分國家和地區也出台政策鼓勵AI技術創新與應用，同時限制過度槓桿和投機行為。此外，從產業長周期發展來看，每一輪過度投資都可能為產業的長期成長做好了鋪墊。1999年網際網路泡沫崩潰後，此前大規模投資的光纖、電腦、移動通訊等裝置大幅度壓低了電子裝置和網路費用，Google、亞馬遜等一批網際網路企業和整個產業得以持續快速發展。（三）風險複雜性更高當年的泡沫主要集中在股價上，而今天的風險通過資本開支、長期租約、債務結構、影子銀行體系以及跨國能源和供應鏈瓶頸等多層結構相互疊加，一旦某個環節出現違約或資金緊縮，很可能不是簡單的“科技股下跌”，而是沿著融資鏈條迅速向房地產、信貸市場乃至跨境資金流動擴散，從而引發結構性的金融緊張。AI市場目前面臨的挑戰也更加複雜：技術瓶頸，例如輝達高端晶片供應短缺；應用程式的商業化滯後，大多數人工智慧公司尚未找到可持續的現金路徑；以及技術脫鉤，例如美國和中國的晶片監管。新興人工智慧公司傳統財務估值方法的失敗加劇了這種風險，資本狂熱導致泡沫的可能性仍然存在。03. AI泡沫破裂的可能性與傳導路徑AI 泡沫是否會破裂不能簡單地用“會”或“不會”來判斷，而應從估值邏輯、宏觀政策和全球資金流動三條主線分析其潛在破裂方式及時間窗口。從估值角度看，如果未來2-3年大模型的商業化速度無法匹配當前動輒百億美元的資本投入，市場估值必然進入回呼期，尤其是依賴 AI 敘事驅動漲勢的公司更容易經歷大幅波動。從宏觀政策角度看，若聯準會與歐洲央行維持高利率或再次收緊流動性，資料中心開發商、AI 獨角獸及依賴長期租約融資的基礎設施項目將面臨更高的再融資成本壓力，信用風險可能從個別企業擴散為行業性調整。從全球資金流動角度看，美國吸收全球資本將使新興市場、跨境基礎設施項目以及外幣債務敞口較高的經濟體最先感受到壓力，進一步把科技投資的波動轉化為跨國金融波動。整體而言，本輪AI投資周期大機率不會以1999年網際網路泡沫那種單點式全面崩塌收場，而更可能呈現漫長的結構性出清：先是局部估值回呼，再到資本鏈條的重新定價，最終由宏觀政策變化推動整個系統向新的均衡移動。如果發生破裂，具體方式主要包括兩個管道：一是估值重估，觸發因素包括AI商業化速度落後預期、盈利增長未達標或關鍵企業盈利警告，結果是高估值成長股票回呼，指數高度集中導致市場波動放大，回撤集中在“巨頭+AI”股票；二是信貸與項目融資鏈條斷裂，觸發因素包括利率上升、租戶違約或 neo‑cloud企業現金流緊張，結果是資料中心開發商與特殊目的載體面臨償債壓力，資產價值快速下滑，債權損失擴散至銀行、直接貸方及ABS持有者，將泡沫從股市傳導至實體信貸市場。在未來政策方面，需要找到一個平衡：不僅要支援龍頭企業突破技術界限，還要培養多元化的應用產業鏈，以建構良性的工業生態。技術革命的本質不是避免泡沫，而是通過持續的技術迭代能力和可行的商業模式，在穩定資本的支援下，推動長期的GDP增長和引領代際飛躍，並將資本狂熱的階段轉變為新的質量生產力。整體來看，AI 泡沫破裂不是單一事件，而是一系列結構性調整和局部泡沫破裂的組合，AI熱潮將經歷周期性的回撤，但它在超自動化領域（例如機器人、AGI）具有遠超網際網路時代的長期潛力，出現一次性大規模全面崩塌的可能性取決於貨幣政策和信貸鏈條的健康狀況。04. 跨國風險傳導AI 投資熱潮的全球化特徵意味著，一旦出現市場調整，其影響可能跨境傳導。觸發機制主要包括利率和信貸環境的收緊，例如，若美、歐主要央行同時加息並收緊信貸，全球資金快速撤出，將直接衝擊依賴外幣融資的新興市場以及海外AI項目，尤其是資料中心與雲服務廠商。此外，能源供應，尤其是電力，與全球供應鏈瓶頸，也可能放大地區性危機，導致局部市場風險集中爆發。潛在時間窗可分為短期和中期兩個階段。在短期，若宏觀利率快速上行或發生大型租戶違約，短期內可能看到信用利差迅速擴大，同時項目融資重新定價，資料中心、相關REIT及開發商最先暴露風險。在中期，如果AI商業化鏈條未能形成廣泛盈利，尤其是行業級應用落地緩慢，市場可能從增長溢價向盈利篩選切換，導致估值普遍回呼，資金重點流向盈利能力強的項目和企業。各國宏觀政策將是跨國傳導的決定性變數之一。一方面，聯準會與歐洲央行的利率與流動性政策會直接影響債務負擔與風險溢價：緊縮將放大企業融資壓力，寬鬆則可能延緩市場調整，但同時積累更高的系統性風險。另一方面，財政與產業政策的作用也不容忽視：針對資料中心電力成本或AI研發的補貼和支援，能夠緩衝局部衝擊，但可能延長非盈利項目的資金供給周期，形成“殭屍化”風險。最後，宏觀審慎與監管措施也會調節跨境風險傳導的幅度：加強對非銀行信貸、ABS透明度及應計壓力測試，可降低系統性傳染風險；反之，監管盲點可能放大跨國資本流動和供應鏈壓力造成的風險。05. 結語當前的AI熱潮同時包括真實的技術紅利若干高度脆弱的金融鏈條，因此更像是一種局部繁榮與局部泡沫並存的複雜態勢，而非歷史上的單一泡沫復刻。分析的關注點不應停留在“是否存在泡沫”，而應轉向泡沫存在的具體位置、形成機制及其可能通過那些管道傳導至宏觀金融體系。對政策制定者與資產管理者而言，最佳策略是在強化風險監測的基礎上進行選擇性防禦，重點關注資料中心融資結構、租戶信用狀況以及短期再融資節點；在估值重估情形下，應優先迴避高度槓桿化且盈利路徑不明確的投資敞口，從而在享受技術紅利的同時，降低系統性風險暴露。 (IMI財經觀察)

無數投資者註定無眠！經歷了數日狂飆後，黃金與白銀畫風突變遭遇重挫。這記突如其來的“悶棍”，讓原本狂熱的市場瞬間降溫。1月30日晚，黃金創下近40年來最大單日跌幅，盤中一度暴跌逾12%；白銀則刷新了歷史最大日內跌幅紀錄，跌幅更是一度超過36%。受此衝擊，多家黃金品牌緊急上調退貨手續費至1%-5%，這一舉措進一步加劇了市場的恐慌情緒。引爆這場崩盤的導火索，是關於“川普計畫提名凱文·華許（Kevin Warsh）出任下任聯準會主席”的突發利空消息。針對此次貴金屬市場的劇烈波動、後續走向以及散戶投資策略等問題，鳳凰網《風暴眼》對話中國首席經濟學家論壇理事邵宇。以下為核心要點整理：01黃金“急剎”，白銀“墜崖”誰點燃了暴跌導火索？邵宇表示，此次黃金、白銀迎來大幅下跌，核心原因在於前期漲幅過快，疊加市場對流動性預期的短期修正。具體來看，年初南美洲的地緣政治局勢、美國與歐洲盟友因格陵蘭問題產生的爭執，以及達沃斯峰會所展現出的“叢林法則”傾向，均讓市場對原有世界秩序產生質疑，進而動搖了美元體系的可信度。在這樣的背景下，市場形成了一致的看多交易，快速推升了黃金、白銀的價格，積累了風險。而凱文·華許的提名則成為了此次暴跌的“導火索”。邵宇分析，市場普遍將凱文·華許視為偏鷹派人物，認為其上任後可能放緩聯準會釋放流動性的節奏。但是，美國總統川普一直要求降息或者釋放流動性，如果任命一個比鮑爾還要鷹派的人，川普的政策意圖就不能實現。所以，凱文·華許的政策觀點存在一定糾結性。他一方面傾向於降息，另一方面又要縮表，這兩項政策如同“踩油門”與“踩剎車”平行，本身存在分裂性。不過市場的第一反應的是釋放前期快速上漲積累的風險，進而引發了劇烈調整。此外，黃金與白銀的市場屬性差異，也導致兩者跌幅呈現明顯分化。邵宇提到，黃金有中央銀行作為核心購買者，同時還有黃金穩定幣發行方扮演類似央行的購買角色，這為黃金價格提供了一定支撐；而白銀缺乏這樣的穩定購買力量，投機性遠強於黃金，因此此次調整中，白銀跌幅更為劇烈，甚至達到了三分之一，而黃金的下跌更多是技術性修正，跌幅可能在10%-15%左右。02黃金泡沫並未破裂，眼下只是階段性休整針對此前關於“黃金、數位資產與人工智慧是當前最‘堅硬’的三大泡沫”的觀點，邵宇再次明確表示，這一判斷依然成立。他指出，這類結構性泡沫的持續，離不開寬鬆流動性的支撐。當前聯準會的流動性政策尚未出現根本性轉向，縮表等收緊措施也需經過川普政府層面的認可，短期內實質性收緊的可能性較低。但他同時提醒，若未來流動性全面轉向，三大“泡沫”均將面臨較大挑戰。邵宇進一步分析稱，從現有情況看，聯準會今年仍可能降息2-3次，雖然不一定再度擴表，但縮表也將是一個漸進過程，不是一天兩天的事。最終政策路徑，仍取決於後續宏觀資料的觀察。此外，邵宇還指出黃金的三個邏輯：第一是地緣政治邏輯，第二是貨幣寬鬆邏輯，第三是美元體系與債務的龐氏騙局邏輯。這些邏輯都需要時間來證偽。地緣政治可能在一兩年內證實或證偽，貨幣寬鬆邏輯因凱文·華許的任命可能幾個月就能看出真偽，而美元體系的龐氏化則需要10到15年才能驗證。在他看來，市場實際上是將這幾個時間跨度不同的邏輯，疊加在近期特別是最近半年的走勢中，這顯然誇張。不過，除了貨幣寬鬆邏輯需要等待新任聯準會主席的政策來證偽之外，其他邏輯目前依然成立。所以邵宇認為，黃金的泡沫並未破裂，眼下只是階段性的休整。03當前貴金屬暴漲與歷史相似？核心邏輯有本質區別有觀點認為，2024-2026年貴金屬的暴漲，與歷史上黃金白銀兩次暴漲後的慘烈結局有著驚人相似之處。歷史上，黃金白銀兩次暴漲後均出現泡沫破裂，散戶在峰值追高後血本無歸，市場信心崩塌，貴金屬從“避險王者”淪為“高風險資產”，資金大量外流至股市。對此，邵宇表示，當前的貴金屬暴漲與歷史事件雖有表面相似，但核心邏輯存在本質區別。邵宇回顧，歷史上第一次黃金白銀暴漲源於布列敦森林體系崩潰，此前黃金價格被固定在一盎司35美元，相當於“彈簧被壓制了20年”，一旦放開便暴漲17倍，後續暴跌近一半；而此次貴金屬上漲，儘管近三年漲幅也達到了兩倍多，漲幅規模遠不及歷史水平。更為關鍵的是，此波貴金屬上漲的核心驅動力是全球貨幣體系、世界秩序的不確定性，以及地緣風險的持續擴張，不會在1到2年內去證偽，這讓更多的投資人不分晝夜地衝進去了。所以，邵宇認為，當前出現的短期技術性調整，完全正常。與此同時，邵宇也提醒，當前處於大眾媒體時代，資訊傳播的一致性極強，即便是黃金這種全球第二大規模的資產，也會出現劇烈波動，白銀作為投機性更強的大類資產，與有色金屬同步劇烈波動，也反映出市場中從眾效應和羊群效應的明顯性，這也是當前市場與歷史市場的重要差異之一。04“風險總是漲出來的，機會總是跌出來的”針對當前市場環境，邵宇對散戶提出了明確的投資建議，核心是“拒絕追漲殺跌，堅持合理配置”。他表示，白銀的投機性極強，不值得散戶過多配置；而黃金具有自身的價值，可作為資產組合中的一部分進行配置，但需掌握正確的配置方法。具體來看，散戶應採取“反向操作”策略：在黃金價格高位時適當拋出，在低位時補倉，核心原則是讓貴金屬在個人整個資產組合中保持固定比重（例如10%），當貴金屬資產佔比超過10%時，拋出部分倉位；當佔比低於10%時，補倉至目標比例，以此實現合理的大類資產配置，規避短期市場波動帶來的風險。邵宇強調，投資中的波段操作難度極大，追漲殺跌不僅辛苦，還容易虧損，而堅持固定比例配置，雖然看似“反人性”，但卻是更穩健的方式。此外，他提醒散戶，“風險總是漲出來的，機會總是跌出來的”。就在1月29日早上，針對黃金、白銀的瘋狂上漲，邵宇已經在微信朋友圈發出第一次預警。 (鳳凰衛視)

作為AI堅定且樂觀的支持者，不同於達沃斯經濟論壇中許多對“AI導致失業”“AI存在泡沫”的聲音，黃仁勳用自己的例子，力主AI能夠增加就業，並切實有利於經濟發展的觀點。輝達CEO黃仁勳第一次亮相達沃斯經濟論壇，就受到了隆重而熱烈的歡迎。當地時間1月21日上午，他出現在了瑞士小鎮大會廳。據財新網報導，這一會場正是當日下午美國總統川普發表演講的地方，且入場觀眾必須分區落座，並禁止媒體用相機拍照。規格之高可見一斑。貝萊德董事長兼CEO、世界經濟論壇臨時聯合主席勞倫斯·芬克（Laurence D. Fink）主持了對談。芬克在開場白中給了黃仁勳諸多讚揚之語，稱黃仁勳是自己學習AI過程中的觀察對象和導師，並盛讚其領導力讓輝達自上市以來實現了30%到37%的驚人總回報復合年增長率，他是最能清晰理解、解讀人工智慧的人。黃仁勳名副其實。他繼而分享了自己的“五層蛋糕理論”，即，通過能源層-晶片層-雲基礎設施層-模型層-應用層的結構來理解AI產業。他還提到，在這一產業結構上，人類歷史上最大規模的基礎設施建設已經啟動，包括能源、晶片、資料中心等都在驚人地增長，而大模型則是萬眾焦點，更可喜的是，作為最終經濟收益發生的地方，應用層也變得更加出色。“去年是有史以來風險投資規模最大的年份之一，而大部分資金都流向了‘AI原生企業’，這些企業遍佈醫療保健、機器人、製造業、金融服務等全球所有主要行業。”黃仁勳稱。他還總結了自己眼中的2025年“三件大事”，除了其自身及輝達一貫關注的代理AI、物理AI的進展外，黃仁勳還提到開源模型的發展，讚許DeepSeek出現的重大意義。而作為AI最堅定、最樂觀的支持者之一，不同於達沃斯經濟論壇中許多對“AI導致失業”“AI存在泡沫”的警示聲音，黃仁勳用自己的例子，力主AI能夠增加就業，並切實有利於經濟發展的觀點。他提到，AI掀起的基建熱潮為管道工、電工、建築工等工人創造了大量工作崗位，並讓其工資幾乎翻倍增長，建設AI工廠的工人能獲得六位數薪水。此外，他還在微觀層面以醫院，尤其是放射科醫生和護士為例，論證稱人們都認為AI將取代這些崗位，但實際上，AI幫助他們完成研究掃描影像和病歷記錄等繁瑣工作、案頭工作，解放了他們的時間，讓他們更多接待、照料病人，從而提升了醫院本身的生產力和容納量，更多病人湧入醫院，醫院進而僱傭了更多醫生和護士。“思考AI對某項工作影響的簡單方法是，理解這份工作的目標和任務分別是什麼，”黃仁勳認為，明確了目標和任務，AI就能讓任務自動化，進而提升生產力，最終更好的達成目標，並有益於整體的發展和就業。有關近來甚囂塵上的“AI泡沫論”，輝達本身就是其“受害者”。該公司在市值觸頂後，即使業績節節高昇，仍因市場對泡沫的擔憂而遭到拋售。黃仁勳在對談中回擊稱，看看輝達的GPU有多難買，就知道是否存在泡沫了。他還透露，公司GPU的現貨價格正在上漲，除了當前的主力產品Blackwell系列外，甚至前兩代產品也在漲價。與對泡沫論的“不屑一顧”相對應，黃仁勳在對談中始終提示AI帶來的機遇是歷史性的，他號召無論發達國家還是新興國家，都應該認識到AI是一種必不可少的基礎設施，必須建構自己的AI，“利用你們的基礎自然資源，你們的語言和文化，發展你們的AI，持續改進它，讓你們的國家智能成為你們生態系統的一部分”。他看好歐洲雄厚的工業基礎和科學基礎，並認為可以憑此跳過美國更擅長的軟體階段，直接進入物理AI與機器人領域。他提示，“機器人技術對於歐洲國家來說，是一代人一次的機會”，並建議相關國家“認真考慮增加能源供應，以便能夠投資基礎設施層”。在對談的最後，黃仁勳再次強調，AI的機會非常巨大，同時也需要更多的基礎設施、更多的投資來建設這個未來。“每個人都必須參與進來，每個人都必須投入其中！”他呼籲道。以下為黃仁勳與芬克對談實錄，經鈦媒體編輯整理：勞倫斯·芬克：大家早上好。我非常榮幸地向大家介紹黃仁勳，他是我敬佩的人，是我一路學習科技和人工智慧過程中的觀察對象和老師。看他如何領導輝達，令人讚嘆。我通常不喜歡與人比較，但這次比較我很喜歡。自從輝達上市以來，那是在1999年，與貝萊德同年上市，自那時起，輝達為股東帶來的總回報復合年增長率約為30%到37%。想想看，如果每個養老基金在輝達IPO時就投資它，那將對每個人的退休儲蓄帶來多大的成功。與此同時，貝萊德也非常出色，總回報率達到21%。對於一家金融服務公司來說相當不錯，但與輝達相比，當然就遜色了。而這，恰恰極好地說明了黃仁勳的領導力以及輝達的市場定位。同時，這也是關於世界對未來信念的一個重要聲明。所以，恭喜你取得的成就。我知道我們未來還有多年的旅程要走。黃仁勳：謝謝。非常感謝。我唯一的遺憾是在IPO之後，我想給父母買點好東西。於是我在公司估值3億美元時賣了一些輝達的股票，當時公司估值就是3億美元。然後我給他們買了一輛梅賽德斯S級轎車，那是當時世界上最貴的車。勞倫斯·芬克：他們現在還留著那輛車嗎？我想當然留著。黃仁勳：是的，他們還留著。勞倫斯·芬克：現在讓我們進入正題。首先我想介紹下關於人工智慧的辯論，焦點在於它將如何改變世界和當前全球經濟。我想談談人工智慧如何為全球經濟做出貢獻，如何日益成為一種基礎性技術，讓在座的每個人都能利用它來提升我們的生活、提升世界上每個人的生活。我們需要討論它將如何重塑幾乎所有其他領域的生產力、勞動力、基礎設施。但更重要的是，它將如何重塑世界，以及如何讓世界上更多的地區受益。我們如何確保全球經濟得到拓寬，而非縮小。關於人工智慧是什麼，我想不出還有誰比你對此有更清晰的見解，因為許多主要的超大規模雲端運算公司都在使用輝達的產品。所以，再次感謝你，這是你第一次來到達沃斯世界經濟論壇，我知道你的日程非常繁忙，還是非常感謝你抽出時間。黃仁勳：謝謝。勞倫斯·芬克：那麼讓我們直接開始。你為什麼相信人工智慧有潛力成為經濟增長重要的推動力？是什麼使得當下這一刻、這項技術不同於過去的技術周期？黃仁勳：首先，當你想到人工智慧，並以各種不同方式與它互動時，包括使用ChatGPT、Gemini，或者Anthropic的Claude，以及它能做的神奇事情時，就會幫助我們回溯到計算棧根本性變化的第一性原理。這是一次平台轉型，就像向個人電腦的平台轉型一樣。平台是應用程式建構於其上的東西，我們在新型電腦上開發出了新的應用程式，我們走過了網際網路的平台轉型、移動雲端運算的平台轉型。在每一次這樣的平台轉型中，計算棧都被重塑，新的應用被創造出來。從這個意義上說，這是一次新的平台轉型。如果你認識到人工智慧能做那些你以前從未能做的事情，它就真的很容易理解。過去的軟體本質上是預錄製的。人類會輸入並描述演算法或指令，讓電腦執行。它能夠處理結構化資訊，意思是需要輸入姓名、地址、帳號、年齡、住址等。你建立這些結構化的表格，然後軟體從中檢索資訊。我們稱之為SQL查詢。SQL是全世界有史以來最重要的資料庫引擎。過去幾乎所有東西都運行在SQL上。現在我們擁有了一台能夠理解非結構化資訊的電腦，意思是它能看懂一張圖片並理解它。它能閱讀文字並理解——這些都是完全非結構化的。而現在，它能聆聽聲音並理解它，理解其含義，理解其結構，並推理出該對此做什麼。因此，我們首次擁有了一台並非預先錄製，而是即時處理的電腦。這意味著它能夠獲取環境資訊、上下文資訊以及你提供的任何資訊的情境，推理出這些資訊的含義，並推理出你的意圖——而你的意圖可以用非常非結構化的方式描述。我們正是這樣做的。你想怎麼描述就怎麼描述。我們稱之為提示詞，但你可以按你喜歡的方式描述。只要它能理解你的意圖，它就能為你執行一項任務。那麼，人工智慧是什麼？當你想到人工智慧時，你想到的是AI模型。但從產業角度看，理解這一點非常重要：人工智慧上本質上是“五層蛋糕”。最底層是能源AI。因為它是即時處理的，並且即時生成智能，它需要能源來實現，所以能源是第一層。第二層是我所在的層，晶片和計算基礎設施。再其上一層是雲基礎設施、雲服務。再上一層是AI模型。這是大多數人認為的人工智慧所在。但別忘了，為了讓這些模型得以存在，你必須擁有其下的所有層。但最重要的一層，也是正在發生的一層，其上的那一層——我們最終需要它成功的那一層——就是應用層。所以這個應用層可能在金融服務領域，可能在醫療保健領域，可能在製造業領域，這是經濟收益發生的地方。但重要的是，由於這個計算平台需要其下的所有層，都已經啟動，並且是人類歷史上最大規模的基礎設施建設。我們現在已經投入了數千億美元。這是合理的，因為所有這些情境資訊都需要被處理，以便模型能夠生成必要的智能，來驅動最終位於頂層的應用程式。所以，當你回溯並逐層推理時，你會發現能源領域正在經歷非凡的增長，晶片領域也是如此——台積電剛剛宣佈將建造20座新的晶片工廠。富士康與我們以及緯創、廣達合作，正在建設30座新的電腦製造廠，這些裝置將進入那些AI工廠。所以，晶片工廠、電腦工廠和AI工廠正在全球各地建設。還有儲存領域，對吧？美光已開始在美國投資2000億美元。SK海力士表現非常出色。三星表現非常出色。你可以看到整個晶片層如今都在驚人地增長。當然，我們現在非常關注模型層，但令人興奮的是，其上的應用層也確實做得非常出色。現在有一個指標是風險投資的去向。去年是有史以來風險投資規模最大的年份之一。去年，大部分資金流向了所謂的“AI原生企業”。這些企業遍佈醫療保健、機器人、製造業、金融服務等全球所有主要行業。你會看到巨額投資湧入這些AI原生企業，而只要模型足夠好，應用就完全可以建構於其上。勞倫斯·芬克：那麼讓我們再深入一點。顯然，我相信每個人都使用自己的聊天機器人來獲取資訊。但你談到AI的普及將是關鍵。讓我們進一步探討它在物理世界普及的相關前景。你提到了醫療保健是一個很好的例子。但你在交通或科學等領域是否也看到了一些變革性機遇呢？黃仁勳：我想說，去年在AI技術層、模型層發生了三件大事。第一是模型本身起初令人好奇和有趣，但產生了大量幻覺。而去年，我們都可以合理地接受這些模型更加可靠了。它們可以進行研究。它們能夠推理那些可能未被訓練過的情境，將其分解為逐步的推理步驟，並制定計畫來解決和回答你的問題、進行研究或執行任務。所以去年我們看到語言模型演變為我們所謂的“代理型AI系統”。第二個重大突破是開源模型的突破：DeepSeek出現了。坦白說，當時很多人都相當擔心。DeepSeek對全球大多數行業、大多數公司來說都是一件大事，因為它是世界上第一個開放原始碼的推理模型。自那時起，一大批開源推理模型湧現出來。開源模型使得公司、行業、研究人員、教育工作者、大學、初創企業能夠利用這些開源模型來啟動項目，並創造適合其需求的、針對特定領域或專業化的東西。去年取得巨大進展的第三個領域是物理智能的概念，即不僅僅是理解語言，還能理解自然的物理AI。它可以是理解我們這裡物理世界的AI，理解蛋白質、化學物質、自然物理的AI，理解流體動力學、粒子物理、量子物理的AI。這些AI現在仍在學習所有這些不同的結構和不同的“語言”。蛋白質本質上是一種語言。所以，所有這些AI現在都取得了如此巨大的進展，以至於這些行業的工業公司，無論是製造業還是藥物發現領域，都在取得巨大進步。一個重要的標誌是我們與禮來公司的合作。他們認識到，AI在理解蛋白質結構和化學結構方面取得了如此非凡的進展，基本上能夠像我們與ChatGPT對話一樣與蛋白質互動和“交談”，我們將看到一些真正重大的突破。勞倫斯·芬克：所有這些突破都引發了關於人類的擔憂。你我對此有過多次交談，但我們需要告訴所有聽眾，人們非常擔心AI會取代工作崗位，而你一直持相反觀點。但顯然，正如你所說，AI的建設——歷史上最大規模的基礎設施建設——將會發生。黃仁勳：這會在能源領域創造就業，在晶片行業創造就業，在基礎設施層創造就業，在土地、電力、設施等方面創造就業。勞倫斯·芬克：那麼讓我們更詳細地探討一下。所以實際上你認為我們將面臨勞動力短缺。那麼，在你看來，AI和機器人是會僅僅改變人類工作的性質，還是會消除工作呢？黃仁勳：我們可以從幾個不同的角度來思考這個問題。首先，這是人類歷史上最大規模的基礎設施建設，將創造大量就業崗位。而且非常棒的是，這些就業與手工藝相關。我們將需要管道工、電工、建築工人、鋼鐵工人、網路技術員、安裝和配置裝置的人員……所有這些工作崗位，我們在美國已經看到這個領域出現了相當顯著的熱潮。工資上漲了，幾乎翻了一番。所以，我們談論的是建造晶片工廠、電腦工廠或AI工廠的人們能獲得六位數的薪水，而且我們在這方面有很大的短缺。我非常高興看到這麼多國家的許多人真正認識到這個重要領域。你知道嗎，每個人都應該能夠過上美好的生活，你不需要擁有電腦科學博士學位也能做到。所以我很高興看到這一點。第二點要認識到，我們常常會理論化地討論任務的自動化等等，以及這對工作崗位意味著什麼。我想舉一些真實的例子，這些是實際發生的情況。記得十年前，第一個被認為將被淘汰的職業是放射科醫生。原因是，第一個在能力上超越人類的AI是電腦視覺，而電腦視覺最大的應用之一就是放射科醫生研究掃描影像。十年後的今天，確實AI現在已經完全滲透並擴散到放射學的每一個環節。確實，放射科醫生使用AI來研究掃描影像。現在，它的影響是100%的，而且是完全真實的。然而，並不令人意外——如果你從第一性原理出發思考，就不會感到意外——放射科醫生的數量增加了。勞倫斯·芬克：這是因為缺乏信任嗎？還是因為人類與AI結果互動的需求？黃仁勳：完全正確。原因在於，放射科醫生的工作，其目的是為患者診斷疾病。而工作的任務包括研究掃描影像。現在他們能夠無限快地研究掃描影像，這使他們有更多時間與患者在一起診斷疾病，與患者互動，與其他臨床醫生互動。自然而然地，醫院能夠接待的患者數量增加了，隨後醫院的收入增加了，所以他們僱傭了更多的放射科醫生。同樣的情況也發生在護士身上。美國短缺約500萬名護士，現在可以通過使用AI來處理患者就診的記錄和轉錄工作，而護士們此前一半的時間都花在記錄上。一家名為Abridge的公司是我們的合作夥伴，他們做得非常出色。結果，護士們可以有更多時間探望病人，給予人文關懷。因為現在可以接待更多患者，我們不再受護士數量的瓶頸限制，更多患者可以更快地進入醫院。因此，醫院營運得更好，就會僱傭更多的護士。AI提高了他們的生產率，也增加了僱員數量。我想這是兩個完美的例子。現在，思考AI對某項工作影響的簡單方法是：理解這份工作的目的和任務分別是什麼。也許，如果你只把鏡頭對準我們倆，觀察我們，你可能會認為我們倆是打字員，因為我所有時間都在打字。所以如果AI能自動化這麼多預測性工作並幫助我們打字，那我們就會失業。但顯然那不是我們的目的。所以問題是：你工作的目的是什麼？對於放射科醫生和護士來說，目的是照顧人，而這個目的因為任務被自動化而得到增強，使他們更具生產力。因此，當你推理每個人的目的與任務，我認為這是一個有用的框架。勞倫斯·芬克：讓我們把話題擴展到發達經濟體之外。幫我理解一下，AI如何在全球範圍內傳播並幫助世界？我上周末讀了一篇關於Anthropic的文章，文章基本上說，最近AI的使用主要由受過教育的社會階層主導，甚至看到每個社會中受過教育的群體使用率遠高於其他群體。那麼我們如何確保AI成為一種變革性技術，就像Wi-Fi和5G對於新興世界那樣？我們如何拓寬全球經濟？第二，回到整個關於機器人和AI的工作崗位情況，那裡會有一些替代發生，並且替代已經在美國發生。我們可能在創造更多的管道工和電工，但我們可能不再需要那麼多金融機構的分析師、律師，因為AI能更快地積累資料。那麼，讓我們先關注一下新興世界或者開發中國家，你如何看待這種回報？黃仁勳：首先，AI是基礎設施。我無法想像世界上有那個國家不需要將AI作為其基礎設施的一部分，因為每個國家都有電力、道路，你也應該有AI作為基礎設施的一部分。當然，你總是可以進口AI，但如今訓練這些AI模型並不那麼困難。而且因為有這麼多開源模型，憑藉你們當地的專業知識，你們應該能夠建立對自己國家有益的模型。所以我真的相信，每個國家都應該參與建設AI基礎設施，建構自己的AI。利用你們的基礎自然資源，即你們的語言和文化，發展你們的AI，持續改進它，讓你們的國家智能成為你們生態系統的一部分。第二點，大家應該記住，AI非常易於使用。它是有史以來最容易使用的軟體。這就是它增長最快、採用最迅速的原因。僅僅在兩三年內，使用者量就接近10億了。我想說，首先Claude非常了不起。Anthropic在開發Claude方面取得了巨大進步和飛躍。我們公司在各處都在使用它。Claude的程式設計能力、推理能力，以及其他能力，都非常不可思議。任何軟體公司都應該使用它。另一方面，ChatGPT可能是有史以來最成功的ToC的AI，比如它的易用性和親和力，我也認為每個人都應該參與進來，無論是開發中國家的人，還是學生。現在很清楚的是，學習如何使用AI、如何指導AI、如何提示AI、如何管理AI、如何為AI設定護欄以及評估AI，這些技能與我們領導、管理人員沒有什麼不同。所以未來，除了生物性的、碳基的“AI”，我們還將擁有數字版本的AI、矽基版本的AI，我們必須管理它們。它們將成為我們數字勞動力的一部分。因此，我建議開發中國家：建設你們的基礎設施，參與AI，並認識到AI很可能彌合技術鴻溝，因為它如此易於使用、如此豐富、如此易於獲取。所以，你知道，我對AI提升新興國家潛力的前景實際上是相當樂觀的。對於那些沒有電腦科學學位的人來說，你們現在都可以成為程式設計師了。過去，我們必須學習如何程式設計。現在，你可以通過詢問電腦“我該如何程式設計你？”來完成程式設計。如果你不知道如何使用AI，只需走到AI面前說：“我不知道如何使用AI。我該怎麼使用AI？”然後它會向你解釋。你說：“我想寫一個程序來建立我自己的網站。我該怎麼做？”它會問你一系列關於你想建構什麼樣網站的問題，然後為你編寫程式碼。它就是那麼容易使用。這當然就是AI令人難以置信的、令人興奮的力量。勞倫斯·芬克：還有兩個簡短的問題，我們現在身處歐洲。我們剛才談論了很多公司，提到了很多美國公司和亞洲公司。跟我們談談AI與歐洲未來的成功將如何交匯，以及輝達將在歐洲扮演什麼角色？黃仁勳：我很幸運。輝達有幸與世界各地的AI公司合作。因為我們處於基礎設施底層，我們為所有AI提供動力，無論是語言AI、生物學AI、物理學AI，還是與製造業和機器人相關的世界模型AI。對於歐洲來說，真正令人興奮的是，歐洲的工業基礎非常強大。這是機會，可以跳過軟體時代，直接進入新階段。美國確實引領了軟體時代。但AI是一種不需要編寫軟體的軟體。你不編寫AI，你教導AI。所以現在就及早參與，這樣你們就可以將你們的工業能力、製造能力與人工智慧融合起來。這將把你們帶入物理AI或機器人的世界。機器人技術對於歐洲國家來說，是一代人一次的機會。無論是德國、法國，還是我訪問過的所有國家，工業基礎都非常強大。另外要認識到的是，歐洲的深厚科學基礎仍然非常強大，而現在可以受益於應用人工智慧來加速你們的發現。所以我認為，相當確定的是，你們必須認真考慮增加能源供應，以便能夠投資基礎設施層，從而在歐洲擁有一個真正豐富的人工智慧生態系統。勞倫斯·芬克：我聽到很多觀點稱，我們遠未到AI泡沫的階段。問題反而是，我們的投資足夠嗎？讓我們換個角度，因為有很多人在談論泡沫，但是否真正的問題是我們是否投入了足夠的資金來拓寬全球經濟所需做的事情？黃仁勳：檢驗AI泡沫的一個好方法是認識到，輝達的GPU現在已有數百萬台部署在各個雲服務商的雲端，我們在每個雲端都被使用。如果你現在想租用輝達的GPU，那真是太困難了。GPU租賃的現貨價格正在上漲，不僅是最新一代的，連前兩代的GPU租賃價格也在上漲。原因在於，正在建立的AI公司數量眾多，企業正在將其研發預算轉向AI。禮來就是一個很好的例子。三年前，他們幾乎所有的研發預算可能都花在實體實驗室上。注意他們投資的大型AI超級電腦、大型AI實驗室。未來，他們的研發預算將越來越多地轉向AI。所以，所謂的AI泡沫之所以出現，是因為投資規模巨大。而投資巨大，是因為我們必須為所有上層AI建構必要的基礎設施。因此，我認為機會確實非常巨大，每個人都必須參與進來，每個人都必須投入其中。我們需要更多能源。我想我們都認識到了這一點。我們需要更多的土地、電力和設施。我們需要更多具有技能的技術工人。事實上，歐洲在這方面的勞動力人口非常強大。是的，在很多方面，美國在過去二三十年裡失去了這部分，但它在歐洲仍然非常強大。這是一個利用這一優勢的非凡機遇。所以，我想說，我們都看到了投資機會和投資規模正在上升。正如我早些時候提到的，2025年是有史以來風險投資規模最大的一年，全球超過1000億美元，其中大部分流向了AI原生企業。這些AI公司基本上正在建構其上的應用層，它們將需要基礎設施，需要我們的投資，來共同建設這個未來。勞倫斯·芬克：我實際上相信，這將成為全球養老基金的一個絕佳投資機會，參與其中，與這個AI世界共同成長。這是我傳遞給各位政治領導人的一個資訊：我們需要確保普通養老金領取者、普通儲蓄者能夠分享這種增長。如果他們只是作為旁觀者，他們將會感到被排除在外。黃仁勳：我也希望他們投資於輝達。基礎設施是一項偉大的投資。這是人類歷史上規模最大的基礎設施建設。是的，參與進來吧。勞倫斯·芬克：時間到了。希望現場的每一位聽眾，以及網路直播的每一位觀眾，都能看到黃仁勳作為領導者的力量，不僅僅是技術和AI領域的領導者，更是商業領域的領導者，同時也是一位充滿心與靈魂的領導者，這在當下尤為重要，需要這種發自內心和靈魂的領導力。謝謝大家。謝謝。 (鈦媒體)