AI泡沫論？高盛來安撫了“AI是不是泡沫”的問題，被討論了整整365天"高盛分析師Shreeti Kapa在12月15日寫道但你關心的短期漲跌，機構根本不看他們在下更大的賭注——AI到底能不能顛覆勞動力市場高盛說"AI不是泡沫"的核心論點這份報告裡最核心的一段話，我幫你劃重點了："這是人類歷史上第一個能規模化替代認知勞動的技術。之前所有技術革命——印刷機、電力、網際網路——都是在幫人類幹活。但AI不一樣，它能直接替代人。"高盛給出了三個關鍵論據：1.AI能力翻倍的周期是"月"，不是"年"或"十年"。指數型進步曲線，不是線性。2.AI能自我改進。AI改進AI，這在人類技術史上從未有過。3.資本可以直接替代勞動。以前雇100個人幹的活，現在一套AI系統+零邊際成本就搞定了。所以，拿2000年網際網路泡沫來類比AI？大錯特錯機構最擔心的3個問題是什麼？問題1：晶片折舊是不是在"美化報表利潤"？市場傳言：超級大廠把GPU折舊年限拉長，變相美化利潤。高盛研報引了一位大廠雲端運算的高管描述："我們2020年買的A100現在還在跑，利用率接近100%。不是折舊造假，是產能根本不夠，老卡都捨不得退役。"所以，你覺得這是財務粉飾，還是真實需求呢？問題2：AI投資回報在那？企業真有賺到錢嗎？質疑的聲音：燒這麼多錢，EPS提升在那？高盛又給了一個案例（某大型電商的Applied AI負責人）："之前我們用500個ML模型做商品合規稽核，24個月才部署完，精準率60%。現在？3個月，1個模型，精準率90%。欺詐商品清理速度翻倍，直接提升GMV。"更關鍵數字：高盛策略師預計，AI生產力提升對S&P 500 EPS的貢獻2026年只有5%，但在2027年提升到15%問題3：估值是不是已經Price-in了所有利多？高盛的估值推演（劃重點！！！）自ChatGPT推出以來，S&P 500市值增加了約$24兆AI相關公司（晶片+超級大廠+私有AI公司）貢獻了約$19兆高盛對AI未來10-15年創造的增量資本收入估值：基準$8兆，樂觀$19兆高盛按出的計算器！！！$19兆增量收入 × 20%利潤率 = $4兆利潤 × 22倍PE =$88兆潛在估值空間而現在市場只漲了$24兆。華爾街的"暗盤"在那？兩個被嚴重低估的方向暗盤1：銅——AI競賽的真正瓶頸大家都在盯著晶片但高盛指出一個更大的問題：美國電力不夠用了資料很嚇人：72%的美國資料中心集中在1%的區域電網跟不上，輕則漲電價，重則直接斷電高盛更狠的一句話："電力瓶頸可能讓美國在AI競賽中輸給中國。"而中國呢？電力產能還在瘋狂擴張。受益標的：銅高盛預測銅價2035年漲到$15,000/噸邏輯很簡單——電網升級必須用銅，而且供應端集中在東大暗盤2：消費股——機構倉位創歷史新低這是報告裡最有"預期差"的部分："Consumer Discretionary（可選消費）的倉位，Gross Exposure創歷史新低，Net Exposure過去一年只有1%分位。"說的再直白些：目前機構對消費股的看空已經到了極致但高盛認為2026年中等收入消費者的實際收入增速會超過2.5%關稅對通膨的推升效應消退，減稅紅利開始兌現預期差在那？大家都覺得消費不行，但收入端正在改善，而估值已經殺低到10年35%分位。黃金：不是避險，是"去美元化"高盛對黃金的目標價：2026年底$4,900/盎司，而且"有顯著上行風險"。核心邏輯變了：2024年：央行買+西方投資者不賣（因為預期降息）= 金價漲30%2025年：央行買+西方投資者搶 = 爭搶同一塊金磚最有意思的一句話："黃金市場相對於美股和美債市場太小了。任何小幅度的配置轉移，對金價都是巨大衝擊。"每增加1bp的配置比例，金價漲1.4%。高盛相關建議高盛這份報告的標題叫"Conviction over Consensus"——信念勝於共識yes!散戶在網際網路上形成了共識機構在產業鏈中看到了信念 (FinHub)

該不該買H200？先問AI啊。從年初Deepseek橫空出世，到年底美國開放H200輸中，中美的AI競爭局面發生了什麼標誌性的變化？簡單說，美國不得不變賣祖產來維持領先優勢，中國仍需要美國祖產來維持進步增速，但今年兩國正式在地球上成為毫無爭議的“人工智慧G2”。匆匆又到了年尾，Deepseek崛起至今，一眨眼，我們又老了一歲，很煩，但AI技術進展才剛踏入青春期，成長速度飛快。有點好奇，你是否罹患了AI焦慮症（AI angst），已經感受到了工作被取代的不安呢？讓我們先將切身問題暫時擱置，用吃瓜心情聊聊高大上的相關問題：中國到底該不該接受H200？事情有點複雜，我決定請教騰訊元寶以及Grok，用一樣的提問，看看中美AI給出的回答是否一致。經過一番詰問，大致上，騰訊元寶展現了“戰略定力”，Grok展現了“雍容冷靜”。必須說，兩個聊天機器人的理性輸出，讓中美兩國一些摻雜情感因素的“人類評論”相形失色。Grok盛讚中國以開源主導的浪潮，重新定義了全球ＡI競爭格局，元寶意見相仿，但不忘提及目前的瓶頸與未來的挑戰。我希望Grok還沒發展出戰略忽悠的能力，而元寶確實避免了自吹自擂的“印度化敘事”，誠實地述說了中國的不足。總體而言，美國的優勢，就是中國的劣勢，反之亦然。我的看法是，川普決定放手H200，就是兩國AI地位與總體實力已旗鼓相當的明證。也正是此一舉措，讓中美競爭進入嶄新的階段，本來是美國想脫勾，現在是中國想脫勾。在新階段裡，H200的“中國命運”必然崎嶇坎坷。一個世界，兩個系統，趨勢在2025年益發明顯。在第一線打仗的中國尖兵，急需彌補算力不足，以及晶片產量不足的困境。簡單說，就是彈藥不足，因此需要H200以保持成長增速，鞏固中方在應用端的優勢。不過，從將軍的戰略層面看，依賴敵方的彈藥補給，就算贏了幾場戰役，也會輸掉整場戰爭。H200元寶解釋，中國在兩大領域有所不足：其一，AI底層框架，也就軟體平台，仍依賴美國的PyTorch與TensorFlow，這兩家公司作為行業標準，目前仍壟斷市場。中國雖然也有國產替代，但仍處於追趕狀態。這意味著，在以標準為基礎的國際化路線上，美方優於中方。其二，高端晶片，也就是硬體原材料，中方因美方的技術封鎖，致使AI晶片發展受阻，美商輝達則主導全球AI算力，而其最大的競爭對手還不是中企，而是美商AMD。雖然中方的華為、寒武紀等公司追趕速度超快，但輝達有著長達數十年的技術與市場累積，中企當前仍處於追趕狀態也是合情合理，莫吹也莫黑。簡言之，在底層的軟硬體技術上，中方仍處於被卡脖子的狀態，“下層受制”。然而，Grok強調，中方的優勢是“上層繁榮”，無論在演算法創新、效率最佳化以及應用端的飛速發展上，都明顯優於美方。基礎不牢，地動山搖，從我方的角度看，止步於“上層繁榮”將帶來巨大風險，因此舉國上下都專注於底層技術進步。但反過來看，底層技術的主要推力來自於應用端的需求，而這就是為何在前線打仗的中企如阿里巴巴、字節跳動等公司，希望能購入H200補充彈藥，因為他們在市場上高歌猛進，彈藥儲備卻不足以維持挺進態勢，甚至擔憂彈藥充足的敵方將反敗為勝。關鍵的問題是：接受H200是否意味著中方的算力得以提升，卻反而受制於輝達的CUDA生態？底層技術已經受制於人，我方怎能為了一時的算力需求，擴大此一結構性劣勢？這便是中方的糾結所在，利弊權衡並不容易。而這一點，美方也知悉。川普與黃仁勳的陽謀舉世皆知，就是一方面深化中方對美方底層技術的戰略依賴，另一方面在市場端削弱華為等中企的國內市佔率，乃至全球市佔率。對此陽謀，美國鷹派激烈反對，兩黨參議院小組迅速擬出“安全晶片法案”（SAFE  Chips Act），阻止川普放鬆晶片出口管制。鷹派的說法並不完全是“降智”的，他們抨擊川普與黃仁勳太天真，以為放鬆出口管制會讓中國繼續依賴美國。鷹派這次做足了功課，他們說，中國會複製當年美商思科一度主導網路基礎設施，但很快被華為成功複製技術，然後逐步排擠思科的歷史。而現在放鬆出口管制，相當於二戰後向蘇聯出售核子技術，是對國家安全的嚴重損害。直接訴諸於國安疑慮，鷹派展現了專屬於自己的天真，如果中國在AI上意圖與美國脫鉤有優先順序，第一個要堅壁清野的必然是軍事領域，中方怎麼可能購買美國晶片或依賴其技術生態來發展軍事裝備呢？我假設鷹派也知道這一點，只是在軍事層面渲染事態有助於抵銷川普的重商主義而已，而我們要直接無視其國安說詞，才得見鷹派真實的恐懼——美國打不贏中國的舉國體制，任何關鍵技術輸出都會被迅速超趕。元寶與Grok都說此一個提問直擊核心，並直言輝達的主要目標是推廣CUDA，而這恰恰是中方不願跳進的火坑（這是我的形容詞，AI沒這麼說），因此中方正考慮限制H200進口，並推動“去CUDA化”。元寶更近一步指出了中國的“囚徒困境”，我用人話說吧——擁抱H200是“短多長空”，拒絕則是“短空長多”。我想，所有的糾結，都聚焦於“AI主權”。若缺乏主權意識，AI產業將建立在空中樓閣上，隨時會崩蹋。那麼，彈藥非得是H200嗎？昇騰920不行嗎？我近一步詰問AI，這次我問KIMI。KIMI回答，確實，昇騰920對標的就是H200，黃仁勳七月時就證實了此事。那麼，我又問，中國不買H200，昇騰920的產量夠中國企業使用嗎？KIMI回答，單靠昇騰920的產能，還無法“無縫”吃下中國全部AI訓練市場，但頭部雲廠商已經在用“國產+二手輝達”雙軌制把缺口壓到可控範圍，短期不會出現“算力斷糧”。話已至此，就不能不提“美國斷芯”與Deepseek所改變的局面，中國企業在受限的環境下，被逼出了各種變通方式，將有限的資源最大化來實現超趕。這一現象包含但不限於：1.  大力推進成熟製程晶片發展。2. 在算力發展上實現低成本，高效率的創新。3. 在應用端快速推出適用於涵蓋各種產業的AI服務。如此看來，中企用“國產+二手輝達”的方法突圍，也正體現了這幾年中方在適應美方卡脖子上的標準應對措施，我的形容詞是：“山不轉，路轉”。在此基礎上，直觀地說，中方不買H200也不會死不是嗎？彈藥不足，還是能想出其他方式挺進，企業會辛苦點，但成果終將是甜美的。不過，料敵從寬，我們還是得評估敵情，才能衡量變通方式是否有效。美國鷹派的立論基礎是，只要延續出口管制，美方便有望在接下來5年擴大優勢，我追問AI：如果中國完全不買H200，美國在AI領域的優勢會擴大嗎？對此，元寶給出官式說詞，等於沒有回答，彷彿在暗示我“聊點別的”，我想我可能戳中了什麼敏感G點。有意思的是，Grok與KIMI給出了截然相反的答案。Grok回答：是的，如果中國完全不購買Nvidia   H200（或嚴格限制進口），美國在AI領域的優勢很可能會擴大。它給出了美國多數專家與智庫的分析——短期，中國模型迭代和應用落地速度放緩，美商可無壓力使用Blackwell/Rubin等最新晶片，維持性能領先。中長期，若無H200流入，美國2026年AI計算力優勢可維持10-20倍（而非縮小至6倍或更低），中國雖然在開源模型和演算法效率上領先，但硬體瓶頸限制規模化部署。結論是，中國若完全不買H200，短期犧牲算力增長，換取長期自主，但這正中美國出口管制本意。美中AI競爭將從“算力競賽”轉向“效率與應用”賽道，美國目前佔優。KIMI回答：不會，反而可能讓美國的領先優勢“縮水”。原因有三點，其一，中國那怕完全不買，美國也得不到額外優勢，只是維持現狀。其二，過去兩年嚴格禁售並沒有拖住中國AI產業，封鎖正把全球最大的單晶片市場拱手讓給“華為們”。其三，黃仁勳反覆提醒華盛頓：全球過半AI研發者是華人，如果他們長期基於國產晶片做開發，將來不僅中國不需要輝達，還可能把整套生態輸出到海外，與美國形成正面競爭，繼續封鎖只會加速這一遷移。結論是，中國“完全不買H200”並不會擴大美國的優勢，反而讓美方陷入“賣也不是、禁也不是”的兩難——賣則縮小差距，禁則丟掉市場並刺激中國自主生態徹底閉環。需要提醒的是，KIMI是中國AI，但引述的都是美方評論，或正確地說，是中國媒體引述的美方評論。Grok則大量依賴X論壇的相關討論。我認為黃仁勳的意見免不了參雜企業利益說事，過度誇大了中方的技術實力。相對地，Grok引用的多是鷹派智庫的保守意見，過度高估美方的技術實力，且迴避了中美總體實力的優劣分析。因此之故，Grok與KIMI的回答，是往兩個截然相反的極端靠攏。元寶的“答了等於沒答”，恐怕才是最耐人尋味的答案——佛曰，不可說。要探究中國對H200取捨的利弊得失，應該要擺脫純技術與純產業競爭方向的討論，轉而從中國的經濟發展規劃來看問題。中國AI公司緊隨美國，差距已不遙遠新質生產力與H200的關係最近，亞洲時報（Asia Times）有篇文章引起了我的注意，標題是“中國希望人工智慧能解決其消費需求問題”。該文批評中國過度相信“僅靠供給就能滿足需求”，對中方側重供給側改革不以為然。簡言之，作為製造業強國，北京認為新質生產力能刺激消費，也就是讓人民願意掏錢購買創新的產品，並將之融入家庭的日常消費習慣，其中，提供ＡI服務是重點之一。此一思路既符合“科技立國”的信念，也符合當前中國急欲提振內需的現實。不過，作者批評這是開錯藥方，他認為“中國消費者並非因為產品缺乏智能化而撤離，而是因為收入前景不明朗，經濟焦慮情緒持續存在”。“供應鏈可以被引導，激勵機制可以被分配，生態系統可以被建構，但中國消費者的信心難以被指示所建立”。作者指出，中國的家庭消費佔GDP比例30%左右，遠遠不如歐美的60%，重點在於消費者對價格的承受能力，而不在於產品的技術力。解決之道在於就業成長、薪資成長與社會保障體系，借此提振信心，技術力才得以發揮最好的經濟效果。否則，新產品也只能吸引買得起的相對少數消費者。收入與信心，一體兩面，白話說，產品再好，有錢會買，沒錢不買。乍一看，作者言之成理，但他說的是大家都懂的道理，問題在於如何實現就業成長、薪資成長與社會保障體系？做這一切的錢從那裡來？再創造一波房市泡沫嗎？別吧。我認為透過新質生產力提振消費，雖然不是最好的辦法，但可能是最適合當前中國，退而求其次的選擇，因為供給側是最可控的環節，其他的方式都比製造拉消費風險要高。中國人的消費習慣與西方大異其趣，我們“很會算”，從迅速膨脹的房地產泡沫歷史可見，中國人偏愛花錢即賺錢（或保值）的概念。西方人很難理解，為什麼中國人願意投入比收入高出十倍到數十倍的價格與利息錢來買一個水泥空間——台灣人、香港人也一樣——但我們就這麼幹了。其實我們只是很務實，對未來永遠抱持警惕，因此，從新質生產力的角度看，創新產品與服務，只要能讓消費者認為購買即投資，有機會取得高於成本的獲利或保值的成果，供給就能高效刺激消費。中國的AI服務提供商，就是努力透過技術創造需求的存在，我相信商人們都知道這個道理，要賣釣竿，而不只是魚。只要讓消費者相信“買入即收入”，AI就是一片藍海。因此，大廠對算力才會如此渴求，而H200確實能在短期內“解渴”。為此，我詢問AI，在應用場景上，中國在相關產業上是否具有優勢，美國很難追趕？Grok大方承認，中國在AI應用場景上具備顯著優勢，許多領域已領先全球，包括美國在內的國家短期內難以完全追趕。包含但不限於醫療保健、工業自動化、電動車與自動駕駛、人形機器人等等，而開源與低成本直接促成了這個“上層繁榮”。如果人民收入要與創新產品匹配，那麼我們該問的是，醫療費用是否會因AI技術而調降價格？人形機器人的價格是否將低於聘請外傭照護老人？諸如此類。重點是，這是中國目前擅長的領域，發展可控且好預測，而且有利於全球競爭。當然，AI技術是否意味著就業衝擊，這也是一大問題，機器人將是老君山挑山工的平替，還是協力者？最終，一切都關乎成本與價格。這麼看，戰略就很清晰了，中國要確保“上層繁榮”（供給端藥方）促進底層技術發展並刺激消費，又要避免受制於美國技術，我們該問的不是“H200該不該買”，而是“如何在購買H200之餘，還能實現“去CUDA化””。這個終極問題，Grok與元寶都給出了正面而詳細的解答，可以的，至於魚與熊掌兼得的方法與途徑，讀者可以自己問AI，本文裝不下這麼多字。這一篇我與AI的交流，也算曲線總結了今年以來的AI技術發展，一句話形容，突飛猛進。因此，尊重專家與企業的意見之餘，也不能偏聽人類的一面之詞，更不能讓情緒左右路徑，要擺脫囚徒困境，先問問AI吧。 (底線思維)

Reid Hoffman是 LinkedIn 的聯合創始人，也是矽谷最早一代以“平台”和“網路效應”著稱的投資人之一。過去二十多年，他幾乎參與了每一輪網際網路結構性轉折，從社交網路到平台化擴張，再到企業級軟體的規模化落地。在生成式 AI 被資本和創業者高度追捧的當下，這位長期站在“增長與規模”一側的矽谷代表人物，卻在最近一場長時間訪談中，把注意力放在了一個不太符合矽谷直覺的判斷上：AI 時代最重要的機會，可能並不在那些增長最快、也最容易被看見的地方。顯眼的賽道，正在變得擁擠Hoffman 並沒有否認聊天機器人、生產力工具或程式設計助手的商業價值。在他的判斷中，這些方向仍然可以賺錢。但問題在於，它們過於顯眼。當一個機會對所有人都是顯而易見的，資本、人才和算力就會沿著最低摩擦路徑迅速集中，結果往往不是長期優勢，而是更快的同質化競爭、更激烈的分發爭奪，以及更短的窗口期。這並非技術失效，而是競爭結構本身在壓縮回報。在 AI 語境下，“人人看得見”正在從優勢轉化為約束。入口在變，約束並沒有消失訪談中，Hoffman 多次回到一個被反覆忽略的判斷維度：那些東西會變，那些東西不會變。平台入口可以改變，產品形態可以重寫，敘事方式也可以不斷翻新，但一些底層約束始終存在，包括網路效應的累積方式、企業系統的整合成本、信任的遷移路徑，以及分發背後的組織慣性。AI 並不會消除這些約束，只會讓它們以更快、更集中的方式重新顯現。所謂“新世界”，最終仍然要回到這些舊問題上，只是整合失敗的代價更高，贏家通吃的程度也更明顯。矽谷的盲點，不在技術而在節奏Hoffman 將自己最重要的判斷，放在他所說的“矽谷盲點”上。這些盲點並非源於能力不足，而是源於耐心不足。矽谷長期擅長低摩擦、可快速迭代的數字系統，卻對發展節奏慢、驗證成本剛性、又受到監管與倫理約束的系統缺乏投入意願。生物與醫療是最典型的例子。藥物發現和醫療研發看起來像資訊問題，但真正的節拍器並不在程式碼倉庫裡，而在實驗室、倫理審查、臨床試驗和審批流程中。AI 可以提升篩選和預測的效率，卻無法取消實驗本身。失敗率是結構性的，周期也無法被壓縮到軟體速度。原子世界的瓶頸，是經濟而不是演算法在機器人和自動化領域，Hoffman 指出了另一種常被忽視的現實約束。看似簡單的物理動作——抓取、整理、疊放——在現實環境中充滿不確定性。材料的柔性、觸覺反饋、環境變化以及長期維護成本，使得技術可行性並不等同於經濟成立。由此出現一個反直覺現象：白領世界中更複雜的工作，反而更早被 AI 改造；而物理世界中看起來更簡單的動作，卻因為資本支出與營運支出的不匹配，遲遲難以規模化。決定成敗的，並不是演算法是否足夠聰明，而是成本曲線是否真正交匯。醫生不會消失，但角色正在被重寫關於“AI 是否取代醫生”的討論，Hoffman 給出的判斷並不激進，卻相當明確。如果醫生的價值只是知識儲存，那麼這個角色已經開始被削弱。AI 在知識覆蓋、檢索和交叉驗證方面的能力，已經超過任何單一人類個體。但醫生並不會消失。未來的核心價值，將更多體現在非共識問題的判斷、情境理解以及責任承擔上。AI 改變的不是職業是否存在，而是職業內部的分工結構。回報正在向高摩擦系統轉移把這些判斷連在一起，Hoffman 勾勒出的並不是一個關於 AI 的樂觀敘事，而是一張重新定價風險與回報的地圖。隨著顯眼賽道的競爭加速，資本和能力正在被迫進入那些節奏更慢、驗證成本更高、也更難被快速複製的系統——包括醫療、生物、勞動力、自動化、政府治理以及教育等領域。在這些地方，技術本身不再是決定性變數，時間、監管和組織慣性開始重新進入定價體系。生成式 AI 並沒有讓世界變得更簡單，它只是重新分配了複雜性。而真正的長期機會，正在這些複雜性尚未被消化的地方，緩慢浮現。 (方到)

鄭永年：全球秩序正走向“封建化”，中美關係進入“平視時代”11日至12日，“第五屆中國外部環境的變化與評估：地緣衝突與全球秩序重構”2025研討會在深圳舉行。鄭永年教授受邀參會並作主旨演講。他指出，當今國際秩序的演變，與其說是“多極化”，不如說更接近一種“封建化”趨勢；與此同時，中美關係也正在發生結構性變化，美國對中國的態度正從“俯視”轉向“平視”。鄭永年作主旨演講。圖源：主辦方鄭永年教授在主旨演講中指出，儘管多數人將當今國際秩序的演變視為“多極化”，但我認為更多的是“封建化”。今天的美國，如同春秋戰國時代的周天子，雖居中心，卻難以掌控各大諸侯——俄羅斯、土耳其、印度、德國和日本等區域強國紛紛崛起，“群雄逐鹿”。正因如此，當前的區域化趨勢並非開放包容，而是日益排他。他強調，若是開放的，全球化將得以延續；若是排他的，國際秩序則走向更加“封建化”，甚至“土豆化”——像一個個彼此隔絕的塊莖，互不往來。談及中美關係，鄭永年教授認為，川普在中美元首釜山會晤後重提“G2”概念，其潛台詞是一種平等的夥伴關係。這種平等或許並非美國本意，而是在現實壓力下的權宜之計。美國對中國的態度，正從“俯視”轉向“平視”。傳統的“舊現實主義”帶有濃厚冷戰色彩，強調遏制、圍堵甚至擊敗中國；而川普的“新現實主義”則更傾向於與中國正常相處，在競爭中尋找平衡。鄭永年：中國的開放是對APEC成員最好的公共產品11日至12日，2026年APEC非正式高官會（ISOM）在深圳舉行，拉開了APEC“中國年”的帷幕。來自21個經濟體的高官代表、專家學者及工商界人士齊聚一堂，最終達成了重要共識：2026年APEC將以“建設亞太共同體，促進共同繁榮”為主題，並鎖定“開放、創新、合作”為三大優先合作領域。鄭永年教授受邀參加會議，並圍繞“開放”這一核心議題在主題和優先領域研討會上發言。他表示，APEC為成員提供了“能夠坐下來討論下一步怎麼走”的平台，對國際經濟走向尤為重要。會後接受採訪時，他進一步指出，在新一輪科技革命與產業變革背景下，APEC將繼續成為推動區域經濟一體化的重要平台，而“開放的中國”將在其中發揮更積極作用。2026年APEC非正式高官會主題與優先領域研討會現場。圖源：新華社鄭永年教授指出，當世界經濟面臨不確定性之時，開放與合作仍是區域增長最重要穩定器。APEC為成員提供了“能夠坐下來討論下一步怎麼走”的平台，對國際經濟走向尤為重要。他認為，與偏重地緣政治的所謂“印太”概念不同，APEC經濟體的合作根植於經貿往來。在供應鏈產業鏈受到衝擊的當下，中國接棒APEC東道主後的首場活動，恰是成員就未來路線作出溝通和協調的關鍵時點。中國堅持包容性多邊主義和制度型開放，以自主開放舉措向區域提供公共產品。明年11月，中國將在深圳舉辦亞太經合組織第三十三次領導人非正式會議。對此，鄭永年教授表示，深圳的經驗說明開放與產業能力如何相互促進。中國也在探索以共建“一帶一路”、推動均衡發展等方式，為全球經濟結構提供穩定性。在新一輪科技革命與產業變革背景下，APEC將繼續成為推動區域經濟一體化的重要平台，而“開放的中國”將在其中發揮更積極作用。鄭永年教授在會議間隙接受South南方國際傳播中心記者採訪時表示，當前APEC部分發展中經濟體對開放產生了疑慮。在這一背景下，深圳作為開放的產物，其發展經驗本身就具有重要借鑑意義。深圳是中國對外開放的典型，深圳的開放故事，就是中國改革開放的故事。在接受《深圳特區報》記者採訪時，鄭永年教授表示，深圳是中國工業體系的典型代表，特別是在網際網路、人工智慧等領域擁有非常完整的產業鏈和產能。同時，作為一個年輕的城市，深圳也是活力的象徵。舉辦中國第三次APEC會議，深圳具有無可比擬的優勢。鄭永年：深圳如何抓住APEC這一重大機遇？深圳成為國內第三個承辦APEC領導人非正式會議的城市。作為改革開放的“試驗田”、中國“外貿出口第一城”和新興移民城市，深圳應如何抓住機遇，通過APEC框架，達成合作，強化優勢，彌補短板？另外，“逆全球化”衝擊亞太經濟合作和地區貿易體系，亞太各國發展不平衡和訴求不一致，區域經濟合作存在結構性矛盾。在此背景下，深圳如何實現對APEC的“反向賦能”，推動更具包容性的區域合作共同體建設？12月9日，鄭永年教授受邀參加第十七屆深圳學術年會主題研討會，並行表主旨演講，圍繞上述問題進行了深入分析。12月11日至12日，2026年亞太經合組織（APEC）非正式高官會在廣東省深圳市舉行，拉開APEC“中國年”序幕。圖源：新華社當前，深圳發展面臨內外雙重挑戰。鄭永年教授認為，深圳可通過以下三個層面的開放，以APEC賦能自身發展。一是包容性多邊主義。針對周邊賭博、電詐、毒品走私等非傳統安全議題，可與APEC經濟體共商議程、凝聚共識。同時，借助移民城市及工商組織海外網路優勢，深圳可通過APEC工商界會議，對接各國工商界，圍繞共同發展形成共識。二是制度型開放。在各國推動建構高標準規則體系的背景下，制度型開放是中國引領新一輪全球化的關鍵。深圳應主動對接國際高標準規則，並推動出海企業以“優質產能”走出去，化解“內卷”引發的海外民粹情緒。三是單邊開放。作為最具條件的城市經濟體，深圳可率先深化對港澳單邊開放，並積極對接CPTPP、DEPA等國際經貿規則。深圳還可通過APEC實現“反向賦能”：一是展示從“改革開放窗口”到“先行示範區”的發展經驗；二是系統總結開放實踐，推動APEC成員實現更高水平開放，例如在數字貿易、人工智慧規則塑造、區域創新資源整合等方面發揮節點作用，共建亞太創新共同體。此外，承辦APEC也標誌著深圳從“物的國際化”邁向“人的國際化”。相比紐約等國際都市，深圳的國際化程度仍有差距。要成為第四次產業革命的領軍城市，深圳亟需加強國際化人才培養，並助力各國培養知華人才。鄭永年：建設國家金融中心必須堅守實體經濟之本據上觀新聞報告，從十個針對全球城市的權威榜單排名情況看，上海“五個中心”（國際經濟中心、國際金融中心、國際貿易中心、國際航運中心和國際科技創新中心）持續進位，綜合經濟能級穩步進階，創新相關排名實現躍升，金融航運指標穩居前列，軟實力排名亦有提升，體現了上海近年來在全球位勢的變化軌跡。12月7日舉行上海加快“五個中心”建設研討會，鄭永年教授受邀出席並作主旨演講。他表示，建設現代化產業體系的關鍵在於基礎科研、應用技術轉化和金融服務，上海要把握好“五個中心”建設有利條件，充分發揮系統整合優勢，以科技創新帶動現代化產業體系建設，打造經濟高品質發展的強大動力。鄭永年教授指出，發展新質生產力、建設現代化產業體系，是“十五五”時期的核心任務——這與上海“五個中心”建設的戰略定位高度契合。上海作為中國改革開放的前沿窗口與長三角一體化發展的核心引擎，在這一國家戰略處理程序中肩負重要使命。發展新質生產力的核心關鍵，在於建構基礎科研、應用技術轉化、金融服務這“三駕馬車”深度協同的大科創體系。回溯歷史，日本及亞洲“四小龍”等東亞發達經濟體長期聚焦科創領域的持續投入，以技術突破推動重大產業升級，最終形成“技術進步-產業提質-就業擴容-稅收增長-再投入創新”的閉環式良性循環。而上海正憑藉長三角區域協同優勢，成為建構這一良性閉環的核心承載地。一方面，上海集聚了密集的頂尖高校與科研院所，且已啟動“基礎研究先行區”建設；另一方面，江蘇、浙江、安徽均為製造業強省，產業基礎雄厚、應用場景豐富，為技術成果提供了廣闊轉化空間；與此同時，上海匯聚了多元資本力量，能夠為硬科技項目提供覆蓋研發、中試、量產全周期的長期耐心資本支援。鄭永年教授強調，建設國家金融中心必須堅守實體經濟之本。實體經濟是一國經濟的立身之本，四中全會已明確“十五五”時期的核心任務是“建設現代化產業體系、鞏固壯大實體經濟根基”，釋放出了中國不會過早或過度推動實體經濟金融化的清晰訊號——意味著金融是科技創新和產業升級的“助推器”，而不是自我循環的“泡沫池”。故而，上海應聚焦發展風險投資、產業基金、科技金融等“好金融”。放眼全球科創格局，第四次產業革命的“主戰場”高度集中於中美兩國。美國依託矽谷與波士頓-紐約創新帶；中國則形成三大戰略支點：北京強在基礎科研，粵港澳大灣區重在市場應用，而以上海為核心的長三角，兼具科研、製造與金融優勢，最具系統整合潛力。鄭永年教授建議，上海下一步應優先完善風投生態，同時深化體制機制改革，理順“五個中心”之間的內在邏輯，讓科創、產業與金融形成高效閉環。 (IPP評論)

在2025年“讀懂中國”國際會議上，黃奇帆用一場資訊量極大的演講，給出了“十五五”時期中國增長的新答案：改革 + 創新是底層動力，城鄉融合、統一大市場、新質生產力是三大紅利。1.改革與創新：仍然是決定中國走多遠的雙引擎從“十四五”來看，中國的改革已在關鍵領域打開突破口： 市場經濟體系更完善，全國統一大市場“四梁八柱”基本立起； 電力改革、農村宅基地“三權分置”、國企混改持續推進； 制度型開放加速，跨境服務貿易負面清單、製造業全面放開外資准入。創新方面同樣強勁： 2024年研發投入突破 3.6 兆元，創新能力躋身全球前十； 量子、航天、高鐵、大飛機、晶片裝備等硬核領域持續突破； 專精特新、高新技術企業快速擴張，“三新”經濟規模達到 24 兆。改革掃清障礙，讓創新長出空間；創新帶來動力，推動制度更最佳化。二者共同塑造新質生產力，是中國能否跨越未來周期的關鍵。2.“十五五”將釋放三大紅利① 城鄉融合紅利：人口流向與空間結構的重做未來五到十年，將推動農業轉移人口市民化、公共服務同城化、教育與社保打通，讓戶籍城鎮化率與常住率“拉平”。這不僅能增強都市圈勞動力供給，也將加速鄉村土地規模化經營，為城鄉經濟注入長期活力。② 統一大市場紅利：超大規模帶來的“規模經濟 + 學習曲線效應”中國是全球唯一擁有統一語言、貨幣、法治環境、基礎設施體系的超大市場，這本身就是巨大的競爭優勢。但在地方保護與產業內卷背景下，這一優勢尚未完全發揮。“十五五”將通過要素市場化配置、調整央地財政關係、規範監管行為等措施，進一步打造統一開放、競爭有序的大市場，讓優質者能優價，讓產業走向高端。③ 新質生產力紅利：未來技術群的集體爆發能源革命、材料科學、人工智慧、生物醫藥、先進製造，這五大類股每一次突破，都會改寫一個時代。中國擁有全球最豐富應用場景、最齊全產業鏈，也在關鍵技術上積累優勢，但基礎研究薄弱、創新轉化率不高仍是短板。“十五五”將強化原始創新、打通科技到產業的鏈條、完善新型舉國體制，為未來產業提供系統性支撐。 (筆記俠)

2025 年 12 月 4 日，牛津大學。主持人向橋水基金創始人 Ray Dalio 提問：我們如何看待 AI 帶來的社會變革？它和工業革命有什麼相似之處？Dalio 的回答很簡潔：一切都一樣，只是 AI 這次更快、更大。過去幾周，Dalio 連續出現在 CNBC 和沙烏地阿拉伯未來投資峰會，密集發出警告：AI 確實強大，但估值已經透支了未來推高市場的不只是技術，更是寬鬆的貨幣政策如果生產力紅利無法普惠，社會撕裂會比泡沫更危險在他眼中，AI 既是生產力奇蹟，也可能成為一場集體幻覺。從1971年布列敦森林體系瓦解，到2008金融危機，再到 2025 年的 AI 熱潮，他用 50 年經驗，給出了自己的答案。這個答案關乎泡沫、關乎風險，也關乎每個人的未來。第一節｜“生產力奇蹟” 有多少被透支了？AI 確實帶來了效率提升。但問題是：這部分增長，已經被資本市場提前透支了。今年以來，AI 概念股持續暴漲。輝達市盈率一度突破 50 倍，Meta、微軟、Google接連刷新歷史新高。市場講的是未來十年的故事。但 Dalio 指出：真正的問題，不是 AI 能不能提升生產力，而是我們是否提前透支了它的全部價值。他在最近的訪談中給出一個對比：AI 創造的實際價值，可能只有幾百億美元；但投入的資金規模，已經是兆等級。這是一種失衡：錢投進去了，但價值還沒出來。第二節｜誰是“泡沫推手”？Dalio 一向不是情緒化的評論者。但在 2025 年 11 月 20 日的 CNBC 直播中，他引用了橋水內部的市場泡沫指標模型，給出一個明確數字：當前資產市場的泡沫程度，已達 80 %。接近2000年網際網路泡沫巔峰，也逼近 1929 年大崩盤前夜。他指出，這一輪 AI 投資熱，問題不在技術，也不在盈利，而在於： 它是一場建立在信用擴張之上的集體幻覺。1、AI 如何加速了泡沫？① 槓桿上升，避險消失AI 被視為萬能利多，資金湧入大模型、GPU晶片、資料中心，但傳統避險資產如黃金、國債反而流出。②  情緒過熱，定價模糊投資人相信 AI 會改變一切，但對什麼變了、誰買單、多快兌現，缺乏清晰認知。這種模糊，正是泡沫的溫床。當所有人都在用類似的話談論未來，那已經不是理性分析，而是共識陷阱。2、流動性錯覺：本輪泡沫的最大盲點這輪 AI 熱潮看似是技術驅動。Dalio 指出，背後還有一個更隱蔽的推手：寬鬆的貨幣政策。在利率下降預期下，機構資金湧入高增長概念，而 AI 恰好成為最完美的故事載體。此時，一個微妙的轉變發生了：資金不只是為了技術而來，更是為了估值空間而來；市場不只是在定價 AI 的能力，更是在賭其他人會繼續相信。這就是錯覺交易的本質：你持有的不只是對技術的信心，還有對市場情緒的押注。Dalio 的核心觀點是：AI 加速了資金湧入的速度，但同時削弱了投資者對整體風險的警覺。他從不反對技術創新，但他提醒：偉大的技術革命，往往伴隨著資產泡沫。關鍵是理解背後的金融機制，而不只是技術本身。第三節｜奇蹟與泡沫：AI 把世界推向何處毋庸置疑，AI 革命正在發生。但 Dalio 關心的不是技術本身，而是：這股力量會把世界推向何處？他看到了兩種可能性。1、可能性一：生產力躍升Dalio 預測，在 AI 主導的新經濟結構中，部分頭部企業的效率將在3-5年內實現指數式增長：決策更快 → 執行更準 → 成本更低 → 利潤更高 → 投資更猛這是技術革命的經典飛輪。但關鍵問題是：這種效率提升，能否轉化為整個社會的繁榮？2、可能性二：財富分化加劇與此同時，Dalio 也看到了硬幣的另一面：技術進步不會自動帶來公平，反而可能加劇貧富差距。他列出幾個現實訊號：AI增長集中在極少數公司，前10大企業佔據了大部分市值普通勞動者尚未分享效率紅利，甚至面臨被替代的壓力教育和分配機制，遠遠跟不上技術分層的速度一邊是指數上升的生產力，一邊是跟不上的制度安排。這種不對稱，才是最危險的。真正引發危機的，從來不是技術本身，而是技術造成的信任崩塌。在牛津演講中，Dalio 強調：一個國家最大的威脅，不是外部競爭，而是財富分配失衡。3、對個體的啟示Dalio 並不悲觀，他只是清醒。他的建議是：下一代的機會，不只是擁抱 AI，更在於理解變化。在他看來，AI 工具會越來越便宜，但真正稀缺的是誰能在變化中保持獨立思考，誰能建立自己的原則，誰能適應而不是被動接受。用他的話說：痛苦+反思=進步。這在 AI 時代依然有效。結語｜Dalio 的清醒思考技術是真的，泡沫也是真的。Dalio 的觀點很清楚：第一，AI會創造價值，但不等於當前估值合理。 市場可能提前透支了未來十年的增長。第二，流動性比技術更危險。 真正推高資產價格的，不只是創新，還有寬鬆的貨幣政策。第三，財富分化是最大隱患。 如果生產力紅利只落在少數人手中，社會撕裂會比泡沫破裂更致命。第四，保持獨立思考。 AI不會替代你，但失去思考能力會。這是 Ray Dalio 從 50 年投資經驗中提煉的洞察。市場在漲，不意味著風險消失；工具再強，也替代不了你自己的分析。AI 是這個時代最大的機會，也可能是最危險的幻覺。 (AI深度研究員)

▎AIDC正在從“輔助設施”升級為“核心生產力”。前不久，華為發佈的《智能世界2035》和《全球數智化指數2025》報告中指出，隨著大模型的發展，AI智能體將從執行工具演進為決策夥伴，驅動產業革命。到2035年，全社會的算力總量將增長10萬倍，算力增長的背後，是對新一代算力基礎設施產業發展的挑戰，但在這過程中，同樣也伴隨著不小的機遇。AI需求暴增資料中心建設面臨挑戰算力需求的激增已經不僅僅是停留在預測層面，根據國家資料局披露的資訊顯示，2024年初中國日均Token消耗量為1000億，到2024年底已增長至3000億量級。而這個數字到了今年6月則是達到驚人的30兆的量級，與2024年初的1000億相比，增長300多倍。此外，IDC報告顯示，2024年全年中國公有雲大模型呼叫量為114兆Tokens，而2025年上半年即飆升至536.7兆，反映出AI應用進入規模化爆發階段‌。而AI應用的爆發，自然也帶動智能算力需求的激增，在這背後，是對底層算力基礎設施帶來的考驗，而AI也正以“算力吞噬者”的姿態重構數字基礎設施格局，全球20億活躍AI使用者產生的海量資料處理需求，使得AIDC從“輔助設施”升級為“核心生產力”。在AI時代，傳統的資料中心建設顯然已經不能滿足當前智算對於底層設施的需求，華為發佈的《智能世界2035》和《全球數智化指數2025》報告中明確，計算領域將突破傳統馮•諾依曼架構的束縛，在計算架構、材料器件、工程工藝、計算範式四大核心層面實現顛覆性創新，最終催生新型計算的全面興起。在華為中國數字能源資料中心能源拓展部部長石憶看來，算力增長的同時，也對基礎設施造成了極大的衝擊，“當前，智算中心建設主要面臨安全、彈性、高功率、高能耗等挑戰。除此之外，作為長期營運的重資產項目，資料中心建設還需要適度超前。”安全方面，AI大模型訓練對算力連續性的要求較傳統通算提升兩個量級：10MW智算中心的算力密度相當於100個傳統通算中心，一旦發生供電中斷，每秒鐘將造成數十萬元的算力損失。對此，石憶表示，“傳統資料中心故障響應時間要求2分鐘以內，但智算中心需壓縮至30秒，且故障影響半徑擴大3倍，任何單點故障都可能引發叢集癱瘓。”安全事件在帶來資料、伺服器等直接損失之外，更可能導致數月模型訓練成果付諸東流。同時，安全事件的發生還會對IDC服務商的品牌價值，以及客戶對其信任度帶來不小的衝擊。更嚴峻的是，傳統集中式架構存在單點故障風險，而AI計算的連續性要求，使得這種風險被放大10倍以上。AIDC的安全已不是“機率問題”，而是“底線問題”，任何一次故障都可能終結企業的AI競爭資格。除了安全問題之外，隨著ChatGPT的問世，人們開始發現機櫃的功率越來越高，原本300W的單顆CPU，已經不足以支撐業務，500W的單顆CPU晶片成為主流。與此同時，AI對於GPU的需求，也讓單機櫃的功率進一步提升。2.5kW標準機櫃已經是過去式，8kW、10kW，甚至20、50kW的機櫃的不斷出現，也讓單機櫃功率越來越高。與此同時，隨著摩爾定律逐漸失效，在後摩爾定律時代下，晶片算力與其功耗仍將大幅提升。機櫃功率的不斷攀升，也對資料中心的供配電系統提出了新的挑戰。這個挑戰一方面是來自供配電穩定性和連續性的保障；另一方面，更容易被人們所忽視的是：傳統資料中心“白空間”（伺服器區）與“黑空間”（配電區）的比例大致為2:1，而在AIDC時代，這個比例將被徹底逆轉，部分高密AIDC甚至出現1:3的極端情況，這意味著3/4的場地被配電、散熱裝置佔據。而對於IDC客戶而言，“白空間”是用來創造價值的，“黑空間”則屬於純成本支出，獲得更多的“白空間”才能獲得更大的收益。與此同時，在AI時代，使用者對於資料中心交付週期的要求也越來越高。而作為算力的底層支撐，資料中心的建設週期之長，是業內的共識。而AI等IT技術的演進日新月異，資料中心機櫃密度也隨之飛速提升，“傳統建設方式，規劃階段規劃的單櫃功率普遍在5-10kW/標準櫃，而目前單台支援大模型的AI伺服器功耗就已達10kW以上，資料中心的規劃建設速度難以滿足各行業對算力持續高速增長的迫切需求。”此外，還有一個尖銳的矛盾擺在面前：伺服器的更新週期是3到5年，而資料中心基礎設施的設計壽命是10至15年。對此，石憶告訴筆者，傳統資料中心18到24個月的建設週期，與算力“一年一迭代”的速度形成致命錯配。客戶交付週期要求從‘年’，壓縮至‘月’，甚至出現‘6個月必須上線’的硬性指標，這種情況對資料中心的建設速度提出了更高的要求。而在這些挑戰的背後，還有一個不容忽視的問題——AI時代帶來的傳統非同步計算向同步計算的轉型。這個過程使得供電、製冷、網路的協同要求達到“微秒級”，而現有基礎設施的“煙囪式”架構根本無法實現這種協同。更嚴峻的是，技術迭代帶來的標準混亂問題——不同廠商的GPU、液冷裝置介面不統一，導致AIDC建設陷入“定製化陷阱”，進一步拉長週期、推高成本。安全是AIDC的首要條件面對挑戰，華為數字能源在2025全聯接大會上提出的RAS理念（Reliable安全可靠、Agile彈性敏捷、Sustainable綠色低碳），而華為也正是沿著這三條路徑向前推進AIDC建設的。而RAS理念中，最為重要的就是“R”——安全。AIDC的安全底線不僅關乎裝置存續，更決定算力服務的連續性。“安全是1，沒有安全，一切都是0。”IDC的安全可靠不僅是某個環節的安全可靠，更是要建構涵蓋資料中心全生命週期的防護體系。不同於傳統資料中心的單點防護思維，華為建構了覆蓋產品、架構、管理、維運的四層防護體系，實現從器件到系統的全生命週期可靠。資料中心安全體系化，首先要做的就是將原有的集中式的架構轉變為分佈式架構。摒棄集中式設計，確保單一故障點不會引發系統性崩潰。例如，製冷系統需要實現風冷或液冷單元相互隔離，按需部署，一台故障時其他單元能迅速補上冷量。其次是主動安全，特別是在高風險環節如鋰電池儲能上。智算時代，通過鋰電池取代原有佔地面積大、生命週期短的鉛酸電池，已經成為資料中心降低後續營運成本，提升資料中心“白空間”面積的重要舉措之一。作為國內較早探索鋰電池應用的企業之一，華為在資料中心鋰電池安全方面提出了“既要快速響應，也要預知風險”的策略。石憶告訴筆者，鋰電池出現安全風險之時實現快速處置，避免損失僅僅是基本操作，更為重要的是，在故障發生前就能精準定位並更換有風險的電池，如此才能將風險降到最低。目前，華為對鋰電池告警的覆蓋率達到了92%，報警的精準率是97%，而且這個告警最高可以提前七天。彈性需求如何滿足？“行百里者半九十”，當安全基礎“打牢”之後，如何滿足使用者在智算時代的需求，成為服務商能否獲得更多份額的關鍵。“智算時代唯一不變的就是變化，彈性是應對變化的唯一選擇”——這句話已經成為行業內公認的事實，也指出了當前很多資料中心“建成即過時”的痛點。面對此，華為給出了“解耦化、模組化、預製化、高密融合”的“四化”解決方案。通過此，讓AIDC建設速度與IT技術迭代實現同頻共振，相較於傳統方案，將資料中心的交付週期縮短60%以上。這個過程中，最為重要的一步是——實現子系統的解耦。傳統資料中心，基礎設施層與伺服器的供配電、供冷系統是緊耦合的狀態，一旦一方發生變化，無異於將資料中心“推倒重建”。即便在通算時代，一代伺服器的“壽命”平均在5年左右，而資料中心基礎設施層的“壽命”則應在10~15年左右。這也就意味著，一個資料中心需要相容三代伺服器的更迭。而當時間來到智算時代，伺服器更迭速度只會比通算時代快，緊耦合的狀態，對於需求敏捷的客戶來說，一點也不敏捷。所以，在石憶看來，資料中心實現彈性的第一步就是實現解耦。“華為將AIDC拆分為IT、供配電、製冷三大獨立子系統，實現序列施工向平行施工的轉變。”石憶介紹道。在華為雲（蕪湖）資料中心項目中，基礎設施與伺服器的解耦設計，使得機電安裝僅用71天完成，較傳統方案節省50%時間，整體項目耗時3個月。不僅於此，石憶表示，這種設計還支援“按需擴容”，“客戶可先部署基礎框架，待確定伺服器功率後再上配電單元。”石憶進一步指出。當系統都實現解耦之後，就可以進一步通過模組化的方式，在工廠預生產後，進行現場組裝即可完成資料中心建設。網際網路“快”的特點也在新一輪人工智慧的浪潮下得以延續，使用者對於資料中心交付週期的要求也越來越高。模組化似乎已經逐漸成為近年來資料中心建設的主流方式，石憶告訴筆者，模組化不是終點，還要將模組預製化，減少現場施工工程量，將現場的裝置安裝、整合、偵錯提前到工廠來完成，實現工程產品化。其最大的價值就是用工廠的標準化、高品質生產和測試，確保了高效率以及高品質，把現場的工程變得最小化，極大減少現場安裝，助力AIDC快速高品質建設。通過模組化方式，還能實現硬體裝置的即插即用——通過預留通用介面的方式，讓後續無論是製冷系統，還是伺服器的更換都可以“傻瓜式”即插即用，進一步提升了部署速度。不僅於此，模組化的方式，還能大幅降低資料中心在建設過程中的碳排放，實現全生命週期內的降碳，這點也正好呼應了RAS理念中——綠色低碳。綠色低碳從“責任”變成“生存需求”在“雙碳”目標與能源危機的雙重驅動下，綠色低碳已從社會責任升級為AIDC的生存需求。傳統模式下，IDC服務商與客戶都存在“降低能耗總量”的誤區。然而，隨著機櫃功率不斷攀升，降低總能耗已經是一條“不可行之路”，面對此，華為提出了“提升系統效率”的核心思路，通過高效供電、高效製冷、系統高效、算電協同等四大路徑，實現全鏈路降碳。高效供電方面，通過技術創新降低損耗。例如，華為UPS在S-ECO模式下效率高達99.1%。高效製冷方面，隨著智算時代液冷的普及，製冷能耗得到進一步降低，但風冷系統仍將繼續存在，風冷和液冷系統走向融合化，冷源統一化，通過AI手段對製冷系統做系統級能效調優，進一步降低製冷能耗，提升製冷效率。系統協同方面，通過系統協同，實現能源與算力的智能匹配。“打通L1能源基礎設施與L2算力基礎設施的資訊流，通過AI演算法根據負載波動調節裝置狀態，讓每瓦電力都能承載更多算力。”石憶強調。算電協同方面，綠電直供，就近消納是目前資料中心綠色低碳化的不可或缺的一步，而從國家規劃的八個算力樞紐節點佈局上就不難看出國家在綠電直供，就近消納的佈局。八個節點除了北上廣這樣的一線算力需求高度集中的城市之外，其餘節點幾乎都處於盛產綠電的地方。在面對行業存在“安全與低碳不可兼得”的誤區——認為冗餘設計會增加能耗，節能措施會犧牲安全，石憶表示，高安全與高能效可以協同實現，關鍵在於系統級的最佳化設計。整體來看，資料中心正在向超高功率、超高密度和超大規模發展，智算中心的建設不僅是應對當前挑戰的務實選擇，更是贏得未來AI競爭的戰略佈局。同時資料中心的設計思路也在變化，從“大系統”向“標準化+模組化分佈式架構”演變，更彈性應對未來需求的不確定性，此外還要從軟硬體層面考慮網路安全、供應安全和備電安全等問題。可以說，AI算力的洪流既帶來了“最好的時代”的機遇，也引發了“最焦慮的時代”的挑戰。在這場AIDC變革中，唯有以全端專業能力與經驗沉澱為底色，才能實現智能進化、再造卓越，而華為正在這條路上挺進。(鈦媒體)

橋水基金創始人雷·達利歐近期在財富全球論壇（Fortune Global Forum in Riyadh）上發出了一個值得關注的警告：美國經濟正在形成一種對頂層1%精英勞動力的“致命依賴”，而占人口大多數的底層60%正在生產力層面被“淘汰”。01 美國經濟 三重結構性撕裂要理解達利歐警告的嚴重性，我們要把美國拆成多個“美國”來看。達利歐所描述的，也正是一個內部已經高度分化、資料極具欺騙性的“拼合體”，這種內在的斷裂，我們可以通過三個相互關聯的維度進行觀察：第一個斷裂：生產力——問題根源一切都要從創造財富的能力——生產力說起——這道鴻溝是所有後續問題的根源。達利歐反覆強調一個觸目驚心的資料：約60%的美國成年人閱讀能力僅相當於或低於小學六年級水平。也就是說，在目前這樣一個由人工智慧、巨量資料和複雜資訊流驅動的現代經濟體中，超過一半的勞動力在知識經濟的主賽場上，幾乎不具備有效的競爭資格。圖源：US Census Bureau Employment (NAICS/SIC)這導致了兩個截然不同的經濟現實：一方面，是頂層約300萬人的“超級生產者”，他們主要集中在科技、金融和高端專業服務領域，貢獻了美國經濟增長的主要部分。他們不僅自身具備極高的“認知資本”，更重要的是，他們是新一輪技術革命（尤其是人工智慧）的創造者和使用者。人工智慧工具極大地放大了他們的生產力邊界，形成了一個“強者愈強”的正向反饋循環。另一方面，是佔勞動力主體（約60%）的龐大群體，他們的傳統技能在自動化浪潮面前迅速貶值。而且由於基礎教育和職業技能的缺失，他們無法跨越進入新經濟的門檻，其生產力增長長期停滯，對整體經濟的貢獻日益邊緣化。資料顯示，這一技能鴻溝每年給美國造成的GDP損失高達2.2兆美元。達利歐將這群人描述為“在經濟上越來越沒用”。雖然刺耳，但卻是事實：一個龐大的人口群體，正在與國家經濟增長的主引擎脫鉤。而這種由人力資本決定的生產力分化，也解釋了自上世紀70年代以來，即使美國的勞動生產率持續增長，但普通工人的實際時薪卻幾乎停滯不前的現象。第二個斷裂：財富——生產力分化的必然結果生產力上的巨大差異，無情地轉化為財富積累上的極端不平等。聯準會的金融帳戶資料顯示，這一趨勢在後疫情時代被急劇放大——截至2025年，美國最富有的0.1%家庭所擁有的財富，已經超過了最底層50%家庭財富總和的4.6倍。從2020年初到2025年中，頂層0.1%的家庭財富幾乎翻了一番，而底層50%的財富增長很大程度上被創紀錄的通貨膨脹所吞噬。法國經濟學家托馬斯·皮凱蒂在《21世紀資本論》中說到：當資本回報率（r）長期高於經濟增長率（g）時，財富會不可避免地向少數擁有資本的人集中。頂層精英的財富增長主要來源於股票、基金等金融資產的快速增值，而中下層民眾的財富則主要捆綁在升值緩慢（甚至在加息周期中貶值）的房產和被通膨侵蝕的儲蓄上。更危險的是，達利歐警告說，這種財富結構催生了的“依賴性風險”——美國經濟的消費引擎，正越來越依賴頂層少數人的支出。資料顯示，高收入群體的消費支出增長率遠超中低收入群體。這意味著，美國經濟的穩定性被捆綁在了一個極不穩定的基礎上——少數富人的消費信心和他們的資產負債表。一旦發生金融市場劇烈動盪，導致頂層資產大幅縮水，他們的消費收縮將迅速傳導至整個經濟，尤其對那些依賴高端消費的服務業、奢侈品行業造成毀滅性打擊，從而引發遠超其人口比例的連鎖反應。第三個斷裂：地理——經濟分層的空間投射生產力和財富的斷裂，最終對應到地理空間上。穆迪分析公司的州際經濟報告為這一現象提供了堅實的資料支撐：全美50個州中，有22個州實際上處於經濟衰退，13個州增長停滯，只有16個州在維持增長。然而，這16個州的增長也並非均衡的。絕大部分的經濟活力高度集中在少數幾個“超級都市圈”，如加州的矽谷、紐約的華爾街、德克薩斯的奧斯汀等。比如，自2019年以來，全美高達70%的AI領域風險投資都流向了舊金山灣區。而根據世邦魏理仕（CBRE）在2025年9月發佈的報告，從2024年中到2025年中，僅一年時間，美加地區擁有AI技能的科技工作者數量激增了超過50%，達到了51.7萬人。而舊金山灣區、紐約和西雅圖這三大都會區，就吸納了全美35%的AI專業人才。這些“繁榮孤島”吸引了全國乃至全球最頂尖的人才、資本和技術，其人均GDP和創新產出遙遙領先。與此形成鮮明對比的是廣闊的“鐵鏽地帶”、中西部農業州和南部農村地區，它們正在經歷長期的產業空心化、人口流失和經濟萎縮，成為一片“停滯海洋”。這種地理上的經濟隔離，是美國社會和政治極化的根本原因之一。生活在“繁榮孤島”和“停滯海洋”中的人們，不僅經濟狀況天差地別，他們接觸的資訊、擁有的機會、信奉的價值觀也日益分道揚鑣。當一個國家內部民眾的經濟體驗出現如此巨大的鴻溝時，任何關於國家整體利益的政治共識都將變得極其脆弱，社會信任的基石隨之瓦解。02 歷史與未來很多人認為達利歐不是理論家，但他的分析總是“有用”，部分原因是因為他總是將其分析框架置於一個宏大的歷史周期框架中。在他看來，美國當下面臨的內部斷裂，是歷史上所有帝國由盛轉衰的典型模式的重演。根據他的“大周期”理論，一個帝國的衰落通常由三大力量共同驅動：巨額的債務、劇烈的內部衝突（由財富和價值觀鴻溝引發）以及強大外部對手的崛起。達利歐的大周期理論美國目前正完美地契合這三個條件。超過35兆美元的國家債務已不堪重負；內部的政治極化和社會對立已到水火不容的地步；而在外部，一個強大的競爭對手正在多個領域發起挑戰。三重斷裂所構成的，正是一種慢性的、侵蝕國家根基的系統性風險。它使得美國經濟變得異常“脆弱”和缺乏“韌性”。一個健康的經濟體，其韌性來源於廣大的中產階級和底層民眾，他們是消費的主體，也是社會穩定的基石。而當這個基石被掏空，整個經濟結構就如同地基不穩的大廈，外表依然光鮮，卻經不起任何重大衝擊——無論是另一場金融危機、一場大規模的地緣政治衝突，還是一次嚴重的自然災害。經濟將失去自我修復的能力，任何外部壓力都可能導致其內部矛盾的瞬間激化，甚至引發社會秩序的崩潰。03 路線之爭那如何“開藥方”？不同的人有不同的立場與解決方案。達利歐：“工程師”方案達利歐的方案帶有明顯的務實主義和“工程師思維”色彩。他主張繞開意識形態爭論，採取“機械化”的改良措施。其核心思想是，承認並繼續依賴頂層1%的創新引擎，但必須通過有效手段“抬高”底層60%的“地板”，以修復經濟的平衡。具體措施包括：與生產力指標掛鉤的自動化稅收激勵、覆蓋全國的基礎技能（尤其是AI素養）再培訓計畫，以及鼓勵勞動力向高增長地區流動的政策。他堅決反對激進的財富再分配，認為這會損害頂層精英的創新積極性，無異於“殺死會下金蛋的鵝”。改革派：重塑權力與分配以諾貝爾經濟學獎得主約瑟夫·斯蒂格利茨(Joseph Eugene Stiglitz)為代表的經濟學家則認為，達利歐的診斷只觸及了症狀，卻迴避了病根。他們認為，問題的核心不是底層民眾的“技能缺陷”，而是過去四十年來，系統性的政策選擇（如大幅為富人減稅、放鬆金融監管、削弱工會力量）導致了權力和財富向上層過度集中。因此，解決方案必須是結構性的：推行更高額的累進稅和財富稅，加強對大公司的監管，重建工會力量，從而從根本上扭轉資本回報遠超勞動回報的局面。在他們看來，不觸動頂層的既得利益，任何旨在“抬高地板”的措施都只是杯水車薪。當然，在這兩種主流觀點之間，還存在著其他探索。例如，“全民基本收入”（UBI）的倡導者，比如Sam Altman就認為，在人工智慧時代，大規模的結構性失業不可避免，直接向民眾發放現金是維持社會穩定和基本消費需求的唯一有效途徑。而另一些偏保守派的學者則主張，問題的關鍵在於恢復“工作的尊嚴”，應通過產業政策引導製造業回流，創造更多中等技能的就業崗位，而非依賴福利體系。但，美國經濟的斷裂，究竟是一個可以通過最佳化和改良來修復的“技術性”問題，還是一個必須通過深刻的利益調整和權力再分配才能解決的“結構性”問題？對這個問題的探究，非常有價值。04 中國理解達利歐的警告及其背後的深刻分歧，對於中國的觀察者而言，也具有非同尋常的意義。首先，它提供了一個穿透宏觀資料迷霧、理解美國真實社會經濟狀況的分析框架。在評估美國市場、政策走向和社會穩定性時，需要擯棄單一整體的簡單化思維，而採用一種“分層”和“分地域”的精細化視角。其中，美國的“群島經濟”格局意味著投資機會和風險的高度集中。投資於那些“繁榮孤島”中的高科技、高增長領域可能回報豐厚，但同時也必須警惕，整個經濟體的脆弱性可能隨時引發系統性風險，導致資產價格的劇烈波動。對於依賴廣大中下層消費的行業，則需要對其長期增長潛力進行重新評估。更重要的是，美國面臨的挑戰具有普遍性。人工智慧革命所帶來的生產力革命，正在全球範圍內加劇技能和財富的分化。如何在一個技術加速變革的時代，建構一個更具包容性和韌性的經濟社會結構，防止社會因斷裂而失序，是所有國家都必須回答的時代命題…… (TOP創新區研究院)