昨日Palantir正式發佈了面向美國人工智慧基礎設施的新產品Chain Reaction（連鎖反應），旨在通過與能源生產商、電力分銷商、資料中心和基礎設施建設者合作，加速全美AI基礎設施的建設，助力美國AI基礎設施的建設與管理。Chain Reaction（連鎖反應）產品被定義為“面向美國人工智慧基礎設施的作業系統”。Palantir押注自己能解決AI熱潮中的最大堵點之一電力、算力問題，並拉來兩大創始夥伴，美國最大公用事業公司之一CenterPoint Energy（CNP）與輝達（NVDA）。AI創新的瓶頸已非演算法，而是電力與算力。美國能源基礎設施建設正處拐點，需要為完全不同量級打造的軟體。鏈式反應直接與發電商、電網營運商、資料中心及基建方合作，加速AI基建：將老舊電源轉化為高可用資源，滿足AI巨大需求穩定並擴張電網，應對資料中心與電氣化帶來的激增需求加速新建發電、輸電及算力容量支援未來超大規模AI資料中心的設計、開發與可複製建設Chain Reaction 的發佈標誌著 Palantir 從傳統的資料分析決策智能平台提供商，向國家級AI基礎設施建構者的戰略躍遷。該產品不僅延續了Palantir 在資料整合與本體建模方面的技術優勢，還首次將 AI 訓練、推理與能源調度、資料中心維運深度耦合，形成一個“資料-算力-能源”三位一體的AI智能作業系統。在技術架構上，Chain Reaction 延續了 Palantir 一貫的本體論驅動理念，將現實世界的能源節點、算力單元、AI 模型與任務流抽象為動態知識圖譜。系統可即時感知資料中心的負載、電網的波動、模型的訓練進度，並通過多智能體協同機制，自動調整能源分配、冷卻策略與任務優先順序，實現 AI 基礎設施的自我最佳化 。在輝達 GPU 叢集進行千億級參數模型訓練時，Chain Reaction 可通過與 CenterPoint Energy 的電網資料對接，提前預測區域電力緊張窗口，動態將訓練任務遷移至可再生能源富餘地區，既降低碳排，也避免算力中斷。系統還能識別冷卻系統的異常模式，提前 6 小時預警潛在當機風險，將資料中心年度停機時間壓縮至分鐘級 。在安全性方面，Chain Reaction 採用零信任架構與聯邦學習機制，確保能源拓撲、模型權重與客戶資料在跨域流轉時仍滿足政府級合規要求。所有操作與決策鏈路均被寫入不可篡改的審計日誌，滿足美國國防與能源監管機構的可追溯要求 。Palantir 表示，Chain Reaction允許基礎設施營運商在本地部署核心調度引擎，同時按需訂閱 Palantir 提供的 AI 維運、碳排最佳化與威脅檢測服務。公司計畫在 2026 年前與 50 家能源與資料中心夥伴完成試點，並在 2027 年覆蓋美國 30% 的 AI 訓練用電負荷。正如 Palantir 聯合創始人 Alex Karp所言：“人工智慧的未來不僅在於演算法，更在於支撐它的能源與基礎設施。Chain Reaction 讓每一度電、每一顆晶片、每一個模型都在為國家安全與經濟增長服務。” 隨著 Chain Reaction 的落地，Palantir 再次證明，它不僅是軟體公司，更是國家數字基礎設施的戰略建構者。 (壹號講獅)

中國AI的真正優勢是什麼？年輕人到底還要不要學習程式設計？未來那些專業最有前途？最近，阿里巴巴集團聯合創始人、董事長蔡崇信在香港大學陸佑堂做了一次演講。這是港大商學院“陳坤耀傑出講座系列”的年度活動。據主辦方透露，這次演講的報名速度創下了紀錄——郵件發出兩小時內，超過1200人報名。中美AI競爭中國的四張底牌在演講開場，蔡崇信就拋出一個觀點：美國人定義的AI競賽規則是錯的。蔡崇信說，美國人怎麼算誰贏？看誰的大語言模型更強。今天是OpenAI領先，明天是Anthropic，後天可能是別人。“這個計分方式本身就有問題。”蔡崇信認為，真正的贏家不是誰有最好的模型，而是誰用得最好。而這個判斷的依據是：AI的價值在於滲透率。“中國國務院的AI規劃就很務實一一到2030年，AI代理和裝置的滲透率要達到90%。”那中國憑什麼能普及得更快?蔡崇信列了一張完整的底牌清單。電力：15年前埋下的伏筆蔡崇信說，訓練大模型、跑推理本質上都是在燒電。中國的電力成本比美國低40%。因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網路打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。結果就是中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。資料中心：成本碾壓在中國建一個資料中心，成本比美國低60%。這還沒算晶片，只是基建。工程師紅利：全球一半的AI人才有中國學歷背景蔡崇信提到一個有趣的資料，全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta (Facebook)的Al團隊裡，同事們都在用中文交流想法，他完全聽不懂。“這是中文第一次成為一種優勢。”蔡崇信開玩笑地說。他還舉了個例子，以前中國公司出海，語言是劣勢。比如在義大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了資訊優勢。資源匱乏逼出來的系統級創新蔡崇信說，美國有大量GPU，中國沒有。但他認為，匱乏反而創造了優勢。“GPU的缺乏反而創造了’飢餓優勢’。當你沒有足夠資源時，你被迫在系統層面創新。”他說。訓練一個兆參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬體受限，必須把系統最佳化做到極致。DeepSeek就是這麼逼出來的。而阿里的通義千問 (Qwen) 模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。蔡崇信對DeepSeek毫不吝惜地讚美：“我們在杭州的鄰居，他們做的事情令人難以置信。”開源模型會擊敗閉源模型對於眼下閉源模型和開源模型之爭，到底誰會勝出？蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數使用者的利益。他舉了個例子。假設你是沙烏地阿拉伯，想發展AI，又想保持“AI主權”——意思是AI不受外國控制。但你沒有人才自己開發模型。這時候你有兩個選擇。一個是通過API使用OpenAI。但你要付很多錢，而且資料要喂進去——你不知道資料去了那裡，那是個黑箱。第二個選擇是直接下載阿里的開源模型，部署在自己的私有雲上。免費，而且資料完全可控。所以不管是從成本還是隱私來說，都是開源模型勝出。“所以無論是政府還是企業，只要認真做成本效益分析，都會傾向於開源。”蔡崇信說。那麼阿里怎麼賺錢？蔡崇信的回答是：“我們不靠AI賺錢。”他說，阿里靠的是雲端運算。你用開源模型沒問題，但你要跑模型，需要雲基礎設施，包括儲存、資料管理、安全、網路等，這些阿里都能提供。所以開源模型是流量入口，雲服務才是利潤來源。這種模式其實很像早年的網際網路公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。阿里巴巴持續進化的秘決對話中，港大教授鄧希煒問了一個問題：阿里從B2B電商變成AI雲端運算公司，秘訣是什麼？蔡崇信回答：沒有秘訣，就是跟著客戶需求走。阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之後，小企業可以直接和全球做生意了。阿里的B2B平台就是幫這些小廠找買家——第一版網站是英文的，面向海外。後來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。“雲端運算也是一樣的邏輯。16年前，沒人討論雲。但阿里的消費平台要處理海量資料，如果繼續用Dell的伺服器、EMC的儲存、Oracle的資料庫，所有利潤都會交給這些供應商。”蔡崇信說，發展雲端運算完全是出於必要，出於對技術自主可控的需求。所以阿里雲的起點是“自己吃自己的狗糧”——先內部用，用好了再開放給外部客戶。蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長，而不是併購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過併購，“有些成功，有些失敗得很慘”。還要不要學程式設計？給年輕人的幾點建議在學生問答環節，關於技能和專業選擇，蔡崇信給年輕人提出了很多建設性的意見和建議，資訊密度很高。比如在技能層面要做好三件事。學會獲取知識。 聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。建立分析框架。 不是死記硬背，而是能對資訊做出自己的判斷。學會提問。 蔡崇信特別強調這一點——提出正確的問題，比找到答案更重要。那麼AI時代到底還要不要學程式設計？蔡崇信的回答是：要，但理由變了。很多人說AI時代不用學程式設計了，用自然語言（natural language）就能指揮機器。蔡崇信並不認同。“程式設計的目的不是為了操作機器，而是訓練思維過程。”他甚至建議學電子表格——能把一個複雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。對於年輕人來說，專業選擇可以考慮三個方向。資料科學。這其實是統計學的新名字，蔡崇信認為未來資料會爆炸式增長，懂得管理和分析資料的人永遠稀缺。心理學和生物學。這個專業主要是理解人腦怎麼運作。“人腦仍然是最高能效的’機器’，AI的很多設計思路都來自對大腦的模擬。”材料科學。世界現在被位元（bits）主導，但讓位元跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。當年為什麼放棄高薪加入阿里?1999年，為什麼蔡崇信放棄香港的律師高薪，跑去杭州加入一個18人的小公司。在很多場合，蔡崇信回答過這個問題，這次演講中他用金融人的思維解答：不對稱風險收益。“下行風險非常有限。為什麼？因為我有好的學歷，讀過法學院，最壞情況我還能當律師。但上行空間是無限的。”蔡崇信說，就像一個看漲期權——最多虧掉權利金，但收益沒有上限。他又補充了一句更重要的話：機會是來找你的，不是你去找它的。 你要做的是“準備好”，這樣機會來的時候才能抓住。AI是泡沫嗎？“每一個泡沫背後，都有一根針在靜靜等待。”這句出自股神巴菲特。最近，美國預測平台Polymarket近日推出“AI泡沫何時破滅”的投注。目前累計投注額已接近15萬美元，三個選項當中，有2%認為AI泡沫會在今年底破滅的，有15%認為AI泡沫會在明年3月破滅。最熱門下注年份是2026年底，近40%投資者認為AI最遲明年底可能出事。那麼，AI到底會不會像2000年網際網路泡沫一樣破裂？蔡崇信認為，對於這個問題要區分兩種泡沫。一種是金融市場泡沫，比如股票估值是不是太高？50倍市盈率合不合理？“這是一門藝術，我不知道。”第二種是技術泡沫，也就是技術本身是不是虛假的。“AI可能存在金融泡沫，但技術本身是真實的。 就像2000年3月網際網路泡沫破裂，但網際網路並沒有消失——今天網際網路比那時候強大得多。”蔡崇信說。所以他的結論是：所有投入AI基礎設施的資源、模型開發的努力，不會打水漂。 (九千光年)

“創世計畫”的誕生，標誌著川普把人工智慧抬升到關乎國家命運的戰略工程，同時嵌入了對華“長期科技戰”“供應鏈安全戰”的敘事之中。該舉措折射出美國在新一輪大國競爭中試圖以AI重塑科技優勢、產業版圖和國際秩序的深層戰略。文章從領導架構、戰略目標、技術路徑等層面細緻剖析這一計畫，指出它並非簡單複製“曼哈頓模式”，而是通過國家—資本合流、集中重組聯邦科研資料，打造“AI驅動的科技-產業-安全超級平台”，一方面加速基礎科研與產業應用融合，另一方面也可能加劇資料壟斷、技術鴻溝和對外科技圍堵，推動形成一個對中國高度防範的“去中國化”科技同盟。在人工智慧被部分國家當作“核技術2.0”的今天，人類是走向合作治理、共享紅利，還是陷入演算法軍備競賽、規則陣營化的惡性循環？這一問題，值得國際社會持續警惕和深思。11月24日，川普簽署總統令，正式啟動被稱為“創世計畫”（編者註：Genesis Mission）的國家級人工智慧科技計畫，並刻意將其重要性與二戰時期的“曼哈頓計畫”相提並論。這一表態本身，就是一則極具象徵意義的訊號：在美國新版的“大國競爭敘事”中，人工智慧被擺在類似於當年核技術的戰略高度，成為重塑科技優勢與國際秩序的核心抓手。11月24日，美國白宮發佈川普行政命令，啟動“創世紀計畫”（圖源：whitehouse.gov）“創世計畫”：“曼哈頓計畫”的新時代升級版“創世計畫”的構想源於2024年11月美中經濟與安全審查委員會（USCC）關於啟動“人工智慧曼哈頓計畫”的建議，旨在利用國家力量在通用人工智慧（AGI）及深層科技領域確立對華絕對優勢。如果只看形式，“創世計畫”和“曼哈頓計畫”確有不少相似之處——同樣是聯邦政府主導，同樣是舉國體制下整合大學、國家實驗室和企業的“大兵團作戰”，同樣打著“關乎國家命運”的旗號。但細究之下，兩者的差異恐怕比相似之處更值得注意。其一，領導架構從“軍方掛帥”轉向“科技官僚+能源部門”主導，反映的是美國對長期科技競爭和國家安全結構的重新佈局。“曼哈頓計畫”本質上是戰時軍事工程，決策高度集中在國防體系之內；而“創世計畫”由能源部和總統科學技術助理共同牽頭，更像是一項圍繞能源安全、前沿科技和產業優勢展開的系統工程，它指向的不是一場戰爭的勝負，而是一整代技術和產業格局的重塑。其二，戰略目標也發生了根本變化。“曼哈頓計畫”的核心任務，是搶在納粹德國之前完成核武器研發，服務於反法西斯戰爭的勝利；“創世計畫”則被明確置於對華科技競爭的大框架之下，直截了當地瞄準人工智慧領域與中國等競爭國的“長期賽跑”。在川普2.0政府的話語體系中，這不僅關乎美國能否在AI時代保持領先，更關乎其能否維護“讓美國再次偉大”（MEGA）的霸權定位。其三，在技術路徑上，“創世計畫”走得更遠也更廣。曼哈頓計畫主要是推動核技術從基礎科學走向工程化武器系統，儘管複雜，卻仍然是相對單一的技術範式躍遷；而創世計畫試圖把AI當作一種通用賦能技術，對基礎理論、通用技術體系、產業業態乃至制度規則進行“全鏈條重構”。通過建設所謂“美國科技和安全平台”，把聯邦政府多年積累的海量科學資料集中起來訓練基礎科學模型，再用AI代理自動設計實驗、驗證假說、加速發現，優先賦能先進製造、生物技術、關鍵材料、核能、量子資訊、半導體與微電子等六大戰略方向。因此，啟動“創世計畫”不是為了造一件“終極武器”，而是為了打造一個“AI驅動的科技-產業-安全超級平台”。“創世計畫”對美國人工智慧技術發展的潛在影響“創世計畫”的實施對美國人工智慧技術發展具有雙重影響。第一，從積極影響看，“創世計畫”在一定程度上推動了聯邦科研資源向產業端的有序開放，有利於人工智慧技術與具體應用場景的深度融合。聯邦政府及其國家實驗室經過數十年公共科研投入積累了大量“高品質、結構化、帶標註”的科研資料，遠非一般網際網路爬取資料可比。通過在安全可控前提下向符合條件的企業開放上述科研資料，並配套提供超算平台和算力基礎設施，“創世計畫”實質上是將原本分散沉睡的公共科研資料，重塑為面向企業的高品質AI訓練與實驗資源：一方面顯著降低了企業自主獲取資料和算力的門檻，提升模型性能與研發效率；另一方面推動企業與高校、國家實驗室圍繞具體行業場景開展協同攻關，在先進製造、生物醫藥、關鍵材料等領域加快形成一批可複製、可推廣的AI賦能應用，從而在科學AI與關鍵產業智能化方向上塑造新的系統性優勢。第二，從消極影響看，“創世計畫”可能會加劇人工智慧技術應用領域的失衡和資料鴻溝。“創世計畫”的出台體現了“川普2.0”政府在科技領域“先削後補、重塑結構”的戰略取向。一方面，此前其大幅削減聯邦科研經費，包括壓縮公共衛生、氣候變化等公共利益導向較強領域的投入，弱化了面向社會整體福祉和全球公共品供給的科學研究；另一方面，又通過“創世計畫”在能源安全和前沿科技等方向定向加碼，以所謂“減脂增肌”式改革重構科研投入結構——在其邏輯中，以公共健康、氣候治理等為代表的民生與全球治理型科研被視為可以壓縮的“脂肪”，而有助於降低本國能源成本、提升科學生產力並鞏固美國霸權地位的項目，則被視為必須重點強化的“肌肉”，人工智慧則成為驅動這些“肌群”的核心工具。在此框架下，大規模向特定企業開放政府掌握的高品質科研資料，看似提高了人工智慧研發效率，實則強化了美國科技巨頭在關鍵科學資料資源上的壟斷地位：聯邦長期積累的公共科研資料，在國家平台和美國主導的規則之下，被重新集中分配給少數科技巨頭和相關機構，形成“國家-資本”聯合的資料控制格局，客觀上加劇了國內外的資料鴻溝。雖然人工智慧技術的發展路徑從過去相對單一的資本驅動轉向國家-資本混合驅動，但資料和技術紅利更多被鎖定在少數企業和精英群體之中，普通民眾不僅難以直接、均衡地分享這些成果，反而可能在隱私保護、演算法歧視、公共服務資源擠佔等方面承受新的潛在風險。亞馬遜旗下的雲服務公司 AWS 表示，將投資高達 500 億美元建設專用人工智慧資料中心和超級電腦，AWS 已經是美國聯邦政府的重要服務商，主要提供雲端運算服務，每年涉及數十億美元的合同（圖源：路透社）“創世計畫”對中國的潛在挑戰對中國來說，“創世計畫”至少釋放出三重值得警惕的訊號。第一，中美圍繞AI的全方位科技競爭將進一步升級。美國計畫通過向參與實驗室和企業開放龐大的政府資料資源，疊加輝達、AMD、OpenAI等一眾美國科技巨頭的算力和演算法優勢，有望在基礎模型、科研工具和應用場景上形成新的“技術高地”。這既是在補美國自身科研資助模式碎片化、周期偏短的“短板”，也是在主動對標中國新型舉國體制的整合動員能力，試圖把自己的“分佈式創新體系”升級為更加集中有力的國家科技動員機制。第二，中美在關鍵資源和高端製造環節的供應鏈“脫鉤”風險被顯著放大。稀土和其他關鍵材料長期是中美經貿關係中的“硬約束”與“互補點”。“創世計畫”把“減少對外國供應鏈依賴、保障以稀土為代表的關鍵材料安全”寫入核心戰略方向，意味著美國將更多依託AI技術，在資源勘探、替代材料研發、工藝最佳化和循環利用等方面尋求“技術繞行通道”。一旦這些努力取得突破，中美供應鏈的深度捆綁就可能被主動拆解，產業鏈分化甚至“陣營化”的壓力會更大。第三，創世計畫的“開放性”並不等於包容，而更像是對盟友的戰略聚合。儘管參與主體以美國企業和科研機構為主，但歐洲企業如諾基亞、西門子已被吸納其中，未來還很可能吸引更多歐洲、日韓企業和研究所加入。在美國主導的技術標準、工具鏈和資料共享體系下，一個對中國高度防範甚至排斥的“去中國化”科技產業同盟正在加速成形。對於中國而言，這不僅意味著市場和技術合作空間被擠壓，也意味著在下一輪全球科技規則博弈中，議程設定權和話語權將面臨更大挑戰。綜上所述，“創世計畫”可能會加劇對華科技競爭、供應鏈“脫鉤”和全球科技封鎖。因此，中國在完善人工智慧領域新型舉國體制，強化單邊有序資料開放，促進基礎科學研究、技術研發與應用協同發展等方面的緊迫性加重。本文作者劉津瑞：香港中文大學（深圳）前海國際事務研究院博士後。 (大灣區評論)

前不久，前白宮人工智慧特別顧問本·布坎南（Ben Buchanan）在《外交事務》雜誌上拋出了他的“大交易”設想，華盛頓的政策圈似乎又找到了一個新的敘事框架。這位在2021至2025年間負責協調拜登政府AI政策的核心人物，試圖為美國AI發展勾勒一幅宏大藍圖：科技行業必須要與政府達成戰略協議，前者獲得能源基礎設施、人才管道和國家安全保護，後者則將AI整合進國防體系並確保其不破壞所謂的民主價值。這個提議聽起來既務實又理想主義——問題恰恰在於，它可能過於理想主義了。更令人玩味的是，就在布坎南構想這份“大交易”之後不久，DeepSeek正在以一種近乎諷刺的方式，拆解著他所依賴的核心假設。這家被美國晶片出口管制嚴密封鎖的公司發佈了DeepSeek V3.2，實測在開源模型中達到全球最高水平，與海外頂級閉源模型的差距縮小至約一個季度。該模型分為普通版和特別版：普通版性能對標 GPT-5，特別版則媲美 Gemini 3.0 Pro，尤其在數學與推理能力上表現突出。這不僅是一次技術突破，更是對美國“晶片遏制”戰略的一記響亮耳光。晶片政策的分歧：遏制還是“上癮”？在理解布坎南“大交易”的困境之前，我們必須先釐清美國AI戰略界內部一個長期存在但鮮被公開討論的根本分歧——關於對華晶片政策，決策圈內實際上存在著兩種截然不同的哲學。本·布坎南（Ben Buchanan）第一派可稱為“技術依賴派”或“上癮派”。這派觀點認為，應當允許中國大陸在一定程度上獲取美國的先進AI晶片，使其AI生態系統建立在美國技術基礎之上，形成一種戰略性依賴。這種策略的邏輯類似於毒品販子的手法：先讓對方上癮，然後控制供應鏈就能控制對方的技術發展節奏。輝達最初對中國大陸市場的態度——不斷推出降級版晶片如H800、H20來規避出口管制——某種程度上體現了這種思路。這一派相信，只要中國大陸市場的AI產業離不開美國晶片，華盛頓就永遠掌握著關閘的權力。第二派則是布坎南所代表的“全面遏制派”。在他們看來，任何對中國大陸的技術滲透都是危險的，必須在製造端實施最嚴格的封鎖，不給中國大陸任何獲取先進算力的機會。這種觀點在2022年10月拜登政府大幅擴展晶片管制時達到高峰，不僅限制先進晶片出口，還限制晶片製造裝置，甚至禁止美國公民為中國大陸半導體公司提供技術支援。布坎南在文中對中國大陸“軍民融合”戰略的惡毒指控，都清晰地顯示出他屬於這一陣營。然而諷刺的是，DeepSeek的成功恰恰證明了兩種策略可能都已失效。“上癮派”的夢想破滅了——中國大陸AI企業並沒有因為依賴美國晶片而束手就擒，反而在被斷供後激發出了驚人的技術創新能力。而“遏制派”的策略同樣遭遇挫敗——即便在最嚴格的出口管制下，中國大陸企業仍通過演算法最佳化、架構創新和可能的走私管道，實現了技術突破。正如智庫Stimson Center的分析所言，出口管制的“卡脖子”假設本身就是一個謬誤——每一次限制都會留下縫隙和漏洞，而目標國家的適應和創新能力往往被嚴重低估。更值得警惕的是，這種封鎖正在催生一個危險的結果：“設計出去”（designing out）。當美國技術被完全排除在外時，中國大陸企業別無選擇，只能開發完全繞過美國技術的替代方案。華為用麒麟9000s晶片替代高通，導致高通2024年損失6000萬套晶片銷售，就是一個典型案例。長期來看，這種“設計出去”將永久性地侵蝕美國在全球半導體生態系統中的地位——當中國大陸建立起完整的國產替代體系後，即便美國日後放鬆管制，市場份額也難以奪回。布坎南的“大交易”建立在全面遏制戰略能夠成功的假設之上，但現實已經在反覆證明，這個假設正在崩塌。能源幻覺與基礎設施的政治死結“大交易”的第一個支柱是政府為AI產業提供充足的能源基礎設施。布坎南在文中引用的資料令人震撼：到2028年，美國AI產業僅新增電力需求就將達到500億瓦，相當於整個阿根廷的用電量，資料中心可能消耗美國電力產量的12%。與此形成鮮明對比的是，中國大陸每年新增電力容量達12%，而美國在2005至2020年間幾乎沒有新增淨電力。這個對比看似有力，實則掩蓋了一個更深層的問題：為什麼美國在過去二十年間幾乎沒有新增電力？答案並非技術能力不足，而是美國社會在能源政策上陷入了一個幾乎無解的政治死結。一方面，任何大規模的新建電廠項目——無論是傳統化石能源還是核電——都會面臨環保團體、地方社區和監管機構的多重阻撓。美國的環境影響評估流程可以讓一個電廠項目耗費十年以上時間仍無法開工。另一方面，即便是清潔能源項目，也面臨著“不要建在我家後院”（NIMBY）效應的困擾。加州在可再生能源方面走在全美前列,但其電網卻經常因為峰值負荷而陷入危機，而新建輸電線路的項目同樣被環保和土地糾紛困住。布坎南樂觀地認為，AI驅動的能源繁榮將創造就業、加速清潔能源開發，實現“無碳化營運”。但這種敘事忽略了一個殘酷現實：在美國當前的政治生態下，任何大規模基礎設施建設都會遭遇曠日持久的黨派爭鬥、司法訴訟和監管審批。川普政府宣佈的5000億美元Stargate項目看起來宏大，但如果我們回顧川普第一任期內承諾的基礎設施投資有多少真正落地，就不難理解這些承諾的可信度。美國電力短缺狀況（@華盛頓大學）更諷刺的是，當前美國政治氛圍下，對AI的態度本身就充滿分裂。一部分人將AI視為新的經濟引擎和國家安全工具，另一部分人則擔心AI導致失業、隱私侵犯和社會不平等。在這種背景下，要求政府為AI產業大規模投資能源基礎設施，本身就可能引發激烈的政治反彈。那些在鏽帶州失去工作的選民，那些被高房價和生活成本壓得喘不過氣的中產階級，憑什麼要為矽谷科技巨頭買單，幫助他們獲得更多電力來訓練AI模型？中國大陸的優勢恰恰在於其政治體制能夠快速調動資源實施大規模基礎設施建設。當決策者確定AI是戰略重點時，電廠、資料中心和配套設施能夠以驚人的速度上馬。這不是單純的技術問題，而是治理模式的差異。布坎南的“大交易”假設美國政府能夠提供類似的支援，但這個假設本身就忽視了美國政治體制的結構性制約。人才政策的內在矛盾“大交易”的第二個支柱是維持國際人才管道。布坎南正確地指出，70%的頂級在美AI研究人員出生在國外，65%的領先美國AI公司至少有一位移民聯合創始人。但他對人才政策面臨的困境卻語焉不詳。川普政府在移民政策上的立場與布坎南的設想存在根本衝突。將H-1B簽證費用提高到10萬美元，大幅收緊國際學生入學政策（2025年可能導致國際學生入學率下降30%-40%），這些措施的政治邏輯與“保持AI人才流入”完全相悖。但問題的關鍵在於：這些移民政策並非出於無知或短視，而是回應了美國社會中一股強大的民粹主義情緒。對許多美國選民而言，保護美國就業、防止移民搶走機會是比維持AI領先地位更直觀、更緊迫的關切。當布坎南談論引進更多外國AI人才時，政治現實是，這種政策會被解讀為“讓外國人來搶美國人的工作”。技術精英和政策制定者可以用國家安全和經濟競爭力來論證開放移民的必要性，但這套話語在政治市場上的說服力遠不如美國優先來得有力。更深層的矛盾在於，布坎南一方面希望政府幫助AI產業獲得更多國際人才，另一方面又主張將AI深度整合進國家安全體系。但任何有過安全審查經驗的人都知道，涉及國防和情報的項目對人員背景有極其嚴格的要求。當AI越來越多地被用於軍事和情報用途時，如何平衡人才開放性和安全審查的嚴格性？那些來自對手國家的研究人員——包括大量來自中國大陸的AI專家——是否還能參與最前沿的AI研發？布坎南似乎希望魚與熊掌兼得：既要保持美國作為全球AI人才磁石的地位，又要加強對AI技術的國家安全管控。但這兩個目標存在內在張力。中國大陸正在積極招募AI專家回國，而美國日益收緊的移民政策和日益政治化的科研環境，可能會加速這種人才回流。當美國大學裡的中國大陸留學生發現自己無論多麼優秀都難以獲得工作簽證，當他們的研究因為敏感性而受到限制時，選擇回國就成了理性選擇。而這正是布坎南所擔心的人才外流。政府-產業合作的結構性障礙“大交易”設想的核心是政府與科技行業建立深度合作關係。但這個設想面臨一個尷尬的現實：雙方之間存在著深刻的互不信任。從科技行業的角度看，政府意味著繁瑣的監管、緩慢的決策流程和對商業創新的束縛。矽谷文化崇尚“快速行動，打破陳規”（Move fast and break things），而政府系統的特點恰恰是謹慎、官僚和風險規避。更重要的是，科技公司擔心與政府深度合作會限制它們的商業自由。如果將AI系統深度整合進國家安全體系，這意味著更嚴格的出口管制、更多的安全審查、更少的國際市場機會。對那些在全球營運的科技巨頭而言，這是一個巨大的代價。從政府的角度看，科技公司則是一群難以管束、唯利是圖、不考慮國家安全的商業實體。OpenAI、Google、Meta這些公司都曾因為與軍方和情報機構的合作項目引發內部員工抗議。2018年，Google員工成功迫使公司退出了與國防部的Maven項目。這種企業內部對軍事合作的牴觸，讓政府對科技公司的可靠性深表懷疑。布坎南在白宮任職期間主導的一些政策，恰恰體現了這種張力。拜登的AI行政命令要求科技公司自願做出安全承諾，但這些承諾大多停留在原則層面，缺乏強制約束力。而當政府試圖實施更嚴格的監管時，科技公司又會動用強大的遊說力量來阻撓。這種貓捉老鼠的遊戲，很難想像能夠昇華為布坎南所設想的“大交易”式的戰略夥伴關係。更根本的問題在於，“大交易”假設政府和產業能夠就AI的發展方向達成一致。但實際上，雙方對許多核心問題存在嚴重分歧：AI應該多大程度上開放？誰應該控制最強大的AI系統？AI帶來的經濟收益應該如何分配？AI技術應該向那些國家和實體出口？在這些問題上，政府和科技公司的利益遠非完全一致，而且內部也存在嚴重分歧。要在這樣的基礎上達成一個覆蓋能源、人才、國家安全等多個維度的“大交易”，難度之大可想而知。時間的殘酷性與政策的惰性布坎南正確地指出，AI進步速度極快，政策制定者必須在極短時間內做出重大決策。但他的“大交易”卻要求完成一系列在美國政治體制下通常需要數年甚至數十年才能實現的任務：大規模能源基礎設施建設、移民政策根本性改革、政府-產業關係的深刻重構、國家安全體系的全面AI化。這裡存在一個根本性的時間錯配：AI技術的演進以月為單位，而美國政治體制的變革以年甚至十年為單位。在拜登任期內，布坎南主導的AI行政命令確實取得了一些進展，建立了AI安全研究所等機構，推動了一些自願承諾。但這些成就與“大交易”設想的宏大目標相比，幾乎微不足道。而現在，川普政府正在系統性地拆除拜登時期建立的許多AI治理框架，包括放鬆晶片出口管制——這正是布坎南最擔心的事情。政治周期的不穩定性使得任何長期戰略都難以為繼。一個政府費盡心力建立的政策框架，可能在下一個政府上台後被全盤推翻。在這種情況下，要求政府和產業就一個需要十年、二十年才能見效的“大交易”達成共識，無異於痴人說夢。中國大陸的體制優勢恰恰在於其政策的連續性和長期性——當中國大陸將AI確定為戰略重點時，這個戰略可以持續數十年不變，資源投入也能夠保持穩定。美國的民主制度有其獨特價值，但在需要長期戰略規劃的技術競爭中，這種制度的弱點暴露無遺。布坎南的“大交易”本質上是一個防禦性戰略，它的出發點是“防止失去領先地位”而非“創造新的突破”。這種心態本身就反映了一種焦慮和不自信。當一個國家的AI戰略主要由防止對手超越而非創造革命性創新驅動時，它實際上已經喪失了先機。中國大陸的AI戰略雖然也包含趕超美國的目標，但更重要的是建立自主創新能力和獨立的技術生態。DeepSeek的成功正是這種戰略思維的體現——與其被動等待美國放鬆封鎖，不如主動探索新的技術路徑。難以癒合的裂痕最終，“大交易”之所以難以實現，根源在於它試圖彌合的那些裂痕可能本就無法癒合。美國社會在AI問題上的分裂是深層次的。技術精英認為AI是下一個增長引擎，必須不惜一切代價保持領先；普通民眾擔心AI導致失業和不平等；環保主義者反對為AI建設消耗巨量資源的資料中心；民族主義者要求限制移民和技術出口；國際主義者強調開放合作的重要性。這些立場之間的矛盾，不是一個“大交易”就能調和的。政府和科技公司之間的不信任是結構性的。科技公司希望政府提供支援但不要干預，政府希望科技公司服從國家利益但又不完全信任它們。這種關係更像是一種脆弱的共生而非穩固的夥伴關係。美國和中國大陸的競爭是長期的、全方位的，不可能通過單一的技術封鎖或單一的政策框架來解決。中國大陸的制度優勢在於能夠集中資源和長期規劃，美國的制度優勢在於創新活力和市場機制。但當競爭進入到需要國家動員和長期規劃的階段時，美國的制度優勢可能反而成為劣勢。布坎南的“大交易”建立在一個過於樂觀的假設之上：只要政府和產業達成正確的協議，美國就能夠延續其在AI領域的領先地位。但現實可能更加殘酷——不是美國不夠努力，不是政策不夠好，而是歷史的鐘擺正在擺向另一邊。技術霸權從來不是永恆的，曾經的領先者往往會在新的技術範式轉換中失去優勢。AI可能正是這樣一次範式轉換，而“大交易”式的修補方案，或許只是延緩衰落而非逆轉趨勢。在DeepSeek證明封鎖無效、川普政府拆除拜登時期的AI治理框架、美國社會在移民和能源政策上陷入僵局的當下，布坎南的“大交易”更像是一個精緻的政策幻想，而非可行的戰略方案。這並非說布坎南的診斷不對——美國在AI領域確實面臨能源、人才、安全整合等多重挑戰。問題在於，他開出的藥方需要一個在當前美國政治現實中幾乎不存在的條件：高度共識、長期承諾、政府效率和超黨派合作。當這些前提條件都不具備時，“大交易”就只能停留在紙面上，成為又一個華盛頓政策圈裡的美好願景，而非能夠真正塑造現實的戰略行動。 (心智觀察所)

在人工智慧等新科技領域競爭日益激烈的情況下，提振民間投資的政策應該進一步調整著力點，合理設置“紅綠燈”，讓敢投、能投、願投的企業，挑起新增投資的大樑，成為在新科技賽場上實現突破的關鍵力量。儘管美國AI（人工智慧）投資是否存在泡沫還有待時間檢驗，但一個事實是：AI驅動的巨量投資，已對美國宏觀經濟產生了顯著影響。2025年前兩個季度，投資對美國GDP的貢獻上升至每季年化1個百分點，創下2023年以來的最高水準。美國經濟的「三駕馬車」中，消費長期佔據主導地位，而2025年AI帶動的投資，少見地讓投資對GDP成長貢獻率逼近消費。這些投資主要投向了資料中心和相應設備領域。主導這一輪投資的是美國頭部企業。 2025年第二季度，美股「七姊妹」（ 蘋果、微軟、輝達、亞馬遜、Google母公司Alphabet、Meta和特斯拉）的資本開支規模近1,000億美元，較三年前同期規模翻倍，年增速接近65%。預計2025年全年，美國科技巨頭的資本支出將達到5,000億美元。摩根士丹利預測，從2025年至2028年，全球資料中心支出將接近3兆美元，其中1.4兆美元來自科技巨頭。這儼然是一個美國版的“四兆”，只不過是以私人企業投資為主的“四兆”。面對如此龐大的資本開支，科技巨頭左右騰挪，調動各方面的金融資源。過去兩個月，Meta、甲骨文、Realty Income合計在投資等級債券市場募資750億美元，這一規模不僅是新冠疫情前年均水準的兩倍，更遠超2015—2024年間行業年均320億美元的融資額，甚至推高了投資級債券的收益率。 OpenAI、輝達、甲骨文透過交叉持股，不僅為市場注入了充足的想像空間，也帶來了更大的風險隱憂。科技巨頭還設計了一系列複雜的融資結構，將部分投資轉至“表外”，以減少對當期現金流量表和資產負債表的影響。以Meta為例，其為路易斯安那州一個巨型資料中心設計的融資方案，就結合了股權、債券和專案融資等多種方式：一家基金管理公司投資30億美元與Meta成立合資公司，持股80%；該合資企業再發行270億美元的債券，支援數據中心建設。為規避這筆租賃協議被計為長期負債，Meta在合約中保留了每四年可以退出租賃的權利；作為交換，Meta提供了一項擔保：如果Meta行使退出權，將向投資者提供補償，以彌補所有損失。類似的金融設計，也出現在OpenAI、xAI等公司的大型算力中心專案中。這些模式雖帶來了極高的融資效率，但也引發了對風險的擔憂。一方面，科技巨頭狀況不一，並非每一家拋出龐大資本開支計劃的科技企業，都有Google、微軟一般的現金儲備和經營性現金流；另一方面，市場擔心人工智慧的技術進展與落地效果會否低於預期。在這種情況下，人工智慧可能會迎來一次千禧年科技泡沫一樣的危機，甚至更糟——以資料中心為底層資產的表外融資有可能帶來類似2008年房地產危機的系統性金融風險。當美國AI投資面臨泡沫的考驗時，中國民間投資卻面臨另一類挑戰。在過去很長一段時間裡，以民營企業投資為主的民間投資是中國固定資產投資的重要部分，佔比超過50%，也是經濟成長的重要動力。但近年來，由於房地產市場拖累等因素影響，民間投資不斷走低，民間投資成長轉負，佔整個固定資產投資的比例已降至50%以下。為提振民間投資，從「民間經濟36條」到《中華人民共和國民營經濟促進法》再到《關於進一步促進民間投資發展的若干措施》（下稱《若干措施》），政策不斷加碼。特別是剛推出的《若干措施》，明確了在鐵路、核電重點領域，民間資本持股比例可在10%以上，同時鼓勵採購單位將對民營企業的合約預付款比例提高至合約金額的30%以上。這些政策是針對過去民間投資癥結的有的放矢。但結合近期美國的AI投資熱，我們可以觀察到一些新的方向與想法。其一，過去提振民間投資政策的主要方向是“清障”，即打破“鐵門”“玻璃門”，鼓勵民間資本進入諸如鐵路、核電、水電等國有企業壟斷的行業。這既是市場化改革的基本要求，也為了提高這些產業的營運效率。但在新一輪科技革命下，出現了更廣大的投資空間，這些領域普遍有更豐厚的投資回報，也面臨更高的投入風險，更符合民間資本的特性稟賦。因此，促投資政策應在「清障」的同時，將更多精力用在支援民間資本「拓荒」上，為民間資本大量湧入人工智慧等新興領域創造機會和條件。其二，不同產業處在不同周期節點，許多與房地產強相關的產業，還在經歷資產負債表修復階段，在這個階段不論出台什麼政策，也只能加快這些企業資產負債表的修復，而難以推動投資擴張。因此，促投資的政策應該聚焦在有能力有意願，正處於擴張周期的企業，要盡辦法為它們創造空間。本輪美國人工智慧投資主要由科技企業完成，這些企業普遍擁有較高的利潤率、現金儲備和市值，其業務也與人工智慧有較高的相關性，能從技術進步中直接獲益。這些企業有能力也有意願大幅增加資本開支。同樣，中國也有一批有能力有意願在人工智慧領域進行較大規模投資的科技公司，要盡量為這些企業創造投資空間。其三，要高度重視金融市場在投資中扮演的角色。 「金融+科技」雙輪的快速轉動，為美國AI發展提供了充足的動力，數千億乃至數兆美元的投入顯示了美國並非不具備進行大規模投資的能力，在可能取得高額利潤的新興市場，美國私營企業依然保持極強的金融資源調動能力。中國民間投資長期依賴銀行為主導的間接融資體系，在這個系統中，地方政府扮演了關鍵角色。地方政府不僅以財政資源扶持新興企業落地，支援頭部企業發展，也為這些企業從銀行獲得信貸提供某種「授信」。在房地產和「新三樣」的快速發展中，這個模式發揮了重要作用。但在統一大市場建設和化債的背景下，地方政府的角色正在出現變化，這一點是需要關注的。如何在新的發展階段，為新的投資領域，建立一個更有效、更合理的融資模式，將會是提振民間投資的關鍵。其中，一些新的金融工具可以逐步嘗試後擴大推進面，例如以資料中心等新型基礎設施為底層資產的REITs（不動產投資信託基金）。其四，要容忍一定程度的風險與泡沫。儘管對美國AI投資泡沫的質疑一直沒過，但這些新技術的探索需要試錯，只要不帶來系統性金融風險，泡沫破滅後，市場還會煥發生機。不能因為害怕出現泡沫，就把所有嘗試的手腳都綁住。一個完全沒有泡沫的市場，很可能也失去了孕育創新的土壤。對於民間投資，尤其如此。在金融監管健全的背景下，民間投資的優勢就在於“自負盈虧”，從創新探索的角度，由民間資本挑起大樑，整個社會承擔的成本是更低的。因此，一方面要強調對風險的防範，建立好防火牆，防止風險擴散，另一方面又可以在監管和風險控制上留出一定的「風險敞口」。回到本意，之所以要提振民間投資，不僅在於從總量上支撐固定資產投資成長，更在於民間投資擁有顯著的效率優勢和對創新的發掘能力。因此，在人工智慧等新科技領域競爭日益激烈的情況下，提振民間投資的政策應該進一步調整著力點，合理設置“紅綠燈”，讓敢投、能投、願投的企業，挑起新增投資的大樑，成為在新科技賽場上實現突破的關鍵力量。 （經濟觀察報）

在人工智慧浪潮席捲全球的當下，美國正以空前的雄心推動其AI計畫。在各種新聞裡，我們對此已經聽聞許久。但相信每個人都有困惑，美國人的錢從那裡來？中國如果要與美國競爭，錢夠不夠？摩根士丹利分析師預計，到2028年，全球資料中心資本支出將高達3兆美元，而科技巨頭們的現金流僅能覆蓋一半，留下一場1.5兆美元的“融資鴻溝”。美國靠誰來填補這個缺口？答案是，美國的退休金儲備。美國的科技公司通過發行高等級債券籌資，而壽險公司則將巨額養老金注入這些債券，以匹配退休人群的長期需求。這種“退休資金助攻AI”的模式，是美國AI投資的獨特路徑，也是其在全球AI競賽中的領先優勢。問題是，其他國家為何難以複製？中國能否迎頭趕上，又將如何以獨特的策略反擊？OpenAI、甲骨文與軟銀為擴展星際之門 (Stargate) 計畫宣佈新增五處AI資料中心美國的資金來源美國AI計畫的資金並非憑空而來，而是依託其成熟的金融體系和多元化的投資管道。根據史丹佛2025 年人工智慧指數報告，2024年全球AI私人投資創紀錄，美國獨佔1091億美元，是中國93億美元的近12倍，凸顯美國在私人資本主導的AI投資生態中的絕對優勢。這些資金主要來自三大來源：首先，風險投資（VC）和私募股權市場如火如荼。2025年，美國已有33家AI初創公司融資超過1億美元，包括Anthropic、xAI和Mistral等巨頭完成的10億美元級“巨額輪次”。全球VC資金的50%以上流向AI，其中美國佔比超過75%。這得益於矽谷的生態。投資者對AI的熱情推動了“巨額融資”浪潮，甚至包括“收購式招聘”（acqui-hires），以快速吸納頂尖人才。其次，債券市場成為科技巨頭的主力融資工具。2025年前10個月，美國投資級企業債券發行額佔整個公司債券市場的三分之二，總額超過2兆美元。 甲骨文、Meta和Alphabet等AI領軍者已發行多筆巨額債券，預計明年高等級債券市場將吸收3000億美元的AI資料中心融資。這裡的關鍵買家是壽險公司。2025年美國年金銷售創紀錄，達3450億美元，這些資金需投資長期資產以避險“長壽風險”。摩根士丹利策略師指出，壽險公司已成為信用市場的“最大邊際買家”，將信用利差推至1990年代以來最低水平，推動債券收益率走低。最後，政府與企業雙管齊下。美國聯邦政府2025財年投入33億美元用於非國防AI研發，同時亞馬遜、Alphabet、微軟和Meta等“超級科技公司”計畫在2025財年總計投資3640億美元，用於資料中心和AI基礎設施。這些投資不僅填補了融資缺口，還直接貢獻了GDP增長：2025年上半年，AI相關資本支出佔美國GDP增長的1.1%，超過消費驅動。簡而言之，美國的資金池由多輪驅動：私人資本主導創新，債券市場提供規模化融資，退休金則確保長期穩定性。為什麼美國能“燒錢”AI？美國能在AI上投入巨資，還是源於其金融與創新體系的獨特優勢。全球AI私人投資的75%流向美國，這得益於其深度資本市場，尤其是AI“泡沫”效應吸引了海量資金。自2022年ChatGPT推出以來，AI相關股票貢獻了標普500指數75%的回報和80%的盈利增長。 微軟等公司視AI為“兆美元機會”，願意支付更高利息換取先機。更深層原因是生態閉環。美國擁有全球最活躍的VC網路、頂尖大學和相比歐盟等發達經濟體相對寬鬆的監管，孕育了OpenAI等創新者。聯邦政策如出口管制進一步鞏固優勢，確保歐盟這樣的盟友依賴美國AI技術。造成了AI投資可以成為美國經濟增長的新引擎，相比之下，其他國家難以匹配這種“私人主導、政府輔助”的模式。不過，在AI投入上，我們既要看到美國的優勢，同時也要看到美國存在的問題和風險。當前巨額投資已顯現明顯泡沫跡象。2025年，科技巨頭們承諾的資本支出高達數千億美元，主要用於資料中心和晶片基礎設施，這已超過消費支出對GDP增長的貢獻，甚至在上半年成為美國經濟增長的主要驅動力。然而，這種“燒錢”模式高度依賴投資者對AI“兆美元機會”的樂觀預期。一旦實際生產力提升滯後於預期，如許多企業AI試點項目失敗率高達95%，或模型應用未帶來預期回報，那麼，泡沫破裂風險將急劇放大。歷史經驗顯示，類似網際網路泡沫破滅時雖留下了光纖網路等基礎設施，但也導致納斯達克暴跌78%、數兆美元財富蒸發；如今AI投資規模更大、集中度更高，科技七巨頭的市值已經佔S&P 500的三分之一，一旦崩盤，可能引發更嚴重的系統性金融危機，波及養老金、債券市場乃至全球經濟。與此同時，正如心智觀察所此前在文章中已經分析的，美國AI發展的另一大隱憂在於監管合規成本的快速攀升。輝達CEO黃仁勳在2025年11月公開警示，各州層出不窮的AI法規已形成“50個新規定”的碎片化格局，將統一的全國市場割裂成各自為政的堡壘，導致企業合規支出暴增。紐約州金融AI規則預計使華爾街機構年成本上升15%-25%，初創公司則需面對前置倫理審查、影響評估和第三方審計，開發周期從數周延長至半年。這不僅抬高了創新門檻，還製造了訴訟風險和“聯邦內關稅”效應，這與中國的寬鬆監管+能源補貼形成鮮明對比。黃仁勳直言，如果美國繼續沉浸在“犬儒主義”和過度謹慎中，中國憑藉人才紅利、低成本運行國產晶片，將在AI競賽中實現不可逆轉的領先。這番“中國要贏”的警告，雖事後被其軟化解釋為“中國在AI領域僅落後美國幾納秒”，卻真實反映了美國的監管泥潭可能大大侵蝕AI領域的競爭力。中國能做到嗎？AI是全球競賽，但多數國家在投資規模和執行力上落後美國。還是根據史丹佛的資料，2024年，美國產生了40個有影響力的AI模型，遙遙領先。中國產生了15 個，在縮小差距，而歐洲和新興市場更顯疲軟，歐洲只有3個。世界其他國家為何難以複製？一是資金缺口巨大。歐洲整體落後於美國，主要因VC短缺和技能人才不足。二是監管壁壘，歐洲的法規更注重倫理，導致投資滯後，抑制初創企業。民間投資的差距就很大。從2013年到2024年，美國的人工智慧民間投資累計超過4700億美元，而歐盟國家約為500億美元，英國為280億美元，加拿大為150億美元，日本為60億美元。還有一個不容忽視的重要原因是早期投資。美國在計算、軟體和資料庫領域進行了早期且超大規模的投資，從1995年到2021年，這些領域的年度實際投資增長了十倍以上，遠遠超過其他先進經濟體的增長幅度（後者僅為2至4倍）。這些早期投資提供了計算能力、網路和硬體，使美國在AI相關創新和擴散方面處於早期領先地位。總體來說，美國在AI容量和能力上全面領先先進經濟體。高端計算，尤其是人工智慧超級電腦，對於大規模模型訓練和基於推理的任務尤為重要。美國在人工智慧超級電腦的累積容量中佔據主導地位，估計控制著全球 74% 的高端人工智慧計算，而中國佔 14%，歐盟佔 4.8%。過去十年，美國的資料中心建設激增。截至2024年，美國估計擁有4049個資料中心，遠遠超過歐盟（2250個）、英國（484個）和中國（379個）。僅在2024年，美國的資料中心容量就增加了5.8吉瓦（GW），而歐盟為1.6 吉瓦，英國為0.2吉瓦。按人均計算，美國伺服器基數為每千人99.9台，遠超其他發達經濟體和中國。不過在能源基礎設施上，中國更具優勢。資料中心帶來了電力需求大幅增長。十多年前，中國的發電容量超過了美國，裝機容量約為3200吉瓦，而美國為1293吉瓦，歐盟為1125吉瓦。僅2024年，中國就增加了429吉瓦的淨發電容量，是美國淨新增容量的15倍多。國際能源署預計，到2030年，全球資料中心的電力消耗將增加一倍以上，其中美國和中國佔增長的80%。中國能否複製美國模式？答案是“能，但路徑迥異”。2024年，中國民間AI投資雖僅為美國的1/12，卻通過國家主導的“新型舉國體制”展現韌性，例如專攻AI的長期VC指導基金。國家資金注入的優勢，是可以確保連續性，不受經濟周期影響。中國的競爭策略有三板斧：一是“應用導向”。不同於美國追逐通用AI（AGI），中國更聚焦AI融入日常生活和產業，目標是到2027年實現廣泛應用，到2030年，AI將整合進90%經濟體。二是成本革命。中國憑藉規模經濟和本土晶片，降低AI部署成本，挑戰美國的主導，這背後是高等教育人才紅利的支撐，中國每年STEM博士產出已經遠超美國。三是全球佈局。在美國實行出口管制的情況下，中國有機會輸出AI能力到“一帶一路”、“全球南方”國家。中國的核心優勢並非“燒錢”規模，而是以國家戰略為指揮棒、成本創新為殺手鐧築起的“不對稱防線”。DeepSeek正是以極致開源和低成本推理，顛覆了美國“高價閉源”的商業範式。2025年1月，DeepSeek突然引起全球關注，成本創新是重要原因。當時DeepSeek V3把推理成本做到僅為每百萬token 0.14美元，是OpenAI GPT-4o的1/35。企業無需為“天價API”買單，即可將AI嵌入客服、醫療、工業質檢等應用中。說到底，AI競賽不止是技術的較量，更是資金與模式的博弈。未來，誰能將AI轉化為生產力，誰就將主宰下一個時代。 (心智觀察所)

十月底，《大西洋月刊》發了篇長文，標題挺嚇人，叫《人工智慧的崩盤會如何發生》。不是傳統「AI覺醒滅世」的科幻劇本，而是紮紮實實從算力、資料、商業模式和金融操作這幾個角度，推演了一場可能發生的「AI金融危機」。文章讀起來很像偵探小說，像是它提到美國印第安納州的一個小鎮，一年之內冒出來幾十個資料中心，吞掉的電比兩個亞特蘭大市還多。這畫面有點像二十年前的網路泡沫——大家都拚命蓋基地台、拉光纖，覺得流量會無限成長。結果呢？需求沒那麼快跟上，一大堆公司倒了，光纖當廢鐵賣。但這次不一樣的是，玩法更複雜了。大科技公司為了不背債，拉來私募基金蓋資料中心，簽長期租用合約；私募基金又把這些「未來租金」打包成債券，賣給退休基金、保險公司…這波操作味道太熟悉了，跟2008年次貸危機前「房貸打包成MBS」的邏輯一模一樣。一旦AI公司賺不到預期那麼多錢，付不起租金，這一串「優先債券」就可能連續炸缸。事實上，這種文章能登上《大西洋月刊》，本身就是一個訊號。說明AI產業已從「神話階段」進入「被現實拷問階段」。大家不再盲目追著GPT-5、GPT-6的參數狂歡，而是開始問：電費誰繳？資料從那裡來？什麼時候能回本？中美兩條路：一座蓋殿堂，一條修管道在這些質疑聲浪中，再看中美兩國的AI發展，特別有趣。美國走的是“殿堂路線”，Open AI、Anthropic這些公司，目標很宏大，劍指通用人工智慧（AGI），拼的是模型規模、是顛覆性創新，有點像在建造一座數位通天塔。好處是覆蓋面夠廣，也已初見成效，未來可能真能搞出革命性突破，壞處是成本高、風險集中。（PS：完全符合《大西洋月刊》文章中重點警示的那種模式。）這種商業模式主要靠向企業和開發者收取API呼叫費，但問題是，目前除了寫文案、做客服這類輕應用，真正願意每年花幾百萬美元買AI服務的大企業並不多。而醫學研究、精密製造這些「硬骨頭」場景，AI暫時還沒辦法穩定勝任。中國走的是“管道路線”，華為、百度、阿里也做大模型，但更強調“行業版”、“專用版”。他們不太講AGI的故事，而是拚命把AI往工廠裡塞、往政府系統裡插、往銀行風控裡嵌。這個模式其實有個更專業的說法叫“AI+”，錨定的是痛點，解決的是剛需。例如深圳有家電子廠，用視覺AI查零件瑕疵，把質檢員從深夜勞作中解放出來；貴州政務系統用AI自動審材料，老百姓不用再跑好幾趟了。這些事單看都不算振聾發聵，但成千上萬個小效率提升加起來，也是實實在在的經濟價值。崩盤不太可能，但大分化一定會來那AI到底會不會崩？個人覺得，《大西洋月刊》的描述更像一種“壓力測試”，目的是逼業界冷靜。全盤崩掉的可能性不大，但一場劇烈的大分化不可避免。一些只會燒錢、沒有真實收入的新創公司一定會死。資本會越來越精明，不再為“參數量”買單，而是追問“你幫客戶省了多少錢？賺了多少錢？”中美技術路徑可能會徹底分家。美國持續主導基礎模型創新，中國成為全球最大的AI應用試驗場。甚至會出現「技術壁壘」——你用你的GPT，我用我的產業大模型，資料不通、標準不一。最有趣的是價值判斷標準會改變。以後評價一家AI公司，可能不再是看它融了多少錢、發佈了多牛的Demo，而是看它有沒有拿下某個垂直領域的深度合約。例如，誰能用AI把鋰電池質檢成本降三成，誰就比發十篇論文還受資本追捧。讀《大西洋月刊》那篇文章，我反而有點踏實了。任何一個行業，從狂熱到理性，總要經歷這麼一個「被潑冷水」的過程。而AI本質上也還是個工具，它的價值不該是成為資本遊戲的主角，而是默默變成像電力、網路一樣的基礎設施。對中國來說，也許沒必要非去跟美國拼「誰先造出AGI」。我們的優勢是工廠多、場景雜、資料豐富，如果能用AI把製造業成本降下來、把醫療效率提上去，那也是條實在的路。畢竟，技術發展的終點，不是蓋一座別人看不懂的殿堂，而是修好每一條通往普通人生活的管道。 （大數網）

1. 極限美國在人工智慧(AI）領域，吸金能力無人能敵。在輝達等公司的帶動下，納斯達克指數一路衝天，和美國金融的巨大繁榮。而幾家大型的人工智慧公司Anthropic、Google、OpenAI 和xAI開發的大語言模型，也一路高歌猛進。尤其在物理、化學和生物學領域的難題上的表現（最近有一項AI炒股比賽，ChatGPT墊底，中國的DeepSeek登頂，表現最佳），甚至超越了博士級科學家。從市值上來說，美國前幾家頂尖的人工智慧和晶片巨頭的總市值，就已經超過整個中國股市。在巨大的吸金效應下，全球大量的人工智慧專家、人才，以及相關的資本，也都越來越多地集中到美國。然而，也有很多問題，是納斯達克指數難以解決的。最近有美國專家認為，美國的人工智慧發展模式正接近極限，再不轉變發展模式，恐怕很難再有更高更大的突破，甚至弄不好，還可能會拖垮本來前景大好的美國人工智慧產業，讓中國超過去。為什麼這麼說呢？按老美的專家分析，現在美國人工智慧產業，主要還是靠巨大的金融繁榮（或者說泡沫）之下，私人資本逐利動機或市場機制驅動的，這對投資者和納稅人來說當然是好事，但這種模式有它難以突破的極限邊界。例如我們都知道的電力問題，就是當下的美國難以解決的。開發和使用人工智需要大量電腦晶片、資料中心，而這些晶片、資料中心會消耗巨額能源，因此美國需要建立更多的電力基礎設施，可這些基礎設施往往耗資巨大、建設和回報周期長，非一般私企所能承擔。Anthropic的一項分析估計，到2028年，美國僅因人工智慧就需要新增500億瓦特的發電量——大致相當於整個阿根廷目前的用電量。到那時，資料中心的耗電量可能高達美國總發電量的12%。若無更多電力供應，人工智慧的建設將陷入停滯。亞馬遜執行長安迪賈西也說，電力或成為美國人工智慧進步的"最大限制"。最近微軟CEO薩提亞·納德拉在BG2播客節目中也提到這點：儘管輝達的GPU晶片供應充足，但由於電力短缺和相關基礎設施的不足，導致大量晶片無法投入使用，只能在倉庫裡「吃灰」。除了電力基礎設施，安全問題，也是目前的美國企業難以解決的。包括山姆·奧特曼、伊隆·馬斯克等諸多AI前沿的企業家都曾經說過，人工智慧技術上的突破，很有可能會是人類又一次顛覆性技術革命浪潮，往小了說會像當年網際網路一樣徹底改變人類的生活、溝通和生產方式，往大了說可能改變整個人類的生存命運。如此重大的科技革命浪潮，當然要搶在前頭、引領全球，否則，美國的領導地位將徹底失去，淪為二流小國，甚至國家安全都可能不保。既然如此重要，那就必須注重技術的安全、保密，不能讓別國偷去了。但是，根據美國專家的說法，現在外國情報機構都想偷他們家寶貝的人工智慧技術。例如Google據說就有大國工程師，冒著巨大的風險，往國內走私先進的人工智慧晶片、設計。在這種情況下，如果把技術保密、安全的責任，全部交給人工智慧公司，顯然是強人所難了。他們有他們的活要干。技術保密、預防國外間諜、抵禦外國駭客攻擊、審查國際人才等等這些事，一般的私人公司肯定幹不了，至少幹不好。而鑑於人工智慧技術極為重要、涉及國家安全，也不該讓幾個專注市場的企業負責。再有，人工智慧這東西不僅能帶來許多的好處，例如程式設計、翻譯乃至治療疾病等，但同時這玩意也會帶來許多難以預測的風險和傷害，而這也是只顧賺錢的私企無法解決的。例如現在有人擔心，有朝一日，可能單一惡意使用者就可能利用強大的人工智慧設計出致命的新病原體、新式的致命的武器。此外，人工智慧技術也必然伴隨人工智慧技術必然帶來的大規模失業、經濟權力急劇集中，以及因模型和訓練資料偏見在醫療保健等領域產生歧視等。這些風險、傷害，對於高度金融化的人工智慧企業來說，本著「科技向善」的理念，可以規避掉一部分。但大部分涉及全域性的風險，他們也是無能為力的。例如最近，電商巨頭亞馬遜就宣佈，計畫裁減多達3萬個崗位，約佔其企業員工總數的10%，理由據說是人工智慧大大增加了效率，不需要那麼多人了。——有人分析，過去，很多網路公司本也不需要那麼多人，但即使如此，他們還是願意養著許多高學歷的工程師，因為工程師的數量本身就是公司獲得更多資本青睞的原因，但在人工智慧時代，大家動輒談的是囤了多少輝達最先進的晶片，而不是工程師數量，所以工程師也就不吃香了。總之無論如何，人工智慧的發展必然伴隨大規模的失業。而公司依據市場規矩該裁員，他們才不會顧及那麼多失業人群要如何生存、又該如何安置的問題。以上三個理由，就是靠私人資本逐利動機或市場機制驅動的人工智慧發展模式難以突破的極限、邊界。根據老美專家的說法，這些邊界就像一個框，框死了人工智慧所能達到的高度，如果不轉換思路，不改變發展模式，美國的人工智慧創新怕是要掉隊，極有可能輸給美國最大的競爭對手——中國。而且，改變美國人工智慧發展模式，已經頗為急迫了，需要立即、馬上就轉換。像能源，就是個非常急迫的難題。那該怎麼辦呢？老美專家的建議是，盡快把政府引入人工智慧創新領域，透過政企合作，突破人工智慧發展極限。簡單來說，現在一些美國專家建議，發展人工智慧不能純靠市場機制，要靠舉國體制。2. 舉國體制一直以來，經濟學家有一個堅固到難以動搖的理論，以為美國的技術創新，都是由私人企業驅動的，政府只要扮演一個「守夜人」的角色就好。而這一觀點，也在不斷的受到懷疑與挑戰。例如，美國的創新藥領先世界，然而大多數研發費用都來自聯邦的撥款，由大學和研究所完成。而高度關注盈利結果的藥企，則將絕大多數經費投向了市場推廣，並且在竭力維持一個高昂的價格。科技業也是如此。例如我們現在所知道的美國的歷次重大技術革命，包括核武與核能、太空旅行、雷達隱形系統、個人電腦和網際網路，其實都是要麼直接源自美國政府項目，要麼依靠政府大量資助才得以發展的。奧本海默領導“曼哈頓計畫”，成功開發了原子彈。這是很多人都知道的。不知道的，大家可以去看看克里斯多福諾蘭自編自導的《奧本海默》這部電影。“曼哈頓計畫”，動員了超過10萬人參加，歷時3年，耗資20億美元。在巔峰時期，曼哈頓計畫曾起用了53.9萬人，總耗資高達25億美元。主辦單位動員了大量大學科研人才、私企技術研發人員，以及政府提供的後勤、安全保障人員，各方配合才成功搞出原子彈的。如此大規模的社會組織動員，一般的私企根本無力承擔。「曼哈頓計畫」不僅造出了原子彈，還留下了價值1​​4億美元的財產，包括洛斯阿拉莫斯核武實驗室、橡樹嶺鈾材料生產廠和漢福特鈽材料生產廠等重要設施，為後來美國的核能技術開發留下了重要遺產。依循同樣的經驗，冷戰時期，美國為了和蘇聯在太空領域競爭，發起了包括水星計劃、雙子星座計劃、阿波羅計劃、天空實驗室計劃和航天飛機計劃等多個大型太空科研計劃。其中最著名的「阿波羅計畫」，於1961年啟動，至1969年7月20日，成功將太空人尼爾·阿姆斯壯和巴茲·奧爾德林送上月球，實現了人類首次登月。該計畫共進行了6次成功的登月任務，將12名太空人送上月球表面。 ——無論真假，至少把蘇聯在太空領域的科研的心氣整個拖垮了。像馬斯克搞的SpaceX，以及他整的“殖民火星”，很多人誤以為是純私企商業計畫。其實不這是這樣的，這種投入巨大而回報周期漫長甚至可能完全沒有回報的科研攻關項目，背後的最大金主，不可能是私企，實際是美國政府養著的NASA。2008年，SpaceX第四次嘗試發射火箭，終於獲得成功，但帳上已經沒錢了，瀕臨破除，是NASA嘗試把為國際太空站提供補給、高達16億美元的合約給了SpaceX，才將它從破產的邊緣拉回來。——過去，美國NASA一直就有跟大型私企合作的傳統，很多訂單都給了洛馬、波音，只不過這些大企業跟NASA合作久了，慢慢官僚化，行動遲緩、成本高昂，是SpaceX給了NASA新的希望，啟動了美國太空領域的一攤死水。——SpaceX做得越來越好，現在有點「反客為主」的感覺，反過來「綁架」了NASA，讓它不得不找自己合作。這讓NASA感到了威脅。尤其2025年早期，馬斯克混入川普政府，想要透過手中權力，讓政府增加在太空領域的預算，讓SpaceX得到更多政府訂單，甚至想把自己的親信安排到NASA當局長，川普沒有滿足他所有需求，結果兩人爆發了衝突。另外，除了太空領域，網路技術，也是舉國科研體制下的產物。我們都知道，前身是美國國防部高級研究計劃局（ARPA）於1969年創建的世界上第一個電腦遠距離數據包交換網絡，叫做阿帕網。 1983年1月1日，阿帕網停用原先的NCP協議，全面採用TCP/IP協議，標誌著互聯網的真正誕生。隨後，阿帕網被分成軍事網和民用網兩部分，最終在1990年正式退役，但其技術遺產奠定了現代互聯網的基礎。總之，美國重大科學研究攻關、顛覆式技術創新，多源自美國政府與私企合作的舉國體制，充分體現了「集中力量辦大事」的優勢。透過舉國體制搞出的重大科研成果，一開始一般都是為了軍事目的，但很快就惠及民用了。像是網路、電腦、雷達，甚至像微波電話、早期電視網路、核磁共振器，甚至我們今天普遍使用的微波爐，最早都是美國舉國體制下的產物。美國科研的舉國體制傳統，到底是怎麼形成的？我以前在《美國好戰體制溯源：布希傳》一文有詳細講述，大家有興趣可以點開看看，這兒就不再細說了。顯然，對於現今的AI產業，許多美國專家又想重啟類似的舉國科研體制傳統。不過要重啟這個體制，有一個條件──需要找一個「假想敵」。3. 假想敵要從美國政府手中扣出錢去搞科研，並不是一件容易的事。原因，是美國的政治制度、意識形態，是建立在自由競爭基礎之上的，也就是說，大家都相信或認為，市場經濟中的自由競爭，才能最快最經濟地促進科學技術的創新，政府最好少摻和。所以要說服政府，或說服納稅人，拿出大量的錢和人力，在一定時間內去支援某些技術的開發、研究，那就需要充分的理由。像是開發原子彈的“曼哈頓計畫”，之所以能夠得到政府支援，是因為當時的種種情報顯示，希特勒領導的德國納粹政府，也正在搞原子彈研究計劃，所以時間緊、任務重，如果不趕在納粹之前研究出原子彈，那盟國很有可能輸掉與納粹的戰爭。後來原子彈開發出來了，那些臨時從各大​​院校、私企調過來的科學家，也就逐步解散、各回各家了。像「阿波羅計畫」之所以能成型，也是類似的情況。當時美蘇冷戰正酣，1957年，蘇聯發射了人類史上第一顆人造衛星，斯普特尼克一號。美國的科研界，以及各大媒體，紛紛驚呼蘇聯要贏了，把這顆人造衛星視為“自原子彈之後最重大的技術成就”，《新共和》雜誌更誇張，把它說成是“哥倫布發現美洲”，還說“這個宇宙飛船證明了蘇聯在重大技術方面取得了所謂絕對的優勢。”這就是所謂的“普特斯尼克”。像楊振寧的導師、美國氫彈之父愛德華泰勒更跑去電視台鼓吹，說這顆衛星相當於「美國輸掉了比珍珠港還要重要的戰爭」。——泰勒不是第一次這麼做了，原子彈研發出來後，當時領導開發任務的奧本海默主張解散隊伍，但他不同意，鼓吹美國依然面臨“致命危險”，說服美國政府繼續加大力度搞氫彈研究。所以奧本海默做了美國“原子彈之父”，他就做了“美國氫彈之父”。泰勒的名利心很重。 1954年，受麥卡錫主義（美國的文化大革命）影響，奧本海默遭美國政府調查，包括楊振寧他們都對調查人員作證說奧本海默沒有問題，只有泰勒不願意在聯合聲明上簽字，後來又提供了不利於奧本海默的證詞。他這種行為，讓他在科學界備受批評。泰勒去電視鼓吹蘇聯斯普特尼克一號的危險，以及他晚年再次鼓吹"星球大戰計劃"等軍事項目。他因此被人視為"戰爭販子"。不過必須清楚的是，泰勒這麼做，也不能完全歸咎於他個人的品性。從根子上說，這是美國的科學研究體制決定的。因為，他只有把對手說得足夠危險、威脅足夠大，才能撬動美國議會通過大型​​的科研計畫，他本人才能有機會領導大型科研項目，才能贏得巨大的名利。所以說，要啟動美國科研的舉國體制需要塑造“假想敵”，也必然會塑造出“假想敵”。像“曼哈頓計畫”，當初美國的情報機構、科研人員塑造出的“假想敵”，是納粹在搞原子彈研製，但後來大量的事實證明，納粹根本不具備研究原子彈的條件，也沒有相關計畫。實際上，這個訊息，在「曼哈頓計畫」火急火燎實施的過程中就已經被證實了，但領導該計畫的高層視而不見聽而不聞，最終還是把原子彈研發出來了。「阿波羅計畫」也出現類似的情況，後來的事實證明，蘇聯發射的「斯普特尼克一號」衛星，根本不是了不得的大事，不具有任何軍事威脅，非常簡陋，就帶著兩個雷達發射器和4根天線。但美國媒體、智庫、情報機構、科學研究人員乃至議會中的一些激進議員，卻有充分的動機，去誇大蘇聯這顆衛星的威脅。——這也是為何美國體制本質是「好戰體制」的根源。因此，戰爭，巨大的威脅，才是這些美國媒體、智庫、情報機構、科學研究人員和激進議員獲得名利最好的機會。他們需要敵人，就算沒有，他們也會「假想」出一個。不用懷疑，今天在AI領域，也出現（或說必然會出現）類似的情況：美國的私企、激進議員、科研人員、情報機構，又在塑造「假想敵」。只不過，如今的「假想敵」，已經從納粹、蘇聯，變成了某東方大國。之前，包括OpenAI的CEO山姆·奧特曼、馬斯克在內的整個美國AI界，都很喜歡將AI類比成原子彈，尤其這個奧特曼，據說辦公室牆頭貼著奧本海默的照片，自詡AI界的奧本海默。在各類採訪中，他曾多次誇大中國的威脅。2025年7月23日，川普政府正式發佈在AI領域的大型開發計畫，叫《贏得AI競賽：美國AI行動計畫》，該行動計畫圍繞加速AI創新、建設AI基礎設施、引領國際AI外交與安全三大支柱展開，包含90多項具體政策行動。其中，基礎建設中的"星際之門"項目：OpenAI、軟銀和甲骨文聯合啟動5000億美元的AI基礎設施建設項目，首期1000億美元已投入使用。還有資料中心建設，前段時間《紐約客》發了一個文章，說現在「從美國任何城市出發，幾乎往任何方向行駛，很快你就會到達一個資料中心——一個從平整土地上拔地而起的巨大白色盒子，兩側是發電機，像監獄院子一樣被圍起來。人工智慧資料中心，儼然已經是美國的新工廠。自2022年ChatGPT推出以來，它們就以驚人的度倍增。結語現在的美國AI界，實際上並存著兩種完全相反的氣候，可謂是冰火兩重天。一方面，是不斷有專家跳出來警告，AI的投資泡沫已經相當嚴重，即將破滅。美國前七大科技公司（蘋果、微軟、輝達、Alphabet、亞馬遜、Meta、特斯拉）的權重，佔該納斯達克100指數總市值的約40%，貢獻了標普500指數70%的漲幅，形成"七巨頭綁架市場"的危險格局。麻省理工學院研究顯示，生成式AI投資在95%的機構中幾乎沒有帶來任何回報，只有5%的整合AI試點計畫創造了數百萬美元的價值。2025年，微軟、亞馬遜、Google、Meta等公司2025年預計將砸下3,200-3700億美元，佔全美AI總投資的80%左右，但營收成長遠未跟上。再有就是，AI公司、雲端運算服務商、晶片供應商之間形成的循環投資，也像左腳踩右腳不斷推高彼此的股價：輝達向OpenAI投資最高1000億美元，支援其AI基礎設施建設；OpenAI用這些資金向甲骨文購買雲服務，簽署3000億美元的算力到威特租賃協議；一個比2001年網路泡沫危機更大的危機，預計很快就要到來。各大科技公司因AI投資市值不斷飆升的同時卻在大量裁員的現象，只怕會愈演愈烈。但另一方面，很多人又嫌現在AI還夠熱、不夠燙。我們前面說過，儘管AI的泡沫已經如此嚴重，可包括美國的議員、情報機構、AI公司的領導者在內，卻依然在瘋狂地鼓吹AI有多麼多麼重要，以及對手有多麼危險，因此需要政府親自下場，需要盡快成立舉國體制，為本已經火熱、滾燙的AI市場，再加入一把柴火，再撒上汽油。這兩方面，看起來相當矛盾，但又似乎也合理。歷史的經濟、金融泡沫都是類似的，即使有人已經感知到了危險，但人類的瘋狂、非理性總是會重複一句話：「這次不一樣」。古斯塔夫·勒龐在《烏合之眾》一書中說，「群體只會幹兩種事——錦上添花或落井下石」 ，而從來不知道「適可而止」為何物。所以就自求多福吧。聰明人的做法是，離瘋子遠一點。 （藍鑽故事）