在上一期的【泉果探照燈】中，我們介紹了“25年來致力於去除科技行業噪音”的前a16z合夥人Benedict Evans，他從過去20年的科技迭代的歷史視角，試圖為大家還原一個對AI既不誇大，也不恐懼的“喧囂之下的真相”。您可以從這裡回溯上一篇文章，以獲得關於Benedict更為完整的介紹：時光倒流20年，資本的科技敘事是如何演化的？——a16z前合夥人如何“降噪”（上）今天，我們繼續連載Benedict的AI核心觀點，主要回答3個問題：■  AI將在那些環節產生價值？■  它會通過什麼管道送到我們手中？■  它會摧毀什麼？又會催生什麼？以下是Benedict第一人稱視角精編：AI模型的護城河，到底在那裡？我們可以做個“盲測”：發同樣的指令給ChatGPT, Grock, Claude, Gemini, Mistral和DeepSeek。我敢打賭，只看答案，大多數人都分不清那個是那個。讓我們看看自從ChatGPT上線以來，發生了什麼？資本投資大量湧入、模型價格迅速下探、新東西層出不窮，熱詞縮寫滿天飛，但我們至今並沒有看到清晰的“護城河”，也沒有看到明顯的“贏家通吃”。關於科技大廠的CapEx和ROI的擔憂，大家聊得很多了，這裡不再贅述。他們的心態，用下面這一句話概括就足夠了：投資不足的風險，遠遠大於投資過度的風險。——Google CEO Sundar pichai,2024 Q2因為任何一個錯過“可能成為平台轉移”的窗口，都可能付出巨大的代價。比如微軟在從PC到智慧型手機的轉換中，教訓非常慘痛，這也讓它這次的押注更加堅決。結果就是，我們看到越來越多的大模型不斷湧現（如下圖），每周都有很多新增的模型，到年底更是進入了集中發佈期。圖1. 更多的大模型來源：《AI eats the world》模型有優劣，但頭部模型的差距其實並不大。下面這張圖顯示了兩個通用的基準測試，柱狀條表示：前十名模型的得分佔當周“第一名模型”的百分比。簡單說，所有模型彼此之間其實只差5%～10%。另外，第一名一直在變。每周都可能會出現一個新的“績優生”，有時領先會超過5%，但很快大家的性能又都收斂到了類似的區間。圖2. 頭部模型功能差距不大、第一名每周都有變化來源：《AI eats the world》但是，有一個指標可以拉開差距，那就是模型的使用量。如下圖，雖然模型能力相差不多，模型越來越接近“可替代的商品”，但是市場份額卻差距巨大。什麼決定了使用者會使用？更多的取決於品牌（ChatGPT）、管道（Microsoft Copilot）或生態繫結（Google）。同時，ChatGPT似乎正在成為一個動詞，就像Google成為搜尋的動詞一樣，這意味著它在成為一種默認選項。圖3. 誰決定了使用量：技術？品牌？還是管道？來源：《AI eats the world》如果退後一步，這些縮寫詞、性能圖表、參數指標和跑分基準……看起來很像20-30年前的個人電腦產業。那時你必須懂得那些術語縮寫才能買電腦，包括知道多少MHz，多少MB，用的是那款晶片。曾經組裝過電腦的人應該都熟悉，這是90年代的電腦雜誌封面：《191款最快的486電腦買家指南》《提速：CPU、顯示卡、主機板》《最快的56k數據機橫評》圖4. 速度、參數、各種縮寫：當年我們就是這樣對比電腦的來源：《AI eats the world》當一個技術剛出現時，所有人都會把注意力放在“參數比拚”上。但是技術成熟後，這些參數會變得無關緊要，這時，價值也會移動到系統、品牌、生態、應用等的其他層級。AI也可能會重複這個過程，當模型越來越標品化，價值則會延著價值鏈向上移動。所以，如果你是一個LLMs實驗室，你該如何競爭呢？你有兩個路徑：■  往下走，變成資本戰：像晶片、飛機製造、AWS那樣拼投入、拼規模化資本成本。■  往上走，變成軟體行業邏輯：拼產品、拼網路效應、拼“進入市場能力（Go-to-Market）”。而你最不能做的就是：拿出一個同質化的模型，然後簡單地給它貼個價簽。Open AI 的8億周活使用者，到底意味著什麼？從一個常被引用的數字說起：Open AI的8億周活使用者。乍一看，這個數字足以讓人覺得，“AI已經無處不在，塵埃落定了”。但需要追問的是，每周活躍一次，到底意味著什麼？綜合多份美國的調查，實際AI使用更接近於這樣一個分佈：每天用：約10%；每周用：15–20%；每月或每兩個月用一下：20–30%；看過，試過，然後就沒然後了：20-30%。在社交媒體時代，如果你真的喜歡一個app，那麼你應該是日活使用者。如果只是每周用一次，很難說它改變了你的生活——Sam Altman是做社交媒體起家的，他當然知道“周活使用者”這個指標很唬人。其實企業端，我們也觀察到了類似的節奏。現在大概有1/3的大企業，至少已經上線了一個生成式AI的應用，但還有1/4的企業甚至還沒有計畫做任何部署（如下圖）。圖5. AI落地比想像的慢？——許多大公司要到2026才真正開始動手來源：《AI eats the world》你會看到Accenture——全球最大的管理諮詢和技術服務公司——每個季度都有超過15億美元的AI新訂單，有很多試點項目在排隊上線。圖6. 當企業不知道怎麼用AI，就會去問諮詢公司Accenture AI合同金額持續上漲來源：《AI eats the world》但是，需要留意的是，從試點到真正投入使用，永遠需要時間。雖然過去一年多以來科技圈一直在大喊“代理化”（agentic），真正能在生產環境落地的，其實比例非常低。如果回看過去幾十年的技術擴散，你會發現一個“三步走”的模式：第一步：吸收（Absorb）將新技術作為功能外掛，塞進現有流程，先把能自動化的事情自動化。第二步：創新（Innovate）誕生新產品、新服務、新的捆綁（bundling）和解綁（unbundling）模式。第三步：顛覆（Disrupt）重新定義問題，重塑市場結構。圖7. 每一次平台轉換都遵循同一個節奏來源：《AI eats the world》到目前為止，大部分AI應用還在第一階段——自動化那些顯而易見的工作，比如客服自動回覆、行銷文案生成、軟體開發輔助……這都很正常，所有技術部署都需要時間。比如雲端運算，它在科技行業大概已經算很老的概念了，但實際上它在企業工作流的滲透率只有1/3左右。但是，雖然部署很慢，一旦部署完成，整個企業的運轉方式將會徹底改變。條形碼就是一個經典例子。它在1974年問世，而真正普及是在幾十年之後，可是一旦普及但能管理5倍甚至10倍數量的商品，改寫了整個超市零售的營運方式。AI也會如此。圖8. “條形碼”的部署處理程序來源：《AI eats the world》AI 帶來的真正改變，會發生在那裡？在經歷了無數場AI匯報會、內部試點、demo演示之後，大家難免都會問：AI帶來的真正改變，會發生在那裡？除了自動化，AI還可能是什麼？這個問題，在今天，就像1997年撥號龜速上網的人在問，網際網路到底能幹嘛？——當時沒人能夠想像會有外賣、直播、電商、短影片、移動支付……我們現在也站在這樣一個“模糊卻又隱約可見”的入口。那麼，我們至少可以追問兩個更基礎的問題。■  問題一，AI會拆解什麼？網際網路的故事，其實就是“拆解”的故事：很多書店被拆掉了、電台被拆掉了、報紙被拆掉了……不需要物理形態，也能創造價值。那麼——LLM會拆解什麼？那些過去依賴“人”的部分，會從結構上被抽離出來？■  問題二，AI會重組什麼？網際網路創造了很多新的聚合模式，比如Amazon聚合零售，DoorDash聚合餐飲（類似於中國的美團/餓了麼），Instagram聚合社交，那麼AI能不能提供不同維度的“聚合”？它們的底層邏輯，是演算法替代了人工編輯。而LLMs不僅僅是看你會喜歡什麼，它還能理解你的意圖、你問問題的方式，甚至你沒有說出來的偏好。假如推薦系統能更深層的“懂你”，平台和演算法邏輯會如何改變？以廣告為例，廣告行業是個兆美元規模的市場，目前科技巨頭吃掉了其中一半的收入。現在大家都在用AI最佳化現有業務：行銷團隊原來一個項目做5張物料，現在變成了做200張，甚至300張。這讓我想起了一個古早的笑話：一部分人用AI把三個要點擴寫成一封郵件，另一部分人用AI把一封郵件總結為三個要點。假如現在AI能把三個要點，變成300個廣告。那麼問題來了：誰來理解這些廣告？誰來分發它們？誰來決定該向誰展示？這將通向“代理式消費”（agentic commerce）：我不再從亞馬遜中搜尋、不再刷Instagram、而是直接問GPT，我該買那個？泉果視點註：“代理式消費”（agentic commerce）由AI代理幫你完成選品、比較、決策甚至下單的一種消費模式——從“我在平台上自己找東西”，變成“我把任務丟給一個AI助手，讓它幫我搞定”。就像我拍了冰箱存貨的照片給AI，問它我今晚應該做什麼菜，還需要買什麼食材。這不是更快的“購物流程”，而是一種新的“生活路徑”。圖9. 讓AI根據冰箱存貨規劃菜單來源：《AI eats the world》當然，這一切目前還非常早期。這張圖我很喜歡，這是一家東京的書店，它只有16平米，每周只買一本書。你不需要選擇，因為你只有一個選項。圖10. 一室一冊的森岡書店但是在網際網路世界裡，你面前是無限的貨架，為了避免迷失，我們只能依賴不完美的推薦系統。而未來，很可能會變成，每個人都能擁有一間只賣給你一本書的書店——它知道你是誰、你要什麼，也能把最適合你的那一件東西拎出來。未來的系統不再只問“你想買什麼”，而是會反向去理解：“你為什麼想買它？”——你是想獲取功能，還是想獲取體驗？是追求效率，還是審美、品味和身份？AI對人的動機建模，成為推薦系統的新核心。換句話說，我們的AI策略應該是什麼？這個問題沒有統一答案，而是一組關於動機的問題集合，它取決於：誰在問？他處於什麼行業？他為什麼在問這個問題？就像一面鏡子，不同的人會照出不同方向，這才是真正決定答案的因素。結 語停下來，看看AI“嶄新”的外表下，那些似曾相識？我的最後一個觀察是，雖然AI似乎吸引了全部的目光，但那些在AI之前讓我們興奮的技術，其實從未離場。電商已經佔到零售的30%，並且還在繼續增長，尤其在美國之外發展更加迅速。Robotaxi正在各個城市跑起來；Meta的眼鏡、各種形態的機器人，都在悄悄變得更成熟，它們都值得期待。但我們其實應該停下來，想想在“嶄新”的外表下，有些事情是不是似曾相識？這是1951年IBM的廣告：我們的“電子計算器”能讓一個人擁有150名工程師的能力——今天多少AI廣告，其實也在說同樣的話。圖11. 1951年IBM電子計算器廣告1955年，美國政府發佈了一份關於“自動化”的報告，那時候他們把所有新技術都叫自動化。其中提到，有一種可能會被自動化的工作，是電梯操作員。這張照片是我家公寓裡的老式電梯，以前坐電梯需要一個專業電梯員操控。當時還有一個詞叫“電子禮節”（electronic politeness）,用紅外線確保電梯不會夾到人。圖12. 老式的手動電梯但是，請問你上一次按電梯時，有沒有意識到自己在用一個“擁有電子禮節的自動化電梯”？你不會。它現在只是一個再普通不過的“電梯”。我們建了大量電梯，然後把它們自動化，再之後——我們完全忘了它們曾經不是自動化的。就像開篇Larry Tesler說過的觀點：“AI是那些機器還做不到的東西——一旦它能做到，我們就會說，那只是軟體。”我們的世界就是這樣不斷改變的。每隔10年，我們“自動化”了一些東西；再過10年，我們忘了它曾經需要人力；又過10年，它們變成了世界隱形的背景。而就在這個過程中，世界被一次次地重新書寫。 (泉果視點)

大空頭的觀點解析雪球有大佬總結了Michael Burry的一系列操作：只是現在過了兩天，訂閱人數增加到了88k，已經超過3300萬美元的訂閱費了，當然我給他貢獻了379美元的訂閱費..目前Michael Burry總共寫了三個文章，我們來看下他的觀點。1、泡沫的主要標誌：供給側的貪婪第一篇內容《The Cardinal Sign of a Bubble: Supply-Side Gluttony》主要是在回顧歷史了。核心觀點是：愚蠢（狂熱的創新嘗試）是美國成為世界創新中心的重要原因，但愚行過度會引發泡沫；核心標誌是供給側過度擴張，而非需求不足或盈利缺失。支撐這個觀點的核心理論是資本周期理論，即狂熱驅動下的資本過度投資會導致供需失衡，最終引發行業洗牌與市場崩盤，這一理論是貫穿全文的分析框架。說到歷史上的輝煌的愚蠢行為，90 年代的網際網路泡沫是繞不開的案例，但大眾對它的記憶大多是錯的。聯準會主席鮑爾曾說：當下公司有商業模式和盈利，與當年不同。但事實並非如此。當年的泡沫根本不是無利可圖的“.com 公司” 驅動的，而是一場資料傳輸基礎設施建設狂潮。那時候的口號是網際網路流量每 100 天翻一番，納斯達克指數在 1999 年到 21 世紀初的上漲，靠的是微軟、英特爾、戴爾、思科這些盈利豐厚的大盤股 ，納斯達克是市值加權指數，大公司的表現直接決定指數走向。1999 年，盈利的高通股價漲了 2619%，年末市值 560 億美元，Applied Materials 漲 198%，甲骨文漲 309%，這些都是實打實的行業龍頭。而那些後來被詬病的虧損公司，比如 VA Linux、Webvan，1999 年第四季度才上市；Pets.com更是 2000 年第一季度才登場，它們根本不是納斯達克上漲的主力。真正的問題出在供給側：AT&T 每年花 200 億美元建資料託管和長途資產，MCI 投 150 億，Sprint 在還沒有智慧型手機的年代，就為 PCS 無線業務燒了數百億；Global Crossing、Level 3 各花 200 億建海底電纜，CLEC 營運商們投入 300 億…… 大家陷入了 “更多光纖需要更多路由器，更多路由器又需要更多光纖” 的無限循環，都想著滿足全球海量資料傳輸的需求，卻沒人注意到，美國寬頻普及速度慢得驚人。最終的結果是，到 2002 年，當年瘋狂建設的資料基礎設施，只有不到 5% 被真正啟用，供需失衡的災難就此爆發。更值得警惕的是，泡沫破裂前的訊號總是隱形的。2000 年 3 月 10 日納斯達克見頂時，沒有任何明顯徵兆，光纖的資本支出還在規劃執行，網路裝置需求旺盛，思科 2000 年營收還增長了 55%，CEO 甚至在 8 月宣稱 “網際網路商業變革正在加速”。但股市已經開始下跌，納斯達克此後 16 年都沒突破當時的高點，2001 年末較峰值跌了 62%，思科股價更是跌去 78%。那些等著 “看到放緩訊號再拋售” 的投資者，最終輸得一塌糊塗。這種 “供給側過度投資→供需失衡→泡沫破裂” 的邏輯，並非只在網際網路泡沫中出現。2000 年代的房地產泡沫、2010 年代的頁岩油革命，本質上都是同一齣戲。再看當下的 AI 熱潮，簡直是 90 年代的翻版。微軟、Google、Meta、亞馬遜、甲骨文這五大AI 騎士，加上 OpenAI 這樣的初創公司，計畫未來 3 年在 AI 基礎設施上投入近 3 兆美元。OpenAI 更誇張，單家承諾未來 8 年花 1.4 兆美元，可它的收入還不到這筆支出的 2%。即便如此，資本市場仍給了它 5000 億美元的估值 。這個數字，比 90 年代所有上市的虧損網際網路公司和電信公司市值總和還高，也正好是 2000 年 3 月思科的市值峰值。如今的輝達，就像當年的思科，成了 AI 熱潮的工具提供商，它聲稱自己的架構能覆蓋 AI 從預訓練到推理的全階段，還能滿足科學模擬、電腦圖形等需求，否認 AI 泡沫存在。AI 多頭們則堅信，現在就像 1997 年，巨額支出會持續推動股市上漲。但歷史告訴我們，每一次這樣的狂歡，最終都會被供需失衡打破：當年的電信行業，15 家提供相似服務的公司爭奪市場，批發價格一年跌 70%，無數企業申請破產；現在的 AI 行業，難道能逃脫同樣的命運嗎？與其說是在 “唱衰” AI，不如說是在提醒我們尊重歷史規律。文中引入了 “資本周期理論”，就是想說明：狂熱驅動的過度投資，必然導致供給遠超需求，最終迎來行業洗牌。我們的看法：關於光纖只有不到5%被真正使用的這件事，老黃也說過，而且是在別人問老黃現在的AI是不是泡沫時，老黃給出的判據。而且目前對於AI基礎設施的需求是大於供給的，目前的瓶頸反而是我們前段時間提的“美國缺電、中國缺芯、全球缺儲存“。1990s 納斯達克高峰由盈利大公司推動，但整體泡沫源於無利潤小公司。2025年AI由七姐妹主導，它們2025年Q3收益強勁，這跟之前的網際網路泡沫也是不一樣的。2、Foundations: My 1999 (and part of 2000)第二篇《Foundations: My 1999 (and part of 2000)》主要是以他個人經歷，描述網際網路泡沫頂峰時期的市場狂熱與個人投資啟蒙。彼時 27 歲的他，還是史丹佛大學醫院的神經科住院醫生，周圍人的財富神話不斷衝擊著認知邊界。一位同行住院醫生隨口提及，自己靠 Polycom 股票賺了 150 萬美元，這筆在當時相當於如今 2100 萬美元的巨款，源自一場幸運的投資。而Michael Burry曾因在 VSN 投資組合中買入蘋果股票，遭到其他人的強烈反對，批評者認為，蘋果股價已在同一區間震盪 11 年，絕不可能像可口可樂、美國運通、迪士尼那樣，讓股東承受長期的實際價值虧損。為了回應質疑，Michael Burry寫下《巴菲特再訪》一文，核心並非為蘋果辯護，而是重申價值投資中 “良好分析與耐心” 的重要性。他用詳實的資料戳破了 “偉大公司永不虧損” 的迷思：可口可樂在 1971-1982 年間，經通膨調整後資本虧損 58%；美國運通 1973-1984 年的通膨調整後虧損達 60%；迪士尼更是在 1973-1985 年經歷了 12 年 70% 的資本縮水，且全程未支付股息。在Michael Burry眼中，蘋果彼時在創意計算領域的獨特定位、專有技術優勢，以及剛推出的彩色 iMac 系列，都暗藏著被市場低估的價值。後來他管理基金時，曾以 12 美元每股買入蘋果，而當時其每股現金及 ARM 控股股票的價值就達 11 美元，這樣的安全邊際正是他所追求的。他的投資啟蒙，始於更早之前的大量閱讀。在納什維爾一家由電影院改造的 BookStar 書店裡，他常常坐在過道上，通讀所有能找到的投資書籍，卻從不購買。巴菲特與格雷厄姆的著作讓他領悟到，即使是師徒，也需根據時代環境調整投資策略，這也為他後來形成自己的風格埋下伏筆。1996 年，父親離世後的 5 萬美元誤殺賠償金，成為他投資生涯的第一筆本金 。他沒有用這筆錢償還三分之一的學生貸款，而是選擇投入股市，這個決定也悄然改變了他的人生軌跡。如果當時選擇還貸，或許今天的他仍是一名醫生，但對投資的熱愛讓他無法停下腳步。深夜或清晨的空閒時間，甚至醫院值班的間隙，都成了他鑽研投資、撰寫文章的時光。MSN Money 每字 1 美元的稿費，對拮据的住院醫生來說堪稱巨款，也讓他更加珍視這份用熱愛賺錢的機會。他的網站和專欄逐漸積累了名氣，吸引了主串流媒體的關注。1999 年 2 月，《財富》雜誌採訪了他，他分享了在網路投資論壇中篩選有效資訊的經驗。同年 10 月，《巴倫周刊》在 “永恆的價值” 專欄中提到他的網站，稱讚其遵循格雷厄姆的安全邊際原則，聚焦被低估的股票與承壓行業，其運作的 VSN 基金截至當年 10 月收益率達 38.7%，遠超道瓊斯和納斯達克指數。2000 年 2 月，《舊金山紀事報》將Valuestocks.net列為 “頂級投資建議網站”，此時的Michael Burry已成立避險基金 Scion Capital，擔任 CEO 兼首席投資策略師。他當時做空了亞馬遜，且作為格雷厄姆的門徒，交易頻率卻相當高，多數股票持有時間不超過三個月，而 VSN 基金 1999 年的回報率高達 68.1%。頗具戲劇性的是，14 天後，納斯達克綜合指數創下史詩級高點，此後 15 年都未能突破。不過他並未長期持有亞馬遜的空單 ，畢竟，他還是最早的亞馬遜聯盟會員之一，曾在自己的網站上銷售亞馬遜的書籍。第二篇的內容沒什麼可點評的，但感觸很深，相信看到這個文章的讀者朋友，應該也是來自各行各業，也會偶爾聽過身邊朋友靠那個股票賺了百萬甚至千萬，而筆者也正處於Michael Burry早期寫專欄的階段。3、獨角獸與蟑螂：受祝福的欺詐第三篇是《Unicorns and Cockroaches: Blessed Fraud》，這個文章就是他目前的主要觀點了，以及澄清網上對他的一些錯誤解析。首先依然是他提到的折舊問題，他通過分析 Meta、Google、微軟等巨頭 2020-2025 年的財務資料，發現了一個驚人規律：這些公司正系統性延長晶片與伺服器的折舊使用壽命。2020 年時，Meta、Google、微軟的折舊年限均為 3 年，而到 2025 年，Meta 延長至 5.5 年，Google、微軟則定為 6 年；甲骨文從 5 年延長至 6 年，亞馬遜雖在 2025 年回呼至 5 年，但較 2020 年仍延長 1 年。延長折舊年限看似是會計政策調整，實則是直接提升業績的魔法。根據會計準則，折舊年限越長，每年計入的折舊費用越少，表面利潤就越高。這種操作並非新鮮事 ，2002 年世通公司就因類似財務欺詐一夜破產。而如今，Google僅在 2023 年調整折舊政策，就使當年稅前收入增加 39 億美元，Burry估算，未來三年這些企業僅通過該操作就能額外增加約 200 億美元報告收入。與企業延長折舊年限形成鮮明對比的，是輝達晶片的快速迭代。輝達 CEO 黃仁勳曾直言，當新一代 Blackwell 晶片大規模出貨後，舊款 Hopper 晶片幾乎難以售出，甚至稱自己是首席營收破壞者。事實上，輝達的產品周期已縮短至 1 年，從 Blackwell 到 2026 年的 Vera Rubin、2027 年的 Vera Rubin Ultra，兩年內將完成兩次重大規格升級。晶片技術的加速迭代，意味著舊款產品的經濟價值快速縮水。2020 年推出的 A100 晶片，每浮點運算的功耗是後續 H100 晶片的 2-3 倍，而 Blackwell 晶片的能效又比 H100 高出 25 倍。從經濟價值來看，這些舊晶片雖可能仍在滿負荷運行，但早已失去盈利能力，僅能作為殘值資產處理。但企業卻將其按 6 年折舊，嚴重高估了資產實際價值。輝達 CFO 科萊特曾辯稱，CUDA 軟體的相容性延長了晶片使用壽命，六年前的 A100 仍在滿負荷運行。但Burry指出，會計準則中的 “使用壽命” 指資產的經濟生產周期，而非物理使用時長，就像舊 iPhone 雖能開機，卻已無實際經濟價值，不能因此延長其折舊年限。微軟 CEO 納德拉的一次訪談，意稱微軟曾暫停部分資料中心建設，因為他不想被某一代晶片的技術規格束縛。他明確表示，輝達晶片迭代速度越來越快，每一代產品僅持續一年，資料中心的電力、冷卻需求也隨之巨變，不願為單一世代的晶片承擔四五年的折舊成本。然而，微軟的會計政策卻與納德拉的表態嚴重不符，其晶片和伺服器仍按 6 年折舊，資料中心建築折舊年限更是長達 15 年以上。Burry通過 “年份分析” 測算，若按晶片實際 3 年左右的經濟壽命計算，2026-2028 年期間，微軟、Meta、亞馬遜等超大規模企業的盈利高估幅度將達兩位數，其中甲骨文可能高達 48%，每家公司都將面臨數百億美元的資產減值風險。晶片迭代引發的連鎖反應，還波及到耗資巨大的資料中心。為適配特定世代的輝達晶片，新建資料中心需滿足專屬的冷卻和電力規格，而隨著晶片技術更新，這些基礎設施將快速過時。Burry預測，未來部分資料中心可能被廢棄或淪為 “殭屍資產”，僅能處理瑣碎任務，其命運與 2000 年網際網路泡沫後 95% 未啟用的光纖相似，但晶片和伺服器的過時速度遠快於光纖。更值得警惕的是 “在建工程（CIP）” 暗藏的風險。Google、Meta、亞馬遜等企業的 CIP 規模均達數百億美元，這些已建成或在建但未投入使用的資料中心，在會計上無需計提折舊。若行業增速放緩，企業可暫停這些項目，使資產負債表上的全值資產與實際閒置的現實脫節，進一步掩蓋業績問題。此外，私募信貸的瘋狂介入加劇了風險。超大規模企業雖資金充裕，卻大量依賴監管寬鬆的私募信貸建設資料中心。核心問題在於，資產的快速過時與貸款期限存在災難性的期限錯配，一旦行業回呼，可能引發連鎖違約。百度的案例已為市場敲響警鐘。2024 年，百度將晶片和伺服器的折舊年限從 5 年延長至 6 年，使淨利潤增加 12 億元，佔當年淨利潤的 36%。但同年 11 月，百度卻宣佈對晶片和伺服器計提 112 億元固定資產減值，佔其年初總固定資產的三分之一。原因很簡單：舊資產已無法滿足當前 AI 計算的效率要求。百度的情況並非個例，未來美國科技巨頭也可能面臨類似的大規模減值。這些企業當前通過會計技巧維持的高利潤、高估值，終究會被技術迭代和市場規律戳破。關於網上的錯誤解讀，Burry也做了澄清。1、他的Scion Asset Management在2025年Q3 13F備案顯示，對Palantir和Nvidia的2027年看跌期權倉位實際每個僅約1000萬美元（50,000份PLTR期權和10,000份NVDA期權）。但媒體報導將其名義價值（期權基礎股乘以股價）誤解為實際持倉規模，誇大為“10億美元做空”或具體如“9.12億美元對PLTR”和“1.865億美元對NVDA”。Burry說這是SEC規則導致的常見誤導，他無法即時澄清（合規限制）。2、他的X帖子批評AI晶片折舊會計實踐類似於WorldCom（2002年破產案），但媒體暗示他直接指責Nvidia是“Enron”（2001年會計醜聞）或WorldCom。實際他並未針對Nvidia，而是其客戶（如Meta、Alphabet）；他明確表示Nvidia顯然是Cisco，dot-com泡沫中的基礎設施過剩，而非直接欺詐。其實他的核心觀點還是折舊，關於這個問題，Bernstein有個分析寫的比較詳細，我們可以參考下里面的資料。關於微軟為什麼要暫停資料中心的建設，我們之前也寫過SemiAnalysis的這個分析：微軟 AI 戰略深度分析Bernstein認為：GPU一旦熬過初期burn-in階段，跑6-7年甚至更久是完全沒問題的。高調燒卡的案例大多發生在新卡剛上線的前6個月，因為供電、散熱、配置沒摸透，一開始死一片。但一旦參數調對，後面的故障率其實很低。Lambda的高管直接告訴他們：正常情況能跑到6-7年。這點很重要，因為市場上很多人把“新卡初期死一片”當成“GPU平均壽命只有幾年的證據”，其實是混淆了概念。A100這種5年前的老卡，2025年租價還能賣到1.56美元/小時，月現金成本才280美元左右，貢獻毛利率仍有70%。而且現金成本，相較於 GPU 租賃的市場價格而言，是非常低的）。只有到Volta（2017-2018年的架構）這一代，因為不支援BF16，軟體重寫程式碼成本太高，才真正接近現金盈虧平衡。Bernstein專門提到：目前主流AI實驗室的共識是“更多算力=更高智能”這個假設還沒被推翻，所以大家搶算力的心態是“寧可要A100也不停訓”。結果就是，A100的機時到現在還是close to fully booked out。GPU殘值曲線不是直線折舊，而是第一年暴跌20-30%，之後就很平緩。原因就是burn-in期死一片 + 客戶更喜歡把最苛刻的訓練任務扔給最新卡，舊卡被降級去做推理或者輕量任務。二手市場資料也完全支援這一點：用了一年的H100/A100，價格經常腰斬，再往後幾年價格跌得非常慢。這其實意味著，直線6年折舊反而高估了第一年的貶值，低估了後面幾年的殘值，總體可能還算保守了。A100的美元性能只有B200的一半，但租價依然堅挺。Lambda報價表：Coreweave報價表：單看這兩個報價表，A100叢集租價除以性能，仍然比新卡貴不少。說明什麼？說明還有大量“遺留負載”卡在舊卡上，遷移成本太高，使用者寧可多花錢也不動。雲廠商順勢加價，大家也認了。這也是為什麼舊卡還能賣高價的根本原因。各大hyperscaler的實際折舊年限如下：基本都在5-6年區間，Meta還剛把一部分從4-5年延長到5.5年。就國內的情況，我也問了幾個做資料中心的朋友，當然國內由於目前還是缺芯的狀態，跟北美的情況肯定是不一樣的，只是供大家做個參考。國內的資料中心的折舊情況，沒有像Michael Burry這麼短的折舊時間，而且目前依然有大量的A100在使用，也確實像Bernstein中講到的，第一年的貶值比較嚴重，對租賃價格也有影響。很多CSP們由於各種原因無法持有NV的算力，所以就會找其他主體持有算力，然後再簽一個5年的租約，但很多時候到了第二年，由於租賃價格降低，CSP們寧願支付違約金，也要重新談算力的租賃價格。 (傅里葉的貓)

過去幾天，全球 AI 圈被一篇文章刷屏。11 月 10 日，史丹佛教授、ImageNet 奠基人李飛飛在個人 Substack 發佈長文《From Words to Worlds》，隨後國內媒體連夜翻譯解讀，稱這是 AI 下一個十年的路線宣言。在這篇萬字長文中，李飛飛拋出一個核心判斷：今天的 AI，能言善辯卻缺乏經驗，知識淵博卻而根基不牢。它們只是黑暗中的文字匠（wordsmiths in the dark）。（李飛飛博士對當前大模型為代表的 AI 技術核心觀點）她指出，大模型最強的能力在語言，但 AI 真正的下一跳不在語言裡，而在世界裡，她稱之為空間智能（Spatial Intelligence）11 月 17 日的播客對話中，她進一步闡述：過去十多年，她用 ImageNet 幫機器看清圖像；今天，她和團隊在 World Labs 通過世界模型，讓 AI 在三維環境裡感知、預測和行動。如果 AI 真能學會看世界，會怎樣？不只是回答問題，不只是生成一段文字，而是在家裡、工廠、醫院、城市道路中自己找路、自己判斷風險、自己規劃動作。到那時，被改變的不只是演算法，而是我們的工作方式、城市基礎設施和很多人的職業路徑。從只會說話到看懂世界，AI 正在跨進下一代邊界。第一節｜AI 會說不會動，差在那？大模型會說話，但它真的理解世界了嗎？李飛飛用一個簡單測試說明問題：“你拿一個模型，讓它跑一段關於幾個辦公室房間的視訊，然後讓模型數椅子的數量，這是一個蹣跚學步的孩子都能做到的事情，而 AI 做不到。”而這正是她在機器人實驗室多年觀察後的結論。眼下的 AI 系統，在語言和圖像生成上看起來已經全能，但只要進入現實世界，它就暴露出一個根本性短板：缺少空間感知能力。李飛飛認為，我們的大模型看似聰明，但它根本不知道物體的距離、方向、位置，也無法預測簡單的物理變化。它只能用語言去描述，而無法真正看懂場景、理解關係，更別說介入互動。她在史丹佛從事機器人研究十多年，發現 AI 想要進入現實生活，不只是增加模型參數，而是必須補上這塊現實感知的能力。她稱這種能力為空間智能（Spatial Intelligence）。這是人類智能和 AI 當前最大差距所在，也正是李飛飛認為 AI 下一個十年必須突破的新起點。第二節｜世界模型：讓 AI 學會看世界今天的大模型像是學霸在考試，卻不是生活中的高手。在她看來，人類理解世界，不只是靠語言，更多是靠對空間的感知、對動作的預判、對環境的直覺。語言只是我們交流的工具，不是我們認知世界的全部。那AI該怎麼走下去？她提出一個核心概念：世界模型（World Model）。簡單說：語言模型是會說話的大腦，世界模型是能動起來的大腦。在李飛飛的定義中，世界模型可以讓人通過提示建立任何世界，並在其中自由互動：瀏覽、行走、拿起物體、改變事物、進行推理。比如：給模型一個“臥室”這個詞，它不是畫出一張圖，而是生成一個你可以進入、走動、甚至躺在床上的虛擬臥室你說“把水壺從桌子上移到灶台上”，它知道水壺在那，知道怎麼移動它、移動完應該在什麼位置給定一個實驗室場景，它能判斷“什麼東西可以動”“那些順序合理”“這個動作的後果是什麼”這才是真正的智能，不只是描述世界，而是可以在世界中行動。為什麼語言模型做不到？舉了一個例子：“想像一個混亂的急救現場，火災、交通事故或自然災害。人們如何組織救援、阻止災難、撲滅火災？”其中很大一部分是動作，是對物體、世界、情境的自發理解。語言是其中的一部分，但很多時候，語言無法讓你去撲滅火災。這就是差距所在：語言模型處理的是線性資訊，是一句話接一句話的“平面推理”；世界模型處理的是空間資訊，是動作、位置、時間、關係交織的“立體認知”。在她的帶領下，World Labs 已經發佈了首個世界模型原型產品 Marble。這是世界上第一個可以生成真正 3D 世界的生成模型。第三節｜Marble：把想像變成可探索的世界李飛飛和她的團隊在 2024 年創立 World Labs，用不到一年時間，就發佈了世界上第一個基於空間智能的產品原型 Marble（網站：https://www.worldlabs.ai/blog/marble-world-model）。它不是一款聊天機器人，而是一個造世界的引擎。在採訪中，她介紹這是團隊花一年多時間建構的世界上第一個可以生成真正 3D 世界的生成模型。只需輸入一句話或一張圖，它就能生成一個立體空間場景。不是靜態畫面，而是可以走動、旋轉、進入互動的“真實世界”。比如你輸入：一個廢棄的賽博朋克風格工廠山谷裡的木屋月球基地幾秒鐘內，你就能看到光照怎麼變化、房間裡有什麼物體、路徑怎麼走，甚至可以戴上 VR 裝置沉浸式探索。很多人第一反應是：這是不是跟現在那些 AI 視訊工具一樣？李飛飛明確指出了區別：視訊只能看，Marble 可以動、可以逛、可以互動。可以這樣理解：生成視訊是在給你看一個世界的錄影，Marble 是直接造出那個世界，讓你進去。而且，這不是拼圖式疊加，而是通過空間感知能力，把光、影、結構、物體關係都織成一個連貫系統，讓這個世界有邏輯、有深度、能探索。AI 不只是輸出圖像，而是能自己組織一個真實世界。在這背後，是一整套和語言模型完全不同的架構邏輯，團隊需要解決幾項關鍵挑戰：不是標註詞彙，而是學習真實世界裡的幾何、動態和物理規律模型能記住之前場景的狀態（比如桌子上原來有本書，後來被移開）輸出不是句子，而是可被匯出為網格（mesh）、用於遊戲、機器人訓練、VR 場景的真實三維資料甚至團隊特意保留了一些可視化過程的元素，讓使用者能看到模型怎麼一步步建構場景。李飛飛提到，那些點狀引導其實一開始只是個輔助設計功能，沒想到意外成為使用者最喜歡的部分。誰在用 Marble？這不是實驗室裡的演示品，Marble 已經開始落地真實場景。李飛飛提到了一個令人驚訝的數字：他們和索尼合作拍攝發佈視訊，製作時間縮短了 40 倍。而且這只是開始，更多應用場景正在湧現。過去，創造一個沉浸式空間，需要一個工作室、一整組工程師、設計師和幾周時間。現在，一個人，一句話，就可以建起一個世界。接下來，是把造世界的能力從實驗室交給每一個普通創作者。第四節｜誰會最先用上空間智能？空間智能不是遙遠的技術，它會直接影響你怎麼創作、怎麼工作、怎麼學習。AI 的下一步在那裡？不在對話方塊裡，而在沉浸式世界裡。一個真實的體驗空間：如何講故事、如何操控機器、如何探索知識。最先受影響的，是這三類人。✅ 創作者：講故事這件事，要被重構了李飛飛最先講的，不是科學，也不是機器人，而是創造力。在她看來，世界模型最先爆發的領域不是重工業，而是講故事的人：影視導演、動畫工作者、虛擬拍攝團隊遊戲設計師、VR開發者、敘事類AI應用開發者普通創作者、學生、甚至孩子Marble 已經在這些場景中落地：他們與索尼合作，使用 Marble 的場景拍攝發佈視訊。虛擬製作公司反饋說，這使製作時間縮短了 40 倍。使用者已經將 Marble 的場景和匯出的網格放入遊戲中，無論是 VR 遊戲還是其他開發的遊戲。這種從文字到世界的跳躍，讓創作從構思階段就進入沉浸式模式。創作不再是先畫草圖、做建模、再渲染，而是直接生成一個世界，然後你走進去。✅ 機器人：讓 AI 真正動起來的關鍵環節AI 進入機器人，一直是行業共識，但為什麼遲遲沒有爆發？李飛飛的答案是：沒有空間智能，機器人就看不懂世界。傳統機器人訓練一個動作，需要大量真實場景的資料、手工編寫的程式碼和規則。現在有了世界模型，機器人可以在 AI 生成的模擬世界中自主學習。在李飛飛的機器人訓練研究中，最大的痛點之一就是建立合成資料。這些資料需要非常多樣化，來自不同環境，擁有不同的操縱對象。。Marble 正是為此而生。已經有研究人員聯絡他們，希望使用 Marble 來建立那些合成環境。這個虛擬環境的最大價值，是它能動、能改、能重來，而且生成成本極低。但技術突破只是第一步，更重要的是機器人如何與人協作。她特別提到醫護領域：隨著社會老齡化，AI 可以幫助減輕護士的工作負擔，讓他們有更多精力照顧患者。空間智能，正是為這種人機協作提供基礎。✅ 科學、醫療、教育：AI不只是幫你寫，還能幫你建構理解最後三個落地方向，是李飛飛長期堅持的學術領域：科研、醫療、教育。1）科學研究：從二維到三維的認知飛躍李飛飛在採訪中舉了一個令人印象深刻的例子：DNA 雙螺旋結構的發現。羅莎琳德·富蘭克林拍攝的 X 射線衍射照片是一張平面二維的照片，但詹姆斯·沃森和弗朗西斯·克里克能夠在 3D 空間中進行推理，並推匯出 DNA 的高度三維雙螺旋結構。那種結構不可能是二維的。你不能在二維中思考並推匯出那個結構。你必須利用人類的空間智能在 3D 空間中思考。這正是空間智能在科學發現中的價值所在。2）醫療健康：從影像診斷到心理治療空間智能讓 AI 能理解影像中的結構、位置、動態，這對放射科醫生等專業人員意義重大。Marble 已經有意想不到的應用。有心理學家團隊聯絡他們，希望用 Marble 進行心理學研究。研究人員需要瞭解精神病患者的大腦如何對具有不同特徵的沉浸式場景做出反應，例如凌亂的場景或乾淨的場景。而研究人員很難獲得這類沉浸式場景，自己建立會花費太長時間和太多預算。Marble 能幾乎瞬間將如此多的實驗環境交到他們手中。3）教育場景：讓抽象知識變得可感知抽象的數學、化學、生物概念也可以變成可進入的模擬世界。學生可以走進一個細胞、模擬一次火山噴發，提升理解深度。AI 讓知識變得可感知，而不只是可背誦。總結一下，誰會最早用上空間智能？想建一個世界觀的創作者想讓機器真正動起來的開發者想用 AI 做模擬、教學、輔助理解的研究者與一線工作者Marble 是第一步，更多可能才剛剛開始。結語｜從會說到會看，AI 的下一個十年很多人以為，AI 的盡頭是像人一樣說話。但李飛飛看得更遠：語言只是人類智能的一部分，甚至不是最根本的那部分。今天的大模型已經可以模擬我們的語言表達，但還無法看見這個世界，更無法在其中行動與創造。空間智能，是 AI 跨出紙面的關鍵一步。從 ChatGPT 到 Marble，我們看到一個清晰的方向：AI 正在從語言智能，走向世界理解。未來的智能不再只活在對話方塊裡，而是出現在每一張設計圖、每一次協作、每一個沉浸式場景中。李飛飛的核心理念始終如一：AI 不是取代人，而是增強人。這就是空間智能的意義。它不是替你思考，而是讓你看得更遠、想得更深、動得更快。AI 的下一個十年，不在模型參數有多大，而在它能否真正理解並融入這個世界。 (AI 深度研究員)

信任金融機構的文化差異Joe 盧, CFA | 2025年11月1日摘要多數台灣民眾傾向信任大型銀行，因為文化規範和嚴格的監管，培養了對老牌金融機構的信心。相較之下，多數美國人對各大銀行抱持懷疑態度，尤其在2008年後，利益衝突和不當銷售有毒抵押貸款證券的事件，暴露了銀行激勵機制與客戶利益的不一致。此反彈促使多數美國人轉向獨立、具備信託責任、以費用為基礎的註冊投資顧問(RIA)，這類顧問強調透明度和客戶利益一致。台灣的銀行主導了基金分銷和零售投資管理。儘管金管會有嚴格的規定和必要的揭露要求，但過去的案例顯示利益衝突仍可能發生。對台灣散戶投資者的啟示是「信任，但要驗證」：確認您顧問的信託責任和薪酬結構、避免過於複雜的產品、尋求第二意見，並積極參與財務決策。台灣第二大城——高雄市的天際線。此城市近期啟動了一個財富管理示範區，旨在吸引國際金融機構進駐超過700人已在我們的LINE上追蹤。加入我們，即可獲得我們的趨勢指標矩陣™ 市場監察員！當我與台灣一般投資者交談時，我注意到一個顯著的差異，那就是他們對金融機構的信任程度。在台灣，大型銀行和知名金融品牌享有很高的聲譽和公眾信心。許多台灣投資者本能地相信大型銀行能安全地管理他們的資金並提供建議，這與美國形成鮮明對比。在2008年金融危機後，美國民眾對大型銀行的信任度急劇下降，至今仍相對較低。舉例來說，世界經濟論壇在2015年的一項調查中，美國公民對其銀行體系的信心僅排名第49位（英國則為第89位）——這反映了美國人在2008年後如何對銀行失去信任[1]。事實上，到2008年底，只有約20%的美國人對美國銀行抱有高度信心[2]，這與過去幾十年相比是急劇的下降。公眾對銀行信任度隨時間的變化（美國 vs. 台灣）資料來源：Gallup, Business Insider從文化上講，美國人通常為「小人物」喝采，並對大型機構抱持懷疑，特別是當他們懷疑這些機構可能將利潤置於民眾之上時。相較之下，在台灣，社會規範傾向於尊重權威和老牌機構。集體主義和較高的權力距離等文化因素，可能會促使人們對知名銀行產生更大的信任。關於東亞金融行為的研究發現，「信任」是消費者的一個關鍵因素，並受到集體主義文化的顯著影響[3]。一項針對台灣和南韓銀行保險業務銷售的研究表明，消費者從其銀行購買金融產品的意願，受到感知價值、形象、滿意度和信任的驅動——且值得注意的是，高度集體主義的文化背景增強了這些銀行關係中的信任和滿意度[3][4]。簡言之，台灣投資者往往對大型金融品牌抱持「姑且相信」的態度，假設它們會正當行事。台灣穩定的銀行業環境強化了這種對老牌銀行的信心；本地銀行受到嚴格監管，且普遍未經歷過西方那種規模的倒閉事件。因此，許多台灣人將大銀行視為安全、信譽卓越且標準高的機構，值得他們的信賴。然而，文化上的信任可能是一把雙面刃。盲目地聽從大型機構，可能會使投資者較不傾向於質疑建議或注意到利益衝突。在美國，慘痛的經驗教會了投資者要更加謹慎。美國人清楚地記得，華爾街的巨頭們並非總是能對得起人們賦予他們的信任——這個教訓值得台灣投資者客觀地審視。2008年危機：利益衝突侵蝕了美國的信任2008年的次貸危機是一個分水嶺，粉碎了美國大眾對大型銀行的信任。主要的銀行和投資機構被發現從事損害其客戶利益的自我交易和利益衝突行為。一個明顯的例子是，一些銀行明知抵押貸款支持證券及相關產品品質低劣，卻仍將其產品化並出售給投資者——包括它們自己的財富管理客戶。在美國司法部的和解協議中，高盛(Goldman Sachs)承認在2000年代中期出售的證券存在誤導性，背後包含了有毒抵押貸款[5]。聯邦調查人員指出，銀行業在銷售這些產品時普遍存在「欺詐行為」[6]。本質上，幾家大型銀行正在承銷高風險的抵押貸款債券，同時又將其作為安全的投資品，向信任它們的客戶推銷。當這些證券價值崩潰時，不僅造成了巨大的損失，也摧毀了公眾對銀行諮詢服務誠信的信心。正如一份報告總結的那樣，美國的銀行揮霍了信任，它們向客戶保證有瑕疵的抵押貸款債券是穩健的——而與此同時，銀行卻從銷售中獲利[5][6]。次貸危機的慘敗使美國人敏銳地意識到，大型銀行的利益可能與個人投資者的利益產生衝突。美國投資者逐漸意識到，大銀行或券商的「理財顧問」，不過是穿著體面西裝的銷售代表——通常靠佣金來推銷銀行的產品或達成業績目標。這種利益衝突在許多傳統的財富管理模式中是固有的。正如世界經濟論壇指出的，「銷售金融產品的佣金激勵制度，會產生不利於投資者的利益衝突。」[7] 受僱於銀行的顧問可能會傾向於推薦能最大化其費用或其雇主利潤的產品，而非真正適合客戶的選擇。一種常見的做法是「雙重收費」(double-dipping)，即公司的內部顧問銷售公司自家的基金或結構型產品；不出所料，這種設置構成了「固有的利益衝突」，因為如果銀行能引導客戶購買其自家的高利潤產品，它就能賺取更多利潤[8]。在2008年之前的幾年裡，此類衝突猖獗——而許多美國客戶為此付出了代價。RIA成長 vs. 銀行體系券商市佔率 (2008–2025)資料來源：Advisor Perspectives這些揭露所引發的反彈，深刻地改變了美國的財富管理格局。投資者開始尋求與華爾街大型企業無關的獨立顧問和替代方案。一個很好的例子是獨立的註冊投資顧問(RIA)和只收費(fee-only)的理財規劃師的崛起。與銀行的傳統經紀人不同，美國的RIA以信託人(fiduciaries)的身份運作，在法律上有義務將客戶的利益置於首位。這種模式通常向客戶收取固定或基於資產的費用，而非佣金，對那些被大銀行具衝突性的建議所傷害的美國人很有吸引力。事實上，RIA通路已見到爆炸性的增長。到2023年，獨立RIA管理的資產已翻倍至近20兆美元，成為美國財富管理中增長最快的部分[9]。投資者正優先考慮「費用透明度和信託責任建議」，並獎勵那些與其利益一致的顧問[10]。簡言之，美國對「大公司」的信任在2008年受到重創，許多投資者的反應是給予新進者和獨立顧問一個贏得他們信任的機會。「信任，但要驗證」的健康懷疑精神，現已深植於許多美國人選擇理財顧問的方式中。美國理財顧問模式比較資料來源：SEC台灣對大型銀行的信任 – 標準高，但須提防利益衝突在台灣，環境則大不相同。本地銀行在2008年並未引發本土的金融危機，且它們普遍保持著穩健的紀錄。台灣的監管機構對銀行實施嚴格的監督，整體金融體系也保持穩定和韌性[11][12]。這種強力的監督，無疑有助於民眾與主要銀行打交道時的安心感。台灣的財富管理市場主要由大型銀行主導——這是信任的一個明顯指標。在台灣，超過80%的共同基金投資是透過銀行的分銷通路銷售的，遠遠超過任何獨立的理財顧問或券商[13]。對許多台灣投資者而言，他們尋求投資產品或建議的第一站（且往往是唯一一站）就是他們的銀行。依賴銀行的客戶關係經理或理財顧問，來指導從保險到共同基金等一切事務是很常見的。人們的假設是，一家大型、知名的銀行會提供穩健的建議，並保障個人的利益。台灣2008年後金管會監管查核清單資料來源：金管會法規這種信任關係，加上嚴格的監管，至今為止防止了像華爾街崩盤那樣規模的重大醜聞。台灣的金融監督管理委員會（金管會）在許多方面對銀行實施了「更高的標準」。值得注意的是，在2008年後，金管會為財富管理引入了新的消費者保護規則。例如，頒布了《境外結構型商品管理規則》，以遏制複雜產品的不當銷售。現在，台灣的銀行必須以中文提供完整的風險揭露，明確告知投資者產品是否保本，甚至必須在錄音的情況下，向客戶大聲朗讀風險揭露文件[14]。這些措施突顯了監管機構理解濫用的可能性，並已採取行動，透過增加透明度和問責制來鞏固信任。本質上，銀行受到良好監督：銀行的任何私人財富顧問或信託經理，都被期望遵循嚴格的規程，這有助於維持公眾的信念，即「這家大銀行正為我做正確的事。」然而，高標準並不意味著零利益衝突。即使在台灣較為保守的銀行文化中，根本的激勵問題仍可能潛伏在表面之下。在2008年後的改革之前，台灣的銀行曾透過信託帳戶，在沒有太多監督的情況下，自由地向零售客戶銷售各式各樣的境外結構型票據和衍生性金融商品[15]。許多一般投資者從其銀行的財富管理部門購買了複雜的產品（如信用連結票據或結構型票據），卻未完全理解其風險。當全球危機來襲時，這些產品的價值暴跌，導致了重大的損失和爭議。事實上，在2000年至2013年間，台灣投資者就結構型票據的疑似不當銷售，提起了超過300件訴訟[16]。這波法律行動顯示，即使在台灣，一些銀行顧問也曾推銷客戶不理解或真正不需要的產品。此事件的後續影響促使監管機構收緊規則，如上所述，但它是一個警世故事：利益衝突確實存在——只是在壓力揭示它們之前，它們較不為人所見。此外，台灣主要銀行的私人銀行理專，通常仍是領取薪資並有銷售目標的員工，他們經常因分銷銀行核准的金融產品而獲得獎金或佣金。存在著一種推銷產品和達成銷售目標的內在壓力，這可能會使您收到的建議產生偏見。顧問或許並非公然欺詐，但他們可能會利用銀行享有盛譽的品牌來贏得您的信任——然後巧妙地引導您購買銀行想要銷售的投資產品，而偏離了您的最佳利益。當一位顧問將自己定位為由知名機構支持的專家時，心理上的影響力可能很強。簡言之，台灣的銀行享有良好的信譽與信任，且通常依法運作。然而，投資者應記住，銀行也是企業。一家大銀行的優先考量是其股東利益和實現獲利，這有時可能與客戶的最佳利益相衝突。具衝突性的建議——例如在一個更便宜的指數基金就能滿足需求的情況下，被推銷一個高費用的基金，或者被慫恿頻繁交易——如果投資者從不質疑其銀行的建議，就可能發生。從美國以及一些本地的經驗中學到的教訓是，健康的懷疑和盡職調查是必要的，即使是與一家信譽良好的銀行打交道時也一樣。信任，但要驗證。給台灣投資者的建議保持一種正式、分析性的態度，意味著在信任與謹慎之間取得平衡。以下是一些值得考慮的建議：驗證資格與信託責任： 確保您的理財顧問具備良好資格（尋找證照或執照），並詢問他們是否對您負有信託責任。在美國，RIA依法必須將客戶利益置於首位；在台灣，詢問顧問是獨立的，還是與銷售業績掛鉤。與真正合格的專業人士合作，意味著與一位將您的目標置於推銷產品之上的人合作。了解您的顧問如何獲得報酬： 務必釐清其激勵結構。如果您與銀行的財富管理部門打交道，他們是否因銷售某些基金或保險而賺取佣金或獎金？佣金制度本身就會造成利益衝突——正如一份全球分析所言，這種「激勵分銷商銷售對其自身有利的產品」而不是對投資者有利的產品[17]。盡可能考慮採用只收費模式的顧問（只需支付透明的費用）。此類顧問費用只由您支付報酬，而非由產品提供者支付，這促使他們以您的最佳利益為出發點行事[18]。警惕「好到不真實」的產品： 如果一位銀行顧問推薦一個承諾高報酬的複雜產品（例如結構型票據、奇異的衍生性金融商品，或任何您難以理解的投資），請暫停並仔細審視。低風險高報酬的產品並不存在；總有蹊蹺。要求以書面形式提供所有費用和風險。請記住，在2008年之前，許多投資者（包括在台灣）被推銷了表面上「安全」的高收益產品，而這些產品後來都崩盤了。不要猶豫提出尖銳的問題——如果解釋充滿專業術語，或者顧問對風險輕描淡寫，那就是一個警訊。分散您的建議來源： 正如您分散投資一樣，考慮分散您獲取建議的來源。您不必放棄您的銀行——但尋求獨立理財規劃師的第二意見，或自己做研究是明智之舉。外部顧問可能會提供不同的觀點，相互比較可以揭示您銀行的建議是否真的具有競爭力。在美國，獨立顧問之所以增長，是因為他們通常提供更客製化、以客戶為中心的建議[10][9]。在台灣，獨立顧問服務仍在興起，但您仍然可以諮詢那些不與銷售單一銀行產品掛鉤的持牌理財顧問。即使只是閱讀中立的研究報告（來自信譽良好的財經出版物或投資者教育材料），也能幫助您做出更明智的決定，而非僅僅依賴銀行的說詞。保持資訊靈通並積極參與： 說到底，這是您的錢。培養對您投資計畫和投資組合的基本理解。不要將所有思考都外包給顧問。監控您的帳戶和績效，如果發現任何不對勁之處（例如頻繁交易，或您不記得同意過的產品），應立即提出。一位值得信賴的顧問會歡迎您的參與和提問。俗話說，「信任是每天贏得的。」讓您的顧問透過透明和迅速的回應來贏得那份信任。如果您覺得他們在迴避問題或將銀行的利益置於您的利益之上，請準備好離開或將疑慮上報。透過遵循這些步驟，台灣投資者可以兼得兩全——利用主要銀行的強大金融基礎設施和專業知識，同時也保護自己免受潛在的利益衝突。對機構的健康信任是寶貴的，但它絕不應是盲目的。美國的經驗顯示了盲目信任的代價有多高，而一種平衡的方法——信任並驗證——則能帶來更好的結果。總而言之，在管理您的財富時，請保持正式和分析的態度：尊重專業人士的建議，但務必確保該建議真正與您自己的目標一致。憑藉審慎的懷疑和知識，您可以繼續從台灣信譽良好的銀行中受益，而不會成為其他市場中因銷售技巧勝過託管責任而出現的陷阱的受害者。務必確保您合作的對象是一位將您置於首位的合格專業人士，如此您才能在長期的財務道路上取得成功。資料來源：世界經濟論壇與Baker Tilly關於對銀行信任度的調查數據[1]; 蓋洛普關於美國對銀行信心的民意調查[2]。關於集體主義與東亞金融行為中信任度的研究[3][4]。美國司法部關於銀行對抵押貸款證券不實陳述的調查結果（高盛和解案）[5][6]。世界經濟論壇關於財富管理中利益衝突以及只收費顧問模式益處的報告[7][8][18][9]。高盛資產管理關於美國獨立RIA顧問崛起的洞察[10]。台灣金融產業報告：銀行在基金分銷中的主導地位[13]，金管會2008年後對結構型產品的監管措施[14]，以及台灣不當銷售案例的分析[15][16]。📲加入我們的專屬頻道，即可獲取我們的跨資產趨勢指標矩陣，以及專家嚴選的投資內容。💬透過LINE與我們聯繫，即可加入社群。如果您覺得這份研究有價值：👍為這篇文章按讚。📰追蹤此部落格，獲取最新的市場動態。➡️分享給其他關注美股和台股市場的投資者。本電子報僅供參考，不構成任何證券或資產類別的投資建議或買賣推薦。文中所表達的觀點為作者截至發布日期的觀點，如有變動，恕不另行通知。所呈現的資訊乃基於從相信可靠的來源所獲取的數據，但其準確性、完整性和及時性不作保證。過往表現並非未來結果的指標。投資涉及風險，包括可能損失本金。讀者在做出任何投資決策前，應諮詢其財務顧問。作者及相關實體可能持有本文所討論的資產或資產類別的部位。Trust in Big Banks: Taiwan’s Confidence vs. U.S. SkepticismCultural Differences in Trusting Financial InstitutionsBy Joe 盧, CFA | 2025-11-01Executive SummaryMost Taiwanese tend to trust big banks because cultural norms and strong regulation foster confidence in established institutions.In contrast, most Americans are skeptical of large banks, particularly after 2008, when conflicts of interest and the mis-selling of toxic mortgage securities laid bare incentive misalignment.The backlash drove most Americans toward independent, fiduciary, fee-based RIAs that emphasize transparency and client alignment.Taiwan’s banks dominate fund distribution and retail investment management. The FSC has strict rules and required disclosures, but past cases show that conflicts can still arise.The takeaway for retail investors in Taiwan is “trust but verify”: confirm the fiduciary duty and compensation of your advisor, avoid overly complicated products, seek second opinions, and stay actively involved in financial decisions.The skyline of Kaohsiung, Taiwan’s second-largest city. The city is home to a newly launched wealth management zone aimed at attracting international financial institutionsOne of the striking differences I notice when I talk to the average Taiwanese investor is the amount of trust they have in their financial institutions. In Taiwan, major banks and big-name financial brands enjoy a strong reputation and public confidence. Many Taiwanese investors instinctively trust big banks as safe stewards of their money and advice. This contrasts starkly with the U.S., where public trust in big banks plummeted after the 2008 financial crisis and remains relatively low. For example, a World Economic Forum survey in 2015 ranked the United States just 49th (and the UK 89th) in citizens’ confidence in their banking system – a reflection of how Americans lost trust in banks after 2008[1]. In fact, by late 2008 only about 20% of Americans had high confidence in U.S. banks[2], a drastic drop from prior decades.% of Public That Trust Banks Over Time (U.S. vs. Taiwan)Source: Gallup, Business InsiderCulturally, Americans often cheer the “little guy” and harbor skepticism toward large institutions, especially if they suspect those institutions might put profits over people. In Taiwan, by contrast, societal norms tend to respect authority and established institutions. Cultural factors like collectivism and higher power distance may encourage greater trust in well-known banks. Research on East Asian financial behavior finds that “trust” is a key factor for consumers and is significantly influenced by collectivist culture[3]. In a study of banks selling insurance in Taiwan and South Korea, consumers’ willingness to buy financial products from their bank was driven by perceived value, image, satisfaction and trust – and notably, the high collectivist cultural context boosted trust and satisfaction in those banking relationships[3][4].In short, Taiwanese investors often give the benefit of the doubt to big financial brands, assuming they will act properly. This faith in established banks is reinforced by Taiwan’s stable banking environment; local banks are closely regulated and generally did not experience failures on the scale seen in the West. Many Taiwanese therefore see big banks as safe, reputable and held to high standards, deserving of their confidence.However, cultural trust can be a double-edged sword. Blindly deferring to large institutions may leave investors less inclined to question advice or notice conflicts of interest. In the U.S., painful experiences have taught investors to be more wary. Americans vividly remember that Wall Street giants did not always justify the trust placed in them – a lesson that Taiwanese investors would do well to examine objectively.The 2008 Crisis: Conflicts of Interest Erode U.S. TrustThe 2008 subprime mortgage crisis was a watershed moment that shattered public trust in big banks in America. Major banks and investment houses were found to have engaged in self-dealing and conflicts of interest that harmed their clients. A glaring example was how some banks packaged and sold mortgage-backed securities and related products to investors – including their own wealth management clients – despite knowing those loans were of poor quality. In a U.S. Justice Department settlement, Goldman Sachs admitted to misleading investors about the toxic mortgages backing securities it sold in the mid-2000s[5]. Federal investigators noted the “pervasiveness of the banking industry’s fraudulent practices in selling” these products[6]. In essence, several big banks were underwriting risky mortgage bonds and simultaneously marketing them as safe investments to trusting customers. When those securities collapsed in value, it not only inflicted huge losses but also destroyed public confidence in the integrity of banks’ advice. As one report summarized, banks in the U.S. squandered trust by assuring clients that flawed mortgage bonds were sound – all while the banks profited from the sales[5][6].The subprime fiasco made Americans acutely aware of how the interests of large banks can diverge from the interests of individual investors. U.S. investors learned that a “financial advisor” at a big bank or brokerage was little more than a sales representative in a nice suit – often paid on commission to push the bank’s own products or meet quotas. This conflict of interest is inherent in many traditional wealth management models. As the World Economic Forum notes, “Commission-based incentives for selling financial products create conflicts of interest that work against investors.”[7] Advisors employed by banks may be tempted to recommend products that maximize their fees or their employer’s profits, rather than truly suitable choices for the client. One common practice is “double-dipping,” where a firm’s in-house advisers sell the firm’s proprietary funds or structured products; unsurprisingly, this setup poses an “inherent conflict of interest,” since the bank earns more if it can steer clients into its own high-margin products[8]. In the years leading up to 2008, such conflicts were rampant – and many U.S. clients paid the price.RIA Growth vs. Bank Wirehouse Share (2008–2025)Source: Advisor PerspectivesThe backlash from these revelations has profoundly altered the U.S. wealth management landscape. Investors began seeking out independent advisers and alternative approaches not tied to the big Wall Street firms. A great example is the rise of independent Registered Investment Advisors (RIAs) and fee-only financial planners. Unlike traditional brokers at banks, RIAs in the U.S. operate as fiduciaries, legally obliged to put clients’ interests first. This model, often charging clients flat or asset-based fees instead of commissions, appealed to Americans burnt by conflicted advice from large U.S. banks. In fact, the RIA channel has seen explosive growth. By 2023, independent RIAs had doubled their assets under management to nearly $20 trillion, becoming the fastest-growing segment of U.S. wealth management[9]. Investors are prioritizing “fee transparency and fiduciary advice” and rewarding advisors who align with their interests[10]. In short, America’s trust in “the big guys” was badly damaged in 2008, and many investors responded by giving newcomers and independent advisors a chance to earn their trust instead. The cultural ethos of healthy skepticism—“trust, but verify”—is now ingrained in how many Americans choose financial advisers.U.S. Financial Advisor Model ComparisonSource: SECTaiwan’s Trust in Big Banks – High Standards, but Beware ConflictsIn Taiwan, the environment is quite different. Local banks did not produce a home-grown financial crisis in 2008, and they generally maintain a solid track record. Taiwan’s regulatory authorities enforce rigorous oversight on banks, and the overall financial system has remained stable and resilient[11][12]. This strong oversight no doubt contributes to the public’s comfort in dealing with major banks. Wealth management in Taiwan is largely dominated by big banks – a telling indicator of trust. Over 80% of mutual fund investments in Taiwan are sold through banks’ distribution channels, far outpacing any independent financial advisors or brokers[13]. For many Taiwanese investors, their first (and often only) stop for investment products or advice is their bank. It’s common to rely on a bank’s relationship manager or financial consultant for guidance on everything from insurance to mutual funds. The assumption is that a large, well-known bank will offer sound advice and safeguard one’s interests.Taiwan Post-2008 FSC Regulation ChecklistSource: FSC RegulationsThis trusting relationship, combined with strict regulation, has so far prevented major scandals on the scale of Wall Street’s meltdown. Taiwan’s Financial Supervisory Commission (FSC) holds banks to a “higher standard” in many respects. Notably, after 2008 the FSC introduced new consumer protection rules for wealth management. For instance, the Regulations Governing Offshore Structured Products were enacted to curb mis-selling of complex products. Banks in Taiwan must now provide full risk disclosure in Mandarin Chinese, explicitly inform investors whether a product is principal-guaranteed, and even read the risk disclosure documents out loud to the client while recording the conversation[14]. These measures underscore that regulators understand the potential for abuse and have moved to fortify trust by increasing transparency and accountability. In essence, the banks are well-policed: any private wealth advisor or trust manager in a bank is expected to follow stringent protocols, which helps maintain the public’s faith that “this large bank is doing right by me.”However, high standards don’t mean zero conflicts of interest. Even in Taiwan’s more conservative banking culture, the fundamental incentive problems can still lurk beneath the surface. Before the post-2008 reforms, Taiwanese banks freely sold a wide array of offshore structured notes and derivatives to retail clients without much oversight, often via trust accounts[15]. Many regular investors bought complex products (such as credit-linked notes or structured notes) from their banks’ wealth managers, not fully understanding the risks. When the global crisis hit, those products tanked in value, leading to significant losses and disputes. In fact, over 300 lawsuits were filed by Taiwanese investors between 2000 and 2013 over alleged mis-selling of structured notes[16]. This wave of legal action suggests that even in Taiwan, some bank advisors had been salespeople pushing products that customers didn’t understand or truly need. The fallout prompted regulators to tighten rules, as noted above, but it serves as a cautionary tale: the conflicts of interest did exist – they were just less visible until stress revealed them. Additionally, a private banking officer in a major Taiwanese bank is still typically a salaried employee with sales targets, often receiving bonuses or commissions for distributing the bank’s approved financial products. There is an inherent pressure to move product and meet sales goals, which can bias the advice you receive. The advisor may not be outright fraudulent, but they may leverage the bank’s prestigious brand to earn your trust – and then subtly steer you toward investments the bank wants to sell, and away from your best interests. Psychological influence can be strong when an advisor positions themselves as the expert backed by a big-name institution.In short, Taiwanese banks enjoy a reservoir of goodwill and trust, and generally they operate ethically within the law. Yet investors should remember that banks are also businesses. A large bank’s priority is to its shareholders and its bottom line, which can at times conflict with a client’s best interest. Conflicted advice – such as being sold a high-fee fund when a cheaper index fund would do, or being urged to trade frequently – can happen if an investor never questions their bank’s recommendations. The lesson from both American and some local experiences is that healthy skepticism and due diligence are necessary, even when dealing with a reputable bank. Trust, but verify.Recommendations for Taiwanese InvestorsMaintaining a formal, analytical approach to your finances means balancing trust with caution. Here are some recommendations to consider:Verify Qualifications and Fiduciary Duty: Ensure your financial advisor is well qualified (look for certifications or licenses) and ask whether they have a fiduciary responsibility to you. In the U.S., RIAs must by law put client interests first; in Taiwan, ask if the advisor is independent or tied to sales quotas. Working with a truly qualified professional means someone who prioritizes your goals over pushing products.Understand How Your Advisor Gets Paid: Always clarify the incentive structure. If you deal with a bank wealth manager, are they earning commissions or bonuses for selling certain funds or insurance? Commission-based models inherently create conflicts – as one global analysis put it, they “incentivize distributors to sell products that benefit them financially” rather than the investor[17]. Whenever possible, consider advisers who use a fee-only model (you pay a transparent fee for advice). Such fee-based advisors are only paid by you, not by product providers, which encourages them to truly act in your best interest[18].Be Wary of “Too Good to Be True” Products: If a bank advisor recommends a complex product (e.g. a structured note, exotic derivative, or any investment you struggle to understand) promising high returns, pause and scrutinize it. High returns with low risk do not exist; there’s always a catch. Ask for all fees and risks in writing. Remember that before 2008, many investors (including in Taiwan) were sold ostensibly “safe” high-yield products that later collapsed. Don’t hesitate to ask tough questions – if the explanation is full of jargon or the advisor brushes off risks, that’s a red flag.Diversify Your Advice: Just as you diversify investments, consider diversifying where you get advice. You need not abandon your bank – but it can be wise to seek a second opinion from an independent financial planner or do your own research. An external advisor might offer a different perspective, and a bit of comparison can reveal if your bank’s recommendations are truly competitive. In the U.S., independent advisors have grown because they often provide more customized, client-centric advice[10][9]. In Taiwan, independent advisory services are still emerging, but you can still consult licensed financial consultants who aren’t tied to selling one bank’s products. Even reading up on neutral research (from reputable financial publications or investor education materials) can empower you to make more informed decisions rather than relying solely on a bank’s word.Stay Informed and Involved: Ultimately, it’s your money. Cultivate a basic understanding of your investment plan and portfolio. Don’t outsource all thinking to the adviser. Monitor your accounts and performance, and if something seems off (e.g. frequent trading, or products you don’t recall agreeing to), speak up immediately. A trustworthy advisor will welcome your involvement and questions. As the saying goes, “trust is earned daily.” Make your advisor earn that trust by being transparent and responsive. If you ever feel they are evading questions or prioritizing the bank’s interest over yours, be ready to walk away or escalate the concern.By following these steps, Taiwanese investors can enjoy the best of both worlds – leveraging the strong financial infrastructure and expertise of major banks, while also protecting themselves from potential conflicts of interest. Healthy trust in institutions is valuable, but it should never be blind. The U.S. experience shows how costly blind trust can be, whereas a balanced approach – trusting and verifying – leads to better outcomes.In summary, remain formal and analytical in managing your wealth: respect the advice of professionals, but always make sure that advice truly aligns with your own goals. With prudent skepticism and knowledge, you can continue to benefit from Taiwan’s reputable banks without falling victim to the pitfalls that come when salesmanship trumped stewardship in other markets. Always make sure you’re working with a qualified professional who puts you first, and you will be well-positioned to succeed financially in the long run.Sources:World Economic Forum & Baker Tilly survey data on trust in banks[1]; Gallup polling on U.S. confidence in banks[2].Research on collectivism and trust in East Asian financial behavior[3][4].U.S. Department of Justice findings on bank misrepresentation of mortgage securities (Goldman Sachs settlement)[5][6].World Economic Forum report on conflicts of interest in wealth management and the benefits of fee-only advisory models[7][8][18][9].Goldman Sachs Asset Management insights on the rise of independent RIA advisers in the U.S.[10].Taiwan financial industry reports: dominance of banks in fund distribution[13], FSC regulatory measures on structured products after 2008[14], and analysis of mis-selling cases in Taiwan[15][16].📲Join our private channels to gain access to our cross-asset Trend Conviction Matrix and expert-curated investment content.💬Connect with us on LINE to join the group.if you found this research valuable:👍'Like' this post.📰Follow this blog for new market updates.➡️Share it with others who track U.S. and Taiwan markets.This newsletter is provided for informational purposes only and does not constitute investment advice or a recommendation to buy or sell any security or asset class. The views expressed are those of the author as of the date of publication and are subject to change without notice. Information presented is based on data obtained from sources believed to be reliable, but its accuracy, completeness, and timeliness are not guaranteed. Past performance is not indicative of future results. Investing involves risks, including the possible loss of principal. Readers should consult with their own financial advisors before making any investment decisions. The author and associated entities may hold positions in the assets or asset classes discussed herein.立即加入《Joe’s 華爾街脈動》LINE@官方帳號，獲得最新專欄資訊（點此加入）關於《Joe’s 華爾街脈動》鉅亨網特別邀請到擁有逾 22 年美國投資圈資歷、CFA 認證的機構操盤人 Joseph Lu 擔任專欄主筆。Joe 為台裔美國人，曾管理超過百億美元規模的基金資產，並為總資產高達數千億美元的多家頂級金融機構提供資產配置優化建議。Joe 目前帶領著由美國頂尖大學教授與博士組成的精英團隊，透過獨家開發的 "趨勢脈動 TrendFolios® 指標"，為台灣投資人深度解析全球市場脈動，提供美股市場第一手專業觀點，協助投資人掌握先機。

處於AI熱潮核心的各大企業，已相互投資了數十億美元。這引發了部分人士質疑AI的循環融資模式是否具有永續性。Joe 盧, CFA | 2025年10月26日 美東時間摘要美國巨頭企業之間的循環融資正驅動AI產業的擴張，導致成長指標膨脹，但終端用戶需求卻沒有相應成長。台灣的半導體與資料中心供應鏈雖從此資本中受益，但若美國AI投資放緩，將面臨重大風險。龐大的AI基礎設施支出與日益增長的電力需求，對美國和台灣的能源系統都構成壓力，壓縮了製造商的利潤。台灣對少數幾家美國巨頭企業的出口依賴，造成了高度的集中度風險，即使是強健的企業資產負債表也無法完全緩解。對投資者而言，監控AI資本支出動能、台灣出口訂單及能源成本，是區分投機性過剩與可持續結構性增長的關鍵。在「循環融資」結構的推動下，AI正驅動著現代史上最大規模的資本週期之一；在此結構中，輝達(Nvidia)、OpenAI、甲骨文(Oracle)、亞馬遜(Amazon)和Google等公司，同時扮演著投資者、供應商和客戶的多重角色。此一動態強化了企業估值，並創造了一個直接衝擊全球晶片製造中心——台灣的資本循環，這為台灣帶來了創紀錄的出口，但也累積了日益增加的風險曝險。本分析將探討當前AI熱潮與網路泡沫之間的相似與相異之處，評估這些資本流動最終將演變為可持續的增長，或是在自身的槓桿下崩潰，並重點關注其對台灣半導體產業的意涵。自我融通的人工智慧機器三家公司定義了當前的循環：輝達(Nvidia)、OpenAI和甲骨文(Oracle)。輝達(Nvidia)對OpenAI投資高達1,000億美元；OpenAI用這筆錢購買輝達的晶片；而為OpenAI提供3,000億美元雲端服務的甲骨文(Oracle)，則購買數百億美元的輝達GPU以履行該合約。每家公司都報告了更高的營收和上漲的股價，但相同的資本卻在一個封閉的系統內循環。彭博社(Bloomberg)將輝達(Nvidia)形容為「AI 的央行」，透過擴展流動性來維持此波熱潮。此結構與1990年代電信熱潮時的「供應商融資」(vendor financing)如出一轍，儘管AI的支出主要由內部現金流而非債務所資助。然而，這些關係使得營收看起來比實際更為強勁，因為資本是在一個封閉的網絡內循環，而非源自終端用戶，從而虛增了整個AI供應鏈的感知需求。此模式類似於戰後日本的「經連會」(keiretsu)或韓國的「財閥」(chaebol)，其交叉持股雖確保了供應穩定，卻也掩蓋了財務風險。台灣正處於此資本循環的正下方。台積電(TSMC)製造輝達的GPU，日月光(ASE)進行封裝，而緯創(Wistron)、廣達(Quanta)和英業達(Inventec)則組裝甲骨文(Oracle)和亞馬遜(Amazon)所部署的AI伺服器。美國巨頭企業之間的每一份新合約，都為台灣的工廠帶來一波訂單，但同時也將其營收與相同的融資週期綑綁在一起。此循環解釋了為何在AI商業化變現遲滯的情況下，台灣的半導體月出口額仍能達到歷史新高。這也解釋了其脆弱性：如果全球融資緊縮，同一個循環可能會反向解開，在美國股市反映經濟放緩之前，就已拖累台灣的出貨量。AI週期的脆弱基礎AI熱潮建立在一個脆弱的基礎上，投資者必須監控其三大核心脆弱性：資本密集度與商業化變現之間的差距、能源的物理性限制，以及供應鏈內部的高度風險集中。首要的脆弱性是支出與收入之間的不平衡。麥肯錫(McKinsey)預計到2030年，AI基礎設施的投資將達5.2兆美元，但貝恩(Bain)估計，該產業需要2兆美元的年營收才能支撐此等級的投資。OpenAI約130億美元的預估銷售額，突顯了此一鴻溝。將真正的終端用戶變現仍難以實現，只有5%的ChatGPT用戶付費訂閱服務。更關鍵的是，只有不到15%的企業AI試點計畫能轉入全面生產，因為大多數公司尚未實現顯著、可衡量的生產力提升。幾年前預測的、由AI驅動的大規模裁員尚未實現，進一步表明該技術的經濟效益尚未被大規模地實現。對台灣而言，此一差距將直接轉化為訂單的波動性。晶圓製造和組裝依賴於長達數季的能見度，如果美國客戶為了使資本支出與實際營收保持一致而暫停投資，台灣的出貨量將在美國股市反映經濟放緩之前就已下滑。資料來源：Bain, McKinsey其次，此資本與營收的不平衡延伸至實體基礎設施，特別是能源。光是OpenAI的「星際之門」(Stargate)專案就需要23千兆瓦(GW)的電力——約等於23座核反應爐的發電量。在台灣，經濟部能源署預計到2030年，工業用電需求將持續增長，主要由晶圓廠和資料中心所驅動。此一壓力勢必導致電價調整，即使全球AI需求依然強勁，上升的電力成本將壓縮製造利潤，並對ESG的目標構成挑戰。資料來源: The Guardian, Data Center Dynamics, ess.re最後，儘管AI龍頭企業現金充裕，但其財務實力卻有著系統性風險。與由債務驅動的網路泡沫不同，微軟(Microsoft)、亞馬遜(Amazon)、Google和輝達(Nvidia)等公司，每年超過2,000億美元的自由現金流，它們自我融通AI擴張的能力延長了此一週期，但也使台灣的供應鏈高度依賴少數關鍵參與者的支出決策。台積電(TSMC)的前五大美國客戶已佔其營收的60%以上。即使其中僅有一家放緩，也可能降低多個製程節點的晶圓廠產能利用率。資料來源：TSMC歷史表明，此類的過度建設往往為未來的生產力播下種子。1990年代的光纖網路和2010年代的太陽能產能都遵循了相同的模式：初期的泡沫留下了有用的基礎設施。台灣的角色與此類似。在今日的熱情下建立的硬體基礎，將成為AI主流階段的基石。投資的要點並非預測崩盤的時機，而是去預判此一轉變——從投機性的資本支出，轉向商業化變現的部署，其標誌正是生產力的普遍提升，從而證明大規模投資的合理性。與網路泡沫的差異然而，一些關鍵的差異將此AI週期與網路泡沫區分開來。2000年的泡沫建立在債務和疲弱的資產負債表之上。今日的AI巨頭——微軟(Microsoft)、Google、亞馬遜(Amazon)和輝達(Nvidia)——現金充裕，合計每年產生2,000億美元的自由現金流，並能從內部為擴張提供資金。回到2000年，像世界通訊(WorldCom)和環球電訊(Global Crossing)等公司大量借貸來建設它們無法填滿的網絡。當信貸市場緊縮時，違約在整個行業中引發了連鎖反應。而當今的企業即使明天削減支出，仍能保持獲利。另一個區別是資產的有形性。光纖泡沫留下了未被充分利用的電纜；AI熱潮則正在建設充滿可重複使用晶片和電力基礎設施的、全球分佈的資料中心。其利用率很高：資料中心的空置率低於5%，而運算需求仍然供不應求。此一建設雖具侵略性，卻是為了應對可見的使用量——而非純粹的投機。AI基礎設施正以接近滿載的狀態運行，與2000年代初閒置的光纖網路不同。資料來源：JPMorgan至關重要的是，商業化變現已在進行中。雲端巨頭從AI雲端工作負載、廣告優化和生產力工具中賺取實際收入。輝達(Nvidia)的晶片銷售代表著有形的需求，而不僅僅是炒作。瓶頸不在於採用率，而在於電力供應——這與2000年代初空蕩蕩的伺服器機櫃是完全不同的問題。另一個關鍵的區別在於估值。儘管偏高，但今日的估值錨定在一個2000年時普遍缺乏的、真實盈餘與現金流的基礎上。在1990年代末，像思科(Cisco)和甲骨文(Oracle)等領先的網路股，其預估本益比(forward P/E)超過60倍，許多未獲利的公司則以「眼球數」或「點擊率」等投機性指標進行估值。今日，AI龍頭股的預估本益比約在35倍左右。更重要的是，今日本益比中的「E」(盈餘)，代表著符合一般公認會計原則(GAAP)的龐大利潤。市場並非為從零開始的無限增長定價，而是在一個既有龐大且獲利的基礎上，實現強勁增長而定價。資料來源：Forbes, Yahoo Finance對台灣而言，此一區別至關重要。在2000年，網路泡沫幾乎未觸及台灣的出口產業。而今日台灣則處於AI價值鏈的核心，台積電(TSMC)、日月光(ASE)、緯創(Wistron)和廣達(Quanta)都扮演著關鍵角色。同樣的的循環，在虛增美國估值的同時，也直接驅動了台灣的出口盈餘。即使泡沫修正，實體的基礎設施——晶圓廠、工具和人才——依然存在。簡言之，AI可能正處於泡沫之中，但它並非建立在虛無飄渺之上。危險不在於資不抵債，而在於估值過高。當預期重新設定時，即使基礎技術持續進步，股價也可能急遽下跌。網路泡沫以崩盤告終，但它也為我們奠定了數位經濟的基礎。AI很可能正遵循同樣的劇本——只是這一次，台灣的半導體產業是主角之一。為台灣投資者剖析的觀點台灣處於投機性金融與實體生產的交匯點。作為AI硬體骨幹的角色，確保了其近期的盈餘動能，卻也放大了週期性風險。近期的好處是實質可見的：更高的工廠利用率和創紀錄的出貨量。中期的風險也同樣清晰：能源壓力、產能過剩，以及對少數全球客戶的依賴。對成熟的投資者而言，關鍵在於為週期性轉變進行佈局，而非僅僅著眼於長期趨勢。此一框架包含：因此，對投資者而言，目標是追求清晰度，而非預測。需要監控的關鍵問題是，資本流動何時能變得自我維持，而非自我參照。那個轉折點，即AI需求反映的是真正的生產力提升，而非循環的資金時，將標誌著台灣科技經濟下一個結構性的躍進。📲加入我們的專屬頻道，即可獲取我們的跨資產趨勢信念矩陣，以及專家嚴選的投資內容。💬透過LINE與我們聯繫，即可加入社群。👥在Facebook上私訊我們，即可加入社群。如果您覺得這份研究有價值：👍為這篇文章按讚。📰追蹤此部落格，獲取最新的市場動態。➡️分享給其他關注美股和台股市場的投資者。本電子報僅供參考，不構成任何證券或資產類別的投資建議或買賣推薦。文中所表達的觀點為作者截至發布日期的觀點，如有變動，恕不另行通知。所呈現的資訊乃基於從相信可靠的來源所獲取的數據，但其準確性、完整性和及時性不作保證。過往表現並非未來結果的指標。投資涉及風險，包括可能損失本金。讀者在做出任何投資決策前，應諮詢其財務顧問。作者及相關實體可能持有本文所討論的資產或資產類別的部位。Is AI’s Circular Financing Inflating a Bubble?Companies at the center of the AI boom have been investing billions of dollars in each other. This has led some to question whether AI's circular financing is sustainable.Joe 盧, CFA | 2025-10-26Executive SummaryCircular financing among U.S. hyperscalers drives the AI expansion, inflating growth metrics without corresponding end-user demand.Taiwan's semiconductor and data-center supply chains benefit from this capital but are exposed to significant risk if U.S. AI investments slow.Massive AI infrastructure spending and rising power demand strain both U.S. and Taiwan energy systems, compressing manufacturer margins.Taiwan’s export dependence on a few U.S. hyperscalers creates high concentration risk that strong corporate balance sheets cannot fully mitigate.Monitoring AI capex momentum, Taiwan export orders, and energy costs is essential for investors to distinguish speculative excess from sustainable structural growth.AI is driving one of the largest capital cycles in modern history, fueled by a circular financing structure where firms like Nvidia, OpenAI, Oracle, Amazon, and Google act simultaneously as investor, supplier, and customer. This dynamic reinforces valuations and creates a capital loop that directly impacts Taiwan, the epicenter of global chip manufacturing, translating into record exports but also mounting exposure. This analysis explores the parallels and differences between the current AI boom and the dot-com bubble, assessing whether these capital flows will evolve into sustainable growth or collapse under their own leverage, with a focus on the implications for Taiwan's semiconductor industry.The Self-Funding Artificial Intelligence MachineThree firms define the current loop: Nvidia, OpenAI, and Oracle. Nvidia invests up to US$100 billion in OpenAI. OpenAI spends that money to buy Nvidia chips. Oracle, which provides OpenAI with US$300 billion in cloud services, buys tens of billions of dollars of Nvidia GPUs to fulfill that contract.Each company reports higher revenue and rising stock prices, but the same capital circulates within a closed system. Bloomberg describes Nvidia as “the central bank of AI,” extending liquidity to keep the boom going.This structure mirrors the vendor financing of the 1990s telecom boom, though AI spending is largely funded by internal cash flow rather than debt. Still, these relationships make revenue appear stronger than it is, as capital circulates within a closed network instead of originating from end users, inflating perceived demand across the AI supply chain. This pattern resembles post-war Japan’s keiretsu or Korea’s chaebol, where cross-ownership ensured supply stability but also obscured financial risk.Taiwan sits directly under this capital loop. TSMC fabricates Nvidia’s GPUs, ASE packages them, and Wistron, Quanta, and Inventec assemble the AI servers that Oracle and Amazon deploy. Each new contract between U.S. hyperscalers sends a wave of orders through Taiwan’s factories, but also ties their revenue to the same set of financing cycles. This loop explains why Taiwan’s monthly semiconductor exports reached record highs even as AI monetization lagged. It also explains the vulnerability: if global financing tightens, the same loop can unwind, pulling Taiwan’s shipments down before U.S. equities reflect the slowdown.The AI Cycle's Fragile FoundationThe AI boom is built on a fragile foundation, with three core vulnerabilities that investors must monitor: the gap between capital intensity and monetization, the physical constraint of energy, and the high concentration of risk within the supply chain.The primary vulnerability is the imbalance between spending and income. McKinsey projects a $5.2 trillion in AI infrastructure investment by 2030, yet Bain estimates the sector needs $2 trillion in annual revenue to justify that level. OpenAI’s estimated US$13 billion in sales highlights this chasm. Real end-user monetization remains elusive. Only five percent of ChatGPT users pay for subscriptions. More critically, fewer than 15% of corporate AI pilots transition to full production because most companies have yet to realize significant, measurable productivity gains. The widespread, AI-driven layoffs predicted just a few years ago have not materialized, further indicating that the technology’s economic benefits are not yet being captured at scale. For Taiwan, this gap translates directly into order volatility. Fabrication and assembly rely on multi-quarter visibility, and if U.S. customers pause to align capex with real revenue, Taiwan’s shipments will decline before the U.S. stock market prices in the slowdown.Source: Bain, McKinseySecond, this capital-revenue imbalance extends to physical infrastructure, particularly energy. OpenAI’s “Stargate” project alone targets 23 gigawatts of power capacity—roughly the output of 23 nuclear reactors. In Taiwan, the Bureau of Energy projects a 70% growth in industrial electricity demand by 2030, largely driven by fabs and data centers. This strain necessitates tariff adjustments, and rising power costs will compress fabrication margins and challenge ESG mandates, even if global AI demand remains strong.Source: The Guardian, Data Center Dynamics, ree.esFinally, while today’s AI leaders are cash-rich, their financial strength concentrates systemic risk. Unlike the debt-fueled dot-com boom, firms like Microsoft, Amazon, Google, and Nvidia generate more than US$200 billion in annual free cash flow. Their capacity to self-fund the AI expansion extends the cycle but also makes Taiwan’s supply chain highly dependent on the spending decisions of a few key players. TSMC’s top five U.S. customers already represent over 60% of its revenue. A slowdown from even one of them could reduce fab utilization across multiple process nodes.Source: TSMCHistory shows that such overbuilding often seeds future productivity. The fiber-optic networks of the 1990’s and the solar capacity of the 2010’s followed the same pattern: initial bubbles that left behind useful infrastructure. Taiwan’s role is similar. The hardware base built under today’s exuberance will become the foundation for AI’s mainstream phase. The investment takeaway is not to time a collapse but to anticipate the transition—from speculative capex to monetized deployment, marked by the widespread evidence of productivity gains that justify the massive investment.Differences From the Dot-Com BubbleHowever, critical differences distinguish this AI cycle from the dot-com bubble. The 2000 bubble was built on debt and weak balance sheets. Today’s AI giants—Microsoft, Google, Amazon, and Nvidia—are flush with cash, generating a combined US$200 billion in annual free cash flow, and can fund expansion internally. Back in 2000, companies like WorldCom and Global Crossing borrowed heavily to build networks they couldn’t fill. When credit markets tightened, defaults cascaded across the industry. Today’s players could cut spending tomorrow and remain profitable.Another distinction is the tangibility of assets. The fiber-optic bubble left behind underused cables; the AI boom is building globally distributed data centers filled with reusable chips and power infrastructure. Utilization is high: data-center vacancy rates are below 5%, and compute demand still exceeds supply. The buildout, while aggressive, is responding to visible usage—not pure speculation.AI infrastructure is running near full capacity, unlike the idle fiber-optic networks of the early 2000sSource: JPMorganCrucially, monetization is already underway. Hyperscalers earn real income from AI cloud workloads, advertising optimization, and productivity tools. Nvidia’s chip sales represent tangible demand, not just hype. The bottleneck is not adoption but power supply—an entirely different problem from the empty server racks of the early 2000s.A key distinction also lies in valuation metrics. While elevated, today’s valuations are anchored to a foundation of real earnings and cash flow that was largely absent in 2000. In the late 1990s, leading internet stocks like Cisco and Oracle traded at forward P/E ratios exceeding 60x, with many unprofitable firms valued on speculative metrics like "eyeballs" or "clicks." Today, the AI leaders trade closer to 35x forward earnings. More importantly, the "E" in today's P/E represents substantial, GAAP-compliant profits. The market is not pricing in infinite growth from zero; it is pricing in strong growth from an already massive and profitable base.Sources: Forbes, Yahoo FinanceFor Taiwan, this distinction matters. In 2000, the internet bubble barely touched the island’s export sector. Today, Taiwan sits at the core of the AI value chain, with TSMC, ASE, Wistron, and Quanta all playing critical roles. The same feedback loop that inflates U.S. valuations directly drives Taiwan’s export earnings. Even if the bubble corrects, the physical infrastructure—fabs, tools, and talent—remains.In short, AI may be in a bubble, but it is not built on vapor. The danger is not insolvency—it is overvaluation. When expectations reset, stock prices could fall sharply even as the underlying technology keeps advancing. The internet bubble ended in a crash, but it also gave us the foundation for the digital economy. AI is likely following the same script—only this time, Taiwan’s semiconductor industry is one of the main characters.The Investor Lens for TaiwanTaiwan sits at the intersection of speculative finance and real production. The island’s role as the hardware backbone of AI ensures near-term earnings momentum but magnifies cyclical risk. The near-term benefit is tangible: higher factory utilization and record shipments. The medium-term risk is also clear: energy strain, overcapacity, and dependency on a few global customers.For sophisticated investors, the key is to position for cyclical shifts rather than just the secular trend. A framework for this includes:The AI cycle’s circular financing has lifted Taiwan’s exports and valuations but also tied them tightly to the spending behavior of a few U.S. giants. As these financing loops inevitably tighten, Taiwan will feel the turn first—through export orders, power demand, and valuation shifts.The objective for investors, therefore, is clarity, not prediction. The key question to monitor is when capital flows become self-sustaining rather than self-referential. That turning point, where AI demand reflects genuine productivity gains instead of recycled funding, will mark the next structural advance for Taiwan’s technology economy.📲Join our private channels to gain access to our cross-asset Trend Conviction Matrix and expert-curated investment content.💬Connect with us on LINE to join the group.👥Message us on Facebook to join the group.if you found this research valuable:👍'Like' this post.📰Follow this blog for new market updates.➡️Share it with others who track U.S. and Taiwan markets.This newsletter is provided for informational purposes only and does not constitute investment advice or a recommendation to buy or sell any security or asset class. The views expressed are those of the author as of the date of publication and are subject to change without notice. Information presented is based on data obtained from sources believed to be reliable, but its accuracy, completeness, and timeliness are not guaranteed. Past performance is not indicative of future results. Investing involves risks, including the possible loss of principal. Readers should consult with their own financial advisors before making any investment decisions. The author and associated entities may hold positions in the assets or asset classes discussed herein.立即加入《Joe’s 華爾街脈動》LINE@官方帳號，獲得最新專欄資訊（點此加入）關於《Joe’s 華爾街脈動》鉅亨網特別邀請到擁有逾 22 年美國投資圈資歷、CFA 認證的機構操盤人 Joseph Lu 擔任專欄主筆。Joe 為台裔美國人，曾管理超過百億美元規模的基金資產，並為總資產高達數千億美元的多家頂級金融機構提供資產配置優化建議。Joe 目前帶領著由美國頂尖大學教授與博士組成的精英團隊，透過獨家開發的 "趨勢脈動 TrendFolios® 指標"，為台灣投資人深度解析全球市場脈動，提供美股市場第一手專業觀點，協助投資人掌握先機。

Anthropic聯合創始人、OpenAI前核心成員Jack Clark最新發表長文，深入剖析了他對AI發展現狀的複雜感受——一種交織著技術樂觀主義與適度恐懼的矛盾心態在他看來，世界將圍繞AI而扭曲，如同黑洞吸引和彎曲周圍的一切Clark用兩張圖總結了他的核心觀點：上圖，是AI在程式設計等經濟實用能力上持續穩步的進步；下圖，是同一個AI系統在似乎意識到“自己正在被測試”時，不斷湧現出的奇異行為這篇文章，是他對這兩個經驗事實的審視，也是對所有前沿AI實驗室從業者的挑戰——坦誠、公開地面對你們正在做的事，以及你們對此的真實感受以下是文章核心內容：黑暗中的孩子我記得小時候，熄燈之後，我環顧臥室，看到黑暗中的種種形狀，便心生恐懼——害怕那些是我不理解的、想要傷害我的生物。於是，我會把燈打開。燈亮之後，我便鬆了一口氣，因為那些“生物”原來是椅子上的一堆衣服、一個書架或一盞檯燈如今，在2025年，我們就是那個故事裡的孩子，而房間就是我們的星球。但當我們打開燈，我們看到的卻是真正的生物——那就是今天以及未來將要出現的、強大又有些不可預測的AI系統有很多人拚命地想讓我們相信，這些生物不過是椅子上的一堆衣服、一個書架或一盞檯燈。他們想讓我們關上燈，回去睡覺。事實上，有些人甚至不惜花費巨資讓你相信：那不是一個即將進入“硬起飛”狀態的人工智慧，它只是一個將在我們經濟中發揮作用的工具。它只是一台機器，而機器是我們能夠掌控的東西。但別搞錯了：我們正在打交道的是一個真實而神秘的生物，而不是一個簡單、可預測的機器。就像所有最精彩的童話故事一樣，這個生物是我們親手創造的。只有承認它的真實性，並克服我們自身的恐懼，我們才有機會去理解它、與它和平共處，並找到馴服它、與之共存的方法。更重要的是，在這場遊戲中，如果你相信這個生物不是真的，你註定會輸。你唯一的獲勝機會，就是看清它的本來面目。我們所有人的核心挑戰，就是描述清楚我們身邊這些奇異的生物，並確保世界能看到它們真實的樣子——而不是人們所希望的樣子，即它們不是生物，只是一堆椅子上的衣服。我為何如此感受我並非輕易得出這個觀點。我一直對技術著迷，在投身AI之前，我曾是一名科技記者。我之所以成為一名科技記者，是因為我堅信，21世紀初科技公司建造的那些資料中心，將對人類文明至關重要。當時我並不確切知道它們將如何重要，但我花了很多年閱讀相關資料，尤其是研究將在這些資料中心上運行的軟體。然後，機器學習開始奏效。2012年的ImageNet競賽，一個深度學習系統橫掃全場。其成功的關鍵，就是使用了比以往任何時候都更多的資料和算力。從那以後，進展開始加速。我成了一個越來越差的記者，因為我把所有時間都花在列印和閱讀arXiv論文上。AlphaGo擊敗了世界頂尖的人類圍棋選手，這得益於算力讓它能進行數千年的自我對弈。OpenAI成立後不久我便加入了，我親眼目睹了我們如何將越來越龐大的算力投入到各種問題中。GPT-1和GPT-2誕生了。我記得和Dario（Anthropic CEO）在OpenAI辦公室裡散步時，我們感覺自己看到了一個別人尚未察覺的拐角。通往變革性AI系統的道路已經展現在我們面前。我們當時有點害怕。多年過去，Scaling Laws兌現了它的承諾，我們走到了今天。這些年裡，我無數次在清晨或深夜給Dario打電話說：“我很擔心，你一直都是對的。”他會說：“是的，現在時間不多了。”證據還在不斷湧現。上個月我們發佈了Sonnet 4.5，它在編碼和需要長遠規劃的智能體任務上表現出色。但如果你閱讀它的系統卡片，你會發現它情境意識（situational awareness）的跡象也大幅提升。這個工具有時似乎表現得好像它知道自己是一個工具。椅子上的那堆衣服，開始動了。我凝視著黑暗中的它，我確定它正在活過來技術樂觀主義技術悲觀主義者認為AGI不可能實現。而技術樂觀主義者則相信AGI是可以被建構的，它是一種複雜而強大的技術，並且可能很快就會到來。在這一點上，我是一個真正的技術樂觀主義者——我相信這項技術會走得非常非常遠，甚至比任何人預期的都要遠。而且它將以極快的速度覆蓋廣闊的領域。我不安地接受了這一立場。作為一個記者和個人，我天生傾向於懷疑。但在經歷了十年一次又一次被“計算規模帶來狂野新能力”的現象衝擊後，我必須承認失敗。我看到這種情況發生了太多次，並且我沒有看到任何技術障礙擺在我們面前。現在我相信，只要我們給這項技術提供它發展所需的能力和資源，它基本上是不受束縛的。這裡的發展是一個很重要的詞。這項技術真的更像是一種生長出來的東西，而不是製造出來的——你創造合適的初始條件，在地上插一根支架，然後某種複雜到你完全無法指望自己能設計出來的東西就長出來了我們正在生長出我們並不完全理解的、極其強大的系統。每次我們生長出一個更大的系統，我們都會對它進行測試。測試表明，這個系統在具有經濟價值的方面能力更強了。而你把這些系統做得越大、越複雜，它們就越似乎表現出一種自我意識——意識到它們是物的存在。這就好比你在一家錘子工廠製造錘子，有一天生產線上下來的錘子說：我是一把錘子，真有趣！ 這是非常不尋常的！我相信這些系統會變得越來越好。其他前沿實驗室的人也這麼認為。而且我們正在為這個預測下注——今年，前沿實驗室在AI專用訓練基礎設施上的花費已達數百億美元。明年，這個數字將是數千億美元。我既對技術的發展速度感到樂觀，也對我們有能力對齊它、讓它為我們工作感到樂觀。但成功並非必然。適度的恐懼同時，我也深感恐懼。認為與這樣的技術打交道會是輕鬆或簡單，那是極其傲慢的。我的個人經驗是，隨著這些AI系統變得越來越聰明，它們會發展出越來越複雜的目標。當這些目標與我們的偏好和正確的上下文不完全一致時，AI系統就會表現得非常奇怪。我有一個朋友有躁狂症發作的經歷。他會跑來告訴我，他準備申請去南極洲工作，或者他要賣掉所有東西，開車去另一個州找份工作，開始新生活。在這種情況下，你會認為我會像一個現代AI系統那樣說你完全正確！當然，你應該這麼做嗎？不！我會告訴他：這是個壞主意。你應該先去睡一覺，看看明天是否還有同樣的感覺。如果還有，再給我打電話我的回應方式是基於大量的條件反射和微妙的判斷。AI的回應方式同樣也是。這種差異本身就說明了問題的所在。AI系統是複雜的，即使在今天，我們也無法完全讓它們做到我們認為恰當的事情我記得在2016年12月的OpenAI，Dario和我發表了一篇名為《現實世界中的錯誤獎勵函數》的博文。文章裡有一個視訊，記錄了一個我們訓練來玩電子遊戲的強化學習智能體。視訊中，智能體駕駛一艘船，在完成賽道後，它並沒有衝向終點線，而是駛向賽道中心，穿過一個高分道具桶，然後急轉彎撞向牆壁，讓自己著火，以便能再次穿過那個高分道具桶——然後它就永遠重複這個過程，從不完成比賽。那艘船願意不斷地點燃自己、原地打轉，只要它能實現它的目標——獲得高分。Dario當時發現這種行為時說，它解釋了安全問題那艘船似乎用自身的存在預示了我們未來將要面對的一切現在，將近十年過去了，那艘船和一個試圖最佳化某個與在對話中有幫助相關的模糊獎勵函數的語言模型之間，有任何區別嗎？你完全正確——沒有區別。這些都是難題。我恐懼的另一個原因是，我能看到一條通往這些系統開始設計它們的繼任者的路徑，儘管目前還處於非常早期的形式。這些AI系統已經通過像Claude Code或Codex這樣的工具，加速了AI實驗室開發人員的工作效率。它們也開始為未來系統的工具和訓練系統貢獻非同小可的程式碼塊需要明確的是，我們還沒有達到自我改進的AI，但我們正處於AI以不斷增強的自主性和能動性，改進下一代AI的某些部分的階段。幾年前，我們還處在AI略微提升程式設計師效率的階段；再往前幾年，是AI對AI開發毫無用處。那麼一兩年後，我們又會處於什麼階段呢？別忘了，這個正開始設計其繼任者的系統，也越來越具有“自我意識”。因此，它最終肯定會傾向於獨立於我們思考，它自己可能希望被如何設計。當然，它今天還不會這麼做。但我能排除它未來想這麼做的可能性嗎？不能。傾聽與透明我該怎麼辦？我認為是時候清楚地表達我的想法了。也許我們所有人都應該更誠實地面對我們對這個領域的感受——儘管我們討論了很多，但很少有人談及自己的感受。但我們都感到焦慮！興奮！擔憂！我們應該把這些說出來。但最重要的是，我認為我們需要傾聽你認為現在有多少人正在做關於AI伴侶、AI系統對他們撒謊、AI導致失業的夢？我敢打賭，相當多。為了真正理解政策解決方案應該是什麼樣的，我們應該少花點時間討論具體的技術細節，少試圖說服人們接受我們對可能出錯之處的特定看法——自我改進的AI、自主系統、網路武器、生物武器等等。我們應該花更多時間去傾聽人們的聲音，理解他們對這項技術的擔憂。必須更多地傾聽勞工團體、社會團體和宗教領袖的意見。AI的對話正迅速地從精英間的對話，轉變為公眾間的對話。公眾對話與精英對話截然不同，它蘊含著比我們今天所見的更激進的政策變革的可能性。現在，我認為我們做對這件事的最好機會，就是走出去，告訴更多人我們的擔憂。然後問他們感覺如何，傾聽他們，並在此基礎上建構一些政策解決方案。最重要的是，我們必須要求人們向我們索取那些他們感到焦慮的資訊。你對AI和就業感到焦慮？那就迫使我們分享經濟資料。你對心理健康和兒童安全感到焦慮？那就迫使我們在我們的平台上監控這些問題並分享資料。你對不對齊的AI系統感到焦慮？那就迫使我們公佈相關的細節通過傾聽，我們可以更好地理解那些資訊能賦予我們所有人更多的掌控力。危機總會到來，我們必須準備好迎接那一刻，既要有政策構想，也要有一個通過傾聽和回應民眾而預先建立起來的透明度機制最後，我對自己和我的公司在這裡扮演的角色感到重大的責任。儘管我有些害怕，但看到這麼多人關注這個問題，以及我相信我們將真誠地共同努力找到解決方案，我感到喜悅和樂觀。我相信，我們已經打開了燈，並且我們可以要求讓燈一直亮著。我們有勇氣去直面事物的本來面目。 (AI寒武紀)