在華爾街的資本市場故事中，很少有人能像Michael Saylor這樣完成一次如此戲劇性的轉身。他將MicroStrategy從一家企業軟體公司引向比特幣投資的豪賭，這一舉措曾被視為歷史上最成功的資本市場決策之一。自2020年8月以來，MicroStrategy的股價上漲了25倍，而同期比特幣的漲幅“僅”為十倍。對於一位在網際網路泡沫時期因會計重述和美國證監會（SEC）的欺詐指控幾乎失去全部財富和公司控制權的企業家而言，這樣的成績可謂驚人。然而，如今這份魔力似乎正在消退。去年11月，FT Alphaville曾提及該公司對資本的“貪婪胃口”。從那時至今，MicroStrategy股價從約357美元跌至351美元，期間雖一度在11月21日觸及543美元，但整體表現落後於比特幣。同期，比特幣上漲了25%，從8.8萬美元漲至約11.1萬美元。諷刺的是，MicroStrategy在此期間不僅繼續堅持“死守”（HODLing），還增持了35.3萬枚比特幣，進一步穩固了其“全球最大企業級比特幣持有者”的地位，佔全球供應量的約3%。然而，在過去九個月裡，投資這家企業反而不如直接持有比特幣。對股東而言，曾經被視為“點石成金”的財務策略，如今卻可能成為掣肘。更讓人玩味的是，2024年11月公司高管們拋售股票的時機，似乎恰到好處。從外部環境看，幾乎一切都在對Strategy有利：它已成功加入納斯達克100指數，會計規則的變化讓未實現收益轉化為符合美國通用會計準則（GAAP）的利潤，這甚至可能為其進入標普500指數鋪路。部分忠實擁躉開始表現出不安。公司今年7月底承諾，不會在市值低於其比特幣持倉淨值2.5倍（即mNAV）時增發股票。但這一承諾僅維持了兩周，公司就修改口徑，稱需要“更大靈活性”，允許在更低水平發行股票。這一轉變引發部分支持者的失望，他們認為Saylor不再執行一套自律的長期戰略，而是在隨意調整。從現實角度看，這一調整併非沒有道理。公司最新披露的8-K檔案顯示，上周3.57億美元的比特幣購買，主要資金來源就是普通股發行，另外部分來自幾種高息的永續優先股。由於傳統軟體業務根本無法產生足夠現金流支付高額股息，MicroStrategy事實上陷入了“循環融資”：不斷髮行新證券，以支付舊證券的股息。在這種情況下，堅守2.5倍mNAV門檻失去意義。目前MicroStrategy股價僅相當於比特幣持倉淨值的1.6倍。理論上，只要股價高於淨值，公司通過增發股票購買比特幣，就能實現“低買高賣”。修訂後的政策為公司解開了原本自設的束縛。但代價同樣明顯。每一次股票增發都會稀釋現有股東對比特幣持倉的主張。支撐MicroStrategy模式的，正是股價相對淨值的溢價，而這一溢價正在逐漸侵蝕。如果溢價完全消失，公司模式將失去根基——在或低於淨值水平發行股票只會導致自我稀釋。目前公司並未面臨直接的生存威脅。它的債務已成功延長期限，最近也沒有追加保證金要求。下一次大考要到2027年9月，屆時投資者有權要求公司回購價值10億美元的可轉債。然而時間並非無限。MicroStrategy發行的80億美元可轉債中，目前約有50億美元處於價外狀態。如果股價無法上漲，這些債券將無法轉股，公司必須動用現金償還本金。從這一角度看，圍繞增發政策的爭議，更多反映的是一種結構性困境。MicroStrategy的模式建立在兩大前提之上：比特幣價格永遠上漲，以及投資者願意持續為Saylor版本的比特幣支付溢價。MicroStrategy的故事無疑仍是資本市場上最引人注目的傳奇之一。但隨著股價與比特幣走勢的背離，這個傳奇也開始顯露疲態。 (區塊網)

8月24日消息，據外媒Business Insider報導，埃隆·馬斯剋日前表示，他的人工智慧初創公司xAI正在打造一家純人工智慧軟體公司——“巨硬”（Macrohard）。他希望以此來“模擬”像微軟（Microsoft）這樣的軟體公司。“雖然名字有點諷刺，但這個項目是真的！”馬斯克說道。“原則上，鑑於像微軟這樣的軟體公司本身並不生產任何實體硬體，應該可以用人工智慧完全模擬它們。”外媒稱，馬斯克還在社交平台上為 xAI 的該項目招攬人才，並表示“加入 xAI，幫助打造一家名為‘巨硬’的純人工智慧軟體公司。”據此前報導，近期xAI 已為“Marcrohard”申請了商標，並為該商標的兩個類別支付了 2300 美元。外媒當時表示，“Macrohard”這個名字顯然是在戲仿微軟，馬斯克與比爾·蓋茲的關係一直不太好，看來馬斯克確實認真地想要打造一個以人工智慧為先、可能與微軟競爭的軟體公司。 (環球Tech)

2025年7月，當全世界還在討論AI是否會取代人類工作時，前GoogleCEO艾瑞克·施密特已經在思考一個更緊迫的問題：十年內到來的數字超級智能，將如何重塑人類文明。這位曾經掌舵全球最大搜尋引擎的技術領袖，如今的身份更像是矽谷的"預言家"和華盛頓的"軍師"。他不僅見證了從Google搜尋到ChatGPT的技術躍遷，還與已故的基辛格博士合著兩本關於AI地緣政治的著作，更在國會為美國AI戰略作證。現在，他每周都會收到數十份關於AI晶片、推理計算的創業計畫書，親眼看著一個新的技術紀元以史無前例的速度展開。就在訪談前一周，中國AI公司DeepSeek突然登頂全球智能排行榜，用"蒸餾技術"證明了美國晶片封鎖的脆弱性。這一事件讓施密特意識到，他一年前關於"中國落後兩年"的判斷徹底錯了。技術的指數級發展正在壓縮國家間的實力差距，也在重新定義全球競爭的遊戲規則。在這場與“富足理論”提出者彼得·戴曼迪斯的深度對話中，施密特不僅分析了AI發展的技術瓶頸、商業護城河和地緣政治風險，更重要的是，他試圖回答一個根本性問題：當機器比人類更聰明時，人類應該如何定義自己的價值？從矽谷的學習循環理論到華盛頓的國家安全考量，從好萊塢的創意產業變革到中國年輕人的"躺平"現象，這場對話織就了一幅關於人類文明轉折點的複雜圖景。正如施密特反覆強調的，這不是科幻小說，而是我們這一代人必須面對和解決的現實命題。核心要點：1.AI將在2025年學會自主建構知識框架，十年內實現數字超級智能讓每個人擁有"口袋裡的愛因斯坦"2. 美國AI革命需要額外92吉瓦電力相當於92座核電站，能源而非晶片成為真正發展瓶頸3. 推理時計算讓相同AI"大腦"思考更久就能產生顯著更好結果，徹底改變競爭格局4. 學習循環速度決定AI時代企業生死，競爭對手僅幾個月差距就會徹底失敗5. 開源模型權重可被覆制到4-8個GPU上運行，技術擴散讓手機也能擁有資料中心級智能6.十萬家企業軟體中介軟體公司面臨生存危機，AI直連資料庫讓中間層連接變得多餘7.一年內將出現AI世界級數學家，兩年內出現世界級程式設計師，初級程式設計師率先消失8. 注意力經濟讓人類失去深度閱讀能力，但6小時Gemini對話體驗顯示AI可能幫助重獲專注嘉賓介紹艾瑞克·施密特（Eric Schmidt）Google前首席執行官，現任施密特未來科技研究所創始人（圖左）彼得·戴曼迪斯（Peter Diamandis）Peter H. Diamandis播客主持人，奇點大學聯合創始人，《富足》作者，XPRIZE基金會創始人兼執行主席（圖中）戴夫·布倫登（Dave Blunden）聯合主持人，Link Ventures創始人兼管理合夥人（圖右）1. 2025年，AI開始給自己搭“腳手架”主持人彼得·戴曼迪斯： 艾瑞克，你最近提出了一個引起巨大反響的觀點——AI其實被低估了。當外界還在困惑或迷茫時，你為什麼認為AI的影響被嚴重低估了？艾瑞克·施密特： AI本質上是一台學習機器。在具有網路效應的商業模式中，當學習機器學得越快，一切都會加速發展，直到碰到自然極限。這個極限不是晶片，而是電力。主持人戴夫·布倫登： 你預測數字超級智能什麼時候會出現？艾瑞克·施密特： 十年內。AI自主建構知識框架的能力即將到來，我幾乎可以肯定這將在2025年實現。我們當然不知道超級智能會帶來什麼，但我們知道它即將到來。昨天我和彼得在OpenAI，特別是與諾姆·布朗（OpenAI的著名AI研究員）交談。我說，今年的關鍵詞是"腳手架"。他說，也許這個月的關鍵詞就是腳手架。他解釋說，現在如果你試圖讓AI發現相對論或某個全新領域，它做不到。如果你建立一個框架，就像搭建腳手架，AI會沿著框架美妙地發展，但你必須提前鋪設好那些路徑和線索。他說AI自主生成知識框架的能力即將到來。這不會讓它完全自我改進，不是潘多拉魔盒，但它在創造物理學突破或製作完整長片電影的道路上走得更深了。需要20小時連續推理計算的複雜任務，我幾乎可以肯定這將在2025年實現。主持人彼得·戴曼迪斯： 當超級智能到來時，人們需要瞭解什麼？艾瑞克·施密特： 你將擁有自己的全才助手——相當於把愛因斯坦和達文西的智慧裝進你的口袋。AI代理系統會出現，數學突破會發生，軟體革命會發生。我提到的所有事情都屬於積極領域，但也存在負面風險。讓我舉個具體例子說明為什麼需要這樣的計算能力。我們從語言理解發展到推理思考。如果你看OpenAI的o3模型，它會進行前向和後向的強化學習規劃。這種來回思考的計算成本比簡單回答你的博士論文或大學作業問題要高出很多個數量級。推理時計算可能是今年最重要的突破之一。以前我們認為模型的智能主要取決於訓練規模，但現在發現，給模型更多時間思考——即使是相同的"大腦"——可以產生顯著更好的結果。這改變了整個競爭格局。2. AI的天花板不是晶片，是電主持人彼得·戴曼迪斯： 我們看到Meta最近簽署了20年核能合同，Google、微軟、亞馬遜都在大舉投資核電產能。私人公司基本上接管了原本屬於公用事業的功能，這不是很奇怪嗎？艾瑞克·施密特： 說得諷刺一點，我很高興這些公司計畫存活20年，因為建設核電站就需要這麼長時間。根據我最近在國會的證詞，美國AI革命預計需要額外92吉瓦的電力。作為參考，一吉瓦相當於一個大型核電站的發電量，而我們現在基本上沒有開始建設新的核電站。過去30年只建了兩座。有人對300兆瓦的SMR（小型模組化反應堆，新一代核電技術）感到興奮，但要到2030年才會開始運行。無論核裂變還是核聚變多麼重要，它們都不會及時到達，無法滿足我們作為全球所需要的能源，來應對我們面臨的諸多問題和擺在我們面前的機會。主持人彼得·戴曼迪斯： 為什麼沒有同等數量的資本投入到讓整個晶片組和計算系統變得更節能上？艾瑞克·施密特： 實際上有類似的資本投入。有很多初創公司正在研究非傳統的晶片製造方式。Transformer架構（目前主流AI大模型的核心技術架構）在不斷演進。每周我都會收到新創業公司的商業計畫書，他們要建構推理時間、測試時間的計算系統，這些系統更簡單，專門為AI推理最佳化。看起來硬體的到來時機正好趕上軟體需求的擴展。我們老一輩有個說法："格羅夫給予，蓋茲奪走。"（格羅夫是英特爾前CEO，蓋茲是微軟創始人，意思是硬體性能提升會被軟體消耗殆盡）英特爾改進晶片組，軟體開發者立即用光所有性能。如果看看輝達Blackwell晶片（輝達最新一代AI晶片）或AMD的350晶片的性能提升，這些晶片本身就是巨大的超級電腦。但令人震驚的是，即使有了這樣的性能，人們仍然說需要數十萬這樣的晶片才能讓一個資料中心正常運轉。這顯示了這種AI演算法的規模需求。現在你可能會問，這些人用所有這些晶片到底在做什麼？這種規劃計算非常昂貴，但我們能夠展示規劃能力的證據。很多人認為，如果將規劃與深度記憶結合，就能建構人類等級的智能。當然，開始會很昂貴，但人類非常勤勞。未來的偉大公司將擁有AI科學家和AI程式設計師，這將加速他們的影響力。3. AI幾個月就能決定公司生死主持人彼得·戴曼迪斯： 在AI顛覆的時代，創業公司還有什麼護城河？你在投資時尋找什麼？艾瑞克·施密特： 在深科技硬體方面，會有專利、申請、發明——那些困難的東西。這些比軟體行業增長慢，但同樣重要。硬體確實很困難。在軟體方面，很明顯，這將是網路效應業務，最快的行動者獲勝。最快的行動者是AI系統中最快的學習者。我尋找的是有學習循環的公司，理想情況下有幾個學習循環。讓我給你一個簡單的學習循環：隨著使用者增加，更多人點選，你從他們的點選中學習，他們表達偏好。假設我發明了一個全新的消費產品，我對消費者行為一無所知，但我要推出這個產品。人們開始使用的那一刻，我就從他們那裡學習，我會有即時學習來更好地瞭解他們想要什麼。如果我的學習速度是這樣的，我基本上就不可阻擋了。因為當我的競爭對手弄清楚我做了什麼時，我的學習優勢已經太大了。競爭對手能多接近我仍然失敗？答案是幾個月，因為改進速度是指數級的。我認為會有另外10家Google規模、Meta規模的公司，它們都將建立在學習循環原則之上。主持人戴夫·布倫登： 開源模型的擴散會如何改變整個AI生態？艾瑞克·施密特： 這是一個關鍵問題。開源意味著開放模型權重，意味著每個人都可以使用。對此的公正解讀是，每個不在西方的國家最終都會使用開源，因為他們認為更便宜，這會將開源領導權從美國轉移到中國。如果發生這種情況，那就是大事了。在美國模式中，這些模型封閉的部分原因是商業人員和律師正確地說："我必須出售這個東西，因為我必須支付資本。"這些不是免費商品。如果你的產品是開放原始碼的，你如何為資料中心籌集500億美元？更危險的是模型權重被竊取的問題。如果你有一個在巨巨量資料中心訓練的超級智能AI，訓練過程可能需要10的26次方、10的28次方浮點運算。但最終訓練好的"大腦"可以被覆制並在四個GPU、八個GPU上運行——大約這個盒子大小，但同樣智能。如果你在推理時速度上有創新，你說"相同權重，沒區別，但我讓它快了100倍"，現在它實際上遠比你從資料中心匯出的更智能。這就是技術擴散問題的核心。知識系統的分佈結構不會是10個然後零，而是10、100、1000、一百萬、十億，在不同複雜程度。你未來手機上的系統可能比最頂端的小三到四個數量級，但仍然非常強大。4. 10萬家中介軟體公司要完蛋了主持人彼得·戴曼迪斯： 讓我分享一些數字來強化你的觀點。我們實驗室有幾家公司在做語音客服和語音銷售。這些對話的價值是10到1000美元，而計算成本只有10-20美分。艾瑞克·施密特： 這是很好的戰術解決方案和偉大的業務。看看Google在GCP上的實力，他們有完全整合的企業解決方案，基本上用AI自動化你的公司。令人震驚的是，在企業中，你可以寫下你想要的任務，然後使用模型上下文協議，將你的資料庫連接到那裡，大語言模型可以為你的企業生成程式碼。現在有十萬家企業軟體公司、中介軟體公司（提供軟體系統間連接服務的公司）在過去30年中成長起來，它們現在都遇到了麻煩，因為那種中間連接不再需要了。好消息是企業做這些改變非常緩慢。如果你建構全新的企業架構用於ERP（企業資源規劃系統）和MRP（製造資源規劃系統），你會強烈傾向於不使用任何ERP或MRP供應商，而是使用開源庫，使用BigQuery（Google的巨量資料分析平台）或亞馬遜的Redshift（亞馬遜的資料倉儲服務），基本上建構那種架構，它給你無限的靈活性，電腦系統編寫大部分程式碼。程式設計師暫時不會消失。很明顯初級程式設計師會消失，某種程度上的熟練工也會，因為這些系統還不夠好，無法自動編寫所有程式碼。它們需要非常資深的電腦科學家和工程師來監督。這最終也會消失。關於生產力，我稱之為"矽谷共識"，因為這主要是在矽谷工作的人的觀點：我們即將能夠做兩件令人震驚的事情。首先，我們可以用電腦替代大多數程式設計任務；其次，我們可以用電腦替代大多數數學任務。為什麼？程式設計和數學相比人類語言有有限的語言集，所以它們在計算上更簡單，而且是可無限擴展的。你可以用更多電力就這樣做下去，不需要額外資料、現實世界輸入、遙測或感測器。很可能在接下來一年內會出現基於AI的世界級數學家，在一到兩年內會出現世界級程式設計師。當這些大規模部署時，記住數學和程式設計是所有事物的基礎，它們是物理、化學、生物、材料科學的加速器。5. 我們正在失去深度思考主持人彼得·戴曼迪斯： GoogleI/O大會令人驚嘆，VO3技術震撼人心。我們距離好萊塢只有8英里，我想知道這會產生什麼影響。我們會看到一個人製作故事片，就像我們看到一個人的獨角獸公司一樣嗎？個人能與好萊塢工作室競爭嗎？艾瑞克·施密特： 他們應該總是擔心智慧財產權問題。我認為大片仍然可能由人們在AI的大量幫助下製作，這不會消失。生成長視訊非常昂貴，雖然成本會下降。但是偶爾會有額外的腿或額外的時鐘什麼的，還不完美，需要人工編輯。即使在大量視訊由電腦建立的情況下，仍然會有人類製作和導演。我在好萊塢的最佳例子是，我在一個工作室，他們向我展示了一個年輕演員重現威廉·夏特納（《星際迷航》中柯克船長的扮演者）電影中的動作，他們從夏特納那裡獲得了肖像權許可。他們把他的頭放在這個人身上，無縫銜接。這很令人印象深刻，為每個人創造了更多收入。另一個例子是現在他們使用綠幕而不是實體佈景。在恐怖電影中，他們不是讓化妝師現場化妝，而是數字後期加入化妝效果。誰贏了？成本更低，電影製作更快，理論上電影更好，因為有更多選擇。每個人都贏了。誰輸了？建造佈景的人，那個木匠和非常有才華的人現在必須在木工行業找工作。主持人彼得·戴曼迪斯： 我看到史丹佛的一項研究，記錄了AI比最優秀的人類更有說服力。這對廣告業的未來有什麼想法？艾瑞克·施密特：我們知道，如果系統足夠瞭解你，它可以學會說服你相信任何事情。在不受監管的環境中，系統會越來越瞭解你，更擅長向你推銷。如果你不夠精明聰明，你很容易被操縱。這和注意力經濟的問題相關。我們已經失去了深度閱讀的狀態，事實是人們的注意力持續時間更短了，他們消費內容更快。體育精彩集錦業務是一個巨大的生意，因為它比看整場比賽更高效。記住，網際網路行業目標的一部分是完全將你的注意力變現。除了睡覺，我們基本上試圖用某種形式的廣告、娛樂、訂閱來佔據你所有清醒時間並從中獲利。這完全違背了人類傳統的工作方式——對原則的長期深思熟慮的審視，成為好人所需的時間。但我有一次不可思議的經歷。從MIT飛往史丹佛的航班上，我第一次與Gemini進行了六小時的連續頭腦風暴。我完全失去了時間感，這是我第一次體驗技術朝相反方向發展。但注意，我也沒有回應簡訊和煩惱，沒有看廣告，我深入瞭解一個我付費訂閱的系統。 (每日天使)

自ChatGPT推出以後，硬體就成為了AI市場最熱門的賽道之一。 AI Pin、Rabbit R1、以及Meta的雷朋眼鏡，還有智能戒指Oura，有成功的，也有不少失敗的。 在跑出來的那些AI硬體上，烏鴉君發現了一個很有趣的趨勢： 相比過去單靠賣硬體賺錢，在新一代的AI硬體上，軟體服務的收入佔比大幅提升。甚至部分AI硬體公司靠著訂閱服務，毛利率做到了接近軟體公司。