AI會快速帶來失業嗎？會顛覆行業嗎？普通人該如何應對？針對AI衝擊帶來的全球性焦慮，近日，《每日經濟新聞》記者（以下簡稱NBD）對2025年諾貝爾經濟學獎得主彼得・豪伊特（Peter Howitt）進行了專訪。作為研究技術變革的經濟學家，彼得·豪伊特與菲利普·阿吉翁（Philippe Aghion）建構的“創造性破壞”數學模型指出， “新創新會取代舊技術”，而這正是經濟發展的關鍵動力。從“創造性破壞”的視角，彼得・豪伊特判斷，AI取代人類還為時過早，但普通人要做好一生多次轉崗的準備。而AI衝擊的真正風險是財富向少數公司集中。為此，徵收財富稅是比徵收“機器人稅”更有效的應對辦法。1電腦革命賦能頂尖人才但AI革命幫助普通人當地時間2025年12月10日，諾貝爾經濟學獎得主彼得·霍伊特（左）在斯德哥爾摩音樂廳舉行的諾貝爾獎頒獎典禮上從瑞典國王卡爾十六世·古斯塔夫手中接過獎項。圖片來源：視覺中國-VCG111611837192NBD：您如何定位AI技術浪潮？它是否構成新一輪“創造性破壞”？彼得•豪伊特：首先要意識到，AI尤其是大語言模型，其實是非常新的事物。ChatGPT發佈到現在也不過三年多時間。我們仍然不清楚，大語言模型是否就是AI的最終技術路徑。也許，未來會轉向楊立昆（Yann LeCun）正在推動的“世界模型”路線，也可能走向更加模組化的技術路線，比如DeepSeek等中國公司的做法。這一領域充滿了不確定性。我接下來要談的都只能算是一種啟發性的判斷或推測。但有一點是明確的，AI會對整個經濟的運行方式產生革命性影響。從這個角度看，它和汽車的出現沒有本質區別。在汽車普及之前，大多數出生在北美的人，一輩子走過的地方可能都不會離出生地超過幾英里。而有了汽車、噴氣式飛機等等之後，即使是普通收入的人，也能夠環遊世界。不過，AI革命不同於電腦革命。電腦革命本質上是一種“技能偏向型”的變革。人的技能越高，生產率提升通常越明顯。而AI似乎呈現出“逆技能偏向”的特徵。也就是說，它主要將常規任務自動化。這對很多具備一定技能，但並非頂尖的人來說，反而會帶來很大幫助。職業層級越高，例如大型企業CEO，其常規性工作本就由其他人協助完成，AI對他的效率提升並不大。但對護士這樣的職業來說，則可借助AI大幅提升服務效率，比如快速檢索醫療資訊，自動完成資料錄入工作，將更多精力投入患者照護。2AI正在搶走工作但也會催生新職業更多新增崗位將在服務業2025年諾貝爾經濟學獎授予經濟學家喬爾·莫基爾、菲利普·阿吉翁和彼得·豪伊特（右）。圖片來源：諾獎官網視訊截圖NBD：當前，AI已經成為部分科技公司裁員的理由。您如何看待AI帶來的崗位替代風險？彼得•豪伊特：每一種新的革命性技術，都會讓某些人類技能變得過時。在軟體程式設計領域，市場對程式設計師的需求已經有所下降。儘管很難說這在多大程度上源於AI衝擊，又在多大程度上來自此前行業對程式設計崗位的過度投資，但以Claude Code為代表的工具確實已顯著改變程式設計師就業格局。歷史經驗表明，所有通用技術最終都會催生出全新的職業與技能類型。AI作為革命性通用技術，並非簡單以機器替代人力，而是推動整體生產方式的重構，這一過程將創造新的技能需求。我經常舉一個例子。1875年的北美，約50%人口從事繁重農業勞動以維持社會供給。如果告訴當時的人們，150年後僅需略高於1%的人口從事農業就足夠了，剩餘勞動力將脫離農業生產，他們必然會追問這些人將以何為生。答案是，一部分人會成為博主、飛行員等，而這些職業在1875年是完全無法想像的。技術進步的邏輯始終如此，AI亦不例外。NBD：白領與中等收入群體是否會面臨更大的衝擊？彼得•豪伊特：現在下結論還為時過早。但借助AI，生產率提升最為明顯的群體，反而會是中等收入從業者。在眾多行業中，AI可實現大量常規性任務的自動化，大幅提升這一群體的工作效率，導致市場對同類普通從業者的總需求下降。不過，若薩伊定律（Say’s Law）生效，普通人最終仍能實現再就業，不過這取決於下游創新。（註：根據薩伊定律，供給會自行創造自身的需求。）此外，公眾往往高估了AI替代的速度。儘管技術迭代迅速，但當前AI與機器人尚不具備大規模替代海量勞動者的能力。目前，幾乎沒有崗位可以完全交由AI獨立處理，AI仍存在明顯的失誤風險。例如，AI可生成一份漂亮的法律文書，但其援引的判例可能純屬虛構，若直接提交司法程序，將引發嚴重後果。大多數人的工作需要判斷力、想像力、創造力，很多情況下還需要人與人之間的接觸、共情、說服等能力。而這些目前仍然是人類獨有的。正是這些人類獨有的特質構成了壁壘，使得AI難以在短期內實現對勞動力的大規模替代。這裡有一個概念：隱性知識，就是那種只能通過經驗、直覺和觀察別人做事來獲得的知識，甚至你自己可能都無法把它精準寫下來。這與AI所持有的可程式設計知識是相反的。在技術的變革中，新職業將持續湧現，但其形態目前無法預知，因為這些職業依託於尚未發生的創新，而創新在落地之前本就難以預見。長期來看，AI創造的新增就業將更多集中於服務業，製造業用工需求持續下降的趨勢，已難以逆轉。3AI導致財富更加集中財富稅比“機器人稅”更有力彼得・豪伊特與布朗大學同事共慶諾獎 圖片來源：布朗大學NBD：有人擔憂，AI會導致財富進一步向少數公司集中。您如何看待這一風險？彼得•豪伊特：這是真實且明確的風險。政府可通過監管和規範企業行為，也可借助稅收體系，避免技術與金融權力過度集中在少數AI開發者手中。若政府採取完全放任的態度，僅以技術優劣決定市場主導權，相關風險將顯著上升。在一定程度上，美國當前採取的正是這類偏向自由放任的模式。NBD：OpenAI最近提出，由政府設立公共財富基金或徵收“機器人稅”，將AI創造的收益分配給普通人。您認為這一思路是否可行？彼得•豪伊特：我認為，與其僅針對機器人徵稅，不如建構覆蓋範圍更廣的稅制。因為，僅對機器人徵稅，企業極易找到規避辦法。這類避稅行為通常只有利於企業自身，而非整個社會。一般而言，稅基越廣泛，對市場行為的扭曲效應就越小。相較之下，我認為更值得考慮的是徵收財富稅（Wealth Tax）。很多國家其實早就應該認真考慮這一點。當前，收入所得稅是大多數國家的重要財政來源，但收入的定義通常未包含未實現資本利得。這在制度上為財富持續集中提供了條件。財富不斷增值，但其增值部分卻無需繳稅。當富豪希望將財富變現時，往往不會通過出售資產，而是以資產抵押進行借貸，且借貸成本還可抵稅。在美國現有制度下，只要財富規模足夠大，便可長期維持這一循環。由於沒有真正有力的遺產稅，去世後還可以將財富傳給子女，進一步加劇財富集中。NBD：除此之外，是否還有別的方式，比如全民基本收入（UBI）？彼得•豪伊特：現在還沒到推行全民基本收入的地步。在此之前，更務實的步驟是建立財富稅制度。若完全依靠所得稅為全民基本收入融資，很難籌集到充足財力。除非將所得稅率提升至極高水平，否則最終可發放的全民基本收入額度將十分有限。但若徵收2%~3%的財富稅，政府便能獲得更充裕的財政資源，全民基本收入才會變得可行。4普通人應做好一生多次轉崗準備NBD：對於被AI焦慮困擾的普通人，您有那些建議？彼得•豪伊特：未來，AI必將成為人們獲得體面工作的必備工具。因此，大家必須主動接納AI，並儘可能熟練地運用它。從歷史經驗來看，未來出現的機會，很可能會比過去任何時候都更好。當然，這一轉型過程不會一帆風順，必然伴隨大量崗位更迭。人們需要做好準備，一生中經歷多次職業轉變，將成為常態。但生活總是在變得更好。我們如今習以為常的汽車、電視和手機等技術，在誕生之初也曾引發巨大擔憂，因為它們替代了部分傳統工作。如今，類似的處理程序正在重演。過去，人類適應了歷次技術變革，未來也同樣能夠適應。任何經濟發展都不可能不伴隨劇烈擾動，不可能沒有崗位消失和崗位誕生，不可能沒有不確定性和焦慮。如果我是年輕人，我會期待這樣一個世界：我的很多努力可能最終會失敗，但只要堅持下去，我的未來會比過去更好。那些將被創造出來的新工作，幾乎肯定會比正在消失的工作更有趣、更有挑戰性，也更有回報。所以，我想說的就是：要有希望，要保持樂觀。 (每經頭條)

最近不管是刷財經內容，還是看科技圈的新聞，你大機率都會反覆看到一個詞：Token。很多人第一反應是懵的，甚至直接把它和虛擬幣、傳銷騙局劃等號——畢竟過去這些年，太多人打著“Token”的旗號搞投機割韭菜，留下了一地雞毛，大家有警惕心太正常了。但你有沒有發現，這次提Token的，不是那些幣圈的投機客，而是輝達的黃仁勳，是國家資料局。2026年的GTC大會上，黃仁勳在主題演講裡70多次提到Token，核心口號只有四個字：Token為王。他甚至直接放話，未來的資料中心，本質都是生產Token的工廠，Token就是AI時代的新大宗商品。幾乎同時，國家資料局在2026年中國發展高層論壇上，正式給AI領域的Token定下了官方中文譯名：詞元，同時公佈了一組讓人瞠目的資料：中國日均Token呼叫量，從2024年初的1000億，一路飆升到2025年底的100兆，2026年3月已經突破140兆，兩年時間增長了1400倍。一邊是全球算力龍頭的掌門人瘋狂站台，一邊是國家級機構的官方定名和資料背書，兩件事湊到一起，就絕不是什麼偶然的熱點炒作，而是一個明確的時代訊號。很多人到現在還沒搞懂：這個叫Token（詞元）的東西，到底是什麼？為什麼能讓黃仁勳如此看重？國家為什麼要專門給它定名？它和我們普通人，到底有什麼關係？-01-先把最基礎的事說透：Token到底是什麼？先給大家吃個定心丸：我們今天聊的Token，和那些投機炒作的空氣幣，本質上是完全不相關的兩件事。國家定名的“詞元”，是AI領域的核心基礎概念，沒有任何投機屬性，是你每天用AI的時候，都在打交道的東西。用一句大白話就能講明白：Token（詞元），是大語言模型處理文字的最小基本單元，是AI理解、生成內容的基礎載體，也是AI服務的核心消耗品。很多人以為，AI能直接看懂我們說的漢字、寫的句子，其實不是。AI的底層邏輯，和人腦完全不一樣，它不認漢字，不認單詞，只認經過編碼的Token。舉個最通俗的例子：我們小時候學說話、寫文章，是先學拼音，再學漢字，再學詞語，最後連成句子和文章。拼音是我們理解和表達語言的最小基礎單元，而Token，就是AI的“拼音”。你給AI發一句“今天天氣不錯，適合出去走走”，AI收到這句話之後，第一件事不是直接理解它的意思，而是先把它拆分成一個個Token。比如拆成“今天”“天氣”“不錯”“適合”“出去”“走走”，也可能拆得更細，比如“今”“天”“天”“氣”，具體怎麼拆，不同的模型有不同的規則，但核心邏輯是一樣的：把你說的話，拆成AI能識別、能處理的最小單元。拆分完成後，每個Token都會被轉換成一串對應的數字，AI就是通過處理這些數字，來理解你這句話的意思，然後再生成對應的回覆，而生成的每一句回覆，同樣也是由一個個Token組成的。這就帶來了一個最直接的結果：你和AI的每一次對話，你讓AI做的每一件事——不管是寫文案、做表格、寫程式碼，還是做資料分析、生成圖片，都要消耗對應數量的Token。你可以把它理解成汽車的汽油：AI就是那輛車，你要讓車跑起來，就得燒油；你要讓AI幹活，就得消耗Token。你買的AI會員，不管是月度的還是年度的，本質上就是買了一油箱的Token，額度用完了，要麼續費充值，要麼AI就沒法再給你提供服務。這裡再給大家兩個最實用的基礎常識，看完你就再也不會被相關的黑話忽悠了：第一，中文語境下，1個漢字大概對應1-2個Token，英文語境下，1個單詞大概對應1-1.3個Token，所以同樣的內容，中文消耗的Token量，通常會比英文多一點；第二，大家常說的AI模型“128k上下文”“256k上下文”，本質上就是這個模型一次性能處理的Token上限，相當於AI的“短期記憶容量”。上限越高，AI能記住的上下文就越多，就能處理更長的文件、更複雜的任務，當然，消耗的Token也會更多。說到這裡，你應該已經明白了：Token不是什麼遙不可及的技術黑話，更不是什麼騙局，它就是AI時代的基礎消耗品，是你每天用AI的時候，都在默默消耗的東西。那問題來了：這麼一個看似簡單的“AI消耗品”，為什麼能讓黃仁勳喊出“Token為王”？為什麼能成為國家層面關注的核心指標？-02-黃仁勳的“Token為王”本質是看透了AI時代的底層邏輯要理解這句話，我們得先回頭看兩段歷史，看完你就會瞬間明白，黃仁勳到底在說什麼。第一次工業革命的時候，蒸汽機被發明出來，瞬間改變了整個世界。一開始，所有人都在搶著造更好、效率更高的蒸汽機，誰能造出更先進的蒸汽機，誰就是行業裡的大佬。但沒過多久，大家就發現了一個問題：蒸汽機再好，沒有煤，就是一堆不能動的廢鐵。造蒸汽機的技術門檻，很快就被拉平了，真正決定行業話語權的，變成了誰能低成本、大規模地開採煤炭，誰能穩定地把煤炭運到需要的地方。煤炭，成了第一次工業革命的核心大宗商品，誰掌握了煤炭，誰就掌握了工業時代的命脈。第二次工業革命，電力普及，歷史又一次重演。一開始，大家都在捲髮電機、電動機的技術，誰能造出更好的電氣裝置，誰就是行業的領頭羊。但很快，風向就變了：電氣裝置的技術很快就普及了，真正決定行業格局的，變成了誰能低成本、大規模地發電，誰能搭建起覆蓋全國的電網。電力，成了第二次工業革命的核心基礎設施，那怕你能造出全世界最好的電器，沒有電，它就是個沒用的擺設。再後來的網際網路時代，也是一樣的邏輯。一開始，大家都在卷網站、卷APP，喊著“內容為王”，誰能做出更好的內容、更好的產品，誰就能出圈。但沒過多久，大家就發現，好的內容、好的產品越來越多，真正稀缺的，是流量。於是整個行業的邏輯，從“內容為王”變成了“流量為王”，誰能掌握流量，誰就能掌握網際網路時代的話語權。現在，我們正處在AI革命的浪潮裡，而黃仁勳喊出的“Token為王”，本質上就是看透了這場革命的底層邏輯：AI時代的核心大宗商品，不是模型，不是晶片，而是Token。過去這幾年，整個AI行業都在卷一件事：大模型。從百億參數，到千億參數，再到兆參數，國內國外的科技公司，都在拼了命地研發更大、更先進的大模型，好像誰家的模型參數多、效果好，誰就能贏下這場AI戰爭。但到了2025年到2026年，整個行業突然發現，風向變了。大模型的技術門檻，正在快速被拉平。現在全世界的開源大模型，大大小小加起來有上千個，閉源的頭部模型，效果也越來越接近，你有的功能我也有，你能做的事我也能做。模型已經不再是稀缺品了，真正稀缺的是什麼？是能讓這些模型跑起來、能持續穩定產出價值的Token。就像蒸汽機離不開煤，電器離不開電，網際網路產品離不開流量，再好的大模型，沒有Token，就是一個不能啟動的程序，沒有任何價值。你有再先進的大模型，如果沒法低成本、大規模地生產Token，沒法給使用者提供穩定的Token供給，那你的模型，就只能躺在伺服器裡，沒法落地，沒法賺錢，更沒法形成商業閉環。這就是黃仁勳說“Token是新的大宗商品”的核心原因。大宗商品的本質，是整個經濟體系的基礎剛需，是所有產業都離不開的東西，需求量極大，價格波動會影響整個行業的走向。石油、煤炭、電力、糧食，都是如此，而現在，Token正在成為AI時代的核心大宗商品。黃仁勳甚至直接給出了明確的定義：未來的資料中心，本質上都是生產Token的工廠。過去我們建資料中心，比的是什麼？是伺服器的數量，是儲存的容量，是頻寬的大小。但未來，衡量一個資料中心價值的核心標準，只有一個：它每消耗一度電，能生產多少高品質的Token，也就是Token生產的能效比。這個指標，直接決定了這個“Token工廠”的盈利能力。就像火電廠，誰的發電煤耗更低，誰就能在電價低迷的時候依然賺錢，誰就能在行業競爭裡活下來；未來的智算中心，誰的Token生產能效比更高，誰的生產成本更低，誰就能在AI時代掌握話語權。甚至黃仁勳還預判，未來Token會形成完整的分層定價體系，根據生成速度、智能程度、安全等級，分成不同的檔次，每百萬Token的價格，從免費層到超高速的企業級，覆蓋從0到150美元的區間，僅推理場景，就能打開兆級的商業化空間。很多人說，黃仁勳是AI時代的“賣鏟人”，其實不止於此。他不是只賣鏟子，他是看透了整個AI金礦的底層邏輯，知道未來大家搶的不是金礦的開採權，而是開採金礦必須用到的、持續消耗的炸藥和工具，而Token，就是那個最核心的消耗品。-03-國家定名“詞元”140兆日均呼叫量，背後藏著什麼訊號？如果說黃仁勳的“Token為王”，是給整個AI行業指明了商業方向，那國家資料局的官方定名，以及那組140兆的驚人資料，就是給我們普通人，釋放了三個最明確的訊號。第一個訊號，也是最基礎的：官方給Token正名了，它徹底和投機炒作劃清了界限，成為了國家級的技術術語和產業指標。過去這麼多年，Token這個詞，一直被幣圈的投機客濫用，導致很多人一聽到Token，第一反應就是騙局、虛擬幣、非法集資，污名化非常嚴重。這次國家資料局專門給AI領域的Token定名為“詞元”，本質上就是一次官方的正本清源：明確了AI領域的詞元，和那些投機炒作的代幣，完全是兩回事。它是AI產業的核心基礎單元，是合規的、有實際價值的、服務於實體經濟的技術概念，再也不是什麼見不得光的投機工具。更重要的是，國家把Token的呼叫量，當成了衡量AI產業發展的核心指標。這就像我們用GDP衡量經濟發展水平，用發電量衡量工業活躍度，用PMI衡量製造業景氣度一樣，未來，Token（詞元）的呼叫量，會成為衡量中國AI產業發展水平、規模化應用程度的核心國家級指標，甚至會成為宏觀經濟資料裡的重要組成部分。第二個訊號：中國的AI產業，已經徹底從“模型研發”的上半場，進入了“規模化應用落地”的下半場。我們回頭看那組資料：日均Token呼叫量，2024年初是1000億，2025年底是100兆，2026年3月突破140兆，兩年增長了1400倍。這個數字，到底有多恐怖？我們可以簡單算一筆帳：就算全中國14億人，每個人每天都和AI聊100句話，每句話消耗100個Token，一天下來，總消耗量也只有140兆的1%。這麼恐怖的呼叫量，絕對不是靠普通人聊天撐起來的，只有一種可能：AI已經徹底走出了“聊天玩具”的階段，大規模地進入了實體經濟，進入了各行各業，開始24小時不間斷地創造價值。現在的Token消耗主力，早就不是個人使用者的對話，而是兩個核心場景：一個是智能體（Agent）的大規模應用，另一個是工業、企業級的自動化場景。什麼是智能體？簡單說，就是不用你一句一句地給AI下指令，它能自己理解你的目標，自己拆解任務，自己呼叫工具，自己完成一整個複雜的工作流程。比如你讓它幫你做一份完整的行業調研報告，它會自己去查最新的行業資料，自己做資料分析，自己搭建報告框架，自己寫內容，自己修改最佳化，全程不用你干預。這個過程中，智能體需要不停地呼叫大模型，不停地消耗Token，它的Token消耗量，是普通人工對話的幾十倍，甚至上百倍。現在國內國外，不管是大企業還是創業公司，都在瘋狂地研發和落地智能體應用，這是Token需求爆發的核心驅動力之一。而另一個核心場景，就是實體經濟的工業應用。比如工廠裡的AI質檢，生產線每生產一個產品，就要拍高畫質照片，AI即時分析產品有沒有缺陷，有沒有質量問題，這個過程是24小時不間斷的，每秒都在消耗大量的Token；再比如物流行業的AI調度，全國幾百萬個快遞包裹，每一個的運輸路線、配送順序，都要靠AI即時最佳化，避開擁堵，提升效率，同樣是24小時不停消耗Token；還有金融行業的AI風控、客服行業的AI自動化、網際網路行業的AI內容稽核、程式碼行業的AI開發，這些場景，都是Token消耗的大戶。140兆的日均呼叫量，本質上就是一個最明確的證明：AI已經不是實驗室裡的技術，不是普通人用來娛樂的玩具，它已經成為了實體經濟的核心生產力工具，正在深刻地改變著各行各業的生產方式。第三個訊號：中國正在爭奪AI時代的全球話語權，而且已經有了非常明顯的優勢。Token的生產成本，核心取決於兩個東西：一個是算力晶片的能力，另一個就是電力成本。而這兩個領域，中國都有非常強的競爭力。晶片領域，雖然我們在高端通用晶片上還有差距，但在AI推理晶片、國產算力生態上，我們已經實現了快速的突破，國產大模型的適配和最佳化，已經做得非常成熟，完全能滿足大規模的Token生產需求。而電力成本，更是我們的核心優勢。Token生產的最大成本，就是資料中心的電費，誰的電價更低，誰的Token生產成本就更低，誰就能在全球競爭裡佔據優勢。中國西部有大量的風電、太陽能等綠電資源，電價遠低於全球平均水平，非常適合建設大規模的智算中心，用來生產Token。現在，國內的科技企業已經開始行動了。阿里已經成立了Alibaba Token Hub（ATH），核心就是做Token的創造、輸送和全場景應用，要把Token打造成AI時代數字商業的核心基礎設施；其他的頭部科技企業，也都在紛紛佈局智算中心，核心目標不是訓練大模型，而是做推理，也就是大規模生產Token。甚至有資料顯示，中國開源大模型的全球下載量佔比，已經達到了17.1%，首次超越了美國；中國的Token周呼叫量，已經連續兩周超越了美國，成為了全球AI應用最活躍的市場。這意味著，在AI時代的下半場，我們不再是跟著別人跑的追趕者，而是有能力制定規則、爭奪話語權的競爭者，而Token，就是這場競爭的核心戰場。-04-對普通人來說，這場Token浪潮到底意味著什麼？很多人會說，這些都是行業大佬和科技公司的事，和我一個普通人有什麼關係？我既不做AI，也不辦企業，懂不懂Token，有什麼區別？如果你這麼想，那就大錯特錯了。就像100年前的電力，30年前的網際網路，剛出現的時候，大家也覺得和自己沒關係，但很快，它們就滲透到了生活的方方面面，改變了所有人的工作和生活。而Token，作為AI時代的核心基礎設施，未來一定會和電力、網際網路一樣，和我們每個人息息相關，沒有人能置身事外。首先，它會徹底改變我們的職場邏輯，未來，懂不懂Token，會不會用AI，會直接決定你的職場競爭力。現在已經有非常明顯的趨勢了：不管你做什麼工作，都離不開AI。文員用AI寫文案、做表格，程式設計師用AI寫程式碼、找bug，設計師用AI做圖、做創意，營運用AI做資料分析、寫策劃，甚至工廠的工人，也要用AI控制裝置、做質檢。而用AI的核心，就是和Token打交道。同樣是用AI寫一份方案，有的人能用500個Token，就生成一份邏輯清晰、內容詳實的方案；有的人用了5000個Token，生成的內容還是亂七八糟，全是廢話。對公司來說，這就是實實在在的成本差距，你能幫公司省Token，就是幫公司省錢，你的競爭力，自然就比別人強。甚至現在矽谷已經有很多科技公司，給員工發薪資的時候，除了現金，還會給專屬的Token配額，也就是AI算力額度。因為很多工作，沒有AI的輔助，效率會低到無法接受，就像現在公司給員工配電腦、配手機一樣，未來，給員工配Token配額，會成為企業招聘的標配。再過三五年，“會不會最佳化Token使用”“能不能用AI高效完成工作”，一定會成為職場招聘的基礎要求，就像現在很多公司招聘，要求你會用Office、會用電腦一樣。那時候，你不懂Token，不會用AI，就像現在不會用電腦一樣，很難找到有競爭力的工作。其次，它會徹底滲透到我們的日常生活裡，未來，你每天的衣食住行，都會和Token打交道，只是你可能感覺不到。現在，你每天都在用電，但是你不會每天都去想，發電廠在那裡，電是怎麼送到你家裡的；你每天都在用網際網路，但是你不會每天都去想，訊號是怎麼傳輸的，資料是怎麼儲存的。未來的Token，也是一樣的。你家裡的智能家電，裡面的AI助手，和你對話、幫你控制家電，會消耗Token；你出門用的導航，AI即時給你最佳化路線、避開擁堵，會消耗Token；你刷短影片，AI給你推薦你喜歡的內容，會消耗Token；你給孩子用的線上教育工具，AI給孩子定製學習計畫、批改作業，會消耗Token；甚至你去醫院看病，AI幫你看片子、分析病情，同樣會消耗Token。這些場景，現在已經有了，未來只會越來越普及，越來越深入。Token會像電力一樣，成為我們生活裡無處不在的基礎資源，支撐著整個智能社會的運轉。-05-這場Token浪潮裡普通人有沒有能抓住的機會？我必須先明確一條紅線：凡是打著Token的旗號，讓你投錢、讓你拉人頭、給你承諾高收益的，全是騙局，沒有例外，一律不要碰。我們聊的機會，全是合規的、零風險的、靠自己的能力就能抓住的機會，沒有任何投機成分。對普通人來說，最穩妥、最靠譜的機會，有三個。第一個機會，也是所有人都能做的，就是提升自己的AI使用能力，核心就是對Token的理解和最佳化能力。很多人現在用AI，就是隨便說一句話，然後等著AI生成內容，根本不管消耗了多少Token，生成的內容質量高不高，這樣的人，永遠只能把AI當成一個玩具，沒法把它變成提升自己競爭力的工具。而你如果能沉下心來，搞懂Token的底層邏輯，學會怎麼寫高品質的提示詞，怎麼用最少的Token，生成最高品質的內容，怎麼用AI完成更複雜的工作任務，怎麼用AI最佳化你的工作流程，那你在職場上，就會有遠超別人的競爭力。不管行業怎麼變，經濟怎麼波動，能提升自己的核心能力，永遠是普通人最穩妥的出路。第二個機會，是做AI和Token的科普內容創作。現在90%的人，對Token、對AI，都是一知半解，甚至有很多誤解。有的人一聽到Token就覺得是騙局，有的人一聽到AI就覺得會搶自己的工作，還有的人想用AI，但是根本不知道怎麼用，到處踩坑。市場的需求，就是你的機會。你如果能把這些複雜的技術概念，用大白話講明白，給大家避坑，給大家講清楚AI的正確用法，給大家拆解背後的行業趨勢，那你就能吸引大量的粉絲。不管是做公眾號、短影片，還是小紅書，都能變現，而且這個賽道，現在競爭很小，需求極大，因為AI的普及速度太快了，大家的認知，根本跟不上技術的發展速度。第三個機會，是給中小企業做AI配套服務，核心就是幫他們最佳化Token使用，降低AI成本，提升AI使用效率。現在很多中小企業，都想用AI提升效率，降低成本，但是他們根本不懂AI，不懂Token，不知道怎麼搭建適合自己的AI工作流程，不知道怎麼最佳化提示詞，花了很多錢買AI會員，但是根本沒用到實處，白白浪費了很多成本。你如果能幫他們解決這個問題，幫他們搭建AI工作流程，最佳化提示詞，降低Token消耗，提升AI的使用效率，按效果收費，比如幫他們一年省了10萬的AI成本，你收3萬的服務費，沒有那個企業會拒絕。這個需求，未來會越來越大，而且門檻不高，只要你懂AI，懂Token的邏輯，就能做。最後，聊一點關於未來的心裡話每次技術革命來臨的時候，大多數人的第一反應，都是排斥、懷疑、恐懼，覺得和自己沒關係，甚至覺得是騙局。第一次工業革命的時候，很多手工紡織工人，砸毀了織布機，覺得機器搶了他們的飯碗；電力普及的時候，很多人覺得電是危險的、不可靠的，拒絕使用；網際網路剛進入中國的時候，很多人覺得網上都是騙子，根本不可能在網上買東西、交朋友。但歷史告訴我們，技術革命的浪潮，從來不會因為任何人的排斥和懷疑，就停下腳步。它最終會惠及所有人，只是那些提前看懂趨勢、提前做好準備的人，會拿到更多的時代紅利，而那些拒絕改變、固步自封的人，會被時代慢慢甩在後面。AI革命，也是一樣的。而Token，就是這場革命下半場的核心。它不是什麼投機炒作的工具，不是什麼遙不可及的技術黑話，它是AI時代的電力，是整個智能社會的基礎基礎設施，未來會滲透到我們工作和生活的每一個角落。黃仁勳喊出的“Token為王”，國家資料局的官方定名，140兆的日均呼叫量，這些都不是偶然的熱點，而是一個明確的時代訊號：AI時代的下半場，已經正式開始了。對我們普通人來說，面對這場浪潮，最好的選擇，從來不是去投機，不是去想著一夜暴富，而是沉下心來，去理解它，去學習它，去適應它，把它變成提升自己的工具，抓住屬於自己的機會。畢竟，時代從來不會淘汰那些願意學習、願意改變的人，只會淘汰那些站在原地、拒絕前進的人。 (關山敘)

3月25日，劑泰科技聯合創始人兼CEO賴才達博士受邀出席“數智未來”大興未來產業思享會，期間與未來學家凱文·凱利同台對話探討“10,000天後的世界”以及AI如何重構產業的底層邏輯。“數智未來”大興未來產業思享會是十五五開局之年，大興區為區域經濟和企業創新尋找確定性的開年思想盛會，旨在搭建思想碰撞的橋樑，連接凱文·凱利預判未來的結構性力量和本土企業家破局當下的實幹探索。賴才達博士：AI藥物發現的未來將實現疾病細胞重程式設計AI製藥使個性化藥物成為可能。 我們知道人體內有30兆個不同的細胞，每個細胞有2萬個基因，整個人體是六十萬兆個基因的大語言資料模型庫。今天我們講的AI藥物發現，這不是傳統意義的藥物，而是如何將疾病細胞做重新程式設計。劑泰科技通過AI賦能自主研發奈米遞送系統，讓大分子藥物可以被遞送到體內，在未來可能實現細胞重新程式設計為健康狀態。以AI加速藥物研發是劑泰科技每天的工作內容。我們在探索遞送不同治療模式到腫瘤組織中，在腫瘤組織中表達雙特異性抗體，研發突破性的實體瘤療法，最終能夠在臨床上惠及患者。在未來，也許最終能實現對體內衰老細胞的精準預測，再通過個性化藥物針對特定細胞完成重新程式設計。AI和AI製藥，將不僅僅是效率的提升，而是根本性的改變。另一個未來的突破是您曾提到的數字孿生，可以復刻個體的生物模型，在人體個性化治療前完成所有的治療測試。凱文·凱利：從“肌肉力”、“人工力”到“AI時代”的躍遷我們往往會高估短期事件發生的速度，而低估長期事件發生的影響。我們今天談到人工智慧在加速藥物發現，Chris（賴博）談到用AI做奈米材料的開發和藥物遞送。類似的變革將發生在材料創新領域，也會發生在其他所有地方。這是讓人興奮的變革。這好像是工業時代的電力革命。電力革命在當時觸及了整個世界，這讓人類第一次有了“人造力”（“artificial power”）。而在工業革命之前，世界上的一切，無論動物或人類，或是修建房屋，你必須要有“肌肉力”“muscle power”。“人造力”替換了“肌肉力”，是一種更低成本的基礎推動力。但今天人工智慧首次出現了，雖然這種力量有點未來感，但它已經真實地在此刻。我們能夠清楚地感知到，這是一種顛覆性的力量。 一種不同的力量。人工智慧是一種讓人歎為觀止的科技，它將徹底改變材料、教育和健康領域的創新。關於劑泰科技AI奈米遞送，開啟健康未來。 劑泰科技是一家人工智慧（AI）驅動奈米材料創新的生物科技公司，專注於利用靶向藥物遞送和發現技術，幫助生命體戰勝疾病和衰老，重獲健康和活力。劑泰科技由美國工程院院士陳紅敏博士以及MIT科學家賴才達博士、王文首博士於2020年聯合創立，已獲得國家專精特新“小巨人”、國家高新技術企業等重要資質認定。公司自主開發全球首個人工智慧驅動的奈米遞送平台NanoForge，擁有目前全球最大規模千萬級LNP脂質庫，並基於NanoForge打造了三大核心解決方案：AiLNP（AI奈米遞送系統設計平台）、AiRNA（AI mRNA序列設計平台）、AiTEM（AI小分子製劑設計平台）。公司已具備實現精準靶向肝臟、肺部、肌肉和免疫細胞等8個關鍵器官或組織的LNP遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統疾病、自體免疫性疾病、神經系統退行性疾病等提供成藥機會，也在器官水平上為生命體抗衰提供可能。 (劑泰科技)

這個4月，AI圈簡直炸了鍋。先是DeepSeek創始人梁文鋒親自確認，新一代旗艦大模型V4將於4月下旬正式發佈，兆參數架構直接拉滿國產大模型的天花板。緊接著，阿里的HappyHorse-1.0（快樂馬）橫空出世，直接屠了全球AI視訊盲測榜，把字節、Google的頂流模型全甩在了身後。就在所有人都在熱議國產AI的高光時刻，我突然想起了馬斯克在X平台上撂下的那句話：“人工智慧將在3年後超過所有人類智能。”很多人把這兩件事分開看，把DeepSeek和HappyHorse（快樂馬）當國產AI的崛起新聞看，把馬斯克的話當“大佬的狂言”聽。但如果你把它們放在一起就會發現，這根本不是巧合，更不是單個產品的普通迭代，而是在通往AGI（通用人工智慧）的路上在加速前進。一、不是單點突破，是全球AI競賽全面打響很多人看新聞，只看到了“發佈新模型”“登頂榜單”這幾個字，卻沒看懂背後真正的份量。先說說DeepSeek V4。很多人對大模型的印象，還停留在“能聊天、能寫文案”的階段，可DeepSeek V4這次的升級，是從根上的全面革新。它用了1兆參數的MoE架構（Mixture of Experts，混合專家架構），處理速度直接比上一代飆升了35倍，能耗反而還降了40%。這是什麼概念？就是以前你花1個小時才能讓AI幹完的活，現在1分多鐘就搞定了，還比以前更省電、更便宜。更誇張的是它的“記憶力”。它的上下文窗口直接拉到了100萬token（詞元，AI處理文字的基本單位），相當於一口氣能讀完15-20本長篇小說，連裡面的人物關係、細節伏筆都記得清清楚楚，絕不會出現聊到後面，就忘了你前面說過什麼的情況。最關鍵的是，它全程基於國產華為昇騰晶片原生開發，徹底擺脫了海外算力的“卡脖子”問題，這意味著國產大模型，已經正式從“跟跑”邁入了“並跑”的核心賽道。再說說橫空出世的“HappyHorse-1.0”，這匹“快樂馬”，直接踢翻了全球AI視訊圈的牌桌。它登頂的Artificial Analysis Video Arena榜單，是目前全球公認最權威的AI視訊評測平台。它的排名機制特別殘酷，用的是國際象棋等級分制度的Elo積分制，全程純盲測。什麼意思？就是使用者完全不知道視訊是那個模型生成的，系統隨機甩兩段視訊過來，你只能憑那個畫面更流暢、更符合指令、觀感更好來投票，完全排除了所有品牌光環，只比真實體驗。不止國內在瘋狂衝刺，海外的AI賽道早就進入了“不進則亡”的競賽狀態。OpenAI、Google、Anthropic輪番發佈新模型，從文字到多模態，從推理到智能體，每一次更新都在瘋狂壓縮技術迭代的周期。更可怕的是，整個行業的頭部玩家，都在集體“跳錶”，把AI超越人類的時間線，一縮再縮。二、他們到底在慌什麼？AI的“硬起飛”就發生在眼前看到這裡，你可能會問：不就是出了兩個新模型嗎？至於這麼大驚小怪，上升到人類倒計時的地步嗎？那我再給你看馬斯克說的另一句話，他說：“我們現在就處於‘硬起飛’階段，就是現在。”什麼叫“硬起飛”？以前我們說AI發展，是“人推著AI往前走”。我們給它定目標，給它喂資料，給它調參數，手把手教它學習，它每往前走一步，都離不開人類的推動。但“硬起飛”不一樣。它是AI自己給自己踩油門，進入了自我加速的失控式增長階段。不用人催，不用人教，它自己就能完成迭代、實現突破，甚至連它進化的速度，人類都已經跟不上了。馬斯克自己是這麼描述的：“我晚上睡覺時，AI取得了一項重大突破；等我醒來，又出現了另一項突破。老實說，很難跟上節奏，這讓人有點暈頭轉向。”而這場“硬起飛”裡，最可怕的核心，是AI已經進入了“遞迴自我改進”階段。以前，我們訓練一個AI模型，要程式設計師寫程式碼，演算法工程師調參數，資料團隊清洗資料，全流程都離不開人。但現在不一樣了，新一代的AI模型，已經由上一代模型深度參與訓練了。從程式碼編寫、資料清洗，到參數調優、效果測試，AI能做的事情越來越多，人類在這個循環裡，角色越來越邊緣化，越來越插不上手。馬斯克給出了一個更讓人後背發涼的預判：“可能今年年底會實現完全自動化的自我改進，最遲不會晚於明年。”換句話說，最快今年，AI就能徹底脫離人類的輔助，完成自我迭代、自我進化，進入完全的自我加速周期。到那個時候，AI的進化速度，會快到我們根本無法想像。很多人以為，馬斯克眼裡的AI，就是能寫文案、做報表、生成視訊的工具，那你就太小看他了。他描繪的AI終極藍圖，是一個消耗比全人類文明多一百萬倍電力的智能體，能解決人類能想到的所有問題。為了突破電力這個最大的瓶頸，他甚至計畫2-3年內把AI資料中心送上太空，用太空裡沒有晝夜交替的太陽能，徹底釋放AI的算力潛力。而當AI和機器人接管了所有生產，人類社會會變成什麼樣？馬斯克的答案是：錢會變得不再重要，商品和服務的產出會遠遠超過需求，AI和機器人會把所有事都幹完，人類最終會因為全方位的服務，而“無事可做”。馬斯克和Altman（奧特曼）不是在製造焦慮，而是看到了我們普通人看不到的風景。他們怕的不是AI本身，而是人類根本沒做好準備。三、倒計時1095天，最危險的是你以為“還有時間”看到這裡，很多人心裡還是會有一個僥倖的想法：3年呢，還早，急什麼？3年，聽起來很長，其實只有1095天。就是你換2份工作的時間，就是你學一個新技能、考一個行業證書的完整周期，就是你家孩子從幼兒園升到小學的時間，一眨眼就過去了。更關鍵的是，AI的進化，從來都不是線性的，是指數級的。舉個例子：一個池塘裡的荷花，每天都會以前一天兩倍的數量開放。如果到第30天，荷花就開滿了整個池塘，那請問：荷花在第幾天開滿了半個池塘？答案不是第15天，是第29天。前29天，荷花只開了半個池塘，可第30天，一天之內，就開滿了剩下的整個池塘。這就是指數級增長的可怕之處。你以為它還很慢，還離你很遠，可等你反應過來的時候，它已經瞬間鋪滿了你的整個世界。我們現在，可能就處在這第29天的晚上。這場AI競賽，最先衝擊的，就是90%的辦公室白領工作。現在不妨停下來，問自己兩個問題：你每天的工作，有多少是AI分分鐘就能替代的？1095天之後，當AI真的超越了所有人類智能，你的核心競爭力，到底是什麼？四、不想被時代淘汰，你必須立刻做對3件事難道我們就只能等著被AI替代，一點辦法都沒有嗎？當然不是。具體該怎麼做？記住這3件事。第一件事：做決策，提問題很多人對AI的理解，完全搞反了。他們天天用AI干自己的本職工作，寫郵件、做報表、寫方案，然後把AI的產出改一改，就交上去了。看起來是省了力氣，提高了效率，可實際上，你是在天天給AI喂資料、當陪練，幫它在這場競賽裡變得越來越強，最後把自己替代掉。在德州超級工廠接受的深度訪談中，馬斯克也談到“任何涉及敲擊鍵盤、移動滑鼠、處理資訊的任務，AI都能勝任。”你要明白，AI是工具，不是你的競爭對手。工具是用來幫你幹活的，不是用來取代你的。你要做的，是使用工具的人，是決定“做什麼”“為什麼做”的人，而不是聽指令“怎麼做”的人。就像馬斯克，他不寫程式碼，不調模型參數，不親手造火箭，他做的只有一件事：決定我們要做什麼、為什麼做。他決定我們要造電動車，要去火星，要做通用人工智慧，剩下的，交給工程師和AI去執行。AI做執行，你做決策；AI給答案，你提問題；AI算資料，你定方向。不要沉迷於“把事情做對”，要學會“做對的事情”。第二件事：放棄舒適區的標準化，學習臨場發揮很多人在職場裡，追求的是“熟練工”的安全感。同一件事，我幹得比別人快，比別人熟，我就有安全感。可在AI時代，這恰恰是最危險的事。AI最擅長的，就是標準化、常規化、重複性的工作。你在這件事上越熟練，就越容易被替代。普華永道（PwC）在2025年公開承認，正在大幅縮減初級崗位招聘，審計部門的初級崗位到2028年預計將減少39%。與此同時，畢馬威英國近兩年畢業生招聘人數也從1399人降至942人，縮減近三分之一。這些變化的直接推手，正是AI。原本由初級審計員花數周時間完成的憑證核對、底稿整理、資料清洗，現在AI幾小時就能完成，且不出錯。但有趣的是，四大並沒有一刀切地砍掉所有招聘。PwC的AI鑑證負責人Jenn Kosar明確表示，公司正在把被AI釋放出來的人力，轉向戰略諮詢、複雜問題解決等更高價值的領域，甚至開始培訓初級員工“像管理者一樣思考”。因為AI能搞定99%的標準化審計流程，但遇到企業財務造假的隱蔽跡象、複雜的跨國稅務糾紛、客戶特殊訴求的權衡判斷，AI就束手無策了。你的價值，從來不是你能把常規工作做多好，而是你能處理多少AI搞不定的“異常情況”。這些“異常情況”，沒有標準答案，沒有標準化流程，需要的是你的經驗、你的判斷力、你的臨場反應，這些都是AI永遠學不會的東西。接下來，把你的時間和精力，從這些機械性的工作裡抽出來，去解決那些複雜問題，去應對那些突發狀況，去打磨那些非標準化的能力。第三件事：做與“人”打交道的事AI在虛擬的位元世界裡，可以說無所不能。那怕是這場競賽裡最頂尖的視訊模型HappyHorse（快樂馬），也只能在數字世界裡生成完美的畫面，卻無法在現實世界裡，完成一個簡單的開門動作。這就是AI最大的短板：它能玩轉虛擬的位元世界，卻搞不定真實的原子世界。就像馬斯克說的“除了必須親手操作原子、搬動物理實體的工作，人工智慧現在已經有能力完成一半以上的白領工作。”而這，恰恰是我們最大的機會。所以，我們要主動增加和真實物理世界、真實的人打交道的比重。比如，做設計的，不要只在電腦裡畫圖，多去現場看施工、和工人溝通落地細節；做電商的，不要只看後台資料，多去線下和供應鏈、使用者面對面交流；做教育的，不要只做線上標準化課件，多花時間做一對一個性化的陪伴和溝通。去深耕那些需要和真實世界、真實的人打交道的能力。你的動手能力，你的實地判斷能力，你的人際溝通能力，你的共情能力，你的線下服務能力，這些，都是AI短期內根本無法替代的。結語AI的到來，從來不是人類的末日，而是對人類的一次終極篩選。最終淘汰你的，從來不是AI，不是這場瘋狂的競賽，是那個原地不動、拒絕改變、總以為還有時間的你自己。 (筆記俠)

“太極端的敘事都是為了博人眼球。”2 月底爆發的美伊戰爭是過去五年裡，繼烏克蘭衝突、以巴衝突之後，第三次大規模軍事衝突。一個多月來，不斷升級的局勢讓它變成了所有人、所有行業都繞不開的風險。能源咽喉荷姆茲海峽幾近停擺。平時，約有 2000 萬桶原油和油品每天經由這裡運輸；戰後，海灣內仍有約 1.72 億桶原油和成品油滯留。布倫特原油因此自 2 月底以來一度上漲 55%。全球經濟動盪下的第一批 “受害者” 不是加油站前排隊的司機們，而是投資者。美國的航空母艦、導彈驅逐艦和戰鬥機在 2 月中便開始向中東集結，但專注宏觀交易 [1] 的基金們卻幾乎做不了任何反應。3 月，全球避險基金遭遇四年多來最差的月度回撤，其中股票基本面策略平均下跌 5.4%；依賴能源進口的新興市場單月資金流出 703 億美元，創下 2020 年以來最大撤離；即便是許多零售投資者 [2] 重倉的標普 500 指數也一度大跌超 5%，全月收跌 5.1%。最重要的避險工具黃金也變得不再可靠。3 月，金價下跌 11.5%，創下 2008 年 10 月以來最差單月表現。相反，停火消息傳出後，現貨黃金當天反彈 0.8%。4 月 8 日，美國與伊朗簽訂了為期兩周的停火協議，談判也已開啟，但世界並沒有回到原點。上千艘船還滯留在海峽附近，保險和運費居高不下，大量港口、碼頭和倉儲等基礎設施遭到破壞，更不用說那道難以彌合的政治信任裂痕。停火只是暫時緩和了資本市場的情緒，卻沒有消除不確定性。美伊停火前兩天，《晚點 LatePost》對話了劉迪凡，聊了這次戰爭對全球資本市場帶來的影響、正在形成的新常態，以及今年以來最值得關注的新動向。劉迪凡於 2020 年創立 CT Associates，主要為中國 LP 提供海外資產配置方案；主理了一個專業垂直公眾號：海外避險，訪談過全球 600 多家避險基金管理人、研究覆蓋 2000 多家避險基金。他認為，多數人高估了戰爭對資本市場的長期影響。零售投資者每天都在研究荷姆茲海峽什麼時候恢復通航，但真正賺到錢的人，很多並沒有把戰爭風險直接納入自己的交易框架。“市場會自我適應，供給也會找到新的路徑，沒有人能永遠卡住全球經濟的命脈。” 劉迪凡說。多數賺到錢的人並沒有把戰爭風險納入到投資策略裡晚點：在這次美伊戰爭爆發前，資本市場有一個很奇特的現象，似乎連散戶都看得出來，美國往中東調集軍艦，幾乎就是要動手了，但機構資金的反應總體仍偏克制，沒有集體性地大舉調整倉位，這是為什麼？劉迪凡：主要有兩個原因，首先是他們的 mandate（投資授權範圍）[3] 被限制得比較死，例如股票多空策略 [4] 只投股票，不願意在已經向投資人講清楚錢怎麼投，且幾億美元已經按原定投資流程投出去之後，再臨時把宏觀交易加進來。如果判斷錯了，後面就沒法募資了。這對美國的專業投資人來說，是一個很大的約束。另一個原因是，他們也比較有自知之明，知道憑自己這兩把刷子去做宏觀交易，未必有選股那麼專業。晚點：現在打了這麼長時間也不做調整嗎？戰爭導致油價大漲傳導到了各行各業。劉迪凡：拿全球宏觀這類基金來說，我認為他們還是沒法下很大的決心去調方向，因為害怕錯上加錯。這些人心裡都很清楚，宏觀交易一旦節奏錯了，今年大機率就很難賺錢了。有的在 1、2 月份靠做多 [5] 黃金、做多美債，或做空 [6] 美元賺了 20% 以上，結果在 3 月又吐回去了，甚至我知道有的宏觀大佬單月就回撤了 15%，這就是節奏亂了。那今年基本就會處於防守態勢，沒有多少翻身空間了。對這些機構來說，當下最重要的是先保住本金；如果已經回吐了的，那就先把損失控制住。所以他們當前最主要的工作其實都是在控制風險。晚點：年初的一次節奏錯了就會導致一整年都賺不到錢嗎？劉迪凡：宏觀和股票不太一樣。股票很多時候有均值回歸的邏輯：你看好的公司跌了，反而會想繼續買。但宏觀更看重對原有判斷的驗證，比如我先有一個基本判斷，然後加三個點，再看市場走勢有沒有按這個判斷走，確認了才敢繼續加倉。如果這個判斷被證偽了，我就會趕緊止損。宏觀交易很像看手感，有點像投三分球。如果手感不好，機構就會把資金量先縮下來、把槓桿降下來；可槓桿一降，後面要是反彈了，它肯定就趕不上了。所以宏觀基金特別講究開年先賺出一個 “安全墊”，比如年初先掙 20%，後面他就可以 “胡搞” 了。現在沒有這個 “安全墊”，他就只能縮著。沒辦法，這個行業就是一年一年看業績。晚點：但專業投資者可以去打專家電話，比如向白宮內部熟悉政策的人、前政府要員溝通瞭解資訊輔助決策？劉迪凡：我認識一個美國西海岸挺大的基金的分析員跟我說，川普第一任期時，他們為了判斷政策方向，前前後後花了幾百萬美元請說客，天天待在白宮那邊盯著，然後給他們做政策分析，但後來回頭一看，基本全是錯的。再比如站在普通投資者的視角看，很多事情似乎很明確，打仗了、戰爭拖延了，油價就該漲、股市就該下跌，可現實並不是這樣的，這中間往往會不斷經歷反轉、反轉、再反轉，所以等你真的拿錢買進去，來回折騰一遍，最後很可能還不如一開始就別動。晚點：包括很多普通投資者對戰爭的第一反應是利多軍工股。劉迪凡：不管是軍工、原油還是化學品，第一波如果沒趕上，後面其實還要面對很多很具體的決策：漲到這個位置了，我要不要追，還是該走了？這種時候，做得越多，反而可能錯得越多。那還不如等等自己本來就看好的東西，跌到位我買一筆就算了。很多人平時研究的未必是荷姆茲海峽。那同樣是一筆下注，到底是戰爭一打就臨時去找白宮的人、弄到資訊，然後立刻下 1000 萬美元的單；還是耐心等待買自己更熟、而且曾經賺過錢的東西？這兩種情況下，判斷的把握其實完全不一樣。晚點：遇到這種來不及或很難下決心調倉的情況，專業的基金經理都是怎麼做風控的？劉迪凡：我問過一個基金經理說，你會不會去分析荷姆茲海峽一天到底通過多少桶油，那些會運去沙烏地阿拉伯，沙烏地阿拉伯管道還能補上多少產量，胡塞如果再出來襲擊會打掉多少供給。他告訴我說會算，但算這些其實並不能直接帶來收益。他核心就看交易訊號，一旦 VIX（恐慌指數，反映標普 500 指數未來 30 天隱含波動率的即時指標）到了 30 以上，他就肯定降倉位；只要 VIX 回落到 20 以內，他就重新上倉位。而且他加的通常也不是什麼新的方向，比如突然去買鋁公司，更多還是回到原來已經持有、已經研究過的那些標的。因為關鍵不是看某一個倉位，比如我買了 1% 的鋁公司，那怕它漲了 100%，影響也有限；更重要的，還是要看那些佔比 20% 的核心持倉，最終到底能做出多大的收益。晚點：是什麼人在這一次美伊戰爭裡賺到了錢？劉迪凡：散戶天天研究荷姆茲海峽什麼時候開放，但賺到錢的人很多其實並沒有把戰爭風險納入到自己的策略中，收益還是來自於自己的能力圈。一些能源和宏觀基金在去年年底的報告裡就已經提到，油市供給端開始接近瓶頸：一是沙烏地阿拉伯和歐佩克手裡的閒置產能雖然還在，但真正能持續釋放的增量沒有市場想的那麼大；二是美國頁岩油的增長也在放緩；再加上原本堆在海上的俄羅斯原油也在一點點被消化掉。正是因為看到了這些基本面訊號，他們才判斷油價有機會摸到每桶 100 美元左右，只不過當時更多還是一個中長期交易主題；後來戰爭爆發，相當於把這筆交易提前兌現了。晚點：你認為那些虧了錢或是沒賺到錢的人，最大問題是太執著於研究戰爭本身了？劉迪凡：零售投資者有一個很大的誤區是，往往在事情發生之後才臨時開始研究各種細節，比如荷姆茲海峽到底每天通過多少桶油，這其實有點用錯力了。所謂深度研究、深度思考，很多時候都是 “聽上去太美” 的，關鍵是你得有資訊管道，以及自己用什麼框架給這些資訊排權重，摒除噪音，而不是細節越多越好。Ray Dalio 就未必比一個做能源的基金經理更懂某個具體問題。歸根結底，就兩件事：第一，找到對的人；第二，問對問題。當第一槍打響時，市場就已經在提前反映未來風險了晚點：2021 年美國從阿富汗撤軍後，全球武裝衝突進入了一個頻發狀態。 研究機構 UCDP 的調查顯示，2024 年全球有 61 場涉及國家的活躍衝突，是 1946 年以來的最高點，資本市場應該如何跟這種新常態共存？劉迪凡：我最近聽到了兩個我非常認可的觀點。第一，當戰爭第一槍打響的時候，市場其實已經在提前反映未來的風險了。一場仗打十年，你覺得市場還會天天動嗎？理論上大家只會越來越習慣。就像去年川普搞關稅戰、貿易戰，剛開始都很緊張，打到後面就逐漸麻木了。原因也很簡單，做市場的人本質上只能接受價格，沒法決定價格；一旦市場形成了某種共識，個人其實很難逆著它做的。第二，仗總會打完，不可能無限打下去。這是我個人的分析，好比今天除了伊朗以外，人人都想搞 AI，都全力去 “愛”（All in AI），不像以前還有人喜歡搞革命，現在誰去陪你搞革命，再說革命軍也要生活的。而且大炮一響，黃金萬兩，伊朗沒有經濟實力，只會越打越弱，不會越打越強，至於說他是下半年繳槍，還是十年以後繳槍，這誰知道呢。晚點：所以你相信每次戰爭到來後，市場會自適應風險的？劉迪凡：對，比如我還聽到的一個非常有意思的觀點，現在大家天天想著每天 1800 萬桶原油被荷姆茲海峽鎖著要怎麼辦，但這麼大的利益它其實是會自適應的，沙烏地阿拉伯的管道能走 700 萬桶，其他產油國再補一部分，美國也會開始增加供給，慢慢就會把危機消化掉的。大家不可能長期讓一個已經被大大削弱的國家卡住脖子的。晚點：在今年這一輪美伊衝突中，還有一些新的變化，比如黃金似乎就沒有起到避險作用。美伊戰爭爆發以來，標普 500 累計下跌約 3.9%，而黃金在 3 月單月反而下跌了 11.5%。劉迪凡：黃金這兩年賺錢效應太強，參與的人越來越多，很多人已經不是把它當避險資產在配，而是當成股票在炒。參與主體也變了，原來更多是銀行和避險資金，現在多了很多散戶和加槓桿做交易的人。對這批人來說，目標不是長期配置，而是明天賺了錢就先跑。另外就是大家原本認為這次戰爭伊始美國會 TACO（Trump Always Chickens Out，形容川普總是臨陣退縮），也就是嚇唬嚇唬，結果又沒 TACO，上去就斬首最高領袖，那很多資產原來那套固定的漲跌關係就被打亂了。晚點：TACO 也是一個新的變化。最近不少歷史學者、金融從業者都在寫文章說，如果 TACO 成立，某種意義上也意味著美元霸權開始鬆動，甚至可能走向終結。劉迪凡：這不就是瑞·達利歐（Ray Dalio，橋水基金的創始人）說的嗎，他就是買黃金的人。千萬不要花太多時間在這種免費的觀點上。很多事情是零和一之間的某個點，但是專家就喜歡說點極端的要點選量。晚點：美元在這次戰爭期間反而走強，歐元、英鎊等主要貨幣也沒有顯示出明顯替代性，這是不是也在說明瑞·達利歐的判斷言之過早？劉迪凡：我承認現在的世界還是有點比爛。美國當然也有通膨、生活成本越來越高的問題，但它畢竟還有增長，也在一個降息的通道上。真到了打仗、避險情緒上來的時候，資金最後還是回到美元上，因為暫時沒有比它更好的選擇。晚點：那我們要怎麼去理解美國這些年在重大節點上一直 TACO 的這件事呢？劉迪凡：美國說的話大部分是真的，因為監督力量太大，但也有一部分是假的；伊朗說的話大部分是假的，因為監督的人要吃槍子兒，但也有相當部分是真的，這從來不是二極體。很多人的思維就是要去判斷，美國說的是真的還是伊朗，但這其實根本沒必要。我覺得大家就不要去分析這些東西，因為分析了也沒法幫助做決策。還不如就是等 VIX（恐慌指數）什麼時候降到 20 以內，再繼續去做自己原來長期看好的方向。晚點：香港財政司司長陳茂波在去年和今年都說過，在全球政治和經濟環境深刻變化之下，香港被視為 “全球資本的安全港”，你認同嗎？劉迪凡：不是這個邏輯。我有一個朋友，之前在美國一家很大的基金做基金經理，管過上百億美元，現在轉去做家族辦公室。前兩天他的人還來問我，香港有沒有合適的基金可以看。原因很簡單，不是他突然特別看好中國內地市場或中國香港，而是他手裡的美國資產太多了，必須往外分散。這種分散 [7] 本身就是一股很強的力量。至於分到歐洲、日本、韓國、中國還是別的地方，對他來說首先是 “分散” 這件事本身，而不是押注某一個市場。當然，中國和日本可能會稍微好一點，有配置意義，但總的來說，這首先不是一個主動進攻的判斷，而是一個資產再平衡的動作。晚點：如果長期來看，你認為應對戰爭新常態最好的避險資產是什麼？劉迪凡：肯定還是黃金。看五年，美債和財政赤字的問題擺在那兒，美元大機率不會比現在更強，反而更可能走弱。從這個角度看，黃金的長期邏輯還在，必然還是避險資產。另外我看到的大部分人在避險時，不是去買另外一種資產，而是降倉位，也就是留現金。美國市場與亞洲市場的 AI 共識：等待裁員潮晚點：今年除了戰爭之外，AI 類股也發生了新的變化。亞洲 TMT 基金經理們普遍的回報區間估計在 15% - 4%，反而北美卻跑輸了，業績區間在 -10% 到 10%，為什麼會出現這樣的現象？劉迪凡：一個很重要的原因，就是中國基金經理抓住了這輪半導體、儲存等 AI 供應鏈上的機會。至少在香港市場，我看到一些基金經理因為光和儲存這條線抓得比較準，去年四季度到今年一季度做到 50% 收益的人並不少，表現明顯好過不少美國基金經理。這也慢慢滋生出一種很強的自信，他們覺得美國人不懂 TMT。晚點：為什麼美國的基金經理集體錯過了這個機會？劉迪凡：他們過去關注的重點一直都在網際網路和軟體上，半導體產業鏈一方面過去在整個 TMT 類股裡的市值佔比不高，另一方面又高度集中在亞洲，所以在北美真正能看懂這條鏈條的人其實很少。我之前見了前 Melvin Capital[8] 的基金經理，我問他，你為什麼不去做點亞洲產業鏈和半導體？他說他其實也想做，但問題是沒有研究員，沒法拆數跟核實資訊，這樣也就沒辦法建大倉位。如果只是配個 1% 到 2% 的倉位又沒什麼意義，還不如繼續做自己更懂的東西，比如在亞馬遜上弄個大的。我為什麼對 “敗軍之將” 感興趣，因為大起大落的人才能跟你說點掏心窩子的真話。可以看到，做家辦和管避險基金根本是兩個思路，前者關注如何長期複利自己已經賺到的財富，避險基金經理說到底是經營一個產品，年年都要打榜。晚點：如果北美的基金要重新把 AI 供應鏈的研究體系建立起來需要多長的周期？劉迪凡：他們現在就很糾結，不知道這東西是一波流，還是說值得去長期建設，這其實是一個挺複雜的過程，要建立新的能力，包括對研究員的信任。我再舉個例子，中國基金經理看 AI，習慣順著模型的變化一路往下拆。比如如果大家判斷下一階段的重點是多智能體，他就會繼續往下看，找到最關鍵的約束變數；在這條線上，Token[9] 成本往往就是那個核心變數，最後再圍繞它去買股票。但我從美國基金那裡，幾乎沒聽過有人這樣想問題。他們不會盯著卡脖子的環節，而是習慣把邏輯和倉位分散開。我不覺得現在有很多美國基金會因為這一輪亞洲產業鏈表現好，就立刻決定系統性地加大亞洲佈局。晚點：這兩種差異背後反映了什麼？劉迪凡：美國的 LP 喜歡穩定、可預期的收益，所以他們的基金經理不 FOMO（Fear of missing out，害怕錯過），更傾向於在長期標的上建立自己的護城河。他們的組合裡往往會放幾隻確定性很強的好公司，那怕一年只複合增長 15%，只要價格不貴，也願意長期持有。整個亞洲的 LP 大多還是希望投基金再致富一把，所以基金經理不太願意做那種特別明牌的東西，因為這往往不是拐點交易，彈性沒那麼大；反而是在模糊不清、爭議很大的時候，想像空間才更大。晚點：這輪亞洲 PM 的優勢，你覺得更像一輪市場風格給的 Alpha[10]，還是全球科技投資的話語權正在往更懂供應鏈的人手裡轉移？劉迪凡：我覺得還需要有更多的證明。首先是半導體供應鏈這個類股整體還是比較小的；其次是比如像 Lumentum[11] 這樣的公司，它其實還是一個千億以內市值的公司，美國那些大型 TMT 基金未必是不懂，而是他們體量太大了不敢進去。某種程度上，這更像是大基金和中小基金可投範圍的區別，而不完全是亞洲基金更聰明的區別。另外畢竟再怎麼說，OpenAI、Anthropic 都還是美國公司。我可以肯定的是像美國的核心資產，比如 Roblox、Robinhood、還有 Plantier 跌到價位，一定還是由美國基金來賺這錢的。晚點：今年 AI 上還有一個很矛盾的現象，一方面市場樂見大型科技公司不斷追加 Capex（資本支出）應對激烈的 AI 競爭，另一方面他們對這些科技公司的利潤表現卻有著極其苛刻的要求。劉迪凡：這就像在矽谷的人天天看著 Token 量暴漲很興奮，然後覺得曼哈頓的人都是傻帽一樣；曼哈頓的人偏傳統一些，也沒用那麼多 Token，信心自然就沒那麼強。但我覺得本質還是市場環境決定的。現在整體流動性偏緊，又疊加戰爭衝擊，資金只願意追逐那些最卡脖子的、下個月就能兌現的標的，否則就沒有人買。我最近聊了一個美國的基金經理，他在打仗以後，從原先的 4 倍的槓桿一下就降到了 0.8 倍。晚點：但去年大家還是非常樂觀的，比如阿里巴巴只要一喊要上調 Capex 股價就漲，但今年再喊好像就沒用了。劉迪凡：這個確實不好說。也許過幾天美國宣佈戰爭勝利，大家又想賺錢了，流動性就會寬鬆一點，或者美國經濟又出現一點衰退跡象，這樣降息路徑又明顯一些。反正很多因素是纏在一起、來回拉扯的。但總的來說，現在市場對 AI 泡沫論最大的擔心點，還是這些錢最後到底花到那兒去了。如果這幾千億美元的資本開支，最後很大一部分都流向了儲存，而不是更快地轉成收入、利潤和更清晰的回報，市場就會一直有疑慮。現在幾家大廠合起來已經花了 6000 多億美元，已經接近它們自身的所有現金流。但在這個階段，誰也不敢先收手，這就是囚徒困境。誰要是先退，市場很可能先給它砸個 10% 到 15%。所以那些既沒有跟到足夠細的 Token 資料、又擔心大盤下跌的資金，始終不會真正參與進來。晚點：在 AI 上，美國與亞洲的基金現在有什麼共識與非共識嗎？劉迪凡：我覺得共識就是，都在等待裁員潮，未來肯定要政府出手才能防止蕭條。非共識的就是大家還是賺不同的錢。亞洲基金搞硬體，看算力瓶頸的變化，那裡有瓶頸就去那裡；美國的基金就是以不變應萬變。畢竟大家面對的不是一個客戶群，就跟各搞各的 AI 其實有點一樣。另外亞洲基金就會嘲笑美國那邊沒有應對 AI 末日情景的預案，它們敢重手去空那些會被 AI 衝擊的資產，但美國的 TMT 基金很多時候做不到把倉位直接翻到淨空 [12]，這就是很現實的差別，美國的基金主要靠保持恆定的空倉比例來應對市場變化。晚點：對中產來說，應該如何配置科技類（TMT）資產？劉迪凡：首先，把美股作為投資的核心。因為美國是通膨社會，所以資產價格長期來看更容易上漲。標普和納指一直是美國家庭和家辦最核心的 Beta[13] 配置，其他市場通常不具備這樣的 Beta 屬性。第二，避免一級投資。一級很難退出，未來十年的不確定性太大。第三，固收意義不大，還不如選些 Beta 低一點的基金。第四，基金配置的專業門檻很高。更合適的做法是幾家資金聯合起來，投那些自己能研究清楚、資訊透明、也足夠熟悉的基金經理。不要只靠管道推薦或歷史業績做決定，因為一旦遇到回撤，你如果不理解背後的邏輯，就很難判斷該不該繼續持有。第五，個股投資很難。牛市裡看起來容易賺錢，但其實很難形成可重複的方法，尤其到了回撤階段，很多人並沒有真正的方法論，所以並不推薦。討論東昇西落沒有任何意義晚點：接下來除了越來越頻繁的戰爭和 AI 帶來的變化以外，還會發生什麼？劉迪凡：美國眼下的潛在風險還是衰退。很多美國宏觀基金經理認為，美股從去年 10 月開始整體就有點漲不動了，這至少說明市場差不多見頂了。另一個很重要的背景是，美國炒股的人非常多，股票對居民財富效應的影響也非常直接。如果美股因為各種原因出現一輪 15% 左右的下跌，散戶可能會進一步加快拋售，而這種拋售本身又會反過來壓制消費和信心，形成一種反身性的負反饋，最後把衰退風險進一步放大。晚點：亞洲市場呢？劉迪凡：中國乃至整個亞洲，長期都是一個有 Alpha 的市場。而且亞洲也已經有幾家基金證明了自己能穿越牛熊，比如香港的 Aspex Management、Trivest Advisors 和 WT Asset Management[14][15][16]。隨著這一輪業績繼續兌現，亞洲基金在 2019、2020 年之後，可能會再迎來新一波管理規模擴張，市場上也許會出現新一批幾十億美元、甚至四五十億美元等級的基金。特別是最近這半年，市場裡也存在一種很強的聲音：這個世界還是亞洲的，亞洲基金經理什麼都能做、就是能卷，美國人也沒什麼厲害的。晚點：我記得兩年前你提到過，國內的基金經理們很喜歡講 “東昇西落” 這個概念，現在大家還喜歡講嗎？劉迪凡：東昇西落是一個很二極體的詞，這種討論其實沒有很多意義。我去年年初和一家大型平台型基金的人聊過一次。那時候美股很好，中國市場不行，我就問他：中國這些基金經理如果一直做不出來業績，你們怎麼處理？我當時其實有點疑問，覺得如果一個市場長期沒有行情，這批人是不是就沒價值了。但他說不是這麼看的。因為他們是市場中性思維，所以會覺得，任何風格都有變化期，不能因為這兩年中國不行，就否定中國的基金經理。如何正確評價他們——第一，看中國基金經理彼此之間的相對表現，不能簡單拿去和美國基金經理直接比；第二，看他相對於指數到底做得怎麼樣。那怕現在看起來只是一張草紙、一條毛巾，最後也未必沒有用。這種分散 Alpha 的思路特別強。你看 Point 72[17]，去年第三季度海外業務大概佔三分之一，亞洲又佔海外的三分之二，說明亞洲這邊本身就能貢獻很多盈利。晚點：你見過厲害的基金經理們是如何在這種新常態下做交易的？劉迪凡：少數宏觀基金經理會把一些事件看作未來很大的尾部風險，提前佈局；但更多人還是會在自己最擅長的領域裡下注，而且更看重市場走勢。比如我知道最近有些人看好柴油，是因為經過一整套分析後，發現柴油的價格反應最明顯、最適合交易。即便如此，他們也不會長期死拿。宏觀交易和創投不一樣，不是看對一個長期方向就能一直持有，而是一定會設止盈、止損，在交易中反覆進出。因為他們知道，供給、生產和宏觀周期本來就在不斷波動。加倉也是一樣。除了極少數判斷特別堅定的人，大多數人通常不是因為自己覺得油價長期會到一百美元，就一開始上很大的倉位；而是要等市場走勢進一步確認，才會逐步加倉。中間變數太多，包括用什麼工具、怎麼配期限，任何一個環節不對，就算方向看對了，也未必賺得到錢。晚點：這些聽上去還是很常規的操作。那在現在這個階段對他們來說，有沒有一些新的素質或能力，是過去可能不那麼重要、但現在變得越來越關鍵的？劉迪凡：我之前調研過一位很成功的基金經理，他說自己前十年業績其實很好，但一直沒人投，原因很簡單：他說不清楚自己到底是怎麼賺錢的。因為他的打法裡帶有很多擇時和交易成分，不太容易被包裝成一個完整、穩定的故事。但他一直堅持一點，就是報憂不報喜。基金一旦出現回撤，他會主動告訴投資人，這次為什麼會回撤、自己是怎麼處理的。在他看來，這些比講故事重要得多。資管行業最後建立的不是對某套漂亮方法論的迷信，而是信任；而信任，往往恰恰是在你虧損、回撤的時候建立起來的。我覺得這個現在變得更重要了。晚點：所以在這種波動很大的時代，投資人要怎樣才能找到好的基金經理？劉迪凡：核心要 nimble（保持極大的靈活性），願意接受新的想法，嘗試不同思路。現在的市場有三個特點：第一，AI 影響的真實不確定性。市場並不清楚 AI 會以什麼節奏、分幾步影響經濟——那些行業會被衝擊，那些行業會爆發，以及這些變化會在什麼時候發生。第二，壓縮與釋放的循環。市場押注某⼀敘事時，相關因子 [18] 交易一度會被推到歷史極端位置，一旦原有敘事受挑戰，就會出現劇烈反轉；多次急速的風格輪動，背後都能看到避險基金和散戶去槓桿的推動。第三，錯位即機會。每一次市場錯位，都會為那些基於基本面、且有較高信心的倉位，提供不錯的進出場機會；同時地緣政治、關稅變化以及 AI 對勞動力的影響，也在持續抬高市場的複雜度。在這種環境下，一些看好長期敘事型的投資方法可能被徹底顛覆，因為沒人能預測得了那麼遠。另外是有可能以後做空機會要比做多機會多多了，因此必須適應環境、擴寬能力、迭代打法。看得廣、靈活能跨界，比深度垂直研究、長維度預測，價值要大得多。晚點：一年多以前，你說中國的 LP 們選基金用的是買包心態，買了誰的產品，然後賺了多少錢，略帶些炫耀。現在這個情況有變化嗎？劉迪凡：有。廣泛地來說，配置海外避險基金已經從一個方法變成了一個共識，現在只要海外有錢都會去考慮配置海外避險基金。我在香港參會，發現本行業的從業機構和人員暴增。這裡面一個關鍵的因素是，亞洲基金最近兩年表現得很好，所以他們會覺得配置基金也沒那麼難了。另外就是他們對策略也更熟悉了，宏觀經濟、事件驅動都在瞭解。我記得僅僅 1-2 年前，我還有個 LP 慨嘆基金配置很孤獨，現在又成了每個家辦都在幹了。可見凡事不能線性思維，有時候大邏輯對了，孤獨就孤獨吧。晚點：沒變的是什麼？劉迪凡：沒變的就是老闆們還是把家辦當成自己的第二春事業來做，要自己當 CIO，認為是在自己的英明指導下有了 Alpha。另外 AI 對大家的影響很大。中國人依舊對能指向未來的東西非常感興趣，甚至說只對這東西感興趣。美國的家辦就分散得多。晚點：中國的家辦們的投資方式有變化嗎？劉迪凡：家辦其實很難被當成一個整體來看。每一家都有自己的做法，而且會隨著所處階段不同，經歷不同的變化和循環。有的家辦原本做配置，後來又變回老闆自己下場炒股；有的經歷了 2022 年之後變得非常保守，大幅壓縮合作的基金經理數量，把資金更集中地交給少數幾個人；還有更多是這兩年隨著股市、尤其是美股走強，新出現的一批配置型家辦，它們把配置海外避險基金當成一種基礎的投資方法。這有點像投美股指數。長期看，它似乎總是在漲，但落到某一個具體時間段，收益和持有體驗會很不一樣，人最後得出的判斷也可能完全不同。晚點：你認為普通投資者應該如何與這個新常態共存？劉迪凡：第一，不要市場熱點在那裡，你就往那裡跑。對於一些小白來說，荷姆茲海峽可能都是兩個星期前才弄明白在那裡的，這樣追熱點有什麼用呢？就像去年大家都在算關稅，今年人人都算有多少桶石油、怎麼挖石油管道，但這些熱點很快就會消失的。第二，要建立自己的判斷標準，想想你的能力圈你的護城河是什麼。那怕你經過重重篩選找到了一個基金經理，如果你相信他，那幹嘛還要去聽一個免費的 Ray Dalio 呢？越是免費的，越不能盲從，我是非常不感冒那種用上下 5000 年、上下 500 年去拍人類的未來，太極端的敘事都是為了博人眼球的。晚點：那要怎樣才能真正抓住 Alpha，而不是被周期和情緒牽著走？劉迪凡：這些年我越來越覺得，只有在一個地方待得足夠久，才更容易看到 Alpha 機會，也就是別人恐慌、你敢貪婪的那個時點。不能一跌就跑，看到別人賺錢了再回來，這樣往往兩頭挨打。還有一點，就是賺錢的時候要主動分散，而不是繼續 All in，因為很多機會本質上都有周期。比如，我們這幾年一直在美國生物技術、能源電力、日本事件驅動等領域持續深耕，慢慢看到的 Alpha 機會也越來越多。工具箱越豐富，回報才越有機會做得更穩。 (晚點)

大衛·薩克斯的表態，近期在科技圈引發不小震動。這位川普的科技政策顧問，近日接受了彭博電視台採訪。他現任總統科技顧問委員會主席，話語權足夠份量。薩克斯直言，中國AI晶片設計已落後美國僅1.5到2年。更關鍵的是，他預判華為不久後會對外出口AI晶片。這一動作，或將點燃全球技術堆疊主導權的爭奪戰。薩克斯也承認，華為GPU生產仍受限制，但追趕速度驚人。“華為尚未達到頂尖水平，但未來一定會改變。”他如此判斷。他的擔憂很直接，華為若成重要GPU供應商，美企將承壓。川普政府的核心目標，是讓美國技術堆疊成為全球標準。為此，拜登時期的“擴散規則”已被正式放棄。那項規則曾限制美國GPU出口，還要求買家申請許可證。薩克斯解釋，過度限制盟友，反而會錯失鎖定市場的機會。他認為，阻止最先進半導體流向中國合理，但別傷了盟友。過去的法規，無異於“因擔心風險而自傷科技產業的腳”。薩克斯的履歷也印證了他的行業洞察力。他曾是貝寶前COO，還創辦過被微軟收購的Yammer。2024年底，他被川普任命為白宮AI和加密貨幣負責人。華為這邊，任正非近期也有清醒表態。他坦言，自家GPU確實落後美國頂級產品一代。但華為有自己的應對方式，用數學補物理、群計算補單晶片。這種思路下，華為晶片能達到實用水平，滿足多數AI需求。很多AI工作負載，本就不需要最尖端的硬體支撐。只要華為能以合理價格供貨，搭建成熟生態。完全有能力在部分市場，挑戰輝達和AMD的地位。輝達CEO黃仁勳，也曾公開批評美國的出口管制。他直言這些政策“完全錯誤”，只會適得其反。全球一半AI研究人員是中國人，堵不住創新的腳步。美國的限制，還讓輝達損失了巨額中國市場收入。僅H20晶片禁令，就導致其損失55億美元庫存和150億營收。黃仁勳也認可華為的實力，稱其是“世界級科技公司”。薩克斯的判斷，其實藏著美國的戰略焦慮。放棄過度限制，不是妥協，而是想鎖定盟友市場。遏制中國先進晶片，同時鞏固美國技術的全球主導權。華為若真啟動AI晶片出口，格局會發生微妙變化。國產晶片出海，不僅是營收突破，更是生態突圍。中美AI晶片的差距在縮小，競爭只會愈發激烈。華為能否打破壟斷，關鍵看生態搭建的速度和質量。而美國的政策調整，也會持續影響全球半導體格局。這場技術博弈，沒有旁觀者，每一步都關乎未來走向。 (1 ic芯網)

據IPO早知道消息，中國證監會國際合作司於3月23日披露了《關於劑泰科技（北京）股份有限公司境外發行上市及境內未上市股份“全流通”備案通知書》。這意味著，劑泰科技稍早前已通過保密形式向港交所遞交上市申請，並有望很快披露PHIP檔案並完成掛牌上市。成立於2020年的劑泰科技由美國工程院院士陳紅敏博士以及MIT科學家賴才達博士、王文首博士聯合創立——作為一家人工智慧（AI）驅動奈米材料創新的生物科技公司，劑泰科技專注於利用靶向藥物遞送和發現技術，幫助生命體戰勝疾病和衰老，重獲健康和活力。截至目前，劑泰科技自主開發了全球首個人工智慧驅動的奈米遞送平台NanoForge，並擁有當前全球最大規模千萬級LNP脂質庫——基於NanoForge，劑泰科技打造了三大核心解決方案：AiLNP（AI奈米遞送系統設計平台）、AiRNA（AI mRNA序列設計平台）、AiTEM（AI小分子製劑設計平台），現已具備實現精準靶向肝臟、肺部、肌肉和免疫細胞等8個關鍵器官或組織的LNP遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統疾病、自體免疫性疾病、神經系統退行性疾病等提供成藥機會，也在器官水平上為生命體抗衰提供可能。其中，劑泰科技的管線MTS-004是中國首款完成III期臨床的AI賦能製劑新藥，有望填補國內PBA治療領域藥物空白，有效幫助漸凍症和吞嚥困難的患者改善生命質量。此外，劑泰科技通過首創的“火箭+衛星”遞送新範式，正在建構“在人體特定器官內高效啟動抗腫瘤免疫”的新一代免疫治療策略，其管線MTS-105通過美國FDA孤兒藥認定，有望成為全球首款mRNA編碼TCE實體瘤療法。成立至今，劑泰科技已獲得晶泰科技、峰瑞資本、原始碼資本、紅杉中國、光速光合、五源資本、中國人壽、人保資本、中國人壽、招銀國際、國壽股權、Monolith、中金資本、太平香港保險科創基金、北京市醫藥健康產業投資基金、大興區產業投資基金等知名機構累計超25億元人民幣的投資。 (荷馬國際香港)

“AI+中國速度”把試錯成本壓縮到更低，劑泰科技正在創造許多傳統方法觸及不到的新材料。“製藥界的SpaceX”——這句頗具科幻意味的口號，劑泰科技創始人賴才達只花了8年，就把它從一個想法真正落地。就在《中國企業家》採訪後不到一周，公司宣佈已經完成D輪4億元融資，由北京市醫藥健康產業投資基金和大興區產業投資基金聯合領投。SpaceX的火箭是把衛星送入太空，賴才達的“火箭”則是用AI將奈米材料設計成載體，把mRNA（信使核糖核酸）、抗體等藥物精準靶向到疾病組織或器官細胞，然後釋放藥物，由此達到精準治療的效果。故事始於2017年。剛從麻省理工學院博士畢業的賴才達，目睹了興起的生物製藥行業如何用AI顛覆傳統藥物設計，卻也產生了疑問：AI能預測分子結構，也被運用到立項、開發、轉化等各個環節，但大多集中於分子設計環節，而製劑與藥物遞送環節卻沒人關注。尤其是被視為“最後一公里”的藥物遞送環節，對應著幾十年來行業的巨大痛點。人體是一個非常複雜的系統，很多疾病細胞在體外都有各種方式去解決，但在體內卻很難見效。“是藥三分毒”，往往因為絕大多數藥物進入體內後無法瞄準疾病細胞，而在不對的細胞上治療或干預。賴才達說：“人體30兆細胞裡，出問題的往往只是幾百萬個細胞的一個群體，但藥物99%都打偏了。就像為了擊斃一個敵人，結果把整棟樓炸了。”侷限性還在於，傳統製劑的開發手段屬於“手藝活”，非常仰賴於專家的經驗法則。專家依據分子預測其性質，做簡單試錯，能夠搜尋的空間有限。劑泰科技創始人賴才達於是，2020年1月，劑泰科技成立。它利用AI，根據不同的靶點快速去設計“火箭”，通過各類載體實現對藥物的高效遞送，充分發揮藥效。從小分子製劑、口服製劑的最佳化，到新的膠束體、奈米製劑的產生，劑泰科技通過積累的實驗資料，正在創造許多傳統方法觸及不到的新材料。5年過去，劑泰科技的“火箭”已具備實現肝、肺、肌肉和免疫細胞等關鍵組織和細胞的脂質奈米顆粒（LNP）精準靶向遞送能力。“我們現在還只能做到部分器官跟組織類別。”賴才達提到，“我們希望奈米遞送能夠實現‘指那打那’，這是要10年20年去攻克的難題。”01難啃的骨頭賴才達原本是一名“材料極客”。化學工程專業畢業的他，在博士期間，就做了一款能把污水變家庭用水的淨水材料，啟動了人生第一次創業。技術本身很“炫酷”，但他那時的“科研邏輯”沒有打動投資人，因為整個項目算起來市場規模不到1億美元。不過投資人很喜歡他，直言如果有10億美元級的市場項目，一定會做他的天使投資人。賴才達意識到，從一個技術，到真正成為一個產品和成就一個企業，中間其實有很大的差異。一個公司不僅需要突破性的技術，還需要有能力把技術落地轉化為商業價值。他把目光轉向了醫藥。因為醫藥行業相對去中心化，每個病種都對應一個單獨的市場，也面臨著新技術的爆發。在那個時間段，生物醫藥創業潮出現。早在2016年，Google開發的AlphaGo橫掃棋壇，他就意識到，這將是一個變革。之後專門用於預測蛋白質三維結構的平台AlphaFold也出來了，他猜測透過演算法可以解決很多資料產生的訴求。“我們之前做材料開發一般要10年時間，往往做了很久才開發出來幾個材料拿去動物身上試。因為人腦能夠預測的材料是很少的，不太能做多維度的、有點動態的組裝，人類做拼圖的能力是遠不如AI的。”賴才達說。自2017年，他與美國國家工程學院院士陳紅敏開始討論演算法加實驗結合的平台，能否用到奈米材料發現上。後者也成為劑泰科技的聯合創始人，她是有著30年經驗的藥物製劑開發和遞送專家。這也從一開始就決定了團隊的創業方向——AI奈米遞送。他們也曾像其他AI製藥團隊一樣，從熱門的小分子賽道切入，卻發現格外擁擠。而製劑與藥物遞送卻是無人區，還沒有一家AI公司敢啃這塊硬骨頭，傳統的製劑材料開發大多是靠專家“試”出來的，可以說是處於“半黑盒子”狀態。究其原因還是在於資料。製劑開發需要的資料壁壘極高，賴才達坦言，“當時奈米材料藥物遞送的資料非常少，公開的大概只有1萬到2萬個相關資料點。而搭建內部的資料平台極其燒錢，還要建自己的實驗動物房。”因此更多的企業偏向走更成熟的分子預測路線。但賴才達卻看到“站在巨人肩膀上做最佳化”的機會。製劑與藥物遞送既不用做靶點創新，也不用碰臨床——這一前一後兩塊都需要漫長的驗證時間和龐大的資金量。相較之下，製劑與藥物遞送反而距離成藥最近，只用將已知靶點的藥物裝進AI設計的奈米“火箭”裡精準投送，成為一個“連接者”，就有機會實現商業價值。賴才達認為，AI最擅長的就是做局部最佳化，用於做製劑與藥物遞送非常合適。更關鍵的是，他在國內看到了明顯的資源優勢：資料的產生速度更快，也更便宜。同樣的實驗，國內當天就可以出結果，而在美國需要6周，成本還只有十分之一左右，這意味著“AI+中國速度”可以把試錯成本壓縮到更低。“這對我們來說是很大的優勢，可以以最快的速度、最低的成本產生全球最大的材料遞送資料集，反哺我們的演算法，從而更有效地預測材料和遞送之間的關係。”於是，當團隊在美國碰上了杭州的招商團隊，他們迅速就做出了決定。2020年，賴才達、陳紅敏以及麻省理工學院人工智慧實驗室的科學家王文首組成的核心創業團隊，落地杭州。02從平台公司到產品公司儘管賴才達現階段對劑泰科技的定位是AI奈米遞送公司，但他心裡的終極目標依然是做“藥”。0到1的搭建過程很迅速。原本他還擔心“水土不服”，當地給了一系列的支援，包括場地、人才、資金、服務等，他幾乎是“拎包創業”，項目不到半年就落地了。只是未曾預料到的是，劑泰科技最初立項的8條產品管線，很快“全軍覆沒”。原本賴才達很自信團隊是懂藥的，屬於“降維打擊”，但真正落地，卻發現做材料和做藥完全是兩碼事。“你以為做了一個很好的改良藥，其實人家下一代產品已經出來了，不需要改良了。”他才發現，醫藥管線立項需要行業沉澱，至少要幾十年的經驗積累。不過很快，他就開始“補課”，先從羅氏等大藥企挖來一批醫藥老兵。之後，嘗試與大藥企初步合作，“先打工，‘髒活累活’開始干，干大家不在意的東西，才真正瞭解了藥的痛點。學著不從科學角度來看事情，而是從行業角度看事情。”在這過程中，劑泰科技投入了大量資金，來解決AI製藥界最突出的兩個問題：人才與資料。人才主要是磨合。“跨領域的人是很缺的。既懂AI又懂材料，還懂藥的人不存在，所以我們從0到1，各類人才組合起來，慢慢打磨，雙方合作，才逐漸成熟起來。”劑泰科技的員工多為交叉學科背景，包括AI演算法、自動化、化學、分子生物學、臨床醫學，甚至網際網路、金融、數學統計等。更高的壁壘在於資料。劑泰科技從頭到尾自己搭建資料平台，做奈米材料領域實驗的模擬，整個過程耗費了三四年，才積累到奈米材料和生物之間互動作用的資料。“藥圈”不好進，賴才達因此為劑泰科技規劃了兩種變現模式：一是“賣火箭”——把AI設計的奈米遞送材料專利授權給全球藥企，供他們研發自己的管線產品；二是自己根據已知靶點、改良劑型做少數高價值管線的臨床驗證，在看到成功的希望後，就對外授權出去，讓合作夥伴負責進一步的研發以及銷售。這兩種合作模式均可以獲得首付款、里程碑（未來的潛在事項）付款以及未來的銷售分成，也可以實現一項材料多個客戶、多次復用。“產生出可復用的產品才是成功的商業模式。”賴才達說。面對客戶需求和自有管線是否會衝突的矛盾，賴才達表示，他本心是做一個平台公司，但在過程中會孵化出產品。劑泰科技只是會在少數賽道的部分靶點做示範性研發，以驗證平台技術的價值，主要的藥物研發會讓合作夥伴去做。在他看來，公司會迎來幾個拐點：首先是人體資料證明AI設計的載體有效，平台開始自給自足，這個目前已經在實現過程中；然後平台訂單規模化，收入可反哺管線產品的臨床開發，這些計畫在幾年內達成；更長期，自研管線在某個重大適應症做出遠超現有療法的臨床資料，徹底驗證“AI遞送+藥物”價值。2022年後，他才感覺到平台進入到了正反饋階段，“此前，與德國一家知名跨國藥企的一個研發合作項目，驗證出劑泰可以用很短的時間篩出他們篩不出來的材料。這表示我們的演算法、平台已經達到了一個可以和合作夥伴進行商務合作的階段。”他原本計畫前5年保持30～60人團隊規模，沒想到公司發展迅速，“5年時間做的成果，相當於過往美國類似公司10~15年才能做到的階段”。他坦言，這主要得益於中國醫藥的“基建”發展迅速：中國的供應鏈很完整，特別是CRO（合同研究組織）和CDMO（合同研發和生產組織）的建設，極大推進了中國創業公司的發展。賴才達坦言，“我們只是把一堆現成的好工具工程化，組裝起來之後就發現壁壘很高，要同時跑通量子級遞送計算、高通量資料閉環、大規模動物驗證、材料底層認知，再到成藥的能力——整條鏈路一打通，很快就成了領先玩家。”未來3年，劑泰科技把重心放在兩件事上——人體資料閉環和商業模式閉環。前者是讓AI設計的奈米載體先在人體驗證成功，打通從電腦到病人的完整資料鏈；商業模式閉環是把驗證過的材料和管線對外授權，用授權收到款項反哺現金流。5年到7年內，他要爭取把遞送精度從“器官級”提升到“細胞級”，實現真正的“指那打那”。而7年之後，賴才達期待那個最大的拐點到來，即在一些大的疾病領域真正取得臨床突破，之後他會專注在這幾個領域裡，去做最想做的生意——爆款新藥。 (中國企業家雜誌)