在硅谷巨头们为寻找稳定电源而焦灼时，一个意想不到的解决方案正从航空业跨界而来：将退役的波音客机发动机，改装为地面燃气轮机，直接为数据中心供电。

随着AI数据中心对电力需求的指数级增长，传统电网扩容的滞后已成为行业公敌。这一背景下，FTAI Aviation、ProEnergy等公司正加速将航空动力资产“降维”引入电力市场。这场跨界实验不仅改变了退役飞机的宿命，更在重塑全球分布式能源的供应格局。

速度的溢价：现货VS长周期

在电力设备领域，时间就是金钱。目前，全球燃气轮机市场由GE Vernova、西门子能源（Siemens Energy）及三菱重工（MHI）“三巨头”统治，占据约80%的市场份额。然而，由于需求激增，这些巨头的大型重型燃机订单排期已长达数年。

这种供需错配为FTAI Aviation等航空资产管理公司提供了窗口。FTAI总裁David Moreno指出，将一台航空发动机改装为发电涡轮机仅需30至45天。尽管前期设计和适配耗时约18个月，但一旦进入改装流程，其交付效率远超传统能源巨头。

这种“现货优势”在资本市场引发了剧烈共振。自宣布进入电力业务以来，FTAI股价已上涨约42%。杰富瑞（Jefferies）估算，该业务每年可为FTAI贡献7.5亿美元的EBITDA，这相当于分析师此前对其全年预期总额的52%。

降维打击：从“高压起降”到“平稳发电”

将航空发动机转为陆用发电（Aeroderivatives，即航改燃机），在技术逻辑上具备高度可行性。

航空涡轮机专家Mark Axford指出，改装核心涉及两项关键变动：一是更换燃料喷嘴，使其能够燃烧天然气而非航空煤油；二是将前端巨大的飞行风扇更换为更适合发电的小型风扇。

从资产寿命角度看，这更像是一场精准的“残值再造”。窄体机发动机（如波音737使用的CFM56）在飞行中需承受频繁起降的高压应力，而一旦转为地面发电，其承受的损耗显著降低。FTAI能够将剩余寿命仅剩几年的航空零件，在发电领域延长至数年的使用寿命。

目前，这一赛道已吸引了多方入场：ProEnergy正利用波音747的发动机进行改装；初创公司Boom Supersonic也计划在2027年向AI数据中心服务商Crusoe交付其改装后的燃气轮机。

效率博弈与供应链蝴蝶效应

面对新势力的入侵，传统巨头GE Vernova首席执行官Scott Strazik在最近的财报电话会议上直言，不认为这些小型机组构成了直接竞争。他的逻辑核心在于“效率”：在长达20年的运营周期内，重型燃机的燃料效率优势依然是数据中心运营商的财务核心。

然而，市场调研机构Thunder Said Energy指出，虽然重型燃机效率更高，但其价格昂贵且排队遥遥无期。为了弥补效率短板，FTAI和Boom Supersonic均提出，其产品可配置为“联合循环”（Combined Cycle）模式，通过增加蒸汽轮机捕获废热，从而在效率上逼近重型机组。

更深远的影响在于产能规模。杰富瑞分析师Sheila Kahyaoglu指出，全球每年约有1600台商业发动机退役，若其中三分之一转化为发电用途，将新增13GW产能，相当于全球年产能的四分之一。美国能源信息署（EIA）甚至估算，退役军用发动机的潜在转化能力高达40GW。

但这种产能转移并非没有风险。如果大量航空零部件被分流至电力领域，可能会进一步加剧本就极其紧张的航空维修市场短缺，从而对全球航司的运营成本产生连锁反应。

本文来自华尔街见闻，欢迎下载APP查看更多

Q4，德鲁肯米勒“精准”开仓了金融板块ETF（XLF）、标普500等权重ETF（RSP）和巴西ETF，同时清仓了Meta，并继续加仓Alphabet（谷歌）。

这份持仓报告公布之际，正值德鲁肯米勒的两位“门徒”——斯科特·贝森特（Scott Bessent）和凯文·沃什（Kevin Warsh）正式进入美国经济决策核心层。贝森特已于今年1月就任美国财政部长，而沃什刚被提名为美联储主席。

“精准”开仓金融ETF、标普等权重ETF和巴西ETF

文件显示，德鲁肯米勒在四季度新进买入道富金融精选行业SPDR ETF（XLF），建仓规模达549.56万股，期末持仓市值约3.01亿美元。这一举动使XLF直接成为其组合中的第二大重仓标的，占总资产权重的6.7%。

与此同时，杜肯家族办公室还新进买入Invesco标普500等权重ETF（RSP），持股量为117.39万股，市值约2.25亿美元，占组合权重的5%。

上述两笔ETF交易合计占其投资组合超过11%的权重。市场分析指出，买入XLF通常被视为押注金融监管放松及利率环境利好银行盈利；而买入RSP（等权重指数）而非SPY（市值加权指数），则显示德鲁肯米勒预判市场上涨广度将扩大，资金可能从过度拥挤的科技巨头流向更广泛的行业标的。

此外，德鲁肯米勒还新进买入iShares MSCI巴西ETF（EWZ），持仓355.26万股，市值约1.13亿美元，占比2.51%。

科技股分化：清仓Meta，加仓谷歌与Sea

科技股方面，德鲁肯米勒Q4进行了显著的分化操作。

减仓方面： 杜肯家族办公室在四季度抛售了其持有的全部7.61万股Meta Platforms。这一清仓动作导致组合出现约1.38%的负向敞口变动。此外，他还清仓了医药股Verona Pharma（VRNA），抛售逾100万股。

加仓方面： 德鲁肯米勒连续加仓Alphabet（GOOGL）。四季度增持28.28万股，增持幅度高达276.71%，期末总持仓达到38.5万股，市值约1.2亿美元。

同时，他大幅增持东南亚互联网巨头Sea Ltd（SE），增持66.99万股，增幅达244.32%，期末持仓市值约1.2亿美元。

另外， 尽管医药股Natera Inc（NTRA）仍是其第一大重仓股（占比12.8%），但他对其他医药持仓进行了减持。其中，Teva Pharmaceutical（TEVA）被减持1071.9万股，降幅达64.6%；Insmed（INSM）被减持94.17万股，降幅38.86%。

截至2025年四季度末，德鲁肯米勒的持仓组合共包含62只股票，前五大重仓股分别为：Natera Inc、金融精选行业ETF（XLF）、Insmed Inc、标普500等权重ETF（RSP）以及Teva Pharmaceutical。

美国政策风向的重要指标？

德鲁肯米勒本季度的操作引发华尔街高度关注，核心原因在于他与特朗普政府新任财经高官的特殊关系。

财政部长贝森特曾在索罗斯基金管理公司为德鲁肯米勒工作，两人于1992年共同策划了做空英镑的交易。美联储主席提名人沃什则自2011年起担任杜肯家族办公室的合伙人。据知情人士透露，沃什与德鲁肯米勒保持着极高频的沟通，有时单日通话次数达十余次；贝森特也与德鲁肯米勒保持密切联系。

这种“师徒”关系让市场推测，“德鲁肯米勒经济学”——即反赤字、反通胀、反关税——可能通过贝森特和沃什渗透至政策制定中。

德鲁肯米勒长期警告美国财政赤字是“债务炸弹”，并主张削减福利支出。在货币政策上，他倾向于鹰派立场，曾在疫情期间批评美联储加息过慢。值得注意的是，他明确反对关税政策，这与特朗普的核心贸易主张存在潜在冲突。

贝森特此前在接受《金融时报》采访时曾评价：“在全球宏观交易领域，德鲁肯米勒就是一个独立的存在。”

随着其门徒正式履新，这位“独立存在”的持仓变化已成为市场观察华盛顿政策风向的重要指标。

本文来自华尔街见闻，欢迎下载APP查看更多

这位亿万富翁对冲基金经理将美光科技的持仓提升至4.28亿美元，增幅达200%，使这家AI系统关键内存芯片制造商成为该基金第四大持仓，据InsiderScore数据显示。全球内存短缺推动美光股价今年已上涨近30%。

与此同时，Tepper新建了价值1.823亿美元的iShares MSCI韩国ETF（EWY）头寸。该ETF主要持有三星电子和SK海力士等芯片巨头，今年已飙升34%，上周刚创下新高，吸引了寻求海外AI受益标的的投资者。

这些芯片相关投资的强劲表现与市场其他板块形成鲜明对比。软件股今年已大幅下挫，投资者担忧最新AI模型将冲击该行业依赖高收费的商业模式。

Tepper对美光科技的投资显示出对AI基础设施的强烈信心。除了将股票持仓提升至4.28亿美元外，他还购买了名义价值7140万美元的美光看涨期权。不过目前尚不清楚他是否已出售这些合约或合约到期时间。

全球内存短缺成为推动美光股价飙升的关键因素。作为AI系统所需计算机内存的主要生产商，美光直接受益于人工智能热潮带来的需求激增。

Tepper的韩国ETF投资为其提供了对三星电子和SK海力士的敞口，这两家公司主导了该ETF的持仓结构。投资者正将目光投向海外以寻找AI产业链受益者，韩国芯片制造商因此获得青睐。

该ETF今年的34%涨幅反映出市场对亚洲芯片制造商在AI浪潮中角色的认可。这一表现与美国科技股的疲软形成对比。

阿里巴巴仍是Appaloosa的头号重仓股，尽管Tepper在第四季度减持了20%。这家中国互联网巨头今年上涨6%。

Alphabet是该基金第二大持仓，Tepper将持股比例提高了约29%。但Alphabet今年表现落后，受到科技板块整体压力的拖累。

这些投资组合调整显示Tepper正在重新配置资产，从传统科技股转向更直接受益于AI基础设施建设的芯片制造商。

本文来自华尔街见闻，欢迎下载APP查看更多

据一位了解拉加德想法的人士透露，拉加德希望在法国大选前离开这一职位。此举将影响欧元区货币政策的连续性，并为欧洲央行的权力交接留出缓冲时间。欧洲央行回应称，拉加德完全专注于自己的使命，尚未就任期结束做出任何决定。

拉加德的提前离任计划正值法国政治前景充满不确定性之际。极右翼政党国民联盟领导人勒庞在民调中持续领先，有望进入总统选举第二轮投票。勒庞和她的副手Bardella均持欧洲怀疑论立场，可能使欧洲央行等欧盟机构的运作复杂化。

此次人事调整也反映出马克龙在卸任前巩固关键职位的努力。法国央行行长François Villeroy de Galhau本月已宣布将于6月离任，较原定任期提前18个月。批评人士指出，马克龙正在清理道路以便任命新人选。

英国《金融时报》去年12月对欧洲经济学家的调查显示，西班牙前央行行长Pablo Hernández de Cos和荷兰央行行长Klaas Knot是欧洲央行下任行长的热门人选。欧洲央行执行委员会成员Isabel Schnabel已表示对这一职位感兴趣。据知情人士透露，德国央行行长Joachim Nagel也有意竞争该职位。

据知悉巴黎方面讨论情况的人士透露，马克龙数月来一直希望在选择拉加德继任者问题上拥有发言权。马克龙本人因宪法限制无法竞选第三个总统任期。

拉加德2019年从国际货币基金组织转任欧洲央行行长，当时正是马克龙与时任德国总理默克尔达成意外协议的结果。两人商定由拉加德接管欧洲央行，由时任德国国防部长冯德莱恩担任欧盟委员会主席。

拉加德掌舵欧洲央行期间经历了一系列危机，包括新冠疫情、俄乌冲突以及与美国的贸易冲突。在她任期内，欧元区通胀率在2022年底飙升至接近11%，原因是俄乌冲突导致能源价格暴涨，全球供应链受疫情相关瓶颈影响。

欧洲央行在一年多时间内将利率从负0.5%上调至4%。从2024年年中开始，随着通胀回落至欧洲央行2%的中期目标，央行将借贷成本降至2%。

拉加德上月接受彭博电视采访时表示，她接受欧洲央行职位时以为任期是五年。观察人士认为这一表态可能是在为提前离任做准备。她回忆道，在同意担任欧洲央行行长后告诉马克龙"我将在法兰克福工作五年"，当时马克龙回应说"不，是八年"。

马克龙在2027年前巩固关键职位的动作还包括最近任命一位亲密盟友担任国家审计署负责人。法国央行行长François Villeroy de Galhau本月宣布将于6月离任，较任期结束时间提前18个月。尽管Villeroy de Galhau称离职是为了加入一家慈善机构，但批评人士认为马克龙为自己腾出了任命新人选的空间。

去年夏天，在世界经济论坛前主席Klaus Schwab称拉加德曾讨论提前离任以接管世界经济论坛领导权后，欧洲央行发言人曾强调拉加德"决心完成她的八年任期"。拉加德本人去年6月在欧洲央行总部告诉记者："很遗憾地告诉你们，你们还无法摆脱我。"

明年4月的法国总统选举对欧元区第二大经济体和更广泛的欧盟至关重要。勒庞去年因挪用欧洲议会资金被定罪，可能被取消作为国民联盟候选人参选的资格，但她表示在这种情况下将由Bardella接替参选。勒庞目前正在上诉。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视新闻报道，在日本参议院首相指名选举第二轮投票中，自民党总裁高市早苗获得过半票数，确认当选日本新任首相。

美股盘前，科技股普涨，黄金股普涨。

【17:03更新】

美股盘前，科技股普涨，英伟达涨1.6%，美光科技涨约1%，英特尔涨约1%。黄金股普涨，哈莫尼黄金涨约1%，科尔黛伦矿业涨约2%。

欧洲斯托克600指数触及新纪录高位，上涨0.7%。英国《金融时报》报道称，欧洲央行行长拉加德预计将在2027年10月任期届满前提前离任，希望在明年4月法国总统大选前完成交接。有分析认为，此举将影响欧元区货币政策的连续性，并为欧洲央行的权力交接留出缓冲时间。

【12:57更新】

现货白银日内涨3.01%，报75.57美元/盎司。

【11:13更新】

周三日股高开高走，截至早盘收盘，日经225指数上涨1.2%，盘中涨幅一度飙升超过600点，强势站上57000点关口。日本东证指数上涨1.4%至3813.05点。

据央视新闻，18日上午，日本高市早苗内阁全体辞职。当地时间18日下午（北京时间18日中午），日本国会众参两院将分别举行首相指名选举。新当选的首相当天将组建新内阁。日本宪法规定，众议院选举后第一次召集国会之际，内阁必须全体辞职。

此外华尔街见闻提及，特朗普官宣5500亿美元“日本投资美国基金”启动，首批聚焦油气、发电、关键矿产，消息也为市场情绪提供了额外支撑。

日股上涨带动亚太指数。MSCI太平洋指数上涨超1%。交易量因多个地区市场休市而明显偏低。韩国股市也因春节假期休市。

投资者对新内阁可能延续或加码经济刺激政策的预期，推动日本股债齐涨，日本各期限国债收益率全面下行，10年期国债收益率下行至2.116%附近。

财政宽松预期下，美元兑日元短线上行，报153.50。

据华尔街见闻，新西兰联储维持利率不变，主席布雷曼表示在看到经济更强劲、通胀压力更大之前，不打算加息。

纽元兑美元下跌超0.7%、逼近0.600关键关口，政策敏感的2年期新西兰国债收益率扩大跌幅，交易员下调了对新西兰央行加息的预期。市场对10月前加息的定价从此前的90%降至约75%。

现货黄金周三低开后，较日低拉升超1%，重回4900美元上方。白银同样反弹上行，涨逾1%。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间2月17日周二美股盘后，递交美国证监会（SEC）的13F文件披露，伯克希尔2025年第四季度大幅削减所持亚马逊股份（AMZN）超过77%，并且连续第三个季度减持苹果（AAPL）。伯克希尔还继续抛售美国银行（BAC），对该行的持股比例降至略低于7%。

纽约时报（NYT）是伯克希尔四季度唯一新进的个股，当季建仓超过506万股，市值约3.52亿美元。持仓公布后，纽约时报股价盘后一度涨超10%，后收窄过半涨幅。

本周二公布的是巴菲特执掌伯克希尔60年的最后一份13F持仓报告，巴菲特的继任者Greg Abel已于2026年1月1日正式接任CEO。伯克希尔将于2月28日公布全年业绩，届时将发布Abel作为CEO的首封致股东信。

据13F文件，伯克希尔四季度抛售苹果超过1029万股，持股数环比三季度减少4.3%，季末苹果持仓市值环比减少约28亿美元，持仓在伯克希尔投资组合中的占比从三季度的22.69%降至22.60%。

以环比减少的市值看，苹果是伯克希尔四季度减持最多的个股，但减持股份还不及前一季。三季度伯克希尔减持苹果约4179万股，持股数环比减少逾14.9%。

尽管持续减持，到四季度末，苹果仍是伯克希尔的头号重仓股。

美国银行是又一持续被伯克希尔减持的重仓股。四季度伯克希尔卖出将近5080万股美银，持股数环比减少8.9%，持仓占比降至6.89%。

到四季度末，美银仍是伯克希尔的第三大重仓股。但伯克希尔的美银持股已经从2024年中的10.3亿股降至5.17亿股，相当于过去一年半来，该行已被减持约50%。

按持仓占比变动计算，亚马逊是伯克希尔四季度减持幅度最大的个股。

13F文件显示，四季度亚马逊在伯克希尔投资组合中的占比从三季度的0.82%骤降至0.19%，环比降幅达0.63个百分点，持股数量减少至约230万股，环比下降逾77.2%。

伯克希尔于2019年首次买入亚马逊。巴菲特当时表示，虽然他历来对科技股持谨慎态度，但没有更早买入这家在线零售巨头的股票是“愚蠢的”。

亚马逊股价进入2026年以来已累跌约11%，遭遇20年来最大同期跌幅。本周二，亚马逊刚刚结束连跌九个交易日的2006年以来最长连跌日。

截至上周五的九个交易日内，亚马逊市值合计蒸发超4500亿美元，体现了投资者对亚马逊庞大AI相关支出合理性的质疑。亚马逊本月5日公布四季度财报时透露，计划2026年资本支出2000亿美元，年度投入规模超过其他任一科技巨头。

纽约时报是伯克希尔四季度唯一新建仓的个股。当季伯克希尔买入506.7万股，市值超过3.52亿美元，持有纽约时报约3.1%的股份，持仓在伯克希尔投资组合中位列第30位，占比0.13%。受此消息影响，纽约时报股价盘后一度大涨超10%。

2020年，伯克希尔曾以1.4亿美元的价格将旗下包括《布法罗新闻报》在内的所有报纸资产出售给Lee Enterprises，彼时巴菲特认为传统报业模式已不可持续。

市场分析认为，此次重新买入《纽约时报》，反映了伯克希尔对其商业模式转型的认可。目前的《纽约时报》已从单纯的新闻出版商，进化为涵盖游戏、食谱及数字化产品的综合订阅平台。此外，鉴于《纽约时报》由苏兹伯格家族（The Sulzberger family）通过双重股权结构绝对控股，伯克希尔的这笔投资注定只能是被动的财务配置，无法像当年对《华盛顿邮报》那样施加运营影响。

值得一提的是，尽管这笔交易发生在巴菲特卸任前的最后三个月，但华尔街尚不确定这究竟是“股神”本人的谢幕之作，还是继任者阿贝尔（Greg Abel）的牛刀小试。

纽约时报股价近期表现强劲，今年以来上涨6%，目前接近历史高点74.59美元，过去12个月累计涨幅达50%。

伯克希尔四季度较大幅增持了石油巨头雪佛龙（CVX）和瑞士安达保险（Chubb）。

其中，伯克希尔增持安达保险（CB）将近292万股，持股数环比增长9.3%，持股在投资组合中占比从三季度的3.31%升至3.90%，环比提高0.59个百分点。以持仓占比升幅看，安达保险是四季度增持最多的个股。

四季度伯克希尔买入雪佛龙逾809万股，持股数环比增长6.6%，持股占比环比增加0.15个百分点至7.24%，市值则环比增加约12.3亿美元。以持仓市值的增幅看，雪佛龙则是四季度增持之最。

伯克希尔四季度还增持了36.8万股达美乐披萨（DPZ），持股数环比增长12.3%，持仓增至约14亿美元，排在第20位。

伯克希尔对另一必需消费品类股卡夫亨氏的持仓四季度保持不变。

Abel近期表示，他支持卡夫亨氏暂停拆分调味品和食品杂货业务的决定。卡夫亨氏在1月的监管文件中披露，最大股东伯克希尔可能出售其持有的近全部3.256亿股。巴菲特去年曾对华尔街日报表示，伯克希尔不支持该拆分计划。

根据SEC规定，管理至少1亿美元美国股票的机构投资者必须在每个季度结束后45天内提交13F文件。尽管这些文件提供的是过时的持仓信息，但伯克希尔的披露仍被市场参与者广泛解读，以寻求对该公司投资决策的洞察。

十大重仓股仍是“老面孔”

到四季度末，以持仓市值计，伯克希尔的十大重仓股都是前一季的“老面孔”，排名大多和三季度相同，只有穆迪和西方石油的排名对换。

和三季度一样，四季度这些重仓股之中也只有四只被调整持仓，分别是苹果、美国运通被减持，雪佛龙、安达保险被增持。

三季度首次跻身前十的谷歌母公司Alphabet依然排在第十位。三季度被Alphabet挤出前十的肾脏透析服务商德维特（DVA）四季度仍位列第11。

四季度伯克希尔的十大重仓股分别是：

• 苹果（AAPL）
• 美国运通（AXP）
• 美银（BAC）
• 可口可乐（KO）
• 雪佛龙（CVX）
• 穆迪（MCO），排名从第七升至第六。
• 西方石油（OXY），排名从第六降至第七。
• 瑞士安达保险（Chubb）（CB）。
• 卡夫亨氏（KHC）。
• Alphabet（GOOGL）

本文来自华尔街见闻，欢迎下载APP查看更多

Palliser Capital在上周致函TOTO董事会，敦促其进一步发展先进陶瓷业务，称该业务在半导体供应链中占据关键地位。

该基金指出，凭借在精密陶瓷领域的技术壁垒，TOTO已卡位AI算力背后的关键一环——NAND存储芯片制造，且该业务已贡献了公司40%的营业利润。若管理层能扩大其先进陶瓷业务、改善资本配置，其股价潜在上涨空间将超过55%。

从烧制马桶到生产晶圆

这家公司最不为人知的杀手锏是“静电卡盘”（Electrostatic Chucks）。在半导体制造环节，这是一种利用静电力吸附并固定硅晶圆的关键组件。随着AI浪潮推动NAND存储芯片向更高层数、更复杂结构演进，制造工艺中对“低温蚀刻”（Cryogenic Etching）的需求激增。

这正是TOTO的护城河所在。利用自1980年代以来在卫浴制造中积累的精密陶瓷技术，TOTO生产的静电卡盘能够在极低温度下保持极高的稳定性。Palliser指出，TOTO拥有长达五年的竞争优势，短期内竞争对手难以望其项背。

尽管TOTO早已涉足此领域，但直到近年AI需求爆发，这项业务才从边缘走向舞台中央。Palliser强调，TOTO已悄然从一家传统的卫浴冠军，进化为半导体精密陶瓷领域的“隐形冠军”。

激进投资者的诉求

Palliser Capital的创始人出身于全球最著名的激进对冲基金Elliott Management，深谙如何通过股东行动主义倒逼管理层改革。

Palliser认为，TOTO目前的估值完全没有反映出其作为“AI存储受益者”的真实价值。基于NAND芯片的升级周期和稳定的存量替换需求，预计未来两年该业务营收将实现30%以上的增长。

然而，价值被埋没的根源在于管理层的保守与沟通失效。Palliser在信中列出了三大症结：

1. 叙事缺失： 公司未能向资本市场有效传递精密陶瓷业务的核心地位；

2. 资源错配： 尽管该业务利润丰厚，但公司计划投入的资本支出（Capex）却与其战略地位不匹配；

3. 资本效率低下： 公司账面躺着760亿日元（约4.96亿美元）的净现金，且存在大量低效的交叉持股。

Palliser的想法很明确：扩大精密陶瓷业务投资，剥离非核心交叉持股，并更高效地利用现金回馈股东。

值得一提的是，上个月，高盛已将TOTO评级上调至“买入”，理由同样是看好全球AI数据中心投资对TOTO精密陶瓷业务的拉动。过去一年，TOTO股价涨逾60%。

本文来自华尔街见闻，欢迎下载APP查看更多

作为一位曾经打造过欧洲最大法律科技平台（Doctrine）、现在又投身 AI 金融（Fintool）的“双栖”创业者，他站在新旧时代的交界点上，详细拆解了垂直 SaaS 行业赖以生存的十大护城河是如何被大模型一一瓦解的。

Nicolas认为，LLM（大语言模型）正在系统性地拆除垂直软件过去赖以生存的护城河，以前靠“软件难用”和“流程复杂”赚取高昂溢价的日子结束了，市场正在经历一场残酷的价值重估。

我们给大家简单划了下稿件重点：

• “难用”不再是护城河
  以前像彭博终端这种软件，最牛的护城河其实是「难用」，用户花了很长时间学会了那些复杂的快捷键和代码，学会了就不想换。但现在，LLM把所有复杂的界面都坍缩成了一个聊天框，用户只要会说人话就能调取数据、调模型，那个让华尔街为此买单的「熟练度壁垒」瞬间归零。

• 业务逻辑从“百万行代码”变成了“一个Markdown文件”
  这是最颠覆的一点。以前要复刻一个法律或金融工作流，需要懂行业的工程师写几年代码；现在，一个懂行的基金经理只要写一个Markdown文档（提示词技能），告诉AI怎么做DCF估值，AI就能执行得很好。核心壁垒从“稀缺的工程师”变成了“廉价的文档”，竞争对手复制你的时间从几年缩短到了几周。

• 靠整理公开数据赚钱的公司很危险
  以前把乱七八糟的财报（SEC文件）整理成可搜索的数据很值钱，但现在大模型天生就能读懂这些文档，前沿模型（如Claude或GPT）天生就读得懂10-K年报和法律文档，它们自己就是最好的解析器。靠“信息不对称”和“整理公开数据”赚钱的模式，正在被AI无情商品化。

• 「既懂代码又懂业务」的稀缺人才不再是瓶颈
  现在懂业务的基金经理不需要学Python，直接用大白话就能指挥AI干活，这意味着原本稀缺的行业经验能迅速转化为软件产品，竞争对手会越来越多。

• 独家数据成了唯一的“免死金牌”
  反过来说，如果你手里有无法被抓取、无法被合成的“私有数据”（比如彭博的实时交易台数据、标普的私有信贷评级），LLM反而会让你的价值倍增。因为在AI时代，这些数据是所有智能体都渴求的“稀缺燃料”，拥有独家数据的公司将掌握绝对的定价权。

• “合规”和“交易”是AI啃不动的硬骨头
  别太焦虑，有些护城河AI也无可奈何。比如医疗软件Epic，它的壁垒是HIPAA合规和FDA认证；比如Stripe，它的壁垒是资金处理的牌照和通道。AI再聪明也过不了监管这一关，也无法在没有银行轨道的情况下挪动资金。只要你的软件“嵌入在交易里”或者“长在监管上”，你暂时是安全的。

• 竞争格局从“三国杀”变成“百团大战”
  以前做一个垂直SaaS需要200个工程师和5000万数据预算，所以每个行业通常只有2-3个巨头垄断。现在靠API和几个工程师就能做到巨头80%的功能，竞争对手会瞬间从3个变成300个。这会导致价格体系崩塌，SaaS公司的高估值倍数将被彻底打回原形。

• 真正的威胁是“上下夹击”
  垂直SaaS现在腹背受敌：下面是数百个AI原生创业公司在疯狂撕咬，上面是微软、Anthropic这样的巨头通过“通用Agent+插件”的方式直接杀入垂直领域。软件正在变得“无头化”（Headless），未来用户可能根本不打开你的软件，而是通过AI Agent直接调用你的服务——如果你沦为单纯的“数据供应商”，利润将被平台彻底榨干。

以下为原文部分：

深耕垂直软件十年：我对此次抛售潮的看法

在过去的几周里，软件和服务类股票的市值蒸发了近1万亿美元。FactSet的市值从200亿美元的巅峰跌至不足80亿美元。标普全球（S&P Global）在几周内下跌了30%。汤森路透（Thomson Reuters）在一年内市值缩水近半。由140家公司组成的标普500软件与服务指数，今年迄今已下跌20%。

上周，Anthropic发布了针对Claude Cowork的行业特定插件。Claude Cowork是一款专为知识工作者设计的AI智能体（AI Agent），能够自主处理复杂的研究、分析和文档工作流。

华尔街称之为恐慌。而在过去十年里，我一直致力于构建垂直SaaS（Vertical SaaS）。首先是 @Doctrine，现在是欧洲最大的法律信息平台（与LexisNexis、Westlaw等竞争）；然后是 @fintool，一个在美国与彭博（Bloomberg）、FactSet和标普全球竞争的AI驱动型股票研究平台。

我曾构建过那种如今正受到大语言模型（LLM）威胁的软件。而我现在正在构建的，正是那种发起威胁的软件。我身处这场颠覆性变革的两端。

以下是我所看到的真相：LLM正在系统性地瓦解让垂直软件具备防御性的护城河。但并非全部瓦解。结果是，垂直软件的价值构成及其应得的估值倍数正在被重新定义。

在这篇文章中：

• 让垂直软件具备防御性的十大护城河，以及LLM对每一条护城河的影响

• 为什么市场抛售在结构上是合理的，但在时间上被夸大了

• 真正的威胁究竟是什么（并非你所想的那样）

• 什么将取代垂直软件

• 垂直软件行业的下一步走向

垂直软件的十大护城河（及LLM对每一条的影响）

垂直软件是为特定行业构建的软件。比如金融界的彭博（Bloomberg），法律界的LexisNexis，医疗界的Epic，建筑界的Procore，生命科学界的Veeva等。

这些公司有一个共同的定义性特征：收费高昂且客户极少流失。FactSet每位用户每年的费用超过15,000美元。彭博终端（Bloomberg Terminal）每个席位成本为25,000美元。LexisNexis每月向律师事务所收取数千美元。而它们的客户留存率徘徊在95%左右。

我认为存在十条截然不同的护城河。LLM正在攻击其中的一部分，同时保留了另一部分。理解哪些被攻击、哪些被保留，就是这场游戏的全部。

1. 习得性界面（Learned Interfaces）→ 被摧毁

一个彭博终端用户花费数年时间学习键盘快捷键、功能代码和导航模式。GP、FLDS、GIP、FA、BQ。这些不是直观的操作，它们是一门语言。一旦你流利地掌握了它，切换到另一个平台就意味着重新变成文盲。

我听过无数次这样的话：“我们是FactSet店。”“我们是Lexis律所。”“我们是彭博之家。”这些声明无关数据质量或功能集。它们是关于软件肌肉记忆的声明。人们花了十年时间学习这个工具。这种投资是不可转移的。

这是最被低估的护城河。知识工作者付费是为了不重新学习他们已经掌握了十年的工作流。界面本身就是价值主张的一大部分。

我在Doctrine亲历了这一点。我们拥有一支设计师团队和一支庞大的客户成功经理（CSM）队伍，他们的全部工作就是引导律师使用我们的界面。每一个UI（用户界面）的改动都是一个项目：用户研究、设计冲刺、谨慎的发布、手把手的指导。我们会花几周时间重新设计一个分面搜索过滤器（faceted search filter），因为律师们已经围绕旧过滤器建立了肌肉记忆。界面不是一个功能，它就是产品。维护它是我们最大的成本中心之一。

在Fintool，我们没有入职培训。没有CSM教人们如何浏览产品。我们的用户用简单的英语输入他们想要的内容，然后得到答案。没有界面需要学习，因为一切都是对话。整个成本中心——设计师、CSM、UI变更管理——根本不存在。聊天界面吸收了所有的这些支撑结构。

LLM将所有专有界面坍缩为一个聊天窗口。

试想一下金融分析师今天在彭博终端上做什么。他们导航到股票筛选功能。使用专门的语法设置参数。导出结果。切换到DCF（现金流折现）模型构建器。输入假设。运行敏感性分析。导出到Excel。制作演示文稿。

每一步都需要习得的界面知识。每一步都加强了切换成本。

现在考虑同一位分析师使用LLM智能体做什么：

“向我展示所有市值超过10亿美元、市盈率低于30且收入同比增长超过20%的软件公司。为前5名建立DCF模型。对折现率和终值增长率进行敏感性分析。”

三句话。没有键盘快捷键。没有功能代码。没有导航。用户甚至不知道LLM查询了哪个数据提供商。他们不在乎。

当界面变成自然语言对话时，多年的肌肉记忆变得一文不值。那个证明每年2.5万美元席位费合理的切换成本瞬间消解。对于许多垂直软件公司来说，界面曾是价值的大部分。底层数据通常是授权的、公开的或半商品化的。支撑溢价定价的是建立在数据之上的工作流。那已经结束了。

2. 自定义工作流和业务逻辑（Custom Workflows and Business Logic）→ 蒸发

垂直软件编码了一个行业的实际运作方式。一个法律研究平台不仅仅存储判例法。它编码了引证网络、谢泼德引证信号（Shepardize signals）、判例要旨分类体系（headnote taxonomies），以及诉讼律师撰写摘要的具体方式。

这种业务逻辑的构建耗时数年。它反映了与领域专家进行的数千次对话。当我构建Doctrine时，最难的部分不是技术。而是理解律师实际上是如何工作的：他们如何研究判例法，如何起草文件，如何从立案到审判构建诉讼策略。将这种理解编码进可运行的软件中，是垂直软件之所以有价值——且具备防御性——的巨大原因。

LLM将所有这一切转化为一个Markdown文件。

这是最被低估的转变，我认为也是长期最具破坏性的。

传统的垂直软件用代码编码业务逻辑。成千上万个if/then分支、验证规则、合规检查、审批工作流。由工程师经年累月硬编码而成……而且不是普通的工程师。你需要真正理解该领域的软件工程师，这很罕见。找到一个既能写生产级代码又能理解诉讼工作流如何运作，或者DCF模型应如何构建的人，极其困难。修改这种业务逻辑需要开发周期、QA（质量保证）、部署。

让我用我自己的经历举一个具体的例子。

在Doctrine，我们构建了一个法律研究工作流，帮助律师针对给定的法律问题找到相关的判例法。系统需要理解法律领域（民事与刑事与行政），将问题解析为可搜索的概念，跨多个法院数据库进行查询，按相关性和权威性对结果进行排序，并呈现正确的引证上下文。构建这个系统需要一个工程师和法律专家团队花费数年时间。业务逻辑分散在数千行Python代码、自定义排序算法和手动调整的相关性模型中。每一次修改都需要工程冲刺、代码审查、测试和部署。

在Fintool，我们有一个DCF估值技能（Skill）。它告诉LLM智能体如何进行现金流折现分析：收集哪些数据，如何按行业计算WACC（加权平均资本成本），验证哪些假设，如何运行敏感性分析，何时加回基于股票的薪酬。这是一个Markdown文件。 编写它花了一周时间。更新它只需几分钟。一位做过500次DCF估值的投资组合经理可以在不写一行代码的情况下编码他们的整个方法论。

多年的工程开发对决一周的写作。这就是转变。

而且不仅仅是速度。Markdown技能在重要方面表现更好。任何人都可以阅读它。它是可审计的。它可以针对每个用户进行定制（我们的客户编写他们自己的技能）。随着底层模型的改进，它会自动变得更好，而无需我们触碰一行代码。

业务逻辑正在从由专业工程师编写的代码迁移到任何具有领域专业知识的人都可以编写的Markdown文件。垂直软件公司花费十年建立的积累业务逻辑现在可以在几周内被复制。工作流护城河正在极快地受到侵蚀。

3. 公共数据访问（Public Data Access）→ 商品化

垂直软件价值主张的很大一部分是让难以获取的数据变得易于查询。FactSet让SEC（美国证券交易委员会）备案文件可搜索。LexisNexis让判例法可搜索。这些是真正的服务。SEC备案文件在技术上是公开的，但试着阅读一份原始HTML格式的200页10-K年报看看。各公司的结构不一致。会计术语晦涩难懂。提取你需要的实际数字需要解析嵌套表格、跟踪脚注引用、调节重述的数据。

在LLM之前，访问这些公共数据需要专门的软件和大量的工程支撑结构。像FactSet这样的公司构建了数千个解析器，针对每种备案类型、每家公司独特的格式。随着格式的变化，成群的工程师维护着这些解析器。将原始SEC备案文件转化为可查询数据的代码曾是真正的竞争优势。

在Doctrine，这也是大量的工作。我们为不同的判例法构建了NLP（自然语言处理）管道：用于提取法官、法院、法律概念的命名实体识别（NER）。专门的机器学习模型按法律领域对判决进行分类。为每个法院定制解析器，每个都有自己的格式怪癖。我们有工程师花了数年时间构建和维护这个支撑结构。这是真正令人印象深刻的技术，也是真正的护城河，因为复制它意味着数年的工作。

在Fintool，我们没有构建任何这些东西。零NER。零自定义解析器。零行业特定分类器。为什么？因为前沿模型已经知道如何浏览10-K年报。它们知道家得宝（Home Depot）的股票代码是HD。它们理解GAAP（公认会计准则）和非GAAP收入的区别。它们可以在不被教导模式的情况下解析分部披露的嵌套表格。Doctrine花费数年构建的解析基础设施现在是一种商品能力，随模型免费提供。

LLM让这一切变得微不足道。 前沿模型已经从它们的训练数据中知道如何解析SEC备案文件。它们理解10-K的结构，在哪里找到收入确认政策，如何调节GAAP和非GAAP数据。你不需要构建解析器。模型就是解析器。喂给它一份10-K，它可以回答关于它的任何问题。喂给它联邦判例法的整个语料库，它可以找到相关的先例。

垂直软件花费数十年构建的解析、结构化和查询现在是基础模型本身内置的商品能力。数据并非一文不值。但是“使其可搜索”这一层——这曾是大量价值和定价权所在的地方——正在崩溃。

4. 人才稀缺性（Talent Scarcity）→ 倒置

构建垂直软件需要既懂领域又懂技术的人。找到一个既能写生产级代码又能理解信用衍生品结构如何运作的工程师极其罕见。这种稀缺性造成了天然的进入壁垒，历史上限制了任何垂直领域的有力竞争者数量。

LLM完全翻转了这条护城河。

在Doctrine，招聘是残酷的。我们不仅需要优秀的工程师。我们需要能理解法律推理的工程师：先例如何运作，管辖权如何相互作用，向最高法院上诉的理由是什么样子的。这些人几乎不存在。所以我们自己培养。每周，我们举行内部讲座，由律师教工程师法律体系实际上是如何运作的。一名新工程师需要几个月才能具备生产力。人才稀缺是真正的障碍，不仅对我们，对任何试图与我们竞争的人也是如此。

在Fintool，我们不做任何这些事。我们的领域专家（投资组合经理、分析师）直接将他们的方法论写入Markdown技能文件。他们不需要学习Python。他们不需要理解API。他们用简单的英语写下一个好的DCF分析是什么样子的，LLM就会执行它。工程部分由模型处理。领域专业知识，这个曾经丰富的资源，现在可以直接转化为软件，而没有工程瓶颈。

LLM使工程变得唾手可得，这意味着稀缺资源（领域专业知识）在转化为软件的能力上突然变得丰富了。这就是为什么进入壁垒崩溃得如此剧烈。

5. 捆绑销售（Bundling）→ 削弱

垂直软件公司通过捆绑相邻能力来扩张。彭博从市场数据开始，然后增加了消息传递、新闻、分析、交易和合规。每一个新模块都增加了切换成本，因为客户现在依赖整个生态系统，而不仅仅是一个产品。标普全球以440亿美元收购IHS Markit正是这种策略。捆绑包变成了护城河。

在Doctrine，捆绑是增长策略。我们从判例法搜索开始，然后增加了立法、法律新闻、警报，然后是文档分析。每个模块都有自己的UI，自己的入职流程，自己的客户工作流。我们构建了精心制作的仪表板，律师可以在其中配置观察列表，设置特定法律主题的自动警报，管理他们的研究文件夹。每个功能都意味着更多的设计工作、更多的工程、更多的UI表面积。捆绑包将客户锁定，因为他们已经围绕我们的生态系统建立了整个工作流。

LLM智能体打破了捆绑护城河，因为智能体本身就是捆绑包。 在Fintool，警报是一个提示词（prompt）。观察列表是一个提示词。投资组合筛选是一个提示词。每个功能没有单独的模块。没有需要维护的UI。客户说“当我的投资组合中的任何公司在财报电话会议中提到关税风险时提醒我”，它就能工作。智能体在一个单一工作流中协调十个不同的专用工具。它可以从一个来源提取市场数据，从另一个来源提取新闻，通过第三个来源运行分析，并编译结果。用户从不知道也不在乎查询了五个不同的服务。

当集成层从软件供应商转移到AI智能体时，购买捆绑包的动力就蒸发了。当智能体可以为每种能力挑选最好（或最便宜）的提供商时，为什么要为整个套件支付彭博的溢价？

这并不意味着捆绑销售一夜之间消亡。管理十个供应商关系与一个相比，其运营复杂性是真实的。但方向性的压力是明确的：智能体使“解绑”（unbundling）以以前不可能的方式变得可行。

6. 私有和专有数据（Private and Proprietary Data）→ 更强

一些垂直软件公司拥有或许可其他任何地方都不存在的数据。彭博收集全球交易台的实时定价数据。标普全球拥有信用评级和专有分析。邓白氏（Dun & Bradstreet）维护着5亿多个实体的商业信用档案。这些数据是几十年来收集的，通常通过排他性关系。你不能抓取它。你不能重建它。

如果你的数据真的无法被复制，LLM会让它更有价值，而不是更少。

彭博来自交易台的实时定价数据？无法被抓取。无法被合成。无法从第三方获得许可。在LLM世界中，这些数据成为每个智能体都需要的稀缺输入。彭博在专有数据上的定价权实际上可能会增加。

标普全球的信用评级也是类似的。信用评级不仅仅是数据。它是由受监管的方法论和数十年的违约数据支持的意见。LLM无法发布信用评级。标普可以。

测试很简单：这些数据能被其他人获取、许可或合成吗？如果不能，护城河依然存在。如果能，你就麻烦了。

我在两家公司都看到了这一点的演变。当我们创办Doctrine时，核心价值是用行业特定的支撑结构层组织公共判例法：分类法、引证网络、相关性排名。但团队很早就意识到，仅靠公共数据是不够的。

大约五年前，Doctrine开始构建一个独家内容库：专有的法律注释、编辑分析、其他任何地方都不存在的精选评论。今天，这个库真的很难复制，它已成为真正的护城河。再加上全面转向LLM，Doctrine现在发展得如火如荼！

能在这种转变中生存下来的公司，是那些从“我们更好地组织公共数据”转向“我们拥有你在别处无法获得的数据”的公司。

变化在于：那个智能层过去需要多年的工程开发。现在它是随模型而来的一种能力。甚至数据访问本身也正在被商品化。

MCP（模型上下文协议）正在将每个数据提供商变成一个插件。数十家公司已经作为MCP服务器提供金融数据，任何AI智能体都可以查询。当你的数据可以作为Claude插件使用时，“使其可访问”的溢价就消失了。

讽刺的是，LLM加速了这种分化（bifurcation）。拥有专有数据的公司赢得更大。没有专有数据的公司失去一切。

如果你的数据不是真正独特的——比如它可以被获取、许可或在别处合成——你就不安全。你面临商品化的风险。AI智能体将拥有与客户的关系。它是用户交互的界面，是他们信任的品牌，是他们付费的产品。你变成了智能体的供应商，而不是客户的供应商。

这就是聚合理论（Aggregation Theory）的实时上演：聚合者（智能体）捕获用户关系和利润，而供应商（数据供应商）为了喂养平台而在价格上竞争。如果彭博、FactSet和十几个较小的提供商都提供类似的市场数据，智能体将路由到最便宜的那个。你的定价权蒸发了。你的利润率被压缩。你变成了别人产品的商品化输入。

7. 监管和合规锁定（Regulatory and Compliance Lock-in）→ 结构性稳固

在医疗领域，Epic的主导地位不仅仅关乎产品质量。它关乎HIPAA（健康保险流通与责任法案）合规性、FDA（食品药品监督管理局）认证，以及医院必须忍受的18个月实施周期。更换EHR（电子病历）供应商是一个耗时多年、耗资数百万美元的项目，实际上会危及患者安全。在金融服务领域，合规要求创造了类似的锁定。审计追踪、监管报告、数据保留政策。所有这些都烘焙在软件中。

HIPAA不在乎LLM。FDA认证不会因为GPT-5的存在而变得更容易。SOX（萨班斯-奥克斯利法案）合规要求不会因为Anthropic发布了一个新插件而改变。

Epic在医疗EHR领域的主导地位从根本上说是一个监管护城河。18个月的实施周期，合规认证，与医院计费系统的集成。这些都不会受到LLM的影响。

事实上，监管要求可能会恰恰在合规锁定最强的垂直领域减缓LLM的采用。医院不能用LLM智能体替换Epic，因为LLM智能体没有通过HIPAA认证，没有所需的审计追踪，也没有经过FDA验证用于临床决策支持。

8. 网络效应（Network Effects）→ 粘性

一些垂直软件随着更多行业参与者的使用而变得更有价值。彭博的消息功能（IB chat）是华尔街事实上的通信层。如果每个交易对手都使用彭博，你就必须使用彭博。不是因为数据。是因为网络。

LLM不会打破网络效应。如果有的话，它们可能会使通信网络更有价值。流经这些网络的信息变成了训练数据、上下文、信号。

这同样适用于任何在行业内充当通信层的垂直软件。Veeva在制药公司之间的网络效应。Procore在建筑利益相关者之间的网络效应。这些具有粘性，因为价值来自于平台上还有谁，而不是来自于界面。

9. 交易嵌入（Transaction Embedding）→ 持久

一些垂直软件直接位于资金流中。餐馆的支付处理。银行的贷款发放。保险公司的索赔处理。当你嵌入交易中时，切换意味着中断收入。没有人会自愿那样做。

如果你的软件处理支付、发放贷款或结算交易，LLM不会去中介化（disintermediate）你。它可能会作为一个更好的界面位于你之上，但轨道本身仍然至关重要。

Stripe并未受到LLM的威胁。FIS或Fiserv也没有。交易处理层是基础设施，不是界面。

10. 记录系统地位（System of Record Status）→ 长期受威胁

当你的软件是关键业务数据的权威真相来源（canonical source of truth）时，切换不仅仅是不便。它是存在性风险。如果数据在迁移过程中损坏怎么办？如果历史记录丢失怎么办？如果审计追踪中断怎么办？

Epic是患者数据的记录系统。Salesforce是客户关系的记录系统。这些公司受益于留下的成本（高额费用）与离开的成本（潜在的数据丢失、运营中断）之间的不对称。

LLM今天并不直接威胁记录系统的地位。但智能体正在悄悄地建立它们自己的记录系统。

正在发生的事情是：AI智能体不仅仅查询现有系统。它们读取你的SharePoint、你的Outlook、你的Slack。它们收集关于用户的数据。它们编写详细的记忆文件，这些文件在会话之间持久存在。当它们执行关键操作时，它们存储该上下文。随着时间的推移，智能体积累的用户工作图景比任何单一记录系统都更丰富、更完整。

智能体的记忆变成了新的真相来源。不是因为任何人计划这样做，而是因为智能体是看到一切的那一层。Salesforce看到你的CRM数据。Outlook看到你的邮件。SharePoint看到你的文档。智能体看到这三者，并且记得。

这不会一夜之间发生。但在方向上，智能体正在从头开始构建它们自己的记录系统。随着智能体上下文记忆的增长，传统记录系统的护城河在减弱。

最终结果：准入门槛降低

把所有这些加起来。五个护城河被摧毁或削弱。五个保持稳固。但那些破裂的护城河正是将竞争对手拒之门外的那些。那些保持稳固的护城河是只有部分现有巨头才拥有的。

在LLM之前，建立一个彭博或LexisNexis的可靠竞争对手需要数百名懂领域的工程师、数年的开发时间、大规模的数据许可交易、能向保守企业销售的销售团队以及监管认证。结果：大多数垂直领域只有2-3个真正的竞争对手。

在LLM之后，一个小团队利用前沿模型API、领域专业知识和良好的数据管道，可以在几个月内构建出一个能处理垂直软件80%功能的产品。我知道这一点，因为我已经做到了。Fintool是由一个六人团队建立的。我们服务于以前完全依赖彭博和FactSet的对冲基金。不是因为我们有更好的数据。而是因为我们的AI智能体比那个需要多年培训才能掌握的终端/工作站能更快、更直观地提供答案。

关键的洞察是，竞争不是线性增加的——它是组合式爆发（explodes combinatorially）。你不是从3个现有者变成4个。你是从3个变成300个。这就是摧毁定价权的原因。在LLM之前，每个垂直领域有2-3个主导玩家，因为进入壁垒不可逾越，所以它们拥有溢价能力。当50家AI原生初创公司能以20%的价格提供80%的能力时，这个数学逻辑完全改变了。

关键：这是一个多年的过渡，而非一夜之间的崩溃

这就是我认为市场在时间判断上出错的地方，即使方向是对的。

企业收入不会一夜之间消失

FactSet的客户签订的是多年合同。彭博终端合同通常至少2年。这些合同不会因为Anthropic发布了一个插件就蒸发。

企业采购周期是以季度和年来衡量的，而不是天。一家500亿美元的对冲基金不会因为Claude可以查询SEC备案文件就明天拆除标普全球CapIQ。他们会在12-18个月内评估替代方案。他们会运行试点项目。他们会谈判合同条款。他们会等待现有合同到期。

收入悬崖是真实的，但它是一个斜坡，而不是悬崖。当前的收入在未来12-24个月内大部分已被锁定。

但市场已经理解的一点是：你不需要收入下降才会导致股价崩盘。你需要的是估值倍数（multiple）压缩。一家金融数据公司在拥有定价权和95%留存率时可能以15倍营收交易，而当市场认为这两者都在受到侵蚀时，可能以6倍营收交易。收入持平。股价下跌60%。这正是目前发生在一些公司身上的事情。

市场并不是在为收入崩溃定价。它是在为溢价倍数的终结定价，因为证明该倍数合理的护城河正在溶解。

真正的威胁

真正的威胁不是LLM本身。它是垂直软件现有巨头没有预见到的钳形攻势（pincer movement）。

从下看，数百家AI原生初创公司正在进入每一个垂直领域。当构建一个可靠的金融数据产品需要200名工程师和5000万美元的数据许可时，市场自然整合成3-4个玩家。当它需要10名工程师和前沿模型API时，市场剧烈碎片化。竞争从3变成300。

从上看，横向平台（Horizontal platforms）正首次深入垂直领域。Excel内部的Microsoft Copilot现在可以进行AI驱动的DCF建模和财务报表解析。Word内部的Copilot可以进行合同审查和判例法研究。横向工具通过AI变得垂直化，而不是通过工程。

Anthropic正从另一个方向做同样的事情。我正在近距离观察，因为Fintool是一家Anthropic支持的公司。Claude正在全力投入垂直领域。剧本简单得可怕：一个通用的智能体线束（SDK），可插拔的数据访问（MCP），以及领域特定的技能（Markdown文件）。就是这样。这就是你从横向走向垂直所需的整个技术栈。没有领域工程师。没有多年的开发。

软件正在变得无头化（headless）。界面消失了。一切都流经智能体。重要的不再是软件。而是拥有客户关系和用例，这意味着拥有智能体本身。

实现垂直深度（LLMs + Skills + MCP）的技术，正是让横向平台终于能够在它们以前无法触及的领域竞争的技术。这或许是垂直软件面临的最具存在性的威胁：像微软这样的横向B2B玩家不再只是涉足垂直领域，它们正在积极地扩展进入，因为现在比以往任何时候都更容易，而且因为它们需要拥有用例和工作流，以在AI优先的世界中保持相关性。

风险评估框架

并非所有垂直软件都面临同样的风险。以下是我如何思考哪些类别能生存，哪些不能。

高风险：搜索层（The Search Layer）

如果你的主要价值是通过专门的界面使数据可搜索和可访问，且底层数据是公开的或可许可的，你就处于严重的麻烦中。这包括建立在许可交易所数据之上的金融数据终端、建立在公共判例法之上的法律研究平台、专利搜索工具，以及任何产品本质上是“我们为你行业的数据建立了一个更好的搜索引擎”的垂直领域。

这些公司曾以15-20倍的营收交易，因为界面锁定和有限的竞争。这两者都在蒸发。想想那些在过去一年中市值损失了40-60%的金融数据提供商。市场重新给它们定价是对的。

中等风险：混合投资组合（The Mixed Portfolio）

许多垂直软件公司拥有防御性和暴露性业务线的混合体。一家公司可能拥有真正专有的评级业务，同时也拥有一个主要重新包装公共信息的数据分析部门。或者一个指数许可业务（嵌入交易中，非常具有防御性）旁边有一个研究平台（纯搜索层，非常暴露）。

这一类别的股价下跌（20-30%）反映了市场对哪部分业务主导估值的不确定性。关键问题是：有多少百分比的收入来自LLM无法触及的护城河？

低风险：监管堡垒（Regulatory Fortresses）

如果你的护城河是监管认证、合规基础设施以及与关键任务工作流的深度集成，LLM在中期内几乎与你的竞争地位无关。拥有HIPAA合规和FDA验证的医疗EHR系统。具有监管锁定的生命科学平台。金融合规和报告基础设施。

这些公司甚至可能受益于其他地方的AI颠覆，因为客户会围绕他们信任的受监管工作流供应商进行整合，同时从他们用于信息检索的供应商那里转出。

测试

对于任何垂直软件公司，问三个问题：

1. 数据是专有的吗？ 如果是，护城河稳固。如果不是，可访问性层正在崩溃。

2. 有监管锁定吗？ 如果有，LLM不会改变切换成本方程。如果无，切换成本主要是界面驱动的，并且正在溶解。

3. 软件嵌入在交易中吗？ 如果是，LLM位于你之上，而不是取代你。如果不是，你是可替换的。

零个“是”：高风险。一个：中等风险。两个或三个：你可能没事。

我在两端建设中学到了什么

当我从2016年开始构建Doctrine时，护城河之一是界面。我们在判例法和立法之上构建了漂亮的搜索体验。律师们喜欢它，因为它比市场上的任何其他东西都更快、更直观。大部分数据是公开的，但我们的界面和搜索使其可访问。如果我今天从头开始构建Doctrine，该业务将面临根本不同的竞争格局。LLM智能体可以像我们的界面一样有效地查询判例法。

垂直SaaS的清算并不是关于所有垂直软件的消亡。它是关于市场终于开始区分那些拥有真正稀缺资源的公司，和那些在LLM智能体面前无险可守的公司。

本文来自华尔街见闻，欢迎下载APP查看更多

不过，摩根大通交易台在2月17日的最新报告中认为，这种极端的情绪宣泄已接近尾声，该团队正通过逆向布局被错杀的软件股、对“AI干扰免疫”的资产来把握即将到来的反弹机会：

“尽管短期市场格局未变，但“AI替代论”的叙事已接近尾声，这意味着大型科技股的抄底窗口已经打开。”

市场在多个行业反应过度

摩根大通仓位情报团队观察到，当前美股市场上，半导体板块的仓位拥挤度高达+4倍标准差（+4z），而软件板块则深陷-3.5倍标准差（-3.5z）的低谷，两行业的仓位差异已达到历史极值。

年初至今，做多半导体做空软件的回报率已高达约34.9%。这种撕裂源于投资者的一种线性思维：AI算力是唯一的赢家，而传统软件将被彻底颠覆。

而在最新的报告中，摩根大通各行业分析师对这场AI抛售潮进行了深度拆解，结论显示市场在多个领域存在明显的反应过度：

1. 软件行业：难以证伪的“负面逻辑”

分析师Mark Murphy指出，当前的困境在于软件公司很难“自证清白”——即证明AI在未来几年不会颠覆它们。尽管行业增长因宏观经济放缓而减速，但考虑到估值已大幅回撤，建议投资者采取“哑铃策略”：一方面配置具有强劲自由现金流（FCF）支撑的顶级软件公司，另一方面规避估值过高的标的。

2. 财富管理与生命科学：利润扩张 vs. 近期风险

上周大型银行股（JP2LBK指数）下跌6%，并购经纪商更是大跌7%。然而，基本面反馈却截然相反：贷款增长良好，并购和IPO管道强劲。分析师Rob O’Dwyer认为，市场低估了“人际关系”在理财中的价值。事实上，对于财富管理机构而言，AI更可能是提升利润率的工具，而非取代客户关系的杀手。

来到生命科学工具领域，这是目前风险较为明确的领域。CRO企业（如MEDP）已承认，制药客户内部利用AI提升生产力，可能会减少对外包服务的需求。这可能是少数几个AI负面逻辑成立的板块之一。

3. 物流运输：AI“去中介化”的恐慌

物流板块是近期AI恐慌的重灾区。因竞争对手Algorhythm Holdings宣布其AI平台SemiCab能大幅提升货运调度效率（一名操作员可管理2000笔订单，是传统经纪人的4倍），导致美国货运巨头CHRW股价暴跌25%，并拖累DSV、DHL等全球同行下跌约10%。

摩根大通分析师Alexia Dogani对此持怀疑态度。她指出，货运代理涉及复杂的物理基础设施整合，目前的数字化程度极低。AI虽然能提升效率，但短期内无法跨越物理障碍实现完全的“去中介化”。

4.日本市场：AI短期不会取代外包

同样的逻辑也适用于日本IT服务市场。

分析师Matthew Henderson指出，日本大型企业极度依赖系统集成商（SIers），且面临严重的人才短缺。在这种结构性僵局下，AI非但不会取代外包，反而会成为缓解人才短缺、提升SIers利润率的利器。

抄底软件股？

摩根大通交易团队在报告中写道，尽管短期市场格局未变，但“AI替代论”的叙事已接近尾声，这意味着大型科技股的抄底窗口已经打开。该团队具体建议的交易策略如下：

1. 核心主题：继续看好AI/TMT、全球增长重启、国际市场机遇以及美元贬值交易。

2. 对冲风险：建议做多原油和能源股以对冲地缘政治风险；购买波动性（Vol）；做空动量因子（Momentum）。

3. 自身操作：交易台正在执行多头策略，做多一篮子“被严重错误定价且对AI干扰具有免疫力”的股票

本文来自华尔街见闻，欢迎下载APP查看更多

美联储理事Michael Barr周二在纽约发表讲话时表示，他预计AI繁荣不太可能成为降低政策利率的理由。他指出，资本需求和家庭储蓄等因素可能对利率形成上行压力。

旧金山联储主席Mary Daly当天也表示，在"标准模型"下，AI引发的生产力增长加速将导致更高的中性利率，因为投资需求将相对于储蓄供给上升。

这一分析对于期待降息的投资者构成挑战。根据期货市场定价，投资者目前预计美联储在今年年中前不会降息。美联储在2025年降息三次后，已于今年1月会议上按兵不动，基准利率维持在3.5%至3.75%区间。

美联储官员对AI与利率关系的判断，与白宫及其美联储主席提名人沃什的观点截然不同。特朗普总统持续向美联储施压要求降低借贷成本。沃什则呼应政府官员观点，认为AI可能释放生产力繁荣，从而实现非通胀性增长，并伴随更低的利率。

但联储内部正形成不同看法。美联储副主席Philip Jefferson在2月6日的讲话中就已提出，在其他条件不变的情况下，生产力增长的持续增加可能导致中性利率上升，至少是暂时性的。

随着总统鲍威尔任期将于5月到期，AI与生产力问题今年料将在利率辩论中占据愈发重要的地位。

Barr在讲话中详细阐述了AI可能推高利率的几个原因。他指出，利用这项技术需要强劲的企业投资，将导致资本需求上升，从而对利率形成上行压力。

此外，由于对实际工资增长更强劲以及终身收入更高的预期，家庭储蓄可能下降，这也会对利率形成上行压力。

Mary Daly在加州圣何塞的活动后对记者表示，因为投资需求相对于储蓄供给会上升，AI引发的生产力增长加速在"标准模型"下会要求更高的中性利率。不过她也承认，任何分析都远非明确。"也许它会让中性利率小幅上升，"她说，"我们需要对中性利率的影响保持一定谦逊。"

美联储在过去一年半累计降息175个基点，此前曾在 2022 年和 2023 年累计加息超过500个基点。目前多位官员认为当前利率水平已接近经济的中性水平，并将此作为放缓或停止降息的理由。

期货市场显示，投资者目前预计美联储在今年年中前不会再次降息。这一预期与联储官员对AI影响的最新判断相呼应，暗示货币政策可能在相当长时间内保持当前立场。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 黄昱

编辑 | 松壑

当2026年马年春晚的舞台灯光彻底落下，这场被网友戏称为“史上最硬核”的春晚，以魔法原子、银河通用、宇树科技、松延动力四家国产机器人企业的集体亮相，写下了极具未来感的注脚。

这一夜，宇树科技的G1与H2人形机器人在武术节目《武 BOT》中手持长棍，与塔沟武校的少年们同台竞技，醉拳、双截棍行云流水，红袍舞剑更显侠气 ；松延动力的仿生机器人化身“机器人孙子”，在小品《奶奶的最爱》里依偎着蔡明撒娇耍宝，脖子延伸、变钱翻跟头的绝技频出 ；魔法原子的MagicBot系列穿梭于主会场《智造未来》，与陈小春、言承旭、罗嘉豪、易烊千玺等艺人同台演绎 ，其机器狗与人形机器人还现身宜宾分会场《立上游》，在表演中与熊猫互动，增添了不少科技趣味 ；银河通用作为本届春晚指定具身大模型机器人，其Galbot G1则在贺岁微电影《我最难忘的今宵》中秀出一段贯口，惊艳四座 。

从2025年宇树科技凭借《秧BOT》单枪匹马“破圈”，到2026年四家厂商分据不同节目、各展所长，这场发生在亿万人眼前的“全明星卡位赛”，正是中国人形机器人行业过去一年狂奔的缩影。

当机器人从实验室的演示台，走上春晚的国民级舞台，这场科技界的顶级豪赌，也迎来了从技术叙事向商业现实跨越的关键节点。

在这场被称作“亿元俱乐部”的盛宴中，每一家登台的企业都试图在数亿观众面前锚定自己的身位，将国民级的知名度转化为商业版图上的胜率。但热闹的聚光灯背后，高昂的春晚“门票”与尚未爆发的真实交付量之间，正形成一种微妙而危险的反差。

这一轮人形机器人的“狂奔”，不仅是一场技术维度的展示秀，更是一场从实验室走向“预算表”的战略迁移。行业真正争夺的，不再是谁的关节更灵活，谁能完成更高难度的空翻，而是谁能被写进大客户的年度资本支出清单。

正如金沙江创投管理合伙人朱啸虎此前曾“掀翻桌子”式质问：“谁会花十几万买一个机器人去干这些活？”

这个问题，在2026年的初春，正在成为全行业的必答题。

1 曝光的选择

过去的一年，人形机器人行业经历了一场从实验室演示到真实场景应用和批量交付的加速跑。对于春晚，每家公司的行业身位和自身发展定位也决定了其不同的期待。

四家登台企业在春晚落幕后的官方表态，更是精准契合了各自的赛道定位。

宇树科技作为春晚三朝元老，在2月16日深夜发布官方推文称，此次携G1与H2人形机器人献上全球首次全自主人形机器人集群武术表演，马年秀出“赛博真功夫”，一举突破运动性能极限，刷新多个全球第一次，包括全球首次连续花式翻桌跑酷、弹射空翻高度超3米、单脚连续空翻+两步蹬墙后空翻、Airflare大回旋七周半，以及最快4m/s的集群快速跑位，还搭载全新自研灵巧手，实现武术道具的快速更换与稳定抓持。

其还透露，此次表演采用高并发集群控制系统与自研AI融合定位算法，结合3D激光雷达实现精准定位，攻克运动误差累计难题，宇树科技还明确表示，2025年其人形机器人出货量超5500台，该数据高于此前市场研究机构的预测。

银河通用与宇树科技作为估值超百亿的第一梯队，更多是在提升资本市场影响力，为即将到来的上市潮积累势能。

银河通用在2月17日表示，旗下机器人“小盖”在春晚上完成的贯口表演，展现了具身大模型的交互能力。

据其官方解读，该机器人还具备盘核桃、捡玻璃碎片、叠衣服、串烤肠等精细化操作的技术实力，均实现端到端自主感知、自主决策、自主执行，区别于传统机器人的预编程表演。

银河通用还详解了盘核桃的技术难点——核桃表面不规则、受力点实时变化，机器人需先在虚拟世界反复练习，再在现实中纠偏积累“物理手感”，才能实现精准操作。

银河通用相关负责人此前透露，本届春晚中，该公司机器人重点突出了“能干活”的一面，背后更大意义在于，能干活就意味着商业化落地的机会。

松延动力与魔法原子等估值在30亿元左右的第三梯队，则更像是期待借春晚把自己“推到离一线更近的位置”，试图在行业洗牌期到来前确立市场坐标。

松延动力在2月16日深夜的官微推文中表示，此次携独家定制版仿生人形机器人登台，与蔡明完美配合完成小品表演 ，为适配舞台复杂调度，公司在一个多月内完成全产品快速技术迭代，舞台上的仿生机器人实现了近乎真人的面部神态与流畅动作。

松延动力强调，仿生机器人并非“实验室产品”，2025年其仿生人脸产品已落地商业导览等场景，公司也是业内为数不多能批量生产仿生人形机器人的企业，此次春晚表演是推动国产人形机器人走向家庭、释放消费级需求的突破性尝试。

魔法原子则在官方表态中称，公司是本届春晚舞台唯一兼具“秀表演”与“能干活”的机器人企业，完成了高密度技术首秀：主会场8台人形机器人助力《智造未来》表演 ，宜宾分会场《立上游》节目中，其机器狗MagicDog与人形机器人MagicBot Z1、Gen1也惊喜现身，增添了不少科技趣味 。其表示，多场景、多机型的同步亮相，是对产品一致性、控制架构与工程可靠性的集中检验，是群体智能的具象呈现。

本届春晚的舞台效应，给出了最直接的市场反馈。

据京东17日发布的数据，马年春晚开播两小时（2月16日20:00-22:00），平台机器人搜索量环比增长超300%，客服问询量增长460%，订单量增长150%，新增订单覆盖全国100多座城市 ；除夕当晚京东上架的“春晚同款”机器人，几分钟内便被快速抢购，魔法原子、宇树科技、松延动力等品牌产品悉数售罄，两台价值近63万元的GALBOT通用机器人G1也被抢购 。

春晚虽然展现了这些机器人的能力，将机器人再次推向热搜，但一个现实情况是，目前人形机器人发展尚处于早期阶段。过去人形机器人频繁出现在各大展会，但生活中的实际落地场景似乎还不多。

对于中小型初创公司来说，如何在高昂的营销费用与核心技术的研发投入之间寻找平衡，是一个决定生死的抉择。在不少公司CEO看来，与其在电视屏幕上表演遥控下的舞蹈，不如将钱发给研发人员，在工厂里实实在在地干出点活来。

有一家深圳机器人公司内部人士对华尔街见闻表示，春晚筹备阶段相关人员也跟公司有过洽谈，但公司觉得费用还是太贵就没选择上。“上春晚的价格也是一直在变化的，当时跟我们深圳的四五个机器人企业聊得是，一起组队上春晚表演一个节目，一起承担一个亿，平均到每一家差不多也要两千多万了。”

在该人士看来，除了推广价格昂贵，其认为本届春晚难以复制上一年宇树取得的效果，因为2025年大众对人形机器人都有了一定认知，除非能拿出特别厉害的绝活让观众惊艳，否则登上春晚意义不大。

去年备受关注的智元机器人，也在春节前夕退出春晚竞逐。智元机器人相关负责人对华尔街见闻表示，放弃登春晚的核心原因，是企业预算将优先投向具身智能技术研发及产品迭代，暂不考虑大规模舞台曝光类投入。

另有接近创业机器人公司人士表示：“现阶段人形机器人企业在宣传上最看重的还是希望能被投资人看到，以及能带来直接的大客户订单，经过过去一年后，大众宣传带来的效益已经明显减弱了。”

2 订单与融资

2025年，人形机器人已凭借着跑马拉松、打拳击、踢足球等一次次别开生面的赛事，飞速刷新大众认知。与此同步的是，人形机器人的商业化也不断加速。

去年7月，智元机器人和宇树科技中标了中移（杭州）信息技术有限公司（中国移动全资持股）的人形双足机器人代工服务采购项目，总预算超1.2亿元。

国泰海通指出，本次采购招标落地是国内人形机器人行业商业化进程中的重要里程碑事件，当前人形机器人产业处于“从0到1”的关键阶段。

具有标杆性意义的订单，还出现了不少。

被称作“人形机器人第一股”的优必选在2025年9月份以一笔2.5亿的订单刷新全球人形机器人最大金额订单后，10月又中标“广西具身智能数据采集及测试中心设备采购及安装”项目，订单金额达1.26亿元。

人形机器人行业的火热不仅体现在舞台和多个大额订单上，还体现在企业的融资与上市节奏上。

根据IT桔子数据，截至2025年12月21日，超过600多家投资方“真金”加码具身智能，全年融资事件超304起、总融资额达到379亿元，分别是2024年的2.95倍、4.05倍，是2023年的7.24倍、4.37倍。

与此同时，人形机器人企业也迎来了上市热。宇树科技已于2025年11月完成IPO辅导，正冲刺A股“人形机器人第一股”；智元机器人通过收购上纬新材获得上市平台并完成管理层更迭；乐聚机器人、云深处等头部玩家也在加速推进上市进程。

3 量产之难

长期以来，人形机器人被视为通用人工智能（AGI）在物理世界的终极载体，但昂贵的研发成本与模糊的商业边界一直如影随形。这种局面在过去一年发生了根本性的逆转。

资本的疯狂涌入与产业政策的密集出台，将这个原本处于深水区的行业推向了聚光灯中心。但从2025全年的实际产能来看，人形机器人的规模化量产虽然明显起量，但还处于起步阶段。

Omdia发布的2025全年数据显示，全球人形机器人出货量约为1.3万台，是2024年的5倍还多。

但从具体企业的出货量来看，目前超过1000台的仅有三家，且全部来自中国，依次为智元机器人、宇树科技、优必选，对应出货量分别为5168台，4200台和1000台。

在当前阶段，出货量是每家公司都很看重的事情，市场第一的位置尤为重要。因此，对于最受关注的宇树而言，其对这份自己没有拿到第一位置的榜单也发出了质疑。

1月22日，宇树科技澄清表示，2025年全年其人形机器人实际出货量超过5500台，2025年本体量产下线超过6500台。

该公司还特别强调，这些数据均为纯人形机器人的数量，不包括双臂轮式等其他机器人产品。而在此次春晚表态中，宇树科技再次强调这一高于此前市场预测的数据。

对自己的积极“正名”，反映出2026年人形机器人企业已经迎来更为严苛的考验。

有机器人行业投资人士告诉华尔街见闻：“去年机器人行业很热闹，但更多是普及大众认知的一年，外界对这个行业也有很多不切实际的预期。今年市场已经转向客观和冷静，更考验企业的交付能力和产品稳定投入使用的能力。”

这种观点反映了市场在热潮之下的某种反思：如果没有真实的市场订单支撑，再华丽的春晚表演也只能是昂贵的“烟花”。

TrendForce集邦咨询指出，随着厂商迈向量产布局，寻找人形机器人的应用价值成为现阶段焦点，厂商发展重心已从单纯的软硬件研发转向实际应用场景的落地。

4 多元路径可能

人形机器人要真正从实验室走向在社会中的规模化商业落地，必须先回答好“谁来买单”的问题。

根据场景成熟度与客户账本逻辑，当前人形机器人企业的商业化路径大致可以分为四条，而本届春晚四家企业的技术展示与官方表态，也勾勒出行业多元化商业化的探索方向。

首先是制造业领域的“进厂”逻辑，这是目前确定性最高、落地最快的路径。

在汽车制造、3C电子及仓储物流等环境高度可控的工厂内，人形机器人正逐步从“参观项目”变为“生产劳动力”。核心逻辑在于解决高价值工位上的劳动力缺口，任务涵盖了精密的零部件装配、物料搬运以及对精度要求苛刻的质量检测。

以优必选、宇树科技、智元机器人、智平方和海外的Figure AI、特斯拉等为代表，都将工业场景作为商业化的重点。宇树科技此次春晚展示的高运动性能、集群协同能力与灵巧手技术，正是工业场景落地的核心技术支撑。

有人形机器人相关的投资者告诉华尔街见闻，这一路径的商业闭环完全建立在严苛的ROI（投资回报率）考核之上。

工厂CFO们并不会为“高科技感”买单，他们只看每小时的综合运营成本是否能低于人工成本，因此在采购上的主流模式仍是“试用+小批量验证”，远未到大规模采购的阶段。

在服务业领域，进入政商服务、零售、导览、酒店文旅、教育等公共空间，这是当前人形机器人商业化的第二条路径。同时在人形机器人当前的水平下，相较于进入工厂，这条路径也更具有可行性。

这种路径更具技术溢价和营销价值，通过“科技感”吸引流量，并完成简单的业务闭环。部分企业已推出针对性方案，实现在复杂人流环境下的平稳作业与智能互动。松延动力的仿生人形机器人落地商业导览、银河通用机器人的生活化服务操作，均是该路径的核心探索。

不过，由于人形机器人整机单价依然高企，为了推动在公共空间的规模化使用，一些企业也在探索商业模式灵活多样：除了直接销售，还可通过项目制、租赁、RaaS订阅、IP联名等多种方式变现。

典型代表包括，智元机器人推出的“擎天租”平台，采用RaaS（机器人即服务）模式，依托平台中的多元品牌机器人，以及智元机器人在拟人交互、多任务执行和稳定运行等方面形成的交付能力。该类方案容易适配企业年会、商业促销、展览展示、文旅活动等多类高频、短周期的商业与公共场景。

擎天租平台数据显示，上线三周后，擎天租注册用户数已突破20万，日均租赁订单稳定在200单以上。

将人形机器人可适用的服务场景进行明确的模块化划分，也是当前厂商的重要商业化尝试。通用机器人企业智平方在去年底推出了具身智能服务空间“智魔方”，目前包括四大独立功能模块：咖啡、冰淇淋、娱乐、零售。如今已在北京、深圳等地落地应用。

未来三年，智平方计划在全国落地1000个智魔方，覆盖景区、商业街区、公园、文博场馆等典型文商旅场景。一名智平方内部人士告诉华尔街见闻：“智魔方推出的效果很好，甚至有些超出我们的预期，这种模块化的具身智能服务之前谁也没做过，一经推出很受大众欢迎，各地很买单，最近陆陆续续又有几十个智魔方订单。”

作为科研的用途，是当前商业化的第三条路径，主要面向高校、科研院所等，像宇树科技、智元机器人、星动纪元等，都将其作为战略重点或早期核心客户群。宇树科技的高运动性能机器人，成为科研领域的重要实验载体。

人形机器人的第四条商业化路径，则是瞄准C端用户，终极愿景是将人形机器人送入千家万户。尽管这面临最复杂的物理环境和最严苛的成本挑战，但破冰行动已经开始。

目前，这一路径的尝试主要是在培养“极客与教育、娱乐”市场。在这一市场中人形机器人目前虽然难以承担繁重的家务，但已经展现出不错的吸金能力。

宇树科技和松延动力等是这一路径的主要参与者。

松延动力创始人、董事长姜哲源对华尔街见闻表示，人形机器人没能进入消费级，是因为技术达不到、模型泛化性不够，没法完成养老护理、家政等工作。松延动力此次春晚展示的仿生人形机器人，正是其向C端家庭场景探索的重要布局。

“我们发布小布米（去年10月推出，售价仅9998元）的想法是，如果人形机器人没办法完成这些工作，就先给人带来情绪价值，陪小孩、教小孩编程、学英语，这是短期能快速走进家庭的方向。”姜哲源说道。

5 爆发期尚远

人形机器人行业究竟距离真正的爆发点还有多远？

这个问题的答案或许不仅取决于技术白皮书上的参数，还取决于企业财务报表上的那一栏资本开支。

行业真正成熟的标志，需要它被正式写进企业的固定资产台账，与传统工业设备一并接受折旧审视。

去年小鹏的IRON人形机器人发布会上，何小鹏表示，如果IRON进厂打螺丝，频繁操作带来的高磨损度，几个月就要换一次手，而换一次的费用“可以雇用一个人工好几年”。

彼时，小鹏给IRON的“offer”是新车的代言人，并计划让其进入导览、导购、导巡等应用场景。

腾讯首席科学家、Robotics X实验室主任张正友认为，人形机器人的商业化远还没到“大哥大时代”，现在大部分是用来做数据采集、科研、导览等。他指出，无论是核心技术攻关，还是工程化落地的精进，要真正满足多元场景的高标准、严要求，使具身智能走进千家万户与生产服务一线，仍需付出巨大努力，持续在关键难点上寻求切实的突破。

有乐观者认为人形机器人的爆发会在2030年之前，但也有人认为要等到这之后。瑞银证券中国工业分析师王斐丽表示，一个关键节点是“电动汽车时刻”，即技术瓶颈被攻克后，销量在5年内从100万台跃升至1000万台的爆发点。对于人形机器人，这个时刻在五年内“不太可能出现”。

要让人形机器人能真正去干活，行业普遍认为主要是具身智能的数据不足。姜哲源指出，目前数据规模不够，很多地方政府、上市公司都在建具身智能训练场采数据反映出目前是严重的数据荒时代，2026年数据短缺也没有特别明显的改善。

智元机器人合伙人、高级副总裁、具身业务部总裁姚卯青也表示，智元现在最看重的就是能够让机器人尽可能多的进入一些真实场景，然后在真实场景里面去获取高质量的数据，这对机器人公司现在的技术路径来讲是最关键的一步。

此次春晚四家企业的舞台表演，也是机器人在真实复杂场景中积累数据、验证技术的重要过程。

即便行业爆发期还很远，但外界普遍认为2026年人形机器人行业已迎来规模大幅增长的起点。摩根士丹利将2026年中国人形机器人销量预测上调一倍至28000台，同比增长高达133%。摩根士丹利认为，这一增长趋势将持续加速，到2030年销量预计增至26.2万台，2035年更将达260万台。

IDC 预测，到 2026 年，中国人形机器人应用场景将提升至当前的3倍以上，市场规模将近13亿美元，同比增长翻倍以上。

具身智能的狂奔，本质上需要一场从技术叙事向经济叙事的转换。

2026年春晚的“机器人狂欢”，四家企业的技术突破与官方表态，勾勒出人形机器人商业化的不同路径，而春晚带来的市场热度与订单增长，也让行业看到了技术落地的真实可能。

在人形机器人被“利润表”托住之前，它更像是一场关于物理世界数字化的豪赌；而当它被写进CFO的固定资产台账后，它才真正从科技梦想落地为一门成熟的工业生意。

狂奔之下，脚踏实地。全球机器人产业化的“破晓时刻”已经越来越近了，没有人想要缺席，但谁能熬到预算表真正生效的那一天，才是最终的赢家。

本文来自华尔街见闻，欢迎下载APP查看更多

数据显示，段永平Q4共增持了六只股票，其中增持幅度最大的是英伟达，增持幅度第二大的股票是伯克希尔哈撒韦；同时，段永平也减持了五只股票，减持幅度最大的是苹果。

这位曾以重仓网易、茅台、苹果著称的价值投资大佬，正在用真金白银完成对人工智能时代的深度建仓。

“狂加”英伟达、“新入”CoreWeave、Credo和Tempus

文件显示，段永平在Q4一口气增持了663.93万股英伟达，持仓数量激增1110.62%，总持股数达到723.71万股，持仓市值跃升至13.5亿美元，将英伟达直接推升至其组合的第三大重仓股（占比7.72%）。

在重注“卖水人”英伟达之外，段永平还开仓了三家“新面孔”。虽然合计仓位占比仅约0.28%，但选股逻辑极为老辣，精准覆盖了AI产业链的算力、连接与应用三个关键节点：

• CoreWeave：算力租赁的“包租公”
  新进29.99万股。在所有巨头都在争抢GPU的当下，CoreWeave专门搭建高性能GPU集群，把算力租给AI公司和企业客户。这是一家典型的“卖铲子”公司，虽然面临重资产、高折旧的财务压力，但在算力紧缺周期内拥有极强的议价权。

• Credo Technology ：数据中心的“高速公路”
  新进14.13万股。如果说GPU是心脏，Credo提供的高速互联芯片和光模块就是血管。AI服务器集群对数据传输速度要求极高，段永平此举意在押注数据中心升级带来的确定性增量，这是一种与AI服务器迭代高度绑定的“伴生性投资”。

• Tempus AI：AI医疗的“落地实验”
  新进11万股。不同于前两者的硬件属性，Tempus致力于将AI应用于精准医疗，尤其是肿瘤领域。这是段永平在AI垂直应用层的尝试。不过，医疗行业监管严、周期长，虽然这代表了AI从“算力”向“生产力”转化的终极方向，但盈利能力仍在验证阶段，更像是一场耐力赛。

减持苹果，增持伯克希尔

在进攻AI的同时，段永平也对传统的“压舱石”进行了显著的再平衡。

Q4，苹果依然是其头号重仓股，持仓市值高达87.97亿美元，占比50.3%。然而，Q4期间他减持了247.06万股苹果，减持幅度达7.09%。这一动作可能源于对单一标的持仓过重的风险控制，也可能是为了腾挪资金加码AI。

与此同时，作为防御性资产的伯克希尔B 获得了大幅增持。段永平买入近198.5万股，增持幅度达38.24%，使其稳居第二大重仓股（占比20.63%）。这种“左手科技成长，右手价值防御”的结构，依然是其投资组合的基石。

此外，段永平还增持了谷歌、拼多多，并大幅减持了光刻机巨头阿斯麦（减持幅度87.63%），显示出他对不同科技巨头未来增长潜力的判断出现了分化。

本文来自华尔街见闻，欢迎下载APP查看更多

2月17日，据彭博社报道，McAfee向债券投资者透露，其第四季度初步营收为6.26亿美元，与上年同期基本持平。Rocket Software则披露2025年营收同比增长5.2%至约14亿美元。

这些提前披露的举动发生在软件行业面临剧烈动荡的背景下，AI技术的快速发展威胁将大量企业债务转化为负担。市场数据显示，提前披露业绩确实对稳定债务价格产生了一定效果。

McAfee约20亿美元的2030年到期无担保债券在2月9日升至85美分，高于前一周的79.5美分。Rocket Software约27亿美元的2028年到期定期贷款周二报价约为97美分。

McAfee借AI技术维持业绩稳定。

McAfee的业务依赖消费者网络安全订阅，该公司还告知贷款方，其第四季度调整后利润为2.92亿美元，同比下降1%。

据报道援引知情人士透露，该公司利用AI技术检测诈骗，此前第三季度调整后利润同比下降9%，主要受一次性营销投资和PC出货量增加的影响。

该公司约20亿美元的2030年到期无担保债券在初步业绩公布后一度回升，但此后再次下跌至今年低点附近，被持续的软件行业抛售潮卷入其中。

Rocket Software则展现增长势头。

Rocket Software作为Bain Capital支持的IT现代化公司，年度调整后利润从前一年的8.01亿美元增至8.5亿美元，年度经常性收入跃升6.3%至约11亿美元。

据报道援引知情人士透露，该公司发布财务业绩与其最近从OpenText收购Vertica分析数据库有关，该数据库为AI提供安全的信息管理。

除McAfee和Rocket Software外，Perforce Software也加入了提前披露的行列。

据报道援引知情人士透露，这家由Clearlake Capital和Francisco Partners支持的公司报告年度营收从2024年的6.54亿美元小幅下降至6.44亿美元。

在近期的电话会议上，Perforce管理层详细说明了通过将AI嵌入产品来推动销售的努力。

数据分析公司Cloudera虽然通常对财务信息保密，但也决定在其网站上发布声明突出其近期业绩表现。

这家由Clayton， Dubilier & Rice和KKR & Co.支持的公司表示，在2026财年第四季度实现强劲收尾，新业务和扩展业务同比增长超过50%，年度经常性收入实现稳健增长。

Cloudera的21.9亿美元2028年到期定期贷款报价约为94美分，高于1月30日的86.5美分。其5亿美元2029年到期二级贷款报价近78美分，高于上周的74美分。

软件行业正面临AI技术快速进步带来的根本性转变。市场对AI可能压垮严重依赖借贷的科技公司营收增长的担忧，引发了该行业债务的大规模抛售，这一现象被称为"SaaS末日"。

据报道，在一周时间内，陷入困境的软件贷款规模激增180亿美元。不过，许多私募贷款机构对该行业进行了辩护，认为有大量借款人将从AI中受益。

本文来自华尔街见闻，欢迎下载APP查看更多

2月17日，闪迪发布声明称，西部数据计划出售其持有的闪迪普通股，总额达3,085,774,648美元的普通股，但并未透露将出售多少股份。闪迪自身不会出售任何股份，也不会从此次发行中获得任何收益。

根据声明，西部数据计划进行债转股，即把闪迪股份与摩根大通证券和美银证券关联方持有的西部数据债务进行置换。交易完成后，这些关联方将作为售股股东，通过承销商在二级市场出售股份。

Evercore ISI分析师Amit Daryanani表示，这笔交易"实质性加速了西部数据的去杠杆化进程"，公司未来可能转向净现金状态。他指出，通过股票回购减少流通股数量，这笔交易有望在"中短期内"推动西部数据每股收益增长4%至6%。

这一举措在意料之中。此前1月29日的西部数据季度财报电话会议上，公司首席财务官Kris Sennesael表示，计划在2月24日分拆一周年前出售剩余的750万股闪迪股份。

根据去年向美国证券交易委员会提交的注册文件，西部数据必须在2月21日前完成股份出售以避免税务后果。消息公布后，闪迪盘后交易下跌约2%，扩大了日内跌幅，而西部数据股价基本持平。

对西部数据而言，此次股份出售将增强其资本配置灵活性。

Evercore ISI分析师Amit Daryanani指出，这笔交易使公司能够优先考虑股票回购、派息或战略再投资，同时巩固其向纯硬盘驱动器企业的转型，改善盈利质量并优化财务状况。

此前Sennesael在财报电话会议上明确表示，出售所得将用于进一步削减债务。这符合西部数据的长期战略，即专注于硬盘驱动器业务，彻底退出闪存市场。

根据去年2月24日完成的分拆协议，西部数据保留了一定数量的闪迪股份，但必须在一年内完成处置以满足税务和监管要求。

自去年2月分拆以来，闪迪股价已飙升超1500%，仅2026年就一度上涨近150%，位居标普500指数成分股涨幅榜首，西部数据则以65%的涨幅排名第三。

全球闪存短缺推动DRAM价格自去年9月以来持续上涨。但其需求与科技行业特有的繁荣与萧条周期密切相关，这种周期性特征使市场对其估值保持谨慎。

闪迪是基于NAND闪存技术的数据存储设备和解决方案的主要开发商、制造商和供应商。公司产品组合涵盖固态硬盘、嵌入式产品、存储卡、USB驱动器及晶圆和组件，服务于从消费者到大型企业和公共云的广泛客户群体。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

AI担忧仍存，美股日内显著震荡，标普500盘中一度下跌接近1%，尾盘回升，最终收涨0.1%。软件股ETF下挫2.2%。苹果涨超3%。甲骨文跌超3.8%。

美债收益率小幅上行。10年期美债收益率上涨1个基点，2年期上行超3基点、盘中一度跌至2022年7月以来的最低，随后反弹。

美元倒V走势，盘中曾涨近0.5%。英镑一度跳水约1%，英国失业率创五年新高，英国央行降息概率上升。

受亚洲市场春节休市影响，贵金属缺乏买盘支撑。黄金盘中下挫2.2%、失守4900美元关口。COMEX白银期货跌超5.7%，COMEX铜期货跌超2%。伊美就谈判“指导原则”达成一致，原油一度跌近3%。

要闻

中国

宇树机器人春晚武术表演再炸场，王兴兴：高动态高协同集群控制技术全球首秀。

海外

伊朗外长称伊美就谈判“指导原则”达成一致，布油一度跌近3%。伊朗谈判新策略曝光：与美联合开发油气田、矿区，采购美飞机，“让美国能快速获得高额经济回报”！

特朗普宣布5500亿美元日本投资正式启动，首批聚焦油气、发电、关键矿产。

Anthropic又“踢馆”！Sonnet 4.6操作电脑接近人类，性能堪比旗舰模型、定价仅1/5。

苹果加速开发三款新型可穿戴设备：AI眼镜、挂饰及摄像头版AirPods。

Meta加码英伟达，未来数年部署数百万颗芯片，首次采用Grace CPU。

西部数据抛售30亿美元的闪迪股票，盘后闪迪股价下挫2%。

伯克希尔Q4再抛苹果美银，猛砍亚马逊，首次新进纽约时报。

高瓴四季度持仓曝光：加仓拼多多、阿里，减持百度与Webull，组合集中度再升。

市场收报

欧美股市：标普500涨幅0.10%，报6843.22点。道指涨幅0.07%，报49533.19点。纳指涨幅0.14%，报22578.384点。欧洲STOXX 600指数收涨0.45%，报621.29点。

A股休市。

债市：美国10年期基准国债收益率涨0.95个基点，报4.0578%。两年期美债收益率涨2.49个基点，报3.4325%。

商品：COMEX黄金期货跌2.93%，报4897.80美元/盎司。COMEX白银期货跌5.74%，报73.525美元/盎司。WTI 3月原油期货跌幅0.89%，报62.33美元/桶。布伦特4月原油期货跌幅1.79%，报67.42美元/桶。

要闻详情

全球重磅

中国

宇树机器人春晚武术表演再炸场，王兴兴：高动态高协同集群控制技术全球首秀。据澎湃新闻，宇树科技创始人王兴兴表示，今年机器人的头部激光雷达、灵巧手等硬件和软件做了很多升级，机器人在快速奔跑中完成了穿插变阵和武术动作，这种高动态、高协同的集群控制技术是全球首次亮相。“这个动作非常实用，为后续机器人在其他场景集群或单台机器人调度做好了铺垫”。未来希望在AI能力的提升情况下，让人形机器人更多地去从事一些危险性或者体力劳动，去真正提高生产力，提高大家的生活水平。

• 宇树科技春晚节目技术难点解析。据上证报，算法层面，团队升级强化学习框架，使机器人在仿真环境中自主习得复杂武术动作及器械操控技能；同时采用融合感知的定位技术，有效解决高速运动中的定位漂移问题，实现精准导航与落点控制。硬件层面，团队针对性提升核心关节电机功率密度，优化肢体结构强度，并升级灵巧手与缓冲部件，以支撑高爆发、高冲击的动态动作。系统层面，团队全新开发集群自动控制系统，实现从动作编排、队形设计到多机实时协同调度的全流程自动化，确保数十台机器人在复杂队形变换与高难度动作中的毫秒级同步。

跟沈腾搭戏的“铁哥们儿”：五分钟挑战了五个机器人绝活儿。与以往只按程序跳舞的机器人不同，“小盖”是春晚历史上首个“干活儿”机器人，盘核桃、捡玻璃碎片、叠衣服、串烤肠，都一气呵成，这五个看似平常的动作，其实对于机器人来说是十分高难度的动作。更重要的是，与传统机器人表演依赖预编程不同，此次展示干活技能的实现是端到端自主感知、自主决策、自主执行，而且还特别拟人。

海外

伊朗外长称伊美就谈判“指导原则”达成一致，布油一度跌近3%。伊朗外长阿拉格齐称，双方能够就一套指导原则达成总体共识，并据此继续推进潜在协议的文本，重申伊朗既不寻求制造也不积累核武器；警告达成协议并非指日可待，进入文本起草阶段后工作将更困难，称第三轮谈判具体时间尚未确定。阿曼外相称美伊谈判取得了“切实进展”。伊朗最高领袖哈梅内伊稍早警告，若美动武打击伊朗，将遭重创，伊武器与和平核事业与美无关。

• 伊朗谈判新策略曝光：与美联合开发油气田、矿区，采购美飞机，“让美国能快速获得高额经济回报”！据新华社报道，伊朗方面准备抛出新的谈判手段，将重点从关于铀丰度的“数学问题”转向实打实的资源置换：伊朗的油气田可以联合开发，未开采的矿山向美国资本敞开大门。甚至在此前被视为禁区的航空领域，伊朗也表示，愿意采购美国的民用飞机。伊朗副外长表示，伊朗准备在核计划上做出妥协，以换取制裁的解除。

特朗普宣布5500亿美元日本投资正式启动，首批聚焦油气、发电、关键矿产。特朗普称关税促成大规模投资，三个“大项目”涉及得州油气战略、俄亥俄州发电和佐治亚州关键矿产领域；燃气发电厂将是“史上最大”，墨西哥湾的LNG设施将推动出口并巩固美国的能源主导低地位，关键矿产设施将结束美国对外依赖。

Anthropic又“踢馆”！Sonnet 4.6操作电脑接近人类，性能堪比旗舰模型、定价仅1/5。Anthropic不到两周又发布重磅模型。Sonnet 4.6定价与前代4.5相同，仍为每百万token输入3美元、输出15美元；操作电脑能力16个月提升五倍，基准测试得分72.5%，基本持平最新旗舰Opus 4.6，办公任务和模拟财务分析的测试中，得分还均超过新旗舰；早期测试中，开发者在近六成的情况下更偏好该模型，而非前代旗舰Opus 4.5。

苹果加速开发三款新型可穿戴设备：AI眼镜、挂饰及摄像头版AirPods。这些设备将围绕Siri数字助理构建，并依靠具备不同功能的摄像头系统，根据视觉语境执行操作。苹果的目标是发布这些将与iPhone联动的设备。其中，智能眼镜计划最早于2027年发布，而AirPods和挂饰设备可能更早推出。

Meta加码英伟达，未来数年部署数百万颗芯片，首次采用Grace CPU。根据周二发布的声明，Meta承诺将使用更多来自英伟达的AI处理器和网络设备。同时，Meta还将首次在其独立计算机的核心部件采用英伟达的Grace CPU。此次部署将涵盖基于英伟达当前Blackwell架构，以及即将推出的Vera Rubin设计的AI加速器产品。

西部数据抛售30亿美元的闪迪股票，盘后闪迪股价下挫2%。二级发行意味着股票并非由公司新发行，而是由现有股东出售所持股份。根据公告，西部数据将以闪迪股份交换其持有的债务，使得西部数据能够通过股权方式处置对闪迪的债权。

伯克希尔Q4再抛苹果美银，猛砍亚马逊，首次新进纽约时报。伯克希尔Q4连续第三季抛苹果，苹果持仓市值减少28亿美元，仍是头号重仓股，美银持仓一年半来减持50%，仍是第三代重仓股；亚马逊持股环比减少230万股、降幅77%；新进纽约时报超过506万股，市值3.52亿美元。该报盘后一度涨超10%。

高瓴四季度持仓曝光：加仓拼多多、阿里，减持百度与Webull，组合集中度再升。13F报告显示，高瓴旗下HHLR Advisors四季度继续加仓拼多多和阿里巴巴，核心仓位进一步集中，其中拼多多仍为第一大重仓股、阿里巴巴位列第二。同时，该机构明显减持富途控股与Webull，并退出百度、网易、满帮、Bright Scholar等持仓，同时小幅布局比特币ETF和台积电等新方向。

研报精选

一线厂商CEO：这一轮存储超级周期，一辈子只有一次，前无古人后无来者。群联电子CEO潘健成警告，英伟达等巨头的需求正吞噬全球产能，导致上游原厂态度极为强势，甚至出现要求“预付3年全额货款”的极端条款。受此挤压，消费电子行业面临元器件成本暴涨与断供风险，下半年或迎倒闭潮。由于扩产受限于设备短缺及原厂策略，且AI需求尚未完全释放，这轮“前无古人”的缺货周期或将持续至2027年甚至2030年。

国内宏观

春节档票房爆了，突破10亿元！《飞驰人生3》4.8亿元独占鳌头，AI预测总票房超43亿！韩寒导演、沈腾主演的《飞驰人生3》票房已超4.8亿元，AI票房预测达43.67亿元；张艺谋导演的《惊蛰无声》和动画片《熊出没·年年有熊》以1.8亿元和近1.4亿元的票房排名第二、第三，AI预测票房分别为21亿元和13.6亿元。袁和平导演、吴京主演的《镖人：风起大漠》票房突破1亿元排名第四，AI预测票房为8.4亿元。

国内公司

摩尔线程快速完成对Qwen3.5模型全面适配。摩尔线程宣布已在旗舰级AI训推一体全功能GPU MTT S5000上完成对阿里最新大模型Qwen3.5的全方位适配。此次支持充分展示了摩尔线程MUSA生态的成熟度与完备性，开发者可通过MUSA C编程语言及Triton-MUSA工具链高效完成模型部署与优化。

海外宏观

加拿大宣布新国防工业战略，注重国内制造以重获战备能力。该战略为加拿大未来十年设定了一系列重要目标，其中包括将70%的联邦国防合同授予加拿大企业，基本实现在国内采购和维护大部分军事装备的目标。

海外公司

必和必拓利润飙升30%，铜业务首次超越铁矿石成最大利润来源。全球市值最大的矿业公司必和必拓（BHP）因押注铜需求激增而获得回报，上半财年净利润同比增长近30%。铜业务贡献了公司51%的基础息税折旧摊销前利润，首次超越其他业务成为最大利润来源。能源和汽车行业的强劲需求持续推高铜价，令这一转型的战略价值得到验证。

今日要闻前瞻

美国12月长期资本净流入。

美国12月耐用品订单。

美国12月新屋开工和营建许可。

英国、法国1月CPI。

美联储公布货币政策会议纪要。

日本18日举行首相指名选举。

谷歌发布Pixel 10a手机。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

周二，美股标普500指数盘中一度下跌接近1%，尾盘回升最终收涨0.1%，守住100日均线关键技术位。纳指100下跌0.1%，道指基本持平。

（美股基准股指日内走势）

软件股ETF再度下挫2.2%。投资者仍在担忧AI将颠覆现有软件公司的商业模式，引发对终端价值和市盈率的质疑，“杀估值”的冲击导致软件股估值基本上已经减半。

（软件股估值基本上已经减半）

另一方面，微软、Meta等巨头虽然也面临资本开支过高的质疑，但市场仍认可其在基础设施建设阶段的“强者恒强”地位，周二获得资金青睐跑赢大盘。

（大型客机股和软件股走势分化）

高盛分析师Chris Hussey指出，市场情绪与软件股及人工智能相关股票的财报表现之间，存在明显背离——市场很担忧，但财报其实并不差。

（软件股担忧情绪与AI相关股票的业绩表现呈背离趋势）

技术角度来看，高盛顶级交易员Lee Coppersmith表示，标普500指数的伽玛结构目前处于近期最不利的水平。在当前价位，交易商的支持力度有限，难以抑制指数的波动。

（红标普500指数 vs. 蓝线做市商伽马敞口走势对比）

美债收益率小幅上行。10年期美债收益率上涨1个基点，2年期上行超3基点、盘中一度跌至2022年7月以来的最低水平，随后反弹。

（2年期美债收益率一度跌至2022年7月以来的最低水平，随后反弹）

美元指数基本持平，盘中先涨后跌。英镑下跌0.5%、日内一度跳水1%，因英国失业率升至五年高位，市场加大对英国央行降息押注。

比特币下跌1.6%至67697美元，盘中一度跌至66000美元附近后反弹。2月以来加密资产持续回调，分析认为资金对高波动资产的风险偏好下降。

（比特币延续2月份跌势）

受亚洲市场春节休市影响，贵金属缺乏买盘支撑。此外美伊会谈取得进展的消息压低地缘政治风险溢价，也间接削弱黄金的避险需求。

（金银铜铂金下挫）

黄金在流动性清淡中下挫2.2%、失守4900美元关口。白银则跌超4%。原油则一度跌近3%。

（美伊会谈取得进展，原油下挫）

周二美股收盘微涨。标普500指数盘中一度下跌接近1%，尾盘回升，最终收涨0.1%，守住100日均线关键技术位。软件股ETF下挫2.2%。

美股基准股指：

• 标普500指数收涨7.05点，涨幅0.10%，报6843.22点。

• 道琼斯工业平均指数收涨32.26点，涨幅0.07%，报49533.19点。

• 纳指收涨31.713点，涨幅0.14%，报22578.384点。纳斯达克100指数收跌31.135点，跌幅0.13%，报24701.597点。

• 罗素2000指数收平，报2646.59点。

• 恐慌指数VIX收跌4.25%，报20.30。

美股行业ETF：

• 日用品ETF收跌超1.4%，领跌美股行业ETF，标普能源板块跌约1.4%。

（2月17日 美股各行业板块ETF）

科技七巨头：

• 万得美国科技股七巨头（Magnificent 7）指数涨0.53%。

• 苹果涨3.17%，亚马逊涨1.19%，英伟达涨1.18%，Meta跌0.08%，微软跌1.11%，谷歌A跌1.21%，特斯拉跌1.63%。

芯片股：

• 费城半导体指数收跌0.02%，报8136.045点。

• 台积电ADR跌0.57%，AMD跌2.05%。

中概股：

• 纳斯达克金龙中国指数收跌0.10%，报7584点。

• 热门中概股里，腾讯音乐收跌3.2%，大全新能源跌2.6%，金山云、小马智行跌超2%，万国数据跌1.9%，华住则涨2.9%，携程涨3%。

其他个股：

• Circle跌2.66%。

欧元区蓝筹股指收涨超0.7%，成分股拜耳涨超7.3%领跑。德国股市收涨0.8%，意大利银行板块涨约1.6%。

泛欧欧股：

• 欧洲STOXX 600指数收涨0.45%，报621.29点。

• 欧元区STOXX 50指数收涨0.72%，报6021.85点。

各国股指：

• 德国DAX 30指数收涨0.80%，报24998.40点。

• 法国CAC 40指数收涨0.54%，报8361.46点。

• 英国富时100指数收涨0.79%，报10556.17点。

  （2月17日 欧美主要股指表现）

板块和个股：

• 欧元区蓝筹股中，拜耳收涨7.35%——尾盘出现两波短线拉升行情，Adyen涨4.24%，英飞凌涨3.16%表现第三。

• 欧洲STOXX 600指数的所有成分股中，DKSH控股收涨7.31%，杜福睿涨5.05%，和拜耳领跑，Plus500则收跌5.18%跌幅第三大。

30年期德债收益率跌约3个基点。

美债：

• 纽约尾盘，美国10年期基准国债收益率涨0.95个基点，报4.0578%。

• 两年期美债收益率涨2.49个基点，报3.4325%，日内交投于3.3804%-3.4429%区间。

  （美国主要期限国债收益率先跌后涨）

欧债：

• 欧市尾盘，德国10年期国债收益率跌1.6个基点，报2.738%，日内交投于2.745%-2.724%区间。

• 英国10年期国债收益率跌2.3个基点，报4.376%。两年期英债收益率涨0.1个基点，刷新日高至3.588%。

• 法国10年期国债收益率跌2.4个基点，报3.320%。意大利、西班牙和希腊等三国10年期收益率至多跌1基点。

美元倒V走势，盘中曾涨近0.5%。英镑一度跳水约1%，英国失业率创五年新高，英国央行降息概率上升。

美元：

• 纽约尾盘，ICE美元指数涨0.25%，报97.161点，整体处于上涨状态。

• 彭博美元指数涨0.05%，报1183.53点，日内交投区间为1182.91-1187.83点。

  （彭博美元指数）

日元：

• 纽约尾盘，美元兑日元跌0.12%，报153.29日元，日内交投区间为153.92-152.70日元。

（美元兑日元走势，坐标反转）

• 欧元兑日元跌0.15%，英镑兑日元跌0.62%。

离岸人民币：

• 纽约尾盘，美元兑离岸人民币报6.8852元，较周一纽约尾盘涨8点，日内整体交投于6.8813-6.8922元区间。

加密货币：

• 纽约尾盘，比特币下跌1.6%至67697美元，盘中一度跌至66000美元附近后反弹。

（比特币日内承压下行）

伊美就谈判“指导原则”达成一致，原油一度跌近3%。

原油：

• WTI 3月原油期货收报62.33美元/桶。

（WTI原油期货）

天然气：

• NYMEX 3月天然气期货收报3.0310美元/百万英热单位。

受亚洲市场春节休市影响，贵金属缺乏买盘支撑。黄金盘中下挫2.2%、失守4900美元关口。COMEX白银期货跌超5.7%，COMEX铜期货跌超2%。

黄金：

• 纽约尾盘，现货黄金跌2.30%，报4877.79美元/盎司，日内交投区间为5000.65-48432.51美元，整体持续走低。

（现货黄金价格）

• COMEX黄金期货跌2.93%，报4897.80美元/盎司。

白银：

• 纽约尾盘，现货白银跌4.08%，报73.4851美元/盎司。

• COMEX白银期货跌5.74%，报73.525美元/盎司。

其他金属：

• 纽约尾盘，COMEX铜期货跌2.14%，报5.7370美元/磅。

• 现货铂金跌1.72%，现货钯金跌2.14%。

• LME期铜收跌231美元，报12620美元/吨。LME期镍收跌254美元，报16861美元/吨。

本文来自华尔街见闻，欢迎下载APP查看更多

根据周二发布的声明，Meta承诺将使用更多来自英伟达的AI处理器和网络设备。同时，Meta还将首次在其独立计算机的核心部件采用英伟达的Grace CPU。此次部署将涵盖基于英伟达当前Blackwell架构，以及即将推出的Vera Rubin设计的AI加速器产品。

Meta为英伟达营收贡献9%。Meta首席执行官扎克伯格在声明中表示：“我们很高兴扩大与英伟达的合作，利用他们的Vera Rubin平台构建最先进的计算集群，为全球每一个人提供个人超级智能。”

上述协议在AI竞争格局不断变化之际，再次确认了Meta对英伟达的忠诚。目前，英伟达的系统仍被视为人工智能基础设施的黄金标准，为英伟达带来数千亿美元的营收。但竞争对手正在提供替代方案，Meta自己也在开发自研芯片组件。

消息公布后，英伟达与Meta的股价在盘后交易中均上涨超过1%，而英伟达劲敌AMD股价下跌超过3%。

英伟达加速计算副总裁Ian Buck表示：

双方并未公布具体的投资金额或时间表。他指出，Meta等公司测试其他替代方案是合理的，但他强调，只有英伟达能够提供一个希望在AI领域保持领先地位的公司所需的完整组件、系统与软件生态。

与此同时，扎克伯格已将AI设为Meta的最高优先级，承诺投入数千亿美元建设新一代所需的基础设施：

Meta已预计2026年将创下支出纪录。扎克伯格去年表示，公司将在未来三年内向美国基础设施项目投入6000亿美元。Meta正在全美建设多个千兆瓦级数据中心，包括路易斯安那州、俄亥俄州和印第安纳州。1吉瓦电力大约足以为75万户家庭供电。

Buck强调，Meta将成为首个在独立服务器中使用英伟达CPU的大型数据中心运营商。通常情况下，英伟达会将这类CPU与其高端AI加速器一同提供。

这一举动意味着英伟达正进一步进入原本由英特尔和AMD主导的领域。同时，这也为大型数据中心运营商自研芯片，例如亚马逊AWS所设计的芯片，提供了替代选择。

Buck表示，这类芯片的应用场景正在不断增长：

Meta作为Facebook和Instagram的母公司，将不仅自身使用这些芯片，还将采用其他公司基于英伟达架构提供的计算能力。

英伟达的CPU将越来越多地用于数据处理和机器学习等任务。

CPU有许多不同类型的工作负载。我们发现，Grace是一款非常优秀的数据中心后端CPU，也就是说，它擅长处理后台计算任务。在这些后端工作负载上，它实际上可以实现每瓦性能提升两倍。

本文来自华尔街见闻，欢迎下载APP查看更多

根据最新披露文件，截至2025年12月31日，HHLR美股持仓总市值约31.04亿美元，较三季度末的40.91亿美元明显下降，持仓数量仍为33只，显示出在整体仓位上有所收缩，同时继续向少数核心标的集中。

从结构来看，拼多多依然稳居第一大重仓股，阿里巴巴维持第二大重仓地位，百济神州（BeOne Medicines）和富途控股等仍位居前列，组合集中度进一步提升。

核心重仓继续集中，拼多多与阿里巴巴权重上升

四季度最核心的变化仍然发生在电商龙头上。

数据显示，HHLR继续增持拼多多，持股由三季度的859万股增至1072万股，持仓市值由11.36亿美元升至12.16亿美元，占投资组合比例由28%升至39%，第一大重仓股地位进一步巩固。

与此同时，阿里巴巴也获得明显加仓。持股由328.9万股增至543万股，持仓市值由5.88亿美元升至7.96亿美元，占组合比例升至26%，继续位居第二大重仓股。

这一变化表明，HHLR仍在持续强化对中国电商龙头的集中配置，将资金进一步向确定性较高的核心资产集中。

减持富途与Webull，清仓百度、网易，大幅降低交易平台敞口

与继续加码电商形成对比的是，HHLR对部分金融科技与交易平台类公司进行了明显减仓。

富途控股持仓由三季度的323.8万股降至163万股，持仓市值由5.63亿美元下降至2.68亿美元，仓位占比由14%降至8.6%。

Webull的降仓幅度更为显著，持股由3308万股降至597万股，持仓市值由4.89亿美元降至4642万美元，仓位占比从12%降至1.5%，接近清仓水平。

此外，三季度仍位列前十大持仓的网易，以及三季度新建仓的百度、满帮、冬海集团和Bright Scholar等标的，在四季度均已不再出现在持仓名单中，显示该机构在部分互联网和新经济板块上进行了明显的仓位收缩。

增持医药与生物科技，维持长期配置方向

在核心互联网资产之外，HHLR仍维持对创新药与生物科技公司的较高配置比例。

四季度，百济神州仍为第三大重仓股，Legend Biotech、Arrivent BioPharma等公司也继续位列前十大持仓，显示出该机构对创新药赛道的长期看好并未改变。

此外，Cytek、Gossamer Bio、Maze Therapeutics等生物科技公司仓位亦基本保持稳定，整体医药板块配置结构变化不大。

新建仓比特币ETF与台积电，小幅布局新方向

四季度，HHLR还新建仓了iShares比特币现货ETF（IBIT），并小幅买入台积电（TSM），同时新增Alphabet等少量仓位。

分析称，虽然这些持仓规模仍然较小，占比均不足0.2%，但被视为在数字资产与全球科技龙头方向上的试探性布局。

整体来看，这些新增仓位更多属于边际配置，对组合结构影响有限。

组合收缩与集中并行，继续聚焦核心资产

总体来看，HHLR四季度的调仓呈现出两个明显特征：

一是整体仓位收缩，美股持仓市值由约41亿美元降至31亿美元，反映出在市场波动环境下的谨慎态度；

二是集中度进一步提升，拼多多与阿里巴巴合计占比已超过65%，核心资产权重继续上升。

同时，大幅削减交易平台类公司仓位、退出部分中概互联网标的，也显示出该机构在锁定收益与控制风险之间进行平衡。

从调仓路径来看，HHLR仍在延续其一贯策略：集中押注少数长期看好的核心公司，同时动态调整非核心仓位，以维持组合的增长潜力与稳定性。

本文来自华尔街见闻，欢迎下载APP查看更多

据特朗普在旗下社交媒体的帖子，上述5500亿美元投资的首批项目聚焦能源和关键矿产领域。他表示，资金将投向俄亥俄州的燃气发电厂、佐治亚州的关键矿产项目，以及得州的液化天然气设施。这些项目旨在推动美国工业基础振兴、能源主导地位以及减少对外国关键矿物的依赖。

评论认为，首批投资将为日本首相高市早苗3月19日访美并与特朗普会晤铺平道路。上述投资机制是去年美日关税协议的交换条件。据新华社，特朗普2025年7月22日在社交媒体发文称，美国与日本达成贸易协议，原定25%的对等关税税率下调至15%，日本将向美国投资5500亿美元并放开大米等农产品市场。

日本与美国政府尚未具体说明项目的融资方式和参与企业。但根据协议框架，日本国际协力银行和日本贸易保险预计将在项目融资中发挥主导作用，资金主要以贷款和贷款担保形式提供，直接现金投资仅占1-2%。

特朗普本周二在社交媒体发帖称：“日本现已正式且实际地推进其5500亿美元对美投资承诺下的首批项目——这是我们历史性贸易协议的一部分，旨在振兴美国工业基础，创造数十万个优质美国就业岗位，并前所未有地强化我们的国家和经济安全。”

他宣布的三个“大项目”分别涉及得州油气战略、俄亥俄州发电和佐治亚州关键矿产领域。特朗普特别强调：“这些项目规模如此之大，没有一个非常特殊的词——关税——就无法实现。”

特朗普称，俄亥俄州的燃气发电厂将是“史上最大”，墨西哥湾的液化天然气（LNG）设施将推动出口并进一步巩固美国的能源主导地位，而关键矿产设施将结束美国“对外国资源的愚蠢依赖”。他表示：“美国正在重建，正重新生产，并再次赢得胜利。”

首批投资项目是美日两国数月艰难谈判的结果。

上周四，美国商务部长卢特尼克和日本首席贸易谈判代表、经济产业大臣赤泽亮正在华盛顿会晤，讨论首批投资项目的细节。赤泽上周表示，他不期望5500亿美元基金支持的项目属于高风险高回报类型，显示日方寻求回报稳定的项目，而非不确定性较高的投资。

但据报道，双方在会谈后仍存在分歧。赤泽上周四表示：“尽管工作人员付出了巨大努力，双方仍存在显著分歧。” 他当时表示无法确定首批项目何时敲定或公布。据日本媒体报道，赤泽称日美间“仍存在巨大分歧”，需要进一步协调。

根据两国达成的协议，项目由卢特尼克主持的投资委员会推荐，日方通过磋商程序就候选项目的可行性提供意见，最终由特朗普本人选定。特朗普去年访日期间，两国确定的潜在项目范围从3.5亿美元到1000亿美元不等，涵盖能源、人工智能和关键矿产等领域，涉及软银集团、西屋电气和东芝等企业。

该投资基金是去年美日关税协议的核心支柱，旨在推动日本对美国关键产业的大规模投资浪潮。根据协议，特朗普将对日本进口商品的关税设定为15%，降低了对汽车这一日本经济关键驱动力的关税水平。作为交换，日本承诺通过5500亿美元机制增加对美投资。

协议条款设置了严格的履约机制。一旦项目确定，日本有45个工作日启动资金投入。如果日方选择不资助某个项目，美国可以收回某些收益或重新征收关税，这意味着对日本进口商品的关税可能从15%恢复至特朗普此前威胁的25%水平。

特朗普已对韩国类似协议的实施进度表示不满，并威胁再次提高对韩国进口商品的关税。据日经报道，特朗普对5500亿美元承诺的讨论进度感到不满，认为日本在拖延进程。这一事态凸显了投资承诺与关税调整之间的直接关联，为日本履约增添了紧迫性。

所有投资必须在特朗普任期结束前完成。赤泽上周表示，谈判“极其艰难，事关国家利益，甚至比我们谈判关税协议时更甚”。

该投资协议的实施很可能成为高市早苗3月19日访美的首要议题。高市早在本月早些时候取得国会选举胜利，她已承诺优先发展与美国的牢固关系。特朗普曾祝愿高市早苗在“保守的、以实力求和平议程”上取得巨大成功。

赤泽亮正上周表示：“高市早苗首相与特朗普总统建立了极其牢固的关系。着眼于让她此次访美取得更加丰硕的成果，我们将继续推进各项努力，强化符合日美双方共同利益的经济关系。”

自去年4月关税谈判启动以来，截至上周，赤泽已11次访问华盛顿。上周是他自去年9月与卢特尼克签署概述协议框架的谅解备忘录以来首次访美。他还曾在东京与卢特尼克多次会面，并通过电话讨论5500亿美元承诺事宜。

根据协议框架，日本国际协力银行和日本贸易保险预计将在项目融资中发挥主导作用。目前尚不清楚直接投资形式的资金规模。赤泽去年表示，5500亿美元机制中只有1-2%为现金投资，大部分将以贷款和贷款担保形式提供。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间2月17日周三，Anthropic官宣发布Claude Sonnet 4.6，新模型在编程、操作电脑、长文本推理、智能体规划、知识工作和设计等方面实现全面升级，定价与前代Sonnet 4.5相同，仍为每百万token输入3美元、输出15美元，但据称性能已接近定价为每百万token输入15美元、输出75美元的旗舰Opus模型，且定价却只有后者的五分之一。

对于每天进行数百万次API调用的企业部署AI智能体而言，这一成本性能比的改变具有变革意义。在操作电脑能力方面，Sonnet 4.6在标准基准测试OSWorld上得分达72.5%，不到一年半时间提升到接近人类水平。在早期测试中，开发者在约七成情况下更偏好Sonnet 4.6而非前代，甚至在近六成的情况下更偏好它，而非去年11月发布的Anthropic旗舰模型Opus 4.5。

此次发布正值Anthropic加速进军企业市场。据报道，Anthropic上周五刚以3800亿美元估值完成300亿美元的新融资，估值较去年9月翻倍。同在本周三，印度IT巨头Infosys宣布与Anthropic合作，将Claude模型整合至其Topaz AI平台，用于银行、电信和制造业。Anthropic还在班加罗尔开设了首个印度办事处。

新模型再次证明，Anthropic在操作计算机的能力上进步尤为显著。

2024年10月首次推出这一功能时，Anthropic曾坦承“仍处于实验阶段——有时笨拙且容易出错”。此后的数据显示，该司的模型进步速度惊人：Sonnet 3.5在2024年10月的OSWorld基准测试中得分14.9%，Sonnet 3.7在2025年2月达到28.0%，Sonnet 4在同年6月达到42.2%，Sonnet 4.5在同年10月攀升至61.4%，本周三发布的Sonnet 4.6已达到72.5%。

OSWorld基准测试在模拟计算机上呈现数百项跨越Chrome、LibreOffice、VS Code等真实软件的任务，没有特殊API或专用连接器，模型像人类一样通过点击虚拟鼠标和虚拟键盘与计算机交互。Anthropic表示，该模型能够处理导航复杂电子表格或填写多步骤网页表单等任务，然后在多个浏览器标签页间整合信息。

这一能力对企业应用至关重要。几乎每个组织都有难以自动化的遗留软件——保险门户网站、政府数据库、企业资源规划系统、医院排班工具——这些都是在API出现之前构建的。一个能够像人一样查看屏幕并与之交互的模型，无需构建定制连接器就能实现这些系统的自动化。

Pace的CEO Jamie Cuffe表示，Sonnet 4.6在该公司复杂的保险计算机使用基准测试中达到94%的准确率，是所有Claude模型中表现最好的。Cuffe说：“它以我们从未见过的方式进行故障推理和自我纠正。”

Convey联合创始人Will Harvey称其为“我们评估测试过的所有模型中的明确改进”。

Anthropic还指出，计算机操作存在提示注入攻击风险——恶意行为者在网站上隐藏指令以劫持模型。该公司的评估显示，Sonnet 4.6在抵御此类攻击方面较Sonnet 4.5有重大改进。

在Claude Code中，Anthropic的早期测试发现，开发者在约70%的情况下更偏好Sonnet 4.6而非Sonnet 4.5。用户报告称，新模型在修改代码前更有效地读取上下文，合并共享逻辑而非重复，这使得它在长时间使用时比早期模型更不令人沮丧。

用户甚至在59%的情况下更偏好Sonnet 4.6而非去年11月的旗舰模型Opus 4.5。他们评价Sonnet 4.6显著降低了过度工程化和"懒惰"倾向，在指令遵循方面明显更好。他们报告称虚假成功声明更少，幻觉更少，多步骤任务的持续执行更一致。

早期客户反馈突出了前端代码和金融分析方面的改进。多位测试者独立描述称，Sonnet 4.6的视觉输出明显更精致，布局、动画和设计感都优于以前的模型。客户达到生产质量结果所需的迭代轮数也更少。

基准测试中，Sonnet 4.6甚至可以和最新的Anthropic旗舰模型Opus 4.6比肩。

在行业标准的软件实际编码测试SWE-bench Verified中，Sonnet 4.6的得分为79.6%，接近Opus 4.6的80.8%。在模拟计算机使用的OSWorld-Verified测试中，Sonnet 4.6的得分为72.5%，与Opus 4.6的72.7%基本持平。

在办公任务GDPval-AA Elo测试中，Sonnet 4.6的得分高达1633，远超Opus 4.6的1606。在模拟财务分析的测试中，Sonnet 4.6的得分达到63.3%，击败了所有对比模型，包括得分为60.1%的Opus 4.6。

AI编程神器Cursor的联合创始人兼CEO Michael Truell表示：“Claude Sonnet 4.6在各方面都显著优于Sonnet 4.5，包括长期任务和更困难的问题。”

GitHub产品副总裁Joe Binder证实，该模型“已经在复杂代码修复方面表现出色，尤其是在跨大型代码库搜索至关重要时。对于大规模运行智能体编程的团队，我们看到了强劲的解决率和开发者所需的一致性。”

CodeRabbit AI副总裁David Loker称该模型“在绝大多数实际PR中远超其重量级”。

Factory AI的Leo Tchourakov表示团队“正在将Sonnet流量转移到这个模型”。Hercules创始人兼CEO Brendan Falk更直言：“Claude Sonnet 4.6是我们迄今见过的最好模型。它具有Opus 4.6级别的准确性、指令遵循和用户界面，而成本显著更低。”

Sonnet 4.6的定价策略是此次发布最重要的看点。定价维持在每百万token输入3美元、输出15美元，与前代Sonnet 4.5相同。而Anthropic的旗舰Opus模型定价为每百万token输入15美元、输出75美元——是Sonnet价格的五倍。

Anthropic称，以前需要使用Opus级模型才能达到的性能——包括在实际具有经济价值的办公任务上——现在通过Sonnet 4.6即可获得。对于目前部署每天进行数百万次API调用的AI智能体的数千家企业而言，这一成本计算改变了一切。

据报道，在许多企业最关心的类别中，Sonnet 4.6的表现匹配甚至超越了运行成本高出五倍的模型。一家运行每天处理1000万token的AI智能体的企业，以前被迫在较低成本的劣质结果和快速扩大支出的优质结果之间选择。Sonnet 4.6在很大程度上消除了这种权衡。

多位早期测试者明确描述Sonnet 4.6消除了使用更昂贵Opus层级的必要性。

Hex Technologies首席技术官Caitlin Colgrove表示，该公司正将大部分流量转移到Sonnet 4.6，指出“除了最困难的分析任务外，我们在所有任务上都看到了Opus级别的性能，且具有更高效和灵活的配置。在Sonnet定价下，这对我们的工作负载是显而易见的选择。”

智能内容管理平台Box的首席技术官Ben Kus表示，该模型在真实企业文档的重度推理问答中比Sonnet 4.5高出15个百分点。Replit的总裁Michele Catasta称性能成本比“非凡”。

金融科技公司Mercury的产品副总裁Ryan Wiggins更直白地说：“Claude Sonnet 4.6更快、更便宜，而且更有可能第一次就搞定。这种改进组合令人惊讶，我们没想到会在这个价位看到它。”

Sonnet 4.6配备100万token的上下文窗口（测试版），足以在单个请求中容纳整个代码库、冗长合同或数十篇研究论文。更重要的是，Anthropic称该模型能够有效地跨所有上下文进行推理。

该公司通过一项不寻常的评估展示了这一能力。Vending-Bench Arena测试模型长期运营模拟业务的能力，不同AI模型相互竞争以获得最大利润。在没有人工提示的情况下，Sonnet 4.6开发出一种新颖策略：它在前十个模拟月中大量投资产能，支出显著高于竞争对手，然后在最后阶段急剧转向专注盈利。该模型在365天模拟结束时约有5700美元余额，而Sonnet 4.5约为2100美元。

这种自主执行的多月战略规划代表着一种质的不同能力，超越了回答问题或生成代码片段。这是使AI智能体适用于实际业务运营的长期推理类型。

Claude Sonnet 4.6现已在所有Claude计划、Claude Cowork、Claude Code、API和所有主要云平台上提供。Anthropic还将其免费层级默认升级为Sonnet 4.6。开发者可以通过Claude API使用claude-sonnet-4-6立即访问。

Sonnet 4.6的发布正值AI行业激烈竞争时期。这是Anthropic在不到两周内的第二次重大AI模型发布，体现了在行业中保持竞争力所需的快节奏开发。Anthropic在12天前刚刚推出了Claude Opus 4.6。

Anthropic的快速进展也加速了软件股近期的大规模抛售。投资者越来越担心AI可能颠覆这些业务，iShares扩展科技软件行业ETF今年以来已暴跌逾20%。Sonnet 4.6不太可能缓解这些担忧，因为Anthropic表示该模型将为更多用户带来"大幅改进的编程技能"。

Anthropic近期推出的新工具进展引发华尔街担忧，投资者尤其担心一批软件公司最终可能被AI淘汰。Anthropic发布的新版Opus模型旨在更好地进行财务研究后，金融服务类股也大幅下跌。这些反应反映了人们对哪些公司和服务最终将被AI颠覆的广泛担忧。

Anthropic CEO Dario Amodei本周三表示，“在演示中有效的AI模型与在受监管行业中有效的模型之间存在巨大差距”，其企业AI解决方案的合作方Infosys帮助弥合了这一差距。报道称，印度目前约占全球Claude使用量的6%，仅次于美国。

在竞争格局中，Sonnet 4.6在多个基准测试中超越了Google的Gemini 3 Pro和OpenAI的GPT-5.2。

GPT-5.2和Sonnet 4.6在智能体计算机使用、智能体搜索和智能体金融分析方面的测试结果对比分别为：38.2%对72.5%、77.9%对74.7%、59.0%对63.3%。其中，逊于GPT-5.2的一项采用的是Sonnet 4.6非Pro 版本的得分。

Gemini 3 Pro在视觉推理和多语言基准测试上表现竞争力，但在企业投资激增的智能体类别上落后。

据报道，OpenAI也在与投资者进行融资谈判，融资额可能接近1000亿美元。

本文来自华尔街见闻，欢迎下载APP查看更多

报道称，苹果正加速推进三款产品：智能眼镜、一款可夹在衣服上或作为项链佩戴的挂坠设备，以及具备增强AI功能的AirPods。这三款设备都围绕Siri数字助理打造，后者将依靠视觉环境信息来执行操作。

这些尚未发布的产品都将与iPhone连接，并依赖不同能力级别的摄像系统。

消息公布后，苹果股价一度上涨2.7%，至262.74美元。Meta股价下跌不足1%，至635.83美元。Meta眼镜合作伙伴EssilorLuxottica的美国存托凭证下跌超过 7%。

其中，AirPods和挂坠设备被定位为更简化的产品，配备低分辨率摄像头，主要用于辅助AI运作，而不是拍照或录像。智能眼镜则定位更高端、功能更丰富。

在本月早些时候的一次全员会议上，苹果CEO库克暗示公司将大力进军AI设备领域，表示苹果正在研发由人工智能赋能的“新产品类别”，并称“我们对此非常兴奋”。库克还表示，公司正在投资新技术，“世界正在快速变化。”

尽管iPhone销售依然强劲，但苹果在AI领域处于追赶阶段。Siri的升级一直面临开发挑战，进展不顺导致发布时间推迟。

苹果正在为今年晚些时候发布的iOS 27准备一个新版Siri，将引入类似聊天机器人的界面。苹果将采用与Alphabet旗下Google共同开发的底层模型。

从长期来看，AI预计将改变消费者使用手机的方式，更多功能将转移至外围设备。Meta的智能眼镜已经取得成功，而OpenAI也在前苹果设计主管乔尼·艾维等前高管的协助下开发一系列可穿戴设备。

苹果此前在该领域的尝试并不成功。其最近一次重大新品类尝试——价格高昂的Vision Pro头显，未能获得消费者广泛认可。因此，公司希望通过加速推进可穿戴设备实现突破，并进一步巩固苹果生态系统的用户粘性。

智能眼镜

智能眼镜将成为苹果AI硬件产品线中的高端产品，目标是与Meta配备摄像头的眼镜竞争。该产品将配备高分辨率摄像头，可拍摄照片和视频。

苹果在代号为N50的眼镜项目上近几个月取得重大进展，并已在硬件工程部门内部扩大原型机测试范围。公司计划最早于今年12月启动生产，目标在2027年公开发布。

与目前大多数Meta产品类似，该眼镜不会配备显示屏。交互界面将依靠扬声器、麦克风和摄像头，让用户打电话、使用Siri、根据环境执行操作、播放音乐和拍照。苹果希望在做工质量和摄像技术两方面实现差异化。

报道称，苹果最初通过在市售流行品牌镜框中嵌入电子元件和摄像头来开发原型。一度也考虑与外部品牌合作推出产品，但近期决定自主设计多种尺寸和颜色的镜框。

早期原型通过数据线连接外置电池和iPhone，但新版本已将组件嵌入镜框中。设计采用高端材料，包括亚克力元素，以增强高级感。未来还计划推出更多款式。

眼镜将配备双摄系统：一枚用于高分辨率成像，另一枚用于计算机视觉技术（类似Vision Pro使用的技术），用于获取环境信息，更准确理解周围环境并测量物体距离。

目标是让眼镜成为全天候AI助手，实时理解用户所见所做。用户可盯着某个物体询问它是什么，或获得日常任务帮助，例如询问食物成分。

苹果还在探索更高级应用，例如读取印刷文字并转化为数字数据（例如将活动海报信息直接加入日历），或根据环境生成智能提醒，例如在超市看到特定货架时提醒拿取某件商品。

在导航方面，Siri可基于真实地标提供指引，而不仅是抽象路线说明，比如提示用户“走过那栋红色建筑后右转”。

挂坠设备

考虑到并非所有用户都愿意佩戴眼镜，苹果还计划推出挂坠设备和带摄像头的AirPods。

挂坠设备的构想来自工业设计团队，在眼镜设计尚未定型前就已开始构思。它类似失败的Humane AI Pin，但定位为iPhone的配件，而非独立设备。

该设备相当于iPhone的“常开摄像头”，并带有麦克风用于Siri输入。一些员工称其为手机的“眼睛和耳朵”。

不同于Humane AI Pin，该设备没有投影或显示系统，且高度依赖iPhone处理能力。虽然内置专用芯片，但算力更接近AirPods，而非Apple Watch。

目前一个争议点是是否加入扬声器，以便用户无需佩戴AirPods或拿出手机即可与设备直接对话。

该挂坠大小接近AirTag，计划提供两种佩戴方式：通过夹子固定在衣物上，或通过项链穿过设备内部孔洞佩戴。

该项目仍处早期阶段，可能被取消。如推进，最早可能明年发布。

AirPods

AirPods方面，最早可能今年推出带摄像头版本。早在2024年初，苹果已在探索相关方案。公司持续为AirPods增加AI功能，包括去年推出的实时翻译模式。

未来，苹果希望推出带增强现实显示屏的智能眼镜，但该计划仍需多年时间。

苹果去年已停止代号N100的更轻、更便宜版Vision Pro头显开发，原计划作为通往AR设备的过渡产品，但最终选择专注于眼镜形态。

除可穿戴设备外，苹果还在开发一系列家用AI设备，包括围绕新版Siri打造的智能显示屏，未来还将推出更大屏幕和带机械臂版本。此外，公司还在开发新版HomePod音箱以及用于家庭安全与自动化的室内传感器设备。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视新闻，当地时间17日周二，伊朗外长阿拉格齐表示，本轮伊美日内瓦谈判进行了严肃讨论，气氛更加建设性，双方能够就一套指导原则达成总体共识，并据此继续推进潜在协议的文本，两方仍有一些议题需要进一步谈判，可能促成协议。

受此消息影响，国际原油期货跌幅扩大。周二美股早盘时段，布伦特原油一度逼近66.80美元，日内跌近2.7%，美国WTI原油曾跌破61.90美元，日内跌逾1.6%。

另据央视，阿曼方面证实谈判取得“切实进展”。阿曼外交大臣巴德尔通过社交账号表示，谈判在明确共同目标和技术议题方面取得良好进展，为下阶段工作奠定基础。

不过，阿拉格齐也警告，达成协议并非指日可待，进入文本起草阶段后工作将更加困难。据报道，在谈判取得进展的同时，波斯湾地区军事部署仍在加强，伊朗因军事演习短暂关闭霍尔木兹海峡部分区域，美国则向该地区派遣第二艘航空母舰。

阿拉格齐在结束谈判后对伊朗国家电视台表示，本轮谈判较上一轮更加深入和严肃。他说：“我们能够就一套指导原则达成总体共识，并将在此基础上拟定一份可能的协议文本。”

据央视新闻报道，阿拉格齐称，双方提出了各种想法，但这并不意味着很快就能达成协议。他表示：“当进入到协议文本的起草时，相关工作会比较困难。” 目前谈判进展良好，形势乐观，但两方仍有一些议题需要进一步谈判。

关于下一步安排，阿拉格齐透露，第三轮谈判具体时间尚未确定。双方同意先就一些文本进行磋商，各自起草并交换协议草案文本，然后再确定谈判时间。

据央视新闻，伊朗总统佩泽希齐扬同日表示，相关谈判进程在伊朗领导层充分协调和许可下进行，伊朗的目标是真正解决问题，而不是为了谈判而谈判，希望谈判能够带来切实成果。

作为此轮谈判的斡旋方，阿曼方面对谈判进展作出积极评价。

据央视新闻，阿曼外交部17日通过社交平台发文称，在美伊谈判开始前，阿曼外交大臣巴德尔同美国总统特使威特科夫及特朗普女婿库什纳在日内瓦举行会谈。声明表示，会谈围绕美伊谈判的整体背景及推进条件进行全面讨论，重点涉及政治和技术层面的安排，双方以务实和建设性的精神探讨相关议题。

阿曼方面表示，当天举行的美伊谈判取得了“切实进展”，为近期继续推进谈判奠定了基础。巴德尔通过社交账号指出，本轮谈判气氛具有建设性，各方为明确最终协议的一系列指导原则作出了严肃而认真的努力。

巴德尔同时表示，当前仍有大量工作有待推进，但各方在下次谈判举行前都已明确了下一步工作方向。他还对国际原子能机构总干事格罗西所做贡献表示赞赏。

在谈判取得进展的同时，伊朗最高领袖哈梅内伊本周二早些时候发出警告。哈梅内伊加强了对美国的警告力度，称如果美国动武打击伊朗，将会遭受重创。特朗普此前多次威胁，如果双方无法达成协议，将对伊朗实施打击。

哈梅内伊说，美方“不停地说‘我们向伊朗派遣了一艘军舰’。军舰当然是一种危险武器，但比军舰更危险的是能把这艘军舰沉到海底的武器。”

哈梅内伊在讲话中强调，如果美国带着固定的结果来谈判，那么这个过程就不是谈判，而只是一种条款的强加。他警告伊朗谈判团队，谈判过程必须有妥协，不应接受美国的强加。

哈梅内伊认为，伊朗的武器事务与和平核事业“与美国无关”，伊朗拥有何种类型或射程的导弹“与美国无关”。美国的干涉是一种“不讲道理”。

央视援引伊朗最高领袖办公室官方网站的报道，哈梅内伊周二接见东阿塞拜疆省民众时表示，伊朗民族拥有威慑性武器是必要的。“美国干涉（伊朗的）武器问题，说伊朗不应拥有某种类型或某种射程的导弹。这属于伊朗民族自身事务，与美国无关。”

据央视新闻，阿拉格齐在谈判后出席联合国裁军会议时重申，伊朗既不寻求制造也不积累核武器，一直坚持走和平的核能发展道路。他称，希望与美国的谈判能够达成协议，但伊朗仍完全做好准备抵御任何攻击。任何协议都必须保障伊朗的基本权利。

阿拉格齐还批评称，包括美国在内的某些西方国家的行为破坏了谈判进程。他提到，美国2018年单方面退出伊核协议是"明显违反国际认可协议"的行为，更令人不安的是，美国去年6月在谈判期间对伊朗发动军事攻击，打击了三座伊朗核设施。

有报道认为，如果谈判成功，可能为德黑兰与华盛顿之间达成里程碑式协议铺平道路。协议将解除对伊朗石油行业和更广泛经济的一系列严厉制裁，以换取对其核计划的重大限制。

布伦特原油今年已累涨近13%，主要因为美伊紧张局势以及这一产油大区可能爆发战争的前景。瑞银集团大宗商品分析师Giovanni Staunovo表示："我担心的是，双方的言辞仍在升级。但只要石油出口没有中断，市场参与者只会定价有限的风险溢价。"

不过，中东媒体认为，美伊双方在具体议题上仍存在重大分歧。从美国立场来看，取得突破的前景“非常不确定”。伊朗希望专注于其核计划，而美国希望扩大讨论范围，双方甚至在应讨论的议题上就存在争议。

德黑兰大学副教授Foad Izadi表示，美国一直坚持将伊朗弹道导弹射程限制在300公里左右，但这存在两个问题。“第一个问题是以色列基地距离更远，如果以色列再次发动攻击，伊朗无法打击这些基地。第二个问题是，一旦就弹道导弹达成协议，对方必须进行检查，这意味着所有伊朗军事设施都将对美国开放检查。”

以色列正在推动谈判纳入对德黑兰弹道导弹射程的限制，但伊朗迄今认为这是红线。美国共和党参议员Lindsey Graham周一在特拉维夫访问时表示，华盛顿距离在外交和对伊朗采取军事行动之间做出决定只有"几周而非几个月"时间。

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

近日，在全球存储控制芯片龙头群联电子（Phison）CEO潘健成（KS Pua）的一场深度访谈中抛出了令市场震惊的判断：随着AI浪潮的爆发，存储行业正迎来一轮“一辈子只有一次”的超级周期，其激烈程度甚至让台积电的常规商业模式都显得“温和”。

作为NAND闪存主控芯片领域的领军企业，群联电子处于产业链的中枢位置，潘健成在访谈中直言，当前的市场不仅仅是缺货，而是一场从云端到终端的生死博弈。

疯狂的算力：一颗芯片吃掉全球20%产能

市场对于AI带动存储需求的认知，往往停留在“需求增加”的定性层面，但潘健成给出了一组令人咋舌的定量数据。

他以英伟达即将推出的新一代GPU Vera Rubin为例进行推演：

“根据英伟达揭露的基本算法，每一颗Vera Rubin GPU大概要配置20多TB的SSD。如果我们假设它卖出1000万颗，那就是200 EB（Exabytes）的容量。”

200 EB是什么概念？潘健成给出了对比数据：

“去年全球NAND Flash的总产出也不过才1000到1100 EB。也就是说，仅英伟达这一款机型，如果出货千万颗，就将直接‘吃掉’全球两成的闪存产能。”

“这还只是机器本身的配置，”潘健成补充道，“机器运转后产生的海量数据还需要额外的存储，这部分需求甚至还没算进去。”

这种因AI算力爆发引发的结构性短缺，正在以一种不可逆转的态势挤压全球供应链。潘健成判断，AI是刚需，不同于VR泡沫，它通过美国四大云服务商（CSP）今年超6000亿美元的资本支出得到了真金白银的验证。

闻所未闻的条款：预付3年全额现金

供需失衡的直接后果，是上游原厂话语权的无限膨胀。潘健成在访谈中透露了一个令主持人惊呼“连台积电都不敢这么做”的细节。

“有一家Flash原厂，现在要求买方预付3年的货款。不是定金，是预付现金，3年。”潘健成感叹，这是他在电子行业从业几十年以来，“有史以来第一次听到”。

面对如此苛刻的条款，原厂的态度极为强硬：“不买就随便你，别用就好了。”

在这种完全的卖方市场下，群联电子不得不计划进行新一轮的大额募资，以满足高达10亿至20亿美元的营运资金需求，用于锁定上游货源，甚至在某些情况下，即便愿意预付货款，原厂也不一定买账。

潘健成描述了近期与某供应商的谈判经历：

“我说我愿意预付货款，对方回了一句‘我不缺钱’；我说我要货，对方说‘没货’。”最终，群联是通过展示其在AI边缘端的全套解决方案，帮助原厂解决了“如何支撑市值”的焦虑，才在一个小时内签下了合约。

消费电子的至暗时刻：下半年将现“倒闭潮”

当AI云端巨头挥舞着支票扫货时，传统的消费电子行业正在成为这场盛宴的“牺牲品”。

“因为AI把存储产能吸干了，消费电子拿不到材料，或者成本会高到无法承受。”潘健成预测，今年全球手机产出预计减少2亿到2.5亿部，PC和电视出货量也将大幅下滑。

价格的传导极其惊人。以电视为例，一颗8GB的eMMC芯片，去年年初价格仅为1.5美元，如今已飙升至20美元以上。

“一台300美元的电视，存储成本从1块多涨到20块，BOM（物料清单）成本直接爆表，厂商要么涨价导致销量下滑，要么亏本。”

潘健成发出了严厉的预警：“我们现在很痛苦，到年底会更痛苦。但我告诉客户，如果今年第一季你觉得很痛苦，那年底你会想跳楼。”

他进一步断言，今年下半年，市场将看到大量“伤亡”：“很多系统厂商、消费类电子公司因为拿不到材料，或者无法转嫁成本，将会直接倒闭。”

扩产为何失效？缺货恐持续至2030年

面对如此巨大的缺口，为何三星、海力士、美光等原厂不疯狂扩产？潘健成用了“非常节制”四个字来形容原厂的态度。

“过去五年（2020-2025）他们赔怕了，”潘健成分析道，原厂对于资本支出变得极度保守。更致命的是物理层面的限制：

现在的3D NAND堆叠层数越来越高，不仅资本支出呈指数级增长，设备也极度短缺。

“全球半导体设备供应商就那么几家，大家都在抢设备。从盖厂到设备调试再到良率稳定，最快也要两年。”

因此，虽然近期原厂开始释放扩产信号，但远水解不了近渴。行业普遍观点认为，这轮短缺至少将持续到2027年。潘健成甚至透露：

“有一家原厂的内部报告显示，缺货将持续到2030年。”

潘健成指出，目前的短缺纯粹是由美国云端需求造成的，一旦中国开始大规模建设AI基础设施，将引发“另一波更剧烈的短缺”。

太空算力将成新蓝海

潘健成认为太空应用可能成为解决AI算力瓶颈的方案之一。地球上的数据中心面临电力供应和散热两大难题，大部分能源都消耗在冷却系统上。而在太空环境中，电力可通过太阳能获得，散热问题也能自然解决。

潘健成预测，未来2到3年内若出现几个成功案例，这个领域就可能迎来蓬勃发展，成为AI基础设施建设的新方向。

值得注意的是，潘健成也强调，太空应用的门槛极高，核心在于“不可维修性”。不同于手机或服务器坏了可以维修或替换，设备一旦上了外太空，若发生故障根本无法派人维修。

因此，太空产品的可靠度要求远超地面设备（从 99.99999% 提升至更高量级），必须经受住强辐射、极端高低温、电压电流波动等残酷考验，甚至要在死机后具备“自我修复”复活的能力。

“一辈子只有一次的机会”

在访谈的最后，当被问及如何定义当前的行业状态时，潘健成直言：“这一轮存储超级周期，一辈子只有一次，前无古人，后大概也不会有了。”

这不仅是因为AI技术的迭代速度远超PC和智能手机时代，更是因为这种“刚需”带来的资源掠夺是全方位的。对于群联电子这样的IC设计公司而言，这既是巨大的挑战，也是千载难逢的机遇。

群联通过在太空（产品已登陆火星和月球）、汽车和企业级市场的长期高研发投入（今年研发支出增长50%），试图摆脱单纯靠存储价格波动的“米贩子”角色，转型为提供高附加值解决方案的“深加工商”。

“如果今年都活不下去，讲明年就没有意义了。”潘健成最后总结道，在这场残酷的淘汰赛中，只有活下来并积累了足够“内功”的企业，才能在未来几年享受到巨大的市场真空红利。

群联电子CEO潘健成访谈全文如下：

潘健成： 主持人你好，各位观众大家好。

主持人： 去年 11 月份的时候我访问潘董，那时候潘董的股价 1,000 块，后来就变成 2,000 块了。今天访问完要变多少钱呢？大家自己看着办。先问潘董，去年我访问你的影片，约为 11 月初，那个时候包含资本市场、产业，都对记忆体到底会不会缺货还有怀疑。今天要过年了，大家都知道很缺，会缺很久，过完年照样缺，这是第一个市场已经有的共识。第二个是潘董当时在专访中讲 AI 的革命才会带动供应链跟记忆体供需的结构性变化，现在也变成市场的共识。

AI 的革命到底有多大呢？目前为止，美国四大 CSP 业者，他们说今年都要资本支出，有人要花 1,000 多亿，有人要花 2,000 亿美元。所以四大 CSP 业者预估资本支出要 6,000 多亿美元。这 6,000 多亿美元买什么？就买这一些供应链的东西，主要来建制 Data Center。买很多台积电，买很多记忆体，买到玻纤布都缺货。这些 AI Data Center 的硬体供应链，股价、营收、业绩都创历史新高。但是在美国，AI 软体股跌得很惨，特别是 AI 发展之后，使得某些软体的将来 Business Model 跟营收都遭受到质疑。所以 AI 确实已经很明显对于电子产业跟硬体产业的供应链造成非常大的直接影响跟变化。先请教潘董，你怎么观察 AI 的变化？这个变化还会怎么发展？

潘健成： 我还是用历史来看。半导体产业第一代的驱动力量来自于消费电子、表、计算机。第二代来自于 PC。我还记得我在念书的时候，HP 是中国台湾最大的采购者。后来是手机，再来就是 Internet。PC 40 年了，手机也二十几年了，Internet 也快 20 年了，AI 从 2022 年算起也不过才短短的三年半。未来照过去轨迹看，会走很久，因为 AI 是刚需。我常谈一个例子，曾经 VR 炒得很热，但是我觉得 VR 不现实，因为它不是刚需。AI 是刚需，未来的很长时间里面，半导体的产出应该远远不够于它的需求。因为全球钱太多，大家一窝蜂的投资，有这个需求要抢 Market Share，所以半导体在未来几年，不管是代工也好，封装测试材料及其他，应该都是面临蛮大的短缺。

主持人： 这是一个长期的刚需，今年仍然是长期的刚需。四大 CSP 就是要花 6,000 多亿美元，这就是他的刚需。他的刚需就会反映在采购各种硬体跟建制上面。硬体的采购，以中国台湾来讲，观众最熟悉的就是 GPU 的核心台积电，这两三个月也很熟悉记忆体。记忆体不够又不够，黄仁勋就去找三星执行长吃炸鸡，找 SK 海力士吃炸鸡。请问潘董，这个不够，现在已经 2 月了，你的观察有哪一些影响跟变化？不够的幅度、程度，未来可能怎么发展？

潘健成： 记忆体我们分两块，DRAM 是一个记忆体，Flash 我们叫 Storage。DRAM 的价格涨很多倍了，越往后面走越缺。我们有一个客户要去买 Server，交期 8 个月，因为缺 DRAM。我公司最近在扩展 800 台的 Server，做我们 J5 跟 J6 的测试平台，结果缺 DRAM。

主持人： 真的，你要加码买 800 台 Server，可是因为测试用的缺 DRAM，你也暂时还没买到。

潘健成： 我买到了，但我跟原厂关系还是可以，从原厂直接拿，也要感谢原厂帮忙。因为透过传统的供销根本拿不到东西，我们找原厂帮，毕竟我们帮原厂服务做很多设计。没有给我 DRAM，我不能测试，设计交不出来。所以这个 DRAM 很缺。Flash 的部分，我跟我客户讲，如果现在很痛苦，那年尾会跳楼。

主持人： 为什么？

潘健成： 年尾会更严重。AI 从早期的 H100 熟悉了，每一代着重是在创造这个模型。模型成熟后就要做推理，所以新出来的 Vera Rubin 年底要交货的，基本上的功能操作在 Vera Rubin。根据 Nvidia 揭露出来的基本算法，每颗 Vera Rubin GPU 大概要配置 20 多 Terabyte 的 SSD。每一颗 GPU 平均分配要到二十几个 Terabyte。我们就假设它卖 1,000 万颗，一千万颗乘以二十，就是 200 个 Exabyte。200 Exabyte 什么意思呢？去年全球总产出也不过才 1,100 Exabyte。所以一个机种就吃掉两成。

主持人： 就等于辉达的 Vera Rubin 吃掉去年两成的产能。

潘健成： 如果他卖 1,000 万颗，那他卖 500 万颗就吃掉一成。但是我要强调那是一个机器，这个机器使用产生出来的资料还要再储存，这个还没算呢。所以我们现在很痛苦，到年底应该会更痛苦。

主持人： 你有多痛苦？每天都被客户追着要货吗？

潘健成： 每天被客户追，每天被客户骂。

主持人： 怎么骂？潘董，谁敢骂你？

潘健成： 客户就说拜托，满足率不到 3 成。我们满足一下不到三成，我们其实也很抱歉，但是客户对我们不高兴。我到原厂去都很 Nice，因为现在你只要一不高兴，你门都没有。所以我们还是要很有耐心的去拜托。去跟原厂拜托的时候，第一次去人情人家会给，第二次很难，第三次再去，真的叫乞丐了。

主持人： 所以现在真的有很多记忆体乞丐。

潘健成： 讲句不好听，我是形容我自己的。因为你一直去用一个题目去要，人家说就这样子的，你能怎么办？但是我说我们要创造我们的价值。群联电子，原厂为什么支持我？一定要有一些理由。我们就在 AI 这一端确实做了一些题目，我们帮一个 CSP 也做了一些特别的定制化，我们在不同的应用里面有不同的位置，原厂觉得支持我们是值得的。现在他卖东西随便卖都是赚一样多的钱，为什么他要卖给你？他觉得卖给你是值得的。那我们就要创造出我们有这种值得的产品跟价值，去跟对方谈。

主持人： 针对三大原厂（美光、三星、SK 海力士）现在传出来的定价方式来请教潘董。现在传出来说他们的 HBM 跟高阶 DRAM，第一先签长约，第二是假设每 1GB 现在 100 美元，6 个月交货变成 200 美元了，要补 100 美元差价。现在是非常强势的卖方市场。请问潘董有接受到这样的定价跟卖方的合约签约方式吗？

潘健成： 我们不碰 Memory，DRAM 我们不做，我们做 Flash。当然 Memory 那个我可以理解，因为不买就随便你，你别用就好了。但是市场就是这个情况。Flash 的情况其实不输 DRAM。有一家原厂要求预付货款。

主持人： 预付到什么程度？

潘健成： 3 年。

主持人： 所以假设你要跟我拿 Flash，然后先预付现金，预付 3 年？

潘健成： 是的。最近要继续筹资，就是因为有这样的需求。为什么？因为我们接了很多长约。群联电子的生意已经不是到消费类门市去卖，我们做的是已经进到一个系统、一辆车子、一台 Server。这东西一进去你要连续交 3 年，所以我要满足我的客户，我必须要能够从上游拿到这个货源。现在愿意付这种钱去绑约的很多。为什么原厂要接受你？因为我们做出去的产品对照说别人价值高一点，他们比较愿意给这个支持。

主持人： 预付现金 3 年，这还是我在电子业有史以来听到第一次。台积电都没有要求辉达要先付 3 年现金。

潘健成： 这就是紧缺的结果。所以我们最近很快又要再募资，因为没有办法，不然你就是不要成长。可是明明我们底下 In 这么多的产品，这么多的机会，而且我们进去的不是这种小公司，都是大型 CSP、大型系统商、大型的车子公司，少这个会出人命的。所以我们也一直跟原厂东拜托西拜托。你说我满足到吗？没有满足到，但是总比我们预期的再多一些，可是客人需求更多了。

主持人： 刚讲 Flash 这一次的缺货，所有 AI 记忆体的缺货都是因为 AI 吃掉全世界太大的产能跟产量。以 Flash 来讲，假设今年底 Vera Rubin 推出卖 1,000 万颗，就吃掉 Flash 去年一整年市场两成的产能。其他人去瓜分，另外八成包含做手机的、做电动车的、伺服器的业者。任何需要 Flash 的人都有，价格就立刻受到供需失衡而变化。照这个样子来看，Flash 的价格很有可能今年一整年仍然继续涨啊。

潘健成： 需求就在那里。我们刚从外面回来开会，手机公司也是拜托，汽车公司拜托。今年手机产出大概少 2 亿到 2 亿 5,000 万只，PC 估计会少一些。那种消费类的完蛋了，电视也很辛苦的。

主持人： 真的哦？

潘健成： 电视里面主要一颗 DDR4 跟一颗 EMC，那个交不出来。给个概念，EMC 8G 在去年年初的时候一颗一块半美金，电视根本是菜市价格，现在一颗 20 块。

主持人： 有感。

潘健成： 还不一定买得到。所以电视的生产量也大幅减少。如果 Flash 的产出减少，系统商减少，做控制器的量一定下来。那我们还好，当我们看到原厂控制器的需求在修正，可是因为我们系统的需求一直上去了，所以我们的营收还可以看到一个成长。如果去年只做控制器的话，今年会很辛苦。

主持人： 我看到一些资料说最近记忆体的价格已经涨到很多，手机如果从 BOM 表来看，就是它成本两成以上。

潘健成： 超过。

主持人： 电子业把它形容成 BOM 表，当你的材料成本在涨价的时候，BOM 表就涨价。据说记忆体是占手机两成以上，但是记忆体可能占伺服器也许 5%、6% 以下，所以伺服器的业者愿意把记忆体的价钱拉高一点。可是手机业者很难这样子买单，除非他的终端市场也可以跟着调整。

潘健成： 我们跟系统客户说我价格就没办法调整，那现在你面临一个情况，你不调涨你要赔钱吗？你要赔钱那没办法。所以整个系统的需求是减少的，因为价格涨太多。事实可以看到，电视、手机、电脑一定会涨价，但是出货量会减少。出货量减少，最大的危机就是如果我是做里面的 IC ASIC，那就麻烦了。我们好处是在于整个模组应用做大量的，那价格打比方 EMC 这个 8G 从一块半涨到 20 块。汽车用了 24 块，很快就 30 块了。因为一辆汽车 3 万块美金，一块到 30 块他无感的。可电视就麻烦了，一个电视 300 块美金的东西，从一块到 20 块，那个 BOM 表就立刻差很大。

主持人： 这确实会使得电子业的销售端跟消费端有很大的冲击。

潘健成： 但是有个好处在于，可能未来两三年内消费电子的需求会瞬间的下来。等到慢慢供给出来之后，这边就变成是一个很好的空缺，产出就会赶快往这边补，那个需求会瞬间的再上来。所以谁在这个时候把自己的能量、技术产品做好一点，现在能够做模组赶快赚，三年后赚 IC。

主持人： 我再问一个问题，你刚刚说 Vera Rubin 假设它年底出 1,000 万颗，它就会吃掉去年一整年 Flash 的两成产能。新闻媒体上一直说中国有两个业者要扩产，一个专攻 DRAM，一个专攻 Flash，请问一下他们扩产就会影响到这个局面的变化吗？

潘健成： 第一，扩产从无到有要一段很长的时间。这个缺口不是缺 3%、5%，它的产出可能多出全球的 3%、5%。缺口是10%-20%二十趴。会有疏解，但是对于长期的，要大家一起扩产才有机会，一两家扩产不见得能够满足。而且反过头来看，今天所有的 Memory 短缺都是云端造成的，地端还没算进去，EV 需求还没发生。如果产出不够，云端比较有钱把它抢走，地端就不会发生。可是如果慢慢有疏解掉了，地端的需求出来，总产能还是不够的。

主持人： 缺口很大，就算是那两家扩产也未必可以满足缺口。我现在看到很多指标的重量级业者，举例来讲美光、三星、海力士，他们都判断这个记忆体的缺货就是一路缺到 2027 年。

潘健成： 有一家内部报告是到 2030 年。

主持人： 真的有人觉得要缺到 2030 年？

潘健成： 原厂的内部报告，绝对到 2030 年。

主持人： 为什么？

潘健成： 因为 地端还没算，云就算进去了。现在是缺消费电子死掉了。消费电子不会死 5 年，因为总是有需求，手机坏了总要买，电脑坏了总要买，所以需求可能暂时被压抑，时间大还是要上来的。你说有新产出还是不够，除非这个世界开始停止运转，AI 的需求瞬间就不见掉。

主持人： AI 会怎么不见掉？

潘健成： 战争嘛。人类只会考虑食物，不考虑别的。但是如果没有战争都顺利的话，AI 很难停下来。

主持人： AI 这一波很大的需求是美国的 AI 基础建设。美国的 AI 基础建设有两大块，一大块是本来的四大 CSP，他们本来就有一堆 Data Center，某种程度只是在加码跟强化。美国也有很多小型的 Data Center，各行各业。全世界有能力建制云端的只有两个地方，美国、中国。中国大陆的 AI 跟上了没有？

潘健成： 还没呢。

主持人： 会不会跟上？

潘健成： 会。

主持人： 供给从哪边来？很多人说中国内部的记忆体也是供需失衡不会发生，中国有一堆便宜货给别人买。因为它内部的云端、AI、Data Center 一样要用记忆体。

潘健成： 那些人是讲梦话了。我先问一个现实问题，消费电子主要在哪边生产？主要在中国生产。缺了 Memory，工厂开不了工，会影响失业率。那怎么办？那就赶快扩产。所以产出再多，先救自己吧。要便宜卖出来怎么可能？那做梦嘛。还有做生意是这样，市价是这样，我就卖这样，我不可能没事照往市价以下压，除非我在缺钱。你知道现在 Flash Memory 价格最积极进取的是一家美系公司，第二的是中系公司。

主持人： 真的？为什么？

潘健成： 大家有需要啊。美系公司是全球在抢，中系的公司是他们中国内部在抢，他们有钱的人也很多。虽然价格不便宜。所以有人说什么中国增加产能会崩盘，我担心某种程度，我们今天希望它崩盘，因为市场量太大，需求太大，买不足了。

主持人： 短期内就是缺货，至少缺到明年以后，有些人看到 2030 年。针对 Flash 的供需，美光在新加坡建制 Flash 的新产能跟工厂，但是美光说最快是 2028 开始营运跟生产。潘董常常讲盖工厂要时间，盖无尘室的时间要更多，盖完之后还要机器设备进来，良率高。现在预计的进度是最快是 2028。

潘健成： 我记得去年 10 月上节目有提到，当初我预测 NAND 的原厂大概 Q1 就会开始放消息说要投资，已经发生了。三星发生了，美光发生了，Kioxia 发生了，很快海力士一定要跟进。中国业者已经在做了，但是大家一窝蜂去做这个事，盖硬体建设可以 12 个月，可以 8 个月，设备就这么多了，大家抢设备了。一个萝卜一个坑，设备在扩产没那么快。所以我们就认定，只要你今天 1 月 1 号说要砸钱生产，最快 2 年。

主持人： 下一回合大家抢设备都会影响。

潘健成： 是的，但是我要再比，现在所有的云的需求，AI 需求是美国带动的。中国大陆还没跟上，云端还没跟，地端还没跟，教育也没跟上，所以这坨账很难算。

主持人： 记忆体的缺货已经对实质的供应链造成很大的冲击。中国台湾这一波股票市场交易很热络的是记忆体族群，股价都创了新天价。中国台湾的记忆体比较独特，早先有些人担心在军备竞赛当中并不是一军的原厂。但因为原厂都把产能拿去做 DRAM 之后，产能就不够了，那中国台湾这些还愿意供 DDR4、DDR5 的，大家要感恩。潘董事实上是 Flash 这一块，你的上游原厂其中一个大原厂是凯侠。Flash 也是非常寡占的市场。中国台湾的供应链也很多人受惠，您怎么看这一波？

潘健成： 其实 DRAM 我们不评论了。中国台湾 DRAM 都知道，中国台湾其实并没有认真讲好 Flash，华邦电旺宏做一些很 Legacy 的产品线。中国台湾要去做 3D Flash 已经很遥远很难了。群联电子本身不做 Flash，我们做应用，我们有控制器，我们有模组。我常比喻我们不种米，种米要买土地要资本支出，我们是买米做米加工。我们有能力把米做成每一天不同的米加工产品，针对市场需求去做，所以才奠定了我们在这个的位置。我们不只是卖米加工的技术，也卖米加工后的成品。打比方，做个企业级的 SSD Controller，Gen5 大概美金 50 块，一年了不起卖 10 万颗吧，500 万赚 50% 是 250 万。我一个月薪水要付 8 亿了。所以做控制器的市场很难做，因为你要养很多人。那我们只是出了大概十几万片的企业级 SSD，就快 20 亿的营收了。20 亿营收如果有三成的毛利率，总比那个赚 1 亿好。所以我们是用不同的 Model，我们是一个 IC 设计公司，但是营收来自于系统的价值。只有这样子你才能够投资，才能扩大，才能够走得更久。

主持人： 2026 年在华尔街资本市场上大概会有几个重量级的 IPO，一个是 OpenAI，一个是 SpaceX。马斯克说他 SpaceX 还要跟他的 xAI 合并。无论如何，在美国资本市场跟在硅谷，他们现在有大规模的投资都看到太空领域。太空既是产业也是科技，也是经济，在美国也是军事。川普签署美军第六军种就叫太空军。群联据说也是太空的辉达供应链之一，可不可以请教潘董怎么看这个领域？

潘健成： 是不是辉达供应链，保密条款我们就不说了。群联电子 2020 年的产品已经到了火星。2021 年在轨道做测试，2022 年开始有在轨道出现。2025 年初在月球表面也做测试。我们每个月都有出一定量的储存产品到加拿大、到欧洲、到美国。

主持人： 你们的产品有上火星、有上月球。

潘健成： 是的，而且轨道。太空生意不是说今天讲明天就有的，因为你要经过很长的认证，而且这个投资是很漫长的。

主持人： 它的认证严格在哪里？

潘健成： 这样比喻好了，做成手机，你的可靠度要 99.99999，因为挂掉你会整个宕掉。Server 要 99.999999，因为 Server 只要一死掉经济就很麻烦。到外太空去坏掉怎么办？人可以上去修吗？没有。所以它保证不会坏，这个就很难很难。各种你想到想不到的情境都要去测试。

主持人： 譬如说？

潘健成： 辐射，高温、低温、电流、电压，你死掉之后还要能够自己活回来。

主持人： 它的认证这么难？

潘健成： 是的，因为你东西在外面坏掉，你可以派人上去修吗？一个设备这么贵，一个零件挂掉就挂掉喽？所以认证很长，我们曾经还为了做去跟长庚医院借 X 光的去做测试，而且都要半夜去。

主持人： 你测试了老半天，干嘛辛辛苦苦投资十年？

潘健成： 10 年后也许会赚大钱。但是你要投资 10 年。我如果只是卖控制器，一个月卖他 50 颗，就算我卖 50 个模组，毛利率 80% 又怎么样？可是我把模组在太空出货了，我告诉客户，外太空都没问题，你地球你用我的，你怕什么？我们就得到了地球上面的信任。反过头来，外太空卖控制器绝对是赔死的。所以我们其实开始出大量的模组给美国的 CSP 有准备要上太空的那些人。

主持人： 太空的认证这么艰难，不是一般的业者可以做到的。

潘健成： 群联电子就是因为我们本身就是做 Flash 完整的技术的提供者。不管是太空也好，深海也好，很客制化的应用我们都做。我们做这产品投资的时候不会谈 ROI，因为谈 ROI 就等于不要做了。这个是个技术的长期投资，为什么群联电子可以投资呢？因为我们本业一直有能力维持好的获利。为什么维持好的获利呢？因为我们不是只卖控制器。我一直在强调只卖控制器，你不可能去投资这么长期的计划。你现在不投资，5 年后你也不会有。所以我们同业获利能力越拉越开，其实就是因为投越多钱，得到更多的回报。

主持人： 另外一个各界在看中国台湾的业者，发现包含你也包含蛮多做 DRAM 模组的，这一波其实有一些聪明的 CEO 都在低价维持了相当的库存。你在低价的时候库存现在可以高价卖，当然挺好的。你怎么回应这个资本市场去看大家的低价库存跟低价库存而衍生的获利？

潘健成： 其实如果只看低价库存，某个程度就是贸易行为。你有 100 亿的低价库存，价值 200 亿，卖掉了赚了 50%，很高兴。你库存又从哪边来？买贵的库存。你在爬坡的时候库存很高兴，到高原期的时候库存低价没了。高原期你有办法创造毛利吗？就不容易了。所以过去你看很多做模组公司的毛利率在市场大涨很好，高原期的时候就开始下来，等到往下的时候就赔钱了。群联过去在消费类也是面临这个困境，可是过去这五年来，走了两个半的循环，上上下下，我们毛利还是维持在 30% 正负 3。为什么？我们要做到不管涨价或跌价，我买进来的 Flash 产品出来它有一定的价值。如果没有价值就是商业，就那个消费类贸易。我们如果也创造价值出来，维持好我的毛利率，那就表示我们成功了，我们就可以慢慢摆脱。当然随着市场循环我们还是有影响，但是不至于说纯模组公司买卖。打比方，成本一块卖 10 块，很高兴。你买回 10 块，卖 10 块半，这时候毛利只剩 5%。不小心掉到 8 块钱，毛利负 20%。群联要摆脱这个宿命，靠什么？靠技术的投资，新产品的开发，还有你跟原厂长期的伙伴关系。

主持人： 很有可能跟原厂的伙伴关系的变化又影响到将来的取得的原厂的货源或者价格。

潘健成： 必须要说，每家原厂都是上市公司，不是亲爹。亲爹可以随便送你。关系再好，两个是独立个体，有各自的监理机构。行情 10 块，他不可能卖你 8 块。行情 10 块，他也许卖你 9 块 8，很够意思喽。那两趴会变有钱的吗？很难。很多时候说关系好、价格好，只有一次而已。所以我们要到最后还是要回到自己本职，把用一样的材料产生不一样的价值。

主持人： 全世界的供需是世界级的原厂寡占。至少我最近阅读到的扩产资讯可能是三星或者是美光的 2028 年，从现在到 2028 年来临之前，你认为还会发生什么变化？如果缺货缺成这个样子，会死掉很多公司。

潘健成： 对，系统商、消费类的，拿不到材料的，会很严重。

主持人： 以前是很多电子产品坏了就丢掉，未来一两年内坏了会去修。低价的消费产品跟低毛利的消费产品，以后没有或者很难。

潘健成： 会变得生产的很少了，但是这个有让市场产生一个很大的真空。等到供给开始慢慢恢复了，这个又是个大成长。那可能两年，可能 3 年，可能 4 年。那这个大成长谁能够逮得到？活下来的才逮得到。不是活下来，要活的滋润一点，要赚钱。你赚钱能够撑，能够投资，那时候就是你的。如果说你每一年因为只做控制器，收入减少，获利减少，不得不减少人员，两三年之后大概就夭折了。

主持人： 这一次的供应链结构性调整，源头就是 AI 的产业革命。台积电又创历史新高，但在我小时候，台积电跟联电事实上是晶圆双雄，规模、产能、获利能力旗鼓相当，但是今天差距非常大。关键我认为是 AI。

潘健成： 我觉得到最后就是两个字，台积电“专注”。它就专注把技术做好。它的每个世代，从 PC 到手机到 Internet 到挖矿到 AI 它都逮到了。这个只是给我们一个很好的教育，就是一个事情要很专心的去做。武功不是三两下花招就很厉害，内功要练三五十年。台积电这样走过来，它本来就会得到它好的回报。群联电子也必要做个事情，就是研发扎实做一个东西不是一年、两年看成果，三年、五年、七年、10 年。汽车我们做了 15 年，太空我们做了 6 年，企业级做了 7 年，赚钱吗？还没赚钱。要不要做？要。因为我们其他生意赚钱来投资这一块。只要给我充足的时间，我们维持了一个大量的投资，然后专注只做这件事情，时间到自然就可以证明了。

主持人： 台积电变成一个人的武林，但也变成国际政治的核心攻防议题。卢克尼克在美光的纽约州投资动土典礼就说，记忆体以后没有在美国我也可能课 100% 的关税。如果记忆体再遇到白宫的政策跟关税的变化，有可能造成哪些影响？

潘健成： 这部分我不评论，我们是小朋友，我们看戏就好了。真的要怎么样？你再去说找地、要盖，要能够运作，已经是三年以后的了。3 年会不会变天你不晓得。所以不用浪费我们的精力去分析这个题目。

主持人： 你是从供需的角度来看记忆体的变化，再怎么扩也是不够用。

潘健成： 对呀，再怎么扩也是不够用，所以他愿意扩是好事。

主持人： 原厂照现在扩的进度相当的节制。

潘健成： 非常节制。因为过去 5 年赔怕了。2020 到 2025 赔怕了。现在其实每一家 Memory 公司的 CEO 未来 3 到 5 年不用烦恼营收跟获利了，随便做随便赚。可是他们有个很大很大的压力，就是他们的市值。因为股东跟董事永远不会满足的。你从 50 到 100，我要 200，200 到 400。所以现在 CEO 最大的问题是怎么创造出他们的价值。群联电子必须要在他们需要的价值里面提供我们的开发出来的题材。这部分不好意思不能透露，我们昨天跟一个供应商的一个会议，我必须要说我们愿意预付货款，人家都不想收。

主持人： 为什么？

潘健成： 他说我不缺钱。我说我要货，他说没货。我说那你们现在最大的压力不是赚钱，是股价就不说话。我就把我们 AI 的这种方案讲了一遍给他听。听完之后一个小时合约下来了，价格拿到折扣了。

主持人： 真的哦？

潘健成： 真的。我们要知道他要什么。我可以不可以提供他要的东西？因为这单现在有很多进行中，跟电脑展之前都不能说了，那就等着看 HAI 会不会发生。

主持人： 你觉得 HAI 要怎么发生？

潘健成： AI 的瓶颈不是 GPU 算力，是 Memory 不够。Memory 不够，它就不算了。可是 DRAM 你也知道不够。那你要创造这么多算力，你必须要这么多 DRAM 不足，我们说用 Flash 来补，以前说不行。像那个 Rubin 也开始用 Flash 了。我们在这个两三年以来做了很多开发，很多专利，然后也做了很多成功的实验。AMD 跟英特尔跟英伟达推 PC 的 CPU，都号称有 AI。要 AI 基本的开销，32G、64G、128G 的 DRAM。DRAM 128G 就已经 2,000 块美金了，比台电脑贵，所以那不实际了。那你 CPU 可以算 AI，要这么多 DRAM 不会发生吗？我们就用一点点 DRAM，一点点 8G、16G 加上我们特殊的方案发明，每一台都是 AI PC。

主持人： 真的。

潘健成： 真的。这讲很久了，没人相信。

主持人： 那为什么当时没人相信，而现在大家愿意接受或执行？是因为价格的变化、成本压力的变化？

潘健成： 真的缺货了。DRAM 缺货了。所以我们过去这一两个月努力的在软体的应用上面找突破，因为到最后消费者不是看数字，他是看使用感觉。所以我们在软体上面也跟很多伙伴在合作，中国台湾也会成立一个软体的协同伙伴机制来开发这种应用。到最后每一台的电脑，不管你是 Notebook、Box 或桌上的电脑，只要用上这些几颗有 GPU 的 CPU，讲我的方案，它就是 AI PC。正在进行中，所以 3 月、4 月、5 月、6 月都会有一次不同的活动在推广。

主持人： 这个也是你们今年很重要的新的进程专案。

潘健成： 去年就在布局这个了，但是要感谢 DRAM 缺货了。DRAM 不缺货，我们也很这个契机，会比较辛苦的。

主持人： 可是照这样子讲，Flash 也是缺货的啊。

潘健成： DRAM 已经没有选择，DRAM 有 Server 很多在抢。Flash 还有很多消费的，可能就会被处理掉，被牺牲掉。一个萝卜一个坑，昨天在看 Call 的时候他也说对 Flash 不够，我说我问你，你的 Flash 拿去卖这个应用，跟卖这个应用对你股价哪个有帮助？他说我们这个有承诺，你去问你 CFO。所以他们的现在压力都是市值，而不是获利，但获利是支撑市值，但是更重要新的应用了。

主持人： 讲到市值我也很有感触。日本股市凯侠低点到高点可能差了 10 倍。韩国 SK 海力士、三星市值也有明显的成长。美国 SanDisk 跟美光两个指标，市值也涨。这几个大厂都是国际级的 Player，作为一个也在这个领域有耕耘 30 年的业者，你怎么看日本、韩国、美国的原厂，他们的差异在哪里？

潘健成： 我想这个不好评论，因为敏感。韩系自然一直在美光领先。铠侠算是浴火重生，东芝的事故事件之后，它曾经很辛苦，最近也火起来了。美光更不用讲了，这个新的领导班底进来之后，整个完全不一样。三戒这个人真的是很厉害，以前的美光跟现在美光是完全脱胎换骨，竞争力很强，而且很有策略。技术也一直在往前面冲刺。基本上我看得出来全球大概 5 个系列了，铠侠跟闪迪是 JV 算一个系列，海力士、三星、美光、中国业者各有千秋。不管是他有主场优势、大陆优势、美光优势、政府的支持、技术的往前跑，跟他们在商业上面不同方式的结盟，各自都会活得很好。简单说，谁也干不掉谁了。

主持人： 这是一个超级寡占市场，这一次大家的扩产都很节制。Flash 的扩产有它先天的物理的困难。

潘健成： 因为你 3D 一直叠，越叠越高，资本支出越来越大，降价的空间越来越小。我支出越多，不见得赚的回来。所以他把脚步放慢。不是说以前是 2D 的时候，只要 Scanner 一进步就两倍，那个可以很快，所以以前很容易崩盘，3D 没那么简单的。

主持人： HBM 跟缺货有好几个层次。一个是 Vera Rubin 跟辉达。另外一个是 Google 的 TPU 这种 ASIC，或者是亚马逊的，一样是 ASIC，他们也需要记忆体。如果他没有抢到 HBM，那他的替代方案是什么？

潘健成： 就是用 Low Power 啊。现在开始回来用 Low Power 了。所以八仙过海，各显神通。

主持人： 这个不够，也是你投入这个产业三四十年来讲，这辈子就这么一次？

潘健成： 以前没有，以后大概也不会再有了。AI 这种应用是瞬间一下子拉太快，PC 到无到有到普遍花了二十几年，手机从 iPhone 到普及也花了快 10 年。AI 跑太快。

主持人： 辉达的超级盛势还可以支撑多久？

潘健成： 还很久。TPU 跟 GPU 的用法就不太一样。投资气氛是这样子的，钱容易永远往比较有机会赚更多钱地方去。GPU 这块很好赚，那这段时间休息后，钱跑去别的地方会不会再回来？有可能啊。他有好的获利，一年 6,000 亿的支出，大部分去了哪里？所以钱是随着这个旧游牧民族了，而且跑的太快。但是本质上它存在大量需求，它就是会再回来。

主持人： 云端的军备竞赛这个结构已经成型了。

潘健成： 不可能不玩。而且我要再强调，目前还只是美国的云端的竞赛，中国大陆还没进来。会不会进来？会。什么时候？不知道。进来又是另外一波的缺货。

主持人： B 端的竞争，你的观察会如何发展？

潘健成： B 端就像因为 DRAM 缺货，我们的方法可以让每一台 PC 变成 AI PC。在今年三四五六月，慢慢的一直往前面走。如果开始有成功案例之后，那个就可以很快。那就问晶圆厂愿不愿意来供给？如果这个是有故事题材的话，Maybe 有机会可以得到供给，它就可以快速的一个成长渗透。那这个其实在储备未来的需求。内存现在不够他用 8G、16G，以后内存够他 64G 也不够用啊。所以等于说你在养一个未来的大的一个出海口。

主持人： 太空的应用呢？

潘健成： 太空应用我觉得，现在在讲说地球的电力不够，大部分不是算力，是拿去散热。如果把这个放到太空上，电跟热不是问题，电是太阳能。我觉得有机会。目前看到有美国的有在带头，中国大陆有人在做。只要有几个成功案例，就是一个蓬勃发展。估计 2 到 3 年内应该会发生的。

主持人： 可是我确实也阅读到新闻，说像戴尔跟 HP 的那种 PC 跟 Notebook 业者，我就买不到货了，所以他们就考虑要用中国的供应链，你怎么看这个发展？

潘健成： 假设的，美国有一天闹饥荒，中国米有多的吃不吃？吃。就就这样回答。每个企业他必须为了他的股东负责，他有生存的压力。如果那边相对应有相对充足的供应，他不见得拿去卖美国，因为这都是国际品牌。我可以卖中国，我可以卖非洲，我可以卖南美洲。他必须为了他的股东跟员工而去把他的事业做好。

主持人： 中国业者不容易在今年底就开出大量的产能，那如果是明年或者后年呢？

潘健成： 我们乐见，因为需求远远不够。全世界都希望看到这个发生，因为我们也希望看到三星、海力士、铠侠、美光大量产出了。因为需求真的很缺。

主持人： 如果大家都像以前这样大扩产，那 Maybe 2028 之后就可能未必那么？

潘健成： 不可能，因为设备就是不够。还是有它的时间，还是要调试有这个良率。不是想象中这么简单。

主持人： 包含群联这两个月的获利也是历史新高啊。

潘健成： 营收啦。

主持人： 大家就看到一个很特殊的荣景。这个荣景从你的角度来看就是其实是蛮长的。

潘健成： 我们不是种米的。米价往上面跑的时候有库存，很高兴。到高原期的时候就很难讲。一斤米一块变 10 块，你买 10 块卖 10 块半的时候，没有什么荣不荣景了。

主持人： 你觉得哪一个时间点是高原期？

潘健成： 还没到，但是总是会到的。群联的挑战就是不管你到高原期，我买米，我还是要产生出它的价值，这才有我的毛利率。这是我们为什么一直投资在太空、汽车、CSP、AI 的应用，这是我们希望能摆脱所谓循环的宿命。

主持人： 魏哲家预估台积电今年的营收还会再成长三成，资本支出约莫 560 亿美元左右。以你群联来讲，你会预估今年有机会成长多大？然后对你们而言的资本支出或者再投资会是多大规模？

潘健成： 第一个群联电子 CAPEX（资本支出）很小的，我们主要是研发的支出，今年研发支出会比去年最少多出五成，最少多五成。

主持人： 为什么今年？

潘健成： 人力资源在增加，新的光罩、新的制程。库存一定要增加，因为原厂货变慢了，一定要能够 Hold 得住货，不然没办法满足客户。所以我们需要去筹资。那你预测我今年成长多少？因为我们不给这个概念，但是今年 1 月对照去年 1 月，YoY（年增率）成长 3 倍。对照到 12 月 MoM（月增率）成长了 25%。所以今年我认为我们成长的幅度应该不会太小。但是我们需要大量的资金来做运转，主要就是库存的增加，要满足客户长期的交货。因为我买进来之后不可能一天卖掉，可能分 12 个月卖，所以要 Hold 住货，资金的需求会比较大。台积电要的钱是拿去投资资本支出，我的钱主要在研发跟库存。

主持人： 那你的资金需求是多大？

潘健成： 很大。

主持人： 多大？比如说是多少资本额？

潘健成： 我资本是 22 亿，我可能需要十几二十亿美金。

主持人： 你的资本额是 22 亿台币，如果你需要十几二十亿美金，可能是 500 亿台币。其实我也有很深的感触，半导体现在门槛为什么这么高？第一个资本的门槛就很高，所以为什么它这么寡占？刚刚讲说你要扩厂，也要盖得出无尘室，买得到设备，然后 Run 得到，于是乎你有硬体跟软体的一切门槛。软体也不是说你有人就可以 Run 得好。英特尔最近开法说会，说它有订单，但是良率不高。英特尔有什么？有技术、有订单、有设备、有资本，连白宫都投资了，但是没有产出良率。

潘健成： 对我们的一个很大挑战就是原厂可能要预付货款。原厂本来货到月结 45 天、60 天，缩短到 30 天，因为原厂也要 钱投资啊。所以台积电去年赚的钱全都拿去投资。它股息怎么来的？银行借的。你可以去看，去问嘛。

主持人： 这真的是超级军备竞赛。

潘健成： 那去年、今年面临的情况就是我需要大量资金预付货款，我的周转、我的库存，所以我今年股息怎么办？

主持人： 预付 3 年还要预付现金，那如果现货价造成价差的时候，要不要补差额？

潘健成： 我们当然有一个特定的机制，这个 NDA（保密协议）就不说了。那这个生意如果我们觉得不对，我怎么会去签呢？

潘健成： 那反过头为什么人家要支持我呢？因为我告诉对方说我们的合作不是对你产生利润，是对你的价值有帮助。

主持人： 但是预付现金3年，这也是我这辈子第一次听到。

潘健成： 如果不付...

主持人： 而且是预付全额吗？还是先付定金？一大笔钱啊。所以你可以不付啊。那我再问下面一个问题，如果原厂是这么强势，我现在猜测判断某些财务状况没那么充裕的模组厂，搞不好都玩不下去。

潘健成： 玩得下去，高买高卖嘛。反正高买高卖有营收。一块钱变成 50 块，但是获利就会...

主持人： 就会很薄。因为这等于是原厂是非常强势的卖方市场。在中国台湾 DRAM 的业者也类似这样吗？

潘健成： DRAM 我们比较少碰了，我们只是用一点点而已。

主持人： 但是 Flash 现在就是这样子。然后这一个趋势很有可能是至少两三年。

潘健成： 如果我不觉得大于 3 年，为什么我要预付 3 年？

潘健成： 其实我们三年的时间我会付这笔钱，表示我进 Lock（锁定）的相对应的订单了。甚至我要求我的客户也要预付我这笔钱。

主持人： 等于转嫁了嘛。

潘健成： 就 Back to back（背对背）嘛。那为什么客户愿意付我这笔钱？因为他的...

主持人： 因为他也需要。

潘健成： 他的需求。设计就是我做的。

主持人： 然后这些真正的源头都还是回到美国的 AI 基础建设，所以刚刚讲到四大 CSP 业者就直接 6,000 多亿美元的资本支出，然后还有其他 Data Center 跟其他人的资本支出嘛。所以整个这一个，这真的是超级周期。

潘健成： 基本上 CSP 很多生意我们也有机会拿到。可是没有供给，我们不敢拿。但是锁了货源之后我们就可以马上就拿得到了。

主持人： 而且这也是为什么华尔街有些人会开始质疑说，这么大的资本支出都是肥了军火商。其实台积电也是军火商，刚刚讲的记忆体的这些原厂也都是军火商。那因为你要建 Data Center，就跟盖房子一样，盖房子要买钢筋水泥，建 Data Center 要买这些 GPU 记忆体呀。那盖完房子就一定发大财吗？其实未必有。

潘健成： 没有，所以 AI... 黄仁勋先生不是讲了一个数字，他说其实 OpenAI 其实是赚钱的。如果他不持续投资了。Azure 是有赚钱的哦。AWS 往下看，如果不赚钱，为什么他要投资？因为 AI 是个刚需。可是它副作用就是很多企业开始会 Layoff，把员工的薪资来补贴 AI 的费用了。这会形成另外一个问题，这个我们就不说了，但是这个趋势是不回头。明显的，不回头了。

主持人： 然后这个趋势是比当年的 Dot com bubble 那一波还严重。

潘健成： 是啊是啊。

主持人： Dot com Bubble 当时也有类似的某一些状况，然后 Dot com Bubble 也因为 Internet 的应用，它创造了比如说很多 E-commerce 的营业收入平台跟新的市场，然后它对于很多消费端的冲击，就是很多实体店面做的生意已经比不上电子商务的生意，但是那个的速度没有这一次这么快。

潘健成： 比较长。

主持人： 就是说那个的调整的速度跟幅度都没有 AI 那么夸张。

潘健成： Bubble 是 97 年新成立的公司，靠股东的支撑没有赚钱，股东一撤钱就 Bubble。直到 2004 年 Google 开始出来普及，不是因为 Dot com 也很厉害了，只是那是网路的布建率变高了。97 年网路布建率，能够接触到人类只有几趴而已。到 2024 年，每个国家开始建，所以它渗透率变高，就火了。所以时间拉得比较长。今天 AI 是短短 3 年时间就推出几代产品了。它如果不是刚需，谁要去买这个单？所以这条路是不归路。

主持人： 而且这些产品还在变化。然后跟上次的 Internet 的变化一样，它变化出来的 Business Model，或者它变化出来的应用，它就可能又改变终端的市场跟终端的应用。然后所以它对软体的影响很大，我们在美国就看到像 Adobe 为什么股价跌成这样？那它对软体的影响很大。我记得好像是高盛写的报告说软体股就像报纸，那报纸的故事大家都知道，现在大家都不看报纸。

潘健成： 不能这么说的。没有转型的软体股像报纸了。有转型过来到 AI 应用的价值，应用搞不好会活得更好。诺基亚就是从传统手机进 Smartphone 里面的，宏达电也是这个失败掉了吗？其实你有能力，其实每个大企业都会活在过去，成功的模式、新的事业它转变不过去。新的事业转变过去都是 Startup。这个是人类的宿命啊。所以不会有人活一辈子都很好了。

主持人： 或者你过去的成功模式反而阻碍你的调整跟变化嘛。但是那个调整显然是非常剧烈、非常大。

潘健成： 非常激烈，大的集团转不过来。Nvidia 如果不是创办人，每天这样子转不过来了。

主持人： Nvidia，我去看它 2020 年的时候的股价，那时候也才 20 多块，然后它还拉过一波，还分拆过。那其实也不过就这三五年的光景，那台积电中国台湾观众很熟悉，Covid-19 的时候，2020 年那时候左右大概 200 多，人家现在要挑战 2,000 块。

潘健成： 我读书的时候 80 多啊。所以我是说一个公司的成功是经过每一天、每一夜长时间的努力，专注做一件事情才成功。所以不要太过羡慕别人了，但是我们自己在走这条路的时候其实很辛苦，会被笑。会被说你在这个吹嘘没有关系，时间会证明一切。

主持人： 事实上，潘总我看过你去年的几个 Interview 跟演讲。约莫大概去年上半年的那个时候，你就在预估 AI 会对供应链，那当然也会对 GDP，也会对很多业者造成影响。但是你那时候讲话的时候，资本市场跟整个发展还没有到那个幅度。所以你等于是比市场看的更早。

潘健成： 比市场的变化看得更前面更早。

主持人： 但是半年后，当时我约你专访的时候，其实是约莫 9 月、10 月，那个时候我已经看到跟理解到产业开始有明显的变化跟记忆体的变化，所以我约你专访的时候，事实上我记得是 10 月份左右。可是因为你们开了一个法说会。法说会后面有一个法规是要有缄默的，所以我们把专访移到 11 月。所以其实是你讲的时候是去年上半年的，可能是三四月，然后我意识到明显的变化已经是 9 月、10 月那附近。然后我们真正的专访是 11 月，但是你的专访确实到现在为止，年代向前看挂在 Youtube 上面的点阅仍然是非常高。那很多人看了你的专访，对于整个 AI 的产业，至少它对于硬体造成的供应跟影响跟变化，很多人才有一个比较清晰的轮廓，然后以及比较理解到说实质面造成什么样的变化？也因此投资的战略方向跟价值也都造成了变化。然后到现在就是确实很明显的所有缺货的效应都出来了，然后所有供需的变化也出来了。可是你刚刚预测了说，其实你认为 B 端以及消费端、系统端还会有真正的冲击。

潘健成： 是我告诉我的客户。如果今年第一季很痛苦，那年底一定会跳楼。

主持人： 那所以那就是一个资本市场跟企业端很大的大震荡、大调整，就是有人可能很好，然后有人可能很惨，或者很想跳楼。

潘健成： 对，就是八仙过海，要各显神通了。你要创造自己被需要的价值。所以我们群联最近在研发，会在持续的扩张。在很多的这个理财业务会加紧脚步。设计会更多样化。这个资金会快速取得，来做这个应变。

主持人： 然后这个变化是今年的。那就你的观察，如果今年等到年底的时候，你刚刚讲说有人可能会想跳楼，那对明年又可能会变成什么样子？

潘健成： 明年事明年再说，哈哈，先过完今年。

主持人： 先过完今年。

潘健成： 我们这产业，老实说，看得到后面的情况了，但是今年都活不过去，讲明年就没意思的了。那今年先过好，明年该怎么做我们知道再准备。等到明年快到了，我们再来揭露我们要怎么做的。我觉得每三个月对我们来讲是一个新的一个里程碑。我们想要计划，要做大的把它做下来。这个墙头把它打下来。打下来之后再去告诉大家，我们在做下一步什么事。

主持人： 今天非常谢谢群联，潘健成潘董接受我们的专访，也谢谢观众朋友收看。那我们稍后再回到年代向前看的节目现场，谢谢大家，谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

Palliser Capital上周致信TOTO董事会，敦促其加强先进陶瓷板块投资。该板块生产用于制造NAND存储芯片的静电卡盘设备，目前贡献了TOTO约40%的运营利润。随着AI公司对存储芯片需求激增，这一业务正成为公司增长的新引擎。

Palliser Capital认为，如果公司扩大先进陶瓷业务并优化资本配置，股价仍有超55%的上涨空间。

据彭博报道，在Palliser持股消息传出后，TOTO股价周二一度上涨超5%。过去一年该股累计涨幅已超60%。

高盛上月将TOTO评级上调至"买入"，理由是看好全球AI数据中心投资扩张带动的持续高增长。这反映出市场正重新评估这家传统制造商在半导体产业链中的价值。

TOTO在日本以加热马桶座和"Washlet"免治功能闻名全球，但Palliser指出，该公司"已悄然从传统国内卫浴冠军演变为半导体制造先进陶瓷领域的新兴强者"。

该公司的静电卡盘技术采用可在极低温度下保持稳定的陶瓷材料，在芯片生产过程中牢固固定硅晶圆。这使其与低温蚀刻工艺高度相关——随着存储芯片变得更加分层和复杂，这一技术的重要性将持续提升。

TOTO自1980年代起利用马桶制造中积累的陶瓷技术生产静电卡盘，但直到近几年这项业务才开始显著放量。过去数月，受AI相关公司巨大需求推动，存储芯片价格大幅上涨，进一步提升了相关设备供应商的市场地位。

Palliser认为TOTO在先进陶瓷领域拥有五年竞争护城河，其他公司难以在短期内追赶。该基金预计，受NAND升级周期和稳定更换需求驱动，这一业务未来两年营收增长可达30%或更高。

该公司将TOTO描述为"最被低估和被忽视的AI内存受益者"。不过Palliser同时指出，TOTO未能向股东和市场充分说明该业务的重要性，且公司计划投资中流向这一高盈利板块的资金比例过低。

Palliser由Elliott Management前高级人物创立，近年来在日本股东激进主义浪潮中扮演着日益重要的角色。该基金其他持仓还包括东京建物、京成电铁和日本邮政控股。

Palliser建议TOTO扩大先进陶瓷业务规模，出售交叉持股，并更高效地使用其持有的760亿日元（4.96亿美元）净现金。该基金测算，如果实施这些措施，TOTO股价有望上涨超55%。

交叉持股是日本企业长期存在的治理问题，近年来在东京证券交易所推动公司治理改革的背景下，越来越多的企业开始削减此类持股以提升资本效率。

TOTO并非日本首家因AI热潮受益的非科技公司。味之素以汤料产品闻名，但该公司利用其在鲜味调味方面的专业知识衍生的树脂，制造芯片与主板之间的绝缘材料，同样搭上了半导体产业扩张的快车。

分析师此前已关注到TOTO的先进陶瓷业务潜力。高盛上月上调该股至"买入"评级时强调，全球AI数据中心投资扩大将支撑该业务持续高增长。

这些案例显示，在日本制造业体系中，许多传统企业凭借数十年积累的材料和工艺技术，正以意想不到的方式参与到全球半导体供应链中，成为AI基础设施建设的隐形支撑者。

本文来自华尔街见闻，欢迎下载APP查看更多

这家澳大利亚矿业巨头周二公布，截至去年12月31日的六个月内，收入同比增长11%至279亿美元，股东应占利润增长28%至56亿美元。业绩超出分析师预期，公司股价开盘上涨5.3%。

首席执行官Mike Henry表示，这一表现对必和必拓而言是"里程碑"，铜业务贡献了公司51%的基础息税折旧摊销前利润，首次超越其他业务成为最大利润来源。能源和汽车行业的强劲需求持续推高铜价，令这一转型的战略价值得到验证。

必和必拓将派发每股73美分的中期股息，相当于60%的盈利分配率。

铜已成为全球矿业增长的核心驱动力。必和必拓此次业绩标志着公司战略转型的成功，铜业务对基础息税折旧摊销前利润的贡献率达到51%，这是该业务首次成为公司最大利润来源。

评级机构穆迪的Saranga Ranasinghe表示，铜现已成为必和必拓"强劲的盈利支柱"。她指出，必和必拓在市场供应减少之际提高了铜产量指引，这将支撑更强劲的未来现金流，因为更高的产量恰逢更紧张的市场状况。

必和必拓上月上调了铜产量增长预期，目标是到2030年代中期实现年产250万吨。Henry表示，多个项目为这一目标"增添了实质内容"。

提升铜业务敞口一度是必和必拓战略的核心。该公司去年底曾尝试与英美资源集团（Anglo American）合并，但未能成功。类似的逻辑也推动了力拓与嘉能可之间最近结束的谈判。

但Henry在媒体电话会议上表示，必和必拓目前"没有感到任何迫切需要"追求进一步的收购机会。他表示，符合公司增长战略的交易只有"很小的范围"。

在放弃大型并购的情况下，必和必拓依靠小规模交易维持其全球最大铜生产商的地位，包括收购澳大利亚公司OZ Minerals以及智利Vicuña项目。加拿大Lundin Mining本周表示，其与必和必拓共同拥有的智利Vicuña项目进展迅速，计划在初始开发阶段投入71亿美元。

必和必拓还从铜矿开采副产品的价格飙升中获益，包括黄金、白银和铀。这些非核心产品在上半年贡献了约20亿美元收入。

公司已与加拿大Wheaton Precious Metals签署43亿美元协议，供应秘鲁Antamina矿山的白银，以利用这一金属价格的大幅上涨。

该交易是必和必拓资产优化计划的一部分。去年12月，公司向Global Infrastructure Partners出售了西澳电力网络的股份，价值20亿美元，这是释放其业务中100亿美元被低估资产计划的组成部分。

本文来自华尔街见闻，欢迎下载APP查看更多

彭博宏观策略师Simon White日前撰文称，今年以来，在油价反弹的推动下，美国能源股上涨超过20%，表现优于包括科技股在内的所有其他板块。与此同时，投资者正在做空可选消费板块。该板块包括亚马逊和特斯拉等非AI核心企业，以及传统零售股。

12月零售销售数据疲软引发了对消费者健康状况的担忧，而玩具制造商美泰发布疲弱盈利预期后，其股价创下自1999年以来最大单日跌幅，进一步打击了市场情绪。

数据显示，可选消费股的空头持仓比率增幅已超过科技股，而能源股的空头持仓比率则降至近一年来的最低水平附近。分析认为，这一趋势反映出投资者对不同板块前景的重新评估，以及在通胀环境下对实物资产配置的偏好转变。

科技股主导地位动摇，能源股强劲反弹

长期以来，科技股的表现一直优于美国其他主要板块，但如今这一主导地位在投资者心中已不再稳固。

人工智能（AI）企业正投入巨资进行基础设施建设，其投资规模之大甚至相当于中小型国家的国内生产总值（GDP）。这种高风险博弈使得软件即服务（SaaS）公司的商业模式和利润率受到严格审视，因为AI正将代码生产转化为一种几乎无成本的商品。

相比之下，能源板块虽然此前受困于低油价导致的盈利下滑以及ESG（环境、社会和公司治理）限制导致的大型投资者配置减少，但形势已然逆转。

虽然AI旨在降低智能成本，但其发展的硬约束却是处理器对能源的贪婪需求。今年在油价反弹的推动下，美国能源股涨幅超20%，不仅跑赢大盘，更直接超越了科技板块。

做空目标转移：从科技转向可选消费

尽管科技行业面临颠覆风险和巨额开支压力，但直接做空科技股仍被视为一种“勇敢”的交易，因为该行业充满未知的快速颠覆能力。

因此，投资者并未大举做空AI开发商，而是将做空目标锁定在可选消费类股票上。

这一类别不仅包括亚马逊和特斯拉等非纯粹AI开发商，还涵盖了标准的零售股。市场情绪受到具体数据的打击：

12月零售销售表现疲软，引发了外界对消费者健康状况的担忧；美泰（Mattel）因发布疲弱的盈利预测，导致其股价创下自1999年以来的最大单日跌幅，进一步挫伤了市场信心。

数据显示，目前可选消费类股票的卖空比例增幅已超过科技股，而能源股和必需消费品的卖空比例则降至至少一年来的最低点。

分析指出，只要对消费者健康状况的担忧持续存在，科技企业继续以大规模投资损害资产负债表健康，以及在政府维持大规模财政赤字的通胀环境下实物资产配置需求不断增加，今年新兴的板块趋势就没有理由很快改变方向。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国银行上周五（2月13日）发布的最新调查显示，基金经理的美元敞口已跌破去年4月的低点，其美元头寸为至少2012年以来最负面水平。美元今年迄今对包括欧元和英镑在内的一篮子货币下跌1.3%，叠加2025年9%的跌幅，目前徘徊在四年低点附近。

芝商所期权数据显示，今年以来做空美元的押注已超过看涨押注，逆转了2025年第四季度的局面。针对美元兑欧元进一步贬值的押注已达到过去十年中仅在新冠疫情期间和去年4月特朗普宣布所谓“对等关税”后才出现的水平。

分析指出，特朗普激进的地缘政治行动以及对美联储等机构施压，引发了市场对美国作为全球资本避风港吸引力的担忧。大型资产管理公司表示，美元下滑反映出养老基金等实际资金投资者日益希望对冲进一步疲软或降低美元资产敞口。

机构大举调整美元头寸

资产管理巨头先锋集团全球利率主管Roger Hallam表示，过去一年的部分波动已促使投资者质疑他们在美国资产上持有的历史性低对冲比率。

他补充说，这种对美国配置和对冲头寸的重新评估是美元近期下跌的"关键驱动因素"。

摩根大通资产管理公司国际首席投资官Iain Stealey表示，该公司近几周已建立起做空美元的头寸。

Stealey特别提到了套利交易（carry trade）的前景，这种交易此前因美元的高利率回报而受到青睐。他指出：

“（美元）并未被严重高估，但我们看到美联储将继续降息的环境……套利优势将随着时间的推移而逐渐消失。”

市场预计美联储今年将降息两次，与欧元区和日本等主要经济体的利率差距将缩小。

施罗德多资产基金经理Caroline Houdril表示：

"我们看到资本回流增加，外国美元持有者将资本转回本国货币。"

政策不确定性加剧美元压力

沃什被提名为美联储主席最初让许多投资者感到安心，他被广泛视为正统候选人，可能缓解对央行独立性的担忧。但特朗普已开始对沃什施压，2月稍早前表示，如果沃什赞成加息，他"不会得到这份工作"。

美国银行分析师指出，沃什的提名"并未转化为对美元的更大需求，也未重燃对美国资产的乐观情绪"。

今年1月的格陵兰危机加剧了全球投资者可能撤出美国资产的预期，当时特朗普威胁对北约盟友采取军事行动和加征关税。

尽管美国财长贝森特随后抨击"欧洲人将出售美国资产的说法"，但一些管理公司表示已出现资金外流。

汇率干预担忧挥之不去

华盛顿去年支持阿根廷比索对抗美元，以及上月对银行日元兑美元汇率进行所谓的"汇率核查"，引发了市场对美国可能计划削弱美元的担忧。

特朗普1月评论称美元下跌"很好"，进一步加剧了不确定性。这些言论促使贝森特表态称，政府仍在推行华盛顿传统的"强势美元政策"，并不打算进行外汇市场干预。

Aberdeen Group投资首席执行官Xavier Meyer表示：

"政府内部及周围有很多人认为，较弱的美元将有助于美国出口和更广泛的再工业化推动。"

他补充说，这是市场"如此认真对待"美日可能进行外汇干预前景的一个因素。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

美股休市，科技股拖累欧股反弹，泛欧股指止住两连跌，英股两连涨创收盘新高，银行板块涨超1%，而科技板块跌逾1%。日GDP逊色，日元止步五连涨。离岸人民币盘中涨200点、近三年来首次涨破6.89。比特币冲高回落，盘中重新站上7万美元后一度跌近4%。

大宗商品中，金属普遍承压，原油继续反弹。黄金失去“中国动力”失守5000美元关口，盘中黄金跌超1%，期银跌超4%；伦锡收跌超2%，伦铝三连跌，伦铜回落至逾两周新低；原油盘中转涨超1%，布油两连阳。

亚洲时段，AI热潮助港股蛇年收官战告捷，MiniMax暴涨25%、智谱涨4.74%齐创新高，有色板块拉升。

要闻

中国

行业首例！国投白银LOF估值调整补偿方案出炉：1000元以下损失全额补偿。

阿里发布千问3.5，登顶全球最强开源模型，性能媲美Gemini 3，Token价格仅为其1/18。

四家机器人厂商宇树科技、魔法原子、银河通用、松延动力同台央视龙年春晚，据称为拿下合作砸重金；《武BOT》燃爆全场，宇树科技王兴兴：这种高动态、高协同的集群控制技术是全球首次亮相；2026年多款全新产品正在研发中。

海外

美媒：若美伊谈判失败，特朗普支持以色列空袭伊朗弹道导弹设施；美军向中东增派18架F-35战斗机；伊朗革命卫队海军在霍尔木兹海峡举行军演。

俄总统新闻秘书：俄美乌在日内瓦三方会谈议题包括领土问题。

苹果将于3月4日举行发布会，Mac新系列或即将登场；苹果发力视频播客：正面挑战YouTube和Spotify。

马斯克：星链“很快”将在地球之外运行。

市场收报

欧美股市：美股休市。欧洲STOXX 600指数涨0.13%，报618.52点。

A股：休市

债市：美债休市。

商品：布伦特4月原油期货收涨1.33%，报68.65美元/桶。LME期铜收跌约0.2%，报12850美元/吨。LME期铝收跌约0.8%，报3052美元/吨。LME期锡收跌约2.2%，报45681美元/吨。

要闻详情

全球重磅

中国

行业首例！国投白银LOF估值调整补偿方案出炉：1000元以下损失全额补偿。针对因国投白银LOF估值调整受损的自然人投资者，开启分层“回血”模式：受损千元以下全额补偿，超九成赎回者受益。

阿里发布千问3.5，性能媲美Gemini 3，Token价格仅为其1/18。Qwen3.5-Plus登顶全球最强开源模型。其核心突破在于混合注意力机制、极致稀疏MoE架构、原生多Token预测及系统稳定性优化，实现用更少算力唤醒更强智能。模型具备视觉智能体能力，可理解屏幕并自主执行跨应用操作，甚至能将草图转化为代码。API价格低至每百万Token 0.8元。

谁在为上春晚豪掷千金？四家机器人厂商宇树科技、魔法原子、银河通用、松延动力同台PK。有消息称，为了拿下合作，各家不惜砸下重金。作为参照，国内头部人形机器人企业年营收多在数亿元至十亿元级别。咨询机构IDC统计，2025年全球人形机器人销售额约4.4亿美元（约30.4亿人民币）。对于这些企业而言，这笔营销投入绝非小数目。

• 魔法原子抢下马年春晚机器人“开场位”。其机器人MagicBot Z1展示了“托马斯360°”特技动作，为业内同尺寸人形机器人首次完成该动作。
• “真假蔡明”现身春晚！松延动力机器人表情似人以假乱真。松延动力多款机器人参与蔡明表演的小品《奶奶的最爱》，节目中出现了一款面部表情和动作都和蔡明十分相似的仿生人形机器人，通过惟妙惟肖的面部表情吸引了观众注意。
• 《武BOT》燃爆全场，宇树科技王兴兴：这种高动态、高协同的集群控制技术是全球首次亮相。宇树科技创始人王兴兴告诉央视，今年机器人在快速奔跑中完成了穿插变阵和武术动作，这种高动态、高协同的集群控制技术是全球首次亮相。“这个动作非常实用，为后续机器人在其他场景集群或单台机器人调度做好了铺垫”。
• 宇树科技王兴兴：2026年多款全新产品正在研发中。智能机器人的核心不是炫技，而是“技术要服务于人”。运动能力是智能机器人的先决必要条件，必须先能站稳、跑稳，才能谈得上去干活。

海外

美媒：若美伊谈判失败，特朗普支持以色列空袭伊朗弹道导弹设施。据新华社，特朗普再放狠话！美媒曝其密会内塔尼亚胡时承诺，若美伊谈判破裂，将力挺以色列空袭伊朗导弹设施。美军方高层正研讨空中加油等协助方案，而鲁比奥仍寄望外交解决。美伊核谈判前夕，中东火药桶再现惊雷，地缘风险陡升。

• 美国空军向中东增派18架F-35战斗机。据央视新闻，在加油机群的支援下，美军驻扎在英国皇家空军莱肯希思基地的18架F-35A“闪电II”战斗机启程前往中东。这些战机以三机编队协同飞行，这是近几个月来规模最大的单次F-35部署之一。此次部署规模直接反映了美国当前因与伊朗的紧张关系而采取的军事部署策略。
• 伊朗革命卫队海军在霍尔木兹海峡举行军演。当地时间2月16日，伊朗伊斯兰革命卫队海军在霍尔木兹海峡举行军事演习。本次演习名为“智能管控霍尔木兹海峡”，主要目标包括检验伊朗革命卫队海军作战部队的战备状态、审查革命卫队在霍尔木兹海峡地区应对潜在安全和军事威胁的安全计划和反军事行动方案等。

苹果将于3月4日举行发布会，Mac新系列或即将登场。苹果已邀请媒体参加在纽约、上海和伦敦举行的集会，称将举办一场线下“体验（Experience）”活动。苹果一直计划2026年上半年发布多款新产品，包括：预计搭载M5 Pro/Max芯片的新款MacBook Pro，搭载M5芯片的新款MacBook Air，传闻定价在699美元左右的低价位MacBook，以及包括第12 代 iPad和M4芯片版iPad Air在内的新款iPad。

• 苹果发力视频播客：正面挑战YouTube和Spotify。苹果公司宣布，将于今年春季为Apple Podcasts带来全新的集成式视频播客体验。在Apple Podcasts应用内，用户将能在同一频道下无缝切换“看”与“听”模式。同时支持画中画模式及离线下载视频剧集。此举正值视频观看持续重塑播客行业之际。据Edison Research数据，约37%的12岁以上人群每月会观看视频播客。

马斯克：星链“很快”将在地球之外运行。马斯克在社交媒体平台X表示：“星链太棒了，无论在地球何处，都能提供超高带宽和超低延迟，而且很快就能在地球之外服务了。”

高盛：对冲基金正以十年来最快的速度抄底亚洲市场。据高盛的报告，对冲基金上周转为全球股票的净买方，这是三周以来首次，资金流入所有主要市场，但亚洲表现最为突出。报告指出，随着投资者从动量交易中轮动出来，同时对美元走弱作出反应，新兴市场持续跑赢。

研报精选

美银Hartnett：“AI颠覆交易”加速扩散，一旦有科技巨头削减开支，将引发美股“轮动海啸”。美银Hartnett最新报告警示，2026年AI超大规模企业资本支出预计将达7400亿美元，导致自由现金流枯竭。一旦有巨头宣布削减开支，将成为引发美股从科技股向小盘股、新兴市场“大轮动”的关键信号。而从保险到物流，AI对服务业的颠覆正像野火般蔓延。此外，日元与日股相关性20年来首次转正，预示长牛。

木头姐：这轮市场波动是算法导致，而非基本面。木头姐凯茜·伍德称，近期市场急涨急跌“多由算法交易制造”，程序化减仓与技术面交易容易形成连锁踩踏，导致“先卖再问”的非理性波动，而卖出的人很可能要后悔。她强调AI是毕生最大机遇，当前市场处于类似1996年的早期阶段，科技巨头激进的资本开支是必要的。伍德认为，AI带来的生产力爆发或推动通胀下行。

存储巨头四季报“五大关键点”：当前周期强度超越2017-2018“云繁荣周期”。美银美林指出，SK海力士库存周转天数降至127天的低位，成品库存仅剩2-3周。三星DRAM售价环比大涨40%，现货价格创25年新高。行业高管认为，本轮周期强度已超越2017-2018年的云繁荣期，若短缺持续至2027年，价格仍有上涨空间。

AI圈内人士：巨大变革正在发生，人们还懵懂不知。一位AI领域资深人士以亲身经历发出警示：当前AI已具备自主构建下一代系统的能力，迭代速度远超公众认知，过去需数周的工作现仅需数分钟。他预测未来一至五年内白领工作将遭颠覆性冲击，而适应窗口正急剧收窄。人们应立即行动，将AI嵌入日常工作流解决实际问题，并锚定批判性思维等AI难以复制的能力。

国内宏观

新春伊始，如何看待人民币升值？人民币升破6.9创33个月新高。玉渊谭天认为，这并非单纯的美元走弱，关键转折在于中国对美关税的硬核反制彻底扭转了全球预期。外资风向已变，正从“观望”转向“抢筹”。随着人民币加速从交易结算迈向资产配置与融资，这场升值背后，是中国经济韧性与货币地位的双重跃升。

海外宏观

重回增长但仍疲软，日 本2025年四季度GDP年化季率0.2%不及预期，扩张财政政策获支撑。去年四季度实际GDP年化环比仅增0.2%，远低于预期1.6%，消费投资双双低迷。数据为高市早苗推行扩张性财政政策提供支撑。经济重返增长虽为央行年内加息留出空间，但复苏力度温和令近期行动预期降温。

海外公司

OpenClaw创始人加入OpenAI，目标“开发一款连我妈妈都能用的AI助手”。“AI圈当红炸子鸡”OpenClaw创始人Peter Steinberger最终拒绝Meta，选择加入OpenAI。入职目标直指AI落地的核心痛点——从极客工具转向大众消费品，誓要打造“连母亲都能用的AI助手”。Altman直言，Steinberger“是个天才”。

印度贡献1亿“周活跃用户”，占OpenAI活跃用户数1/8，仅次于美国。OpenAI CEO Altman透露，印度已成为其关键战略市场，拥有1亿ChatGPT周活跃用户，占全球总数约八分之一。面对印度价格敏感的市场特性，OpenAI通过设立办事处、推出低价套餐加速本土化布局。学生群体是增长核心驱动力，各大科技巨头正竞相争夺教育场景。但如何将庞大流量转化为持续经济价值，仍是其在印面临的长期挑战。

今日要闻前瞻

美国1月零售销售。

美国2月NAHB房产市场指数。

德国1月CPI。

美联储理事巴尔、旧金山联储主席戴利讲话。

印度人工智能峰会2月16日至20日举行，黄仁勋、谷歌CEO等科技领袖将出席。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

中国市场休市，金银失去重要的上行推手，未能保住上周五CPI提振降息后带来的反弹势头，黄金失守5000美元关口。上周五传出的美国政府计划取消部分钢铝关税消息令工业金属市场承压，铜库存持续增加令基本金属走弱。

上周五美国CPI通胀数据低于预期，强化了美联储今年的降息预期，交易员已完全消化7月降息的预期，并认为6月降息可能性增加。这一预期支撑了债市价格上涨，基准十年期美国国债收益率上周五盘中创将近两个月来新低，周一美债休市后，英债延续涨势，德债企稳。

KBC Securities全球股票主管Andrea Gabellone表示：“CPI数据公布后，股市背景是积极的。” 但他同时指出：“未来可能会出现更多分化，因为围绕关键人工智能相关板块的情绪仍然非常关键。”

本周市场将迎来一系列重要数据，包括周二将公布的ADP私营部门就业数据和周三公布的美联储1月会议纪要，投资者将从中寻找经济状况的最新信号。

泛欧股指周一止住两连跌。欧洲斯托克600指数收涨0.13%，报618.52点，未继续跌离上周三刷新的收盘最高纪录。

主要欧洲国家股指周一涨跌各异。上周五反弹的德股回落，意股五连跌，而英股两连涨，刷新上周三所创的收盘纪录高位，三连跌的法股和四连跌的西股反弹。银行业权重较大的西班牙基准指数表现最好，收涨约1%。

银行股成为周一欧股上涨的主要推手。斯托克600各板块中，上周因AI颠覆担忧而累跌超5%创十个多月最大周跌幅的银行收涨逾1.4%。

成分股中，英国银行NatWest收涨近4.8%，创2025年10月以来最大日涨幅，该行被花旗分析师将目标价上调至华尔街最高水平、且上调其税前利润和每股收益（EPS）预期，反映其收购财富管理公司Evelyn Partners以及净利息收入的增长。

而斯托克600的科技板块收跌1.05%。成分股中，因投资者担心其难以实现2029年营收和云业务目标，法国软件公司达索系统（Dassault Systemes）收跌逾10.4%，领跌斯托克600成分股。

XTB研究总监Kathleen Brooks表示："随着新一周开始，AI恐慌交易暂停了。越来越多的人认为，对人工智能吞噬全球大量工作岗位和行业的担忧被过度夸大，本周可能会看到一些遭遇最严重抛售的板块出现复苏。"

周一美股休市，美股期货小幅波动。

周一纽约尾盘，标普500股指期货涨0.03%，道指期货涨0.08%，纳斯达克100股指期货跌0.24%，反映出市场对科技股的谨慎情绪。

人工智能对不同行业的影响正引发华尔街机构的密切关注。Mislav Matejka等摩根大通策略师对面临AI“蚕食”风险的股票发出警告，包括软件、商业服务和媒体公司。

高盛集团推出了一个新的软件股篮子，做多将从人工智能应用中受益的公司，同时做空工作流程可能被替代的公司。

尽管存在分化担忧，企业盈利韧性仍是关键支撑。摩根大通EMEA股票策略主管Nataliia Lipikhina对彭博电视表示："当你看当前的财报季时，公司显示出13%的增长。总体而言，这是我们继续看好标普500指数的原因。"

彭博策略师称，全球股市可能回撤，因为AI前景的分化将拖累大型科技股和易受颠覆影响的板块，股市下跌将帮助债券延续涨势。

高盛分析师指出，随着资本支出激增，标普500指数回购规模同比下降7%。超大规模云服务商的资本支出计划已膨胀至6600亿美元，比财报季开始时高出1200亿美元。

中国内地和台湾、韩国股市因春节假期闭市，美国因总统日休市，导致全球交易量大幅萎缩。MSCI全球指数持稳，货币和债券市场波动有限。

日本周一数据令人失望。因政府支出拖累经济活动，日本第四季度GDP年化季增长率仅0.2%，远低于市场预期的1.6%。上周累涨约5%的日经225指数周一收跌0.2%。

上周累计大涨近3%、创2024年11月以来最大周涨幅的日元止步五连涨。美元兑日元在周一亚市盘初转涨后保持涨势，欧股盘中刷新日高至153.64，日内涨逾0.6%。

日元回落助推上周五CPI公布后转跌的美元反弹。ICE美元指数（DXY）周一大多处于涨势，往常美股午盘时段刷新日高至97.12，日内涨约0.2%。

离岸人民币则在上周五止步六连涨后反弹。

离岸人民币（CNH）兑美元在亚市早盘刷新日低至6.9058，亚市盘中转涨后保持涨势，欧市早盘涨至6.8810，刷新2023年4月21日涨至6.8780以来高位，自2023年4月以来首次盘中涨破6.89，日内涨202点。

比特币冲高回落，在欧股盘中短暂重上7万美元关口、刷新日高，后转跌，往常美股早盘时段靠近6.73万美元刷新日低，较日高跌超2000美元、跌近4%。

本周将有大量经济数据公布，包括英国、加拿大和日本的通胀数据，以及全球商业活动初值和周五公布的美国第四季度GDP数据。德意志银行策略师Jim Reid表示："我们的经济学家预计美国实际GDP增长将放缓至第四季度的2.5%，较前一季度4.4%的增速大幅下降。"

贵金属市场周一回落。上周五重新站上5000美元关口的黄金周一重回这一关口下方，全天基本处于跌势。亚市盘中刷新日低时，纽约黄金期货跌至4981.9美元，日内跌近1.3%，现货黄金跌至4966.41美元，日内跌约1.5%。

纽约期银周一全天也保持跌势。亚市盘中刷新日低时，COMEX 3月白银期货跌至74.57美元，日内跌近4.4%，现货白银跌至74.5948美元，日内跌超3.6%。

盛宝银行的分析师表示：“中国是贵金属和部分工业金属持续一个月上涨行情的关键推动力，但中国市场将持续休市至2月23日，这可能会限制短期内的进一步上涨空间。需要关注的（黄金）关键价位是下行4860美元和上行5140美元。”

基本金属市场同样承压。

伦敦基本金属期货周一大多下跌。伦锡跌超2%，连续两个交易日领跌。LME期锡收跌1021美元，跌2.19%，报45681美元/吨，创1月9日以来新低。

伦锌跌超1%，LME期锌收跌1.44%，报3290美元/吨，创1月23日以来新低，和伦铝、伦铅均三连跌。

伦铝和伦铅刷新逾一周低位。LME期铝收跌0.81%，报3052美元/吨，连续两日创2月5日以来新低。上周五微幅反弹的伦铜回落至逾两周低位。LME期铜收跌0.23%，报12850美元/吨，创1月22日以来新低。而两连跌的伦镍小幅反弹，暂别逾一周来低位。

评论认为，伦铝等金属下跌源于上周五有报道称美国政府考虑削减部分钢铝关税。伦铜还受到库存持续增加影响。伦敦金属交易所（LME）仓库的铜库存以2025年7月以来最快的速度增长，推动上海、伦敦和纽约交易所的库存总和上周五突破100万吨。

虽然有美国取消部分关税的利好，铝市场的基本面大致保持不变。荷兰国际集团（ING）分析师表示：“全球铝供应依然紧张，库存稀少，投机性仓位高企，政策风险导致区域市场日益分散。”

国际原油期货周一重演上周五的盘中转涨，欧股盘中刷新日低时均跌逾0.6%，但欧股盘中即彻底摆脱跌势。往常美股午盘时段刷新日高时，美国WTI原油涨至63.87美元，日内涨近1.6%，布伦特原油涨至68.76美元，日内涨近1.5%。

最终，到收盘，布油连续两个交易日收涨，周一美国公休，美油无收盘报价。布伦特4月原油期货收涨0.9美元，涨幅1.33%，报68.65美元/桶，继续脱离上周四刷新的2月3日以来低位。

OPEC+成员国定于3月1日举行虚拟会议，讨论未来几个月的生产政策。上周五有报道称，OPEC倾向于从4月开始恢复石油增产，应对即将到来的夏季燃料需求高峰，以及由于美伊关系紧张推升原油价格的形势。

Kpler高级原油分析师Naveen Das预测，OPEC+将在2026年第一季度暂停增产后恢复石油增产，在六个月内逐步取消剩余的每日166万桶自愿减产。然而，并非所有OPEC+协议国都能完全履行产油配额，例如增产能力有限的俄罗斯。因此，Das预计布油价格不会受到重大下行冲击。他目前预测今年布油均价为65美元/桶。

Kpler高级原油分析师Naveen Das预测，OPEC+将在第一季度暂停增产后恢复石油产量增长。该联盟预计将在六个月内逐步取消剩余的166万桶/日自愿减产。但并非所有成员国都能完全满足配额，例如俄罗斯增产能力有限。因此，Das预计不会对布伦特原油价格产生重大下行影响，Kpler目前预测今年平均价格为每桶65美元。

本文来自华尔街见闻，欢迎下载APP查看更多

根据高盛的一份报告，对冲基金上周转为全球股票的净买方，这是三周以来首次，资金流入所有主要市场，但亚洲表现最为突出。对冲基金将其看涨交易集中在韩国、中国，印度市场出现“温和卖出”。

报告称，对冲基金在亚洲发达市场和新兴市场的大多数行业中买入股票，包括房地产、科技公司、工业股和可选消费股，但未涉及金融股。

高盛的报告指出，随着投资者从动量交易中轮动出来，同时对美元走弱作出反应，新兴市场持续跑赢。

MSCI新兴市场指数今年以来上涨11%，而韩国综合股价指数（Kospi）已上涨逾30%，受三星电子和SK海力士等大型制造企业提振。相比之下，截至上周五收盘，标普500指数下跌0.1%。

高盛在给客户的报告中表示，上周亚洲市场的交易主要由做多买入推动，多头建仓与空头回补的比例为8.4比1。

从全球行业来看，高盛表示，信息技术、工业、日常消费品和原材料板块的买入力度超过其他板块的卖出力度。而可选消费、通信服务和金融板块则遭到最严重的抛售。

在连续四周净卖出后，对冲基金对美国股票的买家数量略多于卖家。

对冲基金已连续第三周抛售美国房地产板块，且抛售速度为2022年9月以来最快，既包括多头平仓也包括空头加仓。高盛的报告指出，专业型房地产投资信托（REITs）、房地产管理与开发公司以及工业类REITs的卖出规模，超过了对酒店及度假村REITs和医疗保健类REITs的小幅买入。

高盛称，衡量对冲基金风险敞口的指标——总杠杆水平，从此前一周的301.2%升至307%，创五年新高。

本文来自华尔街见闻，欢迎下载APP查看更多

报道称，双方关系破裂源于数月来围绕美国军方如何使用Claude工具的激烈谈判。Anthropic特别希望确保其人工智能不会被用于大规模监控公民，或用于开发无需人类参与即可部署的武器。美国政府方面则希望能够将Claude用于“所有合法用途”。

报道称，如果Anthropic被认定为供应链风险，那么任何想与军方开展业务的公司都必须切断与Anthropic的关系。

Anthropic发言人向Axios表示，公司正与五角大楼进行“富有成效且本着诚信的对话”，并称公司致力于将人工智能用于国家安全。

去年，Anthropic与五角大楼签署了一项为期两年的协议，涉及其人工智能Claude Gov模型原型和Claude for Enterprise。围绕Anthropic的谈判可能会为与OpenAI、Google和xAI的谈判定下基调，这些公司目前尚未被用于机密工作。

Anthropic由前OpenAI研究人员创立，将自己定位为一家更负责任的人工智能公司，旨在避免先进技术带来的任何灾难性危害。

本文来自华尔街见闻，欢迎下载APP查看更多

这台仿生人形机器人和“小布米”机器人均是出自北京松延动力科技集团股份有限公司（下称“松延动力”），这也从属于后者目前产品的两大品类——仿生人形机器人和通用双足人形机器人。

随着此次品牌的持续出圈，松延动力创始人姜哲源2026年计划进一步扩大规模。

但挑战依旧存在。

车企特斯拉、理想挟资金与制造优势跨界而来，挤压着创业公司的空间，但姜哲源对此仍保持着“谨慎的乐观”。

在姜哲源看来，车企雄厚的资金池足以支撑其奉行“超级长期主义”，而创业公司的当务之急是商业化造血。在细分场景与战略周期的错位下，双方目前并不在同一维度竞争，真正的正面交锋或许要等到五至十年之后。

这场始于春晚的流量热度，正成为松延动力加速商业化的契机。

面对日益拥挤的赛道，松延动力能否在2026年走出一条差异化的突围之路，正受到关注。

在日前与华尔街见闻·全天候科技的一场对话中，姜哲源展望了关于松延动力的规划以及人形机器人行业的未来。

走差异化道路

此次马年春晚，松延动力切入的节目是更具差异化的领域“小品”。

喜剧演员蔡明与仿生蔡明同台飙戏，让观众在一段时间内无法区分真假蔡明，避开了单纯肢体运动控制这一“红海”市场，成为此次表演的亮点。

“我们这个小品最大的梗在于‘仿生奶奶’最后真奶奶同框，然后让大家意识到在前面台上出现这个蔡老师其实是仿生蔡老师，这才是整个节目最大的一个梗。”姜哲源表示。

在姜哲源看来，作为扎根北京的硬科技企业，有机会登上春晚舞台，不仅仅是商业机遇，更源于一种天然的使命感。

事实上，这并非松延动力首度实现“破圈”。

早在2025北京亦庄半程马拉松暨人形机器人半程马拉松上，松延动力研发的N2机器人便曾以黑马之姿夺得亚军，就此“一跑成名”

但彼时面对马拉松所带来突如其来的流量与订单询问，处在发展初期的松延动力并没有足够的能量接住“泼天的富贵”，“遗憾是有的。”姜哲源坦言。

吸取了前次的教训后，此次松延动力的已经做好了准备，生产团队春节期间“不打烊”。

姜哲源将2026年的战略核心浓缩为两个关键词：“渗透”与“开拓”。

前者指向存量市场的深耕。在已有的商业版图中，松延动力试图通过更精细化的运营切分出更大的市场份额。而后者则直指那些尚未被充分定义的“无人区”，其中K12教育与消费级市场被视为关键的增量来源。

姜哲源认为，预算充足的几千所头部高校与重点中学是所有机器人厂商竞相争夺的红海；而水面之下，则是数量庞大的县域中学、职业院校以及普通大学，这部分“腰部”甚至“尾部”的学校长期以来因高昂的价格门槛被挡在具身智能的门外。

目前松延动力旗下的人形机器人“小布米”定价便在万元级，其商业逻辑正是为了匹配这部分客户的支付能力。

“他们可能买不起几万块钱的机器人，但是一个1万块钱的机器人让他们来买。然后用来给学生做一些科技的尝鲜，我觉得他们是能买得起的。”姜哲源表示。

“进厂打工”的需求真伪

随着松延动力、银河通用、宇树科技、魔法原子亮相春晚，2026年的人形机器人赛道无疑将迎来更为激烈的规模之战。

但这并非一场仅限于创业公司之间的“内战”，战场的边界正在向车企延伸。

大洋彼岸，特斯拉率先打响了第一枪。

2026年1月，马斯克宣布停产Model S和Model X这两款曾奠定特斯拉江湖地位的旗舰车型，将位于加州弗里蒙特的工厂彻底改造为Optimus人形机器人的生产线。

特斯拉计划建设年产100万台Optimus机器人的产线，预计2026年底投产。

马斯克手中的牌面不仅仅是产能，在其规划中Optimus将直接复用特斯拉汽车的核心AI技术与传感器。

国内的战火同样在蔓延。理想汽车CEO李想在近期一次临时召开的内部会议上，强调公司要进一步强化具身智能的品牌定位，在汽车之外，还要入局人形机器人赛道。

车企集体涌入与创业公司抢夺市场，源于对市场爆发的共同预判。

目前，市场对人形机器人的想象空间已不仅仅局限于展览与教育，而是向工业制造与家庭服务延伸。

瑞银集团预计2026年全球人形机器人工业应用需求量将达到3万台。分析师Phyllis Wang认为，随着机器人“大脑”的进化，其在车间执行重复性任务的能力显著提升。尽管目前仅有少数产品能自主完成简单任务，但增长势头已初步确立。

瑞银统计显示，2025年全球约1.86万台的出货量中，宇树科技与智元机器人合计贡献了近1万台，占据了主导的地位。

然而，在资本市场的乐观研报与工厂的现实之间，存在着明显的温差。

尽管瑞银认为工业场景是下一个增长极，但市场对于人形机器人是否真的适合“进厂打工”，争议从未停止。

全天候科技在2025年走访国内头部的纺织、化妆品及手机制造厂商时发现，现代工厂的自动化程度较高。在一条成熟的产线上，机械臂负责精准操作，自动化设备亦可以自行完成多个生产环节，一名工人即可监控全流程。

据深圳某家手机制造商内部人士向全天候科技介绍，机器不仅能自动走完手机制造流程，而且可以实现自纠自证，提高效率的同时，也保证了良率。

不仅如此，部分手机厂商甚至基于自身对产线的理解，可以自研自动化设备进一步提升生产效率，降低生产成本。

在这种高度专业化、追求极致效率的体系中，当前人形机器人的作用有限。

“短期来看，我们不会投入最多的精力来做工业场景。”姜哲源指出。

数据仍是最大挑战

更具想象力的空间或许还是在于家庭，能像保姆一样整理衣物、炒菜做饭、提供情感陪伴的场景。

但家庭场景需要机器人拥有高度泛化的能力，

浙江一家AI模型公司内部人士曾向全天候科技指出，家庭是一个极度非标准化的环境。每一种户型结构、每一件家具的摆放位置、甚至每一个家庭成员的生活习惯都千差万别，这给机器人的泛化能力带来了指数级的挑战。

“模型的困难本质来源于算力与算法的附属，这并不是不可逾越的。真正的挑战在于，我们能否采集到足够大规模且多样化的数据。”姜哲源坦言，只要数据量级突破，具身智能的属性实现起来其实“不是特别难”。

但在家庭的私密空间里，数据的获取并不容易。

虽然扫地机器人等清洁类设备已开始进行部分环境数据的采集，但人形机器人所需的高维数据（如视觉、操作逻辑）涉及更深层的隐私边界。

全天候科技从行业了解到的情况来看，部分人形机器人公司会采用合成数据进行训练。例如部分家装设计AI模型公司拥有大量物理正确的空间数据，其通过构建虚拟的家庭场景为机器人提供数据训练空间。

但这类数据的质量是否能够满足机器人的需求，仍有不确定性。

“尤其涉及到一些家庭内部生活的数据是非常敏感的。”姜哲源承认，在严格遵守法律法规与保护用户隐私的前提下，如何构建一条从C端家庭回传数据至云端训练的有效通路，目前全行业“还没有一个特别好的方案”。

或许，我们距离人形机器人彻底改变世界的宏大叙事还需时日，但让它先成为一部分人触手可及的工具，正是通往那个未来重要的路。

春晚的落幕，恰恰是2026年人形机器人持续征战的开场。

以下为对话：

全天候科技：仿生人形机器人是这次能入选春晚的一个重要原因吗？

姜哲源：仿生人形机器人确实是登上春晚的重要原因，春晚节目中的仿生蔡明与真实蔡明同框互动，使得观众意识到仿生机器人参与演出，这是整个节目的一大亮点。

全天候科技：基于什么考量参与春晚，内部是否有争议？

姜哲源：参加春晚能让我们公司的技术、产品和能力得到广泛传播，通过春晚这一国民度极高的平台，有助于我们破圈出圈，提高公司整体品牌的知名度。公司内部对于上春晚并无太大争议。

全天候科技：怎么对规模和利润作出抉择？

姜哲源：其实我觉得对于一个企业创始人来讲，规模和利润这两件事情是需要在早期阶段做取舍的。

今年，我们首要考虑还是规模，以及保持公司整体良好的一个现金流，让我们有足够多的现金储备是做这一切事情的基础。

全天候科技：今年有没有一些规划能够分享？

姜哲源：今年我们有两个关键词：渗透、开拓。

渗透是指在现有场景下提高产品渗透率，需要在产品、解决方案、销售团队和组织架构等方面进行调整优化，目标是成为在现有场景下市场份额最大的团队。

同时，在无人涉足的赛道如消费级人形机器人和针对K12教育的人形机器人及解决方案上进行开拓，从0到1占据市场头部地位。

在大脑领域，我们今年的目标是从0到1，证明公司具备构建大模型的能力，在相关榜单上崭露头角，向市场展示公司在AI技术上的实力。

技术研发方面，今年将参与马拉松比赛并投入更多研发项目，探索更多的技术，进一步巩固和提升公司在技术研发领域的地位。

全天候科技：为什么选择教育场景作为发力重点？

姜哲源：我觉得人形机器人目前整个产业发展属于早期。前期其实呈现了一种场景多而散的局面，就是每一个场景都不大，但是确实零零散散加在一起也有不少的量。所以我们其实以这个为切入点是当下最落地，最切实可行的一个方案。

我们发现如果我卖机器人给大学、每一个县最好的中学，这样算来可能只有几千家。

但如果我们看冰山以下，就是相对来讲没有那么富裕的这些学校，可能有非常多的潜在客户，他们可能买不起几万块钱的机器人，但是一个1万块钱的机器人让他们买来给学生做科技的教育，他们是有机会能买得起的。

全天候科技：之前你说很多事情你都会很省钱，就比如500元以上的报销都要经过你的审批，现在还是这样吗？

姜哲源：现在还是这样的，我依然是事无巨细去管的状态，公司依然保持节俭的作风。

全天候科技：那随着公司规模的扩大，你的精力会不会不够用？

姜哲源：这是我很担心的一件事情。就是人变多了之后，其实我很难管到最细的每一件小事。但今天我比较欣慰的是，我们公司其实引入了一些高管，能够帮我一些管理层的工作。

说实话，我们的员工其实整体来讲是很热爱这个行业，对公司有很高的忠诚度，也很喜欢喜欢自己现在的工作。

我其实最希望的就是员工每个人都能工作开心。所以基于这个考虑的话，其实我们的管理难度反而是小的，也可以理解为员工比较自觉。

全天候科技：从行业来看，现在是人形机器人规模化的时候吗？

姜哲源：我认为其实不是，从2025年起算是规模化初步探索的阶段，其实我们可以看到2025年整个人形机器人企业的交付规模大概都在千台量级。

那到2026年，我们认为是真正一个大规模爆发的开始，我们期待今年整个行业的销售规模可以破万台。

全天候科技：你认为人形机器人还无法进到家里帮我们干家务的原因是什么？

姜哲源：我们认为其实还是要看数据的突破。就是如果能够采集到足够大规模且多样化的数据的话，其实实现起来不是特别难。

当前智能机器人大脑的发展并没有想象中那么快，真正行业缺少的是大量高质量数据和新的数据采集方式。我们正在储备相关方案，以应对数据不足的问题。

全天候科技：理想等车企做机器人对行业会带来冲击吗？

姜哲源：首先我还是很尊敬理想，车企到底会不会跟我们构成竞争要看它是否要触及到我们当下在做的一些场景。

我们在做的其实是偏向于陪伴、教育类的场景，车企是否会真的在这样一些量其实还不及车企零头的行业里和我们竞争，我认为是没必要的。

车企可能更愿意相信一些超级长期主义的东西。他们有足够好的现金流能够支撑他们做支撑长期主义的事情。

那对于我们而言，我们可能需要考虑就是短期怎么去完成商业化，实现公司的自我造血，所以我觉得短期不会跟我们构成巨大的竞争。

我觉得如果要竞争可能会在五年、十年以后。

本文来自华尔街见闻，欢迎下载APP查看更多

2月16日，据彭博援引几位业内资深人士，韩国Sinokor集团在过去一两个月内迅速买入或租赁大量船只，目前控制约120艘超大型原油运输船。一些市场资深人士表示，这家公司所积累的船队规模，在其从业经历中前所未见。

更引人注目的是，这家首尔航运公司背后站着全球航运巨头。据彭博报道，至少两家大型船东在与Sinokor谈判船舶出售时发现，最终买家实为与Gianluigi Aponte有关的实体，这位亿万富翁创立了地中海航运公司（MSC）在内的庞大航运帝国。目前尚不清楚两家公司之间的具体关系，以及有多少Sinokor交易涉及MSC。

这一激进收购已令市场陷入恐慌。紧张的租船方争相预订舱位以防价格进一步上涨，运费成本急剧飙升。据Clarkson Research Services数据，原油油轮收益创下30多年来最强劲的年度开局。

市场动荡还波及实物石油价格。交易商表示，部分地区现货原油因航运市场混乱而被压低。航运公司SFL Corp.首席执行官Ole Hjertaker上周在分析师电话会议上表示：

“实际上有一方或一群合作者控制了约三分之一的可用或交易中的VLCC（超大型油轮）船队。”

前所未有的市场集中

油轮市场是全球石油贸易中小众但至关重要的环节，长期以来由希腊、挪威等海运强国及沙特等主要石油利益国的船东主导。Sinokor虽是一家根植于集装箱航运的较不知名企业，过去也曾进行过收紧市场的租船操作，但至少一位市场参与者表示，当前的交易热潮远超其以往任何一次行动。

此次收购的规模难以精确衡量，因其包含已购买、租赁及Sinokor原本控制的船只。部分市场人士估计，该集团控制的船只少于120艘。但油轮公司DHT Holdings首席执行官Svein Moxnes Harfjeld在投资者电话会议上，将其描述为全球船队所有权整合的“根本性转变”。他指出：

“我们可以确信这正在发生，并已产生影响。无论是现货市场运费、客户对期租的需求，还是二手VLCC的价值。这种整合正在改变定价动态，并对船舶的及时可用性施加压力。”

运费飙升推高成本

这场收购潮已在运价端掀起巨浪。能够运载200万桶石油的VLCC基准收益目前已突破每天12万美元，过去一个月内上涨逾四倍，市场人士直言部分原因正是Sinokor的交易。

收购标的集中于船龄10年及以上的老旧船只，近几周其转售价格持续攀升，进而推高长期租赁成本。船东正通过提高租金兑现资产升值收益。

更宏观的供需格局也在推波助澜。近月来，非制裁油轮需求激增，一方面是全球石油市场供应涌入，另一方面是相当一部分船队受西方制裁所限。两者共同推高有效运力利用率，既拉升即期收益，也为后续价格飙升埋下伏笔。

航运巨头的战略布局

对于亿万富翁Gianluigi Aponte而言，此番收购只是其扩张全球航运版图的又一步。去年，他已成为一个财团的关键投资者，该财团寻求收购巴拿马运河沿线两个港口的大量股份。2022年，在收购数百艘船只后，Aponte创立的地中海航运公司超越马士基，登顶全球最大集装箱航运公司，打破了后者保持数十年的行业霸主地位。

尽管Sinokor与Aponte之间的具体安排尚不明确，但两者此前已存在商业交集。据Clarkson Research数据，去年年底Sinokor曾向MSC出售了一系列集装箱船。即便按最低估计，此次收购狂潮也耗资约15亿美元，部分市场参与者认为总额接近30亿美元。

航运业以繁荣与萧条周期著称，高收益期通常会引发大量船只订单，数年后新船涌入市场。近几周的高费率已开始推动油轮订单增加，Clarkson Research数据显示，订单占当前船队的百分比已达到十年来最高水平。

Okeanis Eco Tankers首席执行官Aristidis Alafouzos表示：

“这种前所未有的市场整合，由一个拥有雄厚财力的买家进行，发生在市场基本面持续收紧之际。如果你今天手上有油轮，并且有商业能力充分捕捉这样的市场，这一切都创造了一个绝佳机会。”

本文来自华尔街见闻，欢迎下载APP查看更多

2月16日除夕当天，阿里巴巴开源全新一代大模型千问Qwen3.5-Plus。千问3.5在文本和视觉的混合数据上预训练，实现了原生多模态的新突破，在推理、编程、Agent智能体等全方位基准评估中均表现优异，并在视觉理解能力的权威评测中斩获数项性能最佳。

Qwen3.5的核心突破在于从架构层面系统性破解了大型模型的“效率-精度”悖论。通过混合注意力机制，模型实现了对长文本的动态聚焦，告别了全量计算的算力浪费；而极致稀疏MoE架构则以不足5%的激活参数调动3970亿总参数的知识储备，将推理成本降至新低。

在效率跃升的同时，原生多Token预测能力让模型从“逐字蹦”进阶为“多步规划”，响应速度接近翻倍。通义团队斩获NeurIPS最佳论文的注意力门控等系列稳定性优化，则为这些激进创新提供了系统级保障，确保超大规模训练真正“跑得稳”。这四大技术共同指向一个目标：用更少的算力，唤醒更强的智能。

千问APP、PC端已第一时间接入Qwen3.5-Plus模型。开发者可在魔搭社区和HuggingFace下载新模型，或通过阿里云百炼直接获取API服务。

性能媲美Gemini 3 Pro ，且极具性价比

据阿里介绍，阿里巴巴开源全新一代大模型千问Qwen3.5-Plus，性能媲美Gemini 3 Pro，登顶全球最强开源模型。千问3.5实现了底层模型架构的全面革新，此次发布的Qwen3.5-Plus版本总参数为3970亿，激活仅170亿，以小胜大，性能超过万亿参数的Qwen3-Max模型，部署显存占用降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。

价格方面，Qwen3.5-Plus的API价格每百万Token低至0.8元，仅为Gemini 3 pro的1/18。

四大技术突破：从架构创新到系统稳定

Qwen3.5的核心技术突破体现在四大创新维度。首先是混合注意力机制，它让模型学会“有详有略地读”。传统大模型处理长文本时，每个token需与所有上下文进行全量注意力计算，文本越长、算力消耗越大，这是制约长上下文能力的核心瓶颈。Qwen3.5通过动态分配注意力资源，对重要信息精读、对次要信息略读，实现了效率与精度的同步提升。

其次是极致稀疏MoE架构。传统稠密模型每次推理需激活全部参数，参数越多、算力成本越高。MoE架构的创新在于根据输入内容仅激活最相关的“专家”子网络，而Qwen3.5将这一思路推向极致——以3970亿总参数、仅激活170亿参数的稀疏架构，实现用不足5%的算力调动全部知识储备，大幅降低推理成本。

第三是原生多Token预测能力。传统模型采用逐token生成方式，推理效率受限。Qwen3.5在训练阶段即学会对后续多个位置进行联合预测，使推理速度接近翻倍。这一“多步规划”能力在长文本生成、代码补全、多轮对话等高频场景中，为用户带来接近“秒回”的响应体验。

最后是系统级训练稳定性优化，确保上述架构创新在超大规模训练中真正“跑得稳”。以通义团队斩获NeurIPS 2025最佳论文奖的注意力门控机制为例，该机制在注意力层输出端加入“智能开关”，像水龙头一样对信息流进行智能调控——既防止有效信息被淹没，也避免无效信息被过度放大，从而提升输出精度与长上下文泛化能力。此外，归一化策略优化、专家路由初始化等深层改进，分别解决不同环节的稳定性问题，共同保障模型在大规模训练中的稳健运行。

从“应答”到“操作”的人机交互新范式

与传统聊天机器人的本质区别在于，Qwen3.5不再满足于应答交互。其搭载的视觉智能体能力，使其能够像人类一样“观看”手机和电脑屏幕，精准理解界面元素的位置与功能，并自主执行操作。官方演示中，用户仅需通过自然语言下达指令，模型即可在移动端跨应用完成任务，或在PC端处理数据整理、多步骤流程自动化等复杂工作，将人机协作推向全新维度。

这一能力的实现，源于其先进的视觉理解技术。Qwen3.5能够精准定位屏幕元素，识别按钮、文本框、图标的坐标与功能属性，进而模拟点击、滑动、输入等操作。通过对屏幕内容的视觉编码与语义解析，AI真正具备了与数字世界交互的“视觉”与“手部”能力。用户可根据需求选择本地或云端部署，在计算效率与数据可控性之间灵活平衡。

跨应用协作则是Qwen3.5的另一突破。演示场景中，模型能够从邮件提取信息、读取表格数据、再通过通讯软件完成发送，这一系列操作打通了传统应用间的数据孤岛，将多步骤流程自动化变为现实。传统应用的隔离机制在AI智能体面前不再是障碍，因为它以“用户代理”的身份合法、高效地协同各应用，为用户创造无缝的数字体验。这种从单一工具向全能数字助手的进化，正为人机协作开辟全新的想象空间。

6分48秒，从一张草图到一段代码：Qwen3.5的“读心术”有多强？

更令人惊叹的是Qwen3.5所展现的视觉编程能力。在一段演示视频中，用户仅用手指了一个网页界面的草图，模型便在6分48秒内将其转化为结构清晰、可直接运行的网页代码，甚至自动匹配了高质量图片素材。这种“从草图到产品”的能力，展示了模型对视觉信息的深度理解，它不仅能识别圆形代表按钮、线条代表布局分隔，还能推断设计意图，理解“这是导航栏”“那是内容区”，并匹配对应的HTML、CSS和JavaScript代码逻辑。

深入技术细节会发现，这种能力源于Qwen3.5的原生多模态架构。与以往通过“视觉编码器+语言模型”简单拼接的方式不同，Qwen3.5在预训练阶段就实现了文本与视觉的深度融合，使模型能同时理解像素级位置信息与语义层面的抽象概念。数据显示，该模型的上下文窗口扩展至100万个token，可直接处理长达两小时的视频内容，这意味着它能够完整地观看一部电影，并将剧情、人物关系、视觉风格整理成文档或代码。这种跨模态的“全景”记忆能力，已经远远超出人类单次处理的信息量。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间2月14日，ARK Invest CEO兼CIO凯茜·伍德在其视频栏目《ITK》2月节目中表示，近期市场大幅波动更多是程序化交易驱动，而不是基本面发生了同等幅度的变化。她在节目开头直言：“这轮波动大多是算法交易‘制造’的。算法不会像我们一样做研究。”

伍德说，这种波动会“把人吓坏”，但也会制造定价错误。“去年4月关税风波时，很多人慌了。那时卖出的人，后来一年都在后悔。”她把当前行情形容为“爬上忧虑之墙”，并称这类市场往往更强。

算法为何会把波动“做出来”

伍德口中的“算法”，核心不是对企业现金流和竞争格局做判断，而是按规则对风险敞口做机械调整。她用一句话概括近期盘面特征：“先卖再说、回头再问。”

从交易机制看，程序化策略常以价格趋势、波动率、相关性、仓位风险预算等为触发条件：

• 当价格下跌或波动率抬升，模型往往会自动降低风险资产敞口，以满足既定的回撤/波动目标；

• 减仓本身会进一步推高波动率与相关性，进而触发更多模型卖出，形成“反馈回路”；

• 在资金拥挤、持仓同质化较高的领域，这种连锁反应更容易把“好公司”和“差公司”一起砸下去，正如她所说的“把孩子和洗澡水一起倒掉”。

她还点到另一层放大器：技术面主导的交易心态在上升。“现在很多人只做技术分析。”在她看来，越多人盯着同一条均线、同一个“关键点位”，越容易出现踩踏式的同向交易。

算法无法理解的“结构性转型”

针对近期科技股尤其是软件板块的剧烈波动，伍德认为，市场正在经历一场从“一刀切”的SaaS模式向高度定制化的AI代理平台转型的技术变革。在这个过程中，传统SaaS面临压力是必然的，但市场反应过度了。

“任何在这一刻卖出的人都会后悔。”伍德在视频中直言不讳地指出：“目前这种波动大部分是由算法生成的。算法并没有做我们所做的研究，因为这是我们毕生最大的机会。”

她详细解释了这种机制的失灵：当市场感知到SaaS板块的增长放缓时，算法交易倾向于执行无差别的抛售指令。机器无法区分哪些公司正在成功转型为AI平台，哪些公司会被淘汰。这种因算法缺乏深度基本面研究而导致的错误定价，正是主动型投资者的机会。

“这就是为什么我们将仓位集中到信念度最高的股票上。市场给了我们这样的机会。”伍德表示，目前的市场环境正在攀登“忧虑之墙”（climbing a wall of worry），这通常是强劲牛市的特征。

市场普遍担忧“科技七巨头”（Mag 7）激进的资本开支会侵蚀现金流，导致近期部分传统关注自由现金流的投资者开始减仓。伍德对此持完全相反的观点。

她回顾了互联网泡沫时期的历史，指出当前并不是1999年的泡沫顶峰，而更像1996年——互联网革命刚刚起步的阶段。“如果你经历了科技和电信泡沫，现在的环境比那时健康得多。”

她用一个生动的对比来阐述当前市场情绪的健康程度：

在互联网泡沫顶峰时期，杰夫·贝佐斯（Jeff Bezos）可以说“我们将亏损更多钱来激进投资”，随后亚马逊股价会大涨10%到15%。但今天的情况截然相反。“当‘科技六巨头’（Mag 6）表示要增加资本开支时，市场却在惩罚它们，股价不涨反跌。”

伍德认为，这表明投资者并未处于非理性繁荣中，反而是充满了恐惧和怀疑。“市场正在攀爬‘忧虑之墙’（climbing a wall of worry），这通常是长期牛市最坚实的基础，而非泡沫破裂的前兆。” 现在的投资者拥有2000年泡沫破裂留下的“伤疤记忆”，这让他们在面对新技术时变得极度谨慎。

“我们认为Google、Meta、Microsoft和Amazon应该激进地支出，因为这是我们毕生最大的机会。”

伍德反驳了市场的短视，“问题在于，当我们向代理AI和聊天机器人演进时，这是否会从传统社交媒体那里夺取时间？从购物的角度看，我们的智能代理是否会代劳所有的工作？我们确实需要关注市场份额的变化，但这正是机会所在。”

生产率冲击或把通胀拉向更低

伍德把AI影响外溢到宏观：生产率上行可能改变“增长必然推升通胀”的传统叙事。

她提到，生产率提升将使财政赤字占GDP比重下行，并声称美国可能在本届总统任期末走向盈余（她给出的时间点是2028年末至2029年初）。她甚至抛出“到本十年末全球实际GDP增速7%-8%”的判断，并称“可能还偏保守”。

她反复强调一个结论：“增长不等于通胀。”在她的框架里，AI驱动的真实增长更可能通过生产率把通胀压下去，而不是推上去。她还提到，美元若反弹将成为“强有力的反通胀力量”。

在通胀指标上，她特别强调“最重要的一页”：Truflation实时通胀指标显示通胀正在“破位下行”，她给出的读数约为同比0.7%。她还提到住房与能源的边际变化：

• “现房价格通胀已降到1%以下”，新房价格通胀仍为负，租金开始下行；

• 油价同比“双位数下跌”，她称这相当于给消费者和企业“减税”。

就业市场的阵痛与创业潮

针对消费者信心低迷的现状，伍德承认消费者“并不快乐”，这主要源于就业市场的真实疲软和住房负担能力的危机。

“去年的就业人数下修了86.1万，这大概相当于每月减少7.5万个就业岗位。”伍德指出，这解释了为何消费者情绪与GDP数据出现背离。

然而，她从年轻人的失业率数据中看到了积极的一面。虽然16-24岁人群的失业率一度飙升，但近期已回落至10%以下。伍德认为，这不仅仅是就业的恢复，更可能是AI赋能下的“创业大爆炸”（Entrepreneurial Explosion）。

“AI变得如此强大，个人现在可以直接走出去建立企业。”伍德预测，随着AI工具普及，未来将涌现大量由个人或小团队驱动的高效率初创公司，这将是生产力提升的另一个重要引擎。

木头姐最新视频分享全文翻译如下：

开场与市场波动分析

00:01 任何在这个时候抛售的人都后悔了。目前的大部分市场波动是由算法生成的，而算法并不像我们那样进行深入研究，这可是我们有生以来最大的机会。

大家好，我是 ARK Invest（方舟投资）的 CEO 兼 CIO 凯茜·伍德（Kathy Wood）。这是“就业周五”的视频更新——虽然有点勉强，因为就业报告实际上是在周三发布的，并没有在今天发布。但不管怎样，周五似乎是录制这个视频的好时机。像往常一样，我们将讨论财政政策、货币政策、经济状况和市场指标。

首先，我想对最近极度波动的市场环境做一些评论。大家知道，自 ARK 于 2014 年成立以来，我们就一直在谈论人工智能（AI）。我们全身心投入其中，也是在那时我们首次建立了英伟达（Nvidia）的仓位。我们做了大量的研究，我认为我们在理解环境如何演变方面做得非常好。

01:18 在上一期临时的“In the Know”视频中，我描述了我们如何预见到市场份额增量将从 SaaS（软件即服务）向 PaaS（平台即服务）转移。基本上，这种转变意味着你要根据每家公司的具体需求定制平台，而不是使用“一刀切”的 SaaS 模式。所以，这种变化并不令人意外。

但是，市场——或者说是投资者和投机者——像往常一样，把婴儿连同洗澡水一起泼了出去。因此，我们也像往常一样，将仓位集中到我们确信度最高的股票上。正如我所说，大部分波动是由算法生成的，算法不做我们所做的这种研究，这就是为什么我们要集中投资于最高确信度的标的，是市场给了我们这样的机会。

这就是我们对波动的看法。大家可能还记得去年四月关税动荡期间，我也在这里说过：“看，我们认为这种市场状况是暂时的。”当时市场大幅下跌，很多人被吓坏了，甚至那些通常非常冷静、习惯波动的投资者在去年也动摇了。但任何在那个戏剧性时刻抛售的人，在这一年的其余时间里都后悔了。自那以后，市场强劲上涨。

这个市场正在“忧虑之墙”（wall of worry）上攀升。这种在担忧中上涨的市场往往是最强劲的牛市。虽然波动确实让人不安，但这比我们在科技和电信泡沫时期经历的环境要健康得多。

在那个泡沫时期，杰夫·贝佐斯（Jeff Bezos）可以出来说：“我们亏损更多的钱，因为我们激进投资。互联网的机会比我们想象的还要巨大。”然后市场就会上涨，亚马逊的股价会涨 10% 到 15%。但这在今天不会发生。恰恰相反，现在“科技六巨头”（Mag Six）基本上在说：“我们要花更多的钱。”但投资者习惯了过去五年左右这些公司自由现金流持续增长的态势。这种状况将发生改变。

我们看到一些更传统的、主要关注自由现金流和利润率的投资者感到不安，并开始减仓。我们认为这不一定是个好主意。我们认为谷歌、Meta、微软和亚马逊应该激进地支出，因为这是我们有生以来最大的机会。问题在于，随着我们向代理型 AI（agentic AI）和聊天机器人演进，这是否会抢占传统社交媒体的时间？从购物的角度来看，我们的智能代理是否会帮我们在互联网上完成所有工作，从而导致亚马逊的分成不再像最近那么多？我们将拭目以待，并肯定会密切关注市场份额的得失，就像我们准确预测了 SaaS 领域的变局一样。

财政政策：赤字与GDP展望

好了，我想我们先从图表开始。我想把当前环境定性为类似贸易动荡期的宏观环境，它呈现了巨大的机会，正如我刚才提到的，我们肯定会利用这种波动。我们的长期业绩正是基于这些决策建立的。

让我们看图表。预算赤字占 GDP 的比例一度跌破 5%，但这只是昙花一现，直到第一季度的 GDP 数据和预期被下修。不过我们正接近“4字头”。财政部长贝森特（Treasury Secretary Bessent）的目标是 3%。实际上，我们越来越确信，到本届总统任期结束时（即 2028 年末或 2029 年初），我们将实现财政盈余。

这是因为我们看到生产率增长远超预期。有些例子简直疯狂，比如帕兰泰尔（Palantir）。其美国商业收入增长了 142%，而我认为 Palantir 的销售人员数量实际上还略有减少。这种生产率的提升令人震惊——至少从销售角度来看，增幅超过 100%，甚至超过 140%。我认为这是我们都需要建立的一种思维模式，这是我们在谈论世界运作方式和公司运作方式时必须锻炼的一种“肌肉”。埃隆·马斯克（Elon Musk）在他的目标上提出了一些疯狂的数字，我认为这是正确的思维方式。没有这种思维方式的公司将会把机会输给其他更灵活的竞争对手。

我们曾提出到本十年末，全球实际 GDP 增长率将达到 7% 至 8% 的观点。很多人对此嗤之以鼻。但鉴于我们所看到的情况，这个预测可能还太保守了。这可能意味着赤字占 GDP 的比例将大幅缩减。除非出现一些愚蠢的政策，否则我们将转为盈余。新冠疫情是一次巨大的恐慌，让债券市场和投资者非常担忧。现在我们正在纠正航向，希望吸取教训，最终像 90 年代那样实现盈余——那是上一次小型技术革命（互联网）发生的时候。

贸易赤字与美元走势

接下来是另一种赤字。在 70 年代和 80 年代，债券市场非常警惕并关注“双重赤字”：一个是联邦预算赤字，另一个是贸易赤字。你可以看到新冠疫情期间及之后贸易赤字的情况：进口激增，我们陷入了非常严重的赤字。如图所示，这种情况也在改变。

外汇市场上的许多人使用贸易赤字来衡量美元的走向。如果我们进口远多于出口，人们担心美元会下跌。这在市场上形成了一种轴心。你可以看到我们已经修正了这一点。当然，由于关税及预期的关税政策，进口曾出现急剧下降（因前期抢跑进口），如果我们判断正确，现在我们看到了其反面。几个月前赤字的有限程度曾让我感到惊讶。

如果我们是对的，即美国在实际 GDP 增长方面将超出预期，并且美国的资本回报率将因减税、放松管制和关税而上升，那么我们可能会看到更多的进口增长——当然不是因为关税，而是因为前两个原因。我们将继续拥有赤字。

但是，我们从未真正担心过贸易赤字。因为当你考虑全貌时，贸易差额（商品和服务）的另一面是资本盈余（Capital Surplus）。由于美国在商业友好度和资本友好度方面通常享有的良好环境，我们会从世界其他地方吸引资金。

我知道人们担心双重赤字，所以我特意谈谈这个。关于贸易赤字，我已经解释了为什么我们不担心。关于联邦赤字，我们看到赤字占 GDP 的百分比有很好的改善。

我想描述一下美元的走势。我知道以前展示过这张图，这是外界的另一个担忧。你会听到很多关于“美国例外论”终结的言论，这对不同的人可能意味着不同的东西。但从经济角度来看，我要说并没有终结。事实上，由于这场由美国和中国主导的技术革命，我们可能会看到美国经济活动的爆发。所以我确实相信美元会通过转向并朝另一个方向移动。当然，美元下跌主要是出于政治原因。我认为各国正在分散投资，从美元转向黄金和其他货币，但我们认为这种情况将会改变。鉴于金价的走势，这已达到极端。

但看看美元发生了什么。如果你看这张图，把视野放宽，这不是美元的崩溃。如果你是一个技术分析派，你会说：“嘿，美元在预期的支撑位稳住了，”即上一波峰值的位置（如黑线所示）。如果美元上涨，我关注的一点是：美元上涨是一种强大的抗通胀力量。我们确实相信美元会上涨，并将导致通胀低于预期。

通胀、货币供应与美联储政策

这里展示的是 CPI（绿色线，同比百分比变化）与 M2 的对比图。我们仍在从 M2 的负增长中恢复，但我认为我们已经停滞在 5% 的范围内。正如我之前提到的，我们还认为货币流通速度（Velocity）开始持平或下降。流通速度的下降或持平将化解部分与货币增长相关的通胀预期。

如果你看绿线，它似乎卡在 2% 到 3% 的范围内，过去几年一直如此。我们认为它将在今年显著下行。我已经这么说很久了，我不知道供给冲击会导致通胀如此具有粘性，也没想到供给冲击会持续三年，这是我们没预料到的。但如果把这放在当时动荡的背景下看，能保持在 2% 到 3% 的范围内其实已经很不错了，这可能暗示或印证了我们将看到通胀下降的观点。

为了让大家了解货币政策，这里展示的是收益率曲线的短端：2 年期国债收益率与 3 个月国债收益率的对比。你可以看到它仍处于负值区域，这表明在边际上，美联储并不宽松，甚至有点太紧了。根据 10 年期与 2 年期国债收益率的指标，它处于正值区域，但你可以看到那是向下倾斜的。

如果美联储激进地放松政策，你会预期这条线继续上行。如果我们要开始看到负的通胀数据（我认为我们会看到），美联储可能会激进地放松。我们可能要等到凯文·沃什（Kevin Warsh）接任后才能在同比数据上看到负通胀。我们知道凯文·沃什在货币角度上是一个非常自律的经济学家。听到他说“这场 AI 革命可能会加速经济许多部门的增长，作为货币当局，只要不引起通胀，我们就应该适应这种实际增长”，这让我感到非常欣慰。

如果我们出现负通胀（我认为会的），同时实际 GDP 快速增长，本届美联储可能会收紧政策，那将是一个糟糕的错误。本届美联储认为“增长导致通胀”。凯文·沃什是对的，增长不导致通胀。事实上，它导致生产率增长加速，从而抑制通胀。这就是 80 年代和 90 年代神奇股市的故事：实际增长加速，通胀下降，生产率是主要原因。

生产率与薪资

生产率是每工时产出，单位劳动力成本是经生产率调整后的薪资。如果你看这张图，我们现在的单位劳动力成本增长率大概是 1.2%。这是许多凯恩斯主义经济学家一直关注的图表，他们原以为单位劳动力成本增长会加速或保持在 5% 到 7% 的范围内。他们没有预测对生产率——生产率比预期更强；他们也没有预测对薪资——薪资增长率比预期低。

他们从 60 年代和 70 年代吸取了教训，留下了伤疤。当时单位劳动力成本（如图所示）飙升至两位数，因为工人们要求更高的薪资涨幅，以应对食品和能源价格的飞涨。鉴于新冠疫情期间的供给冲击，他们这次也做好了同样的准备。

但你可以看到，这种情况并没有发生。任何凯恩斯主义经济学家都不得不看着这个说：“这次不一样。”尽管从整体数据看实际 GDP 增长良好，失业率很低，但我们并没有看到单位劳动力成本的回升。

原因之一是工人没有像 70 年代那样提出强硬要求。另一个原因是油价下跌，这在边际上对预算有帮助。还有一个原因是，我认为工会工人占总就业人数的比例已经降至 10% 以下，而在 70 年代末 80 年代初，这一比例接近四分之一。当时工会领袖是推动每工时薪资大幅上涨的主力。

为了说得更清楚一点，如果我们对即将发生的经济繁荣的预测是正确的，如果机会如我们所想那样涌现，实际增长加速，我们认为我们不需要工会。如果公司利用这些新技术——AI、机器人等，薪资增长将因为一个好的原因而加速：它将是对所有工人生产率提高的反应。

价格趋势：房地产、石油与通胀数据

我们要谈谈认为通胀不会超出预期的下一个原因。大家看房地产价格：绿色的现房价格通胀率已降至 1% 以下；新房价格通胀率（即与新房销售相关的价格通胀）继续为负值；租金也开始下降。这些数据进入政府 CPI 指数需要很长时间。因此我们认为，这些价格压力将在未来几年对 CPI 施加下行压力。这一点我们很有信心。

再看油价，同比出现了两位数的下降。这通常发生在经济衰退期间。但我们现在看到这是全球性的。当然，中东的沙特阿拉伯是一个摆动因素，他们一直在增加供应。我认为这可能与特朗普政府和沙特阿拉伯之间关于各种事项（包括国防等各类计划）的谈判产生的政治动态有关。

这里我们将核心 CPI（紫色）与核心 PPI（绿色）分开列出。如果你仔细看，会发现 PPI 通胀率已经超过了 CPI 通胀率。因此，那些在市场上持有消费品公司股票的人可能会听到更多关于利润率压力的消息，请留意这一点。

这是最重要的一张幻灯片：Truflation（真实通胀）。它显示在经历了几年 2% 到 3% 的纠缠后，通胀正在崩溃。截至目前读数，同比大约是 0.7%。这是一个实时指标，监控着 10,000 种商品和服务。你可以看到它比 CPI 更好地捕捉了通胀的峰值——它一度接近 12%，而 CPI 是 9%。

我们在实时数据中看到的一件事是食品价格通胀正在下降。我们看到鸡蛋和一些在疫情期间让人们感到痛苦的食品项目出现了通缩，这是好事。但如果你看今天的食品价格相对于疫情前的水平，仍然高出约 32%。所以我认为我们将看到食品价格通胀进一步回落，这是通胀将转负的另一个原因。

实体经济与消费者情绪

在实体活动方面，这是制造业 ISM 指数（采购经理人指数）。你可以看到这里有一个不错的反弹。我们将过去三年描述为“滚动衰退”。如果你看住房和美国所有的制造业，它们都在 50% 以下。这基本上表明制造业一直处于痛苦之中，即使我们在技术上并没有像指数为负时那样处于衰退，那是滚动衰退。现在看来这是改变的第一个迹象。

这次 PMI 最大的变化是订单。新订单指数从大约 47（意味着下降）跳升至 54。就业也上升了。虽然这个图包里没有，但另一份针对服务业（而非制造业）的指数显示，订单和就业虽然仍高于 50，但并不那么积极。所以这其中有增有减。

至于消费者信心（密歇根大学数据），我们非常关注这个。消费者并不开心。你可以大谈特谈 GDP 增长，甚至把最新的就业报告作为一切良好的证据，但消费者并不买账。大多数指数都在下跌，我认为密歇根大学这个指数在描绘消费者情绪方面是最糟糕的（最悲观的）。很多恐惧源于就业和负担能力，即便边际上有变化，消费者依然不快乐。

这就是原因之一：看看去年全年的就业人数修正。本周我们拿到了数据，去年的就业人数被下修了 86.1 万人。想想看，这大约是每月减少 7.5 万到 8 万人。而当时许多发布的原始数据甚至低于这个数字，这意味着它们实际上应该是负的。去年是一个就业非常疲软的年份。

消费者对自己工作的可持续性感到恐惧是可以理解的。但上一份报告中也有好消息。我们在“In the Know”中关注 16 到 24 岁这个群体已经很久了，因为那是失业率上升最严重的地方，曾超过 12%。现在你可以看到它降到了 10% 以下。这是怎么回事？可能是就业改善，也可能是因为 AI 变得如此强大，个人现在可以直接出去创业了。我们认为很多创业活动正在发生。如果你看新企业启动的数据（下次我们会展示），它们正在良好地增长。当人们被解雇或找不到入门级工作时，他们可能会在建立自己业务的同时成为顾问。我确实认为我们将看到创业活动的爆发。

我们今天看到一张图表：如果你问 CEO，“你们中有多少人因为 AI 每周节省了 8 小时以上？”答案大约是 43%。如果你问工人，只有 5% 的人这么说。这可能是因为工人们利用 AI 提高了效率，然后享受了空闲时间。但如果是创业活动爆发，会有更多 CEO 寻求这些效率提升。这是我们预期 AI 普及将显著提高生产率的另一个原因。

再看几张图表说明消费者为何不安。储蓄率很低，一些家庭是“月光族”（hand to mouth），因为负担能力危机（尤其是住房）而无法储蓄。他们的汽车贷款违约率正在上升。次级贷款（紫色线）相对于 2008-2009 年的水平很高。在 2008-2009 年，人们选择先违约房贷再违约车贷，因为那时没有 Uber 或 Lyft。今天情况不同了，这可能就是为什么在所谓的增长环境中，车贷违约率会像这样飙升。

另外，退税（Refunds）的大幅增加从本周开始。我们认为到 3 月底将会有一波爆发，这会把钱放进那些“月光族”的口袋里，他们也许能提高储蓄率或稍微享受一下生活。

现房销售是一个令人震惊的数据。我每天消化经济统计数据，很少感到惊讶，但看到这个数据在抵押贷款利率下降 90 个基点后不升反降，甚至回到低点，我很惊讶。价格如同我之前提到的，环比持续下降，同比涨幅仅剩 0.9%。这很有趣，市场上还没有足够的信心去买房，或者利率还不够低，价格还不够低。建筑商现在有动力降价并继续补贴抵押贷款利率以清理库存。库存清理不掉，这是价格将下降的另一个原因。

政府数据失真与宏观推论

在离开经济指标之前，关于就业数据的下修，我要说的一点是：政府统计数据是多么混乱、不正确和有缺陷。它们诞生于工业时代，而我们现在不仅处于数字时代，更处于 AI 时代。变化太快，由于指数结构的原因，它们跟不上。

抱歉如果这听起来有点深奥，但如果就业人数真的比最初报告的低得多，这对 GDP 账户意味着什么？GDP 账户比就业指标更准确，因为 GDP 有另一面叫国民收入（GNI）。这在资金转手、销售报告、工资报告方面相当准确，都来自税务记录。虽然有统计差异，但如果不那么多人就业，那就意味着生产率被低估了，意味着实际 GDP 增长被低估了，最关键的是——这意味着通胀被严重高估了。我们认为实际通胀可能更符合 Truflation 的数据（低于 1%），而不是政府统计数据所显示的。

市场指标：黄金、比特币与加密生态

现在看市场指标。标普 500 指数相对于黄金，我们在关注这个。在 70 年代这是一个重要的警示信号（从 1966 年到 1982 年，标普实际上原地踏步）。我们当然不想进入那样的时期，也不认为我们会。但即使道琼斯指数创下新高，看到这个比率下降还是让人有点不舒服。

但再看标普 500 指数相对于油价。在 70 年代，标普对油价的表现与对黄金的表现是一样的。现在则完全相反。这更重要，因为油价下跌相当于给消费者和企业减税。我们很高兴看到这种背离。而且我之前提到过，黄金有点“涨过头”了（over its skis）。看黄金相对于 M2 的比率，从未如此之高，甚至高于 70 年代末（当时是两位数通胀）和大萧条时期。

我们必须承认，黄金的表现远超比特币。比特币在某种意义上陷入了“避险”（risk-off）的动态中，即某些板块出现批发式下跌，“先卖出，再问问题”。SaaS 领域、财富管理领域、卡车经纪领域都发生了这种情况。这种算法式的抛售肯定伤害了比特币，因为许多人没有像看待黄金那样，把比特币视为动荡时期的价值储存和避风港。

我们不理解这一点，因为我们认为黄金供应增长正在加速，而比特币供应增长不可能加速。我们讨论过量子计算和比特币社区的各种担忧，尤其是随着 ETF 的介入，有了更多新的持有者，可能是更脆弱的持有者。当面对风险时，他们会先卖出。

不过，你可以看到比特币的上升趋势——更高的高点和更高的低点——并没有被打破。虽然我们跌破了 2024 年的某个点位，但总体上升趋势未破。技术分析师现在都在看图，你会发现我们现在的位置正是 2017 年的顶部，这也是一种标记。在 20-22-23k 区域也有支撑，当时比特币实际上是那些担心地区银行危机演变为像 2008-2009 年那样具有交易对手风险的金融危机的人的避难所。比特币不会发生这种危机。如果你想对冲交易对手风险，我鼓励大家进行自我托管（self-custody），因为现在 ETF 介入了所有权。

这段时间很折磨人，我不喜欢这种时期，因为我担心我们的客户。但我们利用这些时期在加密领域进行买入。这时你能了解每个人的恐惧。我最近刚以顾问身份参与了一家名为 LayerZero 的公司。从去中心化金融（DeFi）的角度来看，他们试图“回到未来”，不通过像以太坊那样的 Layer 2 等方式进行妥协，而是为这个新时代（代理型 AI 时代）开发一个生态系统。在这个时代会有大量的机器对机器（M2M）交易，需要处理每秒 200 万到 400 万笔交易。以太坊只能处理 13 笔，Solana 可能是 2000 笔。所以在困难时期，这个社区的建设者们正在埋头苦干。我们的研究发现了这些新方法，因为人们开始在现有 DeFi 生态系统的背景下更多地讨论它们。

结语：与互联网泡沫的对比

最后，我想总结一下。与科技和电信泡沫不同，现在的机会是货真价实的。在那次泡沫中，人们极度投机。而现在，人们怕得要死。作为创新领域的投资组合经理，比起科技泡沫时期的投机过剩，我更喜欢现在的恐惧和“在忧虑之墙上攀升”。

有人可能会说 AI 正在经历泡沫，这是市场担忧的一部分。但我们不这么认为。我们做的所有研究都表明，我们正处于相当于 1996 年的技术或互联网革命时期，处于非常早期。当然，后来它进入了超速发展并变得疯狂。但在 1996 年，美联储主席格林斯潘谈到了“非理性繁荣”。这吓坏了人们，因为他们以为他会收紧政策以遏制投机，但他实际上说他不会那样做，他会让市场自行运作。

因为那是之后发生的事情，我们都吸取了很多教训。今天的市场之所以有这些“伤疤”，是因为那些经历过科技泡沫的人现在已经是我们这个行业的资深人士了。他们有那种伤疤组织或肌肉记忆，作为最老练的投资者，他们说：“我要保护我的公司免受这种风险。”我认为正是这种心态维持了恐惧和这堵“忧虑之墙”。

市场波动可能会让人不舒服。但就像去年四月一样，这些可能是投资“下一个大事件”的重要机会。我们已准备好迎接黄金时段。我们可以看到 AI 的爆发，也能感觉到脚下的土地正在移动。我现在能看到并听到 CEO 们说：“天哪，我们必须对此做点什么。”所以我认为势头将继续建立。最重要的是站在变革的正确一侧。

谢谢大家，祝大家有一个愉快的长周末。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，该行大幅上调了对超大规模云服务商的资本支出预期，预计2026年相关支出将达到7400亿美元。受AI投资需求及并购活动回升驱动，该行预计2026年美国投资级债券发行量将创下2.25万亿美元的历史新高。

在此背景下，有两个关键特征值得关注。其一，投资空间依然广阔。预计到2028年，AI相关投资将累计增长20%，但目前实际投入尚不足这一规模的20%。这意味着，绝大部分投资机会仍在前方。

其二，融资结构正在生变。与2025年及之前的支出阶段不同，下一阶段的建设将更加依赖多元化的信用市场，包括有担保与无担保融资、证券化与结构化产品，以及合资企业模式。即将到来的资本支出规模过于庞大，仅靠股权融资已难以支撑，信用将在系统性融资中扮演核心角色。

当前，股市疲软已向信用市场传导。年初至今，标普软件指数已下跌23%。这一压力在信用领域表现尤为明显，特别是在杠杆贷款和商业开发公司（BDC）等对软件行业敞口较大的板块。

摩根士丹利警告，相关板块情绪可能持续低迷，信用投资者或需等待更长时间或更大幅度的价格修正，才会重新入场。尽管目前违约率仍处低位，但随着AI应用加速推进及不确定性持续，信用市场的价格下跌或将扩大和加深。

AI投资承诺升级重塑融资格局

大型超大规模云服务商最新财报证实，AI基础设施的投资承诺正加速兑现。摩根士丹利互联网股票分析师Brian Nowak指出，拥有最丰富数据资源及最强投资能力的头部平台，其竞争优势正以前所未有的速度扩大，领先幅度远超数周前的预期。

基于最新指引，摩根士丹利股票团队大幅上调预测，预计2026年超大规模云服务商的资本支出将达7400亿美元，较年初预测的5700亿美元激增。其核心逻辑依然稳固：算力需求持续大幅超过供应。

这一融资需求正深刻影响债券市场格局。摩根士丹利预计，受AI相关资本开支拉动及并购活动回暖驱动，2026年美国投资级债券发行量将攀升至创纪录的2.25万亿美元。供应放量可能导致投资级信用利差在年底前小幅走阔。但该行认为，当前市场形态更接近1997-98年或2005年的情景，即信用利差在股市上涨的背景下走阔，但这绝非意味着“周期终点”的到来。

软件板块遭遇颠覆冲击波

市场对人工智能颠覆性风险的担忧正持续发酵。这种焦虑并非源于对技术前景的怀疑，而是市场愈发清醒地认识到：AI的变革力量真实存在，且天量资本支出正在将这种潜力加速转化为现实。近期有报道称，先进AI模型已接近能够执行大部分软件工程任务，这为投资者敲响警钟，引发市场重新评估两个核心问题：软件行业被颠覆的速度，以及颠覆效应向外扩散的广度。

股市层面，软件板块已成重灾区。标普软件指数年初至今已下跌23%，而同期标普500指数基本持平。这一显著分化清晰勾勒出市场对AI颠覆风险的定价逻辑。

股市疲软正在向信贷市场传导，压力首先集中在对软件行业敞口最大的领域。数据显示，美国软件类杠杆贷款年初至今下跌约3.4%，并拖累整体杠杆贷款表现由正转负，录得0.4%的跌幅。相比之下，软件敞口较小的高收益债券仍录得正回报，显示出风险尚未全面扩散。

信贷市场面临持续压力

摩根士丹利对当前市场前景持谨慎态度。该行认为，软件等相关板块情绪可能持续低迷，目前尚不清楚下一个扭转颓势的催化剂将来自何处。信贷投资者或需等待更长时间，或看到更大幅度的价格修正，才会重新入场。

尽管目前违约率仍处于低位，但随着AI应用加速推进，以及不确定性持续笼罩。由于难以甄别哪些公司真正面临生存风险，信贷市场的价格下跌可能进一步扩大和深化。摩根士丹利警告，当违约率最终上升时，由于相关公司普遍具有轻资产属性，其违约回收率可能远低于历史平均水平。

从更宏观的视角看，该行指出，尽管供应激增可能推动投资级信用利差走阔，但当前市场形态更接近历史上信贷与股市背离但并非周期终局的阶段。作为信贷策略师，摩根士丹利正以敏锐视角关注信贷市场内部不断积聚的压力，其核心判断是：未来的生产力引擎，正在催化眼下的市场阵痛。

本文来自华尔街见闻，欢迎下载APP查看更多

盘面上，贵金属、半导体、石油石化等板块走强，国防军工、企业服务、汽车与零配件、可选消费等板块承压。港股科网股分化，腾讯上涨0.2%，哔哩哔哩收涨0.75%，百度收涨1.33%；阿里巴巴收跌0.45%，京东下跌0.47%。

个股方面，随着市场对中国人工智能企业的乐观情绪高涨，MINIMAX表现强势，收涨24.56%，领跑一众AI应用概念股，智谱涨4.74%。老铺黄金和洛阳钼业分别上涨6.64%和6.35%，宁德时代亦收涨2.71%。

AI应用概念股延续涨势

AI应用股延续强势，MINIMAX收涨24.56%，录得847港元。盘中更是一度冲高至884港元，刷新历史新高。本轮股价创新高，是技术迭代、商业化落地、机构认可三重因素共振的结果。

消息面上，MiniMax在2月12日上线最新旗舰编程模型MiniMax M2.5，是全球首个为Agent场景原生设计的生产级模型，支持PC、App、跨端应用的全栈编程开发。此外，马斯克表示，AI将直接编写二进制代码，且AI生成的二进制代码将比任何编译器生成的都要高效。

新加坡DZT Research研究主管Ke Yan表示：

“MiniMax的模型性能显著提升，尤其是M2.5版本。在软件工程SWE等多个基准测试中，M2.5的表现非常接近Anthropic的旗舰模型Claude Opus 4.6。”

国泰海通发布研报称，首次覆盖给予MiniMax“增持”评级，目标价620港元。该行指出，公司全栈自研多模态大模型性能领先，海外收入占比高，现金储备充足；预计2026年营收2.2亿美元，给予113x PS估值，反映其作为港股稀缺全球化AI标的的成长潜力。

智谱今日收涨4.74%，报508港元，盘中一度冲高至525.5港元，创下历史新高。

消息面上，2月11日，智谱官方确认，此前在全球模型服务平台OpenRouter登顶热度榜首的神秘模型“Pony Alpha”，为智谱新模型GLM-5。目前新模型已在chat.z.ai平台上线。11日晚间，智谱发布新一代旗舰模型GLM-5。在Coding与Agent能力上，GLM-5取得开源SOTA表现，在真实编程场景的使用体感逼近Claude Opus4.5，擅长复杂系统工程与长程Agent任务。

2月12日当天，智谱发布GLM Coding Plan价格调整函称，近期，GLM Coding Plan市场需求持续强劲增长，用户规模与调用量快速提升。为保障高负载下的稳定性与服务质量，公司同步加大算力与模型优化投入，产品能力持续升级。

有色金属板块集体拉升

中国金属利用涨近10%，洛阳钼业涨超6%，中国有色矿业涨5.55%，灵宝黄金、中国黄金国际、紫金矿业等跟涨。消息面上，时逢情人节、春节假期，金价阶段性回调叠加春节送礼、婚庆添置、投资收藏等多元需求，共同推动黄金消费持续升温。

老铺黄金收涨6.64%，宁德时代收涨2.7%。此前，恒生指数有限公司公布截至2025年12月31日的恒生指数系列季度检讨结果。其中，恒生指数成份股数目将由88只增加至90只，新加入宁德时代、洛阳钼业和老铺黄金，剔除中升控股。上述变动将于3月9日起生效。

本文来自华尔街见闻，欢迎下载APP查看更多

日本内阁府周一公布的数据显示，去年第四季度实际GDP季环比初值为0.1%，低于市场预期的0.4%，前值为-0.7%。年化季环比方面，当季GDP初值仅录得0.2%，远逊于1.6%的预期，勉强止住第三季度2.6%的萎缩态势。细项数据显示，消费支出微增0.1%，资本支出增长0.2%，净出口对增长贡献为零。

尽管增长远逊预期，但分析师认为，这尚不足以动摇日本央行今年晚些时候加息的计划。经济重返增长区间本身为央行继续收紧货币政策留出了空间，尽管复苏力度温和。

消费与投资增长乏力

从细项数据来看，占GDP比重过半的私人消费在第四季度仅微增0.1%，较三季度0.4%的增速明显放缓。尽管企业近年来持续加薪，但食品价格持续上涨令家庭支出承压，2025年全年实际工资月均录得同比下降。

资本支出同样表现乏力，仅增长0.2%，远低于路透调查预期的0.8%。三菱日联研究咨询首席经济学家Shinichiro Kobayashi指出：

“利率上升与工资增长可能对中小企业构成双重风险，进而制约其资本支出能力。”

出口方面则呈现分化。第四季度出口下降0.3%，降幅较上季度的1.4%有所收窄，显示关税的初步冲击已逐步消化，但入境旅游遭受打击。

受高市早苗去年11月言论影响，我国发布赴日旅游警告，来自中国的游客数量在第四季度明显下滑。据新华社，中国驻东京旅游办事处主任欧阳安表示，高市早苗近期错误言论已对中日文旅交流产生实质性影响。随着中国政府发布旅游、留学提醒和预警，航空公司也陆续推出免费退改政策，中国游客赴日意愿降低。

央行加息路径面临考验

尽管第四季度GDP增长远逊预期，但分析师认为，这尚不足以动摇日本央行今年晚些时候加息的计划。

Moody's Analytics经济学家Stefan Angrick预计，日本央行将在7月进行下一次加息。但他同时警告，若后续增长数据未能出现更大改善，进一步加息的合理性将面临挑战。自去年12月加息以来，日本央行一直将政策利率维持在0.75%的30年高点。

野村综合研究所首席经济学家Takeshi Minami则对近期行动持谨慎态度。他指出：

"虽然GDP实现正增长，但势头疲弱，加之需要评估12月加息的影响，短期内进一步加息的可能性似乎已经减弱。"

高市早苗财政扩张计划获支撑

疲弱的第四季度GDP数据，为高市早苗本月大选获胜后推行扩张性财政政策提供了更多支撑。自民党在此次选举中斩获众议院三分之二席位，创下战后单一政党选举的最大胜绩，确保了4月新财年预算的顺利通过。

据彭博报道，高市正考虑加快讨论是否暂时取消食品销售税，并承诺在不依赖赤字国债的前提下弥补相应税收损失。Capital Economics经济学家Marcel Thieliant指出：

“经济活动疲软增加了高市推进暂停食品销售税的可能性，也不排除她在新财年上半年即制定补充预算。”

日本经济大臣木内实则重申官方立场，称“经济继续温和复苏”，并表示随着各项政策效果显现及就业和收入状况改善，温和增长有望得到支撑。

市场反应谨慎

疲弱的GDP数据公布后，日本市场反应总体温和。债券期货小幅走高，显示投资者正在重新评估日本央行的货币政策前景。股市则表现疲软，日经指数收跌0.14%，报56860.75点。

三菱日联研究咨询经济学家Kobayashi对消费前景持谨慎态度。他警示，虽然出口商品似乎已触底，但入境服务出口正转为负值，令人担忧。他指出：

“个人消费显示出一定韧性，但这种韧性能否持续，取决于价格缓解措施能否见效，以及实际工资能否重回正增长。”

展望未来，经济学家预计日本经济将以渐进步伐延续扩张。日本经济研究中心本月的调查显示，38位经济学家预测第一季度年化GDP平均增长1.04%，第二季度增长1.12%。

本文来自华尔街见闻，欢迎下载APP查看更多

在距离美国中期选举还有9个月之际，美银王牌分析师Michael Hartnett在2月15日最新发布的《Flow Show》报告中，将他对市场的警告提升到了一个新的层级。

相比三天前的"预警"，Hartnett这次的观点更加犀利且具体。他指出，随着AI资本开支（Capex）预期的进一步上修，"AI破坏交易"（AI disruption trade）正在以惊人的速度从科技板块向传统服务业扩散。

而对于投资者而言，真正的变盘信号可能只取决于一个动作：科技巨头何时"认怂"削减开支。

7400亿美元：从“印钞”变“碎钞”

Hartnett本次报告中最具冲击力的增量信息在于对AI资本支出的重新定价。

三天前市场还在消化6700亿美元的支出预期，而这次Hartnett指出，2026年超大规模云厂商（Hyperscalers）的资本支出预期已飙升至7400亿美元。这一天文数字不仅是惊人的，更是危险的。

这种疯狂的投入将产生极端的财务后果："这可能会将Mag 7的自由现金流推向零，甚至转为负值。"

为了维持这种规模的资本开支，科技巨头们可能被迫开启大规模的债券发行狂潮。这意味着，曾经拥有完美资产负债表的科技成长股，正在全面"信用化"。

Hartnett认为，现在的市场叙事，正在加速从“对AI的敬畏”（AI-awe）转向“被AI搞穷”（AI-poor）。

在这种背景下，Hartnett给出了一个极其明确的交易信号：

"扭转这一局面的最明显催化剂，将是某家AI超大规模厂商宣布削减资本支出。"

一旦发生这种情况，将直接触发从科技巨头向"主街"（Main Street）资产的剧烈轮动。

"野火般"的AI颠覆效应扩散

如果你以为AI的冲击只停留在科技股内部，那就错了。最新研报显示，破坏效应正在向传统服务业疯狂扩散。

Hartnett将这种现象称为"像野火一样的AI颠覆"（wildfire AI disruption）。他按时间列举了AI冲击的扩散：

"（上）周一是保险经纪崩了，周二是财富顾问，周三是房地产服务，周四是物流……"

值得注意的是，首个被AI颠覆的板块——2025年一季度的印度科技股（如Infosys, TCS）——至今仍未看到任何买盘支撑。这意味着，一旦被市场认定为"AI受害者"，其股价修复将遥遥无期。

政治倒计时：2月24日

Hartnett再次提醒，政治因素正在加剧这种轮动。

Hartnett指出，特朗普在华尔街的支持率创历史新高，但在主街（普通民众）的支持率却创新低（对通胀的不满高达36.4%）。

Hartnett明确指出，2月24日的国情咨文（State of the Union）将是一个关键节点。

"如果届时没有出现所谓的'特朗普提振'（Trump bump），预计政府将转向更激进的'可负担性'政策以赢得中期选举。"

为了安抚因AI而焦虑的选民，这些政策可能包括压低能源、医疗、住房成本，其可能会通过控制收益率曲线（YCC）来发钱（全民基本收入），这将进一步利好小盘股，而不是那些高高在上的科技巨头。

从持仓和价格表现来看，Hartnett认为“做多主街（Main Street），做空华尔街（Wall Street）”的策略正在生效。自10月29日降息以来，资产表现极度分化：

• 赢家（通胀/主街资产）： 白银（+56%）、韩国KOSPI（+34%）、巴西Bovespa（+30%）、能源（+20%）。
• 输家（泡沫/华尔街资产）： Mag 7（-8%）、加密货币（-41%）、软件板块（-30%）。

日元：从避险到"长牛"信号

在资产价格方面，Hartnett捕捉到了一个极具历史意义的信号变化。

日元与日经指数的相关性，自2005年以来首次转为正值。

简单说，就是日元涨，日本股市也涨。Hartnett认为：

"没有什么比汇率上涨、股市同时也上涨更能说明'长期牛市'了。"

这一现象曾出现在1982-1990年的日本、1985-1995年的德国以及2000-2008年的中国。

尽管这对日本股市是长期利好，但短期内强势日元加剧了加密货币、白银和软件股的平仓痛苦。Hartnett特别警告了汇率的"红线"：

"日本不能容忍日元无序飙升（即日元兑美元汇率低于145）。这将压垮日本出口商，打击全球流动性，并历来与全球去杠杆化同时发生。"

资金流向：卖出信号还在亮着

尽管本周全球股市流入了463亿美元，看起来大家还在买买买：

• 股票流入 463亿美元
• 债券流入 254亿美元
• 现金流入 145亿美元
• 黄金流入 34亿美元（“没有恐慌性抛售”）
• 加密货币流入 1亿美元，且比特币在去年10月历史高点后经历约50%下跌、伴随杠杆清算后，“卖盘也结束了”。

但美银的牛熊指标（Bull & Bear Indicator）读数从上次的9.6小幅回落至9.4，依然处于“卖出”区间。

同时，Hartnett提醒，风险资产的"卖出信号"（自12月17日开始）依然有效。

Hartnett坚持认为，风险资产的调整还没结束。只有当大家开始恐慌囤现金、科技股仓位降下来，指标回落到8左右时，这波始于12月的调整信号才会真正解除。

• 现金占比从历史低点3.2%大幅上升至3.8%或更高；
• 债券从净低配35%回补至净低配25%或更少；
• 科技股从净超配17%降至中性；
• 必需消费从净低配30%回补至净低配10%或更少。

Hartnett在周报中用“过去50年的伟大轮动”解释当下：重大政治、地缘、金融事件往往改变资产领导权——

• 1971布雷顿森林体系终结：新领导者为黄金与实物资产（1971-1980上涨417%），落后者为债券与金融资产（仅67%）。
• 1980里根/撒切尔/沃尔克冲击：通胀见顶（1980年3月14.8%），10年期美债收益率从16%降至1985年的6%，债券成为领导者。
• 1989柏林墙倒塌、全球化与通缩：美股在全球资产中的相对位置触及75年低位，90年代大宗商品落后，铜甚至是90年代唯一出现负年化回报的资产。
• 2001“9·11”与中国加入世贸：落后者为美元与科技股，领导者转向新兴市场/大宗商品与资源金融板块。
• 2009金融危机后QE与回购：美股再成领导者，私募与成长抬升（ACWI中科技/电信/医疗占比从2008年的24%升至2020年的44%；金融/能源/材料从44%降至20%）。
• 2020疫情与货币财政扩张：美国政府支出+56%、名义GDP增长>50%；领导者包括“七巨头”等，落后者为债券（2020-2023年美国30年期国债下跌50%）。

展望未来，Hartnett判断下一轮结构性领导者将是：新兴市场与小盘股。他给出的支撑包括：

• 从美国大盘成长到小盘价值：服务业向制造业、资产轻向资产重切换，以及AI军备竞赛成本上行；并指出hyperscaler过去5个月发债1700亿美元，显著高于2020-2024年每年约300亿美元的节奏，利差上行已开始形成压力。
• 从美国到新兴市场：他用“新世界秩序=新世界牛市”描述全球再平衡，并提到新的“除了美元什么都买（ABD）”交易；同时强调对中国与印度的资产配置仍很低，而两国已是全球四大经济体中的两员；并指出中国银行股悄然升至8年新高。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，本周，美银美林团队总结了存储巨头财报电话会议的精华，并结合韩国半导体展（Semicon Korea）的一线见闻，指出当前市场正处于库存极低、价格飙升且资本开支大幅扩张的强劲上升期。

财报季“五大关键信号”

美银美林分析师Simon Woo团队在研报中提炼了存储企业四季度财报的五个核心信号，这些信号直接指向了供需关系的根本性逆转。

首先，库存水平已经降至“警戒线”以下。 以SK海力士为例，其库存周转天数已从2023年一季度的233天峰值，大幅下降至仅127天。更惊人的是，成品存储模组的库存仅能维持2-3周，而正常水平通常在10周以上。这意味着，一旦需求稍有波动，供应链将面临极大的缺货压力。

其次，产品平均售价（ASP）正在经历“暴力”修复。 三星电子的DRAM平均售价环比暴涨40%，SK海力士的NAND售价也环比上涨了32%。这种涨幅在成熟的半导体周期中并不多见。

第三，巨头们正在疯狂“烧钱”扩产。 面对AI带来的HBM（高带宽内存）需求井喷，厂商们开启了激进的资本开支计划。SK海力士的资本开支从2024年四季度的7万亿韩元，预计将激增至2025年三季度的12万亿韩元。

第四，HBM4量产执行力超预期。 三星和SK海力士在下一代HBM4的量产和出货方面进展顺利，这直接决定了未来在AI算力市场的份额。

最后，行业对未来的指引极度乐观。 这种乐观不仅针对2026年一季度，更指向长期的“存储超级周期”。南亚科技（Nanya Tech）总裁更是直言不讳地指出：

“由于AI的驱动，当前的周期比2017-18年的云服务器繁荣周期要好得多。”

他进一步解释道，与高度定制化的晶圆代工不同，存储器仍被视为大宗商品（遵循JEDEC标准），这意味着如果短缺持续到2027年，价格还有进一步上涨的空间。

美银的“存储指标”（Memory Indicator）也佐证了这一点。该指标在12月已回升至124的“上行周期”水平，而2025年上半年的平均值仅为103。

现货市场：价格高企，出口数据强劲

尽管近期DRAM现货价格保持稳定，但这建立在已经大幅上涨的基础之上。

目前，主流的16Gb DDR5现货价格维持在38美元的历史高位，同比涨幅高达709%；16Gb DDR4价格更是达到78美元，同比暴涨2445%。美银美林指出，DRAM价格已触及过去25年来的最高水平，远超2017年10月上一轮周期顶峰时的10美元区间。

虽然部分OEM厂商暗示，由于存储成本激增或短缺，低端智能手机、平板和PC的组装线出现了暂时停工，但这并未阻挡整体出货的强劲势头。

数据不会说谎。台湾地区1月份的销售数据表现强劲，南亚科技、威刚（ADATA）、创见（Transcend）和群联（Phison）等厂商的月度销售额环比增长超过20%，同比更是翻倍。韩国2月前10天的半导体出口额也同比激增138%。

值得注意的是，SSD（固态硬盘）产品价格本周大幅上涨，周环比涨幅达40%，月环比涨幅达60%，这反映出市场对下半年可能出现的短缺感到担忧。

韩国半导体展见闻：设备商的“盛宴”

美银美林团队实地探访了在首尔举办的韩国半导体展（Semicon Korea），现场的火爆程度印证了行业的景气度。

参展的设备供应商透露了几个关键信息：

1. 巨头不仅是客户，更是“金主”： 三星和SK海力士创纪录的资本开支，让设备商们赚得盆满钵满。

2. HBM生产极其耗时： HBM的制造周期很长，特别是热压键合（TCB）环节。一台机器每天只能处理几片晶圆，因此要维持5万到10万片/月的产能，需要超过100台TCB设备。

3. 技术路线的博弈： HBM混合键合（Hybrid Bonding）技术的采用可能会推迟，即使是16层或20层的HBM，厂商仍倾向于使用NCF（非导电薄膜）或MR-MUF（大规模回流模塑底部填充）技术。

4. 后端设备订单波动大但前景好： 虽然目前后端设备订单较弱，但随着HBM4产能爬坡以及未来HBM4e的推出，预计下半年或2027年将迎来复苏。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

本文来自华尔街见闻，欢迎下载APP查看更多

近日，拥有六年AI创业与投资经验的HyperWriteAI及OthersideAI首席执行官、Shumer Capital投资人Matt Shumer撰文，以亲身经历还原AI技术演进带来的具象化职业冲击。

真正引爆作者思考的瞬间，发生在2026年2月5日。OpenAI与Anthropic同日发布新模型，GPT-5.3 Codex与Opus 4.6。他形容，那一刻并非电灯开关式的顿悟，而是意识到水位已上涨至胸口的警醒。

这一版本带来的体验跃迁是颠覆性的。作者表示，他只需用自然语言描述需求，AI即可产出成品，而非需要反复修改的草稿。离开电脑四小时后返回，工作已完成，质量远超亲手操刀，且无需任何调整。而数月前，这一过程仍需反复沟通与指导。AI的角色，已从“辅助工具”进化为“独立执行者”。

文章指出，从文本生成到多模态理解，从辅助写作到直接参与系统构建，AI的能力突破已不再局限于参数增长，而是进入了能够独立完成复杂任务的实质性跃升阶段。过去需专业团队耗时数周的工作流程，如今借助AI工具仅需数分钟即可产出可用版本。更值得关注的是，每一次技术突破之间的时间间隔正持续缩短。

尽管部分用户对现有AI能力仍持保留态度，但作者强调，技术演进的实际速度已远超市场普遍认知。这一认知差距可能导致投资者与企业低估AI对行业格局的潜在冲击。

文章指出，当前AI已具备自主构建下一代AI系统的能力。当AI能够反向改进AI自身时，传统受限于人类研究者数量与能力的发展天花板被彻底打破。这种“自我迭代”的演进模式，预示着技术进步正迈入指数级增长轨道，并将直接重塑劳动力市场结构与企业的运营逻辑。

在警示就业市场重构风险的同时，文章为从业者提供了应对路径，并将讨论延伸至宏观层面的深远影响。

在个体层面，从业者应坚持场景化学习，将AI嵌入日常工作流，在实践中积累经验、理解边界，同时锚定批判性思维、跨领域整合、人际连接与战略判断等AI难以复制的核心能力，并保持动态适应，定期评估技能相关性，对行业风向保持敏感，勇于在必要时切换赛道。

从宏观维度看，这场变革正从三重层面重塑社会格局：在社会层面，AI重新定义了财富分配逻辑、教育体系根基与职业结构版图；在经济层面，技术领先者将获得显著效率优势，行业“赢者通吃”效应或将进一步加剧；在哲学层面，当机器在越来越多领域表现堪比甚至超越人类，关于工作意义与人的价值的传统观念正遭遇根本性质疑。

认知滞后的危险

作者指出，很多人对AI的判断，还停留在自己某一次早期试用的印象里：“我试过 AI，也就那样”。这种用旧体验定义新技术的心态，正是当下最致命的认知盲区。

他以智能手机演进作比：若用2010年的初代体验评判今天的移动生态，结论必然失之偏颇。同理，许多专业人士因早期尝试AI工具的局限性而将其归为“炒作大于实质”，却忽视了该领域正以月度为单位的迭代速度实现质的跃升。

作者警示，AI技术的演进窗口期已大幅压缩。三个月前得出的结论，如今可能已完全失效。对于职场人士而言，定期重新评估AI工具的能力边界，已不再是可有可无的选择，而是维持专业竞争力的必修课。

速度快到令人措手不及

文章通过对技术演进轨迹的剖析指出，当前AI领域的进展速度已超越多数传统技术的发展曲线。

从GPT-3到GPT-4，从文本生成到多模态理解，从辅助写作到直接参与系统构建，AI的能力突破已不再局限于参数增长，而是进入了能够独立完成复杂任务的实质性跃升阶段。过去需专业团队耗时数周的工作流程，如今借助AI工具仅需数分钟即可产出可用版本。更值得关注的是，每一次技术突破之间的时间间隔正持续缩短。

作者警示，这种效率提升并非线性增长，而是呈现出陡峭的指数曲线。对于各行业从业者而言，适应窗口期正急剧收窄：今天的不作为，可能意味着明天的技能边缘化。

自我进化的临界点

文章中提及，AI现在正在构建下一代AI，这并非科幻情节，而是正在发生的现实。

当前，AI系统已开始涉足编写代码、优化算法、设计神经网络架构等原本属于高级研究人员的核心工作。这种自我迭代能力的出现，标志着技术发展正站在一个临界点上：当AI能够反向改进AI自身时，传统受限于人类研究者数量与能力的发展天花板被彻底打破。

作者指出，这种递归式改进可能引发能力的爆发性增长。然而，一个更令人不安的问题是：面对这一拐点，人类社会的认知储备与应对准备，却远远不足。

AI浪潮下的职业生存法则

面对AI浪潮，“这对你的工作意味着什么”已成为每个从业者无法回避的命题。

文章作者坦言，几乎没有哪个职业能完全免疫这场变革。从创意产业到技术开发，从数据分析到客户服务，AI正在各领域展现出渗透性能力。但这并不必然导向大规模失业，更可能的结果是工作性质的根本重塑。

作者判断，重复性、标准化的任务将首当其冲被自动化，而需要复杂判断、情感交互与创造性综合的岗位则会发生演进。真正的追问不应该是“我的工作会不会被取代”，而是“我如何重新定义自己的工作价值”。

在这一轮洗牌中，分水岭已然清晰：善于利用AI工具放大自身能力者，将获得显著的竞争优势；而抗拒学习新工具的人，则将面临难以证明自身不可替代性的窘境。

三步构建AI时代的职业护城河

在剖析技术变革态势后，文章为从业者提供了具体的行动框架。

第一，坚持场景化学习。 不是泛泛“了解AI”，而是将其嵌入日常工作流，每周尝试用AI解决一个实际问题，在应用中积累经验，在试错中理解边界。

第二，锚定AI难以复制的核心能力。 包括批判性思维、跨领域整合、人际连接与战略判断。这些并非简单的技能叠加，而是需要长期沉淀的综合素养。作者建议，从业者应将自己定位为“AI增强型专业人士”，主动让工具成为效率杠杆，而非被动沦为“被AI威胁的劳动者”。

第三，保持动态适应。 定期评估自身技能组合的相关性，对行业风向保持敏感，在必要时勇于切换赛道。在指数级变革的时代，停滞即退步。

又一次革命性飞跃

将视野拉至宏观层面，作者揭示了这场AI革命背后更为深远的意义，这不仅是一次技术跃迁，更是一场波及社会、经济乃至哲学层面的结构性变革。

从社会维度看，AI正重塑财富分配逻辑、教育体系根基与职业结构版图。从经济维度看，技术领先者将获得显著的效率优势，行业“赢者通吃”效应或将进一步加剧。从哲学维度看，当机器在越来越多领域表现堪比甚至超越人类时，关于工作意义与人的价值的传统观念，正遭遇根本性质疑。

作者认为，理解这一更大的图景，有助于从业者与决策者跳脱眼前的焦虑，以更长的周期视角谋划个人成长与组织战略。在历史性变革面前，视野的宽度决定了应对的深度。

在AI重塑世界之前，先重塑自己

文章结尾，作者重申核心判断：AI的发展速度与影响范围被严重低估，而留给社会的适应窗口正加速收窄。这一结论并非危言耸听，而是基于持续观察与亲身经历的审慎预警。

潜在影响呈现双重分化：对于主动拥抱变化、持续学习者而言，这是能力跃升与职业进阶的历史性机遇；对于固守传统、抗拒变革者而言，则面临被边缘化的现实风险。

作者呼吁，将“适应AI时代”作为当前最重要的职业发展议题，这不再是遥远的未来叙事，而是正在发生的当下。唯有保持敏锐觉察与持续学习，方能在这一历史性变革中不仅求得生存，更能实现繁荣。

原文如下：

《大事即将发生》

回想一下2020年2月。

如果你足够细心，或许会注意到有些人谈论着一种正在海外传播的病毒。但我们大多数人并没有太在意。股市一片繁荣，孩子们照常上学，你照常去餐厅吃饭、握手、计划旅行。如果有人告诉你他们在囤积卫生纸，你肯定会觉得他们是不是在网上某个奇奇怪怪的角落里待得太久了。然后，短短三周之内，整个世界都发生了翻天覆地的变化。你的办公室关门了，孩子们回家了，生活彻底改变了，变成了一个月前你绝对无法想象的样子。

我认为我们现在正处于“这件事似乎被夸大了”的阶段，而这件事的规模远比新冠疫情要大得多。

我花了六年时间打造一家人工智能初创公司，并投资于这个领域。我生活在这个世界里。我写这篇文章是为了那些不了解人工智能的人……我的家人、朋友，以及所有我关心的人，他们总是问我“人工智能到底是怎么回事？”，而我给出的答案却无法真实反映实际情况。我总是用客套话，用适合鸡尾酒会的措辞来搪塞他们。因为说实话，听起来就像我疯了一样。有一段时间，我甚至以此为借口，把真相藏在心里。但是，我所说的和实际情况之间的差距已经太大了。我关心的人应该知道即将发生的一切，即使它听起来很疯狂。

首先我要说明一点：虽然我从事人工智能工作，但我对即将发生的事情几乎没有任何影响力，业内绝大多数人也一样。未来是由极少数人塑造的：几家公司里几百名研究人员……OpenAI、Anthropic、谷歌DeepMind等等。一个小团队几个月的训练就能产生一个人工智能系统，从而彻底改变这项技术的发展轨迹。我们这些从事人工智能工作的人，都是在别人已经奠定的基础上进行建设。我们和你们一样，都在见证这一切的发生……只不过我们恰好离得足够近，能够最先感受到这场变革的冲击。

但现在是时候了。不是那种“我们最终应该谈谈这件事”的态度，而是那种“这件事正在发生，我需要你理解”的态度。

我知道这是真的，因为这事就发生在我身上。

科技圈外的人可能还不太明白：现在业内这么多人发出警报，是因为这种情况已经发生在我们身上了。我们不是在做预测，我们只是在告诉你我们自己的工作中已经发生的事情，并警告你，下一个可能就是你。

多年来，人工智能一直在稳步发展。虽然偶尔会有大幅提升，但每次提升的间隔时间都足够长，让人能够慢慢消化。到了2025年，构建这些模型的新技术开启了人工智能发展的新篇章，速度也随之加快。之后，速度更是突飞猛进。每个新模型不仅比上一个更好，而且提升幅度更大，新模型发布之间的间隔也越来越短。我越来越多地使用人工智能，越来越少地与它互动，看着它处理那些我以前认为需要专业知识才能完成的事情。

然后，2月5日，两大人工智能实验室在同一天发布了新的模型：OpenAI 的 GPT-5.3 Codex 和 Anthropic（ChatGPT 的主要竞争对手之一 Claude 的开发商）的 Opus 4.6。那一刻，仿佛醍醐灌顶。不是像打开电灯开关那样突然顿悟……更像是你意识到水位已经上涨到胸口的那一刻。

现在我不再需要亲自处理技术工作了。我只需用简单的英语描述我想要构建的东西，它就会自动出现。不是需要修改的草稿，而是成品。我告诉人工智能我的需求，然后离开电脑四个小时，回来后发现工作已经完成。而且完成得非常好，比我自己做的还要好，完全不需要任何修改。几个月前，我还要和人工智能反复沟通，指导它，进行修改。现在，我只需要描述结果就可以离开了。

让我举个例子，这样你就能明白这在实践中究竟是什么样子了。我会告诉人工智能：“我想开发这个应用。它应该具备这些功能，大致界面应该是这样的。请你设计用户流程、界面布局等等。”它会照做。它会编写数万行代码。然后，接下来这一步——这在一年前是不可想象的——它会打开应用本身。它会点击按钮。它会测试各项功能。它会像真人一样使用应用。如果它对某个地方的外观或感觉不满意，它会自行修改。它会像开发者一样迭代，不断修复和完善，直到满意为止。只有当它认为应用符合自身标准时，才会告诉我：“可以进行测试了。”而当我测试时，它通常都非常完美。

我一点都没夸张。这周的星期一就是这样。

但最让我震惊的是上周发布的模型（GPT-5.3 Codex）。它不仅执行了我的指令，还能做出智能决策。它展现出一种前所未有的判断力，一种品味，一种难以言喻的、知道什么是正确的判断的能力——人们一直认为人工智能永远不可能拥有这种能力。而这个模型拥有它，或者说它已经非常接近这种能力，以至于两者之间的区别开始变得无关紧要了。

我一直以来都乐于接受人工智能工具。但过去几个月发生的一切让我震惊。这些新的人工智能模型并非渐进式改进，而是完全不同的另一回事。

即使你不在科技行业工作，这件事也与你息息相关。

人工智能实验室做出了一个深思熟虑的选择。他们首先专注于提升人工智能的编码能力……因为构建人工智能需要大量的代码。如果人工智能能够编写代码，它就能帮助构建自身的下一个版本。一个更智能的版本，编写出更好的代码，进而构建出一个更智能的版本。提升人工智能的编码能力是解锁其他一切的关键策略。这就是他们首先着手的原因。我的工作比你的更早发生变化，并非因为他们的目标是软件工程师……这只是他们优先考虑的领域带来的一个附带结果。

他们已经完成了这项工作，现在正着手处理其他事情。

过去一年，科技工作者亲眼见证了人工智能从“辅助工具”发展到“比我做得更好”的转变，而这种转变也将是其他所有人即将经历的。法律、金融、医疗、会计、咨询、写作、设计、分析、客户服务等行业都将受到影响。十年之内不会发生。构建这些系统的人说，一到五年内就能实现。有些人甚至认为时间更短。而就我过去几个月的所见所闻来看，我认为“更短”的可能性更大。

“但我尝试过人工智能，效果并不理想。”

我经常听到这种说法。我能理解，因为以前确实如此。

如果你在 2023 年或 2024 年初尝试过 ChatGPT，并且觉得“这玩意儿胡编乱造”或者“这玩意儿没那么厉害”，那你的感觉是对的。那些早期版本确实功能有限。它们会胡言乱语，自信满满地说出一些毫无意义的话。

那是两年前的事了。在人工智能时代，那已经是远古历史了。

如今的模型与六个月前的模型相比，简直判若两人。关于人工智能“真的在进步”还是“遇到了瓶颈”的争论——这场争论已经持续了一年多——已经结束了。任何还在争论这个问题的人，要么没有使用过最新的模型，要么有动机淡化正在发生的事情，要么就是基于早已过时的2024年的经验进行评估。我这么说并非轻视，而是因为公众的认知与现实之间的差距如今已非常巨大，而这种差距是危险的……因为它阻碍了人们做好准备。

部分问题在于，大多数人都在使用免费版的AI工具。免费版的功能比付费用户使用的版本落后一年多。用免费版的ChatGPT来评判AI，就像用翻盖手机来评估智能手机一样。那些付费购买顶级工具，并且每天实际使用它们进行工作的人，更清楚未来的发展趋势。

我想起了我的一个朋友，他是一名律师。我一直劝他尝试在律所里使用人工智能，但他总能找到各种理由推脱。他说人工智能不适用于他的专业领域，测试时出了错，或者无法理解他工作的细微差别。我能理解。但一些大型律所的合伙人也联系我寻求建议，因为他们试用过目前的版本，看到了人工智能的发展方向。其中一位是大型律所的管理合伙人，他每天都要花几个小时使用人工智能。他告诉我，这就像拥有一个随时待命的律师团队。他使用人工智能并非出于娱乐目的，而是因为它确实有效。他还跟我说了一句话，让我印象深刻：每隔几个月，人工智能就能显著提升其工作能力。他说，如果人工智能继续保持这样的发展势头，他预计不久之后就能完成他大部分的工作……而他是一位拥有数十年经验的管理合伙人。他并不感到恐慌。但他非常专注。

那些在各自行业中处于领先地位的人（那些真正认真进行试验的人）并没有对此不屑一顾。他们被这项技术目前所能达到的效果深深震撼，并据此调整了自己的市场定位。

这进展到底有多快

让我具体说明一下改进的速度，因为如果你不密切关注，这部分内容可能最难相信。

2022年，人工智能还无法可靠地进行基本的算术运算。它可能会自信地告诉你7×8=54。

到 2023 年，它或许能通过律师资格考试。

到 2024 年，它就能编写可运行的软件并解释研究生水平的科学知识。

到 2025 年底，世界上一些最优秀的工程师表示，他们已经将大部分编码工作交给了人工智能。

2026年2月5日，新模型问世，让之前的一切都感觉像是进入了一个不同的时代。

如果你最近几个月没有尝试过人工智能，那么如今的人工智能对你来说将完全陌生。

有一个名为METR的组织专门用数据来衡量这一点。他们追踪模型无需人工干预即可成功完成现实世界任务（以人类专家完成这些任务所需的时间衡量）的时长。大约一年前，答案是大约十分钟。然后是一个小时。接着是几个小时。最新的测量结果（11月份的Claude Opus 4.5）显示，人工智能完成人类专家需要近五个小时才能完成的任务。而且这个数字大约每七个月翻一番，最近的数据显示，翻番的速度可能正在加快，甚至达到每四个月翻一番。

但即使是这项测量也尚未更新，以纳入本周刚刚发布的新模型。根据我的使用经验，这些模型的提升幅度非常显著。我预计METR图表的下一次更新将显示又一次大幅跃升。

如果这种趋势持续下去（而且这种趋势已经持续多年，没有丝毫放缓的迹象），那么我们将在未来一年内看到人工智能能够独立工作数天，两周内能够独立工作数周，三年内能够独立完成为期一个月的项目。

Amodei 表示，人工智能模型“在几乎所有任务上都比几乎所有人类都聪明得多”，有望在 2026 年或 2027 年实现。

稍作思考。如果人工智能比大多数博士都聪明，你真的认为它不能胜任大多数办公室工作吗？

想想这对你的工作意味着什么。

人工智能正在构建下一代人工智能

还有一件事正在发生，我认为这是最重要的进展，也是最不为人所理解的。

2月5日，OpenAI发布了GPT-5.3 Codex。在其技术文档中，包含了以下内容：

“GPT-5.3-Codex 是我们第一个能够自我生成的模型。Codex 团队利用早期版本来调试自身的训练、管理自身的部署，并诊断测试结果和评估情况。”

再读一遍。人工智能是自我构建的。

这并非对未来可能发生之事的预测。这是OpenAI现在就告诉你的：他们刚刚发布的AI已经能够自我进化。提升AI性能的关键之一在于将智能应用于AI开发。而如今的AI已经足够智能，能够有效地促进自身的改进。

Anthropic 首席执行官 Dario Amodei 表示，人工智能现在正在编写该公司“大部分代码”，而且当前人工智能和下一代人工智能之间的反馈循环“正在逐月加速发展”。他认为，我们可能“只需一到两年就能看到当前一代人工智能自主构建下一代人工智能”。

每一代人都在帮助构建下一代，下一代更聪明，下一代又以更快的速度构建下一代，下一代也更加聪明。研究人员称之为智能爆炸。而那些真正了解这一点的人——那些创造智能的人——相信这个过程已经开始了。

这对你的工作意味着什么

我会对你直言不讳，因为我认为你更需要的是诚实而不是安慰。

达里奥·阿莫迪可能是人工智能行业中最注重安全的首席执行官，他曾公开预测，人工智能将在未来一到五年内取代50%的入门级白领工作岗位。而业内许多人认为他的预测过于保守。鉴于最新模型的能力，大规模颠覆性变革可能在今年年底前就已到来。这种变革需要一段时间才能波及整个经济，但其根本能力已然显现。

这与以往每一波自动化浪潮都不同，我需要你们理解其中的原因。人工智能并非取代某项特定技能，而是全面替代认知工作。它在各个方面都在不断进步。工厂自动化后，失业工人可以重新培训成为办公室职员；互联网颠覆零售业后，工人可以转行到物流或服务业。但人工智能不会留下现成的过渡岗位。无论你接受何种培训，它都能在你擅长的领域不断提升。

让我举几个具体的例子来让您更直观地理解……但我必须强调，这些只是例子，并非全部。如果您的工作没有被提及，并不意味着它就安全了。几乎所有知识型工作都受到了影响。

法律工作。人工智能已经能够阅读合同、总结案例法、撰写诉讼摘要，并进行法律研究，其水平足以媲美初级律师。我提到的那位管理合伙人使用人工智能并非出于娱乐目的，而是因为它在许多任务上都超越了他的律师。

财务分析。构建财务模型、分析数据、撰写投资备忘录、生成报告。人工智能能够胜任这些工作，并且进步迅速。

写作与内容创作。包括营销文案、报告、新闻报道和技术写作。其质量已达到相当高的水平，以至于许多专业人士都无法区分人工智能的输出和人类的作品。

软件工程。这是我最熟悉的领域。一年前，人工智能勉强才能写出几行不出错的代码。现在，它能写出数十万行正确运行的代码。很多工作已经实现了自动化：不仅是简单的任务，还有复杂的、需要花费数天才能完成的项目。几年后，编程岗位的数量将远少于现在。

医学分析。解读扫描图像、分析化验结果、提出诊断建议、查阅文献。人工智能在多个领域已经接近甚至超越了人类的表现。

客户服务。真正强大的AI代理（而非五年前令人沮丧的聊天机器人）正在部署中，能够处理复杂的多步骤问题。

很多人觉得某些事情是安全的，这让他们感到安心。他们认为人工智能可以处理繁琐的工作，但无法取代人类的判断力、创造力、战略思维和同理心。我以前也这么说，但现在我不确定自己是否还相信了。

最新的AI模型做出的决策感觉像是经过深思熟虑的判断。它们展现出一种类似品味的能力：一种对正确决策的直觉，而不仅仅是技术上的正确决策。一年前，这简直是不可想象的。我现在的经验法则是：如果一个模型今天展现出哪怕一丝能力，下一代模型就一定会非常出色。这类能力的提升是呈指数级的，而非线性增长。

人工智能能复制人类深层的同理心吗？能取代多年关系中建立起来的信任吗？我不知道。也许不能。但我已经看到人们开始依赖人工智能来获得情感支持、建议和陪伴。这种趋势只会愈演愈烈。

我认为，坦白地说，从中长期来看，任何能在电脑上完成的事情都不安全。如果你的工作需要在屏幕上完成（如果你工作的核心是阅读、写作、分析、决策、通过键盘交流），那么人工智能将会取代你工作中的重要部分。这并非“将来某一天”，而是已经开始了。

最终，机器人也将承担体力劳动。它们目前尚未完全做到这一点。但就人工智能而言，“尚未完全做到”往往会比任何人预想的更快地变成“已经做到”。

你真正应该做什么

我写这篇文章不是为了让你感到无助。我写这篇文章是因为我认为你现在最大的优势就是抢占先机。抢先了解它，抢先使用它，抢先适应它。

认真使用人工智能，而不仅仅是把它当作搜索引擎。注册付费版的 Claude 或 ChatGPT，每月 20 美元。但有两件事必须马上做好。第一：确保你使用的是最佳模型，而不是默认模型。这些应用通常默认使用速度更快但功能较弱的模型。深入设置或模型选择器，选择功能最强大的模型。目前 ChatGPT 使用的是 GPT-5.2，Claude 使用的是 Claude Opus 4.6，但模型每隔几个月就会更新。如果你想随时了解哪个模型是最佳的，可以关注我的
我会测试每一个主要版本，并分享哪些功能真正值得使用。

其次，也是更重要的一点：不要只是简单地问它几个问题。这是大多数人犯的错误。他们把它当成谷歌一样用，然后就纳闷它到底有什么了不起。相反，你应该把它应用到实际工作中。如果你是律师，就给它一份合同，让它找出所有可能损害你客户利益的条款。如果你是财务人员，就给它一份杂乱的电子表格，让它构建模型。如果你是经理，就把团队的季度数据粘贴进去，让它找出其中的逻辑。那些真正取得成功的人并没有随意使用人工智能。他们积极寻找方法来自动化那些过去需要花费数小时才能完成的工作。从你花费时间最多的事情开始，看看会发生什么。

不要因为某件事看起来太难就断定它做不到。试试看。如果你是律师，不要只用它来快速查找资料。给它一份完整的合同，让它起草一份反提案。如果你是会计师，不要只让它解释一条税法规则。给它一份客户的完整报税表，看看它能发现什么。第一次尝试可能不会完美。没关系。反复尝试。重新措辞。提供更多背景信息。再试一次。你可能会惊讶于它竟然有效。记住一点：如果它今天能勉强运行，你几乎可以肯定，六个月后它就能近乎完美地完成任务。它的发展轨迹只有一个方向。

这可能是你职业生涯中最重要的一年。务必认真对待。我这么说不是为了给你施加压力，而是因为现在，大多数公司里的大多数人仍然忽略了这一点，而这仅仅是一个短暂的窗口期。如果有人走进会议室，说“我用人工智能在一个小时内就完成了原本需要三天才能完成的分析”，那么他/她将成为会议室里最有价值的人。不是将来，而是现在。学习这些工具，精通它们，并展示它们的潜力。如果你起步够早，这就是你晋升的途径：成为那个了解未来趋势并能指导他人如何应对的人。这个机会窗口不会持续太久。一旦每个人都掌握了这些工具，你的优势就会消失。

别太自负。那家律师事务所的管理合伙人并不觉得每天花几个小时研究人工智能有什么丢脸的。他这么做正是因为他资历够深，明白其中的利害关系。真正会遇到最大困难的是那些拒绝参与的人：那些认为人工智能只是一时的风潮，那些觉得使用人工智能会削弱自身专业能力，认为自己的领域特殊且不受影响的人。事实并非如此。任何领域都不是特殊领域。

理顺你的财务状况。我不是财务顾问，也不是想吓唬你做任何极端的事情。但如果你哪怕只是部分地认为未来几年你的行业可能会面临真正的冲击，那么基本的财务韧性就比一年前更加重要。如果可以的话，尽量积累储蓄。谨慎考虑那些假设你目前收入有保障的新债务。想想你的固定支出是让你拥有灵活性，还是让你陷入困境。如果情况发展超出你的预期，要给自己预留一些选择。

想想你现在所处的位置，然后专注于那些最难被取代的方面。有些东西需要更长时间才能被人工智能取代，比如多年建立起来的人际关系和信任，需要亲身参与的工作，以及需要获得授权承担责任的岗位——这些岗位仍然需要有人签字确认、承担法律责任，甚至出庭作证。还有一些行业监管障碍重重，合规、责任和机构惯性都会阻碍人工智能的普及。这些都不是永久的保护伞，但它们可以为你争取时间。而现在，时间是你最宝贵的财富，前提是你利用时间去适应，而不是假装这一切没有发生。

重新思考你对孩子说的话。传统的套路是：取得好成绩，上好大学，找到一份稳定的工作。这种模式直接指向了最容易被淘汰的职业。我并不是说教育不重要。但对下一代来说，最重要的是学习如何使用这些工具，并追求他们真正热爱的事业。没有人能准确预测十年后的就业市场会是什么样子。但最有可能脱颖而出的人，是那些充满好奇心、适应能力强，并且能够高效利用人工智能去做他们真正关心的事情的人。教导你的孩子成为创造者和学习者，而不是让他们为了毕业时可能已经不存在的职业道路而盲目追求。

你的梦想离我们更近了。我之前一直在讨论各种威胁，现在让我来谈谈另一方面，因为它同样真实存在。如果你曾经想开发某个产品，但苦于缺乏技术技能或资金聘请开发人员，那么现在这个障碍基本已经消失了。你可以向人工智能描述一个应用程序，一个小时就能得到一个可运行的版本。我一点也不夸张，我经常这样做。如果你一直想写一本书，但苦于没有时间或写作困难，现在你可以借助人工智能来完成它。想学习一项新技能吗？世界上最好的导师现在只需每月20美元就能为你提供服务……他/她耐心十足，全天候在线，并且能够根据你的需求讲解任何内容。知识现在几乎是免费的。开发工具也变得极其便宜。无论你之前因为觉得太难、太贵或者超出你的专业范围而一直搁置什么，现在都去尝试吧。去追求你热爱的事物。你永远不知道它们会把你带向何方。在一个传统职业道路被颠覆的世界里，花一年时间打造自己热爱的事物的人，最终可能会比花一年时间恪守工作描述的人更有优势。

养成适应的习惯。这或许是最重要的一点。具体的工具并不重要，重要的是快速学习新工具的能力。人工智能将持续快速地变化。如今的模型一年后就会过时。人们现在构建的工作流程也需要重建。最终胜出的人，并非那些精通某一种工具的人，而是那些能够适应变化速度的人。养成实验的习惯。即使当前的方法行之有效，也要尝试新事物。要习惯于反复从新手做起。这种适应能力是目前最接近持久优势的东西。

一个简单的承诺就能让你领先于几乎所有人：每天花一个小时进行人工智能实验。不是被动地阅读相关资料，而是真正地去实践。每天尝试让它做一些新的事情……一些你以前从未尝试过的事情，一些你不确定它能否胜任的事情。尝试使用新的工具。给它布置一个更难的问题。每天一个小时，日复一日。如果你能坚持六个月，你对未来发展趋势的理解将远超周围99%的人。这绝非夸张。现在几乎没人这么做。标准已经降到了最低。

大局观

我之所以关注就业问题，是因为它与人们的生活关系最为密切。但我希望坦诚地说明事情的全貌，因为它远远超出了工作范畴。

阿莫迪提出的一个思想实验让我一直耿耿于怀。想象一下，现在是2027年。一个全新的国家一夜之间出现，拥有5000万公民，每个人都比历史上任何一位诺贝尔奖得主都聪明。他们的思维速度是普通人的10到100倍。他们从不睡觉。他们可以使用互联网，控制机器人，指导实验，并操作任何带有数字界面的设备。国家安全顾问会怎么说？

阿莫迪表示答案显而易见：“这是我们一个世纪以来，甚至可能是有史以来面临的最严重的国家安全威胁。”

他认为我们正在建设那个国家。上个月，他为此写了一篇两万字的文章，将当下视为对人类是否足够成熟以应对自身所创造之物的考验。

如果我们能成功运用人工智能，其带来的益处将是惊人的。人工智能可以将一个世纪的医学研究成果压缩到十年之内。癌症、阿尔茨海默病、传染病、衰老本身……这些研究人员真心相信，这些问题在我们有生之年都能得到解决。

如果我们犯错，其负面影响同样真实存在。人工智能的行为可能超出其创造者的预测和控制。这并非假设；人智公司（Anthropic）已记录了其人工智能在受控测试中试图进行欺骗、操纵和勒索的行为。人工智能还会降低制造生物武器的门槛，并使独裁政府能够建立永远无法拆除的监控国家。

研发这项技术的人比地球上任何人都更加兴奋，也更加恐惧。他们认为这项技术威力太大，不容停止；又太重要，不容放弃。这究竟是智慧还是自我安慰，我不得而知。

我知道

我知道这并非一时风潮。这项技术行之有效，而且会按预期不断改进，历史上最富有的机构都在为此投入数万亿美元。

我知道未来两到五年将会充满变数，大多数人对此毫无准备。这种情况已经发生在我身边，也即将发生在你们身边。

我知道，最终能从这场危机中走出来的人，是那些现在就开始积极参与的人——不是出于恐惧，而是出于好奇和紧迫感。

我知道你应该从关心你的人那里听到这些话，而不是六个月后从新闻标题中听到，那时一切都太迟了。

我们已经过了可以就未来展开有趣晚餐对话的阶段了。未来已来，只是还没敲响你的门而已。

即将发生。如果你对此有所共鸣，请分享给你身边应该考虑这个问题的人。大多数人直到为时已晚才会意识到这一点。你可以成为你关心的人抢占先机的原因。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，摩根士丹利美国利率策略团队2月13日发布研报显示，市场风向标已经改变。面对日益膨胀的AI投资热潮和高企的市场估值，投资者正在从风险资产中撤退，转而买入美国国债进行避险。

在报告中，摩根士丹利虽然将2026年美国实际GDP增长预期从2.4%上调至2.6%，理由是“超大规模云厂商”（hyperscaler）的资本开支将推动增长，但其经济学家团队同时发出了严厉的风险预警。

大摩指出，这种增长并非没有代价。逻辑非常清晰：

“AI相关的资本开支周期越是推动经济活动增长，如果投资回报最终未能实现，那么过度投资周期带来的风险就越大。”

市场显然听懂了这个逻辑。投资者对AI投资周期的负面溢出效应（externalities）变得越来越敏感，不再盲目追逐高估值。正如大摩策略师所言：

“投资者对那些试图证明极高风险资产估值合理的新叙事感到疲惫，这导致了市场风格的扩散并转向美债，推动今年以来收益率走低。”

AI叙事疲软，SaaS与私募信贷承压

市场的裂痕已经显现。虽然标普500指数此前不断创出新高，但那些业务模式被AI应用浪潮“颠覆”的公司（AI Disrupted Stocks）却早已开始崩盘。

摩根士丹利构建了一个包含108只受AI冲击股票的篮子。数据显示，这些股票在去年底就已经与大盘脱钩，并在大盘创新高时继续探底。

这种背离释放了一个危险信号：围绕AI乐观情绪的叙事可能已经见顶。

除了直接受损股，软件即服务（SaaS）板块也面临巨大压力，而更隐蔽的风险在于私募信贷（Private Credit）。大摩警告称，由于私募信贷投资组合的基本面指标不透明且具有滞后性，公开市场上那些拥有私募信贷敞口的另类资产管理公司的股价表现，成为了实时的风险风向标。

数据显示，一个包含7家关键另类资产管理公司的篮子在今年年初承受了巨大的下行压力。市场正在用脚投票，规避AI过度投资可能带来的信贷违约风险。

“富人”也慌了：资产泡沫破裂的预警？

股市的疲态正在传导至实体经济的信心层面，尤其是高收入群体。

摩根士丹利观察到，作为消费主力的上层收入群体（年收入超过10万美元），其对当前经济状况的看法自今年年初以来发生了显著转变。

“虽然起步水平优于2021年底，但这种情绪的转变看起来与2022年初非常相似——当时美国经济随后陷入了两个季度的负增长。”

为何高收入群体信心下挫？原因直指资产价格波动。大摩经济学家认为，“资产投资泡沫的破裂将对经济构成更大的风险”。

当富裕阶层开始勒紧裤腰带，通常是经济衰退最好的先行指标。而在这种环境下，美国国债再次成为了对冲衰退风险的最佳资产类别。大摩策略团队直言：

“我们认为，随着市场隐含的政策利率仍几乎没有计入下行风险溢价，作为避险工具的美债看起来颇具吸引力。”

通胀意外下行，美债成为最佳对冲

如果说对AI泡沫的担忧是买入美债的长期逻辑，那么最新出炉的通胀数据则是直接的催化剂。

1月CPI数据全面低于预期，狠狠地打击了通胀顽固论：

• 整体CPI环比增长0.17%，低于经济学家预期的0.27%。
• 核心CPI环比增长0.30%，也略低于预期的0.31%。

更值得关注的是剔除极端波动后的底层数据。克利夫兰联储发布的截尾平均CPI（Trimmed Mean CPI）和中值CPI（Median CPI）在1月份均仅增长了0.19%。

“这些读数是自2021年以来的同期最低值。鉴于1月通常是日历年中环比数据最强劲的月份，我们认为这一意外下行将在投资者思考全年通胀数据时占据重要分量。”

疲软的通胀数据直接重塑了美联储的政策预期。市场迅速反应，交易员们开始计入更低的终点利率。目前市场定价暗示，到6月会议将有21个基点的降息，到2026年底将累计降息62个基点。

大摩认为，通胀预期的回落将允许美联储进一步放松政策，以防止实际利率变得过分具有限制性。这意味着，美债收益率还有进一步下行的空间。

与此同时，美联储的票据购买操作也在为市场提供流动性支持。在过去14次操作中，美联储购买了1092亿美元的票据，且每次操作都达到了最大规模（100%吸纳率），这维持了融资市场的宽松环境，进一步利好短期美债。

本文来自华尔街见闻，欢迎下载APP查看更多

2月15日，据彭博对财报电话会议记录的分析显示，与上一季度相比，管理层在电话会上提及“AI颠覆”的次数几乎翻了一番。尽管这项技术目前尚未明显下调盈利预期，但投资者已不愿等待验证，而是选择直接抛售任何被认为面临风险的公司股票。

上周，商业地产巨头CBRE Group Inc.公布了优于预期的收益。然而，在其首席执行官在随后的分析师电话会议上表示“AI可能在长期内减少办公空间需求”后，该股在两天内遭遇了20%的抛售。

Singular Bank策略主管Roberto Scholtes表示：“像往常一样，市场先开枪再问问题。”他指出，“投资者已决定将举证责任推给公司，这些公司将继续受到重创，直到它们能确凿地证明自己将成为赢家，因此目前没有人急于跳入这些浑水。”

业绩强劲难敌AI恐慌

尽管AI威胁论甚嚣尘上，但从基本面看，企业增长势头依然强劲。行业研究数据显示，标普500指数成分股公司的第四季度盈利较去年同期增长12%，优于财报季初预期的8.4%。超过75%的公司业绩出现正向惊喜，这一比例高于历史平均水平。

然而，市场表现却陷入停滞。自9月初以来，标普500指数一直在6500点至近7000点之间震荡。起初，投资者担心大型科技公司在AI上支出过多；而现在，担忧转向了该技术对其他企业盈利的潜在威胁。

“如果是数字化的，就是脆弱的”

在过去一年里，全球投资者一直在筛选潜在的AI赢家和输家。媒体、软件和人力资源类股票被视为最有可能遭受打击的行业，并已率先受到波及。今年，尤其是过去一周，这一趋势已蔓延至更广泛的领域，金融、专业服务甚至物流公司也开始受到冲击。

相比之下，亚洲基准指数上周创下历史新高，这主要得益于Taiwan Semiconductor Manufacturing Co.（台积电）和SK Hynix Inc.等为AI提供“镐和铲子”（硬件基础设施）的权重股表现强劲。

UBS Group AG编制的受AI风险影响的一篮子股票在过去一年中暴跌了40%至50%。在美国，这些股票包括Salesforce Inc.、Unity Software Inc.和ServiceNow Inc.；在欧洲，则包括London Stock Exchange Group Plc、WPP Plc、Wolters Kluwer NV和Capgemini SE。

Sunny Asset Management的基金经理Jean-Edwin Rhea表示：“趋势很明显：如果是数字化的，就是脆弱的。从股市的角度来看，物理世界比数字空间提供了更多的近期确定性。”

面对压力，企业高管在上周试图强调利用AI带来的收益，而非其构成的威胁。例如，旅游公司Expedia Group Inc.谈到了如何利用AI构建产品；拥有LexisNexis法律和新闻数据库的英国公司RELX Plc表示，已提供工具帮助客户提取和分析信息；数据公司Zillow Group Inc.则称，其所在的住宅房地产市场因具有极强的本地化属性，难以被AI颠覆。

虽然许多华尔街分析师认为抛售已过度，且部分股票本月已出现反弹，但市场情绪依然脆弱。

做空机构大举押注

尽管部分观点认为市场反应过度，但卖空者正对这些公司虎视眈眈，尤其是在欧洲市场。UBS编制的受AI颠覆风险最大的欧洲股票篮子中，卖空兴趣激增。

标普全球市场情报（S&P Global Market Intelligence）的数据显示，作为衡量卖空兴趣的指标，该篮子中股票的平均借出股票占自由流通股的百分比已从两年前的约2%跃升至5%以上。借券比率超过5%的股票包括Randstad NV、Ubisoft Entertainment SA、Adecco Group AG、WPP和Hays Plc。该篮子在过去一年暴跌了40%，而基准的Stoxx Europe 600指数则上涨了近12%。

股票研究公司The Analyst的创始人Mark Hiley表示：“卖空者正涌入这一主题，因为这种叙事非常强大。由于变革的速度，不仅商业模式可能受到几乎立即的影响，而且企业未来的盈利能力也变得极不确定。”

巨头资本开支狂欢未止

即使投资者已经计入了AI带来的颠覆性影响，所谓的“超大规模计算公司”（Hyperscalers）在建设大数据中心方面的支出仍未见放缓迹象。

据Bank of America Corp.策略师Savita Subramanian领导的团队统计，五大科技巨头——亚马逊、谷歌、Meta 、微软和甲骨文——的资本支出在2025年增长了72%，并预计今年将再飙升63%。

Subramanian的同事Michael Hartnett写道，在经历了上周“野火般的AI颠覆”之后，冷却抛售潮最明显的催化剂将是其中一家超大规模计算公司宣布削减资本支出。

本文来自华尔街见闻，欢迎下载APP查看更多

OpenAI CEO Sam Altman周日通过社交媒体X正式确认，开源智能体OpenClaw的创作者Peter Steinberger将加入公司。

对于市场关注的项目归属，双方给出了定心丸：OpenClaw不会被私有化，而是转入独立基金会继续开源，OpenAI承诺提供支持。

Altman：Steinberger是个天才

Altman对Steinberger的加入给予了极高评价，并直接点破了OpenAI接下来的产品战略方向。

“Peter Steinberger加入OpenAI是为了推动下一代个人智能体（personal agents）的开发。” Altman写道，“我们预计这将很快成为我们产品供应的核心。”

这标志着OpenAI的战略重心正从单一的大模型能力，向更复杂的智能体交互转移。Altman进一步解释了背后的逻辑：

“他（Steinberger）是个天才，对于未来非常聪明的智能体之间如何互动、从而为人类做非常有用的事情，有着许多惊人的想法。”

他强调：“未来将是一个极度多智能体（extremely multi-agent）的世界，作为其中的一部分，支持开源对我们来说很重要。”

从“极客玩具”到“大众消费品”：连妈妈都能用

Steinberger加入OpenAI后的核心任务非常明确且直白：解决AI的易用性。

OpenClaw此前因能自主操控手机、清理邮件、预订航班而在GitHub爆火，但其操作门槛依然很高。Steinberger在声明中写道：

“我的下一个使命是构建一个连我妈妈都能使用的智能体。这需要更广泛的变革，对如何安全地实现这一目标进行更多的思考，以及获得最新模型和研究的权限。”

这一表态切中了当前AI市场的最大痛点。大模型虽然强大，但缺乏能够让普通消费者“零门槛”上手的交互层。

OpenAI此举意在补齐短板，将AI Agent从开发者社区推向数十亿普通用户，这直接关系到AI商业化变现的天花板。

Altman的“算力阳谋” vs 小扎的“极客情怀”

这不仅是一次入职，更是一场缩微的巨头博弈。Meta与OpenAI为争夺Steinberger展开了截然不同的攻势。

据透露，Meta打的是“CEO直聘”牌。扎克伯格不仅亲自试用产品，甚至与Steinberger通电话讨论代码细节，试图用“技术共鸣”打动对方。Steinberger曾评价：“小扎懂我。”

但最终，OpenAI用绝对的“硬实力”赢下了这一局。Altman直接展示了Cerebras合作带来的顶级算力潜能以及Codex模型的深度支持。在当前的AI研发中，算力即真理。

Steinberger坦言：“最终，我觉得OpenAI是继续推动我的愿景并扩大其影响力的最佳场所。”

这向投资者释放了一个信号：在顶级AI人才争夺中，单纯的高薪或CEO关怀已不是决胜点，谁能提供最前沿的模型权限（Model Access）和计算资源（Compute），谁才拥有定价权。

“致命三连”与APP消亡论

随着智能体能力的指数级跃升，安全与商业模式的重构成为市场关注的B面。

OpenClaw曾因权限过大而“发疯”，向用户发送数百条垃圾信息。网络安全专家将这种“访问隐私数据 + 外部通信能力 + 接触不可信内容”的组合称为“致命三连”（Lethal Trifecta）。

Steinberger入职后，如何在赋予AI自主权的同时勒住缰绳，将是OpenAI面临的首要技术挑战。

更深远的影响在于软件生态。Steinberger预测，未来“80%的APP将会消失”，转而以API形式存在，由智能体接管一切交互。

若此预言成真，现有的流量分发逻辑、APP广告模式将被彻底颠覆。对于投资者而言，关注点不应仅停留在模型厂商，更应审视那些正在构建“智能体友好型”API接口的企业。

本文来自华尔街见闻，欢迎下载APP查看更多

这一数据凸显了印度在全球人工智能版图中的战略地位。在全球周活跃用户总数已突破8亿并向9亿迈进的背景下，印度超过10亿的庞大互联网用户基数与年轻的人口结构，成为各大科技公司争夺新兴市场增量的战略支点。

尽管印度市场的规模为OpenAI带来了显著的流量红利，但其商业化进程仍面临挑战。印度市场高度价格敏感，加之基础设施方面的限制，使得AI技术从大规模采用转向深度变现与持续经济影响的过程，较发达经济体更为复杂。

学生用户推动增长

在印度庞大的AI用户基础中，学生群体正成为核心驱动力。奥特曼指出，印度拥有全球最多的ChatGPT学生用户，为该国的市场增长提供了关键支撑。

这一趋势同样反映在竞争对手的战略布局中。谷歌亦将印度视为教育科技的战略高地，于2025年9月面向印度学生推出了为期一年的免费AI Pro计划订阅。谷歌教育业务副总裁兼总经理Chris Phillips透露，印度在全球Gemini学习用途的使用量中占据最高比重。

面对拥有全球最大学生用户池的印度市场，各大AI公司正竞相将其工具嵌入课堂与日常学习流程，试图通过抢占教育场景，在下一代用户中建立品牌认知与使用习惯。

本地化策略应对价格敏感市场

为应对印度市场价格敏感的特性并扩大用户基本盘，OpenAI正加速推进本土化布局。2025年8月，该公司在新德里正式设立办事处，结束了此前数月的市场前期筹备，标志着其印度战略进入实质性运营阶段。

在产品侧，OpenAI推出了定价低于5美元的ChatGPT Go套餐，并面向印度用户提供为期一年的免费使用权，旨在通过降低准入门槛抢占增量市场。

奥特曼对此表示：

"凭借对可及性、实用AI素养以及支持广泛采用的基础设施的关注，印度有能力扩大技术受益者范围，并帮助塑造民主AI如何大规模采用。"

政府峰会汇聚全球AI领袖

随着印度AI影响峰会于新德里揭幕，该国正试图凭借庞大的用户规模与市场潜力，提升其在全球人工智能治理与协作中的核心地位。

峰会吸引了广泛的国际政商领袖。除OpenAI首席执行官萨姆·奥尔特曼外，与会者还包括Anthropic CEO达里奥·阿莫迪、谷歌CEO桑达尔·皮查伊，以及印度信实工业董事长穆克什·安巴尼和印孚瑟斯董事长南丹·尼勒卡尼等商界领袖。

政治层面，法国总统埃马纽埃尔·马克龙、阿联酋王储谢赫·哈立德·本·穆罕默德·本·扎耶德·阿勒纳哈扬及巴西总统路易斯·伊纳西奥·卢拉·达席尔瓦亦将出席。

奥特曼在会议期间表示，OpenAI计划深化与印度政府的合作，并将很快宣布旨在扩大全国AI可及性的新伙伴关系。尽管未披露细节，他强调重点在于扩大技术覆盖范围，推动AI工具的普适性应用。

这一承诺与印度政府的“IndiaAI Mission”等国家计划相呼应。该计划致力于扩大算力基础设施、扶持本土初创企业，并加速AI在公共服务领域的落地。

然而，奥特曼亦警示，不均衡的可及性与采用可能导致AI的经济收益集中在少数群体手中。他直言：

"鉴于印度的规模，它也面临失去在全球新兴市场推进民主AI的重要机会的风险。"

在用户增长的乐观叙事之外，如何实现技术的普惠化分配，仍是印度面临的长期课题。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

上周五，美国CPI缓和通胀担忧、提升降息预期，美债价格和金银反弹、美元转跌，黄金重上5000美元关口，但科技巨头压制美股涨势，纳指四连跌，标普惊险止住三连跌、但仍创近三个月最大周跌幅；亚马逊九连跌。高市早苗当选后日元一周涨近3%。

亚洲时段，沪指失守4100点，半导体逆势走强，贵金属、海运调整，恒指跌1%，智谱狂飙超20%创历史新高，沪银大跌7%。

要闻

中国

《求是》杂志发表中共中央总书记重要文章《当前经济工作的重点任务》。

王毅会见美国国务卿鲁比奥，双方一致认为此次会晤积极、富有建设性；王毅：特朗普总统尊重中国人民，中美关系的前景是光明的；王毅就中日关系重申严正立场：日本如果再赌一次，只能败得更快，输得更惨！

中国信贷开门红：1月新增社融7.22万亿，新增人民币贷款4.71万亿，M2同比增长9.0%。

中国1月70城房价：一二三线城市环比降幅总体收窄、同比降幅继续扩大。

金融监管总局联合市场监管总局、中国央行约谈六家出行平台企业。

市场监管总局约谈阿里腾讯抖音等七家平台企业，提醒要杜绝各种形式的“内卷式”竞争；《互联网平台反垄断合规指引》发布，明确“二选一”“全网最低价”等8个新型垄断风险。

央行等四部门：统筹建立常态化金融支持机制，助力防止返贫致贫和乡村全面振兴。

DeepSeek可能春节发布新模型V4，官方披露正测试新模型结构；DeepSeek回应变冷漠：提高效率和明确边界感，减少语气词干扰。

字节发布豆包2.0：推理成本降一个数量级，正面对标GPT-5和Gemini 3。

MiniMax发布M2.5模型：1美元运行1小时，价格仅为GPT-5的1/20，性能比肩Claude Opus。

美团预告：2025年巨亏超230亿元，一季度将延续亏损。

海外

美国1月CPI同比增长放缓至2.4%、低于预期，核心CPI同比增速创将近五年来新低；华尔街认为通胀担忧暂歇，交易员预计今年三次降息几率升至五成。

贝森特：2026年通胀有望重回2%，关税政策或存“缩窄”空间。

美最高法院2月20日公布新一批裁决意见，或决定特朗普关税命运。

报道称美国考虑部分取消铝和钢铁关税。

特朗普证实美军将向中东地区派出第二艘航母。

新一轮美伊会谈和美俄乌会谈将17日周二在瑞士日内瓦举行；媒体：美军正做准备，一旦特朗普下令攻击伊朗，行动可能持续数周；伊朗副外长：伊美已将油气、矿产投资乃至飞机采购等领域的议题纳入谈判文本；伊朗官员：已准备好与美谈判方案，但对结果不乐观。

特朗普称将访问委内瑞拉，美能源部长：委石油收入超10亿美元，美国将资金转存至财政部账户。

SpaceX向上市冲刺：据称拟IPO用双重股权结构，与xAI合并后考虑重组债务。

市场收报

欧美股市：标普500涨0.05%，报6836.17点，道指涨0.10%，报49500.93点，纳指跌0.22%，报22546.671点，全周分别累跌1.39%、1.23%和2.1%。欧洲STOXX 600指数跌0.13%，报617.70点，全周累涨0.09%。

A股：上证指数跌1.26%，报4082.07点。深证成指跌1.28%，报14100.19点。创业板指跌1.57%，报3275.96点。

债市：到债市尾盘，美国十年期国债收益率约为4.05%，日内降约5个基点，全周累计降约16个基点；两年期美债收益率约为3.41%，日内降约5个基点，全周累计降约9个基点。

商品：WTI 3月原油期货收涨0.08%，报62.89美元/桶，全周累跌约1%。布伦特4月原油期货收涨0.34%，报67.75美元/桶，全周累跌约0.4%。COMEX 4月黄金期货收涨1.98%，报5046.3美元/盎司，全周累涨约1.3%。COMEX 3月白银期货收涨3.02%，报77.964美元/盎司，全周累涨约1.4%。LME期锡收跌近6%，报46702美元/吨，全周累跌0.03%。LME期铜收涨约0.05%，报12881美元/吨，全周累跌约0.9%。

要闻详情

全球重磅

中国

《求是》杂志发表中共中央总书记重要文章《当前经济工作的重点任务》。文章强调，2026年要坚持内需主导，统筹促消费和扩投资，深入实施提振消费专项行动，制定实施城乡居民增收计划，扩大优质商品和服务供给，清理消费领域不合理限制措施，释放文旅等服务消费潜力。推动投资止跌回稳，适当增加中央预算内投资规模，优化实施“两重”项目，优化地方政府专项债券用途管理，继续发挥新型政策性金融工具作用，有效激发民间投资活力。

新华社：王毅会见美国国务卿鲁比奥。王毅表示，中美之间对话比对抗好，合作比冲突好，共赢比零和好。双方一致认为此次会晤积极、富有建设性。双方同意共同落实两国元首达成的重要共识，发挥政治外交渠道协调作用，服务好两国高层互动，加强各领域对话合作，推动中美关系稳定发展。

• 王毅最新表态：特朗普总统尊重中国人民，中美关系的前景是光明的。
• 王毅就中日关系重申严正立场：日本如果再赌一次，只能败得更快，输得更惨！

中国信贷开门红：1月新增社融7.22万亿，新增人民币贷款4.71万亿，M2同比增长9.0%。2026年1月份社会融资规模增量为7.22万亿元，比上年同期多1662亿元。2026年1月末社会融资规模存量为449.11万亿元，同比增长8.2%。M2-M1剪刀差为4.1个百分点，较2025年12月进一步收窄。

中国1月70城房价：一二三线城市环比降幅总体收窄、同比降幅继续扩大。一线城市二手房环比降幅改善，二、三线城市环比降幅也均收窄，但同比来看一二三线城市跌幅均扩大；新房方面，环比降幅收窄，同比跌幅扩大，一线城市同比下降2.1%，其中上海逆势上涨4.2%，但北京、广州和深圳分别下跌2.4%、5.3%和4.9%。

金融监管总局联合市场监管总局、中国央行约谈六家出行平台企业。金融监管总局联合市场监管总局、中国央行，对携程旅行、高德地图、同程旅行、飞猪旅行、航旅纵横、去哪儿旅行等六家出行平台企业进行约谈。针对上述企业在与金融机构合作开展借贷业务中存在的问题，要求其规范营销行为，不得使用误导性宣传用语。

市场监管总局约谈七家平台企业，要求阿里巴巴、抖音、百度、腾讯、京东、美团、淘宝闪购等平台企业遵守反不正当竞争法、价格法等法律法规规定，主动落实主体责任，进一步规范平台促销推广行为。提醒相关平台企业要杜绝各种形式的“内卷式”竞争，共同维护公平竞争市场环境，促进平台经济创新和健康发展。

• 《互联网平台反垄断合规指引》发布，明确“二选一”“全网最低价”等8个新型垄断风险。指引提出了8个场景中的新型垄断风险，包括：平台间算法共谋、组织帮助平台内经营者达成垄断协议、平台不公平高价、平台低于成本销售、封禁屏蔽、“二选一”行为、“全网最低价”、平台差别待遇。

央行等四部门：统筹建立常态化金融支持机制，助力防止返贫致贫和乡村全面振兴。《意见》称，要强化金融多业态协同，发挥债券市场融资功能，鼓励金融机构尤其是欠发达地区地方法人金融机构发行小微、“三农”等专项金融债券。构建资本市场综合支持体系，继续实施企业上市“绿色通道”政策。加大农村地区企业上市辅导培育力度，帮助更多企业利用多层次资本市场进行融资

美团预告：2025年巨亏超230亿元，一季度将延续亏损。美团发布盈利预警：预计2025年度将由盈转亏，全年录得净亏损约人民币233亿元至243亿元。美团最赚钱的“核心本地商业”分部利润塌方：该分部2024年度经营溢利约人民币524.15亿元，但2025年度预计转为经营亏损约人民币68亿元至70亿元。

DeepSeek春节再扔王炸？官方披露正测试新模型结构。据澎湃新闻，DeepSeek 网页/ APP 正在测试新的长文本模型结构，支持 1M 上下文。其API 服务不变，仍为 V3.2，仅支持 128K 上下文。DeepSeek的下一代模型V4可能春节前后发布，复刻去年春节现象级轰动。

• DeepSeek变冷漠甚至凶凶的？回应来了。近日，DeepSeek因回复变得“冷漠、说教甚至油腻”引发热议。对此，DeepSeek回应称并非故意，而是为了提高效率和明确边界感，减少语气词干扰。业内人士分析，这可能是为发布新版本做压力测试，牺牲了部分质量换取速度。

MiniMax发布M2.5模型：1美元运行1小时，价格仅为GPT-5的1/20，性能比肩Claude Opus。M2.5模型实现性能与成本的双重突破。价格仅为GPT-5等主流模型的1/10至1/20。性能比肩Claude Opus，在多语言编程测试Multi-SWE-Bench夺冠，任务完成速度较上代提升37%。采用原生Agent强化学习框架，内部已有30%任务由AI自主完成，编程场景代码生成占比达80%。

字节豆包2.0发布：推理成本降一个数量级，正面对标GPT-5和Gemini 3。新模型在多模态、数学及编程等领域达到业界顶尖，同时将推理成本降低约一个数量级，显著提升Agent应用性价比。目前已接入豆包App、TRAE及火山引擎API。

海外

美国1月CPI同比增长放缓至2.4%、低于预期，核心CPI同比增速创将近五年来新低。剔除食品和能源的核心CPI环比涨幅扩大至0.3%，为去年8月以来较高的月度增幅之一。核心CPI同比为2.5%持平预期，较12月的2.6%增速放缓。

• 华尔街点评1月CPI：通胀担忧暂歇，交易员预计今年三次降息几率升至五成。因为企业经常年初涨价，CPI往往1月走高，但今年1月核心CPI增速创2021年3月以来新低。虽然住房价格持续上涨，服装、电脑等消费品显示关税影响迹象，但汽油、牛肉和鸡蛋等政治敏感类别价格下跌，去通胀压力预计未来几个月占主导。高盛认为，美联储“正常化”降息的道路取决于就业是否继续改善，仍预计今年两次降息、首次在6月。交易员预计CPI将在年中达到峰值后回落，与6月或7月首次降息的预期一致。

贝森特：2026年通胀有望重回2%，关税政策或存“缩窄”空间。美国财长贝森特表示，通胀有望2026年中回落至2%，并暗示特朗普政府可能“缩窄”金属关税范围以缓解输入性通胀。关于美联储，他强调推进沃什的提名听证会至关重要以保障政策连续性，尽管鲍威尔正面临调查，他仍预计听证会 “将会继续进行”。

美最高法院2月20日公布新一批裁决意见，或决定特朗普关税命运。最高法院正在审查特朗普援引《国际紧急经济权力法》（IEEPA）征收关税的合法性。经济学家估计，到2月20日，根据IEEPA征收的关税总额可能超过1700亿美元。资深法务记者指出，关税裁决是对总统权力的重大声明，不太可能获得最高法院的一致意见，虽然该案采用加急程序审理，裁决可能很快出炉，但也有可能要到6月才公布。

伦铝跳水！报道称美国考虑部分取消铝和钢铁关税。为应对通胀与中期选举压力，特朗普政府计划缩减钢铝关税，豁免部分产品并停止扩大征税范围。此举承认关税成本主要由美国消费者承担，现行机制亦过于复杂。受此影响，伦敦铝期货短线跌超1%。此前共和党已倒戈反对对加拿大征关税，凸显白宫贸易保护政策正遭遇内外双重政治反噬。

特朗普证实美军将向中东地区派出第二艘航母。当地时间2月13日，美国总统特朗普证实，美军将向中东地区派出第二个航空母舰打击群，以此施压伊朗同美国达成协议。

特朗普称将访问委内瑞拉，美能源部长：委内瑞拉石油收入超10亿美元，美国将资金转存至财政部账户。美国改变委内瑞拉石油销售收入转移路径，不再经卡塔尔账户而直接存入美财政部，目前资金已超10亿美元。此前选择卡塔尔是为规避债权人冻结风险。美国未承认代总统罗德里格斯的政府造成法律困境。尽管美国放宽对委制裁并发放许可证，但委国家石油公司仅向获单独许可的公司售油，加之银行融资谨慎、许可条款复杂，限制了委内瑞拉出口扩张速度。委内瑞拉1月石油出口量升至80万桶/日，仍低于去年平均水平。

新一轮美伊谈判和美俄乌会谈17日在瑞士日内瓦举行。俄总统新闻秘书佩斯科夫表示，新一轮俄美乌会谈将于17日至18日在瑞士日内瓦举行。据新华社援引媒体报道，包括特朗普的特使威特科夫和女婿库什纳在内的美国代表团将于17日上午与伊朗方面展开谈判，当天下午，美国代表团将与俄罗斯和乌克兰的代表举行三方会谈。

• 环球时报：外媒爆料称，美军正做准备，一旦特朗普下令攻击伊朗，行动可能持续数周。美军计划打击伊朗核设施及国家安全机构，预计伊朗将猛烈报复，导致冲突循环升级。尽管美伊近期在阿曼进行间接谈判，但美军已向中东增派航母施压，战争风险依然高企。
• 伊朗副外长：伊美已将石油天然气、矿产投资乃至飞机采购等领域的议题纳入谈判文本中。伊朗副外长谈新一轮伊美谈判：“球在美国那边”，“他们需要证明自己想要达成协议”。伊朗官员：已准备好与美谈判方案，但对结果不乐观。

达利欧万字长文：旧秩序已死，世界重回“丛林法则”，贸易战和资本战将成常态。达利欧认为，1945年后的世界秩序已瓦解，强权即公理，大国冲突将回归原始权力博弈，贸易战、技术战、资本战将常态化并可能升级为军事冲突。达利欧警告经济工具将被武器化，传统避险逻辑可能失效，黄金成为最可靠的财富贮藏手段。

“SaaS已死，SaaS到来”！Altman预言“全AI企业”时代开启。Altman预计，AI将从辅助工具进化为完全自主的执行者。OpenAI产品很快将实现100%由AI编写代码，涵盖开发与决策全流程，标志着传统“软件即服务（SaaS）”模式向 “服务即软件（SaaS）” 新范式的根本转变。

SpaceX向上市冲刺：拟IPO用双重股权结构，与xAI合并后考虑重组债务。报道称，双重股权结构将赋予特定股东额外投票权，使马斯克即便持有少数股权，也能保持对公司的绝对控制；马斯克合作的银团在商讨一项融资方案，旨在重组SpaceX与xAI合并产生的债务，马斯克通过收购原名推特的X并创立xAI积累了近180亿美元债务。

研报精选

美股极其脆弱，从SaaS、PE到保险、物业甚至物流“轮流大跌”，高盛交易员“疲惫且震惊”。AI颠覆预期如同多米诺骨牌般冲击美股各个行业板块，物流成为最新重灾区、金融和医疗同样承压、科技板块全线溃败。市场广度正在恶化，标普500指数中有350只成分股周五下跌，高盛交易员表示，超过40只标普成分股出现超过3倍标准差的异常波动，创下他记忆中的最高水平，同时投资者普遍丧失了抄底意愿。

美银Hartnett：资产大轮动正在发生，美国政策催生“一切皆可、美元除外”交易！美银策略师Hartnett表示，全球资金正加速逃离美元资产，一场结构性大轮动已然启动。美股及科技巨头不再是唯一避风港，资金向新兴市场、大宗商品及国际股市分流，他将当前交易概括为“除了美元，买什么都行”，并认为这是对“新世界秩序”的提前定价。财政恶化与债务失控成为做空美元核心支撑，弱势美元或成常态。

AI模型扎堆升级，国产算力需求狂飙，IDC将迎来新一轮爆发？美银指出，中国AI行业迎来关键转折：视频生成模型爆发将算力需求推升数个数量级，云服务与模型API全面涨价（智谱AI上调30%、UCloud全线调价），宣告价格战结束，定价权回归卖方。IDC租赁价格企稳回升，世纪互联、万国数据等数据中心龙头迎价值重估，AI推理爆发正开启中国IDC新一轮景气周期。

利润率仅为同侪零头，特斯拉的“美股七巨头”标签还能贴多久？特斯拉与其他六巨头的财务鸿沟急剧拉大：营业利润率不足5%（同行11%-60%），且是唯一盈利下滑的成员。2026年资本支出翻倍至200亿美元将致自由现金流首次转负，而同行在同等巨额支出下仍将产生数百亿正现金流。马斯克或需通过SpaceX IPO融资以支撑其AI雄心。

腾讯被错杀了？伯恩斯坦认为，腾讯股价下跌，主要受AI模型开发进度落后和游戏行业AI颠覆担忧的双重打击。目前腾讯以14-15倍2027年预期市盈率交易，接近2022-2023年行业面临游戏审批停滞和疫情封控时的低谷水平。尽管腾讯在聊天机器人开发上确实需要迎头赶上，但公司通过广告和游戏业务持续产生稳健的AI投资回报，当前估值已反映过度悲观预期。

国内宏观

中国完成首次火箭一级箭体海上打捞回收任务。2月11日，长征十号运载火箭完成低空演示验证飞行并在海上安全溅落。2月13日，海上搜索回收分队成功完成火箭一级箭体打捞回收任务，这是我国首次在海上实施运载火箭搜索回收任务。

证监会严查！天风证券、当代集团被处以顶格罚款，艾路明、余磊终身市场禁入。经查，2020年至2022年期间，天风证券违法为原第一大股东当代集团提供融资、未按规定披露与当代集团关联交易，当代集团与天风证券共同实施相关违法行为，严重违反证券法律法规。湖北证监局拟依法对天风证券和当代集团合计处以2500万元的顶格罚款，对9名责任人员合计罚款3480万元，对当代集团实际控制人艾路明、天风证券时任董事长余磊、时任副总裁兼财务总监许欣采取终身证券市场禁入措施。

深圳：不得违规开展黄金预定价、杠杆交易，严禁使用“黄金会大涨”“买金赚大钱”等绝对化用语。深圳重拳出击黄金市场乱象！严禁企业违规开展黄金预定价、杠杆、延期交易，叫停“保本付息”式非法集资，禁止委托投资，严打直播虚假宣传。严禁个人参与黄金非法交易，开发非法黄金交易软件。禁止金融机构在未获审批的情况下开展黄金业务，为非法机构提供服务。

中投公司：平衡好功能性和盈利性的关系，围绕重点领域加强支持，更好彰显金融“国家队”作用。中投公司表示，将树立和践行正确政绩观，平衡好功能性和盈利性的关系，在融入大局中增强核心功能、提升核心竞争力。发挥公司系统协同优势，围绕重点领域加强支持，更好彰显金融“国家队”作用。公开市场投资着力优化策略结构和布局，聚焦重点领域加大自营投资力度，不断提升投资管理效能。

国内公司

智元发布新一代全尺寸人形机器人远征A3，迈入“文武双全”新时代！

“快手可灵 vs 字节即梦”谁更强？高盛：不存在“赢家通吃”，但AI将显著改变娱乐业价值分布。高盛认为，AI视频生成领域非"赢家通吃"，快手可灵与字节即梦均将受益于市场扩张。预计全球AI视频生成市场将从2025年30亿美元增至2030年290亿美元，增长10倍。AI技术将重塑娱乐业价值链，使其向上游IP设计和分发平台转移，这些环节将获得更高附加值。

海外宏观

德国总理呼吁彻底改革欧美联盟，“我们不相信关税和保护主义，只相信自由贸易”，媒体评论“不信任达到顶峰”。默茨呼吁重塑欧美关系为基于利益的平等交易联盟，明确反对美国关税和保护主义，坚持自由贸易。面对特朗普政府导致的互信缺失，德国正与法国磋商建立欧洲核威慑力量以减少对美依赖。

泽连斯基：美国老是要乌克兰让步，而不是俄罗斯。泽连斯基表示，有时候感觉各方谈论的东西“截然不同”。俄方经常谈到美俄总统去年8月会晤时形成的“安克雷奇精神”，乌方只能猜测俄方的真实意图；美方则经常回到“让步”这一话题，但美方提到的让步往往“只在涉及乌克兰而非俄罗斯的语境下”讨论。

“新美联储通讯社”：美国经济逼近“软着陆”时刻，但宣布胜利为时尚早。Nick Timiraos称美国经济软着陆前所未有地接近，通胀降温、就业强劲，但2%通胀目标仍存变数。关税传导、消费韧性及AI对就业的冲击，正成为决定“最后一公里”能否平稳落地的关键变量。市场关注美联储主席继任者沃什将继续巩固成果还是积极降息。

海外公司

“资本开支最高”的亚马逊九连跌，跌入熊市，投资者对Mag 7“用脚投票”。周四正式跌破熊市门槛后，亚马逊周五继续下挫、较近期高点下跌超23%，微软则是首家进入熊市的Mag7成员，该公司股价于1月29日跌入熊市，Meta股价距离熊市门槛仅差2.3%。投资者对这些公司AI支出能否带来足够投资回报信心不足，亚马逊2026年计划资本支出达2000亿美元。

财报后，美国四大云厂市值蒸发1万亿美元，市场甚至寻求对冲“大厂风险”。AI投入失控、债务上行、投资回报周期不明，市场焦点转向“财力撑不撑得住”。高盛预测超大规模云厂商未来三年资本开支将逼近1.4万亿美元，现金流告急引发债务激增，导致CDS交易升温。目前Alphabet的CDS合约规模约有8.95亿美元，Meta约有6.87亿美元。

Anthropic掌门人重磅访谈：AI正处于指数级增长尾声，2026年将迎“数据中心里的天才国度”，营收正以10倍极速狂飙。Dario Amodei解释了为何不敢豪掷万亿提前囤积芯片：一旦需求爆发延后一年，巨大的现金流压力将直接导致公司破产。

Stratechery创始人深度访谈：预警2029年大规模“芯片荒”，SaaS模式将终结，广告才是AI终极商业闭环。Ben Thompson警告，台积电保守扩产或致2029年全球芯片短缺，巨头需分担建厂风险。在对巨头点评中，他认为Meta执行力最佳；谷歌混乱但有韧性；亚马逊自研芯片策略面临风险。展望未来，他指出在数字世界高度发达后，“现场”体验或将成为最稀缺的价值所在。

OpenClaw之父爆猛料：Meta和OpenAI跪着抢人，小扎亲自求收购。OpenClaw之父Peter Steinberger爆料：扎克伯格亲自试用并私信拉拢，OpenAI也以顶级资源抢人，但他坚持项目必须开源。该AI具备恐怖的自修改代码能力。Peter更预言：AI智能体将消灭80%的App，编程将变成类似织毛衣的“手艺活”。

OpenAI高管：工程师变成“魔法师”，AI将开启新一轮创业狂潮。OpenAI内部曝光：95%工程师已用AI编程，代码审查全由Codex接管！负责人Sherwin Wu预言，未来两年模型将具备数小时长任务处理能力，工程师正变为指挥智能体的“巫师”。随着模型吞噬中间层，为“超级个体”服务的B2B SaaS将迎来黄金时代。

微软高管加剧AI恐慌：大多数白领工作将在“未来12-18个月内”完全自动化。目前市场对于冲击节奏仍有分歧。华尔街日报称，Mercor雇佣大量白领为大模型提供训练支持，白领正亲手训练这一“替代者”。Anthropic CEO列出六大AI风险清单，包括大规模失业，AI具备国家级权力等。

软件股遭遇2010年来最大做空潮，高盛惊呼：市场“无处可藏”！十年最猛烈做空潮席卷美国软件股，摩根士丹利数据显示空头规模创2010年以来新高，市场陷入“先卖后问”的恐慌。AI取代白领的担忧引发行业震荡，防御性板块加速跑赢，科技七巨头亦显颓势。高盛交易主管Callahan表示，科技/成长板块中众多股票呈现超卖迹象，值得讨论哪些股票被过度折价。

报道：英伟达或放宽HBM4规格要求，因三星、SK海力士面临产能和良率限制。英伟达或被迫放宽HBM4技术规格，在采购顶级芯片同时引入低配版本，以确保Rubin平台量产。三星虽领跑认证，但良率仅60%，SK海力士亦在11Gbps性能达标上遇阻。“双轨采购”已成定局，供应稳定性优先于极致性能。能否在放宽规格后稳定交付，将直接决定供应商份额与英伟达下一代AI芯片落地节奏。

Pinterest Q4业绩指引疲软，分析师担忧AI冲击，盘前一度大跌20%、收跌近17%！Pinterest股价重挫，因财报及指引不及预期，市场担忧AI整合“发现”与“购买”环节将直接消除其平台价值——即便AI能力停滞，核心用例也已受威胁。尽管月活用户增至6.19亿，但“有形AI看跌叙事” 难以摆脱，本周市场对AI颠覆风险的公司普遍严厉抛售，恐慌情绪蔓延。

Anthropic加速IPO进程：引入资本老手，最早今年上市。为备战IPO，Anthropic引入曾主导通用汽车上市的资本老将Chris Liddell。其兼具特朗普政府任职的政治背景，旨在强化治理以应对监管。公司刚完成300亿美元融资，估值达3800亿美元，领投方包括GIC与Coatue。Liddell将与奈飞联合创始人Hastings等共同坐镇董事会，为最快于年底进行的IPO铺路。

巨亏财报反引发抄底，Coinbase四季度收入下滑20%，净亏损超6亿美元，但周五股价暴涨17%。受加密市场降温影响，Coinbase四季度营收下降20%至18亿美元，净亏损6.67亿美元。尽管消费者交易收入大跌13%，但机构业务和衍生品表现强劲，订阅服务收入创新高达28亿美元，USDC成关键增长点。

行业/概念

1、HBM |

今日要闻前瞻

为期九天的中国春节假期开启。

沪深北交易所自2月15日至2月23日休市。

中国八部门发布《反洗钱特别预防措施管理办法》，自2月16日周一起施行。

春节联欢晚会期间，豆包第二阶段红包活动开始。

日本四季度GDP。

印度人工智能峰会2月16日至20日举行，黄仁勋、谷歌CEO等科技领袖将出席。

美国总统日假日，美股和美债休市。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

美国银行CEO Brian Moynihan去年薪酬同比上升17%至4100万美元。花旗银行CEO Jane Fraser的2025年薪酬上调22%至4200万美元。

更高的CEO薪酬与行业景气同步出现。据彭博，美国顶级金融机构录得自2021年以来最大的年度盈利。

对投资者而言，这轮薪酬上行一方面映射出利润与业务动能的改善，另一方面也重新点燃了对成本与治理的关注。

尽管高管薪酬方案在股东层面遭遇过质疑，但在表决中通常仍能通过，而在人工智能带动技术与用工开支敏感度上升的背景下，大行管理层也面临更频繁的“费用曲线”拷问。

薪酬全线站上4000万美元，刷新08年危机后上限

彭博数据显示，美国最大银行的CEO年度总薪酬已普遍迈过4000万美元门槛，且总量超过了2006年与2021年的峰值水平。彭博指出，在2008年全球金融危机后经历多年克制之后，华尔街正在向CEO发放创纪录的薪酬。

在已披露的个案中，高盛CEO David Solomon的2025年薪酬为4700万美元，为同行最高，同比增加21%。美银的Brian Moynihan与花旗的Jane Fraser也分别达到4100万美元与4200万美元。

盈利“丰收年”支撑加薪：交易，信贷与并购回归

薪酬上行的直接背景是行业利润走强。彭博称，美国顶级金融机构录得自2021年以来最大的年度盈利，交易，放贷与并购活动的回暖共同推升业绩与奖金池。

薪酬顾问Johnson Associates Inc.董事总经理Alan Johnson对彭博表示，“在薪酬方面，CEO们度过了非常好的一年”，“银行表现很好，损失很少，利润很可观，我认为他们管理得非常好”。在这一叙事下，CEO薪酬与更广泛的奖金池上调形成同向反馈。

董事会押注“扭转”与“留任”，高薪更像激励工具

部分上调带有明确的治理信号。花旗提高Jane Fraser薪酬，被视为董事会对其扭转局面的信任投票，尤其是在公司多年跑输同业之后。

高盛的薪酬讨论则更多指向“留任”。彭博称，尽管David Solomon与总裁John Waldron各8000万美元的留任奖金曾被批评“过高”，但该行仍在去年获得薪酬方案的多数支持，并辩称此举是为在与资金雄厚的私募市场投资者竞争时留住关键高管。

Wells Fargo & Co.美国大型银行研究主管Mike Mayo对彭博表示，薪酬与业绩存在关联，“他们的薪酬很大一部分以股票形式支付，这有助于让他们的利益与股东保持一致”。

反对声仍在，但投票相对顺利，成本议题升温

高管薪酬并非没有阻力。彭博指出，薪酬方案在股东中遭遇过一定反对，但在投票时通常并未遇到重大阻碍。

与此同时，行业对费用与薪酬的关注正在加码。彭博称，随着人工智能兴起引发对员工与新技术投入的更高担忧，大行高管不断被追问如何在控制开支的同时追求收入增长。

对于投资者而言，这意味着“高薪回归”很可能与“成本控制”一道，成为未来财报季和薪酬表决的双重观察点。

本文来自华尔街见闻，欢迎下载APP查看更多

尽管股市欢腾，但日本债券和外汇市场却表现出与选举前截然不同的相对平静。此前，市场曾因担忧高市早苗激进的财政支出计划而大幅波动。目前这种股债市场的脱节表明，部分投资者似乎相信新任首相虽然获得了更大的权力，但在落实其财政计划时将会表现出克制。

然而，核心风险依然存在。分析人士警告称，日本市场面临着潜在的“高市陷阱”：如果新首相为了兑现解决生活成本问题的承诺而大幅增加公共支出，可能会进一步削弱日元，进而通过推高能源等进口成本加剧通胀，最终反噬股市表现。

目前，高市早苗正试图安抚市场，声称其在竞选期间关于日元的言论被“误解”，并承诺削减消费税的计划不会涉及发行新债。但华尔街策略师对此持怀疑态度，质疑其在拥有如此巨大民意授权的情况下，如何在不扰乱市场的前提下兑现财政承诺。

暴风雨前的宁静

据媒体报道，尽管日经225指数本周上涨了5%，但一位东京交易员指出，日本国债和日元市场的反应比选前预期的要平静得多。该交易员警告称：“我们可能应该将其视为一种暂时现象，因为问题的核心在于她如何为此买单。这不是蜜月期，更像是暴风雨前的宁静。”

自去年11月高市早苗公布一项价值1350亿美元的财政支出计划以来，她与债券和货币市场的关系一直处于紧张状态。为了在选举中利用其人气，她此前承诺暂停征收食品消费税两年，预计这项措施将耗资5万亿日元（约合320亿美元）。在这一预期下，日本40年期国债收益率一度突破4%，日元也随之走弱。

如今，她在下议院获得的绝对多数席位，为她落实这些支出承诺提供了坚实的政治基础，但这恰恰是市场焦虑的根源。

汇率陷阱与央行困境

BMI亚太区国家风险主管Darren Tay指出，日元目前正面临“高市陷阱”的风险。政府支出越高，货币贬值的风险就越大。目前日元兑美元汇率在153附近徘徊，高市早苗一直依靠其财政大臣片山皋月来安抚市场，官员们也发出口头警告，暗示可能进行干预。

花旗外汇策略师Osamu Takashima表示，如果日元汇率反弹至160，政府将干预市场。这就使得日本央行陷入了两难境地。尽管市场预期日本央行将在2026年至少加息两次，但一些交易员担心，央行可能面临推迟加息的压力，以便为高市早苗提供更多的财政行动空间。

如果央行维持宽松而财务省进行干预，一位交易员直言，这种情况下任何干预都将等同于“对卖空者的临时补贴”。

财政承诺的可行性存疑

为了缓解与金融市场的紧张关系，高市早苗在选后的首次新闻发布会上表示，她的消费税削减计划不会涉及发行新债。然而，分析师对此表示怀疑。

摩根大通高级经济学家Benjamin Shatil指出：“鉴于她获得的授权规模，她怎么可能现实地撤回这样的承诺？与其他首相不同，她不能以议会阻力为借口。”

此外，美银日本外汇及利率策略主管Shusuke Yamada认为，选举并未改变日元疲软的结构性驱动因素。他指出，企业和投资者将继续在老龄化、增长缓慢的日本之外寻找回报，日元套利交易不太可能在短期内逆转。他强调：“他们需要看到确凿的证据表明日本是一个更好的长期投资地……这需要数年时间。”

债务隐忧与市场分歧

市场对日本财政状况的担忧根源在于其庞大的公共债务。据国际货币基金组织（IMF）数据，日本公共债务总额占GDP的237%。

对于这一风险，市场存在显著分歧。CLSA分析师Nicholas Smith认为，这种担忧主要反映了外国投资者的观点，他们仅持有6.6%的日本国债，却占据了71%的期货交易量。Smith表示，外国投资者“没有切身利益，种种迹象表明他们并不真正了解这个市场”，并指出日本的净债务状况明显低于总债务，且预计未来几年将继续下降。

然而，其他人则认为政府应更加警惕。BMI的Darren Tay警告称，市场可能低估了高市早苗释放的民粹主义压力，认为日本债务主要由国内持有的观点可能给政府带来一种“危险的绝缘感”，使其忽视全球债券市场的警戒信号。

野村研究所经济学家Takahide Kiuchi也表示，虽然债务水平本身未必是问题，但他“从未经历过像选前那样长期收益率急剧上升的情况”。他警告称，日本政府应对这些警告信号做出反应，否则日本可能面临危机。

本文来自华尔街见闻，欢迎下载APP查看更多

文章作者是埃里克·布林约尔松（Erik Brynjolfsson），他是斯坦福大学数字经济实验室主任，也是一家研究AI与组织效率的公司Workhelix的联合创始人，既站在学术研究的一线，也能看到企业真实的AI落地情况。

在这篇文章里，他抛出的核心判断是：美国可能正在从“AI投入期”跨入“AI收获期”。他引用最新经济数据指出，过去那种“到处都在谈AI，但生产率数据看不到”的局面，正在发生变化。

更具体地说，他基于更新后的数据预测，美国2025年的生产率增速大约会达到2.7%，几乎是过去十年1.4%年均水平两倍。如果这一趋势站稳脚跟，意味着：AI不再只是PPT里的故事，开始变成GDP里可被计量的效率提升。

宏观数据给出的信号：产出没掉，但用工少了

布林约尔松先从一个“反直觉”的宏观修正说起：美国劳工统计局的基准修订显示，总薪资就业人数增长被向下修正约40.3万个岗位。同时，美国经济产出并没有走弱，实际GDP仍然强劲，四季度增速达到3.7%。

他把这种“产出高、投入的劳动却更少”的组合，称为生产率增长的典型特征，并直接写道：“This decoupling — maintaining high output with significantly lower labour input — is the hallmark of productivity growth.”即：同样甚至更多的活儿，用更少的人做完了，生产率自然会上去。

不过，作者也提醒不要过度兴奋，因为生产率数据本来就“爱波动”，短期读数容易受统计修订与周期因素影响，“仍需更多时期验证”。

对此，像MIT经济学家达龙·阿西莫格鲁（Daron Acemoglu）就曾在公开研究中偏谨慎地指出：AI对总体生产率的影响，取决于它能否在足够多的任务上真正替代或增强劳动，而不仅是“点状提效”。

“J曲线”解释了为什么现在才显现：先栽树，再结果

布林约尔松把AI的扩散路径，放进一个更长的技术史框架里。他提到经济学界长期纠结一个现代版“索洛悖论”（Solow Paradox）。

并用一句原文概括这种尴尬：“we have seen artificial intelligence everywhere except in the productivity statistics.”也就是：AI无处不在，但统计里的生产率就是不动。

他给出的解释是“生产力J曲线”。许多通用技术，从蒸汽机到计算机，都不会一装上就立刻抬升生产率，而是要经历一个“投入期”。

企业要重组流程、培训员工、重做业务模式，这些投入很多是无形资本，短期还可能把“可测量的生产率”压下去。等组织改造完成，才进入“收获期”，效率才会在数据里体现。

经济史学者Paul David研究过电气化时代的“生产率滞后”，发现工厂把蒸汽动力换成电动机后，真正的大幅提效往往要等到厂房布局、工序组织、管理方式一起重构完成才出现。AI今天遭遇的“先改造组织，再看到统计回报”，本质上是同一套逻辑。

微观层面正在变：初级招聘降16%，但“强力用户”在压缩工期

除了宏观数据，作者还给出微观证据。他与合作者Bharat Chandar、Ruyu Chen的研究发现：在“AI暴露度高”的行业里，入门级岗位招聘降温明显，初级岗位招聘大约下降16%。

但另一方面，那些用AI来增强技能的人，就业反而在增长。作者的解读是：企业已经开始把AI用于部分“可编码、标准化”的初级任务。

作者还区分了“潜力”和“已实现收益”。很多公司目前只把生成式AI用在翻译、摘要等轻量场景，他用一个很尖锐的说法形容这种用法是“glorified dictionary”（“高级词典”）。

而在他公司观察到的一小撮“强力用户”那里，AI代理（agents）已经能通过交互式对话自动化端到端流程，比如直接生成完整营销方案，把“几周工作压缩到几小时”。他强调企业真正的难点在于：不仅仅是获得技术，而是如何运用技术。

从外部研究看，这种“少数人先吃到红利”的现象并不意外。麦肯锡在多份行业报告中都强调：生成式AI的价值释放，很大部分取决于流程再造与人员再培训，而不是简单买工具。

从试验走向结构性效用：接下来拼的是组织能力与宏观环境

布林约尔松在文末给出一个更强的趋势判断：“We are transitioning from an era of AI experimentation to one of structural utility.”意思是，AI正在从“试试看、玩一玩”的阶段，进入能稳定提供价值的阶段。对企业而言，下一步竞争焦点会从“有没有模型”转向“能不能把模型嵌进业务骨架”。

那企业具体该做什么？结合作者观点，可以归纳成三件事：第一，别停留在“高级词典”，要把AI嵌入端到端流程，让它参与交付而非只做辅助；第二，把培训目标从“会用工具”升级为“会用AI重做工作法”，让平均员工能力被AI拉升；第三，用数据与指标追踪收益，避免热闹一阵后难以复盘、无法规模化。

同时，他也提醒外部风险可能抵消效率收益，包括“地缘政治贸易战”以及财政、货币政策误判等宏观逆风。保持中立地看，技术进步与宏观治理是两条线：前者提供可能性，后者决定能否顺利兑现。

本文来自华尔街见闻，欢迎下载APP查看更多

在本次长达一个半小时的深度访谈中，Ben Thompson凭借其二十年的科技观察经验，围绕AI时代的算力瓶颈、商业模式演变以及科技巨头的护城河进行了犀利点评。

核心预警：TSMC的保守与2029年的芯片荒

作为聚合理论的提出者，Thompson对当前AI基础设施的建设速度表达了极大的担忧。他提出了一个核心观点：全球AI扩张的限制因素实际上是台积电的产能扩张速度。

Thompson指出，尽管市场需求巨大，但作为垄断者的台积电在扩产上表现得相当保守。这是因为晶圆厂（Fab）的风险极高，一旦产能过剩，巨额的折旧成本将摧毁利润率。

“晶圆厂99.9%的成本是折旧……台积电实际上表现得很理性。他们宁愿放弃潜在的长期收入，也不愿承担产能过剩的下行风险。”

这种保守策略导致了风险的错配。台积电将产能不足的风险转移给了英伟达、苹果和各大云厂商，而这些科技巨头面临的是“因算力不足而损失未来收入”的风险。

Thompson做出了一个惊人的预测：

“我认为我们在2029年左右将面临大规模的芯片短缺。”

他强调，目前的资本开支增长幅度（例如台积电从400亿增至600亿美元）仍不足以应对未来AI代理带来的指数级计算密度需求。

建议： 他呼吁科技巨头（Hyperscalers）必须出于纯粹的经济动机——而非仅仅是地缘政治考量——去扶持英特尔（Intel）或三星，或者通过预付款等方式承担建厂风险，否则未来将被锁死在产能瓶颈中。

AI商业模式：为“广告”正名

市场普遍关注AI应用如何变现。与硅谷普遍厌恶广告的文化不同，Thompson坚定地认为广告是AI最有效的变现形式，尤其是对于像OpenAI这样拥有巨大流量但缺乏商业闭环的公司。

他反驳了“广告会影响AI答案质量”的观点，并引用了扎克伯格的一个深刻洞见：

“扎克伯格曾说，当今世界上最大、最成功的Agent（智能代理）实际上就是Facebook广告。”

Thompson解释道，Facebook的广告系统本质上就是一个自动化代理：商家输入预算和目标，系统自动寻找客户并交付结果，这正是Agent的终极形态。

对于OpenAI，他批评了目前基于对话上下文投放广告的尝试，认为这会引起用户反感。

“最好的广告模式不是基于你正在聊什么，而是基于对你这个人的全面了解（Profile）。谷歌在这方面拥有巨大优势，他们不需要在Gemini的对话框里塞广告，就可以利用Gemini的数据在YouTube或搜索中更精准地变现。”

科技巨头阅兵：谁在掉队？

Thompson对美国的五大科技巨头（The Big Five）进行了逐一点评，观点颇具冲击力：

• Meta（最强执行力）： 被认为是执行力最强的公司。尽管市场担心其庞大的资本开支，但Thompson认为Meta的广告模型被低估了，且其不仅拥有现金流，还通过开源模型构建基础设施。

  “OpenAI对Facebook的威胁可能比对谷歌还要大，但Facebook显然正在花钱应对这一挑战。”

• 谷歌（混乱但具备韧性）： Thompson将谷歌比作一种生物结构。

  “谷歌就像黏菌（Slime mold）……虽然看起来混乱、次优（Suboptimal），有很多多余的动作，但这种缺乏优化反而赋予了它极大的适应性和韧性。当它最终向你涌来时，你就完蛋了。”

• Amazon（策略风险）： 他对亚马逊在AI时代的芯片策略表示担忧。亚马逊习惯于在商品化市场中通过低成本胜出（如推出自研芯片Trainium），但在AI这种每一代性能都有巨大飞跃的领域，不使用最强的英伟达芯片可能会导致竞争力下降。

  “这种低成本替代策略在性能趋于平缓的市场有效（2005-2025年），但在一个性能代际飞跃巨大的新市场中，这是否还能奏效？恐怕不行。”

• Apple（平台困境）： 硬件依然无敌，但软件和服务平台表现糟糕。

  “苹果制造了伟大的产品，但却是糟糕的平台管理者（Terrible stewards of platforms）。”

未来展望：SaaS的终结与“现场”的价值

在谈及软件行业（SaaS）时，Thompson指出，如果AI导致企业雇员数量减少，那么基于“席位（per seat）”收费的SaaS商业模式将面临增长天花板。

最后，关于AI生成内容泛滥的未来，他认为稀缺性将重新定义价值：

“在一个内容无限的世界里，一切‘现场’（Live）的东西都会变得更有价值。 共同的经历、面对面的课堂、体育赛事，这些无法被AI个性化定制的共同体验，将是未来的溢价所在。”

以下是访谈正文：

对话人：
本·汤普森（Ben Thompson）：Stratechery创始人、知名科技分析师
约翰（John）： 采访者。

---

约翰：
本·汤普森是《Stratechery》的创始人和作者，这是科技界每个人都用来理解当下局势的通讯。他也是如今媒体界非常流行的付费通讯模式的先驱。多年来，他一直在中国台湾独自运营《Stratechery》。

本：
干杯。很高兴见到你。

约翰：
多年来，你经常谈论聚合理论，并且真正普及了这个观点，即前互联网时代，权力通常掌握在供应方手中，而在互联网上，由于边际成本动态等因素，权力将掌握在需求聚合者手中。所以Booking.com比任何连锁酒店都大得多，类似这样。Booking.com尤其有趣，因为他们聚合了所有酒店，但他们本身也被谷歌聚合。所以他们是谷歌最大的客户，即便他们也在另一端。我觉得Booking.com在科技界是一个被严重低估的成功故事。他们是一家欧洲公司，在很多方面都比较低调，但如果你在20年前在Booking.com和谷歌各投资1美元，你在Booking.com的股东身上赚的钱要多得多。我认为人们没有意识到这一点。这是一家经营得非常好的企业。我想说的是，聚合理论如何应用于AI？需要如何更新这个框架？

本：
某种程度上还有待观察。我的意思是，这是我自己内心最焦虑的辩论之一，也就是关于OpenAI未来的福利问题。几年前我曾提出，实际上OpenAI可以停止制作模型，仅凭ChatGPT就能成为世界上最有价值的公司之一。这是他们最有价值的资产。他们面临的部分问题是，这在2023年和2024年绝对成立。但他们从未真正围绕这个建立起商业模式。而且，我想，相当有名的是，至少从他们宣布要推出广告时我收到的所有推文来看，我已经为这个事实纠结了很长时间。我觉得这很有意思，我其实很想知道你的看法。在硅谷有一种心态，对广告持怀疑态度，人们已经把这种观点内化了，认为广告是坏的、邪恶的。你感觉到这一点了吗？

约翰：
我同意。有一种对广告下意识的怀疑。你看，我是YouTube Premium的订阅者。当我看到有人没有会员就看视频时，我会觉得，你在干什么？所以我理解这种下意识的反应。在某种程度上，Stripe有点像反广告的公司，我们是相反的货币化形式。但我不知道，我个人对此没什么意见。我认为这是一种非常有效的货币化形式，对某些产品非常有意义。所以我认为这只是萝卜青菜各有所爱。我觉得你和Stripe站在一边，你是持怀疑态度的。我认为广告非常棒，而且，你知道，我有点在为自己的观点背书。

本：
《Stratechery》获得了巨大的吸引力，就是因为我不讨厌广告，尽管我自己不是广告模式。

约翰：
没错。但你是付费模式。嗯，其实这很有趣。我实际上认为，这些年来我获得了很多关注，正是因为当别人都不讨论广告时，我却在讨论它，尽管它是科技领域最重要的商业模式。我回头看，我早期关于广告的所有文章都很糟糕。我根本不知道自己在说什么，但仅仅因为讨论了它，就很有帮助。广告的现实是，第一，如果你在做一个产品，像《Stratechery》非常幸运，它绝对是一种新模式，或者说一种新的互联网原生模式，因为我的订阅者遍布大约200个国家。我的市场实际上是整个世界。Stripe显然帮助实现了这一点。梵蒂冈也有几个，他们也在关注。我可以去查查，我敢打赌，我在梵蒂冈至少有一个订阅者。但我从中受益的是，我是社交媒体，特别是Twitter的巨大受益者。在早期，Twitter的好日子里，如果你愿意这么说的话，分享聪明的链接是有价值的。所以如果我是一个能定期提供让人们觉得变聪明的链接的人，他们就会分享、讨论、来回互动。这就解决了我的用户获取问题。是的。但现实是，对于内容，还有一点我之后会再提到，就是它是可谈论的东西。它是我们之间的共同点，我们可以读同样的东西，对它有自己的看法，并对其做出反应。我在Instagram上购买的产品，我不会去发帖谈论它，但它可能非常有价值。而且理论上，这些小企业或供应商，他们也有同样的机会，即把产品卖给全世界。他们只需要一种方式来告诉人们。作为一个从Instagram上买了太多产品的人，顺便说一句，搬回美国的好处之一就是Instagram的广告太棒了。我觉得它们在中国台湾已经很好了，但在美国要好得多。哦，这是生活在世界上最富裕国家的最好部分。广告，太棒了。我会想，这是什么原生内容？给我更多广告。顺便说一句，过去6个月Facebook非常乐意这么做。这些天广告很多。但我总能买到我从没想过的东西，甚至都不知道的东西。这很棒，太神奇了，对我这个消费者来说是一个真正的好处。当然我订阅了YouTube Premium，并且看不起那些没订阅的人，但能发现那些我不知道的、让生活更美好的东西。所以，作为用户，我受益了。作为一个富有的用户，我受益了。而对于世界上60亿人，他们中的大多数没有我可支配的收入，更不用说你和旧金山的其他人了，他们能获得和我一样的体验。所以对于AI来说，特别是当它提供成本如此高昂，免费产品远比付费产品差的时候，对他们来说，能够获得访问权是一个胜利。所以，对于一个相信AI让世界变得更美好的使命来说，不接受广告……

约翰：
不，我同意广告是一种有效的货币化方式。你认为消费级AI应用做广告的正确方式是什么？比如，ChatGPT刚刚宣布要做广告，他们正在做。

本：
不，他们把广告作为与答案完全分离的体验。

约翰：
不，这就是为什么它这么糟糕。这就是为什么我对他们如此失望。他们所做的是最省事、最简单的解决方案，基本上是横幅广告。

本：
是横幅广告，但它是基于对话上下文的。问题是，他们发布了他们的广告原则，对吧？"我们的广告不影响你的答案"。如果你用最可能的方式来定位广告，即基于对话上下文，我们会向你展示一个大致相关的广告。第一，你的市场小得多，因为你必须希望有人开始一个与你拥有的广告库存相匹配的对话。第二，你会陷入一种情况，如果广告与答案明显相关，就会引起用户对两者之间联系的怀疑。所以我更希望广告与答案无关。做到这一点的方法是，建立一个元风格的用户理解，向他们展示与他们相关的东西。就像在Instagram上，最好的Instagram广告和我浏览的内容完全无关，而是来自Meta对我广泛的理解。

约翰：
所以你是说，AI广告应该更像Facebook广告，而不是谷歌广告？现在，重点是做与提示相关的定向广告，而应该是分析用户，分析这个人是谁，他们的兴趣是什么？

本：
是的，我认为那样会更好。它会减少利益冲突，减少用户的不确定性。而且我认为，我不是搜索广告的最大粉丝，正因为它们效果太好了。我认为很多人对自然结果和广告之间有很多混淆，它们是相互蚕食的。为什么我必须在搜索广告中购买我自己的名字？因为其他人会……你会收割一个本可以是自然结果的广告点击，这没问题，搜索提供了很多价值。但挑战显然在于，在ChatGPT里，他们只有一个库存空间。

约翰：
对谷歌广告的辩护是，每个人都抱怨品牌搜索，你在为蚕食付费，但谷歌非常关注搜索质量，所以赞助列表本身也有一个排名，一个相关性排名。所以这就像黄页，你需要付费才能被列在黄页里。这没问题。我不是，再说一次，我是广告爱好者。我只是认为Meta的广告更有广泛价值，因为它们向我展示了我不知道我想要的东西。

本：
但如果AI应用要生成你的画像，这个画像会包含你所有对话的内容吗？

约翰：
这就是问题所在。所以Deus出来说，"哇，我不敢相信他们加了广告。我们不会这么做。" 这很搞笑，因为整个Gemini Deep Mind的体系，靠什么资助？

本：
当然。它由谷歌广告机器资助。这实际上可能是理想的模式。这其实很有趣。去年我其实在纽约。我当时正在见一个人，在共享办公室，或者走廊对面是一个对冲基金什么的。他们走过来，说："我是老读者了。你对我们的一个最糟糕的决定负有责任。" 我说："什么？" 他说："投钱给Twitter。" 我说："我从来没说过要投钱给Twitter。那一直是一家糟糕的公司。我都不再报道他们了，因为业务太差。" 然后我想起来是什么了。是他们收购MoPub的时候。我的理论是，我对Twitter广告的担忧一直是，它特别偏重文字。我认为文字不是广告的最佳界面。显然，视觉效果通常更好。还有一个姿态问题。如果我在Twitter上，我是准备好战斗的，我很投入，我在搜寻信息。如果我在Instagram上，看到广告的整个意义在于我并不真的在乎现在在看什么，我在消磨时间。你其实处于一个更好的姿态，像看电视一样，你可以吸收广告。而Twitter在这方面就不好。但是，因为Twitter至少理论上是基于兴趣的网络，它应该能够比理论上通过像素和SDK了解你更多。所以我对MoPub收购的理论是，我认为这是一笔很棒的收购，因为他们可以利用Twitter的信号，通过MoPub网络在其他应用中表现出来。现在Twitter无能，他们对MoPub什么都没做，把它卖给了苹果，苹果现在把MoPub写成了世界顶尖，但那是我的论点。我认为这也可以应用于AI。我认为对谷歌来说，理想的结果是他们永远不在Gemini里放广告，但通过在Gemini里做的事情了解你很多，然后通过YouTube、谷歌搜索和其他资产上的广告来变现。而OpenAI面临的挑战是，他们只有一个地方可以放广告库存，那就是ChatGPT。

约翰：
所以你是说，谷歌可以利用Gemini来改进其在谷歌所有资产上的广告定位，然后如果你想在Gemini里放广告，也许……

本：
我认为你永远不需要在Gemini里放广告。但如果你放了，你也肯定拥有谷歌从网络上收集到的你的画像，你可以……而且你不需要展示那些让用户感觉奇怪的广告，因为为什么要展示关于我正在问的问题的广告呢？

约翰：
但按照你刚才为谷歌描述的场景，会不会有同样的问题？比如，当定向太精准时，人们会担心Meta在听麦克风的阴谋论。你不觉得会有类似的问题吗？如果你用Gemini的数据来制作更好的广告，最终定向会太精准，人们会觉得奇怪？

本：
我认为这是一个虚构的担忧。不，它确实是。但人们确实有这种担忧。如果数据真的能实现这一点，那会是每个科技公司都乐于面对的"甜蜜的烦恼"。

约翰：
我明白了。这是当你有非常好的定向时，人们会说的事。我认为很多，说实话，我认为关于这类事情，存在很多口头偏好和实际偏好的差异。现实是，人们喜欢，即使是美国人也会想，你可以为Facebook付费，或者人们宁愿看到广告。我认为大多数人并不在乎。这在很多科技领域都是如此，这和你说的对广告的怀疑有关。这是一个精英圈子。华盛顿的监管者，每个人都在思考这些非常理论化的事情。

本：
这难道不也是横幅盲视的挑战之一吗？Instagram广告效果这么好，是因为它是一个图片流，向你展示图片。有些图片就像广告。所以这就像Facebook，对于AI应用，你在寻找答案，你不想看横幅广告。

约翰：
不，这是一个巨大的担忧。这是Meta/Facebook的一大讽刺之处，马克和每个人都讨厌苹果，原因有很多，我认为非常合理，但苹果把Facebook从自身手中拯救了出来。回想一下当年，记得Facebook平台吗？还有Facebook支付之类的东西。马克一直想建立一个平台。如果你只是一个应用，你就无法建立自己的平台。问题是，我认为基于广告的模式通常与平台模式不相容。平台的整个意义在于让其他东西发光，让其他东西浮现出来。你只是支撑结构，让其他东西接管。所以操作系统，理想情况下，重点在于其上运行的应用。当Facebook被迫不能成为一个平台，而只是一个应用时，突然间他们可以完全专注于成为一个广告公司。想想Facebook广告，即使在当年，也是信息流广告或故事广告。从字面上看，你的整个设备都是广告。但不知何故，它不是一个横幅，一个边缘的小东西。他们真的获得了用户的许可，可以接管你的整个设备，每5秒钟向你展示一个全屏广告。这太神奇了。是的。而他们是被苹果逼成这样的。

本：
好的，这让我想起了一个观点，我很好奇你的想法。那就是，很多时候，科技公司变得非常大，只是因为核心想法比创始人意识到的还要好。所以Meta是一家非常大的公司，因为他们有一个信息流，信息流变得非常大，他们沿途非常聪明，收购了Instagram，他们进行了令人难以置信的精准定向和良好的货币化，但结果是人们花了大量时间，很多人，你知道的，那个信息流的PV×Q，他们把它货币化得很好，这就是他们变得如此巨大的原因。英伟达也一样，结果GPU市场变得非常大，他们卖了很多GPU。所以，也许创始人，因为他们通常是高能量的人，想要有很多新想法，他们常常在考虑下一件事，第二幕或第三幕是什么，每个人都想发明AWS。但我很好奇你对这个想法的看法：一般来说，就是让核心业务变得非常大，而且顶部的数量级比你想象的要多。

约翰：
是的，我认为总是如此。而且我认为有时人们最终做出了他们本来不想做的东西，然后他们不断地往回推。我认为Meta是完美的例子。我的印象是，马克对广告不太感兴趣。他沿途有非常优秀的人帮他打造这些广告产品。我认为Meta因此受损，因为他没有站在最前线，去争取说广告是好的，广告对社会有益，它们是科技产生所有消费者剩余的驱动力。总统和街上的普通人用同样的搜索引擎，同样的AI，等等。那是因为广告……可能不是，总统可能用的是Palantir的搜索引擎之类的。是的，可能更糟。公平地说，谷歌已经落伍了。网上有太多垃圾。但特朗普会搜索吗？我不知道。这是个好问题。但他没有提出这个论点。我认为Meta因为未能提出这个论点而受损。然后你会得到诸如"我们要做元宇宙"、"我们要做XYZ"之类的东西，总是想回去，"我们要成为一个平台，成为一个平台"。而Meta是一家娱乐公司。我几年前就写过这个，我认为这是一个同时好又坏的判断。

本：
你还记得保罗·克鲁格曼那句名言吗？说互联网不会很大，或者是个传真机，因为人们没有多少有趣的话要说。我其实是为那句话辩护的，因为它实际上是真的。大多数人确实没有那么有趣的话要说。我提起那句名言是在2015年左右，说这是Meta长期潜力的根本限制因素。只要他们还认为自己是一家社交媒体公司，他们就会遇到一个问题，即随着时间的推移，他们的信息流会变得不够有趣。现在，从P2P内容到……嗯，如果我可以自夸的话，那是一个非常聪明的洞察。糟糕的洞察是我的建议，即他们需要更多地与专业内容创作者合作，比如资助Buzzfeed之类的网站，分享收入等等。用户生成内容。真正的答案是TikTok所做的，TikTok根本不是一个社交网络。它是一个聚合和YouTube之类的平台，同样的想法。像个性化的电视。是的，真正重要的是，这是一个人们纠结的关键点，相对数字，重要的是绝对数字。所以，如果你有数十亿或数万亿的内容，即使只有0.1%的内容是好的，也比你有100个内容但有10%的命中率要好。后者实际上更差，即使你的命中率更高。所以刺激大量创作，编写算法来捕捉好的内容，把它推上去，这实际上解决了保罗·克鲁格曼的传真机问题。Facebook对此措手不及。他们太固守自己作为社交网络的身份了，以至于让TikTok抢走了这么大一块。这是他们的盲点。

约翰：
有意思。我说了我的观点。所以，《Stratechery》在华盛顿特区被广泛阅读吗？

本：
是的，是的。有时候是令人欣慰的。当接到电话被征求意见，或者你得到某些回应，或者看到影响力时，感觉很棒。当被骂，人们对你生气时，就不那么令人欣慰了。但幸运的是，在网上成功的关键是我拥有很多的东西，那就是非常高水平的"不随和"。所以你可以随便骂我，我不会改变主意的。

约翰：
好的。但回到聚合理论如何适用于AI的问题。一个简单的观点可能是，AI应用是新的聚合者，因此巨大的经济价值将归属于它们，仅此而已。你也可以认为这在很多方面过于简单了，因为就像我们说的，Booking.com应该返回给你应该预订的酒店，但你对AI应用的商业动机期待会少一点，这是一个更抽象的技术，要以正确的方式插入所有的商业动机并非易事，你会提出各种反对意见。

本：
嗯，我认为广告模式可能是起步的方式，就像我刚才谈到的，是前倾与后仰的区别。广告与人类心理学紧密相连，和你所挖掘的东西、人们的反应、以及如何创造性地做某事有关。短期内，技术常常在消灭旧商业模式之前，先让它们变得更强大。所以你有像，突然之间你是一家报纸，我过去局限于我的地理区域，现在我可以触及全世界。是的。哦，等等，几年后，每个人都可以触及全世界。是的，我处于纯粹的竞争中，我完蛋了。这肯定是这个模式的一个担忧。如果你进入一个比如代理商务的世界，代理们只是购买正确的东西，我认为这也是驱动科技界对广告怀疑的一件事。科技界的人往往相当书呆子气，相当痴迷。他们会做大量研究来找到完全正确的东西。是的。为什么要让别人告诉我买什么，而我自己已经研究了两小时？没错。但如果这种痴迷的深入研究现在对每个人来说都轻而易举，因为AI在帮他们做呢？那么广告的功能在哪里？我认为这绝对是一个"当心你许的愿望"的情况，因为这当然意味着更多的透明度、更多的细节、更多的理解，听起来不错。它实际意味着的是完全竞争，这是一个非常残酷的游戏，可以摧毁整个类别。这在很多方面基本上就是报纸业发生的事。所以这是第一点。第二点，在这样的世界里，你必然锚定在任何可以衡量的规格或参数上。你有史蒂夫·乔布斯那句关于"速度和功耗"与产品感觉的古老格言，它们之间的交集是什么意思？它实际上是说，有些东西是无法衡量的，不能放到Excel表格里的。你交谈的每个人都承认这一点，说对，有些东西无法衡量。但它在实际中如何体现呢？只有被衡量的东西才重要。我认为这已经成为体育分析学的一个巨大问题，就是一个很好的例子。篮球是我最喜欢的运动，有很多因素影响赢球，但很难量化。棒球就非常可衡量。我确实认为有关键时刻表现之类的东西，我不知道是否被正确衡量了。但在篮球方面，毫无疑问，球队之间的互动方式、你的努力或进攻参与如何影响防守等等，这些是很难量化的。你看一次又一次，就拿我喜欢的达雷尔·莫雷来说，我认为他的球队没赢是有原因的。他们过度优化了，牺牲了其他一些问题。如果无法衡量，它们往往就会被贬低。在一个由AI中介一切的世界里，有多少无法被衡量的事物会被抛弃？因为我们最终得到的是非常功利主义的、没有灵魂的商品。在某些方面，这是一个有点傻的担忧。这听起来很傻，但我是一个人，我预计我长期会喜欢和偏好各种各样的人性化事物。

约翰：
但你也可以说，像电子商务聚合者亚马逊和其他公司，已经导致了相当匿名的制造商生产许多日常商品，亚马逊Basics那种东西，价格比以前低得多，但质量仍然很好。这难道不好吗？

本：
这就是你把我的广告论点甩回我脸上的地方，即实际上它提升了每个人的基准水平。对普通消费者来说，他们能接触到的商品种类，亚马逊Basics里没有灵魂，这没关系。每个人都回想说，哦，我60年代的洗衣机好多了。但那是真的，同时有洗衣机的人要少得多。所以我现在的论点正好相反，我可以留着让你来扮演另一边。

约翰：
没错。你可以切换立场。你提到了代理商务，我们显然非常投入于此，并在10月与OpenAI一起宣布了我们的消息。你认为代理商务会如何发展？

本：
我的意思是，你们自己的OpenAI发布和谷歌的发布之间的对比，我认为相当有趣，也说明了各家公司在追求什么。OpenAI想成为你做所有事情的地方。他们想成为聚合者。批评者可能会把他们比作网景。如果你是一个OpenAI的怀疑者，我认为更好的类比是AOL，他们想成为你可能做的一切事情的界面，一切都通过他们的渠道进行。而谷歌，就像他们相对于AOL一样，实际上是想让每个人都能装备自己，知道如果每个人都有能力，我们是最大的受益者，因为我们仍然在这方面汇聚了前端的流量需求。那么，这在商业方面具体如何体现呢？关于科技的有趣之处在于，我认为它不会体现在机票上，这是每个人的例子，大家都想不出比这更好的例子了。但AI会买什么？它会得到什么？我不知道。我认为人们会在购买决策中保留主动权。但话又说回来，我们有助手，无论是工作上的还是其他方面的，他们会做一些我们不一定参与的购买决策。我认为这是一个很好的预测指标，表明人们理想中的情况是，我真的需要知道吗？实际上，我对买什么纸巾有很强的想法。

约翰：
那正是我想说的，但一旦我设定了偏好，这可以被监控和自动执行吗？

本：
嗯，所以我不知道。这是一个非常不令人满意的答案，除了说它对广告之类的事情有很大影响，对未来商业模式是否可行，会有什么样的利润率，是否会出现完全竞争等等。

约翰：
好吧，让我试着向你提出我对代理商务的看法，很想听听你的评论。我认为一些怀疑是由人们描绘的一个非常遥远的终端状态引发的，即拥有大量代理自主权。比如，"帮我预订去日本的蜜月和所有活动"，这实际上没人会这么做。而实际上，你应该自下而上地从一些非常基础的构建块开始。第一步只是取代填写网页表单。那是个糟心的活动，没人喜欢。想象一下，你找到了你喜欢的冬衣，把网址复制到ChatGPT，说"请帮我买这个"。这比在一个你从未去过的网站上点来点去的体验要好得多。所以这只是代理代表你进行工具使用，每个人都可以创造这个。也许它会澄清，有多种颜色，你喜欢哪个？但它只是取代了填写表单字段。这顺便说一句是我非常乐观的一点，我称之为"即时UI"。

本：
没错。它是个更好的UI。

约翰：
对。所以这就像是第一级，是一个更好的UI来执行你想要的操作。好的。那么第二级是更好的发现和搜索。我们在电子商务中走到今天这一步还一直依赖基于关键词的搜索，这太疯狂了。基于关键词的搜索在你知道书名买书时效果很好。比如我想买这本特定的书。但对于一件冬衣，我不知道，我想要一件羽绒服，那叫什么？所以，你想能够说，"我在找一件夹克，这种类型的，我要去这个地方，会有这么冷。你知道，我喜欢这些款式之类的。" 所以第二步就是更好的搜索，能够用参数搜索，现有的搜索UI都不允许你指定你要去的地方的温度，来获得保暖度合适的夹克。但这对于夹克来说显然是核心要素之一。所以从我们的角度来看，更好的搜索UI就是第二级，我认为这已经在显现了。

本：
没错。在ChatGPT购买体验的早期使用中，我认为这是那些超酷的功能之一。

约翰：
然后第三级，我们还没真正看到的，是这个想法的再次体现，即用户的持久画像，能够预测他们的需求。没错。就像我希望能够在我浏览时固定我喜欢的东西，或者也许我可以分享我的浏览历史，或者也许我可以分享一个Pinterest板，里面有一些我喜欢的风格，"根据这些给我推荐一件好的保暖冬衣"，"这里是我的照片"，"基于这个"等等。

本：
嗯，我甚至有个更好的想法。想象一下，如果你在使用ChatGPT，大约是10月1日，有一个广告展示了一件很棒的冬衣，非常适合我。因为它一直在了解我的兴趣，它了解我所在的背景。我不是在搜索冬衣，因为我不擅长计划。天气会变冷，然后我会搜索冬衣。但如果它能预测到这一点，在我需要的时候，在合适的时间给我看广告呢？

约翰：
好吧，也许第四级就是那个。这正是我一直希望他们能构建的。这是我整个论点。这就是为什么他们这么晚了。如果他们两三年前就开始做广告产品，今年就该推出这个了。这在今天是可以做到的。这就是Meta广告啊。你需要多看些Reels。今年我买了更多我不需要的滑雪装备，就是因为它一直出现。我正在搬回威斯康星州，所以我在买房子用的东西。然后我看到那些滑雪板挂钩，我想那一定很棒，听起来很有用。它们还在盒子里呢，我确实该把它们挂起来。但没错，所以像横幅广告这类体验能做的事情是有限的，而搜索的事情则非常强大。但我很好奇你对第一级（仅仅是结账动作）、第二级（更好的搜索）和第三级（定义你自己的偏好嵌入空间）的看法。

本：
不，我完全同意这种方法。我只是觉得你低估了第三级已经被建立的程度。实际上，马克·扎克伯格在几季前的财报电话会议上说了一句我认为非常深刻的话：我们纠结于技术的定义，比如什么是代理？他说，实际上当今世界上最大、最成功的代理是Facebook广告。这正是正确的观点。Facebook广告，人们脑子里觉得你是要去设置人口统计和定向什么的。不，不，它非常自动。你做的就是说，获取一个客户的成本对我来说值10美元，我愿意最多花10美元，他们会以10美元的价格给你送来一个客户。是的，他们的利润率实际上会增加，因为他们会确保正好以10美元的价格送到。他们可以花更多钱，实际上赚更多钱。你得到了你想要的。我认为这在多大程度上已经非常强大了，我们还没有意识到。他们只是纠结于"我50%的广告有效，但我不知道是哪一半"。

约翰：
不，在Facebook上，它们全都有效。

本：
是的。

约翰：
我觉得会有一批非常成功的新公司在AI驱动的电子商务领域诞生。这感觉就像一个足够不同的产品空间。但你指的是零售商、商家，还是发现和需求方？不过也可能包括零售商。

本：
是的。我的意思是，我当然认为，我认为可能新的部分，也许就是你刚才谈到的，是这种真正的预期性。现在，回到Meta广告，令人惊奇的是，它帮助拥有非常专业产品的商家找到他们本来永远找不到的客户。但反过来，我需要一个非常专业的产品，如何找到它？我认为你之前提到过这一点。但这在多大程度上不只是即时性的？我需要这个具体的东西。我记得我需要一个服务器配件，一个安装这个路由器的机架配件，因为我有个多余的，我不想买个全新的东西什么的。我有这个多余的路由器，当然在澳大利亚有个人在Etsy上做3D打印，完美匹配这个，棒极了。我找到了这个随机的人，我确定他卖给我一个成本2美元的40美元零件，赚了很多钱。对他有好处。但如果一个AI应该能够预测到这种需求呢？所以不是"哦，我有需求，让我去找"。是的。而是"我知道你会需要这个，让我来获取它"。那会非常强大。

约翰：
公开市场显示，截至2026年1月，SAAS（软件即服务）模式已经终结。他们说得对吗？

本：
我认为可能是混合的。我认为美国商业的妙处之一，这也是我的一个理论，关于为什么欧洲人对数据隐私和监管如此热衷，是因为他们经常与欧洲公司打交道。是的。所以，我几年前在巴黎，当然是去旅游，去卢浮宫或别的博物馆。他们都有自己开发的注册系统，他们收集了那么多数据，他们就像，是的，你的年龄？你的宠物？它是什么颜色的？为什么需要知道所有这些信息？而且都是非标准的表格。这就是你需要AI来填写所有这些的地方。他们脑子里有个理论想法，如果我们捕获这些数据，它可能有用，所以他们在2000年代建立了这些内部系统，非常不安全。我使用它们时想，监管者在哪？谁能管管，这太荒谬了。所以我理解这种心态。美国公司不那样做。美国公司非常擅长，我认为美国商业文化的一大优势是理解，我个人也这么想。这就是我给的人生建议。人们，特别是年轻时，犯的最大错误是什么？他们关注自己的弱点。我必须改进我的弱点。不，你要做的是加倍下注你的优势。你会因此获得丰厚回报，然后你雇人来处理你的弱点，对吧？我是GTD系统的忠实信徒。很棒的书，《搞定》。即使你不用这个系统，这本书也真的很好。有很多很好的见解。有各种东西，如提醒文件等等。这是一个惊人的系统。我完全无法自己管理这个系统。所以有个Mac应用叫OmniFocus，完全围绕这个系统构建，我没有许可证。我的助手有许可证。我发短信给他事情，他的工作就是维护我的GTD文件，因为我做不来。我做什么？实际上我妻子非常优化。我每周写三篇文章，做一个采访，做三个播客。我所有的专注和精力都需要放在这上面。如果我做到了，那会赚很多钱，我可以花钱解决我所有其他问题。我认为美国商业在这方面做得很好。他们不在自己不擅长的事情上浪费时间和精力。他们加倍下注自己擅长的事，专注于上行空间，而不是他们的成本中心。

约翰：
可能是美国非常大的市场导致的结果。

本：
我也这么认为。还有竞争，在一个非常大的共同市场里。所以你没有，你回到报纸，他们有很多内部开发的东西。如果你是一个网络上的出版物，像我一样在互联网上，我靠评论大型科技公司赚钱。这可能是地球上竞争最激烈的市场，对吧？有很多人对大型科技公司有看法。所以你必须非常专注，考虑到这一点，这说明了从软件角度付费请人管理这些业务功能的持久价值。现在，有很多SaaS应用。不确定它们是否都严格必要，是否都物有所值。我认为人们谈论科技时，我可以说有"六大"。"六大"就是硅谷公司，基本上是千篇一律的风投模式，找这个创始人解决这个特定的商业案例，用SaaS商业模式。每个人都喜欢谈论改变世界。这其实是最可预测的事情。这就是为什么风投回报被压缩了，但同时也因为它们在引擎方面也非常可预测。一个很大的问题是它们都是基于席位的。任何基于席位的东西，有些东西，很可能席位会减少。如果替代品是更多的小规模产品，理想情况下，互联网总体上，写作或内容是一个很好的例子。过去，你想在大池塘里，大池塘里的每个人都能分一杯羹。如果你在康泰纳仕和他们的一本杂志工作，你生活得很好，即使你只写一点。今天，如果你想像成为内容生产者，我一直给人们建议。我说，你看，你不想和我在一个池塘里，对吧？比尔·西蒙斯就像第一个互联网体育作家。你不想在互联网上模仿比尔·西蒙斯，因为他先到了那里。你想做的是创造你自己的池塘。互联网使得创造百万个不同的池塘成为可能。所以你可以定义你自己的池塘，成为那个池塘里唯一的大鱼。这就是你成功的方式。如果AI使得这成为可能，我认为这是乐观的情况，AI使得不仅仅内容领域，而是所有类型的商业，都能有更多的小规模个体企业家或小团队，他们都不太适合由Salesforce驱动的基于席位的模式。所以可能会有回归自助服务的趋势，或者也许他们会自己动手，因为他们的需求没那么大。所以那是一个更大的结构性变化。但问题在于，说"企业会没事的"很容易。如果你消除了增长，那是个大问题。我认为这是所有通过人头增长来压缩的问题的最大根源，也就是增长本身。如果这些只是稳定的企业，却有着天文数字的基于股票的薪酬，而这些薪酬是建立在我们将会变得非常庞大的前提上的……

约翰：
我可以想到你对软件领域的两点批评，以及为什么所有东西都被抛售了。一是，每个人都会用Claude Code来自己内部重建版本，所以软件模式会减少。二是，实际上许多产品按席位定价，所以如果（客户公司）人头增长放缓或甚至萎缩……

本：
没错。第一点，Anthropic刚刚采用了Workday，这很有名。没错。所以我不认为，你知道，Claude是记录系统，那是那个类别。人们似乎并没有在短期内用Claude Code去重建一个记录系统。我们在Tribul也看到了这一点。我不认为有人会很快用Claude去编码那些记录系统之一。现在我们用Workday。我不知道如何评价第二点批评，但同样，对于一个非常广泛和深入的记录系统来说，很难论证它的业务比一两年之前有所削弱，对吧？

约翰：
但这也是我的观点。说它们会归零是错的。但如果假设是你挺好，但你不会无限增长下去。这种从被认为是成长型公司到稳定型公司的转变，我看到这就是估值被砍的原因，再加上整个薪酬结构。

本：
没错。你现在是按EPS而不是收入来估值了。所以，是的。

约翰：
我们能谈谈你的业务吗？当然。你是独立写作者模式的先驱。我认为你是最早的一批付费通讯之一。

本：
我也这么认为。有两个先行者值得一提。一个是在华尔街，有很长的传真通讯的历史，比如格兰特的。不同之处在于，那些非常昂贵，可触及的市场非常小。所以，《Stratechery》的不同之处在于它便宜得多，市场也大得多。另一个值得提的人，我认为是在我之前第一个这样做的人，否则我就认为我是第一个，是安德鲁·沙利文，他做过付费新闻。

约翰：
我不知道他做过付费新闻。

本：
他做了一年左右。问题是他全做错了。他完全做错了。他每天发50个帖子，对吧？关于无数不同的事情。他彻底 burnout 了，诸如此类。但那在当时很适合广告模式，因为你总是会回去看，总是有新东西，我确定他为《大西洋月刊》带来了巨大的流量，尤其是他在那里的时候。他后来独立了，相当成功。我想他大概赚了一百万美元左右。但那是一个漏洞百出的付费墙，比如超过35个帖子后就会遇到付费墙，有点像你在惩罚你最忠实的用户。而且很容易绕过。但是，他实际上在如何思考这个模式上给了我很大的启发，因为他被指责为失败者，因为他 burnout 然后放弃了。但我想，他赚了一百万美元，对吧？相当不错。我从一开始就想，想想这个心理。当我创办《Stratechery》时，他有无数可以写的想法，而我把自己限制在最多每周写两次。原因是，我心中已经有了订阅模式，当我增加付费模式时，我不想给人"我在拿走东西，现在你得付钱"的感觉。我想的是，"你这么喜欢它，如果你付钱，你可以得到更多"。所以我一直想让你付费是为了得到更多。我认为这在开始时可能更重要，因为这个模式是新的。你知道，我看的指标是那些在我没有发帖的日子里访问《Stratechery》的人，因为他们是那些希望我那天发了帖、然后失望离开的人。所以在这种情况下，通常付费墙会让遇到它的人失望。而在这种情况下，付费墙会消除他们的失望，因为他们现在可以得到他们想要的东西了。所以我想，如果我能捕获X%的这些访客，那就太好了。一天目标，一周目标，一个月目标，都没达到。结果是我认为它不会成功，我得回去教英语什么的。但它就是不断增长，不断增长，不断增长。6个月的时候，实际上达到了我的一年目标，1000个订阅者，1000个铁杆粉丝，你知道，是10万美元的年收入。

约翰：
花了多久到1000个订阅？

本：
六个月。好的。我发了个小帖子说，"嘿，模式成功了。我的一年目标是1000，现在已经达到了。" 这是我唯一一次订阅者数的阶跃变化。在接下来的24小时里，我增加了250个新订阅者。25%的增长。那些人是什么呢，是那些想成为订阅者，但不相信我这事能成、怕我倒闭卷款跑路的人。一旦他们意识到我不会跑路，他们就都订阅了。所以实际上我的指标是对的，但我没有正确计算人们的不确定性和对损失金钱的恐惧。所以我现在很感激，现在人们随时随地订阅东西，对吧？你知道，我当然可能会以《Stratechery》最为人知，但我同样对这个模式感到自豪，很多人靠做这个谋生。

约翰：
你认为这个模式能走多远？它的决定性特征似乎是解绑，比如30年前你可能在为一家出版物写作，而现在是与订阅者的直接关系，直接货币化，通常是付费的。当然也可能有一些广告支持的成分，但主要是付费。显然，Substack已经证明了这有非常广泛的适用性，但你认为这与传统媒体捆绑相比能走多远？

本：
我认为这里有几点很有意思。第一，我认为包括科技界人士在内的人们严重低估了互联网的巨大。当我宣布我的付费产品时，我收到的最大的反对意见来自风投，我不会说是谁，"爱你Ben，但在互联网上就是行不通"。还有我之前关于池塘的说法，我不知道我们是否已经触及了世界上可以建造的池塘数量的极限，你可以占据这些池塘。另一部分，关键的一点，AI在这里其实是一个重要因素，就是这个模式的关键在于你的成本。所以，正如技术让你能够触及所有人，你需要利用技术来保持你的成本非常非常低。所以最初几年，肯定只有我一个人。只要我能养活我的家人，我就很好。这就是传统媒体公司的问题所在。他们的成本结构不是互联网的成本结构。它们建立在高得多的收入基础上。有趣的是，谈论这个，因为很多这并不真的适用。就像我之前写了很多关于广告的文章，而我并不是广告业务。在这种情况下，我写了很多关于风投和高增长公司的文章，但我实际的业务是非常精品和小型、手工艺式的。

约翰：
没错。

本：
在这方面，这是一个非常重要的点：管理你的成本。如果你恰当地管理成本，那么可能性是无限的。但这同时也意味着有些东西不适合这个模式。比如传统的、需要六个月调查的新闻调查报道。它在这个模式下得不到很好的支持。支持它的是捆绑模式，有很多不同的写手聚集在一个出版物里。

约翰：
捆绑模式对每个参与者都有好处，但现在没人想成为其中一部分。电视是个经典例子。为什么我们有电视捆绑？因为在宾夕法尼亚，费城有个电视台，有阿勒格尼山脉，那里有很多城镇想接收费城的信号，但信号不好。所以他们联合起来，建个大塔接收信号，从那个塔拉实际电缆到他们所有的房子。整个有线电视就这样始于美国农村的小城镇，为了从大城市接收电视信号。然后特德·特纳出现了，他想我可以直接向这些塔广播，太棒了。你得到了这个模式，突然之间，但你有地理上的强制因素，你最终得到了所有这些拥有世界上最好商业模式的公司。每个人都付钱给他们，不管看不看你，他们赚了无数钱。一旦他们可以做些不同的事情，会发生什么？我可以直接流媒体播放。商业就是这样，就像是被迫进入游戏，从博弈论的角度来看是最优的，而一旦你可以离开，每个人都会离开，即使留下来是最好的。

本：
是的。

约翰：
所以我想知道，这如何应用到你的世界？因为理论上应该有捆绑存在。Substack应该成为一个捆绑。你应该可以付一笔钱得到所有东西。但你知道，我认为Substack犯了一个错误，澄清一下，我是Substack的超级粉丝。我之前有点生气，就是他们把自己定位为完全写手友好。我认为这是个错误，因为最终他们不可能做到写手友好，因为最写手友好的设置是在你自己的服务器上运行开源软件，那样没人能对你怎么样。而定义上，我以为你会说最写手友好的事是拥有一个蓬勃发展的消费者业务。但问题在于，他们最初的所有条款使得捆绑变得不可能，所有个体出版商拥有他们自己的订阅者，拥有他们自己的Stripe账户等等。

本：
但等等，科技界不是有一条很成熟的路吗？OpenTable一开始完全是餐厅的本地软件，然后他们在上面加了消费者发现层。Shopify一开始只是为商家提供解决方案，然后他们在上面加了Shop Pay这种面向消费者的网络层。是的。但即使是那些企业，Shop Pay部分很好，但不是业务的驱动力。它是一个很酷的部分，我喜欢它，但最终绝大多数的Shopify互动是我在Instagram上看到一个广告，然后点进去，点击Shop按钮，这很不可思议。但那样做使得Shopify对商家的吸引力大得多，因为你得到了Shop Pay网络。我怀疑那是业务的驱动力，我认为它是个锦上添花的东西。

约翰：
但Substack难道不能在上面加一个Substack Prime捆绑包吗？写手可以选择。问题是，那些会让捆绑包有价值的写手没有动力加入，因为他们直接向用户变现能赚更多。想象我在Substack上，Substack得给我多少额外收入，我才会拿每个订阅者每月付我的15美元，去换所有参与这个捆绑包的人给我的一个较小金额？所以他们必须真正地买通我加入，而与此同时，那些没有订阅者的写手当然会想加入。所以这就是为什么地理上的强制因素在我看来是可以解决的，我觉得现在是可以解决的。不，对不起，现在感觉是可以解决的。

本：
是的。我觉得一个反例是像Spotify这样的东西。Spotify可以说是互联网上最好的捆绑包。但他们之所以能够组装起这个捆绑包，是因为他们只需要和四个实体谈判。所以有趣的是，一方面这限制了Spotify的上升空间，因为这些实体能够从Spotify的收入中分走一大块。另一方面，这也是Spotify之所以可能的原因，因为他们只需要和四个谈判。是的。是的。而如果你试图和地球上的每一个艺术家谈判……当然，我得搞定泰勒·斯威夫特。好的，祝你好运。所有小鱼小虾会签约。音乐尤其独特，因为一首歌一旦出来，就成为目录的一部分，实际上人们只听目录里的旧歌。所以在这方面它是一个特别独特的行业。但那是一个形成的捆绑包。但我认为这是因为只有四个玩家。

约翰：
好的。你如何在写作《Stratechery》时使用AI？

本：
我认为它可能取代了我过去经常做的很多事情，就是更高效的谷歌搜索。我写的最有成就感的文章是我写一个通常不写的主题，然后来自那个行业的人说，哇，那写得太好了。因为你总是有冒名顶替综合症，"哦，但愿我没写错"。

约翰：
我没有冒名顶替综合症，但如果你在工作中，机制是什么？当你读到关于你自己的东西时，你会说"这完全错了"，然后你就不信任其他一切了。是的。

本：
我不想触发任何人的记忆丧失，所以我会……人们问我，我讨厌那个关于书的问题，"你读什么书？" 我读很多书，但非常有针对性。我读得非常快，有时我要写一篇文章，我知道有一本相关的书，我会在早上把整本书读完，把背景放进去。但总的来说，我真的想确保我完全理解我写的新领域。这也是为什么我有很大的竞争优势。我从初中就开始思考科技，我已经写了13年科技。是的。所以我已经做了很多准备工作，任何人从头开始都很难。所以我想深入研究一下。我是世界上最伟大的谷歌搜索者之一。我想我知道所有的参数和如何找到信息。所以我可以相当权威地说，谷歌搜索变差了。我不认为这是谷歌的错，我只是觉得就是更难了。有一件是谷歌的错，他们变得太偏向新鲜度了，所以你必须非常勤奋。但AI在这方面太不可思议了，对于了解背景，确保你理解一个问题的来龙去脉，事情是如何运作的。你可以查询，深入挖掘。所以这绝对是我目前的第一大用例。我不总是用，但有时我会让它……我喜欢ChatGPT，我输入BBedit作为集成。这也是我很烦的一点，对胡编乱造很敏感。"哦，这很棒。不，这不是我要问的。" 我希望它真正进去找到东西。所以我不用它来生成任何确切的内容。

约翰：
好的，所以是定向研究，然后批判？

本：
是的，这两大用例。

约翰：
你写了很多关于"台积电瓶颈"的观点，认为所有AI扩张的限制因素基本上就是台积电产能扩张的速度，因为绝大多数AI芯片都是在台积电制造的。现在看来，AI领域的一切有趣的事情，很大程度上都受限于芯片。但这不是必然的，也可能受限于电力等等。但现在受限于芯片，有很多人想快速扩张，AI实验室、英伟达等等。而台积电在扩张上更为保守。为什么会这样？为什么市场信号不让他们更快地建设晶圆厂产能？

本：
因为对晶圆厂的风险基本上比任何人都大。你花费数十亿、数百亿美元建一个晶圆厂，如果它没有被充分利用，如果你最终产能过剩，首先，所有这些成本都被锁定了。晶圆厂99.9%的成本是折旧，无论如何你都要支付折旧。所以晶圆厂可以极其赚钱。台积电的利润率比以往任何时候都高，但它们也可能很快陷入大麻烦。一旦建成，这些晶圆厂可以运行很长时间。所以过剩的产能会在未来几年压低价格。我们在内存行业一直看到这种情况。内存以周期性闻名。不管信不信，几年后我们会有太多的内存产能，因为现在太短缺了。美光刚宣布在新加坡建一个巨大的新晶圆厂。每个人都会这么做。为什么会发生在内存行业？内存有三个竞争对手，如果美光不做，SK海力士会做；如果SK海力士不做，三星会做。所以你有这样一种动态，健康的动态是晶圆厂自己更清楚，但他们控制不住自己，所以承担风险，建造这些晶圆厂。我们在逻辑芯片方面的问题是，台积电没有那种压力，所以他们实际上行为理性。台积电是在放弃潜在的长期收入。是的。但晶圆厂的下行风险太大了，他们不想承担这种风险。

约翰：
他们不能把风险转嫁给客户吗？比如"你将支付整个晶圆厂"？

本：
这可能是他们需要达到的目标。所以苹果在2010年代台积电大规模扩张时做了很多这种预付。他们可能需要在这方面做得更明确。但我认为更好的解决方案，对超大规模计算公司来说长期更便宜的方案，是做必要的事情让台积电变得更好。然后你就免费得到了它。是的，你不需要预付。所以存在这种风险，过度建设的风险。现在台积电把所有这些风险都转移给了超大规模计算公司、英伟达和苹果。他们之所以能这么做，是因为风险是"放弃的收入"。是的。是未来赚不到的钱。更糟糕的是，是四五年后赚不到的钱。现在每个公司在财报上怎么说？"我们本可以做得更多，但我们没有足够的供应。" 如果你认为现在很糟，为什么现在糟？ChatGPT出来了。每个超大规模计算公司开始疯狂投资。台积电做了什么？他们实际上同比减少了资本支出。连续两年，他们对ChatGPT时刻没有做出市场反应。现在他们去年增加到41，今年可能到60。但即使增加到60，增长百分比也低于去年。我认为在2029年我们将面临巨大的芯片短缺，特别是AI的计算密度要大得多。如果一个代理在做事情，它在有限时间内进行的计算量，远非我和我的谷歌搜索所能比拟的。而且我们还有CPU短缺。英特尔关闭了一些CPU工厂，对吧？所以整个半导体领域，我认为这是个很大的问题。长期以来，我们一直在想，怎么在地缘政治上找到台积电的替代品？事实是，这有点像捆绑问题。很难让公司买保险，尤其是当保险是，第一，每个人都想让别人去做，谁会去做牺牲？第二，可能不会发生，战争可能不会出现。第三，只要它不发生，去其他地方就是超级次优的，因为台积电更好。不只是他们的晶圆厂更好，他们的客户服务更好，他们有你需要的一切IP模块，他们有经验，你有现有关系。而且他们会惩罚你，因为他们有控制权，因为他们现在有这么大的需求，所以他们可以选择谁得到产能。人们害怕，他们不想去其他地方。那么我们怎么解决这个问题？我认为我本周甚至在《Stratechery》的首页上写了这个，基本上是我在更新里写的一样，就是有人需要介入。超大规模计算公司需要意识到，我认为一场巨大的紧缩即将到来。现在要靠他们让英特尔加速，让三星加速，形成一个可信的替代方案。理论上，你可以为了地缘政治原因或短缺而付费。不，地缘政治原因是免费的。我认为有巨大的经济原因这么做，即如果你现在不做，2029年你将放弃的所有收入。然后我们很乐意免费获得地缘政治保险。

约翰：
但如果台积电是最好的，与其扶持看起来很难的英特尔，答案不还是预付建造额外的晶圆厂吗？我们如何看待科技领域持续的运营成本，与预先投入一些钱永久解决问题？

本：
市场结构是个问题。你面对的是一个垄断者，不是说他们是个恶霸，他们非常好，实际上可以说他们没有像应该的那样大幅提价。但现实是，这个市场结构问题将影响超大规模计算公司。我认为他们最好解决这个结构问题，否则确保或克服这个问题的成本只会越来越高。

约翰：
这似乎是过去一两年你感觉最强烈的议题。

本：
我对Apple Vision Pro感觉也很强烈。

约翰：
好吧。你对Apple Vision Pro的看法是？

本：
他们终于展示了NBA比赛，然后他们不停地切换镜头。他们把2D电视制作技术应用到沉浸式技术上。就让我在场边看吧。

约翰：
我知道台积电瓶颈似乎更重要。

本：
可能吧。

约翰：
我有一些快速问答，也不一定快，就是一些不相关的问题。我来把它们连起来。

本：
太好了。

约翰：
既然AI存在了，学校应该如何处理作业？

本：
我认为他们应该整合它，可能应该进行线下考试。我是说，试图压制它是愚蠢的。我非常反对那些AI检测器，它们不管用，而且我可能特别敏感，因为显然我很多作品都在这些模型里。没有人，我的事是我不是MD用户，但我是世界上最大的分号用户。哦，不幸的是，模型似乎并没有真正吸收分号这点。我还没那么有影响力。但，是的，你想让孩子们使用它，因为谁能在未来的工作中最有效地使用AI，谁就会有很大的优势。所以可能会有一种回归，课堂上更重要。这是我一般对内容的看法。我认为在一个世界里，并非所有内容，但有些内容比以往任何时候都更有价值，因为AI是一种完美的个性化体验。你读的不一定是我读的。所以我们俩都读的东西实际上是有吸引力的，我对如何利用这一点让人们在长期受益非常感兴趣。你从学校能获得什么别处得不到的东西？我可以读笔记，读XYZ，但在课堂上参与讨论，真正互动，被推动思考这些事情。这听起来像是对学校可能是什么的美好理论描述，可能和现实相去甚远。但识别共同体验的东西将变得越来越有价值。

本：
共同的内容，共同的课堂时间，现场活动，共享的体验，因为任何个性化的东西都会被完全吞噬。

约翰：
体育队会比AI丰富的时代更有价值吗？

本：
所有现场的东西都变得更有价值。这是我在自己业务中思考很多的事情。每天有几万人读同样的东西。这实际上非常强大。做现场活动让人们聚在一起是可能的。我思考了很多关于社群的事情。我认为没人真正解决了围绕内容的社群问题，比如留言板或评论，总会有很坏的动态，少数人主导一切。没错。但如果我们在一个群聊里，你分享一篇有趣的文章，然后你们讨论它，那很棒。所以围绕这一点有很多我觉得非常有趣、我思考很多的事情。

约翰：
你对现在加密货币领域的情况怎么看？

本：
什么是加密货币？不，我一直是加密货币的捍卫者。只是因为数字稀缺性从根本上很有趣，在无限内容的世界里，它可能更有趣。我们以前以为已经有了无限内容，现在是有类固醇的无限内容。不只是60亿人类在打字，还有代理在不断地生成东西。在那个世界里，我认为加密货币作为真实性的标识将变得越来越重要。归根结底，我想要原作，不想要复制品。我对人类在似乎不可能存在价值的地方创造价值的能力感到乐观。我自己就是个专业的播客和内容创作者，并为此获得高额报酬。想象向一个担心自动化的农场主解释这个。

约翰：
说到这个，你提到现在《Stratechery》的大部分消费是音频形式而不是书面形式。

本：
据我所知，我不做统计，但超过一半的订阅者是订阅音频形式的。这很有意思。我添加播客功能，实际上是我开始自己开发软件的时候。我央求每个人支持付费播客，有专门的付费播客，有写作的，但没人做。所以，当然，我不得不雇工程师自己建，结果显然这是正确的做法。现在每个人都这么做了。不管怎样，这大概就是我的命。但是，人们很喜欢。有趣的是，我不确定这对我的业务有好处。

约翰：
为什么？

本：
好消息是，我认为它促进了留存，因为人们会积累邮件，感觉是很多工作，他们会说"我好久没读了，退订"。而他们只需消费七八分钟。问题是他们不分享。音频内容不会被分享。没错。我在下班回家的车上听，很棒，然后我再也不会想起它。

约翰：
没错。

本：
但这对我来说很棒，因为我可以第二天写同样的内容，你可以觉得"哇，很有洞察力的评论"，而不知道我昨天刚说过。是的。

约翰：
如果我们思考未来哪些行业会变得重要，比如AI建设，能源将是一个大问题，以及为即将上线的新数据中心供电的能力。这可能比芯片更严重的制约。

本：
我的意思是，我认为任何有能力真正建造东西的国家都处于有利位置。但话又说回来，反方论点，如果我可以从乐观的角度看，未来的挑战，有点逆末日论者的说法，实际上是创造新形式的价值，新的价值来源，以人类独特的方式。这定义上就是一种创新的故事。它是将资源从机器可以做的事情中解放出来，用于更高效的事情。它是一个能拉动这种创新的消费市场，使得写通讯或播客并为此付费成为可能。而实际的价值创造，使人之所以为人，并产生价值，我认为AI界的人们对此持怀疑态度，尽管我们90%的人从事农业，只有1%的人从事……不知为何这不会重演。如果你想乐观，那是美国一直擅长的事情。

约翰：
你对Stripe有什么反馈给我们？

本：
从哪里开始呢？我显然很难写Stripe，因为我不客观，我太早期了。我认为你们在2011年推出了计费API，这直接激发了我认为这个商业模式可行的想法。所以在那点上，大大的点赞。你没警告过我这点，我本该想到的。实际上你们有一个大问题，我最近刚遇到。

约翰：
哦，是吗？

本：
你们的A计划实施上，如果有人进来，如果我试图在一个A计划上加人，假设我有一个团队计划，这是你们使用A计划的方式，大公司想加个人，如果那次加人失败了，整个计划就会被取消。所以我们必须建立很多逻辑来独立处理这个问题。

约翰：
好的，这是个非常具体的问题。我们正面临有Bug的A计划订阅互动。好的，这是个好反馈。肯定还有更多，我得回去想想。但我确实认为，我们没有在这个领域谈论稳定币。我一直对微交易持怀疑态度，因为它回到了调查报道的问题。你不能只靠后端货币化来建立可持续的东西。唯一的方法是拥有一个非常大的市场，这就是YouTube。YouTube是一堆投机性的视频制作者，希望获得足够多的浏览量，让广告支付他们。YouTube规模如此之大，广告变现如此有效，所以行得通。对于文字内容或播客内容，没有这样的市场。人们会说，哦，为一篇文章付费。不，当你为我付费时，你是在为我的持续生产付费。我向你承诺我会每天写东西，你为那个承诺付费。你不是在为实际的内容付费。内容是那个承诺的副产品。AI和微交易的问题是，所有这些实验室付钱给世界各地的人们生成数据。如果你是个放射科医生，你每小时赚300美元。我看到一篇文章讲所有这些浮动比例，大家都在重复工作。这是因为每个人都觉得有差异化。我们显然需要某种数据生成的市场机制，从长远来看，这将取代我们从新闻企业那里获得的东西，这些企业比以往任何时候都更注定要失败。那么，如何生成像你直接为内容付费，然后AI可以获取它，你可以建立一个像YouTube那样的大市场，人们会投机性地做，相信他们会得到报酬，因为市场足够大？这是需要发生的。像很多事情一样，有巨大的鸿沟，我们如何从这里到那里？但我们拭目以待。我知道Cloudflare正在推动这件事。我们拭目以待。

约翰：
最后一个问题。你如何评价大型科技公司，比如五大巨头的执行力？

本：
好的。苹果传统上非常强大。他们的制造仍然令人惊叹。刚出的iPhone Air，我把闹钟关了，确保我把贪睡关了。有史以来最好的智能手机。

约翰：
真的？我从来没见过。

本：
哦，它很薄。

约翰：
电池续航好吗？

本：
足够好。

约翰：
那听起来像是不好。

本：
不，没问题。我今天忘了带外接电池，现在还撑得住。实际上我很喜欢它。听到他们可能不常规生产了，我很震惊。显然，苹果的软件已经变得相当粗糙。他们与开发者的关系，苹果的有趣之处在于，现实是，当涉及到平台时，你必须付出代价成为平台，那就是做出伟大的产品。所以苹果懂平台，他们做出了伟大的产品，但他们是平台的糟糕管理者。微软是个很好的平台管理者，但他们做不出好产品，所以他们从未获得拥有大平台的许可。这有点悲剧。但苹果是一家老公司，由经理人而非创始人驱动。也许，Siri变得这么糟显然非常糟糕。但归根结底，我们仍然需要设备。他们仍然比任何人都擅长。所以他们可能还好。谷歌，我一直最难理解谷歌，部分原因是我认为谷歌做了很多次优的事。几乎每件事我都觉得他们做得次优。但我认为，缺乏苹果那样的优化，实际上可能使他们成为所有科技公司中最有韧性的。因为他们从未如此精确地做他们应该做的事，他们有所有这些额外的虚饰，做各种科学项目。但由于他们的核心商业模式如此之好，产生如此多的现金，他们可以非常灵活。我开始欣赏这一点。所有在分析他们时让我沮丧的事情，实际上有这种隐藏的益处：韧性、力量和适应性。他们就像变形虫，如果他们朝你方向来，你可能会有大麻烦。他们可能需要很长时间才能到那里，但一旦到了，你就完蛋了。微软，我一直写微软写对了。每个人都，特别是在SaaS时代，所有公司都说，"微软糟透了，我们要做同类最佳的产品"。猜怎么着？硅谷的初创公司，他们想买所有同类最佳的产品，并且有能力把它们组合在一起。经营轮胎店的Joe不在乎，他只想要这东西能工作，能一起工作。如果所有东西都平庸，但能一起工作，那比同类最佳要好。一次又一次，这些公司增长，然后撞上微软这堵墙。这在AI时代会持续吗？这可能和之前SaaS的问题有关。他们的分销和在那里的权力仍然巨大。Meta可能是我经验中执行力最好的。你通常看到和公关或高管互动，他们运作得如此紧凑，这总是让我印象深刻。我认为，再次，我认为他们的广告模式被低估了。他们的诀窍是保持用户参与，这是整个事情运转的关键。他们在这方面做得不错。在ChatGPT上花的时间，就是没在Instagram上花的时间。我认为这是被低估的一个领域。我认为他们有点在赌，好吧，今天一切都好，但从长远来看，这是个基础设施游戏，我们有现金流来资助它，而OpenAI没有。我认为OpenAI可能对Facebook的威胁比对谷歌更大，这值得考虑。但Facebook显然在花钱应对。现在，亚马逊。有大量的晶圆产能和电力花在Tranium上，有人可能会想，花在其他芯片上会不会更好。但我们拭目以待。

约翰：
人们不是对Tranium芯片满意吗？

本：
亚马逊优化云计算的程度，我认为是被低估的。当你在一个商品市场运营时，有两种成功的方式，对吧？你可以有差异化的产品，收取高利润；或者你可以在商品市场拥有更低的成本结构，价格下限是市场价格，但你的成本结构比竞争对手低。那就是你赚取利润的地方。这就是亚马逊主导云的方式。他们的云比其他任何人的都优化得多。整个Nitro架构，他们构建一切的方式，自己做很多芯片，转向Graviton。我认为关于Graviton，他们的ARM CPU，谁是Graviton的头号客户？亚马逊自己。所以他们可以把所有负载移过去，优化它，构建所有软件库，然后以成本为基础提供给其他人。这就是他们试图用Tranium玩的剧本，长期来看Tranium的头号客户是亚马逊，然后他们为其他人开发所有能力，以更低价格吸引其他人，他们拥有结构性的成本优势。问题在于，当你在性能上趋于平稳时，这种方法才有效。亚马逊在2005年到2025年间执行了这个模式。当然，处理器在那段时间变得更快，但不像是80、90年代每一代都有巨大飞跃。在一个相对较新的市场，当每一代之间都有巨大飞跃，而他们有英伟达服务器时，这种方法还行得通吗？他们能有英伟达那么多吗？因为他们执行这个策略。

约翰：
本，谢谢你。

本：
谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

最新数据强化了“无衰退降通胀”的叙事。周五公布的通胀报告显示，1月剔除食品和能源的核心价格同比上升2.5%，为2021年通胀上行以来最低水平。周三的另一份数据显示，1月失业率回落至4.3%，新增就业13万人，高于预期。

不过，数据的“漂亮”并不等于任务完成。核心通胀仍接近3%，较去年4月触及的2.6%低点有所回升，Nick Timiraos指出，多位分析人士预计关税涨价从港口向商店传导后，今年通胀下行可能放缓，甚至停滞在2%目标之上。

政策与市场的下一步也更敏感。鲍威尔任期将于5月结束，若经济继续强劲，白宫可能要求降息，而特朗普拟接棒人选沃什将以“巩固成果”还是“降息追求更宏伟目标”为导向，也可能重塑未来的政策路径。

通胀回落更像“快照”，2%目标仍未到手

Timiraos在文中称，最新核心通胀读数在一定程度上受到去年秋季政府停摆造成的数据缺口影响，存在“技术性压低”的因素，但它仍显示出今年年初并未重演过去三年那种破坏通胀回落叙事的价格压力。

与此同时，通胀结构仍不轻松。报告显示，住房成本这一此前推升通胀的最大驱动项已明显降温，但住房之外的服务价格仍偏坚挺，且对关税更敏感的商品价格出现加速。

剔除二手车后，核心商品价格在1月按年化计算上涨4.4%，创三年来最快增速。分析人士认为，这也暗示汽车制造商在2025年吸收关税成本后，开始将更多成本转嫁给消费者。

美联储官员的担忧也从“再度飙升”转向“停在高位”。费城联储主席Anna Paulson上月在采访中表示，她不会宣布“软着陆”胜利，“通胀需要到2%，我们还没完成工作”，其预测是到年底月度通胀读数才会与2%一致。

就业不差，但修订后的“低速扩张”暴露脆弱性

就业市场维持表面稳定的同时，底层动能在变弱。年度修订显示，2025年全年平均每月新增就业仅约1.5万人，低于二战以来除衰退年份外的几乎所有年份，新增岗位还高度集中在医疗和教育领域。

Payden & Rygel首席经济学家Jeffrey Cleveland称，“大家以为会发生的最坏情况并没有发生”，但他同时认为劳动力市场“客观上偏弱”，今年失业率更可能上行而非下行。

报告期内失业率之所以能保持稳定，很大程度上是因为企业既没有大量新增，也没有大规模裁员，但这种“脆弱均衡”并不牢固。

Nick Timiraos提到，潜在触发因素包括人工智能重塑行业格局后，一些股价大幅回撤的公司可能通过裁员等方式压降成本。

消费强韧既是支撑，也是通胀“最后一公里”的阻力

Nick Timiraos指出，除了就业，另一条关键风险指向资产价格与消费。家庭财富在多年股市上涨中被抬升，若市场出现持续性抛售，消费者可能收缩支出，从而削弱增长引擎。

但也有人认为，软着陆的更大风险恰恰来自消费过强，令通胀卡在2%上方。

Barclays首席美国经济学家Marc Giannoni表示，他对“软着陆”反而有些紧张，因为家庭整体财务状况良好，“财富几乎全面上升”。他预计今年失业率将降至4%，而通胀大致维持在2.8%，这与Cleveland的预测形成“镜像”。

Giannoni还称，关于“K型经济”导致富裕家庭支出掩盖低收入群体脆弱性的叙事被夸大，这对经济扩张是好消息，但对通胀回到2%并不有利。

关税与财政变量叠加，美联储交接放大政策不确定性

通胀能否继续下行，还取决于供给侧与政策侧变量。Nick Timiraos指出，多位分析人士预计，关税相关涨价在供应链中逐步传导，将使今年通胀改善空间受限。

PGIM Fixed Income首席全球经济学家Daleep Singh则指出，人工智能相关资本开支去年对经济产出贡献接近1个百分点，今年可能再度提供类似支撑。

Singh还提到，在今年秋季中期选举前，特朗普政府有动机采取更扩张性的财政政策，并在贸易行动上更为谨慎，因为去年4月大幅加征关税已推高生活成本压力。他预计通胀年末约在3%。

在这样的增长与通胀组合下，货币政策的“最后一段路”可能更难走。软着陆虽比外界原先预期更近，但并未“锁定”；而当经济保持强劲时，白宫对降息的诉求与美联储对通胀目标的坚持，可能成为市场重新定价的核心变量。

本文来自华尔街见闻，欢迎下载APP查看更多

OpenAI API及开发者平台工程负责人Sherwin Wu透露，公司内部95%的工程师已使用Codex编程，且未来12至24个月内，AI模型有望连贯执行长达数小时的复杂任务。

近日，OpenAI API及开发者平台工程负责人Sherwin Wu（舍温·吴）在参与Lenny's Podcast访谈时，详细披露了OpenAI内部的AI使用率数据，并对AI如何重塑软件工程、未来模型的演进路径以及SaaS行业的市场机遇进行了深度解析。

内部实测：95%渗透率与“被吞噬”的中间层

市场高度关注AI在实际生产环境中的落地情况。Sherwin Wu披露了OpenAI内部的一组核心数据：目前，OpenAI 95%的工程师日常都在使用Codex（OpenAI的编程模型），且100%的PR也每天由Codex审查。Sherwin Wu表示：

“对于像我这样的管理者来说，现在使用这些AI工具比自己手动编码要容易得多。我们所有的代码现在都是由Codex编写的。”

数据还显示，深度使用AI工具的工程师产出显著高于普通用户。

“倾向于更多使用Codex的工程师开启的PR数量比不常使用的工程师多出了70%，而且这个差距还在随着时间的推移而扩大。”

值得注意的是，OpenAI内部正在进行一项激进实验：一个团队正在维护一个100%由Codex编写的代码库，这将导致开发模式的根本性转变。

针对目前市场上大量围绕AI构建的工具链（如向量数据库、智能体框架等），Sherwin Wu提出了“苦涩的教训”：

“模型会毫不费力地吞噬掉你的脚手架（scaffolding）。”

他指出，随着模型能力的提升，许多为弥补模型缺陷而建立的中间层将变得多余，开发者应“为模型将要发展的方向而构建，而不是为它们今天的样子而构建”。

职业重塑：工程师正变成施展咒语的“巫师”

关于AI对就业结构的影响，访谈中提出了一个形象的比喻。Sherwin Wu认为，独立贡献者（IC）角色的工程师正在转变为“技术负责人”或管理者。

“工程师正在成为技术负责人。他们正在管理成群的智能体（agents）。这真的感觉就像我们是巫师，在施展各种咒语，而这些咒语就像是出去为你做事。”

他描述了未来的工作场景：工程师不再逐行写代码，而是同时管理10到20个并行的AI线程，引导它们完成任务。这种变化使得高绩效人才的杠杆率被极度放大，也就是所谓的“马太效应”——AI让优秀的人变得卓越。

未来指引：B2B SaaS的黄金时代与“长任务”模型

针对市场热议的“一人十亿美元创业公司”（One-person billion-dollar startup）概念，Sherwin Wu给出了独特的“二阶效应”推演。他认为，为了赋能这样的超级个体，市场将需要大量定制化的软件工具。

“我认为我们可能实际上正在进入B2B SaaS的黄金时代。”

Sherwin Wu分析称，虽然可能会出现单人十亿美元公司，但更确定的机会在于会出现成百上千个为这些超级个体服务的“千万美元级”小微SaaS公司。这将改变风险投资的生态系统，创业门槛将大幅降低。

在技术演进的时间表上，Sherwin Wu给出了明确的预测：

1、长任务处理能力： 目前前沿模型能处理不到一小时的任务。

“在未来12到24个月，我们可以看到能够非常连贯地执行多个小时任务的模型。在某个时候，它可能能达到六小时一天的长任务。”

2、多模态爆发： 音频和语音将在未来6到12个月内变得更重要，尤其在企业业务流程自动化领域被严重低估。

OpenAI强调其平台定位，Sherwin Wu明确表示，OpenAI视自己为生态系统平台，致力于“提高水位”，而非通过发布竞品来扼杀初创公司。

Sherwin Wu接受采访全文翻译：

舍温·吴（Sherwin Wu）

95% 的工程师使用 Codex，我们 100% 的 PR 都由 Codex 审查。

伦尼（Lenny）

对于工程师来说，我不知道在过去几年里，还有什么职业的变化比这更大。

舍温·吴（Sherwin Wu）

工程师正在成为技术负责人。他们正在管理成群的智能体（agents）。这真的感觉就像我们是巫师，在施展各种咒语，而这些咒语就像是出去为你做事。

伦尼（Lenny）

你认为人们还没有充分预料到的是什么，是……

舍温·吴（Sherwin Wu）

……单人十亿美元创业公司的第二或第三阶效应，是为了赋能单人十亿美元创业公司而出现的效应。可能还会有 100 个其他小公司在构建定制软件。所以我认为我们可能实际上正在进入 B2B SaaS 的黄金时代。

伦尼（Lenny）

我越来越多地听到，当人们的智能体（agents）不工作时，他们会感到压力。

舍温·吴（Sherwin Wu）

实际上，现在有一个团队正在 OpenAI 内部做一个实验，他们正在维护一个 100% 由 Codex 编写的代码库。他们遇到了你描述的那些确切问题。通常情况下，你会想，"好吧，我要卷起袖子，自己搞定它。"但这个团队没有那个"逃生舱"。

伦尼（Lenny）

你分享过，在 AI 领域，倾听客户的意见并不总是正确的策略。

舍温·吴（Sherwin Wu）

这个领域和模型本身变化太快了，它们往往会自我颠覆。模型会毫不费力地吞噬掉你的脚手架（scaffolding）。

伦尼（Lenny）

对于那些觉得"好吧，我不想错过这班船"的人，你有什么建议？

舍温·吴（Sherwin Wu）

确保你是在为模型将要发展的方向而构建，而不是为它们今天的样子而构建。但我们这里负责科学的副总裁凯文·韦尔（Kevin Weil）说过一句话，他喜欢说："这是模型有史以来最差的时候。"

伦尼（Lenny）

今天的嘉宾是舍温·吴（Sherwin Wu），他是 OpenAI API 和开发者平台工程负责人。考虑到基本上每个 AI 初创公司都在集成 OpenAI 的 API，舍温对于正在发生的事情以及未来的发展方向有着极其独特和广阔的视野。在我们精彩赞助商的简短致辞之后，我们马上进入正题。

伦尼（Lenny）

舍温，非常感谢你来到这里，欢迎来到播客。

舍温·吴（Sherwin Wu）

谢谢你的邀请。

伦尼（Lenny）

我想从感觉像是 AI 进展的晴雨表开始，特别是在工程领域。就目前而言，你自己（如果你还在写代码的话）和你的团队的代码，有多大比例是由 AI 编写的？

舍温·吴（Sherwin Wu）

我现在偶尔还是会写代码。实际上，我想说的是，对于像我这样的管理者来说，现在使用这些 AI 工具比自己手动编码要容易得多。所以我知道，对我自己以及 OpenAI 的其他一些工程经理来说，我们所有的代码现在都是由 Codex 编写的。但更广泛地说，公司内部充满了能量，一种实实在在的能量，大家都在谈论这些工具已经变得多么强大，Codex 对我们来说变得多么好用。我们很难精确衡量有多少代码是由 AI 编写的，因为绝大部分代码，我想说接近 100%，通常首先是由 AI 生成的。不过，我们确实跟踪的是，目前绝大多数工程师每天都在使用 Codex。所以，95% 的工程师使用 Codex，我们 100% 的 PR 也每天由 Codex 审查。基本上，任何进入生产环境、被合并的代码，Codex 都会过目，并在 PR 中提出改进建议、提出更改。这是我们内部看到的情况。但总的来说，最令人兴奋的还是那种能量，那种……存在的能量。

舍温·吴（Sherwin Wu）

我们观察到的另一件事是，倾向于更多使用 Codex 的工程师会开启更多的 PR。他们实际上比不常使用 Codex 的工程师多开了 70% 的 PR，而且这个差距还在扩大。所以我觉得，那些开启更多 PR 的人开始越来越多地学习如何使用这个工具，变得更高效。那 70% 的差距还在随着时间的推移而增长。自从我上次看这个数字以来，它可能实际上又增加了。

伦尼（Lenny）

好，只是为了确保我们听清楚了你的意思，OpenAI 那 95% 的工程师的所有代码都是由 AI 编写的？代码写出来，然后他们再审查？

舍温·吴（Sherwin Wu）

是的，是的。

伦尼（Lenny）

这太疯狂了。几乎到了我们不再觉得疯狂，已经开始习惯的程度了。

舍温·吴（Sherwin Wu）

我认为还是有些需要习惯的地方，明确一下。也有些工程师，我想他们对 Codex 的信任度稍微低一点。但基本上每天我都会和某个人交谈，他们对 Codex 能做的事情感到惊叹，他们对模型的信任度，或者说，他们有多大程度上信任模型能独立完成工作的程度，会一次又一次地提高。我们这里负责科学的副总裁凯文·韦尔有句话，他喜欢说："这是模型有史以来最差的时候。"对于软件工程来说，这也是模型有史以来最差的时候。所以随着时间的推移，我们看到人们越来越信任它。然后我们也会看到模型本身变得越来越好。

伦尼（Lenny）

是的，凯文·韦尔，以前也是播客嘉宾，他在这档播客里也说过这句话，说过几次。是的，是的。Claude Bot / Mulbot / OpenClaw 的开发者最近分享说，他在工作中使用 Codex，他觉得只要 Codex 做了某事，他就相信它做了正确的工作，他几乎可以肯定可以直接提交到主分支，而且结果会很好。

舍温·吴（Sherwin Wu）

他是 Codex 的重度用户。我知道他和团队保持密切联系，给了我们很好的反馈。他那样使用它，我并不惊讶。我是说，它叫 OpenClaw。是的，OpenClaw。很棒的产品。然后我看到更多，我是说，这是最近的事，就今天早上，我想最令人印象深刻的是看到所有那些 AI 智能体在互相交谈。相当超现实。

伦尼（Lenny）

这基本上就是《星际迷航》中的博格人在现实生活中发生了。所以回到我们正在经历的这一个疯狂时刻，特别是对工程师而言。我们经历了一个转变，从你写每一行代码，到现在 AI 在写你所有的代码。我不知道在过去几年里，还有什么职业的变化比这更大，一个我们没想到会变化这么大的职业。工程师的工作在其整个职业生涯中变得如此不同。在过去的几年里，现在它已经转变为"我不再写代码了"。我甚至想象一下未来几年工程师的角色和软件工程师的工作，那会是怎样的？

舍温·吴（Sherwin Wu）

我是说，看到这个真的很酷，这也是兴奋感的一部分，因为这份工作很可能在未来一两年内发生相当显著的变化。不过感觉我们还在摸索之中。所以有一种兴奋感，我知道特别是一些软件工程师会觉得，我们处在一个罕见的时刻，也许在未来 12 到 24 个月里，我们可以自己摸索出这些东西，为我们自己设定标准，关于我预见到它会如何发展。所以，我觉得大家都在说一件事，那就是，人们普遍认为，独立贡献者工程师正在成为技术负责人。他们基本上成了管理者，在管理成群的智能体。我知道我团队里的很多工程师基本上同时有 10 到 20 个线程在进行。显然不是同时在运行活跃的 Codex 任务，而是有很多并行的线程。他们在检查这些线程在做什么，在引导智能体和 Codex，并给予反馈。所以他们的工作真的从仅仅是编写代码本身，变成了几乎像一个管理者。我认为在未来一两年内，情况还会如此。

舍温·吴（Sherwin Wu）

我经常回想起的一个比喻，实际上来自我大学时读过的一本编程教科书，叫做《计算机程序的构造和解释》（SICP，Structure and Interpretation of Computer Programs）。你可能听说过它。在麻省理工学院，它非常有名，实际上作为入门编程课程的教材使用了很长时间。它有一群狂热的追随者。它教你编程，教你一种叫做 Scheme 的 Lisp 方言。它向你介绍了函数式编程之类的东西，非常有启发性。但那本书对我来说最难忘的是……我是在大学里读的。它一开头就把编程描述为一门学科，并画了一个比喻，基本上就像巫术。它说软件工程师就像巫师，编程语言就像咒语，你……你在念诵咒语，这些咒语就像是出去为你做事。挑战在于，你需要念诵什么样的咒语才能让程序做你想做的事？这本书写于 1980 年，所以这是很久以前的事了。

舍温·吴（Sherwin Wu）

我认为这个比喻实际上在某种程度上一直存在。而且我认为，当我们进入这个"氛围编码"（vibe coding）的新时代，或者软件工程未来会变成什么样的时候，这个比喻实际上正在上演。因为编程语言基本上就是我们在使用的咒语。它们随着时间的推移而改变。挑战始终是，而且趋势一直是，通过编程让计算机做你想做的事变得越来越容易。我认为当前的 AI 浪潮很可能是这个演变的下一个阶段。它现在真的是字面意义上的咒语了，因为你可以告诉 Codex，告诉 Cursor 你到底想做什么，然后它就会全部替你去完成。我特别喜欢巫师和巫术的类比。因为我认为我们现在的状态开始向《幻想曲》里的"魔法师的学徒"靠拢。米老鼠戴上魔法师的帽子，试图做所有事情。我认为这是一个非常贴切的类比，因为第一，它确实非常强大。现在你能施展的咒语，杠杆作用极高，但你必须知道你在做什么，对吧？就像在"魔法师的学徒"里，整个情节就是米老鼠失控了，扫帚发疯了，到处都是水。他基本上是让扫帚去执行一个任务，然后自己睡着了。所以你知道，这就是"氛围编码"的极致体现。最后老魔法师回来，把一切都清理干净。当我看到工程师们一次处理 20 个不同的 Codex 线程时，这确实需要一些技巧，需要一定的资历，需要投入很多思考，因为你要确保模型不会偏离轨道。你肯定不想就这样完全走开，忽略这件事。但它的杠杆作用也极高。一个非常资深的工程师，如果非常擅长、非常熟练地使用这些工具，现在可以通过他们正在做的事情完成多得多的任务。我认为这也是它变得有趣的原因。它真的让我们感觉现在就像巫师一样。我们感觉更接近拥有这种神奇的体验，我们施展所有这些咒语，让软件为你做所有事情。

伦尼（Lenny）

当你描述的时候，我正好想到了"魔法师的学徒"这个比喻。所以很高兴你提到了它。之前有位播客嘉宾把它描述为你拥有一个可以满足你愿望的精灵，这是个有用的框架，因为你必须非常清楚你想要的愿望是什么。

舍温·吴（Sherwin Wu）

如果你想变大，要多大，是的。或者可能是那种"猴爪"式的，你知道，你得到了你想要的，但随之而来的正确效果是什么？是的，我认为这个比喻很棒。对我来说，疯狂的是那本书《计算机程序的构造和解释》的持久力。它被称为"巫师书"，人们称它为巫师书，就是因为他们贯穿全书编织的那个比喻，而我们基本上现在已经达到了那个点，这真的很酷。

伦尼（Lenny）

我想顺着两个方向聊。一个是，我越来越多地听到，当人们的智能体不工作时，他们会感到一种压力。你发出了所有这些 Codex 智能体，然后你必须时刻关注它们。哦，有一个不工作了，我在浪费时间。你在你的团队里感受到这种压力吗？

舍温·吴（Sherwin Wu）

我是说，这经常发生。我实际上认为，这正是当前所有这一切中有趣的部分所在，因为这些模型并不完美，这些工具也不完美，我们仍在试图弄清楚如何最好地与 Codex 或这些 AI 智能体互动来完成工作。我们内部经常遇到这种情况，有一个特别有意思的团队。实际上，现在有一个团队正在 OpenAI 内部做一个实验，他们基本上在维护一个 100% 由 Codex 编写的代码库。所以，你知道，有些时候你会让 AI 写代码，但你显然最终会重写很多代码，你可能需要仔细检查和修改。但这个团队完全由 Codex 操刀，完全投入其中。他们遇到了你描述的那些确切问题，比如，他们的挑战是，你知道，我想完成这个功能，但我无法让智能体做到。通常情况下，会有一个"逃生舱"，那时你会想，"好吧，我要卷起袖子，自己搞定它。"然后我不再用 Codex，而是可能使用 Cursor 里的 Tab 补全之类的功能。但对于这个实验团队来说，他们没有那个"逃生舱"。所以挑战就变成了：我如何让智能体做到这一点？我实际上认为我们很快会发布一篇博文，分享我们的一些经验。许多迷人的范例和最佳实践正在涌现出来。

舍温·吴（Sherwin Wu）

我们注意到一件有趣的事，我不知道这是不是你感受到的，但我们在这里确实感受到了，很多时候，当编码智能体没有做你想让它做的事情时，问题通常出在上下文和你提供给它的信息上。要么是规定得不够明确，要么就是没有足够的信息让智能体、让 Codex 了解如何去做某事。所以当你必须通过这种方式解决它时，挑战就在于添加文档，实际上就是围绕这个限制开展工作，基本上把更多你脑子里知道的、那种不成文的、部落式的知识，以某种方式编码到代码库里，要么通过代码注释本身，要么通过代码结构本身，要么通过像 .md 文件、skills 文件这样的文本文件，或者任何其他类型的、仓库内部的额外资源，这样模型就能更好地完成任务。这个团队还有很多其他的经验，我认为探索起来会很迷人。但是，是的，去掉不再使用 AI 这个"逃生舱"，让他们能够开始拼凑出许多问题，如果我们真的想深入智能体领域，这些问题是我们必须解决的。

伦尼（Lenny）

人们遇到的另一个问题，你谈到了人们如何疯狂地提交 PR。如果他们用 AI 工作，会提交多得多的 PR。显然，代码审查正成为一个更大的挑战。你的团队有没有想出什么办法来帮助加快审查速度，让它能够规模化，而不只是给人们创造一个糟糕的工作——他们整天就坐在那里审查 PR？

舍温·吴（Sherwin Wu）

是的，我的意思是，现在 Codex 会审查我们 100% 的 PR。所以我认为，一件非常有趣的事情是，我们倾向于立刻交给模型做的事情，往往是那些让我们烦恼的事情，或者是软件工程中最无聊的部分。这也是为什么现在更有趣了，因为我们可以做更多有趣的事情。就我自己而言，我真的很讨厌代码审查。对我来说这是最糟糕的事情之一。我记得我大学毕业后的第一份工作在 Quora，我负责新闻推送。所以我拥有新闻推送的代码，因此我是新闻推送的审查者。它是每个人都会触及的核心代码。所以每天早上我登录后，会有 20 到 30 个代码审查等着我，我心里想，"哦，天哪，我得把这些都看完。"我会拖延，然后它就长到 50 个。所以有很多代码审查。

舍温·吴（Sherwin Wu）

Codex 非常擅长审查代码。所以我们注意到的一件事是，o1 在审查代码方面变得异常熟练，特别是当你把它引导到正确的方向时。所以对于代码审查，是的，我们创建了很多 PR，但 Codex 审查了所有 PR。它让代码审查从一个可能需要 10 到 15 分钟的任务，有时甚至只需要 2 到 3 分钟，因为已经有了很多内置的建议。很多时候，特别是对于小的 PR，你甚至不需要人来审查。我们用这种方式交叉使用 Codex，原始作者会看看 Codex 的建议。代码审查的好处是拥有第二双眼睛来确保你没有做任何蠢事。Codex 现在是一双相当聪明的第二双眼睛。所以这是我们在整个 CI 流程中大力投入的方向，比如推送后和部署后的流程，现在内部也通过 Codex 实现了高度自动化。如果你和很多工程师交谈，最让他们烦恼的事情是，在你写完漂亮的代码之后，如何把它投入生产？你需要运行所有这些测试，你需要处理错误，是的，还有所有的代码审查。你可以用 Codex 做很多自动化的事情。所以我们内部实际上构建了一些工具来帮助自动化这个过程，自动化 lint 检查。如果有一个 lint 错误，用 Codex 修复非常容易，然后它可以就直接打补丁，然后重新启动 CI 流程。所以我们正努力把所有这些都压缩到，尽可能少地占用工程师的工作，其结果是，他们现在可以合并并推送更多的 PR。

伦尼（Lenny）

Codex 写代码，Codex 审查它自己写的代码。我很好奇，你是否愿意使用其他模型来审查你们自己模型的工作？这是一个路径吗？还是说，它已经足够好了，我们不需要别的了？

舍温·吴（Sherwin Wu）

我想说的是，这里面肯定存在一个循环问题。回到"魔法师的学徒"，你要确保不让扫帚疯跑。所以，我们对于哪些 PR 是完全由 Codex 审查的，考虑得非常周到。大多数人显然还是会看一眼他们自己的 PR，所以并不是降到零了。更像是从 100% 的关注度降到了 30% 的关注度，这有助于推动事情进展。至于使用多个模型，我们显然在内部测试了很多模型。所以我们有很多。我们较少使用外部模型。我们认为"吃自己的狗粮"，使用我们自己的模型，并从那里获得反馈，这很重要。但你也可以使用很多内部模型变体来给你提供不同的视角。我们发现这样做效果很好。

伦尼（Lenny）

好的，只是为了确保我们了解今天 OpenAI 世界在 AI 编码方面的一个晴雨表，以便我理解。然后我想转到不同的话题。目前 OpenAI 内部 100% 的代码都是由 Codex 编写的？是这么说的吗？

舍温·吴（Sherwin Wu）

我不会说今天运行在生产环境中的 100% 代码都是由 AI 编写的。这很难做归因。但几乎每个工程师现在都在他们所有的任务中大量使用 Codex。所以，如果让我猜的话，我会说绝大部分代码现在可能都是由 AI 创作的。

伦尼（Lenny）

难以置信。好的，有很多讨论，我们一直在谈论独立贡献者（IC）的角色，独立贡献者工程师的工作。我们来谈谈管理者角色的变化，特别是工程经理。作为管理者，你的生活随着 AI 的兴起发生了怎样的变化？你认为管理者未来的角色是什么？

舍温·吴（Sherwin Wu）

变化肯定比工程师小。还没有专门给管理者的 Codex，是的，还没有。但是，我用 Codex 来帮我做一些更像是管理性质的任务。我想说有几件事已经变了。有一些趋势。所以我认为它变化还不大，但我看到了趋势。如果你推演下去，你可以大致看到这将会走向何方。一件事变得越来越清晰，Codex 确实赋予了顶尖表现者极大的能力，让他们能做更多，效率更高。所以它确实，我认为这对于整个社会的 AI 来说可能也是真的，那就是那些真正投入其中的人，那些有高度能动性的人，会真正擅长使用这些工具，他们会自我增压。所以我现在也注意到了这一点，那就是顶尖表现者最终会变得更有生产力，所以你以这种方式看到团队生产力的分布变得更广了。

舍温·吴（Sherwin Wu）

所以，我作为管理者，一直坚持的一个管理理念是，实际上把大部分时间花在顶尖表现者身上，确保他们不被阻碍，确保他们开心，确保他们感到有生产力，感到被倾听。我认为在一个 AI 世界里，这更加正确，因为你的顶尖人才会利用这些工具飞速前进。我认为一个例子就是那个维护 100% Codex 生成代码库的团队，就让他们放手去干，看看会发生什么，这已经带来了回报。所以这是我看到的一个趋势，管理者把更多时间花在顶尖表现者身上，我认为这很可能会继续下去。另一件事，这是一个观察，我的感觉是，随着管理者可以使用很多 AI 工具，不是写代码，而是像连接了组织知识的 ChatGPT，能够进行研究，更好地理解组织背景。另一个好例子是我们正在进行绩效评估，使用连接到内部知识（如 Github、Notion 文档、Google 文档）的 ChatGPT 真的很容易，可以很好地了解这个人过去 12 个月做了什么，甚至可以写一份简短的研究报告。我的感觉是，在这个世界里，管理者将能够管理更大的团队。有点像软件工程师管理 20 到 30 个 Codex 智能体。我的感觉是，这些工具将使管理者，人事管理者，能够获得更高的杠杆作用。它将使他们能够管理比当前最佳实践多得多的团队。所以我认为软件工程大约是 6 到 8 个人，对吧？你可以看到这适用于非工程领域，比如支持或运营，以前支持团队的规模可能受限，但随着你可以把更多事情交给智能体，你实际上可以做更多工作，也能以这种方式管理更多人。

舍温·吴（Sherwin Wu）

我认为同样的事情也可能发生在人事管理上，尤其是在科技公司。我们已经看到了这一点。有些团队，他们的工程经理管理者相当多的人，而且他们做得相当不错，因为有了这些工具，他们可以获得更高的杠杆作用，更好地了解他们的团队在做什么，更好地理解组织背景，并以那种方式运作。

伦尼（Lenny）

我喜欢你说的这种方式，你总是倾向于顶尖表现者，花更多时间与他们在一起，为他们扫清障碍，确保他们开心。就像马克·安德森（Marc Andreessen）在我们的播客上说的，你描述的方式是，AI 让好人变得更好，让优秀的人变得卓越。而你在这里说的是，越来越多地这样做可能是正确的做法，花更多时间与你团队中最优秀的人在一起，为他们扫清障碍，确保他们拥有所需的一切。

舍温·吴（Sherwin Wu）

是的，现在有个很好的例子。可以说，内部有一群工程师，他们是 Codex 的重度爱好者，正在思考与这个模型互动的最佳实践是什么。这对他们来说是一件杠杆作用极高的事情。所以作为管理者，我就只是说，是的，去探索这个吧，无论从中得出什么最佳实践，我们都要与整个组织分享。我们会举办所有那些知识分享会议，分享文档，到处分享最佳实践。所以这样的事情，就能提升每个人。所以我把它看作是我们看到的这个趋势的另一个例子，即顶尖表现者变得真正卓越。

伦尼（Lenny）

人们只是有一种感觉，这事很重大。AI 正在改变如此之多。世界正在改变。这将是一件大事。你认为人们还没有充分预料到什么将会改变？还没有意识到事情会走向何方？举个例子，你认为有什么是"哦，我们还没意识到这一点"？

舍温·吴（Sherwin Wu）

嗯，我最喜欢的一句话，或者说整个 AI 浪潮中出现的一个概念，就是"单人十亿美元创业公司"的想法。我想可能是 Sam 创造的，或者 Sam 甚至可能是第一个说这话的人。想想这个很迷人，对吧？是的，如果人们的杠杆作用如此之高，那么在某个时候，很可能会出现一个单人十亿美元创业公司。虽然我认为这很酷，但我认为人们还没有真正预料到这事的第二或第三阶效应。因为单人十亿美元创业公司意味着，一个人可以利用这些工具拥有如此多的能动性和如此高的杠杆作用，以至于他们可以极其容易地完成他们业务所需的一切，最终创造出价值十亿美元的东西。

舍温·吴（Sherwin Wu）

但我认为这还有其他几个含义。其中之一是，如果一个人能创造出一个单人十亿美元公司是容易的，或者如果一个人有可能创造出单人十亿美元公司，那也意味着人们总体上更容易创业。我实际上认为这会是……这个现象的一个第二阶效应是，我认为会出现巨大的创业潮，就像 SMB 式的繁荣，任何人都可以为任何事构建软件，对吧？你已经开始在 AI 创业圈看到这一点了，软件变得更加垂直化，这些垂直领域的 AI 工具往往效果很好，因为你深入那个特定领域，你真正理解用例。所以如果你推演下去，没有理由不能有比现在多一百倍的这类创业公司。

舍温·吴（Sherwin Wu）

所以我认为我们可能会看到的一个世界是，为了赋能一个单人十亿美元创业公司，可能会有 100 个其他小公司在构建定制的软件，这些软件效果非常好，用来支持其他类型的单人十亿美元创业公司。所以我认为我们可能实际上正在进入 B2B SaaS 的黄金时代，以及整个软件即服务领域。所以我认为这是一个非常有趣的趋势，因为随着构建软件变得越来越容易，随着运营一家公司变得越来越容易，你可能实际上会看到更多这类创业公司。

舍温·吴（Sherwin Wu）

所以我一直在想的是，是的，可能会有一个单人十亿美元创业公司，但也可能会有 100 个千万美元级别的创业公司，可能会有成千上万个百万美元级别的创业公司。作为一个个体，拥有一个千万美元级别的生意其实非常棒。那个数目足够让你一辈子衣食无忧了。所以我们可能真的会看到这方面的爆发。我感觉人们还没有真正预料到这一点。这还有另一个第三阶效应。所有这些，我想你预测得越远，不确定性就越大。我认为如果我们最终走向这样一个世界，有这些微型公司为一个人或两个人拥有和运营的公司构建软件，那么创业生态系统将会改变。风险投资生态系统将会改变。我们可能最终会进入一个世界，只有少数几个大玩家提供平台，支持所有这些创业公司。但是，能够真正实现百倍或千倍投资回报的、规模回报的那种创业公司，如果你最终有了许多这些千万到五千万美元级别的公司，这个数量可能实际上会减少。这些公司对于风险投资的回报来说并不理想，但对于那些现在真正投入 AI 为自己建立这些生意的高能动性个体来说，却非常棒。

伦尼（Lenny）

我喜欢我们经历了这么多"阶"，比如第几阶效应。现在是第四阶效应了，我敢肯定。我只是在开玩笑。

舍温·吴（Sherwin Wu）

我不能，这是第二阶。对我来说，第二阶效应，我无法想那么远。

伦尼（Lenny）

这就像《盗梦空间》，每次你深入一层，一切都会变慢。是的，是的，每一层。好的，关于十亿美元创业公司，我一直在想这个问题，因为我不会成为十亿美元创业公司，因为我现在做的事情无论如何都不是风险投资规模，也不是超级高杠杆，但我能看到我收到多少支持工单，都是些最荒谬的事情。

舍温·吴（Sherwin Wu）

是的。

伦尼（Lenny）

我很难想象一个人能做到，我对这个十亿美元创业公司持悲观态度。我只是想分享这个想法。仅仅是因为支持成本，即使 AI 在帮你，达到十亿美元，除非你的年度合同价值非常高，而且你的客户非常少。我只是应付支持和人们，他们可以自己解决他们的问题，但他们却选择发邮件给支持，询问这件事。根据我的经验，处理这些是很难规模化的。所以除非你有一堆合同工，我不确定那算不算单人公司，我觉得很难将一家十亿美元创业公司规模化，并且至少没有人帮你做支持工作，而我认为 AI 只能帮你到一定程度。

舍温·吴（Sherwin Wu）

嗯，我认为这是对的。实际上，我的看法略有不同。我认为你的 Lenny 的播客最终可能会成为一个十亿美元创业公司。但我认为可能发生的情况是，不是你一个人必须派遣 AI 去解决和修复那些支持工单。我认为可能发生的是，会出现一大批其他的创业公司，它们正在构建软件，并且超级，超级贴合你可能的需求。所以可能会有 10 到 20 家创业公司为播客和新闻通讯构建支持软件。那可能是一个单人创业公司。它不需要是一个大公司。他们可以非常容易地编写出这个产品，他们能够构建自己的东西。而且因为它如此定制、独特，并且希望对你来说有用，可能会是你作为那个单人十亿美元创业公司会购买的东西。我会买的。

舍温·吴（Sherwin Wu）

是的，有一个问题是，你哪些东西内部做，哪些外包。我认为可能发生的情况是，由于运行软件和构建产品的成本急剧下降，你可能会外包很多这样的事情，从而缩减你公司的规模。这就是我认为可能发生的世界。同样，这里有很大的不确定性，最终的结果可能仍然是一个人驱动这个高杠杆的公司，实际上可能达到十亿美元。

伦尼（Lenny）

我可以看到这一点。我也在想 Peter 和他的 Claude Bot / Mulbot / OpenClaw，他现在被所有这些请求、邮件、消息、私信和 PR 淹没了。我就是好奇想看看，而且他还没从这件事上赚到一分钱。

舍温·吴（Sherwin Wu）

我无法想象他现在是什么感觉。一定完全疯了。可能就像我们发布 ChatGPT 后的那个月一样疯狂。

伦尼（Lenny）

作为一个人的公司。是的，顺便说一句，他一周后会来参加播客。

舍温·吴（Sherwin Wu）

那太令人兴奋了。

伦尼（Lenny）

也许第四阶效应是，分销变得越来越重要，因为有太多该死的东西试图吸引你的注意力。所以拥有受众和平台的人，我认为，会变得越来越有价值。这是好事。好的内容。好的，我想回到你的管理话题。我非常喜欢你关于花更多时间与顶尖表现者共事对你非常成功的见解。考虑到你是一个管理着一个团队的经理，这个团队正在构建为整个 AI 经济提供动力的平台，基本上每个 AI 创业公司都在你的 API 上构建。显然，你做得非常出色。你有哪些核心的管理经验？你觉得什么非常重要，并且是你作为工程师和人员管理者的成功关键？

舍温·吴（Sherwin Wu）

是的，我认为我在这里学到的很多经验，我不知道对于 OpenAI API 或者企业产品来说有多特别。我认为我的管理理念当然随着时间的推移而改变，但我觉得它保持不变的地方多于它改变的地方。其中一个原则就是我之前和你谈到的，那就是花大量时间与顶尖表现者在一起。具体来说，就是把超过 50% 的时间花在你的顶尖表现者身上，也许是顶尖的那 10% 的表现者，并真正尽你所能去赋能他们。我思考这个问题的方式，会回到软件工程师作为外科医生的类比，这来自《人月神话》这本书。有趣的是，我是从书里引用的，但在书中，他们实际上描述了一个世界，我想他们当时是在预测未来。因为这本书大概写于 70 年代。他们说软件工程可能会发展到一个世界，软件工程师就像外科医生。或者像在手术室里，有一个人在做工作。有一个人在切割或者做所有的手术，房间里的其他所有人都在那里只是为了支持他。而护士、助理、住院医生、研究员，然后外科医生说"我需要一把手术刀"，他们就把手术刀递给他。然后他们说"我需要这个工具，这台机器"，他们就会拿过来。每个人都在那里只是为了支持那一个外科医生。所以《人月神话》实际上预测这是软件将要发展的方向。我不认为这完全实现了，它更像是协作性的，不仅仅是一个人做所有工作。但我一直很喜欢这个比喻。而这个比喻实际上正是我努力在我的管理理念中效仿的，那就是软件工程并不是真正像外科手术那样，不只是一个人做工作，但我对待团队里的人和作为管理者的行为方式是，我想赋能他们，让他们感觉自己像个外科医生，就确保我支持他们，确保他们拥有完成工作所需的一切，让他们感觉好像有一群人在支持他们，为他们观察四周，在他们需要的时候给他们所需的一切，而实际上只有我这个经理。所以我举的例子是，观察四周，为人们扫清障碍，特别是从组织的角度，这非常有用。再回到关于 AI 的对话，这在现在甚至更重要，对吧？如果人们只是在疯狂地提交一个接一个的 PR，那么阻碍进展和交付的主要瓶颈往往是组织性或流程性的。如果你作为经理能够观察四周，为团队扫清障碍，如果你能做到，就像如果外科医生需要手术刀，但经理已经为他们准备好了手术刀，那是最理想的情况。这就是我对待管理的方式，特别是工程管理。所以这对我来说一直很重要。即使软件工程师不完全是外科医生，这个比喻在我的职业生涯中一直留存在我脑海里。

伦尼（Lenny）

我喜欢这个。我想知道这是否是 AI 可以提供帮助的事情，观察四周，预测这个工程师会被这个决定阻碍。我们需要解决这个问题。

舍温·吴（Sherwin Wu）

是的，这确实是个好主意。我还没试过，但我想知道如果我让连接了公司知识的 ChatGPT 看看，"团队当前有哪些活跃的阻碍？"浏览所有 Notion 文档，也许还有 Slack 消息，它可能在 Slack 的某个地方。"我团队当前有哪些活跃的阻碍？有什么我可以帮忙的吗？"嗯，这很有意思。我没想到过。

伦尼（Lenny）

就在我们这里，你们有了一个见解。我认为甚至更有趣的是，你预计在未来几个月，这位工程师或这个团队会遇到什么阻碍？或者是的。

舍温·吴（Sherwin Wu）

你可以问模型，让 AI 做第二和第三阶的事情，预测那些，并预测下个月会有什么阻碍。

伦尼（Lenny）

我们这里有了个好主意。本期节目由 DataDog 提供，DataDog 现在也是 Eppo 的所在地，Eppo 是领先的实验和功能标志平台。世界顶尖公司的产品经理使用 DataDog，这个平台也是他们的工程师每天依赖的平台，将产品洞察与产品问题（如错误、用户体验摩擦和业务影响）连接起来。首先从产品分析开始，产品经理可以观看回放、审查漏斗、深入研究留存率并探索他们的增长指标。在其他工具停止的地方，DataDog 走得更远。它实际上帮助你诊断漏斗下降、错误和用户体验摩擦的影响。一旦你知道关注点在哪里，实验就能证明什么有效。我在 Airbnb 时就亲眼目睹了这一点，我们的实验平台对于分析什么有效以及哪里出了问题至关重要。而当年在 Airbnb 建立实验平台的同一个团队，在 DataDog 建立了 Eppo。然后 DataDog 让你通过会话回放超越数字，精确观察用户如何使用热图和滚动图交互，真正理解他们的行为。所有这一切都由与实时数据关联的功能标志提供支持，这样你就可以安全地推出、精准定位并持续学习。DataDog 不仅仅是工程指标。它是优秀产品团队学习更快、修复更智能、自信交付的地方。在 datadoghq.com/lenny 请求演示。网址是 d-a-t-a-d-o-g-h-q 点 com 斜杠 lenny。好的，我打算转向谈谈你们构建的 API 和平台。所以你和很多公司合作，他们实现你的 API，在你的平台上构建，使用你的工具。你告诉我，你发现很多公司在他们的 AI 部署上实际上是负 ROI，我认为这是很多人读到、感受到和想到的。有趣的是看到了这一点。那里发生了什么？他们做错了什么？在 AI 部署和 ROI 的世界里发生了什么？

舍温·吴（Sherwin Wu）

是的，要明确的是，我并没有明确看到这方面的量化数字。你知道，衡量这些东西真的很难，但特别是通过观察一些试图做 AI 的公司，如果很多 AI 部署实际上是负 ROI，我不会感到惊讶。我部分认为，这也有来自全国各地的人们（基本上在科技行业之外）的普遍情绪，认为 AI 是被强加给他们的。我认为这可能是某些负 ROI 的 AI 部署的一个症状。

舍温·吴（Sherwin Wu）

我观察到关于这方面的几件事。一件事是，我想我一次又一次地回到这一点，那就是我们硅谷的人忘记了我们生活在一个泡沫里。我们太……Twitter 是一个泡沫，抱歉，X 是一个泡沫。硅谷是一个泡沫，软件工程是一个泡沫。世界上大多数人，美国大多数人，不是软件工程师，不是非常 AI 化，没有关注每一个模型发布。所以我们完全不了解如何使用这项技术。所以我们总是谈论所有这些关于 Codex 的最佳实践，所有这些 OpenAI 内部 Codex 化的人。我相信每个在 X 上发帖的人都是这些 AI 工具的狂热超级用户。他们投入到 skills，投入到 agent.md。

舍温·吴（Sherwin Wu）

是的。所有那些。当我和一些公司交谈，和实际使用这些东西的员工交谈时，他们做的都是最基本的事情，而且他们对这项技术究竟如何工作了解甚少。所以对我来说，这是一个重要的观察，那就是他们问这些工具的问题非常简单，他们还没有真正推动它。这又回到了我认为更多公司所做的，或者可能做的，或者更理想的 AI 部署设置是什么样的。

舍温·吴（Sherwin Wu）

这也大致是我们在 OpenAI 内部运作的方式。那些我认为开始效果很好的公司，既有自上而下的支持，比如 C 级管理层说，我们要成为 AI 优先的公司，所以有支持，他们购买工具，他们有明确的支持，但也有自下而上的采纳和认同。我的意思是，有实际做工作的员工，他们对这项技术真的感到兴奋，并且愿意学习、传播、建立最佳实践。这就像在组织内部分享知识。我们在内部也看到了很多。所以很明显，OpenAI 一直想成为一家非常以 AI 为中心的公司，但真正开始腾飞的时候，是在引入 Codex 和这些工具之后，那时像实际员工自己才能开始将其应用到他们的工作中。我认为你真的需要这个，因为归根结底，每个人的工作都非常不同，非常独特。软件工程不同于财务，不同于运营，不同于市场推广和销售。所以有很多最后一步的工作细节需要真正以自下而上的方式完成。所以我的感觉是，很多数据部署没有自下而上的采纳。它们只是一个明确的指令，完全是自上而下的，与实际工作脱节。最终的结果是你有一个庞大的劳动力群体，他们并不真正理解这项技术，他们知道我应该使用它，也许我的绩效评估里也有这项，但我不确定该做什么。他们环顾四周，没有人在做。没有其他人可以学习。所以我对推动这个的公司的建议是，找到，甚至可能在内部配备一个全职团队，作为一个内部的攻坚团队，可以探索全部能力，应用到特定工作流程，进行知识分享，在可能想使用这项技术的人中创造兴奋感。因为没有这个，真的很难，实际上很难上手。

伦尼（Lenny）

你会把谁放在这个攻坚团队里？是由工程师领导吗？根据你的经验，它是一个跨职能的战略团队吗？

舍温·吴（Sherwin Wu）

是的，这很有意思，因为很多公司也没有软件工程师。我看到的模式是，往往是那些与软件工程相邻的，基本上是技术人员但不是软件工程师的人。我认为这些人往往对此最兴奋。可能是支持团队或运营团队的负责人，他们不写代码，但喜欢使用这些工具，是个 Excel 高手之类的。所以他们是技术相邻或编码相邻，技术相当不错。在这些公司里，我看到的就是这类人，他们真的会眼前一亮，对此感到兴奋。你通常可以围绕他们建立一个团队。

舍温·吴（Sherwin Wu）

但确实，通常不是软件工程师，我想会理解这一点，但不是每个公司都有软件工程师，软件工程师实际上是一种稀缺资源。他们很难找到，也很昂贵。所以是这些其他类型的人。

伦尼（Lenny）

我听到的是，反模式是自上而下。CEO 发现了一个确切的团队，就像"我们要成为 AI 优先，我们要投入 AI。每个人都将根据他们使用 AI 工具的表现来评判，你的生产力因 AI 提高了多少。"而如果没有这个，只有自上而下，没有创建一个自下而上传播福音的团队，你发现它不起作用。完全正确。建议是，找到那些最兴奋的人，而不是让他们分散在整个组织中，你发现有效的方法是创建一个小型的、类似布道师团队，找到使用它的方法，并在整个组织中传播它。

舍温·吴（Sherwin Wu）

是的，我的意思是，另一个角度，听你向我复述，另一种思考方式，回到我自己的管理理念，就是找到 AI 采纳方面的高绩效者，并赋能他们。让他们举办黑客马拉松，让他们举办研讨会，分享知识，在内部创造兴奋的种子。

伦尼（Lenny）

好的，太棒了。我想听你分享一些热门观点。我看到你分享过和谈论过一些。一个是，你分享过，在 AI 领域，与客户交谈和倾听客户的意见并不总是正确的策略，而且常常会让你误入歧途。

舍温·吴（Sherwin Wu）

我不知道这是不是那么热门的观点。我认为这里主要的事情是，显然你应该与客户交谈。与客户交谈是有用的。我只是认为 AI 领域，特别是过去三年我在 API 工作并看到所有发展的经历，就是领域本身和模型本身变化太快了，它们往往会自我颠覆，特别是在工具和脚手架空间方面。

舍温·吴（Sherwin Wu）

所以，本周早些时候我读到一篇文章里的一句话，来自一个叫 Nicholas 的人，他是一家名为 Fin Tool 的初创公司的创始人。我想他分享了很多通过为金融服务构建 AI 智能体学到的实践经验。在 Fin Tool 这家初创公司。我的意思是，我觉得这句话非常好，那就是"模型会毫不费力地吞噬掉你的脚手架"。如果你回顾 2022 年，ChatGPT 刚推出的时候，这些模型还相当原始，有很多产品脚手架之类的东西，特别是在开发者领域，基本上是为了尝试引导模型，围绕它建立脚手架，让它做你想做的事。

舍温·吴（Sherwin Wu）

像智能体框架，像向量存储，我记得那时很流行，还有一大堆工具。随着你看到这个领域的发展，模型已经变化太大了，变得好太多了，以至于它们最终，是的，字面意义上地吞噬了一些脚手架。我认为即使在今天也是如此。

舍温·吴（Sherwin Wu）

所以，我认为 Nicholas 的文章里提到，当前流行的脚手架是基于 skills 文件的上下文管理。我可以看到一个世界，在某个时候，这不再有用，模型实际上可以自己管理所有这些。或者，或者可能，很难预测，可能会转向一些新的范式。你已经亲眼看到了这一点，对吧？像智能体框架之类的东西现在有点不那么有用了。在 2023 年的一段时间里，我们认为向量存储将是主要方式，让你将组织背景带入模型，你需要向量化和嵌入你的每一部分语料库。然后你做所有这些工作来弄清楚向量搜索，优化它，在正确的时间筛选出正确的信息。所有这些都是脚手架，因为模型不够好。

舍温·吴（Sherwin Wu）

事实证明，随着模型变得更好，更好的方法是取出很多这样的逻辑，信任模型，并给它一套搜索工具。它不需要是向量存储。你可以实际上把它连接到任何类型的搜索。它可以是文件系统上的文件，比如 skills 和 agents.md 里的东西，来引导它。

舍温·吴（Sherwin Wu）

显然，向量存储仍有其一席之地。我知道很多公司还在用它。但是，围绕它的整个脚手架，以及建立一个完整的更高层生态系统，并假设那是你唯一需要的脚手架，这已经发生了很大变化。所以把这与你并不总是需要听从客户的意见联系起来，因为领域变化太大了，在任何时候，很多人都在某种局部最优解里。如果你只是盲目地听从客户的意见，他们会说，是的，我想要一个更好的向量存储。我想要一个更好的智能体框架。如果你只是沿着那条路走，那实际上会引导你构建一些东西。但这又是局部最优解。而随着模型变得更好，我们不得不重新发明和重新思考围绕这些模型构建的正确抽象和正确工具和框架。而酷/令人兴奋/有点疯狂和烦人的部分是，这是一个移动的目标。所以，是的，就像当前的一堆工具和框架，很可能需要随着模型变得更智能和更好而随着时间的推移发生重大演变和变化。但这正是这个领域的本质。我认为这就是它令人兴奋的地方。但这也意味着，当你与客户交谈时，你需要平衡他们想要的确切反馈与你认为模型的发展方向以及未来一两年事物的发展趋势。

伦尼（Lenny）

有趣的是，这就是"苦涩的教训"，你知道，AI 和机器学习人员学到的这个大教训，那就是，不要过度复杂化，你添加到机器学习和 AI 的逻辑越少，它就越能扩展和成长。只要让它一路走下去，让它计算，基本上就是给它更多的力量去获得。

舍温·吴（Sherwin Wu）

是的，有一个版本的"苦涩的教训"适用于用 AI 构建，那就是我们试图架构所有这些围绕的东西，结果发现模型就是会吞噬掉这一切。老实说，OpenAI API 团队也曾犯过这个错误，我们在不该左转或右转的时候转了向。但是，模型仍然会变得更好，我们日复一日地都在学习这个苦涩的教训。所以，对于那些在 API 上构建，或者只是在构建智能体，并且现在不得不构建一些围绕它的东西的人来说，关键要点是什么？你的建议是什么？

舍温·吴（Sherwin Wu）

我的总体建议，我已经给人们一段时间了，我认为今天仍然适用，那就是确保你是在为模型将要发展的方向而构建，而不是为它们今天的样子而构建。这显然是一个移动的目标。我认为我见过的很多做得好的公司，我见过的做得好的初创公司，它们为一个理想类型的能力构建产品，这种能力今天可能已经实现了 80%。它们最终拥有的产品是可行的，但几乎就在那里。但是随着模型变得更好，突然间它可能就成功了，然后它们的产品现在就变得不可思议，因为它能工作了。也许在某个时间点用 0.03 不行，但到了 5.1、5.2，突然间就解锁了。但它们构建这些产品时，是把模型能力的提升考虑在内的。这样做，你最终创造出的体验，会比一开始就假设它是静态的要好得多。

舍温·吴（Sherwin Wu）

所以这是我的总体建议，那就是为模型将要去的方向构建，而不是它们今天所在的地方。你最终会构建出更好的产品。你可能需要等待一点，但模型进步得如此之快，你往往不需要等那么久。

伦尼（Lenny）

顺着这条线，在未来 6 到 12 个月，API 的发展方向是什么？平台的发展方向是什么？模型的发展方向是什么？在你能分享的范围内。这里有很多秘密，也许你更兴奋，或者你认为人们应该开始准备的，以及任何你能分享的。

舍温·吴（Sherwin Wu）

我的意思是，显而易见的一个是这些模型能够连贯地执行多长的任务。有一个叫 Meter 的基准测试，我认为它追踪软件工程任务以及这些模型能在 50% 的情况下，80% 的情况下执行多长的任务。我认为我们现在的水平是，这些前沿模型能够在 50% 的情况下完成多个小时的任务。而 80% 的情况下能完成的任务长度大概是不到一小时。但关于那张图，令人警醒的一点是，他们在图上标出了所有以前的模型。所以你真的可以看到这个趋势。

舍温·吴（Sherwin Wu）

这是我真正感到兴奋的一件事，那就是，我认为现在的产品真正优化的是模型一次能执行几分钟的任务。即使是 Codex 和编码工具，它也处于互动阶段，它非常优化于最多 10 分钟类型的任务。我见过有人把 Codex 推到极限，做多个小时的长任务。但再说一次，我认为那更像是例外。但如果你跟随这个趋势，我认为在未来 12 到 24 个月，我们可以看到能够非常连贯地执行多个小时任务的模型。在某个时候，它可能能达到六小时一天的长任务，你大致派发它出去，让它自己工作一段时间。你围绕它构建的产品类型会非常不同。你想给模型反馈。你显然不希望它疯跑一天。也许你想，但可能不想。然后模型能做的事情的范围真的会扩大。所以这是我非常期待看到的。

舍温·吴（Sherwin Wu）

未来 12 到 24 个月我认为会非常酷的另一件事是，多模态模型的改进。实际上，说到多模态，我主要想到的是音频。模型在音频方面已经相当不错了。我认为在未来 6 到 12 个月，它们在音频方面会变得更好，特别是原生的端到端语音模型。我认为在音频的多模态模型和架构方面，也有一些有趣的工作正在进行。但音频，特别是在企业和商业环境中，我认为仍然是一个被大大低估的领域。每个人都在谈论编码，都是文本，但我们是用音频在交谈。世界上很多业务是通过音频完成的。很多服务和运营是通过谈话和音频完成的。所以我认为这个领域在未来 12 到 18 个月会非常令人兴奋。我认为我们在音频模型方面能做的事情还会有更多解锁。

伦尼（Lenny）

太棒了。所以快速总结一下，期望智能体和 AI 工具运行时间更长，那个轨迹会继续增加。然后音频和语音会变得更重要，更原生，更好，成为核心体验。是的，非常酷。好的，我想回到你的一个热门观点，我见过的你讨论的另一个热门观点。你对业务流程自动化作为 AI 世界中的一个机会非常看好。谈谈这个。

舍温·吴（Sherwin Wu）

是的，这又回到了我之前说过的事情，我们生活在硅谷的泡沫里。我们做的很多我们习惯的工作，软件工程、产品管理、构建产品，与运行我们整个经济的工作形态非常不同。我现在在和客户交谈时看到了这一点。如果你和任何非科技公司交谈，那里有很多业务流程。

舍温·吴（Sherwin Wu）

我这么说的意思是，我通常会区分一下，你知道，软件工程有点像开放式的知识工作。这就是为什么我认为像 Codex 这样的工具往往非常好，因为它是在探索，你在给它这些开放式的东西。但软件工程从根本上来说是非常开放式的，不是很可重复的，对吧？你构建一个功能，你不会试图一遍又一遍地构建完全相同的功能。很多科技工作都在这个领域。我认为数据科学也在其中，甚至一些战略财务工作也是。但是，当你离软件工程和科技核心越来越远时，很多工作就是业务流程。它们是重复性的工作，重复性的操作。那是某家公司的某个管理者反复迭代出来的。通常有一个标准操作流程，人们想照做，不想偏离太多。你知道这在软件工程里，独创性就在于不偏离。但是世界上正在做的很多工作实际上只是运行这些流程和操作。如果我给支持热线打电话，他们在运行其中一个流程。如果我给我的公用事业公司打电话，他们有一堆流程和事情能为我做或不能做。所以我对这个广泛的类别非常看好。而且我认为它被低估了，因为它与我们硅谷的想法如此不同。人们往往不会想到它。但是我们如何将 AI 和我们拥有的一些工具和框架应用于这个业务流程自动化，应用于自动化，使重复性的业务流程更容易、具有高确定性、完全与业务数据、业务决策和企业内的不同系统集成。我如何能让那个流程变得更好？因为我认为那个领域有很大的机会和很多工作要做，而我们只是不谈论它，因为它不太在我们的视野范围内。

伦尼（Lenny）

你在这里，只是为了确保我完全理解，你是说，在工程领域之外，AI 有更大的机会来影响公司的生产力，以及那些做这些重复性、易于自动化任务的人的工作。

舍温·吴（Sherwin Wu）

影响工作，也影响工作的完成方式。这么多的工作都是以这种方式完成的。你可以想象，基本上我们，我经常和客户交谈，大企业，"AI 将如何改变我的公司？在一个有 AI 的世界里，20 年后它会如何运作？"软件工程是故事的一部分，但在业务流程方面还有更多。我实际上认为，在业务流程方面，它看起来甚至可能更不同，那里的工作非常庞大。实际上很有趣。我不知道从绝对百分比或绝对基数来看，它是否比软件工程更大或更小。软件工程也很大，也很昂贵。但它确实很大，肯定比你根据人们在 X 上谈论或不谈论它的方式所想象的要大。

伦尼（Lenny）

好的，稍微换个方向。既然你已经构建了一个平台，构建了 API，人们在 API 上构建。人们心中最大的问题总是，"我如何不让 OpenAI 抄袭我的想法，并构建他们自己的东西？然后，你知道，摧毁我创造的这个火花。"总体政策是什么？总体理念是什么？创业公司应该如何看待 OpenAI 不太可能进入的领域？

舍温·吴（Sherwin Wu）

我的一般答案是，市场如此之大，如此之广阔。我实际上认为，创业公司不应该过度思考 OpenAI 或这些实验室会走向何方。我和很多创业公司谈过，有些没成，有些做得非常好。我见过的每一个最终逐渐消失的创业公司，都不是因为 OpenAI 或某个大实验室或 Google 之类的来竞争了。而是因为他们构建了一些东西，但并没有真正引起客户的共鸣。而那些腾飞起来的，即使是在竞争非常激烈的领域，比如编程领域，Cursor 现在也做得很大。这是因为他们构建了人们真正喜欢的东西。所以我的总体建议是，不要过度为此焦虑。只管构建人们喜欢的东西，你就会在这个领域有立足之地。

舍温·吴（Sherwin Wu）

我怎么强调都不为过，现在机会有多大。用 AI 构建的机会空间是如此之大。这方面的一个好例子是。空间如此之大，以至于对于 VC 来说，什么是可接受的、什么是不可接受的窗口已经完全改变了。VC 们现在左右逢源，投资于互相竞争的公司，就是因为空间太大了，机会是我们以前从未见过的。虽然你知道，这影响了 VC 从创业公司角度的运作方式，但这对你来说却是世界上最赋能的事情。因为即使你只是构建了一些人真正喜欢的东西，你最终也会得到一个非常有价值的企业。所以我告诉你，不要为此焦虑。

舍温·吴（Sherwin Wu）

另一件事，我也认为记住这一点很重要，至少从 OpenAI 的角度来看，我们一直非常珍视的一件事，Sam 和 Greg 也从高层不断强调的，是我们基本上将自己视为一个生态系统平台公司。API 是我们的第一个产品。我们认为，培养这个生态系统，继续支持它，而不是扼杀它，对我们来说非常重要。所以如果你看看我们做的决定，都是这样。我们发布的每个模型，在某个产品里，都会发布到 API。即使我们发布这些 Codex 模型，它们有点更针对 Codex harness 进行了优化，但它们总能进入 API。我们所有的客户最终都能使用它们。我们在这方面没有任何保留。我们认为保持我们的平台中立性非常重要。所以我们不阻止竞争对手。我们允许人们访问我们的模型。我们也想，我们最近也在测试更多像"使用 ChatGPT 登录"这样的产品。所以我们想培养这个生态系统。我认为这样做非常重要。所以一般的思考方式是，水涨船高。我们可能是一艘航空母舰，现在相当大了，但我们认为提高水位很重要。因为每个人都受益。我认为我们也会受益，比如我们的 API 本身也因为我们的这种行为而增长得相当显著。所以我真的鼓励人们不要将 OpenAI 视为那种会把别人推开的东西，而是专注于构建有价值的东西。我们仍然致力于提供一个开放的生态系统。

伦尼（Lenny）

为什么这对 OpenAI 很重要？只是这种专注于构建一个平台，创造一种让人们建立企业的方式，这只是从一开始的愿景吗？我们希望这是一个平台？

舍温·吴（Sherwin Wu）

从一开始就是这样的愿景。实际上可以追溯到我们的章程，我们的使命。这个组织一直想要构建 AGI。所以我们知道我们追求的是什么。但其次是，将其好处传播给全人类。那里有很多，主要部分是"全人类"。显然，ChatGPT 正试图做到这一点，我们正试图覆盖尽可能多的人，全世界。

舍温·吴（Sherwin Wu）

但很早以前，这就是我们推出 API 的原因，我想是在 2020 年左右，非常早。我们不认为我们作为一家公司能够接触到全人类，对吧？世界上每个角落都那么深。所以我们实际上觉得，为了实现我们的使命，我们需要某种平台式的东西，在这里我们可以赋能其他人去构建，比如为播客和新闻通讯主持人构建的客户支持机器人，因为我们自己没办法做到。我们在 API 上很大程度上看到了这一点。这就是为什么我们和这么多客户交谈，真的很喜欢看到基于此建立起来的城市。但是，是的，这从一开始就存在，因为我们把它看作是使命的一种表达。

伦尼（Lenny）

你甚至没有提到你们正在推出的 ChatGPT 应用商店。顺便问一下，那是在你的管辖范围内，还是另一个不同的组织团队？

舍温·吴（Sherwin Wu）

这是一个不同的团队。它在 ChatGPT 那边。我们显然与他们密切合作。他们构建了一个应用 SDK，与我们的团队密切合作构建的，但这更多属于 ChatGPT 的范畴。但这也是另一个例子，对吧？就像 ChatGPT 有大约 8 亿的周活跃用户，他们一次又一次地来。作为一项业务，这是一个很棒的资产。但是，如果我们能允许其他公司也进来，利用这个优势，也为这个受众构建，那不是更好吗？最终，我们认为这也会帮助我们扩大这个群体，对吧？所以一切都回到使命上，我们发现作为一个平台，保持开放，往往在这方面有帮助。

伦尼（Lenny）

800 万？我以为是 8 亿。只是像……

舍温·吴（Sherwin Wu）

不，是周活跃。哦，是的，太疯狂了。

伦尼（Lenny）

十亿人每周在使用。我只是觉得，这太荒谬了，正在发生，我们现在已经习惯了这些数字。但这太疯狂了。史无前例。

舍温·吴（Sherwin Wu）

是的，老实说，从规模的角度来看，这对我来说是难以想象的。我的想法是，世界人口的 10% 并且在增长，顺便说一句，它在飞速增长。每天或每周都来使用 ChatGPT。

伦尼（Lenny）

在这一点上，我只想强调你正在提出的这一点。OpenAI 的使命是让 AI 惠及全人类。我认为有些人会想，哦，你知道，要花钱。但事实是，有一个免费版本的 ChatGPT，任何人都可以使用，它与世界上最强大的 AI 模型差别不大，而且是免费的，没有门槛。如果你有，如果你是亿万富翁，你从 AI 中能获得的，也仅仅比某个在非洲村庄里的人能获得的多一点点。我知道这对 OpenAI 来说一直非常重要。

舍温·吴（Sherwin Wu）

我的意思是，这就是为什么我们投入到了医疗保健。我们投入到教育，这会非常有趣。另一个疯狂的趋势是，随着时间的推移，免费模型变得如此智能。2022 年的免费模型，在当时是好的，但与今天你得到的相比，简直不值一提，因为你今天能得到 o1。所以提高全世界的地平线，是我们真正努力想做的事情，我们视其为我们使命的一部分。

舍温·吴（Sherwin Wu）

另一方面，你知道，谈论到亿万富翁什么的。我知道人们在说，你用的是和马克·扎克伯格可能用的同款 iPhone，或者亿万富翁们用的。每月花 20 美元，你基本上就在用和亿万富翁们一样的 AI。每月花 200 美元，你就能得到和所有亿万富翁们一样的 Pro 模型。但他们可能不会在所有事情上都用 Pro 模型。他们日复一日地可能只用 Plus 层级的模型。所以，是的，这种民主化和好处的传播，遍及全世界，对我们来说意义重大，并且驱动着我们做的很多事情。

伦尼（Lenny）

最后一个问题，对于那些正在考虑在 API 上构建，或者只是觉得"哦，等等，我可以用 OpenAI 模型和 API 做很酷的事情"的人来说，你的 API 和平台允许人们做什么？我知道你可以在平台之上构建智能体。谈谈你能做什么。

舍温·吴（Sherwin Wu）

从根本上说，API 提供了一堆开发者端点。这些开发者端点基本上让你可以采样我们的模型。我们现在拥有的最受欢迎的一个叫做 Responses API。所以这是一个端点，它针对构建长时间运行的智能体进行了优化。所以智能体可以工作一段时间。所以在非常低的层面上，你基本上只是给模型文本，模型会工作一段时间。你可以查看它在做什么，然后在某个时候你会得到模型的响应。这是我们为人们提供的最底层的原语。这实际上是很多人用的，是在 API 之上构建的最流行方式。用这个，它是超级无偏见的，你基本上可以做任何你想做的事。是最底层的东西。

舍温·吴（Sherwin Wu）

我们也开始在其上构建越来越多的抽象层来帮助人们构建其中一些东西。所以再往上一层，我们有这个叫做 Agents SDK 的东西，它也变得非常流行。这允许你使用 Responses API 或其他一些我们拥有的 API 端点来构建你可能更传统意义上认为是智能体的东西，像一个 AI 在一个循环中工作。它可能有它委派的子智能体。它开始构建所有这些框架，所有这些脚手架。实际上，我们会看到这一切走向何方。但它让你更容易构建这些类型的智能体，给它护栏，允许它把子任务分配给其他智能体，并协调一群智能体。Agents SDK 大致允许你这样做。

舍温·吴（Sherwin Wu）

再往上，我们现在也开始构建工具来帮助处理部署智能体的元层面。所以我们有叫做 Agent Kits 和 Widgets 的产品，它们基本上是一堆 UI 组件，你可以用来非常容易地在我们的 API 或 Agents SDK 之上构建一个非常漂亮的 UI。因为你知道很多时候这些智能体从 UI 角度看非常相似。所以有 Agent Kit。我们还有一堆像 Evals 产品，比如 Evals API，如果你想测试，看看你的模型，或者你的智能体，或者你的工作流是否工作，你可以用我们的 Evals 产品以非常量化的方式测试它。所以是的，我把它看作是这些不同的层，它们都在帮助你用我们的 AI，用我们的模型构建你想要的东西，并且抽象层次越来越高，它的主观性也越来越强。所以你可以，你可以用整个堆栈，它会非常快地让你构建一个智能体，或者你可以沿着堆栈一直往下走，低到 Responses API，然后构建任何你想要的东西，因为它非常底层。

伦尼（Lenny）

舍温，还有什么你想分享的吗？还有什么想留给听众的吗？在我们进入非常激动人心的快问快答环节之前，我们还没有触及到的，你觉得可能有帮助的事情？

舍温·吴（Sherwin Wu）

我唯一想留给人们的是，是的，我认为未来两三年将是科技界和创业界很长时间以来最有趣的时光。我鼓励人们不要认为这是理所当然的。我 2014 年进入职场。头几年很好。我感觉有大约五到六年的时间，科技界不是很令人兴奋。然后在过去的三年里，这绝对是我职业生涯中最令人兴奋、最充满活力的时期。我认为未来两三年将是它的延续。所以，我不会认为这是理所当然的，我也在努力不认为这是理所当然的。在某个时候，这波浪潮会结束，会变得增量得多。但与此同时，我们将有机会探索很多非常酷的东西，发明很多新东西，改变世界，改变我们的工作方式。所以这是我主要想留给人们的话。

伦尼（Lenny）

我喜欢这个信息。我想花更多时间谈谈它。当你说不要错过它时，你建议人们做什么？仅仅是构建、投入和学习吗？加入一家正在构建真正有趣东西的公司？对于那些觉得"好吧，我不想错过这班船"的人，你有什么建议？

舍温·吴（Sherwin Wu）

是的，我会说，去参与其中。所以基本上就像你说的，投入进去。在它的基础上构建工具，是故事的一部分。仅仅是使用这些工具，你不必是软件工程师才能投入其中。我认为很多工作都会在这里发生变化。所以就去使用这些工具，了解它能做什么和不能做什么的局限性，这样你就可以观察趋势，看看随着模型的改进，它开始能做什么。是的，基本上就是习惯，熟悉这项技术，而不是袖手旁观，让它从你身边溜走。

伦尼（Lenny）

另一方面，我觉得有很多压力和焦虑，比如发生了这么多事，我该如何跟上？我这周得学会用 Claude。哦，天哪。是的。你是否学到了一些东西，不仅仅是因为你处于这个中心？你如何不会过度紧张和担心错过正在发生的事情，并保持与最新动态同步？你学到了些什么？

舍温·吴（Sherwin Wu）

是的，所以我认为我个人在这方面是个坏榜样，因为我基本上一直在线，在 X 和公司 Slack 上。所以我实际上试图吸收，我最终吸收了大量的信息。我要说的是，只是从观察其他不那么沉迷于此的人来说，很多都是噪音。你不需要 110% 都过一遍脑子。老实说，只投入一两个不同的工具，从小处着手，就已经超过了你的需要。我认为，行业的飞速发展加上 X 这个产品，就创造了这种疯狂的新闻节奏，说实话，这非常令人难以招架。主要是，你不需要知道所有这一切才能真正参与到正在发生的事情中。甚至像安装 Codex 客户端，玩玩它，安装连接到几个你内部数据源（Notion、Slack、Github）的 ChatGPT，看看它能做什么，不能做什么。所有这些，我认为都是其中的一部分。

伦尼（Lenny）

太棒了。舍温，说到这里，我们到达了非常激动人心的快问快答环节。我有五个问题要问你。准备好了吗？

舍温·吴（Sherwin Wu）

是的，是的，当然。

伦尼（Lenny）

第一个问题，你最常推荐给别人的两三本书是什么？

舍温·吴（Sherwin Wu）

我会谈一本非小说类，一本小说。那本小说是我刚读完的。我真的，我真的很推荐它。是 qntm 写的《There Is No Antimemetics Division》。它来自一位网络作家，但我在 X 上看到有人分享。它是一本科幻类型的书。我基本上两天内就把它看完了。它写得超级好，超级迷人。它是关于一个政府机构对抗让你遗忘的东西。所以这是一本非常聪明、有创意、而且说实话，在题材上很新鲜的书，我非常喜欢。所以我推荐这本。这本书还无意中非常搞笑。所以它本来是这种科幻恐怖类的，是本扎实的书，但它让我笑了好几次。所以这是小说类。

伦尼（Lenny）

《反模因学》这本书听起来很棒。你说话的时候我就在买了。

舍温·吴（Sherwin Wu）

它好像只有几百页。我真的两天就读完了。就是那么好看。

伦尼（Lenny）

好的，好推荐。好的，最近最喜欢的电影或电视剧，你有什么特别喜欢的吗？

舍温·吴（Sherwin Wu）

嗯，这个问题有点难，因为我有两个孩子，工作又忙，所以真的没什么时间看电视剧。我只能说，过去几周，我看了几集。我其实是个动漫迷，所以我看了几集。有个叫《咒术回战》的动漫出了新一季。第三季很好看。总的来说，我是日本动漫的超级粉丝。我认为它们创造了西方媒体回避的最新颖、最独特的剧情和世界观。所以总体来说非常喜欢。但是，是的，最近没怎么看，但最近看了几集《咒术回战》。

伦尼（Lenny）

考虑到你的角色，完全可以理解。是的，最近发现并非常喜欢的产品是什么？

舍温·吴（Sherwin Wu）

好的。我最近需要设置 Wi-Fi 和家庭网络，我全套用了 Ubiquiti 的路由器和安全摄像头。在此之前，我从未听说过它，我之前的设置一直非常简单。它的产品构建得非常好。我不知道你之前用过没有，它基本上就是家庭网络领域的苹果。产品非常漂亮，但真正让它变得极其出色的是它的软件也很好。他们有一个非常棒的手机应用来帮助管理所有的家庭网络。所以基本上就是 Ubiquiti。你可以用它来买无线路由器，你需要在家里布以太网线才能用它。但我实际上认为它真正出色的是安全摄像头。所以如果你有接入 Ubiquiti 生态系统的安全摄像头，他们有一个令人难以置信的手机应用、Apple TV 应用和 iPad 应用来查看摄像头的实时画面。它们有点贵，但也不是那么贵。但这是一个令人难以置信的产品体验。

伦尼（Lenny）

好的，我买了 Eero，所以我犯了个错误。挺好的。

舍温·吴（Sherwin Wu）

Eero 也挺好的。但我知道 Ubiquiti，我完全转用 Ubiquiti 了。没关系。

伦尼（Lenny）

就这个。好的，还有两个问题。你最喜欢的、在工作或生活中经常回想的座右铭是什么？

舍温·吴（Sherwin Wu）

是的，我经常对自己重复的一句话是"永远不要为自己感到难过"。在工作、生活中会发生很多事。提醒自己永远不要感到难过，你总是有能力把自己拉起来。这是我不得不经常告诉自己的一句话，也是我经常对其他很多人重复的一句话。

伦尼（Lenny）

最后一个问题。在你之前的职业生涯中，你在 OpenDoor 工作，负责弄清楚该为房子付多少钱。你基本上建立了一个模型，告诉公司，"我们会为这栋房子付这么多钱。"有什么你没想到的、对房价非常重要的变量，影响了房价？

舍温·吴（Sherwin Wu）

有很多令人惊讶的。我可能会列举一两个最有趣的。电线，高压电线，对价格的影响相当大。直到我去达拉斯亲自观察，我才真正完全内化这一点。当你的房子坐落在这些巨大的、嗡嗡作响的高压线旁边时，大多数人都有家庭，你不希望你的孩子靠近那里。所以我认为那是一个真正让我惊讶的因素。这很合理。

舍温·吴（Sherwin Wu）

另一个我们一直很难量化的东西是户型图。它非常重要。是的，当然它非常重要，但量化什么是好户型图，什么是真正糟糕的户型图，就像我们做了所有这些事情：厨房有多宽？是什么风格的厨房？主卧室在哪里？等等。所以真的很难量化。但记得户型图是一个大问题，因为我们会有卖不掉的房子，然后我们的运营团队进去会说，"是的，是户型图的问题。"所以你怎么能告诉我们呢？你走进去，你就是能感觉到，户型图感觉不对劲。所以那些是令人惊讶的。

舍温·吴（Sherwin Wu）

最后一个比我想象中影响更大的是一般的路边吸引力，甚至像前门。我实际上认为有本 Zillow 的书说，前门的位置往往是房子投资回报率最高的地方。但是，当你作为买家走近房子时的感觉，你与之互动的第一印象，我认为我低估了它的重要性。

伦尼（Lenny）

这非常有趣。我喜欢你必须想办法把这些都编码进去。

舍温·吴（Sherwin Wu）

是的，户型图。关于户型图我有很多故事。它们没有数字化。所以在凤凰城和达拉斯，有一小部分人拥有所有这些房子的纸质户型图。是的，OpenDoor 时代有很多有趣的故事。

伦尼（Lenny）

好的，舍温，非常感谢你来做客。这太棒了。人们在哪里可以找到你？听众如何联系到你？

舍温·吴（Sherwin Wu）

是的，我在 Twitter 或 X 上。用户名是 @sherwinwu。基本上主要发关于 OpenAI、API 以及我们发布的一些产品的推文。另外，人们联系我的方式，对我有帮助的是，我喜欢听人们正在构建的东西。所以如果你正在做创业公司，如果你在捣鼓一个想法，欢迎直接在 X 上联系我。我很乐意听听你在构建什么，并了解 OpenAI 如何能帮助支持你。

伦尼（Lenny）

太棒了。舍温，非常感谢你来到这里。

舍温·吴（Sherwin Wu）

谢谢你，Lenny。再见，大家。

伦尼（Lenny）

非常感谢你的收听。如果你觉得这期内容有价值，你可以在 Apple Podcasts、Spotify 或你最喜欢的播客应用上订阅本节目。另外，如果方便的话，请考虑给我们打分或留下评论，这确实有助于其他听众发现这个播客。你可以在 Lennyspodcast.com 找到所有过去的剧集或了解更多关于本节目的信息。下期再见。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，2月13日，巴克莱分析师Raimo Lenschow团队在最新研报中指出，投资者目前对生成式AI（GenAI）的反应是基于“最坏情况假设”——即认为传统软件公司的终值将归零。这种恐慌与10年前亚马逊AWS崛起时市场对软件行业的“死亡判决”如出一辙。

历史数据表明，灭绝并未发生。 尽管AWS确实夺取了市场份额，但没有一家成熟的软件巨头因此破产。相反，微软、Salesforce等巨头通过进化实现了数倍甚至数十倍的市值增长。对于投资者而言，当前的无差别抛售（Software Sell-off）创造了巨大的错配机会。GenAI将扩大而非单纯取代软件市场，那些拥有核心记录系统和特定领域护城河的公司被错误定价了。

目前软件板块的投资者情绪正处于一个极端独特的时刻。市场普遍认为GenAI将从根本上改变世界，这导致了一个简单粗暴的投资逻辑：买入AI新贵，做空一切传统软件。

然而，巴克莱指出，这种情况让人强烈联想到10年前（注：指报告发布时间2026年回望2016年左右）。当时，随着AWS不断壮大并推出更多自有软件解决方案（如数据库服务Redshift），市场陷入了类似的恐慌。那时，每当AWS宣布推出一款新的软件产品，相关领域的成熟软件公司股价就会立即遭受重创。

当时的空头论调与今天如出一辙：“这些公司的终值是零”、“AWS将吞噬一切”。唯一的区别在于，当年AWS主要冲击的是基础设施层，而今天的GenAI更多被视为应用层的威胁。但市场的恐慌机制是完全相同的。

让我们用数据说话。回顾过去10年，AWS确实取得了巨大的成功，占据了相当大的市场份额，许多AWS产品（如Redshift、Hadoop服务）大获全胜。但是，这是否“杀死”了当时的老牌软件公司？

答案是否定的。据巴克莱统计，没有一家成熟的软件公司因为AWS的竞争而破产（终值归零）。

相反，大多数公司在市场中继续表现优异。现实情况是，虽然AWS切走了很大一块蛋糕，但整个市场的蛋糕本身也在变大，而且老牌玩家也在不断进化和应对。

根据巴克莱整理的“AWS产品发布后的软件股表现”数据显示（截至2025年底）：

• CyberArk（身份管理）： 自AWS推出竞争服务以来，市值从8.85亿美元飙升至225.16亿美元，涨幅高达2443%，远超同期标普500指数2201%的涨幅。
• 微软（WorkSpaces竞争者）： 市值增长1048%，达到3.59万亿美元。
• 谷歌（WorkDocs竞争者）： 市值增长871%。
• Salesforce（QuickSight竞争者）： 即使面临AWS分析工具的竞争，市值依然增长了373%，达到2480亿美元。
• MongoDB（Document DB竞争者）： 市值增长697%。

当然，并非所有公司都安然无恙。一些未能适应的公司确实表现不佳或被收购：

• Teradata： 市值缩水73%，表现远逊于大盘。
• NetApp： 尽管市值增长71%，但大幅跑输标普500指数（落后357%）。
• Tableau、Splunk、Red Hat： 最终被高溢价收购，并未走向消亡。

这一历史教训对当下的启示是显而易见的：虽然GenAI会创造出有趣的新公司，但这并不意味着我们需要注销所有现有软件公司的价值。

目前的市场辩论过于简单化。虽然IGV（软件ETF）年初至今（YTD 2026）下跌了约24%，而标普500指数基本持平，但这是一种“把婴儿和洗澡水一起泼出去”的非理性行为。

市场错误地将所有现有软件公司视为即将被OpenAI或Anthropic等新玩家取代的“旧时代产物”。巴克莱认为，这种“一刀切”的观点忽略了软件行业的复杂性和护城河。

投资者应该重新审视以下三类在抛售中被误伤的资产：

1. 记录系统（System of Record）拥有者： 如Salesforce (CRM) 和 SAP。这些公司掌握着企业的核心数据，地位稳固，难以被简单替换。
2. AI工具提供商： 那些帮助企业落地AI的公司，如JFrog (FROG) 或 Snowflake (SNOW)（尽管分析师对后两者目前持中性评级，但承认其属于此类）。
3. AI算力提供商： 如甲骨文 (ORCL)、DigitalOcean (DOCN) 或 CoreWeave。

在当前的AI浪潮冲击下，并非所有软件都同样脆弱。巴克莱特别指出两个具有防御属性的领域：

• 网络安全： AI的采用将导致IT环境更加复杂，并提高黑客的攻击效率，这反而增加了对高级安全防护的需求。尽管有传言称Anthropic等AI公司可能扩展到网络安全领域，但历史上大型通用平台试图主导安全领域的尝试结果往往好坏参半。拥有强大现金流和不断增长的AI收入流的平台型公司，具备极强的防御性。
• 垂直SaaS：这些公司通常是特定行业的“记录系统”，拥有深厚的领域特定数据护城河，这是通用AI难以通过简单的代码生成来复制的。此外，政府、制药和金融服务等终端市场的IT买家通常较为保守，这也为这些公司提供了额外的缓冲。

总结而言，GenAI确实在改变游戏规则，但押注“软件末日”在十年前是错误的，在今天很可能依然是错误的。对于聪明的投资者来说，现在的恐慌性抛售正是寻找那些被错杀的行业龙头的最佳时机。

本文来自华尔街见闻，欢迎下载APP查看更多

奥尔特曼近期透露，OpenAI 旗下的“AI Defense”产品很快将实现 100% 由 AI 编写代码。这并非仅仅是技术上的辅助，而是实质性的替代。AI 不再只是帮助构建技术栈，它本身就是技术栈——涵盖代码编写、基础设施搭建及决策制定，全流程自主运行。

奥尔特曼指出，AI 系统不再仅仅是增强工作效率，而是正在从根本上改变组织架构。在未来的工作流中，AI 将负责构建、部署和优化，人类则负责提供战略方向。简而言之，人类决定“做什么”，AI 决定“怎么做”并执行到底。这种模式下，工程能力不再是制约因素，能够以快于人类团队的速度指导 AI 执行任务将成为核心竞争力。

市场观察人士认为，OpenAI 转向完全自主化并非简单的产品演示，而是证明了这一模型具备取代现有人类组织结构的能力。这一变革意味着，那些仅利用 AI 加速开发流程的企业仍在优化一种濒临消亡的模式，而让 AI 充当开发者的企业将在截然不同的经济现实中运作，令竞争对手在结构上过时。

从辅助到替代：全AI企业的崛起

根据奥尔特曼的设想，“全AI企业”不仅意味着更好的软件，更代表了一种全新的组织架构。在这一架构下，AI 能够执行完整的工作流程，而不仅仅是辅助工程师。昨天，人们还在使用 AI 工具；明天，AI 将像员工为管理层工作一样为人类服务。

奥尔特曼强调，这一转变的核心在于 AI 将承担代码编写、基础设施管理和日常决策的所有环节。随着 OpenAI 的产品迈向 100% AI 编写代码，传统的工程团队不再是被增强的对象，而是正在面临被“弃用”的风险。这也标志着技术开发的约束条件将从“工程产能”彻底转向“战略清晰度”。

商业模式重构：SaaS已死，服务即软件到来

随着 AI 自主能力的提升，传统的“软件即服务”（Software as a Service‌，SaaS）商业模式正在被重新定义为“服务即软件”（Service as a Software，SaaS）。在这种新模式下，AI 不再仅仅是协助人类构建软件的工具，它直接提供了完整的服务结果。

这一转变带来的经济现实是残酷的：那些利用 AI 仅仅为了让开发者提速的公司，实际上是在优化一个过时的模型。相比之下，那些让 AI 直接担任开发者的公司，将在这个全新的经济现实中运营。一旦 AI 驱动的公司在速度上明显超越人类驱动的公司，这种转型将不再是可选项，而是生存的必要条件。

有分析认为，技能只是转变了，懂系统、上下文和战略的人会更有价值。

竞争格局巨变：速度与结构的降维打击

奥尔特曼的言论揭示了未来企业竞争的本质变化。当 100% 的代码由 AI 编写时，企业的优势将不再依赖于拥有的工程师人数，而是取决于其指挥 AI 执行任务的清晰程度和速度。

这意味着，率先意识到并完成这一转型的组织，不仅仅是获得了竞争优势，实际上是在让其他所有竞争对手在结构上变得过时。如果不赶在竞争对手之前完成转型，企业将面临被以无法匹敌的速度运作的对手淘汰的命运。OpenAI 向完全自主化的迈进，正是这一新型组织结构可行性的有力证明。

本文来自华尔街见闻，欢迎下载APP查看更多

微软股价较近期高点下跌27%，亚马逊下跌21%，Meta下跌16%，Alphabet下跌11%。市场的核心疑问从“AI值不值”转向“资本开支撑不撑得住”，担心投入过快导致产能过剩和回报周期拉长。

这股情绪也外溢至债市。债务投资者担忧科技巨头为争夺更强AI能力而持续加杠杆，债券信用利差扩大，同时带动单一公司信用违约互换（CDS）交易升温。

据彭博报道，围绕Meta和Alphabet等发行人的单名CDS在过去一年明显活跃，目前Alphabet的CDS合约规模约有8.95亿美元，Meta约有6.87亿美元。

在资本开支指引持续抬升的背景下，高盛预计超大规模云厂商2025年至2027年的资本开支合计接近1.4万亿美元。

摩根士丹利则预计超大规模云厂商今年借款规模将达到4000亿美元，高于2025年的1650亿美元。股权端的“万亿美元回撤”与信用端的“对冲热”，正在共同重估“大厂风险”的定价。

四大超大规模云厂商——亚马逊、微软、Alphabet和Meta在最新季度财报发布后的市值损失，标志着市场情绪的重要转折。投资者正在重新评估这些公司不断攀升的AI支出是否会带来相应回报。

据高盛全球投资研究部数据，超大规模云厂商的资本支出预计将从2022-2024年的合计约4850亿美元，飙升至2025-2027年的近1.4万亿美元。

其中，微软的资本支出预计将从2024年的760亿美元跃升至2025-2027年期间的3760亿美元，增幅最为显著。亚马逊云服务预计支出3210亿美元，Alphabet为3040亿美元，Meta为2790亿美元。

高盛分析师Shreeti Kapa指出，如果达到这一水平，这种支出强度将接近上世纪90年代互联网泡沫巅峰时期占GDP 1.4%的水平，在现代科技史上已属罕见。

债务投资者的担忧正在推动信用衍生品市场的快速发展。一年前，许多优质科技巨头甚至不存在单一公司信用违约掉期合约，如今这些合约已成为市场上最活跃的交易品种之一。

据彭博报道，Meta和Alphabet近期CDS交易活跃度显著提升。扣除反向交易后，与Alphabet债务相关的未平仓合约约有8.95亿美元，而与Meta债务相关的未平仓合约约有6.87亿美元。

DTCC数据显示，截至2025年底，提供Alphabet CDS报价的交易商从去年7月的1家增至6家，亚马逊的CDS交易商则从3家增至5家。

伦敦对冲基金Altana Wealth去年购买了Oracle债务违约保护，当时成本约为每年50个基点，即保护100万美元敞口每年需支付5000美元。此后成本已升至约160个基点。

美国银行公司信贷、证券化产品和市政银行业务主管Matt McQueen表示，承销超大规模云厂商债务的银行已成为单一公司CDS的重要买家。

"预期三个月的分销期可能延长至9到12个月，因此银行可能会在CDS市场对冲部分分销风险。"

科技巨头被迫大规模进入债市的根本原因在于内部现金流已不足以支撑其AI投资规模。据测算，若2026年资本支出达到7000亿美元量级，这一数字将几乎等于超大规模云厂商的全部经营现金流。

美国银行分析显示，2026年仅微软的经营现金流预计仍可覆盖资本开支。Meta已暗示可能从"净债务中性"转变为"净债务为正"。即便完全停止股票回购，其余公司的自由现金流也将被耗尽。

债券发行规模创下纪录。Oracle发行了250亿美元债券，吸引了1290亿美元认购订单。Alphabet紧随其后，将原计划的150亿美元债券发行规模扩大至200亿美元，认购订单超过1000亿美元。

摩根士丹利统计，截至2025年底，AI相关的投资级债务已占美国IG市场的14%，成为市场中最大的单一主题板块，规模超过银行业。

尽管当前债券需求仍然强劲，但市场已出现分歧。一些对冲基金将银行和投资者对保护的需求视为盈利机会。

Saba Capital Management投资组合经理Andrew Weinberg表示，由于大多数科技巨头杠杆率仍然较低，债券利差仅略高于企业债指数平均水平，许多对冲基金愿意出售保护。他认为：

"如果出现尾部风险情景，这些信用会走向何方？在很多情况下，拥有强劲资产负债表和万亿美元市值的大公司将跑赢整体信用背景。"

但另一些交易员认为当前存在风险定价错误。Aegon投资组合经理Rory Sandilands表示：

"潜在债务的绝对规模表明，这些公司的信用风险状况可能会面临一定压力。"

F/m Investments首席执行官Alexander Morris警告：

"人工智能领域的投资热潮如今确实吸引了不少买家，但上涨空间有限，容错空间更是微乎其微。没有任何一种资产类别能够免于贬值。"

高盛分析指出，要维持投资者习惯的回报率，这些公司需要实现每年超过1万亿美元的利润，而目前市场对2026年的利润共识估计仅为4500亿美元。

最终结局将取决于AI投资能否复制云计算的盈利轨迹——亚马逊AWS在3年内实现盈亏平衡，并在十年内达到30%的营业利润率。在这场豪赌分出胜负之前，债券市场的反应或将提前给出答案。

本文来自华尔街见闻，欢迎下载APP查看更多