AI基础设施与算力瓶颈 - 全球AI扩张的核心限制因素是台积电的产能扩张速度，而非市场需求[2] - 台积电在扩产上表现保守，因其晶圆厂99.9%的成本是折旧，产能过剩将严重摧毁利润率[2][3] - 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，后者面临因算力不足损失未来收入的风险[3] - 预测在2029年左右将面临大规模的芯片短缺，当前资本开支增长（如台积电从400亿美元增至600亿美元）不足以应对AI代理带来的指数级计算密度需求[4] - 建议科技巨头（超大规模云厂商）出于经济动机扶持英特尔或三星，或通过预付款等方式承担建厂风险，否则将被锁死在产能瓶颈中[5][82][84] AI商业模式与变现 - 广告是AI最有效的变现形式，尤其适用于拥有巨大流量但缺乏商业闭环的公司（如OpenAI）[6] - 反驳“广告影响AI答案质量”的观点，指出Facebook广告系统本质上是自动化代理的终极形态[7][8] - 批评OpenAI基于对话上下文投放广告的模式，认为会引起用户反感[9] - 最佳广告模式应基于对用户的全面了解（Profile）而非即时对话内容，谷歌在这方面拥有巨大优势，可利用Gemini的数据在YouTube或搜索中更精准变现，而无需在对话框内插入广告[10][29][31][32] - 在AI中介的世界中，广告模式可能面临挑战，因为更透明的信息和完全竞争可能摧毁某些商品类别[42] 科技巨头竞争力分析 - Meta：被认为是执行力最强的公司，其广告模型被低估，拥有强大现金流，并通过开源模型构建基础设施应对挑战[12][13][111] - 谷歌：被比作黏菌，虽然看起来混乱、次优，但缺乏优化反而赋予了其极大的适应性和韧性[14][111] - 亚马逊：在AI时代的芯片策略存在风险，其习惯于在商品化市场通过低成本胜出（如自研芯片Trainium、Graviton），但在AI芯片性能代际飞跃巨大的新市场中，此策略可能失效[14][15][111][112] - 苹果：硬件制造能力依然无敌，但是糟糕的平台管理者，软件和服务平台表现不佳[15][16][111] - 微软：是优秀的平台管理者，拥有强大的分销和整合能力，在SaaS和AI时代其“平庸但能协同工作”的产品策略仍具威力[111] AI对软件行业与内容价值的影响 - 如果AI导致企业雇员数量减少，那么基于“席位”收费的SaaS商业模式将面临增长天花板[18][61] - 从成长型公司向稳定型公司的估值转变（按EPS而非收入估值）是SaaS公司估值被压缩的原因之一[61][62] - 在AI生成内容泛滥的未来，稀缺性将重新定义价值，“现场”的、共同的体验（如面对面课堂、体育赛事）将变得更有价值[19][92][93][94] - 加密货币作为数字稀缺性和真实性的标识，在内容无限的世界里可能变得越来越重要[95] AI应用与代理商务演进 - 代理商务的发展应自下而上，从基础构建块开始：第一级是取代填写网页表单的“即时UI”[47][48]；第二级是超越关键词的、支持多参数描述的更好搜索[49]；第三级是基于用户持久画像的预测性推荐[51][52] - Facebook广告系统已被视作当今最成功、最自动化的代理形态，商家只需设定目标成本，系统自动寻找并交付客户[54] - 预期性商务（AI预测用户需求并主动获取）将非常强大，可能催生一批AI驱动的新电商公司[57][58] 独立创作者模式与媒体演变 - 独立付费创作者模式（如Stratechery）成功的关键在于管理极低的互联网成本结构，并专注于自身优势[59][69][71] - 该模式通过直接面向订阅者变现，但可能不适合需要高成本调查报道的内容，后者仍需传统捆绑模式支持[71] - 音频内容消费（如播客）有助于用户留存，但不利于内容分享传播[97][98] - 未来需要建立大规模的数据生成与内容付费市场机制，以可持续地支持高质量内容生产，供AI系统使用[105]