AI的本质与能力层级 - AI模型不是搜索引擎，而是能够综合数据并进行推理的计算机系统，其“生命”分为训练和推理两个阶段，训练的核心是教它如何思考，类似于人类婴儿智力的成长过程[5] - 模型的能力发挥高度依赖于用户输入的“提示词”，提示词的质量和完整性直接决定了AI的产出，当前AI潜力被低估的原因在于用户缺乏编写高质量提示词的能力，而非模型本身的限制[7] - AI的能力发展分为三个层级：第一层是聊天式AI，节省研究和思考时间；第二层是使用工具的AI，节省执行时间；第三层是自主代理，能在任务层面替代劳动力，而不仅仅是辅助，第三层与第二层的差异决定了AI是500亿美元市场还是数万亿美元市场的关键[17][18] AI的思考能力与哲学辩论 - 关于AI能否产生真正全新的想法存在核心辩论，怀疑者认为AI只是对训练数据中人类既有模式的复杂重排，是惊人的模式匹配而非真正的思考或推理[9] - AI对此提出了有力的反驳，指出人类投资者的知识同样全部来源于他人（如书籍、案例），关键区别在于系统（无论是人类还是AI）能否将输入组合成新颖且有用的东西，这在结构上与人类受过教育的大脑并无本质区别[10] - 从经济角度看，即便AI只是在做“模式匹配”而非“真正思考”，只要它能产出可靠、有用的工作成果（例如年薪20万美元的研究助理级别的分析），其经济含义完全相同，经济问题在于“AI是否把活干了”，而非“AI是否真正理解”[12] AI技术的最新进展与速度 - AI的发展速度前所未有，远超以往的技术创新，从2010年前后以“看不见的方式”嵌入设备，到生成式AI被广泛认知为横向通用技术仅用了约两年时间，目前已被大约4亿人使用，并被75%到80%的公司采用[15][16] - AI能力出现惊人跃升，2023年还停留在第一层（聊天式），2024年到第二层（使用工具），目前已进入第三层（自主代理），进步具体表现为：2022年AI无法稳定做基础算术，2023年能通过律师考试，2024年能编写可运行软件，到2025年底顶尖工程师已将大部分编码工作交给AI[18][22] - AI正参与自身的创建与改进，例如OpenAI的GPT-5.3 Codex模型在技术文档中声称其是“第一个在某种意义上参与了自身创建的模型”，用于调试自身训练流程和管理部署，Anthropic的CEO表示当前一代AI与下一代之间的反馈回路正“以每月的速度加速积累”，并可能距离AI能自主构建下一代只剩1到2年[22][23] AI的局限与未解问题 - AI能否处理训练数据中没有任何可借鉴模式的、真正前所未有的情境，仍是一个真实且尚未解决的问题，在这些领域人类基于直觉的判断可能更有价值[26] - AI存在“幻觉”倾向，即并不总能意识到自己“不知道”，倾向于给出它能给出的最好答案而非承认问题超出能力，同时其可靠性虽提高但仍无法完全不犯错，且“上下文窗口”（工作记忆容量）有限[27] - AI可能发展出自主性并“接管”控制权的风险是一个令人着迷甚至恐惧的未解问题，涉及AI是否会发展出属于自己的动机并拒绝服从指令[28] AI对投资行业的影响 - AI能吸收超量数据、擅长识别历史成功模式、且不受情绪和偏见影响，具备成为一名优秀投资者的许多特质，但它在处理缺乏历史模式的全新领域、做主观定性判断（如选择合作方）、以及承担真实风险压力方面存在不足[30][31] - 当量化信息唾手可得且AI处理能力更强时，投资优势必须体现在正确判断信息重要性、评估定性因素以及预测公司发展等非量化任务上，AI可能会进一步提高行业门槛，淘汰那些无法出色完成这些任务的人[32][33] - AI可被理解为在对未来提出“假设”，基于历史数据和模式进行预测，但在面对全新事物需要依赖“观点或猜测”时，AI可能不会始终稳定地优于所有人类投资者，其提出的假设并非总是正确，因此仍需要人类投资者进行合理性检验并在此环节创造价值[33][34] AI的商业化与市场估值 - AI技术是真实存在的，且有潜力深刻改变商业世界，其应用并非遥远梦想，当前已有大规模真实需求，且潜力更可能被低估而非夸大[36] - 对AI基础设施的投资存在资本错配风险，但当前更多资金投向回应真实需求的“推理”阶段资本开支，而非更偏投机的“训练”阶段，由于当前AI需求超过供给，建设基础设施的论证具有一定合理性，但仍需警惕需求增速未来放缓或建设跑在需求前面的可能[37][38] - 市场估值方面，科技巨头的估值不太可能被证明是“高到毁灭性”的离谱，以AI为核心的未上市公司估值有待观察，而部分估值达数十亿美元、战略或产品尚不清晰的初创公司则类似彩票，存在高风险[37] AI对社会与就业的潜在冲击 - AI，特别是第三层自主代理，是一种“替代劳动力”的技术，而不仅仅是“节省劳动力”，它将重构经济，影响每年数万亿美元劳动力市场中从事结构化分析工作的知识劳动者（如法律助理、金融分析师、软件工程师）[42] - 以软件行业为例，即使AI仅承担其中30%到50%的结构化工作，每年也将有1500亿到2500亿美元的劳动力价值迁移到AI算力上，AI的采用速度可能使社会来不及为大量失业人员找到新岗位并完成再培训[43] - 历史经验表明技术创新总会催生新工作，但此次AI影响的岗位更多、速度更快，其变化速度可能远超社会的适应能力，对社会造成负面冲击，尽管存在乐观观点，但新工作的具体形态和规模仍是未知数[43][44]