谷歌与Meta合作挑战英伟达CUDA生态 - 谷歌推进代号"TorchTPU"战略行动，旨在让PyTorch框架能在其TPU芯片上流畅运行，以消除开发者的迁移门槛，并考虑将部分软件开源 [1] - 谷歌与Meta商讨合作协议，Meta有望获得更多TPU使用权，Meta通过推动软件适配TPU来降低推理成本并减少对英伟达的依赖 [1] - 华尔街分析师认为CUDA是英伟达最坚固的护城河，而谷歌过去依赖内部Jax框架的做法拉大了与外部客户实际使用习惯的鸿沟 [1] OpenAI推出ChatGPT应用商店并寻求融资 - ChatGPT应用商店正式上线，按精选、生活方式、工作效率等分类列出Adobe Photoshop、Canva、Figma等应用，用户可通过"@应用名"的方式触发使用 [2] - 开发者可在OpenAI开发者平台提交应用审核发布，OpenAI提供了包括最佳实践指南、开源示例应用、UI库和测试阶段Apps SDK在内的完整资源体系 [2] - OpenAI计划以约7500亿美元估值筹集新一轮资金，最高可能达1000亿美元，试图在AI时代复刻苹果App Store的商业模式 [2] Google发布高速低成本模型Gemini 3 Flash - Google发布Gemini 3 Flash模型，在Humanity's Last Exam基准测试中得分为33.7%，其性能介于Gemini 3 Pro的37.5%和GPT-5.2的34.5%之间 [3] - 该模型延续Flash系列极致原生速度，性能超越Gemini 2.5 Pro的同时速度提升3倍，定价为输入每百万token 0.50美元、输出每百万token 3美元 [3] - Gemini 3 Flash已成为Gemini应用和搜索AI模式的默认模型，响应速度基本在1秒以内，并通过Google AI Studio、Vertex AI等渠道全球开放 [3] 字节跳动发布通用Agent模型Seed1.8 - 字节跳动发布通用Agent模型Seed1.8，集成了搜索、代码与GUI Agent能力，支持三种思考模式可根据任务复杂度自动调整处理方式 [4] - 在GUI Agent评测中超越Seed1.5-VL，在电脑、网页、移动端三类环境中展现多步任务可靠性，BrowseComp-en基准测试得分67.6 [4] - 该模型在ZeroBench评测中获得11.0最高分，在VideoMME长视频理解评测中得87.8分，并加入了"VideoCut"视频工具调用能力 [4] 阶跃星辰升级并开放GUI Agent模型 - 阶跃星辰Step-GUI云端模型全量上新，支持200+任务场景、手机PC汽车多端可用，最短10分钟即可部署一台"AI手机" [5] - 该模型具备更长推理步骤、更强语义理解和泛化能力，当用户指令模糊不足以支撑任务执行时会自主提问 [6] - 公司开放了GUI-MCP协议以实现端云协同，其API限时免费开放，技术报告全公开，并发起"星际探索官"召集令邀请用户创作和二次开发 [6] xAI发布Grok Voice Agent API - xAI正式发布Grok Voice Agent API，首次将Grok的实时语音能力以API形式向开发者开放，主要面向语音优先的应用场景 [7] - API内置Sal、Rex、Eve、Leo等多种声音，支持Mika、Valentin等陪伴型人格，开发者可精细化控制系统指令和行为参数 [7] - 采用流式音频设计支持实时语音识别与合成，可在对话中开启搜索能力实时查询公开网页或X平台数据，显著降低交互延迟 [7] 苹果产品路线图曝光：转向AI眼镜 - MacRumors曝光苹果未来2年产品路线图共39款产品，折叠iPhone将于2026年9月发布采用书页式设计，iPhone 18则推迟至2027年 [8] - 苹果已全面暂停AR/VR头显项目，转而专注AI智能眼镜开发，预计2027年或2026年底推出，停售4年多的iMac Pro或将于2026年回归并搭载M5 Max芯片 [8] - 苹果计划在2027年推出20周年纪念版iPhone，采用前后壳体弯曲包裹设备边缘的设计，前置摄像头移至屏下，成为没有显示屏开孔的iPhone [8] a16z报告观点：AI泡沫尚未发生 - a16z合伙人认为当前AI领域并非泡沫，因为泡沫尚未破裂，企业若停止开发更大模型仅靠现有模型运营，按当前利润率很快就能实现盈利 [9] - 报告认为纯软件奇点很难实现，要推进研发必须进行更多实验，目前实验算力投入规模与最终发布模型训练运行投入相当甚至更多 [9] - 预测到2030年AI可能推动GDP增长几个百分点，若实现能完成任何远程工作的AGI，30%的GDP增长是合理下限，但结果要么是疯狂增长要么彻底崩溃 [9]

AI基础设施板块近期市场波动 - 近期与AI基础设施建设紧密相关的公司股价出现大幅下跌，甲骨文与博通在最近三个交易日内连续大幅下跌，同时云服务商CoreWeave股价延续下行，AI能源基础设施公司Fermi盘中一度跌46% [1] - 市场波动直接诱因包括：甲骨文被传出将其部分为OpenAI开发的数据中心竣工时间从2027年推迟至2028年；Fermi的主要租户突然撤回约1.5亿美元的注资承诺 [1] - 市场波动迅速传导至产业链上下游，光模块、交换机等相关个股集体跳水，引发市场对“AI泡沫”的争论再度升温 [1] 主要公司财报表现与资本开支 - 云巨头甲骨文在科技巨头订单推动下，其剩余履约义务同比飙升438%至5230亿美元 [1] - 博通第四财季营收达180.2亿美元，同比增长28%，其中半导体业务增长34.5%，基础设施软件业务营收也实现19%的增幅 [1] - 然而，上述云巨头自由现金流跌至-100亿美元，且过去12个月累计自由现金流为-131.8亿美元，同时大幅上调2026财年资本支出预期至500亿美元，比之前高出150亿美元 [2] 市场对“AI泡沫”的争议焦点 - 争议集中于三大核心问题：一是科技巨头资本开支的可持续性；二是产业链中是否存在“循环交易”放大估值泡沫；三是未来盈利能否匹配当前高估值 [2] - 霍华德·马克斯公开表示，变革性技术历来会引发过度热情和投资，导致基础设施建设过剩和资产价格虚高，人工智能有望成为最具变革性的技术之一，当前正受到市场狂热追捧 [2] AI产业基本面与投资逻辑分析 - 从经济角度看，主要科技企业的投入资本回报率仍在提升，说明当前投入具备经济效益支撑 [3] - 从产业阶段看，AI从技术突破到全面商业化尚处早期，算力需求因多模态模型、智能体系统、实时推理等演进仍在阶跃式增长 [3] - 从竞争格局看，云厂商争夺份额以及模型迭代倒逼算力升级，都意味着未来2–3年内资本开支很难骤然收缩 [3] - 目前AI各层级的真实订单与用户基础仍在扩张，尚未形成完全脱离真实需求的金融闭环，且当前AI相关企业的估值相比历史泡沫时期的极端水平仍相对理性 [3] - 若降息周期延续，流动性环境将有利于成长股估值和盈利修复，AI作为兼具成长与效率提升属性的方向，在宏观温和向好的背景下，具备较强的结构性配置价值 [3] 算力板块具体投资机会 - 光模块作为AI硬件端的核心支撑环节，当前行业需求正持续强化，叠加1.6T产品进入快速上量周期，相关上市公司及上游光芯片等零部件企业均有望维持高速增长 [4] - PCB板块短期受产能扩张进度的限制略有承压，但长期逻辑并未走弱，明年正交背板等新产品升级迭代与海外需求释放的双重红利，仍是后续的核心看点 [4] - 国内算力赛道正迎来双重支撑：一方面，美国放松较为先进的H200算力卡出口，互联网企业或将重启资本开支；另一方面，在政策加持下，国内算力芯片企业的IPO进程加速推进，先进制程持续扩产为相关企业提供产能支持 [4]

美股AI板块遭遇集体重挫 - 2023年12月某日晚，美股AI板块集体暴跌，英伟达跌3.81%，AMD重挫5.29%，博通大跌4.48%，谷歌跌3.21%，特斯拉跌4.62%，甲骨文大跌5.40%创9月以来新低[1] - 此次暴跌标志着美股AI板块估值逻辑发生根本性切换，从为宏大梦想买单转向锱铢必较地计算投入产出比[1] 暴跌的直接导火索 - 暴跌导火索是私募信贷机构Blue Owl Capital终止了与甲骨文一笔高达100亿美元的数据中心项目融资谈判[2] - 终止理由是担心甲骨文的债务规模和支出过大[2] - 此事件打破了AI行业过去两年的增长闭环逻辑：即通过高估值融资来支持GPU和数据中心资本开支，再以资本开支支撑高估值[3] 事件揭示的行业系统性风险 - Blue Owl的退出被视为资金链出现裂痕的信号，市场将其放大为系统性风险[4] - 甲骨文手握超过5000亿美元的剩余履约价值订单，其明星项目融资受阻引发市场对整条AI基础设施产业链确定性的担忧[4] - 私募信贷市场嗅觉敏锐，其收紧资助意味着AI基础设施建设（GPU、芯片、IDC、云租赁）的资金链有断裂风险[5] 市场机构观点出现分歧 **看空观点：** - KeyBanc将甲骨文目标价从350美元下调至300美元，Stifel将其从350美元下调至275美元，均出于对其能否履行5000多亿美元订单的担忧[7] - 风险投资家Tomasz Tunguz指出，甲骨文疯狂融资使其债务权益比高达500%，远高于亚马逊、微软、Meta和Alphabet的7%至23%[8] **看多观点：** - 摩根士丹利分析师Joseph Moore将英伟达目标价从235美元上调至250美元，认为市场对竞争反应过度，英伟达仍将占据70%以上市场份额[9] - 高盛认为AI投资占美国GDP不足1%，低于以往技术周期的2%-5%，且AI提升生产力带来的资本收入现值折现后约为8万亿美元[10] - Wedbush分析师Dan Ives认为AI正从基础设施建设转向真正变现阶段，当前调整为买入机会，并看好2026年特斯拉和“物理AI”爆发[10] AI行业估值逻辑已发生根本转变 - 美股AI股的估值逻辑已从关注资本开支力度，转变为关注投资回报率[11] - 威灵顿管理公司表示，需要投资回报率存在才能持续为AI投资提供资金[11] 当前行业面临收入无法覆盖成本的困境 - 根据红杉资本测算，为证明全行业每年在英伟达芯片上的巨额投入合理，AI行业必须产生约6000亿美元的年化收入[12] - 海豚投研保守预计，全球AI相关产业链需要在终端获得每年5000亿美元的年收入[12] - 然而，基于主流机构测算，2025年AI行业（核心是生成式AI软件与服务）的实际收入预期仅为1500亿至2000亿美元[12] - 例如，摩根士丹利预测2025年全球生成式AI收入约1530亿美元，其中企业级软件贡献约590亿美元，消费者平台贡献约940亿美元[12] - 资本开支持续增长，但生成式AI收入的增速远赶不上烧钱速度，收入无法覆盖成本已是事实[12] - 从ROI角度看，美股AI泡沫仍然存在，短期有风险，能否消除泡沫取决于加速商业化进程[13] 对A股市场的映射影响 - A股市场存在炒作美股AI映射的逻辑，例如“易中天”（新易盛、中际旭创、天孚通信）等概念[14] - 在美股大跌后，2023年12月18日，中际旭创下跌3.18%，新易盛下跌4.62%[14] - 炒作美股AI映射的投资者需警惕AI泡沫破裂风险波及A股相关概念[14]

美股市场与AI板块 - 美国AI板块存在泡沫，但泡沫破灭为时尚早，因公司增长未减速且流动性充沛 [3][20][23] - 美股AI及相关科技公司估值已达历史高位，达到此估值水平的次数屈指可数 [3][20][24] - 在历史可比高估值水平下，美股未来7到10年的平均回报率往往只有个位数 [3][24] - 投资AI领域应关注已崭露头角的公司以及由大型科技、互联网公司转型的AI领头羊 [4][41] - 从2025年下半年起，建议将美股获利部分转向非美市场，因美股相对表现已达历史高位，持续跑赢不现实 [4][26] A股市场与宏观展望 - 2026年A股市场值得期待，前提是经济表现不太差，且“十五五”规划开局年通常有政策支持 [9][11][12] - 2026年经济工作重心可能从国际事务更多转向国内经济建设，货币适度宽松，财政继续发力 [13] - 消费板块长期有机会，2026年可能是消费正式转型的起点，预计将有更多政策支持 [7][14][19] - 消费在经济中比重下降主要因投资驱动增长模式，但中国人均蛋白质、蔬果等消费已超发达国家水平 [18] - 新消费概念股上半年表现亮眼，长期仍值得关注 [16][17] 人民币汇率 - 人民币被严重低估，实际汇率过去几年对一篮子货币贬值25%以上，与出口盈余不匹配 [7][34][35] - 若无意外，2026年人民币应该会升值，近期走强可能只是一个开始 [7][35] 大宗商品 - 大宗商品未来几个月或许还有表现空间，因AI发展是资本和资源密集型，推高需求 [5][43][45] - 当前处于经济周期中晚期，此阶段大宗商品通常表现较好，且观察到贵金属向其他金属轮动的历史规律 [44][45] - 若AI故事延续、周期位置不变且流动性充足，资金可能更多流向资源品 [5][45] 资产配置与美元 - 因美股相对表现见顶及美元走弱预期，非美市场有机会，2025年非美市场及贵金属（银价翻倍、金价涨70%）表现已超美国 [8][29][30] - 建议将过去投资美股所获盈利的一部分（例如盈利的50%）重新配置到非美市场，使资产配置更趋合理 [32][33] - 美元面临贬值压力和信用问题，因明年美联储可能换帅，新主席或偏向宽松货币政策 [6][7][27]

全球基金经理情绪与资产配置 - 12月全球投资组合中的平均现金持有率从11月的3.7%骤降至3.3%，创下自1999年该调查开始以来的最低纪录 [1] - 高达42%的受访基金经理在12月增持了全球股票，比例为2022年以来最高 [3] - 综合现金水平、股票配置和对经济增长的预期，全球基金经理的整体乐观情绪已攀升至2021年中期以来的最高点 [3] 机构市场观点与投资建议 - 富达国际全球多元资产主管认为，在美联储降息周期持续的背景下，明年可能是一个投资回报率相当高的年份 [3] - 瑞银财富管理指出强劲的盈利增长预期将为股市提供关键支撑，并建议配置不足的投资者考虑增加全球股票敞口 [3] - 瑞银看好美国科技、医疗保健以及欧洲和亚洲部分市场的机会 [3] 市场潜在风险与脆弱性 - 基金经理手中极低的现金水平如同一把“双刃剑”，在放大上涨动力的同时，也让市场在面对负面冲击时变得异常脆弱 [3] - 嘉信理财宏观主管警告称，这种“持续增强的乐观情绪”将使市场在出现任何负面消息时“更容易受到剧烈回调的影响” [4] - 美国银行投资策略师指出，即使在历史上最严重的市场泡沫时期，投资者也未曾持有如此之低的现金，市场抵御风险的能力已严重削弱 [4] 市场关注的风险与不确定性 - “AI泡沫”仍是投资者眼中的最大市场风险，但担忧程度有所缓解 [4] - 越来越多的投资者开始预期长期债券收益率将走高，这为市场带来了新的不确定性 [4] - 美国银行投资策略师提出核心问题：如果美债收益率升至5%以上，全球股市还能表现良好吗 [4]

全球基金经理情绪与资产配置 - 12月全球基金经理投资组合中的平均现金持有率从11月的3.7%降至3.3%，创下1999年调查开始以来的最低水平 [2] - 42%受访基金经理透露增持了全球股票，比例为2022年以来最高水平 [2] - 综合评估显示，全球基金经理正处于自2021年中期以来最乐观的时期，甚至超过了2024年底“特朗普交易”高点时期 [3] 市场乐观情绪与预期 - 基金经理对全球企业利润的预期处于2021年以来的最高水平 [3] - 市场乐观情绪基于强劲的盈利增长预期，主要市场明年的盈利增长预期在7%~14%的稳健水平 [4] - 劳动力市场放缓使美联储继续倾向宽松，全球增长应在2026年加速 [4] 机构观点与投资策略 - 富达国际认为，当美联储降息周期持续时，市场风险通常较低，明年可能是一个投资回报率相当高的年份 [3] - 东方汇理资产管理对美股持中性立场，倾向于维持均等权重配置策略，并看好欧洲金融、工业、国防及绿色转型相关板块，以及中小型企业 [4] - 瑞银财富管理看好美国科技、医疗保健、公用事业和银行板块，并认为欧洲股票有望受益于政策和结构性增长，在亚太地区看好澳大利亚和中国股市，尤其是中国科技板块 [4] 市场风险与担忧 - “AI泡沫”仍是全球投资者在12月调查中认为的最大市场风险，但将其列为最大风险的基金经理人数占比从45%降至38% [5] - 基金经理的低现金水平所证明的“持续增强的乐观情绪”可能使市场在出现负面消息时“更容易受到剧烈回调的影响” [5] - 越来越多投资者预计12个月后长期债券利率会更高，四分之三的受访基金经理预计在此期间收益率曲线会变陡 [5]

高净值群体资产配置现状 - 当前高净值群体资产配置有四大核心重仓：量化增强、科创基金、全天候策略和海外资产 [1][18] - 量化增强策略本质配置小盘股，风险点在于size因子和非线性因子 [1][18] - 科创基金风险点在于国内利率回升引发风格转换，以及美国AI资本开支预期下修导致AI泡沫破灭 [1][18] - 全天候策略风险点在于利率回升引发债券持仓亏损和黄金下跌 [1][19] - 海外资产风险点在于人民币汇率和美国AI [2][20] 各类资产规模增长情况 - 自去年9月24日以来，融资余额合计净增1.1万亿元，远超同期主动权益规模增量，融资盘最大配置方向是龙头科技为首的TMT板块 [3][21] - 私募基金总规模从2024年底的5.21万亿元增长至2025年10月底的7.01万亿元，增加1.8万亿元，保守估计其中1.5万亿元为量化私募 [3][21] - 2025年ETF总规模从年初约3.73万亿元激增至5.74万亿元，年内规模增长超2万亿元，增速超过53% [3][21] - ETF增量最大的四个方向是科创债、恒生科技、黄金ETF和沪深300ETF [3][21] - A500ETF近期受热议，最近一周申购净流入255亿元，最近一个月申购净流入367亿元 [3][21] - 以A500ETF易方达159361为例，其规模从6月底的137亿元激增至245亿元，规模增长80% [5][23] 各类资产收益表现 - 百亿量化私募2025年业绩均在40%以上，量化策略已连续第三年跑赢主观策略 [8][26] - 混合偏股基金年内收益达32%，在连续三年萎靡后重振雄风 [8][26] - 宽基指数收益普遍在20%以上，A500ETF年内收益22%，沪深300ETF年内收益18% [9][27] - QDII基金几乎全线限购，黄金ETF年内规模纷纷突破百亿，投顾组合中流行“红利-黄金-纳指”配置 [9][27] 全球基金经理情绪与仓位 - 最新全球基金经理调查显示，宏观乐观情绪达到2021年8月以来最高 [9][27] - 股票+大宗商品配置比例达到2022年2月以来最高 [9][27] - 现金水平降至3.3%的历史低点，较之前的3.7%下降 [9][27] - 盈利预期（净29%）达到2021年8月以来最高 [9][27] - 流动性条件被评为过去17年第三佳 [9][27] - 基金经理认为AI泡沫是最大尾部风险，占比37% [12][30] - 认为最可能的信贷事件来源是私人信贷（40%）和超规模资本支出（29%） [12][30] - 最拥挤的交易是做多“Mag 7”（54%）和做多黄金（29%） [12][30] 2025年市场驱动因素与未来展望 - 2025年在弱美元预期差和AI产业叙事膨胀下，全球权益市场演绎“资产荒”和“资金牛”，现金和长债变成劣势资产 [15][33] - 做多流动性和做多波动率成为科技股、小盘股走牛的根源 [15][33] - 国内市场额外叠加了超常规逆周期调节政策与存款搬家的财富效应 [15][33] - 市场需思考2026年是否重复2025年故事，并关注头寸拥挤是否必然带来趋势反转、利率回升是否必然带来地产走强、宏观对冲是否为风格切换最佳方向等问题 [16][34]

苹果公司产品战略与创新 - 苹果的AI危机意识驱动了产品线创新 催生了预计2025年发布的iPhone Air以及预计2026年发售的可折叠iPhone [1][2] - 苹果产品开发周期较长 iPhone Air已是2025年时间有限条件下能做出的最大改变 显著的iPhone用户体验改变需等到2026年 [2] - 可折叠iPhone开发进度较预期慢 但仍预计在2026年下半年发布 受限于早期量产爬坡挑战 出货顺畅需待2027年 [3] - 在供应有限但需求预期强劲的情况下 可折叠iPhone可能至少会缺货到2026年底 [1][3] - 可折叠iPhone因屏幕更大 有利于显示AI多模态内容 [3] - 长期而言 具备显示功能的智能眼镜有取代既有带屏消费电子装置的潜力 预计需待2028至2030年商业模式与技术成熟后 出货量才会开始明显增长 [3] 苹果公司人工智能发展 - 设备端AI是长期趋势 但短期内仍不影响既有消费电子出货 苹果在iPhone 17发布会上几乎未提AI 但销量仍优于预期即为证明 [2] - 苹果在2026年全球开发者大会上势必要显著改进Siri/Apple Intelligence 在时间压力下可能会与谷歌的Gemini进行更深入的合作 [2] - 从长期来看 AI是产品设计的核心 预计苹果最终仍会拥有自己的AI语言模型 [2] 谷歌与AI产业趋势 - 谷歌Gemini 3迅速成为市场焦点 主要原因是用户在短期内就能感受到其显著提升的生图能力 以及与Google Workspace的高度整合便利性 [4] - Gemini 3发布成功的更重要原因是谷歌的组织与策略 难以被其他采用TPU的厂商轻易复制 [4] - AI产业仍处于很早期阶段 论赢家与输家仍言之过早 [4] 关于AI需求的讨论 - 关于AI是否为泡沫的争论主要集中在两个问题：AI需求是否真实 以及AI相关股票估值是否过高 [5] - 多数人认同AI需求真实 但对服务载体、发生时间与商业模式等议题看法不一 [5] - 英伟达强力回击外界看空言论 主要动机在于强化供应链合作信心以及资本市场对循环融资的信心 [5]

AI行业市场情绪与股价表现 - 当地时间12月17日，美股大型科技股集体下跌，英伟达股价下跌近4% [1] - AI明星股甲骨文股价下挫5.4%，收于178.46美元/股，相比年内高点跌幅达到48%，几乎抹平今年以来涨幅 [1] - 甲骨文股价大幅回调后，其他相关企业如博通的股价亦同步走弱，即便其业绩好于预期 [3] 市场对AI投资的担忧与逻辑转向 - 桥水联席首席投资官警告，AI支出热潮正进入“危险”阶段，因大型科技公司越来越多地用“外部资本”支撑成本 [2] - 中金公司研报指出，甲骨文披露高额资本开支计划后股价回调，反映市场对AI投资的逻辑正在发生转向，单纯依赖资本开支驱动的乐观叙事或已不再占据主导 [2] - 投资者开始重新审视AI投资的潜在风险，包括投资回报、融资条件以及企业间关联性三个维度 [2] - AI投资的边际效率大概率将随规模扩大而降低，但成本未见下降，仍处于“规模不经济”阶段 [2] - 企业的AI投资主要依赖外部融资，一旦市场信心动摇导致融资成本上升，可能中断投资计划 [2] - 科技巨头如英伟达、OpenAI、甲骨文之间已形成紧密关联网络，一家企业的问题可能引发行业连锁反应 [2] - 部分投资经理担忧当前市场结构与历史上的互联网泡沫相似，如领涨板块过于集中、估值偏高及交易拥挤 [7] - 对AI领域大规模投资的实际回报能力存疑，部分机构投资者已开始转向防御型配置，如医疗保健和公用事业类资产 [7] AI技术路线的争议与局限性 - Meta首席AI科学家杨立昆批评当前硅谷过于依赖大语言模型的路径可能是一场“集体幻觉”，并难以通往真正的通用人工智能 [4] - 杨立昆宣布将从Meta离职创业，新公司已明确转向研发“世界模型” [4] - 谷歌DeepMind、Meta、斯坦福等机构研究人员联合发表的论文指出，大语言模型的性能提升存在五个难以仅靠扩大数据与参数突破的“天花板” [4] - 论文指出，“幻觉”（即编造信息）问题尤为突出，且当前模型评估体系变相“鼓励”模型猜测而非诚实承认未知 [4] - 杨立昆表示，大语言模型是“高消耗、低产出”，需要吞下近乎“百年时长”的数据才勉强接近一个4岁孩子仅需约1.6万小时真实感知形成的基本世界认知 [5] 投资机构对AI的长期观点与机会 - 贝莱德部分内部观点认为，人工智能被视为持续至2026年的关键收益驱动力，有望继续推动生产率提升 [6] - 瑞银全球财富管理首席投资长预期，未来数年全球AI资本支出会持续增加，且未现投资泡沫迹象 [8] - 随着AI应用从消费者聊天机器人拓展至企业与产业领域，所需运算能力将远超现有基础设施规模 [8] - 富达国际在2026年全球投资展望中表示，AI的发展及投资逻辑明确，建议全面捕捉AI价值链各环节的投资机会 [8] - 富达国际建议关注超大规模云服务商和芯片制造商，同时关注估值较低、正在迎头赶上的受益企业 [8] - 富达国际认为中国AI进展尤为值得关注，自主的AI生态系统、庞大的国内市场、政策利好以及消费群体的扩大，将加速AI更广泛地应用 [8]

AI泡沫争议与盈利能力 - 当前AI企业实际利润情况非常好，若停止开发新模型仅运营现有模型，按当前利润率可很快实现盈利，因此现阶段不像是泡沫 [6] - 企业持续投入资金是为了构建更庞大的模型以追求更高利润，而非因为无法盈利，且很快能收回过去的开发成本 [6] - 用户愿意为AI服务付费，表明其获得了价值，这是一个可靠的信号，进一步反驳了泡沫论 [7] 技术演进与模型能力边界 - 预训练技术焦点有所转移，后训练（如推理优化）成为新方向，但预训练仍有扩展空间，存在大量未被利用的数据 [9] - 纯软件奇点（AI自动化AI研究）目前难以实现，因为大规模实验是研发的必要条件，而当前大量资金同时投向了研究人员和实验算力 [9][11] - 模型能力尚未出现增长放缓的迹象，对“灾难性遗忘”等问题的担忧尚未在实际数据中体现 [12] AI对编码领域的影响 - 有观点预测AI将编写90%的代码，但实际影响复杂，AI可能加速了开发，也可能创造了人类原本不会去写的新代码 [15][16] - 衡量AI对编码效率的提升存在困难，Uplift论文指出参与者主观感觉提速，但难以准确量化 [16] - 最可靠的指标可能是AI公司从程序员用户和订阅服务中获得的收入，这反映了工具被实际使用 [16] AI对劳动力市场的潜在影响 - 在高端市场，AI很可能自动化几乎所有现有工作，但同时会创造新的工作岗位 [17] - 未来十年内，现有工作中被AI替代的比例可能不低于10%，这是一个合理的下限 [19] - 存在一种可能性，即AI的某项新应用可能在短期内（如六个月）导致失业率上升5%，这将引发巨大关注和政策反应 [18][45] 专业选择与技能发展 - 不建议主修“提示工程”等短期热门专业，因为AI工具正变得易用，此类专门技能必要性下降 [22] - 学习计算机科学或数学等专业仍有价值，但应注重培养通用技能，如合作与沟通能力，而非仅成为特定技术的技术人员 [22] - 大学阶段的选择应基于个人兴趣和对世界的价值，而非盲目追逐难以预测的未来潮流 [22] 经济影响与增长预测 - 基于当前趋势（如英伟达收入增长），到2030年AI可能推动GDP增长几个百分点，这按经济标准已属惊人 [26] - 若未来十年内获得能像人类一样完成任何远程工作的AI（AGI），30%的GDP增长是一个合理的下限预测 [27] - 拥有可胜任人类所有工作的虚拟劳动力的世界，很可能导致经济出现极端结果，要么疯狂增长，要么彻底崩溃 [28] 基准测试与模型衡量 - 现有的主流基准测试（如MMLU、GPQA）很快会被AI攻克 [29] - 未来需要开发更困难、更贴近现实场景的基准测试，这平均需要投入更多资源 [30] - 除了系统化的基准测试，一些令人印象深刻的独立案例（如AI成功重构整个代码库）也将成为衡量进展的有力证据 [30] 未来技术里程碑预测 - AI在未来五年内独立解决像黎曼猜想这样的重大未解数学问题，不会令人惊讶，数学领域并非AI的短板 [33] - 在生物学或医学领域取得无需人类深度参与的独立突破，比数学突破要困难得多，因其需要与现实世界互动并进行实验 [35] - 对于“能完成任何远程工作任务”的AI，预测中位数时间线大约在2035年左右；而超级智能的出现时间难以准确预测，但可能在之后不久 [37] 机器人技术与硬件挑战 - 机器人技术的训练算力规模比前沿AI模型小100倍，仍有很大提升空间 [39] - 机器人技术的主要瓶颈在于硬件和经济问题，例如制造成本过高可能使其在低劳动力成本地区缺乏竞争力 [39] - 物理操作（机器人技术）的进展滞后于虚拟任务，可能因为其本身更难，也可能因为优先级较低 [40] 数据中心扩展与能源瓶颈 - AI数据中心的建设速度已经非常快，例如Anthropic与亚马逊合作的“雷尼尔计划”数据中心，其耗电量几乎与一个州首府相当 [41] - 扩展集群规模的主要限制并非技术或能源，而是资金和意愿，只要有资金，行业就在尽可能快地扩展 [42] - 能源不会成为长期瓶颈，虽然获取廉价电力的传统流程变慢，但存在成本更高的应急解决方案（如太阳能加电池），其成本远低于GPU [43] 政策回应与公众关注 - 若AI导致失业率在短期内显著上升（如6个月内升5%），公众将产生强烈反应，政策回应会来得非常快 [45] - 政府对AI的关注度可能遵循与行业收入类似的增长趋势（每年翻倍或三倍增长），未来关注度将急剧上升 [46] - 政策回应的具体形式高度不确定，可能是国有化、暂停发展、加速推进或完善社会保障等 [45]