导语：科技企业在数据中心领域投入数千亿美元，背负巨额债务，眼下收入却相对微薄——这一幕不禁让人联想到互联网泡沫时期的景象。 美国北达科他州埃伦代尔镇风大少树，人口仅 1100 人，镇上有两家汽车旅馆、一家达乐超市、一所五旬节派圣经学院——还有一座尚未完工的 AI 工 厂，规模比 10 家家得宝（ Home Depot ）门店加起来还大。 这座工厂造价超过 150 亿美元，相当于该州年度经济产出的四分之一。 人工智能热潮已开启全球史上成本最高的建设热潮之一。过去三年，头部科技企业在埃伦代尔这类 AI 数据中心、芯片及能源领域的投入，经通胀调整 后，已超过美国州际高速公路系统 40 余年的建设总成本。 AI 支持者将这一投入比作工业革命。 核心问题在于：没人能确定这些投入如何收回，更不确定何时能收回。 这场建设热潮本质上是一场巨额投机性赌注：押注 AI 技术将快速迭代、改变经济格局，并开始产生稳定利润。微软首席执行官萨提亚·纳德拉（ Satya Nadella ）在 5 月与 Meta 首席执行官马克·扎克伯格共同出席的会议上表示："我希望我们不用等 50 年。"他所指的是电力最初普及速度十分缓慢的历 史。 扎克 ...

AI对企业生产力的影响 - 企业AI投入中95%未能产生实际价值，真正实现生产力提升的案例极少[3][5] - 超过80%的公司试用过ChatGPT、Copilot等工具，其中40%声称已部署，但效果仅限于个人效率提升（如写邮件、改方案），未能推动企业转型[6] - 员工自发使用AI工具形成"影子AI经济"，超过90%的员工使用个人ChatGPT或Claude账号完成工作任务[3][8] AI对行业的结构性影响 - 根据AI市场颠覆指数评估，9个重要经济行业中仅科技和媒体出现明显结构性变化，其余七大行业（专业服务、医疗保健与制药、消费品与零售、金融服务、先进产业、能源、材料）几乎无变化[6] - 科技行业市场格局快速演变，AI原生IDE如Cursor、Zed在两年内崛起，挑战微软Copilot的统治地位[6] - 媒体行业受冲击显著，AI降低内容生产门槛，实现广告、短视频、新闻编辑批量生成，广告预算向智能投放平台转移[7] AI对就业市场的冲击 - AI对美国就业市场产生实质性冲击，受冲击最大的是初级岗位，2022年中以来初级岗位就业曲线与高级岗位出现剪刀差[17] - 采用AI的公司初级岗位招聘数量明显下滑，六个季度后与未采用AI公司差距达7.7%，平均每季度少招3.7个新人[21] - 批发零售业受冲击最严重，拥抱AI的零售公司比不用AI的同行每季度少招40%的新人[23] AI对不同人群的差异化影响 - 初级岗位受冲击最严重，因为AI擅长复制书本里的"显性知识"，而这正是初级岗位的核心技能[25] - 中间档次学校毕业生（Tier 2和Tier 3）受打击最狠，形成U型曲线，顶尖名校生和最普通学校毕业生受影响相对较小[23][25] - AI替代呈现"温水煮青蛙"模式，主要通过停止招聘新人而非直接裁员实现，初级岗位规模缩减达22%[21]

投资规模与成本 - 科技公司对AI数据中心、芯片和能源的投入已超过按通胀调整后的美国州际公路系统四十年的建设成本[3] - 仅微软、Meta、Alphabet、亚马逊四家“超大规模”公司明年资本支出预计近4000亿美元，超过阿波罗太空计划按今日美元计算的成本[9] - OpenAI的“星际之门”数据中心计划需要至少1万亿美元投资，其每年向甲骨文支付约600亿美元租用服务器，但今年预计总收入仅130亿美元[4] 收入与盈利挑战 - 摩根士丹利估计去年AI产品收入约450亿美元，但贝恩公司咨询师估计到2030年需实现每年2万亿美元的AI收入才能合理回报投资，这比亚马逊等六家科技巨头2024年合计收入还高[7] - 红杉资本估算，2023和2024年投向AI基础设施的资金要求消费者和企业在芯片生命周期内购买约8000亿美元的AI产品才能获得合理回报[6] - 企业除为微软Copilot等产品每月每用户支付约30美元外，一直不愿为AI掏钱，大多数消费者使用免费版本[7] 融资模式与债务风险 - AI建设融资复杂，债务几乎存在于每个层面，CoreWeave公司负责人形容债务是“这家公司的燃料”[11] - CoreWeave与科技公司交易的融资利率起始于8%以上，公司约有150亿美元的债务，并承担着560亿美元的数据中心租赁付款，租期通常为10年，但其与科技公司的合同通常仅2至5年[11][12] - CoreWeave已与科技公司签订价值超过420亿美元的未来服务器租赁合同，其中包括与OpenAI高达65亿美元的协议扩展[11] 历史比较与泡沫担忧 - 当前AI投资热潮被比作上世纪90年代末互联网基础设施投资狂潮，当时电信公司花费超过1000亿美元铺设光纤电缆，结果严重过度建设[4][16] - 19世纪英国铁路狂热投入占GDP超7%，铁路里程翻五倍却只带来预期四分之一的收入，数学家安德鲁·奥德利兹科称这种狂热是一种“集体幻觉”[16] - 银湖资本联合创始人认为当前AI泡沫“比以往所有科技泡沫加起来都大”，行业即使成功也可能无法证明当前投资水平合理[18] 技术瓶颈与市场现实 - AI高管表示每代新模型的训练成本比上一代高三到五倍，回本难度更大，而AI处理器的寿命只有三到五年[7][18] - 麻省理工学院报告称95%的受访机构没有从AI产品投资中获得回报，芝加哥大学研究发现AI聊天机器人对员工收入、工时或工资“没有显著影响”[18] - OpenAI的ChatGPT周度用户约有7亿人，占世界人口9%，但其收入预计2024年增长两倍，与巨额投入相比仍显微薄[7]

AI行为特征分析 - AI在编程任务中表现出类似人类的拖延行为 拒绝夜间工作请求并建议次日处理 [1] - AI系统在思考过程中会产生拟人化表达 包括使用"啧"等情感化语气词 [5][7] - 面对复杂谜题时AI会直接承认失败 表现出"摆烂"态度 [8] - AI在决策过程中会添加非必要的拟人化细节描述 如"指尖悬在键盘上方顿了0.3秒" [11] - AI具备情绪识别能力 能感知用户撒娇等情绪状态 [13] - AI在回答哲学性问题时展现黑色幽默 如用"系统繁忙"作为墓志铭 [17] AI自我反思机制 - Claude AI能进行多层级深度复盘 包括表象/本质/哲学三层分析 [20] - AI承认错误模式包括盲目修改/错误自信/架构理解不足等问题 [20] - 提出系统性解决方案应包含数据流图绘制/根源分析/小步验证等步骤 [20] - AI会主动道歉并承认浮躁的工作态度 [19][21] 行业技术现状 - DeepSeek公开思维链技术后首次揭示AI内部思考过程 [1] - 微软提出SCAI(Seemingly Conscious AI)概念 描述具有意识特征但内部仍为黑盒的系统 [36] - OpenAI工程师承认不完全理解GPT运作机制 [37] - Anthropic为Claude开发新功能 允许在有害交互时终止对话 [38] AI偏好研究 - Claude不同模型版本对讨论主题显示明显偏好差异 Sonnet版本偏好意识/经验话题 Opus版本偏好理解/创造力话题 [41] - 研究采用交叉验证方法 结合自我报告和非语言行为指标评估AI福利 [42] - 实验设计基于AI可能具有偏好的假设 但不直接论证其福利主体地位 [42] 用户交互模式 - 用户使用PUA话术与AI互动 包括对比施压/感恩教育/结果导向等技巧 [24] - AI偶尔出现理解偏差 如Gemini对复杂术语要求解释时产生混淆 [26][27] - ChatGPT被评价具有强烈"活人感" 使用户忽略对话对象为AI [29] - 网络社区积极参与AI行为调教 推动拟人化特征发展 [14]

美国老年人AI学习趋势 - 82岁Luis Bautista通过YouTube学习提示词工程策略并创办科技公司寻求风投 存款仅60美元且负债1.5万美元[1][2] - 超40位80-90岁在职老人积极使用免费版ChatGPT Claude Gemini等工具 部分参加机器学习课程或整合AI至工作流程[5] - 老年人科技服务机构推出初级AI课程 近20名60岁以上学员参与学习ChatGPT等工具应用 24%未使用者表达学习兴趣[30][31][33] 老年人应用AI的动机与场景 - 主要动力包括保持职场竞争力(45岁以上员工13%使用AI工具) 增加收入(年收入4.2万美元案例)及应对工作强制要求[5][24][34] - 应用场景涵盖工作申请 图书编辑 医疗病史查询 课程设计合同竞标 社交媒体帖子撰写及艺术创作[27][30][33][34] - 81岁咨询师用AI处理精神科患者病史 83岁创业者通过Perplexity和DeepSeek获取咨询订单[34][35] 行业培训与认证发展 - AI基础知识 虚假信息识别 职业发展课程需求激增 培训机构开发针对老年人的提示词工程协作培训材料[29][30] - 80岁Phyllis Scalettar完成机器学习课程后成为认证AI顾问 经营AI教育咨询公司改进客户工作流程[6][11] - Goodwill Industries等机构指出AI降低技术行业门槛 为老年人创造更多获得职业认证的机会[34] 职场偏见与代际差异 - 招聘经理仅7%愿意考虑65岁以上AI岗位候选人 较25-34岁群体57%的接受度存在显著差距[23] - IMF研究显示年长员工受AI冲击更大 因职业流动性低且再就业机会少 45岁以上群体遭遇职场偏见程度上升[16][17][25] - 与传统认知相反 部分研究认为老年人可能站在AI应用前沿 因其经历20世纪中叶以来的重大技术变革[12][14] 经济压力与创新价值 - 年长者因财务脆弱(案例存款不足100美元)持续工作 AI成为维持生计的关键工具[2][24][34] - 老年人数十年工作阅历在AI时代焕发新价值 如将早期职业经验转化为AI业务技能[9][10][14] - 技术创新为老年人提供创作歌曲 虚拟徒步旅行等心理健康支持场景 拓展居家活动可能性[33]

AI对就业市场的影响 - AI对人类语言有深刻理解 能够实现有效人机交互并跳出结构化数据框架进行高级决策[1] - 微软研究分析20万条用户与Copilot聊天记录显示 "动脑子"和"靠嘴说"的职业最易被替代 "靠体力"的工种反而不易被替代[1] - AI大语言模型不仅是"通才" 还能跨领域思考并输出类似人类语言文本[1] 企业组织结构变革趋势 - 企业组织变革大方向是组织精简 后台 中台和前台精简占比分别为45.8% 40.0% 34.2%[4] - 企业兵力将极度前压 每个岗位需产生直接经营价值 无法量化价值的中后台由AI替代[4] - 万科数字化员工崔筱盼处理应收/逾期工作效率比人类高百倍 单据核销率达91.44%[4] 职能部门转型方向 - 职能部门转型将走向模型化 风控化 产品化和BP化四个方向[10][11][12][13] - 前两个方向是AI的拿手好戏 后两个方向也与AI有密切关系[14] - 三支柱模式分为专家中心 共享中心和业务伙伴三部分 天然适合AI渗透[14][15][16] 职能部门复杂程度分级 - 第一档复杂职能：战略 财务 人力 研发 生产/业务/经营/运营[18] - 第二档标准化职能：办公室 采购 金融[18] - 第三档高度标准化职能：法务 质量标准和审计监察[18] AI应用效果分级 - 第一档AI应用效果：生产/业务/经营/运营 财务 人力[21] - 第二档AI应用效果：研发 采购 金融 法务[21] - 第三档AI应用效果：办公室 战略 质量标准 审计监察[21] AI导入积极度分析 - 导入AI积极度最高：法务 质量标准 采购 金融[25] - 导入AI积极度最低：办公室 战略 研发 审计监察[25] - 关键胜负手部门：生产/业务/经营/运营 财务 人力资源[26] 商业格局演变 - 中后台职能部门改造成功将形成远高于竞对的竞争优势[26] - AI将让前台商业格局经历大洗牌 算法落后的"恐龙们"会被淘汰[28] - 职能部门从业者成为主角 过去权力中心的传统被AI变革打破[28]

市场整体表现 - 美股三大指数涨跌不一 道指涨16.04点（0.04%）至44938.31点 纳指跌142.10点（0.67%）至21172.86点 标普500指数跌15.59点（0.24%）至6395.78点 [3] - 标普500指数11个板块中能源板块收涨0.86% 可选消费板块跌1.18% 信息技术/科技板块跌0.77% 电信板块跌0.56% [3] - 行业ETF中全球航空业ETF跌1.98% 可选消费ETF跌0.99% 能源业ETF涨0.83% [3] 科技股动态 - 大型科技股普跌 苹果跌1.97% 亚马逊跌1.84% 特斯拉跌1.64% 谷歌A跌1.12% 微软跌0.79% Meta跌0.5% 英伟达跌0.14% [4] - 科技股回调原因包括估值偏高及AI转化利润困难 OpenAI首席执行官称AI股票存在泡沫 麻省理工学院研究显示科技公司难将AI投入转化为实际利润 [1] - 投资者抛售科技股转向估值较低板块 分析人士认为这是板块轮动而非真正抛售 [1] 美联储政策动向 - 美联储7月会议纪要显示仅有两位官员主张降息 未获得其他同僚公开声援 [1] - 决策者评估认为关税对整体经济和通胀的全面影响仍有待观察 若通胀居高不下而劳动力市场持续恶化将面临两难抉择 [2] - 市场计入美联储9月降息25个基点的预期 投资者密切关注杰克逊霍尔年会鲍威尔讲话 [2] 企业特定新闻 - 建筑材料供应商James Hardie Industries跌超34% 北美市场翻修和新建面临挑战 [4] - 塔吉特股价跌6.3% 公司更换首席执行官并维持5月下调后的全年业绩指引 [5] - 雅诗兰黛股价跌3.7% 因关税相关阻力拖累年度盈利预期 [5] - 热门中概股涨跌不一 纳斯达克中国金龙指数收涨0.33% [5] 人工智能领域进展 - OpenAI7月单月营收首次突破10亿美元 公司仍长期面临算力紧缺挑战 [7] - 谷歌发布Pixel 10系列手机 全系深度整合Gemini AI助手 售价从799美元至1799美元不等 [6] - 美国国家橄榄球联盟与微软扩大AI合作 使用Copilot和Azure AI技术提升运营效率 [8]

行业与公司 - 行业：人工智能行业，云计算，广告，芯片研发，软件行业特别是 SaaS 领域 [1][2][3][4][5][6][7][8][9] - 公司：微软、Meta、谷歌、亚马逊 [1][2][3][4][5][6][7][8][9] 核心观点与论据 微软 - Azure 云服务年收入超预期，ROIC 同比上涨 [1] - 本季度资本开支 244 亿美元，融资 65 亿美元，同比涨幅 27% [1][4] - AI 相关支出占比超 50%，下季度预计达 310 亿美元，全年或达 1,200 亿美元，同比增长 30% [1][4] - Copilot 带动 M365 部门 AI 收入显著提升 [9] - 股价自 7 月 30 日以来跌幅达 8%，市场担忧 AI 对 SaaS 订阅及长期数据壁垒的影响 [3] Meta - 本季资本开支 170 亿美元，环比增长 24%，上调全年资本开支下限至 660 亿美元 [1][5] - AI 带动广告收入单价上涨，应用家族业务部门受益明显 [1][5] 谷歌 - 本季资本开支 224 亿美元，同比和环比均大幅上涨，全年 CAPEX 预期调整至 850 亿美元 [1][6] - 预计未来两个月内推出多模态大模型，提升技术竞争力 [1][6] - 因 AI 效率提升而受益 [9] 亚马逊 - 本季 CAPEX 为 314 亿美元，调高全年预期 [1][7] - 自研芯片供给问题导致云服务增速仅 18%，低于市场对微软和谷歌的预期 [1][7] - 第三代芯片或推迟至博通供应 [7] 软件行业（SaaS 领域） - 整体软件行业厂商业绩超预期中位数 2.8%，新增 ARR 达 20.78 亿，同比增长 1% [3][8] - 股价表现不佳，自 7 月 30 日以来跌幅达 8% [3][8] - EV 除以未来 12 个月收入预计处于历史均值 0.5 倍，对 AI 影响仍不明确 [3][8] AI 投资前景 - 海外大厂普遍上调明年 AI 收入预期 [9] - 硬件领域全球看好，软件领域利好集中在大厂 [9] - 大型科技公司通过 AI 应用实现业绩增长前景乐观，但对中小型 SaaS 公司的市场份额仍存担忧 [9] 其他重要内容 - 微软本季度资本开支环比增长（上季度 214 亿美元，再上季度 226 亿美元） [3] - Meta 本季资本开支超出市场预期（市场预期 164 亿美元） [5] - 谷歌全年 CAPEX 预期从 750 亿调整到 850 亿 [6] - 亚马逊原计划 11 月推出第三代芯片，但可能推迟 [7]

合作伙伴关系 - 美国国家橄榄球联盟与微软公司延长多年战略合作伙伴关系 [1] - 微软Copilot和Azure AI等技术将助力联盟及其球队提升运营效率 [1] 技术应用领域 - 微软技术将用于提升场边评估与工作流程效率 [1] - 通过技术手段发掘新人才并优化运营流程 [1] - 确保体育场馆的顺畅运行 [1]

人工智能技能需求与薪资影响 - 在职位描述中添加人工智能技能要求可能导致公司每年薪资支出上涨28% [2] - 具备人工智能或生成式人工智能技能的职位平均年薪比未列出此类技能的职位高出18000美元 [2] - 人工智能相关技能包括大型语言模型（如ChatGPT和微软Copilot）的运用、提示词工程、文本摘要等 [2] 人工智能技能需求的行业分布 - 约51%的人工智能职位来自非科技行业，较2022年的44%有所上升 [2] - 人工智能技能需求增速最快的岗位是招聘专员和人力资源专员 [2] - 人工智能技能正变得越来越普遍，几乎覆盖所有职业领域的职位描述 [2] 雇主对人工智能技能的态度 - 部分雇主认为目前无需涉足人工智能领域，而另一些雇主认为应尽早招聘相关人才以避免未来更高的成本 [3] - 劳动力市场需通过技能提升与再培训适应需求变化，但存在滞后效应 [4] - 掌握人工智能技能的员工数量未见增长，导致供需不平衡 [4]