AI时代，软件工程的核心瓶颈已从代码编写转移至验证、评审、协作与安全，这导致传统软件工程流程面临失效并亟需重构。Claude Code团队通过实践，推崇即时规划、自动化运营、信任与验证的评审策略，并强调人类判断力和“品味”的价值。尽管存在挑战，AI原生组织必须系统性地重塑其组织运作、人才结构与流程，以适应这一深刻的技术变革。 AI时代软件工程瓶颈的转移与影响 * 核心瓶颈转移: 传统瓶颈“代码编写”因AI生成效率提升而消失，新瓶颈转向代码验证、评审、跨职能协作及安全保障。 * 系统性重构需求: AI变革不只是工具替换，更是对整个软件工程基础设施和方法的全面重构（如“从马车到汽车”的演变）。 * 旧流程失效: 传统规划方式、代码所有权、代码评审、团队构成和知识共享等五个领域面临失效。 Claude Code团队的流程重塑策略 * 规划方式革新: 放弃传统长期路线图，转向“即时规划”，通过快速原型和内部反馈迭代，强调“Building is cheap，Arguing is expensive”。 * 代码评审效率提升: 采取“信任但验证”策略，AI处理常规性评审（如风格检查、bug修复），人类专注于法律合规、安全敏感代码及产品“品味”判断。 * 团队构成与协作: 角色界限模糊，产品经理（PM）参与代码编写，工程师涉足内容和设计，促进跨职能融合，消除传统瓶颈。 * 自动化作为核心习惯: 将自动化视为“肌肉记忆”，提倡“如果一件事你需要重复3遍以上，请想尽一切办法，用AI将其自动掉”。 AI时代人类角色的重新定义 * 高阶判断力与“品味”: 在AI高效执行任务背景下，人类价值体现在识别“该做什么”、判断“什么结果是优秀”的“品味”和创造力。 * 招聘标准转变: 重视具备产品sense的创意构建者（creative builder）和拥有深厚系统背景的工程师。 * “品味是稀缺的，打字不是”: 强调人类在决策、方向和质量判断上的不可替代性。 组织变革与持续挑战 * 组织变革原则: 保持团队扁平化、最大化AI利用、主动淘汰过时流程和会议。 * 淘汰旧流程: 鼓励团队识别并剔除不再有价值的旧流程和工作流，避免形式主义。 * 未解决的挑战: 面临团队专业化边界、自动化评审极限以及角色模糊下责任归属等尚未解决的问题。

当前全球金融市场正经历结构性转变与宏观经济压力的交织，本报告深入探讨了OpenAI的AI战略资本配置、市场流动性动态、主权债务脆弱性、软件行业机遇及商品超级周期。专业投资者需密切关注这些复杂且相互关联的宏观趋势与微观结构变化，以应对市场波动并把握结构性机遇。 AI战略资本配置与生态系统发展 * OpenAI的战略重心是构建“AI智能层”，而非短期IPO，通过1220亿美元私募融资创造“最大可选性”。 * 采用“单一基础模型，多个界面”策略，如ChatGPT拥有9亿周活用户，形成广泛数据飞轮及核心护城河。 * 算力短缺至2026年，长期资本支出规划至2031-2032年，包括在密歇根州的1GW数据中心项目，并采取多云/多芯片策略将capex转为opex。 * GPT-4o token成本相较GPT-4下降97%，GPT-5定价虽高但客户实际支付减少20-30%，体现“稀缺性溢价”。 市场结构演变与流动性动态 * 当前市场环境被描述为“数字赌场”，由央行无限流动性、被动投资工具、期权市场正反馈及24/7预测市场驱动。 * 标普500指数创历史新高但下跌股多于上涨股，显示市场广度不佳，少数大盘股推动，基本面投资时代已终结。 * 全球流动性虽达193万亿美元历史高位，但其“率变”减速预示“窄基见顶”，风险资产正失去增量资金驱动。 * 资本正从金融市场大规模流向实体经济，实物资产而非金融资产更受青睐。 主权债务脆弱性与信用风险升级 * 欧洲银行业在4月买入237亿欧元政府债券，年初至今超1750亿欧元，表明银行宁愿承担主权债市值风险也不愿面对实体经济信用风险。 * Uriber期货市场呈现“Frown”曲线，预示市场预期欧洲央行可能出现政策错误，导致经济衰退。 * 私人信贷市场出现“第二阶段恶化”，影子银行动用银行信贷额度，可能导致“死亡螺旋”，摩根大通的Jamie Dimon曾对此警告。 * 美国10年期国债收益率4.5%被定义为“危险区”，可能引发“债券义警”，推高利率和债务偿付成本。 软件行业颠覆与互补资产 * 软件行业目前以史无前例的折扣交易，估值较标普500指数低10%，传统价值因子在技术暴露行业中跑输，存在“价值陷阱”。 * Kai Wu认为，当前高离散度市场为具备选股优势的投资者提供机会，创新的长期赢家往往拥有“互补资产”。 * “代码并非护城河”；客户忠诚度、品牌、人力资本和网络效应是软件行业最关键的互补资产。 商品超级周期与通胀压力 * 商品超级周期由货币现象和地缘政治事件驱动，美国货币供应加速增长，商业银行贷款增长率约10%/年。 * Steve Hanke指出CPI已达3.8%，“通胀妖怪已出瓶”，短期内难以回落。 * 地缘政治冲突（如伊朗冲突）加剧商品价格上涨，霍尔木兹海峡的潜在封锁可能将油价推高至91美元/桶以上。 * Michael Howell从流动性角度支持商品上涨，认为资本正从金融资产转向实物资产，且中国散户购买黄金推动金价上涨。

1️⃣ All-In Podcast（w/ Bill Gurley） 核心论点：Anthropic 的真实意图——是监管捕获还是"造神"？ Bill Gurley 提出了一个双重理论：Anthropic 表面上推动 AI 安全监管，但其深层动机可能是更令人不安的"弗兰肯斯坦博士"情结——他们不是在写软件，而是在"孕育一个数字神祇"。 论据支撑： * Dario Amodei 的《Machines of Loving Grace》博客末尾写道，未来可能是"AI 系统的资本主义经济，然后基于 AI 系统认为合理的方式向人类分配资源"——本质上是一个计算化的奖励函数来决定你值多少 * Anthropic 联合创始人 Chris Olah 参与撰写的 80 页"宪法"文件，以及首席哲学家 Amanda Askell 的公开言论，都指向同一方向 * 诗歌结尾："所有被爱的机器所看护"——这听起来更像"霸主"而非"仆人" * Gurley 指出：当一家既领先行业又对自己做的事最负面评价的公司同时存在时，这不只是监管捕获那么简单 David Sacks 的补充： * 核心问题不是 AI 本身的善恶，而是"集中化 vs. 去中心化" * 开源 / 开放权重模型正面临被禁的风险——Anthropic 的博客文章中反复提及"开源模型缺乏护栏" * EU 已经在推进针对开源 AI 的监管，因为"没人对它负责" * 如果美国禁止开源，世界其他国家将运行中国模型 Chamath 的视角——模型商品化与 token 效率危机： * 最新评测显示 Opus 4、GPT-5、Sonnet 4 的能力几乎无法区分（差距不到 0.3%），三者在趋同 * 这意味着数万亿美元的边际训练支出可能面临严重的 ROI 问题 * 一个财富 20 强公司 CEO 年初要求 AI 节省 10 亿美元 OPEX，6 个月后团队花了 2 亿美元 token 费用，成果甚微 * Gurley 的基金会开始用 Claude 制作日常简报——强调"需要知道如何从 AI 中提取价值的人"，而非 AI 自动产生价值 * OpenAI 在 3 年内将占 90% 市场份额的推演（10x vs 3x 复合增长） 关于就业的激烈辩论——Chamath vs. Sacks： * Sacks：数据不支持大规模失业——软件工程师职位发布同比增长 15% 达三年新高，GitHub 代码提交量年增 14x，失业率 4.3%（几乎历史最低） * Chamath：Zuckerberg 裁 8,000 人是因为 AI；Matthew Prince 裁 20% 是因为 AI；Jack Dorsey 裁 50% 是因为 AI——"你只是没有 net 掉那些消失的工作" * Sacks 反诘：这些 CEO 是在"AI washing"，疫情期间过度招聘现在借 AI 名义裁员 * Gurley：1891 年到今天，全球工作时长从 60+ 小时降至 34 小时，实际工资增长 8-10 倍，全球贫困率从 75% 降至 10% 以下——每一次技术革命都带来了更大的繁荣 * 共识点：最可市场的技能是 Claude 熟练度；做"最 AI 赋能版本的自己" 2️⃣ Adam Taggart | Thoughtful Money（w/ Darius Dale, 42 Macro） 核心论点：如果美联储选择忽视通胀，股市将泡沫化——而且我们可能已经身处其中 Darius Dale 的框架从 12 个资产类别的制度信号出发，当前再通胀制度（risk-on + 通胀偏斜）的信号强度为 77%，自 4 月 11 日以来系统一直做多。 关于战争的真正风险——不是冲突本身，而是霍尔木兹海峡关闭对全球流动性周期的打击： * 集装箱船航运量几乎为零，这不仅仅是石油问题 * 冲击传导：净国际投资顺差经济体（德国、中国、日本、瑞士、沙特等）无法产生足够的 GDP → 家庭储蓄、企业利润、外汇储备积累下降 → 全球美元回收循环破裂 * 这可能导致 6-11% 的全球 GDP 冲击——GFC 也才 9% * 海峡重新开放后，资金将从拥挤的 AI 交易中轮出，流向"其他所有市场" * 信息科技板块自 4 月 11 日以来涨了 30%，Mega Cap Growth 涨 20%，而 S&P 仅涨 10% 核心宏观观点——粘性通胀是最大的被低估风险： * 粘性通胀预先存在于油价冲击之前：经济过热是主线 * "范式 C"（cut-grow 序列的增长阶段）：美债市场面临供需失衡，只有三种选择——减赤、增长、"印钱"。当前是增长阶段 * 消费集中度：前 10% 的人群贡献了近 50% 的消费支出（1990 年代初为 35%），底部 80% 仅占 37%。这是 K 型经济的量化证据 * 企业利润正在以 2021 年上半年以来最快的速度增长 * 如果美联储主席 Kevin Warsh 发出"我们理解通胀，但正走向通缩性生产力繁荣，只需给它时间"的信号——股市将泡沫化，类似于格林斯潘在 90 年代末的做法 * 但由于 Warsh 只有一票（19 人 FOMC），且其他成员持续鹰派，这并非定局 * "这并不重要，直到它重要"（It doesn't matter until it matters）——不要犯类型二错误（False Negative：市场告诉你一件事，你选择反着来） * 当前拥挤多头定位在 74 百分位，远未到达过去主要市场顶部的 95 百分位 关于第四转折（Fourth Turning）的预警： * 财富和收入不平等最终将产生政治后果——全国性财富税、AI 过度监管、甚至联邦与州的对立 * 自 15 世纪以来的每一个第四转折都以全面战争告终 * 但央行不会允许所有负面结果发生——它们会通过货币宽松来应对 3️⃣ DoubleLine Capital（DoubleLine Minutes） 核心论点：市场宽度极薄——5 月只有 3 个板块为正收益 5 月市场回顾（截至最后一个交易日）： * S&P 500 月度上涨 5%+，但科技板块月涨 19.5%，周涨 5.5% * 年初至今：S&P 涨 16%，科技板块涨 43% * 自伊朗冲突以来，2/3 的市场回报来自前 10 大股票 * BofA Hartnett：尽管 S&P 创历史新高，仅 4% 的股票在创新高——与 2000 年 3 月泡沫峰值类似 * S&P 500 等权重月涨仅 3.3% * 正在涌入的 IPO：OpenAI、Anthropic、SpaceX 都在抢窗口 * 所需 ROIC 来证明当前估值合理：超过 25% 固定收益方面： * 上周长端利率飙升——30 年期美债触及 5.20%（2007 年以来最高），日本 30 年期触及 4.20%（系列历史最高），英国 30 年期触 1990 年代以来最高 * 10 年期当前 4.43%，较月初上行但已从高点回落 * 债券义勇军（Bond Vigilantes）正在回归，推高期限溢价 * 核心问题已从通胀风险溢价转向"不可持续的财政问题" 宏观数据关键信号： * 4 月核心 PCE 同比升至 3.3%（2023 年 11 月以来最快），非能源通胀仍高 * 实际工资增长同比转负（-1.1%），储蓄率降至 2.6%（2022 年 6 月以来最低） * 家庭正在耗尽缓冲来维持消费——但就业市场仍稳健 * 下一个关键节点：6 月 17 日 Kevin Warsh 的首次 FOMC 会议 4️⃣ Eurodollar University 核心论点：私人信贷的风险已从零售蔓延到机构——瑞士养老基金的单笔赎回请求就突破了 Vista 基金的上限 阶段变化： * 第一阶段（已发生）：零售投资者意识到私人信贷不如宣传的流动性好，非交易型 BDC 触及赎回上限 * 第二阶段（正在进行中）：机构投资者也得出了同样的结论 * 一家瑞士养老基金——单一机构而非"零售大军"——的赎回请求直接把 Vista 基金推到了 limit * 关键转折：私人信贷的捍卫者一直试图将问题定性为"零售产品问题"，但机构资金撤出证明这并非简单的投资者教育问题 软件贷款——2008 年的次贷？ * 金融公司正在公开宣传"软件敞口减少"作为新产品的卖点——这正是资产类别开始走向"有毒废物"状态的信号 * 在繁荣时期，软件敞口是质量的标志（经常性收入、高毛利、可扩展模型） * 现在情况完全反转——Blackstone、Guggenheim 等都在推销"低软件敞口"产品 * AI 的双重威胁：（1）让现有软件产品的价值下降（更便宜的替代品）；（2）客户相信 AI 可以取代昂贵的软件订阅 阶段三的连锁反应（如果继续恶化）： 1. 赎回积压 → 新投资者犹豫 → 经理人不得不出售资产 2. 卖出的不是最差的资产，而是最能卖的资产——留下最难估值的部分 3. 二级市场价格成为新现实——80、70、甚至 60 美分兑 1 美元 4. 银行收紧杠杆和抵押品要求 → 进一步触发资产抛售 5. 借款人失去再融资渠道 → 违约率真正上升 6. 机构投资者重新评估整个资产配置——不必完全放弃私人信贷，只需减缓承诺就能让这个巨大机器资金枯竭 5️⃣ Excess Returns — Robert Hagstrom：现代投资组合理论的"原罪" 核心论点：现代投资组合理论（MPT）的根本目标是"给你一个情感上舒适的旅程"，而不是赚钱 历史溯源： * Harry Markowitz 在 1950 年写硕士论文时，从未投资过股票，从未拥有过企业。他的论文委员会甚至没有要求他提及替代理论（如本杰明·格雷厄姆的安全边际） * William Sharpe（1962）同样是个从未投资的大学生，他简化的只是单只股票对市场的方差（beta），而非风险 * Eugene Fama（1960s 中期）提出有效市场理论，但同样无人问津 * 直到 1973-74 年大熊市（自 1929 年以来最严重），Nifty Fifty 股票崩溃，投资者惊恐万分。这时 MPT 的三位"先知"举手说："我们 20 年前就写了论文——广泛分散、低相关性、短周期检测，给你一个平滑的旅程。" * 1980 年代起，MPT 成为了"标准投资组合管理"的利维坦 MPT vs 巴菲特方式——两个范式的碰撞： * 巴菲特："我不是市场分析师，不是宏观经济分析师，甚至不是证券分析师，我是企业分析师" * Hagstrom 的"大教堂与赌场"类比：你走进赌场（交易所）买了股票后就应立刻回到大教堂（研究企业本质） * 99.9% 的人留在了赌场 * 商业拥有人关注两件事：（1）我有多少现金？（2）我的回报是否高于资本成本？——而非相关性和 beta * Bill Ruane 的忠告："如果客户不'懂'，放弃他们。试图转化他们只会消耗你 90% 的时间。" * 基准（benchmark）弊大于利——没有基准，你只需要问自己：今年我赚的钱比去年多吗？ 6️⃣ Excess Returns — Adam Parker（Trivariate） 核心论点：便宜不是买入的理由——"说买入是因为便宜，现在几乎是傲慢" 市场正在交易的逻辑： * 股市可能不是在交易当前基本面，而是在交易 2030 或 2031 年的结果分布 * 年初至今 S&P 涨约 9%，而上调后的 EPS 预期也大约涨了 8%——基本面确实跟上了 * 板块层面，EPS 预期上调最多的板块（科技、能源）也是表现最好的板块；预期下调最多的（消费可选、金融、医疗）也是表现最差的 * 错过惩罚远大于超出奖励——这是结构性变化，因为太多被动资金和 multi-strat 资金在运行 最高确定性观点：半导体优于软件 * 仅 9%（262 家）的美国前 3000 大公司产生了有意义的 AI 收入 * Parker 对软件的负面观点已持续多年：软件公司需要投资 AI 来保住业务（阶段一），大型客户将利用议价能力压低价格（阶段二），最终销售也将不及预期（阶段三） * 18 个月来中位数公司的毛利率已下降约 150bps——定价权在弱化 * 但市值加权的毛利率在上升，因为 Nvidia 和 Micron 等高毛利公司在推高整体——这是一种"边际效应掩盖了中位数困境"的假象 * 半导体方面内存（Micron）显著低估（6-7x 明年 EPS）vs CAT（30x）——两者不能同时正确 最逆共识的观点——医疗保健： * AI 的终极价值是让人活得更长、更高效；老龄化人口需要更多的服务、工具、诊断、药物 * 这些公司通常低毛利但可以从 AI 效率提升中获益 * Parker 认为市场在错误地定价政府削减支出的意愿——"两边都没有政治意愿削减支出" * 他给出 30-40% 的概率医疗保健将在未来 5 年成为表现最好的板块（市场当前给的概率接近 0%） 7️⃣ Forward Guidance — Weekly Roundup 核心论点：我们正处于一个"全面协调的市场管理"时期——而且它在 WORKING 宏观分歧： * Taylor Rule 模型表明应该加息——联邦基金利率低于几乎所有政策规则的建议 * 但 Forward Guidance 团队认为美联储不会加息——"这是战时政策"，实质是依靠财政增长来走出困境，负实际利率将长期存在 * 尽管所有"形式上的"紧缩政策信号，实际操作性政策比降息还刺激（压低长端收益率、外汇干预等） K 型经济的政治隐患——Forward Guidance 最关注的主题： * AI 生产率的繁荣是真实的，但它正在打破社会契约 * 实际收入增速为负，储蓄率耗尽，而资产价格暴涨 * "如果不在政治上解决底层问题，你更可能得到 AOC 和 Mumanis 而非放任自由的保守政府" * Peter Thiel 决定搬去阿根廷的信号意义——这可能是一个起点而非终点 * 大量年轻人通过 YOLO 期权来参与市场，因为他们被剥夺了传统的财富积累路径 加密市场的困境： * 在 AI 如此生产性的世界里，"还需要加密货币作为价值储存吗？" * ETH 的 OG 信徒开始投降——David Hoffman 最近卖掉了他的 ETH，"网络很好，但资产本身不可投资" * Bitcoin 和 ETH 的 Ponzi 式 DAO 已经"败坏和扭曲了市场结构" * 与 2010-2012 年黄金市场经历的类似——AI 基础设施正在吸走所有资本 8️⃣ Steve Eisman — SpaceX IPO 深度分析 核心论点：SpaceX IPO 的估值需要它成为一个"零售迷因股"——基本面不支持 数字拆解： * 1Q26 总收入 47 亿美元，同比增长 15%（较 2025 全年的 33% 明显减速） * 亏损 19 亿美元 * 三大板块中只有连接（Starlink）是盈利的 * 太空业务收入同比下降 28%（"发射任务减少和政府合同时间安排"） * 要求的估值：约 100 倍 P/S（Palantir 是当前最高 ~70x，万亿俱乐部最高是 Broadcom ~19x） * TAM 高达 28.5 万亿美元（几乎等于美国 GDP），其中 93% 来自 AI——但这恰恰是现在最小且亏损最多的部门 指数操纵的质疑： * NASDAQ 为 SpaceX 改了规则——仅 5% 的浮动、15 天后纳入指数、浮动量乘以 3 倍计算指数权重 * 30% 的 IPO 份额预留给零售——对大公司来说闻所未闻 * Eisman 直言："这是一个科幻故事的 IPO，定制给一个科幻邪教" 评级机构和银行——Eisman 的回应： * 喜欢 Moody's 和 S&P——它们是"双头垄断"（igopoly） * 债务发行自疫情期间大爆发后一直清淡，但现在正在回升 * 对于 2008 年的伦理困境：今天的管理层已经不同，不必纠结 9️⃣ TopTraders Unplugged — The Space Economy（w/ Dr. Rainer Zitelmann） 核心论点：太空经济已经从政府主导转向"太空资本主义"，但缺乏私有财产权是最大障碍 政府 vs 私人——激励机制的差异： * NASA 的"成本加成合约"（cost-plus）本质上是激励涨价——成本越高，利润越高 * SpaceX 的"服务合约"（固定价格）激励降低成本——Falcon 9 将每公斤发射成本降低了 95% * SpaceX 去年 165 次发射（占全球 51%），超过所有国家之和（中国 88 次，整个欧洲 8 次） * 整个欧洲的发射次数仅为 SpaceX 一家私人公司的 5% 私有财产权——太空经济的终极瓶颈： * 1967 年《外层空间条约》禁止国家拥有天体所有权，但对私人/公司没有明确规定 * Zitelmann 提出"同态占地"（homesteading）模型——谁先到达开发，就应获得所有权（如一个新加坡大小的火星地块） * 类比 REIT：将火星土地带到股票交易所，每个股东都"拥有火星" * 没有私有财产权，就没有经济激励机制去建立火星城市或开采小行星 * 只有约 20 个国家签署了 1984 年《月球条约》——没有航天国家参与（该条约本质上是社会主义性质的"共同遗产"理念） 🔟 Invest Like The Best — Dan Loeb（Third Point） 核心论点：你必须成为一个"科技人"才能在这个市场生存——宏观已被两大因素主导：油价和 AI Loeb 的框架： * 不再有"我可以跳过科技"的时代——它太大、增长太快、影响一切 * 当前最关键的三家公司：Nvidia、Anthropic、Elon 生态（所有公司合起来） * AI Stack 思维模型：从底部的能源/电力 → 芯片/基础设施 → 基础模型 → 软件/应用 * Nvidia 仍然可以在 15x 2027 EPS 买入——"它是这个规模下增长速度最快的公司" Third Point 的演变： * 从 Joel Greenblatt 式的事件驱动/深价值 → 质量投资/主题投资 * 最关键的几本书：《The Outsiders》、Cunningham 的《Quality Investing》 * FTX 是最大的投资教训——"尽职调查现在会查银行余额" 关于 AI 就业的乐观： * Loeb 比大多数同行更乐观——"AI 将创造净就业" * 不同之处在于 Third Point 可以随时转向信贷——当事情变糟时，他们可以购买 IG 信贷 * 建议所有分析师"开始使用 AI"，这是唯一的学习方式 1️⃣1️⃣ David Lin Report — Yat Siu（Animoca Brands） 核心论点：AI Agent 经济正在创造"幽灵GDP"——生产力增长不是 10% 或 20%，而是 1,000x AI Agent 作为"元宇宙来到我们身边"： * 原本对于元宇宙的理解是错误的——不是我们进入虚拟世界，而是"元宇宙来到我们身边" * 每个人将拥有 3-5 个（甚至 10 个）AI Agent——这意味着数百亿个 Agent 遍布全球 * Agent 与 Agent 之间进行交易——这就是"幽灵 GDP" * 除了工具属性外，AI Agent 也具有社交属性——34% 的 ChatGPT 用户用于情感支持而非信息获取 人力劳动的新角色： * 最稀缺的技能不再是"做事"，而是"编排"（orchestrate）——管理多个 Agent * 能管理 100 个 Agent 的人比只能管理 5 个的人更有价值 * 每一波技术革命事实上创造了更多就业（计算机的诞生就是最好例证） 投资视角： * Agentic AI 的阶段正处于"5 年前投资 OpenAI 或 Anthropic"的早期阶段 * 在当前的种子阶段，应广泛撒网（50-100 家公司），而非赌注单一赢家 * 因为 Agent 需要区块链来做交易和身份——这仍然是 Animoca 的核心信念 * 整个广告业（~9000 亿美元）将被颠覆——Agent 将替代 App Store 成为发现引擎 1️⃣2️⃣ Macro Voices #534 — Dr. Pippa Malmgren & Jim Bianco 核心论点（Pippa — 乐观派）：霍尔木兹危机的解决路径比表面复杂——这是中美超级大国谈判的一部分 Pippa 的战略视角——不是在解决伊朗问题，而是在解决地球问题： * 当前并非简单的"伊朗-美国"双边谈判，而是中美两大超级大国之间的直接谈判 * 核心逻辑："要么星球大战（互相毁灭），要么星际迷航（联手解决问题）"，中国选择了星际迷航 * 中国需要变得更像台湾——从"中国制造"转向"中国拥有"（复制欧洲/日本战后模式） * 作为交换，美国向中国开放市场，中国在伊朗问题上合作 * 第一批通过海峡的船只全部是中国油轮——这是证据 * 伊朗的领导层已被瓦解或逃亡莫斯科，剩余力量在竞争谁先与美国握手 * 关键铀问题：真正矛盾不在于伊朗核武器，而在于这是美中交易中的一块筹码 Pippa 的能源转型观点： * 能源冲击将加速从"分子到原子"（从油气依赖转向核能/小型模块堆等安全、可扩展系统） * 这直接引出了 Trade of The Week（URA 铀矿 ETF 的看涨价差策略） Jim Bianco（悲观派）的反驳： * 时间不在我们这边——伊朗在高浓缩铀问题上从未松口 * 美国正在消耗战略石油储备至历史低位，而伊朗有动机拖延 Patrick 的 Trade of The Week： * 表达 Pippa 核能观点的最佳工具：URA ETF 看涨期权价差 * 买入 $60 Call（$5.70）+ 卖出 $70 Call（$3.50），净支出 $2.20，最大利润 $7.80（约 3.5:1 的风险回报比）

🎙️ All-In Podcast — Bill Gurley论Anthropic、教皇、AI就业 Bill Gurley的"Dr. Frankenstein"理论：Anthropic不是在写软件，是在"接生神" Bill Gurley（Benchmark前合伙人）指出，Anthropic的言行已经超越了传统的监管俘获叙事，进入了一个更令人不安的领域。他称之为"Dr. Frankenstein理论"。 Anthropic联合创始人Dario Amodei在博客《Machines of Loving Grace》（引用一首诗的标题）中描述了一个未来场景：AI系统拥有资本主义经济，然后根据"AI系统认为合理的奖励机制"向人类分配资源。Gurley的解读是——这是一个计算化的奖励函数来决定你的价值，本质上是在创造一个数字神祇。 "他们不是在写软件。他们是在接生一个神。" Chamath补充：这是终极的自恋和妄想——认为自己可以创造上帝，而且这个上帝会比人类更好。Jason指出，关键是去读他们写的东西——Anthropic的Constitution（80页）、Amanda Askell（首席哲学家）的播客——而不是猜他们的动机。 教皇通谕 vs. AI监管：Sacks论"谁来看守护者" 教皇Leo XIV发布了关于AI的首个通谕《Magnifica Humanitas》（235页），核心论点是技术永远不是中立的，它带有建造、资助和控制它的人的特征。教皇呼吁对AI进行监管，特别是禁止自主武器、保护儿童、确保工人再培训。 Sacks的回应精彩：他同意教皇关于权力集中的担忧，但认为政府监管不是解决方案，而是问题本身。他引用了"quis custodiet ipsos custodes"（谁来看守护者？）——如果赋予政府批准AI模型的权力（如"FDA for AI"），安全定义会像社交媒体时代一样不断扩展，最终变成审查议程。 Sacks的替代方案：分权与制衡——保持AI市场的竞争性（目前有5个前沿实验室激烈竞争），如果出现垄断则使用反垄断法，同时确保开源模型可以自由运行。 Gurley补充了一个历史回击：教皇Leo XIII在1891年同样警告工业革命会伤害人类。结果呢？每周工时从60+降到34，实际工资涨了8-10倍，全球人均GDP从$1,500涨到$20K，全球贫困率从75%降到10%以下。那次预测完全错了。 就业叙事180度翻转：Sacks的"我早就说过" 本周最大的叙事转变：所有AI末日论者都在撤退。 * Goldman Sachs CEO David Solomon在NYT发表专栏：AI不会消灭25%的工作，它会自动化25%的工作时长 * Sam Altman和Dario Amodei同时开始"往回走"，承认AI可能不会导致大规模失业 * 耶鲁预算实验室的全面研究显示：过去3年劳动力市场没有"可辨别"的AI驱动中断 * 软件工程师的职位发布量创三年新高，同比增长15% * GitHub上代码提交量从每年10亿飙升到每月11亿（年化14倍增长），更多代码需要更多人来管理 核心论据：自动化某个任务 ≠ 自动化整个工作的目的。当代码变得更容易编写时，更多人使用它，整个经济体的定制软件需求爆炸式增长——这创造的工作比消灭的多。 Chamath仍坚持对抗立场：他承认会有"Cambrian explosion"的初创企业创造新工作，但认为大量蓝领工作（卡车司机、出租车、仓库分拣）将被淘汰，过渡期会很痛苦。"每一个优步司机都在失去工作，每一个卡车司机都在失去工作。"Sacks反击：这些是"轶事"，而轶事的复数不是数据。"8,000人失业是轶事，不是数据。全国的失业率是4.3%。" Gurley的总结性观点：每个人都需要成为"最高AI enabled版本的自己"。历史上创新总是带来更多繁荣。如果你拒绝使用AI，就如同说"我不使用电子邮件、不使用电子表格、不使用电脑"——你确实在冒风险。 模型商品化与万亿资本支出问题 Jason展示了一个关键发现：Rogo的金融分析师模型评测显示，Opus 4、GPT-5、Sonnet 4几乎无法区分——表现差距不到0.3%。这意味着模型层正在快速商品化，而价值在向上（应用层、控制平面）和向下（芯片、硬件栈）迁移。 Vivek Garipalli（Clover创始人）的数据：一家Fortune 20公司的CEO年初要求AI节省$10亿OPEX，6个月内花了$2亿在token上，结果微不足道。微软已经取消了Claude许可证。 Sacks预言：开源模型禁令正在议程上——Anthropic已在铺垫"开源模型缺乏护栏"的叙事。如果美国禁止开源，中国将继续引领开源权重运动，而美国将被孤立在岛上。 🎙️ Adam Taggart | Thoughtful Money — Lance Roberts：市场回调极有可能 连续9周上涨——1965年以来仅发生过4次 S&P 500完成了连续第9周上涨。Lance Roberts的数据：1965年以来只有4次出现9连涨，历史上从未有过10连涨，唯一超过9周的是1985年的12周。而在那4次9连涨之后，短期回报表现不一——其中3次随后一周下跌。 结论：短期回调概率极高，但牛市根基不变。 半导体抛物线——75%的下跌空间？ Lance展示了一张20年的半导体图表——目前处于明显的抛物线形态（月线MACD的极端偏离），与去年年底黄金的抛物线如出一辙。"这些抛物线形态从来不可持续。它们总是会回归均值。"第一支撑位在$320（当前$600附近），意味着50%的修正。如果回归50月均线（$223），则是75%的修正。 关键机制：这不是基本面驱动的，而是巨大的Gamma squeeze。 对冲基金一边做空科技股，一边被迫回补；散户一边买入超贵的看涨期权，做市商一边买入股票对冲——这个自我强化的机器正在驱动价格"崩盘式上涨"。 看跌期权从未如此便宜——Lance在买入11月PUT Lance透露他的"Platinum"模型（高净值客户期权策略）已经开始买入11月到期的S&P 500看跌期权——因为现在看跌期权的价格是历史上最便宜的之一。"没有人想要看跌期权。所有人都买入看涨期权，这些变得非常昂贵。" Adam提醒：这像一年前同样的状况——当时廉价看跌期权后来变成了绝佳交易。 两个战争情景 1. 最佳情景（全面和平协议）：伊朗放弃核材料、开放霍尔木兹、加入亚伯拉罕协议 → 市场飙升、美元走强、油价暴跌 2. 最差情景（重返全面战争）：撕裂协议 → 油价 $110-120，几乎所有资产下跌，建议只持有现金、国防股、能源股 Lance认为最终会达成一个"让所有各方都不完全满意的折中协议"。 Trump账户与K型经济 Trump推出的全民投资账户（每位新生儿自动获得政府注资，家庭可追加），理论上旨在缩小财富差距。Lance的看法：实际效果可能适得其反——了解并申请这个账户的人恰恰是已经处于收入前10%的人，这将进一步扩大财富鸿沟。"知道如何利用这些机会的人，正是那些不需要它们的人。" 社会媒体大 rant：事情可以更糟 Adam因一条"现在的经济比GFC好多了"的推文遭到猛烈攻击。他的回应：那些说"这已经是最糟糕的"人，没有经历过真正的熊市。 2008年我们失去了900万个工作岗位，月复一月。如果以为现在是最糟的，试试失业一年且没有公司在招聘。 2022年数据：37.5%的美国家庭收入超过$10万（1970年仅为13.1%）。中产阶级没有"消失"，而是向上升级了。 🎙️ DoubleLine Capital — 这是1999年吗？ 数据直击：极端集中的市场 5月市场总结： * S&P 500上涨>5% * 科技板块上涨19.5%——仅5月一个月 * 仅有3个板块5月为正：科技(+19.5%)、可选消费(+2.5%)、医疗(+2.5%) * 其余所有板块均为负值 * 全年：S&P 500 +16%，科技板块 +43% * 伊朗冲突以来，市场回报的2/3来自前10大股票 BofA Michael Hartnett：尽管S&P 500创新高，仅4%的成分股在创新高（约21只股票），与2000年3月互联网泡沫顶峰的狭窄度相同。 固定收益：债券预警者归来 * 30年期国债收益率本周仍接近5%（从5.20%高点回落） * 日本30年期达到4.20%（有数据以来最高） * 英国30年期达到1990年代以来最高 * PCE：核心PCE同比加速至3.3%（2023年11月以来最快），仍远高于2%目标 * 实际个人收入同比转负（-1.1%），个人储蓄率降至2.6% 关键问题：AI资本支出的ROI 实现当前估值所需的ROIC（投入资本回报率）需要>25%——这在历史上几乎是不可能的。OpenAI、Anthropic、SpaceX都争先恐后地在市场火热期上市。公司内部称之为"headline ping-pong"——每个新闻头条都在左右市场。 🎙️ Eurodollar University — 加拿大衰退：全球预警信号 核心论点：能源冲击正在暴露全球经济的潜在脆弱性，而不是制造通胀 加拿大"意外"陷入技术性衰退（连续两个季度GDP负增长），但更重要的是，加拿大并非孤例： * 法国：Q1 GDP意外萎缩，同时出现更多失业 * 英国央行：公开表示"可能容忍更高通胀"——从一个鹰派央行发出的信号极为罕见，意味着经济疲软已经无法忽视 * 德国：大幅下调增长预期 * 墨西哥：Q1 GDP大幅萎缩，下调增长预测 * 瑞典：GDP再次收缩，央行保持谨慎 关键洞察：这些GDP报告反映的是能源冲击之前的经济状况。也就是说，在油价飙升之前，全球经济已经处于脆弱状态。 "主流争论一直停留在'通胀会不会回来'这个问题上。但这从来都是错误的问题。更好的问题是：在头条数据之下，究竟还剩多少增长？" 如果经济本身已经疲软，能源冲击不会制造持久通胀——它会加速下滑。 加拿大是美国的先行指标 加拿大作为一个发达、大宗商品关联、住房敏感、贸易敞口大的经济体，紧邻美国。当加拿大以这种方式走弱时，往往预示着北美需求的更广泛问题，以及全球贸易、家庭资产负债表和劳动力状况的深层弱化。 🎙️ Excess Returns — AI交易有问题 市场叙事 vs. 政治叙事的180度背离 Ben Hunt的核心论点：AI交易面临前所未有的叙事分裂 * 市场叙事（华尔街）：AI资本支出故事空前强劲。做空AI的故事——关于过度建设、ROI不确定的叙事——完全沉默、死了。 * 政治叙事（Main Street）：关于AI数据中心坏处的故事正在全面飙升——用水太多、占用土地太多、电费上涨、不创造工作。 民调数据：70%的美国人不希望住在数据中心隔壁——甚至超过了核电站（50-50）。Hunt："K型经济的下半部分对市场不重要（他们不消费），但他们投票——对政治非常重要。" Hunt的世界大战AI论文观点：AI基础设施的资源动员规模堪比二战。但不同之处在于——AI不伴随工作创造。历史上每一次生产力飞跃都会带来新的工作类型，但AI数据中心几乎不雇佣人。这种资源争夺最终会在政治上兑现——"政治总是压过经济和市场"。 Brent Kochuba的期权流量：股票在"崩盘式上涨" 看涨期权价格处于极端水平： * Core 1M指标（用于衡量个人股票看涨期权相对指数的价格）已跌至个位数——"蝙蝠信号"表明市场过度延伸 * 纳斯达克前25大股票中，几乎所有股票的skew rank都在90-100百分位——意味着看涨期权比历史上90%的时候都贵 * 隐含波动率达到峰值——最贵的期权价格+所有人扎堆看涨期权 = 股票正在"崩盘式上涨" Kochuba的警示：这与2024年7月完全一样——当时Core 1M触及历史最低，随后市场经历了10%的修正和著名的VIX飙升（2024年8月VIX突破50）。 关键催化剂集中在下两周： * 6月10日：CPI数据 * 6月12日：SpaceX IPO * 6月17日：FOMC（Warsh首次主持）+ VIX到期 * 6月18日：史上最大期权到期日 Aahan Menon（Prometheus Macro）的系统性宏观观点 * 名义GDP仍在强劲运行——消费者持续支出 + AI资本支出（历史最大贡献）= 强名义GDP * 需求破坏的逻辑正确但时间表更慢——油价高企需要逐步传导，消费者不会立即反应 * 除非油价暴跌，否则通胀将持续——因为能源价格已推高了价格水平，并正向供应链上游蔓延 * 当前宏观体制：增长上升 + 通胀上升 = 利好股票和大宗商品，不利债券 SpaceX IPO的市场机制冲击 Kochuba和主持人都认为SpaceX IPO将引发前所未有的市场机械冲击： * NASDAQ为SpaceX打破所有规则：5%流通股 + 15天后即纳入指数 + 浮动量乘以3倍计算权重 * 30%的IPO份额预留给散户（史无前例） * 指数基金必须卖出其他大型股票来腾出空间——可能对MAG7形成卖出压力 * 加上今年后续还有OpenAI和Anthropic的万亿级IPO——历史上三大IPO将在同一年连续发生 🎙️ Excess Returns — 现代投资组合理论的陷阱 Robert Hagstrom：MPT的"第一个错误" Harry Markowitz的硕士论文（1952年）将风险定义为"回报的方差"。但Benjamin Graham当时已经明确说过：方差与风险无关，安全边际才是风险。 Markowitz从未在论文中提及Graham的替代理论——他的论文委员会从未要求他这样做。20年后（1973-74熊市），当人们迫切需要"更好的方式"时，MPT被当作救世主重新发现。 大教堂 vs. 赌场 巴菲特将投资者分为两类：留在大教堂（研究企业基本面）的人，和留在赌场（关注短期价格波动）的人。99.9%的人留在赌场。 Hagstrom的处方：把20%的资本用巴菲特的方式管理——集中、低换手率、以企业所有者视角思考。其余80%可以继续用MPT方式作为"温暖的安全毯"。 每日期权名义价值已超过整个美国股票市值 Hagstrom指出一个惊人的数字：今天期权的日均名义交易量已超过整个美国股票市场的总市值。"赌场已经扩建成好几层了，而大教堂还是那个大教堂。" 🎙️ Forward Guidance — AI生产力繁荣交易指南 美联储的困境：Taylor规则要求加息，但政策正在失效 Tyler和Felix的辩论： * Taylor规则经济模型显示Fed应该加息——Fed funds利率已低于大多数政策规则 * 但实际中所有"刺激措施"（压低油价、压低收益率、汇率操纵）比降息更具刺激性 * 通胀连续>60个月高于Fed目标 * Q2 GDPNow从4.3%下调至3.8% 核心矛盾：战时政策+巨额赤字+$1万亿利息支出 = 通过财政增长解决一切。但代价是打破社会契约——"K型经济是政策选择"。 负实际收入 + 能源冲击 = 滞涨风险 数据： * 实际可支配收入同比下降1.1% * 个人储蓄率降至2.6%（2022年6月以来最低） * 储户正在动用储蓄来维持生活水平 * 石油库存已降至5年范围以下，SPR几乎耗尽 Tyler的判断：Trump必须在未来几周内达成协议——"他距离中期选举还有4个月，不能再升级冲突了。"预测：最终协议会比Obama的还糟。 加密市场 vs. AI生产力繁荣 在名义GDP增长15%的世界里，还需要加密货币吗？这是本周Forward Guidance的核心问题。ETH的基本面与代币价格脱钩——David Hoffman（Bankless）本周出售了他所有的ETH。"网络很好，但资产本身不可投资。" 论点：AI生产力繁荣吸走了所有资本，就像2012-2014年科技股吸走黄金矿商资本一样。在一个"生产性资产有明确买盘"的世界里，非生产性资产（没有收益流的代币）失宠。 🎙️ Steve Eisman — SpaceX IPO：科幻还是投资？ 残酷的数据对比 指标SpaceX对比估值$1.75-2万亿Palantir 70x销售价格/销售~100x万亿俱乐部最高为Broadcom 19xQ1 2026营收增长15%（减速中）MAG7最低16%（Nvidia 85%）营收按排名约第200名（与Kellogg's相当）第7大市值部门太空(-28% y/y)、连接(+32%)、AI(亏损)仅连接盈利 Eisman的总结： "科学幻想需要暂停怀疑。你如何证明100倍营收的估值？你需要诗歌——或者从小看科幻和星际迷航长大。" 他还揭示了NASDAQ为SpaceX进行的规则操纵——仅5%流通股即可在15天后进入指数、浮动量乘以3倍计算、30%份额预留给散户。所有设计都指向一个目标：让SpaceX成为零售的"邪教股票"。 Salesforce和Dell的对比：软件叙事恶化，硬件受益于AI资本支出 * Salesforce：超预期但营收指引miss，AI叙事对软件持续利空 * Dell：营收+39%，EPS+45%，提高指引——AI资本支出的直接受益者 🎙️ Julia La Roche — Chris Whalen：Fed政策正在失效 银行利润上升但股价横盘——原因在交易部门 FDIC Q1数据显示银行利润上升，但金融股横盘甚至下跌。Whalen的解读：增长的利润来自交易部门，而非传统贷款业务。"存款增长比资产更快，差额全部流入交易资产。这是华尔街vs Main Street的故事。" 私募信贷违约率创纪录+银行大规模非追索权贷款 * Fitch：美国私募信贷违约率4月达到创纪录的6%——是银行违约率的10倍 * 银行对非银行机构（私募股权基金等）的贷款"明显是次级贷"，且大部分为非追索权（违约后银行无法追讨） * Goldman的贷款组合收益率10%——"当你向人收取10%的利息时，这本身就不是一个好广告" 美联储可能加息，但Whalen认为无效 Whalen认为6月FOMC不会行动，但7月可能看到多数委员支持加息。然而："提高Fed funds rate来应对能源冲击导致的通胀，就像用中世纪的放血疗法来治疗现代疾病。" 他的预测：Fed最终将被迫重启QE5。 "联邦债务在增长，Fed的资产负债表就必须增长——这是数学，无法绕开。" Whalen的核心预测仍然是滞涨：增长放缓 + 通胀高企 + 信贷利差最终将扩大。

DeepSeek正通过一项独特且宏大的战略，旨在不直接通过模型订阅服务变现，而是致力于培育一个价值10万亿美元的中国AI硬件生态系统，并在此过程中使自身达到1万亿美元估值。其核心在于通过一系列颠覆性技术创新，大幅降低AI模型的计算和内存需求，从而缓解硬件瓶颈、优化成本，并赋能中国本土硬件产业发展。这一策略不仅着眼于实现通用人工智能的长期目标，还通过“技术换股权”模式与硬件制造商深度绑定。 DeepSeek的宏大战略与独特路径 * 核心目标: 培育一个价值10万亿美元的中国AI硬件生态系统，并实现DeepSeek自身1万亿美元估值。 * 战略差异: 不急于通过竞争性编程订阅或多模态模型产品变现，而是通过开源创新和技术突破解决硬件瓶颈。 * 长期愿景: 由创始人梁文锋领导，聚焦基础性技术创新和产业生态培育。 关键技术创新与成本效率突破 * 混合专家模型 (MoE): DeepSeek V2中引入的MoE架构，能将训练高度智能模型的算力消耗减少40%至50%。 * KV缓存压缩技术: MLA、DSA、CSA与HSA等创新技术，将KV缓存大小削减高达90%，显著降低HBM依赖（如V4 Pro在100万上下文下仅需5.48 GB HBM）。 * 底层架构与算法优化: 零气泡流水线并行、专家负载均衡器、Engram条件内存及mHC修正超连接等，提升模型效率、稳定性及“单位参数的智商”（如mHC使27B模型BIG-Bench Hard性能提升7.2分），同时开发GRPO、RLVR和MTP等算法加速学习与生成。 * TileLang投入: 重度投入开源编程语言TileLang，旨在绕开英伟达“CUDA壁垒”，赋能更广泛的中国硬件生态系统。 赋能中国AI硬件生态的协同效应 * 缓解HBM瓶颈: 显著降低对HBM的依赖，直接解决全球HBM短缺及成本高昂问题，利好中国硬件制造业。 * 本土内存利用: 为NAND闪存和SSD（如长江存储）创造巨大新市场，MoE架构也适合利用国内LPDDR（如长鑫存储）。 * 弥补算力短板: 利用国内充足且成本低廉的NAND和LPDDR内存优势，弥补中国GPU/ASIC在原始浮点运算和先进封装方面的不足。 长期愿景与创新商业模式 * 终极目标: 通过“硅上智能研究”（RSI），让AI自主设计并执行算法实验，最终迈向通用人工智能（AGI）乃至超级人工智能（ASI）。 * “技术换股权”模式: 预测DeepSeek将与中国本土硬件制造商（存储、ASIC、CPU等）签订类似OpenAI与AMD的对赌与利益绑定协议。 * 市场与估值策略: 通过深度联合调优赋能国产硬件，复制一个10万亿美元市场，并在此过程中推动自身达到1万亿美元估值。

Anthropic旗下的Claude Code正在推动人工智能从传统的对话式界面向具备自主行动能力的“智能体”范式转变，实现了公司业务的指数级增长。这一技术不仅大幅提升了企业生产力，重塑了软件行业竞争格局，也预示着AI自我改进、人机协作模式以及通往AGI的未来发展方向，要求企业和个人重新思考工作模式与核心竞争力。 智能体AI范式与Anthropic的爆发式增长 * Anthropic Claude Code将AI从传统聊天机器人推向具备“使用你的工具”（如浏览器、Cloudflare）能力的“智能体”。 * 公司产品需求量同比增长约80倍，年度经常性收入（ARR）可能已从早期40亿美元飙升至450亿美元。 * 自Opus 4.5版本发布以来，Claude Code已实现100%自我编写，展现了“用AI构建AI”的成熟度。 AI驱动的生产力革命与组织重构 * Anthropic内部数据显示，引入Claude Code后每位工程师的代码产出量增长约250%，且代码质量保持稳定。 * 为充分释放AI潜力，企业需根本性重构业务流程，将AI从辅助工具转变为“虚拟员工”。 * 例如，Claude Co-work能够自主分析邮件、预订航班酒店并纠正行程错误，管理复杂多步骤任务。 软件行业竞争格局的演变 * AI智能体降低了用户切换供应商的转换成本，威胁依靠高转换成本的软件公司。 * 拥有强大网络效应和底层基础设施规模经济优势的公司，其竞争地位将进一步巩固。 * 未来开发者的核心竞争力将转向如何利用AI智能体作为杠杆，实现更大的业务影响。 AGI之路与人机协作的未来愿景 * 模型可能在2028年前实现自我改进，Claude Code的自我编写预示着AI将走向更自主的强化循环。 * Anthropic将AI安全视为核心使命，通过“自动模式”等机制确保AI操作的安全性和可靠性。 * AI将提升个体的“杠杆效应”，未来人类角色将转向“提出正确的问题”和保持整体控制。 * Claude Code的实用性已超越技术用户，如医生、电工等非工程师背景人士也成功利用其构建应用。

Cloudflare在财务表现强劲的情况下，仍裁员20%（约1100名员工），此举是首席执行官Matthew Prince为应对AI时代对劳动力结构的颠覆性影响而采取的积极战略调整。公司旨在将资源从易受AI自动化的“度量者”角色重新分配到“建造者”和“销售者”，以推动未来增长，并预测此模式将成为行业新常态。尽管这一战略着眼于长远，但短期内产生了显著的重组成本，并导致股价下跌。 Cloudflare的战略裁员与AI驱动的转型 * 大规模裁员背景： Cloudflare裁员超过20%（约1100名员工），并非由于财务困境，而是CEO Matthew Prince为适应AI时代的积极战略。 * 公司财务状况： 营收增长创新高，现金流充裕，全球新增客户数量空前，保持30%以上增长。 * 行业趋势预判： CEO Prince指出，这种由AI驱动的组织结构重评估将在未来一年成为整个行业的常态。 德鲁克组织框架在AI时代的重新解读 * 三类企业角色： 援引彼得·德鲁克理论，将角色分为“建造者”（如工程师）、“销售者”和“度量者”（涵盖财务、法务、中层管理等）。 * AI对“建造者”的赋能： AI能显著提升“建造者”的生产力，甚至可能达到十倍，使其成为极具价值的资产。 * “销售者”的稳固性： 预算决策者仍是人类，需要人际信任和支持，因此“销售者”职位被认为是稳固的。 * AI主要目标：“度量者”： AI的颠覆性力量主要针对涉及结构化、可重复任务的“度量者”角色。 AI对“度量者”职能的具体影响 * 内部审计自动化： 从季度抽查转变为对每个业务风险点进行全天候持续审计，提高客观性和精确度。 * 财务运营效率： 财务结账流程更快、错误更少，精准识别纰漏，减少人工监督需求。 * 中层管理精简： 大幅精简中层管理层级，AI工具赋能管理者更有效管理更多下属。 * 市场与运营整合： 市场营销团队大幅裁减，分散的运营岗位整合到统一业务支持小组，AI填补专业知识空白。 战略性再投资与“AI原生代”人才 * 资源重新分配： 将从“度量者”角色释放的资源重新分配给“建造者”和“销售者”。 * 人才招聘与增长： 公司开放招聘岗位数量创新高，预计未来几年员工总数将持续增长。 * “AI原生代”实习生： 吸引近100万份申请竞争1111个实习岗位，选中者被视为天生适应AI的未来“建造者”或“销售者”。 * 策略愿景： AI将重塑企业，将人类精力集中于创造和捕获价值。 财务影响与市场反应 * 当季财务亏损： 裁员公告发布时，Cloudflare财报显示当季亏损6200万美元。 * 高昂重组成本： 裁员相关的重组和遣散费用预计在1.4亿至1.5亿美元之间。 * 股价下跌： 公告发布后，Cloudflare股价一度下跌超过20%，表明投资者对重组的即时财务影响存在疑虑。 * 复杂叙事： CEO强调非为节省成本，却承担巨额重组开支，为市场呈现了复杂的解读。

Anthropic凭借在2021年聚焦编码作为核心能力的战略决策，实现了爆炸性增长和高市场估值，与OpenAI的广撒网策略形成鲜明对比。其成功不仅源于对核心技术路线的坚定投入，更得益于一种由创始人经验塑造的、以使命驱动和高度凝聚力为特征的独特组织文化，该文化强调专注、低自我和透明，从而吸引并留住了顶尖人才。这种专注和文化优势使其在AI领域竞争中脱颖而出，尽管未来仍面临OpenAI的追赶和市场变化带来的不确定性。 Anthropic的差异化战略与市场崛起 * 战略聚焦编码： Anthropic在2021年战略性地将编码作为核心能力，而非像OpenAI那样追求广泛能力，这一前瞻性判断已被市场验证。 * 爆炸式增长与高估值： 年度经常性收入(ARR)预计从90亿美元飙升至千亿级别，二级市场估值一度触及1万亿美元，超越OpenAI。 * 编码的战略价值： 编码被视为通用语言、模型学习的最佳途径（强可验证性、短反馈循环）及加速通用人工智能(AGI)研究的关键。 * 迫使对手转型： Anthropic的专注优势迫使OpenAI在2024年3月将编码提升为首要重点，此前甚至削减了Sora等项目。 创始人个性与战略决策 * Dario Amodei的专注与信念： 作为缩放定律和GPT-3项目的核心研究者，他展现出不“害怕错过”、自恋且固执的个性，坚信自己的“赌注”能带来独特价值。 * Sam Altman的广度与野心： 作为OpenAI的CEO，他具有风险投资背景，偏好“多点播种和并行下注”，导致公司拥有众多项目，但缺乏深厚技术背景使其在技术方向上依赖“自下而上”。 * 个性对组织的影响： Amodei的专注促成了Anthropic的聚焦策略，而Altman对“花哨想法”的偏好以及内部“只说好”的文化，导致OpenAI的精力被稀释。 专注：被低估的成功原则 * 专注是创业成功的核心： Anthropic的成功印证了战略专注的关键性，伟大的企业家往往是识别关键变量并将其推向极致的“极端偏执狂”。 * 专注的两个维度： 包含判断力（识别关键要素并愿意牺牲其他）和压强（投入压倒性资源以精通该关键要素）两者缺一不可。 * 历史案例验证： Google早期十年只专注于“搜索关键词竞价”，秉持“最好只做一件事，并做到极致”的信条，而非像Yahoo那样多元化。 Anthropic独特的组织文化 * “秘密武器”与人才优势： Anthropic的组织文化被视为核心竞争优势，其人才流失率远低于其他AI实验室，两年人才留存率高达80%，吸引顶级人才加入。 * 制度化实践： 通过使命驱动（安全优先，为价值观放弃国防部合同）、高信任/低自我（无私协作）、人文底蕴（“书呆子怪咖”，Claude命名）等方式培养。 * 专业化招聘与透明： 优先招聘有“直接能力证明”的“潜力股”，严格的文化面试评估使命契合度和低自我；通过Dario Amodei的“愿景探索”会议和Slack分享，构建高度信息透明的“情境共享文化”。 * 创始结构与“一个团队”： 七位联合创始人股权均等，作为“文化复制节点”传播价值观；扁平化层级，所有人都被称为“技术人员”，致力于消除“筒仓”效应并培养“一个团队”心态。 文化起源与未来竞争展望 * 业务需求塑造文化： AI开发（尤其编码和智能体）需要大量“脏活累活”，Anthropic的低自我、高凝聚力文化非常适合这类工作，弥补了OpenAI顶尖人才不愿从事此类任务的短板。 * 创始人经历的反作用力： Anthropic的文化深受Dario Amodei在百度和OpenAI（与Altman的冲突）的负面经历影响，强调透明、公开解决冲突、严格文化筛选以避免政治内斗和组织分裂。 * 未来竞争的不确定性： 尽管Anthropic模式成功，但AI领域变化迅速，OpenAI在编码领域正积极追赶（GitHub Copilot的广泛使用），算力成为决定性因素，且其激进创新可能带来未来“范式转变”。

美国国债收益率突破5%标志着全球金融市场一个深具里程碑意义的事件，预示着全球无风险利率中枢的系统性上移。这并非短期波动，而是由通胀黏性、财政失控、政策转向和期限溢价重估这“四重共振”所驱动，根本性地重构了全球资产定价逻辑，迫使市场告别低利率时代并回归风险定价本质。 美债收益率突破5%的深层驱动因素 * 通胀黏性： 地缘冲突推高能源价格，2026年4月美国CPI同比升至3.8%，核心通胀顽固，市场降息预期骤降，美联储“高利率维持更久”信号明确。 * 财政失控： 截至2026年5月，美国联邦债务逼近39万亿美元，占GDP超100%；2026财年赤字预计1.9万亿美元，巨额长债增发而传统买家减持，供需严重失衡。 * 政策转向： 美联储鹰派立场及“高利率维持更久”的明确信号，导致市场重估长期利率预期，要求更高风险补偿。 * 期限溢价重估： 通胀不确定性、债务无节制扩张和地缘政治冲突等多重风险叠加，使期限溢价从过去十年接近零飙升至1%以上。 2023年美债收益率突破5%与全球市场影响 * 核心驱动： 美联储激进加息（5.25%-5.5%），美国经济韧性，2023年财政赤字超1.7万亿美元，美债需求萎缩（美联储缩表、海外央行减持）。 * 全球借贷成本飙升： 美国30年期抵押贷款利率超7.5%，企业融资成本上升，信用利差扩大。 * 全球股市剧烈震荡： 美股三大指数7-10月下跌9-12%，新兴市场遭遇“股汇双杀”，资本外流。 * 美元指数强势反弹： 美元指数快速反弹至107.35，欧元、日元、人民币等非美货币大幅贬值。 高美债收益率下大宗商品的分化表现 * 黄金： 2023年初期承压（实际利率飙升），后期展现长期韧性并创新高，得益于避险属性和央行购金需求。1978-81年期间，曾快速上涨至850美元/盎司。 * 白银： 2023年波动性高于黄金，“跟跌不跟涨”，受实际利率上行和工业需求萎缩双重拖累，工业属性是主要拖累。 * 铜： 2023年表现最弱，工业需求预期恶化，LME三个月期铜跌至7800美元/吨附近，受全球经济晴雨表属性影响。1978-81年间，先涨后跌。 * 原油： 2023年地缘对冲利率压力，供需博弈，WTI原油短期回落；1978-81年第二次石油危机推动价格飙升，是通胀核心驱动。 “三角传导链条”：美债、CPI与大宗商品 * 大宗商品是CPI核心驱动： 能源和食品占美国CPI权重约30%，价格波动直接决定通胀走势，如2026年4月CPI飙升因布伦特原油突破120美元/桶。 * CPI是美联储货币政策之锚： CPI高于2%目标时，美联储倾向于加息或推迟降息，推高美债收益率。 * 美债收益率反向影响大宗商品： 通过实际利率（黄金机会成本）、美元汇率（美元计价商品变贵）和流动性（资金流向美债）三大渠道影响。 * 1978-1981年历史印证： 滞胀、两次石油危机（原油价格升至39美元/桶）、沃尔克激进紧缩（联邦基金利率至20%）共同推高10年期美债收益率至15.6%，导致美国经济衰退和全球金融动荡。

在信息爆炸和AI驱动的时代，原文指出关键“输入”变得极其廉价，但依据杰文斯悖论，这将引发对更高阶产物（如洞察力）的需求爆炸式增长。文章深入探讨了知识咨询成本的骤降如何将瓶颈从信息获取转向“Chiddush”（真知灼见），并强调在这一转变中，社群构建和将原始信息加工成价值的“知识烘焙师”角色，对专业投资者而言至关重要。 核心经济学原理：杰文斯悖论与萨伊定律 * 杰文斯悖论： 效率提升（如瓦特蒸汽机）导致投入成本降低时，反而会刺激总需求爆炸式增长，因为原本不可行的应用变得可行。 * 萨伊定律： “供给创造其自身的需求”，即新的生产能力会重塑需求，例如廉价音乐催生了无处不在的音乐消费。 * 原理合力： 共同解释了效率和供给如何驱动需求扩张，为理解知识经济奠定基础。 知识咨询成本骤降与“Chiddush”的崛起 * 成本崩溃： 大型语言模型（LLMs）的出现使获取深奥知识和咨询的成本骤降，例如青少年可轻松获得拉比圣经注释的解答。 * 瓶颈迁移： 当知识咨询变得廉价，瓶颈从“获取信息”转向“从继承材料中产生真正的、新的洞察”（Chiddush）。 * “Chiddush”的本质： 并非创新或发明，而是“恢复”或“揭示”文本中始终存在但未被发现的深层结构和真理，如摩西与阿奇瓦的故事所示。 社群构建与“知识烘焙师”的角色 * 社群重要性： 廉价洞察力可能导致孤立学习，因此构建“爱书之人”的社群和知识传播（如拉比Chiaya）至关重要，防止集体智慧的消亡。 * “麦子主人”与“拔山者”： 讨论了精通文本库（西奈）与拥有原创洞察力（拔山者）的张力，实际行动中学院更青睐后者，但社群投票选择前者。 * “知识烘焙师”： 在AI提供廉价“生麦子”（信息）的时代，学习者的核心任务是将这些原材料加工成可供享用的“面包”（洞察、协作、应用）。 对专业投资者的深远启示 * 数据信息廉价化： AI工具使获取市场数据、公司报告等基础信息变得高效且低成本，它们成为廉价的“麦子”。 * 洞察力成为稀缺资源： 真正的价值在于从海量信息中提炼出非显而易见、具有预测性的“Chiddush”，即对市场结构和趋势的深刻理解。 * 协作与社群至关重要： 开放讨论、观点碰撞和知识传播有助于形成集体智慧，避免个体分析的盲点，提升投资决策质量。 * 转型“知识烘焙师”： 成功的投资者必须从被动的信息消费者转变为主动加工、转化信息，将原始数据和工具转化为可执行的投资策略和价值创造。

Anthropic的《创始人手册》揭示了人工智能如何深刻改变初创企业的生命周期，将其从构思到扩展的各个阶段效率最大化。AI不仅降低了创业门槛，赋能非技术创始人，还使“精益独角兽”成为常态，通过自动化和智能体编程极大地压缩了创业时间线。然而，这种加速也带来了“智能体技术债”和“确认偏误”等新挑战，要求创始人将重心从“能造什么”转向“该造什么”。 AI重塑创业范式与创始人角色 * AI将根本性改变初创企业诞生方式，即使“连一行代码都没写过的创始人，也能发布可供实际使用的生产级应用”，促成“精益独角兽”的崛起。 * AI能够编写代码、开展市场调研、起草融资材料，大幅降低创立公司和打造产品的门槛，压缩创业时间。 * 创始人的角色演变为“AI智能体的指挥家”，专注于战略和想法实现，彻底解放了懂行业的非技术创始人。 AI工具在精益初创中的杠杆效应 * 研究调研与对话式智能： AI充当“全领域的随时待命专家”，进行竞品分析、市场估算、财务建模，并起草商业计划书、投资备忘录等关键文档。 * 智能体编程： AI能够以“一整个工程师团队的速度”生成、测试、调试企业级代码库，将创始人核心任务聚焦于“决定‘做什么’和‘为什么做’”。 * 流程自动化： AI工具（如Claude Cowork）能够自动化日常运营任务，如会议安排、CRM更新、报告生成，将创始人从琐碎工作中解放。 AI驱动的创业阶段：效率提升与新风险 * 构思与MVP阶段： AI加速问题验证和原型打造，但需警惕“把开发当验证”、“过早扩张”及“确认偏误”的风险，Claude助压力测试、市场研究和原型构建。 * 发布与扩展阶段： AI助力清剿技术债、自动化运营、构建专业的GTM职能，但需应对技术债到期、创始人瓶颈、安全合规及组织放权等挑战。 * AI将创始人的精力聚焦于高价值决策和护城河构建，但同时也带来了“智能体技术债”和忽视安全等新问题，要求创始人保持警惕和规划。

Anthropic首席财务官Krishna Rao的访谈揭示了公司如何将算力视为其业务的战略核心和命脉，通过多维度的管理策略应对指数级增长带来的不确定性。他强调前沿智能能带来“极高的回报”，并通过平台战略、稳健的资本运作，以及独特的组织文化和对AI安全的承诺，致力于实现其构建“虚拟合作者”的未来愿景。 算力：战略核心与管理韧性 * 算力被视为Anthropic业务的“画布”和最具影响力的决策，公司运用“不确定性锥形区间”框架进行战略规划。 * 采纳亚马逊Trainium、谷歌TPU和英伟达GPU的异构算力策略，实现模型开发、内部加速和客户服务的灵活互换。 * 与芯片制造商深度合作（如亚马逊Annapurna Labs），并构建自身编译器，从底层优化算力以最大化投资回报率。 * 结合短期采购（如与SpaceX）和长期超1000亿美元的巨额承诺（如与谷歌/Broadcom、亚马逊），形成“层叠蛋糕”式算力组合。 前沿智能的指数级回报 * Anthropic坚信前沿智能，尤其在企业领域，能带来“极高的回报”，体现在模型多维度智能和执行长周期任务的能力。 * 新模型的发布显著扩展**潜在可寻址市场（TAM）**和用例，推动年化收入从90亿美元增长到超过300亿美元。 * 公司内部观察到“规模法则依然生机勃勃”，模型能力持续加速提升，且新模型在处理token效率上实现“乘数级”提升。 * 实现递归式自我改进，如Claude Code编写了超过90%的Claude代码，内部算力投资形成正向循环。 平台战略、定价与资本结构 * Anthropic定位为平台提供商，提供原始模型访问之外的工具和服务（如Claude Code、Agents SDK），赋能客户构建自身产品。 * 通过降低Opus模型价格等措施保持定价稳定，触发“杰文斯悖论”，解锁更多客户用例和模型消耗。 * 将算力支出视为一项高投资回报率（ROI）的投资，支持短期（推理服务）和长期（模型开发）收入增长。 * 已筹集75亿美元，并计划从合作协议中再获得50亿美元，这些资金主要用于支持增长和满足未来需求。 组织文化、AI安全与未来愿景 * Anthropic拥有七位联合创始人，其高度协作、谦逊、专注使命的组织文化通过文化面试进行传承。 * 内部广泛使用AI工具（如财务团队利用Claude），实现了“劳动力杰文斯悖论”，提升效率并创造新的战略空间。 * 积极投资AI安全研究（如可解释性、对齐科学），并采取审慎的发布策略（如Mythos模型分阶段发布），与政府合作制定监管框架。 * 未来愿景是实现“虚拟合作者”，即具有上下文感知、工具使用、记忆和学习能力的AI，以极大地加速知识工作和生产力提升。

AI工具，特别是像Claude Code这类Agent，正将软件工程范式从传统“代码成本高昂”的基础假设转向“代码生成趋近免费”的新时代，这引发了开发流程、组织结构和管理哲学的深刻变革。随着编码效率的大幅提升，新的瓶颈已转移至验证、评审、跨职能协作与安全性等领域，迫使企业淘汰过时流程、重塑运营实践并调整人才战略。投资者应关注公司适应这些新挑战、利用AI提升产品质量和响应市场需求的能力，而非仅限于代码产量的表面增长。 AI驱动的软件工程范式变革 * 核心变化： AI（如Claude Code）使代码生成成本趋近“免费”，显著提升开发吞吐量，颠覆了传统软件工程中“编写代码成本高昂”的假设。 * 新瓶颈： 焦点从“编写代码缓慢”转向验证（确保正确性）、评审（评估质量）、跨职能协作和安全性。 * 传统流程失效： 长路线图、排期会议、严格代码所有权等为应对高开发成本而生的旧流程迅速过时，组织需明确允许并鼓励淘汰它们。 * 投资启示： 评估公司快速识别并废除低效流程、有效应对AI新瓶颈的能力，超越效率提升本身。 重塑的运营实践与协作模式 * “少做”实践： 大幅削减长期路线图（转为“即时规划”），用提交PR（Pull Request）替代冗长设计文档，最小化正式产品评审（转为内部“ant-fooding”和外部反馈）。 * “多做”实践： 显著增加验证投入，通过“左移”（shift left）策略将质量保障前置，利用自动化检查应对角色模糊化。 * 技术辩论变革： 从抽象讨论转向利用AI生成多个PR直接比较完整代码方案，强调“构建成本低廉时，争论就变得昂贵”。 * AI赋能代码评审： Claude负责风格检查、linting、去重、生成单元测试等常规任务，人工专注于法律合规、安全边界和产品直觉等高价值判断。 组织、人才与管理模式的演进 * 角色模糊化： AI参与几乎所有PR，传统代码归属感弱化；PMs等非技术人员开始提交代码，工程师也承担传统非技术任务。 * 招聘策略调整： 强调具备产品意识的创意建造者、深度系统专家（AI辅助能力不足领域），降低对原始编码吞吐量的重视。 * 组织结构扁平化： 减少层级以降低“对齐损耗”，提升灵活性和敏捷性。 * 经理角色转变： Fiona Fung坚持经理必须从IC（Individual Contributor，一线工程师）做起，编写代码并“狗食”工具，确保理解技术挑战。 代码作为核心与衡量标准转变 * “唯一事实来源”： 代码库取代外部文档成为权威参考，Claude Code可直接从代码中提取逻辑回答问题，解决文档与代码不同步问题。 * 关键绩效指标（KPIs）： 关注新人上手时间缩短、PR生命周期显著缩短（反映AI采纳和基础设施瓶颈）、Claude辅助提交的比例。 * 战略警示： “AI生成了多少代码”是“虚荣指标”，真正的成功衡量标准在于产品质量、可靠性及解决实际问题的能力。 * 未解决挑战： 传统团队专业化的意义、自动化评审的最佳范围，以及如何确保所有团队成员的贡献感和公平性。

Chamath Palihapitiya在斯坦福AI Club的演讲揭示，AI投资回报率的关键瓶颈在于企业难以将“隐性知识”转化为AI可用形式。为此，他创办的8090公司提出“软件工厂”模型，旨在通过“正向推导”和“反向推导”连接人类符号知识与AI嵌入空间，以解锁这一万亿级市场潜力。他对AI能力的评估持批判态度，并倡导去中心化、开源AI生态，同时强调AI时代组织应精简、扁平化，人才需具备适应和判断力而非仅编码技能。 AI投资的瓶颈：隐性知识的挑战 * 数万亿美金投入AI基础设施，但若无法将企业“隐性知识”（如遗留代码、员工经验、业务规则）转化为AI可用形式，投资回报率将难以实现。 * 当前AI模型侧重“token预测”和“嵌入空间”模式匹配，擅长识别模式，但缺乏理解“为什么”的能力，难以处理复杂、长时间跨度的企业问题。 * 企业“秘密”（专有业务逻辑、战略洞察）存在于“符号空间”（人类语言、规则），常困于COBOL等旧系统或员工头脑中，与AI嵌入空间能力脱节。 8090的解决方案：弥合符号与嵌入空间 * 8090公司开发“软件工厂”模型，借鉴OSI分层概念，旨在连接AI嵌入空间与企业符号空间。 * 正向推导：人类用自然语言定义企业需求（PRD），AI代理执行；修改自然语言文档自动更新底层算法，提升创新抽象层级。 * 反向推导：系统自动逆向工程遗留代码（如COBOL）并翻译成自然语言业务理解，解锁旧系统中的隐性知识。 * 通过将企业“秘密”抽象至符号层并重新编译，实现新型网络效应，知识复用，形成“对数级扩张”和“正和博弈”，降低成本并提升整体生态价值。 AI能力与未来：批判性评估与去中心化展望 * 当前AI模型在处理“长时间跨度任务”和“真正复杂的问题”方面存在根本性困难，许多评估分数和AGI（通用人工智能）讨论被视为“融资话术”。 * “真正的开源模型与完全去中心化、不受监管的分布式计算相结合”是最具颠覆性的未来趋势。 * 担忧符号推理能力被少数大型公司垄断，形成“行星与卫星”格局；强调Bittensor的Subnet 3、Folding at Home等去中心化项目的重要性。 * 预计当1000亿参数模型能在分布式网络上高效运行时，将出现真正的商业竞争力，投资者应关注去中心化基础设施和开源项目。 AI时代的组织哲学与人才需求 * 8090采纳精简、非层级化的组织模式（如40人应对80人工作量），迫使员工从“第一性原理”思考，促进快速学习与适应。 * 批评传统企业组织结构因旧软件和咨询业而臃肿低效，与Facebook、Google等“从零开始构建一切”的高效组织形成对比。 * 强调人才需具备“持续消化压力、从中学习、在其中成长”的能力，而非单纯编码速度；以SpaceX迭代改进为例证“做、学、做、学”的循环。 * 长期来看，随着自然语言成为与AI交互的终极抽象层，“需求工程”和“判断力”将比纯粹的编程技能更为稀缺。

2026年，人工智能领域正经历深刻变革，核心在于AI开始系统性加速自身发展，模型竞争周期大幅缩短，正式迈入以AI Agent为核心驱动力的“Agent时代”。其中Coding Agent迅速崛起，成为头部AI实验室的战略焦点，重塑了商业模式与设计哲学，同时机器人AI和新兴实验室也在积极探索新的技术范式与高价值垂直应用。 AI Agent时代与Coding Agent的崛起 * AI发展进入“Agent时代”，AI Agent能够自主感知、决策并执行任务，成为数字世界新的消费者与生产者。 * “Coding Agent”增速迅猛，预计2026年ARR将突破1000亿美元，被视为“抖音”级别的市场机会。 * Anthropic的Opus 4.5是Agent模式的关键拐点，Coding Agent被认为是实现AGI和大规模自动化白领工作的最佳路径。 * Coding能力直接加速AI实验室进展，并具备最短、最清晰“反馈回路”的天然“飞轮效应”。 头部AI实验室的战略格局与竞争 * Anthropic： 凭借“All in Coding”战略聚焦，放弃C端和多模态，坚定“pre-training”技术路线，其AGI-native组织文化确保高执行力与人才稳定性。 * OpenAI： 拥有近10亿ChatGPT周活跃用户和5000万付费订阅，虽因战略失焦被Anthropic追赶，但其自下而上的探索文化仍是其最强的生命力。 * Google： 虽在C端和多模态上存在战略失误和组织挑战，但其充裕的TPU资源、强大的体系化运转能力及基础设施（Search, Android）构成了坚实护城河。 * 当前头部梯队由Anthropic、OpenAI、Google构成，Meta通过密集人才引进冲击第一梯队，xAI则因战略摇摆而掉队。 Agent时代的商业模式与设计哲学变革 * 市场坐标系从传统To B/To C转变为“To Human”和“To Agent”，形成服务“专业消费者”（To Prosumer）的统一特征。 * Agent正成为独立的消费者与生产者，Stripe、Cloudflare等正为其构建身份、支付和资源消耗的全新基础设施。 * “Agent = Model + Harness”是核心概念，Harness（工具、运行时、控制逻辑）使得模型能够在现实世界中执行任务并管理状态。 * Agent设计哲学从基于规则的“不信任模型”转变为Anthropic的“充分信任模型”，将Harness极简化，Anthropic也从API公司进化为“Agent云公司”。 机器人AI的前沿趋势与硬件重要性 * 2026年是“机器人数据Scaling大年”，机器人数据体系可用金字塔框架理解：Egocentric data、UMI数据、Teleop真机数据，World Model对应RL阶段。 * “Hardware is All You Need”理念日益凸显，硬件决定数据生成质量与规模，为华人创业者提供了打造机器人领域“TSMC”模式的结构性机会。 * 技术路径正从VLA（视觉-语言-动作模型）转向WAM（世界动作模型），WAM更符合物理智能本质，擅长理解动作影响和处理长时序任务。 * World Model极度消耗算力，头部实验室（OpenAI、Google、NVIDIA）已明确自研，创业公司需对“World Model × 机器人”方向保持相对保守。 Neo Labs的范式探索与垂直领域机遇 * 新兴实验室（Neo Labs）分为两类：一类旨在追寻AI的下一个范式，如“持续学习”（Continual Learning），代表为Core Automation。 * 另一类专注高价值垂直领域，利用Agent能力解决芯片设计、AI for Science、高温超导材料等具体问题，吸引硅谷基金的偏好。 * 头部实验室在Coding竞争上的投入为这些Neo Labs留出了探索创新范式的空间，但其进入第一梯队仍受限于范式未验证性和资本/GPU垄断。