GLM-5.2 与 AI 利润率的重塑：一场关于智能商品的双重叙事 上个月我们聊过 GLM-5.2 的 1M 上下文能做什么——整本书喂进去、全量代码库一次读懂、长文本翻译不再切片。 今天想聊另一个问题：它的出现，对整个 AI 行业的定价逻辑，意味着什么。 目前搞科技评论的出现了一个奇妙的“平行宇宙”： 英文圈看到 753B 旗舰、MIT 协议、性能直逼 GPT-5.5 但成本只要六分之一，惊呼：“AI 利润率要彻底崩溃了！” 中文圈同期却在讨论：“智谱提价、国产大模型集体放弃价格战。” 同一个事实，两种叙事。究竟是谁在嘴硬，谁在流血？ 别误会，崩溃的不是模型能力，是“中间商”的暴利 很多人把“利润率崩溃”误读成了 AI 药丸。实际上，大多数人把因果关系理解反了。 先看一组让人肉疼的数据： 2023 年（GPT-4 时代）： $60 / 百万 token。 2025 年初（推理爆发）： $2.50 / 百万 token。 2026 年中（当前商品级模型）： 已经跌破 $0.10。 不到三年，推理成本直降 600 倍。这个速度，比摩尔定律还快。 再看最新的旗舰对决： GPT-5.5 输出定价： $30 / 百万 token GLM-5.2 输出定价： $4.4 / 百万 token 性能差距： 🤏 不到 1% 价格差距： 接近 7 倍 但这里有一个被刻意忽视的行业悖论：OpenAI 今年预计亏损 140 亿美元，每赚 1 美元要花 1.7 美元；而英伟达单季营收 816 亿美元，毛利率高达 75%。 同一个 AI 盛世，有人在深夜流血，有人在昼夜印钞。 📉 看看附图里 ICONIQ 最新的 2026 行业调查，数据更加骨感： 过去传统 SaaS 躺着就能拿到 70%-85% 的黄金毛利率；而 2026 年强行缝合 AI 的产品构建者，预期毛利率被硬生生压缩了近 30 个百分点，暴跌到 ~52%。 高昂的算力和推理成本，正在不知不觉中抽干应用层的财务血条。这也是为什么像 GLM-5.2 这种把推理成本打到极致的模型出现时，整个科技圈会如此敏锐。 这根本不是“AI 药丸”，这是利润率的重新分配——从虚胖的应用层，流向了硬核的基础设施层。真正崩溃的，是“靠垄断大模型推理服务、躺着收高溢价过路费”的幻觉。 那中文圈的“涨价”又是怎么回事？ 这才是这个话题最有意思的地方——两个叙事并不矛盾，它们描述的是同一场战争的两个不同战场。 智谱在 2026 年短短三个月内两度提价，GLM Coding Plan 整体涨幅自 30% 起。更关键的数据是：第一季度 API 定价累计上调 83%，但 Token 消耗量同期增长了 400%。 涨价了，用的人反而更多了。 这说明什么？说明智能体时代，Token 的消耗模式彻底变了。以前是“一问一答”，线性消耗；现在是 Agent 长链路思考、多步骤执行、循环调用，Token 消耗是指数级增长。智谱 CEO 张鹏的原话是：“AGI 时代的商业价值 = 智能上界 × Token 消耗规模。” 所以中文圈的“涨价”，本质上是：需求爆炸了，供给跟不上，定价权回到了卖方手里。 这和英文圈的“利润率崩溃”并不矛盾——崩溃的是“低质量、高溢价”的推理服务；涨价的是“高质量、供不应求”的 Agent 能力。 同一件事，不同切面。 20 年前那场搞垮巨头的“带宽爆炸”，正在重演 这种教科书级别的结构性重组，历史演过一次。 2000 年代初，全球光纤带宽爆炸式扩张，传输一个比特的成本瞬间跌了 99%。 当时的输家： 电信巨头 WorldCom、Global Crossing 直接破产，因为他们赖以生存的“昂贵带宽费”变成了一文不值的空气。 当时的赢家： 刚刚成立、拼命消耗免费带宽的 Google。 “带宽崩溃”那年，恰恰是全球互联网真正爆发的元年。 杰夫·贝佐斯（Jeff Bezos）有句话放在这里特别合适：“你的利润，是我的机会。” GLM-5.2 刺破泡沫的今年，大概率是同一个剧本。崩溃的不是 AI，崩溃的是“智能属于奢侈品”的伪命题。 当智能像自来水一样便宜，真正的壁垒是什么？ 这意味着，那些曾经因为语言障碍、付不起高昂 API 费用、或者没有渠道接触顶级信息的人，第一次在物理层面上，站在了和硅谷工程师几乎相同的信息起跑线上。 智能，正在从稀缺神坛走向路边的自来水管。 但作为做翻译和生产力工具的，我们想留一个足够清醒（甚至有点冒犯）的问题：当“能力”被彻底普惠后，“机会”真的会均等吗？ 语言和成本不再是壁垒。但如果你根本不知道外面有什么值得读，或者习惯了信息茧房，那么再便宜的旗舰模型，对你而言也是冗余的算力。 信息平权真正要解决的，从来不只是“怎么翻译”，而是“让你睁眼看到，世界上还有另一种叙事存在”。 🌐 而这，也正是沉浸式翻译一直在做的事。 当 GLM-5.2 将顶级长文本的推理成本打到“平民价”，通过在沉浸式翻译中接入你的自定义 API，那些高高在上的海外一手信息，都将变成你无缝吞吐的认知底层： 前沿技术文档与 PDF 研报：一键双语对照读懂 GitHub 上的开源技术 Specs、Arxiv 论文或海外科技媒体的硬核分析，让行业红利没有时差。 全球财经与国际叙事对比：在浏览器里直接无缝对照阅读英文圈的“利润率崩溃论”与中文圈的“供需重组论”，在双重叙事中看清真实的行业大势。 海外硬核视频与社交媒体流：实时双语翻译 YouTube 上的技术讲座、公开课，以及 X（Twitter）上的硬核技术推特链，让你直接站在和硅谷同等强度的信息源头。 智能正在变成像水、电一样的基础设施，而沉浸式翻译，就是把这股智能水流无缝接入你日常浏览器、PDF 和视频里的那根双语管道。 智能不再稀缺，机会留给最先睁眼看世界的人。 #AI# #GLM52# #信息平权# #沉浸式翻译#

GPT-6 Astra 出来了，单位算力提效 3 倍，你是不是觉得 AI 基础设施要崩？ 真·杰文斯悖论：越便宜用得越狠！成本降了，大家直接放手让 AI 跑长流程、自己做决策，算力、电力、内存反而供不应求。 最大收益CSP：从绝对绑定看 Azure 赚的是 OpenAI 的直接门面，但从资本市场性价比与长尾用量承接力看，AWS 才是 Astra 引爆推理潮后增量最稳、最具重估弹性的云巨头，自研芯片+Bedrock 落地，是最稳的 Astra 放大器。 应用收益方之一Unity：Astra 玩“生成世界”离不开游戏引擎底座，降低开发门槛直接卖铲子，180 亿市值性价比极高。 电力继续爆： Bloom Energy、Vistra 强锁需求，模型再省也得吃电。 技术越逼近双寡头，真 Alpha 越不在模型本身，而在被它爆拉的硬件和应用层。 NFA

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。

从世界历史中学习金融:看完你会比90％的人更懂金融！ 金融从来不是孤立的钱的游戏， 本质就是人性逐利冒险与文明规则约束的千年博弈。 人性要逐利冒险，文明要立规矩防混乱， 正是两者不断拉扯，才长出了今天我们熟悉的金融世界。 其实咱们现在天天纠结的： 该不该买股票？ 利率涨了怎么办？ 本质和几千年前古人遇到的问题一模一样： 借粮食怕还不上，就像现在怕房贷断供； 想多赚点利息，就像现在想靠理财增值。 金融的源头，本来就是人性的真实需求，加上文明为了满足需求搭起的规则框架。 今天我们就顺着时间线，把这场跨越千年的博弈理清楚。 01）金融的起源：信用从泥板里诞生，规则从约束贪婪开始 很多人都觉得一定是先有货币，才有金融。但事实真的如此吗？请看以下这张图，这是公元前2800年美索不达米亚苏美尔文明泥板上的借据——核心两个字：信用。 那时候两河流域还没发明像样的货币，但苏美尔人已经把借贷关系刻在泥板上了。比如一块出土泥板清楚写着：「普兹拉姆从太阳神沙马什那里领了三巴舍克勒白银，收货时连本带利还，利率百分之二十」。 为什么选泥板？因为黏土在当地遍地都是，烧硬了能保存几千年，相当于我们今天的合同——就算双方翻脸，旁人看泥板也能说清谁欠谁。这就是最早的信用凭证：金融的起点从来不是钱生钱，而是「我信你能还，咱们留个证据」。而且泥板上不仅记账，还写清楚了违约规则：还不上就用小麦抵押，实在还不上就当三年奴隶——从一开始，信用就和规则绑在了一起。 只靠熟人信任和简单约定，应付不了复杂情况，总有人把利息抬得离谱，逼得借债人卖儿卖女，整个社会都会乱套。于是文明出手定规矩，就有了我们熟悉的《汉谟拉比法典》——这其实是人类最早的金融监管法。 公元前1750年的古巴比伦，法典专门给借贷定了红线：借谷物，利率上限是33.3%；借白银，利率上限是20%；谁敢超收，直接没收他借出去的东西。为什么定这么严？当时美索不达米亚人爱喝啤酒，40%的小麦都用来酿酒，如果高利贷把农民逼得种不出小麦，不光没酒喝，整个社会的粮食供应都要出问题。所以规则的意义从来不是扼杀金融，而是保护信用不被贪婪破坏，让借贷能长久做下去。 到了古希腊，金融又长出了新玩法——期权的雏形。哲学家泰勒斯其实是个隐藏的金融高手：有一年他通过天文观测，预判来年橄榄会大丰收，就提前付了定金，锁定了当地所有橄榄榨油机的未来使用权。等真的丰收，农民们都要榨油，只能从泰勒斯手里租机器，他一下子赚得盆满钵满。 这操作放到今天就是标准的期权：用少量定金锁定未来资源，按约定条件交易，本质和我们现在买期货期权没区别，支撑这笔交易的核心还是信用——泰勒斯信农民会履约，农民信泰勒斯会付定金。 说到这里我们再想「利息」的起源，其实特别实在：苏美尔语把利息叫「moss」，埃及语叫「ms」，都和「声誉」挂钩；日语里利息的词源，本意是「子嗣带来的利益」。这不是古人浪漫，而是本质就是：借出去一头牛，明年可能多一头牛犊；借出去一袋小麦，明年能多收半袋。利息本来就是对出借方「信用风险和机会成本的补偿」，你帮了我，我得让你不吃亏——这本身就是最朴素的规则。 所以金融的源头其实很清楚：信用是地基，没有信任，没人愿意把钱或东西借出去；规则是承重墙，没有规矩，贪婪会把整个信用体系拆塌。 02）中世纪金融：禁令下的博弈，逼出更灵活的创新 等到了中世纪的欧洲，这套「信用+规则」的逻辑突然被打乱了——基督教直接出台利息禁令：说「时间是上帝的，收利息就是赚上帝的钱」，给刚发展起来的金融套了个紧箍咒。 但规矩是死的，人要做生意要谋生，金融总能绕着禁令找活路，反而在道德枷锁和现实需求的拉扯里，催生出了更灵活的金融玩法。 我们先看看这个禁令有多严：公元325年尼西亚会议就规定，神职人员不能放贷收息；过了500年，到850年直接加码：放贷的人直接逐出教门。可现实呢？国王要打仗，商人要运货，农民要种庄稼，谁都有急用钱的时候。12世纪的意大利，商人运丝绸从威尼斯到布鲁日，光成本就要几千金币，自己拿不出只能借，禁令再严，也不能眼睁睁看着生意黄了。 所以第一个妥协的，反而是出台禁令的教会。1215年第四次拉特朗大公会议上，教会松口了：「要是借债人逾期不还，收点罚金，不算利息」——这其实就是换个说法，本质还是补偿出借人的损失。后来更直接，你放贷赚了钱，买张赎罪券就能免罪，变相承认了利息的存在。甚至教皇克雷芒七世出身的美第奇家族，直接发行教廷公债，每年付10%的利息——毕竟教会要盖教堂、养神职人员，也需要钱。再严的道德禁令，遇到真实的资金需求，也得给现实让路。 那普通人借钱找谁呢？犹太人成了这个领域的主力军。犹太教规矩里有一条：「借给弟兄不能收利息，但借给外邦人可以」。中世纪的欧洲，犹太人是少数群体，不能买土地，不能当公务员，只能靠商业谋生，放贷就成了他们的主要活路——不是犹太人天生爱做高利贷，是规则把他们逼到了这个领域。莎士比亚《威尼斯商人》里的夏洛克，原型就是中世纪的犹太放贷人，他要一磅肉的极端约定，其实也是无奈：犹太人没有土地做担保，只能靠这种极端方式保障自己的本金。 伊斯兰世界的玩法更聪明：伊斯兰教也禁止收利息，但商人想出了「贸易差价」的办法——我帮你买一批香料，你卖掉再给我钱，我多收的服务费，其实就是变相利息；他们还早早搞出了汇票，商人在开罗买货，不用带沉甸甸的金币，开张汇票到巴格达就能兑钱，比欧洲早了好几百年。没办法，横跨欧亚非的商路需要便捷的支付工具，禁令反而倒逼出了更聪明的创新。 除了这些玩法，中世纪还给金融打下了两个关键的技术基础：一个是斐波那契把阿拉伯数字引入欧洲，写了《计算之书》，替代麻烦的罗马数字，算清复杂生意账；另一个是卢卡·帕乔利发明了复式簿记，一笔生意有借必有贷，赚了多少欠了多少一目了然。这看似是数学和会计的小事，其实是金融的基础设施——只有算清账，商人才能攒下信用，才能聚集更多资本做大事。 所以你看，中世纪的金融没被禁令打死，反而在博弈里攒下了一身新本事：有了变相收息的办法，有了跨区结算的汇票，还有了算清账的工具。这些积累都不是白费的，等大航海时代来了，要给哥伦布的探险凑大钱，这些本事正好派上了用场。 03）大航海时代：资本的地理冒险，改变了整个世界结构 大航海时代探险家们敢闯大洋，从来不是只靠勇气，背后是资本在赌一把——赌新航线能带来比陆地贸易高几十倍的利润，这就是一场资本的地理大冒险：敢花钱、敢担风险，为的是赚别人赚不到的差价。 这场冒险最大的诱饵，就是现在我们习以为常的胡椒。在16世纪的欧洲，胡椒比黄金还金贵：欧洲吃的胡椒都从印度东南亚运，中间经过伊斯兰商人好几手倒卖，每过一次价格翻一倍，到欧洲内陆，价格已经是产地的十倍，普通农民根本吃不起。所以商人都琢磨：要是能绕开中间商，直接从产地运，利润不就全归自己了？开辟新航线的需求，本质就是资本想赚差价的需求——没有高利润诱惑，谁也不会拿大笔钱赌远洋航行。 那钱从哪来？我们都熟的哥伦布，其实就是一个找投资的「连续创业者」：一开始找葡萄牙国王，人家觉得他算错了航线，不投；又找法国贵族，人家也不感兴趣；最后磨了西班牙伊莎贝拉女王好几年，还承诺找到新陆地，西班牙分一半收益，女王才咬牙拿出钱。这不就是现在创业公司融资的样子吗？创始人画饼，投资方看收益评估风险，最后才掏钱；而且哥伦布还特别懂「定制方案」：跟西班牙说能找到亚洲捷径，跟法国说能发现新金银产地，这套看人下菜碟的融资逻辑，放到现在风投圈也不过时。 新航线打通之后，资本带来的连锁反应，直接改变了欧洲的社会结构。最典型的就是「白银引发的价格革命」：1545年西班牙人在美洲发现波托西银矿，之后大量白银顺着航线流回欧洲，1595年美洲出口商品里95%都是白银。这么多白银突然涌入，欧洲物价直接涨了四倍——原来一个金币能买一百斤小麦，现在只能买二十五斤。 这一下子就冲击了旧秩序：靠固定地租吃饭的封建主惨了，收的地租还是老价钱，却买不到原来多的东西，慢慢就破产了；商人却赚翻了，用白银进货再高价卖出，差价越赚越大。资本就这么悄悄完成了社会结构洗牌：旧贵族退场，新商人崛起，资本开始主导社会财富分配，这就是大航海给文明带来的最深刻改变。 还有个有意思的小细节：我们现在说「美元」，其实根子能追溯到这场大航海。美洲白银发现之前，欧洲有个「泰勒银币」，用波西米亚山谷的白银铸造，成色足分量准，成了欧洲通用货币。后来这个银币传到西班牙叫「dolara」，传到英国变成「dollar」，几百年后传到美国就成了「dollar」也就是美元，甚至我们人民币的「元」，日元的「円」，都和这个银币有关系。货币从来不是凭空造出来的，都是跟着资本和贸易走的，大航海把银币带到全世界，也为后来的全球货币体系埋下了种子。 当然，这场冒险从来不是稳赚不赔：投资的船队遇到风暴沉了，钱全打了水漂；囤白银赌涨价，结果白银太多价格跌了，反而亏了本——这和现在的风险投资一模一样，高收益必然带高风险，资本愿意冒这个险，只是因为一旦成功，收益能翻几十倍。 大航海能成，本质就是中世纪金融经验的升级：复式簿记能帮商人算清远洋贸易的成本利润，汇票能不用带金币就完成跨洲结算，甚至中世纪的放贷逻辑都用来给船队融资。这些攒了几百年的基本功，才是资本敢闯大洋的底气。但远洋贸易成本越来越高，一趟下来成本是中世纪陆地贸易的十倍，单靠几个商人凑钱根本扛不住，还得有新的组织形式，把很多人的钱聚起来，还能分摊风险——于是，改变现代金融的两个发明就登场了：股份制公司和证券交易所。 04）现代金融基石：公司和交易所，是资本的双刃剑 荷兰人拿出的两个发明——荷兰东印度公司和阿姆斯特丹交易所，被板古敏彦称为「资本的双刃剑」：一边解决了「聚钱+分摊风险」的大问题，让大航海能规模化推进；另一边，也催生出人类第一次全民投机泡沫，告诉我们：再好的制度，也挡不住人性的贪婪。 荷兰东印度公司最核心的制度突破，就是有限责任。在这之前，欧洲的公司基本都是无限责任：你投100吨开公司，万一船沉了欠了500吨债，你得卖掉房子田地凑钱还债，一次投资就赌上全部身家，谁敢轻易投？所以那时候要么是家族小生意，要么是国王特许的垄断商，做不大。 但荷兰东印度公司不一样：明确规定股东只以出资额为限承担风险，你投100吨，最多亏100吨，不用卖房子还债。就这一条，彻底改变了资本的态度：原来只有大富豪敢投资，现在普通工匠、店主都愿意拿出积蓄——反正亏了也不影响生活，赚了能分远洋贸易的利润。公司成立的时候一下子募集了650万荷兰盾，是当时英国东印度公司的十倍，没有有限责任根本凑不齐这么多钱。 它还有个更绝的设计：不按单次航海结算，做长期事业。原来的贸易公司，一趟航海回来就分钱散伙，下一趟再重新凑钱；荷兰东印度公司直接把21年的航海计划打包成长期项目，股东的钱能一直用在开辟据点、垄断贸易上，就像现在的长期基金，能做需要长期投入的大事——建商馆、控制航道，这些都不是一次航海能搞定的。也正因为事业长期稳定，股票才有了交易价值，这就为交易所诞生埋下了伏笔。 阿姆斯特丹交易所的作用，就是给资本找了个公开流动的「菜市场」：东印度公司的股东急用钱，想把股票换成现金，不用挨家挨户问，直接去交易所卖就行。这个交易所不止交易股票，还能做期货、期权：有人觉得明年胡椒涨价，就提前约定价格买东印度公司股票；有人怕股票跌，就花点钱锁定下跌风险；甚至连盐渍鲱鱼都能做期货，鱼还没捞，就先把未来的鱼卖掉，和现在农民提前卖粮食锁定价格逻辑一模一样。 但制度的另一面很快就露出来了——郁金香泡沫。17世纪30年代，荷兰人疯狂炒作郁金香球根：普通球根能卖几十吨，稀有品种「总督」球根能卖两万吨，相当于一个工匠十年的工资。为什么会炒成这样？有限责任让普通人也能进场投机，交易所让球根交易和股票一样方便，大家根本不关心郁金香能不能开花，只关心下一个人会不会出更高价买。结果1637年2月，球根价格突然崩盘，很多人早上还以为能靠球根发财，晚上就血本无归。 这就是泡沫的本质：当制度让交易变得太容易，人性的从众和赌性就会被无限放大，最后把资产价值炒成空中楼阁。不过这场泡沫也不是全没意义：它让人们意识到，光有聚钱的制度不够，还得有防炒作的规则——后来荷兰政府开始限制无实物交割的期货交易，就像现在监管裸卖空一样。而且东印度公司的股票没受太大影响，因为它有真实的胡椒贸易利润支撑——这也告诉我们，有真实收益支撑的资产，才经得起泡沫的考验。 公司和交易所解决了「资本怎么聚、怎么流动」的问题，但还有两个大风险没人扛得住：国家要打大仗，动辄几百万英镑，国王自己掏不起；商船出海，万一沉了被抢了，船主一辈子家底就没了。单个机构和个人扛不住这么大的风险，就需要能把风险拆碎分摊的新工具——于是，国债和保险就诞生了。 05）风险分摊神器：国债和保险，把大风险拆给所有人 国债和保险的核心逻辑其实一句话：不消灭风险，而是把风险拆成小块，卖给很多人——国家把战争风险分给成千上万投资者，船主把海上风险分给成百上千投保人，这就是金融最聪明的「风险分摊术」。 先说说国债：本质就是国家学会了「靠谱借钱」。在这之前，欧洲国王借钱就是一锤子买卖：打赢了可能还点，打输了直接赖账。1672年英国国王查理二世欠了金匠银行家一大笔钱，直接宣布不还，好多银行家直接破产——所以那时候没人敢给国王借钱，谁愿意把钱借给一个说赖账就赖账的人？ 直到1688年英国光荣革命，议会通过《权利法案》，明确国王不能随便征税，也不能随便赖账，国债才真正有了信用。法案写得清楚：没议会同意，国王不能征税——这就意味着国债的还款来源有了保障，不是国王一句话就能改的。1692年英国出台专门的国债法，把原来国王的私债，变成了国家欠所有人的钱，还发明了「统一公债」：没有偿还期限，每年固定付利息，想变现随时能在交易所卖掉。 这下一下子就不一样了：原来投资者怕国王赖账不敢买，现在知道有议会担保，还能随时卖，纷纷掏钱买。英国国债从1739年的4400万英镑，涨到1816年的7亿英镑，全靠这套靠谱规则。国家把战争风险变成了「每年拿利息」的投资机会，投资者自然愿意接。而且设计还特别灵活，曾经发行过「彩票型国债」：买100英镑国债，不光每年拿利息，还能抽奖中额外奖金，一下吸引了很多普通民众，街边面包师都愿意拿出积蓄买，国家轻轻松松就凑够了军费——背后逻辑很简单：风险越大，就要给投资者越多甜头，大家才愿意一起扛。 再看保险：本质就是把「小概率大风险」，变成「大概率小支出」。最早的海上保险雏形古希腊就有了：船主借钱买货，约定船安全到港就还本金加利息，要是船沉了就不用还——其实就是用高利息买风险保障，只是没形成正规制度。真正把保险做成生意的，是伦敦的劳埃德咖啡馆。 1687年爱德华·劳埃德开了这家24小时咖啡馆，水手、船主、商人都爱来这歇脚，慢慢就有人在这「赌船」：船主花点钱，找几个有钱人约定，船安全到了，钱归有钱人；船沉了，有钱人赔船主钱——这些签字画押的有钱人，就是最早的承保人，这就是现在劳合社的前身。那时候承保人要承担无限责任，船沉了得卖房子赔钱，但还是有人愿意干，因为大多数船都能安全到港，保费攒下来就是稳赚的。 这就是保险的本质：大多数人没出事，他们的保费就用来补偿少数出事的人，大家一起扛住单个扛不动的风险。后来保险还扩展到了人寿：苏格兰的牧师们看到同事早逝后妻儿没人养，就搞了「苏格兰寡妇基金」，大家每年交一点钱，有人去世就从基金里拿钱给遗属；他们还聪明地用了哈雷生命表，算清楚平均多少牧师会去世，每年该交多少钱——这就是最早的保险精算，让保险从「凭感觉凑钱」变成「靠数据定价」。 不管是国债还是保险，核心都是「信任+规则」：国债靠议会担保、税收兜底，保险靠精算数据、契约精神，少了哪一样都玩不转。但随着战争规模变大，贸易范围变广，资本永远会跟着「安全+信用」走，金融中心也就开始慢慢转移——从阿姆斯特丹到伦敦，再从伦敦到纽约，每一次转移都是一场信用的较量。 06）金融中心迁徙：资本永远选择最有安全感的地方 金融中心的转移从来不是靠军队抢来的，是资本用脚投票选出来的：谁能给资本安全感，谁能守住还钱的规矩，资本就去谁那里。 第一个转折点，是阿姆斯特丹的衰落。17世纪阿姆斯特丹本来是全球金融心脏，东印度公司股票在这交易，霍普商会能帮瑞典、俄罗斯发国债，但拿破仑战争打碎了一切：拿破仑要征重税，还要把荷兰的黄金运去法国充军费——资本最怕什么？怕被强征、怕没保障。于是阿姆斯特丹的商人连夜打包资产，有的去伦敦，有的去汉堡；1806年阿姆斯特丹交易所交易量，只剩原来的十分之一——没了资本信任，再繁华的金融中心也会变成空城。 接着就是伦敦崛起，它赢就赢在靠谱的规矩和安全的环境。拿破仑战争期间，英国一边打仗，还能让资本安心：第一，英国有统一公债，不管战争打得多凶，每年利息从不拖欠，投资者知道买了不会亏；第二，英镑和黄金稳定兑换，拿着英镑在哪都能换成黄金，比法国法郎靠谱太多；最关键的是，英国议会管住了国王的手，《权利法案》明确国王不能随便赖账，这比任何军事威慑都管用。1803年拿破仑要卖路易斯安纳给美国，美国拿不出1500万美元，最后还是英国的巴林商会帮忙发行债券凑齐了钱——连法国的交易都要靠伦敦资本，伦敦的金融中心地位，还有谁能抢？ 但伦敦的地位，最终还是被两次世界大战打垮了。一战之后，英国为了筹军费，卖了海外资产还欠了美国一大笔钱，从债权国变成了债务国；二战的时候，伦敦被德国轰炸，交易所好几次停市，资本怕被炸没，纷纷跑到纽约。纽约道琼斯指数在战争期间涨了近一倍，伦敦股票市值跌了一半。1944年布雷顿森林会议一开，美元和黄金挂钩，其他货币和美元挂钩，伦敦彻底失去了金融主动权——不是英国不想争，是战争耗光了它最核心的「安全+信用」，这两个恰恰是资本最看重的东西。 而纽约呢？两次世界大战都没烧到本土，还靠帮各国发债积累了信用，布雷顿森林体系又给了美元世界货币的地位，自然就接住了金融中心的接力棒。但掌握主动权不是一劳永逸，纽约成为中心后，现代金融很快就陷入了「规则防贪婪，贪婪破规则」的循环，一次次引发动荡。 07）现代金融的循环：规则永远在给贪婪补课 从布雷顿森林体系崩溃，到日本泡沫经济，再到2008年金融危机，本质都是同一场博弈：规则想给资本划红线，贪婪却总在找漏洞，每次博弈过后，要么是体系动荡，要么是规则升级。 布雷顿森林体系是现代金融第一次认真建规则：1944年四十四个国家约定，美元跟黄金挂钩，其他货币跟美元挂钩，固定汇率做生意，避免二战前汇率乱涨乱跌，让国际贸易安稳发展。结果才运行20多年，就被美国的贪婪打破了：美国为了打越战，搞「伟大社会」福利，印了太多美元，黄金储备根本不够兑换；其他国家拿着美元要换黄金，美国拿不出来，1971年尼克松直接宣布美元和黄金脱钩，布雷顿森林体系一下子就崩了。之后汇率自由浮动，通胀起来，石油输出国因为美元贬值，直接把油价涨了三倍，第一次石油危机就来了——这就是第一个回合：规则想绑定美元信用，美国为了自身利益突破规则，留下烂摊子给全世界收拾。 再看80年代日本泡沫经济，就是典型的「规则跟不上贪婪」。1985年广场协议后日元被迫升值，日本出口不好做，政府就放水降利率，鼓励大家借钱。这下贪婪直接冒头：企业拿着低息贷款不搞实业，全都去炒股炒房；普通人觉得房价只会涨，砸锅卖铁买房；银行也不管风险，有土地担保就放贷。那时候东京的房价能买下整个美国，日经指数从1985年的12000点，涨到1989年的38915点，所有人都觉得泡沫不会破。但日本政府那时候根本没跟上规则：没限制房地产抵押融资，也没管企业脱实向虚，等想加息降温的时候，泡沫已经太大了。1990年股价房价一起崩，日本陷入了「失去的二十年」——这告诉我们，规则要是滞后于贪婪，哪怕是经济强国，也会栽大跟头。 到2008年金融危机，就是「贪婪钻了规则的漏洞」。美国银行把次级贷款打包成次贷债券，还找评级机构给这些高风险债券评AAA级，卖给全世界投资者；银行明明知道这些贷款会坏账，还是拼命放拼命卖，因为卖出去就能赚手续费，风险都是别人的。贪婪到这一步，规则却没跟上：监管机构没查次贷打包的猫腻，也没限制银行的杠杆。最后次贷违约潮一来，雷曼兄弟破产，它的衍生品规模比美国GDP还大，银行倒闭、基金爆雷，全世界都跟着亏——这就是贪婪突破规则的代价，不止自己玩崩，还要拉着全世界买单。 但博弈从来不是只有贪婪赢，规则也会慢慢补课：2008年后，各国推出巴塞尔协议Ⅲ，要求银行提高资本金；美国重启类似《格拉斯-斯蒂格尔法案》的规定，禁止银行一边做储蓄一边搞高风险投机；中国也出台资管新规，打破刚性兑付——这些都是规则在博弈后补上的漏洞。当然这场博弈永远不会停，现在的加密货币、算法稳定币，本质还是有人想绕开规则赚快钱，各国对这些新事物的监管，就是规则在跟上贪婪的新玩法。 08）金融史的永恒真相，听懂就能少踩坑 聊完了千年的博弈，最后我们总结三个不管时代怎么变，都不会变的真相，这些真相藏在泥板里，藏在股票里，也藏在一次次危机的教训里，对我们普通人特别实用。 第一个真相：金融的本质从来不是钱生钱，是信用。最早的泥板借据，苏美尔人愿意借白银，不是因为白银多，是相信刻在泥板上的承诺会兑现；英国统一公债能卖遍欧洲，不是因为军队强，是议会担保、税收兜底，不会赖账；我们现在敢把钱存银行买基金，也是相信银行不会卷款跑，基金公司会按规矩运作。信用看不见摸不着，但一旦没了，再复杂的金融体系都会塌——阿姆斯特丹被法军破坏了信用，资本立马跑光；2008年次贷骗了大家，信用破了整个市场就崩了。对我们来说，不管借钱还是投资，先想清楚「这事的信用在哪」，比先想「能赚多少」重要得多。 第二个真相：泡沫和危机是人性的必然，别指望彻底消灭。从郁金香泡沫里赌球根翻倍的荷兰人，到日本泡沫里买套房躺赢的日本人，再到次贷危机里借高利贷买房的美国人，本质都是同一种心态：「别人都在赚，我不赚就是亏」。这不是制度的错，是人性里的从众和贪婪天生就在，只要有赚快钱的诱惑，就会有人忘了资产本身值多少钱。没人能避开所有泡沫，但我们能做到不栽大跟头：别信「只涨不跌」的神话，别用自己输不起的钱去投机——要是记得郁金香不能吃不能用，只是个观赏品，很多人也不会血本无归。 第三个真相：金融不是洪水猛兽，是文明的加速器。我们总说金融干坏事，但别忘了：没有资本支持，哥伦布到不了美洲，荷兰东印度公司开不了新航线；没有国债，英国打不赢拿破仑，也建不起遍布全国的铁路；没有保险，商船不敢闯大洋，我们也用不上便宜的进口香料。金融的本事，就是把分散的小钱聚成大钱，把没人敢担的风险分给大家——它能帮普通人凑钱开工厂，帮国家修铁路，帮科学家搞研发，关键不是要不要金融，是怎么用规则管住它，不让它变成少数人投机的工具，让它服务真实的需求。 说到底，金融史就是一部「人性和规则的平衡史」： 太放任人性，就会泡沫破裂；太死守规则，就会耽误发展。 我们读金融史，不是为了记住一堆年份和事件，是为了下次听到「某某东西能翻倍」的时候，能想起郁金香的教训； 在所有人都抢着投资的时候，能停下来问问「这东西的信用在哪」。 毕竟，金融本来是为了让生活更好， 不是为了让钱焦虑，这才是学习金融史最该有的收获。

前段时间，美国风投机构Dimension Capital的几个合伙人来中国深度拜访了一圈AI公司，用于修正自己的投资判断，他们回去后发给出资人的内部信传得挺广的，全文翻译如下： 跨太平洋的AI棋局 1、稀缺催生进化 美国的出口管制本意是为了拖慢中国的AI发展，但结果却意想不到的制造出了一种进化压力，导致中国的AI实验室拥有了世界独有的竞争围栏。 因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek在刻意削弱性能的H800上训练模型，并绕过CUDA在更下面的PTX上编程，甚至要把每张GPU里的一部分流式多处理器专门分配给跨节点通信。 我们认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。 美国的AI公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。 最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。 2、中国开源模型完成了过去20年中国SaaS都没能做到的事情——进入西方生产环境 不到18个月，中国模型在OpenRouter上的Token消耗份额从不足2%飙升到了45%，Qwen成为Hugging Face上面最快突破10亿次下载的模型家族，大约80%的美国AI初创公司，已经在内部部署了至少一款来自中国的开源模型。 开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在「供应商」让你放进黑名单。 但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。 因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供Token的云厂商。 所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。 这不是说中国AI公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。 3、中国前沿模型的内部竞争，比西方预计的更加激烈 我们的判断是，目前中国模型的第一梯队包括DeepSeek、Qwen、Kimi、Doubao和GLM，它们之间的差距非常小，洗牌也相当频繁。 五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。 我们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。 4、今天，AI要从太平洋两岸来回跑两趟，才能最终落地到客户那里 现在的循环大致上是这样的： 美国的前沿实验室训练出SOTA级的模型； 中国的前沿实验室对这些模型进行蒸馏，然后开源； 美国的AI服务商再基于中国的开源模型进行微调，做成产品卖给美国企业…… Cursor所谓「自主研发」的Composer 2，被发现是用Kimi K2.5改的，Cognition的SWE-1.5看起来也像一个定制版GLM。 就在我们坐在从上海去北京的高铁上时，Harvey发布了自己的专有模型Harvey Tenet——它是对Kimi K3进行了后训练所得到的产物。 如果是一年前，这些公司大概率会选择Llama，或者Mistral。 如今，美国垂直AI行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。 5、数据层似乎也在发生类似的事情 Mercor、AfterQuery、Turing这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。 同时，我们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。 比如UniPat。 这家公司成立于2025 年12月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。 UniPat发布的 基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于Rubric的监督方法训练一个小模型，也取得了很好的效果。 这种思路还是在用更高质量的监督替代更多算力，与我们在第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。 我们在北京和上海见到了好几家这样的公司，绝大多数成立不到24个月，其中少数几家的收入已经很快的突破了1亿美金。 6、美国和中国面临的难题完全不同，而且恰好相反 2024年，中国新增的电力供给是429GW，美国大概是51GW。 根据预估，一直到2030年，中国每年新增的电力供给，都将在400GW以上。 美国的情况是，目前光是数据中心的扩建项目，就有241GW的电力缺口，因为电网接入的积压，需要排队等上5年时间。 中国真正的瓶颈，正如我们提到过的，是算力资源不足。 最直接的例子就是月之暗面：Kimi K3发布后不到两天，就因为推理能力不足而暂停了新用户注册。 所以： 美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。 我们可以确信的是，中期AI局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。 7、中美两国的AI产值差太远了 Anthropic在7月的年化收入超过了650亿美金，OpenAI的同期数字在400亿美金左右。 相比之下，中国收入最高的模型是字节跳动的Seedance，年化收入大概在20-30亿美金之间。 中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如DeepSeek正在接近5亿美金的水位。 消费端也有同样的困扰，豆包的月活用户已经达到3.45亿了，超过Qwen和DeepSeek之和，但每天产生的收入仍然不到100万人民币，而且基本全部都来自购物佣金。 中国的消费者不愿意为软件付费这个死结，我们也不知道该如何解开。 当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。 那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够AGI而回避它。 8、硬件和半导体在脱钩，软件和数据在融合 两个国家的政策反应速度已经跟不上了： 美国的产品跑在中国的模型上； 中国的实验室在新马泰租用英伟达的GPU训练模型； 专家标注的数据则在两个方向上互相流动； 所以我们觉得「到底哪边在赢」是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。 除非RSI（递归自我改进）的实现能从根本上改变整个系统结构。 9、中国的一些顶尖研究员相信他们已经拥有弱形式的RSI了 在此语境下的RSI，仍然受到算力限制。 更准确的说，这些系统如同RSI的早期雏形： 研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。 打比方来讲，这一阶段的RSI，最接近1990年到2010年之间流行的「半人马国际象棋」： 机器加人类的组合，比单独的人类或单独的机器都更强。 10、接下来会有一个至关重要的分叉 假设RSI会随着算力规模的增长而进化，那么美国所处的位置就相当有利了。 目前，美国那两家顶级实验室各自运行有大约2GW的算力基础设施，同时每家已经锁单超过5GW，计划到2030年达到约30GW的水平。 理论上，这些公司拥有巨额收入和资本市场的全力支持，可以大力出奇迹的推动RSI，而中国根本没有足够的芯片追赶。 但另一种情况是： 如果真正的瓶颈并不在于算力，而是质量； 或者，这条技术线所需要的时间足够长，长到足以让中国的优化能力和替代芯片发展到可用水平； 那么过去18个月已经出现的趋势可能不仅会继续，还会加速： 美国前沿模型能力进一步商品化； 中国开源模型变得越来越无处不在； 美国垂直AI公司则获得新的机会——在外国开放权重模型上做微调和应用； 与此同时，大量新增的调用量和利润，会流向负责提供推理服务的公司，目前来看，主要就是超大规模云厂商和新型算力公司。 当然，这一判断建立在电力基础设施按中性预测发展的前提之上。 11、还有一种未来的可能性是，美国的前沿实验室不再对外提供最新版本模型的API了 现实是，目前这一代模型的能力，已经可以满足绝大多数商业需求了。 未来顶尖的高端模型，可能不会再按调用量定价，而是像交付SaaS系统那样，按结果定价。 这样做还有另一个效果：限制中国实验室的蒸馏行为。 美国公司的代价是要放弃不断增长的API调用收入，作为回报，它们可以切断太平洋对面的竞争威胁。 或者至少，这会迫使中国进行昂贵的预训练，从而进一步挤压中国已经存在的算力资源。 12、监管政策砍不断跨太平洋的暗通款曲 到了今天，如果还认为可以简单切断这种联系，实在是过于天真了。 中美两国的技术人员正在通过各种媒介「对话」： 模型蒸馏、开放权重、数据标注、推理服务，以及越来越多的软件执行框架和智能体基础设施。 眼下正在讨论的一些粗暴限制措施——实体清单、托管禁令、采购禁令——几乎肯定会抑制美国自身的创新，并让美国在这些领域失去领导地位。 而空出来的位置，必然会迎来快速跟进的中国竞争者。 13、西方一直在讨论的估值泡沫，在中国市场明显更加突出 中国AI公司的收入规模更低，却享有更高的估值倍数，这是资本市场的一大奇观。 月之暗面的估值是年化收入的115倍，智谱、MiniMax在上市之初也都是100倍，相比之下，Anthropic只有20倍。 我们的判断是，这可能源于中国的资本市场仍不够成熟。 过去二十年，这个市场更习惯于给消费软件公司定价，而现在才刚刚开始建立一套能够理解企业软件和开源商业模式的成熟估值框架。 对于合适的投资机构来说，中国内地和香港存在着相当大的机会，能够找到新兴行业的领先标的。

美国加拿大生活消费对比，尔湾租房虽然便宜，但纯属消费，万锦月供高却是在攒资产，还能住上更大的房子。 两边日常开销其实差不离，但尔湾天天大太阳，户外运动基本不花钱，万锦冬天太长，取暖和室内娱乐才是烧钱大头。 要我说，想省心就选尔湾，愿意长期投入换资产沉淀，那还得是万锦。

贝莱德CEO：对未来12个月非常看多！AI最终会让公司赚更多钱，而企业利润又会推高股市。 AI没有泡沫，市场供小于求！ 未来最大的机会不是AI软件，而是算力+电力+融资，因为AI真正缺的是电。 谁电最多、供电最快、价格最便宜，谁就是AI中心！

说个有意思的事 特朗普一喊美光，满屏都在聊MU，好像全世界的HBM都是美光做的 你去查一下数据啊 HBM市场份额，海力士占了57%，美光才21%， 英伟达90%的HBM都是海力士供的。 没有海力士，英伟达的GPU就是一块没装弹药的铁疙瘩。 然后你再看估值 海力士远期PE 5.5倍 美光远期PE 7.6倍 一个占了6成份额的垄断玩家，估值比那个只占两成的还便宜3成 上个季度海力士营业利润率71.5%，单季度营收52.6万亿韩元 这不是芯片公司，这是印钞厂 做HBM最卡脖子的公司，不是美光，是海力士 但大家只追特朗普嘴里喊出来的那个名字 我不知道这是为什么，有人能说一下原因吗？ 真的好困惑啊，我一直持有海力士，被你们搞的好焦虑啊。 #海力士# #美光# $mu

$MU盘后财报发布后股价波澜不惊。业绩超预期毛利87%赶上卖白粉，去年只有一半。 只不过离投行之前乐观模型情景差别不大，加上下一季度27Q1毛利指引略有下降 市场谨慎周期拐点对么？担心什么？有何认知差体现在新的估值和投资策略 实际上最重要变化在于，普遍市场认为27年就是供需平衡拐点，但是目前看从供需/合同保障和现金回报看 个人偏向于供需紧平衡至少到28年。27年超75%公司产出已得到客户承诺，多数已经讨论28年。这就是核心问题：目前惊人的87%毛利能持续多久？ 过去对于存储股价周期性，记忆犹新就是一旦周期来了，供大于求，扩产最终压低价格。因此，峰值时看起来很低的市盈率，未必意味着便宜。 但这次财报核心证明，从之前16份到现在26份战略客户协议，部分延伸到2031年，而且cover2030年收入1/3以上，其中75%已经定价框架确认，虽然没有锁价 而且美光也不是单纯卖HBM/DRAM的，传统的DRAM的毛利更高，同时从AI对存储需求角度，分布到HBM、普通DRAM和SSD等不同层级，特别亮点是数据中心的固态硬盘eSSD增长更快，市场份额历史新高。 市场还忽视的是本季度332亿自由现金流，下一步提高回购就是股价触发点。具体估值和投资策略/仓位见订阅者更新。

有留子博主打听了身边三个本地同学的学费情况后说自己要“奔溃”了： 有的同学公司全额资助并带薪学习,不用上班学费公司全部cover. 又遇到一位有美国身份的缅甸和中国混血同学，对方同样是公司赞助读研，但需要边工作边学习. 还了解到一位本地白人女生选择该校读研，主要是因为学校为其免除了 80% 的学费。这位女生还通过在校兼职（如图书馆工作）赚钱，几乎实现了 “不花钱甚至赚钱” 的读研状态，这再次让博主感到 “崩溃”。 我觉得这太正常不过了，本来美国的大学研究所就是主要靠留学生盈利赚钱的，很多公立对于本州的纳税居民学费的确就便宜很多。我们以前读书的时候看到所谓的“越南难民”身份的同学排队去领政府的Financial Aid 特困户帮助(其实就是证明你独立父母居住),不光学费书费全免,还能从政府拿到一些钱供生活使用,要说不平衡那的确是的.