泡沫经济背后的始作俑者到底是谁？你有没有想过这个问题？ 建议兄弟们花8分钟看完这个有趣的财经科普视频，看完你就能明白： 《金融自由化》才是所有泡沫经济的底层真相！ 视频用最简单的卡通比喻，拆解最残酷的金融规则。 曾经的金融绑定实体，踏实造血、稳步发展。 而金融自由化之后，彻底挣脱束缚、脱离实体经济。 不靠生产创造价值，只靠炒作、套利、资产包装收割财富， 层层抬价制造虚假繁荣，凭空吹出巨大泡沫。 击鼓传花的游戏里，机构有兜底，富人提前离场， 最后买单、背负债务、被悄悄收割的，永远是普通人。 看完瞬间通透，看懂当下经济与存钱贬值的底层原因👇

【泡沫警鐘】美銀調查顯示AI泡沫成首要尾部風險 美國銀行最新調查顯示，投資者將「AI泡沫」視為市場首要尾部風險，認為企業資本支出過高的比例創下紀錄。約30%受訪者警告，在AI領域的巨額投入可能成為引發信貸危機的導火線。資金正撤離科技股與美元，轉向防禦型板塊。

泡沫炸了 1 山寨暴跌，隐私币这个板块也炸裂了，现在倾巢之下了，不过毕竟纳斯达克都跌了这么多，也就无所谓了，大家一起喝西北风 图 1 是泡沫，图 2 是炸到了废水沟 2 十大金股净值继续在 1.06 附近，安全的很。恐慌指数短期拉了一个涨停板，虽然 ai 有泡沫，但是存储本身我觉得泡沫没有那么大了，核心是大模型本身就是“压缩即智能”，一个十几 g 的模型可以比你更聪明的去推理出来如何图生视频简直太梦幻了，自己还不如这十几 g 都信息更专业？不禁脊背发凉。 3 期权方面开始去找四月做一下反阶梯价差，这行情别赚 theta 了，蹲一波大反弹就行了，黄金吃肉，大饼总要喝汤 4最后关于大饼和野鸡山寨有个历史故事 楚庄王身边的俳优都穿金丝织成的衣服，戴青玉点缀的发冠，点缀水晶和金线织成的配饰。 孙叔敖见了以后对楚庄王说：“您身边的俳优衣着华贵胜过了您，这不是形成僭越了吗？” 楚庄王说：“俳优们没有别的本事，只能依靠华贵的衣着吸引我的视线。你不让他们穿华贵的衣服，他们还怎么吸引视线？吸引不来视线，他们还当什么俳优？我是堂堂的一国之君，难倒我需要像俳优一样，通过华贵的衣着来吸引视线吗？如果我沦落到和俳优比赛衣着华丽，那我还做什么君王呢

DeFi泡沫再大，也困不住比特币——它是唯一跳出圈外的加密品牌。 为什么这反而成了下一波DeFi用户的最佳入场券？来看 @alexeiZamyatin 和 @PhilippZentner 怎么说 👇

AI泡沫不再提了，但紧缺度高估确实存在，只是短期还不影响交易。解释一下：假设紧缺度为0-5，目前有些领域交易到了5+，但产业评估只有1-2。这种过度交易遇到扩产，大概率会回调。回调后要等需求进一步放大，才能修复。所以市场定价充分的高位大票，已经开始走逐季验证的模式。

加密泡沫破灭，Crypto真的已经死了吗？ 🔥Go2Mars联合多家机构，共同发布《2026 数字资产市场分析报告》——借古观今，从泡沫中寻找规律。 这一次，我们选择研究泡沫。 即使有可能答案是错的，但这是属于我们自己的确定性。 📰 阅读完整研究报告： 合作支持：@panews @JinseFinance @499_DAO @SWUFEBA @ChainNeXT_ @AlohaLabsAI @jiamiyanjie @conso_tg @talk99 @ENI__Official @ads3_ai

AI泡沫论，继循环投资/左脚踩右脚的故事淡化后，终于又迎来了新论据，这次轮到了GPU折旧问题 这次的叙事很简单，在几个主流CSP的财务报表里，GPU折旧年限很多都是平摊到6年来算 但是GPU使用寿命可能只有2~3年，那么这样做账就会让纸面上利润率虚高，而实际上AI云利润太低就是吹泡泡 真的是这样吗？ ------------------------ 首先我们要来看看，GPU实际使用寿命2~3年这个说法是哪里来的 目前比较靠谱的溯源基本上指向了公开的Llama3的技术报告 Meta在2024年训练Llama 3.1 405B模型时，使用了16,384个H100 GPU，训练时长54天。在这期间记录了： 466次中断（interruptions），其中419次是非计划故障​ 平均每3小时发生一次故障​ 有效训练时间维持在90%以上 根据Meta的这次54天训练数据推算，年化GPU故障率(AFR)约9%​，最保守的估算，3年累计故障率约27%（超过1/4的GPU会在3年内失效） 虽然实际上肯定是用的时间越长故障率会更高，因为高负载导致的高温会更容易产生failure 所以训练用的GPU2~3年寿命并不是空穴来风，毕竟同步训练的脆弱性决定了AI训练过程要求单个GPU故障就能导致整个作业停止 另一个佐证就是，曾经GPU挖矿的矿卡，三年报废率也是很可观的，挖矿和训练的共通之处在于GPU利用率都很高 在这个Llama3技术报告之外，所有CSP，包括Azure，GCP，AWS的这类数据都是保密的，毕竟这个故障率直接关系到运营成本和服务质量，算是商业机密。 ----------------------------------------- 确认了折旧率数据来源，接下来就要说“但是”了 -------- 1. 是不是训练用的GPU寿命都一直会这么短？ 首先Meta这个训练数据推算是按中断次数算的，但并不是每次中断都 = 1 GPU 坏了 实际上即便是现在的训练用GPU，中断故障率都比以前训练要低了，以前几乎每一两小时都要中断，现在每天中断几次，相比之下好一些 部分原因是validation的自动化流程做的更好了，训练时的硬件故障中断，其实有不少是重复来自于少数体质敏感易坏的GPU。于是Nvidia也一直在优化validation流程，在训练之前的测试做的更好，剔除掉这些易坏的GPU 所以现在的GPU年故障率AFR跟以前比已经低不少了，我的估算可能是<6% --------- 2. 一个更容易被忽视的问题是，训练用的GPU和推理用的GPU，折旧率是否一样？ 很显然是不一样的，推理用的GPU年折旧率一般要低的多，原因是推理的平均负荷要小得多，不会因为持续性高负载高温，对延长寿命是有帮助的，一般年故障率都不会到3%甚至更低(<2%)，这部分GPU的寿命以6年算，是完全符合实际情况的 那么在云上训练和推理GPU的比例如何，就决定了平均寿命折旧如何 推理GPU的比例其实是快速上升的，和训练GPU比起来，不管是模型公司还是云公司的利润其实主要也来自于推理，而长远来看，推理的比例是一定会远高于训练的 所以GPU长线按5~6折旧年限来记账，仔细来看并没有太过分 作为佐证，现在只要不是公司里最重要的部门，要做AI推理就只能用五年前的A100而并没有寿终正寝，是很常见的现象 ---------- 3. 技术的快速迭代，会让GPU在三四年之后，因为TCO使用成本占劣势而被淘汰吗？ 这相当于是让GPU的残值可以忽略，比如现在A100用起来综合成本不如用最新的，所以会被淘汰吗？ 今天CRWV的财报里，CEO的回答算是直接否定了这个说法： "Let me provide a tangible example of our customer relationships and the durability of our platform. We had a large, multi-year contract up for renewal in 2026." （我来提供一个关于我们客户关系和平台持久性的具体例子。我们有一个大型的多年期合同，原定于 2026 年续约。） "Two quarters in advance, the customer proactively recontracted for the infrastructure at a price within 5% of the original agreement." （客户提前两个季度，主动以原协议价格 5% 以内的价格续签了基础设施合同”） H100在合同结束之后，新合同仍然能卖到原来合同95%的价格（看到这里其实我挺惊讶的，H100的租价其实还是下降了不少的），而且连A100也全都卖光了 所以在算力紧缺供不应求的时代，这个前代GPU得不到利用从而报废的担心，在短期的几年内可能都不是太大问题 ---------------------------------------------- GPU折旧问题似乎不是大问题了，是不是意味着AI泡沫就不存在了？ 如果有泡沫，那么会以什么形式出现，会从哪里出现？ 我们可以从底层逻辑和互联网泡沫比较，来看这个问题 简单的说 互联网：基建端基本独立运营，基建和应用是解耦的，需求是脱节的，基建过度价格崩塌，泡沫破裂的很惨 。价值全产生在应用端公司，形成了生态错位 AI：应用端驱动基建，因为应用被基建严重限制规模，从而被迫投资基建端，算力一直紧缺 互联网的泡沫主要在基建端，大量的光纤建设之后都没人用（97%），但是AI泡沫里GPU基建却成了瓶颈，基建显然不是同一种泡沫 基建紧缺到什么程度？ CRWV的订单backlog从30B直接涨到55B，各个CSP的backlog（以RPO为算，一般来说会有5~15%的丢单率）也在快速上涨 从CSP，到芯片，到数据中心DC，到电力，到存储，所有人都在喊订单挤压的太多甚至几倍，很多产业链的环节2026年全部售罄，根本做不完。 硅谷公司里基本上只要是跟AI相关的组，都背负了很重的指标，被压榨累成狗，即便是以前文化很好的NVDA也变内卷了很多 这次的需求全部是从App应用端来的，从App -> 云 -> DC数据中心 -> 芯片一层层传导，而且大家都对泡沫很忌惮，有多少订单准备多少产能(除了少数冒险家CRWV/ORCL/META)，和互联网泡沫最大的区别在于，基建目前并没有超出需求建设 风险也是有的，毕竟App应用端太多创业烧的是VC的钱，这正是泡沫形成的绝佳背景。但目前来看，垂直类应用端还是有很多毛利率和增长率都很不错的代表的(比如Harvey) 所以如果真的有泡沫，目前来看只有可能来自App应用端的需求减弱 一个反直觉的悖论，App端的泡沫在于AI/Agent发展迭代的不够快！做出的东西不够好，导致营收增速跟不上 AI/Agent发展不够快，在广大行业渗透不够又部分是因为算力不够 于是为了维持泡沫不破，算力投资和军备竞赛又会继续加强 然后App端会出现大量输家被淘汰，因为算力投入而破产，这可能就是泡沫破裂的形式 这和互联网时代基建公司大量破产形成了鲜明对比 最后决出的几家寡头，有一定营收，依然会大力投入算力基建，期待赢家通吃 这就导致了AI泡沫和互联网的泡沫破裂方式可能是不同的，下游的基建风险并不大，而泡沫更偏向App应用端 另一个简单的比较方式：看谁在举债，泡沫破裂就在哪里 互联网泡沫，举债的更多在基建端，价值捕获更多在App端 AI泡沫，价值捕获在App应用端，而举债的也更多在应用端(以及云) 但反过来说，如果OpenAI和Anthropic能继续维持三年3~9倍的营收增速，基建维持5年供不应求的超级周期，并不是天方夜谭的事情 --------------------- 算力把时间借给了应用，终究要用增长归还；还不上的，就是泡沫。能还清的，就是点亮文明的下一座灯塔