Shanghao Jin
今天其实根据上上周的那个 topic，我主要讲几个模型，讲几个 AI，前面会带过一下市场和宏观经济的情况。
因为这周有挺多经济数据要出来，有 nonfarm payrolls、retail sales，还有 CPI。比较重要的是周五的 nonfarm payrolls，这是上周的数据。上周的数据其实给了本周数据一个很明确的指引：你看，ADP 数据很不好，ADP 是私营部门就业的数据；首次申请失业金的人数也不是很好，job openings 数据也比较差。
1. 就业走向通缩繁荣
现在美国的就业市场进入了一个什么样的状态呢？叫 low hire、low fire。人的流动比较差，新的学生去找工作不容易，但是公司还没有开始大规模裁员。其实这和 AI 现在的进程也很有关系：大家不太会去招很多人，即使业务在扩张、在尝试使用 AI，也可能不会把原来的人砍掉。
就好像高盛最近用了 Anthropic 去做 account opening，我好像去年就讲过了。当时我预期可能是 OpenAI，但是最早用的竟然是高盛和 Anthropic，主要是让它做客户开户、KYC 以及后台工作。高盛后台员工的基础工资大概是 20 万美元，VP 的话可能是 30 万美元。
这些人，包括 internal control 的人，现在可能不会被开掉，因为公司还是需要他们。但是业务增加的时候，员工人数不会同步增加。这就是现在就业的一个大趋势。
以后可能会走到这个样子，那就比较惨了，就要通缩了。所以我一直觉得，现在美国通缩的危险比通胀要大。通胀其实没有那么大的压力，去年主要是因为特朗普加了关税；如果把这个影响在今年去掉，通胀的压力并不大。
同时，你看上周的 ISM，商业指数其实并不差。也就是说，还是我们今年年初讲的那个 playbook：就业差，经济并不差，经济基本面并不差，经济增长也不差，然后通胀低。我觉得这会是接下来一段时间的 playbook。
对应到本周的数据，我觉得 nonfarm payrolls 有可能会很差，大家周五要小心。通胀数据不会很高，但是 nonfarm payrolls 变差以后，市场可能会开始 pricing in “bad data is good data”。
上周 wash 的任命之后，大家觉得可能会有 QT。这个影响现在还没有完全过去，市场有可能会开始 pricing in “bad data is good data”，但是也会很快转换成 “bad data is bad data”，这个概率很大。这些都是短期的风向。
我觉得美国，或者说我们现在进入的宏观经济状态，很多人在说 stagnation，在说滞胀。历史永远会缭绕在我们的大脑里，很多东西挥之不去，心中的成见一直放在那里。
但我其实并不觉得这是一个滞胀。我觉得我们进入了一个新的状态：如果 stagnation 是滞胀，那我们可以叫它 deflationary boom，也就是通缩繁荣。
我觉得通缩繁荣会是未来一段时间的基调：经济增长不差，企业盈利很好，但是工作没有了。工作没有了，成本就会下降，企业盈利会更好。这是我个人的看法，我随便编了一个词，叫 deflationary boom，也就是通缩繁荣。美国可能是这个状态，中国是 deflationary。
宏观大概说到这里。接下来我说一下市场上的主要仓位，然后再讲模型。
2. 日本财政推动套利交易
上周还有一个事情，就是日本下议院选举中，高市获得了压倒性的优势。高市获得压倒性优势，有几个 implications。
第一个，日本执行她所有的政策会非常容易。她现在获得的优势超过了我们的预期，在下议院拿到了三分之二的票，大概是 316 票。LDP 本身获得了压倒性优势，高市在 LDP 内部也获得了压倒性的话语权，所以她在执行任何政策的时候都没有太多阻力，可以随便做，甚至可以修宪。
我觉得，他会采取什么样的议程，这一点高盛以及几家投行基本上也是这么认为的：他在执行议程的时候一定会采取大胆的政策。他是通过大胆获得这个优势的，不会采取保守的方法。
大部分政策可能会体现在预算上，也就是比较扩张的财政政策。国防和外交是一起的，这个我就不评论了，这里是腾讯会议。第三个，她会采取我们叫作“新的资本主义”、新兴资本主义的政策，对移民的政策也都是偏右的。
短期来看，对市场的影响一定是 risk-on。我们上上周好像也说过这个问题：什么时候 carry trade 可能会受到影响？yen rate vol 上升，这个是 10 年期的。但是短期来看，在一个不负责任的财政政策下面，不会有特别负责任的货币政策。
市场也开始定价了：虽然日本有通胀，但短期的财政和货币政策不会特别激进地去控制通胀。所以日本 10 年期利率上去了，通胀预期可能也在上升，日本股票昨天涨了 5%。
所以 carry trade 会继续。carry trade 中间很重要的是 dollar-yen 的 rate。你看，过去一周 dollar-yen 是往上的，因为 LDP 获胜的预期越来越大。有一些 news，昨天也有一些 news，但是市场不会再预期日本为了在大选前维持稳定而去干预日元。
所以我看到上周五美股的反弹，包括周一的反弹，很大程度上都和 carry trade 重新 add on position 有关系。这大致就是全球宏观的情况。
总之一句话，美国经济方面，就业会很差，大家不要过度认为 wash 或者 whoever 的货币政策会很负责。日本也是一样，它现在会采取比较激进的财政政策和比较不负责任的货币政策。日元对美元的汇率会贬值，carry trade 会继续。
3. 市场押注多空切换
美国的情况怎么样？首先看 hedge fund 的头寸。hedge fund 的 short 头寸是增加的，也就是做空头寸在增加。从 1 月以来，做空头寸累积了很多，但是你看股指并没有怎么被砸下去。
这是为什么呢？因为市场在做两个 position。我们现在同时会看到很多人说基金的持仓已经是历史新高了，或者说持仓很高了；但与此同时，为什么空仓也这么多？因为很多人做的是 long-short 头寸。
比如说，我买入大量 Google 以及类似 Google 的股票。最近有一些股票涨得很凶、很有 momentum，它们有自己的体系，Google 体系的公司还挺多的。我买入这些公司的一个 basket，同时做空 OpenAI。
因为去年 Gemini 模型比 OpenAI 好，所以大家觉得 Google 的 Gemini 模型要统治市场，OpenAI 会被踢出去，甚至有可能破产，因为 OpenAI 的现金流不行。这个 position 里面做空得比较凶的是 NVIDIA。
做空 NVIDIA 完全没有道理，因为谁都要用它的算力。我待会儿会讲到为什么。做空 Oracle 也很没有道理，因为 Oracle 只是说它和 OpenAI 签了协议，并不是说没有 OpenAI，它的卡就卖不出去。这个其实是算力的压力。
还有做空 Microsoft，做空比如说 Coview。另一边，一个很明显的头寸是做多 semis，做空 software。Microsoft 在这里也被做空，因为它也是 software 公司。
为什么呢？因为上周公布了两个模型，一个是 Claude 4.6，另外一个是 Codex，也就是 OpenAI 的 Codex。大家可以用一下。我其实用 Codex 编了一个国际象棋游戏，我是一个编程小白，花了大概几分钟，做出了一个可以下国际象棋的东西。当然这是臭棋，但是它确实让编程变得容易了很多。
我确实不是编程大牛，但是 Codex 会取代很多编程工作。所以大家会觉得，自己的 SaaS 应用可能会被它们慢慢取代。这是几万亿的市场，SaaS 应用被取代以后，那些软件公司不是都要死了吗？所以市场做空 software，做多 semis，这就是市场上的一个 position。
4. 模型大战进入垂直领域
我先说一下我对于几个模型的理解。我把 Grok 放在那里，因为我其实挺看好它；前面的模型放第二个，因为上周讲的东西可能会更加前瞻性一点。这周再讲，大家可能会觉得 Gemini 没那么厉害，但其实不是这样。
首先，训练一个模型，本质上是调配资源。现在 large language model 里面，还是你投入更多资源，就可以获得一个更好的模型。去年 Gemini 证明的就是这件事情：原来它不是没有 scaling law，而是模型资源的调配有点问题，所以投入了算力也没有算出东西来。
后来有几个技术大牛回到 Google 以后，使 Google 恢复了 scaling。Google 手上有大量算力，有很多 TPU。TPU 怎么来的呢？因为它能够拿到台积电 CoWoS 的产能。
Qualcomm 和 MediaTek 都是它的小弟，整个包括三星在内，手机端的 Android 系统是它的。所以你可以认为，台积电原来的大客户，一个是苹果，一个是 Google。Google 是它的大客户，通过买了那么多货去拿配额，拿到了很多 CoWoS 的现成产能，所以它有不少 TPU。
Google 用这些 TPU 堆出了一个很好的通用模型。这个通用模型的质量确实不错，而且它利用了 TPU 和 GPU 之间的差异。
到上周这个时点，上周发布的 Codex 确实是 B 卡训练的模型；除此之外，我们还没有看到用 GPU B 系列卡训练出来的模型。
所以在那个时点上，TPU 和 GPU 的差距没有那么大，特别是在大集群算力上。用小模型的话，确实可以说 TPU 比较好；但是如果是百亿量级的大集群模型，GPU 的 performance per watt 等优势还是很大的。
新的卡还没有上来，B100、GB 模型、MB72 link 还没有上线，还没有用这些东西去训练模型，B 卡的模型还没有出来。你可以认为 TPU 的更新周期大概是一年半，它确实没有更新得这么快，而 GPU 的更新周期大概是一年。
所以从现在这个时点往后看，Google 的模型在通用模型上能不能获得相对于前两家的优势？我觉得未来一年很难。它会推出新的模型，但是不会像上次推出模型时那样，一下子让你觉得它在通用模型上超越了其他模型，而且非常厉害，让大家认为以后就是 Google 的天下。我觉得这个难度比较大，这本质上是模型能力的问题。
第二个是模型投入的资源。就模型投入资源来说，我觉得 Google 在通用模型上是有优势的，但这三家的战略不一样。模型的本质就是投入多少算力资源，Google 获得了这个算力资源，另外两家也获得了很大的算力资源。
特别是 Google 在 pre-training 上投入得比较多。相当于它要做通用模型，70% 以上的算力可能都放在 pre-training 上。但是 Anthropic 和 OpenAI 放了大量资源去做 mid-training，也就是把模型放到垂直领域去训练。
你可以认为，OpenAI 的 GPT-5.3 和 Gemini 比，通用模型可能没有差特别多，或者 Gemini 可能还比它好。Gemini 发布以后，OpenAI 跟着发布了 5.3。5.3 是用原来的底座去做的，本来是被迫在后面发布，因为它在训练 5.2 的时候其实有一些问题，后来在 5.3 上做了改进。
但是因为 Gemini 发布得比较快，OpenAI 没有完全做完 mid-training，就直接发布了 5.3。完成 mid-training 之后的 5.3 模型，在金融以及其他特殊的垂直领域，训练得非常好。
以后关于 software 和云，我待会儿也会讲我的认知。现在模型对于垂直领域的能力已经很强了。比如训练律师，训练金融后台开户、风控、保险核保，训练保险公司的销售和中台服务，这些东西的训练确实可以做到取代人的作用。
大家可以去听一下 Jason Huang 上周五的视频。他讲到 AI 现在进入了一个 inflection point。但这是什么意思呢？
原来 AI 是一个通用模型，比较好用，可以跟它聊天，觉得很好玩。现在 AI 进入了一个可以实际使用、并且可以取代人工的状态，这两者是不一样的。
这个 inflection point 的歧义点在什么地方？就在于每一个产出的 token 有没有人直接把它用掉，以及用掉的 token 能不能持续。
在这两家公司里面，我觉得特别是 OpenAI，它 1 月份的增长是 10 亿美元。昨天它发了一个内部文件，里面说它回到了每月增长 10%，但其实 OpenAI 的 to-B business 增长不止 10%。
它去年是 90 亿美元，今年 1 月增加了 10 亿美元，基本上翻倍了。今年全年 OpenAI 的收入大概在 500 亿美元左右。这个 500 亿美元的收入，我们叫 infra，也就是我和人互动，把 token 卖给高盛，卖给保险公司，让它们去做包括销售在内的所有工作。
在这些工作里面，OpenAI 能够收到 90% 到 95% 的毛利。这些事情两家公司都在做。
这两家公司之间的策略差别是什么？OpenAI 在做所有垂直领域。它这次融资，现在我知道 order book 已经到 1,100 亿美元了。如果这次融资融到 1,500 亿美元，那么它在做几个特别赚钱、特别 profitable 的垂直领域时，就可以花很多钱。
比如说，大家认为它做律师做不过你，因为它没有这个行业知识，对吧？那它可以花 5 亿美元雇一个团队，把所有律师的内容全部标注，把所有数据都标注出来。它花了 3,500 万美元，就把金融、投资银行 IBD 的数据全部标注了，这已经完成了。
你们觉得律师的 case 用 3,500 万美元不够，那我花 3.5 亿美元够了吧？所以它其实有巨额现金。在我们认为 mid-training 比较困难的时候，它可以投入大量算力资源和人力资源，把整个行业吃掉。
以后 10 个人要干掉 10% 的市场业务。比如说在律师行业，干掉它剩下 10% 的市场业务。
Claude 相对来说资源会少一点，因为它上一轮刚融完，融资大概是 3,500 亿美元。它融的钱稍微少一点，之前的资金也没有那么多。
但其实这件事不是看钱，最后比的是什么资源？是算力资源。所以它们投入了 70% 在 mid-training，也就是中间阶段的训练。算力资源肯定是 OpenAI 最多，Claude 排在第二。
因此 Claude 比较注重投入编程领域。当然，现在我看它也在涉足金融，这一点比较 impressive，但它主要还是在编程领域，所以在编程上确实做得非常好，切得很准。
对于程序员来说，我现在连这种编程小白都可以写个东西，随便写一写就能做出一个可以下棋的程序，还可以在网上对弈。这个不是 Chess.com，但是确实可以做到。
5. 软件变成 Token 工厂
这两家的区别就在这里：它们会马上进入实体。为什么大家做空 software？因为它们的业绩增长到今年年底可能达到 1,000 亿美元，而且 1,000 亿美元的 margin 是 90%。
大家会认为，软件这个生意被改变了。软件原来是一个药厂的生意：我申请一个新药，做完一个 patent，然后就可以几乎无成本地复制这个 patent，不断卖出去。
软件上线、上云以后，SaaS 服务就是躺着赢。Microsoft、Amazon 都是躺着赢，因为大家总是要用云。你把软件放到云上，然后卖软件、卖软件的 subscription、卖软件的服务。做完以后，几乎没有成本，或者说成本很低，就可以不断复制、不断卖给用户，还可以收坐席费。
所以 SaaS 行业可以给到 30 倍 EB，甚至二三十倍、40 倍 EB。这就是以前软件行业的整个模式。
但未来不是这样。未来是工厂。你可以认为，整个 software 行业，不管最后是 OpenAI、Claude，还是 Gemini——我觉得 Gemini 不行——或者是新的软件公司来做这件事情，卖的都是 token。
我每一次和它互动都有成本。Claude 让我编这个东西，我花的 token 可能要 10 美元。它就等于把 token 从工厂里生产出来，然后分销掉。它通过分销进入公司，替代的是人力成本。
我怎样才能生产更多 token，然后卖掉这些 token？在现在的需求里面，绝对是供不应求。供不应求就是你有多少工厂，就能够卖多少 token。
谁手上有工厂？就是几个云厂。谁生产这些工厂？就是 NVIDIA。没有了，就是结束。
我待会儿会讲 NVIDIA 后端生产的巨大优势。这个优势已经没有办法被超越了。你要去建厂，厂里的卡就是你的瓶颈。
所以为什么上周我们看到 Oracle 哪怕自己的 CDS 不行，也要融资、发行股票、卖掉其他业务去买这些卡？因为对它们来说，这就是在玩大富翁。我现在买了卡，就是买了地。你今天走到台北这块地上，如果不把地买下来，以后再走上去就完蛋了，因为这个东西是有限的，卡极其稀缺。
现在你会看到，卖 token 变成了工厂模式。既然变成工厂模式，原来 software 的估值就没有办法维持。所以我觉得，市场做空 software，很多行业的仓位都非常集中。
最后说一下 Grok。它的模型我相对来说比较看好。很多人也比较看好 Meta，但我觉得 Meta 的团队可能有点问题，我更看好 Grok。
它现在的问题是没有办法拿到很大的算力，手上的卡不够。它支配卡的能力很强，做的事情叫作快速部署大型模型产品。不是搭建机器，我也不知道应该说是搭建机器做模型，还是做模型训练，但所有模型的本质都是如何形成算力集群。
Grok 有非常快、非常高效地搭建算力集群的能力。也就是说，它先把算力部署好，然后再去考虑怎么做计算。
所以我用 Grok，可能不需要用 Microsoft，也不需要 Microsoft 的云，不需要 Azure，而是自己去搭建。这样成本最低、效率最高，相当于我有最强的组织能力，手上还有最多的兵力，然后集中兵力干一个行业。
它想做的是用自己的 GPU 搭建一个比较好的计算模型。但是我觉得，AI 现在的状态，就像 Jason Huang 周五讲的那样，AI 把 software 变成了 software as a tool，变成 software uses tools。
AI 也从一个好玩的东西、一个先进的东西，变成了一个可用的东西。token 也从大家不是必须使用的东西，变成了我必须使用、用来替代生产力的东西。
在这个过程中，大量收入会被 generate，可能就在这两家公司。我觉得现在是这两家公司在往前跑。Grok 可能会推出一个产品，因为它的算力集群能力很强，而 Elon Musk 的产品能力也很强，所以我比较看好它。
它唯一的问题是手上拿不到卡，拿不到 NVIDIA 的算力。
在这个布局里面，最核心的就是把它当成玩大富翁：谁买地。买地的土地公公就是 NVIDIA。
6. NVIDIA掌握算力门槛
为什么 NVIDIA 的优势会这么大？2024 年、2024 年底的时候，大家说 NVIDIA 出卡变慢了。当时做 72 张卡的集群，相当于做一个大型机柜、大型机。
大型机在调配、做服务器的时候，和红海（likely 鸿海）一起做这个东西有很多问题，包括液冷、连接以及各种各样的问题。所有当时付的学费，都变成了今天的门槛。
我当时就说过，NVIDIA 今天踩的每一个坑，都是未来的门槛。调试这些东西需要大量的钱。第一个做的人，包括红海、戴尔，所有人都会配合你一起把这个东西克服，大家一起花钱。
但是当 AMD 成为第二个做的人，就没有人愿意再给它投钱做这件事了。既然我已经和 NVIDIA 调通了，为什么要和 AMD 再做一次呢？
所以 NVIDIA 现在不是卖 GPU 卡，而是只卖解决方案，只卖大型机的解决方案。这里面有无数个配件。
你们觉得为什么 HBM 会缺货？HBM 缺货，是因为被老黄卖断货了。因为我卖大型机，非常确定能够卖得掉，而且现在机器缺货。
如果缺卡，今年缺 300 万张卡；今年已经建好的机房，以及今年要建好的机房，缺 400 万张卡。NVIDIA 不卖卡，只卖解决方案，所以要把所有东西一起卖掉。
对于 Hynix、三星或者 MU 来说，HBM 卖给谁最靠谱？肯定是卖给 NVIDIA 最靠谱。NVIDIA 锁定了产能，导致别人连产能都拿不到。
这就是市场。好像 2008 年你去做手机是不可能做出来的，2012 年就可能做出来，因为那个时候没有那么缺货。2008 年你去做智能手机，所有好的供应商都是苹果的供应商，产能优先给苹果。
今天在半导体上，不管是光模块、内存还是其他东西，只要有产能，第一个就是给 NVIDIA，因为它把产能买断了。等到产能没有那么紧张，这些产能才可能释放出来。现在是不可能释放出来的。
模型大战今年开始，后面还有两家要加入，一家是 Meta，一家是 Microsoft，它们一定要加入这件事。为什么？因为如果它们不加入，原来躺赢的云模式也会被改变。
云本来是躺赢的，因为能够拿到很高的毛利率。但是作为一个公司，我原来需要把内部数据全部处理好。比如 Palantir 的业务也会受到影响。你们觉得 Palantir 很躺赢吗？它拿到国防部订单，也不一定是躺赢的。
Palantir 和 Databricks 原来就是洗数据，帮公司洗数据，标注完以后去做 AI，再用云来部署，部署到自己的公司里面去做这些事情。
但是 Claude 和 OpenAI 现在直接把结果输出给你了。云的采购由谁来做？由它们采购。它们采购的毛利和公司自己采购的毛利能一样吗？肯定不一样。
所以在这个大的宏观叙事下面，每一个公司，哪怕是现在在 AI 里面获益的 Snowflake、Databricks，或者 Palantir，都不确定会不会是最后的赢家。当然，Palantir 也有可能赢，因为它的 AI 确实已经做进了国防部。国防部的 AI 订单肯定会指数级上升，因为现在的比例还太小。
但最后，谁有这个确信度，谁才会赢。
回过头看，整个产业链现在没有办法被取代的是 NVIDIA，还有 TSMC。TSMC 昨天说，它的 CoWoS 产能良率提高了。良率提高以后，不就可以多生产一些芯片吗？芯片多了，NVIDIA 就可以多卖一些。
现在所有产能都非常堆积在后端。你看到的很多缺货，其实并不是说缺货会不会冲击 NVIDIA 出货，不会。越是缺货，就越像苹果刚出来的时候：东西越缺货，旁边的竞争对手越难在这个时点 pick up，或者做出同样的东西，可能性非常低。
最后说一下 Gemini 的问题。这是前两天我和团队讨论的，我觉得很有道理：它是组织架构的问题。Google 那帮人不是非常像创业公司的人，他们不像 OpenAI 和 Anthropic 那样，觉得自己就是要赚钱。
OpenAI 原来也是一个 lab，很多人觉得它不应该变得这么 profit-oriented，所以就跑掉了。但是 Gemini 确实是一家非常 lab 的公司。它的团队在伦敦，DeepMind 也在伦敦。Gemini 的团队决定了这个模型怎么走向，它非常想追求一个更好的通用基座模型。
但是在垂直领域，它会不会投入？我觉得 DeepMind 那帮人的话语权很强，而它在商业化本身做得很差。Google 不是不会商业化，像前端搜索那样的商业化它会做；但是要把产品商业化做成 to-B 业务，它不擅长，也没有兴趣。
说穿了，Google 没有兴趣做这件事情。所以如果你持有这个仓位，我觉得后面的风险会很大。
这里面有几个冲击。第一个是 Codex。Codex 出来以后，会有用 B 卡训练出来的通用模型、通用基座模型。你会明显看到，一定会有人讲 TPU 在大模型基座、在大规模模型上相对于 NVIDIA 的劣势。
第二个是今年每个月，它们都会 month-on-month 地报告业绩。OpenAI 和 Anthropic 的 month-on-month 业绩增长会非常快，赚钱能力的增长也会非常快。
第三个，OpenAI 马上可能会完成 1,000 亿到 1,500 亿美元的融资，我估计是 1,500 亿美元。所以现在所有人说 Oracle 没有办法 fill OpenAI 的 order，是因为 OpenAI 有可能会破产，可能会烧掉 2,000 亿美元。它今年融了 1,500 亿美元。
当然，我知道 1,100 亿美元已经突破 order book 了，所以这会对这个 position 形成非常大的冲击。
但是这个 position 我不太确定。software 毕竟已经跌了太多，现在没有办法给它定价：到底是给 30 倍 EV，还是给 15 倍 EV，还是给几倍 EV？给不了。
在给不了估值的情况下，市场就要 long semis。你们知道 semis index 里面，ETF 哪个票最大吗？就是 MU，就是那些存储股。所以你看到昨天为什么 MU 不涨？因为 software 反弹了，software 反弹了 3%，所以 semis index 被压下去了。
这就是两个市场 position。大家如果做交易，要比较密切地关注。风向一变，整个 position 就会 unwind，和当时 long AMD、short Intel 的 position unwind 时的效果其实很像。这是大家需要比较关注的地方。
最后说一下，这几家模型到底吃掉谁。我其实不觉得它们吃掉的是 SaaS。SaaS 会受第一波伤，股价上也会受最重的伤，但其实它们吃掉的不是 SaaS。
比如我现在用 Cowork 在 Excel 上编程，我不太会把 Excel 取消掉。我觉得坐席不一定会这么快取消，SaaS 的业绩其实都很好。
我觉得基本上要看模型取代谁，可以从 4 个方向来看。第一个，它取代的是人，把人的工作干掉。第二个，它取代的可能是软件，也就是 SaaS 服务。第三个，它取代的是竞争公司。第四个，它提高的是效率。
从这 4 个方向来看，金融公司就是：高盛用了，摩根没有用，那摩根的业务就给我。提高效率则是整个行业都提高效率，我做更多业务，让 GDP 提高。
其他都是间接的。比如 SaaS，是因为坐席变少、人的数量变少，所以坐席变少。竞争没有那么快，AI 更多提高的是人效比，让成本变低。但是你要说竞争力提高，其实没有那么快。
AI 这项新技术第一次引入市场、产生商业作用的时候，原来去年以来它只是好玩，并没有商业作用；今年以来，它开始有商业作用了。要产生商业作用，新东西一定是先把旧的杀掉，才会产生新质生产力。
它杀掉的首先是人。全球有 7 亿白领，平均工资是 2.5 万美元。AI 要取代其中 30%，它真正干掉的是人的工作。
所以我会回到刚刚讲的对美国经济的基础性看法：我认为这叫通缩繁荣。通缩繁荣就是就业通缩、经济繁荣。会不会最后变成完全通缩？有可能，就是生产力提高太多，没人买东西，最后全部失业。1848 年就是生产力提高太多，没人买，所以全失业。
但这肯定不是现在。现在是通缩繁荣。
所以我觉得真正被吃掉的是人的工作。short software 会不会回头？我觉得这个 position 一定会回头，但不一定是现在。虽然 software 已经跌了很多，但市场现在还不太敢给估值。
慢慢大家会意识到，这两家公司会是很快盈利的公司。比如它们在 training 上烧多少钱，大家也会逐渐认识到，工厂是一个需要不停迭代、不断产出 token 的东西。
不停迭代工厂，不停产出 token，这个生产 token 的过程，会让原来的云、原来的软件运营模式和经营模式，以及生产这些商业关系的方式，完全发生变化。这个就是我们后面需要观察的地方。