KeyFrame內部研究專用

Iran has dealt Trump a severe blow!

環球大戰線·7月8日週三·61 min中文

三句話摘要

全球地緣政治與金融市場動盪:美伊衝突升級、北約軍事擴張、AI泡沫風險與中美科技競爭的多維度深度分析。 全球秩序正在三個維度同時重構:美國軍事優勢在中東遭遇伊朗挑戰、歐洲開始戰略自主、中國在AI領域實現超越,資本市場的泡沫正醞釀金融危機,各國應當警惕這個充滿不確定性與風險的新時代。 地緣政治失衡與軍事升級循環

重點整理

重點
  • 1

    地緣政治失衡與軍事升級循環

  • 2

    美伊衝突反映出對霍爾木茲海峽控制權的爭奪。伊朗透過選擇性攻擊(針對巴林第五艦隊基地與科威特空軍基地)展示實際控制力,迫使國際商船改走伊朗航線以降低風險。這種非對稱戰爭使美軍難以有效部署,形成美國在中東的戰略困境。

  • 3

    北約戰略自主與對美國政策的反制

  • 4

    歐洲放棄依賴美國安全保護傘,轉向自主防禦。德國宣布創紀錄的國防開支,加拿大採購12艘新型潛艇,英國首次接管北約聯合行動司令部,核心原因是川普政策的不穩定性——威脅撤出駐歐美軍、併吞格陵蘭——迫使歐洲必須依靠自己。

  • 5

    金融市場的理性危機

  • 6

    當今股市泡沫類似1999年網路泡沫與2008年金融危機,但更危險。AI公司(OpenAI、Google等)普遍燒錢無獲利,卻透過融資迴圈推高估值。格蘭瑟姆、巴菲特等投資大師警告股市可能暴跌50-70%,市場存在「非理性繁榮」的集體賭博心態。

  • 7

    中美AI戰爭的勢力逆轉

  • 8

    中國採用開源免費策略,建立完整產業閉環(模型+計算+晶片),成本優勢使美企大規模轉用。中國在政府支持下限制先進AI模型出口,轉向國產晶片自主,標誌AI戰爭格局從美國單邊優勢走向雙邊競爭。

實用技巧與重點

乾貨
  • 美伊衝突數據
  • 美國轟炸伊朗80個目標,伊朗反擊85個美軍目標
  • 伊朗襲擊包括60多艘小型艦艇、防空系統、反艦飛彈基地
  • 北海布蘭特原油價格漲至76美元/桶,西德州原油漲至73美元/桶
  • 霍爾木茲海峽南部航線保險費35萬美元,伊朗北部航線保險費28萬美元
  • 北約軍事擴張
  • 德國國防開支:4.5兆元新台幣(創歷史新高)
  • 加拿大購購12艘新一代潛艇(史上最大軍購案)
  • 英國首次接管北約聯合行動司令部
  • 北極地區軍事佈局強化
  • 美股泡沫指標
  • 席勒本益比:67.6倍(歷史最高)
  • 恐慌指數(VIX):27(2002年以來最高)
  • 晶片股單日跌幅超4%(美光科技、閃迪)
  • 美股可能調整幅度:50-70%
  • 美國股市三個月最大淨流出,日本股市七週最大淨流入
  • 中美AI競爭數據
  • 中國AI模型價格便宜90%(相比OpenAI與Anthropic)
  • 中國AI代幣使用率:2025年上半年4.5% → 2026年7月46%
  • DeepSeek下載量在美國、歐洲、東南亞持續攀升
  • 國產晶片預算增長:目前30% → 計劃46%
  • GLM 5.2與DeepSeek性能媲美美國最頂級模型
  • 融資與燒錢規模
  • OpenAI融資額:65億美元
  • 計算中心建設成本:50億美元
  • 英偉達對OpenAI投資:數十億至數百億美元

結論

結論

全球秩序正在三個維度同時重構:美國軍事優勢在中東遭遇伊朗挑戰、歐洲開始戰略自主、中國在AI領域實現超越,資本市場的泡沫正醞釀金融危機,各國應當警惕這個充滿不確定性與風險的新時代。

完整解析

詳細

這場節目涵蓋了當今全球最緊迫的三大危機:地緣政治衝突、金融市場風險與科技競爭格局。

美伊衝突的根本驅動力在於對霍爾木茲海峽的控制權。伊朗透過一系列精心設計的選擇性攻擊,對標誌性目標——巴林的美國第五艦隊基地與科威特的阿里·薩利姆空軍基地——動武。這不是無差別轟炸,而是向全球市場傳遞信號:伊朗已實質控制這條全球能源命脈。船隻改走伊朗航線以降低風險的事實、保險費價差的存在,都反映出國際社會已認可伊朗的控制力。美國報復攻擊80個目標看似規模龐大,但由於伊朗地域遼闊,實際損害有限;相反,伊朗反擊85個目標對駐紮中東的美軍造成真實威脅,迫使航空母艦戰鬥群部署被打亂,全球能源價格因此上漲。

北約軍事擴張反映出美國政策信譽崩潰。川普威脅撤出駐歐美軍、併吞格陵蘭、羞辱歐洲盟友的言論,使歐洲認識到無法再依賴美國安全保護傘。德國創紀錄地提升國防開支至4.5兆元、加拿大大舉採購潛艇、英國接管北約東部司令部,目標是在北大西洋與北極地區建立防線。這些舉措看似針對俄羅斯,但本質上是歐洲的戰略自主宣言——在美國不可靠的時代,唯有自我武裝才能保障安全。

美股雙泡沫危機最為迫在眉睫。AI熱潮驅動股票估值飆升,但基本面卻極其脆弱:OpenAI、Google等AI巨頭普遍無獲利模式,靠持續融資與燒錢維繫運營。OpenAI融資65億美元後立即花掉50億美元建設計算中心,這種融資→燒錢→再融資的循環本質上是資本遊戲,而非真實商業價值創造。席勒本益比達67.6倍意味著投資者需等67年才能收回本金——一個荒謬的數字。在這種背景下,資金開始撤離美股流向日本,市場恐慌情緒升溫。格蘭瑟姆曾準確預測1999年網路泡沫與2008年金融危機,如今他警告股市可能暴跌50-70%。

中美AI戰爭出現勢力逆轉,這才是最具戰略意義的轉折。中國採用開源免費策略,建立完整生態閉環:DeepSeek與GLM等模型免費開源,與本地計算中心與華為國產晶片相結合,形成成本優勢。這導致美企大規模轉向使用中國AI——2026年7月中國AI代幣使用率已達46%,相比2025年上半年的4.5%翻倍增長。中國政府隨之啟動「限制優勢」戰略:限制先進AI模型出口,推動國產晶片替代華為/英偉達的依賴。這表明中國已從追趕者轉變為掌握主動權的競爭者,開始像對待稀土一樣對待AI作為地緣政治武器。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。