KeyFrame內部研究專用

What's the Market Missing About AI Bubble?

David Woo Unbound·8月2日週日·13 min英文

三句話摘要

七月市場回顧與八月展望:聯準會政策轉變、伊朗衝突升級、AI泡沫破裂的連鎖影響。 聯準會前瞻指引時代終結、AI泡沫正式破裂、伊朗衝突升級在即——對於懂得應變的宏觀投資者,這正是充滿機遇的新時代開始。 聯準會按兵不動是正確決策。市場厭惡不確定性,但聯準會不應被市場反應綁架。通脹數據支持暫停升息——核心通脹從1.8%降至0.8%,未見二輪效應,薪資與就業無急劇上升跡象,核心服務通脹在3.2%將繼續溫和下降。前瞻指引時代終結需要時間適應,但長期對市場有利。

重點整理

重點
  • 1

    聯準會按兵不動是正確決策。市場厭惡不確定性,但聯準會不應被市場反應綁架。通脹數據支持暫停升息——核心通脹從1.8%降至0.8%,未見二輪效應,薪資與就業無急劇上升跡象,核心服務通脹在3.2%將繼續溫和下降。前瞻指引時代終結需要時間適應,但長期對市場有利。

  • 2

    伊朗衝突升級概率被嚴重低估。美國目標從推翻政權轉向維護荷莫茲海峽航行自由,這在政治與軍事上更可持續。但伊朗不會自願放棄對海峽的控制權,因此川普面臨二選一——升級衝突或被伊朗掌控,升級概率遠高於平定。油價100美元非天花板。

  • 3

    AI投資回報率被嚴重高估。OpenAI 80%降價反映對中國競爭的恐懼;微軟 CapEx 增 70% 卻將折舊期從 15 年延至 25 年,明顯是做帳行為;NVIDIA 向 OpenAI 提供融資擔保暗示困境。進入 AI CapEx 週期三年,營運利潤增速仍遠落後資本支出,顯示投資不確定性被低估。

實用技巧與重點

乾貨
  • 通脹數據
  • 核心通脹(PCE):6 月 0.8%(10 月高峰 1.8%)
  • 核心服務通脹(排除房屋):3.2%
  • 油市數據
  • 短期油氣隱含波動率:70%(日均波動 4%+)
  • 講者目標:油價回升至 100 美元以上
  • 微軟財報
  • CapEx 年增長:70%
  • 報廢折舊下降:1.6%
  • 數據中心基礎設施使用壽命:從 15 年延長至 25 年
  • AI 市場
  • OpenAI 降價幅度:80%(ChatGPT 5.6 Luna 模型)
  • NVIDIA 融資擔保對象:OpenAI,金額 $250M
  • 中國 AI 模型:佔據多個排名榜前十中的五個位置
  • 晶片生命週期:Blackwell(2024 年底)至 Ruben(18 個月後)
  • 半導體成本佔 AI 數據中心資本成本:約 60%
  • 服務訂閱
  • David Wimbound Premium:$100/年(30 天免費試用)

結論

結論

聯準會前瞻指引時代終結、AI泡沫正式破裂、伊朗衝突升級在即——對於懂得應變的宏觀投資者,這正是充滿機遇的新時代開始。

完整解析

詳細

七月的市場表現揭示了投資者對不確定性的深度厭惡。聯準會宣布維持利率不變,理應是中立信號,但市場卻股債雙殺。這種反應暗示投資者寧願看到聯準會採取明確行動,也不願面對持續的不確定性。講者認為這是多年前瞻指引政策的遺毒——該政策在金融危機後的零利率時代有其必要性,卻在近年鼓勵了過度風險承擔與投機泡沫。因此,聯準會的決定堪稱明智,尤其當通脹數據本身就支持這一判斷時。

通脹動向相對樂觀。核心通脹從去年十月的 1.8% 穩步下降至六月的 0.8%,儘管關稅與油價上漲,卻未出現預期的第二輪效應。美國企業的應對策略是放緩僱用而非提價,這反映了市場的真實壓力。核心服務通脹(排除房屋的超核心指標)目前為 3.2%,預計在就業與薪資無急劇升溫的情況下將繼續溫和下降。聯準會正基於這些數據,拒絕預先承諾九月升息,體現了數據驅動的決策文化——這是聯準會政策框架的根本轉變,市場需要時間適應自主判斷利率路徑的責任。

地緣政治風險正在上升。油氣隱含波動率高達 70%,相當於日均 4% 以上的劇烈波動。美國在伊朗衝突中的戰略已從推翻政權轉向維護荷莫茲海峽的航行自由——這是更有限、更有形、更易於政治化的目標,因為它直接關乎全球經濟。然而,空襲活動面臨邊際收益遞減的瓶頸,需要決策者考慮升級。問題的關鍵在於伊朗不會主動放棄對海峽的控制權,這是其最大戰略籌碼。因此川普面臨困境——要麼升級衝突以達成目標,要麼接受伊朗對全球經濟的掌控。講者認為升級概率遠高於長期平定,油價在破百之前不太可能進入持久的盤整期。

最不容樂觀的是 AI 泡沫的破裂跡象。OpenAI 的 80% 降價明確反映了中國競爭的威脅——中國模型已佔據多個排名榜前十中的五個位置。微軟的財報更令人擔憂:CapEx 增長 70% 卻折舊率下降 1.6%,這只能通過將數據中心壽命從 15 年延至 25 年這種明顯的做帳手法解釋。NVIDIA 向 OpenAI 提供高達 $250M 的融資擔保更是絕望的訊號。三年進入 AI CapEx 週期後,營運利潤增速仍遠落後於資本支出增速,說明 AI 投資的不確定性與風險被系統性低估。

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。