KeyFrame內部研究專用

🔴【每日要聞】SEC調查老虎、富途內幕做空案件,相關賬戶被凍結,等著被罰款、坐牢!Meta鬼故事帶崩整個上游,OpenAI送政府5%股份,這事能成?|小翠時政財經 20260702

小翠時政財經·7月2日週四·58 min中文

三句話摘要

美股科技股遭機構獲利了結、伊朗核談陷僵局、美聯儲暗示不加息,全球資金流向重新分配。 短期情緒驅動市場波動,但長期由基本面決定走向——關鍵是識別何為真實價值創造、何為權力重組下的利潤轉移。 Meta算力過剩故事的實質是權力鬥爭

重點整理

重點
  • 1

    Meta算力過剩故事的實質是權力鬥爭

  • 2

    Meta宣佈可能出租過剩算力後,市場一度恐慌認為大廠算力購置過多,導致整個芯片產業鏈暴跌。但這實際上是大廠在敲打上游芯片商,暗示如不降價就自行尋求替代方案。彭博隨後修改報導措辭,說明這波操作確為刻意製造情緒市場。

  • 3

    英伟達轉身做金融中介,鎖定生態控制權

  • 4

    英伟達不再單純賣芯片,而是為購買其GPU的新興雲服商提供融資擔保、銀行信用背書,並從這些公司營收中抽成。此舉既保證了GPU銷量,又對這些小型競爭對手形成了永久控制——拔掉氧氣管他們就活不了。

  • 5

    OpenAI獻股權換政治背書與融資信用

  • 6

    OpenAI CEO同奧特曼承諾捐出5%股權予美國政府,並試圖拉動其他科技巨頭跟進。這不是單純的愛國,而是以國有身份標籤換取未來融資便利與政治保護。川普政府樂意接受,因為OpenAI的1.4萬億美元資本支出攸關美國GDP成長與財政赤字控制。

  • 7

    PLTR與大模型公司的利潤搶奪正式開戰

  • 8

    Palantir CEO公開批評大模型公司按Token收費模式,強調唯有安結果收費才能體現真實商業價值。大模型公司正試圖派工程師直接進駐企業落地AI以搶佔中間層利潤,但PLTR表示他們缺乏大型機構治理知識而必然失敗。

實用技巧與重點

乾貨
  • 宏觀政治經濟
  • 伊朗霍爾木茲海峽原油運輸量:每日1000萬桶
  • 伊朗石油銷售困境:90%原油無法售出(60天談判窗口太短,買家觀望)
  • 美國中期選舉捐款池:川普賬戶已收企業捐款(美光2.5億美元、戴爾62.5億美元)
  • 美光捐款目的:幫助100萬美國兒童(員工子女+社區兒童每人250美元)
  • 美國就業與貨幣政策
  • 6月四營部門就業數據:新增9.8萬人(預期19.9萬人)
  • 美國6月宣布裁員人數:45,849人(環比下降53%,為2025年12月來最低)
  • 日本10年期國債收益率:上升至2.77%
  • 日本30年期國債收益率:突破4%
  • 日本6月10年期國債標售投標倍數:3.13倍(上次3.53倍,去年均值3.33倍)
  • 股市數據
  • Polymarket預測2026年參議院控制權:共和黨50%、民主黨42%
  • 韓國股市:開盤暴跌5%後反覆,兩倍/三倍杠杆ETF暴跌30%
  • 美股科技板塊:機構連續4周淨拋售,散戶首次成為進買方
  • 韓國6月CPI同比:上漲3.2%(連續2個月超3%)
  • 企業與技術
  • OpenAI俄亥俄州數據中心造價:5000億美元
  • Meta內部算力分配:一部分用於廣告、一部分用於自有大模型
  • SRFP Fable 5政策變化:7月7日後退出訂閱制,轉為按量付費;周使用額度砍半;模型審查更嚴
  • 地緣政治
  • 谷歌歐盟反壟斷罰款:40億歐元(上訴敗訴)
  • 阿里巴巴美國罰款:6億美元(未阻止毒品銷售)
  • SK海力士美股上市:估值低於美光,預期上市後股價承壓於美國政策傾斜

結論

結論

短期情緒驅動市場波動,但長期由基本面決定走向——關鍵是識別何為真實價值創造、何為權力重組下的利潤轉移。

完整解析

詳細

今日節目涵蓋全球金融市場劇烈波動的根本邏輯。伊朗核談判進入第60天談判期,美國試圖以經濟激勵換取伊朗放棄霍爾木茲海峽的通行費徵收權。但講者分析指出,伊朗真正訴求並非獲利,而是宣示主權——這是民族尊嚴層面的追求,遠非經濟利益能夠說服。伊朗儘管被允許60天內出售石油,卻因買家觀望而90%原油滯銷,被迫仍需依賴海峽通行費作為補償。這一矛盾暴露了美國制裁政策的邏輯漏洞。

科技產業則上演了一場精妙的權力遊戲。Meta關於算力過剩的傳言,實際上是向上游芯片廠商施壓的敲打信號。彭博隨後修改報導措辭,反映市場情緒的非理性——基金經理們聽到「過剩」二字就聯想到整個AI投資周期危機,導致包括英伟达在內的芯片股瀑布式下跌。但英伟达隨即以金融創新應對:為購買其GPU的新興雲服商提供融資擔保,同時從客戶營收中提成。這一轉身將英伟达從單純的芯片供應商升維為金融中介,鎖定了整個生態的控制權。

政治層面,OpenAI的獻股權計畫體現了科技巨頭與政府的權力互換邏輯。奧特曼承諾捐出5%股權給美國政府,試圖為企業貼上「國有企業」標籤,從而在融資與上市時獲得信用加成。川普政府之所以欣然接受,並非出於慈善考量,而是出於冷硬的經濟現實:OpenAI承諾的1.4萬億美元資本支出代表著美國GDP增長的關鍵組成部分,直接影響財政赤字控制與中期選舉政績。政府與企業之間的交易本質已然清晰——獻股權換融資便利與政治庇護。

美聯儲則透過Powell的葡萄牙講話發出了縮表與不加息的雙重信號。儘管官方仍強調基於最新數據作決策,但講者識別出了其背後邏輯:通膨預期下行,近期無需加息,而長期的縮表政策將迫使資產定價回歸企業真實盈利,而非央行流動性驅動。這意味著靠講故事撐起的高估值股票將面臨調整壓力。

日韓股市則展現了新興經濟體面對外資撤出時的脆弱性。日本國債被機構投資者大舉拋售,各期限收益率齊升,反映市場對日本財政紀律的擔憂。日本央行既要加息對抗輸入性通脹,又要承受政府財政壓力,陷入「既要又要」的困局。韓國情況更為極端,股市杠杆ETF因市場波動而集體爆倉,散戶自行加杠杆又被華爾街收割,重演了當年日本廣場協議的悲劇——從美國賺來的美元最終被美股收割回去。

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。