市场焦点：Nvidia 与 AI 泡沫的定义

课代表立正: 咱们这次讲 AI bubbles（AI 泡沫）。我也被问到过很多这方面的问题，尤其是做任何一个节目，国内的人特别关心当今的 Nvidia（英伟达）到底买还是卖，还是抛。我相信徐老师你也有很多人问你这个问题。你觉得大家心中的那个问题，或者问的那个角度是什么呢？大家只关心要不要买纳斯达克吗？

徐老师： 我觉得这是一个比较可执行（actionable）的一件事情。一个是纳斯达克股票，另外一个是也代表了那一波要不要买周边的股票。现在有很多 New Cloud（新云厂商），比如 CoreWeave，当然这个还比较小，才十几个 Billion（十亿美元）的估值。

关于 Nvidia，这确实是一个比较明显、能够执行的事情。如果我是跟华尔街的这一波人聊，我觉得超过一半的时间他们都对这个话题感兴趣。没有太多的人去问 AMD 应该怎么样，当然它也在大家的脑海里，但我认为 Nvidia 始终是大家关注的焦点，这是我的感知。

课代表立正: 我觉得跟交易量有很大的关系。

徐老师： 当然了会有一些关于 Google 的讨论，但老实说，它实际上是排在第二位的，而且是明显有距离的第二位。就是说如果我计算对话的 Token（在此指对话内容的字数或时长），我会说超过一半的内容与 Nvidia 有关，然后也许 30% 或 25% 与 Google 有关，然后才是其他的。所以在 Nvidia 和其他公司之间有一个明显的区别。

课代表立正: 这个也确实跟大家的工作，或者甚至总体上大家背后还有一个想法有关：如果 AI 的 Bubble（泡沫）破了，那可能整个股票市场都要经历一轮 2000 年那种崩盘，然后大家自己平时的财务规划都会受影响。那我就直接来问吧，我模拟一下观众的角度来层层递进地问一下。

徐老师，你在硅谷做了 20 多年的高管、投资人和创业者，你其实经历了很多个周期。你经历过 2000 年那个 Dot-com bubble（互联网泡沫）破裂的情况。今天很多人会说 AI 也是一个 Bubble，或者马上就要来 Bubble 了。完全不是这样，如果我们去看硅谷著名的投资人，其实每个人的说法都不一样。我想听听你的观点，尤其是你背后的思考：我们现在是 AI 有 Bubble 吗？然后它到底是一个什么样的周期？我们应该多投点钱，还是应该撤出来了？

徐老师： 我觉得大家问这个问题的原因，可能主要就是我是不是要买或者卖股票。我觉得这种建议是很难给的，而且很难有一个人有极高的信心，否则这个人就变成股神了。但是我觉得有一点，我自己在大方向上还是比较有信心的。

这个 Bubble，关键也要看你怎么定义。如果你把这个 Bubble 定义成为有不切实际的期望，就是期望值跟现实（Reality）有距离，我个人觉得今天绝对是一个 Bubble，而且不只是一个 Bubble，是一个很大的 Bubble。

为什么呢？道理很简单，你就看 OpenAI 这一家，他的 Revenue（营收）大概是 200 亿美元——这里要小心，他上 GPT-4 的时候，主持人说错了数字结果被他喷了。大约就是几十亿美元这么一个数量级，有的说是 40 亿美元，然后他说我比这个高，我不觉得高个 5 倍或两倍，我觉得高一点那是完全可能的。从它的用户数量、从企业级（Enterprise）的采用率来看，那个数量级是没错的。

但是他 Command（驾驭/支撑）了 1.4 万亿美元甚至更高的估值。这是否正好是 1.4 万亿？有可能等到我们节目播出的时候，已经是 1.6 万亿或者两万亿都有可能。所以说他这么一家公司，万亿美元级别的 Capex（Capital Expenditure: 资本性支出，指企业用于购买固定资产或进行基础设施建设的资金）投入，我觉得绝对是有很大的问题。这个问题不是说是一个好事还是坏事，就是说你今天很难去证明（justify）这个投入，你要有很大很大的想象力，比如有新的应用（Application），有我们今天还不知道的东西发生了，才会去证明它是合理的。所以从这个角度来讲，我觉得绝对是一个巨大的 Bubble。

资本支出与基础设施的超前建设

课代表立正: 徐老师，我就想请你再多给大家科普一下，就是 Command 1.4 Trillion 到底是什么意思？因为很多同学只知道估值，他不知道这个 Capex 到底代表着什么。

徐老师： 他就是跑到 Oracle、Nvidia、AMD、CoreWeave 这些新云厂商那边去，跟他们说——当然以前是微软，现在又多了 Amazon——跟他说：你给我建数据中心，给我提供这些算力容量（Capacity）。不只是卡，还要给我建数据中心，还要有电力。把这些所有的加上去，粗略地说，他大约就是有这个能量，能够让人家去承诺（commit）一点几个万亿的开销。

课代表立正: 我想这里边再帮大家科普一下，就是他花的不是自己兜里的钱，他花费的是他的 Partner（合作伙伴）的、他的供应厂商的钱是吗？

徐老师： 让他们去说：哎，我会建多大的数据中心，里面会插多少的卡，然后以后我会买，以后我会用。通常来讲，从一个传统的意义上来讲，没有什么人会去承诺这么多，人家会大约说我这个方向会做，但没什么人会去确切承诺的。

其实你说那些 Oracle，他真的会花这么多钱吗？他也要一步一步来的，每年都会重新去审查（Review）。所以说这里面其实是有很多虚的成分。虚的不代表是一个错误的或者是不好的，这只是一个大的方向，大家不想错过这么一个未来。如果说有一个十倍、百倍的基建扩大，谁都想成为这个参与者。但是数据中心建出来以后，你是不是还在？这是一个很大的问题。

我们就讲到你刚才提到我也经历过 Dot-com（互联网泡沫）年代。我可以告诉你，其实这些事情都发生过，只是规模稍小一点。就好像今天大家都说 OpenAI 说要问 Nvidia 买卡，但是 Nvidia 又投资 OpenAI，这些事情都是以前做过的。

Cisco（思科）在 2000 年 5 月份的时候成为市值最大的公司。它为什么能够成为市值很大的公司呢？那当然就是大家对它的期望值很高。顺便说一句，Cisco 的股票到现在还没有恢复到 2000 年的高峰，虽然我看最近几天有点快了，但它从 2000 年 5 月份到了高峰以后，再也没有恢复过，到今天 25 年以后。

课代表立正: 他那年跌了多少？就是从高峰往下跌。

徐老师： 我记得至少是七八十这样的百分比。Amazon 跌了 90% 几，纳斯达克整个就是跌了七八十这样一个数量级。所以说这个我们都看过。Cisco 其实当年做的事情是一样的，都是借钱给厂商，然后人家借他的钱来买他的设备。但等到 Dot-com Bubble 破裂以后，这些厂家都没了，然后他的 Revenue 也没有实现。

所以说这些借钱给别人，今天英伟达做的事情其实是一样的。OpenAI 今天不可能就付这么点钱，但是不要紧，我反正知道你以后会买，所以说我先做起来，反正该借的就借。

我在 2001 年的时候是看到真实的数据的，因为我自己是做 Network（网络）的，所以说那个互联网的主干网（Internet backbone）里面做的人都是非常熟悉的。到了 2001 年，业界非常清楚的一点就是：We overbuilt Internet（我们要过度建设了互联网）。我们要建设的互联网容量远远高于我们所要的。粗略来讲，我们建设的互联网的使用量只用了它的个位数，大概 6%、8% 这样。你就想，基本上互联网被过度建设了超过 10 倍。

所以说这就是为什么那个 Dot-com burst 其实是一下子就是我们发现基础设施完全过度建设了。

良性泡沫与技术应用的滞后

徐老师： 但是我们在 2001 年没有意识到的是，再过了两年、三年，YouTube 起来了，那些新的 Internet Native（互联网原生）的应用起来了。不只是一个 E-commerce（电子商务）卖点书、卖点杂货，真正的业务起来了。大约到了 2005 年的时候，这个过度建设的互联网容量就用到了一半以上。

所以说这一段历史我觉得会重新演。就是今天大家大量的建设，然后会有一个阶段会发现，哇，其实那个我该用的应用也是有限的，也用不掉，然后觉得这是一个 Bubble burst。我充分相信那一天会到来，不管是 6 个月还是 18 个月。

但是问题是：Is that a healthy Bubble（这是一个健康的泡沫吗）？还是一个非常不好的 Bubble？我个人认为这是一个非常健康的、良性的 Bubble。

为什么呢？因为任何一个技术，你要把它有一个 Step function improvement（阶跃式提升），就像我们现在希望 AI 朝 AGI（Artificial General Intelligence: 通用人工智能）方向走，你需要一堆人非常拼命地干，然后钱、人才要非常集中地去做。就像 Elon Musk 做事情，每次就是把这些人才跟钱、精力都堆起来。今天 AI 其实就是在发生这些事情。否则的话，AI 到了下一个阶段可能给个 10 年、15 年也能做到，但今天大家就是包括硅谷这么一小块的地方，聚集了包括 OpenAI、Anthropic 这批人，就是希望把本来可能要 15 年的事情现在就两年让他做了。

所以说从一个技术者的角度来讲，我当然是希望技术走到下一个里程碑越快越好。

课代表立正: 我们现在有后见之明（Benefit of hindsight），然后看互联网是走到了下一个里程碑。但是你会如何定义互联网当时的下一个里程碑是什么？和如何被这个 Bubble 加速了的呢？

徐老师： 互联网的里程碑类似于 YouTube 这样，是真正的 Internet Native 的应用起来了。我个人不觉得我们今天懂得那些 AI Native（AI 原生）的应用。Box 的 CEO Aaron 前一段时间写了一个推特，他说他觉得未来 95% 的 Token（AI 模型处理文本的基本单位）使用量，是我们今天不理解的应用。我觉得这个就非常确切地代表了我的一个想法。

我们今天的应用，除了 Coding Agent（代码智能体）我觉得应该是继续往前走，而且会消耗大量的 Token，其他的我觉得我们今天还是在用上一代的眼光去做，不管是客服、市场营销还是其他。我觉得这些都会被颠覆掉，都会有一个真正的 AI Native 的方式去做。

对个人来讲，我们谈论了浏览器，我觉得这个产品形态变化很快。我不能想象 10 年之后是什么样子，甚至 3 年之后是什么样子，但是我已经看到了一个很大的 Gap（差距）：就它应该是什么样子，和现有的技术能做到什么样子。我特别讨厌在各种 App 里边来回切换，我特别讨厌交互不同的软件，我也特别讨厌去下载新软件。我觉得这些东西都应该像 Elon Musk 说的，不应该是一个 iPhone 要用不同的 Application，可能更加是一个无缝（Seamless）的体验。

课代表立正: 其实我是在跟“鸭哥”录一个视频，背景就是有一个朋友建议我们做一个 User Research（用户调研），让学员填一下一个 Survey（问卷）去评估他的 AI Literacy（AI 素养），然后推送对应资料。我说这个挺好，跟鸭哥说，鸭哥说值得 Build 一下。过了 15 分钟，他说 Build 好了。这就一个是所谓的 User Generated Software（用户生成软件），一个是 The Single Interface to do a lot of tasks（单一界面完成多项任务）。这两件事我都觉得现在的技术完全能做到，但是还没有做到。

徐老师： 当这两件事情都实现了，我已经能想象我们的 Token 消耗程度是现在的 10 倍、100 倍的这种级别。

泡沫破裂的可能性与应对

徐老师： 回到最初的问题，Nvidia 或者说这个是不是 Bubble。我觉得碰到 Bubble burst，泡沫爆掉，我觉得完全可能，而且我觉得也是应该的。因为你想，今天我们的 AI 技术也很不错了，但是到底有多少的应用是真正的改变了我们生活、改变了我们的工作？其实是有限的，或者非常有限的。我们必须非常诚实地去承认这一点。

在这个情况下面，我觉得爆掉的可能性完全是有可能的，因为市场的 Sentiment（情绪）会因为各种各样的原因变化。2000 年也有各种各样的事情发生，包括后来 2001 年的 911。

但是我总体来讲是这么想的：一个好的公司，我不怕他的市值或者估值跌掉一个数量级，我一点都不怕。因为我觉得好的公司从现在开始还有一个数量级往上涨的机会。你从 Amazon 就能够看出来，Amazon 的股票跌了 90% 多，但是从 2001 年到现在涨上去的，那就连一个数量级都不止了。

课代表立正: 说起这个，我还给你讲一个 2015 年的故事。那是 Dot-com burst 过去了将近 15 年了。那时候我去 Amazon 的 re:Invent（亚马逊云科技年度大会）。那时候云计算已经起来了，而且已经是有非常令人激动人心的一些 Use Case（用例）。Andy Jassy（当时的 AWS CEO）在上面讲了很多案例，怎么把 Oracle 这样的技术替代掉。你听了以后就觉得哇，这个太激动人心了。

但我旁边是一个华尔街的分析师，我就问他，我说哇，This is amazing right？你知道他跟我说什么吗？他说这个再怎么样，还是整个 Amazon 8% 的 Revenue 都不到。She just shrugged off（她只是耸耸肩）。

所以说对他来说，你在台上再怎么 Excited，It's nothing。但是我可以告诉你，今天 Amazon 的市值是多少？两点几个 Trillion。如果说没有 AWS 的话，他应该是一个 Trillion 都不到的。所以说他今天的市值主要是因为 AWS。

这就说明，是不是 Bubble，其实有一些是 Fundamental（基本面）的，有一些是外在的。Fundamental 的东西跟外在的其实是永远是有些脱节的。Bubble 破裂不代表这件事情是错误的。

投资哲学：CEO 才是核心资产

课代表立正: 那在破的过程中呢，我们就有一个很重要的问题了：谁是思科（Cisco）？谁是那个破了以后涨不回来的人？谁是亚马逊？对吧，这会是一个很重要的判断。

徐老师： 我觉得第一，我们可以跟历史做一些类比，或者看看有没有什么 Lesson。第二，我们从根本性去分析这些公司未来的站位。

要我给个案，我觉得我不会给，也不敢给。但是我觉得一个 Framework（框架），或者说至少从我的角度来讲，我思考这件事情的 Framework，最终还是一个 Leadership（领导力）。

你看 Microsoft 的股票最近十年涨得很多，其实是因为 Satya Nadella 的原因。Amazon 之所以从 2015 年涨到后来涨得这么高，其实主要还是 Jeff Bezos。eBay 之所以没做起来，CEO 换了一茬又一茬，没有一个 Consistency（一致性），也没有一个 Vision（愿景）。

我觉得最终还是一个 Leader。就像最近很有争议的 Tesla，给 Elon Musk 1 万亿美元的股票期权。最重要的就是，说实话，特斯拉的股价最终就是 Elon Musk。如果没有他，不可能往上走。

所以说，我会建议大家仔细看看这个公司的 CEO。我对好几个公司的 CEO 是非常敬佩的，包括 Broadcom（博通）的 CEO Hock Tan。Broadcom 买了 VMware，我的老东家。我看着他是怎么来经营 VMware 的，跟过去十年 VMware 是怎么被经营的，那是很不一样的，可以说是好很多了。

课代表立正: 这是很重的八卦。

徐老师： 绝对是数量级的好。他就是从 First Principles（第一性原理）去思考。举一个很简单的例子，下面人报上来的 Budget（预算），不管是 1 亿还是 5 亿，你不能告诉我你去年是 1 亿美元，你今年也给我 1 亿。Hock Tan 从来不会因为你过去是怎么样来做这件事情。你有可能去年做这个产品需要 1 亿美元，但你今年只需要 5000 万就能做，而且能够做得更好，凭什么不可以？绝大多数的大公司不会有这种想法，但是他会用这种思维去思考。

说到 Oracle，Larry Ellison 也是一个很厉害的人。他前几年股价不好，就是因为 Larry 其实对云计算其实不 Buy-in（认可）的，他嘴上说一套。但是大约 7、8 年前，他是真正的意识到云计算是何等重要，那这个时候他就 Execute（执行）了，然后现在做的云就很不错，至少是对这种 AI 场景是有优势的。

课代表立正: 那也就是说，不是说这一个人他好或者不好，就是这么一锤子买卖，他对有一些东西的具体认知，他也要变化。

徐老师： 对。我以前在职场初期的时候，会觉得大厂 CEO 跟我有什么关系。但我今天就不是这么看，我觉得一个公司的兴亡，就是这个公司的 CEO。他如果路子对，有一定的要求，他的 Vision 在那里，就是这样。

课代表立正: 那怎么样子去了解这样一个 CEO？因为我们平时通过媒体文章得到的都是二手信息。

徐老师： 这是一个很好的问题。我自己之所以拿准 Nvidia，也是因为去听了老黄（Jensen Huang）在 Acquired 播客上的访谈，包括对这公司的历史，然后他自己的访谈，然后我觉得我看懂了。他非常明白自己在做什么。

对于其他的 CEO，如果外界信息非常 Noisy（嘈杂），我觉得最终还是要有一个 Calibration（校准）。怎么去拿到这个 Calibration？你如果要加入一个公司，往往是因为这个公司里面有你非常好的朋友，你的前同事。然后你要问他为什么觉得这个公司好。

你需要一个很熟悉的人，跟你日复一日一起工作过的，然后这个人告诉你现在的区别。我对 Broadcom 的判断也是这样。Hock Tan 刚开始接手 VMware 的时候其实我没有看好，但是后来我能够 Calibrate 的就是他手下的人是怎么行事的。

所以说，我觉得每个人都可以找到自己的一个 Calibration 的方式。比如说你认识一个在 OpenAI 去了 XAI 工作的人，非常有必要邀请他来聊一下。

历史观：英雄史观 vs 唯物史观

课代表立正: 为什么这么说啊？我一直是英雄史观，但是我们的教育是要唯物主义史观，说历史的车轮滚滚向前，不受个人意志所阻碍。如果不是这个人，那可能这件事就不会发生吗？

徐老师： 我其实一直不信这个（唯物史观）。我也没有那么绝对，我觉得确实很多时候一个公司的 CEO 你换了另外一个人也能做。但是我说的最重要的观点就是，这个公司的 CEO 即使换了一个人也是有可能把这个公司给做好的，但是最终这个公司是不是能够做好，还是跟这个公司的 CEO 起很大的作用。

你就看微软，太明显了嘛。Steve Ballmer 在位的这十几年，这个公司股价就是平的。Satya 来了以后，股价就是往上走。这个就是 Satya 跟 Steve Ballmer 两个人的领导力是不一样的。Satya 的 Vision 对产品、对技术的判断，就是要比 Steve Ballmer 要好。

AI 时代的职场策略：All-in 与杠杆

课代表立正: 那我们回到 AI 泡沫的情况，绝大多数人的收入其实是来自于工作，而不是来自于投资。你觉得 AI 未来接下来的几年，工作这块我们应该怎么看呢？

徐老师： AI 我是一个乐观者，技术的发展对人类是产生正面的影响。但对微观来讲，我们每一个人、每一个家庭的影响是不一样的。对很多家庭可能是一个负面的影响。

我觉得这里面有两个点。第一个，即使是大厂裁员说跟 AI 没关，我觉得多多少少都有点关系。你要 Take 的 Action（采取的行动）就是还是要拥抱 AI。

大家不要去低估的一件事情就是：有很多人会认为，哎呀这社会人人都在拥抱 AI，我去拥抱 AI 到底有多大的区别？我觉得是很不一样的。首先如果说你是在科技界的，你看到的跟别人看到的很不一样的。我觉得出了硅谷、出了科技界，其实很多人还是对 AI 不了解，而且是甚至于抵触。所以说你今天拥抱 AI，你不需要成为世界上拥抱 AI 最厉害的人，你只要是那个 Top 10%，你已经是比人家有很大的优势了。

我就提供一个数据点。我在我课上做了一个 Survey，用 Cursor、Claude 这种 AI coding 的工具。在我的课程里最新的 Cohort（班级），这都是花 1000 多块钱来上课的人，其实是有接近一半的同学是没有用过这个工具的。所以说，不要认为我现在拥抱 AI 是不是太晚。我觉得你如果今天开始全力拥抱，你已经站在一个很好的起跑线上面了。

第二个点，有很多人都说一个观点，就是对职场的选择就好像去选择投资一样，我用肉身去加入。这是一个很不错的看法。我这边加一个供大家去思考的点就是：这里面还不仅仅是投资回报，还有一个 Leverage（杠杆）。

我们做投资知道可以用杠杆，但这有风险。但其实我们在职场里面，是有一个杠杆在里面的，这个杠杆就是 Network（人脉）。

你如果加入一个有很好团队的一个公司，即使这家公司做的不好，你的 Investment 是错的，但是你从加入这家公司，你能够认识很多的人。你认识的人，这个团队，有可能是你未来加入下一个公司的引路人，或者说你自己做一个初创公司，然后你可以把他们招进你这边来。这是一个长期的回报。

这个杠杆是 Risk-free（无风险）的杠杆。不像投资的杠杆是一个双刃剑。那些“Grown men cry”（成年人痛哭）的原因，不是因为股票变成 0 了，而是因为金融杠杆用得太大了。

但是从工作的角度来讲，你认识一堆很优秀的人，这个是几乎没有 Downside（下行风险）的。就像 Sam Altman，他当年自己做 Startup 也做的不怎么成功，但是因为这个原因跟 YC（Y Combinator）的人越走越近，后来成为 YC 的头。

所以说，我觉得大家应该想的一件事情就是：职场像一个 Investment，然后再用好你的杠杆——人的 Network。在一个好的周期，这两件事情它是升值的。