当前美股市场情绪：AI驱动的牛市与回调隐忧

今年算是牛市，非常强劲。我看到所有刚刚进入美股半年的朋友今年都赚钱了，但学费迟早是要交的，美股股价跌起来会很快。我们可以分享一下此刻对美股的一些看法。

就像主持人所说，今年很多人的仓位都新高了。即使是被特斯拉套牢了好多年的人，今年可能都创新高了。因为今年整个大盘太好了，基本上买什么都在涨，都在赚钱，无论是股市还是比特币，都是非常好的年份。所以到现在，当主持人说在回调时，我心想这个视频得赶紧放出去，因为它随时可能会反弹。我对目前这一波以AI为驱动的上涨依然非常乐观。我离开特斯拉之后，现在正在一个传统行业公司，从这个视角来看AI的应用，我认为这一次的整个生产效率的提升，还完全没有铺开。

我自己的感觉是，从特朗普上次说要跟中国乃至全球征税的关税战之后，当时市场有一轮暴跌。但随后的情绪反弹、关系缓解，再加上大家摸清了特朗普的套路（Taco: Trump Always Chickens Out，指特朗普总是临阵退缩），很多人开始不相信他说的话，市场情绪就开始飞速增长。我们也能看到，股市在过去一年大盘就涨了接近20-30%。

我自己也经历过一个周期，在疫情阶段，我内心也有一种FOMO（Fear Of Missing Out: 指害怕错过机会的焦虑心态）的感觉。当时我刚进入股市，觉得买什么都在涨，感觉自己像个股神。所以，当市场到达一两个月前的阶段时，我感觉大家的情绪已经非常高涨了。比如有人觉得特斯拉年底能到600，大盘会永远涨。我甚至在X上看到很多言论，说“在美股上如果不买小盘股，是特别难以亏钱的”。当这种“投资美股非常难以亏钱”的言论出来时，我的警报就开始响了，觉得这有点夸张了。短期而言，股市不可能一直这样涨。

我自己的操作整体是“Buy and Hold”（买入并持有）的状态，我相信的股票会一直持有，但短期内不会再买进了。我甚至会对一些仓位做一些Covered Call（备兑看涨期权: 一种期权策略，持有正股的同时卖出看涨期权以获取权利金，但会限制上行收益）。因为这个世界是动态的，我们处在一个非常不确定的时代。从某个角度看，金价的上涨反映了世界格局的撕裂，无论是各国国内的矛盾，还是国家之间的矛盾。就像瑞·达利欧（Ray Dalio）描绘的世界图景，我是相当相信的。所以这是一个有趣的现象：股市在涨，但世界却在撕裂，甚至在某些环节非常脆弱。因此，在大家情绪高涨的同时，我采取了相对更保守的策略。

AI投资热潮：是真实生态还是市场泡沫？

我从2009年就开始买美股了，当时在新浪工作，股票卖出后就在ETRADE账户里开始投资。我经历过2008年后的恢复期，也记得2015年、2018年以及2022到2023年的回调。2022到2023年那次回调幅度很大，因为疫情期间放水太多，杠杆很高，很多Crypto公司倒闭。

现在这一轮应该叫做“AI乐观”，是AI基建拉起来的。但我觉得这一轮确实有点不一样，人们对未来技术进步的信心要比前几轮更大。因为前面几轮没有技术变革，而现在有了。包括疫情期间的元宇宙或Crypto，其实都支撑不了那么大的信心，后来元宇宙也破灭了。但AI不一样，它确实在真实地改变很多东西。不过，大家也会担心是否存在投资过热的问题。

正好，我们可以讨论一下AI投资过热的问题。这从OpenAI开始，他们玩了一个“左脚踩右脚”的游戏：Nvidia投资它，它买Nvidia的芯片；然后Oracle为它盖厂，Oracle再买Nvidia的芯片，就这样循环，一下囤积了五千多亿的资源。

我个人感觉，从大盘和整体投资情绪来看，是比较高涨的。但单从AI这个细分领域（Segment）来看，我认为某些东西可能被低估了，而另一些东西被高估了，并没有出现一个“只要提到AI就在狂涨”的阶段。例如，很多AI制药的概念股现在还趴在地上，根本没起来。我投资的AI保险虽然涨回去了很多，但也没有达到一提到就暴涨、让大家FOMO的状态。所以，我觉得在应用层，泡沫是不多的，甚至一些特别优秀的公司大家也还没认识到。

但是，对于大模型，我暂时看不太懂。因为我没有看到一个垄断性的东西出现。比如前几个月出了一个VEO 3，这个月就是Sora 2，之后可能还会有其他模型。这个周期一直在你追我赶。作为一个用户，这些大模型对我的吸引力或者说粘性不够强。可能某个东西出来很新鲜，是一个热点，大家都会去用，但马上就会发现，另一家模型公司也做出了一个可能更牛的东西。此消彼长，我没有看到非常清晰的用户粘性和变现路径。相反，像xAI方面，我觉得它的估值和变现路径，目前来看是不太清晰的。

对于大家质疑OpenAI、英伟达以及他们“朋友圈”互相炒作的说法，我有一个不同看法。在我看来，他们打造的不是朋友圈，而是一个生态圈。这件事情必须有人来做，这个故事必须有人来讲，这件事必须有人要推动。因为大语言模型发展到今天，硬件依然是它的限制。下一代硬件应该是什么样子，应该由用户，也就是大语言模型的发明者和应用者来决定和推动。

英伟达在设计芯片方面已经完成了前期的任务，现在需要像OpenAI、xAI这样的公司与硬件厂商合作，由他们来推动下一步的硬件生态发展和迭代。所以，我觉得这是很必要的动作。至于OpenAI的Sam Altman和英伟达的Jensen Huang之间有没有炒作的默契，即便有，也没关系。因为如果他们不做，谁来做呢？这恰恰是美国AI创新的魅力所在。这些人是实实在在在做事情的。英伟达在交付芯片，OpenAI在交付模型，而且版本确实越来越好、越来越强。

当Jensen Huang拿出新的小型Spark时，我非常惊艳。那4000美金的设备，我太想拥有了，很想跟公司说别招人了，给我们每人配一个MacBook Pro再加一个Spark就行了。新硬件的出现会给应用带来新的台阶。当然，Spark肯定不是终极产品，但你需要这些大玩家一起来合作，把事情推下去。正是因为钱和人才的涌入，才能有这样的事情发生。我认为要允许泡沫的存在，只要他们是真真实实在交付东西，我觉得就可以。

应用层的挑战：模型粘性、商业模式与传统行业的渗透

关于基础模型，就像Leo刚才说的，各家你追我赶，差别不大。我觉得这些技术诀窍（Know-how）大家可能都掌握得差不多了。所以从去年下半年到今年，大家都在推应用，各种工具都出来了。包括OpenAI的画图功能，虽然有人批评说这只是画图，没有解决实际问题。还有像Claude加入了Skills功能，这些巨头们都在努力寻找应用场景（Application）。xAI说要做游戏，也是希望找到应用场景。这其实是一个不那么纯泡沫的体现。如果大家还在不停地迭代模型、在排行榜上比拼数学解题能力，那才没有意义。现在至少是一个健康的方向。

至于这些应用最后到底能落实成什么样，我不知道。但既然现在大家都在投钱做这件事，包括一级市场把大量资金投给他们，我觉得应用的爆发还会再出现。

我现在在一个做税务表格（Tax Form）的传统公司做数据科学家。我的一个观察是，这次AI的推动和之前的技术革命很不一样。需求是来自真正做业务的部门（Business Department），他们有很强的需求和想象力，在努力地想用AI，因为已经实实在在看到了成果。相比之下，像Leo所在的药厂还算是比较高科技的。在美国，有大量的服务型公司，比如银行、税务，在这些领域，AI今天所产生的效用已经远远超过了微软的Office电子表格（Spreadsheet）。你想想，那一次的办公化革命极大地提升了生产效率，而今天AI已经体现出了更大的潜力。

所以，我们现在就差把应用继续往下做。这个驱动力一方面来自OpenAI、xAI这样的基础模型公司，另一方面也来自做Agent的公司。但大家不要忽略了传统公司内部的需求。

确实，现在模型的粘性不高，谁家好用就用谁的，用户没什么忠诚度。这其实是很好的现象，因为科技进步全靠泡沫。美国资本市场的一个特点就是制造泡沫，如果事情能成，它就不是泡沫；做不成才是泡沫。我觉得AI这件事大概率是能成的，所以我们可以用未来的生产效率提升来填补现在欠下的债。就像伊隆·马斯克之前说的，美国的债务只能靠AI来还了。

模型的竞争很有好处，粘性不够说明它们都在快速发展。如果一个东西粘性足够强，表示市场进入了稳定状态，那就不好玩了。今天Sora，明天VEO 3，后天Sora 3，最终受益的实际上是用户，永远都有最新最快的东西用。

此外，这也关乎模型公司的策略问题。我们从2023年开始做一级市场偏后期的投资，就是想让周围的朋友能跟上这次AI革命，所以我们投了Cohere、Anthropic、TogetherAI等七家公司，大部分是模型和基建层。对于模型层的粘性，我觉得ToC端收订阅费的增长性，其实没有卖API给企业的增长性快。Anthropic走的路线就很聪明，他把代码能力做得更好，然后卖API。因为写程序、自动执行任务时，API的消耗特别大，所以它的收入增长比较快。

总的来说，ToB端的粘性会比ToC端好。ToC端的用户其实是在享受AI进步带来的红利，而B端才是真正在给这些基建公司“捐钱”的，因为他们在大量消耗API。

说到ToB端，今天OpenAI给了麦肯锡一个奖杯，奖励他们消耗了100个Billion的Token。像麦肯锡这样天天做表、画图、做PPT的公司，还有像德勤这样的“四大”会计师事务所，都在积极拥抱AI。我现在把他们都叫传统公司，因为他们不是发明AI的科技公司，而是使用AI的。

实际上，Claude刚发布的第三期经济影响力报告提到，这些传统公司的用量已经超过了写代码的消耗。最高的消耗量不是在湾区，而是在华盛顿和波士顿，这些律师等传统行业聚集的地方。这说明AI的可用性已经大幅提高，渗透到了各行各业，并开始产生回报，这是一个非常健康的信号。

“牛马”自救计划：AI时代个体如何抓住机遇？

AI真正要绽放出全部能力，是不是需要跑通一个端到端的效果？我们现在看到模型层、基建层都跑得不错，但应用层真正跑出来、非常赚钱的部分其实还没看到。如果应用层不爆发，前面的人赚钱也会相对困难，特别是模型层。

我的观点是，要看所谓的“应用”是什么。做AI Agent的公司其实还是在做一个平台，让大家来使用。但更细化的应用，其实只有传统公司里做业务的人才知道要怎么用AI。你问OpenAI的人，他怎么知道我们税务行业怎么用AI？他没有做过税务。包括我自己，虽然有10年AI工程师经验，加入这家公司，也不是说我就能帮他们解决所有问题。真正起作用的是业务部门的人，他们利用AI来解决自己的问题。

所以，所谓的端到端，我觉得永远不可能由一个模型公司完成，因为业务太复杂了。不像自动驾驶，问题定义得非常清晰：从A点到B点，完全不需要人工接管，就算成功。但业务问题，每一部分都非常复杂。在金融、税务、法务等所有领域，如何让AI发挥效率，是这些做业务的人说了算的。

在我看来，今天这一刻，变革已经发生了。公司在招聘时，如何提高生产效率？说白了，不就是原来10个人干的活，现在1个人就能干吗？这件事情正在发生。所以我经常跟周围的朋友说，你们现在不管做什么，都要开始“自救计划”，在自己的公司里，可以称之为“牛马自救计划”。说好听点叫“内部创业”，说白了就是自救。你要去寻找在公司里利用AI做点什么的机会，因为你懂业务，懂公司的痛点。

在这一刻，你给自己设立一个“公司内部AI创业者”的人设，会非常有好处。这不仅有助于你自己理解AI，也是风险最低的一种方式，能让自己不被AI替换掉。因为你既紧紧抓住了业务，又在同时学习AI。

我不相信一个律所今天会说：“好，我停止招律师了，我去OpenAI买10个Billion的Token。”那才叫端到端。律所可能还是需要律师，但可以说：“我可以少招很多律师了。”同时，律所里的合伙人也不能凭着资历深、法条记得清楚就什么都不干。如果你现在不搞“自救计划”，你就要被替代了。

总结一下，完全不需要一个模型从头到尾的端到端。AI替代人类的工作现在已经正在发生，每个人，不管在哪个领域，都应该开始自己的“自救计划”。

寻找可验证的闭环：AI在医疗、保险与自动驾驶的应用前景

我所说的端到端，指的是整个产业链的闭环。我们有做基建的、做大模型的，下面还有应用层，比如AI制药公司、AI保险公司、自动驾驶公司等。这些底层的产业能不能爆发，决定了整个生态能否形成一个活水循环。当这些打着AI标签的传统行业开始爆发，成为行业佼佼者，大家才会认可AI能在所有产业赚钱。效率提高了，他们才愿意付更多的钱去买上游的东西，比如增加基建、购买模型Tokens。

如果大家探索完后觉得产生的效率有限，内部结构无法真正提升效率或裁员，很多公司我相信会跑回原来的路子上。我看过一个MIT的报告，说可能有70%到90%的公司，砸进AI的钱都没有太大声响。因为很多公司所谓的AI改革，就是给每个人配一个ChatGPT查东西，仅限于这个层面。

我所在的公司也组织了所谓的“AI冠军”，带领大家用AI工具提高效率。但其中一个领头人，只是写了一长串Prompt，告诉高管们把这段话粘贴进去就能做一些日常工作，但甚至不能每次都成功调用Copilot的日程或邮件。所以，每个公司对AI的理解和整合能力是不同的。只有当越来越多公司能把AI完全嵌入核心业务，成为行业佼佼者，AI才能完成一个端到端的产业链闭环。

我认为，AI能够首先渗透的行业，是那些具有闭环、可验证特性的行业。说到闭环可验证，自动驾驶就是一个例子，你的模型好不好，马上就能通过接管次数、事故率来验证。应用端也需要这样一个反馈循环（Feedback Loop）才能展现其能力。

在制药端，我觉得比较难，需要很多年发展。因为最难的一环是最终验证，也就是药用在人身上产生的效果。你之前的模型预测得再好，在动物身上效果再好，如果最后在人身上不行，这个验证周期可能长达五到六年。这个反馈循环太慢了。

这就是为什么我只投了Tempus，我觉得它最容易跑出来。因为它有闭环、可验证和大量数据。Tempus接入了全美一半以上的医疗系统，能拿到临床人体数据。它可以建立基因型（Genotype: 个体的基因组成）到表型（Phenotype: 个体可观察的性状，如疾病特征）的关系。因为它有大量的病人疾病数据，同时自己也在做大量的基因测序，这两者之间的关联性就比较容易建立和验证。

除了基因数据，行业共识是需要多模态数据，包括影像学数据（X光、病理切片）和各种组学数据（基因组学、蛋白组学等）。信息越全面，诊断就越准确。就像判断一个人是亚洲人，不能只看身高肤色，而是要综合看各种表征、听语言、看习性。所以，在诊疗端，数据丰富，反馈循环快，这种产业我相信是第一批会被AI迅速推动发展的。

机器人相比制药，我觉得更容易验证，因为你完成任务是即时可见的。但机器人和自动驾驶这类物理AI，最近几年在技术上并没有飞跃性的进展。这一轮AI热潮还是局限于大语言模型，也就是非物理世界。特斯拉端到端的成功，是其应用上的巨大成功。但在物理世界，比如Optimus机器人，现在还没有什么现成的技术，距离真正在生活和生产环境中带来便利还非常遥远。

Lemonade是我第一大仓位，我也认为它能最快跑出来，同样是因为它的封闭可验证性。保险的核心指标之一是损失率（Loss Ratio: 指赔付金额占保费收入的比例），也就是你保出去100块钱，最后赔了多少。你的AI是否优秀，本质上就看你能不能通过几年的迭代，迅速把赔付率降下来，这验证了你对用户风险判断和定价的准确性。

第二点是自动化。AI通过Agent实现了自动化，这也很容易验证。你就看公司的员工数有没有增长。Lemonade在三四年里业务翻倍，但每年员工增长量只有2%。而传统公司业务扩张时，员工数会大幅增加，因为他们内部的AI工作流跑不通。Lemonade在用户注册过程中，通过分析其行为习惯，就能进行用户画像和风险分析。一年半载之后，它就能知道这类人群带来的赔付率有多高，从而形成一个数据-模型-验证-迭代的快速飞轮效应（Flywheel Effect: 指系统中的要素相互促进，像飞轮一样越转越快，形成正向循环）。

总结来说，AI渗透较深的行业，其工作都具有可验证性。医疗检测、自动驾驶、保险都符合这个特点。还有一个很快的行业，就是所有白领的案头工作。大量的重复性劳动，比如整理数据、生成表格，很快就会被自动化。如果你现在还在做这类工作，可以赶紧想办法换工作了。未来很多SaaS公司可能会演变成一个Agent加上一个数据库就足够了，企业会迎来巨大的变革。

AI时代的终局：新工作、稀缺技能与人类的未来

现在很多人想创业，而且这一轮创业的特点是“一人公司”特别多。本质上是因为AI赋能让你觉得自己变强了。所以，在公司内部做创业，也是同样的思路，你要向公司证明AI确实能促进业务，这与你个人的职业发展息も息相关。

我以前不敢想象的工作，今天敢去想，甚至觉得自己可能能做好，特别是那些强烈依靠语言的工作，比如律师。很多人问我，你一个非母语者怎么敢读法学院，在法庭上怎么跟人唇枪舌战？从现实角度讲，我确实不行，但我有AI。语言这个障碍，在现实生活中阻碍了很多事情。

对于下一代，我们不用替他们忧虑以后做什么工作，因为那些工作可能还没有出现。但大方向上可以做些调整。第一，要投资AI。普通人最简单的方式就是买QQQ、VGT这类ETF，它们都包含了AI赋能的公司。第二，要让孩子花更多时间在户外运动，尽量减少做奥数题的时间。我个人甚至觉得，现在没有必要非得让海外的孩子学中文，因为同声传译技术已经非常成熟，精力应该花在更重要的地方。

现在的孩子们可以被认为是“原生AI人”，他们在AI世界里出生，用AI解决问题的创造力可能会超越我们。我们能做的就是，如果你在职场中，不要焦虑，把时间用于研究如何将AI与你的业务结合。如果你是家长，要以鼓励和启发为主，你会发现孩子用AI解决问题的能力可能比你更强。

当大家用Sora创作出大量零散的东西后，很快就会审美疲劳。其实大多数人并不喜欢看纯AI生成的东西，会觉得那是低质量的。AI的出现让粗制滥造的内容泛滥，但什么东西是稀缺的呢？那就是Storytelling（讲故事的能力），一种能引起人群共鸣的能力。运用AI去创造出带有很强“人味”的内容，无论是电影、歌曲还是其他作品，这种能力会非常稀缺。

未来工作需要的另一个特质是Curiosity（好奇心）和强大的个人驱动力。我觉得有这种特质、不躺平的人是少数。当AI越来越强大，很多人可能会觉得没有奋斗的必要，选择躺平，等待UBI（Universal Basic Income: 全民基本收入）的到来。社会可能会分化，一小部分人有极强的创造欲和改变世界的动力，手握无限的AI工具；而大部分人则处于低欲望状态。因此，那些能够激发他人欲望和好奇心的角色，比如优秀的博主、KOL，会变得非常稀缺和重要。

个人的Agency（能动性或自驱力）在这个时代至关重要。这就像当领导的本事，领导总是驱使别人干事。如果你没有欲望，别人不指挥你，你就什么都不是，那你的存在价值也就没有了。所以，成为你自己（Be Yourself）非常重要。人类的独特之处在于我们是物理世界中无数意外结合的结果，每个人都是稀有的。

我预测，未来五年左右，我们的娱乐业和文艺创作会迎来新的繁荣，因为AI放大了有创意的人的能力。所以，成为一个更有创意、更像自己、更自驱的人，至关重要。同时，能够建立人与人之间连接的工作也会很重要。你需要站出来，建立一个社群（Community），把你的人性放大，去建立连接。我们可能还想不出未来新工作的具体名词，但它们肯定会出现。