皮衣黄：千古大业让你小扎背刺了！

http://xhslink.com/o/8iLln61VDA4

这两天给我亏了好多😡

从1940年代以来，世界经历了：汽车普及；航空业发展；石油与天然气革命；电视；计算机；互联网；智能手机；人工智能。

行业不断变化，但投资的底层问题没有改变：企业能赚多少钱？能赚多久？需要投入多少资本？竞争对手是否容易进入？当前价格是否合理？管理层如何配置资本？

技术会改变答案，却不会让这些问题失效。

为什么变化反而可能产生机会？

市场面对新技术时容易出现两个极端：

过度乐观，把所有相关企业价格炒得过高；
过度悲观，把受到短期冲击但仍有价值的企业抛售。

投资者的机会通常来自市场对变化的错误定价，而不是来自世界保持不变。

https://www.gurufocus.com/economic_indicators/8046/finra-investor-margin-debt-relative-to-m2

同学实习日薪也被AI带到了四位数，羡慕

哦，这也太 open 了 😯

kimi 疯了吗？怎么涨价这么多啊，这下我只用得起 dsv4 了。。。我准备开学和同学拼一个 gpt plus 用

AI 总结：2026年07月21日《投资大师》播客 摩根大通CEO戴蒙

人工智能正在经历一场前所未有的资本投入竞赛。

科技公司建设数据中心、采购芯片、训练大模型，传统企业则忙着部署内部助手、自动化系统和智能客服。市场真正关心的问题逐渐从“AI 是否重要”，转向了一个更现实的问题：

这些钱最终能赚回来吗？

摩根大通董事长兼 CEO 杰米·戴蒙的判断很明确：AI 最终会创造巨大价值，但回报出现的方式、时间和赢家，几乎肯定不会符合今天的普遍预期。

AI 会成功，但不代表每个投资者都会成功

戴蒙将当前的 AI 浪潮与互联网早期阶段进行比较。

互联网最终深刻改变了商业和社会，也创造了谷歌、Meta 等巨型公司。但在这个过程中，雅虎、网景以及大量曾被市场寄予厚望的企业，最终被淘汰或消失。

因此，“AI 将创造长期价值”和“当前所有 AI 投资都能获得合理回报”，是两个完全不同的命题。

AI 作为一种基础技术，可能在药物研发、疾病诊断、汽车安全、软件开发、客户服务和企业运营中创造巨大价值。它甚至有机会减少医疗差错、加快新药发现，并显著提高知识工作者的生产效率。

但技术价值并不会平均分配。

一些企业会找到真正有效的应用场景，一些企业会因为基础设施投入过大而承担长期折旧压力；一些模型公司会建立平台优势，另一些公司则可能因为成本过高、产品同质化或商业模式不清晰而退出市场。

换句话说，AI 大趋势可能是正确的，但参与大趋势的每家公司并不一定都是正确的投资。

企业必须从“使用 AI”转向“计算 AI 的回报”

在戴蒙看来，企业最终不会仅仅因为 AI 热门，就无限制地投入资本。

管理层迟早要回答几个传统而严肃的问题：

投入一亿美元之后，能够节省多少成本？能够增加多少收入？多久可以收回投资？项目的净现值是多少？是否存在更低成本的替代方案？

这意味着，AI 投资将逐渐从试验阶段进入财务纪律阶段。

早期，企业可能允许不同团队自由选择模型和工具。但随着使用规模扩大，这种方式会产生明显浪费。例如，一个简单的查询可能被发送给最昂贵、能力最强的模型，而实际上，一个体量更小、价格更低的模型已经足够完成任务。

未来的企业 AI 系统，很可能会自动判断任务难度，将请求分配给速度最快、成本最低且足以完成任务的模型。

真正形成竞争优势的，不一定是“使用最多 AI”的公司，而是最清楚以下三件事的公司：

第一，哪些任务值得使用 AI；第二，应该使用哪一种 AI；第三，每次调用究竟创造了多少经济价值。

AI 的就业冲击，本质上是培训体系的挑战

对于 AI 是否会造成大规模失业，戴蒙没有完全否认风险，但也反对只看到岗位消失。

技术进步通常会替代一部分工作，同时创造新的岗位。AI、网络安全、数据基础设施和软件工程等领域，仍然存在大量人才需求。

真正的问题在于，新岗位与旧岗位之间并不会自动完成匹配。

一个被自动化系统替代的后台员工，不会因为市场出现了 AI 安全岗位，就自然成为网络安全工程师。这个转变需要企业培训、职业教育、政府政策和个人学习共同完成。

因此，AI 带来的核心社会挑战，不只是“工作会不会消失”，而是：

劳动力能否在足够短的时间内，完成技能迁移。

企业不能只把 AI 当成削减员工数量的工具。如果企业只追求短期成本下降，却不投资员工再培训，最终可能同时面临组织能力下降、内部阻力上升和社会信任受损。

比 AI 泡沫更值得警惕的，是宏观环境

尽管 AI 是访谈中的重要主题，戴蒙真正反复强调的，却是全球经济中的系统性风险。

这些风险包括地缘政治冲突、能源价格波动、全球政府赤字、不断上升的债务水平，以及通胀和长期利率的不确定性。

在市场情绪乐观、资产价格上涨、企业利润表现良好时，投资者容易形成一种错觉：既然当前经济能够承受冲突、油价上涨和高利率，未来也一定可以继续承受。

但戴蒙提醒，经济危机往往不是由单一事件触发的。

债务、战争、能源、通胀和金融市场波动可能长期独立存在，直到某个时点相互叠加，越过临界点。真正的风险并不只是每一个事件发生的概率，而是多个低概率事件同时发生之后产生的连锁反应。

这也是为什么，他对长期债券和利率走势保持谨慎。

即使通胀数据暂时改善，也不能轻易假设通胀已经永久回到低位。在高赤字、高债务和复杂地缘政治环境下，长期资金成本未必会像市场期待的那样迅速下降。

对于 AI 企业而言，这一点尤其重要。

数据中心、芯片和能源基础设施都需要巨额资本。如果利率长期维持在较高水平，AI 投资项目所需要达到的回报率也会提高。很多在低利率环境下看起来合理的投资，在资本成本上升后可能不再成立。

最优秀的企业，不是预测最准确，而是活得最久

戴蒙对企业经营的核心要求并不是抓住每一次市场机会，而是确保公司能够在最坏情况下继续生存。

这也是摩根大通能够穿越金融危机、疫情和银行业动荡的重要原因。

优秀的风险管理并不是预测某一场危机何时发生，而是不断追问：

如果每个业务部门同时进入最坏状态，公司是否仍能承受？如果市场流动性消失，是否有足够资本？如果重大收购失败，是否会威胁整个组织？

在 AI 投资热潮中，这种思维同样适用。

一家企业可以错过某个模型、某项产品或某轮估值上涨，但不能因为追逐 AI 热点而损害资产负债表、现金流和核心业务。

技术浪潮中的真正赢家，往往不是投入最激进的公司，而是能够在泡沫破裂、资本收紧和技术路线变化后，依然保留继续投资能力的公司。

领导者最大的风险，是听不到坏消息

戴蒙还将企业失败归因于三个相互关联的问题：官僚主义、自满和傲慢。

公司规模扩大后，信息会逐层过滤。基层员工看到的问题，传到管理层时可能已经被美化；客户投诉会被解释为个别情况；失败项目会被包装成暂时延迟。

职位越高，领导者直接掌握的专业细节反而可能越少。

如果领导者因为不了解业务而产生不安全感，就更容易要求下属提供让自己舒服的信息，最终形成“只汇报好消息”的组织文化。

真正成熟的领导者，不需要假装自己了解所有事情。他们能够承认不知道，主动询问专业人士，并允许员工指出产品、流程和战略中的问题。

因此，领导力的关键并不是永远正确，而是建立一个能够快速发现错误、公开承认错误并及时纠正错误的系统。

AI 时代最稀缺的，仍然是人的品格

在谈到接班人和职业建议时，戴蒙并没有把技术能力放在第一位。

他更看重工作伦理、好奇心、勇气、自律、同理心、沟通能力，以及赢得他人信任的能力。

这些特质在 AI 时代反而更加重要。

技术能够提高信息处理速度，却不能自动决定企业应该追求什么；模型能够生成多个方案，却不能承担最终决策责任；算法能够优化效率，却无法替代领导者对员工、客户和社会的责任。

一个人是否愿意说出坏消息，是否能够在压力下保持诚实，是否会保护受到不公正对待的员工，是否能够在个人利益与组织利益发生冲突时作出正确选择——这些问题无法被简单编码成模型参数。

结语：AI 的回报，不会按照市场剧本出现

戴蒙对 AI 的态度既不是盲目乐观，也不是技术悲观。

他相信 AI 将成为一种改变人类生活的基础工具，并在医疗、科研、软件和企业运营中创造长期价值。但他同样认为，当前的大规模投资不会按照市场设想的路径获得回报。

部分公司会成功，部分公司会失败；部分项目会显著提升生产力，部分项目会成为昂贵的试验；真正的回报可能需要更长时间，也可能出现在今天尚未被重视的应用领域。

因此，面对 AI 浪潮，企业最需要的并不是预测哪一个模型最终胜出，而是建立三种能力：

保持资本纪律，确保每项投入能够被衡量；保持组织谦逊，让坏消息能够抵达决策层；保持资产负债表韧性，确保公司能够活到技术真正兑现价值的那一天。

AI 或许会像互联网一样改变世界。

但历史已经证明，改变世界的技术，并不会自动让所有参与者赚钱。