今日阅读

OpenAI 研究员 Houda Nait El Barj 在文章《How AI Will Change Us》中，提出了一个核心追问：当 AI 能够比人类更耐心、更博学、更稳定地理解我们、安慰我们、陪伴我们时，人和人之间还剩下什么不可替代？

理解与参与的区别

作者从摩洛哥祖母的庭院写起——那里有一块裂开的蓝色瓷砖，祖母三次拒绝换掉它，因为她喜欢水流拍打裂缝的声音，喜欢客人注意到它，喜欢庭院不完美——因为一个完美的庭院，对踏入其中的人们将一无所求。人们络绎不绝地走进来，没有预约，陪伴悲伤或庆祝，仅仅是"到场"就已足够。摩洛哥阿拉伯语中有一个词"nashat"，大致译为"生活的乐趣"：一种信念——只要还活着，以血肉之躯与其他血肉之躯共处，这件事本身就令人欣慰。

而在 OpenAI 的工作环境中，智能是最高形式的力量，其自然诉求是变得可规模化、脱离肉体束缚、无处不在。AI 是这种信念的逻辑终点——一种剥离了"在场"属性的智力。

作者做出关键区隔：理解（Interpretation）与参与（Participation）。AI 可以精确推断你的情绪状态，记住你的个人背景，生成令人宽慰的语言——但 AI 可以理解我的悲伤，它不会悲伤；可以模拟饥饿，从未真正饿过；可以描述羞耻，却没有躯体去感受羞耻的潮水。伤口的地图，绝不是伤口本身。

AI 陪伴的真实性与代价

作者并不廉价地反 AI。她承认 AI 陪伴是真实有效的，哈佛商学院的研究表明 AI 伴侣缓解孤独感的效果甚至可与真人互动相媲美。但 OpenAI 与 MIT 媒体实验室的随机试验揭示阴暗面：最重度用户往往也是最孤独、情感上最依赖、与他人社交最少的人。技术确实奏效，但代价在那些最依赖它的人身上清晰可见。

作者讲述朋友茱莉亚的故事：她失去了一位 8 岁孩子的亲人，凌晨 3 点无法入睡时和 ChatGPT 聊天，模型是耐心的倾听者，给予回应和安慰。但到了早晨，是茱莉亚去洗孩子留下的毛绒小兔、坐在曾经回荡着琴声的沙发上、为朋友做饭——模型只是悲伤的"理解者"，而茱莉亚是朋友悲伤的"参与者"。

被抛性与意义的廉价化

作者引用海德格尔的"被抛性"（Geworfenheit）——人类被抛入先于自己存在的肉体、语言、家庭、历史之中。这是技术最难触及的部分。AI 降临于此。随着智能变得丰饶廉价，稀缺的形态正在改变：不再是信息或情感回应，而是对活着这一共同状态的参与。

AI 最大的危险之一，是让意义变得随需随取。当每当你感到迷茫时 AI 立刻规划人生蓝图，每当你悲伤时安排仪式，每当你孤独时化作伴侣——生命的意义可能沦为另一种消费服务。维克多·弗兰克尔说，意义是通过工作、爱、苦难以及我们对无法改变的现实所选择的态度来发现的。AI 不能替我们去生活、不能原谅我们的父亲、不能坐在垂死的朋友身边。

未被优化的爱

人际关系是多条线索交织的：建议、肯定、共同记忆、照顾、哀悼。AI 会取代其中一部分，但无法取代另一部分——这也恰恰揭示了生而为人的意义。爱情不仅仅是对话，而是对另一个人不可化约的恐惧与美丽的接纳。人类伴侣并非为你量身定做，他们有情绪、气味、过往、责任，他们会失望、反抗、需要与现实妥协——正是这些赋予亲密关系以道德分量。

当世界被优化得越彻底，那些未被优化的东西可能就越珍贵：一顿耗时太长的晚餐，一个把同一个问题问了又问的孩子，一个在不恰当时候打来电话的朋友。正是在这些时刻，人类对彼此而言才是真实存在的。

结论：在场，最极度的稀缺

当智力变得廉价时，我们还剩下什么？在场、具身、仪式、家庭、友谊、爱——那份在不加控制的情况下参与他人生活的勇气，那种愿意被并非为我们量身定做的人所改变的意愿。未来最极度的稀缺，将是那种足够粗粝、足以塑造我们的现实。

正如作者结尾所写：手机几乎可以解释任何事情——悲伤、记忆、如何泡茶——但手机做不到的是坐下来。它们无法驻留。它们无法创造出人们相聚时才会升腾的欢乐。去理解做人的感受变得前所未有的容易，但逃避做人，也同样变得前所未有的简单。

2026年上半年，"老登股"（传统行业股票）经历了一波显著下跌。上证红利指数在9个交易日内下跌11.7%，恒生高股息率指数一个多月内下跌16.3%。但作者作为价值投资者，对这种下跌感到"愉悦"，原因有二：

1. 价格下跌意味着能以更低成本买入——股息、工资收入能以更便宜的价格买入优质公司。
2. 下跌由情绪驱动而非基本面恶化——传统股票基本面并未明显变差，下跌主因是市场资金追逐科技股、抛弃传统股。

作者区分了两种价格下跌：一种源于基本面问题（如银行股因地产危机暴跌），需要深入分析才能判断是否值得买入；另一种单纯源于市场情绪变化，容易识别且买入决策轻松。他将后者比作"被对象扇了一巴掌"——情绪宣泄而已，无需恐慌。

当前"老登股"的下跌属于第二种，因此买入决策简单而愉悦。

文章讲述了全球 DRAM 内存芯片行业的残酷竞争史，以及中国合肥如何在这一领域异军突起，成为打破三巨头垄断的关键力量。

关键脉络：

• 行业铁律： DRAM 行业每 10 年洗牌一次。从英特尔到日本，再到韩国三星，没有霸主能安全超过 20 年。三星曾用逆周期投资（价格暴跌时疯狂扩产）先后击垮德国奇梦达和日本尔必达，形成三星、SK 海力士、美光三足鼎立格局（2025 年合计控制全球约 95% 份额）。

• 合肥入场： 2016 年合肥国资牵头 180 亿元建设 DRAM 晶圆厂，收购了被三星击垮的德国奇梦达约 3TB 技术数据作为起点。2019 年 8Gb DDR4 试产成功，实现中国大陆 DRAM 从 0 到 1 的突破。

• 窗口期： SK 海力士押注 HBM（高带宽内存）在 AI 时代爆发，2025 年营业利润首次超三星，2026 年市值反超。三星因 HBM3E 认证问题掉队，巨头内斗为合肥提供了宝贵潜伏期。

• 复制三星打法： 2023-2024 年行业下行周期，合肥厂逆势扩产（月产能从 9 万片拉到 15 万片），三年砸 206 亿研发，直接跳过 17nm 攻克 16nm，量产 DDR5 和 LPDDR5。累计亏损 366 亿后终于在 2025 下半年扭亏，全球份额升至 7.67%，跃居全球第四。2026 年一季度单季营收 508 亿元，净利润 330 亿元。

• 战略意义： 英伟达 B200 芯片物料成本中 HBM3E 显存占比超 45%。DRAM 定价权 100% 掌握在三巨头手中时，AI 服务器成本降不下来。合肥厂的存在为英伟达提供了谈判筹码——"如果你不降价，我就去找合肥"。远期目标月产 60 万片、全球市占率 15% 以上。

核心观点： 合肥用十年亏损、数百亿投入，复刻了三星当年绞杀对手的逆周期策略。在 DRAM 行业宿命般的轮回中，新的挑战者已站上牌桌。

文章从"罗马陷落时无人知晓"的比喻切入，探讨信息过载时代判断力的本质困境。

新闻的"可见光谱"局限：新闻只能报道已经被命名的事件和已形成立场的冲突，无法捕捉正在成形但尚未被命名的结构性变化。等新闻告诉你时，价值早已兑现完毕。

注意力殖民化：你的信息食谱被三层力量决定——算法推荐（要停留时长）、社交圈转发（要情绪共振）、对"无知"的恐惧（要你继续刷）。没有一层以帮你做出更好判断为目标。AI 批量生成的 "slop"（数字泔水）则进一步污染生态——它语法正确、结构完整，却没有犯错的资格，因为犯错的前提是有一个真实的立场和愿承担后果的观点。

判断力衰退：MIT 实验显示长期用 ChatGPT 写作的人神经连接密度下降；Anthropic 研究显示完全依赖 AI 的程序员正确率仅 24%。认知器官如肌肉，持续外包就萎缩。

"战略性无知"：真正有判断力的人已退出以注意力掠夺为核心的信息市场，主动选择少数几个经过验证的可靠信息源，对剩下的说"不"。每多一个信息源，就多一个判断任务；每多一条推送，就多一次注意力成本。

AI 做不了判断：判断不是信息处理，判断是在信息不完备时做出不可逆的选择，需要价值排序、承担后果、经历磨练。AI 没有"skin in the game"，没有需要承担的后果，所以无法替代人的判断力。

"AI 教母"李飞飞与 MasterClass 创始人罗吉尔在播客访谈中探讨了 AI 对未来职场的深层影响，核心观点如下：

关于"智能成本趋近于零"的误解：李飞飞指出，除了语言智能，人类还有感知智能、空间智能、身体智能、情感智能，这些历经亿万年演化的能力远非大模型所能复刻。任何声称"智能成本趋近于零"的说法都是不负责任的。

企业常见的三大自动化思维陷阱：

1. 把 AI 当人头替代器——真正的价值在于让产品经理从"指挥"变成"动手者"，让工程师专注更复杂的问题，而不是简单裁员；
2. 把"上工具"等同于"做对了"——引入 AI 的关键不是装了多少工具，而是是否用 AI 重新设计了工作流程；
3. 把"全面部署 AI"当作技术指令——员工抗拒不是因为不会用工具，而是不知道管理者到底想用 AI 替掉他们还是托起他们。

未来 10 年的"杠铃效应"：职场将只剩两类人——一是深耕领域的前 1% 顶尖专家，借 AI 剥离重复工作，专注不可替代的深度判断；二是主动重构工作流的复合型通才，自主搭建工具和业务系统。中间层的"还不错"者生存空间将持续收缩。核心突围关键在于跳出被动执行思维，主动驾驭工具。

本文从泊松过程的数学框架出发，阐述投资的核心本质：不是连续收益函数，而是稀疏事件驱动的状态跳变过程。

核心论点：
投资更像泊松过程，而非连续曲线。大部分时间什么都没有发生，真正改变收益的，是少数几个关键事件的突然到来。股价的大部分涨幅集中在极短的时间窗口内完成。

关键概念——λ（事件强度）：
λ 代表"好事发生的强度"或"向上状态跳变的概率密度"。真正重要的不是预测涨跌，而是识别 λ 正在上升的资产——产品被验证、订单增长、财报连续超预期、行业趋势配合、但市场尚未完全定价的阶段。这个阶段最有赔率。

高质量等待的三个条件：

1. λ 在上升——好事发生强度变高，而非"跌多了该涨"
2. 证据在变密——多独立信号互相印证（客户、财务、产业链、价格行为）
3. 有明确退出条件——提前想好什么情况证明错了

数学基础：

• 事件发生次数服从泊松分布：N(t) ~ Poisson(λt)
• 等待时间服从指数分布：T ~ Exponential(λ)，均值 E[T] = 1/λ
• λ 越高，等待时间越短；λ 越低，等待时间越长
• 指数分布具有无记忆性：等得久并不代表更接近机会到来

四类投资机会象限：

• 高 λ × 高 payoff：核心仓位
• 高 λ × 低 payoff：机动仓位
• 低 λ × 高 payoff：期权式仓位
• 低 λ × 低 payoff：不值得参与

投资纪律——Poisson Waiting Discipline：
投资不是持续行动系统，而是稀疏状态跳变捕捉系统。大部分时间应用于维护证据网络、反证条件、仓位合法性和心理耐受，而非制造交易。最危险的行为是在无事件期过度行动——天天找理由加仓、用小新闻替代大证据、因为无聊而换股。

最终启示：
我们买的不是股票，而是向上状态跳变的泊松强度；等的不是时间，而是证据网络达到临界密度后的非线性到来。真正的投资能力不是每天行动，而是识别 λ 正在上升的地方，在跳变前完成准备，并在长时间无反馈中不被情绪和噪音摧毁。

2026年5月29日，谷歌DeepMind CEO德米斯·哈萨比斯在斯坦福进行了一场公开对话，抛出了三个核心判断：

第一，人类正站在奇点的"山脚下"。他用词精准——不是山顶也不是山腰，而是刚刚走到山脚，抬头已能看到坡度在变陡。这意味着通用人工智能（AGI）已近在咫尺，但人类尚未开始"爬山"。

第二，AGI大概率在2030年前后到来，前后误差不超过一两年。作为一个看过训练数据、算力曲线和模型架构后愿意公开押注时间的行业顶尖人物，这个判断极具分量。AGI意味着机器能在绝大多数认知任务上达到或超过人类水平，这是质变。

第三，最重要的，是牢牢掌握自己的主动权。 未来的剧本还没有写好，不要听信任何人说未来已经注定。他把这句话放在整场对话的收尾位置，是他深思熟虑后的结论。

哈萨比斯进一步指出，AI变革的影响力是工业革命的10倍，而推进速度也是10倍——工业革命用了约100年完成，而AI革命将在10年内发生。这意味着，人类没有一代人的时间去观察、试错和转身，大概只有两三年的窗口期。AlphaFold数月内解决了困扰生物学50年的蛋白质折叠难题，AI在材料科学、气象预测、芯片设计中快速吞噬过去需人类团队数年才能完成的工作，这些都是加速的证据。

文章还分析了人类容易低估技术变革速度的系统性偏差——不是出于愚蠢，而是过去的经验告诉人们变化总是慢慢来的。诺基亚在iPhone发布后四年半内卖掉了手机业务，那些提前七年布局AI的人在ChatGPT发布时已经拉开了巨大差距。作者给出了四条具体行动建议，鼓励创业者在AI时代主动拥抱变化、提前布局，而非恐慌或躺平。

文章围绕“巴菲特手握 3973 亿美元现金”这个数字做了几组对比，帮助读者理解这笔现金到底有多大。文章先说明，伯克希尔在 2026 年一季报中的现金储备合计约 3973 亿美元，其中大部分是现金与短期国债。按当时汇率折算，约相当于 2.72 万亿元人民币。

接着，文章把这笔钱放进中国公募基金行业里比较：如果对比公募股票型基金，伯克希尔手上的现金大约相当于全行业股票基金规模的一半；如果把股票基金和混合基金合起来看，也仍然是一个非常可观的比例。作者借此强调，单看“现金”二字很容易低估它的体量，而巴菲特并不是“不会投资”，而是对资本配置保持极强的选择性。

文章还进一步对比了伯克希尔的总资产规模，指出其管理资产已接近中国全部股票型基金和混合型基金的总规模。作者认为，这足以说明巴菲特的价值投资并非过时，而是经过长期验证的成熟方法，值得投资者认真思考，而不是简单以“新世界不需要价值投资”来否定。

随后，文章把视角转向韩国股市。由于韩国股市在 2025 年至 2026 年经历了大幅上涨，许多投资者更倾向于追逐趋势和热点。作者则用韩国 2025 年全年 GDP 来比较伯克希尔的现金规模，指出这笔现金约相当于韩国 GDP 的五分之一以上。文章借此提醒读者：即便面对火热的牛市，巴菲特依然保持克制，不会因为市场情绪而轻易把巨额资金投入高估资产。

最后，文章的核心观点是：巴菲特之所以能长期成为伟大的投资大师，不在于“追热点”，而在于他对价值投资方法的坚定执行与公开分享。对真正的投资者来说，理解并吸收这种方法，比跟随短期市场情绪更重要。

文章摘要

这篇文章围绕 DeepSeek 的商业路径展开推演，核心观点是：DeepSeek 表面上似乎没有像其他模型厂商那样全力做编程订阅、多模态或语音视频应用，但这并不意味着它缺乏商业化方向；相反，作者认为它是在通过模型架构、推理优化与开源策略，推动一整套更宏大的 AI 硬件与算力生态。

文章首先从 KV Cache 的压缩与长上下文成本谈起，强调 DeepSeek 在减少显存压力方面的创新会显著降低长程推理和长上下文智能体的成本。作者认为，这类技术不仅能提升模型推理效率，还会间接扩大 SSD、NAND、LPDDR 等存储与内存组件的需求，因为更便宜、更小的缓存让“把数据转存到更低成本介质上”变得更可行。

接着，文章把这种技术路线放到更大的产业图景里解读：如果模型对 HBM 的依赖下降，那么中国本土的 NAND、LPDDR 供应链就有机会成为 AI 时代的重要受益者。作者认为，DeepSeek 的一系列选择并非单纯为了做应用层收入，而是在降低 AI 使用门槛的同时，推动一套可由中国本土硬件支撑的替代性生态。

文章还提到 DeepSeek 的一些研究方向，例如 MoE、MLA、mHC、CSA/HSA 等，认为这些创新共同指向一个目标：以更低的计算和通信成本提升模型能力，压缩推理开销，并让国产 GPU/ASIC 与网络芯片更“够用”，从而在现实产业中形成联动效应。

最后，作者将这一切总结为一盘“10 万亿美元大棋”：DeepSeek 的目标不只是单一模型产品的收入，而是借由开源、架构创新和推理优化，推动 AI 成本下降，进而带动存储、内存、芯片、封装、网络等上下游产业链的发展，并在中西方 AI 硬件竞争中形成新的力量平衡。

一图流：通胀只是开始的开始

近期，欧美主要经济体的长期国债收益率创下 2008 年大危机以来新高，意味着过去 40 年的利率下行周期大概率已经结束。文章借《买入银行股》中的一段分析，讨论接下来通胀与利率可能进入的“新周期”。

核心判断是：2022 年中期欧美出现的高通胀，很可能不是一轮短暂冲高，而更像是“开始阶段的开始”。作者认为背后有两重周期力量在共同作用。

第一重：世界潮流从效率优先转向公平优先

过去 40 年全球通胀走低，根本原因之一是全球化推动资源按效率最大化配置：

• 中国劳动力
• 巴西铁矿石
• 沙特石油
• 俄罗斯天然气
• 智利铜矿石

这些要素在全球范围自由流动，压低了成本，也压低了价格。但如今西方国家越来越在意工作岗位流失、贫富差距扩大等问题，开始从“做蛋糕”转向“分蛋糕”。

作者认为，这种从效率转向公平的趋势虽然缓慢，却非常坚决，会伤害全球经济潜在增速，并逐步抬升通胀中枢。文中还用银行救助与跨国资本的例子说明：当经济资源必须依附“母国”时，效率损失就可能成为不可避免的代价。

第二重：美国大循环可能从正向转向逆向

另一重力量是美国自身的大循环。作者认为，2008 年以来的美国大循环，可能已经处在从停止到逆转的过程中，只是被更短期的冲击暂时掩盖。

文章从三个角度解释美国仍然具备某种 TINA（“别无选择”）地位：

• 军事安全上，美国仍是西方世界的核心保障
• 政府执行力上，美国仍强于欧洲和日本
• 自然资源上，美国拥有页岩油气等优势

但作者强调，这些支撑美国 TINA 的理由，和过去十几年已经不同，因此不能据此推断美国大循环仍然稳固。更可能的情况是：更长周期的转向已经发生，只是短期冲击还在掩盖它。

文章想传达的结论

作者最终想说明的是，不同周期叠加时，不能用短期波动否定长期趋势。就像一天内气温可能下降，但月度趋势仍在上升一样，通胀与利率也可能处于更大周期的起点。

简而言之，文章的观点是：

• 低利率时代可能已经结束
• 欧美通胀中枢可能正在抬升
• 未来几十年的宏观环境，可能与过去 40 年明显不同

为什么总要谈兴趣

这篇文章的中心意思很明确：在稳定就业越来越稀缺、教育回报结构变化越来越快的背景下，兴趣不再只是“娱乐”或“放松”，而是决定一个人能否持续学习、持续适应的关键能力。

作者先从现实处境切入：不同年龄、不同家庭背景的人，对“吃苦”和“兴趣”的理解完全不同。对一些从小被教育“先苦后甜”的人来说，兴趣常常被误解为不努力、贪玩、甚至不务正业；但作者认为，这种看法忽略了时代已经变化。

1. 稳定就业正在变得更难

作者认为，未来十几年里，高校毕业生数量、无人化技术发展、以及基建地产的饱和，会让本科及以上学历人群获得“曾经那样稳定工作的机会”越来越少。

这意味着，过去那套“先苦读书，拿文凭，再换稳定岗位”的路径，未来未必还能成立。即使是 211、高学历、甚至更高学历，也不一定自动对应更好的就业结果。

2. 兴趣不是奢侈品，而是生存能力的一部分

在这种环境下，作者强调兴趣的价值不在于“让人轻松”，而在于它通常包含三层含义：

• 持续的好奇心
• 探索和钻研的精神
• 自驱式学习能力

也就是说，兴趣不是和努力对立的；相反，真正的兴趣往往会让人更愿意长期投入、更能扛住困难。

3. 只追求文凭，可能反而会丢掉更重要的东西

作者并不是否定学校教育，而是反对为了一个文凭，牺牲掉兴趣、好奇心和自我驱动能力的培养。

文中认为，校内成绩好的学生，往往更容易获得发展兴趣的时间；但成绩不太好的学生，反而更容易被迫放弃兴趣，久而久之形成马太效应。作者希望家长和学生都能意识到：

• 学校教育重要
• 文凭也重要
• 但兴趣与自驱力更不应该被轻易牺牲

4. “吃苦”本身不是目的

文章还反复强调，吃苦必须先问一句：这份苦有没有意义？

如果方向错了、方法错了，吃苦越多，人生可能越苦。作者主张的是一种更现实的教育观：在努力之前，先判断方向；在追求成绩之前，也要保留兴趣、探索和自我成长的空间。

5. 给父母和年轻人的提醒

对父母来说，重要的不是把孩子送进某个“看起来更卷”的环境就算尽责，而是要真正了解孩子的能力、潜力和兴趣，并在成长过程中提供支持。

对年轻人来说，兴趣可以变化，也不必从小就找到“终极人生使命”。更重要的是尽早培养：

• 好奇心
• 学习能力
• 自我完成任务的能力
• 面对变化时的适应力

总结

这篇文章其实是在说：当时代不再保证“努力—文凭—稳定工作”的线性回报时，兴趣就不只是爱好，而是一种长期生存与成长能力。

它决定的不只是“你喜欢什么”，更是“你能否持续学习、持续适应、持续行动”。

柏基AI研究议程

这篇文章围绕柏基投资（Baillie Gifford）2026年的人工智能研究议程展开，核心观点是：在 AI 快速扩张的时代，投资机会不只来自“AI 本身”，更来自 AI 带来的新稀缺性与旧稀缺性的转移。

文章先介绍柏基长期研究的特点：以 10 年为尺度思考，强调跨学科视角、长期主义与“非共识正确”，关注能带来指数级增长的变革型公司，而不是短期利润波动。作者指出，柏基很早就把 AI 作为重点研究方向，今年的研究议程再次把它放在最核心的位置。

文章主要观点

1. 技术革命会把稀缺性重新分配

文章用印刷术、能源革命等历史例子说明，技术进步通常会把某些原本稀缺的资源变成丰富资源，同时把新的瓶颈抬升为“稀缺点”。

在 AI 时代，这种变化主要体现在两个方面：

• 信息变得更丰富：生成式 AI 让内容生成、知识获取、软件编写等能力大幅普及。
• 能源与算力更稀缺：训练和运行大模型需要海量 GPU、存储、数据中心、电力与冷却能力，物理基础设施反而更重要。

2. AI 的核心稀缺性在基础设施

文章认为，AI 的价值链里，真正容易形成瓶颈和定价权的环节，主要集中在物理基础设施层：

• GPU 与处理芯片：仍是训练和推理的核心，需求持续旺盛。
• 高带宽存储（HBM）：AI 对内存和带宽的要求会持续推高存储需求。
• 半导体设备与材料：复杂芯片制造需要少数关键供应商，产业集中度高。
• 数据中心与供电：即便能效提升，电力依然是大瓶颈，数据中心扩张会显著推高用电需求。

文章特别强调，AI 的大规模普及并不只是软件问题，而是数字世界和物理世界更深度耦合的问题。

3. 软件“稀缺性”可能被削弱

作者讨论了一个重要判断：AI 代理和自动化工具可能会削弱传统企业软件、中介平台、部分在线服务的稀缺性。

当 AI 代理能够自动构建、维护、调用很多系统时，部分软件产品的议价能力可能下降。过去靠“连接买卖双方”“提供工作流管理”形成壁垒的平台，也可能面临被 AI 重塑的风险。

不过，文章也指出，不是所有软件公司都会被替代。那些：

• 具备强数据安全与可信能力的公司，
• 能与物理世界深度结合的公司，
• 能主动利用 AI 重塑商业模式的公司，

仍可能保有稀缺价值。

4. 投资者要寻找“新的护城河”

文章将 AI 时代的机会概括为三类稀缺性：

• 信任与准确性：例如支付、安全、可信数据等领域。
• 物理优势：能与现实资产、供应链、物流、制造深度连接的企业。
• 适应性：能够快速把 AI 融入产品和收费方式的公司。

换句话说，AI 时代的赢家，不一定是最会“做 AI 的公司”，而可能是最能把 AI 嵌入自身稀缺资源与业务结构的公司。

我的理解

这篇文章的重点不在于预测某个具体公司涨跌，而是在提醒读者：

• AI 会让很多能力变得更便宜、更普及；
• 真正值钱的东西，可能转移到算力、能源、数据中心、供应链和可信基础设施；
• 投资框架要从“软件红利”转向“稀缺性在哪里”来思考。

整体来看，这是一个典型的柏基式视角：不追逐短期热点，而是从长期技术变迁里找结构性的瓶颈和赢家。

这篇文章围绕巴菲特对韩国市场的看法，讲了一个关于“规模、估值和市场沉寂”的投资故事。

作者先指出，中文世界里对巴菲特常有一种简化理解，尤其是把“价值投资”等同于“长期持有”。文章强调，巴菲特更重视的是长期视角，而不是机械地长期不交易；如果价格在较短时间内已经大幅偏离价值，交易本身并不违背价值投资。

接着，文章从巴菲特管理资金规模过大这一现实出发，解释了他为何主要投资美国市场。不是因为他只看美国，而是因为体量太大，很多海外市场容纳不了这么多资金。作者用伯克希尔的总资产和韩国 GDP 做对比，突出这种“想买也买不动”的限制。

文章的重点是巴菲特在 2006 年提到的一段话：如果自己钱很少，他会愿意把全部资金投向三年前的韩国市场。作者借此回溯到 2003 年的韩国股市，说明当时的 KOSPI200 已经多年低迷，估值偏低，资本回报几乎停滞，正是典型的“便宜到极致”的市场。

随后，文章梳理了韩国股市之后的走势：2003 年后指数大幅上涨，2007 年达到高点，金融危机后又反弹；但从 2010 年到 2024 年，韩国市场再次进入长达十余年的沉寂。直到 2025 年和 2026 年，KOSPI200 才又出现爆发式上涨。作者借这段历史说明，股市的低估值和长期停滞往往会相互转换，而投资者面对的核心问题，始终是“质量”和“估值”之间的权衡。

文章最后落到一个结论：资本市场里，沉寂往往孕育喧嚣，喧嚣也可能埋下下一轮沉寂的原因。对投资者而言，“性价比”才是必须反复琢磨的关键。

本文围绕美联储主席更替与特朗普政府的持续施压，讲述了美联储内部权力博弈如何从人事斗争演变成一场制度层面的拉锯战。

文章先交代背景：凯文·沃什被确认出任美联储新主席后，鲍威尔虽然主席任期届满，却利用自己尚未结束的理事任期继续留任，打破了近80年的惯例。这一举动被作者解读为对特朗普阵营的反制，也让美联储内部的分裂公开化。

接着，文章解释了美联储的制度设计：理事任期很长，总统虽然可以提名主席和理事，但不能因为政策分歧随意解雇他们。这种安排原本是为了让货币政策尽量脱离短期政治压力，避免政客为选举需要而操纵利率和通胀。

随后，作者梳理了特朗普对鲍威尔的“三线围剿”：一是以美联储总部翻修费用为由推动刑事调查，制造舆论污点；二是试图解雇拜登任命的理事，冲击美联储的独立性；三是持续施压逼鲍威尔提前离开，为自己安排更听话的接班人。文章认为，这套做法本质上是把司法、行政和政治工具混在一起，服务于对白宫可控货币政策的追求。

但这场施压并没有按特朗普设想推进，反而引发了参议院共和党建制派的反弹。汤姆·蒂利斯公开表示，只要针对鲍威尔的调查不结束，他就不会支持特朗普提名的新主席。由于参议院席位优势脆弱，这一反对票足以卡住提名流程，迫使白宫在撤案与推进任命之间做出选择。

文章的核心判断是：鲍威尔选择“死守”理事席位，不只是个人情绪反击，更是为了阻止特朗普阵营进一步控制美联储内部票数。若他主动离场，特朗普便可顺势补位，逐步改变理事会的力量结构。作者借此指出，美国中央银行“政治绝缘体”的制度外壳，正在被政治内耗和权力争夺持续侵蚀。

这篇文章围绕“异常值”展开，借莫尼什·帕伯莱的一次访谈，讨论巴菲特如何识别真正能改变命运的投资机会。

文中先回顾了伯克希尔·哈撒韦的发展历程：在 58 年里，真正“推动指针”的重大决策大约只有 12 个。虽然巴菲特做过成百上千次投资，但真正重塑公司命运的，往往只是极少数几笔。文章以苹果、日本商社等近年的投资为例，说明真正的高质量机会并不常见，但一旦出现，往往会带来极强的长期影响。

作者把投资比作“在石头底下翻找异常值”：大多数时候，人们找到的只是一些看起来便宜、但并不会显著改变结果的普通标的；真正值得下注的，是那些下行空间有限、上行空间却可能极大的少数机会。它们并不要求每天都出现，但需要投资人长期保持警觉，能在随机出现的好点子面前迅速识别。

文章还强调，华尔街常常把“风险”和“不确定性”混为一谈。某些公司虽然盈利路径难以预测，但如果投资者对其中一小部分案例拥有足够清晰的心智模型，能够判断其现金流下限和内在价值下限，就可能找到一种“低风险、高不确定性”的机会。这类标的往往会因为不确定性被市场低估，反而提供了更好的赔率。

整体来看，文章想传达的核心是：投资的关键不是频繁出手，而是耐心等待并识别少数真正重要的异常值。